CN116627093B - 一种丁腈手套加工控制方法、系统、设备及存储介质 - Google Patents
一种丁腈手套加工控制方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN116627093B CN116627093B CN202310416176.4A CN202310416176A CN116627093B CN 116627093 B CN116627093 B CN 116627093B CN 202310416176 A CN202310416176 A CN 202310416176A CN 116627093 B CN116627093 B CN 116627093B
- Authority
- CN
- China
- Prior art keywords
- coefficients
- sample
- supervision
- production
- coefficient
- 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
Links
- 150000002825 nitriles Chemical class 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000012545 processing Methods 0.000 title abstract description 16
- 238000004519 manufacturing process Methods 0.000 claims abstract description 267
- 238000004458 analytical method Methods 0.000 claims abstract description 122
- 238000012544 monitoring process Methods 0.000 claims abstract description 114
- 230000002950 deficient Effects 0.000 claims abstract description 109
- 238000003908 quality control method Methods 0.000 claims abstract description 22
- 230000007547 defect Effects 0.000 claims abstract description 14
- 238000000556 factor analysis Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004886 process control Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 238000013075 data extraction Methods 0.000 claims description 4
- 238000012797 qualification Methods 0.000 abstract description 4
- 230000005856 abnormality Effects 0.000 abstract 1
- 230000002159 abnormal effect Effects 0.000 description 8
- 238000007405 data analysis Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000011368 organic material Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- KAKZBPTYRLMSJV-UHFFFAOYSA-N Butadiene Chemical compound C=CC=C KAKZBPTYRLMSJV-UHFFFAOYSA-N 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- NLHHRLWOUZZQLW-UHFFFAOYSA-N Acrylonitrile Chemical compound C=CC#N NLHHRLWOUZZQLW-UHFFFAOYSA-N 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 238000007720 emulsion polymerization reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004816 latex Substances 0.000 description 1
- 229920000126 latex Polymers 0.000 description 1
- 238000011418 maintenance treatment Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- 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
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及数据处理技术领域,提供一种丁腈手套加工控制方法、系统、设备及存储介质。通过根据手套生产多个生产步骤的故障系数和次品系数,获取多个生产步骤的多个监督系数和控制成本系数;分别将多个监督系数和多个控制成本系数输入监控频率分析模型内,获得多个监控频率分析结果;基于多个监控频率分析结果,对多个生产步骤进行监控和质量控制。解决现有技术中存在对丁腈手套生产工艺流程运行状况监测有效性不足,导致丁腈手套产品生产设备故障缺陷发现不及时且产品品控较差的技术问题,实现及时发觉并运维处理存在异常的生产步骤设备,降低丁腈手套生产次品率以及生产工艺流程运行停滞时间,提高丁腈手套生产效率和品控合格率的技术效果。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种丁腈手套加工控制方法、系统、设备及存储介质。
背景技术
随着材料科学的发展,能够满足公众使用需求的各类型有机材料从实验室走进工厂,被加工为各类型有机材料产品广泛应用于家务劳作、电子化工、工厂防护、医疗工作等多领域。
由丁二烯和丙烯腈经乳液聚合法制得的丁腈手套作为有机材料产品的集大成者,由于其具有耐油性极好,耐磨性较高,耐热性较好的特性,在广受各个领域工作人员使用好评的同时,其产品生产工艺流程以发展成熟,能够实现工业化大批量生产,但是现阶段丁腈手套存在生产品控稳定性不足的缺陷。
综上所述,现有技术中存在对丁腈手套生产工艺流程运行状况监测有效性不足,导致丁腈手套产品生产设备故障缺陷发现不及时且产品品控较差的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够实现及时发觉并运维处理存在异常的生产步骤设备,降低丁腈手套生产次品率以及生产工艺流程运行停滞时间,提高丁腈手套生产效率和品控合格率的一种丁腈手套加工控制方法、系统、设备及存储介质。
一种丁腈手套加工控制方法,方法包括:获取丁腈手套生产的生产工艺流程,其中,所述生产工艺流程内包括多个生产步骤;基于历史时间内采用所述生产工艺流程进行生产的数据,获取所述多个生产步骤的多个故障系数和多个次品系数;将所述多个故障系数和多个次品系数分别输入监督系数分析模型内,获得所述多个生产步骤的多个监督系数;获取所述多个生产步骤进行质量控制的多个控制成本系数;分别将所述多个监督系数和所述多个控制成本系数输入监控频率分析模型内,获得多个监控频率分析结果;基于所述多个监控频率分析结果,对所述多个生产步骤进行监控和质量控制。
一种丁腈手套加工控制系统,所述系统包括:生产工艺获得模块,用于获取丁腈手套生产的生产工艺流程,其中,所述生产工艺流程内包括多个生产步骤;生产数据提取模块,用于基于历史时间内采用所述生产工艺流程进行生产的数据,获取所述多个生产步骤的多个故障系数和多个次品系数;监督系数获得模块,用于将所述多个故障系数和多个次品系数分别输入监督系数分析模型内,获得所述多个生产步骤的多个监督系数;成本系数获取模块,用于获取所述多个生产步骤进行质量控制的多个控制成本系数;监控频率分析模块,用于分别将所述多个监督系数和所述多个控制成本系数输入监控频率分析模型内,获得多个监控频率分析结果;生产步骤控制模块,用于基于所述多个监控频率分析结果,对所述多个生产步骤进行监控和质量控制。
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:
获取丁腈手套生产的生产工艺流程,其中,所述生产工艺流程内包括多个生产步骤;
基于历史时间内采用所述生产工艺流程进行生产的数据,获取所述多个生产步骤的多个故障系数和多个次品系数;
将所述多个故障系数和多个次品系数分别输入监督系数分析模型内,获得所述多个生产步骤的多个监督系数;
获取所述多个生产步骤进行质量控制的多个控制成本系数;
分别将所述多个监督系数和所述多个控制成本系数输入监控频率分析模型内,获得多个监控频率分析结果;
基于所述多个监控频率分析结果,对所述多个生产步骤进行监控和质量控制。
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:
获取丁腈手套生产的生产工艺流程,其中,所述生产工艺流程内包括多个生产步骤;
基于历史时间内采用所述生产工艺流程进行生产的数据,获取所述多个生产步骤的多个故障系数和多个次品系数;
将所述多个故障系数和多个次品系数分别输入监督系数分析模型内,获得所述多个生产步骤的多个监督系数;
获取所述多个生产步骤进行质量控制的多个控制成本系数;
分别将所述多个监督系数和所述多个控制成本系数输入监控频率分析模型内,获得多个监控频率分析结果;
基于所述多个监控频率分析结果,对所述多个生产步骤进行监控和质量控制。
上述一种丁腈手套加工控制方法、系统、设备及存储介质,解决了现有技术中存在对丁腈手套生产工艺流程运行状况监测有效性不足,导致丁腈手套产品生产设备故障缺陷发现不及时且产品品控较差的技术问题,实现了及时发觉并运维处理存在异常的生产步骤设备,降低丁腈手套生产次品率以及生产工艺流程运行停滞时间,提高丁腈手套生产效率和品控合格率的技术效果。
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丁腈手套加工控制方法的流程示意图;
图2为一个实施例中一种丁腈手套加工控制方法中获故障系数和次品系数的流程示意图;
图3为一个实施例中一种丁腈手套加工控制系统的结构框图;
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:生产工艺获得模块1,生产数据提取模块2,监督系数获得模块3,成本系数获取模块4,监控频率分析模块5,生产步骤控制模块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,本申请提供了一种丁腈手套加工控制方法,所述方法包括:
S100:获取丁腈手套生产的生产工艺流程,其中,所述生产工艺流程内包括多个生产步骤;
具体而言,在本实施例中,所述丁腈手套为经由浸渍丁腈胶乳、成型、硫化、表面处理、无尘清洗等多个工艺流程制作的,具有耐化学性优势,广泛应用于家务劳作、电子化工、工厂防护、医疗工作等多领域的操作手套。
不同企业生产所述丁腈手套的生产工艺流程大同小异,因而本实施例随机选取任一丁腈手套生产企业的丁腈手套生产工艺流程以及生产数据信息进行丁腈手套生产加工优化控制方法的阐述。基于所述生产工艺流程提取获得多个生产步骤。
S200:基于历史时间内采用所述生产工艺流程进行生产的数据,获取所述多个生产步骤的多个故障系数和多个次品系数;
在一个实施例中,如图2所示,基于历史时间内采用所述生产工艺流程进行生产的数据,获取所述多个生产步骤的多个故障系数和多个次品系数,本申请提供的方法步骤S200还包括:
S210:基于历史时间内的丁腈手套生产日志,获取预设时间周期内的生产次数信息;
S220:获取所述预设时间周期内所述多个生产步骤的多个故障次数信息;
S230:获取所述预设时间周期内所述多个生产步骤的多个次品次数信息;
S240:基于所述生产次数信息、多个故障次数信息和多个次品次数信息,计算获得所述多个故障系数和多个次品系数。
在一个实施例中,基于所述生产次数信息、多个故障次数信息和多个次品次数信息,计算获得所述多个故障系数和多个次品系数,本申请提供的方法步骤S240还包括:
S241:计算所述多个故障次数信息和所述生产次数信息的比值,获得所述多个故障系数;
S242:计算所述多个次品次数信息与所述生产次数信息的比值,获得所述多个次品系数。
具体而言,应理解的,丁腈手套在生产工艺流程中,任一生产步骤都存在由于生产步骤设备存在运行缺陷或发生设备故障,造成丁腈手套生产瑕疵,导致丁腈手套为次品的可能。
因而,在本实施例中,预设时间周期进行丁腈手套生产日志调用,例如调用丁腈手套过去一个月时间内的生产日志,所述生产日志具体包括过去预设时间周期内,以单只为计量单位记录的丁腈手套生产工艺流程中各个生产步骤发生故障的次数情况以及导致丁腈手套为残次品的生产步骤。
需注意的,生产步骤的故障次数信息为记录导致生产工艺流程无法流畅进行丁腈手套加工的生产步骤设备故障。生产步骤的次品次数信息为生产工艺流程流畅进行丁腈手套加工过程中导致丁腈手套为残次品的生产步骤设备运行缺陷。
基于历史时间内的丁腈手套生产日志,获取预设时间周期内的生产次数信息,所述生产次数信息为以生产单只丁腈手套计次所获信息,例如预设时间周期内生产单只丁腈手套103只,则所述生产次数信息即为103次。
基于所述丁腈手套生产日志提取获得所述预设时间周期内所述多个生产步骤的多个故障次数信息,基于所述丁腈手套生产日志提取获得所述预设时间周期内所述多个生产步骤的多个次品次数信息。
计算所述多个故障次数信息和所述生产次数信息的比值,获得所述多个故障系数,所述多个故障系数对应于多个生产步骤,表征多个生产步骤在历史预设时间周期内发生导致生产工艺流程无法正常运转的运行故障的概率。
计算所述多个次品次数信息与所述生产次数信息的比值,获得所述多个次品系数,所述多个故障系数对应于多个生产步骤,表征多个生产步骤在历史预设时间周期内发生导致丁腈手套为残次品的运行缺陷的概率。
本实施例通过提取数据计算获得多个生产步骤的多个故障系数和多个次品系数,为后续对生产工艺流程中生产步骤进行针对性控制优化,提高丁腈手套生产加工稳定性,提供基准数据的技术效果。
S300:将所述多个故障系数和多个次品系数分别输入监督系数分析模型内,获得所述多个生产步骤的多个监督系数;
在一个实施例中,将所述多个故障系数和多个次品系数分别输入监督系数分析模型内,获得所述多个生产步骤的多个监督系数,本申请提供的方法步骤S300还包括:
S310:基于历史时间内的丁腈手套生产日志,获取样本故障系数集合和样本次品系数集合;
S320:对所述样本故障系数集合内的样本故障系数和所述样本次品系数集合内的样本次品系数进行随机组合和评估,获得样本监督系数集合;
S330:采用所述样本故障系数集合、样本次品系数集合和样本监督系数集合,构建所述监督系数分析模型,其中,所述监督系数分析模型内包括分析坐标系,所述分析坐标系内包括多个样本坐标点,每个坐标点被一对应的样本监督系数标记;
S340:分别将所述多个生产步骤的多个故障系数和多个次品系数组合,并输入所述监督系数分析模型内,获得多个当前坐标点;
S350:分别获取所述多个当前坐标点最邻近的K个样本坐标点,并分别获取对应的K个样本监督系数,将出现频率最高的多个样本监督系数作为所述多个监督系数,其中,K为奇数。
在一个实施例中,采用所述样本故障系数集合、样本次品系数集合和样本监督系数集合,构建所述监督系数分析模型,本申请提供的方法步骤S330还包括:
S331:基于故障系数和次品系数,构建所述分析坐标系的横坐标轴和纵坐标轴;
S332:对所述样本故障系数集合内的样本故障系数和所述样本次品系数集合内的样本次品系数进行随机组合,并输入所述分析坐标系,获得所述多个样本坐标点;
S333:采用所述样本监督系数集合内的样本监督系数,对所述多个样本坐标点进行标记,获得所述监督系数分析模型。
具体而言,本实施例根据不同生产步骤发生设备故障以及运行缺陷的频次不同,对于不同生产步骤投入不同监督力度。
在本实施例中,根据不同生产步骤发生设备故障以及运行缺陷的频次不同,获得表征对各个生产步骤进行有效监督以及时排除生产步骤设备故障或运行缺陷的所述监督系数。
为提高所获监督系数的科学准确性,本实施通过构建所述监督系数分析模型进行监督系数分析确定,所述监督系数分析模型的输入数据为故障系数和次品系数,输出结果为监督系数。
采集获取历史时间内(例如X个月内)的丁腈手套生产日志,将所获丁腈手套生产日志以Z天为划分节点,划分获得获取多个样本丁腈手套生产日志,对于多个样本丁腈手套生产日志,采用步骤S200相同方法获得多个样本故障系数以及多个样本次品系数,构成所述样本故障系数集合和样本次品系数集合。
对所述样本故障系数集合内的样本故障系数和所述样本次品系数集合内的样本次品系数进行两两随机选择和组合,并对每一组样本故障系数和样本次品系数进行评估,获得样本监督系数集合。
对任意一组样本故障系数和样本次品系数进行评估的方法为,对每一组样本故障系数和样本次品系数,计算样本故障系数和样本次品系数的均值,并乘以100进行取整操作,获得样本监督系数,其中,样本故障系数和/或样本次品系数越大,则获得的样本监督系数越大。
采用相同方法进行每一组样本故障系数和样本次品系数的计算评估,获得每一组样本故障系数和样本次品系数的样本监督系数,构成所述样本监督系数集合。
本实施例通过计算故障系数和次品系数的方式评估获取监督系数,获得了科学客观的样本监督系数集合。
所述监督系数分析模型为基于分析坐标系构建的数据分析模型,所述监督系数分析模型具体包括数据输入层、数据分析层、数据输出层。
具体的,基于分析坐标系构建所述监督系数分析模型的数据分析层,其中,在数据分析层的分析坐标系中,横坐标轴表征故障系数,纵坐标轴表征次品系数。将所述样本故障系数集合内的样本故障系数和所述样本次品系数集合内的样本次品系数进行随机组合,并输入所述分析坐标系,获得所述多个样本坐标点,每一样本坐标点对应于一组样本故障系数和样本次品系数的交点,并采用对应该组样本故障系数和样本次品系数的样本监督系数进行坐标点标记,完成所述监督系数分析模型的数据分析层构建。
分别将所述多个生产步骤的多个故障系数和多个次品系数组合,并输入所述监督系数分析模型内,获得多个当前坐标点,所述当前坐标点为步骤S200中故障系数与次品系数组合在所述分析坐标系中映射的实际坐标点。
本实施例以获得多个当前坐标点中随意一当前坐标点的监督系数为例进行多个当前坐标点的多个监督系数获得方法的详细阐述。以当前坐标点为圆心,预设数据采集半径画圆,以圈定范围内的出现的样本坐标点作为与当前坐标点最邻近的K个样本坐标点,并分别获取对应的K个样本监督系数(K为奇数),将出现频率最高的样本监督系数作为所述当前坐标点的监督系数。采用相同方法获得多个当前坐标点的多个监督系数。
本实施例通过构建监督系数分析模型,实现了根据生产步骤的故障系数和次品系数,科学准确获得表征对生产步骤进行有效监督以及时排除生产步骤设备故障或运行缺陷的监督系数的技术效果。
S400:获取所述多个生产步骤进行质量控制的多个控制成本系数;
在一个实施例中,获取所述多个生产步骤进行质量控制的多个控制成本系数,本申请提供的方法步骤S400还包括:
S410:获取基于历史时间内的丁腈手套生产日志,获取所述多个生产步骤进行质量控制的多个控制成本,并获取所述生产工艺流程的总控制成本;
S420:计算所述多个控制成本和所述总控制成本的比例,获得所述多个控制成本系数。
具体而言,应理解的,在丁腈手套生产工艺流程中,不同生产步骤的生产设备以及具体工艺方法不同,相应的,进行生产步骤设备控制以确保该工艺步骤设备正常运行,避免生产步骤中设备运行缺陷导致生产残次品丁腈手套所需经济成本也不同。
因而在本实施例中,获取历史时间内的丁腈手套生产日志,获取在历史时间跨度内,投入于每一生产步骤质量控制所消耗的经济成本,获得对应于每一生产步骤的所述控制成本,综合获得多个生产步骤进行质量控制的多个控制成本。
将多个生产步骤进行质量控制的多个控制成本进行加和处理,获得所述生产工艺流程的总控制成本,计算所述多个控制成本和所述总控制成本的比例,并乘以10进行取整,获得所述多个控制成本系数,所述多个成本系数对应于多个生产步骤,所述控制成本系数用于表征对某一生产步骤进行监控检测以规避生产残次品丁腈手套的设备控制所耗费的经济成本占生产工艺全流程设备控制经济成本占比情况。本实施例获得多个控制成本系数与前期获得的多个监督系数,实现了为后续确定生产工艺系统中各个工艺步骤的运行状态监控频率提供参考数据的技术效果。
S500:分别将所述多个监督系数和所述多个控制成本系数输入监控频率分析模型内,获得多个监控频率分析结果;
在一个实施例中,分别将所述多个监督系数和所述多个控制成本系数输入监控频率分析模型内,获得多个监控频率分析结果,本申请提供的方法步骤S500还包括:
S510:获取样本监督系数集合和样本控制成本系数集合;
S520:对所述样本监督系数集合内的样本监督系数和所述样本控制成本系数集合内的样本控制成本系数进行随机组合和评估,获得样本监控频率分析结果集合;
S530:基于所述样本监督系数集合和样本控制成本系数集合,构建获得多级第一决策节点和多级第二决策节点,其中,每级第一决策节点对输入的监督系数进行划分决策,每级第二决策节点对输入的控制成本系数进行划分决策;
S540:连接所述多级第一决策节点和多级第二决策节点,并获得多个最终划分结果;
S550:采用所述样本监控频率分析结果集合内的样本监控频率分析结果作为多个决策结果,对所述多个最终划分结果进行标记,获得所述监控频率分析模型;
S560:分别将所述多个监督系数和所述多个控制成本系数输入所述监控频率分析模型内,获得所述多个监控频率分析结果。
具体而言,在本实施例中,所述监控频率分析结果为对任一生产步骤的生产设备运行状态进行周期性运行数据采集或图像采集,以判断生产步骤中生产设备是否存在运行异常的监控频率,进而及时进行异常生产设备运维管理,降低丁腈手套生产次品率以及降低生产设备维修造成生产工艺流程运行停滞时间,提高丁腈手套生产效率。
本实施例为提高获得所述监控频率分析结果的科学性,采用监控频率分析模型进行每一生产步骤的监督系数和控制成本系数的数据分析,获得所述监控频率分析结果。
将所获丁腈手套生产日志以Z天为划分节点,划分获得获取多个样本丁腈手套生产日志,对于多个样本丁腈手套生产日志,并采用步骤S400方法获得样本控制成本系数集合。对于多个样本丁腈手套生产日志,采用步骤S200相同方法获得多个样本故障系数以及多个样本次品系数,构成所述样本故障系数集合和样本次品系数集合,并采用步骤S300方法获得样本监督系数集合。
对所述样本监督系数集合内的样本监督系数和所述样本控制成本系数集合内的样本控制成本系数进行随机选取和两两组合,即随机选取一样本监督系数和一样本控制成本系数进行组合,获得若干组样本监督系数-样本控制成本系数。
基于若干组样本监督系数-样本控制成本系数,进行监控频率的分析评估,具体基于历史时间内对多个生产步骤进行生产监控的频率,计算均值,获得历史平均监控频率,然后根据当前的若干组样本监督系数-样本控制成本系数,对该历史平均监控频率进行调整,若一组样本监督系数-样本控制成本系数内的样本监督系数越大,样本控制成本系数越大,则调整后的监控频率越小,反之,则调整后的监控频率越大,如此,获得对应的若干个样本监控频率分析结果,作为样本监控频率分析结果集合。
示例性地,设置对历史平均监控频率的调整幅度为正负50%,采用若干组样本监督系数-样本控制成本系数内具有最大样本监督系数和最大样本控制成本系数均值的一组样本监督系数-样本控制成本系数,对该历史平均监控频率提升50%,采用具有最小样本监督系数和最大样本控制成本系数均值的一组样本监督系数-样本控制成本系数,对该历史平均监控频率降低50%,其他组样本监督系数-样本控制成本系数按照对应比例,对历史平均监控频率进行调整,获得样本监控频率分析结果集合。
本申请实施例中的监控频率分析模型为基于决策树构建的,根据输入的监督系数和控制成本系数进行决策分析以获得对应的监控频率分析结果的模型。基于决策树构建所述监控频率分析模型,具体的,基于决策树构建所述监控频率分析模型的两部分多级决策节点,所述两部分多级决策节点分别为多级第一决策节点和多级第二决策节点,每级第一决策节点对输入的监督系数进行划分决策,每级第二决策节点对输入的控制成本系数进行划分决策。
本实施例以用于进行监督系数决策划分的多级第一决策节点构建为,进行两个多级决策节点构建方法阐述。
从所述样本监督系数集合中随机不放回地抽出选取一个样本监督系数作为所述监控频率分析模型第一层的第一决策节点,可对输入监控频率分析模型的监督系数进行二分类划分,将输入的监督系数的数据划分为大于和小于等于该决策节点的样本监督系数两类。从多个样本监督系数中再次随机抽出不放回的选取一个样本监督系数作为所述监控频率分析模型第二层的第一决策节点,对在第一层级决策节点划分为大于和小于等于该决策节点的样本监督系数两类的所述监督系数数据进行二次二分类划分,将所述监督系数数据划分为大于和小于等于该决策节点的样本监督系数两类,以此类推从所述多个样本监督系数中随机抽出不放回的选取多个样本监督系数作为所述监控频率分析模型的多层第一决策节点,对输入的监督系数进行划分决策,所述样本监督系数数据量越大,构建的监控频率分析模型最后一层第一决策节点划分得到的监督系数区间越细化。
采用相同方法进行多级第二决策节点构建,并可划分获得多个控制成本系数区间。将多级第一决策节点里的最高层节点连接多级第二决策节点里的最底层节点,所获多个控制成本系数区间和所述多个监督系数区间进行两两组合作为所述多个最终划分结果。
采用所述样本监控频率分析结果集合内的样本监控频率分析结果作为多个决策结果,对所述多个最终划分结果进行标记,具体根据最终划分结果内控制成本系数区间和监督系数区间的均值,获取对应的样本健康频率分析结果,进而进行标记,如此,获得所述监控频率分析模型。
将任一生产步骤的监督系数和控制成本系数输入所述监控频率分析模型进行多级划分决策,获得监督系数所处监督系数区间以及控制成本系数所处成本控制系数区间,对应获得监督系数区间与成本控制系数区间对应的样本监控频率分析结果。采用相同方法分别将所述多个监督系数和所述多个控制成本系数输入所述监控频率分析模型内,获得所述多个监控频率分析结果。
本实施例通过获得监控频率分析结果,实现了对任一生产步骤的生产设备运行状态进行科学化的周期性运行数据采集或图像采集,从而判断生产步骤中生产设备是否存在运行异常,达到了及时进行异常生产设备运维管理,降低丁腈手套生产次品率以及降低生产设备维修造成生产工艺流程运行停滞时间,提高丁腈手套生产效率的技术效果。
S600:基于所述多个监控频率分析结果,对所述多个生产步骤进行监控和质量控制。
具体而言,在本实施例中,基于所述多个监控频率分析结果,对所述多个生产步骤分别进行监控和质量控制,从而实现了及时进行异常生产步骤中设备运维管理,降低丁腈手套生产次品率以及生产工艺流程运行停滞时间,提高丁腈手套生产效率和产品合格率的技术效果。
在一个实施例中,如图3所示,提供了一种丁腈手套加工控制系统,包括:生产工艺获得模块1,生产数据提取模块2,监督系数获得模块3,成本系数获取模块4,监控频率分析模块5,生产步骤控制模块6,其中:
生产工艺获得模块1,用于获取丁腈手套生产的生产工艺流程,其中,所述生产工艺流程内包括多个生产步骤;
生产数据提取模块2,用于基于历史时间内采用所述生产工艺流程进行生产的数据,获取所述多个生产步骤的多个故障系数和多个次品系数;
监督系数获得模块3,用于将所述多个故障系数和多个次品系数分别输入监督系数分析模型内,获得所述多个生产步骤的多个监督系数;
成本系数获取模块4,用于获取所述多个生产步骤进行质量控制的多个控制成本系数;
监控频率分析模块5,用于分别将所述多个监督系数和所述多个控制成本系数输入监控频率分析模型内,获得多个监控频率分析结果;
生产步骤控制模块6,用于基于所述多个监控频率分析结果,对所述多个生产步骤进行监控和质量控制。
在一个实施例中,所述系统还包括:
生产日志调用单元,用于基于历史时间内的丁腈手套生产日志,获取预设时间周期内的生产次数信息;
故障次数获得单元,用于获取所述预设时间周期内所述多个生产步骤的多个故障次数信息;
次品数据获得单元,用于获取所述预设时间周期内所述多个生产步骤的多个次品次数信息;
缺陷系数生成单元,用于基于所述生产次数信息、多个故障次数信息和多个次品次数信息,计算获得所述多个故障系数和多个次品系数。
在一个实施例中,所述系统还包括:
故障系数计算单元,用于计算所述多个故障次数信息和所述生产次数信息的比值,获得所述多个故障系数;
次品系数计算单元,用于计算所述多个次品次数信息与所述生产次数信息的比值,获得所述多个次品系数。
在一个实施例中,所述系统还包括:
系数集合构建单元,用于基于历史时间内的丁腈手套生产日志,获取样本故障系数集合和样本次品系数集合;
样本系数获得单元,用于对所述样本故障系数集合内的样本故障系数和所述样本次品系数集合内的样本次品系数进行随机组合和评估,获得样本监督系数集合;
系数标记执行单元,用于采用所述样本故障系数集合、样本次品系数集合和样本监督系数集合,构建所述监督系数分析模型,其中,所述监督系数分析模型内包括分析坐标系,所述分析坐标系内包括多个样本坐标点,每个坐标点被一对应的样本监督系数标记;
系数组合输入单元,用于分别将所述多个生产步骤的多个故障系数和多个次品系数组合,并输入所述监督系数分析模型内,获得多个当前坐标点;
监督系数获得单元,用于分别获取所述多个当前坐标点最邻近的K个样本坐标点,并分别获取对应的K个样本监督系数,将出现频率最高的多个样本监督系数作为所述多个监督系数,其中,K为奇数。
在一个实施例中,所述系统还包括:
坐标构建执行单元,用于基于故障系数和次品系数,构建所述分析坐标系的横坐标轴和纵坐标轴;
坐标位点获得单元,用于对所述样本故障系数集合内的样本故障系数和所述样本次品系数集合内的样本次品系数进行随机组合,并输入所述分析坐标系,获得所述多个样本坐标点;
分析模型构建单元,用于采用所述样本监督系数集合内的样本监督系数,对所述多个样本坐标点进行标记,获得所述监督系数分析模型。
在一个实施例中,所述系统还包括:
控制成本获得单元,用于获取基于历史时间内的丁腈手套生产日志,获取所述多个生产步骤进行质量控制的多个控制成本,并获取所述生产工艺流程的总控制成本;
成本系数计算单元,用于计算所述多个控制成本和所述总控制成本的比例,获得所述多个控制成本系数。
在一个实施例中,所述系统还包括:
系数集合获取单元,用于获取样本监督系数集合和样本控制成本系数集合;
分析结果获得单元,用于对所述样本监督系数集合内的样本监督系数和所述样本控制成本系数集合内的样本控制成本系数进行随机组合和评估,获得样本监控频率分析结果集合;
划分决策执行单元,用于基于所述样本监督系数集合和样本控制成本系数集合,构建获得多级第一决策节点和多级第二决策节点,其中,每级第一决策节点对输入的监督系数进行划分决策,每级第二决策节点对输入的控制成本系数进行划分决策;
划分结果获得单元,用于连接所述多级第一决策节点和多级第二决策节点,并获得多个最终划分结果;
划分结果标记单元,用于采用所述样本监控频率分析结果集合内的样本监控频率分析结果作为多个决策结果,对所述多个最终划分结果进行标记,获得所述监控频率分析模型;
分析结果输出单元,用于分别将所述多个监督系数和所述多个控制成本系数输入所述监控频率分析模型内,获得所述多个监控频率分析结果。
关于一种丁腈手套加工控制系统的具体实施例可以参见上文中对于一种丁腈手套加工控制方法的实施例,在此不再赘述。上述一种丁腈手套加工控制装置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丁腈手套加工控制方法。
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,提供了一种计算机设备,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:获取丁腈手套生产的生产工艺流程,其中,所述生产工艺流程内包括多个生产步骤;基于历史时间内采用所述生产工艺流程进行生产的数据,获取所述多个生产步骤的多个故障系数和多个次品系数;将所述多个故障系数和多个次品系数分别输入监督系数分析模型内,获得所述多个生产步骤的多个监督系数;获取所述多个生产步骤进行质量控制的多个控制成本系数;分别将所述多个监督系数和所述多个控制成本系数输入监控频率分析模型内,获得多个监控频率分析结果;基于所述多个监控频率分析结果,对所述多个生产步骤进行监控和质量控制。
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 (9)
1.一种丁腈手套加工控制方法,其特征在于,所述方法包括:
获取丁腈手套生产的生产工艺流程,其中,所述生产工艺流程内包括多个生产步骤;
基于历史时间内采用所述生产工艺流程进行生产的数据,获取所述多个生产步骤的多个故障系数和多个次品系数;
将所述多个故障系数和多个次品系数分别输入监督系数分析模型内,获得所述多个生产步骤的多个监督系数;
获取所述多个生产步骤进行质量控制的多个控制成本系数;
分别将所述多个监督系数和所述多个控制成本系数输入监控频率分析模型内,获得多个监控频率分析结果;
基于所述多个监控频率分析结果,对所述多个生产步骤进行监控和质量控制;
其中,将所述多个故障系数和多个次品系数分别输入监督系数分析模型内,获得所述多个生产步骤的多个监督系数,包括:
基于历史时间内的丁腈手套生产日志,获取样本故障系数集合和样本次品系数集合;
对所述样本故障系数集合内的样本故障系数和所述样本次品系数集合内的样本次品系数进行随机组合和评估,获得样本监督系数集合;
采用所述样本故障系数集合、样本次品系数集合和样本监督系数集合,构建所述监督系数分析模型,其中,所述监督系数分析模型内包括分析坐标系,所述分析坐标系内包括多个样本坐标点,每个坐标点被一对应的样本监督系数标记;
分别将所述多个生产步骤的多个故障系数和多个次品系数组合,并输入所述监督系数分析模型内,获得多个当前坐标点;
分别获取所述多个当前坐标点最邻近的K个样本坐标点,并分别获取对应的K个样本监督系数,将出现频率最高的多个样本监督系数作为所述多个监督系数,其中,K为奇数。
2.根据权利要求1所述的方法,其特征在于,基于历史时间内采用所述生产工艺流程进行生产的数据,获取所述多个生产步骤的多个故障系数和多个次品系数,包括:
基于历史时间内的丁腈手套生产日志,获取预设时间周期内的生产次数信息;
获取所述预设时间周期内所述多个生产步骤的多个故障次数信息;
获取所述预设时间周期内所述多个生产步骤的多个次品次数信息;
基于所述生产次数信息、多个故障次数信息和多个次品次数信息,计算获得所述多个故障系数和多个次品系数。
3.根据权利要求2所述的方法,其特征在于,基于所述生产次数信息、多个故障次数信息和多个次品次数信息,计算获得所述多个故障系数和多个次品系数,包括:
计算所述多个故障次数信息和所述生产次数信息的比值,获得所述多个故障系数;
计算所述多个次品次数信息与所述生产次数信息的比值,获得所述多个次品系数。
4.根据权利要求1所述的方法,其特征在于,采用所述样本故障系数集合、样本次品系数集合和样本监督系数集合,构建所述监督系数分析模型,包括:
基于故障系数和次品系数,构建所述分析坐标系的横坐标轴和纵坐标轴;
对所述样本故障系数集合内的样本故障系数和所述样本次品系数集合内的样本次品系数进行随机组合,并输入所述分析坐标系,获得所述多个样本坐标点;
采用所述样本监督系数集合内的样本监督系数,对所述多个样本坐标点进行标记,获得所述监督系数分析模型。
5.根据权利要求1所述的方法,其特征在于,获取所述多个生产步骤进行质量控制的多个控制成本系数,包括:
获取基于历史时间内的丁腈手套生产日志,获取所述多个生产步骤进行质量控制的多个控制成本,并获取所述生产工艺流程的总控制成本;
计算所述多个控制成本和所述总控制成本的比例,获得所述多个控制成本系数。
6.根据权利要求1所述的方法,其特征在于,分别将所述多个监督系数和所述多个控制成本系数输入监控频率分析模型内,获得多个监控频率分析结果,包括:
获取样本监督系数集合和样本控制成本系数集合;
对所述样本监督系数集合内的样本监督系数和所述样本控制成本系数集合内的样本控制成本系数进行随机组合和评估,获得样本监控频率分析结果集合;
基于所述样本监督系数集合和样本控制成本系数集合,构建获得多级第一决策节点和多级第二决策节点,其中,每级第一决策节点对输入的监督系数进行划分决策,每级第二决策节点对输入的控制成本系数进行划分决策;
连接所述多级第一决策节点和多级第二决策节点,并获得多个最终划分结果;
采用所述样本监控频率分析结果集合内的样本监控频率分析结果作为多个决策结果,对所述多个最终划分结果进行标记,获得所述监控频率分析模型;
分别将所述多个监督系数和所述多个控制成本系数输入所述监控频率分析模型内,获得所述多个监控频率分析结果。
7.一种丁腈手套加工控制系统,其特征在于,所述系统包括:
生产工艺获得模块,用于获取丁腈手套生产的生产工艺流程,其中,所述生产工艺流程内包括多个生产步骤;
生产数据提取模块,用于基于历史时间内采用所述生产工艺流程进行生产的数据,获取所述多个生产步骤的多个故障系数和多个次品系数;
监督系数获得模块,用于将所述多个故障系数和多个次品系数分别输入监督系数分析模型内,获得所述多个生产步骤的多个监督系数;
成本系数获取模块,用于获取所述多个生产步骤进行质量控制的多个控制成本系数;
监控频率分析模块,用于分别将所述多个监督系数和所述多个控制成本系数输入监控频率分析模型内,获得多个监控频率分析结果;
生产步骤控制模块,用于基于所述多个监控频率分析结果,对所述多个生产步骤进行监控和质量控制;
系数集合构建单元,用于基于历史时间内的丁腈手套生产日志,获取样本故障系数集合和样本次品系数集合;
样本系数获得单元,用于对所述样本故障系数集合内的样本故障系数和所述样本次品系数集合内的样本次品系数进行随机组合和评估,获得样本监督系数集合;
系数标记执行单元,用于采用所述样本故障系数集合、样本次品系数集合和样本监督系数集合,构建所述监督系数分析模型,其中,所述监督系数分析模型内包括分析坐标系,所述分析坐标系内包括多个样本坐标点,每个坐标点被一对应的样本监督系数标记;
系数组合输入单元,用于分别将所述多个生产步骤的多个故障系数和多个次品系数组合,并输入所述监督系数分析模型内,获得多个当前坐标点;
监督系数获得单元,用于分别获取所述多个当前坐标点最邻近的K个样本坐标点,并分别获取对应的K个样本监督系数,将出现频率最高的多个样本监督系数作为所述多个监督系数,其中,K为奇数。
8.一种计算机设备,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6中任一项所述的方法的步骤。
9.一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6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310416176.4A CN116627093B (zh) | 2023-04-19 | 2023-04-19 | 一种丁腈手套加工控制方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310416176.4A CN116627093B (zh) | 2023-04-19 | 2023-04-19 | 一种丁腈手套加工控制方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116627093A CN116627093A (zh) | 2023-08-22 |
CN116627093B true CN116627093B (zh) | 2024-02-27 |
Family
ID=87596274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310416176.4A Active CN116627093B (zh) | 2023-04-19 | 2023-04-19 | 一种丁腈手套加工控制方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116627093B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1433534A (zh) * | 2000-01-29 | 2003-07-30 | Abb研究有限公司 | 求出生产设备效率、故障事件和故障事件原因的系统和方法 |
CN209085657U (zh) * | 2017-08-02 | 2019-07-09 | 强力物联网投资组合2016有限公司 | 用于与化工生产工艺有关的或工业环境的数据收集系统 |
CN111461555A (zh) * | 2020-04-02 | 2020-07-28 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 一种生产线质量监测方法、装置及系统 |
CN111695780A (zh) * | 2020-05-18 | 2020-09-22 | 北京科技大学 | 一种工艺流程质量多故障自主检测方法及系统 |
CN111984511A (zh) * | 2020-07-28 | 2020-11-24 | 苏州浪潮智能科技有限公司 | 一种基于二分类的多模型磁盘故障预测方法和系统 |
KR20210059178A (ko) * | 2019-11-15 | 2021-05-25 | 한국전자통신연구원 | 시스템 장애 예측 모델을 위한 학습 데이터 생성 방법 및 이를 위한 장치 |
CN115496424A (zh) * | 2022-11-09 | 2022-12-20 | 广东能创科技有限公司 | 一种甲醇制氢工艺安全管理方法及系统 |
CA3169126A1 (en) * | 2021-07-27 | 2023-01-27 | Qualitrol Company Llc | Systems and methods for ai-assisted electrical power grid fault analysis |
CN115744521A (zh) * | 2022-11-14 | 2023-03-07 | 昆山广联发通信服务有限公司 | 一种电梯物联网维保远程监督管理方法及系统 |
CN115793590A (zh) * | 2023-01-30 | 2023-03-14 | 江苏达科数智技术有限公司 | 适用于系统安全运维的数据处理方法及平台 |
CN115936485A (zh) * | 2022-11-17 | 2023-04-07 | 湖南大学 | 一种基于故障树的生产线稳定性动态分析方法和系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210157312A1 (en) * | 2016-05-09 | 2021-05-27 | Strong Force Iot Portfolio 2016, Llc | Intelligent vibration digital twin systems and methods for industrial environments |
US20210110891A1 (en) * | 2019-10-15 | 2021-04-15 | Braskem S.A. | Method and system for polypropylene and polypropylene article production modeling using artificial intelligence algorithms |
-
2023
- 2023-04-19 CN CN202310416176.4A patent/CN116627093B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1433534A (zh) * | 2000-01-29 | 2003-07-30 | Abb研究有限公司 | 求出生产设备效率、故障事件和故障事件原因的系统和方法 |
CN209085657U (zh) * | 2017-08-02 | 2019-07-09 | 强力物联网投资组合2016有限公司 | 用于与化工生产工艺有关的或工业环境的数据收集系统 |
KR20210059178A (ko) * | 2019-11-15 | 2021-05-25 | 한국전자통신연구원 | 시스템 장애 예측 모델을 위한 학습 데이터 생성 방법 및 이를 위한 장치 |
CN111461555A (zh) * | 2020-04-02 | 2020-07-28 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 一种生产线质量监测方法、装置及系统 |
CN111695780A (zh) * | 2020-05-18 | 2020-09-22 | 北京科技大学 | 一种工艺流程质量多故障自主检测方法及系统 |
CN111984511A (zh) * | 2020-07-28 | 2020-11-24 | 苏州浪潮智能科技有限公司 | 一种基于二分类的多模型磁盘故障预测方法和系统 |
CA3169126A1 (en) * | 2021-07-27 | 2023-01-27 | Qualitrol Company Llc | Systems and methods for ai-assisted electrical power grid fault analysis |
CN115496424A (zh) * | 2022-11-09 | 2022-12-20 | 广东能创科技有限公司 | 一种甲醇制氢工艺安全管理方法及系统 |
CN115744521A (zh) * | 2022-11-14 | 2023-03-07 | 昆山广联发通信服务有限公司 | 一种电梯物联网维保远程监督管理方法及系统 |
CN115936485A (zh) * | 2022-11-17 | 2023-04-07 | 湖南大学 | 一种基于故障树的生产线稳定性动态分析方法和系统 |
CN115793590A (zh) * | 2023-01-30 | 2023-03-14 | 江苏达科数智技术有限公司 | 适用于系统安全运维的数据处理方法及平台 |
Non-Patent Citations (2)
Title |
---|
何涛 ; .制造工厂的生产监控系统设计与实现.工业技术创新.2016,(03),全文. * |
彭成 等.基于深度学习的故障诊断与预测方法综述.《现代电子技术》.2022,第45卷(第3期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN116627093A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang | Towards zero-defect manufacturing (ZDM)—a data mining approach | |
Alkan et al. | Complexity in manufacturing systems and its measures: a literature review | |
CN113935497A (zh) | 智能运维故障处理方法、装置、设备及其存储介质 | |
Jain et al. | A hybrid approach using ISM and modified TOPSIS for the evaluation of flexibility in FMS | |
Subramaniyan et al. | Artificial intelligence for throughput bottleneck analysis–State-of-the-art and future directions | |
CN1639854A (zh) | 生产线后端数据挖掘与处理工具数据挖掘的相关性 | |
Ruschel et al. | Performance analysis and time prediction in manufacturing systems | |
Dobra et al. | Enhance of OEE by hybrid analysis at the automotive semi-automatic assembly lines | |
CN112465045A (zh) | 一种基于孪生神经网络的供应链例外事件检测方法 | |
Becherer et al. | Intelligent choice of machine learning methods for predictive maintenance of intelligent machines | |
Gamme et al. | Organizational or system boundaries; possible threats to continuous improvement process | |
CN114138601A (zh) | 一种业务告警方法、装置、设备及存储介质 | |
CN117519951A (zh) | 基于消息中台的实时数据处理方法及系统 | |
CN111832993B (zh) | 一种仓储物流系统的预测维护方法及相关组件 | |
Salari et al. | Application of Markov renewal theory and semi‐Markov decision processes in maintenance modeling and optimization of multi‐unit systems | |
CN116627093B (zh) | 一种丁腈手套加工控制方法、系统、设备及存储介质 | |
CN117909864A (zh) | 一种电力故障预测系统及方法 | |
Filz et al. | Data-driven analysis of product property propagation to support process-integrated quality management in manufacturing systems | |
CN112183827A (zh) | 快递月揽件量的预测方法、装置、设备和存储介质 | |
CN116339266A (zh) | 一种管材生产复合监测方法及系统 | |
Haindl et al. | Quality characteristics of a software platform for human-ai teaming in smart manufacturing | |
CN114781473A (zh) | 轨道交通设备状态预测方法、装置、设备及存储介质 | |
Torikka | Predictive Maintenance Service Powered by Machine Learning and Big Data | |
Yuanidis et al. | Reliability modeling of flexible manufacturing systems | |
Buschmann et al. | Interpretation Framework of Predictive Quality Models for Process-and Product-oriented Decision Support |
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 |