CN112784938A - 一种面向工业大数据的工序批量产出智能计数方法 - Google Patents

一种面向工业大数据的工序批量产出智能计数方法 Download PDF

Info

Publication number
CN112784938A
CN112784938A CN202110151027.0A CN202110151027A CN112784938A CN 112784938 A CN112784938 A CN 112784938A CN 202110151027 A CN202110151027 A CN 202110151027A CN 112784938 A CN112784938 A CN 112784938A
Authority
CN
China
Prior art keywords
workpiece
workpieces
module
main control
node
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
Application number
CN202110151027.0A
Other languages
English (en)
Other versions
CN112784938B (zh
Inventor
卜向红
陈伟兴
杨光明
范鹏
钱朝宁
张峰生
郑程
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.)
Hainan Castle Data Technology Co ltd
Original Assignee
Hangzhou Eohi Information System 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 Hangzhou Eohi Information System Co ltd filed Critical Hangzhou Eohi Information System Co ltd
Priority to CN202110151027.0A priority Critical patent/CN112784938B/zh
Publication of CN112784938A publication Critical patent/CN112784938A/zh
Application granted granted Critical
Publication of CN112784938B publication Critical patent/CN112784938B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisions for transferring data to distant stations, e.g. from a sensing device
    • G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisions for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
    • G06M7/00—Counting of objects carried by a conveyor
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project 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
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component
    • 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)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明公开了一种面向工业大数据的工序批量产出智能计数方法，主控模块基于输入的计划参数布局生产线；编组计划模块基于生产线信息确定任一工序向下转移一批工件的最小工件数信息；主控模块控制所有加工机台运行；对当前工序的任一加工机台，读取预设标签信息，将当前工件g与预设标签信息关联；对其进行缺陷检测后设置标签，形成{缺陷结果‑标签信息}的标签信息关联项，对缺陷品执行剔除任务，采集工件数量并反馈给主控模块，当当前工件数量为对应的最小工件数的整数倍，则转移一定数量的工件至下一工序，本发明对工件进行标签预读取，将工件间的标签信息进行相关联，保证目标产品的各个部件的可追溯性。

