CN117273283B - 一种工业生产mes分析数据智能管理方法及存储介质 - Google Patents
一种工业生产mes分析数据智能管理方法及存储介质 Download PDFInfo
- Publication number
- CN117273283B CN117273283B CN202311540781.9A CN202311540781A CN117273283B CN 117273283 B CN117273283 B CN 117273283B CN 202311540781 A CN202311540781 A CN 202311540781A CN 117273283 B CN117273283 B CN 117273283B
- Authority
- CN
- China
- Prior art keywords
- production
- fluctuation
- record
- historical
- speed
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 22
- 238000009776 industrial production Methods 0.000 title claims abstract description 15
- 238000007726 management method Methods 0.000 title claims abstract description 13
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000004519 manufacturing process Methods 0.000 claims description 696
- 238000012544 monitoring process Methods 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 18
- 238000010586 diagram Methods 0.000 claims description 12
- 238000005265 energy consumption Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000013179 statistical model Methods 0.000 claims description 3
- 238000013523 data management Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract 1
- 230000001965 increasing effect Effects 0.000 description 17
- 238000004134 energy conservation Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明工业生产数据管理技术领域,特别涉及工业生产技术,具体公开一种工业生产MES分析数据智能管理方法及存储介质,本发明通过利用MES对工业企业生产的各种工业品进行历史生产记录提取,并根据历史生产记录中的生产时长和生产量进行生产速度计算及生产波动度分析,由于筛选出波动工业品,进一步对波动工业品的历史生产低效原因进行预测,从而基于预测原因评判波动工业品的生产线是否存在提速需求,体现了工业品生产提速需求的合理性评判,避免发生牺牲生产品质下的生产提速,能够在保障生产质量的基础上提高生产速度,实现生产质量与生产速度的双重保障,使得生产提速更具有实用价值。
Description
技术领域
本发明属于工业生产数据管理技术领域,具体为一种工业生产MES分析数据智能管理方法及存储介质。
背景技术
MES是一种用于监控和管理制造过程的计算机化系统。它在工业制造业中发挥关键作用,有助于实现生产计划、质量控制、设备管理和生产数据分析等任务。
随着城市化进程加速,带来了对建筑、交通、能源和其他基础设施的巨大需求,由此推动了对各种工业品的需求增加,为了满足工业品日益增长的使用需求,进行生产提速已经成为很多工业企业的追求目标,特别是在原有生产规模及原有生产设备下的提速,而由于不同的工业品具有不同的生产方式,并不是所有的工业品在原有生产规模下都能够进行提速,进行生产提速的首要操作就是评判工业品当前的生产速度是否存在提速需求,在这种情况下就可以应用MES进行工业品生产速度分析。
然而目前在利用MES进行工业品生产速度分析时主要是依据工业品在历史生产中的生产速度波动性,当工业品的生产速度波动较小时,表明工业品的生产发挥比较稳定,是不存在提速需求的,当工业品的生产速度波动较大时表明工业品在历史生产中存在高效生产的时候也存在低效生产的时候,由于历史上存在高效生产的时候,可以通过将低效生产向高效进行转化应用到后续的生产过程中就可以实现持续高效生产,可见在这种情况下是具有提速前景的,由此现有技术在识别到某工业品在历史生产中的生产速度波动性较大时直接评判该工业品存在提速需求,忽略了对该工业品在低效生产下的低效原因分析,由于影响生产速度的因素有很多,并不是所有的低效生产都适合提速,因此单纯依据工业品的生产速度波动性较大就将工业品进行生产提速很明显是较为盲目、不合理的,容易造成牺牲生产品质下的生产提速,不利于生产质量的保障,从而在一定程度上影响了提速价值。
发明内容
为此,本申请实施例的一个目的在于提供一种工业生产MES分析数据智能管理方法及存储介质,有效解决了背景技术提到的问题。
本发明的目的可以通过以下技术方案来实现:本发明的第一方面提供一种工业生产MES分析数据智能管理方法,包括以下步骤:S1、统计工业企业生产的工业品种类数量,并从历史生产库中调取各种工业品的历史生产记录,同时从历史生产记录中提取生产量和生产时长,进而据此进行波动工业品筛选。
S2、从历史生产库中提取波动工业品在各条历史生产记录中的生产线监控视频,并从生产线监控视频中提取各生产环节的生产速度,进而将相同生产环节在各条历史生产记录中的生产速度进行归类,得到波动工业品在各生产环节对应的若干生产速度数据。
S3、将波动工业品在各生产环节对应的若干生产速度数据进行对比,识别出差异生产环节,并获取差异生产环节对应的高效历史生产记录和低效历史生产记录。
S4、分别从差异生产环节对应的高效历史生产记录和低效历史生产记录中提取生产关联数据,由此预测波动工业品对应差异生产环节在低效历史生产记录中的低效原因。
S5、基于波动工业品对应差异生产环节在低效历史生产记录中的低效原因评判波动工业品的生产线是否存在提速需求。
S6、在评判波动工业品的生产线存在提速需求时分析提速指向。
根据本发明第一方面的一种能够实现的方式,所述波动工业品筛选的过程如下:S11、将各种工业品在各条历史生产记录中的生产量和生产时长通过表达式计算出各种工业品在各条历史生产记录中的生产速度。
S12、将同种工业品在各条历史生产记录中的生产速度进行相互对比,将其导入公式计算出各种工业品的生产速度波动度/>,式中表示为第/>种工业品在第/>条历史生产记录中的生产速度,/>表示工业品的种类编号,,/>表示为历史生产记录的编号,/>,/>表示为历史生产记录数量,表示为自然常数。
S13、将各种工业品的生产速度波动度与设定阈值进行对比,若某种工业品的生产速度波动度大于设定阈值,则将该种工业品作为波动工业品。
根据本发明第一方面的一种能够实现的方式,所述从生产线监控视频中提取各生产环节的生产速度参见下述过程:S21、获取波动工业品对应的生产环节,进而从波动工业品在各条历史生产记录中的生产线监控视频中将生产线按照生产环节进行划分,得到各生产环节对应的生产段。
S22、根据各生产环节对应的生产段将波动工业品在各条历史生产记录中的生产线监控视频进行分割,构成波动工业品在各条历史生产记录中各生产环节对应的生产监控子视频。
S23、获取波动工业品在各条历史生产记录中各生产环节对应的生产监控子视频时长,并将其按照预设的间隔时长进行划分,形成若干分段视频,由此将各分段视频聚焦到生产段末端,统计传送到生产段末端的产品数量。
S24、将各分段视频的时长结合传送到生产段末端的产品数量利用表达式,统计出波动工业品在各条历史生产记录中各生产环节的生产速度。
根据本发明第一方面的一种能够实现的方式,所述差异生产环节参见下述识别过程:S31、获取波动工业品在各生产环节对应各生产速度数据所属历史生产记录,并获取历史生产记录的起始生产时间。
S32、以起始生产时间为横坐标,以生产速度为纵坐标,构建二维坐标系,进而针对波动工业品在各生产环节对应各生产速度数据所属历史生产记录的起始生产时间在所构建的二维坐标系内标注若干点,形成波动工业品在各生产环节对应生产速度的散点图。
S33、分别对波动工业品在各生产环节对应生产速度的散点图进行线性回归分析,生成回归线,同时获取回归线的斜率,进而取回归线的斜率绝对值与预配值进行对比,若波动工业品在某生产环节对应生产速度的散点图回归线绝对值大于预配值,则将该生产环节作为差异生产环节。
根据本发明第一方面的一种能够实现的方式,所述获取差异生产环节对应的高效历史生产记录和低效历史生产记录实施方式为:将除差异生产环节对应的其他生产环节记为平稳生产环节,进而将波动工业品在各平稳生产环节对应的生产速度数据中提取最大生产速度、最小生产速度,由此利用统计模型,得到正常均值偏离差/>,式中/>、/>分别表现为波动工业品在第/>平稳生产环节对应的最大生产速度、最小生产速度,/>表示为平稳生产环节编号,/>,/>表示为平稳生产环节的数量。
从波动工业品在差异生产环节对应的生产速度数据中提取中位生产速度,并将其结合正常均值偏离差预测得到波动工业品在差异生产环节对应的正常生产速度区间,其中/>表示为波动工业品在差异生产环节的中位生产速度。
将波动工业品在差异生产环节对应的生产速度数据与波动工业品在差异生产环节对应的正常生产速度区间进行对比,进而将大于正常生产速度区间上限值的生产速度所属历史生产记录作为高效历史生产记录,将小于正常生产速度区间下限值的生产速度所属历史生产记录作为低效历史生产记录。
根据本发明第一方面的一种能够实现的方式,所述生产关联数据包括生产状态数据、产品生产质量达标率和生产耗能量,其中生产状态数据包括生产设备运行数据和生产环境数据。
根据本发明第一方面的一种能够实现的方式,所述预测波动工业品对应差异生产环节在低效历史生产记录中的低效原因参见下述方式:将波动工业品对应差异生产环节在低效历史生产记录中的生产关联数据与在高效历史生产记录中的生产关联数据进行对比,具体为:
(1)将波动工业品对应差异生产环节在低效历史生产记录中的生产状态数据和在高效历史生产记录中的生产状态数据分别与相应的正常生产状态数据进行对比,分别计算低效、高效历史生产记录对应的生产状态达标度,若高效历史生产记录对应的生产状态达标度大于低效历史生产记录对应的生产状态达标度,则预测低效原因为生产状态不佳。
(2)将波动工业品对应差异生产环节在低效历史生产记录中的产品生产质量达标率与在高效历史生产记录中的产品生产质量达标率进行对比,若高效历史生产记录中的产品生产质量达标率低于低效历史生产记录中的产品生产质量达标率,则预测低效原因为注重生产质量。
(3)将波动工业品对应差异生产环节在低效历史生产记录中的生产耗能量和在高效历史生产记录中的生产耗能量/>进行对比,利用表达式,统计生产耗能量的差距指数/>,并与设置的允许差距指数进行对比,若大于允许差距指数,则预测低效原因为生产节能,反之则不进行处理。
根据本发明第一方面的一种能够实现的方式,所述评判波动工业品的生产线是否存在提速需求的实现过程为:将波动工业品对应差异生产环节在低效历史生产记录中的低效原因导入评判模型,其中/>表示为低效原因为生产状态不佳,表示为低效原因为注重生产质量或生产节能。
根据本发明第一方面的一种能够实现的方式,所述提速指向的分析如下:将波动工业品对应差异生产环节在低效历史生产记录中的生产状态数据中生产设备运行数据和生产环境数据与在高效历史生产记录中的生产设备运行数据和生产环境数据分别与正常生产设备运行数据、正常生产环境数据进行对比,进而根据对比结果分析出提速指向。
本发明的第二方面提出一种存储介质,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现本发明所述的一种工业生产MES分析数据智能管理方法。
结合上述的所有技术方案,本发明所具备的积极效果为:1、本发明通过对各种工业品进行历史生产记录提取,并根据历史生产记录中的生产时长和生产量进行生产速度波动度分析,由于筛选出波动工业品,进一步对波动工业品的历史生产低效原因进行预测,从而基于预测原因评判波动工业品的生产线是否存在提速需求,体现了工业品生产提速需求的合理性评判,避免发生牺牲生产品质下的生产提速,能够在保障生产质量的基础上提高生产速度,实现生产质量与生产速度的双重保障,使得生产提速更具有实用价值。
2、本发明在对波动工业品进行历史生产低效原因预测时通过将波动工业品的生产速度波动性落实到具体的生产环节上,识别出差异生产环节及其对应的高效历史生产记录和低效历史生产记录,进而利用MES提取相应生产记录的生产关联数据,由此进行低效原因预测,能够为预测过程提供明确的落实目标,避免提取整个生产线上的生产关联数造成的盲目预测,大大提高了预测效率。
3、本发明在评判波动工业品的生产线存在提速需求时还增加了提速指向的分析,为波动工业品的具体生产提速提供针对性的方向,有利于提高提速效果。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的方法实施步骤流程图。
图2为本发明中波动工业品在生产环节对应生产速度的散点图。
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1
参见图1所示,本发明提供一种工业生产MES分析数据智能管理方法,包括以下步骤:S1、统计工业企业生产的工业品种类数量,并从历史生产库中调取各种工业品的历史生产记录,同时从历史生产记录中提取生产量和生产时长,进而据此进行波动工业品筛选,具体筛选过程如下:S11、将各种工业品在各条历史生产记录中的生产量和生产时长通过表达式计算出各种工业品在各条历史生产记录中的生产速度。
需要理解的是上述提到的生产时长为历史生产记录的总生产时长。
S12、将同种工业品在各条历史生产记录中的生产速度进行相互对比,将其导入公式计算出各种工业品的生产速度波动度/>,式中表示为第/>种工业品在第/>条历史生产记录中的生产速度,/>表示工业品的种类编号,,/>表示为历史生产记录的编号,/>,/>表示为历史生产记录数量,表示为自然常数,其中各条历史生产记录的生产速度与平均生产速度相差越大,生产速度波动度越大。
S13、将各种工业品的生产速度波动度与设定阈值进行对比,若某种工业品的生产速度波动度大于设定阈值,则将该种工业品作为波动工业品。
S2、从历史生产库中提取波动工业品在各条历史生产记录中的生产线监控视频,并从生产线监控视频中提取各生产环节的生产速度,进而将相同生产环节在各条历史生产记录中的生产速度进行归类,得到波动工业品在各生产环节对应的若干生产速度数据。
应用于上述实施例,从生产线监控视频中提取各生产环节的生产速度参见下述过程:S21、获取波动工业品对应的生产环节,进而从波动工业品在各条历史生产记录中的生产线监控视频中将生产线按照生产环节进行划分,得到各生产环节对应的生产段。
需要知道的是,工业品的生产线是根据生产环节来的,生产环节越多,生产线越长。
S22、根据各生产环节对应的生产段将波动工业品在各条历史生产记录中的生产线监控视频进行分割,构成波动工业品在各条历史生产记录中各生产环节对应的生产监控子视频。
S23、获取波动工业品在各条历史生产记录中各生产环节对应的生产监控子视频时长,并将其按照预设的间隔时长进行划分,形成若干分段视频,由此将各分段视频聚焦到生产段末端,统计传送到生产段末端的产品数量。
需要理解的是各生产环节中传送到生成线末端的产品数量即为各生产环节的产品生产量。
S24、将各分段视频的时长结合传送到生产段末端的产品数量利用表达式,统计出波动工业品在各条历史生产记录中各生产环节的生产速度。
S3、将波动工业品在各生产环节对应的若干生产速度数据进行对比,识别出差异生产环节,并获取差异生产环节对应的高效历史生产记录和低效历史生产记录。
优选地,差异生产环节参见下述识别过程:S31、获取波动工业品在各生产环节对应各生产速度数据所属历史生产记录,并获取历史生产记录的起始生产时间。
S32、以起始生产时间为横坐标,以生产速度为纵坐标,构建二维坐标系,进而针对波动工业品在各生产环节对应各生产速度数据所属历史生产记录的起始生产时间在所构建的二维坐标系内标注若干点,形成波动工业品在各生产环节对应生产速度的散点图,参见图2所示。
S33、分别对波动工业品在各生产环节对应生产速度的散点图进行线性回归分析,生成回归线,同时获取回归线的斜率,进而取回归线的斜率绝对值与预配值进行对比,其中某生产环节回归线的斜率绝对值越小,表明该生产环节对应生产速度的散点图中回归线越趋于水平线,代表该生产环节的生产速度变化越平稳,生产发挥越稳定,若波动工业品在某生产环节对应生产速度的散点图回归线绝对值大于预配值,则将该生产环节作为差异生产环节。
本发明在从波动工业品的生产线中进行差异生产环节识别时通过利用散点图来实现可视化识别,能够更加直观地展示差异生产环节。
进一步优选地,获取差异生产环节对应的高效历史生产记录和低效历史生产记录实施方式为:将除差异生产环节对应的其他生产环节记为平稳生产环节,进而将波动工业品在各平稳生产环节对应的生产速度数据中提取最大生产速度、最小生产速度,由此利用统计模型,得到正常均值偏离差/>,式中/>、分别表现为波动工业品在第/>平稳生产环节对应的最大生产速度、最小生产速度,表示为平稳生产环节编号,/>,/>表示为平稳生产环节的数量。
从波动工业品在差异生产环节对应的生产速度数据中提取中位生产速度,并将其结合正常均值偏离差预测得到波动工业品在差异生产环节对应的正常生产速度区间,其中/>表示为波动工业品在差异生产环节的中位生产速度。
需要理解的是,由于波动工业品在差异生产环节的生产速度数据具有较大的波动性,容易存在极端值,不能使用平均生产速度作为代表,而中位生产速度由于不受极端值的干扰,更能反映数据的集中趋势,更具代表性。
将波动工业品在差异生产环节对应的生产速度数据与波动工业品在差异生产环节对应的正常生产速度区间进行对比,进而将大于正常生产速度区间上限值的生产速度所属历史生产记录作为高效历史生产记录,将小于正常生产速度区间下限值的生产速度所属历史生产记录作为低效历史生产记录。
本发明在对波动工业品进行历史生产低效原因预测时通过将波动工业品的生产速度波动性落实到具体的生产环节上,识别出差异生产环节及其对应的高效历史生产记录和低效历史生产记录,进而利用MES提取相应生产记录的生产关联数据,由此进行低效原因预测,能够为预测过程提供明确的落实目标,避免提取整个生产线上的生产关联数造成的盲目预测,大大提高了预测效率。
S4、分别从差异生产环节对应的高效历史生产记录和低效历史生产记录中提取生产关联数据,所述生产关联数据包括生产状态数据、产品生产质量达标率和生产耗能量,其中生产状态数据包括生产设备运行数据和生产环境数据,示例性的,生产设备运行数据包括运行电压、运行电流、运行温度等,生产环境数据包括温度、湿度、空气质量等。
由此预测波动工业品对应差异生产环节在低效历史生产记录中的低效原因,预测过程如下:将波动工业品对应差异生产环节在低效历史生产记录中的生产关联数据与在高效历史生产记录中的生产关联数据进行对比,具体为:(1)将波动工业品对应差异生产环节在低效历史生产记录中的生产状态数据和在高效历史生产记录中的生产状态数据分别与相应的正常生产状态数据进行对比,分别计算低效、高效历史生产记录对应的生产状态达标度,其中,若高效历史生产记录对应的生产状态达标度大于低效历史生产记录对应的生产状态达标度,则预测低效原因为生产状态不佳。
需要知道的是,上述提到的生产耗能量是指电力、天然气、水等能源的消耗总量。
(2)将波动工业品对应差异生产环节在低效历史生产记录中的产品生产质量达标率与在高效历史生产记录中的产品生产质量达标率进行对比,若高效历史生产记录中的产品生产质量达标率低于低效历史生产记录中的产品生产质量达标率,则预测低效原因为注重生产质量。
(3)将波动工业品对应差异生产环节在低效历史生产记录中的生产耗能量和在高效历史生产记录中的生产耗能量/>进行对比,利用表达式,统计生产耗能量的差距指数/>,并与设置的允许差距指数进行对比,若大于允许差距指数,则预测低效原因为生产节能,反之则不进行处理。
S5、基于波动工业品对应差异生产环节在低效历史生产记录中的低效原因评判波动工业品的生产线是否存在提速需求,具体评判方式为:将波动工业品对应差异生产环节在低效历史生产记录中的低效原因导入评判模型,其中/>表示为低效原因为生产状态不佳,/>表示为低效原因为注重生产质量或生产节能。
需要理解的是,当预测波动工业品对应差异生产环节在低效历史生产记录中的低效原因为生产状态不佳时考虑到时生产设备的运行状态未达到最佳或是生产环境未达到最佳,例如温度、湿度、空气质量,在这种情况下通过将生产状态进行调整,就存在生产提速的可能性,因而这种情况是存在提速需求的,而当低效原因为注重生产质量时表明在生产时是牺牲了生产效率来保障生产质量,由于生产质量相对于生产效率相比是第一要位的,因而这种情况是不需要提速的,当低效原因为生产节能时表明生产时未过度使用能源,由于现阶段对生产节能的大力呼吁,因而这种情况不能过度牺牲能源去提高生产速度,也是不需要提速的。
本发明通过对各种工业品进行历史生产记录提取,并根据历史生产记录中的生产时长和生产量进行生产速度波动度分析,由于筛选出波动工业品,进一步对波动工业品的历史生产低效原因进行预测,从而基于预测原因评判波动工业品的生产线是否存在提速需求,体现了工业品生产提速需求的合理性评判,避免发生牺牲生产品质下的生产提速,能够在保障生产质量的基础上提高生产速度,实现生产质量与生产速度的双重保障,使得生产提速更具有实用价值。
S6、在评判波动工业品的生产线是否存在提速需求时分析提速指向,具体分析如下:将波动工业品对应差异生产环节在低效历史生产记录中的生产状态数据中生产设备运行数据和生产环境数据与在高效历史生产记录中的生产设备运行数据和生产环境数据分别与正常生产设备运行数据、正常生产环境数据进行对比,按照生产状态达标度的计算方式计算低效生产对应的生产设备运行达标度和生产环境达标度和高效生产对应的生产设备运行达标度和生产环境达标度,若高效生产对应的生产设备运行达标度大于低效生产对应的生产设备运行达标度,则分析提速指向为生产设备,若高效生产对应的生产环境达标度大于低效生产对应的生产环境达标度,则分析提速指向为生产环境。
本发明在评判波动工业品的生产线存在提速需求时还增加了提速指向的分析,为波动工业品的具体生产提速提供针对性的方向,有利于提高提速效果。
实施例2
本发明提出一种存储介质,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现本发明所述的一种工业生产MES分析数据智能管理方法。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (3)
1.一种工业生产MES分析数据智能管理方法,其特征在于,包括以下步骤:
S1、统计工业企业生产的工业品种类数量,并从历史生产库中调取各种工业品的历史生产记录,同时从历史生产记录中提取生产量和生产时长,进而据此进行波动工业品筛选;
S2、从历史生产库中提取波动工业品在各条历史生产记录中的生产线监控视频,并从生产线监控视频中提取各生产环节的生产速度,进而将相同生产环节在各条历史生产记录中的生产速度进行归类,得到波动工业品在各生产环节对应的若干生产速度数据;
S3、将波动工业品在各生产环节对应的若干生产速度数据进行对比,识别出差异生产环节,并获取差异生产环节对应的高效历史生产记录和低效历史生产记录;
S4、分别从差异生产环节对应的高效历史生产记录和低效历史生产记录中提取生产关联数据,由此预测波动工业品对应差异生产环节在低效历史生产记录中的低效原因;
S5、基于波动工业品对应差异生产环节在低效历史生产记录中的低效原因评判波动工业品的生产线是否存在提速需求;
S6、在评判波动工业品的生产线存在提速需求时分析提速指向;
所述波动工业品筛选的过程如下:
S11、将各种工业品在各条历史生产记录中的生产量和生产时长通过表达式计算出各种工业品在各条历史生产记录中的生产速度;
S12、将同种工业品在各条历史生产记录中的生产速度进行相互对比,将其导入公式计算出各种工业品的生产速度波动度/>,式中表示为第/>种工业品在第/>条历史生产记录中的生产速度,/>表示工业品的种类编号,,/>表示为历史生产记录的编号,/>,/>表示为历史生产记录数量,表示为自然常数;
S13、将各种工业品的生产速度波动度与设定阈值进行对比,若某种工业品的生产速度波动度大于设定阈值,则将该种工业品作为波动工业品;
所述差异生产环节参见下述识别过程:
S31、获取波动工业品在各生产环节对应各生产速度数据所属历史生产记录,并获取历史生产记录的起始生产时间;
S32、以起始生产时间为横坐标,以生产速度为纵坐标,构建二维坐标系,进而针对波动工业品在各生产环节对应各生产速度数据所属历史生产记录的起始生产时间在所构建的二维坐标系内标注若干点,形成波动工业品在各生产环节对应生产速度的散点图;
S33、分别对波动工业品在各生产环节对应生产速度的散点图进行线性回归分析,生成回归线,同时获取回归线的斜率,进而取回归线的斜率绝对值与预配值进行对比,若波动工业品在某生产环节对应生产速度的散点图回归线绝对值大于预配值,则将该生产环节作为差异生产环节;
所述获取差异生产环节对应的高效历史生产记录和低效历史生产记录实施方式为:
将除差异生产环节对应的其他生产环节记为平稳生产环节,进而将波动工业品在各平稳生产环节对应的生产速度数据中提取最大生产速度、最小生产速度,由此利用统计模型,得到正常均值偏离差/>,式中/>、/>分别表现为波动工业品在第/>平稳生产环节对应的最大生产速度、最小生产速度,/>表示为平稳生产环节编号,/>,/>表示为平稳生产环节的数量;
从波动工业品在差异生产环节对应的生产速度数据中提取中位生产速度,并将其结合正常均值偏离差预测得到波动工业品在差异生产环节对应的正常生产速度区间,其中/>表示为波动工业品在差异生产环节的中位生产速度;
将波动工业品在差异生产环节对应的生产速度数据与波动工业品在差异生产环节对应的正常生产速度区间进行对比,进而将大于正常生产速度区间上限值的生产速度所属历史生产记录作为高效历史生产记录,将小于正常生产速度区间下限值的生产速度所属历史生产记录作为低效历史生产记录;
所述生产关联数据包括生产状态数据、产品生产质量达标率和生产耗能量,其中生产状态数据包括生产设备运行数据和生产环境数据;
所述预测波动工业品对应差异生产环节在低效历史生产记录中的低效原因参见下述方式:
将波动工业品对应差异生产环节在低效历史生产记录中的生产关联数据与在高效历史生产记录中的生产关联数据进行对比,具体为:(1)将波动工业品对应差异生产环节在低效历史生产记录中的生产状态数据和在高效历史生产记录中的生产状态数据分别与相应的正常生产状态数据进行对比,分别计算低效、高效历史生产记录对应的生产状态达标度,若高效历史生产记录对应的生产状态达标度大于低效历史生产记录对应的生产状态达标度,则预测低效原因为生产状态不佳;
(2)将波动工业品对应差异生产环节在低效历史生产记录中的产品生产质量达标率与在高效历史生产记录中的产品生产质量达标率进行对比,若高效历史生产记录中的产品生产质量达标率低于低效历史生产记录中的产品生产质量达标率,则预测低效原因为注重生产质量;
(3)将波动工业品对应差异生产环节在低效历史生产记录中的生产耗能量和在高效历史生产记录中的生产耗能量/>进行对比,利用表达式,统计生产耗能量的差距指数/>,并与设置的允许差距指数进行对比,若大于允许差距指数,则预测低效原因为生产节能,反之则不进行处理;
所述评判波动工业品的生产线是否存在提速需求的实现过程为:
将波动工业品对应差异生产环节在低效历史生产记录中的低效原因导入评判模型,其中/>表示为低效原因为生产状态不佳,/>表示为低效原因为注重生产质量或生产节能;
所述提速指向的分析如下:
将波动工业品对应差异生产环节在低效历史生产记录中的生产状态数据中生产设备运行数据和生产环境数据与在高效历史生产记录中的生产设备运行数据和生产环境数据分别与正常生产设备运行数据、正常生产环境数据进行对比,进而根据对比结果分析出提速指向。
2.如权利要求1所述的一种工业生产MES分析数据智能管理方法,其特征在于:所述从生产线监控视频中提取各生产环节的生产速度参见下述过程:
S21、获取波动工业品对应的生产环节,进而从波动工业品在各条历史生产记录中的生产线监控视频中将生产线按照生产环节进行划分,得到各生产环节对应的生产段;
S22、根据各生产环节对应的生产段将波动工业品在各条历史生产记录中的生产线监控视频进行分割,构成波动工业品在各条历史生产记录中各生产环节对应的生产监控子视频;
S23、获取波动工业品在各条历史生产记录中各生产环节对应的生产监控子视频时长,并将其按照预设的间隔时长进行划分,形成若干分段视频,由此将各分段视频聚焦到生产段末端,统计传送到生产段末端的产品数量;
S24、将各分段视频的时长结合传送到生产段末端的产品数量利用表达式,统计出波动工业品在各条历史生产记录中各生产环节的生产速度。
3.一种存储介质,其特征在于:所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-2任意一项所述的一种工业生产MES分析数据智能管理方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311540781.9A CN117273283B (zh) | 2023-11-20 | 2023-11-20 | 一种工业生产mes分析数据智能管理方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311540781.9A CN117273283B (zh) | 2023-11-20 | 2023-11-20 | 一种工业生产mes分析数据智能管理方法及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117273283A CN117273283A (zh) | 2023-12-22 |
CN117273283B true CN117273283B (zh) | 2024-03-12 |
Family
ID=89204714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311540781.9A Active CN117273283B (zh) | 2023-11-20 | 2023-11-20 | 一种工业生产mes分析数据智能管理方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117273283B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014119959A (ja) * | 2012-12-17 | 2014-06-30 | Fujitsu Telecom Networks Ltd | 進捗管理システム及び進捗管理装置 |
KR102431107B1 (ko) * | 2021-12-01 | 2022-08-11 | 주식회사 시제 | 인공지능을 이용한 생산 라인의 생산량 산출 방법 |
CN116362454A (zh) * | 2023-06-03 | 2023-06-30 | 宁德时代新能源科技股份有限公司 | 产能分析系统及方法、电子设备、存储介质、产品 |
CN116757645A (zh) * | 2023-08-14 | 2023-09-15 | 山东兴诺工贸股份有限公司 | 基于数据分析的玻璃加工生产智能管理系统 |
CN117035513A (zh) * | 2023-08-07 | 2023-11-10 | 江西青年云产业管理有限公司 | 一种智慧工业园区能源运行智能监测管理系统及方法 |
-
2023
- 2023-11-20 CN CN202311540781.9A patent/CN117273283B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014119959A (ja) * | 2012-12-17 | 2014-06-30 | Fujitsu Telecom Networks Ltd | 進捗管理システム及び進捗管理装置 |
KR102431107B1 (ko) * | 2021-12-01 | 2022-08-11 | 주식회사 시제 | 인공지능을 이용한 생산 라인의 생산량 산출 방법 |
CN116362454A (zh) * | 2023-06-03 | 2023-06-30 | 宁德时代新能源科技股份有限公司 | 产能分析系统及方法、电子设备、存储介质、产品 |
CN117035513A (zh) * | 2023-08-07 | 2023-11-10 | 江西青年云产业管理有限公司 | 一种智慧工业园区能源运行智能监测管理系统及方法 |
CN116757645A (zh) * | 2023-08-14 | 2023-09-15 | 山东兴诺工贸股份有限公司 | 基于数据分析的玻璃加工生产智能管理系统 |
Non-Patent Citations (3)
Title |
---|
基于大数据的制造业企业信息化数据分析及应用技术研究;石慧芳;陈阳;;现代计算机(专业版);20160605(第16期);全文 * |
灌装包装生产线效率评估系统的设计;冯消冰;刘文龙;袁朝龙;;轻工机械(第03期);全文 * |
需求不确定的单周期商品供应链管理研究;张瑾;《CNKI优秀硕士学位论文全文库》;20070215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117273283A (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Mid-term prediction of electrical energy consumption for crude oil pipelines using a hybrid algorithm of support vector machine and genetic algorithm | |
CN116646933A (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
Gellert et al. | A study on forecasting electricity production and consumption in smart cities and factories | |
CN108536958B (zh) | 一种基于功率曲线健康状态分级的风机实时评价方法 | |
CN112508306A (zh) | 一种电力生产配置的自适应方法及系统 | |
CN117539169B (zh) | 一种基于数字孪生的管理方法和系统 | |
CN107036238A (zh) | 动态预测外气与负载智慧节能控制方法 | |
CN111161095A (zh) | 一种检测建筑能源异常消耗的方法 | |
Lai et al. | An improved forecasting model of short-term electric load of papermaking enterprises for production line optimization | |
CN117473770A (zh) | 一种基于数字孪生信息的钢铁设备智能管理系统 | |
CN117808325B (zh) | 基于用户供需大数据的电力负荷预测方法 | |
CN117273283B (zh) | 一种工业生产mes分析数据智能管理方法及存储介质 | |
CN117557009A (zh) | 一种电源效率监测方法及系统 | |
Candelieri et al. | Smart water in urban distribution networks: limited financial capacity and Big Data analytics | |
CN117728385A (zh) | 一种基于深度学习的电网负荷预测方法 | |
CN117151293A (zh) | 一种基于电力调配的电子信息系统 | |
CN117519015A (zh) | 基于人工智能的自动化控制系统及其方法 | |
Timplalexis et al. | A comprehensive review on industrial demand response strategies and applications | |
CN110705802A (zh) | 一种基于多因素分段的配电网柔性负荷预测方法 | |
CN115829418A (zh) | 适用于负荷管理的电力用户负荷特性画像构建方法和系统 | |
CN115730740A (zh) | 一种台区级电力短期负荷预测方法及系统 | |
CN108123436B (zh) | 基于主成分分析和多元回归算法的电压越限预测模型 | |
Lei et al. | Research on energy management of building operation and maintenance based on multiple prediction algorithms | |
CN118536410B (zh) | 基于大数据驱动建模的能耗优化决策分析方法及系统 | |
CN113837486B (zh) | 一种基于rnn-rbm的配网馈线长期负荷预测方法 |
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 |