CN110598880A - 一种车辆维修工艺操控方法 - Google Patents
一种车辆维修工艺操控方法 Download PDFInfo
- Publication number
- CN110598880A CN110598880A CN201910863302.4A CN201910863302A CN110598880A CN 110598880 A CN110598880 A CN 110598880A CN 201910863302 A CN201910863302 A CN 201910863302A CN 110598880 A CN110598880 A CN 110598880A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- overhauled
- component
- type
- 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.)
- Granted
Links
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种车辆维修工艺操控方法,包括:步骤1:基于预设车型,建立车型配件的物料清单图模型,车型配件的物料清单图模型包括与预设车型的每个部件所对应的检修工艺方法;步骤2:根据车型配件BOM图模型,对待检修车辆的部件进行分解并鉴定,获得对应的分解鉴定结果,以确定需要检修的部件;步骤3:在车型配件的物料清单图模型中选择与待检修车辆上需要检修的部件所对应的检修工艺方法;步骤4:根据所选择的检修工艺方法,对待检修车辆进行维修。可有效的对车辆检修工艺的实施标准进行控制。
Description
技术领域
本发明涉及汽车维修技术领域,特别涉及一种车辆维修工艺操控方法。
背景技术
铁路车辆维修传统施修方法是按照铁路车辆运用维修规程要求对定检周期到期的车辆执行扣车,依据现场的检测设备和人工判别对配件进行更换和维修,期间由于工作者的品控和业务能力水平,导致相当一部分配件的维修都是更换,而且现有的信息系统也是依据过去的检修规程设定流程,以固定的方法和框架执行卡控,现场工作者会更多的以经验判断做出修理方法的决定,而管理者无法一一校验其修理方法是否合理,为了工作方便,现场工作者会大量的选用更换新配件的方式进行车辆维修,使得不能对各生产环节检修工艺实施标准进行有效控制。
发明内容
本发明提供一种车辆维修工艺操控方法,用以通过车型配件BOM图模型,选择车辆每个部件对应的检修工艺方法,可有效的对车辆检修工艺的实施标准进行控制。
本发明实施例提供一种车辆维修工艺操控方法,包括:
步骤1:基于预设车型,建立车型配件的物料清单图模型,所述车型配件的物料清单图模型包括与所述预设车型的每个部件所对应的检修工艺方法;
步骤2:根据所述车型配件BOM图模型,对待检修车辆的部件进行分解并鉴定,获得对应的分解鉴定结果,以确定需要检修的部件;
步骤3:在所述车型配件的物料清单图模型中选择与所述待检修车辆上需要检修的部件所对应的检修工艺方法;
步骤4:根据所选择的检修工艺方法,对所述待检修车辆进行维修。
在一种可能实现的方式中,
在所述步骤1中,实施建立车型配件BOM图模型的步骤包括;
步骤S11:将预设车型由整车拆分成若干部件;
步骤S12:基于所述预设车型的每个部件所对应的检修工艺方法和工艺标准库建立所述车型配件BOM图模型。
在一种可能实现的方式中,
在执行所述步骤3之后,在执行所述步骤4之前,还包括:
基于所述车型配件BOM图模型,在对所述待检修车辆进行检修的过程中,自动生成与所述待检修车辆相关的用料清单;
所述用料清单包括:所述待检修车辆的配件类型、与所述配件类型相关的配件编号、与所述待检修车辆的配件类型相关的配件制造日期、与所述配件类型相关的配件数量、与所述配件类型相关的配件单位、及与所述配件类型相关的配件价格。
在一种可能实现的方式中,
所述步骤2中,根据所述车型配件BOM图模型,对待检修车辆的部件进行分解并鉴定,获得对应的分解鉴定结果的步骤包括:
步骤21:将所述待检修车辆分解成进行若干部件;
步骤22:分别对分解后的所述若干部件进行鉴定,确定每个所述部件对应的鉴定结果。
在一种可能实现的方式中,
在所述步骤3中选择所述待检修车辆的每个部件对应的检修工艺方法后,还包括:
根据所述检修工艺方法,确定所述待检修车辆每个部件对应的维护模式,并将对应的所述维护模式在移动终端上进行显示;
所述维护模式包括:维修报告模式和更换报告模式;
所述移动终端上所显示的所述维修报告模式为:所述待检修车辆上的需维修部件、及对应的所述需维修部件的维修方式;
所述移动终端上所显示的所述更换报告模式为:所述待检修车辆上的需更换部件、及对应的所述需更换部件的更换方式;
所述移动终端还显示:
所述待检修车辆对应的工时定额。
在一种可能实现的方式中,
所述步骤22中分别对分解后的所述若干部件进行鉴定,确定每个所述部件对应的鉴定结果的步骤包括:
步骤221:采集所述待检修车辆分解后的每个所述部件的第一图像,并获取所述待检修车辆的实时数据反馈信息;
步骤222:对所采集的所述第一图像进行图像处理,获得相应的第二图像;
步骤223:基于预先建立好的损坏历史数据库,并根据获得的所述第二图像、及所获取的所述待检修车辆的实时数据反馈信息,判定每个所述部件对应的损坏等级,并确定每个所述部件对应的鉴定结果。
在一种可能实现的方式中,
所述步骤223中,在获取所述待检测车辆的实时数据反馈信息后,还包括:
存储获取的所述实时数据反馈信息;
将所存储的实时数据反馈信息与预先建立的故障反馈模型进行对比分析,确定所述实时数据反馈信息对应的反馈类型;
将确定的所述反馈类型远程传输到移动终端上以各类图表或数据的表现形式进行显示;
其中,确定所述实时数据反馈信息对应的反馈类型的步骤包括:
将所获取的所述实时数据反馈信息按照所述待检测车辆的待检测项目进行项目划分,将按照所述项目划分后的所述实时数据反馈信息代入到所述故障反馈模型中,确定所述实时数据反馈信息对应的反馈类型;
当所述故障反馈模型未能识别出按照所述项目划分后的所述实时数据反馈信息时,基于所述实时数据反馈信息对故障反馈模型进行训练。
在一种可能实现的方式中,
所述步骤222中,对所采集的所述第一图像进行图像处理之前还包括:
对所述待检修车辆的每个所述部件进行连续扫描拍摄,获得若干所述部件的每个部件的扫描图像,将每个所述部件对应的所述扫描图像中扫描相同的激光点校准到同一平面上,形成第一图像;
对所述第一图像进行图像处理,包括:
对形成的所述第一图像进行灰度或颜色的深度处理。
在一种可能实现方式中,
在所述步骤2中,获得分解鉴定结果时为自动鉴定,从而确定是否检修,其中自动鉴定包括如下步骤;
步骤A1、针对待检测车辆的各个分解后的部件,都存在一个自动鉴定数据库,所述自动鉴数据库中有L1张需要检修的所述车辆部件的扫描图像,和L2张不需要检修的所述车辆部件的扫描图像,构成L张部件扫描图像,将所述L张部件扫描图像利用边界追踪技术,获得相应的部件主体区域,同时将获取的L张部件主体区域图像转变为相同大小的标准图像,并将所述标准图像经过灰度化处理后得到图像像素矩阵,将所述图像像素矩阵按列转变为像素向量,将L张部件扫描图像的像素向量形成一个数据库矩阵M;
步骤A2、随机生成一个2行P列的随机矩阵F,其中P为每张部件扫描图像的像素点的个数;
步骤A3、构建一个与随机矩阵F相关的鉴别函数;
其中,f(x)为构建的一个含有未知量x的鉴别函数,FT为随机矩阵F的转置,sum(ln(F*FT))为对矩阵ln(F*FT)求和;
步骤A4、构建一个鉴别失误惩罚函数;
其中,g(F)为构建的关于随机矩阵F的鉴别失误惩罚函数,f(Mi)j为将Mi作为自变量x代入鉴别函数f(x)得到的第j个值,Mi为数据库矩阵M的第i条数据形成的向量,j为判别系数取值,当L张部件扫描图像中第i张图像为需要检修图像时,j=1,否则j=2,F1.s为随机矩阵F的第1行s列的值,F2.s为随机矩阵F的第2行s列的值s=1、2、3…P;
步骤A5、利用如下公式对随机矩阵F进行调整;
其中,为鉴别失误惩罚函数分别对随机矩阵F中的各个位置的元素求导后得到的矩阵,·*将矩阵对应位置相乘,sign为符号函数;
不断地重复步骤A5,使得g(F)不断减小,直至g(F)的值小于等于0.05后运行步骤A6;
步骤A6、获取待检测车辆的分解后的部件,获取所述分解后的部件对应的自动鉴定数据库运算得到的随机矩阵F;
步骤A7、获取所述待检测车辆的分解后的部件的扫描图像,并对所述图像按步骤A1中的流程得到像素向量,并将所述待检测车辆的分解后的部件的扫描图像的像素向量作为未知量x后代入鉴别函数得到相应的鉴定结果f(x),f(x)为含有两个值的向量,若f(x)的第一个值大于第二个值,则所述分解后的部件需要维修,否则所述分解后的部件不需要维修;
步骤A8、重复步骤A6和A7,直至车辆的部件进行分解后的所有部件都获得鉴别结果。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种车辆维修工艺操控方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供一种车辆维修工艺操控方法,如图1所示,包括:
步骤1:基于预设车型,建立车型配件的物料清单图模型,所述车型配件的物料清单图模型包括与所述预设车型的每个部件所对应的检修工艺方法;
步骤2:根据所述车型配件BOM图模型,对待检修车辆的部件进行分解并鉴定,获得对应的分解鉴定结果,以确定需要检修的部件;
步骤3:在所述车型配件的物料清单图模型中选择与所述待检修车辆上需要检修的部件所对应的检修工艺方法;
步骤4:根据所选择的检修工艺方法,对所述待检修车辆进行维修。
上述在步骤4之后,还包括,将所选择的检修工艺方法录入BOM系统中,获取待检修车辆对应的工时定额,是为了便于确定并获取待检修车辆在检修时,所耗费的时长。
优选地,所述步骤1中车型配件BOM图模型是通过将预设车型由整车拆分成若干部件,且基于所述预设车型的每个部件所对应的检修工艺方法和工艺标准库建立的。
上述BOM(Bill of Material,物料清单),是以数据格式来描述产品结构的文件,是控制模块可以识别的产品结构数据文件。
上述分解鉴定结果,可以是技术部门分解鉴定人员对待检修车辆,按车型、车号并根据BOM图模型分解鉴定得到的,对应的分解鉴定结果,可以是与检修相关的作业项目及检修方案等工单。例如以下表为例,为对应的分解鉴定工单:
上述选择待检修车辆的每个部件对应的检修工艺方法,例如可以是对该部件进行更换的方法或维修的方法。其好处是,通过工艺落实可以在施修之前对部件该换、该修、该如何修进行判定,能够有效控制各生产环节检修工艺实施标准。
上述待检修车辆对应的工时定额是根据每个部件分别对应的工时定额来获取得到的。
上述车型配件BOM图模型对应的配件信息如下表所示:
上述技术方案的有益效果是:用以通过车型配件BOM图模型,选择车辆每个部件对应的检修工艺方法,可有效的对车辆检修工艺的实施标准进行控制。
本发明实施例提供一种车辆维修工艺操控方法,
在所述步骤1中,实施建立车型配件BOM图模型的步骤包括;
步骤S11:将预设车型由整车拆分成若干部件;
步骤S12:基于所述预设车型的每个部件所对应的检修工艺方法和工艺标准库建立所述车型配件BOM图模型。
上述技术方案的有益效果是:建立每个部件对应的车型配件BOM图模型,便于后续操作使用。
本发明实施例提供一种车辆维修工艺操控方法,
在执行所述步骤3之后,在执行所述步骤4之前,还包括:
基于所述车型配件BOM图模型,在对所述待检修车辆进行检修的过程中,自动生成与所述待检修车辆相关的用料清单;
所述用料清单包括:所述待检修车辆的配件类型、与所述配件类型相关的配件编号、与所述待检修车辆的配件类型相关的配件制造日期、与所述配件类型相关的配件数量、与所述配件类型相关的配件单位、及与所述配件类型相关的配件价格。
上述技术方案的有益效果是:生成用料清单,是为了在检修过程中提供检修依据。
本发明实施例提供一种车辆维修工艺操控方法,
在步骤2中,
根据所述车型配件BOM图模型,对待检修车辆的部件进行分解并鉴定,获得对应的分解鉴定结果的步骤包括:
步骤21:将所述待检修车辆分解成若干部件;
步骤22:分别对分解后的所述若干部件进行鉴定,确定每个所述部件对应的鉴定结果。
上述对待检修车辆进行若干部件的分解,是用过对待检修车辆首先进行配件划分,在对配件进行划分,得到相应的部件。
上述技术方案的有益效果是:通过对每个部件都进行鉴定,便于及时了解部件是否维修、更换。
本发明实施例提供一种车辆维修工艺操控方法,
在所述步骤3中选择所述待检修车辆的每个部件对应的检修工艺方法后,还包括:
根据所述检修工艺方法,确定所述待检修车辆每个部件对应的维护模式,并将对应的所述维护模式在移动终端上进行显示;
所述维护模式包括:维修报告模式和更换报告模式;
所述移动终端上所显示的所述维修报告模式为:所述待检修车辆上的需维修部件、及对应的所述需维修部件的维修方式;
所述移动终端上所显示的所述更换报告模式为:所述待检修车辆上的需更换部件、及对应的所述需更换部件的更换方式;
所述移动终端还显示:
所述待检修车辆对应的工时定额。
上述待检修车辆上的需维修部件、及对应的需维修部件的维修方式,如:需维修部件为端梁、对应的需维修部件的维修方式为火焰矫正法进行维修。
上述待检修车辆上的需更换部件、及对应的需更换部件的更换方式;如:需更换部件为端梁、对应的需更换部件的更换方式为卸载更换新的端梁。
上述技术方案的有益效果是:通过将维护模式和工时定额进行显示,方便及时了解对部件的维护方式,便于对部件进行维护。
本发明实施例提供一种车辆维修工艺操控方法,
所述步骤22中分别对分解后的所述若干部件进行鉴定,确定每个所述部件对应的鉴定结果的步骤包括:
步骤221:采集所述待检修车辆分解后的每个所述部件的第一图像,同时获取所述待检修车辆的实时数据反馈信息;
步骤222:对所采集的所述第一图像进行图像处理,获得相应的第二图像;
步骤223:基于预先建立好的损坏历史数据库,并根据获得的所述第二图像、及所获取的所述待检修车辆的实时数据反馈信息,判定每个所述部件对应的损坏等级,并确定每个所述部件对应的鉴定结果。
上述损坏等级可以如下表所示:
损坏类型 | 维修模式A | 维修模式B | 更换模式A | 更换模式B |
损坏等级 | 第一等级 | 第二等级 | 第三等级 | 第四等级 |
设置上表的损坏等级从左到右依次增加。
上述实时数据反馈信息,例如可以是车辆的系统点火数据、GPS实时定位数据等。
上述技术方案的有益效果是:通过采集第一图像及获取实时数据反馈信息,便于获取每个部件的损坏等级,便于进一步确定该部件对应的检修工艺方法。
本发明实施例提供一种车辆维修工艺操控方法,
所述步骤223中,在获取所述待检测车辆的实时数据反馈信息后,还包括:
存储获取的所述实时数据反馈信息;
将所存储的实时数据反馈信息与预先建立的故障反馈模型进行对比分析,确定所述实时数据反馈信息对应的反馈类型;
将确定的所述反馈类型远程传输到移动终端上以各类图表或数据的表现形式进行显示;
其中,确定所述实时数据反馈信息对应的反馈类型的步骤包括:
将所获取的所述实时数据反馈信息按照所述待检测车辆的待检测项目进行项目划分,将按照所述项目划分后的所述实时数据反馈信息代入到所述故障反馈模型中,确定所述实时数据反馈信息对应的反馈类型;
当所述故障反馈模型未能识别出按照所述项目划分后的所述实时数据反馈信息时,基于所述实时数据反馈信息对故障反馈模型进行训练。
上述故障反馈模型是基于神经网络进行深度学习获取到的。
上述实时数据反馈信息,例如可以是车辆的系统点火数据、GPS实时定位数据等。
对应的反馈类型例如可以是,点火系统故障、GPS定位故障等。
上述将反馈类型远程传输移动终端上以各类图表或数据的表现形式进行显示,是为了方便及时了解。
上述待检测项目进行项目划分,例如将点火系统、及GPS定位两个待检测项目进行项目划分,获得对应的系统点火数据和GPS实时定位数据。
上述技术方案的有益效果是:基于获取的实时数据反馈信息对故障反馈模型进行训练,增大了样本容量,同时提高故障反馈模型识别的精确度。
本发明实施例提供一种车辆维修工艺操控方法,
所述步骤222中,对所采集的所述第一图像进行图像处理之前还包括:
对所述待检修车辆的每个所述部件进行连续扫描拍摄,获得若干所述部件中的每个部件的扫描图像,将每个所述部件对应的所述扫描图像中扫描相同的激光点校准到同一平面上,形成第一图像;
对所述第一图像进行图像处理,包括:
对形成的所述第一图像进行灰度或颜色的深度处理。
上述技术方案的有益效果是:通过连续扫描拍摄并校准激光点,可以提高获取第一图像的精准性。
在一个具体实施例中,在所述步骤2中,获得分解鉴定结果时为自动鉴定,从而确定是否检修,其中自动鉴定包括如下步骤;
步骤A1、针对待检测车辆的各个分解后的部件,都存在一个自动鉴定数据库,所述自动鉴数据库中有L1张需要检修的所述车辆部件的扫描图像,和L2张不需要检修的所述车辆部件的扫描图像,构成L张部件扫描图像,将所述L张部件扫描图像利用边界追踪技术,获得相应的部件主体区域,同时将获取的L张部件主体区域图像转变为相同大小的标准图像,并将所述标准图像经过灰度化处理后得到图像像素矩阵,将所述图像像素矩阵按列转变为像素向量,将L张部件扫描图像的像素向量形成一个数据库矩阵M;
步骤A2、随机生成一个2行P列的随机矩阵F,其中P为每张部件扫描图像的像素点的个数;
步骤A3、构建一个与随机矩阵F相关的鉴别函数;
其中,f(x)为构建的一个含有未知量x的鉴别函数,FT为随机矩阵F的转置,sum(ln(F*FT))为对矩阵ln(F*FT)求和;
步骤A4、构建一个鉴别失误惩罚函数;
其中,g(F)为构建的关于随机矩阵F的鉴别失误惩罚函数,f(Mi)j为将Mi作为自变量x代入鉴别函数f(x)得到的第j个值,Mi为数据库矩阵M的第i条数据形成的向量,j为判别系数取值,当L张部件扫描图像中第i张图像为需要检修图像时,j=1,否则j=2,F1.s为随机矩阵F的第1行s列的值,F2.s为随机矩阵F的第2行s列的值s=1、2、3…P;
步骤A5、利用如下公式对随机矩阵F进行调整;
其中,为鉴别失误惩罚函数分别对随机矩阵F中的各个位置的元素求导后得到的矩阵,·*将矩阵对应位置相乘,sign为符号函数;
对于的具体解释,例如随机矩阵F为一个2*2的矩阵,则能得到一个如下的表达式;
为将随机矩阵F做一个未知变量矩阵表示后,g(F)对这个未知变量矩阵的第1行1列的元素求导,然后将随机矩阵F代入求导后的表达式中所得到的值。
不断地重复步骤A5,使得g(F)不断减小,直至g(F)的值小于等于0.05后运行步骤A6;
步骤A6、获取待检测车辆的分解后的部件,获取所述分解后的部件对应的自动鉴定数据库运算得到的随机矩阵F;
步骤A7、获取所述待检测车辆的分解后的部件的扫描图像,并对所述图像按步骤A1中的流程得到像素向量,并将所述待检测车辆的分解后的部件的扫描图像的像素向量作为未知量x后代入鉴别函数得到相应的鉴定结果f(x),f(x)为含有两个值的向量,若f(x)的第一个值大于第二个值,则所述分解后的部件需要维修,否则所述分解后的部件不需要维修;
步骤A8、重复步骤A6和A7,直至车辆的部件进行分解后的所有部件都获得鉴别结果。
上述技术方案的有益效果为:利用上述技术,快速准确的确定待检修车辆的部件进行分解后的部件是否需要检修,且在判断过程中,所有结果都通过计算机进行计算判断,不需要人为的干预,使得所述过程不仅工作量小,且可实施性强,同时在鉴定过程中,不需要过多的检验,仅仅需要部件的扫描图像即可进行,且对于扫描图像,通过边界追踪技术、图像灰度化处理等,使得所述图像的主要部位能很好的提取出来,并且能将像素点含有的三个通道的值转变为一个通道的值,不仅提高了鉴定图像时的有效区域占有率,还大幅度减少了工作量。
在上述过程,还通过不断的调整随机矩阵F,使得鉴别失误惩罚函数的值越来越小,即鉴别失误的可能性越来越小,从而不断的提高鉴别的准确性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种车辆维修工艺操控方法,其特征在于,包括:
步骤1:基于预设车型,建立车型配件的物料清单图模型,所述车型配件的物料清单图模型包括与所述预设车型的每个部件所对应的检修工艺方法;
步骤2:根据所述车型配件BOM图模型,对待检修车辆的部件进行分解并鉴定,获得对应的分解鉴定结果,以确定需要检修的部件;
步骤3:在所述车型配件的物料清单图模型中选择与所述待检修车辆上需要检修的部件所对应的检修工艺方法;
步骤4:根据所选择的检修工艺方法,对所述待检修车辆进行维修。
2.如权利要求1所述的一种车辆维修工艺操控方法,其特征在于,
在所述步骤1中,实施建立车型配件BOM图模型的步骤包括;
步骤S11:将预设车型由整车拆分成若干部件;
步骤S12:基于所述预设车型的每个部件所对应的检修工艺方法和工艺标准库建立所述车型配件BOM图模型。
3.如权利要求1所述的一种车辆维修工艺操控方法,其特征在于,在执行所述步骤3之后,在执行所述步骤4之前,还包括:
基于所述车型配件BOM图模型,在对所述待检修车辆进行检修的过程中,自动生成与所述待检修车辆相关的用料清单;
所述用料清单包括:所述待检修车辆的配件类型、与所述配件类型相关的配件编号、与所述待检修车辆的配件类型相关的配件制造日期、与所述配件类型相关的配件数量、与所述配件类型相关的配件单位、及与所述配件类型相关的配件价格。
4.如权利要求1所述的一种车辆维修工艺操控方法,其特征在于,所述步骤2中,根据所述车型配件BOM图模型,对待检修车辆的部件进行分解并鉴定,获得对应的分解鉴定结果的步骤包括:
步骤21:将所述待检修车辆分解成若干部件;
步骤22:分别对分解后的所述若干部件进行鉴定,确定每个所述部件对应的鉴定结果。
5.如权利要求1所述的一种车辆维修工艺操控方法,其特征在于,在所述步骤3中选择所述待检修车辆的每个部件对应的检修工艺方法后,还包括:
根据所述检修工艺方法,确定所述待检修车辆每个部件对应的维护模式,并将对应的所述维护模式在移动终端上进行显示;
所述维护模式包括:维修报告模式和更换报告模式;
所述移动终端上所显示的所述维修报告模式为:所述待检修车辆上的需维修部件、及对应的所述需维修部件的维修方式;
所述移动终端上所显示的所述更换报告模式为:所述待检修车辆上的需更换部件、及对应的所述需更换部件的更换方式;
所述移动终端还显示:
所述待检修车辆对应的工时定额。
6.如权利要求4所述的一种车辆维修工艺操控方法,其特征在于,所述步骤22中分别对分解后的所述若干部件进行鉴定,确定每个所述部件对应的鉴定结果的步骤包括:
步骤221:采集所述待检修车辆分解后的每个所述部件的第一图像,并获取所述待检修车辆的实时数据反馈信息;
步骤222:对所采集的所述第一图像进行图像处理,获得相应的第二图像;
步骤223:基于预先建立好的损坏历史数据库,并根据获得的所述第二图像、及所获取的所述待检修车辆的实时数据反馈信息,判定每个所述部件对应的损坏等级,并确定每个所述部件对应的鉴定结果。
7.如权利要求6所述的一种车辆维修工艺操控方法,其特征在于,所述步骤223中,在获取所述待检测车辆的实时数据反馈信息后,还包括:
存储获取的所述实时数据反馈信息;
将所存储的所述实时数据反馈信息与预先建立的故障反馈模型进行对比分析,确定所述实时数据反馈信息对应的反馈类型;
将确定的所述反馈类型远程传输到移动终端上以各类图表或数据的表现形式进行显示;
其中,确定所述实时数据反馈信息对应的反馈类型的步骤包括:
将所获取的所述实时数据反馈信息按照所述待检测车辆的待检测项目进行项目划分,将按照所述项目划分后的所述实时数据反馈信息代入到所述故障反馈模型中,确定所述实时数据反馈信息对应的反馈类型;
当所述故障反馈模型未能识别出按照所述项目划分后的所述实时数据反馈信息时,基于所述实时数据反馈信息对故障反馈模型进行训练。
8.如权利要求6所述的一种车辆维修工艺操控方法,其特征在于,所述步骤222中,对所采集的所述第一图像进行图像处理之前还包括:
对所述待检修车辆的每个所述部件进行连续扫描拍摄,获得若干所述部件中的每个部件的扫描图像,将每个所述部件对应的所述扫描图像中扫描相同的激光点校准到同一平面上,形成第一图像;
对所述第一图像进行图像处理,包括:
对形成的所述第一图像进行灰度或颜色的深度处理。
9.如权利要求1所述的一种车辆维修工艺操控方法,其特征在于,
在所述步骤2中,获得分解鉴定结果时为自动鉴定,从而确定是否检修,其中自动鉴定包括如下步骤;
步骤A1、针对待检测车辆的各个分解后的部件,都存在一个自动鉴定数据库,所述自动鉴数据库中有L1张需要检修的所述车辆部件的扫描图像,和L2张不需要检修的所述车辆部件的扫描图像,构成L张部件扫描图像,将所述L张部件扫描图像利用边界追踪技术,获得相应的部件主体区域,同时将获取的L张部件主体区域图像转变为相同大小的标准图像,并将所述标准图像经过灰度化处理后得到图像像素矩阵,将所述图像像素矩阵按列转变为像素向量,将L张部件扫描图像的像素向量形成一个数据库矩阵M;
步骤A2、随机生成一个2行P列的随机矩阵F,其中P为每张部件扫描图像的像素点的个数;
步骤A3、构建一个与随机矩阵F相关的鉴别函数;
其中,f(x)为构建的一个含有未知量x的鉴别函数,FT为随机矩阵F的转置,sum(ln(F*FT))为对矩阵ln(F*FT)求和;
步骤A4、构建一个鉴别失误惩罚函数;
其中,g(F)为构建的关于随机矩阵F的鉴别失误惩罚函数,f(Mi)j为将Mi作为自变量x代入鉴别函数f(x)得到的第j个值,Mi为数据库矩阵M的第i条数据形成的向量,j为判别系数取值,当L张部件扫描图像中第i张图像为需要检修图像时,j=1,否则j=2,F1.s为随机矩阵F的第1行s列的值,F2.s为随机矩阵F的第2行s列的值s=1、2、3…P;
步骤A5、利用如下公式对随机矩阵F进行调整;
其中,为鉴别失误惩罚函数分别对随机矩阵F中的各个位置的元素求导后得到的矩阵,·*将矩阵对应位置相乘,sign为符号函数;
不断地重复步骤A5,使得g(F)不断减小,直至g(F)的值小于等于0.05后运行步骤A6;
步骤A6、获取待检测车辆的分解后的部件,获取所述分解后的部件对应的自动鉴定数据库运算得到的随机矩阵F;
步骤A7、获取所述待检测车辆的分解后的部件的扫描图像,并对所述图像按步骤A1中的流程得到像素向量,并将所述待检测车辆的分解后的部件的扫描图像的像素向量作为未知量x后代入鉴别函数得到相应的鉴定结果f(x),f(x)为含有两个值的向量,若f(x)的第一个值大于第二个值,则所述分解后的部件需要维修,否则所述分解后的部件不需要维修;
步骤A8、重复步骤A6和A7,直至车辆的部件进行分解后的所有部件都获得鉴别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910863302.4A CN110598880B (zh) | 2019-09-12 | 2019-09-12 | 一种车辆维修工艺操控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910863302.4A CN110598880B (zh) | 2019-09-12 | 2019-09-12 | 一种车辆维修工艺操控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110598880A true CN110598880A (zh) | 2019-12-20 |
CN110598880B CN110598880B (zh) | 2022-04-19 |
Family
ID=68859232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910863302.4A Active CN110598880B (zh) | 2019-09-12 | 2019-09-12 | 一种车辆维修工艺操控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110598880B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111547806A (zh) * | 2020-06-16 | 2020-08-18 | 广州南档科技有限公司 | 一种除氯用活性炭水处理过滤器 |
CN113065840A (zh) * | 2021-03-05 | 2021-07-02 | 上海五航航空技术有限公司 | 一种设备管理系统及管理设备 |
WO2023184895A1 (zh) * | 2022-03-29 | 2023-10-05 | 中车南京浦镇车辆有限公司 | 一种基于车辆健康诊断的车辆维修计划管理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100303358A1 (en) * | 2009-05-27 | 2010-12-02 | Mausumi Acharyya | Method for the automatic analysis of image data of a structure |
CN106021548A (zh) * | 2016-05-27 | 2016-10-12 | 大连楼兰科技股份有限公司 | 基于分布式人工智能图像识别的远程定损方法及系统 |
CN107392218A (zh) * | 2017-04-11 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
CN109325531A (zh) * | 2018-09-17 | 2019-02-12 | 平安科技(深圳)有限公司 | 基于图像的车辆定损方法、装置、设备及存储介质 |
-
2019
- 2019-09-12 CN CN201910863302.4A patent/CN110598880B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100303358A1 (en) * | 2009-05-27 | 2010-12-02 | Mausumi Acharyya | Method for the automatic analysis of image data of a structure |
CN106021548A (zh) * | 2016-05-27 | 2016-10-12 | 大连楼兰科技股份有限公司 | 基于分布式人工智能图像识别的远程定损方法及系统 |
CN107392218A (zh) * | 2017-04-11 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
CN109325531A (zh) * | 2018-09-17 | 2019-02-12 | 平安科技(深圳)有限公司 | 基于图像的车辆定损方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
孙家坤等: "面向FMEA的售后维修系统设计", 《组合机床与自动化加工技术》 * |
郭勇等: "浅谈成都北车辆段货车检修信息化建设与展望", 《铁道机车车辆》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111547806A (zh) * | 2020-06-16 | 2020-08-18 | 广州南档科技有限公司 | 一种除氯用活性炭水处理过滤器 |
CN113065840A (zh) * | 2021-03-05 | 2021-07-02 | 上海五航航空技术有限公司 | 一种设备管理系统及管理设备 |
WO2023184895A1 (zh) * | 2022-03-29 | 2023-10-05 | 中车南京浦镇车辆有限公司 | 一种基于车辆健康诊断的车辆维修计划管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110598880B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598880B (zh) | 一种车辆维修工艺操控方法 | |
EP4151807B1 (de) | Verfahren und vorrichtung zum warten und/oder reparieren einer baumaschine | |
CN108885700A (zh) | 数据集半自动标记 | |
CN100474878C (zh) | 图像质量预测方法和设备以及故障诊断系统 | |
CN109523188B (zh) | 面向人机界面显示的舰员认知特性工效测评方法及系统 | |
JPH0997285A (ja) | 機器及び部品の保守周期調整システムと調整方法 | |
CN116362571B (zh) | 一种基于深度学习的多源污染时空特征分析方法及系统 | |
CN114519498A (zh) | 一种基于bim模型的质量验评方法和系统 | |
CN115423586A (zh) | 一种基于网络的财务发票报销上传审核系统 | |
CN115186964A (zh) | 计及主观评估数据的配电网线路风险预测系统及方法 | |
CN114858806A (zh) | 一种卷烟质量检验数据分析系统与方法 | |
CN112348799B (zh) | 车辆定损方法、装置、终端设备及存储介质 | |
DE112016007068T5 (de) | Einrichtungszustands-schätzvorrichtung, einrichtungszustands-schätzverfahren und einrichtungszustands-beaufsichtigungssystem | |
CN116859842A (zh) | 一种化工生产线安全评估系统 | |
CN111080174A (zh) | 基于区间概率的装配质量风险评估方法、装置及设备 | |
EP3002717A1 (de) | Verfahren und system zum erfassen der zum abschluss und zur durchführung eines wartungs- und/oder reparaturvertrages erforderlichen informationen | |
DE102014114204A1 (de) | Verfahren und System zum Erfassen der zum Abschluss und zur Durchführung eines Wartungs- und/oder Reparaturvertrages erforderlichen Informationen | |
CN115423489A (zh) | 一种基于spc的产品追溯系统 | |
CN110659747B (zh) | 一种基于工艺落实与成本管控的车辆检修方法及系统 | |
CN115311611A (zh) | 一种用于装配式建筑预制构件生产的钢筋计数方法 | |
CN114708445A (zh) | 一种商标相似度识别方法、装置、电子设备及存储介质 | |
CN117390514B (zh) | 一种碳排放数据管理方法及管理系统 | |
CN116773238B (zh) | 一种基于工业数据的故障监测方法及系统 | |
CN117474344B (zh) | 一种货物运输过程的风险评估方法及系统 | |
DE102010020149A1 (de) | System zur automatischen Überprüfung von schadhaften Bauteilen an Maschinen und Anlagen |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 061000 east of Hekou Road, Bohai new area, Cangzhou City, Hebei Province Patentee after: Cangzhou locomotive and rolling stock maintenance branch of Guoneng Railway Equipment Co.,Ltd. Address before: 061000 Guohua cangdian office and living area, Bohai new area, Cangzhou City, Hebei Province Patentee before: CANGZHOU LOCOMOTIVE MAINTENANCE BRANCH OF SHENHUA RAILWAY FREIGHT TRANSPORT CO.,LTD. |