CN117787870A - 一种基于生产全周期的辊压机设备的数字化管理系统 - Google Patents
一种基于生产全周期的辊压机设备的数字化管理系统 Download PDFInfo
- Publication number
- CN117787870A CN117787870A CN202410199994.8A CN202410199994A CN117787870A CN 117787870 A CN117787870 A CN 117787870A CN 202410199994 A CN202410199994 A CN 202410199994A CN 117787870 A CN117787870 A CN 117787870A
- Authority
- CN
- China
- Prior art keywords
- data
- roller press
- production
- parts
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 452
- 239000000463 material Substances 0.000 claims abstract description 103
- 238000003860 storage Methods 0.000 claims abstract description 66
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 26
- 238000004880 explosion Methods 0.000 claims abstract description 9
- 238000007726 management method Methods 0.000 claims description 74
- 238000000034 method Methods 0.000 claims description 56
- 230000002159 abnormal effect Effects 0.000 claims description 40
- 238000005096 rolling process Methods 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 238000007689 inspection Methods 0.000 claims description 6
- 238000010845 search algorithm Methods 0.000 claims description 5
- 238000010899 nucleation Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 14
- 238000013500 data storage Methods 0.000 description 12
- 241000287127 Passeridae Species 0.000 description 11
- 230000009466 transformation Effects 0.000 description 4
- 206010063385 Intellectualisation Diseases 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 244000062645 predators Species 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数字化管理系统的技术领域，且公开了一种基于生产全周期的辊压机设备的数字化管理系统，该系统包括辊压机订单管理模块、辊压机零件物料仓储管理模块、辊压机零件生产制造管理模块；通过三维软件对辊压机订单进行具体零件爆炸高效便捷分解分类为采购件和生产制造件；辊压机具体零件采购,制造数据输出单元对爆炸分解分类的辊压机的采购件和生产制造件依据型号和数量进行统计汇总，实现对辊压机订单管理的便捷细化处理，便于后续辊压机订单生产制造；计量出订单采购件数量与物料仓储采购件数量的差值；依据物料仓储存在的辊压机采购件数据使用物料货运小车进行取料，在辊压机的生产制造过程实现智能化仓储管理。
Description
技术领域
本发明涉及数字化管理系统的技术领域，具体为一种基于生产全周期的辊压机设备的数字化管理系统。
背景技术
数字化加工工艺转型本质上是业务转型，是新一代信息技术驱动下的业务和管理模式的变革重构，为此利用数字化技术对生产制造过程进行智能化控制，其中水泥研磨制造中利用的辊压机，又名挤压磨、辊压磨、对辊机，是国际80年代中期发展起来的新型水泥节能粉磨设备，能替代能耗高、效率低球磨机预粉磨系统，并降低钢材消耗及工作噪声的功能，适用于新厂建设，也可用于老厂技术改造，使系统产量提高30%—50%，经过挤压后的物料中0.08mm细料占20%—35%，小于2mm占65%—85%，颗粒的内部结构因受挤压而充满微小裂纹，使易磨性大为改善，辊面采用热堆焊，耐磨层维修方便；现有的辊压机生产制造过程包括订单管理、物料仓储管理、生产管理、安全管理等，然而辊压机生产制造管理系统的各个生产子环节数据融合和联动程度弱，生产环节依然采用人为介入过多，面对智能化、信息化、低成本、高效率、节能环保的工业制造背景下，传统的辊压机生产制造管理系统，无法实现订单管理、物料仓储管理、生产管理、安全管理各个环节的全周期数字化管理，不仅降低辊压机的生产效率和效益，增加辊压机的生产成本。
发明内容
（一）解决的技术问题
为解决上述辊压机生产制造管理系统的各个生产子环节数据融合和联动程度弱，生产环节依然采用人为介入过多，面对智能化、信息化、低成本、高效率、节能环保的工业制造背景下，传统的辊压机生产制造管理系统，无法实现订单管理、物料仓储管理、生产管理、安全管理各个环节的全周期数字化管理的问题，实现以上辊压机生产制造互联互通、智能化、高效化生产的目的。
（二）技术方案
本发明通过以下技术方案予以实现：一种基于生产全周期的辊压机设备的数字化管理系统的运行方法，该系统的运行方法包括如下步骤：
S1、在线获取辊压机生产制造订单数据，按照辊压机构造组成的具体零件编号进行分解分类；
S2、依据具体零件分解分类数据分别输出辊压机具体零件采购数据和生产制造数据；
S3、辊压机具体零件采购数据与辊压机采购件物料仓储数据进行统计输出辊压机待采购零件数据，且利用取货设备执行物料仓储的具体采购零件取料；
S4、调用辊压机具体零件生产制造数据与辊压机具体零件制造工艺数据进行识别匹配，匹配后制造工艺数据导入辊压机具体零件制造线体设备中执行零件制造加工；
S5、采集制造线体生产的辊压机具体零件生产制造产品图像数据并与辊压机零件生产制造合格产品图像数据进行匹配分析出生产制造的辊压机具体零件质量数据；
S6、采集辊压机制造线体设备的运行参数数据；
S7、将辊压机制造线体设备的运行参数数据与辊压机生产制造线体设备异常参数阈值进行数值比较识别出线体设备运行参数异常数据并进行预警提示。
优选的，所述在线获取辊压机生产制造订单数据，按照辊压机构造组成的具体零件编号进行分解分类的操作步骤如下：
S11、利用货物采购交易平台在线获取客户订购的辊压机生产制造订单数据集合；其中/>表示第/>个辊压机对应的辊压机生产制造订单数据；
S12、依据辊压机生产制造订单数据集合按照序号有序对每个辊压机生产制造订单数据/>对应编号辊压机三维机械结构使用三维软件调用对应型号的三维机械模型进行爆炸分解，按照采购件和生产制造件对分解的辊压机具体零件进行分类。
优选的，所述依据具体零件分解分类数据分别输出辊压机具体零件采购数据和生产制造数据的操作步骤如下：
S21、依据S12对分解分类的辊压采购件和生产制造件类型分别汇总输出辊压机具体零件采购数据集合；其中/>表示第/>种辊压机具体零件采购数据，所述辊压机具体零件采购数据包括采购零件的名称、型号、数量；
输出辊压机具体零件生产制造数据集合；其中/>表示第/>种辊压机具体零件生产制造数据，所述辊压机具体零件生产制造数据包括名称、型号、数量。
优选的，所述辊压机具体零件采购数据与辊压机采购件物料仓储数据进行统计输出辊压机待采购零件数据，且利用取货设备执行物料仓储的具体采购零件取料的操作步骤如下：
S31、构建辊压机采购件物料仓储数据集合；其中/>表示第/>种辊压机采购件物料仓储数据，所述辊压机采购件物料仓储数据包括采购件的名称、型号、数量、仓储位置数据；
S32、获取辊压机具体零件采购数据集合，采用K-D树最邻近搜索算法按照序号将辊压机具体零件采购数据集合/>中辊压机具体零件采购数据/>与辊压机采购件物料仓储数据集合/>中辊压机采购件物料仓储数据/>进行辊压机采购件名称和型号关键词匹配；
S33、对匹配成功的辊压机具体零件采购数据与辊压机采购件物料仓储数据/>进行相同型号采购件数量进行作差比较计量输出辊压机待采购零件数据集合，其中/>表示第/>种辊压机待采购零件数据，当辊压机采购件物料仓储数据/>数量大于或等于辊压机具体零件采购数据/>数量，则对应的辊压机待采购零件数据/>数量为零，当辊压机采购件物料仓储数据/>数量小于辊压机具体零件采购数据/>数量，则对应的辊压机待采购零件数据/>数量为/>-/>；
S34、将辊压机具体零件采购数据集合与辊压机待采购零件数据集合/>进行对应采购零件作差生成辊压机采购件仓储取料数据，物料货运小车利用辊压机采购件物料仓储数据集合/>和辊压机采购件仓储取料数据，到采购件仓储区域按照采购的名称、型号、数量进行采购件取料作业。
优选的，所述采集制造线体生产的辊压机具体零件生产制造产品图像数据并与辊压机零件生产制造合格产品图像数据进行匹配分析出生产制造的辊压机具体零件质量数据的操作步骤如下：
S51、采用在线云镜头采集辊压机具体零件生产制造产品图像数据并建立集合；其中/>表示第/>个辊压机具体零件生产制造产品图像数据；
S52、建立辊压机零件生产制造合格产品图像数据并建立集合；其中/>表示第/>个辊压机零件生产制造合格产品图像数据；
S53、将辊压机具体零件生产制造产品图像数据集合中所有辊压机具体零件生产制造产品图像数据/>遍历辊压机具体零件生产制造合格产品图像数据集合/>中辊压机零件生产制造合格产品图像数据/>进行图像识别匹配，当/>与/>完全匹配，表示生产制造的辊压机零件质量合格，当/>与/>出现不匹配，表示生产制造的辊压机零件质量不合格。
优选的，所述采集辊压机制造线体设备的运行参数数据的操作步骤如下：
S61、在线体设备生产制造过程中使用工业传感器在线测量辊压机线体设备运行参数数据并建立集合；其中/>表示第/>种辊压机线体设备运行参数数据，所述辊压机线体设备运行参数数据包括设备运行时记录的温度、流量、压力、转速、声音和振动参数。
优选的，所述将辊压机制造线体设备的运行参数数据与辊压机生产制造线体设备异常参数阈值进行数值比较识别出线体设备运行参数异常数据并进行预警提示的操作步骤如下：
S71、获取辊压机生产制造线体设备异常参数阈值集合
；其中/>表示第λ种辊压机生产制造线体设备的异常参数阈值，所述辊压机线体设备运行参数数据包括温度、流量、压力、转速、声音和振动参数阈值；
S72、将辊压机线体设备运行参数数据集合中辊压机线体设备运行参数数据/>按照线体设备运行参数名称对应与集合/>中的辊压机生产制造线体设备异常参数阈值/>进行数值比较；
S73、根据比较结果，进行温度、流量、压力、转速、声音和/或振动异常的预警提示。
一种实现所述的基于生产全周期的辊压机设备的数字化管理系统，该系统包括辊压机订单管理模块、辊压机零件物料仓储管理模块、辊压机零件生产制造管理模块、辊压机零件生产制造质检管理模块、辊压机生产制造设备故障管理模块；
所述辊压机订单管理模块包括辊压机生产制造数量获取单元、辊压机具体零件生产制造分解分类单元、辊压机具体零件采购，制造数据输出单元；
所述辊压机生产制造数量获取单元，使用货物采购交易平台在线获取辊压机生产制造订单数据；所述辊压机具体零件生产制造分解分类单元，用于对辊压机构造组成的具体零件编号进行分解分类；所述辊压机具体零件采购，制造数据输出单元，用于依据具体零件分解分类数据分别输出辊压机具体零件采购数据和生产制造数据；
所述辊压机零件物料仓储管理模块包括辊压机采购件物料仓储数据存储单元、辊压机待采购零件物料计量输出单元、辊压机待采购零件识别取料单元；
所述辊压机采购件物料仓储数据存储单元，用于存储辊压机采购件物料仓储数据；所述辊压机待采购零件物料计量输出单元，用于辊压机具体零件采购数据与辊压机采购件物料仓储数据进行统计输出辊压机待采购零件数据；所述辊压机待采购零件识别取料单元，利用取货设备执行物料仓储的具体采购零件取料；
所述辊压机零件生产制造管理模块包括辊压机具体零件制造工艺数据存储单元、辊压机具体零件制造数据识别匹配单元、辊压机具体零件制造线体执行单元；
所述辊压机具体零件制造工艺数据存储单元，用于存储辊压机具体零件制造工艺数据；所述辊压机具体零件制造数据识别匹配单元，用于调用辊压机具体零件生产制造数据与辊压机具体零件制造工艺数据进行识别匹配；所述辊压机具体零件制造线体执行单元，用于将匹配后制造工艺数据导入辊压机具体零件制造线体设备中执行零件制造加工；
所述辊压机零件生产制造质检管理模块包括辊压机零件生产制造产品图像数据采集单元、辊压机零件生产制造合格产品图像数据存储单元、辊压机零件生产制造产品质量分析单元；
所述辊压机零件生产制造产品图像数据采集单元，使用在线云镜头采集制造线体生产的辊压机具体零件生产制造产品图像数据；所述辊压机零件生产制造合格产品图像数据存储单元，用于存储辊压机零件生产制造合格产品图像数据；所述辊压机零件生产制造产品质量分析单元，与辊压机零件生产制造合格产品图像数据进行匹配分析出生产制造的辊压机具体零件质量数据；
所述辊压机生产制造设备故障管理模块包括辊压机生产制造设备运行参数采集单元、辊压机生产制造设备异常参数存储单元、辊压机生产制造设备故障预警单元；
所述辊压机生产制造设备运行参数采集单元，使用工业传感器采集辊压机制造线体设备的运行参数数据；所述辊压机生产制造设备异常参数存储单元，用于存储辊压机生产制造线体设备异常参数数据；所述辊压机生产制造设备故障预警单元，将辊压机制造线体设备的运行参数数据与辊压机生产制造线体设备异常参数阈值进行数值比较识别出线体设备运行参数异常数据并进行预警提示。
（三）有益效果
本发明提供了一种基于生产全周期的辊压机设备的数字化管理系统。具备以下有益效果：
一、通过辊压机具体零件生产制造分解分类单元结合三维软件对辊压机订单进行具体零件爆炸高效便捷分解分类为采购件和生产制造件；辊压机具体零件采购，制造数据输出单元对爆炸分解分类的辊压机的采购件和生产制造件依据型号和数量进行统计汇总，实现对辊压机订单管理的便捷细化处理，便于后续辊压机订单生产制造；辊压机待采购零件物料计量输出单元计量出订单采购件数量与物料仓储采购件数量的差值，实现精确统计输出待采购零件数据；辊压机待采购零件识别取料单元依据物料仓储存在的辊压机采购件数据使用物料货运小车进行取料，在辊压机的生产制造过程实现智能化仓储管理。
二、通过辊压机具体零件制造数据识别匹配单元将需要加工的辊压机具体零件与辊压机具体零件制造工艺数据匹配，科学高效匹配出不同生产制造零件对应生产工艺数据；辊压机具体零件制造线体执行单元将需要加工生产的辊压机零件及其制造工艺数据自动导入辊压机具体零件制造线体设备，实现辊压机订单管理、仓储管理、生产制造一体化管理，提高了辊压机生产制造的效率和质量。
三、通过辊压机零件生产制造产品图像数据采集单元和辊压机零件生产制造产品质量分析单元配合利用云镜头采集生产制造的辊压机具体零件的外观图像数据，使用数据搜索算法与标准零件质量图像数据进行图像识别匹配，在辊压机生产制造过程同步进行质量分析检测，保证了辊压机的产品质量；辊压机生产制造设备运行参数采集单元和辊压机生产制造设备故障预警单元结合使用工业传感器采集辊压机制造线体设备的运行参数数据与辊压机生产制造线体设备异常参数阈值进行异常参数阈值比较预警，保证了辊压机生产制造线体设备可靠性运行，从而实现辊压机生产制造过程的科学化和安全化管理。
附图说明
图1为本发明提供的一种基于生产全周期的辊压机设备的数字化管理系统组成图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
该基于生产全周期的辊压机设备的数字化管理系统的实施例如下：
请参阅图1，一种基于生产全周期的辊压机设备的数字化管理系统的运行方法，该系统的运行方法包括如下步骤：
S1、在线获取辊压机生产制造订单数据，按照辊压机构造组成的具体零件编号进行分解分类；
S2、依据具体零件分解分类数据分别输出辊压机具体零件采购数据和生产制造数据；
S3、辊压机具体零件采购数据与辊压机采购件物料仓储数据进行统计输出辊压机待采购零件数据，且利用取货设备执行物料仓储的具体采购零件取料；
S4、调用辊压机具体零件生产制造数据与辊压机具体零件制造工艺数据进行识别匹配，匹配后制造工艺数据导入辊压机具体零件制造线体设备中执行零件制造加工；
S5、采集制造线体生产的辊压机具体零件生产制造产品图像数据并与辊压机零件生产制造合格产品图像数据进行匹配分析出生产制造的辊压机具体零件质量数据；
S6、采集辊压机制造线体设备的运行参数数据；
S7、将辊压机制造线体设备的运行参数数据与辊压机生产制造线体设备异常参数阈值进行数值比较识别出线体设备运行参数异常数据并进行预警提示。
进一步的，请参阅图1，在线获取辊压机生产制造订单数据，按照辊压机构造组成的具体零件编号进行分解分类的操作步骤如下：
S11、利用货物采购交易平台在线获取客户订购的辊压机生产制造订单数据集合；其中/>表示第/>个辊压机对应的辊压机生产制造订单数据；
S12、依据辊压机生产制造订单数据集合按照序号有序对每个辊压机生产制造订单数据/>对应编号辊压机三维机械结构使用三维软件调用对应型号的三维机械模型进行爆炸分解，按照采购件和生产制造件对分解的辊压机具体零件进行分类。
依据具体零件分解分类数据分别输出辊压机具体零件采购数据和生产制造数据的操作步骤如下：
S21、依据S12对分解分类的辊压采购件和生产制造件类型分别汇总输出辊压机具体零件采购数据集合；其中/>表示第/>种辊压机具体零件采购数据，所述辊压机具体零件采购数据包括采购零件的名称、型号、数量；
输出辊压机具体零件生产制造数据集合；其中/>表示第/>种辊压机具体零件生产制造数据，所述辊压机具体零件生产制造数据包括名称、型号、数量。
辊压机具体零件采购数据与辊压机采购件物料仓储数据进行统计输出辊压机待采购零件数据，且利用取货设备执行物料仓储的具体采购零件取料的操作步骤如下：
S31、构建辊压机采购件物料仓储数据集合；其中/>表示第/>种辊压机采购件物料仓储数据，所述辊压机采购件物料仓储数据包括采购件的名称、型号、数量、仓储位置数据；
S32、获取辊压机具体零件采购数据集合，采用K-D树最邻近搜索算法按照序号将辊压机具体零件采购数据集合/>中辊压机具体零件采购数据/>与辊压机采购件物料仓储数据集合/>中辊压机采购件物料仓储数据/>进行辊压机采购件名称和型号关键词匹配；
S33、对匹配成功的辊压机具体零件采购数据与辊压机采购件物料仓储数据/>进行相同型号采购件数量进行作差比较计量输出辊压机待采购零件数据集合，其中/>表示第/>种辊压机待采购零件数据，当辊压机采购件物料仓储数据/>数量大于或等于辊压机具体零件采购数据/>数量，则对应的辊压机待采购零件数据/>数量为零，当辊压机采购件物料仓储数据/>数量小于辊压机具体零件采购数据/>数量，则对应的辊压机待采购零件数据/>数量为/>-/>；
S34、将辊压机具体零件采购数据集合与辊压机待采购零件数据集合/>进行对应采购零件作差生成辊压机采购件仓储取料数据，物料货运小车利用辊压机采购件物料仓储数据集合/>和辊压机采购件仓储取料数据，到采购件仓储区域按照采购的名称、型号、数量进行采购件取料作业。
通过辊压机具体零件生产制造分解分类单元结合三维软件对辊压机订单进行具体零件爆炸高效便捷分解分类为采购件和生产制造件；辊压机具体零件采购，制造数据输出单元对爆炸分解分类的辊压机的采购件和生产制造件依据型号和数量进行统计汇总，实现对辊压机订单管理的便捷细化处理，便于后续辊压机订单生产制造；辊压机待采购零件物料计量输出单元计量出订单采购件数量与物料仓储采购件数量的差值，实现精确统计输出待采购零件数据；辊压机待采购零件识别取料单元依据物料仓储存在的辊压机采购件数据使用物料货运小车进行取料，在辊压机的生产制造过程实现智能化仓储管理。
进一步的，请参阅图1，调用辊压机具体零件生产制造数据与辊压机具体零件制造工艺数据进行识别匹配，匹配后制造工艺数据导入辊压机具体零件制造线体设备中执行零件制造加工的操作步骤如下：
S41、调用辊压机具体零件生产制造数据集合；
S42、建立辊压机具体零件生产制造工艺数据集合，其中/>表示第/>种辊压机具体零件生产制造工艺数据，辊压机具体零件生产制造工艺数据包括生产制造零件的名称、型号、加工工艺参数；
S43、将辊压机具体零件生产制造数据集合中辊压机具体零件生产制造数据/>按照零件名称和型号关键词在辊压机具体零件生产制造工艺数据集合/>中与辊压机具体零件生产制造工艺数据/>进行零件工艺识别匹配；
数据搜索算法的操作步骤如下：
步骤一、初始化种群及相关参数，并计算初始种群的适应度值；
步骤二、更新发现者位置；
，其中/>表示第/>只零件工艺识别麻雀在第/>次迭代中的在辊压机具体零件生产制造工艺数据集合/>中第/>维位置信息，表示第/>只零件工艺识别麻雀在第/>次迭代中的在辊压机具体零件生产制造工艺数据集合/>中第/>维位置信息，/>表示最大迭代次数，/>是/>的随机数，/>是/>的随机数，表示预警值；/>是/>的常数，表示安全值，/>是服从正态分布的随机数，/>是全1的/>矩阵；
当预警值R<安全值ST时，表示是安全的，此时发现者的搜索范围比较大；当预警值R≥安全值ST时，表示有了一定数量的捕食者，需要移动到安全的区域；
步骤三、更新加入者位置；
，其中/>表示第/>次迭代中最差的个体，/>表示在/>次迭代中最优发现者的位置，即在零件工艺识别麻雀更新在辊压机具体零件生产制造工艺数据集合/>中位置信息，/>是加入者数据，/>是/>矩阵，元素为随机赋值的1或-1，/>，其中/>是矩阵/>转置矩阵；
当该加入者为前一半的较优加入者时，用第一个子公式更新位置，当该加入者为后一半的较差加入者时，相当于零件工艺识别麻雀非常饥饿，需要随机飞到别的地方；
步骤四、更新意识到危险的零件工艺识别麻雀位置；
，其中/>表示第/>次迭代中最安全的个体，/>服从均值为0，方差为1的正态分布的随机数，/>是/>的随机数，正负表示零件工艺识别麻雀移动方向，大小表示步长控制参数，/>表示当前个体的适应度值，/>表示当前个体最大适应度值，/>表示当前个体最小适应度值；
当问题求解的是最小值，那么种群中心的零件工艺识别麻雀比种群外围的零件工艺识别麻雀适应度值更小，所以种群外围的零件工艺识别麻雀位置更新用第一个子公式，种群中心的零件工艺识别麻雀位置更新用第二个子公式；
步骤五、当满足最大迭代次数满足停止条件，输出最优零件工艺识别麻雀位置，即输出辊压机具体零件生产制造数据集合中辊压机具体零件生产制造数据/>与辊压机具体零件生产制造工艺数据集合/>中辊压机具体零件生产制造工艺数据/>相匹配的线体加工用辊压机具体零件生产制造工艺数据集合/>，否则返回步骤二；
S44、将输出线体加工用辊压机具体零件生产制造工艺数据集合的导入辊压机具体零件制造线体设备中执行零件制造加工。
通过辊压机具体零件制造数据识别匹配单元使用麻雀搜索算法将需要加工的辊压机具体零件与辊压机具体零件制造工艺数据匹配，科学高效匹配出不同生产制造零件对应生产工艺数据；辊压机具体零件制造线体执行单元将需要加工生产的辊压机零件及其制造工艺数据自动导入辊压机具体零件制造线体设备，实现辊压机订单管理、仓储管理、生产制造一体化管理，提高了辊压机生产制造的效率和质量。
进一步的，请参阅图1，采集制造线体生产的辊压机具体零件生产制造产品图像数据并利用搜索算法与辊压机零件生产制造合格产品图像数据进行匹配分析出生产制造的辊压机具体零件质量数据的操作步骤如下：
S51、采用在线云镜头采集辊压机具体零件生产制造产品图像数据并建立集合；其中/>表示第/>个辊压机具体零件生产制造产品图像数据；
S52、建立辊压机零件生产制造合格产品图像数据并建立集合；其中/>表示第/>个辊压机零件生产制造合格产品图像数据；
S53、将辊压机具体零件生产制造产品图像数据集合中所有辊压机具体零件生产制造产品图像数据/>遍历辊压机具体零件生产制造合格产品图像数据集合/>中辊压机零件生产制造合格产品图像数据/>进行图像识别匹配，当/>与/>完全匹配，表示生产制造的辊压机零件质量合格，当/>与/>出现不匹配，表示生产制造的辊压机零件质量不合格。
所述数据搜索方法也可以用查询方式代替实现，具体来说，该步骤的可以通过零件的名称和型号来匹配寻找对应的制造工艺数据，采用一一匹配的方式虽然能够实现数据搜索的功能，但是搜索效率不高。
采集辊压机制造线体设备的运行参数数据的操作步骤如下：
S61、在线体设备生产制造过程中使用工业传感器在线测量辊压机线体设备运行参数数据并建立集合；其中/>表示第/>种辊压机线体设备运行参数数据，所述辊压机线体设备运行参数数据包括设备运行时记录的温度、流量、压力、转速、声音和振动参数。
将辊压机制造线体设备的运行参数数据与辊压机生产制造线体设备异常参数阈值进行数值比较识别出线体设备运行参数异常数据并进行预警提示的操作步骤如下：
S71、获取辊压机生产制造线体设备异常参数阈值集合
；其中/>表示第λ种辊压机生产制造线体设备的异常参数阈值，所述辊压机线体设备运行参数数据包括温度、流量、压力、转速、声音和振动参数阈值；
S72、将辊压机线体设备运行参数数据集合中辊压机线体设备运行参数数据/>按照线体设备运行参数名称对应与集合/>中的辊压机生产制造线体设备异常参数阈值/>进行数值比较；
S73、根据比较结果，进行温度、流量、压力、转速、声音和/或振动异常的预警提示。
所述辊压机生产制造线体设备异常参数阈值集合根据历史正常生产数据记录、训练得到；也可以根据工艺需要人为设定调整等。
通过辊压机零件生产制造产品图像数据采集单元和辊压机零件生产制造产品质量分析单元配合利用云镜头采集生产制造的辊压机具体零件的外观图像数据，与标准零件质量图像数据进行图像识别匹配，在辊压机生产制造过程同步进行质量分析检测，保证了辊压机的产品质量；辊压机生产制造设备运行参数采集单元和辊压机生产制造设备故障预警单元结合使用工业传感器采集辊压机制造线体设备的运行参数数据与辊压机生产制造线体设备异常参数阈值进行比较预警，保证了辊压机生产制造线体设备可靠性运行，从而实现辊压机生产制造过程的科学化和安全化管理。
一种实现的基于生产全周期的辊压机设备的数字化管理系统，该系统包括辊压机订单管理模块、辊压机零件物料仓储管理模块、辊压机零件生产制造管理模块、辊压机零件生产制造质检管理模块、辊压机生产制造设备故障管理模块；
辊压机订单管理模块包括辊压机生产制造数量获取单元、辊压机具体零件生产制造分解分类单元、辊压机具体零件采购，制造数据输出单元；
辊压机生产制造数量获取单元，使用货物采购交易平台在线获取辊压机生产制造订单数据；辊压机具体零件生产制造分解分类单元，用于对辊压机构造组成的具体零件编号进行分解分类；辊压机具体零件采购，制造数据输出单元，用于依据具体零件分解分类数据分别输出辊压机具体零件采购数据和生产制造数据；
辊压机零件物料仓储管理模块包括辊压机采购件物料仓储数据存储单元、辊压机待采购零件物料计量输出单元、辊压机待采购零件识别取料单元；
辊压机采购件物料仓储数据存储单元，用于存储辊压机采购件物料仓储数据；辊压机待采购零件物料计量输出单元，用于辊压机具体零件采购数据与辊压机采购件物料仓储数据进行统计输出辊压机待采购零件数据；辊压机待采购零件识别取料单元，利用取货设备执行物料仓储的具体采购零件取料；
辊压机零件生产制造管理模块包括辊压机具体零件制造工艺数据存储单元、辊压机具体零件制造数据识别匹配单元、辊压机具体零件制造线体执行单元；
辊压机具体零件制造工艺数据存储单元，用于存储辊压机具体零件制造工艺数据；辊压机具体零件制造数据识别匹配单元，用于调用辊压机具体零件生产制造数据与辊压机具体零件制造工艺数据进行识别匹配；辊压机具体零件制造线体执行单元，用于将匹配后制造工艺数据导入辊压机具体零件制造线体设备中执行零件制造加工；
辊压机零件生产制造质检管理模块包括辊压机零件生产制造产品图像数据采集单元、辊压机零件生产制造合格产品图像数据存储单元、辊压机零件生产制造产品质量分析单元；
辊压机零件生产制造产品图像数据采集单元，使用在线云镜头采集制造线体生产的辊压机具体零件生产制造产品图像数据；辊压机零件生产制造合格产品图像数据存储单元，用于存储辊压机零件生产制造合格产品图像数据；辊压机零件生产制造产品质量分析单元，与辊压机零件生产制造合格产品图像数据进行匹配分析出生产制造的辊压机具体零件质量数据；
辊压机生产制造设备故障管理模块包括辊压机生产制造设备运行参数采集单元、辊压机生产制造设备异常参数存储单元、辊压机生产制造设备故障预警单元；
辊压机生产制造设备运行参数采集单元，使用工业传感器采集辊压机制造线体设备的运行参数数据；辊压机生产制造设备异常参数存储单元，用于存储辊压机生产制造线体设备异常参数数据；辊压机生产制造设备故障预警单元，将辊压机制造线体设备的运行参数数据与辊压机生产制造线体设备异常参数阈值进行数值比较识别出线体设备运行参数异常数据并进行预警提示。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于生产全周期的辊压机设备的数字化管理系统的运行方法，其特征在于，该系统的运行方法包括如下步骤：
S1、在线获取辊压机生产制造订单数据，按照辊压机构造组成的具体零件编号进行分解分类；
S2、依据具体零件分解分类数据分别输出辊压机具体零件采购数据和生产制造数据；
S3、辊压机具体零件采购数据与辊压机采购件物料仓储数据进行统计输出辊压机待采购零件数据，且利用取货设备执行物料仓储的具体采购零件取料；
S4、调用辊压机具体零件生产制造数据与辊压机具体零件制造工艺数据进行识别匹配，匹配后制造工艺数据导入辊压机具体零件制造线体设备中执行零件制造加工；
S5、采集制造线体生产的辊压机具体零件生产制造产品图像数据并与辊压机零件生产制造合格产品图像数据进行匹配分析出生产制造的辊压机具体零件质量数据；
S6、采集辊压机制造线体设备的运行参数数据；
S7、将辊压机制造线体设备的运行参数数据与辊压机生产制造线体设备异常参数阈值进行数值比较识别出线体设备运行参数异常数据并进行预警提示。
2.根据权利要求1所述的一种基于生产全周期的辊压机设备的数字化管理系统的运行方法，其特征在于：所述在线获取辊压机生产制造订单数据，按照辊压机构造组成的具体零件编号进行分解分类的操作步骤如下：
S11、利用货物采购交易平台在线获取客户订购的辊压机生产制造订单数据集合；其中/>表示第/>个辊压机对应的辊压机生产制造订单数据；
S12、依据辊压机生产制造订单数据集合按照序号有序对每个辊压机生产制造订单数据/>对应编号辊压机三维机械结构使用三维软件调用对应型号的三维机械模型进行爆炸分解，按照采购件和生产制造件对分解的辊压机具体零件进行分类。
3.根据权利要求2所述的一种基于生产全周期的辊压机设备的数字化管理系统的运行方法，其特征在于：所述依据具体零件分解分类数据分别输出辊压机具体零件采购数据和生产制造数据的操作步骤如下：
S21、依据S12对分解分类的辊压采购件和生产制造件类型分别汇总输出辊压机具体零件采购数据集合；其中/>表示第/>种辊压机具体零件采购数据，所述辊压机具体零件采购数据包括采购零件的名称、型号、数量；
输出辊压机具体零件生产制造数据集合；其中/>表示第/>种辊压机具体零件生产制造数据，所述辊压机具体零件生产制造数据包括名称、型号、数量。
4.根据权利要求3所述的一种基于生产全周期的辊压机设备的数字化管理系统的运行方法，其特征在于：所述辊压机具体零件采购数据与辊压机采购件物料仓储数据进行统计输出辊压机待采购零件数据，且利用取货设备执行物料仓储的具体采购零件取料的操作步骤如下：
S31、构建辊压机采购件物料仓储数据集合；其中/>表示第/>种辊压机采购件物料仓储数据，所述辊压机采购件物料仓储数据包括采购件的名称、型号、数量、仓储位置数据；
S32、获取辊压机具体零件采购数据集合，采用K-D树最邻近搜索算法按照序号将辊压机具体零件采购数据集合/>中辊压机具体零件采购数据/>与辊压机采购件物料仓储数据集合/>中辊压机采购件物料仓储数据/>进行辊压机采购件名称和型号关键词匹配；
S33、对匹配成功的辊压机具体零件采购数据与辊压机采购件物料仓储数据/>进行相同型号采购件数量进行作差比较计量输出辊压机待采购零件数据集合，其中/>表示第/>种辊压机待采购零件数据，当辊压机采购件物料仓储数据/>数量大于或等于辊压机具体零件采购数据/>数量，则对应的辊压机待采购零件数据/>数量为零，当辊压机采购件物料仓储数据/>数量小于辊压机具体零件采购数据/>数量，则对应的辊压机待采购零件数据/>数量为/>-/>；
S34、将辊压机具体零件采购数据集合与辊压机待采购零件数据集合/>进行对应采购零件作差生成辊压机采购件仓储取料数据，物料货运小车利用辊压机采购件物料仓储数据集合/>和辊压机采购件仓储取料数据，到采购件仓储区域按照采购的名称、型号、数量进行采购件取料作业。
5.根据权利要求4所述的一种基于生产全周期的辊压机设备的数字化管理系统的运行方法，其特征在于：所述采集制造线体生产的辊压机具体零件生产制造产品图像数据并与辊压机零件生产制造合格产品图像数据进行匹配分析出生产制造的辊压机具体零件质量数据的操作步骤如下：
S51、采用在线云镜头采集辊压机具体零件生产制造产品图像数据并建立集合；其中/>表示第/>个辊压机具体零件生产制造产品图像数据；
S52、建立辊压机零件生产制造合格产品图像数据并建立集合；其中表示第/>个辊压机零件生产制造合格产品图像数据；
S53、将辊压机具体零件生产制造产品图像数据集合中所有辊压机具体零件生产制造产品图像数据/>遍历辊压机具体零件生产制造合格产品图像数据集合/>中辊压机零件生产制造合格产品图像数据/>进行图像识别匹配，当/>与/>完全匹配，表示生产制造的辊压机零件质量合格，当/>与/>出现不匹配，表示生产制造的辊压机零件质量不合格。
6.根据权利要求5所述的一种基于生产全周期的辊压机设备的数字化管理系统的运行方法，其特征在于：所述采集辊压机制造线体设备的运行参数数据的操作步骤如下：
S61、在线体设备生产制造过程中使用工业传感器在线测量辊压机线体设备运行参数数据并建立集合；其中/>表示第/>种辊压机线体设备运行参数数据，所述辊压机线体设备运行参数数据包括设备运行时记录的温度、流量、压力、转速、声音和振动参数。
7.根据权利要求6所述的一种基于生产全周期的辊压机设备的数字化管理系统的运行方法，其特征在于：将辊压机制造线体设备的运行参数数据与辊压机生产制造线体设备异常参数阈值进行数值比较识别出线体设备运行参数异常数据并进行预警提示的操作步骤如下：
S71、获取辊压机生产制造线体设备异常参数阈值集合
；其中/>表示第λ种辊压机生产制造线体设备的异常参数阈值，所述辊压机线体设备运行参数数据包括温度、流量、压力、转速、声音和振动参数阈值；
S72、将辊压机线体设备运行参数数据集合中辊压机线体设备运行参数数据/>按照线体设备运行参数名称对应与集合/>中的辊压机生产制造线体设备异常参数阈值/>进行数值比较；
S73、根据比较结果，进行温度、流量、压力、转速、声音和/或振动异常的预警提示。
8.一种实现如权利要求1-7任一项所述运行方法的基于生产全周期的辊压机设备的数字化管理系统，其特征在于，该系统包括辊压机订单管理模块、辊压机零件物料仓储管理模块、辊压机零件生产制造管理模块、辊压机零件生产制造质检管理模块、辊压机生产制造设备故障管理模块；
所述辊压机订单管理模块，使用货物采购交易平台在线获取辊压机生产制造订单数据，依据订单对辊压机构造组成的具体零件进行分解分类且输出辊压机具体零件采购数据和生产制造数据；
所述辊压机零件物料仓储管理模块，获取辊压机具体零件采购数据与辊压机采购件物料仓储数据进行统计输出辊压机待采购零件数据，利用取货设备执行物料仓储的具体采购零件取料；
所述辊压机零件生产制造管理模块，调用辊压机零件生产制造数据与辊压机具体零件制造工艺数据进行识别匹配，匹配后制造工艺数据导入辊压机制造线体设备中执行零件制造加工；
所述辊压机零件生产制造质检管理模块，通过云镜头采集制造线体生产的辊压机零件产品图像数据与辊压机零件生产合格产品图像数据进行辊压机生产零件质量分析；
所述辊压机生产制造设备故障管理模块，使用工业传感器采集辊压机制造线体设备运行参数数据与辊压机生产制造线体设备异常参数阈值进行数值比较识别出线体设备运行参数异常数据并进行预警提示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410199994.8A CN117787870A (zh) | 2024-02-23 | 2024-02-23 | 一种基于生产全周期的辊压机设备的数字化管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410199994.8A CN117787870A (zh) | 2024-02-23 | 2024-02-23 | 一种基于生产全周期的辊压机设备的数字化管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117787870A true CN117787870A (zh) | 2024-03-29 |
Family
ID=90394794
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410199994.8A Pending CN117787870A (zh) | 2024-02-23 | 2024-02-23 | 一种基于生产全周期的辊压机设备的数字化管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117787870A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113780830A (zh) * | 2021-09-14 | 2021-12-10 | 贵州捷奥科技有限公司 | 一种基于投影的钢丝零件质检系统、方法及设备 |
| CN115880296A (zh) * | 2023-02-28 | 2023-03-31 | 中国建筑第五工程局有限公司 | 基于机器视觉的预制构件质量检测方法及装置 |
| CN116776922A (zh) * | 2023-06-30 | 2023-09-19 | 福州大学 | 一种tc4高速铣削工艺参数的优化方法 |
| CN116846565A (zh) * | 2022-02-14 | 2023-10-03 | 郑州轻工业大学 | 一种基于saa-ssa-bpnn的网络安全态势评估方法 |
| CN117369399A (zh) * | 2023-12-07 | 2024-01-09 | 广东精工智能系统有限公司 | 一种基于mom系统的产品生产任务调度方法及系统 |
-
2024
- 2024-02-23 CN CN202410199994.8A patent/CN117787870A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113780830A (zh) * | 2021-09-14 | 2021-12-10 | 贵州捷奥科技有限公司 | 一种基于投影的钢丝零件质检系统、方法及设备 |
| CN116846565A (zh) * | 2022-02-14 | 2023-10-03 | 郑州轻工业大学 | 一种基于saa-ssa-bpnn的网络安全态势评估方法 |
| CN115880296A (zh) * | 2023-02-28 | 2023-03-31 | 中国建筑第五工程局有限公司 | 基于机器视觉的预制构件质量检测方法及装置 |
| CN116776922A (zh) * | 2023-06-30 | 2023-09-19 | 福州大学 | 一种tc4高速铣削工艺参数的优化方法 |
| CN117369399A (zh) * | 2023-12-07 | 2024-01-09 | 广东精工智能系统有限公司 | 一种基于mom系统的产品生产任务调度方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2020103923A4 (en) | Fault diagnosis method and system for gear bearing based on multi-source information fusion | |
| CN108171184B (zh) | 基于Siamese网络的用于行人重识别的方法 | |
| CN109978835B (zh) | 一种在线装配缺陷识别系统及其方法 | |
| CN102361014B (zh) | 大规模半导体制造过程的状态监控与故障诊断方法 | |
| CN110118784A (zh) | 基于机器视觉的钢卷表面质量缺陷检测系统 | |
| CN112765768B (zh) | 基于物联网的离散型车间数字溯源方法 | |
| Enshaei et al. | Automated detection of textured-surface defects using UNet-based semantic segmentation network | |
| CN107749058A (zh) | 一种锅炉管道表面缺陷的机器视觉检测方法及系统 | |
| Kumar et al. | Performance evaluation for tool wear prediction based on Bi-directional, Encoder–Decoder and Hybrid Long Short-Term Memory models | |
| CN114255357A (zh) | 一种基于计算机视觉的群养生猪身份识别与健康监测方法 | |
| CN115358281B (zh) | 一种基于机器学习的冷热一体机监测控制方法及系统 | |
| CN115392534A (zh) | 一种基于ffm模型的车间设备综合效率预测方法及系统 | |
| CN114330026A (zh) | 一种数字孪生系统仿真方法及装置 | |
| CN116309313A (zh) | 一种电池表面焊接缺陷检测方法 | |
| CN113837607B (zh) | 一种卷包剔除相关烟丝损耗异常的实时分析方法和装置 | |
| CN109719138B (zh) | 一种基于数据挖掘的变形抗力唯象模型计算方法 | |
| CN117369399B (zh) | 一种基于mom系统的产品生产任务调度方法及系统 | |
| CN118279272A (zh) | 一种基于改进YOLOv8的钢板表面缺陷检测方法 | |
| CN117787870A (zh) | 一种基于生产全周期的辊压机设备的数字化管理系统 | |
| CN117575171A (zh) | 一种基于数据分析的粮食形势智能评估系统 | |
| CN116681644B (zh) | 基于变分贝叶斯推理的烟支外观缺陷检测方法 | |
| CN116503379A (zh) | 基于轻量化改进YOLOv5的零件识别方法 | |
| CN116542956A (zh) | 一种织物组分自动检测方法、系统及可读存储介质 | |
| Agarwal et al. | A CNN Method Based Predictive Model for Tomato Leaf Disease Prediction | |
| CN115494074A (zh) | 用于连铸板坯表面缺陷的在线检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |