CN115983684A - 一种制冷用铜管生产缺陷管理方法及*** - Google Patents
一种制冷用铜管生产缺陷管理方法及*** Download PDFInfo
- Publication number
- CN115983684A CN115983684A CN202211630123.4A CN202211630123A CN115983684A CN 115983684 A CN115983684 A CN 115983684A CN 202211630123 A CN202211630123 A CN 202211630123A CN 115983684 A CN115983684 A CN 115983684A
- Authority
- CN
- China
- Prior art keywords
- defect
- copper pipe
- frequency
- generate
- sensitive
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 233
- 238000000034 method Methods 0.000 title claims abstract description 215
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 title claims abstract description 161
- 229910052802 copper Inorganic materials 0.000 title claims abstract description 161
- 239000010949 copper Substances 0.000 title claims abstract description 161
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 148
- 238000005057 refrigeration Methods 0.000 title claims abstract description 48
- 230000008569 process Effects 0.000 claims description 189
- 238000001514 detection method Methods 0.000 claims description 49
- 238000007726 management method Methods 0.000 claims description 49
- 238000004458 analytical method Methods 0.000 claims description 41
- 238000002360 preparation method Methods 0.000 claims description 36
- 238000012216 screening Methods 0.000 claims description 25
- 238000009826 distribution Methods 0.000 claims description 12
- 238000010206 sensitivity analysis Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 11
- 238000007689 inspection Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000004880 explosion Methods 0.000 description 3
- 239000003507 refrigerant Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000001125 extrusion Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- General Factory Administration (AREA)
Abstract
本发明提供了一种制冷用铜管生产缺陷管理方法及***,涉及制冷铜管生产管控技术领域,采集产品质量检测数据进行缺陷分析,生成多个高频缺陷特征,进而采集产品制备工艺生成铜管生产工艺,对其进行敏感性分析生成敏感工艺参数,构建铜管制备预警模型对实时铜管生产工艺进行分析,输出敏感工艺匹配结果,进行铜管生产缺陷预警管理,解决现有技术中制冷用铜管生产缺陷管控方法智能度不足,使得生产缺陷管理较为繁琐,同时对于生产缺陷的分析不够严谨,效率低下且精准度不足的技术问题,基于产品质检数据进行反向递推,进而建模进行敏感参数检测分析,实现智能化精准高效的生产管理。
Description
技术领域
本发明涉及制冷铜管生产管控技术领域,具体涉及一种制冷用铜管生产缺陷管理方法及***。
背景技术
制冷铜管作为冷媒管,可应用于空调中作为空调的制冷设备,实现内机与外机之间的冷媒循环流动,对于制冷铜管的生产质量要求较高,否则会受外力挤压形变造成铜管破裂,或因厚度不均造成爆管等,以影响空调的制冷效果,现如今,进行制冷铜管生产时,无法保障产品的合格率,使得瑕疵品较多造成资源浪费,主要通过进行缺陷溯源并制定相应的响应机制进行管控,管控能力有待提升。
现有技术中,制冷用铜管生产缺陷管控方法智能度不足,使得生产缺陷管理较为繁琐,同时对于生产缺陷的分析不够严谨,效率低下且精准度不足。
发明内容
本申请提供了一种制冷用铜管生产缺陷管理方法及***,用于针对解决现有技术中存在的,制冷用铜管生产缺陷管控方法智能度不足,使得生产缺陷管理较为繁琐,同时对于生产缺陷的分析不够严谨,效率低下且精准度不足的技术问题。
鉴于上述问题,本申请提供了一种制冷用铜管生产缺陷管理方法及***。
第一方面,本申请提供了一种制冷用铜管生产缺陷管理方法,所述方法包括:
遍历制冷用铜管型号,采集预设时间粒度的产品质量检测数据;
对所述产品质量检测数据进行缺陷分析,生成多个高频缺陷特征;
根据所述多个高频缺陷特征采集产品制备工艺,生成铜管生产工艺;
对所述铜管生产工艺进行敏感性分析,生成敏感工艺参数;
根据所述敏感工艺参数,构建铜管制备预警模型;
获取实时铜管生产工艺,输入所述铜管制备预警模型,输出敏感工艺匹配结果;
根据所述敏感工艺匹配结果进行铜管生产缺陷预警管理。
第二方面,本申请提供了一种制冷用铜管生产缺陷管理***,所述***包括:
数据采集模块,所述数据采集模块用于遍历制冷用铜管型号,采集预设时间粒度的产品质量检测数据;
特征生成模块,所述特征生成模块用于对所述产品质量检测数据进行缺陷分析,生成多个高频缺陷特征;
工艺生成模块,所述工艺生成模块用于根据所述多个高频缺陷特征采集产品制备工艺,生成铜管生产工艺;
参数生成模块,所述参数生成模块用于对所述铜管生产工艺进行敏感性分析,生成敏感工艺参数;
模型构建模块,所述模型构建模块用于根据所述敏感工艺参数,构建铜管制备预警模型;
工艺匹配模块,所述工艺匹配模块用于获取实时铜管生产工艺,输入所述铜管制备预警模型,输出敏感工艺匹配结果;
生产管理模块,所述生产管理模块用于根据所述敏感工艺匹配结果进行铜管生产缺陷预警管理。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的一种制冷用铜管生产缺陷管理方法,遍历制冷用铜管型号,采集预设时间粒度的产品质量检测数据,对所述产品质量检测数据进行缺陷分析,生成多个高频缺陷特征;根据所述多个高频缺陷特征采集产品制备工艺,生成铜管生产工艺;对所述铜管生产工艺进行敏感性分析,生成敏感工艺参数;根据所述敏感工艺参数,构建铜管制备预警模型;获取实时铜管生产工艺,输入所述铜管制备预警模型,输出敏感工艺匹配结果,根据所述敏感工艺匹配结果进行铜管生产缺陷预警管理,解决现有技术中存在的制冷用铜管生产缺陷管控方法智能度不足,使得生产缺陷管理较为繁琐,同时对于生产缺陷的分析不够严谨,效率低下且精准度不足的技术问题,基于产品质检数据进行反向递推,进而建模进行敏感参数检测分析,实现智能化精准高效的生产管理。
附图说明
图1为本申请提供了一种制冷用铜管生产缺陷管理方法流程示意图;
图2为本申请提供了一种制冷用铜管生产缺陷管理方法中敏感工艺参数生成流程示意图;
图3为本申请提供了一种制冷用铜管生产缺陷管理方法中铜管制备预警模型构建流程示意图;
图4为本申请提供了一种制冷用铜管生产缺陷管理***结构示意图。
附图标记说明:数据采集模块11,特征生成模块12,工艺生成模块13,参数生成模块14,模型构建模块15,工艺匹配模块16,生产管理模块17。
具体实施方式
本申请通过提供一种制冷用铜管生产缺陷管理方法及***,用于解决现有技术中存在的,制冷用铜管生产缺陷管控方法智能度不足,使得生产缺陷管理较为繁琐,同时对于生产缺陷的分析不够严谨,效率低下且精准度不足的技术问题。
实施例一
如图1所示,本申请提供了一种制冷用铜管生产缺陷管理方法,所述方法包括:
步骤S100:遍历制冷用铜管型号,采集预设时间粒度的产品质量检测数据;
具体而言,将制冷铜管作为空调的制冷设备,实现内机与外机之间的冷媒循环流动,对于制冷铜管的生产质量要求较高,否则会受外力挤压形变造成铜管破裂,或因厚度不均造成爆管等,以影响空调的制冷效果,本申请提供的一种制冷用铜管生产缺陷管理方法,进行产品质检以进行缺陷分析,基于相关生产工艺确定敏感工艺参数,以进行工艺生产的缺陷预警管理。获取多种制冷用铜管型号,各型号存在规格差异,设定所述预设时间粒度,即进行数据采集的时间周期,基于所述预设时间粒度,对多种制冷用铜管型号分别基于质检标准进行产品质量检测,例如产品规格参数、应用过程是否产生塑性形变与泄露等,获取所述产品质量检测数据,将所述产品质量检测数据作为缺陷分析的源数据,为后续进行工艺分析提供了理论依据。
步骤S200:对所述产品质量检测数据进行缺陷分析,生成多个高频缺陷特征;
具体而言,对采集的所述产品质量检测数据进行缺陷分析,所述产品质量检测数据包括多条产品缺陷记录数据,对其进行缺陷聚类分析确定对应的多个缺陷类型、多个缺陷触发频率和多个缺陷触发时间,基于此进行缺陷参数筛选,获取所述多个高频缺陷特征,以剔除偶然缺陷,在最大化保障缺陷管理效果的基础上,降低后续缺陷管理的繁杂度。
进一步而言,所述对所述产品质量检测数据进行缺陷分析,生成多个高频缺陷特征,本申请步骤S200还包括:
步骤S210:从所述产品质量检测数据,提取多条产品缺陷记录数据;
步骤S220:根据所述多条产品缺陷记录数据进行缺陷聚类分析,生成多个缺陷类型、多个缺陷触发频率和多个缺陷触发时间;
步骤S230:根据所述多个缺陷触发频率和所述多个缺陷触发时间,对所述多个缺陷类型进行筛选,生成所述多个高频缺陷特征。
进一步而言,所述根据所述多个缺陷触发频率和所述多个缺陷触发时间,对所述多个缺陷类型进行筛选,生成所述多个高频缺陷特征,本申请步骤S230还包括:
步骤S231:基于缺陷触发频率构建第一坐标轴,基于缺陷触发时间构建第二坐标轴;
步骤S232:根据所述第一坐标轴和所述第二坐标轴,构建高频缺陷筛选坐标系;
步骤S233:在所述高频缺陷筛选坐标系设定高频触发区域;
步骤S234:将所述多个缺陷触发频率和所述多个缺陷触发时间输入所述高频缺陷筛选坐标系,生成缺陷类型分布信息;
步骤S235:根据所述缺陷类型分布信息,将属于所述高频触发区域的所述多个缺陷类型,添加进所述多个高频缺陷特征。
具体而言,通过遍历所述制冷用铜管型号进行质量检测,获取所述产品质量检测数据,包括所述制冷用铜管型号对应的所述多条产品缺陷记录数据,以保障后续分析结果的实际贴合度。对其进行数据提取并进行缺陷聚类,确定所述多个缺陷类型、所述多个缺陷触发频率与所述多个缺陷触发时间,其中,聚类簇越多,对应的聚类结果越精准,上述缺陷参数关联对应,例如铜管厚度不均造成爆管,基于对应的记录数据提取对应的缺陷触发频率及缺陷触发时间,不同型号产品对于同一缺陷类型的相关参数存在差异性。将所述多个缺陷触发频率与所述多个缺陷触发时间作为筛选评估标准,对所述多个缺陷类型进行筛选,确定所述多个高频缺陷特征,于工艺生产进程中需进行所述高频缺陷特征的着重管理监测。
具体的,所述缺陷触发频率与所述缺陷触发时间相对应,基于此分别确定对应的坐标轴向,构建所述第一坐标轴与所述第二坐标轴,其中,所述第一坐标轴中频率越高,发生概率越大;所述第二坐标轴以触发时间和当前时间的间隔时长作为坐标单位,时长越短,则高频属性越强。进一步基于所述第一坐标轴与所述第二坐标轴确定坐标原点,构建二维坐标系,作为所述高频缺陷筛选坐标系。将所述高频缺陷筛选坐标系作为辅助性筛选工具,对坐标区域进行区域划分,确定所述高频触发区域,示例性的,可分别确定坐标轴向阈值,即进行区域限定的临界值,于所述高频缺陷筛选坐标系中进行阈值定位,将满足坐标轴向阈值的范围设定为所述高频触发区域。
基于所述多个缺陷类型分布坐标与所述多个缺陷触发时间,于所述高频缺陷筛选坐标系中进行位置定位,确定对应的坐标点,基于坐标点的排布状况确定所述缺陷类型分布信息。将设定的所述高频触发区域作为坐标点圈定范围,获取所述缺陷类型分布信息中处于所述高频触发区域的多个缺陷类型,将其添加进所述多个高频缺陷特征,通过构建坐标系进行缺陷定位划分,可有效提高划分效率与准确度。
步骤S300:根据所述多个高频缺陷特征采集产品制备工艺,生成铜管生产工艺;
进一步而言,所述根据所述多个高频缺陷特征采集产品制备工艺,生成铜管生产工艺,本申请步骤S300还包括:
步骤S310:根据所述多个高频缺陷特征,构建工艺归类约束数组,其中,所述工艺归类约束数组包括多个工艺归类约束条件,任意一个所述多个工艺归类约束条件包括一个或多个高频缺陷特征;
步骤S320:遍历所述多个工艺归类约束条件,基于工业互联网络,采集所述铜管生产工艺。
具体而言,通过对所述产品质量检测数据进行分析筛选,获取所述多个高频缺陷特征,将所述多个高频缺陷特征作为筛选条件,进行生产工艺匹配。基于所述多个高频缺陷特征,确定多个工艺归类约束条件,其中,任意一个所述多个工艺归类约束条件包括一个或多个高频缺陷特征,同一高频缺陷特征可能由多种工艺参数导致,生成所述工艺归类约束数组。进一步基于所述工业互联网进行工艺匹配,所述工艺归类约束数组用于进行工艺归类限定,保障所匹配生产工艺与高频缺陷特征的适配性,依据所述工艺归类约束数组确定所述铜管生产工艺,基于获取的所述铜管生产工艺进行参数分析预警。
步骤S400:对所述铜管生产工艺进行敏感性分析,生成敏感工艺参数;
具体而言,通过进行工艺匹配确定所述铜管生产工艺,进行工艺拆解确定多个工艺节点,基于各个节点确定单项变量或多项关联变量,即单项变量引起的并发变量,通过进行变量分析确定限定单项变量或单组变量,节点对应的工艺参数对于成品状态的影响度,进一步进行影响度阈值判定,当满足阈值时将对应的工艺参数判定为敏感工艺参数,对所述铜管生产工艺多次进行变量调整分析,通过进行影响度判定,将满足影响度阈值的所有工艺参数添加进所述敏感工艺参数中,所述敏感工艺参数为待进行着重监测管理的生产参数,所述敏感工艺参数的获取为后续进行铜管制备预警夯实了基础。
进一步而言,如图2所示,所述对所述铜管生产工艺进行敏感性分析,生成敏感工艺参数,本申请步骤S400还包括:
步骤S410:对所述铜管生产工艺进行工艺节点拆解,生成铜管生产工艺节点网络;
步骤S420:根据所述铜管生产工艺节点网络,匹配生产工艺参数组序列和铜管成品状态信息;
步骤S430:根据所述铜管生产工艺节点网络、所述生产工艺参数组序列和所述铜管成品状态信息进行生产对照分析,生成多个工艺参数对照影响度;
步骤S440:将所述多个工艺参数对照影响度满足对照影响度阈值的工艺参数添加进所述敏感工艺参数。
进一步而言,所述根据所述铜管生产工艺节点网络、所述生产工艺参数组序列和所述铜管成品状态信息进行生产对照分析,生成多个工艺参数对照影响度,本申请步骤S430还包括:
步骤S431:根据所述铜管生产工艺节点网络,设定第一变量组;根据所述生产工艺参数组序列,设定第二变量组;
步骤S432:根据所述第一变量组随机设定第一类型变量,其中,所述第一类型变量包括一个工艺节点或多个第一类型变量;
步骤S433:将所述第一类型变量输入所述第二变量组,随机设定第二类型变量,其中,所述第二类型变量包括一个工艺参数或多个工艺参数;
步骤S434:根据所述第二类型变量,对所述铜管成品状态信息进行生产对照分析,获取缺陷数量影响度和缺陷等级影响度;
步骤S435:将所述缺陷数量影响度和所述缺陷等级影响度按照预设权重分布融合,生成第一工艺参数对照影响度,所述第一工艺参数对照影响度属于所述多个工艺参数对照影响度。
具体而言,通过进行产品制备工艺采集,获取所述铜管生产工艺,通过进行工艺拆解确定各工艺步骤对应的需求设备,将每个生产设备作为一个加工节点,基于工艺加工步骤进行所述加工节点连接,生成所述铜管生产工艺节点网络。对所述铜管生产工艺节点网络中各个节点进行生产信息匹配,确定对应的生产设备对应的生产参数特征值,与工艺节点一一对应,作为所述生产工艺参数组序列,同时确定加工完成后,铜管的相应加工状态,作为所述铜管成品状态信息,其中,任意一个生产参数特征值序列对应于一个成品状态,可以表征缺陷的数量和缺陷等级。
具体的,基于所述铜管生产工艺节点网络确定多个工艺节点,作为所述第一变量组,基于所述第一变量组随机设定一个工艺节点或者多个工艺节点作为所述第一类型变量,用于进行单项工艺节点或多项工艺节点联合的生产缺陷分析;基于所述生产工艺参数组序列,确定节点工艺参数生成所述第二变量组,将所述第一类型变量输入所述第二变量组中,确定所述第一类型变量对应的一个工艺参数或多个工艺参数,设定为所述第二类型变量。基于所述第二类型变量进行铜管成品状态的生产对照分析,通过进行对照试验,限定单个变量或单组变量,以分析不同工艺参数对成品状态的影响程度。基于成品状态偏差确定所述第二类型变量对于铜管成品状态的缺陷数量影响度与缺陷等级影响度,与成品状态偏差成正比,可设定影响等级进行影响度表述。
进一步的获取预设权重,即设定的所述缺陷数量与缺陷等级的影响度权重,基于所述预设权重对所述缺陷数量影响度与所述缺陷等级影响度进行加权计算,将计算结果作为所述第一工艺参数对照影响度,多次进行变量的调整,基于上述分析步骤进行对照影响分析,生成对应的工艺参数对照影响度,进而添加进所述多个工艺参数对照影响度,以确定不同工艺参数对于铜管成品的状态影响。
设定所述影响度阈值,即进行相关参数敏感性分析的影响度临界值,基于所述影响度阈值对所述多个工艺参数对照影响度进行判定,将大于等于所述影响度阈值的工艺参数添加进所述敏感工艺参数,即对产品状态影响较大的相关工艺参数,通过进行敏感工艺参数的高精度筛选,以进行钢管生产的针对性监测管理,避免无效做功。
步骤S500:根据所述敏感工艺参数,构建铜管制备预警模型;
进一步而言,如图3所示,所述根据所述敏感工艺参数,构建铜管制备预警模型,本申请步骤S500还包括:
步骤S510:将所述敏感工艺参数,划分为第一类型敏感工艺参数、第二类型敏感工艺参数直到第N类型敏感工艺参数,其中,任意一个类型的敏感工艺参数类型限定为1,且任意一个类型内的任意一个敏感工艺参数特征值数据量限定为2;
步骤S520:根据所述第一类型敏感工艺参数,构建第一孤立检测树;
步骤S530:根据所述第N类型敏感工艺参数,构建第N孤立检测树;
步骤S540:将所述第一孤立检测树直到所述第N孤立检测树设为并行节点,生成所述铜管制备预警模型。
具体而言,通过进行铜管生产工艺敏感性分析,获取所述敏感工艺参数,对所述敏感工艺参数进行划分,优选的,可将工艺节点作为所述敏感工艺参数的划分标准,获取所述第一类型敏感工艺参数、所述第二类型敏感工艺参数直至所述第N类型敏感工艺参数,基于所述第一类型敏感工艺参数,将敏感工艺参数类型限定为1,任意一个敏感工艺参数特征值数据量至少为2,例如温控参数与压控参数,设定两组相同特征值,构建所述第一孤立检测树,当正常的工艺参数进入时,则无法划分为任意一个敏感工艺参数中,将其判定为孤立数据最终分化出新的节点,且分化节点的数据量为1,则该工艺参数视为正常;若是无法分化出数据量为1的节点,即将输入的工艺参数与敏感工艺参数特征值归属于同一类,当前数据量为3,则视为该工艺参数为较容易造成生产缺陷的参数,需要进行预警管理。
同理,基于所述第二类型敏感工艺参数构建第二孤立检测树,直至完成所述第N孤立检测树的构建,将所述第一孤立检测树直至所述第N孤立检测树设定为并行节点,即同级节点,构成所述铜管制备预警模型。所述铜管制备预警模型中内嵌多个孤立检测树,以进行输入数据的针对性检测,可一定程度上提高数据检测效率与准确度。
步骤S600:获取实时铜管生产工艺,输入所述铜管制备预警模型,输出敏感工艺匹配结果;
步骤S700:根据所述敏感工艺匹配结果进行铜管生产缺陷预警管理。
具体而言,获取实时铜管生产工艺,即当前进行产品生产的工艺,确定各工艺节点的工艺参数,将其输入所述铜管制备预警模型中,通过进行输入数据与孤立检测树的匹配,基于匹配结果进行对应工艺参数的敏感性检测,以进行工艺参数的高效精准检测,确定输入数据中的敏感工艺参数,作为所述敏感工艺匹配结果进行模型输出,进一步基于所述敏感工艺匹配结果对所述实时铜管生产工艺进行标识,以进行工艺生产进程的预警警示,通过进行铜管生产的缺陷预防,实现铜管的高质量生产。
本申请实施例提供的一种制冷用铜管生产缺陷管理方法,具有如下技术效果:
1、本申请提供了一种制冷用铜管生产缺陷管理方法,采集产品质量检测数据进行缺陷分析,生成多个高频缺陷特征,进而采集产品制备工艺生成铜管生产工艺,对其进行敏感性分析生成敏感工艺参数,构建铜管制备预警模型对实时铜管生产工艺进行分析,输出敏感工艺匹配结果,进行铜管生产缺陷预警管理,解决现有技术中制冷用铜管生产缺陷管控方法智能度不足,使得生产缺陷管理较为繁琐,同时对于生产缺陷的分析不够严谨,效率低下且精准度不足的技术问题,基于产品质检数据进行反向递推,进而建模进行敏感参数检测分析,实现智能化精准高效的生产管理。
2、基于产品质检数据,构建高频缺陷筛选坐标系进行缺陷特征划分,保障筛选缺陷的需求适配性,进一步限定单个变量或单组变量,通过分析不同工艺参数对成品状态的影响程度,确定敏感工艺参数并保障参数准确度,构建铜管制备预警模型以进行实时生产工艺分析,保障分析结果的客观性及实际生产契合度,在此基础上进行生产缺陷管理。
实施例二
基于与前述实施例中一种制冷用铜管生产缺陷管理方法相同的发明构思,如图4所示,本申请提供了一种制冷用铜管生产缺陷管理***,所述***包括:
数据采集模块11,所述数据采集模块11用于遍历制冷用铜管型号,采集预设时间粒度的产品质量检测数据;
特征生成模块12,所述特征生成模块12用于对所述产品质量检测数据进行缺陷分析,生成多个高频缺陷特征;
工艺生成模块13,所述工艺生成模块13用于根据所述多个高频缺陷特征采集产品制备工艺,生成铜管生产工艺;
参数生成模块14,所述参数生成模块14用于对所述铜管生产工艺进行敏感性分析,生成敏感工艺参数;
模型构建模块15,所述模型构建模块15用于根据所述敏感工艺参数,构建铜管制备预警模型;
工艺匹配模块16,所述工艺匹配模块16用于获取实时铜管生产工艺,输入所述铜管制备预警模型,输出敏感工艺匹配结果;
生产管理模块17,所述生产管理模块17用于根据所述敏感工艺匹配结果进行铜管生产缺陷预警管理。
进一步而言,所述***还包括:
数据提取模块,所述数据提取模块用于从所述产品质量检测数据,提取多条产品缺陷记录数据;
缺陷参数生成模块,所述缺陷参数生成模块用于根据所述多条产品缺陷记录数据进行缺陷聚类分析,生成多个缺陷类型、多个缺陷触发频率和多个缺陷触发时间;
缺陷特征生成模块,所述缺陷特征生成模块用于根据所述多个缺陷触发频率和所述多个缺陷触发时间,对所述多个缺陷类型进行筛选,生成所述多个高频缺陷特征。
进一步而言,所述***还包括:
坐标轴构建模块,所述坐标轴构建模块用于基于缺陷触发频率构建第一坐标轴,基于缺陷触发时间构建第二坐标轴;
坐标系构建模块,所述坐标系构建模块用于根据所述第一坐标轴和所述第二坐标轴,构建高频缺陷筛选坐标系;
区域设定模块,所述区域设定模块用于在所述高频缺陷筛选坐标系设定高频触发区域;
将所述多个缺陷触发频率和所述多个缺陷触发时间输入所述高频缺陷筛选坐标系,生成缺陷类型分布信息;
缺陷类型添加模块,所述缺陷类型添加模块用于根据所述缺陷类型分布信息,将属于所述高频触发区域的所述多个缺陷类型,添加进所述多个高频缺陷特征。
进一步而言,所述***还包括:
数组构建模块,所述数组构建模块用于根据所述多个高频缺陷特征,构建工艺归类约束数组,其中,所述工艺归类约束数组包括多个工艺归类约束条件,任意一个所述多个工艺归类约束条件包括一个或多个高频缺陷特征;
生产工艺采集模块,所述生产工艺采集模块用于遍历所述多个工艺归类约束条件,基于工业互联网络,采集所述铜管生产工艺。
进一步而言,所述***还包括:
节点网络生成模块,所述节点网络生成模块用于对所述铜管生产工艺进行工艺节点拆解,生成铜管生产工艺节点网络;
信息匹配模块,所述信息匹配模块用于根据所述铜管生产工艺节点网络,匹配生产工艺参数组序列和铜管成品状态信息;
影响度生成模块,所述影响度生成模块用于根据所述铜管生产工艺节点网络、所述生产工艺参数组序列和所述铜管成品状态信息进行生产对照分析,生成多个工艺参数对照影响度;
工艺参数添加模块,所述工艺参数添加模块用于将所述多个工艺参数对照影响度满足对照影响度阈值的工艺参数添加进所述敏感工艺参数。
进一步而言,所述***还包括:
变量组设定模块,所述变量组设定模块用于根据所述铜管生产工艺节点网络,设定第一变量组;根据所述生产工艺参数组序列,设定第二变量组;
第一类型变量设定模块,所述第一类型变量设定模块用于根据所述第一变量组随机设定第一类型变量,其中,所述第一类型变量包括一个工艺节点或多个第一类型变量;
第二类型变量设定模块,所述第二类型变量设定模块用于将所述第一类型变量输入所述第二变量组,随机设定第二类型变量,其中,所述第二类型变量包括一个工艺参数或多个工艺参数;
缺陷影响度获取模块,所述缺陷影响度获取模块用于根据所述第二类型变量,对所述铜管成品状态信息进行生产对照分析,获取缺陷数量影响度和缺陷等级影响度;
对照影响度生成模块,所述对照影响度生成模块用于将所述缺陷数量影响度和所述缺陷等级影响度按照预设权重分布融合,生成第一工艺参数对照影响度,所述第一工艺参数对照影响度属于所述多个工艺参数对照影响度。
进一步而言,所述***还包括:
参数划分模块,所述参数划分模块用于将所述敏感工艺参数,划分为第一类型敏感工艺参数、第二类型敏感工艺参数直到第N类型敏感工艺参数,其中,任意一个类型的敏感工艺参数类型限定为1,且任意一个类型内的任意一个敏感工艺参数特征值数据量限定为2;
第一孤立检测树构建模块,所述第一孤立检测树构建模块用于根据所述第一类型敏感工艺参数,构建第一孤立检测树;
第N孤立检测树构建模块,所述第N孤立检测树构建模块用于根据所述第N类型敏感工艺参数,构建第N孤立检测树;
模型生成模块,所述模型生成模块用于将所述第一孤立检测树直到所述第N孤立检测树设为并行节点,生成所述铜管制备预警模型。
本说明书通过前述对一种制冷用铜管生产缺陷管理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种制冷用铜管生产缺陷管理方法及***,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种制冷用铜管生产缺陷管理方法,其特征在于,包括:
遍历制冷用铜管型号,采集预设时间粒度的产品质量检测数据;
对所述产品质量检测数据进行缺陷分析,生成多个高频缺陷特征;
根据所述多个高频缺陷特征采集产品制备工艺,生成铜管生产工艺;
对所述铜管生产工艺进行敏感性分析,生成敏感工艺参数;
根据所述敏感工艺参数,构建铜管制备预警模型;
获取实时铜管生产工艺,输入所述铜管制备预警模型,输出敏感工艺匹配结果;
根据所述敏感工艺匹配结果进行铜管生产缺陷预警管理。
2.如权利要求1所述的方法,其特征在于,所述对所述产品质量检测数据进行缺陷分析,生成多个高频缺陷特征,包括:
从所述产品质量检测数据,提取多条产品缺陷记录数据;
根据所述多条产品缺陷记录数据进行缺陷聚类分析,生成多个缺陷类型、多个缺陷触发频率和多个缺陷触发时间;
根据所述多个缺陷触发频率和所述多个缺陷触发时间,对所述多个缺陷类型进行筛选,生成所述多个高频缺陷特征。
3.如权利要求2所述的方法,其特征在于,所述根据所述多个缺陷触发频率和所述多个缺陷触发时间,对所述多个缺陷类型进行筛选,生成所述多个高频缺陷特征,包括:
基于缺陷触发频率构建第一坐标轴,基于缺陷触发时间构建第二坐标轴;
根据所述第一坐标轴和所述第二坐标轴,构建高频缺陷筛选坐标系;
在所述高频缺陷筛选坐标系设定高频触发区域;
将所述多个缺陷触发频率和所述多个缺陷触发时间输入所述高频缺陷筛选坐标系,生成缺陷类型分布信息;
根据所述缺陷类型分布信息,将属于所述高频触发区域的所述多个缺陷类型,添加进所述多个高频缺陷特征。
4.如权利要求1所述的方法,其特征在于,所述根据所述多个高频缺陷特征采集产品制备工艺,生成铜管生产工艺,包括:
根据所述多个高频缺陷特征,构建工艺归类约束数组,其中,所述工艺归类约束数组包括多个工艺归类约束条件,任意一个所述多个工艺归类约束条件包括一个或多个高频缺陷特征;
遍历所述多个工艺归类约束条件,基于工业互联网络,采集所述铜管生产工艺。
5.如权利要求1所述的方法,其特征在于,所述对所述铜管生产工艺进行敏感性分析,生成敏感工艺参数,包括:
对所述铜管生产工艺进行工艺节点拆解,生成铜管生产工艺节点网络;
根据所述铜管生产工艺节点网络,匹配生产工艺参数组序列和铜管成品状态信息;
根据所述铜管生产工艺节点网络、所述生产工艺参数组序列和所述铜管成品状态信息进行生产对照分析,生成多个工艺参数对照影响度;
将所述多个工艺参数对照影响度满足对照影响度阈值的工艺参数添加进所述敏感工艺参数。
6.如权利要求5所述的方法,其特征在于,所述根据所述铜管生产工艺节点网络、所述生产工艺参数组序列和所述铜管成品状态信息进行生产对照分析,生成多个工艺参数对照影响度,包括:
根据所述铜管生产工艺节点网络,设定第一变量组;根据所述生产工艺参数组序列,设定第二变量组;
根据所述第一变量组随机设定第一类型变量,其中,所述第一类型变量包括一个工艺节点或多个第一类型变量;
将所述第一类型变量输入所述第二变量组,随机设定第二类型变量,其中,所述第二类型变量包括一个工艺参数或多个工艺参数;
根据所述第二类型变量,对所述铜管成品状态信息进行生产对照分析,获取缺陷数量影响度和缺陷等级影响度;
将所述缺陷数量影响度和所述缺陷等级影响度按照预设权重分布融合,生成第一工艺参数对照影响度,所述第一工艺参数对照影响度属于所述多个工艺参数对照影响度。
7.如权利要求1所述的方法,其特征在于,所述根据所述敏感工艺参数,构建铜管制备预警模型,包括:
将所述敏感工艺参数,划分为第一类型敏感工艺参数、第二类型敏感工艺参数直到第N类型敏感工艺参数,其中,任意一个类型的敏感工艺参数类型限定为1,且任意一个类型内的任意一个敏感工艺参数特征值数据量限定为2;
根据所述第一类型敏感工艺参数,构建第一孤立检测树;
根据所述第N类型敏感工艺参数,构建第N孤立检测树;
将所述第一孤立检测树直到所述第N孤立检测树设为并行节点,生成所述铜管制备预警模型。
8.一种制冷用铜管生产缺陷管理***,其特征在于,所述***包括:
数据采集模块,所述数据采集模块用于遍历制冷用铜管型号,采集预设时间粒度的产品质量检测数据;
特征生成模块,所述特征生成模块用于对所述产品质量检测数据进行缺陷分析,生成多个高频缺陷特征;
工艺生成模块,所述工艺生成模块用于根据所述多个高频缺陷特征采集产品制备工艺,生成铜管生产工艺;
参数生成模块,所述参数生成模块用于对所述铜管生产工艺进行敏感性分析,生成敏感工艺参数;
模型构建模块,所述模型构建模块用于根据所述敏感工艺参数,构建铜管制备预警模型;
工艺匹配模块,所述工艺匹配模块用于获取实时铜管生产工艺,输入所述铜管制备预警模型,输出敏感工艺匹配结果;
生产管理模块,所述生产管理模块用于根据所述敏感工艺匹配结果进行铜管生产缺陷预警管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211630123.4A CN115983684B (zh) | 2022-12-19 | 2022-12-19 | 一种制冷用铜管生产缺陷管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211630123.4A CN115983684B (zh) | 2022-12-19 | 2022-12-19 | 一种制冷用铜管生产缺陷管理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115983684A true CN115983684A (zh) | 2023-04-18 |
CN115983684B CN115983684B (zh) | 2024-01-26 |
Family
ID=85964125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211630123.4A Active CN115983684B (zh) | 2022-12-19 | 2022-12-19 | 一种制冷用铜管生产缺陷管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115983684B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117808495A (zh) * | 2024-01-24 | 2024-04-02 | 申雕智能科技(苏州)有限公司 | 用于义齿智能化生产的产品数据溯源方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190032908A (ko) * | 2017-09-20 | 2019-03-28 | 주식회사 에이치엔에스휴먼시스템 | 제철소 철강제품 품질관리를 위한 지능형 결함 제어 방법 및 시스템 |
KR102100499B1 (ko) * | 2019-10-11 | 2020-04-13 | 강현광 | 빅데이터를 이용한 품질관리 시스템 |
CN111597729A (zh) * | 2020-05-27 | 2020-08-28 | 北京天泽智云科技有限公司 | 加工设备工艺参数优化方法及*** |
CN112557406A (zh) * | 2021-02-19 | 2021-03-26 | 浙江大胜达包装股份有限公司 | 纸品生产质量智能检验方法及其*** |
CN113176281A (zh) * | 2021-04-25 | 2021-07-27 | 程志伟 | 基于人工智能拉拔线表面缺陷检测***及方法 |
CN113723781A (zh) * | 2021-08-19 | 2021-11-30 | 武汉慧远智控科技有限公司 | 一种基于spc分析的产品质量缺陷判定***及其方法 |
CN115047162A (zh) * | 2022-06-24 | 2022-09-13 | 张家港沙龙精密管业有限公司 | 一种钢管热处理的缺陷检测方法及*** |
-
2022
- 2022-12-19 CN CN202211630123.4A patent/CN115983684B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190032908A (ko) * | 2017-09-20 | 2019-03-28 | 주식회사 에이치엔에스휴먼시스템 | 제철소 철강제품 품질관리를 위한 지능형 결함 제어 방법 및 시스템 |
KR102100499B1 (ko) * | 2019-10-11 | 2020-04-13 | 강현광 | 빅데이터를 이용한 품질관리 시스템 |
CN111597729A (zh) * | 2020-05-27 | 2020-08-28 | 北京天泽智云科技有限公司 | 加工设备工艺参数优化方法及*** |
CN112557406A (zh) * | 2021-02-19 | 2021-03-26 | 浙江大胜达包装股份有限公司 | 纸品生产质量智能检验方法及其*** |
CN113176281A (zh) * | 2021-04-25 | 2021-07-27 | 程志伟 | 基于人工智能拉拔线表面缺陷检测***及方法 |
CN113723781A (zh) * | 2021-08-19 | 2021-11-30 | 武汉慧远智控科技有限公司 | 一种基于spc分析的产品质量缺陷判定***及其方法 |
CN115047162A (zh) * | 2022-06-24 | 2022-09-13 | 张家港沙龙精密管业有限公司 | 一种钢管热处理的缺陷检测方法及*** |
Non-Patent Citations (4)
Title |
---|
YASMIN FATHY等: "Learning With Imbalanced Data in Smart Manufacturing: A Comparative Analysis", IEEE ACCESS, vol. 9, pages 2734 - 2757, XP011829658, DOI: 10.1109/ACCESS.2020.3047838 * |
庞洪轩等: "低温容器钢16MnDR内部点状缺陷分析与改进", 天津冶金, no. 03, pages 57 - 59 * |
董营等: "铜管三辊行星轧制过程轧辊轴力学行为分析", 热加工工艺, vol. 45, no. 05, pages 111 - 115 * |
邵健等: "热轧工艺过程和质量管控平台的研发和应用", 轧钢, vol. 35, no. 02, pages 6 - 11 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117808495A (zh) * | 2024-01-24 | 2024-04-02 | 申雕智能科技(苏州)有限公司 | 用于义齿智能化生产的产品数据溯源方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN115983684B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107273924B (zh) | 基于模糊聚类分析的多数据融合的电厂故障诊断方法 | |
JP2020500420A (ja) | マシンラーニング基盤の半導体製造の収率予測システム及び方法 | |
CN116975378B (zh) | 一种基于大数据的设备环境监测方法及*** | |
CN109634233A (zh) | 工业大数据智能分析决策方法、可读存储介质和终端 | |
CN108491931B (zh) | 一种基于机器学习提高无损检测精度的方法 | |
CN110343541B (zh) | 一种裂解炉管智能结焦监测边云协同平台及其工作方法 | |
CN115983684B (zh) | 一种制冷用铜管生产缺陷管理方法及*** | |
CN105867341B (zh) | 一种烟草加工设备的在线设备健康状态自检方法及*** | |
CN115601000B (zh) | 一种复杂环境下的bim5d模型工程造价方法及*** | |
CN107490964A (zh) | 一种基于特征证据离散化的旋转机械故障特征约简方法 | |
CN115511398B (zh) | 一种基于时间敏感网络的焊接质量智能检测方法及*** | |
CN109614451A (zh) | 工业大数据智能分析决策装置 | |
CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
CN109345060A (zh) | 一种基于多源感知的产品质量特性误差溯源分析方法 | |
CN115115213A (zh) | 一种钢铁产品质量特性的追溯分析方法及装置 | |
Eger et al. | Knowledge capturing platform in multi-stage production systems for zero-defect manufacturing | |
CN117689256B (zh) | 一种铝合金熔铸产品质量溯源方法 | |
CN111126477A (zh) | 一种混合贝叶斯网络的学习与推理方法 | |
CN113868948A (zh) | 一种面向用户的动态阈值模型训练***及方法 | |
CN117807659A (zh) | 一种建筑结构缺陷检测和纠正方法及*** | |
KR20220164976A (ko) | 머신러닝 기반 클린룸 관리 시스템 및 방법 | |
CN111445132B (zh) | 数据处理方法、数据处理***及计算机存储介质 | |
JP2019117464A (ja) | 異常監視システム、異常監視方法及びプログラム | |
Erginel | Fuzzy individual and moving range control charts with α-cuts | |
CN115469585B (zh) | 一种基于大数据的水电机组状态监测方法及*** |
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 |