CN117742241A - 一种基于云计算的数据采集方法和*** - Google Patents
一种基于云计算的数据采集方法和*** Download PDFInfo
- Publication number
- CN117742241A CN117742241A CN202311821410.8A CN202311821410A CN117742241A CN 117742241 A CN117742241 A CN 117742241A CN 202311821410 A CN202311821410 A CN 202311821410A CN 117742241 A CN117742241 A CN 117742241A
- Authority
- CN
- China
- Prior art keywords
- punching
- real
- production
- time
- profile
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000004080 punching Methods 0.000 claims abstract description 213
- 238000004519 manufacturing process Methods 0.000 claims abstract description 146
- 230000007547 defect Effects 0.000 claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 46
- 230000008569 process Effects 0.000 claims abstract description 30
- 238000005516 engineering process Methods 0.000 claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims description 36
- 239000013598 vector Substances 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000013500 data storage Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000013523 data management Methods 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 6
- 108090000623 proteins and genes Proteins 0.000 claims description 6
- 238000012384 transportation and delivery Methods 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于云计算的数据采集方法和***,涉及数据采集技术领域,通过云计算平台基于云计算技术对云端数据库中的实时数据进行分析,判断型材冲孔是否存在潜伏缺陷,当判断型材冲孔存在潜伏缺陷时,控制模块自动控制冲孔设备停止运行,生产调度模块根据控制结果和订单需求生成生产计划,当正在运行中的生产设备停机时,调度其他型材冲孔设备运行,通知模块自动生成生产报告,包括生产效率、质量统计信息,发送实时通知或报警提醒操作员。该采集***在型材冲孔加工过程中,分析冲孔设备的数据来判断型材冲孔是否存在潜伏缺陷,根据判断结果生成相应警报并进行相应控制,从而便于操作员了解同一批次型材冲孔的质量,保证型材的稳定加工。
Description
技术领域
本发明涉及数据采集技术领域,具体涉及一种基于云计算的数据采集方法和***。
背景技术
型材冲孔是指在金属型材上通过冲压或冲裁工艺,使其表面产生一定形状和排列的孔洞,这种加工方式常用于铝型材、钢材等金属材料,以满足特定的设计、装饰或功能需求,型材冲孔通常采用冲床或冲孔机进行冲压,冲压是通过金属模具对型材进行快速而准确的加工,可以高效地生产大批量的产品;
数据采集***是一种利用云计算技术来管理、存储和分析型材冲孔加工过程中产生的数据的***,这种***的设计旨在提高型材冲孔加工的效率、精确性,并为生产过程提供实时的监控和控制。
现有技术存在以下不足:
1、现有技术中,当型材冲孔加工完成后,通常是随机取样冲孔完成的型材进行冲孔质量检测,通过样品冲孔质量来确定同一批次型材的冲孔质量,然而,该种检测方式容易出现漏检问题,使得同一批次型材的冲孔质量得不到保障;
2、在实际加工过程中,冲孔设备的冲孔姿态会对型材的冲孔质量带来微小缺陷,这种缺陷称为潜伏缺陷(如冲孔微偏斜或有微小破损),潜伏缺陷并不会导致型材无法使用,但会影响型材的使用质量(例如,存在冲孔微偏斜时,螺栓可以***,但***难度会增大),而***一般无法检测到潜伏缺陷,这可能会导致整批次的型材均存在潜伏缺陷,从而增加企业的售后成本;
基于此,本发明提出一种基于云计算的数据采集方法和***,通过对冲孔设备进行数据采集和分析,来判断型材冲孔是否存在缺陷,并进行相应警示,保证型材的冲孔质量,解决上述问题。
发明内容
本发明的目的是提供一种基于云计算的数据采集方法和***,以解决背景技术中不足。
为了实现上述目的,本发明提供如下技术方案:一种基于云计算的数据采集***,包括数据采集模块、数据存储模块、实时监控模块、云计算平台、控制模块、生产调度模块、通知模块、云端服务模块;
数据采集模块:在型材冲孔加工时,从型材冲孔设备中采集实时数据;
数据存储模块:将实时数据上传至云端数据库存储,采用云端数据库服务进行数据管理;
实时监控模块:基于云端数据库中的实时数据,对型材冲孔加工过程进行实时监控;
云计算平台:基于云计算技术对云端数据库中的实时数据进行分析,判断型材冲孔是否存在潜伏缺陷;
控制模块:当判断型材冲孔存在潜伏缺陷时,自动控制冲孔设备停止运行,并向通知模块发送警示信号;
生产调度模块:根据控制结果和订单需求生成生产计划,当正在运行中的生产设备停机时,调度其他型材冲孔设备运行;
通知模块:自动生成生产报告,包括生产效率、质量统计信息,发送实时通知或报警提醒操作员;
云端服务模块:利用云端服务提供的资源,支持云计算平台的扩展和升级。
优选的,所述云计算平台基于云计算技术对云端数据库中的实时数据进行分析,判断型材冲孔是否存在潜伏缺陷包括以下步骤:
获取型材边角定位相似度指数、冲床压力偏差、冲床刀具振动以及冲孔止顿指数;
将型材边角定位相似度指数、冲床压力偏差、冲床刀具振动以及冲孔止顿指数归一化处理后,综合计算获取冲孔系数ckx,冲孔系数越大,表明型材的冲孔质量越好,型材边角定位相似度指数与冲孔系数ckx呈正比关系,冲床压力偏差、冲床刀具振动以及冲孔止顿指数与冲孔系数ckx呈反比关系;
综合计算获取冲孔系数ckx值后,将冲孔系数ckx值与预设的质量阈值进行对比,若冲孔系数ckx值大于等于质量阈值,判断型材冲孔不存在潜伏缺陷,若冲孔系数ckx值小于质量阈值,判断型材冲孔存在潜伏缺陷。
优选的,所述边角定位相似度指数的计算逻辑为:
获取待加工型材的形状,将待加工型材形状与数据库中的形状进行匹配,匹配后获取待加工型材的边角数量;
在加工过程中实时获取待加工型材所有边角的实时坐标向量,然后通过数据库获取该型材对应边角的标准坐标向量;
计算边角的实时坐标向量与标准坐标向量余弦相似度CS,表达式为:式中,J实时·J标准为实时坐标向量与标准坐标向量的点积,||J实时||、||J标准||分别为实时坐标向量范数与标准坐标向量范数;
综合计算所有边角的余弦相似度CS后,得到型材边角定位相似度指数,表达式为:式中,bjx为边角定位相似度指数,i=1、2、3、...、n,n表示型材的边角数量,且n为正整数,CSi表示第i个边角处的余弦相似度。
优选的,所述冲孔止顿指数的计算逻辑为:
先获取型材的冲孔总时长,然后获取型材冲孔过程中的止顿次数,获取每次止顿次数的时长;
计算冲孔止顿指数,表达式为:式中,j=0、1、2、...、m,m表示型材冲孔过程中的止顿次数,ΔTj表示第j次止顿时长,ZSC表示型材的冲孔总时长。
优选的,所述控制模块自动控制冲孔设备停止运行包括以下步骤:
当潜伏缺陷判断为存在时,控制模块向冲孔设备发出紧急停机的信号,通过断电、制动或其他停机机制来迅速停止冲孔设备的运行;
停机前控制模块记录相关的异常信息,包括发生异常的时间、具体参数数值、报警信息。
优选的,所述生产调度模块根据控制结果和订单需求生成生产计划包括以下步骤:
根据客户订单和生产计划,确定型材冲孔的数量、规格、交货时间;
实时监测型材冲孔设备的运行状态,包括正在运行的设备、设备的停机时间、故障情况;
根据订单需求、设备状态和生产效率,生成优化的生产计划;
当某台冲孔设备停机时,识别停机的冲孔设备,根据生产计划和设备状态,基于遗传算法进行冲孔设备调度优化调度方案后,依据调度方案继续型材冲孔加工。
优选的,所述生产调度模块基于遗传算法进行冲孔设备调度优化调度方案包括以下步骤:
1)将调度方案编码成基因序列,每个基因表示一个任务的安排;
2)随机生成初始种群,每个个体表示一种冲孔设备的任务调度方案;
3)通过适应度函数评估每台冲孔设备的性能;
4)使用选择操作,按照适应度函数的值选择父代调度方案;
5)对选出的父代调度方案进行交叉操作,产生新的后代调度方案;
6)对产生的后代调度方案进行变异操作,引入一些随机性;
7)根据适应度函数值替代原始种群中的一部分调度方案;
8)重复执行4)、5)、6)、7)步骤,直至达到停止条件后得到最优调度方案,基于最优调度方案进行型材冲孔生产。
优选的,所述生产调度模块根据订单需求、设备状态和生产效率,生成优化的生产计划包括以下步骤:
建立整数规划模型:定义决策变量,表示每个产品或订单在每个时间段内的生产数量,设定目标函数,建立订单需求、设备状态、生产效率约束条件,以整数形式定义决策变量,表示生产计划中的生产数量,将订单需求、设备状态和生产效率因素转化为数学约束条件;
通过整数规划求解器,将整数规划模型输入并得到最优解,分析最优解得到每个产品在每个时间段的生产数量,以及对应的目标函数值。
本发明还提供一种基于云计算的数据采集方法,所述采集方法包括以下步骤:
S1:在型材冲孔加工时,从型材冲孔设备中采集实时数据,包括加工参数、设备状态、生产速率;
S2:将实时数据上传至云端数据库存储,采用云端数据库服务进行数据管理;
S3:基于云端数据库中的实时数据,对型材冲孔加工过程进行实时监控,包括生产进度,在云端可视化界面展示监控结果;
S4:云计算平台基于云计算技术对云端数据库中的实时数据进行分析,判断型材冲孔是否存在潜伏缺陷,当判断型材冲孔存在潜伏缺陷时,自动控制冲孔设备停止运行;
S5:根据控制结果和订单需求,生成生产计划,当正在运行中的生产设备停机时,调度其他型材冲孔设备运行;
S6:自动生成生产报告,包括生产效率、质量统计信息,发送实时通知或报警提醒操作员。
在上述技术方案中,本发明提供的技术效果和优点:
1、本发明通过云计算平台基于云计算技术对云端数据库中的实时数据进行分析,判断型材冲孔是否存在潜伏缺陷,当判断型材冲孔存在潜伏缺陷时,控制模块自动控制冲孔设备停止运行,并向通知模块发送警示信号,生产调度模块根据控制结果和订单需求生成生产计划,当正在运行中的生产设备停机时,调度其他型材冲孔设备运行,通知模块自动生成生产报告,包括生产效率、质量统计信息,发送实时通知或报警提醒操作员。该采集***在型材冲孔加工过程中,分析冲孔设备的数据来判断型材冲孔是否存在潜伏缺陷,根据判断结果生成相应警报并进行相应控制,从而便于操作员了解同一批次型材冲孔的质量,保证型材的稳定加工。
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发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明的***模块图。
图2为本发明的方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
实施例1:请参阅图1所示,本实施例所述一种基于云计算的数据采集***,包括数据采集模块、数据存储模块、实时监控模块、云计算平台、控制模块、生产调度模块、通知模块、云端服务模块;
数据采集模块:在型材冲孔加工时,负责从型材冲孔设备中采集实时数据,包括加工参数、设备状态、生产速率等,通过传感器、仪器等设备将数据上传至云端,实时数据发送至数据存储模块,具体为:
安装合适的传感器和仪器:根据型材冲孔加工的需求,选择并安装适当的传感器,例如压力传感器、温度传感器、位移传感器等,以及其他监测设备,实时采集加工参数:从冲床设备中获取关键加工参数,如压力、速度、冲头位置、冲床工作状态等,通过传感器实时监测:确保传感器能够持续监测这些参数的变化,以反映实际冲孔过程中的动态情况;
监测冲孔设备的运行状态,包括设备的启停状态、故障报警、电源供应状况等,将设备状态与其他加工参数的数据同步,以获得全面的设备工作信息,通过传感器或计数器记录型材冲孔的实际生产速率,将生产速率数据实时上传至云端,以便实时监测和远程管理;
确保数据传输的安全性,可以采用加密通信等手段,以防止数据泄漏或被篡改,将采集到的实时数据发送至数据存储模块,以便进行后续的存储和分析,确保发送的数据格式符合规范,方便数据存储模块进行处理。
数据存储模块:将实时数据上传至云端数据库存储,保证数据的安全性和可靠性,采用云端数据库服务进行数据管理,具体为:
选择云端数据库服务:根据需求选择云服务提供商(如AWS、Azure、Google-Cloud等)提供的云端数据库服务,例如Amazon-RDS、Azure-SQL-Database、Google-Cloud-Firestore等,配置数据库连接信息:设置云端数据库的连接参数,包括数据库地址、端口、用户名、密码等,确保数据采集模块能够正确连接到云端数据库,设计数据库表结构:根据型材冲孔加工的数据需求,设计合适的数据库表结构,包括数据字段、数据类型、索引等,确保数据一致性:保证表结构的一致性,以便存储和查询时能够高效地进行操作;
将采集到的实时数据按照数据库表结构进行格式转换,确保数据的一致性和完整性,使用云服务提供的API或其他数据传输协议,将实时数据上传至云端数据库,使用数据传输加密技术,如SSL/TLS,保障数据在传输过程中的安全性,配置云端数据库的访问控制策略,限制只有授权的用户或服务能够访问和修改数据,定期进行数据库的备份,以防止数据丢失或损坏,建立异常处理机制,当数据上传失败或出现其他异常情况时,能够及时发出警报并采取相应的纠正措施,在上传数据时,建立可靠的重试机制,确保即便发生网络波动或其他问题,数据能够成功上传,在云端数据库中设置适当的索引,以提高数据检索和查询的性能,根据数据量的大小,考虑数据库的分区和分表,以提高数据库的整体性能。
实时监控模块:基于云端数据库中的实时数据,对型材冲孔加工过程进行实时监控,包括生产进度等,监控结果发送至通知模块,在云端可视化界面上展示监控结果,方便操作员远程查看,具体为:
通过API或查询语句从云端数据库中实时获取相关数据,包括加工参数、设备状态、生产速率等,定义一系列监控规则,根据实时数据判断型材冲孔过程中是否存在异常或潜在问题,为关键参数设定合适的阈值,当数据超过或低于阈值时触发监控规则,使用实时监控算法对实时数据进行处理,判断是否符合监控规则,识别并标记任何可能的异常情况,例如压力过大、速度异常、设备状态异常等;
将监控结果发送至通知模块,通过合适的通信方式通知相关人员或***,例如发送电子邮件、短信、APP推送等,创建一个云端可视化界面,将实时监控结果以图表、报表等形式展示,确保可视化界面能够实时更新,反映型材冲孔加工过程的最新状态,确保可视化界面可以通过互联网远程访问,方便操作员随时随地查看型材冲孔加工的实时监控信息,采取必要的安全措施,例如身份验证、加密通信等,以确保远程访问的安全性。
云计算平台:基于云计算技术对云端数据库中的实时数据进行分析,判断型材冲孔是否存在潜伏缺陷,判断结果发送至控制模块,提取有用的信息,发现潜在的生产优化和质量改进机会。
控制模块:当判断型材冲孔存在潜伏缺陷时,自动控制冲孔设备停止运行,并向通知模块发送警示信号,控制结果发送至生产调度模块。
生产调度模块:根据控制结果和订单需求,生成合理的生产计划,当正在运行中的生产设备停机时,调度其他型材冲孔设备运行,确保生产过程的高效、有序进行,具体为:
根据客户订单和生产计划,确定型材冲孔的数量、规格、交货时间等关键信息,实时监测型材冲孔设备的运行状态,包括正在运行的设备、设备的停机时间、故障情况等,根据订单需求、设备状态和生产效率,生成优化的生产计划,根据订单的紧急程度、交货时间等因素,确定生产任务的优先级;
当某台冲孔设备停机时,生产调度模块立即识别停机的设备,根据生产计划和设备状态,基于遗传算法进行冲孔设备调度优化调度方案后,依据调度方案继续型材冲孔加工;
生产调度模块基于遗传算法进行冲孔设备调度包括以下步骤:
任务定义:每个订单包含多个型材冲孔任务,每个任务需要特定的设备和时间;
设备定义:冲床设备有不同的冲床头、工作效率等参数;
约束条件:每个任务必须在指定时间内完成,每个设备在一天内的工作时间有限,每个设备一次只能处理一个任务;
1)将调度方案编码成基因序列,每个基因表示一个任务的安排。
2)随机生成初始种群,每个个体表示一种冲孔设备的任务调度方案。
3)通过适应度函数评估每台冲孔设备的性能,例如,使得订单完成时间最短,设备利用率最高等。
4)使用选择操作,按照适应度函数的值选择父代调度方案。
5)对选出的父代调度方案进行交叉操作,产生新的后代调度方案。
6)对产生的后代调度方案进行变异操作,引入一些随机性。
7)根据适应度函数值替代原始种群中的一部分调度方案。
8)重复执行4)、5)、6)、7)步骤,直至达到停止条件(例如迭代次数、适应度阈值等),得到最优调度方案,基于最优调度方案进行型材冲孔生产,以最大化生产效率,满足订单的时间限制。
根据订单需求、设备状态和生产效率,生成优化的生产计划包括以下步骤:
建立整数规划模型:
决策变量:定义决策变量,表示每个产品或订单在每个时间段内的生产数量;
目标函数:设定目标函数,例如最大化总产值、最小化总成本等;
约束条件:建立订单需求、设备状态、生产效率等约束条件,确保生产计划满足实际要求;
以整数形式定义决策变量,表示生产计划中的生产数量,确保生产数量为非负整数,根据实际业务目标,设计目标函数,例如,最大化总产值、最小化总成本等;
约束条件设定:
将订单需求、设备状态和生产效率等因素转化为数学约束条件,例如:
订单需求:每个订单的生产量满足订单需求;
设备状态:确保设备在规定时间内的运行时间限制;
生产效率:限制生产速率,确保在生产过程中达到预期的效率;
利用整数规划求解器,如PuLP、Gurobi、CPLEX等,将上述模型输入并求解,得到最优解,分析整数规划求解器输出的最优解,得到每个产品在每个时间段的生产数量,以及对应的目标函数值,根据实际生产情况,对整数规划模型进行调整,这可能包括调整约束条件、更新生产数据,以反映实际的生产环境,建立实时监控机制,监测生产过程中的实际情况,根据需要实时调整生产计划,以适应突发情况。
建立整数规划模型:定义决策变量,表示每个产品或订单在每个时间段内的生产数量,设定目标函数,建立订单需求、设备状态、生产效率约束条件,以整数形式定义决策变量,表示生产计划中的生产数量,将订单需求、设备状态和生产效率因素转化为数学约束条件,具体为:
决策变量的定义:设计整数型变量表示每个产品或订单在每个时间段内的生产数量.假设有A种产品,B个时间段,则决策变量可以表示为xcd,其中c表示产品的索引,d表示时间段的索引,xcd∈Z+,其中,Z+表示非负整数集合;
目标函数的设定:目标函数表示优化的目标,例如最大化总产值、最小化总成本等。设定目标函数E,可以根据具体业务需求选择,MaximizeZ=∑c∑d利润cd*xcd;
订单需求约束:确保每个订单的生产量满足订单需求,∑dxcd≥需求
设备状态约束:确保设备在规定时间内的运行时间限制,
生产效率约束:限制生产速率,确保在生产过程中达到预期的效率,
非负整数约束:确保决策变量为非负整数,xcd≥0,整数
通知模块:自动生成生产报告,包括生产效率、质量统计等方面的信息,发送实时通知或报警,提醒操作员关注重要事件或异常状况,具体为:
从数据存储模块中获取生产数据,包括生产数量、生产速率、设备运行时间、质量统计等,设计生产报告的格式,包括表格、图表、文字描述等,以清晰呈现生产过程的关键信息,根据生产过程中的重要事件和异常状况,设置触发通知的条件,例如生产效率低于预期、设备停机、质量异常等;
确定通知的方式,可以选择电子邮件、短信、APP推送等,根据事件的紧急程度选择合适的通知方式,设置通知的报警级别,区分不同事件的紧急程度,以便操作员能够迅速判断和采取行动,建立自动触发机制,当满足设定的触发条件时,通知模块能够自动触发通知,确保通知是实时的,及时反映生产过程中的重要事件和异常情况,定期汇总一段时间内的通知信息,生成综合的生产报告,提供给相关管理人员,以便进行更全面的生产分析和优化;
建立操作员对通知的反馈机制,确认操作员是否已经收到通知,并是否已经采取了相应的行动,通过通知提供链接或附件,使操作员能够直接访问相关的生产报告和数据。
云端服务模块:集成云计算服务,确保云计算平台的稳定性和可靠性,利用云端服务提供的资源,支持云计算平台的扩展和升级,具体为:
选择适合型材冲孔加工***需求的云服务提供商,如AWS、Azure、Google-Cloud等,确定需要的计算资源类型,例如虚拟机、容器服务、服务器less等,在云服务提供商处创建和配置云端基础设施,确保能够满足型材冲孔加工***的运行需求,配置云端网络,确保***能够安全、高效地与云服务交互,利用云端服务提供的自动伸缩功能,根据***负载和需求自动调整计算资源的数量;
配置弹性伸缩策略,例如根据CPU利用率、请求量等指标进行动态伸缩,配置数据备份方案,确保关键数据得到定期备份,并能够在需要时进行快速恢复,制定容灾计划,确保在云服务出现故障或不可用时,***能够迅速切换到备用环境,配置云端服务的身份验证和授权机制,确保只有授权用户能够访问***,使用云端提供的加密服务,保障数据在传输和存储中的安全性;
集成云监控工具,实时监测云端服务的运行状态,包括计算资源使用情况、网络状况等,设置日志管理工具,记录关键事件和***操作日志,以便进行故障排查和审计,根据云服务提供商的更新和改进,定期进行云服务的升级,以保持***的稳定性和安全性,在***需要扩展时,通过云服务提供的接口或控制台,快速添加额外的计算资源,利用云服务提供商的成本监控工具,监测***资源的使用情况,优化计算资源的配置,以降低成本。
本申请通过云计算平台基于云计算技术对云端数据库中的实时数据进行分析,判断型材冲孔是否存在潜伏缺陷,当判断型材冲孔存在潜伏缺陷时,控制模块自动控制冲孔设备停止运行,并向通知模块发送警示信号,生产调度模块根据控制结果和订单需求生成生产计划,当正在运行中的生产设备停机时,调度其他型材冲孔设备运行,通知模块自动生成生产报告,包括生产效率、质量统计信息,发送实时通知或报警提醒操作员。该采集***在型材冲孔加工过程中,分析冲孔设备的数据来判断型材冲孔是否存在潜伏缺陷,根据判断结果生成相应警报并进行相应控制,从而便于操作员了解同一批次型材冲孔的质量,保证型材的稳定加工。
实施例2:云计算平台基于云计算技术对云端数据库中的实时数据进行分析,判断型材冲孔是否存在潜伏缺陷,判断结果发送至控制模块,提取有用的信息,发现潜在的生产优化和质量改进机会,包括以下步骤:
获取型材边角定位相似度指数、冲床压力偏差、冲床刀具振动以及冲孔止顿指数;
边角定位相似度指数的计算逻辑为:
获取待加工型材的形状,将待加工型材形状与数据库中的形状进行匹配,匹配后获取待加工型材的边角数量;
在加工过程中实时获取待加工型材所有边角的实时坐标向量,然后通过数据库获取该型材对应边角的标准坐标向量;
计算边角的实时坐标向量与标准坐标向量余弦相似度CS,表达式为:式中,J实时·J标准为实时坐标向量与标准坐标向量的点积,||J实时||、||J标准||分别为实时坐标向量范数与标准坐标向量范数;
综合计算所有边角的余弦相似度CS后,得到型材边角定位相似度指数,表达式为:式中,bjx为边角定位相似度指数,i=1、2、3、...、n,n表示型材的边角数量,且n为正整数,CSi表示第i个边角处的余弦相似度;
边角定位相似度指数越大,表明型材的各个边角定位越准确,边角定位相似度指数越小,表明型材的一个或多个边角出现定位异常,则会导致型材冲孔出现潜伏缺陷或明显缺陷,将获取的边角定位相似度指数与预设的相似度阈值进行对比,若边角定位相似度指数小于预设相似度阈值,判断型材冲孔出现明显缺陷,直接发出警报。
冲床压力偏差的计算表达式为:cyp=|SC-BC|,式中,cyp为冲床压力偏差,SC为冲床实时压力,BC为冲床标准压力,冲床压力偏差值越大,表明冲床的实时压力过大或过小,对型材冲孔带来的影响为:
实时压力过大:
过大的冲床压力可能导致型材表面受到过度挤压和损伤,尤其是在冲孔孔洞周围可能产生裂纹或毛刺,过大的压力对冲床模具造成额外的磨损,缩短模具的使用寿命,长时间的高压力可能会增加冲床设备的负载,导致设备磨损加剧,提前损坏;
实时压力过小:
压力过小可能导致切削效果不佳,孔边不清晰,影响型材的质量,压力不足可能导致冲床无法完全穿透材料,产生不完整的孔洞或者无法正常冲孔,由于不能有效地冲穿材料,生产速度可能下降,影响生产效率。
综上所述,冲床压力偏差越大,越可能导致型材冲孔出现潜伏缺陷或明显缺陷,将冲床压力偏差与偏差阈值进行对比,若冲床压力偏差大于预设偏差阈值,判断型材冲孔出现明显缺陷,直接发出警报。
冲床刀具振动通过设置在冲床刀具上的振动传感器实时获取,冲床刀具振动越大,越可能导致型材冲孔出现潜伏缺陷或明显缺陷,若冲床刀具振动大于预设振动阈值,判断型材冲孔出现明显缺陷,直接发出警报。
冲孔止顿指数的计算逻辑为:
先获取型材的冲孔总时长,然后获取型材冲孔过程中的止顿次数(即卡顿次数,例如,冲孔时存在几秒或几微秒的停顿,此时由于冲孔过程不流畅,可能会导致孔内部存在刀刃痕迹),获取每次止顿次数的时长(通过电机信号反馈获取,例如,当输入的电流存在波动时,会导致电机的运行出现波动,从而导致止顿现象出现),计算冲孔止顿指数,表达式为:式中,j=0、1、2、...、m,m表示型材冲孔过程中的止顿次数,ΔTj表示第j次止顿时长,ZSC表示型材的冲孔总时长,冲孔止顿指数越大,表明型材孔内部出现刀刃痕迹的概率越大,越可能导致型材冲孔出现潜伏缺陷或明显缺陷,若冲孔止顿指数大于预设止顿阈值,判断型材冲孔出现明显缺陷,直接发出警报。
具体的,在上述方案中,我们通过为每个参数设定相应的阈值来判断型材冲孔是否存在明显缺陷,但在实际加工过程中,当某几项参数同时向坏的方向发展,但均为超过或低于预设的阈值,此时就可能会导致型材冲孔出现潜伏缺陷,这种潜伏缺陷难以被检测***检测出来,但会对型材后续的使用带来影响,例如,当冲孔的型材应用在精密仪器或航空领域时,潜伏缺陷会导致产品质量降低(如不稳定),因此,我们提出以下方案:
将型材边角定位相似度指数、冲床压力偏差、冲床刀具振动以及冲孔止顿指数归一化处理后,综合计算获取冲孔系数ckx,冲孔系数越大,表明型材的冲孔质量越好,因此,型材边角定位相似度指数与冲孔系数ckx呈正比关系,冲床压力偏差、冲床刀具振动以及冲孔止顿指数与冲孔系数ckx呈反比关系,计算表达式为:式中,bjx为型材边角定位相似度指数,zd为冲床刀具振动,cyp为冲床压力偏差,zds为冲孔止顿指数,α、β、γ、δ分别为型材边角定位相似度指数、冲床刀具振动、冲床压力偏差以及冲孔止顿指数的比例系数,且α、β、γ、δ均大于0;
综合计算获取冲孔系数ckx值后,将冲孔系数ckx值与预设的质量阈值进行对比,若冲孔系数ckx值大于等于质量阈值,判断型材冲孔不存在潜伏缺陷,若冲孔系数ckx值小于质量阈值,判断型材冲孔存在潜伏缺陷。
当判断型材冲孔存在潜伏缺陷时,控制模块自动控制冲孔设备停止运行,包括以下步骤:
当潜伏缺陷判断为存在时,控制模块向冲孔设备发出紧急停机的信号,控制模块可以通过断电、制动或其他停机机制来迅速停止冲孔设备的运行,防止继续加工可能存在问题的型材,停机前,控制模块应该记录相关的异常信息,包括发生异常的时间、具体参数数值、报警信息等,这些信息可以用于后续的故障诊断、维护记录,以及改进冲孔过程的工艺参数。
实施例3:请参阅图2所示,本实施例所述一种基于云计算的数据采集方法,所述采集方法包括以下步骤:
在型材冲孔加工时,从型材冲孔设备中采集实时数据,包括加工参数、设备状态、生产速率等,通过传感器、仪器等设备将数据上传至云端,将实时数据上传至云端数据库存储,保证数据的安全性和可靠性,采用云端数据库服务进行数据管理,基于云端数据库中的实时数据,对型材冲孔加工过程进行实时监控,包括生产进度等,在云端可视化界面上展示监控结果,方便操作员远程查看,云计算平台基于云计算技术对云端数据库中的实时数据进行分析,判断型材冲孔是否存在潜伏缺陷,当判断型材冲孔存在潜伏缺陷时,自动控制冲孔设备停止运行,根据控制结果和订单需求,生成合理的生产计划,当正在运行中的生产设备停机时,调度其他型材冲孔设备运行,确保生产过程的高效、有序进行,自动生成生产报告,包括生产效率、质量统计等方面的信息,发送实时通知或报警,提醒操作员关注重要事件或异常状况,集成云计算服务,确保云计算平台的稳定性和可靠性,利用云端服务提供的资源,支持云计算平台的扩展和升级。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系,但也可能表示的是一种“和/或”的关系,具体可参考前后文进行理解。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种基于云计算的数据采集***,其特征在于:包括数据采集模块、数据存储模块、实时监控模块、云计算平台、控制模块、生产调度模块、通知模块、云端服务模块;
数据采集模块:在型材冲孔加工时,从型材冲孔设备中采集实时数据;
数据存储模块:将实时数据上传至云端数据库存储,采用云端数据库服务进行数据管理;
实时监控模块:基于云端数据库中的实时数据,对型材冲孔加工过程进行实时监控;
云计算平台:基于云计算技术对云端数据库中的实时数据进行分析,判断型材冲孔是否存在潜伏缺陷;
控制模块:当判断型材冲孔存在潜伏缺陷时,自动控制冲孔设备停止运行,并向通知模块发送警示信号;
生产调度模块:根据控制结果和订单需求生成生产计划,当正在运行中的生产设备停机时,调度其他型材冲孔设备运行;
通知模块:自动生成生产报告,包括生产效率、质量统计信息,发送实时通知或报警提醒操作员;
云端服务模块:利用云端服务提供的资源,支持云计算平台的扩展和升级。
2.根据权利要求1所述的一种基于云计算的数据采集***,其特征在于:所述云计算平台基于云计算技术对云端数据库中的实时数据进行分析,判断型材冲孔是否存在潜伏缺陷包括以下步骤:
获取型材边角定位相似度指数、冲床压力偏差、冲床刀具振动以及冲孔止顿指数;
将型材边角定位相似度指数、冲床压力偏差、冲床刀具振动以及冲孔止顿指数归一化处理后,综合计算获取冲孔系数ckx,冲孔系数越大,表明型材的冲孔质量越好,型材边角定位相似度指数与冲孔系数ckx呈正比关系,冲床压力偏差、冲床刀具振动以及冲孔止顿指数与冲孔系数ckx呈反比关系;
综合计算获取冲孔系数ckx值后,将冲孔系数ckx值与预设的质量阈值进行对比,若冲孔系数ckx值大于等于质量阈值,判断型材冲孔不存在潜伏缺陷,若冲孔系数ckx值小于质量阈值,判断型材冲孔存在潜伏缺陷。
3.根据权利要求2所述的一种基于云计算的数据采集***,其特征在于:所述边角定位相似度指数的计算逻辑为:
获取待加工型材的形状,将待加工型材形状与数据库中的形状进行匹配,匹配后获取待加工型材的边角数量;
在加工过程中实时获取待加工型材所有边角的实时坐标向量,然后通过数据库获取该型材对应边角的标准坐标向量;
计算边角的实时坐标向量与标准坐标向量余弦相似度CS,表达式为:式中,J实时·J标准为实时坐标向量与标准坐标向量的点积,||J实时||、||J标准||分别为实时坐标向量范数与标准坐标向量范数;
综合计算所有边角的余弦相似度CS后,得到型材边角定位相似度指数,表达式为:式中,bjx为边角定位相似度指数,i=1、2、3、...、n,n表示型材的边角数量,且n为正整数,CSi表示第i个边角处的余弦相似度。
4.根据权利要求3所述的一种基于云计算的数据采集***,其特征在于:所述冲孔止顿指数的计算逻辑为:
先获取型材的冲孔总时长,然后获取型材冲孔过程中的止顿次数,获取每次止顿次数的时长;
计算冲孔止顿指数,表达式为:式中,j=0、1、2、...、m,m表示型材冲孔过程中的止顿次数,ΔTj表示第j次止顿时长,ZSC表示型材的冲孔总时长。
5.根据权利要求4所述的一种基于云计算的数据采集***,其特征在于:所述控制模块自动控制冲孔设备停止运行包括以下步骤:
当潜伏缺陷判断为存在时,控制模块向冲孔设备发出紧急停机的信号,通过断电、制动或其他停机机制来迅速停止冲孔设备的运行;
停机前控制模块记录相关的异常信息,包括发生异常的时间、具体参数数值、报警信息。
6.根据权利要求5所述的一种基于云计算的数据采集***,其特征在于:所述生产调度模块根据控制结果和订单需求生成生产计划包括以下步骤:
根据客户订单和生产计划,确定型材冲孔的数量、规格、交货时间;
实时监测型材冲孔设备的运行状态,包括正在运行的设备、设备的停机时间、故障情况;
根据订单需求、设备状态和生产效率,生成优化的生产计划;
当某台冲孔设备停机时,识别停机的冲孔设备,根据生产计划和设备状态,基于遗传算法进行冲孔设备调度优化调度方案后,依据调度方案继续型材冲孔加工。
7.根据权利要求6所述的一种基于云计算的数据采集***,其特征在于:所述生产调度模块基于遗传算法进行冲孔设备调度优化调度方案包括以下步骤:
1)将调度方案编码成基因序列,每个基因表示一个任务的安排;
2)随机生成初始种群,每个个体表示一种冲孔设备的任务调度方案;
3)通过适应度函数评估每台冲孔设备的性能;
4)使用选择操作,按照适应度函数的值选择父代调度方案;
5)对选出的父代调度方案进行交叉操作,产生新的后代调度方案;
6)对产生的后代调度方案进行变异操作,引入一些随机性;
7)根据适应度函数值替代原始种群中的一部分调度方案;
8)重复执行4)、5)、6)、7)步骤,直至达到停止条件后得到最优调度方案,基于最优调度方案进行型材冲孔生产。
8.根据权利要求7所述的一种基于云计算的数据采集***,其特征在于:所述生产调度模块根据订单需求、设备状态和生产效率,生成优化的生产计划包括以下步骤:
建立整数规划模型:定义决策变量,表示每个产品或订单在每个时间段内的生产数量,设定目标函数,建立订单需求、设备状态、生产效率约束条件,以整数形式定义决策变量,表示生产计划中的生产数量,将订单需求、设备状态和生产效率因素转化为数学约束条件;
通过整数规划求解器,将整数规划模型输入并得到最优解,分析最优解得到每个产品在每个时间段的生产数量,以及对应的目标函数值。
9.一种基于云计算的数据采集方法,通过权利要求1-8任一项所述的采集***实现,其特征在于:所述采集方法包括以下步骤:
S1:在型材冲孔加工时,从型材冲孔设备中采集实时数据,包括加工参数、设备状态、生产速率;
S2:将实时数据上传至云端数据库存储,采用云端数据库服务进行数据管理;
S3:基于云端数据库中的实时数据,对型材冲孔加工过程进行实时监控,包括生产进度,在云端可视化界面展示监控结果;
S4:云计算平台基于云计算技术对云端数据库中的实时数据进行分析,判断型材冲孔是否存在潜伏缺陷,当判断型材冲孔存在潜伏缺陷时,自动控制冲孔设备停止运行;
S5:根据控制结果和订单需求,生成生产计划,当正在运行中的生产设备停机时,调度其他型材冲孔设备运行;
S6:自动生成生产报告,包括生产效率、质量统计信息,发送实时通知或报警提醒操作员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311821410.8A CN117742241B (zh) | 2023-12-27 | 2023-12-27 | 一种基于云计算的数据采集方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311821410.8A CN117742241B (zh) | 2023-12-27 | 2023-12-27 | 一种基于云计算的数据采集方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117742241A true CN117742241A (zh) | 2024-03-22 |
CN117742241B CN117742241B (zh) | 2024-06-11 |
Family
ID=90277370
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311821410.8A Active CN117742241B (zh) | 2023-12-27 | 2023-12-27 | 一种基于云计算的数据采集方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117742241B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117949029A (zh) * | 2024-03-26 | 2024-04-30 | 四川并济科技有限公司 | 基于人工智能的传感器运行测控方法和*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008149349A (ja) * | 2006-12-18 | 2008-07-03 | Nippon Steel Corp | 薄板のブランキングプレス用金型およびブランク加工方法 |
CN109047456A (zh) * | 2018-09-02 | 2018-12-21 | 欧陈珍 | 一种联动式三步自检测冲孔装置 |
CN113012098A (zh) * | 2021-01-25 | 2021-06-22 | 郑州轻工业大学 | 一种基于bp神经网络的铁塔角钢冲孔缺陷检测方法 |
-
2023
- 2023-12-27 CN CN202311821410.8A patent/CN117742241B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008149349A (ja) * | 2006-12-18 | 2008-07-03 | Nippon Steel Corp | 薄板のブランキングプレス用金型およびブランク加工方法 |
CN109047456A (zh) * | 2018-09-02 | 2018-12-21 | 欧陈珍 | 一种联动式三步自检测冲孔装置 |
CN113012098A (zh) * | 2021-01-25 | 2021-06-22 | 郑州轻工业大学 | 一种基于bp神经网络的铁塔角钢冲孔缺陷检测方法 |
Non-Patent Citations (1)
Title |
---|
吴剑华;方敏;汪彬;王莹;: "浅谈冲压件对压合工艺的影响", 模具制造, no. 12, 8 December 2014 (2014-12-08) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117949029A (zh) * | 2024-03-26 | 2024-04-30 | 四川并济科技有限公司 | 基于人工智能的传感器运行测控方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN117742241B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10902368B2 (en) | Intelligent decision synchronization in real time for both discrete and continuous process industries | |
US11726447B2 (en) | Quality review management system with configurable exception rules | |
CN117742241B (zh) | 一种基于云计算的数据采集方法和*** | |
KR102334965B1 (ko) | 공장 자동화 설비의 효율적 관리와 생산성 향상을 위한 예지 보전 시스템 | |
EP1895376A2 (en) | Dynamic maintenance management system | |
CN112052979A (zh) | 基于故障预测与健康管理的设备备件需求预测*** | |
CN116880412A (zh) | 一种基于云的可视化生产管理平台 | |
CN114551271A (zh) | 监测机台运行状况的方法及装置、存储介质及电子设备 | |
US20130282333A1 (en) | Service port explorer | |
EP4038557A1 (en) | Method and system for continuous estimation and representation of risk | |
CN117422434A (zh) | 一种智慧运维调度平台 | |
CN114124743B (zh) | 一种数据应用全链路检查规则执行方法及*** | |
CN117992304A (zh) | 一种一体化智能运维平台 | |
Ejaz et al. | Condition-based maintenance for queues with degrading servers | |
KR20090061856A (ko) | 품질관리규칙이 변경가능한 통계적 공정관리 장치 및 방법 | |
CN110506270A (zh) | 风险分析以识别和回顾网络安全威胁 | |
CN113537681A (zh) | 用于炼化企业设备管理信息化的方法及*** | |
TW201713456A (zh) | 製造效率最佳化平台及刀具狀態監測及預測方法 | |
CN115130692A (zh) | 设备云监控*** | |
CN113537519B (zh) | 一种识别异常设备的方法和装置 | |
CN111210148A (zh) | 一种核电站工单工时管理***和方法 | |
CN117575163B (zh) | 数据管理平台、数据采集方法、装置和计算机设备 | |
US20190236508A1 (en) | Kpi spotlight for manufacturing process | |
CN118011990B (zh) | 基于人工智能的工业数据品质监控与提升*** | |
CN117828515A (zh) | 一种基于低代码平台的智能日志异常诊断***及方法 |
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 |