CN110531722A - 基于数据采集的工艺参数推荐系统及方法 - Google Patents

Abstract

本发明提出一种基于数据采集的工艺参数推荐系统及方法，属于数据库领域。本发明技术方案要点为：数据采集模块，用于获取设备的实时运行状态数据，判断设备的实际运行情况，获取当前设备生产运行的时序工艺参数及状态参数数据，获取从生产信息管理系统中采集该设备的标识信息、产品的标识信息、物料清单信息及产品的良率信息；数据筛选模块，用于根据设备运行的周期时间参数判断设备的运行状态，根据设备正常生产的时间段，筛选设备时序工艺参数及状态参数数据，并按设备的标识信息及产品的标识信息进行格式化存储；自动推荐模块，用于根据输入的产品标识和设备标识，抽取数据库中已完成工艺参数优选的数据组，作为推荐结果。

Description

基于数据采集的工艺参数推荐系统及方法

技术领域

本发明涉及数据库技术，特别涉及一种基于数据采集的工艺参数推荐系统及方法。

背景技术

注塑成型是目前塑料加工中广泛采用的方法之一。注塑产品的质量受到模具、材料、工艺参数以及环境因素的影响。在实际生产中，模具和材料的生产条件相对固定，而由于成型工艺参数对产品质量的影响存在很多非线性动态和不确定因素，所以通过合理设置工艺参数来提高注塑产品质量一直是该领域一大难点问题。因此，针对注塑成型的工艺特点，以工艺参数为研究对象，达到提高注塑产品质量的目的，具有非常迫切的实际需求。目前，该领域的专家学者针对工艺参数的优化，取得了大量的研究成果，也产出了各种专家系统，但这些成果和系统只是针对某一种类型的注塑件或是特定生产环境和设备的研究和成果，而且需要生产人员具备深厚的理论知识或系统包含复杂的算法模型，并且缺乏实际生产场景产生的巨量数据的支撑，不能适应多样的产品种类、不同健康状态的设备和复杂的实际生产环境，具有很大的局限性。

发明内容

本发明的目的是提供一种基于数据采集的工艺参数推荐系统及方法，能够基于注塑成型产品及设备的海量生产运行数据，针对指定的产品和设备推荐工艺参数，帮助工艺人员快速准确的进行工艺参数设置。

本发明解决其技术问题，采用的技术方案是：基于数据采集的工艺参数推荐系统，包括数据采集模块、数据筛选模块及自动推荐模块，所述数据采集模块通过数据筛选模块与自动推荐模块连接；

所述数据采集模块，用于获取设备的实时运行状态数据，判断设备的实际运行情况；

用于获取当前设备生产运行的时序工艺参数及状态参数数据；

用于获取从生产信息管理系统中采集该设备的标识信息、产品的标识信息、物料清单信息及产品的良率信息；

所述数据筛选模块，用于根据设备运行的周期时间参数判断设备的运行状态；

用于根据设备正常生产的时间段，筛选设备时序工艺参数及状态参数数据，并按设备的标识信息及产品的标识信息进行格式化存储；

所述自动推荐模块，用于根据输入的产品标识和设备标识，抽取数据库中已完成工艺参数优选的数据组，作为推荐结果。

具体的是，所述设备的标识信息为设备ID，所述产品的标识信息为产品代码。

进一步的是，所述自动推荐模块包括可输入或筛选产品及设备的对话页面，在使用工艺参数推荐系统时，通过该对话页面输入产品的标识信息和设备的标识信息。

具体的是，所述设备的运行状态判断，具体包括如下步骤：

a、对包含周期时间参数和数据上传时间的原始数据进行去重，按时间升序排列；

b、相邻两个周期时间参数上传时间差大于等于设定的经验值时，判断设备为停机状态，停机时间段为两个周期时间参数上传时间之间的时间段，相邻周期时间参数上传时间差小于设定的经验值时，对此时间段的设备状态需做进一步判断；

c、调取产品物料清单中的理论周期时间值，并给予适当的误差范围；

d、需做进一步判断的时间段内的实际周期时间参数值大于或小于理论周期时间值误差范围的判断为生产异常，生产异常时间段为异常周期时间参数上传时间和其前一个正常周期时间参数上传时间之间的时间段；

e、除去停机时间段和生产异常时间段的剩余时间段，为正常生产时间段。

进一步的是，步骤b中，所述设定的经验值为10分钟。

具体的是，步骤c中，所述误差范围为理论周期时间值的80％至120％。

基于数据采集的工艺参数推荐方法，应用于所述的基于数据采集的工艺参数推荐系统，包括如下步骤：

步骤1、数据平台从正在生产的设备上中抽取时序数据以及状态数据，每个生产节拍设备上传一组数据包，数据包包含此节拍内所有可采集的设定参数以及实际参数值，且数据包内的每条数据都会包含时间戳；

