CN116700141B - 一种基于人工智能的数控车床加工效率检测系统 - Google Patents
一种基于人工智能的数控车床加工效率检测系统 Download PDFInfo
- Publication number
- CN116700141B CN116700141B CN202310908665.1A CN202310908665A CN116700141B CN 116700141 B CN116700141 B CN 116700141B CN 202310908665 A CN202310908665 A CN 202310908665A CN 116700141 B CN116700141 B CN 116700141B
- Authority
- CN
- China
- Prior art keywords
- machine tool
- efficiency
- numerical control
- coefficient
- value
- 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
- 238000003754 machining Methods 0.000 title claims abstract description 42
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 113
- 230000002159 abnormal effect Effects 0.000 claims abstract description 68
- 238000001514 detection method Methods 0.000 claims abstract description 55
- 238000011897 real-time detection Methods 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 123
- 238000012423 maintenance Methods 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 38
- 238000000034 method Methods 0.000 claims description 25
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 238000002360 preparation method Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012797 qualification Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 abstract description 6
- 238000010223 real-time analysis Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003746 surface roughness Effects 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
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/401—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for measuring, e.g. calibration and initialisation, measuring workpiece for machining purposes
-
- 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
- G05B2219/34—Director, elements to supervisory
- G05B2219/34242—For measurement only
-
- 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)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
Abstract
本发明属于数控车床技术领域,具体是一种基于人工智能的数控车床加工效率检测系统,包括效率监管平台,效率监管平台与实时效率检测分析模块、数控机床分析模块以及操作人员匹配分析模块均通信连接;本发明通过实时效率检测分析模块进行实时检测分析,分析多元且全面,在生成效率异常信号时通过数控机床分析模块判定数控机床的影响程度,在生成机床合格信号时通过操作人员匹配分析模块判定对应人员是否合格或是否与对应数控机床相匹配,通过层层分析实现数控机床加工效率异常的原因排查判断,且在生成效率正常信号时通过效率合理性监管模块判定对应数控机床的加工效率是否合理,有助于对应监管人员的后续管理。
Description
技术领域
本发明涉及数控车床技术领域,具体是一种基于人工智能的数控车床加工效率检测系统。
背景技术
数控车床是一种高精度、高效率的自动化机床,配备多工位刀塔或动力刀塔,数控机床就具有广泛的加工工艺性能,可用于加工直线圆柱、斜线圆柱、圆弧和各种螺纹、槽、蜗杆等复杂工件,具有直线插补、圆弧插补各种补偿功能,并在复杂零件的批量生产中发挥了良好的经济效果;
