CN117541107A - 产品生产效能的判定方法 - Google Patents
产品生产效能的判定方法 Download PDFInfo
- Publication number
- CN117541107A CN117541107A CN202311418190.4A CN202311418190A CN117541107A CN 117541107 A CN117541107 A CN 117541107A CN 202311418190 A CN202311418190 A CN 202311418190A CN 117541107 A CN117541107 A CN 117541107A
- Authority
- CN
- China
- Prior art keywords
- product
- production line
- production
- determining
- historical
- 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 263
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000007547 defect Effects 0.000 claims abstract description 45
- 238000005265 energy consumption Methods 0.000 claims abstract description 45
- 230000005856 abnormality Effects 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000007689 inspection Methods 0.000 claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 238000009826 distribution Methods 0.000 claims abstract description 11
- 230000005611 electricity Effects 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 45
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 239000013598 vector Substances 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 17
- 238000012423 maintenance Methods 0.000 claims description 15
- 238000013210 evaluation model Methods 0.000 claims description 11
- 238000000513 principal component analysis Methods 0.000 claims description 8
- 238000012847 principal component analysis method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 238000009776 industrial production Methods 0.000 abstract description 3
- 230000015556 catabolic process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Optimization (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Manufacturing & Machinery (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及工业生产技术领域,尤其涉及一种产品生产效能的判定方法。其中,方法包括:获取一生产线的多个运行方案、各个运行方案对应的历史质量检验数据、历史产量数据、历史设备异常数据、历史用电量和历史平均功率;确定各运行方案对应的的产品缺陷度、产品生产效率、产线异常率和产线过载能耗比;对所述产品缺陷度、所述产品生产效率、所述产线异常率和所述产线过载能耗比进行权重分配,并进行加权计算,确定各个运行方案的生产效能评估值。本申请通过对生产设备和生产过程的整体监测,提高生产效能判定的准确性。
Description
技术领域
本申请涉及工业生产技术领域,更具体地说,涉及一种产品生产效能的判定方法。
背景技术
现有企业在生产时通常需要对产品的生产效能进行评估,以便对生产设备生产工艺进行调整。目前,企业在进行生产效能评估时,通常只考虑生产线的生产数量是否达标,并不进行细致的评估。
针对上述问题,公开号为CN202010128308.7的发明专利公开了一种生产设备的生产效能监测方法、装置、设备及***。获取机载工控设备记录的状态信息;在所述状态信息发生变化时,将所述状态信息发生给远程服务器,以便管理人员及时了解生产线上各生产设备的运行情况。同时,远程服务器用于根据状态信息确定生产设备的生产效能,以便管理人员清晰认知生产线上整体设备的生产效能。可知,该发明专利在进行生产效能评估时,仅考虑到了生产设备的运行情况对生产效能的影响。但是,在实际生产过程中还可能存在诸多其他因素,影响生产效能的评估。因此,仅通过生产设备的运行情况进行生产效能评估,评估结果仍可能存在误差。
公开号为CN116028887B的发明专利公开了一种连续性工业生产数据的分析方法。在待维修工业设备生产过程中通过设备运行监测单元和人为操作监控单元按照设定的设备运行周期采集待维修工业设备所处环境的运行状态和人工操作流程,以此分析待维修工业设备所处工作环境在运行周期的生产效能。其中,所述运行状态包括设备负荷率和运行环境控制,人工操作流程包括工人操作熟练度、操作流程的合规性和工人健康状态。可知,该发明专利在进行生产效能评估时,在设备运行状态的基础上,还考虑到了人工操作对生产效能结果的影响。但是,目前仍缺乏对生产设备和生产过程的整体监测,导致无法准确评估设备的生产效能,制约了生产效率和实现效益的最大化。
因此,如何进行生产效能的判定,提高效能判定结果的准确性,成为需要解决的问题。
发明内容
有鉴于此,本申请提供了一种产品生产效能的判定方法,用于提高效能判定结果的准确性,方法包括:
获取一生产线的多个运行方案、各个运行方案对应的历史质量检验数据、历史产量数据、历史设备异常数据、历史用电量和历史平均功率;
根据各个运行方案对应的历史历史质量检验数据、历史产量数据、历史设备异常数据、历史用电量和历史平均功率,确定各运行方案对应的的产品缺陷度、产品生产效率、产线异常率和产线过载能耗比;
对所述产品缺陷度、所述产品生产效率、所述产线异常率和所述产线过载能耗比进行权重分配,并进行加权计算,确定各个运行方案的生产效能评估值。
其中一种可能的实现方式中,所述多个运行方案包括间隔运行方案、交替运行方案和连续运行方案。
其中一种可能的实现方式中,所述历史质量检验数据包括多个产品指标和各产品指标对应的指标数据;
确定各运行方案对应的产品缺陷度,包括:
在所述历史质量检验数据中进行抽检,抽取多个待检测产品;
根据多个待检测产品对应的多个产品指标和指标数据,构建指标矩阵;
基于主成分分析法对所述指标矩阵进行计算,确定基于各产品指标的主成分分析矩阵;
计算所述主成分分析矩阵中的每一主成分向量的方差,并根据所述方差对所述主成分向量设置权重;
根据每一所述主成分向量的权重、所述指标数据和预设的指标阈值,进行加权求和计算,确定所述产品缺陷度。
其中一种可能的实现方式中,所述历史产量数据包括单日实际产量和单日计划产量;
确定各运行方案对应的产品生产效率,包括:
根据所述单日实际产量和所述单日计划产量的比值,确定所述产品生产效率。
其中一种可能的实现方式中,所述历史设备异常数据包括单日平均故障次数和单次维修平均时间;
确定各运行方案对应的产线异常率,包括:
根据所述单日平均故障次数和所述单次维修平均时间,确定单日故障维修时间;
根据单日产线工作时间和所述单日故障维修时间,确定所述产线异常率。
其中一种可能的实现方式中,确定各运行方案对应的产线过载能耗比,包括:
根据所述历史平均功率、所述产线异常率和单日产线工作时间,确定第一用电量,所述第一用电量为单日期望用电量;
根据所述第一用电量和所述历史用电量,确定所述产线过载能耗比。
其中一种可能的实现方式中,对所述产品缺陷度、所述产品生产效率、所述产线异常率和所述产线过载能耗比进行权重分配,包括:
根据预设的层次分析法,基于所述产品缺陷度、所述产品生产效率、所述产线异常率和所述产线过载能耗比构建权重矩阵;
基于和积法,对所述权重矩阵进行计算,确定所述产品缺陷度对应的第一权重、所述产品生产效率对应的第二权重、所述产线异常率对应的第三权重和所述产线过载能耗比的第四权重。
其中一种可能的实现方式中,所述根据预设的层次分析法,基于所述产品缺陷度、所述产品生产效率、所述产线异常率和所述产线过载能耗比构建权重矩阵,包括:
建立层次分析法评价模型,所述层次分析法评价模型包括目标层、准则层和指标层;其中,所述准则层为所述产品缺陷度、所述产品生产效率、所述产线异常率和所述产线过载能耗比;
根据所述层次分析法评价模型构建判断矩阵;
对所述判断矩阵进行求解,确定所述权重矩阵。
其中一种可能的实现方式中,所述进行加权计算,确定各个运行方案的生产效能评估值,包括:
将分配权重后的所述产品缺陷度、所述产品生产效率、所述产线异常率和所述产线过载能耗比进行加权求差处理,确定所述生产能效评估值。
其中一种可能的实现方式中,确定各个运行方案对应的生产效能评估值之后,所述方法还包括:
确定生产效能评估值最大的第一运行方案;
将所述第一运行方案作为目标运行方案。
本申请提供的产品生产效能的判定方法,对生产线上的生产设备数据和生产过程数据进行了整体监测,包括但不仅限于监测生产线上的历史质量检验数据、历史产量数据、历史设备异常数据、历史用电量和历史平均功率。基于生产线上的上述生产设备数据和生产过程数据,确定生产线的产品缺陷度、产品生产效率、产线异常率和产线过载能耗比,用于对该生产线的生产效能进行评估判定。并且,本申请提供的方案还考虑到所述生产线上的产品缺陷度、产品生产效率、产线异常率和产线过载能耗比对生产线的生产效能存在不同程度的影响,从而通过权重分配和加权计算的方式,进一步提高生产效能判定的准确性。基于本申请提供的产品生产效能判定方法,能够准确评估设备的生产效能,从而保证生产效率和生产效益的最大化。
附图说明
为了更清楚地说明本申请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申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例1提供的一种产品生产效能的判定方法的流程图;
图2为本申请实施例2提供的一种产品生产效能的判定方法的流程图;
图3为本申请实施例提供的一种产品缺陷度的计算方法的流程图;
图4为本申请实施例提供的一种权重分配方法的流程图;
图5为本申请实施例提供的一种层次分析法评价模型。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
实施例1:
参见图1,为本申请实施例1提供的一种产品生产效能的判定方法的流程图。
如图1中所示,上述方法的具体实现步骤可以包括:
步骤101、获取一生产线的多个运行方案、各个运行方案对应的历史质量检验数据、历史产量数据、历史设备异常数据、历史用电量和历史平均功率。
步骤102、根据各个运行方案对应的历史历史质量检验数据、历史产量数据、历史设备异常数据、历史用电量和历史平均功率,确定各运行方案对应的产品缺陷度、产品生产效率、产线异常率和产线过载能耗比;
步骤103、对所述产品缺陷度、所述产品生产效率、所述产线异常率和所述产线过载能耗比进行权重分配,并进行加权计算,确定各个运行方案的生产效能评估值。
本申请实施例提供的产品生产效能的判定方法,通过对生产设备和生产过程的整体监测,获取生产线的产品缺陷度、产品生产效率、产线异常率和产线过载能耗比。并且,基于上述产品缺陷度、产品生产效率、产线异常率和产线过载能耗比对生产效能判定的不同程度的影响,进行权重分配和加权计算,确定生产线的生产效能,有效提高了生产效能判定的准确性。
下面,结合具体实施例,对本申请提出的产品生产效能的判定方法进行进一步描述。
实施例2:
参见图2,为本申请实施例2提供的一种产品生产效能的判定方法的流程图。如图2所示,上述方法的具体实现步骤可以包括:
步骤201、获取一生产线的多个运行方案、各个运行方案对应的历史质量检验数据、历史产量数据、历史设备异常数据、历史用电量和历史平均功率。
具体地,上述多个运行方案包括间隔运行方案、交替运行方案和连续运行方案。可以理解的是,间隔运行方案为生产线上的所有设备工作一段时间后休息一小段时间后再重新工作。交替运行方案为按照生产工艺的步骤,在产品到达指定位置时,指定位置对应的设备运作,其他设备休息,以此交替运行。连续运行方案为所有设备不休息连续运作。
基于上述多个运行方案,分别采集对应的历史数据进行生产效能评估。作为一种可能的实现方式,基于运行方案调取的每一项历史数据所对应的时间跨度是一致的,包括但不仅限于:一日、三日、一周、三周、一月、三月、一年或者三年中的其中一种,本申请实施例不做限定。
步骤202、根据上述各运行方案对应的历史质量检验数据,确定各个运行方案的产品缺陷度。其中,上述历史质量检验数据包括多个产品指标和各产品指标对应的指标数据。
具体地,参见图3,为本申请实施例提供的一种产品缺陷度的计算方法的流程图。如图3所示,步骤202可以进一步包括
步骤2021、在上述历史质量检验数据中进行抽检,抽取多个待检测产品。
步骤2022、根据上述多个待检测产品对应的多个产品指标和指标数据,构建指标矩阵。
具体地,在历史质量检验数据中进行抽检,获得m条待检测产品,根据每一待检测产品的n项指标数据,以横轴为待检测产品数量排序,纵轴为待检测产品指标项数排序,构建指标矩阵。
其中,上述指标矩阵具体可表示为:
其中,Z11为第一条待检测产品的第一项指标值,Z1m为第一条待检测产品的第m项指标值,Zn1为第n条待检测产品的第一项指标值,Znm为第n条待检测产品的第m项指标值。
步骤2023、基于主成分分析法对上述指标矩阵进行计算,确定基于各产品指标的主成分分析矩阵。
具体地,上述主成分分析矩阵为列向量矩阵。基于主成分分析法对上述指标矩阵进行计算包括:对上述指标矩阵进行协方差矩阵求解和正交变换。基于各产品指标的主成分分析矩阵具体可表示为:
Y=[y1,y2,y3,...,ym]T
其中,y1为第一个主成分构成的列向量,ym为第m个主成分构成的列向量。
步骤2024、计算上述主成分分析矩阵中的每一个主成分向量的方差,并根据上述方差对每个主成分向量设置权重。
具体地,计算Y矩阵中所有主成分向量的方差,每一主成分的方差对应指标矩阵Zn×m的协方差矩阵对应的特征值,计算所有主成分向量的权重,通过以下公式进行计算:
式中,av为第v个主成分向量的权重,δv为第v个主成分的方差,为所有主成分的方差和。
步骤2025、根据每个主成分向量的权重、指标数据和预设的指标阈值,进行加权求和计算,确定各运行方案对应的产品缺陷度。
其中,根据每一主成分向量的权重、指标数据和指标阈值,进行加权求和计算,获得产品缺陷度;求和计算公式为:
式中,Z0V为第v项指标阈值(代入主成分向量的指标阈值),Zrv为第r个产品的第v项指标值(代入主成分向量的指标值),av为第v项主成分权重(代入主成分向量的权重),Gr为产品缺陷度。需要说明的是,上述产品缺陷度为上述生产线单日的产品缺陷度。
步骤203、根据上述各运行方案对应的历史产量数据,确定各个运行方案对应的产品生产效率。
具体地,上述历史产量数据包括上述生产线的单日实际产量和单日计划产量。根据历史产量数据确定各个运行方案对应的产品生产率具体可以包括:
将上述单日实际产量和单日计划产量,代入预设的生产效率计算公式中,获得产品生产效率;其中,所述生产效率计算公式为:
其中,η为生产效率,A为单日实际产量,B为单日计划产量。
步骤204、根据上述各运行方案对应的历史设备异常数据,确定各个运行方案对应的产线异常率。
具体地,历史设备异常数据可以包括:单日平均故障次数和单次维修平均时间。根据历史设备异常数据,确定产线异常率可以包括:根据上述单日平均故障次数和单次维修平均时间,确定单日故障维修时间。根据上述单日故障维修时间和单日产线工作时间,确定上述产线异常率。
作为一种可实现的方式,将所述单日平均故障次数、单日产线工作时间和单日维修平均时间,代入预设的产线异常率计算公式中,获得产线异常率;其中,所述产线异常率计算公式为:
其中,P为产线异常率,C1为单日平均故障次数,t1为单日维修平均时间,t2为单日产线工作时间。
在一具体的实施例中,由于产线故障维修导致产线停止产量,因此通过计算产线的故障次数和每次故障维修平均时间来计算每条产线的故障时间,并将故障时间除以总工作时间,从而通过计算获得的产线异常率去反映产线的工作状况。
步骤205、根据上述各运行方案对应的历史用电量和历史平均功率,确定各个运行方案对应的产线过载能耗比。具体可以包括根据上述历史平均功率、产线异常率和单日产线工作时间,确定第一用电量。需要说明的是,上述第一用电量为单日期望用电量。根据上述第一用电量和历史用电量,确定产线过载能耗比。
作为一种可实现的方式,将历史用电量、单日产线工作时间、历史平均功率和上述产线异常率,代入预设的产线过载能耗比计算公式中,获得产线过载能耗比。
其中,产线过载能耗比计算公式可以表示为:
其中,Ec为产线过载能耗比,Q1为用电量,W为平均功率。
在一具体的实施例中,通过产线的平均功率以及工作时间,计算一平均用电量,通过用电量与平均用电量进行比较,计算多出的功耗占比,获得产线过载能耗比,其中,产线过载能耗比可以为负数。
步骤206、对上述产品缺陷度、产品生产效率、产线异常率和产线过载能耗比进行权重分配。
作为一种可实现的方式,参见图4,为本申请实施例提供的一种权重分配方法的流程图。如图4所示,步骤206可以进一步包括:
步骤2061、建立层次分析法评价模型。
具体地,参见图5,为本申请实施例提供的一种层次分析法评价模型的示意图。如图5所示,层次分析法评价模型包括目标层、准则层和指标层。其中,目标层为选取运行方案。准则层为产品缺陷度、产品生产效率、产线异常率和产线过载能耗比。方案层为间隔运行方案、交替运行方案和连续运行方案。当然,方案层还可以包括其他类型的运行方案,本申请实施例不做限定。
步骤2062、根据上述层次分析法评价模型构建判断矩阵。
一种具体的应用场景中,获取10位专家打分。以5分标度法,取10位专家的打分平均值,为任意两个准则层之间的重要程度进行打分。根据打分结果,构建上述判断矩阵。
示例的,上述判断矩阵可以为
步骤2063、对上述判断矩阵进行求解,构建基于产品缺陷度、产品生产效率、产线异常率和产线过载能耗比的权重矩阵。
作为一种可实现的方式,可以通过SPSAU对上述判断矩阵进行求解运算,确定上述权重矩阵。示例的,上述权重矩阵可以为:
步骤2064、基于和积法,对上述权重矩阵进行计算,确定产品缺陷度对应的第一权重,产品生产效率对应的第二权重,产线异常率对应的第三权重和产线过载能耗比对应的第四权重。
示例的,根据CI值进行一致性判断。根据判断矩阵的阶数和SPSSAU获取的随机一致性RI表。具体地,随机一致性RI表包括:
n阶 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
R值 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 | 1.49 |
根据上述的随机一致性RI表可知,本申请中,RI为0.89。
根据公式计算获得CR为0.081,小于0.1,权重满足一致性。因此,第一权重为8%,第二权重为50%,第三权重为25%,第四权重为17%,
步骤207、将分配权重后的产品缺陷度、产品生产效率、产线异常率和产线过载能耗比进行加权求差处理,确定各运行方案对应的生产能效评估值。
具体地,进行加权求差处理具体可以为:
将分配权重后的产品缺陷度、产品生产效率、产线异常率和产线过载能耗比,代入预设的加权求差公式,计算各个运行方案的生产效能评估值。
其中,所述加权求差公式为:
S=A·n-B·Gr-C·Ec-D·P
其中,S为生产效能评估值,A为第一权重,B为第二权重,C为第三权重,D为第四权重,η为产品生产效率,Gr为产品缺陷度,Ec为产线过载能耗比,P为产线异常率。
步骤208、根据各运行方案对应的生产效能评估值,确定生产效能评估值最大的第一运行方案。
步骤209、将上述第一运行方案作为上述生产线的目标运行方案。
本申请实施例提供的产品生产效能的判定方法,对生产线上的生产设备数据和生产过程数据进行了整体监测,包括但不仅限于监测生产线上的历史质量检验数据、历史产量数据、历史设备异常数据、历史用电量和历史平均功率。基于生产线上的上述生产设备数据和生产过程数据,确定生产线的产品缺陷度、产品生产效率、产线异常率和产线过载能耗比,用于对该生产线的生产效能进行评估判定。并且,本申请提供的方案还考虑到所述生产线上的产品缺陷度、产品生产效率、产线异常率和产线过载能耗比对生产线的生产效能存在不同程度的影响,从而通过权重分配和加权计算的方式,进一步提高生产效能判定的准确性。同时,基于各运行方案对应的生产效能判定结果,选择最佳的生产线运行方案,有效保证了生产线的生产效率和生产质量,从而实现生产效益最大化。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
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 (10)
1.一种产品生产效能的判定方法,其特征在于,包括:
获取一生产线的多个运行方案、各个运行方案对应的历史质量检验数据、历史产量数据、历史设备异常数据、历史用电量和历史平均功率;
根据各个运行方案对应的历史质量检验数据、历史产量数据、历史设备异常数据、历史用电量和历史平均功率,确定各运行方案对应的的产品缺陷度、产品生产效率、产线异常率和产线过载能耗比;
对所述产品缺陷度、所述产品生产效率、所述产线异常率和所述产线过载能耗比进行权重分配,并进行加权计算,确定各个运行方案的生产效能评估值。
2.根据权利要求1所述的产品生产效能的判定方法,其特征在于,所述多个运行方案包括间隔运行方案、交替运行方案和连续运行方案。
3.根据权利要求1所述的产品生产效能的判定方法,其特征在于,所述历史质量检验数据包括多个产品指标和各产品指标对应的指标数据;
确定各运行方案对应的产品缺陷度,包括:
在所述历史质量检验数据中进行抽检,抽取多个待检测产品;
根据多个待检测产品对应的多个产品指标和指标数据,构建指标矩阵;
基于主成分分析法对所述指标矩阵进行计算,确定基于各产品指标的主成分分析矩阵;
计算所述主成分分析矩阵中的每一主成分向量的方差,并根据所述方差对所述主成分向量设置权重;
根据每一所述主成分向量的权重、所述指标数据和预设的指标阈值,进行加权求和计算,确定所述产品缺陷度。
4.根据权利要求1所述的产品生产效能的判定方法,其特征在于,所述历史产量数据包括单日实际产量和单日计划产量;
确定各运行方案对应的产品生产效率,包括:
根据所述单日实际产量和所述单日计划产量的比值,确定所述产品生产效率。
5.根据权利要求1所述的产品生产效能的判定方法,其特征在于,所述历史设备异常数据包括单日平均故障次数和单次维修平均时间;
确定各运行方案对应的产线异常率,包括:
根据所述单日平均故障次数和所述单次维修平均时间,确定单日故障维修时间;
根据单日产线工作时间和所述单日故障维修时间,确定所述产线异常率。
6.根据权利要求1所述的产品生产效能的判定方法,其特征在于,确定各运行方案对应的产线过载能耗比,包括:
根据所述历史平均功率、所述产线异常率和单日产线工作时间,确定第一用电量,所述第一用电量为单日期望用电量;
根据所述第一用电量和所述历史用电量,确定所述产线过载能耗比。
7.根据权利要求1所述的产品生产效能的判定方法,其特征在于,对所述产品缺陷度、所述产品生产效率、所述产线异常率和所述产线过载能耗比进行权重分配,包括:
根据预设的层次分析法,基于所述产品缺陷度、所述产品生产效率、所述产线异常率和所述产线过载能耗比构建权重矩阵;
基于和积法,对所述权重矩阵进行计算,确定所述产品缺陷度对应的第一权重、所述产品生产效率对应的第二权重、所述产线异常率对应的第三权重和所述产线过载能耗比的第四权重。
8.根据权利要求7所述的产品生产效能的判定方法,其特征在于,所述根据预设的层次分析法,基于所述产品缺陷度、所述产品生产效率、所述产线异常率和所述产线过载能耗比构建权重矩阵,包括:
建立层次分析法评价模型,所述层次分析法评价模型包括目标层、准则层和指标层;其中,所述准则层为所述产品缺陷度、所述产品生产效率、所述产线异常率和所述产线过载能耗比;
根据所述层次分析法评价模型构建判断矩阵;
对所述判断矩阵进行求解,确定所述权重矩阵。
9.根据权利要求1所述的产品生产效能的判定方法,其特征在于,所述进行加权计算,确定各个运行方案的生产效能评估值,包括:
将分配权重后的所述产品缺陷度、所述产品生产效率、所述产线异常率和所述产线过载能耗比进行加权求差处理,确定所述生产能效评估值。
10.根据权利要求1所述的产品生产效能的判定方法,其特征在于,确定各个运行方案对应的生产效能评估值之后,所述方法还包括:
确定生产效能评估值最大的第一运行方案;
将所述第一运行方案作为所述生产线的目标运行方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311418190.4A CN117541107A (zh) | 2023-10-30 | 2023-10-30 | 产品生产效能的判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311418190.4A CN117541107A (zh) | 2023-10-30 | 2023-10-30 | 产品生产效能的判定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117541107A true CN117541107A (zh) | 2024-02-09 |
Family
ID=89794912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311418190.4A Pending CN117541107A (zh) | 2023-10-30 | 2023-10-30 | 产品生产效能的判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117541107A (zh) |
-
2023
- 2023-10-30 CN CN202311418190.4A patent/CN117541107A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100489870C (zh) | 用于过程统计控制的方法和多维*** | |
CN104268678A (zh) | 一种以动态可靠性为基础的设备预防性维修方法 | |
CN109359894A (zh) | 一种基于rpn的电力计量设备风险评价方法及装置 | |
WO2021241576A1 (ja) | 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム | |
CN112651119B (zh) | 一种空间谐波减速器多性能参数加速退化试验评估方法 | |
JP5827426B1 (ja) | 予兆診断システム及び予兆診断方法 | |
WO2021241580A1 (ja) | 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム | |
CN110008096A (zh) | 数据监测方法、装置、电子设备及计算机可读存储介质 | |
CN110466381A (zh) | 充电桩状态的评估方法 | |
CN110209996A (zh) | 一种用于评价继电保护装置的健康水平的方法及*** | |
WO2020166236A1 (ja) | 作業効率評価方法、作業効率評価装置、及びプログラム | |
CN114266289A (zh) | 一种复杂装备健康状态评估方法 | |
US8224690B2 (en) | Graphical risk-based performance measurement and benchmarking system and method | |
JP5771317B1 (ja) | 異常診断装置及び異常診断方法 | |
WO2021241578A1 (ja) | 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム | |
Wang et al. | What maintenance is worth the money? a data-driven answer | |
CN117541107A (zh) | 产品生产效能的判定方法 | |
CN113537759A (zh) | 一种基于权重自适应的用户体验度量模型 | |
CN113780852A (zh) | 一种板带轧制过程质量缺陷的诊断方法 | |
JP2016045853A (ja) | 異常診断装置及び異常診断方法 | |
Pakdil et al. | Control Charts | |
CN110363374A (zh) | 一种不合格产品影响因素的定量分析方法 | |
JP2003050618A (ja) | プロセス機器管理方法およびプロセス機器管理装置 | |
WO2021241579A1 (ja) | 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム | |
CN114819743B (zh) | 一种化工企业能耗诊断分析方法 |
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 |