CN112000858B - 一种车间数据异常识别的方法 - Google Patents
一种车间数据异常识别的方法 Download PDFInfo
- Publication number
- CN112000858B CN112000858B CN202010824923.4A CN202010824923A CN112000858B CN 112000858 B CN112000858 B CN 112000858B CN 202010824923 A CN202010824923 A CN 202010824923A CN 112000858 B CN112000858 B CN 112000858B
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- interval
- strategy
- judging
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000012544 monitoring process Methods 0.000 claims abstract description 237
- 238000012545 processing Methods 0.000 claims abstract description 76
- 230000005856 abnormality Effects 0.000 claims abstract description 37
- 238000012986 modification Methods 0.000 claims description 93
- 230000004048 modification Effects 0.000 claims description 93
- 238000004512 die casting Methods 0.000 claims description 42
- 230000002159 abnormal effect Effects 0.000 claims description 41
- 238000004080 punching Methods 0.000 claims description 34
- 238000005498 polishing Methods 0.000 claims description 21
- 238000006073 displacement reaction Methods 0.000 claims description 16
- 238000007517 polishing process Methods 0.000 claims description 10
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D17/00—Pressure die casting or injection die casting, i.e. casting in which the metal is forced into a mould under high pressure
- B22D17/20—Accessories: Details
- B22D17/32—Controlling equipment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Mechanical Engineering (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及车间数据监测技术领域,公开了一种车间数据异常识别的方法,提供一种数据识别***,该数据识别***包括:监测端、接收端、特征数据库、第一数据库、第二数据库、第三数据库以及处理端,该方法包括如下步骤:步骤S1,监测端生成第一监测数据;步骤S2,处理端接收第一监测数据,并从特征数据库中筛选与该特征标识对应的运行数据来源;步骤S3,数据判断模块筛选对应的第一基准数据区间;步骤S4,数据判断模块中的第一数据判断策略判断第一监测数据是否落入第一基准数据区间内,当第一监测数据落入第一基准数据区间时,输出第一数据正常的识别结果;当第一监测数据未落入第一基准数据区间时,输出第一数据异常的识别结果。
Description
技术领域
本发明涉及车间数据监测技术领域,尤其涉及一种车间数据异常识别的方法。
背景技术
在工业或者产品的生产装配中,除了会使用到标准零部件外,还会使用到非标准零部件。非标准件主要是指国家没有定出严格的标准规格,没有相关的参数规定,由企业自由控制的其他配件。
现有的工厂在生产非标准五金件通常都是在加工车间内通过自动化流水线进行加工,其加工工序主要包括压铸、冲孔、打磨等。压铸工序中的加工设备主要包括压铸机,在压铸工序中还包括用于监测压铸机运行过程中的第一电流数据的第一电流监测装置、以及用于监测第一电压数据的和的第一电压监测装置,并在压铸机的行程杆上安装有用于采集位移数据的位移传感器,在压铸机的压射活塞杆上安装有用于采集压力数据的压力传感器;
冲孔工序中的加工设备主要包括冲孔机,在冲孔工序中还包括监测冲孔机运行过程中的第二电流数据和第二电压数据的第二监测模块,并在冲孔机的冲头上安装有温度传感器和速度传感器,温度传感器用于采集温度数据,速度传感器用于采集冲头下冲时的速度数据;
打磨工序中的加工设备主要包括打磨机,在打磨工序中还包括监测打磨机运行过程中的第三电流数据和第三电压数据的第三监测模块,并在打磨机的打磨盘上安装有转速传感器以及振动传感器,转速传感器用于采集打磨盘的转速数据,振动传感器用于采集打磨盘的振动频率数据。
为了确保产品在车间加工过程中的加工质量,这些数据会实时上传至监控***,监控***通过关联的显示器将这些数据展现在监测人员面前,由监测人员对数据进行监测并判断数据是否异常;这种方式较为繁琐并且费时。
发明内容
本发明意在提供一种车间数据异常识别的方法,以克服上述背景技术中提出的问题。
为达到上述目的,本发明的基本方案如下:一种车间数据异常识别的方法,提供一种数据识别***,所述数据识别***包括:
监测端,配置有多个监测单元,所述监测单元用于分别监测车间内的压铸工序、冲孔工序以及打磨工序中的加工设备的运行数据并生成监测数据,监测数据包括第一监控数据、第二监控数据以及第三监控数据,第一监控数据包括与压铸工序对应的第一电流数据、第一电压数据、位移数据以及压力数据;第二监控数据包括与冲孔工序对应的第二电流数据、第二电压数据、温度数据以及速度数据;第三监控数据包括与打磨工序对应的第三电流数据、第三电压数据、转速数据以及振动频率数据;每一监测数据分别携带有特征标识;
接收端,用于接收来自监测端的监测数据;
特征数据库,所述特征数据库包括加工设备以及加工设备的运行数据对应的特征标识,每一监测数据携带的特征标识对应一个加工设备的运行数据来源;
第一数据库,所述第一数据库包括压铸工序中的加工设备以及加工设备的运行数据对应的第一基准数据区间,所述第一基准数据区间包括第一电流数据区间、第一电压数据区间、位移数据区间以及压力数据区间;
第二数据库,所述第二数据库包括冲孔工序中的加工设备以及加工设备的运行数据对应的第二基准数据区间,所述第二基准数据区间包括第二电流数据区间、第二电压数据区间、温度数据区间以及速度数据区间;
第三数据库,所述第三数据库包括打磨工序中的加工设备以及加工设备的运行数据对应的第三基准数据区间,所述第三基准数据区间包括第三电流数据区间、第三电压数据区间、转速数据区间以及振动频率数据区间;
处理端,连接于特征数据库、第一数据库、第二数据库以及第三数据库,并配置有分类模块以及数据判断模块,所述分类模块用于识别监测数据对应的加工设备的运行数据来源,所述数据判断模块配置有第一数据判断策略、第二数据判断策略以及第三数据判断策略,所述第一数据判断策略用于判断压铸工序中的加工设备的各个监测数据是否异常,所述第二数据判断策略用于判断冲孔工序中的加工设备的监测数据是否异常,所述第三数据判断策略用于判断打磨工序中的各个加工设备的监测数据是否异常;
包括如下步骤:
步骤S1,监测端的监测单元监测压铸工序中的压铸机的运行数据并生成第一监测数据,并将第一监测数据发送至接收端,接收端将第一监测数据反馈至处理端;
步骤S2,处理端接收到第一监测数据,分类模块根据第一监测数据上携带的特征标识,从特征数据库中筛选与该特征标识对应的压铸机的运行数据来源;
步骤S3,数据判断模块根据压铸机的运行数据来源从第一数据库中筛选对应的第一基准数据区间;
步骤S4,数据判断模块中的第一数据判断策略判断第一监测数据是否落入第一基准数据区间内,当第一监测数据落入第一基准数据区间时,输出第一数据正常的识别结果;当第一监测数据未落入第一基准数据区间时,输出第一数据异常的识别结果。
进一步地,所述第一数据判断策略还包括第一数据判断子策略,所述第一数据判断子策略包括第一判断阈值和第二判断阈值,且第一判断阈值小于第一基准数据区间的最小值,且第二判断阈值大于第一基准数据区间的最大值。
进一步地,还包括步骤S4-1,当输出数据异常的识别结果时,所述第一数据判断子策略判断第一监测数据是否落入第一判断阈值和第一基准数据区间的最小值之间的形成的区间内,当第一监测数据落入该区间时,输出数据低风险异常的识别结果;当第一监测数据未落入该区间时,输出数据高风险异常的识别结果。
进一步地,还包括步骤S4-2,当输出数据异常的识别结果时,所述第一数据判断子策略判断第一监测数据是否落入第二判断阈值和第一基准数据区间的最大值之间的形成的区间内,当第一监测数据落入该区间时,输出数据低风险异常的识别结果;当第一监测数据未落入该区间时,输出数据高风险异常的识别结果。
进一步地,所述处理端还包括数据区间修改模块,所述数据区间修改模块配置第一修改策略和第二修改策略,当第一数据判断策略输出第一监测数据中的位移数据异常时,修改模块根据预设的第一修改策略修改第二基准数据区间中的速度数据区间,并生成速度修改数据区间;当第一数据判断策略输出第一监测数据中的压力数据异常时,修改模块根据预设的第二修改策略修改第二基准数据区间中的温度数据区间,并生成温度修改数据区间。
进一步地,还包括步骤S5-1,监测端的监测单元监测冲孔工序中的冲孔机的运行数据并生成第二监测数据,并将第二监测数据发送至接收端,接收端将第二监测数据反馈至处理端;
步骤S5-2,处理端接收到第二监测数据,分类模块根据第二监测数据上携带的特征标识,从特征数据库中筛选与该特征标识对应的冲孔机的运行数据来源;
步骤S5-3,数据判断模块根据压铸机的运行数据来源从第二数据库中筛选对应的第二基准数据区间;
步骤S5-4-1,当第一数据判断策略输出第一监测数据正常时,第二数据判断策略判断第二监测数据是否落入第二基准数据区间内,当第二监测数据落入第二基准数据区间时,输出第二数据正常的识别结果;当第二监测数据未落入第二基准数据区间时,输出第二数据异常的识别结果;
步骤S5-4-2,当第一数据判断策略输出第一监测数据中的位移数据异常时,第二数据判断策略判断第二监测数据中的速度数据是否落入速度修改数据区间内,当速度数据落入速度修改数据区间时,输出速度数据正常的识别结果;当速度数据未落入速度修改数据区间时,输出速度数据异常的识别结果;
步骤S5-4-3,当第一数据判断策略输出第一监测数据中的压力数据异常时,第二数据判断策略判断第二监测数据中的温度数据是否落入温度修改数据区间内,当温度数据落入温度修改数据区间时,输出温度数据正常的识别结果;当温度数据未落入温度修改数据区间时,输出温度数据异常的识别结果。
进一步地,所述数据区间修改模块配置第三修改策略和第四修改策略,当第二数据判断策略输出第二监测数据中的速度数据异常时,修改模块根据预设的第三修改策略修改第三基准数据区间中的振动频率数据区间,并生成振动频率修改数据区间;当第二数据判断策略输出第二监测数据中的温度数据异常时,修改模块根据预设的第四修改策略修改第三基准数据区间中的转速数据区间,并生成转速修改数据区间。
进一步地,还包括步骤S6-1,监测端的监测单元监测打磨工序中的打磨机的运行数据并生成第三监测数据,并将第三监测数据发送至接收端,接收端将第三监测数据反馈至处理端;
步骤S6-2,处理端接收到第三监测数据,分类模块根据第三监测数据上携带的特征标识,从特征数据库中筛选与该特征标识对应的打磨机的运行数据来源;
步骤S6-3,数据判断模块根据打磨机的运行数据来源从第三数据库中筛选对应的第三基准数据区间;
步骤S6-4-1,当第二数据判断策略输出第二监测数据正常时,第三数据判断策略判断第三监测数据是否落入第三基准数据区间内,当第三监测数据落入第三基准数据区间时,输出第三数据正常的识别结果;当第三监测数据未落入第三基准数据区间时,输出第三数据异常的识别结果;
步骤S6-4-2,当第二数据判断策略输出第二监测数据中的速度数据异常时,第三数据判断策略判断第三监测数据中的振动频率数据是否落入振动频率修改数据区间内,当振动频率数据落入振动频率修改数据区间时,输出振动频率数据正常的识别结果;当振动频率数据未落入振动频率修改数据区间时,输出振动频率数据异常的识别结果;
步骤S6-4-3,当第二数据判断策略输出第二监测数据中的温度数据异常时,第三数据判断策略判断第三监测数据中的转速数据是否落入转速修改数据区间内,当转速数据落入转速修改数据区间时,输出转速数据正常的识别结果;当转速数据未落入转速修改数据区间时,输出转速数据异常的识别结果。
进一步地,所述压铸工序中的压铸机的各个监测数据对应的第一基准数据区间不同。
进一步地,每一不同第一监测数据对应的第一判断阈值和第二判断阈值均不同。
与现有技术相比本方案的有益效果是:
1、监测端配置的多个监测单元可以分别监测加工车间内的压铸工序、冲孔工序以及打磨工序中的加工设备的运行数据并生成监测数据;处理端的分类模块根据监测数据上携带的特征标识,筛选出对应的基准数据区间,实现每一监测数据都对应有基准数据区间,提高数据判断地准确性。
2、第一数据匹配子策略包括第一匹配阈值和第二匹配阈值,根据第一匹配阈值和第二匹配阈值,将异常数据进行二次匹配,从而确定数据的异常级别,当输出数据高风险异常的识别结果时,可以由人工介入以及时处理工作状态异常的加工设备。
3、在冲孔工序的数据识别过程中,当压铸工序中的位移数据异常时,表明压铸机的行程杆的位移出现偏差,为使冲孔工序中的冲头的下冲时,保证冲头对五金件的受力均匀,因此冲头的下冲时的速度数据对应的速度数据区间需要进行调整,通过修改模块的第一修改策略对速度数据区间进行修改;当压铸工序中的压力数据异常时,表明压铸机的压射活塞杆上输出压力出现偏差,为使冲孔工序中的冲头冲孔时与五金件的受热温度一致,因此冲头的下冲时的温度数据对应的温度数据区间需要进行调整,通过修改模块的第二修改策略对温度数据区间进行修改。
4、在打磨工序的数据识别过程中,当冲孔工序中的冲头的速度数据异常时,表明冲孔机的冲头的下冲速度出现偏差,为使打磨工序中的打磨盘对五金件的打磨时产生的相互作用力均匀,因此打磨盘的振动频率数据区间需要进行调整,通过修改模块的第三修改策略对振动频率数据区间进行修改;当冲孔工序中的冲头的温度数据异常时,使打磨工序中的打磨盘对五金件打磨精度保持一致,因此打磨盘的转速数据对应的转速数据区间需要进行调整,通过修改模块的第四修改策略对转速数据区间进行修改。
附图说明
图1为本发明S1-S4步骤的流程示意图;
图2为本发明S4-1和S4-2步骤的流程示意图;
图3为本发明S5-1至S5-4-3步骤的流程示意图;
图4为本发明S6-1至S6-4-3步骤的流程示意图。
具体实施方式
下面结合说明书附图,并通过具体实施方式对本发明作进一步详细的说明:
实施例:
一种车间数据异常识别的方法,提供一种数据识别***,数据识别***包括:
监测端,配置有多个监测单元,监测单元用于分别监测车间内的压铸工序、冲孔工序以及打磨工序中的加工设备的运行数据并生成监测数据,监测数据包括第一监控数据、第二监控数据以及第三监控数据,第一监控数据包括与压铸工序对应的第一电流数据、第一电压数据、位移数据以及压力数据;第二监控数据包括与冲孔工序对应的第二电流数据、第二电压数据、温度数据以及速度数据;第三监控数据包括与打磨工序对应的第三电流数据、第三电压数据、转速数据以及振动频率数据;每一监测数据分别携带有特征标识;
接收端,用于接收来自监测端的监测数据;
特征数据库,特征数据库包括加工设备以及加工设备的运行数据对应的特征标识,每一监测数据携带的特征标识对应一个加工设备的运行数据来源;
第一数据库,第一数据库包括压铸工序中的加工设备以及加工设备的运行数据对应的第一基准数据区间,第一基准数据区间包括第一电流数据区间、第一电压数据区间、位移数据区间以及压力数据区间;
第二数据库,第二数据库包括冲孔工序中的加工设备以及加工设备的运行数据对应的第二基准数据区间,第二基准数据区间包括第二电流数据区间、第二电压数据区间、温度数据区间以及速度数据区间;
第三数据库,第三数据库包括打磨工序中的加工设备以及加工设备的运行数据对应的第三基准数据区间,第三基准数据区间包括第三电流数据区间、第三电压数据区间、转速数据区间以及振动频率数据区间;
处理端,连接于特征数据库、第一数据库、第二数据库以及第三数据库,并配置有分类模块以及数据判断模块,分类模块用于识别监测数据对应的加工设备的运行数据来源,数据判断模块配置有第一数据判断策略、第二数据判断策略以及第三数据判断策略,第一数据判断策略用于判断压铸工序中的加工设备的各个监测数据是否异常,第一数据判断策略还包括第一数据判断子策略,第一数据判断子策略包括第一判断阈值和第二判断阈值,且第一判断阈值小于第一基准数据区间的最小值,且第二判断阈值大于第一基准数据区间的最大值;第二数据判断策略用于判断冲孔工序中的加工设备的监测数据是否异常,第三数据判断策略用于判断打磨工序中的各个加工设备的监测数据是否异常;
处理端还包括数据区间修改模块,数据区间修改模块配置第一修改策略和第二修改策略,当第一数据判断策略输出第一监测数据中的位移数据异常时,修改模块根据预设的第一修改策略修改第二基准数据区间中的速度数据区间,并生成速度修改数据区间;当第一数据判断策略输出第一监测数据中的压力数据异常时,修改模块根据预设的第二修改策略修改第二基准数据区间中的温度数据区间,并生成温度修改数据区间;
数据区间修改模块配置第三修改策略和第四修改策略,当第二数据判断策略输出第二监测数据中的速度数据异常时,修改模块根据预设的第三修改策略修改第三基准数据区间中的振动频率数据区间,并生成振动频率修改数据区间;当第二数据判断策略输出第二监测数据中的温度数据异常时,修改模块根据预设的第四修改策略修改第三基准数据区间中的转速数据区间,并生成转速修改数据区间。
如图1所示,包括如下步骤:
步骤S1,监测端的监测单元监测压铸工序中的压铸机的运行数据并生成第一监测数据,并将第一监测数据发送至接收端,接收端将第一监测数据反馈至处理端;
步骤S2,处理端接收到第一监测数据,分类模块根据第一监测数据上携带的特征标识,从特征数据库中筛选与该特征标识对应的压铸机的运行数据来源;
步骤S3,数据判断模块根据压铸机的运行数据来源从第一数据库中筛选对应的第一基准数据区间;
步骤S4,数据判断模块中的第一数据判断策略判断第一监测数据是否落入第一基准数据区间内,当第一监测数据落入第一基准数据区间时,输出第一数据正常的识别结果;当第一监测数据未落入第一基准数据区间时,输出第一数据异常的识别结果。
如图2所示,步骤S4-1,当输出数据异常的识别结果时,第一数据判断子策略判断第一监测数据是否落入第一判断阈值和第一基准数据区间的最小值之间的形成的区间内,当第一监测数据落入该区间时,输出数据低风险异常的识别结果;当第一监测数据未落入该区间时,输出数据高风险异常的识别结果。
步骤S4-2,当输出数据异常的识别结果时,第一数据判断子策略判断第一监测数据是否落入第二判断阈值和第一基准数据区间的最大值之间的形成的区间内,当第一监测数据落入该区间时,输出数据低风险异常的识别结果;当第一监测数据未落入该区间时,输出数据高风险异常的识别结果。
如图3所示,还包括步骤S5-1,监测端的监测单元监测冲孔工序中的冲孔机的运行数据并生成第二监测数据,并将第二监测数据发送至接收端,接收端将第二监测数据反馈至处理端;
步骤S5-2,处理端接收到第二监测数据,分类模块根据第二监测数据上携带的特征标识,从特征数据库中筛选与该特征标识对应的冲孔机的运行数据来源;
步骤S5-3,数据判断模块根据压铸机的运行数据来源从第二数据库中筛选对应的第二基准数据区间;
步骤S5-4-1,当第一数据判断策略输出第一监测数据正常时,第二数据判断策略判断第二监测数据是否落入第二基准数据区间内,当第二监测数据落入第二基准数据区间时,输出第二数据正常的识别结果;当第二监测数据未落入第二基准数据区间时,输出第二数据异常的识别结果;
步骤S5-4-2,当第一数据判断策略输出第一监测数据中的位移数据异常时,第二数据判断策略判断第二监测数据中的速度数据是否落入速度修改数据区间内,当速度数据落入速度修改数据区间时,输出速度数据正常的识别结果;当速度数据未落入速度修改数据区间时,输出速度数据异常的识别结果;
步骤S5-4-3,当第一数据判断策略输出第一监测数据中的压力数据异常时,第二数据判断策略判断第二监测数据中的温度数据是否落入温度修改数据区间内,当温度数据落入温度修改数据区间时,输出温度数据正常的识别结果;当温度数据未落入温度修改数据区间时,输出温度数据异常的识别结果。
如图4所示,还包括步骤S6-1,监测端的监测单元监测打磨工序中的打磨机的运行数据并生成第三监测数据,并将第三监测数据发送至接收端,接收端将第三监测数据反馈至处理端;
步骤S6-2,处理端接收到第三监测数据,分类模块根据第三监测数据上携带的特征标识,从特征数据库中筛选与该特征标识对应的打磨机的运行数据来源;
步骤S6-3,数据判断模块根据打磨机的运行数据来源从第三数据库中筛选对应的第三基准数据区间;
步骤S6-4-1,当第二数据判断策略输出第二监测数据正常时,第三数据判断策略判断第三监测数据是否落入第三基准数据区间内,当第三监测数据落入第三基准数据区间时,输出第三数据正常的识别结果;当第三监测数据未落入第三基准数据区间时,输出第三数据异常的识别结果;
步骤S6-4-2,当第二数据判断策略输出第二监测数据中的速度数据异常时,第三数据判断策略判断第三监测数据中的振动频率数据是否落入振动频率修改数据区间内,当振动频率数据落入振动频率修改数据区间时,输出振动频率数据正常的识别结果;当振动频率数据未落入振动频率修改数据区间时,输出振动频率数据异常的识别结果;
步骤S6-4-3,当第二数据判断策略输出第二监测数据中的温度数据异常时,第三数据判断策略判断第三监测数据中的转速数据是否落入转速修改数据区间内,当转速数据落入转速修改数据区间时,输出转速数据正常的识别结果;当转速数据未落入转速修改数据区间时,输出转速数据异常的识别结果。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (8)
1.一种车间数据异常识别的方法,提供一种数据识别***,所述数据识别***包括:
监测端,配置有多个监测单元,所述监测单元用于分别监测车间内的压铸工序、冲孔工序以及打磨工序中的加工设备的运行数据并生成监测数据,监测数据包括第一监测数据、第二监测数据以及第三监测数据,第一监测数据包括与压铸工序对应的第一电流数据、第一电压数据、位移数据以及压力数据;第二监测数据包括与冲孔工序对应的第二电流数据、第二电压数据、温度数据以及速度数据;第三监测数据包括与打磨工序对应的第三电流数据、第三电压数据、转速数据以及振动频率数据;每一监测数据分别携带有特征标识;
接收端,用于接收来自监测端的监测数据;
特征数据库,所述特征数据库包括加工设备以及加工设备的运行数据对应的特征标识,每一监测数据携带的特征标识对应一个加工设备的运行数据来源;
第一数据库,所述第一数据库包括压铸工序中的加工设备以及加工设备的运行数据对应的第一基准数据区间,所述第一基准数据区间包括第一电流数据区间、第一电压数据区间、位移数据区间以及压力数据区间;
第二数据库,所述第二数据库包括冲孔工序中的加工设备以及加工设备的运行数据对应的第二基准数据区间,所述第二基准数据区间包括第二电流数据区间、第二电压数据区间、温度数据区间以及速度数据区间;
第三数据库,所述第三数据库包括打磨工序中的加工设备以及加工设备的运行数据对应的第三基准数据区间,所述第三基准数据区间包括第三电流数据区间、第三电压数据区间、转速数据区间以及振动频率数据区间;
处理端,连接于特征数据库、第一数据库、第二数据库以及第三数据库,并配置有分类模块以及数据判断模块,所述分类模块用于识别监测数据对应的加工设备的运行数据来源,所述数据判断模块配置有第一数据判断策略、第二数据判断策略以及第三数据判断策略,所述第一数据判断策略用于判断压铸工序中的加工设备的各个监测数据是否异常,所述第二数据判断策略用于判断冲孔工序中的加工设备的监测数据是否异常,所述第三数据判断策略用于判断打磨工序中的各个加工设备的监测数据是否异常;
其特征在于:包括如下步骤:
步骤S1,监测端的监测单元监测压铸工序中的压铸机的运行数据并生成第一监测数据,并将第一监测数据发送至接收端,接收端将第一监测数据反馈至处理端;
步骤S2,处理端接收到第一监测数据,分类模块根据第一监测数据上携带的特征标识,从特征数据库中筛选与该特征标识对应的压铸机的运行数据来源;
步骤S3,数据判断模块根据压铸机的运行数据来源从第一数据库中筛选对应的第一基准数据区间;
步骤S4,数据判断模块中的第一数据判断策略判断第一监测数据是否落入第一基准数据区间内,当第一监测数据落入第一基准数据区间时,输出第一数据正常的识别结果;当第一监测数据未落入第一基准数据区间时,输出第一数据异常的识别结果;
所述第一数据判断策略还包括第一数据判断子策略,所述第一数据判断子策略包括第一判断阈值和第二判断阈值,且第一判断阈值小于第一基准数据区间的最小值,且第二判断阈值大于第一基准数据区间的最大值;
还包括步骤S4-1,当输出数据异常的识别结果时,所述第一数据判断子策略判断第一监测数据是否落入第一判断阈值和第一基准数据区间的最小值之间的形成的区间内,当第一监测数据落入该区间时,输出数据低风险异常的识别结果;当第一监测数据未落入该区间时,输出数据高风险异常的识别结果。
2.根据权利要求1所述的一种车间数据异常识别的方法,其特征在于:还包括步骤S4-2,当输出数据异常的识别结果时,所述第一数据判断子策略判断第一监测数据是否落入第二判断阈值与第一基准数据区间的最大值形成的区间内,当第一监测数据落入该区间时,输出数据低风险异常的识别结果;当第一监测数据未落入该区间时,输出数据高风险异常的识别结果。
3.根据权利要求1所述的一种车间数据异常识别的方法,其特征在于:所述处理端还包括数据区间修改模块,所述数据区间修改模块配置第一修改策略和第二修改策略,当第一数据判断策略输出第一监测数据中的位移数据异常时,修改模块根据预设的第一修改策略修改第二基准数据区间中的速度数据区间,并生成速度修改数据区间;当第一数据判断策略输出第一监测数据中的压力数据异常时,修改模块根据预设的第二修改策略修改第二基准数据区间中的温度数据区间,并生成温度修改数据区间。
4.根据权利要求3所述的一种车间数据异常识别的方法,其特征在于:还包括步骤S5-1,监测端的监测单元监测冲孔工序中的冲孔机的运行数据并生成第二监测数据,并将第二监测数据发送至接收端,接收端将第二监测数据反馈至处理端;
步骤S5-2,处理端接收到第二监测数据,分类模块根据第二监测数据上携带的特征标识,从特征数据库中筛选与该特征标识对应的冲孔机的运行数据来源;
步骤S5-3, 数据判断模块根据冲孔机的运行数据来源从第二数据库中筛选对应的第二基准数据区间;
步骤S5-4-1,当第一数据判断策略输出第一监测数据正常时,第二数据判断策略判断第二监测数据是否落入第二基准数据区间内,当第二监测数据落入第二基准数据区间时,输出第二数据正常的识别结果;当第二监测数据未落入第二基准数据区间时,输出第二数据异常的识别结果;
步骤S5-4-2,当第一数据判断策略输出第一监测数据中的位移数据异常时,第二数据判断策略判断第二监测数据中的速度数据是否落入速度修改数据区间内,当速度数据落入速度修改数据区间时,输出速度数据正常的识别结果;当速度数据未落入速度修改数据区间时,输出速度数据异常的识别结果;
步骤S5-4-3,当第一数据判断策略输出第一监测数据中的压力数据异常时,第二数据判断策略判断第二监测数据中的温度数据是否落入温度修改数据区间内,当温度数据落入温度修改数据区间时,输出温度数据正常的识别结果;当温度数据未落入温度修改数据区间时,输出温度数据异常的识别结果。
5.根据权利要求4所述的一种车间数据异常识别的方法,其特征在于:所述数据区间修改模块配置第三修改策略和第四修改策略,当第二数据判断策略输出第二监测数据中的速度数据异常时,修改模块根据预设的第三修改策略修改第三基准数据区间中的振动频率数据区间,并生成振动频率修改数据区间;当第二数据判断策略输出第二监测数据中的温度数据异常时,修改模块根据预设的第四修改策略修改第三基准数据区间中的转速数据区间,并生成转速修改数据区间。
6.根据权利要求5所述的一种车间数据异常识别的方法,其特征在于:还包括步骤S6-1,监测端的监测单元监测打磨工序中的打磨机的运行数据并生成第三监测数据,并将第三监测数据发送至接收端,接收端将第三监测数据反馈至处理端;
步骤S6-2,处理端接收到第三监测数据,分类模块根据第三监测数据上携带的特征标识,从特征数据库中筛选与该特征标识对应的打磨机的运行数据来源;
步骤S6-3, 数据判断模块根据打磨机的运行数据来源从第三数据库中筛选对应的第三基准数据区间;
步骤S6-4-1,当第二数据判断策略输出第二监测数据正常时,第三数据判断策略判断第三监测数据是否落入第三基准数据区间内,当第三监测数据落入第三基准数据区间时,输出第三数据正常的识别结果;当第三监测数据未落入第三基准数据区间时,输出第三数据异常的识别结果;
步骤S6-4-2,当第二数据判断策略输出第二监测数据中的速度数据异常时,第三数据判断策略判断第三监测数据中的振动频率数据是否落入振动频率修改数据区间内,当振动频率数据落入振动频率修改数据区间时,输出振动频率数据正常的识别结果;当振动频率数据未落入振动频率修改数据区间时,输出振动频率数据异常的识别结果;
步骤S6-4-3,当第二数据判断策略输出第二监测数据中的温度数据异常时,第三数据判断策略判断第三监测数据中的转速数据是否落入转速修改数据区间内,当转速数据落入转速修改数据区间时,输出转速数据正常的识别结果;当转速数据未落入转速修改数据区间时,输出转速数据异常的识别结果。
7.根据权利要求1所述的一种车间数据异常识别的方法,其特征在于:所述压铸工序中的压铸机的各个监测数据对应的第一基准数据区间不同。
8.根据权利要求1所述的一种车间数据异常识别的方法,其特征在于:每一不同第一监测数据对应的第一判断阈值和第二判断阈值均不同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010824923.4A CN112000858B (zh) | 2020-08-17 | 2020-08-17 | 一种车间数据异常识别的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010824923.4A CN112000858B (zh) | 2020-08-17 | 2020-08-17 | 一种车间数据异常识别的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112000858A CN112000858A (zh) | 2020-11-27 |
CN112000858B true CN112000858B (zh) | 2024-04-05 |
Family
ID=73473792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010824923.4A Active CN112000858B (zh) | 2020-08-17 | 2020-08-17 | 一种车间数据异常识别的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112000858B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103207601A (zh) * | 2013-03-15 | 2013-07-17 | 翁昉倞 | 工厂生产车间能源管理监测方法 |
CN207408806U (zh) * | 2017-11-29 | 2018-05-25 | 北京现代汽车有限公司 | 用于车间设备的监测*** |
CN111143438A (zh) * | 2019-12-30 | 2020-05-12 | 江苏安控鼎睿智能科技有限公司 | 一种基于流处理的车间现场数据实时监测与异常检测方法 |
-
2020
- 2020-08-17 CN CN202010824923.4A patent/CN112000858B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103207601A (zh) * | 2013-03-15 | 2013-07-17 | 翁昉倞 | 工厂生产车间能源管理监测方法 |
CN207408806U (zh) * | 2017-11-29 | 2018-05-25 | 北京现代汽车有限公司 | 用于车间设备的监测*** |
CN111143438A (zh) * | 2019-12-30 | 2020-05-12 | 江苏安控鼎睿智能科技有限公司 | 一种基于流处理的车间现场数据实时监测与异常检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112000858A (zh) | 2020-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102017011290B4 (de) | Vorrichtung für maschinelles Lernen, CNC-Vorrichtung und maschinelles Lernverfahren zum Erkennen eines Anzeichens eines Auftretens von Rattern im Werkzeug einer Werkzeugmaschine | |
CN108038553B (zh) | 轧机设备状态在线监测与诊断***及监测诊断方法 | |
DE112016003171T5 (de) | Verfahren zum Überwachen einer Antriebseinheit einer Fahrzeugkarosseriemontagelinie und eine Vorrichtung dafür | |
CN110421408B (zh) | 一种刀具磨损状态的监测方法 | |
KR102648425B1 (ko) | 진동 가속도 신호를 활용한 공구 파손감지 영역 자동설정 방법 및 진동 가속도 신호를 활용한 공구 파손감지장치 | |
CN107741732A (zh) | 一种基于电流法的机床刀具监控方法与*** | |
CN104615085A (zh) | 一种机床监控***及方法 | |
CN116973667A (zh) | 一种基于数据分析的变频设备运行故障诊断*** | |
CN103197609A (zh) | 数控加工动态特征建模方法 | |
CN113538870A (zh) | 一种基于数据采集的变压器安全防护*** | |
CN110253222A (zh) | 一种高温托板自锁螺母加工工艺 | |
CN112571149A (zh) | 一种大型数控机床的冷却散热监测及报警*** | |
CN114415581A (zh) | 一种机械设备运维方法及*** | |
CN113341879A (zh) | 一种数控机床的数据采集与监控方法及*** | |
CN112000858B (zh) | 一种车间数据异常识别的方法 | |
CN105302123A (zh) | 在线测量数据的监控方法 | |
CN114571285B (zh) | 智能识别挤压丝锥微崩刃的方法 | |
CN116339253A (zh) | 一种基于物联网的智能化机械生产监测管控*** | |
CN116037705A (zh) | 冷冲压模具工作状态实时监控*** | |
CN212633982U (zh) | 数字化金属冲压装置 | |
CN112348211B (zh) | 一种过程诊断方法、装置、设备和介质 | |
CN105946278A (zh) | 基于云数据处理的内高压成形液压机 | |
CN105629938A (zh) | 易损件的智能监测方法 | |
CN118219058A (zh) | 一种机床类设备主轴预测性维护方法 | |
CN117435990B (zh) | 一种超声滚压加工温度检测分析方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |