CN113327067B - 一种基于人工智能的工业智能制造产品品质全流程分析控制方法及控制云平台 - Google Patents

一种基于人工智能的工业智能制造产品品质全流程分析控制方法及控制云平台 Download PDF

Info

Publication number
CN113327067B
CN113327067B CN202110743385.0A CN202110743385A CN113327067B CN 113327067 B CN113327067 B CN 113327067B CN 202110743385 A CN202110743385 A CN 202110743385A CN 113327067 B CN113327067 B CN 113327067B
Authority
CN
China
Prior art keywords
manufacturing process
quality
manufacturing
industrial
semi
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.)
Active
Application number
CN202110743385.0A
Other languages
English (en)
Other versions
CN113327067A (zh
Inventor
汤小伟
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.)
XIAMEN KUAIKUAI NETWORK TECHNOLOGY Co.,Ltd.
Original Assignee
Xiamen Kuaikuai Network Technology 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 Xiamen Kuaikuai Network Technology Co ltd filed Critical Xiamen Kuaikuai Network Technology Co ltd
Priority to CN202110743385.0A priority Critical patent/CN113327067B/zh
Publication of CN113327067A publication Critical patent/CN113327067A/zh
Application granted granted Critical
Publication of CN113327067B publication Critical patent/CN113327067B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • G06Q10/0633—Workflow 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
    • G06Q10/0639—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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or 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
    • 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)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于人工智能的工业智能制造产品品质全流程分析控制方法及控制云平台，通过在设定时间段内统计各制造流程对应制造的工业半成品数量，并对各制造流程对应的各工业半成品进行品质系数统计，进而据此评估各制造流程对应的制造产品品质系数，再对各制造流程对应的制造环境品质系数进行评估，从而综合以上得到各制造流程对应的综合制造品质系数，实现了对工业产品全制造流程综合制造品质的分析，充分弥补了目前在对工业产品的各个制造流程进行品质分析过程中只是对工业产品本身的品质进行分析的不足,提高了分析结果的准确度和可靠度，为后期进行制造流程的综合品质调控提供可靠的参考依据。

