CN116184926A - 一种面向塑料中空板的全自动智能生产线流程检测系统 - Google Patents

Abstract

本发明属于生产线监管技术领域，具体是一种面向塑料中空板的全自动智能生产线流程检测系统，包括服务器，服务器与生产线拆分监测模块、生产线智能决策模块和生产线表现分析模块均通信连接；本发明通过生产线拆分监测模块实现塑料中空板生产线各工序的全面分析，生产线智能决策模块基于对应目标工序的越位判定值和环态判定值以生成高强度监管信号、中强度监管信号或低强度监管信号，方便对应监管人员及时了解各工序状况，降低监管人员的工作量，实现对生产线各个工序的有效监管，且通过生产线表现分析模块实现对塑料中空板生产线加工表现的合理分析，在保证后续生产量的同时还保证了加工效果和加工稳定性，有助于对应监管人员进行后续管理。

Description

一种面向塑料中空板的全自动智能生产线流程检测系统

技术领域

本发明涉及生产线监管技术领域，具体是一种面向塑料中空板的全自动智能生产线流程检测系统。

背景技术

中空板又叫中空格子板、万通板、瓦楞板或双壁板，相比于纸板结构产品，塑料中空板具有防潮、抗腐蚀等优势，塑料中空板主要应用于电子、包装、机械、轻工、邮政、食品、医药、家电、广告、装潢等行业领域；目前在进行塑料中空板加工时，普遍通过监管人员进行生产线各流程工序的巡查以保障产线生产安全和稳定，监管人员难以及时详细了解各个工序的人员行为和环境状况，加大监管人员工作量的同时还难以实现对生产线各个工序的有效监管，并且无法将塑料中空板若干个生产线的加工表现进行合理分析，以及评估所有生产线的监管状况，不利于监管人员后续进行改善；

针对上述的技术缺陷，现提出一种解决方案。

发明内容

本发明的目的在于提供一种面向塑料中空板的全自动智能生产线流程检测系统，解决了现有技术难以及时详细了解各个工序的人员行为和环境状况，加大监管人员工作量的同时还难以实现对生产线各个工序的有效监管，且无法将塑料中空板若干个生产线的加工表现进行合理分析并评估所有生产线的监管状况，不利于监管人员后续进行改善的问题。

为实现上述目的，本发明提供如下技术方案：

一种面向塑料中空板的全自动智能生产线流程检测系统，包括服务器、生产线拆分监测模块、生产线智能决策模块、生产线表现分析模块和生产线监管评估模块；其中，生产线拆分监测模块，用于将塑料中空板生产线的加工流程所涉及的工序进行分析，通过分析生成对应目标工序o的越位判定值Y1或Y2以及对应目标工序o的环态判定值H1或H2，将生产线对应目标工序o的越位判定值Y1或Y2以及对应目标工序o的环态判定值H1或H2经服务器发送至生产线智能决策模块；

生产线智能决策模块，用于基于对应目标工序o的越位判定值Y1或Y2以及对应目标工序o的环态判定值H1或H2并通过分析生成对应目标工序o的高强度监管信号、中强度监管信号或低强度监管信号，以及通过分析判定是否生成生产线的产线预警信号，将对应目标工序o的高强度监管信号、中强度监管信号或低强度监管信号以及产线预警信号经服务器发送至生产线监管终端；

生产线表现分析模块，用于设定产线监管周期，以及通过分析判定是否生成对应生产线i的加工表现不合格信号，将对应生产线i的加工表现不合格信号经服务器发送至生产线监管终端和生产线监管评估模块；生产线监管评估模块，用于在产线监管周期将所有生产线进行分析，通过分析判定产线监管正常或产线监管异常，将产线监管正常或产线监管异常的判定信息经服务器发送至生产线监管终端。

进一步的，生产线拆分监测模块的具体运行过程包括：

获取到塑料中空板生产线的加工流程和加工流程中所涉及的工序，将对应加工工序标记为目标工序o，o={1,2，…，m}，m表示塑料中空板生产线加工流程中所涉及工序的数目且m为大于1的自然数；通过工序监控分析获取到检测时段对应目标工序o的目标越位值，将目标越位值与对应预设目标越位阈值进行数值比较，若目标越位值超过预设目标越位阈值，则生成对应目标工序o的越位判定值Y1，若目标越位值未超过预设目标越位阈值，则生成对应目标工序o的越位判定值Y2；通过工序环境分析获取到检测时段对应分析目标o的目标环态值，将目标环态值与对应预设目标环态阈值进行数值比较，若目标环态值超过预设目标环态阈值，则生成对应目标工序o的环态判定值H1，若目标环态值未超过预设目标环态阈值，则生成对应目标工序o的环态判定值H2。

