CN110161986B - 用于为工厂自动实施过程失败模式和效果分析的方法和系统 - Google Patents
用于为工厂自动实施过程失败模式和效果分析的方法和系统 Download PDFInfo
- Publication number
- CN110161986B CN110161986B CN201910111199.8A CN201910111199A CN110161986B CN 110161986 B CN110161986 B CN 110161986B CN 201910111199 A CN201910111199 A CN 201910111199A CN 110161986 B CN110161986 B CN 110161986B
- Authority
- CN
- China
- Prior art keywords
- plant
- model
- product
- service
- failure mode
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 93
- 230000008569 process Effects 0.000 title claims abstract description 43
- 238000011058 failure modes and effects analysis Methods 0.000 title claims abstract description 20
- 238000004519 manufacturing process Methods 0.000 claims abstract description 76
- 238000013500 data storage Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims description 28
- 230000004044 response Effects 0.000 claims description 3
- 238000005553 drilling Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000013442 quality metrics Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
- G05B23/0278—Qualitative, e.g. if-then rules; Fuzzy logic; Lookup tables; Symptomatic search; FMEA
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
用于为工厂自动实施过程失败模式和效果分析PFMEA的方法和系统(1),该工厂被适配成使用存储或加载在数据存储装置(7)中的元模型MM在生产过程中生产产品,其中,所存储的元模型MM包括:对抽象工厂AF进行建模的抽象工厂模型元素,其包括跨不同工厂(5‑i)对抽象服务进行建模的一个或多个服务说明,其中每个服务说明包括针对不同失败模式的失败模式说明。
Description
本发明涉及一种用于为工厂自动实施过程失败模式(process failure mode)和效果分析PFMEA的方法和系统,该工厂在生产过程中生产产品。
在i4.0生产场景中,主要焦点在快速调整生产工厂以采用变化、特别是采用变化的要求上。工业产品在物理工厂中以包括不同过程步骤的生产过程来生产。每个物理工厂包括:多个组件或设备,其提供在工业制造过程的过程步骤中使用的设备服务。通过添加附加的生产能力或正在生产的产品中的变化,可以增加生产过程的输出。在极端的生产场景中,产品仅能够生产一次(批量大小为1)或仅能够按需求生产。
由于诸如现有机器或工厂设备中的不断变化之类的工厂中的动态,用于生产工业产品的生产场景不再是静态的,而是经受不断变化。因此,工厂中制造的每一种工业产品能够可能地通过工厂采取其自己的方式。在不断变化的生产场景中,不再预期以相同的方式生产相同的产品。根据生产工厂中当前的生产情况,将在制造过程期间为每个产品规定路线。
为了关于相应生产过程估计所制造的产品的质量,通常实行过程失败模式和效果分析PFMEA。在PFMEA中,每个过程步骤能够对产品的质量产生负面影响,这取决于相应过程步骤被执行得多么好。过程失败模式和效果分析PFMEA捕获过程步骤执行的可能负面结果,并且还可以定义用以检测对产品质量的不良影响的度量(measure)。对于高质量需求,这样的分析对于记录所应用的质量度量并且研究生产过程中的缺点位于何处以及如何解决这些缺点非常重要。
由于在i4.0生产情境中,每个产品可以包括单独的生产方式,因此在请求过程失败模式和效果分析PFMEA时,需要自动化。
因此,本发明的一个目的是提供一种用于在i4.0生产环境中自动实施过程失败模式和效果分析PFMEA的方法和系统。
通过包括权利要求1的特征的方法,根据本发明的第一方面来实现该目的。
本发明根据第一方面提供了一种用于为工厂自动实施过程失败模式和效果分析PFMEA的方法,该工厂被适配成使用存储或加载在数据存储装置中的元模型在生产过程中生产产品,其中,元模型包括:对抽象工厂进行建模的抽象工厂模型元素,其包括跨不同工厂对抽象服务进行建模的一个或多个服务说明(declaration),其中每个服务说明包括针对不同失败模式的失败模式说明。
