CN111906772A - 一种基于工业机器人的智能产品加工方法 - Google Patents
一种基于工业机器人的智能产品加工方法 Download PDFInfo
- Publication number
- CN111906772A CN111906772A CN202010350238.2A CN202010350238A CN111906772A CN 111906772 A CN111906772 A CN 111906772A CN 202010350238 A CN202010350238 A CN 202010350238A CN 111906772 A CN111906772 A CN 111906772A
- Authority
- CN
- China
- Prior art keywords
- time
- real
- supervisor
- inflection point
- working
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
Abstract
本发明涉及一种基于工业机器人的智能产品加工方法,通过预先在产品加工生产线启动时刻至产品加工完成时刻之间的监控时间段内,采集产品加工生产线上各机器人的工作参数以拟合形成工业机器人工作参数实时曲线集,根据产品加工生产线上各监管人员的监管效率拟合形成各监管人员的监管效率随时间变化的监管人员监管效率实时曲线集,通过分别计算得到各工业机器人工作参数实时曲线和各监管人员监管效率实时曲线的拐点时刻,从而在各拐点时刻到来之前提前提醒监管人员对其所负责的机器人工作状态进行监管,便于在机器人工作状态出现异常的第一时间及时做出维护,避免该工序的机器人工作影响整个产品加工生产线的正常运行。
Description
技术领域
本发明涉及智能工业化领域,尤其涉及一种基于工业机器人的智能产品加工方法。
背景技术
随着工业加工不断向智能化发展,尤其是“工业4.0”等新概念的提出,越来越多的产品加工企业针对产品加工生产线开始逐步推进“机器换人”进程,通过工业机器人替代普通工人的工作,以提高产品加工效率,增大产品加工数量。
在产品加工生产线的不同工序处一般都会配置有工业机器人,这就使得整个产品加工生产线上具有很多个工业机器人,通过这些工业机器人之间的精准配合工作,可以明显地提高产品加工速度和产品加工质量。不过,即便采用了工业机器人,也仍然无法保证机器人因长时间处于工作状态引起的自身工作参数发生变化,比如说工业机器人的自由度、分辨率、工作空间、工作速度和工作载荷等工作参数都会随着长时间的超负荷工作而出现异常,进而导致工业机器人在产品加工生产线上所负责的工序出现问题,影响最终产品的加工速度和加工质量。因此,很多加工企业会在已配置有工业机器人的产品加工生产线上增安排监管人员,每一个监管人员负责一个或者多个工业机器人的工作,以在工业机器人工作状态出现异常时,可以第一时间进行维护工作,确保整个产品加工生产线的正常运转。
但是,由于每一个监管人员自身因素的原因,监管人员和产品加工生产线的管理方无法及时地预知每个工业机器人一般在什么时刻出现工作异常的情况,导致因监管人员因无法第一时刻及时掌握机器人的异常工作而影响该产品加工生产线上其他工序的正常进行,最终也没有因“机器换人”有效地满足提高产品加工效率的需求。
发明内容
本发明所要解决的技术问题是针对上述现有技术提供一种基于工业机器人的智能产品加工方法。
本发明解决上述技术问题所采用的技术方案为:一种基于工业机器人的智能产品加工方法,其特征在于,包括如下步骤:
步骤1,预先对工业车间内的产品加工生产线上所装配的所有工业机器人的识别信息以及对应工业机器人的工作参数进行存储,形成针对该产品加工生产线的工业机器人参数数据库;其中:
工业机器人参数数据库包括工业机器人识别信息数据库和工业机器人工作参数数据库;该产品加工生产线的工业机器人参数数据库标记为SMechanic,工业机器人识别信息数据库标记为SMechanic,1,工业机器人工作参数数据库标记为SMechanic,2,SMechanic={SMechanic,1,SMechanic,2};工业机器人工作参数包括自由度、分辨率、工作空间、工作速度和工作载荷;
该产品加工生产线上所装配的工业机器人总数量标记为N,第n个工业机器人标记为Mechanicn,1≤n≤N;该工业机器人Mechanicn的识别信息标记为该工业机器人Mechanicn的自由度、分辨率、工作空间、工作速度和工作载荷分别对应地标记为和
步骤2,预先存储所述产品加工生产线上所配置的所有负责监管各工业机器人的监管人员所对应的监管工作参数,形成针对该产品加工生产线的监管人员监管工作参数数据库;
其中,每一个监管人员专职负责监管一个工业机器人,监管人员监管工作参数数据库包括监管人员身份信息数据库以及监管人员针对工业机器人员的监管效率数据库;监管人员监管工作参数数据库标记为Sworker,监管人员身份信息数据库标记为Sworker,1,监管效率数据库标记为Sworker,2;监管人员身份信息数据库Sworker,1内包括监管人员的姓名、年龄、性别和在该产品加工生产线上的持续监管时间;
步骤3,向所述产品加工生产线的原料输入口输入预设数量的测试样品,启动该产品加工生产线;
步骤4,以产品加工生产线的启动时刻作为原始时刻且以输出产品成品的时刻为终止时刻,在所述原始时刻和所述终止时刻之间的监控时间段内,按照预设采样时刻采集该产品加工生产线上各工业机器人的各工作参数,形成工业机器人工作参数集样本数据库,并拟合形成各工作参数随时间变化的工业机器人工作参数实时曲线集;
其中,所述原始时刻和所述终止时刻之间的监控时间段记为标记为T,拟合形成的工业机器人工作参数实时曲线集标记为YMechanic,工业机器人Mechanicn的工作参数实时曲线集标记为工业机器人Mechanicn的自由度实时曲线、分辨率实时曲线、工作空间实时曲线、工作速度实时曲线和工作载荷实时曲线分别对应地标记为 和t∈[0,T];
步骤5,在所述监控时间段内,按照所述的预设采样时刻采集该产品加工生产线上各监管人员的监管效率,形成监管人员监管效率样本数据库,并拟合形成各监管人员的监管效率随时间变化的监管人员监管效率实时曲线集;
步骤6,根据各工业机器人的各工作参数实时曲线,得到各工作参数实时曲线在所述监控时间段内出现拐点的时刻,形成针对各工业机器人的工作参数拐点时刻数据库;
步骤7,根据监管人员监管效率实时曲线集,得到各监管人员监管效率实时曲线在所述监控时间段内出现拐点的时刻,形成状针对各监管人员监管效率的监管效率拐点时刻数据库;其中,在监控时间段T内,监管效率实时曲线出现拐点的总数量标记为U,监管效率实时曲线的第u个拐点所对应的拐点时刻标记为1≤u≤U;
步骤8,将所述工作参数拐点时刻数据库内的各拐点时刻作为监管提醒时刻,且在各工作参数曲线的拐点时刻到来之前的第一预设时间点提醒对应的监管人员针对其所负责工作机器人的该工作参数执行监管和维护;
步骤9,将所述监管效率拐点时刻数据库内的各拐点时刻作为人员提醒时刻,且在各监管效率拐点时刻到来之前的第二预设时间点提醒对应的监管人员集中精力执行监管工作。
改进地,所述基于工业机器人的智能产品加工方法还包括:当所述工作参数拐点时刻数据库内的拐点时刻与所述监管效率拐点时刻数据库内的拐点时刻出现重合时,向出现重合的该拐点时刻所对应的监管人员重复发送监管提醒的操作。
进一步改进,在所述基于工业机器人的智能产品加工方法中,当所述工作参数拐点时刻数据库内的任一拐点时刻所对应的拐点值为正值时,则不予针对该拐点时刻向监管人员发送提醒操作。
再改进,所述基于工业机器人的智能产品加工方法还包括:
对所述监管人员监管效率实时曲线集内各监管人员监管效率实时曲线在所述监控时间段内出现拐点的监管人员监管效率实时曲线做标记处理;
根据标记处理的所有监管人员监管效率实时曲线,得到对应监管人员的监管人员身份信息,形成监管效率异常人员信息数据库;
提取所述监管效率异常人员信息数据库内各监管人员的身份信息,并查找得到该监管效率异常人员信息数据库内所有监管人员共同拥有的身份特点信息;
将查找的该身份特点信息作为监管效率异常的提示信息提供给所述产品加工生产线的管理方。
进一步地,所述身份特点信息为姓名、年龄、性别和持续监管时间中的至少一个信息。
与现有技术相比,本发明的优点在于:该发明中的智能产品加工方法,通过预先在产品加工生产线启动时刻至产品加工完成时刻之间的监控时间段内,采集产品加工生产线上各机器人的工作参数以拟合形成机器人的各工作参数随时间变化的工业机器人工作参数实时曲线集,并且还根据产品加工生产线上各监管人员的监管效率,拟合形成各监管人员的监管效率随时间变化的监管人员监管效率实时曲线集,然后通过分别计算得到各工业机器人工作参数实时曲线和各监管人员监管效率实时曲线的拐点时刻,从而在计算的各拐点时刻到来之前提前提醒监管人员对其所负责的机器人工作状态进行监管,以便于在机器人工作状态出现异常的第一时间就可以及时做出维护,避免该工序的机器人工作影响整个产品加工生产线的正常运行。另外,通过利用针对各工业机器人工作参数实时曲线和各监管人员监管效率实时曲线的拐点时刻的计算,不仅做到了针对工业机器人工作异常的提前预警,而且也非常有助于短时间段内无法及时更换工业机器人的产品加工生产线,降低了产品加工生产线的更换成本。
附图说明
图1为本发明实施例中基于工业机器人的智能产品加工方法流程示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
参见图1所示,本实施例提供一种基于工业机器人的智能产品加工方法,包括如下步骤:
步骤1,预先对工业车间内的产品加工生产线上所装配的所有工业机器人的识别信息以及对应工业机器人的工作参数进行存储,形成针对该产品加工生产线的工业机器人参数数据库;其中,在该实施例中,工业机器人参数数据库包括工业机器人识别信息数据库和工业机器人工作参数数据库;该产品加工生产线的工业机器人参数数据库标记为SMechanic,工业机器人识别信息数据库标记为SMechanic,1,工业机器人工作参数数据库标记为SMechanic,2,SMechanic={SMechanic,1,SMechanic,2};工业机器人工作参数包括自由度、分辨率、工作空间、工作速度和工作载荷;
该产品加工生产线上所装配的工业机器人总数量标记为N,第n个工业机器人标记为Mechanicn,1≤n≤N;该工业机器人Mechanicn的识别信息标记为该工业机器人Mechanicn的自由度、分辨率、工作空间、工作速度和工作载荷分别对应地标记为和
步骤2,预先存储该产品加工生产线上所配置的所有负责监管各工业机器人的监管人员所对应的监管工作参数,形成针对该产品加工生产线的监管人员监管工作参数数据库;其中,在该实施例的智能产品加工方法中,每一个监管人员专职负责监管一个工业机器人,监管人员监管工作参数数据库包括监管人员身份信息数据库以及监管人员针对工业机器人员的监管效率数据库;监管人员监管工作参数数据库标记为Sworker,监管人员身份信息数据库标记为Sworker,1,监管效率数据库标记为Sworker,2;监管人员身份信息数据库Sworker,1内包括监管人员的姓名、年龄、性别和在产品加工生产线上的持续监管时间;
该产品加工生产线上的监管人员总数量为N,第n个监管人员标记为Workern,该监管人员Workern负责专职监管产品加工生产线上的工业机器人Mechanicn;该监管人员Workern的监管效率标记为
步骤3,向产品加工生产线的原料输入口输入预设数量的测试样品,启动该产品加工生产线;
步骤4,以产品加工生产线的启动时刻作为原始时刻且以输出产品成品的时刻为终止时刻,在原始时刻和终止时刻之间的监控时间段内,按照预设采样时刻采集该产品加工生产线上各工业机器人的各工作参数,形成工业机器人工作参数集样本数据库,并拟合形成各工作参数随时间变化的工业机器人工作参数实时曲线集;
其中,这里的原始时刻和终止时刻之间的监控时间段记为标记为T,拟合形成的工业机器人工作参数实时曲线集标记为YMechanic,工业机器人Mechanicn的工作参数实时曲线集标记为工业机器人Mechanicn的自由度实时曲线、分辨率实时曲线、工作空间实时曲线、工作速度实时曲线和工作载荷实时曲线分别对应地标记为 和t∈[0,T];
需要说明的,此处通过拟合出各工业机器人工作参数实时曲线集,可以提前掌握每一个工业机器人的各工作参数在每一个时刻的工作状态情况,从而便于产品加工生产线的管理方提前获知工业机器人的哪些工作参数在哪些时刻可能会出现工作异常的情况,这样就可以提前提醒对应工业机器人的监管人员,让这些监管人员注意监控自己所负责工业机器人的状态情况,从而确保监管人员可以提前掌握工业机器人在各时刻的工作状态,提高了工作状态异常时的应对维护效率,避免该工序的机器人工作影响整个产品加工生产线的正常运行;
步骤5,在监控时间段T内,按照与步骤4中相同的预设采样时刻采集该产品加工生产线上各监管人员的监管效率,形成监管人员监管效率样本数据库,并拟合形成各监管人员的监管效率随时间变化的监管人员监管效率实时曲线集;其中,此处所拟合形成的监管人员监管效率实时曲线集标记为Yworker,监管人员Workern的监管效率实时曲线标记为t∈[0,T];
需要说明的,此处通过拟合出监管人员监管效率实时曲线,可以后续根据该监管人员监管效率实时曲线来预先推出监管人员在各时刻所对应的监管效率情况,便于产品加工生产线的管理方提醒对应的监管人员或者由其他人员来替换当前的监管人员,确保位于产品加工生产线上的各监管人员的监管效率始终是较高的;
步骤6,根据各工业机器人的各工作参数实时曲线,得到各工作参数实时曲线在监控时间段T内出现拐点的时刻,形成针对各工业机器人的工作参数拐点时刻数据库;
其中,该实施例中的“拐点”即为数学意义上所定义的“拐点”;在监控时间段T内,工业机器人Mechanicn的自由度实时曲线分辨率实时曲线工作空间实时曲线工作速度实时曲线和工作载荷实时曲线出现拐点的总数量分别对应地标记为K、W、R、Q和J;
此处需要说明的是,通过对工业机器人的各工作参数实时曲线拐点的计算,可以提前了解工业机器人在产品加工线上所处不同时刻的工作状态情况,以了解其是否工作异常;如果工作参数曲线出现了拐点,就认为工业机器人的工作参数在此拐点所对应的时刻(或称拐点时刻)出现了异常,需要提醒专属负责该工业机器人的监管人员提前做好监管和维护工作,从而做到工业机器人工作异常的提前预警,尤其有助于短时间段内无法及时更换工业机器人的产品加工生产线。
步骤7,根据监管人员监管效率实时曲线集,得到各监管人员监管效率实时曲线在所述监控时间段内出现拐点的时刻,形成状针对各监管人员监管效率的监管效率拐点时刻数据库;其中,在监控时间段T内,监管效率实时曲线出现拐点的总数量标记为U,监管效率实时曲线的第u个拐点所对应的拐点时刻标记为1≤u≤U;拐点时刻为监管效率实时曲线的二阶导数取值为零时所对应的时刻;即,
步骤8,将工作参数拐点时刻数据库内的各拐点时刻作为监管提醒时刻,且在各工作参数曲线的拐点时刻到来之前的第一预设时间点提醒对应的监管人员针对其所负责工作机器人的该工作参数执行监管和维护;
步骤9,将监管效率拐点时刻数据库内的各拐点时刻作为人员提醒时刻,且在各监管效率拐点时刻到来之前的第二预设时间点提醒对应的监管人员集中精力执行监管工作。
该实施例的智能产品加工方法,通过预先在产品加工生产线启动时刻至产品加工完成时刻之间的监控时间段内,采集产品加工生产线上各机器人的工作参数以拟合形成机器人的各工作参数随时间变化的工业机器人工作参数实时曲线集,并且还根据产品加工生产线上各监管人员的监管效率,拟合形成各监管人员的监管效率随时间变化的监管人员监管效率实时曲线集,通过分别计算得到各工业机器人工作参数实时曲线和各监管人员监管效率实时曲线的拐点时刻,从而在计算的各拐点时刻到来之前提前提醒监管人员对其所负责的机器人工作状态进行监管,以便于在机器人工作状态出现异常的第一时间就可以及时做出维护,避免该工序的机器人工作影响整个产品加工生产线的正常运行。
当然,当工作参数拐点时刻数据库内的拐点时刻与监管效率拐点时刻数据库内的拐点时刻出现重合时,说明产品加工生产线在该拐点时刻出现工作异常的概率非常大,则需要向出现重合的该拐点时刻所对应的监管人员重复发送监管提醒的操作,以引起该监管人员针对自身注意和针对自身所负责工业机器人的重点监管。另外,当工作参数拐点时刻数据库内的任一拐点时刻所对应的拐点值为正值时,说明工业机器人在该任一拐点时刻所对应的工作状态是正常的,没有异常情况出现,则不予针对该拐点时刻向监管人员发送提醒操作。
为了确保产品加工生产线上各监管人员对工业机器人的监管效率实现最大化,该实施例的基于工业机器人的智能产品加工方法还包括如下步骤S1~S4的操作:
步骤S1,对监管人员监管效率实时曲线集Yworker内各监管人员监管效率实时曲线在监控时间段T内出现拐点的监管人员监管效率实时曲线做标记处理;
步骤S2,根据标记处理的所有监管人员监管效率实时曲线,得到对应监管人员的监管人员身份信息,形成监管效率异常人员信息数据库;
步骤S3,提取监管效率异常人员信息数据库内各监管人员的身份信息,并查找得到该监管效率异常人员信息数据库内所有监管人员共同拥有的身份特点信息;其中,这里的身份特点信息为姓名、年龄、性别和持续监管时间中的至少一个信息;
步骤S4,将查找的该身份特点信息作为监管效率异常的提示信息提供给产品加工生产线的管理方。
尽管以上详细地描述了本发明的优选实施例,但是应该清楚地理解,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于工业机器人的智能产品加工方法,其特征在于,包括如下步骤:
步骤1,预先对工业车间内的产品加工生产线上所装配的所有工业机器人的识别信息以及对应工业机器人的工作参数进行存储,形成针对该产品加工生产线的工业机器人参数数据库;其中:
工业机器人参数数据库包括工业机器人识别信息数据库和工业机器人工作参数数据库;该产品加工生产线的工业机器人参数数据库标记为SMechanic,工业机器人识别信息数据库标记为SMechanic,1,工业机器人工作参数数据库标记为SMechanic,2,SMechanic={SMechanic,1,SMechanic,2};工业机器人工作参数包括自由度、分辨率、工作空间、工作速度和工作载荷;
该产品加工生产线上所装配的工业机器人总数量标记为N,第n个工业机器人标记为Mechanicn,1≤n≤N;该工业机器人Mechanicn的识别信息标记为该工业机器人Mechanicn的自由度、分辨率、工作空间、工作速度和工作载荷分别对应地标记为和
步骤2,预先存储所述产品加工生产线上所配置的所有负责监管各工业机器人的监管人员所对应的监管工作参数,形成针对该产品加工生产线的监管人员监管工作参数数据库;
其中,每一个监管人员专职负责监管一个工业机器人,监管人员监管工作参数数据库包括监管人员身份信息数据库以及监管人员针对工业机器人员的监管效率数据库;监管人员监管工作参数数据库标记为Sworker,监管人员身份信息数据库标记为Sworker,1,监管效率数据库标记为Sworker,2;监管人员身份信息数据库Sworker,1内包括监管人员的姓名、年龄、性别和在该产品加工生产线上的持续监管时间;
步骤3,向所述产品加工生产线的原料输入口输入预设数量的测试样品,启动该产品加工生产线;
步骤4,以产品加工生产线的启动时刻作为原始时刻且以输出产品成品的时刻为终止时刻,在所述原始时刻和所述终止时刻之间的监控时间段内,按照预设采样时刻采集该产品加工生产线上各工业机器人的各工作参数,形成工业机器人工作参数集样本数据库,并拟合形成各工作参数随时间变化的工业机器人工作参数实时曲线集;
其中,所述原始时刻和所述终止时刻之间的监控时间段记为标记为T,拟合形成的工业机器人工作参数实时曲线集标记为YMechanic,工业机器人Mechanicn的工作参数实时曲线集标记为工业机器人Mechanicn的自由度实时曲线、分辨率实时曲线、工作空间实时曲线、工作速度实时曲线和工作载荷实时曲线分别对应地标记为 和t∈[0,T];
步骤5,在所述监控时间段内,按照所述的预设采样时刻采集该产品加工生产线上各监管人员的监管效率,形成监管人员监管效率样本数据库,并拟合形成各监管人员的监管效率随时间变化的监管人员监管效率实时曲线集;
步骤6,根据各工业机器人的各工作参数实时曲线,得到各工作参数实时曲线在所述监控时间段内出现拐点的时刻,形成针对各工业机器人的工作参数拐点时刻数据库;
步骤7,根据监管人员监管效率实时曲线集,得到各监管人员监管效率实时曲线在所述监控时间段内出现拐点的时刻,形成状针对各监管人员监管效率的监管效率拐点时刻数据库;其中,在监控时间段T内,监管效率实时曲线出现拐点的总数量标记为U,监管效率实时曲线的第u个拐点所对应的拐点时刻标记为1≤u≤U;
步骤8,将所述工作参数拐点时刻数据库内的各拐点时刻作为监管提醒时刻,且在各工作参数曲线的拐点时刻到来之前的第一预设时间点提醒对应的监管人员针对其所负责工作机器人的该工作参数执行监管和维护;
步骤9,将所述监管效率拐点时刻数据库内的各拐点时刻作为人员提醒时刻,且在各监管效率拐点时刻到来之前的第二预设时间点提醒对应的监管人员集中精力执行监管工作。
2.根据权利要求1所述的基于工业机器人的智能产品加工方法,其特征在于,还包括:当所述工作参数拐点时刻数据库内的拐点时刻与所述监管效率拐点时刻数据库内的拐点时刻出现重合时,向出现重合的该拐点时刻所对应的监管人员重复发送监管提醒的操作。
3.根据权利要求2所述的基于工业机器人的智能产品加工方法,其特征在于,当所述工作参数拐点时刻数据库内的任一拐点时刻所对应的拐点值为正值时,则不予针对该拐点时刻向监管人员发送提醒操作。
4.根据权利要求1~3任一项所述的基于工业机器人的智能产品加工方法,其特征在于,还包括:
对所述监管人员监管效率实时曲线集内各监管人员监管效率实时曲线在所述监控时间段内出现拐点的监管人员监管效率实时曲线做标记处理;
根据标记处理的所有监管人员监管效率实时曲线,得到对应监管人员的监管人员身份信息,形成监管效率异常人员信息数据库;
提取所述监管效率异常人员信息数据库内各监管人员的身份信息,并查找得到该监管效率异常人员信息数据库内所有监管人员共同拥有的身份特点信息;
将查找的该身份特点信息作为监管效率异常的提示信息提供给所述产品加工生产线的管理方。
5.根据权利要求4所述的基于工业机器人的智能产品加工方法,其特征在于,所述身份特点信息为姓名、年龄、性别和持续监管时间中的至少一个信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010350238.2A CN111906772B (zh) | 2020-04-28 | 2020-04-28 | 一种基于工业机器人的智能产品加工方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010350238.2A CN111906772B (zh) | 2020-04-28 | 2020-04-28 | 一种基于工业机器人的智能产品加工方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111906772A true CN111906772A (zh) | 2020-11-10 |
CN111906772B CN111906772B (zh) | 2022-04-08 |
Family
ID=73237859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010350238.2A Active CN111906772B (zh) | 2020-04-28 | 2020-04-28 | 一种基于工业机器人的智能产品加工方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111906772B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113805055A (zh) * | 2021-09-10 | 2021-12-17 | 常州市武进亚太机电配件有限公司 | 一种安全可靠的直流无刷电机生产监控方法 |
CN114724961A (zh) * | 2022-04-22 | 2022-07-08 | 上海晶岳电子有限公司 | 超结mos管的背金生产智能流转方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090143913A1 (en) * | 2007-10-29 | 2009-06-04 | Ki Beom Kim | Image-based self-diagnosis apparatus and method for robot |
CN106695787A (zh) * | 2016-12-17 | 2017-05-24 | 上海新时达电气股份有限公司 | 一种速度规划方法 |
CN107817509A (zh) * | 2017-09-07 | 2018-03-20 | 上海电力学院 | 基于rtk北斗和激光雷达的巡检机器人导航系统及方法 |
CN107876970A (zh) * | 2017-12-13 | 2018-04-06 | 浙江工业大学 | 一种机器人多层多道焊接焊缝三维检测及焊缝拐点识别方法 |
CN108537410A (zh) * | 2018-03-16 | 2018-09-14 | 厦门攸信信息技术有限公司 | 一种提高产线工人操作效率的方法和系统 |
CN108824817A (zh) * | 2018-06-15 | 2018-11-16 | 宁波大学 | 基于可实时感知的构件和bim的装配式建筑自动装配方法 |
CN109683574A (zh) * | 2019-01-10 | 2019-04-26 | 上海海事大学 | 一种工业机器人运行状态监测及维护方法 |
CN110861123A (zh) * | 2019-11-14 | 2020-03-06 | 华南智能机器人创新研究院 | 机器人运行状态的可视化监控和评估的方法及装置 |
-
2020
- 2020-04-28 CN CN202010350238.2A patent/CN111906772B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090143913A1 (en) * | 2007-10-29 | 2009-06-04 | Ki Beom Kim | Image-based self-diagnosis apparatus and method for robot |
CN106695787A (zh) * | 2016-12-17 | 2017-05-24 | 上海新时达电气股份有限公司 | 一种速度规划方法 |
CN107817509A (zh) * | 2017-09-07 | 2018-03-20 | 上海电力学院 | 基于rtk北斗和激光雷达的巡检机器人导航系统及方法 |
CN107876970A (zh) * | 2017-12-13 | 2018-04-06 | 浙江工业大学 | 一种机器人多层多道焊接焊缝三维检测及焊缝拐点识别方法 |
CN108537410A (zh) * | 2018-03-16 | 2018-09-14 | 厦门攸信信息技术有限公司 | 一种提高产线工人操作效率的方法和系统 |
CN108824817A (zh) * | 2018-06-15 | 2018-11-16 | 宁波大学 | 基于可实时感知的构件和bim的装配式建筑自动装配方法 |
CN109683574A (zh) * | 2019-01-10 | 2019-04-26 | 上海海事大学 | 一种工业机器人运行状态监测及维护方法 |
CN110861123A (zh) * | 2019-11-14 | 2020-03-06 | 华南智能机器人创新研究院 | 机器人运行状态的可视化监控和评估的方法及装置 |
Non-Patent Citations (1)
Title |
---|
徐江陵: "工业机器人云平台的构建", 《现代企业》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113805055A (zh) * | 2021-09-10 | 2021-12-17 | 常州市武进亚太机电配件有限公司 | 一种安全可靠的直流无刷电机生产监控方法 |
CN113805055B (zh) * | 2021-09-10 | 2022-07-01 | 常州市武进亚太机电配件有限公司 | 一种安全可靠的直流无刷电机生产监控方法 |
CN114724961A (zh) * | 2022-04-22 | 2022-07-08 | 上海晶岳电子有限公司 | 超结mos管的背金生产智能流转方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111906772B (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109711659B (zh) | 一种工业生产的良率提升管理系统和方法 | |
CN111906772B (zh) | 一种基于工业机器人的智能产品加工方法 | |
CN108446864B (zh) | 基于大数据分析的轨道交通设备的故障预警系统及方法 | |
CN101710235B (zh) | 一种数控机床在线加工工件的自动识别和监控方法 | |
US20110166912A1 (en) | Plant analysis system | |
CN116483015B (zh) | 一种车间设备监控方法、装置、设备及存储介质 | |
CN114488996A (zh) | 一种设备健康监控与预警方法及系统 | |
CN113253037B (zh) | 基于电流波纹的边云协同设备状态监测方法及系统、介质 | |
CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
CN109523030B (zh) | 一种基于机器学习的遥测参数异常监测系统 | |
CN109324264B (zh) | 一种配电网线路阻抗数据异常值的辨识方法及装置 | |
CN117094605B (zh) | 一种铸件质量控制方法及系统 | |
CN117150333A (zh) | 一种冲压成型设备的运维监管方法及系统 | |
Kim et al. | Die-casting defect prediction and diagnosis system using process condition data | |
Sinaga | The Quality Of Brick Products In Brick Production Process Using Six-Sigma Method At A Brick Factory In Deli Serdang Regency | |
CN117290795A (zh) | 一种适用于单个仪表测量结果异常值的在线识别方法 | |
Rozak et al. | Kaizenin world class automotive company with reduction of six big lossesin cylinder block machining line in Indonesia | |
CN112785142B (zh) | 物联网污水处理设备预警智慧工单方法及其系统 | |
CN111176174B (zh) | 一种面向冲压车间的多功能监管系统 | |
CN115510150A (zh) | 一种设备可视化管理平台 | |
CN116263734A (zh) | 工业机器人状态监控方法、系统及提示终端 | |
CN110889395B (zh) | 基于机器学习的机械运动识别方法及系统 | |
CN112181956B (zh) | 一种基于热轧工业大数据的数据挖掘的方法 | |
CN113487156A (zh) | 一种基于云-边架构的工人行为监控识别方法及装置 | |
CN113627885A (zh) | 一种电网供电异常监测系统及其监测方法 |
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 |