CN110673556A - 一种用于胀管过程的质量管控方法及系统 - Google Patents
一种用于胀管过程的质量管控方法及系统 Download PDFInfo
- Publication number
- CN110673556A CN110673556A CN201910900928.8A CN201910900928A CN110673556A CN 110673556 A CN110673556 A CN 110673556A CN 201910900928 A CN201910900928 A CN 201910900928A CN 110673556 A CN110673556 A CN 110673556A
- Authority
- CN
- China
- Prior art keywords
- production
- parameters
- pipe expanding
- expansion
- quality
- 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
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000003908 quality control method Methods 0.000 title claims abstract description 44
- 238000004519 manufacturing process Methods 0.000 claims abstract description 144
- 238000012544 monitoring process Methods 0.000 claims abstract description 6
- 238000002474 experimental method Methods 0.000 claims description 22
- 238000006073 displacement reaction Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000012800 visualization Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 6
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 26
- 229910052802 copper Inorganic materials 0.000 description 26
- 239000010949 copper Substances 0.000 description 26
- 238000004901 spalling Methods 0.000 description 5
- 238000004378 air conditioning Methods 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000003754 machining Methods 0.000 description 3
- 241000365250 Alstroemeria pulchella Species 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013072 incoming material Substances 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 1
- 239000000126 substance Substances 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
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供一种用于胀管过程中的质量管控系统,该系统包括数据采集模块,用于采集胀管设备胀管过程中的生产参数;实时质量监测模块,用于将采集的所述生产参数输入预先建立的生产参数模型,得到动态质量预测数据,以根据所述动态质量预测数据进行胀管过程中的质量管控。本发明通过预先建立生产参数模型,在实时获取了胀管设备胀管过程中的生产参数,根据所述生产参数预测当前产品的质量或胀管设备的工作状况等,实现了对产品质量的管控和设备参数及设备健康状态的动态把握。对应地,本发明还提供一种利用质量管控系统的用于胀管过程中的质量管控方法。
Description
技术领域
本发明涉及胀管技术领域,具体而言,涉及一种用于胀管过程的质量管控方法及系统。
背景技术