根据本发明的方法对产品要求、生产步骤和质量度量进行区分,使得可以在使用共同元建模语言的工厂的任何实例中定址(address)复杂的质量要求。存储在数据存储装置中的元模型提供自动实施过程FMEA所需要的全部信息。
在根据本发明的第一方面的方法的可能实施例中,所存储的元模型包括:产品模型元素,其通过至少一个配方步骤对产品进行建模,该配方步骤使用配方失败模式和严重程度值(severity value)来为每个失败模式说明定址相关联的服务说明。
在根据本发明的第一方面的方法的另外可能的实施例中,严重程度值是质量特性,其对错误的过程输出对由工厂生产的产品的平均质量的影响进行建模。
在根据本发明的第一方面的方法的仍另外可能的实施例中,所存储的元模型包括:工厂相关的模型元素,其通过在设备服务内定址服务说明来对特定工厂的设备进行建模。
在根据本发明的第一方面的方法的仍另外可能的实施例中,每个设备服务包括:其相关联的服务说明的失败模式说明与发生值的组合。
在根据本发明的第一方面的方法的仍另外可能的实施例中,每个设备服务包括:覆盖失败模式,其定址特定工厂的设备的设备失败模式,其中每个覆盖失败模式包括降低的发生值。
在根据本发明的第一方面的方法的仍另外可能的实施例中,发生值形成对设备失败模式的概率进行建模的设备的质量特性。
在根据本发明的第一方面的方法的另外可能的实施例中,所存储的元模型包括:生产模型元素,其对要被特定工厂执行以在满足配方步骤的生产过程中生产相应产品的过程步骤进行建模。
在根据本发明的第一方面的方法的另外可能的实施例中,抽象服务提供跨多个不同物理工厂的全部可用生产服务的全局库。
在根据本发明的第一方面的方法的仍另外可能的实施例中,每个服务说明包括:与设备服务的服务约束相关联的服务属性说明。
在根据本发明的第一方面的方法的另外可能的实施例中,服务属性说明包括:要为配方步骤设定的参数。
在根据本发明的第一方面的方法的仍另外可能的实施例中,基于存储在数据存储装置中的元模型来自动生成可用来生产在从产品所有者的终端接收的配方中描述的相应产品的可用生产过程。
本发明根据第二方面进一步提供了一种系统,其被配置成根据权利要求13为工厂自动实施过程失败模式和效果分析PFMEA。
本发明根据第二方面提供了一种系统,其被配置成使用存储在所述系统的中央数据存储装置中的元模型,为在生产过程中生产产品的工厂自动实施过程失败模式和效果分析PFMEA,其中所述元模型包括:对抽象工厂进行建模的抽象工厂模型元素,其包括跨不同工厂对抽象服务进行建模的一个或多个服务说明,其中,每个服务说明包括:针对不同失败模式的失败模式说明。
在根据本发明第二方面的系统的可能实施例中,该系统包括:中央模型处理实体,其被适配成处理来自连接到中央模型处理实体的产品所有者的终端的、用于生产产品的所接收的配方,以提供可用来在具有满足由严重程度值指示的产品所有者的严重程度要求的足够的产品质量的情况下生产如在所接收的配方中描述的相应产品的生产过程。
在根据本发明的第二方面的系统的可能实施例中,中央模型处理实体连接到网络云基础结构,并且被适配成响应于从产品所有者的终端接收的配方,将来自不同工厂所有者的数据库的元模型加载到中央数据存储装置中并且进行处理。
在下文中,参照所公开的附图更详细地描述了本发明的不同方面的可能实施例。
图1示出了根据本发明的一个方面的用于说明一种用于为工厂自动实施过程失败模式和效果分析的系统的可能的示例性实施例的示意图;
图2图示了可以被根据本发明的方法和系统使用的元模型的示意图。
如在图1的示意图中可以看到的,所图示的系统1包括:公共网络云基础结构2,不同产品所有者PO1、PO2、……、POM的终端3-1、3-2、......、3-m连接到该公共网络云基础结构2。网络云基础结构2可以在图示的示例性实施例中进一步连接到属于不同工厂所有者的若干个不同物理工厂5-1、5-2、…...、5-n的数据库4-1、4-2、……、4-n。如图1中图示的系统1进一步包括:中央模型处理实体6,其有权访问中央数据存储装置7。中央模型处理实体6可以由服务提供商运行,该服务提供商向产品所有者和不同物理工厂5-1、5-2、…...、5-n的所有者PO1、PO2、…...、POM提供服务。
网络2可以包括:复杂的网络云基础结构,其包括互联网或者为服务提供商的服务所提供的网络。对于不同物理工厂5-1、5-2、…...、5-n的每个数据库4-i而言,可以存储针对相应工厂的相关联的元模型MM并且将其加载到中央数据存储装置7。替换地,与不同工厂所有者的不同物理工厂5-1、5-2、…...、5-n相关联的多个不同的元模型MM可以已经存储在系统1的中央数据存储装置7中。系统1被提供用于为物理工厂5-1、5-2、…...、5-n中的一个或多个自动实施过程失败模式和效果分析PFMEA,该物理工厂被适配成使用存储在数据存储装置7中的元模型MM在生产过程中生产产品。
存储在数据存储装置7中的元模型MM包括:对抽象工厂AF进行建模的抽象工厂模型元素,其包括跨不同工厂对抽象服务进行建模的一个或多个服务说明。存储在中央数据存储装置7中的元模型MM的实施例在图2中图示。元模型MM由不同模型元素组成。元模型MM包括:对抽象工厂AF进行建模的抽象工厂模型元素,其包括跨不同工厂对抽象服务进行建模的一个或多个服务说明。每个服务说明S-DEC包括:针对不同失败模式FM的失败模式说明FM-DEC。
抽象工厂的抽象工厂模型元素跨全部工厂收集服务和服务参数的通用规范。这些模型元素使得能够独立于特定工厂5-i来指定产品。
