CN113421168B - 一种机械基础零部件智能加工系统 - Google Patents
一种机械基础零部件智能加工系统 Download PDFInfo
- Publication number
- CN113421168B CN113421168B CN202110740504.7A CN202110740504A CN113421168B CN 113421168 B CN113421168 B CN 113421168B CN 202110740504 A CN202110740504 A CN 202110740504A CN 113421168 B CN113421168 B CN 113421168B
- Authority
- CN
- China
- Prior art keywords
- processing
- parts
- personnel
- module
- marking
- 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
Links
- 238000003754 machining Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 246
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000007405 data analysis Methods 0.000 claims abstract description 16
- 238000003860 storage Methods 0.000 claims description 19
- 230000006399 behavior Effects 0.000 claims description 18
- 238000009826 distribution Methods 0.000 claims description 14
- 238000012797 qualification Methods 0.000 claims description 11
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 8
- 238000005265 energy consumption Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000000391 smoking effect Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012827 research and development Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000001145 finger joint Anatomy 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 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
- 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
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
-
- 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)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (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)
Abstract
本发明公开了一种机械基础零部件智能加工系统,涉及零件加工技术领域,包括数据分析模块、任务分配模块、加工监控模块以及告警模块;本发明中数据分析模块用于获取零部件的加工成本信息和销售信息并进行分析,得到该零部件的加工系数;任务分配模块将零部件的加工任务根据对应零部件的加工系数GS由大到小进行排序,并依次将零部件的加工任务分配至对应的加工人员,使得加工任务的处理更加层次化,有条不紊,从而发挥出最大的潜力提高个人和企业的生产效率;加工监控模块用于对加工人员在零部件加工过程中的视频数据进行行为识别分析,识别对应的加工人员是否存在违规操作;使加工监控自动化,大大节省了成本,提高了加工效率。
Description
技术领域
本发明涉及零件加工技术领域,具体是一种机械基础零部件智能加工系统。
背景技术
零件的加工是产品研发全生命周期过程中必不可少的环节之一,零件的加工方式与精度在很大程度上决定着产品研发的最终质量,而且在产品的研发过程中势必会用到多种机床,在零件的加工过程中机床的使用调度在一定程度上影响着产品研发的效率。因此,零件的加工在车间的整个过程中起着至关重要的作用;
但是,现有的零件加工系统大多只是进行简单的零件加工,存在无法根据零件的加工成本信息和销售信息对零件的加工任务进行排序并分配对应的加工人员领取零件的加工任务的问题,从而发挥出最大的潜力提高个人和企业的生产效率,同时现有的零件加工系统不能实时的监控工作人员在加工过程中的操作情况,当工作人员违规操作时,零件加工系统无法做出及时的预警处理,从而提高加工效率。
发明内容
为了解决上述方案存在的问题,本发明提供了一种机械基础零部件智能加工系统。本发明通过数据分析模块对零部件的加工成本信息和销售信息进行分析,根据零部件的加工系数对零部件的加工任务进行排序,为零部件的加工任务划分优先级,使得加工任务的处理更加层次化,有条不紊;同时通过任务分配模块将零部件的加工任务分配至对应的加工人员,根据加工人员的分配值选取对应数量的加工人员作为零部件加工任务的选中加工人员;从而发挥出最大的潜力提高个人和企业的生产效率。
本发明的目的可以通过以下技术方案实现:
一种机械基础零部件智能加工系统,包括数据采集模块、服务器、数据分析模块、存储模块、任务分配模块、加工监控模块以及告警模块;
所述数据采集模块用于采集零部件的加工成本信息和销售信息并将其发送至服务器内;所述数据分析模块用于获取零部件的加工成本信息和销售信息并进行分析,得到该零部件的加工系数GS,所述数据分析模块用于将零部件的加工系数经服务器发送至存储模块内存储;
任务分配模块用于将零部件的加工任务分配至对应的加工人员,具体为:
S1:管理人员将零部件的加工任务发布至任务分配模块,将发布的零部件加工任务标记为待分配任务;将待分配任务根据对应零部件的加工系数GS由大到小进行排序;
S2:获取排序第一的待分配任务,对其进行加工人员分配,具体为:
将目前处于空闲状态的加工人员标记为初选人员,将待分配任务对应的零部件标记为目标零部件;统计初选人员完成目标零部件的加工任务次数并标记为目标加工次数C1;
获取初选人员每次完成目标零部件加工任务时的产品合格率G1,对产品合格率作进一步分析;得到超率系数CW;
获取初选人员在零部件加工过程中的违规操作总次数C3;设定初选人员的年龄为N1,将初选人员的入职时长标记为T1;
利用公式FP=(C1×d1+CW×d2+T1×d3)/(C3×d4)-|N1-35|×d5计算得到初选人员的分配值FP,其中d1、d2、d3、d4、d5均为系数因子;
将初选人员按照分配值大小进行排序;根据初选人员的排序选取对应数量的初选人员作为该待分配任务的选中加工人员;将该待分配任务发送至选中加工人员的手机终端上;
S3:获取排序第二的待分配任务,重复步骤S2对其进行加工人员分配,以此类推,直至为所有的零部件加工任务分配好对应的加工人员;
本发明中任务分配模块将零部件的加工任务根据对应零部件的加工系数GS由大到小进行排序,并依次将零部件的加工任务分配至对应的加工人员,使得加工任务的处理更加层次化,有条不紊,从而发挥出最大的潜力提高个人和企业的生产效率;
进一步地,所述数据分析模块的具体分析步骤为:
步骤一:获取零部件的加工成本信息,计算得到该零部件的成本系数CB;
步骤二:获取零部件的销售信息,计算得到该零部件的销售系数XS;
步骤三:利用公式GS=(XS×g1)/(CB×g2)计算得到该零部件的加工系数GS,其中g1、g2均为系数因子。
进一步地,零部件的成本系数的计算方法为:
将对应零部件的人均标准工台时标记为L1;将加工工序数量标记为L2,将加工工序耗能标记为E1,将执行对应加工工序所需的员工数量标记为L3;
将零部件的材料成本标记为CL,将员工的工资成本标记为Z1;获取对应零部件的合格率并标记为H1;利用公式CB=(L2×a1+E1×a2+L3×a3+CL×a4+Z1×a5)/(L1×a6+H1×a7)计算得到该零部件的成本系数CB,其中a1、a2、a3、a4、a5、a6、a7均为系数因子。
进一步地,零部件的销售系数的计算方法为:
将一月内企业接收零部件加工订单的频率标记为P1,将平均每笔零部件加工订单对应的订单量标记为P2;
将平均每笔零部件加工订单的盈利金额标记为P3,将对应盈利金额的平均回款速度标记为D1,将企业一月的产量与订单量的比值标记为D2;
利用公式XS=(P1×b1+P2×b2+P3×b3+D1×b4)/(D2×b5)计算得到该零部件的销售系数XS,其中b1、b2、b3、b4、b5均为系数因子。
进一步地,对产品合格率作进一步分析;得到超率系数CW;具体包括:
将产品合格率G1与预设合格率阈值相比较,若产品合格率G1≥预设合格率阈值,则将对应的产品合格率标记为影响合格率;
统计影响合格率出现的次数为C2;将影响合格率与预设合格率阈值进行差值计算得到超率值,将所有的超率值进行求和得到超率总值W1;利用公式CW=C2×g3+W1×g4计算得到超率系数CW,其中g3、g4均为系数因子。
进一步地,所述加工监控模块用于实时采集加工人员在零部件加工过程中的视频数据,并对采集的视频数据进行行为识别分析,所述行为识别分析表现为识别对应的加工人员在零部件加工过程中是否存在违规操作;所述违规操作包括擅离岗位和异常行为;所述异常行为包括玩手机、打瞌睡、抽烟;
若存在违规操作,则生成违规信号;所述加工监控模块用于将违规信号经服务器发送至告警模块,所述告警模块接收到违规信号后进行告警,同时对应加工人员的违规操作总次数增加一;
所述加工监控模块还用于将对应加工人员的违规操作总次数经服务器发送至存储模块存储;
进一步地,所述加工监控模块的具体识别分析过程如下:
将采集的视频数据处理成为图像帧,使用行为识别算法,对图像帧进行检测;
使用主干网络提取人体的特征图,若没有检测到人体,则表示对应的加工人员擅离岗位,生成违规信号;
若检测到人体,通过关键点置信度网络,预测人体关键点,所述人体关键点为指肢体关节点,利用关键点亲和度向量预测网络进行聚类,得到每个人的所有关键点;基于检测到的每个人的人体关键点,作为输入数据,使用机器学习分类算法输出行为种类,所述行为种类包括正常行为和异常行为;
若输出的行为种类为异常行为,则生成违规信号。
本发明利用成熟的人工智能人体行为建模和识别技术,通过对加工监控模块采集的视频数据进行建模和分析,识别出加工人员在零部件加工过程中的各种违规操作并及时告警,使加工监控自动化,大大节省了成本,同时提高了加工效率。
与现有技术相比,本发明的有益效果是:
1、本发明中数据分析模块用于获取零部件的加工成本信息和销售信息并进行分析,得到该零部件的加工系数;管理人员将零部件的加工任务发布至任务分配模块,任务分配模块用于将零部件的加工任务分配至对应的加工人员;将零部件的加工任务根据对应零部件的加工系数GS由大到小进行排序;为零部件的加工任务划分优先级,使得加工任务的处理更加层次化,有条不紊;
2、任务分配模块用于将零部件的加工任务分配至对应的加工人员;将目前处于空闲状态的加工人员标记为初选人员,获取初选人员的目标加工次数、超率系数、违规操作总次数、年龄和入职时长,经过相关处理得到初选人员的分配值FP,根据加工人员的分配值选取对应数量的加工人员作为零部件加工任务的选中加工人员;从而发挥出最大的潜力提高个人和企业的生产效率;
3、当对应的加工人员操作加工设备对零部件进行加工时,加工监控模块用于实时采集对应的加工人员在零部件加工过程中的视频数据,并对采集的视频数据进行行为识别分析,识别对应的加工人员在零部件加工过程中是否存在违规操作;若存在违规操作,则生成违规信号;告警模块接收到违规信号后进行告警,同时将对应加工人员的违规操作总次数经服务器发送至存储模块存储,使加工监控自动化,大大节省了成本,同时提高了加工效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中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为本发明的原理框图。
图2为本发明实施例1的系统框图。
图3为本发明实施例2的系统框图。
具体实施方式
下面将结合实施例对本发明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它实施例,都属于本发明保护的范围。
如图1-3所示,一种机械基础零部件智能加工系统,包括数据采集模块、服务器、数据分析模块、存储模块、任务分配模块、加工监控模块以及告警模块;
实施例1
如图2所示,数据采集模块用于采集零部件的加工成本信息和销售信息并将零部件的加工成本信息和销售信息通过物联网发送至服务器内;加工成本信息包括对应零部件的人均标准工台时、加工工序信息、合格率、材料成本和员工的工资成本;销售信息包括频率数据、数量数据、盈利数据以及比值数据,其中频率数据为一月内企业接收零部件加工订单的频率,数量数据为企业一月内平均每笔零部件加工订单对应的订单量,盈利数据为企业一月内平均每笔零部件加工订单的盈利金额和对应盈利金额的回款速度,比值数据为企业一月的产量与订单量的比值;
数据分析模块用于获取零部件的加工成本信息和销售信息并进行分析,具体分析步骤为:
步骤一:获取零部件的加工成本信息,具体为:
将对应零部件的人均标准工台时标记为L1,人均标准工台时表示为生产单个零部件所需的平均时长;
获取对应零部件的加工工序信息,加工工序信息包括加工工序数量、加工工序耗能以及执行对应加工工序所需的员工数量;加工工序耗能表示为加工设备执行所有加工工序的耗能总和;
将加工工序数量标记为L2,将加工工序耗能标记为E1,将执行对应加工工序所需的员工数量标记为L3;
获取每种零部件的单个零部件的材料成本和员工的工资成本,工资成本表示为每小时的工资,其中员工执行不同零部件的加工工序,其工资成本不同;将零部件的材料成本标记为CL,将员工的工资成本标记为Z1;
获取对应零部件的合格率并标记为H1;
利用公式CB=(L2×a1+E1×a2+L3×a3+CL×a4+Z1×a5)/(L1×a6+H1×a7)计算得到该零部件的成本系数CB,其中a1、a2、a3、a4、a5、a6、a7均为系数因子;
