CN113359655A - 铸件打磨智能生产信息模型的建立方法 - Google Patents
铸件打磨智能生产信息模型的建立方法 Download PDFInfo
- Publication number
- CN113359655A CN113359655A CN202110811762.XA CN202110811762A CN113359655A CN 113359655 A CN113359655 A CN 113359655A CN 202110811762 A CN202110811762 A CN 202110811762A CN 113359655 A CN113359655 A CN 113359655A
- Authority
- CN
- China
- Prior art keywords
- information
- cutter
- production
- model
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 65
- 238000005266 casting Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005498 polishing Methods 0.000 title claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000013178 mathematical model Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000013213 extrapolation Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 230000003746 surface roughness Effects 0.000 claims description 3
- 238000005299 abrasion Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 239000000047 product Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31359—Object oriented model for fault, quality control
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
- General Factory Administration (AREA)
Abstract
铸件打磨智能生产信息模型的建立方法，包括以下步骤：a、使用信息采集设备对打磨后的工件的特征信息进行测量；b、根据采集的特征信息实现生产信息的建模；c、将采集到的所有数据作为数据集输入数学模型计算；d、通过构建的模型对实时生产的过程中的数据信息进行计算分析；e、根据设定的标准，对刀具的磨损情况进行分析和预判。本发明通过对打磨工件和刀具的监控，获取实时生产的数据信息，通过构建的生产模型，分析当前的实时的生产进程和生产异常，实现对生产进程的实时监控，以及对生产异常的预判预警；实现更有效的生产干预，对生产异常进行预判预警，降低生产成本和风险。
Description
技术领域
本发明涉及铸造技术领域。
背景技术
当代的工业生产和制造当中，铸造技术仍然得到广泛的应用，在机械制造业中占有重要的地位。自20世纪下半叶以来，铸造技术的发展也很迅速，不断地得到完善和实用化。铸件浇铸完成以后，铸件本身会有一定的飞边和浇冒口，这时的铸件还是半成品，必须去除飞边和浇冒口。但伴随着工业技术的不断发展，对于铸造工艺的要求越来越高，尤其是对于铸件的质量要求不断地提升，这就需要对铸件的清理打磨工艺不断提升，从而满足铸造要求。
发明内容
为了提升铸件的清理打磨工艺，本发明提供了一种铸件打磨智能生产信息模型的建立方法。
本发明为实现上述目的所采用的技术方案是：铸件打磨智能生产信息模型的建立方法，包括以下步骤：
a、使用信息采集设备对打磨后的工件的特征信息进行测量；
b、根据采集的特征信息实现生产信息的建模，数学模型为：
其中：P：刀具状态，即数据集{0，1}，0代表刀具未损坏，1代表刀具损坏；n：求和后的比例系数；m：特征个数；wi：权重；Xi：特征变量；b：特征偏移值；
c、将采集到的所有数据作为数据集输入数学模型，计算得到n、w、b；
d、通过构建的模型对实时生产的过程中的数据信息进行计算分析，并通过模型进行预测，将实时测得的数据Xi代入模型公式之中进行计算，求得P值进行比对；
e、根据设定的标准，对刀具的磨损情况进行分析和预判。
所述步骤a中，特征信息包括尺寸、角度、深度、面积、表面平整度，采集信息涵盖生产的全过程。
所述信息采集设备为相机或激光传感器。
所述步骤e中，标准范围之外的特征信息即为不良品，对生产数据进行统计和分析，计算良率，提示产品是否异常以及对刀具的磨损情况通过线性回归预测、趋势外推法进行分析和预判。
还包括步骤f，使用信息采集设备对实时生产的刀具的特征信息进行测量，刀具的特征信息包括刀具的外形尺寸、直线度、表面粗糙度，根据采集的特征信息通过步骤b的公式进行建模，对实时生产的过程中的数据信息进行分析，并通过模型预测刀具的使用寿命和更换刀具的时间，对刀具可能出现的异常进行预判预警。
本发明的铸件打磨智能生产信息模型的建立方法，通过对打磨工件和刀具的监控，获取实时生产的数据信息，通过构建的生产模型，分析当前的实时的生产进程和生产异常，实现对生产进程的实时监控，以及对生产异常的预判预警；实现更有效的生产干预，对生产异常进行预判预警，降低生产成本和风险。
附图说明
图1是实施例中某月的产量趋势表。
具体实施方式
本发明的铸件打磨智能生产信息模型的建立方法，首先，根据工件的具体情况及工艺设计相应的打磨方案，包括刀具的选择、打磨路径规划、程序的编写等，以满足工件打磨的需求，完成实际的打磨生产。
其次，使用相机和激光传感器等对打磨后的工件进行测量，将相机和激光等传感器架设在已打磨完成工件的上方，对特征信息进行测量，如尺寸，角度，深度，面积，表面平整度等信息，实现数据覆盖，根据采集的特征信息即尺寸，角度，深度，面积，表面平整度等信息进行分析并建模，通过对多维度信息的大数据采集，进行特征信息的采集和筛选，
并通过大数据的深度挖掘和分析，实现生产信息的建模。其数学模型公式如下所示：
其中：P：刀具状态，即数据集{0，1}，0代表刀具未损坏，1代表刀具损坏，通过采集数据X时观察刀具是否损坏而获得；n：求和后的比例系数；m：特征个数；wi：权重；Xi：特征变量；b：特征偏移值。
通过现有的传感器即相机与激光传感器对特征量进行采集，采集信息涵盖生产的全过程，如刀具由安装的初始状态到刀具的使用寿命结束。采集这个过程中尺寸、角度、深度、面积、表面平整度等信息的变化情况，包括与之对应的刀具的状态，也即P值。将采集到的所有数据作为数据集，输入公式
计算得到n，w，b。通过构建的模型对实时生产的过程中的数据信息进行计算分析，并通过模型进行预测，将实时测得的数据Xi代入模型公式之中进行计算，求得P值，比对P值范围(P值由建模时采样获得)。如对工件相关打磨尺寸进行测量，在客户设定的标准(标准由客户的具体生产需求决定，如公差范围±0.5mm)公差范围之外的尺寸即为不良品，对生产数据进行统计和分析，如累计总产量Pt＝∑i，累计不良产量Pn＝∑i，计算良率p＝Pt/(Pt+Pn)等数据，制作生产信息看板，形成生产状态波形图等报表，如当月产量趋势表，当日不良产量趋势表,如图1所示的月产量趋势表，提示产品是否异常以及生产情况，对刀具的磨损情况进行分析和预判，根据特征分析模型检测到的工件生产的数据变化，结合刀具数据，通过线性回归预测、趋势外推法等方法进行分析和预判，根据刀具的磨损尺寸(如具体的刀具的镀层尺寸，如磨盘的直径为320mm，当检测到磨盘直径为319mm时，提示更换刀具。)和工件打磨尺寸的变化趋势(如测量打磨后的工件的厚度尺寸逐渐变大，如工件的标准尺寸为10mm，良品的最大值为10.5mm，当尺寸存在平稳的逐渐增大的趋势，则对最大值进行反馈)以及工件的打磨数量(如刀具的使用寿命为打磨1000件，对打磨的工件进行计数，结合打磨工件总数和刀具的磨损尺寸来提示更换刀具)来提示刀具的使用寿命和更换刀具的时间。分析提示生产可能存在的异常情况，进行预报预警，降低生产风险，节约生产成本。
该方法中还包含对刀具本身数据的采集和分析，通过相机和激光等多种传感器的综合使用，即假设在打磨设备上对实时生产的刀具的工作状况进行监控，对所有的特征信息进行测量，如刀具的外形尺寸、直线度、表面粗糙度等信息，实现数据覆盖，根据采集的特征信息进行分析并通过
建模。通过构建的模型对实时生产的过程中的数据信息进行分析，并通过模型进行预测，提供当前刀具的使用情况信息，并预测刀具的使用寿命和更换刀具的时间，正常使用下的刀具消耗；通过模型对数据进行分析，对刀具可能出现的异常进行预判预警，提示刀具的异常使用情况，降低刀具的使用风险和生产成本。
本发明综合使用多种传感器进行数据的采集，构成立体的、多维度的特征信息采集，使构建的模型更加准确，模型数据覆盖更广泛全面。相机和激光等非接触式传感器的使用，不会和被测物体表面接触，不会对工件的表面和工件的定位产生影响。通过对多维度信息的大数据采集，进行特征信息的采集和筛选，并通过大数据的深度挖掘和分析，实现生产信息的建模。
本发明是通过实施例进行描述的，本领域技术人员知悉，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等效替换。另外，在本发明的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本申请的权利要求范围内的实施例都属于本发明的保护范围。
Claims (5)
1.铸件打磨智能生产信息模型的建立方法，其特征在于：包括以下步骤：
a、使用信息采集设备对打磨后的工件的特征信息进行测量；
b、根据采集的特征信息实现生产信息的建模，数学模型为：
其中：P：刀具状态，即数据集{0，1}，0代表刀具未损坏，1代表刀具损坏；n：求和后的比例系数；m：特征个数；wi：权重；Xi：特征变量；b：特征偏移值；
c、将采集到的所有数据作为数据集输入数学模型，计算得到n、w、b；
d、通过构建的模型对实时生产的过程中的数据信息进行计算分析，并通过模型进行预测，将实时测得的数据Xi代入模型公式之中进行计算，求得P值进行比对；
e、根据设定的标准，对刀具的磨损情况进行分析和预判。
2.根据权利要求1所述的铸件打磨智能生产信息模型的建立方法，其特征在于：所述步骤a中，特征信息包括尺寸、角度、深度、面积、表面平整度，采集信息涵盖生产的全过程。
3.根据权利要求1所述的铸件打磨智能生产信息模型的建立方法，其特征在于：所述信息采集设备为相机或激光传感器。
4.根据权利要求1所述的铸件打磨智能生产信息模型的建立方法，其特征在于：所述步骤e中，标准范围之外的特征信息即为不良品，对生产数据进行统计和分析，计算良率，提示产品是否异常以及对刀具的磨损情况通过线性回归预测、趋势外推法进行分析和预判。
5.根据权利要求1所述的铸件打磨智能生产信息模型的建立方法，其特征在于：还包括步骤f，使用信息采集设备对实时生产的刀具的特征信息进行测量，刀具的特征信息包括刀具的外形尺寸、直线度、表面粗糙度，根据采集的特征信息通过步骤b的公式进行建模，对实时生产的过程中的数据信息进行分析，并通过模型预测刀具的使用寿命和更换刀具的时间，对刀具可能出现的异常进行预判预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110811762.XA CN113359655A (zh) | 2021-07-19 | 2021-07-19 | 铸件打磨智能生产信息模型的建立方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110811762.XA CN113359655A (zh) | 2021-07-19 | 2021-07-19 | 铸件打磨智能生产信息模型的建立方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113359655A true CN113359655A (zh) | 2021-09-07 |
Family
ID=77539765
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110811762.XA Pending CN113359655A (zh) | 2021-07-19 | 2021-07-19 | 铸件打磨智能生产信息模型的建立方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113359655A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116560327A (zh) * | 2023-07-07 | 2023-08-08 | 深圳市百思泰科技有限公司 | 一种基于物联网的电动工具生产控制方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5587931A (en) * | 1995-10-20 | 1996-12-24 | Tri-Way Machine Ltd. | Tool condition monitoring system |
| CN102689230A (zh) * | 2012-05-09 | 2012-09-26 | 天津大学 | 基于条件随机场模型的刀具磨损状态监测方法 |
| US20180272491A1 (en) * | 2017-03-24 | 2018-09-27 | National Cheng Kung University | Tool wear monitoring and predicting method |
| CN108846581A (zh) * | 2018-06-21 | 2018-11-20 | 武汉科技大学 | 一种机床刀具可靠性评估系统及方法 |
| CN112192319A (zh) * | 2020-09-28 | 2021-01-08 | 上海交通大学 | 无监督模型的刀具磨损监测方法及系统 |
-
2021
- 2021-07-19 CN CN202110811762.XA patent/CN113359655A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5587931A (en) * | 1995-10-20 | 1996-12-24 | Tri-Way Machine Ltd. | Tool condition monitoring system |
| CN102689230A (zh) * | 2012-05-09 | 2012-09-26 | 天津大学 | 基于条件随机场模型的刀具磨损状态监测方法 |
| US20180272491A1 (en) * | 2017-03-24 | 2018-09-27 | National Cheng Kung University | Tool wear monitoring and predicting method |
| CN108846581A (zh) * | 2018-06-21 | 2018-11-20 | 武汉科技大学 | 一种机床刀具可靠性评估系统及方法 |
| CN112192319A (zh) * | 2020-09-28 | 2021-01-08 | 上海交通大学 | 无监督模型的刀具磨损监测方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116560327A (zh) * | 2023-07-07 | 2023-08-08 | 深圳市百思泰科技有限公司 | 一种基于物联网的电动工具生产控制方法及系统 |
| CN116560327B (zh) * | 2023-07-07 | 2023-09-19 | 深圳市百思泰科技有限公司 | 一种基于物联网的电动工具生产控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10635081B2 (en) | Tool state estimation apparatus and machine tool | |
| CN108490880A (zh) | 一种数控机床切削刀具磨损状态实时监测方法 | |
| CN113478295A (zh) | 用于确定工具磨损状态的方法 | |
| CN110059442B (zh) | 一种基于零件表面粗糙度和功率信息的车削加工换刀方法 | |
| CN115035120B (zh) | 基于物联网的机床控制方法及系统 | |
| CN115712248B (zh) | 一种基于反馈优化的研磨智能控制方法及系统 | |
| CN113305644A (zh) | 一种基于零件测量数据的刀具状态监测及预警方法和系统 | |
| Kannan et al. | Multi-sensor data analytics for grinding wheel redress life estimation-an approach towards Industry 4.0 | |
| CN113359655A (zh) | 铸件打磨智能生产信息模型的建立方法 | |
| Suresh et al. | Defects reduction in manufacturing of automobile piston ring using six sigma | |
| CN115238829B (zh) | 一种热轧机的轧辊磨损程度分析方法 | |
| CN109877650B (zh) | 一种棒料剪切刀具寿命预测方法 | |
| Pimenov et al. | State-of-the-art review of applications of image processing techniques for tool condition monitoring on conventional machining processes | |
| CN117540331A (zh) | 一种用于辊式中速磨煤机的磨辊磨损度监测分析系统 | |
| CN118189862A (zh) | 一种3d混凝土打印表面光滑度评价方法 | |
| CN114326593A (zh) | 一种刀具寿命预测系统及方法 | |
| Ferreira et al. | Inferential measurement of the dresser width for the grinding process automation | |
| CN107103594B (zh) | 微粉金刚石砂轮磨粒磨耗定量化测量表征方法 | |
| Lee et al. | Estimation of cBN grinding wheel condition using image sensor | |
| CN112798453B (zh) | 一种多传感器信息融合的砂带磨损检测方法 | |
| CN114670061A (zh) | 一种基于机器视觉的复材刀具服役寿命监测系统及方法 | |
| CN114473651A (zh) | 一种用于刀刃磨削的智能控制系统 | |
| JP2019053699A (ja) | 品質管理システム | |
| CN112098417B (zh) | 环形抛光中沥青抛光盘表面钝化状态在线监测装置与方法 | |
| CN118699877B (zh) | 一种数控机床工作参数监测方法及系统 |
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: 20210907 |
|
| RJ01 | Rejection of invention patent application after publication |