CN116307289A - 一种纺织品加工工序参数检测预测方法、系统及存储介质 - Google Patents

一种纺织品加工工序参数检测预测方法、系统及存储介质 Download PDF

Info

Publication number
CN116307289A
CN116307289A CN202310568676.XA CN202310568676A CN116307289A CN 116307289 A CN116307289 A CN 116307289A CN 202310568676 A CN202310568676 A CN 202310568676A CN 116307289 A CN116307289 A CN 116307289A
Authority
CN
China
Prior art keywords
processing
textile
procedure
quality
processing equipment
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.)
Granted
Application number
CN202310568676.XA
Other languages
English (en)
Other versions
CN116307289B (zh
Inventor
赵云
赵伟
宗诚
薛哲彬
史小斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Yichenglong Textile Technology Co ltd
Original Assignee
Suzhou Yichenglong Textile Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Yichenglong Textile Technology Co ltd filed Critical Suzhou Yichenglong Textile Technology Co ltd
Priority to CN202310568676.XA priority Critical patent/CN116307289B/zh
Publication of CN116307289A publication Critical patent/CN116307289A/zh
Application granted granted Critical
Publication of CN116307289B publication Critical patent/CN116307289B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/04—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
    • G06Q10/06—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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q50/06—Energy or water supply
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Factory Administration (AREA)

Abstract

本发明公开了一种纺织品加工工序参数检测预测方法、系统及存储介质，涉及纺织技术领域，包括：获取纺织品加工的所有加工工序，根据每一道工序确定每一道加工工序所需的加工设备；建立加工设备的运行参数预测模型；监测当前批次纺织品的加工参数，获得实时加工参数曲线；结合实时加工参数曲线进行更新加工设备的历史运行参数曲线；判断当前批次的纺织品的是否满足合格需求；根据加工设备的历史运行参数曲线，进行预测加工设备是否可以满足下一批次的纺织品的加工需求。本发明的优点在于：可实现纺织品加工的智能化决策，保证纺织品最终加工的合格率，可有效的降低纺织品的不良率，同时可有效的防止纺织资源的浪费。

Description

一种纺织品加工工序参数检测预测方法、系统及存储介质
技术领域
本发明涉及纺织技术领域，具体是涉及一种纺织品加工工序参数检测预测方法、系统及存储介质。
背景技术
纺织原意是取自纺纱与织布的总称，但是随着纺织知识体系和学科体系的不断发展和完善，特别是非织造纺织材料和三维复合编织等技术产生后，已经不仅是传统的手工纺纱和织布，也包括无纺布技术，现代三维编织技术，现代静电纳米成网技术等生产的服装用、产业用、装饰用纺织品。
近年来，随着计算机技术的不断发展，纺织企业大规模数字化、信息化生产十分必要，然而，现阶段的纺织品加工数字化发展进程中针对于纺织品加工工序的检测通常是针对于工序完成后的产品进行质量检测，不能提前针对于加工工序的参数进行智能化的加工决策，导致发现加工工序不合格时，往往已经造成了大量的加工不良品产生，造成大量的纺织资源的浪费。
