CN117726079B - 基于机电一体化的自动化环形产线优化方法 - Google Patents
基于机电一体化的自动化环形产线优化方法 Download PDFInfo
- Publication number
- CN117726079B CN117726079B CN202410161551.XA CN202410161551A CN117726079B CN 117726079 B CN117726079 B CN 117726079B CN 202410161551 A CN202410161551 A CN 202410161551A CN 117726079 B CN117726079 B CN 117726079B
- Authority
- CN
- China
- Prior art keywords
- target data
- effectiveness
- state
- information
- index
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000010354 integration Effects 0.000 title claims abstract description 25
- 238000005457 optimization Methods 0.000 title claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000012937 correction Methods 0.000 claims description 29
- 238000012544 monitoring process Methods 0.000 claims description 24
- 230000005540 biological transmission Effects 0.000 claims description 21
- 230000006399 behavior Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000012797 qualification Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 5
- 230000006872 improvement Effects 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及机电一体化数据处理分析技术领域,尤其涉及基于机电一体化的自动化环形产线优化方法,包括通过实时获取目标数据的第一状态信息,并根据第一状态信息计算第一状态指数从而判断第一状态等级;通过实时获取目标数据的第二状态信息,并根据第二状态信息计算第二状态指数从而判断第二状态等级;通过对第一状态信息和第二状态信息进行综合分析,得到综合目标数据效度等级,有助于自动化环形产线的优化和改进,有效提高了生产过程的可控性和灵活性。本发明用于解决现有方案中没有对目标数据进行数据整合和精准分析,导致自动化环形产线的整体优化效果不佳的技术问题。
Description
技术领域
本发明涉及机电一体化数据处理分析技术领域,尤其涉及基于机电一体化的自动化环形产线优化方法。
背景技术
机电一体化技术是指将机械、电子、计算机、控制等多种技术相互融合,形成一种综合性的技术体系,以实现自动化、智能化和高效化的生产过程;自动化环形产线是一种基于机电一体化技术实现的生产线,它采用环形布局,让产品在环形线路上不断流动,完成各个生产环节,最终完成整个生产过程。
随着数据信息爆炸式的发展,机电一体化自动化环形产线中的设备和机器人可以自动完成生产任务,但是,目前的自动化环形产线仍存在一些问题,没有对监测数据进行数据整合和精准分析,导致自动化环形产线的整体优化效果不佳,可能会对整个生产过程造成影响,而且调整管控难度较大,不利于生产过程的可控性和灵活性的提高。为此,本发明提出了基于机电一体化的自动化环形产线优化方法。
发明内容
本发明的目的是为了解决背景技术中的问题,而提出的基于机电一体化的自动化环形产线优化方法。
为了实现上述目的,本发明采用了如下技术方案:
基于机电一体化的自动化环形产线优化方法,包括:
步骤一、实时获取目标数据的第一状态信息,目标数据的第一状态信息包括第一属性指标和第二属性指标,根据目标数据的第一状态信息计算目标数据的第一状态指数从而判断目标数据的第一状态等级;
步骤二、实时获取目标数据的第二状态信息,目标数据的第二状态信息包括目标数据的设备运行信息、生产数据信息以及人为影响信息,根据目标数据的第二状态信息计算目标数据的第二状态指数从而判断目标数据的第二状态等级;
步骤三、对目标数据的第一状态信息和第二状态信息进行综合分析,得到综合目标数据效度等级。
需要说明的是,本发明实施例中基于机电一体化的自动化环形产线优化方法的应用对象可以为某智能制造工业生产,具体的可以为监测目标数据,并对目标数据进行进行数据整合和精准分析,用于解决导致自动化环形产线的整体优化效果不佳的技术问题。
进一步的,对目标数据的第一状态信息进行统计时,在监测周期内获取第一状态信息的第一属性指标;
在监测周期内获取第一状态信息的第二属性指标;
将第一属性指标的监测时间点标记为第一时间,同时将第二属性指标的监测时间点标记为第二时间;根据第一时间和第二时间获取第一监测时长JS和第二监测时长JF;
提取标记的各个时长的数值进行联立整合,并将采集的第一属性指标和第二属性指标做归一化处理,得到目标数据的第一状态指数,将目标数据的第一状态指数标记为Z,其表达式如下:Z=Y×(JS×c1)+E×(JF×c2),式中,c1和c2为不同的比例系数,且c1和c2均大于0小于1;
根据第一状态指数计算结果进行分析判断目标数据的第一状态等级,将第一状态指数与预设的内部状态等级范围进行匹配得到稳定信号、欠稳定信号以及不稳定信号;
其中,若第一状态指数小于预设的内部状态等级阈值,则生成不稳定信号并将对应的目标数据关联不稳定状态标签;若第一状态指数不小于内部状态等级阈值且不大于内部状态等级阈值的X%,X为大于100的实数,则生成欠稳定信号并将对应的目标数据关联欠稳定信号标签;若第一状态指数大于内部状态等级阈值的X%,则生成稳定信号并将对应的目标数据关联稳定信号标签。
进一步的,所述第一属性指标的获取步骤如下:
A1、获取传输线路的平均利用率LY、可用率KY以及丢包率DB;
A2、将标记的传输线路的平均利用率、可用率以及丢包率组合分析得到传输线路指标,并将传输线路指标标记为CS;
A3、对传输线路指标进行数据整合时,提取标记的传输线路的平均利用率、可用率以及丢包率的数值并联立整合;
A4、设置传输线路指标的临界阈值CS0;
A5、通过计算获取第一属性指标Y;其中,第一属性指标Y的计算公式为:,式中,a1、a2、a3为预设的不同比例系数,且0<a3<a1<a2<1。
进一步的,所述第二属性指标的获取步骤如下:
B1、获取目标数据的网络设备速率SL和网络时延SY,设置网络设备速率和网络时延的临界阈值,并分别标记为SL0和SY0;
B2、通过计算公式获取第二属性指标E,式中,b1和b2为预设的不同比例系数,且b1和b2均大于0小于1。
进一步的,对目标数据的第二状态信息进行统计时,采集目标数据的设备运行信息包括目标数据的设备温度信息、目标数据的设备振动频率信息和目标数据的设备电压信息;
采集目标数据的生产数据信息,将目标数据的对应的生产效率和生产产品的质量合格率分别标记为生产效率SC和产品合格率HG;获取生产效率和产品合格率的临界阈值SC0和HG0;
采集目标数据的人为影响信息,根据自动化环形产线的运行状态需要,分析员工的操作行为;
提取设备运行信息、生产数据信息和人为影响信息的数值进行联立整合,将设备运行信息、生产数据信息和人为影响信息做归一化处理,得到目标数据的第二状态指数,将目标数据的第二状态指数标记为W,其表达式为:,式中,d1、d2、d3、d4、d5、d6为预设的不同比例系数,且0<d4<d5<d3<d6<d2<d1;
根据第二状态指数对目标数据的第二状态等级进行评估,将第二状态指数与预设的外部状态等级范围进行匹配,得到高可靠度信号、一般可靠度信号以及低可靠度信号;
其中,若第二状态指数小于预设的外部状态等级范围的最小值,则生成低可靠度信号,并将对应的目标数据关联低可靠信号标签;若第二状态指数不小于外部状态等级范围的最小值且不大于外部状态等级的最大值,则生成一般可靠度信号,并将对应的目标数据关联一般可靠信号标签;若第二状态指数大于预设的外部状态等级范围的最大值,则生成高可靠度信号,并将对应的目标数据关联高可靠信号标签;
需要说明的是,第一状态指数和第二状态指数是一种用于评估目标数据状态稳定性的分析方法。在该方法中,将数据分为不同的状态等级,通常等级越高代表当前生产状态越稳定。该分析方法可以帮助企业监测设备、生产线或系统的状态,及时发现异常,以便采取相应的措施来维持或提高生产效率。
进一步的,所述设备运行信息的获取步骤如下:
C1将目标数据的设备实时温度、振动频率以及运行所需电压分别标记为设备温度值WD、设备振动频率PL以及设备电压值DY;
C2获取设备温度值、设备振动频率以及设备电压值的最优阈值,并将设备温度值、设备振动频率以及设备电压值的最优阈值分别标记为WD0、PL0以及DY0。
进一步的,所述人为影响信息的获取步骤如下:
D1、在监测周期内观察并统计员工的无效操作行为总次数WS和无效行为类型;获取不同无效操作行为对应的无效影响因子XZ;
D2、对出现的所有无效次数和对应的影响因子进行求和,其中,求和公式为:,其中,P为失误发生率,表示无效操作行为影响总值;
D3、设置失误发生率的临界阈值P0;
其中,人为影响信息通常用于分析生产过程中员工行为对系统性能和生产结果的影响。员工的无效操作行为类型包括但不限于:诊断分析失误、指令获取失误、执行顺序错误、操作时间及方式错误。通过识别和分析这些人为影响因素,生产管理者可以改进生产过程和及时进行员工培训,以提高生产效率和品质。
进一步的,获取第一状态信息的欠稳定信号标签和不稳定信号标签以及对应的第一状态指数,同时获取第二状态信息的低可靠信号标签和一般可靠信号标签以及对应的第二状态指数;
将欠稳定信号标签和不稳定信号标签对应的第一状态指数以及低可靠信号标签和一般可靠信号标签对应的第二状态指数分别标记为TB和ZB;
基于目标数据的第一状态信息和第二状态信息计算效度等级修正系数U,其中,效度等级修正系数的计算公式为:,式中,n表示效度等级修正次数,/>表示第i次效度等级修正评估值,/>表示第i次效度等级修正的比例系数,且,其中,i=1,2,3,……,n;n为正整数;
根据效度等级修正系数对目标数据效度等级进行综合评估,将效度等级修正系数与预设的效度上限阈值和效度下限阈值进行匹配,得到普通效度标签、较低效度标签、低级效度标签以及紧急效度标签,生成告警提示以及管控提示;
其中,效度等级修正系数通常用于对目标数据的效度等级进行修正和综合评估。该系数可以帮助确定标签的效度水平,进而用于生成对应的告警和管控提示。在实际应用中,通过效度等级修正系数对目标数据进行修正分析,以更准确地反映实际情况,处理分析后的效度等级可以帮助决策者更好地理解数据的可信度和适用性,从而在生成告警和制定管控措施时有更为可靠的依据。
进一步的,所述对目标数据效度等级进行综合评估的具体分析过程包括:
E1、设置效度上限阈值U0和效度下限阈值U1,U0<U1;
E2、将效度等级修正系数U分别与阈值U0和U1进行比对分析;若U<U0,则判断该目标数据为紧急水平效度,并将其关联紧急效度标签;若U0≤U<U1*V,V为0-100的实数,则判断该目标数据为低水平效度,并将其关联低级效度标签;若U1*V≤U<U1,则判断该目标数据为较低水平效度,并将其关联较低效度标签;若U1≤U,则判断该目标数据为一般水平效度,并将其关联普通效度标签;
E3、根据普通效度标签、较低效度标签、低级效度标签以及紧急效度标签构成效度综合评估数据;
E4、结合效度综合评估数据进行遍历获取对应的效度标签;若目标数据对应的效度标签为普通效度标签和较低效度标签,则生成告警提示;若目标数据对应的效度标签为低级效度标签和紧急效度标签,则生成管控提示。
与现有的技术相比,本发明提供了基于机电一体化的自动化环形产线优化方法的优点在于:
1、本发明通过实时获取目标数据的第一状态信息,目标数据的第一状态信息包括第一属性指标和第二属性指标,根据目标数据的第一状态信息计算目标数据的第一状态指数从而判断目标数据的第一状态等级;
2、本发明通过实时获取目标数据的第二状态信息,目标数据的第二状态信息包括目标数据的设备运行信息、生产数据信息以及人为影响信息,根据目标数据的第二状态信息计算目标数据的第二状态指数从而判断目标数据的第二状态等级;
3、本发明通过对目标数据的第一状态信息和第二状态信息进行综合分析,得到综合目标数据效度等级,根据数据的来源、采集方式、处理过程等因素对数据的效度进行评估,通过效度等级修正系数对目标数据进行修正分析,以更准确地反映实际情况,从而在生成告警和制定管控措施时有更为可靠的依据。
综上所述,本发明可以根据实际情况,对目标数据的状态级别采取相应的处理优化措施,提高生产过程的可控性和灵活性,通过全面的数据分析,有助于增强数据的可靠性和可用性,确保后续机电一体化的自动化环形产线优化方法的正常实行。
附图说明
图1为本发明提出的基于机电一体化的自动化环形产线优化方法的流程图。
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,所描述的实施条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。
参照图1,基于机电一体化的自动化环形产线优化方法,包括:
步骤一、实时获取目标数据的第一状态信息,目标数据的第一状态信息包括第一属性指标和第二属性指标,根据目标数据的第一状态信息计算目标数据的第一状态指数从而判断目标数据的第一状态等级;
步骤二、实时获取目标数据的第二状态信息,目标数据的第二状态信息包括目标数据的设备运行信息、生产数据信息以及人为影响信息,根据目标数据的第二状态信息计算目标数据的第二状态指数从而判断目标数据的第二状态等级;
步骤三、对目标数据的第一状态信息和第二状态信息进行综合分析,得到综合目标数据效度等级。
需要说明的是,本发明实施例中基于机电一体化的自动化环形产线优化方法的应用对象可以为某智能制造工业生产,具体的可以为监测目标数据,并对目标数据进行进行数据整合和精准分析,用于解决导致自动化环形产线的整体优化效果不佳的技术问题。
S101、对目标数据的第一状态信息进行统计时,在监测周期内获取第一状态信息的第一属性指标;
所述第一属性指标的获取步骤如下:
A1、获取传输线路的平均利用率LY、可用率KY以及丢包率DB;
A2、将标记的传输线路的平均利用率、可用率以及丢包率组合分析得到传输线路指标,并将传输线路指标标记为CS;
A3、对传输线路指标进行数据整合时,提取标记的传输线路的平均利用率、可用率以及丢包率的数值并联立整合;
A4、设置传输线路指标的临界阈值CS0;
A5、通过计算获取第一属性指标Y;其中,第一属性指标Y的计算公式为:,式中,a1、a2、a3为预设的不同比例系数,且0<a3<a1<a2<1。
S102、在监测周期内获取第一状态信息的第二属性指标;
所述第二属性指标的获取步骤如下:
B1、获取目标数据的网络设备速率SL和网络时延SY,设置网络设备速率和网络时延的临界阈值,并分别标记为SL0和SY0;
B2、通过计算公式获取第二属性指标E,式中,b1和b2为预设的不同比例系数,且b1和b2均大于0小于1。
S103、将第一属性指标的监测时间点标记为第一时间,同时将第二属性指标的监测时间点标记为第二时间;根据第一时间和第二时间获取第一监测时长JS和第二监测时长JF;
S104、提取标记的各个时长的数值进行联立整合,并将采集的第一属性指标和第二属性指标做归一化处理,得到目标数据的第一状态指数,将目标数据的第一状态指数标记为Z,其表达式如下:Z=Y×(JS×c1)+E×(JF×c2),式中,c1和c2为不同的比例系数,且c1和c2均大于0小于1;
S105、根据第一状态指数计算结果进行分析判断目标数据的第一状态等级,将第一状态指数与预设的内部状态等级范围进行匹配得到稳定信号、欠稳定信号以及不稳定信号;
其中,若第一状态指数小于预设的内部状态等级阈值,则生成不稳定信号并将对应的目标数据关联不稳定状态标签;若第一状态指数不小于内部状态等级阈值且不大于内部状态等级阈值的X%,X为大于100的实数,则生成欠稳定信号并将对应的目标数据关联欠稳定信号标签;若第一状态指数大于内部状态等级阈值的X%,则生成稳定信号并将对应的目标数据关联稳定信号标签。
S201、对目标数据的第二状态信息进行统计时,采集目标数据的设备运行信息包括目标数据的设备温度信息、目标数据的设备振动频率信息和目标数据的设备电压信息;
所述设备运行信息的获取步骤如下:
C1将目标数据的设备实时温度、振动频率以及运行所需电压分别标记为设备温度值WD、设备振动频率PL以及设备电压值DY;
C2获取设备温度值、设备振动频率以及设备电压值的最优阈值,并将设备温度值、设备振动频率以及设备电压值的最优阈值分别标记为WD0、PL0以及DY0。
S202、采集目标数据的生产数据信息,将目标数据的对应的生产效率和生产产品的质量合格率分别标记为生产效率SC和产品合格率HG;获取生产效率和产品合格率的临界阈值SC0和HG0;
S203、采集目标数据的人为影响信息,根据自动化环形产线的运行状态需要,分析员工的操作行为;
所述人为影响信息的获取步骤如下:
D1、在监测周期内观察并统计员工的无效操作行为总次数WS和无效行为类型;获取不同无效操作行为对应的无效影响因子XZ;
D2、对出现的所有无效次数和对应的影响因子进行求和,其中,求和公式为:,其中,P为失误发生率,表示无效操作行为影响总值;
D3、设置失误发生率的临界阈值P0;
其中,人为影响信息通常用于分析生产过程中员工行为对系统性能和生产结果的影响。员工的无效操作行为类型包括但不限于:诊断分析失误、指令获取失误、执行顺序错误、操作时间及方式错误。通过识别和分析这些人为影响因素,生产管理者可以改进生产过程和及时进行员工培训,以提高生产效率和品质。
S204、提取设备运行信息、生产数据信息和人为影响信息的数值进行联立整合,将设备运行信息、生产数据信息和人为影响信息做归一化处理,得到目标数据的第二状态指数,将目标数据的第二状态指数标记为W,其表达式为:,式中,d1、d2、d3、d4、d5、d6为预设的不同比例系数,且0<d4<d5<d3<d6<d2<d1;
S205、根据第二状态指数对目标数据的第二状态等级进行评估,将第二状态指数与预设的外部状态等级范围进行匹配,得到高可靠度信号、一般可靠度信号以及低可靠度信号;
其中,若第二状态指数小于预设的外部状态等级范围的最小值,则生成低可靠度信号,并将对应的目标数据关联低可靠信号标签;若第二状态指数不小于外部状态等级范围的最小值且不大于外部状态等级的最大值,则生成一般可靠度信号,并将对应的目标数据关联一般可靠信号标签;若第二状态指数大于预设的外部状态等级范围的最大值,则生成高可靠度信号,并将对应的目标数据关联高可靠信号标签;
需要说明的是,第一状态指数和第二状态指数是一种用于评估目标数据状态稳定性的分析方法。在该方法中,将数据分为不同的状态等级,通常等级越高代表当前生产状态越稳定。该分析方法可以帮助企业监测设备、生产线或系统的状态,及时发现异常,以便采取相应的措施来维持或提高生产效率。
S301、获取第一状态信息的欠稳定信号标签和不稳定信号标签以及对应的第一状态指数,同时获取第二状态信息的低可靠信号标签和一般可靠信号标签以及对应的第二状态指数;
S302、将欠稳定信号标签和不稳定信号标签对应的第一状态指数以及低可靠信号标签和一般可靠信号标签对应的第二状态指数分别标记为TB和ZB;
S303、基于目标数据的第一状态信息和第二状态信息计算效度等级修正系数U,其中,效度等级修正系数的计算公式为:,式中,n表示效度等级修正次数,/>表示第i次效度等级修正评估值,/>表示第i次效度等级修正的比例系数,且/>,其中,i=1,2,3,……,n;n为正整数;
S304、根据效度等级修正系数对目标数据效度等级进行综合评估,将效度等级修正系数与预设的效度上限阈值和效度下限阈值进行匹配,得到普通效度标签、较低效度标签、低级效度标签以及紧急效度标签,生成告警提示以及管控提示;
其中,在数据分析和评估中,效度等级修正系数通常用于对目标数据的效度等级进行修正和综合评估,以便更精确地分析数据的质量和可信度。该系数可以帮助确定标签的效度水平,进而用于生成对应的告警和管控提示。在实际应用中,通过效度等级修正系数对目标数据进行处理分析,便于更准确地反映实际情况,处理分析后的效度等级可以帮助决策者更好地理解数据的可信度和适用性,从而在生成告警和制定管控措施时有更为可靠的依据;
所述对目标数据效度等级进行综合评估的具体分析过程包括:
E1、设置效度上限阈值U0和效度下限阈值U1,U0<U1;
E2、将效度等级修正系数U分别与阈值U0和U1进行比对分析;若U<U0,则判断该目标数据为紧急水平效度,并将其关联紧急效度标签;若U0≤U<U1*V,V为0-100的实数,则判断该目标数据为低水平效度,并将其关联低级效度标签;若U1*V≤U<U1,则判断该目标数据为较低水平效度,并将其关联较低效度标签;若U1≤U,则判断该目标数据为一般水平效度,并将其关联普通效度标签;
E3、根据普通效度标签、较低效度标签、低级效度标签以及紧急效度标签构成效度综合评估数据;
E4、结合效度综合评估数据进行遍历获取对应的效度标签;若目标数据对应的效度标签为普通效度标签和较低效度标签,则生成告警提示;若目标数据对应的效度标签为低级效度标签和紧急效度标签,则生成管控提示。
本发明实施例中,通过实时获取目标数据的第一状态信息,目标数据的第一状态信息包括第一属性指标和第二属性指标,根据目标数据的第一状态信息计算目标数据的第一状态指数从而判断目标数据的第一状态等级,通过实时获取目标数据的第二状态信息,目标数据的第二状态信息包括目标数据的设备运行信息、生产数据信息以及人为影响信息,根据目标数据的第二状态信息计算目标数据的第二状态指数从而判断目标数据的第二状态等级,第一状态指数和第二状态指数的分析是用于评估目标数据状态稳定性的方法,等级越高代表生产状态越稳定,通过对目标数据的第一状态信息和第二状态信息进行综合分析,得到综合目标数据效度等级,便于决策者更好地理解数据的可信度和适用性,从而在生成告警和制定管控措施时有更为可靠的依据。综上所述,本发明实例涉及到数据采集、综合分析和结果生成的决策,解决现有方案中没有对目标数据进行数据整合和精准分析,导致自动化环形产线的整体优化效果不佳的问题。在实际情况中,可能需要更多的数据和上下文信息来做出具体的决策和优化方案。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,各个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本依托于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
为了描述得方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
其次:本发明公开实施例附图中,只涉及与本公开实施例涉及的结构,其他结构可参考通常设计,在不冲突情况下,本发明同一实施例及不同实施例可以相互组合;
最后:以上所述仅为本发明较佳的具体实施方式,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,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (1)
1.基于机电一体化的自动化环形产线优化方法,其特征在于:
步骤一、实时获取目标数据的第一状态信息,目标数据的第一状态信息包括第一属性指标和第二属性指标,根据目标数据的第一状态信息计算目标数据的第一状态指数从而判断目标数据的第一状态等级;
步骤二、实时获取目标数据的第二状态信息,目标数据的第二状态信息包括目标数据的设备运行信息、生产数据信息以及人为影响信息,根据目标数据的第二状态信息计算目标数据的第二状态指数从而判断目标数据的第二状态等级;
步骤三、对目标数据的第一状态信息和第二状态信息进行综合分析,得到综合目标数据效度等级;
其中所述步骤一,实时获取目标数据的第一状态信息,目标数据的第一状态信息包括第一属性指标和第二属性指标,根据目标数据的第一状态信息计算目标数据的第一状态指数从而判断目标数据的第一状态等级的过程包括:
对目标数据的第一状态信息进行统计时,在监测周期内获取第一状态信息的第一属性指标;
在监测周期内获取第一状态信息的第二属性指标;
将第一属性指标的监测时间点标记为第一时间,同时将第二属性指标的监测时间点标记为第二时间;根据第一时间和第二时间获取第一监测时长JS和第二监测时长JF;
提取标记的各个时长的数值进行联立整合,并将采集的第一属性指标和第二属性指标做归一化处理,得到目标数据的第一状态指数,将目标数据的第一状态指数标记为Z,其表达式如下:Z=Y×(JS×c1)+E×(JF×c2),式中,c1和c2为不同的比例系数,且c1和c2均大于0小于1;
根据第一状态指数计算结果进行分析判断目标数据的第一状态等级,将第一状态指数与预设的内部状态等级范围进行匹配得到稳定信号、欠稳定信号以及不稳定信号;
其中所述第一属性指标的获取步骤包括:
A1、获取传输线路的平均利用率LY、可用率KY以及丢包率DB;
A2、将标记的传输线路的平均利用率、可用率以及丢包率组合分析得到传输线路指标,并将传输线路指标标记为CS;
A3、对传输线路指标进行数据整合时,提取标记的传输线路的平均利用率、可用率以及丢包率的数值并联立整合;
A4、设置传输线路指标的临界阈值CS0;
A5、通过计算获取第一属性指标Y;其中,第一属性指标Y的计算公式为:,式中,a1、a2、a3为预设的不同比例系数,且0<a3<a1<a2<1;
其中所述第二属性指标的获取步骤包括:
B1、获取目标数据的网络设备速率SL和网络时延SY,设置网络设备速率和网络时延的临界阈值,并分别标记为SL0和SY0;
B2、通过计算公式获取第二属性指标E,式中,b1和b2为预设的不同比例系数,且b1和b2均大于0小于1;
其中所述步骤二,实时获取目标数据的第二状态信息,目标数据的第二状态信息包括目标数据的设备运行信息、生产数据信息以及人为影响信息,根据目标数据的第二状态信息计算目标数据的第二状态指数从而判断目标数据的第二状态等级的过程包括:
对目标数据的第二状态信息进行统计时,采集目标数据的设备运行信息包括目标数据的设备温度信息、目标数据的设备振动频率信息和目标数据的设备电压信息;
采集目标数据的生产数据信息,将目标数据的对应的生产效率和生产产品的质量合格率分别标记为生产效率SC和产品合格率HG;获取生产效率和产品合格率的临界阈值SC0和HG0;
采集目标数据的人为影响信息,根据自动化环形产线的运行状态需要,分析员工的操作行为;
提取设备运行信息、生产数据信息和人为影响信息的数值进行联立整合,将设备运行信息、生产数据信息和人为影响信息做归一化处理,得到目标数据的第二状态指数,将目标数据的第二状态指数标记为W,其表达式为:,式中,d1、d2、d3、d4、d5、d6为预设的不同比例系数,且0<d4<d5<d3<d6<d2<d1;
根据第二状态指数对目标数据的第二状态等级进行评估,将第二状态指数与预设的外部状态等级范围进行匹配,得到高可靠度信号、一般可靠度信号以及低可靠度信号;
其中所述设备运行信息的获取步骤包括:
C1、将目标数据的设备实时温度、振动频率以及运行所需电压分别标记为设备温度值WD、设备振动频率PL以及设备电压值DY;
C2、获取设备温度值、设备振动频率以及设备电压值的最优阈值,并将设备温度值、设备振动频率以及设备电压值的最优阈值分别标记为WD0、PL0以及DY0;
其中所述人为影响信息的获取步骤包括:
D1、在监测周期内观察并统计员工的无效操作行为总次数WS和无效行为类型;获取不同无效操作行为对应的无效影响因子XZ;
D2、对出现的所有无效次数和对应的影响因子进行求和,其中,求和公式为:,其中,P为失误发生率,表示无效操作行为影响总值;
D3、设置失误发生率的临界阈值P0;
其中所述步骤三,对目标数据的第一状态信息和第二状态信息进行综合分析,得到综合目标数据效度等级的过程包括:
获取第一状态信息的欠稳定信号标签和不稳定信号标签以及对应的第一状态指数,同时获取第二状态信息的低可靠信号标签和一般可靠信号标签以及对应的第二状态指数;
将欠稳定信号标签和不稳定信号标签对应的第一状态指数以及低可靠信号标签和一般可靠信号标签对应的第二状态指数分别标记为TB和ZB;
基于目标数据的第一状态信息和第二状态信息计算效度等级修正系数U,其中,效度等级修正系数的计算公式为:,式中,n表示效度等级修正次数,/>表示第i次效度等级修正评估值,/>表示第i次效度等级修正的比例系数,且,其中,i=1,2,3,……,n;n为正整数;
根据效度等级修正系数对目标数据效度等级进行综合评估,将效度等级修正系数与预设的效度上限阈值和效度下限阈值进行匹配,得到普通效度标签、较低效度标签、低级效度标签以及紧急效度标签,生成告警提示以及管控提示;
其中所述对目标数据效度等级进行综合评估的具体分析过程包括:
E1、设置效度上限阈值U0和效度下限阈值U1,U0<U1;
E2、将效度等级修正系数U分别与阈值U0和U1进行比对分析;若U<U0,则判断该目标数据为紧急水平效度,并将其关联紧急效度标签;若U0≤U<U1*V,V为0-100的实数,则判断该目标数据为低水平效度,并将其关联低级效度标签;若U1*V≤U<U1,则判断该目标数据为较低水平效度,并将其关联较低效度标签;若U1≤U,则判断该目标数据为一般水平效度,并将其关联普通效度标签;
E3、根据普通效度标签、较低效度标签、低级效度标签以及紧急效度标签构成效度综合评估数据;
E4、结合效度综合评估数据进行遍历获取对应的效度标签;若目标数据对应的效度标签为普通效度标签和较低效度标签,则生成告警提示;若目标数据对应的效度标签为低级效度标签和紧急效度标签,则生成管控提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410161551.XA CN117726079B (zh) | 2024-02-05 | 2024-02-05 | 基于机电一体化的自动化环形产线优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410161551.XA CN117726079B (zh) | 2024-02-05 | 2024-02-05 | 基于机电一体化的自动化环形产线优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117726079A CN117726079A (zh) | 2024-03-19 |
CN117726079B true CN117726079B (zh) | 2024-04-16 |
Family
ID=90209152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410161551.XA Active CN117726079B (zh) | 2024-02-05 | 2024-02-05 | 基于机电一体化的自动化环形产线优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117726079B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108981785A (zh) * | 2018-06-19 | 2018-12-11 | 江苏高远智能科技有限公司 | 一种碎煤机设备安全的智能化检测系统 |
CN109615196A (zh) * | 2018-11-29 | 2019-04-12 | 好空气科技发展有限公司 | 一种生产线管理系统 |
CN114118524A (zh) * | 2021-10-28 | 2022-03-01 | 国家电网有限公司 | 一种基于知识推理的设备状态综合分析方法 |
WO2023035499A1 (zh) * | 2021-09-10 | 2023-03-16 | 国网上海市电力公司 | 一种配电网的韧性综合评估方法和系统 |
CN115953099A (zh) * | 2023-03-06 | 2023-04-11 | 清照科技(陕西)有限公司 | 一种基于多维数据和数据分析的数字孪生处理系统及方法 |
CN116303742A (zh) * | 2023-03-17 | 2023-06-23 | 深产发城市产业信息科技(深圳)有限公司 | 基于大数据和物联网的片区全周期数字化监测方法 |
CN116485078A (zh) * | 2023-06-21 | 2023-07-25 | 北京清众神州大数据有限公司 | 一种多类型能源能效管理方法、装置、电子设备及介质 |
CN116523381A (zh) * | 2023-04-06 | 2023-08-01 | 国家能源集团广东电力有限公司 | 一种面向发电企业的安全环保综合指数评价方法 |
CN116755403A (zh) * | 2023-06-13 | 2023-09-15 | 英利新能源(宁夏)有限公司 | 基于光伏组件生产控制系统的数据采集方法及系统 |
CN116820050A (zh) * | 2023-06-30 | 2023-09-29 | 广西兵将自动化科技有限公司 | 一种基于工业互联网的生产线用自动控制系统 |
-
2024
- 2024-02-05 CN CN202410161551.XA patent/CN117726079B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108981785A (zh) * | 2018-06-19 | 2018-12-11 | 江苏高远智能科技有限公司 | 一种碎煤机设备安全的智能化检测系统 |
CN109615196A (zh) * | 2018-11-29 | 2019-04-12 | 好空气科技发展有限公司 | 一种生产线管理系统 |
WO2023035499A1 (zh) * | 2021-09-10 | 2023-03-16 | 国网上海市电力公司 | 一种配电网的韧性综合评估方法和系统 |
CN114118524A (zh) * | 2021-10-28 | 2022-03-01 | 国家电网有限公司 | 一种基于知识推理的设备状态综合分析方法 |
CN115953099A (zh) * | 2023-03-06 | 2023-04-11 | 清照科技(陕西)有限公司 | 一种基于多维数据和数据分析的数字孪生处理系统及方法 |
CN116303742A (zh) * | 2023-03-17 | 2023-06-23 | 深产发城市产业信息科技(深圳)有限公司 | 基于大数据和物联网的片区全周期数字化监测方法 |
CN116523381A (zh) * | 2023-04-06 | 2023-08-01 | 国家能源集团广东电力有限公司 | 一种面向发电企业的安全环保综合指数评价方法 |
CN116755403A (zh) * | 2023-06-13 | 2023-09-15 | 英利新能源(宁夏)有限公司 | 基于光伏组件生产控制系统的数据采集方法及系统 |
CN116485078A (zh) * | 2023-06-21 | 2023-07-25 | 北京清众神州大数据有限公司 | 一种多类型能源能效管理方法、装置、电子设备及介质 |
CN116820050A (zh) * | 2023-06-30 | 2023-09-29 | 广西兵将自动化科技有限公司 | 一种基于工业互联网的生产线用自动控制系统 |
Non-Patent Citations (1)
Title |
---|
飞机装配工艺装备保障状态的多层次综合评价方法;曲学军;孟飙;;制造业自动化;20170125(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117726079A (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11746753B2 (en) | Method and apparatus for detecting fault, method and apparatus for training model, and device and storage medium | |
CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN107463633A (zh) | 一种基于eemd‑神经网络的实时数据异常值检测方法 | |
CN110197288A (zh) | 故障影响下设备的剩余使用寿命预测方法 | |
CN114066262A (zh) | 一种电网调度后评估异常指标溯因推理方法、系统、装置及存储介质 | |
CN115453356A (zh) | 一种动力设备运行状态监测分析方法、系统、终端及介质 | |
Lai et al. | Accelerated multiple alarm flood sequence alignment for abnormality pattern mining | |
CN117394337A (zh) | 一种电网负荷预警方法及其系统 | |
CN116879758A (zh) | 一种基于熵值算法的动力电池电压故障在线诊断处理方法 | |
CN113721182B (zh) | 一种电力互感器性能在线监测结果可靠度评估方法及系统 | |
CN115713320A (zh) | 设备的运维策略优化方法、装置、设备及存储介质 | |
CN111813644A (zh) | 系统性能的评价方法、装置、电子设备和计算机可读介质 | |
CN117269649A (zh) | 一种用于电能能源调度的安全检测方法及系统 | |
CN115441456A (zh) | 一种电网调度支持系统故障诊断方法及装置 | |
CN112463564B (zh) | 确定影响主机状态的关联指标的方法及装置 | |
CN117726079B (zh) | 基于机电一体化的自动化环形产线优化方法 | |
CN116910499A (zh) | 一种系统状态监测方法、装置、电子设备及可读存储介质 | |
CN114330859A (zh) | 一种实时质量控制的优化方法、系统和设备 | |
CN113049793A (zh) | 一种Abs复合材料的生产检测验证方法和装置 | |
CN114416410A (zh) | 一种异常分析方法、设备和计算机可读存储介质 | |
CN114091618A (zh) | 工业设备健康状态诊断管理方法、装置及服务器 | |
CN113205215A (zh) | 一种基于知识的战场态势预测方法 | |
CN114926154B (zh) | 一种多场景数据识别的保护切换方法及系统 | |
CN113762665B (zh) | 一种实时指标的相关实时数据回溯方法及系统 | |
CN116431454B (zh) | 一种大数据的计算机性能控制系统及方法 |
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 |