CN116862299B - 一种用于智慧工厂的数据处理系统和数据处理方法 - Google Patents
一种用于智慧工厂的数据处理系统和数据处理方法 Download PDFInfo
- Publication number
- CN116862299B CN116862299B CN202310815760.7A CN202310815760A CN116862299B CN 116862299 B CN116862299 B CN 116862299B CN 202310815760 A CN202310815760 A CN 202310815760A CN 116862299 B CN116862299 B CN 116862299B
- Authority
- CN
- China
- Prior art keywords
- production equipment
- determining
- associated production
- product
- time
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 title claims abstract description 18
- 238000004519 manufacturing process Methods 0.000 claims abstract description 245
- 238000004458 analytical method Methods 0.000 claims abstract description 40
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000013441 quality evaluation Methods 0.000 claims description 35
- 230000007547 defect Effects 0.000 claims description 31
- 238000011156 evaluation Methods 0.000 claims description 17
- 230000002950 deficient Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000001303 quality assessment method Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 230000003111 delayed effect Effects 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- G06Q10/06—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
-
- 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
- G06Q50/04—Manufacturing
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Manufacturing & Machinery (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种用于智慧工厂的数据处理系统和数据处理方法,属于数据处理技术领域,具体包括:基于产品进行智慧工厂的关联生产设备的筛选,并根据关联生产设备的累计工作时间、历史故障次数、在指定时间内的历史故障率进行工作可靠性以及问题生产设备的确定,并根据问题生产设备的数量、设备类型确定智慧工厂的生产状态满足要求时进入下一步骤;通过实时运行数据进行关联生产设备的实时运行状态的确定,并结合关联生产设备的工作可靠性以及设备类型进行关联生产设备的运行数据的分析频率的确定,并根据智慧工厂的实时生产状态确定是否需要停止接单,从而进一步提升了生产系统的关联性。
Description
技术领域
本发明属于数据处理技术领域,尤其涉及一种用于智慧工厂的数据处理系统和数据处理方法。
背景技术
随着数字化程度的逐渐加深,智慧工厂的建设逐渐深入人心,智慧工厂的建设不仅使得工厂的管理水平得到一定程度的提升,而且会使得工厂的能耗量和碳排放强度会有所降低,但是与此同时,如何实现对智慧工厂的多维度数据的处理成为亟待解决的技术问题。
为了实现对智慧工厂的数据的处理和分析,在授权发明专利《基于大数据的智能工厂设备数据分析管理系统及方法》中通过对智慧工厂接收到的订单信息进行获取,并根据智慧工厂中各设备的历史工作参数以及工厂生产线上各设备的工作状态进行预测,从而实现对智慧工厂的订单与生产设备管理的动态关联,但是却存在以下技术问题:
忽视了根据智慧工厂的不同的生产设备的运行情况和产品的质量情况进行智慧工厂的订单接待能力的确定,具体的,对于不同的生产订单,其均具有相关联的生产设备,因此若不能结合生产设备的运行情况以及产品的质量情况进行订单接待能力的确定,则有可能导致订单的生产被延误甚至无法完成订单。
忽视了根据智慧工厂的生产设备的历史工作参数以及在生产线上的关键程度对生产设备的监测频率以及运行参数进行差异化的分析管理,具体的,对于不同的生产设备,其历史故障率或者运行时间均不相同,因此若不能根据智慧工厂的生产设备的历史工作参数进行监测频率以及运行参数的差异化分析管理,则会导致无法准确可靠的实现对关键生产设备的故障的发现和处理。
针对上述技术问题,本发明提供了一种用于智慧工厂的数据处理系统和数据处理方法。
发明内容
为实现本发明目的,本发明采用如下技术方案:
根据本发明的一个方面,提供了一种用于智慧工厂的数据处理方法。
一种用于智慧工厂的数据处理方法,其特征在于,具体包括:
通过智慧工厂的产品的不合格率、缺陷率、不同合格等级的产品数量确定质量评估结果,当所述质量评估结果满足要求时进入下一步骤;
基于所述产品进行所述智慧工厂的关联生产设备的筛选,并根据所述关联生产设备的累计工作时间、历史故障次数、在指定时间内的历史故障率进行工作可靠性以及问题生产设备的确定,并根据所述问题生产设备的数量、设备类型确定所述智慧工厂的生产状态满足要求时进入下一步骤;
通过所述关联生产设备的工作可靠性、设备类型以及所述质量评估结果进行所述智慧工厂在未来的设定时间内的最大订单接待能力的确定,当现有订单超过最大订单接待能力时,停止接单;
通过实时运行数据进行所述关联生产设备的实时运行状态的确定,并结合所述关联生产设备的工作可靠性以及设备类型进行所述关联生产设备的运行数据的分析频率的确定,根据所述关联生产设备的实时运行状态和产品的实时质量评估结果进行所述智慧工厂的实时生产状态确定,并通过所述智慧工厂的实时生产状态确定是否需要停止接单。
进一步的技术方案在于,所述产品的不合格率根据所述智慧工厂在最近的预设时间阈值内的产品的不合格率进行确定,具体的所述不合格率根据所述产品中的不合格产品的数量与所述产品的总数量的比值进行确定。
进一步的技术方案在于,所述产品的缺陷率根据所述智慧工厂在最近的预设时间阈值内的产品的缺陷率进行确定,具体的所述缺陷率根据所述产品中的除不合格产品外的缺陷产品的数量与所述产品的总数量的比值进行确定。
进一步的技术方案在于,所述关联生产设备的工作可靠性的取值范围在0到1之间,其中所述关联生产设备的工作可靠性取值越大,则所述关联生产设备的工作可靠性越高。
进一步的技术方案在于,所述最大订单接待能力的确定的具体步骤为:
根据所述关联生产设备的工作可靠性以及设备类型将所述关联生产设备划分为一般关联生产设备、关注关联生产设备;
根据所述一般关联生产设备的数量以及工作可靠性、关注关联生产设备的数量以及工作可靠性、问题生产设备的数量进行所述智慧工厂在未来的设定时间内的关联生产设备的最大接待能力的确定;
根据所述智慧工厂的产品的数量以及质量评估结果进行所述智慧工厂在未来的设定时间内的生产质量的最大接待能力的确定;
根据所述生产质量的最大接待能力和所述关联生产设备的最大接待能力进行所述智慧工厂在未来的设定时间内的最大订单接待能力的确定。
第二方面,本发明提供了一种用于智慧工厂的数据处理系统,采用上述的一种用于智慧工厂的数据处理方法,具体包括:
质量评估模块;生产状态评估模块;订单接待能力评估模块;实时生产状态确定模块;
其中所述质量评估模块负责通过智慧工厂的产品的不合格率、缺陷率、不同合格等级的产品数量确定质量评估结果;
所述生产状态评估模块负责基于所述产品进行所述智慧工厂的关联生产设备的筛选,并根据所述关联生产设备的累计工作时间、历史故障次数、在指定时间内的历史故障率进行工作可靠性以及问题生产设备的确定,并根据所述问题生产设备的数量、设备类型确定所述智慧工厂的生产状态;
所述订单接待能力评估模块负责通过所述关联生产设备的工作可靠性、设备类型以及所述质量评估结果进行所述智慧工厂在未来的设定时间内的最大订单接待能力的确定;
所述实时生产状态确定模块负责通过实时运行数据进行所述关联生产设备的实时运行状态的确定,并结合所述关联生产设备的工作可靠性以及设备类型进行所述关联生产设备的运行数据的分析频率的确定,根据所述关联生产设备的实时运行状态和产品的实时质量评估结果进行所述智慧工厂的实时生产状态确定,并通过所述智慧工厂的实时生产状态确定是否需要停止接单。
第三方面,本发明提供了一种计算机存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行上述的一种用于智慧工厂的数据处理方法。
本发明的有益效果在于:
通过智慧工厂的产品的不合格率、缺陷率、不同合格等级的产品数量确定质量评估结果,从而实现了从多个角度对产品的质量进行了评估,避免了由于产品的质量问题导致的接单数量过多产生的生产质量较差或者延误的技术问题的出现。
根据所述关联生产设备的累计工作时间、历史故障次数、在指定时间内的历史故障率进行工作可靠性以及问题生产设备的确定,从而实现了从生产设备的工作状态以及问题生产设备的情况的评估,避免了由于生产设备存在问题导致的延误的技术问题的出现。
通过实时运行数据进行所述关联生产设备的实时运行状态的确定,并结合所述关联生产设备的工作可靠性以及设备类型进行所述关联生产设备的运行数据的分析频率的确定,实现了从多个角度对运行数据的分析频率的差异性处理,既保证了数据处理的可靠性,同时也避免了由于采用相同的分析频率带来的服务器压力较大的问题。
通过所述关联生产设备的工作可靠性、设备类型以及所述质量评估结果进行所述智慧工厂在未来的设定时间内的最大订单接待能力的确定,从而综合考虑多方面的因素对智慧工厂的接单能力的确定,避免了由于超过最大订单接待能力导致的延误的技术问题的出现。
其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显。
图1是根据实施例1的一种用于智慧工厂的数据处理方法的流程图;
图2是根据实施例1的工作可靠性确定的具体步骤的流程图;
图3是根据实施例2的一种用于智慧工厂的数据处理系统的框架图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,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他实施例,都应当属于本说明书保护的范围。
实施例1
为解决上述问题,根据本发明的一个方面,如图1所示,提供了根据本发明的一个方面,提供了一种用于智慧工厂的数据处理方法,其特征在于,具体包括:
通过智慧工厂的产品的不合格率、缺陷率、不同合格等级的产品数量确定质量评估结果,当所述质量评估结果满足要求时进入下一步骤;
基于所述产品进行所述智慧工厂的关联生产设备的筛选,并根据所述关联生产设备的累计工作时间、历史故障次数、在指定时间内的历史故障率进行工作可靠性以及问题生产设备的确定,并根据所述问题生产设备的数量、设备类型确定所述智慧工厂的生产状态满足要求时进入下一步骤;
通过所述关联生产设备的工作可靠性、设备类型以及所述质量评估结果进行所述智慧工厂在未来的设定时间内的最大订单接待能力的确定,当现有订单超过最大订单接待能力时,停止接单;
通过实时运行数据进行所述关联生产设备的实时运行状态的确定,并结合所述关联生产设备的工作可靠性以及设备类型进行所述关联生产设备的运行数据的分析频率的确定,根据所述关联生产设备的实时运行状态和产品的实时质量评估结果进行所述智慧工厂的实时生产状态确定,并通过所述智慧工厂的实时生产状态确定是否需要停止接单。
通过智慧工厂的产品的不合格率、缺陷率、不同合格等级的产品数量确定质量评估结果,从而实现了从多个角度对产品的质量进行了评估,避免了由于产品的质量问题导致的接单数量过多产生的生产质量较差或者延误的技术问题的出现。
根据所述关联生产设备的累计工作时间、历史故障次数、在指定时间内的历史故障率进行工作可靠性以及问题生产设备的确定,从而实现了从生产设备的工作状态以及问题生产设备的情况的评估,避免了由于生产设备存在问题导致的延误的技术问题的出现。
通过实时运行数据进行所述关联生产设备的实时运行状态的确定,并结合所述关联生产设备的工作可靠性以及设备类型进行所述关联生产设备的运行数据的分析频率的确定,实现了从多个角度对运行数据的分析频率的差异性处理,既保证了数据处理的可靠性,同时也避免了由于采用相同的分析频率带来的服务器压力较大的问题。
通过所述关联生产设备的工作可靠性、设备类型以及所述质量评估结果进行所述智慧工厂在未来的设定时间内的最大订单接待能力的确定,从而综合考虑多方面的因素对智慧工厂的接单能力的确定,避免了由于超过最大订单接待能力导致的延误的技术问题的出现。
需要说明的是,所述产品的不合格率根据所述智慧工厂在最近的预设时间阈值内的产品的不合格率进行确定,具体的所述不合格率根据所述产品中的不合格产品的数量与所述产品的总数量的比值进行确定。
进一步的是,所述产品的缺陷率根据所述智慧工厂在最近的预设时间阈值内的产品的缺陷率进行确定,具体的所述缺陷率根据所述产品中的除不合格产品外的缺陷产品的数量与所述产品的总数量的比值进行确定。
可以理解的是,所述质量评估结果确定的具体步骤为:
S21获取所述智慧工厂的产品的不合格率,并根据所述产品的不合格率确定所述产品的质量是否满足要求,若是,则进入步骤S22,若否,则确定所述产品的质量无法满足要求,暂不接单;
S22获取所述智慧工厂的产品的缺陷率,并根据所述产品的缺陷率和不合格率进行所述产品的问题率的确定,并根据所述产品的问题率确定所述产品的质量是否存在缺陷,若是,则进入步骤S23,若否,则进入步骤S24;
S23通过所述智慧工厂的产品的不同合格等级的产品数量确定所述产品的质量是否满足要求,若是,则确定所述产品的质量无法满足要求,暂不接单,若否,则进入步骤S24;
S24获取所述智慧工厂的产品的不同合格等级的产品数量以及比例,并结合所述智慧工厂的产品的不合格率和缺陷率、不同合格等级的产品数量确定所述智慧工厂的产品的质量评估结果。
具体的,根据所述产品的缺陷率和不合格率进行所述产品的问题率的确定,具体包括:
根据所述产品的数量以及质量要求进行所述产品的缺陷率的权值以及不合格率的权值的确定;
并根据所述产品的缺陷率的权值以及不合格率的权值确定所述产品的问题率。
需要说明的是,如图2所示,所述工作可靠性确定的具体步骤为:
S31获取所述关联生产设备的历史故障次数,并根据所述关联生产设备的历史故障次数确定所述关联生产设备是否属于问题生产设备,若是,则通过所述问题生产设备的历史故障次数进行所述问题生产设备的工作可靠性的确定,若否,则进入步骤S32;
S32获取所述关联生产设备的累计工作时间,并根据所述关联生产设备的累计工作时间确定是否能够通过历史故障率的形式进行问题生产设备的确定,若是,则进入步骤S33,若否,则进入步骤S34;
S33将所述关联生产设备在指定时间内的历史故障率作为待评估故障率,并根据所述关联生产设备在所述累计工作时间内的待评估故障率以及所述待评估故障率的发生时间,并结合所述待评估故障率的数量以及平均值确定所述关联生产设备的故障率评估值,并通过所述故障率评估值确定所述关联生产设备是否属于问题生产设备,若是,则确定所述关联生产设备为问题生产设备,并根据所述故障率评估值进行所述问题生产设备的工作可靠性的确定,若否,则进入步骤S34;
S34获取所述关联生产设备的累计工作时间、历史故障次数,并结合所述关联生产设备的故障率评估值进行所述关联生产设备的工作可靠性的确定。
可以理解的是,所述关联生产设备的工作可靠性的取值范围在0到1之间,其中所述关联生产设备的工作可靠性取值越大,则所述关联生产设备的工作可靠性越高。
具体的举例说明,所述最大订单接待能力的确定的具体步骤为:
根据所述关联生产设备的工作可靠性以及设备类型将所述关联生产设备划分为一般关联生产设备、关注关联生产设备;
根据所述一般关联生产设备的数量以及工作可靠性、关注关联生产设备的数量以及工作可靠性、问题生产设备的数量进行所述智慧工厂在未来的设定时间内的关联生产设备的最大接待能力的确定;
根据所述智慧工厂的产品的数量以及质量评估结果进行所述智慧工厂在未来的设定时间内的生产质量的最大接待能力的确定;
根据所述生产质量的最大接待能力和所述关联生产设备的最大接待能力进行所述智慧工厂在未来的设定时间内的最大订单接待能力的确定。
具体的举例说明,所述关联生产设备的运行数据的分析频率的确定的具体步骤为:
S41判断所述关联生产设备是否为问题生产设备,若是,则采用第一分析频率进行所述关联生产设备的实时运行状态的监测,若否,则进入下一步骤;
S42根据所述关联生产设备的实时运行数据进行所述关联生产设备的实时运行状态的确定,并判断所述关联生产设备的实时运行状态是否处于异常运行状态,若是,则采用第一分析频率进行所述关联生产设备的实时运行状态的监测,若否,则进入下一步骤;
S43将排除分析频率为第一分析频率的关联生产设备作为其它关联生产设备,并通过所述其它关联生产设备的数量以及所述分析频率为第一分析频率的关联生产设备的数量确定是否能够采用第二分析频率对所述其它关联生产设备进行实时运行状态的监测,若是,则采用第二分析频率对所述其它关联生产设备进行实时运行状态的监测,若否,则进入步骤S44;
S44获取所述其它关联生产设备的可靠性、类型、实时运行状态,并结合所述其它关联生产设备的数量以及所述分析频率为第一分析频率的关联生产设备的数量确定所述其它关联生产设备的运行数据的分析频率。
实施例2
如图3所示,本发明提供了一种用于智慧工厂的数据处理系统,采用上述的一种用于智慧工厂的数据处理方法,具体包括:
质量评估模块;生产状态评估模块;订单接待能力评估模块;实时生产状态确定模块;
其中所述质量评估模块负责通过智慧工厂的产品的不合格率、缺陷率、不同合格等级的产品数量确定质量评估结果;
所述生产状态评估模块负责基于所述产品进行所述智慧工厂的关联生产设备的筛选,并根据所述关联生产设备的累计工作时间、历史故障次数、在指定时间内的历史故障率进行工作可靠性以及问题生产设备的确定,并根据所述问题生产设备的数量、设备类型确定所述智慧工厂的生产状态;
所述订单接待能力评估模块负责通过所述关联生产设备的工作可靠性、设备类型以及所述质量评估结果进行所述智慧工厂在未来的设定时间内的最大订单接待能力的确定;
所述实时生产状态确定模块负责通过实时运行数据进行所述关联生产设备的实时运行状态的确定,并结合所述关联生产设备的工作可靠性以及设备类型进行所述关联生产设备的运行数据的分析频率的确定,根据所述关联生产设备的实时运行状态和产品的实时质量评估结果进行所述智慧工厂的实时生产状态确定,并通过所述智慧工厂的实时生产状态确定是否需要停止接单。
实施例3
本发明提供了一种计算机存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行上述的一种用于智慧工厂的数据处理方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (7)
1.一种用于智慧工厂的数据处理方法,其特征在于,具体包括:
通过智慧工厂的产品的不合格率、缺陷率、不同合格等级的产品数量确定质量评估结果,当所述质量评估结果满足要求时进入下一步骤;
基于所述产品进行所述智慧工厂的关联生产设备的筛选,并根据所述关联生产设备的累计工作时间、历史故障次数、在指定时间内的历史故障率进行工作可靠性以及问题生产设备的确定,当根据所述问题生产设备的数量、设备类型确定所述智慧工厂的生产状态满足要求时进入下一步骤;
通过所述关联生产设备的工作可靠性、设备类型以及所述质量评估结果进行所述智慧工厂在未来的设定时间内的最大订单接待能力的确定,当现有订单超过最大订单接待能力时,停止接单;
通过实时运行数据进行所述关联生产设备的实时运行状态的确定,并结合所述关联生产设备的工作可靠性以及设备类型进行所述关联生产设备的运行数据的分析频率的确定,根据所述关联生产设备的实时运行状态和产品的实时质量评估结果进行所述智慧工厂的实时生产状态确定,并通过所述智慧工厂的实时生产状态确定是否需要停止接单;
所述质量评估结果确定的具体步骤为:
S21获取所述智慧工厂的产品的不合格率,并根据所述产品的不合格率确定所述产品的质量是否满足要求,若是,则进入步骤S22,若否,则确定所述产品的质量无法满足要求,暂不接单;
S22获取所述智慧工厂的产品的缺陷率,并根据所述产品的缺陷率和不合格率进行所述产品的问题率的确定,并根据所述产品的问题率确定所述产品的质量是否存在缺陷,若是,则进入步骤S23,若否,则进入步骤S24;
S23通过所述智慧工厂的产品的不同合格等级的产品数量确定所述产品的质量是否满足要求,若否,则确定所述产品的质量无法满足要求,暂不接单,若是,则进入步骤S24;
S24获取所述智慧工厂的产品的不同合格等级的产品数量以及比例,并结合所述智慧工厂的产品的不合格率和缺陷率、不同合格等级的产品数量确定所述智慧工厂的产品的质量评估结果;
所述工作可靠性确定的具体步骤为:
S31获取所述关联生产设备的历史故障次数,并根据所述关联生产设备的历史故障次数确定所述关联生产设备是否属于问题生产设备,若是,则通过所述问题生产设备的历史故障次数进行所述问题生产设备的工作可靠性的确定,若否,则进入步骤S32;
S32获取所述关联生产设备的累计工作时间,并根据所述关联生产设备的累计工作时间确定是否能够通过历史故障率的形式进行问题生产设备的确定,若是,则进入步骤S33,若否,则进入步骤S34;
S33将所述关联生产设备在指定时间内的历史故障率作为待评估故障率,并根据所述关联生产设备在所述累计工作时间内的待评估故障率以及所述待评估故障率的发生时间,并结合所述待评估故障率的数量以及平均值确定所述关联生产设备的故障率评估值,并通过所述故障率评估值确定所述关联生产设备是否属于问题生产设备,若是,则确定所述关联生产设备为问题生产设备,并根据所述故障率评估值进行所述问题生产设备的工作可靠性的确定,若否,则进入步骤S34;
S34获取所述关联生产设备的累计工作时间、历史故障次数,并结合所述关联生产设备的故障率评估值进行所述关联生产设备的工作可靠性的确定;
所述最大订单接待能力的确定的具体步骤为:
根据所述关联生产设备的工作可靠性以及设备类型将所述关联生产设备划分为一般关联生产设备、关注关联生产设备;
根据所述一般关联生产设备的数量以及工作可靠性、关注关联生产设备的数量以及工作可靠性、问题生产设备的数量进行所述智慧工厂在未来的设定时间内的关联生产设备的最大订单接待能力的确定;
根据所述智慧工厂的产品的数量以及质量评估结果进行所述智慧工厂在未来的设定时间内的生产质量的最大订单接待能力的确定;
根据所述生产质量的最大订单接待能力和所述关联生产设备的最大订单接待能力进行所述智慧工厂在未来的设定时间内的最大订单接待能力的确定;
所述关联生产设备的运行数据的分析频率的确定的具体步骤为:
S41判断所述关联生产设备是否为问题生产设备,若是,则采用第一分析频率进行所述关联生产设备的实时运行状态的监测,若否,则进入下一步骤;
S42根据所述关联生产设备的实时运行数据进行所述关联生产设备的实时运行状态的确定,并判断所述关联生产设备的实时运行状态是否处于异常运行状态,若是,则采用第一分析频率进行所述关联生产设备的实时运行状态的监测,若否,则进入下一步骤;
S43将排除分析频率为第一分析频率的关联生产设备作为其它关联生产设备,并通过所述其它关联生产设备的数量以及所述分析频率为第一分析频率的关联生产设备的数量确定是否能够采用第二分析频率对所述其它关联生产设备进行实时运行状态的监测,若是,则采用第二分析频率对所述其它关联生产设备进行实时运行状态的监测,若否,则进入步骤S44;
S44获取所述其它关联生产设备的工作可靠性、设备类型、实时运行状态,并结合所述其它关联生产设备的数量以及所述分析频率为第一分析频率的关联生产设备的数量确定所述其它关联生产设备的运行数据的分析频率。
2.如权利要求1所述的一种用于智慧工厂的数据处理方法,其特征在于,所述产品的不合格率根据所述智慧工厂在最近的预设时间阈值内的产品的不合格率进行确定,具体的所述不合格率根据所述产品中的不合格产品的数量与所述产品的总数量的比值进行确定。
3.如权利要求1所述的一种用于智慧工厂的数据处理方法,其特征在于,所述产品的缺陷率根据所述智慧工厂在最近的预设时间阈值内的产品的缺陷率进行确定,具体的所述缺陷率根据所述产品中的除不合格产品外的缺陷产品的数量与所述产品的总数量的比值进行确定。
4.如权利要求1所述的一种用于智慧工厂的数据处理方法,其特征在于,根据所述产品的缺陷率和不合格率进行所述产品的问题率的确定,具体包括:
根据所述产品的数量以及质量要求进行所述产品的缺陷率的权值以及不合格率的权值的确定;
并根据所述产品的缺陷率的权值以及不合格率的权值确定所述产品的问题率。
5.如权利要求1所述的一种用于智慧工厂的数据处理方法,其特征在于,所述关联生产设备的工作可靠性的取值范围在0到1之间,其中所述关联生产设备的工作可靠性取值越大,则所述关联生产设备的工作可靠性越高。
6.一种用于智慧工厂的数据处理系统,采用权利要求1-5任意一项所述的一种用于智慧工厂的数据处理方法,其特征在于,具体包括:
质量评估模块;生产状态评估模块;订单接待能力评估模块;实时生产状态确定模块;
其中所述质量评估模块负责通过智慧工厂的产品的不合格率、缺陷率、不同合格等级的产品数量确定质量评估结果;
所述生产状态评估模块负责基于所述产品进行所述智慧工厂的关联生产设备的筛选,并根据所述关联生产设备的累计工作时间、历史故障次数、在指定时间内的历史故障率进行工作可靠性以及问题生产设备的确定,并根据所述问题生产设备的数量、设备类型确定所述智慧工厂的生产状态;
所述订单接待能力评估模块负责通过所述关联生产设备的工作可靠性、设备类型以及所述质量评估结果进行所述智慧工厂在未来的设定时间内的最大订单接待能力的确定;
所述实时生产状态确定模块负责通过实时运行数据进行所述关联生产设备的实时运行状态的确定,并结合所述关联生产设备的工作可靠性以及设备类型进行所述关联生产设备的运行数据的分析频率的确定,根据所述关联生产设备的实时运行状态和产品的实时质量评估结果进行所述智慧工厂的实时生产状态确定,并通过所述智慧工厂的实时生产状态确定是否需要停止接单。
7.一种计算机存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,实现权利要求1-5任一项所述的一种用于智慧工厂的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310815760.7A CN116862299B (zh) | 2023-07-05 | 2023-07-05 | 一种用于智慧工厂的数据处理系统和数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310815760.7A CN116862299B (zh) | 2023-07-05 | 2023-07-05 | 一种用于智慧工厂的数据处理系统和数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116862299A CN116862299A (zh) | 2023-10-10 |
CN116862299B true CN116862299B (zh) | 2024-02-23 |
Family
ID=88233460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310815760.7A Active CN116862299B (zh) | 2023-07-05 | 2023-07-05 | 一种用于智慧工厂的数据处理系统和数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116862299B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427021A (zh) * | 2015-10-30 | 2016-03-23 | 江苏云道信息技术有限公司 | 一种服装智能排产方法 |
CN106600088A (zh) * | 2015-10-16 | 2017-04-26 | 中芯国际集成电路制造(上海)有限公司 | 一种用于提升生产能力的系统和用于提升生产能力的方法 |
KR20220009241A (ko) * | 2020-07-15 | 2022-01-24 | 텔스타홈멜 주식회사 | 통합 제조 운영 관리 시스템 및 방법 |
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 |
KR102545901B1 (ko) * | 2022-09-22 | 2023-06-21 | 주식회사 위즈팩토리 | 스마트팩토리 플랫폼 공정 관리 시스템 |
CN116308664A (zh) * | 2023-03-23 | 2023-06-23 | 荆州华洋供应链管理有限公司 | 一种基于智能制造的智慧工厂订单全周期跟踪管理系统 |
CN116362410A (zh) * | 2023-04-14 | 2023-06-30 | 无锡星智数服科技有限公司 | 一种基于mes的生产时间预测方法、系统及存储介质 |
-
2023
- 2023-07-05 CN CN202310815760.7A patent/CN116862299B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600088A (zh) * | 2015-10-16 | 2017-04-26 | 中芯国际集成电路制造(上海)有限公司 | 一种用于提升生产能力的系统和用于提升生产能力的方法 |
CN105427021A (zh) * | 2015-10-30 | 2016-03-23 | 江苏云道信息技术有限公司 | 一种服装智能排产方法 |
KR20220009241A (ko) * | 2020-07-15 | 2022-01-24 | 텔스타홈멜 주식회사 | 통합 제조 운영 관리 시스템 및 방법 |
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 |
KR102545901B1 (ko) * | 2022-09-22 | 2023-06-21 | 주식회사 위즈팩토리 | 스마트팩토리 플랫폼 공정 관리 시스템 |
CN116308664A (zh) * | 2023-03-23 | 2023-06-23 | 荆州华洋供应链管理有限公司 | 一种基于智能制造的智慧工厂订单全周期跟踪管理系统 |
CN116362410A (zh) * | 2023-04-14 | 2023-06-30 | 无锡星智数服科技有限公司 | 一种基于mes的生产时间预测方法、系统及存储介质 |
Non-Patent Citations (2)
Title |
---|
基于可靠性理论的工业设备管理系统研究与设计;张文焕;《中国优秀硕士学位论文全文数据库基础科学辑》;20200315(第03期);摘要,第1-76页 * |
基于大数据的智慧工厂技术框架;吕佑龙 等;《计算机集成制造系统》;20161130;第22卷(第11期);第2691-2697段 * |
Also Published As
Publication number | Publication date |
---|---|
CN116862299A (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3236398A1 (en) | A system for maintenance recommendation based on maintenance effectiveness estimation | |
US10402511B2 (en) | System for maintenance recommendation based on performance degradation modeling and monitoring | |
US7536371B2 (en) | Apparatus and method for the analysis of a process having parameter-based faults | |
CN110208019A (zh) | 一种动设备状态监测动态阈值预警方法 | |
CN111160791A (zh) | 一种基于gbdt算法及因素融合的异常用户识别方法 | |
CN113359562B (zh) | 电机智能润滑系统 | |
CN117035513A (zh) | 一种智慧工业园区能源运行智能监测管理系统及方法 | |
CN103412542A (zh) | 一种数据驱动的集成电路工艺设备异常预警技术方法 | |
CN109615126A (zh) | 一种轴承剩余寿命预测方法 | |
CN116976707B (zh) | 基于用电信息采集的用户用电数据异常分析方法及系统 | |
CN103826108A (zh) | 基于视频图像的贷后监控方法及系统 | |
CN111309502A (zh) | 固态硬盘寿命预测方法 | |
CN104391479B (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 | |
CN116976557A (zh) | 一种节能减碳的园区能源控制方法及系统 | |
KR20190077137A (ko) | 인프라 설비 가동 데이터 자동분석방법 및 시스템 | |
CN116862299B (zh) | 一种用于智慧工厂的数据处理系统和数据处理方法 | |
CN115167222A (zh) | 一种设备监控的方法及相关设备 | |
Godwin et al. | Prognosis of wind turbine gearbox failures by utilising robust multivariate statistical techniques | |
CN115311829A (zh) | 一种基于海量数据的精准告警方法及系统 | |
CN116668644B (zh) | 一种基于实时监测的摄像装置管理方法与系统 | |
CN112288106A (zh) | 囊式压力罐的压力自动控制系统 | |
US20230280735A1 (en) | Monitoring device and monitoring method | |
CN114626558A (zh) | 一种智能工业生产设备管理方法及系统 | |
Roberts et al. | An Investigation on the Usability of High-Frequency Wind Tur-bine Controller Data for Predictive Maintenance | |
CN112215503A (zh) | 基于spc的可靠性监控方法 |
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 |