CN113408947B - 一种智能制造工业生产数据采集分析方法、设备及计算机存储介质 - Google Patents

一种智能制造工业生产数据采集分析方法、设备及计算机存储介质 Download PDF

Info

Publication number
CN113408947B
CN113408947B CN202110801409.3A CN202110801409A CN113408947B CN 113408947 B CN113408947 B CN 113408947B CN 202110801409 A CN202110801409 A CN 202110801409A CN 113408947 B CN113408947 B CN 113408947B
Authority
CN
China
Prior art keywords
production
component
machine
components
production machine
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
CN202110801409.3A
Other languages
English (en)
Other versions
CN113408947A (zh
Inventor
郑龙生
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.)
Beijing Guolian Video Information Technology Co ltd
Original Assignee
Beijing Guolian Video Information 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 Beijing Guolian Video Information Technology Co ltd filed Critical Beijing Guolian Video Information Technology Co ltd
Priority to CN202110801409.3A priority Critical patent/CN113408947B/zh
Publication of CN113408947A publication Critical patent/CN113408947A/zh
Application granted granted Critical
Publication of CN113408947B publication Critical patent/CN113408947B/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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/18—Manufacturability analysis or optimisation for manufacturability
    • 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)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Hardware Design (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (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

本发明公开提供的一种智能制造工业生产数据采集分析方法、设备及计算机存储介质。该智能制造工业生产数据采集分析方法包括：统计该工厂生产机器的数量；获取该工厂各生产机器对应的基本信息；获取该采集时间段各生产机器对应的生产构件数量；建立各生产机器各生产构件三维模型；对各生产机器各生产构件对应的缺陷信息进行检测；对各生产机器各生产构件对应的粗糙度进行检测；对各生产机器各生产构件对应的三维模型、缺陷信息和粗糙度进行分析；解决了现有的制造工业生产数据采集与分析方法无法有效的提高制造工业生产数据分析结果的参考性和精准性的问题，同时也大大的提高了制造工业的生产效率和生产过程的稳定性。

Description

一种智能制造工业生产数据采集分析方法、设备及计算机存 储介质
技术领域
本发明属于工业生产管理技术领域，涉及到一种智能制造工业生产数据采集分析方法、设备及计算机存储介质。
背景技术
制造工业是各行业发展的重大支柱，也是推动各行业发展的重要动力，制造工业的发展在各行业发展中扮演着重要角色，为了有效的提高制造工业的生产效率和生产稳定性，需要对制造工业的生产数据进行采集和分析；
现有的制造工业生产数据采集与分析方法主要集中于对制造工业对应的生产进度和生产物资进行数据采集和分析，没有对制造工业的生产机器和各生产机器生产构件进行生产质量分析，因此，现有的制造工业生产数据采集与分析方法还存在以下几个方面的弊端：
1、现有的制造工业生产数据采集与分析方法采集的数据具有局限性，无法有效的提高制造工业生产数据分析结果的参考性和精准性；
2、现有的制造工业生产数据采集与分析方法无法有效的提高制造工业生产数据分析结果的利用率和利用效果；
3、现有的制造工业生产数据采集与分析方法有效的提高制造工业的生产效率和生产稳定性；
4、现有的制造工业生产数据采集与分析方法无法有效的保障生产构件对应的生产质量，同时也无法有效的提高制造工业生产的智能性、科学性和顺畅性。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种智能制造工业生产数据采集分析方法、设备及计算机存储介质，实现了对工业生产数据的高效采集和精准分析；
本发明的目的可以通过以下技术方案实现：
本发明第一方面提供了一种智能制造工业生产数据采集分析方法，该方法包括以下步骤：
S1、生产机器数量统计：对工厂各生产机器进行数量统计，并将统计的各生产机器按照预设顺序进行编号，依次标记为1，2，...i,....n；
S2、生产机器基本信息获取：所述机器基本信息获取用于获取该工厂各生产机器对应的基本信息，其中，生产机器基本信息包括生产机器对应的使用区域位置、使用时长、维修次数和生产机器生产构件对应的原始设计三维模型，进而构建各生产机器基本信息集合Je(Je1,Je2,..Jei,...Jen)，Jei表示该工厂第i个机器对应的第e个基本信息，e表示机器基本信息，e＝a1,a2,a3,a4,a1,a2,a3和a4分别表示生产机器对应的使用区域位置、使用时长、维修次数和生产机器生产构件对应的原始设计三维模型；
S3、生产构件数量获取：获取采集时间段各生产机器对应的生产构件数量，并将各生产机器对应的生产构件按照预设顺序进行编号，依次标记为1，2，...j,...m；
S4、生产构件三维模型建立：所述生产构件三维模型建立用于建立各生产机器各生产构件对应的三维模型，并将建立的该三维模型记为实际三维模型；
S5、生产构件缺陷检测：所述生产构件缺陷检测用于对各生产机器各生产构件对应的缺陷信息进行检测，进而获取各生产机器各生产构件对应的缺陷信息；
S6、生产构件粗糙度检测：所述生产构件粗糙度检测用于对各生产机器各生产构件对应的粗糙度进行检测，获取各生产机器各生产构件表面对应的粗糙度；
S7、生产构件检测信息分析：所述生产构件检测信息分析用于对各生产机器各生产构件对应的三维模型、缺陷信息和粗糙度进行分析，统计各生产机器各生产构件综合生产质量合格影响系数，进而分析需预警的生产机器和各需预警生产机器对应的基本信息；
S8、生产机器信息预警：根据分析的各需预警生产机器对应的基本信息，将该需预警生产机器对应的基本信息发送至该工厂对应的生产机器管理人员，进行预警生产机器管理。
优选地，所述生产构件三维模型建立包括若干信息检测单元，其分别用于对各生产机器各生产构件建立三维模型所需的信息进行采集，进而利用激光测距仪对各生产机器各生产构件各尺寸信息进行检测，其中，生产构件对应的尺寸信息包括生产构件对应的长度、宽度和厚度，同时利用信息检测单元中的三维激光扫描仪对各生产机器各生产构件进行扫描拍摄，进而获取各生产机器各生产构件对应的三维立体图形，将检测的各生产机器各生产构件对应的尺寸信息和三维立体图形导入第三方网站，进而生成各生产机器各生产构件对应的三维模型。
优选地，所述生产构件缺陷检测包括若干缺陷检测单元，其分别用于对各生产机器各生产构件对应的缺陷信息进行检测，进而利用缺陷检测单元的工业CT无损检测仪对各生产机器各生产构件进行扫描拍摄，进而获取各生产机器各生产构件对应的三维图像，进而获取生产机器各生产构件三维图像中构件对应的气泡数量和各气泡对应的面积，进而构建各生产机器各生产构件缺陷信息集合Hw d(Hw d1,Hw d2,...Hw dj,...Hw dm)，Hw dj表示该工厂第d个生产机器第j个生产构件对应的第w个缺陷信息，w表示缺陷信息，w＝a1,a2,a1和a2分别表示构件对应的气泡数量和各气泡对应的面积，d表示工厂生产机器编号，d＝1，2，...i,....n。
优选地，所述生产构件粗糙度检测包括若干粗糙度检测仪，其分别用于对各生产机器各生产构件表面对应的粗糙度进行检测，进而按照预设顺序在各生产机器各生产构件表面进行检测点布设，将各生产机器各生产构件表面布设的各检测点按照预设顺序进行编号，依次标记为1，2，...x,...y，进而获取各生产机器各生产构件各检测点粗糙度集合Cd r(Cd r1,Cd r2,...Cd rx,...Cd ry)，Cd rx表示该工厂第d个生产机器第r个生产构件第x个检测点对应的粗糙度，r表示各生产机器对应的生产构件编号，r＝1，2，...j,...m。
优选地，所述生产构件检测信息分析用于对各生产机器各生产构件对应的实际三维模型进行分析，根据各生产机器基本信息集合，进而获取该工厂各生产机器生产构件对应的原始设计三维模型，同时获取各生产机器各生产构件对应的实际三维模型，将各生产机器各生产构建实际三维模型与各生产机器生产构件原始设计三维模型进行对比，进而统计各生产机器各生产构件实际三维模型合格影响系数。
优选地，所述生产构件检测信息分析用于对各生产机器各生产构件对应的缺陷信息进行分析，获取各生产机器各生产构件缺陷信息集合，进而获取各生产机器各生产构件对应的内部气泡数量和各气泡对应的面积，进而获取各生产机器各生产构件内部对应的综合气泡面积，将各生产机器各生产构件内部对应的综合气泡面积与生产构件内部对应的标准气泡面积的阈值进行对比，进而统计各生产机器各生产构件内部气泡合格影响系数。
优选地，所述生产构件检测信息分析用于对各生产机器各生产构件对应的表面粗糙度进行分析，根据获取的各生产机器各生产构件各检测点粗糙度集合，统计各生产机器各生产构件粗糙度合格影响系数。
优选地，所述生产构件检测分析用于对各生产机器各生产构件对应的三维模型、缺陷信息和粗糙度进行综合分析，进而根据统计的各生产机器各生产构件实际三维模型合格影响系数、各生产机器各生产构件内部气泡合格影响系数和各生产机器各生产构件粗糙度合格影响系数，统计各生产机器各生产构件综合生产质量合格影响系数。
本发明第二方面提供了一种设备，包括：处理器，以及与处理器连接的内存和网络接口；所述网络接口与服务器中的非易失性存储器连接；所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行本发明任一项所述的方法。
本发明第三方面提供了一种计算机存储介质，所述计算机存储介质烧录有计算机程序，所述计算机程序在服务器的内存中运行时实现上述本发明任一项所述的方法。
本发明的有益效果：
(1)本发明提供的一种智能制造工业生产数据采集分析方法，通过对各生产机器各生产构件对应的三维模型、缺陷信息和粗糙度进行全面检测和细致的分析，一方面，有效的解决了现有的制造工业生产数据采集与分析方法采集的数据具有局限性，无法有效的提高制造工业生产数据分析结果的参考性和精准性的问题，一方面，大大的提高了制造工业生产数据分析结果的利用率和利用效果，一方面，有效的保障了制造工业的生产效率和生产稳定性，另一方面，能够大大的提高制造工业生产的智能性、科学性和顺畅性。
(2)本发明通过对各生产机器各生产构件建立实际三维模型，进而为后续对各生产机器各生产构件尺寸和形状的分析提供了有力的信息基础，也有效的提高了各生产机器各生产构件三维模型的分析效率和分析结果的准确性。
(3)本发明在对各生产机器各生产构件进行缺陷检测时，通过利用工业CT无损检测仪进行检测，大大的提高了各生产机器各生产构件缺陷信息检测的直观性和精准性，同时也大大的提高了对各生产机器各生产构件的检测效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法实施步骤图。
具体实施方式
下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明，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，只要不偏离发明的构思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。
请参阅图1所示，本发明第一方面提供了一种智能制造工业生产数据采集分析方法，该方法包括以下步骤：
S1、生产机器数量统计：对工厂生产机器进行数量统计，并将统计的各生产机器按照预设顺序进行编号，依次标记为1，2，...i,....n；
S2、生产机器基本信息获取：所述机器基本信息获取用于获取该工厂各生产机器对应的基本信息，其中，生产机器基本信息包括生产机器对应的使用区域位置、使用时长、维修次数和生产机器生产构件对应的原始设计三维模型，进而构建各生产机器基本信息集合Je(Je1,Je2,..Jei,...Jen)，Jei表示该工厂第i个机器对应的第e个基本信息，e表示机器基本信息，e＝a1,a2,a3,a4,a1,a2,a3和a4分别表示生产机器对应的使用区域位置、使用时长、维修次数和生产机器生产构件对应的原始设计三维模型；
S3、生产构件数量获取：获取采集时间段各生产机器对应的生产构件数量，并将各生产机器对应的生产构件按照预设顺序进行编号，依次标记为1，2，...j,...m；
S4、生产构件三维模型建立：所述生产构件三维模型建立用于建立各生产机器各生产构件对应的三维模型，并将建立的该三维模型记为实际三维模型；
具体地，所述生产构件三维模型建立包括若干信息检测单元，其分别用于对各生产机器各生产构件建立三维模型所需的信息进行采集，进而利用激光测距仪对各生产机器各生产构件对应的各尺寸信息进行检测，其中，生产构件对应的尺寸信息包括生产构件对应的长度、宽度和厚度，同时利用信息检测单元中的三维激光扫描仪对各生产机器各生产构件进行扫描拍摄，进而获取各生产机器各生产构件对应的三维立体图形，将检测的各生产机器各生产构件对应的尺寸信息和三维立体图形导入第三方网站，进而生成各生产机器各生产构件对应的三维模型。
本发明实施例通过对各生产机器各生产构件进行三维模型建立，进而为后续对各生产机器各生产构件尺寸和形状的分析提供了有力的信息基础，也有效的提高了对各生产机器各生产构件三维模型的分析效率和分析结果的准确性。
S5、生产构件缺陷检测：所述生产构件缺陷检测用于对各生产机器各生产构件对应的缺陷信息进行检测，进而获取各生产机器各生产构件对应的缺陷信息；
具体地，所述生产构件缺陷检测包括若干缺陷检测单元，其分别用于对各生产机器各生产构件对应的缺陷信息进行检测，进而利用缺陷检测单元的工业CT无损检测仪对各生产机器各生产构件进行扫描拍摄，进而获取各生产机器各生产构件对应的三维图像，进而获取各生产机器各生产构件三维图像中构件对应的气泡数量和各气泡对应的面积，进而构建各生产机器各生产构件缺陷信息集合Hw d(Hw d1,Hw d2,...Hw dj,...Hw dm)，Hw dj表示该工厂第d个生产机器第j个生产构件对应的第w个缺陷信息，w表示缺陷信息，w＝a1,a2,a1和a2分别表示构件对应的气泡数量和各气泡对应的面积，d表示工厂生产机器编号，d＝1，2，...i,....n。
本发明实施例在对各生产机器各生产构件进行缺陷检测时，通过利用工业CT无损检测仪进行检测，大大的提高了各生产机器各生产构件缺陷信息检测的直观性和精准性，同时也大大的提高了对各生产机器各生产构件的检测效率。
S6、生产构件粗糙度检测：所述生产构件粗糙度检测用于对各生产机器各生产构件对应的粗糙度进行检测，获取各生产机器各生产构件表面对应的粗糙度；
具体地，所述生产构件粗糙度检测包括若干粗糙度检测仪，其分别用于对各生产机器各生产构件表面对应的粗糙度进行检测，进而按照预设顺序在各生产机器各生产构件表面进行检测点布设，将各生产机器各生产构件表面布设的各检测点按照预设顺序进行编号，依次标记为1，2，...x,...y，进而获取各生产机器各生产构件各检测点粗糙度集合Cd r(Cd r1,Cd r2,...Cd rx,...Cd ry)，Cd rx表示该工厂第d个生产机器第r个生产构件第x个检测点对应的粗糙度，r表示各生产机器对应的生产构件编号，r＝1，2，...j,...m。
本发明实施例在对各生产机器各生产构件粗糙度检测时，通过对各生产构件表面进行检测点布设，进而大大的提高了各生产机器各生产构件粗糙度对应检测结果的准确性和参考性，为后续对各生产机器各生产构件粗糙度分析提供了有效的数据基础。
S7、生产构件检测信息分析：所述生产构件检测信息分析用于对各生产机器各生产构件对应的三维模型、缺陷信息和粗糙度进行分析，统计各生产机器各生产构件综合生产质量合格影响系数，进而分析需预警的生产机器和各需预警生产机器对应的基本信息；
具体地，所述生产构件检测信息分析用于对各生产机器各生产构件对应的实际三维模型进行分析，根据各生产机器基本信息集合，进而获取该工厂各生产机器生产构件对应的原始设计三维模型，同时获取各生产机器各生产构件对应的实际三维模型，将各生产机器各生产构建实际三维模型与各生产机器生产构件原始设计三维模型进行对比，进而统计各生产机器各生产构件实际三维模型合格影响系数。
其中，各生产机器各生产构件对应的实际三维模型具体分析包括将各生产机器各生产构建实际三维模型与各生产机器生产构件原始设计三维模型进行对比包括对形状对比和尺寸对比；
所述各生产机器各生产构件实际三维模型尺寸对比的具体对比过程为:获取各生产机器各生产构建实际三维模型中构件对应的尺寸信息和各生产机器生产构件原始设计三维模型中构件对应的尺寸信息，进而将各生产机器各生产构建实际三维模型中构件对应的尺寸信息与各生产机器生产构件原始设计三维模型中构件对应的尺寸信息进行对比，统计各生产机器各生产构件尺寸信息综合合格影响系数，其计算公式为
Figure GDA0003741458620000101
αd r表示该工厂第d个生产机器第r各构件尺寸信息对应的综合合格影响系数，c1d r,c2d r,c3d r分别表示该工厂第d个生产机器第r各构件对应的长度、宽度和厚度，c1′d,c2′d,c3′d分别表示该工厂第d个生产机器生产构件原始设计模型中对应的长度、宽度和厚度；
所述各生产机器各生产构件实际三维模型形状对比的具体对比过程为：将各生产机器各生产构建实际三维模型与各生产机器生产构件原始设计三维模型中对应的构件进行重叠对比，获取各生产机器各生产构建实际三维模型中构件与各生产机器生产构件原始设计三维模型中构件对应的重叠区域面积，并将该面积记为生产构件重叠区域面积，将各生产机器各生产构件重叠区域面积与生产构件重叠区域对应的标准面积进行对比，统计各生产机器各生产构件形状合格影响系数，其计算公式为
Figure GDA0003741458620000102
βd r表示该工厂第d个生产机器第r个生产构件对应的形状合格影响系数，Md r表示该工厂第d个生产机器第r个生产构件重叠区域对应的面积，M标准表示生产构件重叠区域对应的标准面积；
根据统计的各生产机器各生产构件尺寸信息综合合格影响系数和各生产机器各生产构件形状合格影响系数，统计各生产机器各生产构件实际三维模型合格影响系数，其计算公式为
Figure GDA0003741458620000103
δd r表示该工厂第d个生产机器第r个生产构件实际三维模型对应的合格影响系数。
具体地，所述生产构件检测信息分析用于对各生产机器各生产构件对应的缺陷信息进行分析，获取各生产机器各生产构件缺陷信息集合，进而获取各生产机器各生产构件对应的内部气泡数量和各气泡对应的面积，进而获取各生产机器各生产构件内部对应的综合气泡面积，将各生产机器各生产构件内部对应的综合气泡面积与生产构件内部对应的标准气泡面积的阈值进行对比，进而统计各生产机器各生产构件内部气泡合格影响系数。
其中各生产机器各生产构件内部气泡合格影响系数计算公式为
Figure GDA0003741458620000111
λd r表示该工厂第d个生产机器第r个生产构件内部气泡对应的合格影响系数，Fd r表示该工厂第d个生产机器第r个生产构件内部对应的综合气泡面积，F标准表示生产构件内部对应的标准气泡面积的阈值。
具体地，所述生产构件检测信息分析用于对各生产机器各生产构件对应的表面粗糙度进行分析，根据获取的各生产机器各生产构件各检测点粗糙度集合，统计各生产机器各生产构件粗糙度合格影响系数。
其中，各生产机器各生产构件表面粗糙度的具体分析过程为：根据获取的各生产机器各生产构件各检测点粗糙度集合，获取各生产机器各生产构件各检测点对应的粗糙度，将各生产机器各生产构件各检测点对应的粗糙度进行相互对比，筛选出各生产机器各生产构件对应的最小粗糙度，将各生产机器各生产构件对应的最小粗糙度与生产构件对应的标准粗糙度进行对比，进而统计各生产机器各生产构件粗糙度合格影响系数，其计算公式为
Figure GDA0003741458620000112
γd r表示该工厂第d个生产机器第r个生产构件粗糙度对应的合格影响系数，Cdmin r表示该工厂第d个生产机器第r个生产构件对应的最小粗糙度。
具体地，所述生产构件检测分析用于对各生产机器各生产构件对应的三维模型、缺陷信息和粗糙度进行综合分析，进而根据统计的各生产机器各生产构件实际三维模型合格影响系数、各生产机器各生产构件内部气泡合格影响系数和各生产机器各生产构件粗糙度合格影响系数，统计各生产机器各生产构件综合生产质量合格影响系数，其计算公式为
Figure GDA0003741458620000121
Qd r表示该工厂第d个生产机器第r个生产构件对应的综合生产质量合格影响系数，
其中，生产构件检测信息综合分析还包括将各生产机器各生产构件综合生产质量合格影响系数与生产构件对应的标准生产质量合格影响系数进行对比，若某生产机器某生产构件对应的综合生产质量合格影响系数大于生产构件对应的标准质量合格影响系数，将该生产机器该生成构件记为异常生产构件，统计该采集时间段各生产机器异常生产构件的数量，将各生产机器异常生产构件对应的数量与该采集时间段各生产机器生产构件对应的数量进行对比，统计各生产机器生产构件异常比，将各生产机器生产构件异常比与预设的生产机器预警生产构件异常比进行对比，若某生产机器对应的生产构件异常比大于预设的生产机器预警生产构件异常比，将该生产机器记为预警生产机器，统计预警生产机器对应的数量，并提取各预警生产机器对应的编号，根据各预警生产机器对应的编号，获取各预警生产机器对应的使用区域位置、使用时长和维修次数。
本发明实施例通过通过对各生产机器各生产构件对应的三维模型、缺陷信息和粗糙度进行全面检测和细致的分析，一方面，有效的解决了现有的制造工业生产数据采集与分析方法采集的数据具有局限性，无法有效的提高制造工业生产数据分析结果的参考性和精准性的问题，一方面，大大的提高了制造工业生产数据分析结果的利用率和利用效果，一方面，有效的保障了制造工业的生产效率和生产稳定性，另一方面，能够大大的提高制造工业生产的智能性、科学性和顺畅性。
S8、生产机器信息预警：根据分析的各需预警生产机器对应的基本信息，将该需预警生产机器对应的基本信息发送至该工厂对应的生产机器管理人员，进行预警生产机器管理。
具体地，生产机器信息预警用于将该工厂对应的预警生产机器数量、各预警生产机器对应的使用区域位置、使用时长和维修次数发送至该工厂对应的生产机器管理人员。
本发明第二方面提供了一种设备，包括：处理器，以及与处理器连接的内存和网络接口；所述网络接口与服务器中的非易失性存储器连接；所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行本发明任一项所述的方法。
本发明第三方面提供了一种计算机存储介质，所述计算机存储介质烧录有计算机程序，所述计算机程序在服务器的内存中运行时实现上述本发明任一项所述的方法。
本发明实施例通过将预警信息发送至该工厂对应的生产机器管理人员，进而大大提高了工厂生产的稳定性，同时也大大的保障了工厂的生产进度。
以上内容仅仅是对本发明的构思所作的举例和说明，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，只要不偏离发明的构思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 (8)

1.一种智能制造工业生产数据采集分析方法，其特征在于：该方法包括以下步骤：
S1、生产机器数量统计：对工厂各生产机器进行数量统计，并将统计的各生产机器按照预设顺序进行编号，依次标记为1，2，...i,....n；
S2、生产机器基本信息获取：所述机器基本信息获取用于获取该工厂各生产机器对应的基本信息，其中，生产机器基本信息包括生产机器对应的使用区域位置、使用时长、维修次数和生产机器生产构件对应的原始设计三维模型，进而构建各生产机器基本信息集合Je(Je1,Je2,..Jei,...Jen)，Jei表示该工厂第i个机器对应的第e个基本信息，e表示机器基本信息，e＝a1,a2,a3,a4,a1,a2,a3和a4分别表示生产机器对应的使用区域位置、使用时长、维修次数和生产机器生产构件对应的原始设计三维模型；
S3、生产构件数量获取：获取采集时间段各生产机器对应的生产构件数量，并将各生产机器对应的生产构件按照预设顺序进行编号，依次标记为1，2，...j,...m；
S4、生产构件三维模型建立：所述生产构件三维模型建立用于建立各生产机器各生产构件对应的三维模型，并将建立的该三维模型记为实际三维模型；
S5、生产构件缺陷检测：所述生产构件缺陷检测用于对各生产机器各生产构件对应的缺陷信息进行检测，进而获取各生产机器各生产构件对应的缺陷信息；
S6、生产构件粗糙度检测：所述生产构件粗糙度检测用于对各生产机器各生产构件对应的粗糙度进行检测，获取各生产机器各生产构件表面对应的粗糙度；
S7、生产构件检测信息分析：所述生产构件检测信息分析用于对各生产机器各生产构件对应的三维模型、缺陷信息和粗糙度进行分析，统计各生产机器各生产构件综合生产质量合格影响系数，进而分析需预警的机器和各需预警机器对应的基本信息；
S8、生产机器信息预警：根据分析的各需预警生产机器对应的基本信息，将该需预警生产机器对应的基本信息发送至该工厂对应的生产机器管理人员，进行生产预警机器管理；
所述生产构件检测分析用于对各生产机器各生产构件对应的三维模型、缺陷信息和粗糙度进行综合分析，进而根据统计的各生产机器各生产构件实际三维模型合格影响系数、各生产机器各生产构件内部气泡合格影响系数和各生产机器各生产构件粗糙度合格影响系数，统计各生产机器各生产构件综合生产质量合格影响系数；
所述生产构件缺陷检测包括若干缺陷检测单元，其分别用于对各生产机器各生产构件对应的缺陷信息进行检测，进而利用缺陷检测单元的工业CT无损检测仪对各生产机器各生产构件进行扫描拍摄，进而获取各生产机器各生产构件对应的三维图像，进而获取机器各生产构件三维图像中构件对应的气泡数量和各气泡对应的面积；
所述生产构件检测信息分析用于对各生产机器各生产构件对应的实际三维模型进行分析，根据各生产机器基本信息集合，进而获取该工厂各生产机器生产构件对应的原始设计三维模型，同时获取各生产机器各生产构件对应的实际三维模型，将各生产机器各生产构建实际三维模型与各生产机器生产构件原始设计三维模型进行对比，进而统计各生产机器各生产构件实际三维模型合格影响系数；
各生产机器各生产构件对应的实际三维模型具体分析包括将各生产机器各生产构建实际三维模型与各生产机器生产构件原始设计三维模型进行对比包括对形状对比和尺寸对比；
所述各生产机器各生产构件实际三维模型尺寸对比的具体对比过程为:获取各生产机器各生产构建实际三维模型中构件对应的尺寸信息和各生产机器生产构件原始设计三维模型中构件对应的尺寸信息，进而将各生产机器各生产构建实际三维模型中构件对应的尺寸信息与各生产机器生产构件原始设计三维模型中构件对应的尺寸信息进行对比，统计各生产机器各生产构件尺寸信息综合合格影响系数，其计算公式为
Figure FDA0003741458610000031
αd r表示该工厂第d个生产机器第r各构件尺寸信息对应的综合合格影响系数，c1d r,c2d r,c3d r分别表示该工厂第d个生产机器第r各构件对应的长度、宽度和厚度，c1′d,c2′d,c3′d分别表示该工厂第d个生产机器生产构件原始设计模型中对应的长度、宽度和厚度；
所述各生产机器各生产构件实际三维模型形状对比的具体对比过程为：将各生产机器各生产构建实际三维模型与各生产机器生产构件原始设计三维模型中对应的构件进行重叠对比，获取各生产机器各生产构建实际三维模型中构件与各生产机器生产构件原始设计三维模型中构件对应的重叠区域面积，并将该面积记为生产构件重叠区域面积，将各生产机器各生产构件重叠区域面积与生产构件重叠区域对应的标准面积进行对比，统计各生产机器各生产构件形状合格影响系数，其计算公式为
Figure FDA0003741458610000032
βd r表示该工厂第d个生产机器第r个生产构件对应的形状合格影响系数，Md r表示该工厂第d个生产机器第r个生产构件重叠区域对应的面积，M标准表示生产构件重叠区域对应的标准面积；
根据统计的各生产机器各生产构件尺寸信息综合合格影响系数和各生产机器各生产构件形状合格影响系数，统计各生产机器各生产构件实际三维模型合格影响系数，其计算公式为
Figure FDA0003741458610000041
δd r表示该工厂第d个生产机器第r个生产构件实际三维模型对应的合格影响系数。
2.根据权利要求1所述的一种智能制造工业生产数据采集分析方法，其特征在于：所述生产构件三维模型建立包括若干信息检测单元，其分别用于对各生产机器各生产构件建立三维模型所需的信息进行采集，进而利用激光测距仪对各生产机器各生产构件各尺寸信息进行检测，其中，生产构件对应的尺寸信息包括生产构件对应的长度、宽度和厚度，同时利用信息检测单元中的三维激光扫描仪对各生产机器各生产构件进行扫描拍摄，进而获取各生产机器各生产构件对应的三维立体图形，将检测的各生产机器各生产构件对应的尺寸信息和三维立体图形导入第三方网站，进而生成各生产机器各生产构件对应的三维模型。
3.根据权利要求1所述的一种智能制造工业生产数据采集分析方法，其特征在于：所述生产构件缺陷检测还包括构建各生产机器各生产构件缺陷信息集合Hw d(Hw d1,Hw d2,...Hw dj,...Hw dm)，Hw dj表示该工厂第d个机器第j个生产构件对应的第w个缺陷信息，w表示缺陷信息，w＝a1,a2,a1和a2分别表示构件对应的气泡数量和各气泡对应的面积，d表示工厂机器编号，d＝1，2，...i,....n。
4.根据权利要求1所述的一种智能制造工业生产数据采集分析方法，其特征在于：所述生产构件粗糙度检测包括若干粗糙度检测仪，其分别用于对各生产机器各生产构件表面对应的粗糙度进行检测，进而按照预设顺序在各生产机器各生产构件表面进行检测点布设，将各生产机器各生产构件表面布设的各检测点按照预设顺序进行编号，依次标记为1，2，...x,...y，进而获取各生产机器各生产构件各检测点粗糙度集合Cd r(Cd r1,Cd r2,...Cd rx,...Cd ry)，Cd rx表示该工厂第d个机器第r个生产构件第x个检测点对应的粗糙度，r表示各生产机器对应的生产构件编号，r＝1，2，...j,...m。
5.根据权利要求1所述的一种智能制造工业生产数据采集分析方法，其特征在于：所述生产构件检测信息分析用于对各生产机器各生产构件对应的缺陷信息进行分析，获取各生产机器各生产构件缺陷信息集合，进而获取各生产机器各生产构件对应的内部气泡数量和各气泡对应的面积，进而获取各生产机器各生产构件内部对应的综合气泡面积，将各生产机器各生产构件内部对应的综合气泡面积与生产构件内部对应的标准气泡面积的阈值进行对比，进而统计各生产机器各生产构件内部气泡合格影响系数。
6.根据权利要求1所述的一种智能制造工业生产数据采集分析方法，其特征在于：所述生产构件检测信息分析用于对各生产机器各生产构件对应的表面粗糙度进行分析，根据获取的各生产机器各生产构件各检测点粗糙度集合，统计各生产机器各生产构件粗糙度合格影响系数。
7.一种设备，其特征在于：包括：处理器，以及与处理器连接的内存和网络接口；所述网络接口与服务器中的非易失性存储器连接；所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行上述权利要求1-6任一项所述的方法。
8.一种计算机存储介质，其特征在于:所述计算机存储介质烧录有计算机程序，所述计算机程序在服务器的内存中运行时实现上述权利要求1-6任一项所述的方法。
CN202110801409.3A 2021-07-15 2021-07-15 一种智能制造工业生产数据采集分析方法、设备及计算机存储介质 Active CN113408947B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110801409.3A CN113408947B (zh) 2021-07-15 2021-07-15 一种智能制造工业生产数据采集分析方法、设备及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110801409.3A CN113408947B (zh) 2021-07-15 2021-07-15 一种智能制造工业生产数据采集分析方法、设备及计算机存储介质

Publications (2)

Publication Number Publication Date
CN113408947A CN113408947A (zh) 2021-09-17
CN113408947B true CN113408947B (zh) 2023-01-03

Family

ID=77686513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110801409.3A Active CN113408947B (zh) 2021-07-15 2021-07-15 一种智能制造工业生产数据采集分析方法、设备及计算机存储介质

Country Status (1)

Country Link
CN (1) CN113408947B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114611998B (zh) * 2022-03-30 2022-12-09 深圳市硕创科技有限公司 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
CN114862266B (zh) * 2022-05-31 2022-12-06 多彩贵州印象网络传媒股份有限公司 一种基于大数据的工业产品生产质量监测分析系统
CN115984267B (zh) * 2023-03-20 2023-07-25 青岛鼎信通讯科技有限公司 一种适用于超声水表的注塑气泡检测方法
CN116401793B (zh) * 2023-06-07 2023-08-22 济宁联威车轮制造有限公司 一种基于磨具设计的磨具三维模型构建方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3613456B2 (ja) * 2000-01-05 2005-01-26 新東工業株式会社 砂型鋳造設備運転監視方法並びに監視装置
JP4031729B2 (ja) * 2003-04-24 2008-01-09 京セラ株式会社 積層型セラミック部品の製法
CN101694472B (zh) * 2009-10-23 2011-11-09 郭震 缺陷孔图像识别方法
WO2016051464A1 (ja) * 2014-09-29 2016-04-07 株式会社東芝 製造ライン監視装置、製造ライン監視プログラム、製造ライン監視方法
CN104515786B (zh) * 2015-01-08 2018-05-11 北京科技大学 金属铸件疲劳过程内部缺陷演化的检测与分析方法
CN104897698A (zh) * 2015-06-05 2015-09-09 南昌航空大学 一种涡轮叶片热障涂层层状结构微米ct成像三维表征方法
CN106886849A (zh) * 2017-01-20 2017-06-23 深圳广田集团股份有限公司 一种bim模拟与航拍相结合的施工管控方法及系统
WO2019028465A1 (en) * 2017-08-04 2019-02-07 University Of South Florida CONTACTLESS SYSTEM AND METHOD FOR DETECTING DEFECTS IN THE ADDITIVE MANUFACTURING PROCESS
CN108427789A (zh) * 2017-08-12 2018-08-21 中民筑友科技投资有限公司 一种基于bim的构件质量异常检测方法及装置
CN108428033A (zh) * 2017-08-12 2018-08-21 中民筑友科技投资有限公司 一种基于bim的pc构件生产质量异常检测方法及装置
IT201800004368A1 (it) * 2018-04-10 2019-10-10 Sistema per l’identificazione di difetti su una superficie di almeno una porzione di una scocca e relativo metodo
CN110414873A (zh) * 2019-09-05 2019-11-05 安徽机电职业技术学院 一种金属3d打印件内部缺陷的综合评价方法
CN111899230B (zh) * 2020-07-15 2023-11-17 重庆大学 基于钢铸坯低倍组织三维特征的质量量化及自动多级评判方法
CN112433003A (zh) * 2020-11-30 2021-03-02 中广核检测技术有限公司 一种用于t形结构件超声波检测的三维仿真方法

Also Published As

Publication number Publication date
CN113408947A (zh) 2021-09-17

Similar Documents

Publication Publication Date Title
CN113408947B (zh) 一种智能制造工业生产数据采集分析方法、设备及计算机存储介质
CN115908424A (zh) 基于三维激光扫描的建筑物健康检测方法、系统及介质
CN109658396A (zh) 一种基于选择性搜索与cnn的铸件x光图像缺陷识别方法
CN113408034B (zh) 一种基于bim建筑三维模型技术的工程施工智能云管理平台
CN112241841B (zh) 一种基于大数据的建筑工程质量安全溯源追踪管理系统
TW201906038A (zh) 半導體晶圓檢測系統及其方法
Wu et al. Concrete spalling detection for metro tunnel from point cloud based on roughness descriptor
CN113888531A (zh) 混凝土表面缺陷检测方法、装置、电子设备及存储介质
CN115830030A (zh) 一种石英晶片的外观质量评估方法及系统
CN110738272B (zh) 一种输电线路通道可视化机械类连续告警样本的标注方法
CN114090556B (zh) 一种电力营销数据采集方法及系统
CN111830070A (zh) 一种基于边缘计算的缺陷自动识别评判系统及方法
CN117115148B (zh) 基于5g技术的芯片表面缺陷智能识别方法
CN113108839A (zh) 基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法
CN105468658B (zh) 一种数据清洗方法及装置
TWM550465U (zh) 半導體晶圓檢測系統
CN114936207B (zh) 一种物联网传感设备感知数据质量评估方法
CN112732773B (zh) 一种继电保护缺陷数据的唯一性校核方法及系统
CN114637893A (zh) 一种fmea数据库系统及其处理方法
CN114578015A (zh) 一种软磁铁氧体智能化质量检测方法
CN111597510A (zh) 一种输变电运检数据质量评估方法及系统
CN114022826B (zh) 一种基于区块链的铁轨检测方法及系统
CN117152149B (zh) 用于晶圆切割的边缘平滑度检测方法及系统
CN114862283B (zh) 机床加工的质检方法、质检装置
CN117076454B (zh) 一种工程质量验收表单数据结构化存储方法及系统

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

Effective date of registration: 20221215

Address after: 100085 703, Building 1, No. 1, Shangdi Xinxi Road, Haidian District, Beijing

Applicant after: Beijing Guolian video information technology Co.,Ltd.

Address before: Wuhan block industrial chain industrial park, No.9 yuanboyuan South Road, Qiaokou District, Wuhan City, Hubei Province, 430000

Applicant before: Longsheng quantitative (Wuhan) big data Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 9th Floor, Building 3, Zone 6, No. 188 South Fourth Ring West Road, Fengtai District, Beijing, 100070

Patentee after: Beijing Guolian video information technology Co.,Ltd.

Address before: 100085 703, Building 1, No. 1, Shangdi Xinxi Road, Haidian District, Beijing

Patentee before: Beijing Guolian video information technology Co.,Ltd.