CN114399237A - 一种电缆生产工艺的质量智能检测方法及系统 - Google Patents
一种电缆生产工艺的质量智能检测方法及系统 Download PDFInfo
- Publication number
- CN114399237A CN114399237A CN202210298833.5A CN202210298833A CN114399237A CN 114399237 A CN114399237 A CN 114399237A CN 202210298833 A CN202210298833 A CN 202210298833A CN 114399237 A CN114399237 A CN 114399237A
- Authority
- CN
- China
- Prior art keywords
- cable
- production
- quality
- data
- quality detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 255
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 231
- 238000000034 method Methods 0.000 claims abstract description 115
- 230000008569 process Effects 0.000 claims abstract description 74
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 238000000547 structure data Methods 0.000 claims abstract description 29
- 239000010410 layer Substances 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 13
- 239000011241 protective layer Substances 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 7
- 238000013433 optimization analysis Methods 0.000 claims description 4
- 238000012372 quality testing Methods 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000012797 qualification Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 15
- 230000000694 effects Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000011897 real-time detection Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000000576 coating method Methods 0.000 description 3
- 239000004020 conductor Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000000137 annealing Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical group [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003618 dip coating Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000007765 extrusion coating Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000009941 weaving Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
- 238000005491 wire drawing 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供了一种电缆生产工艺的质量智能检测方法及系统,其中,所述方法包括:获得第一生产电缆的产品结构数据;进行工艺复杂度分析,获得第一生产复杂度;若第一生产复杂度处于预设生产复杂度之中,构建质量检测模型库,通过对第一标识节点进行工艺流程特征分析,从质量检测模型库中进行模型匹配,获得第一匹配检测模型;第一检测单元调用第一匹配检测模型,获得第一标识节点输出的质量检测信息;进行质量合格判断,若合格,对第二标识节点进行检测,直至多个标识节点检测结束。解决了现有技术中存在企业对电缆的生产工艺流程检测的聚焦不足,同时检测的智能化、系统性和准确性较低的技术问题。
Description
技术领域
本发明涉及智能质量检测领域,具体涉及一种电缆生产工艺的质量智能检测方法及系统。
背景技术
电缆产品广泛应用于国民经济各个领域,配套于各产业、国防建设和重大建设工程,是现代经济和社会正常运转的基础保障,也是人们日常生活中不可缺少的产品。电缆的制造与大多数机电产品的生产方式是完全不同的。电缆是以长度为基本计量单位。所有电缆都是从导体加工开始,在导体的外围一层一层地加上绝缘、屏蔽、成缆、护层等而制成电线电缆产品。产品结构越复杂,叠加的层次就越多。
电缆大长度连续叠加组合的生产方式,使生产过程中任何一个环节、瞬时发生一点问题,就会影响整根电缆质量。质量缺陷越是发生在内层,而且没有及时发现终止生产,那么造成的损失就越大。因为电缆的生产不同于组装式的产品,可以拆开重装及更换另件;电缆的任一部件或工艺过程的质量问题,对这根电缆几乎是无法挽回和弥补的。事后的处理都是十分消极的,不是锯短就是降级处理,要么报废整条电缆。它无法拆开重装。因此电缆的质量管理,必须贯串整个生产过程。
但在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
存在企业对电缆的生产工艺流程检测的聚焦不足,同时检测的智能化、系统性和准确性较低的问题。
发明内容