进一步的，工序监控分析的具体分析过程如下：

获取到检测时段目标工序o中所出现的违规行为，将违规行为进行分类以获取到若干组违规类别，将违规类别标记为u，u={1,2，…，k}，k为大于1的自然数；获取到检测时段目标工序o中对应违规类别u所出现的频次以及违规人数，将对应违规类别u所出现的频次和违规人数进行数值计算获取到违规判定值，调取对应违规类别u的预设风险系数，将对应违规类别u的违规判定值和预设风险系数相乘并将两者乘积标记为违规赋权值；将目标工序o中所有违规类别的违规赋权值进行求和计算获取到目标越位值。

进一步的，工序环境分析的具体分析过程如下：

将检测时段划分为若干组子检测时段，获取到对应子检测时段对应目标工序o所处环境的粉尘浓度数据、温度数据、湿度数据和噪音强度数据，将温度数据与预设适宜温度范围的中值进行差值计算并取绝对值获取到温度差值，将湿度数据与预设适宜湿度范围的中值进行差值计算并取绝对值获取到湿度差值，将粉尘浓度数据、温度差值、湿度差值和噪音强度数据进行数值计算获取到子时环表值；

若子时环标表值超过预设子时环表阈值，则将对应子时环表值表为不良环表值；获取到检测时段对应目标工序o中不良环表值的数目，将不良环表值减去预设子时环表阈值获取到不良环差值，将所有不良环差值进行求和计算并取平均值获取到不良环均值，将不良环表值的数目与不良环均值进行数值计算获取到检测时段对应目标工序o的目标环态值。

进一步的，在进行目标监控分析时，将对应生产线的操作人员标记为t，t={1,2，…，j}，j表示对应生产线的操作人员数量且j为大于1的自然数；设定人员监测时段，获取到人员监测时段内对应操作人员t的所有违规行为，将对应操作人员j对应违规类别u的出现频次与对应预设风险系数相乘并将两者乘积标记为人员单一违规值，将对应操作人员t的所有人员单一违规值进行求和计算获取到人员越位系数；将人员越位系数与预设人员越位系数阈值进行数值比较，若人员越位系数超过预设人员违规系数阈值，则将对应操作人员标记为重点监管人员。

进一步的，生产线智能决策模块的具体运行过程包括：

获取到检测时段对应目标工序o的越位判定值Y1或Y2以及环态判定值H1或H2，若获取到Y1∩H1，则生成对应目标工序o的高强度监管信号，若获取到Y2∩H2，则生成对应目标工序o的低强度监管信号，其余情况则生成对应目标工序o的中强度监管信号；将对应目标工序o的高强度监管信号、中强度监管信号或低强度监管信号经服务器发送至生产线监管终端；

获取到检测时段塑料中空板生产线中对应高强度监管信号的工序数目、对应中强度监管信号的工序数目和对应低强度监管信号的工序数目并分别标记为高监管工序数目、中监管工序数目和低监管工序数目，将高监管工序数目、中监管工序数目和低监管工序数目进行数值计算获取到生产线决策值；若生产线决策值超过预设生产线决策阈值，则生成对应塑料中空板生产线的产线预警信号，将产线预警信号经服务器发送至生产线监管终端。

进一步的，生产线表现分析模块的具体分析过程如下：

将所需监管的中空塑料板生产线标记为i，i={1,2，…，n}，n表示所需监管的中空塑料板生产线数量且n为大于1的自然数；设定产线监管周期，获取到产线监管周期对应生产线i的产品加工量，以及获取到产线监管周期对应生产线i的报废产品量，将报废产品量与产品加工量进行比值计算获取到报废产品占比值，将产品加工量与报废产品占比值进行数值计算获取到对应生产线i的加工表现值；将加工表现值与预设加工表现阈值进行数值比较，若加工表现值未超过加工表现阈值，则生成加工表现不合格信号。

进一步的，若加工表现值超过预设加工表现阈值，则获取到产线监管周期对应生产线i对应目标工序o中出现故障的频次，将对应故障的维修成本和维修时长进行数值计算获取到故障评级参数，若故障评级参数超过预设故障评级参数范围的最大值，则将对应故障标记为一级故障，若故障评级参数位于预设故障评级参数范围内，则将对应故障标记为二级故障，若故障评级参数未超过预设故障评级参数范围的最小值，则将对应故障标记为三级故障；