数控车床在进行同类型产品加工时,主要通过检测一段时间内的加工量来判定加工效率是否异常,无法将每个产品的加工进行检测反馈并基于产品加工量和每个产品的加工反馈信息判定加工效率是否合格,以及在判定加工效率不合格时难以进行对应异常原因的排查判断,在判定加工效率合格时难以进行对应数控机床的加工效率合理性分析,不利于对应监管人员的后续管理;
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基于人工智能的数控车床加工效率检测系统,解决了现有技术无法基于产品加工量和每个产品的加工反馈信息判定加工效率是否合格,以及在判定加工效率不合格时难以进行对应异常原因的排查判断,在判定加工效率合格时难以进行对应数控机床的加工效率合理性分析,不利于对应监管人员后续管理的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于人工智能的数控车床加工效率检测系统,包括效率监管平台,效率监管平台与实时效率检测分析模块、数控机床分析模块以及操作人员匹配分析模块均通信连接;其中,实时效率检测分析模块,用于将对应数控机床的加工效率进行实时检测分析,通过实时检测分析判断对应数控机床进行对应产品的加工效率是否合格,以及通过分析生成对应效率检测时段的效率异常信号、效异集中信号或效率正常信号;且将效率异常信号、效异集中信号或效率正常信号发送至效率监管平台;
效率监管平台将效率异常信号、效异集中信号或效率正常信号发送至对应监管终端,以及将效率异常信号发送至数控机床分析模块,数控机床分析模块接收到效率异常信号后将对应数控机床进行分析,通过分析生成机床合格信号或机床不合格信号,将机床合格信号或机床不合格信号发送至效率监管平台;
效率监管平台将机床合格信号或机床不合格信号发送至对应监管终端,以及将机床合格信号发送至操作人员匹配分析模块,操作人员匹配分析模块用于将对应数控机床的操作人员进行分析,通过分析判断对应操作人员是否合格,若对应操作人员不合格则生成员工不合格信号,若对应操作人员合格则通过分析判断人机匹配是否合格,在判断人机匹配不合格时生成人机匹配不合格信号,将员工不合格信号或人机匹配不合格信号经效率监管平台发送至对应监管终端。
进一步的,实时效率检测分析模块的具体运行过程包括:
获取到对应数控机床在进行当前产品加工时的开始加工时刻和结束加工时刻,以及获取到对应数控机床在进行相邻上一组产品的结束加工时刻,将相邻上一组产品的结束加工时刻与当前产品的开始加工时刻进行差值计算获取到当前准备时长值,以及将当前产品的结束加工时刻与开始加工时刻进行差值计算获取到当前加工时长值;若对应数控机床当前产品的当前准备时长值未超过预设准备时长阈值且当前加工时长值未超过预设加工时长阈值,则判断当前产品的加工效率合格,将对应数控机床加工效率合格的产品数量加一并存储,否则判断当前产品的加工效率不合格,将对应数控机床加工效率不合格的产品数量加一并存储。
进一步的,实时效率检测分析模块的运行过程还包括:
设定效率检测时段,获取到效率检测时段内对应数控机床的产品加工总量,若产品加工总量未超过预设产品加工总量阈值,则生成效率异常信号,若产品加工总量超过预设产品加工总量阈值时,则获取到效率检测时段加工效率不合格的产品数量,将加工效率不合格的产品数量与产品加工总量进行比值计算获取到效异量占比值,将加工效率不合格的产品数量与效异量占比值进行数值计算获取到效率不合格系数;若效率不合格系数超过预设效率不合格阈值,则生成效率异常信号。
进一步的,若效率不合格系数未超过预设效率不合格阈值,获取到效率检测时段内对应数控机床加工效率不合格的产品所对应的加工中点时刻,将所有加工中点时刻标记为分析时刻,将相邻两组分析时刻之间加工效率合格的产品数量标记为效率合格间隔值,将所有效率合格间隔值建立间隔值集合,将间隔值集合进行方差计算获取到异时集中系数,若异时集中系数未超过预设异时集中系数阈值,则生成对应数控机床的效异集中信号;否则生成对应数控机床的效率正常信号。
进一步的,数控机床分析模块的具体运行过程包括:
获取到对应数控机床的当次运行的开始运行时刻,将当前时刻与对应数控机床的开始运行时刻进行差值计算获取到运行持续时长值,以及获取到相邻上一次维护检修时刻,将当前时刻与相邻上一次维护检修时刻进行差值计算获取到维护间隔时长值,并将相邻上一次维护检修的时长标记为相邻维护时长值,将运行持续时长值、维护间隔时长值和相邻维护时长值进行数值计算获取到机床影响系数;若机床影响系数未超过预设机床影响系数阈值,则生成对应数控机床的机床合格信号,若机床影响系数超过预设机床影响系数阈值,则生成对应数控机床的机床不合格信号。
进一步的,操作人员匹配分析模块的具体运行过程包括:
获取到对应数控机床对应效率检测时段操作人员的在岗工作总时长、在岗操作失误总频次和在岗平均效率值,将在岗工作总时长、在岗操作失误总频次和在岗平均效率值进行数值计算获取到员工影响系数;若员工影响系数超过预设员工影响系数阈值,则生成对应操作人员的员工不合格信号;
若员工影响系数未超过预设员工影响系数阈值,将预设员工影响系数阈值与员工影响系数进行差值计算获取到员工阈差系数;获取到对应数控机床的机床影响系数,将预设机床影响系数阈值与机床影响系数进行差值计算获取到机床阈差系数;以及通过分析获取到对应数控机床的及机床操作难度系数,基于员工阈差系数、机床阈差系数和机床操作难度系数并通过人机匹配分析判定是否生成人机匹配不合格信号。
进一步的,人机匹配分析的具体分析过程如下:
将对应操作人员的员工阈差系数与员工阈差判定值R1和员工阈差判定值R2进行数值比较,R2>R1>0,若员工阈差系数大于等于员工阈差判定值R2,则将对应操作人员标记为一级员工,若员工阈差系数小于员工阈差判定值R2且大于等于员工阈差判定值R1,则将对应操作人员标记为二级员工,若员工阈差系数小于员工阈差判定值R1,则将对应操作人员标记为三级员工;
将对应数控机床的机床操作难度系数与机床阈差系数进行数值计算获取到机床分级系数,将机床分级系数与分级系数判定值F1和分级系数判定值F2进行数值比较,F2>F1>0,若机床分级系数大于等于分级系数判定值F2时,则将对应数控机床标记为一级机床,若机床分级系数小于分级系数判定值F2且大于等于分级系数判定值F1时,则将对应数控机床标记为二级机床,若机床分级系数小于分级系数判定值F1时,则将对应数控机床标记为三级机床;
一级员工适合进行一级机床、二级机床和三级机床的操作,二级员工适合进行二级机床和三级机床的操作,三级员工仅限于三级机床的操作;基于对应操作人员的分级信息和对应数控机床的分级信息判定对应操作人员与对应数控机床是否匹配,若两者不匹配则生成人机匹配不合格信号。
进一步的,机床操作难度系数的分析获取方法如下:
获取到对应数控机床的生产日期,将当前日期与生产日期进行差值计算获取到生产间隔时长值,以及获取到对应数控机床的历史维护次数,将每次维护时长进行求和计算获取到维护总时长,并获取到对应数控机床的历史运行过程中每次故障的维修所耗费时长值,将维修所耗费时长值超过预设耗费时长阈值的故障标记为高隐患故障,否则将对应故障标记为低隐患故障;将对应数控机床的高隐患故障频次、低隐患故障频次、生产间隔时长值和维护总时长进行数值计算获取到归一化计算处理获取到机床操作难度系数。
进一步的,效率监管平台通信连接效率合理性监管模块,效率监管平台将对应数控机床对应效率检测时段的效率正常信号发送至效率合理性监管模块,效率合理性监管模块接收到效率正常信号时将对应数控机床进行效率合理性分析,通过效率合理性分析生成效率合理性正常信号或效率合理性异常信号,将效率合理性异常信号或效率合理性正常信号发送至效率监管平台。
进一步的,效率合理性分析的具体分析过程如下:
获取到对应数控机床对应效率检测时段所加工的每个产品的质量信息,若对应产品的质量合格则将对应产品标记为合格产品,若对应产品的质量不合格则将对应产品标记为不合格产品,将不合格产品的数量与合格产品的数量进行比值计算获取到不合格产品表现值;将不合格产品的数量与不合格产品表现值进行数值计算获取到产品质量反馈系数,若产品质量反馈系数未超过预设产品质量反馈系数阈值,则生成效率合理性正常信号,若产品质量反馈系数超过预设产品质量反馈系数阈值,则生成效率合理性异常信号。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过实时效率检测分析模块进行实时检测分析判断对应数控机床进行对应产品的加工效率是否合格,以及基于产品加工量和每个产品的加工反馈信息分析判定对应效率检测时段加工效率是否异常,分析多元且全面,在生成效率异常信号时通过数控机床分析模块判定数控机床的影响程度,在生成机床合格信号时则通过操作人员匹配分析模块判定对应人员是否合格或是否与对应数控机床相匹配,通过层层分析实现数控机床加工效率异常的原因排查判断,有助于对应监管人员的后续管理;
2、本发明中,效率合理性监管模块接收到效率正常信号时将对应数控机床进行效率合理性分析以判定对应数控机床的加工效率是否合理,将效率合理性异常信号或效率合理性正常信号发送至效率监管平台,对应监管终端的监管人员接收到效率合理性异常信号时,可根据需要将对应数控机床的加工效率进行调整以保证后续产品的加工质量,有助于保证数控机床后续所加工产品的质量。
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为本发明中实施例一的系统框图;
图2为本发明中实施例二的系统框图。
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
如图1所示,本发明提出的一种基于人工智能的数控车床加工效率检测系统,包括效率监管平台,效率监管平台与实时效率检测分析模块、数控机床分析模块以及操作人员匹配分析模块均通信连接;其中,实时效率检测分析模块将对应数控机床的加工效率进行实时检测分析,实时效率检测分析模块的具体运行过程如下:
获取到对应数控机床在进行当前产品加工时的开始加工时刻和结束加工时刻,以及获取到对应数控机床在进行相邻上一组产品的结束加工时刻,将相邻上一组产品的结束加工时刻与当前产品的开始加工时刻进行差值计算获取到当前准备时长值,以及将当前产品的结束加工时刻与开始加工时刻进行差值计算获取到当前加工时长值;若对应数控机床当前产品的当前准备时长值未超过预设准备时长阈值且当前加工时长值未超过预设加工时长阈值,则判断当前产品的加工效率合格,将对应数控机床加工效率合格的产品数量加一并存储,否则判断当前产品的加工效率不合格,将对应数控机床加工效率不合格的产品数量加一并存储;
设定效率检测时段,优选的,效率检测时段为3h;获取到效率检测时段内对应数控机床的产品加工总量并标记为JZ,将产品加工总量JZ与预先录入存储的预设产品加工总量阈值进行数值比较,若产品加工总量JZ未超过预设产品加工总量阈值,则生成效率异常信号,若产品加工总量JZ超过预设产品加工总量阈值时,则获取到效率检测时段加工效率不合格的产品数量并标记为BH,将加工效率不合格的产品数量BH与产品加工总量JZ进行比值计算获取到效异量占比值YZ,即效异量占比值YZ=BH/JZ;
通过公式XB=ah1*BH+ah2*XB将加工效率不合格的产品数量BH与效异量占比值YZ进行数值计算,通过数值计算后获取到数控机床效率检测时段的效率不合格系数XB;其中,ah1、ah2为预设权重系数,0<ah1<ah2;效率不合格系数XB的数值越小,表明对应数控机床的整体加工效率越好;将效率不合格系数XB与预设效率不合格阈值进行数值比较,若效率不合格系数XB超过预设效率不合格阈值,则生成效率异常信号。
进一步而言,若效率不合格系数XB未超过预设效率不合格阈值,获取到效率检测时段内对应数控机床加工效率不合格的产品所对应的加工中点时刻,将所有加工中点时刻标记为分析时刻,将相邻两组分析时刻之间加工效率合格的产品数量标记为效率合格间隔值,比如,某相邻两组分析时刻之间的效率合格间隔值为1,则表明该相邻两组分析时刻之间存在一组加工效率合格的产品;将所有效率合格间隔值建立间隔值集合,将间隔值集合进行方差计算获取到异时集中系数,若异时集中系数未超过预设异时集中系数阈值,表明出现加工效率不合格的产品普遍集中在某一个时间段,则生成对应数控机床的效异集中信号;否则生成对应数控机床的效率正常信号。
实时效率检测分析模块将对应数控机床的加工效率进行实时检测分析,通过实时检测分析判断对应数控机床进行对应产品的加工效率是否合格,以及通过分析生成对应效率检测时段的效率异常信号、效异集中信号或效率正常信号;且将效率异常信号、效异集中信号或效率正常信号发送至效率监管平台,有助于对应监管人员及时了解数控机床的加工效率状况,对应监管人员接收到效异集中信号时,应当进行对应时间段的设备追溯和人员追溯,方便判断出现相关异常状况的原因并在后续进行调整。
效率监管平台将效率异常信号、效异集中信号或效率正常信号发送至对应监管终端,以及将效率异常信号发送至数控机床分析模块,数控机床分析模块接收到效率异常信号后将对应数控机床进行分析,通过分析生成机床合格信号或机床不合格信号,将机床合格信号或机床不合格信号发送至效率监管平台;数控机床分析模块的具体运行过程如下:
获取到对应数控机床的当次运行的开始运行时刻,将当前时刻与对应数控机床的开始运行时刻进行差值计算获取到运行持续时长值XC,以及获取到相邻上一次维护检修时刻,将当前时刻与相邻上一次维护检修时刻进行差值计算获取到维护间隔时长值WG,并将相邻上一次维护检修的时长标记为相邻维护时长值XW,通过机床影响分析公式JX=yp1*XC+yp2*WG+yp3/XW将运行持续时长值、维护间隔时长值和相邻维护时长值进行数值计算,通过数值计算后获取到机床影响系数JX;
其中,yp1、yp2、yp3为预设比例系数,yp1、yp2、yp3的取值均大于零且yp1<yp2<yp3;并且,机床影响系数JX的数值越大,表明对应数控机床在效率检测时段加工效率不合格与数控机床的运行维护状况存在较大关系,若机床影响系数未超过预设机床影响系数阈值,则生成对应数控机床的机床合格信号,若机床影响系数超过预设机床影响系数阈值,则生成对应数控机床的机床不合格信号。
效率监管平台将机床合格信号或机床不合格信号发送至对应监管终端,对应监管终端的监管人员接收到机床不合格信号时应当及时将对应数控机床进行维护检修,以保证对应数控机床后续的加工效率;以及将机床合格信号发送至操作人员匹配分析模块,操作人员匹配分析模块将对应数控机床的操作人员进行分析,操作人员匹配分析模块的具体分析过程如下:
获取到对应数控机床对应效率检测时段操作人员的在岗工作总时长、在岗操作失误总频次和在岗平均效率值并分别标记为ZS、SW和ZX,通过员工影响分析公式YX=th1/ZS+th2*SW+th3/ZX将在岗工作总时长ZS、在岗操作失误总频次SW和在岗平均效率值ZX进行数值计算,通过数值计算后获取到员工影响系数YX;其中,th1、th2、th3为预设比例系数,th1>th3>th2>0;员工影响系数YX表示操作人员对数控机床加工效率的影响程度,员工影响系数YX的数值越大,表明对应数控机床在效率检测时段加工效率不合格与对应操作人员的操作存在较大关系,即加工效率受到对应员工操作的影响程度越大;
若员工影响系数YX超过预设员工影响系数阈值,则生成对应操作人员的员工不合格信号;若员工影响系数YX未超过预设员工影响系数阈值,将预设员工影响系数阈值与员工影响系数YX进行差值计算获取到员工阈差系数GY;获取到对应数控机床的机床影响系数JX,将预设机床影响系数阈值与机床影响系数JX进行差值计算获取到机床阈差系数JY;
以及获取到对应数控机床的生产日期,将当前日期与生产日期进行差值计算获取到生产间隔时长值SG,以及获取到对应数控机床的历史维护次数,将每次维护时长进行求和计算获取到维护总时长WC,并获取到对应数控机床的历史运行过程中每次故障的维修所耗费时长值,将维修所耗费时长值超过预设耗费时长阈值的故障标记为高隐患故障,否则将对应故障标记为低隐患故障,将对应数控机床的高隐患故障频次和低隐患故障频次分别标记为GH和DH;
通过归一化分析公式CZ=ku1*GH+ku2*DH+ku3*SG+ku4/WC将对应数控机床的高隐患故障频次GH、低隐患故障频次DH、生产间隔时长值SG和维护总时长WC进行数值计算获取到归一化计算处理,通过计算处理后获取到机床操作难度系数CZ;其中,ku1、ku2、ku3、ku4为预设比例系数,ku1、ku2、ku3、ku4的取值均大于1;并且,机床操作难度系数CZ的数值越大,表明对应数控机床的操作难度越高,越需要操作熟练、经验丰富的操作人员进行操作;
调取预先录入存储的员工阈差判定值R1和员工阈差判定值R2,将对应操作人员的员工阈差系数GY与员工阈差判定值R1和员工阈差判定值R2进行数值比较,R2>R1>0,若员工阈差系数GY大于等于员工阈差判定值R2,则将对应操作人员标记为一级员工,若员工阈差系数GY小于员工阈差判定值R2且大于等于员工阈差判定值R1,则将对应操作人员标记为二级员工,若员工阈差系数GY小于员工阈差判定值R1,则将对应操作人员标记为三级员工;一级员工的操作能力强于二级员工强于三级员工;
通过公式FJ=ft1*CZ+ft2/JY将对应数控机床的机床操作难度系数CZ与机床阈差系数JY进行数值计算获取到机床分级系数FJ,其中,ft1、ft2为预设比例系数,0<ft1<ft2;调取预先录入存储的分级系数判定值F1和分级系数判定值F2,F2>F1>0,将机床分级系数FJ与分级系数判定值F1和分级系数判定值F2进行数值比较,若机床分级系数FJ大于等于分级系数判定值F2时,则将对应数控机床标记为一级机床,若机床分级系数FJ小于分级系数判定值F2且大于等于分级系数判定值F1时,则将对应数控机床标记为二级机床,若机床分级系数FJ小于分级系数判定值F1时,则将对应数控机床标记为三级机床;一级机床的操作难度高于二级机床的操作难度高于三级车床的操作难度;
一级员工适合进行一级机床、二级机床和三级机床的操作,二级员工适合进行二级机床和三级机床的操作,三级员工仅限于三级机床的操作;基于对应操作人员的分级信息和对应数控机床的分级信息判定对应操作人员与对应数控机床是否匹配,若两者不匹配则生成人机匹配不合格信号。
通过操作人员匹配分析模块将对应数控机床的操作人员进行分析,通过分析判断对应操作人员是否合格,若对应操作人员不合格则生成员工不合格信号,若对应操作人员合格则通过分析判断人机匹配是否合格,在判断人机匹配不合格时生成人机匹配不合格信号,将员工不合格信号或人机匹配不合格信号经效率监管平台发送至对应监管终端,对应监管终端的监管人员接收到员工不合格信号或人机匹配不合格信号时应当及时进行人员调整,以保证对应数控机床的后续加工效率和加工稳定性,实现加工效率不合格时的原因排查分析,有助于监管人员后续的管理。
实施例
如图2所示,本实施例与实施例1的区别在于,效率监管平台通信连接效率合理性监管模块,效率监管平台将对应数控机床对应效率检测时段的效率正常信号发送至效率合理性监管模块,效率合理性监管模块接收到效率正常信号时将对应数控机床进行效率合理性分析以判定对应数控机床的加工效率是否合理,效率合理性分析的具体分析过程如下:
获取到对应数控机床对应效率检测时段所加工的每个产品的质量信息,质量信息通过产品质量检测仪器进行检测得到并发送至效率监管平台(所检测的产品项目主要包括产品尺寸偏差以及表面粗糙度等),若对应产品的质量合格则将对应产品标记为合格产品,若对应产品的质量不合格则将对应产品标记为不合格产品;通过统计获取到对应数控机床对应效率检测时段的不合格产品的数量BP和合格产品的数量HP,将不合格产品的数量BP与合格产品的数量HP进行比值计算获取到不合格产品表现值CB;通过公式ZL=au1*BP+au2*CB将不合格产品的数量BP与不合格产品表现值CB进行数值计算,通过数值计算后获取到产品质量反馈系数ZL;
其中,au1、au2为预设权重系数,0<au1<au2;产品质量反馈系数ZL的数值大小与不合格产品的数量BP与不合格产品表现值CB均呈正比关系,产品质量反馈系数ZL的数值越大,表明数控机床在当前加工效率下所加工产品的品质越差,后续越需要进行加工效率调整;将产品质量反馈系数ZL与预先录入存储的预设产品质量反馈系数阈值进行数值比较,若产品质量反馈系数ZL未超过预设产品质量反馈系数阈值,则生成效率合理性正常信号,若产品质量反馈系数ZL超过预设产品质量反馈系数阈值,则生成效率合理性异常信号。
效率合理性监管模块通过效率合理性分析生成效率合理性正常信号或效率合理性异常信号,将效率合理性异常信号或效率合理性正常信号发送至效率监管平台,效率监管平台将效率合理性异常信号发送至对应监管终端,对应监管终端的监管人员接收到效率合理性异常信号时,可根据需要将对应数控机床的加工效率进行调整以保证后续产品的加工质量。
本发明的工作原理:使用时,通过实时效率检测分析模块进行实时检测分析判断对应数控机床进行对应产品的加工效率是否合格,以及基于产品加工量和每个产品的加工反馈信息分析判定对应效率检测时段加工效率是否异常,分析多元且全面,有助于对应监管人员及时了解数控机床的加工效率状况;在生成效率异常信号时通过数控机床分析模块将对应数控机床进行分析以判定数控机床的影响程度,若生成机床合格信号则通过操作人员匹配分析模块将对应数控机床的操作人员进行分析,以判定对应人员是否合格或是否与对应数控机床相匹配,通过层层分析实现数控机床加工效率异常的原因排查判断,有助于对应监管人员的后续管理。
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 (7)
1.一种基于人工智能的数控车床加工效率检测系统,其特征在于,包括效率监管平台,效率监管平台与实时效率检测分析模块、数控机床分析模块以及操作人员匹配分析模块均通信连接;其中,实时效率检测分析模块,用于将对应数控机床的加工效率进行实时检测分析,通过实时检测分析判断对应数控机床进行对应产品的加工效率是否合格,以及通过分析生成对应效率检测时段的效率异常信号、效异集中信号或效率正常信号;且将效率异常信号、效异集中信号或效率正常信号发送至效率监管平台;
效率监管平台将效率异常信号、效异集中信号或效率正常信号发送至对应监管终端,以及将效率异常信号发送至数控机床分析模块,数控机床分析模块接收到效率异常信号后将对应数控机床进行分析,通过分析生成机床合格信号或机床不合格信号,将机床合格信号或机床不合格信号发送至效率监管平台;
效率监管平台将机床合格信号或机床不合格信号发送至对应监管终端,以及将机床合格信号发送至操作人员匹配分析模块,操作人员匹配分析模块用于将对应数控机床的操作人员进行分析,通过分析判断对应操作人员是否合格,若对应操作人员不合格则生成员工不合格信号,若对应操作人员合格则通过分析判断人机匹配是否合格,在判断人机匹配不合格时生成人机匹配不合格信号,将员工不合格信号或人机匹配不合格信号经效率监管平台发送至对应监管终端;
实时效率检测分析模块的具体运行过程包括:
获取到对应数控机床在进行当前产品加工时的开始加工时刻和结束加工时刻,以及获取到对应数控机床在进行相邻上一组产品的结束加工时刻,将相邻上一组产品的结束加工时刻与当前产品的开始加工时刻进行差值计算获取到当前准备时长值,以及将当前产品的结束加工时刻与开始加工时刻进行差值计算获取到当前加工时长值;若对应数控机床当前产品的当前准备时长值未超过预设准备时长阈值且当前加工时长值未超过预设加工时长阈值,则判断当前产品的加工效率合格,将对应数控机床加工效率合格的产品数量加一并存储,否则判断当前产品的加工效率不合格,将对应数控机床加工效率不合格的产品数量加一并存储;
实时效率检测分析模块的运行过程还包括:
设定效率检测时段,获取到效率检测时段内对应数控机床的产品加工总量,若产品加工总量未超过预设产品加工总量阈值,则生成效率异常信号,若产品加工总量超过预设产品加工总量阈值时,则获取到效率检测时段加工效率不合格的产品数量,将加工效率不合格的产品数量与产品加工总量进行比值计算获取到效异量占比值,将加工效率不合格的产品数量与效异量占比值进行数值计算获取到效率不合格系数;若效率不合格系数超过预设效率不合格阈值,则生成效率异常信号;
若效率不合格系数未超过预设效率不合格阈值,获取到效率检测时段内对应数控机床加工效率不合格的产品所对应的加工中点时刻,将所有加工中点时刻标记为分析时刻,将相邻两组分析时刻之间加工效率合格的产品数量标记为效率合格间隔值,将所有效率合格间隔值建立间隔值集合,将间隔值集合进行方差计算获取到异时集中系数,若异时集中系数未超过预设异时集中系数阈值,则生成对应数控机床的效异集中信号;否则生成对应数控机床的效率正常信号。
2.根据权利要求1所述的一种基于人工智能的数控车床加工效率检测系统,其特征在于,数控机床分析模块的具体运行过程包括:
获取到对应数控机床的当次运行的开始运行时刻,将当前时刻与对应数控机床的开始运行时刻进行差值计算获取到运行持续时长值,以及获取到相邻上一次维护检修时刻,将当前时刻与相邻上一次维护检修时刻进行差值计算获取到维护间隔时长值,并将相邻上一次维护检修的时长标记为相邻维护时长值,将运行持续时长值、维护间隔时长值和相邻维护时长值进行数值计算获取到机床影响系数;若机床影响系数未超过预设机床影响系数阈值,则生成对应数控机床的机床合格信号,若机床影响系数超过预设机床影响系数阈值,则生成对应数控机床的机床不合格信号。
3.根据权利要求1所述的一种基于人工智能的数控车床加工效率检测系统,其特征在于,操作人员匹配分析模块的具体运行过程包括:
获取到对应数控机床对应效率检测时段操作人员的在岗工作总时长、在岗操作失误总频次和在岗平均效率值,将在岗工作总时长、在岗操作失误总频次和在岗平均效率值进行数值计算获取到员工影响系数;若员工影响系数超过预设员工影响系数阈值,则生成对应操作人员的员工不合格信号;
若员工影响系数未超过预设员工影响系数阈值,将预设员工影响系数阈值与员工影响系数进行差值计算获取到员工阈差系数;获取到对应数控机床的机床影响系数,将预设机床影响系数阈值与机床影响系数进行差值计算获取到机床阈差系数;以及通过分析获取到对应数控机床的及机床操作难度系数,基于员工阈差系数、机床阈差系数和机床操作难度系数并通过人机匹配分析判定是否生成人机匹配不合格信号。
4.根据权利要求3所述的一种基于人工智能的数控车床加工效率检测系统,其特征在于,人机匹配分析的具体分析过程如下:
将对应操作人员的员工阈差系数与员工阈差判定值R1和员工阈差判定值R2进行数值比较,R2>R1>0,若员工阈差系数大于等于员工阈差判定值R2,则将对应操作人员标记为一级员工,若员工阈差系数小于员工阈差判定值R2且大于等于员工阈差判定值R1,则将对应操作人员标记为二级员工,若员工阈差系数小于员工阈差判定值R1,则将对应操作人员标记为三级员工;
将对应数控机床的机床操作难度系数与机床阈差系数进行数值计算获取到机床分级系数,将机床分级系数与分级系数判定值F1和分级系数判定值F2进行数值比较,F2>F1>0,若机床分级系数大于等于分级系数判定值F2时,则将对应数控机床标记为一级机床,若机床分级系数小于分级系数判定值F2且大于等于分级系数判定值F1时,则将对应数控机床标记为二级机床,若机床分级系数小于分级系数判定值F1时,则将对应数控机床标记为三级机床;
一级员工适合进行一级机床、二级机床和三级机床的操作,二级员工适合进行二级机床和三级机床的操作,三级员工仅限于三级机床的操作;基于对应操作人员的分级信息和对应数控机床的分级信息判定对应操作人员与对应数控机床是否匹配,若两者不匹配则生成人机匹配不合格信号。
5.根据权利要求3所述的一种基于人工智能的数控车床加工效率检测系统,其特征在于,机床操作难度系数的分析获取方法如下:
获取到对应数控机床的生产日期,将当前日期与生产日期进行差值计算获取到生产间隔时长值,以及获取到对应数控机床的历史维护次数,将每次维护时长进行求和计算获取到维护总时长,并获取到对应数控机床的历史运行过程中每次故障的维修所耗费时长值,将维修所耗费时长值超过预设耗费时长阈值的故障标记为高隐患故障,否则将对应故障标记为低隐患故障;将对应数控机床的高隐患故障频次、低隐患故障频次、生产间隔时长值和维护总时长进行数值计算获取到归一化计算处理获取到机床操作难度系数。
6.根据权利要求1所述的一种基于人工智能的数控车床加工效率检测系统,其特征在于,效率监管平台通信连接效率合理性监管模块,效率监管平台将对应数控机床对应效率检测时段的效率正常信号发送至效率合理性监管模块,效率合理性监管模块接收到效率正常信号时将对应数控机床进行效率合理性分析,通过效率合理性分析生成效率合理性正常信号或效率合理性异常信号,将效率合理性异常信号或效率合理性正常信号发送至效率监管平台。
7.根据权利要求6所述的一种基于人工智能的数控车床加工效率检测系统,其特征在于,效率合理性分析的具体分析过程如下:
获取到对应数控机床对应效率检测时段所加工的每个产品的质量信息,若对应产品的质量合格则将对应产品标记为合格产品,若对应产品的质量不合格则将对应产品标记为不合格产品,将不合格产品的数量与合格产品的数量进行比值计算获取到不合格产品表现值;将不合格产品的数量与不合格产品表现值进行数值计算获取到产品质量反馈系数,若产品质量反馈系数未超过预设产品质量反馈系数阈值,则生成效率合理性正常信号,若产品质量反馈系数超过预设产品质量反馈系数阈值,则生成效率合理性异常信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310908665.1A CN116700141B (zh) | 2023-07-22 | 2023-07-22 | 一种基于人工智能的数控车床加工效率检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310908665.1A CN116700141B (zh) | 2023-07-22 | 2023-07-22 | 一种基于人工智能的数控车床加工效率检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116700141A CN116700141A (zh) | 2023-09-05 |
CN116700141B true CN116700141B (zh) | 2024-02-06 |
Family
ID=87827870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310908665.1A Active CN116700141B (zh) | 2023-07-22 | 2023-07-22 | 一种基于人工智能的数控车床加工效率检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116700141B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117707050B (zh) * | 2023-12-25 | 2024-05-07 | 上海滨捷机电有限公司 | 基于云计算的数控机床实时监控与数据分析系统及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109634238A (zh) * | 2018-12-19 | 2019-04-16 | 山东科技大学 | 一种数控机床加工过程质量-能量效率评估与监控方法 |
WO2021164448A1 (zh) * | 2020-02-20 | 2021-08-26 | 青岛海尔工业智能研究院有限公司 | 品质异常记录方法、装置、增强现实设备、系统及介质 |
CN113793050A (zh) * | 2021-09-23 | 2021-12-14 | 安徽飞凯电子技术有限公司 | 一种基于大数据的通讯机柜产线监管系统 |
CN114019927A (zh) * | 2021-11-05 | 2022-02-08 | 江苏电子信息职业学院 | 基于智能精密模具制造的监管反馈控制系统 |
CN114049035A (zh) * | 2021-11-24 | 2022-02-15 | 深圳市领志光机电自动化系统有限公司 | 一种基于互联网的自动点胶监测系统及方法 |
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 |
CN115204426A (zh) * | 2022-09-14 | 2022-10-18 | 山东汇泓纺织科技有限公司 | 一种基于物联网的纺织流水线运行监管系统 |
CN115540799A (zh) * | 2022-09-22 | 2022-12-30 | 明峰医疗系统股份有限公司 | 一种适用于位移检测装置的运行效率评估系统 |
CN116308282A (zh) * | 2023-03-22 | 2023-06-23 | 牡丹江师范学院 | 一种基于大数据的啮齿动物诱捕器运行检测系统 |
CN116351313A (zh) * | 2023-05-31 | 2023-06-30 | 广东奔富之堡智能家电工程技术研究中心有限公司 | 一种基于计算机控制的食品搅拌机智能控制系统 |
-
2023
- 2023-07-22 CN CN202310908665.1A patent/CN116700141B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109634238A (zh) * | 2018-12-19 | 2019-04-16 | 山东科技大学 | 一种数控机床加工过程质量-能量效率评估与监控方法 |
WO2021164448A1 (zh) * | 2020-02-20 | 2021-08-26 | 青岛海尔工业智能研究院有限公司 | 品质异常记录方法、装置、增强现实设备、系统及介质 |
CN113793050A (zh) * | 2021-09-23 | 2021-12-14 | 安徽飞凯电子技术有限公司 | 一种基于大数据的通讯机柜产线监管系统 |
CN114019927A (zh) * | 2021-11-05 | 2022-02-08 | 江苏电子信息职业学院 | 基于智能精密模具制造的监管反馈控制系统 |
CN114049035A (zh) * | 2021-11-24 | 2022-02-15 | 深圳市领志光机电自动化系统有限公司 | 一种基于互联网的自动点胶监测系统及方法 |
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 |
CN115204426A (zh) * | 2022-09-14 | 2022-10-18 | 山东汇泓纺织科技有限公司 | 一种基于物联网的纺织流水线运行监管系统 |
CN115540799A (zh) * | 2022-09-22 | 2022-12-30 | 明峰医疗系统股份有限公司 | 一种适用于位移检测装置的运行效率评估系统 |
CN116308282A (zh) * | 2023-03-22 | 2023-06-23 | 牡丹江师范学院 | 一种基于大数据的啮齿动物诱捕器运行检测系统 |
CN116351313A (zh) * | 2023-05-31 | 2023-06-30 | 广东奔富之堡智能家电工程技术研究中心有限公司 | 一种基于计算机控制的食品搅拌机智能控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116700141A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116700141B (zh) | 一种基于人工智能的数控车床加工效率检测系统 | |
CN106655522A (zh) | 一种适用于电网二次设备运维管理的主站系统 | |
CN115979351B (zh) | 一种基于数据分析的无人值守人防预警系统 | |
CN102262401A (zh) | 一种工业生产线监控系统 | |
CN116184961A (zh) | 基于工业物联网的注塑件自动化贴合生产线安全管控系统 | |
CN109902871B (zh) | 一种结合企业生产线差异化特点的智能优化节能系统 | |
CN115718468A (zh) | 一种基于数据分析的化妆镜生产线监管反馈系统 | |
CN115903659A (zh) | 一种数控设备智能监控方法及系统 | |
CN106372944A (zh) | 一种基于数据表的产品追溯方法及系统 | |
CN107291017A (zh) | 一种压缩机活塞自动化生产线监控系统 | |
CN115376296A (zh) | 一种基于工业互联网的生产故障预警系统 | |
CN114693129A (zh) | 工业物联网智能制造服务平台、方法、设备及介质 | |
CN208384412U (zh) | 一种用于编织机的cnc数控系统 | |
CN117103287B (zh) | 一种工业机器人的协同控制方法及系统 | |
CN110802305A (zh) | 弧焊过程参数在线监测装置与监测方法 | |
CN104391479A (zh) | 基于主轴功率监控的机床工作状态的自动统计方法及系统 | |
CN116223000B (zh) | 一种机器故障智能在线自动检测系统 | |
CN112255969A (zh) | 一种数控机床的数据采集分析展示系统及方法 | |
CN116739422A (zh) | 一种基于物联网的化妆镜生产质量监测管理系统 | |
CN111736545A (zh) | 电源机组数据融合、纠错和分析的系统及方法 | |
CN116345687A (zh) | 电力监控系统用户行为安全预警系统 | |
CN115392663A (zh) | 一种基于大数据的数据采集处理方法 | |
CN109623190B (zh) | 一种剃须刀焊接控制系统及方法 | |
CN113406937A (zh) | 一种应用于生产车间的数据监控系统 | |
CN112785142A (zh) | 物联网污水处理设备预警智慧工单方法及其系统 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhang Jianjun Inventor after: Li Chenxi Inventor before: Zhang Jianjun Inventor before: Shi Chenxi |
|
CB03 | Change of inventor or designer information |