发明内容
为解决上述技术问题，提供一种纺织品加工工序参数检测预测方法、系统及存储介质，本技术方案解决了上述的现阶段的纺织品加工数字化发展进程中针对于纺织品加工工序的检测通常是针对于工序完成后的产品进行质量检测，不能提前针对于加工工序的参数进行智能化的加工决策，导致发现加工工序不合格时，往往已经造成了大量的加工不良品产生，造成大量的纺织资源的浪费的问题。
为达到以上目的，本发明采用的技术方案为：
一种纺织品加工工序参数检测预测方法，包括：
获取纺织品加工的所有加工工序，根据每一道工序确定每一道加工工序所需的加工设备；
获得当前纺织车间的加工设备的历史运行状态，基于加工设备的历史运行状态建立加工设备的运行参数预测模型，所述加工设备的运行参数运行预测模型以加工设备的历史运行参数曲线为输入，以加工设备的未来运行参数预测数据为输出；
监测当前批次纺织品的加工参数，获得实时加工参数曲线；
结合实时加工参数曲线进行更新加工设备的历史运行参数曲线；
根据实时加工参数曲线进行判断当前批次的纺织品的是否满足合格需求；
根据加工设备的历史运行参数曲线，进行预测加工设备是否可以满足下一批次的纺织品的加工需求，若是，则对加工设备进行维护，若否，则不对加工设备进行维护；
其中，所述根据实时加工参数曲线进行判断当前批次的纺织品的是否满足合格需求具体包括：
通过实时加工参数曲线进行计算当前纺织品加工工序的完成质量，获得工序完成质量指标，并判断工序完成质量指标是否小于当前工序的完成质量预设值，若是，则判定为纺织品不合格，输出工序合格信号，若否，则判定为纺织品当前工序合格，输出工序不合格信号；
结合已完成工序的加工质量进行预测纺织品后续加工工序后的加工数据，基于后续加工工序后的加工数据进行调整后续加工工序。
优选的，所述根据加工设备的历史运行参数曲线，进行预测加工设备是否可以满足下一批次的纺织品的加工需求具体包括：
将加工设备的历史运行参数曲线输入加工设备的运行参数预测模型，预测加工设备进行下一批纺织品加工时的加工参数，获得运行参数预测曲线；
通过运行参数预测曲线进行计算下一批次纺织品加工工序的完成质量，获得工序完成质量预测数据，判断工序完成质量预测数据是否小于当前工序的完成质量最低需求值，若是，则输出加工设备维护信号，若否，则不做输出。
优选的，所述基于加工设备的历史运行状态建立加工设备的运行参数预测模型具体包括如下步骤：
对加工设备历史运行状态进行分析，获取加工设备的工作过程中的加工参数的运行曲线图，得到若干运行曲线样本图；
以若干运行曲线样本图作为训练样本，进行拟合分析加工设备的工作过程中的加工参数的标准运行曲线图。
优选的，所述加工工序的完成质量的计算方法具体包括：
确定当前纺织品所需求每一台加工设备的最佳加工参数；
按照加工设备中每一个加工参数对于加工设备对应的加工工序的影响程度对加工设备中每一个加工参数附加权重值；
按照完成质量指标计算公式进行计算当前加工工序的完成质量；
其中，所述完成质量指标计算公式为：
Figure SMS_2
式中，/>
Figure SMS_3
为加工工序的完成质量，/>
Figure SMS_4
为加工设备中第i个加工参数的权重值，/>
Figure SMS_5
为加工设备中第i个加工参数在加工过程中的曲线表达式，/>
Figure SMS_6
为当前批次的加工工序的起始时刻，
Figure SMS_7
为当前批次的加工工序的终止时刻，/>
Figure SMS_8
为加工设备中第i个加工参数的最佳加工参数值，/>
Figure SMS_1
为加工设备中所有加工参数总数。
优选的，所述结合已完成工序的加工质量进行预测纺织品后续加工工序后的加工数据具体包括：
根据后续加工工序的运行参数预测模型，预测当前批次的纺织品进入后续加工工序时的加工设备的运行参数，获得后续加工工序的运行参数预测数据；
基于后续加工工序的运行参数预测数据代入完成质量指标计算公式中，进行计算后续加工工序的完成质量预测值；
针对每一道加工工序对纺织品质量的影响重要程度，对每一道加工工序附加重要权重值；
将已完成工序的完成质量和后续加工工序的完成质量预测值代入纺织品质量分数计算公式，进行计算纺织品质量分数预测值；
判断纺织品质量分数预测值是否大于纺织品质量分数预设值，若是，则判断可以完成纺织品合格品的加工，继续进行后续加工工序，若否，则判断为不能完成纺织品合格品的加工，输出调整后续加工工序信号；
其中，所述纺织品质量分数计算公式为：
Figure SMS_9
式中，/>
Figure SMS_10
为纺织品质量分数预测值，/>
Figure SMS_11
为纺织品加工的所有加工工序总数，/>
Figure SMS_12
为第j个加工工序的重要权重值，/>
Figure SMS_13
为第j个加工工序的完成质量或完成质量预测值，若第j个加工工序为已完成的加工工序，
Figure SMS_14
为第j个加工工序的完成质量，若第j个加工工序为后续的加工工序，/>
Figure SMS_15
为第j个加工工序的完成质量预测值。
优选的，所述预测加工设备进行下一批纺织品加工时的加工参数具体包括：
获取下一批次的纺织品的数量；
基于下一批次的纺织品的数量进行计算下一批次的纺织品完成加工工序的加工时长，记为加工需求时长；
将历史运行参数曲线与加工设备的工作过程中的加工参数的标准运行曲线图进行拟合，判断加工设备当前的加工状态阶段，并基于标准运行曲线图判断加工设备的在接下来的加工需求时长内继续工作的运行参数预测曲线。
进一步的，提出一种纺织品加工工序参数检测预测系统，用于实现如上述的纺织品加工工序参数检测预测方法，其特征在于，包括：
处理器，所述处理器用于进行建立加工设备的运行参数预测模型、计算当前纺织品加工工序的完成质量、根据实时加工参数曲线进行判断当前批次的纺织品的是否满足合格需求、结合已完成工序的加工质量进行预测纺织品后续加工工序后的加工数据，基于后续加工工序后的加工数据进行调整后续加工工序、更新加工设备的历史运行参数曲线和预测加工设备是否可以满足下一批次的纺织品的加工需求；
加工参数监测模块，所述加工参数监测模块用于监测当前批次纺织品的加工参数，获得实时加工参数曲线；
输出模块，所述输出模块用于输出工序合格信号和/或工序不合格信号和/或加工设备维护信号和/或调整后续加工工序信号。
可选的，所述处理器内部集成有：
参数模型单元，所述参数模型单元用于基于加工设备的历史运行状态建立加工设备的运行参数预测模型；
历史参数更新单元，所述历史参数更新单元用于结合实时加工参数曲线进行更新加工设备的历史运行参数曲线；
第一计算单元，所述第一计算单元用于进行计算纺织品加工工序的完成质量；
第二计算单元，所述第二计算单元用于计算纺织品质量分数预测值；
第一判断单元，所述第一判断单元用于判断工序完成质量预测数据是否小于当前工序的完成质量最低需求值；
第二判断单元，所述第二判断单元用于判断纺织品质量分数预测值是否大于纺织品质量分数预设值；
参数预测单元，所述参数预测单元用于进行预测加工设备的在下一批次的加工需求时长内继续工作的运行参数预测曲线；
第三判断单元，所述第三判断单元用于判断工序完成质量预测数据是否小于当前工序的完成质量最低需求值。
再进一步的，提出一种计算机可读存储介质，其上存储有计算机可读程序，所述计算机可读程序背调用时执行如上述的纺织品加工工序参数检测预测方法。
与现有技术相比，本发明的有益效果在于：
本发明提出一种纺织品加工工序参数检测预测方案，对每一台加工设备的每一次维护后的历史加工数据进行分析加工参数的变化曲线，并基于已完成工序的完成质量进行后续加工工序的调整，实现纺织品加工的智能化决策，保证纺织品最终加工的合格率，可有效的降低纺织品的不良率，进而可有效的提高纺织品生产良率；
本发明基于对加工设备的历史运行参数曲线进行预测加工设备是否可以满足下一批次的纺织品的加工需求，根据预测结果进行判断是否需要进行设备维护，可有效的防止纺织品加工原料输入不合格的加工工序，可有效的避免大量的加工不良品产生，进而有效的防止纺织资源的浪费。
附图说明
图1为本发明中的纺织品加工工序参数检测预测系统结构框图；
图2为本发明中的纺织品加工工序参数检测预测方法流程图；
图3为本发明中的预测加工设备是否可以满足下一批次的纺织品的加工需求的方法流程图；
图4为本发明中的加工设备的运行参数预测模型的建立方法流程图；
图5为本发明中的加工工序的完成质量的计算方法流程图；
图6为本发明中的预测纺织品后续加工工序后的加工数据的方法流程图；
图7为本发明中的预测加工设备进行下一批纺织品加工时的加工参数的方法流程图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。
参照图1，一种纺织品加工工序参数检测预测系统，包括：
处理器，处理器用于进行建立加工设备的运行参数预测模型、计算当前纺织品加工工序的完成质量、根据实时加工参数曲线进行判断当前批次的纺织品的是否满足合格需求、结合已完成工序的加工质量进行预测纺织品后续加工工序后的加工数据，基于后续加工工序后的加工数据进行调整后续加工工序、更新加工设备的历史运行参数曲线和预测加工设备是否可以满足下一批次的纺织品的加工需求；
加工参数监测模块，加工参数监测模块用于监测当前批次纺织品的加工参数，获得实时加工参数曲线；
输出模块，输出模块用于输出工序合格信号和/或工序不合格信号和/或加工设备维护信号和/或调整后续加工工序信号。
其中，处理器内部集成有：
参数模型单元，参数模型单元用于基于加工设备的历史运行状态建立加工设备的运行参数预测模型；
历史参数更新单元，历史参数更新单元用于结合实时加工参数曲线进行更新加工设备的历史运行参数曲线；
第一计算单元，第一计算单元用于进行计算纺织品加工工序的完成质量；
第二计算单元，第二计算单元用于计算纺织品质量分数预测值；
第一判断单元，第一判断单元用于判断工序完成质量预测数据是否小于当前工序的完成质量最低需求值；
第二判断单元，第二判断单元用于判断纺织品质量分数预测值是否大于纺织品质量分数预设值；
参数预测单元，参数预测单元用于进行预测加工设备的在下一批次的加工需求时长内继续工作的运行参数预测曲线；
第三判断单元，第三判断单元用于判断工序完成质量预测数据是否小于当前工序的完成质量最低需求值。
上述纺织品加工工序参数检测预测系统的工作过程为：
步骤一：参数模型单元基于每一个加工设备的历史运行状态建立每一个加工设备对应的运行参数预测模型；
步骤二：加工参数监测模块监测当前批次纺织品的加工参数，获得实时加工参数曲线；
步骤三：历史参数更新单元结合实时加工参数曲线进行更新加工设备的历史运行参数曲线；
步骤四：第一计算单元基于加工设备的历史运行参数曲线进行计算纺织品加工工序的完成质量，第一判断单元判断工序完成质量预测数据是否小于当前工序的完成质量最低需求值，输出模块根据第一判断单元判断结果输出工序合格信号或工序不合格信号；
步骤五：第二计算单元已完成工序的完成质量和后续加工工序的完成质量预测值代入纺织品质量分数计算公式，进行计算纺织品质量分数预测值，第二判断单元进行判断纺织品质量分数预测值是否大于纺织品质量分数预设值，输出模块根据第二判断单元判断结果输出或不输出调整后续加工工序信号；
步骤六：参数预测单元用于进行预测加工设备的在下一批次的加工需求时长内继续工作的运行参数预测曲线，第一计算单元进行计算下一批次纺织品加工工序的完成质量，获得工序完成质量预测数据，第三判断单元判断工序完成质量预测数据是否小于当前工序的完成质量最低需求值，输出模块根据第二判断单元输出或不输出加工设备维护信号。
为进一步的说明本方案，请参阅图2所示，结合上述纺织品加工工序参数检测预测系统，提出一种纺织品加工工序参数检测预测方法，包括：
获取纺织品加工的所有加工工序，根据每一道工序确定每一道加工工序所需的加工设备；
获得当前纺织车间的加工设备的历史运行状态，基于加工设备的历史运行状态建立加工设备的运行参数预测模型，加工设备的运行参数运行预测模型以加工设备的历史运行参数曲线为输入，以加工设备的未来运行参数预测数据为输出；
监测当前批次纺织品的加工参数，获得实时加工参数曲线；
结合实时加工参数曲线进行更新加工设备的历史运行参数曲线；
根据实时加工参数曲线进行判断当前批次的纺织品的是否满足合格需求；
根据加工设备的历史运行参数曲线，进行预测加工设备是否可以满足下一批次的纺织品的加工需求，若是，则对加工设备进行维护，若否，则不对加工设备进行维护；
其中，根据实时加工参数曲线进行判断当前批次的纺织品的是否满足合格需求具体包括：
通过实时加工参数曲线进行计算当前纺织品加工工序的完成质量，获得工序完成质量指标，并判断工序完成质量指标是否小于当前工序的完成质量预设值，若是，则判定为纺织品不合格，输出工序合格信号，若否，则判定为纺织品当前工序合格，输出工序不合格信号；
结合已完成工序的加工质量进行预测纺织品后续加工工序后的加工数据，基于后续加工工序后的加工数据进行调整后续加工工序。
对每一台加工设备的每一次维护后的历史加工数据进行分析加工参数的变化曲线，并基于已完成工序的完成质量进行后续加工工序的调整，实现纺织品加工的智能化决策，保证纺织品最终加工的合格率，可有效的降低纺织品的不良率，进而可有效的提高纺织品生产良率；
请参阅图3所示，根据加工设备的历史运行参数曲线，进行预测加工设备是否可以满足下一批次的纺织品的加工需求具体包括：
将加工设备的历史运行参数曲线输入加工设备的运行参数预测模型，预测加工设备进行下一批纺织品加工时的加工参数，获得运行参数预测曲线；
通过运行参数预测曲线进行计算下一批次纺织品加工工序的完成质量，获得工序完成质量预测数据，判断工序完成质量预测数据是否小于当前工序的完成质量最低需求值，若是，则输出加工设备维护信号，若否，则不做输出。
基于对加工设备的历史运行参数曲线进行预测加工设备是否可以满足下一批次的纺织品的加工需求，根据预测结果进行判断是否需要进行设备维护，可有效的防止纺织品加工原料输入不合格的加工工序；
请参阅图4所示，基于加工设备的历史运行状态建立加工设备的运行参数预测模型具体包括如下步骤：
对加工设备历史运行状态进行分析，获取加工设备的工作过程中的加工参数的运行曲线图，得到若干运行曲线样本图；
以若干运行曲线样本图作为训练样本，进行拟合分析加工设备的工作过程中的加工参数的标准运行曲线图。
可以理解的是，纺织品加工设备的运行参数的变化曲线随着加工进程的进行，随着细小纤维的附着和消耗品的持续消耗，通常处于与加工时间相关的稳定的下降状态，因此，本方案中，通过对若干个加工参数的运行曲线样本图进行拟合计算出，每一个加工设备的工作过程中的加工参数的标准运行曲线图，此标准运行曲线图代表着加工设备的运行状态图。
请参阅图5所示，加工工序的完成质量的计算方法具体包括：
确定当前纺织品所需求每一台加工设备的最佳加工参数；
按照加工设备中每一个加工参数对于加工设备对应的加工工序的影响程度对加工设备中每一个加工参数附加权重值；
按照完成质量指标计算公式进行计算当前加工工序的完成质量；
其中，完成质量指标计算公式为：
Figure SMS_17
式中，/>
Figure SMS_18
为加工工序的完成质量，/>
Figure SMS_19
为加工设备中第i个加工参数的权重值，/>
Figure SMS_20
为加工设备中第i个加工参数在加工过程中的曲线表达式，/>
Figure SMS_21
为当前批次的加工工序的起始时刻，
Figure SMS_22
为当前批次的加工工序的终止时刻，/>
Figure SMS_23
为加工设备中第i个加工参数的最佳加工参数值，/>
Figure SMS_16
为加工设备中所有加工参数总数。
可以理解的是，同一个加工设备的加工参数通常会对加工工序有着不同的影响程度，因此本方案中加工设备中每一个加工参数附加权重值，并通过公式
Figure SMS_24
计算在当前批次的加工时间段内加工参数的均值，通过计算若干个加工参数的均值组成的数组和加工设备的最佳加工参数组成的数组之间的加权距离，可有效的表示出加工工序的完成质量；
本方案中通过加工参数的均值组成的数组和加工设备的最佳加工参数组成的数组之间的加权距离取倒数，计算出的完成质量指标越大，则加权距离越小，代表实时加工参数与最佳参数之间的距离越接近，则加工工序的完成质量越高。
请参阅图6所示，结合已完成工序的加工质量进行预测纺织品后续加工工序后的加工数据具体包括：
根据后续加工工序的运行参数预测模型，预测当前批次的纺织品进入后续加工工序时的加工设备的运行参数，获得后续加工工序的运行参数预测数据；
基于后续加工工序的运行参数预测数据代入完成质量指标计算公式中，进行计算后续加工工序的完成质量预测值；
针对每一道加工工序对纺织品质量的影响重要程度，对每一道加工工序附加重要权重值；
将已完成工序的完成质量和后续加工工序的完成质量预测值代入纺织品质量分数计算公式，进行计算纺织品质量分数预测值；
判断纺织品质量分数预测值是否大于纺织品质量分数预设值，若是，则判断可以完成纺织品合格品的加工，继续进行后续加工工序，若否，则判断为不能完成纺织品合格品的加工，输出调整后续加工工序信号；
其中，纺织品质量分数计算公式为：
Figure SMS_25
式中，/>
Figure SMS_26
为纺织品质量分数预测值，/>
Figure SMS_27
为纺织品加工的所有加工工序总数，/>
Figure SMS_28
为第j个加工工序的重要权重值，/>
Figure SMS_29
为第j个加工工序的完成质量或完成质量预测值，若第j个加工工序为已完成的加工工序，/>
Figure SMS_30
为第j个加工工序的完成质量，若第j个加工工序为后续的加工工序，/>
Figure SMS_31
为第j个加工工序的完成质量预测值。
通过对已完成的工序的完成质量和后续工序的完成质量预测值进行加权求和，计算纺织品质量分数，当纺织品质量分数小于纺织品质量分数预设值时，则代表按照现在的加工设备的状态，后续的加工工序难以完成纺织品的加工，此时需要对后续加工设备进行维护，以提高后续的加工工序的完成质量，进而保证纺织品的加工质量。
请参阅图7所示，预测加工设备进行下一批纺织品加工时的加工参数具体包括：
获取下一批次的纺织品的数量；
基于下一批次的纺织品的数量进行计算下一批次的纺织品完成加工工序的加工时长，记为加工需求时长；
将历史运行参数曲线与加工设备的工作过程中的加工参数的标准运行曲线图进行拟合，判断加工设备当前的加工状态阶段，并基于标准运行曲线图判断加工设备的在接下来的加工需求时长内继续工作的运行参数预测曲线。
根据加工过程中加工设备加工参数的实时变化曲线与加工设备的工作过程中的加工参数的标准运行曲线图进行拟合，可有戏的确定加工设备的加工状态阶段，进而进行准确的加工设备的接下来的加工参数曲线。
再进一步的，本发明还提出一种计算机可读存储介质，其上存储有计算机可读程序，计算机可读程序被调用时执行如上述的纺织品加工工序参数检测预测方法；
可以理解的是，计算机可读存储介质可以是磁性介质，例如，软盘、硬盘、磁带；光介质例如，DVD；或者半导体介质例如固态硬盘SolidStateDisk，SSD等。
综上所述，本发明的优点在于：可实现纺织品加工的智能化决策，保证纺织品最终加工的合格率，可有效的降低纺织品的不良率，同时可有效的防止纺织资源的浪费。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (9)

1.一种纺织品加工工序参数检测预测方法，其特征在于，包括：
获取纺织品加工的所有加工工序，根据每一道工序确定每一道加工工序所需的加工设备；
获得当前纺织车间的加工设备的历史运行状态，基于加工设备的历史运行状态建立加工设备的运行参数预测模型，所述加工设备的运行参数运行预测模型以加工设备的历史运行参数曲线为输入，以加工设备的未来运行参数预测数据为输出；
监测当前批次纺织品的加工参数，获得实时加工参数曲线；
结合实时加工参数曲线进行更新加工设备的历史运行参数曲线；
根据实时加工参数曲线进行判断当前批次的纺织品的是否满足合格需求；
根据加工设备的历史运行参数曲线，进行预测加工设备是否可以满足下一批次的纺织品的加工需求，若是，则对加工设备进行维护，若否，则不对加工设备进行维护；
其中，所述根据实时加工参数曲线进行判断当前批次的纺织品的是否满足合格需求具体包括：
通过实时加工参数曲线进行计算当前纺织品加工工序的完成质量，获得工序完成质量指标，并判断工序完成质量指标是否小于当前工序的完成质量预设值，若是，则判定为纺织品不合格，输出工序合格信号，若否，则判定为纺织品当前工序合格，输出工序不合格信号；
结合已完成工序的加工质量进行预测纺织品后续加工工序后的加工数据，基于后续加工工序后的加工数据进行调整后续加工工序。
2.根据权利要求1所述的一种纺织品加工工序参数检测预测方法，其特征在于，所述根据加工设备的历史运行参数曲线，进行预测加工设备是否可以满足下一批次的纺织品的加工需求具体包括：
将加工设备的历史运行参数曲线输入加工设备的运行参数预测模型，预测加工设备进行下一批纺织品加工时的加工参数，获得运行参数预测曲线；
通过运行参数预测曲线进行计算下一批次纺织品加工工序的完成质量，获得工序完成质量预测数据，判断工序完成质量预测数据是否小于当前工序的完成质量最低需求值，若是，则输出加工设备维护信号，若否，则不做输出。
3.根据权利要求2所述的一种纺织品加工工序参数检测预测方法，其特征在于，所述基于加工设备的历史运行状态建立加工设备的运行参数预测模型具体包括如下步骤：
对加工设备历史运行状态进行分析，获取加工设备的工作过程中的加工参数的运行曲线图，得到若干运行曲线样本图；
以若干运行曲线样本图作为训练样本，进行拟合分析加工设备的工作过程中的加工参数的标准运行曲线图。
4.根据权利要求3所述的一种纺织品加工工序参数检测预测方法，其特征在于，所述加工工序的完成质量的计算方法具体包括：
确定当前纺织品所需求每一台加工设备的最佳加工参数；
按照加工设备中每一个加工参数对于加工设备对应的加工工序的影响程度对加工设备中每一个加工参数附加权重值；
按照完成质量指标计算公式进行计算当前加工工序的完成质量；
其中，所述完成质量指标计算公式为：
Figure QLYQS_2
式中，/>
Figure QLYQS_3
为加工工序的完成质量，/>
Figure QLYQS_4
为加工设备中第i个加工参数的权重值，/>
Figure QLYQS_5
为加工设备中第i个加工参数在加工过程中的曲线表达式，/>
Figure QLYQS_6
为当前批次的加工工序的起始时刻，/>
Figure QLYQS_7
为当前批次的加工工序的终止时刻，/>
Figure QLYQS_8
为加工设备中第i个加工参数的最佳加工参数值，/>
Figure QLYQS_1
为加工设备中所有加工参数总数。
5.根据权利要求4所述的一种纺织品加工工序参数检测预测方法，其特征在于，所述结合已完成工序的加工质量进行预测纺织品后续加工工序后的加工数据具体包括：
根据后续加工工序的运行参数预测模型，预测当前批次的纺织品进入后续加工工序时的加工设备的运行参数，获得后续加工工序的运行参数预测数据；
基于后续加工工序的运行参数预测数据代入完成质量指标计算公式中，进行计算后续加工工序的完成质量预测值；
针对每一道加工工序对纺织品质量的影响重要程度，对每一道加工工序附加重要权重值；
将已完成工序的完成质量和后续加工工序的完成质量预测值代入纺织品质量分数计算公式，进行计算纺织品质量分数预测值；
判断纺织品质量分数预测值是否大于纺织品质量分数预设值，若是，则判断可以完成纺织品合格品的加工，继续进行后续加工工序，若否，则判断为不能完成纺织品合格品的加工，输出调整后续加工工序信号；
其中，所述纺织品质量分数计算公式为：
Figure QLYQS_9
式中，/>
Figure QLYQS_10
为纺织品质量分数预测值，/>
Figure QLYQS_11
为纺织品加工的所有加工工序总数，/>
Figure QLYQS_12
为第j个加工工序的重要权重值，/>
Figure QLYQS_13
为第j个加工工序的完成质量或完成质量预测值，若第j个加工工序为已完成的加工工序，/>
Figure QLYQS_14
为第j个加工工序的完成质量，若第j个加工工序为后续的加工工序，/>
Figure QLYQS_15
为第j个加工工序的完成质量预测值。
6.根据权利要求5所述的一种纺织品加工工序参数检测预测方法，其特征在于，所述预测加工设备进行下一批纺织品加工时的加工参数具体包括：
获取下一批次的纺织品的数量；
基于下一批次的纺织品的数量进行计算下一批次的纺织品完成加工工序的加工时长，记为加工需求时长；
将历史运行参数曲线与加工设备的工作过程中的加工参数的标准运行曲线图进行拟合，判断加工设备当前的加工状态阶段，并基于标准运行曲线图判断加工设备的在接下来的加工需求时长内继续工作的运行参数预测曲线。
7.一种纺织品加工工序参数检测预测系统，用于实现如权利要求1-6任一项所述的纺织品加工工序参数检测预测方法，其特征在于，包括：
处理器，所述处理器用于进行建立加工设备的运行参数预测模型、计算当前纺织品加工工序的完成质量、根据实时加工参数曲线进行判断当前批次的纺织品的是否满足合格需求、结合已完成工序的加工质量进行预测纺织品后续加工工序后的加工数据，基于后续加工工序后的加工数据进行调整后续加工工序、更新加工设备的历史运行参数曲线和预测加工设备是否可以满足下一批次的纺织品的加工需求；
加工参数监测模块，所述加工参数监测模块用于监测当前批次纺织品的加工参数，获得实时加工参数曲线；
输出模块，所述输出模块用于输出工序合格信号和/或工序不合格信号和/或加工设备维护信号和/或调整后续加工工序信号。
8.根据权利要求7所述的一种纺织品加工工序参数检测预测系统，其特征在于，所述处理器内部集成有：
参数模型单元，所述参数模型单元用于基于加工设备的历史运行状态建立加工设备的运行参数预测模型；
历史参数更新单元，所述历史参数更新单元用于结合实时加工参数曲线进行更新加工设备的历史运行参数曲线；
第一计算单元，所述第一计算单元用于进行计算纺织品加工工序的完成质量；
第二计算单元，所述第二计算单元用于计算纺织品质量分数预测值；
第一判断单元，所述第一判断单元用于判断工序完成质量预测数据是否小于当前工序的完成质量最低需求值；
第二判断单元，所述第二判断单元用于判断纺织品质量分数预测值是否大于纺织品质量分数预设值；
参数预测单元，所述参数预测单元用于进行预测加工设备的在下一批次的加工需求时长内继续工作的运行参数预测曲线；
第三判断单元，所述第三判断单元用于判断工序完成质量预测数据是否小于当前工序的完成质量最低需求值。
9.一种计算机可读存储介质，其上存储有计算机可读程序，其特征在于，所述计算机可读程序背调用时执行如权利要求1-6任一项所述的纺织品加工工序参数检测预测方法。
CN202310568676.XA 2023-05-19 2023-05-19 一种纺织品加工工序参数检测预测方法、系统及存储介质 Active CN116307289B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310568676.XA CN116307289B (zh) 2023-05-19 2023-05-19 一种纺织品加工工序参数检测预测方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310568676.XA CN116307289B (zh) 2023-05-19 2023-05-19 一种纺织品加工工序参数检测预测方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN116307289A true CN116307289A (zh) 2023-06-23
CN116307289B CN116307289B (zh) 2023-08-18

Family

ID=86790990

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310568676.XA Active CN116307289B (zh) 2023-05-19 2023-05-19 一种纺织品加工工序参数检测预测方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN116307289B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116841269A (zh) * 2023-07-26 2023-10-03 枣庄杰富意振兴化工有限公司 基于煤焦油生产流程的工艺调整方法、系统及存储介质
CN117314475A (zh) * 2023-11-28 2023-12-29 德州市水利局水利施工处 一种封堵门防伪溯源过程中异常数据监测方法
CN117495070A (zh) * 2023-12-27 2024-02-02 中控技术股份有限公司 一种工业流水线的工艺参数推荐方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111597729A (zh) * 2020-05-27 2020-08-28 北京天泽智云科技有限公司 加工设备工艺参数优化方法及系统
WO2022062567A1 (zh) * 2020-09-23 2022-03-31 爱德万测试股份有限公司 产品测试数据的检测方法、系统、电子设备和存储介质
CN115130702A (zh) * 2022-09-02 2022-09-30 山东汇泓纺织科技有限公司 一种基于大数据分析的纺织机故障预测系统
CN115345485A (zh) * 2022-08-17 2022-11-15 珠海爱浦京软件股份有限公司 基于大数据的智能工厂设备数据分析管理系统及方法
CN115443438A (zh) * 2020-03-03 2022-12-06 赫克斯冈技术中心 在计算机辅助制造中自动预测加工工作流的系统和方法
CN115619050A (zh) * 2022-12-19 2023-01-17 绵阳丰瑞尚雅木业有限公司 一种防火铝木饰面板加工质量预测方法、系统及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115443438A (zh) * 2020-03-03 2022-12-06 赫克斯冈技术中心 在计算机辅助制造中自动预测加工工作流的系统和方法
CN111597729A (zh) * 2020-05-27 2020-08-28 北京天泽智云科技有限公司 加工设备工艺参数优化方法及系统
WO2022062567A1 (zh) * 2020-09-23 2022-03-31 爱德万测试股份有限公司 产品测试数据的检测方法、系统、电子设备和存储介质
CN115345485A (zh) * 2022-08-17 2022-11-15 珠海爱浦京软件股份有限公司 基于大数据的智能工厂设备数据分析管理系统及方法
CN115130702A (zh) * 2022-09-02 2022-09-30 山东汇泓纺织科技有限公司 一种基于大数据分析的纺织机故障预测系统
CN115619050A (zh) * 2022-12-19 2023-01-17 绵阳丰瑞尚雅木业有限公司 一种防火铝木饰面板加工质量预测方法、系统及存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116841269A (zh) * 2023-07-26 2023-10-03 枣庄杰富意振兴化工有限公司 基于煤焦油生产流程的工艺调整方法、系统及存储介质
CN116841269B (zh) * 2023-07-26 2024-01-23 枣庄杰富意振兴化工有限公司 基于煤焦油生产流程的工艺调整方法、系统及存储介质
CN117314475A (zh) * 2023-11-28 2023-12-29 德州市水利局水利施工处 一种封堵门防伪溯源过程中异常数据监测方法
CN117314475B (zh) * 2023-11-28 2024-02-13 德州市水利局水利施工处 一种封堵门防伪溯源过程中异常数据监测方法
CN117495070A (zh) * 2023-12-27 2024-02-02 中控技术股份有限公司 一种工业流水线的工艺参数推荐方法及系统

Also Published As

Publication number Publication date
CN116307289B (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
CN116307289B (zh) 一种纺织品加工工序参数检测预测方法、系统及存储介质
TWI625615B (zh) 預測模型建立方法及其相關預測方法與電腦程式產品
CN114329940A (zh) 一种基于极限学习机的连铸坯质量预测方法
CN107179749A (zh) 热镀锌产品全流程质量控制方法
TW201421178A (zh) 工具機之加工品質的預測方法
CN110989510A (zh) 一种热镀锌产品全流程质量控制与等级自动判断系统
Li et al. Tool breakage detection using deep learning
CN116050678A (zh) 一种基于云计算的压铸产品加工测试系统及方法
CN113094893A (zh) 晶圆品质虚拟测量方法、装置、计算机设备和存储介质
CN112475410A (zh) 一种铣削温度与多元影响因子的关联分析系统及方法
CN114872290A (zh) 一种注塑件的自适应生产异常监测方法
CN114565314A (zh) 一种基于数字孪生的热轧钢卷端面质量管控系统及方法
CN114326593A (zh) 一种刀具寿命预测系统及方法
CN116703254B (zh) 模具机械零部件生产信息管理系统
CN112559591B (zh) 一种用于冷轧辊制造过程的离群检测系统及其检测方法
CN114800049A (zh) 一种光栅尺加工运行信号误差补偿系统
CN101118423A (zh) 虚拟测量预估模型的适用性选择方法与系统
CN111597499B (zh) 一种工业设备故障维修方案生成方法及系统
CN114266286A (zh) 一种焊接过程信息的在线检测方法及装置
NL2030465B1 (en) Continuous casting slab quality predicting method based on extreme learning machine
CN108250342A (zh) 一种聚全氟乙丙烯产品生产方法及系统
CN115034370B (zh) 基于bp网络模型预测高炉炉缸活性的方法
Chang et al. Intelligent Prediction Platform of Lathe Machine Based on Back Propagation Neural Network
CN117123640B (zh) 用于模具加工设备的送料定位精度检测方法及系统
CN117831659B (zh) 宽厚板质量在线检测的方法、装置、电子设备及存储介质

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