CN115345485B - 基于大数据的智能工厂设备数据分析管理系统及方法 - Google Patents
基于大数据的智能工厂设备数据分析管理系统及方法 Download PDFInfo
- Publication number
- CN115345485B CN115345485B CN202210984523.9A CN202210984523A CN115345485B CN 115345485 B CN115345485 B CN 115345485B CN 202210984523 A CN202210984523 A CN 202210984523A CN 115345485 B CN115345485 B CN 115345485B
- Authority
- CN
- China
- Prior art keywords
- equipment
- order
- processing
- production line
- time
- 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
- G06Q10/06—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
- G06Q10/06316—Sequencing of tasks or work
-
- 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]
- G05B19/41885—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 modeling, simulation of the manufacturing system
-
- 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
- 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
-
- 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
本发明公开了基于大数据的智能工厂设备数据分析管理系统及方法,属于大数据分析技术领域。本发明所述系统包括工厂订单信息获取模块、生产线设备工作状态预测模块、生产线设备关联程度计算模块和设备驱动管理模块;所述工厂订单信息获取模块用于对智能工厂接收到的订单信息进行获取,并将获取信息传输至生产线设备工作状态预测模块;所述生产线设备工作状态预测模块用于对智能工厂中各设备的历史工作参数进行获取,根据获取信息对工厂生产线上各设备的工作状态进行预测,并将预测结果传输至生产线设备关联程度计算模块;所述生产线设备关联程度计算模块用于对生产线设备工作状态预测模块传输的预测结果进行接收。
Description
技术领域
本发明涉及大数据分析技术领域,具体为基于大数据的智能工厂设备数据分析管理系统及方法。
背景技术
智能工厂是利用各种现代化的技术,实现工厂的办公、管理及生产自动化,达到加强及规范企业管理、减少工作失误、堵塞各种漏洞、提高工作效率、进行安全生产、提供决策参考、加强外界联系、拓宽国际市场的目的,智能工厂实现了人与机器的相互协调合作,其本质是人机交互。
现有的智能工厂设备数据分析管理系统在对工厂设备进行管控时,无法根据工厂接单信息对工厂设备的工作情况进行控制,导致工厂在完成一项订单后,根据下一订单时间直接对设备进行调整,增加了对设备的调整时间,且在加工过程中出现加工零件损坏的情况时,通常先将损坏的加工零件统一收集在一处,根据后期零件加工数量是否满足需求,选择性对收集的损坏零件进行重改,收集的损坏零件在放置过程中容易发生二次损坏,提高了工厂生产成本,以及工厂设备在发生故障时,一般先控制故障的设备停止工作,待设备维修完成后,再次投入生产线中,此过程将大大降低零件的生产效率,不利于订单的正常出货。
发明内容
本发明的目的在于提供基于大数据的智能工厂设备数据分析管理系统及方法,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:
与现有技术相比,本发明所达到的有益效果是:基于大数据的智能工厂设备数据分析管理系统,所述系统包括工厂订单信息获取模块、生产线设备工作状态预测模块、生产线设备关联程度计算模块和设备驱动管理模块;
所述工厂订单信息获取模块用于对智能工厂接收到的订单信息进行获取,并将获取信息传输至生产线设备工作状态预测模块;
所述生产线设备工作状态预测模块用于对智能工厂中各设备的历史工作参数进行获取,根据获取信息对工厂生产线上各设备的工作状态进行预测,并将预测结果传输至生产线设备关联程度计算模块;
所述生产线设备关联程度计算模块用于对生产线设备工作状态预测模块传输的预测结果进行接收,根据预测结果对生产线上各设备之间的关联程度进行计算,并将计算结果传输至设备驱动管理模块;
所述设备驱动管理模块用于对生产线设备关联程度计算模块传输的计算结果进行接收,根据计算结果对生产线上各设备的驱动情况进行调整。
进一步的,所述工厂订单信息获取模块包括订单生产时间获取单元、订单数量获取单元、临时订单获取单元和订单处理单元;
所述订单生产时间获取单元对订单下单时间和订单出货时间进行获取,基于获取信息对订单实际生产时间进行计算,并将计算结果和订单出货时间传输至订单处理单元;
所述订单数量获取单元对订单中零件的规格信息和对应规格零件的数量信息进行获取,并将获取信息传输至订单处理单元;
所述临时订单获取单元对临时增加的紧急订单出货时间、紧急订单中零件的规格信息和对应规格零件的数量信息进行获取,并将获取信息传输至订单处理单元;
所述订单处理单元对订单生产时间获取单元传输的计算结果和订单出货时间,对订单数量获取单元传输的订单中零件的规格信息和对应规格零件的数量信息,以及对临时订单获取单元传输的获取信息进行获取,根据接收信息对各规格零件之间的相似度进行计算,以及对各订单在规定时间内的完成度进行预测,并将相似度计算结果和订单完成度预测结果传输至设备驱动管理模块。
进一步的,所述生产线设备工作状态预测模块包括历史数据获取单元和设备状态预测单元;
所述历史数据获取单元对生产线上各设备的工作总时间、工作频率和工作速率进行获取,并将获取信息传输至设备状态预测单元;
所述设备状态预测单元对历史数据获取单元传输的获取信息进行接收,基于接收信息对各设备的状态进行预测,并将预测结果传输至生产线设备关联程度计算模块。
进一步的,所述生产线设备关联程度计算模块包括关联程度计算单元和设备选择单元;
所述关联程度计算单元对生产线设备的加工用途、加工精确度、零件单次加工时间和加工尺寸进行获取,基于获取信息对各设备之间的关联程度进行计算,并将计算结果传输至设备选择单元;
所述设备选择单元对关联程度计算单元传输的计算结果和生产线设备工作状态预测模块传输的设备状态预测结果进行接收,基于接收内容对预测的故障设备进行更换,并将更换结果传输至设备驱动管理模块。
进一步的,所述设备驱动管理模块对设备选择单元传输的更换结果进行接收,根据接收的更换结果控制对应设备处于工作状态,控制预测的故障设备停止工作,并将预测的故障信息传输至维修终端;
所述设备驱动管理模块对订单处理单元传输的相似度计算结果和完成度预测结果进行接收,当加工零件在加工过程中发生损坏时,根据损坏零件的损坏位置、损坏程度、接收的相似度计算结果和对应加工零件的规格信息比值,判断损坏的加工零件能否重改,若能实现重改,则根据预测的完成度,将损坏的加工零件转换到相似度高,且完成度低的生产线上,若无法实现重改,则将损坏的加工零件转换到收集区。
基于大数据的智能工厂设备数据分析管理方法,所述订单处理单元对各零件之间的相似度进行计算,具体方法为:
基于各零件的规格信息、加工顺序和加工工艺对各零件之间的相似度进行计算,具体的计算公式W为:
其中,m=1,2,…,φ,n=1,2,…,φ,φ表示m、n所能取到的最大值,且n≠m,m、n均表示不同规格零件对应的编号,Rm表示第m种规格的零件对应的规格信息,i=1,2,…,k表示不同规格零件对应的加工顺序编号,表示第m种规格的零件的第i项加工顺序对应的设备编号值,j=1,2,…,u表示不同规格零件对应的加工工艺编号,表示第m种规格的零件的第j种加工工艺对应的设备编号值,k、u分别表示m、n所能取到的最大值,表示对值取整,当时,当时, W表示计算的各零件之间的相似度值,该公式利用零件的规格信息、加工顺序和加工工艺对各零件之间的相似度进行计算,便于后期加工零件损坏时,可在最短时间内对加工零件进行重改,且保证更改后的加工零件满足加工需求。
进一步的,所述订单处理单元对各订单在规定时间内的完成度进行预测,具体方法为:
基于各零件的加工效率,加工数量和加工时间对各订单在规定时间内的完成度进行预测,具体的预测公式F为:
F=[|vn*(Te-(y-1)T′/y)-gn|]/gn;
其中,vn表示第n种规格的零件对应的加工速度,e=1,2,…,s表示订单对应的编号,Te表示第e个订单对应的加工时间,y表示第e个订单对应的加工时间与其它订单加工时间存在重叠部分的最大数量值,T′表示最大数量值对应重叠部分的时间值,gn表示第n种规格的零件对应的加工数量,Te-(y-1)T′/y表示第e个订单对应的实际加工时间,F表示预测的第e个订单在规定时间内的完成度;
基于预测的各订单在规定时间内的完成度,结合各零件之间的相似度,对订单的加工顺序进行调整,保证在对不同零件进行加工时,对设备的调整幅度最小,减少设备调整时间;
利用Te-(y-1)T′/y对订单的实际加工时间进行表示,是因为工厂在接订单时,经常出现订单时间部分重叠的情况,导致工厂根据下单时间加工零件时,存在多个订单延时的情况,且无法根据下单时间优先选择加工何种零件,进而降低工厂的工作效率。
进一步的,所述设备状态预测单元中基于接收信息对各设备的状态进行预测,具体方法为:
1)根据生产线上各设备的工作总时间和工作频率对各设备的故障概率进行计算,具体的计算公式P为:
其中,d=1,2,…,b表示生产线上设备对应的编号,b表示d所能取到的最大值,td表示第d个设备对应的工作总时间,hd表示第d个设备对应的工作频率,表示设备对应的单次标准工作时间,td/hd表示第d个设备对应的单次实际工作时间,P表示第d个设备对应的故障概率,当P≤0时,表示设备故障概率为0,当P>0时,表示设备故障概率为P,利用生产线上各设备对应的单次实际工作时间对设备的故障概率进行计算,是因为设备工作时间越长,设备故障敏感部位将会长时间处于高温状态,进而使设备的故障概率增加,且此过程无需对设备的状态进行实时监测,减少了预测成本;
2)基于生产线上各设备的故障概率,结合设备工作效率对各设备的状态进行预测,具体的预测公式X为:
其中,Vd表示第d个设备的实际工作效率,表示第d个设备的标准工作效率,X表示设备的工作状态,当0<X<0.4时,表示设备对应的工作状态好,当X≥0.4时,表示设备对应的工作状态差。
进一步的,所述关联程度计算单元基于获取信息对各设备之间的关联程度进行计算,具体的计算方法为:
(1)根据设备的加工用途对生产线上的各设备进行分类处理,并将属于同一用途的设备放置在同一集合中,判定属于不同集合中的各设备之间的关联度为零;
(2)基于设备加工尺寸,按照加工尺寸从大到小的规则对集合中设备的排列顺序进行确定;
(3)基于设备的加工精度和零件单次加工时间,对属于同一集合中的各设备之间的关联度进行计算,并利用(2)中确定的集合排列顺序对计算的关联度进行调整。
进一步的,所述关联程度计算单元中利用(2)中确定的集合排列顺序对计算的关联度进行调整,具体方法为:
利用计算公式Q对属于同一集合中的各设备之间的关联度进行计算,则:
其中,c=1,2,…,ω,o=1,2,…,ω,ω表示c、o所能取到的最大值,且c≠o,c、o均表示同一集合中设备对应的编号,Fc表示编号为c的设备对应的加工精度,Fo表示编号为o的设备对应的加工精度,表示同一集合中各设备之间的加工精度允许的最大偏差值,Lc表示编号为c的设备对应的零件单次加工时间,Lo表示编号为o的设备对应的零件单次加工时间,(1/2)*[1/(Lc+Lo)]表示对两设备零件单次加工的平均时间进行计算,Q表示同一集合中的各设备之间的关联度,利用作为系数对各设备之间的关联度进行计算,保证零件加工精度的同时,保证零件加工效率变化幅度低,减少对订单出货效率的影响;
根据(2)中确定的集合排列顺序对计算的关联度进行调整,则其中,o表示同一集合中预测的故障设备对应的编号值,c表示同一集合中计算的与编号为o的设备关联度最高的设备对应的编号值,表示对o-c值取整,当o-c≥0时,表示编号为c的设备的加工尺寸大于等于编号为o的设备的加工尺寸,此时当o-c<0时,表示编号为c的设备的加工尺寸小于编号为o的设备的加工尺寸,此时Q'表示调整后的关联度,若Q′=0时,表示两设备之间无法进行更换,当Q′≠0时,表示两设备之间能够进行更换。
1.本发明通过各零件的规格信息、加工顺序和加工工艺对各零件之间的相似度进行计算,便于后期加工零件损坏时,可在最短时间内对加工零件进行重改,且保证更改后的加工零件满足加工需求,利用各零件的加工效率,加工数量和加工时间对各订单在规定时间内的完成度进行预测,保证损坏的加工零件在重改时优先重改为完成度低的零件,保证工厂订单能够及时完成,保障工厂加工成本的同时,提高了工厂的加工效率。
2.本发明通过预测的各订单在规定时间内的完成度,以及各零件之间的相似度,对订单的加工顺序进行调整,保证在对不同零件进行加工时,对设备的调整幅度最小,减少了设备调整时间。
3.本发明通过生产线上各设备的工作总时间和工作频率对各设备的故障概率进行计算,基于计算结果,结合设备工作效率对各设备的状态进行预测,根据预测的设备状态选择是否对工作设备进行更换,且根据各设备之间的关联程度,选择将预测的故障设备更改为具体的哪一设备,保证工作设备在更换后,零件的加工精度变化幅度低,减少对订单出货效率的影响。
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是本发明基于大数据的智能工厂设备数据分析管理系统及方法的工作原理结构示意图。
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。
请参阅图1,本发明提供技术方案:基于大数据的智能工厂设备数据分析管理系统,系统包括工厂订单信息获取模块、生产线设备工作状态预测模块、生产线设备关联程度计算模块和设备驱动管理模块;
工厂订单信息获取模块用于对智能工厂接收到的订单信息进行获取,并将获取信息传输至生产线设备工作状态预测模块;
工厂订单信息获取模块包括订单生产时间获取单元、订单数量获取单元、临时订单获取单元和订单处理单元;
订单生产时间获取单元对订单下单时间和订单出货时间进行获取,基于获取信息对订单实际生产时间进行计算,并将计算结果和订单出货时间传输至订单处理单元;
订单数量获取单元对订单中零件的规格信息和对应规格零件的数量信息进行获取,并将获取信息传输至订单处理单元;
临时订单获取单元对临时增加的紧急订单出货时间、紧急订单中零件的规格信息和对应规格零件的数量信息进行获取,并将获取信息传输至订单处理单元;
订单处理单元对订单生产时间获取单元传输的计算结果和订单出货时间,对订单数量获取单元传输的订单中零件的规格信息和对应规格零件的数量信息,以及对临时订单获取单元传输的获取信息进行获取,根据接收信息对各规格零件之间的相似度进行计算,以及对各订单在规定时间内的完成度进行预测,并将相似度计算结果和订单完成度预测结果传输至设备驱动管理模块;
订单处理单元对各零件之间的相似度进行计算,以及对各订单在规定时间内的完成度进行预测,具体方法为:
基于各零件的规格信息、加工顺序和加工工艺对各零件之间的相似度进行计算,具体的计算公式W为:
其中,m=1,2,…,φ,n=1,2,…,φ,φ表示m、n所能取到的最大值,且n≠m,m、n均表示不同规格零件对应的编号,Rm表示第m种规格的零件对应的规格信息,i=1,2,…,k表示不同规格零件对应的加工顺序编号,表示第m种规格的零件的第i项加工顺序对应的设备编号值,j=1,2,…,u表示不同规格零件对应的加工工艺编号,表示第m种规格的零件的第j种加工工艺对应的设备编号值,k、u分别表示m、n所能取到的最大值,表示对值取整,当时,当时, W表示计算的各零件之间的相似度值,该公式利用零件的规格信息、加工顺序和加工工艺对各零件之间的相似度进行计算,便于后期加工零件损坏时,可在最短时间内对加工零件进行重改,且保证更改后的加工零件满足加工需求;
基于各零件的加工效率,加工数量和加工时间对各订单在规定时间内的完成度进行预测,具体的预测公式F为:
F=[|vn*(Te-(y-1)T′/y)-gn|]/gn;
其中,vn表示第n种规格的零件对应的加工速度,e=1,2,…,s表示订单对应的编号,Te表示第e个订单对应的加工时间,y表示第e个订单对应的加工时间与其它订单加工时间存在重叠部分的最大数量值,T′表示最大数量值对应重叠部分的时间值,gn表示第n种规格的零件对应的加工数量,Te-(y-1)T′/y表示第e个订单对应的实际加工时间,F表示预测的第e个订单在规定时间内的完成度;
基于预测的各订单在规定时间内的完成度,结合各零件之间的相似度,对订单的加工顺序进行调整,保证在对不同零件进行加工时,对设备的调整幅度最小,减少设备调整时间;
利用Te-(y-1)T′/y对订单的实际加工时间进行表示,是因为工厂在接订单时,经常出现订单时间部分重叠的情况,导致工厂根据下单时间加工零件时,存在多个订单延时的情况,且无法根据下单时间优先选择加工何种零件,进而降低工厂的工作效率;
生产线设备工作状态预测模块用于对智能工厂中各设备的历史工作参数进行获取,根据获取信息对工厂生产线上各设备的工作状态进行预测,并将预测结果传输至生产线设备关联程度计算模块;
生产线设备工作状态预测模块包括历史数据获取单元和设备状态预测单元;
历史数据获取单元对生产线上各设备的工作总时间、工作频率和工作速率进行获取,并将获取信息传输至设备状态预测单元;
设备状态预测单元对历史数据获取单元传输的获取信息进行接收,基于接收信息对各设备的状态进行预测,并将预测结果传输至生产线设备关联程度计算模块;
设备状态预测单元中基于接收信息对各设备的状态进行预测,具体方法为:
1)根据生产线上各设备的工作总时间和工作频率对各设备的故障概率进行计算,具体的计算公式P为:
其中,d=1,2,…,b表示生产线上设备对应的编号,b表示d所能取到的最大值,td表示第d个设备对应的工作总时间,hd表示第d个设备对应的工作频率,表示设备对应的单次标准工作时间,td/hd表示第d个设备对应的单次实际工作时间,P表示第d个设备对应的故障概率,当P≤0时,表示设备故障概率为0,当P>0时,表示设备故障概率为P,利用生产线上各设备对应的单次实际工作时间对设备的故障概率进行计算,是因为设备工作时间越长,设备故障敏感部位将会长时间处于高温状态,进而使设备的故障概率增加,且此过程无需对设备的状态进行实时监测,减少了预测成本;
2)基于生产线上各设备的故障概率,结合设备工作效率对各设备的状态进行预测,具体的预测公式X为:
其中,Vd表示第d个设备的实际工作效率,表示第d个设备的标准工作效率,X表示设备的工作状态,当0<X<0.4时,表示设备对应的工作状态好,当X≥0.4时,表示设备对应的工作状态差;
生产线设备关联程度计算模块用于对生产线设备工作状态预测模块传输的预测结果进行接收,根据预测结果对生产线上各设备之间的关联程度进行计算,并将计算结果传输至设备驱动管理模块;
生产线设备关联程度计算模块包括关联程度计算单元和设备选择单元;
关联程度计算单元对生产线设备的加工用途、加工精确度、零件单次加工时间和加工尺寸进行获取,基于获取信息对各设备之间的关联程度进行计算,并将计算结果传输至设备选择单元;
关联程度计算单元基于获取信息对各设备之间的关联程度进行计算,具体的计算方法为:
(1)根据设备的加工用途对生产线上的各设备进行分类处理,并将属于同一用途的设备放置在同一集合中,判定属于不同集合中的各设备之间的关联度为零;
(2)基于设备加工尺寸,按照加工尺寸从大到小的规则对集合中设备的排列顺序进行确定;
(3)基于设备的加工精度和零件单次加工时间,对属于同一集合中的各设备之间的关联度进行计算,并利用(2)中确定的集合排列顺序对计算的关联度进行调整,具体方法为:
利用计算公式Q对属于同一集合中的各设备之间的关联度进行计算,则:
其中,c=1,2,…,ω,o=1,2,…,ω,ω表示c、o所能取到的最大值,且c≠o,c、o均表示同一集合中设备对应的编号,Fc表示编号为c的设备对应的加工精度,Fo表示编号为o的设备对应的加工精度,表示同一集合中各设备之间的加工精度允许的最大偏差值,Lc表示编号为c的设备对应的零件单次加工时间,Lo表示编号为o的设备对应的零件单次加工时间,(1/2)*[1/(Lc+Lo)]表示对两设备零件单次加工的平均时间进行计算,Q表示同一集合中的各设备之间的关联度,利用作为系数对各设备之间的关联度进行计算,保证零件加工精度的同时,保证零件加工效率变化幅度低,减少对订单出货效率的影响;
根据(2)中确定的集合排列顺序对计算的关联度进行调整,则其中,o表示同一集合中预测的故障设备对应的编号值,c表示同一集合中计算的与编号为o的设备关联度最高的设备对应的编号值,表示对o-c值取整,当o-c≥0时,表示编号为c的设备的加工尺寸大于等于编号为o的设备的加工尺寸,此时当o-c<0时,表示编号为c的设备的加工尺寸小于编号为o的设备的加工尺寸,此时Q'表示调整后的关联度,若Q′=0时,表示两设备之间无法进行更换,当Q′≠0时,表示两设备之间能够进行更换;
设备选择单元对关联程度计算单元传输的计算结果和生产线设备工作状态预测模块传输的设备状态预测结果进行接收,基于接收内容对预测的故障设备进行更换,并将更换结果传输至设备驱动管理模块;
设备驱动管理模块对设备选择单元传输的更换结果进行接收,根据接收的更换结果控制对应设备处于工作状态,控制预测的故障设备停止工作,并将预测的故障信息传输至维修终端;
设备驱动管理模块对订单处理单元传输的相似度计算结果和完成度预测结果进行接收,当加工零件在加工过程中发生损坏时,根据损坏零件的损坏位置、损坏程度、接收的相似度计算结果和对应加工零件的规格信息比值,判断损坏的加工零件能否重改,若能实现重改,则根据预测的完成度,将损坏的加工零件转换到相似度高,且完成度低的生产线上,若无法实现重改,则将损坏的加工零件转换到收集区。
实施例:(1)根据设备的加工用途对生产线上的各设备进行分类处理,并将属于同一用途的设备放置在同一集合中;
(2)基于设备加工尺寸,按照加工尺寸从大到小的规则对集合中设备的排列顺序进行确定,设集合为Z={Z1,Z2,…,Zω},其中,z表示集合Z中设备的用途为打磨;
(3)基于设备的加工精度和零件单次加工时间,对属于同一集合中的各设备之间的关联度进行计算,设Fc=0.5mm,Lo=1min,Lc=1.5min,c=6,o=4,则:
则,集合Z中编号为c和o的设备之间的关联度为0.05;
设maxQ=0.05,则利用(2)中确定的集合排列顺序对计算的关联度进行调整,则:
因为Q′=0.05≠0,则可以使用编号为c的设备替代编号为o的设备。
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 (3)
1.基于大数据的智能工厂设备数据分析管理系统,其特征在于:所述系统包括工厂订单信息获取模块、生产线设备工作状态预测模块、生产线设备关联程度计算模块和设备驱动管理模块;
所述工厂订单信息获取模块用于对智能工厂接收到的订单信息进行获取,并将获取信息传输至生产线设备工作状态预测模块;
所述工厂订单信息获取模块包括订单生产时间获取单元、订单数量获取单元、临时订单获取单元和订单处理单元;
所述订单生产时间获取单元对订单下单时间和订单出货时间进行获取,基于获取信息对订单实际生产时间进行计算,并将计算结果和订单出货时间传输至订单处理单元;
所述订单数量获取单元对订单中零件的规格信息和对应规格零件的数量信息进行获取,并将获取信息传输至订单处理单元;
所述临时订单获取单元对临时增加的紧急订单出货时间、紧急订单中零件的规格信息和对应规格零件的数量信息进行获取,并将获取信息传输至订单处理单元;
所述订单处理单元对订单生产时间获取单元传输的计算结果和订单出货时间,对订单数量获取单元传输的订单中零件的规格信息和对应规格零件的数量信息,以及对临时订单获取单元传输的获取信息进行获取,根据接收信息对各规格零件之间的相似度进行计算,以及对各订单在规定时间内的完成度进行预测,并将相似度计算结果和订单完成度预测结果传输至设备驱动管理模块;
所述订单处理单元对各零件之间的相似度进行计算,具体方法为:
基于各零件的规格信息、加工顺序和加工工艺对各零件之间的相似度进行计算,具体的计算公式W为:
其中,m=1,2,…,φ,n=1,2,…,φ,φ表示m、n所能取到的最大值,且n≠m,m、n均表示不同规格零件对应的编号,Rm表示第m种规格的零件对应的规格信息,i=1,2,…,k表示不同规格零件对应的加工顺序编号,表示第m种规格的零件的第i项加工顺序对应的设备编号值,j=1,2,…,u表示不同规格零件对应的加工工艺编号,表示第m种规格的零件的第j种加工工艺对应的设备编号值,k、u分别表示m、n所能取到的最大值, 表示对值取整,当时,当时,W表示计算的各零件之间的相似度值;
所述订单处理单元对各订单在规定时间内的完成度进行预测,具体方法为:
基于各零件的加工效率,加工数量和加工时间对各订单在规定时间内的完成度进行预测,具体的预测公式F为:
F=[|vn*(Te-(y-1)T′/y)-gn|]/gn;
其中,vn表示第n种规格的零件对应的加工速度,e=1,2,…,s表示订单对应的编号,Te表示第e个订单对应的加工时间,y表示第e个订单对应的加工时间与其它订单加工时间存在重叠部分的最大数量值,T′表示最大数量值对应重叠部分的时间值,gn表示第n种规格的零件对应的加工数量,Te-(y-1)T′/y表示第e个订单对应的实际加工时间,F表示预测的第e个订单在规定时间内的完成度;
基于预测的各订单在规定时间内的完成度,结合各零件之间的相似度,对订单的加工顺序进行调整;
所述生产线设备工作状态预测模块用于对智能工厂中各设备的历史工作参数进行获取,根据获取信息对工厂生产线上各设备的工作状态进行预测,并将预测结果传输至生产线设备关联程度计算模块;
所述生产线设备工作状态预测模块包括历史数据获取单元和设备状态预测单元;
所述历史数据获取单元对生产线上各设备的工作总时间、工作频率和工作速率进行获取,并将获取信息传输至设备状态预测单元;
所述设备状态预测单元对历史数据获取单元传输的获取信息进行接收,基于接收信息对各设备的状态进行预测,并将预测结果传输至生产线设备关联程度计算模块;
所述设备状态预测单元中基于接收信息对各设备的状态进行预测,具体方法为:
1)根据生产线上各设备的工作总时间和工作频率对各设备的故障概率进行计算,具体的计算公式P为:
其中,d=1,2,…,b表示生产线上设备对应的编号,b表示d所能取到的最大值,td表示第d个设备对应的工作总时间,hd表示第d个设备对应的工作频率,表示设备对应的单次标准工作时间,td/hd表示第d个设备对应的单次实际工作时间,P表示第d个设备对应的故障概率,当P≤0时,表示设备故障概率为0,当P>0时,表示设备故障概率为P;
2)基于生产线上各设备的故障概率,结合设备工作效率对各设备的状态进行预测,具体的预测公式X为:
其中,Vd表示第d个设备的实际工作效率,表示第d个设备的标准工作效率,X表示设备的工作状态,当0<X<0.4时,表示设备对应的工作状态好,当X≥0.4时,表示设备对应的工作状态差;
所述生产线设备关联程度计算模块用于对生产线设备工作状态预测模块传输的预测结果进行接收,根据预测结果对生产线上各设备之间的关联程度进行计算,并将计算结果传输至设备驱动管理模块;
所述生产线设备关联程度计算模块包括关联程度计算单元和设备选择单元;
所述关联程度计算单元对生产线设备的加工用途、加工精确度、零件单次加工时间和加工尺寸进行获取,基于获取信息对各设备之间的关联程度进行计算,并将计算结果传输至设备选择单元;
所述关联程度计算单元基于获取信息对各设备之间的关联程度进行计算,具体的计算方法为:
(1)根据设备的加工用途对生产线上的各设备进行分类处理,并将属于同一用途的设备放置在同一集合中,判定属于不同集合中的各设备之间的关联度为零;
(2)基于设备加工尺寸,按照加工尺寸从大到小的规则对集合中设备的排列顺序进行确定;
(3)基于设备的加工精度和零件单次加工时间,对属于同一集合中的各设备之间的关联度进行计算,并利用(2)中确定的集合排列顺序对计算的关联度进行调整;
所述设备选择单元对关联程度计算单元传输的计算结果和生产线设备工作状态预测模块传输的设备状态预测结果进行接收,基于接收内容对预测的故障设备进行更换,并将更换结果传输至设备驱动管理模块;
所述设备驱动管理模块用于对生产线设备关联程度计算模块传输的计算结果进行接收,根据计算结果对生产线上各设备的驱动情况进行调整。
2.根据权利要求1所述的基于大数据的智能工厂设备数据分析管理系统,其特征在于:所述设备驱动管理模块对设备选择单元传输的更换结果进行接收,根据接收的更换结果控制对应设备处于工作状态,控制预测的故障设备停止工作,并将预测的故障信息传输至维修终端;
所述设备驱动管理模块对订单处理单元传输的相似度计算结果和完成度预测结果进行接收,当加工零件在加工过程中发生损坏时,根据损坏零件的损坏位置、损坏程度、接收的相似度计算结果和对应加工零件的规格信息比值,判断损坏的加工零件能否重改,若能实现重改,则根据预测的完成度,将损坏的加工零件转换到相似度高,且完成度低的生产线上,若无法实现重改,则将损坏的加工零件转换到收集区。
3.一种应用于权利要求1所述的基于大数据的智能工厂设备数据分析管理系统的基于大数据的智能工厂设备数据分析管理方法,其特征在于:所述关联程度计算单元中利用(2)中确定的集合排列顺序对计算的关联度进行调整,具体方法为:
利用计算公式Q对属于同一集合中的各设备之间的关联度进行计算,则:
其中,c=1,2,…,ω,o=1,2,…,ω,ω表示c、o所能取到的最大值,且c≠o,c、o均表示同一集合中设备对应的编号,Fc表示编号为c的设备对应的加工精度,Fo表示编号为o的设备对应的加工精度,表示同一集合中各设备之间的加工精度允许的最大偏差值,Lc表示编号为c的设备对应的零件单次加工时间,Lo表示编号为o的设备对应的零件单次加工时间,(1/2)*[1/(Lc+Lo)]表示对两设备零件单次加工的平均时间进行计算,Q表示同一集合中的各设备之间的关联度;
根据(2)中确定的集合排列顺序对计算的关联度进行调整,则其中,o表示同一集合中预测的故障设备对应的编号值,c表示同一集合中计算的与编号为o的设备关联度最高的设备对应的编号值,表示对o-c值取整,当o-c≥0时,表示编号为c的设备的加工尺寸大于等于编号为o的设备的加工尺寸,此时当o-c<0时,表示编号为c的设备的加工尺寸小于编号为o的设备的加工尺寸,此时'Q表示调整后的关联度,若Q′=0时,表示两设备之间无法进行更换,当Q′≠0时,表示两设备之间能够进行更换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210984523.9A CN115345485B (zh) | 2022-08-17 | 2022-08-17 | 基于大数据的智能工厂设备数据分析管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210984523.9A CN115345485B (zh) | 2022-08-17 | 2022-08-17 | 基于大数据的智能工厂设备数据分析管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115345485A CN115345485A (zh) | 2022-11-15 |
CN115345485B true CN115345485B (zh) | 2023-04-18 |
Family
ID=83952943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210984523.9A Active CN115345485B (zh) | 2022-08-17 | 2022-08-17 | 基于大数据的智能工厂设备数据分析管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115345485B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116679627A (zh) * | 2023-05-04 | 2023-09-01 | 安徽机电职业技术学院 | 一种用于控制多个电气设备的联动控制方法 |
CN116227759B (zh) * | 2023-05-10 | 2023-08-04 | 天宇正清科技有限公司 | 基于多设备信息的检修时间预测方法、装置和设备 |
CN116307289B (zh) * | 2023-05-19 | 2023-08-18 | 苏州益诚隆纺织科技有限公司 | 一种纺织品加工工序参数检测预测方法、系统及存储介质 |
CN116862299B (zh) * | 2023-07-05 | 2024-02-23 | 杭州意博科技有限公司 | 一种用于智慧工厂的数据处理系统和数据处理方法 |
CN116681266B (zh) * | 2023-08-02 | 2024-02-02 | 广东台正精密机械有限公司 | 一种镜面放电加工机的生产调度方法及系统 |
CN117148795B (zh) * | 2023-08-15 | 2024-02-27 | 无锡禹龙工业自动化有限公司 | 一种基于大数据的工业设备自动化管理系统及方法 |
CN117113104A (zh) * | 2023-09-13 | 2023-11-24 | 哈尔滨茂森软件有限公司 | 一种应用数据分析技术的智能化管理系统及方法 |
CN117273980A (zh) * | 2023-10-07 | 2023-12-22 | 广州恩锐施智能科技有限公司 | 基于数据分析的智慧工厂管理方法、系统及存储介质 |
CN117452900A (zh) * | 2023-12-22 | 2024-01-26 | 广东正德工业科技股份有限公司 | 一种基于人工智能的工业生产能耗监测系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109598416A (zh) * | 2018-11-13 | 2019-04-09 | 中国航天系统科学与工程研究院 | 一种复材车间的动态排产系统及排产方法 |
CN109886591A (zh) * | 2019-02-28 | 2019-06-14 | 重庆大学 | 基于大数据分析的事件优先级应急指挥调度方法 |
CN114066416A (zh) * | 2021-11-17 | 2022-02-18 | 合肥工业大学 | 一种基于互联网技术工厂云mes管理系统及方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8707221B2 (en) * | 2011-12-29 | 2014-04-22 | Flextronics Ap, Llc | Circuit assembly yield prediction with respect to manufacturing process |
JP5530020B1 (ja) * | 2013-11-01 | 2014-06-25 | 株式会社日立パワーソリューションズ | 異常診断システム及び異常診断方法 |
JP6343245B2 (ja) * | 2015-03-25 | 2018-06-13 | 株式会社日立製作所 | 設備不良予測システム、設備不良予測装置、及び設備不良予測方法 |
CN108241343A (zh) * | 2016-12-24 | 2018-07-03 | 青岛海尔模具有限公司 | 一种智能工厂管理平台系统 |
CN111754087A (zh) * | 2020-06-03 | 2020-10-09 | 深圳前海禾盈科技有限公司 | 一种用于智慧工厂的生产设备的管控方法 |
US11200137B1 (en) * | 2020-08-20 | 2021-12-14 | Hitachi, Ltd. | System and methods for failure occurrence prediction and failure duration estimation |
CN113077191A (zh) * | 2021-04-30 | 2021-07-06 | 珠海市洛奇云联科技有限公司 | 一种基于工业4.0注塑生产智能排程系统 |
CN114493204A (zh) * | 2022-01-13 | 2022-05-13 | 山东浪潮工业互联网产业股份有限公司 | 一种基于工业互联网的工业设备监测方法及设备 |
-
2022
- 2022-08-17 CN CN202210984523.9A patent/CN115345485B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109598416A (zh) * | 2018-11-13 | 2019-04-09 | 中国航天系统科学与工程研究院 | 一种复材车间的动态排产系统及排产方法 |
CN109886591A (zh) * | 2019-02-28 | 2019-06-14 | 重庆大学 | 基于大数据分析的事件优先级应急指挥调度方法 |
CN114066416A (zh) * | 2021-11-17 | 2022-02-18 | 合肥工业大学 | 一种基于互联网技术工厂云mes管理系统及方法 |
Non-Patent Citations (6)
Title |
---|
Dong LI, 等.Discriminative Middle-Level Parts Mining for Object Detection.《IEICE Transactions on Information and Systems》.2015,第E98.D卷(第11期),第1950-1957页. * |
Jens F. Lachenmaier,等.A business-intelligence-based concept for the identification of similar parts.《2015 Portland International Conference on Management of Engineering and Technology (PICMET)》.2015,第1362-1368页. * |
Pascal Mosbah,等.Numerical Simulation of Compacting Process of a Multi-stepped Part with Comparison to Experiments.《Journal of the Japan Society of Powder and Powder Metallurgy》.1999,第46卷(第7期),第696-704页. * |
Sukalpa Chanda,等.Similar shaped part-based character recognition using G-SURF.《2012 12th International Conference on Hybrid Intelligent Systems (HIS)》.2012,第179-184页. * |
俞希伟,等.新能源汽车减速器零部件切削工艺决策系统.《福建工程学院学报》.2020,第18卷(第6期),第564-569页. * |
谢京玮,等.基于零件特征单元的零件相似度评价.《组合机床与自动化加工技术》.2021,(第8期),第165-168页. * |
Also Published As
Publication number | Publication date |
---|---|
CN115345485A (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115345485B (zh) | 基于大数据的智能工厂设备数据分析管理系统及方法 | |
CN111555716B (zh) | 光伏阵列工作状态的确定方法、装置、设备及存储介质 | |
US6816815B2 (en) | Preventive maintenance system of industrial machine | |
CN103399239B (zh) | 工业设备电压暂降免疫力的检测方法 | |
CN101470426B (zh) | 一种故障检测的方法和系统 | |
CN109029582A (zh) | 一种基于多种参数采集的电力变压器故障在线检测系统 | |
JP4502414B2 (ja) | 生産管理情報出力装置及び生産管理情報出力方法 | |
CN113110177B (zh) | 光伏电站的监控方法、监控设备及监控系统 | |
CN110764474A (zh) | 监测设备运行状态的方法和系统 | |
CN110723166A (zh) | 一种道岔监测方法及系统 | |
CN106817708A (zh) | 一种巡检簇构建方法及装置 | |
CN114936654A (zh) | 一种设备维护方法、装置、系统及存储介质 | |
CN109523030B (zh) | 一种基于机器学习的遥测参数异常监测系统 | |
JP2018036970A (ja) | 設備管理システム、設備管理方法およびプログラム | |
CN117318249A (zh) | 一种电池充电云监测方法及系统 | |
CN116365705A (zh) | 一种光伏组件故障实时监测方法及系统 | |
US11675685B2 (en) | Preventive controller switchover | |
CN114779747A (zh) | 车辆故障原因确定系统及方法 | |
CN113077061B (zh) | 一种基于生产数据挖掘的设备预测性维护系统 | |
CN112051805A (zh) | 砂石生产线控制数据热备方法及装置 | |
CN116748312B (zh) | 一种复合轧机智能调整系统及方法 | |
CN113063211A (zh) | 中央空调系统报警信息智能诊断及售后派单方法 | |
CN100378708C (zh) | 物料信息监控系统及方法 | |
CN111026055A (zh) | 车间生产数据采集与分析系统及方法 | |
JPH11175134A (ja) | プラント予防保全システムおよびプラント予防保全方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |