CN115619158A - 一种服装产线进度智能化监测调控方法及系统 - Google Patents
一种服装产线进度智能化监测调控方法及系统 Download PDFInfo
- Publication number
- CN115619158A CN115619158A CN202211289277.1A CN202211289277A CN115619158A CN 115619158 A CN115619158 A CN 115619158A CN 202211289277 A CN202211289277 A CN 202211289277A CN 115619158 A CN115619158 A CN 115619158A
- Authority
- CN
- China
- Prior art keywords
- production line
- task
- production
- equipment
- information
- 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.)
- Withdrawn
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 490
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012544 monitoring process Methods 0.000 title claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 56
- 238000009826 distribution Methods 0.000 claims abstract description 53
- 238000012806 monitoring device Methods 0.000 claims abstract description 19
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 19
- 238000012423 maintenance Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000012797 qualification Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012360 testing method Methods 0.000 description 26
- 230000008569 process Effects 0.000 description 15
- 230000007547 defect Effects 0.000 description 10
- 230000001276 controlling effect Effects 0.000 description 9
- 238000010276 construction Methods 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 4
- 239000004753 textile Substances 0.000 description 4
- 238000005406 washing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000001483 mobilizing effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012994 industrial processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012800 visualization Methods 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种服装产线进度智能化监测调控方法及系统，涉及监测调控技术领域，方法包括：获得服装产线的产线基础信息、历史生产信息，由历史生产信息进行产线生产评价后，根据产线评价数据进行产线任务排布分配，基于服装产线进行任务排布分配结果执行，通过设备监测装置进行服装产线的设备实时运行数据采集，再由产线基础信息构建产线数字孪生模型，将实时运行数据采集结果同步至所述产线数字孪生模型，通过该模型获得产线预警信息从而进行产线任务调配优化，解决了现有技术中产线任务分配不合理降低工人工作积极性、不合格服装生产所造成的成本上升的技术问题，实现了提高服装生产利用率和成品合格率，调动工人生产积极性的技术效果。
Description
技术领域
本发明涉及监测调控技术领域，具体涉及一种服装产线进度智能化监测调控方法及系统。
背景技术
伴随我国工业加工技术的不断革新，特别是服装产线进度的智能化监测调控，同时人们在服装生产制造方面追求数字化、信息化的需求进一步提升。云计算、大数据、物联网、人工智能、可视化、5G推广在智能制衣环节的重要程度也逐步为各学者所重视。纺织服装智能制造应用评价指标主要集中在纺织服装企业的自动化、信息化、网络化、智能化水平提升程度，明确自动化、网络化、信息化、智能化的定义及内涵，对纺织服装行业智能制造技术的推广与应用有着极为重要的意义。
现有技术中存在产线任务分配不合理降低工人工作积极性、不合格服装生产所造成的成本上升以及产线缺陷维护不及时造成的生产率下降的技术问题，使得最终服装生产利用率和成品合格率降低，同时也无法调动工人生产积极性。
发明内容
本申请提供了一种服装产线进度智能化监测调控方法及系统，用于针对解决了现有技术中产线任务分配不合理降低工人工作积极性、不合格服装生产所造成的成本上升以及产线缺陷维护不及时造成的生产率下降的技术问题，实现了提高服装生产利用率和成品合格率，调动工人生产积极性的技术效果。
鉴于上述问题，本申请提供了一种服装产线进度智能化监测调控方法及系统。
第一方面，本申请提供了一种服装产线进度智能化监测调控方法，所述方法包括：获得服装产线的产线基础信息；获得所述服装产线的历史生产信息，根据所述历史生产信息进行产线生产评价，生成产线评价数据；根据所述产线评价数据进行产线任务排布分配，获得任务排布分配结果；基于所述服装产线进行所述任务排布分配结果执行，通过所述设备监测装置进行服装产线的设备实时运行数据采集；根据所述产线基础信息构建产线数字孪生模型，将实时运行数据采集结果同步至所述产线数字孪生模型；通过所述产线数字孪生模型获得产线预警信息，根据所述产线预警信息进行产线任务调配优化。
第二方面，本申请提供了一种服装产线进度智能化监测调控系统，所述系统包括：基础信息模块：所述基础信息模块用于获得服装产线的产线基础信息；产线评价数据模块：所述产线评价数据模块用于获得所述服装产线的历史生产信息，根据所述历史生产信息进行产线生产评价，生成产线评价数据；任务排布分配模块：所述任务排布分配模块用于根据所述产线评价数据进行产线任务排布分配，获得任务排布分配结果；实时运行数据模块：所述实时运行数据模块用于基于所述服装产线进行所述任务排布分配结果执行，通过所述设备监测装置进行服装产线的设备实时运行数据采集；数据同步模块：所述数据同步模块用于根据所述产线基础信息构建产线数字孪生模型，将实时运行数据采集结果同步至所述产线数字孪生模型；优化调配模块：所述优化调配模块用于通过所述产线数字孪生模型获得产线预警信息，根据所述产线预警信息进行产线任务调配优化。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请提供的一种服装产线进度智能化监测调控方法，涉及监测调控技术领域，解决了现有技术中产线任务分配不合理降低工人工作积极性、不合格服装生产所造成的成本上升以及产线缺陷维护不及时造成的生产率下降的技术问题，实现了提高服装生产利用率和成品合格率，调动工人生产积极性的技术效果。
附图说明
图1为本申请提供了一种服装产线进度智能化监测调控方法流程示意图；
图2为本申请提供了一种服装产线进度智能化监测调控方法中产线评价数据流程示意图；
图3为本申请提供了一种服装产线进度智能化监测调控方法中产线预警信息流程示意图；
图4为本申请提供了一种服装产线进度智能化监测调控方法中生产任务的分配调整流程示意图；
图5为本申请提供了一种服装产线进度智能化监测调控系统结构示意图。
附图标记说明：基础信息模块1，产线评价数据模块2，任务排布分配模块3，实时运行数据模块4，数据同步模块5，优化调配模块6。
具体实施方式
本申请通过提供一种服装产线进度智能化监测调控方法，用于解决现有技术中产线任务分配不合理降低工人工作积极性、不合格服装生产所造成的成本上升以及产线缺陷维护不及时造成的生产率下降的技术问题。
实施例一
如图1所示，本申请实施例提供了一种服装产线进度智能化监测调控方法，该方法应用于监测调控系统，监测调控系统与设备监测装置通信连接，该方法包括：
步骤S100：获得服装产线的产线基础信息；
具体而言，本申请实施例提供的一种服装产线进度智能化监测调控方法应用于监测调控系统，该监测调控系统与设备监测装置通信连接，该设备监测装置用于进行服装产线的参数采集。
首先通过设备监测装置获取服装产线中的产线基础信息，其中，设备监测装置包括但不仅限于AGV、无人叉车、吊挂系统的电机、立体仓库等，进一步的，在服装产线中的基础信息是指产线上的设备信息，其中包含但不仅限于设备体积、设备重量、设备电源、设备试样规格、设备测试速度、设备测试工位、设备测试次数、设备安全防护等，其详细基础信息的差异根据具体设备而不同，为后期构建产线数字孪生模型做为重要参考依据。
步骤S200：获得所述服装产线的历史生产信息，根据所述历史生产信息进行产线生产评价，生成产线评价数据；
具体而言，基于设备历史数据，获取服装产线的历史生产信息，其中历史信息包括但不仅限各个产线历史生产服装的信息，例如各个产线生产服装能否完成任务包括任务的完成度，各个产线在生产服装的过程中设备有没有出现故障或意外等，由上述所获服装产线的历史生产信息进行整合，进一步对各个产线进行生产评价，其中生产评价为服装产品是合格产品或不合格产品，从而生成服装产线评价数据，以保证后期任务排布分配结果的准确性，进而为组中服装产线任务调配优化做保障。
步骤S300：根据所述产线评价数据进行产线任务排布分配，获得任务排布分配结果；
具体而言，基于所生成的产线评价数据对各个产线进行任务排布分配，根据服装产线的服装产品合格率，对服装产线进行对应的不同量的产线任务分配，示例性的，若由服装产线的某种测试仪器历史生产信息所得出该测试仪器的产线评价数据为合格，而由服装产线的耐摩擦色牢度测试仪历史生产信息所得出的耐摩擦色牢度测试仪的产线评价数据为不合格，则会对两者数据进行区分，将已经合格的产线任务进行再分配，而不合格的产线任务则进行重新制作，进一步的，整合成任务排布分配结果，为产线任务调配优化夯实基础。
步骤S400：基于所述服装产线进行所述任务排布分配结果执行，通过所述设备监测装置进行服装产线的设备实时运行数据采集；
具体而言，在服装产线的基础上，执行所生成的任务排布分配结果，即在各个服装产线上对已生成的任务排布分配结果进行对应操作，若该任务排布分配结果的一项为合格则在服装产线进行下一项任务，进一步的，通过设备监测装置进行服装产线的设备实时运行数据采集，其中设备监测装置包括但不仅限于AGV、无人叉车、吊挂系统的电机、立体仓库等，上述设备监测装置都需要将设备监测装置在运行期间的所有数据进行实时的记录，进一步的将该设备实时运行数据进行采集、归纳以及整理后，该数据将作为产线数字孪生模型的重要依据，并对后期产线任务调配优化有着深远的影响。
步骤S500：根据所述产线基础信息构建产线数字孪生模型，将实时运行数据采集结果同步至所述产线数字孪生模型；
具体而言，根据服装产线所获得的基础信息对产线数字孪生模型进行构建，其中，需要基于实时监测到的各产线生产任务完成状况，进行任务派发优先级确定，获取各生产线历史生产效率信息计算获得平均生产效率，根据平均生产效率进行生产线工作效率权重分配，对任务派发优先级进行调整，获得实时最优生产任务派发优先级，系统基于最优生产任务派发优先级进行新生产任务派发，避免产线任务分配不合理降低工人工作积极性，再将设备实时运行数据采集结果与之同步，在此基础上对产线任务的调度进行更高效的优化。
步骤S600：通过所述产线数字孪生模型获得产线预警信息，根据所述产线预警信息进行产线任务调配优化。
具体而言，基于所构建的产线数字孪生模型的数据孪生技术，对产线生产状态监测模型进行构建，执行各产线预设时间周期内的产品生产误差率监测和产线误差工序监测，将误差率缺陷产线生产任务调度调节至其他优先级产线，同时将存在误差率缺陷的产线生成产线预警信息并暂停误差率缺陷产线，再基于监测结果动态调节原定产线任务派发优先级，还基于产线生产状态监测模型根据反馈调度调节后的产线任务派发优先级，基于产线生产状态监测模型获得产线误差缺陷工序进行产线检修管理，避免不合格服装品生产造成生成成本上升以及产线缺陷维护不及时造成的生产效率下降，进而根据产线预警信息更好对产线任务调配进行优化。
进一步的，获得服装产线的产线基础信息、历史生产信息，由历史生产信息进行产线生产评价后，根据产线评价数据进行产线任务排布分配，基于服装产线进行任务排布分配结果执行，通过设备监测装置进行服装产线的设备实时运行数据采集，再由产线基础信息构建产线数字孪生模型，将实时运行数据采集结果同步至所述产线数字孪生模型，通过该模型获得产线预警信息从而进行产线任务调配优化，解决了现有技术中产线任务分配不合理降低工人工作积极性、不合格服装生产所造成的成本上升以及产线缺陷维护不及时造成的生产率下降的技术问题，实现了提高服装生产利用率和成品合格率，调动工人生产积极性的技术效果。
进一步而言，如图2所示，本申请步骤S200还包括：
步骤S210：根据所述历史生产信息进行服装产线的产线任务完成度统计，获得任务完成度统计数据；
步骤S220：基于所述历史生产信息进行服装产线的生产效率计算，获得服装产线生产效率数据；
步骤S230：根据所述任务完成度统计数据和所述服装产线生产效率数据获得所述产线评价数据。
具体而言，基于设备历史数据，获取服装产线的历史生产信息，其中历史信息包括但不仅限各个产线历史生产服装的信息，还包含各个产线生产服装能否完成任务包括任务的完成度，各个产线在生产服装的过程中设备有没有出现故障或意外等，根据上述历史信息可分别提取出服装产线的产线任务完成度以及服装产线的生产效率，进一步的，首先对服装产线的任务完成度进行统计，其中包括工人在服装产线中一天中被分配了多少任务量以及工人使用设备完成的任务量等，对上述数据进行统计后得到任务完成度统计数据，其次对服装产线的生产效率进行计算，其中包括在一日内在服装产线所生产出的服装产品(其中不包含残次品)，服装产线的生产效率为(实际服装产品产量×标准工时)/(实际人力×(8.00小时－挡产工时+加班工时))，其中实际产量是指(服装总产量-残次品产量)，挡产工时是指因外部门或受客观条件影响造成停线或返工工时，加班工时是指为增加产量而延长的工作时间，生产效率＝(实际产量×标准工时)/(实际人力×8.00小时－挡产工时+加班工时)，进一步的由服装产线生产效率数据与服装产线生产效率数据进一步细化获得产线评价数据，为产线任务调配优化提供重要依据。
进一步而言，本申请步骤S230包括：
步骤S231：根据所述历史生产信息进行服装产线的任务执行人机影响分析，获得人机影响比例系数；
步骤S232：根据所述人机影响比例系数进行服装产线的设备稳定性标识，生成设备稳定性标识参数；
步骤S233：根据所述人机影响比例系数进行服装产线的人员稳定性标识，获得人员稳定性标识参数；
步骤S234：根据所述任务完成度统计数据、所述服装产线生产效率数据所述设备稳定性标识参数、所述人员稳定性标识参数获得所述产线评价数据。
具体而言，根据设备历史生产信息数据，获取服装产线的历史生产信息，其中历史信息包括但不仅限各个产线历史生产服装的信息，例如各个产线生产服装能否完成任务包括任务的完成度，各个产线在生产服装的过程中设备有没有出现故障或意外等，对该历史生产信息进行服装产线的任务执行人及影响分析，其中包含设备完成任务的时间参数、操作设备的难易程度参数、被分配任务的工人是否能按时完成参数、工人在执行任务时导致设备出故障参数、做任务的设备导致工人出意外参数，将这些参数进行汇总，以汇总整合的服装产线的任务执行人际影响进行人机影响比例分析，根据任务各项状况生成人机影响比例系数。
进一步的，根据人机影响比例系数分别进行服装产线的设备稳定性标识以及服装产线的人员稳定性标识，其中在服装产线的设备稳定性标识是指服装产线在执行任务的过程中设备对任务的完成情况、设备完成任务的时间、设备完成任务后的合格率以及设备在执行任务中有无出现故障等，综合以上来判断设备在执行任务时的稳定性并对其进行稳定性标识，对设备执行任务完成情况好、用时合理、出现故障少的设备标识为稳定，对设备执行任务完成情况差、用时超时、出现故障多的设备标识为不稳定，以此作为基础生成设备稳定性标识参数。
其中服装产线的人员稳定性标识是指服装产线在执行任务的过程中工人对任务的完成情况、工人对执行任务的积极性、工人执行任务的完成率以及工人执行任务的熟练程度等，综合以上来判断人员在执行任务时的稳定性并对其进行稳定性标识，对按时完成所分配任务、执行任务的积极性高、执行任务熟练度高的工人标识为稳定，对未按时完成所分配任务、执行任务的积极性低、执行任务熟练度差的工人标识为不稳定，以此作为基础生成人员稳定性标识参数。
再由所获任务完成度统计数据、服装产线生产效率数据、设备稳定性标识参数以及人员稳定性标识参数进一步对产线评价数据进行完善，使得最终的产线任务调配优化更为精准。
进一步而言，如图3所示，本申请步骤S600还包括：
步骤S610：获得所述服装产线的设备历史运行信息；
步骤S620：对所述历史运行信息进行故障特征提取，获得故障特征提取结果，其中，所述故障特征提取结果包括关联参数标识；
步骤S630：将所述故障特征提取结果同步至所述产线数字孪生模型，通过同步故障特征提取结果后的所述产线数字孪生模型获得所述产线预警信息。
具体而言，基于服装产线的设备历史运行信息，其中包括设备历史完成任务、设备历史执行任务以及设备历史出现故障等相关历史运行信息，再对设备历史运行信息进行设备的故障特征提取，对设备体积参数、设备重量参数、设备电源参数、设备试样规格参数、设备测试速度参数、设备测试工位参数、设备测试次数参数、设备安全防护参数等进行误差评估，对与均值相差较大的判定为故障特征从而进一步进行故障特征提取，示例性的，存在当某种测试仪器的温度高于70℃则会停止工作，那么将70℃设为该测试仪器的故障临界值，当温度大于该临界值时则被判定为设备故障，进而对该相应故障特征进行提取，其中所生成的故障特征提取结果包含关联参数标识，即对各项参数之间的关联性进行标识，引用上述例子而言，当该测试仪器的温度高于70℃则会停止工作这个故障的故障关联包含该测试仪器的电流增大导致电流异常或设备内的风扇短路等，在此基础上，将所获得的故障特征提取结果同步至产线数字孪生模型。
进一步的，数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。
数字孪生是个普遍适应的理论技术体系，可以在产品设计、产品制造等领域应用，数字孪生模型是现实世界实体或系统的数字化表现，可用于理解、预测、优化和控制真实实体或系统，因此，数字孪生模型的构建是实现模型驱动的基础，数字孪生模型构建是在数字空间实现物理实体及过程的属性、方法、行为等特性的数字化建模。
模型构建可以是“几何-物理-行为-规则”多维度的，也可以是“机械-电气-液压”多领域的，从工作粒度或层级来看，数字孪生模型不仅是基础单元模型建模，还需从空间维度上通过模型组装实现更复杂对象模型的构建，为保证数字孪生模型的正确有效，需对构建以及组装或融合后的模型进行验证来检验模型描述以及刻画物理对象的状态或特征是否正确，可以通过测试数据集进行产线数字孪生模型的测试处理，举例而言，测试准确率可以设定为90％，当测试数据集的测试准确率满足90％时，则视为数字孪生模型正确有效。若模型验证结果不满足需求，则需通过模型校正使模型更加逼近物理对象的实际运行或使用状态，可以不断进行数字孪生模型的增、删、改、查和用户使用等操作以及模型验证或校正信息的使用，保证模型的精确度。
将所同步的所有故障特征提取结果输入产线数字孪生模型，输出产线预警信息，该产线预警包括对设备体积参数、设备重量参数、设备电源参数、设备试样规格参数、设备测试速度参数、设备测试工位参数、设备测试次数参数、设备安全防护参数等进行误差评估，对与均值相差较大的判定为故障特征从而进一步生成相应的产线预警信息进行预警，进一步的根据产线预警信息对产线任务的调配进行优化。
进一步而言，本申请步骤S630包括：
步骤S631：设定参数相似匹配阈值和参数趋势变化约束阈值；
步骤S632：判断所述实时运行数据采集结果是否满足所述参数相似匹配阈值和/或所述参数趋势变化约束阈值；
步骤S633：当所述实时运行数据采集结果满足所述参数相似匹配阈值和/或所述参数趋势变化约束阈值时，则生成设备预警信息；
步骤S634：根据所述设备预警信息进行所述服装产线的设备管理。
具体而言，首先分别设定参数相似匹配阈值与参数趋势变化约束阈值，其中参数相似匹配阈值是指设备某项参数所浮动的范围，示例性的，某种测试仪器需要测试水温水洗服装产品从而测试出服装产品对于不同水温的水洗色牢度，则需要对水洗水温参数进行划定，若使用0℃至20℃的水温进行水洗该服装产品时的水洗色牢度最好，则将该范围视为参数相似匹配阈值，其中参数趋势变化约束阈值是指设备某项参数所变化的趋势阈值，示例性的，若使用某种测试仪器，则需要关注在测试的过程中，几秒内升温多少度的变化趋势来对该服装产品进行耐水洗色牢度进行测试，若10秒内升温1度对服装产品耐水洗色牢度最好，则将将该变化趋势视为参数趋势变化约束阈值，进一步的，将服装产线设备的实时运行数据进行采集，并同时对所采集的实时运行数据采集结果进行判断是否满足上述参数相似匹配阈值和/或参数趋势变化约束阈值，当判断实时运行数据采集结果满足上述参数相似匹配阈值和/或参数趋势变化约束阈值时，进而生成设备预警信息，其中设备预警信息是指当设备处于满足上述参数相似匹配阈值和/或参数趋势变化约束阈值时，由于参数是不断变化的，根据参数变化趋势与参数相似阈值的限定，提前生成设备预警信息是为防止之后可能会到达临界参数或超出阈值的情况，在此基础上，根据所生成的设备预警信息从而对服装产线的设备进行管理、对产线任务的调配进行优化。
进一步而言，如图4所示，本申请步骤S300还包括：
步骤S310：根据所述产线预警信息生成设备维护时间窗口；
步骤S320：通过所述设备维护时间窗口进行生产任务影响评价，根据评价结果生成调整生产任务；
步骤S330：获得生产任务的任务约束时间；
步骤S340：根据所述任务约束时间进行所述调整生产任务的任务分配。
具体而言，该产线预警包括对设备体积参数、设备重量参数、设备电源参数、设备试样规格参数、设备测试速度参数、设备测试工位参数、设备测试次数参数、设备安全防护参数等进行误差评估，对与均值相差较大的判定为故障特征从而生成相应的产线预警信息进行预警，进一步的根据产线预警信息生成设备维护时间窗口，再通过设备维护时间窗口进行生产任务影响评价，其中，设备维护时间是指当出现产线预警信息时需要对该设备进行相对应的维护，而在对设备进行维护的时段中服装产品生产任务会被终止，故此会影响正常的服装生产任务，从而生成生产任务影响评价后根据其评价结果进一步生成调整生产任务，即将已终止的服装生产任务转移到其他相应设备进行操作，再基于生产任务的任务约束时间进行对调整生产任务的任务进行分配，其中，任务约束时间是指服装产品的生产周期，假设一件服装产品的生产周期为3天，而在生产该服装产品时其中一个设备出现故障，需要1天的修理时间，则如果按照原有设备顺序执行任务会导致最终该服装产品会超出任务约束时间，因此，当其中一个设备出现故障后，需要根据任务的约束时间进行对任务的合理调整，以保证在任务约束时间内调整该服装产品生产任务的任务分配后，按时完成服装产品3天的周期生产任务，已达到后期产线任务调配优化的最高效率。
进一步而言，本申请步骤S340包括：
步骤S341：获得服装产线的产线任务数据；
步骤S342：根据所述产线任务数据和所述任务约束时间获得产线匹配参数；
步骤S343：根据所述产线匹配参数和所述任务约束时间进行所述调整生产任务的任务分配。
具体而言，以服装产线的产线任务数据作为依托，根据产线任务数据与任务约束时间相汇总、整合后获得产线匹配参数，其中产线匹配参数是指根据固有的产线任务数据，如3天需要生产300件服装产品与固有的任务约束时间，如做一件完整的服装产品需要3天，因此就需要300件服装产品一起开始执行制作，其中产线匹配是指原有产线若可以完成，就优先选择原有产线进行制作，若原有产线出现特殊情况，如工人病假、设备故障等，则需要对产线进行维护，并同时需要重新匹配产线，基于产线匹配参数与任务约束时间进行对服装产品的调整生产任务的任务分配，在调整生产任务的任务分配的过程中，随着维护的进行，相应的服装产线也会实时更新该任务，如任务进度、任务合格率、执行任务设备情况以及执行任务人员情况，通过所采集的实时更新的产线任务情况，对产线任务的任务分配最大的合理化，同时也能提高工人得到合理分配的任务量进而提升工人工作的积极性。
实施例二
基于与前述实施例中一种服装产线进度智能化监测调控方法相同的发明构思，如图5所示，本申请提供了监测调控系统，系统包括：
基础信息模块1，基础信息模块1用于获得服装产线的产线基础信息；
产线评价数据模块2，产线评价数据模块2用于获得所述服装产线的历史生产信息，根据所述历史生产信息进行产线生产评价，生成产线评价数据；
任务排布分配模块3，任务排布分配模块3用于根据所述产线评价数据进行产线任务排布分配，获得任务排布分配结果；
实时运行数据模块4，实时运行数据模块4用于基于所述服装产线进行所述任务排布分配结果执行，通过所述设备监测装置进行服装产线的设备实时运行数据采集；
数据同步模块5，数据同步模块5用于根据所述产线基础信息构建产线数字孪生模型，将实时运行数据采集结果同步至所述产线数字孪生模型；
优化调配模块6，优化调配模块6用于通过所述产线数字孪生模型获得产线预警信息，根据所述产线预警信息进行产线任务调配优化。
进一步而言，系统还包括：
统计数据模块，统计数据模块用于根据所述历史生产信息进行服装产线的产线任务完成度统计，获得任务完成度统计数据；
生产效率数据模块，生产效率数据模块用于基于所述历史生产信息进行服装产线的生产效率计算，获得服装产线生产效率数据；
评价数据模块，评价数据模块用于根据所述任务完成度统计数据和所述服装产线生产效率数据获得所述产线评价数据。
进一步而言，系统还包括：
影响比例系数模块，影响比例系数模块用于根据所述历史生产信息进行服装产线的任务执行人机影响分析，获得人机影响比例系数；
设备稳定性模块，设备稳定性模块用于根据所述人机影响比例系数进行服装产线的设备稳定性标识，生成设备稳定性标识参数；
人员稳定性模块，人员稳定性模块用于根据所述人机影响比例系数进行服装产线的人员稳定性标识，获得人员稳定性标识参数；
产线评价数据模块，产线评价数据模块用于根据所述任务完成度统计数据、所述服装产线生产效率数据所述设备稳定性标识参数、所述人员稳定性标识参数获得所述产线评价数据。
进一步而言，系统还包括：
设备历史信息模块，设备历史信息模块用于获得所述服装产线的设备历史运行信息；
故障特征提取模块，故障特征提取模块用于对所述历史运行信息进行故障特征提取，获得故障特征提取结果，其中，所述故障特征提取结果包括关联参数标识；
产线预警信息模块，产线预警信息模块用于将所述故障特征提取结果同步至所述产线数字孪生模型，通过同步故障特征提取结果后的所述产线数字孪生模型获得所述产线预警信息。
进一步而言，系统还包括：
阈值设定模块，阈值设定模块用于设定参数相似匹配阈值和参数趋势变化约束阈值；
阈值判断模块，阈值判断模块用于判断所述实时运行数据采集结果是否满足所述参数相似匹配阈值和/或所述参数趋势变化约束阈值；
预警信息生成模块，预警信息生成模块用于当所述实时运行数据采集结果满足所述参数相似匹配阈值和/或所述参数趋势变化约束阈值时，则生成设备预警信息；
设备管理模块，设备管理模块用于根据所述设备预警信息进行所述服装产线的设备管理。
进一步而言，系统还包括：
设备维护时间窗口生成模块，设备维护时间窗口生成模块用于根据所述产线预警信息生成设备维护时间窗口；
生产任务调整模块，生产任务调整模块用于通过所述设备维护时间窗口进行生产任务影响评价，根据评价结果生成调整生产任务；
任务约束时间模块，任务约束时间模块用于获得生产任务的任务约束时间；
任务分配模块，任务分配模块用于根据所述任务约束时间进行所述调整生产任务的任务分配。
进一步而言，系统还包括：
任务数据模块，任务数据模块用于获得服装产线的产线任务数据；
产线匹配参数模块，产线匹配参数模块用于根据所述产线任务数据和所述任务约束时间获得产线匹配参数；
任务分配调整模块，任务分配调整模块用于根据所述产线匹配参数和所述任务约束时间进行所述调整生产任务的任务分配。
本说明书通过前述对一种服装产线进度智能化监测调控方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种服装产线进度智能化监测调控方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种服装产线进度智能化监测调控方法，其特征在于，所述方法应用于监测调控系统，所述监测调控系统与设备监测装置通信连接，所述方法包括：
获得服装产线的产线基础信息；
获得所述服装产线的历史生产信息，根据所述历史生产信息进行产线生产评价，生成产线评价数据；
根据所述产线评价数据进行产线任务排布分配，获得任务排布分配结果；
基于所述服装产线进行所述任务排布分配结果执行，通过所述设备监测装置进行服装产线的设备实时运行数据采集；
根据所述产线基础信息构建产线数字孪生模型，将实时运行数据采集结果同步至所述产线数字孪生模型；
通过所述产线数字孪生模型获得产线预警信息，根据所述产线预警信息进行产线任务调配优化。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述历史生产信息进行服装产线的产线任务完成度统计，获得任务完成度统计数据；
基于所述历史生产信息进行服装产线的生产效率计算，获得服装产线生产效率数据；
根据所述任务完成度统计数据和所述服装产线生产效率数据获得所述产线评价数据。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述历史生产信息进行服装产线的任务执行人机影响分析，获得人机影响比例系数；
根据所述人机影响比例系数进行服装产线的设备稳定性标识，生成设备稳定性标识参数；
根据所述人机影响比例系数进行服装产线的人员稳定性标识，获得人员稳定性标识参数；
根据所述任务完成度统计数据、所述服装产线生产效率数据所述设备稳定性标识参数、所述人员稳定性标识参数获得所述产线评价数据。
4.如权利要求1所述的方法，其特征在于，所述方法包括：
获得所述服装产线的设备历史运行信息；
对所述历史运行信息进行故障特征提取，获得故障特征提取结果，其中，所述故障特征提取结果包括关联参数标识；
将所述故障特征提取结果同步至所述产线数字孪生模型，通过同步故障特征提取结果后的所述产线数字孪生模型获得所述产线预警信息。
5.如权利要求4所述的方法，其特征在于，所述方法包括：
设定参数相似匹配阈值和参数趋势变化约束阈值；
判断所述实时运行数据采集结果是否满足所述参数相似匹配阈值和/或所述参数趋势变化约束阈值；
当所述实时运行数据采集结果满足所述参数相似匹配阈值和/或所述参数趋势变化约束阈值时，则生成设备预警信息；
根据所述设备预警信息进行所述服装产线的设备管理。
6.如权利要求1所述的方法，其特征在于，所述方法包括：
根据所述产线预警信息生成设备维护时间窗口；
通过所述设备维护时间窗口进行生产任务影响评价，根据评价结果生成调整生产任务；
获得生产任务的任务约束时间；
根据所述任务约束时间进行所述调整生产任务的任务分配。
7.如权利要求6所述的方法，其特征在于，所述方法包括：
获得服装产线的产线任务数据；
根据所述产线任务数据和所述任务约束时间获得产线匹配参数；
根据所述产线匹配参数和所述任务约束时间进行所述调整生产任务的任务分配。
8.一种服装产线进度智能化监测调控系统，其特征在于，所述系统与设备监测装置通信连接，所述系统包括：
基础信息模块：所述基础信息模块用于获得服装产线的产线基础信息；
产线评价数据模块：所述产线评价数据模块用于获得所述服装产线的历史生产信息，根据所述历史生产信息进行产线生产评价，生成产线评价数据；
任务排布分配模块：所述任务排布分配模块用于根据所述产线评价数据进行产线任务排布分配，获得任务排布分配结果；
实时运行数据模块：所述实时运行数据模块用于基于所述服装产线进行所述任务排布分配结果执行，通过所述设备监测装置进行服装产线的设备实时运行数据采集；
数据同步模块：所述数据同步模块用于根据所述产线基础信息构建产线数字孪生模型，将实时运行数据采集结果同步至所述产线数字孪生模型；
优化调配模块：所述优化调配模块用于通过所述产线数字孪生模型获得产线预警信息，根据所述产线预警信息进行产线任务调配优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211289277.1A CN115619158A (zh) | 2022-10-20 | 2022-10-20 | 一种服装产线进度智能化监测调控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211289277.1A CN115619158A (zh) | 2022-10-20 | 2022-10-20 | 一种服装产线进度智能化监测调控方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115619158A true CN115619158A (zh) | 2023-01-17 |
Family
ID=84865416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211289277.1A Withdrawn CN115619158A (zh) | 2022-10-20 | 2022-10-20 | 一种服装产线进度智能化监测调控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115619158A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116227887A (zh) * | 2023-04-28 | 2023-06-06 | 华至云链科技(苏州)有限公司 | 生产线异常数据处理方法及系统 |
| CN116703245A (zh) * | 2023-08-02 | 2023-09-05 | 宜兴市旭航电子有限公司 | 流程化生产过程监测预警系统及方法 |
| CN118261408A (zh) * | 2024-03-26 | 2024-06-28 | 苏州旗开得电子科技有限公司 | 一种smt电子制造智能生产的调度方法及系统 |
| CN118297306A (zh) * | 2024-03-12 | 2024-07-05 | 北京宜通华瑞科技有限公司 | 一种基于人脸识别技术的智能生产工位屏 |
-
2022
- 2022-10-20 CN CN202211289277.1A patent/CN115619158A/zh not_active Withdrawn
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116227887A (zh) * | 2023-04-28 | 2023-06-06 | 华至云链科技(苏州)有限公司 | 生产线异常数据处理方法及系统 |
| CN116227887B (zh) * | 2023-04-28 | 2023-07-07 | 华至云链科技(苏州)有限公司 | 生产线异常数据处理方法及系统 |
| CN116703245A (zh) * | 2023-08-02 | 2023-09-05 | 宜兴市旭航电子有限公司 | 流程化生产过程监测预警系统及方法 |
| CN116703245B (zh) * | 2023-08-02 | 2023-10-27 | 宜兴市旭航电子有限公司 | 流程化生产过程监测预警系统及方法 |
| CN118297306A (zh) * | 2024-03-12 | 2024-07-05 | 北京宜通华瑞科技有限公司 | 一种基于人脸识别技术的智能生产工位屏 |
| CN118261408A (zh) * | 2024-03-26 | 2024-06-28 | 苏州旗开得电子科技有限公司 | 一种smt电子制造智能生产的调度方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115619158A (zh) | 一种服装产线进度智能化监测调控方法及系统 | |
| CN111539583B (zh) | 一种基于数字孪生的生产过程仿真优化方法 | |
| CN112734284B (zh) | 流程工业能耗优化决策系统及提高评估结果准确度方法 | |
| CN115062478A (zh) | 基于数字孪生的动态车间生产排程调度方法、系统及介质 | |
| CN109858886B (zh) | 一种基于集成学习的费控成功率提升分析方法 | |
| CN113632025B (zh) | 用于评估工业环境中的能量消耗的方法、系统和计算机程序产品 | |
| CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
| Ungermann et al. | Data analytics for manufacturing systems–a data-driven approach for process optimization | |
| CN118011990B (zh) | 基于人工智能的工业数据品质监控与提升系统 | |
| CN115826516A (zh) | 一种智能化的不锈钢链条生产管理方法及系统 | |
| CN116992346A (zh) | 一种基于人工智能大数据分析的企业生产数据处理系统 | |
| CN116502830A (zh) | 一种排产计划生成方法、系统和产品 | |
| CN115907446A (zh) | 一种基建工程施工进度的智能管控评估系统 | |
| CN117950380B (zh) | Mes驱动的工位终端生产过程控制系统及方法 | |
| CN116993052A (zh) | 一种基于数字孪生的智慧工厂生产在线监测分析系统 | |
| CN116050788A (zh) | 一种工业智能排产管理系统 | |
| CN114819628A (zh) | 一种可视化工程监理系统 | |
| CN115328900A (zh) | 一种时段性智能电表数据采集及分析系统 | |
| CN117452889A (zh) | 轮胎智能装备平台系统及控制方法 | |
| CN113159503B (zh) | 一种远程遥控智能安全评估系统和方法 | |
| CN116090702B (zh) | 一种基于物联网的erp数据智能监管系统及方法 | |
| CN117521498A (zh) | 一种充电桩引导式故障诊断预测方法及系统 | |
| CN113094826A (zh) | 一种基于任务可靠度的多态制造系统剩余寿命预测方法 | |
| CN117217734A (zh) | 一种基于bim地铁车站机电设备的维护管理系统 | |
| CN113408764B (zh) | 基于数字孪生的产品在线技术状态管控系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230117 |