CN114693129A - 工业物联网智能制造服务平台、方法、设备及介质 - Google Patents
工业物联网智能制造服务平台、方法、设备及介质 Download PDFInfo
- Publication number
- CN114693129A CN114693129A CN202210338831.4A CN202210338831A CN114693129A CN 114693129 A CN114693129 A CN 114693129A CN 202210338831 A CN202210338831 A CN 202210338831A CN 114693129 A CN114693129 A CN 114693129A
- Authority
- CN
- China
- Prior art keywords
- fault
- module
- data
- equipment
- production
- 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
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 227
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000005457 optimization Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims description 59
- 238000007726 management method Methods 0.000 claims description 57
- 238000004458 analytical method Methods 0.000 claims description 51
- 230000009471 action Effects 0.000 claims description 45
- 239000000463 material Substances 0.000 claims description 26
- 230000002159 abnormal effect Effects 0.000 claims description 25
- 238000012544 monitoring process Methods 0.000 claims description 20
- 230000033001 locomotion Effects 0.000 claims description 19
- 238000005265 energy consumption Methods 0.000 claims description 13
- 230000000903 blocking effect Effects 0.000 claims description 12
- 238000012423 maintenance Methods 0.000 claims description 12
- 238000013439 planning Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 230000008676 import Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 5
- 230000008439 repair process Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims 2
- 238000003466 welding Methods 0.000 description 31
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000002354 daily effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 238000013024 troubleshooting Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation Effects 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/25—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Manufacturing & Machinery (AREA)
- General Factory Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Accounting & Taxation (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种云边端协同的工业物联网智能制造服务平台、方法、设备及介质。所述平台包括:包括端节点、边缘节点以及云端服务器。端节点位于现场设备侧,用于获取设备侧的运行数据,并将设备侧的运行数据输出至所述边缘节点。边缘节点位于现场产线侧,用于对所接收的设备侧的运行数据进行存储和处理,以获取若干数据结论,并将数据结论以数据报表的方式呈现。边缘节点还用于将数据结论中的第一数据包输出至云端服务器。云端服务器用于接收边缘节点所发送的第一数据包,并根据第一数据包对工厂或者行业的生产运行数据进行分析。以上云边端协同的方式可以满足生产数据低时延、实时呈现、数据优化及安全与隐私保护等方面的需求。
Description
技术领域
本发明属于柔性制造技术领域,具体涉及一种云边端协同的工业物联网智能制造服务平台、服务方法、服务设备及计算机存储介质。
背景技术
当前,以物联网为基础的智能制造技术迅速发展,成为制造业转型的核心和基础,解决了个性化定制柔性生产与效率、质量质检的矛盾,改变了生产管理体系和生态。智能制造基础上的柔性生产,也导致了产品多样性呈数量级增长,且生产进程复杂化,执行过程变化频繁,智能制造产线和设备运行过程中产生的大数据呈现高通量、多协议、数据源/类型丰富、采集速度各异等特点,导致运维数据量庞大、数据流通性差、实时性不高、故障/质量/任务等需求维护难度大、经济成本高等问题。因此必须加强对生产数据的分层分级采集和处理,提高设备端/产线端数据采集和分析的实时性,以及加强各数据应用模块之间的数据流通,实现精细定量的调控,达到资源和时间的优化,对生产线灵活快速切换,从而实现柔性化自动生产的高效实时智能运维。
现有技术中,一方面,针对智能产线的运维管理,主要还停留在数据采集、统计、数据分析、任务进度监控、故障诊断等相对单一和粗浅的层面,缺乏基于同一数据源从产线到工位到设备级在任务进度、效率、质量、备件、能耗等方面全面管理的综合性平台;另一方面,当前在产线运维中普遍采用的云计算在向一种更近全局化的分布式节点组合形态进阶以满足更广链接、更低时延、更好控制等需求;由于大部分制造业现场由于数据保密性要求,数据不可出厂,边缘计算成为部分工业现场的必选项。加上近几年取得重大突破的边缘计算是在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力就近提供边缘智能服务,满足敏捷联接、实时业务、数据优化、应用智能等方面的关键需求。但在部分复杂场景中,边缘节点和设备受限于其容量和算力,只能处理局部数据,无法形成全局认知。
为了满足智能产线运维对生产大数据实时性、有效性以及基于同一数据源对生产业务进行多维全面的实时管控,当前缺乏一种采用云边端协同的智能服务平台。
发明内容
为了克服现有技术的不足,本发明提供一种云边端协同的工业物联网智能制造服务平台、服务方法、服务设备及计算机存储介质,以解决现有技术中的智能制造服务平台中的数据实时性和隐私安全性不足的的问题。
本发明其中一个实施例提供了一种云边端协同的工业物联网智能制造服务平台,包括端节点、边缘节点以及云端服务器:
所述端节点位于现场设备侧,用于获取设备侧的运行数据,并将设备侧的运行数据输出至所述边缘节点;
所述边缘节点位于现场产线侧,用于对所接收的设备侧的运行数据进行存储和处理,以获取若干数据结论,并将所述数据结论以数据报表的方式呈现,所述数据结论包括第一数据包和第二数据包;同时,所述边缘节点还用于将所述数据结论中的第一数据包输出至所述云端服务器;
所述云端服务器用于接收所述边缘节点所发送的第一数据包,并根据所述第一数据包对工厂或者行业的生产运行数据进行分析。
所述第一数据包包括以下一种或者多种:生产节拍、综合效率、故障修复时间、故障间隔时间、设备开动率、设备稳定性数据;
所述第二数据包包括以下一种或者多种:生产工艺、节拍优化点、能耗优化点、生产参数、设备运行状况。
在其中一个实施例中,所述边缘节点包括以下一个或者多个子系统:
生产任务管理系统,用于生产调度以及订单管理;
效能优化系统,用于根据生产数据信息生成效能优化结果;
质量预测系统,用于根据生产数据信息判断工艺质量;
故障管理系统,用于快速定位故障设备的位置情况以及具体的故障原因;
能耗管理系统,用于根据生产环境自动调节耗能设备的运行频率;
运维管理系统,用于根据设备的工作参数,实现设备工作状态的预警分析。
在其中一个实施例中,所述生产任务管理系统包括以下一个或者多个模块:
生产队列信息模块,用于显示当班生产队列信息;
作业计划导入模块,用于上传及下发作业计划信息;
品种表管理模块,用于显示产品的品种信息;
历史生产追溯模块,用于查询产品的历史生产信息;
预上件提醒模块,用于在产品上件超过预设值时发出警报;以及
工艺统计模块,用于显示产品的规划工艺信息。
在其中一个实施例中,所述生产队列信息模块包括以下一种或多种:
生产序号信息、生产时间信息、生产线体名称信息、生产数量信息、生产班次信息、生产品种信息以及下发信息。
在其中一个实施例中,所述作业计划导入模块包括以下一种或多种:
第一导入按钮,用于将预设的作业计划导入;
第一导出按钮,用于将当前的作业计划导出;
计划解析按钮,用于将当前的作业计划解析;
计划下发按钮,用于将当前的作业计划下发。
在其中一个实施例中,所述效能优化系统包括:
节拍模块,用于检测自动化生产线的生产节拍;
动作稳定性模块,用于检测自动化生产线的动作稳定性;
堵缺料分析模块,用于检测自动化生产线的堵缺料情况;
报告生成模块,用于导出基础信息、节拍、故障、产量、堵缺料、动作时序中任意一项或者多项统计数据。
在其中一个实施例中,所述效能优化系统还包括瓶颈工位分析模块;
所述瓶颈工位分析模块终于根据所述节拍模块中的生产节拍生成节拍墙信息,并根据所述节拍墙的工位节拍信息初步确定瓶颈工位信息,同时,根据所述堵缺料分析模块中的堵缺料情况分析初步确定的瓶颈工位、其前工位及其后工位的线体状态,从而得到实际确定的瓶颈工位。
在其中一个实施例中,所述节拍模块执行以下步骤中的一种或者多种:
对同步工艺的平衡性进行分析;
对工艺的连续性进行分析;
对超时的工艺进行分析;以及
对镜像动作的平衡性进行分析。
在其中一个实施例中,所述动作稳定性模块执行以下步骤中的一种或者多种:
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,根据所述节拍模块,所述报告生成模块生成线体报表和工位报表;
和/或,根据所述动作稳定性模块,所述报告生成模块生成线体设备动作稳定性分析报表、工位设备动作稳定性分析报表和动作层级动作稳定性分析报表;
和/或,根据所述堵缺料分析模块,所述报告生成模块生成堵缺料分析报表。
在其中一个实施例中,所述故障管理系统包括:
采集模块,用于采集可编程控制器的设备故障信号;
故障监控模块,用于根据采集模块的故障信息生成实时监控结果;
故障记录模块,用于根据采集模块的故障信号记录设备故障信息;
故障趋势模块,用于根据限定条件查询及导出故障记录模块中的故障历史设备故障记录;
故障统计模块,用于统计车间内线体、工位或设备的故障累计时长或故障频次。
在其中一个实施例中,所述故障统计模块包括车间故障统计单元、线体故障统计单元、工位故障统计单元;
所述车间故障统计单元按车间内各线体统计故障频次、故障累计时间;得出异常或瓶颈线体;
所述线体故障统计单元对车间故障统计单元得出的异常线体进行故障分析,按线体内各工位统计故障频次、故障累计时间,得出异常或瓶颈工位;
所述工位故障统计单元对线体故障统计单元得出的异常工位进行故障分析,按工位内各设备统计故障频次、故障累计时间,得出异常或瓶颈设备。
在其中一个实施例中,所述故障管理系统执行以下步骤:
根据现场设备平面布局构建设备布局图;
通过采集器采集设备故障信号;
对所述设备故障信号进行分类解析,得到设备故障信息;
将所述设备故障信息与所述设备布局图结合,生成实时监控。
在其中一个实施例中,所述故障管理系统还执行以下步骤:
根据设备故障信号编写信号表,信号表里面包含所有故障信号及信号对应的工位、类别、设备信息;
根据信号表对故障信号进行分类解析,得到设备故障信息;
记录设备故障信息到数据库,形成历史故障数据记录。
在其中一个实施例中,所述质量预测系统包括:
质量判断模块,用于根据设备或产线的运行参数实时监测质量;
质量追溯模块,用于根据工件的识别码对生产质量进行追溯及规划值对比。
本发明其中一个实施例还提供了一种云边端协同的工业物联网智能制造服务方法,包括:
提供端节点、边缘节点以及云端服务器;
通过所述端节点获取设备侧的运行数据,并将设备侧的运行数据输出至所述边缘节点;
通过所述边缘节点对所接收的设备侧的运行数据进行存储和处理,以获取若干数据结论,并将所述数据结论以数据报表的方式呈现,同时,还通过所述边缘节点将所述数据结论中的第一数据包输出至所述云端服务器;
通过所述云端服务器接收所述边缘节点所发送的第一数据包,并根据所述第一数据包对工厂或者行业的生产运行数据进行分析。
本发明其中一个实施例还提供了一种云边端协同的工业物联网智能制造服务设备,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以上实施例所述的工业物联网智能制造服务方法。
本发明其中一个实施例还提供了一种计算机存储介质,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实施例所述的云边端协同的工业物联网智能制造服务方法的步骤。
在以上实施例提供的云边端协同的工业物联网智能制造服务平台中,通过端节点获取设备侧的运行数据,并通过边缘节点对所接收的设备侧的运行数据进行存储和处理,以获取若干数据结论,并将所述数据结论以数据报表的方式呈现。同时,边缘节点还将数据结论中的第一数据包输出至云端服务器,以使得云端服务器根据第一数据包对跨工厂或者跨行业的生产运行数据进行分析。现有技术一般只在云端处理数据,对运算能力要求高、有时延、同时把数据上传到云端还存在数据安全性的问题。而在本实施例所提供的云边端协同的工业物联网智能制造服务平台中,通过将云计算技术下沉到边缘侧,在设备端进行数据采集,通过现场控制器侧的端节点获取设备的运行数据,进行少量数据处理和清洗,并将数据传输至边缘节点,在边缘节点端进行数据报表的呈现;数据结论通过边缘节点传输至云端服务器,用于对跨工厂及行业共性数据进行横向分析。这种云边端协同的方式可以满足生产数据低时延、实时呈现、数据优化及安全与隐私保护等方面的需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明其中一实施例提供的云边端协同的工业物联网智能制造服务平台的模块示意图;
图2为图1中的边缘节点的模块示意图;
图3为图2中的生产任务管理系统的模块示意图;
图4为图3中的生产队列信息模块的界面示意图;
图5为图3中的作业计划导入模块的界面示意图;
图6为图2中的效能优化系统的模块示意图;
图7为图6中的节拍模块所生成的节拍墙的示意图;
图8为图6中的缺堵料分析模块所生成的工位状态绝对值统计图表;
图9为图6中的缺堵料分析模块所生成的工位状态相对值统计图表;
图10为图2中的故障管理系统的模块示意图;
图11为图10中的故障统计模块的模块示意图;
图12为图10中的故障管理系统的执行步骤的流程示意图;
图13为图2中的质量预测系统的模块示意图;
图14为本发明其中一实施例提供的云边端协同的工业物联网智能制造服务方法的流程示意图;
图15为本发明其中一实施例提供的云边端协同的工业物联网智能制造服务设备的模块示意图。
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的一部分实施例,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作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。
需要说明,若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……),则该方向性指示仅用于解释在某一特定姿态下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,若本发明实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,若全文中出现的“和/或”或者“及/或”,其含义包括三个并列的方案,以“A和/或B”为例,包括A方案、或B方案、或A和B同时满足的方案。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
为了更好地对本申请中的技术方案进行描述,以下先对部分技术名词进行解释:
工位:一条生产线上分为多个工位,每个工位为一个固定区域用于进行特定工艺的加工。
生产节拍:在生产过程中,通常把加工完成一道工序工艺的所有生产动作叫一个生产节拍。每个生产节拍可能由一个动作组或多个动作组组成,而且每个动作组由许多生产动作组成。
工艺时序甘特图:以工位为基本单位,纵坐标为工艺动作,横坐标为时间,数字化显示工位工艺流程。
动作稳定性:反应设备动作的动作时长的波动状况,计算每次动作时长与动作平均值偏离的差异。
堵料:某工位处于堵料状态,则其下一步出料条件不满足,后工位未加工完时的停机等待状态。
缺料:某工位处于堵料状态,则其上一步入料条件不满足,前工位未加工完时的停机等待状态。
请参见图1,本发明其中一个实施例提供了一种云边端协同的工业物联网智能制造服务平台10。所述云边端协同的工业物联网智能制造服务平台10包括端节点11、边缘节点12以及云端服务器13。
所述端节点11位于现场设备侧,用于获取设备侧的运行数据,并将设备侧的运行数据输出至所述边缘节点12。
所述边缘节点12位于现场产线侧,用于对所接收的设备侧的运行数据进行存储和处理,以获取若干数据结论,所述数据结论包括第一数据包和第二数据包;同时,所述边缘节点还用于将所述数据结论中的第一数据包输出至所述云端服务器13。
所述云端服务器13用于接收所述边缘节点12所发送的第一数据包,并根据所述第一数据包对跨工厂或者跨行业的工厂或车间或设备的生产运行数据进行分析,包括横向的对比分析,也包括对特定工厂或车间或设备历史运行数据的纵向分析和模型训练。
在本实施例提供的云边端协同的工业物联网智能制造服务平台10中,通过端节点11获取设备侧的运行数据,并通过边缘节点12对所接收的设备侧的运行数据进行存储和处理,以获取若干数据结论,并将所述数据结论以数据报表的方式呈现。同时,边缘节点12还将数据结论中的第一数据包输出至云端服务器13,以使得云端服务器13根据第一数据包对跨工厂或者跨行业的生产运行数据进行横向分析。现有技术一般只在云端处理数据,对运算能力要求高、有时延、同时把数据上传到云端还存在数据安全性的问题。而在本实施例所提供的云边端协同的工业物联网智能制造服务平台10中,通过将云计算技术下沉到边缘侧,在设备端进行数据采集,通过现场控制器侧的端节点11获取设备的运行数据,进行少量数据处理和清洗,并将数据传输至边缘节点,在边缘节点端进行数据报表的呈现;数据结论通过边缘节点12传输至云端服务器13,用于对跨工厂及行业的生产运行数据进行横向分析。这种云边端协同的方式可以满足生产数据低时延、实时呈现、数据优化及安全与隐私保护等方面的需求。
所述第一数据包包括以下一种或者多种:生产节拍、综合效率、故障间隔时间、故障平均修复时间、设备开动率、设备稳定性数据。具体地,所述第一数据包包括工厂或者线体中的共性数据,例如说线体的JPH(Jobs Per Hour,单位时间工作量)、线体的OEE(Overall Equipment Effectiveness,全局设备效率)、线体的MTBF(Mean time betweenfailures,平均故障间隔时间)、线体的MTTR(mean time to restoration,平均故障修复时间)、线体的开动率、特定品牌设备的节拍以及特定品牌设备的稳定性。由于第一数据包包括工厂或者线体中的共性数据,所述云端服务器13可以根据共性数据对跨工厂或者跨行业的生产运行数据进行横向分析。
所述第二数据包包括以下一种或者多种:生产工艺、节拍优化点、能耗优化点、生产参数、设备运行状况。具体地,所述第二数据包包括工厂或者线体中的个性化数据。由于相应的个性化数据具有一定的私密性,其不适宜上传到云端服务器13进行分析。
请一并参见图2,在其中一个实施例中,所述边缘节点12包括以下一个或者多个子系统:
生产任务管理系统110,用于生产调度以及订单管理;
效能优化系统120,用于根据生产数据信息生成效能优化结果;
质量预测系统130,用于根据生产数据信息判断工艺质量;
故障管理系统140,用于快速定位故障设备的位置情况以及具体的故障原因;
能耗管理系统150,用于根据生产环境自动调节耗能设备的运行频率;
运维管理系统160,用于根据设备的工作参数,实现设备工作状态的预警分析。
在以上实施例提供的边缘节点12中,通过生产任务管理系统110管理生产数据信息,如进行生产调度和订单管理等。然后,根据生产数据信息,所述效能优化系统120可以生成效能优化结果,从而在设备层或者工位层或者线体层上对生产数据进行分析,以迅速找出问题的根源,提升了自动化生产线优化的准确度。其次,根据生产数据信息,所述质量预测系统130可以根据生产数据信息判断工艺质量。例如,所述质量预测系统130可以对焊接电流、焊接电压、焊接电阻进行在线监测,从而对焊点质量进行实时判断。再次,所述故障管理系统140可以快速定位故障设备的位置情况以及具体的故障原因。例如,在其中一个实施例中,可以通过采用现场设备布局相同的布局图显示具体的故障信息,可以快速地掌握故障设备的位置情况以及具体的故障原因,便于维修人员快速找到对应的故障设备进行维修。通过以上效能优化系统120、质量预测系统130以及故障管理系统140的设置,所述边缘节点12可以有效地提供产线或者设备管理人员的工作效率。
请一并参见图3,在其中一个实施例中,所述生产任务管理系统110包括以下一个或者多个模块:生产队列信息模块111、作业计划导入模块112、品种表管理模块113、历史生产追溯模块114、预上件提醒模块115以及工艺统计模块116。通过设置生产队列信息模块111以及历史生产追溯模块114等,可以实现每日排产,订单下发,订单追溯、大屏监控、产品管理及预上件提醒等功能。
在本实施例中,所述生产队列信息模块111用于显示当班生产队列信息;所述作业计划导入模块112用于上传及下发具体的作业计划信息;所述品种表管理模块113用于显示产品的品种信息;所述历史生产追溯模块114用于查询产品的历史生产信息;所述预上件提醒模块115用于在产品上件超过预设值时发出警报;所述焊点统计模块116用于显示产品的规划工艺信息。
请一并参见图4,在其中一个实施例中,所述生产队列信息模块111包括以下一种或多种:
生产序号信息、生产时间信息、生产线体名称信息、生产数量信息、生产班次信息、生产品种信息以及下发信息。例如,作业计划中,生产序号为2-9的,生产时间为2021年10月11日,由地板线(1)进行生产,生产数量为8个,生产班次为白班,生产的品种为2020/A-F002-F2(A),需要下发信息为2110110002101110-2110110009101110。
请一并参见图5,在其中一个实施例中,所述作业计划导入模块112主要实现导入生产计划文件中,在工业物联网智能制造服务平台中对生产任务进行拆分,拆分完成后将拆分的内容与产品库中产品的信息进行校验。
具体地,所述作业计划导入模块112包括以下一种或多种:
第一导入按钮1121,用于将预设的作业计划导入;
第一导出按钮1122,用于将当前的作业计划导出;
计划解析按钮1123,用于将当前的作业计划解析;
计划下发按钮1124,用于将当前的作业计划下发。
根据需要,所述作业计划导入模块112还包括报警模块。当作业计划与实际产品信息不同时,所述报警模块报警;所述报警模块以在所述作业计划模块的显示界面以弹窗的形式呈现;和/或第一显示标记,用于显示作业计划中与实际产品信息不同的地方。体现到所述作业计划导入模块300的显示界面为,在作业计划与实际产品信息不同的地方以设置颜色突出显示,设置的颜色可以为红色、黄色、蓝色、绿色,只要与显示界面的颜色不同即可,也可以采用其他的方式,比如在作业计划与实际产品信息不同的地方加设框体,这样可以对该部分进行突出显示。
在其中一个实施例中,所述品种表管理模块113主要实现支持产品表导入,且支持人员对表格日常维护(例如产品信息的修改、增加、删除等操作),重新导入后可以实现将原文件覆盖,同时可满足现场每条线体具有独立的产品码结构的需求。
在其中一个实施例中,所述历史生产追溯模块114主要实现每日生产实际产品信息,如每个车在每个工位的生产时间、生产产品及其对应的流水号等。
在其中一个实施例中,所述预上件提醒模块115主要根据当日的生产计划对接下来生产过程中的产品切换时,进行预警,实现对预上件的预警,具体预警的方式为对PLC进行写入,实现现场柱灯和蜂鸣器的提示方式。
所述预上件提醒模块115可以人工设置提醒阈值及生产情况展示,可以进行人工设置的预警值(例如预警值小于在切换产品前的2个、3车时),当生产进度达到预警值时,实现预上件预警功能,且可以实现人为阅读确认(如无人确认持续报警直到人为确认复位)后复位报警,每次产品切换时只触发一次预警,且能将预警开始信息及预警复位信息进行记录,并形成记录支持导出。
在其中一个实施例中,所述焊点统计模块116具有两个功能,一是进行焊点数量管理,对实际焊点数量与标定数量对比对应线体的故障提示;二是车体位置追踪,实现焊点质量追溯。
针对第一个功能,每种产品的焊接均有设定数值,通过对现场焊点数据的采集记录,将每个车的实际焊接点数与设定焊接点数进行对比,如果不匹配将进行故障提醒,并且将其信息记录(信息包含,产品,时间,设定数据及实际数据)并支持数据导出。
针对第二个功能,将车体的流水号等进行绑定,实现焊接与车体进行绑定,记录每辆车的焊接信息(包含,产品,工位,持续时间,流水号,焊接信息)并支持信息导出。
所述焊点统计模块的显示界面中包括了品种号信息、枪号信息以及规划焊点数信息。从图中可以看出,不同的品种号、枪号、规划的焊点数不同。
在以上生产任务管理系统110中,通过设置生产队列信息模块111、作业计划导入模块112、品种表管理模块113、历史生产追溯模块114、预上件提醒模块115和焊点统计模块116,所述生产任务管理系统110可以对各个模块统一管理,实现每日排产,订单下发,订单追溯、大屏监控、产品管理及预上件提醒等功能,且将各个模块以表格的形式呈现,能够清楚直观的各个信息进行了解。
请一并参见图6,在其中一个实施例中,所述效能优化系统120包括节拍模块121、动作稳定性模块122、堵缺料分析模块123以及报告生成模块124。
所述节拍模块121用于检测自动化生产线的生产节拍。
所述动作稳定性模块122用于检测自动化生产线的动作稳定性。
所述堵缺料分析模块123用于检测自动化生产线的堵缺料情况。
所述报告生成模块124用于导出基础信息、节拍、故障、产量、堵缺料、动作时序中任意一项或者多项统计数据。
在以上实施例提供的效能优化系统120中,通过设置节拍模块121以检测自动化生产线的生产节拍;以及设置动作稳定性模块122以检测自动化生产线的动作稳定性;以及设置堵缺料分析模块123以检测自动化生产线的堵缺料情况,可以在设备层或者工位层或者线体层上对生产数据进行分析,从而使所得到的自动化生产线的工艺数据更加精准。当自动化生产线出现问题时,所述报告生成模块124可以根据自动化生产线的生产节拍、动作稳定性以及堵缺料情况生成效能优化结果,从而迅速找出问题的根源,提升了自动化生产线优化的准确度。
在其中一个实施例中,所述效能优化系统120还包括瓶颈工位分析模块125。所述瓶颈工位分析模块125用于根据所述节拍模块121中的生产节拍生成节拍墙信息,并根据所述节拍墙的工位节拍信息初步确定瓶颈工位信息。同时,根据所述堵缺料分析模块123中的堵缺料情况分析初步确定的瓶颈工位、其前工位及其后工位的线体状态,从而得到实际确定的瓶颈工位。
具体地,在其中一个实施例中,所述节拍墙信息如图7所示。所述节拍墙信息包括自动化生产线中任意一个工位的工位循环节拍、纯工艺节拍以及工艺节拍。例如,在一个自动化生产线中,其工位包括S240FX1、S250FX1、S260FX1、S250R05、S260R05、S275R01这几个工位信息。此时,节拍墙所展示的就是S240FX1、S250FX1、等几个工位的工位循环节拍、纯工艺节拍以及工艺节拍的时间信息。从图6给出的节拍墙中可以看出,在本实施例中,产线实际生产节拍时间为70.8秒。工艺节拍最长时间的工位为S250FX1,工艺节拍时间为62.6S。工艺节拍第二长时间的工位为S250R05,工艺节拍时间为61.5S。此时,初步确定的瓶颈工位可能就包括S250FX1和S250R05。在实际操作中,是否将上述两个工位作为初步确定的瓶颈工位需要操作人员具体设定。例如说,可以将工艺节拍时间为60S以上的工位作为初步确定的瓶颈工位。
在其中一个实施例中,所述堵缺料情况如图8和图9所示。图8为工位状态绝对值统计图表;图9为工位状态相对值统计图表。例如,在本实施例中,已经通过节拍墙信息初步确定瓶颈工位信息为工位4和工位2。再通过瓶颈工位,瓶颈工位的前工位和瓶颈工位的后工位的堵缺料情况对该瓶颈工位进行验证,从而使瓶颈工位识别的准确性大大提升。即工位4的前工位为工位3,工位4的后工位为工位5。通过分析工位3-工位5的堵缺料情况,可以实际确定工位4是否为瓶颈工位。同样地,工位2的前工位为工位1,工位2的后工位为工位3。通过分析工位1-工位3的堵缺料情况,可以实际确定工位2是否为瓶颈工位。当实际确定瓶颈工位之后,可以对实际确定的瓶颈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。
在其中一个实施例中,所述节拍模块121执行以下步骤中的一种或者多种:
对同步工艺的平衡性进行分析;
对工艺的连续性进行分析;
对超时的工艺进行分析;以及
对镜像动作的平衡性进行分析。
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。
在其中一个实施例中,所述动作稳定性模块122执行以下步骤中的一种或者多种:
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。
在本实施例中,对工艺动作进行横向对比分析,从而查看某工位内较不稳定的动作。同时,对超基准值的工艺进行分析,从而验证不稳定动作并确定重点排查设备。此外,通过对工艺动作的时序进行分析,以检查某设备动作运动是否稳定,是否有异常趋势。再次,通过对工艺动作的频次分布进行分析,从而检查某设备动作的分布是否分散,是否正常。通过以上的分析过程,结合检测数据以及现场确认的情况,设备管理人员可以迅速确定重点整改对象,在停线期间对设备进行维修整改。
在其中一个实施例中,根据所述节拍模块121,所述报告生成模块124生成线体报表和工位报表;
和/或,根据所述动作稳定性模块122,所述报告生成模块124生成线体设备动作稳定性分析报表、工位设备动作稳定性分析报表和动作层级动作稳定性分析报表;
和/或,根据所述堵缺料分析模块123,所述报告生成模块124生成堵缺料分析报表。
请一并参见图10,在其中一个实施例中,所述故障管理系统140包括采集模块141、故障监控模块142、故障记录模块143、故障趋势模块144以及故障统计模块145。
所述采集模块141用于采集可编程控制器的设备故障信号。
所述故障监控模块142用于根据采集模块141的故障信息生成实时监控结果。
所述故障记录模块143用于根据采集模块141的故障信号记录设备故障信息。
所述故障趋势模块144用于根据限定条件查询及导出故障记录模块143中的故障历史设备故障记录;
所述故障统计模块145用于统计车间内线体、工位或设备的故障累计时长或故障频次。
在本实施例中,首先根据现场设备平面布局构建设备布局图,根据现场设备的种类,人工编写故障信号表,故障信号表里面包含所有故障信号及故障信号对应的工位、故障类别、设备信息;通过采集模块110实时采集车间内各线体、工位或设备的故障信号,并上传记录到数据库中;故障监控模块142通过调用数据库中的故障信号,并通过故障信号表对该故障信号进行分类统计分析,得到该故障信号内包含的工位信息、故障类别以及设备信息等故障信息。通过将所得到的故障信息与设备布局图结合,在设备布局图上对应的线体图案或工位图案上显示具体的故障信息,以便于用户实时观测到故障的发生情况,并且通过故障信息与设备布局图的结合,可以一目了然地看到故障设备在车间内的哪个位置,便于维修人员快速地找到故障设备以及对其进行维修,减少了故障处理所需的时间。
同时,通过故障记录模块143根据采集模块的故障信号记录设备故障信息,具体包括有故障工位或设备的信息、故障开始时间、故障结束时间。通过将新增的故障信息与数据库内的故障记录进行检索对比,判断故障处理记录中是否需要入库,当新增的故障信息在数据库内的故障记录中无法找相同的历史故障记录时,判定该故障处理记录需要存储到数据库中,由人工通过故障记录窗口填写完整信息的故障记录,将包含车间、线体、工位、设备、故障开始时间、故障结束时间、维修人、故障现象、故障处理过程、故障原因、现场图片、故障后续解决措施信息的故障记录信息存储到数据库内。
进一步的,通过故障趋势模块144中故障信息的查询表;根据查询表中的筛选条件,例如:工位名称、设备类型、故障日期、故障报警信息、故障类型、故障持续时长、故障开始时间、故障结束时间、故障累计次数及故障负责人中的一项或多项,查询数据库中具体的故障信息,并以表格的形式呈现给用户。并且用户通过历史记录导出按钮可以导出所查询历史故障信息。
更具体的,通过故障统计模块145,用于以天为单位统计车间内线体、工位或设备的故障累计时长或故障频次。当出现有线体、工位或设备的连续若干天出现故障累计时长或故障频次递增,则视为异常的线体、工位或设备,并将具体的异常信息推送给用户,提醒用户该异常的线体、工位或设备在未来一段时间内可能出现故障,需要加强对异常线体、工位及设备的故障排查巡检。
请一并参见图11,在其中一个实施例中,所述故障统计模块145包括车间故障统计单元1451、线体故障统计单元1452以及工位故障统计单元1453。
所述车间故障统计单元1451按车间内各线体统计故障频次、故障累计时间,得出异常或瓶颈线体;
所述线体故障统计单元1452对车间故障统计单元1451得出的异常线体进行故障分析,按线体内各工位统计故障频次、故障累计时间,得出异常或瓶颈工位;
所述工位故障统计单元1453对线体故障统计单元1452得出的异常工位进行故障分析,按工位内各设备统计故障频次、故障累计时间,得出异常或瓶颈设备。
在本实施例中,所述车间故障统计单元1451按车间内各线体统计故障频次、故障累计时间;以天为单位统计线体的故障时长或故障频次,当统计的线体的故障时长或故障频次在5天内每日递增,则视为异常线体;线体的累计故障时长较长,将消息推送至用户,提醒用户该线体故障较多,需要加强该线体的故障排查巡检工作。
具体的,线体故障统计单元1452参照以上方法对车间故障统计单元1451得出的异常或瓶颈线体进行故障分析,得出异常或瓶颈工位,并推送至用户。
以及,工位故障统计单元1453参照以上方法对线体故障统计单元1452得出的异常或瓶颈工位进行故障分析,得出异常或瓶颈设备,并推送至用户。
请一并参见图12,在其中一个实施例中,所述故障管理系统140执行以下步骤:
根据现场设备平面布局构建设备布局图;
通过采集器采集设备故障信号;
对所述设备故障信号进行分类解析,得到设备故障信息;
将所述设备故障信息与所述设备布局图结合,生成实时监控。
在其中一个实施例中,所述故障管理系统140还执行以下步骤:
根据设备故障信号编写信号表,信号表里面包含所有故障信号及信号对应的工位、类别、设备信息;
根据信号表对故障信号进行分类解析,得到设备故障信息;
记录设备故障信息到数据库,形成历史故障数据记录。
请一并参见图13,在其中一个实施例中,所述质量预测系统130包括质量判断模块131和质量追溯模块132。
所述质量判断模块131用于根据设备或产线的运行参数实时监测质量。例如,在其中一个实施例中,可以根据焊接电流、焊接电压或者焊接电阻实时监测焊点质量。
所述质量追溯模块132用于根据工件的识别码对生产质量进行追溯及规划值对比。例如,在其中一个实施例中,可以根据工件的识别码对焊点的质量进行追溯。
在本实施例中,通过质量判断模块131根据设备或产线的运行参数实时监测质量以及通过质量追溯模块132根据工件的识别码对生产质量进行追溯及规划值对比,所述质量预测系统130可以有效地保证工艺质量。例如,通过对焊接电流、焊接电压或者焊接电阻进行实时监测,可以对焊接质量进行预判。在实际运用过程中,相应焊接质量的检测效率和准确性达到98%以上。此外,根据待焊接工件的识别码对焊点质量进行追溯,可以及时识别出出问题的焊接设备,从而可以有效提高焊接工件的质量。具体地,利用大数据和人工智能技术,通过机器深度学习进行数据模型训练,并且建立全量焊接数据检测的标准进行系统自动检测,从而解决传统焊接质量事后人工随机抽检的高投入、低效率等企业痛点。
需要说明的是,在其中的一些实施例中,质量预测系统130不限于焊接质量,可以为冲压质量,也可以是涂装质量或其他工艺质量,在此不作限定。
在其中一个实施例中,所述能耗管理系统150用于根据产线环境自动调节耗能设备的运行频率。在其中一个实施例中,所述耗能设备为风机。例如,在常规的自动化生产线中,风机管理大多处于粗放式的管理阶段:风机位置分散,多处于高处,多用人工进行简单风机的管理,不能进行有效的科学管理,使得电能浪费、成本增加。而在本实施中,利用粉尘传感器,烟雾传感器,温度传感器等传感器全方位检测,形成闭环控制系统,利用科学的方式,针对性的建立有效模型和算法,使得现场风机实现远程集中管控和电能节省,节能比例达到20%以上。
需要说明的是,在其中的一些实施例中,能耗管理系统150所管理的能耗设备不限于风机,也可以为空压机或其他能耗设备,在此不作限定。
请参见图14,本发明其中一个实施例还提供了一种云边端协同的工业物联网智能制造服务方法。所述云边端协同的工业物联网智能制造服务方法包括以下步骤:
提供端节点、边缘节点以及云端服务器;
通过所述端节点获取设备侧的运行数据,并将设备侧的运行数据输出至所述边缘节点;
通过所述边缘节点对所接收的设备侧的运行数据进行存储和处理,以获取若干数据结论,并将所述数据结论以数据报表的方式呈现,同时,还通过所述边缘节点将所述数据结论中的共性数据输出至所述云端服务器;
通过所述云端服务器接收所述边缘节点所发送的共性数据,并根据所述共性数据对跨工厂或者跨行业的共性数据进行横向分析。
请参见图15,本发明其中一个实施例还提供了一种云边端协同的工业物联网智能制造服务设备200,包括:
至少一个处理器210;以及
与所述至少一个处理器210通信连接的存储器220;其中,所述存储器220上存储有可被至少一个处理器210执行的指令,所述指令被所述至少一个处理器210执行,以使所述至少一个处理器210在执行时能够实现如以上实施例所述的云边端协同的工业物联网智能制造服务方法。在本实施例中,所述存储器220上存储有计算机程序240。所述处理器210和所述存储器220通过通讯总线230连接。
本发明其中一个实施例还提供了一种计算机存储介质,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实施例所述的云边端协同的工业物联网智能制造服务方法的步骤。
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。
Claims (19)
1.一种云边端协同的工业物联网智能制造服务平台,其特征在于,包括端节点、边缘节点以及云端服务器:
所述端节点位于现场设备侧,用于获取设备侧的运行数据,并将设备侧的运行数据输出至所述边缘节点;
所述边缘节点位于现场产线侧,用于对所接收的设备侧的运行数据进行存储和处理,以获取若干数据结论,并将所述数据结论以数据报表的方式呈现,所述数据结论包括第一数据包和第二数据包;同时,所述边缘节点还用于将所述数据结论中的第一数据包输出至所述云端服务器;
所述云端服务器用于接收所述边缘节点所发送的第一数据包,并根据所述第一数据包对工厂或者行业的生产运行数据进行分析。
2.如权利要求1所述的云边端协同的工业物联网智能制造服务平台,其特征在于,
所述第一数据包包括以下一种或者多种:生产节拍、综合效率、故障间隔时间、故障平均修复时间、设备开动率、设备稳定性数据;
所述第二数据包,包括以下一种或者多种:生产工艺、节拍优化点、能耗优化点、生产参数、设备运行状况。
3.如权利要求2所述的云边端协同的工业物联网智能制造服务平台,其特征在于,所述边缘节点包括以下一个或者多个子系统:
生产任务管理系统,用于生产调度以及订单管理;
效能优化系统,用于根据生产数据信息生成效能优化结果;
质量预测系统,用于根据生产数据信息判断工艺质量;
故障管理系统,用于快速定位故障设备的位置情况以及具体的故障原因;
能耗管理系统,用于根据生产环境自动调节耗能设备的运行频率;
运维管理系统,用于根据设备的工作参数,实现设备工作状态的预警分析。
4.如权利要求3所述的云边端协同的工业物联网智能制造服务平台,其特征在于,所述生产任务管理系统包括以下一个或者多个模块:
生产队列信息模块,用于显示当班生产队列信息;
作业计划导入模块,用于上传及下发具体的作业计划信息;
品种表管理模块,用于显示产品的品种信息;
历史生产追溯模块,用于查询产品的历史生产信息;
预上件提醒模块,用于在产品上件超过预设值时发出警报;以及
工艺统计模块,用于显示产品的规划工艺信息。
5.根据权利要求4所述的云边端协同的工业物联网智能制造服务平台,其特征在于,所述生产队列信息模块包括以下一种或多种:
生产序号信息、生产时间信息、生产线体名称信息、生产数量信息、生产班次信息、生产品种信息以及下发信息。
6.根据权利要求4所述的云边端协同的工业物联网智能制造服务平台,其特征在于,所述作业计划导入模块包括以下一种或多种:
第一导入按钮,用于将预设的作业计划导入;
第一导出按钮,用于将当前的作业计划导出;
计划解析按钮,用于将当前的作业计划解析;
计划下发按钮,用于将当前的作业计划下发。
7.如权利要求3所述的云边端协同的工业物联网智能制造服务平台,其特征在于,所述效能优化系统包括:
节拍模块,用于检测自动化生产线的生产节拍;
动作稳定性模块,用于检测自动化生产线的动作稳定性;
堵缺料分析模块,用于检测自动化生产线的堵缺料情况;
报告生成模块,用于导出基础信息、节拍、故障、产量、堵缺料、动作时序中任意一项或者多项统计数据。
8.如权利要求7所述的云边端协同的工业物联网智能制造服务平台,其特征在于,所述效能优化系统还包括瓶颈工位分析模块;
所述瓶颈工位分析模块根据所述节拍模块中的生产节拍生成节拍墙信息,并根据所述节拍墙的工位节拍信息初步确定瓶颈工位信息,同时,根据所述堵缺料分析模块中的堵缺料情况分析初步确定的瓶颈工位、其前工位及其后工位的线体状态,从而得到实际确定的瓶颈工位。
9.如权利要求7所述的云边端协同的工业物联网智能制造服务平台,其特征在于,所述节拍模块执行以下步骤中的一种或者多种:
对同步工艺的平衡性进行分析;
对工艺的连续性进行分析;
对超时的工艺进行分析;以及
对镜像动作的平衡性进行分析。
10.如权利要求7所述的云边端协同的工业物联网智能制造服务平台,其特征在于,所述动作稳定性模块执行以下步骤中的一种或者多种:
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。
11.如权利要求7-10任意一项所述的云边端协同的工业物联网智能制造服务平台,其特征在于,
根据所述节拍模块,所述报告生成模块生成线体报表和工位报表;
和/或,根据所述动作稳定性模块,所述报告生成模块生成线体设备动作稳定性分析报表、工位设备动作稳定性分析报表和动作层级动作稳定性分析报表;
和/或,根据所述堵缺料分析模块,所述报告生成模块生成堵缺料分析报表。
12.如权利要求3所述的云边端协同的工业物联网智能制造服务平台,其特征在于,所述故障管理系统包括:
采集模块,用于采集可编程控制器的设备故障信号;
故障监控模块,用于根据采集模块的故障信息生成实时监控结果;
故障记录模块,用于根据采集模块的故障信号记录设备故障信息;
故障趋势模块,用于根据限定条件查询及导出故障记录模块中的故障历史设备故障记录;
故障统计模块,用于统计车间内线体、工位或设备的故障累计时长或故障频次。
13.如权利要求12所述的云边端协同的工业物联网智能制造服务平台,其特征在于,所述故障统计模块包括车间故障统计单元、线体故障统计单元、工位故障统计单元;
所述车间故障统计单元按车间内各线体统计故障频次、故障累计时间;得出异常或瓶颈线体;
所述线体故障统计单元对车间故障统计单元得出的异常线体进行故障分析,按线体内各工位统计故障频次、故障累计时间,得出异常或瓶颈工位;
所述工位故障统计单元对线体故障统计单元得出的异常工位进行故障分析,按工位内各设备统计故障频次、故障累计时间,得出异常或瓶颈设备。
14.如权利要求12所述的云边端协同的工业物联网智能制造服务平台,其特征在于,所述故障管理系统执行以下步骤:
根据现场设备平面布局构建设备布局图;
通过采集器采集设备故障信号;
对所述设备故障信号进行分类解析,得到设备故障信息;
将所述设备故障信息与所述设备布局图结合,生成实时监控。
15.如权利要求14所述的云边端协同的工业物联网智能制造服务平台,其特征在于,所述故障管理系统还执行以下步骤:
根据设备故障信号编写信号表,信号表里面包含所有故障信号及信号对应的工位、类别、设备信息;
根据信号表对故障信号进行分类解析,得到设备故障信息;
记录设备故障信息到数据库,形成历史故障数据记录。
16.如权利要求3所述的云边端协同的工业物联网智能制造服务平台,其特征在于,所述质量预测系统包括:
质量判断模块,用于根据设备或产线的运行参数实时监测质量;
质量追溯模块,用于根据工件的识别码对生产质量进行追溯及规划值对比。
17.一种云边端协同的工业物联网智能制造服务方法,其特征在于,包括:
提供端节点、边缘节点以及云端服务器;
通过所述端节点获取设备侧的运行数据,并将设备侧的运行数据输出至所述边缘节点;
通过所述边缘节点对所接收的设备侧的运行数据进行存储和处理,以获取若干数据结论,并将所述数据结论中的第一数据包输出至所述云端服务器;
通过所述云端服务器接收所述边缘节点所发送的第一数据包,并根据所述第一数据包对工厂或者行业的生产运行数据进行分析。
18.一种云边端协同的工业物联网智能制造服务设备,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权利要求17所述的云边端协同的工业物联网智能制造服务方法。
19.一种计算机存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求17所述的云边端协同的工业物联网智能制造服务方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210338831.4A CN114693129A (zh) | 2022-04-01 | 2022-04-01 | 工业物联网智能制造服务平台、方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210338831.4A CN114693129A (zh) | 2022-04-01 | 2022-04-01 | 工业物联网智能制造服务平台、方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114693129A true CN114693129A (zh) | 2022-07-01 |
Family
ID=82141307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210338831.4A Pending CN114693129A (zh) | 2022-04-01 | 2022-04-01 | 工业物联网智能制造服务平台、方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693129A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115225668A (zh) * | 2022-07-12 | 2022-10-21 | 广州鑫景信息科技服务有限公司 | 一种成衣加工厂员工产能计算方法、系统、设备及介质 |
CN116275755A (zh) * | 2023-05-12 | 2023-06-23 | 苏州诺克汽车工程装备有限公司 | 一种焊接生产线的智能控制系统 |
CN117590816A (zh) * | 2023-12-14 | 2024-02-23 | 湖南比邻星科技有限公司 | 一种基于物联网的多机器人协同控制系统及方法 |
-
2022
- 2022-04-01 CN CN202210338831.4A patent/CN114693129A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115225668A (zh) * | 2022-07-12 | 2022-10-21 | 广州鑫景信息科技服务有限公司 | 一种成衣加工厂员工产能计算方法、系统、设备及介质 |
CN116275755A (zh) * | 2023-05-12 | 2023-06-23 | 苏州诺克汽车工程装备有限公司 | 一种焊接生产线的智能控制系统 |
CN117590816A (zh) * | 2023-12-14 | 2024-02-23 | 湖南比邻星科技有限公司 | 一种基于物联网的多机器人协同控制系统及方法 |
CN117590816B (zh) * | 2023-12-14 | 2024-05-17 | 湖南比邻星科技有限公司 | 一种基于物联网的多机器人协同控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114693129A (zh) | 工业物联网智能制造服务平台、方法、设备及介质 | |
CN110782370B (zh) | 一种电力调度数据网综合运维管理平台 | |
US20220397488A1 (en) | System and method for monitoring manufacturing | |
Unver | An ISA-95-based manufacturing intelligence system in support of lean initiatives | |
CN102183935B (zh) | 机器人点焊生产线的产能监控方法 | |
US7209859B2 (en) | Method and apparatus for sequentially collecting and analyzing real time data with interactive monitoring | |
CN108614526B (zh) | 一种可重构的生产过程管理系统 | |
CN111930088A (zh) | 一种边缘管理系统 | |
TWI618018B (zh) | 應用電力用量特徵之製造管理方法及其系統 | |
CN108681830B (zh) | 一种变电站巡视智能作业动态指挥方法及系统 | |
CN115049326A (zh) | 一种生产管理系统及管理方法 | |
CN112462702A (zh) | 一种基于工业互联网的智能监测与智慧调度系统 | |
WO2018017973A1 (en) | Computational analysis of observations for determination of feedback | |
CN113610253A (zh) | 一种基于cs版本的运维检修管理式光伏站控系统 | |
CN107016456A (zh) | 一种基于状态驱动的离散性生产追溯平台的预测分析方法 | |
CN112700095B (zh) | 电池包生产管理系统 | |
US20120143567A1 (en) | Scheduling the Maintenance of Operational Equipment | |
CN117519006A (zh) | 生产线数据处理方法、装置、计算机设备和存储介质 | |
CN115994734B (zh) | 一种生产设备维保备件库存管理方法及系统 | |
CN115421447B (zh) | 数控机床时间-能量效率评估与控制方法、系统及装置 | |
CN110929899A (zh) | 基于远程监控系统的大型铁路施工设备维保方法与系统 | |
KR101913343B1 (ko) | Kpi 지표를 이용한 스마트 공장의 모바일 어플리케이션 관리 시스템 | |
CN107341630B (zh) | 一种设备淘汰品备件管理系统及方法 | |
CN115760065A (zh) | 一种设备维护管理系统及维护管理方法 | |
CN111822830B (zh) | 钢结构焊接用电焊机管理系统和方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230820 Address after: 510000 rooms 101 and 201, building C3, No. 11, Kaiyuan Avenue, Huangpu District, Guangzhou, Guangdong Applicant after: Guangzhou mingluo Equipment Co.,Ltd. Applicant after: Guangdong discrete Zhizao Technology Innovation Co.,Ltd. Address before: 510000 rooms 101 and 201, building C3, No. 11, Kaiyuan Avenue, Huangpu District, Guangzhou, Guangdong Applicant before: Guangzhou mingluo Equipment Co.,Ltd. |
|
TA01 | Transfer of patent application right |