CN114637264A - 动作稳定性分析方法、系统、设备及存储介质 - Google Patents
动作稳定性分析方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN114637264A CN114637264A CN202210256261.4A CN202210256261A CN114637264A CN 114637264 A CN114637264 A CN 114637264A CN 202210256261 A CN202210256261 A CN 202210256261A CN 114637264 A CN114637264 A CN 114637264A
- Authority
- CN
- China
- Prior art keywords
- action
- motion
- data
- duration
- value
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 82
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000033001 locomotion Effects 0.000 title claims description 126
- 230000009471 action Effects 0.000 claims abstract description 254
- 238000000034 method Methods 0.000 claims abstract description 72
- 238000004519 manufacturing process Methods 0.000 claims abstract description 61
- 230000000875 corresponding effect Effects 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims description 48
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 238000009826 distribution Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 238000003466 welding Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31088—Network communication between supervisor and cell, machine group
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种动作稳定性分析方法、系统、设备及存储介质,其中,所述方法包括:获取当前生产线上的动作数据;根据所述动作数据计算对应的动作参数,其中,所述动作参数包括:动作时长的平均值、最小值、众数、标准差、超时次数、超时累计时长;基于所述动作参数分析所述生产线上动作的稳定性。当实际确定不稳定的动作之后,可以对实际确定的动作不稳定的工位的设备进行调整,从而提升了自动化生产线效能优化的效率。
Description
技术领域
本发明涉及柔性制造技术领域,尤其涉及一种动作稳定性分析方法、系统、设备及存储介质。
背景技术
随着工业机械化水平和设备柔性化水平的提高,产品品种的增多,工艺负责度上升,市场需求的快速波动,在传统的生产线上,采集器会采集机器人的动作数据包括打点时长、焊接时长等,这些原始的动作数据会通过采集器写入到的数据库码头,但是这些原始的动作数据并没有再次处理,如果要计算一个动作的稳定性,则需要从动作的原始数据表按照查询条件获取数据重新计算,因为原始数据量非常庞大,从性能上考虑是非常耗时的,无法确定是哪个动作不稳定。因此,目前亟待一种动作稳定性分析方法。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种动作稳定性分析方法、系统、设备及存储介质,已解决现有技术中对于动作数据的稳定性分析耗时,且没有系统的动作稳定性分析的技术问题。
为实现上述目的,本发明提供一种动作稳定性分析方法,包括:
获取当前生产线上的动作数据;
根据所述动作数据计算对应的动作参数,其中,所述动作参数包括以下一种或多种:动作时长的平均值、最小值、众数、标准差、超时次数、超时累计时长;
基于所述动作参数分析所述生产线上动作的稳定性。
在其中一个实施例中,述基于所述动作参数分析所述生产线上的动作的稳定性的步骤包括:
获取所述生产线上的机器人报警信息,其中所述机器人报警信息包括以下一种或多种:机器人报警时长、气缸报警时长、电机报警时长、机器人报警次数、气缸报警次数及电机报警次数;
根据所述机器人报警信息按照预设分析标准得到所述生产线上动作稳定性分析结果。
在其中一个实施例中,所述方法还包括:
获取当前工位上的动作信息,其中,所述动作信息包括以下一种或多种:动作名称、动作超时累计、动作超时次数、动作特征值统计以及动作实际时长;
根据所述动作信息按照预设分析标准得到所述工位上的动作稳定性分析结果。
在其中一个实施例中,所述方法还包括:
获取每一动作数据对应的动作平均值;
根据所述动作平均值按照预设分析标准得到所述动作的稳定性分析结果。
在其中一个实施例中,所述获取当前生产线的动作数据的步骤包括:
采集当前生产线上的PLC数据;
按照预设标识将所述PLC数据划分为动作数据和状态数据。
在其中一个实施例中,所述方法还包括:
按照预设的动作数据信号ID值采集所述动作数据;
当采集到两个首动作数据时计算所述两个首动作的获取时间差;
根据所述获取时间差确定所述动作的持续时长。
在其中一个实施例中,所述按照预设的动作数据信号ID值采集所述动作数据的步骤包括:
根据预设的不同动作的信号ID值,将所述动作数据划分为至少一个动作;
获取预设时间段内至少一个动作的持续时长的数据集合。
在其中一个实施例中,所述根据所述动作数据计算对应的动作参数的步骤包括:
基于所述至少一个时长的持续时长的数据集合按预设计算规则计算所述动作数据对应的动作参数。
在其中一个实施例中,所述动作参数包括以下一种或者多种:
平均值、最小值、最大值、众数、标准差、极差、标准值、预警值、报警值、超时次数以及超时时长。
在其中一个实施例中,所述基于所述动作参数分析所述动作的稳定性的步骤包括:
判断所述至少一个动作的持续时长是否超过预设标准值,所述至少一个动作的持续时长记录至数据库中;
若未超过预设标准值,则记录所述持续时长为正常的持续时长;
若超过预设标准值,则判断所述至少一个动作的持续时长是否超过预设警示值;
若未超过预设警示值,则记录所述持续时长为超时动作的持续时长,该次动作不纳入超时次数的统计内,不纳入超时累计时长的统计值内;
若超过预设警示值,则判断所述至少一个动作的持续时长是否超过预设报警值;
若超过预设报警值,则记录所述持续时长为报警的动作超时的持续时长,该次动作纳入超时次数的统计内,纳入超时累计时长的统计值内。
在其中一个实施例中,所述方法还包括:
对工艺动作进行横向对比分析;
对超基准值的工艺进行分析;
对工艺动作的时序进行分析;以及
对工艺动作的频次分布进行分析。
在其中一个实施例中,所述方法还包括:
根据对工艺动作进行横向对比分析以及对超基准值的工艺进行分析的结果确定异常动作;
分析异常动作在时间轴上的分布情况;
若异常动作的持续时间在时间轴上呈逐步增长的趋势,将该异常动作对应的设备标记为异常设备,并生成报警信号。
此外,为了实现上述目的,本发明其中一个实施例还提供了一种动作稳定性分析系统,包括:
获取模块,用于获取当前生产线上的动作数据;
计算模块,用于根据所述动作数据计算对应的动作参数,其中,所述动作参数包括以下一种或多种:动作时长的平均值、最小值、众数、标准差、超时次数、超时累计时长;
分析模块,用于基于所述动作参数分析所述生产线上动作的稳定性。
此外,为了实现上述目的,本发明其中一个实施例还提供了一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器连接的存储器;其中,所述存储器上存储有可被至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器在执行时能够实现上述任意一项所述的动作稳定性分析方法。
此外,为了实现上述目的,本发明其中一个实施例还提供了一种计算机存储介质,其特征在于,所述计算机可读存储介质上存储有动作稳定性分析的控制程序,所述动作稳定性分析的控制程序被处理器执行时实现如上述任意一项所述的动作稳定性分析方法的步骤。
本发明所提供的一种动作稳定性分析方法及动作稳定性分析系统具有以下有益效果:
本发明通过获取当前工位的动作数据;根据所述动作数据计算对应的动作参数,其中,所述动作参数包括:动作时长的平均值、最小值、众数、标准差、超时次数、超时累计时长;基于所述动作参数分析所述工位动作的稳定性。当实际确定不稳定的动作之后,可以对实际确定的动作不稳定的工位的设备进行调整。从而提升了自动化生产线效能优化的效率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端\装置结构示意图;
图2为本发明动作稳定性分析方法一实施例的流程示意图;
图3为本发明动作稳定性分析方法另一实施例的流程示意图;
图4为本发明动作稳定性分析方法另一实施例的流程示意图;
图5为本发明其中一个实施例所提供的一种动作稳定性分析系统模块示意图。
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。
本发明实施例的主要解决方案是:获取当前生产线上的动作数据;根据所述动作数据计算对应的动作参数,其中,所述动作参数包括:动作时长的平均值、最小值、众数、标准差、超时次数、超时累计时长;基于所述动作参数分析所述生产线上动作的稳定性。。
由于现有技术中,关于生产线上的线体数据、工位数据甚至动作数据的分析不够精确,影响所生产的产品的品质,由此需要一种对生产线上工位的动作稳定性进行分析统计,以进一步地帮助寻找动作不稳定的瓶颈工位,以提高生产效率和产品的品质。
本发明提供一种解决方案,使当实际确定不稳定的动作之后,可以对实际确定的动作不稳定的工位的设备的控制程序或者工作参数进行调整。从而提升了自动化生产线效能优化的效率。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端可以是PC,也可以是智能手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面3)播放器、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、用户接口模块以及动作稳定性分析应用程序。
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中存储的动作稳定性分析应用程序,并执行以下操作:
获取当前生产线上的动作数据;
根据所述动作数据计算对应的动作参数,其中,所述动作参数包括:动作时长的平均值、最小值、众数、标准差、超时次数、超时累计时长;
基于所述动作参数分析所述生产线上动作的稳定性。
请参照图2,本发明第一实施例提供一种动作稳定性分析方法,所述方法包括:
步骤S10,获取当前生产线的动作数据;
步骤S20,根据所述动作数据计算对应的动作参数,其中,所述动作参数包括:动作时长的平均值、最小值、众数、标准差、超时次数、超时累计时长;
步骤S30,基于所述动作参数分析所述生产线上动作的稳定性。
具体而言,在本实施例中,获取当前自动生产线上的动作数据,其中动作数据的获取可以通过当前生产线上的动作数据采集器采集所得,也可以通过直接采集当前生产线的通信接口中的PLC数据,并识别PLC数据中的动作数据;并将获取得到的动作数据按照预设的动作划分方法,将该数据划分为对应于若干工位上对应的若干个动作数据。示例性地:工位1-上件(0.5s)、气缸夹紧(0.2s)、机器人焊接(0.3s)、气缸打开(0.5s)、抓件(0.2s)、放件(0.5s)……;工位2-机器人抓件(0.6s)、机器人焊接(1.0s)、机器人放件(0.5s)、机器人抓件(0.2s)……;工位-n,采集一定时间范围内该生产线上动作数据以得到多组当前生产线上的多个工位对应的动作数据,并根据多组动作数据中计算得到该生产线上各个工位上动作对应的动作参数,其中动作参数包括:动作时长的平均值、最小值、众数、标准差、超时次数、超时累计时长。由此根据所述得到的数据可以了解当前生产线上哪些动作波动比较大,哪些工位的动作不稳定,由此可以进一步地对波动较大的动作进行调整,有利于检测出生产线上的瓶颈工位、不稳定的动作,进一步地提高生产效率及所生产产品的品质。
在本实施例中,通过获取当前生产线的动作数据根据所述动作数据计算对应的动作参数,其中,所述动作参数包括:动作时长的平均值、最小值、众数、标准差、超时次数、超时累计时长;基于所述动作参数分析所述生产线上动作的稳定性。由此根据所述得到的数据可以了解当前生产线上哪些动作波动比较大,哪些工位的动作不稳定,由此可以进一步地对波动较大的动作进行调整,有利于检测出生产线上的瓶颈工位、不稳定的动作,进一步地提高生产效率及所生产产品的品质。
进一步地,基于上述实施例,在本发明一种动作稳定性分析方法所提供的其中一个实施例中,所述步骤S30还包括:
步骤S301,获取所述生产线上的机器人报警信息,其中所述机器人报警信息包括以下一种或多种:机器人报警时长、气缸报警时长、电机报警时长、机器人报警次数、气缸报警次数及电机报警次数;
步骤S302,根据所述机器人报警信息按照预设分析标准得到所述生产线上动作稳定性分析结果。
具体而言,在本实施例中,对于生产线上的生产数据进行采集存储在数据库中,并预先建立生产线的动作稳定性评价标准,通过获取当前生产线上的机器人报警信息,其中所述机器人报警信息包括以下一种或多种:机器人报警时长、气缸报警时长、电机报警时长、机器人报警次数、气缸报警次数及电机报警次数,并根据预先设置的生产线的动作稳定性评价标准得到该生产线动作稳定性对应的评价结果,根据所述评价结果得到当前生产线动作的整体稳定性。
进一步地,基于上述实施例,在本发明一种动作稳定性分析方法所提供的其中一个实施例中,所述方法还包括:
步骤S301’,获取当前工位上的动作信息,其中,所述动作信息包括以下一种或多种:动作名称、动作超时累计、动作超时次数、动作特征值统计以及动作实际时长;
步骤S302’,根据所述动作信息按照预设分析标准得到所述工位上的动作稳定性分析结果。
具体而言,在本实施例中,按照工位获取每一工位上对应的动作数据,并从数据库中获取每一工位上对应的动作信息,示例性地,动作信息包括以下一种或多种:动作名称、动作超时累计、动作超时次数、动作特征值统计以及动作实际时长;并通过预先设置的工位动作稳定性评价标准对工位上对应的动作数据进行评价并得到评价结果,根据该评价结果分析工位对应的动作稳定性,以此得到工位层的动作稳定性分析结果。
进一步地,基于上述实施例,在本发明一种动作稳定性分析方法所提供的其中一个实施例中,所述方法还包括:
步骤S301”,获取每一动作数据对应的动作平均值;
步骤S302”,根据所述动作平均值按照预设分析标准得到所述动作的稳定性分析结果。
具体而言,在本实施例中,针对采集得到的动作数据对每一动作的动作平均值进行计算,并根据预设的动作数据标准值进行比较以得到该动作的与标准动作值的对比结果,根据实际动作平均值与标准动作值的对比结果分析该动作的稳定性。
进一步地,基于上述实施例,在本发明一种动作稳定性分析方法所提供的其中一个实施例中,所述步骤S10还包括:
步骤S101,采集当前工位上的PLC数据;
步骤S102,按照预设标识将所述PLC数据划分为动作数据和状态数据。
具体而言,在本实施例中,由于在目前关于设备生产线上,采集生产数据的采集器将采集机器人的动作数据中的打点时长、焊接时长等,并且这些原始动作数据会通过采集器写入到数据库中保存,但是并未针对这些原始动作数据作进一步的处理,如果要计算一个工位的工艺节拍时长,就需要从数据库中的原始动作数据中按照查询条件获取数据重新计算,由于原始动作数据非常庞大,其不能保证实时获得该工位下工艺的节拍时长。因此,在本实施例中,通过采集器采集生产线上的PLC数据((Programmable Logic Controller,可编程逻辑控制器)控制器,其所编写的程序为PLC控制程序。具体地,PLC控制器是一种专门为在工业环境下应用而设计的数字运算操作电子系统,其采用一种可编程的存储器,在其内部存储执行逻辑运算、顺序控制、定时、计数和算术运算等操作的指令,通过数字式或模拟式的输入输出来控制各种类型的机械设备或生产过程)。并按照操作人员预先设置的规则区分PLC数据中的动作数据和状态数据,并监听PLC数据中的动作数据。
进一步地,基于上述实施例,在本发明一种动作稳定性分析方法其中一个实施例中,所述方法还包括:
步骤S40,按照预设的动作数据信号ID值采集所述动作数据;
步骤S50,当采集到两个首动作数据时计算所述两个首动作的获取时间差;
步骤S60,根据所述获取时间差确定所述工位上动作的持续时长。
