CN118550263B - 一种硅酮密封胶生产用控制系统及方法 - Google Patents
一种硅酮密封胶生产用控制系统及方法 Download PDFInfo
- Publication number
- CN118550263B CN118550263B CN202411025413.5A CN202411025413A CN118550263B CN 118550263 B CN118550263 B CN 118550263B CN 202411025413 A CN202411025413 A CN 202411025413A CN 118550263 B CN118550263 B CN 118550263B
- Authority
- CN
- China
- Prior art keywords
- production
- state
- parameter
- adjustment
- formula
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 264
- 238000000034 method Methods 0.000 title claims abstract description 59
- 239000004590 silicone sealant Substances 0.000 title claims abstract description 52
- 230000007547 defect Effects 0.000 claims abstract description 49
- 238000006243 chemical reaction Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 238000012706 support-vector machine Methods 0.000 claims abstract description 8
- 238000007711 solidification Methods 0.000 claims abstract description 5
- 230000008023 solidification Effects 0.000 claims abstract description 5
- 230000007704 transition Effects 0.000 claims description 44
- 230000000694 effects Effects 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 18
- 238000009826 distribution Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000012098 association analyses Methods 0.000 claims description 3
- 230000001364 causal effect Effects 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000012731 temporal analysis Methods 0.000 claims description 3
- 238000000700 time series analysis Methods 0.000 claims description 3
- 230000002950 deficient Effects 0.000 claims description 2
- 238000003908 quality control method Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008092 positive effect Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及生产控制技术领域，具体为一种硅酮密封胶生产用控制系统及方法，系统包括关键参数监控模块、参数校准优化模块、生产质量预测模块和动态生产调整模块，关键参数监控模块基于生产线数据，识别影响硅酮密封胶品质的关键参数。本发明，通过实时监控设备收集和分类关键生产参数，优化了对生产状态的精细管理，确保关键变量如温度、化学反应速率和固化程度的连续监控，结合历史数据进行生产参数的动态校准，加强了生产流程对潜在问题的预防和干预能力，应用隐马尔可夫模型和支持向量机，预测未来状态转换和关键缺陷点的能力，降低了生产缺陷的风险，减少停机时间，优化资源利用，提高了硅酮密封胶生产的整体效率和质量控制。
Description
技术领域
本发明涉及生产控制技术领域，尤其涉及一种硅酮密封胶生产用控制系统及方法。
背景技术
生产控制技术领域涉及管理和优化生产流程以提高效率和产品质量，在现代工业生产中，生产控制系统通过监控生产线上的设备和工艺流程来确保操作的精确性和连续性，系统通常包括传感器、执行器和控制软件，可以实时收集数据、分析性能和调整操作参数，实现生产过程的自动化和智能化，以减少人为错误、降低成本和增加生产效率。
其中，硅酮密封胶生产用控制系统是一个专为硅酮密封胶的生产过程设计的自动化控制系统，其用途是通过自动监控和调节生产设备的运行参数，确保硅酮密封胶的质量和生产效率，涉及温度控制、原材料配比、混合速度和固化时间的精确管理，通过系统，使生产单位能够实现高度标准化的生产过程，减少生产偏差，保证产品的一致性和可靠性，有助于降低生产成本和提高生产线的自动化水平。
现有系统依赖传统传感器和控制软件，在处理复杂数据和实现高级分析上存在限制，导致在实时反映微小变化和预测生产问题方面的能力受限，现有系统的数据整合和反馈机制不灵活，导致对生产异常的响应滞后，不能有效地预测和调整生产过程以防止缺陷发生，导致了生产效率降低，例如，对设备小故障的延迟反应或原料波动的不及时调整，会造成大量的不合格产品，导致成本大大增加。
发明内容
本发明的目的是解决现有技术中存在的缺点，而提出的一种硅酮密封胶生产用控制系统及方法。
为了实现上述目的，本发明采用了如下技术方案：一种硅酮密封胶生产用控制系统，所述系统包括：
关键参数监控模块基于生产线数据，识别影响硅酮密封胶品质的关键参数，包括温度、化学反应速率和固化程度，利用实时监控设备收集参数，并对参数进行分类，得到生产状态特征库；
参数校准优化模块基于所述生产状态特征库，结合历史数据进行参数校准，对硅酮密封胶每个生产状态的转移和观测概率进行估计，根据估计结果调整生产参数设置，优化生产控制流程，得到参数调整概况；
生产质量预测模块基于所述参数调整概况，应用隐马尔可夫模型对未来状态转换进行预测，分析关键转换点，识别导致硅酮密封胶生产缺陷的状态，并比较预测数据与当前生产数据的偏差，生成预测偏差特征信息；
动态生产调整模块根据所述预测偏差特征信息，利用支持向量机，评估当前生产线的效率和质量指标，执行动态调整，包括修改生产参数或调整生产流程，并监控调整效果，获得生产流程优化结果。
本发明改进有，所述生产状态特征库的获取步骤具体为：
基于生产线数据，从硅酮密封胶生产线上采集关键参数，包括温度、化学反应速率和固化程度，对每个参数测量值进行时间序列分析，采用公式：
；
得到参数的时间平均值，其中，代表第次测量的温度，代表测量次数；
基于所述参数的时间平均值，应用协方差公式：
；
计算温度和化学反应速率之间的协方差，得到参数关联性数据集，其中，和分别表示同一时间点测量的温度和化学反应速率，和是对应的平均值，是数据点总数；
基于所述参数关联性数据集，利用多元线性回归模型进行生产质量预测，采用公式：
；
建立生产状态特征库，其中，、和分别代表温度、化学反应速率和固化程度，、、和是回归模型中的系数。
本发明改进有，所述进行参数校准的步骤具体为：
基于所述生产状态特征库，收集当前生产周期内硅酮密封胶的温度、压力和化学反应速率，计算每个参数的平均值，采用公式：
；
得到实时平均值，其中，代表当前测量周期的参数值，代表测量次数；
基于所述实时平均值，与历史数据中对应参数的历史平均值进行比较，采用公式：
；
得到实时平均值和历史数据的偏差值，其中，是实时平均值，是收集的历史平均值；
基于所述偏差值，评估是否需要进行参数校准，若超过设定阈值，则标记为需要校准，公式为：
基于所述偏差值，评估是否需要进行参数校准，若超过设定阈值，则标记为需要校准，公式为：
；
得到校准决策，其中，是偏差值，是偏差阈值，表示需要校准，表示无需校准。
本发明改进有，所述生产参数设置的调整步骤具体为：
基于所述估计结果，对每个需要调整的参数，根据偏差值和调整逻辑，采用公式：
；
计算新的参数设置，其中，是原始参数值，是调整系数，用于控制调整幅度，是偏差值；
基于所述新的参数设置，更新生产线控制配置，对生产控制过程进行优化，采用公式：
；
得到调整后的参数设置，是新的参数设置，为抽象函数，表示将应用到生产控制中的操作；
基于所述调整后的参数设置，对生产中的效果进行监控，采用公式：
；
得到调整效果评估结果，用于确定新设置的表现，其中，是生产线的实时数据，是更新后的参数设置，为评估函数，用于分析在生产中的效果。
本发明改进有，所述对未来状态转换进行预测的步骤具体为：
基于所述参数调整概况，利用隐马尔可夫模型，计算每个状态的概率分布，采用公式：
；
得到初始概率分布，其中，是潜在状态，是观测到的状态实例，是观测总次数，是指示函数，当等于时取值1，否则为0；
基于所述初始概率分布，结合历史数据学习得到的状态转移概率矩阵，进行状态转换的预测，使用公式：
；
生成预测的状态概率分布，其中，是当前状态，是下一个当前状态，是从状态到状态的转移概率，是当前状态的概率；
基于所述预测的状态概率分布，确定潜在的关键状态转换点，使用公式：
；
得到关键转换点集合，其中，是转移概率的平均值，是转移概率的标准偏差，是从状态到状态的转移概率，是当前状态。
本发明改进有，所述硅酮密封胶生产缺陷状态的识别步骤具体为：
筛选与缺陷潜在关联的生产数据，进行异常状态识别，获得筛选的异常状态列表；
基于筛选的异常状态列表，进行因果关联分析，确定状态与硅酮密封胶生产缺陷间的联系，采用公式：
；
得到缺陷关联的状态，其中，代表单个缺陷发生的实例，代表异常状态的监控值，和是与的平均值；
基于所述缺陷关联的状态，标定导致生产缺陷的关键状态，使用公式：
；
生成关键缺陷状态列表，其中，是缺陷关联的状态，是决策阈值。
本发明改进有，所述效率和质量指标的评估步骤具体为：
根据所述预测偏差特征信息，收集生产数据，包括产量和废品率，计算实时生产效率，采用公式：
；
得到生产效率百分比，其中，是目标时间内完成的数量，是尝试生产的总数，是生产效率调整系数；
基于所述生产效率百分比，计算废品率评估质量指标，使用公式：
；
生成质量指标百分比，其中，是有缺陷的数量，是完成的数量，是生产批次偏差调整因子；
基于所述生产效率百分比和质量指标百分比，使用支持向量机，对生产线效率和质量进行评估，采用公式：
；
生成评估日志，其中，是生产效率百分比，是质量指标百分比，和是权重参数。
本发明改进有，所述生产流程优化结果的获取步骤具体为：
执行所述动态调整，进行数据收集，评估调整效果，采用公式：
；
得到初步调整效果，其中，表示单次操作观测到的效果数据，代表总操作次数；
基于所述初步调整效果，评估对生产效率和质量的长期影响，采用公式：
；
生成数据分析记录，其中，是调整后的效率指标，是调整前的效率指标，是效率变化的百分比；
基于所述数据分析记录，判断是否继续优化生产参数或调整流程，若效率优化稳定，则维持当前设置，否则再进行优化，得到生产流程优化结果。
一种硅酮密封胶生产用控制方法，所述硅酮密封胶生产用控制方法基于上述硅酮密封胶生产用控制系统执行，包括以下步骤：
S1：基于生产线数据，通过实时监控设备收集生产线的温度、化学反应速率和固化程度数据，对数据进行分类并记录，得到生产状态特征库；
S2：基于所述生产状态特征库，对硅酮密封胶生产过程中每个生产状态的转移概率和观测概率进行估计，优化和细化生产参数设定，并对生产参数设置进行调整，得到参数调整概况；
S3：基于所述参数调整概况，应用隐马尔可夫模型进行未来生产状态的模拟预测，分析关键的生产转换点，识别导致缺陷的关键状态，将状态与当前监控的生产数据进行比较，生成预测偏差特征信息；
S4：基于所述预测偏差特征信息，根据识别的潜在缺陷，调整生产参数和生产流程，包括修改参数设置和调整生产线的操作流程，并评估调整对生产线效率和产品质量的影响，生成调整效果评估信息；
S5：基于所述调整效果评估信息，执行生产线的持续监控，包括追踪优化后的参数设置和当前生产质量，对收集到的监控数据进行分析，得到生产流程优化结果。
与现有技术相比，本发明的优点和积极效果在于：
本发明中，通过实时监控设备收集和分类关键生产参数，优化了对生产状态的精细管理，确保关键变量如温度、化学反应速率和固化程度的连续监控，结合历史数据进行生产参数的动态校准，加强了生产流程对潜在问题的预防和干预能力，应用隐马尔可夫模型和支持向量机，预测未来状态转换和关键缺陷点的能力，降低了生产缺陷的风险，减少停机时间，优化资源利用，提高了硅酮密封胶生产的整体效率和质量控制。
附图说明
图1为本发明提出一种硅酮密封胶生产用控制系统模块图；
图2为本发明中生产状态特征库的获取流程图；
图3为本发明中进行参数校准的流程图；
图4为本发明中生产参数设置的调整流程图；
图5为本发明中对未来状态转换进行预测的流程图；
图6为本发明中硅酮密封胶生产缺陷状态的识别流程图；
图7为本发明中效率和质量指标的评估流程图；
图8为本发明中生产流程优化结果的获取流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在本发明的描述中，需要理解的是，术语“长度”“宽度”“上”“下”“前”“后”“左”“右”“竖直”“水平”“顶”“底”“内”“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
实施例：请参阅图1，本发明提供一种技术方案：一种硅酮密封胶生产用控制系统包括：
关键参数监控模块基于生产线数据，识别影响硅酮密封胶品质的关键参数，包括温度、化学反应速率和固化程度，利用实时监控设备收集参数，并对参数进行分类，得到生产状态特征库；
参数校准优化模块基于生产状态特征库，结合历史数据进行参数校准，对硅酮密封胶每个生产状态的转移和观测概率进行估计，根据估计结果调整生产参数设置，优化生产控制流程，得到参数调整概况；
生产质量预测模块基于参数调整概况，应用隐马尔可夫模型对未来状态转换进行预测，分析关键转换点，识别导致硅酮密封胶生产缺陷的状态，并比较预测数据与当前生产数据的偏差，生成预测偏差特征信息；
动态生产调整模块根据预测偏差特征信息，利用支持向量机，评估当前生产线的效率和质量指标，执行动态调整，包括修改生产参数或调整生产流程，并监控调整效果，获得生产流程优化结果。
生产状态特征库包括参数类别、测量结果、数据更新频率，参数调整概况包括调整的转移概率、观测概率、控制流程改善结果，预测偏差特征信息包括偏差类型、关键阈值、预警级别，生产流程优化结果包括调整频率、效率提升度、生产参数调整范围。
请参阅图2，生产状态特征库的获取步骤具体为：
基于生产线数据，从硅酮密封胶生产线上采集关键参数，包括温度、化学反应速率和固化程度，对每个参数测量值进行时间序列分析，采用公式：
；
得到参数的时间平均值，其中，代表第次测量的温度，代表测量次数；
基于参数的时间平均值，应用协方差公式：
；
计算温度和化学反应速率之间的协方差，得到参数关联性数据集，其中，和分别表示同一时间点测量的温度和化学反应速率，和是对应的平均值，是数据点总数；
基于参数关联性数据集，利用多元线性回归模型进行生产质量预测，采用公式：
；
建立生产状态特征库，其中，、和分别代表温度、化学反应速率和固化程度，、、和是回归模型中的系数。
假设在一小时内进行了5次温度测量，得到的温度值为：150℃，155℃，152℃，154℃，153℃；
使用公式计算平均温度：
；
计算得出的平均温度152.8℃表示该小时内生产环境的平均温度。
假设在同一时间点的温度和化学反应速率分别为（152℃，0.8），（154℃，0.9），（150℃，0.7），（155℃，0.95），（153℃，0.85）；
平均温度上述结果得出；
假设。
计算协方差：
；
假设协方差结果为0.03；
协方差0.03表示温度与化学反应速率之间存在轻微的正向关联，较高温度预估促进化学反应速率的增加。
假设回归模型的系数经过拟合得到，给定一组参数T=152.8，K=0.84，C=0.9；
；
预测的生产质量值为118.3，这个值代表了某种品质指标或达标率，用于评估在给定的温度、化学反应速率和固化程度下的产品质量。
请参阅图3，进行参数校准的步骤具体为：
基于生产状态特征库，收集当前生产周期内硅酮密封胶的温度、压力和化学反应速率，计算每个参数的平均值，采用公式：
；
得到实时平均值，其中，代表当前测量周期的参数值，代表测量次数；
基于实时平均值，与历史数据中对应参数的历史平均值进行比较，采用公式：
；
得到实时平均值和历史数据的偏差值，其中，是实时平均值，是收集的历史平均值；
基于偏差值，评估是否需要进行参数校准，若超过设定阈值，则标记为需要校准，公式为：
；
得到校准决策，其中，是偏差值，是偏差阈值，表示需要校准，表示无需校准。
假设在一次生产周期中，测量温度五次，得到的值分别为100℃，102℃，98℃，101℃和99℃。
计算平均温度：
；
计算得到的实时平均温度为100℃，代表当前生产周期内的平均温度条件。
假设历史数据中相应参数的平均值是95℃；
计算偏差：
；
偏差值为5℃，表明当前生产周期的平均温度比历史平均高5℃，需要进行调整以维持产品质量。
设定阈值为3℃。
判断是否需要校准：
；
由于偏差值超过了3℃，因此需要进行参数校准，表明在当前的生产设置下，存在超出正常范围的操作条件，需要调整以确保产品符合质量标准。
请参阅图4，生产参数设置的调整步骤具体为：
基于估计结果，对每个需要调整的参数，根据偏差值和调整逻辑，采用公式：
；
计算新的参数设置，其中，是原始参数值，是调整系数，用于控制调整幅度，是偏差值；
基于新的参数设置，更新生产线控制配置，对生产控制过程进行优化，采用公式：
；
得到调整后的参数设置，是新的参数设置，为抽象函数，作用是将生产过程中的转换为可实施的，涉及参数标准化、规模调整和格式调整，具体使用StandardScaler（）和MinMaxScaler（）函数，主要用于标准化的格式，使其适配生产设备的输入格式，表示将应用到生产控制中的操作，其中，StandardScaler()和MinMaxScaler()是scikit-learn库中的函数；
基于调整后的参数设置，对生产中的效果进行监控，采用公式：
；
得到调整效果评估结果，用于确定新设置的表现，其中，是生产线的实时数据，是更新后的参数设置，为评估函数，用于评估在生产环境中的表现，包括生产效率、质量控制和其他操作指标，具体可使用predict()和evaluate()函数，主要用于评估和在生产环境中的表现，其中，predict()是scikit-learn库中的函数，evaluate()是TensorFlow库中的函数。
假设有以下数据：
为100℃；
为105℃；
设为0.5。
计算偏差：
；
计算新的参数值：
；
所以新的温度设置为100.85℃。
基于之前的温度例子，若新的温度设置为100.85℃，则该值将直接被用于更新系统控制器的温度设定；
假设更新系统后的实时监测数据显示生产效率提高了5%，则将记录正面影响，指示新的参数设置有效地改进了生产过程。
请参阅图5，对未来状态转换进行预测的步骤具体为：
基于参数调整概况，利用隐马尔可夫模型，计算每个状态的概率分布，采用公式：
；
得到初始概率分布，其中，是潜在状态，是观测到的状态实例，是观测总次数，是指示函数，当等于时取值1，否则为0；
基于初始概率分布，结合历史数据学习得到的状态转移概率矩阵，进行状态转换的预测，使用公式：
；
生成预测的状态概率分布，其中，是当前状态，是下一个当前状态，是从状态到状态的转移概率，是当前状态的概率。
基于预测的状态概率分布，确定潜在的关键状态转换点，使用公式：
；
得到关键转换点集合，其中，是转移概率的平均值，是转移概率的标准偏差，是从状态到状态的转移概率，是当前状态。
假设在一个生产周期中，有5个状态观测结果，且状态分布为和，要计算状态的初始概率；
计算指示函数值：
对于，当时，指示函数值为1，因此，有三次，所以指示函数的和为3。
应用公式：
；
所以，状态的初始概率为0.6。
假设有两个状态和，且已知的状态转移概率为和；
当前状态的概率已经计算为0.6。
应用公式计算：
；
所以，预测状态的概率为0.24。
假设平均转移概率为0.2，标准偏差为0.05；
如果，将检查是否；
明显大于0.25，因此到的转换被视为关键转换点。
请参阅图6，硅酮密封胶生产缺陷状态的识别步骤具体为：
筛选与缺陷潜在关联的生产数据，进行异常状态识别，获得筛选的异常状态列表；
基于筛选的异常状态列表，进行因果关联分析，确定状态与硅酮密封胶生产缺陷间的联系，采用公式：
；
得到缺陷关联的状态，其中，代表单个缺陷发生的实例，代表异常状态的监控值，和是与的平均值；
基于缺陷关联的状态，标定导致生产缺陷的关键状态，使用公式：
；
生成关键缺陷状态列表，其中，是缺陷关联的状态，是决策阈值。
假设有以下缺陷和状态数据：
缺陷发生记录（0表示未发生，1表示发生）：
；
对应的异常状态值：
；
计算和：
；
；
计算公式的分子和分母：
分子：
；
；
分母：
；
计算：
；
值为1.855表示存在较强的正相关性，即异常状态的数值与缺陷发生有明显的正向关联。
假设从上述计算中，得到；
设定阈值为1.5。
检查值是否大于；
；
应用公式：
；
应为1.855大于1.5，结果为；
表示识别的异常状态与生产缺陷有显著关联，应被视为关键状态。
请参阅图7，效率和质量指标的评估步骤具体为：
根据预测偏差特征信息，收集生产数据，包括产量和废品率，计算实时生产效率，采用公式：
；
得到生产效率百分比，其中，是目标时间内完成的数量，是尝试生产的总数，是生产效率调整系数；
基于生产效率百分比，计算废品率评估质量指标，使用公式：
；
生成质量指标百分比，其中，是有缺陷的数量，是完成的数量，是生产批次偏差调整因子；
基于生产效率百分比和质量指标百分比，使用支持向量机，对生产线效率和质量进行评估，采用公式：
；
生成评估日志，其中，是生产效率百分比，是质量指标百分比，和是权重参数。
假设在一个小时内，生产线尝试生产1000单位，实际完成950单位。
；
；
。
计算生产效率：
；
表明生产效率约为90.48%，表示大部分单位生产成功，但有改进的空间。
假设从950个完成单位中发现有95个单位存在缺陷。
；
。
计算质量指标：
；
表明质量指标为90.05%，说明生产质量也有提升空间。
假设模型参数如下：
；
；
使用假设的SVM模型参数和已知的效率与质量值，计算，过程简化为：
；
；
反映了生产线的总体效率和质量评分为90.265分，可作为调整生产策略的依据。
请参阅图8，生产流程优化结果的获取步骤具体为：
执行动态调整，进行数据收集，评估调整效果，采用公式：
；
得到初步调整效果，其中，表示单次操作观测到的效果数据，代表总操作次数；
基于初步调整效果，评估对生产效率和质量的长期影响，采用公式：
；
生成数据分析记录，其中，是调整后的效率指标，是调整前的效率指标，是效率变化的百分比；
基于数据分析记录，判断是否继续优化生产参数或调整流程，若效率优化稳定，则维持当前设置，否则再进行优化，得到生产流程优化结果。
假设在一个改进措施后，观测到五次生产效率的数据分别为80%，85%，82%，84%，和83%。
计算平均值：
；
初步调整效果的平均值为82.8%，表示在初步监控阶段，生产效率的平均提升为82.8%。
假设调整前的平均效率是75%，调整后的效率数据为85%。
计算效率变化百分比：
；
效率变化百分比为13.33%，表示生产效率从调整前到调整后提高了大约13.33%。
一种硅酮密封胶生产用控制方法，包括以下步骤：
S1：基于生产线数据，通过实时监控设备收集生产线的温度、化学反应速率和固化程度数据，对数据进行分类并记录，得到生产状态特征库；
S2：基于生产状态特征库，对硅酮密封胶生产过程中每个生产状态的转移概率和观测概率进行估计，优化和细化生产参数设定，并对生产参数设置进行调整，得到参数调整概况；
S3：基于参数调整概况，应用隐马尔可夫模型进行未来生产状态的模拟预测，分析关键的生产转换点，识别导致缺陷的关键状态，将状态与当前监控的生产数据进行比较，生成预测偏差特征信息；
S4：基于预测偏差特征信息，根据识别的潜在缺陷，调整生产参数和生产流程，包括修改参数设置和调整生产线的操作流程，并评估调整对生产线效率和产品质量的影响，生成调整效果评估信息；
S5：基于调整效果评估信息，执行生产线的持续监控，包括追踪优化后的参数设置和当前生产质量，对收集到的监控数据进行分析，得到生产流程优化结果。
以上，仅是本发明的较佳实施例而已，并非对本发明作其他形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其他领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。
Claims (9)
1.一种硅酮密封胶生产用控制系统，其特征在于，所述系统包括：
关键参数监控模块基于生产线数据，识别影响硅酮密封胶品质的关键参数，包括温度、化学反应速率和固化程度，利用实时监控设备收集参数，并对参数进行分类，得到生产状态特征库；
参数校准优化模块基于所述生产状态特征库，结合历史数据进行参数校准，对硅酮密封胶每个生产状态的转移和观测概率进行估计，根据估计结果调整生产参数设置，优化生产控制流程，得到参数调整概况；
生产质量预测模块基于所述参数调整概况，应用隐马尔可夫模型对未来状态转换进行预测，分析关键转换点，识别导致硅酮密封胶生产缺陷的状态，并比较预测数据与当前生产数据的偏差，生成预测偏差特征信息；
动态生产调整模块根据所述预测偏差特征信息，利用支持向量机，评估当前生产线的效率和质量指标，执行动态调整，包括修改生产参数或调整生产流程，并监控调整效果，获得生产流程优化结果。
2.根据权利要求1所述的硅酮密封胶生产用控制系统，其特征在于，所述生产状态特征库的获取步骤具体为：
基于生产线数据，从硅酮密封胶生产线上采集关键参数，包括温度、化学反应速率和固化程度，对每个参数测量值进行时间序列分析，采用公式：
；
得到参数的时间平均值，其中，代表第次测量的温度，代表测量次数；
基于所述参数的时间平均值，应用协方差公式：
；
计算温度和化学反应速率之间的协方差，得到参数关联性数据集，其中，和分别表示同一时间点测量的温度和化学反应速率，和是对应的平均值，是数据点总数；
基于所述参数关联性数据集，利用多元线性回归模型进行生产质量预测，采用公式：
；
建立生产状态特征库，其中，、和分别代表温度、化学反应速率和固化程度，、、和是回归模型中的系数。
3.根据权利要求1所述的硅酮密封胶生产用控制系统，其特征在于，所述进行参数校准的步骤具体为：
基于所述生产状态特征库，收集当前生产周期内硅酮密封胶的温度、压力和化学反应速率，计算每个参数的平均值，采用公式：
；
得到实时平均值，其中，代表当前测量周期的参数值，代表测量次数；
基于所述实时平均值，与历史数据中对应参数的历史平均值进行比较，采用公式：
；
得到实时平均值和历史数据的偏差值，其中，是实时平均值，是收集的历史平均值；
基于所述偏差值，评估是否需要进行参数校准，若超过设定阈值，则标记为需要校准，公式为：
；
得到校准决策，其中，是偏差值，是偏差阈值，表示需要校准，表示无需校准。
4.根据权利要求1所述的硅酮密封胶生产用控制系统，其特征在于，所述生产参数设置的调整步骤具体为：
基于所述估计结果，对每个需要调整的参数，根据偏差值和调整逻辑，采用公式：
；
计算新的参数设置，其中，是原始参数值，是调整系数，用于控制调整幅度，是偏差值；
基于所述新的参数设置，更新生产线控制配置，对生产控制过程进行优化，采用公式：
；
得到调整后的参数设置，是新的参数设置，为抽象函数，表示将应用到生产控制中的操作；
基于所述调整后的参数设置，对生产中的效果进行监控，采用公式：
；
得到调整效果评估结果，用于确定新设置的表现，其中，是生产线的实时数据，是更新后的参数设置，为评估函数，用于分析在生产中的效果。
5.根据权利要求1所述的硅酮密封胶生产用控制系统，其特征在于，所述对未来状态转换进行预测的步骤具体为：
基于所述参数调整概况，利用隐马尔可夫模型，计算每个状态的概率分布，采用公式：
；
得到初始概率分布，其中，是潜在状态，是观测到的状态实例，是观测总次数，是指示函数，当等于时取值1，否则为0；
基于所述初始概率分布，结合历史数据学习得到的状态转移概率矩阵，进行状态转换的预测，使用公式：
；
生成预测的状态概率分布，其中，是当前状态，是下一个当前状态，是从状态到状态的转移概率，是当前状态的概率；
基于所述预测的状态概率分布，确定潜在的关键状态转换点，使用公式：
；
得到关键转换点集合，其中，是转移概率的平均值，是转移概率的标准偏差，是从状态到状态的转移概率，是当前状态。
6.根据权利要求1所述的硅酮密封胶生产用控制系统，其特征在于，所述硅酮密封胶生产缺陷状态的识别步骤具体为：
筛选与缺陷潜在关联的生产数据，进行异常状态识别，获得筛选的异常状态列表；
基于筛选的异常状态列表，进行因果关联分析，确定状态与硅酮密封胶生产缺陷间的联系，采用公式：
；
得到缺陷关联的状态，其中，代表单个缺陷发生的实例，代表异常状态的监控值，和是与的平均值；
基于所述缺陷关联的状态，标定导致生产缺陷的关键状态，使用公式：
；
生成关键缺陷状态列表，其中，是缺陷关联的状态，是决策阈值。
7.根据权利要求1所述的硅酮密封胶生产用控制系统，其特征在于，所述效率和质量指标的评估步骤具体为：
根据所述预测偏差特征信息，收集生产数据，包括产量和废品率，计算实时生产效率，采用公式：
；
得到生产效率百分比，其中，是目标时间内完成的数量，是尝试生产的总数，是生产效率调整系数；
基于所述生产效率百分比，计算废品率评估质量指标，使用公式：
；
生成质量指标百分比，其中，是有缺陷的数量，是完成的数量，是生产批次偏差调整因子；
基于所述生产效率百分比和质量指标百分比，使用支持向量机，对生产线效率和质量进行评估，采用公式：
；
生成评估日志，其中，是生产效率百分比，是质量指标百分比，和是权重参数。
8.根据权利要求1所述的硅酮密封胶生产用控制系统，其特征在于，所述生产流程优化结果的获取步骤具体为：
执行所述动态调整，进行数据收集，评估调整效果，采用公式：
；
得到初步调整效果，其中，表示单次操作观测到的效果数据，代表总操作次数；
基于所述初步调整效果，评估对生产效率和质量的长期影响，采用公式：
；
生成数据分析记录，其中，是调整后的效率指标，是调整前的效率指标，是效率变化的百分比；
基于所述数据分析记录，判断是否继续优化生产参数或调整流程，若效率优化稳定，则维持当前设置，否则再进行优化，得到生产流程优化结果。
9.一种硅酮密封胶生产用控制方法，其特征在于，根据权利要求1-8任一项所述的硅酮密封胶生产用控制系统执行，包括以下步骤：
基于生产线数据，通过实时监控设备收集生产线的温度、化学反应速率和固化程度数据，对数据进行分类并记录，得到生产状态特征库；
基于所述生产状态特征库，对硅酮密封胶生产过程中每个生产状态的转移概率和观测概率进行估计，优化和细化生产参数设定，并对生产参数设置进行调整，得到参数调整概况；
基于所述参数调整概况，应用隐马尔可夫模型进行未来生产状态的模拟预测，分析关键的生产转换点，识别导致缺陷的关键状态，将状态与当前监控的生产数据进行比较，生成预测偏差特征信息；
基于所述预测偏差特征信息，根据识别的潜在缺陷，调整生产参数和生产流程，包括修改参数设置和调整生产线的操作流程，并评估调整对生产线效率和产品质量的影响，生成调整效果评估信息；
基于所述调整效果评估信息，执行生产线的持续监控，包括追踪优化后的参数设置和当前生产质量，对收集到的监控数据进行分析，得到生产流程优化结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411025413.5A CN118550263B (zh) | 2024-07-30 | 2024-07-30 | 一种硅酮密封胶生产用控制系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411025413.5A CN118550263B (zh) | 2024-07-30 | 2024-07-30 | 一种硅酮密封胶生产用控制系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118550263A CN118550263A (zh) | 2024-08-27 |
| CN118550263B true CN118550263B (zh) | 2024-09-27 |
Family
ID=92446656
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202411025413.5A Active CN118550263B (zh) | 2024-07-30 | 2024-07-30 | 一种硅酮密封胶生产用控制系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118550263B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118732637B (zh) * | 2024-09-04 | 2025-01-07 | 广东国景家具集团有限公司 | 一种用于防水性家具生产设备的控制方法 |
| CN118938847A (zh) * | 2024-10-15 | 2024-11-12 | 山东格林汇能科技有限公司 | 基于人工智能的湿巾质量控制系统 |
| CN119270804B (zh) * | 2024-12-06 | 2025-03-11 | 正帆科技(湖州)有限公司 | 一种用于四甲基氢氧化铵生产设备的在线控制系统及方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117818056A (zh) * | 2024-01-09 | 2024-04-05 | 武汉大学 | 基于ai的骨科3d打印方法和装置 |
| CN117962256A (zh) * | 2024-04-01 | 2024-05-03 | 南通世源橡塑科技有限公司 | 基于大数据信息进行的分析的注塑件翘曲模拟控制系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102022210276A1 (de) * | 2022-04-08 | 2023-10-12 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Erkennung von Defekten in einem System |
| CN118011989B (zh) * | 2024-04-10 | 2024-06-04 | 景鸿超精密工业(青岛)有限公司 | 自动化柔性压接工艺参数优化系统 |
-
2024
- 2024-07-30 CN CN202411025413.5A patent/CN118550263B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117818056A (zh) * | 2024-01-09 | 2024-04-05 | 武汉大学 | 基于ai的骨科3d打印方法和装置 |
| CN117962256A (zh) * | 2024-04-01 | 2024-05-03 | 南通世源橡塑科技有限公司 | 基于大数据信息进行的分析的注塑件翘曲模拟控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118550263A (zh) | 2024-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN118550263B (zh) | 一种硅酮密封胶生产用控制系统及方法 | |
| CN109459993B (zh) | 一种流程工业过程在线自适应故障监测与诊断方法 | |
| CN117494032B (zh) | 建筑能耗实时监测控制系统及方法 | |
| US10152879B2 (en) | Method, apparatus, and system for monitoring manufacturing equipment | |
| CN108829933A (zh) | 一种半导体制造设备的预测性维护与健康管理的方法 | |
| CN111867806A (zh) | 用于基于件的过程（批量制造）、特别是注射成型过程的自动的过程监控和过程诊断的方法和实施所述过程的机器或实施所述过程的机器总成 | |
| CN116772285B (zh) | 一种智能楼宇供暖负载安全实时监控方法 | |
| CN118655932B (zh) | 筋膜球生产过程温控监控系统 | |
| CN110112442B (zh) | 一种燃料电池系统控制方法及装置 | |
| CN117891688A (zh) | 一种生成式ai设备运维管理系统及方法 | |
| CN118981603A (zh) | 一种喷涂镀膜机的智能控制方法及系统 | |
| CN119232773B (zh) | 用于化工生产设备集群的实时故障监测物联网系统 | |
| CN118133017A (zh) | 一种工业生产过程能耗智能预测系统及其预测算法 | |
| CN119148664B (zh) | 一种基于数字孪生的智慧工厂管理平台及管理方法 | |
| CN118938842A (zh) | 基于大数据的电炉生产管理系统 | |
| CN118483968A (zh) | 混凝土速凝剂生产质量控制系统及方法 | |
| CN118482817A (zh) | 一种基于数据分析的数字化纺织设备管理方法及系统 | |
| CN117689270A (zh) | 电力设备生产过程质量管理改进方法、系统及存储介质 | |
| CN117977536A (zh) | 一种智能电网负荷辨识方法 | |
| EP4118499B1 (en) | Inspection rate adaptation | |
| CN114118844A (zh) | 一种汽车零部件质量分析系统 | |
| CN102608303A (zh) | 一种橡胶硬度的在线测量方法 | |
| CN102608302A (zh) | 一种橡胶硬度的测量方法 | |
| CN119807713A (zh) | 基于负荷感知的站用电设备稳态特征提取系统 | |
| CN119692712A (zh) | 一种智能调度与追踪方法及追踪系统 |
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 |