CN115782105A - 一种注塑生产管理方法、系统、计算机设备及存储介质 - Google Patents
一种注塑生产管理方法、系统、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN115782105A CN115782105A CN202211633140.3A CN202211633140A CN115782105A CN 115782105 A CN115782105 A CN 115782105A CN 202211633140 A CN202211633140 A CN 202211633140A CN 115782105 A CN115782105 A CN 115782105A
- Authority
- CN
- China
- Prior art keywords
- equipment
- detection
- injection molding
- curve
- data
- 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
Landscapes
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
本发明涉及人工智能领域,公开了一种注塑生产管理方法、系统、计算机设备及存储介质,用于实现智能化的注塑设备数据采集和分析并提高注塑设备的数据分析准确率。所述方法包括:根据多个设备评价指标构建第一检测曲线;对多个设备评价指标进行数据映射匹配,得到温度数据,并根据温度数据构建第二检测曲线;对第一检测曲线和第二检测曲线进行差值运算,得到曲线差值集合,并根据曲线差值集合生成目标检测曲线;将目标检测曲线输入运行模拟预测模型进行运行状态模拟运算,得到第二运行数据,并根据第二运行数据对目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果,并将设备运行故障预测结果传输至预置的可视化终端。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种注塑生产管理方法、系统、计算机设备及存储介质。
背景技术
塑料制品的广泛使用,对注塑设备的要求也不断增加,注塑设备要求较高的智能化需求,并且要求减少动作来缩短成型周期及提高工作效率。
但是现有方案中对注塑设备的设备监控不够智能,通常是由技术人员实时监管和操控,也无法做到对潜在故障的预测,即现有方案的准确率较低。
发明内容
本发明提供了一种注塑生产管理方法、系统、计算机设备及存储介质,用于实现智能化的注塑设备数据采集和分析并提高注塑设备的数据分析准确率。
本发明第一方面提供了一种注塑生产管理方法,所述注塑生产管理方法包括:根据预置的设备检测方案对目标注塑设备进行设备检测,并采集设备检测过程中所述目标注塑设备对应的第一运行数据,其中,所述第一运行数据包括:温度数据集合和设备参数集合;对所述设备参数集合进行特征分类,得到多个设备评价指标,并根据所述多个设备评价指标构建第一检测曲线;基于所述温度数据集合对所述多个设备评价指标进行数据映射匹配,得到每个设备评价指标对应的温度数据,并根据每个设备评价指标对应的温度数据构建第二检测曲线;对所述第一检测曲线和所述第二检测曲线进行差值运算,得到曲线差值集合,并根据所述曲线差值集合生成目标检测曲线;将所述目标检测曲线输入预置的运行模拟预测模型进行运行状态模拟运算,得到第二运行数据,并根据所述第二运行数据确定对应的注塑设备运行状态;基于所述注塑设备运行状态对所述目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果,并将所述设备运行故障预测结果传输至预置的可视化终端。
结合第一方面,在本发明第一方面的第一实施方式中,所述根据预置的设备检测方案对目标注塑设备进行设备检测,并采集设备检测过程中所述目标注塑设备对应的第一运行数据,其中,所述第一运行数据包括:温度数据集合和设备参数集合,包括:获取预置的设备检测方案,并对所述设备检测方案进行检测信息解析,得到目标检测信息,其中,所述目标检测信息包括:温度检测阈值和检测时长;根据所述目标检测信息对目标注塑设备进行设备检测,并采集设备检测过程中所述目标注塑设备对应的温度数据和设备参数;根据所述检测时长确定所述温度数据和所述设备参数的时间戳数据;根据所述时间戳数据生成所述温度数据对应的温度数据集合,以及根据所述时间戳数据生成所述设备参数对应的设备参数集合。
结合第一方面的第一实施方式,在本发明第一方面的第二实施方式中,所述对所述设备参数集合进行特征分类,得到多个设备评价指标,并根据所述多个设备评价指标构建第一检测曲线,包括:调用预置的参数分类模型,并设置所述参数分类模型对应的模型超参数;基于所述模型超参数,通过所述参数分类模型对所述设备参数集合进行参数群划分,得到多个待匹配参数群;根据所述多个待匹配参数群对所述设备参数集合进行特征分类,得到多个设备评价指标,其中,所述设备评价指标为注塑产品良率;对所述多个设备评价指标进行时间戳提取,得到多个带有时间戳的设备评价指标;对所述多个带有时间戳的设备评价指标进行曲线拟合,得到第一检测曲线。
结合第一方面的第二实施方式,在本发明第一方面的第三实施方式中,所述基于所述温度数据集合对所述多个设备评价指标进行数据映射匹配,得到每个设备评价指标对应的温度数据,并根据每个设备评价指标对应的温度数据构建第二检测曲线,包括:根据所述多个带有时间戳的设备评价指标对所述温度数据集合进行数据映射匹配,得到每个设备评价指标对应的温度数据;按照时间戳顺序对每个设备评价指标对应的温度数据进行数据点离散分布,得到温度离散分布图;对所述温度离散分布图进行异常值去除和缺失值填充,得到标准离散分布图;对所述标准离散分布图进行曲线拟合,得到第二检测曲线。
结合第一方面,在本发明第一方面的第四实施方式中,所述对所述第一检测曲线和所述第二检测曲线进行差值运算,得到曲线差值集合,并根据所述曲线差值集合生成目标检测曲线,包括:对所述第一检测曲线和所述第二检测曲线进行特征点位选取,得到多个第一检测值和每个第一检测值对应的第二检测值;分别对所述多个第一检测值和每个第一检测值对应的第二检测值进行差值运算,得到多个第一差值数据;分别对所述多个第一差值数据进行均值运算,得到多个第二差值数据;根据所述多个第二差值数据生成曲线差值集合,并根据所述曲线差值集合构建目标检测曲线。
结合第一方面,在本发明第一方面的第五实施方式中,所述将所述目标检测曲线输入预置的运行模拟预测模型进行运行状态模拟运算,得到第二运行数据,并根据所述第二运行数据确定对应的注塑设备运行状态,包括:将所述目标检测曲线输入预置的运行模拟预测模型,其中,所述运行模拟预测模型包括:编码网络、双向长短时记忆网络、特征编码网络和特征解码网络;通过所述运行模拟预测模型对所述目标检测曲线进行运行状态模拟运算,生成所述目标注塑设备对应的第二运行数据;根据所述第二运行数据对所述目标注塑设备进行状态预测,得到对应的注塑设备运行状态。
结合第一方面,在本发明第一方面的第六实施方式中,所述基于所述注塑设备运行状态对所述目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果,并将所述设备运行故障预测结果传输至预置的可视化终端,包括:对所述注塑设备运行状态进行向量映射处理,得到对应的目标状态向量;对所述目标状态向量与预设的标准状态向量进行相似度计算,得到对应的相似度计算结果;通过所述相似度计算结果对所述目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果;将所述设备运行故障预测结果传输至预置的可视化终端。
本发明第二方面提供了一种注塑生产管理系统,所述注塑生产管理系统包括:
采集模块,用于根据预置的设备检测方案对目标注塑设备进行设备检测,并采集设备检测过程中所述目标注塑设备对应的第一运行数据,其中,所述第一运行数据包括:温度数据集合和设备参数集合;
分类模块,用于对所述设备参数集合进行特征分类,得到多个设备评价指标,并根据所述多个设备评价指标构建第一检测曲线;
构建模块,用于基于所述温度数据集合对所述多个设备评价指标进行数据映射匹配,得到每个设备评价指标对应的温度数据,并根据每个设备评价指标对应的温度数据构建第二检测曲线;
运算模块,用于对所述第一检测曲线和所述第二检测曲线进行差值运算,得到曲线差值集合,并根据所述曲线差值集合生成目标检测曲线;
处理模块,用于将所述目标检测曲线输入预置的运行模拟预测模型进行运行状态模拟运算,得到第二运行数据,并根据所述第二运行数据确定对应的注塑设备运行状态;
预测模块,用于基于所述注塑设备运行状态对所述目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果,并将所述设备运行故障预测结果传输至预置的可视化终端。
结合第二方面,在本发明第二方面的第一实施方式中,所述采集模块具体用于:获取单元,用于获取预置的设备检测方案,并对所述设备检测方案进行检测信息解析,得到目标检测信息,其中,所述目标检测信息包括:温度检测阈值和检测时长;检测单元,用于根据所述目标检测信息对目标注塑设备进行设备检测,并采集设备检测过程中所述目标注塑设备对应的温度数据和设备参数;处理单元,用于根据所述检测时长确定所述温度数据和所述设备参数的时间戳数据;根据所述时间戳数据生成所述温度数据对应的温度数据集合,以及根据所述时间戳数据生成所述设备参数对应的设备参数集合。
结合第二方面的第一实施方式,在本发明第二方面的第二实施方式中,所述分类模块具体用于:调用预置的参数分类模型,并设置所述参数分类模型对应的模型超参数;基于所述模型超参数,通过所述参数分类模型对所述设备参数集合进行参数群划分,得到多个待匹配参数群;根据所述多个待匹配参数群对所述设备参数集合进行特征分类,得到多个设备评价指标,其中,所述设备评价指标为注塑产品良率;对所述多个设备评价指标进行时间戳提取,得到多个带有时间戳的设备评价指标;对所述多个带有时间戳的设备评价指标进行曲线拟合,得到第一检测曲线。
结合第二方面的第二实施方式,在本发明第二方面的第三实施方式中,所述构建模块具体用于:根据所述多个带有时间戳的设备评价指标对所述温度数据集合进行数据映射匹配,得到每个设备评价指标对应的温度数据;按照时间戳顺序对每个设备评价指标对应的温度数据进行数据点离散分布,得到温度离散分布图;对所述温度离散分布图进行异常值去除和缺失值填充,得到标准离散分布图;对所述标准离散分布图进行曲线拟合,得到第二检测曲线。
结合第二方面,在本发明第二方面的第四实施方式中,所述运算模块具体用于:对所述第一检测曲线和所述第二检测曲线进行特征点位选取,得到多个第一检测值和每个第一检测值对应的第二检测值;分别对所述多个第一检测值和每个第一检测值对应的第二检测值进行差值运算,得到多个第一差值数据;分别对所述多个第一差值数据进行均值运算,得到多个第二差值数据;根据所述多个第二差值数据生成曲线差值集合,并根据所述曲线差值集合构建目标检测曲线。
结合第二方面,在本发明第二方面的第五实施方式中,所述处理模块具体用于:将所述目标检测曲线输入预置的运行模拟预测模型,其中,所述运行模拟预测模型包括:编码网络、双向长短时记忆网络、特征编码网络和特征解码网络;通过所述运行模拟预测模型对所述目标检测曲线进行运行状态模拟运算,生成所述目标注塑设备对应的第二运行数据;根据所述第二运行数据对所述目标注塑设备进行状态预测,得到对应的注塑设备运行状态。
结合第二方面,在本发明第二方面的第六实施方式中,所述预测模块具体用于:对所述注塑设备运行状态进行向量映射处理,得到对应的目标状态向量;对所述目标状态向量与预设的标准状态向量进行相似度计算,得到对应的相似度计算结果;通过所述相似度计算结果对所述目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果;将所述设备运行故障预测结果传输至预置的可视化终端。
本发明第三方面提供了一种计算机设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述计算机设备执行上述的注塑生产管理方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的注塑生产管理方法。
本发明提供的技术方案中,根据多个设备评价指标构建第一检测曲线;对多个设备评价指标进行数据映射匹配,得到温度数据,并根据温度数据构建第二检测曲线;对第一检测曲线和第二检测曲线进行差值运算,得到曲线差值集合,并根据曲线差值集合生成目标检测曲线,本发明通过注塑设备的可视化终端将数据画面划分为功能显示区域和关键温度数据显示区域,功能显示区域可以直观看到整个目标注塑设备的运行数据,然后将目标检测曲线输入运行模拟预测模型进行运行状态模拟运算,得到第二运行数据,并根据第二运行数据对目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果,本发明通过对目标注塑设备进行故障预测,实时分析得到注塑设备的故障预测结果,提高注塑工艺过程监控、提高产品良率,便于产品工艺数据的追溯,达到对目标注塑设备的生产过程状态以及产品的质量进行有效控制和工艺过程的持续优化。
附图说明
图1为本发明实施例中注塑生产管理方法的一个实施例示意图;
图2为本发明实施例中对设备参数集合进行特征分类的流程图;
图3为本发明实施例中对多个设备评价指标进行数据映射匹配的流程图;
图4为本发明实施例中对第一检测曲线和第二检测曲线进行差值运算的流程图;
图5为本发明实施例中注塑生产管理系统的一个实施例示意图;
图6为本发明实施例中注塑生产管理系统的另一个实施例示意图;
图7为本发明实施例中计算机设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种注塑生产管理方法、系统、计算机设备及存储介质,用于实现智能化的注塑设备数据采集和分析并提高注塑设备的数据分析准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中注塑生产管理方法的一个实施例包括:
S101、根据预置的设备检测方案对目标注塑设备进行设备检测,并采集设备检测过程中目标注塑设备对应的第一运行数据,其中,第一运行数据包括:温度数据集合和设备参数集合;
可以理解的是,本发明的执行主体可以为注塑生产管理系统,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的,服务器通过目标注塑设备的安装数据信息创建三维立体模型结构,对目标注塑设备进行还原,其中,通过目标注塑设备内部的传感器信对目标注塑设备运行过程中的实时相关数据信息进行采集,得到对应的第一运行数据,其中,第一运行数据包括:温度数据集合和设备参数集合。
S102、对设备参数集合进行特征分类,得到多个设备评价指标,并根据多个设备评价指标构建第一检测曲线;
具体的,服务器对设备参数集合进行特征分类,其中,服务器获取多个设备参数集合的分类数据和实际分类标记,基于各设备参数集合的分类数据和实际分类标记,将各分类数据为非空值的设备参数集合分类为多个设备评价指标,获取多个设备评价指标,确定检测点集合,按照指标属性,对第一检测点集合进行初分类,基于同步函数,进行同步多点测量同组初分类结果中的每个检测点,构建对应的检测点指标数据曲线,得到第一检测曲线。
S103、基于温度数据集合对多个设备评价指标进行数据映射匹配,得到每个设备评价指标对应的温度数据,并根据每个设备评价指标对应的温度数据构建第二检测曲线;
需要说明的是,导入温度数据集合,并根据温度数据集合建立标准映射关系,在标准映射关系的基础上自定义映射规则,根据分类映射等级颗粒度,对标准映射关系和自定义映射规则进行集合运算,得到每个设备评价指标对应的温度数据,并根据每个设备评价指标对应的温度数据构建第二检测曲线。
S104、对第一检测曲线和第二检测曲线进行差值运算,得到曲线差值集合,并根据曲线差值集合生成目标检测曲线;
具体的,服务器将得到的两条的曲线,第一检测曲线和第二检测曲线做差值运算,获取差值,当得到曲线差值集合,并根据曲线差值集合生成目标检测曲线,其中,服务器根据曲线差值集合进行坐标点映射,确定对应的差值数据点位置信息,并根据该差值数据点位置信息生成目标检测曲线。
S105、将目标检测曲线输入预置的运行模拟预测模型进行运行状态模拟运算,得到第二运行数据,并根据第二运行数据确定对应的注塑设备运行状态;
S106、基于注塑设备运行状态对目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果,并将设备运行故障预测结果传输至预置的可视化终端。
具体的,服务器获取注塑设备运行状态数据,注塑设备运行状态数据中的每个数据至少包括数据类型和运行时长以及故障类型,故障类型为该目标注塑设备运行至预设运行时长时所出现的故障类型,故障类型对应至少一个部件,使用注塑设备运行状态对目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果,并将设备运行故障预测结果传输至预置的可视化终端。
本发明实施例中,根据多个设备评价指标构建第一检测曲线;对多个设备评价指标进行数据映射匹配,得到温度数据,并根据温度数据构建第二检测曲线;对第一检测曲线和第二检测曲线进行差值运算,得到曲线差值集合,并根据曲线差值集合生成目标检测曲线,本发明通过注塑设备的可视化终端将数据画面划分为功能显示区域和关键温度数据显示区域,功能显示区域可以直观看到整个目标注塑设备的运行数据,然后将目标检测曲线输入运行模拟预测模型进行运行状态模拟运算,得到第二运行数据,并根据第二运行数据对目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果,本发明通过对目标注塑设备进行故障预测,实时分析得到注塑设备的故障预测结果,提高注塑工艺过程监控、提高产品良率,便于产品工艺数据的追溯,达到对目标注塑设备的生产过程状态以及产品的质量进行有效控制和工艺过程的持续优化。
在一具体实施例中,执行步骤S101的过程可以具体包括如下步骤:
(1)获取预置的设备检测方案,并对设备检测方案进行检测信息解析,得到目标检测信息,其中,目标检测信息包括:温度检测阈值和检测时长;
(2)根据目标检测信息对目标注塑设备进行设备检测,并采集设备检测过程中目标注塑设备对应的温度数据和设备参数;
(3)根据检测时长确定温度数据和设备参数的时间戳数据;
(4)根据时间戳数据生成温度数据对应的温度数据集合,以及根据时间戳数据生成设备参数对应的设备参数集合。
具体的,服务器获取预置的设备检测方案,并对设备检测方案进行检测信息解析,得到目标检测信息,服务器确定能够满足目标注塑设备正常运行需求的设备参数,根据设备参数以及设置参数组与相应的环境参数组之间的对应关系,确定目标注塑设备多组设置参数,根据目标检测信息对目标注塑设备进行设备检测,并采集设备检测过程中目标注塑设备对应的温度数据和设备参数,根据检测时长确定温度数据和设备参数的时间戳数据,根据时间戳数据生成温度数据对应的温度数据集合,以及根据时间戳数据生成设备参数对应的设备参数集合。
在一具体实施例中,如图2所示,执行步骤S102的过程可以具体包括如下步骤:
S201、调用预置的参数分类模型,并设置参数分类模型对应的模型超参数;
S202、基于模型超参数,通过参数分类模型对设备参数集合进行参数群划分,得到多个待匹配参数群;
S203、根据多个待匹配参数群对设备参数集合进行特征分类,得到多个设备评价指标,其中,设备评价指标为注塑产品良率;
S204、对多个设备评价指标进行时间戳提取,得到多个带有时间戳的设备评价指标;
S205、对多个带有时间戳的设备评价指标进行曲线拟合,得到第一检测曲线。
具体的,服务器调用预置的参数分类模型,并设置参数分类模型对应的模型超参数,基于模型超参数,通过参数分类模型对设备参数集合进行参数群划分,得到多个待匹配参数群,获取多个待匹配参数群,通过多个待匹配参数群对设备参数集合进行分类处理,生成包含多类数据的多个设备评价指标,其中,基于聚类特征对多个设备评价指标进行时间戳提取,得到多个带有时间戳的设备评价指标,进而通过多个带有时间戳的设备评价指标进行曲线拟合,得到第一检测曲线。
在一具体实施例中,如图3所示,执行步骤S103的过程可以具体包括如下步骤:
S301、根据多个带有时间戳的设备评价指标对温度数据集合进行数据映射匹配,得到每个设备评价指标对应的温度数据;
S302、按照时间戳顺序对每个设备评价指标对应的温度数据进行数据点离散分布,得到温度离散分布图;
S303、对温度离散分布图进行异常值去除和缺失值填充,得到标准离散分布图;
S304、对标准离散分布图进行曲线拟合,得到第二检测曲线。
具体的,根据多个带有时间戳的设备评价指标对温度数据集合进行数据映射匹配,得到每个设备评价指标对应的温度数据,并根据温度数据集合建立标准映射关系,在标准映射关系的基础上自定义映射规则,根据分类映射等级颗粒度,对标准映射关系和自定义映射规则进行集合运算,得到每个设备评价指标对应的温度数据,进一步的,服务器获取时间戳顺序及各数据点的温度数据;计算各数据点的温度数据变化速度和各数据点的速度变化率,根据各数据点的速度变化率,计算时间戳顺序的平均速度变化率,统计各数据点的速度变化率的离散概率分布,并对离散概率分布进行拟合得到概率密度函数,根据时间序列数据的值变化速度约束和数据点的速度变化率,生成温度离散分布图,对温度离散分布图进行异常值去除和缺失值填充,得到标准离散分布图,对标准离散分布图进行曲线拟合,得到第二检测曲线。
在一具体实施例中,如图4所示,执行步骤S104的过程可以具体包括如下步骤:
S401、对第一检测曲线和第二检测曲线进行特征点位选取,得到多个第一检测值和每个第一检测值对应的第二检测值;
S402、分别对多个第一检测值和每个第一检测值对应的第二检测值进行差值运算,得到多个第一差值数据;
S403、分别对多个第一差值数据进行均值运算,得到多个第二差值数据;
S404、根据多个第二差值数据生成曲线差值集合,并根据曲线差值集合构建目标检测曲线。
具体的,服务器对第一检测曲线和第二检测曲线进行特征点位选取,得到多个第一检测值和每个第一检测值对应的第二检测值,其中,服务器获取待处理的两个检测曲线,根据预设得区域选取规则,在两个检测曲线中获取相应的目标区域,根据目标区域生成相应的数据对象,数据对象指示相应的选点坐标;根据选点坐标选取两个检测曲线中的特征点,到多个第一检测值和每个第一检测值对应的第二检测值,进一步的,服务器分别对多个第一检测值和每个第一检测值对应的第二检测值进行差值运算,得到多个第一差值数据,分别对多个第一差值数据进行均值运算,得到多个第二差值数据,根据多个第二差值数据生成曲线差值集合,并根据曲线差值集合构建目标检测曲线。
在一具体实施例中,执行步骤S105的过程可以具体包括如下步骤:
(1)将目标检测曲线输入预置的运行模拟预测模型,其中,运行模拟预测模型包括:编码网络、双向长短时记忆网络、特征编码网络和特征解码网络;
(2)通过运行模拟预测模型对目标检测曲线进行运行状态模拟运算,生成目标注塑设备对应的第二运行数据;
(3)根据第二运行数据对目标注塑设备进行状态预测,得到对应的注塑设备运行状态。
具体的,服务器将目标检测曲线输入预置的运行模拟预测模型,通过运行模拟预测模型对目标检测曲线进行运行状态模拟运算,生成目标注塑设备对应的第二运行数据,其中,在进行状态模拟运算时,服务器是通过对目标注塑设备进行基于单一参数变量的运行状态划分,进而根据不同的运行状态进行状态模拟的,进一步的,生成目标注塑设备对应的第二运行数据,根据第二运行数据对目标注塑设备进行状态预测,得到对应的注塑设备运行状态。
在一具体实施例中,执行步骤S106的过程可以具体包括如下步骤:
(1)对注塑设备运行状态进行向量映射处理,得到对应的目标状态向量;
(2)对目标状态向量与预设的标准状态向量进行相似度计算,得到对应的相似度计算结果;
(3)通过相似度计算结果对目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果;
(4)将设备运行故障预测结果传输至预置的可视化终端。
具体的,服务器对注塑设备运行状态进行向量映射处理,得到对应的目标状态向量,对目标状态向量进行特征提取,并提取向量特征集合;计算目标状态向量的向量特征集合中各向量特征的相似度,并与与预设的标准状态向量进行相似度分析,得到对应的相似度计算结果,进一步的,服务器通过相似度计算结果对目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果,将设备运行故障预测结果传输至预置的可视化终端。
上面对本发明实施例中注塑生产管理方法进行了描述,下面对本发明实施例中注塑生产管理系统进行描述,请参阅图5,本发明实施例中注塑生产管理系统一个实施例包括:
采集模块501,用于根据预置的设备检测方案对目标注塑设备进行设备检测,并采集设备检测过程中所述目标注塑设备对应的第一运行数据,其中,所述第一运行数据包括:温度数据集合和设备参数集合;
分类模块502,用于对所述设备参数集合进行特征分类,得到多个设备评价指标,并根据所述多个设备评价指标构建第一检测曲线;
构建模块503,用于基于所述温度数据集合对所述多个设备评价指标进行数据映射匹配,得到每个设备评价指标对应的温度数据,并根据每个设备评价指标对应的温度数据构建第二检测曲线;
运算模块504,用于对所述第一检测曲线和所述第二检测曲线进行差值运算,得到曲线差值集合,并根据所述曲线差值集合生成目标检测曲线;
处理模块505,用于将所述目标检测曲线输入预置的运行模拟预测模型进行运行状态模拟运算,得到第二运行数据,并根据所述第二运行数据确定对应的注塑设备运行状态;
预测模块506,用于基于所述注塑设备运行状态对所述目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果,并将所述设备运行故障预测结果传输至预置的可视化终端。
通过上述各个组成部分的协同合作,根据多个设备评价指标构建第一检测曲线;对多个设备评价指标进行数据映射匹配,得到温度数据,并根据温度数据构建第二检测曲线;对第一检测曲线和第二检测曲线进行差值运算,得到曲线差值集合,并根据曲线差值集合生成目标检测曲线,本发明通过注塑设备的可视化终端将数据画面划分为功能显示区域和关键温度数据显示区域,功能显示区域可以直观看到整个目标注塑设备的运行数据,然后将目标检测曲线输入运行模拟预测模型进行运行状态模拟运算,得到第二运行数据,并根据第二运行数据对目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果,本发明通过对目标注塑设备进行故障预测,实时分析得到注塑设备的故障预测结果,提高注塑工艺过程监控、提高产品良率,便于产品工艺数据的追溯,达到对目标注塑设备的生产过程状态以及产品的质量进行有效控制和工艺过程的持续优化。
请参阅图6,本发明实施例中注塑生产管理系统另一个实施例包括:
采集模块501,用于根据预置的设备检测方案对目标注塑设备进行设备检测,并采集设备检测过程中所述目标注塑设备对应的第一运行数据,其中,所述第一运行数据包括:温度数据集合和设备参数集合;
分类模块502,用于对所述设备参数集合进行特征分类,得到多个设备评价指标,并根据所述多个设备评价指标构建第一检测曲线;
构建模块503,用于基于所述温度数据集合对所述多个设备评价指标进行数据映射匹配,得到每个设备评价指标对应的温度数据,并根据每个设备评价指标对应的温度数据构建第二检测曲线;
运算模块504,用于对所述第一检测曲线和所述第二检测曲线进行差值运算,得到曲线差值集合,并根据所述曲线差值集合生成目标检测曲线;
处理模块505,用于将所述目标检测曲线输入预置的运行模拟预测模型进行运行状态模拟运算,得到第二运行数据,并根据所述第二运行数据确定对应的注塑设备运行状态;
预测模块506,用于基于所述注塑设备运行状态对所述目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果,并将所述设备运行故障预测结果传输至预置的可视化终端。
可选的,所述采集模块501具体用于:
获取单元5011,用于获取预置的设备检测方案,并对所述设备检测方案进行检测信息解析,得到目标检测信息,其中,所述目标检测信息包括:温度检测阈值和检测时长;
检测单元5012,用于根据所述目标检测信息对目标注塑设备进行设备检测,并采集设备检测过程中所述目标注塑设备对应的温度数据和设备参数;
处理单元5013,用于根据所述检测时长确定所述温度数据和所述设备参数的时间戳数据;根据所述时间戳数据生成所述温度数据对应的温度数据集合,以及根据所述时间戳数据生成所述设备参数对应的设备参数集合。
可选的,所述分类模块502具体用于:调用预置的参数分类模型,并设置所述参数分类模型对应的模型超参数;基于所述模型超参数,通过所述参数分类模型对所述设备参数集合进行参数群划分,得到多个待匹配参数群;根据所述多个待匹配参数群对所述设备参数集合进行特征分类,得到多个设备评价指标,其中,所述设备评价指标为注塑产品良率;对所述多个设备评价指标进行时间戳提取,得到多个带有时间戳的设备评价指标;对所述多个带有时间戳的设备评价指标进行曲线拟合,得到第一检测曲线。
可选的,所述构建模块503具体用于:根据所述多个带有时间戳的设备评价指标对所述温度数据集合进行数据映射匹配,得到每个设备评价指标对应的温度数据;按照时间戳顺序对每个设备评价指标对应的温度数据进行数据点离散分布,得到温度离散分布图;对所述温度离散分布图进行异常值去除和缺失值填充,得到标准离散分布图;对所述标准离散分布图进行曲线拟合,得到第二检测曲线。
可选的,所述运算模块504具体用于:对所述第一检测曲线和所述第二检测曲线进行特征点位选取,得到多个第一检测值和每个第一检测值对应的第二检测值;分别对所述多个第一检测值和每个第一检测值对应的第二检测值进行差值运算,得到多个第一差值数据;分别对所述多个第一差值数据进行均值运算,得到多个第二差值数据;根据所述多个第二差值数据生成曲线差值集合,并根据所述曲线差值集合构建目标检测曲线。
可选的,所述处理模块505具体用于:将所述目标检测曲线输入预置的运行模拟预测模型,其中,所述运行模拟预测模型包括:编码网络、双向长短时记忆网络、特征编码网络和特征解码网络;通过所述运行模拟预测模型对所述目标检测曲线进行运行状态模拟运算,生成所述目标注塑设备对应的第二运行数据;根据所述第二运行数据对所述目标注塑设备进行状态预测,得到对应的注塑设备运行状态。
可选的,所述预测模块506具体用于:对所述注塑设备运行状态进行向量映射处理,得到对应的目标状态向量;对所述目标状态向量与预设的标准状态向量进行相似度计算,得到对应的相似度计算结果;通过所述相似度计算结果对所述目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果;将所述设备运行故障预测结果传输至预置的可视化终端。
本发明实施例中,根据多个设备评价指标构建第一检测曲线;对多个设备评价指标进行数据映射匹配,得到温度数据,并根据温度数据构建第二检测曲线;对第一检测曲线和第二检测曲线进行差值运算,得到曲线差值集合,并根据曲线差值集合生成目标检测曲线,本发明通过注塑设备的可视化终端将数据画面划分为功能显示区域和关键温度数据显示区域,功能显示区域可以直观看到整个目标注塑设备的运行数据,然后将目标检测曲线输入运行模拟预测模型进行运行状态模拟运算,得到第二运行数据,并根据第二运行数据对目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果,本发明通过对目标注塑设备进行故障预测,实时分析得到注塑设备的故障预测结果,提高注塑工艺过程监控、提高产品良率,便于产品工艺数据的追溯,达到对目标注塑设备的生产过程状态以及产品的质量进行有效控制和工艺过程的持续优化。
上面图5和图6从模块化功能实体的角度对本发明实施例中的注塑生产管理系统进行详细描述,下面从硬件处理的角度对本发明实施例中计算机设备进行详细描述。
图7是本发明实施例提供的一种计算机设备的结构示意图,该计算机设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessing units,CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对计算机设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在计算机设备600上执行存储介质630中的一系列指令操作。
计算机设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作系统631,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图7示出的计算机设备结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种计算机设备,所述计算机设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述注塑生产管理方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述注塑生产管理方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random acceS memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种注塑生产管理方法,其特征在于,所述注塑生产管理方法包括:
根据预置的设备检测方案对目标注塑设备进行设备检测,并采集设备检测过程中所述目标注塑设备对应的第一运行数据,其中,所述第一运行数据包括:温度数据集合和设备参数集合;
对所述设备参数集合进行特征分类,得到多个设备评价指标,并根据所述多个设备评价指标构建第一检测曲线;
基于所述温度数据集合对所述多个设备评价指标进行数据映射匹配,得到每个设备评价指标对应的温度数据,并根据每个设备评价指标对应的温度数据构建第二检测曲线;
对所述第一检测曲线和所述第二检测曲线进行差值运算,得到曲线差值集合,并根据所述曲线差值集合生成目标检测曲线;
将所述目标检测曲线输入预置的运行模拟预测模型进行运行状态模拟运算,得到第二运行数据,并根据所述第二运行数据确定对应的注塑设备运行状态;
基于所述注塑设备运行状态对所述目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果,并将所述设备运行故障预测结果传输至预置的可视化终端。
2.根据权利要求1所述的注塑生产管理方法,其特征在于,所述根据预置的设备检测方案对目标注塑设备进行设备检测,并采集设备检测过程中所述目标注塑设备对应的第一运行数据,其中,所述第一运行数据包括:温度数据集合和设备参数集合,包括:
获取预置的设备检测方案,并对所述设备检测方案进行检测信息解析,得到目标检测信息,其中,所述目标检测信息包括:温度检测阈值和检测时长;
根据所述目标检测信息对目标注塑设备进行设备检测,并采集设备检测过程中所述目标注塑设备对应的温度数据和设备参数;
根据所述检测时长确定所述温度数据和所述设备参数的时间戳数据;
根据所述时间戳数据生成所述温度数据对应的温度数据集合,以及根据所述时间戳数据生成所述设备参数对应的设备参数集合。
3.根据权利要求2所述的注塑生产管理方法,其特征在于,所述对所述设备参数集合进行特征分类,得到多个设备评价指标,并根据所述多个设备评价指标构建第一检测曲线,包括:
调用预置的参数分类模型,并设置所述参数分类模型对应的模型超参数;
基于所述模型超参数,通过所述参数分类模型对所述设备参数集合进行参数群划分,得到多个待匹配参数群;
根据所述多个待匹配参数群对所述设备参数集合进行特征分类,得到多个设备评价指标,其中,所述设备评价指标为注塑产品良率;
对所述多个设备评价指标进行时间戳提取,得到多个带有时间戳的设备评价指标;
对所述多个带有时间戳的设备评价指标进行曲线拟合,得到第一检测曲线。
4.根据权利要求3所述的注塑生产管理方法,其特征在于,所述基于所述温度数据集合对所述多个设备评价指标进行数据映射匹配,得到每个设备评价指标对应的温度数据,并根据每个设备评价指标对应的温度数据构建第二检测曲线,包括:
根据所述多个带有时间戳的设备评价指标对所述温度数据集合进行数据映射匹配,得到每个设备评价指标对应的温度数据;
按照时间戳顺序对每个设备评价指标对应的温度数据进行数据点离散分布,得到温度离散分布图;
对所述温度离散分布图进行异常值去除和缺失值填充,得到标准离散分布图;
对所述标准离散分布图进行曲线拟合,得到第二检测曲线。
5.根据权利要求1所述的注塑生产管理方法,其特征在于,所述对所述第一检测曲线和所述第二检测曲线进行差值运算,得到曲线差值集合,并根据所述曲线差值集合生成目标检测曲线,包括:
对所述第一检测曲线和所述第二检测曲线进行特征点位选取,得到多个第一检测值和每个第一检测值对应的第二检测值;
分别对所述多个第一检测值和每个第一检测值对应的第二检测值进行差值运算,得到多个第一差值数据;
分别对所述多个第一差值数据进行均值运算,得到多个第二差值数据;
根据所述多个第二差值数据生成曲线差值集合,并根据所述曲线差值集合构建目标检测曲线。
6.根据权利要求1所述的注塑生产管理方法,其特征在于,所述将所述目标检测曲线输入预置的运行模拟预测模型进行运行状态模拟运算,得到第二运行数据,并根据所述第二运行数据确定对应的注塑设备运行状态,包括:
将所述目标检测曲线输入预置的运行模拟预测模型,其中,所述运行模拟预测模型包括:编码网络、双向长短时记忆网络、特征编码网络和特征解码网络;
通过所述运行模拟预测模型对所述目标检测曲线进行运行状态模拟运算,生成所述目标注塑设备对应的第二运行数据;
根据所述第二运行数据对所述目标注塑设备进行状态预测,得到对应的注塑设备运行状态。
7.根据权利要求1所述的注塑生产管理方法,其特征在于,所述基于所述注塑设备运行状态对所述目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果,并将所述设备运行故障预测结果传输至预置的可视化终端,包括:
对所述注塑设备运行状态进行向量映射处理,得到对应的目标状态向量;
对所述目标状态向量与预设的标准状态向量进行相似度计算,得到对应的相似度计算结果;
通过所述相似度计算结果对所述目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果;
将所述设备运行故障预测结果传输至预置的可视化终端。
8.一种注塑生产管理系统,其特征在于,所述注塑生产管理系统包括:
采集模块,用于根据预置的设备检测方案对目标注塑设备进行设备检测,并采集设备检测过程中所述目标注塑设备对应的第一运行数据,其中,所述第一运行数据包括:温度数据集合和设备参数集合;
分类模块,用于对所述设备参数集合进行特征分类,得到多个设备评价指标,并根据所述多个设备评价指标构建第一检测曲线;
构建模块,用于基于所述温度数据集合对所述多个设备评价指标进行数据映射匹配,得到每个设备评价指标对应的温度数据,并根据每个设备评价指标对应的温度数据构建第二检测曲线;
运算模块,用于对所述第一检测曲线和所述第二检测曲线进行差值运算,得到曲线差值集合,并根据所述曲线差值集合生成目标检测曲线;
处理模块,用于将所述目标检测曲线输入预置的运行模拟预测模型进行运行状态模拟运算,得到第二运行数据,并根据所述第二运行数据确定对应的注塑设备运行状态;
预测模块,用于基于所述注塑设备运行状态对所述目标注塑设备进行设备运行故障预测,得到设备运行故障预测结果,并将所述设备运行故障预测结果传输至预置的可视化终端。
9.一种计算机设备,其特征在于,所述计算机设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述计算机设备执行如权利要求1-7中任一项所述的注塑生产管理方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-7中任一项所述的注塑生产管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211633140.3A CN115782105A (zh) | 2022-12-19 | 2022-12-19 | 一种注塑生产管理方法、系统、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211633140.3A CN115782105A (zh) | 2022-12-19 | 2022-12-19 | 一种注塑生产管理方法、系统、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115782105A true CN115782105A (zh) | 2023-03-14 |
Family
ID=85425780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211633140.3A Pending CN115782105A (zh) | 2022-12-19 | 2022-12-19 | 一种注塑生产管理方法、系统、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115782105A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116484269A (zh) * | 2023-06-25 | 2023-07-25 | 深圳市彤兴电子有限公司 | 显示屏模组的参数处理方法、装置、设备及存储介质 |
CN117274259A (zh) * | 2023-11-22 | 2023-12-22 | 深圳市利新联电子有限公司 | 一种基于物联网的键盘生产设备管理方法及系统 |
CN117283743A (zh) * | 2023-11-23 | 2023-12-26 | 绵阳华远同创科技有限公司 | 一种树脂生产成型加工流程预测控制系统及方法 |
-
2022
- 2022-12-19 CN CN202211633140.3A patent/CN115782105A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116484269A (zh) * | 2023-06-25 | 2023-07-25 | 深圳市彤兴电子有限公司 | 显示屏模组的参数处理方法、装置、设备及存储介质 |
CN116484269B (zh) * | 2023-06-25 | 2023-09-01 | 深圳市彤兴电子有限公司 | 显示屏模组的参数处理方法、装置、设备及存储介质 |
CN117274259A (zh) * | 2023-11-22 | 2023-12-22 | 深圳市利新联电子有限公司 | 一种基于物联网的键盘生产设备管理方法及系统 |
CN117274259B (zh) * | 2023-11-22 | 2024-03-26 | 深圳市利新联电子有限公司 | 一种基于物联网的键盘生产设备管理方法及系统 |
CN117283743A (zh) * | 2023-11-23 | 2023-12-26 | 绵阳华远同创科技有限公司 | 一种树脂生产成型加工流程预测控制系统及方法 |
CN117283743B (zh) * | 2023-11-23 | 2024-02-02 | 绵阳华远同创科技有限公司 | 一种树脂生产成型加工流程预测控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115782105A (zh) | 一种注塑生产管理方法、系统、计算机设备及存储介质 | |
CN116129366A (zh) | 基于数字孪生的园区监测方法及相关装置 | |
CN109948860A (zh) | 一种机械系统剩余寿命预测方法及系统 | |
RU2747454C1 (ru) | Способ и средство для наблюдения состояния устройства в обрабатывающей промышленности и носитель | |
CN111367777B (zh) | 告警处理的方法、装置、设备及计算机可读存储介质 | |
CN114861788A (zh) | 一种基于dbscan聚类的负荷异常检测方法及系统 | |
CN111768022A (zh) | 煤机生产设备的设备检测方法及装置 | |
CN113271224A (zh) | 节点的定位方法、装置、存储介质及电子装置 | |
CN116866095B (zh) | 一种带触控面板的工业路由器及其待机控制方法 | |
CN114977176B (zh) | 电力负荷分解方法、装置、设备及存储介质 | |
CN114325405A (zh) | 电池组一致性分析方法、建模方法、装置、设备及介质 | |
CN113268403A (zh) | 时间序列的分析预测方法、装置、设备及存储介质 | |
CN108693469A (zh) | Gis设备的故障诊断方法及装置 | |
CN115660288A (zh) | 一种基于互联网大数据的分析管理系统 | |
CN110110339A (zh) | 一种日前水文预报误差校正方法及系统 | |
CN110956281A (zh) | 一种基于Log分析的电力设备异常检测报警系统 | |
CN105027088B (zh) | 系统分析设备和系统分析方法 | |
CN117434372B (zh) | 电子产品的电磁兼容抗扰度测试方法及系统 | |
CN113705693A (zh) | 一种电网雷电预警方法、装置、记录媒体及系统 | |
CN110807014B (zh) | 一种基于交叉验证的台区数据异常甄别方法和装置 | |
CN115810419B (zh) | 智慧手术室的运营管理方法、装置、设备及存储介质 | |
CN111460027A (zh) | 一种适用于能源互联网的智能动态监测方法及系统 | |
CN114205355B (zh) | 一种变电网关附属设备性能测试方法、系统及电子设备 | |
CN110413622A (zh) | 一种基于电力大数据平台的数据处理方法 | |
CN109359800A (zh) | 一种配电自动化主站系统运行状态的评价方法及系统 |
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 |