CN113219910A - 一种全流程的生产自诊断及优化系统 - Google Patents
一种全流程的生产自诊断及优化系统 Download PDFInfo
- Publication number
- CN113219910A CN113219910A CN202110296596.4A CN202110296596A CN113219910A CN 113219910 A CN113219910 A CN 113219910A CN 202110296596 A CN202110296596 A CN 202110296596A CN 113219910 A CN113219910 A CN 113219910A
- Authority
- CN
- China
- Prior art keywords
- data
- diagnosis
- self
- production
- full
- 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 89
- 238000004092 self-diagnosis Methods 0.000 title claims abstract description 51
- 238000005457 optimization Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 88
- 230000008569 process Effects 0.000 claims abstract description 83
- 238000007405 data analysis Methods 0.000 claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims abstract description 32
- 230000007547 defect Effects 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims description 38
- 238000005096 rolling process Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 7
- 238000010183 spectrum analysis Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000013144 data compression Methods 0.000 claims description 3
- 238000011527 multiparameter analysis Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 2
- 229910052782 aluminium Inorganic materials 0.000 description 7
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000005097 cold rolling Methods 0.000 description 5
- 239000011888 foil Substances 0.000 description 4
- 238000005098 hot rolling Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 239000000956 alloy Substances 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011143 downstream manufacturing Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及的全流程的生产自诊断及优化系统，包括数据采集器、数据库、数据分析模块和自诊断与评估模块，数据库与数据采集器连接，数据分析模块、自诊断与评估模块和数据应用模块分别连接在数据库上，用于全流程生产中的工艺、质量和设备的监测和诊断优化，能够实现工艺缺陷快速自动识别，质量问题的追溯预警以及设备运行性能监控；扩展性好，可针对单个机组或几个机组进行生产自诊断及优化；能够适应智能制造时代生产的透明化、可控化要求，是未来数字化、智能化工厂建设的基础。
Description
技术领域
本发明涉及了加工流程管控系统领域，具体的是一种全流程的生产自诊断及优化系统。
背景技术
目前流程行业或离散行业不同控制系统及管理系统的数据分布在不同平台，如L1、L2和MES系统中，存储关系与逻辑差异较大，专业人员数据收集和整理工作占了整个数据分析工作的70％左右，工作量大，且效率低下，工艺失效、设备异常、质量追溯等问题查找都比较困难；造成了这些问题只有事后处理，没有事中控制，更没有事前预防；在生产过程中没有有效的控制手段，异常变化观察、波动规律寻找、异常现象判断及分析策略模式并未形成。同时生产中积累的大量过程参数、历史数据没有得到充分利用，没有用来发现其中的规律，未能持续的优化工艺并提高和稳定产品质量，造成数据资源的沉积和浪费。
另一方面，国内在流程行业特别是金属加工的全流程质量管控方面开展了一些工作，在一些企业已经实施了全流程质量管控系统，在质量改善方面取得了一定的效果。但由于这些全流程质量管控系统通常比较庞大，实施时间长、成本也较高，比如在数据采集方面需要连接到不同生产设备的底层PLC，采集后再对各数据变量进行对应、识别、时间和空间关系的整理，没有较好的利用现有已完成的数据采集源，以及已完成的采集工作；有时由于某些设备缺少如L2级系统的支撑，在数据关联索引方面存在不足，而导致新增L2级系统的成本投入；最后全流程质量系统主要偏向于工艺质量方面的诊断优化，对于设备方面还未涉及，由于工艺质量问题与设备紧密相关，这导致现有系统在分析问题时存在不足。
发明内容
为了克服现有技术中的至少缺陷，本发明实施例提供了一种全流程的生产自诊断及优化系统，结构简单，使用方便，能够用于全流程生产中的工艺、质量和设备的监测和诊断优化，能够实现工艺缺陷快速自动识别，质量问题的追溯预警以及设备运行性能监控。
本发明涉及的一种全流程的生产自诊断及优化系统，包括数据采集器、数据库、数据分析模块和自诊断与评估模块，所述数据库与所述数据采集器连接，所述数据分析模块、所述自诊断与评估模块和所述数据应用模块分别连接在所述数据库上，其中：
所述数据采集器用于与全流程设备或传感器的数据源进行连接，并实时读取、预处理、临时存储相应生产数据或检测数据；
所述数据库采用无损数据压缩算法，用于对实时产生的生产数据或检测数据按时间序列或事件信号进行处理、压缩并存储，同时提取数据特征量进行全流程数据的关联；
所述数据分析模块，用于针对全流程生产工艺的特点，对存储在所述数据库中的生产数据或实验数据进行分析；
所述自诊断与评估模块用于针对全流程各生产设备的特点，同时嵌入用户规则、过程性能优化引擎和频谱分析工具，通过样本学习和缺陷库的建立以及用户对参数或信号的预先设置，对工艺、质量与设备的动态监控、诊断、评估与预警。
进一步地，还包括数据应用模块，所述数据应用模块用于生产数据或检测数据进行报表展示、导出、分享。
进一步地，所述数据采集器包括IBAFILE接口、ADO/ODBC/JDBC接口、API接口、OPC接口，所述数据采集器支持以太网、RS232串口和Modbus通讯。
进一步地，所述数据采集器包括用于对数据进行缓存和预处理的轻型数据库，所述数据采集器还用于实时监测网络状态，在网络故障状态下按时间序列将数据缓存在轻型数据库中，并能在故障消除后进行缓存数据检测，以及新的数据继续读取。
进一步地，所述数据分析模块包括分析规则设置单元和过程数据分析引擎，所述分析规则设置单元与所述过程数据分析引擎信号连接，所述分析规则设置单元用于根据用户需求对过程数据分析引擎分析的数据类别进行选择、调整、新增或删除，所述数据分析引擎具有关键细节分析单元、群组多参数分析单元、SPC过程质量分析单元和特定功能分析单元。
进一步地，所述自诊断与评估模块具有频谱分析单元，所述频谱分析单元用于通过傅里叶变换对轧机设备动态和执行机构的故障进行快速分析。
进一步地，所述自诊断与评估模块具有评估规则设置单元和评估函数模型，所述自诊断与评估模块基于评估规则设置单元和评估函数模型，对各个质量环节的关键参数形成工艺规则库，并将工艺规则库形成机器语言，根据这些规则对生产过程的各个参数进行实时判异，并将判异结果显示在HMI画面上，对质量异常事件自动报警。
进一步地，所述自诊断与评估模块具有过程性能优化引擎，所述过程性能优化引擎用于根据生产率、成材率、设备开动率、能源消耗的基准进行分类，建立标准样本库。
进一步地，所述自诊断与评估模块具有机器学习模块，所述机器学习模块用于根据标准样本库中的数据计算获取最优参数，最优参数用于后续的生产设定。
进一步地，所述数据采集器具有可拆卸式连接的扩展模块，所述扩展模块用于扩充数据采集器连接的设备或传感器的数据源。
本发明的有益之处在于：本发明涉及的全流程的生产自诊断及优化系统，包括数据采集器、数据库、数据分析模块和自诊断与评估模块，数据库与数据采集器连接，数据分析模块、自诊断与评估模块和数据应用模块分别连接在数据库上，用于全流程生产中的工艺、质量和设备的监测和诊断优化，能够实现工艺缺陷快速自动识别，质量问题的追溯预警以及设备运行性能监控；扩展性好，可针对单个机组或几个机组进行生产自诊断及优化；能够适应智能制造时代生产的透明化、可控化要求，是未来数字化、智能化工厂建设的基础。
为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
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是本发明的整体结构示意图。
图2是本发明实施例中数据采集器的连接结构示意图。
图3是全流程物料信息追溯地图。
图4是数据分析模块的结构示意图。
图5是群组分析的效果示意图。
图6是数据分析模块对工序的分析效果示意图。
图7是自诊断与评估模块的内部结构示意图。
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。
参照图1，在本发明一较佳实施例中的本发明提供一种全流程的生产自诊断及优化系统在铝加工行业中的应用，如图1所示，包括数据采集器1、自诊断及优化数据库2、数据分析模块3、自诊断与评估模块4和数据应用模块5。
目前铝加工企业大部分设备的基础自动化控制采用西门子PLC系统，同时在主要的轧制设备上配置了IBA数据采集系统，因此针对这些生产设备的特点全流程的生产自诊断及优化系统主要采用一种数据采集器包括OPC接口和IBA FILE接口，并且数据采集器支持西门子S7协议，从而满足实现全流程不同生产设备或传感器现有的数据源连接获取生产数据的需要。
参照图2，在上述实施例中，全流程的生产自诊断及优化系统在铝加工的生产控制系统中的数据采集器除了通过数据记录单元采集L1级自动控制系统已经生成的实时数据信息(如IBAPDA)，还与L2级系统以及生产管理系统(MES)相连接，采取所需的统计数据和料卷信息，同时为MES系统提供每个铝卷关键工艺性能指标是否合格的参考，帮助MES系统判定是否继续下一道的加工工序。
在数据采集器从不同数据源如热轧、冷轧、箔轧、退火等采集获取数据后，还可以对数据进行边缘处理，包括信号的平滑滤波、数据的有效性验证、基本统计量处理(采集变量的最大、最小、平均、求和、计数等)、数据标识等，将明显异常数据剔除后实时写入存放在自诊断及优化数据库中。
参照图3，在铝生产过程中包括大量的颗粒度很小的实时数据，如厚度、轧制力、板形、凸度等，如果直接将这些实时数据存放在数据库中，会增加数据库存储负担，进而影响数据的处理与调用。数据库采用无损数据压缩算法，对实时数据按时间序列或事件信号进行处理、压缩并存储，同时提取数据特征量进行全流程数据的关联。铝加工全流程生产的特点包括生产工序的前后和连贯性、产品生产时间的先后、产品长度区间，以及产品在上下游工序生产时经常有几个相同特征量，比如产品订单号、合金号、熔次号、卷号、坯料规格、生产时间、设备编号等，数据库根据这些相同的特征量建立全流程生产数据的关联关系，方便了数据的检索与追溯。根据输入的铸坯号、卷号或者生产时间，查询该卷号的物料数据、上下游工序生产实绩数据、过程工艺参数、性能实绩以及缺陷数据等，能够全方位解析和追溯产品质量问题。构建了全流程物料信息追溯地图，可以根据时间、工序、卷号查询各个产品的物料谱系图以及各个工序的过程曲线参数。在工序统计信息筛选列表中，点击任何一个产品，则可在工艺流程查询显示该产品的物料谱系图，右侧显示选择工序下的所有过程变量，双击要查询的变量，则在中部显示过程曲线图，同时可灵活配置各个工序的主要关注变量，用于自动生成曲线数据。
参照图4，在上述实施例中，全流程的生产自诊断及优化系统包括数据分析模块，针对全流程生产工艺的特点，通过过程数据分析引擎，根据用户设置实现工艺、质量及设备数据的关键细节分析、群组多参数、SPC过程质量分析等。
数据分析模块提取数据库中记录的生产数据，进行生产过程的性能分析，包括生产率、质量数据、设备效能、能源介质、生产性能及客户定置化的分析，用户可通过数据分析模块的过程数据分析引擎进行设置，以实现个性化的分析需求。
在上述实施例中，过程数据分析引擎嵌入了关键细节分析单元和群组多参数单元、SPC过程质量单元、特定功能分析单元，所述关键细节分析单元主要针对产品出现问题时，在全流程范围内提供快速调阅问题产品的历史数据曲线，以及关联的当时生产工艺、设备状态信息供进一步协同分析。解决以往数据曲线分散在各设备，查阅困难，分析问题难的问题。
参照图5，在上述实施例中，群组多参数单元针对全流程范围内单工序、全工序或相同生产工序这三个角度开展，具体包括上述角度里进行单个或多个工艺参数、质量指标大范围时间跨度(半年或年度)的批量群组分析，展示工艺参数及质量指标的分布范围，从分布范围查找异常点，方便问题的快速查询。群组分析中针对某个工艺参数或质量指标可以通过上述关键细节分析功能查询到相应的生产曲线等信息。在冷轧机组某同合金同规格产品在批量生产中的平均轧制力群组数据，发现异常点，点击异常点可直接追溯到此轧制力所对应的卷生产数据。
在上述实施例中，SPC过程质量单元，主要针对一些工艺、质量、设备问题分析时所需的高级分析应用，比如全流程生产过程的工艺失效、工艺参数优化、质量波动、设备稳定性的控制图分析，查找异常变动、偶然变动的原因，协助全流程的生产优化。
在上述实施例中，特定功能分析，针对常用生产数据分析，包括生产率、成材率、设备开动率、能源消耗等方面的基准和根本原因分析。这些基准确定了当前生产和控制的性能水平，为进一步改进和提升提供帮助。比如针对几种轧制工序的横向厚差、轧制速度、板形、轧制力、张力等，针对热处理工序的温度、加热时间、保温时间等。
参照图6，针对所选料卷经历的热轧、冷轧、箔轧最后道次的轧制速度数据进行比较，数据分析模块可以自动计算出加速、稳态和减速情况下的轧制时间，从而分析生产效率以及速度异常的原因。
参照图7，在上述实施例中，全流程的生产自诊断及优化系统包括自诊断与评估模块，主要针对全流程各生产设备的特点，同时嵌入用户规则、过程性能优化引擎和频谱分析工具，通过样本学习和缺陷库的建立以及用户对参数或信号的预先设置，对工艺、质量与设备的动态监控、诊断、评估与预警。
基于用户规则的过程监控通过生产经验和评估函数模型，对各个质量环节的关键参数形成工艺规则库，并将工艺规则库形成机器语言，根据这些规则对生产过程的各个参数进行实时判异，并将判异结果显示在HMI画面上，对质量异常事件进行自动报警。
过程性能优化引擎，主要根据生产率、成材率、设备开动率、能源消耗等方面的基准进行分类，基准可按优、良好、一般、不合格来确定，建立工艺、设备和质量缺陷标准样本库，通过定制化模块或智能机器学习单元对标准样本库中的数据进行计算，从而计算出最优参数，并将最优参数用于后续的生产设定，使得机组的性能可以得到连续的改善。比如铝加工的最优参数中包含热轧、冷轧、箔轧的过程数据设定值(轧制力、弯辊力、辊缝、张力、速度、冷却液流量、浓度等)和人工操作的动作(穿带/收带时间、弯辊、最大轧速、一次加减速时间等)，通过不断调整这些参数，不断提高生产质量、生产效率或能耗比。
频谱分析工具中带有傅里叶转换专业工具，可针对轧机设备动态和执行机构的故障进行快速分析，如张力计、压力传感器、位置传感器等常用传感器的性能稳定性分析，以及轧机弹跳、轧辊偏心、辊缝频率响应、伺服阀漂移等设备性能分析。
全流程的生产自诊断及优化系统包括数据应用模块，用于全流程的生产数据、KPI的可视化展示、报表导出、数据分享等，可作为智能集控管理的输出展示。
全流程的生产自诊断及优化系统，具有可拆卸式连接在数据采集器上的扩展模块，能够根据需求通过在系统中进行机组或工序的增减配置，从而满足单个机组或多个机组进行生产自诊断及优化。若仅针对轧制工序如热轧、冷轧、箔轧工序，全流程的生产自诊断及优化系统可针对具体工序进行单独的自诊断及优化。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种全流程的生产自诊断及优化系统，其特征在于，包括数据采集器、数据库、数据分析模块和自诊断与评估模块，所述数据库与所述数据采集器连接，所述数据分析模块、所述自诊断与评估模块和所述数据应用模块分别连接在所述数据库上，其中：
所述数据采集器用于与全流程设备或传感器的数据源进行连接，并实时读取、预处理、临时存储相应生产数据或检测数据；
所述数据库采用无损数据压缩算法，用于对实时产生的生产数据或检测数据按时间序列或事件信号进行处理、压缩并存储，同时提取数据特征量进行全流程数据的关联；
所述数据分析模块，用于针对全流程生产工艺的特点，对存储在所述数据库中的生产数据或实验数据进行分析；
所述自诊断与评估模块用于针对全流程各生产设备的特点，同时嵌入用户规则、过程性能优化引擎和频谱分析工具，通过样本学习和缺陷库的建立以及用户对参数或信号的预先设置，对工艺、质量与设备的动态监控、诊断、评估与预警。
2.根据权利要求1所述的全流程的生产自诊断及优化系统，其特征在于，还包括数据应用模块，所述数据应用模块用于生产数据或检测数据进行报表展示、导出和分享。
3.根据权利要求1所述的全流程的生产自诊断及优化系统，其特征在于，所述数据采集器包括IBA FILE接口、ADO/ODBC/JDBC接口、API接口、OPC接口，所述数据采集器支持以太网、RS232串口和Modbus通讯。
4.根据权利要求1所述的全流程的生产自诊断及优化系统，其特征在于，所述数据采集器包括用于对数据进行缓存和预处理的轻型数据库，所述数据采集器还用于实时监测网络状态，在网络故障状态下按时间序列将数据缓存在轻型数据库中，并能在故障消除后进行缓存数据检测，以及新的数据继续读取。
5.根据权利要求1所述的全流程的生产自诊断及优化系统，其特征在于，所述数据分析模块包括分析规则设置单元和过程数据分析引擎，所述分析规则设置单元与所述过程数据分析引擎信号连接，所述分析规则设置单元用于根据用户需求对过程数据分析引擎分析的数据类别进行选择、调整、新增或删除，所述数据分析引擎具有关键细节分析单元、群组多参数分析单元、SPC过程质量分析单元和特定功能分析单元。
6.根据权利要求1所述的全流程的生产自诊断及优化系统，其特征在于，所述自诊断与评估模块具有频谱分析单元，所述频谱分析单元用于通过傅里叶变换对轧机设备动态和执行机构的故障进行快速分析。
7.根据权利要求1所述的全流程的生产自诊断及优化系统，其特征在于，所述自诊断与评估模块具有评估规则设置单元和评估函数模型，所述自诊断与评估模块基于评估规则设置单元和评估函数模型，对各个质量环节的关键参数形成工艺规则库，并将工艺规则库形成机器语言，根据这些规则对生产过程的各个参数进行实时判异，并将判异结果显示在HMI画面上，对质量异常事件自动报警。
8.根据权利要求1所述的全流程的生产自诊断及优化系统，其特征在于，所述自诊断与评估模块具有过程性能优化引擎，所述过程性能优化引擎用于根据生产率、成材率、设备开动率、能源消耗的基准进行分类，建立标准样本库。
9.根据权利要求8所述的全流程的生产自诊断及优化系统，其特征在于，所述自诊断与评估模块具有机器学习模块，所述机器学习模块用于根据标准样本库中的数据计算获取最优参数，最优参数用于后续的生产设定。
10.根据权利要求1所述的全流程的生产自诊断及优化系统，其特征在于，所述数据采集器具有可拆卸式连接的扩展模块，所述扩展模块用于扩充数据采集器连接的设备或传感器的数据源。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110296596.4A CN113219910A (zh) | 2021-03-19 | 2021-03-19 | 一种全流程的生产自诊断及优化系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110296596.4A CN113219910A (zh) | 2021-03-19 | 2021-03-19 | 一种全流程的生产自诊断及优化系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113219910A true CN113219910A (zh) | 2021-08-06 |
Family
ID=77084004
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110296596.4A Pending CN113219910A (zh) | 2021-03-19 | 2021-03-19 | 一种全流程的生产自诊断及优化系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113219910A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113962507A (zh) * | 2021-09-03 | 2022-01-21 | 浙江中控技术股份有限公司 | 一种基于spc的智能便捷全行业数据分析系统及方法 |
| CN114238701A (zh) * | 2021-12-23 | 2022-03-25 | 四川启睿克科技有限公司 | 一种在大数据基础上实现spc分析与apc优化的方法 |
| CN114626574A (zh) * | 2022-01-28 | 2022-06-14 | 深圳市双合电气股份有限公司 | 一种基于多元数据融合的工业生产优化方法与系统 |
| CN114662208A (zh) * | 2022-05-19 | 2022-06-24 | 安徽智享云科技有限公司 | 一种基于Bim技术的施工可视化系统及方法 |
| CN114819575A (zh) * | 2022-04-18 | 2022-07-29 | 中国兵器装备集团自动化研究所有限公司 | 一种多时间尺度数据融合的质量分析与优化方法及系统 |
| CN116048027A (zh) * | 2023-02-21 | 2023-05-02 | 蔚来软件科技(上海)有限公司 | 基于统计过程控制的生产监控系统、方法及相关设备 |
| CN116128102A (zh) * | 2022-12-09 | 2023-05-16 | 常熟中佳新材料有限公司 | 一种制冷设备用异形铜管生产优化方法及系统 |
| CN116718759A (zh) * | 2023-06-30 | 2023-09-08 | 黄山豪泰塑胶有限公司 | 一种pvc地板膜表面缺陷检测反馈系统 |
| CN116846161A (zh) * | 2023-07-04 | 2023-10-03 | 湖南贝特新能源科技有限公司 | 一种电机定子生产系统 |
| WO2023218619A1 (ja) * | 2022-05-12 | 2023-11-16 | 東芝三菱電機産業システム株式会社 | 圧延生産性向上支援装置 |
| CN118863907A (zh) * | 2024-06-27 | 2024-10-29 | 荆门弘毅电子科技有限公司 | 一种基于人工智能的工序单品追溯系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101807265A (zh) * | 2008-09-30 | 2010-08-18 | 洛克威尔自动控制技术股份有限公司 | 机器选择、集成和使用的动态多目标优化的系统和方法 |
| CN205384498U (zh) * | 2016-03-01 | 2016-07-13 | 深圳制云科技有限公司 | Plc数据采集器 |
| CN107042234A (zh) * | 2017-03-15 | 2017-08-15 | 中冶华天工程技术有限公司 | 基于棒材全流程大数据采集的智能化工艺生产线及生产方法 |
| CN107491044A (zh) * | 2016-06-09 | 2017-12-19 | 罗克韦尔自动化技术公司 | 用于自动控制系统的可扩展分析架构 |
| WO2020245374A1 (en) * | 2019-06-05 | 2020-12-10 | Abb Power Grids Switzerland Ag | Method and device for facilitating storage of data from an industrial automation control system or power system |
| CN112329953A (zh) * | 2020-10-29 | 2021-02-05 | 中冶南方（武汉）热工有限公司 | 一种工业炉全流程智能诊断和优化运行系统 |
-
2021
- 2021-03-19 CN CN202110296596.4A patent/CN113219910A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101807265A (zh) * | 2008-09-30 | 2010-08-18 | 洛克威尔自动控制技术股份有限公司 | 机器选择、集成和使用的动态多目标优化的系统和方法 |
| CN205384498U (zh) * | 2016-03-01 | 2016-07-13 | 深圳制云科技有限公司 | Plc数据采集器 |
| CN107491044A (zh) * | 2016-06-09 | 2017-12-19 | 罗克韦尔自动化技术公司 | 用于自动控制系统的可扩展分析架构 |
| CN107042234A (zh) * | 2017-03-15 | 2017-08-15 | 中冶华天工程技术有限公司 | 基于棒材全流程大数据采集的智能化工艺生产线及生产方法 |
| WO2020245374A1 (en) * | 2019-06-05 | 2020-12-10 | Abb Power Grids Switzerland Ag | Method and device for facilitating storage of data from an industrial automation control system or power system |
| CN112329953A (zh) * | 2020-10-29 | 2021-02-05 | 中冶南方（武汉）热工有限公司 | 一种工业炉全流程智能诊断和优化运行系统 |
Non-Patent Citations (2)
| Title |
|---|
| 卢锐等: "轧机工况在线监测装置的开发与应用", 《山东冶金》 * |
| 岳临萍等: "济钢中厚板厂粗轧机工况在线监测系统的应用实践", 《冶金自动化》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113962507A (zh) * | 2021-09-03 | 2022-01-21 | 浙江中控技术股份有限公司 | 一种基于spc的智能便捷全行业数据分析系统及方法 |
| CN114238701A (zh) * | 2021-12-23 | 2022-03-25 | 四川启睿克科技有限公司 | 一种在大数据基础上实现spc分析与apc优化的方法 |
| CN114626574A (zh) * | 2022-01-28 | 2022-06-14 | 深圳市双合电气股份有限公司 | 一种基于多元数据融合的工业生产优化方法与系统 |
| CN114819575A (zh) * | 2022-04-18 | 2022-07-29 | 中国兵器装备集团自动化研究所有限公司 | 一种多时间尺度数据融合的质量分析与优化方法及系统 |
| WO2023218619A1 (ja) * | 2022-05-12 | 2023-11-16 | 東芝三菱電機産業システム株式会社 | 圧延生産性向上支援装置 |
| JP7509321B2 (ja) | 2022-05-12 | 2024-07-02 | 株式会社Tmeic | 圧延生産性向上支援装置 |
| CN114662208A (zh) * | 2022-05-19 | 2022-06-24 | 安徽智享云科技有限公司 | 一种基于Bim技术的施工可视化系统及方法 |
| CN114662208B (zh) * | 2022-05-19 | 2022-08-05 | 安徽智享云科技有限公司 | 一种基于Bim技术的施工可视化系统及方法 |
| CN116128102A (zh) * | 2022-12-09 | 2023-05-16 | 常熟中佳新材料有限公司 | 一种制冷设备用异形铜管生产优化方法及系统 |
| CN116128102B (zh) * | 2022-12-09 | 2024-01-23 | 常熟中佳新材料有限公司 | 一种制冷设备用异形铜管生产优化方法及系统 |
| CN116048027A (zh) * | 2023-02-21 | 2023-05-02 | 蔚来软件科技(上海)有限公司 | 基于统计过程控制的生产监控系统、方法及相关设备 |
| CN116718759A (zh) * | 2023-06-30 | 2023-09-08 | 黄山豪泰塑胶有限公司 | 一种pvc地板膜表面缺陷检测反馈系统 |
| CN116846161A (zh) * | 2023-07-04 | 2023-10-03 | 湖南贝特新能源科技有限公司 | 一种电机定子生产系统 |
| CN118863907A (zh) * | 2024-06-27 | 2024-10-29 | 荆门弘毅电子科技有限公司 | 一种基于人工智能的工序单品追溯系统 |
| CN118863907B (zh) * | 2024-06-27 | 2025-09-12 | 荆门弘毅电子科技有限公司 | 一种基于人工智能的工序单品追溯系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113219910A (zh) | 一种全流程的生产自诊断及优化系统 | |
| CN109711659B (zh) | 一种工业生产的良率提升管理系统和方法 | |
| Seem | Using intelligent data analysis to detect abnormal energy consumption in buildings | |
| CN104360677B (zh) | 一种卷烟加工过程质量评价与诊断方法 | |
| CN118396252B (zh) | 基于云计算的mes客户端数据分析优化方法 | |
| CN108038553A (zh) | 轧机设备状态在线监测与诊断系统及监测诊断方法 | |
| CN113111053A (zh) | 一种基于大数据的线损诊断与反窃电系统、方法及模型 | |
| CN112529320A (zh) | 空压机集群智能诊断系统 | |
| CN118132996B (zh) | 一种基于工业数字孪生的自适应生产调度优化方法 | |
| CN116914917A (zh) | 一种基于大数据的配电柜运行状态监测管理系统 | |
| CN118536048A (zh) | 开关柜绝缘状态监测管理系统 | |
| CN110334957A (zh) | 生产工艺质量信息化管理方法、系统、设备及存储介质 | |
| CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
| CN109741927A (zh) | 微型变压器生产线的设备故障和潜在不良品智能预测系统 | |
| CN117993613A (zh) | 针对数字化工厂运行数据的人工智能分析方法及系统 | |
| CN115115213A (zh) | 一种钢铁产品质量特性的追溯分析方法及装置 | |
| CN117057644A (zh) | 一种基于特性匹配的设备生产质量检测方法及系统 | |
| CN111159487A (zh) | 一种汽车发动机主轴预测性维护智能系统 | |
| CN120180373A (zh) | 基于人工智能的电气设备智能故障预警分析系统及方法 | |
| CN119047695B (zh) | 基于光学特性的透镜生产质量管理系统 | |
| CN109375604A (zh) | 一种实时质量预警及控制系统和方法 | |
| CN113837544A (zh) | 基板玻璃生产质量管控装置、方法及处理器 | |
| CN118674297A (zh) | 一种用于炼钢过程影响质量数据的分析方法 | |
| CN212623707U (zh) | 一种兆候设备管理系统 | |
| CN111913431A (zh) | 一种兆候管理设备、控制方法、控制系统及可读存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210806 |
|
| RJ01 | Rejection of invention patent application after publication |