具体而言,在本实施例中,在采集器采集得到的PLC数据中,操作人员或程序员会预先设置动作数据的身份标识ID值,即,动作数据采集器根据动作数据信号ID值采集动作数据,当采集到两个首动作数据时,即该工位下的工艺对应的所有动作已经完成一轮,并且根据两个首动作数据获取的时间点的时间差即为该工位下对应的工艺节拍的总时长。示例性地,针对生成线上的某一个工位的PLC数据进行采集,当监测到所采集得到的动作数据中包括的两个首动作数据时,计算两个首动作数据获取时间点的时间差以得到该工位下对应的工艺节拍时长,例如:第一首动作数据的获取时间点为9:10,第二首动作数据获取时间点为9:50,则根据两个首动作数据的获取时间差得到该工艺节拍的总时长为40分钟。
此外,在本实施例中,作业人员还可以根据实际应用场景,针对首动作数据采用不同的信号ID值,示例性地,针对首动作设置占有的信号ID值,由此,当监听采集到的PLC数据中出现两个首动作数据ID值时,则根据两个ID值获取的时间点之间的时间差,即,在监测到两个首动作数据时及时计算出该工位下工艺节拍的时长,既方便了工艺节拍总时长的计算也保证了获得工艺节拍总时长的实时性。
在本实施例中,根据按照预设的动作数据信号ID值采集所述动作数据;当采集到两个首动作数据时计算所述两个首动作的获取时间差;根据所述获取时间差确定所述生成线上工艺节拍总时长。即,在监测到两个首动作数据时及时计算出该工位下工艺节拍的时长,既方便了工艺节拍总时长的计算也保证了获得工艺节拍总时长的实时性。
进一步地,基于上述实施例,在本发明一种动作稳定性分析方法所提供的其中一个实施例中,所述步骤S40包括:
步骤S401,根据预设的不同动作的信号ID值,将所述动作数据划分为至少一个动作;
步骤S402,获取预设时间段内至少一个动作的持续时长的数据集合。
具体而言,在本实施例中,在采集器采集得到的PLC数据中,操作人员或程序员会预先设置动作数据的身份标识ID值,即,动作数据采集器根据动作数据信号ID值采集动作数据,并根据动作数据信号ID值划分为多个动作数据,并在一个生产周期或者一段时间内获取至少一个动作数据的时长组合;例如以下表:
其中所述动作参数包括以下一种或者多种:
平均值、最小值、最大值、众数、标准差、极差、标准值、预警值、报警值、超时次数以及超时时长。
进一步地,基于上述实施例,在本发明一种动作稳定性分析方法所提供的其中一个实施例中,所述步骤S30还包括:
步骤S301,判断所述至少一个动作的持续时长是否超过预设标准值,所述至少一个动作的持续时长记录至数据库中;
步骤S302,若未超过预设标准值,则记录所述持续时长为正常的持续时长;
步骤S303,若超过预设标准值,则判断所述至少一个动作的持续时长是否超过预设警示值;
步骤S304,若未超过预设警示值,则记录所述持续时长为超时动作的持续时长,该次动作不纳入超时次数的统计内,不纳入超时累计时长的统计值内;
步骤S305,若超过预设警示值,则判断所述至少一个动作的持续时长是否超过预设报警值;
步骤S306,若超过预设报警值,则记录所述持续时长为报警的动作超时的持续时长,该次动作纳入超时次数的统计内,纳入超时累计时长的统计值内。
具体而言,在本实施例中,技术人员根据实际的应用场景,设置该工艺场景下各个动作对应的标准值、预警值和报警值,根据动作数据采集器采集得到的动作分别的持续时长,例如:气缸的标准值是1.3秒,报警值为1.8秒。报警值为2秒,在预设的生产期间内,获取该工位下该工作的多组数据值,再计算其对应的平均值、最小值、最大值、众数、极差、超时次数、报警次数以及超时累计时长,并对报警次数进行记录。由此生成对应的报表进行记录。并且计算该工位上对应的各个动作的波动率,其中,波动率通过平均值减去众数的绝对值除以绝对值。根据所得的各个动作对应的波动率确定波动较大的动作,需要检车确认是否存在故障隐患(例如由于气缸时间短,故容易出现波动率计算偏高的情况)。进一步地,及时找出对当前生产线存在故障的隐患,进一步地提高生产效率。
此外,在对超时的工艺进行分析的过程包括:
将各组动作的工作参数的实际检测值与预设值相比较;
若其中一组动作的工作参数的实际检测值与预设值的差值小于或者等于预设的幅度差值,将该组动作以第一颜色标识并展示;
若其中一组动作的工作参数的实际检测值与预设值的差值大于预设的幅度差值,将该组动作以第二颜色标识并展示。
在本实施例中,通过将工作参数的实际检测值与预设值的差值小于或者等于预设的幅度差值的一组动作标识为第一颜色并进行展示,以及将工作参数的实际检测值与预设值的差值大于预设的幅度差值的一组动作标识为第二颜色并进行展示,用户可以直观地观察到那一组动作在正常值范围内,那一组动作在正常值范围之外,从而便于用户对自动化生产线的工作参数进行调整。
进一步地,基于上述实施例,在本发明一种动作稳定性分析方法所提供的其中一个实施例中,所述方法还包括:
步骤S40,对工艺动作进行横向对比分析;
步骤S50,对超基准值的工艺进行分析;
步骤S60,对工艺动作的时序进行分析;以及
步骤S70,对工艺动作的频次分布进行分析。
具体而言,在本实施例中,通过在设备层或者工位层或者线体层上对生产工艺的节拍数据进行分析,从而使所得到的自动化生产线的工艺数据更加精准。
进一步地,请参照图4,基于上述实施例,本发明一种动作稳定性分析方法所提供的其中一个实施例中,所述方法还包括:
步骤S40’,根据对工艺动作进行横向对比分析以及对超基准值的工艺进行分析的结果确定异常动作;
步骤S50’,分析异常动作在时间轴上的分布情况;
步骤S60’,若异常动作的持续时间在时间轴上呈逐步增长的趋势,将该异常动作对应的设备标记为异常设备,并生成报警信号。
具体而言,在本实施例中,在其中一个实施例中,对工艺动作的时序进行分析的过程包括:根据对工艺动作进行横向对比分析以及对超基准值的工艺进行分析的结果确定异常动作;分析异常动作在时间轴上的分布情况;若异常动作的持续时间在时间轴上呈逐步增长的趋势,将该异常动作对应的设备标记为异常设备,并生成报警信号。在其中一个实施例中,所述对工艺动作的频次分布进行分析的过程包括:在预设时间内,检测某一工艺动作的持续时间及具有该持续时间的工艺动作的次数;判断该工艺动作的次数分布情况是否符合正态分布情况,若否,将该工艺动作标记为异常动作。
在其中一个实施例中,根据所述工位时序甘特图,可以得出以下的效能优化结果:
在本实施例中,当实际确定不稳定的动作之后,可以对实际确定的动作不稳定的工位的设备的控制程序或者工作参数进行调整。从而提升了自动化生产线效能优化的效率。
此外,请参照图5,为了实现上述目的,本发明其中一个实施例还提供了一种动作稳定性分析系统300,包括:
获取模块310,用于获取当前生产线上的动作数据;
计算模块320,用于根据所述动作数据计算对应的动作参数,其中,所述动作参数包括:动作时长的平均值、最小值、众数、标准差、超时次数、超时累计时长;
分析模块330,用于基于所述动作参数分析所述生产线上动作的稳定性。
本发明其中一个实施例提供了一种电子设备,包括:至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,所述存储器上存储有可被至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器在执行时能够实现如上述任意一项所述的动作稳定性分析的步骤。
本发明其中一个实施例提供了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计算机程序,所述计算机程序被处理器执行时实现如以上任意一项实施例所述的动作稳定性分析方法的步骤。
以上所述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,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
需要说明的是,在本文中,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。
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 (15)
1.一种动作稳定性分析方法,其特征在于,包括:
获取当前生产线上的动作数据;
根据所述动作数据计算对应的动作参数,其中,所述动作参数包括:动作时长的平均值、最小值、众数、标准差、超时次数、超时累计时长;
基于所述动作参数分析所述生产线上动作的稳定性。
2.根据权利要求1所述的动作稳定性分析方法,其特征在于,所述基于所述动作参数分析所述生产线上的动作的稳定性的步骤包括:
获取所述生产线上的机器人报警信息,其中所述机器人报警信息包括以下一种或多种:机器人报警时长、气缸报警时长、电机报警时长、机器人报警次数、气缸报警次数及电机报警次数;
根据所述机器人报警信息按照预设分析标准得到所述生产线上动作稳定性分析结果。
3.根据权利要求1所述的动作稳定性分析方法,其特征在于,所述方法还包括:
获取当前工位上的动作信息,其中,所述动作信息包括以下一种或多种:动作名称、动作超时累计、动作超时次数、动作特征值统计以及动作实际时长;
根据所述动作信息按照预设分析标准得到所述工位上的动作稳定性分析结果。
4.根据权利要求1所述的动作稳定性分析方法,其特征在于,所述方法还包括:
获取每一动作数据对应的动作平均值;
根据所述动作平均值按照预设分析标准得到所述动作的稳定性分析结果。
5.根据权利要求1所述的动作稳定性分析方法,其特征在于,所述获取当前生产线的动作数据的步骤包括:
采集当前生产线上的PLC数据;
按照预设标识将所述PLC数据划分为动作数据和状态数据。
6.根据权利要求1-5任意一项所述的动作稳定性分析方法,其特征在于,所述方法还包括:
按照预设的动作数据信号ID值采集所述动作数据;
当采集到两个首动作数据时计算所述两个首动作的获取时间差;
根据所述获取时间差确定所述动作的持续时长。
7.根据权利要求6所述的动作稳定性分析方法,其特征在于,所述按照预设的动作数据信号ID值采集所述动作数据的步骤包括:
根据预设的不同动作的信号ID值,将所述动作数据划分为至少一个动作;
获取预设时间段内至少一个动作的持续时长的数据集合。
8.根据权利要求7所述的动作稳定性分析方法,其特征在于,所述根据所述动作数据计算对应的动作参数的步骤包括:
基于所述至少一个时长的持续时长的数据集合按预设计算规则计算所述动作数据对应的动作参数。
9.根据权利要求8所述的动作稳定性分析方法,其特征在于,所述动作参数包括以下一种或者多种:
平均值、最小值、最大值、众数、标准差、极差、标准值、预警值、报警值、超时次数以及超时时长。
10.根据权利要求7所述的动作稳定性分析方法,其特征在于,所述基于所述动作参数分析所述动作的稳定性的步骤包括:
判断所述至少一个动作的持续时长是否超过预设标准值,所述至少一个动作的持续时长记录至数据库中;
若未超过预设标准值,则记录所述持续时长为正常的持续时长;
若超过预设标准值,则判断所述至少一个动作的持续时长是否超过预设警示值;
若未超过预设警示值,则记录所述持续时长为超时动作的持续时长,该次动作不纳入超时次数的统计内,不纳入超时累计时长的统计值内;
若超过预设警示值,则判断所述至少一个动作的持续时长是否超过预设报警值;
若超过预设报警值,则记录所述持续时长为报警的动作超时的持续时长,该次动作纳入超时次数的统计内,纳入超时累计时长的统计值内。
11.根据权利要求1所述的动作稳定性分析方法,其特征在于,所述方法还包括:
对工艺动作进行横向对比分析;
对超基准值的工艺进行分析;
对工艺动作的时序进行分析;以及
对工艺动作的频次分布进行分析。
12.根据权利要求1所述的动作稳定性分析方法,其特征在于,所述方法还包括:
根据对工艺动作进行横向对比分析以及对超基准值的工艺进行分析的结果确定异常动作;
分析异常动作在时间轴上的分布情况;
若异常动作的持续时间在时间轴上呈逐步增长的趋势,将该异常动作对应的设备标记为异常设备,并生成报警信号。
13.一种动作稳定性分析系统,其特征在于,包括:
获取模块,用于获取当前生产线上的动作数据;
计算模块,用于根据所述动作数据计算对应的动作参数,其中,所述动作参数包括:动作时长的平均值、最小值、众数、标准差、超时次数、超时累计时长;
分析模块,用于基于所述动作参数分析所述生产线上动作的稳定性。
14.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器连接的存储器;其中,所述存储器上存储有可被至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器在执行时能够实现如权利要求1-12任意一项所述的动作稳定性分析方法。
15.一种计算机存储介质,其特征在于,所述计算机可读存储介质上存储有动作稳定性分析的控制程序,所述动作稳定性分析的控制程序被处理器执行时实现如权利要求1-12任意一项所述的动作稳定性分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210256261.4A CN114637264B (zh) | 2022-03-15 | 2022-03-15 | 动作稳定性分析方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210256261.4A CN114637264B (zh) | 2022-03-15 | 2022-03-15 | 动作稳定性分析方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114637264A true CN114637264A (zh) | 2022-06-17 |
CN114637264B CN114637264B (zh) | 2024-05-17 |
Family
ID=81948833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210256261.4A Active CN114637264B (zh) | 2022-03-15 | 2022-03-15 | 动作稳定性分析方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114637264B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024067837A1 (zh) * | 2022-09-30 | 2024-04-04 | 广州明珞装备股份有限公司 | 确定设备稳定性的方法及装置、计算机设备、存储介质 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006302096A (ja) * | 2005-04-22 | 2006-11-02 | Omron Corp | 工程異常検知システム |
CN1996183A (zh) * | 2006-07-19 | 2007-07-11 | 深圳创维-Rgb电子有限公司 | 一种实时监测控制生产流水线作业节拍的方法 |
US20160314428A1 (en) * | 2015-04-24 | 2016-10-27 | Optim Corporation | Action analysis server, method of analyzing action, and program for action analysis server |
US20170263104A1 (en) * | 2016-03-10 | 2017-09-14 | Boe Technology Group Co., Ltd. | Production equipment monitoring method and system |
WO2017183107A1 (ja) * | 2016-04-19 | 2017-10-26 | 三菱電機株式会社 | 非定常検出装置、非定常検出システムおよび非定常検出方法 |
CN107305367A (zh) * | 2016-04-22 | 2017-10-31 | 欧姆龙株式会社 | 生产线的管理装置 |
CN110047165A (zh) * | 2019-02-28 | 2019-07-23 | 广州明珞汽车装备有限公司 | 一种生产监控管理系统及方法 |
US20190286117A1 (en) * | 2018-03-13 | 2019-09-19 | Omron Corporation | Failure prediction support device, failure prediction support method and failure prediction support program |
CN110376977A (zh) * | 2019-06-05 | 2019-10-25 | 广州明珞汽车装备有限公司 | 一种循环周期的计算方法、系统、装置和存储介质 |
KR102145361B1 (ko) * | 2020-03-24 | 2020-08-19 | 연세대학교 산학협력단 | 마르코브 결정 프로세스를 이용한 생산 라인의 제어 로직 최적화 장치 및 방법 |
KR102165207B1 (ko) * | 2019-12-17 | 2020-10-13 | 주식회사 뮤온시스템 | Ai 기반의 스마트 자동화 공정 오동작 진단 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체 |
CN111861127A (zh) * | 2020-06-19 | 2020-10-30 | 广州明珞汽车装备有限公司 | 一种气缸设备分析方法、系统、装置及其存储介质 |
CN111949941A (zh) * | 2020-07-03 | 2020-11-17 | 广州明珞汽车装备有限公司 | 一种设备故障检测方法、系统、装置和存储介质 |
CN112149546A (zh) * | 2020-09-16 | 2020-12-29 | 珠海格力电器股份有限公司 | 一种信息处理方法、装置、电子设备及存储介质 |
CN112526952A (zh) * | 2020-12-14 | 2021-03-19 | 安徽巨一科技股份有限公司 | 一种基于线体节拍采集及分析方法和系统 |
CN113219921A (zh) * | 2021-04-30 | 2021-08-06 | 广州明珞装备股份有限公司 | 一种工位生产节拍处理方法、系统、装置及存储介质 |
CN113537683A (zh) * | 2020-04-22 | 2021-10-22 | 株式会社日立制作所 | 生产周期分析方法及生产周期分析系统 |
CN113850114A (zh) * | 2020-06-25 | 2021-12-28 | 欧姆龙株式会社 | 动作识别装置、动作识别方法以及存储介质 |
WO2021258564A1 (zh) * | 2020-06-24 | 2021-12-30 | 广州明珞装备股份有限公司 | 一种工艺节拍处理方法、系统、装置及存储介质 |
CN115616994A (zh) * | 2022-09-30 | 2023-01-17 | 广州明珞装备股份有限公司 | 一种设备稳定性分析方法及系统、设备、存储介质 |
-
2022
- 2022-03-15 CN CN202210256261.4A patent/CN114637264B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006302096A (ja) * | 2005-04-22 | 2006-11-02 | Omron Corp | 工程異常検知システム |
CN1996183A (zh) * | 2006-07-19 | 2007-07-11 | 深圳创维-Rgb电子有限公司 | 一种实时监测控制生产流水线作业节拍的方法 |
US20160314428A1 (en) * | 2015-04-24 | 2016-10-27 | Optim Corporation | Action analysis server, method of analyzing action, and program for action analysis server |
US20170263104A1 (en) * | 2016-03-10 | 2017-09-14 | Boe Technology Group Co., Ltd. | Production equipment monitoring method and system |
WO2017183107A1 (ja) * | 2016-04-19 | 2017-10-26 | 三菱電機株式会社 | 非定常検出装置、非定常検出システムおよび非定常検出方法 |
CN107305367A (zh) * | 2016-04-22 | 2017-10-31 | 欧姆龙株式会社 | 生产线的管理装置 |
US20190286117A1 (en) * | 2018-03-13 | 2019-09-19 | Omron Corporation | Failure prediction support device, failure prediction support method and failure prediction support program |
CN110047165A (zh) * | 2019-02-28 | 2019-07-23 | 广州明珞汽车装备有限公司 | 一种生产监控管理系统及方法 |
CN110376977A (zh) * | 2019-06-05 | 2019-10-25 | 广州明珞汽车装备有限公司 | 一种循环周期的计算方法、系统、装置和存储介质 |
KR102165207B1 (ko) * | 2019-12-17 | 2020-10-13 | 주식회사 뮤온시스템 | Ai 기반의 스마트 자동화 공정 오동작 진단 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체 |
KR102145361B1 (ko) * | 2020-03-24 | 2020-08-19 | 연세대학교 산학협력단 | 마르코브 결정 프로세스를 이용한 생산 라인의 제어 로직 최적화 장치 및 방법 |
CN113537683A (zh) * | 2020-04-22 | 2021-10-22 | 株式会社日立制作所 | 生产周期分析方法及生产周期分析系统 |
CN111861127A (zh) * | 2020-06-19 | 2020-10-30 | 广州明珞汽车装备有限公司 | 一种气缸设备分析方法、系统、装置及其存储介质 |
WO2021258564A1 (zh) * | 2020-06-24 | 2021-12-30 | 广州明珞装备股份有限公司 | 一种工艺节拍处理方法、系统、装置及存储介质 |
CN113850114A (zh) * | 2020-06-25 | 2021-12-28 | 欧姆龙株式会社 | 动作识别装置、动作识别方法以及存储介质 |
CN111949941A (zh) * | 2020-07-03 | 2020-11-17 | 广州明珞汽车装备有限公司 | 一种设备故障检测方法、系统、装置和存储介质 |
WO2022001060A1 (zh) * | 2020-07-03 | 2022-01-06 | 广州明珞装备股份有限公司 | 一种设备故障检测方法、系统、装置和存储介质 |
CN112149546A (zh) * | 2020-09-16 | 2020-12-29 | 珠海格力电器股份有限公司 | 一种信息处理方法、装置、电子设备及存储介质 |
CN112526952A (zh) * | 2020-12-14 | 2021-03-19 | 安徽巨一科技股份有限公司 | 一种基于线体节拍采集及分析方法和系统 |
CN113219921A (zh) * | 2021-04-30 | 2021-08-06 | 广州明珞装备股份有限公司 | 一种工位生产节拍处理方法、系统、装置及存储介质 |
CN115616994A (zh) * | 2022-09-30 | 2023-01-17 | 广州明珞装备股份有限公司 | 一种设备稳定性分析方法及系统、设备、存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024067837A1 (zh) * | 2022-09-30 | 2024-04-04 | 广州明珞装备股份有限公司 | 确定设备稳定性的方法及装置、计算机设备、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114637264B (zh) | 2024-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170134878A1 (en) | Smart communication device or apparatus for collecting and evaluating information about equipment distributed over a large area, e.g., over a large industrial plant or oil field | |
US8515569B2 (en) | Work support system, work support method, and storage medium | |
WO2021169952A1 (zh) | 基于区块链的质量管控系统、方法及计算机可读存储介质 | |
CN107908551A (zh) | 终端软件测试方法、装置、终端和计算机存储介质 | |
US20200126662A1 (en) | Method, device, and apparatus for detecting disease probability, and computer-readable storage medium | |
CN113752266B (zh) | 基于协作化驱控一体机器人的人机协作方法、系统和介质 | |
CN111310351B (zh) | 车间设备的状态监测方法、装置、终端设备及存储介质 | |
CN114637264B (zh) | 动作稳定性分析方法、系统、设备及存储介质 | |
CN110096036A (zh) | 一种设备状态的确定方法、装置及设备 | |
US20210166180A1 (en) | Information processing apparatus, information processing method, and work evaluation system | |
KR101998972B1 (ko) | 변수 구간별 불량 발생 지수를 도출하여 공정 불량 원인을 파악하고 시각화하는 방법 | |
CN109669402B (zh) | 异常监控方法、设备、装置及计算机可读存储介质 | |
US11422915B2 (en) | Trace data acquisition system, trace data acquisition method, and information storage medium | |
CN115328048A (zh) | 注塑工艺监控方法、系统、设备及计算机可读存储介质 | |
CN115145788A (zh) | 一种针对智能运维系统的检测数据生成方法和装置 | |
CN117763030A (zh) | 数控机床的运行数据可视化方法、装置、设备及介质 | |
CN113656392A (zh) | 拧紧数据管理方法、装置及计算机可读存储介质 | |
CN116664520B (zh) | 一种电子产品的智能检测系统 | |
CN113673797A (zh) | 生产监测方法、装置及计算机可读存储介质 | |
CN113843305B (zh) | 模具监控预警方法、系统、设备及计算机可读存储介质 | |
CN111339196B (zh) | 基于区块链的数据处理方法、系统及计算机可读存储介质 | |
CN113919794A (zh) | 一种对构件可吊装能力批量快速分析的方法 | |
CN112398219A (zh) | 电厂智能监盘方法、系统及电子设备 | |
US20190095848A1 (en) | Action-information processing apparatus | |
CN111859058A (zh) | 环境数据的获取方法、装置、存储介质及电子装置 |
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 |