步骤2、数据平台对接其它生产系统，获取该生产设备的设备ID、在制品的产品代码、在制品的理论周期时间及分解至此设备的订单良率信息；

步骤3、工艺参数推荐系统根据时序数据包内的周期时间参数值判断设备的运行状态，划分出正常生产、生产异常及停机三种状态的时间段；

步骤4、工艺参数推荐系统根据设备正常生产的时间段，分别筛选出正常生产时间段内的数据包，并以上传设备ID以及在制品产品代码为标签，进行格式化存储；

步骤5、将所有通过采集和筛选后存储的设备生产产品的数据，输入工艺参数优化算法模型，获取设备生产产品的优选工艺参数，当设备再次生产产品时，获取新的采集、筛选数据，输入算法模型，更新优选工艺参数；

步骤6、将设备生产产品的优选工艺参数存储在数据库中；

步骤7、在系统操作页面输入设备的设备ID及产品的产品代码；

步骤8、系统对输入信息和数据库信息进行匹配，获取设备生产产品的推荐工艺参数；

步骤9、获取系统输出的设备生产产品的推荐工艺参数。

本发明的有益效果是，通过上述基于数据采集的工艺参数推荐系统及方法，数据库获取工艺参数推荐值的过程，区分了产品和设备，并基于生产现场实时采集的海量时序数据，结合生产状态判断，以及其它生产系统和生产现场采集的数据信息，增加数据筛选规则，通过参数优选模型获得的，推荐结果完全与需要生产的产品匹配，同时能反应出不同设备生产时的状态差异，使工艺参数推荐结果与实际生产需求更加契合。

附图说明

图1为本发明基于数据采集的工艺参数推荐系统的结构框图。

具体实施方式

下面结合附图，详细描述本发明的技术方案。

本发明所述基于数据采集的工艺参数推荐系统，包括数据采集模块、数据筛选模块及自动推荐模块，其结构框图参见图1，其中，数据采集模块通过数据筛选模块与自动推荐模块连接；数据采集模块，用于获取设备的实时运行状态数据，判断设备的实际运行情况，用于获取当前设备生产运行的时序工艺参数及状态参数数据，用于获取从生产信息管理系统中采集该设备的标识信息、产品的标识信息、物料清单信息及产品的良率信息；数据筛选模块，用于根据设备运行的周期时间参数判断设备的运行状态，用于根据设备正常生产的时间段，筛选设备时序工艺参数及状态参数数据，并按设备的标识信息及产品的标识信息进行格式化存储；自动推荐模块，设计以设备正常生产时间段的长短、此时间段产品的良率信息、此时间段实际周期时间的平均值、此时间段工艺参数设置值的高低、此时间段参数波动的范围大小、环境温度高低等为规则或优先级条件的，基于神经网络和遗传算法并结合正交试验的注塑成型工艺参数优选系统，正交试验法用来设计神经网络的训练样本，人工神经网络有效创建比对模型；遗传算法完成对工艺参数的优选；此部分内容在其它文献中有较多的研究结果，可以按实际需求进行设计；用于根据输入的产品标识和设备标识，抽取数据库中已完成工艺参数优选的数据组，作为推荐结果。

上述系统中，为了识别方便，设备的标识信息优选为设备ID，为了更好识别出产品，产品的标识信息优选为产品代码。

并且，为了方便操作人员的可视化操作，自动推荐模块还可以包括可输入或筛选产品及设备的对话页面，操作人员在使用工艺参数推荐系统时，通过该对话页面输入产品的标识信息和设备的标识信息。

作为优选，设备的运行状态判断，具体可包括如下步骤：

a、对包含周期时间参数和数据上传时间的原始数据进行去重，按时间升序排列。

b、相邻两个周期时间参数上传时间差大于等于设定的经验值时，判断设备为停机状态，停机时间段为两个周期时间参数上传时间之间的时间段，相邻周期时间参数上传时间差小于设定的经验值时，对此时间段的设备状态需做进一步判断，其中，考虑到工况需求，设定的经验值可优选为10分钟。

c、调取产品物料清单中的理论周期时间值，并给予适当的误差范围，其中，为了使误差范围在可控范围内，误差范围优选为理论周期时间值的80％至120％。

d、需做进一步判断的时间段内的实际周期时间参数值大于或小于理论周期时间值误差范围的判断为生产异常，生产异常时间段为异常周期时间参数上传时间和其前一个正常周期时间参数上传时间之间的时间段。

e、除去停机时间段和生产异常时间段的剩余时间段，为正常生产时间段。

本申请中，基于数据采集的工艺参数推荐方法，应用于所述的基于数据采集的工艺参数推荐系统，可包括如下步骤：

步骤1、数据平台从正在生产的设备A上中抽取时序数据以及状态数据，一般每个生产节拍，设备上传一组数据包，数据包包含此节拍内所有可采集的设定参数以及实际参数值，且数据包内的每条数据都会包含时间戳。

步骤2、数据平台对接其它生产系统，获取该生产设备的设备ID、在制品a的产品代码、在制品a的理论周期时间、分解至此设备的订单良率信息等。

步骤3、工艺参数推荐系统根据时序数据包内的周期时间参数值判断设备的运行状态，划分出正常生产、生产异常、停机三种状态的时间段，即正常生产时间段B1、B2、B3…Bn，生产异常时间段C1、C2、C3…Cn，停机时间段D1、D2、D3…Dn。

步骤4、工艺参数推荐系统根据设备正常生产的时间段，分别筛选出B1、B2、B3…Bn时间段内的数据包，并以上传设备ID以及在制品产品代码为标签，进行格式化存储。

步骤5、将所有通过采集和筛选后存储的设备A生产产品a的数据(可设定输入数据的数据量上限，或获取数据的时间范围，剔除早期数据)，输入工艺参数优化算法模型，获取设备A生产产品a的优选工艺参数；当设备A再次生产产品a时，获取新的采集、筛选数据，输入算法模型，更新优选工艺参数。

步骤6、将设备A生产产品a的优选工艺参数存储在数据库中。

步骤7、操作人员在系统操作页面输入设备A的设备ID、产品a的产品代码。

步骤8、系统对输入信息和数据库信息进行匹配，获取设备A生产产品a的推荐工艺参数。

步骤9、操作人员获取系统输出的设备A生产产品a的推荐工艺参数。

Claims (7)

1.基于数据采集的工艺参数推荐系统，其特征在于，包括数据采集模块、数据筛选模块及自动推荐模块，所述数据采集模块通过数据筛选模块与自动推荐模块连接；

所述数据采集模块，用于获取设备的实时运行状态数据，判断设备的实际运行情况；

用于获取当前设备生产运行的时序工艺参数及状态参数数据；

用于获取从生产信息管理系统中采集该设备的标识信息、产品的标识信息、物料清单信息及产品的良率信息；

所述数据筛选模块，用于根据设备运行的周期时间参数判断设备的运行状态；

用于根据设备正常生产的时间段，筛选设备时序工艺参数及状态参数数据，并按设备的标识信息及产品的标识信息进行格式化存储；

所述自动推荐模块，用于根据输入的产品标识和设备标识，抽取数据库中已完成工艺参数优选的数据组，作为推荐结果。

2.根据权利要求1所述的基于数据采集的工艺参数推荐系统，其特征在于，所述设备的标识信息为设备ID，所述产品的标识信息为产品代码。

3.根据权利要求1所述的基于数据采集的工艺参数推荐系统，其特征在于，所述自动推荐模块包括可输入或筛选产品及设备的对话页面，在使用工艺参数推荐系统时，通过该对话页面输入产品的标识信息和设备的标识信息。

4.根据权利要求1所述的基于数据采集的工艺参数推荐系统，其特征在于，所述设备的运行状态判断，具体包括如下步骤：

a、对包含周期时间参数和数据上传时间的原始数据进行去重，按时间升序排列；

b、相邻两个周期时间参数上传时间差大于等于设定的经验值时，判断设备为停机状态，停机时间段为两个周期时间参数上传时间之间的时间段，相邻周期时间参数上传时间差小于设定的经验值时，对此时间段的设备状态需做进一步判断；

c、调取产品物料清单中的理论周期时间值，并给予适当的误差范围；

d、需做进一步判断的时间段内的实际周期时间参数值大于或小于理论周期时间值误差范围的判断为生产异常，生产异常时间段为异常周期时间参数上传时间和其前一个正常周期时间参数上传时间之间的时间段；

e、除去停机时间段和生产异常时间段的剩余时间段，为正常生产时间段。

5.根据权利要求4所述的基于数据采集的工艺参数推荐系统，其特征在于，步骤b中，所述设定的经验值为10分钟。

6.根据权利要求4所述的基于数据采集的工艺参数推荐系统，其特征在于，步骤c中，所述误差范围为理论周期时间值的80％至120％。

7.基于数据采集的工艺参数推荐方法，应用于权利要求1-6任意一项所述的基于数据采集的工艺参数推荐系统，其特征在于，包括如下步骤：

步骤1、数据平台从正在生产的设备上中抽取时序数据以及状态数据，每个生产节拍设备上传一组数据包，数据包包含此节拍内所有可采集的设定参数以及实际参数值，且数据包内的每条数据都会包含时间戳；

步骤2、数据平台对接其它生产系统，获取该生产设备的设备ID、在制品的产品代码、在制品的理论周期时间及分解至此设备的订单良率信息；

步骤3、工艺参数推荐系统根据时序数据包内的周期时间参数值判断设备的运行状态，划分出正常生产、生产异常及停机三种状态的时间段；

步骤4、工艺参数推荐系统根据设备正常生产的时间段，分别筛选出正常生产时间段内的数据包，并以上传设备ID以及在制品产品代码为标签，进行格式化存储；

步骤5、将所有通过采集和筛选后存储的设备生产产品的数据，输入工艺参数优化算法模型，获取设备生产产品的优选工艺参数，当设备再次生产产品时，获取新的采集、筛选数据，输入算法模型，更新优选工艺参数；

步骤6、将设备生产产品的优选工艺参数存储在数据库中；

步骤7、在系统操作页面输入设备的设备ID及产品的产品代码；

步骤8、系统对输入信息和数据库信息进行匹配，获取设备生产产品的推荐工艺参数；

步骤9、获取系统输出的设备生产产品的推荐工艺参数。