CN117455317B - 烟支外观缺陷影响因素确定方法、系统、存储介质及终端 - Google Patents
烟支外观缺陷影响因素确定方法、系统、存储介质及终端 Download PDFInfo
- Publication number
- CN117455317B CN117455317B CN202311778060.1A CN202311778060A CN117455317B CN 117455317 B CN117455317 B CN 117455317B CN 202311778060 A CN202311778060 A CN 202311778060A CN 117455317 B CN117455317 B CN 117455317B
- Authority
- CN
- China
- Prior art keywords
- probability
- total number
- appearance
- factor
- factors
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 232
- 235000019504 cigarettes Nutrition 0.000 title claims abstract description 200
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004519 manufacturing process Methods 0.000 claims abstract description 56
- 230000002950 deficient Effects 0.000 claims abstract description 44
- 230000009471 action Effects 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims abstract description 14
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 12
- 239000002699 waste material Substances 0.000 description 11
- 230000009286 beneficial effect Effects 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000007774 longterm Effects 0.000 description 3
- 244000061176 Nicotiana tabacum Species 0.000 description 2
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010027146 Melanoderma Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
Abstract
本发明公开烟支外观缺陷影响因素确定方法、系统、存储介质及终端。基于多根缺陷烟支确定外观缺陷类型，基于外部工况环境确定影响外观缺陷的因素。采集预设生产周期内的烟支生产总数、每一外观缺陷类型所对应的缺陷烟支总数、每一因素作用阶段的阶段性烟支生产总数。确定外观缺陷发生的概率。确定因素存在影响的概率。确定外观缺陷发生时因素存在影响的概率。确定偏好概率。以班次为单位的偏好概率的显著性分析，设置偏好概率的阈值，班次中偏好概率的实测值大于阈值的偏好概率的数量与班次中偏好概率实测值的总量的比值为某一缺陷对某一因素偏好概率的显著性值；基于显著性值确定因素对某一外观缺陷类型烟支增多的显著影响。
Description
技术领域
本发明涉及烟支检测技术领域，尤其涉及一种烟支外观缺陷影响因素确定方法、系统、存储介质及终端。
背景技术
在烟支生产中，基于视觉诊断的外观缺陷检测及缺陷烟支剔除目前缺乏足够的重视和相应监管，通常在外观缺陷的频发阶段没有结合外部环境因素或内部生产因素进行深入的研究，针对不同类型的外观缺陷，无法进一步确定导致外观缺陷的具体因素，即无法做到对烟支外观缺陷的细化诊断。鉴于此，无法实现精确预警。
发明内容
本发明的目的在于提供一种烟支外观缺陷影响因素确定方法、系统、存储介质及终端，用于确定烟支外观缺陷的影响因素。
第一方面，本发明提供一种烟支外观缺陷影响因素分析方法，包括如下步骤：
基于多根缺陷烟支确定外观缺陷类型，基于外部工况环境确定影响外观缺陷的因素；所述外观缺陷以及因素均包括多种；
数据采集，采集预设生产周期内的烟支生产总数、每一所述外观缺陷类型所对应的缺陷烟支总数、每一因素作用阶段的阶段性烟支生产总数；
确定外观缺陷发生的概率，任一所述外观缺陷类型所对应的所述缺陷烟支总数与烟支生产总数的比值为外观缺陷发生的概率；
确定因素存在影响的概率，任一所述因素作用下的阶段性烟支生产总数与烟支生产总数的比值为因素存在影响的概率；
确定外观缺陷发生时因素存在影响的概率，预设生产周期内任一所述外观缺陷类型所对应的缺陷烟支总数中处于某一因素作用阶段的烟支数量与对应外观缺陷类型的缺陷烟支总数的比值为外观缺陷发生时因素存在影响的概率；
确定偏好概率，所述因素存在影响的概率与外观缺陷发生时因素存在影响的概率的乘积，再与外观缺陷发生的概率的比值为偏好概率；
以班次为单位的偏好概率的显著性分析，设置偏好概率的阈值，班次中偏好概率的实测值大于阈值的偏好概率的数量与班次中偏好概率实测值的总量的比值为某一缺陷对某一因素偏好概率的显著性值；基于所述显著性值确定因素对某一外观缺陷类型烟支增多的显著影响。
与现有技术相比，本发明通过对不同类型外观缺陷所对应的烟支信息进行监控，结合多维外部工况，综合评估缺陷烟支在生产过程中的数据表现，研究不同缺陷问题出现的规律和发生原因。当具体某类型的外观缺陷烟支存在具体某因素影响的周期性异常时发出预警，以提醒操作人员进行及时处理。并通过算法整合历史数据中的判断不同类型的烟支外观缺陷应对经验，针对不同外观缺陷问题长期监控，为辅助指导操作提供基础数据，提升烟支外观质量水平、增高设备运行效率。
第二方面，本发明还提供一种烟支外观缺陷影响因素确定系统，包括：
参数初始化模块，用于设置外观缺陷类型以及影响外观缺陷的因素，所述外观缺陷类型以及因素均包括多种；
数据采集模块，用于采集在预设生产周期内的烟支生产总数、每一所述外观缺陷类型所对应的缺陷烟支总数、每一因素作用阶段的阶段性烟支生产总数；
外观缺陷发生概率确定模块，任一所述外观缺陷类型所对应的所述缺陷烟支总数与烟支生产总数的比值为外观缺陷发生的概率；
因素存在影响概率确定模块，任一所述因素作用下的阶段性烟支生产总数与烟支生产总数的比值为因素存在影响的概率；
外观缺陷发生时因素存在影响概率确定模块，预设生产周期内任一所述外观缺陷类型所对应的缺陷烟支总数中处于某一因素作用阶段的烟支数量与对应外观缺陷类型的缺陷烟支总数的比值为外观缺陷发生时因素存在影响的概率；
偏好概率确定模块，所述因素存在影响的概率与外观缺陷发生时因素存在影响的概率的乘积，再与外观缺陷发生的概率的比值为偏好概率；
显著性分析模块，设置偏好概率的阈值，班次中偏好概率的实测值大于阈值的偏好概率的数量与班次中偏好概率实测值的总量的比值为某一缺陷对某一因素偏好概率的班次显著性程度；基于所述班次显著性程度确定因素对某一外观缺陷类型烟支增多的显著影响。
与现有技术相比，本发明提供的烟支外观缺陷影响因素确定系统的有益效果与第一方面和/或第一方面任一种实现方式提供的烟支外观缺陷影响因素确定方法的有益效果相同，在此不做赘述。
第三方面，本发明还提供一种烟支外观缺陷预警方法，包括如下步骤：
设置显著性值的阈值；
在所述显著性值的实测值大于所述阈值时，发出报警提示；
其中，所述显著性值的实测值利用第一方面提供的烟支外观缺陷影响因素分析方法确定。
与现有技术相比，本发明提供的烟支外观缺陷预警方法的有益效果与第一方面和/或第一方面任一种实现方式提供的烟支外观缺陷影响因素确定方法的有益效果相同，在此不做赘述。
第四方面，本发明还提供一种烟支外观缺陷预警装置，所述烟支外观缺陷报警装置执行第三方面提供的烟支外观缺陷报警方法。
与现有技术相比，本发明提供的烟支外观缺陷预警装置的有益效果与第一方面和/或第一方面任一种实现方式提供的烟支外观缺陷影响因素确定方法的有益效果相同，在此不做赘述。
第五方面，本发明还提供一种存储介质，所述存储介质存储有多条指令，所述指令适于由处理器加载并执行第一方面提供的任意一项的方法步骤。
第六方面，本发明还提供一种终端，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行第一方面提供的任意一项的方法步骤。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例提供的烟支外观缺陷影响因素分析方法的流程图；
图2为剔废轮-烟支区域瑕疵的启动阶段偏好概率趋势图；
图3为剔废轮-烟支区域瑕疵的水松纸拼接阶段偏好概率趋势图；
图4为剔废轮-烟支区域瑕疵的盘纸拼接阶段偏好概率趋势图；
图5为剔废轮-烟杆区域瑕疵的盘纸拼接阶段偏好概率趋势图；
图6为剔废轮-烟杆区域瑕疵的减速阶段偏好概率趋势图；
图7为剔废轮-定位的启动阶段偏好概率趋势图；
图8为剔废轮-定位的盘纸拼接阶段偏好概率趋势图；
图9为剔废轮-定位的水松纸拼接阶段偏好概率趋势图；
图10为剔废轮-定位的加速阶段偏好概率趋势图；
图11为剔废轮-定位的减速阶段偏好概率趋势图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
应理解的是，文中使用的术语仅出于描述特定示例实施方式的目的，而无意于进行限制。除非上下文另外明确地指出，否则如文中使用的单数形式“一”、“一个”以及“所述”也可以表示包括复数形式。术语“包括”、“包含”以及“具有”是包含性的，并且因此指明所陈述的特征、元件和及或部件的存在，但并不排除存在或者添加一个或多个其它特征、元件、部件、和及或它们的组合。
在本发明的描述中，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体式连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
为了便于描述，可以在文中使用空间相对关系术语来描述如图中示出的一个元件或者特征相对于另一元件或者特征的关系，这些相对关系术语例如为“底”、“前”、“上”、“倾斜”、“下”、“顶”、“内”、“水平”、“外”等。这种空间相对关系术语意于包括除图中描绘的方位之外的在使用或者操作中机构的不同方位。例如，如果在图中的机构翻转，那么描述为“在其它元件或者特征下面”或者“在其它元件或者特征下方”的元件将随后定向为“在其它元件或者特征上面”或者“在其它元件或者特征上方”。因此，示例术语“在……下方”可以包括在上和在下的方位。
第一方面，参见图1，本发明实施例提供一种烟支外观缺陷影响因素确定方法，包括如下步骤：
S10. 基于多根缺陷烟支确定外观缺陷类型，基于外部工况环境确定影响外观缺陷的因素；所述外观缺陷以及因素均包括多种。
作为一种示例，外观缺陷类型有多种，例如，烟支黑点、烟支区域瑕疵、烟支错牙等。多种外观缺陷类型并不是指同一烟支有多种外观缺陷类型，每一烟支具有一种外观缺陷类型，不同烟支可以具有相同或者不相同的外观缺陷类型。同样，导致外观缺陷发生的影响因素也有多种，例如，烟机的启动、加速、减速、停机、更换盘纸、更换水松纸等，影响因素对于外观缺陷类型是随机且非两两相斥的，即同一影响因素可能导致两种及以上外观缺陷的发生，不同影响因素也可能导致同一外观缺陷的发生。需要进一步解释的是，确定烟支的多种外观缺陷类型后，导致外观缺陷发生的影响因素并不具有一一对应的关系，即在实施本发明实施例前，并不知晓影响因素与外观缺陷类型之间的因果关系。
S11. 数据采集，采集预设生产周期内的烟支生产总数、每一所述外观缺陷类型所对应的缺陷烟支总数、每一因素作用阶段的阶段性烟支生产总数。
作为一种示例，获取每单位小时内的烟支生产总数及不同外观缺陷类型被剔除的缺陷烟支总数，并根据烟厂实地调研中较为常见的烟支生产外部影响因素，同样获取该单位小时内不同影响因素下的阶段性烟支生产总数。
数据采集方法具体可以是图像采集或者其他可能的方法。
S12. 确定外观缺陷发生的概率，任一所述外观缺陷类型所对应的所述缺陷烟支总数与烟支生产总数的比值为外观缺陷发生的概率。
作为一种示例，在单位小时内，某外观缺陷导致的需要剔除的缺陷烟支总数与卷烟机生产的烟支生产总数的比值频率可以等同于该单位小时中某外观缺陷发生的概率，可以用如下公式表示：
S13. 确定因素存在影响的概率，任一所述因素作用下的阶段性烟支生产总数与烟支生产总数的比值为因素存在影响的概率。
作为一种示例，在单位小时内，某因素作用阶段生产的阶段性烟支总数与卷烟机生产的烟支生产总数的比值频率可以等同于该单位小时内某因素发生的概率，可以用如下公式表示：
S14. 确定外观缺陷发生时因素存在影响的概率，预设生产周期内任一所述外观缺陷类型所对应的缺陷烟支总数中处于某一因素作用阶段的烟支数量与对应外观缺陷类型的缺陷烟支总数的比值为外观缺陷发生时因素存在影响的概率。其中，预设生产周期内任一所述外观缺陷类型所对应的缺陷烟支总数中处于某一因素作用阶段的烟支数量基于采集的数据，通过软件计算获得。
作为一种示例，在单位小时内，某一类型的外观缺陷导致的剔除烟支中受到某一因素作用的烟支数量与该类型的外观缺陷剔除烟支总数的比值频率可以等同于该单位小时内某缺陷发生时某因素存在影响的概率，可以用如下公式表示：
需要进一步解释说明的是，根据条件概率确定某因素对于不同外观剔除发生的影响程度。
条件概率公式中表明：定义A、B是两个事件，且P（A）>0，则称P（B|A）=P（AB）/P（A）为事件A发生的条件下事件B的条件概率。且满足当P（A）>0时，则P（AB）=P（A）（B|A）；当P（B）>0时，则P（AB）=P（B）（A|B）。
依据上述条件概率定理，假设在数据预处理后的某个单位时间点里：
某类烟支外观缺陷发生为事件A，即为P（A）=某类外观缺陷发生概率；
某种因素存在影响为事件B，即为P（B）=某种因素存在影响概率；
则某种缺陷发生时因素存在影响的概率即为P（B|A）；
则依据公式可以得出P（A|B）=P（B）P（B|A）/ P（A），P（A|B）即为在该单位小时内，当某种因素存在影响的阶段中发生某种外观缺陷的概率。
可以通过判断概率P（A|B）的大小来进而判断某种因素存在影响时，是否发生某种外观缺陷剔除的概率偏大，即是否该因素对该外观缺陷剔除的影响程度偏大。
S15. 确定偏好概率，所述因素存在影响的概率与外观缺陷发生时因素存在影响的概率的乘积，再与外观缺陷发生的概率的比值为偏好概率。
偏好概率即为P（A|B），定义为在该单位小时内，某种外观缺陷在某种因素影响阶段的偏好概率。当偏好概率越高，则表明在该单位小时内该种外观缺陷越倾向于在此种因素影响阶段发生。
对于两种影响偏好概率的自变量：外观缺陷和外部影响因素，可以将它们看成为两种离散型随机变量，即为：
设定外观缺陷为X，P（X=）表示在单位小时中外观缺陷发生的概率。其中一般X变量包括烟支错牙、烟支区域瑕疵等不同种类的外观缺陷剔除类型，在不同烟厂之间有所区别，具体需视烟厂而定。变量之间两两互斥，即不可能存在烟支发生两种及以上的外观缺陷剔除原因。
设定影响因素为Y，P（Y=）表示在单位小时中因素/>存在影响的概率。其中一般Y变量包括卷烟机启动、加速、减速、盘纸换纸、水松纸换纸等不同类别的外部影响因素，在不同烟厂之间根据操作人员的经验判断或相关部门的研究重心决定，具体需视烟厂而定。变量之间非两两互斥，即烟支可以受到一种及以上的影响因素作用，譬如生产的烟支可以处于卷烟机加速和盘纸换纸同时发生的阶段。
作为一种可能的实现方式，偏好概率为外观缺陷在单一因素影响下的偏好概率，此时，偏好概率为某一因素作用下的阶段性烟支生产总数与某一外观缺陷类型所对应的缺陷烟支总数中处于某一因素作用阶段的阶段性烟支生产总数的乘积，再与某一外观缺陷类型所对应的缺陷烟支总数平方的比值。
作为一种示例，外观缺陷在单因素/>影响阶段的偏好概率计算方式如下：
作为一种可能的实现方式，偏好概率为外观缺陷在多因素影响下的偏好概率，此时，偏好概率为所有因素作用阶段生产的阶段性烟支总数与所有外观缺陷类型对应的缺陷烟支总数中相关多因素阶段烟支数，再与某一外观缺陷类型所对应的缺陷烟支总数平方的比值。
作为一种示例，外观缺陷在多因素/>影响阶段的偏好概率计算方式如下：
综合单因素和多因素的多方面影响，以此定义对单位小时内某外观缺陷在某因素阶段的偏好概率，作为进行算法的下一步显著性分析的一种基础指标。
S16. 以班次为单位的偏好概率的显著性分析，设置偏好概率的阈值，班次中偏好概率的实测值大于阈值的偏好概率的数量与班次中偏好概率实测值的总量的比值为某一缺陷对某一因素偏好概率的显著性值；基于所述显著性值确定因素对某一外观缺陷类型烟支增多的显著影响。
作为一种示例，在一般意义上，偏好概率作为概率这一概念的延伸天然对50%的分界线敏感。当偏好概率的数据为50%时，则表明该类因素对该外观缺陷产生的影响与否概率均等。在初始化的偏好概率显著性算法分析中，默认50%为判断该偏好概率是否到达因素对外观缺陷存在影响的阈值点。以50%为阈值点进行下一步的统计分析。
根据获得的单位小时按时序排列偏好概率数据，在一个班次内的显著性程度定义为大于阈值的偏好概率数据点在全部偏好概率数据中的百分比，即为：
同样的，显著性程度也作为一种概率式指标对50%敏感，在尚未获取原始数据积累的初始阶段，同样手动设定显著性程度S值的原始阈值为50%，当显著性程度S值大于50%时，证明假设P(偏好概率)>50%成立，即为该类因素对该外观缺陷的发生存在着显著性影响。
作为一种可能的实现方式，在首次确定班次显著性程度后，所述烟支外观缺陷影响因素分析方法还包括：更新班次显著性程度的阈值，更新后的阈值为历史数据处于受控状态的班次显著性程度值的均值。
得到新阈值后，继续通过前述的烟支外观缺陷影响因素分析方法对长期班次的显著性程度趋势变动进行评判，当显著性程度超出阈值时，向相关人员发出预警，提醒存在某种因素对特定外观缺陷烟支增多的显著性影响，提醒操作人员及时对这种现象进行关注并相应地做出维保操作。
为了进一步说明本发明实施例提供的烟支外观缺陷影响因素分析方法具有的有益效果，下面以某烟厂单班次的外观缺陷剔除数据进行预处理和分析，应理解，以下举例仅作为解释说明，不作为限定。
该烟厂存在的影响因素包括机器启动、盘纸拼接、水松纸拼接、机器加速和机器减速。对上述五种因素进行单因素的偏好概率分析。其中，具体不同外观缺陷类型的平均单位小时的剔除发生概率（即实际意义的单位小时剔除率）如下表所示：
表1 不同外观缺陷类型的平均单位小时的剔除发生概率
其中，除去无烟支类型，以小时为单位时间的平均剔除率均维持在千分之零点五以下，相对出现较多的其他外观缺陷有：检测轮-烟杆暗点、检测轮-水松纸暗点、剔废轮-烟杆暗点、剔废轮- 水松纸亮点、剔废轮- 水松纸暗点等。
进一步的对偏好概率和显著性值进行分析，对于外观缺陷类型剔废轮-烟杆区域瑕疵而言，在班次中受不同外部因素影响的偏好概率趋势变动如图6所示。可以看出，在启动因素中，其偏好概率数据超出一半都高于给定的偏好概率阈值50%，班次显著性程度为56.08%，大于原始设定的50%阈值，在这里的单班次中我们认为其具备显著的效果，即机器启动的因素对剔废轮-烟杆区域瑕疵这一缺陷的发生具有较大影响，需要操作人员进一步对相关机械或器件进行检查维修。而其他外部因素对其的影响效果微弱。
同样的，参见图7至图11，对外观缺陷类型剔废轮-定位而言，对它影响最大的外部因素为机器启动因素。
通过如上步骤所示进行偏好概率趋势和显著性程度说明，具体如下：
因素1：机器启动对32种外观缺陷剔除的影响
表2：不同外观缺陷类型对【启动】阶段偏好概率的平均班次显著性程度
总体而言受到机器启动因素影响导致其偏好概率数据的显著性程度大于原始设定50%的较多，如检测轮/剔废轮-定位、剔废轮-水松纸亮点、检测轮/剔废轮-烟杆暗点、剔废轮-烟杆亮点、剔废轮-水松纸暗点、剔废轮-接装纸粘贴不齐（错牙）、剔废轮-烟杆长度、剔废轮-水松纸长度、剔废轮-烟杆区域瑕疵、剔废轮-水松纸区域瑕疵等。可以认为这些外观缺陷更容易在启动阶段发生，具备显著效果。
因素2：盘纸拼接对32种外观缺陷剔除的影响
表3：不同外观缺陷类型对【盘纸拼接】阶段偏好概率的平均班次显著性程度
其平均偏好概率班次显著性程度大部分均维持在20%以下的水平，效果不明显。
因素3：水松纸拼接对32种外观缺陷剔除的影响
表4：不同外观缺陷类型对【水松纸拼接】阶段偏好概率的平均班次显著性程度
大部分平均偏好概率班次显著性程度均维持在15%以下的水平，效果不明显；剔废轮-水松纸长度的显著性相对较高，为36.83%，但尚未达到可以认为其存在明显效果的水平。
因素4：加速对32种外观缺陷剔除的影响
表5：不同外观缺陷类型对【加速】阶段偏好概率的平均班次显著性程度
大部分平均偏好概率班次显著性程度均维持在20%以下的水平，效果不明显；剔废轮-水松纸长度和剔废轮-定位的显著性相对较高，为44.18%和91.67%的数值。
因素5：减速对32种外观缺陷剔除的影响
表6：不同外观缺陷类型对【减速】阶段偏好概率的平均班次显著性程度
除去停机状态或视觉监测关闭状态的无烟支类型，因素5对其他外观缺陷类型的偏好概率在班次中显著性程度均维持在1%以下的水平，效果极其不明显。在本实验烟厂中，减速因素对于产生外观缺陷烟支多少的影响最小，几乎可以忽略不计。
采用上述技术方案的情况下，本发明通过对不同类型外观缺陷所对应的烟支信息进行监控，结合多维外部工况，综合评估缺陷烟支在生产过程中的数据表现，研究不同缺陷问题出现的规律和发生原因。当具体某类型的外观缺陷烟支存在具体某因素影响的周期性异常时发出预警，以提醒操作人员进行及时处理。并通过算法整合历史数据中的判断不同类型的烟支外观缺陷应对经验，针对不同外观缺陷问题长期监控，为辅助指导操作提供基础数据，提升烟支外观质量水平、增高设备运行效率。
第二方面，本发明还提供一种烟支外观缺陷影响因素确定系统，包括：
参数初始化模块，用于设置外观缺陷类型以及影响外观缺陷的因素，外观缺陷类型以及因素均包括多种；
数据采集模块，用于采集在预设生产周期内的烟支生产总数、每一外观缺陷类型所对应的缺陷烟支总数、每一因素作用阶段的阶段性烟支生产总数；
外观缺陷发生概率确定模块，任一外观缺陷类型所对应的缺陷烟支总数与烟支生产总数的比值为外观缺陷发生的概率；
因素存在影响概率确定模块，任一因素作用下的阶段性烟支生产总数与烟支生产总数的比值为因素存在影响的概率；
外观缺陷发生时因素存在影响概率确定模块，预设生产周期内任一外观缺陷类型所对应的缺陷烟支总数中处于某一因素作用阶段的烟支数量与对应外观缺陷类型的缺陷烟支总数的比值为外观缺陷发生时因素存在影响的概率；
偏好概率确定模块，因素存在影响的概率与外观缺陷发生时因素存在影响的概率的乘积，再与外观缺陷发生的概率的比值为偏好概率；
显著性分析模块，设置偏好概率的阈值，班次中偏好概率的实测值大于阈值的偏好概率的数量与班次中偏好概率实测值的总量的比值为某一缺陷对某一因素偏好概率的班次显著性程度；基于班次显著性程度确定因素对某一外观缺陷类型烟支增多的显著影响。
与现有技术相比，本发明提供的烟支外观缺陷影响因素确定系统的有益效果与第一方面和/或第一方面任一种实现方式提供的烟支外观缺陷影响因素确定方法的有益效果相同，在此不做赘述。
作为一种可能的实现方式，偏好概率为外观缺陷在单一因素影响下的偏好概率，此时，偏好概率为某一因素作用下的阶段性烟支生产总数与某一外观缺陷类型所对应的缺陷烟支总数中处于某一因素作用阶段的阶段性烟支生产总数的乘积，再与某一外观缺陷类型所对应的缺陷烟支总数平方的比值。
作为一种可能的实现方式，偏好概率为外观缺陷在多因素影响下的偏好概率，此时，偏好概率为所有因素作用阶段生产的阶段性烟支总数与所有外观缺陷类型对应的缺陷烟支总数中相关多因素阶段烟支数，再与某一外观缺陷类型所对应的缺陷烟支总数平方的比值。
第三方面，本发明还提供一种烟支外观缺陷预警方法，包括如下步骤：
设置显著性值的阈值；
在显著性值的实测值大于阈值时，发出报警提示；
其中，显著性值的实测值利用第一方面提供的烟支外观缺陷影响因素分析方法确定。
与现有技术相比，本发明提供的烟支外观缺陷预警方法的有益效果与第一方面和/或第一方面任一种实现方式提供的烟支外观缺陷影响因确定方法的有益效果相同，在此不做赘述。
第四方面，本发明还提供一种烟支外观缺陷预警装置，烟支外观缺陷报警装置执行第三方面提供的烟支外观缺陷报警方法。
与现有技术相比，本发明提供的烟支外观缺陷预警装置的有益效果与第一方面和/或第一方面任一种实现方式提供的烟支外观缺陷影响因素确定方法的有益效果相同，在此不做赘述。
第五方面，本发明还提供一种存储介质，所述存储介质存储有多条指令，所述指令适于由处理器加载并执行第一方面提供的任意一项的方法步骤。
第六方面，本发明还提供一种终端，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行第一方面提供的任意一项的方法步骤。
在上述实施方式的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种烟支外观缺陷影响因素确定方法，其特征在于，包括如下步骤：
基于多根缺陷烟支确定外观缺陷类型，基于外部工况环境确定影响外观缺陷的因素；所述外观缺陷以及因素均包括多种；
数据采集，采集预设生产周期内的烟支生产总数、每一所述外观缺陷类型所对应的缺陷烟支总数、每一因素作用阶段的阶段性烟支生产总数；
确定外观缺陷发生的概率，任一所述外观缺陷类型所对应的所述缺陷烟支总数与烟支生产总数的比值为外观缺陷发生的概率；
确定因素存在影响的概率，任一所述因素作用下的阶段性烟支生产总数与烟支生产总数的比值为因素存在影响的概率；
确定外观缺陷发生时因素存在影响的概率，预设生产周期内任一所述外观缺陷类型所对应的缺陷烟支总数中处于某一因素作用阶段的烟支数量与对应外观缺陷类型的缺陷烟支总数的比值为外观缺陷发生时因素存在影响的概率；
确定偏好概率，所述因素存在影响的概率与外观缺陷发生时因素存在影响的概率的乘积，再与外观缺陷发生的概率的比值为偏好概率；
以班次为单位的偏好概率的显著性分析，设置偏好概率的阈值，班次中偏好概率的实测值大于阈值的偏好概率的数量与班次中偏好概率实测值的总量的比值为某一缺陷对某一因素偏好概率的显著性值；基于所述显著性值确定因素对某一外观缺陷类型烟支增多的显著影响。
2.根据权利要求1所述的烟支外观缺陷影响因素确定方法，其特征在于，
所述外观缺陷类型至少包括烟支黑点、烟支区域瑕疵、烟支错牙；
所述影响因素至少包括烟机的启动、加速、减速、停机、更换盘纸、更换水松纸。
3.根据权利要求1所述的烟支外观缺陷影响因素确定方法，其特征在于，所述偏好概率为外观缺陷在单一因素影响下的偏好概率，此时，所述偏好概率为某一因素作用下的阶段性烟支生产总数与某一外观缺陷类型所对应的缺陷烟支总数中处于某一因素作用阶段的阶段性烟支生产总数的乘积，再与某一外观缺陷类型所对应的缺陷烟支总数平方的比值。
4.根据权利要求1所述的烟支外观缺陷影响因素确定方法，其特征在于，所述偏好概率为外观缺陷在多因素影响下的偏好概率，此时，所述偏好概率为所有因素作用阶段生产的阶段性烟支总数与所有外观缺陷类型对应的缺陷烟支总数中相关多因素阶段烟支数，再与某一外观缺陷类型所对应的缺陷烟支总数平方的比值。
5.根据权利要求1所述的烟支外观缺陷影响因素确定方法，其特征在于，在首次确定班次显著性程度后，所述烟支外观缺陷影响因素确定方法还包括：
更新班次显著性程度的阈值，更新后的阈值为历史数据处于受控状态的班次显著性程度值的均值。
6.一种烟支外观缺陷影响因素确定系统，其特征在于，包括：
参数初始化模块，用于设置外观缺陷类型以及影响外观缺陷的因素，所述外观缺陷类型以及因素均包括多种；
数据采集模块，用于采集在预设生产周期内的烟支生产总数、每一所述外观缺陷类型所对应的缺陷烟支总数、每一因素作用阶段的阶段性烟支生产总数；
外观缺陷发生概率确定模块，任一所述外观缺陷类型所对应的所述缺陷烟支总数与烟支生产总数的比值为外观缺陷发生的概率；
因素存在影响概率确定模块，任一所述因素作用下的阶段性烟支生产总数与烟支生产总数的比值为因素存在影响的概率；
外观缺陷发生时因素存在影响概率确定模块，预设生产周期内任一所述外观缺陷类型所对应的缺陷烟支总数中处于某一因素作用阶段的烟支数量与对应外观缺陷类型的缺陷烟支总数的比值为外观缺陷发生时因素存在影响的概率；
偏好概率确定模块，所述因素存在影响的概率与外观缺陷发生时因素存在影响的概率的乘积，再与外观缺陷发生的概率的比值为偏好概率；
显著性分析模块，设置偏好概率的阈值，班次中偏好概率的实测值大于阈值的偏好概率的数量与班次中偏好概率实测值的总量的比值为某一缺陷对某一因素偏好概率的班次显著性程度；基于所述班次显著性程度确定因素对某一外观缺陷类型烟支增多的显著影响。
7.根据权利要求6所述的烟支外观缺陷影响因素确定系统，其特征在于，所述偏好概率为外观缺陷在单一因素影响下的偏好概率，此时，所述偏好概率为某一因素作用下的阶段性烟支生产总数与某一外观缺陷类型所对应的缺陷烟支总数中处于某一因素作用阶段的阶段性烟支生产总数的乘积，再与某一外观缺陷类型所对应的缺陷烟支总数平方的比值。
8.根据权利要求6所述的烟支外观缺陷影响因素确定系统，其特征在于，所述偏好概率为外观缺陷在多因素影响下的偏好概率，此时，所述偏好概率为所有因素作用阶段生产的阶段性烟支总数与所有外观缺陷类型对应的缺陷烟支总数中相关多因素阶段烟支数，再与某一外观缺陷类型所对应的缺陷烟支总数平方的比值。
9.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1～5任意一项所述的烟支外观缺陷影响因素确定方法。
10.一种终端，其特征在于，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1～5任一项所述的烟支外观缺陷影响因素确定方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311778060.1A CN117455317B (zh) | 2023-12-22 | 2023-12-22 | 烟支外观缺陷影响因素确定方法、系统、存储介质及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311778060.1A CN117455317B (zh) | 2023-12-22 | 2023-12-22 | 烟支外观缺陷影响因素确定方法、系统、存储介质及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117455317A CN117455317A (zh) | 2024-01-26 |
| CN117455317B true CN117455317B (zh) | 2024-04-02 |
Family
ID=89591414
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311778060.1A Active CN117455317B (zh) | 2023-12-22 | 2023-12-22 | 烟支外观缺陷影响因素确定方法、系统、存储介质及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117455317B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010159979A (ja) * | 2009-01-06 | 2010-07-22 | Hitachi Ltd | 外観検査方法及び外観検査システム |
| CN110163479A (zh) * | 2019-04-18 | 2019-08-23 | 红云红河烟草(集团)有限责任公司 | 一种烟草卷包车间质量异常问题主因模型的建立方法 |
| CN110909774A (zh) * | 2019-11-08 | 2020-03-24 | 海南电网有限责任公司海南输变电检修分公司 | 一种基于贝叶斯分类的变电设备发热缺陷原因判别方法 |
| CN210538868U (zh) * | 2019-08-09 | 2020-05-19 | 深圳市鸿捷源自动化系统有限公司 | 一种基于机器视觉的烟支外表面缺陷检测的装置 |
| CN111582702A (zh) * | 2020-04-30 | 2020-08-25 | 广东电网有限责任公司 | 一种基于天气因素的电网风险评估方法 |
| CN112268910A (zh) * | 2020-11-13 | 2021-01-26 | 上海奇信机电设备有限公司 | 一种烟支外观缺陷视觉检测系统及其检测方法 |
| CN112801523A (zh) * | 2021-02-04 | 2021-05-14 | 龙岩烟草工业有限责任公司 | 烟支质量的检测方法、装置、系统和存储介质 |
| CN113112497A (zh) * | 2021-05-06 | 2021-07-13 | 合肥中科迪宏自动化有限公司 | 一种基于零样本学习的工业外观缺陷检测方法、电子设备及存储介质 |
| CN114461637A (zh) * | 2022-01-13 | 2022-05-10 | 联合汽车电子有限公司 | 基于数据建模的产品缺陷分析方法、装置和存储介质 |
| CN114781868A (zh) * | 2022-04-22 | 2022-07-22 | 深圳市鸿云智科技有限公司 | 一种基于剔除阀异常剔除烟支的预警方法、装置、终端及存储介质 |
| CN114844773A (zh) * | 2022-04-26 | 2022-08-02 | 深圳市鸿云智科技有限公司 | 一种烟支生产设备故障修复策略优化方法、装置、系统及介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115808911B (zh) * | 2023-02-02 | 2023-04-28 | 成都秦川物联网科技股份有限公司 | 用于生产线产生不良品时的工业物联网调控方法及系统 |
-
2023
- 2023-12-22 CN CN202311778060.1A patent/CN117455317B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010159979A (ja) * | 2009-01-06 | 2010-07-22 | Hitachi Ltd | 外観検査方法及び外観検査システム |
| CN110163479A (zh) * | 2019-04-18 | 2019-08-23 | 红云红河烟草(集团)有限责任公司 | 一种烟草卷包车间质量异常问题主因模型的建立方法 |
| CN210538868U (zh) * | 2019-08-09 | 2020-05-19 | 深圳市鸿捷源自动化系统有限公司 | 一种基于机器视觉的烟支外表面缺陷检测的装置 |
| CN110909774A (zh) * | 2019-11-08 | 2020-03-24 | 海南电网有限责任公司海南输变电检修分公司 | 一种基于贝叶斯分类的变电设备发热缺陷原因判别方法 |
| CN111582702A (zh) * | 2020-04-30 | 2020-08-25 | 广东电网有限责任公司 | 一种基于天气因素的电网风险评估方法 |
| CN112268910A (zh) * | 2020-11-13 | 2021-01-26 | 上海奇信机电设备有限公司 | 一种烟支外观缺陷视觉检测系统及其检测方法 |
| CN112801523A (zh) * | 2021-02-04 | 2021-05-14 | 龙岩烟草工业有限责任公司 | 烟支质量的检测方法、装置、系统和存储介质 |
| CN113112497A (zh) * | 2021-05-06 | 2021-07-13 | 合肥中科迪宏自动化有限公司 | 一种基于零样本学习的工业外观缺陷检测方法、电子设备及存储介质 |
| CN114461637A (zh) * | 2022-01-13 | 2022-05-10 | 联合汽车电子有限公司 | 基于数据建模的产品缺陷分析方法、装置和存储介质 |
| CN114781868A (zh) * | 2022-04-22 | 2022-07-22 | 深圳市鸿云智科技有限公司 | 一种基于剔除阀异常剔除烟支的预警方法、装置、终端及存储介质 |
| CN114844773A (zh) * | 2022-04-26 | 2022-08-02 | 深圳市鸿云智科技有限公司 | 一种烟支生产设备故障修复策略优化方法、装置、系统及介质 |
Non-Patent Citations (2)
| Title |
|---|
| 模糊理论在铸铁件质量管理中的应用;朱先琦;铸造设备研究;20020625(第03期);第11-13页 * |
| 石化投资项目风险概率分析研究;王秀云;赵淑红;;当代石油石化;20110220(第02期);第35-38页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117455317A (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7742881B2 (en) | System and method for detection of rotor eccentricity baseline shift | |
| JP6770802B2 (ja) | プラント異常監視方法およびプラント異常監視用のコンピュータプログラム | |
| US5327349A (en) | Method and apparatus for analyzing and recording downtime of a manufacturing process | |
| KR960004236B1 (ko) | 관리정보 표시기능을 갖춘 방전가공기 | |
| US5537811A (en) | Method for categorizing yarn defects and cleansing yarn | |
| KR102120753B1 (ko) | 진동 특성 분석을 이용한 공구 수명 예측 방법 | |
| US7444265B2 (en) | Machine and/or monitoring | |
| CN112710345B (zh) | 持续改进预测性维护数据库的机器监视方法和装置 | |
| CN117455317B (zh) | 烟支外观缺陷影响因素确定方法、系统、存储介质及终端 | |
| CN112111822B (zh) | 带多个工位的纺织机和带多个工位的纺织机的监测方法 | |
| CN114850969A (zh) | 一种基于振动信号的刀具失效监控方法 | |
| CN110303592B (zh) | 基于震动信息的混凝土生产设备在线故障检测方法及系统 | |
| CN110989498A (zh) | 一种数控机床监控系统 | |
| CN113172000A (zh) | 一种带有重量监督管理平台的卷烟系统 | |
| CN110520808A (zh) | 一种对驱动部的精准预知性维护方法 | |
| US20140076855A1 (en) | Data collection system for electric discharge machines | |
| US20020138169A1 (en) | Device for calculating overall plant efficiency | |
| CN111879522B (zh) | 基于时序概率的汽轮机运行监测和故障判别方法及系统 | |
| CN112238367A (zh) | 一种利用传感器监测数据实时监测报警方法 | |
| CN115142187A (zh) | 针织大圆机织造质量优化控制系统 | |
| JP2006258473A (ja) | 転がり軸受の軸受寿命推定方法 | |
| JPS5886432A (ja) | 摩擦状態を測定し、分類する方法 | |
| US20220147033A1 (en) | Computer Program Product, Industrial Installation, Method and Apparatus for Determining or Predicting a Position of a Web Break | |
| CN110208027B (zh) | 混凝土生产设备在线故障检测方法及检测系统 | |
| CN103807308B (zh) | 核电站在线对滚动轴承进行降温的方法 |
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 |