CN112101634A - 一种导致缺陷产品的故障设备预测方法 - Google Patents

一种导致缺陷产品的故障设备预测方法 Download PDF

Info

Publication number
CN112101634A
CN112101634A CN202010852309.9A CN202010852309A CN112101634A CN 112101634 A CN112101634 A CN 112101634A CN 202010852309 A CN202010852309 A CN 202010852309A CN 112101634 A CN112101634 A CN 112101634A
Authority
CN
China
Prior art keywords
data
parameter
control parameter
rejection
correlation
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
Application number
CN202010852309.9A
Other languages
English (en)
Inventor
胡亚凯
郑珂
李本强
杜晓冬
牛晨炜
杨强
郝海波
尤彬
赵敏
王璐
康帅帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Tobacco Henan Industrial Co Ltd
Original Assignee
China Tobacco Henan Industrial Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Tobacco Henan Industrial Co Ltd filed Critical China Tobacco Henan Industrial Co Ltd
Priority to CN202010852309.9A priority Critical patent/CN112101634A/zh
Publication of CN112101634A publication Critical patent/CN112101634A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明涉及一种导致缺陷产品的故障设备预测方法，统计剔除模块设定时间长度的数据，将出现漏剔除时的数据段进行提取，组成漏剔除历史数据集；分析漏剔除历史数据集中每个数据段的相对应的控制参数的数据，获得高相关控制参数组；从高相关控制参数组中选取一高相关控制参数为初步判断参数；将该初步判断参数与其它历史数据进行比对，若符合率在设定数值范围内，则确定该初步判断参数为判断剔除设备故障的关键参数。本技术方案，通过对影响剔除模块的关键参数的判断，能够提前获得某一剔除模块出现故障，从而提前进行维护，避免了待故障发生后，再进行维修的方式，能够有效的避免漏剔除的机率，降低了质量隐患。

Description

一种导致缺陷产品的故障设备预测方法
技术领域
本发明属于烟草行业中的GDX2型包装设备控制管理技术领域，特别是指一种导致缺陷产品的故障设备预测方法。
背景技术
GDX2型包装设备属于目前行业包装设备主流机型，此机型包装工艺设计时没有对缺陷产品剔除确认功能。在生产过程中，诸如剔除气缸活动不顺畅、剔除电磁阀老化、剔除电磁铁内部积污活动不畅等等因素会导致本应剔除的缺陷产品未能准确剔除，缺陷产品将流入下一道工序，对造成极大产品质量隐患。
其中缺陷产品剔除工位主要存在以下六处：主机模组的六轮烟包剔除工位、八轮烟包剔除工位、小包成像烟包剔除工位以及辅机模组的CH出口剔除工位、CT条烟剔除工位、条烟称重剔除工位。
通过分析发现，缺陷产品不能准确剔除由两个主要原因引起的：一个是剔除模块的精度问题，一个是剔除模块的故障问题。如何对剔除装置的故障进行准确的提前判断，是实现对缺陷产品剔除的关键。
发明内容
本发明的目的是提供一种导致缺陷产品的故障设备预测方法，以解决不能及时判断或确定剔除模块的故障而影响到产品质量的问题。
本发明是通过以下技术方案实现的：
一种导致缺陷产品的故障设备预测方法，包括以下步骤：
S1、确定剔除模块的控制参数的种类及相应的数据范围；
S2、统计剔除模块设定时间长度的数据，将出现漏剔除时的数据段进行提取，组成漏剔除历史数据集；
S3、分析漏剔除历史数据集中每个数据段的相对应的控制参数的数据，并与该数据段之前的正常数据段中的相对应的控制参数的数据进行比对，并进行统计，获得高相关控制参数组；
S4、从所述高相关控制参数组中选取第一高相关控制参数为初步判断参数；
S5、将该初步判断参数与其它历史数据进行比对，若符合率在设定数值范围内，则确定该初步判断参数为判断剔除设备故障的关键参数；若符合率不在设定数值范围内，则进行步骤S6；
S6、从所述高相关控制参数组中选取第二高相关控制参数为初步判断参数，将该初步判断参数与其它历史数据进行比对，若符合率在设定数值范围内，则确定该初步判断参数为判断剔除设备故障的关键参数，若符合率不在设定数值范围内，则重复步骤S4至S5，直至对高相关控制参数组完成判断。
优选的，在对高相关控制参数组进行全部判断后，没有任何一项高相关控制参数的符合率在设定数值范围内，则选取两个或两个以上与设定数值范围的偏差小的高相关控制参数组成控制参数集，通过对控制参数集的分析，获得关键参数集，实现对剔除模块故障的提前判断。
优选的，根据上述关键参数或关键参数集，判断漏剔除历史数据集中任一数据段之前相邻的数据段内与关键参数或关键参数集中的控制参数相对应的数据，并与正常数据段中的相应控制参数的数据进行比对，若超出设定范围，则确定剔除模块将出现漏剔除故障的预判断。
本发明的有益效果是：
本技术方案，通过对影响剔除模块的关键参数的判断，能够提前获得某一剔除模块出现故障，从而提前进行维护，避免了待故障发生后，再进行维修的方式，能够有效的避免漏剔除的机率，降低了质量隐患。
具体实施方式
以下通过实施例来详细说明本发明的技术方案，以下的实施例仅是示例性的，仅能用来解释和说明本发明的技术方案，而不能解释为是对本发明技术方案的限制。
本申请的故障设备预测方法以GDX2型包装机的六个缺陷产品剔除工位为例进行说明。在GDX2型包装机上共有六个缺陷产品剔除工位，分别为主机部分的六轮烟包剔除工位、八轮烟包剔除工位、小包成像烟包剔除工位，辅机部分的CH出口剔除工位、CT条烟剔除工位及条烟称重剔除工位。
上述的每个剔除工位均包括剔除模块、检测模块及确认模块。
本申请的技术方案中，首先对上述各剔除工位的控制参数进行统计，上述的控制参数并不是本技术方案的需要单独增加的控制参数，而是现技术中，各个剔除工位的控制参数的种类及相应的数据范围，并且上述的控制参数的种类是确定的，即本申请的技术方案是利用现有的各剔除工位的控制参数种类，在本实施例中，控制参数的种类以五种为例，分别为A控制参数、B控制参数、C控制参数、D控制参数、E控制参数。
利用历史数据统计，在此以六轮烟包剔除工位为例进行说明，统计六轮烟包剔除工位设定时间长度的各控制参数的数据，在此设定时间长度可以根据需要进行任意的设定，比如一个月、三个月、六个月、一年、两年或更长时间，在本申请中，以六个月为例进行说明，在此从数据库中调出任一年度的历史记录，以六个月为设定时间长度，在此六个月的数据中，经过统计分析，共出现过六次漏剔除的记录，为此，将这六段漏剔除时的数据段进行提取，提取的数据段的时长可以根据需要进行确认，在此实施例中，以10秒为数据段的时长，并组成由六段数据段组成的漏剔除数据集，包括A1～6控制参数、B1～6控制参数、C1～6控制参数、D1～6控制参数、E1～6控制参数。
分别分析这六段数据段对应的控制参数数据，并与六个月的内，此数据段之间的同样时间长度的正常状态的数据段所对应的参数进行比对，获得高相关控制参数组，高相关控制参数组中所对应的控制参数的数据均与正常状态数据段的对应控制参数数据有所变化，在此进行举例说明，比如第一个数据段中，经过比对，A1控制参数的数据和C1控制参数的数据与正常数据相比有变化；第二个数据段中，A2控制参数的数据、C2控制参数的数据及D2控制参数的数据与正常数据相比有变化；第三个数据段中，A3控制参数的数据、B3控制参数的数据及D3控制参数的数据与正常数据相比有变化；第四个数据段中，A4控制参数的数据和C4控制参数的数据与正常数据相比有变化；第五个数据段中，A5控制参数的数据、B5控制参数的数据及D5控制参数的数据与正常数据相比有变化；第六个数据段中，B6控制参数的数据及D6控制参数的数据与正常数据相比有变化，经过统计，高相关控制参数组由A控制参数、B控制参数、C控制参数及D控制参数组成。
在高相关控制参数组中，A控制参数的出现次数最多，列为第一高相关控制参数，并作为初步判断参数，并将该控制参数的数据，在此选六段数据的平均值与历史数据(指本次选择的六个月数据时长之外的数据)中其它多个剔除时段的A控制参数的数据进行比对，在此以10个剔除时段的A控制参数为例进行分析，通过分析，10个剔除时段的数据异常中有9个涉及到A控制参数的数据异常，即符合率为90％，在此设定符合率为90％以上，则确认A控制参数为判断剔除设备故障的关键参数，当在正常生产过程中，若六轮烟包剔除工位的A参数的数据出现异常，则控制系统自动发送报警信号，提示操作人员，六轮烟包剔除工位有大概率会出现漏剔除故障，操作人员可以提前进行观察或进行维修等作业。
若是第一高相关控制参数的符合率没有达到90％，则使用第二高相关控制参数，以本实施例为例，B控制参数和C控制参数均可，在此以B控制参数为第二高相关控制参数，在10个剔除时段的B控制参数的数据进行比对，若是B控制参数的苻合率控制在80％以上，同样，在10个剔除时段中，有9个剔除时段的B控制参数的数据异常，则确定B控制参数为关键参数，若六轮烟包剔除工位的B控制参数的数据发生异常，则控制系统自动发送报警信号，提示操作人员，六轮烟包剔除工位有大概率会出现漏剔除故障，操作人员可以提前进行观察或进行维修等作业。
若是B控制参数的苻合率不足80％，则选择C控制参数进行和B控制参数相同的分析，若依然不符合，则选择D控制参数进行分析。
在本申请的技术方案中，可能会存在将上述的高相关控制参数组的各个控制参数均分析完成后，没有一个控制参数达到符合率，在本申请中，符合率是根据需要进行设定的，因此，各个控制参数的符合率可以相同，也可以不相同，根据实际的需要进行设定。在本实施例中，选择不同的控制参数的符合率并不相同的技术方案。
在此则选择两个或两个以上的控制参数计算的实际符合率与设定的各控制参数的符合率的偏差较小的控制参数组成控制参数集，通过控制参数集来对历史数据中的多个剔除数据段的控制参数进行分析，得到关键控制参数集，实现对剔除模块故障的提前判断。
在本申请的技术方案中，通过统计分析，各控制参数的数据突然发生变化所占的比例较小，大多数情况下，在漏剔除时段之前的数据时段就存在某些控制参数的数据异常现象，为此在确定了关键参数或关键参数集后，判断漏剔除历史数据集中任一数据段之前相邻的等长数据段内的关键参数对应的控制参数相对应的控制参数的状态，若该控制参数的数据发生变化，且变化超出设定范围，则可以根据相邻数据段的相应控制参数的变化进行提前故障的判断。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由所附权利要求及其等同限定。

Claims (3)

1.一种导致缺陷产品的故障设备预测方法，其特征在于，包括以下步骤：
S1、确定剔除模块的控制参数的种类及相应的数据范围；
S2、统计剔除模块设定时间长度的数据，将出现漏剔除时的数据段进行提取，组成漏剔除历史数据集；
S3、分析漏剔除历史数据集中每个数据段的相对应的控制参数的数据，并与该数据段之前的正常数据段中的相对应的控制参数的数据进行比对，并进行统计，获得高相关控制参数组；
S4、从所述高相关控制参数组中选取第一高相关控制参数为初步判断参数；
S5、将该初步判断参数与其它历史数据进行比对，若符合率在设定数值范围内，则确定该初步判断参数为判断剔除设备故障的关键参数；若符合率不在设定数值范围内，则进行步骤S6；
S6、从所述高相关控制参数组中选取第二高相关控制参数为初步判断参数，将该初步判断参数与其它历史数据进行比对，若符合率在设定数值范围内，则确定该初步判断参数为判断剔除设备故障的关键参数，若符合率不在设定数值范围内，则重复步骤S4至S5，直至对高相关控制参数组完成判断。
2.根据权利要求1所述的导致缺陷产品的故障设备预测方法，其特征在于，在对高相关控制参数组进行全部判断后，没有任何一项高相关控制参数的符合率在设定数值范围内，则选取两个或两个以上与设定数值范围的偏差小的高相关控制参数组成控制参数集，通过对控制参数集的分析，获得关键参数集，实现对剔除模块故障的提前判断。
3.根据权利要求1或2所述的导致缺陷产品的故障设备预测方法，其特征在于，根据上述关键参数或关键参数集，判断漏剔除历史数据集中任一数据段之前相邻的数据段内与关键参数或关键参数集中的控制参数相对应的数据，并与正常数据段中的相应控制参数的数据进行比对，若超出设定范围，则确定剔除模块将出现漏剔除故障的预判断。
CN202010852309.9A 2020-08-21 2020-08-21 一种导致缺陷产品的故障设备预测方法 Pending CN112101634A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010852309.9A CN112101634A (zh) 2020-08-21 2020-08-21 一种导致缺陷产品的故障设备预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010852309.9A CN112101634A (zh) 2020-08-21 2020-08-21 一种导致缺陷产品的故障设备预测方法

Publications (1)

Publication Number Publication Date
CN112101634A true CN112101634A (zh) 2020-12-18

Family

ID=73754190

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010852309.9A Pending CN112101634A (zh) 2020-08-21 2020-08-21 一种导致缺陷产品的故障设备预测方法

Country Status (1)

Country Link
CN (1) CN112101634A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105118294A (zh) * 2015-09-25 2015-12-02 山东易构软件技术股份有限公司 一种基于状态模式的短时交通流预测方法
CN109257120A (zh) * 2018-09-28 2019-01-22 西南电子技术研究所（中国电子科技集团公司第十研究所） 预测射频电路故障表征参数的优选方法
CN109524139A (zh) * 2018-10-23 2019-03-26 中核核电运行管理有限公司 一种基于设备工况变化的实时设备性能监测方法
JP2020038525A (ja) * 2018-09-05 2020-03-12 東日本電信電話株式会社 異常検知装置
CN111488694A (zh) * 2020-04-16 2020-08-04 盾构及掘进技术国家重点实验室 基于多元线性自回归的泥水盾构机掘进关键参数预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105118294A (zh) * 2015-09-25 2015-12-02 山东易构软件技术股份有限公司 一种基于状态模式的短时交通流预测方法
JP2020038525A (ja) * 2018-09-05 2020-03-12 東日本電信電話株式会社 異常検知装置
CN109257120A (zh) * 2018-09-28 2019-01-22 西南电子技术研究所（中国电子科技集团公司第十研究所） 预测射频电路故障表征参数的优选方法
CN109524139A (zh) * 2018-10-23 2019-03-26 中核核电运行管理有限公司 一种基于设备工况变化的实时设备性能监测方法
CN111488694A (zh) * 2020-04-16 2020-08-04 盾构及掘进技术国家重点实验室 基于多元线性自回归的泥水盾构机掘进关键参数预测方法

Similar Documents

Publication Publication Date Title
US6295478B1 (en) Manufacturing process change control apparatus and manufacturing process change control method
CN107612756A (zh) 一种具有智能故障分析处理功能的运维管理系统
CN116345696B (zh) 一种基于全域监测的异常信息分析管理系统及方法
CN109376877A (zh) 设备运维预警方法、装置、计算机设备和存储介质
CN110084490B (zh) 一种卷包车间质量风险预警的方法
CN113762604B (zh) 一种工业互联网大数据服务系统
CN109619644A (zh) 一种烟草加香加料系统异常报警方法
CN107658980A (zh) 一种用于复核电网监控告警信息的分析方法和系统
US7937168B2 (en) Automated abnormal machine tracking and notifying system and method
CN102023620B (zh) 用于对半导体制造工艺线中的机台采样率进行控制的方法
CN112101634A (zh) 一种导致缺陷产品的故障设备预测方法
CN112884212A (zh) 烟支单支克重偏差分析预测方法
CN117130332A (zh) 一种基于数据分析的军工企业产线智能监管系统
CN113110382A (zh) 一种纺织机械设备故障预防处理方法
US20140163926A1 (en) Automated root cause analysis
CN111401760B (zh) 一种安全稳定控制装置异常处置决策方法及装置
CN107678399A (zh) 刀具切割过程中的风险预警系统和方法
JP2009283580A (ja) 半導体装置の生産管理システム
CN112046826A (zh) 一种包装设备缺陷产品剔除确认的控制方法
CN110085335B (zh) 安全壳泄漏率在线监测信号处理方法
JP2005033090A (ja) 製造プロセスにおける装置状態判別システム及び製造プロセス安定化システム
CN109945930A (zh) 一种基于电磁技术的机电设备故障检测方式
CN108919169A (zh) 一种电能表的故障自诊断方法
KR101844384B1 (ko) 공장 자동화 설비의 순간정지 분석방법 및 이를 이용한 순간정지 분석시스템
CN108936778B (zh) 一种卷烟制丝加工过程工序重量控制方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201218

RJ01 Rejection of invention patent application after publication