CN114323725A - 点胶机健康度检测方法、装置、设备及存储介质 - Google Patents
点胶机健康度检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114323725A CN114323725A CN202210098524.3A CN202210098524A CN114323725A CN 114323725 A CN114323725 A CN 114323725A CN 202210098524 A CN202210098524 A CN 202210098524A CN 114323725 A CN114323725 A CN 114323725A
- Authority
- CN
- China
- Prior art keywords
- dispenser
- health degree
- quality index
- health
- abnormal
- 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
- 230000036541 health Effects 0.000 title claims abstract description 222
- 238000001514 detection method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 118
- 230000008569 process Effects 0.000 claims abstract description 88
- 238000004519 manufacturing process Methods 0.000 claims abstract description 19
- 239000003292 glue Substances 0.000 claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims description 53
- 238000012549 training Methods 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 15
- 238000002790 cross-validation Methods 0.000 claims description 7
- 238000010200 validation analysis Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 239000000047 product Substances 0.000 description 53
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 9
- 238000003466 welding Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 229910000679 solder Inorganic materials 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 238000007599 discharging Methods 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013401 experimental design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种点胶机健康度检测方法,该方法包括:获取点胶机的工艺参数与产品的质量指标之间的目标关系模型;采集所述点胶机在生产过程中的工艺参数,并将采集的工艺参数输入至所述目标关系模型中,对所述点胶机生产的产品的质量指标进行预测;根据所述质量指标的预测值检测所述点胶机的健康度。本发明还公开了一种点胶机健康度检测装置、设备及存储介质。本发明根据点胶机工艺参数与产品的质量指标之间的目标关系模型,通过采集的点胶机的工艺参数可以对产品的质量指标进行预测,从而根据质量指标的预测值确定点胶机的健康度,不仅可以提高对点胶机健康度进行检测的时效性,还可以提高对点胶机健康度的检测准确性。
Description
技术领域
本发明涉及人工智能和机器学习技术领域,尤其涉及一种点胶机健康度检测方法、装置、设备及存储介质。
背景技术
点胶是一种传统的PCB板加工方法,广泛应用于主机厂、电子产品等领域。随着工业技术和自动化技术的发展,诞生了自动点胶机。在点胶过程中,点胶机健康状态的不确定性是给产线带来损失的一大隐患,因此,在自动点胶过程中,为了保证产品质量,需要确保点胶机在健康状态下运行,而传统的检测点胶机健康度的方式,是凭借经验法则或者针对故障进行变量关联性分析。其中,经验法则是点胶机到达固定焊点数量时,即对点胶机进行维修或更换点。此方式要在发现点胶产品良率不佳时,才对点胶机进行保养或更换,时效性较差,容易产生大量废品造成生产浪费。而变量关联性分析方法缺少对故障关键影响因素的判定,因此,无法准确判断点胶机的健康度。
发明内容
本发明的主要目的在于提供一种点胶机健康度检测方法、装置、设备及存储介质,旨在解决现有点胶机健康度检测方法时效性差、准确性低的技术问题。
此外,为实现上述目的,本发明还提供一种点胶机健康度检测方法,所述点胶机健康度检测方法包括以下步骤:
获取点胶机的工艺参数与产品的质量指标之间的目标关系模型;
采集所述点胶机在生产过程中的工艺参数,并将采集的工艺参数输入至所述目标关系模型中,对所述点胶机生产的产品的质量指标进行预测;
根据所述质量指标的预测值检测所述点胶机的健康度。
可选地,所述获取点胶机的工艺参数与产品的质量指标之间的目标关系模型的步骤之前,包括:
采集点胶机全生命周期的工艺参数作为样本数据,利用所述样本数据对预设的基础关系模型进行迭代训练,得到第一关系模型;
对所述第一关系模型进行交叉验证,并根据验证结果对所述第一关系模型进行迭代优化,得到目标关系模型。
可选地,所述利用所述样本数据对预设的基础关系模型进行迭代训练,得到第一关系模型的步骤,包括:
对所述样本数据分别进行特征提取处理,得到所述样本数据的特征信息;
利用所述特征信息对预设的基础模型库中的各个基础关系模型进行迭代训练,得到第一关系模型。
可选地,所述根据所述质量指标的预测值检测所述点胶机的健康度的步骤,包括:
将所述质量指标的预测值与预设的标准指标值进行比较,确定所述质量指标是否异常;
若所述质量指标异常,则统计所述质量指标的异常次数,根据所述异常次数确定所述点胶机的健康度。
可选地,所述根据所述质量指标的预测值检测所述点胶机的健康度的步骤,包括:
对所述质量指标的预测值进行记录,并对记录的所述质量指标的预测值进行拟合,生成所述质量指标的趋势曲线;
根据所述趋势曲线检测所述点胶机的健康度。
可选地,所述根据预测的质量指标检测所述点胶机的健康度的步骤之后,包括:
将所述点胶机的健康度与预设的健康度临界值进行比较,确定所述点胶机的健康度是否异常;
若所述点胶机的健康度异常,输出所述点胶机健康度异常的预警提示信息。
可选地,所述根据所述质量指标的预测值检测所述点胶机的健康度的步骤之后,包括:
对所述点胶机的健康度进行记录,并对记录的健康度进行拟合,生成所述点胶机的健康度趋势线;
根据所述健康度趋势线对所述点胶机的健康度进行预测,得到所述点胶机的健康度预测值;
将所述健康度预测值与预设的健康度临界值进行比较,确定所述健康度预测值是否存在异常;
若所述健康度预测值存在异常,输出所述点胶机健康度存在异常的预警提示信息。
此外,为实现上述目的,本发明还提供一种点胶机健康度检测装置,所述点胶机健康度检测装置包括:
数据获取模块,用于获取点胶机的工艺参数与产品的质量指标之间的目标关系模型;
质量预测模块,用于采集所述点胶机在生产过程中的工艺参数,并将采集的工艺参数输入至所述目标关系模型中,对所述点胶机生产的产品的质量指标进行预测;
健康度检测模块,用于根据所述质量指标的预测值检测所述点胶机的健康度。
此外,为实现上述目的,本发明还提供一种终端设备,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的点胶机健康度检测程序,所述点胶机健康度检测程序被所述处理器执行时实现如上述的点胶机健康度检测方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有点胶机健康度检测程序,所述点胶机健康度检测程序被处理器执行时实现如上述的点胶机健康度检测方法的步骤。
此外,为实现上述目的,本发明还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如上述的点胶机健康度检测方法的步骤。
本发明实施例提出的一种点胶机健康度检测方法、装置、设备及存储介质。现有技术中,对点胶机健康度进行检测方法时效性差,容易造成生产浪费,浪费生产资源,并且,对点胶机故障原因进行变量关联分析时,缺少对故障关键影响因素的判定,检测准确性低。与现有技术相比,本发明实施例中,通过获取点胶机的工艺参数与质量指标之间的目标关系模型;采集所述点胶机在生产过程中的工艺参数,并将采集的工艺参数输入至所述目标关系模型中,对所述点胶机的质量指标进行预测;根据预测的质量指标检测所述点胶机的健康度。根据点胶机工艺参数与产品质量指标之间的目标关系模型,通过采集的点胶机的工艺参数可以对产品的质量指标进行预测,从而根据产品质量指标的预测值确定点胶机的健康度,不仅可以提高对点胶机健康度进行检测的时效性,通过质量预警预测判定点胶机的健康度,还可以提高对点胶机健康度的检测准确性。
附图说明
图1为本发明实施例提供的终端设备一种实施方式的硬件结构示意图;
图2为本发明点胶机健康度检测方法第一实施例的流程示意图;
图3为本发明点胶机健康度检测装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
本发明实施例点胶机健康度检测终端(又叫终端、设备或者终端设备)可以是PC,也可以是智能手机、平板电脑和便携计算机等具有显示功能的可移动式终端设备。
如图1所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,终端还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。其中,传感器比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示屏的亮度,接近传感器可在移动终端移动到耳边时,关闭显示屏和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;当然,移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及点胶机健康度检测程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的点胶机健康度检测程序,所述点胶机健康度检测程序被处理器执行时实现下述实施例提供的点胶机健康度检测方法中的操作。
基于上述设备硬件结构,提出了本发明点胶机健康度检测方法的实施例。
参照图2,图2为本发明点胶机健康度检测方法第一实施例的流程示意图,在本发明点胶机健康度检测方法的第一实施例中,所述点胶机健康度检测方法包括:
步骤S10,获取点胶机的工艺参数与质量指标之间的目标关系模型;
在本实施例中,检测点胶机的健康度时,是以点胶产品的质量指标为参考,根据产品的质量指标检测点胶机的健康度。具体地,首先获取点胶机的工艺参数与质量指标之间的目标关系模型,该目标关系模型为关系式,表征了点胶机在点胶时的各个工艺参数与产品质量之间的映射关系,该目标关系模型中包括一个或多个关系式,每个关系式中可以包含一个或多个工艺参数,以及一个或多个质量指标,在此不作具体限定。
点胶机的健康度可以通过生产的产品质量进行判定,具体是根据产品的质量指标进行判定的。在实际的点胶机生产过程中,可以凭借经验或借助实验设计等手段,找到一组能够保证产品质量的最佳工艺参数,从而保证点胶机生产的产品质量,直到发现工艺参数不能生产合格的产品时,则意味着点胶机寿命到达了健康临界点。该方式通过工艺末端的质量反馈调节前端的工艺参数,以提升产品质量,而实际生产中对产品质量的检验过程非常复杂,产品的质量指标也需要生产一定数量的产品后进行统计得出,难以实现对质量指标的在线反馈,时效性不佳且容易产生大量不合格产品,造成生产资源的浪费。
因此,本实施例中,通过工艺参数与质量指标之间的关系模型,可以实现对产品质量指标的预测,进而实现对质量指标的在线反馈,提高对点胶机健康度检测的时效性。并且,可以识别不同的工艺参数对产品质量的影响,并确定对噪声因子不敏感的最佳工艺参数。
进一步地,在本实施例中,点胶机的工艺参数包括焊接时间(加热时间)、过程影像、点胶机头使用次数、点胶机头温度、锡丝出料长度、锡丝出料速度、锡丝收料长度、锡丝收料速度、空气流量等,其中,通过点胶机的过程影像可以对点胶位置进行监控,并分析焊点焊接效果;点胶机头使用次数可以为点胶机的保养提供参照;通过点胶机的温度可以确定点胶机焊接时的焊接温度、升温时间和回温时间等;锡丝出料长度可以作为进锡丝供料的参考数据,并可以在加工完成品后进锡丝以减缓氧化;锡丝出料速度决定了同样时间下的熔锡效果;锡丝的收料长度和收料速度,影响锡丝的消耗速度;通过空气流量可以确定在点胶前,点胶机头对残留锡液的清理效果。在获取点胶机的工艺参数与产品的质量指标之间的目标关系模型之前,需要建立该目标关系模型,目标关系模型的建立过程,具体包括:
步骤S101,采集点胶机全生命周期的工艺参数作为样本数据,利用所述样本数据对预设的基础关系模型进行迭代训练,得到第一关系模型;
步骤S102,对所述第一关系模型进行交叉验证,并根据验证结果对所述第一关系模型进行迭代优化,得到目标关系模型。
在建立点胶机的工艺参数与产品质量指标之间的关系模型时,首先采集预设数量的点胶机的全生命周期的工艺参数作为样本数据,该样本数据中包括点胶时的实际工艺参数以及对应的产品的质量指标,其中,质量指标可以是通过人工等方式进行统计得到的。利用采集的样本数据对预设的基础模型进行迭代训练,得到中间的第一关系模型,对该第一关系模型进行交叉验证,然后根据验证结果进行迭代优化,从而得到目标关系模型。需要说明的是,在本实施例中,以20台点胶机的全生命周期的工艺参数作为样本数据,采集的工艺参数为点胶机工艺参数的参数值,一方面,在给定工艺参数的参数值时,可以根据采集的工艺参数初步判断点胶机的性能是否下降。另一方面,在工艺生产的实验设计中,给定的最佳工艺参数对噪声因子不敏感,当采集的工艺参数与给定的工艺参数不一致时,不一定会对产品的质量指标造成影响,但是,基于工艺参数与质量指标之间的关系,利用采集的工艺参数可以预测产品的质量指标,从而可以以产品质量指标为预警,检测点胶机的健康度。
进一步地,步骤S101的细化,包括:
步骤S001,对所述样本数据分别进行特征提取处理,得到所述样本数据的特征信息;
步骤S002,利用所述特征信息对预设的基础模型库中的各个基础关系模型进行迭代训练,得到第一关系模型。
在本实施例中,设有基础模型库,该模型库中包括多项式回归算法模型、循环神经网络算法模型、支持向量机模型和XGBRegressor(极限梯度提升回归模型,ExtremeGradient Boosting Regressor)等多个基础模型。在对基础关系模型进行迭代训练时,首先从采集的样本数据中提取特征信息,其中,提取的特征信息包括锡丝融化时间、焊点接触时间、单个点胶周期时间、点胶机头单周期尖端焊接温度、点胶机头升温时间、降温时间、焊点升温曲线的平均值、最大值、最小值及标准差等,然后将提取的特征信息分别输入至基础模型库中的各个基础模型中,并对各基础模型进行迭代训练,得到第一关系模型。
在对多个基础模型进行迭代训练后,对各个模型的训练结果进行交叉验证,确定各个经过训练后的模型的拟合效果,并根据交叉验证的结果对经过训练的模型进行迭代优化,得到目标关系模型。在本实施例中,对模型的验证和优化,采用的是由确定性方法和随机方法组合成的混合优化方法,可以理解的是,广泛使用的随机优化方法包括遗传算法(GA)、粒子群优化、人工蜂群、模拟退火等。与确定性方法相比,随机方法更加灵活和有效。但是,由于随机优化方法的不确定性特征,可能使模型无法达到最佳状态而呈现局部最优。此外,当问题大小增加时,找到全局解的概率会减小。混合优化方法是确定性方法和随机方法的组合,能最大限度地提高单一的优化技术,同时避免其缺点。而对模型的优化可以是根据不同的工艺参数和/或质量指标,从多个经过训练的模型中选取拟合效果最好的,不同的工艺参数和/或质量指标的关系模型不同,也可以是根据不同的工艺参数和/或质量指标,对各个模型的拟合结果进行融合,在此不作限定。
进一步地,在对基础模型进行训练之前,还可以对样本数据进行滤波、采样等预处理,以提高样本数据的质量。
步骤S20,采集所述点胶机在生产过程中的工艺参数,并将采集的工艺参数输入至所述目标关系模型中,对所述点胶机生产的产品的质量指标进行预测;
进一步地,在点胶机点胶生产过程中,采集点胶机的工艺参数,该工艺参数是实际的工艺参数在点胶时的参数值,当点胶机健康状态变化时,给定工艺参数值后,实际点胶时的工艺参数值与给定的参数值可能是不同的,因此,在给定工艺参数时,可以通过点胶过程中采集的工艺参数判断点胶机的健康度是否变化。在采集到点胶机在点胶过程中的实际工艺参数后,将采集的工艺参数输入至目标关系模型中,对产品的质量指标进行预测。
步骤S30,根据所述质量指标的预测值检测所述点胶机的健康度。
进一步地,根据质量指标的预测值检测点胶机的健康度,可知地,当给定的工艺参数为最佳工艺参数时,点胶机的性能有所下降时,实际点胶过程中的工艺参数与给定的工艺参数可能是不同的,但由于工艺参数的噪声不敏感性,可能不会对产品质量造成影响,此时,点胶机的性能下降属于正常的设备折旧损耗,不是非正常情况下的故障,因此,不需要对点胶机进行维修或更换。但是可以将对末端产品的质量指标的预测值作为对前端工艺参数的反馈,当产品的质量指标下降时,当前给定的工艺参数可能不是最佳的工艺参数,可以根据质量指标的预测值对给定的工艺参数进行调整。
可知地,随着点胶机使用次数的增加,点胶机的使用寿命逐渐减少,当给定最佳工艺参数和/或对工艺参数进行调整后,实际点胶时的工艺参数仍然可能会对产品的质量指标造成影响时,说明点胶机的健康度已经到达其临界点,则需要对点胶机进行维修或更换。根据对产品质量指标的预测,可以提前预测点胶机的健康度,进而给点胶机的维修保养或更换提供参考,提高了对点胶机健康度检测的时效性。并且,在工艺参数的基础上,结合对产品质量指标的预测,以产品的质量指标作为工艺参数的反馈,根据采集的工艺参数预测产品的质量指标,当产品质量指标不符合要求时,根据工艺参数与质量指标之间的关系模型,可以确定对质量指标产生影响的关键因子,从而确定影响质量指标的主要原因,并确定该主要原因是否为点胶机的健康度,提高了对点胶机健康度的检测准确性。
在本实施例中,获取点胶机的工艺参数与质量指标之间的目标关系模型;采集所述点胶机在生产过程中的工艺参数,并将采集的工艺参数输入至所述目标关系模型中,对所述点胶机的质量指标进行预测;根据预测的质量指标检测所述点胶机的健康度。根据点胶机工艺参数与产品质量指标之间的目标关系模型,通过采集的点胶机的工艺参数可以对产品的质量指标进行预测,从而根据产品质量指标的预测值确定点胶机的健康度,不仅可以提高对点胶机健康度进行检测的时效性,通过质量预警预测判定点胶机的健康度,还可以提高对点胶机健康度的检测准确性。
进一步地,在本发明上述实施例的基础上,提出了本发明点胶机健康度检测方法的第二实施例。
本实施例是第一实施例中步骤S30细化的步骤,基于上述实施例,本实施例中,可以利用不同的方式,根据预测的质量指标检测点胶机的健康度,具体地,根据质量指标的预测值检测点胶机的健康度的步骤,可以包括:
步骤A1,将所述质量指标的预测值与预设的标准指标值进行比较,确定所述质量指标是否异常;
步骤A2,若所述质量指标异常,则统计所述质量指标的异常次数,根据所述异常次数确定所述点胶机的健康度。
在本实施例中,根据质量指标的预测值检测点胶机的健康度的方法有多种,其中包括根据质量指标的异常次数进行检测。具体地,将质量指标的预测值与预设的标准指标值进行比较,确定点胶机生产的产品的质量指标是否异常,当质量指标异常时,统计在预设时间段内,质量指标的预测值为异常的次数,根据质量指标的异常次数确定点胶机的健康度。可知地,当一段时间内,点胶机根据给定的最佳工艺参数生产的产品的质量指标连续多次或频繁出现异常时,证明点胶机的健康度已无法生产满足质量要求的产品,需要进行维修或更换。
进一步地,当质量指标的预测值不存在异常时,根据质量指标的预测值检测点胶机健康度的步骤,包括:
步骤B1,对所述质量指标的预测值进行记录,并对记录的所述质量指标的预测值进行拟合,生成所述质量指标的趋势曲线;
步骤B2,根据所述趋势曲线检测所述点胶机的健康度。
对每个质量指标的预测值进行保存记录,并根据保存记录的预测值生成质量指标趋势曲线,根据该趋势曲线,可以进一步预测质量指标的发展趋势,例如,当根据质量指标的趋势曲线发现质量指标在一段时间内呈现连续下降的不良趋势时,则可以将质量指标的发展趋势作为反馈,进而对点胶机给定的工艺参数进行调整,当对点胶机给定的工艺参数进行调整后,质量指标的发展趋势仍然没有改善,则可能是点胶机的健康度下降过多,则可以在质量指标发展到不满足产品的质量要求之前,对点胶机的健康度进行预警,进一步提高对点胶机健康度检测的时效性。
进一步地,步骤S30之后,还包括:
步骤C1,将所述点胶机的健康度与预设的健康度临界值进行比较,确定所述点胶机的健康度是否异常;
步骤C2,若所述点胶机的健康度异常,输出所述点胶机健康度异常的预警提示信息。
在检测到点胶机的健康度后,将点胶机的健康度与预设的健康度临街值进行比较,确定点胶机的健康度是否到达临界点,进而确定点胶机的健康度是否异常,当点胶机的健康度异常时,输出相应的预警提示信息,提示相关人员进行干预,对点胶机进行维修或更换。可知地,预警提示信息中可以包括点胶机当前的健康度、维修或更换建议等,进一步地,预设的健康度临界值可以是点胶机健康度的临界点,也可以是比点胶机健康度临界点小预设差值的健康度阈值,具体地,可以根据实际的生产需求进行设置,在此不再赘述。
进一步地,步骤S30之后的步骤,还可以包括:
步骤D1,对所述点胶机的健康度进行记录,并对记录的健康度进行拟合,生成所述点胶机的健康度趋势线;
步骤D2,根据所述健康度趋势线对所述点胶机的健康度进行预测,得到所述点胶机的健康度预测值;
步骤D3,将所述健康度预测值与预设的健康度临界值进行比较,确定所述健康度预测值是否存在异常;
步骤D4,若所述健康度预测值存在异常,输出所述点胶机健康度存在异常的预警提示信息。
进一步地,在检测到点胶机健康度后,若点胶机的健康度不存在异常,则可以对点胶机的健康度进行记录,并根据记录的点胶机的健康度生成点胶机的健康度趋势线,基于该健康度趋势线分析点胶机健康度的发展趋势,并对点胶机的健康度进行预测,得到点胶机的健康度预测值,将该健康度预测值与预设的健康度临界值进行比较,可以确定点胶机的健康度预测值是否存在异常,若存在异常,则输出预警提示信息,从而可以基于对点胶机健康度的预测,进一步提高对点胶机健康度检测的时效性。
可以理解的是,本实施例中,基于不同的健康度检测方式,生成的健康度的预警提示信息可以是不同等级的,例如,当基于质量指标对健康度进行检测,当检测到点胶机的健康度存在异常时,输出的预警提示信息为第一预警等级,而基于健康度趋势线预测到点胶机的健康度存在异常时,输出的预警提示信息为第二预警等级,其中,第一预警等级高于第二预警等级。
在本实施例中,通过质量指标的预测值对点胶机的健康度进行检测,可以提高对点胶机健康度的检测准确性,并且,基于质量指标的预测值,可以通过不同的方式对点胶机的健康度进行检测,提高了检测的灵活性,并且,不同的检测方式时效性不同,可以满足不同用户对点胶机健康度检测的时效性需求。
此外,参照图3,本发明实施例还提出一种点胶机健康度检测装置,所述点胶机健康度检测装置包括:
数据获取模块10,用于获取点胶机的工艺参数与产品的质量指标之间的目标关系模型;
质量预测模块20,用于采集所述点胶机在生产过程中的工艺参数,并将采集的工艺参数输入至所述目标关系模型中,对所述点胶机生产的产品的质量指标进行预测;
健康度检测模块30,用于根据所述质量指标的预测值检测所述点胶机的健康度。
可选地,所述点胶机健康度检测装置还包括模型训练模块,用于:
采集点胶机全生命周期的工艺参数作为样本数据,利用所述样本数据对预设的基础关系模型进行迭代训练,得到第一关系模型;
对所述第一关系模型进行交叉验证,并根据验证结果对所述第一关系模型进行迭代优化,得到目标关系模型。
可选地,所述模型训练模块,还用于:
对所述样本数据分别进行特征提取处理,得到所述样本数据的特征信息;
利用所述特征信息对预设的基础模型库中的各个基础关系模型进行迭代训练,得到第一关系模型。
可选地,所述健康度检测模块30,还用于:
将所述质量指标的预测值与预设的标准指标值进行比较,确定所述质量指标是否异常;
若所述质量指标异常,则统计所述质量指标的异常次数,根据所述异常次数确定所述点胶机的健康度。
可选地,所述健康度检测模块30,还用于:
对所述质量指标的预测值进行记录,并对记录的所述质量指标的预测值进行拟合,生成所述质量指标的趋势曲线;
根据所述趋势曲线检测所述点胶机的健康度。
可选地,所述点胶机健康度检测装置还包括预警提示模块,用于:
将所述点胶机的健康度与预设的健康度临界值进行比较,确定所述点胶机的健康度是否异常;
若所述点胶机的健康度异常,输出所述点胶机健康度异常的预警提示信息。
可选地,所述预警提示模块,还用于:
对所述点胶机的健康度进行记录,并对记录的健康度进行拟合,生成所述点胶机的健康度趋势线;
根据所述健康度趋势线对所述点胶机的健康度进行预测,得到所述点胶机的健康度预测值;
将所述健康度预测值与预设的健康度临界值进行比较,确定所述健康度预测值是否存在异常;
若所述健康度预测值存在异常,输出所述点胶机健康度存在异常的预警提示信息。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有点胶机健康度检测程序,所述点胶机健康度检测程序被处理器执行时实现上述实施例提供的点胶机健康度检测方法中的操作。
此外,本发明实施例还提出一种计算机程序产品,包括计算机程序,所述计算机被处理器执行时实现上述实施例提供的点胶机健康度检测方法中的操作。
本发明设备、计算机程序产品和计算机可读存储介质各实施例,均可参照本发明点胶机健康度检测方法各个实施例,此处不再赘述。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来,而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序;术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的点胶机健康度检测方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种点胶机健康度检测方法,其特征在于,所述点胶机健康度检测方法包括以下步骤:
获取点胶机的工艺参数与产品的质量指标之间的目标关系模型;
采集所述点胶机在生产过程中的工艺参数,并将采集的工艺参数输入至所述目标关系模型中,对所述点胶机生产的产品的质量指标进行预测;
根据所述质量指标的预测值检测所述点胶机的健康度。
2.如权利要求1所述的点胶机健康度检测方法,其特征在于,所述获取点胶机的工艺参数与产品的质量指标之间的目标关系模型的步骤之前,包括:
采集点胶机全生命周期的工艺参数作为样本数据,利用所述样本数据对预设的基础关系模型进行迭代训练,得到第一关系模型;
对所述第一关系模型进行交叉验证,并根据验证结果对所述第一关系模型进行迭代优化,得到目标关系模型。
3.如权利要求2所述的点胶机健康度检测方法,其特征在于,所述利用所述样本数据对预设的基础关系模型进行迭代训练,得到第一关系模型的步骤,包括:
对所述样本数据分别进行特征提取处理,得到所述样本数据的特征信息;
利用所述特征信息对预设的基础模型库中的各个基础关系模型进行迭代训练,得到第一关系模型。
4.如权利要求1所述的点胶机健康度检测方法,其特征在于,所述根据所述质量指标的预测值检测所述点胶机的健康度的步骤,包括:
将所述质量指标的预测值与预设的标准指标值进行比较,确定所述质量指标是否异常;
若所述质量指标异常,则统计所述质量指标的异常次数,根据所述异常次数确定所述点胶机的健康度。
5.如权利要求1所述的点胶机健康度检测方法,其特征在于,所述根据所述质量指标的预测值检测所述点胶机的健康度的步骤,包括:
对所述质量指标的预测值进行记录,并对记录的所述质量指标的预测值进行拟合,生成所述质量指标的趋势曲线;
根据所述趋势曲线检测所述点胶机的健康度。
6.如权利要求1所述的点胶机健康度检测方法,其特征在于,所述根据预测的质量指标检测所述点胶机的健康度的步骤之后,包括:
将所述点胶机的健康度与预设的健康度临界值进行比较,确定所述点胶机的健康度是否异常;
若所述点胶机的健康度异常,输出所述点胶机健康度异常的预警提示信息。
7.如权利要求1所述的点胶机健康度检测方法,其特征在于,所述根据所述质量指标的预测值检测所述点胶机的健康度的步骤之后,包括:
对所述点胶机的健康度进行记录,并对记录的健康度进行拟合,生成所述点胶机的健康度趋势线;
根据所述健康度趋势线对所述点胶机的健康度进行预测,得到所述点胶机的健康度预测值;
将所述健康度预测值与预设的健康度临界值进行比较,确定所述健康度预测值是否存在异常;
若所述健康度预测值存在异常,输出所述点胶机健康度存在异常的预警提示信息。
8.一种点胶机健康度检测装置,其特征在于,所述点胶机健康度检测装置包括:
数据获取模块,用于获取点胶机的工艺参数与产品的质量指标之间的目标关系模型;
质量预测模块,用于采集所述点胶机在生产过程中的工艺参数,并将采集的工艺参数输入至所述目标关系模型中,对所述点胶机生产的产品的质量指标进行预测;
健康度检测模块,用于根据所述质量指标的预测值检测所述点胶机的健康度。
9.一种终端设备,其特征在于,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的点胶机健康度检测程序,所述点胶机健康度检测程序被所述处理器执行时实现如权利要求1至7中任一项所述的点胶机健康度检测方法的步骤。
10.一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上存储有点胶机健康度检测程序,所述点胶机健康度检测程序被处理器执行时实现如权利要求1至7中任一项所述的点胶机健康度检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210098524.3A CN114323725B (zh) | 2022-01-26 | 2022-01-26 | 点胶机健康度检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210098524.3A CN114323725B (zh) | 2022-01-26 | 2022-01-26 | 点胶机健康度检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114323725A true CN114323725A (zh) | 2022-04-12 |
CN114323725B CN114323725B (zh) | 2024-07-09 |
Family
ID=81031415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210098524.3A Active CN114323725B (zh) | 2022-01-26 | 2022-01-26 | 点胶机健康度检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114323725B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200827040A (en) * | 2006-12-29 | 2008-07-01 | Ind Tech Res Inst | Real-time dispenser fault detection and classification method |
CN101214478A (zh) * | 2007-01-04 | 2008-07-09 | 财团法人工业技术研究院 | 点胶机实时性监控与诊断方法 |
JP2008207120A (ja) * | 2007-02-27 | 2008-09-11 | Nissan Motor Co Ltd | 塗料供給装置及び塗料供給装置において磨耗したピグの交換時期の判断方法 |
CN111097664A (zh) * | 2019-12-20 | 2020-05-05 | 广西柳州联耕科技有限公司 | 基于机器人涂胶的实时纠偏方法 |
CN111230887A (zh) * | 2020-03-10 | 2020-06-05 | 合肥学院 | 一种基于数字孪生技术的工业涂胶机器人运行状态监测方法 |
CN111597729A (zh) * | 2020-05-27 | 2020-08-28 | 北京天泽智云科技有限公司 | 加工设备工艺参数优化方法及系统 |
CN111680749A (zh) * | 2020-06-08 | 2020-09-18 | 北京百度网讯科技有限公司 | 用于获取点胶机输出结果的方法及装置 |
CN112308391A (zh) * | 2020-10-22 | 2021-02-02 | 清华大学 | 一种基于神经网络的设备状态实时监测与异常探测方法 |
CN112427266A (zh) * | 2020-11-19 | 2021-03-02 | 中国科学院沈阳自动化研究所 | 超高粘度胶液高精度智能涂胶方法与装置 |
CN112801434A (zh) * | 2019-11-13 | 2021-05-14 | 中兴通讯股份有限公司 | 性能指标健康度的监测方法、装置、设备和存储介质 |
CN113628211A (zh) * | 2021-10-08 | 2021-11-09 | 深圳市信润富联数字科技有限公司 | 参数预测推荐方法、设备及计算机可读存储介质 |
CN113869531A (zh) * | 2021-09-18 | 2021-12-31 | 深圳市裕展精密科技有限公司 | 训练方法、电子设备、设备健康诊断方法及装置 |
-
2022
- 2022-01-26 CN CN202210098524.3A patent/CN114323725B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200827040A (en) * | 2006-12-29 | 2008-07-01 | Ind Tech Res Inst | Real-time dispenser fault detection and classification method |
CN101214478A (zh) * | 2007-01-04 | 2008-07-09 | 财团法人工业技术研究院 | 点胶机实时性监控与诊断方法 |
JP2008207120A (ja) * | 2007-02-27 | 2008-09-11 | Nissan Motor Co Ltd | 塗料供給装置及び塗料供給装置において磨耗したピグの交換時期の判断方法 |
CN112801434A (zh) * | 2019-11-13 | 2021-05-14 | 中兴通讯股份有限公司 | 性能指标健康度的监测方法、装置、设备和存储介质 |
CN111097664A (zh) * | 2019-12-20 | 2020-05-05 | 广西柳州联耕科技有限公司 | 基于机器人涂胶的实时纠偏方法 |
CN111230887A (zh) * | 2020-03-10 | 2020-06-05 | 合肥学院 | 一种基于数字孪生技术的工业涂胶机器人运行状态监测方法 |
CN111597729A (zh) * | 2020-05-27 | 2020-08-28 | 北京天泽智云科技有限公司 | 加工设备工艺参数优化方法及系统 |
CN111680749A (zh) * | 2020-06-08 | 2020-09-18 | 北京百度网讯科技有限公司 | 用于获取点胶机输出结果的方法及装置 |
CN112308391A (zh) * | 2020-10-22 | 2021-02-02 | 清华大学 | 一种基于神经网络的设备状态实时监测与异常探测方法 |
CN112427266A (zh) * | 2020-11-19 | 2021-03-02 | 中国科学院沈阳自动化研究所 | 超高粘度胶液高精度智能涂胶方法与装置 |
CN113869531A (zh) * | 2021-09-18 | 2021-12-31 | 深圳市裕展精密科技有限公司 | 训练方法、电子设备、设备健康诊断方法及装置 |
CN113628211A (zh) * | 2021-10-08 | 2021-11-09 | 深圳市信润富联数字科技有限公司 | 参数预测推荐方法、设备及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
林显征: "自动点胶机控制系统研究", 科技展望 * |
Also Published As
Publication number | Publication date |
---|---|
CN114323725B (zh) | 2024-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107908619B (zh) | 基于舆情监控的处理方法、装置、终端及计算机存储介质 | |
CN111241154B (zh) | 一种基于大数据的蓄电池故障预警方法及系统 | |
CN107577522B (zh) | 应用控制方法、装置、存储介质以及电子设备 | |
GB2528083A (en) | System and method for automated device control for vehicles using driver emotion | |
CN113687250A (zh) | 电芯容量预测方法、装置、电子设备及介质 | |
CN107704876B (zh) | 应用控制方法、装置、存储介质以及电子设备 | |
CN110490683B (zh) | 一种线下线上协同多模型混合推荐的方法及系统 | |
CN112348261A (zh) | 一种交易量预测方法、设备、装置及存储介质 | |
CN110405388A (zh) | 预测焊接质量的方法、装置及电子设备 | |
CA3135466A1 (en) | User loan willingness prediction method and device and computer system | |
CN115187331A (zh) | 基于多模态数据的产品推荐方法、装置、设备及存储介质 | |
CN110908346A (zh) | 一种多工序智能管控系统、方法及设备 | |
CN114323725B (zh) | 点胶机健康度检测方法、装置、设备及存储介质 | |
CN113055984B (zh) | 终端控制方法、装置、移动终端及存储介质 | |
CN110580218A (zh) | 软件代码复杂度的检测方法、装置及电子设备 | |
CN115546218B (zh) | 置信度阈值确定方法和装置、电子设备和存储介质 | |
CN115470859A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN114863994A (zh) | 污染评估方法、装置、电子设备及存储介质 | |
CN117764424A (zh) | 生产线的检测方法、装置、处理器和电子设备 | |
CN116048947A (zh) | 应用程序测试方法、装置、电子设备和可读存储介质 | |
CN110688273B (zh) | 分类模型的监控方法、装置、终端以及计算机存储介质 | |
CN113377640A (zh) | 解释业务场景下模型的方法、介质、装置和计算设备 | |
CN106055550A (zh) | 用于网络中的自适应和上下文协作的方法和系统 | |
CN110751982A (zh) | 一种智能并行化敲除策略筛选的方法及系统 | |
CN115149126B (zh) | 电池组信息处理方法、装置、电子设备和计算机可读介质 |
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 |