Description

一种基于人工智能的工业智能制造产品品质全流程分析控制 方法及控制云平台
技术领域
本发明属于工业产品制造品质分析技术领域，具体而言，涉及一种基于人工智能的工业智能制造产品品质全流程分析控制方法及控制云平台。
背景技术
随着经济的发展和人们生活水平的提高，工业产品在人们日常生活中的用处越来越广泛，使得人们对工业产品的需求与日俱增，且人们在对工业产品数量需求的同时，对工业产品的品质越来越看重。这就需要工业制造企业对制造的工业产品品质管控更加严格。
为了满足人们对工业产品数量与日俱增的需求，现在很多工业制造企业都采用工业流水线的形式来制造工业产品，这种制造方式可以有效提高制造效率。在这种制造方式下，工业制造企业对工业产品品质的管控通常是对工业流水线对应的每个制造流程进行品质分析，以此来达到工业产品全制造流程品质分析。但目前在对工业产品的各个制造流程进行品质分析过程中，只是对工业产品本身的品质进行分析，忽略了对制造环境的品质分析，由于一些工业产品，如化工产品在生产制造过程中会产生一些有毒有害气体，当对制造环境品质管控不当时，易使产生的有毒有害气体浓度超标，进而不仅会导致环境污染，还会威胁生产人员的身体健康。因此对工业产品制造环境的品质分析也是制造流程品质分析的一个重要方向，单纯只对各制造流程工业产品本身的品质进行分析很显然是片面的，难以实现对工业产品全制造流程综合制造品质的分析。
发明内容
为了克服上述不足，本发明提出一种基于人工智能的工业智能制造产品品质全流程分析控制方法及控制云平台，通过对工业产品对应的各制造流程分别进行制造产品品质系数评估和制造环境品质系数评估，进而综合以上得到各制造流程对应的综合制造品质系数，实现了对工业产品全制造流程综合制造品质的分析。
本发明的目的可以通过以下技术方案来实现：
第一方面，本发明提出一种基于人工智能的工业智能制造产品品质全流程分析控制方法，包括以下步骤：
步骤1.制造流程统计：统计工业产品对应制造过程中的各制造流程，并对统计的各制造流程按照制造时间的先后顺序进行编号，依次标记为1,2,...,i,...,n；
步骤2.制造流程环境污染参数采集：在该工业产品生产车间布设环境污染参数采集终端，采集该工业产品各制造流程对应的环境污染参数；
步骤3.制造流程制造工业半成品数量统计：在设定时间段内统计各制造流程对应制造的工业半成品数量，并对各制造流程对应制造的各工业半成品按照制造时间的先后顺序进行编号，分别标记为1,2,...,j,...,m；
步骤4.制造流程工业半成品尺寸参数和外观参数采集：在各制造流程对应制造的所有工业半成品均制造完成后，对各工业半成品进行三维图像扫描，得到各制造流程对应各工业半成品的三维图像，并从各制造流程对应各工业半成品的三维图像中提取工业半成品尺寸参数和外观参数；
步骤5.制造流程工业半成品性能参数采集：对各制造流程对应的各工业半成品进行性能参数检测；
步骤6.制造流程工业半成品品质系数统计：将各制造流程对应各工业半成品的尺寸参数、外观参数和性能参数与品质数据库中各制造流程的工业半成品标准尺寸参数、标准外观参数和标准性能参数进行比对，以此统计各制造流程对应各工业半成品的品质系数；
步骤7.制造流程制造产品品质系数评估：对各制造流程对应各工业半成品的品质系数进行深度分析，从而评估各制造流程对应的制造产品品质系数；
步骤8.制造流程环境品质系数评估：将各制造流程对应的环境污染参数与品质数据库中该工业产品对应各制造流程生产环境的最小环境污染参数进行对比，以此评估各制造流程对应的制造环境品质系数；
步骤9.制造流程综合制造品质分析：根据各制造流程对应的制造产品品质系数和制造环境品质系数计算各制造流程对应的综合制造品质系数。
在本发明第一方面的一种可能的设计中，所述环境污染参数包括二氧化硫浓度、二氧化氮浓度、一氧化氮浓度、一氧化碳浓度、二氧化硫浓度和硫化氢浓度。
在本发明第一方面的一种可能的设计中，所述尺寸参数包括长度、宽度、高度、半径和弧度，所述外观参数包括形状、颜色和体积。
在本发明第一方面的一种可能的设计中，所述性能参数包括硬度和光滑度。
在本发明第一方面的一种可能的设计中，所述步骤6中统计各制造流程对应各工业半成品的品质系数，其具体统计过程执行以下步骤：
S1:将各制造流程对应各工业半成品的尺寸参数构成制造流程工业半成品尺寸参数集合Pi r(pi r1,pi r2,...,pi rj,...,pi rm),pi rj表示为第i个制造流程对应第j个工业半成品的尺寸参数对应的数值，r表示为尺寸参数，r＝a1,a2,a3,a4,a5,分别表示为长度，宽度，高度，半径，弧度；
S2:将制造流程工业半成品尺寸参数集合与各制造流程的工业半成品标准尺寸参数进行对比，并根据对比结果计算各制造流程对应各工业半成品的尺寸品质指数，其计算公式为
Figure BDA0003143495570000041
εij表示为第i个制造流程对应第j个工业半成品的尺寸品质指数，pi r标准表示为第i个制造流程的工业半成品标准尺寸参数对应的数值；
S3:将各制造流程对应各工业半成品的外观参数构成制造流程工业半成品外观参数集合Gi w(gi w1,gi w2,...,gi wj,...,gi wm)，gi wj表示为第i个制造流程对应第j个工业半成品的外观参数对应的数值，w表示为外观参数，w＝b1,b2,b3,分别表示为形状，颜色，体积；
S4:从制造流程工业半成品外观参数集合中分别提取各制造流程对应各工业半成品的形状、颜色和体积，并将其与各制造流程的工业半成品标准外观参数进行对比，若某制造流程对应某工业半成品的某个外观参数与该标准外观参数不一致，则该制造流程对应该工业半成品的该外观参数品质因子记为λ，若某制造流程对应某工业半成品的某个外观参数与该标准外观参数一致，则该制造流程对应该工业半成品的该外观参数品质因子记为λ′，以此计算各制造流程对应各工业半成品的外观品质指数，其计算公式为
Figure BDA0003143495570000042
