CN113537751A - 影响磨加工产品质量要素的确定方法和装置 - Google Patents
影响磨加工产品质量要素的确定方法和装置 Download PDFInfo
- Publication number
- CN113537751A CN113537751A CN202110776050.9A CN202110776050A CN113537751A CN 113537751 A CN113537751 A CN 113537751A CN 202110776050 A CN202110776050 A CN 202110776050A CN 113537751 A CN113537751 A CN 113537751A
- Authority
- CN
- China
- Prior art keywords
- grinding
- product
- parameters
- correlation
- related parameters
- 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
- 238000000034 method Methods 0.000 title claims abstract description 163
- 238000000227 grinding Methods 0.000 claims abstract description 357
- 230000007547 defect Effects 0.000 claims abstract description 116
- 230000008569 process Effects 0.000 claims abstract description 96
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000010219 correlation analysis Methods 0.000 claims abstract description 41
- 230000002159 abnormal effect Effects 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 239000000463 material Substances 0.000 claims abstract description 30
- 239000012530 fluid Substances 0.000 claims description 21
- 230000000875 corresponding effect Effects 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 13
- 230000002596 correlated effect Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims 2
- 238000012797 qualification Methods 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000003754 machining Methods 0.000 description 6
- 238000004140 cleaning Methods 0.000 description 4
- 238000003050 experimental design method Methods 0.000 description 4
- 238000005498 polishing Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003801 milling Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 239000000956 alloy Substances 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000007730 finishing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007517 polishing process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009966 trimming 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
- 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]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
Abstract
本发明实施例提供一种影响磨加工产品质量要素的确定方法和装置，该方法包括：实时获取产品在磨加工过程中的相关参数，相关参数包括人员相关参数、环境相关参数、物料相关参数、磨加工设备的工艺相关参数以及异常参数特征值，所述异常参数特征值是在所述工艺相关参数中提取出来的；在检测到所述产品在磨加工完成之后存在缺陷时获取缺陷类型，基于相关性分析算法和缺陷类型，结合所述异常参数特征值和人员相关、环境相关、物料相关、磨加工设备的工艺相关等相关参数进行相关性分析，确定所述质量缺陷的重要影响因素。本发明实施例能更加准确的检测分析出产品出现缺陷的影响因素，且相比于人工分析更加高效、准确，提升产品的加工精度和合格率。
Description
技术领域
本发明实施例涉及机械加工技术领域，尤其涉及一种影响磨加工产品质量要素的确定方法和装置。
背景技术
磨加工也称为磨削加工，就是磨床使用砂轮和磨削液等对零件表面进行切削加工。磨削加工的范围很广，几乎各种表面都可以用磨削进行加工，如内外圆柱面、内外圆锥面、各种平面以及螺纹等。此外，磨削还可加工淬火钢、硬质合金等一般工具难以加工的较硬材料。磨加工一般作为零件表面的精加工工序，或者用于毛坯的预加工和清理等粗加工工作。由于磨加工过程是一个典型的机械加工工艺，其加工产品的最终质量性能受磨加工设备的相关工艺参数以及环境、技术人员等因素的影响，因此，为了提高磨加工产品的质量性能，有必要对加工产品的质量进行检测，以对影响其质量的各种因素进行分析。
相关技术中，常用的对造成磨加工产品出现缺陷的因素进行分析的方法有两种，第一种是人工采用实验设计法和鱼骨图等分析工具进行分析，比如，磨加工得到的展品零件尺寸过大了，操作人员猜测和砂轮进给量、磨削功率等因素有关，那么操作人员则会设计多组不同的实验数据（即多组不同的砂轮的进给量和磨削功率）分别对产品进行磨加工，看每组实验数据对应得到的产品尺寸，进而确定产品尺寸过大是否和砂轮进给量、磨削功率等因素有关；第二种是通过在磨加工机床上加装功率、温度或者振动传感器等方式来进行数据采集，并通过大数据算法分析产品出现缺陷的原因。
但是，第一种实验设计法的实验数据都是人工设定的，不仅数据量小且不能反应磨加工设备实时的加工情况，因此，根据实验数据对实时磨加工产品出现缺陷的因素进行分析受实验样本数据量的影响造成波动较大，导致对实时磨加工产品出现缺陷的因素分析准确率低，并且人工分析效率很低；第二种方法只能根据机床的工艺参数对当前加工的产品的质量进行分析，而实际上影响产品质量的因素还有很多，仅仅依靠机床的工艺参数，同样导致分析结果不准确，进而导致产品加工精度低、合格率低。
发明内容
本发明实施例提供一种影响磨加工产品质量要素的确定方法和装置，以解决现有技术中对磨加工产品缺陷的影响因素分析不准确，导致产品加工精度低、合格率低的问题。
本发明实施例的第一方面提供一种影响磨加工产品质量要素的确定方法，包括：
实时获取产品在磨加工过程中的相关参数，所述相关参数包括人员相关参数、环境相关参数、物料相关参数、磨加工设备的工艺相关参数以及异常参数特征值，所述异常参数特征值是在所述工艺相关参数中提取出来的；
获取所述产品在磨加工完成之后的存在质量缺陷的产品数量和缺陷类型；
基于相关性分析算法对所述缺陷类型、存在质量缺陷的产品数量和所述相关参数进行相关性分析，确定所述缺陷类型的影响因素。
可选的，所述工艺相关参数包括磨加工设备的磨床进给速度、主轴转速、砂轮进给量、磨削功率、砂轮更换后累计磨削的产品数量、砂轮修整后累计磨削的产品数量和故障停机时间；所述人员相关参数包括操作人员的标识信息和在相关岗位的工作时长；所述环境相关参数包括环境温度和磨削液温度；所述物料相关参数包括物料编码相关信息；
所述获取产品在磨加工过程中的相关参数，包括：
获取安装于磨床上功率传感器按照预设时间间隔采集到的砂轮的磨削功率，按照所述预设时间间隔在所述磨加工设备的控制器中提取磨床进给速度、主轴转速和砂轮进给量，根据采集到的砂轮磨削功率确定砂轮更换后累计磨削的产品数量、砂轮修整后累计磨削的产品数量，在所述磨加工设备的控制器存储的故障代码中提取故障停机时间，以及，获取温度传感器采集到的环境温度和磨削液温度。
可选的，所述方法还包括：
在采集到的所述产品在整个磨加工过程的磨削功率中，提取前第一预设数量个磨削功率、最后第二预设数量个磨削功率和磨加工过程中间的第三预设数量个磨削功率；
分别确定前第一预设数量个磨削功率的平均值、方差、峰值和中位数，最后第二预设数量个磨削功率的平均值、方差、峰值和中位数，以及磨加工过程中间的第三预设数量个磨削功率的平均值、方差、峰值和中位数为异常参数特征值。
可选的，所述基于相关性分析算法对所述缺陷类型、存在质量缺陷的产品数量和所述相关参数进行相关性分析，确定所述缺陷类型的影响因素，包括：
根据所述缺陷类型、所述相关参数和相关系数公式，确定所述缺陷类型和所述相
关参数中的每一种参数之间的相关系数以及所述相关参数中每两个参数之间的相关系数，
所述相关系数公式为：
，其中，r表示相关系数，在确定所述缺陷类型
与相关参数中的每一种参数之间的相关系数时，x表示所述相关参数中的任意一种，y表示
所述缺陷类型；若判定所述相关系数的绝对值大于预设系数阈值，则确定所述相关参数中
相应的参数为所述缺陷类型的影响因素；
在确定所述相关参数中每两个参数之间的相关系数时，x和y分别表示所述相关参数中的参数；若判定所述相关系数的绝对值大于预设系数阈值，则确定所述两个参数强相关。
可选的，所述方法包括：
根据确定的所述异常参数特征值的影响因素，生成相应的提示信息；
将所述提示信息发送至目标终端，以指示目标人员采取相应的措施。
本发明实施例的第二方面提供一种影响磨加工产品质量要素的确定装置，包括：
参数获取模块，用于实时获取产品在磨加工过程中的相关参数，所述相关参数包括人员相关参数、环境相关参数、物料相关参数、磨加工设备的工艺相关参数以及异常参数特征值，所述异常参数特征值是在所述工艺相关参数中提取出来的；
所述参数获取模块还用于获取所述产品在磨加工完成之后的存在质量缺陷的产品数量和缺陷类型；
质量分析模块，用于基于相关性分析算法对所述缺陷类型、存在质量缺陷的产品数量和所述相关参数进行相关性分析，确定所述缺陷类型的影响因素。
可选的，所述工艺相关参数包括磨加工设备的磨床进给速度、主轴转速、砂轮进给量、磨削功率、砂轮更换后累计磨削的产品数量、砂轮修整后累计磨削的产品数量和故障停机时间；所述人员相关参数包括操作人员的标识信息和在相关岗位的工作时长；所述环境相关参数包括环境温度和磨削液温度；所述物料相关参数包括物料编码相关信息；
所述参数获取模块具体用于：
获取安装于磨床上功率传感器按照预设时间间隔采集到的砂轮的磨削功率，按照所述预设时间间隔在所述磨加工设备的控制器中提取磨床进给速度、主轴转速和砂轮进给量，根据采集到的砂轮磨削功率确定砂轮更换后累计磨削的产品数量、砂轮修整后累计磨削的产品数量，在所述磨加工设备的控制器存储的故障代码中提取故障停机时间，以及，获取温度传感器采集到的环境温度和磨削液温度。
本发明实施例的第三方面提供一种计算机设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行本发明实施例第一方面所述的影响磨加工产品质量要素的确定方法。
本发明实施例的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现本发明实施例第一方面所述的影响磨加工产品质量要素的确定方法。
本发明实施例的第五方面提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现本发明实施例第一方面所述的影响磨加工产品质量要素的确定方法。
本发明实施例提供一种影响磨加工产品质量要素的确定方法和装置，该方法通过实时获取产品在磨加工过程中的相关参数，包括人员相关参数、环境相关参数、物料相关参数、磨加工设备的工艺相关参数以及异常参数特征值，所述异常参数特征值是在所述工艺相关参数中提取出来的，实时采集的数据量大且本实施例中采集到的数据更加全面，因此根据采集到的相关参数能更加准确的分析产品出现缺陷的重要影响因素，且在分析过程中是根据相关性算法自动结合所述异常参数特征值和人员相关、环境相关、物料相关、磨加工设备的工艺相关等相关参数进行相关性分析，相比于人工分析更加高效、准确，因此操作人员根据检测分析结果能更加精准的调整相关参数，提升产品的加工精度和合格率。
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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一示例性实施例示出的影响磨加工产品质量要素的确定方法的应用场景图；
图2是本发明一示例性实施例示出的影响磨加工产品质量要素的确定方法的流程示意图；
图3是本发明另一示例性实施例示出的影响磨加工产品质量要素的确定方法的流程示意图；
图4是本发明一示例性实施例示出的影响磨加工产品质量要素的确定装置的结构示意图；
图5是本发明一示例性实施例示出的计算机设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
磨加工也称为磨削加工，就是磨床使用砂轮和磨削液等对零件表面进行切削加工。磨削加工的范围很广，几乎各种表面都可以用磨削进行加工，如内外圆柱面、内外圆锥面、各种平面以及螺纹等。此外，磨削还可加工淬火钢、硬质合金等一般工具难以加工的较硬材料。磨加工一般作为零件表面的精加工工序，或者用于毛坯的预加工和清理等粗加工工作。由于磨加工过程是一个典型的机械加工工艺，其加工产品的最终质量性能受磨加工设备的相关工艺参数以及环境、技术人员等因素的影响，因此，为了提高磨加工产品的质量性能，有必要对加工产品的质量进行检测，以对影响其质量的各种因素进行分析。
相关技术中，常用的对造成磨加工产品出现缺陷的因素进行分析的方法有两种，第一种是人工采用实验设计法和鱼骨图等分析工具进行分析，比如，磨加工得到的展品零件尺寸过大了，操作人员猜测和砂轮进给量、磨削功率等因素有关，那么操作人员则会设计多组不同的实验数据（即多组不同的砂轮的进给量和磨削功率）分别对产品进行磨加工，看每组实验数据对应得到的产品尺寸，进而确定产品尺寸过大是否和砂轮进给量、磨削功率等因素。但是，这种实验设计法的实验数据都是人工设定的，不仅数据量小且不能反应磨加工设备实时的加工情况，因此，根据实验数据对实时磨加工产品出现缺陷的因素进行分析受实验样本数据量的影响造成波动较大，导致对实时磨加工产品出现缺陷的因素分析准确率低，并且人工分析效率很低。第二种是通过在磨加工机床上加装功率、温度或者振动传感器等方式来进行数据采集，并通过大数据算法分析产品出现缺陷的原因。但是这种方法一般只关注于单机的工艺参数对当前加工的产品的质量的分析和控制，而实际上影响产品质量的因素还有很多，对于比如换型、砂轮状态、人员的变化以及上下工艺对其加工的工件部分的影响缺少关键要素的分析，仅仅依靠机床的工艺参数，同样导致分析结果不准确，进而导致产品加工精度低、合格率低。
针对此缺陷，本发明的技术方案主要在于：考虑到当前产品加工都是以产线的方式来进行生产，既有磨加工设备，也有像清洗设备、在线检测设备等，集加工、清洗和检测为一体的产品加工生产线，本申请针对整个磨加工生产线，不仅实时采集磨加工设备的磨床进给速度、主轴转速、砂轮进给量、磨削功率、砂轮更换后累计磨削的产品数量、砂轮修整后累计磨削的产品数量等核心工艺参数，同时也对产品尺寸、出现质量缺陷的产品数量、操作人员的标识信息和工作时长、环境温度以及磨削液温度等其他相关参数进行采集，在检测到所述产品在磨加工完成之后存在质量缺陷时，判断所述工艺参数是否符合预设条件，根据判断结果确定所述产品的缺陷类型，并在所述工艺参数中提取异常参数特征值；基于相关性分析算法，自动对产品缺陷类型和所述相关参数进行相关性分析，确定所述缺陷类型的影响因素。本发明实施例由于是根据产品在磨加工过程中实时采集的相关参数，实时采集的数据量大且采集数据更加全面，因此根据采集到的相关参数能更加准确的分析产品出现缺陷的重要影响因素，且在分析过程中是根据相关性算法自动对产品出现缺陷时的异常参数特征值和产品在磨加工过程中的各种相关参数进行相关性分析，相比于人工分析更加高效、准确，因此操作人员根据检测分析结果能更加精准的调整相关参数，提升产品的加工精度和合格率。
图1是本发明一示例性实施例示出的影响磨加工产品质量要素的确定方法的应用场景图。
如图1所示，本实施例提供的应用场景的基本架构主要包括：磨加工设备10，服务端11；其中，磨加工设备10包括磨床101，主轴102和砂轮103，待磨削产品13放在砂轮位置处，在磨加工产品的过程中，磨床根据以一定的的进给速度向待磨削产品靠近，主轴以一定的转速带动砂轮转动，砂轮转动的过程中对产品进行磨加工；服务端获取磨加工设备的各种工艺参数，比如磨床进给量、主轴转速等参数，然后根据获取到的参数对磨加工之后的产品进行质量分析。
图2是本发明一示例性实施例示出的影响磨加工产品质量要素的确定方法的流程示意图，本实施例的提供的方法的执行主体可以是图1所示实施例中的服务端，也可以是其他具有相关处理功能的设备。
如图2所示，本实施例提供的方法可以包括以下步骤。
S201，实时获取产品在磨加工过程中的相关参数，所述相关参数包括人员相关参数、环境相关参数、物料相关参数、磨加工设备的工艺相关参数以及异常参数特征值，所述异常参数特征值是在所述工艺相关参数中提取出来的。
具体的，所述工艺相关参数包括磨加工设备的磨床进给速度、主轴转速、砂轮进给量、磨削功率、砂轮更换后累计磨削的产品数量、砂轮修整后累计磨削的产品数量和故障停机时间；所述人员相关参数包括操作人员的标识信息和在相关岗位的工作时长；所述环境相关参数包括环境温度和磨削液温度；所述物料相关参数包括物料编码相关信息（比如物料编码和物料供应商信息）。
一些实施例中，所述获取产品在磨加工过程中的相关参数，包括：获取安装于磨床上功率传感器按照预设时间间隔采集到的砂轮的磨削功率，按照所述预设时间间隔在所述磨加工设备的控制器中提取磨床进给速度、主轴转速和砂轮进给量，根据采集到的砂轮磨削功率确定砂轮更换后累计磨削的产品数量、砂轮修整后累计磨削的产品数量，在所述磨加工设备的控制器存储的故障代码中提取故障停机时间，以及，获取温度传感器采集到的环境温度和磨削液温度。其中，预设时间间隔可以根据采集的不同参数来确定，比如在采集磨削功率时，预设时间间隔可以设置为0.1秒，在采集环境温度或磨削液温度时，预设时间间隔可以为1秒。
具体的，不同的参数，获取方式也不同，对于磨削功率，操作人员预先在磨床上安装功率传感器实时采集砂轮的磨削功率，传感器按照预设时间间隔将采集到的磨削功率发送给服务端。对于磨床进给速度、主轴转速和砂轮进给量，磨加工设备的可编程逻辑控制器（Programmable Logic Controller，PLC）会实时监测，服务端按照所述预设时间间隔向控制器发送相应的参数获取请求，控制器PLC接收到获取请求后将磨床进给速度、主轴转速和砂轮进给量发送给服务端。对于砂轮更换后累计磨削的产品数量和砂轮修整后累计磨削的产品数量，控制器PLC会按照相应的算法对采集到的磨削功率进行处理，提取磨削功率小于下限阈值的节点数量，从而得到砂轮更换后累计磨削的产品数量和砂轮修整后累计磨削的产品数量，比如，砂轮每磨削完一个产品之后，磨削功率都会慢慢降低到下限阈值，每检测到一个磨削功率为下限阈值的节点，并结合磨削功率曲线判定磨削完一个产品；控制器统计得到砂轮更换后累计磨削的产品数量和砂轮修整后累计磨削的产品数量之后，将其发送至服务端。对于故障停机时间，可以在控制器PLC中保存的故障代码中直接提取得到。对于初始产品尺寸、产品型号、产品物料编码、操作人员的标识信息和工作时长等信息，可以由操作人员预先通过输入设备输入并由输入设备发送至服务端。对于出现质量缺陷的产品数量是由产品生产线上的在线检测设备检测得到，在线检测设备实时检测每个产品磨加工之后是否存在缺陷，并统计出现缺陷的产品数量发送至服务端。对于环境温度以及磨削液温度，操作人员预先安装温度传感器，实时检测产品磨加工过程中的环境温度以及磨削液的温度，并按照预设时间间隔发送给服务端。
需要说明的是，在线检测设备可以包括高清摄像头，高清摄像头实时获取磨加工之后的产品的表面图片，然后在线检测设备根据产品表面图片分析加工之后的产品表面是否有裂纹、缺口以及产品尺寸是否合格等，进而判断加工后的产品是否存在缺陷。
S202，获取所述产品在磨加工完成之后的存在质量缺陷的产品数量和缺陷类型。
本步骤中，当在线检测设备检测到当前加工好的产品存在缺陷时，向服务端发送相应的指示指令，服务端对采集到的各种参数进行对比分析，根据采集到的参数进一步判断产品的缺陷类型。
具体的，根据采集到的磨削功率与预设磨削功率的包络曲线进行比较，判断产品在磨加工过程中的磨削功率是否超过所述预设磨削功率的包络曲线，若是，则确定所述产品的缺陷类型为烧伤类型；以及，采集所述产品进行磨加工之后的尺寸，若所述磨加工之后的尺寸与预设产品尺寸的差值大于预设阈值，则确定所述产品的缺陷类型为尺寸类型。
需要说明的是，预设磨削功率的包络曲线是通过预先对大量产品磨加工过程中的磨削功率进行采集并生成的理论上的包络曲线，该包络曲线反应的是同样的产品在经过磨削加工最终得到精度高、质量高的成品的过程中砂轮磨削功率的变化过程，若在实际对产品磨加工时，采集到的砂轮的磨削功率超过包络曲线了，说明磨削功率过大了，由于磨削生热，磨削功率过大的话会造成产品烧伤，因此通过预设预设磨削功率的包络曲线与实际磨削功率进行对比，能准确的确定出产品出现缺陷的类型是否是烧伤类型。
并且，在线检测设备对每个加工完成之后的产品都会进行尺寸检测，并将检测到的成品尺寸发送至服务端，服务端将成品尺寸和预设产品尺寸进行对比，若产品实际尺寸在公差范围内，则产品符合要求，若最终实际尺寸超过公差范围则产品不合格。
在一种可能的实施例中，在线检测设备拍摄每个产品加工之后的图象，通过图象来判断加工后的产品是否存在划伤，缺角，形位公差等类型的缺陷。
进一步的，服务端提取缺陷产品在加工过程中采集到的参数中的异常参数特征值。
在本实施例一种可能的情况下，所述在所述工艺相关参数中提取异常参数特征值，包括：在采集到的所述产品在整个磨加工过程的磨削功率中，提取前第一预设数量个磨削功率、最后第二预设数量个磨削功率和磨加工过程中间的第三预设数量个磨削功率；分别确定前第一预设数量个磨削功率的平均值、方差、峰值和中位数，最后第二预设数量个磨削功率的平均值、方差、峰值和中位数，以及磨加工过程中间的第三预设数量个磨削功率的平均值、方差、峰值和中位数为异常参数特征值。
具体的，不同产品在整个磨加工过程中占用的时长也是不同的，在整个加工过程中，每隔预设时间间隔采集一次磨削功率，每个产品最终能得到对应的一组磨削功率数据，考虑到产品在磨加工之前的毛坯状态下的不一致性，本实施例提取前第一预设数量个磨削功率，该第一预设数量个磨削功率能反应产品磨削初期毛坯不一致对产品缺陷的影响情况；考虑到在磨加工后期光磨过程尺寸的回弹，本实施例提取最后第二预设数量个磨削功率，该第二预设数量个磨削数据能反应产品磨削后期的光磨阶段尺寸回弹对产品缺陷的影响；然后再提取磨削中间过程中的第三预设数量个磨削功率，该第三预设数量个磨削功率能反应磨削中间过程中的相关因素对产品缺陷的影响。分别确定前第一预设数量个磨削功率的平均值、方差、峰值和中位数，最后第二预设数量个磨削功率的平均值、方差、峰值和中位数，以及磨加工过程中间的第三预设数量个磨削功率的平均值、方差、峰值和中位数为异常参数特征值。
其中，第一预设数量、第二预设数量和第三预设数量的具体值可以根据产品的整个加工时长来确定，比如产品的整个加工时长为5分钟，则可以确定第一预设数量为前2秒采集到的20个磨削功率、第三预设数量为最后几秒采集到的几十个磨削功率、第二预设数量为中间阶段采集到的磨削功率的数量。当产品的加工时长大于5分钟时，可以确定第一预设数量、第二预设数量和第三预设数量为更大的值。
本实施例中，通过考虑产品磨削之前毛坯状态的不一致性、后期光磨过程尺寸回弹以及磨削中间过程来提取异常参数特征值，使得最后对产品缺陷的原因分析过程中考虑到了产品前期毛坯状态、中间磨削过程以及最后光磨阶段这三个阶段对产品缺陷的影响，使得最终缺陷影响因素分析更加准确。
S203，基于相关性分析算法对所述缺陷类型、存在质量缺陷的产品数量和所述相关参数进行相关性分析，确定所述缺陷类型的影响因素。
本步骤中，判断造成产品缺陷的影响因素，该影响因素主要涉及磨加工设备的主轴转速、磨床进给量、砂轮进给速度、操作人员标识和在相关岗位的工作年限、环境温度、磨削液温度、砂轮更换后累计磨削产品数量、砂轮修整后累计磨削产品数量、故障停机时间、停机代码、待料时间、计划停机时间以及产品在毛坯状态、磨削过程中间以及后期光磨阶段这三个阶段的异常参数特征值等相关参数。比如，主轴转速过快、磨床进给量过大以及砂轮进给速度过大等都会造成最终磨加工产品尺寸偏小，反之会造成成品尺寸偏大等；环境温度、磨削液温度会带来产品的热胀冷缩，产品热胀冷缩的程度影响最终成品尺寸；砂轮的性能和阶段对产品质量的影响，比如，刚更换的新砂轮比较尖锐且相对性能不稳定，而砂轮使用后期则比较钝，砂轮修整周期如果在使用后期保持不变，更加容易造成烧伤；砂轮修整后磨削性能也会改变；根据故障停机时间和缺陷类型进行相关性分析可以判断产品缺陷是否是因为停机后重启动造成；通过停机代码和缺陷类型进行相关性分析可以确定产品缺陷是否和固定的设备故障有关；以及通过待料时间以及计划停机时间与缺陷类型进行相关性分析可以判断产品缺陷是否和长时间的停机或者待料有关；通过缺陷类型与操作人员的标识、工作年限进行相关性分析，可以判断经常出现产品缺陷是否和同一个操作人员有关，以及产品缺陷是否和操作人员在同种岗位工作年限有关，比如在同岗位工作年限越久的操作人员进行产品磨削时很少造成产品缺陷，工作年限较短的操作人员进行产品磨削时容易造成产品缺陷等；将异常特征值与缺陷类型进行相关性分析可以判断产品缺陷类型与产品毛坯状态、光磨阶段和磨削中间过程这三个阶段中的哪个阶段有关等。
在本实施例一种可能的情况下，相关性分析的过程包括：根据所述缺陷类型、所述
相关参数和相关系数公式，确定所述缺陷类型和所述相关参数中的每一种参数之间的相关
系数以及所述相关参数中每两个参数之间的相关系数，所述相关系数公式为：
，其中，r表示相关系数，在确定所述缺陷类型与相关参数中的每一种
参数之间的相关系数时，x表示所述相关参数中的任意一种，y表示所述缺陷类型；若判定所
述相关系数的绝对值大于预设系数阈值，则确定所述相关参数中相应的参数为所述缺陷类
型的显著影响因素；在确定所述相关参数中每两个参数之间的相关系数时，x和y分别表示
所述相关参数中的参数；若判定所述相关系数的绝对值大于预设系数阈值，则确定所述相
关参数强相关。
本实施例中，通过调整x和y分别表示的参数，可以确定出产品缺陷类型的影响因素，并且，还可以通过上述相关性分析公式确定出不同相关参数之间的相关性，确定出哪些参数之间强相关，哪些参数之间弱相关，从而准确得到产品缺陷类型的重要影响因素。
在一种可能的实施例中，一个参数往往要受到多种变量的综合影响。多个参数同时与一个参数的相关关系称为复相关关系，复相关关系由复相关系数进行度量。多个参数同时与某个参数的相关关系不能直接测算，只能通过间接测算。假设要计算变量y 与多个变量x之间的复相关关系，需要构造线性函数：
其中，
、
…
分别表示相关参数中的各种参数，y表示缺陷类型，
为一个常
数，b0、b1、b2…bp分别为每个相关参数的系数。
然后，对
与
作相关分析，就是对
与
做简单相关分析。即：
需要说明的是，预设系数阈值可以根据加工的不同产品来确定，相关系数的绝对值越大，说明x和y的相关性越强，当判断得到的相关系数的绝对值大于预设系数阈值时，说明当前进行相关性分析的相关参为异常参数特征值的影响因素，即造成当前产品出现缺陷的主要因素。
本发明实施例通过实时获取产品在磨加工过程中的相关参数，包括人员相关参数、环境相关参数、物料相关参数、磨加工设备的工艺相关参数以及异常参数特征值，所述异常参数特征值是在所述工艺相关参数中提取出来的，实时采集的数据量大且本实施例中采集到的数据更加全面，因此根据采集到的相关参数能更加准确的分析产品出现缺陷的因素，且在分析过程中是根据相关性算法自动结合所述异常参数特征值和人员相关、环境相关、物料相关、磨加工设备的工艺相关等相关参数进行相关性分析，相比于人工分析更加高效、准确，因此操作人员根据检测分析结果能更加精准的调整相关参数，提升产品的加工精度和合格率。
为了刚好的理解本申请，下面将以具体实例来对相关性分析的过程进行详细描述。
示例性的，如果产品质量缺陷最终是出现了表面烧伤的问题，那么会通过相关性分析去看，烧伤和哪个参数是强相关，比如在某些例子中，在砂轮修整后功率会逐渐上升，往往会认为最后那个是最高风险，所以一般会选择提高砂轮修整频率，比如原来磨30个产品修整一次砂轮，变到磨削28个修整一次。但是在某些例子中，我们发现砂轮修整后磨削第一、第二个产品时的磨削功率特别高，通过相关信号分析确定该缺陷和砂轮修整后的个数（1-2）强相关（相关系数0.76），那么提示是考虑更换砂轮型号。
再比如，如果产品尺寸出现了问题（尺寸过大或过小等），那么系统会分析，尺寸和哪个参数会强相关，在一些例子中，经大量数据进行相关性分析会发现长时间停机会和尺寸缺陷强相关（相关系数0.6左右），那么系统会根据专家库提示增加热机时间。也有例子是磨削特征前几个功率特别高（均值、峰值等）和尺寸缺陷强相关，那么提示可能是原材料问题或者是进给量或者砂轮转速考虑降低。
图3是本发明另一示例性实施例示出的磨加工产品的质量检测方法的流程示意图，本实施例在图2所示实施例的基础上进一步进行描述。
如图3所示，在图2所示实施例提供的方法之后，本实施例提供的方法还包括如下步骤。
S204，根据确定的所述异常参数特征值的影响因素，生成相应的提示信息。
S205，将所述提示信息发送至目标终端，以指示目标人员采取相应的措施。
具体的，在确定了当前产品出现缺陷的因素之后，根据影响因素来生成相应的提示信息，比如，本次检测到产品缺陷为成品尺寸过大，经过提取到的异常参数特征值和采集到的各种相关因素进行相关性分析之后发现每次更换砂轮之后磨削的前两个产品都会出现尺寸变大的情况，那么便可以确定本次产品尺寸变大与更换砂轮有关，那么生成的提示信息发送至目标终端，提醒操作人员在每次更换砂轮之后磨削前两个产品时重点注意，适当调整砂轮磨削功率等，使得产品加工精度更高、质量更好。
再比如，确定了产品出现的缺陷类型为尺寸过小，经过相关性分析发现提取的异常参数特征值和磨床进给量、砂轮进给速度之间的相关系数绝对值大于预设系数阈值，则说明造成本次产品缺陷的主要因素为磨床进给量、砂轮进给速度，然后生成的提示信息可以是“磨床进给量、砂轮进给速度过大”，然后操作人员根据该提示信息下次在磨加工产品时适当调小磨床进给量和砂轮进给速度。
示例性的，特定型号的产品和设备会先进行学习，然后生成磨削功率包络线，在实际产品磨削过程中一旦功率超过包络线，则会提示磨削功率过高，会产生烧伤风险，此时会提示在某个区间降低转速或者降低进给速度或进给量。
本实施例中，根据相关性分析中得来的不同参数之间的相关性，给出在本次磨加工产品以前产品出现缺陷的主要影响因素，结合本次的实时采集的参数，向目标终端发送提示信息，以提醒操作人员采取相应措施，保证了后续加工产品的精度和质量。
图4是本发明一示例性实施例示出的影响磨加工产品质量要素的确定装置的结构示意图。
如图4所示，本实施例提供的装置包括：参数获取模块401质量分析模块402；其中，参数获取模块401，用于实时获取产品在磨加工过程中的相关参数，所述相关参数包括人员相关参数、环境相关参数、物料相关参数、磨加工设备的工艺相关参数以及异常参数特征值，所述异常参数特征值是在所述工艺相关参数中提取出来的；所述参数获取模块还用于获取所述产品在磨加工完成之后的存在质量缺陷的产品数量和缺陷类型；质量分析模块，用于基于相关性分析算法对所述缺陷类型、存在质量缺陷的产品数量和所述相关参数进行相关性分析，确定所述缺陷类型的影响因素。
进一步的，所述工艺相关参数包括磨加工设备的磨床进给速度、主轴转速、砂轮进给量、磨削功率、砂轮更换后累计磨削的产品数量、砂轮修整后累计磨削的产品数量和故障停机时间；所述人员相关参数包括操作人员的标识信息和在相关岗位的工作时长；所述环境相关参数包括环境温度和磨削液温度；所述物料相关参数包括物料编码相关信息；
所述参数获取模块具体用于：
获取安装于磨床上功率传感器按照预设时间间隔采集到的砂轮的磨削功率，按照所述预设时间间隔在所述磨加工设备的控制器中提取磨床进给速度、主轴转速和砂轮进给量，根据采集到的砂轮磨削功率确定砂轮更换后累计磨削的产品数量、砂轮修整后累计磨削的产品数量，在所述磨加工设备的控制器存储的故障代码中提取故障停机时间，以及，获取温度传感器采集到的环境温度和磨削液温度。
进一步的，还包括：参数处理模块403，用于在采集到的所述产品在整个磨加工过程的磨削功率中，提取前第一预设数量个磨削功率、最后第二预设数量个磨削功率和磨加工过程中间的第三预设数量个磨削功率；
分别确定前第一预设数量个磨削功率的平均值、方差、峰值和中位数，最后第二预设数量个磨削功率的平均值、方差、峰值和中位数，以及磨加工过程中间的第三预设数量个磨削功率的平均值、方差、峰值和中位数为异常参数特征值。
进一步的，所述质量分析模块具体用于：
根据所述缺陷类型、所述相关参数和相关系数公式，确定所述缺陷类型和所述相
关参数中的每一种参数之间的相关系数以及所述相关参数中每两个参数之间的相关系数，
所述相关系数公式为：
，其中，r表示相关系数，在确定所述缺陷类型
与相关参数中的每一种参数之间的相关系数时，x表示所述相关参数中的任意一种，y表示
所述缺陷类型；若判定所述相关系数的绝对值大于预设系数阈值，则确定所述相关参数中
相应的参数为所述缺陷类型的显著影响因素；
在确定所述相关参数中每两个参数之间的相关系数时，x和y分别表示所述相关参数中的参数；若判定所述相关系数的绝对值大于预设系数阈值，则确定所述相关参数强相关。
进一步的，本实施例提供的装置还包括：信息提示模块404，用于根据确定的所述异常参数特征值的影响因素，生成相应的提示信息；将所述提示信息发送至目标终端，以指示目标人员采取相应的措施。
本实施例中提供的装置中的各个模块的实现过程可参考上述有关方法实施例中的详细描述。
图5为本发明实施例提供的计算机设备的硬件结构示意图。如图5所示，本实施例提供的计算机设备50包括：至少一个处理器501和存储器502。其中，处理器501、存储器502通过总线503连接。
在具体实现过程中，至少一个处理器501执行所述存储器502存储的计算机执行指令，使得至少一个处理器501执行上述方法实施例中的影响磨加工产品质量要素的确定方法。
处理器501的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述的图5所示的实施例中，应理解，处理器可以是中央处理单元（英文：Central Processing Unit，简称：CPU），还可以是其他通用处理器、数字信号处理器（英文：Digital Signal Processor，简称：DSP）、专用集成电路（英文：Application SpecificIntegrated Circuit，简称：ASIC）等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线可以是工业标准体系结构（Industry Standard Architecture，ISA）总线、外部设备互连（Peripheral Component Interconnect，PCI）总线或扩展工业标准体系结构（Extended Industry Standard Architecture，EISA）总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请的另一实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现上述方法实施例中的影响磨加工产品质量要素的确定方法。
本申请的另一实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现本发明实施例第一方面所述的影响磨加工产品质量要素的确定方法。
上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（SRAM），电可擦除可编程只读存储器（EEPROM），可擦除可编程只读存储器（EPROM），可编程只读存储器（PROM），只读存储器（ROM），磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种影响磨加工产品质量要素的确定方法，其特征在于，包括：
实时获取产品在磨加工过程中的相关参数，所述相关参数包括人员相关参数、环境相关参数、物料相关参数、磨加工设备的工艺相关参数以及异常参数特征值，所述异常参数特征值是在所述工艺相关参数中提取出来的；
获取所述产品在磨加工完成之后的存在质量缺陷的产品数量和缺陷类型；
基于相关性分析算法对所述缺陷类型、存在质量缺陷的产品数量和所述相关参数进行相关性分析，确定所述缺陷类型的影响因素。
2.根据权利要求1所述的方法，其特征在于，所述工艺相关参数包括磨加工设备的磨床进给速度、主轴转速、砂轮进给量、磨削功率、砂轮更换后累计磨削的产品数量、砂轮修整后累计磨削的产品数量和故障停机时间；所述人员相关参数包括操作人员的标识信息和在相关岗位的工作时长；所述环境相关参数包括环境温度和磨削液温度；所述物料相关参数包括物料编码相关信息；
所述获取产品在磨加工过程中的相关参数，包括：
获取安装于磨床上功率传感器按照预设时间间隔采集到的砂轮的磨削功率，按照所述预设时间间隔在所述磨加工设备的控制器中提取磨床进给速度、主轴转速和砂轮进给量，根据采集到的砂轮磨削功率确定砂轮更换后累计磨削的产品数量、砂轮修整后累计磨削的产品数量，在所述磨加工设备的控制器存储的故障代码中提取故障停机时间，以及，获取温度传感器采集到的环境温度和磨削液温度。
3.根据权利要求2所述的方法，其特征在于，还包括：
在采集到的所述产品在整个磨加工过程的磨削功率中，提取前第一预设数量个磨削功率、最后第二预设数量个磨削功率和磨加工过程中间的第三预设数量个磨削功率；
分别确定前第一预设数量个磨削功率的平均值、方差、峰值和中位数，最后第二预设数量个磨削功率的平均值、方差、峰值和中位数，以及磨加工过程中间的第三预设数量个磨削功率的平均值、方差、峰值和中位数为异常参数特征值。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述基于相关性分析算法对所述缺陷类型、存在质量缺陷的产品数量和所述相关参数进行相关性分析，确定所述缺陷类型的影响因素，包括：
根据所述缺陷类型、所述相关参数和相关系数公式，确定所述缺陷类型和所述相关参
数中的每一种参数之间的相关系数以及所述相关参数中每两个参数之间的相关系数，所述
相关系数公式为：
，其中，r表示相关系数，在确定所述缺陷类型与相
关参数中的每一种参数之间的相关系数时，x表示所述相关参数中的任意一种，y表示所述
缺陷类型；若判定所述相关系数的绝对值大于预设系数阈值，则确定所述相关参数中相应
的参数为所述缺陷类型的影响因素；
在确定所述相关参数中每两个参数之间的相关系数时，x和y分别表示所述相关参数中的参数；若判定所述相关系数的绝对值大于预设系数阈值，则确定所述两个参数强相关。
5.根据权利要求1-3任一项所述的方法，其特征在于，包括：
根据确定的所述异常参数特征值的影响因素，生成相应的提示信息；
将所述提示信息发送至目标终端，以指示目标人员采取相应的措施。
6.一种影响磨加工产品质量要素的确定装置，其特征在于，包括：
参数获取模块，用于实时获取产品在磨加工过程中的相关参数，所述相关参数包括人员相关参数、环境相关参数、物料相关参数、磨加工设备的工艺相关参数以及异常参数特征值，所述异常参数特征值是在所述工艺相关参数中提取出来的；
所述参数获取模块还用于获取所述产品在磨加工完成之后的存在质量缺陷的产品数量和缺陷类型；
质量分析模块，用于基于相关性分析算法对所述缺陷类型、存在质量缺陷的产品数量和所述相关参数进行相关性分析，确定所述缺陷类型的影响因素。
7.根据权利要求6所述的装置，其特征在于，所述工艺相关参数包括磨加工设备的磨床进给速度、主轴转速、砂轮进给量、磨削功率、砂轮更换后累计磨削的产品数量、砂轮修整后累计磨削的产品数量和故障停机时间；所述人员相关参数包括操作人员的标识信息和在相关岗位的工作时长；所述环境相关参数包括环境温度和磨削液温度；所述物料相关参数包括物料编码相关信息；
所述参数获取模块具体用于：
获取安装于磨床上功率传感器按照预设时间间隔采集到的砂轮的磨削功率，按照所述预设时间间隔在所述磨加工设备的控制器中提取磨床进给速度、主轴转速和砂轮进给量，根据采集到的砂轮磨削功率确定砂轮更换后累计磨削的产品数量、砂轮修整后累计磨削的产品数量，在所述磨加工设备的控制器存储的故障代码中提取故障停机时间，以及，获取温度传感器采集到的环境温度和磨削液温度。
8.一种计算机设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1-5任一项所述的影响磨加工产品质量要素的确定方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1-5任一项所述的影响磨加工产品质量要素的确定方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-5任一项所述的影响磨加工产品质量要素的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110776050.9A CN113537751B (zh) | 2021-07-09 | 2021-07-09 | 影响磨加工产品质量要素的确定方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110776050.9A CN113537751B (zh) | 2021-07-09 | 2021-07-09 | 影响磨加工产品质量要素的确定方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113537751A true CN113537751A (zh) | 2021-10-22 |
| CN113537751B CN113537751B (zh) | 2024-05-17 |
Family
ID=78098131
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110776050.9A Active CN113537751B (zh) | 2021-07-09 | 2021-07-09 | 影响磨加工产品质量要素的确定方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113537751B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113836826A (zh) * | 2021-11-25 | 2021-12-24 | 深圳市裕展精密科技有限公司 | 关键参数确定方法、装置、电子装置及存储介质 |
| CN114997528A (zh) * | 2022-07-18 | 2022-09-02 | 苏州双瑞机械制造股份有限公司 | 一种基于注塑产品质量分析的生产参数调节方法及系统 |
| CN117348572A (zh) * | 2023-11-17 | 2024-01-05 | 成都安美勤信息技术股份有限公司 | 一种基于工业物联网的异常防护方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101700984A (zh) * | 2009-11-06 | 2010-05-05 | 上海美标陶瓷有限公司 | 一种卫生陶瓷生产过程中预防釉面跳釉缺陷的方法 |
| US20140201573A1 (en) * | 2013-01-14 | 2014-07-17 | International Business Machines Corporation | Defect analysis system for error impact reduction |
| CN104732003A (zh) * | 2014-12-22 | 2015-06-24 | 北京航空航天大学 | 一种基于可靠性的磨削工艺评估方法 |
| CN104750968A (zh) * | 2013-12-31 | 2015-07-01 | 中国航天科工集团第三研究院第八三五七研究所 | 一种工艺潜在缺陷的检测参数及缺陷判据确定方法 |
| CN111929256A (zh) * | 2020-08-12 | 2020-11-13 | 南京迪威尔高端制造股份有限公司 | 锻件十字内孔堆焊后内壁裂纹的检测及原因判断方法 |
| WO2021102891A1 (zh) * | 2019-11-29 | 2021-06-03 | 京东方科技集团股份有限公司 | 产品不良成因分析的系统和方法、计算机可读介质 |
-
2021
- 2021-07-09 CN CN202110776050.9A patent/CN113537751B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101700984A (zh) * | 2009-11-06 | 2010-05-05 | 上海美标陶瓷有限公司 | 一种卫生陶瓷生产过程中预防釉面跳釉缺陷的方法 |
| US20140201573A1 (en) * | 2013-01-14 | 2014-07-17 | International Business Machines Corporation | Defect analysis system for error impact reduction |
| CN104750968A (zh) * | 2013-12-31 | 2015-07-01 | 中国航天科工集团第三研究院第八三五七研究所 | 一种工艺潜在缺陷的检测参数及缺陷判据确定方法 |
| CN104732003A (zh) * | 2014-12-22 | 2015-06-24 | 北京航空航天大学 | 一种基于可靠性的磨削工艺评估方法 |
| WO2021102891A1 (zh) * | 2019-11-29 | 2021-06-03 | 京东方科技集团股份有限公司 | 产品不良成因分析的系统和方法、计算机可读介质 |
| CN111929256A (zh) * | 2020-08-12 | 2020-11-13 | 南京迪威尔高端制造股份有限公司 | 锻件十字内孔堆焊后内壁裂纹的检测及原因判断方法 |
Non-Patent Citations (1)
| Title |
|---|
| 马宁: ""振动滚磨光饰机的设计与试验研究"", 《中国优秀硕士学位论文全文数据库工程科技I辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113836826A (zh) * | 2021-11-25 | 2021-12-24 | 深圳市裕展精密科技有限公司 | 关键参数确定方法、装置、电子装置及存储介质 |
| CN114997528A (zh) * | 2022-07-18 | 2022-09-02 | 苏州双瑞机械制造股份有限公司 | 一种基于注塑产品质量分析的生产参数调节方法及系统 |
| CN114997528B (zh) * | 2022-07-18 | 2022-10-28 | 苏州双瑞机械制造股份有限公司 | 一种基于注塑产品质量分析的生产参数调节方法及系统 |
| CN117348572A (zh) * | 2023-11-17 | 2024-01-05 | 成都安美勤信息技术股份有限公司 | 一种基于工业物联网的异常防护方法及系统 |
| CN117348572B (zh) * | 2023-11-17 | 2024-04-05 | 成都安美勤信息技术股份有限公司 | 一种基于工业物联网的异常防护方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113537751B (zh) | 2024-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113537751B (zh) | 影响磨加工产品质量要素的确定方法和装置 | |
| JP7060535B2 (ja) | 工作機械の加工不良発生予測システム | |
| US20200089191A1 (en) | Method for monitoring cutting-tool abrasion | |
| CN110587377B (zh) | 一种在线监测铣削加工刀具缺损的方法 | |
| CN108490880B (zh) | 一种数控机床切削刀具磨损状态实时监测方法 | |
| US10474128B2 (en) | Abnormality analysis system and analysis apparatus | |
| EP2047343B1 (en) | Control of a machining operation | |
| CN108931961A (zh) | 一种基于机器视觉的整体式立铣刀磨破损检测方法 | |
| US20150051728A1 (en) | Detecting method of abnormality of machine tool operation | |
| US20230008435A1 (en) | Tool Wear Monitoring Device, Tool Wear Monitoring System, and Program | |
| JP6005498B2 (ja) | レンズ加工システム、工具交換時期検出方法および眼鏡レンズの製造方法 | |
| CN115202287B (zh) | 一种数控机床运行作业在线智能监测诊断分析系统 | |
| KR20120107846A (ko) | 플라즈마 프로세싱 시스템 내에서의 자동적인 결함 검출 및 분류와 그 방법 | |
| CN114536104B (zh) | 一种刀具寿命动态预测方法 | |
| JP7380107B2 (ja) | 品質予測システム | |
| US20180157241A1 (en) | Adjustment system for machining parameter and machining parameter adjustment method | |
| JP2021117847A (ja) | 加工状態表示装置 | |
| CN114859822A (zh) | 全自动铣刀检测方法、装置、计算机设备以及存储介质 | |
| CN114326593B (zh) | 一种刀具寿命预测系统及方法 | |
| US20200371500A1 (en) | Anomaly detection device, anomaly detection server and anomaly detection method | |
| JP2020138262A (ja) | エンドミル検査装置 | |
| CN117806231A (zh) | 一种基于物联网的机床运行加工控制系统及方法 | |
| CN108115206B (zh) | 利用切削刀具对工件进行加工的方法、控制装置和系统 | |
| CN110757261A (zh) | 刀具加工设备在线调试方法 | |
| RU2010102996A (ru) | Способ классификации дефектов и выполнения шлифования прокатных валков |
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 |