Description

一种面向工业大数据的工序批量产出智能计数方法
技术领域
本发明属于智能制造领域，具体来说涉及一种面向工业大数据的工序批量产出智能计数方法。
背景技术
随者信息化和自动化的融合，越来越多的智能控制技术应用于生产现场管理，有效提高了生产效率。举例来说，离散制造过程中，不同工序、不同工位的生产计划编排和执行是车间生产管理的重点，精确到单工位的产量统计可以有效提高生产管理水平。
但是现有的离散制造生产过程中，大量制造企业普遍存在着无法准确且及时统计工位产量的问题，以及因此带来的工人绩效核算困难等问题；现有的智能控制技术大多直接应用于生产设备，在车间生产管理和设备控制的联接方面存在着不足，精益生产模式推行困难。
发明内容
本发明的目的在于提供一种面向工业大数据的工序批量产出智能计数方法，以解决背景技术中提出的问题。
为实现上述目的，本发明提供技术方案如下：
一种面向工业大数据的工序批量产出智能计数方法，所述方法包括以下步骤：
步骤1：管理员通过人机交互模块输入计划参数，主控模块基于计划参数布局生产线，所述生产线包括若干工序，每一工序包括若干加工机台，每一加工机台唯一对应一加工机台编号；
步骤2：编组计划模块基于生产线信息，确定任一工序向下转移一批工件的最小工件数信息，将最小工件数信息与生产线信息关联；
步骤3：主控模块控制所有加工机台运行，生产工件；
步骤4：对当前工序的任一加工机台
Figure 679720DEST_PATH_IMAGE002
主控模块通过对应的标签读取模块预判断当 前工件g是否存在预设标签信息，若是，则执行步骤5，否则执行步骤6；
步骤5：将当前工件g与预设标签信息相关联，所述预设标签信息为前一工序的标签信息，执行步骤6；
步骤6：主控模块通过对应的缺陷检测模块对当前工件g进行缺陷检测，得到检测结果；
步骤7：主控模块通过对应的标签设置模块对当前工件g设置标签，形成{缺陷结果-标签信息}的标签信息关联项；
步骤8：主控模块通过标签信息关联项确定当前工件g的检测结果，剔除模块通过主控模块对当前工件g执行剔除任务；
步骤9：产量计测模块实时采集工件数量并反馈给主控模块，主控模块判断当前工件数量是否为对应的最小工件数的整数倍，若是，则将一定数量的工件转移至下一工序的加工机台。
优选地，所述生产线包括若干并行的子线段，任一子线段包括依次排列的至少一工序节点，至少两工序并行子线段汇流形成汇流段，汇流段的第一工序节点为汇流工序节点，对应的子线段的最后一工序节点作为汇流工序节点的子节点；
所述步骤2包括以下步骤：
步骤2.1：对任一子线段选择历史生产节拍最小的工序节点
Figure 100002_DEST_PATH_IMAGE003
，以最小化对应子线 段中最后一工序节点的运行时间为目标，通过目标函数确定对应子线段中任一工序转移至 下一工序的最小工件数；
步骤2.2：选择历史生产节拍最小的子节点作为对应汇流段的初始工序节点，对任 一汇流段选择历史生产节拍最小的工序节点
Figure 145468DEST_PATH_IMAGE003
，以最小化汇流段中最后一工序节点的运行 时间为目标，通过目标函数确定汇流段中任一工序转移至下一工序的最小工件数；
所述的目标函数为
Figure 312007DEST_PATH_IMAGE004
其中，
Figure 100002_DEST_PATH_IMAGE005
，
Figure 803600DEST_PATH_IMAGE006
,
Figure 100002_DEST_PATH_IMAGE007
,
Figure 397393DEST_PATH_IMAGE008
表示工序节点
Figure 288119DEST_PATH_IMAGE003
之后或者之前的第
Figure 100002_DEST_PATH_IMAGE009
个 工序节点完成第i批工件的时间，
Figure 523929DEST_PATH_IMAGE010
表示工序节点
Figure 82080DEST_PATH_IMAGE003
之后或者之前的第
Figure 581195DEST_PATH_IMAGE009
个工序转移的最小 工件数与工序节点
Figure 474064DEST_PATH_IMAGE003
之后或者之前的第
Figure 100002_DEST_PATH_IMAGE011
个工序节点转移的最小工件数间的比值取整 数，
Figure 100002_DEST_PATH_IMAGE013
表示工序节点
Figure 264297DEST_PATH_IMAGE003
之后或者之前的第
Figure 926222DEST_PATH_IMAGE009
个工序转移的最小工件数与工序节点k之后或者之 前的第
Figure 330659DEST_PATH_IMAGE011
个工序节点转移的最小工件数的余数，
Figure 193048DEST_PATH_IMAGE014
表示工序节点k之后或者之前 的第
Figure 239501DEST_PATH_IMAGE011
个工序节点完成第
Figure 755933DEST_PATH_IMAGE009
个工序的第i批最小工件数的时间，
Figure 100002_DEST_PATH_IMAGE015
表示工序 节点
Figure 878741DEST_PATH_IMAGE003
之后或者之前的第
Figure 949466DEST_PATH_IMAGE011
个工序向工序节点
Figure 534031DEST_PATH_IMAGE003
之后或者之前的第
Figure 904969DEST_PATH_IMAGE009
个工序转移工件所 用的时间，
Figure 651208DEST_PATH_IMAGE016
表示工序节点
Figure 491119DEST_PATH_IMAGE003
之后或者之前的第
Figure 613796DEST_PATH_IMAGE011
个工序向工序节点
Figure 839241DEST_PATH_IMAGE003
之后或者之 前的第
Figure 21961DEST_PATH_IMAGE009
个工序转移的最小工件数，
Figure 100002_DEST_PATH_IMAGE017
表示工序节点的历史生产节拍。
优选地，主控模块确定任一加工机台在每一预设时段内的缺陷的工件数
Figure 349168DEST_PATH_IMAGE018
，若存 在某一时段
Figure 100002_DEST_PATH_IMAGE019
的缺陷的工件数
Figure 806694DEST_PATH_IMAGE020
,判断
Figure 100002_DEST_PATH_IMAGE021
,且
Figure 171466DEST_PATH_IMAGE022
,若是，主控模块控制对应的加工机台停止运行，否则继续执行，其中
Figure 100002_DEST_PATH_IMAGE023
为任一时段 的缺陷工件数的上限，
Figure 790666DEST_PATH_IMAGE024
为当前所有时段的累计缺陷工件数的上限，
Figure 100002_DEST_PATH_IMAGE025
表示第
Figure 120017DEST_PATH_IMAGE026
个时段的缺 陷工件数。
优选地，所述缺陷检测模块用于对采集任一工件图像进行预处理，对预处理后的工件图像进行缺陷识别；
所述预处理包括以下步骤：
步骤a1:设置基准工件图像，基准工件图像的大小与对应工件图像的大小一致；
步骤a2:计算第g幅工件图像和基准工件图像间像素的平均灰度差异
Figure 100002_DEST_PATH_IMAGE027
，
Figure 131966DEST_PATH_IMAGE028
,其中
Figure 100002_DEST_PATH_IMAGE029
表示工件图像的宽度，
Figure 863162DEST_PATH_IMAGE030
表示工件图像的高 度，
Figure 100002_DEST_PATH_IMAGE031
表示第g幅工件图像第x行第r列的像素值，
Figure 403996DEST_PATH_IMAGE032
表示基准工件图像第x行第r列的像 素值，判断平均灰度差异
Figure 689483DEST_PATH_IMAGE027
是否大于预设修正阈值
Figure 100002_DEST_PATH_IMAGE033
，若是，执行步骤 a3，否则结束；
步骤a3：取补偿参数
Figure 505124DEST_PATH_IMAGE034
，判断第g幅工件图像的任一像素点与基准 工件图像的对应像素点的灰度差异是否大于预设修正阈值
Figure 294088DEST_PATH_IMAGE033
，若是，则修正第g幅工件图像 的对应像素点的像素值为
Figure 100002_DEST_PATH_IMAGE035
+
Figure 255091DEST_PATH_IMAGE036
，否则不修正。
优选地，所述对预处理后的工件图像进行缺陷识别包括以下步骤：
步骤b1：将预处理后的第g幅工件图像作为输入，通过工件目标检测网络输出得到关于工件的目标框，所述目标框为当前加工机台对工件加工部分的最小框选范围，截取目标框图；
步骤b2：将目标框图作为输入，通过工件缺陷检测网络输出缺陷结果。
优选地，至少一所述加工机台为半自动加工机台，至少一半自动加工机台设置一工作人员，半自动加工机台对应设置人员识别模块，所述人员识别模块与主控模块配合设置，执行所述步骤2之后，人员识别模块基于工作人员特征信息获取人员编号，将人员编号与加工机台编号相关联，待所有半自动加工机台对应的工作人员识别通过后，执行步骤3。
优选地，所述步骤9中，将一定数量的工件转移至下一工序的加工机台包括以下步骤：
步骤9.1：工件放置篮底部的重量检测模块获取基于时间序列的重量变化情况，构建基于时间序列的重量变化预测模型；
步骤9.2：通过预测模型确定完成一最小工件数的时间和对应的重量变化，对比实际的重量变化与预测的重量变化，若在预设范围，则转移至下一工序，否则继续等待。
优选地，当所有加工机台加工完毕之后，基于步骤5和步骤7得到工件信息关联列表并存储至区块链数据库，所述区块链数据库包括若干区块链节点，任一区块链节点用于存储工件信息关联列表。
优选地，所述计划参数包括目标产品编号和当日产量计划。
一种应用面向工业大数据的工序批量产出智能计数方法的系统，包括若干加工机台，任一加工机台的下料端配合设置下料传送带，下料传送带沿传送放向依次设有相配合的标签读取模块、缺陷检测模块、标签设置模块、剔除模块、产量计测模块，所有加工机台以及配合加工机台的所有产量计测模块、剔除模块、标签设置模块、缺陷检测模块、标签读取模块共同与一主控模块配合设置，所述主控模块还与人机交互模块、编组计划模块、数据存储模块、区块链数据库配合设置，所述数据存储模块与区块链数据库配合设置。
与现有技术相比，本发明的有益效果为：
本发明通过设置前置的标签读取模块对工件进行标签预读取，将工件间的标签信息进行相关联，保证目标产品的各个部件的可追溯性；通过设置缺陷检测模块对工件进行缺陷检测，并结合标签设置模块，对无论是缺陷还是非缺陷的工件均进行标签设置，用于防止缺陷工件被误认为是非缺陷工件从而流转到下一工序，同时用于对工件进行及时统计，便于对加工设备；
对半自动加工机台通过设置人员识别模块，与缺陷检测模块和产量计测模块相结合，便于工作人员进行精细化管理，可解决工人绩效核算困难等问题，通过可将出现的责任明确到个人；
通过设置编组计划模块，将生产线进行分段化划分后，对任一工序转移的最小工件数进行优化计算，可缩短目标产品的生产时间，从而有效提高目标产品的生产效率。
附图说明
图1为本发明的流程图。
图2为本发明的模块图。
图3为本发明中生产线的示意图。
具体实施方式
下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种面向工业大数据的工序批量产出智能计数方法，所述方法包括以下步骤：
步骤1：管理员通过人机交互模块输入计划参数，所述计划参数包括目标产品编号和当日产量计划；主控模块基于计划参数布局生产线，所述生产线包括若干工序，每一工序包括若干加工机台，每一加工机台唯一对应一加工机台编号；
本发明步骤1中，目标产品编号一般为产品类型编号+当日时间，产品类型编号由管理人员通过人机交互模块人为设置数据存储模块中，主控模块可读取数据存储模块中的数据信息；举例来说，存在目标产品“杯子”的产品类型编号为001，当日时间为2021年1月1日，则有目标产品编号为00120210101，当输入目标产品编号时主控模块会对该目标产品编号进行解析，确定目标产品为杯子，当日产量计划为当日计划要生产杯子的数量；至于主控模块如何基于计划参数布局由哪几个工序进行生产操作，并且每一工序中由哪几台加工机台进行具体的生产加工，此为本领域的公知常识，本领域技术人员可根据实际情况自行设置。
步骤2：编组计划模块基于生产线信息，确定任一工序向下转移一批工件的最小工件数信息，将最小工件数信息与生产线信息关联。
本发明步骤2中，由于在生产过程中，不可能等到上道工序完成所有工件后再将加工物料转移到下道工序加工，而是边加工边转移，因此需要确定转移的最小工件数，任一工序向下一工序转移的最小工件数不一定相同，需要根据前后的生产节拍等确定最小工件数，至于如何通过生产线信息确定最小工件数信息为本领域的公知常识，本领域技术人员可根据实际情况自行设置。
本发明提供一种优选的根据生产线信息确定最小工件数信息的方法，包括将生产线进行区域段的划分：生产线包括若干并行的子线段，任一子线段包括依次排列的至少一工序节点，至少两工序并行子线段汇流形成汇流段，汇流段的第一工序节点为汇流工序节点，对应的子线段的最后一工序节点作为汇流工序节点的子节点;
步骤2.1：对任一子线段选择历史生产节拍最小的工序节点
Figure 27875DEST_PATH_IMAGE003
，以最小化对应子线 段中最后一工序节点的运行时间为目标，通过目标函数确定对应子线段中任一工序转移至 下一工序的最小工件数；
步骤2.2：选择历史生产节拍最小的子节点作为对应汇流段的初始工序节点，对任 一汇流段选择历史生产节拍最小的工序节点
Figure 834157DEST_PATH_IMAGE003
，以最小化汇流段中最后一工序节点的运行 时间为目标，通过目标函数确定汇流段中任一工序转移至下一工序的最小工件数；
所述的目标函数为
Figure 491010DEST_PATH_IMAGE004
其中，
Figure 622914DEST_PATH_IMAGE006
,
Figure 617415DEST_PATH_IMAGE007
,
Figure 227388DEST_PATH_IMAGE008
表示工序节点
Figure 741677DEST_PATH_IMAGE003
之后或者之前的第
Figure 44482DEST_PATH_IMAGE009
个工序节点完成第i批工件的时间，
Figure 526279DEST_PATH_IMAGE010
表示工序节 点
Figure 939943DEST_PATH_IMAGE003
之后或者之前的第
Figure 574318DEST_PATH_IMAGE009
个工序转移的最小工件数与工序节点
Figure 782445DEST_PATH_IMAGE003
之后或者之前的第
Figure 751538DEST_PATH_IMAGE011
个 工序节点转移的最小工件数的比值取整数，
Figure 968893DEST_PATH_IMAGE013
表示工序节点
Figure 707042DEST_PATH_IMAGE003
之后或者之前的第
Figure 836803DEST_PATH_IMAGE009
个工序转 移的最小工件数与工序节点k之后或者之前的第
Figure 293192DEST_PATH_IMAGE011
个工序节点转移的最小工件数的余 数，
Figure 48658DEST_PATH_IMAGE014
表示工序节点k之后或者之前的第
Figure 906893DEST_PATH_IMAGE011
个工序节点完成第
Figure 222204DEST_PATH_IMAGE009
个工序的第i批最 小工件数的时间，
Figure 165889DEST_PATH_IMAGE015
表示工序节点
Figure 725046DEST_PATH_IMAGE003
之后或者之前的第
Figure 172208DEST_PATH_IMAGE011
个工序向工序节 点
Figure 955356DEST_PATH_IMAGE003
之后或者之前的第
Figure 386338DEST_PATH_IMAGE009
个工序转移工件所用的时间，
Figure 768427DEST_PATH_IMAGE016
表示工序节点
Figure 601254DEST_PATH_IMAGE003
之后或者之前 的第
Figure 758566DEST_PATH_IMAGE011
个工序向工序节点
Figure 411264DEST_PATH_IMAGE003
之后或者之前的第
Figure 62957DEST_PATH_IMAGE009
个工序转移的最小工件数，
Figure 750290DEST_PATH_IMAGE017
表示工序 节点的历史生产节拍。
本发明中，任一工序作为一工序节点，生产目标产品的过程中，必然存在上道工序完成之后的工件向下一工序流动，作为下一工序的加工物料进行加工，也可能会存在两个工序的工件均向一特定工序流动，作为特定工序的加工物料进行加工，因此存在子线段或/和汇流段；举例来说，如图3所示，工序1向工序2流动，工序2向工序3流动，工序4向工序5流动，工序3和工序5均向工序6流动，工序6向工序7流动，工序7向工序8流动，则有工序节点1-工序节点2-工序节点3作为一个子线段，工序节点4-工序节点5作为另一子线段，工序节点6-工序节点7-工序节点8作为这两个子线段的汇流段，工序节点6作为汇流工序节点，工序节点3和工序节点5均作为汇流工序节点6的子节点。
本发明中，任一加工机台的历史生产节拍均存储在数据存储模块中，而任一工序节点的历史生产节拍则为对应的所有加工机台的历史生产节拍之和与加工机台数量间的比值，对比值取整数即为对应工序的历史生产节拍。
本发明中，一子线段或汇流段中，有历史生产节拍最小的工序节点
Figure 78503DEST_PATH_IMAGE003
,其历史生产 节拍为
Figure DEST_PATH_IMAGE037
，此时
Figure 234809DEST_PATH_IMAGE038
为0，工序节点
Figure 673881DEST_PATH_IMAGE003
的前一工序节点为
Figure DEST_PATH_IMAGE039
，由于任一工序节点是边加工边 转移一定数量的工件至下一工序节点，则有工序节点
Figure 481300DEST_PATH_IMAGE039
向下转移的最小工件数为
Figure 996726DEST_PATH_IMAGE040
，工序节点
Figure 358437DEST_PATH_IMAGE003
向下转移的最小工件数为
Figure DEST_PATH_IMAGE041
，工序节点
Figure 132358DEST_PATH_IMAGE003
需要生产若干批最小工件数为
Figure 528704DEST_PATH_IMAGE041
的工件；当
Figure 946523DEST_PATH_IMAGE042
时，若
Figure DEST_PATH_IMAGE043
的比值是整数
Figure 326688DEST_PATH_IMAGE010
，生产第i批最小工件数为
Figure 373142DEST_PATH_IMAGE041
的 工件需要以
Figure 358415DEST_PATH_IMAGE010
批最小工件数为
Figure 950065DEST_PATH_IMAGE040
的工件作为加工物料，若比值有余数
Figure 551947DEST_PATH_IMAGE013
，则需要工序节点
Figure 402092DEST_PATH_IMAGE039
需要生产
Figure 507451DEST_PATH_IMAGE044
批工件来作为工序节点
Figure 270002DEST_PATH_IMAGE003
生产
Figure 93601DEST_PATH_IMAGE040
的工件的加工物料，因此，工序 节点
Figure 216278DEST_PATH_IMAGE003
的第
Figure DEST_PATH_IMAGE045
批工件作为工序节点
Figure 707302DEST_PATH_IMAGE003
生产第i批工件的最后一批加工物料；而当
Figure 906334DEST_PATH_IMAGE046
时，第i批最小工件数为
Figure 951650DEST_PATH_IMAGE040
就作为工序节点
Figure 878018DEST_PATH_IMAGE003
生产第i批最小工件数为
Figure 957969DEST_PATH_IMAGE041
工 件的最后一批加工物料，这里需要注意的是，此时的
Figure DEST_PATH_IMAGE047
，否则会造成物料堆积，不会 加快生产反而影响生产效率；工序节点
Figure 584692DEST_PATH_IMAGE039
完成第
Figure 117304DEST_PATH_IMAGE048
批最小工件数为
Figure 847363DEST_PATH_IMAGE040
的工 件的时间点为
Figure DEST_PATH_IMAGE049
，而工序节点
Figure 312979DEST_PATH_IMAGE003
完成对第
Figure 588234DEST_PATH_IMAGE048
批加工物料的加工所需时间为
Figure 873722DEST_PATH_IMAGE050
，因此需要判断工序节点
Figure 876313DEST_PATH_IMAGE003
完成对第
Figure 930857DEST_PATH_IMAGE048
批工件的加工的时间点
Figure DEST_PATH_IMAGE051
是否小于工序节点第
Figure 908171DEST_PATH_IMAGE045
批最小工件数为
Figure 680955DEST_PATH_IMAGE040
的工件的时间点
Figure 221658DEST_PATH_IMAGE052
，若小于，则表明工序节点
Figure 396287DEST_PATH_IMAGE003
在完成对第
Figure 13344DEST_PATH_IMAGE048
批加工物料的加工时，第
Figure 7845DEST_PATH_IMAGE045
批加工物料还未转移至工序节点
Figure 617818DEST_PATH_IMAGE003
，因此需要以工序节点
Figure 646954DEST_PATH_IMAGE039
完成第
Figure 684180DEST_PATH_IMAGE045
批加工物料 的时间为基础，经过转运时间后，确定待补足的加工物料
Figure DEST_PATH_IMAGE053
在工序 节点
Figure 444938DEST_PATH_IMAGE003
加工完成时间，该时间即为工序节点
Figure 593023DEST_PATH_IMAGE003
完成第i批最小工件数为
Figure 476665DEST_PATH_IMAGE041
的工件的时间点， 记为
Figure 684793DEST_PATH_IMAGE054
，这里，由于
Figure 404618DEST_PATH_IMAGE042
，因此当 工序节点
Figure 90814DEST_PATH_IMAGE003
完成前一批最小工件数为
Figure 94542DEST_PATH_IMAGE041
的工件时会有剩余的加工物料，下一批只需进行补 足即可；反之，则通过
Figure DEST_PATH_IMAGE055
计算工序节点
Figure 4730DEST_PATH_IMAGE003
完成第i批最小工件数为
Figure 211851DEST_PATH_IMAGE041
的工件的时间 点。本发明中，以生产节拍最小的工序节点作为中心点，工序节点
Figure 701738DEST_PATH_IMAGE003
转移的最小工件数与工 序节点
Figure 294394DEST_PATH_IMAGE039
相关，工序节点
Figure 844324DEST_PATH_IMAGE056
转移的最小工件数由工序节点
Figure DEST_PATH_IMAGE057
依次类推，因此 可通过目标函数确定任一子线段或者汇流段中每个工序节点的最小工件数，以最小化子线 段或者汇流段中最后一个工序节点完成最后一批工件的时间为目标对每个工序节点向下 转移的最小工件数进行优化，提高生产效率。
本发明中，可以通过枚举法列举最小工件数以计算目标函数，从而选取较优的最小工件数信息，也可以通过其他方法对目标函数进行计算以获取最优的最小工件数信息，此为本领域公知常识，本领域技术人员可根据实际情况自行设置。
步骤3：主控模块控制所有加工机台运行，生产工件。
本发明中，加工机台的控制端与主控模块的输入端连接，因此主控模块可控制加工机台运行。
步骤4：对当前工序的任一加工机台
Figure 69900DEST_PATH_IMAGE002
主控模块通过对应的标签读取模块预判断当 前工件g是否存在预设标签信息，若是，则执行步骤5，否则执行步骤6。
本发明中，需要注意的是，每一工序的每一加工机台都有对应的标签读取模块、缺陷检测模块、标签设置模块以及产量计测模块，这些模块配合设置在下料传送带上并沿传送方向依次设置，主控模块可以从数据存储模块中读取这些模块与加工机台间的对应关系，至于如何读取，此为本领域的公知常识，本领域技术人员可根据实际情况自行设置。需要说明的是，步骤4所提及的“当前工序”并不是特定的某个工序，而是生产线中的任一工序。
步骤5：将当前工件g与预设标签信息相关联，所述预设标签信息为前一工序的标签信息，执行步骤6。
本发明中，需要注意的是每个工序的每个加工机台生产的每个工件，均要通过对应的标签读取模块进行预读取，举例来说，工序2生产的工件存在工序1的标签，工序1的标签信息即为预设标签信息，因此工序2生产的工件可通过标签读取模块读取工序1的标签信息，而工序1和工序4生产的工件则均无法通过标签读取模块读取得到预设标签信息，通过标签读取模块将当前工序的工件与之前工序的工件相关联，便于对目标产品的组成进行追溯，且可追溯性强，可追溯的信息全面，当查询一个目标产品时，即可得到目标产品的加工流水线、各个零件的加工机台等信息。需要注意的是，本发明中所提及的“当前工件g”不是特定的某一个工件，g相当于计数器，举例来说，加工机台上生产的第1个工件为当前工件，对当前工件g也即当前工件1通过标签读取模块进行预设标签的预读取，之后向下移动缺陷检测模块缺陷检测，而加工机台上生产的第2个工件也是作为当前工件g，由标签读取模块进行预设标签的预读取。
步骤6：主控模块通过对应的缺陷检测模块对当前工件g进行缺陷检测，得到检测结果。
所述缺陷检测模块用于对采集任一工件图像进行预处理，对预处理后的工件图像进行缺陷识别。
所述预处理包括以下步骤：
步骤a1:认为设置基准工件图像，基准工件图像的大小与对应工件图像的大小一致；
步骤a2:计算第g幅工件图像和基准工件图像间像素的平均灰度差异
Figure 363478DEST_PATH_IMAGE027
，
Figure 76219DEST_PATH_IMAGE028
,其中
Figure 531471DEST_PATH_IMAGE029
表示工件图像的宽度，
Figure 962452DEST_PATH_IMAGE030
表示工件图像的高 度，
Figure 794142DEST_PATH_IMAGE031
表示第g幅工件图像第x行第r列的像素值，
Figure 380631DEST_PATH_IMAGE032
表示基准工件图像第x行第r列的像 素值，判断平均灰度差异
Figure 272364DEST_PATH_IMAGE027
是否大于预设修正阈值
Figure 925062DEST_PATH_IMAGE033
，若是，执行步骤 a3，否则结束；
步骤a3：取补偿参数
Figure 826022DEST_PATH_IMAGE034
，判断第g幅工件图像的任一像素点与基准 工件图像的对应像素点的灰度差异是否大于预设修正阈值，若是，则修正第g幅工件图像的 对应像素点的像素值为
Figure 982197DEST_PATH_IMAGE035
+
Figure 61142DEST_PATH_IMAGE036
，否则不修正。
本发明的预处理方法在环境光照条件的变化比较均匀时可以达到较好的补偿效果，本发明的预处理方法解决了图像采集中出现的灰度失真问题，有效地提高了图像质量，便于后续图像识别。
所述对预处理后的工件图像进行缺陷识别包括以下步骤：
步骤b1：将预处理后的第g幅工件图像作为输入，通过工件目标检测网络输出得到关于工件的目标框，所述目标框为当前加工机台对工件加工部分的最小框选范围，截取目标框图；
步骤b2：将目标框图作为输入，通过工件缺陷检测网络输出缺陷结果。
本发明中，由于工件存在的缺陷比较细微，而细微的缺陷要会导致产品存在问题，因此本发明采用级联式的缺陷检测网络，该级联式的缺陷检测网络包括顶层的工件目标检测网络和底层的工件缺陷检测网络，将工件目标检测网络检测得到的目标图像作为工件缺陷检测网络的输入进行缺陷检测，提高检测精度。
本发明中，缺陷检测模块包括摄像单元和数据处理单元，可以独立进行缺陷检测，并将缺陷检测反馈给主控模块。
主控模块确定任一加工机台在每一预设时段内的缺陷的工件数
Figure 201137DEST_PATH_IMAGE018
，若存在某一时 段
Figure 905787DEST_PATH_IMAGE019
的缺陷的工件数
Figure 182048DEST_PATH_IMAGE058
,判断
Figure DEST_PATH_IMAGE059
,且
Figure 697474DEST_PATH_IMAGE060
,若是， 主控模块控制对应的加工机台停止运行，否则继续执行，其中
Figure 324765DEST_PATH_IMAGE023
为任一时段的缺陷工件数 的上限，
Figure 114997DEST_PATH_IMAGE024
为当前所有时段的累计缺陷工件数的上限，
Figure DEST_PATH_IMAGE061
表示第
Figure 776923DEST_PATH_IMAGE026
个时段的缺陷工件数。
本发明中，当存在某一时段的工件数呈现递增的趋势，说明加工机台可能出现问 题，此时需要判断当前时段
Figure 181359DEST_PATH_IMAGE019
之前的时段累计的缺陷工件数的上限且当前时段的缺陷是否 大于预设缺陷工件数，若同时满足，则认为加工机台出现故障，需要停机检修。
步骤7：主控模块通过对应的标签设置模块对当前工件g设置标签，形成{缺陷结果-标签信息}的标签信息关联项。
本发明中，所述的标签信息为“计划参数+工序编号+加工机台编号+工件编号g”。
本发明中，这里的标签设置模块用于将标签固定设置在工件上，而标签内的标签信息由标签编程器进行写入，标签编程器与主控模块配合设置，主控模块用于确定标签信息并由标签编程器将标签信息写入至标签，此为本领域的公知常识，本领域技术人员可根据实际情况自行设置。
对于本发明步骤7，若步骤5的标签读取模块读取得到预设标签信息，则有{前一工序的缺陷结果-前一工序的标签信息}-{当前工序的缺陷结果-当前工序的标签信息}。
步骤8：主控模块通过标签信息关联项确定当前工件g的检测结果，剔除模块通过主控模块对当前工件g执行剔除任务；
主控模块会通过标签关联项获取当前工件g的检测结果是缺陷还是无缺陷，若缺陷，则驱动剔除模块剔除，否则剔除模块不执行剔除命令。
步骤9：产量计测模块实时采集工件数量并反馈给主控模块，主控模块判断当前工件数量是否为对应的最小工件数的整数倍，若是，则将一定数量的工件转移至下一工序的加工机台。
本发明中，经过剔除模块的工件会经过产量计测模块进行计数，举例来说，若工序2转移至下一工序的最小工件数为10，那么当产量计测模块采集工件数量为10、20、30时，需要将10件工件转移至工序3，至于如何将工件转移至下一工序，可以通过自动设备进行转移，也可人工转移，本领域技术人员可根据实际情况自行设置。
作为本发明步骤9的其中一具体实施方式，所述步骤9中，将一定数量的工件转移至下一工序的加工机台包括以下步骤：
步骤9.1：工件放置篮底部的重量检测模块获取基于时间序列的重量变化情况，构建基于时间序列的重量变化预测模型；
步骤9.2：通过预测模型确定完成一最小工件数的时间和对应的重量变化，对比实际的重量变化与预测的重量变化，若在预设范围，则转移至下一工序，否则继续等待。
工件放置篮具有重量检测功能，且任一加工设备对应至少一工件放置篮，由于任一加工机台加工过程中，加工完成的工件会落入工件放置篮内，因此工件放置篮内的重量检测模块会检测到重量随时间的变化情况，基于重量随时间的变化情况来构建预测模型，预测当一批工件的最后一个工件落入工件放置篮内的时间点以及重量变化情况，通过对比重量变化情况可快速判断是否需要将工件放置篮内的工件转移，通过该实施方式可快速精确判断工件放置篮什么时候转移工件，确保转移的工件数为对应的最小工件数，提高自动化能力，防止人力疏忽导致的工件转移漏洞。此外工件放置篮可以增加自动移动功能或者蜂鸣功能，进行自动转移或者人工转移工件，此为本领域公知常识，本领域技术人员可根据实际情况自行设置。
当所有加工机台加工完毕之后，基于步骤5和步骤7得到工件信息关联列表并存储至区块链数据库，所述区块链数据库包括若干区块链节点，任一区块链节点用于存储工件信息关联列表。本发明通过设置区块链数据库，防止工件信息关联列表被恶意篡改，进一步保证目标产品的可追溯性。
至少一所述加工机台为半自动加工机台，至少一半自动加工机台设置一工作人员，半自动加工机台对应设置人员识别模块，所述人员识别模块与主控模块配合设置，执行所述步骤2之后，人员识别模块基于工作人员特征信息获取人员编号，将人员编号与加工机台编号相关联，待所有半自动加工机台对应的工作人员识别通过后，执行步骤3。
本发明中，若存在加工机台为半自动加工机台，需要人工作业，则半自动加工机台上设置有人员识别模块，当人员识别模块识别工作人员的特征信息后与存储的特征信息进行比对，获得人员编号，将人员编号与加工机台编号相关联，使得任一工件或者加工机台出现问题时可以问责到人，做到责任的明确化；此外，将人员编号和加工机台的关联信息加入到对应的工件信息关联列表中后，存储至区块链数据库。
本发明中，应用该面向工业大数据的工序批量产出智能计数方法的系统，包括若干加工机台，任一加工机台的下料端配合设置下料传送带，下料传送带沿传送放向依次设有相配合的标签读取模块、缺陷检测模块、标签设置模块、剔除模块、产量计测模块，所有加工机台以及配合加工机台的所有产量计测模块、剔除模块、标签设置模块、缺陷检测模块、标签读取模块共同与一主控模块配合设置，所述主控模块还与人机交互模块、编组计划模块、数据存储模块、区块链数据库配合设置，所述数据存储模块与区块链数据库配合设置。
本发明中，数据存储模块用于存储工序名称、加工机台编号、生产线信息、最小工件数信息、工件信息关联列表等数据信息。
此外，需要说明的是工件信息关联列表由数据存储模块发送至区块链数据库进行存储，主控模块可读取区块链数据库存储的工件信息关联列表。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (10)

1.一种面向工业大数据的工序批量产出智能计数方法，其特征在于， 所述方法包括以下步骤：
步骤1：管理员通过人机交互模块输入计划参数，主控模块基于计划参数布局生产线，所述生产线包括若干工序，每一工序包括若干加工机台，每一加工机台唯一对应一加工机台编号；
步骤2：编组计划模块基于生产线信息，确定任一工序向下转移一批工件的最小工件数信息，将最小工件数信息与生产线信息关联；
步骤3：主控模块控制所有加工机台运行，生产工件；
步骤4：对当前工序的任一加工机台
Figure 674285DEST_PATH_IMAGE002
主控模块通过对应的标签读取模块预判断当前工 件g是否存在预设标签信息，若是，则执行步骤5，否则执行步骤6；
步骤5：将当前工件g与预设标签信息相关联，所述预设标签信息为前一工序的标签信息，执行步骤6；
步骤6：主控模块通过对应的缺陷检测模块对当前工件g进行缺陷检测，得到检测结果；
步骤7：主控模块通过对应的标签设置模块对当前工件g设置标签，形成{缺陷结果-标签信息}的标签信息关联项；
步骤8：主控模块通过标签信息关联项确定当前工件g的检测结果，剔除模块通过主控模块对当前工件g执行剔除任务；
步骤9：产量计测模块实时采集工件数量并反馈给主控模块，主控模块判断当前工件数量是否为对应的最小工件数的整数倍，若是，则将一定数量的工件转移至下一工序的加工机台。
2.如权利要求1所述的一种面向工业大数据的工序批量产出智能计数方法，其特征在于，所述生产线包括若干并行的子线段，任一子线段包括依次排列的至少一工序节点，至少两工序并行子线段汇流形成汇流段，汇流段的第一工序节点为汇流工序节点，对应的子线段的最后一工序节点作为汇流工序节点的子节点；
所述步骤2包括以下步骤：
步骤2.1：对任一子线段选择历史生产节拍最小的工序节点
Figure DEST_PATH_IMAGE003
，以最小化对应子线段中 最后一工序节点的运行时间为目标，通过目标函数确定对应子线段中任一工序转移至下一 工序的最小工件数；
步骤2.2：选择历史生产节拍最小的子节点作为对应汇流段的初始工序节点，对任一汇 流段选择历史生产节拍最小的工序节点
Figure 824644DEST_PATH_IMAGE003
，以最小化汇流段中最后一工序节点的运行时间 为目标，通过目标函数确定汇流段中任一工序转移至下一工序的最小工件数；
所述的目标函数为
Figure 622836DEST_PATH_IMAGE004
其中，
Figure DEST_PATH_IMAGE005
，
Figure 103627DEST_PATH_IMAGE006
,
Figure DEST_PATH_IMAGE007
,
Figure 569243DEST_PATH_IMAGE008
表示工序节点
Figure 359345DEST_PATH_IMAGE003
之后或者之前的第
Figure DEST_PATH_IMAGE009
个 工序节点完成第i批工件的时间，
Figure 661144DEST_PATH_IMAGE010
表示工序节点
Figure 194894DEST_PATH_IMAGE003
之后或者之前的第
Figure 983858DEST_PATH_IMAGE009
个工序转移的最小 工件数与工序节点
Figure 679282DEST_PATH_IMAGE003
之后或者之前的第
Figure DEST_PATH_IMAGE011
个工序节点转移的最小工件数间的比值取整 数，
Figure DEST_PATH_IMAGE013
表示工序节点
Figure 279763DEST_PATH_IMAGE003
之后或者之前的第
Figure 351624DEST_PATH_IMAGE009
个工序转移的最小工件数与工序节点k之后或者之 前的第
Figure 11407DEST_PATH_IMAGE011
个工序节点转移的最小工件数的余数，
Figure 143311DEST_PATH_IMAGE014
表示工序节点k之后或者之前 的第
Figure 137812DEST_PATH_IMAGE011
个工序节点完成第
Figure 29676DEST_PATH_IMAGE009
个工序的第i批最小工件数的时间，
Figure DEST_PATH_IMAGE015
表示工序 节点
Figure 589970DEST_PATH_IMAGE003
之后或者之前的第
Figure 627196DEST_PATH_IMAGE011
个工序向工序节点
Figure 125305DEST_PATH_IMAGE003
之后或者之前的第
Figure 538969DEST_PATH_IMAGE009
个工序转移工件所 用的时间，
Figure 422611DEST_PATH_IMAGE016
表示工序节点
Figure 365159DEST_PATH_IMAGE003
之后或者之前的第
Figure 334252DEST_PATH_IMAGE011
个工序向工序节点
Figure 299410DEST_PATH_IMAGE003
之后或者之 前的第
Figure 771979DEST_PATH_IMAGE009
个工序转移的最小工件数，
Figure DEST_PATH_IMAGE017
表示工序节点的历史生产节拍。
3.如权利要求1所述的一种面向工业大数据的工序批量产出智能计数方法，其特征在 于，主控模块确定任一加工机台在每一预设时段内的缺陷的工件数
Figure 682166DEST_PATH_IMAGE018
，若存在某一时段
Figure DEST_PATH_IMAGE019
的 缺陷的工件数
Figure 154867DEST_PATH_IMAGE020
,判断
Figure DEST_PATH_IMAGE021
,且
Figure 441492DEST_PATH_IMAGE022
,若是，主控模 块控制对应的加工机台停止运行，否则继续执行，其中
Figure DEST_PATH_IMAGE023
为任一时段的缺陷工件数的上限，
Figure 565306DEST_PATH_IMAGE024
为当前所有时段的累计缺陷工件数的上限，
Figure DEST_PATH_IMAGE025
表示第
Figure 397127DEST_PATH_IMAGE026
个时段的缺陷工件数。
4.如权利要求1所述的一种面向工业大数据的工序批量产出智能计数方法，其特征在于，所述缺陷检测模块用于对采集任一工件图像进行预处理，对预处理后的工件图像进行缺陷检测；
所述预处理包括以下步骤：
步骤a1:设置基准工件图像，基准工件图像的大小与对应工件图像的大小一致；
步骤a2:计算第g幅工件图像和基准工件图像间像素的平均灰度差异
Figure DEST_PATH_IMAGE027
，
Figure 606391DEST_PATH_IMAGE028
,其中
Figure DEST_PATH_IMAGE029
表示工件图像的宽度，
Figure 181860DEST_PATH_IMAGE030
表示工件图像的 高度，
Figure DEST_PATH_IMAGE031
表示第g幅工件图像第x行第r列的像素值，
Figure 160181DEST_PATH_IMAGE032
表示基准工件图像第x行第r列的 像素值，判断平均灰度差异
Figure 146591DEST_PATH_IMAGE027
是否大于预设修正阈值
Figure DEST_PATH_IMAGE033
，若是，执行步骤 a3，否则结束；
步骤a3：取补偿参数
Figure 596814DEST_PATH_IMAGE034
，判断第g幅工件图像的任一像素点与基准工件 图像的对应像素点的灰度差异是否大于预设修正阈值
Figure 694083DEST_PATH_IMAGE033
，若是，则修正第g幅工件图像的对 应像素点的像素值为
Figure DEST_PATH_IMAGE035
+
Figure 526910DEST_PATH_IMAGE036
，否则不修正。
5.如权利要求4所述的一种面向工业大数据的工序批量产出智能计数方法，其特征在于，所述对预处理后的工件图像进行缺陷识别包括以下步骤：
步骤b1：将预处理后的第g幅工件图像作为输入，通过工件目标检测网络输出得到关于工件的目标框，所述目标框为当前加工机台对工件加工部分的最小框选范围，截取目标框图；
步骤b2：将目标框图作为输入，通过工件缺陷检测网络输出缺陷结果。
6.如权利要求1所述的一种面向工业大数据的工序批量产出智能计数方法，其特征在于，至少一所述加工机台为半自动加工机台，至少一半自动加工机台设置一工作人员，半自动加工机台对应设置人员识别模块，所述人员识别模块与主控模块配合设置，执行所述步骤2之后，人员识别模块基于工作人员特征信息获取人员编号，将人员编号与加工机台编号相关联，待所有半自动加工机台对应的工作人员识别通过后，执行步骤3。
7.如权利要求1所述的一种面向工业大数据的工序批量产出智能计数方法，其特征在于，所述步骤9中，将一定数量的工件转移至下一工序的加工机台包括以下步骤：
步骤9.1：工件放置篮底部的重量检测模块获取基于时间序列的重量变化情况，构建基于时间序列的重量变化预测模型；
步骤9.2：通过预测模型确定完成一最小工件数的时间和对应的重量变化，对比实际的重量变化与预测的重量变化，若在预设范围，则转移至下一工序，否则继续等待。
8.如权利要求1所述的一种面向工业大数据的工序批量产出智能计数方法，其特征在于，当所有加工机台加工完毕之后，基于步骤5和步骤7得到工件信息关联列表并存储至区块链数据库，所述区块链数据库包括若干区块链节点，任一区块链节点用于存储工件信息关联列表。
9.如权利要求1所述的一种面向工业大数据的工序批量产出智能计数方法，其特征在于，所述计划参数包括目标产品编号和当日产量计划。
10.应用权利要求1-9任一项所述的一种面向工业大数据的工序批量产出智能计数方法的系统，其特征在于，包括若干加工机台，任一加工机台的下料端配合设置下料传送带，下料传送带沿传送放向依次设有相配合的标签读取模块、缺陷检测模块、标签设置模块、剔除模块、产量计测模块，所有加工机台以及配合加工机台的所有产量计测模块、剔除模块、标签设置模块、缺陷检测模块、标签读取模块共同与一主控模块配合设置，所述主控模块还与人机交互模块、编组计划模块、数据存储模块、区块链数据库配合设置，所述数据存储模块与区块链数据库配合设置。
CN202110151027.0A 2021-02-04 2021-02-04 一种面向工业大数据的工序批量产出智能计数方法 Active CN112784938B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110151027.0A CN112784938B (zh) 2021-02-04 2021-02-04 一种面向工业大数据的工序批量产出智能计数方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110151027.0A CN112784938B (zh) 2021-02-04 2021-02-04 一种面向工业大数据的工序批量产出智能计数方法

Publications (2)

Publication Number Publication Date
CN112784938A true CN112784938A (zh) 2021-05-11
CN112784938B CN112784938B (zh) 2022-04-15

Family

ID=75760760

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110151027.0A Active CN112784938B (zh) 2021-02-04 2021-02-04 一种面向工业大数据的工序批量产出智能计数方法

Country Status (1)

Country Link
CN (1) CN112784938B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114355855A (zh) * 2022-01-10 2022-04-15 北京宜通华瑞科技有限公司 一种缝制机械设备ai自动计件系统
CN114881425A (zh) * 2022-04-18 2022-08-09 天津玉昆模具有限公司 一种生产实时监测的方法、装置、电子设备及介质
CN118113010A (zh) * 2024-04-30 2024-05-31 成都飞机工业（集团）有限责任公司 一种加工质量管控方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6036087A (en) * 1996-06-29 2000-03-14 Samsung Electronics Co., Ltd. Production history information apparatus and method using a bar code system
CN101599132A (zh) * 2009-07-14 2009-12-09 深圳市科陆电子科技股份有限公司 生产数据实时管理的方法
CN106650841A (zh) * 2016-10-15 2017-05-10 温州法派服饰有限公司 一种智能生产过程管理系统
CN110073300A (zh) * 2016-12-12 2019-07-30 锡克拜控股有限公司 用于追踪产品项目的系统和方法
CN111060520A (zh) * 2019-12-30 2020-04-24 歌尔股份有限公司 一种产品缺陷检测方法、装置与系统
CN112102104A (zh) * 2020-11-19 2020-12-18 杭州优海信息系统有限公司 一种基于网络计划的离散制造行业工业在制品制造方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6036087A (en) * 1996-06-29 2000-03-14 Samsung Electronics Co., Ltd. Production history information apparatus and method using a bar code system
CN101599132A (zh) * 2009-07-14 2009-12-09 深圳市科陆电子科技股份有限公司 生产数据实时管理的方法
CN106650841A (zh) * 2016-10-15 2017-05-10 温州法派服饰有限公司 一种智能生产过程管理系统
CN110073300A (zh) * 2016-12-12 2019-07-30 锡克拜控股有限公司 用于追踪产品项目的系统和方法
CN111060520A (zh) * 2019-12-30 2020-04-24 歌尔股份有限公司 一种产品缺陷检测方法、装置与系统
CN112102104A (zh) * 2020-11-19 2020-12-18 杭州优海信息系统有限公司 一种基于网络计划的离散制造行业工业在制品制造方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114355855A (zh) * 2022-01-10 2022-04-15 北京宜通华瑞科技有限公司 一种缝制机械设备ai自动计件系统
CN114881425A (zh) * 2022-04-18 2022-08-09 天津玉昆模具有限公司 一种生产实时监测的方法、装置、电子设备及介质
CN118113010A (zh) * 2024-04-30 2024-05-31 成都飞机工业（集团）有限责任公司 一种加工质量管控方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112784938B (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
CN112784938B (zh) 一种面向工业大数据的工序批量产出智能计数方法
US11771159B2 (en) Modularized garment manufacturing method for small quantity batch production of garments and modularized garment manufacturing system
CN109711659B (zh) 一种工业生产的良率提升管理系统和方法
CN110567974B (zh) 一种基于云端人工智能表面缺陷检测系统
CN113569922A (zh) 一种苹果智能无损分拣的方法
CN111538295A (zh) 一种柔性生产管理系统
CN114749497B (zh) 一种智能化型钢精整生产线
CN114444948A (zh) 一种晶圆生产线智能获取派工wph的控制系统和方法
CN118179989A (zh) 一种原料智能筛检称重系统
CN115993366A (zh) 基于传感设备的加工件表面检测方法及系统
CN113642253B (zh) 一种陶瓷砖半成品在加工中的损耗判断方法和系统
Kang et al. A methodology for production analysis based on the RFID-collected manufacturing big data
CN112809274B (zh) 一种基于大数据的焊接机器人控制系统
Pheng et al. Artificial intelligence in back-end semiconductor manufacturing: A case study
CN117094609B (zh) 一种基于机器视觉的铝型材生产质量智能管理系统
CN117429861A (zh) 一种服装生产线吊挂的智能分配系统及方法
CN109597382A (zh) 煤机制造智能下料生产系统
CN113403831B (zh) 织物瑕疵检测及裁剪一体化系统及其使用方法
CN111176174B (zh) 一种面向冲压车间的多功能监管系统
CN114723331A (zh) 打磨数字化智能管理系统、方法、装置及计算机存储介质
CN111985848A (zh) 一种基于启发式算法的轴承端盖生产排产调度优化方法
CN117541739B (zh) 基于OpenCV的仓库地图可视化构建方法及系统
CN106960268B (zh) 制造进程可视化装置
CN118334401A (zh) 一种菌床整修的监测方法及系统
Liu Research on Visual Identity System Design for Industrial Intelligent Manufacturing

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
TR01 Transfer of patent right

Effective date of registration: 20240326

Address after: Collective household of Gaodeng Community, No. 188, Erheng, Gaodengli, Qiongshan District, Haikou City, Hainan Province, 571100

Patentee after: Deng Xiaohui

Country or region after: China

Address before: 310000 room 801, building a, 459 Qianmo Road, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province

Patentee before: HANGZHOU EOHI INFORMATION SYSTEM CO.,LTD.

Country or region before: China

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240423

Address after: Room 28, A10, 3rd Floor, Haichuanggu Industrial Park, No. 8 Yaogu Sanheng Road, National High tech Industrial Development Zone, Haikou City, Hainan Province, 570100

Patentee after: Hainan Castle Data Technology Co.,Ltd.

Country or region after: China

Address before: Collective household of Gaodeng Community, No. 188, Erheng, Gaodengli, Qiongshan District, Haikou City, Hainan Province, 571100

Patentee before: Deng Xiaohui

Country or region before: China

TR01 Transfer of patent right