胀管是利用胀管机用机械胀扩方式将穿好管的换热器进行胀正常,使翅片与铜管正常密接触,减小热阻,以此增强换热能力。在空调行业换热管的胀管生产工艺中,其产生的胀管质量问题主要是换热管管口扩孔尺寸一致性弱,具体包括偏小、偏大和胀裂等故障问题。胀管过程中仅涉及单台胀管机进行加工,因此胀管机设备参数及健康状态也是导致产品质量问题的关键影响因素。由于生产过程过度依赖人工,设备参数及设备健康状态大多难以量化,对生产质量影响程度的优先级不明显,很难实现对产品质量的动态管控。
因此,业内亟需一种能解决上述问题的技术方案。
发明内容
本发明提供了一种用于胀管过程中的质量管控系统,以实现对产品的质量的管控。
对应地,本发明还提供一种利用该系统的用于胀管过程中的质量管控方法。
第一方面,本发明提供了一种用于胀管过程中的质量管控系统。
所述用于胀管过程中的质量管控系统,其包括:
数据采集模块,用于采集胀管设备胀管过程中的生产参数;
实时质量监测模块,用于将采集的所述生产参数输入预先建立的生产参数模型,得到动态质量预测数据,以根据所述动态质量预测数据进行胀管过程中的质量管控。
具体地,所述生产参数包括:胀管参数、胀管设备部件参数及产品的加工参数。
具体地,所述数据采集模块包括:胀管机PLC单元、视觉传感单元、压力传感单元和位移传感单元。
具体地,还包括:
生产参数模型建立模块,用于获取胀管过程中的生产参数及该生产参数对应的生产结果,并根据所述生产参数和所述生产结果进行数据分析,建立生产参数模型。
进一步地,所述生产参数模型包括:胀管预测模型、设备故障预测模型和产品质量预测模型。
进一步地,建立设备故障预测模型的步骤中,具体包括:
获取胀头、胀杆、胀套三种设备关键的不同状态下的生产参数,并比对不同状态下的生产结果;
根据所述胀头、胀杆、胀套的生产参数和生产结果的对应关系,建立设备故障预测模型。
进一步地,建立胀管预测模型的步骤中,具体包括:
通过PLC单元采集或接收用户在相应的应用模块输入的胀管参数作为建模的基础参数;
通过改变其中的所述基础参数进行对比实验,获取实验结果;
根据所述基础参数与实验结构的对应关系,建立胀管预测模型。
优选地,还包括:
产品质量预警模块,用于在动态质量预测数据达到预警阈值时,进行预警。
优选地,还包括:
可视化模块,用于将采集到的所述生产参数统一成可数据分析建模的格式,并将所述生产参数在关联的显示设备上实时可视化展示。
第二方面,本发明提供一种用于胀管过程中的质量管控方法。
所述用于胀管过程中的质量管控方法,其包括:
采集胀管设备胀管过程中的生产参数;
将采集的所述生产参数输入预先建立的生产参数模型,得到动态质量预测数据,以根据所述动态质量预测数据进行胀管过程中的质量管控。
相比于现有技术,本发明的方案具有以下优点:
本发明中,通过预先建立生产参数模型,在实时获取了胀管设备胀管过程中的生产参数,根据所述生产参数预测当前产品的质量或胀管设备的工作状况等,实现了对产品质量的管控和设备参数及设备健康状态的动态把握。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明中一种用于胀管过程中的质量管控系统的一种实施例的结构示意图;
图2示出了本发明中一种用于胀管过程中的质量管控方法的一种实施例的流程示意图;
图3示出了本发明中一种用于胀管过程中的质量管控方法的另一种实施例的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
本领域普通技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
近年来,基于大数据的质量分析、工艺参数优化、设备健康状态预测算法与案例逐渐丰富和成熟,为大数据分析与挖掘技术应用于工业制造提供了理论基础。但工业制造实际生产环境复杂,很难提取到高质量的数据源,需要针对特定生产工况设计实验平台,为大数据分析与挖掘技术的应用提供数据和平台等支撑。本发明针对铜管等(包括空调行业换热管)的胀管工艺建立一个质量管控的平台,以解决当前难实现对产品质量的动态管控的问题。
第一方面,本发明提供了一种用于胀管过程中的质量管控系统。
如图1,示出了本发明中一种用于胀管过程中的质量管控系统的结构示意图。
所述用于胀管过程中的质量管控系统,其包括:
数据采集模块,用于采集胀管设备胀管过程中的生产参数;
实时质量监测模块,用于将采集的所述生产参数输入预先建立的生产参数模型,得到动态质量预测数据,以根据所述动态质量预测数据进行胀管过程中的质量管控。
在空调行业换热管的胀管生产工艺中,其产生的胀管质量问题主要是换热管管口扩孔尺寸一致性弱,具体包括偏小、偏大和胀裂等故障问题。胀管过程中仅涉及单台胀管机进行加工,因此胀管机设备参数及健康状态也是导致产品质量问题的关键影响因素。
本发明中,通过预先建立胀管过程中的生产参数模型。记录每一个状态下的胀管过程的生产参数,构建生产参数模型。当再次出现类似情况时,实时获取产品或设备的生产参数,将产品或设备的生产参数输入预先建立的生产参数模型,根据生产参数模型可以预测得到一个动态质量预测数据。由于动态质量预测数据是实时动态的,可以完成对胀管过程这一整个阶段的产品或设备的生产状态的监控,从而完成产品的质量管控。
具体地,所述生产参数包括:胀管参数、胀管设备部件参数及产品的加工参数。
本发明实施例中,将所获取的胀管过程中的生产参数根据类型的不同,划分为胀管参数、胀管设备部件参数及产品的加工参数。产品的加工参数主要指铜管的尺寸、铜管在胀管过程相对于其他部件的位移等。根据划分的不同的生产参数,建立不同的生产参数模型。
具体地,所述数据采集模块包括:胀管机PLC单元、视觉传感单元、压力传感单元和位移传感单元。
所述压力传感单元采集各部件的压力数据,所述位移传感单元采集各部件的位移数据,将所述压力数据和所述位移数据作为数据源,视觉传感单元输出的铜管口尺寸和状态(偏大、偏小和胀裂)和获取用户输入的胀管参数和设备关键部件参数作为胀管参数实验和产品质量实验的数据标签,为利用生产参数数据分析建模提供完整的数据源。
具体地,还包括:
生产参数模型建立模块,用于获取胀管过程中的生产参数及该生产参数对应的生产结果,并根据所述生产参数和所述生产结果进行数据分析,建立生产参数模型。
在本发明的另一种具体的实施例中,为了保证建立的参数模型能够准确得预测不同状态的胀管过程下的产品质量或设备状态,需要建立足够的数据库。本发明通过设定胀管过程的不同状态,然后做实验或测试,获取其对应的生产结果(即实验结果、测试结果)。建立在不同状态下的胀管过程--生产结果之间的联系,通过分析其对应生产参数和生产结果数据之间的联系,建立生产参数模型。
进一步地,所述生产参数模型包括:胀管预测模型、设备故障预测模型和产品质量预测模型。
本发明的一种具体的实施例中,所述胀管参数对应于所述胀管预测模型,所述胀管设备部件参数对应于所述设备故障预测模型,所述产品(主要指铜管)的加工参数对应于所述产品质量预测模型。
进一步地,建立设备故障预测模型的步骤中,具体包括:
获取胀头、胀杆、胀套三种设备关键的不同状态下的生产参数,并比对不同状态下的生产结果;
根据所述胀头、胀杆、胀套的生产参数和生产结果的对应关系,建立设备故障预测模型。
其中,所述胀管设备包括胀杆、A胀头、B胀头、胀套、退模座、接受座、扩孔器、锁板及铜管模具。通过对胀管后的产品分析,并结合操作员的经验,概括了对产品质量一致性造成较大影响的设备故障原因及产生的故障类型如下:
(1)扩孔尺寸不一致会造成铜管焊接质量不佳,若扩孔过大,产生了断裂,则可能会直接造成产品报废。
(2)胀头磨损过大,则会造成铜管的胀紧力不够,使得散热片和铜管的过盈配合不足,造成散热效果不佳,影响产品的性能。
(3)胀头脱落,会造成铜管堵塞,且需要更换胀头,影响生产效率。
(4)胀杆弯曲,可能使胀杆往某一侧压下,造成胀管折断及铜管压坏。
(5)胀管工艺参数标准尚不精确,喇叭口一次成型合格率偏低,二次加工造成工时损失。
通过以上分析可以知晓,由于“胀杆”、“胀头”和“胀套”自身缺陷所致的故障占了大多数,说明胀杆及胀头、胀套正常的工作状态对胀管成品的质量控制尤为重要,所以选择为胀管机上的胀杆及连接在所述胀杆一端的胀头作为关键部件,获取其生产时的生产参数,如压力数据、位移数据,并结合其对应的生产结果,大数据分析并建立设备故障预测模型。建立设备故障预测模型后,后期在进行胀管工艺时,可以获取相关的生产参数,将相关生产参数与所建立设备故障预测模型相比较,则可以对设备的状态或故障做出预测。其中,压力传感器设置在胀管接收座上,以收集关键部件的压力信号数据。
在本发明的又一种具体实施例中,建立胀管预测模型的步骤中,具体包括:
通过PLC单元采集或接收用户在相应的应用模块输入的胀管参数作为建模的基础参数;
通过改变其中的所述基础参数进行对比实验,获取实验结果;
根据所述基础参数与实验结构的对应关系,建立胀管预测模型。
通过PLC系统采集或接收用户在应用模块输入基础胀杆位置、螺母高度、胀杆上下限长度、气缸固定块高度、扩口时间、动力座水平度和工件长度等工艺参数作为实验基础参数,通过改变部分工艺参数进行对比实验;
胀管参数主要有:
A、铜管来料管口高低落差<0.5mm;(此参数为前工序零件控制)
B、胀管机压力5-8Mpa(此参数一般情况不随产品规格切换调整,为相对固定值);
C、喇叭口成型扩口时间:0.4-0.7S,(产品切换调机时根据实际喇叭口成型效果情况调整);
D、胀头外径尺寸φ4.59~φ4.61mm。
对比实验主要取A、C、D参数开展正常与异常参数对比验证。
铜管胀后喇叭口直径正常范围φ6.6~φ7.0mm,偏小:直径<φ6.6mm;偏大:直径>φ7.0mm。
优选地,还包括:
产品质量预警模块,用于在动态质量预测数据达到预警阈值时,进行预警。
本发明的一种优选的实施例中,可以通过生产参数模型实时预测结果,并在产品质量预警模块进行预警提醒,例如在相关的显示设备的用户界面上预警显示或进行语音提示等。
在本发明的另一种优选实施例中,所述用于胀管过程中的质量管控系统还包括:可视化模块,用于将采集到的所述生产参数统一成可数据分析建模的格式,并将所述生产参数在关联的显示设备上实时可视化展示。所述显示设备可以为手机、笔记本、平板等。
第二方面,基于上述的用于胀管过程的质量管控系统,本发明提供一种用于胀管过程中的质量管控方法。
如图2,示出了本发明中一种用于胀管过程中的质量管控方法的一种实施例的流程图。
所述用于胀管过程中的质量管控方法,其包括步骤S101和步骤S102。其中,
步骤S101:采集胀管设备胀管过程中的生产参数;
步骤S102:将采集的所述生产参数输入预先建立的生产参数模型,得到动态质量预测数据,以根据所述动态质量预测数据进行胀管过程中的质量管控。
在空调行业换热管的胀管生产工艺中,其产生的胀管质量问题主要是换热管管口扩孔尺寸一致性弱,具体包括偏小、偏大和胀裂等故障问题。胀管过程中仅涉及单台胀管机进行加工,因此胀管机设备参数及健康状态也是导致产品质量问题的关键影响因素。
本发明中,通过预先建立胀管过程中的生产参数模型。记录每一个状态下的胀管过程的生产参数,构建生产参数模型。当再次出现类似情况时,实时获取产品或设备的生产参数,将产品或设备的生产参数输入预先建立的生产参数模型,根据生产参数模型可以预测得到一个动态质量预测数据。由于动态质量预测数据是实时动态的,可以完成对胀管过程这一整个阶段的产品或设备的生产状态的监控,从而完成产品的质量管控。
具体地,所述生产参数包括:胀管参数、胀管设备部件参数及产品的加工参数。
本发明实施例中,将所获取的胀管过程中的生产参数根据类型的不同,划分为胀管参数、胀管设备部件参数及产品的加工参数。产品的加工参数主要指铜管的尺寸、铜管在胀管过程相对于其他部件的位移等。根据划分的不同的生产参数,建立不同的生产参数模型。
在本发明的一种具体的实施例中,通过数据采集模块采集胀管设备胀管过程中的生产参数。所述数据采集模块包括:胀管机PLC单元、视觉传感单元、压力传感单元和位移传感单元。
所述压力传感单元采集各部件的压力数据,所述位移传感单元采集各部件的位移数据,将所述压力数据和所述位移数据作为数据源,视觉传感单元输出的铜管口尺寸和状态(偏大、偏小和胀裂)和获取用户输入的胀管参数和设备关键部件参数作为胀管参数实验和产品质量实验的数据标签,为利用生产参数数据分析建模提供完整的数据源。
参见图2,在本发明的另一种实施例中,所述用于胀管过程中的质量管控方法还包括步骤S103。
步骤S103:获取胀管过程中的生产参数及该生产参数对应的生产结果,并根据所述生产参数和所述生产结果进行数据分析,建立生产参数模型。
在本发明的另一种具体的实施例中,为了保证建立的参数模型能够准确得预测不同状态的胀管过程下的产品质量或设备状态,需要建立足够的数据库。本发明通过设定胀管过程的不同状态,然后做实验或测试,获取其对应的生产结果(即实验结果、测试结果)。建立在不同状态下的胀管过程--生产结果之间的联系,通过分析其对应生产参数和生产结果数据之间的联系,建立生产参数模型。
进一步地,所述生产参数模型包括:胀管预测模型、设备故障预测模型和产品质量预测模型。
本发明的一种具体的实施例中,所述胀管参数对应于所述胀管预测模型,所述胀管设备部件参数对应于所述设备故障预测模型,所述产品(主要指铜管)的加工参数对应于所述产品质量预测模型。
进一步地,建立设备故障预测模型的步骤中,具体包括:
获取胀头、胀杆、胀套三种设备关键的不同状态下的生产参数,并比对不同状态下的生产结果;
根据所述胀头、胀杆、胀套的生产参数和生产结果的对应关系,建立设备故障预测模型。
其中,所述胀管设备包括胀杆、A胀头、B胀头、胀套、退模座、接受座、扩孔器、锁板及铜管模具。通过对胀管后的产品分析,并结合操作员的经验,概括了对产品质量一致性造成较大影响的设备故障原因及产生的故障类型如下:
(1)扩孔尺寸不一致会造成铜管焊接质量不佳,若扩孔过大,产生了断裂,则可能会直接造成产品报废。
(2)胀头磨损过大,则会造成铜管的胀紧力不够,使得散热片和铜管的过盈配合不足,造成散热效果不佳,影响产品的性能。
(3)胀头脱落,会造成铜管堵塞,且需要更换胀头,影响生产效率。
(4)胀杆弯曲,可能使胀杆往某一侧压下,造成胀管折断及铜管压坏。
(5)胀管工艺参数标准尚不精确,喇叭口一次成型合格率偏低,二次加工造成工时损失。
通过以上分析可以知晓,由于“胀杆”、“胀头”和“胀套”自身缺陷所致的故障占了大多数,说明胀杆及胀头、胀套正常的工作状态对胀管成品的质量控制尤为重要,所以选择为胀管机上的胀杆及连接在所述胀杆一端的胀头作为关键部件,获取其生产时的生产参数,如压力数据、位移数据,并结合其对应的生产结果,大数据分析并建立设备故障预测模型。建立设备故障预测模型后,后期在进行胀管工艺时,可以获取相关的生产参数,将相关生产参数与所建立设备故障预测模型相比较,则可以对设备的状态或故障做出预测。其中,压力传感器设置在胀管接收座上,以收集关键部件的压力信号数据。
进一步地,建立胀管预测模型的步骤中,具体包括:
通过PLC单元采集或接收用户在相应的应用模块输入的胀管参数作为建模的基础参数;
通过改变其中的所述基础参数进行对比实验,获取实验结果;
根据所述基础参数与实验结构的对应关系,建立胀管预测模型。
通过PLC系统采集或接收用户在应用模块输入基础胀杆位置、螺母高度、胀杆上下限长度、气缸固定块高度、扩口时间、动力座水平度和工件长度等工艺参数作为实验基础参数,通过改变部分工艺参数进行对比实验;
胀管参数主要有:
A、铜管来料管口高低落差<0.5mm;(此参数为前工序零件控制)
B、胀管机压力5-8Mpa(此参数一般情况不随产品规格切换调整,为相对固定值);
C、喇叭口成型扩口时间:0.4-0.7S,(产品切换调机时根据实际喇叭口成型效果情况调整);
D、胀头外径尺寸φ4.59~φ4.61mm。
对比实验主要取A、C、D参数开展正常与异常参数对比验证。
铜管胀后喇叭口直径正常范围φ6.6~φ7.0mm,偏小:直径<φ6.6mm;偏大:直径>φ7.0mm。
优选地,还包括:
在动态质量预测数据达到预警阈值时,进行预警。
本发明的一种优选的实施例中,可以通过生产参数模型实时预测结果,并在产品质量预警模块进行预警提醒,例如在相关的显示设备的用户界面上预警显示或进行语音提示等。
在本发明的另一种优选实施例中,所述用于胀管过程中的质量管控方法还包括:将采集到的所述生产参数统一成可数据分析建模的格式,并将所述生产参数在关联的显示设备上实时可视化展示。所述显示设备可以为手机、笔记本、平板等。
以上对本发明所提供的技术方案的实施例进行了详细介绍,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种用于胀管过程中的质量管控系统,其特征在于,包括:
数据采集模块,用于采集胀管设备胀管过程中的生产参数;
实时质量监测模块,用于将采集的所述生产参数输入预先建立的生产参数模型,得到动态质量预测数据,以根据所述动态质量预测数据进行胀管过程中的质量管控。
2.根据权利要求1所述的用于胀管过程中的质量管控系统,其特征在于,所述生产参数包括:胀管参数、胀管设备部件参数及产品的加工参数。
3.根据权利要求2所述的用于胀管过程中的质量管控系统,其特征在于,所述数据采集模块包括:胀管机PLC单元、视觉传感单元、压力传感单元和位移传感单元。
4.根据权利要求3所述的用于胀管过程中的质量管控系统,其特征在于,还包括:
生产参数模型建立模块,用于获取胀管过程中的生产参数及该生产参数对应的生产结果,并根据所述生产参数和所述生产结果进行数据分析,建立生产参数模型。
5.根据权利要求4所述的用于胀管过程中的质量管控系统,其特征在于,所述生产参数模型包括:胀管预测模型、设备故障预测模型和产品质量预测模型。
6.根据权利要求5所述的用于胀管过程中的质量管控系统,其特征在于,建立设备故障预测模型的步骤中,具体包括:
获取胀头、胀杆、胀套三种设备关键的不同状态下的生产参数,并比对不同状态下的生产结果;
根据所述胀头、胀杆、胀套的生产参数和生产结果的对应关系,建立设备故障预测模型。
7.根据权利要求5所述的用于胀管过程中的质量管控系统,其特征在于,建立胀管预测模型的步骤中,具体包括:
通过PLC单元采集或接收用户在相应的应用模块输入的胀管参数作为建模的基础参数;
通过改变其中的所述基础参数进行对比实验,获取实验结果;
根据所述基础参数与实验结构的对应关系,建立胀管预测模型。
8.根据权利要求1所述的用于胀管过程中的质量管控系统,其特征在于,还包括:
产品质量预警模块,用于在动态质量预测数据达到预警阈值时,进行预警。
9.根据权利要求2所述的用于胀管过程中的质量管控系统,其特征在于,还包括:
可视化模块,用于将采集到的所述生产参数统一成可数据分析建模的格式,并将所述生产参数在关联的显示设备上实时可视化展示。
10.一种用于胀管过程中的质量管控方法,其特征在于,包括:
采集胀管设备胀管过程中的生产参数;
将采集的所述生产参数输入预先建立的生产参数模型,得到动态质量预测数据,以根据所述动态质量预测数据进行胀管过程中的质量管控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910900928.8A CN110673556B (zh) | 2019-09-23 | 2019-09-23 | 一种用于胀管过程的质量管控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910900928.8A CN110673556B (zh) | 2019-09-23 | 2019-09-23 | 一种用于胀管过程的质量管控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110673556A true CN110673556A (zh) | 2020-01-10 |
CN110673556B CN110673556B (zh) | 2021-03-02 |
Family
ID=69078507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910900928.8A Expired - Fee Related CN110673556B (zh) | 2019-09-23 | 2019-09-23 | 一种用于胀管过程的质量管控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110673556B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111524097A (zh) * | 2020-04-07 | 2020-08-11 | 珠海格力智能装备有限公司 | 一种两器喇叭口的检测方法、装置、存储介质及设备 |
CN113210462A (zh) * | 2021-05-25 | 2021-08-06 | 珠海格力智能装备有限公司 | 胀管机工作异常的监测方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101283361A (zh) * | 2005-10-04 | 2008-10-08 | Posco公司 | 不锈钢板坯的在线质量预测系统以及应用该系统的预测方法 |
CN108320043A (zh) * | 2017-12-19 | 2018-07-24 | 江苏瑞中数据股份有限公司 | 一种基于电力大数据的配电网设备状态诊断预测方法 |
GB2561713A (en) * | 2011-09-19 | 2018-10-24 | Fisher Rosemount Systems Inc | Inferential process modeling, quality prediction and fault detection using multi-stage data segregation |
CN109472057A (zh) * | 2018-10-16 | 2019-03-15 | 浙江大学 | 基于跨工步隐式参数记忆的产品加工质量预测装置及方法 |
CN109711714A (zh) * | 2018-12-24 | 2019-05-03 | 浙江大学 | 基于并联长短期记忆网络的制造装配产品质量预测方法 |
CN109741927A (zh) * | 2019-03-14 | 2019-05-10 | 贵港市嘉龙海杰电子科技有限公司 | 微型变压器生产线的设备故障和潜在不良品智能预测系统 |
CN109858345A (zh) * | 2018-12-25 | 2019-06-07 | 华中科技大学 | 一种适用于胀管设备的智能故障诊断方法 |
CN109978403A (zh) * | 2019-04-04 | 2019-07-05 | 北京理工大学 | 一种产品装配过程的质量管控方法、装置及设备 |
CN110070217A (zh) * | 2019-04-11 | 2019-07-30 | 武汉科技大学 | 一种基于过程参数的烧结矿质量预测方法 |
CN110210654A (zh) * | 2019-05-20 | 2019-09-06 | 南京星火技术有限公司 | 产品模型设计系统及方法 |
-
2019
- 2019-09-23 CN CN201910900928.8A patent/CN110673556B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101283361A (zh) * | 2005-10-04 | 2008-10-08 | Posco公司 | 不锈钢板坯的在线质量预测系统以及应用该系统的预测方法 |
GB2561713A (en) * | 2011-09-19 | 2018-10-24 | Fisher Rosemount Systems Inc | Inferential process modeling, quality prediction and fault detection using multi-stage data segregation |
CN108320043A (zh) * | 2017-12-19 | 2018-07-24 | 江苏瑞中数据股份有限公司 | 一种基于电力大数据的配电网设备状态诊断预测方法 |
CN109472057A (zh) * | 2018-10-16 | 2019-03-15 | 浙江大学 | 基于跨工步隐式参数记忆的产品加工质量预测装置及方法 |
CN109711714A (zh) * | 2018-12-24 | 2019-05-03 | 浙江大学 | 基于并联长短期记忆网络的制造装配产品质量预测方法 |
CN109858345A (zh) * | 2018-12-25 | 2019-06-07 | 华中科技大学 | 一种适用于胀管设备的智能故障诊断方法 |
CN109741927A (zh) * | 2019-03-14 | 2019-05-10 | 贵港市嘉龙海杰电子科技有限公司 | 微型变压器生产线的设备故障和潜在不良品智能预测系统 |
CN109978403A (zh) * | 2019-04-04 | 2019-07-05 | 北京理工大学 | 一种产品装配过程的质量管控方法、装置及设备 |
CN110070217A (zh) * | 2019-04-11 | 2019-07-30 | 武汉科技大学 | 一种基于过程参数的烧结矿质量预测方法 |
CN110210654A (zh) * | 2019-05-20 | 2019-09-06 | 南京星火技术有限公司 | 产品模型设计系统及方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111524097A (zh) * | 2020-04-07 | 2020-08-11 | 珠海格力智能装备有限公司 | 一种两器喇叭口的检测方法、装置、存储介质及设备 |
CN111524097B (zh) * | 2020-04-07 | 2024-01-02 | 珠海格力智能装备有限公司 | 一种两器喇叭口的检测方法、装置、存储介质及设备 |
CN113210462A (zh) * | 2021-05-25 | 2021-08-06 | 珠海格力智能装备有限公司 | 胀管机工作异常的监测方法及装置 |
CN113210462B (zh) * | 2021-05-25 | 2023-02-17 | 珠海格力智能装备有限公司 | 胀管机工作异常的监测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110673556B (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110673556B (zh) | 一种用于胀管过程的质量管控方法及系统 | |
CN110889238A (zh) | 一种数字孪生驱动的热压罐管控系统 | |
CN104504185A (zh) | 一种基于开裂准则和有限元优化钛合金开坯锻造工艺方法 | |
TWI618018B (zh) | 應用電力用量特徵之製造管理方法及其系統 | |
CN113110355B (zh) | 一种数字孪生驱动的工件加工能耗预测及优化方法 | |
CN110750931A (zh) | 一种高效的型材挤压模具设计方法 | |
CN112947290B (zh) | 基于边云协同的设备状态监测方法、监测系统及存储介质 | |
CN103257615B (zh) | 一种加工过程形态质量动态识别与修正控制方法 | |
CN102847767A (zh) | 大型覆盖件的冲压加工质量控制方法 | |
CN102728932A (zh) | 一种自动优化电弧焊工艺参数的方法及其装置 | |
WO2022021828A1 (zh) | 一种自冲孔铆接工艺质量状态的自动判定方法 | |
CN111168195B (zh) | 基于IPv6的电焊机集群监控控制方法 | |
CN101623721A (zh) | 温热成形在线快速检测控制方法及装置 | |
CN117218083A (zh) | 一种基于改进YOLOv8钢管焊缝缺陷检测方法 | |
CN113344244B (zh) | 一种数字孪生驱动的工件加工能耗预测装置 | |
CN104907472A (zh) | 一种高温合金框形件的锻造成形方法 | |
CN117010207B (zh) | 一种考虑金属组织相变的焊接过程数字孪生方法 | |
CN110309589B (zh) | 一种翅片换热器参数优化方法及装置 | |
Tong et al. | CAE enabled methodology for die fatigue life analysis and improvement | |
CN208960785U (zh) | 一种高精度的汽车覆盖件冲压模具 | |
CN103471912B (zh) | 橡胶约束压缩性能测试装置及其测试方法 | |
CN201192714Y (zh) | 一种管头处理装置 | |
CN212633982U (zh) | 数字化金属冲压装置 | |
CN103386437B (zh) | 用于超塑成型的设备和方法 | |
CN204771364U (zh) | 一种拉丝模全自动组装机 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210302 |