CN113139734A - 基于数据挖掘的智能制造管理*** - Google Patents
基于数据挖掘的智能制造管理*** Download PDFInfo
- Publication number
- CN113139734A CN113139734A CN202110482032.XA CN202110482032A CN113139734A CN 113139734 A CN113139734 A CN 113139734A CN 202110482032 A CN202110482032 A CN 202110482032A CN 113139734 A CN113139734 A CN 113139734A
- Authority
- CN
- China
- Prior art keywords
- module
- equipment
- scrapping
- management system
- data mining
- 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 60
- 238000007418 data mining Methods 0.000 title claims abstract description 17
- 230000007547 defect Effects 0.000 claims abstract description 31
- 238000007726 management method Methods 0.000 claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 230000002950 deficient Effects 0.000 claims abstract description 22
- 238000012423 maintenance Methods 0.000 claims abstract description 15
- 238000009776 industrial production Methods 0.000 claims abstract description 14
- 238000010219 correlation analysis Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000013079 data visualisation Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 210000001503 joint Anatomy 0.000 claims description 2
- 230000002035 prolonged effect Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 abstract description 5
- 238000012098 association analyses Methods 0.000 abstract description 3
- 238000005498 polishing Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及智能管理制造领域,公开了基于数据挖掘的智能制造管理***,包括质量检测模块,生产采集模块,关联分析模块,运维管理模块,整改方案模块,员工培训模块。质量检测模块检测产品数据,发现具有缺陷的产品,生产采集模块采集工业生产线上的各项数据,关联分析模块将产品数据和工业生产线数据结合分析,分析出是人为原因还是设备原因,是人为原因则提交给整改方案模块,制定对应整改方案,若是设备原因,则交给运维管理模块,对设备进行处理。本发明提高了产品质量检测的效率,并分析出现缺陷产品原因,消除出现产品缺陷隐患,提高产品的成品率。
Description
技术领域
本发明涉及智能管理制造领域,具体公开了基于数据挖掘的智能制造管理***。
背景技术
随着全球市场竞争的日益激烈,制造行业在提高产品质量、增加生产效益、降低生产成本和减少资源消耗等范畴面对着更为严苛的要求。制造企业借力于制造技术的不断革新,通过引入物联网、大数据、3D打印和云计算等新兴技术,实现生产过程的透明化、智能化和全局优化,来应对以上挑战,由此引发了新一轮产业革命。
目前在具备一定规模的企业中,通常会用各种计算机管理软件,诸如企业资源计划(ERP)、制造执行***(MES)、设备管理***(EMS)等来辅助管理,但是针对制造质量的管控方便的***较少,在工业生产上常常因为设备原因或是人工原因生产出一些具有缺陷的产品,在过去,由于缺少数据支持,只有通过人工对产生缺陷的原因进行排查,而人工进行排查效率低,操作起来困难,导致产品的质量控制往往不尽人意。现在虽然也有一些智能化的***能够实现质量缺陷的检测和记录,但是现有技术中,多数分析是依靠预设的条件进行匹配,智能化程度低,缺少对质量问题原因的深入分析,排查出的原因的准确性较差。
发明内容
本发明所解决的技术问题在于提供一种基于数据挖掘的智能制造管理***,通过数据挖掘,追踪出现缺陷产品的原因,并就出现缺陷产品的原因,给出对应的解决方案。
本申请提供如下技术方案:
一种基于数据挖掘的智能制造管理***,包括质量检测模块、生产采集模块、关联分析模块、整改方案模块;
质量检测模块,通过采集产品外观,对产品进行质量检测,统计缺陷数据;
生产采集模块,采集出现缺陷产品对应工业生产线的数据;
关联分析模块,根据缺陷数据和对应工业流水线的数据生成关联关系,分析产生缺陷的原因;
整改方案模块,根据产生缺陷的原因,生成对应的整改方案。
本发明的原理及优点在于:通过采集产品缺陷的数据和工业生产线上的数据,将两个数据关联分析,寻找产生缺陷的原因,根据产生缺陷的原因制定整改方案。相比于现有技术,加快了排查产生缺陷原因的效率,并制定对应整改方案,减少日后生产过程中出现缺陷产品的数量,提高生产成品率。
进一步,所述质量检测模块包括图像数据可视化模块,用于拍摄产品图片,并通过产品图片提取产品图片的特征,根据特征分析产品缺陷。
通过图像数据可视化模块,拍摄产品的图片,根据图像识别算法,提取产品图片的特征输出对应的产品缺陷的分析结果,替代人工对产品进行检测,提高检测效率。
进一步,还包括员工培训模块,所述员工培训模块包括操作规范模块和定时模块;
操作规范模块,用于在生产设备启动前展示员工操作规范;
定时模块,用于设定展示员工操作规范的展示时间,展示时间过后才可以启动生产设备。
对于由员工操作规范而带来的产品缺陷,在员工启动设备前向员工展示员工操作规范,增强员工的规范意识。
进一步,所述员工培训模块还包括重点提醒模块和智能问答模块;
重点提醒模块,根据工业生产线各个工位生产缺陷产品的比例,调整各个工位的展示时间;
智能问答模块,从员工操作规范中提取问题,在员工操作规范展示完后,提出问题,回答正确则减少下次展示时间,回答错误则增加下次展示时间。
对于出现缺陷产品数量多的工业生产线,让员工花费更多的时间阅读员工操作规范,加深记忆,并且通过智能问答模块,检测员工学习的情况,根据员工学习的情况,增加或减少下次学习的时间。
进一步,所述员工培训模块还包括行为检测模块,所述行为检测模块用于采集员工生产过程的操作规范是否符合要求,若符合要求,则减少下次展示时间,若不符合要求,则增加下次展示时间。
检测员工学习员工操作规范后,实际运用到生产过程中的情况,避免员工在学习时一味死记硬背,没有融会贯通地理解。
进一步,还包括运维管理模块,所述运维管理模块包括设备追溯模块,设备定义模块,设备关联模块;
设备追溯模块,根据生产采集模块采集的工业生产线数据,追溯生产缺陷产品的设备;
设备定义模块,检测设备各项参数,根据设备参数,将设备划分为可调整设备和可报废设备;
设备关联模块,寻找可报废设备同批次的其他设备。
对于应为设备原因产生的产品缺陷,追溯到生产该产品的设备,分析该设备是可以通过修复后能够进行正常生产还是无法进行修复,将无法进行调整的设备定义为可报废设备,并寻找与可报废设备同期的设备,因为同期设备从使用时间和使用频率上都与该可报废设备接近,检测这些设备是否也存在相同故障,分析同期设备是否为可报废设备,消除潜在隐患。
进一步,所述运维管理模块还包括报废计划模块,所述可报废计划模块根据检测到的可报废设备数量,制定报废计划。
对于无法修复的设备,制定报废计划进行报废。
进一步,所述报废计划模块还包括报废程度检测模块和时长预估模块,所述报废程度检测模块用于根据设备参数确定可报废设备的故障程度,所述时长预估模块根据设备的故障程度预估设备使用的剩余时长,以最短时长为标准,增加其余设备的工作量。
进一步,所述报废计划模块还包括报废程度检测模块,所述报废程度检测模块用于根据设备参数确定可报废设备的故障程度,并根据故障程度由高到低进行排名,所述报废计划模块设置报废周期,根据报废周期和故障程度排名对可报废设备进行报废。
将可报废设备分批次进行报废,将故障程度高的设备优先进行报废处理,依次报废故障程度低的设备,减少因对设备进行报废过造成的生产量下降。
进一步,所述运维管理模块还包括设备购买模块,所述设备购买模块与第三方供应商对接,根据报废计划,向第三方供应商预定对应设备,报废计划执行前,向第三方供应商调度预定的设备。
报废设备的同时,向第三方供应商购买对应设备,填补空缺,进一步减少因为对设备进行报废而导致的生产量下降。
附图说明
图1为本发明实施例一的逻辑框图;
图2为本发明实施例一中员工培训模块的逻辑框图;
图3为本发明实施例二的逻辑框图;
图4为本发明实施例二中运维管理模块的逻辑框图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例一
实施例一基本如附图1所示:包括质量检测模块、生产采集模块、关联分析模块、整改方案模块、员工培训模块。
质量检测模块包括图像数据可视化模块,图像数据可视化模块拍摄产品照片,提取产品中的特征,如识别产品的轮廓、成色、形状、图案、表面光滑度等,通过图像识别算法,根据输入的这些特征,将图片信息转化为文字信息,根据对文字信息找出具有缺陷的产品,缺陷产品特征为污点、缺损、缝隙、破漏等特征。
生产采集模块,采集工业生产线的数据,包括产出量,设备的运行情况,员工的操作情况,产品的编号,生产时间等。
关联分析模块,将缺陷产品特征与生产采集模块结合,分析出现缺陷产品的原因,主要包括人为原因和设备原因,比如在同产品的生产线上,出现缺陷产品的产出量明显大于其他生产线的产出量,通过关联分析,认为该生产线是因为产出速度太快而导致的产品具有缺陷;或者是某台设备产出量低于其他设备,而产品又具有缺陷,则可能是这台设备发生故障或者是参数设定异常。
整改方案模块,根据关联分析模块分析出的原因,制定相对应的整改方案,整改方案模块是针对人为原因照成的产品缺陷,从而制定整改方案,人为照成产品缺陷的原因包括生产速度过快、生产过程不严谨、配料比例不正确、操作设备方式不正确等,根据这些原因,制定对应的员工操作规范。
员工培训模块,如图2所示,包括重点提醒模块、定时模块、操作规范模块、智能问答模块、行为采集模块。
操作规范模块,在员工启动生产设备前向员工展示整改方案模块为其制定的员工操作规范,定时模块会设置观看时间,当观看时间结束,员工才能启动设备,重点提醒模块根据其生产缺陷产品的比例设置时间,比如该员工平均每100个产品中有5个产品为缺陷产品,则设置观看时间为5分钟,若有10个为缺陷产品,则观看时间为10分钟。在观看时间结束后,智能问答模块从员工操作规范中提取问题,让员工进行回答,若回答正确,则下一次观看时间减少一分钟,若回答错误,则下次观看时间增加一分钟。当设备启动后,行为采集模块会采集该员工在操作是否符合员工操作规范中的内容,比如配料比例是否正确,打磨时长是否达到等。若符合规范,则下次观看时间减少一分钟,若不符合规范,则下次观看时间增加一分钟。
具体实施过程如下:
质量检测模块通过摄像头拍摄产品X,提取产品图片中轮廓、成色、形状、图案、表面光滑度,根据现有的图片识别算法,分析出该产品表面粗糙,不符合规范。
通过生产线上的工业摄像头拍摄到员工A在生产打磨过程不符合规范,未按照正常流程进行打磨,其每100个产品中有3个产品有表面粗糙的缺陷。
通过关联分析得出产品X是由于员工A生产过程中未按照正常流程进行打磨导致表面粗糙,为该员工制定对应的打磨操作规范。
员工A才下次启动打磨设备时,需要观看3分钟打磨操作规范后才能启动设备,并且观看完成会从打磨操作规范中提取一个问题让员工A进行作答,员工A回答正确后,其下次启动设备前观看打磨操作规范的时间减少为2分钟。
然后检测员工A在打磨过程中的操作流程,发现打磨操作规范中提出过需要对产品内外表面均进行打磨,而员工A只对外表面进行打磨,不符合打磨操作规范中的流程,下次启动设备前观看打磨操作规范的时间增加至3分钟。
实施例二
实施例二基本如图3所示,和实施例一的区别在于,还包括运维管理模块。
运维管理模块如图4所示,包括设备追溯模块,设备定义模块,设备关联模块,报废计划模块,设备购买模块,针对设备原因导致的产品缺陷,做一系列调整。
设备追溯模块根据生产采集模块采集到的设备运行情况、产品编号、生产时间等信息,追溯出具有缺陷的产品是由哪一台设备生产的,追溯到生产缺陷产品的设备。
设备定义模块采集设备的各项参数,比如电流、电压、振幅、转速、压强、压力、零部件完好度等,根据这些参数判断设备故障类型,能否进行维修,若是因为设备设置错误或某个零部件损坏导致的设备故障,可以通过维修解决问题,则将设备定义为可调整设备,通知运维人员前来维修;若是因为设备老化等原因,通过维修无法解决,则将设备定义为可报废设备。
设备关联模块,根据历史设备采购订单,寻找和生产缺陷产品设备同期购买的其他设备,然后通过设备定义模块检测同期的其他设备是否存在相同的问题,有同样问题的也定义为可报废设备或可调整设备。
报废计划模块,根据检测到的可报废设备数量,制定报废计划,在本实施例中,将所有可报废设备统一进行报废处理。
设备购买模块,与第三方供应商对接,根据报废计划,向第三方供应商预定对应的设备,在报废计划执行时,向第三方供应商调度预定的设备。
所述报废计划模块还包括报废程度检测模块和时长预估模块,所述报废程度检测模块用于根据设备参数确定可报废设备的故障程度,所述时长预估模块根据设备的故障程度预估设备使用的剩余时长,以最短时长为标准,增加其余设备的工作量。
具体实施过程如下:
关联分析模块分析出是产品Y的缺陷是由设备原因导致,设备追溯模块根据生产采集模块拍摄到的设备运行情况找出生产产品Y的设备M,通过设备定义模块采集设备M的,通过采集设备M的电流、电压、振幅、转速等参数,发现各项参数都出现异常,为设备老化而导致,无法通过修复解决,将设备M定义为可报废设备。然后根据设备的历史购买订单,查找到和设备M同期的10台设备,采集这10台设备的电流、电压、振幅、转速等参数,其中3台设备参数正常,4台设备的某一个参数异常,判断为可调整设备,通知运维人员前来维修,剩下3台与设备M相同,各项参数都存在异常,将这3台设备也定义为可报废设备。
制定计划将这4台设备三天后统一报废处理,并同时向第三方供应商预定4台相同的设备,并在报废处理前一天向第三方供应商调取设备。
实施例三
本实施例与实施例三的区别在于:报废计划模块还包括报废程度检测模块。
报废程度检测模块根据设备参数判断设备故障等级,在本实施例中,一共有10台设备要进行报废,以设备转速判断故障等级,转速越慢,故障等级越高,报废计划模块设置每3天进行一次报废,根据故障等级排名,从高到低,每次报废2台设备。同时向第三方供应商预定10台对应的设备,每次报废前一天向第三方供应商调取两台设备。
以上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,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。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 (10)
1.一种基于数据挖掘的智能制造管理***,其特征在于:包括质量检测模块、生产采集模块、关联分析模块、整改方案模块;
质量检测模块,通过采集产品外观,对产品进行质量检测,统计缺陷数据;
生产采集模块,采集出现缺陷产品对应工业生产线的数据;
关联分析模块,根据缺陷数据和对应工业流水线的数据生成关联关系,分析产生缺陷的原因;
整改方案模块,根据产生缺陷的原因,生成对应的整改方案。
2.根据权利要求1所述的基于数据挖掘的智能制造管理***,其特征在于:所述质量检测模块包括图像数据可视化模块,用于拍摄产品图片,并通过产品图片提取产品图片的特征,根据特征分析产品缺陷。
3.根据权利要求2所述的基于数据挖掘的智能制造管理***,其特征在于:还包括员工培训模块,所述员工培训模块包括操作规范模块和定时模块;
操作规范模块,用于在生产设备启动前展示员工操作规范;
定时模块,用于设定展示员工操作规范的展示时间,展示时间过后才可以启动生产设备。
4.根据权利要求3所述的基于数据挖掘的智能制造管理***,其特征在于:所述员工培训模块还包括重点提醒模块和智能问答模块;
重点提醒模块,根据工业生产线各个工位生产缺陷产品的比例,调整各个工位的展示时间;
智能问答模块,从员工操作规范中提取问题,在员工操作规范展示完后,提出问题,回答正确则减少下次展示时间,回答错误则增加下次展示时间。
5.根据权利要求4所述的基于数据挖掘的智能制造管理***,其特征在于:所述员工培训模块还包括行为检测模块,所述行为检测模块用于采集员工生产过程的操作规范是否符合要求,若符合要求,则减少下次展示时间,若不符合要求,则增加下次展示时间。
6.根据权利要求2所述的基于数据挖掘的智能制造管理***,其特征在于:还包括运维管理模块,所述运维管理模块包括设备追溯模块,设备定义模块,设备关联模块;
设备追溯模块,根据生产采集模块采集的工业生产线数据,追溯生产缺陷产品的设备;
设备定义模块,检测设备各项参数,根据设备参数,将设备划分为可调整设备和可报废设备;
设备关联模块,寻找可报废设备同批次的其他设备。
7.根据权利要求6所述的基于数据挖掘的智能制造管理***,其特征在于:所述运维管理模块还包括报废计划模块,所述可报废计划模块根据检测到的可报废设备数量,制定报废计划。
8.根据权利要求7所述的基于数据挖掘的智能制造管理***,其特征在于:所述报废计划模块还包括报废程度检测模块和时长预估模块,所述报废程度检测模块用于根据设备参数确定可报废设备的故障程度,所述时长预估模块根据设备的故障程度预估设备使用的剩余时长,以最短时长为标准,增加其余设备的工作量。
9.根据权利要求7所述的基于数据挖掘的智能制造管理***,其特征在于:所述报废计划模块根据故障程度由高到低进行排名,并设置报废周期,根据报废周期和故障程度排名对可报废设备进行报废。
10.根据权利要求8所述的基于数据挖掘的智能制造管理***,其特征在于:所述运维管理模块还包括设备购买模块,所述设备购买模块与第三方供应商对接,根据报废计划,向第三方供应商预定对应设备,报废计划执行前,向第三方供应商调度预定的设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110482032.XA CN113139734A (zh) | 2021-04-30 | 2021-04-30 | 基于数据挖掘的智能制造管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110482032.XA CN113139734A (zh) | 2021-04-30 | 2021-04-30 | 基于数据挖掘的智能制造管理*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113139734A true CN113139734A (zh) | 2021-07-20 |
Family
ID=76816729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110482032.XA Pending CN113139734A (zh) | 2021-04-30 | 2021-04-30 | 基于数据挖掘的智能制造管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113139734A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837598A (zh) * | 2021-09-18 | 2021-12-24 | 北京精密机电控制设备研究所 | 基于智能制造的信息获取方法 |
CN114637270A (zh) * | 2022-05-17 | 2022-06-17 | 成都秦川物联网科技股份有限公司 | 基于集散控制的智能制造工业物联网及控制方法 |
CN116579769A (zh) * | 2023-07-13 | 2023-08-11 | 南通远征冷冻设备有限公司 | 一种冷冻设备的生产控制方法 |
CN117074845A (zh) * | 2023-10-16 | 2023-11-17 | 广州市零脉信息科技有限公司 | 一种电子元器件品质检测平台 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0863224A (ja) * | 1994-08-19 | 1996-03-08 | Fujitsu Ltd | 機器運転管理装置 |
CN1213113A (zh) * | 1997-08-29 | 1999-04-07 | 日本电气株式会社 | 制造过程变化控制装置及其制造过程变化控制方法 |
JP2003303016A (ja) * | 2002-02-05 | 2003-10-24 | Tokyo Gas Co Ltd | 設備管理システム、設備管理サーバ、設備管理方法、コントローラ、プログラム、記録媒体 |
CN101221636A (zh) * | 2006-12-27 | 2008-07-16 | 株式会社东芝 | 定期检查数据的分析方法和装置 |
KR20090071685A (ko) * | 2007-12-28 | 2009-07-02 | 한국기계연구원 | 설비의 열화도 평가방법 |
CN103632058A (zh) * | 2013-12-03 | 2014-03-12 | 中国特种设备检测研究院 | 承压设备动态风险评估*** |
CN106529152A (zh) * | 2016-11-04 | 2017-03-22 | 合肥观池信息科技有限责任公司 | 一种医院数字化后勤设备管理*** |
CN106952033A (zh) * | 2017-03-16 | 2017-07-14 | 沈阳新代信息技术有限公司 | 一种基于多数据源的搅拌设备生产质量监控***及方法 |
CN107121606A (zh) * | 2017-04-24 | 2017-09-01 | 国网浙江省电力公司台州供电公司 | 用于变电站操作及巡视的智能终端 |
CN108960452A (zh) * | 2018-07-26 | 2018-12-07 | 合肥云联电子科技有限公司 | 一种工控设备的智能化监控*** |
US20190086905A1 (en) * | 2017-09-21 | 2019-03-21 | Fuji Xerox Co., Ltd. | Quality control apparatus |
CN109542289A (zh) * | 2018-11-30 | 2019-03-29 | Oppo(重庆)智能科技有限公司 | Mes的操作方法、装置、设备及存储介质 |
CN110276410A (zh) * | 2019-06-27 | 2019-09-24 | 京东方科技集团股份有限公司 | 确定不良原因的方法、装置、电子设备及存储介质 |
CN110276599A (zh) * | 2019-06-28 | 2019-09-24 | 重庆回形针信息技术有限公司 | 具有自我学习能力的管理***和方法 |
CN111242464A (zh) * | 2020-01-08 | 2020-06-05 | 广东省智能制造研究所 | 一种基于spc的陶瓷卫浴质量管理方法 |
CN111948994A (zh) * | 2020-08-12 | 2020-11-17 | 杭州百子尖科技股份有限公司 | 基于数据集成和关联分析工业产线闭环自动质量控制方法 |
CN112379198A (zh) * | 2020-11-05 | 2021-02-19 | 华润电力技术研究院有限公司 | 一种设备残余寿命评估方法和*** |
CN112712256A (zh) * | 2020-12-29 | 2021-04-27 | 广东电网有限责任公司 | 一种低压配网设备检修顺序评估方法 |
-
2021
- 2021-04-30 CN CN202110482032.XA patent/CN113139734A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0863224A (ja) * | 1994-08-19 | 1996-03-08 | Fujitsu Ltd | 機器運転管理装置 |
CN1213113A (zh) * | 1997-08-29 | 1999-04-07 | 日本电气株式会社 | 制造过程变化控制装置及其制造过程变化控制方法 |
JP2003303016A (ja) * | 2002-02-05 | 2003-10-24 | Tokyo Gas Co Ltd | 設備管理システム、設備管理サーバ、設備管理方法、コントローラ、プログラム、記録媒体 |
CN101221636A (zh) * | 2006-12-27 | 2008-07-16 | 株式会社东芝 | 定期检查数据的分析方法和装置 |
KR20090071685A (ko) * | 2007-12-28 | 2009-07-02 | 한국기계연구원 | 설비의 열화도 평가방법 |
CN103632058A (zh) * | 2013-12-03 | 2014-03-12 | 中国特种设备检测研究院 | 承压设备动态风险评估*** |
CN106529152A (zh) * | 2016-11-04 | 2017-03-22 | 合肥观池信息科技有限责任公司 | 一种医院数字化后勤设备管理*** |
CN106952033A (zh) * | 2017-03-16 | 2017-07-14 | 沈阳新代信息技术有限公司 | 一种基于多数据源的搅拌设备生产质量监控***及方法 |
CN107121606A (zh) * | 2017-04-24 | 2017-09-01 | 国网浙江省电力公司台州供电公司 | 用于变电站操作及巡视的智能终端 |
US20190086905A1 (en) * | 2017-09-21 | 2019-03-21 | Fuji Xerox Co., Ltd. | Quality control apparatus |
CN108960452A (zh) * | 2018-07-26 | 2018-12-07 | 合肥云联电子科技有限公司 | 一种工控设备的智能化监控*** |
CN109542289A (zh) * | 2018-11-30 | 2019-03-29 | Oppo(重庆)智能科技有限公司 | Mes的操作方法、装置、设备及存储介质 |
CN110276410A (zh) * | 2019-06-27 | 2019-09-24 | 京东方科技集团股份有限公司 | 确定不良原因的方法、装置、电子设备及存储介质 |
CN110276599A (zh) * | 2019-06-28 | 2019-09-24 | 重庆回形针信息技术有限公司 | 具有自我学习能力的管理***和方法 |
CN111242464A (zh) * | 2020-01-08 | 2020-06-05 | 广东省智能制造研究所 | 一种基于spc的陶瓷卫浴质量管理方法 |
CN111948994A (zh) * | 2020-08-12 | 2020-11-17 | 杭州百子尖科技股份有限公司 | 基于数据集成和关联分析工业产线闭环自动质量控制方法 |
CN112379198A (zh) * | 2020-11-05 | 2021-02-19 | 华润电力技术研究院有限公司 | 一种设备残余寿命评估方法和*** |
CN112712256A (zh) * | 2020-12-29 | 2021-04-27 | 广东电网有限责任公司 | 一种低压配网设备检修顺序评估方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837598A (zh) * | 2021-09-18 | 2021-12-24 | 北京精密机电控制设备研究所 | 基于智能制造的信息获取方法 |
CN113837598B (zh) * | 2021-09-18 | 2024-04-16 | 北京精密机电控制设备研究所 | 基于智能制造的信息获取方法 |
CN114637270A (zh) * | 2022-05-17 | 2022-06-17 | 成都秦川物联网科技股份有限公司 | 基于集散控制的智能制造工业物联网及控制方法 |
US11681283B1 (en) | 2022-05-17 | 2023-06-20 | Chengdu Qinchuan Iot Technology Co., Ltd. | Intelligent manufacturing industrial Internet of Things based on distributed control, control methods and media thereof |
CN116579769A (zh) * | 2023-07-13 | 2023-08-11 | 南通远征冷冻设备有限公司 | 一种冷冻设备的生产控制方法 |
CN116579769B (zh) * | 2023-07-13 | 2023-11-24 | 南通远征冷冻设备有限公司 | 一种冷冻设备的生产控制方法 |
CN117074845A (zh) * | 2023-10-16 | 2023-11-17 | 广州市零脉信息科技有限公司 | 一种电子元器件品质检测平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113139734A (zh) | 基于数据挖掘的智能制造管理*** | |
US20230039805A1 (en) | Method and device for testing product quality | |
CN110709688B (zh) | 用于预测在装配单元中的缺陷的方法 | |
US11763443B2 (en) | Method for monitoring manufacture of assembly units | |
US10423669B2 (en) | Manufacturing process visualization apparatus and method | |
CN111353983A (zh) | 缺陷检测识别方法、装置、计算机可读介质及电子设备 | |
CN111289538A (zh) | 基于机器视觉的pcb板元件检测***及检测方法 | |
CN110570146B (zh) | 一种产品分拣方法及装置、计算机可读存储介质 | |
CN115034525B (zh) | 基于数据分析的钢管订单生产工期预测监管***及方法 | |
CN114359235A (zh) | 一种基于改进YOLOv5l网络的木材表面缺陷检测方法 | |
CN115953120A (zh) | 一种图纸检测方法、装置、电子设备及存储介质 | |
CN117483209B (zh) | 一种基于机器视觉的反射膜生产质控的方法及*** | |
US20220051051A1 (en) | Method and assistance system for parameterizing an anomaly detection method | |
CN117555937B (zh) | 一种用于产品推荐的数据采集方法及*** | |
CN111768080B (zh) | 一种在制产品完工进度的评估方法与*** | |
CN105303565A (zh) | 产品外观的logo检测方法 | |
CN114359250B (zh) | 确定晶圆缺陷形状的方法、装置、电子设备和存储介质 | |
CN111212434A (zh) | 一种wifi模组质量预测方法、装置、设备及存储介质 | |
CN114860802A (zh) | 时序人流量数据和标量标签数的融合方法及*** | |
Kulińska et al. | Analysis of solutions dedicated to non-conformity prevention | |
CN113256267A (zh) | 一种项目数据处理方法和*** | |
CN110992333A (zh) | COF Film缺陷AITraining数据库及应用 | |
CN111474181A (zh) | 一种成盒制程阶段的面板缺陷检测及分类*** | |
Piyasinchart et al. | Detection of Defects in Work-in-Process Products Using Deep Learning: A Case of a Water Tap Production Line | |
CN110689058B (zh) | 一种基于ai算法的环境检测方法 |
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 |