在可能的实施例中,如图2中图示的所存储的元模型MM还包括:产品模型元素,其对要通过至少一个配方步骤R-Step制造的产品mProd进行建模,该配方步骤R-Step使用配方失败模式R-FM和严重程度值SEV为每个失败模式说明FM-DEC定址相关联的服务说明S-Dec。产品模型元素定址与生产或制造相应产品mProd所必须完成的内容相关的次序和步骤。严重程度值SEV形成质量特性,其对错误的过程输出对由工厂制造的产品的平均质量的影响进行建模。
在根据本发明的第一方面的系统1的可能实施例中,所存储的元模型MM进一步包括:工厂相关的模型元素,其通过在设备服务内定址服务说明来对特定的具体工厂F的设备进行建模。工厂相关的模型元素为特定工厂、特别是其机械进行建模。工厂模型元素对特定工厂5-1、5-2、…...、5-n的机械能够实行的内容以及什么质量度量就位或可以被使用进行建模。每个设备服务EQUIP-SER可以包括其相关量的服务说明的失败模式说明与发生值OCC的组合。如图2中图示的,每个设备服务包括:覆盖失败模式C-FM,其定址特定工厂5-1、5-2、…...、5-n的设备的设备失败模式EQUIP-FM,其中每个覆盖失败模式C-FM可以包括降低的发生值dOCC。发生值OCC是对设备失败模式EQUIP-FM的概率进行建模的设备的质量特性。
在根据本发明的第一方面的系统1的另外可能的实施例中,存储在系统1的中央数据存储装置7中的所存储的元模型MM可以包括:生产模型元素,其对要由特定工厂5-1、5-2、…...、5-n执行以在满足配方步骤的生产过程中生产相应产品的过程步骤进行建模。生产模型元素定址要制造的产品mProd的具体生产产品。此处,过程步骤P-Step指示要被执行以生产产品mProd的具体有序动作。这些生产步骤P-Step回答了产品是如何生产的。
因此,存储在系统1的中央数据存储装置7中的元模型MM在可能的实施例中可以包括:抽象工厂模型元素、产品模型元素、工厂相关的模型元素以及如图2中还图示的生产模型元素。
抽象服务提供跨多个不同物理工厂(诸如,图1中图示的工厂5-i)的全部可用生产服务的全局库。在可能的实施例中,元模型MM的每个服务说明S-DEC可以包括:服务属性说明S-Prop-Dec,其与设备服务EQUIP-SER的服务约束Serv-Const相关联,如也在图2中图示的。服务属性说明S-Prop-Dec可以包括:要为配方步骤R-Step设置的参数。在可能的实施例中,可以基于存储在系统1的数据存储装置7中的元模型MM来生成可用来生产在由模型处理实体6从产品所有者PO的终端3-i接收的配方R中描述的相应产品的可用生产过程。
服务提供商的中央模型处理实体6被配置成处理来自经由网络2连接到中央建模处理实体6的产品所有者PO1、PO2、...、POM的终端3-i的、用于从生产期望产品mProd的经由网络2接收的配方R。中央建模处理实体6可以提供可用来在具有满足特别是由分配的严重程度值SEV所指示的产品所有者PO的严重程度要求的足够的产品质量的情况下生产如在所接收的配方R中描述的相应产品mProd的生产过程P。中央模型处理实体6可以连接到网络云基础结构2。
中央模型处理实体6被适配成响应于从产品所有者的终端3-i接收的配方,将来自不同工厂所有者的数据库4-I的元模型MM加载到其中央数据存储装置7中并且进行处理。因此,具有生产特定产品mProd的目标的产品所有者PO可以经由网络2向模型处理实体6发送处于询问消息中的用于生产该产品mProd的配方R。可以处理不同工厂所有者的不同工厂5-i的不同元模型MM-F以找到提供相应产品的可生产性的生产过程,即,该生产过程能够在具有满足由产品所有者PO所要求的以及例如由对应的严重程度值SEV所指示的严重程度要求的足够的产品质量的情况下生产由产品所有者PO在其配方R中指定的相应产品。严重程度值SEV是质量特性,其对错误的过程输出对所生产的产品的平均质量的影响进行建模。因此,模型处理实体6可以使用存储在中央数据存储装置7中或被加载到中央数据存储装置7中的元模型MM来确定哪些工厂5-i能够在具有足够的质量的情况下生产指定的产品。
此外,在图1中图示的示例中,模型处理实体6可以发现的是,物理工厂5-2能够在具有足够的质量的情况下生产期望的产品。在这种情况下,模型处理实体6可以经由网络2将电子消息发送到已经将相应配方消息发送到模型处理实体6的产品所有者PO1。例如,如果产品所有者PO1将配方消息经由网络2从他的终端3-1发送到模型处理实体6,该模型处理实体6指定了生产产品mProd的配方R连同由对应的严重程度值SEV所指示的质量等级,则中央模型处理实体6可以估计不同工厂5-i的可用元模型MM以找到匹配的工厂5-i,其能够在具有足够的产品质量的情况下生产配方R中指定的所需要的产品。例如,如果估计了第二工厂5-2的元模型MM,并且发现制造工厂5-2在具有足够的质量的情况下生产了所要求的产品,则模型处理实体6可以向询问的产品所有者PO1的终端3-1发送消息,该消息为工厂5-2可以满足他的要求并且还可以向询问的产品所有者PO1发送地址或链接,从而允许产品所有者PO联系匹配的物理工厂5-2的工厂所有者。然后,诸如PO1之类的产品所有者可以直接联系适合的工厂5-2的工厂所有者,或者要求服务提供商经由网络2来联系工厂所有者。
存储在中央数据存储装置7中的复杂元模型MM允许使用动态可重新配置的生产场景的域中的实例和角色以自动生成过程FMEA来映射不同活动。产品所有者PO可以指定需要以哪个次序执行什么(配方)步骤来生产特定的产品(配方R)。产品所有者PO可以定址抽象服务(服务说明)以指定其配方R的步骤。这些抽象服务提供具有全部服务的全局库。每个服务说明可以具有一些约束和参数(服务属性说明),其可以为配方步骤(配方服务属性)设置。例如,抽象服务“钻孔”需要钻头的旋转速度和钻孔的大小作为参数。当在配方步骤中实例化时,需要设置这些参数。对于服务说明,可以存储不同的失败模式FM(失败模式说明)。独立于通过具体特定的设备或机械(设备)的服务实现方式(设备服务),失败模式通常是已知的。例如,服务“钻孔”对于实现该服务的全部具体的机械而言具有潜在的失败模式“歪斜钻孔”。
对于配方步骤中的每个已定址的服务说明S-Dec,产品所有者PO可以知道失败模式说明FM-Dec。产品拥有者PO可以在可能的实施例中指定不同的失败模式是多么严重(使用配方失败模式R-FM)。因此,根据过程FMEA的风险评估的第一步骤可以在不了解之后生产产品的具体设备的情况下,在可能的实施例中实行。可以利用严重程度值SEV对过程步骤和失败模式FM的组合进行评级。
独立于产品的该规范场景,工厂的所有者可以对来自公共指定服务集(服务说明)的定址了抽象服务说明的设备(设备服务)的服务进行建模。服务约束可以被用来指定服务属性说明的可能的操作参数和限制。
有可能指定哪个机械是可用的,以及针对哪些参数限制可以提供哪些服务。此外,工厂所有者可以获得可能的抽象失败模式列表(失败模式说明),并且可以指定对于具体的特定服务(设备失败模式),抽象失败模式发生得多么频繁。工厂所有者了解他的机械或已经收集了有关其机械的数据,并且还可以提供有关具体失败模式的发生值OCC的信息。
由于工厂5-i的设备不仅能够执行配方中的生产步骤,而且还能够实行质量测量,因此设备服务还可以覆盖某些失败模式。这些可以是相同的服务、相同设备的不同服务、或者是来自不同设备的服务。例如,可以拾取和放置物体的机器人手臂也可以使用例如相机来监督其动作。在这种情况下,服务“拾取和放置”的失败模式“错放”可以被来自相同设备的服务“相机监督”覆盖。使用这种方法,工厂所有者可以指定可以使用哪种机械来提高生产质量。由于质量量度确实降低了某些失败模式的发生,因此每个覆盖失败模式存储降低的发生值dOCC。
使用来自产品规范的失败模式(配方失败模式)的严重程度SEV乘以设备失败模式EQUIP-FM的发生值OCC,或者利用质量量测的降低的发生值dOCC,可以由模型处理实体6为通过某个过程在具体的设备组上生产的产品自动实施过程FMEA。
在下面通过简单的示例描述了根据本发明的方法和系统1。例如,元模型MM的产品模型元素可以包含两个配方步骤,即,第一配方步骤“钻孔”和第二配方步骤“将其放在堆叠上”,该两个步骤属于配方R(未描绘)。每个步骤引用一个服务说明。钻孔具有可能的失败模式FM“歪斜钻孔”,并且服务“拾取和放置”具有失败模式“错位”。
产品所有者PO可以将针对其配方步骤“钻孔”的失败模式“歪斜钻孔”评定为具有相对较高的严重程度,该相对较高的严重程度具有例如8的严重程度值SEV,并且将针对另一步骤的失败模式“错位”评定为具有相对较低的严重程度值SEV=3。在可能的实施例中,严重程度值SEV可以处于预限定的值的范围内,例如从严重程度=0(最低质量需求)到严重程度=10(最高质量需求)。
在工厂5-i中,在给定的示例中可能存在两台机器,即,实现服务“钻孔”的“钻床”机器和实现服务“拾取和放置”的第二机械“机器人手臂”。在该示例中,第二机械“机器人手臂”可以附加地具有相机,该相机也可以被用来检测失败模式“歪斜钻孔”。
工厂5-i的工厂所有者可以提供钻床具有其确实生产了歪斜钻孔的更高发生5(OCC=5)的信息。机器人手臂的相机可以检测到该失败模式,并且可以将其发生值OCC减小到发生值OCC=2。
生产过程由元模型MM的生产模型元素进行建模。生产模型元素对要由特定工厂5-i执行以在满足配方步骤的生产过程中生产相应产品的过程步骤进行建模。过程步骤“钻床”经由抽象服务“钻孔”来执行配方步骤“钻孔”。机器人手臂经由服务“拾取和放置”来执行配方步骤“将其放在堆叠上”。第一个过程步骤的失败模式“歪斜钻孔”的风险是发生值(OCC=5)与严重程度(SEV=8)的乘积,其提供值5*8=40。
此外,第二个过程步骤的错位的风险是发生值(OCC=2)与严重程度值(SEV=3)的乘积,其提供值2*3=6。发生值OCC与严重程度SEV的乘积是风险的指标。由于在给定示例中,值40是不可接受的风险,因此工厂5-i可以使用其相机来执行机器人手臂的附加质量量度。这将歪斜钻孔在最终制造的产品中的风险减小为降低的发生值dOCC=2乘以严重程度值SEV=8,其给出值16,这形成了40-16=24的相当大的风险减小。所存储的元模型MM可以被用来判定在生产过程期间是否可以使用配方R。
服务提供商可以向产品所有者PO和/或工厂所有者提供不同种类的服务。在可能的实施例中,服务提供商的模型处理实体6能够计算产品的可生产性,其指示产品是否可以由相应的工厂5-i生产。
canBeProduced=true;
Delete all quality steps from P;
i=0
FOREACH p in P DO
rsd=R[i]. ServiceDeclaration;
psd=p. EquipmentService. ServiceDeclaration;
在另外可能的实施例中,服务提供商的模型处理实体6可以进一步计算是否达成了过程的足够的质量。
这可以在可能的实施例中通过如下面的伪代码中说明的例程来达成。
在仍另外可能的实施例中,服务提供商的模型处理实体6还被配置成提供过程优化。使用存储在数据存储装置7中的元模型MM,对于每个配方R,可以为某个特定工厂5-i自动生成全部可能的过程。首先,由模型处理实体6生成或计算可以根据配方R生产产品的全部可能的过程。有可能在工厂5-i中存在多个机器,该多个机器可以提供以某个次序要求的服务来执行配方步骤r。
在P中已经达成的可能的生产次序之后,有可能添加质量步骤并且由可能对它们进行估计。
有可能将全部过程P的集合扩展到具有质量步骤P’的全部过程的集合。可以估计P'中的全部过程的质量阈值,并且可以去除不满足质量的过程。然后,有可能对具有最高质量或其他优化标准、特别是生产成本的过程进行估计。
存储在数据存储装置7中的元模型MM以可以为产品自动实施过程FMEA的方式存储结构信息。利用这种自动方法,可以在i4.0生产场景中判定路由过程或可生产性。
根据如在产品配方R中指定的产品所有者PO的愿望,根据本发明的方法和系统可以被应用于在生产工厂中制造的任何种类的复杂产品。例如,期望具有在远程工厂5-i中制造的产品的产品所有者PO可以向服务提供商发送具有以结构化元模型MM语言的配方R的询问以找到适合的工厂5-i。
如果要生产的产品的数量相对较小,即,在极端情况下,制造批量大小为1,则根据本发明的方法和系统1尤其有价值。例如,位于欧洲的产品所有者PO可以利用根据本发明的系统1找到位于远程区域(例如亚洲)的匹配的生产工厂5-i,其能够在具有足够的质量的情况下生产产品。因此,根据本发明的方法和系统1便于产品所有者PO与工厂所有者的匹配。
可以为每个所生产的产品单独地实行PFMEA。对于高质量需求,这样的分析与记录所应用的质量量度以及与找出生产过程中的缺点在何处以及可以如何克服或定址这些缺点有关。该方法和装置1提供基于自动化模型的过程失败模式和效果分析PFMEA,特别是对于批量大小为1的生产系统。存储在根据本发明的系统1的数据存储装置7中的元模型MM的核心由抽象工厂模型元素形成,该抽象工厂模型元素包括对不同工厂5-i的生产场景的一个或多个抽象服务(诸如钻孔)进行建模的一个或多个服务说明,其中每个服务说明包括:一个或多个失败模式说明(诸如钻得过深),其描述了相应服务说明的可能的错误的生产输出。
在可能的实施例中,如果工厂或生产设施的组件被改变或更新,则相关联的工厂的元模型MM也被更新,并且可以被上载到系统1的中央数据存储装置7。工厂5-i的设备可以包括软件和/或硬件组件。通过替换硬件组件和/或更新软件组件,元模型MM的工厂相关的模型元素也可以在系统的中央数据存储装置内更新。元模型MM的抽象工厂模型元素涉及被用于FMEA分析的抽象标准工厂,并且不受实际物理工厂中的任何变化的影响。
如果若干个不同的工厂满足产品所有者PO所要求的生产要求和质量标准,则产品所有者PO可以选择其中一个工厂以用于生产,并且联系对应的工厂所有者。如果系统1不能识别出满足例如由严重程度值SEV限定的产品所有者PO的质量需求的工厂,则系统1可以邀请产品所有者PO改变严重程度值SEV(即,减小严重程度值),使得可以找到匹配的工厂。
参与根据本发明的系统1的工厂所有者具有以下优点:工厂5-i的定义的元模型MM允许自动检测工厂5-i是否能够在具有所需要的产品质量的情况下生产在产品所有者PO的配方R中指定的产品。这可以由使用工厂5-i的元模型MM的根据本发明的系统1来自动实行。因此,工厂5-i的工厂所有者F-i不得手动估计产品所有者PO的询问,该询问为调查工厂5-i是否能够生产产品以及工厂5-i是否也能够在具有由产品所有者PO指定的所需要的产品质量的情况下生产产品。对于产品所有者PO而言,一个优点在于他们可以自动地且非常快速地找到制造工厂5-i或生产设施,其可以被用于在具有足够的质量的情况下生产他们相应的产品。这使得产品所有者PO和工厂所有者F-i有可能在全球范围内进行合作,从而显著提高生产效率。因此,可以在具有更高生产效率并且节约资源的情况下生产各种各样不同的复杂产品。
根据本发明的系统1的另外的优点在于增加了指定的产品由适合的工厂5-i在具有足够的产品质量的情况下制造的概率。由于产品所有者PO与工厂所有者F-i及其工厂5-i之间的自动匹配,生产处置的效率被提高到甚至小的制造批量大小可以被工厂所有者接受的程度。由于由根据本发明的系统1所提供的基于自动化模型的过程失败模式和效果分析PFMEA,即使是要由制造设施或工厂5-i生产的仅一个产品的制造批量大小也是可能的。
Claims (13)
1.一种用于为工厂(5-i)自动实施过程失败模式和效果分析的方法,所述工厂(5-i)被适配成使用存储或加载在数据存储装置(7)中的元模型MM在生产过程中生产产品,
其中,所述元模型MM包括:对抽象工厂进行建模的抽象工厂模型元素,其包括跨不同工厂(5-i)对抽象服务进行建模的一个或多个服务说明,
其中每个服务说明包括:针对不同失败模式的失败模式说明,其中,所存储的元模型MM包括:工厂相关的模型元素,其通过在设备服务内定址服务说明来对特定工厂(5-i)的设备进行建模,其中,每个设备服务包括:其相关联的服务说明的失败模式说明与发生值OCC的组合。
2.根据权利要求1所述的方法,其中,所存储的元模型MM包括:产品模型元素,其通过至少一个配方步骤对所述产品进行建模,所述配方步骤使用配方失败模式和严重程度值SEV来为每个失败模式说明定址相关联的服务说明。
3.根据权利要求2所述的方法,其中,所述严重程度值SEV是质量特性,其对错误的过程输出对由所述工厂(5-i)生产的产品的平均质量的影响进行建模。
4.根据前述权利要求1-3中任一项所述的方法,其中,每个设备服务包括:覆盖失败模式,其定址所述特定工厂(5-i)的设备的设备失败模式,其中每个覆盖失败模式包括降低的发生值dOCC。
5.根据权利要求4所述的方法,其中,所述发生值是对设备失败模式的概率进行建模的设备的质量特性。
6.根据前述权利要求2至3中任一项所述的方法,其中,所述所存储的元模型MM包括:生产模型元素,其对要被特定工厂(5-i)执行以在满足所述配方步骤R-Step的生产过程中生产相应产品的过程步骤进行建模。
7.根据前述权利要求1至3中任一项所述的方法,其中,所述抽象服务提供跨多个不同物理工厂(5-i)的全部可用生产服务的全局库。
8.根据前述权利要求1至3中任一项所述的方法,其中,每个服务说明包括:与设备服务的服务约束相关联的服务属性说明。
9.根据权利要求8所述的方法,其中,所述服务属性说明包括:要为配方步骤R-Step设置的参数。
10.根据前述权利要求1至3中任一项所述的方法,其中,基于存储在所述数据存储装置中的元模型MM来生成可用来生产在从产品所有者PO的终端(3-i)接收的配方R中描述的相应产品的可用生产过程。
11.一种系统(1),其被配置成为工厂(5-i)自动实施过程失败模式和效果分析,所述工厂(5-i)被适配成使用存储在所述系统(1)的中央数据存储装置(7)中的元模型MM在生产过程中生产产品,所述元模型MM包括:对抽象工厂AF进行建模的抽象工厂模型元素,其包括跨不同工厂(5-i)对抽象服务进行建模的一个或多个服务说明,其中每个服务说明包括:针对不同失败模式的失败模式说明,其中,所存储的元模型MM包括:工厂相关的模型元素,其通过在设备服务内定址服务说明来对特定工厂(5-i)的设备进行建模,其中,每个设备服务包括:其相关联的服务说明的失败模式说明与发生值OCC的组合。
12.根据权利要求11所述的系统(1),其中,所述系统(1)包括:中央模型处理实体(6),其被适配成处理来自连接到所述中央模型处理实体(6)的产品所有者PO的终端(3-i)的、用于生产产品的所接收的配方R,以提供可用来在具有满足由严重程度值SEV指示的产品所有者的严重程度要求的足够的产品质量的情况下生产如在所述所接收的配方R中描述的相应产品的生产过程。
13.根据权利要求12所述的系统(1),其中,所述中央模型处理实体(6)连接到网络云基础结构(2),并且被适配成响应于从产品所有者PO的终端(3-i)接收的配方R,将来自不同工厂所有者的数据库(4-i)的元模型MM加载到所述中央数据存储装置(7)中并且进行处理。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18156324.8A EP3525056B1 (en) | 2018-02-12 | 2018-02-12 | Method and system for automatic conduction of a process failure mode and effect analysis for a factory |
EP18156324.8 | 2018-02-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110161986A CN110161986A (zh) | 2019-08-23 |
CN110161986B true CN110161986B (zh) | 2022-05-10 |
Family
ID=61274054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910111199.8A Active CN110161986B (zh) | 2018-02-12 | 2019-02-12 | 用于为工厂自动实施过程失败模式和效果分析的方法和系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11687068B2 (zh) |
EP (1) | EP3525056B1 (zh) |
CN (1) | CN110161986B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11740290B2 (en) | 2020-01-14 | 2023-08-29 | Battelle Energy Alliance, Llc | Energy storage cell qualification and related systems, methods, and devices |
CN114156871B (zh) * | 2021-11-23 | 2022-07-26 | 华能浙江能源销售有限责任公司 | 考虑电动汽车恢复能力的配电网可靠性评估方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7027886B2 (en) * | 2003-02-03 | 2006-04-11 | Deere & Company | Infinitely variable, order specific, holistic assembly process control system |
JP2010009535A (ja) * | 2008-06-30 | 2010-01-14 | Toshiba Corp | 設計品質評価方法、設計品質評価プログラムおよび設計品質評価装置 |
CN105573274A (zh) * | 2015-12-16 | 2016-05-11 | 山东山大华天软件有限公司 | 基于plm系统的ts16949关联对象控制方法 |
CN105654227A (zh) * | 2014-11-28 | 2016-06-08 | 西门子公司 | 用于对生产工厂的实体工厂项进行建模的通用工厂模型 |
CN105759773A (zh) * | 2016-05-16 | 2016-07-13 | 石化盈科信息技术有限责任公司 | 基于面向对象分析的石化企业工厂模型扩展方法 |
CN105912413A (zh) * | 2015-02-20 | 2016-08-31 | 西门子公司 | 分析系统、特别是安全关键系统的可用性的方法和装置 |
CN107357265A (zh) * | 2017-06-01 | 2017-11-17 | 安徽硖石智能装备科技有限公司 | 一种基于vr技术的智能工厂系统 |
EP3270249A1 (en) * | 2016-07-15 | 2018-01-17 | Siemens Aktiengesellschaft | Method and apparatus for a computer-based generation of component fault trees |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6816747B2 (en) * | 2003-02-11 | 2004-11-09 | Ford Motor Company | Computer-implemented system and process for improving manufacturing productivity |
US7263510B2 (en) * | 2003-06-18 | 2007-08-28 | The Boeing Company | Human factors process failure modes and effects analysis (HF PFMEA) software tool |
US7516025B1 (en) * | 2004-06-29 | 2009-04-07 | Sun Microsystems, Inc. | System and method for providing a data structure representative of a fault tree |
US7177773B2 (en) * | 2005-05-31 | 2007-02-13 | Caterpillar Inc | Method for predicting performance of a future product |
US8489530B2 (en) * | 2007-12-03 | 2013-07-16 | Infosys Limited | System and method for root cause analysis of the failure of a manufactured product |
US8690057B2 (en) * | 2012-03-06 | 2014-04-08 | A-I Packaging Solutions, Inc. | Radio frequency identification system for tracking and managing materials in a manufacturing process |
US20150039386A1 (en) * | 2013-08-02 | 2015-02-05 | Omnex Systems, LLC | Method and system for risk assessment analysis |
US9798605B2 (en) * | 2014-06-27 | 2017-10-24 | Siemens Aktiengesellschaft | Supporting global effect analysis |
-
2018
- 2018-02-12 EP EP18156324.8A patent/EP3525056B1/en active Active
-
2019
- 2019-01-31 US US16/263,788 patent/US11687068B2/en active Active
- 2019-02-12 CN CN201910111199.8A patent/CN110161986B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7027886B2 (en) * | 2003-02-03 | 2006-04-11 | Deere & Company | Infinitely variable, order specific, holistic assembly process control system |
JP2010009535A (ja) * | 2008-06-30 | 2010-01-14 | Toshiba Corp | 設計品質評価方法、設計品質評価プログラムおよび設計品質評価装置 |
CN105654227A (zh) * | 2014-11-28 | 2016-06-08 | 西门子公司 | 用于对生产工厂的实体工厂项进行建模的通用工厂模型 |
CN105912413A (zh) * | 2015-02-20 | 2016-08-31 | 西门子公司 | 分析系统、特别是安全关键系统的可用性的方法和装置 |
CN105573274A (zh) * | 2015-12-16 | 2016-05-11 | 山东山大华天软件有限公司 | 基于plm系统的ts16949关联对象控制方法 |
CN105759773A (zh) * | 2016-05-16 | 2016-07-13 | 石化盈科信息技术有限责任公司 | 基于面向对象分析的石化企业工厂模型扩展方法 |