将生产线i目标工序o的一级故障数目、二级故障数目和三级故障数目进行数值计算获取到工序故障系数，若工序故障系数超过预设工序故障系数阈值，则将对应目标工序o标记为不良工序，否则将对应目标工序o标记为良性工序，将生产线i的不良工序数量与良性工序数量进行比值计算获取到不良工序占比值，若不良工序占比值超过预设不良工序占比阈值，则生成对应生产线i的加工表现不合格信号。

进一步的，生产线监管评估模块的具体运行过程包括：

获取到产线监管周期对应加工表现不合格信号的中空塑料板生产线的数量并标记为不合格产线数量，将不合格产线数量与数值n进行比值计算获取到不合格产线占比值，将不合格产线数量与不合格产线占比值进行数值计算获取到监管评估值，将监管评估值与预设监管评估阈值进行数值比较，若监管评估值超过预设监管评估阈值，则判定产线监管效果异常，若监管评估值未超过预设监管评估阈值，则判定产线监管效果正常。

与现有技术相比，本发明的有益效果是：

1、本发明中，通过生产线拆分监测模块将塑料中空板生产线的加工流程所涉及的工序进行逐一分析，基于工序监控分析结果生成对应目标工序o的越位判定值Y1或Y2，以及基于工序环境分析结果生成环态判定值H1或H2，实现塑料中空板生产线各工序的全面分析；生产线智能决策模块基于对应目标工序o的越位判定值和环态判定值并通过分析生成对应目标工序o的高强度监管信号、中强度监管信号或低强度监管信号，以及通过分析判定是否生成产线预警信号，方便对应监管人员及时了解各工序状况，并及时作出相应的调控和对应应对措施，降低监管人员的工作量，实现对生产线各个工序的有效监管；

2、本发明中，通过生产线表现分析模块通过分析判定是否生成对应生产线i的加工表现不合格信号，实现对塑料中空板生产线加工表现的合理分析，对应监管人员接收到加工表现不合格信号时应当及时进行对应生产线生产设备的维护，以及提高维护检修频率和加强对应生产线操作人员的操作培训，在保证后续生产量的同时还保证了加工效果和加工稳定性；生产线监管评估模块在产线监管周期将所有生产线进行分析以判定产线监管正常或产线监管异常，有助于对应监管人员进行后续管理。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明；

图1为本发明的整体系统框图；

图2为本发明中服务器与生产线监管终端的通信框图。

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。

实施例一：

如图1-2所示，本发明提出的一种面向塑料中空板的全自动智能生产线流程检测系统，包括服务器、生产线拆分监测模块和生产线智能决策模块，服务器与生产线拆分监测模块以及生产线智能决策模块均通信连接；其中，生产线拆分监测模块将塑料中空板生产线的加工流程所涉及的工序进行分析，通过分析生成对应目标工序o的越位判定值Y1或Y2以及对应目标工序o的环态判定值H1或H2，将生产线对应目标工序o的越位判定值Y1或Y2以及对应目标工序o的环态判定值H1或H2经服务器发送至生产线智能决策模块；生产线拆分监测模块的具体运行过程如下：

获取到塑料中空板生产线的加工流程和加工流程中所涉及的工序，将对应加工工序标记为目标工序o，o={1,2，…，m}，m表示塑料中空板生产线加工流程中所涉及工序的数目且m为大于1的自然数；

通过工序监控分析获取到检测时段对应目标工序o的目标越位值，具体为：获取到检测时段目标工序o中所出现的违规行为，将违规行为进行分类以获取到若干组违规类别，将违规类别标记为u，u={1,2，…，k}，k为大于1的自然数；获取到检测时段目标工序o中对应违规类别u所出现的频次以及违规人数并分别标记为LPou和LRou，通过公式WPou=a1*LPou+a2*LRou将对应违规类别u所出现的频次LPou和违规人数LRou进行数值计算获取到违规判定值WPou；其中，a1、a2为预设权重系数，0＜a1＜a2；违规判定值WPou的数值与对应违规类别u所出现的频次LPou和违规人数LRou均呈正比关系；

调取对应违规类别u的预设风险系数，需要说明的是，预设风险系数的数值均为正数，预设风险系数由对应监管人员预先设置并存储至服务器中，预设风险系数的数值大小与对应违规类别u的所带来的安全隐患呈正相关，对应违规类别u所带来的安全隐患越大，则对应违规类别u的预设风险系数的数值越大；将对应违规类别u的违规判定值和预设风险系数相乘并将两者乘积标记为违规赋权值FQou；将目标工序o中所有违规类别的违规赋权值进行求和计算获取到目标越位值MYo；

需要说明的是，对应目标工序o的目标越位值MYo的数值越大，表明检测时段对应目标工序o存在的安全隐患越大，人员行为越不规范，越需要加强人员监管；调取预先录入存储的预设目标越位阈值，将对应目标工序o的目标越位值MYo与对应预设目标越位阈值进行数值比较，若对应目标工序o的目标越位值MYo超过预设目标越位阈值，表明检测时段对应目标工序o的人员表现较差，则生成对应目标工序o的越位判定值Y1，若对应目标工序o的目标越位值MYo未超过预设目标越位阈值，表明检测时段对应目标工序o的人员表现较好，则生成对应目标工序o的越位判定值Y2；

通过工序环境分析获取到检测时段对应分析目标o的目标环态值，具体为：将检测时段划分为若干组子检测时段，获取到对应子检测时段对应目标工序o所处环境的粉尘浓度数据、温度数据、湿度数据和噪音强度数据，将粉尘浓度数据和噪音强度数据分别标记为FDo和ZDo；将温度数据与预设适宜温度范围的中值进行差值计算并取绝对值获取到温度差值WCo，将湿度数据与预设适宜湿度范围的中值进行差值计算并取绝对值获取到湿度差值SCo，其中，预设适宜温度范围和预设适宜湿度范围由对应监管人员预先录入并存储至服务器中，预设适宜温度范围和预设适宜湿度范围为塑料中空板生产线的适宜加工环境范围参数；

通过子时分析公式ZBo=fu1*FDo+fu2*WCo+fu3*SCo+fu4*ZDo将粉尘浓度数据FDo、温度差值WCo、湿度差值SCo和噪音强度数据ZDo进行数值计算，通过数值计算后获取到目标工序o对应子检测时段的子时环表值ZBo；其中，fu1、fu2、fu3、fu4为预设权重系数，fu1、fu2、fu3、fu4的取值均大于零且fu1＜fu4＜fu3＜fu2；并且，子时环表值ZBo的数值大小与粉尘浓度数据FDo、温度差值WCo、湿度差值SCo和噪音强度数据ZDo均呈正比关系，子时环表值ZBo的数值越大，表明子检测时段目标工序o的环境表现越差；

将子时环表值与预先录入存储的预设子时环表阈值进行数值比较，若子时环标表值ZBo超过预设子时环表阈值，则将对应子时环表值表为不良环表值；获取到检测时段对应目标工序o中不良环表值的数目并标记为BSo，将不良环表值减去预设子时环表阈值获取到不良环差值，将所有不良环差值进行求和计算并取平均值获取到不良环均值BJo，通过公式MTo=b1*BSo+b2*BJo将不良环表值的数目BSo与不良环均值BJo进行数值计算获取到检测时段对应目标工序o的目标环态值MTo；

其中，b1、b2为预设权重系数且b1＞b2＞1；目标环态值MTo的数值大小与不良环表值的数目BSo与不良环均值BJo均呈正比关系，目标环态值MTo的数值越大，表明目标工序o在检测时段的环境表现越差；将目标环态值与预先录入存储的对应预设目标环态阈值进行数值比较，若目标环态值MTo超过预设目标环态阈值，则生成对应目标工序o的环态判定值H1，若目标环态值MTo未超过预设目标环态阈值，则生成对应目标工序o的环态判定值H2。

并且，在进行目标监控分析时，将对应生产线的操作人员标记为t，t={1,2，…，j}，j表示对应生产线的操作人员数量且j为大于1的自然数；设定人员监测时段，获取到人员监测时段内对应操作人员t的所有违规行为，将对应操作人员j对应违规类别u的出现频次与对应预设风险系数相乘并将两者乘积标记为人员单一违规值，将对应操作人员t的所有人员单一违规值进行求和计算获取到人员越位系数RYt；人员越位系数RYt的数值越大，表明对应操作人员的行为表现越差；

调取预先录入存储的预设人员越位系数阈值，将对应操作人员t的人员越位系数RYt与预设人员越位系数阈值进行数值比较，若人员越位系数RYt超过预设人员违规系数阈值，则将对应操作人员t标记为重点监管人员，将重点监管人员经服务器发送至生产线监管终端，对应监管人员后续加强对应重点监管人员的监督和教育培训，有助于进行中空塑料板生产线的人员监管，从而进一步保证对应中空塑料板生产线的安全稳定运行。

生产线智能决策模块的具体运行过程如下：

获取到检测时段对应目标工序o的越位判定值Y1或Y2以及环态判定值H1或H2，若获取到Y1∩H1，表明对应目标工序o的人员行为表现和环境表现均较差，则生成对应目标工序o的高强度监管信号，若获取到Y2∩H2，表明对应目标工序o的人员行为表现和环境表现均较好，则生成对应目标工序o的低强度监管信号，其余情况则生成对应目标工序o的中强度监管信号；将对应目标工序o的高强度监管信号、中强度监管信号或低强度监管信号经服务器发送至生产线监管终端；

获取到检测时段塑料中空板生产线中对应高强度监管信号的工序数目、对应中强度监管信号的工序数目和对应低强度监管信号的工序数目并分别标记为高监管工序数目GJ、中监管工序数目ZJ和低监管工序数目DJ，通过决策分析公式CJ=（ep1*GJ+ep2*ZJ+ep3*DJ）/（ep1+ep2+ep3）将高监管工序数目、中监管工序数目和低监管工序数目进行数值计算，通过数值计算后获取到对应生产线的获取到生产线决策值CJ；

其中，ep1、ep2、ep3为预设比例系数，ep1、ep2、ep3的取值均大于零且ep1＞ep2＞ep3；并且，生产线决策值CJ的数值越大，表明对应生产线在检测时段的整体人员和环境表现越差；将生产线决策值CJ与预先录入存储的预设生产线决策阈值进行数值比较，若生产线决策值CJ超过预设生产线决策阈值，则生成对应塑料中空板生产线的产线预警信号，将产线预警信号经服务器发送至生产线监管终端，否则不生成产线预警信号。

生产线智能决策模块基于对应目标工序o的越位判定值Y1或Y2以及对应目标工序o的环态判定值H1或H2并通过分析生成对应目标工序o的高强度监管信号、中强度监管信号或低强度监管信号，以及通过分析判定是否生成生产线的产线预警信号，将对应目标工序o的高强度监管信号、中强度监管信号或低强度监管信号以及产线预警信号经服务器发送至生产线监管终端，方便对应监管人员及时了解各工序的加工状况，并加强对高强度监管信号以及中强度监管信号所对应工序的监管以及进行相应的环境调控，并在接收到产线预警信号后及时进行整条生产线的高强度监管，保证生产线的安全稳定。

实施例二：

如图1-2所示，本实施例与实施例1的区别在于，服务器与生产线表现分析模块通信连接，生产线表现分析模块用于设定产线监管周期，优选的，产线监管周期为24小时；以及通过分析判定是否生成对应生产线i的加工表现不合格信号，将对应生产线i的加工表现不合格信号经服务器发送至生产线监管终端和生产线监管评估模块，对应监管人员接收到加工表现不合格信号时应当及时进行对应生产线生产设备的维护，以及提高维护检修频率和加强对应生产线操作人员的操作培训，在保证后续生产量的同时还保证了加工效果和加工稳定性；生产线表现分析模块的具体分析过程如下：

将所需监管的中空塑料板生产线标记为i，i={1,2，…，n}，n表示所需监管的中空塑料板生产线数量且n为大于1的自然数；设定产线监管周期，获取到产线监管周期对应生产线i的产品加工量CLi，以及获取到产线监管周期对应生产线i的报废产品量BLi，通过比值公式BZi=BLi/CLi将报废产品量BLi与产品加工量CLi进行比值计算获取到报废产品占比值BZi；

通过公式BXi=hp1*CLi+hp2/（BZi+hp1）将产品加工量CLi与报废产品占比值BZi进行数值计算，通过数值计算后获取到对应生产线i的加工表现值BXi；其中，hp1、hp2为预设比例系数，0＜hp1＜hp2；并且，加工表现值BXi的数值越小，表明对应生产线i的加工表现越好；调取预先录入存储的预设加工表现阈值，将加工表现值BXi与预设加工表现阈值进行数值比较，若加工表现值BXi未超过加工表现阈值，则生成对应生产线i的加工表现不合格信号；

若加工表现值BXi超过预设加工表现阈值，则获取到产线监管周期对应生产线i对应目标工序o中出现故障的频次，获取到对应故障的维修成本和维修时长并分别标记为WBio和WSio，通过公式PJio=fp1*WBio+fp2*WSio将对应故障的维修成本WBio和维修时长WSio进行数值计算，通过数值计算后获取到对应故障的故障评级参数PJio；其中，fp1、fp2为预设权重系数且fp1＞fp2＞0；故障评级参数PJio的数值大小与对应故障的维修成本WBio和维修时长WSio均呈正比关系；

将对应故障的故障评级参数PJio与预先录入存储的预设故障评级参数范围进行数值比较，若对应故障的故障评级参数PJio超过预设故障评级参数范围的最大值，则将对应故障标记为一级故障，若对应故障的故障评级参数PJio位于预设故障评级参数范围内，则将对应故障标记为二级故障，若对应故障的故障评级参数PJio未超过预设故障评级参数范围的最小值，则将对应故障标记为三级故障；

获取到生产线i目标工序o的一级故障数目、二级故障数目和三级故障数目并分别标记为YGio、EGio和SGio，将生产线i目标工序o的一级故障数目YGio、二级故障数目EGio和三级故障数目SGio进行数值计算获取到工序故障系数GXio，将生产线i的工序故障系数GXio与预先录入存储的预设工序故障系数阈值进行数值比较，若工序故障系数GXio超过预设工序故障系数阈值，则将对应目标工序o标记为不良工序，否则将对应目标工序o标记为良性工序；

获取到产线监管周期生产线i的不良工序数量和良性工序数量，将不良工序数量和良性工序数量分别标记为BGi和LGi，将生产线i的不良工序数量BGi与良性工序数量LGi进行比值计算，通过比值计算后获取到产线监管周期对应生产线i的不良工序占比值ZBi，将不良工序占比值ZBi与预先录入存储的预设不良工序占比阈值进行数值比较，若不良工序占比值ZBi超过预设不良工序占比阈值，则生成对应生产线i的加工表现不合格信号，实现加工表现的再分析。

实施例三：

如图1-2所示，本实施例与实施例1、实施例2的区别在于，服务器与生产线监管评估模块通信连接，生产线监管评估模块用于在产线监管周期将所有生产线进行分析，生产线监管评估模块的具体分析过程如下：

获取到产线监管周期对应加工表现不合格信号的中空塑料板生产线的数量并标记为不合格产线数量CX，将不合格产线数量CX与数值n进行比值计算获取到不合格产线占比值XZ，通过公式JG=c1*CX+c2*XZ将不合格产线数量CX与不合格产线占比值XZ进行数值计算获取到监管评估值JG；其中，c1、c2为预设权重系数，0＜c1＜c2，监管评估值JG的数值大小与不合格产线数量CX与不合格产线占比值XZ均呈正比关系；

需要说明的是，监管评估值JG的数值越大，表明监测的所有生产线的整体表现状况越差；调取预先录入存储的预设监管评估阈值，将监管评估值JG与预设监管评估阈值进行数值比较，若监管评估值JG超过预设监管评估阈值，表明监测的所有生产线的整体表现状况较差，则判定产线监管效果异常，若监管评估值JG未超过预设监管评估阈值，则判定产线监管效果正常。

通过生产线监管评估模块在产线监管周期将所有生产线进行分析，通过分析判定产线监管正常或产线监管异常，将产线监管正常或产线监管异常的判定信息经服务器发送至生产线监管终端，对应生产线监管终端的监管人员接收到产线监管异常的判定信息时，应当及时进行原因排查，比如进行相关设备的升级改造、进行相关产品原材料的检查以及加强对所有操作人员的操作培训等，有助于对应监管人员进行后续管理，以及起到及时提醒预警的作用。

本发明的工作原理：使用时，通过生产线拆分监测模块将塑料中空板生产线的加工流程所涉及的工序进行逐一分析，以及基于工序监控分析生成对应目标工序o的越位判定值Y1或Y2，并基于工序环境分析结果生成环态判定值H1或H2，实现塑料中空板生产线各工序的全面分析；生产线智能决策模块基于对应目标工序o的越位判定值Y1或Y2以及环态判定值H1或H2并通过分析生成对应目标工序o的高强度监管信号、中强度监管信号或低强度监管信号，以及通过分析判定是否生成产线预警信号，方便对应监管人员及时了解各工序状况，并加强对高强度监管信号以及中强度监管信号所对应工序的监管以及进行相应的环境调控，并在接收到产线预警信号后及时进行整条生产线的高强度监管，保证生产线的安全稳定。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (9)

1.一种面向塑料中空板的全自动智能生产线流程检测系统，其特征在于，包括服务器、生产线拆分监测模块、生产线智能决策模块、生产线表现分析模块和生产线监管评估模块；其中，生产线拆分监测模块，用于将塑料中空板生产线的加工流程所涉及的工序进行分析，通过分析生成对应目标工序o的越位判定值Y1或Y2以及对应目标工序o的环态判定值H1或H2，将生产线对应目标工序o的越位判定值Y1或Y2以及对应目标工序o的环态判定值H1或H2经服务器发送至生产线智能决策模块；

生产线智能决策模块，用于基于对应目标工序o的越位判定值Y1或Y2以及对应目标工序o的环态判定值H1或H2并通过分析生成对应目标工序o的高强度监管信号、中强度监管信号或低强度监管信号，以及通过分析判定是否生成生产线的产线预警信号，将对应目标工序o的高强度监管信号、中强度监管信号或低强度监管信号以及产线预警信号经服务器发送至生产线监管终端；

生产线表现分析模块，用于设定产线监管周期，以及通过分析判定是否生成对应生产线i的加工表现不合格信号，将对应生产线i的加工表现不合格信号经服务器发送至生产线监管终端和生产线监管评估模块；生产线监管评估模块，用于在产线监管周期将所有生产线进行分析，通过分析判定产线监管正常或产线监管异常，将产线监管正常或产线监管异常的判定信息经服务器发送至生产线监管终端。

2.根据权利要求1所述的一种面向塑料中空板的全自动智能生产线流程检测系统，其特征在于，生产线拆分监测模块的具体运行过程包括：

获取到塑料中空板生产线的加工流程和加工流程中所涉及的工序，将对应加工工序标记为目标工序o，o={1,2，…，m}，m表示塑料中空板生产线加工流程中所涉及工序的数目且m为大于1的自然数；通过工序监控分析获取到检测时段对应目标工序o的目标越位值，将目标越位值与对应预设目标越位阈值进行数值比较，若目标越位值超过预设目标越位阈值，则生成对应目标工序o的越位判定值Y1，若目标越位值未超过预设目标越位阈值，则生成对应目标工序o的越位判定值Y2；通过工序环境分析获取到检测时段对应分析目标o的目标环态值，将目标环态值与对应预设目标环态阈值进行数值比较，若目标环态值超过预设目标环态阈值，则生成对应目标工序o的环态判定值H1，若目标环态值未超过预设目标环态阈值，则生成对应目标工序o的环态判定值H2。

3.根据权利要求2所述的一种面向塑料中空板的全自动智能生产线流程检测系统，其特征在于，工序监控分析的具体分析过程如下：

获取到检测时段目标工序o中所出现的违规行为，将违规行为进行分类以获取到若干组违规类别，将违规类别标记为u，u={1,2，…，k}，k为大于1的自然数；获取到检测时段目标工序o中对应违规类别u所出现的频次以及违规人数，将对应违规类别u所出现的频次和违规人数进行数值计算获取到违规判定值，调取对应违规类别u的预设风险系数，将对应违规类别u的违规判定值和预设风险系数相乘并将两者乘积标记为违规赋权值；将目标工序o中所有违规类别的违规赋权值进行求和计算获取到目标越位值。

4.根据权利要求2所述的一种面向塑料中空板的全自动智能生产线流程检测系统，其特征在于，工序环境分析的具体分析过程如下：

将检测时段划分为若干组子检测时段，获取到对应子检测时段对应目标工序o所处环境的粉尘浓度数据、温度数据、湿度数据和噪音强度数据，将温度数据与预设适宜温度范围的中值进行差值计算并取绝对值获取到温度差值，将湿度数据与预设适宜湿度范围的中值进行差值计算并取绝对值获取到湿度差值，将粉尘浓度数据、温度差值、湿度差值和噪音强度数据进行数值计算获取到子时环表值；

若子时环标表值超过预设子时环表阈值，则将对应子时环表值表为不良环表值；获取到检测时段对应目标工序o中不良环表值的数目，将不良环表值减去预设子时环表阈值获取到不良环差值，将所有不良环差值进行求和计算并取平均值获取到不良环均值，将不良环表值的数目与不良环均值进行数值计算获取到检测时段对应目标工序o的目标环态值。

5.根据权利要求3所述的一种面向塑料中空板的全自动智能生产线流程检测系统，其特征在于，在进行目标监控分析时，将对应生产线的操作人员标记为t，t={1,2，…，j}，j表示对应生产线的操作人员数量且j为大于1的自然数；设定人员监测时段，获取到人员监测时段内对应操作人员t的所有违规行为，将对应操作人员j对应违规类别u的出现频次与对应预设风险系数相乘并将两者乘积标记为人员单一违规值，将对应操作人员t的所有人员单一违规值进行求和计算获取到人员越位系数；将人员越位系数与预设人员越位系数阈值进行数值比较，若人员越位系数超过预设人员违规系数阈值，则将对应操作人员标记为重点监管人员。

6.根据权利要求1所述的一种面向塑料中空板的全自动智能生产线流程检测系统，其特征在于，生产线智能决策模块的具体运行过程包括：

获取到检测时段对应目标工序o的越位判定值Y1或Y2以及环态判定值H1或H2，若获取到Y1∩H1，则生成对应目标工序o的高强度监管信号，若获取到Y2∩H2，则生成对应目标工序o的低强度监管信号，其余情况则生成对应目标工序o的中强度监管信号；将对应目标工序o的高强度监管信号、中强度监管信号或低强度监管信号经服务器发送至生产线监管终端；

获取到检测时段塑料中空板生产线中对应高强度监管信号的工序数目、对应中强度监管信号的工序数目和对应低强度监管信号的工序数目并分别标记为高监管工序数目、中监管工序数目和低监管工序数目，将高监管工序数目、中监管工序数目和低监管工序数目进行数值计算获取到生产线决策值；若生产线决策值超过预设生产线决策阈值，则生成对应塑料中空板生产线的产线预警信号，将产线预警信号经服务器发送至生产线监管终端。

7.根据权利要求6所述的一种面向塑料中空板的全自动智能生产线流程检测系统，其特征在于，生产线表现分析模块的具体分析过程如下：

将所需监管的中空塑料板生产线标记为i，i={1,2，…，n}，n表示所需监管的中空塑料板生产线数量且n为大于1的自然数；设定产线监管周期，获取到产线监管周期对应生产线i的产品加工量，以及获取到产线监管周期对应生产线i的报废产品量，将报废产品量与产品加工量进行比值计算获取到报废产品占比值，将产品加工量与报废产品占比值进行数值计算获取到对应生产线i的加工表现值；将加工表现值与预设加工表现阈值进行数值比较，若加工表现值未超过加工表现阈值，则生成加工表现不合格信号。

8.根据权利要求7所述的一种面向塑料中空板的全自动智能生产线流程检测系统，其特征在于，若加工表现值超过预设加工表现阈值，则获取到产线监管周期对应生产线i对应目标工序o中出现故障的频次，将对应故障的维修成本和维修时长进行数值计算获取到故障评级参数，若故障评级参数超过预设故障评级参数范围的最大值，则将对应故障标记为一级故障，若故障评级参数位于预设故障评级参数范围内，则将对应故障标记为二级故障，若故障评级参数未超过预设故障评级参数范围的最小值，则将对应故障标记为三级故障；

将生产线i目标工序o的一级故障数目、二级故障数目和三级故障数目进行数值计算获取到工序故障系数，若工序故障系数超过预设工序故障系数阈值，则将对应目标工序o标记为不良工序，否则将对应目标工序o标记为良性工序，将生产线i的不良工序数量与良性工序数量进行比值计算获取到不良工序占比值，若不良工序占比值超过预设不良工序占比阈值，则生成对应生产线i的加工表现不合格信号。

9.根据权利要求1所述的一种面向塑料中空板的全自动智能生产线流程检测系统，其特征在于，生产线监管评估模块的具体运行过程包括：

获取到产线监管周期对应加工表现不合格信号的中空塑料板生产线的数量并标记为不合格产线数量，将不合格产线数量与数值n进行比值计算获取到不合格产线占比值，将不合格产线数量与不合格产线占比值进行数值计算获取到监管评估值，将监管评估值与预设监管评估阈值进行数值比较，若监管评估值超过预设监管评估阈值，则判定产线监管效果异常，若监管评估值未超过预设监管评估阈值，则判定产线监管效果正常。

Images