CN113947266A - 汽车制造知识库系统及质量控制方法 - Google Patents

汽车制造知识库系统及质量控制方法 Download PDF

Info

Publication number
CN113947266A
CN113947266A CN202010680838.5A CN202010680838A CN113947266A CN 113947266 A CN113947266 A CN 113947266A CN 202010680838 A CN202010680838 A CN 202010680838A CN 113947266 A CN113947266 A CN 113947266A
Authority
CN
China
Prior art keywords
data
knowledge base
production
deviation
database
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
Application number
CN202010680838.5A
Other languages
English (en)
Inventor
王琪
杨海伟
张天昱
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.)
Shenzhen Liaoran Vision Technology Co ltd
Original Assignee
Shenzhen Liaoran Vision 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 Shenzhen Liaoran Vision Technology Co ltd filed Critical Shenzhen Liaoran Vision Technology Co ltd
Priority to CN202010680838.5A priority Critical patent/CN113947266A/zh
Publication of CN113947266A publication Critical patent/CN113947266A/zh
Pending legal-status Critical Current

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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining
    • 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)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Probability & Statistics with Applications (AREA)
  • Fuzzy Systems (AREA)
  • Human Computer Interaction (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了汽车制造知识库系统，包括知识库、数据库、数据分析模块、人机交互界面；知识库用于收集车辆的设计信息，以及历史数据；数据库用于存储从知识库模块中提取出的设计数据、历史数据以及生产数据；数据分析模块用于对数据库中的数据进行筛选、对比、分析，输出汽车生产质量的关键指标评价；人机交互界面用于用户对知识库、数据库的数据以及数据分析结果的编辑、检索、查看。本发明还公开了基于汽车制造知识库系统的质量控制方法。本发明建立了汽车制造的知识库系统，知识库用于智能控制，增加了生产控制的科学性，有利于提高质量控制水平；本发明的质量控制方法，可进行异常预测，便于提高生产质量，降低零件、总成缺陷率。

