CN116125852A - 一种基于大数据的汽车零部件生产线智能监测系统及方法 - Google Patents
一种基于大数据的汽车零部件生产线智能监测系统及方法 Download PDFInfo
- Publication number
- CN116125852A CN116125852A CN202211470237.7A CN202211470237A CN116125852A CN 116125852 A CN116125852 A CN 116125852A CN 202211470237 A CN202211470237 A CN 202211470237A CN 116125852 A CN116125852 A CN 116125852A
- Authority
- CN
- China
- Prior art keywords
- unit
- monitoring
- production
- production line
- finished product
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 216
- 238000012544 monitoring process Methods 0.000 title claims abstract description 162
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000002994 raw material Substances 0.000 claims abstract description 62
- 238000007405 data analysis Methods 0.000 claims abstract description 19
- 238000012360 testing method Methods 0.000 claims description 40
- 238000011156 evaluation Methods 0.000 claims description 27
- 239000002699 waste material Substances 0.000 claims description 27
- 238000011084 recovery Methods 0.000 claims description 19
- 238000004064 recycling Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 14
- 239000000463 material Substances 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 11
- 238000005265 energy consumption Methods 0.000 claims description 11
- 238000011027 product recovery Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000013480 data collection Methods 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000001816 cooling Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000002950 deficient Effects 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 239000002184 metal Substances 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000000275 quality assurance Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 238000005482 strain hardening Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012812 general test Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- 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
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种基于大数据的汽车零部件生产线智能监测系统及方法，属于汽车零部件生产监测技术领域，该智能监测系统包括库存监测模块、制造监测模块、质量监测模块和大数据分析模块，通过库存监测模块对库存成品和原材料选取，制造模块对生产线生产过程进行监测，质量监测模块对产品进行质量检查，大数据分析模块进行生产过程的综合分析。当企业生产零部件时，通过库存监测模块管理库存成品和原材料，实现绿色生产，通过制造监测模块进行生产线监测以实现安全生产，利用质量监测模块保证产品质量，利用大数据分析模块综合分析数据，提高生产线效率。
Description
技术领域
本发明涉及汽车零部件生产领域，具体为一种基于大数据的汽车零部件生产线智能监测系统及方法。
背景技术
汽车零部件生产是指对构成汽车整体的各单元进行加工制造的工艺，汽车零部件生产线智能监测系统通过对加工生产线的数据进行分析处理，对汽车零部件制造进行监测管理。大数据是一种海量数据集合，价值密度低，数据类型多样，依托云计算的分布式处理，通过对海量数据信息的分析进行专业化处理，在短时间内攫取、处理、整合成有意义的资讯，实现数据价值的增值。
现有的汽车零部件生产线智能监测系统主要解决生产线批量制造的问题，精细化生产能力低下，控制成本能力较低，对成品品质控制要求低，使得生产粗放，不能够最大化利用原材料，不符合现代化生产，绿色生产的要求。
因此，急需一种基于大数据的汽车零部件生产线智能监测系统及方法来解决上述问题。
发明内容
本发明的目的在于提供一种基于大数据的汽车零部件生产线智能监测系统及方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于大数据的汽车零部件生产线智能监测系统及方法，其特征在于：该智能监测系统包括库存监测模块、制造监测模块、质量监测模块和大数据分析模块。
所述库存监测模块用于选取库存成品，原材料；
使得可以最大化提高材料利用率；
所述制造监测模块用于监测生产线生产状态；
使得产品成品率提高，安全高效生产；
所述质量监测模块用于监测成品质量；
使得成品符合标准，分级出库；
所述大数据分析模块用于分析生产线与产品质量关系；
使得生产线更加高效，原材料评定标准得到优化；
所述库存监测模块、制造监测模块和质量监测模块的输出端连接大数据分析模块的输入端；
所述制造模块输出端和成品质检模块输出端连接选材模块输入端；
根据上述技术方案，所述库存监测模块包括库存汽车零部件数量单元、库存原材料数量单元、汽车零部件出入库单元和原材料出入库单元；
所述库存汽车零部件数量单元用于存储在库汽车零部件的信息；
所述库存原材料数量单元用于存储在库原材料的信息；
所述汽车零部件出入库单元用于对汽车零部件出入库进行管理；
所述原材料出入库单元用于对原材料进行出入库管理；
根据上述技术方案，所述制造监测模块包括编码单元、温控单元、生产流程监控单元和废料评价回收单元；
所述编码单元用于对切割后的原材料进行编码；
使得单个汽车零部件可查；
所述温控单元用于全程对生产线温度监测控制；
使得生产环境恒温可控，对异常温度监测警报；
所述生产流程监控单元用于对生产线进行全方位录像监测；
使得生产问题可视化；
所述废料评价回收单元用于对生产过程中及成品中不符合标准的材料进行回收；
使得废弃材料能够再次利用；
根据上述技术方案，所述质量监测模块包括测试监测单元、成品评级单元和成品回收单元；
所述测试监测单元用于对成品进行抽样测试及普遍测试的监测；
使得成品满足质量标准要求；
所述成品评级单元用于对成品进行品质评价；
使得成品精准分类；
所述成品回收单元用于对成品中的残次品及不符合要求成品进行二次回收；
使得材料及成品最大限度被利用；
所述测试监测单元输出端连接成品评级单元输入端，成品评级单元输出端连接成品回收单元输入端；
根据上述技术方案，所述大数据分析模块包括成品数据的收集及等级分析单元、制造工艺数据的收集及分析单元、综合评定单元；
所述成品数据的收集及等级分析单元用于对每批次原材料生产出的产品进行综合分析记录；
使得可以了解不同原材料的产出效果；
所述制造工艺数据的收集及分析单元用于对每次生产制造的流程及产出效果进行综合分析记录；
使得可以了解制造工艺与产量质量之间的关系，利于生产流程的优化更新；
综合评定单元用于评定产线生产水平和成品质量关系；
使得可以综合分析，根据不同材料及生产目的确定合适的生产制造流程；
一种基于大数据的汽车零部件生产线智能监测方法，该智能监测方法包括以下步骤：
S1、利用汽车零部件出入库单元和原材料出入库单元进行汽车零部件和原材料最优选择；
S2、运用编码单元对切割后的裁片进行编码；
S3、运用温度监测单元和生产流程监控单元进行生产制造的全程监控；
S4、运用废料评价回收单元进行废料的回收再利用；
S5、运用测试监测单元对成品的测试进行监测；
S6、运用成品评级单元和成品回收单元进行成品的评定和回收再利用；
S7、利用综合评定单元对数据进行处理分析并给出汽车零部件生产线优化改造方案，优化原材料采购标准。
根据上述技术方案，在S1中，所述汽车零部件出入库单元及原材料出入库单元用于为生产提供现有成品,在选取过程中，将首先对库存汽车零部件进行筛选，将现有库存汽车零部件放入集合P＝{a1，a2，a3，…，an}，an表示第n个零部件的数据，包括编号、种类和品质属性；通过与集合Q{a,b}与集合Z{z1，z2，z3…zn}先后交集，得到集合Azi{an1、an2、an3…，anN}，集合Bzi{bn1、bn2、bn3…，bnN}，…,其中集合Q表示品质A和品质B的集合，集合Z表示汽车零部件种类的集合，通过同时交集，集合Azi中是种类为zi的A品质的汽车零部件，集合Bzi中是种类为zi的B品质的汽车零部件；在进行分类后选出品质和种类符合要求的汽车零部件，按照入库时间排序，优先选取最长时间未使用的汽车零部件，从而最大化利用库存汽车零部件，减少生产成本。
根据上述技术方案，在S2中，所述编码单元用于对切割后的裁片进行编码，在编码时，按照批次，根据加工汽车零部件的名称、生产时间和生产线号进行编码，实现汽车零部件的量化追溯。
根据上述技术方案，在S3中，所述温度监测单元和生产流程监控单元用于监测生产线状况，在温度监测单元中，利用红外温度仪对整个生产线进行监控。对不同生产线环节设置恒定温度，监控降温系统制冷效果，监控生产线加热系统制热效果，对生产线正常温度波动范围外的异常温度警报，并通知工作人员检修；在生产流程监控单元中，利用全景摄像系统对生产线异常动作进行图像捕捉，并上传至系统，通过拾音器捕捉生产线运转噪声，设置安全分贝区域，对超出规定范围的分贝实时上传记录，实现实时监测生产流程，提示工作人员检修，及时故障报修，安全生产。
根据上述技术方案，在S4中，所述废料评价回收单元用于初步判断成品汽车零部件在外形上是否符合要求，运用高清摄像头进行图像识别比对，筛选出边缘破损，形状不规则等不合格零部件成品，利用废料评价回收单元实现废料的判断，根据加工硬化指数
式中K为强度系数，S是金属薄板成形时真应力，ε是真应变，n是硬化指数，n值对原材料成形极限曲线具有明显的影响，n值大原材料的成形极限曲线高，n值小材料的成形极限曲线低，对n值高于成品要求的作为原材料回收，实现原料的绿色回收。
根据上述技术方案，在S5中，所述测试监测单元用于对生产的成品汽车零部件的测试进行监测，其中，随机抽取进行极限测试，在不同适用情况下测试成品汽车零部件的性能，测试零件正常运转最低温度，正常运转最高耐受温度，正常运转最大压力，正常运转最小驱动力，正常运转下极限湿度，极限环境下最多使用次数，对每个汽车零部件进行常规测试，得到汽车零部件的属性信息；所述成品评级单元用于对生产成品汽车零部件进行评价，按照GB/T18655-2010，GB34660-2017，GB/T19951-2005标准分类进行筛选合格产品，通过分类为A级、B级、C级，分别对应优品、良品、不合格产品，对符合生产要求品级的汽车零部件交付，对不合格产品进行二次回收，对合格且不符合生产要求的汽车零部件进行回收入库，实现生产加工的质量保证。
根据上述技术方案，在S6中，所述综合评定单元用于对整个生产数据以及汽车零部件状况进行综合分析，得到生产流程与产量质量之间的关系，对数据进行处理分析，得到生产线优化改造方案；
其中，将目标生产进行赋值，Q＝[q1,q2,q3]，其中q1表示品级，对A级赋值1，对B级赋值2，对C级赋值4，其中q2表示能耗，q3表示数量；对实际生产零部件进行赋值，P1＝[P1n1,P1n2,P1n3]，其中P1n1,表示该零部件的品级，P1n2,表示生产该零部件的能耗,P1n3赋值为1，表示该零部件生产的数量为1，P2＝[P2n1,P2n2,P2n3]，其中P2n1表示该零部件的品级，P2n2表示生产该零部件的能耗,P2n3赋值为1，表示该零部件生产的数量为
其中Pnn1表示该零部件的品级，Pnn2表示生产该零部件的能耗,Pnn3赋值为1，表示该零部件生产的数量为1；
计算本批次中n个生产零部件的标准偏差
与现有技术相比，本发明所达到的有益效果是：
1.本发明设置温度监测单元和生产流程监测单元，对生产线进行全程温度监测，对每个生产环节进行摄像监测，能够及时发现生产线故障，使得生产安全得到保障，减少故障持续时间。
2.本发明设置废料评价回收单元和成品回收单元，对生产过程中产生的废料进行评定后，对有利用价值的废料进行回收，对成品质检过程中不符合要求的零部件成品进行入库，在后续生产任务中使用，达到最大化利用原材料，减少浪费，降低成本，实现绿色生产。
3.本发明设置大数据分析模块，对每批次原材料生产的成品进行分析，改进原材料的评定标准，对生产制造工艺数据进行收集分析，优化制造流程，提高生产线的生产效率。
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是本发明一种基于大数据的汽车零部件生产线智能监测系统的模块组成结构示意图；
图2是本发明一种基于大数据的汽车零部件生产线智能监测方法的步骤流程示意图；
图3是本发明一种基于大数据的汽车零部件生产线智能监测方法的回收利用方法示意图；
图4是本发明一种基于大数据的汽车零部件生产线智能监测方法的大数据分析连接结构示意图；
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。
如图1～图4所示，本发明提供以下技术方案，一种基于大数据的汽车零部件生产线智能监测系统及方法，其特征在于：该智能监测系统包括库存监测模块、制造监测模块、质量监测模块和大数据分析模块。
所述库存监测模块用于选取库存成品，原材料；
使得可以最大化提高材料利用率；
所述制造监测模块用于监测生产线生产状态；
使得产品成品率提高，安全高效生产；
所述质量监测模块用于监测成品质量检验；
使得成品符合标准，分级出库；
所述库存监测模块、制造监测模块和质量监测模块的输出端连接大数据分析模块的输入端；
所述制造模块输出端和成品质检模块输出端连接库存监测模块输入端；
根据上述技术方案，所述库存监测模块包括库存汽车零部件数量单元、库存原材料数量单元、汽车零部件出入库单元和原材料出入库单元；
所述库存汽车零部件数量单元用于存储在库汽车零部件的信息；
所述库存原材料数量单元用于存储在库原材料的信息；
所述汽车零部件出入库单元用于对汽车零部件出入库进行管理；
所述原材料出入库单元用于对原材料进行出入库管理；
根据上述技术方案，所述制造监测模块包括编码单元、温控单元、生产流程监控单元和废料评价回收单元；
所述编码单元用于对切割后的原材料进行编码；
使得单个汽车零部件可查；
所述温控单元用于全程对生产线温度监测控制；
使得生产环境恒温可控，并对异常温度监测警报；
所述生产流程监控单元用于对生产线进行全方位录像监测；
使得生产问题可视化；
所述废料评价回收单元用于对生产过程中及成品中不符合标准的材料进行回收；
使得废弃材料能够再次利用；
根据上述技术方案，所述质量监测模块包括测试单元、成品评级单元和成品回收单元；
所述测试监测单元用于对成品的抽样测试及普遍测试进行监测；
使得成品满足质量标准要求；
所述成品评级单元用于对成品进行品质评价；
使得成品精准分类；
所述成品回收单元用于对成品中的残次品及不符合要求成品进行二次回收；
使得材料及成品最大限度利用；
所述测试监测单元输出端连接成品评级单元输入端，成品评级单元输出端连接成品回收单元；
根据上述技术方案，所述大数据分析模块包括成品数据的收集及等级分析单元、制造工艺数据的收集及分析单元、综合评定单元；
所述成品数据的收集及等级分析单元用于对每批次原材料生产出的产品进行综合分析记录；
使得可以了解不同原材料的产出效果；
所述制造工艺数据的收集及分析单元用于对每次生产制造的流程及产出效果进行综合分析记录；
使得可以了解制造工艺与产量质量之间的关系，利于生产流程的优化更新；
综合评定单元用于综合评价成本及成品情况；
使得可以综合分析，根据不同材料及生产目的确定合适的生产制造流程；
一种基于大数据的汽车零部件生产线智能监测方法，该智能监测方法包括以下步骤：
S1、利用汽车零部件出入库单元和原材料出入库单元进行汽车零部件和原材料最优选择；
S2、运用编码单元对切割后的裁片进行编码；
S3、运用温度监测单元和生产流程监控单元进行生产制造的全程监控；
S4、运用废料评价回收单元进行废料的回收再利用；
S5、运用测试监测单元对成品的测试进行监测；
S6、运用成品评级单元和成品回收单元进行成品的评定和回收再利用；
S7、利用综合评定单元对数据进行处理分析并给出汽车零部件生产线优化改造方案，优化原材料采购标准；
根据上述技术方案，在S1中，所述汽车零部件出入库单元及原材料出入库单元用于为生产提供现有成品,在选取过程中，将首先对库存汽车零部件进行筛选，将现有库存汽车零部件放入集合P＝{a1，a2，a3，…，an}，an表示第n个零部件的数据，包括编号、种类和品质属性；通过与集合Q{a,b}与集合Z{z1，z2，z3…zn}先后交集，得到集合Azi{an1、an2、an3…，anN}，集合Bzi{bn1、bn2、bn3…，bnN}，…,其中集合Q表示品质A和品质B的集合，集合Z表示汽车零部件种类的集合，通过交集，集合Azi中是种类为zi的A品质的汽车零部件，集合Bzi中是种类为zi的B品质的汽车零部件；在进行分类后选出品质和种类符合要求的汽车零部件，按照入库时间排序，优先选取最长时间未使用的汽车零部件，从而最大化利用库存汽车零部件，减少生产成本。
根据上述技术方案，在S2中，所述编码单元用于对切割后的裁片进行编码，在编码时，按照批次，加工汽车零部件名称，时间，生产线号进行编码，实现汽车零部件的量化追溯。
根据上述技术方案，在S3中，所述温度监测单元和生产流程监控单元用于监测生产线状况，在温度监测单元中，利用红外温度仪及全景摄影系统对整个生产线进行监控。对不同生产线环节设置恒定温度，监控降温系统制冷效果，监控生产线加热系统制热效果，对生产线正常温度波动范围外的异常温度警报，并通知工作人员检修；在生产流程监控单元中，对生产线异常动作进行图像捕捉，并按帧捕捉上传至系统，通过拾音器捕捉生产线运转噪声，设置安全分贝区域，对超出规定范围的分贝实时上传记录，实现实时监测生产流程，提示工作人员检修，及时故障报修，安全生产。
根据上述技术方案，在S4中，所述废料评价回收单元用于初步判断成品汽车零部件在外形上是否符合要求，运用高清摄像头进行图像识别比对，筛选出边缘破损，形状不规则等不合格零部件成品，利用废料评价回收单元实现废料的判断，根据加工硬化指数，S＝kεn，式中K为强度系数。S是金属薄板成形时真应力，ε是真应变，关系式中的幂指数n是硬化指数，n值对原材料成形极限曲线具有明显的影响，n值大原材料的成形极限曲线高，n值小材料的成形极限曲线低，对n值高于成品要求的作为原材料回收，实现原料的绿色回收。
根据上述技术方案，在S5中，所述测试监测单元用于对生产的成品汽车零部件的测试进行监测，其中，随机抽取进行极限测试，在不同适用情况下测试成品汽车零部件的性能，测试零件正常运转最低温度，正常运转最高耐受温度，正常运转最大压力，正常运转最小驱动力，正常运转下极限湿度，极限环境下最多使用次数，对每个汽车零部件进行常规测试，得到汽车零部件的属性信息；所述成品评级单元用于对生产成品汽车零部件进行评价，按照GB/T18655-2010，GB34660-2017，GB/T19951-2005标准分类进行筛选合格产品，通过分类为A级、B级、C级，分别对应优品、良品、不合格产品，对符合生产要求品级的汽车零部件交付，对不合格产品进行二次回收，对合格且不符合生产要求的汽车零部件进行回收入库，实现生产加工的质量保证。
根据上述技术方案，在S6中，所述综合评定单元用于对整个生产数据以及汽车零部件状况进行综合分析，得到生产流程与零部件产量质量之间的关系，对数据进行处理分析，得到生产线优化改造方案；
其中，将目标生产进行赋值，Q＝[q1,q2,q3]，其中q1表示品级，对A级赋值1，对B级赋值2，对C级赋值4，其中q2表示能耗，q3表示数量；对实际生产零部件进行赋值，P1＝[P1n1,P1n2,P1n3]，其中P1n1,表示该零部件的品级，P1n2,表示生产该零部件的能耗,P1n3赋值为1，表示该零部件生产的数量为1，P2＝[P2n1,P2n2,P2n3]，其中P2n1表示该零部件的品级，P2n2表示生产该零部件的能耗,P2n3赋值为1，表示该零部件生产的数量为
其中Pnn1表示该零部件的品级，Pnn2表示生产该零部件的能耗,Pnn3赋值为1，表示该零部件生产的数量为1；
计算本批次中n个生产零部件的标准偏差
实施例1
在对库存成品原件与原材料选取过程中，首先读取库存零部件成品编码并放入原件P＝{a1，a2，a3，…a199}，其中a1，a2，a3，…a199分别表示第一个汽车零部件、第二个汽车零部件、第三个汽车零部件、…、第199个汽车零部件，对这些库存原件进行分类筛选，与集合Q{a,b}与集合Z{z1，z2，z3，…，z20}先后交集，其中集合Q表示为品质为A与品质B的集合，集合Z表示为汽车零部件种类的集合，其中z1表示为种类为Z1的汽车零部件，其中z2表示为种类为Z2的汽车零部件…，z20表示为种类为Z20的汽车零部件，通过交集，得到集合A{an1、an2、an3…，an12}，集合B{bn1、bn2、bn3…，bn12}，集合A中，an1表示为种类为Z1的A品质的汽车零部件，按照要求选出集合A中的零部件，按照入库时间排序，选出最长时间最久未使用的汽车零部件，从而得到库存中生产所需的零部件成品。
实施例2
在大数据分析环节中，对生产目标进行赋值，Q＝[1,3,3500],生产目标为生产3500件品质为A级的理想能耗为3的零部件，本批次生产零部件
P1＝[1,2,1]
P2＝[4,6,1]
P3＝[2,3,1]
…
P3500＝[1,5,1]
计算本批次中n个生产零部件的标准偏差
计算零部件的c值
通过大数据分析比较C值，发现本次生产原材料相较于上批次原材料更符合生产该类A品质零部件,改进订购标准。
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 (10)
1.一种基于大数据的汽车零部件生产线智能监测系统，其特征在于：该智能监测系统包括库存监测模块、制造监测模块、质量监测模块和大数据分析模块；
所述库存监测模块用于监测库存原材料和成品的选取；
所述制造监测模块用于监测生产制造过程；
所述质量监测模块用于监测成品质检；
所述大数据分析模块用于分析生产线效率与产品质量关系；
所述库存监测模块、制造监测模块和质量监测模块的输出端连接大数据分析模块的输入端；
所述制造监测模块和质量监测模块的输出端连接库存监测模块输入端。
2.根据权利要求1所述的一种基于大数据的汽车零部件生产线智能监测系统，其特征在于：所述库存监测模块包括库存汽车零部件数量单元、库存原材料数量单元、汽车零部件出入库单元和原材料出入库单元；
所述库存汽车零部件数量单元用于存储在库汽车零部件的信息；
所述库存原材料数量单元用于存储在库原材料的信息；
所述汽车零部件出入库单元用于对汽车零部件出入库进行管理；
所述原材料出入库单元用于对原材料进行出入库管理。
3.根据权利要求1所述的一种基于大数据的汽车零部件生产线智能监测系统，其特征在于：所述制造监测模块包括编码单元、温度监测单元、生产流程监测单元和废料评价回收单元；
所述编码单元用于对切割后的原材料进行编码；
所述温度监测单元用于全程对生产线温度进行监测；
所述生产流程监测单元用于对生产线进行全方位录像监测；
所述废料评价回收单元用于对生产过程中不符合标准的材料进行回收。
4.根据权利要求1所述的一种基于大数据的汽车零部件生产线智能监测系统，其特征在于：所述质量监测模块包括测试监测单元、成品评级单元和成品回收单元；
所述测试监测单元用于对成品测试环节进行监测；
所述成品评级单元用于对成品进行品质评价；
所述成品回收单元用于对成品中的残次品及不符合要求成品进行二次回收；
所述测试监测单元输出端连接成品评级单元输入端，成品评级单元输出端连接成品回收单元输入端。
5.根据权利要求1所述的一种基于大数据的汽车零部件生产线智能监测系统，其特征在于：所述大数据分析模块包括成品数据的收集及等级分析单元、制造工艺数据的收集及分析单元和综合评定单元；
所述成品数据的收集及等级分析单元用于对每批次原材料生产出的产品进行综合分析记录；
所述制造工艺数据的收集及分析单元用于对每次生产制造的流程及产出效果进行综合分析记录；
综合评定单元用于综合评价生产线效率和成品质量关系。
6.一种基于大数据的汽车零部件生产线智能监测方法，其特征在于：该智能监测方法包括以下步骤：
S1、利用汽车零部件出入库单元和原材料出入库单元进行汽车零部件和原材料最优选择；
S2、运用编码单元对切割后的裁片进行编码；
S3、运用温度监测单元和生产流程监控单元进行生产制造的全程监控；
S4、运用废料评价回收单元进行废料的回收再利用；
S5、运用测试监测单元对成品的测试进行监测；
S6、运用成品评级单元和成品回收单元进行成品评定和回收再利用；
S7、利用综合评定单元对数据进行处理分析并给出汽车零部件生产线优化改造方案，优化原材料采购标准。
7.根据权利要求6所述的一种基于大数据的汽车零部件生产线智能监测方法，其特征在于：在S1中，所述汽车零部件出入库单元及原材料出入库单元用于为生产提供现有成品,在选取过程中，将首先对库存汽车零部件进行筛选，将现有库存汽车零部件放入集合P＝{a1，a2，a3，…，an}，an表示第n个零部件的数据，包括编号、种类和品质属性；通过与集合Q{a,b}与集合Z{z1，z2，z3…zn}交集，得到集合Azi{an1、an2、an3…，anN}，集合Bzi{bn1、bn2、bn3…，bnN}，…,其中集合Q表示A品质和B品质的集合，集合Z表示汽车零部件种类的集合，通过同时交集，集合Azi中是种类为zi的A品质的汽车零部件，集合Bzi中是种类为zi的B品质的汽车零部件；在进行分类后选出品质和种类符合要求的汽车零部件，按照入库时间排序，优先选取最长时间未使用的汽车零部件，从而最大化利用库存汽车零部件，减少生产成本。
8.根据权利要求6所述的一种基于大数据的汽车零部件生产线智能监测方法，其特征在于：在S2中，所述编码单元用于对切割后的裁片进行编码，在编码时，按照批次、加工汽车零部件的名称、生产时间和生产线号进行编码，实现汽车零部件的量化追溯；在S3中，所述温度监测单元和生产流程监控单元用于监测生产线状况，在温度监测单元中，利用红外温度仪对整个生产线进行监控；对不同生产线环节设置恒定温度，监控降温系统制冷效果，监控生产线加热系统制热效果，对生产线正常温度波动范围外的异常温度警报，并通知工作人员检修；在生产流程监控单元中，利用全景摄像系统对生产线异常动作进行图像捕捉，并上传至系统，通过拾音器捕捉生产线运转噪声，设置安全分贝区域，对超出规定范围的分贝实时上传记录，实现实时监测生产流程，提示工作人员检修，及时故障报修，安全生产。
9.根据权利要求6所述的一种基于大数据的汽车零部件生产线智能监测方法，其特征在于：在S4中，所述废料评价回收单元用于初步判断成品汽车零部件在外形上是否符合要求，运用高清摄像头进行图像识别比对，筛选出边缘破损，形状不规则等不合格零部件成品，利用废料评价回收单元实现废料的判断，根据加工硬化指数
式中K为强度系数，S是金属薄板成形时真应力，ε是真应变，n是硬化指数，n值对原材料成形极限曲线具有明显的影响，n值大原材料的成形极限曲线高，n值小材料的成形极限曲线低，对n值高于成品要求的作为原材料回收，实现原料的绿色回收；在S5中，所述测试监测单元用于对生产的成品汽车零部件的测试进行监测，其中，随机抽取进行极限测试，在不同适用情况下测试成品汽车零部件的性能，测试零件正常运转最低温度，正常运转最高耐受温度，正常运转最大压力，正常运转最小驱动力，正常运转下极限湿度，极限环境下最多使用次数，对每个汽车零部件进行常规测试，得到汽车零部件的属性信息；所述成品评级单元用于对生产成品汽车零部件进行评价，按照标准分类筛选合格产品，通过分类为A级、B级和C级，分别对应优品、良品和不合格产品，对符合生产要求品级的汽车零部件交付，对不合格产品按照材料标准回收，对合格且不符合生产要求的汽车零部件进行回收入库，实现生产加工的质量保证。
10.根据权利要求7所述的一种基于大数据的汽车零部件生产线智能监测方法，其特征在于在S6中，所述综合评定单元用于对整个生产数据以及汽车零部件数据进行综合分析，得到生产流程与产量质量之间的关系，对数据进行处理分析，得到生产线优化改造方案；
其中，将目标生产进行赋值，Q＝[q1,q2,q3]，其中q1表示品级，对A级赋值1，对B级赋值2，对C级赋值4，其中q2表示能耗，q3表示数量；对实际生产零部件进行赋值，P1＝[P1n1,P1n2,P1n3]，…Pn＝[Pnn1,Pnn2,Pnn3]，其中Pnn1表示零部件Pn的品级，Pnn2表示生产零部件Pn的能耗,Pnn3赋值为1，表示零部件Pn生产的数量为1；
计算本批次中n个生产零部件的标准偏差
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211470237.7A CN116125852A (zh) | 2022-11-23 | 2022-11-23 | 一种基于大数据的汽车零部件生产线智能监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211470237.7A CN116125852A (zh) | 2022-11-23 | 2022-11-23 | 一种基于大数据的汽车零部件生产线智能监测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116125852A true CN116125852A (zh) | 2023-05-16 |
Family
ID=86296278
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211470237.7A Pending CN116125852A (zh) | 2022-11-23 | 2022-11-23 | 一种基于大数据的汽车零部件生产线智能监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116125852A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116912028A (zh) * | 2023-09-13 | 2023-10-20 | 杭州万瑞格智能制造有限公司 | 用于智能燃气表的生产效率智能监测预警系统及预警方法 |
| CN117193199A (zh) * | 2023-09-26 | 2023-12-08 | 吉林省世鑫冲压有限公司 | 一种汽车零部件冲压生产线智能控制系统 |
| CN117236799A (zh) * | 2023-11-14 | 2023-12-15 | 山东焱鑫矿用材料加工有限公司 | 一种中空注浆锚索的生产质量控制系统 |
| CN117288451A (zh) * | 2023-10-07 | 2023-12-26 | 江苏通上汽车零部件有限公司 | 基于大数据的汽车零部件质量监测系统 |
-
2022
- 2022-11-23 CN CN202211470237.7A patent/CN116125852A/zh active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116912028A (zh) * | 2023-09-13 | 2023-10-20 | 杭州万瑞格智能制造有限公司 | 用于智能燃气表的生产效率智能监测预警系统及预警方法 |
| CN116912028B (zh) * | 2023-09-13 | 2023-12-12 | 杭州万瑞格智能制造有限公司 | 用于智能燃气表的生产效率智能监测预警系统及预警方法 |
| CN117193199A (zh) * | 2023-09-26 | 2023-12-08 | 吉林省世鑫冲压有限公司 | 一种汽车零部件冲压生产线智能控制系统 |
| CN117193199B (zh) * | 2023-09-26 | 2024-04-23 | 吉林省世鑫冲压有限公司 | 一种汽车零部件冲压生产线智能控制系统 |
| CN117288451A (zh) * | 2023-10-07 | 2023-12-26 | 江苏通上汽车零部件有限公司 | 基于大数据的汽车零部件质量监测系统 |
| CN117236799A (zh) * | 2023-11-14 | 2023-12-15 | 山东焱鑫矿用材料加工有限公司 | 一种中空注浆锚索的生产质量控制系统 |
| CN117236799B (zh) * | 2023-11-14 | 2024-02-09 | 山东焱鑫矿用材料加工有限公司 | 一种中空注浆锚索的生产质量控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116125852A (zh) | 一种基于大数据的汽车零部件生产线智能监测系统及方法 | |
| TW201945987A (zh) | 製程異常狀態預判方法及預判系統 | |
| CN116611747B (zh) | 一种基于云计算的资源信息智能管理系统 | |
| US20230034061A1 (en) | Method for managing proper operation of base station and system applying the method | |
| CN113989768B (zh) | 一种自动驾驶测试场景分析方法及系统 | |
| CN118275903B (zh) | 一种基于数据分析的电池性能测试方法 | |
| CN114330926A (zh) | 一种具有自优化机制的生产质量控制方法及系统 | |
| CN111666978B (zh) | 一种it系统运维大数据的智能故障预警系统 | |
| US20170236071A1 (en) | Alarm management system | |
| CN117140186A (zh) | 一种基于人工智能的机械加工车间在线监测系统及方法 | |
| CN115301559A (zh) | 用于退役电池回收利用的高效筛选分拣方法及系统 | |
| CN113569462A (zh) | 一种计及天气因素的配电网故障等级预测方法及系统 | |
| CN117311295B (zh) | 基于无线网络设备的生产质量提升方法及系统 | |
| CN113671911A (zh) | 一种生产状况的监控系统 | |
| CN112990591A (zh) | 一种基于卷积神经网络的多维度能耗数据分析方法与企业能耗预测模型 | |
| CN110147935B (zh) | 一种烟草卷包车间质量综合决策模型的建立方法 | |
| CN111626546A (zh) | 一种基于mes系统的异常管理方法和设备 | |
| CN108364095B (zh) | 基于数据挖掘的炼钢生产过程钢水质量诊断方法 | |
| CN115841263A (zh) | 来料移动检验质量管理系统 | |
| CN109241127B (zh) | 一种客户意向自动评估分类方法 | |
| CN114972900A (zh) | 一种电力多源数据筛选方法、装置及终端设备 | |
| CN110096383B (zh) | 一种信号设备维护信息自动分类方法 | |
| CN112579391A (zh) | 一种基于人工智能的分布式数据库自动运维方法及系统 | |
| CN112529598A (zh) | 一种档案数字化加工售后服务管理平台 | |
| CN110717898A (zh) | 一种运用ai和大数据管理的半导体制造缺陷自动管理方法 |
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 |