本申请实施例通过提供了一种电缆生产工艺的质量智能检测方法及系统,解决了现有技术中存在企业对电缆的生产工艺流程检测的聚焦不足,同时检测的智能化、系统性和准确性较低的技术问题。达到了通过对生产工艺进行深度分析,进行流程工艺节点的质量检测,实现了生产工艺的分层化实时检测,适合工厂流水线式的检测,提高检测的智能化、系统性和准确性的技术效果。
鉴于上述问题,本申请实施例提供了一种电缆生产工艺的质量智能检测方法及系统。
第一方面,本申请实施例提供了一种电缆生产工艺的质量智能检测方法,其中,所述方法包括:获得第一生产电缆的产品结构数据;根据所述产品结构数据对所述第一生产电缆进行工艺复杂度分析,获得第一生产复杂度;若所述第一生产复杂度处于预设生产复杂度之中,对电缆的生产工艺流程进行流程节点划分,生成多个标识节点,其中,所述多个标识节点中包括多个检测单元,且所述多个标识节点与所述多个检测单元一一对应;构建质量检测模型库,其中,所述质量检测模型库与所述多个检测单元连接;通过对第一标识节点进行工艺流程特征分析,从所述质量检测模型库中进行模型匹配,获得第一匹配检测模型;第一检测单元在所述质量检测模型库中调用所述第一匹配检测模型,获得所述第一生产电缆在所述第一标识节点输出的质量检测信息;通过对所述第一标识节点输出的质量检测信息进行质量合格判断,若合格,对第二标识节点进行检测,直至所述多个标识节点检测结束。
另一方面,本申请实施例提供了一种电缆生产工艺的质量智能检测系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于获得第一生产电缆的产品结构数据;第二获得单元,所述第二获得单元用于根据所述产品结构数据对所述第一生产电缆进行工艺复杂度分析,获得第一生产复杂度;第一生成单元,所述第一生成单元用于若所述第一生产复杂度处于预设生产复杂度之中,对电缆的生产工艺流程进行流程节点划分,生成多个标识节点,其中,所述多个标识节点中包括多个检测单元,且所述多个标识节点与所述多个检测单元一一对应;第一构建单元,所述第一构建单元用于构建质量检测模型库,其中,所述质量检测模型库与所述多个检测单元连接;第三获得单元,所述第三获得单元用于通过对第一标识节点进行工艺流程特征分析,从所述质量检测模型库中进行模型匹配,获得第一匹配检测模型;第四获得单元,所述第四获得单元用于第一检测单元在所述质量检测模型库中调用所述第一匹配检测模型,获得所述第一生产电缆在所述第一标识节点输出的质量检测信息;第一执行单元,所述第一执行单元用于通过对所述第一标识节点输出的质量检测信息进行质量合格判断,若合格,对第二标识节点进行检测,直至所述多个标识节点检测结束。
第三方面,本申请实施例提供了一种电缆生产工艺的质量智能检测系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了获得第一生产电缆的产品结构数据;根据所述产品结构数据对所述第一生产电缆进行工艺复杂度分析,获得第一生产复杂度;若所述第一生产复杂度处于预设生产复杂度之中,对电缆的生产工艺流程进行流程节点划分,生成多个标识节点,其中,所述多个标识节点中包括多个检测单元,且所述多个标识节点与所述多个检测单元一一对应;构建质量检测模型库,其中,所述质量检测模型库与所述多个检测单元连接;通过对第一标识节点进行工艺流程特征分析,从所述质量检测模型库中进行模型匹配,获得第一匹配检测模型;第一检测单元在所述质量检测模型库中调用所述第一匹配检测模型,获得所述第一生产电缆在所述第一标识节点输出的质量检测信息;通过对所述第一标识节点输出的质量检测信息进行质量合格判断,若合格,对第二标识节点进行检测,直至所述多个标识节点检测结束的技术方案,本申请实施例通过提供了一种电缆生产工艺的质量智能检测方法及系统,达到了通过对生产工艺进行深度分析,进行流程工艺节点的质量检测,实现了生产工艺的分层化实时检测,适合工厂流水线式的检测,提高检测的智能化、系统性和准确性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种电缆生产工艺的质量智能检测方法的流程示意图;
图2为本申请实施例一种电缆生产工艺的质量智能检测方法的获得第一生产复杂度的流程示意图;
图3为本申请实施例一种电缆生产工艺的质量智能检测方法的生成质量检测模型库的流程示意图;
图4为本申请实施例一种电缆生产工艺的质量智能检测方法的获得第二权重赋值结果的流程示意图;
图5为本申请实施例一种电缆生产工艺的质量智能检测方法的获得第一提醒信息的流程示意图;
图6为本申请实施例一种电缆生产工艺的质量智能检测系统的结构示意图;
图7为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第一生成单元13,第一构建单元14,第三获得单元15,第四获得单元16,第一执行单元17,电子设备300,存储器301,处理器302,通信接口303,总线架构304。
具体实施方式
本申请实施例通过提供了一种电缆生产工艺的质量智能检测方法及系统,解决了现有技术中存在企业对电缆的生产工艺流程检测的聚焦不足,同时检测的智能化、系统性和准确性较低的技术问题。达到了通过对生产工艺进行深度分析,进行流程工艺节点的质量检测,实现了生产工艺的分层化实时检测,适合工厂流水线式的检测,提高检测的智能化、系统性和准确性的技术效果。
申请概述
电缆大长度连续叠加组合的生产方式,使生产过程中任何一个环节、瞬时发生一点问题,就会影响整根电缆质量。质量缺陷越是发生在内层,而且没有及时发现终止生产,那么造成的损失就越大。因为电缆的生产不同于组装式的产品,可以拆开重装及更换另件;电缆的任一部件或工艺过程的质量问题,对这根电缆几乎是无法挽回和弥补的。事后的处理都是十分消极的,不是锯短就是降级处理,要么报废整条电缆。它无法拆开重装。因此电缆的质量管理,必须贯串整个生产过程。现有技术中存在企业对电缆的生产工艺流程检测的聚焦不足,同时检测的智能化、系统性和准确性较低的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种电缆生产工艺的质量智能检测方法,其中,所述方法包括:获得第一生产电缆的产品结构数据;根据所述产品结构数据对所述第一生产电缆进行工艺复杂度分析,获得第一生产复杂度;若所述第一生产复杂度处于预设生产复杂度之中,对电缆的生产工艺流程进行流程节点划分,生成多个标识节点,其中,所述多个标识节点中包括多个检测单元,且所述多个标识节点与所述多个检测单元一一对应;构建质量检测模型库,其中,所述质量检测模型库与所述多个检测单元连接;通过对第一标识节点进行工艺流程特征分析,从所述质量检测模型库中进行模型匹配,获得第一匹配检测模型;第一检测单元在所述质量检测模型库中调用所述第一匹配检测模型,获得所述第一生产电缆在所述第一标识节点输出的质量检测信息;通过对所述第一标识节点输出的质量检测信息进行质量合格判断,若合格,对第二标识节点进行检测,直至所述多个标识节点检测结束。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种电缆生产工艺的质量智能检测方法,其中,所述方法包括:
S100:获得第一生产电缆的产品结构数据;
S200:根据所述产品结构数据对所述第一生产电缆进行工艺复杂度分析,获得第一生产复杂度;
进一步的,如图2所示,所述根据所述产品结构数据对所述第一生产电缆进行工艺复杂度分析,获得第一生产复杂度,步骤S200包括:
S210:通过对所述第一生产电缆进行产品数据分析,获得结构尺寸数据,其中,所述结构尺寸数据包括几何数据和属性数据;
S220:获得所述第一生产电缆的生产截面数据,其中,所述生产截面数据包括线芯量化数据和保护层量化数据;
S230:基于AHP层次法,对所述几何数据、所述属性数据、所述线芯量化数据和所述保护层量化数据,进行权重赋值,获得第一权重赋值结果,其中,所述第一权重赋值结果包括,所述为所述几何数据的权重赋值结果,所述为所述属性数据的权重赋值结果,所述为所述线芯量化数据的权重赋值结果,所述为所述保护层量化数据的权重赋值结果;
S240:根据所述第一权重赋值结果对所述第一生产电缆进行工艺复杂度分析,获得所述第一生产复杂度。
具体而言,所述第一生产电缆为生产的任一种电缆产品,电缆主要是通过拉制、绞制、包覆三种工艺制作完成。电缆的型号规格越复杂,生产工艺越复杂。其中,拉制工艺分为单丝拉制、绞制拉制;绞制工艺分导体绞制、成缆、编制、钢丝装铠和缠绕;包覆工艺分挤包、纵包、绕包、浸涂。
基于大数据,获得所述第一生产电缆的产品结构数据,所述产品结构数据包括产品的结构、材料等。基于所述产品结构数据对第一生产电缆的生产工艺进行分析,分析工艺复杂度,分析结果为所述第一生产复杂度。其中工艺复杂度分析具体分析过程优选为,通过分析所述产品结构数据,获得第一生产电缆的所述结构尺寸数据。其中,所述结构尺寸数据包括几何数据和属性数据,属性数据包括但不限于材质、结构等,几何数据包括但不限于直径、厚度、偏心度等。通过第一生产电缆的生产截面能够直观的观察和计算线芯的数量、线芯的截面积、保护层的厚度等。基于大数据获得所述第一生产电缆的生产截面数据,其中,所述生产截面数据包括线芯量化数据和保护层量化数据。举不受限制的一例:某一电缆通过其生产截面数据可以得到电缆中的铜丝数量以及排布位置,分为几个区域排布,每个区域的数量等数据信息。
所述AHP层次法全称为层次分析法(Analytic Hierarchy Process)是将与决策总是有关的元素分解为若干层次,在此基础上进行定性和定量分析和决策的方法。AHP层次法应用前提为单一指标对最终决策目标的影响无法通过足够的数据进行量化计算,但最底层的指标可以量化,并且能通过一定方法进行测量。基于上述AHP层次法的特性,能够很好的将所述AHP层次法应用于工艺复杂度的计算。基于AHP层次法,针对所述几何数据、所述属性数据、所述线芯量化数据和所述保护层量化数据对工艺复杂度的影响大小,进行权重赋值,获得第一权重赋值结果,其中,所述第一权重赋值结果包括,所述为所述几何数据的权重赋值结果,所述为所述属性数据的权重赋值结果,所述为所述线芯量化数据的权重赋值结果,所述为所述保护层量化数据的权重赋值结果,权重值越大说明该因素对工艺复杂度影响越大。最终根据所述第一权重赋值结果对所述第一生产电缆进行工艺复杂度分析,获得所述第一生产复杂度。
S300:若所述第一生产复杂度处于预设生产复杂度之中,对电缆的生产工艺流程进行流程节点划分,生成多个标识节点,其中,所述多个标识节点中包括多个检测单元,且所述多个标识节点与所述多个检测单元一一对应;
具体而言,根据现有的第一生产电缆的行业制造工艺水平,预设所述生产复杂度。若所述第一生产复杂度处于预设生产复杂度之中,那么对电缆的生产工艺流程以生产工艺节点进行节点划分,即进行所述流程节点划分,生成所述多个标识节点。其中所述多个标识节点中包括多个检测单元,且每一个标识节点和每一个节点需要进行检测的检测单元相对应,实现所述多个标识节点与所述多个检测单元一一对应。所述检测单元用于对电缆质量指标进行检测。
S400:构建质量检测模型库,其中,所述质量检测模型库与所述多个检测单元连接;
进一步的,如图3所示,所述构建质量检测模型库,步骤S400还包括:
S410:根据所述产品结构数据从历史电缆生产工艺参数中进行比对,获得N个比对电缆产品;
S420:获得所述N个比对电缆产品的质量数据;
S430:基于所述质量数据对所述N个比对电缆产品进行寻优搜索,获得第一比对电缆产品,其中,所述第一比对电缆产品为质量最优的产品;
S440:通过对所述第一比对电缆产品对应的生产工艺参数进行分层特征数据提取,并将提取的每一层特征数据作为模型的质量检测指标,构建多层质量检测模型;
S450:根据所述多层质量检测模型,生成所述质量检测模型库。
具体而言,构建质量检测模型库,用于生成质量检测的模型。首先,获得历史电缆生产工艺参数,将所述产品结构数据与历史电缆生产工艺参数进行比对,获得N个比对电缆产品,基于历史数据,获得所述N个比对电缆产品的质量数据,所述质量数据包括耐电强度、介质损耗、电容、损耗因数等。基于所述质量数据在N个比对电缆中进行寻优搜索,获得所述第一比对电缆产品,所述第一比对电缆产品为N个比对电缆产品中质量最优的产品。获得所述第一比对电缆产品对应的生产工艺参数,进行分层特征数据提取,并将提取的每一层特征数据作为模型的质量检测指标,构建多层质量检测模型。例如:退火工艺流程与多种因素有关,但是温度特征数据尤为重要,故对其进行关键特征数据提取,提取温度特征数据,以温度构建退火生产流程的检测模型。进而根据所述多层质量检测模型复合生成所述质量检测模型库。由于生产工艺流程中影响质量的参数较多,对其进行特征提取,能够选取主影响参数构建每一层质量检测模型,根据电缆的全部工艺流程构建多层质量检测模型,能够提升质量检测的准确性和效率。
S500:通过对第一标识节点进行工艺流程特征分析,从所述质量检测模型库中进行模型匹配,获得第一匹配检测模型;
S600:第一检测单元在所述质量检测模型库中调用所述第一匹配检测模型,获得所述第一生产电缆在所述第一标识节点输出的质量检测信息;
S700:通过对所述第一标识节点输出的质量检测信息进行质量合格判断,若合格,对第二标识节点进行检测,直至所述多个标识节点检测结束。
具体而言,对电缆的生产工艺流程进行流程节点划分,生成多个标识节点,其中所述第一标识节点为生产工艺流程中第一个流程质量控制点。对所述第一标识节点进行工艺流程特征分析,在所述质量检测模型库中进行模型匹配,获得所述第一匹配检测模型。调用所述第一匹配检测模型进行质量检测,获得所述第一生产电缆在所述第一标识节点输出的质量检测信息。基于质量检测信息进行质量判断,如果满足国家标准,则合格,继续进行第二标识节点的检测,若合格,继续进行检测。指导所有的标识节点检测完成,最终能够获得所有节点的质量检测结果,实现了生产工艺的分层化实时检测,适合工厂流水线式的检测。
进一步的,如图4所示,所述根据所述第一权重赋值结果对所述第一生产电缆进行工艺复杂度分析,获得所述第一生产复杂度,步骤S200还包括:
S250:获得所述第一生产电缆的特征生产设备信息;
S260:通过对所述第一生产电缆的特征生产设备信息进行生产执行复杂度优化分析,获得第一执行优化度;
S270:基于所述第一执行优化度,生成第一约束条件;
S280:将所述第一约束条件作为所述第一权重赋值结果的约束条件,对所述第一权重赋值结果进行优化,获得第二权重赋值结果。
具体而言,电缆的生产设备有挤塑机系列、拉线机系列、绞线机系列、绕包机系列等。电缆的生产工艺门类多,每一个工艺流程中涉及的生产设备较多,获取所述第一生产电缆的特征生产设备,所述特征生产设备为关键生产设备,是每一个工艺流程中最为重要的设备。由于新型设备的研发推广,导致新型设备和老式设备在进行生产时的操作复杂度存在差异,操作复杂度即为所述生产执行复杂度。新型设备的生产复杂度较老式的设备低。
对所述第一生产电缆的特征生产设备信息进行生产执行复杂度优化分析,获得第一执行优化度,所述第一执行优化度影响第一生产电缆的工艺复杂度分析中的权重分配的相对性。基于所述第一执行优化度,生成第一约束条件。所述第一权重赋值结果是基于AHP层次法,对所述几何数据、所述属性数据、所述线芯量化数据和所述保护层量化数据,进行权重赋值得到的。将所述第一约束条件作为所述第一权重赋值结果的约束条件,即兼顾了特征生产设备信息,对所述第一权重赋值结果进行优化,获得所述二权重赋值结果。完善了工艺复杂度分析,使得对不同生产线不同设备的工艺复杂度分析更为准确。
进一步的,本申请实施例还包括:
S451:构建预设质量界值;
S452:基于所述预设质量界值,从所述N个比对电缆产品中获得第二比对电缆产品,其中,所述第二比对电缆产品为质量不小于所述预设质量界值的产品,且所述第一比对电缆产品的质量大于所述第二比对电缆产品的质量;
S453:根据所述第一比对电缆产品和所述第二比对电缆产品,生成模型的质量检测指标阈值,对所述质量检测模型库进行优化。
具体而言,所述预设质量阈值为合格电缆的质量阈值。基于所述预设质量界值,从所述N个比对电缆产品中获得第二比对电缆产品,其中,所述第二比对电缆产品为质量合格的产品,并且不是质量最佳的产品,质量介于所述预设质量界值和所述第一比对电缆产品的质量。基于所述第一比对电缆产品和所述第二比对电缆产品,生成模型的质量检测指标阈值,所述质量检测阈值为合格品到优等品的质量阈值范围。从而基于所述质量检测指标阈值,对所述质量检测模型库进行优化,提高所述质量检测模型库对合格电缆的检测能力。
进一步的,本申请实施例还包括:
S710:获得所述第一标识节点输出的质量检测信息;
S720:判断所述第一标识节点输出的质量检测信息是否处于预设质量等级中;
S730:若所述第一标识节点输出的质量检测信息处于所述预设质量等级中,获得第一合格指令,将所述第一合格指令发送至所述第二标识节点,其中,所述第二标识节点处于已触发状态;
S740:通过调用所述第二标识节点对应的第二匹配检测模型,获得所述第一生产电缆在所述第二标识节点输出的质量检测信息。
具体而言,由于对电缆的生产工艺流程进行流程节点划分,生成多个标识节点。故对电缆进行质量检测时,需要根据标识节点逐个检测。首先对第一标识节点进行检测,获得所述第一标识节点的质量检测信息,通过预设质量等级,判断质量是否合格。若处于所述质量等级中,说明质量合格,获得第一合格指令,将所述第一合格指令发送至所述第二标识节点,触发所述第二节点,此时第二标识节点处于已触发状态,通过调用所述第二标识节点对应的第二匹配检测模型,进行第二标识节点的质量检测。从而持续判断以及触发下一节点,直至质量检测完成。能够实现对每一环节的严格把关,从而及时发现质量问题,减少企业损失的技术效果。
进一步的,如图5所示,本申请实施例还包括:
S750:构建阶梯判断逻辑规则,其中,所述阶梯判断逻辑规则包括第一预设质量等级、第二预设质量等级和第三预设质量等级;
S760:根据所述阶梯判断逻辑规则对所述第一标识节点输出的质量检测信息进行阶梯性判断,获得第一阶梯判断结果;
S770:若所述第一阶梯判断结果为不合格,获得第二阶梯判断结果;
S780:若所述第二阶梯判断结果为不合格,获得第三阶梯判断结果;
S790:若所述第三阶梯判断结果为不合格,获得第一提醒信息。
具体而言,依照企业的电缆质量标准,构建阶梯判断逻辑规则,包括所述第一预设质量等级、第二预设质量等级和第三预设质量等级,其中预设质量等级的优先级和等级排序为第一预设质量等级>第二预设质量等级>第三预设质量等级,能够在阶梯型判断的同时进行产品质量等级划分。根据所述阶梯判断逻辑规则对所述第一标识节点输出的质量检测信息进行阶梯性判断,首先进行第一预设质量等级判断,获得第一阶梯判断结果。若不满足所述第一预设质量等级,则为所述第一阶梯判断结果为不合格。进行所述第二预设质量等级判断,获得第二阶梯判断结果,若所述第二阶梯判断结果为不合格,说明不满足所述第二预设质量等级。进行所述第三预设质量等级的判断,获得第三阶梯判断结果,若所述第三阶梯判断结果为不合格,获得第一提醒信息。若所述第三阶梯判断结果为合格,则进入下一个标识节点的判断。若不满足所述第三预设质量等级,说明产品质量不合格,需要提醒该工艺流程节点处的工作人员,及时进行检修。通过阶梯判断逻辑规则能够在质量检测的同时进行产品质量等级划分,并且能够及时获得提醒信息,提醒工作人员质量不合格,从而提高企业的质量检测效率。
综上所述,本申请实施例所提供的一种电缆生产工艺的质量智能检测方法及系统具有如下技术效果:
1、由于采用了获得第一生产电缆的产品结构数据;根据所述产品结构数据对所述第一生产电缆进行工艺复杂度分析,获得第一生产复杂度;若所述第一生产复杂度处于预设生产复杂度之中,对电缆的生产工艺流程进行流程节点划分,生成多个标识节点,其中,所述多个标识节点中包括多个检测单元,且所述多个标识节点与所述多个检测单元一一对应;构建质量检测模型库,其中,所述质量检测模型库与所述多个检测单元连接;通过对第一标识节点进行工艺流程特征分析,从所述质量检测模型库中进行模型匹配,获得第一匹配检测模型;第一检测单元在所述质量检测模型库中调用所述第一匹配检测模型,获得所述第一生产电缆在所述第一标识节点输出的质量检测信息;通过对所述第一标识节点输出的质量检测信息进行质量合格判断,若合格,对第二标识节点进行检测,直至所述多个标识节点检测结束的技术方案,本申请实施例通过提供了一种电缆生产工艺的质量智能检测方法及系统,达到了通过对生产工艺进行深度分析,进行流程工艺节点的质量检测,实现了生产工艺的分层化实时检测,适合工厂流水线式的检测,提高检测的智能化、系统性和准确性的技术效果。
2、由于采用了基于特征生产设备信息进行生产执行复杂度优化分析的方法,兼顾了特征生产设备信息,对所述第一权重赋值结果进行优化,完善了工艺复杂度分析,达到了对不同生产线不同设备的工艺复杂度分析更为准确的技术效果。
实施例二
基于与前述实施例中一种电缆生产工艺的质量智能检测方法相同的发明构思,如图6所示,本申请实施例提供了一种电缆生产工艺的质量智能检测系统,其中,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一生产电缆的产品结构数据;
第二获得单元12,所述第二获得单元12用于根据所述产品结构数据对所述第一生产电缆进行工艺复杂度分析,获得第一生产复杂度;
第一生成单元13,所述第一生成单元13用于若所述第一生产复杂度处于预设生产复杂度之中,对电缆的生产工艺流程进行流程节点划分,生成多个标识节点,其中,所述多个标识节点中包括多个检测单元,且所述多个标识节点与所述多个检测单元一一对应;
第一构建单元14,所述第一构建单元14用于构建质量检测模型库,其中,所述质量检测模型库与所述多个检测单元连接;
第三获得单元15,所述第三获得单元15用于通过对第一标识节点进行工艺流程特征分析,从所述质量检测模型库中进行模型匹配,获得第一匹配检测模型;
第四获得单元16,所述第四获得单元16用于第一检测单元在所述质量检测模型库中调用所述第一匹配检测模型,获得所述第一生产电缆在所述第一标识节点输出的质量检测信息;
第一执行单元17,所述第一执行单元17用于通过对所述第一标识节点输出的质量检测信息进行质量合格判断,若合格,对第二标识节点进行检测,直至所述多个标识节点检测结束。
进一步的,所述系统包括:
第五获得单元,所述第五获得单元用于通过对所述第一生产电缆进行产品数据分析,获得结构尺寸数据,其中,所述结构尺寸数据包括几何数据和属性数据;
第六获得单元,所述第六获得单元用于获得所述第一生产电缆的生产截面数据,其中,所述生产截面数据包括线芯量化数据和保护层量化数据;
第七获得单元,所述第七获得单元用于基于AHP层次法,对所述几何数据、所述属性数据、所述线芯量化数据和所述保护层量化数据,进行权重赋值,获得第一权重赋值结果,其中,所述第一权重赋值结果包括,所述为所述几何数据的权重赋值结果,所述为所述属性数据的权重赋值结果,所述为所述线芯量化数据的权重赋值结果,所述为所述保护层量化数据的权重赋值结果;
第八获得单元,所述第八获得单元用于根据所述第一权重赋值结果对所述第一生产电缆进行工艺复杂度分析,获得所述第一生产复杂度。
进一步的,所述系统包括:
第九获得单元,所述第九获得单元用于获得所述第一生产电缆的特征生产设备信息;
第十获得单元,所述第十获得单元用于通过对所述第一生产电缆的特征生产设备信息进行生产执行复杂度优化分析,获得第一执行优化度;
第二生成单元,所述第二生成单元用于基于所述第一执行优化度,生成第一约束条件;
第十一获得单元,所述第十一获得单元用于将所述第一约束条件作为所述第一权重赋值结果的约束条件,对所述第一权重赋值结果进行优化,获得第二权重赋值结果。
进一步的,所述系统包括:
第十二获得单元,所述第十二获得单元用于根据所述产品结构数据从历史电缆生产工艺参数中进行比对,获得N个比对电缆产品;
第十三获得单元,所述第十三获得单元用于获得所述N个比对电缆产品的质量数据;
第十四获得单元,所述第十四获得单元用于基于所述质量数据对所述N个比对电缆产品进行寻优搜索,获得第一比对电缆产品,其中,所述第一比对电缆产品为质量最优的产品;
第二构建单元,所述第二构建单元用于通过对所述第一比对电缆产品对应的生产工艺参数进行分层特征数据提取,并将提取的每一层特征数据作为模型的质量检测指标,构建多层质量检测模型;
第三生成单元,所述第三生成单元用于根据所述多层质量检测模型,生成所述质量检测模型库。
进一步的,所述系统包括:
第三构建单元,所述第三构建单元用于构建预设质量界值;
第十五获得单元,所述第十五获得单元用于基于所述预设质量界值,从所述N个比对电缆产品中获得第二比对电缆产品,其中,所述第二比对电缆产品为质量不小于所述预设质量界值的产品,且所述第一比对电缆产品的质量大于所述第二比对电缆产品的质量;
第四生成单元,所述第四生成单元用于根据所述第一比对电缆产品和所述第二比对电缆产品,生成模型的质量检测指标阈值,对所述质量检测模型库进行优化。
进一步的,所述系统包括:
第十六获得单元,所述第十六获得单元用于获得所述第一标识节点输出的质量检测信息;
第一判断单元,所述第一判断单元用于判断所述第一标识节点输出的质量检测信息是否处于预设质量等级中;
第十七获得单元,所述十七获得单元用于若所述第一标识节点输出的质量检测信息处于所述预设质量等级中,获得第一合格指令,将所述第一合格指令发送至所述第二标识节点,其中,所述第二标识节点处于已触发状态;
第十八获得单元,所述十八获得单元用于通过调用所述第二标识节点对应的第二匹配检测模型,获得所述第一生产电缆在所述第二标识节点输出的质量检测信息。
进一步的,所述系统包括:
第四构建单元,所述第四构建单元用于构建阶梯判断逻辑规则,其中,所述阶梯判断逻辑规则包括第一预设质量等级、第二预设质量等级和第三预设质量等级;
第十九获得单元,所述十九获得单元用于根据所述阶梯判断逻辑规则对所述第一标识节点输出的质量检测信息进行阶梯性判断,获得第一阶梯判断结果;
第二十获得单元,所述二十获得单元用于若所述第一阶梯判断结果为不合格,获得第二阶梯判断结果;
第二十一获得单元,所述二十一获得单元用于若所述第二阶梯判断结果为不合格,获得第三阶梯判断结果;
第二十二获得单元,所述二十二获得单元用于若所述第三阶梯判断结果为不合格,获得第一提醒信息。
示例性电子设备
下面参考图7来描述本申请实施例的电子设备。
基于与前述实施例中一种电缆生产工艺的质量智能检测方法相同的发明构思,本申请实施例还提供了一种电缆生产工艺的质量智能检测系统,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使得系统以执行第一方面任一项所述的方法。
该电子设备300包括:处理器302、通信接口303、存储器301。可选的,电子设备300还可以包括总线架构304。其中,通信接口303、处理器302以及存储器301可以通过总线架构304相互连接;总线架构304可以是外设部件互连标(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture,简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU,微处理器,ASIC,或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN),有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory,EEPROM)、只读光盘(compactdisc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器301用于存储执行本申请方案的计算机执行指令,并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令,从而实现本申请上述实施例提供的一种电缆生产工艺的质量智能检测方法。
可选的,本申请实施例中的计算机执行指令也可以称之为应用程序代码,本申请实施例对此不作具体限定。
本申请实施例提供了一种电缆生产工艺的质量智能检测方法,其中,所述方法包括:获得第一生产电缆的产品结构数据;根据所述产品结构数据对所述第一生产电缆进行工艺复杂度分析,获得第一生产复杂度;若所述第一生产复杂度处于预设生产复杂度之中,对电缆的生产工艺流程进行流程节点划分,生成多个标识节点,其中,所述多个标识节点中包括多个检测单元,且所述多个标识节点与所述多个检测单元一一对应;构建质量检测模型库,其中,所述质量检测模型库与所述多个检测单元连接;通过对第一标识节点进行工艺流程特征分析,从所述质量检测模型库中进行模型匹配,获得第一匹配检测模型;第一检测单元在所述质量检测模型库中调用所述第一匹配检测模型,获得所述第一生产电缆在所述第一标识节点输出的质量检测信息;通过对所述第一标识节点输出的质量检测信息进行质量合格判断,若合格,对第二标识节点进行检测,直至所述多个标识节点检测结束。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请实施例的范围,也不表示先后顺序。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a ,b,或c中的至少一项(个、种),可以表示:a ,b,c,a -b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于终端中。可选地,处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (9)
1.一种电缆生产工艺的质量智能检测方法,其特征在于,所述方法包括:
获得第一生产电缆的产品结构数据;
根据所述产品结构数据对所述第一生产电缆进行工艺复杂度分析,获得第一生产复杂度;
若所述第一生产复杂度处于预设生产复杂度之中,对电缆的生产工艺流程进行流程节点划分,生成多个标识节点,其中,所述多个标识节点中包括多个检测单元,且所述多个标识节点与所述多个检测单元一一对应;
构建质量检测模型库,其中,所述质量检测模型库与所述多个检测单元连接;
通过对第一标识节点进行工艺流程特征分析,从所述质量检测模型库中进行模型匹配,获得第一匹配检测模型;
第一检测单元在所述质量检测模型库中调用所述第一匹配检测模型,获得所述第一生产电缆在所述第一标识节点输出的质量检测信息;
通过对所述第一标识节点输出的质量检测信息进行质量合格判断,若合格,对第二标识节点进行检测,直至所述多个标识节点检测结束。
2.如权利要求1所述的方法,其特征在于,所述根据所述产品结构数据对所述第一生产电缆进行工艺复杂度分析,获得第一生产复杂度,所述方法还包括:
通过对所述第一生产电缆进行产品数据分析,获得结构尺寸数据,其中,所述结构尺寸数据包括几何数据和属性数据;
获得所述第一生产电缆的生产截面数据,其中,所述生产截面数据包括线芯量化数据和保护层量化数据;
基于AHP层次法,对所述几何数据、所述属性数据、所述线芯量化数据和所述保护层量化数据,进行权重赋值,获得第一权重赋值结果,其中,所述第一权重赋值结果包括,所述为所述几何数据的权重赋值结果,所述为所述属性数据的权重赋值结果,所述为所述线芯量化数据的权重赋值结果,所述为所述保护层量化数据的权重赋值结果;
根据所述第一权重赋值结果对所述第一生产电缆进行工艺复杂度分析,获得所述第一生产复杂度。
3.如权利要求2所述的方法,其特征在于,所述根据所述第一权重赋值结果对所述第一生产电缆进行工艺复杂度分析,获得所述第一生产复杂度,所述方法还包括:
获得所述第一生产电缆的特征生产设备信息;
通过对所述第一生产电缆的特征生产设备信息进行生产执行复杂度优化分析,获得第一执行优化度;
基于所述第一执行优化度,生成第一约束条件;
将所述第一约束条件作为所述第一权重赋值结果的约束条件,对所述第一权重赋值结果进行优化,获得第二权重赋值结果。
4.如权利要求1所述的方法,其特征在于,所述构建质量检测模型库,所述方法还包括:
根据所述产品结构数据从历史电缆生产工艺参数中进行比对,获得N个比对电缆产品;
获得所述N个比对电缆产品的质量数据;
基于所述质量数据对所述N个比对电缆产品进行寻优搜索,获得第一比对电缆产品,其中,所述第一比对电缆产品为质量最优的产品;
通过对所述第一比对电缆产品对应的生产工艺参数进行分层特征数据提取,并将提取的每一层特征数据作为模型的质量检测指标,构建多层质量检测模型;
根据所述多层质量检测模型,生成所述质量检测模型库。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
构建预设质量界值;
基于所述预设质量界值,从所述N个比对电缆产品中获得第二比对电缆产品,其中,所述第二比对电缆产品为质量不小于所述预设质量界值的产品,且所述第一比对电缆产品的质量大于所述第二比对电缆产品的质量;
根据所述第一比对电缆产品和所述第二比对电缆产品,生成模型的质量检测指标阈值,对所述质量检测模型库进行优化。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
获得所述第一标识节点输出的质量检测信息;
判断所述第一标识节点输出的质量检测信息是否处于预设质量等级中;
若所述第一标识节点输出的质量检测信息处于所述预设质量等级中,获得第一合格指令,将所述第一合格指令发送至所述第二标识节点,其中,所述第二标识节点处于已触发状态;
通过调用所述第二标识节点对应的第二匹配检测模型,获得所述第一生产电缆在所述第二标识节点输出的质量检测信息。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
构建阶梯判断逻辑规则,其中,所述阶梯判断逻辑规则包括第一预设质量等级、第二预设质量等级和第三预设质量等级;
根据所述阶梯判断逻辑规则对所述第一标识节点输出的质量检测信息进行阶梯性判断,获得第一阶梯判断结果;
若所述第一阶梯判断结果为不合格,获得第二阶梯判断结果;
若所述第二阶梯判断结果为不合格,获得第三阶梯判断结果;
若所述第三阶梯判断结果为不合格,获得第一提醒信息。
8.一种电缆生产工艺的质量智能检测系统,其特征在于,所述系统包括:
第一获得单元,所述第一获得单元用于获得第一生产电缆的产品结构数据;
第二获得单元,所述第二获得单元用于根据所述产品结构数据对所述第一生产电缆进行工艺复杂度分析,获得第一生产复杂度;
第一生成单元,所述第一生成单元用于若所述第一生产复杂度处于预设生产复杂度之中,对电缆的生产工艺流程进行流程节点划分,生成多个标识节点,其中,所述多个标识节点中包括多个检测单元,且所述多个标识节点与所述多个检测单元一一对应;
第一构建单元,所述第一构建单元用于构建质量检测模型库,其中,所述质量检测模型库与所述多个检测单元连接;
第三获得单元,所述第三获得单元用于通过对第一标识节点进行工艺流程特征分析,从所述质量检测模型库中进行模型匹配,获得第一匹配检测模型;
第四获得单元,所述第四获得单元用于第一检测单元在所述质量检测模型库中调用所述第一匹配检测模型,获得所述第一生产电缆在所述第一标识节点输出的质量检测信息;
第一执行单元,所述第一执行单元用于通过对所述第一标识节点输出的质量检测信息进行质量合格判断,若合格,对第二标识节点进行检测,直至所述多个标识节点检测结束。
9.一种电缆生产工艺的质量智能检测系统,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,其特征在于,使系统以执行如权利要求1~7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210298833.5A CN114399237B (zh) | 2022-03-25 | 2022-03-25 | 一种电缆生产工艺的质量智能检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210298833.5A CN114399237B (zh) | 2022-03-25 | 2022-03-25 | 一种电缆生产工艺的质量智能检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114399237A true CN114399237A (zh) | 2022-04-26 |
CN114399237B CN114399237B (zh) | 2022-08-05 |
Family
ID=81235195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210298833.5A Active CN114399237B (zh) | 2022-03-25 | 2022-03-25 | 一种电缆生产工艺的质量智能检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114399237B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115293629A (zh) * | 2022-08-19 | 2022-11-04 | 福赛轴承(嘉兴)有限公司 | 一种滚动轴承零件的生产加工方法及系统 |
CN115983048A (zh) * | 2023-03-20 | 2023-04-18 | 天津市特种设备监督检验技术研究院(天津市特种设备事故应急调查处理中心) | 一种基于数字孪生的冷凝器质量检测方法及系统 |
CN116307405A (zh) * | 2023-05-25 | 2023-06-23 | 日照鲁光电子科技有限公司 | 一种基于生产数据的二极管性能预测方法及系统 |
CN116341771A (zh) * | 2023-05-30 | 2023-06-27 | 江苏鹏润电缆科技有限公司 | 一种耐低温电缆生产工艺智能优化方法及系统 |
CN117032146A (zh) * | 2023-09-14 | 2023-11-10 | 河北鸿赫耐磨管道设备制造有限公司 | 一种耐磨弯头管件生产加工方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111983382A (zh) * | 2020-08-11 | 2020-11-24 | 广州番禺电缆集团有限公司 | 一种基于多节点的智能电缆监控平台及方法 |
CN112767379A (zh) * | 2021-01-28 | 2021-05-07 | 广东职业技术学院 | 陶瓷制造的故障检测方法、系统及计算机可读存储介质 |
CN114186897A (zh) * | 2021-12-24 | 2022-03-15 | 厦门理工学院 | 一种基于应用场景的智能服装质量检测方法及系统 |
-
2022
- 2022-03-25 CN CN202210298833.5A patent/CN114399237B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111983382A (zh) * | 2020-08-11 | 2020-11-24 | 广州番禺电缆集团有限公司 | 一种基于多节点的智能电缆监控平台及方法 |
CN112767379A (zh) * | 2021-01-28 | 2021-05-07 | 广东职业技术学院 | 陶瓷制造的故障检测方法、系统及计算机可读存储介质 |
CN114186897A (zh) * | 2021-12-24 | 2022-03-15 | 厦门理工学院 | 一种基于应用场景的智能服装质量检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
张剑: "《工业控制系统网络安全》", 31 May 2017, pages: 86 - 89 * |
