CN115220404A - 加工设备的智能诊断方法、装置、设备及存储介质 - Google Patents
加工设备的智能诊断方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115220404A CN115220404A CN202210716072.0A CN202210716072A CN115220404A CN 115220404 A CN115220404 A CN 115220404A CN 202210716072 A CN202210716072 A CN 202210716072A CN 115220404 A CN115220404 A CN 115220404A
- Authority
- CN
- China
- Prior art keywords
- processing
- target
- efficiency
- equipment
- processing equipment
- 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
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], computer integrated manufacturing [CIM]
- G05B19/41865—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], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- 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
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种加工设备的智能诊断方法、装置、设备及存储介质,涉及生产管理技术领域,能够提高加工管理效率。具体方案包括:获取预设区域的生产线在预设时间段内的实际加工效率和参考加工效率;若实际加工效率低于参考加工效率,则获取预设区域内每个加工设备被拉空时间,并根据每个加工设备的被拉空时间从多个加工设备中确定目标加工设备,被拉空时间为加工设备的等待加工时间,加工设备为预设区域内每个生产线包括的加工设备;获取目标加工设备在预设时间段内每加工完成一个对象的时间信息,得到目标加工设备在预设时间段内的加工节拍信息;根据目标加工设备的加工节拍信息确定目标加工设备的诊断结果。
Description
技术领域
本申请涉及生产管理技术领域,尤其涉及一种加工设备的智能诊断方法、装置、设备及存储介质。
背景技术
随着定制化产品的需求越来越多,产品生产模式已从传统的批量生产模式部分转变为定制化生产模式。定制化的生产模式由于存在同一订单批量较少,且客户需求变更更加频繁等因素,使得产品的生产组织和执行更加复杂,从而导致产品生产的效率降低、工人分配不均以及产能波动大等问题。基于上述问题,传统的依靠人工来对产品生产过程进行诊断管理的方法已不能适用于当前的产品生产模式。
发明内容
本申请提供一种加工设备的智能诊断方法、装置、设备及存储介质,能够提高加工管理效率。
为达到上述目的,本申请采用如下技术方案:
本申请实施例第一方面,本申请实施例提供了一种加工设备的智能诊断方法,该方法包括:
获取预设区域的生产线在预设时间段内的实际加工效率和参考加工效率;
若实际加工效率低于参考加工效率,则获取预设区域内每个加工设备被拉空时间,并根据每个加工设备的被拉空时间从多个加工设备中确定目标加工设备,被拉空时间为加工设备的等待加工时间,加工设备为预设区域内每个生产线包括的加工设备;
获取目标加工设备在预设时间段内每加工完成一个对象的时间信息,得到目标加工设备在预设时间段内的加工节拍信息;
根据目标加工设备的加工节拍信息确定目标加工设备的诊断结果。
在一个实施例中,获取预设区域的生产线在预设时间段内的实际加工效率,包括:
获取预设区域中包括的生产线的加工产量、产品合格率、物流配送效率以及工艺执行率;
根据加工产量、加工合格率、物流配送效率以及工艺执行率得到实际加工效率。
在一个实施例中,获取预设区域的生产线在预设时间段内的参考加工效率,包括:
获取预设区域中包括的生产线的加工对象信息和生产线包括的加工设备的参考加工节拍;
根据加工对象信息获取对应的参考加工工艺和参考物流路线;
根据加工设备的参考加工节拍、参考加工工艺和参考物流路线得到参考加工效率。
在一个实施例中,根据每个加工设备的被拉空时间从多个加工设备中确定目标加工设备,包括:
获取每个生产线包括的加工设备的被拉空时间,得到各生产线的被拉空时间,将被拉空时间最大的生产线确定为目标生产线;
将目标生产线中被拉空时间最大的加工设备确定为目标加工设备。
在一个实施例中,根据目标加工设备的加工节拍信息确定目标加工设备的诊断结果,包括:
根据目标加工设备在预设时间段内的加工节拍信息生成节拍波动曲线;
根据节拍波动曲线中的节拍波动大小和目标时间段确定目标加工设备的诊断结果,目标时间段为节拍波动曲线中节拍值大于预设阈值的时间段。
在一个实施例中,根据每个加工设备的被拉空时间从多个加工设备中确定目标加工设备之后,方法还包括:
获取预设时间段内目标加工设备的设备综合效率,根据设备综合效率确定目标加工设备的诊断结果。
在一个实施例中,获取预设时间段内目标加工设备的设备综合效率,包括:
获取目标加工设备在参考时间段内每加工完成一个对象的时间信息,得到目标加工设备的参考加工节拍信息;
计算参考加工节拍信息中各节拍值的中位值,得到目标加工设备的理论加工节拍;
根据理论加工节拍确定目标加工设备的设备综合效率。
本申请实施例第二方面,提供了一种加工设备的智能诊断装置,该装置包括:
第一获取模块,用于获取预设区域的生产线在预设时间段内的实际加工效率和参考加工效率;
第一确定模块,用于若实际加工效率低于参考加工效率,则获取预设区域内每个加工设备被拉空时间,并根据每个加工设备的被拉空时间从多个加工设备中确定目标加工设备,被拉空时间为加工设备的等待加工时间,加工设备为预设区域内每个生产线包括的加工设备;
第二获取模块,用于获取目标加工设备在预设时间段内每加工完成一个对象的时间信息,得到目标加工设备在预设时间段内的加工节拍信息;
第二确定模块,用于根据目标加工设备的加工节拍信息确定目标加工设备的诊断结果。
本申请实施例第三方面,提供了一种电子设备,该电子设备存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时实现本申请实施例第一方面中的加工设备的智能诊断方法。
本申请实施例第四方面,提供了一种计算机可读存储介质,该存储介质中存储有计算机程序,计算机程序被处理器执行时实现本申请实施例第一方面中的加工设备的智能诊断方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
本申请实施例提供的加工设备的智能诊断方法,通过获取预设区域的生产线在预设时间段内的实际加工效率和参考加工效率,若实际加工效率低于参考加工效率,则获取预设区域内每个加工设备被拉空时间,并根据每个加工设备的被拉空时间从多个加工设备中确定目标加工设备,被拉空时间为加工设备的等待加工时间,加工设备为预设区域内每个生产线包括的加工设备,获取目标加工设备在预设时间段内每加工完成一个对象的时间信息,得到目标加工设备在预设时间段内的加工节拍信息,最后,根据目标加工设备的加工节拍信息确定目标加工设备的诊断结果。本申请实施例提供的加工设备的智能诊断方法可以从多个加工设备中确定出加工效率较低的目标加工设备,并可以得到目标加工设备的诊断结果,同时,可以基于该诊断结果对目标加工设备进行改进,从而可以提高产品的加工管理效率。
附图说明
图1为本申请实施例提供的一种计算机设备的内部结构示意图;
图2为本申请实施例提供的一种加工设备的智能诊断方法的流程图;
图3为本申请实施例提供了一种诊断结果报告的示意图;
图4为本申请实施例提供的一种管理过程的模型示意图;
图5为本申请实施例提供的一种加工设备的智能诊断的数据架构示意图;
图6为本申请实施例提供的一种加工设备的智能诊断装置的结构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示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一个或者更多个该特征。在本公开实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
另外,“基于”或“根据”的使用意味着开放和包容性,因为“基于”或“根据”一个或多个条件或值的过程、步骤、计算或其他动作在实践中可以基于额外条件或超出的值。
随着定制化产品的需求越来越多,产品生产模式已从传统的批量生产模式部分转变为定制化生产模式。定制化的生产模式由于存在同一订单批量较少,且客户需求变更更加频繁等因素,使得产品的生产组织和执行更加复杂,从而导致产品生产的效率降低、工人分配不均以及产能波动大等问题。基于上述问题,传统的依靠人工来对产品生产过程进行诊断管理的方法已不能适用于当前的产品生产模式。
为了解决上述问题,本申请实施例提供了一种加工设备的智能诊断方法通过获取预设区域的生产线在预设时间段内的实际加工效率和参考加工效率,若实际加工效率低于参考加工效率,则获取预设区域内每个加工设备被拉空时间,并根据每个加工设备的被拉空时间从多个加工设备中确定目标加工设备,被拉空时间为加工设备的等待加工时间,加工设备为预设区域内每个生产线包括的加工设备,获取目标加工设备在预设时间段内每加工完成一个对象的时间信息,得到目标加工设备在预设时间段内的加工节拍信息,最后,根据目标加工设备的加工节拍信息确定目标加工设备的诊断结果。本申请实施例提供的加工设备的智能诊断方法可以从多个加工设备中确定出加工效率较低的目标加工设备,并可以得到目标加工设备的诊断结果,同时,可以基于该诊断结果对目标加工设备进行改进,从而可以提高产品的加工管理效率。
本申请实施例提供的加工设备的智能诊断方法的执行主体可以为计算机设备、终端设备,或者服务器,其中,终端设备可以为各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等,本申请对比不作具体限定。
图1为本申请实施例提供的一种计算机设备的内部结构示意图。如图1所示,该计算机设备包括通过系统总线连接的处理器和存储器。其中,该处理器用于提供计算和控制能力。存储器可包括非易失性存储介质及内存储器。非易失性存储介质存储有操作系统和计算机程序。该计算机程序可被处理器所执行,以用于实现以上各个实施例提供的一种加工设备的智能诊断方法的步骤。内存储器为非易失性存储介质中的操作系统和计算机程序提供高速缓存的运行环境。
本领域技术人员可以理解,图1中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
基于上述执行主体,本申请实施例提供一种加工设备的智能诊断方法。如图2所示,该方法包括以下步骤:
步骤201、获取预设区域的生产线在预设时间段内的实际加工效率和参考加工效率。
其中,预设区域的生产线可以为某个生产车间中的生产线,每个生产线中包括多个加工设备,生产车间中的加工设备用于加工多种对象,该对象可为产品的零部件,如车辆的零配件,手机的零配件等。
预设区域的生产线在预设时间段内的实际加工效率可以理解为一个生产车间中的生产线在预设时间段内中实际的加工效率。同样的,预设区域的生产线在预设时间段内的参考加工效率可以理解为同样的一个生产车间中的生产线在该预设时间段内的理论加工效率。
步骤202、若实际加工效率低于参考加工效率,则获取预设区域内每个加工设备被拉空时间,并根据每个加工设备的被拉空时间从多个加工设备中确定目标加工设备。
其中,被拉空时间为加工设备的等待加工时间,加工设备为预设区域内每个生产线包括的加工设备。目标加工设备可以理解为效率较低的加工设备或者存在加工瓶颈的加工设备。
可以理解的是,若实际加工效率低于参考加工效率,则说明该生产车间中存在加工瓶颈,则需要确定该生产车间中的加工效率较低的生产线以及该加工效率较低的生产线中效率较低的加工设备,得到目标加工设备。
步骤203、获取目标加工设备在预设时间段内每加工完成一个对象的时间信息,得到目标加工设备在预设时间段内的加工节拍信息。
具体的,加工设备每加工完成一个零件就会生成一个状态信号,通过采集该目标设备在预设时间段内的状态信号就会得到该加工节拍信息。
步骤204、根据目标加工设备的加工节拍信息确定目标加工设备的诊断结果。
可选的,可以根据目标加工设备在预设时间段内的加工节拍信息生成节拍波动曲线,然后根据节拍波动曲线中的节拍波动大小和目标时间段确定目标加工设备的诊断结果,目标时间段为节拍波动曲线中节拍值大于预设阈值的时间段。
也就是说,通过将预设时间段内得到的加工节拍信息生成节拍波动曲线,该加工波动曲线的横坐标为预设时间段的时间,该加工波动曲线的纵坐标为在该预设时间段下每加工完成一个零件的所需的时间大小,然后根据加工波动曲线的波动情况,确定目标加工设备的诊断结果。
可选的,获取预设区域的生产线在预设时间段内的实际加工效率,包括:获取预设区域中包括的生产线的加工产量、产品合格率、物流配送效率以及工艺执行率,然后根据加工产量、加工合格率、物流配送效率以及工艺执行率得到实际加工效率。
示例的,预设时间段可以为某天中的5个小时,则实际加工效率为目标车间的这5个小时内的加工效率、配送效率和工艺执行效率得到,其中,加工效率可以根据这5个小时的加工产量和产品合格率得到。
可选的,获取预设区域的生产线在预设时间段内的参考加工效率的过程可以为:获取预设区域中包括的生产线的加工对象信息和生产线包括的加工设备的参考加工节拍,并根据加工对象信息获取对应的参考加工工艺和参考物流路线,最后,根据加工设备的参考加工节拍、参考加工工艺和参考物流路线得到参考加工效率。
在实际实现过程中,参考加工效率可以通过仿真的方法计算得到,具体的,可以通过构建生产车间的三维仿真模型,然后根据加工设备的参考加工节拍、参考加工工艺和参考物流路线通过仿真计算得到参考加工效率。
进一步的,还可以通过以三维动画的形式对生产车间中加工设备的加工状态以及对生产车间中的加工人员的位置状态以动画的形式进行显示,并通过观看生产车间的三维动画来对生产车间的加工过程进行监控。
在一个实施例中,根据每个加工设备的被拉空时间从多个加工设备中确定目标加工设备的过程可以为:获取每个生产线包括的加工设备的被拉空时间,得到各生产线的被拉空时间,将被拉空时间最大的生产线确定为目标生产线将目标生产线中被拉空时间最大的加工设备确定为目标加工设备。
可以理解的是,当实际加工效率低于参考加工效率时,则需要查找加工过程中的瓶颈,具体的,可以通过获取每个生产线包括的加工设备的被拉空时间,得到各生产线的被拉空时间,将被拉空时间最大的生产线确定为目标生产线将目标生产线中被拉空时间最大的加工设备确定为目标加工设备,该目标加工设备即为瓶颈设备,也就是加工效率较低的设备。
在一个实施例中,根据目标加工设备的加工节拍信息确定目标加工设备的诊断结果的过程可以为:根据目标加工设备在预设时间段内的加工节拍信息生成节拍波动曲线,并根据节拍波动曲线中的节拍波动大小和目标时间段确定目标加工设备的诊断结果,目标时间段为节拍波动曲线中节拍值大于预设阈值的时间段。
在实际实现过程中,可以通过大量的节拍波动曲线和加工设备的瓶颈原因诊断结果训练得到一个智能诊断模型,然后通过将节拍波动曲线输入到训练好的智能诊断模型中,得到瓶颈原因的诊断结果,进一步的,还可以根据诊断结果得到相应的改进建议。如图3所示,以焊装场为例,为本申请实施例提供了一种诊断结果报告的示意图。
在一个实施例中,根据每个加工设备的被拉空时间从多个加工设备中确定目标加工设备之后,方法还包括:获取预设时间段内目标加工设备的设备综合效率,根据设备综合效率确定目标加工设备的诊断结果。
具体的,获取预设时间段内目标加工设备的设备综合效率可以为:获取目标加工设备在参考时间段内每加工完成一个对象的时间信息,得到目标加工设备的参考加工节拍信息,然后计算参考加工节拍信息中各节拍值的中位值,得到目标加工设备的理论加工节拍,然后根据理论加工节拍来计算加工设备的时间开动率、性能稼动率和良品率,最后根据加工设备的时间开动率、性能稼动率和良品率得到加工设备的综合效率。
为了便于本领域技术人员的理解,以执行主体为计算机设备为例介绍本申请提供的加工设备的智能诊断方法,具体的,该方法包括:
(1)获取预设区域中包括的生产线的加工产量、产品合格率、物流配送效率以及工艺执行率;
(2)根据加工产量、加工合格率、物流配送效率以及工艺执行率得到实际加工效率;
(3)获取预设区域中包括的生产线的加工对象信息和生产线包括的加工设备的参考加工节拍;
(4)根据加工对象信息获取对应的参考加工工艺和参考物流路线;
(5)根据加工设备的参考加工节拍、参考加工工艺和参考物流路线得到参考加工效率;
(6)若实际加工效率低于参考加工效率,则获取预设区域内每个加工设备被拉空时间;
(7)获取每个生产线包括的加工设备的被拉空时间,得到各生产线的被拉空时间,将被拉空时间最大的生产线确定为目标生产线;
(8)将目标生产线中被拉空时间最大的加工设备确定为目标加工设备;
(9)获取目标加工设备在预设时间段内每加工完成一个对象的时间信息,得到目标加工设备在预设时间段内的加工节拍信息;
(10)根据目标加工设备在预设时间段内的加工节拍信息生成节拍波动曲线;
(11)根据节拍波动曲线中的节拍波动大小和目标时间段确定目标加工设备的诊断结果,目标时间段为节拍波动曲线中节拍值大于预设阈值的时间段;
(12)获取目标加工设备在参考时间段内每加工完成一个对象的时间信息,得到目标加工设备的参考加工节拍信息;
(13)计算参考加工节拍信息中各节拍值的中位值,得到目标加工设备的理论加工节拍;
(14)根据理论加工节拍确定目标加工设备的设备综合效率;
(15)根据设备综合效率确定目标加工设备的诊断结果。
基于上述执行方法,可以理解的是,上述执行过程可以分为四个模块,包括:瓶颈识别模块,深度原因挖掘模块,对标管理模块和智能诊断模块。每个模块可以通过对应的模型来执行,具体的,如图4所示,可以包括对应的产线瓶颈识别模型,深度原因挖掘模型,对标管理模型和智能诊断模型。
具体的,产线瓶颈识别模型通过运用瓶颈理论(TOC)聚焦五步骤,建立瓶颈数据模型检索生产管理系统、物流管理系统中数据,如产线库存数量,缓冲拉空次数等,科学的计算出瓶颈的准确位置。深度原因挖掘模型通过检索瓶颈位置的效率损失数据,删选和排列前五的问题,并对每个问题发生的频次、时间和波动情况进行分析,找出其背后的规律性和特殊性,“对症下药”,不再“头痛医头脚痛医脚”,而是针对问题的深度原因,以最小的成本解决系统性的问题,达到治标又治本的效果。对标管理模型通过云部署平台,可以将各个基地的数据共享,统一规范关键指标的计算标准和公式,及其数据来源,可准确、有效的对其进行指标对标和差异分析。真正保障对标管理的有效性和准确性。智能诊断模型通过抽取规则与专家知识库模拟匹配得出假设诊断,通过与瓶颈定位与模拟模型验验假设诊断,输出诊断结论,并萃取专家库方案给出诊断方案。图5为本申请实施例提供的一种加工设备的智能诊断的数据架构示意图。
应该理解的是,上述实施例中的步骤流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述流程图至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
如图6所示,本申请实施例提供了一种加工设备的智能诊断装置,该装置包括:
第一获取模块11,用于获取预设区域的生产线在预设时间段内的实际加工效率和参考加工效率;
第一确定模块12,用于若实际加工效率低于参考加工效率,则获取预设区域内每个加工设备被拉空时间,并根据每个加工设备的被拉空时间从多个加工设备中确定目标加工设备,被拉空时间为加工设备的等待加工时间,加工设备为预设区域内每个生产线包括的加工设备;
第二获取模块13,用于获取目标加工设备在预设时间段内每加工完成一个对象的时间信息,得到目标加工设备在预设时间段内的加工节拍信息;
第二确定模块14,用于根据目标加工设备的加工节拍信息确定目标加工设备的诊断结果。
在一个实施例中,第一获取模块11具体用于:
获取预设区域中包括的生产线的加工产量、产品合格率、物流配送效率以及工艺执行率;
根据加工产量、加工合格率、物流配送效率以及工艺执行率得到实际加工效率。
在一个实施例中,第一获取模块11具体用于:
获取预设区域中包括的生产线的加工对象信息和生产线包括的加工设备的参考加工节拍;
根据加工对象信息获取对应的参考加工工艺和参考物流路线;
根据加工设备的参考加工节拍、参考加工工艺和参考物流路线得到参考加工效率。
在一个实施例中,第一确定模块12具体用于:
获取每个生产线包括的加工设备的被拉空时间,得到各生产线的被拉空时间,将被拉空时间最大的生产线确定为目标生产线;
将目标生产线中被拉空时间最大的加工设备确定为目标加工设备。
在一个实施例中,第二确定模块14具体用于:
根据目标加工设备在预设时间段内的加工节拍信息生成节拍波动曲线;
根据节拍波动曲线中的节拍波动大小和目标时间段确定目标加工设备的诊断结果,目标时间段为节拍波动曲线中节拍值大于预设阈值的时间段。
在一个实施例中,第二确定模块14还用于:
获取预设时间段内目标加工设备的设备综合效率,根据设备综合效率确定目标加工设备的诊断结果。
在一个实施例中,第二确定模块14具体用于:
获取目标加工设备在参考时间段内每加工完成一个对象的时间信息,得到目标加工设备的参考加工节拍信息;
计算参考加工节拍信息中各节拍值的中位值,得到目标加工设备的理论加工节拍;
根据理论加工节拍确定目标加工设备的设备综合效率。
本实施例提供的加工设备的智能诊断装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再多加赘述。
关于加工设备的智能诊断装置的具体限定可以参见上文中对于加工设备的智能诊断方法的限定,在此不再赘述。上述加工设备的智能诊断装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于服务器中的处理器中,也可以以软件形式存储于服务器中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本申请的另一实施例中,还提供一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时实现如本申请实施例的加工设备的智能诊断方法的步骤。
本申请另一实施例中,还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如本申请实施例的加工设备的智能诊断方法的步骤。
本申请另一实施例中,还提供一种计算机程序产品,该计算机程序产品包括计算机指令,当计算机指令在加工设备的智能诊断装置上运行时,使得加工设备的智能诊断装置执行上述方法实施例所示的方法流程中加工设备的智能诊断方法执行的各个步骤。
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。当使用软件程序实现时,可以全部或部分地以计算机程序产品的形式来实现。该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计算机执行指令时,全部或部分地产生按照本申请实施例的流程或功能。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。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,计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digitalsubscriber line,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。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含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。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。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种加工设备的智能诊断方法,其特征在于,所述方法包括:
获取预设区域的生产线在预设时间段内的实际加工效率和参考加工效率;
若所述实际加工效率低于所述参考加工效率,则获取所述预设区域内每个加工设备被拉空时间,并根据每个所述加工设备的被拉空时间从多个加工设备中确定目标加工设备,所述被拉空时间为加工设备的等待加工时间,所述加工设备为预设区域内每个生产线包括的加工设备;
获取所述目标加工设备在所述预设时间段内每加工完成一个对象的时间信息,得到所述目标加工设备在所述预设时间段内的加工节拍信息;
根据所述目标加工设备的加工节拍信息确定所述目标加工设备的诊断结果。
2.根据权利要求1所述的方法,其特征在于,所述获取预设区域的生产线在预设时间段内的实际加工效率,包括:
获取所述预设区域中包括的生产线的加工产量、产品合格率、物流配送效率以及工艺执行率;
根据所述加工产量、所述加工合格率、所述物流配送效率以及所述工艺执行率得到所述实际加工效率。
3.根据权利要求1所述的方法,其特征在于,所述获取预设区域的生产线在预设时间段内的参考加工效率,包括:
获取所述预设区域中包括的生产线的加工对象信息和所述生产线包括的加工设备的参考加工节拍;
根据所述加工对象信息获取对应的参考加工工艺和参考物流路线;
根据所述加工设备的参考加工节拍、参考加工工艺和参考物流路线得到所述参考加工效率。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据每个所述加工设备的被拉空时间从多个加工设备中确定目标加工设备,包括:
获取每个生产线包括的加工设备的被拉空时间,得到各生产线的被拉空时间,将被拉空时间最大的生产线确定为目标生产线;
将所述目标生产线中被拉空时间最大的加工设备确定为目标加工设备。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述目标加工设备的加工节拍信息确定所述目标加工设备的诊断结果,包括:
根据所述目标加工设备在所述预设时间段内的加工节拍信息生成节拍波动曲线;
根据所述节拍波动曲线中的节拍波动大小和目标时间段确定目标加工设备的诊断结果,所述目标时间段为所述节拍波动曲线中节拍值大于预设阈值的时间段。
6.根据权利要求1所述的方法,其特征在于,所述根据每个所述加工设备的被拉空时间从多个加工设备中确定目标加工设备之后,所述方法还包括:
获取所述预设时间段内所述目标加工设备的设备综合效率,根据所述设备综合效率确定所述目标加工设备的诊断结果。
7.根据权利要求6所述的方法,其特征在于,所述获取所述预设时间段内所述目标加工设备的设备综合效率,包括:
获取所述目标加工设备在参考时间段内每加工完成一个对象的时间信息,得到所述目标加工设备的参考加工节拍信息;
计算所述参考加工节拍信息中各节拍值的中位值,得到所述目标加工设备的理论加工节拍;
根据所述理论加工节拍确定所述目标加工设备的设备综合效率。
8.一种加工设备的智能诊断装置,其特征在于,所述装置包括:
第一获取模块,用于获取预设区域的生产线在预设时间段内的实际加工效率和参考加工效率;
第一确定模块,用于若所述实际加工效率低于所述参考加工效率,则获取所述预设区域内每个加工设备被拉空时间,并根据每个所述加工设备的被拉空时间从多个加工设备中确定目标加工设备,所述被拉空时间为加工设备的等待加工时间,所述加工设备为预设区域内每个生产线包括的加工设备;
第二获取模块,用于获取所述目标加工设备在所述预设时间段内每加工完成一个对象的时间信息,得到所述目标加工设备在所述预设时间段内的加工节拍信息;
第二确定模块,用于根据所述目标加工设备的加工节拍信息确定所述目标加工设备的诊断结果。
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现权利要求1至7任一项所述的加工设备的智能诊断方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的加工设备的智能诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210716072.0A CN115220404A (zh) | 2022-06-22 | 2022-06-22 | 加工设备的智能诊断方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210716072.0A CN115220404A (zh) | 2022-06-22 | 2022-06-22 | 加工设备的智能诊断方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115220404A true CN115220404A (zh) | 2022-10-21 |
Family
ID=83608974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210716072.0A Pending CN115220404A (zh) | 2022-06-22 | 2022-06-22 | 加工设备的智能诊断方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115220404A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116820055A (zh) * | 2023-08-25 | 2023-09-29 | 北京寄云鼎城科技有限公司 | 产品生产的监控方法、计算机设备及计算机可读存储介质 |
-
2022
- 2022-06-22 CN CN202210716072.0A patent/CN115220404A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116820055A (zh) * | 2023-08-25 | 2023-09-29 | 北京寄云鼎城科技有限公司 | 产品生产的监控方法、计算机设备及计算机可读存储介质 |
CN116820055B (zh) * | 2023-08-25 | 2023-11-28 | 北京寄云鼎城科技有限公司 | 产品生产的监控方法、计算机设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108632097B (zh) | 异常行为对象的识别方法、终端设备及介质 | |
CN108228428B (zh) | 用于输出信息的方法和装置 | |
US11403303B2 (en) | Method and device for generating ranking model | |
US11170327B2 (en) | Dynamic production planning system and dynamic production planning device | |
CN106598822B (zh) | 一种用于容量评估的异常数据检测方法及装置 | |
CN112463859B (zh) | 基于大数据和业务分析的用户数据处理方法及服务器 | |
CN109299222A (zh) | 数据核对方法及装置 | |
CN113641994B (zh) | 基于图数据的数据处理方法及系统 | |
CN110060087A (zh) | 异常数据的检测方法、装置和服务器 | |
CN114037219A (zh) | 一种数据评估方法、装置及电子设备 | |
US20070233532A1 (en) | Business process analysis apparatus | |
CN112100219B (zh) | 基于数据库查询处理的报表生成方法、装置、设备和介质 | |
CN110727740B (zh) | 关联分析方法及装置、计算机设备与可读介质 | |
CN107291835B (zh) | 一种搜索词的推荐方法和装置 | |
CN114092056A (zh) | 项目管理方法、装置、电子设备、存储介质及产品 | |
CN115220404A (zh) | 加工设备的智能诊断方法、装置、设备及存储介质 | |
CN109240893B (zh) | 应用运行状态查询方法及终端设备 | |
CN112882956B (zh) | 一种通过数据组合计算自动生成全场景自动化测试案例的方法、装置、存储介质及电子设备 | |
CN111414528B (zh) | 确定设备标识的方法、装置、存储介质及电子设备 | |
CN107256254B (zh) | 一种行业景气指数获取方法、存储设备及终端 | |
CN111737233A (zh) | 数据监控方法及装置 | |
CN114638514A (zh) | 一种车险作业的监控方法、装置、设备及介质 | |
CN110348984B (zh) | 不同交易渠道下的信用卡数据自动化输入方法及相关设备 | |
CN109783745B (zh) | 对页面进行个性化排版的方法、装置和计算机设备 | |
CN112541730A (zh) | 项目工时统计方法、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |