CN117420811A - 一种用于自动化生产的生产线质量监测方法及系统 - Google Patents
一种用于自动化生产的生产线质量监测方法及系统 Download PDFInfo
- Publication number
- CN117420811A CN117420811A CN202311743847.4A CN202311743847A CN117420811A CN 117420811 A CN117420811 A CN 117420811A CN 202311743847 A CN202311743847 A CN 202311743847A CN 117420811 A CN117420811 A CN 117420811A
- Authority
- CN
- China
- Prior art keywords
- information
- deviation
- production line
- trend value
- standard
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 134
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012544 monitoring process Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 59
- 230000002159 abnormal effect Effects 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000013210 evaluation model Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 239000002184 metal Substances 0.000 description 5
- 238000012797 qualification Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning 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
- 230000009977 dual effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于产线设备监测技术领域，具体涉及一种用于自动化生产的生产线质量监测方法及系统。本发明能够对产线设备的运行和产品的加工进行趋势分析，无论是产线设备，还是产品，在其发生损坏或者偏差之后能够立即进行判定，使得产线设备的运行和产品的加工一旦出现异常，或者出现异常的趋势，就立即发出预警信号来提醒工作人员进行排查，从而使得加工中的产品损坏率能够下降，并且对出现偏差的产品也能够采取相应的措施进行补救，从而便可避免大批量产品不合格的现象发生。
Description
技术领域
本发明属于产线设备监测技术领域，具体涉及一种用于自动化生产的生产线质量监测方法及系统。
背景技术
随着工业自动化的推进，越来越多的制造型企业开始引进产线设备，而自动化生产线则是依赖于各类产线设备组成的生产线，其包括从原料进入生产现场开始，经过加工、运送、装配、检验等一系列生产活动所构成的路线，但是产线设备毕竟多为机械设备，而机械设备运行中难免会出现损耗以及各种各样的故障，无法达到完美的运行状况，因此在自动化生产线的运行过程中需要一套实时监测其运行状态的系统；
目前产线监测系统一般是通过对产出产品的合格率来判断产线的运行状况，此种方式虽然能够达到监测目的，但是需要一定量的监测样品才能得出结果，因此部分样品会一定程度的出现损耗，且生产线的加工一般都是流水线作业，在抽检出样品合格率不达标时，可能在抽检结果出来之前加工的产品已经发生偏差，且仍在加工过程中的产品也可能已经发生偏差，显然，此种方式是会增加产品的损耗率的。
发明内容
本发明的目的是提供一种用于自动化生产的生产线质量监测方法及系统，能够对产线设备的运行和产品的加工进行趋势分析，在其发生损坏或者偏差之前进行判定，避免大批量产品不合格的现象发生。
本发明采取的技术方案具体如下：
一种用于自动化生产的生产线质量监测方法，包括：
获取产线设备的运行状态信息，其中，所述运行状态信息包括多个加工状态的第一特征信息；
根据所述第一特征信息确定第一关键性信息和第二关键性信息；
获取多个所述第一关键性信息的第二特征信息，其中，所述第二特征信息包括温度状态信息、实时转速信息、振动和噪声质量信息；
将多个所述第二特征信息输入至第一状态评估模型中，得到所述第一关键性信息的第一偏离趋势值；
获取多个所述第二关键性信息的第三特征信息，其中，所述第三特征信息包括刀具状态信息、产品加工过程信息、产品质量信息；
将多个所述第三特征信息输入至第二状态评估模型中，得到所述第二关键性信息的第二偏离趋势值；
根据所述第一偏离趋势值和第二偏离趋势值判断所述产线设备的运行状态和产品的加工状态是否符合标准。
作为本发明的一种优选方案，其中：根据所述第一特征信息确定第一关键性信息和第二关键性信息的步骤，包括：
根据所述第一特征信息获取每一个加工状态的关键性信息；
获取标准关键性信息；
判断所述关键性信息与标准关键性信息是否一致；
若所述关键性信息与标准关键性信息一致，将与所述关键信息对应的第一特征信息确定为第一关键性信息；
若所述关键性信息与标准关键性信息不一致，将与所述关键信息对应的第一特征信息确定为第二关键性信息。
作为本发明的一种优选方案，其中：根据所述第一特征信息确定第一关键性信息和第二关键性信息的步骤，包括：
作为本发明的一种优选方案，其中：将多个所述第二特征信息输入至第一状态评估模型中，得到所述第一关键性信息的第一偏离趋势值的步骤，包括：
以产线设备运行开始的时间节点建立连续的监测时间段，其中，/>=1，2，3，4……，，且/>为正整数；
将多个所述第一关键性信息输入至第一偏离趋势值计算公式中，得到第一关键性信息的第一偏离趋势值，其中，所述第一偏离趋势值的计算公式为：，其中，/>为标准基准值，/>为偏离系数，/>和/>均为固定的常数值，/>为监测时间段/>下产线设备的状态值，/>为第一关键性信息的第一偏离趋势值。
作为本发明的一种优选方案，其中：将多个所述第三特征信息输入至第二状态评估模型中，得到所述第二关键性信息的第二偏离趋势值的步骤，包括：
以产品加工开始的时间节点建立连续的监测时间段，其中，/>=1，2，3，4……，，且/>为正整数；
将多个所述第二关键性信息输入至第二偏离趋势值计算公式中，得到第二关键性信息的第二偏离趋势值，其中，所述第二偏离趋势值的计算公式为：，其中，为标准基准值，/>为偏离系数，/>和/>均为固定的常数值，/>为监测时间段/>下产品的状态值，/>为第二关键性信息的第二偏离趋势值。
作为本发明的一种优选方案，其中：根据所述第一偏离趋势值和第二偏离趋势值判断所述产线设备的运行状态和产品的加工状态是否符合标准的步骤，包括：
获取对应监测时间段下第一标准趋势值的偏差阈/>，并与所述第一偏离趋势值进行比对；
若，则生成正常信号，且在此状态下，产线设备正常运行；
若，则生成异常信号，且在此状态下，产线设备停机；
获取对应监测时间段下第二标准趋势值的偏差阈/>，并与所述第二偏离趋势值/>进行比对；
若，则生成正常信号，且在此状态下，产品加工正常进行；
若，则生成异常信号，且在此状态下，产品暂停加工。
作为本发明的一种优选方案，其中：所述第一偏离趋势值与第一标准趋势值的偏差阈比对并生成正常信号之后的步骤，包括：
获取多个连续时间节点的第一偏离趋势值，将相邻所述时间节点的第一偏离趋势值相比较，得到环比动态比率，并依据标准动态比率计算出第二特征信息的第一偏离趋势变化率，其中，计算公式为：，其中，/>为后第一偏离趋势值，/>为前第一偏离趋势值，/>为第一标准趋势值的标准动态比率，/>为第一标偏离势值的第一偏离趋势变化率；
其中，当≤0时，则说明第二特征信息的变化趋势符合标准，产线设备正常运行；
当＞0，则说明第二特征信息的变化趋势在逐渐增加，产线设备的运行存在风险，此时产线设备生成预警信号。
作为本发明的一种优选方案，其中：所述第二偏离趋势值与第二标准趋势值的偏差阈比对并生成正常信号之后的步骤，包括：
获取多个连续时间节点的第二偏离趋势值，将相邻所述时间节点的前期第二偏离趋势值和后期第二偏离趋势值相比较，得到环比动态比率，并依据标准动态比率计算出第三特征信息的第二偏离趋势变化率，其中，计算公式为：，其中，后期为第二偏离趋势值，/>为前期第二偏离趋势值，/>为第二标准趋势值的标准动态比率，/>为第二偏离趋势值的第二偏离趋势变化率；
其中，当＝0时，则说明第三特征信息的变化趋势符合标准，产品加工正常进行；
当≠0，则说明第三特征信息的变化趋势偏离标准状态，产品的加工趋于不可控，并生成预警信号。
本发明还提供了，一种用于自动化生产的生产线质量监测系统，应用于上述的用于自动化生产的生产线质量监测方法，包括：
第一数据采集单元，用于获取产线设备的运行状态信息并生成第一特征信息；
解析单元，用于解析运行状态并确定第一关键性信息和第二关键性信息；
第二数据采集单元，用于获取多个所述第一关键性信息的第二特征信息；
第一状态评估单元，将多个所述第二特征信息输入至第一状态评估模型中，得到所述第一关键性信息的第一偏离趋势值；
第三数据采集单元，用于获取多个所述第二关键性信息的第三特征信息；
第二状态评估单元，用于将多个所述第三特征信息输入至第二状态评估模型中，得到所述第二关键性信息的第二偏离趋势值；
趋势分析单元，用于根据所述第一偏离趋势值和第二偏离趋势值判断所述产线设备的运行状态和产品的加工状态是否符合标准。
以及，一种用于自动化生产的生产线质量监测终端，包括控制终端，所述控制终端包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的用于自动化生产的生产线质量监测方法。
本发明取得的技术效果为：
本发明能够对产线设备的运行和产品的加工进行趋势分析，无论是产线设备，还是产品，在其发生损坏或者偏差之后能够立即进行判定，使得产线设备的运行和产品的加工一旦出现异常，或者出现异常的趋势，就立即发出预警信号来提醒工作人员进行排查，从而使得加工中的产品损坏率能够下降，并且对出现偏差的产品也能够采取相应的措施进行补救，从而便可避免大批量产品不合格的现象发生。
附图说明
图1是本发明的实施例所提供的方法流程图；
图2是本发明的实施例所提供的系统模块图。
具体实施方式
为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行具体说明。应当理解，以下文字仅仅用以描述本发明的一种或几种具体的实施方式，并不对本发明具体请求的保护范围进行严格限定。
