CN117390795A - 一种钢管加工制造工艺优化方法及系统 - Google Patents
一种钢管加工制造工艺优化方法及系统 Download PDFInfo
- Publication number
- CN117390795A CN117390795A CN202311671960.6A CN202311671960A CN117390795A CN 117390795 A CN117390795 A CN 117390795A CN 202311671960 A CN202311671960 A CN 202311671960A CN 117390795 A CN117390795 A CN 117390795A
- Authority
- CN
- China
- Prior art keywords
- steel pipe
- scheme
- product
- preset
- manufacturing
- 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.)
- Pending
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 239
- 239000010959 steel Substances 0.000 title claims abstract description 239
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 214
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000003754 machining Methods 0.000 title claims abstract description 61
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 238000003466 welding Methods 0.000 claims abstract description 106
- 239000000463 material Substances 0.000 claims abstract description 91
- 230000007547 defect Effects 0.000 claims abstract description 87
- 238000002360 preparation method Methods 0.000 claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims description 61
- 230000004927 fusion Effects 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 229910052751 metal Inorganic materials 0.000 abstract description 2
- 239000002184 metal Substances 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 19
- 230000000694 effects Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 230000006872 improvement Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000007797 corrosion Effects 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000004381 surface treatment Methods 0.000 description 2
- 229910000851 Alloy steel Inorganic materials 0.000 description 1
- 229910000975 Carbon steel Inorganic materials 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 239000010962 carbon steel Substances 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 239000011651 chromium Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010891 electric arc Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000013178 mathematical model Methods 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
- 229910052759 nickel Inorganic materials 0.000 description 1
- 238000002161 passivation Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000002436 steel type Substances 0.000 description 1
- 238000009864 tensile test Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
- 239000002699 waste material Substances 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/18—Manufacturability analysis or optimisation for manufacturability
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供了一种钢管加工制造工艺优化方法及系统,涉及金属加工技术领域,包括:读取目标生产需求,确定预定加工制造方案,进行加工制造施工准备得到准备结果,包括钢材物料、装焊附件和焊材物料,进行处理得到处理结果,包括多个压力钢管管节,进行组装得到组装结果,包括多个组装缝隙,进行焊接得到钢管产品,且包括多个焊接缝隙,进行质量检测分析得到钢管产品质量信息,包括多个产品缺陷,分析多个产品缺陷并对预定加工制造方案进行优化,得到优化结果。本发明解决了现有技术中钢管加工制造过程存在不能准确识别缺陷的因素与来源,使得对产品制造过程中可能存在的问题和风险不能快速解决,导致生产质量差、生产效率低的技术问题。
Description
技术领域
本发明涉及金属加工技术领域,具体涉及一种钢管加工制造工艺优化方法及系统。
背景技术
伴随着计算机、互联网的快速发展,以及智能化产业推进,制造企业迫切需要持续提升生产力,以钢管行业为例,这个传统产业如果仅依赖于人工识别或单纯倚重传统经验来抵抗制品缺陷,那么,不仅效率低,而且维护产品质量的台阶越来越高,因此,对于钢管加工制造工艺优化还存在着一定的可提升空间。
发明内容
本申请通过提供了一种钢管加工制造工艺优化方法及系统,旨在解决现有技术中钢管加工制造过程存在不能准确识别缺陷的因素与来源,使得对产品制造过程中可能存在的问题和风险不能快速解决,导致生产质量差、生产效率低的技术问题。
鉴于上述问题,本申请提供了一种钢管加工制造工艺优化方法及系统。
本申请公开的第一个方面,提供了一种钢管加工制造工艺优化方法,所述方法包括:读取压力钢管的目标生产需求,并分析所述目标生产需求确定预定加工制造方案,其中,所述预定加工制造方案包括预定制造方案、预定拼装方案;基于所述预定制造方案中的预定物料准备方案进行所述压力钢管的加工制造施工准备,得到准备结果,其中,所述准备结果包括钢材物料、装焊附件和焊材物料;基于所述预定制造方案中的预定管节制造方案对所述钢材物料进行处理,得到处理结果,其中,所述处理结果包括多个压力钢管管节;基于所述预定拼装方案中的预定组装方案将所述多个压力钢管管节与所述装焊附件进行组装,得到组装结果,其中,所述组装结果包括多个组装缝隙;基于所述预定拼装方案中的预定装焊方案,利用所述焊材物料对所述多个组装缝隙进行焊接,得到所述压力钢管的钢管产品,且所述钢管产品包括多个焊接缝隙;通过质量检测模型对所述钢管产品进行质量检测分析,得到钢管产品质量信息,其中,所述钢管产品质量信息包括多个产品缺陷;分析所述多个产品缺陷并对所述预定加工制造方案进行优化,得到优化结果,其中,所述优化结果是指所述压力钢管的加工制造工艺优化结果。
本申请公开的另一个方面,提供了一种钢管加工制造工艺优化系统,所述系统包括:目标生产需求获取模块,所述目标生产需求获取模块用于读取压力钢管的目标生产需求,并分析所述目标生产需求确定预定加工制造方案,其中,所述预定加工制造方案包括预定制造方案、预定拼装方案;加工制造施工准备模块,所述加工制造施工准备模块用于基于所述预定制造方案中的预定物料准备方案进行所述压力钢管的加工制造施工准备,得到准备结果,其中,所述准备结果包括钢材物料、装焊附件和焊材物料;钢材物料处理模块,所述钢材物料处理模块用于基于所述预定制造方案中的预定管节制造方案对所述钢材物料进行处理,得到处理结果,其中,所述处理结果包括多个压力钢管管节;组装模块,所述组装模块用于基于所述预定拼装方案中的预定组装方案将所述多个压力钢管管节与所述装焊附件进行组装,得到组装结果,其中,所述组装结果包括多个组装缝隙;焊接模块,所述焊接模块用于基于所述预定拼装方案中的预定装焊方案,利用所述焊材物料对所述多个组装缝隙进行焊接,得到所述压力钢管的钢管产品,且所述钢管产品包括多个焊接缝隙;质量检测分析模块,所述质量检测分析模块用于通过质量检测模型对所述钢管产品进行质量检测分析,得到钢管产品质量信息,其中,所述钢管产品质量信息包括多个产品缺陷;方案优化模块,所述方案优化模块用于分析所述多个产品缺陷并对所述预定加工制造方案进行优化,得到优化结果,其中,所述优化结果是指所述压力钢管的加工制造工艺优化结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
读取压力钢管的目标生产需求,确定预定加工制造方案,包括预定制造方案、预定拼装方案,进行压力钢管的加工制造施工准备,得到准备结果,包括钢材物料、装焊附件和焊材物料,进行处理得到处理结果,包括多个压力钢管管节,进行组装得到组装结果,包括多个组装缝隙,进行焊接,得到压力钢管的钢管产品,且包括多个焊接缝隙,进行质量检测分析,得到钢管产品质量信息,包括多个产品缺陷,分析多个产品缺陷并对预定加工制造方案进行优化,得到优化结果,指压力钢管的加工制造工艺优化结果。解决了现有技术中钢管加工制造过程存在不能准确识别缺陷的因素与来源,使得对产品制造过程中可能存在的问题和风险不能快速解决,导致生产质量差、生产效率低的技术问题,实现了借助计算机技术和管控工具优化改进工艺环节,建立起缺陷-工艺列表,进而更加精细化的预测、识别出问题来源,从而有效提升了生产质量,达到效率效果双重提升的技术效果。
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为本申请实施例提供了一种钢管加工制造工艺优化方法流程示意图;
图2为本申请实施例提供了一种钢管加工制造工艺优化方法中确定预定加工制造方案可能的流程示意图;
图3为本申请实施例提供了一种钢管加工制造工艺优化方法中得到多个产品缺陷可能的流程示意图;
图4为本申请实施例提供了一种钢管加工制造工艺优化系统可能的结构示意图。
附图标记说明:目标生产需求获取模块10,加工制造施工准备模块20,钢材物料处理模块30,组装模块40,焊接模块50,质量检测分析模块60,方案优化模块70。
具体实施方式
本申请实施例通过提供一种钢管加工制造工艺优化方法,解决了现有技术中钢管加工制造过程存在不能准确识别缺陷的因素与来源,使得对产品制造过程中可能存在的问题和风险不能快速解决,导致生产质量差、生产效率低的技术问题,实现了借助计算机技术和管控工具优化改进工艺环节,建立起缺陷-工艺列表,进而更加精细化的预测、识别出问题来源,从而有效提升了生产质量,达到效率效果双重提升的技术效果。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例1
如图1所示,本申请实施例提供了一种钢管加工制造工艺优化方法,所述方法包括:
步骤S100:读取压力钢管的目标生产需求,并分析所述目标生产需求确定预定加工制造方案,其中,所述预定加工制造方案包括预定制造方案、预定拼装方案;
进一步而言,如图2所示,本申请步骤S100还包括:
步骤S110:提取所述目标生产需求中的性能特征需求,并分析得到所述预定物料准备方案;
步骤S120:提取所述目标生产需求中的结构尺寸需求,并分析得到所述预定管节制造方案;
步骤S130:提取所述目标生产需求中的应用场景需求,并分析得到所述预定组装方案,其中,所述预定组装方案包括多种组装缝隙;
具体而言,读取压力钢管的目标生产需求,通过对目标生产需求进行分析,提取其中的性能特征需求,包括机械力学性能、化学成分、装配要求等,例如,钢管的强度、韧性、硬度等是其中的重要性能指标。根据不同性能特征的重要程度和优先级,将需求进行排序和分类,基于性能需求,对已有可行物料来源进行评估与筛选,利用相关测试技术,如化学成分分析、力学性能测试等手段,考察每个材料是否符合所需的性能需求。根据性能需求和物料分析结果,进行材料的匹配和组合,根据匹配结果,制定物料准备方案,包括选用具体物料、计算投入量、采购供应商、运输方式等。
通过对目标生产需求进行分析,提取其中的结构尺寸需求,包括钢管弧度、长度、直径等,根据设计要求设定公差范围。根据不同尺寸的重要程度和优先级,将结构尺寸需求进行排序和分类,得到高一致性等方面最重要的维度进行集成考虑。以此为准进行管材选择与加工,根据所选用的管材类型、规格、特点以及不同的加工和模架工艺,来满足不同的尺寸需求。根据尺寸需求和管材选择制定管节制造方案,包括加工流程、设备选择、工艺控制、成本协调、品质管理以及安全监控措施等。
通过对目标生产需求进行分析,提取其中的应用场景需求,包括使用环境温度、工作压力、使用寿命、流体介质等信息。根据不同应用场景的重要程度和优先级,将需求进行排序和分类,并确定可接受的集成设计缺口水平与设置限度。根据所述应用场景需求,选择合适的组装方式,例如,采用现成产品组装或多管节余度融合焊接技术等方式。分别针对各种组装形态情况,设计每种组装缝隙的尺寸、材料特征、性能需求、连接方式等,以满足各项应用场景下的能效部署,其中,每种组装缝隙对应多个组装缝隙,如环焊缝为一种组装缝隙,对应两两管节焊接成型的多条环焊缝。根据各种组装缝隙类型和组装方式制定所述预定组装方案,确保管道系统在各项使用、运行、压力及其他环境因素限制下,实现高效稳定的工作性能。
步骤S140:提取所述多种组装缝隙中的第一组装缝隙种类,并制定所述第一组装缝隙种类的第一焊接方案;
步骤S150:基于所述第一焊接方案组建所述预定装焊方案;
在所述多种组装缝隙中随机提取第一组装缝隙种类,例如,在管道系统的终端处焊接部分形成的环焊缝是第一组装缝隙的一种情况。根据所述第一组装缝隙种类的特点、工作性能需求、结构间隙等因素,制定第一焊接方案,包括焊接设备、材料选择、焊接过程参数控制等内容。
基于第一焊接方案的成功制订,对目标生产需求中的多种组装缝隙进行分析,确定所需要焊接的各种缝隙类型,并综合考虑材料特性、尺寸精度、工艺条件、施工环境限制等控制要求,制定多个焊接方案,对各种缝隙进行焊接方案的集合,生成所述预定装焊方案。
步骤S160:所述预定物料准备方案和所述预定管节制造方案组成所述预定制造方案,所述预定组装方案和所述预定装焊方案组成所述预定拼装方案;
步骤S170:所述预定制造方案和所述预定拼装方案组成所述预定加工制造方案。
将所述预定物料准备方案和所述预定管节制造方案进行组合,生成所述预定制造方案,以满足对管节材料和尺寸精度的要求,确保管道系统可靠性和性能;将述预定组装方案和所述预定装焊方案进行组合,生成所述预定拼装方案,以实现不同组装缝隙的连接和协调完成各项循环特性方案,使各部件整体作业效率更高。
为了确保整个管道系统的质量和效率,将所述预定制造方案和所述预定拼装方案结合起来,形成预定加工制造方案。在预定加工制造方案中,预定制造方案提供了所需的管节材料,并确定了管节的尺寸、材料特性和表面处理等要求,以满足不同应用场景下的需求;预定拼装方案则确定了各种组装缝隙的类型和对应的焊接方案,以保证管节之间连接稳定可靠。
通过以上步骤的制订和落地操作,形成预定加工制造方案,可以最终保证管道系统的质量和效率,这有利于实现管道系统的稳定运行和应用需求的井然管理。
步骤S200:基于所述预定制造方案中的预定物料准备方案进行所述压力钢管的加工制造施工准备,得到准备结果,其中,所述准备结果包括钢材物料、装焊附件和焊材物料;
具体而言,根据预定物料准备方案确定钢材物料,包括材质、规格和性能特点,例如,按照性能特征要求选取合适的钢材种类,如碳素钢、合金钢等,并确定其外径、壁厚等尺寸参数,以满足所需产品的长度和直径要求。
根据预定物料准备方案确定装焊附件的类型和数量,包括支撑环、加劲环、止水环、止推环等,这些组件会被安装到压力钢管的各个部位以增强其结构稳定性和抵御内部压力的能力。
根据预定物料准备方案确定焊材物料的选择和数量,包括焊条、焊丝、焊剂等,需要根据所需产品的性能特点和生产工艺流程选取合适的焊材,以确保焊接质量和操作效率。
经过上述分析列出物料清单,包括每种物料的名称、规格、型号、数量、供应商等信息,根据清单逐一采购,检查以上物料的质量,并妥善储存,例如对钢材物料进行外观检查、尺寸检测、机械性能测试等,以判断其是否符合标准要求;对装焊附件进行外观检查、尺寸确认和储存;对焊材物料进行外观检查、储存数量确认和放置位置确定。完成所述压力钢管的加工制造施工准备,以此确保所选用的物料能够充分满足生产要求,并通过严格的质量验收和储存措施来保证其质量和可靠性。
步骤S300:基于所述预定制造方案中的预定管节制造方案对所述钢材物料进行处理,得到处理结果,其中,所述处理结果包括多个压力钢管管节;
具体而言,在基于预定制造方案中的预定管节制造方案对钢材物料进行处理的过程中,需要根据所需的压力钢管产品尺寸、要求等因素,采用恰当的方法和工艺流程对钢材物料进行处理,以得到符合要求的多个压力钢管管节。具体地,根据预定制造方案提供的规格和参数要求,锻造或轧制钢材成为具有韧性、强度和尺寸精度的无缝钢管;进行加热和控温处理,以使钢材能够达到一定的物理性能,如硬度、延展性等要求;对管壁进行表面处理,如钝化、除锈、清洗等,以防止钢材产生氧化皮、腐蚀等问题,以便于后续的加工和焊接。
经过处理,最终处理结果包括符合预定制造方案要求的多个压力钢管管节,这些管节在后续的生产工作中将需要进行拼装和焊接等操作,最终成为完整的压力钢管产品。
步骤S400:基于所述预定拼装方案中的预定组装方案将所述多个压力钢管管节与所述装焊附件进行组装,得到组装结果,其中,所述组装结果包括多个组装缝隙;
具体而言,根据预定组装方案,将预先加工好的多个压力钢管管节和装焊附件依次放置到适当的位置,并确保其符合尺寸、质量和安装要求。根据产品使用场景、功能和要求选择相应的连接方式,如焊接、螺纹连接、法兰连接等。最终,多个组装缝隙将按照预定的组装方案被安排到对应的位置,这些组装缝隙在后续的加工和生产流程中需要进行焊接,并对高强度、耐腐蚀性能和良好的密封性的高压钢管产品做出贡献。
步骤S500:基于所述预定拼装方案中的预定装焊方案,利用所述焊材物料对所述多个组装缝隙进行焊接,得到所述压力钢管的钢管产品,且所述钢管产品包括多个焊接缝隙;
具体而言,根据预定的装焊方案和成品尺寸,确定合适的焊接设备、材料选择、焊接过程参数控制等,并进行调整设置,其中,焊接设备例如,对于小型钢管,通常使用手动电弧焊接设备;而对于大型钢管,则可能需要采用自动化焊接装置。材料选择例如焊条、焊丝和焊剂,并考虑铬、镍、铜等元素含量,使得焊接过后的产品具有需要的金属物性质。在焊接过程中根据预定的标准和要求进行监测和检查,以确保每个焊缝的质量达到要求。
最终,通过该步骤的操作可以得到包含多个焊接缝隙的压力钢管产品,这些焊接缝隙连接着不同的部件,因此对其性能和耐用性起到至关重要的作用。
步骤S600:通过质量检测模型对所述钢管产品进行质量检测分析,得到钢管产品质量信息,其中,所述钢管产品质量信息包括多个产品缺陷;
进一步而言,如图3所示,本申请步骤S600还包括:
步骤S610:读取预定布设方案,并基于所述预定布设方案将图像采集设备布设至所述钢管产品;
步骤S620:通过所述图像采集设备采集所述钢管产品的钢管产品图像,其中,所述钢管产品图像包括多张不同角度的图像;
步骤S630:依次分析所述多张不同角度的图像的点云数据,得到多组产品点云数据;
具体而言,所述预定布设方案描述设备布设的详细位置以及所需设施、电力供应等信息。根据所述预定布设方案,查看需要安装的设备类型和数量,并进行评估,综合考虑各项参数,如分辨率、像素、图像处理能力、自动化程度等,确保选定的设备符合预期要求,根据预定布设方案的说明,确定图像采集设备的精细位置,以此将所述图像采集设备布设至所述钢管产品上。
根据预定布设方案指示的安装位置,以及需要采集的具体图像要求进行设备位置和镜头角度调整,以便从尽量多的不同角度捕获钢管产品的图像,在设备完全确定所需的位置、旋转、参数等后,根据细分工序后每个环节情况或者审核周期确定拍摄次数和周期,以此开展拍摄工作并记录,获取多张不同角度的钢管产品图像,这些图像将用于检测钢管产品的状态、质量和逐步优化实践。
通过相应的软件工具将每张钢管图像转化为符合点云数据要求的数字文件,根据多张不同角度的图像生成点云数据,将各个角度下的点云进行配准,确保不同图像之间的点与点之间一一对应匹配,从而形成完整的点云数据,将独立采集并处理过的钢管点云数据进行管理和合并,生成多组产品点云数据。
步骤S640:基于随机采样一致性原理构建配准融合模型,并通过所述配准融合模型对所述多组产品点云数据进行分析,得到钢管产品三维模型;
进一步而言,本申请步骤S640还包括:
步骤S641:通过所述配准融合模型提取所述多组产品点云数据中的第一产品点云数据组;
步骤S642:分析得到所述第一产品点云数据组的第一钢管产品参数,并根据所述第一钢管产品参数生成所述钢管产品三维模型。
具体而言,使用随机采样一致性算法(Random Sample Consensus,是一种迭代方法,这种方法用于从一组包含异常值的观测数据中估计数学模型的参数,此时异常值对估计值没有影响)将每组产品点云数据进行配准和融合,并从中提取特征生成三维模型脚本,在对每组点云数据进行执行配准融合时要设置参数,如最小设限值、正则化处理等。
根据相应的需求,从钢管产品的多组点云数据中选择任意几张图像,通过所述配准融合模型,对所选定的这些图像进行配准和融合,在完成配准融合后,从所有点云数据中提取第一产品点云数据组,即与所选定的图像相对应的那些数据。
从点云数据中提取出一系列与钢管制品有关的关键参数,主要包括钢管直径、长度、曲率等,这些参数将作为生成三维模型的基础输入。根据所提取的参数,结合相应的钢管标准尺寸规格和设计需求,设置钢管产品的大小、形状以及不同部位的弧度、角度等参数,并进行参数和姿态对比,调整各个部位之间的比例关系和位置坐标。通过3D建模软件,如Autodesk Maya(三维动画软件),根据所设置的参数信息,创建相应的钢管产品三维模型,并进行可视化展示。
通过以上步骤,可以快速、准确地从点云数据中提取出有关的钢管产品参数,并生成三维模型,利用三维可视化技术来实现对钢管制品的全面分析和设计,以此提高制造过程中的生产效率和精度,减少错误率和浪费率。
进一步而言,本申请步骤S642之后,还包括:
步骤S643:将所述第一产品点云数据组从所述多组产品点云数据中剔除,得到剩余产品点云数据组集合,其中,所述剩余产品点云数据组集合包括多个剩余点云数据组;
步骤S644:依次计算所述多个剩余点云数据组至所述钢管产品三维模型的距离,并结合预设距离阈值对所述多个剩余点云数据组进行筛选,得到一致性点集;
步骤S645:统计所述一致性点集中的一致性数据量,并判断所述一致性数据量是否满足预设数量阈值;
步骤S646:若所述一致性数据量满足所述预设数量阈值,获得参数分析指令,并根据所述参数分析指令,结合所述一致性点集得到第二钢管产品参数;
步骤S647:基于所述第二钢管产品参数对所述钢管产品三维模型进行调整。
具体而言,根据前述步骤的选择,将所选定的任意几张图像对应的第一产品点云数据组从多组产品点云数据中剔除,确认被剔除第一产品点云数据后得到的剩余产品点云数据组集合,这些数据组中包括保留下来的所有图像对应的点云数据,其中,一个图像对应一个点云数据组。
使用在建立好的配准融合模型,对每个剩余产品点云数据组进行配准操作,将每个剩余产品点云数据组中的点都与钢管产品三维模型上的所有点进行匹配,在计算出每个点到三维模型表面最近距离的基础上,计算整个点云数据至三维模型的平均距离。
所述预设距离阈值为计算距离时所引入的一个标准值,该值从某种程度上可以理解为筛选标准,用于将误差和有效信号分离开来。具体地,按照实际情况设置合适的阈值,只有小于该值的点才会被认为是有效的信号点,而大于该值的点,则被认为是误差、干扰等无用信息,从而减少对计算结果的影响,提高钢管三维模型的精度和准确性。结合预设的距离阈值,对所有剩余产品点云数据组进行筛选,得到所有距离钢管产品三维模型较近的一致性点集,这些点用于后续钢管产品缺陷检测工作。
对一致性点集进行统计和分析,确定其中包含的一致性数据量,将统计得到的一致性数据量与预设的数量阈值进行比较,以判断是否满足预期的要求和标准,如果一致性数据量已经符合预期,可以继续进行下一步工作;如果不足预期,则需要重新检查原始数据并调整策略,以进一步提高数据质量和一致性。
若所述一致性数据量满足所述预设数量阈值,说明前述钢管产品三维模型构建得比较合适,并通过这些一致性的点云数据,对构建的模型进行进一步调整,以提高模型精准度。具体的,根据客户需求及前期工作,确认参数分析指令,利用前期工作所得到的一致性点集,运用所述参数分析指令加以分析处理,从而提取出第二钢管产品的参数。
通过比对第二钢管产品参数与已经建立好的钢管产品三维模型,确定相应的调整方案,利用CAD等软件工具,根据调整方案对钢管产品三维模型进行相应的调整操作,例如改变模型的形状、大小、比例等,以此提高模型的精准度和质量。
步骤S650:通过所述质量检测模型对所述钢管产品三维模型进行分析,得到所述多个产品缺陷。
所述质量检测模型为基于边缘检测算法对三维模型进行边缘检测,判断产品表观是否缺陷,如空洞缺陷、腐蚀缺陷、凹痕缺陷等,运用质量检测模型对三维模型进行详尽的缺陷检测,根据检测结果,识别钢管产品的多个产品缺陷。
进一步而言,本申请步骤S645之后,还包括:
步骤S645-1:若所述一致性数据量不满足所述预设数量阈值,获得重复采样指令;
步骤S645-2:所述配准融合模型基于所述重复采样指令从所述多组产品点云数据中进行采样,得到第二产品点云数据组,并基于所述第二产品点云数据组进行迭代分析。
具体而言,如果在第一步骤中得到的一致性数据量不足预设数量阈值,说明前述步骤中第一钢管产品参数生成的钢管产品三维模型不合适,存在偏差,因此重新采样。具体的,根据前期工作和实际需求,确定相应的重复采样指令,并对待采样区域进行重新划分和定义,利用前期搭建好的测量设备等,对所述重复采样区域内的钢管产品进行采样操作,并获取相应的点云数据,得到第二产品点云数据组,基于重新采样得到的新点云数据组,重新构建配准融合模型,该模型能够将多组点云数据进行融合配准,实现高精度三维模型的建立。结合第二产品点云数据组和新配准融合模型,进行迭代分析操作,得到一个更加准确的钢管产品三维模型。
步骤S700:分析所述多个产品缺陷并对所述预定加工制造方案进行优化,得到优化结果,其中,所述优化结果是指所述压力钢管的加工制造工艺优化结果。
具体而言,对检测到的缺陷进行分类与归纳,确定缺陷的类型、数量和严重程度等信息,对每种类型的缺陷,对其产生的原因和环节进行分析,并找出问题所在,例如,可以通过切割试验、拉伸测试、金相显微镜等方式,确定材料强度和硬度是否符合标准要求。
基于分析结果和缺陷定位,在加工制造流程中制定改进方案,包括设备调整、改进人员操作流程、材料更换等措施,例如,可利用新型设备、先进的连接技术来降低消耗和损失,可实现搭配使用。将新的制造工艺流程更新和调整后,根据试运行等过程中得到的具体反馈效果,进行持续跟踪,获取优化结果,其中,所述优化结果是指所述压力钢管的加工制造工艺优化结果。
最终所述的优化结果指经过改进后的加工制造工艺流程,能够有效消除产品缺陷,提高制品生产质量,同时该优化方案可为以后的生产和制造工艺提供必要的参考和模板。
进一步而言,本申请步骤S700之前,还包括:
步骤S710:采集历史压力钢管缺陷记录,并提取所述历史压力钢管缺陷记录中的第一缺陷记录;
步骤S720:通过专家组对所述第一缺陷记录进行分析,确定第一缺陷的第一缺陷因子,并匹配所述第一缺陷因子的第一加工制造环节;
步骤S730:基于所述第一缺陷与所述第一加工制造环节之间的第一映射关系,组建压力钢管缺陷-工艺列表;
步骤S740:其中,所述压力钢管缺陷-工艺列表用于为所述压力钢管的工艺优化提供基础。
具体而言,依据历史数据和相关文献、资料等途径,获取历史压力钢管缺陷记录,包括缺陷名称、描述、大小、位置等信息,随机提取其中的第一缺陷记录。
根据实际需要,从有关领域或业界专业人士中选派合适的专家人员构成专家组,专家组对第一缺陷记录进行详细的分析和研究,包括缺陷类型、位置、严重程度等方面,并找到可能引起缺陷的原因和影响因素,作为缺陷因子,并基于现场数据和文献资料等证据进行查证和验证,在此基础上,确定第一缺陷的第一缺陷因子。
确定第一缺陷因子所匹配的具体加工制造环节,如某焊缝有漏,需要匹配该焊接缝隙的环节,对焊接工艺和焊接操作进行调整。值得注意的是,一种缺陷可能对应多个工艺环节,需要对每个工艺环节进行分析。
根据所分析得到的第一缺陷因子与所匹配的制造加工环节,确定每种钢管缺陷与所对应的工艺环节之间的映射关系,根据所建立的缺陷-加工制造环节映射关系,筛选所有相关的缺陷和工艺记录,并将其整合归纳,获得压力钢管缺陷-工艺列表,以此清晰列出每种缺陷类型,以及对应的制造加工环节和可能引起该缺陷的原因和后续处理措施。
基于压力钢管缺陷-工艺列表中列出的缺陷类型,评估当前加工制造环节在产品制造过程中可能存在的问题和风险,并根据记录中反馈的情况,对生产工艺参数进行实时监测和调整,以确保所有生产批次满足相应质量要求和标准,从而通过优化和改进措施提高产品的质量水平。
综上所述,本申请实施例所提供的一种钢管加工制造工艺优化方法及系统具有如下技术效果:
读取压力钢管的目标生产需求,确定预定加工制造方案,包括预定制造方案、预定拼装方案,进行压力钢管的加工制造施工准备,得到准备结果,包括钢材物料、装焊附件和焊材物料,进行处理得到处理结果,包括多个压力钢管管节,进行组装得到组装结果,包括多个组装缝隙,进行焊接,得到压力钢管的钢管产品,且包括多个焊接缝隙,进行质量检测分析,得到钢管产品质量信息,包括多个产品缺陷,分析多个产品缺陷并对预定加工制造方案进行优化,得到优化结果,指压力钢管的加工制造工艺优化结果。
解决了现有技术中钢管加工制造过程存在不能准确识别缺陷的因素与来源,使得对产品制造过程中可能存在的问题和风险不能快速解决,导致生产质量差、生产效率低的技术问题,实现了借助计算机技术和管控工具优化改进工艺环节,建立起缺陷-工艺列表,进而更加精细化的预测、识别出问题来源,从而有效提升了生产质量,达到效率效果双重提升的技术效果。
实施例2
基于与前述实施例中一种钢管加工制造工艺优化方法相同的发明构思,如图4所示,本申请提供了一种钢管加工制造工艺优化系统,所述系统包括:
目标生产需求获取模块10,所述目标生产需求获取模块10用于读取压力钢管的目标生产需求,并分析所述目标生产需求确定预定加工制造方案,其中,所述预定加工制造方案包括预定制造方案、预定拼装方案;
加工制造施工准备模块20,所述加工制造施工准备模块20用于基于所述预定制造方案中的预定物料准备方案进行所述压力钢管的加工制造施工准备,得到准备结果,其中,所述准备结果包括钢材物料、装焊附件和焊材物料;
钢材物料处理模块30,所述钢材物料处理模块30用于基于所述预定制造方案中的预定管节制造方案对所述钢材物料进行处理,得到处理结果,其中,所述处理结果包括多个压力钢管管节;
组装模块40,所述组装模块40用于基于所述预定拼装方案中的预定组装方案将所述多个压力钢管管节与所述装焊附件进行组装,得到组装结果,其中,所述组装结果包括多个组装缝隙;
焊接模块50,所述焊接模块50用于基于所述预定拼装方案中的预定装焊方案,利用所述焊材物料对所述多个组装缝隙进行焊接,得到所述压力钢管的钢管产品,且所述钢管产品包括多个焊接缝隙;
质量检测分析模块60,所述质量检测分析模块60用于通过质量检测模型对所述钢管产品进行质量检测分析,得到钢管产品质量信息,其中,所述钢管产品质量信息包括多个产品缺陷;
方案优化模块70,所述方案优化模块70用于分析所述多个产品缺陷并对所述预定加工制造方案进行优化,得到优化结果,其中,所述优化结果是指所述压力钢管的加工制造工艺优化结果。
进一步而言,所述系统还包括:
性能特征需求获取模块,用于提取所述目标生产需求中的性能特征需求,并分析得到所述预定物料准备方案;
结构尺寸需求获取模块,用于提取所述目标生产需求中的结构尺寸需求,并分析得到所述预定管节制造方案;
应用场景需求获取模块,用于提取所述目标生产需求中的应用场景需求,并分析得到所述预定组装方案,其中,所述预定组装方案包括多种组装缝隙;
第一焊接方案制定模块,用于提取所述多种组装缝隙中的第一组装缝隙种类,并制定所述第一组装缝隙种类的第一焊接方案;
预定装焊方案获取模块,用于基于所述第一焊接方案组建所述预定装焊方案;
第一方案组成模块,用于所述预定物料准备方案和所述预定管节制造方案组成所述预定制造方案,所述预定组装方案和所述预定装焊方案组成所述预定拼装方案;
第一方案组成模块,用于所述预定制造方案和所述预定拼装方案组成所述预定加工制造方案。
进一步而言,所述系统还包括:
方案读取模块,用于读取预定布设方案,并基于所述预定布设方案将图像采集设备布设至所述钢管产品;
钢管产品图像采集模块,用于通过所述图像采集设备采集所述钢管产品的钢管产品图像,其中,所述钢管产品图像包括多张不同角度的图像;
点云数据获取模块,用于依次分析所述多张不同角度的图像的点云数据,得到多组产品点云数据;
点云数据分析模块,用于基于随机采样一致性原理构建配准融合模型,并通过所述配准融合模型对所述多组产品点云数据进行分析,得到钢管产品三维模型;
三维模型分析模块,用于通过所述质量检测模型对所述钢管产品三维模型进行分析,得到所述多个产品缺陷。
进一步而言,所述系统还包括:
第一点云数据获取模块,用于通过所述配准融合模型提取所述多组产品点云数据中的第一产品点云数据组;
三维模型生成模块,用于分析得到所述第一产品点云数据组的第一钢管产品参数,并根据所述第一钢管产品参数生成所述钢管产品三维模型。
进一步而言,所述系统还包括:
点云数据组集合获取模块,用于将所述第一产品点云数据组从所述多组产品点云数据中剔除,得到剩余产品点云数据组集合,其中,所述剩余产品点云数据组集合包括多个剩余点云数据组;
距离计算模块,用于依次计算所述多个剩余点云数据组至所述钢管产品三维模型的距离,并结合预设距离阈值对所述多个剩余点云数据组进行筛选,得到一致性点集;
一致性数据量统计模块,用于统计所述一致性点集中的一致性数据量,并判断所述一致性数据量是否满足预设数量阈值;
参数分析指令获取模块,用于若所述一致性数据量满足所述预设数量阈值,获得参数分析指令,并根据所述参数分析指令,结合所述一致性点集得到第二钢管产品参数;
三维模型调整模块,用于基于所述第二钢管产品参数对所述钢管产品三维模型进行调整。
进一步而言,所述系统还包括:
重复采样指令获取模块,用于若所述一致性数据量不满足所述预设数量阈值,获得重复采样指令;
采样模块,用于所述配准融合模型基于所述重复采样指令从所述多组产品点云数据中进行采样,得到第二产品点云数据组,并基于所述第二产品点云数据组进行迭代分析。
进一步而言,所述系统还包括:
第一缺陷记录获取模块,用于采集历史压力钢管缺陷记录,并提取所述历史压力钢管缺陷记录中的第一缺陷记录;
第一缺陷记录分析模块,用于通过专家组对所述第一缺陷记录进行分析,确定第一缺陷的第一缺陷因子,并匹配所述第一缺陷因子的第一加工制造环节;
缺陷-工艺列表生成模块,用于基于所述第一缺陷与所述第一加工制造环节之间的第一映射关系,组建压力钢管缺陷-工艺列表;
其中,所述压力钢管缺陷-工艺列表用于为所述压力钢管的工艺优化提供基础。
本说明书通过前述对一种钢管加工制造工艺优化方法的详细描述,本领域技术人员可以清楚地知道本实施例中一种钢管加工制造工艺优化方法及系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述得比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其他实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种钢管加工制造工艺优化方法,其特征在于,所述方法包括:
读取压力钢管的目标生产需求,并分析所述目标生产需求确定预定加工制造方案,其中,所述预定加工制造方案包括预定制造方案、预定拼装方案;
基于所述预定制造方案中的预定物料准备方案进行所述压力钢管的加工制造施工准备,得到准备结果,其中,所述准备结果包括钢材物料、装焊附件和焊材物料;
基于所述预定制造方案中的预定管节制造方案对所述钢材物料进行处理,得到处理结果,其中,所述处理结果包括多个压力钢管管节;
基于所述预定拼装方案中的预定组装方案将所述多个压力钢管管节与所述装焊附件进行组装,得到组装结果,其中,所述组装结果包括多个组装缝隙;
基于所述预定拼装方案中的预定装焊方案,利用所述焊材物料对所述多个组装缝隙进行焊接,得到所述压力钢管的钢管产品,且所述钢管产品包括多个焊接缝隙;
通过质量检测模型对所述钢管产品进行质量检测分析,得到钢管产品质量信息,其中,所述钢管产品质量信息包括多个产品缺陷;
分析所述多个产品缺陷并对所述预定加工制造方案进行优化,得到优化结果,其中,所述优化结果是指所述压力钢管的加工制造工艺优化结果。
2.根据权利要求1所述的方法,其特征在于,所述分析所述目标生产需求确定预定加工制造方案,包括:
提取所述目标生产需求中的性能特征需求,并分析得到所述预定物料准备方案;
提取所述目标生产需求中的结构尺寸需求,并分析得到所述预定管节制造方案;
提取所述目标生产需求中的应用场景需求,并分析得到所述预定组装方案,其中,所述预定组装方案包括多种组装缝隙;
提取所述多种组装缝隙中的第一组装缝隙种类,并制定所述第一组装缝隙种类的第一焊接方案;
基于所述第一焊接方案组建所述预定装焊方案;
所述预定物料准备方案和所述预定管节制造方案组成所述预定制造方案,所述预定组装方案和所述预定装焊方案组成所述预定拼装方案;
所述预定制造方案和所述预定拼装方案组成所述预定加工制造方案。
3.根据权利要求2所述的方法,其特征在于,所述通过质量检测模型对所述钢管产品进行质量检测分析,得到钢管产品质量信息,其中,所述钢管产品质量信息包括多个产品缺陷,包括:
读取预定布设方案,并基于所述预定布设方案将图像采集设备布设至所述钢管产品;
通过所述图像采集设备采集所述钢管产品的钢管产品图像,其中,所述钢管产品图像包括多张不同角度的图像;
依次分析所述多张不同角度的图像的点云数据,得到多组产品点云数据;
基于随机采样一致性原理构建配准融合模型,并通过所述配准融合模型对所述多组产品点云数据进行分析,得到钢管产品三维模型;
通过所述质量检测模型对所述钢管产品三维模型进行分析,得到所述多个产品缺陷。
4.根据权利要求3所述的方法,其特征在于,所述通过所述配准融合模型对所述多组产品点云数据进行分析,得到钢管产品三维模型,包括:
通过所述配准融合模型提取所述多组产品点云数据中的第一产品点云数据组;
分析得到所述第一产品点云数据组的第一钢管产品参数,并根据所述第一钢管产品参数生成所述钢管产品三维模型。
5.根据权利要求4所述的方法,其特征在于,在所述根据所述第一钢管产品参数生成所述钢管产品三维模型之后,还包括:
将所述第一产品点云数据组从所述多组产品点云数据中剔除,得到剩余产品点云数据组集合,其中,所述剩余产品点云数据组集合包括多个剩余点云数据组;
依次计算所述多个剩余点云数据组至所述钢管产品三维模型的距离,并结合预设距离阈值对所述多个剩余点云数据组进行筛选,得到一致性点集;
统计所述一致性点集中的一致性数据量,并判断所述一致性数据量是否满足预设数量阈值;
若所述一致性数据量满足所述预设数量阈值,获得参数分析指令,并根据所述参数分析指令,结合所述一致性点集得到第二钢管产品参数;
基于所述第二钢管产品参数对所述钢管产品三维模型进行调整。
6.根据权利要求5所述的方法,其特征在于,在所述判断所述一致性数据量是否满足预设数量阈值之后,包括:
若所述一致性数据量不满足所述预设数量阈值,获得重复采样指令;
所述配准融合模型基于所述重复采样指令从所述多组产品点云数据中进行采样,得到第二产品点云数据组,并基于所述第二产品点云数据组进行迭代分析。
7.根据权利要求1所述的方法,其特征在于,在所述分析所述多个产品缺陷并对所述预定加工制造方案进行优化,得到优化结果之前,还包括:
采集历史压力钢管缺陷记录,并提取所述历史压力钢管缺陷记录中的第一缺陷记录;
通过专家组对所述第一缺陷记录进行分析,确定第一缺陷的第一缺陷因子,并匹配所述第一缺陷因子的第一加工制造环节;
基于所述第一缺陷与所述第一加工制造环节之间的第一映射关系,组建压力钢管缺陷-工艺列表;
其中,所述压力钢管缺陷-工艺列表用于为所述压力钢管的工艺优化提供基础。
8.一种钢管加工制造工艺优化系统,其特征在于,用于实施权利要求1-7任一项所述的一种钢管加工制造工艺优化方法,包括:
目标生产需求获取模块,所述目标生产需求获取模块用于读取压力钢管的目标生产需求,并分析所述目标生产需求确定预定加工制造方案,其中,所述预定加工制造方案包括预定制造方案、预定拼装方案;
加工制造施工准备模块,所述加工制造施工准备模块用于基于所述预定制造方案中的预定物料准备方案进行所述压力钢管的加工制造施工准备,得到准备结果,其中,所述准备结果包括钢材物料、装焊附件和焊材物料;
钢材物料处理模块,所述钢材物料处理模块用于基于所述预定制造方案中的预定管节制造方案对所述钢材物料进行处理,得到处理结果,其中,所述处理结果包括多个压力钢管管节;
组装模块,所述组装模块用于基于所述预定拼装方案中的预定组装方案将所述多个压力钢管管节与所述装焊附件进行组装,得到组装结果,其中,所述组装结果包括多个组装缝隙;
焊接模块,所述焊接模块用于基于所述预定拼装方案中的预定装焊方案,利用所述焊材物料对所述多个组装缝隙进行焊接,得到所述压力钢管的钢管产品,且所述钢管产品包括多个焊接缝隙;
质量检测分析模块,所述质量检测分析模块用于通过质量检测模型对所述钢管产品进行质量检测分析,得到钢管产品质量信息,其中,所述钢管产品质量信息包括多个产品缺陷;
方案优化模块,所述方案优化模块用于分析所述多个产品缺陷并对所述预定加工制造方案进行优化,得到优化结果,其中,所述优化结果是指所述压力钢管的加工制造工艺优化结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311671960.6A CN117390795A (zh) | 2023-12-07 | 2023-12-07 | 一种钢管加工制造工艺优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311671960.6A CN117390795A (zh) | 2023-12-07 | 2023-12-07 | 一种钢管加工制造工艺优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117390795A true CN117390795A (zh) | 2024-01-12 |
Family
ID=89466901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311671960.6A Pending CN117390795A (zh) | 2023-12-07 | 2023-12-07 | 一种钢管加工制造工艺优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117390795A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101837387A (zh) * | 2009-03-16 | 2010-09-22 | 王澄 | 大型钢管的自动化制造方法及生产线设计 |
CN109158833A (zh) * | 2018-08-24 | 2019-01-08 | 深圳市迈拓铝设备技术有限公司 | 一种烧嘴生产工艺 |
CN109623401A (zh) * | 2018-12-24 | 2019-04-16 | 华工法利莱切焊系统工程有限公司 | 一种用于连续钢管在线激光焊接成型的生产线体及其方法 |
CN116205922A (zh) * | 2023-05-05 | 2023-06-02 | 张家港广大特材股份有限公司 | 一种基于钢材内部缺陷数据挖掘的冶炼控制方法及系统 |
CN116501003A (zh) * | 2023-06-29 | 2023-07-28 | 张家港广大特材股份有限公司 | 一种用于特种钢材冶炼的加工管控方法及系统 |
CN116810299A (zh) * | 2023-05-10 | 2023-09-29 | 中铁九桥工程有限公司 | 一种压力钢管制造方法 |
-
2023
- 2023-12-07 CN CN202311671960.6A patent/CN117390795A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101837387A (zh) * | 2009-03-16 | 2010-09-22 | 王澄 | 大型钢管的自动化制造方法及生产线设计 |
CN109158833A (zh) * | 2018-08-24 | 2019-01-08 | 深圳市迈拓铝设备技术有限公司 | 一种烧嘴生产工艺 |
CN109623401A (zh) * | 2018-12-24 | 2019-04-16 | 华工法利莱切焊系统工程有限公司 | 一种用于连续钢管在线激光焊接成型的生产线体及其方法 |
CN116205922A (zh) * | 2023-05-05 | 2023-06-02 | 张家港广大特材股份有限公司 | 一种基于钢材内部缺陷数据挖掘的冶炼控制方法及系统 |
CN116810299A (zh) * | 2023-05-10 | 2023-09-29 | 中铁九桥工程有限公司 | 一种压力钢管制造方法 |
CN116501003A (zh) * | 2023-06-29 | 2023-07-28 | 张家港广大特材股份有限公司 | 一种用于特种钢材冶炼的加工管控方法及系统 |
Non-Patent Citations (1)
Title |
---|
李韦童 等: "一种预拼装钢构件的点云自动分割算法", 武汉大学学报(工学版), vol. 55, no. 3, 16 June 2021 (2021-06-16), pages 247 - 252 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111274671B (zh) | 一种基于数字孪生的复杂产品装配过程精准修配方法及其运行系统 | |
US20020128790A1 (en) | System and method of automated part evaluation including inspection, disposition recommendation and refurbishment process determination | |
Stenberg et al. | Quality control and assurance in fabrication of welded structures subjected to fatigue loading | |
US20160239584A1 (en) | Total quality management system and method for annotating and visualizing defects in manufactured parts | |
Azamfirei et al. | Multi-layer quality inspection system framework for industry 4.0 | |
CN116976757B (zh) | 高精密线路板追溯系统及方法 | |
EP4234158A1 (en) | System and method for analyzing weld quality | |
CN110940299B (zh) | 一种混凝土表面三维粗糙度的测量方法 | |
CN114707186B (zh) | 一种数字三维逆向建模方法及系统 | |
CN117554186B (zh) | 基于机器视觉的小型混凝土预制构件质量检测分析方法 | |
CN117436769A (zh) | 一种结构件焊接质量监测方法、系统、存储介质及设备 | |
CN117390795A (zh) | 一种钢管加工制造工艺优化方法及系统 | |
CN116551263B (zh) | 一种焊接位置选取的可视化控制方法及系统 | |
CN113449395A (zh) | 一种基于离线检验的亚临界锅炉锅筒下降管与管座的状态评估方法 | |
Jin et al. | A multi-vision-based system for tube inspection | |
Lee et al. | Vision-based quality assessment of prefabricated components using images and camera poses | |
Safa et al. | An integrated quality management system for piping fabrication using 3D laser scanning and photogrammetry | |
CN118357814B (zh) | 一种焊缝打磨平整度检测方法及系统 | |
Turner et al. | Surface and Geometrical Characterization and Measurements in Additive Manufacturing | |
He et al. | Weld quality measurement of T-joints based on three-dimensional scanner | |
CN118866207A (zh) | 基于性能规律的熔盐泵材质匹配优化方法及系统 | |
Abbasi et al. | INTEGRATING DESIGN AND PRODUCTION PLANNING WITH KNOWLEDGE-BASED INSPECTION PLANNING SYSTEM. | |
Uhlmann et al. | Maintenance, repair and overhaul in through-life engineering services | |
Tsimba et al. | Machine learning for decision-making in the remanufacturing of worn-out gears and bearings | |
CN114419012B (zh) | 基于三维点云航空发动机管路全范围间隙测量方法及应用 |
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 |