CN115034525B - 基于数据分析的钢管订单生产工期预测监管系统及方法 - Google Patents
基于数据分析的钢管订单生产工期预测监管系统及方法 Download PDFInfo
- Publication number
- CN115034525B CN115034525B CN202210958252.XA CN202210958252A CN115034525B CN 115034525 B CN115034525 B CN 115034525B CN 202210958252 A CN202210958252 A CN 202210958252A CN 115034525 B CN115034525 B CN 115034525B
- Authority
- CN
- China
- Prior art keywords
- equipment
- path
- processing
- unit
- steel pipe
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
Abstract
本发明公开了一种基于数据分析的钢管订单生产工期预测监管系统及方法;包括模型建立模块、工期处理模块、加工路径分析模块和设备寿命监测模块;模型建立模块用于依据生产钢管的设备参数,建立基于实体设备的虚拟模型;工期处理模块用于预测客户预定的所有钢管在虚拟设备上生产完的日期,根据生产完的日期,对生产钢管的设备进行分析、处理;加工路径分析模块用于根据加工钢管的流程生成加工路径,对路径进行分割处理,得到异常路径;根据异常路径识别得到引起路径异常的设备信息;通过加工路径分析模块,能及时发现加工钢管时设备的问题,防止实际加工时由于设备问题延误协定的交付时间,降低生产钢管的利润值。
Description
技术领域
本发明涉及生产工期管理技术领域,具体为基于数据分析的钢管订单生产工期预测监管系统及方法。
背景技术
钢管生产具有组批生产,小批量多规格,工艺要求高,工艺流程长的特点;在客户向加工厂订购钢管时,工作人员会根据加工厂里的排单数量以及加工所需的生产工期,在充分考虑了加工厂的生产情况后,提供给客户一个最终交付所有订购钢管数量的时间;但是,在实际生产过程中,会因为生产设备的因素导致延误最终交付的日期,无法及时规避因设备本身磨损或者故障原因所带来的延误问题;
实际生产钢管的设备平时都是安排固定人员在设定的是周期性时间进行维护;不仅使得固定人员费时费力,无法提前对设备的问题提前发现,很容易在高负荷生产过程中造成风险情况,对整条加工钢管的生产线带来极大的影响。
发明内容
本发明的目的在于提供基于数据分析的钢管订单生产工期预测监管系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:基于数据分析的钢管订单生产工期预测监管系统,所述预测监管系统包括模型建立模块、工期处理模块、加工路径分析模块和设备寿命监测模块;
所述模型建立模块用于依据生产钢管的设备参数,建立基于实体设备的虚拟模型;从而能对实体设备进行仿真模拟;
所述工期处理模块用于预测客户预定的所有钢管在虚拟设备上生产完的日期,根据生产完的日期,对生产钢管的设备进行分析、处理;
所述加工路径分析模块用于根据加工钢管的流程生成加工路径,对路径进行分割处理,得到异常路径;根据异常路径识别得到引起路径异常的设备信息;
所述设备寿命监测模块用于监测设备的寿命,根据寿命对设备进行处理。
进一步的,所述模型建立模块包括参数传输单元和设备仿真单元;
所述参数传输单元用于接收来自实体设备的参数;所述参数由钢管设备上的传感器传输所得;
所述设备仿真单元用于将实体设备的数据在虚拟空间中完成映射,得到基于实体设备的虚拟模型;从而能对实体设备进行仿真模拟;
所述参数传输单元的输出端与设备仿真单元的输入端相连接。
进一步的,所述工期处理模块包括订单量获取单元、生产工期预测单元;
所述订单量获取单元用于获取客户向加工厂订购钢管的数量、客户与加工厂协定的交付日期信息;
所述生产工期预测单元用于依据在虚拟设备上生产错误钢管的频率和虚拟设备停止并重启的次数,分析所有钢管在虚拟设备上生产完的日期,对能否在协定的交付日期前完成进行分类,得到分类结果;
所述订单量获取单元的输出端与生产工期预测单元的输入端相连接。
进一步的,所述加工路径分析模块包括加工路径生成单元、加工路径分割单元、路径比对单元和影响设备单元;
所述加工路径生成单元用于根据加工钢管的流程生成加工路径;
所述加工路径分割单元用于将加工路径按照时间进行分割,得到分割后的若干路径;
所述路径比对单元用于将分割后的路径与标准路径对比,得到对比结果;
如若核实到路径异常,则所述影响设备单元获取引起路径异常的设备信息;
所述加工路径生成单元的输出端与加工路径分割单元的输入端相连接;所述加工路径分割单元的输出端与路径比对单元的输入端相连接;所述路径比对单元的输出端与影响设备单元的输入端相连接。
进一步的,所述设备寿命监测模块包括设备寿命预测单元、设备维护单元和设备维修单元;
所述设备寿命预测单元用于依据引起设备发生变化的变量信息,预测生产钢管的设备的剩余寿命;
所述设备维护单元用于检测到设备的剩余寿命未达到标定值时,对设备及时维护;
所述设备维修单元用于检测到设备的剩余寿命超过标定值后,对设备及时维修;
所述设备寿命预测单元的输出端与设备维护单元和设备维修单元的输入端相连接。
基于数据分析的钢管订单生产工期预测监管方法,所述预测监管方法执行如下步骤:
Z01:获取并接收生产钢管的设备参数信息,根据参数信息在虚拟空间中完成映射,得到基于实体设备的虚拟模型;
Z02:获取客户向加工厂订购钢管的数量、客户与加工厂协定的交付日期信息;根据设备在历史时间段生产钢管的数量,分析所有钢管在虚拟设备上生产完的日期;将生产完的日期与所述协定的交付日期比较,如若生产完的日期在所述协定的交付日期内,则表示钢管能顺利交付给客户;如若生产完的日期不在所述协定的交付日期内,则表示钢管不能顺利交付给客户,并跳转至步骤Z03;
Z03:依据加工钢管的流程生成加工路径,对路径按照时间进行切割处理;将切割处理后的路径与标准路径对比;如若核实到切割处理后的路径与标准路径不相同时,则获取引起路径异常的设备信息;
Z04:分析引起路径异常的设备寿命信息,根据寿命对设备进行管理。
在步骤Z02中,在步骤Z02中,依据在虚拟设备上生产错误钢管的频率和虚拟设备停止并重启的次数,分析所有钢管在虚拟设备上生产完的日期;对钢管在虚拟设备上生产的日期进行分类;其中分类的方式具体包括如下步骤:
Z021:获取设备已生产的P个钢管数量,并将P个钢管数量作为训练样本集;
Z022:设定Y={b1,b2}为待分类项,b1为在虚拟设备上生产错误钢管的频率,b2为虚拟设备停止并重启的次数,b1,b2作为Y的特征属性;
Z023:设定类比集合X={w1,w2};w1是指能在协定的交付日期前交付订购的钢管数量;w2是指不能在协定的交付日期前交付订购的钢管数量;
Z024:在特征属性为独立条件下,计算P(w1|Y);如若P(w1|X)=max{P(w1|y),P(w2|y)},则Y∈w1;
其中:b1表示第1个特征词,b2表示第2个特征词,w1表示第1个分类类别,w2表示第2个分类类别。
在步骤Z03中,获取依据加工钢管的流程生成的加工路径信息,对加工路径信息切
割处理,得到若干路径合集,并依据若干路径生成若干向量,将向量与标准路径对比,对比
过程如下:获取所截取的任意一条路径,根据路径生成的向量,并从数据库中提取与任意
一条路径相同的标准路径所生成的向量;
经验证,如若cosβ=1时,则表示切割处理后的路径与标准路径相同;如若cosβ=0时,则表示切割处理后的路径与标准路径不相同;则提取引起路径异常的设备集;
在步骤Z04中,获取引起路径异常的设备集,获取引起设备发生变化的变量信息,所述变量信息是指设备零件变形l1、设备零件疲劳l2;计算当前时间段t,设备的剩余寿命Q(t),
其中:γ1、γ2是指两个变量信息的影响权重向量,通过最小二乘法计算γ1、γ2的值,u(t)是指寿命随着时间变化的斜率,k是指常数;根据设备理想化的故障时间Q’(t);如若核实到设备的剩余寿命处于[Q(t),Q’(t)]之间,则表示需对设备及时维护;如若核实到设备的剩余寿命小于时,则表示需对设备进行维修。
与现有技术相比,本发明所达到的有益效果是:
本发明通过工期处理模块,能及时分析虚拟设备生产完的工期,得到通过虚拟设备生产的钢管能否在协定的交付日期交付,能及时为实际生产钢圈提供基参考基础;通过加工路径分析模块,能及时发现加工钢管时设备的问题,从而防止实际加工时由于设备问题延误协定的交付时间,影响加工厂生产制造的声誉和降低生产钢管的利润;通过设备寿命监测模块,根据设备的实时寿命对实际设备进行管理,确保生产出来的产品能达到客户的要求。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明基于数据分析的钢管订单生产工期预测监管系统的模块组成示意图;
图2是本发明基于数据分析的钢管订单生产工期预测监管方法的步骤示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:请参阅图1:基于数据分析的钢管订单生产工期预测监管系统,所述预测监管系统包括模型建立模块、工期处理模块、加工路径分析模块和设备寿命监测模块;
所述模型建立模块用于依据生产钢管的设备参数,建立基于实体设备的虚拟模型;从而能对实体设备进行仿真模拟;
所述工期处理模块用于预测客户预定的所有钢管在虚拟设备上生产完的日期,根据生产完的日期,对生产钢管的设备进行分析、处理;
所述加工路径分析模块用于根据加工钢管的流程生成加工路径,对路径进行分割处理,得到异常路径;根据异常路径识别得到引起路径异常的设备信息;
所述设备寿命监测模块用于监测设备的寿命,根据寿命对设备进行处理。
进一步的,所述模型建立模块包括参数传输单元和设备仿真单元;
所述参数传输单元用于接收来自实体设备的参数;所述参数由钢管设备上的传感器传输所得;
所述设备仿真单元用于将实体设备的数据在虚拟空间中完成映射,得到基于实体设备的虚拟模型;从而能对实体设备进行仿真模拟;
所述参数传输单元的输出端与设备仿真单元的输入端相连接。
进一步的,所述工期处理模块包括订单量获取单元、生产工期预测单元;
所述订单量获取单元用于获取客户向加工厂订购钢管的数量、客户与加工厂协定的交付日期信息;
所述生产工期预测单元用于依据在虚拟设备上生产错误钢管的频率和虚拟设备停止并重启的次数,分析所有钢管在虚拟设备上生产完的日期,对能否在协定的交付日期前完成进行分类,得到分类结果;
所述订单量获取单元的输出端与生产工期预测单元的输入端相连接。
进一步的,所述加工路径分析模块包括加工路径生成单元、加工路径分割单元、路径比对单元和影响设备单元;
所述加工路径生成单元用于根据加工钢管的流程生成加工路径;
所述加工路径分割单元用于将加工路径按照时间进行分割,得到分割后的若干路径;
所述路径比对单元用于将分割后的路径与标准路径对比,得到对比结果;
如若核实到路径异常,则所述影响设备单元获取引起路径异常的设备信息;
所述加工路径生成单元的输出端与加工路径分割单元的输入端相连接;所述加工路径分割单元的输出端与路径比对单元的输入端相连接;所述路径比对单元的输出端与影响设备单元的输入端相连接;
所述钢管的加工路径包括:
(1)通过夹紧机构将待切割的钢管放置在档辊上,在档辊的运动下,通过切割移动装置移动至钢管的待切割位置,并切割钢管;
(2)对钢管进行抛光处理,酸洗、水洗钢管;
(3)使用烘干装置对钢管进行烘干;
(4)通过热轧装置对钢管进行热轧,并对热轧过后的钢管进行热处理;
(5)粗处理钢管后,再次清洗钢管;
将上述对钢管的加工流程生成加工路径,并按照设定时间对路径进行切割,例如:将生成的加工路径按照设定时间为7时20分对路径进行切割;根据切割后的至少两个路径生成多个向量;生成向量的过程由被设定的时间决定。
进一步的,所述设备寿命监测模块包括设备寿命预测单元、设备维护单元和设备维修单元;
所述设备寿命预测单元用于依据引起设备发生变化的变量信息,预测生产钢管的设备的剩余寿命;
所述设备维护单元用于检测到设备的剩余寿命未达到标定值时,对设备及时维护;
所述设备维修单元用于检测到设备的剩余寿命超过标定值后,对设备及时维修;从而防止在实体设备中出现无法按时向用户交付设定数量的钢管的问题;通过在虚拟设备中设置与实体设备相同的参数,能确保及时解决在实体设备上出现的问题,防止相关问题干扰设备正常生产钢管数量;
所述设备寿命预测单元的输出端与设备维护单元和设备维修单元的输入端相连接。
实施例2,请参阅图2:
基于数据分析的钢管订单生产工期预测监管方法,所述预测监管方法执行如下步骤:
Z01:获取并接收生产钢管的设备参数信息,根据参数信息在虚拟空间中完成映射,得到基于实体设备的虚拟模型;
Z02:获取客户向加工厂订购钢管的数量、客户与加工厂协定的交付日期信息;根据设备在历史时间段生产钢管的数量,分析所有钢管在虚拟设备上生产完的日期;将生产完的日期与所述协定的交付日期比较,如若生产完的日期在所述协定的交付日期内,则表示钢管能顺利交付给客户;如若生产完的日期不在所述协定的交付日期内,则表示钢管不能顺利交付给客户,并跳转至步骤Z03;
Z03:依据加工钢管的流程生成加工路径,对路径按照时间进行切割处理;将切割处理后的路径与标准路径对比;如若核实到切割处理后的路径与标准路径不相同时,则获取引起路径异常的设备信息;
Z04:分析引起路径异常的设备寿命信息,根据寿命对设备进行管理。
在步骤Z02中,在步骤Z02中,依据在虚拟设备上生产错误钢管的频率和虚拟设备停止并重启的次数,分析所有钢管在虚拟设备上生产完的日期;对钢管在虚拟设备上生产的日期进行分类;其中分类的方式具体包括如下步骤:
Z021:获取设备已生产的P个钢管数量,并将P个钢管数量作为训练样本集;
Z022:设定Y={b1,b2}为待分类项,b1为在虚拟设备上生产的钢管数量,b2为虚拟设备停止并重启的次数,b1,b2作为Y的特征属性;
Z023:设定类比集合X={w1,w2};w1是指能在协定的交付日期前交付订购的钢管数量;w2是指不能在协定的交付日期前交付订购的钢管数量;
Z024:在特征属性为独立条件下,计算P(w1|Y);如若P(w1|X)=max{P(w1|y),P(w2|y)},则Y∈w1;
其中:b1表示第1个特征词,b2表示第2个特征词,w1表示第1个分类类别,w2表示第2个分类类别;
例如:在步骤Z02中,依据在虚拟设备上生产错误钢管的频率和虚拟设备停止并重启的次数,分析所有钢管在虚拟设备上生产完的日期;对钢管在虚拟设备上生产的日期进行分类;其中分类的方式具体包括如下步骤:
Z021:获取设备已生产的P=15000个钢管数量,并将P=15000个钢管数量作为训练样本集;
Z022:设定Y={b1,b2}为待分类项,b1为在虚拟设备上生产错误钢管的频率,b2为虚拟设备停止并重启的次数,b1,b2作为Y的特征属性;得到b1和b2出现的频率,b1={0.076<b<0.43},b2={0.089<b<0.65}
Z023:设定类比集合X={w1,w2};w1是指能在协定的交付日期前交付订购的钢管数量,则X=1;w2是指不能在协定的交付日期前交付订购的钢管数量,则X=0;
Z024:在特征属性为独立条件下,计算P(w1|Y);如若P(w1|X)=max{P(w1|y),P(w2|y)},则Y∈w1;
获取在训练样本中,能在协定的交付日期前交付订购的钢管数量为12000,不能在协定的交付日期前交付订购的钢管数量为750;得到:
则得到在每个类别下每个特征属性被划分的频率:
则得到:
P(X=0|Y|X=0)=P(X=0)*P(0.076<b1<0.43|X=0)*P(0.089<b1<0.65|X=0)=0.15*0.12*0.46=0.00828;
P(X=1|Y|X=1)=P(X=1)*P(0.076<b1<0.43|X=1)*P(0.089<b21<0.65|X=1)=0.19;
比较上式两个结果,得到P(X=0|Y|X=0)<P(X=1|Y|X=1),则表示钢管能在协定的交付日期前交付订购的钢管数量;
通过在虚拟设备上分析是否能加工设定数量的钢管,通过此方式进行分析,大大提高了分析的准确性,结合以往在虚拟设备上生产钢管的情况(即训练集),增加了分析加工钢管数量的准确有效性。
在步骤Z03中,获取依据加工钢管的流程生成的加工路径信息,对加工路径信息切
割处理,得到若干路径合集,并依据若干路径生成若干向量,将向量与标准路径对比,对比
过程如下:获取所截取的任意一条路径,根据路径生成的向量,并从数据库中提取与任意
一条路径相同的标准路径所生成的向量;
经验证,如若cosβ=1时,则表示切割处理后的路径与标准路径相同;如若cosβ=0时,则表示切割处理后的路径与标准路径不相同;则提取引起路径异常的设备集;
将生成的路径按照设定时间进行切割,能准确分析在不同时间段的路径过程,例如在生产加工设备的流程中,第一步骤和第二步骤的过度阶段中出现了异常,如果仅仅对比每个流程的加工数据,并不能发现设备具体在何处出现问题,发现设备出现问题的效率低下,会大幅度延误继续加工钢管的时间,从而影响加工厂生产制造的声誉以及降低生产钢管的利润值。
在步骤Z04中,获取引起路径异常的设备集,获取引起设备发生变化的变量信息,所述变量信息是指设备零件变形l1、设备零件疲劳l2;计算当前时间段t,设备的剩余寿命Q(t),
其中:γ1、γ2是指两个变量信息的影响权重向量,通过最小二乘法计算γ1、γ2的值,u(t)是指寿命随着时间变化的斜率,k是指常数;根据设备理想化的故障时间Q’(t);如若核实到设备的剩余寿命处于[Q(t),]之间,则表示需对设备及时维护;如若核实到设备的剩余寿命小于时,则表示需对设备进行维修。;
任何一个加工设备被生产出来时,皆有其理想的寿命情况;即达到理想化的故障时间;但是任何一个加工设备被生产出来时,如若设备内零件出现变形、设备内零件出现疲劳时,则会影响生产出来的钢管,导致生产出来的钢管成为废品、无法过关,同时也无法将钢管售卖出去,此举将会增加加工厂的成本;因此,在本技术方案中设置设备实际运用过程中的设备寿命参考点,因此,根据设备的实时寿命对实际设备进行管理,确保生产出来的产品,如钢圈能达到客户的要求。
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或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.基于数据分析的钢管订单生产工期预测监管方法,其特征在于:所述预测监管方法执行如下步骤:
Z01:获取并接收生产钢管的设备参数信息,根据参数信息在虚拟空间中完成映射,得到基于实体设备的虚拟模型;
Z02:获取客户向加工厂订购钢管的数量、客户与加工厂协定的交付日期信息;根据设备在历史时间段生产钢管的数量,分析所有钢管在虚拟设备上生产完的日期;将生产完的日期与所述协定的交付日期比较,如若生产完的日期在所述协定的交付日期内,则表示钢管能顺利交付给客户;如若生产完的日期不在所述协定的交付日期内,则表示钢管不能顺利交付给客户,并跳转至步骤Z03;
在步骤Z02中,依据在虚拟设备上生产错误钢管的频率和虚拟设备停止并重启的次数,分析所有钢管在虚拟设备上生产完的日期;对钢管在虚拟设备上生产的日期进行分类;其中分类的方式具体包括如下步骤:
Z021:获取设备已生产的P个钢管数量,并将P个钢管数量作为训练样本集;
Z022:设定Y={b1,b2}为待分类项,b1为在虚拟设备上生产错误钢管的频率,b2为虚拟设备停止并重启的次数,b1,b2作为Y的特征属性;
Z023:设定类比集合X={w1,w2};w1是指能在协定的交付日期前交付订购的钢管数量;w2是指不能在协定的交付日期前交付订购的钢管数量;
Z024:在特征属性为独立条件下,计算P(w1|Y);如若P(w1|X)=max{P(w1|y),P(w2|y)},则Y∈w1;
其中:b1表示第1个特征词,b2表示第2个特征词,w1表示第1个分类类别,w2表示第2个分类类别;
Z03:依据加工钢管的流程生成加工路径,对路径按照时间进行切割处理;将切割处理后的路径与标准路径对比;如若核实到切割处理后的路径与标准路径不相同时,则获取引起路径异常的设备信息;
Z04:分析引起路径异常的设备寿命信息,根据寿命对设备进行管理。
2.根据权利要求1所述的基于数据分析的钢管订单生产工期预测监管方法,其特征在
于:在步骤Z03中,获取依据加工钢管的流程生成的加工路径信息,对加工路径信息切割处
理,得到若干路径合集,并依据若干路径生成若干向量,将向量与标准路径对比,对比过程
如下:获取所截取的任意一条路径,根据路径生成的向量,并从数据库中提取与任意一条
路径相同的标准路径所生成的向量;
经验证,如若cosβ=1时,则表示切割处理后的路径与标准路径相同;如若cosβ=0时,则表示切割处理后的路径与标准路径不相同;则提取引起路径异常的设备集;
4.应用权利要求1-3中任一项所述的基于数据分析的钢管订单生产工期预测监管方法的基于数据分析的钢管订单生产工期预测监管系统,其特征在于,包括模型建立模块、工期处理模块、加工路径分析模块和设备寿命监测模块;
所述模型建立模块用于依据生产钢管的设备参数,建立基于实体设备的虚拟模型;从而能对实体设备进行仿真模拟;
所述工期处理模块用于预测客户预定的所有钢管在虚拟设备上生产完的日期,根据生产完的日期,对生产钢管的设备进行分析、处理;
所述加工路径分析模块用于根据加工钢管的流程生成加工路径,对路径进行分割处理,得到异常路径;根据异常路径识别得到引起路径异常的设备信息;
所述设备寿命监测模块用于监测设备的寿命,根据寿命对设备进行处理。
5.根据权利要求4所述的基于数据分析的钢管订单生产工期预测监管系统,其特征在于:所述模型建立模块包括参数传输单元和设备仿真单元;
所述参数传输单元用于接收来自实体设备的参数;所述参数由钢管设备上的传感器传输所得;
所述设备仿真单元用于将实体设备的数据在虚拟空间中完成映射,得到基于实体设备的虚拟模型;从而能对实体设备进行仿真模拟;
所述参数传输单元的输出端与设备仿真单元的输入端相连接。
6.根据权利要求4所述的基于数据分析的钢管订单生产工期预测监管系统,其特征在于:所述工期处理模块包括订单量获取单元、生产工期预测单元;
所述订单量获取单元用于获取客户向加工厂订购钢管的数量、客户与加工厂协定的交付日期信息;
所述生产工期预测单元用于依据在虚拟设备上生产错误钢管的频率和虚拟设备停止并重启的次数,分析所有钢管在虚拟设备上生产完的日期,对能否在协定的交付日期前完成进行分类,得到分类结果;
所述订单量获取单元的输出端与生产工期预测单元的输入端相连接。
7.根据权利要求4所述的基于数据分析的钢管订单生产工期预测监管系统,其特征在于:所述加工路径分析模块包括加工路径生成单元、加工路径分割单元、路径比对单元和影响设备单元;
所述加工路径生成单元用于根据加工钢管的流程生成加工路径;
所述加工路径分割单元用于将加工路径按照时间进行分割,得到分割后的若干路径;
所述路径比对单元用于将分割后的路径与标准路径对比,得到对比结果;
如若核实到路径异常,则所述影响设备单元获取引起路径异常的设备信息;
所述加工路径生成单元的输出端与加工路径分割单元的输入端相连接;所述加工路径分割单元的输出端与路径比对单元的输入端相连接;所述路径比对单元的输出端与影响设备单元的输入端相连接。
8.根据权利要求4所述的基于数据分析的钢管订单生产工期预测监管系统,其特征在于:所述设备寿命监测模块包括设备寿命预测单元、设备维护单元和设备维修单元;
所述设备寿命预测单元用于依据引起设备发生变化的变量信息,预测生产钢管的设备的剩余寿命;
所述设备维护单元用于检测到设备的剩余寿命未达到标定值时,对设备及时维护;
所述设备维修单元用于检测到设备的剩余寿命超过标定值后,对设备及时维修;
所述设备寿命预测单元的输出端与设备维护单元和设备维修单元的输入端相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210958252.XA CN115034525B (zh) | 2022-08-11 | 2022-08-11 | 基于数据分析的钢管订单生产工期预测监管系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210958252.XA CN115034525B (zh) | 2022-08-11 | 2022-08-11 | 基于数据分析的钢管订单生产工期预测监管系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115034525A CN115034525A (zh) | 2022-09-09 |
CN115034525B true CN115034525B (zh) | 2022-11-22 |
Family
ID=83131012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210958252.XA Active CN115034525B (zh) | 2022-08-11 | 2022-08-11 | 基于数据分析的钢管订单生产工期预测监管系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115034525B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115730815A (zh) * | 2022-10-10 | 2023-03-03 | 江苏安胜达安全科技有限公司 | 基于物联感知的工业生产安全风险预警系统及方法 |
CN117148807B (zh) * | 2023-10-30 | 2024-01-26 | 江苏银家不锈钢管业有限公司 | 不锈钢钢管的加工控制方法及装置 |
CN117236660B (zh) * | 2023-11-14 | 2024-01-26 | 宝信软件(南京)有限公司 | 一种钢管组批切割数据分析系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104679972A (zh) * | 2013-12-03 | 2015-06-03 | 刘佳霖 | 应用于工厂进行生产制造的验证方法 |
CN113554464A (zh) * | 2021-07-22 | 2021-10-26 | 四川中烟工业有限责任公司 | 一种基于数据分析实现卷烟需求预测的方法及装置 |
CN114429249A (zh) * | 2022-04-06 | 2022-05-03 | 杭州未名信科科技有限公司 | 钢管束生产设备的寿命预测方法、系统、设备及存储介质 |
CN114758764A (zh) * | 2022-04-29 | 2022-07-15 | 陕西中医药大学附属医院 | 一种多功能的抢救智慧管理系统 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002278616A (ja) * | 2001-03-22 | 2002-09-27 | Mitsubishi Electric Corp | 納期予測回答システム及び方法及びプログラム |
CN109947052B (zh) * | 2017-12-20 | 2022-02-08 | 中国科学院沈阳自动化研究所 | 一种基于数字化ar技术的虚拟工厂制造执行系统及方法 |
CN108171422A (zh) * | 2017-12-28 | 2018-06-15 | 鞍钢集团自动化有限公司 | 一种钢铁智能工厂的平台构建方法 |
CN109559039A (zh) * | 2018-11-29 | 2019-04-02 | 贵州航天云网科技有限公司 | 一种基于数字孪生技术的虚拟工厂业务协同系统 |
CN109902861B (zh) * | 2019-01-31 | 2023-01-03 | 南京航空航天大学 | 一种基于双层迁移学习的订单生产进度实时预测方法 |
KR102211437B1 (ko) * | 2019-10-22 | 2021-02-03 | 윤종열 | Mrp를 기반으로 수주예측정보를 산출하여 재고를 관리하는 통합 재고관리 운영방법 |
CN111857065B (zh) * | 2020-06-08 | 2023-06-20 | 北京邮电大学 | 基于边缘计算和数字孪生的智能生产系统和方法 |
CN112255971B (zh) * | 2020-10-16 | 2022-01-11 | 珠海格力精密模具有限公司 | 一种cam切削刀轨过载的分析处理方法及系统 |
CN112785377B (zh) * | 2021-01-22 | 2022-05-24 | 华南理工大学 | 基于数据分布的订单完工期预测模型构建方法及预测方法 |
CN114282434A (zh) * | 2021-12-16 | 2022-04-05 | 成都航天科工大数据研究院有限公司 | 一种工业设备健康管理系统及方法 |
CN114326517B (zh) * | 2021-12-30 | 2024-02-20 | 重庆允丰科技有限公司 | 一种基于虚拟现实的远程管理方法和系统 |
CN114819585A (zh) * | 2022-04-19 | 2022-07-29 | 南通万天信息科技有限公司 | 一种纺织业生产订单信息管理方法及系统 |
CN114826885B (zh) * | 2022-06-30 | 2022-09-23 | 南京海汇装备科技有限公司 | 一种基于数据分析的设备故障监测系统及方法 |
-
2022
- 2022-08-11 CN CN202210958252.XA patent/CN115034525B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104679972A (zh) * | 2013-12-03 | 2015-06-03 | 刘佳霖 | 应用于工厂进行生产制造的验证方法 |
CN113554464A (zh) * | 2021-07-22 | 2021-10-26 | 四川中烟工业有限责任公司 | 一种基于数据分析实现卷烟需求预测的方法及装置 |
CN114429249A (zh) * | 2022-04-06 | 2022-05-03 | 杭州未名信科科技有限公司 | 钢管束生产设备的寿命预测方法、系统、设备及存储介质 |
CN114758764A (zh) * | 2022-04-29 | 2022-07-15 | 陕西中医药大学附属医院 | 一种多功能的抢救智慧管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115034525A (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115034525B (zh) | 基于数据分析的钢管订单生产工期预测监管系统及方法 | |
Lee et al. | A big data analytics platform for smart factories in small and medium-sized manufacturing enterprises: An empirical case study of a die casting factory | |
US8989887B2 (en) | Use of prediction data in monitoring actual production targets | |
CN206312210U (zh) | 一种配电网设备的状态评估系统 | |
CN105652812B (zh) | 一种针对特殊批次货物进行预排程的系统及其方法 | |
CN115796372B (zh) | 一种基于scor的供应链管理优化方法及系统 | |
CN116579590B (zh) | 一种虚拟电厂中的需求响应评估方法和系统 | |
TWI649649B (zh) | 用於改進製造產量之基於事件處理的系統 | |
CN113869722A (zh) | 基于工业互联网的家电供应链风险预警系统、方法及设备 | |
CN112258337A (zh) | 一种自我补全修正的基站能耗模型预测方法 | |
Azimpoor et al. | Joint inspection and product quality optimization for a system with delayed failure | |
CN109409780B (zh) | 变更处理方法、装置、计算机设备和存储介质 | |
Shih et al. | Determining an optimal production run length with an extended quality control policy for an imperfect process | |
CN111967684B (zh) | 一种基于大数据分析的计量资产主动配送方法 | |
CN113448808A (zh) | 一种批处理任务中单任务时间的预测方法、系统及存储介质 | |
CN111539552A (zh) | 基于半导体市场数据的电子元器件生命周期预测方法 | |
JP2001134643A (ja) | 需要予測装置及び需要予測方法 | |
CN116308494A (zh) | 供应链需求预测方法 | |
CN115424106A (zh) | 台车检测方法、装置、电子设备及存储介质 | |
Hsu et al. | Data mining for yield enhancement in TFT-LCD manufacturing: an empirical study | |
CN115526431A (zh) | 基于工业互联网的数据分析方法及相关装置 | |
Najafi et al. | Solving a deterministic multi product single machine EPQ model withpartial backordering, scrapped products and rework | |
Gu et al. | Reliability modeling of manufacturing systems based on the task network evolved by key quality characteristics | |
CN110675112A (zh) | 一种基于供应链管理的电子商务系统 | |
Braglia et al. | Efficient near-optimal procedures for some inventory models with backorders-lost sales mixture and controllable lead time, under continuous or periodic review |
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 |