CN116339266A - 一种管材生产复合监测方法及系统 - Google Patents

Abstract

本申请涉及生产监测技术领域，提供一种管材生产复合监测方法及系统。通过获取复合生产线的多个生产工序及对应的生产设备，以生产设备对应的控制参数生成多个工序控制模块并与复合数控平台连接；根据多个工序控制模块对各个工序进行监测，输出多个工序监测数据集并进行控制偏差识别，输出偏差识别结果；根据偏差识别结果，输出故障预警信息。解决现有技术中存在管材生产设备运行状态监测依赖于人工经验，导致对于生产设备运行异常识别的及时性和准确度不足，导致管材生产质量稳定性较差，生产成本较高的技术问题，实现管材生产设备运行状态监测预警自动化，提高对于生产设备运行异常识别的及时性和准确度，提高管材生产质量稳定性的技术效果。

Description

一种管材生产复合监测方法及系统

技术领域

本申请涉及生产监测技术领域，特别是涉及一种管材生产复合监测方法及系统。

背景技术

铝合金衬塑复合管材是广泛应用于建筑、化工等领域的一种新型管材，为了保证管材的质量稳定性，需要对其生产过程进行监测。目前铝合金衬塑复合管材的生产状态监测依靠工作人员的观察和判断。

由于生产设备数量较多，需要对管材生产线上每一个设备进行监测和维护，无疑增加了工作人员的负担，如果设备运行异常监测不及时或者不准确则导致生产设备出现异常，甚至影响整个生产过程的稳定性和管材生产效率。

人工监测在增加管材生产成本的同时，实质上对于管材生产质量稳定性的提升效果也一般，由于生产状态监测的及时性和准确度不足，管材的质量控制难以做到精准和稳定。

综上所述，现有技术中存在管材生产设备运行状态监测依赖于人工经验，导致对于生产设备运行异常识别的及时性和准确度不足，进而导致管材生产质量稳定性较差，生产效率低下且生产成本较高的技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够实现管材生产设备运行状态监测预警自动化，提高对于生产设备运行异常识别的及时性和准确度，进而提高管材生产质量稳定性，降低生产成本的一种管材生产复合监测方法及系统。

一种管材生产复合监测方法，方法包括：获取所述复合生产线的多个生产工序；获取与所述多个生产工序分别对应的生产设备，其中，每个生产工序中至少包括一个设备；以所述生产设备对应的控制参数，生成多个工序控制模块，将所述多个工序控制模块与所述复合数控平台连接；根据所述多个工序控制模块对各个工序进行监测，输出多个工序监测数据集，其中，所述多个工序监测数据集与所述多个生产工序相对应，且相邻工序控制模块数据可交互；基于所述多个工序监测数据集进行控制偏差识别，输出偏差识别结果；根据所述偏差识别结果，输出故障预警信息。

一种管材生产复合监测系统，所述系统包括：生产工序获得模块，用于获取复合生产线的多个生产工序；生产设备获得模块，用于获取与所述多个生产工序分别对应的生产设备，其中，每个生产工序中至少包括一个设备；工序控制生成模块，用于以所述生产设备对应的控制参数，生成多个工序控制模块，将所述多个工序控制模块与复合数控平台连接；监测数据输出模块，用于根据所述多个工序控制模块对各个工序进行监测，输出多个工序监测数据集，其中，所述多个工序监测数据集与所述多个生产工序相对应，且相邻工序控制模块数据可交互；控制偏差识别模块，用于基于所述多个工序监测数据集进行控制偏差识别，输出偏差识别结果；故障预警输出模块，用于根据所述偏差识别结果，输出故障预警信息。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取所述复合生产线的多个生产工序；

获取与所述多个生产工序分别对应的生产设备，其中，每个生产工序中至少包括一个设备；

以所述生产设备对应的控制参数，生成多个工序控制模块，将所述多个工序控制模块与所述复合数控平台连接；

根据所述多个工序控制模块对各个工序进行监测，输出多个工序监测数据集，其中，所述多个工序监测数据集与所述多个生产工序相对应，且相邻工序控制模块数据可交互；

基于所述多个工序监测数据集进行控制偏差识别，输出偏差识别结果；

根据所述偏差识别结果，输出故障预警信息。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取所述复合生产线的多个生产工序；

获取与所述多个生产工序分别对应的生产设备，其中，每个生产工序中至少包括一个设备；

以所述生产设备对应的控制参数，生成多个工序控制模块，将所述多个工序控制模块与所述复合数控平台连接；

根据所述多个工序控制模块对各个工序进行监测，输出多个工序监测数据集，其中，所述多个工序监测数据集与所述多个生产工序相对应，且相邻工序控制模块数据可交互；

基于所述多个工序监测数据集进行控制偏差识别，输出偏差识别结果；

根据所述偏差识别结果，输出故障预警信息。

上述一种管材生产复合监测方法及系统，解决了现有技术中存在管材生产设备运行状态监测依赖于人工经验，导致对于生产设备运行异常识别的及时性和准确度不足，进而导致管材生产质量稳定性较差，生产效率低下且生产成本较高的技术问题，实现了管材生产设备运行状态监测预警自动化，提高对于生产设备运行异常识别的及时性和准确度，进而提高管材生产质量稳定性，降低生产成本的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为一个实施例中一种管材生产复合监测方法的流程示意图；

图2为一个实施例中一种管材生产复合监测方法中输出工序控制模块的流程示意图；

图3为一个实施例中一种管材生产复合监测系统的结构框图；

图4为一个实施例中计算机设备的内部结构图。

附图标记说明：生产工序获得模块1，生产设备获得模块2，工序控制生成模块3，监测数据输出模块4，控制偏差识别模块5，故障预警输出模块6。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

如图1所示，本申请提供了一种管材生产复合监测方法，所述方法应用于一种管材生产复合监测系统，所述系统包括复合生产线，所述复合生产线由复合数控平台进行复合控制，所述方法包括：

S100:获取所述复合生产线的多个生产工序；

S200:获取与所述多个生产工序分别对应的生产设备，其中，每个生产工序中至少包括一个设备；

具体而言，在本实施例中，所述复合生产线为进行任意类型管材加工的生产线，所述复合生产线包括多个生产工序，且多个生产工序分别对应于管材加工生产的多个工艺步骤。每一生产工序中存在一个或多个生产设备，基于生产工序中生产设备单独运行或多生产设备相互配合完成该生产工序的管材加工处理。

示例性的，在清洗、打印生产工序中，进行管材表面残留润滑油清洗以及管材表面信息打印，对应于清洗、打印生产工序的多个生产设备分别为清洗机、风干机、打印机。

本实施例以所述复合生产线为生产工艺步骤复杂且控制难度较高的铝合金衬塑复合管材的复合生产线为例，进行技术方案的详细阐述，但应理解的，所描述的铝合金衬塑复合管材的复合生产线监测方法，仅是复合生产线监测的一个类型，而不是全部，应理解，管材复合生产线监测方法不受这里举例描述的示例限制。

在本实施例中，获取所述复合生产线的多个生产工序，所述多个生产工序对应于连续的多个管材加工工艺步骤，所述多个生产工序包括但不限于缩口工序、拉拔前夹紧工序、拉拔工序、清洗-打印工序、定尺切割工序。

进一步的，基于获得的多个生产工序，获取与所述多个生产工序分别对应的生产设备，每个生产工序中至少包括一个设备，基于生产工序中的生产设备，完成生产工序中的管材加工工艺处理。

S300:以所述生产设备对应的控制参数，生成多个工序控制模块，将所述多个工序控制模块与所述复合数控平台连接；

在一个实施例中，如图2所示，本申请提供的方法步骤还包括：

S310:对所述多个生产工序中每个工序的设备数量进行判断，获取设备数量大于等于2的N个生产工序，其中，N为大于等于0的正整数，且N小于生产工序的总数量；

S320:根据所述N个生产工序中的设备数量，生成对应数量的设备控制子模块，其中，生产工序与设备控制子模块之间具有多对多的映射关系；

S330:根据所述N个生产工序中每个工序之内的设备协作关系，对每个工序中的设备控制子模块进行连接，输出每个工序对应的工序控制模块。

具体而言，在本实施例中，每个生产工序至少存在一个生产设备，本实施例在获得多个生产工序以及多个生产工序所包含的一个或多个生产设备的基础上，对所述多个生产工序中每个工序的设备数量进行判断。

获取多个生产工序中，生产设备的数量大于等于2的N个生产工序，应理解的，本实施例中，N为大于等于0的正整数，且N小于生产工序的总数量。

在本实施例中，所述多个生产设备对应于多个工序控制模块，所述工序控制模块用于进行多个生产工序中数量不等的生产设备的运行参数监测。为提高监测的准确性，优选对于生产工序中每个生产设备配备设备控制子模块，基于所述设备控制子模块进行单独生产设备运行参数的精准性监测。

因而，本实施例对于只有一个生产设备的生产工序直接生成对应的所述工序控制模块。

对于含有两个及以上生产设备的所述N个生产工序，获得对应于N个生产工序的多组生产设备，每组生产设备的数量不等，且大于等于2。根据所述N个生产工序中的设备数量，生成对应数量的设备控制子模块。

应理解的，在本实施例中，对于含有两个及以上生产设备的所述N个生产工序，生产工序与设备控制子模块之间具有多对多的映射关系，即一个生产工序对应于多个设备控制子模块。

对于所述N个生产工序，进一步获得每个生产工序中，多个生产设备之间的协作关系，例如在清洗、打印生产工序中，清洗机、风干机、打印机之间的协作关系为管材半成品首先经由清洗机去除管材表面油污残留，然后经由风干机去除管材表面水渍残留，最后经由打印机在管材表面进行管材型号等信息打印。

根据所述N个生产工序中每个工序之内的设备协作关系，对每个工序中的设备控制子模块进行通信连接或实体电路连接从而获得每个工序对应的工序控制模块输出。

经由上述步骤获得含有两个及以上生产设备的所述N个生产工序的N个工序控制模块，以及含有单个生产设备的多个生产工序的多个工序控制模块，从而获得复合生产线全部生产工序的多个工序控制模块。将所述多个工序控制模块与所述复合数控平台连接。在所复合生产线运行进行管材加工生产过程中，所述多个工序控制模块对所复合生产线中各个生产工序进行监测，输出多个工序监测数据集，并将多个工序监测数据集发送至所述复合数控平台。

基于此本实施例实现基于所述复合数控平台直观获知复合生产线全部生产工序中生产设备运行状态的技术效果。

S400:根据所述多个工序控制模块对各个工序进行监测，输出多个工序监测数据集，其中，所述多个工序监测数据集与所述多个生产工序相对应，且相邻工序控制模块数据可交互；

具体而言，在本实施例中，基于所复合生产线进行铝合金衬塑复合管材加工生产过程中，所述每个工序控制模块对应对每个生产工序中的所有生产设备的工作参数进行实时监测或周期性监测，从而输出多个工序监测数据集，并将多个工序监测数据集发送至所述复合数控平台。

一个工序监测数据集对应记录一个生产工序中一个或多个生产设备的运行数据，示例性的，清洗、打印生产工序的工序监测数据集中，记录了清洗机、风干机、打印机的运行数据。

应理解的，按照生产工艺步骤进行铝合金衬塑复合管材生产过程中，管材原料/管材半成品在复合生产线的多个生产工序之间周转，逐步完成管材加工生产。

前后衔接周转的两个生产工序为相邻生产工序，相应的，相邻的两个生产工序对应于相邻的两个工序控制模块即所述相邻工序控制模块。所述多个工序监测数据集与所述多个生产工序相对应，且相邻工序控制模块所采集的工序监测数据可进行数据交互。

S500:基于所述多个工序监测数据集进行控制偏差识别，输出偏差识别结果；

在一个实施例中，本申请提供的方法步骤还包括：

S510:获取所述多个工序控制模块在预设时间段内的多个工序监测数据集，其中，每个工序监测数据集对应一次工序的监测数据集；

S520:对所述多个工序监测数据集进行各组数据比对，标识偏差数据集；

S530:判断所述偏差数据集的偏差度是否大于预设偏差度，若所述偏差数据集的偏差度大于所述预设偏差度，生成预警信号。

在一个实施例中，本申请提供的方法步骤还包括：

S531:判断每组工序监测数据集中的数据维度是否大于等于a；

S532:其中，a为预设的数据维度，且a为大于等于2的正整数；

S533:若每组工序监测数据集中的数据维度大于等于a,对各个数据维度进行权重配置，输出权重配置结果；

S534:根据所述权重配置结果对所述偏差数据集进行计算，输出所述偏差数据集的偏差度。

应理解的，复合生产线进行相同型号的铝合金衬塑复合管材生产时，任意批次生产的相同型号的铝合金衬塑复合管材，其复合生产线上多个生产设备的运行数据应该相一致，即任意生产批次基于多个工序控制模块获得的多个工序监测数据集中数据相一致。

如若当前批次铝合金衬塑复合管材的多个工序监测数据集中存在与以往生产批次的多个工序监测数据不一致的情况，则表明当前批次所生产的铝合金衬塑复合管材存在质量不合格的缺陷，需要及时进行生产设备运维管理，以避免生产设备以错误生产数据运行，导致生产大量质量不合格的铝合金衬塑复合管材，造成铝合金衬塑复合管材生产成本上升。

因而本实施例，所述预设时间为进行单批次铝合金衬塑复合管材生产的时间，在预设时间内，基于所述复合生产线进行单批次的铝合金衬塑复合管材生产，基于所述多个工序控制模块获得多个工序监测数据集，每个工序监测数据集对应一次工序的监测数据集，所述一次工序为在一个生产工序进行单批次铝合金衬塑复合管材的工艺处理。

获得当前生产的铝合金衬塑复合管材的型号信息，基于复合生产线历史运行数据调用获得合格生产相同型号的铝合金衬塑复合管材的多个历史工序监测数据集。

所述数据维度为工序监测数据集中的数据类型数量，每种生产设备对应于一个数据类型，示例性的，在清洗、打印生产工序中，有清洗机、风干机、打印机三种生产设备，则清洗、打印生产工序对应的工序控制模块对清洗、打印生产工序进行监测，输出的工序监测数据集包括清洗机运行数据、风干机运行数据以及打印机运行数据三个数据维度的数据。

本实施例以进行多组工序监测数据集中随机一组工序监测数据集—第一工序监测数据集的偏差度为例，进行偏差度获得方法的阐述。

判断第一工序监测数据集中的数据维度是否大于等于a，其中，a为预设的数据维度，且a为大于等于2的正整数。若每组工序监测数据集中的数据维度大于等于a，则根据多个数据维度对应的多个生产设备在对应于第一工序监测数据集的生产工序中的重要度，对各个数据维度进行权重配置，输出权重配置结果。

从多个历史工序监测数据集中提取获得第一工序监测数据集对应的第一历史工序监测数据集，遍历第一工序监测数据集和第一历史工序监测数据集的各个数据维度，生成各个数据维度的偏差数据构成所述偏差数据集。

使用所述权重配置结果中各个数据维度的权重值对所述偏差数据集中各个数据维度的偏差数据进行加权计算，并对加权计算结果进行无量纲处理以及加和处理，获得所述偏差数据集的偏差度。所述偏差数据集的偏差度表征第一工序监测数据集与第一历史工序监测数据集两个数据集合整体的偏离程度。采用相同方法计算获得多组工序监测数据集的多个偏差度。

所述预设偏差度为判断生产工序数据偏差是否导致该工序进行管材处理不合格的临界数值，所述预设偏差度与复合生产线中生产设备运行数据以及管材生产厂家对于管材合格与否的标准相关，因而本实施例对于所述预设偏差度不做具体数值设定。

逐一判断多组工序监测数据集的所述偏差数据集的偏差度是否大于预设偏差度，若所述偏差数据集的偏差度大于所述预设偏差度，则表明对应的生产工序如若不进行生产设备运行调整，则会导致经由生产工序加工产生不合格管材，因而生成所述预警信号，所述预警信号用于提示复合生产线运维人员前往存在异常的生产工序，参考对应异常生产工序的历史工序监测数据集进行生产设备运维管理。

本实施例通过采集获取多个生产工序的多组工序监测数据集，并结合历史工序监测数据集，进行生产工序运行偏差分析，实现了精准获知生产工序运行异常的技术效果，同时实现了减少复合生产线监测对于人力资源的消耗的技术效果。

S600:根据所述偏差识别结果，输出故障预警信息。

具体而言，在本实施例中，逐一判断多组工序监测数据集的所述偏差数据集的偏差度是否大于预设偏差度，若所述偏差数据集的偏差度大于所述预设偏差度，将对应该组工序监测数据集的生产工序添加进所述偏差识别结果中。

根据最终添加入所述偏差识别结果的若干个生产工序在多个历史工序监测数据集中调用对应的若干组历史工序监测数据集。

构建若干组历史工序监测数据集和所述偏差识别结果中若干个生产工序的映射关系，并进一步生产所述故障预警信息，所述故障预警信息输出后发送至复合生产线运维运维人员处，复合生产线运维人员接收所述故障预警信息，并参考对应若干个生产工序的历史工序监测数据集进行若干个生产工序中生产设备的运维管理。

本实施例实现了管材生产设备运行状态监测预警自动化，提高对于生产设备运行异常识别的及时性和准确度，进而提高管材生产质量稳定性，降低生产成本的技术效果。

在一个实施例中，本申请提供的方法步骤还包括：

S340:通过对所述多个生产工序进行工序重要性识别，获取工序重要性指标，并按照所述工序重要性指标对所述多个工序控制模块进行标识。

具体而言，应理解的，所述复合生产线中多个生产工序连贯衔接以实现管材合格性加工，因而生产工序故障频率越高，表明该生产工序对于复合生产线的生产效率影响越大，相应的，该生产工序在复合生产线中的重要性越高。

因而在本实施例中，调用所述复合生产线的历史维修记录，基于历史维修记录获得在历史生产周期(例如一个生产季度)内，复合生产线中所有生产设备的维修频次数据，根据生产设备与生产工序的映射关系，计数获得每个生产工序中一个或多个生产设备总计维修频次数据。

计算多个生产工序总计维修频次占复合生产线维修频次的百分比，作为多个生产工序的所述工序重要性指标，并将所述多个工序重要性指标对应进行所述多个工序控制模块的标识。

本实施通过根据生产工序中生产设备维修频次，确定各个生产工序的工序重要性指标，为后续设定基于所述多个工序控制模块对所复合生产线中各个生产工序进行监测的频率以及进行存储所获监测数据的存储空间分配提供参考基准。

在一个实施例中，本申请提供的方法步骤还包括：

S341:对所述多个生产工序中相邻生产工序的周转过程进行损耗概率识别，获取损耗概率大于预设损耗概率的相邻工序，对所述相邻工序进行损耗标识，输出损耗标识结果；

S342:按照所述损耗标识结果，对所述多个工序控制模块进行二次标识。

在一个实施例中，对所述多个生产工序中相邻生产工序的周转过程进行损耗概率识别，本申请提供的方法步骤S341还包括：

S341-1:对所述多个生产工序中相邻生产工序的周转过程进行分析，获取多个损耗概率，其中，所述多个损耗概率包括周转碰撞损耗概率、周转表面损耗概率和周转变形损耗概率；

S341-2:以所述周转碰撞损耗概率、所述周转表面损耗概率和所述周转变形损耗概率进行权重计算，输出损耗概率识别结果；

S341-3:其中，所述损耗概率识别结果包括所述多个生产工序中各个相邻生产工序的损耗概率。

具体而言，应理解的，按照生产工艺步骤进行铝合金衬塑复合管材生产过程中，管材原料/管材半成品在复合生产线的多个生产工序之间周转，逐步完成管材加工生产。

在多个生产工序中相邻生产工序的周转过程中，同生产批次多个管材相互之间发生碰撞、摩擦和挤压作用，从而导致同生产批次的多个管材中，部分管材发生形变、擦伤、破损等缺陷。

因而本实施例对对所述多个生产工序中相邻生产工序的周转过程进行分析，以确定多个生产工序中，两两相邻生产工序的一组损耗概率，每组损耗概率包括周转碰撞损耗概率、周转表面损耗概率和周转变形损耗概率。

所述周转碰撞损耗概率为同批次多个管材在相邻生产工序之间周转过程中因碰撞而导致表面损伤(具体为短划痕、凹陷损伤)的概率，具体通过碰撞损伤管材数量和同批次总计管材数量计算百分比获得。

所述周转表面损耗概率为同批次多个管材在相邻生产工序之间周转过程中因摩擦、挤压导致表面损伤(具体为长划痕、磨损)的概率，具体通过摩擦挤压损伤管材数量和同批次总计管材数量计算百分比获得。

所述周转变形损耗概率为同批次多个管材在相邻生产工序之间周转过程中因受力不均匀、应力过大导致管材变形的概率。具体通过形变管材数量和同批次总计管材数量计算百分比获得。

同一管材可能在一个相邻生产工序周转时，可能同时存在变形损耗、表面损耗以及碰撞损耗，在每种损耗概率计算中都进行计数计算。基于表面损耗、变形损耗和碰撞损耗的辨别方法以及损耗概率计算方法，获得多个相邻生产工序的多个损耗概率，所述多个损耗概率包括周转碰撞损耗概率、周转表面损耗概率和周转变形损耗概率，所述损耗概率为前一生产工序与后一生产工序这种相邻生产工序的损耗概率。

将对应于多个相邻生产工序的多个损耗概率中的所述周转碰撞损耗概率、所述周转表面损耗概率和所述周转变形损耗概率进行加和处理，作为多个相邻生产工序的损耗概率指数。

以所述周转碰撞损耗概率、所述周转表面损耗概率和所述周转变形损耗概率进行权重计算的具体方法为，基于多个相邻生产工序的多个损耗概率指数进行加和，并基于加和结果和多个损耗概率指数，计算获得每个相邻生产工序的百分比数据，作为每个相邻生产工序的权重占比，权重占比越高，表明该相邻生产工序进行管材周转时发生损耗的概率越大。

基于多个相邻生产工序的权重计算结果，输出损耗概率识别结果，所述损耗概率识别结果包括所述多个生产工序中各个相邻生产工序的损耗概率(周转碰撞损耗概率、周转表面损耗概率和周转变形损耗概率)以及多个相邻生产工序的权重计算结果。

所述预设损耗概率由碰撞损耗概率阈值、表面损耗概率阈值和变形损耗概阈值组成，所述预设损耗概率用于评估相邻两个生产工序的生产过程管材加工损耗是否超出可接受的管材材料损耗范围。所述预设损耗概率可根据管材生产加工厂家的生产预算以及生产设备实际性能自定义，本实施例对于其数值不做具体限定。

基于所述预设损耗概率遍历比对相邻生产工序的损耗概率，判断相邻生产工序的损耗概率中是否存在不满足所述预设损耗概率的数据项，若存在，则认为该相邻生产工序为损耗概率大于预设损耗概率的相邻生产工序。基于所述预设损耗概率从各个相邻生产工序中提取获得相邻工序，所述相邻工序为损耗概率不满足所述预设损耗概率的相邻生产工序。

对所述相邻工序进行损耗标识，输出损耗标识结果，按照所述损耗标识结果获得对应的多个生产工序，根据生产工序与工序控制模块的映射关系，对所述多个工序控制模块进行二次标识。

本实施例最终获得的多个工序控制模块都具有工序重要性指标标识，部分工序控制模块具有损耗标识，所述损耗标识和工序重要性指标标识用于参考进行多个生产工序的生产监测数据采集记录周期设置以及采集数据存储空间的分配。实现对于重要性较高且出现损耗概率较高的生产工序施加更频繁的监测周期和监测频率，从而间接实现获取足够及时精确的监测数据，为发生生产设备故障时的故障分析提供有效参考数据的技术效果。

在一个实施例中，如图3所示，提供了一种管材生产复合监测系统，包括：生产工序获得模块1，生产设备获得模块2，工序控制生成模块3，监测数据输出模块4，控制偏差识别模块5，故障预警输出模块6，其中：

生产工序获得模块1，用于获取复合生产线的多个生产工序；

生产设备获得模块2，用于获取与所述多个生产工序分别对应的生产设备，其中，每个生产工序中至少包括一个设备；

工序控制生成模块3，用于以所述生产设备对应的控制参数，生成多个工序控制模块，将所述多个工序控制模块与复合数控平台连接；

监测数据输出模块4，用于根据所述多个工序控制模块对各个工序进行监测，输出多个工序监测数据集，其中，所述多个工序监测数据集与所述多个生产工序相对应，且相邻工序控制模块数据可交互；

控制偏差识别模块5，用于基于所述多个工序监测数据集进行控制偏差识别，输出偏差识别结果；

故障预警输出模块6，用于根据所述偏差识别结果，输出故障预警信息。

在一个实施例中，所述系统还包括：

设备数量判断单元，用于对所述多个生产工序中每个工序的设备数量进行判断，获取设备数量大于等于2的N个生产工序，其中，N为大于等于0的正整数，且N小于生产工序的总数量；

工序控制映射单元，用于根据所述N个生产工序中的设备数量，生成对应数量的设备控制子模块，其中，生产工序与设备控制子模块之间具有多对多的映射关系；

控制模块输出单元，用于根据所述N个生产工序中每个工序之内的设备协作关系，对每个工序中的设备控制子模块进行连接，输出每个工序对应的工序控制模块。

在一个实施例中，所述系统还包括：

监测数据获取单元，用于获取所述多个工序控制模块在预设时间段内的多个工序监测数据集，其中，每个工序监测数据集对应一次工序的监测数据集；

数据比对执行单元，用于对所述多个工序监测数据集进行各组数据比对，标识偏差数据集；

预警信号生成单元，用于判断所述偏差数据集的偏差度是否大于预设偏差度，若所述偏差数据集的偏差度大于所述预设偏差度，生成预警信号。

在一个实施例中，所述系统还包括：

数据维度判断单元，用于判断每组工序监测数据集中的数据维度是否大于等于a；

预设数据维度单元，用于其中，a为预设的数据维度，且a为大于等于2的正整数；

权重配置输出单元，用于若每组工序监测数据集中的数据维度大于等于a,对各个数据维度进行权重配置，输出权重配置结果；

数据偏差计算单元，用于根据所述权重配置结果对所述偏差数据集进行计算，输出所述偏差数据集的偏差度。

在一个实施例中，所述系统还包括：

控制模块标识单元，用于通过对所述多个生产工序进行工序重要性识别，获取工序重要性指标，并按照所述工序重要性指标对所述多个工序控制模块进行标识。

在一个实施例中，所述系统还包括：

损耗概率识别单元，用于对所述多个生产工序中相邻生产工序的周转过程进行损耗概率识别，获取损耗概率大于预设损耗概率的相邻工序，对所述相邻工序进行损耗标识，输出损耗标识结果；

按照所述损耗标识结果，对所述多个工序控制模块进行二次标识。

在一个实施例中，所述系统还包括：

周转分析执行单元，用于对所述多个生产工序中相邻生产工序的周转过程进行分析，获取多个损耗概率，其中，所述多个损耗概率包括周转碰撞损耗概率、周转表面损耗概率和周转变形损耗概率；

损耗概率识别单元，用于以所述周转碰撞损耗概率、所述周转表面损耗概率和所述周转变形损耗概率进行权重计算，输出损耗概率识别结果；

损耗概率获得单元，用于其中，所述损耗概率识别结果包括所述多个生产工序中各个相邻生产工序的损耗概率。

关于一种管材生产复合监测系统的具体实施例可以参见上文中对于一种管材生产复合监测方法的实施例，在此不再赘述。上述一种管材生产复合监测系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储新闻数据以及时间衰减因子等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种管材生产复合监测方法。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机可读存储介质，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取所述复合生产线的多个生产工序；获取与所述多个生产工序分别对应的生产设备，其中，每个生产工序中至少包括一个设备；以所述生产设备对应的控制参数，生成多个工序控制模块，将所述多个工序控制模块与所述复合数控平台连接；根据所述多个工序控制模块对各个工序进行监测，输出多个工序监测数据集，其中，所述多个工序监测数据集与所述多个生产工序相对应，且相邻工序控制模块数据可交互；基于所述多个工序监测数据集进行控制偏差识别，输出偏差识别结果；根据所述偏差识别结果，输出故障预警信息。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种管材生产复合监测方法，其特征在于，所述方法应用于一种管材生产复合监测系统，所述系统包括复合生产线，所述复合生产线由复合数控平台进行复合控制，所述方法包括：

获取所述复合生产线的多个生产工序；

获取与所述多个生产工序分别对应的生产设备，其中，每个生产工序中至少包括一个设备；

以所述生产设备对应的控制参数，生成多个工序控制模块，将所述多个工序控制模块与所述复合数控平台连接；

根据所述多个工序控制模块对各个工序进行监测，输出多个工序监测数据集，其中，所述多个工序监测数据集与所述多个生产工序相对应，且相邻工序控制模块数据可交互；

基于所述多个工序监测数据集进行控制偏差识别，输出偏差识别结果；

根据所述偏差识别结果，输出故障预警信息。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

对所述多个生产工序中每个工序的设备数量进行判断，获取设备数量大于等于2的N个生产工序，其中，N为大于等于0的正整数，且N小于生产工序的总数量；

根据所述N个生产工序中的设备数量，生成对应数量的设备控制子模块，其中，生产工序与设备控制子模块之间具有多对多的映射关系；

根据所述N个生产工序中每个工序之内的设备协作关系，对每个工序中的设备控制子模块进行连接，输出每个工序对应的工序控制模块。

3.如权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述多个工序控制模块在预设时间段内的多个工序监测数据集，其中，每个工序监测数据集对应一次工序的监测数据集；

对所述多个工序监测数据集进行各组数据比对，标识偏差数据集；

判断所述偏差数据集的偏差度是否大于预设偏差度，若所述偏差数据集的偏差度大于所述预设偏差度，生成预警信号。

4.如权利要求3所述的方法，其特征在于，所述方法还包括：

判断每组工序监测数据集中的数据维度是否大于等于a；

其中，a为预设的数据维度，且a为大于等于2的正整数；

若每组工序监测数据集中的数据维度大于等于a,对各个数据维度进行权重配置，输出权重配置结果；

根据所述权重配置结果对所述偏差数据集进行计算，输出所述偏差数据集的偏差度。

5.如权利要求1所述的方法，其特征在于，通过对所述多个生产工序进行工序重要性识别，获取工序重要性指标，并按照所述工序重要性指标对所述多个工序控制模块进行标识。

6.如权利要求1所述的方法，其特征在于，所述方法还包括：

对所述多个生产工序中相邻生产工序的周转过程进行损耗概率识别，获取损耗概率大于预设损耗概率的相邻工序，对所述相邻工序进行损耗标识，输出损耗标识结果；

按照所述损耗标识结果，对所述多个工序控制模块进行二次标识。

7.如权利要求6所述的方法，其特征在于，对所述多个生产工序中相邻生产工序的周转过程进行损耗概率识别，方法还包括：

对所述多个生产工序中相邻生产工序的周转过程进行分析，获取多个损耗概率，其中，所述多个损耗概率包括周转碰撞损耗概率、周转表面损耗概率和周转变形损耗概率；

以所述周转碰撞损耗概率、所述周转表面损耗概率和所述周转变形损耗概率进行权重计算，输出损耗概率识别结果；

其中，所述损耗概率识别结果包括所述多个生产工序中各个相邻生产工序的损耗概率。

8.一种管材生产复合监测系统，其特征在于，所述系统包括：

生产工序获得模块，用于获取复合生产线的多个生产工序；

生产设备获得模块，用于获取与所述多个生产工序分别对应的生产设备，其中，每个生产工序中至少包括一个设备；

工序控制生成模块，用于以所述生产设备对应的控制参数，生成多个工序控制模块，将所述多个工序控制模块与复合数控平台连接；

监测数据输出模块，用于根据所述多个工序控制模块对各个工序进行监测，输出多个工序监测数据集，其中，所述多个工序监测数据集与所述多个生产工序相对应，且相邻工序控制模块数据可交互；

控制偏差识别模块，用于基于所述多个工序监测数据集进行控制偏差识别，输出偏差识别结果；

故障预警输出模块，用于根据所述偏差识别结果，输出故障预警信息。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

Images