一种3C电子设备生产线数据流转及异常定位方法与流程
本发明涉及电子设备生产,特别涉及一种3c电子设备生产线数据流转及异常定位方法。
背景技术:
1、3c电子设备制造具备高节拍、多工序联机联动的特点;在实际生产中,如何高效实现海量跨工序异构数据的实时流转,并在产线末端发现产品质量异常时,迅速溯源并精准定位根因,是提升综合良率与柔性生产能力的关键。
2、现有技术中部分方案通过底层终端获取设备状态,结合产品唯一识别码,在制造执行系统中建立产品生产批次、机台编号与过站时间的关联记录;当出现不良品时,通过数据库系统查询实现过站历史信息的单线顺向追溯。
3、现有管控手段存在明显缺陷:首先,异构数据流转存在时空错位,连续型设备运转数据与离散产品记录难以精确对齐导致历史档案失真;其次,孤立工序的独立监控无法识别跨工序特征叠加造成的隐性误差累积;最后,异常定位手段滞后且粒度粗犷,过度依赖人工排查,缺乏自动化逆向推导根因的机制,极易造成大规模产能浪费。
技术实现思路
1、(一)解决的技术问题
2、本发明的目的在于提供一种3c电子设备生产线数据流转及异常定位方法与系统,以解决现有3c混合制造场景下异构数据流转存在的时空错位导致产品档案失真、孤立工序静态阈值监控无法应对跨工序隐性误差累积,以及异常根因定位手段滞后且极度依赖人工经验的技术问题。
3、(二)技术方案
4、为实现上述目的,本发明的第一方面提供了一种3c电子设备生产线数据流转及异常定位方法,包括以下步骤:
5、s1.通过边缘计算节点同步采集生产线内各设备的离散产品过站事件与连续工艺参数,所述采集基于精确时间协议(ptp)实现全局时钟同步;
6、s2.获取生产线传送带的动态速度数据,结合设备物理拓扑间距构建产线运动学方程,基于所述产线运动学方程将所述连续工艺参数的时间序列映射为空间位置参数,并将其与所述离散产品过站事件及产品唯一标识进行封装,生成产品数字孪生伴随数据包;
7、s3.基于所述产品数字孪生伴随数据包构建跨工序动态关联图谱,所述动态关联图谱的节点包括设备节点、工艺参数节点和产品状态节点,所述动态关联图谱的边包括基于生产工艺时序构建的物理时序边,以及基于跨工序参数关联度计算构建的特征耦合边;
8、s4.当产线末端检测到产品质量异常时,提取异常表征向量并输入至所述动态关联图谱,基于图神经网络算法沿所述物理时序边与特征耦合边进行逆向遍历计算,输出历史时空内各工艺参数节点对所述异常表征向量的异常贡献度;
9、s5.选取所述异常贡献度大于预设阈值的目标工艺参数节点作为异常根因,并向产生所述目标工艺参数节点的对应设备下发闭环控制或停机干预指令。
10、优选地,所述步骤s2中,基于所述产线运动学方程将连续工艺参数的时间序列映射为空间位置参数的具体方法包括:
11、获取产品经过上游起始传感器的初始时间与初始空间坐标;
12、实时获取传送带在任意时刻的瞬时速度;
13、通过积分方程计算产品在目标时刻的实时空间绝对坐标,其计算公式为:
14、
15、通过坐标比对,截取当所述空间绝对坐标进入目标设备的物理加工区间时,所述目标设备对应的连续工艺参数作为该产品专属的瞬态过程特征。
16、优选地,所述步骤s3中,基于跨工序参数关联度计算构建特征耦合边的方法包括:
17、提取历史生产批次中正常产品的数据包;针对任意两个分属不同工序的工艺参数节点序列,计算其互信息值与皮尔逊相关系数;若所述互信息值与皮尔逊相关系数的加权和大于设定图谱边构建阈值,则判定所述两个工艺参数节点之间存在隐性误差累积关系,在两者之间建立特征耦合边,并将所述加权和作为该特征耦合边的初始权重。
18、优选地,所述步骤s4中,基于图神经网络算法进行逆向遍历计算的具体过程包括:
19、将所述异常表征向量作为目标节点,基于注意力机制计算其与相邻节点的注意力系数;沿所述动态关联图谱自顶向下进行广度优先搜索,基于所述注意力系数和边权重,采用沙普利值(shapleyvalue)算法计算上游路径中各工艺参数节点对质量异常结果的边际贡献率;将所述边际贡献率进行归一化处理,得到各工艺参数节点的异常贡献度。
20、优选地,所述步骤s5中的闭环控制指令包括:
21、根据所述异常根因所属的工序类型及偏移量,计算补偿参数;在产品实体到达存在潜在质量风险的下游工位前,将所述补偿参数通过工业协议下发至对应控制器的寄存器,以动态调整下游工位的加工或检测参数。
22、本发明的第二方面提供了一种3c电子设备生产线数据流转及异常定位系统,包括:
23、同步采集模块,用于通过边缘计算节点同步采集生产线内各设备的离散产品过站事件与连续工艺参数;
24、时空映射封装模块,用于获取产线传送带动态速度数据,构建产线运动学方程以将时间序列映射为空间位置参数,并封装生成产品数字孪生伴随数据包;
25、图谱构建模块,用于基于所述数据包构建包含物理时序边与特征耦合边的跨工序动态关联图谱;
26、逆向推导模块,用于在检测到产品质量异常时,基于图谱网络算法逆向计算各工艺参数节点的异常贡献度;
27、闭环执行模块,用于根据异常贡献度确定异常根因,并下发控制指令。
28、本发明的第三方面提供了一种电子设备,包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如本发明第一方面任一项所述方法的步骤。
29、本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现如本发明第一方面任一项所述方法的步骤。
30、与现有技术相比,本发明的有益效果是:
31、针对异构数据时空错位导致失真的问题,本发明引入产线运动学方程,将连续型时间序列工艺参数转化为基于产品实体的空间位置特征,生成孪生伴随数据包,解决了网络延迟造成的车间时间与物理坐标错位。
32、针对孤立工序难以识别跨工序隐性误差累积的问题,本发明基于皮尔逊相关系数与互信息值构建特征耦合边,将设备数据构建为多维关系图谱,进而捕捉跨工序变量的动态耦合隐患,降低系统漏报率。
33、针对异常定位滞后且依赖人工排查的问题,本发明将异常表征输入关联图谱,利用图神经网络与沙普利值算法逆向计算节点的边际贡献率。该方法实现根因的自动化推导与定位,并支持闭环干预,减少设备闲置与物料报废,提升产线良率。
1.一种3c电子设备生产线数据流转及异常定位方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,所述步骤s2中,基于所述产线运动学方程将连续工艺参数的时间序列映射为空间位置参数的具体方法包括:
3.根据权利要求1所述的方法,其特征在于,所述步骤s3中,基于跨工序参数关联度计算构建特征耦合边的方法包括:
4.根据权利要求1所述的方法,其特征在于,所述步骤s4中,基于图神经网络算法进行逆向遍历计算的具体过程包括:
5.根据权利要求1所述的方法,其特征在于,所述步骤s5中的闭环控制指令包括:
6.一种3c电子设备生产线数据流转及异常定位系统,其特征在于,包括:
7.一种电子设备,其特征在于,包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1至5中任一项所述方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com