EP3270249A1 (en) * | 2016-07-15 | 2018-01-17 | Siemens Aktiengesellschaft | Method and apparatus for a computer-based generation of component fault trees |
CN107633155A (zh) * | 2016-07-15 | 2018-01-26 | 西门子公司 | 用于组件故障树的基于计算机的生成的方法和设备 |
CN107357265A (zh) * | 2017-06-01 | 2017-11-17 | 安徽硖石智能装备科技有限公司 | 一种基于vr技术的智能工厂系统 |
Non-Patent Citations (1)
Title |
---|
Efficient Automation Systems Engineering Process Support Based on Semantic Integration of Engineering Knowledge;Thomas Moser;《IEEE ETFA 2011》;20111231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
EP3525056A1 (en) | 2019-08-14 |
US20190250599A1 (en) | 2019-08-15 |
US11687068B2 (en) | 2023-06-27 |
CN110161986A (zh) | 2019-08-23 |
EP3525056B1 (en) | 2020-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN201374004Y (zh) | 工业自动化系统和工业控制器系统 | |
CN101640700B (zh) | 为智能设备中介企业服务访问的方法和系统 | |
US20120310906A1 (en) | Building Information Tracking System and Method of Use | |
CN110161986B (zh) | 用于为工厂自动实施过程失败模式和效果分析的方法和系统 | |
CN111316312A (zh) | 技能基础系统、技能模型化装置及技能流通方法 | |
Etienne et al. | Cost engineering for variation management during the product and process development | |
Mishra et al. | Joint optimization of production scheduling and group preventive maintenance planning in multi-machine systems | |
CN113568900A (zh) | 基于人工智能的大数据清洗方法及云服务器 | |
CN117170980A (zh) | 一种服务器硬件异常预警方法、装置、设备及存储介质 | |
CN117252411A (zh) | 工程变更申请的风险评估方法、评审方法、装置及产品 | |
CN114564349B (zh) | 一种服务器的监控方法、装置、电子设备及存储介质 | |
Drobintsev et al. | Optimization of technological processes at production sites based on digital modeling | |
CN113168603A (zh) | 用于工作量估计的系统和方法 | |
US11307564B2 (en) | Methods, systems and computer program products for plant resource management | |
CN112805642B (zh) | 用于远程管理工业机器的配置的系统和方法 | |
CN113051671B (zh) | 物资模型协同设计方法、系统、介质、设计端及服务器端 | |
CN117313856B (zh) | 一种可靠性测试规划系统及方法 | |
US20240232761A1 (en) | Systems, devices, and methods of automated machining workflow prediction of planning processes | |
KR102366105B1 (ko) | 로봇 리스 중계 플랫폼 및 로봇 리스 시스템 | |
CN115984002B (zh) | 用于车辆交易管理的数据处理方法和装置 | |
CN110322136B (zh) | 一种发布/订阅分布式系统健康度评价方法 | |
WO2021059460A1 (ja) | エンジニアリングツール、学習装置、およびデータ収集システム | |
Ahmadon et al. | The Design Once, Provide Anywhere Concept for the Internet of Things Service Implementation | |
Martins | Data Analysis in Automotive Industrial Cells | |
CN115034030A (zh) | 一种数字孪生场景的部署方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |