CN117908496A - 一种管制玻璃瓶的自动化生产调控方法及系统 - Google Patents
一种管制玻璃瓶的自动化生产调控方法及系统 Download PDFInfo
- Publication number
- CN117908496A CN117908496A CN202410281543.9A CN202410281543A CN117908496A CN 117908496 A CN117908496 A CN 117908496A CN 202410281543 A CN202410281543 A CN 202410281543A CN 117908496 A CN117908496 A CN 117908496A
- Authority
- CN
- China
- Prior art keywords
- production
- defect type
- node
- optimized
- data
- 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
- 239000011521 glass Substances 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000033228 biological regulation Effects 0.000 title abstract description 12
- 230000007547 defect Effects 0.000 claims abstract description 146
- 238000005457 optimization Methods 0.000 claims abstract description 52
- 238000001514 detection method Methods 0.000 claims abstract description 34
- 238000012512 characterization method Methods 0.000 claims description 49
- 238000004088 simulation Methods 0.000 claims description 36
- 238000005065 mining Methods 0.000 claims description 16
- 238000010438 heat treatment Methods 0.000 claims description 13
- 238000000071 blow moulding Methods 0.000 claims description 12
- 230000002950 deficient Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 238000000195 production control method Methods 0.000 claims description 5
- 238000012098 association analyses Methods 0.000 claims description 4
- 238000013145 classification model Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 abstract description 4
- 230000009123 feedback regulation Effects 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 241000282461 Canis lupus Species 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000005022 packaging material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Landscapes
- General Factory Administration (AREA)
Abstract
本发明公开了一种管制玻璃瓶的自动化生产调控方法及系统,属于生产线调节及控制技术领域,用于解决现有的管制玻璃瓶生产行业中,缺乏对质量检测结果与各个生产节点之间的深度关联分析,无法根据质量检测结果对生产线进行即时的反馈调控的技术问题。方法包括:根据当前生产线的历史生产数据,确定管制玻璃瓶的预设缺陷类型与各个生产节点之间的关联关系式;根据当前批次玻璃瓶的质量检测数据,获取主缺陷类型;根据主缺陷类型以及关联关系式,定位当前生产线中的待优化生产节点;根据主缺陷类型对应的缺陷率,确定待优化生产节点中的优化控制参数;通过PLC控制模块,控制待优化生产节点执行优化控制参数。
Description
技术领域
本发明涉及生产线调节及控制领域,尤其涉及一种管制玻璃瓶的自动化生产调控方法及系统。
背景技术
医用管制药用玻璃瓶隶属于医药包装材料行业,是指专门用于药品包装的玻璃瓶,如玻璃注射剂瓶等,具有光洁透明、易消毒、耐侵蚀、耐高温、密封性能好等特点。近年来,随着医药包装材料行业的快速发展,我国医用玻璃瓶市场也得到了良好的发展,医用玻璃瓶的生产线也逐渐趋于完善。医用管制玻璃瓶的生产流程包括但不限于原料配比、原料熔制、玻璃瓶成型、玻璃瓶热处理以及质量检测等步骤。
其中,质量检测能够及时检测出生产的各批次医用管制玻璃中存在瑕疵的产品,从而将其拦截在出厂之前。而相比于普通玻璃,行业对于医用管制玻璃瓶的质量要求更加严格,因此在医用管制玻璃瓶的生产中,质量检测非常重要。但在得到质量检测结果后,目前最常用的处理方式是将具有瑕疵特征的残次品予以剔除并回炉重造,更进一步的处理方式可能会将质量检测信息收集到信息管理平台中进行展示和告警。但这些处理方式仍停留在初始层面,只能起到警示作用,无法对生产线上各生产流程的参数调整和控制作出数据支撑,不仅浪费了质量检测数据的深层作用,还无法从本质上提升生产线的生产合格率。
发明内容
本发明实施例提供了一种管制玻璃瓶的自动化生产调控方法及系统,用于解决如下技术问题:现有的管制玻璃瓶生产行业中,缺乏对质量检测结果与各个生产节点之间的深度关联分析,无法根据质量检测结果对生产线进行即时的反馈调控。
本发明实施例采用下述技术方案:
一方面,本发明实施例提供了一种管制玻璃瓶的自动化生产调控方法,方法包括:根据当前生产线的历史生产数据,确定管制玻璃瓶的预设缺陷类型与各个生产节点之间的关联关系式;其中,所述生产节点至少包括窑炉节点、吹制成型机节点以及热处理设备节点;
根据当前批次玻璃瓶的质量检测数据,获取所述当前批次玻璃瓶的主缺陷类型;
根据所述主缺陷类型以及所述关联关系式,定位当前生产线中的待优化生产节点;
根据所述主缺陷类型对应的缺陷率,确定所述待优化生产节点中的优化控制参数;
通过PLC控制模块,控制所述待优化生产节点执行所述优化控制参数。
在一种可行的实施方式中,根据当前生产线的历史生产数据,确定管制玻璃瓶的预设缺陷类型与各个生产节点之间的关联关系式,具体包括:
获取所述当前生产线的历史生产数据;其中,所述历史生产数据至少包括预设历史时间段内,当前生产线中各个生产节点的运行参数以及各个预设缺陷类型对应的缺陷率;
通过所述历史生产数据,驱动预构建的生产线仿真模型,并通过调整各个生产节点的运行参数,采集若干组模拟生产数据;其中,所述模拟生产数据至少包括预设模拟时间段内,各个模拟生产节点的运行参数以及各个预设缺陷类型对应的缺陷率;
将所述历史生产数据与所述模拟生产数据统一作为生产特征数据,归入生产特征数据集中;
通过关联规则挖掘算法,挖掘所述生产特征数据集中的强关联规则;
根据挖掘出的强关联规则,确定各个预设缺陷类型与各个生产节点之间的关联关系式。
在一种可行的实施方式中,通过关联规则挖掘算法,挖掘所述生产特征数据集中的强关联规则,具体包括:
将所述生产特征数据集中每条生产特征数据对应的缺陷率最大的预设缺陷类型,确定为生产特征数据对应的主缺陷类型;
将所述生产特征数据集中的生产特征数据与对应的主缺陷类型输入特征分类模型中,进行状态分类;并统计分类过程中,每项生产特征数据对损失函数的总贡献值;
筛选所述总贡献值大于第一预设阈值的生产特征数据项,作为有效评估特征数据项;在所述生产特征数据集中筛选所述有效评估特征数据项对应的具体数据值,形成有效生产特征数据集;
通过决策树模型,对所述有效生产特征数据集进行离散化处理,得到离散生产特征;
将所述离散生产特征作为输入参数,输入FP-Growth关联规则挖掘算法中,得到若干个强关联规则;其中,所述强关联规则是指各生产特征数据项与各个预设缺陷类型之间的非线性映射关系。
在一种可行的实施方式中,根据挖掘出的强关联规则,确定各个预设缺陷类型与各个生产节点之间的关联关系式,具体包括:
计算每个强关联规则的关联置信度;
遍历所有预设缺陷类型,在与当前预设缺陷类型存在强关联规则的所有生产特征数据项中,将关联置信度大于第二预设阈值的生产特征数据项,确定为当前预设缺陷类型的关联生产特征数据项;
根据所述关联生产特征数据项所属的生产节点,确定所述当前预设缺陷类型与各个生产节点之间的关联关系式:;
其中,表示第i个预设缺陷类型的关联关系式,/>表示第k个生产节点;/>表示第k个生产节点的关联权重,其中/>为第i个预设缺陷类型的关联生产特征数据项中,属于第k个生产节点的关联生产特征数据项数量;/>为第k个生产节点的可调节参数项总数量;
若,则第k个节点对应的关联权重也等于0,即第k个节点与第i个预设缺陷类型之间没有关联关系。
在一种可行的实施方式中,根据当前批次玻璃瓶的质量检测数据,获取所述当前批次玻璃瓶的主缺陷类型,根据所述主缺陷类型以及所述关联关系式,定位当前生产线中的待优化生产节点,具体包括:
获取当前批次玻璃瓶的质量检测数据;其中,所述质量检测数据中至少包括各个预设缺陷类型对应的缺陷率;
将缺陷率最大的预设缺陷类型,确定为当前批次玻璃瓶的主缺陷类型;
根据所述主缺陷类型对应的关联关系式,获取与所述主缺陷类型相关联的生产节点,确定为待优化生产节点;
同时,在所述关联关系式中,获取每个待优化生产节点与所述主缺陷类型的关联权重。
在一种可行的实施方式中,根据所述主缺陷类型对应的缺陷率,确定所述待优化生产节点中的优化控制参数,具体包括:
获取所述待优化生产节点中各个可调节参数项的性能表征数据;
通过预构建的参数寻优算法,对所述性能表征数据进行参数寻优,得到优化表征数据;
基于所述优化表征数据,通过当前生产线的生产线仿真模型反推出对应的初始优化控制参数;
将所述初始优化控制参数与所述待优化生产节点对应的关联权重,以及所述主缺陷类型对应的缺陷率依次相乘,得到最终的优化控制参数。
在一种可行的实施方式中,所述窑炉节点的表征数据至少包括窑炉液位值;
所述吹制成型机节点的表征数据至少包括当前批次玻璃瓶中缺陷玻璃瓶的相关尺寸值;其中,所述相关尺寸值至少包括玻璃瓶内外径值、玻璃瓶瓶壁厚度值、玻璃瓶瓶口厚度值以及玻璃瓶瓶口椭圆度值;
所述热处理设备节点的表征数据至少包括当前批次玻璃瓶中缺陷类型为微裂纹以及低抗振性的玻璃瓶占比值。
在一种可行的实施方式中,通过预构建的参数寻优算法,对所述性能表征数据进行参数寻优,得到优化表征数据,具体包括:
初始化所述参数寻优算法中的参数种群、收敛因子以及系数向量;
将所述性能表征数据并入所述参数种群中,并计算所述参数种群中每个参数个体的第一适应度,将第一适应度最高的前三个参数个体确定为当前最优参数个体;
更新当前参数个体的位置、收敛因子以及系数向量,并计算更新后的参数种群中每个参数个体的第二适应度;
将第二适应度最高的前三个参数个体更新为当前最优参数个体,以此循环,直至达到最大迭代数后停止迭代;
将停止迭代后得到的当前最优参数个体中适应度最大的参数个体,确定为所述优化表征数据。
在一种可行的实施方式中,基于所述优化表征数据,通过当前生产线的生产线仿真模型反推出对应的初始优化控制参数,具体包括:
将每个待优化生产节点对应的优化表征数据输入所述生产线仿真模型中对应的模拟待优化生产节点中;
通过调整各个模拟待优化生产节点中的各个可调节参数,使对应的模拟表征数据趋于所述优化表征数据;
在模拟表征数据与所述优化表征数据之间的误差不超过第三预设阈值后,获取各个模拟待优化生产节点对应的可调节参数值,作为所述初始优化控制参数,输出到实际生产线的PLC控制模块中。
另一方面,本发明实施例还提供了一种管制玻璃瓶的自动化生产调控系统,所述系统包括:
关联分析模块,用于根据当前生产线的历史生产数据,确定管制玻璃瓶的预设缺陷类型与各个生产节点之间的关联关系式;其中,所述生产节点至少包括窑炉节点、吹制成型机节点以及热处理设备节点;
控制参数优化模块,用于根据当前批次玻璃瓶的质量检测数据,获取所述当前批次玻璃瓶的主缺陷类型;根据所述主缺陷类型以及所述关联关系式,定位当前生产线中的待优化生产节点;根据所述主缺陷类型对应的缺陷率,确定所述待优化生产节点中的优化控制参数;
生产线优化控制模块,用于通过PLC控制模块,控制所述待优化生产节点执行所述优化控制参数。
与现有技术相比,本发明实施例提供的一种管制玻璃瓶的自动化生产调控方法及系统,具有如下有益效果:
本发明通过对管制玻璃瓶生产线的历史生产数据与历史质量检测数据进行关联关系分析,明确了二者之间的深层联系,并总结出了可用的关联关系式。根据关联关系式,在后续的生产过程中,通过质量检测数据,便可以反推出哪个环节导致某个缺陷类型的缺陷率过高,从而针对性地调节该环节的控制参数,并通过PLC控制模块对该环节的参数进行自动化调节。实现了质量检测信息的深层次利用,根据质量检测信息对生产环节进行反馈调节,不断改善生产线上各环节的生产工艺参数,相应的,每次改善后,得到的质量检测结果也会越来越好,从而形成正向闭环,不断提升生产线的医用管制玻璃瓶生产合格率,提升生产效益。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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中记载的一些实施例,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。在附图中:
图1为本发明实施例提供的一种管制玻璃瓶的自动化生产调控方法流程图;
图2为本发明实施例提供的一种管制玻璃瓶的自动化生产调控系统的结构示意图。
附图标记说明:
200、管制玻璃瓶的自动化生产调控系统;210、关联分析模块;220、控制参数优化模块;230、生产线优化控制模块。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,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。基于本说明书实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明实施例提供了一种管制玻璃瓶的自动化生产调控方法,如图1所示, 管制玻璃瓶的自动化生产调控方法具体包括步骤S101-S105:
S101、根据当前生产线的历史生产数据,确定管制玻璃瓶的预设缺陷类型与各个生产节点之间的关联关系式。
具体地,首先获取当前生产线的历史生产数据;其中,历史生产数据中至少包括预设历史时间段内,当前生产线中各个生产节点的运行参数以及各个预设缺陷类型对应的缺陷率。
作为一种可行的实施方式,由于与玻璃瓶质量把控相关的生产节点主要包括窑炉节点、吹制成型机节点以及热处理设备节点,因此在本发明采集历史生产数据时,优先提取窑炉节点、吹制成型机节点以及热处理设备节点的历史生产数据。另外,综合考虑玻璃瓶质量检测过程中可能会出现的瑕疵类型,本发明主要设定了如下预设缺陷类型:低抗振性、低良品率、微裂纹、内外径不合格、瓶口密封性不合格、瓶口椭圆度不合格以及瓶壁厚度不合格。
进一步地,预先构建需要进行生产调控的玻璃瓶生产线的仿真模型,即数字孪生模型。然后通过采集的当前生产线的历史生产数据,驱动当前生产线的仿真模型,并通过调整各个生产节点的运行参数,采集若干组模拟生产数据。其中,模拟生产数据至少包括预设模拟时间段内,各个模拟生产节点的运行参数以及各个预设缺陷类型对应的缺陷率。然后将历史生产数据与模拟生产数据统一作为生产特征数据,归入生产特征数据集中。
作为一种可行的实施方式,在准备本发明所需的基础数据时,虽然采集了一段时间内的历史生产数据,但实际产生的历史生产数据存在重复率过高、覆盖范围小等问题,如果仅通过历史生产数据进行质量检测数据与生产节点的关联分析,无法保证分析结果的代表性和准确性。因此本发明通过采集的历史生产数据驱动数字孪生模型,并在模型上调整各个生产参数进行生产模拟,从而能够得到覆盖范围较广且重复率低的模拟生产数据。最后将实际的历史生产数据与模拟生产数据相结合,共同用于关联关系分析,能够大大提升分析结果的代表性和准确性。
进一步地,通过关联规则挖掘算法,挖掘生产特征数据集中的强关联规则,具体步骤如下:
(1)将生产特征数据集中每条生产特征数据对应的缺陷率最大的预设缺陷类型,确定为生产特征数据对应的主缺陷类型。例如,若一条生产特征数据中,瓶壁厚度不合格的缺陷玻璃瓶在当前批次玻璃瓶中的占比最高,即缺陷率最高,那么瓶壁厚度不合格即为这条生产特征数据的主缺陷类型。
(2)将生产特征数据集中的生产特征数据与对应的主缺陷类型输入特征分类模型中,进行状态分类;并统计分类过程中,每项生产特征数据对损失函数的总贡献值。
(3)筛选总贡献值大于第一预设阈值的生产特征数据项,作为有效评估特征数据项;在生产特征数据集中筛选有效评估特征数据项对应的具体数据值,形成有效生产特征数据集。这是为了在每条生产特征数据中剔除那些对主缺陷类型影响较小的数据项,保留对主缺陷类型影响较大的数据项,用于后续的关联规则挖掘。
(4)由于关联规则挖掘算法只能处理离散数据,因此通过决策树模型,对有效生产特征数据集进行离散化处理,得到离散生产特征。
(5)将离散生产特征作为输入参数,输入FP-Growth关联规则挖掘算法中,得到若干个强关联规则;其中,强关联规则是指各生产特征数据项与各个预设缺陷类型之间的非线性映射关系。
FP-Growth关联规则挖掘算法能够根据输入的离散生产特征,挖掘与每个预设缺陷类型频繁同时出现的生产特征数据项,即频繁项集,并在频繁项集中进一步挖掘与每个预设缺陷类型存在强关联关系的生产特征数据项。
进一步地,根据挖掘出的强关联规则,确定各个预设缺陷类型与各个生产节点之间的关联关系式,具体步骤如下:
(1)计算每个强关联规则的关联置信度。遍历所有预设缺陷类型,在与当前预设缺陷类型存在强关联规则的所有生产特征数据项中,将关联置信度大于第二预设阈值的生产特征数据项,确定为当前预设缺陷类型的关联生产特征数据项。例如,若微裂纹的强关联规则有5个,分别与生产特征数据项A、B、C、D、E强关联,对应的置信度排序为A、D、B、C、E。若第二预设阈值为4,那么则选取关联置信度前四的生产特征数据项,即A、D、B、C,作为微裂纹这一缺陷类型的关联生产特征数据项。
(2)根据关联生产特征数据项所属的生产节点,确定当前预设缺陷类型与各个生产节点之间的关联关系式:;其中,/>表示第i个预设缺陷类型的关联关系式,/>表示第k个生产节点;/>表示第k个生产节点的关联权重,其中/>为第i个预设缺陷类型的关联生产特征数据项中,属于第k个生产节点的关联生产特征数据项数量;/>为第k个生产节点的可调节参数项总数量。
若,则第k个节点对应的关联权重也等于0,即第k个节点与第i个预设缺陷类型之间没有关联关系。
S102、根据当前批次玻璃瓶的质量检测数据,获取当前批次玻璃瓶的主缺陷类型;根据主缺陷类型以及关联关系式,定位当前生产线中的待优化生产节点。
具体地,获取当前批次玻璃瓶的质量检测数据;其中,质量检测数据中至少包括各个预设缺陷类型对应的缺陷率。将缺陷率最大的预设缺陷类型,确定为当前批次玻璃瓶的主缺陷类型。
进一步地,根据主缺陷类型对应的关联关系式,获取与主缺陷类型相关联的生产节点,确定为待优化生产节点。同时,在关联关系式中,获取每个待优化生产节点与主缺陷类型的关联权重。
在一个实施例中,假设当前批次玻璃瓶的主缺陷类型为内外径不合格,对应的关联关系式为,那么与内外径不合格相关联的生产节点即为第2个生产节点(假设为吹制成型机节点)和第3个生产节点(假设为热处理设备节点),其中,吹制成型机节点与内外径不合格的关联权重为3/4,热处理设备节点与内外径不合格的关联权重为1/3。
S103、根据主缺陷类型对应的缺陷率,确定待优化生产节点中的优化控制参数。
具体地,获取待优化生产节点中各个可调节参数项的性能表征数据。
作为一种可行的实施方式,窑炉节点的表征数据至少包括窑炉液位值;吹制成型机节点的表征数据至少包括当前批次玻璃瓶中缺陷玻璃瓶的相关尺寸值;其中,相关尺寸值至少包括玻璃瓶内外径值、玻璃瓶瓶壁厚度值、玻璃瓶瓶口厚度值以及玻璃瓶瓶口椭圆度值;热处理设备节点的表征数据至少包括当前批次玻璃瓶中缺陷类型为微裂纹以及低抗振性的玻璃瓶占比值。
进一步地,通过预构建的参数寻优算法,对性能表征数据进行参数寻优,得到优化表征数据。然后基于优化表征数据,通过当前生产线的生产线仿真模型反推出对应的初始优化控制参数。最后,将初始优化控制参数与待优化生产节点对应的关联权重,以及主缺陷类型对应的缺陷率依次相乘,得到最终的优化控制参数。
作为一种可行的实施方式,本发明中采用的参数寻优算法为灰狼优化算法。然后通过预构建的灰狼优化算法,对性能表征数据进行参数寻优,得到优化表征数据,具体方式为:
初始化参数寻优算法中的参数种群、收敛因子以及系数向量;然后将性能表征数据并入参数种群中,并计算参数种群中每个参数个体的第一适应度,将第一适应度最高的前三个参数个体确定为当前最优参数个体。然后更新当前参数个体的位置、收敛因子以及系数向量,并计算更新后的参数种群中每个参数个体的第二适应度。将第二适应度最高的前三个参数个体更新为当前最优参数个体,循环上述过程,直至达到最大迭代数后停止迭代。最后,将停止迭代后得到的当前最优参数个体中适应度最大的参数个体,确定为优化表征数据。
作为一种可行的实施方式,基于优化表征数据,通过当前生产线的生产线仿真模型反推出对应的初始优化控制参数,具体方式为:将每个待优化生产节点对应的优化表征数据输入生产线仿真模型中对应的模拟待优化生产节点中。通过调整各个模拟待优化生产节点中的各个可调节参数,使对应的模拟表征数据趋于优化表征数据。在模拟表征数据与优化表征数据之间的误差不超过第三预设阈值后,获取各个模拟待优化生产节点对应的可调节参数值,作为初始优化控制参数,输出到实际生产线的PLC控制模块中。
本发明将参数优化算法与数字孪生模型相结合,在通过参数优化算法得到更优的表征数据后,在数字孪生模型中进行参数调试,直至对应的模拟生产环节呈现出相近的表征,采集此时每个模拟生产环节的控制参数,即可得到初始优化控制参数。然后本发明还根据每个待优化生产节点的关联权重以及主缺陷类型的缺陷率,对初始优化控制参数进行进一步的限定,得到最终的优化控制参数,使参数的调整更符合每个待优化生产节点所占的关联比重,并且与质量检测结果的关联更强。
S104、最后,PLC控制模块控制待优化生产节点执行上述优化控制参数。
另外,本发明实施例还提供了一种管制玻璃瓶的自动化生产调控系统,如图2所示,管制玻璃瓶的自动化生产调控系统200具体包括:
关联分析模块210,用于根据当前生产线的历史生产数据,确定管制玻璃瓶的预设缺陷类型与各个生产节点之间的关联关系式;其中,所述生产节点至少包括窑炉节点、吹制成型机节点以及热处理设备节点;
控制参数优化模块220,用于根据当前批次玻璃瓶的质量检测数据,获取所述当前批次玻璃瓶的主缺陷类型;根据所述主缺陷类型以及所述关联关系式,定位当前生产线中的待优化生产节点;根据所述主缺陷类型对应的缺陷率,确定所述待优化生产节点中的优化控制参数;
生产线优化控制模块230,用于通过PLC控制模块,控制所述待优化生产节点执行所述优化控制参数。
本发明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,每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、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本发明特定实施例进行了描述。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。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明的实施例可以有各种更改和变化。凡在本发明实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种管制玻璃瓶的自动化生产调控方法,其特征在于,所述方法包括:
根据当前生产线的历史生产数据,确定管制玻璃瓶的预设缺陷类型与各个生产节点之间的关联关系式;其中,所述生产节点至少包括窑炉节点、吹制成型机节点以及热处理设备节点;
根据当前批次玻璃瓶的质量检测数据,获取所述当前批次玻璃瓶的主缺陷类型;
根据所述主缺陷类型以及所述关联关系式,定位当前生产线中的待优化生产节点;
根据所述主缺陷类型对应的缺陷率,确定所述待优化生产节点中的优化控制参数;
通过PLC控制模块,控制所述待优化生产节点执行所述优化控制参数。
2.根据权利要求1所述的一种管制玻璃瓶的自动化生产调控方法,其特征在于,根据当前生产线的历史生产数据,确定管制玻璃瓶的预设缺陷类型与各个生产节点之间的关联关系式,具体包括:
获取所述当前生产线的历史生产数据;其中,所述历史生产数据至少包括预设历史时间段内,当前生产线中各个生产节点的运行参数以及各个预设缺陷类型对应的缺陷率;
通过所述历史生产数据,驱动预构建的生产线仿真模型,并通过调整各个生产节点的运行参数,采集若干组模拟生产数据;其中,所述模拟生产数据至少包括预设模拟时间段内,各个模拟生产节点的运行参数以及各个预设缺陷类型对应的缺陷率;
将所述历史生产数据与所述模拟生产数据统一作为生产特征数据,归入生产特征数据集中;
通过关联规则挖掘算法,挖掘所述生产特征数据集中的强关联规则;
根据挖掘出的强关联规则,确定各个预设缺陷类型与各个生产节点之间的关联关系式。
3.根据权利要求2所述的一种管制玻璃瓶的自动化生产调控方法,其特征在于,通过关联规则挖掘算法,挖掘所述生产特征数据集中的强关联规则,具体包括:
将所述生产特征数据集中每条生产特征数据对应的缺陷率最大的预设缺陷类型,确定为生产特征数据对应的主缺陷类型;
将所述生产特征数据集中的生产特征数据与对应的主缺陷类型输入特征分类模型中,进行状态分类;并统计分类过程中,每项生产特征数据对损失函数的总贡献值;
筛选所述总贡献值大于第一预设阈值的生产特征数据项,作为有效评估特征数据项;在所述生产特征数据集中筛选所述有效评估特征数据项对应的具体数据值,形成有效生产特征数据集;
通过决策树模型,对所述有效生产特征数据集进行离散化处理,得到离散生产特征;
将所述离散生产特征作为输入参数,输入FP-Growth关联规则挖掘算法中,得到若干个强关联规则;其中,所述强关联规则是指各生产特征数据项与各个预设缺陷类型之间的非线性映射关系。
4.根据权利要求3所述的一种管制玻璃瓶的自动化生产调控方法,其特征在于,根据挖掘出的强关联规则,确定各个预设缺陷类型与各个生产节点之间的关联关系式,具体包括:
计算每个强关联规则的关联置信度;
遍历所有预设缺陷类型,在与当前预设缺陷类型存在强关联规则的所有生产特征数据项中,将关联置信度大于第二预设阈值的生产特征数据项,确定为当前预设缺陷类型的关联生产特征数据项;
根据所述关联生产特征数据项所属的生产节点,确定所述当前预设缺陷类型与各个生产节点之间的关联关系式:;
其中,表示第i个预设缺陷类型的关联关系式,/>表示第k个生产节点;/>表示第k个生产节点的关联权重,其中/>为第i个预设缺陷类型的关联生产特征数据项中,属于第k个生产节点的关联生产特征数据项数量;/>为第k个生产节点的可调节参数项总数量;
若,则第k个节点对应的关联权重也等于0,即第k个节点与第i个预设缺陷类型之间没有关联关系。
5.根据权利要求1所述的一种管制玻璃瓶的自动化生产调控方法,其特征在于,根据当前批次玻璃瓶的质量检测数据,获取所述当前批次玻璃瓶的主缺陷类型,根据所述主缺陷类型以及所述关联关系式,定位当前生产线中的待优化生产节点,具体包括:
获取当前批次玻璃瓶的质量检测数据;其中,所述质量检测数据中至少包括各个预设缺陷类型对应的缺陷率;
将缺陷率最大的预设缺陷类型,确定为当前批次玻璃瓶的主缺陷类型;
根据所述主缺陷类型对应的关联关系式,获取与所述主缺陷类型相关联的生产节点,确定为待优化生产节点;
同时,在所述关联关系式中,获取每个待优化生产节点与所述主缺陷类型的关联权重。
6.根据权利要求5所述的一种管制玻璃瓶的自动化生产调控方法,其特征在于,根据所述主缺陷类型对应的缺陷率,确定所述待优化生产节点中的优化控制参数,具体包括:
获取所述待优化生产节点中各个可调节参数项的性能表征数据;
通过预构建的参数寻优算法,对所述性能表征数据进行参数寻优,得到优化表征数据;
基于所述优化表征数据,通过当前生产线的生产线仿真模型反推出对应的初始优化控制参数;
将所述初始优化控制参数与所述待优化生产节点对应的关联权重,以及所述主缺陷类型对应的缺陷率依次相乘,得到最终的优化控制参数。
7.根据权利要求6所述的一种管制玻璃瓶的自动化生产调控方法,其特征在于,所述窑炉节点的表征数据至少包括窑炉液位值;
所述吹制成型机节点的表征数据至少包括当前批次玻璃瓶中缺陷玻璃瓶的相关尺寸值;其中,所述相关尺寸值至少包括玻璃瓶内外径值、玻璃瓶瓶壁厚度值、玻璃瓶瓶口厚度值以及玻璃瓶瓶口椭圆度值;
所述热处理设备节点的表征数据至少包括当前批次玻璃瓶中缺陷类型为微裂纹以及低抗振性的玻璃瓶占比值。
8.根据权利要求6所述的一种管制玻璃瓶的自动化生产调控方法,其特征在于,通过预构建的参数寻优算法,对所述性能表征数据进行参数寻优,得到优化表征数据,具体包括:
初始化所述参数寻优算法中的参数种群、收敛因子以及系数向量;
将所述性能表征数据并入所述参数种群中,并计算所述参数种群中每个参数个体的第一适应度,将第一适应度最高的前三个参数个体确定为当前最优参数个体;
更新当前参数个体的位置、收敛因子以及系数向量,并计算更新后的参数种群中每个参数个体的第二适应度;
将第二适应度最高的前三个参数个体更新为当前最优参数个体,以此循环,直至达到最大迭代数后停止迭代;
将停止迭代后得到的当前最优参数个体中适应度最大的参数个体,确定为所述优化表征数据。
9.根据权利要求6所述的一种管制玻璃瓶的自动化生产调控方法,其特征在于,基于所述优化表征数据,通过当前生产线的生产线仿真模型反推出对应的初始优化控制参数,具体包括:
将每个待优化生产节点对应的优化表征数据输入所述生产线仿真模型中对应的模拟待优化生产节点中;
通过调整各个模拟待优化生产节点中的各个可调节参数,使对应的模拟表征数据趋于所述优化表征数据;
在模拟表征数据与所述优化表征数据之间的误差不超过第三预设阈值后,获取各个模拟待优化生产节点对应的可调节参数值,作为所述初始优化控制参数,输出到实际生产线的PLC控制模块中。
10.一种管制玻璃瓶的自动化生产调控系统,其特征在于,所述系统包括:
关联分析模块,用于根据当前生产线的历史生产数据,确定管制玻璃瓶的预设缺陷类型与各个生产节点之间的关联关系式;其中,所述生产节点至少包括窑炉节点、吹制成型机节点以及热处理设备节点;
控制参数优化模块,用于根据当前批次玻璃瓶的质量检测数据,获取所述当前批次玻璃瓶的主缺陷类型;根据所述主缺陷类型以及所述关联关系式,定位当前生产线中的待优化生产节点;根据所述主缺陷类型对应的缺陷率,确定所述待优化生产节点中的优化控制参数;
生产线优化控制模块,用于通过PLC控制模块,控制所述待优化生产节点执行所述优化控制参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410281543.9A CN117908496B (zh) | 2024-03-13 | 2024-03-13 | 一种管制玻璃瓶的自动化生产调控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410281543.9A CN117908496B (zh) | 2024-03-13 | 2024-03-13 | 一种管制玻璃瓶的自动化生产调控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117908496A true CN117908496A (zh) | 2024-04-19 |
CN117908496B CN117908496B (zh) | 2024-05-24 |
Family
ID=90692436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410281543.9A Active CN117908496B (zh) | 2024-03-13 | 2024-03-13 | 一种管制玻璃瓶的自动化生产调控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117908496B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114085033A (zh) * | 2021-12-08 | 2022-02-25 | 连云港市永旺玻璃制品有限公司 | 一种玻璃瓶生产用瓶厚加工调控装置及其调控方法 |
CN114638467A (zh) * | 2022-01-31 | 2022-06-17 | 南通鑫鑫医药药材有限公司 | 一种医用玻璃容器生产质量检测系统 |
CN115640933A (zh) * | 2022-11-03 | 2023-01-24 | 昆山润石智能科技有限公司 | 生产线缺陷自动管理方法、装置、设备及存储介质 |
CN116859873A (zh) * | 2023-08-22 | 2023-10-10 | 广东凡易紧固件有限公司 | 一种紧固件生产工艺参数控制方法及系统 |
US20230333542A1 (en) * | 2023-02-02 | 2023-10-19 | Chengdu Qinchuan Iot Technology Co., Ltd. | Industrial internet of things systems for production lines when defective products are produced, regulation methods, and storage medium thereof |
CN117689086A (zh) * | 2024-02-02 | 2024-03-12 | 山东国泰民安玻璃科技有限公司 | 一种中硼硅玻璃瓶的生产参数优化方法、设备及介质 |
-
2024
- 2024-03-13 CN CN202410281543.9A patent/CN117908496B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114085033A (zh) * | 2021-12-08 | 2022-02-25 | 连云港市永旺玻璃制品有限公司 | 一种玻璃瓶生产用瓶厚加工调控装置及其调控方法 |
CN114638467A (zh) * | 2022-01-31 | 2022-06-17 | 南通鑫鑫医药药材有限公司 | 一种医用玻璃容器生产质量检测系统 |
CN115640933A (zh) * | 2022-11-03 | 2023-01-24 | 昆山润石智能科技有限公司 | 生产线缺陷自动管理方法、装置、设备及存储介质 |
US20230333542A1 (en) * | 2023-02-02 | 2023-10-19 | Chengdu Qinchuan Iot Technology Co., Ltd. | Industrial internet of things systems for production lines when defective products are produced, regulation methods, and storage medium thereof |
CN116859873A (zh) * | 2023-08-22 | 2023-10-10 | 广东凡易紧固件有限公司 | 一种紧固件生产工艺参数控制方法及系统 |
CN117689086A (zh) * | 2024-02-02 | 2024-03-12 | 山东国泰民安玻璃科技有限公司 | 一种中硼硅玻璃瓶的生产参数优化方法、设备及介质 |
Non-Patent Citations (1)
Title |
---|
章华;董朝阳;谢永军;: "基于神经网络和专家系统的铸造质量控制方法", 测控技术, no. 02, 18 February 2007 (2007-02-18) * |
Also Published As
Publication number | Publication date |
---|---|
CN117908496B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220155733A1 (en) | Method of performing a process and optimizing control signals used in the process | |
CN111652402A (zh) | 一种基于大数据分析的光纤预制棒沉积工序智能优化的方法 | |
CN112100940A (zh) | 光纤预制棒一次拉伸工艺参数预测方法及装置 | |
CN103745273A (zh) | 一种半导体制造过程的多性能预测方法 | |
CN106407258A (zh) | 一种缺失数据预测方法及装置 | |
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 | |
CN112561211B (zh) | 基于神经网络深度学习的钻井循环压耗预测方法 | |
CN111444942A (zh) | 一种高炉铁水硅含量智能预报方法及系统 | |
CN117152119A (zh) | 一种基于图像处理的型材瑕疵视觉检测方法 | |
CN110598958A (zh) | 一种钢包分级管理分析方法及系统 | |
CN111340269B (zh) | 用于流程工业过程的实时优化方法 | |
CN117908496B (zh) | 一种管制玻璃瓶的自动化生产调控方法及系统 | |
CN115906399A (zh) | 一种改进的小样本数据下产品关键工艺质量预测方法 | |
CN116852665A (zh) | 一种基于混合模型的注塑工艺参数智能调节方法 | |
CN110781206A (zh) | 一种学习拆回表故障特征规则预测在运电能表是否故障的方法 | |
CN114154820A (zh) | 基于增量简单循环单元和双重注意力的生产瓶颈预测方法 | |
CN116611745A (zh) | 一种基于智能制造的塑料薄膜质量评价方法及系统 | |
CN111625934B (zh) | 一种基于d-s证据理论的退火加热过程的多模态识别方法 | |
CN105930936B (zh) | 一种生产流通过程中食品所含微生物的生长预测方法 | |
CN112598050A (zh) | 生态环境数据质量控制方法 | |
CN108921287A (zh) | 一种神经网络模型的优化方法及系统 | |
CN112766548A (zh) | 基于gasa-bp神经网络的订单完工时间预测方法 | |
CN112270121A (zh) | 改进鲸鱼算法优化svdd的温度异常检测方法及应用 | |
CN115643104A (zh) | 一种基于深度监督离散哈希的网络入侵检测方法 | |
CN116414094A (zh) | 一种焊接装配智能调度方法及系统 |
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 |