谢华明 等: "基于复杂度的生产线平衡分析", 《南京工程学院学报(自然科学版)》, 30 June 2017 (2017-06-30), pages 22 - 28 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115293629A (zh) * | 2022-08-19 | 2022-11-04 | 福赛轴承(嘉兴)有限公司 | 一种滚动轴承零件的生产加工方法及系统 |
CN115983048A (zh) * | 2023-03-20 | 2023-04-18 | 天津市特种设备监督检验技术研究院(天津市特种设备事故应急调查处理中心) | 一种基于数字孪生的冷凝器质量检测方法及系统 |
CN115983048B (zh) * | 2023-03-20 | 2023-06-23 | 天津市特种设备监督检验技术研究院(天津市特种设备事故应急调查处理中心) | 一种基于数字孪生的冷凝器质量检测方法及系统 |
CN116307405A (zh) * | 2023-05-25 | 2023-06-23 | 日照鲁光电子科技有限公司 | 一种基于生产数据的二极管性能预测方法及系统 |
CN116307405B (zh) * | 2023-05-25 | 2023-08-04 | 日照鲁光电子科技有限公司 | 一种基于生产数据的二极管性能预测方法及系统 |
CN116341771A (zh) * | 2023-05-30 | 2023-06-27 | 江苏鹏润电缆科技有限公司 | 一种耐低温电缆生产工艺智能优化方法及系统 |
CN116341771B (zh) * | 2023-05-30 | 2023-08-04 | 江苏鹏润电缆科技有限公司 | 一种耐低温电缆生产工艺智能优化方法及系统 |
CN117032146A (zh) * | 2023-09-14 | 2023-11-10 | 河北鸿赫耐磨管道设备制造有限公司 | 一种耐磨弯头管件生产加工方法及系统 |
CN117032146B (zh) * | 2023-09-14 | 2024-05-07 | 河北鸿赫耐磨管道设备制造有限公司 | 一种耐磨弯头管件生产加工方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114399237B (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114399237B (zh) | 一种电缆生产工艺的质量智能检测方法及系统 | |
CN113902334A (zh) | 一种事件异常波动检测方法、系统、电子设备及存储介质 | |
CN110932901B (zh) | 一种告警等级调整方法及系统 | |
CN116306320B (zh) | 非血管腔道导丝生产质量管理方法及系统 | |
CN110474799B (zh) | 故障定位方法及装置 | |
CN110444011B (zh) | 交通流高峰识别方法、装置、电子设备及存储介质 | |
CN114918581B (zh) | 焊接参数处理方法、装置、存储介质及处理器 | |
CN115185761A (zh) | 异常检测方法及装置 | |
CN114817425A (zh) | 一种冷热数据分类的方法、装置、设备及可读存储介质 | |
CN114910756A (zh) | 一种低压母线槽的绝缘性能评估方法及系统 | |
CN110413927B (zh) | 在发布订阅系统中基于匹配实时性的优化方法及系统 | |
CN108228896B (zh) | 一种基于密度的缺失数据填补方法及装置 | |
CN114168318A (zh) | 存储释放模型的训练方法、存储释放方法及设备 | |
CN117573477A (zh) | 异常数据监控方法、装置、设备、介质和程序产品 | |
CN114205247B (zh) | 配电物联网的接入方法、装置、计算机设备及存储介质 | |
CN110968835A (zh) | 一种近似分位数计算方法及装置 | |
Yuan et al. | An optimized initialization center K-means clustering algorithm based on density | |
CN114580973B (zh) | 一种变压器生产过程的质量监测方法及系统 | |
CN116562917A (zh) | 一种电网售电量预测方法及售电管理系统 | |
US11868332B2 (en) | Data index establishment method, and apparatus | |
Dokuchaev et al. | Comparison of the Spectral and Hierarchy Analysis Methods Applicability for Technical Systems Choosing | |
CN113449008B (zh) | 一种建模方法及装置 | |
Lin et al. | Design and implementation of an improved DBSCAN algorithm | |
Boyang et al. | A design method of RBF neural network based on KNN-DPC | |
CN114722723B (zh) | 基于核极限学习机优化的情感倾向预测方法及设备 |
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 | ||
CB02 | Change of applicant information |
Address after: No.12 Chuangye Road, Jinfeng Town, Zhangjiagang, Suzhou City, Jiangsu Province Applicant after: Shanghai Electric Group tengenchi Technology (Suzhou) Co.,Ltd. Address before: No.12 Chuangye Road, Jinfeng Town, Zhangjiagang, Suzhou City, Jiangsu Province Applicant before: ZHANGJIAGANG TWENTSCHE CABLE Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |