CN111948994A - 基于数据集成和关联分析工业产线闭环自动质量控制方法 - Google Patents
基于数据集成和关联分析工业产线闭环自动质量控制方法 Download PDFInfo
- Publication number
- CN111948994A CN111948994A CN202010805390.5A CN202010805390A CN111948994A CN 111948994 A CN111948994 A CN 111948994A CN 202010805390 A CN202010805390 A CN 202010805390A CN 111948994 A CN111948994 A CN 111948994A
- Authority
- CN
- China
- Prior art keywords
- data
- production line
- industrial production
- defect
- product
- 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.)
- Pending
Links
- 238000009776 industrial production Methods 0.000 title claims abstract description 80
- 238000003908 quality control method Methods 0.000 title claims abstract description 25
- 230000010354 integration Effects 0.000 title claims abstract description 23
- 238000010219 correlation analysis Methods 0.000 title claims abstract description 20
- 230000007547 defect Effects 0.000 claims abstract description 64
- 238000004519 manufacturing process Methods 0.000 claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 101100217298 Mus musculus Aspm gene Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009897 systematic effect Effects 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
- 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]
- G05B19/4183—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 data acquisition, e.g. workpiece identification
-
- 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]
- G05B19/41845—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 system universality, reconfigurability, modularity
-
- 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]
- G05B19/41885—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 modeling, simulation of the manufacturing system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于数据集成和关联分析工业产线闭环自动质量控制方法，目的是提供一种基于数据集成和关联分析工业产线闭环自动质量控制方法。本发明的技术方案是：获取工业产线上产品的缺陷数据和该工业产线的异常工作数据；将缺陷数据和异常工作数据输入关系网络模型，根据关系网络模型追溯产品产生相应缺陷数据的原因；根据追溯到的原因纠正工业产线的生产数据；获取生产数据数据纠正后工业产线上产品的检测结果，并在仍存在缺陷时继续纠正，直至缺陷消除；关系网络模型由大量工业产线的生产数据及对应产品的缺陷数据和相应工业产线的异常工作数据，利用聚类分析算法处理，得到相关规则后建立。本发明适用于工业制造过程中的产品质量控制领域。
Description
技术领域
本发明涉及一种基于数据集成和关联分析工业产线闭环自动质量控制方法。适用于工业制造过程中的产品质量控制领域。
背景技术
工业制造过程中造成产品质量缺陷的成因很多，有系统的、工艺的、人为的和环境的等等。对这些成因的溯源，由于缺乏应有的系统集成和数据支持，通常很困难，最终导致产品的质量控制只能局限于次品剔除或简单的基于经验的人为分析和纠偏。
发明内容
本发明要解决的技术问题是：针对上述存在的问题，提供一种基于数据集成和关联分析工业产线闭环自动质量控制方法。
本发明所采用的技术方案是：一种基于数据集成和关联分析工业产线闭环自动质量控制方法，其特征在于：
获取工业产线上产品的缺陷数据和该工业产线的异常工作数据；
将缺陷数据和异常工作数据输入关系网络模型，根据关系网络模型追溯产品产生相应缺陷数据的原因；
根据追溯到的原因纠正工业产线的生产数据；
获取生产数据数据纠正后工业产线上产品的检测结果，并在仍存在缺陷时继续纠正，直至缺陷消除；
所述关系网络模型由大量工业产线的生产数据及对应产品的缺陷数据和相应工业产线的异常工作数据，利用聚类分析算法处理，得到相关规则后建立。
所述关系网络模型的建立方法，包括：
综合已知的缺陷数据、异常工作数据、生产数据及缺陷形成原因，进行特征提取，构造出符合分析要求的特征集合；
根据具体应用场景的设备特点和种类确定分类原则，利用K-Means以及Mean-Shift聚类分析算法对数据集进行处理：
首先根据具体场景下设备异常种类选择聚类数量，然后选取代表性数据作为聚类质心，确定收敛门限，经过迭代后生成聚类模型，得到相关的规则，最后建立所构造缺陷数据、异常工作数据、生产数据及缺陷形成原因之间的关系网络模型。
所述缺陷数据包括缺陷形状、面积、数量、位置和判级。
所述获取工业产线上产品的缺陷数据，包括：
获取工业产线上产品的图像；
利用图像检测图像检测方法获取图像上产品的缺陷数据。
所述异常工作数据包括产线速度异常、抖动、打滑、跑偏。
所述生产数据包括工艺数据、系统数据、环境数据、操作数据。
一种基于数据集成和关联分析工业产线闭环自动质量控制系统，其特征在于，包括：
若干工业产线；
工业相机，安装于工业产线上，用于获取该工业产线上产品缺陷数据；
传感器，安装于工业产线上，用于获取该工业产线异常工作数据；
服务器，与工业相机、传感器和工业产线的控制器通讯，具有处理器和存储器，存储器上存储有计算机程序，该计算机程序被处理器执行时实现所述控制方法的步骤。
所述服务器根据纠正后工业产线生产数据生成产线纠正指令，并将纠正指令经压缩和加密后发送给工业产线的控制器。
本发明的有益效果是：本发明通过获取产品的缺陷数据和工业产线的异常工作数据，结合关系网络模型可追溯产品产生相应缺陷数据的原因，并根据追溯到的原因纠正工业产线的生产数据，获取纠正后的产品缺陷数据，继续纠正，直至缺陷消除。本发明将工业产线上产品的缺陷数据、工业产线异常工作数据和工业产线的生产数据进行关联分析，建立关系网络模型，用于确定缺陷成因，并根据缺陷成因结果自动纠正生产数据，实现闭环质量控制，减少因查找原因造成的时间损失，同时能预测可能发生的产线故障或问题。
附图说明
图1为实施例的流程图。
图2为实施例中关系网络模型建立框图。
图3为实施例中的系统框图。
具体实施方式
实施例1：本实施例为一种基于数据集成和关联分析工业产线闭环自动质量控制方法，包括以下步骤：
获取工业产线上产品的缺陷数据和该工业产线的异常工作数据；其中缺陷数据包括缺陷形状、面积、数量、位置和判级等；异常工作数据包括产线速度异常、抖动、打滑、跑偏等。
将缺陷数据和异常工作数据输入关系网络模型，根据关系网络模型对缺陷数据和异常工作数据采用决策树、随机森林方法进行分类，追溯产品产生相应缺陷数据的原因；
根据追溯到的原因纠正工业产线的生产数据，生产数据包括工艺数据、系统数据、环境数据、操作数据等；
获取生产数据数据纠正后工业产线上产品的检测结果，并在仍存在缺陷时继续重复上述步骤，直至缺陷消除。
本实施例中关系网络模型的建立方法，包括：
综合已知的缺陷数据、异常工作数据、生产数据及缺陷形成原因，进行特征提取，构造出符合分析要求的特征集合；
根据具体应用场景的设备特点和种类确定分类原则，利用K-Means以及Mean-Shift聚类分析算法对数据集进行处理：
首先根据具体场景下设备异常种类选择聚类数量，然后选取代表性数据作为聚类质心，确定收敛门限，经过迭代后生成聚类模型，得到相关的规则，最后建立所构造缺陷数据、异常工作数据、生产数据及缺陷形成原因之间的关系网络模型。
上述方法包括使用独热数据、曼哈顿距离及相关系数确定各数据特征间的距离；包括使用轮廓系数及调整兰德指数对上述模型进行评估以确保模型的精确。
实施例2：本实施例为一种基于数据集成和关联分析工业产线闭环自动质量控制系统，包括质量缺陷检测模块、异类多路数据集成平台、云端共享数据平台、集成数据统计分析引擎和生产设备交互模块。
在包含多工序的工业产线上，选择性的安装质量缺陷检测模块在其中一或多道工序上，检测系统通过GigE接口或CamLink接口连接的工业相机采集工业产线产品图像，通过传感器实时监测工业产线异常状态，获取工业产线的异常工作数据。
本实施例中异类多路数据集成平台负责实时收集大量来自质量缺陷检测模块检测到的历史数据和第三方数据，包括缺陷数据和异常工作数据等，并对数据进行包括匹配、过滤和标准化等的预处理，集成并预处理后的数据保存在数据集成平台数据库。
本例中云端共享数据平台通过和生管系统（MES/MIS）集成，获取生产工艺和操作数据等，并进行云端收集存储形成云端生产大数据库。
本实施例中集成数据关联分析引擎综合来自异类多路数据集成平台和云端共享数据平台的数据，对多源异构数据进行特征提取，构造出符合分析要求的特征集合，根据具体应用场景的设备特点和种类确定分类原则，利用K-Means以及Mean-Shift聚类分析算法对数据集进行处理，首先根据具体场景下设备异常种类选择聚类数量，然后选取代表性数据作为聚类质心，确定收敛门限，经过迭代后生成聚类模型，得到相关的规则，最后建立所构造的工业制造数据之间的关系网络模型。基于大数据计数挖掘影响质量的因素及关联关系，依此追溯制造业产品质量异常的原因。
根据追溯到的原因纠正工业产线的生产数据，根据纠正后工业产线生产数据生成产线纠正指令，并将纠正指令经压缩和加密后通过生产设备交互模块发送给工业产线的控制器。本例中指令数据压缩，包括使用霍夫曼压缩、PPM编码，以使数据传输效率提高；指令数据加密，包括使用MD5、SHA1算法进行加密，以提高控制设备的安全性，防止误操作。
本实施例中系统还包括数据驱动的自动纠偏系统和质量控制显示和汇报平台，数据驱动的自动纠偏系统将关联分析所得的成因结果转化为可驱动纠偏系统的动数据，通过建立与生产设备的接口进行数据指令传输，用以驱动纠偏系统对产线进行必要的纠正；当指令下发后，实时跟踪产线运行状况，判断是否消除当前缺陷或异常状态，如果异常消除，该数据自动计入数据库用于模型完善，如果异常仍然存在，系统给予警报，待人工干预后将数据录入，用于模型升级或调整。质量控制显示和汇报平台会实时显示和更新质量分析结果、自动纠偏结果和其他质量控制建议。
实施例3：本实施例还提供一种基于数据集成和关联分析工业产线闭环自动质量控制系统，包括若干工业产线、工业相机、传感器和与工业产线通讯连接的服务器，其中工业相机安装于工业产线上，用于获取该工业产线上产品缺陷数据；传感器安装于工业产线上，用于获取该工业产线异常工作数据；服务器具有处理器和存储器，存储器上存储有计算机程序，该计算机程序被处理器执行时实现实施例1中控制方法的步骤。
本例中服务器根据纠正后工业产线生产数据生成产线纠正指令，并将纠正指令经压缩和加密后生成指令数据包发送给工业产线的控制器。
Claims (8)
1.一种基于数据集成和关联分析工业产线闭环自动质量控制方法，其特征在于：
获取工业产线上产品的缺陷数据和该工业产线的异常工作数据；
将缺陷数据和异常工作数据输入关系网络模型，根据关系网络模型追溯产品产生相应缺陷数据的原因；
根据追溯到的原因纠正工业产线的生产数据；
获取生产数据数据纠正后工业产线上产品的检测结果，并在仍存在缺陷时继续纠正，直至缺陷消除；
所述关系网络模型由大量工业产线的生产数据及对应产品的缺陷数据和相应工业产线的异常工作数据，利用聚类分析算法处理，得到相关规则后建立。
2.根据权利要求1所述的基于数据集成和关联分析工业产线闭环自动质量控制方法，其特征在于，所述关系网络模型的建立方法，包括：
综合已知的缺陷数据、异常工作数据、生产数据及缺陷形成原因，进行特征提取，构造出符合分析要求的特征集合；
根据具体应用场景的设备特点和种类确定分类原则，利用K-Means以及Mean-Shift聚类分析算法对数据集进行处理：
首先根据具体场景下设备异常种类选择聚类数量，然后选取代表性数据作为聚类质心，确定收敛门限，经过迭代后生成聚类模型，得到相关的规则，最后建立所构造缺陷数据、异常工作数据、生产数据及缺陷形成原因之间的关系网络模型。
3.根据权利要求1所述的基于数据集成和关联分析工业产线闭环自动质量控制方法，其特征在于：所述缺陷数据包括缺陷形状、面积、数量、位置和判级。
4.根据权利要求3所述的基于数据集成和关联分析工业产线闭环自动质量控制方法，其特征在于，所述获取工业产线上产品的缺陷数据，包括：
获取工业产线上产品的图像；
利用图像检测图像检测方法获取图像上产品的缺陷数据。
5.根据权利要求1所述的基于数据集成和关联分析工业产线闭环自动质量控制方法，其特征在于：所述异常工作数据包括产线速度异常、抖动、打滑、跑偏。
6.根据权利要求1所述的基于数据集成和关联分析工业产线闭环自动质量控制方法，其特征在于：所述生产数据包括工艺数据、系统数据、环境数据、操作数据。
7.一种基于数据集成和关联分析工业产线闭环自动质量控制系统，其特征在于，包括：
若干工业产线；
工业相机，安装于工业产线上，用于获取该工业产线上产品缺陷数据；
传感器，安装于工业产线上，用于获取该工业产线异常工作数据；
服务器，与工业相机、传感器和工业产线的控制器通讯，具有处理器和存储器，存储器上存储有计算机程序，该计算机程序被处理器执行时实现权利要求1~6任意一项所述控制方法的步骤。
8.根据权利要求7所述基于数据集成和关联分析工业产线闭环自动质量控制系统，其特征在于：所述服务器根据纠正后工业产线生产数据生成产线纠正指令，并将纠正指令经压缩和加密后发送给工业产线的控制器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010805390.5A CN111948994A (zh) | 2020-08-12 | 2020-08-12 | 基于数据集成和关联分析工业产线闭环自动质量控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010805390.5A CN111948994A (zh) | 2020-08-12 | 2020-08-12 | 基于数据集成和关联分析工业产线闭环自动质量控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111948994A true CN111948994A (zh) | 2020-11-17 |
Family
ID=73332828
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010805390.5A Pending CN111948994A (zh) | 2020-08-12 | 2020-08-12 | 基于数据集成和关联分析工业产线闭环自动质量控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111948994A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113139734A (zh) * | 2021-04-30 | 2021-07-20 | 重庆城市管理职业学院 | 基于数据挖掘的智能制造管理系统 |
| CN113578972A (zh) * | 2021-04-08 | 2021-11-02 | 华院计算技术(上海)股份有限公司 | 一种热轧产品质量追溯方法及装置 |
| CN114330404A (zh) * | 2021-12-28 | 2022-04-12 | 易唯思智能自动化装备无锡有限公司 | 二维码刻印效果验证方法、系统及存储介质 |
| WO2022116107A1 (en) * | 2020-12-03 | 2022-06-09 | Boe Technology Group Co., Ltd. | Data management platform, intelligent defect analysis system, intelligent defect analysis method, computer-program product, and method for defect analysis |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109101632A (zh) * | 2018-08-15 | 2018-12-28 | 中国人民解放军海军航空大学 | 基于制造大数据的产品质量异常数据追溯分析方法 |
| CN109118079A (zh) * | 2018-08-07 | 2019-01-01 | 山东纬横数据科技有限公司 | 一种制造业产品质量数据关联分析方法 |
| CN110262437A (zh) * | 2019-07-18 | 2019-09-20 | 闽南理工学院 | 一种智能制造与控制工程实训信息处理系统及方法 |
| CN110287456A (zh) * | 2019-06-30 | 2019-09-27 | 张家港宏昌钢板有限公司 | 基于数据挖掘的大盘卷轧制表面缺陷分析方法 |
-
2020
- 2020-08-12 CN CN202010805390.5A patent/CN111948994A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109118079A (zh) * | 2018-08-07 | 2019-01-01 | 山东纬横数据科技有限公司 | 一种制造业产品质量数据关联分析方法 |
| CN109101632A (zh) * | 2018-08-15 | 2018-12-28 | 中国人民解放军海军航空大学 | 基于制造大数据的产品质量异常数据追溯分析方法 |
| CN110287456A (zh) * | 2019-06-30 | 2019-09-27 | 张家港宏昌钢板有限公司 | 基于数据挖掘的大盘卷轧制表面缺陷分析方法 |
| CN110262437A (zh) * | 2019-07-18 | 2019-09-20 | 闽南理工学院 | 一种智能制造与控制工程实训信息处理系统及方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022116107A1 (en) * | 2020-12-03 | 2022-06-09 | Boe Technology Group Co., Ltd. | Data management platform, intelligent defect analysis system, intelligent defect analysis method, computer-program product, and method for defect analysis |
| US11797557B2 (en) | 2020-12-03 | 2023-10-24 | Boe Technology Group Co., Ltd. | Data management platform, intelligent defect analysis system, intelligent defect analysis method, computer-program product, and method for defect analysis |
| CN113578972A (zh) * | 2021-04-08 | 2021-11-02 | 华院计算技术(上海)股份有限公司 | 一种热轧产品质量追溯方法及装置 |
| CN113578972B (zh) * | 2021-04-08 | 2022-09-27 | 华院计算技术(上海)股份有限公司 | 一种热轧产品质量追溯方法及装置 |
| CN113139734A (zh) * | 2021-04-30 | 2021-07-20 | 重庆城市管理职业学院 | 基于数据挖掘的智能制造管理系统 |
| CN114330404A (zh) * | 2021-12-28 | 2022-04-12 | 易唯思智能自动化装备无锡有限公司 | 二维码刻印效果验证方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111948994A (zh) | 基于数据集成和关联分析工业产线闭环自动质量控制方法 | |
| US11722642B2 (en) | Machine-vision system and method for remote quality inspection of a product | |
| KR102334965B1 (ko) | 공장 자동화 설비의 효율적 관리와 생산성 향상을 위한 예지 보전 시스템 | |
| US20170003677A1 (en) | Real Time Monitoring System and Method Thereof of Optical Film Manufacturing Process | |
| CN114754824B (zh) | 一种拉丝机的监测预警方法及系统 | |
| CN109782707A (zh) | 一种适用于工业互联网的工业现场监测方法 | |
| KR20170104705A (ko) | 설비 고장 진단 장치 및 방법 | |
| CN116107280B (zh) | 一种用于多维可视化管理的数字孪生工厂控制系统 | |
| KR20220023726A (ko) | 딥 러닝 기반 실시간 공정 감시 시스템 및 그 방법 | |
| CN115174639B (zh) | 一种基于物联网的工业设备管理方法和系统 | |
| CN115613128A (zh) | 一种晶体生长用智能控制系统 | |
| CN117852896B (zh) | 一种施工监理风险控制预警系统及方法 | |
| CN116902536A (zh) | 一种皮带机智能纠偏系统 | |
| CN117544998B (zh) | 一种基于人工智能的无线网速智能化评估系统 | |
| CN117358615B (zh) | 一种自动喷码印刷缺陷检测方法及系统 | |
| CN117113135A (zh) | 一种可对异常数据整理分类的碳排放异常监测分析系统 | |
| CN110889395A (zh) | 基于机器学习的机械运动识别方法及系统 | |
| CN116308295A (zh) | 一种工业生产数据管理方法及系统 | |
| US20210034041A1 (en) | Factory management system and control system | |
| CN117171922B (zh) | 一种钢结构制作中平行矫正的方法及系统 | |
| CN117596160B (zh) | 一种用于制造行业数据链路融通的方法和系统 | |
| CN116520758B (zh) | 一种机加工设备远程控制方法及系统 | |
| CN116993734B (zh) | 基于视觉成像进行分析的电池隔热棉裁切质量预测系统 | |
| CN115018332B (zh) | 一种基于虚拟现实的火电厂可视化管理系统 | |
| KR102489762B1 (ko) | 패턴인식에 의한 공정 이상 감지 시스템 및 그 방법 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201117 |