δij表示为第i个制造流程对应第j个工业半成品的外观品质指数，
Figure BDA0003143495570000043
分别表示为第i个制造流程对应第j个工业半成品的形状品质因子、颜色品质因子、体积品质因子，且
Figure BDA0003143495570000044
对应的取值均为λ或λ′；
S5:将各制造流程对应各工业半成品的性能参数构成制造流程工业半成品性能参数集合Qi u(qi u1,qi u2,...,qi uj,...,qi um)，qi uj表示为第i个制造流程对应第j个工业半成品的性能参数对应的数值，u表示为性能参数，u＝c1,c2,分别表示为硬度，光滑度；
S6:将制造流程工业半成品性能参数集合与各制造流程的工业半成品标准性能参数进行对比，得到制造流程工业半成品性能参数对比集合ΔQi u(Δqi u1,Δqi u2,...,Δqi uj,...,Δqi um)，进而根据制造流程工业半成品性能参数对比集合计算各制造流程对应各工业半成品的性能品质指数，其计算公式为
Figure BDA0003143495570000051
σij表示为第i个制造流程对应第j个工业半成品的性能品质指数，Δqi c1j、Δqi c2j分别表示为第i个制造流程对应第j个工业半成品的硬度、光滑度与该制造流程的工业半成品对应的标准硬度、标准光滑度之间的对比差值，qi c1标准、qi c2标准分别表示为第i个制造流程的工业半成品对应的标准硬度、标准光滑度；
S7:根据各制造流程对应各工业半成品的尺寸品质指数、外观品质指数和性能品质指数统计各制造流程对应各工业半成品的品质系数
Figure BDA0003143495570000052
ηij表示为第i个制造流程对应第j个工业半成品的品质系数。
在本发明第一方面的一种可能的设计中，所述步骤7中评估各制造流程对应的制造产品品质系数，其具体评估方法如下:
H1:将各制造流程对应各工业半成品的品质系数与品质数据库中该工业产品对应各制造流程的工业半成品合格品质系数阈值进行对比，若某制造流程对应某工业半成品的品质系数大于或等于该制造流程的工业半成品合格品质系数阈值，表明该工业半成品品质合格，若某制造流程对应某工业半成品的品质系数小于该制造流程的工业半成品合格品质系数阈值，表明该工业半成品品质不合格；
H2:分别统计各制造流程中品质合格的工业半成品数量；
H3:根据设定时间段内各制造流程对应制造的工业半成品数量和各制造流程中品质合格的工业半成品数量评估各制造流程对应的制造产品品质系数，其评估计算公式为
Figure BDA0003143495570000061
ξi表示为第i个制造流程对应的制造产品品质系数，zi表示为第i个制造流程品质合格的工业半成品数量。
在本发明第一方面的一种可能的设计中，所述步骤8中评估各制造流程对应的制造环境品质系数，其具体评估方法如下：
D1:将各制造流程对应的环境污染参数构成制造流程环境污染参数集合F(fo1,fo2,...,foi,...,fon)，foi表示为第i个制造流程对应的环境污染参数，o表示为环境污染参数，o＝d1,d2,d3,d4,d5,d6分别表示为二氧化硫浓度,二氧化氮浓度,一氧化氮浓度,一氧化碳浓度,二氧化硫浓度,硫化氢浓度；
D2:将制造流程环境污染参数集合与该工业产品对应各制造流程生产环境的最小环境污染参数进行对比，进而根据对比结果评估各制造流程对应的制造环境品质系数，其评估计算公式为
Figure BDA0003143495570000062
μi表示为第i个制造流程对应的制造环境品质系数，f′oi表示为该工业产品对应第i个制造流程生产环境的最小环境污染参数。
在本发明第一方面的一种可能的设计中，所述各制造流程对应的综合制造品质系数计算公式为
Figure BDA0003143495570000063
Figure BDA0003143495570000064
表示为第i个制造流程对应的综合制造品质系数，k1、k2分别表示为制造产品、制造环境对应的权重系数。
在本发明第一方面的一种可能的设计中，所述步骤9之后还包括：
步骤10.品质不佳制造流程筛选及显示：将各制造流程对应的综合制造品质系数与预设的各制造流程对应的标准综合制造品质系数进行对比，若某制造流程对应的综合制造品质系数小于该制造流程对应的标准综合制造品质系数，表明该制造流程的综合制造品质不佳，需要进行调控处理，该制造流程记为品质不佳制造流程，此时从各制造流程中筛选出品质不佳制造流程，并记录品质不佳制造流程编号，将其在后台显示。
第二方面，本发明提出一种控制云平台，所述控制云平台包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个工业智能制造产品品质全流程分析控制设备通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行本发明所述的一种基于人工智能的工业智能制造产品品质全流程分析控制方法。
基于上述任一方面，本发明的有益效果如下：
(1)本发明通过在设定时间段内统计各制造流程对应制造的工业半成品数量，并对各制造流程对应的各工业半成品分别进行尺寸参数、外观参数和性能参数采集，以此统计各制造流程对应各工业半成品的品质系数，进而根据各制造流程对应各工业半成品的品质系数从各制造流程对应制造的所有工业半成品中筛选出合格工业半成品数量，以此评估各制造流程对应的制造产品品质系数，再对各制造流程对应的环境污染参数进行采集，以此评估各制造流程对应的制造环境品质系数，从而综合以上得到各制造流程对应的综合制造品质系数，实现了对工业产品全制造流程综合制造品质的分析，充分弥补了目前在对工业产品的各个制造流程进行品质分析过程中只是对工业产品本身的品质进行分析的不足,提高了分析结果的准确度和可靠度，为后期进行制造流程的综合品质调控提供可靠的参考依据。
(2)本发明在得到各制造流程对应的综合制造品质系数之后，还将其与预设的各制造流程对应的标准综合制造品质系数进行对比，从中筛选出品质不佳制造流程，并将其在显示后台显示，便于品质管理人员直观了解，为后面对品质不佳制造流程进行针对性处理提供处理目标，体现了对品质不佳制造流程的制造品质调控。
(3)本发明在统计各制造流程对应各工业半成品的品质系数过程中，融合了各工业半成品的尺寸参数、外观参数和性能参数，其统计指标全面，相对于只根据工业半成品的外观参数来统计工业半成品品质系数来说，该统计方式使得统计的各工业半成品的品质系数能够全面真实反映工业半成品的品质状况，为评估各制造流程对应的制造产品品质系数提供真实的评估参考依据。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的方法实施步骤流程图。
具体实施方式
下面将结合本发明实施例中的附图，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。
参照图1所示，第一方面，本发明提出一种基于人工智能的工业智能制造产品品质全流程分析控制方法，包括以下步骤：
步骤1.制造流程统计：统计工业产品对应制造过程中的各制造流程，并对统计的各制造流程按照制造时间的先后顺序进行编号，依次标记为1,2,...,i,...,n；
步骤2.制造流程环境污染参数采集：在该工业产品生产车间布设环境污染参数采集终端，其中环境污染参数采集终端为有毒有害气体探测器，采集该工业产品各制造流程对应的环境污染参数，其中环境污染参数包括二氧化硫浓度、二氧化氮浓度、一氧化氮浓度、一氧化碳浓度、二氧化硫浓度和硫化氢浓度；
步骤3.制造流程制造工业半成品数量统计：在设定时间段内统计各制造流程对应制造的工业半成品数量，并对各制造流程对应制造的各工业半成品按照制造时间的先后顺序进行编号，分别标记为1,2,...,j,...,m；
本实施例中设定时间段的具体设定方法为首先获取各制造流程对应制造单个工业半成品的时长，进而据此设定时间段，使得设定时间段的时长要均大于各制造流程对应制造单个工业半成品的时长；
步骤4.制造流程工业半成品尺寸参数和外观参数采集：在各制造流程对应制造的所有工业半成品均制造完成后，对各工业半成品进行三维图像扫描，得到各制造流程对应各工业半成品的三维图像，并从各制造流程对应各工业半成品的三维图像中提取工业半成品尺寸参数和外观参数，所述尺寸参数包括长度、宽度、高度、半径和弧度，所述外观参数包括形状、颜色和体积，其中尺寸参数和外观参数的具体提取方法为对各制造流程对应各工业半成品的三维图像进行外形轮廓提取，以此根据提取的外形轮廓分别获取各工业半成品的尺寸参数、体积和形状，再对各制造流程对应各工业半成品的三维图像进行颜色特征提取，以此确定各工业半成品的颜色；
本实施例中提到得到尺寸参数有且不仅限于此；
步骤5.制造流程工业半成品性能参数采集：对各制造流程对应的各工业半成品进行性能参数检测，其中性能参数包括硬度和光滑度；
步骤6.制造流程工业半成品品质系数统计：将各制造流程对应各工业半成品的尺寸参数、外观参数和性能参数与品质数据库中各制造流程的工业半成品标准尺寸参数、标准外观参数和标准性能参数进行比对，以此统计各制造流程对应各工业半成品的品质系数，其具体统计过程执行以下步骤：
S1:将各制造流程对应各工业半成品的尺寸参数构成制造流程工业半成品尺寸参数集合Pi r(pi r1,pi r2,...,pi rj,...,pi rm),pi rj表示为第i个制造流程对应第j个工业半成品的尺寸参数对应的数值，r表示为尺寸参数，r＝a1,a2,a3,a4,a5,分别表示为长度，宽度，高度，半径，弧度；
S2:将制造流程工业半成品尺寸参数集合与各制造流程的工业半成品标准尺寸参数进行对比，其中工业半成品标准尺寸参数包括工业半成品标准长度、标准宽度、标准高度、标准半径和标准弧度，并根据对比结果计算各制造流程对应各工业半成品的尺寸品质指数，其计算公式为
Figure BDA0003143495570000101
εij表示为第i个制造流程对应第j个工业半成品的尺寸品质指数，pi r标准表示为第i个制造流程的工业半成品标准尺寸参数对应的数值；
S3:将各制造流程对应各工业半成品的外观参数构成制造流程工业半成品外观参数集合Gi w(gi w1,gi w2,...,gi wj,...,gi wm)，gi wj表示为第i个制造流程对应第j个工业半成品的外观参数对应的数值，w表示为外观参数，w＝b1,b2,b3,分别表示为形状，颜色，体积；
S4:从制造流程工业半成品外观参数集合中分别提取各制造流程对应各工业半成品的形状、颜色和体积，并将其与各制造流程的工业半成品标准外观参数进行对比，其中工业半成品标准外观参数包括工业半成品标准形状、标准颜色和标准体积，若某制造流程对应某工业半成品的某个外观参数与该标准外观参数不一致，则该制造流程对应该工业半成品的该外观参数品质因子记为λ，若某制造流程对应某工业半成品的某个外观参数与该标准外观参数一致，则该制造流程对应该工业半成品的该外观参数品质因子记为λ′，以此计算各制造流程对应各工业半成品的外观品质指数，其计算公式为
Figure BDA0003143495570000111
δij表示为第i个制造流程对应第j个工业半成品的外观品质指数，
Figure BDA0003143495570000112
Figure BDA0003143495570000113
分别表示为第i个制造流程对应第j个工业半成品的形状品质因子、颜色品质因子、体积品质因子，且
Figure BDA0003143495570000114
对应的取值均为λ或λ′；
S5:将各制造流程对应各工业半成品的性能参数构成制造流程工业半成品性能参数集合Qi u(qi u1,qi u2,...,qi uj,...,qi um)，qi uj表示为第i个制造流程对应第j个工业半成品的性能参数对应的数值，u表示为性能参数，u＝c1,c2,分别表示为硬度，光滑度；
S6:将制造流程工业半成品性能参数集合与各制造流程的工业半成品标准性能参数进行对比，其中工业半成品标准性能参数包括工业半成品标准硬度和标准光滑度，得到制造流程工业半成品性能参数对比集合ΔQi u(Δqi u1,Δqi u2,...,Δqi uj,...,Δqi um)，进而根据制造流程工业半成品性能参数对比集合计算各制造流程对应各工业半成品的性能品质指数，其计算公式为
Figure BDA0003143495570000115
σij表示为第i个制造流程对应第j个工业半成品的性能品质指数，Δqi c1j、Δqi c2j分别表示为第i个制造流程对应第j个工业半成品的硬度、光滑度与该制造流程的工业半成品对应的标准硬度、标准光滑度之间的对比差值，qi c1标准、qi c2标准分别表示为第i个制造流程的工业半成品对应的标准硬度、标准光滑度；
S7:根据各制造流程对应各工业半成品的尺寸品质指数、外观品质指数和性能品质指数统计各制造流程对应各工业半成品的品质系数
Figure BDA0003143495570000121
ηij表示为第i个制造流程对应第j个工业半成品的品质系数；
本实施例在统计各制造流程对应各工业半成品的品质系数过程中，融合了各工业半成品的尺寸参数、外观参数和性能参数，其统计指标全面，相对于只根据工业半成品的外观参数来统计工业半成品品质系数来说，该统计方式使得统计的各工业半成品的品质系数能够全面真实反映工业半成品的品质状况，为评估各制造流程对应的制造产品品质系数提供真实的评估参考依据；
步骤7.制造流程制造产品品质系数评估：对各制造流程对应各工业半成品的品质系数进行深度分析，从而评估各制造流程对应的制造产品品质系数，其具体评估方法如下:
H1:将各制造流程对应各工业半成品的品质系数与品质数据库中该工业产品对应各制造流程的工业半成品合格品质系数阈值进行对比，若某制造流程对应某工业半成品的品质系数大于或等于该制造流程的工业半成品合格品质系数阈值，表明该工业半成品品质合格，若某制造流程对应某工业半成品的品质系数小于该制造流程的工业半成品合格品质系数阈值，表明该工业半成品品质不合格；
H2:分别统计各制造流程中品质合格的工业半成品数量；
H3:根据设定时间段内各制造流程对应制造的工业半成品数量和各制造流程中品质合格的工业半成品数量评估各制造流程对应的制造产品品质系数，其评估计算公式为
Figure BDA0003143495570000122
ξi表示为第i个制造流程对应的制造产品品质系数，zi表示为第i个制造流程品质合格的工业半成品数量；
步骤8.制造流程环境品质系数评估：将各制造流程对应的环境污染参数与品质数据库中该工业产品对应各制造流程生产环境的最小环境污染参数进行对比，以此评估各制造流程对应的制造环境品质系数，其具体评估方法如下：
D1:将各制造流程对应的环境污染参数构成制造流程环境污染参数集合F(fo1,fo2,...,foi,...,fon)，foi表示为第i个制造流程对应的环境污染参数，o表示为环境污染参数，o＝d1,d2,d3,d4,d5,d6分别表示为二氧化硫浓度,二氧化氮浓度,一氧化氮浓度,一氧化碳浓度,二氧化硫浓度,硫化氢浓度；
D2:将制造流程环境污染参数集合与该工业产品对应各制造流程生产环境的最小环境污染参数进行对比，进而根据对比结果评估各制造流程对应的制造环境品质系数，其评估计算公式为
Figure BDA0003143495570000131
μi表示为第i个制造流程对应的制造环境品质系数，fo′i表示为该工业产品对应第i个制造流程生产环境的最小环境污染参数；
步骤9.制造流程综合制造品质分析：根据各制造流程对应的制造产品品质系数和制造环境品质系数计算各制造流程对应的综合制造品质系数
Figure BDA0003143495570000132
Figure BDA0003143495570000133
表示为第i个制造流程对应的综合制造品质系数，k1、k2分别表示为制造产品、制造环境对应的权重系数；
本发明通过在设定时间段内统计各制造流程对应制造的工业半成品数量，并对各制造流程对应的各工业半成品进行品质系数统计，进而据此评估各制造流程对应的制造产品品质系数，再对各制造流程对应的制造环境品质系数进行评估，从而综合以上得到各制造流程对应的综合制造品质系数，实现了对工业产品全制造流程综合制造品质的分析，充分弥补了目前在对工业产品的各个制造流程进行品质分析过程中只是对工业产品本身的品质进行分析的不足,提高了分析结果的准确度和可靠度，为后期进行制造流程的综合品质调控提供可靠的参考依据。
步骤10.品质不佳制造流程筛选及显示：将各制造流程对应的综合制造品质系数与预设的各制造流程对应的标准综合制造品质系数进行对比，若某制造流程对应的综合制造品质系数小于该制造流程对应的标准综合制造品质系数，表明该制造流程的综合制造品质不佳，需要进行调控处理，该制造流程记为品质不佳制造流程，此时从各制造流程中筛选出品质不佳制造流程，并记录品质不佳制造流程编号，将其在后台显示。
本实施例在得到各制造流程对应的综合制造品质系数之后，还将其与预设的各制造流程对应的标准综合制造品质系数进行对比，从中筛选出品质不佳制造流程，并将其在显示后台显示，便于品质管理人员直观了解，为后面对品质不佳制造流程进行针对性处理提供处理目标，体现了对品质不佳制造流程的制造品质调控，进而一方面可以保障品质不佳制造流程对应的工业半成品本身品质，另一方面可以保障品质不佳制造流程对应的制造环境品质，充分保障了生产人员的身体健康。
第二方面，本发明提出一种控制云平台，所述控制云平台包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个工业智能制造产品品质全流程分析控制设备通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行本发明所述的一种基于人工智能的工业智能制造产品品质全流程分析控制方法。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (7)

1.一种基于人工智能的工业智能制造产品品质全流程分析控制方法，其特征在于，包括以下步骤：
步骤1.制造流程统计：统计工业产品对应制造过程中的各制造流程，并对统计的各制造流程按照制造时间的先后顺序进行编号，依次标记为1,2,...,i,...,n；
步骤2.制造流程环境污染参数采集：在该工业产品生产车间布设环境污染参数采集终端，采集该工业产品各制造流程对应的环境污染参数；
步骤3.制造流程制造工业半成品数量统计：在设定时间段内统计各制造流程对应制造的工业半成品数量，并对各制造流程对应制造的各工业半成品按照制造时间的先后顺序进行编号，分别标记为1,2,...,j,...,m；
步骤4.制造流程工业半成品尺寸参数和外观参数采集：在各制造流程对应制造的所有工业半成品均制造完成后，对各工业半成品进行三维图像扫描，得到各制造流程对应各工业半成品的三维图像，并从各制造流程对应各工业半成品的三维图像中提取工业半成品尺寸参数和外观参数；
步骤5.制造流程工业半成品性能参数采集：对各制造流程对应的各工业半成品进行性能参数检测；
步骤6.制造流程工业半成品品质系数统计：将各制造流程对应各工业半成品的尺寸参数、外观参数和性能参数与品质数据库中各制造流程的工业半成品标准尺寸参数、标准外观参数和标准性能参数进行比对，以此统计各制造流程对应各工业半成品的品质系数；
步骤7.制造流程制造产品品质系数评估：对各制造流程对应各工业半成品的品质系数进行深度分析，从而评估各制造流程对应的制造产品品质系数；
步骤8.制造流程环境品质系数评估：将各制造流程对应的环境污染参数与品质数据库中该工业产品对应各制造流程生产环境的最小环境污染参数进行对比，以此评估各制造流程对应的制造环境品质系数；
所述步骤8中评估各制造流程对应的制造环境品质系数，其具体评估方法如下：
D1:将各制造流程对应的环境污染参数构成制造流程环境污染参数集合F(fo1,fo2,...,foi,...,fon)，foi表示为第i个制造流程对应的环境污染参数，o表示为环境污染参数，o＝d1,d2,d3,d4,d5,d6分别表示为二氧化硫浓度,二氧化氮浓度,一氧化氮浓度,一氧化碳浓度,二氧化硫浓度,硫化氢浓度；
D2:将制造流程环境污染参数集合与该工业产品对应各制造流程生产环境的最小环境污染参数进行对比，进而根据对比结果评估各制造流程对应的制造环境品质系数，其评估计算公式为
Figure FDA0003477843110000021
μi表示为第i个制造流程对应的制造环境品质系数，fo′i表示为该工业产品对应第i个制造流程生产环境的最小环境污染参数；
步骤9.制造流程综合制造品质分析：根据各制造流程对应的制造产品品质系数和制造环境品质系数计算各制造流程对应的综合制造品质系数；
步骤10.品质不佳制造流程筛选及显示：将各制造流程对应的综合制造品质系数与预设的各制造流程对应的标准综合制造品质系数进行对比，若某制造流程对应的综合制造品质系数小于该制造流程对应的标准综合制造品质系数，表明该制造流程的综合制造品质不佳，需要进行调控处理，该制造流程记为品质不佳制造流程，此时从各制造流程中筛选出品质不佳制造流程，并记录品质不佳制造流程编号，将其在后台显示。
2.根据权利要求1所述的一种基于人工智能的工业智能制造产品品质全流程分析控制方法，其特征在于：所述尺寸参数包括长度、宽度、高度、半径和弧度，所述外观参数包括形状、颜色和体积。
3.根据权利要求1所述的一种基于人工智能的工业智能制造产品品质全流程分析控制方法，其特征在于：所述性能参数包括硬度和光滑度。
4.根据权利要求1所述的一种基于人工智能的工业智能制造产品品质全流程分析控制方法，其特征在于：所述步骤6中统计各制造流程对应各工业半成品的品质系数，其具体统计过程执行以下步骤：
S1:将各制造流程对应各工业半成品的尺寸参数构成制造流程工业半成品尺寸参数集合Pi r(pi r1,pi r2,...,pi rj,...,pi rm),pi rj表示为第i个制造流程对应第j个工业半成品的尺寸参数对应的数值，r表示为尺寸参数，r＝a1,a2,a3,a4,a5,分别表示为长度，宽度，高度，半径，弧度；
S2:将制造流程工业半成品尺寸参数集合与各制造流程的工业半成品标准尺寸参数进行对比，并根据对比结果计算各制造流程对应各工业半成品的尺寸品质指数，其计算公式为
Figure FDA0003477843110000031
εij表示为第i个制造流程对应第j个工业半成品的尺寸品质指数，pi r标准表示为第i个制造流程的工业半成品标准尺寸参数对应的数值；
S3:将各制造流程对应各工业半成品的外观参数构成制造流程工业半成品外观参数集合Gi w(gi w1,gi w2,...,gi wj,...,gi wm)，gi wj表示为第i个制造流程对应第j个工业半成品的外观参数对应的数值，w表示为外观参数，w＝b1,b2,b3,分别表示为形状，颜色，体积；
S4:从制造流程工业半成品外观参数集合中分别提取各制造流程对应各工业半成品的形状、颜色和体积，并将其与各制造流程的工业半成品标准外观参数进行对比，若某制造流程对应某工业半成品的某个外观参数与该标准外观参数不一致，则该制造流程对应该工业半成品的该外观参数品质因子记为λ，若某制造流程对应某工业半成品的某个外观参数与该标准外观参数一致，则该制造流程对应该工业半成品的该外观参数品质因子记为λ′，以此计算各制造流程对应各工业半成品的外观品质指数，其计算公式为
Figure FDA0003477843110000041
δij表示为第i个制造流程对应第j个工业半成品的外观品质指数，
Figure FDA0003477843110000042
分别表示为第i个制造流程对应第j个工业半成品的形状品质因子、颜色品质因子、体积品质因子，且
Figure FDA0003477843110000043
对应的取值均为λ或λ′；
S5:将各制造流程对应各工业半成品的性能参数构成制造流程工业半成品性能参数集合Qi u(qi u1,qi u2,...,qi uj,...,qi um)，qi uj表示为第i个制造流程对应第j个工业半成品的性能参数对应的数值，u表示为性能参数，u＝c1,c2,分别表示为硬度，光滑度；
S6:将制造流程工业半成品性能参数集合与各制造流程的工业半成品标准性能参数进行对比，得到制造流程工业半成品性能参数对比集合ΔQi u(Δqi u1,Δqi u2,...,Δqi uj,...,Δqi um)，进而根据制造流程工业半成品性能参数对比集合计算各制造流程对应各工业半成品的性能品质指数，其计算公式为
Figure FDA0003477843110000044
σij表示为第i个制造流程对应第j个工业半成品的性能品质指数，Δqi c1j、Δqi c2j分别表示为第i个制造流程对应第j个工业半成品的硬度、光滑度与该制造流程的工业半成品对应的标准硬度、标准光滑度之间的对比差值，qi c1标准、qi c2标准分别表示为第i个制造流程的工业半成品对应的标准硬度、标准光滑度；
S7:根据各制造流程对应各工业半成品的尺寸品质指数、外观品质指数和性能品质指数统计各制造流程对应各工业半成品的品质系数
Figure FDA0003477843110000051
ηij表示为第i个制造流程对应第j个工业半成品的品质系数。
5.根据权利要求1所述的一种基于人工智能的工业智能制造产品品质全流程分析控制方法，其特征在于：所述步骤7中评估各制造流程对应的制造产品品质系数，其具体评估方法如下:
H1:将各制造流程对应各工业半成品的品质系数与品质数据库中该工业产品对应各制造流程的工业半成品合格品质系数阈值进行对比，若某制造流程对应某工业半成品的品质系数大于或等于该制造流程的工业半成品合格品质系数阈值，表明该工业半成品品质合格，若某制造流程对应某工业半成品的品质系数小于该制造流程的工业半成品合格品质系数阈值，表明该工业半成品品质不合格；
H2:分别统计各制造流程中品质合格的工业半成品数量；
H3:根据设定时间段内各制造流程对应制造的工业半成品数量和各制造流程中品质合格的工业半成品数量评估各制造流程对应的制造产品品质系数，其评估计算公式为
Figure FDA0003477843110000052
ξi表示为第i个制造流程对应的制造产品品质系数，zi表示为第i个制造流程品质合格的工业半成品数量。
6.根据权利要求1所述的一种基于人工智能的工业智能制造产品品质全流程分析控制方法，其特征在于：所述各制造流程对应的综合制造品质系数计算公式为
Figure FDA0003477843110000061
Figure FDA0003477843110000062
表示为第i个制造流程对应的综合制造品质系数，k1、k2分别表示为制造产品、制造环境对应的权重系数。
7.一种控制云平台，其特征在于：所述控制云平台包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个工业智能制造产品品质全流程分析控制设备通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行权利要求1-6中任意一项所述的一种基于人工智能的工业智能制造产品品质全流程分析控制方法。
CN202110743385.0A 2021-07-01 2021-07-01 一种基于人工智能的工业智能制造产品品质全流程分析控制方法及控制云平台 Active CN113327067B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110743385.0A CN113327067B (zh) 2021-07-01 2021-07-01 一种基于人工智能的工业智能制造产品品质全流程分析控制方法及控制云平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110743385.0A CN113327067B (zh) 2021-07-01 2021-07-01 一种基于人工智能的工业智能制造产品品质全流程分析控制方法及控制云平台

Publications (2)

Publication Number Publication Date
CN113327067A CN113327067A (zh) 2021-08-31
CN113327067B true CN113327067B (zh) 2022-03-25

Family

ID=77425432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110743385.0A Active CN113327067B (zh) 2021-07-01 2021-07-01 一种基于人工智能的工业智能制造产品品质全流程分析控制方法及控制云平台

Country Status (1)

Country Link
CN (1) CN113327067B (zh)

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BR0303623A (pt) * 2003-09-11 2005-05-03 Univ Minas Gerais Processo e dispositivo baseado em sistemas inteligentes - inteligência artificial - redes neurais artificiais, para determinação e controle em tempo real de contaminantes em sistemas fìsicos e/ou quìmicos e/ou biológicos
CN108171422A (zh) * 2017-12-28 2018-06-15 鞍钢集团自动化有限公司 一种钢铁智能工厂的平台构建方法
DE102019218623A1 (de) * 2019-11-29 2021-06-02 Sms Group Gmbh Steuerungssystem für eine industrielle Anlage, insbesondere für eine Anlage zur Herstellung oder Verarbeitung von metallischen Bändern oder Blechen und Verfahren zum Steuern einer industriellen Anlage, insbesondere einer Anlage zur Herstellung oder Verarbeitung von metallischen Bändern oder Blechen
CN111474299B (zh) * 2020-04-13 2021-07-13 深圳普泰电气有限公司 一种基于大数据的工业环境实时监测系统
CN111626234A (zh) * 2020-05-29 2020-09-04 江苏中车数字科技有限公司 一种智能制造系统平台的实现方法
CN111999320A (zh) * 2020-09-03 2020-11-27 张婉婷 一种基于x射线图像分析的食品品质安全智能检测系统
CN112216071A (zh) * 2020-10-10 2021-01-12 深圳中神电子科技有限公司 一种基于大数据的智慧化工监测预警平台
CN112862887A (zh) * 2020-12-31 2021-05-28 卓喜龙 基于人工智能和大数据分析的建筑施工安全管理预警系统及安全云平台
CN112907027A (zh) * 2021-01-18 2021-06-04 南京效秀自动化技术有限公司 基于大数据分析和云计算的智慧物流全周期跟踪管理方法及云管理平台
CN112766735A (zh) * 2021-01-21 2021-05-07 南京渐起网络科技有限公司 一种基于云计算和大数据分析的智慧电网工程造价智能评估方法及云造价管理平台
CN113034164B (zh) * 2021-04-13 2021-12-28 深圳领驭科技有限公司 基于云存储的智能制造工业产品赋码溯源管理分析方法

Also Published As

Publication number Publication date
CN113327067A (zh) 2021-08-31

Similar Documents

Publication Publication Date Title
CN115276006A (zh) 一种用于电力集成系统的负荷预测的方法及系统
CN114858976A (zh) 一种工业园区大气质量智能分析方法及系统
CN108875118B (zh) 一种高炉铁水硅含量预测模型准确度评价方法和设备
CN110716512A (zh) 一种基于燃煤电站运行数据的环保装备性能预测方法
CN114328075A (zh) 一种智能配电房传感器多维数据融合异常事件检测方法、系统及计算机可读存储介质
CN113034164B (zh) 基于云存储的智能制造工业产品赋码溯源管理分析方法
CN111027193A (zh) 一种基于回归模型的短期水位预测方法
CN113506046A (zh) 一种基于质量管理规范数据追踪的药品质量控制分析系统
CN111651444B (zh) 一种自适应时间序列数据预测方法
CN114611372A (zh) 一种基于物联网边缘计算的工业设备健康预测方法
CN112418270A (zh) 一种高炉综合状态预测方法及系统
CN114757413A (zh) 一种基于时序数列分析耦合神经网络预测的不良数据辨识方法
CN112183906A (zh) 一种基于多模型组合模型的机房环境预测方法及系统
CN113327067B (zh) 一种基于人工智能的工业智能制造产品品质全流程分析控制方法及控制云平台
CN113127965B (zh) 一种基于bim技术和云计算的工程监理信息管理方法、系统、智能终端和存储介质
CN114217025A (zh) 评估空气质量浓度预测中气象数据对其影响的分析方法
CN117670256A (zh) 基于bim技术的工程造价精准控制系统及方法
CN116910655A (zh) 一种基于装置量测数据的智能电能表故障预测方法
CN115987692A (zh) 一种基于流量回溯分析的安全防护系统及方法
CN115659195A (zh) 一种大气污染在线识别方法
CN113778042A (zh) 基于信息化建模的工控设备指令模拟运行通信系统
CN112668249A (zh) 电网一次设备大修技改方案在线构建方法及系统
CN117273467B (zh) 一种基于多因素耦合的工业安全风险管控方法及系统
CN116500456B (zh) 一种基于机器学习的三元锂电池容量检测方法
CN117235445B (zh) 一种基于多模型及时间序列的气象预测系统及其方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220304

Address after: 361008 unit 201, No. 50, guanri Road, phase II, software park, Xiamen, Fujian

Applicant after: XIAMEN KUAIKUAI NETWORK TECHNOLOGY Co.,Ltd.

Address before: Putian Internet of things innovation and R & D base, No.18, jingangsi Road, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430074

Applicant before: Wuhan yuanmingsheng Network Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant