CN111783318A - 一种基于三维模型的装配质量数据分析和可视化方法 - Google Patents
一种基于三维模型的装配质量数据分析和可视化方法 Download PDFInfo
- Publication number
- CN111783318A CN111783318A CN202010755049.3A CN202010755049A CN111783318A CN 111783318 A CN111783318 A CN 111783318A CN 202010755049 A CN202010755049 A CN 202010755049A CN 111783318 A CN111783318 A CN 111783318A
- Authority
- CN
- China
- Prior art keywords
- quality
- data
- model
- selecting
- software
- 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
Images
Classifications
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于三维模型的装配质量数据分析和可视化方法,属于质量分析领域。本发明基于CATIA、3DMAX、unity三种软件,是在三者组成的平台上实现对装配质量的数据分析和可视化。本发明通过CATIA软件导出产品的结构三维模型和各系统三维模型,通过3DMAX软件进行模型格式转换,并结合Polygon Cruncher对模型进行优化计算,实现模型轻量化处理;通过unity实现产品装配结构仿真;通过将关联规则Apriori算法集成到unity平台中,实现装配质量数据关联分析;通过结合模型数据和计算数据,实现基于模型的质量数据可视化,更加直观地可视化展现质量因素间的内在关联关系。达到帮助质量管理人员针对产品装配质量多发部位采取质量改进措施的目的。
Description
技术领域
本发明涉及一种基于三维模型的装配质量数据分析和可视化方法,属于仿真及数据分析交叉领域。
背景技术
目前,质量工艺仿真领域关注于工艺过程仿真,通过各类仿真软件对主要工艺过程进行分析,主要利用产品结构装配仿真、结构稳定性分析计算等物理仿真技术,但仅以仿真结果优化工艺参数,对于产品全生命周期的质量无法追踪,对所有质量因素的可视化程度不足。质量数据分析关注于产品制造装配过程的质量波动性,通过分析数据之间的同一性和差异性调整工艺。人工神经网络、贝叶斯分类法和支持向量机等数据分析算法可以有效地对质量工序数据进行分析。但随着信息化与制造业的深度融合,信息技术渗透到了制造企业产业链的各个环节,工业传感器、工业物联网等技术在制造企业中得到广泛应用,使得装配、制造现场所积累的数据也日益丰富,装配过程中质量扰动因素的增加、质量数据多样化、质量问题处理流程繁琐,单一领域内的质量分析模式已不能满足现阶段科技发展的需求,数据的复杂性使得三维模型转换和导入困难,现有的二维可视化方法难以将模型和分析结合展示,矢量数据分散,缺乏有效载体展示分析。因此,对装配质量的全面分析追踪需要结合三维仿真、数据分析及数据可视化等多领域技术,集成多维度数据,基于三维模型结合展示装配质量分析结果,以加快质量问题处理流程,缩短产品研制周期。
发明内容
本发明的目的在于针对已有技术的不足,提供一种基于三维模型的装配质量数据分析和可视化方法,该方法结合了三维实体模型和数据分析算法,适用于质量数据分析,达到准确指出质量问题高发的产品部位和故障原因并缩短质量处理流程的周期。本发明基于CATIA、3DMAX、unity三种软件,是在三者组成的平台上实现对装配质量的数据分析和可视化。
为达到上述目的,本发明的构思是:
本发明通过CATIA软件导出产品的结构三维模型和各系统三维模型,通过3DMAX软件进行模型格式转换,并结合Polygon Cruncher对模型进行优化计算,实现模型轻量化处理;通过unity实现产品装配结构仿真;通过将关联规则Apriori算法集成到unity平台中,实现装配质量数据关联分析;通过结合模型数据和计算数据,实现基于模型的质量数据可视化,更加直观地可视化展现质量因素间的内在关联关系。达到帮助质量管理人员针对产品装配质量多发部位采取质量改进措施的目的。
根据上述发明构思,本发明采用的技术方案为:
一种基于三维模型的装配质量数据分析和可视化方法,具体操作步骤如下:
步骤一:基于CATIA、3DMAX、unity三种软件完成产品三维模型转换、轻量化和导入:
步骤1.1:将CATIA软件中装配体的三维实体模型以CATProduct格式保存文件;
步骤1.2:用3DMAX软件批量导入CATProduct格式的产品三维模型文件;
所述批量导入的步骤:运行3DMAX软件,在界面中的菜单栏选择“脚本”-“运行脚本”,打开脚本。选择“批量导入CATProduct”,选择一个或多个要导入的产品三维模型文件;从而完成产品三维模型文件的批量导入;
步骤1.3:用3DMAX软件结合Polygon Cruncher对模型进行优化计算:
所述优化模型的步骤:在打开的模型文件中,选择要优化的模型,在“Xview”中显示统计多边形面数和顶点个数;在满足质量分析的情况下选择模型优化的选项,选择“protect borders”优化模式,材质和UV选择“preserve material boundaries”,法线选择“keep normals”,对顶点颜色不做要求,利用适当的阀值合并顶点和面,在计算后调整级别;
步骤1.4.:用3DMAX软件转换模型格式为FBX格式
所述模型转换的步骤:在打开模型的界面中点击“导出”,选择存储格式为“fbx”,包含动画、摄影机和灯光,更改轴转化为“Y向上”,从而完成模型转换;
步骤1.5:用UNITY软件导入轻量化后的实体模型,包括产品的结构零部件和系统部件;
新建UNITY3D项目,在项目界面选择“Assets”-“import new asset”,选择要导入的所有fbx模型,将模型导入至项目中,并将各模型添加至场景中,调整模型和摄影机的相对位置和角度,使整个产品模型完整地在场景中呈现;
步骤二:将上述导入的模型数据作为依据提取、集成产品装配过程的质量相关数据,利用Apriori算法对集成的质量数据进行关联分析,实现Apriori算法并运行计算;
步骤2.1:建立包含质量业务流程、参数和产品结构模型数据的质量数据表:
通过分析质量数据的业务流程和集成各管理系统中的质量相关数据和产品结构模型数据,建立质量数据输入和输出字段,包括偏差过程、故障位置、处置分类、责任部门、故障原因、外观影响、密封影响、关重件、偏离程度。将质量数据的各个属性值编号并映射到事务数据库D;
步骤2.3:将第一次在数据库中扫描到的结果保存在服务器内存中,后面从内存中迭代取得数据,减少与数据库打交道的次数,从而减少数据查询时间,从而提升整体计算效率;
步骤2.4:将集合运算的思想与Apriori算法相结合,得到了一种基于集合的一次访问数据库的关联规则方法。该算法仅仅只需要扫描一次数据库,通过集合操作不断迭代输出频繁项集,从而提升了频繁项集的挖掘效率;用集合的概念对频繁项集进行表示和描述,并参与迭代运算;对所有生成的频繁项集以及包含此频繁项集的相关事务集运用集合来存储和表示;在频繁(K+1)-项集的生成过程中,采用集合之间的并集与交集的运算性质,对频繁K项集求并集得到(K+1)-项集,对发生的事务集合求交集得到(K+1)-项集的数量,并将(K+1)-项集的数目与最小支持度计数比较,筛选得到得到频繁(K+1)-项集;
步骤三,结合步骤一导入的实体模型和步骤二的实时运算结果数据,在UNITY中运用3D引擎和算法包接口,可视化总装配质量数据分析结果:
步骤3.1:运用颜色映射方法,结合实时质量原始和分析数据,用颜色表示场景中质量元素的数据值的大小,在数据与颜色之间建立映射关系,把不同的质量元素数据映射为不同的颜色;在各零部件模型上体现各零部件质量问题的紧迫程度;
步骤3.2:运用力导向布局图展现质量关联分析结果中的关联规则,将各质量元素下的属性值作为结点数据,将产品结构三维模型或系统三维模型的名称与质量数据表中对应的ID关联,达到以零部件为中心的关联关系图与其零部件模型关联的目的;并将各三维模型对应的ID作为关联规则力导向布局图的中心点簇,用矢量箭头表达频繁项集中两个或多个属性值之间的关联规则,用节点之间的连线粗线表示两个属性间的关联强弱,直观地展示所挖掘的数据属性与该部位相关的关联强弱关系,并指导该部位的故障处理结果。
本发明与现有技术相比较,具有如下显而易见的突出实质性特点和显著技术进步:
本发明把改进的关联规则算法应用到质量数据中,并且运用了数字孪生思想,通过结合三维实体模型和现场实时数据,更加直观地反应了装配过程的质量相关问题,具备很强的实用性,大大缩短了产品发生质量问题时处理流程的周期,指导帮助质量管理人员快速决定质量改进措施。且该方法灵活,可扩展性强,在解决产品装配质量问题分析领域具有较好的应用前景和推广价值。
附图说明
图1为本发明的主流程图。
图2为本发明的步骤2.1的质量数据表。
图3为本发明的步骤2.4的算法步骤图。
图4为本发明基于集合的Apriori算法对质量数据表进行计算的流程图。
图5为本发明的频繁1项集进行支持度筛选的方法图。
图6为本发明的二维项目集进行支持度筛选的方法图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例一:参见图1~图3,基于三维模型的装配质量数据分析和可视化方法,包括以下步骤:
步骤一:基于CATIA、3DMAX、unity三种软件完成产品三维模型转换、轻量化和导入:
步骤1.1:将CATIA软件中装配体的三维实体模型以CATProduct格式保存文件;
步骤1.2:用3DMAX软件批量导入CATProduct格式的产品三维模型文件;
所述批量导入的步骤:运行3DMAX软件,在界面中的菜单栏选择“脚本”-“运行脚本”,打开脚本。选择“批量导入CATProduct”,选择一个或多个要导入的产品三维模型文件;从而完成产品三维模型文件的批量导入;
步骤1.3:用3DMAX软件结合Polygon Cruncher对模型进行优化计算:
所述优化模型的步骤:在打开的模型文件中,选择要优化的模型,在“Xview”中显示统计多边形面数和顶点个数;在满足质量分析的情况下选择模型优化的选项,选择“protect borders”优化模式,材质和UV选择“preserve material boundaries”,法线选择“keep normals”,对顶点颜色不做要求,利用适当的阀值合并顶点和面,在计算后调整级别;
步骤1.4.:用3DMAX软件转换模型格式为FBX格式
所述模型转换的步骤:在打开模型的界面中点击“导出”,选择存储格式为“fbx”,包含动画、摄影机和灯光,更改轴转化为“Y向上”,从而完成模型转换;
步骤1.5:用UNITY软件导入轻量化后的实体模型,包括产品的结构零部件和系统部件;
新建UNITY3D项目,在项目界面选择“Assets”-“import new asset”,选择要导入的所有fbx模型,将模型导入至项目中,并将各模型添加至场景中,调整模型和摄影机的相对位置和角度,使整个产品模型完整地在场景中呈现;
步骤二:将上述导入的模型数据作为依据提取、集成产品装配过程的质量相关数据,利用Apriori算法对集成的质量数据进行关联分析,实现Apriori算法并运行计算;
步骤2.1:建立包含质量业务流程、参数和产品结构模型数据的质量数据表:
通过分析质量数据的业务流程和集成各管理系统中的质量相关数据和产品结构模型数据,建立质量数据输入和输出字段,包括偏差过程、故障位置、处置分类、责任部门、故障原因、外观影响、密封影响、关重件、偏离程度。将质量数据的各个属性值编号并映射到事务数据库D;
步骤2.3:将第一次在数据库中扫描到的结果保存在服务器内存中,后面从内存中迭代取得数据,减少与数据库打交道的次数,从而减少数据查询时间,从而提升整体计算效率;
步骤2.4:将集合运算的思想与Apriori算法相结合,得到了一种基于集合的一次访问数据库的关联规则方法。该算法仅仅只需要扫描一次数据库,通过集合操作不断迭代输出频繁项集,从而提升了频繁项集的挖掘效率;用集合的概念对频繁项集进行表示和描述,并参与迭代运算;对所有生成的频繁项集以及包含此频繁项集的相关事务集运用集合来存储和表示;在频繁(K+1)-项集的生成过程中,采用集合之间的并集与交集的运算性质,对频繁K项集求并集得到(K+1)-项集,对发生的事务集合求交集得到(K+1)-项集的数量,并将(K+1)-项集的数目与最小支持度计数比较,筛选得到得到频繁(K+1)-项集;
步骤三,结合步骤一导入的实体模型和步骤二的实时运算结果数据,在UNITY中运用3D引擎和算法包接口,可视化总装配质量数据分析结果:
步骤3.1:运用颜色映射方法,结合实时质量原始和分析数据,用颜色表示场景中质量元素的数据值的大小,在数据与颜色之间建立映射关系,把不同的质量元素数据映射为不同的颜色;在各零部件模型上体现各零部件质量问题的紧迫程度;
步骤3.2:运用力导向布局图展现质量关联分析结果中的关联规则,将各质量元素下的属性值作为结点数据,将产品结构三维模型或系统三维模型的名称与质量数据表中对应的ID关联,达到以零部件为中心的关联关系图与其零部件模型关联的目的;并将各三维模型对应的ID作为关联规则力导向布局图的中心点簇,用矢量箭头表达频繁项集中两个或多个属性值之间的关联规则,用节点之间的连线粗线表示两个属性间的关联强弱,直观地展示所挖掘的数据属性与该部位相关的关联强弱关系,并指导该部位的故障处理结果。
实施例二:
参考图1,一种基于三维模型的装配质量数据分析和可视化方法,具体实施步骤如下:
步骤一:基于CATIA、3DMAX、unity三种软件完成产品三维模型转换、轻量化和导入。
步骤1.1:将CATIA软件中装配体的三维实体模型以CATProduct格式保存文件。
步骤1.2:用3DMAX软件批量导入CATProduct格式的产品三维模型文件。
批量导入步骤:运行3DMAX软件,在界面中的菜单栏选择“脚本”-“运行脚本”,打开脚本。选择“批量导入CATProduct”,选择一个或多个要导入的产品三维模型文件。从而完成产品三维模型文件的批量导入。
批量导入脚本代码示例:
步骤1.3:用3DMAX软件结合Polygon Cruncher对模型进行优化计算
优化模型步骤:在打开的模型文件中,选择要优化的模型,在“Xview”中显示统计多边形面数和顶点个数。在满足质量分析的情况下选择模型优化的选项,如选择“protectborders”优化模式,材质和UV选择“preserve material boundaries”,法线选择“keep normals”,对顶点颜色不做要求,利用适当的阀值合并顶点和面,在计算后调整级别为20%。
步骤1.4.:用3DMAX软件转换模型格式为FBX格式
模型转换步骤:在打开模型的界面中点击“导出”,选择存储格式为“fbx”,包含动画、摄影机和灯光,更改轴转化为“Y向上”,从而完成模型转换。
步骤1.5:用UNITY软件导入轻量化后的实体模型,包括产品的结构零部件和系统部件。
新建UNITY3D项目,在项目界面选择“Assets”-“import new asset”,选择要导入的所有fbx模型,将模型导入至项目中,并将各模型添加至场景中,调整模型和摄影机的相对位置和角度,使整个产品模型完整地在场景中呈现。
步骤二:将上述导入的模型数据作为依据提取、集成产品装配过程的质量相关数据,利用Apriori算法对集成的质量数据进行关联分析,实现Apriori算法并运行计算。
步骤2.1:建立包含质量业务流程、参数和产品结构模型数据的质量数据表
通过分析质量数据的业务流程和集成各管理系统中的质量相关数据和产品结构模型数据,建立质量数据输入和输出字段,包括偏差过程、故障位置、处置分类、责任部门、故障原因、外观影响、密封影响、关重件、偏离程度。将质量数据的各个属性值编号并映射到事务数据库D。
步骤2.3:将第一次在数据库中扫描到的结果保存在服务器内存中,后面从内存中迭代取得数据,减少与数据库打交道的次数,从而减少数据查询时间,从而提升整体计算效率。
步骤2.4:将集合运算的思想与Apriori算法相结合,得到了一种基于集合的一次访问数据库的关联规则方法。该算法仅仅只需要扫描一次数据库,通过集合操作不断迭代输出频繁项集,从而提升了频繁项集的挖掘效率。用集合的概念对频繁项集进行表示和描述,并参与迭代运算。对所有生成的频繁项集以及包含此频繁项集的相关事务集运用集合来存储和表示。在频繁(K+1)-项集的生成过程中,采用集合之间的并集与交集的运算性质,对频繁K项集求并集得到(K+1)-项集,对发生的事务集合求交集得到(K+1)-项集的数量,并将(K+1)-项集的数目与最小支持度计数比较,筛选得到得到频繁(K+1)-项集。相关算法步骤如图3所示。
步骤三,结合步骤一导入的实体模型和步骤二的实时运算结果数据,在UNITY中运用3D引擎和算法包接口,可视化总装配质量数据分析结果。
步骤3.1:运用颜色映射方法,结合实时质量原始和分析数据,用颜色表示场景中质量元素的数据值的大小,在数据与颜色之间建立映射关系,把不同的质量元素数据映射为不同的颜色。在各零部件模型上体现各零部件质量问题的紧迫程度。
步骤3.2:运用力导向布局图展现质量关联分析结果中的关联规则,将各质量元素下的属性值作为结点数据,将产品结构三维模型或系统三维模型的名称与质量数据表中对应的ID关联,达到以零部件为中心的关联关系图与其零部件模型关联的目的。并将各三维模型对应的ID作为关联规则力导向布局图的中心点簇,用矢量箭头表达频繁项集中两个或多个属性值之间的关联规则,用节点之间的连线粗线表示两个属性间的关联强弱,直观地展示所挖掘的数据属性与该部位相关的关联强弱关系,并指导该部位的故障处理结果。
本发明的一个具体实施例,以某制造企业装配过程中产生的产品质量数据分析为例,如下:
步骤一:基于CATIA、3DMAX、unity三种软件完成产品三维模型转换、轻量化和导入。
步骤1.1:将CATIA软件中装配体的三维实体模型以CATProduct格式保存文件。
步骤1.2:用3DMAX软件批量导入CATProduct格式的产品三维模型文件。
批量导入步骤:运行3DMAX软件,在界面中的菜单栏选择“脚本”-“运行脚本”,打开脚本。选择“批量导入CATProduct”,选择一个或多个要导入的产品三维模型文件。从而完成产品三维模型文件的批量导入。
步骤1.3:用3DMAX软件结合Polygon Cruncher对模型进行优化计算
优化模型步骤:在打开的模型文件中,选择要优化的模型,在“Xview”中显示统计多边形面数和顶点个数。在满足质量分析的情况下选择模型优化的选项,如选择“protectborders”优化模式,材质和UV选择“preserve material boundaries”,法线选择“keepnormals”,对顶点颜色不做要求,利用适当的阀值合并顶点和面,在计算后调整级别为20%。
步骤1.4.:用3DMAX软件转换模型格式为FBX格式
模型转换步骤:在打开模型的界面中点击“导出”,选择存储格式为“fbx”,包含动画、摄影机和灯光,更改轴转化为“Y向上”,从而完成模型转换。
步骤1.5:用UNITY软件导入轻量化后的实体模型,包括产品的结构零部件和系统部件。
新建UNITY3D项目,在项目界面选择“Assets”-“import new asset”,选择要导入的所有fbx模型,将模型导入至项目中,并将各模型添加至场景中,调整模型和摄影机的相对位置和角度,使整个产品模型完整地在场景中呈现。
步骤二:将上述导入的模型数据作为依据提取、集成产品装配过程的质量相关数据,利用Apriori算法对集成的质量数据进行关联分析,实现Apriori算法并运行计算。
关联分析处理的数据对象出自于图2列举的质量数据表,包括偏差过程、故障位置、处置分类、责任部门、故障原因、外观影响、密封影响、关重件、偏离程度。其中偏差过程的属性值有功能试验(D1)、零件制造(D2)、装配(D3)、库房检验(D4)、客户检查(D5);的属性值有部件1(L1)、部件2(L2)、部件3(L3)、部件4(L4)、部件5(L5);责任部门的属性值主要有零件加工部门(R1)、装配部门(R2)、制造部门(R3)、供应商(R4)、质量审查部门(R5);外观影响字段的属性值有是(A1)和否(A2);密封影响字段的属性值包括是(S1)和否(S2);故障原因的属性值包括供应商质量问题(F1)、设计改进或更改(F2)、材料过期(F3)、制造质量问题(F4)、工艺更改(F5);关重件的属性值包括一般件(I1)、重要件(I2)和关键件(I3);偏离程度主要有较大(De1)、较小(De2)、一般(De3)、重大(De4)、重要(De5)五个属性值。处置分类主要有返工(C1)、返修(C2)、初步处理(C3)、原样使用(C4)、返给卖主(C5)、报废(C6)六个属性值。
采用基于集合的Apriori算法对质量数据表进行计算,参见图4。
计算出频繁1项集,参见图5。
在图5中左栏的一维项目集可以看到<故障位置,L2>、<故障位置,L3>、<处置分类,C4>、<处置分类,C5>、<处置分类,C6>、<故障原因,F1>与<故障原因,P1>的支持度小于最小支持度数据0.2,得到图5中右边的一维频繁项目集。再根据一维频繁项目集,通过集合求出二维项目集,参见图6。
根据二维频繁项目结果,计算频繁二项集的置信度:
步骤三,根据实验结果,结合步骤一导入的实体模型和步骤二的实时运算结果数据,在UNITY中运用3D引擎和算法包接口,可视化总装配质量数据分析结果。
步骤3.1:运用颜色映射方法,结合实时质量原始和分析数据,用颜色表示场景中质量元素的数据值的大小,在数据与颜色之间建立映射关系,把不同的质量元素数据映射为不同的颜色。在各零部件模型上体现各零部件质量问题的紧迫程度。
步骤3.2:运用力导向布局图展现质量关联分析结果中的关联规则,将各质量元素下的属性值作为结点数据,将产品结构三维模型或系统三维模型的名称与质量数据表中对应的ID关联,达到以零部件为中心的关联关系图与其零部件模型关联的目的。并将各三维模型对应的ID作为关联规则力导向布局图的中心点簇,用矢量箭头表达频繁项集中两个或多个属性值之间的关联规则,用节点之间的连线粗线表示两个属性间的关联强弱,直观地展示所挖掘的数据属性与该部位相关的关联强弱关系,并指导该部位的故障处理结果。
Claims (1)
1.一种基于三维模型的装配质量数据分析和可视化方法;其特征在于,包括以下步骤:
步骤一:基于CATIA、3DMAX、unity三种软件完成产品三维模型转换、轻量化和导入:
步骤1.1:将CATIA软件中装配体的三维实体模型以CATProduct格式保存文件;
步骤1.2:用3DMAX软件批量导入CATProduct格式的产品三维模型文件;
所述批量导入的步骤:运行3DMAX软件,在界面中的菜单栏选择“脚本”-“运行脚本”,打开脚本;选择“批量导入CATProduct”,选择一个或多个要导入的产品三维模型文件;从而完成产品三维模型文件的批量导入;
步骤1.3:用3DMAX软件结合Polygon Cruncher对模型进行优化计算:
所述优化模型的步骤:在打开的模型文件中,选择要优化的模型,在“Xview”中显示统计多边形面数和顶点个数;在满足质量分析的情况下选择模型优化的选项,选择“protectborders”优化模式,材质和UV选择“preserve material boundaries”,法线选择“keepnormals”,对顶点颜色不做要求,利用适当的阀值合并顶点和面,在计算后调整级别;
步骤1.4.:用3DMAX软件转换模型格式为FBX格式
所述模型转换的步骤:在打开模型的界面中点击“导出”,选择存储格式为“fbx”,包含动画、摄影机和灯光,更改轴转化为“Y向上”,从而完成模型转换;
步骤1.5:用UNITY软件导入轻量化后的实体模型,包括产品的结构零部件和系统部件;
新建UNITY3D项目,在项目界面选择“Assets”-“import new asset”,选择要导入的所有fbx模型,将模型导入至项目中,并将各模型添加至场景中,调整模型和摄影机的相对位置和角度,使整个产品模型完整地在场景中呈现;
步骤二:将上述导入的模型数据作为依据提取、集成产品装配过程的质量相关数据,利用Apriori算法对集成的质量数据进行关联分析,实现Apriori算法并运行计算;
步骤2.1:建立包含质量业务流程、参数和产品结构模型数据的质量数据表:
通过分析质量数据的业务流程和集成各管理系统中的质量相关数据和产品结构模型数据,建立质量数据输入和输出字段,包括偏差过程、故障位置、处置分类、责任部门、故障原因、外观影响、密封影响、关重件、偏离程度;将质量数据的各个属性值编号并映射到事务数据库D;
步骤2.3:将第一次在数据库中扫描到的结果保存在服务器内存中,后面从内存中迭代取得数据,减少与数据库打交道的次数,从而减少数据查询时间,从而提升整体计算效率;
步骤2.4:将集合运算的思想与Apriori算法相结合,得到了一种基于集合的一次访问数据库的关联规则方法;该算法仅仅只需要扫描一次数据库,通过集合操作不断迭代输出频繁项集,从而提升了频繁项集的挖掘效率;用集合的概念对频繁项集进行表示和描述,并参与迭代运算;对所有生成的频繁项集以及包含此频繁项集的相关事务集运用集合来存储和表示;在频繁(K+1)-项集的生成过程中,采用集合之间的并集与交集的运算性质,对频繁K项集求并集得到(K+1)-项集,对发生的事务集合求交集得到(K+1)-项集的数量,并将(K+1)-项集的数目与最小支持度计数比较,筛选得到得到频繁(K+1)-项集;
步骤三,结合步骤一导入的实体模型和步骤二的实时运算结果数据,在UNITY中运用3D引擎和算法包接口,可视化总装配质量数据分析结果:
步骤3.1:运用颜色映射方法,结合实时质量原始和分析数据,用颜色表示场景中质量元素的数据值的大小,在数据与颜色之间建立映射关系,把不同的质量元素数据映射为不同的颜色;在各零部件模型上体现各零部件质量问题的紧迫程度;
步骤3.2:运用力导向布局图展现质量关联分析结果中的关联规则,将各质量元素下的属性值作为结点数据,将产品结构三维模型或系统三维模型的名称与质量数据表中对应的ID关联,达到以零部件为中心的关联关系图与其零部件模型关联的目的;并将各三维模型对应的ID作为关联规则力导向布局图的中心点簇,用矢量箭头表达频繁项集中两个或多个属性值之间的关联规则,用节点之间的连线粗线表示两个属性间的关联强弱,直观地展示所挖掘的数据属性与该部位相关的关联强弱关系,并指导该部位的故障处理结果。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910975418 | 2019-10-15 | ||
CN2019109754187 | 2019-10-15 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111783318A true CN111783318A (zh) | 2020-10-16 |
CN111783318B CN111783318B (zh) | 2023-03-24 |
Family
ID=72766346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010755049.3A Active CN111783318B (zh) | 2019-10-15 | 2020-07-30 | 一种基于三维模型的装配质量数据分析和可视化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111783318B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116484452A (zh) * | 2023-04-26 | 2023-07-25 | 上海索辰信息科技股份有限公司 | 一种低代码三维数字可视化系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005642A (zh) * | 2015-06-25 | 2015-10-28 | 北京航空航天大学 | 一种三维模型批量格式转换及轻量化方法 |
CN105224593A (zh) * | 2015-08-25 | 2016-01-06 | 中国人民解放军信息工程大学 | 一种短暂上网事务中频繁共现账号挖掘方法 |
CN106647336A (zh) * | 2017-02-23 | 2017-05-10 | 南京航空航天大学 | 一种基于仿真的飞机装配过程智能监控系统 |
CN107102999A (zh) * | 2016-02-22 | 2017-08-29 | 阿里巴巴集团控股有限公司 | 关联分析方法和装置 |
US20170351244A1 (en) * | 2016-06-02 | 2017-12-07 | Ptc Inc. | Cad-based design control |
CN107451666A (zh) * | 2017-07-15 | 2017-12-08 | 西安电子科技大学 | 基于大数据分析的断路器装配质量问题追溯系统和方法 |
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 |
-
2020
- 2020-07-30 CN CN202010755049.3A patent/CN111783318B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005642A (zh) * | 2015-06-25 | 2015-10-28 | 北京航空航天大学 | 一种三维模型批量格式转换及轻量化方法 |
CN105224593A (zh) * | 2015-08-25 | 2016-01-06 | 中国人民解放军信息工程大学 | 一种短暂上网事务中频繁共现账号挖掘方法 |
CN107102999A (zh) * | 2016-02-22 | 2017-08-29 | 阿里巴巴集团控股有限公司 | 关联分析方法和装置 |
US20170351244A1 (en) * | 2016-06-02 | 2017-12-07 | Ptc Inc. | Cad-based design control |
CN106647336A (zh) * | 2017-02-23 | 2017-05-10 | 南京航空航天大学 | 一种基于仿真的飞机装配过程智能监控系统 |
CN107451666A (zh) * | 2017-07-15 | 2017-12-08 | 西安电子科技大学 | 基于大数据分析的断路器装配质量问题追溯系统和方法 |
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 |
Non-Patent Citations (2)
Title |
---|
XIANGRUI MENG ET AL.: "Symbiotic Simulation of Assembly Quality Control in Large Gas Turbine Manufacturing", 《ASIASIM 2013》 * |
秦博宏等: "Apriori算法在金属复合产品质量控制中的应用", 《北京信息科技大学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116484452A (zh) * | 2023-04-26 | 2023-07-25 | 上海索辰信息科技股份有限公司 | 一种低代码三维数字可视化系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111783318B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Santos et al. | A big data system supporting bosch braga industry 4.0 strategy | |
Suleiman et al. | Industry 4.0: Clustering of concepts and characteristics | |
EP3928168B1 (en) | Automatic extraction of assets data from engineering data sources | |
Wang et al. | A review on graph neural network methods in financial applications | |
CN110347719B (zh) | 一种基于大数据的企业外贸风险预警方法及系统 | |
Sun et al. | iCARE: A framework for big data-based banking customer analytics | |
Wang | Towards zero-defect manufacturing (ZDM)—a data mining approach | |
Kim et al. | The effect of service innovation on R&D activities and government support systems: the moderating role of government support systems in Korea | |
US20080208661A1 (en) | Method and system of using anrtifacts to identify elements of a component business model | |
Wang et al. | Research on E-commerce supply chain design based on MVC model and virtual image technology | |
Sommer et al. | Automated generation of digital twin for a built environment using scan and object detection as input for production planning | |
CN111552728A (zh) | 区块链的数据处理方法、系统、终端和存储介质 | |
Li et al. | A novel financial risk assessment model for companies based on heterogeneous information and aggregated historical data | |
CN114895876A (zh) | 一种基于模型驱动可视化开发工业系统 | |
CN111783318B (zh) | 一种基于三维模型的装配质量数据分析和可视化方法 | |
CN114417161B (zh) | 基于异构图的虚拟物品时序推荐方法、装置、介质及设备 | |
CN111464658A (zh) | 一种基于区块链的茶叶可信追溯系统及其使用方法 | |
Sirisha et al. | IoT-based data quality and data preprocessing of multinational corporations | |
CN112215655B (zh) | 一种客户画像的标签管理方法及系统 | |
CN116821223A (zh) | 基于数字孪生的工业可视化控制平台及方法 | |
CN116595418A (zh) | 一种科技成果多维画像构建方法 | |
US20230325770A1 (en) | Computer aided design assembly part scraping | |
d'Aloisio et al. | Modeling quality and machine learning pipelines through extended feature models | |
US20140149186A1 (en) | Method and system of using artifacts to identify elements of a component business model | |
Deng | Construction of a digital platform for enterprise financial management based on visual processing technology |
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 |