CN117875037A - 一种bopp膜生产线数字仿真建模方法及系统 - Google Patents
一种bopp膜生产线数字仿真建模方法及系统 Download PDFInfo
- Publication number
- CN117875037A CN117875037A CN202311856314.7A CN202311856314A CN117875037A CN 117875037 A CN117875037 A CN 117875037A CN 202311856314 A CN202311856314 A CN 202311856314A CN 117875037 A CN117875037 A CN 117875037A
- Authority
- CN
- China
- Prior art keywords
- target
- production line
- production
- historical
- simulation model
- 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 329
- 239000011127 biaxially oriented polypropylene Substances 0.000 title claims abstract description 91
- 229920006378 biaxially oriented polypropylene Polymers 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000005094 computer simulation Methods 0.000 title claims abstract description 18
- 238000004088 simulation Methods 0.000 claims abstract description 115
- 238000005457 optimization Methods 0.000 claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000003754 machining Methods 0.000 claims description 38
- 230000008569 process Effects 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 239000000047 product Substances 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000007812 deficiency Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 239000004743 Polypropylene Substances 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 238000005266 casting Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- -1 polypropylene Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000004804 winding 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
本发明公开了一种BOPP膜生产数字仿真建模方法及系统,涉及数据建模与分析相关技术领域。所述方法包括:获取目标BOPP膜生产线的加工模块基本信息,构建仿真模型;调取预设历史窗口内的加工记录,得到历史加工数据集合;对初始化生产线仿真模型进行优化调整;获取生产工艺参数集,传输至目标生产线仿真模型,若不满足则获得参数优化指令;进行参数优化生成目标生产工艺参数集;导入加工模块进行BOPP膜的生产。本发明解决了现有技术中生产线无法对BOPP膜历史生产中的多维数据进行有效分析,导致对BOPP膜产出结果分析不准确的技术问题。
Description
技术领域
本发明涉及数据建模与分析相关技术领域,具体涉及一种BOPP膜生产线数字仿真建模方法及系统。
背景技术
数字化仿真建模是运用计算机技术和数学建模来模拟和预测现实世界中的各种系统和生产过程的技术,随着制造业的不断发展和智能化转型,数字仿真建模在工业制造领域得到广泛应用,传统BOPP膜生产线数字仿真建模时脱离工厂实际加工性能,多用理论生产加工性能进行建模,导致建模的准确性低、脱离实际生产线加工情况,并且因建模的精细化程度不高,导致根据模型进行参数仿真时无法获得贴合实际的准确参数集,进而使BOPP膜生产质量无法达到预期效果。
因此,现有技术中存在生产线无法对BOPP膜历史生产中的多维数据进行有效分析,导致对BOPP膜产出结果分析不准确的技术问题。
发明内容
基于此,本申请实施例提供了一种BOPP膜生产线数字仿真建模方法及系统,解决了现有技术中生产线无法对BOPP膜历史生产中的多维数据进行有效分析,导致对BOPP膜产出结果分析不准确的技术问题,从而达到了结合有效、准确历史工艺参数、复杂生产环境、订单要求等多维数据,通过数据仿真模型技术达到对BOPP膜产出结果的准确分析的技术效果。
本申请实施例的第一个方面,提供了一种BOPP膜生产线数字仿真建模方法,所述方法包括:
获取目标BOPP膜生产线的N个加工模块的基本信息,构建初始生产线仿真模型;
基于所述N个加工模块调取预设历史窗口内所述目标BOPP膜生产线的历史加工记录,获得N个历史加工数据集合,其中,所述N个历史加工数据集合具有时序标识;
利用N个历史加工数据集合对所述初始生产线仿真模型进行优化调整,获得目标生产线仿真模型;
获取目标BOPP膜的初始生产工艺参数集,将所述初始生产工艺参数集传输至所述目标生产线仿真模型,判断是否满足仿真要求,若否,则获得参数优化指令;
基于所述参数优化指令,结合所述目标生产线仿真模型进行参数优化,生成目标生产工艺参数集;
将所述目标生产工艺参数集导入所述目标BOPP膜生产线的N个加工模块进行所述目标BOPP膜的生产。
本申请实施例的第二个方面,提供了一种BOPP膜生产线数字仿真建模的系统,所述系统包括:
初始生产线仿真模型构建模块,所述初始生产线仿真模型构建模块用于获取目标BOPP膜生产线的N个加工模块的基本信息,构建初始生产线仿真模型;
历史加工数据集合获得模块,所述历史加工数据集合获得模块用于基于所述N个加工模块调取预设历史窗口内所述目标BOPP膜生产线的历史加工记录,获得N个历史加工数据集合,其中,所述N个历史加工数据集合具有时序标识;
目标生产线仿真模型获得模块,所述目标生产线仿真模型获得模块用于利用N个历史加工数据集合对所述初始生产线仿真模型进行优化调整,获得目标生产线仿真模型;
参数优化指令获得模块,所述参数优化指令获得模块用于获取目标BOPP膜的初始生产工艺参数集,将所述初始生产工艺参数集传输至所述目标生产线仿真模型,判断是否满足仿真要求,若否,则获得参数优化指令;
目标生产工艺参数集生成模块,所述目标生产工艺参数集生成模块用于基于所述参数优化指令,结合所述目标生产线仿真模型进行参数优化,生成目标生产工艺参数集;
目标BOPP膜的生产模块,所述目标BOPP膜的生产模块用于将所述目标生产工艺参数集导入所述目标BOPP膜生产线的N个加工模块进行所述目标BOPP膜的生产。
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:
本申请通过获取目标BOPP膜生产线的N个加工模块的基本信息,构建初始生产线仿真模型,基于所述N个加工模块调取预设历史窗口内所述目标BOPP膜生产线的历史加工记录,获得N个历史加工数据集合,其中,所述N个历史加工数据集合具有时序标识,利用N个历史加工数据集合对所述初始生产线仿真模型进行优化调整,获得目标生产线仿真模型,获取目标BOPP膜的初始生产工艺参数集,将所述初始生产工艺参数集传输至所述目标生产线仿真模型,判断是否满足仿真要求,若否,则获得参数优化指令,基于所述参数优化指令,结合所述目标生产线仿真模型进行参数优化,生成目标生产工艺参数集,将所述目标生产工艺参数集导入所述目标BOPP膜生产线的N个加工模块进行所述目标BOPP膜的生产,现有生产线数字仿真建模技术存在的建模建模没有结合有效、准确的历史工艺参数、复杂生产环境、订单要求等多维数据,导致模型对BOPP膜产出结果分析不准确的技术问题,从而达到模型对BOPP膜的产出结果分析更准确的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种BOPP膜生产线数字仿真建模方法的流程示意图;
图2为本申请实施例提供的一种BOPP膜生产线数字仿真建模方法中获得目标生产线仿真模型的流程示意图;
图3为本申请实施例提供的一种BOPP膜生产线数字仿真建模的系统结构示意图;
附图标记说明:初始生产线仿真模型构建模块10,历史加工数据集合获得模块20,目标生产线仿真模型获得模块30,参数优化指令获得模块40,目标生产工艺参数集生成模块50,目标BOPP膜的生产模块60。
具体实施方式
本申请实施例提供了一种BOPP膜生产线数字仿真建模方法及系统,解决了现有技术中生产线无法对BOPP膜历史生产中的多维数据进行有效分析,导致对BOPP膜产出结果分析不准确的技术问题。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请的部分实施例,而并非全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示,本申请实施例提供了一种BOPP膜生产线数字仿真建模的方法,所述方法包括:
获取目标BOPP膜生产线的N个加工模块的基本信息,构建初始生产线仿真模型;
优选的,获取目标BOPP膜生产线的N个加工模块的基本信息,构建初始生产线仿真模型,具体而言,对生产线上每个设备、模块的加工信息进行采集,利用数字仿真软件进行初始仿真,得到初始生产线仿真模型,其中,N指的是加工模块的数量,例如配料投料单元、计量单元、熔融挤出单元、铸片单元、纵横拉伸单元、牵引收卷单元等,基本信息可能还包括每个设备模块之间的物料流动路径和传送方式,例如传送带、输送机、自动投料机械臂等,设备模块的关键工艺参数,例如温度、压力、张力等,生产的BOPP膜的规格要求,例如厚度、宽度、光学性能、力学性能、薄膜外观等,初始生产线仿真模型可以基于已知的生产线工艺和加工模块及参数进行构建,或者根据生产线的基本信息进行简化,通常不包括复杂的细节和完整数据,但足以反映BOPP膜生产线的整体运行情况。
基于所述N个加工模块调取预设历史窗口内所述目标BOPP膜生产线的历史加工记录,获得N个历史加工数据集合,其中,所述N个历史加工数据集合具有时序标识;
优选的,基于N个加工模块调取预设历史窗口内目标BOPP膜生产线的历史加工记录,其中,预设历史窗口指的是调取历史加工记录的时间范围,例如过去一星期、一个月或更长的时间,历史加工记录指的是该BOPP膜生产线在过去特定时间段内的实际运行数据和记录,例如各个加工模块的开机和关机时间,每个时间段的产量数据,每个加工模块上BOPP膜的宽度、厚度、透明度等,每个模块出现故障的时间、故障类型等,每个加工模块的用电量等能耗数据,历史加工数据集合指的是每个模块上的历史生产相关的加工BOPP膜的数据集合,其中,N个历史加工数据集合具有时序标识,时序标识是指在每个历史加工数据集合上对其时间点进行有顺序的标识关联,以便进行数据分析、比较和处理。
利用N个历史加工数据集合对所述初始生产线仿真模型进行优化调整,获得目标生产线仿真模型;
优选的,利用N个历史加工数据集合对初始生产线仿真模型进行优化调整,获得目标生产线仿真模型,具体而言,使用多个历史加工数据为依据,获取生产线的关键信息,例如工序耗时、资源利用率、产能瓶颈、设备模块参数等,根据这些关键数据,通过参数调整、流程改进、资源优化等手段,对初始生产线仿真模型进行优化调整,使得模型能够更准确地模拟实际生产线的运行情况,例如,初始生产仿真模型中根据设备参数确定膜的光泽度为80,但是根据历史加工数据分析,其存在偏移,只能加工到78,就利用78对80进行更新修正,获得更符合实际生产情况的目标生产线仿真模型,进而模拟不同方案的影响并提高生产质量。
进一步的,如图2所示,利用N个历史加工数据集合对所述初始生产线仿真模型进行优化调整,获得目标生产线仿真模型,其方法还包括:
分别以第一生产指标集合和第二生产指标集合为索引,对所述历史加工记录进行检索,获得第一历史成品生产指标参数集和第二历史成品生产指标参数集;
遍历第一历史成品生产指标参数集和第二历史成品生产指标参数集进行偏离度分析,获取第一偏离度集合和第二偏离度集合;
基于所述第一偏离度集合和所述第二偏离度集合生成目标偏离时域;
基于所述目标偏离时域对所述N个历史加工数据集合进行调用,获得N个目标历史加工数据集合,
根据N个目标历史加工数据集合进行偏移量分析,获得N个模块加工偏移量;
根据N个模块加工偏移量对所述初始生产线仿真模型进行更新,获得目标生产线仿真模型。
优选的,分别以第一生产指标集合和第二生产指标集合为索引,检索历史加工记录,获得第一历史成品生产指标参数集和第二历史成品生产指标参数集,遍历第一历史成品生产指标参数集和第二历史成品指标参数集并进行偏离度分析,获取第一偏离度集合和第二偏离度集合,再基于第一偏离度集合和第二偏离度集合生成目标偏离时域,然后基于目标偏离时域调用N个历史加工数据集合,获得N个历史加工数据集合,其中,第一生产指标集合中的指标,包括生产时间、生产量、生产速度和单位产出等,第二生产指标集合中的指标包括,密度、光泽度、摩擦系数、热封温度、雾度等,第一历史成品生产指标参数集是指从筛选出的历史加工记录中提取的第一生产指标相关的参数集合,是关于产量、质量、生产效率等的指标或具体数值,第二历史成品生产指标参数集是指从筛选出的历史加工记录中提取的第二生产指标相关的参数集合,是关于密度、光泽度、摩擦系数、热封温度和雾度的参数集合,生产指标参数反映了历史特定时间段内多批次成品的生产情况,每个批次成品都对应一个生产指标参数集,偏离度指的是用集合内的参数值和基准指标参数值之间的偏差值的绝对值与基准指标参数值之间的比值,其中,基准指标参数值是根据实际生产情况预定的一个值或历史数据中的平均值,通过计算第一和第二参数集合的偏离度,可以评估当前历史加工数据相对于基准参数值的差异,第一偏离度集合和第二偏离度集合分别包含了第一历史成品生产指标参数和第二历史成品生产指标参数的偏离度值的集合,偏离度越大,表示当前生产指标参数值与历史基准参数值的差异越大,目标偏离时域指的是根据第一偏离度集合和第二偏离度集合的数据,判断偏离度值偏离设定阈值时的相应的时间段,具体而言,这个过程可以从第一偏离度集合的数据中识别出与基准指标参数值偏差较大的时间段,以便进一步分析调整参数来优化模型,N个历史加工数据是N个加工模块在目标偏离时域内,对BOPP膜进行加工时,每个模块的加工半成品的相关参数数据,再根据所得N个目标历史加工数据集合进行偏离量分析,获得N个模块加工偏移量,最后根据N个模块加工偏移量对初始生产线仿真模型进行更新优化,最终获得目标生产线仿真模型。
进一步的,基于所述第一偏离度集合和所述第二偏离度集合生成所述目标偏离时域,其方法还包括:
分别判断所述第一偏离度集合是否满足预设偏离度阈值,若是,则将第一偏离度对应的历史时间段添加进第一偏离时域;
分别判断所述第二偏离度集合是否满足预设偏离度阈值,若是,则将第二偏离度对应的历史时间段添加进第二偏离时域;
对所述第一偏离时域和所述第二偏离时域取并集,获得所述目标偏离时域。
具体而言,分别判断第一偏离度集合内的偏离度值是否满足预设偏离度阈值,如果满足,就将第一偏离度对应的历史数据的生产时间段添加进第一偏离时域,分别判断第二偏离度集合内的偏离度值是否满足预设偏差阈值,如果满足,则将第二偏离度对应的历史数据的生产时间段添加进第二偏离时域,然后对第一偏离时域和第二偏离时域取并集,得到目标偏离时域。
进一步的,根据N个目标历史加工数据集合进行偏移量分析,获得N个模块加工偏移量,其方法还包括:
以加工偏移量为索引,对所述N个目标历史加工数据集合进行检索,获得N个加工偏移量集合;
遍历所述N个加工偏移量集合进行均值计算,从而获得N个加工偏移量均值;
分别以所述N个加工偏移量均值为检索起点,按照预设检索步长对所述N个加工偏移量集合进行检索,获得N个检索加工偏移量;
计算N个加工偏移量均值和N个检索加工偏移量的检索密度,判断N个加工偏移量均值的检索密度是否大于所述N个检索加工偏移量的检索密度,若是,则按照一定的概率将N个加工偏移量均值更新为N个检索加工偏移量;
以所述N个检索加工偏移量为检索起点,经过预设检索次数后,获得N个目标加工偏移量,其中,N个目标加工偏移量为检索过程中检索密度最大值对应的加工偏移量;
将所述N个目标加工偏移量作为所述N个模块加工偏移量。
优选的,以加工偏移量为索引,对N个目标历史加工数据集合进行检索,获得N个加工偏移量集合,再遍历N个加工偏移量集合进行均值计算,从而获得N个加工偏移量均值,然后分别以N个加工偏移量均值为检索起点,按照预设检索步长对N个加工偏移量集合进行检索,获得N个检索加工偏移量,计算N个加工偏移量均值和N个检索加工偏移量的检索密度,其中,加工偏移量集合是指从每个历史加工数据集合中检索出的对应的加工偏移量的集合,每个加工偏移量集合对应一个加工偏移量均值,预设检索步长指的是在进行偏移量检索时设定的时间间隔或步长,具体来说,从检索起点开始,根据这个预设检索步长,以此跳过一定数量的偏移量值来进行检索,检索密度是指以检索加工偏移量为圆心,以预设检索步长为半径,划定一个圆形区域,将该区域内的加工偏移量所占面积比上整个区域的面积,获得检索加工偏移量的检索密度,同理,获得加工偏移量均值的检索密度,判断N个加工偏移量均值的检索密度是否大于N个检索加工偏移量的检索密度,若是,则按照一定的概率将N个加工偏移量均值更新为N个检索加工偏移量,以N个检索加工偏移量为检索起点,经过预设的多次检索次数后,获得N个目标加工偏移量,其中,N个目标加工偏移量为检索过程中检索密度最大值对应的加工偏移量,最后将N个目标加工偏移量作为N个模块加工偏移量,也就是将各个加工模块内最集中发生的偏移量作为反映模块加工便宜程度的量。
获取目标BOPP膜的初始生产工艺参数集,将所述初始生产工艺参数集传输至所述目标生产线仿真模型,判断是否满足仿真要求,若否,则获得参数优化指令;
优选的,获取目标BOPP膜的初始生产工艺参数集,将初始生产工艺参数集传输至目标生产线仿真模型,并判断是否满足仿真要求,若否,其中,目标BOPP膜的初始生产工艺参数可能是成品率、质量、产出速度等的其中一个参数,仿真要求是指根据BOPP膜的生产线的历史加工数据进行建模的要求,仿真更贴合实际、更准确,比初始设定的理论参数集更优,如果不能达到或满足目标生产线仿真模型的预期膜质量或其他设定参数值,则获得参数优化指令,其中,参数优化指令是指用于调整和优化生产线仿真模型参数的指令或步骤,参数优化指令可能包括不同的算法,例如梯度下降算法、遗传算法、贝叶斯优化等,通过优化模型参数,提高生产线仿真模型的准确性和可靠性。
基于所述参数优化指令,结合所述目标生产线仿真模型进行参数优化,生成目标生产工艺参数集,其方法还包括:
获取所述初始生产工艺参数集中不满足所述目标生产线仿真模型的Q个初始生产工艺参数,其中,Q个初始生产工艺参数具有Q个缺失度,缺失度是初始生产工艺参数不满足所述目标生产线仿真模型的程度;
分别所述Q个缺失度比上Q个缺失度之和的比值,将计算结果与预设调整步长进行相乘,获得Q个调整步长;
根据Q个调整步长对所述Q个初始生产工艺参数进行调整,获得Q个调整生产工艺参数。
优选的,基于参数优化指令,结合目标生产线仿真模型进行参数优化,生成目标生产工艺参数集,具体而言,获取初始生产工艺参数集中不满足目标生产线仿真模型的Q个初始生产工艺参数,其中,目标生产工艺参数集是指基于参数优化指令和目标生产线仿真模型进行优化的参数的集合,Q是指不满足目标生产线仿真模型的多个初始生产工艺的数量,每个初始生产工艺参数具有对应的缺失度,缺失度是指初始生产工艺参数不满足目标生产线仿真模型的程度,缺失度越大,表示参数与目标生产线仿真模型要求的差距越大,计算Q个缺失度与Q个缺失度之和的比值,再将计算结果与预设调整步长相乘,分别获得Q个调整步长,最后根据Q个调整步长对相应的初始生产工艺参数进行调整,获得Q个调整生产工艺参数。
进一步的,获得Q个调整生产工艺参数之后,其方法还包括:
基于所述Q个调整生产工艺参数,结合所述初始生产工艺参数集进行多次适应性调整,获得多个调整生产工艺参数集;
获取所述多个调整生产工艺参数集的多个调整适应度;
将所述多个调整适应度最大值对应的调整生产工艺参数集作为目标工艺生产参数集。
优选的,基于Q个调整生产工艺参数,结合初始生产工艺参数集进行多次适应性调整,获得多个调整生产工艺参数集,再获取多个调整生产工艺参数集对应的多个调整适应度,其中,多个调整生产工艺参数集是对初始生产工艺参数集进行多次适应性调整后获得的参数集合,适应性调整可以使用遗传算法或粒子群算法等,然后记录每个调整工艺参数的适应度值,最后从多个适应度值中选择调整适应度最大值对应的调整生产工艺参数集作为目标工艺生产参数集。
将所述目标生产工艺参数集导入所述目标BOPP膜生产线的N个加工模块进行所述目标BOPP膜的生产。
优选的,将目标生产工艺参数集导入目标BOPP膜生产线的各个加工模块,实现目标BOPP膜的生产,其中,确保每个加工模块都正确设置了相应的工艺参数,根据实际生产要求,对生产工艺参数进行调整,以达到预期的目标BOPP膜的生产质量。
综上所述,本申请实施例至少具有如下技术效果:
本申请实施例通过获取目标BOPP膜生产线的N个加工模块的基本信息,构建初始生产线仿真模型,基于所述N个加工模块调取预设历史窗口内所述目标BOPP膜生产线的历史加工记录,获得N个历史加工数据集合,其中,所述N个历史加工数据集合具有时序标识,利用N个历史加工数据集合对所述初始生产线仿真模型进行优化调整,获得目标生产线仿真模型,获取目标BOPP膜的初始生产工艺参数集,将所述初始生产工艺参数集传输至所述目标生产线仿真模型,判断是否满足仿真要求,若否,则获得参数优化指令,基于所述参数优化指令,结合所述目标生产线仿真模型进行参数优化,生成目标生产工艺参数集,将所述目标生产工艺参数集导入所述目标BOPP膜生产线的N个加工模块进行所述目标BOPP膜的生产,解决了现有生产线数字仿真建模技术存在的建模建模建模没有结合有效、准确的历史工艺参数、复杂生产环境、订单要求等多维数据,导致模型对BOPP膜产出结果分析不准确的技术问题,从而达到模型对BOPP膜的产出结果分析更准确的技术效果。
实施例二
基于与前述实施例中一种BOPP膜生产线数字仿真建模方法相同的发明构思,如图3所示,本申请提供了一种BOPP膜生产线数字仿真建模系统,本申请实施例中的系统与方法实施例基于同样的发明构思,其中,所述系统包括:
初始生产线仿真模型构建模块10,所述初始生产线仿真模型构建模块10用于获取目标BOPP膜生产线的N个加工模块的基本信息,构建初始生产线仿真模型;
历史加工数据集合获得模块20,所述历史加工数据集合获得模块20用于基于所述N个加工模块调取预设历史窗口内所述目标BOPP膜生产线的历史加工记录,获得N个历史加工数据集合,其中,所述N个历史加工数据集合具有时序标识;
目标生产线仿真模型获得模块30,所述目标生产线仿真模型获得模块30用于利用N个历史加工数据集合对所述初始生产线仿真模型进行优化调整,获得目标生产线仿真模型;
参数优化指令获得模块40,所述参数优化指令获得模块40用于获取目标BOPP膜的初始生产工艺参数集,将所述初始生产工艺参数集传输至所述目标生产线仿真模型,判断是否满足仿真要求,若否,则获得参数优化指令;
目标生产工艺参数集生成模块50,所述目标生产工艺参数集生成模块50用于基于所述参数优化指令,结合所述目标生产线仿真模型进行参数优化,生成目标生产工艺参数集;
目标BOPP膜的生产模块60,所述目标BOPP膜的生产模块60用于将所述目标生产工艺参数集导入所述目标BOPP膜生产线的N个加工模块进行所述目标BOPP膜的生产。
进一步的,所述目标生产线仿真模型获得模块30还用于执行如下方法:
分别以第一生产指标集合和第二生产指标集合为索引,对所述历史加工记录进行检索,获得第一历史成品生产指标参数集和第二历史成品生产指标参数集;
遍历第一历史成品生产指标参数集和第二历史成品生产指标参数集进行偏离度分析,获取第一偏离度集合和第二偏离度集合;
基于所述第一偏离度集合和所述第二偏离度集合生成目标偏离时域;
基于所述目标偏离时域对所述N个历史加工数据集合进行调用,获得N个目标历史加工数据集合,
根据N个目标历史加工数据集合进行偏移量分析,获得N个模块加工偏移量;
根据N个模块加工偏移量对所述初始生产线仿真模型进行更新,获得目标生产线仿真模型。
进一步的,所述目标生产线仿真模型获得模块30还用于执行如下方法:
分别判断所述第一偏离度集合是否满足预设偏离度阈值,若是,则将第一偏离度对应的历史时间段添加进第一偏离时域;
分别判断所述第二偏离度集合是否满足预设偏离度阈值,若是,则将第二偏离度对应的历史时间段添加进第二偏离时域;
对所述第一偏离时域和所述第二偏离时域取并集,获得所述目标偏离时域。
进一步的,所述目标生产线仿真模型获得模块30还用于执行如下方法:
以加工偏移量为索引,对所述N个目标历史加工数据集合进行检索,获得N个加工偏移量集合;
遍历所述N个加工偏移量集合进行均值计算,从而获得N个加工偏移量均值;
分别以所述N个加工偏移量均值为检索起点,按照预设检索步长对所述N个加工偏移量集合进行检索,获得N个检索加工偏移量;
计算N个加工偏移量均值和N个检索加工偏移量的检索密度,判断N个加工偏移量均值的检索密度是否大于所述N个检索加工偏移量的检索密度,若是,则按照一定的概率将N个加工偏移量均值更新为N个检索加工偏移量;
以所述N个检索加工偏移量为检索起点,经过预设检索次数后,获得N个目标加工偏移量,其中,N个目标加工偏移量为检索过程中检索密度最大值对应的加工偏移量;
将所述N个目标加工偏移量作为所述N个模块加工偏移量。
进一步的,所述目标生产线仿真模型获得模块30中还包括:
所述第一生产指标包括生产时间、生产量、生产速度、单位产出,所述第二生产指标包括密度、光泽度、摩擦系数、热封温度、雾度。
进一步的,所述目标生产工艺参数集生成模块50还用于执行如下方法:
获取所述初始生产工艺参数集中不满足所述目标生产线仿真模型的Q个初始生产工艺参数,其中,Q个初始生产工艺参数具有Q个缺失度,缺失度是初始生产工艺参数不满足所述目标生产线仿真模型的程度;
分别所述Q个缺失度比上Q个缺失度之和的比值,将计算结果与预设调整步长进行相乘,获得Q个调整步长;
根据Q个调整步长对所述Q个初始生产工艺参数进行调整,获得Q个调整生产工艺参数。
进一步的,所述目标生产工艺参数集生成模块50还用于执行如下方法:
基于所述Q个调整生产工艺参数,结合所述初始生产工艺参数集进行多次适应性调整,获得多个调整生产工艺参数集;
获取所述多个调整生产工艺参数集的多个调整适应度;
将所述多个调整适应度最大值对应的调整生产工艺参数集作为目标工艺生产参数集。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种BOPP膜生产线数字仿真建模方法,其特征在于,所述方法包括:
获取目标BOPP膜生产线的N个加工模块的基本信息,构建初始生产线仿真模型;
基于所述N个加工模块调取预设历史窗口内所述目标BOPP膜生产线的历史加工记录,获得N个历史加工数据集合,其中,所述N个历史加工数据集合具有时序标识;
利用N个历史加工数据集合对所述初始生产线仿真模型进行优化调整,获得目标生产线仿真模型;
获取目标BOPP膜的初始生产工艺参数集,将所述初始生产工艺参数集传输至所述目标生产线仿真模型,判断是否满足仿真要求,若否,则获得参数优化指令;
基于所述参数优化指令,结合所述目标生产线仿真模型进行参数优化,生成目标生产工艺参数集;
将所述目标生产工艺参数集导入所述目标BOPP膜生产线的N个加工模块进行所述目标BOPP膜的生产。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
分别以第一生产指标集合和第二生产指标集合为索引,对所述历史加工记录进行检索,获得第一历史成品生产指标参数集和第二历史成品生产指标参数集;
遍历第一历史成品生产指标参数集和第二历史成品生产指标参数集进行偏离度分析,获取第一偏离度集合和第二偏离度集合;
基于所述第一偏离度集合和所述第二偏离度集合生成目标偏离时域;
基于所述目标偏离时域对所述N个历史加工数据集合进行调用,获得N个目标历史加工数据集合,
根据N个目标历史加工数据集合进行偏移量分析,获得N个模块加工偏移量;
根据N个模块加工偏移量对所述初始生产线仿真模型进行更新,获得目标生产线仿真模型。
3.如权利要求2所述的方法,其特征在于,基于所述第一偏离度集合和所述第二偏离度集合生成目标偏离时域,所述方法还包括:
分别判断所述第一偏离度集合是否满足预设偏离度阈值,若是,则将第一偏离度对应的历史时间段添加进第一偏离时域;
分别判断所述第二偏离度集合是否满足预设偏离度阈值,若是,则将第二偏离度对应的历史时间段添加进第二偏离时域;
对所述第一偏离时域和所述第二偏离时域取并集,获得所述目标偏离时域。
4.如权利要求1所述的方法,其特征在于,根据N个目标历史加工数据集合进行偏移量分析,获得N个模块加工偏移量,所述方法还包括:
以加工偏移量为索引,对所述N个目标历史加工数据集合进行检索,获得N个加工偏移量集合;
遍历所述N个加工偏移量集合进行均值计算,从而获得N个加工偏移量均值;
分别以所述N个加工偏移量均值为检索起点,按照预设检索步长对所述N个加工偏移量集合进行检索,获得N个检索加工偏移量;
计算N个加工偏移量均值和N个检索加工偏移量的检索密度,判断N个加工偏移量均值的检索密度是否大于所述N个检索加工偏移量的检索密度,若是,则按照一定的概率将N个加工偏移量均值更新为N个检索加工偏移量;
以所述N个检索加工偏移量为检索起点,经过预设检索次数后,获得N个目标加工偏移量,其中,N个目标加工偏移量为检索过程中检索密度最大值对应的加工偏移量;
将所述N个目标加工偏移量作为所述N个模块加工偏移量。
5.如权利要求2所述的方法,其特征在于,所述第一生产指标包括生产时间、生产量、生产速度、单位产出,所述第二生产指标包括密度、光泽度、摩擦系数、热封温度、雾度。
6.如权利要求1所述的方法,其特征在于,基于所述参数优化指令,结合所述目标生产线仿真模型进行参数优化,生成目标生产工艺参数集,所述方法还包括:
获取所述初始生产工艺参数集中不满足所述目标生产线仿真模型的Q个初始生产工艺参数,其中,Q个初始生产工艺参数具有Q个缺失度,缺失度是初始生产工艺参数不满足所述目标生产线仿真模型的程度;
分别所述Q个缺失度比上Q个缺失度之和的比值,将计算结果与预设调整步长进行相乘,获得Q个调整步长;
根据Q个调整步长对所述Q个初始生产工艺参数进行调整,获得Q个调整生产工艺参数。
7.如权利要求6所述的方法,其特征在于,所述获得Q个调整生产工艺参数,之后所述方法还包括:
基于所述Q个调整生产工艺参数,结合所述初始生产工艺参数集进行多次适应性调整,获得多个调整生产工艺参数集;
获取所述多个调整生产工艺参数集的多个调整适应度;
将所述多个调整适应度最大值对应的调整生产工艺参数集作为目标工艺生产参数集。
8.一种BOPP膜生产线数字仿真建模系统,其特征在于,所述系统包括:
初始生产线仿真模型构建模块,所述初始生产线仿真模型构建模块用于获取目标BOPP膜生产线的N个加工模块的基本信息,构建初始生产线仿真模型;
历史加工数据集合获得模块,所述历史加工数据集合获得模块用于基于所述N个加工模块调取预设历史窗口内所述目标BOPP膜生产线的历史加工记录,获得N个历史加工数据集合,其中,所述N个历史加工数据集合具有时序标识;
目标生产线仿真模型获得模块,所述目标生产线仿真模型获得模块用于利用N个历史加工数据集合对所述初始生产线仿真模型进行优化调整,获得目标生产线仿真模型;
参数优化指令获得模块,所述参数优化指令获得模块用于获取目标BOPP膜的初始生产工艺参数集,将所述初始生产工艺参数集传输至所述目标生产线仿真模型,判断是否满足仿真要求,若否,则获得参数优化指令;
目标生产工艺参数集生成模块,所述目标生产工艺参数集生成模块用于基于所述参数优化指令,结合所述目标生产线仿真模型进行参数优化,生成目标生产工艺参数集;
目标BOPP膜的生产模块,所述目标BOPP膜的生产模块用于将所述目标生产工艺参数集导入所述目标BOPP膜生产线的N个加工模块进行所述目标BOPP膜的生产。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311856314.7A CN117875037B (zh) | 2023-12-29 | 2023-12-29 | 一种bopp膜生产线数字仿真建模方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311856314.7A CN117875037B (zh) | 2023-12-29 | 2023-12-29 | 一种bopp膜生产线数字仿真建模方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117875037A true CN117875037A (zh) | 2024-04-12 |
CN117875037B CN117875037B (zh) | 2024-08-06 |
Family
ID=90580484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311856314.7A Active CN117875037B (zh) | 2023-12-29 | 2023-12-29 | 一种bopp膜生产线数字仿真建模方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117875037B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118410630A (zh) * | 2024-04-24 | 2024-07-30 | 平湖市新恒升新材料股份有限公司 | 一种pp片材的热成型工艺优化方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110347056A (zh) * | 2019-06-19 | 2019-10-18 | 北京航天智造科技发展有限公司 | 生产线仿真平台及仿真方法 |
CN111177897A (zh) * | 2019-12-16 | 2020-05-19 | 北京航天智造科技发展有限公司 | 一种云制造模式下的产线生产工艺数据对接和仿真模型快速建模方法和系统 |
WO2021056590A1 (zh) * | 2019-09-29 | 2021-04-01 | 西门子股份公司 | 用于校准生产线的仿真模型的方法和装置 |
CN113361139A (zh) * | 2021-07-08 | 2021-09-07 | 广东省智能机器人研究院 | 一种基于数字孪生的产线仿真滚动优化系统及方法 |
US20210299827A1 (en) * | 2020-03-31 | 2021-09-30 | Guangdong University Of Technology | Optimization method and system based on screwdriving technology in mobile phone manufacturing |
CN114065501A (zh) * | 2021-11-11 | 2022-02-18 | 中兵勘察设计研究院有限公司 | 生产线工艺仿真优化方法及系统 |
CN117077979A (zh) * | 2023-10-13 | 2023-11-17 | 江苏甬金金属科技有限公司 | 一种钛带生产管理方法及系统 |
CN117234171A (zh) * | 2023-11-16 | 2023-12-15 | 江苏永鼎股份有限公司 | 用于芯片生产的工艺参数控制方法及系统 |
CN117250931A (zh) * | 2023-11-16 | 2023-12-19 | 一夫科技股份有限公司 | 基于数据融合的石膏板生产智能控制方法及系统 |
-
2023
- 2023-12-29 CN CN202311856314.7A patent/CN117875037B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110347056A (zh) * | 2019-06-19 | 2019-10-18 | 北京航天智造科技发展有限公司 | 生产线仿真平台及仿真方法 |
WO2021056590A1 (zh) * | 2019-09-29 | 2021-04-01 | 西门子股份公司 | 用于校准生产线的仿真模型的方法和装置 |
CN111177897A (zh) * | 2019-12-16 | 2020-05-19 | 北京航天智造科技发展有限公司 | 一种云制造模式下的产线生产工艺数据对接和仿真模型快速建模方法和系统 |
US20210299827A1 (en) * | 2020-03-31 | 2021-09-30 | Guangdong University Of Technology | Optimization method and system based on screwdriving technology in mobile phone manufacturing |
CN113361139A (zh) * | 2021-07-08 | 2021-09-07 | 广东省智能机器人研究院 | 一种基于数字孪生的产线仿真滚动优化系统及方法 |
CN114065501A (zh) * | 2021-11-11 | 2022-02-18 | 中兵勘察设计研究院有限公司 | 生产线工艺仿真优化方法及系统 |
CN117077979A (zh) * | 2023-10-13 | 2023-11-17 | 江苏甬金金属科技有限公司 | 一种钛带生产管理方法及系统 |
CN117234171A (zh) * | 2023-11-16 | 2023-12-15 | 江苏永鼎股份有限公司 | 用于芯片生产的工艺参数控制方法及系统 |
CN117250931A (zh) * | 2023-11-16 | 2023-12-19 | 一夫科技股份有限公司 | 基于数据融合的石膏板生产智能控制方法及系统 |
Non-Patent Citations (3)
Title |
---|
WANG, J.; LI, Y.; GAO, G.; ZHANG, X.; MAO, J.; WANG, Y.: "Identification and alleviation of bottleneck in serial production line: a case study based on BOPP firm production", 《THIRD INTERNATIONAL CONFERENCE ON MECHANICAL DESIGN AND SIMULATION (MDS 2023)》, 6 October 2023 (2023-10-06), pages 1 - 8 * |
刘顺涛;钟衡;谯成;: "基于Delmia/Quest的飞机装配线参数化仿真研究", 组合机床与自动化加工技术, no. 11, 20 November 2018 (2018-11-20), pages 130 - 133 * |
李爱平;徐辰杰;鲁力;周丰旭;: "基于参数化模型的生产线协同仿真与应用", 制造技术与机床, no. 02, 2 February 2014 (2014-02-02), pages 53 - 57 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118410630A (zh) * | 2024-04-24 | 2024-07-30 | 平湖市新恒升新材料股份有限公司 | 一种pp片材的热成型工艺优化方法及系统 |
CN118410630B (zh) * | 2024-04-24 | 2024-09-13 | 平湖市新恒升新材料股份有限公司 | 一种pp片材的热成型工艺优化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117875037B (zh) | 2024-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12093818B2 (en) | Method and system for semi-supervised deep anomaly detection for large-scale industrial monitoring systems based on time-series data utilizing digital twin simulation data | |
CN117875037B (zh) | 一种bopp膜生产线数字仿真建模方法及系统 | |
CN111680820B (zh) | 分布式光伏电站故障诊断方法和装置 | |
CN110457369A (zh) | 一种模型的训练方法及相关设备 | |
CN107944594B (zh) | 一种基于斯皮尔曼等级与rkelm微网短期负荷预测方法 | |
CN110163429A (zh) | 一种基于相似日优化筛选的短期负荷预测方法 | |
CN111898867B (zh) | 一种基于深度神经网络的飞机总装生产线产能预测方法 | |
CN111738520A (zh) | 一种融合孤立森林与长短期记忆网络的系统负载预测方法 | |
CN113807951A (zh) | 一种基于深度学习的交易数据趋势预测方法和系统 | |
CN116562514B (zh) | 基于神经网络的企业生产状况即时分析方法及系统 | |
Tembusai et al. | K-nearest neighbor with k-fold cross validation and analytic hierarchy process on data classification | |
CN112784920A (zh) | 云边端协同的旋转部件对抗域自适应故障诊断方法 | |
CN113139570A (zh) | 一种基于最优混合估值的大坝安全监测数据补全方法 | |
CN114330934A (zh) | 一种模型参数自适应的gru新能源短期发电功率预测方法 | |
CN115438897A (zh) | 一种基于blstm神经网络的工业过程产品质量预测方法 | |
CN112036598A (zh) | 一种基于多信息耦合的充电桩使用信息预测方法 | |
CN113689072B (zh) | 一种基于马尔科夫链的海上风电机组运行状态评估方法 | |
CN117236529B (zh) | 基于大数据的大型活动人流量预测方法 | |
CN116544931B (zh) | 基于集成片段变换和时间卷积网络的电力负荷分布预测方法 | |
CN117436029A (zh) | 一种多个大模型串行协作融合的方法和系统 | |
CN117374920A (zh) | 考虑环境因素的超短期预测方法、装置及介质 | |
CN111582619B (zh) | 一种基于相关性与依赖性分析的适应性设计方法 | |
CN113962432A (zh) | 一种融合三维卷积与轻量卷积门限单元的风电预测方法及系统 | |
CN114115152A (zh) | 基于嵌入式和深度学习的制造边缘实时事件洞察方法 | |
CN108009686B (zh) | 一种光伏发电功率预测方法、装置及系统 |
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 |