CN117025896B - 一种热处理*** - Google Patents
一种热处理*** Download PDFInfo
- Publication number
- CN117025896B CN117025896B CN202311005117.4A CN202311005117A CN117025896B CN 117025896 B CN117025896 B CN 117025896B CN 202311005117 A CN202311005117 A CN 202311005117A CN 117025896 B CN117025896 B CN 117025896B
- Authority
- CN
- China
- Prior art keywords
- heat treatment
- scheme
- equipment
- performance
- requirement
- 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
- 238000010438 heat treatment Methods 0.000 title claims abstract description 423
- 238000012545 processing Methods 0.000 claims abstract description 53
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 60
- 230000008569 process Effects 0.000 claims description 53
- 238000012423 maintenance Methods 0.000 claims description 32
- 238000012216 screening Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000005266 casting Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000005242 forging Methods 0.000 claims description 3
- 230000036314 physical performance Effects 0.000 claims description 3
- 238000003466 welding Methods 0.000 claims description 3
- 239000002184 metal Substances 0.000 description 13
- 230000000694 effects Effects 0.000 description 9
- 239000000463 material Substances 0.000 description 4
- 238000004321 preservation Methods 0.000 description 3
- 101100520231 Caenorhabditis elegans plc-3 gene Proteins 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010791 quenching Methods 0.000 description 2
- 230000000171 quenching effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000005496 tempering Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
- C21D1/00—General methods or devices for heat treatment, e.g. annealing, hardening, quenching or tempering
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
- C21D11/00—Process control or regulation for heat treatments
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Mechanical Engineering (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Control Of Heat Treatment Processes (AREA)
Abstract
本申请涉及一种热处理***，其包括热处理决策模块、热处理设备组和PLC控制器，所述热处理决策模块和热处理设备组均与PLC控制器通信连接；所述热处理决策模块用于获取用户的热处理性能需求结合现有热处理设备使用情况匹配确定热处理方案，进而控制热处理设备组和PLC控制器进行设备参数设置以及工件热处理加工。本申请能够有效提高热处理加工效率和加工质量。
Description
技术领域
本申请涉及热处理的领域，尤其是涉及一种热处理***。
背景技术
金属热处理是机械制造中的重要工艺之一，与其他加工工艺相比，热处理一般不改变工件的形状和整体的化学成分，而是通过改变工件内部的显微组织，或改变工件表面的化学成分，赋予或改善工件的使用性能。其特点是改善工件的内在质量，而这一般不是肉眼所能看到的。为使金属工件具有所需要的力学性能、物理性能和化学性能，除合理选用材料和各种成形工艺外，热处理工艺往往是必不可少的。
热处理工艺一般包括加热、保温、冷却三个过程，有时只有加热和冷却两个过程。这些过程互相衔接，不可间断。加热是热处理的重要工序之一。加热温度随被处理的金属材料和热处理的目的不同而异，但一般都是加热到相变温度以上，以获得高温组织。另外转变需要一定的时间，因此当金属工件表面达到要求的加热温度时，还须在此温度保持一定时间，使内外温度一致，使显微组织转变完全，这段时间称为保温时间。采用高能密度加热和表面热处理时，加热速度极快，一般就没有保温时间，而化学热处理的保温时间往往较长。金属热处理工艺大体可分为整体热处理、表面热处理和化学热处理三大类。同一种金属采用不同的热处理工艺，可获得不同的组织，从而具有不同的性能。
现有金属热处理为了提高热处理性能，往往需要在热处理炉内短时间完成多个动作，如在真空炉中进行金属工件淬火时，金属工件进行淬火工序需要六、七个动作并且要在15秒钟以内完成。这样敏捷的条件来完成许多动作，很容易造成操作人员的紧张而构成误操作。因此，只有较高的自动化才能准确、及时按程序协调。但是现有金属加工企业在进行金属热处理加工时，往往需要工人根据自身经验选取热处理设备再手动设置设备参数，最后在进行热处理加工，费时费力，且容易因经验主义导致热处理加工性能降低，影响金属热处理加工效率和加工质量。
发明内容
为了解决现有金属热处理***自动程度低，需要工人根据自身经验选取热处理设备再手动设置设备参数，费时费力，影响金属热处理加工效率和加工质量的问题，本申请提供一种热处理***。
第一方面，本申请提供一种热处理***，采用如下的技术方案：
一种热处理***，包括热处理决策模块、热处理设备组和PLC控制器，所述热处理决策模块和热处理设备组均与PLC控制器通信连接；所述热处理决策模块用于获取用户的热处理性能需求结合现有热处理设备使用情况匹配确定热处理方案，进而控制热处理设备组和PLC控制器进行设备参数设置以及工件热处理加工。
优选的，所述热处理决策模块用于获取用户的热处理性能需求结合现有热处理设备使用情况匹配确定热处理方案，进而控制热处理设备组和PLC控制器进行设备参数设置以及工件热处理加工具体包括以下步骤：
所述热处理决策模块获取用户输入的性能需求信息生成需求指令，所述需求指令包括工艺性能需求和使用性能需求，所述工艺性能需求包括铸造性能需求、锻造性能需求、焊接性能需求、切削性能需求、成型性能需求和热处理工艺性能需求中的一种或多种，所述使用性能需求包括力学性能需求、物理性能需求和化学性能需求的一种多种；
所述热处理决策模块实时获取热处理设备组中现有热处理设备的工作状态，所述工作状态包括工作中、空置中和维护中；
所述热处理决策模块基于需求指令和热处理设备的工作状态匹配生成热处理方案，所述热处理方案包括至少一台热处理设备、至少一组热处理设备控制参数和热处理工艺流程信息；
所述热处理决策模块根据热处理方案选调待处理工件至目标热处理设备处，并通过PLC控制器对目标热处理设备进行参数设定；
所述热处理决策模块根据热处理方案中的热处理工艺流程生成热处理控制指令，通过PLC控制器将热处理控制指令发送至热处理设备处，使得热处理设备按照热处理工艺流程进行工件热处理。
优选的，所述热处理决策模块实时获取热处理设备组中现有热处理设备的工作状态还包括：热处理决策模块获取工作中的各个热处理设备工作时长信息，确定各个工作中的热处理设备距下次维护可用工作时长、当前生产进程预计剩余用时以及预计剩余可用工作时长；获取空置中的各个热处理设备工作时长信息，确定各个空置中的热处理设备的预计剩余可用工作时长；获取维护置中的各个热处理设备的维护信息，确定各个维护中的热处理设备的当前维护进程预计剩余用时以及维护完成后预计可用工作时长。
优选的，所述热处理决策模块基于需求指令和热处理设备的工作状态匹配生成热处理方案具体包括以下步骤：
所述热处理决策模块基于需求指令通过预设置的方案匹配模型匹配生成至少一个满足用户热处理性能需求的备选方案；所述方案匹配模型为机器学习模型通过历史数据训练而成；
基于现有热处理设备的工作状态判断是否存在设备需求被空置中热处理设备满足的备选方案；
若存在，则对设备需求满足的备选方案通过预设置的方案性能评分计算公式计算其性能评分，选取性能评分最高的备选方案作为热处理方案；
若不存在，则对匹配生成的备选方案基于热处理设备的工作状态进行筛选得到热处理方案。
优选的，所述预设置的方案性能评分计算公式具体为：
其中，Xi为第i个备选方案的性能评分，n为需求指令中工件热处理性能需求总项数，Pk为需求指令中第k个性能需求项的性能需求值，Qk为第i个备选方案中的工件完成热处理加工后对应需求指令中第k个性能需求项的性能预测值。
优选的，所述对匹配生成的备选方案基于热处理设备的工作状态进行筛选得到热处理方案具体包括以下步骤：
向用户获取热处理工期信息，并基于各个备选方案的热处理工艺流程信息确定各个备选方案热处理工艺时长信息、其所需热处理设备的使用时长以及进行热处理加工时前置等待时长；
基于工作中以及维护中的热处理设备的工作状态信息，根据其当前进程使用时长以及预计可用工作时长，对匹配生成的备选方案进行筛选得到选用工作中以及维护中的热处理设备仍能满足热处理工期的目标方案；
通过预设置的综合评分计算公式计算各个目标方案的综合评分，选取综合评分最高的目标方案作为热处理方案。
优选的，所述预设置的综合评分计算公式具体为：
其中Zi为第i个目标方案的综合评分，n为需求指令中工件热处理性能需求总项数，Pk为需求指令中第k个性能需求项的性能需求值，Qk为第i个备选方案中的工件完成热处理加工后对应需求指令中第k个性能需求项的性能预测值；m为第i个目标方案所需热处理设备数量，Aj为第i个目标方案所需的第j台热处理设备的前置等待时长，Bj为第i个目标方案所需的第j台热处理设备的当前维护或生产进程预计剩余用时。
优选的，所述对匹配生成的备选方案进行筛选还包括：若筛选未得到选用工作中以及维护中的热处理设备仍能满足热处理工期的目标方案，则向用户发送热处理工期调整请求，并基于用户调整的热处理工期重新进行筛选操作，以得到选用工作中以及维护中的热处理设备仍能满足调整后的热处理工期的目标方案。
优选的，所述备选方案所需热处理设备进行热处理加工时前置等待时长还包括：若备选方案任一所需热处理设备的在进行热处理加工时根据工艺流程需求需要多次使用时，则将从开始热处理加工开始到第一使用该热处理设备的间隔时长作为该热处理设备的前置等待时长。
综上所述，本申请包括以下至少一种有益技术效果：
1.通过热处理决策模块的设置，根据用户的热处理性能需求以及企业的热处理设备实际使用情况智能决策生成热处理方案，热处理方案包括热处理设备控制参数和热处理工艺流程信息，再通过PLC控制器实现设备参数自动设置，工艺流程自动控制，使得热处理设备按照热处理工艺流程进行工件热处理，节约人力物力，避免因经验主义导致热处理加工性能降低的现象发生，达到有效提高热处理加工效率和加工质量的效果；
2.根据用户的热处理性能需求通过方案匹配模型实现精确匹配满足用户性能需求的热处理方案，实现对现有热处理工艺进行有机结合，并基于企业设备实际使用情况，对备选方案进行筛选，看空置的热处理设备是否能满足备选方案的设备需求，若存在，则基于各个备选方案的热处理性能作为依据选取热处理方案；若不存在，则将设备选取范围扩大到正在维护和使用的热处理设备上，引入时间维度结合各个备选方案的热处理性能选取处理方案，真正实现智能科学评比选取方案，与企业实际生产情况相结合，达到有效提高热处理加工效率和加工质量的效果；
3.在空置的热处理设备不能满足备选方案的设备需求，将设备选取范围扩大到正在维护和使用的热处理设备上，根据热处理工期需求为基础，筛选得到选用工作中以及维护中的热处理设备仍能满足热处理工期的目标方案，结合这些热处理设备在工艺流程中本身就存在的前置等待时长，计算各个目标方案的综合评分选取热处理性能优异，且工期适合的目标方案作为热处理方案，进一步提高热处理方案匹配精确性和科学性，在兼顾性能的同时确保工期，有助于企业良性发展，达到有效提高热处理加工效率和加工质量的效果。
附图说明
图1是本申请实施例中热处理***的***框图；
图2是本申请实施例中热处理***进行热处理的方法流程图；
图3是本申请实施例中热处理决策模块生成热处理方案的方法流程图；
图4是本申请实施例中对匹配生成的备选方案进行筛选的方法流程图。
附图标记说明：1、热处理决策模块；2、热处理设备组；3、PLC控制器。
具体实施方式
以下结合附图1-4对本申请作进一步详细说明。
本申请实施例公开一种热处理***。参照图1，一种热处理***，包括热处理决策模块1、热处理设备组2和PLC控制器3。热处理决策模块1和热处理设备组2均与PLC控制器3通信连接。热处理设备组2包括企业现有热处理设备，热处理设备均为现有已投入使用的设备如可控气氛热处理炉、真空炉、可控回火炉等，其构造结构均为现有技术，在此不再赘述。热处理决策模块1用于获取用户的热处理性能需求结合现有热处理设备使用情况匹配确定热处理方案，进而控制热处理设备组2和PLC控制器3进行设备参数设置以及工件热处理加工。通过热处理决策模块1的设置，根据用户的热处理性能需求以及企业的热处理设备实际使用情况智能决策生成热处理方案，热处理方案包括热处理设备控制参数和热处理工艺流程信息，再通过PLC控制器3实现设备参数自动设置，工艺流程自动控制，使得热处理设备按照热处理工艺流程进行工件热处理，节约人力物力，避免因经验主义导致热处理加工性能降低的现象发生，达到有效提高热处理加工效率和加工质量的效果。
参照图2，上述热处理决策模块1用于获取用户的热处理性能需求结合现有热处理设备使用情况匹配确定热处理方案，进而控制热处理设备组2和PLC控制器3进行设备参数设置以及工件热处理加工具体包括以下步骤：
A1、热处理决策模块生成需求指令：热处理决策模块获取用户输入的性能需求信息生成需求指令，需求指令包括工艺性能需求和使用性能需求，工艺性能需求包括铸造性能需求、锻造性能需求、焊接性能需求、切削性能需求、成型性能需求和热处理工艺性能需求中的一种或多种，使用性能需求包括力学性能需求、物理性能需求和化学性能需求的一种多种；
A2、获取热处理设备组中现有热处理设备的工作状态：热处理决策模块实时获取热处理设备组中现有热处理设备的工作状态，工作状态包括工作中、空置中和维护中；
A3、匹配生成热处理方案：热处理决策模块基于需求指令和热处理设备的工作状态匹配生成热处理方案，热处理方案包括至少一台热处理设备、至少一组热处理设备控制参数和热处理工艺流程信息；
A4、对目标热处理设备进行参数设定：热处理决策模块根据热处理方案选调待处理工件至目标热处理设备处，并通过PLC控制器对目标热处理设备进行参数设定；
A5、按照热处理工艺流程进行工件热处理：热处理决策模块根据热处理方案中的热处理工艺流程生成热处理控制指令，通过PLC控制器将热处理控制指令发送至热处理设备处，使得热处理设备按照热处理工艺流程进行工件热处理。基于用户的热处理性能需求和企业现有设备的工作状态，智能决策匹配生成热处理方案，通过PLC控制器实现设备参数自动设置，按照工艺流程自动控制热处理设备对工件进行热处理加工，节约人力物力的同时避免出现因经验主义导致热处理加工性能降低的现象，达到有效提高热处理加工效率和加工质量的效果。
在热处理决策模块实时获取热处理设备组中现有热处理设备的工作状态时，还获取现有热处理设备工作数据具体为：热处理决策模块获取工作中的各个热处理设备工作时长信息，确定各个工作中的热处理设备距下次维护可用工作时长、当前生产进程预计剩余用时以及预计剩余可用工作时长；获取空置中的各个热处理设备工作时长信息，确定各个空置中的热处理设备的预计剩余可用工作时长；获取维护置中的各个热处理设备的维护信息，确定各个维护中的热处理设备的当前维护进程预计剩余用时以及维护完成后预计可用工作时长。对各个现有热处理设备工作数据进行收集，有助于精细化各个热处理设备的工作状态，尽可能在保证高效生产的同时选取最符合用户热处理性能需求的热处理方案，达到有效提高热处理加工性能的效果。
参照图3，所述热处理决策模块基于需求指令和热处理设备的工作状态匹配生成热处理方案具体包括以下步骤：
B1、匹配生成备选方案：所述热处理决策模块基于需求指令通过预设置的方案匹配模型匹配生成至少一个满足用户热处理性能需求的备选方案；所述方案匹配模型为机器学习模型通过历史数据训练而成；对机器学习模型进行训练的具体步骤为现有技术，在此不在赘述；
B2、基于现有热处理设备的工作状态判断是否存在设备需求被空置中热处理设备满足的备选方案；
B3、若存在，则对设备需求满足的备选方案通过预设置的方案性能评分计算公式计算其性能评分，选取性能评分最高的备选方案作为热处理方案；
B4、若不存在，则对匹配生成的备选方案基于热处理设备的工作状态进行筛选得到热处理方案。根据用户的热处理性能需求通过方案匹配模型实现精确匹配满足用户性能需求的热处理方案，实现对现有热处理工艺进行有机结合，并基于企业设备实际使用情况，对备选方案进行筛选，看空置的热处理设备是否能满足备选方案的设备需求，若存在，则基于各个备选方案的热处理性能作为依据选取热处理方案；若不存在，则将设备选取范围扩大到正在维护和使用的热处理设备上，引入时间维度结合各个备选方案的热处理性能选取处理方案，真正实现智能科学评比选取方案，与企业实际生产情况相结合，达到有效提高热处理加工效率和加工质量的效果。
上述预设置的方案性能评分计算公式具体为：
其中，Xi为第i个备选方案的性能评分，n为需求指令中工件热处理性能需求总项数，Pk为需求指令中第k个性能需求项的性能需求值，Qk为第i个备选方案中的工件完成热处理加工后对应需求指令中第k个性能需求项的性能预测值。
参照图4，上述对匹配生成的备选方案基于热处理设备的工作状态进行筛选得到热处理方案具体包括以下步骤：
C1、获取信息：向用户获取热处理工期信息，并基于各个备选方案的热处理工艺流程信息确定各个备选方案热处理工艺时长信息、其所需热处理设备的使用时长以及进行热处理加工时前置等待时长；
C2、对备选方案进行筛选：基于工作中以及维护中的热处理设备的工作状态信息，根据其当前进程使用时长以及预计可用工作时长，对匹配生成的备选方案进行筛选得到选用工作中以及维护中的热处理设备仍能满足热处理工期的目标方案；
C3、选取综合评分最高的目标方案作为热处理方案：通过预设置的综合评分计算公式计算各个目标方案的综合评分，选取综合评分最高的目标方案作为热处理方案。在空置的热处理设备不能满足备选方案的设备需求，将设备选取范围扩大到正在维护和使用的热处理设备上，根据热处理工期需求为基础，筛选得到选用工作中以及维护中的热处理设备仍能满足热处理工期的目标方案，结合这些热处理设备在工艺流程中本身就存在的前置等待时长，计算各个目标方案的综合评分选取热处理性能优异，且工期适合的目标方案作为热处理方案，进一步提高热处理方案匹配精确性和科学性，在兼顾性能的同时确保工期，有助于企业良性发展，达到有效提高热处理加工效率和加工质量的效果。
其中，在计算备选方案所需热处理设备的前置等待时长时，若备选方案任一所需热处理设备的在进行热处理加工时根据工艺流程需求需要多次使用时，则将从开始热处理加工开始到第一使用该热处理设备的间隔时长作为该热处理设备的前置等待时长。
上述预设置的综合评分计算公式具体为：
其中Zi为第i个目标方案的综合评分，n为需求指令中工件热处理性能需求总项数，Pk为需求指令中第k个性能需求项的性能需求值，Qk为第i个备选方案中的工件完成热处理加工后对应需求指令中第k个性能需求项的性能预测值；m为第i个目标方案所需热处理设备数量，Aj为第i个目标方案所需的第j台热处理设备的前置等待时长，Bj为第i个目标方案所需的第j台热处理设备的当前维护或生产进程预计剩余用时。
另外在对匹配生成的备选方案进行筛选时，若筛选未得到选用工作中以及维护中的热处理设备仍能满足热处理工期的目标方案，则向用户发送热处理工期调整请求，并基于用户调整的热处理工期重新进行筛选操作，以得到选用工作中以及维护中的热处理设备仍能满足调整后的热处理工期的目标方案。
以上实施例仅用以说明本发明的技术方案，而非对发明的保护范围进行限制。显然，所描述的实施例仅仅是本发明部分实施例，而不是全部实施例。基于这些实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明所要保护的范围。尽管参照上述实施例对本发明进行了详细的说明，本领域普通技术人员依然可以在不冲突的情况下，不作出创造性劳动对本发明各实施例中的特征根据情况相互组合、增删或作其他调整，从而得到不同的、本质未脱离本发明的构思的其他技术方案，这些技术方案也同样属于本发明所要保护的范围。
Claims (3)
1.一种热处理***，其特征在于：包括热处理决策模块(1)、热处理设备组(2)和PLC控制器(3)，所述热处理决策模块(1)和热处理设备组(2)均与PLC控制器(3)通信连接；所述热处理决策模块(1)用于获取用户的热处理性能需求结合现有热处理设备使用情况匹配确定热处理方案，进而控制热处理设备组(2)和PLC控制器(3)进行设备参数设置以及工件热处理加工；
所述热处理决策模块用于获取用户的热处理性能需求结合现有热处理设备使用情况匹配确定热处理方案，进而控制热处理设备组和PLC控制器进行设备参数设置以及工件热处理加工具体包括以下步骤：
所述热处理决策模块获取用户输入的性能需求信息生成需求指令，所述需求指令包括工艺性能需求和使用性能需求，所述工艺性能需求包括铸造性能需求、锻造性能需求、焊接性能需求、切削性能需求、成型性能需求和热处理工艺性能需求中的一种或多种，所述使用性能需求包括力学性能需求、物理性能需求和化学性能需求的一种多种；
所述热处理决策模块实时获取热处理设备组中现有热处理设备的工作状态，所述工作状态包括工作中、空置中和维护中；
所述热处理决策模块基于需求指令和热处理设备的工作状态匹配生成热处理方案，所述热处理方案包括至少一台热处理设备、至少一组热处理设备控制参数和热处理工艺流程信息；
所述热处理决策模块根据热处理方案选调待处理工件至目标热处理设备处，并通过PLC控制器对目标热处理设备进行参数设定；
所述热处理决策模块根据热处理方案中的热处理工艺流程生成热处理控制指令，通过PLC控制器将热处理控制指令发送至热处理设备处，使得热处理设备按照热处理工艺流程进行工件热处理；所述热处理决策模块实时获取热处理设备组中现有热处理设备的工作状态还包括：热处理决策模块获取工作中的各个热处理设备工作时长信息，确定各个工作中的热处理设备距下次维护可用工作时长、当前生产进程预计剩余用时以及预计剩余可用工作时长；获取空置中的各个热处理设备工作时长信息，确定各个空置中的热处理设备的预计剩余可用工作时长；获取维护置中的各个热处理设备的维护信息，确定各个维护中的热处理设备的当前维护进程预计剩余用时以及维护完成后预计可用工作时长；
所述热处理决策模块基于需求指令和热处理设备的工作状态匹配生成热处理方案具体包括以下步骤：
所述热处理决策模块基于需求指令通过预设置的方案匹配模型匹配生成至少一个满足用户热处理性能需求的备选方案；所述方案匹配模型为机器学习模型通过历史数据训练而成；
基于现有热处理设备的工作状态判断是否存在设备需求被空置中热处理设备满足的备选方案；
若存在，则对设备需求满足的备选方案通过预设置的方案性能评分计算公式计算其性能评分，选取性能评分最高的备选方案作为热处理方案；
若不存在，则对匹配生成的备选方案基于热处理设备的工作状态进行筛选得到热处理方案；
所述预设置的方案性能评分计算公式具体为：
其中，Xi为第i个备选方案的性能评分，n为需求指令中工件热处理性能需求总项数，Pk为需求指令中第k个性能需求项的性能需求值，Qk为第i个备选方案中的工件完成热处理加工后对应需求指令中第k个性能需求项的性能预测值；
所述对匹配生成的备选方案基于热处理设备的工作状态进行筛选得到热处理方案具体包括以下步骤：
向用户获取热处理工期信息，并基于各个备选方案的热处理工艺流程信息确定各个备选方案热处理工艺时长信息、其所需热处理设备的使用时长以及进行热处理加工时前置等待时长；
基于工作中以及维护中的热处理设备的工作状态信息，根据其当前进程使用时长以及预计可用工作时长，对匹配生成的备选方案进行筛选得到选用工作中以及维护中的热处理设备仍能满足热处理工期的目标方案；
通过预设置的综合评分计算公式计算各个目标方案的综合评分，选取综合评分最高的目标方案作为热处理方案；
所述预设置的综合评分计算公式具体为：
其中Zi为第i个目标方案的综合评分，n为需求指令中工件热处理性能需求总项数，Pk为需求指令中第k个性能需求项的性能需求值，Qk为第i个备选方案中的工件完成热处理加工后对应需求指令中第k个性能需求项的性能预测值；m为第i个目标方案所需热处理设备数量，Aj为第i个目标方案所需的第j台热处理设备的前置等待时长，Bj为第i个目标方案所需的第j台热处理设备的当前维护或生产进程预计剩余用时。
2.根据权利要求1所述的一种热处理***，其特征在于，所述对匹配生成的备选方案进行筛选还包括：若筛选未得到选用工作中以及维护中的热处理设备仍能满足热处理工期的目标方案，则向用户发送热处理工期调整请求，并基于用户调整的热处理工期重新进行筛选操作，以得到选用工作中以及维护中的热处理设备仍能满足调整后的热处理工期的目标方案。
3.根据权利要求1所述的一种热处理***，其特征在于，所述备选方案所需热处理设备进行热处理加工时前置等待时长还包括：若备选方案任一所需热处理设备的在进行热处理加工时根据工艺流程需求需要多次使用时，则将从开始热处理加工开始到第一使用该热处理设备的间隔时长作为该热处理设备的前置等待时长。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311005117.4A CN117025896B (zh) | 2023-08-10 | 2023-08-10 | 一种热处理*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311005117.4A CN117025896B (zh) | 2023-08-10 | 2023-08-10 | 一种热处理*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117025896A CN117025896A (zh) | 2023-11-10 |
| CN117025896B true CN117025896B (zh) | 2024-03-08 |
Family
ID=88642496
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311005117.4A Active CN117025896B (zh) | 2023-08-10 | 2023-08-10 | 一种热处理*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117025896B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117092962A (zh) * | 2023-10-19 | 2023-11-21 | 常州市百宏智能科技有限公司 | 一种数控机床加工控制*** |
| CN117535510B (zh) * | 2024-01-10 | 2024-05-03 | 麦格纳汽车动力总成(天津)有限公司 | 热处理自动化控制方法、装置、设备及可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106444600A (zh) * | 2016-08-31 | 2017-02-22 | 宁夏共享模具有限公司 | 一种热处理炉的管理方法和装置 |
| KR101968448B1 (ko) * | 2018-11-16 | 2019-04-11 | 최상 | 스마트 조질열처리 공정 모니터링 및 자동 제어 방법과 그 시스템 |
| CN110735029A (zh) * | 2019-10-23 | 2020-01-31 | 宁波萨科森工业科技有限公司 | 一种智能型铝箔热处理*** |
| WO2021073118A1 (zh) * | 2019-10-18 | 2021-04-22 | 平安科技（深圳）有限公司 | 基于强化学习的信息处理方法、装置、设备和存储介质 |
| CN114861509A (zh) * | 2022-07-07 | 2022-08-05 | 苏州翔楼新材料股份有限公司 | 一种特钢热处理工艺数据处理方法及*** |
| CN116422698A (zh) * | 2023-06-13 | 2023-07-14 | 昆山精诚得精密五金模具有限公司 | 一种金属加工用冷轧机 |
-
2023
- 2023-08-10 CN CN202311005117.4A patent/CN117025896B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106444600A (zh) * | 2016-08-31 | 2017-02-22 | 宁夏共享模具有限公司 | 一种热处理炉的管理方法和装置 |
| KR101968448B1 (ko) * | 2018-11-16 | 2019-04-11 | 최상 | 스마트 조질열처리 공정 모니터링 및 자동 제어 방법과 그 시스템 |
| WO2021073118A1 (zh) * | 2019-10-18 | 2021-04-22 | 平安科技（深圳）有限公司 | 基于强化学习的信息处理方法、装置、设备和存储介质 |
| CN110735029A (zh) * | 2019-10-23 | 2020-01-31 | 宁波萨科森工业科技有限公司 | 一种智能型铝箔热处理*** |
| CN114861509A (zh) * | 2022-07-07 | 2022-08-05 | 苏州翔楼新材料股份有限公司 | 一种特钢热处理工艺数据处理方法及*** |
| CN116422698A (zh) * | 2023-06-13 | 2023-07-14 | 昆山精诚得精密五金模具有限公司 | 一种金属加工用冷轧机 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117025896A (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117025896B (zh) | 一种热处理*** | |
| CN109918771B (zh) | 一种多时间因素下混合流水锻造车间的节能调度模型 | |
| CN101334660B (zh) | 一种冷轧连续退火机组钢卷优化排序方法及其*** | |
| CN109034633A (zh) | 改进遗传算法求解带移动时间的柔性作业车间调度方法 | |
| CN112947319B (zh) | 一种钢铁企业冷轧区多产线的集批排程优化方法及*** | |
| JP2013513166A (ja) | 先進的プロセス制御（ａｄｖａｎｃｅｄｐｒｏｃｅｓｓｃｏｎｔｒｏｌ）と実時間最適化（ｒｅａｌ−ｔｉｍｅｏｐｔｉｍｉｚａｔｉｏｎ）との経済性に基づく協調 | |
| CN102266927A (zh) | 一种连铸机钢水浇铸顺序的控制方法 | |
| CN109858780B (zh) | 一种炼钢-连铸生产调度优化方法 | |
| CN105956689A (zh) | 一种基于改进粒子群优化的运输和生产协同调度方法 | |
| CN110806737B (zh) | 一种基于最小能耗及最小时间的生产线设备数量优化方法 | |
| US11053596B2 (en) | Optimization of a sequence of strips to be pickled, on the basis of modelling of a pickling line | |
| CN112418478B (zh) | 一种柔性流水车间下的低碳调度模型及节能优化方法 | |
| CN101591730A (zh) | 一种提高钢铁企业罩式炉机组物流设备运行效率的方法和装置 | |
| JP2007504355A (ja) | 鋼の製造設備の制御方法および制御装置 | |
| US6029097A (en) | Process and system for time control of a basic industry plant | |
| KR102075245B1 (ko) | 전기 강판의 철손 저감 예측 장치 | |
| CN106773646A (zh) | 一种催化裂化过程中原油预热温度控制方法 | |
| CN110084462A (zh) | 一种基于故障rgv智能二道工序加工调度方法 | |
| CN110825055B (zh) | 考虑加热炉连续性加工的混合生产车间节能调度方法 | |
| CN117195460A (zh) | 基于动态规划算法的冷轧产品取样方法及*** | |
| CN110147078A (zh) | 一种无故障rgv智能***二道工序加工动态调度方法 | |
| CN114153185A (zh) | 一种基于动态多目标差分进化算法的炼钢-连铸弹性调度优化方法及*** | |
| CN113857675A (zh) | 高端装饰不锈钢薄板t型接头激光焊工艺参数优化方法 | |
| CN115386821B (zh) | 一种基于锌渣生产量的清渣自动启停控制装置 | |
| Kim et al. | Scheduling and Situation-Adaptive Operation for Energy Efficiency of Hot Press Forging Factory |
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 |