随着工业自动化的不断发展，越来越多的产品均是可采用自动化生产线进行加工，而为了适应当今市场订单，生产线具有多品种、小批量，生产换线频繁的特点，因此对产线的监测也是至关重要的，尤其是各类自动化机床等组成的生产线，以自动化机床设备为例在运行过程中，由于其配套的电气设备以及机械设备较多，难免会出现一些人为察觉不了的异常状况，例如，切削刀的损耗，产线设备金属件加工的温度等，此均能成为导致金属零件加工出现误差的原因，并且，金属零件的加工一般都是流水线作业，在质检部门查到存在误差的金属零件之后，产线设备可能已经生产了大量的成品，这无疑会增加金属零件的生产成本。基于此，本申请提出以下技术方案，旨在解决上述问题。
如图1至图2所示，本发明提供了一种用于自动化生产的生产线质量监测方法，包括：
S1、获取产线设备的运行状态信息，其中，运行状态信息包括多个加工状态的第一特征信息；
S2、根据第一特征信息确定第一关键性信息和第二关键性信息；
S3、获取多个第一关键性信息的第二特征信息，其中，第二特征信息包括温度状态信息、实时转速信息、振动和噪声质量信息；
S4、将多个第二特征信息输入至第一状态评估模型中，得到第一关键性信息的第一偏离趋势值；
S5、获取多个第二关键性信息的第三特征信息，其中，第三特征信息包括刀具状态信息、产品加工过程信息、产品质量信息；
S6、将多个第三特征信息输入至第二状态评估模型中，得到第二关键性信息的第二偏离趋势值；
S7、根据第一偏离趋势值和第二偏离趋势值判断产线设备的运行状态和产品的加工状态是否符合标准。
如上述步骤S1-S7所述，本实施例通过对产线设备（此处以自动化机床为例）自身的运行状态和产品（此处以工件为例）的加工状态及进行双重监测，通过对产线设备运行状态和产品加工状态分别评估，判断其与预定的标准是否出现偏差，并基于此确定是否停止对产品的加工，此方式能够实时的监控到产品的加工状态，但是，产品的加工出现偏差，一般都是有一定的趋势，瞬时变化引起的偏差情况较少，可视为标准误差，例如，某种产品在生产时，投入的原料为100个，要求的合格率为98%，那么便允许存在两个次品的存在，因产线设备的运行并无法绝对化的掌控，故而此种现象应归属于正常的生产现象，但是，若是存在逐渐变化趋势引起的偏差，便可能导致整个批次的产品在加工完成后均不合格，本实施例在基于偏差值的基础上，进一步分析了产线设备和产品的趋势变化率，使得产线设备或者产品出现偏差趋势的情况下发出预警信号，起到对产品及时止损的作用，避免在同一批次内出现大量不合格产品的情况
在一个较佳的实施方式中，根据第一特征信息确定第一关键性信息和第二关键性信息的步骤，包括：
S201、根据第一特征信息获取每一个加工状态的关键性信息；
S202、获取标准关键性信息；
S203、判断关键性信息与标准关键性信息是否一致；
若关键性信息与标准关键性信息一致，将与关键信息对应的第一特征信息确定为第一关键性信息；
若关键性信息与标准关键性信息不一致，将与关键信息对应的第一特征信息确定为第二关键性信息。
如上述步骤S201-S203所述，本实施方式中，关键性信息包括电机参数、变压器参数和气缸参数中的至少一种，电机参数、变压器参数和气缸参数等均为产线设备运行过程中的各项设备信息，其运行参数的信息便为关键性信息，本实施方式以此为判定指标来对第一关键性信息和第二关键性信息进行分类，实现产线设备运行状态的信息和产品加工状态的信息分类，便于后续分别对产线设备和产品做进一步的趋势分析以及偏离分析，保证分析结果的稳定。
在一个较佳的实施方式中，将多个第二特征信息输入至第一状态评估模型中，得到第一关键性信息的第一偏离趋势值的步骤，包括：
S401、以产线设备运行开始的时间节点建立连续的监测时间段，其中，/>=1，2，3，4……，/>，且/>为正整数；
S402、将多个第一关键性信息输入至第一偏离趋势值计算公式中，得到第一关键性信息的第一偏离趋势值，其中，第一偏离趋势值的计算公式为：，其中，/>为标准基准值，/>为偏离系数，/>和/>均为固定的常数值，/>为监测时间段/>下产线设备的状态值，/>为第一关键性信息的第一偏离趋势值。
如上述步骤S401-S402所述，在测算产线设备运行状态的第一偏离趋势值时，所采用的是多时间段检测，首先，确定一个其实时间节点，此时间节点优先为产线设备开机后的3～5min，此时产线设备进入到稳定的运行状态，各项设备也已经完成启动，能够为趋势分析提供较为准确的参数支持，而后依次取用产线设备运行过程中各时间段内的参数信息，再结合第一偏离趋势值的计算公式计算出第一偏离趋势值即可，从而便可得到产线设备的运行是否偏离预定状态。
在一个较佳的实施方式中，将多个第三特征信息输入至第二状态评估模型中，得到第二关键性信息的第二偏离趋势值的步骤，包括：
S601、以产品加工开始的时间节点建立连续的监测时间段，其中，/>=1，2，3，4……，/>，且/>为正整数；
S602、将多个第二关键性信息输入至第二偏离趋势值计算公式中，得到第二关键性信息的第二偏离趋势值，其中，第二偏离趋势值的计算公式为：，其中，/>为标准基准值，/>为偏离系数，/>和/>均为固定的常数值，/>为监测时间段/>下产品的状态值，/>为第二关键性信息的第二偏离趋势值。
如上述步骤S601-S602所述，此实施方式的目的在于计算产品加工过程中的第二偏离趋势值，所采用的分析方式与产线设备运行状态分析的方式一致，也是通过设置多个时间段的方式来分析第二偏离趋势值，以此为基础便可得到产品加工状态是否偏离预定的加工趋势。
在一个较佳的实施方式中，根据第一偏离趋势值和第二偏离趋势值判断产线设备的运行状态和产品的加工状态是否符合标准的步骤，包括：
S701、获取对应监测时间段下第一标准趋势值的偏差阈/>，并与第一偏离趋势值进行比对；
若，则生成正常信号，且在此状态下，产线设备正常运行；
若，则生成异常信号，且在此状态下，产线设备停机；
S702、获取对应监测时间段下第二标准趋势值的偏差阈/>，并与第二偏离趋势值/>进行比对；
若，则生成正常信号，且在此状态下，产品加工正常进行；
若，则生成异常信号，且在此状态下，产品暂停加工。
如上述步骤S701-S702所述，在得出第一偏离趋势值和第二偏离趋势值之后，将第一偏离趋势值与第一偏离趋势值偏差阈进行比较，判断其偏离趋势是否符合超出范围，从而来判定是否停止产线设备的运行，相应的，在将第二偏离趋势值与第二偏离趋势值的偏差阈进行比对之后，也能够判断出产品的加工状态是否偏离预期状态，从而判定是否继续对产品进行加工，在生成异常信号之后，产线设备能够立即停止对产品进行加工，避免出现大批量不合格产品的现象，其中，产线设备所用的各项设备的运行参数均能够通过对应的传感器转换成数字信号发送至控制终端，而产品的加工状态信息可以通过图像识别的方式进行判断，通过卷积神经网络系统进行深度学习，从而得到准确的采集结果，此为本领域人员常用的且较为成熟的技术手段，文中对此便不再加以过多的赘述。
在一个较佳的实施方式中，第一偏离趋势值与第一标准趋势值的偏差阈比对并生成正常信号之后的步骤，包括：
S403、获取多个连续时间节点的第一偏离趋势值，将相邻时间节点的第一偏离趋势值相比较，得到环比动态比率，并依据标准动态比率计算出第二特征信息的第一偏离趋势变化率，其中，计算公式为：，其中，/>为后第一偏离趋势值，/>为前第一偏离趋势值，/>为第一标准趋势值的标准动态比率，/>为第一标偏离势值的第一偏离趋势变化率；
S404、当≤0时，则说明第二特征信息的变化趋势符合标准，产线设备正常运行；
S405、当＞0，则说明第二特征信息的变化趋势在逐渐增加，产线设备的运行存在风险，此时产线设备生成预警信号。
如上述步骤S403-S405所述，产线设备运行过程中，其偏离过程具有一定的趋势，在产线设备运行的过程中，记录下每个时间段中的运行参数，从而测算出其环比动态比率，上述只列举了相邻时间段的环比动态比率的计算公式，为保证测算结果的准确性，再具体使用时，也可通过将相邻时间段的环比动态比率相加求和，并且取平均值的方式来进行综合评估，对于不同精密度要求的产品来说，所需要取样的时间段也是不相同的，若是制作样品，为保证精密度，则优选上述所记载的计算公式进行，虽然过程较为繁琐，但是所得的结果较为准确，通过将环比动态比率和标准动态比率进行比较，能够判断出第二特征信息的变化趋势是否符合标准，进而来判定产线设备的运行是否有趋于损坏或者偏差的现象发生，并且设置相应的预警信号，在预警信号发出之后，工作人员应当立即停止产线设备的工作，并进行排查检修。
在一个较佳的实施方式中，第二偏离趋势值与第二标准趋势值的偏差阈比对并生成正常信号之后的步骤，包括：
S603、获取多个连续时间节点的第二偏离趋势值，将相邻时间节点的前期第二偏离趋势值和后期第二偏离趋势值相比较，得到环比动态比率，并依据标准动态比率计算出第三特征信息的第二偏离趋势变化率，其中，计算公式为：，其中，/>后期为第二偏离趋势值，/>为前期第二偏离趋势值，/>为第二标准趋势值的标准动态比率，/>为第二偏离趋势值的第二偏离趋势变化率；
S604、当＝0时，则说明第三特征信息的变化趋势符合标准，产品加工正常进行；
S605、当≠0，则说明第三特征信息的变化趋势偏离标准状态，产品的加工趋于不可控，并生成预警信号。
如上述步骤S603-S605所述，本实施方式是对产品的偏离趋势进行预测，具体过程与对产线设备偏离趋势分析的过程一致，在此就不加以重复的赘述，但是，为保证产品加工的将密度，在对测算结果进行判断时，产品一旦出现偏离趋势，那么变应该立即生成预警信号，并且停止对产品进行加工，此时，通过调整产品或者切刀等方式，还能够对产品进行补救，否则，一旦继续就会导致该零件损坏或者不合格，易造成资源的浪费。
具体的，上述方式中的产线设备以自动化机床为例，其他自动化设备除却关键性信息的参数不同，其监测方式基本类似，具体的标准也是根据实际的产线设备中类进行实际设定，在此就不再做具体的赘述了。
本发明还提供了，一种用于自动化生产的生产线质量监测系统，应用于上述的用于自动化生产的生产线质量监测方法，包括：
第一数据采集单元，用于获取产线设备的运行状态信息并生成第一特征信息；
解析单元，用于解析运行状态并确定第一关键性信息和第二关键性信息；
第二数据采集单元，用于获取多个第一关键性信息的第二特征信息；
第一状态评估单元，将多个第二特征信息输入至第一状态评估模型中，得到第一关键性信息的第一偏离趋势值；
第三数据采集单元，用于获取多个第二关键性信息的第三特征信息；
第二状态评估单元，用于将多个第三特征信息输入至第二状态评估模型中，得到第二关键性信息的第二偏离趋势值；
趋势分析单元，用于根据第一偏离趋势值和第二偏离趋势值判断产线设备的运行状态和产品的加工状态是否符合标准。
上述中，数据的采集与传输均可通过TCP通信协议进行，对产品信息的识别可采用卷积神经网络系统进行特征提取等，此均为本领域人员的惯用技术手段，而对于状态评估来说，采用的是多时间段法，因为每个产线设备以及产品的加工方式不同，具体的时间段时长，以及时间段的数量需要根据实际需求进行设置，在此就不加以限制，且趋势分析单元还通信连接有预警装置，预警装置通过趋势单元发出的信号，来判断是否发出预警信号，此方式可将单片机作为控制端，来实现信号的接收于传递等，至于文中设计的判断过程，可采用if……else等算法逐级嵌套得出。
以及，一种用于自动化生产的生产线质量监测终端，包括控制终端，控制终端包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的用于自动化生产的生产线质量监测方法。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本发明中未具体描述和解释说明的结构、装置以及操作方法，如无特别说明和限定，均按照本领域的常规手段进行实施。
Claims (9)
1.一种用于自动化生产的生产线质量监测方法，其特征在于：包括：
获取产线设备的运行状态信息，其中，所述运行状态信息包括多个加工状态的第一特征信息；
根据所述第一特征信息确定第一关键性信息和第二关键性信息；
获取多个所述第一关键性信息的第二特征信息，其中，所述第二特征信息包括温度状态信息、实时转速信息、振动和噪声质量信息；
将多个所述第二特征信息输入至第一状态评估模型中，得到所述第一关键性信息的第一偏离趋势值；
获取多个所述第二关键性信息的第三特征信息，其中，所述第三特征信息包括刀具状态信息、产品加工过程信息、产品质量信息；
将多个所述第三特征信息输入至第二状态评估模型中，得到所述第二关键性信息的第二偏离趋势值；
根据所述第一偏离趋势值和第二偏离趋势值判断所述产线设备的运行状态和产品的加工状态是否符合标准。
2.根据权利要求1所述的一种用于自动化生产的生产线质量监测方法，其特征在于：根据所述第一特征信息确定第一关键性信息和第二关键性信息的步骤，包括：
根据所述第一特征信息获取每一个加工状态的关键性信息；
获取标准关键性信息；
判断所述关键性信息与标准关键性信息是否一致；
若所述关键性信息与标准关键性信息一致，将与所述关键信息对应的第一特征信息确定为第一关键性信息；
若所述关键性信息与标准关键性信息不一致，将与所述关键信息对应的第一特征信息确定为第二关键性信息。
3.根据权利要求1所述的一种用于自动化生产的生产线质量监测方法，其特征在于：将多个所述第二特征信息输入至第一状态评估模型中，得到所述第一关键性信息的第一偏离趋势值的步骤，包括：
以产线设备运行开始的时间节点建立连续的监测时间段，其中，/>=1，2，3，4……，/>，且/>为正整数；
将多个所述第一关键性信息输入至第一偏离趋势值计算公式中，得到第一关键性信息的第一偏离趋势值，其中，所述第一偏离趋势值的计算公式为：，其中，/>为标准基准值，/>为偏离系数，/>和/>均为固定的常数值，/>为监测时间段/>下产线设备的状态值，/>为第一关键性信息的第一偏离趋势值。
4.根据权利要求3所述的一种用于自动化生产的生产线质量监测方法，其特征在于：将多个所述第三特征信息输入至第二状态评估模型中，得到所述第二关键性信息的第二偏离趋势值的步骤，包括：
以产品加工开始的时间节点建立连续的监测时间段，其中，/>=1，2，3，4……，/>，且为正整数；
将多个所述第二关键性信息输入至第二偏离趋势值计算公式中，得到第二关键性信息的第二偏离趋势值，其中，所述第二偏离趋势值的计算公式为：，其中，/>为标准基准值，/>为偏离系数，/>和/>均为固定的常数值，/>为监测时间段/>下产品的状态值，/>为第二关键性信息的第二偏离趋势值。
5.根据权利要求4所述的一种用于自动化生产的生产线质量监测方法，其特征在于：根据所述第一偏离趋势值和第二偏离趋势值判断所述产线设备的运行状态和产品的加工状态是否符合标准的步骤，包括：
获取对应监测时间段下第一标准趋势值的偏差阈/>，并与所述第一偏离趋势值/>进行比对；
若，则生成正常信号，且在此状态下，产线设备正常运行；
若，则生成异常信号，且在此状态下，产线设备停机；
获取对应监测时间段下第二标准趋势值的偏差阈/>，并与所述第二偏离趋势值进行比对；
若，则生成正常信号，且在此状态下，产品加工正常进行；
若，则生成异常信号，且在此状态下，产品暂停加工。
6.根据权利要求5所述的一种用于自动化生产的生产线质量监测方法，其特征在于：所述第一偏离趋势值与第一标准趋势值的偏差阈比对并生成正常信号之后的步骤，包括：
获取多个连续时间节点的第一偏离趋势值，将相邻所述时间节点的第一偏离趋势值相比较，得到环比动态比率，并依据标准动态比率计算出第二特征信息的第一偏离趋势变化率，其中，计算公式为：，其中，/>为后第一偏离趋势值，/>为前第一偏离趋势值，/>为第一标准趋势值的标准动态比率，/>为第一标偏离势值的第一偏离趋势变化率；
其中，当≤0时，则说明第二特征信息的变化趋势符合标准，产线设备正常运行；
当＞0，则说明第二特征信息的变化趋势在逐渐增加，产线设备的运行存在风险，此时产线设备生成预警信号。
7.根据权利要求5所述的一种用于自动化生产的生产线质量监测方法，其特征在于：所述第二偏离趋势值与第二标准趋势值的偏差阈比对并生成正常信号之后的步骤，包括：
获取多个连续时间节点的第二偏离趋势值，将相邻所述时间节点的前期第二偏离趋势值和后期第二偏离趋势值相比较，得到环比动态比率，并依据标准动态比率计算出第三特征信息的第二偏离趋势变化率，其中，计算公式为：，其中，后期为第二偏离趋势值，/>为前期第二偏离趋势值，/>为第二标准趋势值的标准动态比率，/>为第二偏离趋势值的第二偏离趋势变化率；
其中，当＝0时，则说明第三特征信息的变化趋势符合标准，产品加工正常进行；
当≠0，则说明第三特征信息的变化趋势偏离标准状态，产品的加工趋于不可控，并生成预警信号。
8.一种用于自动化生产的生产线质量监测系统，应用于权利要求1-7中任一项所述的用于自动化生产的生产线质量监测方法，其特征在于：包括：
第一数据采集单元，用于获取产线设备的运行状态信息并生成第一特征信息；
解析单元，用于解析运行状态并确定第一关键性信息和第二关键性信息；
第二数据采集单元，用于获取多个所述第一关键性信息的第二特征信息；
第一状态评估单元，将多个所述第二特征信息输入至第一状态评估模型中，得到所述第一关键性信息的第一偏离趋势值；
第三数据采集单元，用于获取多个所述第二关键性信息的第三特征信息；
第二状态评估单元，用于将多个所述第三特征信息输入至第二状态评估模型中，得到所述第二关键性信息的第二偏离趋势值；
趋势分析单元，用于根据所述第一偏离趋势值和第二偏离趋势值判断所述产线设备的运行状态和产品的加工状态是否符合标准。
9.一种用于自动化生产的生产线质量监测终端，其特征在于：包括控制终端，所述控制终端包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的用于自动化生产的生产线质量监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311743847.4A CN117420811B (zh) | 2023-12-19 | 2023-12-19 | 一种用于自动化生产的生产线质量监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311743847.4A CN117420811B (zh) | 2023-12-19 | 2023-12-19 | 一种用于自动化生产的生产线质量监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117420811A true CN117420811A (zh) | 2024-01-19 |
| CN117420811B CN117420811B (zh) | 2024-03-08 |
Family
ID=89532885
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311743847.4A Active CN117420811B (zh) | 2023-12-19 | 2023-12-19 | 一种用于自动化生产的生产线质量监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117420811B (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010250401A (ja) * | 2009-04-13 | 2010-11-04 | Toppan Printing Co Ltd | 傾向監視システム |
| US20110320388A1 (en) * | 2008-12-23 | 2011-12-29 | Andrew Wong | System, Method and Computer Program for Pattern Based Intelligent Control, Monitoring and Automation |
| US20160170686A1 (en) * | 2014-12-10 | 2016-06-16 | Oce Printing Systems Gmbh & Co. Kg | System and method for monitoring a production system |
| US20180357465A1 (en) * | 2017-06-07 | 2018-12-13 | Honeywell International Inc. | System and method for automatic logging of events in industrial process control and automation system using change point analysis |
| CN110500371A (zh) * | 2019-08-27 | 2019-11-26 | 戴腾清 | 一种冲压生产线设备工作状态检测方法 |
| US20200272974A1 (en) * | 2019-02-26 | 2020-08-27 | Yokogawa Electric Corporation | Quality stabilization system and quality stabilization method |
| CN112100575A (zh) * | 2020-09-11 | 2020-12-18 | 石化盈科信息技术有限责任公司 | 设备状态趋势预测方法、装置、计算机设备和存储介质 |
| CN114237167A (zh) * | 2021-11-03 | 2022-03-25 | 北京天泽智云科技有限公司 | 一种工业生产过程的异常监测系统和方法 |
| CN114626615A (zh) * | 2022-03-21 | 2022-06-14 | 江苏仪化信息技术有限公司 | 一种生产过程监控管理方法及系统 |
| CN115407731A (zh) * | 2022-07-28 | 2022-11-29 | 江苏理工学院 | 生产线工作状态监测与故障预警系统和方法 |
| CN115712268A (zh) * | 2022-12-23 | 2023-02-24 | 深圳市创立宏科技有限公司 | 一种电子产品辅料自动贴合装置用故障预警系统 |
| CN116258379A (zh) * | 2021-12-08 | 2023-06-13 | 长鑫存储技术有限公司 | 一种生产设备的监测方法、监测设备、装置、存储介质 |
| CN116661403A (zh) * | 2023-07-28 | 2023-08-29 | 深圳市彼洋自动化科技有限公司 | 一种柔性生产线的自适应匹配控制系统 |
| CN116911619A (zh) * | 2023-09-12 | 2023-10-20 | 济宁长胜新材料股份有限公司 | 一种基于数据分析的化工生产智能管控系统 |
| CN116931530A (zh) * | 2023-09-15 | 2023-10-24 | 山东星科智能科技股份有限公司 | 一种炼铁炼钢轧钢生产过程动态预测系统及动态预测方法 |
| CN117148803A (zh) * | 2023-10-27 | 2023-12-01 | 深圳市磐锋精密技术有限公司 | 一种用于自动居中调宽流水线的调节控制方法 |
-
2023
- 2023-12-19 CN CN202311743847.4A patent/CN117420811B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110320388A1 (en) * | 2008-12-23 | 2011-12-29 | Andrew Wong | System, Method and Computer Program for Pattern Based Intelligent Control, Monitoring and Automation |
| JP2010250401A (ja) * | 2009-04-13 | 2010-11-04 | Toppan Printing Co Ltd | 傾向監視システム |
| US20160170686A1 (en) * | 2014-12-10 | 2016-06-16 | Oce Printing Systems Gmbh & Co. Kg | System and method for monitoring a production system |
| US20180357465A1 (en) * | 2017-06-07 | 2018-12-13 | Honeywell International Inc. | System and method for automatic logging of events in industrial process control and automation system using change point analysis |
| US20200272974A1 (en) * | 2019-02-26 | 2020-08-27 | Yokogawa Electric Corporation | Quality stabilization system and quality stabilization method |
| CN110500371A (zh) * | 2019-08-27 | 2019-11-26 | 戴腾清 | 一种冲压生产线设备工作状态检测方法 |
| CN112100575A (zh) * | 2020-09-11 | 2020-12-18 | 石化盈科信息技术有限责任公司 | 设备状态趋势预测方法、装置、计算机设备和存储介质 |
| CN114237167A (zh) * | 2021-11-03 | 2022-03-25 | 北京天泽智云科技有限公司 | 一种工业生产过程的异常监测系统和方法 |
| CN116258379A (zh) * | 2021-12-08 | 2023-06-13 | 长鑫存储技术有限公司 | 一种生产设备的监测方法、监测设备、装置、存储介质 |
| CN114626615A (zh) * | 2022-03-21 | 2022-06-14 | 江苏仪化信息技术有限公司 | 一种生产过程监控管理方法及系统 |
| CN115407731A (zh) * | 2022-07-28 | 2022-11-29 | 江苏理工学院 | 生产线工作状态监测与故障预警系统和方法 |
| CN115712268A (zh) * | 2022-12-23 | 2023-02-24 | 深圳市创立宏科技有限公司 | 一种电子产品辅料自动贴合装置用故障预警系统 |
| CN116661403A (zh) * | 2023-07-28 | 2023-08-29 | 深圳市彼洋自动化科技有限公司 | 一种柔性生产线的自适应匹配控制系统 |
| CN116911619A (zh) * | 2023-09-12 | 2023-10-20 | 济宁长胜新材料股份有限公司 | 一种基于数据分析的化工生产智能管控系统 |
| CN116931530A (zh) * | 2023-09-15 | 2023-10-24 | 山东星科智能科技股份有限公司 | 一种炼铁炼钢轧钢生产过程动态预测系统及动态预测方法 |
| CN117148803A (zh) * | 2023-10-27 | 2023-12-01 | 深圳市磐锋精密技术有限公司 | 一种用于自动居中调宽流水线的调节控制方法 |
Non-Patent Citations (3)
| Title |
|---|
| ROBERT X. GAO: ""Online product quality monitoring through in-process measurement"", 《CIRP ANNALS - MANUFACTURING TECHNOLOGY》, 31 December 2013 (2013-12-31), pages 493 - 496 * |
| 刘丽萍 等: ""自动化加工过程的在线质量监测及管理平台的研究"", 《工业工程与管理》, no. 1, 31 December 2003 (2003-12-31), pages 42 - 46 * |
| 王青叶: ""钢丝镀锌生产线健康监测及预测性维护研究"", 《计算机应用及自动化》, no. 4, 31 December 2022 (2022-12-31), pages 58 - 62 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117420811B (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115993807B (zh) | 一种碳化硅的生产监测优化控制方法及系统 | |
| CN112415947B (zh) | 一种基于dtu设备的cnc机床数据采集与管理方法及系统 | |
| CN104425300B (zh) | 在制品测量采样方法及装置 | |
| CN113723781A (zh) | 一种基于spc分析的产品质量缺陷判定系统及其方法 | |
| CN109741927A (zh) | 微型变压器生产线的设备故障和潜在不良品智能预测系统 | |
| CN113361958A (zh) | 一种缺陷预警方法及系统 | |
| CN112580858A (zh) | 设备参数预测分析方法及系统 | |
| CN113934536B (zh) | 面向边缘计算的数据采集方法 | |
| CN111371647A (zh) | 数据中心监控数据预处理方法及装置 | |
| CN116187867B (zh) | 一种智能化的传动模组生产管理方法及系统 | |
| CN117420811B (zh) | 一种用于自动化生产的生产线质量监测方法及系统 | |
| CN117113104A (zh) | 一种应用数据分析技术的智能化管理系统及方法 | |
| CN116339262A (zh) | 一种基于人工智能的数控加工生产质量监测系统 | |
| CN115265635B (zh) | 一种基于数据分析的工业机器视觉检测管理系统 | |
| CN112532481B (zh) | 一种网络质量的监测分析方法、系统和存储介质 | |
| CN115034094A (zh) | 一种金属加工机床运行状态预测方法及系统 | |
| CN114384872A (zh) | 产品研制过程质量综合管控系统 | |
| CN105204464A (zh) | 一种线束压着品质在线管理系统和方法 | |
| CN117787928B (zh) | 基于大数据的自动组装设备组装效率分析管理系统 | |
| CN113333304B (zh) | 一种基于互联网的环保卷材检测评估分拣系统 | |
| JP2004078716A (ja) | 品質管理システム及び品質管理方法 | |
| CN117520999B (zh) | 一种边缘数据中心设备的智能运维方法和系统 | |
| CN117444688B (zh) | 用于换刀机器人工作站的故障告警方法及系统 | |
| CN117469152B (zh) | 流体泵异常检测方法、装置、电子设备和存储介质 | |
| CN118051863A (zh) | 一种基于数字计量技术的健康数据采集系统及方法 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Liu Zhufeng Inventor after: Zhang Cong Inventor after: Luo Jinsong Inventor after: Chen Xubing Inventor after: Chen Linxi Inventor after: Mei Zaiwu Inventor after: Xia Tuo Inventor before: Liu Zhufeng Inventor before: Zhang Cong Inventor before: Luo Jinsong Inventor before: Chen Xubing Inventor before: Chen Linxi Inventor before: Mei Zaiwu Inventor before: Xia Tuo |