CN116373477B - 一种基于印刷设备运行参数分析的故障预测方法及系统 - Google Patents

一种基于印刷设备运行参数分析的故障预测方法及系统 Download PDF

Info

Publication number
CN116373477B
CN116373477B CN202310657846.1A CN202310657846A CN116373477B CN 116373477 B CN116373477 B CN 116373477B CN 202310657846 A CN202310657846 A CN 202310657846A CN 116373477 B CN116373477 B CN 116373477B
Authority
CN
China
Prior art keywords
value
fault
risk
printing
operation parameters
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.)
Active
Application number
CN202310657846.1A
Other languages
English (en)
Other versions
CN116373477A (zh
Inventor
史法龙
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.)
Shandong Lile New Material Research Institute Co ltd
Original Assignee
Shandong Lile New Material Research Institute 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 Shandong Lile New Material Research Institute Co ltd filed Critical Shandong Lile New Material Research Institute Co ltd
Priority to CN202310657846.1A priority Critical patent/CN116373477B/zh
Publication of CN116373477A publication Critical patent/CN116373477A/zh
Application granted granted Critical
Publication of CN116373477B publication Critical patent/CN116373477B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
    • B41J29/00—Details of, or accessories for, typewriters or selective printing mechanisms not otherwise provided for
    • B41J29/38—Drives, motors, controls or automatic cut-off devices for the entire printing mechanism
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
    • B41J29/00—Details of, or accessories for, typewriters or selective printing mechanisms not otherwise provided for
    • B41J29/38—Drives, motors, controls or automatic cut-off devices for the entire printing mechanism
    • B41J29/393—Devices for controlling or analysing the entire machine ; Controlling or analysing mechanical parameters involving printing of test patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/14—Quality control systems
    • G07C3/146—Quality control systems during manufacturing process
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30144—Printing quality
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Accessory Devices And Overall Control Thereof (AREA)
  • Inking, Control Or Cleaning Of Printing Machines (AREA)

Abstract

本发明涉及设备故障监测领域，公开了一种基于印刷设备运行参数分析的故障预测方法及系统，包括：按照预设频率等周期的获取目标印刷设备中影响印品质量的运行参数；按照预设生成规则对所述运行参数进行处理，根据所述运行参数的种类生成对应的数据图片；根据所述运行参数获取所述目标印刷设备的第一故障风险值；将所述数据图片输入第二风险评估单元，获得所述第二风险评估单元输出的第二故障风险值；按照预设的综合风险评定规则根据所述第一故障风险值和所述第二故障风险值获取故障风险预测概率评分；可以更加准确的对目标印刷设备产生故障的概率进行预估，降低印刷次品出现的概率。

Description

一种基于印刷设备运行参数分析的故障预测方法及系统
技术领域
本发明涉及设备故障监测领域，具体涉及一种基于印刷设备运行参数分析的故障预测方法及系统。
背景技术
印刷故障是在印刷过程中影响生产正常进行或造成印刷品质量缺陷的现象之总称。印刷过程中出现的各种故障，一般来说很少由单一因素所致，多因油墨、纸张、印刷机以及印刷环境条件不协调、相互影响所致。
通常，印刷品会出现蹭脏、印迹发花、糊版、版面起脏、印迹不实等质量问题。目前，对于印刷设备故障的监测一般都是通过人工进行监测判断，而一般人工在监测出有故障问题出现的时候印刷设备已经造成一定的损失，不可靠且缺乏时效性；还有就是通过对某一单一因素进行监控，将采样得到的数据与标准值进行比对，若出现较大的偏差就会触发报警，但是设备在运行中，其关键运行参数受影响而产生波动的因素较为随机，并不可控，如此容易出现误报警的情况，一旦报警则需要停机维护，影响生产效率。
发明内容
本发明的目的在于提供一种基于印刷设备运行参数分析的故障预测系统，解决以下技术问题：
如何及时准确的对印刷设备的潜在故障风险进行预估发现。
本发明的目的可以通过以下技术方案实现：
一种基于印刷设备运行参数分析的故障预测方法，包括：
按照预设频率等周期的获取目标印刷设备中影响印品质量的运行参数；
按照预设生成规则对所述运行参数进行处理，根据所述运行参数的种类生成对应的数据图片；
根据所述运行参数获取所述目标印刷设备的第一故障风险值；
将所述数据图片输入第二风险评估单元，获得所述第二风险评估单元输出的第二故障风险值；
按照预设的综合风险评定规则根据所述第一故障风险值和所述第二故障风险值获取故障风险预测概率评分；
其中，所述运行参数包括工作项参数值和打印纸采样图片；所述数据图片包括数据变化曲线图和采样数据图；
所述数据变化曲线图根据所述工作项参数值的变化生成，所述采样数据图根据所述打印纸采样图片获取；所述第二风险评估单元为经过训练的神经网络模型。
通过上述技术方案，本发明通过对目标印刷设备在某一时间段内代表其运行性能的运行参数以及打印纸在打印前后的采样图进行采样获取，可以分别得到直接根据运行参数计算出的第一故障风险值和根据AI预测得到的第二故障风险值，如此可通过目标印刷设备的具体运行参数对其运行状态进行估测，通过对打印纸的状态监测侧面反应目标印刷设备的运行状态，再结合第二风险评估单元根据目标印刷设备相关运行参数的变化趋势得到的故障预测结果，可以更加准确的对目标印刷设备产生故障的概率进行预估，降低印刷次品出现的概率。
作为本发明进一步的方案：所述根据所述运行参数获取所述目标印刷设备的第一故障风险值的方法包括：
选取同一时长的指定时段T内的个所述工作项参数值；
针对每个所述工作项参数值进行风险预估，得到对应的第i项所述工作项参数值的单项风险值；
其中，为所述目标印刷设备的第i项所述工作项参数值在指定时段T内的平均值，/>为所述目标印刷设备的第i项所述工作项参数值的预设标准状态值；/>为第i项所述工作项参数值超出预设标准范围值的时段；所述预设标准范围值为/>；/>为预设值；
获取打印纸进出的输送状态评分；
根据所述单项风险值获取所述目标印刷设备的所述第一故障风险值/>。
作为本发明进一步的方案：所述获取打印纸进出的输送状态评分的方法包括：
在所述指定时段T内，将打印纸在打印前后路径上的扫描图片作为所述打印纸采样图片；
对打印前扫描图片和打印后扫描图片进行均值化处理以及像素分析；
其中，为所述输送状态评分，/>为打印前扫描图片中的阴影部分面积，为打印前扫描图片的面积，/>为打印后扫描图片的面积。
作为本发明进一步的方案：所述第一故障风险值的获取方法包括：
其中，n为偏离所述预设标准范围值的工作项参数值的种类数，为第i项所述工作项参数值对所述第一故障风险值的影响权重系数，/>为预设的比例放大系数。
作为本发明进一步的方案：所述将所述数据图片输入第二风险评估单元，获得所述第二风险评估单元输出的第二故障风险值的方法包括：
针对一张所述数据变化曲线图，对该所述数据变化曲线图中代表不同项的所述工作项参数值的对应曲线位置进行调整，得到一组至少包含K张数据变化曲线图的组图；
将所述组图依次输入所述第二风险评估单元，得到K个评估结果；
将所述K个评估结果的平均值作为所述第二故障风险值。
作为本发明进一步的方案：所述综合风险评定规则包括：
其中，、/>为对应项加权系数，/>为所述故障风险预测概率评分。
作为本发明进一步的方案：还包括：
将所述故障风险预测概率评分与预设阈值进行比较；
若，发出关于所述目标设备的故障预警信息；
否则，不预警。
一种基于印刷设备运行参数分析的故障预测系统，包括：
采样模块，用于按照预设频率等周期的获取目标印刷设备中影响印品质量的运行参数；
数据处理模块，用于按照预设生成规则对所述运行参数进行处理，根据所述运行参数的种类生成对应的数据图片；将所述数据图片输入第二风险评估单元，获得所述第二风险评估单元输出的第二故障风险值；
第一风险评估单元，用于根据所述运行参数获取所述目标印刷设备的第一故障风险值；
综合评定模块，用于按照预设的综合风险评定规则根据所述第一故障风险值和所述第二故障风险值获取故障风险预测概率评分；
其中，所述运行参数包括工作项参数值和打印纸采样图片；所述数据图片包括数据变化曲线图和采样数据图；
所述数据变化曲线图根据所述工作项参数值的变化生成，所述采样数据图根据所述打印纸采样图片获取；所述第二风险评估单元为经过训练的神经网络模型。
本发明的有益效果：本发明通过对目标印刷设备在某一时间段内代表其运行性能的运行参数以及打印纸在打印前后的采样图进行采样获取，可以分别得到直接根据运行参数计算出的第一故障风险值和根据AI预测得到的第二故障风险值，如此可通过目标印刷设备的具体运行参数对其运行状态进行估测，通过对打印纸的状态监测侧面反应目标印刷设备的运行状态，再结合第二风险评估单元根据目标印刷设备相关运行参数的变化趋势得到的故障预测结果，可以更加准确的对目标印刷设备产生故障的概率进行预估，降低印刷次品出现的概率。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明中印刷设备运行参数分析的故障预测系统的基本模块框架示意图。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明为一种基于印刷设备运行参数分析的故障预测方法，包括：
按照预设频率等周期的获取目标印刷设备中影响印品质量的运行参数；
按照预设生成规则对所述运行参数进行处理，根据所述运行参数的种类生成对应的数据图片；
根据所述运行参数获取所述目标印刷设备的第一故障风险值；
将所述数据图片输入第二风险评估单元，获得所述第二风险评估单元输出的第二故障风险值；
按照预设的综合风险评定规则根据所述第一故障风险值和所述第二故障风险值获取故障风险预测概率评分；
其中，所述运行参数包括工作项参数值和打印纸采样图片；所述数据图片包括数据变化曲线图和采样数据图；
所述数据变化曲线图根据所述工作项参数值的变化生成，所述采样数据图根据所述打印纸采样图片获取；所述第二风险评估单元为经过训练的神经网络模型。
在本发明的本实施例中，目标印刷设备中影响印品质量的运行参数包括但不限于油墨浓度、墨层厚度、印刷压力、印刷温度、印刷速度、输水量大小等。其中，墨层厚度、印刷压力、印刷温度、印刷速度等因素可以导致蹭脏；印刷压力等因素可以导致印迹发花；印刷压力、输水量大小等因素可以导致糊版；印刷压力、输水量大小等因素可以导致版面起脏。在对纸张的输送相关部件的运行进行评估时，由于其输送结构紧凑精密，本实施例在过程中采用对打印纸进行图片扫描采样，得到打印纸采样图片，根据打印纸采样图片对打印纸的状态进行评价，比如出现褶皱或者破损，从而能够侧面反映目标印刷设备的工作情况可能出现问题。
因此，本发明通过对目标印刷设备在某一时间段内代表其运行性能的运行参数以及打印纸在打印前后的采样图进行采样获取，可以分别得到直接根据运行参数计算出的第一故障风险值和根据AI预测得到的第二故障风险值，如此可通过目标印刷设备的具体运行参数对其运行状态进行估测，通过对打印纸的状态监测侧面反应目标印刷设备的运行状态，再结合第二风险评估单元根据目标印刷设备相关运行参数的变化趋势得到的故障预测结果，可以更加准确的对目标印刷设备产生故障的概率进行预估，降低印刷次品出现的概率。
如此，具体的，所述根据所述运行参数获取所述目标印刷设备的第一故障风险值的方法包括：
选取同一时长的指定时段T内的个所述工作项参数值；
针对每个所述工作项参数值进行风险预估，得到对应的第i项所述工作项参数值的单项风险值；
其中，为所述目标印刷设备的第i项所述工作项参数值在指定时段T内的平均值，/>为所述目标印刷设备的第i项所述工作项参数值的预设标准状态值；/>为第i项所述工作项参数值超出预设标准范围值的时段；所述预设标准范围值为/>；/>为预设值；
获取打印纸进出的输送状态评分；
根据所述单项风险值获取所述目标印刷设备的所述第一故障风险值/>。
在上述技术方案中，预设标准状态值和预设标准范围值均为根据不同目标印刷设备在不同印刷批次根据历史经验进行设定的初始值；以印刷温度为例，在指定时段T内，当印刷温度超过预设标准范围值时，记录其超过预设标准范围值的时间之和，/>越大，说明印刷温度产生异常的概率越大，/>则可以表示平均的印刷温度偏离正常值的幅度，/>越大，同样说明印刷温度产生异常的概率越大，如此可得到表示印刷温度异常程度的单项风险值/>。
作为本发明进一步的方案：所述获取打印纸进出的输送状态评分的方法包括：
在所述指定时段T内，将打印纸在打印前后路径上的扫描图片作为所述打印纸采样图片；
对打印前扫描图片和打印后扫描图片进行均值化处理以及像素分析；
其中，为所述输送状态评分，/>为打印前扫描图片中的阴影部分面积，为打印前扫描图片的面积，/>为打印后扫描图片的面积，/>为预设比例系数。
如此设计，若打印纸在进入打印部之前出现褶皱，经过均值化处理，可在打印前扫描图片显现出褶皱痕迹，所代表的阴影部分即为该褶皱痕迹的面积大小，而出现褶皱的打印纸会在整体面积上产生缩小的情况，/>则表示打印纸缩小的幅度，因此越大，表示打印纸在打印前、中、后出现异常的概率越大。
作为本发明进一步的方案：所述第一故障风险值的获取方法包括：
其中，n为偏离所述预设标准范围值的工作项参数值的种类数，比如印刷压力和印刷温度均偏离了各自对应的预设标准范围值，则n为2；为第i项所述工作项参数值对所述第一故障风险值的影响权重系数，/>为预设的比例放大系数。
作为本发明进一步的方案：所述将所述数据图片输入第二风险评估单元，获得所述第二风险评估单元输出的第二故障风险值的方法包括：
针对一张所述数据变化曲线图，对该所述数据变化曲线图中代表不同项的所述工作项参数值的对应曲线位置进行调整，得到一组至少包含K张数据变化曲线图的组图；
将所述组图依次输入所述第二风险评估单元，得到K个评估结果；
将所述K个评估结果的平均值作为所述第二故障风险值。
在本实施例中，第二风险评估单元基于LSTM神经网络模型进行训练获取，训练方法包括：
针对试试目标印刷设备获取历史数据：历史数据包括近三个月以上的历史数据变化曲线图；对历史数据变化曲线图进行数据匹配，也就是将历史数据变化曲线图与历史第二故障风险值进行一一匹配，然后按照比例划分测试集和训练集；
搭建LSTM神经网络，初始化模型参数，初始化定义学习率lr，定义损失函数、优化器函数；
模型训练：将初始定义的模型参数带入神经网络训练，计算每轮训练后的模型分类准确率集计算每轮训练后的损失，对损失函数求梯度，根据梯度、初始设定学习率对模型参数进行迭代；当模型损失函数小于0.1、模型准确率大于85%时，结束训练，保存模型；
模型测试：基于最终模型参数组合，用测试集数据对历史数据变化曲线图进行测试识别，输出最终基于tensorflow LSTM神经网络的第二风险评估单元的预测准确率；当预测准确率满足要求时投入使用。
作为本发明进一步的方案：所述综合风险评定规则包括：
其中，、/>为对应项加权系数，/>为所述故障风险预测概率评分。
作为本发明进一步的方案：还包括：
将所述故障风险预测概率评分与预设阈值进行比较；
若，发出关于所述目标设备的故障预警信息；
否则，不预警。
如图1所示，一种基于印刷设备运行参数分析的故障预测系统，包括：
采样模块，用于按照预设频率等周期的获取目标印刷设备中影响印品质量的运行参数；
数据处理模块，用于按照预设生成规则对所述运行参数进行处理，根据所述运行参数的种类生成对应的数据图片；将所述数据图片输入第二风险评估单元，获得所述第二风险评估单元输出的第二故障风险值；
第一风险评估单元，用于根据所述运行参数获取所述目标印刷设备的第一故障风险值；
综合评定模块，用于按照预设的综合风险评定规则根据所述第一故障风险值和所述第二故障风险值获取故障风险预测概率评分；
其中，所述运行参数包括工作项参数值和打印纸采样图片；所述数据图片包括数据变化曲线图和采样数据图；
所述数据变化曲线图根据所述工作项参数值的变化生成，所述采样数据图根据所述打印纸采样图片获取；所述第二风险评估单元为经过训练的神经网络模型。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (3)

1.一种基于印刷设备运行参数分析的故障预测方法，其特征在于，包括：
按照预设频率等周期的获取目标印刷设备中影响印品质量的运行参数；
按照预设生成规则对所述运行参数进行处理，根据所述运行参数的种类生成对应的数据图片；
根据所述运行参数获取所述目标印刷设备的第一故障风险值；
将所述数据图片输入第二风险评估单元，获得所述第二风险评估单元输出的第二故障风险值；
按照预设的综合风险评定规则根据所述第一故障风险值和所述第二故障风险值获取故障风险预测概率评分；
其中，所述运行参数包括工作项参数值和打印纸采样图片；所述数据图片包括数据变化曲线图和采样数据图；
所述数据变化曲线图根据所述工作项参数值的变化生成，所述采样数据图根据所述打印纸采样图片获取；所述第二风险评估单元为经过训练的神经网络模型；
所述根据所述运行参数获取所述目标印刷设备的第一故障风险值的方法包括：
选取同一时长的指定时段T内的个所述工作项参数值；
针对每个所述工作项参数值进行风险预估，得到对应的第i项所述工作项参数值的单项风险值；
其中，为所述目标印刷设备的第i项所述工作项参数值在指定时段T内的平均值，/>为所述目标印刷设备的第i项所述工作项参数值的预设标准状态值；/>为第i项所述工作项参数值超出预设标准范围值的时段；所述预设标准范围值为/>；/>为预设值；
获取打印纸进出的输送状态评分；
根据所述单项风险值获取所述目标印刷设备的所述第一故障风险值/>；
所述将所述数据图片输入第二风险评估单元，获得所述第二风险评估单元输出的第二故障风险值的方法包括：
针对一张所述数据变化曲线图，对该所述数据变化曲线图中代表不同项的所述工作项参数值的对应曲线位置进行调整，得到一组至少包含K张数据变化曲线图的组图；
将所述组图依次输入所述第二风险评估单元，得到K个评估结果；
将所述K个评估结果的平均值作为所述第二故障风险值；
所述综合风险评定规则包括：
其中，、/>为对应项加权系数，/>为所述故障风险预测概率评分；
所述获取打印纸进出的输送状态评分的方法包括：
在所述指定时段T内，将打印纸在打印前后路径上的扫描图片作为所述打印纸采样图片；
对打印前扫描图片和打印后扫描图片进行均值化处理以及像素分析；
其中，为所述输送状态评分，/>为打印前扫描图片中的阴影部分面积，/>为打印前扫描图片的面积，/>为打印后扫描图片的面积；/>为预设比例系数；
所述第一故障风险值的获取方法包括：
其中，n为偏离所述预设标准范围值的工作项参数值的种类数，为第i项所述工作项参数值对所述第一故障风险值的影响权重系数，/>为预设的比例放大系数。
2.根据权利要求1所述的基于印刷设备运行参数分析的故障预测方法，其特征在于，还包括：
将所述故障风险预测概率评分与预设阈值进行比较；
若，发出关于所述目标印刷设备的故障预警信息；
否则，不预警。
3.一种基于印刷设备运行参数分析的故障预测系统，其特征在于，实现如权利要求1-2中任意一项的所述一种基于印刷设备运行参数分析的故障预测方法，包括：
采样模块，用于按照预设频率等周期的获取目标印刷设备中影响印品质量的运行参数；
数据处理模块，用于按照预设生成规则对所述运行参数进行处理，根据所述运行参数的种类生成对应的数据图片；将所述数据图片输入第二风险评估单元，获得所述第二风险评估单元输出的第二故障风险值；
第一风险评估单元，用于根据所述运行参数获取所述目标印刷设备的第一故障风险值；
综合评定模块，用于按照预设的综合风险评定规则根据所述第一故障风险值和所述第二故障风险值获取故障风险预测概率评分；
其中，所述运行参数包括工作项参数值和打印纸采样图片；所述数据图片包括数据变化曲线图和采样数据图；
所述数据变化曲线图根据所述工作项参数值的变化生成，所述采样数据图根据所述打印纸采样图片获取；所述第二风险评估单元为经过训练的神经网络模型。
CN202310657846.1A 2023-06-06 2023-06-06 一种基于印刷设备运行参数分析的故障预测方法及系统 Active CN116373477B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310657846.1A CN116373477B (zh) 2023-06-06 2023-06-06 一种基于印刷设备运行参数分析的故障预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310657846.1A CN116373477B (zh) 2023-06-06 2023-06-06 一种基于印刷设备运行参数分析的故障预测方法及系统

Publications (2)

Publication Number Publication Date
CN116373477A CN116373477A (zh) 2023-07-04
CN116373477B true CN116373477B (zh) 2023-08-15

Family

ID=86961918

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310657846.1A Active CN116373477B (zh) 2023-06-06 2023-06-06 一种基于印刷设备运行参数分析的故障预测方法及系统

Country Status (1)

Country Link
CN (1) CN116373477B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116916550B (zh) * 2023-07-14 2024-04-26 萍乡市联锦成科技有限公司 一种印刷电路板制造控制系统

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0482740A (ja) * 1990-05-31 1992-03-16 Kanzaki Paper Mfg Co Ltd 印刷むら評価方法及び装置
JPH0679862A (ja) * 1992-07-27 1994-03-22 Harii:Kk 印刷紙面品質検査方法及び装置
JPH0852862A (ja) * 1994-08-16 1996-02-27 Tokyo Kikai Seisakusho Ltd 多色刷輪転機における見当誤差検出方法、見当誤差検出装置及び見当調整自動制御装置
JPH11277850A (ja) * 1998-03-30 1999-10-12 Hitachi Ltd 障害検出機能付き印刷装置及び障害検出方式
JP2000289310A (ja) * 1999-04-06 2000-10-17 Showa Information Systems Co Ltd 印刷物の検査装置および検査方法
JP2004188959A (ja) * 2002-11-29 2004-07-08 Mitsubishi Heavy Ind Ltd 印刷機診断方法
DE10361936A1 (de) * 2003-12-29 2005-07-28 Lpcon Gmbh Vorrichtung zur Fehlererkennung an Druckbildern während des Druckprozesses
CN106951197A (zh) * 2017-01-19 2017-07-14 北京印刷学院 一种基于信号测试的印刷设备远程故障诊断方法及系统
CN110717889A (zh) * 2019-09-06 2020-01-21 深圳新视智科技术有限公司 基于数码印刷的缺陷检测方法、装置、终端及可读介质
CN111145163A (zh) * 2019-12-30 2020-05-12 深圳市中钞科信金融科技有限公司 一种纸张褶皱缺陷检测方法及装置
CN111231530A (zh) * 2020-01-14 2020-06-05 天津迦自机器人科技有限公司 一种双色打印机质量检测方法
CN113125937A (zh) * 2021-03-09 2021-07-16 浙江零跑科技有限公司 一种车载印刷电路板组件运行故障的快速预警方法
JP2021107947A (ja) * 2018-04-05 2021-07-29 コニカミノルタ株式会社 印刷物検査装置、印刷物検査方法、および印刷物検査プログラム
CN114281282A (zh) * 2022-03-08 2022-04-05 中体彩印务技术有限公司 一种印刷监控方法及其系统
CN114489528A (zh) * 2022-04-18 2022-05-13 中体彩印务技术有限公司 一种印刷设备故障监测方法及系统
CN115238741A (zh) * 2022-07-27 2022-10-25 成都市安诺达机电设备有限公司 一种基于人工智能的印刷品生产智能在线监测调控管理系统

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0482740A (ja) * 1990-05-31 1992-03-16 Kanzaki Paper Mfg Co Ltd 印刷むら評価方法及び装置
JPH0679862A (ja) * 1992-07-27 1994-03-22 Harii:Kk 印刷紙面品質検査方法及び装置
JPH0852862A (ja) * 1994-08-16 1996-02-27 Tokyo Kikai Seisakusho Ltd 多色刷輪転機における見当誤差検出方法、見当誤差検出装置及び見当調整自動制御装置
JPH11277850A (ja) * 1998-03-30 1999-10-12 Hitachi Ltd 障害検出機能付き印刷装置及び障害検出方式
JP2000289310A (ja) * 1999-04-06 2000-10-17 Showa Information Systems Co Ltd 印刷物の検査装置および検査方法
JP2004188959A (ja) * 2002-11-29 2004-07-08 Mitsubishi Heavy Ind Ltd 印刷機診断方法
DE10361936A1 (de) * 2003-12-29 2005-07-28 Lpcon Gmbh Vorrichtung zur Fehlererkennung an Druckbildern während des Druckprozesses
CN106951197A (zh) * 2017-01-19 2017-07-14 北京印刷学院 一种基于信号测试的印刷设备远程故障诊断方法及系统
JP2021107947A (ja) * 2018-04-05 2021-07-29 コニカミノルタ株式会社 印刷物検査装置、印刷物検査方法、および印刷物検査プログラム
CN110717889A (zh) * 2019-09-06 2020-01-21 深圳新视智科技术有限公司 基于数码印刷的缺陷检测方法、装置、终端及可读介质
CN111145163A (zh) * 2019-12-30 2020-05-12 深圳市中钞科信金融科技有限公司 一种纸张褶皱缺陷检测方法及装置
CN111231530A (zh) * 2020-01-14 2020-06-05 天津迦自机器人科技有限公司 一种双色打印机质量检测方法
CN113125937A (zh) * 2021-03-09 2021-07-16 浙江零跑科技有限公司 一种车载印刷电路板组件运行故障的快速预警方法
CN114281282A (zh) * 2022-03-08 2022-04-05 中体彩印务技术有限公司 一种印刷监控方法及其系统
CN114489528A (zh) * 2022-04-18 2022-05-13 中体彩印务技术有限公司 一种印刷设备故障监测方法及系统
CN115238741A (zh) * 2022-07-27 2022-10-25 成都市安诺达机电设备有限公司 一种基于人工智能的印刷品生产智能在线监测调控管理系统

Also Published As

Publication number Publication date
CN116373477A (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
CN116373477B (zh) 一种基于印刷设备运行参数分析的故障预测方法及系统
CN106934800B (zh) 一种基于yolo9000网络的金属板带表面缺陷检测方法及装置
CN114312004B (zh) 一种彩票印刷质量监控方法及系统
KR930003403B1 (ko) 피드포워드 뉴럴 네트워크를 이용하는 객체 방향 검출방법 및 장치
CN111242123A (zh) 一种基于红外图像的电力设备故障诊断方法
CA3093498A1 (en) Label data processing system
CA2391716A1 (fr) Procede et systeme multidimensionnel de maitrise statistique des processus
CN110795051B (zh) 一种防止印刷数据错误的印刷方法及印刷系统
CN113468479B (zh) 一种基于数据驱动的冷连轧工业过程监测与异常检测方法
CN112132196A (zh) 一种结合深度学习和图像处理的烟盒缺陷识别方法
CN118358268B (zh) 一种基于全方位的纺织设备在线实时监测控制系统
CN115204257A (zh) 一种用于传感器数据的异常监测方法
US20100039510A1 (en) Method and DEVICE for PRINT INSPECTION
CN114266764A (zh) 一种印刷标签的字符完整性检测方法及其装置
CN117764970A (zh) 一种基于图像特征的印刷品质量检测方法及系统
CN117891159A (zh) 一种基于大数据的食品加工控制系统及方法
CN114968137A (zh) 一种基于大数据分析的智能制造工业生产协同管理平台
CN118379287A (zh) 一种基于图像识别的印刷产品质量监测分析方法及系统
CN117576031A (zh) 一种基于监视印刷图文检测的物联系统
CN116401570B (zh) 一种印刷质量监测大数据智能处理系统
CN115345842A (zh) 一种基于深度学习的汽车关键部件相似比对方法
TWM619409U (zh) 智慧化加工系統
CN113269771A (zh) 一种香烟包装印刷用瑕疵检测方法
JP2019215348A (ja) 画像検査ロボット
CN114862806B (zh) 一种成品钢板喷印质量检测方法及系统

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
GR01 Patent grant
GR01 Patent grant