CN113159564A - 一种基于mes与cmms大数据的自动化生产线综合效能评价方法 - Google Patents
一种基于mes与cmms大数据的自动化生产线综合效能评价方法 Download PDFInfo
- Publication number
- CN113159564A CN113159564A CN202110415923.3A CN202110415923A CN113159564A CN 113159564 A CN113159564 A CN 113159564A CN 202110415923 A CN202110415923 A CN 202110415923A CN 113159564 A CN113159564 A CN 113159564A
- Authority
- CN
- China
- Prior art keywords
- production line
- pur
- ole
- performance
- station
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 411
- 238000011156 evaluation Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000002159 abnormal effect Effects 0.000 claims abstract description 34
- 238000013210 evaluation model Methods 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims description 49
- 238000012545 processing Methods 0.000 claims description 36
- 238000012423 maintenance Methods 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 8
- 230000002950 deficient Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000000737 periodic effect Effects 0.000 claims description 6
- 229920002635 polyurethane Polymers 0.000 claims description 4
- 238000003754 machining Methods 0.000 claims description 3
- 238000013024 troubleshooting Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 9
- 238000005457 optimization Methods 0.000 abstract description 9
- 238000010276 construction Methods 0.000 abstract description 5
- 238000009826 distribution Methods 0.000 abstract 1
- 239000000463 material Substances 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000013075 data extraction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06Q10/06—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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及一种基于MES与CMMS大数据的自动化生产线综合效能评价方法,属于工业大数据平台与智慧工厂建设技术领域。包括生产线综合效能OLE与PUR(OLE)评价模型建立,相关数据提取,生产线综合效能OLE、PUR(OLE)评价,生产线运行状态判断,以及问题源搜索。本发明充分利用MES和CMMS记录的工业大数据,自动评价生产线的综合生产效率和实际运行能力,自动分析造成生产线综合效能异常的问题源,解决了传统生产线性能优化工作目标局限导致资源分配不合理,以及问题源分析过程需人为参与导致的工作效率较低、智能化程度较差的问题。
Description
技术领域
本发明属于工业大数据平台与智慧工厂建设技术领域,具体涉及一种基于MES与CMMS大数据的自动化生产线综合效能评价方法。
背景技术
生产线性能评价是系统性能优化的前提,随着生产系统自动化的发展,生产线制造执行系统(MES)和设备维护管理系统(CMMS)已经能够利用其所记录的大量生产数据对生产线整体及线上设备的可用度、生产效率和合格品率进行自动评估,从而协助设备维护人员判断生产线整体可用度、生产效率或合格品率的薄弱环节,指导设备维护,以实现生产线整体性能的提升。
然而目前MES和CMMS只从生产线可用度、生产效率和合格品率三个方面单独评价生产线的性能,因此生产线维护人员只能根据生产线单一性能的表现从MES和CMMS中调取所有设备的性能表现,通过排查相应性能薄弱的设备并对其进行提升达到对生产线该方面性能的优化。如此仅根据生产线单一性能表现开展生产线维护工作,会使企业过分关注生产线单一性能而忽略其综合生产能力,从而出现企业为追求生产线单一性能的提升投入过多不必要的人力和物力,导致资源浪费的情况。因此合理评价生产线的综合生产能力,并以其为目标判断影响它的关键设备及相关性能对生产线维护工作十分重要。
此外,当前MES和CMMS只对生产线整体和线上设备进行性能评价,无法自动分析导致生产线性能表现异常的问题源,需要人为逐层排查才能做出判断,且分析过程仅凭维护人员的工作经验,对生产线自身固有能力的参考性较差。这样依赖人工、主观性强、判断标准模糊的分析过程不仅严重降低了生产线性能优化的工作效率,影响了问题源分析结果的准确性,且十分不利于工厂的智能化发展。
因此,充分利用MES与CMMS所记录的大量生产数据和设备信息,提供一个自动化生产线综合效能评价方法是极为必要的。
发明内容
本发明提供一种基于MES与CMMS大数据的自动化生产线综合效能评价方法,以解决生产线性能优化工作目标局限导致的资源浪费问题,充分利用MES与CMMS所记录的大量生产数据和设备信息,自动化分析生产线的综合生产效率和实际运行能力,并且能够自动识别影响生产线综合效能的具体问题源,实现了生产线综合性能评价及问题源分析过程的自动化,提升了生产线性能优化工作的工作效率,对智慧工厂建设起到了良好的推动作用。
本发明采取的技术方案是:包括以下步骤:
步骤一、建立生产线综合效能OLE与PUR(OLE)评价模型;
步骤二、从生产线MES和CMMS数据库提取OLE、PUR(OLE)评价模型中各参数涉及的相关生产数据和相关设备性能参数;
步骤三、计算模型参数,评价生产线综合效能OLE与PUR(OLE);
步骤四、判断生产线运行状态,对于综合效能异常的生产线进一步明确生产线问题性能及相应的问题区段;
步骤五、分析生产线问题区段内与生产线问题性能相关的设备性能表现,从而排查导致生产线综合效能异常的问题源。
本发明所述步骤一中建立生产线综合效能OLE与PUR(OLE)评价模型具体如下:
1.1)所述的生产线综合效能OLE是生产线综合生产效率评价指标,表示生产线有效产出合格产品的时间利用率,具体评价模型为:
OLE=LA×LP×LQ
1.2)所述的生产线综合效能PUR(OLE)是生产线理论综合生产效率在系统运行过程中的实际表达程度的评价指标,具体模型为:
其中LA0、LP0和LQ0分别表示生产线实际可用度LA、实际生产速率LP和实际合格品率LQ理论应达到的理想水平,具体由生产线结构和设备固有性能水平决定。
本发明所述步骤二从生产线MES和CMMS数据库提取OLE、PUR(OLE)评价模型中各参数涉及的相关生产数据和相关设备性能参数具体指:
2.1)根据OLE评价模型中参数LA、LP、LQ的数据需求,利用数据读取技术从MES和CMMS数据库提取一个工作班次内的相关生产数据,通过数据转换技术转换为可直接供OLE模型计算的数据;
2.2)根据PUR(OLE)评价模型中对与生产线结构和设备固有性能水平相关的参数需求,利用数据读取技术从CMMS数据库提取相应的生产线结构参数及设备性能参数,并通过数据转换技术转换为可直接供PUR(OLE)模型计算的数据。
本发明所述步骤三计算模型参数,评价生产线综合效能OLE与PUR(OLE)具体方法为:
3.1)计算OLE与PUR(OLE)涉及的模型参数:
3.1.1)OLE评价模型中生产线实际可用度LA的具体计算方式如下:
依据1.1)中生产线LA的计算公式,利用步骤二从生产线MES系统中提取出的生产线一个工作班次内的实际加载时间LT,和生产线最后一个工位在该工作班次内的实际运行时间OTn(n为生产线工位总数),计算LA;
需注意,若生产线以并联工位结束,将该工位并联的多台设备各自实际运行时间的平均值作为该工位的OTn;同理,若生产线以多个支路结束(如拆分类生产线),生产线OTn为各支路最后一个工位在生产线的一个工作班次内的实际运行时间的平均值;
3.1.2)OLE评价模型中生产线实际生产速率LP的具体计算方式如下:
依据1.1)中生产线LP的计算公式,利用步骤二从生产线MES系统中提取出的生产线第一个工位在一个工作班次内的实际加工时间OT1,生产线在该工作班次内所产出的产品总数N,以及生产线的实际加工周期CYTS,计算LP。其中CYTS的确定方式为:
式中i为生产线工位编号,CYTi表示工位i的实际加工周期;ig表示生产线干路部分的工位编号,为干路的第ig个工位的实际加工周期;j为支路编号,ij为支路j的工位编号,xj表示支路j相对于干路的配件数量的配比(将干路配比设为1),为支路j的第ij个工位的实际加工周期。
需注意:对于以并联工位开始或多个支路开始(如组装类生产线)的生产线,生产线OT1的等效计算方式与OTn的等效计算方式相同;在组装类生产线中,N应为组装线产出的成品总数;而在拆分类生产线中,则其中Nj为j支路产出的产品总数;
3.1.3)OLE评价模型中生产线实际加工合格品率LQ的具体计算方式如下:
依据1.1)中生产线LQ的计算公式,利用3.1.2)统计出的生产线在一个工作班次内所产出的产品总数N与步骤二从生产线MES系统中提取出的生产线在该工作班次内产出的次品总数DN计算LQ。对于含支路的生产线,其中DNj为j支路产出的次品总数。
3.1.4)PUR(OLE)模型中所涉及的生产线理论可用度LA0计算方式为:
其中Ai0表示生产线第i个工位的理论可用度。
对于单机工位,Ai0为该设备的固有可靠性;对于并联工位,Ai0为所并联的多个设备的固有可靠性的平均值;对于含支路的生产线,将生产线并行的支路等效为一个工位,该“工位”的Ai0为并行支路部分总体的理论可用度PA0,即每一条支路j的理论可用度的平均值,其中为j支路第ij个工位的理论可用度;
3.1.5)PUR(OLE)模型中所涉及的生产线理论生产速率LP0计算方式为:
其中CYTi0为工位i的理论加工周期,BN生产批量,ST0为生产线加工一批产品理论上所需的初始设定时间,ATi0为工位i处的设备定期校准理论所需的时间,TAi0为i工位处的设备的理论校准周期;PT0为生产线完成一批产品所设定的计划生产时间;为j支路第ij个工位的理论加工周期,为j支路工位ij处理论上所需的设备定期校准时间,为j支路工位ij处的设备的理论校准周期;为干路第ig个工位的理论加工周期,为干路工位ig处理论上所需的设备定期校准时间,为干路工位ig处的设备的理论校准周期;
3.1.6)PUR(OLE)模型中所涉及的生产线理论合格品率LQ0计算方式为:
其中Qi0表示生产线第i个工位的理论合格品率;
对于单机工位,Qi0为该设备的固有合格品率;对于并联工位,Qi0为所并联的多个设备的固有合格品率的平均值;对于含支路的生产线,将生产线并行的支路等效为一个工位,该“工位”的Qi0为并行支路部分总体的理论合格品率PQ0:
3.2)将各模型参数计算结果带入步骤一的OLE和PUR(OLE)模型中,得到生产线综合效能OLE和PUR(OLE)的评价结果。
本发明所述步骤四判断生产线运行状态,对于综合效能异常的生产线进一步明确生产线问题性能及相应的问题区段具体是指:
4.1)根据生产线PUR(OLE)评价结果判断生产线整体运行状态,评判标准为表1:
PUR(OLE) | >=0.95 | [0.85,0.95) | <0.85 |
判断结果 | 优秀 | 正常 | 异常 |
措施 | 维持 | 可维持,但需找机会加以修正 | 必须立即优化 |
4.2)对于生产线运行状态异常的情况,进一步明确造成该结果的生产线问题性能及相应的问题区段,具体过程为:
4.2.1)判断生产线问题性能:首先,计算生产线整体的PUR(LA)、PUR(LP)和PUR(LQ):
随后,依照表2评判标准判断生产线问题性能:
PUR(LA)、PUR(LP)、PUR(LQ) | >=0.95 | <0.95 |
判断结果 | 正常 | 异常 |
措施 | 维持 | 必须立即优化 |
判断结果为“异常”的性能方面即为生产线的问题性能。
4.2.2)判断造成生产线问题性能的问题区段:
若生产线含支路,将干路与各支路各自视为单独生产线,采用与PUR(LA)、PUR(LP)和PUR(LQ)相同的方法计算干路及各支路的PUR(PA)、PUR(PP)或PUR(PQ)(只需计算与生产线问题性能一致的性能方面即可):随后依据表2的标准识别出性能表现“异常”的支路或干路,即为导致生产线出现问题性能的问题区段;
若生产线不含支路,只需依4.2.1)分析出该生产线的问题性能即可,无需进一步判断问题区段。
通过4.1)-4.2)最终识别出造成生产线综合效能异常的生产线问题性能及相应的问题区段。
本发明所述步骤五分析生产线问题区段内与生产线问题性能相关的设备性能表现,从而排查导致生产线综合效能异常的问题源具体是指:
5.1)从生产线MES与CMMS数据库中提取生产线问题区段内与生产线问题性能相关的一个工作班次内的生产数据及设备性能参数,并将其转换为能够直接用于计算设备PUR(Ae)、PUR(Pe)或PUR(Qe)的数据;
5.2)利用5.1)所提取的生产数据和设备性能参数,分析生产线问题区段内与生产线问题性能相关的设备PUR(Ae)、PUR(Pe)或PUR(Qe):
若生产线问题性能为LA,只需分析问题区段内各设备的PUR(Ae)即可,采用如下方式计算:
其中Ae为设备e实际表现出的可用度,Ae0为该设备的固有可靠度,tbfer为设备e在一个工作班次内的第r次故障间隔时间,ttrer为设备e在该工作班次内的第r次故障修复时间,Re表示设备e在该工作班次内发生故障的总次数;
若生产线问题性能为LP,只需分析问题区段内各设备的PUR(Pe)即可,采用如下方式计算:
其中Pe为设备e实际表现出的生产速率,CYTe为设备在一个工作班次内的实际加工周期,Ne为该设备在该工作班次内产出的产品总数;Pe0为设备e的固有生产速率,其中CYTe0表示设备e的理论加工周期,ATe0为设备e定期校准理论所需的时间,TAe0为设备e的理论校准周期;
若生产线问题性能为LQ,只需分析问题区段内各设备的PUR(Qe)即可,采用如下方式计算:
其中Qe为设备e实际表现出的合格品率,Qe0为该设备的固有合格品率,Ne为设备e在一个工作班次内产出的产品总数,DNe为设备e在一个工作班次内产出的次品总数;
5.3)在5.2)计算结果的基础上,根据表3的标准判断生产线问题区段内所有设备的PUR(Ae)、PUR(Pe)或PUR(Qe)表现,最终明确造成生产线综合效能异常的问题源,表3:
PUR(A<sub>e</sub>)、PUR(P<sub>e</sub>)、PUR(Q<sub>e</sub>) | >=0.98 | <0.98 |
判断结果 | 正常 | 异常 |
措施 | 维持 | 必须立即优化 |
最终PUR(Ae)、PUR(Pe)或PUR(Qe)判断结果为“异常”的设备性能即为造成生产线综合效能异常的问题源。
本发明的有益效果:
1、本发明建立了生产线综合效能评价模型:充分利用全自动化生产线MES和CMMS记录的生产数据与设备信息,分析生产线综合生产效率OLE及其理论水平在系统运行过程中的实际表达程度PUR(OLE),能够客观、综合地评价生产线的真实运行状况,评价结果定量、直观;
2、本生产线综合效能评价方法能够自动评价生产线整体、各子部分及问题区段内的设备各性能方面的PUR,并在明确的判断依据的指导下逐步自动分辨出导致生产线综合效能异常的具体性能方面,以及导致其该方面性能表现不佳的关键设备性能(即问题源),可有效提高生产线性能优化工作的效率;
3、通过本生产线综合效能评价方法,可以从生产线综合性能角度识别出影响生产线综合效能的关键问题源,协助企业合理分配资源以达到生产线综合效能的最大化,避免企业为追求生产线单一性能的提升而投入过多不必要的人力和物力导致的资源浪费;
4、通过本生产线综合效能评价方法,自动化生产线可以充分利用MES和CMMS所记录的工业大数据,在无需人员干预的条件下自动评价生产线的综合效能OLE与PUR(OLE),并自动分析相应的问题源,实现了生产线综合效能分析过程的自动化,对智慧工厂的建设起到了良好的推动作用。
附图说明
图1是本发明实施过程的示意图;
图2是本发明的软件实现结构示意图;
图3是不带支路、含并联工位的生产线结构示意图;
图4是带支路的生产线结构示意图;
图5是实施例中所使用的示例生产线示意图。
具体实施方式
本发明的一种基于MES与CMMS大数据的自动化生产线综合效能评价方法可利用自动化生产线MES和CMMS所记录的大量生产数据自动评价生产线综合效能,并自动分析其问题源,其实施步骤如图1所示,软件实现结构包括数据提取模块、系统综合效能评价及状态判断模块和问题源搜索模块(参阅图2)。现将本方法的具体实施方式详解如下:
一、建立生产线综合效能OLE与PUR(OLE)评价模型具体如下:
1.1)所述的生产线综合效能OLE是生产线综合生产效率评价指标,表示生产线有效产出合格产品的时间利用率,具体评价模型为:
OLE=LA×LP×LQ
1.2)所述的生产线综合效能PUR(OLE)是生产线理论综合生产效率在系统运行过程中的实际表达程度的评价指标,具体模型为:
其中LA0、LP0和LQ0分别表示生产线实际可用度LA、实际生产速率LP和实际合格品率LQ理论应达到的理想水平,具体由生产线结构和设备固有性能水平决定;
二、从生产线MES和CMMS数据库提取OLE、PUR(OLE)评价模型中各参数涉及的相关生产数据和相关设备性能参数具体指:
2.1)根据OLE评价模型中参数LA、LP、LO的数据需求,利用数据读取技术从MES和CMMS数据库提取一个工作班次内的相关生产数据,通过数据转换技术转换为可直接供OLE模型计算的数据;
2.2)根据PUR(OLE)评价模型中对与生产线结构和设备固有性能水平相关的参数需求,利用数据读取技术从CMMS数据库提取相应的生产线结构参数及设备性能参数,并通过数据转换技术转换为可直接供PUR(OLE)模型计算的数据;
三、计算模型参数,评价生产线综合效能OLE与PUR(OLE)具体方法为:
3.1)计算OLE与PUR(OLE)涉及的模型参数:
3.1.1)OLE评价模型中生产线实际可用度LA的具体计算方式如下:
依据1.1)中生产线LA的计算公式,利用步骤二从生产线MES系统中提取出的生产线一个工作班次内的实际加载时间LT,和生产线最后一个工位在该工作班次内的实际运行时间OTn(n为生产线工位总数),计算LA。
需注意,若生产线以并联工位结束(如图3),将该工位并联的多台设备各自实际运行时间的平均值作为该工位的OTn;同理,若生产线以多个支路结束(如拆分类生产线,参照图4(a)),生产线OTn为各支路最后一个工位在生产线的一个工作班次内的实际运行时间的平均值。
3.1.2)OLE评价模型中生产线实际生产速率LP的具体计算方式如下:
依据1.1)中生产线LP的计算公式,利用步骤二从生产线MES系统中提取出的生产线第一个工位在一个工作班次内的实际加工时间OT1,生产线在该工作班次内所产出的产品总数N,以及生产线的实际加工周期CYTS,计算LP。其中CYTS的确定方式为:
式中i为生产线工位编号,CYTi表示工位i的实际加工周期;ig表示生产线干路部分的工位编号,为干路的第ig个工位的实际加工周期;j为支路编号,ij为支路j的工位编号,xj表示支路j相对于干路的配件数量的配比(将干路配比设为1),为支路j的第ij个工位的实际加工周期;
需注意:对于以并联工位开始或多个支路开始(如组装类生产线,参照图4(b))的生产线,生产线OT1的等效计算方式与OTn的等效计算方式相同;在组装类生产线中,N应为组装线产出的成品总数;而在拆分类生产线中,则其中Nj为j支路产出的产品总数。
3.1.3)OLE评价模型中生产线实际加工合格品率LQ的具体计算方式如下:
依据1.1)中生产线LQ的计算公式,利用3.1.2)统计出的生产线在一个工作班次内所产出的产品总数N与步骤二从生产线MES系统中提取出的生产线在该工作班次内产出的次品总数DN计算LQ,对于含支路的生产线(如图4(a)、(b)),其中DNj为j支路产出的次品总数;
3.1.4)PUR(OLE)模型中所涉及的生产线理论可用度LA0计算方式为:
其中Ai0表示生产线第i个工位的理论可用度。
对于单机工位,Ai0为该设备的固有可靠性;对于并联工位,Ai0为所并联的多个设备的固有可靠性的平均值;对于含支路的生产线,将生产线并行的支路等效为一个工位,该“工位”的Ai0为并行支路部分总体的理论可用度PA0,即每一条支路j的理论可用度的平均值,其中为j支路第ij个工位的理论可用度。
3.1.5)PUR(OLE)模型中所涉及的生产线理论生产速率LP0计算方式为:
其中CYTi0为工位i的理论加工周期,BN生产批量,ST0为生产线加工一批产品理论上所需的初始设定时间,ATi0为工位i处的设备定期校准理论所需的时间,TAi0为i工位处的设备的理论校准周期;PT0为生产线完成一批产品所设定的计划生产时间;为j支路第ij个工位的理论加工周期,为j支路工位ij处理论上所需的设备定期校准时间,为j支路工位ij处的设备的理论校准周期;为干路第ig个工位的理论加工周期,为干路工位ig处理论上所需的设备定期校准时间,为干路工位ig处的设备的理论校准周期;
3.1.6)PUR(OLE)模型中所涉及的生产线理论合格品率LQ0计算方式为:
其中Qi0表示生产线第i个工位的理论合格品率;
对于单机工位,Qi0为该设备的固有合格品率;对于并联工位,Qi0为所并联的多个设备的固有合格品率的平均值;对于含支路的生产线,将生产线并行的支路等效为一个工位,该“工位”的Qi0为并行支路部分总体的理论合格品率PQ0:
3.2)将各模型参数计算结果带入步骤一的OLE和PUR(OLE)模型中,得到生产线综合效能OLE和PUR(OLE)的评价结果;
四、判断生产线运行状态,对于综合效能异常的生产线进一步明确生产线问题性能及相应的问题区段具体是指:
4.1)根据生产线PUR(OLE)评价结果判断生产线整体运行状态,评判标准为表1:
PUR(OLE) | >=0.95 | [0.85,0.95) | <0.85 |
判断结果 | 优秀 | 正常 | 异常 |
措施 | 维持 | 可维持,但需找机会加以修正 | 必须立即优化 |
4.2)对于生产线运行状态异常的情况,进一步明确造成该结果的生产线问题性能及相应的问题区段,具体过程为:
4.2.1)判断生产线问题性能:首先,计算生产线整体的PUR(LA)、PUR(LP)和PUR(LQ):
随后,依照表2评判标准判断生产线问题性能:
PUR(LA)、PUR(LP)、PUR(LQ) | >=0.95 | <0.95 |
判断结果 | 正常 | 异常 |
措施 | 维持 | 必须立即优化 |
判断结果为“异常”的性能方面即为生产线的问题性能。
4.2.2)判断造成生产线问题性能的问题区段:
若生产线含支路,将干路与各支路各自视为单独生产线,采用与PUR(LA)、PUR(LP)和PUR(LQ)相同的方法计算干路及各支路的PUR(PA)、PUR(PP)或PUR(PQ)(只需计算与生产线问题性能一致的性能方面即可):随后依据表2的标准识别出性能表现“异常”的支路或干路,即为导致生产线出现问题性能的问题区段;
若生产线不含支路,只需依4.2.1)分析出该生产线的问题性能即可,无需进一步判断问题区段;
通过4.1)-4.2)最终识别出造成生产线综合效能异常的生产线问题性能及相应的问题区段。
五、分析生产线问题区段内与生产线问题性能相关的设备性能表现,从而排查导致生产线综合效能异常的问题源具体是指:
5.1)从生产线MES与CMMS数据库中提取生产线问题区段内与生产线问题性能相关的一个工作班次内的生产数据及设备性能参数,并将其转换为能够直接用于计算设备PUR(Ae)、PUR(Pe)或PUR(Qe)的数据;
5.2)利用5.1)所提取的生产数据和设备性能参数,分析生产线问题区段内与生产线问题性能相关的设备PUR(Ae)、PUR(Pe)或PUR(Qe):
若生产线问题性能为LA,只需分析问题区段内各设备的PUR(Ae)即可,采用如下方式计算:
其中Ae为设备e实际表现出的可用度,Ae0为该设备的固有可靠度,tbfer为设备e在一个工作班次内的第r次故障间隔时间,ttrer为设备e在该工作班次内的第r次故障修复时间,Re表示设备e在该工作班次内发生故障的总次数;
若生产线问题性能为LP,只需分析问题区段内各设备的PUR(Pe)即可,采用如下方式计算:
其中Pe为设备e实际表现出的生产速率,CYTe为设备在一个工作班次内的实际加工周期,Ne为该设备在该工作班次内产出的产品总数;Pe0为设备e的固有生产速率,其中CYTe0表示设备e的理论加工周期,ATe0为设备e定期校准理论所需的时间,TAe0为设备e的理论校准周期;
若生产线问题性能为LQ,只需分析问题区段内各设备的PUR(Qe)即可,采用如下方式计算:
其中Qe为设备e实际表现出的合格品率,Qe0为该设备的固有合格品率,Ne为设备e在一个工作班次内产出的产品总数,DNe为设备e在一个工作班次内产出的次品总数;
5.3)在5.2)计算结果的基础上,根据表3的标准判断生产线问题区段内所有设备的PUR(Ae)、PUR(Pe)或PUR(Qe)表现,最终明确造成生产线综合效能异常的问题源,表3:
最终PUR(Ae)、PUR(Pe)或PUR(Qe)判断结果为“异常”的设备性能即为造成生产线综合效能异常的问题源。
下边通过实验例来进一步说明本发明。
为证明本文方法的实际意义,以一条有两条支路的机械装配生产线(组装类生产线)为例对其综合效能进行分析,并搜索其问题源。该装配线某型号产品的生产批量(BN)为1500件,装配该型号产品所需的系统初始设置时间(ST0)为45分钟,计划生产时间(PT0)为3天,工作日制为一日3班,每班次生产时间为8小时。
依照步骤二读取该装配线MES和CMMS系统中所记录的该装配线一个工作班次内的生产数据及设备信息,利用步骤一中所建立的生产线OLE和PUR评价模型和步骤三中的模型参数计算方法,分析得该线的综合生产效率为OLE=68.37%,其实际运行能力PUR(OLE)=0.8385,其中LA=84.53%,PUR(LA)=0.9254,LP=87.90%,PUR(LP)=0.9535,LQ=92.01%,PUR(LQ)=0.9502。
依据步骤四的判断标准,可知该装配线的问题性能为整线可用度LA。因此,进一步分析其两条支路和一条干路的可用度的PUR得到支路1的PUR(PA1)=0.9946,支路2的PUR(PA2)=0.9849,干路的PUR(PAg)=0.9350,由此判断造成该线可用度异常的问题区段为该装配线的主干路。
随后,再次从该装配线MES系统中读取干路在一个工作班次内所有设备的故障开始和恢复时刻数据,通过数据提取模块的数据转换将其转换成可供各设备可用度Ae计算的tbf和ttr数据,另从CMMS系统中读取该装配线干路所有设备的固有可靠性数据。利用步骤六所提供的各设备可用度的PUR评价方法分析干路中各设备的PUR:PUR(Ag1)=95.20%,PUR(Ag2)=95.80%,PUR(Ag3)=97.50%。根据步骤六表3的判断标准可最终确定导致本机械装配生产线整体综合效能异常的主要问题源为其干路的第一和第二台设备的可用度,因此该装配线综合效能优化工作的重心应当首先放在对这两台设备可用度的提升上。待优化工作结束后,可再次使用本自动化生产线综合效能评价方法验证优化效果。
综上可见,本发明充分利用MES和CMMS所记录的大量生产数据,通过对生产线进行OLE和PUR(OLE)分析,可以客观评价生产线当前生产阶段的综合生产效率及其在系统运行过程中的实际表达程度,从而对系统整体的真实运行状态产生定量、直观的评价;此外,自动化生产线可以利用本发明所提出的问题源搜索模块准确、自动、高效地分析出导致系统整体效能异常的关键问题设备,既有效提高了生产线优化分析过程的工作效率,又能避免企业为追求生产线单一性能的提升投入过多不必要的人力和物力导致的资源浪费。整个分析过程完全脱离人为干预,实现了高度自动化,十分有助于智慧工厂的建设。
Claims (6)
1.一种基于MES与CMMS大数据的自动化生产线综合效能评价方法,其特征在于,包括以下步骤:
步骤一、建立生产线综合效能OLE与PUR(OLE)评价模型;
步骤二、从生产线MES和CMMS数据库提取OLE、PUR(OLE)评价模型中各参数涉及的相关生产数据和相关设备性能参数;
步骤三、计算模型参数,评价生产线综合效能OLE与PUR(OLE);
步骤四、判断生产线运行状态,对于综合效能异常的生产线进一步明确生产线问题性能及相应的问题区段;
步骤五、分析生产线问题区段内与生产线问题性能相关的设备性能表现,从而排查导致生产线综合效能异常的问题源。
3.根据权利要求1所述的一种基于MES与CMMS大数据的自动化生产线综合效能评价方法,其特征在于:步骤二中所述从生产线MES和CMMS数据库提取OLE、PUR(OLE)评价模型中各参数涉及的相关生产数据和相关设备性能参数具体指:
2.1)根据OLE评价模型中参数LA、LP、LQ的数据需求,利用数据读取技术从MES和CMMS数据库提取一个工作班次内的相关生产数据,通过数据转换技术转换为可直接供OLE模型计算的数据;
2.2)根据PUR(OLE)评价模型中对与生产线结构和设备固有性能水平相关的参数需求,利用数据读取技术从CMMS数据库提取相应的生产线结构参数及设备性能参数,并通过数据转换技术转换为可直接供PUR(OLE)模型计算的数据。
4.根据权利要求1所述的一种基于MES与CMMS大数据的自动化生产线综合效能评价方法,其特征在于:步骤三中所述的计算模型参数,评价生产线综合效能OLE与PUR(OLE)具体方法为:
3.1)计算OLE与PUR(OLE)涉及的模型参数:
3.1.1)OLE评价模型中生产线实际可用度LA的具体计算方式如下:
依据1.1)中生产线LA的计算公式,利用步骤二从生产线MES系统中提取出的生产线一个工作班次内的实际加载时间LT,和生产线最后一个工位在该工作班次内的实际运行时间OTn,n为生产线工位总数,计算LA;
若生产线以并联工位结束,将该工位并联的多台设备各自实际运行时间的平均值作为该工位的OTn;同理,若生产线以多个支路结束,生产线OTn为各支路最后一个工位在生产线的一个工作班次内的实际运行时间的平均值;
3.1.2)OLE评价模型中生产线实际生产速率LP的具体计算方式如下:
依据1.1)中生产线LP的计算公式,利用步骤二从生产线MES系统中提取出的生产线第一个工位在一个工作班次内的实际加工时间OT1,生产线在该工作班次内所产出的产品总数N,以及生产线的实际加工周期CYTS,计算LP,其中CYTS的确定方式为:
含支路的生产线式中i为生产线工位编号,CYTi表示工位i的实际加工周期;ig表示生产线干路部分的工位编号,为干路的第ig个工位的实际加工周期;j为支路编号,ij为支路j的工位编号,xj表示支路j相对于干路的配件数量的配比(将干路配比设为1),为支路j的第ij个工位的实际加工周期;
3.1.3)OLE评价模型中生产线实际加工合格品率LQ的具体计算方式如下:
依据1.1)中生产线LQ的计算公式,利用3.1.2)统计出的生产线在一个工作班次内所产出的产品总数N与步骤二从生产线MES系统中提取出的生产线在该工作班次内产出的次品总数DN计算LQ,对于含支路的生产线,其中DNj为j支路产出的次品总数;
3.1.4)PUR(OLE)模型中所涉及的生产线理论可用度LA0计算方式为:
其中Ai0表示生产线第i个工位的理论可用度;
对于单机工位,Ai0为该设备的固有可靠性;对于并联工位,Ai0为所并联的多个设备的固有可靠性的平均值;对于含支路的生产线,将生产线并行的支路等效为一个工位,该“工位”的Ai0为并行支路部分总体的理论可用度PA0,即每一条支路j的理论可用度的平均值,其中为j支路第ij个工位的理论可用度;
3.1.5)PUR(OLE)模型中所涉及的生产线理论生产速率LP0计算方式为:
其中CYTi0为工位i的理论加工周期,BN生产批量,ST0为生产线加工一批产品理论上所需的初始设定时间,ATi0为工位i处的设备定期校准理论所需的时间,TAi0为i工位处的设备的理论校准周期;PT0为生产线完成一批产品所设定的计划生产时间;为j支路第ij个工位的理论加工周期,为j支路工位ij处理论上所需的设备定期校准时间,为j支路工位ij处的设备的理论校准周期;为干路第ig个工位的理论加工周期,为干路工位ig处理论上所需的设备定期校准时间,为干路工位ig处的设备的理论校准周期;
3.1.6)PUR(OLE)模型中所涉及的生产线理论合格品率LQ0计算方式为:
其中Qi0表示生产线第i个工位的理论合格品率;
对于单机工位,Qi0为该设备的固有合格品率;对于并联工位,Qi0为所并联的多个设备的固有合格品率的平均值;对于含支路的生产线,将生产线并行的支路等效为一个工位,该“工位”的Qi0为并行支路部分总体的理论合格品率PQ0:
3.2)将各模型参数计算结果带入步骤一的OLE和PUR(OLE)模型中,得到生产线综合效能OLE和PUR(OLE)的评价结果。
5.根据权利要求1所述的一种基于MES与CMMS大数据的自动化生产线综合效能评价方法,其特征在于:步骤四中所述的判断生产线运行状态,对于综合效能异常的生产线进一步明确生产线问题性能及相应的问题区段具体是指:
4.1)根据生产线PUR(OLE)评价结果判断生产线整体运行状态,评判标准为表1:
4.2)对于生产线运行状态异常的情况,进一步明确造成该结果的生产线问题性能及相应的问题区段,具体过程为:
4.2.1)判断生产线问题性能:首先,计算生产线整体的PUR(LA)、PUR(LP)和PUR(LQ):
随后,依照表2评判标准判断生产线问题性能:
判断结果为“异常”的性能方面即为生产线的问题性能;
4.2.2)判断造成生产线问题性能的问题区段:
若生产线含支路,将干路与各支路各自视为单独生产线,采用与PUR(LA)、PUR(LP)和PUR(LQ)相同的方法计算干路及各支路的PUR(PA)、PUR(PP)或PUR(PQ),只需计算与生产线问题性能一致的性能方面即可:随后依据表2的标准识别出性能表现“异常”的支路或干路,即为导致生产线出现问题性能的问题区段;
若生产线不含支路,只需依4.2.1)分析出该生产线的问题性能即可,无需进一步判断问题区段;
通过4.1)-4.2)最终识别出造成生产线综合效能异常的生产线问题性能及相应的问题区段。
6.根据权利要求1所述的一种基于MES与CMMS大数据的自动化生产线综合效能评价方法,其特征在于:步骤五中所述的分析生产线问题区段内与生产线问题性能相关的设备性能表现,从而排查导致生产线综合效能异常的问题源具体是指:
5.1)从生产线MES与CMMS数据库中提取生产线问题区段内与生产线问题性能相关的一个工作班次内的生产数据及设备性能参数,并将其转换为能够直接用于计算设备PUR(Ae)、PUR(Pe)或PUR(Qe)的数据;
5.2)利用5.1)所提取的生产数据和设备性能参数,分析生产线问题区段内与生产线问题性能相关的设备PUR(Ae)、PUR(Pe)或PUR(Qe):
若生产线问题性能为LA,只需分析问题区段内各设备的PUR(Ae)即可,采用如下方式计算:
其中Ae为设备e实际表现出的可用度,Ae0为该设备的固有可靠度,tbfer为设备e在一个工作班次内的第r次故障间隔时间,ttrer为设备e在该工作班次内的第r次故障修复时间,Re表示设备e在该工作班次内发生故障的总次数;
若生产线问题性能为LP,只需分析问题区段内各设备的PUR(Pe)即可,采用如下方式计算:
其中Pe为设备e实际表现出的生产速率,CYTe为设备在一个工作班次内的实际加工周期,Ne为该设备在该工作班次内产出的产品总数;Pe0为设备e的固有生产速率,其中CYTe0表示设备e的理论加工周期,ATe0为设备e定期校准理论所需的时间,TAe0为设备e的理论校准周期;
若生产线问题性能为LQ,只需分析问题区段内各设备的PUR(Qe)即可,采用如下方式计算:
其中Qe为设备e实际表现出的合格品率,Qe0为该设备的固有合格品率,Ne为设备e在一个工作班次内产出的产品总数,DNe为设备e在一个工作班次内产出的次品总数;
5.3)在5.2)计算结果的基础上,根据表3的标准判断生产线问题区段内所有设备的PUR(Ae)、PUR(Pe)或PUR(Qe)表现,最终明确造成生产线综合效能异常的问题源,表3:
最终PUR(Ae)、PUR(Pe)或PUR(Qe)判断结果为“异常”的设备性能即为造成生产线综合效能异常的问题源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110415923.3A CN113159564B (zh) | 2021-04-18 | 2021-04-18 | 一种基于mes与cmms大数据的自动化生产线综合效能评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110415923.3A CN113159564B (zh) | 2021-04-18 | 2021-04-18 | 一种基于mes与cmms大数据的自动化生产线综合效能评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113159564A true CN113159564A (zh) | 2021-07-23 |
CN113159564B CN113159564B (zh) | 2021-11-16 |
Family
ID=76868272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110415923.3A Active CN113159564B (zh) | 2021-04-18 | 2021-04-18 | 一种基于mes与cmms大数据的自动化生产线综合效能评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113159564B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114611998A (zh) * | 2022-03-30 | 2022-06-10 | 武汉虹石科技有限公司 | 一种工厂生产线能效数据采集分析方法、系统及计算机存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107239064A (zh) * | 2016-03-27 | 2017-10-10 | 中国食品发酵工业研究院 | 一种评估灌装生产线效率和机台状态的方法 |
CN109146286A (zh) * | 2018-08-17 | 2019-01-04 | 江苏南高智能装备创新中心有限公司 | 一种基于toc理论的oee改善方法 |
CN109816219A (zh) * | 2019-01-07 | 2019-05-28 | 郑州云海信息技术有限公司 | 基于mes数据计算服务器生产设备oee的系统及方法 |
CN110751457A (zh) * | 2019-09-27 | 2020-02-04 | 中国兵器装备集团上海电控研究所 | 生产线智能化综合信息管理系统 |
WO2020033703A1 (en) * | 2018-08-08 | 2020-02-13 | American Pan Company | Automated tracking system for baking pans and trays |
-
2021
- 2021-04-18 CN CN202110415923.3A patent/CN113159564B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107239064A (zh) * | 2016-03-27 | 2017-10-10 | 中国食品发酵工业研究院 | 一种评估灌装生产线效率和机台状态的方法 |
WO2020033703A1 (en) * | 2018-08-08 | 2020-02-13 | American Pan Company | Automated tracking system for baking pans and trays |
CN109146286A (zh) * | 2018-08-17 | 2019-01-04 | 江苏南高智能装备创新中心有限公司 | 一种基于toc理论的oee改善方法 |
CN109816219A (zh) * | 2019-01-07 | 2019-05-28 | 郑州云海信息技术有限公司 | 基于mes数据计算服务器生产设备oee的系统及方法 |
CN110751457A (zh) * | 2019-09-27 | 2020-02-04 | 中国兵器装备集团上海电控研究所 | 生产线智能化综合信息管理系统 |
Non-Patent Citations (2)
Title |
---|
R.M. NACHIAPAN: "Evaluation of overall line effectiveness (OLE) in a continuous product line manufacturing system", 《JOURNAL OF MANUFACTURING TECHNOLOGY》 * |
李洁莉 等: "An Improvement Scheme for the Overall Line Effectiveness of a Production Line:", 《2018 INTERNATIONAL CONFERENCE ON INDUSTRIAL ENGINEERING AND APPLICATIONS》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114611998A (zh) * | 2022-03-30 | 2022-06-10 | 武汉虹石科技有限公司 | 一种工厂生产线能效数据采集分析方法、系统及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113159564B (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104376395B (zh) | 一种钢铁产品质量追溯的方法及装置 | |
CN103942726A (zh) | 电网设备状态评价工作智能核查方法 | |
CN110688389B (zh) | 变电站二次设备缺陷云管理系统 | |
CN112527778B (zh) | 基于异常信息数据库增量的异常消缺管理系统及方法 | |
CN113159564B (zh) | 一种基于mes与cmms大数据的自动化生产线综合效能评价方法 | |
CN115730864A (zh) | 基于物联网的智能能源管理平台 | |
CN111046519A (zh) | 一种人工智能技术在电能表误差诊断中的应用分析方法 | |
CN113537523A (zh) | 一种变电设备状态检修及辅助决策方法 | |
CN111091292B (zh) | 一种核电站实时风险动态建模分析系统 | |
CN109324264B (zh) | 一种配电网线路阻抗数据异常值的辨识方法及装置 | |
CN117521498A (zh) | 一种充电桩引导式故障诊断预测方法及系统 | |
CN107679163A (zh) | 一种单步工序制造因素显著差异分析系统和分析方法 | |
CN112183876A (zh) | 一种基于信息融合的良率损失根因分析方法 | |
CN115471048A (zh) | 基于数字孪生的产线设备综合效率的监控与协同优化方法 | |
CN115456092A (zh) | 电力系统异常数据实时监测方法 | |
CN113408915B (zh) | 生产线瓶颈识别方法及其系统 | |
CN104376505B (zh) | 一种电力系统中配电网的运行可靠性评估方法 | |
CN114201734A (zh) | 基于数据中台的项目节点数据监测与预警方法及系统 | |
CN110298585B (zh) | 一种变电站设备监控信息分层分级自动审核方法 | |
CN111178763A (zh) | 一种企业能效数据管理方法和装置 | |
CN1704947A (zh) | 模具加工产能负载处理系统及方法 | |
CN113408145B (zh) | 一种面向可逆恢复故障的车间关键制造资源sis识别方法 | |
CN110738423A (zh) | 一种卷接设备综合效能评价方法 | |
US20240054427A1 (en) | An instrument scrap evaluation method based on cloud platform big data management | |
CN111192003B (zh) | 一种集客专线项目实际进度评估计算方法 |
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 |