CN111723492B - 一种基于仿真验证的生产过程参数确定方法 - Google Patents
一种基于仿真验证的生产过程参数确定方法 Download PDFInfo
- Publication number
- CN111723492B CN111723492B CN202010613706.0A CN202010613706A CN111723492B CN 111723492 B CN111723492 B CN 111723492B CN 202010613706 A CN202010613706 A CN 202010613706A CN 111723492 B CN111723492 B CN 111723492B
- Authority
- CN
- China
- Prior art keywords
- production
- production process
- product
- simulation
- parameters
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 163
- 238000004088 simulation Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012795 verification Methods 0.000 title claims abstract description 21
- 239000000047 product Substances 0.000 claims abstract description 65
- 230000002159 abnormal effect Effects 0.000 claims abstract description 20
- 239000012467 final product Substances 0.000 claims abstract description 4
- 238000012544 monitoring process Methods 0.000 claims description 12
- 239000002994 raw material Substances 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Geometry (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Manufacturing & Machinery (AREA)
- Evolutionary Computation (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于仿真验证的生产过程参数确定方法,包括以下步骤:步骤A:基于实际产线构造仿真模型;步骤B:采集正常生产过程中每个产品的过程参数;步骤C:对产品进行检测标定质量标签;步骤D:基于产品的生产过程参数和质量标签,确定合格产品对应的生产参数范围;步骤E:将合格产品的生产参数范围中的特殊值输入仿真模型中进行验证,仿真产品不合格则返回步骤D,合格则将该生产参数范围用于实际生产。本发明的优点在于:将生产过程数据与最终产品对应,不需要回溯生产过程,将过程参数与产品等级关联起来,得到符合要求的参数范围,并进行仿真验证,避免因计算问题导致的异常损耗,节约成本;整个生产过程实现决策闭环,减少决策失误,降低生产风险。
Description
技术领域
本发明涉及生产过程优化技术领域,尤其涉及一种基于仿真验证的生产过程参数确定方法。
背景技术
目前,在产品生产过程中,为了满足产品质量要求,一般是对产品进行抽样检测,在产品出现问题时回溯生产过程,排查异常原因。这样的手段存在一定的滞后性,有些异常后期回溯是很难找到的;另外生产过程很复杂时,需要进行大量实验或依靠个人经验确定异常原因并进行生产调整,非常耗费时间,可能导致生产进度的大规模延误,无法满足当前的生产需求。
发明内容
本发明所要解决的技术问题在于提供一种基于生产过程参数与产品质量的关系进行仿真验证确定合格产品对应的生产过程参数的方法。
本发明是通过以下技术方案解决上述技术问题的:一种基于仿真验证的生产过程参数确定方法,包括以下步骤:
步骤A:基于实际产线构造仿真模型;
步骤B:产线正常进行生产,采集生产过程中的过程参数;
步骤C:对实际生产产品进行检测,确定每个产品的质量标签;
步骤D:基于产品的生产过程参数和质量标签,确定合格产品对应的生产参数范围;
步骤E:将合格产品的生产参数范围中的特殊值输入仿真模型中进行验证,仿真产品不合格则返回步骤D,合格则将该生产参数范围用于实际生产。
本发明提供的基于仿真平台的生产过程参数确定方法,通过对生产数据的实时采集,将生产过程数据与最终产品一一对应,在出现问题时不需要回溯生产过程,查找生产数据,基于现有技术将过程参数与产品等级关联起来,得到符合要求的产品对应的生产过程参数范围,给实际生产提供了精确的参考数据,并且通过仿真验证确定所给参数范围是否符合要求,避免因计算问题导致的异常损耗,节约成本;整个生产过程实现决策闭环,减少决策失误,降低生产风险。
优选的,步骤A所述的构造仿真模型的方法为:
步骤i:基于生产工艺对实际产线进行分解得到多个生产单元;
步骤ii:使用仿真软件依次对分解后的生产单元搭建生产要素,并为生产要素配置属性、行为、动作关系;
步骤iii:为整个仿真模型配置生产工艺参数,验证搭建的仿真模型的运行逻辑。
优选的,步骤ii中所述的搭建生产要素的方法为:
对于标准设备,直接调用软件数据库或导入现有模型;
对于非标设备,基于三维建模软件制作设备并配置动作属性。
优选的,使用Delfoi软件构建仿真模型。
优选的,步骤B中通过与产线配套的数据采集器获取生产过程参数,方法为:
步骤I:在产线的原料上线位置配置记录仪,记录每个产品的上线信息以及所有产品的上线顺序;
步骤II:在产线的产品下线位置配置记录仪,记录每个产品的下线信息并将数据采集器记录的对应数据的生产过程参数配置给该产品。
优选的,实际生产中原料和产品上均具有二维码或条形码,上下线位置的记录仪为扫码装置。
优选的,还包括对实际生产过程进行监控的步骤。在实际生产时采集生产设备的运行参数并进行监控,并同步监控步骤B所述的生产过程参数。当出现异常或故障数据时,监控模块对异常情况进行展示,如灯光闪烁、响起报警提示音等;同步的,生产过程中产生的异常数据、生产过程基本参数以及设备运行参数会发送给仿真模型,执行步骤D所述的方法,由仿真模型对异常情况进行分析,并确定对应的生产过程参数和设备运行参数范围,做出生产决策,并调整生产方案。
本发明提供的基于仿真验证的生产过程参数确定方法的优点在于:通过对生产数据的实时采集,将生产过程数据与最终产品一一对应,在出现问题时不需要回溯生产过程,能够快速确定异常品对应的过程数据,基于现有技术将过程参数与产品等级关联起来,得到符合要求的产品对应的生产过程参数范围,给实际生产提供了精确的参考数据,并且通过仿真验证确定所给参数范围是否符合要求,避免因计算问题导致的异常损耗,节约成本;整个生产过程实现决策闭环,减少决策失误,降低生产风险。
附图说明
图1为本发明的实施例所提供的基于仿真验证的生产过程参数确定方法的原理图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合符合及具体实施例,对本发明作进一步的详细说明。
参考图1,本实施例提供了一种基于仿真验证的生产过程参数确定方法,包括以下步骤:
步骤A:基于实际产线构造仿真模型,具体包括以下步骤:
步骤i:基于生产工艺对实际产线进行分解得到多个生产单元;
步骤ii:使用仿真软件依次对分解后的生产单元搭建生产要素,并为生产要素配置属性、行为、动作关系;
本实施例中使用的仿真软件为Delfoi软件,所述生产要素包括设备、人员等,对于产线上的标准设备,可直接调用软件数据库或导入现有模型,对于非标设备则需要自行构建,通过Solidworks、UG、3Dmax、AutoCAD、ProE等三维建模软件绘制设备图纸并配置材料属性、动作关系、动作时间等参数;并在仿真软件中将所有生产要素联系到一起得到仿真产线。
步骤iii:为整个仿真模型配置生产工艺参数,验证搭建的仿真模型的运行逻辑;所述生产工艺参数包括人机料法环等涉及生产制约的相关参数,如上料速度、单位时间产量、设备载重等。
步骤B:产线正常进行生产,采集生产过程中的过程参数;产线实际数据的采集可通过适配的数据采集器实现,本实施例中为产线搭建了适应的C#数据采集器,具体方法为:
步骤I:在产线的原料上线位置配置记录仪,记录每个产品的上线信息以及所有产品的上线顺序;
步骤II:在产线的产品下线位置配置记录仪,记录每个产品的下线信息并将数据采集器记录的对应数据的生产过程参数配置给该产品;
本实施例中在原料和产品上均设置有二维码或条形码,并在上下线位置设置扫码装置作为记录仪,在生产过程中,不允许产品私自增减或改变顺序,确保上下线队列不变,采集过程中使用状态数据数据库存储型设备存储设备参数,并将相关参数变化实时同步变更到指定内容;然后使用状态数据控制器控制型设备将设备参数及关键数据记录在控制器中,经OPC接口在C#数据采集器中进行数据读写。
生产过程参数为产品生产过程中的参数,如产品在流水线上的顺序值、质量检验值、产品本身的基本参数等。
步骤C:对实际生产产品进行检测,确定每个产品的质量标签;
对每个产品进行质检,产品质量标签具体为质量等级,包括合格、不合格;还可以根据需要设置一等品、二等品等更细分的标签。
步骤D:基于产品的生产过程参数和质量标签,确定合格产品对应的生产参数范围;
对于以上数据,可采用现有技术进行处理最终得到生产过程参数与产品质量之间的关系,例如“王磊.基于大数据分析的螺栓拧紧工艺质量评价方法研究[D].山东大学,2018”一文中给出的对于螺栓拧紧质量与过程参数的关系的确定方法,通过对数据进行预处理剔除离群点,然后基于聚类分析和特征树评价得到不同等级的产品对应的过程参数的范围。
针对产品的整体质量或局部性能进行评价时,可根据需要确定关注的生产过程参数的类型,并使用上述方法进行分析得到对应的过程参数的范围。
步骤E:将合格产品的生产参数范围中的特殊值输入仿真模型中进行验证,所述特殊值主要是生产参数范围的上下限,中间值等数据,如果仿真得到的产品对应的性能不合格或偏离对应的等级,则返回步骤D,符合对应的等级则将该生产参数范围用于实际生产。
本实施例通过对生产数据的实时采集,将生产过程数据与最终产品一一对应,在出现问题时不需要回溯生产过程,查找生产数据,基于现有技术将过程参数与产品等级关联起来,得到符合要求的产品对应的生产过程参数范围,给实际生产提供了精确的参考数据,并且通过仿真验证确定所给参数范围是否符合要求,避免因计算问题导致的异常损耗,节约成本;减少决策失误,降低生产风险。
本实施例还包括对实际生产过程进行监控的步骤。在实际生产时采集生产设备的运行参数并进行监控,并同步监控步骤B所述的生产过程参数。当出现异常或故障数据时,监控模块对异常情况进行展示,如灯光闪烁、响起报警提示音等。同步的,生产过程中产生的异常数据、产品生产过程参数和设备运行参数一起发送给仿真模型,执行步骤D所述的方法,由仿真模型对异常情况进行分析,并确定对应的生产过程参数和设备运行参数范围,对生产问题进行追溯,进而做出生产决策,并调整生产方案。
其中设备运行参数指的是设置在生产线上的辅助设备自身的参数,包括设备运行状态(正常或异常)、设备运行的基本参数(运行速度、运行功率等)。
本实施例中使用生产监控CIMPLICITY软件,利用动态组件进行监控界面布局设计,通过ODBC数据源管理器将生产过程参数分别提供给仿真模型和CIMPLICITY软件,通过OPCServer接口跟踪产品以及对应的输送装置在整个生产线上的位置,动态的收集和存储生产相关的数据,如产品编号、时间戳、质量参数及其他一些特性;在发现生产异常参数或故障参数时,通过仿真模型确定异常问题和修正后的过程参数和设备参数。
Claims (5)
1.一种基于仿真验证的生产过程参数确定方法,其特征在于:包括以下步骤:
步骤A:基于实际产线构造仿真模型;
步骤A所述的构造仿真模型的方法为:
步骤i:基于生产工艺对实际产线进行分解得到多个生产单元;
步骤ii:使用仿真软件依次对分解后的生产单元搭建生产要素,并为生产要素配置属性、行为、动作关系;生产要素包括设备和人员;
步骤iii:为整个仿真模型配置生产工艺参数,验证搭建的仿真模型的运行逻辑;
步骤B:产线正常进行生产,采集生产过程中的过程参数;生产过程参数为产品生产过程中的参数;
步骤C:对实际生产产品进行检测,确定每个产品的质量标签;
步骤D:基于产品的生产过程参数和质量标签,确定合格产品对应的生产过程参数范围;
步骤E:将合格产品的生产过程参数范围中的特殊值输入仿真模型中进行验证,仿真产品不合格则返回步骤D,合格则将该生产过程参数范围用于实际生产;特殊值是生产过程参数范围的上下限和中间值的数据;
还包括对实际生产过程进行监控的步骤,在实际生产时采集生产设备的运行参数并发送给监控模块,所述监控模块同步接收步骤B所述的生产过程参数,当出现异常或故障数据时,监控模块对异常情况进行报警,同时将生产过程中产生的异常数据、生产过程参数以及设备运行参数发送给仿真模型,执行步骤D所述的方法,由仿真模型对异常情况进行分析,并确定对应的生产过程参数和设备运行参数范围,输出生产决策;
通过对生产数据的实时采集,将生产过程数据与最终产品一一对应,在出现问题时不需要回溯生产过程,查找生产数据,将过程参数与产品等级关联起来,得到符合要求的产品对应的生产过程参数范围,给实际生产提供参考数据,并且通过仿真验证确定所给参数范围是否符合要求。
2.根据权利要求1所述的一种基于仿真验证的生产过程参数确定方法,其特征在于:步骤ii中所述的搭建生产要素的方法为:
对于标准设备,直接调用软件数据库或导入现有模型;
对于非标设备,基于三维建模软件制作设备并配置动作属性。
3.根据权利要求1所述的一种基于仿真验证的生产过程参数确定方法,其特征在于:使用Delfoi软件构建仿真模型。
4.根据权利要求1所述的一种基于仿真验证的生产过程参数确定方法,其特征在于:步骤B中通过与产线配套的数据采集器获取生产过程参数,方法为:
步骤I:在产线的原料上线位置配置记录仪,记录每个产品的上线信息以及所有产品的上线顺序;
步骤II:在产线的产品下线位置配置记录仪,记录每个产品的下线信息并将数据采集器记录的对应数据的生产过程参数配置给该产品。
5.根据权利要求4所述的一种基于仿真验证的生产过程参数确定方法,其特征在于:实际生产中原料和产品上均具有二维码或条形码,上下线位置的记录仪为扫码装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010613706.0A CN111723492B (zh) | 2020-06-30 | 2020-06-30 | 一种基于仿真验证的生产过程参数确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010613706.0A CN111723492B (zh) | 2020-06-30 | 2020-06-30 | 一种基于仿真验证的生产过程参数确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111723492A CN111723492A (zh) | 2020-09-29 |
CN111723492B true CN111723492B (zh) | 2023-09-05 |
Family
ID=72570584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010613706.0A Active CN111723492B (zh) | 2020-06-30 | 2020-06-30 | 一种基于仿真验证的生产过程参数确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111723492B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831269A (zh) * | 2012-08-16 | 2012-12-19 | 内蒙古科技大学 | 一种流程工业过程工艺参数的确定方法 |
CN103092078A (zh) * | 2013-01-07 | 2013-05-08 | 北京中医药大学 | 多阶段间歇生产过程的全程优化方法 |
CN104678974A (zh) * | 2015-03-03 | 2015-06-03 | 深圳市华星光电技术有限公司 | 对产品制程进行线上实时控制的方法 |
CN106096977A (zh) * | 2016-06-03 | 2016-11-09 | 武汉铁锚焊接材料股份有限公司 | 一种基于二维码的药芯焊丝生产参数追溯方法及系统 |
CN106503389A (zh) * | 2016-11-09 | 2017-03-15 | 湖南大学 | 一种快速确定热冲压生产线工艺参数的数值方法 |
CN107153406A (zh) * | 2017-01-06 | 2017-09-12 | 中国电子科技集团公司第十四研究所 | 一种产品全过程质量管控方法 |
CN107391878A (zh) * | 2017-08-15 | 2017-11-24 | 昆山澎睿信息技术有限公司 | 一种以仿真为基础的产品设计方法 |
CN110347056A (zh) * | 2019-06-19 | 2019-10-18 | 北京航天智造科技发展有限公司 | 生产线仿真平台及仿真方法 |
CN111177897A (zh) * | 2019-12-16 | 2020-05-19 | 北京航天智造科技发展有限公司 | 一种云制造模式下的产线生产工艺数据对接和仿真模型快速建模方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9910429B2 (en) * | 2013-09-03 | 2018-03-06 | The Procter & Gamble Company | Systems and methods for adjusting target manufacturing parameters on an absorbent product converting line |
-
2020
- 2020-06-30 CN CN202010613706.0A patent/CN111723492B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831269A (zh) * | 2012-08-16 | 2012-12-19 | 内蒙古科技大学 | 一种流程工业过程工艺参数的确定方法 |
CN103092078A (zh) * | 2013-01-07 | 2013-05-08 | 北京中医药大学 | 多阶段间歇生产过程的全程优化方法 |
CN104678974A (zh) * | 2015-03-03 | 2015-06-03 | 深圳市华星光电技术有限公司 | 对产品制程进行线上实时控制的方法 |
CN106096977A (zh) * | 2016-06-03 | 2016-11-09 | 武汉铁锚焊接材料股份有限公司 | 一种基于二维码的药芯焊丝生产参数追溯方法及系统 |
CN106503389A (zh) * | 2016-11-09 | 2017-03-15 | 湖南大学 | 一种快速确定热冲压生产线工艺参数的数值方法 |
CN107153406A (zh) * | 2017-01-06 | 2017-09-12 | 中国电子科技集团公司第十四研究所 | 一种产品全过程质量管控方法 |
CN107391878A (zh) * | 2017-08-15 | 2017-11-24 | 昆山澎睿信息技术有限公司 | 一种以仿真为基础的产品设计方法 |
CN110347056A (zh) * | 2019-06-19 | 2019-10-18 | 北京航天智造科技发展有限公司 | 生产线仿真平台及仿真方法 |
CN111177897A (zh) * | 2019-12-16 | 2020-05-19 | 北京航天智造科技发展有限公司 | 一种云制造模式下的产线生产工艺数据对接和仿真模型快速建模方法和系统 |
Non-Patent Citations (1)
Title |
---|
Waqas Saleem 等.Exploring better product design with Topology Optimization and Manufacturing Simulations.2008 International Conference on Smart Manufacturing Application.2008,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111723492A (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108460144B (zh) | 一种基于机器学习的煤炭设备故障预警系统及方法 | |
CN111985561B (zh) | 一种智能电表的故障诊断方法、系统及电子装置 | |
CN111461555B (zh) | 一种生产线质量监测方法、装置及系统 | |
CN107584334A (zh) | 一种基于深度学习的复杂结构件数控加工刀具状态实时监测方法 | |
CN101718634A (zh) | 基于多元概率模型的设备状态综合动态报警方法 | |
CN111143438A (zh) | 一种基于流处理的车间现场数据实时监测与异常检测方法 | |
CN117234785B (zh) | 基于人工智能自查询的集控平台错误分析系统 | |
CN114118673A (zh) | 一种基于数字孪生技术的车间智能化故障诊断预警方法 | |
CN117196066A (zh) | 智慧运维信息分析模型 | |
CN117393076B (zh) | 耐热环氧树脂生产过程智能监测方法及系统 | |
CN114723285A (zh) | 一种电网设备安全性评估预测方法 | |
CN114330026A (zh) | 一种数字孪生系统仿真方法及装置 | |
CN112085108A (zh) | 基于自动编码器及k均值聚类的光伏电站故障诊断算法 | |
CN113593605B (zh) | 一种基于深度神经网络的工业音频故障监测系统和方法 | |
CN109299201B (zh) | 基于两阶段聚类的电厂生产子系统异常监测方法及装置 | |
CN111723492B (zh) | 一种基于仿真验证的生产过程参数确定方法 | |
CN112732541A (zh) | 一种用于复杂装备故障诊断的智能判据挖掘系统 | |
CN117689254A (zh) | 良率以及处理建议产生系统以及产生方法 | |
CN117251814A (zh) | 一种高速公路充电桩电量损耗异常的分析方法 | |
CN116068305A (zh) | 一种电弧铣削机床电气系统故障诊断装置 | |
CN116150989A (zh) | 光伏组件制造方法和光伏组件 | |
CN109389039A (zh) | 一种优化核极限学习机在线监测刀具磨损状态方法及系统 | |
CN115829049A (zh) | 一种电子电器台架实验数据分析平台及数据分析方法 | |
CN115222069A (zh) | 一种设备预诊维护算法及集成该算法的智能工厂管控架构 | |
CN113836820A (zh) | 一种基于自相关模型和多变量监控方法的设备健康评估与故障诊断算法 |
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 |