Description

汽车制造知识库系统及质量控制方法
技术领域
本发明涉及智能制造技术领域，具体领域为汽车制造知识库系统及质量控制方法。
背景技术
近年来，中国的汽车工业发展非常的迅速，但是绝大数国内汽车生产厂商采用的是引进外来国家的汽车产品生产模式。由于国内汽车行业起步较晚，数据知识和经验也显得不足。
虽然目前对整车开发数据有一定的积累，但由于缺少规范化的知识库，造成大量的数据、经验的丢失甚至浪费，也限制了对后期汽车生产加工中质量缺陷、异常的预测，降低生产效率的同时增加质量控制的成本。
汽车生产数据的积累其核心是尺寸数据、尺寸链数据的经验与积累，所以基于尺寸链的知识库的构建对汽车生产行业发展具有重大意义。因此，研究基于尺寸链的知识库系统，将汽车的尺寸链作为知识进行管理，对汽车制造的设计数据、历史数据、生产数据进行管理并通过数据挖掘、知识发现，生成用于质量控制、缺陷预测的规则，将规则作为知识，凭借人工智能实现汽车制造的智能控制；提供基于知识库系统的质量控制方法，计算在线生产的误差累积、传递情况和偏差发展趋势，进行异常预测。为此，我们提出一种汽车制造知识库系统及质量控制方法。
发明内容
本发明的目的在于提供一种汽车制造知识库系统及质量控制方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：汽车制造知识库系统，包括知识库、数据库、数据分析模块、人机交互界面；所述知识库用于收集车辆的设计信息，以及历史数据；所述数据库用于存储从知识库模块中提取出的设计数据、历史数据以及生产数据；所述数据分析模块用于对数据库中的数据进行筛选、对比、分析，输出汽车生产质量的关键指标和异常预测结果；所述人机交互界面用于用户对知识库、数据库的数据以及数据分析结果的编辑、检索、查看。
优选地，汽车制造知识库系统还包括分别与所述知识库、数据库连接的管理系统，所述管理系统用于提供人机交互界面，对数据库、知识库的数据进行编辑、解释、分类、检索、管理。
优选地，汽车制造知识库系统还包括分别与所述知识库、数据库连接的推理机，所述推理机对数据库的数据进行数据挖掘，提取规则，将规则作为知识存入知识库。
优选地，所述设计数据包括零件数据、主要总成数据、整车数据、装配数据、尺寸链数据、综合数据；所述历史数据为汽车的零件、总成的历史生产数据、故障数据、经验数据、实验数据；所述生产数据包括零件实际数据、总成实际数据、整车实际数据、装配实际数据、尺寸链实际数据、综合数据。
优选地，所述尺寸链数据包括总成、分总成尺寸信息，零件偏差、定位偏差、测量偏差，基本尺寸、上下偏差、尺寸封闭类型，累积误差、属性、传递系数。
基于上述的汽车制造知识库系统的质量控制方法，包括以下步骤：
步骤1：获取知识库的设计数据、历史数据；采集在线生产数据；
步骤2：分别将在线生产数据与设计数据、历史数据进行对比分析；
步骤2.1：将在线生产数据与设计数据进行对比分析，得到在线生产的误差结果；
步骤2.2：将在线生产数据与历史数据进行对比分析，得到在线生产的偏差结果；
步骤3：计算在线生产的误差累积、传递情况，判断是否存在误差放大；
步骤4：将在线生产的偏差结果与历史数据结合，计算偏差发展趋势；
步骤5：根据步骤3判断的误差累积、放大情况和步骤4计算的偏差发展趋势以及知识库的规则，对在线生产进行异常预测，将预测数据发送给汽车生产质量控制工程师；
步骤6：根据步骤5的结果，对汽车制造的生产工艺进行改进，以减小在线生产的误差和偏差，提高汽车生产质量。
如图4所示，汽车制造的影响生产质量的尺寸偏差包括设计偏差、零件制造偏差、装配过程偏差、质量检查偏差。根据偏差结果进行的关键指标相关性分析，应用历史数据的统计分析结果与回归分析来判定所得到的步骤2中的偏差在整个尺寸偏差中所出现的概率，超过概率阈值的尺寸偏差所对应的尺寸偏差来源便是关键指标。
在本实施例中，知识库的数据包括图5所示的具体数据。
优选的，步骤5中，根据尺寸偏差的关键指标建立相应的尺寸链误差传递模型，从而实现异常预测。
关键指标体系具体为:
根据图4可知：关键指标即为尺寸偏差的4大来源：
1：设计偏差
2：零件制造偏差
3：装配过程偏差
4:质量检测偏差
其中每个误差源又可以分为若干个子项误差来源：
例如：1设计偏差：其关键指标为：1.1干涉、1.2公差定义分配不合理；1.3连接定位方式不合理；1.4GAP&FLUSH设计不合理。
相关性分析模型或方法为：
多元线性回归分析方法：Y＝C+a1*X1+a2*X2+a3*X3+…+an*Xn
变量数量n:关键指标数量；
自变量(解释变量)为关键指标Xn；
因变量Y等于误差值；
C与a为回归系数；
C与a为待定参数，应用spss的强行进入法进行预测。
例1：应用多元线性回归对设计偏差进行相关性分析；
Y1＝设计偏差；
C1、a11、a12、a13、a14分别为待定参数；
X11、X12、X13、X14分别对应设计偏差中的：干涉、公差定义分配不合理；连接定位方式不合理；1.4GAP&FLUSH设计不合理
备注：其中a11中下标第一个“1”表示设计偏差，第二个“1”表示设计偏差对应的“干涉偏差”；其他类推，X中的下标相同。
尺寸链误差传递模型:
误差传递模型即为将上述相关性分析模型中的C与a值计算出后，整体结果；
Y1＝(C1+a11*X11+a12*X12+a13*X13+a14*X14)；设计偏差
Y2＝(C2+a21*X21+a22*X22+a23*X23+a24*X24)；零件制造偏差
Y3＝(C3+a31*X31+a32*X32+a33*X33+a34*X34+a35*X35)；装配过程偏差
Y4＝(C4+a41*X41+a42*X42+a43*X43+a44*X44)；质量检测偏差
传递模型：Ytotle＝C+A1*Y1+A2*Y2+A3*Y3+A4*Y4；对其再次进行回归分析，得出每个Y值对于Ytotle的贡献比。
对尺寸信息进行归纳、分析、溯源的具体算法；
归纳：按照时间序列对误差信息进行存储、统计；
溯源：指的是查询，查询相应的误差来源，寻找误差源对应的X值；
溯源后的分析方法：指多元香型回归方法。
与现有技术相比，本发明的有益效果是：
1、建立了汽车制造的知识库系统，将汽车的尺寸链作为知识，对汽车制造的设计数据、历史数据、生产数据进行数据挖掘、知识发现，生成用于质量控制、缺陷预测的规则，将规则作为知识，知识库用于智能控制，增加了生产控制的科学性，有利于提高质量控制水平；
2、分析得出相关主要误差来源，在后续的生产加工中对相应的误差值进行适量的补偿，以减少相应误差的产生，便于后续装配工作的进行；
3、减少不确定因素的影响，将其转化成固定的影响因素，增加整个设计、加工、装配的稳定性；
4、本发明的质量控制方法，能计算在线生产的误差累积、放大情况，偏差发展趋势，进行异常预测，便于生产质量控制人员针对性采取控制措施，提高整个设计、加工、装配效率，减少劳动力，节约成本，降低零件、总成缺陷率。
附图说明
图1为本发明知识库系统的系统框图；
图2为本发明知识库的数据的系统框图；
图3为本发明质量控制方法的流程示意图；
图4为本发明偏差的来源示意图；
图5为本发明知识库的具体数据组成示意图。
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。
请参阅图1-5，本发明提供一种技术方案：如图1所示，汽车制造知识库系统，包括知识库、数据库、推理机、数据分析模块、管理系统；所述知识库用于收集车辆的设计信息，以及历史数据，如图2所示；所述数据库用于存储从知识库模块中提取出的设计数据、历史数据以及生产数据；所述数据分析模块用于对数据库中的数据进行筛选、对比、分析，采用相关性模型，输出汽车生产质量的关键指标评价；所述管理系统用于提供人机交互界面，对数据库、知识库的数据进行编辑、解释、分类、检索、管理。所述人机交互界面用于用户对知识库、数据库的数据以及数据分析结果的编辑、检索、查看。
具体而言，所述推理机对数据库的数据进行数据挖掘，提取规则。实施例中，规则包括条件部分和结论部分。提取规则采用决策树分类法，将规则生成模型的输入变量、输出变量的数值转变为语言变量，将规则生成模型的输入变量、输出变量形成决策树，依据决策树提取规则。将规则作为知识存入知识库。
具体而言，设计数据包括零件数据、主要总成数据、整车数据、装配数据、尺寸链信息、综合数据；所述历史数据为汽车的零件、总成的历史生产数据、故障数据、经验数据、实验数据；所述生产数据包括零件实际数据、总成实际数据、整车实际数据、装配实际数据、尺寸链实际数据、综合数据。
上述的汽车制造知识库系统的运行方法，包括以下步骤，
1)通过管理系统，将零件、总成的全面数据，包括零件、总成的CAD零件图像、三维模型、文件，存入知识库；
2)从知识库中提取数据，存入数据库，将在线生产的实时数据存入数据库；通过管理系统对数据库的数据进行增、改、删、查；
3)应用相关算法对尺寸链相关尺寸信息进行归纳、分析、溯源，得出相应的改进方法；
4)将步骤3)的结果通过管理系统的人机交互界面展示给汽车制造的管理人员。
如图3所示，基于上述的汽车制造知识库系统的质量控制方法，建立知识库，采集在线生产的实际数据，进行数据分析，异常预测，质量控制方法包括以下具体步骤，
步骤1：获取知识库的设计数据、历史数据，采集在线生产数据；
步骤2：分别将在线生产数据与设计数据、历史数据进行对比分析；
步骤2.1：将在线生产数据与设计数据进行对比分析，得到在线生产的误差结果；
步骤2.2：将在线生产数据与历史数据进行对比分析，得到在线生产的偏差结果；
步骤2.3：在线生产的偏差结果进行关键指标相关性分析；
步骤3：计算在线生产的误差累积、传递情况，判断是否存在误差放大；
步骤4：将在线生产的偏差结果与历史数据结合，计算偏差发展趋势；
步骤5：根据步骤3判断的误差累积、放大情况和步骤4计算的偏差发展趋势以及知识库的规则，对在线生产进行异常预测；
步骤6：根据步骤5的结果，对汽车制造的生产工艺进行改进，以减小在线生产的误差和偏差，提高汽车生产质量。
如图4所示，汽车制造的影响生产质量的尺寸偏差包括设计偏差、零件制造偏差、装配过程偏差、质量检查偏差。根据偏差结果进行的关键指标相关性分析，应用历史数据的统计分析结果与回归分析来判定所得到的步骤2中的偏差在整个尺寸偏差中所出现的概率，超过概率阈值的尺寸偏差所对应的尺寸偏差来源便是关键指标。
在本实施例中，知识库的数据包括图5所示的具体数据。
具体而言，步骤5中，根据尺寸偏差的关键指标建立相应的尺寸链误差传递模型，从而实现异常预测。
关键指标体系具体为:
根据图4可知：关键指标即为尺寸偏差的4大来源：
1：设计偏差
2：零件制造偏差
3：装配过程偏差
4:质量检测偏差：
其中每个误差源又可以分为若干个子项误差来源：
例如：1设计偏差：其关键指标为：1.1干涉、1.2公差定义分配不合理；1.3连接定位方式不合理；1.4GAP&FLUSH设计不合理。
相关性分析模型或方法为：
多元线性回归分析方法：Y＝C+a1*X1+a2*X2+a3*X3+…+an*Xn
变量数量n:关键指标数量；
自变量(解释变量)为关键指标Xn；
因变量Y等于误差值；
C与a为回归系数；
C与a为待定参数，应用spss的强行进入法进行预测。
例1：应用多元线性回归对设计偏差进行相关性分析；
Y1＝设计偏差；
C1、a11、a12、a13、a14分别为待定参数；
X11、X12、X13、X14分别对应设计偏差中的：干涉、公差定义分配不合理；连接定位方式不合理；1.4GAP&FLUSH设计不合理。
备注：其中a11中下标第一个“1”表示设计偏差，第二个“1”表示设计偏差对应的“干涉偏差”；其他类推，X中的下标相同。
尺寸链误差传递模型:
误差传递模型即为将上述相关性分析模型中的C与a值计算出后，整体结果；
Y1＝(C1+a11*X11+a12*X12+a13*X13+a14*X14)；设计偏差
Y2＝(C2+a21*X21+a22*X22+a23*X23+a24*X24)；零件制造偏差
Y3＝(C3+a31*X31+a32*X32+a33*X33+a34*X34+a35*X35)；装配过程偏差
Y4＝(C4+a41*X41+a42*X42+a43*X43+a44*X44)；质量检测偏差
传递模型：Ytotle＝C+A1*Y1+A2*Y2+A3*Y3+A4*Y4；对其再次进行回归分析，得出每个Y值对于Ytotle的贡献比。
对尺寸信息进行归纳、分析、溯源的具体算法；
归纳：按照时间序列对误差信息进行存储、统计；
溯源：指的是查询，查询相应的误差来源，寻找误差源对应的X值；
溯源后的分析方法：指多元香型回归方法。
工作原理：通过管理系统，将零件、总成的全面数据，包括零件、总成的CAD零件图像、三维模型、文件，存入知识库；从知识库中提取数据，存入数据库，将在线生产的实时数据存入数据库；通过管理系统对数据库的数据进行增、改、删、查；应用相关算法对尺寸链相关尺寸信息进行归纳、分析、溯源，得出相应的改进方法；之前步骤的结果通过管理系统的人机交互界面展示给汽车制造的管理人员。
基于上述的汽车制造知识库系统的质量控制方法，建立知识库，采集在线生产的实际数据，进行数据分析，异常预测，质量控制方法包括以下具体步骤：获取知识库的设计数据、历史数据，采集在线生产数据；分别将在线生产数据与设计数据、历史数据进行对比分析；将在线生产数据与设计数据进行对比分析，得到在线生产的误差结果；将在线生产数据与历史数据进行对比分析，得到在线生产的偏差结果；在线生产的偏差结果进行关键指标相关性分析；计算在线生产的误差累积、传递情况，判断是否存在误差放大；将在线生产的偏差结果与历史数据结合，计算偏差发展趋势；上一个步骤判断的误差累积、放大情况和计算的偏差发展趋势以及知识库的规则，对在线生产进行异常预测
在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
本发明使用到的标准零件均可以从市场上购买，异形件根据说明书的和附图的记载均可以进行订制，各个零件的具体连接方式均采用现有技术中成熟的螺栓、铆钉、焊接等常规手段，机械、零件和设备均采用现有技术中，常规的型号，加上电路连接采用现有技术中常规的连接方式，在此不再详述。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.汽车制造知识库系统，其特征在于：包括知识库、数据库、数据分析模块、人机交互界面；
所述知识库用于收集车辆的设计信息，以及历史数据；
所述数据库用于存储从知识库模块中提取出的设计数据、历史数据以及生产数据；
所述数据分析模块用于对数据库中的数据进行筛选、对比、分析，输出汽车生产质量的关键指标和异常预测结果；
所述人机交互界面用于用户对知识库、数据库的数据以及数据分析结果的编辑、检索、查看。
2.根据权利要求1所述的汽车制造知识库系统，其特征在于：还包括分别与所述知识库、数据库连接的管理系统，所述管理系统用于提供人机交互界面，对数据库、知识库的数据进行编辑、解释、分类、检索、管理。
3.根据权利要求1所述的汽车制造知识库系统，其特征在于：还包括分别与所述知识库、数据库连接的推理机，所述推理机对数据库的数据进行数据挖掘，提取规则，将规则作为知识存入知识库。
4.根据权利要求1所述的汽车制造知识库系统，其特征在于：所述设计数据包括零件数据、主要总成数据、整车数据、装配数据、尺寸链数据、综合数据；所述历史数据为汽车的零件、总成的历史生产数据、故障数据、经验数据、实验数据；所述生产数据包括零件实际数据、总成实际数据、整车实际数据、装配实际数据、尺寸链实际数据、综合数据。
5.根据权利要求4所述的汽车制造知识库系统，其特征在于：所述尺寸链数据包括总成、分总成尺寸信息，零件偏差、定位偏差、测量偏差，基本尺寸、上下偏差、尺寸封闭类型，累积误差、属性、传递系数。
6.基于权利要求1-5任意一项所述的汽车制造知识库系统的质量控制方法，包括以下步骤：
步骤1：获取知识库的设计数据、历史数据；采集在线生产数据；
步骤2：分别将在线生产数据与设计数据、历史数据进行对比分析；
步骤2.1：将在线生产数据与设计数据进行对比分析，得到在线生产的误差结果；
步骤2.2：将在线生产数据与历史数据进行对比分析，得到在线生产的偏差结果；
步骤3：计算在线生产的误差累积、传递情况，判断是否存在误差放大；
步骤4：将在线生产的偏差结果与历史数据结合，计算偏差发展趋势；
步骤5：根据步骤3判断的误差累积、放大情况和步骤4计算的偏差发展趋势以及知识库的规则，对在线生产进行异常预测，将预测数据发送给汽车生产质量控制工程师。
7.根据权利要求6所述的质量控制方法，其特征在于：还包括步骤5之后的对汽车制造的生产工艺进行改进，以减小在线生产的误差和偏差，提高汽车生产质量。
8.根据权利要求6所述的质量控制方法，其特征在于：步骤2还包括对在线生产的误差、偏差结果进行关键指标相关性分析。
CN202010680838.5A 2020-07-15 2020-07-15 汽车制造知识库系统及质量控制方法 Pending CN113947266A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010680838.5A CN113947266A (zh) 2020-07-15 2020-07-15 汽车制造知识库系统及质量控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010680838.5A CN113947266A (zh) 2020-07-15 2020-07-15 汽车制造知识库系统及质量控制方法

Publications (1)

Publication Number Publication Date
CN113947266A true CN113947266A (zh) 2022-01-18

Family

ID=79326241

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010680838.5A Pending CN113947266A (zh) 2020-07-15 2020-07-15 汽车制造知识库系统及质量控制方法

Country Status (1)

Country Link
CN (1) CN113947266A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060047454A1 (en) * 2004-08-27 2006-03-02 Kenji Tamaki Quality control system for manufacturing industrial products
US20070050070A1 (en) * 2005-08-05 2007-03-01 Pfizer Inc Automated batch manufactuirng
CN101246369A (zh) * 2008-03-18 2008-08-20 东华大学 一种汽车零部件尺寸质量控制系统和方法
CN101403915A (zh) * 2008-11-07 2009-04-08 同济大学 一种可重组生产线产品质量预测方法
CN101859128A (zh) * 2010-07-05 2010-10-13 北京信息科技大学 一种基于知识的车铣复合机床故障预测专家系统
CN108873830A (zh) * 2018-05-31 2018-11-23 华中科技大学 一种生产现场数据在线采集分析及故障预测系统
CN109948169A (zh) * 2017-12-20 2019-06-28 中国中车股份有限公司 一种铁路货车故障预测与健康管理系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060047454A1 (en) * 2004-08-27 2006-03-02 Kenji Tamaki Quality control system for manufacturing industrial products
US20070050070A1 (en) * 2005-08-05 2007-03-01 Pfizer Inc Automated batch manufactuirng
CN101246369A (zh) * 2008-03-18 2008-08-20 东华大学 一种汽车零部件尺寸质量控制系统和方法
CN101403915A (zh) * 2008-11-07 2009-04-08 同济大学 一种可重组生产线产品质量预测方法
CN101859128A (zh) * 2010-07-05 2010-10-13 北京信息科技大学 一种基于知识的车铣复合机床故障预测专家系统
CN109948169A (zh) * 2017-12-20 2019-06-28 中国中车股份有限公司 一种铁路货车故障预测与健康管理系统
CN108873830A (zh) * 2018-05-31 2018-11-23 华中科技大学 一种生产现场数据在线采集分析及故障预测系统

Similar Documents

Publication Publication Date Title
CN108320043B (zh) 一种基于电力大数据的配电网设备状态诊断预测方法
CN111639921B (zh) 一种基于专家系统的设备故障智判与辅助处置方法
CN114462133A (zh) 基于数字孪生技术装备产品碳足迹数字化核算方法及系统
CN113435652A (zh) 一种一次设备缺陷诊断与预测方法
Chien et al. A data mining approach for analyzing semiconductor MES and FDC data to enhance overall usage effectiveness (OUE)
CN113361139A (zh) 一种基于数字孪生的产线仿真滚动优化系统及方法
TW200951752A (en) A method for prognostic maintenance in semiconductor manufacturing
CN117393076B (zh) 耐热环氧树脂生产过程智能监测方法及系统
CN113568928B (zh) 一种应用于能源产业链预警系统的数据管理系统
CN116992346A (zh) 一种基于人工智能大数据分析的企业生产数据处理系统
CN116629627A (zh) 输电在线监测装置的智能检测系统
CN117056688A (zh) 一种基于数据分析的新材料生产数据管理系统及方法
CN116028887B (zh) 一种连续性工业生产数据的分析方法
CN116911529A (zh) 一种基于bim模型的物联网设备管理的方法与系统
CN117390529A (zh) 多因素溯源的数据中台信息管理方法
CN116483015A (zh) 一种车间设备监控方法、装置、设备及存储介质
CN111985852A (zh) 一种基于工业大数据的多业务协同质量管控系统构架方法
CN117311295B (zh) 基于无线网络设备的生产质量提升方法及系统
CN105574039A (zh) 一种晶圆测试数据的处理方法及系统
CN113094826A (zh) 一种基于任务可靠度的多态制造系统剩余寿命预测方法
CN117495422A (zh) 基于电力通信网建设的造价管理系统及其方法
CN113947266A (zh) 汽车制造知识库系统及质量控制方法
CN115829049A (zh) 一种电子电器台架实验数据分析平台及数据分析方法
CN113886592A (zh) 一种电力信息通信系统运维数据的质量检测方法
CN118092291B (zh) 一种基于5g网络的数据采集方法

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