步骤二:获取零部件的销售信息,具体为:
将一月内企业接收零部件加工订单的频率标记为P1,将平均每笔零部件加工订单对应的订单量标记为P2;
将平均每笔零部件加工订单的盈利金额标记为P3,将对应盈利金额的平均回款速度标记为D1,将企业一月的产量与订单量的比值标记为D2;
利用公式XS=(P1×b1+P2×b2+P3×b3+D1×b4)/(D2×b5)计算得到该零部件的销售系数XS,其中b1、b2、b3、b4、b5均为系数因子;
步骤三:将成本系数、销售系数进行归一化处理并取其数值;
利用公式GS=(XS×g1)/(CB×g2)计算得到该零部件的加工系数GS,其中g1、g2均为系数因子;数据分析模块用于将零部件的加工系数经服务器发送至存储模块内存储;
任务分配模块用于将零部件的加工任务分配至对应的加工人员,具体分配步骤为:
S1:管理人员将零部件的加工任务发布至任务分配模块,将发布的零部件加工任务标记为待分配任务;将待分配任务根据对应零部件的加工系数GS由大到小进行排序;
S2:获取排序第一的待分配任务,对其进行加工人员分配,具体为:
将目前处于空闲状态的加工人员标记为初选人员,将待分配任务对应的零部件标记为目标零部件;
统计初选人员完成目标零部件的加工任务次数并标记为目标加工次数C1;
获取初选人员每次完成目标零部件加工任务时的产品合格率G1,对产品合格率作进一步分析;具体包括:
将产品合格率G1与预设合格率阈值相比较,若产品合格率G1≥预设合格率阈值,则将对应的产品合格率标记为影响合格率;统计影响合格率出现的次数为C2;
将影响合格率与预设合格率阈值进行差值计算得到超率值,将所有的超率值进行求和得到超率总值W1;
利用公式CW=C2×g3+W1×g4计算得到超率系数CW,其中g3、g4均为系数因子;
获取初选人员在零部件加工过程中的违规操作总次数C3;
设定初选人员的年龄为N1,将初选人员的入职时长标记为T1;
利用公式FP=(C1×d1+CW×d2+T1×d3)/(C3×d4)-|N1-35|×d5计算得到初选人员的分配值FP,其中d1、d2、d3、d4、d5均为系数因子;
将初选人员按照分配值大小进行排序;
根据初选人员的排序选取对应数量的初选人员作为该待分配任务的选中加工人员;将该待分配任务发送至选中加工人员的手机终端上;其中对应数量表示为执行该待目标零部件对应加工工序所需的员工数量;
S3:获取排序第二的待分配任务,对其进行加工人员分配,以此类推,直至为所有的零部件加工任务分配好对应的加工人员;
本发明通过数据分析模块对零部件的加工成本信息和销售信息进行分析,根据零部件的加工系数对零部件的加工任务进行排序,为零部件的加工任务划分优先级,使得加工任务的处理更加层次化,有条不紊;同时通过任务分配模块将零部件的加工任务分配至对应的加工人员,根据加工人员的分配值选取对应数量的加工人员作为零部件加工任务的选中加工人员;从而发挥出最大的潜力提高个人和企业的生产效率;
实施例2
如图3所示,当对应的加工人员操作加工设备对零部件进行加工时,加工监控模块用于实时采集对应的加工人员在零部件加工过程中的视频数据,并对采集的视频数据进行行为识别分析,行为识别分析表现为识别对应的加工人员在零部件加工过程中是否存在违规操作;违规操作包括擅离岗位和异常行为;异常行为包括玩手机、打瞌睡、抽烟;具体识别分析的过程如下:
将采集的视频数据处理成为图像帧,使用行为识别算法,对图像帧进行检测;
使用主干网络提取人体的特征图,若没有检测到人体,则表示对应的加工人员擅离岗位,生成违规信号;若检测到人体,通过关键点置信度网络,预测人体关键点,人体关键点为指肢体关节点,利用关键点亲和度向量预测网络进行聚类,得到每个人的所有关键点;
基于检测到的每个人的人体关键点,作为输入数据,使用机器学习分类算法输出行为种类,行为种类包括正常行为和异常行为;
若输出的行为种类为异常行为,则生成违规信号;
加工监控模块用于将违规信号经服务器发送至告警模块,告警模块接收到违规信号后进行告警,同时对应加工人员的违规操作总次数增加一;
加工监控模块还用于将对应加工人员的违规操作总次数经服务器发送至存储模块存储。
本发明利用成熟的人工智能人体行为建模和识别技术,通过对加工监控模块采集的视频数据进行建模和分析,识别出加工人员在零部件加工过程中的各种违规操作并及时告警,使加工监控自动化,大大节省了成本,同时提高了加工效率。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本发明的工作原理:
一种机械基础零部件智能加工系统,在工作时,数据采集模块用于采集零部件的加工成本信息和销售信息并将零部件的加工成本信息和销售信息,数据分析模块用于获取零部件的加工成本信息和销售信息并进行分析;获取零部件的加工成本信息,结合人均标准工台时、加工工序信息、合格率、材料成本和员工的工资成本;经过相关处理得到该零部件的成本系数CB,获取零部件的销售信息,结合频率数据、数量数据、盈利数据以及比值数据,计算得到该零部件的销售系数XS,结合成本系数和销售系数,计算得到该零部件的加工系数GS;
管理人员将零部件的加工任务发布至任务分配模块,任务分配模块用于将零部件的加工任务分配至对应的加工人员;将发布的零部件加工任务标记为待分配任务;将待分配任务根据对应零部件的加工系数GS由大到小进行排序;获取排序第一的待分配任务,对其进行加工人员分配;将目前处于空闲状态的加工人员标记为初选人员,获取初选人员的目标加工次数、超率系数、违规操作总次数、年龄和入职时长,经过相关处理得到初选人员的分配值FP,将初选人员按照分配值大小进行排序;根据初选人员的排序选取对应数量的初选人员作为该待分配任务的选中加工人员;再获取排序第二的待分配任务,对其进行加工人员分配,以此类推,直至为所有的零部件加工任务分配好对应的加工人员;
当对应的加工人员操作加工设备对零部件进行加工时,加工监控模块用于实时采集对应的加工人员在零部件加工过程中的视频数据,并对采集的视频数据进行行为识别分析,识别对应的加工人员在零部件加工过程中是否存在违规操作;若存在违规操作,则生成违规信号;告警模块接收到违规信号后进行告警,同时将对应加工人员的违规操作总次数经服务器发送至存储模块存储,使加工监控自动化,大大节省了成本,同时提高了加工效率。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (5)
1.一种机械基础零部件智能加工系统,其特征在于,包括数据采集模块、服务器、数据分析模块、存储模块、任务分配模块、加工监控模块以及告警模块;
所述数据采集模块用于采集零部件的加工成本信息和销售信息并将其发送至服务器内;所述数据分析模块用于获取零部件的加工成本信息和销售信息并进行分析,得到该零部件的加工系数GS,所述数据分析模块用于将零部件的加工系数经服务器发送至存储模块内存储;
任务分配模块用于将零部件的加工任务分配至对应的加工人员,具体为:
S1:管理人员将零部件的加工任务发布至任务分配模块,将发布的零部件加工任务标记为待分配任务;将待分配任务根据对应零部件的加工系数GS由大到小进行排序;
S2:获取排序第一的待分配任务,对其进行加工人员分配,具体为:
将目前处于空闲状态的加工人员标记为初选人员,将待分配任务对应的零部件标记为目标零部件;统计初选人员完成目标零部件的加工任务次数并标记为目标加工次数C1;
获取初选人员每次完成目标零部件加工任务时的产品合格率G1,对产品合格率作进一步分析,得到超率系数CW,具体包括:
将产品合格率G1与预设合格率阈值相比较,若产品合格率G1≥预设合格率阈值,则将对应的产品合格率标记为影响合格率;
统计影响合格率出现的次数为C2;将影响合格率与预设合格率阈值进行差值计算得到超率值,将所有的超率值进行求和得到超率总值W1;利用公式CW=C2×g3+W1×g4计算得到超率系数CW,其中g3、g4均为系数因子;
获取初选人员在零部件加工过程中的违规操作总次数C3;设定初选人员的年龄为N1,将初选人员的入职时长标记为T1;
利用公式FP=(C1×d1+CW×d2+T1×d3)/(C3×d4)-|N1-35|×d5计算得到初选人员的分配值FP,其中d1、d2、d3、d4、d5均为系数因子;
将初选人员按照分配值大小进行排序;根据初选人员的排序选取对应数量的初选人员作为该待分配任务的选中加工人员;将该待分配任务发送至选中加工人员的手机终端上;
S3:获取排序第二的待分配任务,重复步骤S2对其进行加工人员分配,以此类推,直至为所有的零部件加工任务分配好对应的加工人员。
2.根据权利要求1所述的一种机械基础零部件智能加工系统,其特征在于,所述数据分析模块的具体分析步骤为:
步骤一:获取零部件的加工成本信息,计算得到该零部件的成本系数CB;
步骤二:获取零部件的销售信息,计算得到该零部件的销售系数XS;
步骤三:利用公式GS=(XS×g1)/(CB×g2)计算得到该零部件的加工系数GS,其中g1、g2均为系数因子。
3.根据权利要求2所述的一种机械基础零部件智能加工系统,其特征在于,零部件的成本系数的计算方法为:
将对应零部件的人均标准工台时标记为L1;将加工工序数量标记为L2,将加工工序耗能标记为E1,将执行对应加工工序所需的员工数量标记为L3;
将零部件的材料成本标记为CL,将员工的工资成本标记为Z1;获取对应零部件的合格率并标记为H1;利用公式CB=(L2×a1+E1×a2+L3×a3+CL×a4+Z1×a5)/(L1×a6+H1×a7)计算得到该零部件的成本系数CB,其中a1、a2、a3、a4、a5、a6、a7均为系数因子。
4.根据权利要求2所述的一种机械基础零部件智能加工系统,其特征在于,零部件的销售系数的计算方法为:
将一月内企业接收零部件加工订单的频率标记为P1,将平均每笔零部件加工订单对应的订单量标记为P2;
将平均每笔零部件加工订单的盈利金额标记为P3,将对应盈利金额的平均回款速度标记为D1,将企业一月的产量与订单量的比值标记为D2;
利用公式XS=(P1×b1+P2×b2+P3×b3+D1×b4)/(D2×b5)计算得到该零部件的销售系数XS,其中b1、b2、b3、b4、b5均为系数因子。
5.根据权利要求1所述的一种机械基础零部件智能加工系统,其特征在于,所述加工监控模块用于实时采集加工人员在零部件加工过程中的视频数据,并对采集的视频数据进行行为识别分析,所述行为识别分析表现为识别对应的加工人员在零部件加工过程中是否存在违规操作;所述违规操作包括擅离岗位和异常行为;所述异常行为包括玩手机、打瞌睡、抽烟;
若存在违规操作,则生成违规信号;所述加工监控模块用于将违规信号经服务器发送至告警模块,所述告警模块接收到违规信号后进行告警,同时对应加工人员的违规操作总次数增加一;
所述加工监控模块还用于将对应加工人员的违规操作总次数经服务器发送至存储模块存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110740504.7A CN113421168B (zh) | 2021-07-01 | 2021-07-01 | 一种机械基础零部件智能加工系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110740504.7A CN113421168B (zh) | 2021-07-01 | 2021-07-01 | 一种机械基础零部件智能加工系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113421168A CN113421168A (zh) | 2021-09-21 |
CN113421168B true CN113421168B (zh) | 2022-04-12 |
Family
ID=77717500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110740504.7A Active CN113421168B (zh) | 2021-07-01 | 2021-07-01 | 一种机械基础零部件智能加工系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113421168B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113988729A (zh) * | 2021-12-30 | 2022-01-28 | 广东省信息工程有限公司 | 基于信创环境和大数据的政务督办系统 |
CN116703254B (zh) * | 2023-08-09 | 2024-03-15 | 深圳市永义模具有限公司 | 模具机械零部件生产信息管理系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101303749A (zh) * | 2008-06-19 | 2008-11-12 | 上海交通大学 | 面向客户需求的车间作业调度方法 |
CN106408161A (zh) * | 2016-08-29 | 2017-02-15 | 广州丰捷企业管理服务有限公司 | 一种缝制流水线作业的生产效率提升方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6907410B2 (en) * | 2001-11-07 | 2005-06-14 | Institute For Information Industry | Transportation crew dispatch method based on single day business |
US8645178B2 (en) * | 2011-04-28 | 2014-02-04 | Accenture Global Services Limited | Task management for a plurality of team members |
CN109829594A (zh) * | 2017-11-23 | 2019-05-31 | 上海零参科技发展有限公司 | 一种pebs智能生产力生态平衡处理系统及方法 |
CN109635510B (zh) * | 2019-01-15 | 2022-08-26 | 西南交通大学 | 铁路货车并行检修线设置方法 |
CN112396323A (zh) * | 2020-11-18 | 2021-02-23 | 广东赛意信息科技有限公司 | 一种基于生产计划的制程工艺单分配方法及系统 |
CN112561253A (zh) * | 2020-11-18 | 2021-03-26 | 广东赛意信息科技有限公司 | 基于生产计划的订单分派方法、系统、平台及存储介质 |
CN112308468A (zh) * | 2020-11-26 | 2021-02-02 | 上海济邦投资咨询有限公司 | 一种基于大数据的政府支付能力分析系统 |
-
2021
- 2021-07-01 CN CN202110740504.7A patent/CN113421168B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101303749A (zh) * | 2008-06-19 | 2008-11-12 | 上海交通大学 | 面向客户需求的车间作业调度方法 |
CN106408161A (zh) * | 2016-08-29 | 2017-02-15 | 广州丰捷企业管理服务有限公司 | 一种缝制流水线作业的生产效率提升方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113421168A (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113421168B (zh) | 一种机械基础零部件智能加工系统 | |
CN109492945A (zh) | 企业风险识别监控方法、装置、设备及存储介质 | |
CN105931068A (zh) | 一种持卡人消费画像的生成方法及装置 | |
CN110689279A (zh) | 一种基于电力负荷数据的居民用电安全隐患分析系统及方法 | |
CN111984442A (zh) | 计算机集群系统的异常检测方法及装置、存储介质 | |
CN116307928A (zh) | 一种目标督查督办管理系统 | |
CN114817681B (zh) | 一种基于大数据分析的金融风控系统及其管理设备 | |
CN111915229A (zh) | 一种基于大数据的工作平台任务风险评估方法及系统 | |
CN109409780B (zh) | 变更处理方法、装置、计算机设备和存储介质 | |
CN116090702A (zh) | 一种基于物联网的erp数据智能监管系统及方法 | |
CN116628381A (zh) | 一种基于ai预测的网页数据设计模块故障无损恢复方法 | |
CN114021969B (zh) | 一种涉农企业安全生产风险指数分析系统 | |
CN115987692A (zh) | 一种基于流量回溯分析的安全防护系统及方法 | |
CN113449923A (zh) | 一种多模型标的物行情预测方法和装置 | |
CN113807587B (zh) | 一种基于多梯核深度神经网络模型积分预警方法以及系统 | |
CN114662952A (zh) | 一种行为数据的评价方法、装置、设备及存储介质 | |
CN113128876A (zh) | 基于图像的对象管理方法、装置及计算机可读存储介质 | |
CN113469382A (zh) | 一种基于物联网的生产设备调试管理系统 | |
CN114140241A (zh) | 一种交易监控指标的异常识别方法及装置 | |
CN113191569A (zh) | 一种基于大数据的企业管理方法及系统 | |
Salmasnia et al. | An economic-statistical production quantity model under quality-maintenance policy for imperfect manufacturing systems with interaction effect among assignable causes | |
CN116342300B (zh) | 一种保险理赔人员特征分析方法、装置和设备 | |
CN114780711B (zh) | 基于智慧档案平台的证照申办识别方法、系统及介质 | |
CN113360717B (zh) | 一种智能线索处理方法及系统 | |
CN117829435B (zh) | 一种基于大数据的城市数据质量管理方法及系统 |
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 |
Effective date of registration: 20220318 Address after: 201505 Building 1, No. 308, Linsheng Road, Tinglin Town, Jinshan District, Shanghai Applicant after: Shanghai yidiao Machinery Co.,Ltd. Address before: 226101 group 16, Xinfeng village, Desheng Town, Haimen City, Nantong City, Jiangsu Province Applicant before: NANTONG ZIRI MACHINERY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |