一种面向智能制造的生产数据动态分析系统

技术领域

本发明属于生产数据动态分析领域，具体是一种面向智能制造的生产数据动态分析系统。

背景技术

随着制造业的快速发展，智能制造已成为制造业的主要趋势；智能制造是一种集自动化、信息化、物联网等技术于一体的新型制造模式，旨在提高生产效率、降低成本、提升产品质量。

在智能制造中，生产数据是实现优化决策和精细管理的重要依据，然而，传统的对智能制造的生产数据分析仅针对于产线上的设备指标，对获取的设备指标与阈值进行比较，判断设备是否故障，以及预测未来生产状态，但并未对产线的生产策略进行及时调整，易产生生产逾期现象，导致生产效率低，以及生产成本增加。

因此本发明提出一种面向智能制造的生产数据动态分析系统。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种面向智能制造的生产数据动态分析系统，用于解决未对产线的生产策略进行及时调整，易产生生产逾期现象，导致生产效率低，以及生产成本增加的技术问题。

为实现上述目的，本发明的第一方面提供了一种面向智能制造的生产数据动态分析系统，包括数据处理模块，以及与之相连接的传感器和综合判定模块；所述传感器包括温度传感器、电流传感器和电压传感器；

数据处理模块：通过传感器采集产线上的设备指标，判断处理周期内的指标是否超出对应阈值范围；否，则标记为数值正常；是，则标记为数值异常，并对出现异常的指标进行分析，生成反馈结果发送至综合判定模块；其中，设备指标包括温度、电流和电压；反馈结果包括处理周期内设备指标异常或者处理周期内设备指标正常；

综合判定模块：当处理周期内设备指标异常时，分析处理周期内设备的故障评估值，并判断故障评估值是否大于预设阈值；否，则产线正常运行；是，则产线停止运行，对设备进行维修，并统计已生产产量S0和设备维修时间Timax；根据已生产产量S0、维修时间Timax，以及产线生产信息调整生产速度，确保产线在生产周期内完成目标产量；其中，i表示设备编号，i＝0，1，2，…，N，且N为正整数；产线生产信息包括产线正常生产速度，标记为V0，生产速度阈值，标记为V，产线在生产周期内的目标产量，标记为S。

优选的，所述对出现异常的指标进行分析，包括：

统计处理周期内各指标的异常次数，并分析占处理周期的比例，得到指标异常比例，判断指标异常比例是否大于预设比例阈值；是，则表示处理周期内设备指标异常；否，则处理周期内设备指标正常。

优选的，所述分析处理周期内设备的故障评估值，包括：

计算处理周期内设备各指标的均值，标记为Eij，通过公式Qi＝α×E0j+β×E1j+γ×E2j计算得到处理周期内设备的故障评估值Qi；其中，j为设备指标编号，j＝0表示温度，j＝1表示电流，j＝2表示电压；Σ表示对j的求和；α、β、γ为权重系数，取值均大于0。

本发明通过判断处理周期内采集的设备指标是否超出对应阈值范围，统计指标异常次数，并分析异常比例；若异常比例大于预设比例阈值，则分析处理周内设备的故障评估值；本发明及时检测和识别设备故障，确保设备的正常运行，从而避免生产中断或产品质量下降等问题，同时根据设备的实际运行状况来优化维护策略，可提高设备的可靠性和使用寿命。

优选的，所述根据已生产产量S0、维修时间Timax，以及产线生产信息来调整生产速度，包括：

通过公式V1＝(S-S0)/((S-S0)/V0-Timax)计算得到生产剩余产量所需生产速度V1；判断生产速度V1是否超过生产速度阈值V；否，则将生产速度调整至V1；是，则将生产速度调整至生产速度阈值V，并启动备用产线同时进行生产。

需要说明的是，Timax为设备维修所需的最长时间；即在处理周期内同时出现多个设备故障，且需要进行维修，则以其中维修时间最长的为Timax；如：设备A维修时间2h，设备B维修时间6h，则Timax＝6h。

优选的，所述将生产速度调整至V1，包括：

当生产速度调整至V1时，在剩余生产周期的监测时间节点P处获取产线的已生产产量，标记为SP；通过公式y0＝(S-SP)/V1计算得到完成剩余产量所需时间y0，并判断是否超过生产周期剩余时间y1；是，则备用产线启动同时进行生产；否，则不启动备用产线；其中，生产周期剩余时间y1＝(S-S0)/V0-Timax-P；监测时间节点P＝(1/m)×((S-S0)/V0-Timax)，m为大于0的正整数。

本发明当设备出现故障时，记录故障设备的维修时间Timax，并基于当前已生产产量S0和产线生产信息，评估生产剩余产量所需的生产速度V1；当生产速度V1不超过生产速度阈值V时，则设备速度调整至V1；若超过，则调整至V，并启动备用产线同时进行生产；且当设备速度为V1时，在监测节点P处获取产线已生产产量SP，计算完成剩余目标产量所需时间，并分析是否需要启动备用产线同时生产；通过监测产线生产情况，及时调整生产策略，使得产线能在生产周期内完成生产任务，避免生产逾期，增加额外生产成本。

优选的，当完成剩余目标产量所需时间y0超过生产周期的剩余时间y1，所述备用产线启动同时进行生产，包括：

通过公式V3＝(S-SP)/y0-V1计算得到备用产线的生产速度V3。

优选的，将生产速度调整至设备运行阈值V，并启动备用产线同时进行生产，包括：

通过公式V2＝(S-S0)/((S-S0)/V0-Timax)-V计算得到备用产线的生产速度V2。

需要说明的是，产线上存在若干条备用产线，根据产线在生产周期内完成目标产量为目的，启动一定数目的备用产线进行生产。

与现有技术相比，本发明的有益效果是：

1.本发明通过传感器采集设备指标，并对设备指标进行分析，综合各指标的变化评估设备的运行状态，及时发现问题，并维修，减少非计划性停机时间，提高生产效率；同时根据产线生产情况，合理调控产线的生产速度或者启动备用产线同时进行生产；使得产线在生产周期内达到目标产量，避免造成生产逾期现象；

2.本发明传感器采集设备指标，数据处理模块对处理周期内的设备指标与对应阈值范围进行比较，统计处理周期内指标的异常次数；分析异常次数占处理周期的比例，进而判断设备是否存在异常；若存在异常，综合判定模块分析处理周期内设备的故障评估值，若故障评估值大于预设阈值，则设备需要维修，并统计维修时间以及已生产产量；基于维修时间、已生产产量以及产线生产信息，对生产速度进行合理调整或启动备用产线同时生产；本发明通过综合判定模块分析处理周期内设备的故障评估值，能够精准判断设备是否需要维修，以及是否需要启动备用产线同时生产，从而提高生产计划的灵活性和准确性，保证产线的生产效率，使产线在生产周期内达到目标产量。

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为本发明的系统框图；

图2为本发明设备故障分析的方法流程框图；

图3为本发明生产效率调整的方法流程图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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它实施例，都属于本发明保护的范围。

请参阅图1-图2，本发明第一方面实施例提供了一种面向智能制造的生产数据动态分析系统，包括数据处理模块，以及与之相连接的传感器和综合判定模块；所述传感器包括温度传感器、电流传感器和电压传感器；

数据处理模块通过传感器采集产线上的设备指标，判断处理周期内的指标是否超出对应阈值范围；否，则标记为数值正常；是，则标记为数值异常，并统计各指标的异常次数，分析异常次数占处理周期的比例，得到指标异常比例，判断指标异常比例是否大于预设比例阈值；是，则表示处理周期内设备存在异常；否，则处理周期内设备正常；

当处理周期内设备存在异常时，通过公式Qi＝α×E0j+β×E1j+γ×E2j计算得到处理周期内设备的故障评估值Qi；并判断故障评估值Qi是否大于预设阈值；否，则产线正常运行；是，则产线停止运行，对设备进行维修，并统计已生产产量S0和设备维修时间Timax。

例1：在某一工厂每条生产线上有两个生产设备，分别标记为设备1和设备2；利用传感器采集设备指标，得到处理周期内的设备指标，其中，在某一处理周期内获得的设备1指标：温度指标(25，22，24，35，38，35)℃；电流指标(320，345，351，454，628，650)A；电压指标(388，397，452，463，481，505)V；设备2指标：温度指标(26，30，32，30，35，36)℃；电流指标(456，466，567，665，636，687)A；电压指标(310，325，420，455，510，484)V；其中，假设设备1的各指标阈值范围：温度指标阈值范围为[22,25]℃，电流阈值范围为[350,650]A，电压阈值范围为[300，620]V；设备2的各指标阈值范围：温度指标阈值范围为[22,28]℃，电流阈值范围为[340,550]A，电压阈值范围为[300，500]V；修正系数α＝0.01；α＝20％，β＝40％，γ＝40％；

设备1：温度指标的异常比例为50％，电流指标的异常比例为33％，电压指标的异常比例为0％；

设备2：温度指标的异常比例为83％，电流指标的异常比例为67％，电压指标的异常比例为17％；

第一种情况：假设预设比例阈值设为50％

设备1的温度指标的异常比例超出比例阈值；

计算得到温度均值：E10＝29.83℃，电流均值：E11＝458A，电压均值：E12＝447.67V；设备1的故障评估值Q1＝20％×29.83+40％×458+40％×447.67≈368.23；

设备2的温度指标和电流指标的异常比例超出比例阈值；

计算得到温度均值：E20＝31.5℃，电流均值：E21＝579.5A，电压均值：E22＝417.33V；设备2的故障评估值Q2＝20％×31.5+40％×579.5+40％×417.33≈404.03；

第二种情况：假设预设比例阈值设为60％

设备1的温度指标的异常比例未超出比例阈值，故不需要分析设备1的故障评估值；

设备2的温度指标和电流指标的异常比例超出比例阈值，故分析设备2的故障评估值Q2≈404.03。

请参阅图3，基于已生产产量S0、维修时间Timax，以及产线生产信息，通过公式V1＝(S-S0)/((S-S0)/V0-Timax)计算得到生产剩余产量所需生产速度V1；

若生产速度V1未超过生产速度阈值V，则将生产速度调整至V1，并在剩余生产周期的监测节点P处获取产线的已生产的产量SP；通过公式y0＝(S-SP)/V1计算得到完成剩余目标产量所需时间y0；

若y0不大于生产周期的剩余时间y1，则备用产线启动同时进行生产；备用产线的生产速度V3通过公式V3＝(S-SP)/y0-V1计算得到。

若y0大于生产周期的剩余时间，则不启动备用产线；

其中，y1＝(S-S0)/V0-Timax-P；监测时间节点P＝(1/m)×((S-S0)/V0-Timax)，m为大于0的正整数。

例2：以例1中的第一种情况为例，假设已生产产量为S0＝4000件,设备的正常生产速度V0＝400件/h，生产速度阈值V＝550件/h，产线在生产周期内的产量S＝1万件；

通过例1可知设备1的故障评估值Q1＝368.23；设备2的故障评估值Q2＝404.03；假设存在以下两种情况对产线的生产情况进行分析；

情况A：设备2的故障评估值超过预设阈值，则需要进行维修，此时产线停止生产，假设维修时间为3h；计算生产剩余产量所需生产速度V1＝(10000-4000)/((10000-4000)/400-3)＝500件/h；

情况B：设备1和设备2的故障评估值均超过预设阈值，则同时进行维修，产线停止生产，假设设备1维修时间为2h，设备2维修时间为5h，则总共所需维修时间为5h；计算生产剩余产量所需生产速度V1＝(10000-4000)/((10000-4000)/400-5)＝600件/h；

由上述计算结果可知，情况A所需生产速度V1未超过生产速度阈值V，则将生产线的生产速度调整至V1；假设监测时间节点P为剩余生产周期的2/3，已生产产量SP＝5000件；计算得到完成剩余目标产量所需时间y0＝(10000-5000)/500＝10h；而生产周期剩余时间y1＝((10000-4000)/400-3)/3＝4h；可知剩余时间不足，则启动备用产线同时进行生产；备用产线的生产速度V3＝(10000-5000)/4-500＝750件/h。

若生产速度V1超过生产速度阈值V，则将生产速度调整至生产速度阈值V，并启动备用产线同时进行生产；此时备用产线设备的生产速度通过公式V2＝(S-S0)/((S-S0)/V0-Timax)-V计算得到。

例3：由例2情况B为例，生产剩余产量所需生产速度V1超过生产速度阈值V，则启动备用产线同时进行生产；计算备用产线的生产速度V2＝6000/(6000/400-5)-550＝50件/h。

其中，备用产线的启动数量根据实际情况确定。

上述公式中的部分数据是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。