一种汽车接插件生产设备运行状态监测方法及系统与流程
本发明涉及工业自动化控制处理。更具体地,本发明涉及一种汽车接插件生产设备运行状态监测方法及系统。
背景技术:
1、在汽车接插件的冲压制造过程中,冲压机台及其配套模具长期处于高频、连续的机械冲击环境中。由于接插件产品规格多、批量切换频繁、模具结构精密,设备本体和模具部件容易在连续生产中产生渐进式疲劳损耗。此类损耗在早期通常不会直接表现为停机报警,而是先体现在每日机台生产效率下降、排产完成率波动、设备本体点检次数增加、模具点检次数异常集中等运行数据变化中。
2、现有技术中,公开号为cn110500371a的中国专利申请文件公开了一种冲压生产线设备工作状态检测方法,其通过采集冲压生产线上相关机组的油压、油温和冲击振动等参数,并依据相应趋势判据判断设备是否存在疑似异常。该类方法虽然能够利用设备本体的运行参数判断冲压设备工作状态,但其关注重点仍是油压、油温、振动等直接物理检测信号,并未针对冲压车间综合看板中已有的生产效率、排产完成率、设备本体点检次数和模具点检次数进行时序关联分析。
3、然而,在实际冲压生产中,正常换模、订单切换和调模操作本身也会导致点检次数短时升高,并引起生产效率和排产完成率阶段性波动。若仅依据当前点检数据、单类运行参数或固定阈值进行判断,难以区分正常换模波动与模具磨损、定位偏移、冲头疲劳等真实劣化所造成的异常变化,容易导致冲压设备隐性劣化状态误报、漏报和预警滞后。因此,需要一种能够结合生产效率时序预测、排产完成偏差、设备点检分布和模具点检分布的冲压设备运行监测方法,以提高隐性劣化风险识别的准确性。
技术实现思路
1、为解决上述现有冲压设备状态检测方法难以利用看板多维运行数据区分正常换模波动与真实磨损劣化,导致冲压设备隐性劣化状态误报、漏报和预警滞后的技术问题,本发明在以下方面提供技术方案。
2、第一方面,本发明提供了一种汽车接插件生产设备运行状态监测方法,包括:获取任一冲压机台当前监测日的生产效率、排产完成率、设备本体点检次数及模具点检次数,构建当前监测日前时序连续的第一历史时间窗口和第二历史时间窗口,所述第一历史时间窗口早于第二历史时间窗口;根据生产效率与排产完成率,计算负荷匹配偏差程度;提取第二历史时间窗口内模具点检次数的均值和标准差确定动态容差上限;获取模具点检次数的占比,结合当前监测日的模具点检次数超过动态容差上限的点检波动越界量,确定模具损耗风险关联度;利用第一历史时间窗口内的生产效率训练长短期记忆网络,将第二历史时间窗口内的生产效率输入训练后的长短期记忆网络,得到当前监测日的期望生产效率;根据期望生产效率与生产效率的偏差确定预测残差偏离度;对负荷匹配偏差程度、模具损耗风险关联度和预测残差偏离度进行融合,得到劣化指数;基于提取的先验正常周期内劣化指数分布确定自适应预警阈值,若劣化指数超过自适应预警阈值,结合当前监测日相对前一日的劣化指数的变化速率向所述冲压机台下发分级预警及控制指令。
3、本发明通过融合负荷匹配偏差程度、模具损耗风险关联度与预测残差偏离度三类指标,从计划执行、维护行为与产出规律三个角度对冲压机台的运行状态进行综合刻画,可以捕捉单一指标难以反映的隐性劣化趋势;通过第一、第二历史时间窗口分别完成模型训练与序列输入,使期望生产效率贴合机台自身的运行规律;再依据正常运行劣化指数的分布确定自适应预警阈值,可适应不同机台的差异化基线;结合劣化指数的变化速率下发分级预警及控制指令,有利于在劣化早期采取相适应的处置措施,降低批量不良与非计划停机的发生概率。
4、优选地,所述根据生产效率与排产完成率,计算负荷匹配偏差程度,包括:计算所述冲压机台当前监测日的生产效率与排产完成率的均值,作为平均负荷基准;获取所述生产效率与排产完成率之差的绝对值,将所述绝对值与平均负荷基准的比值作为负荷匹配偏差程度。
5、本发明以生产效率与排产完成率的均值作为平均负荷基准,并将二者差值的绝对值与该基准相比,可在不同产能水平的冲压机台之间获得口径相近的负荷匹配偏差程度,有助于识别以高生产效率弥补排产缺口或以低生产效率掩盖运行异常的情形,减少因机台产能量级差异导致的误判。
6、优选地,所述点检波动越界量的获取方式为:动态容差上限为第二历史时间窗口内模具点检次数的均值与2倍的标准差之和;将所述冲压机台当前监测日的模具点检次数与动态容差上限作差,并计算作差的结果与所述冲压机台当前监测日的模具点检次数的比值,将所述比值与0取最大值得到点检波动越界量;若所述冲压机台当前监测日的模具点检次数为0,令点检波动越界量取0。
7、本发明以第二历史时间窗口内模具点检次数的均值与2倍标准差之和作为动态容差上限,可使判定基线随机台自身的点检习惯与工况变化而调整;仅对超出该上限的部分计入点检波动越界量,有助于滤除常规点检带来的正常波动,突出模具异常增检所反映的损耗迹象。
8、优选地,所述确定模具损耗风险关联度,包括:将所述冲压机台当前监测日的模具点检次数与设备本体点检次数之和作为总点检次数,计算所述模具点检次数在总点检次数中的占比,并将所述占比与点检波动越界量之和作为模具损耗风险关联度;当所述模具点检次数与所述设备本体点检次数均为0时,令模具损耗风险关联度取0。
9、本发明将模具点检次数在总点检次数中的占比与点检波动越界量相加得到模具损耗风险关联度,既反映维护工作向模具端集中的倾向,又反映点检频次相对自身常态的抬升情况。
10、优选地,所述利用第一历史时间窗口内的生产效率训练长短期记忆网络,包括:以第一历史时间窗口内的历史工作日为待预测历史工作日,以所述待预测历史工作日的前一工作日为结束节点、向前连续截取与第二历史时间窗口等长的历史生产效率作为输入特征,以所述待预测历史工作日的生产效率作为预测标签,构建历史时间序列训练样本,其中前序历史生产效率的长度不足第二历史时间窗口长度的历史工作日不参与训练样本的构建;以最小化预测生产效率与预测标签之间的误差为目标优化网络参数,得到训练后的长短期记忆网络。
11、本发明以第一历史时间窗口内的历史工作日构建训练样本,并使输入序列长度与第二历史时间窗口保持一致,可使模型的训练场景与实际预测场景相衔接;剔除前序数据长度不足的历史工作日,有助于避免样本长度不齐引入的干扰,使期望生产效率更贴近该机台自身的运行规律。
12、优选地,所述根据期望生产效率与生产效率的偏差确定预测残差偏离度,包括:将期望生产效率与所述冲压机台当前监测日的生产效率之差的绝对值,除以期望生产效率,得到预测残差偏离度。
13、优选地,所述劣化指数满足表达式:;式中,为第个冲压机台当前监测日的劣化指数;、、为第个冲压机台当前监测日的模具损耗风险关联度、负荷匹配偏差程度及预测残差偏离度;、、为模具损耗风险关联度、负荷匹配偏差程度和预测残差偏离度的权重系数。
14、优选地,所述基于提取的先验正常周期内劣化指数分布确定自适应预警阈值,包括:从数据库中提取当前监测日前一个自然月内标注为正常的劣化指数数据,计算所述劣化指数数据的均值和标准差,依据拉依达准则,将所述均值与3倍标准差之和作为所述冲压机台当前监测日的自适应预警阈值。
15、本发明以当前监测日前一个自然月内标注为正常的劣化指数数据作为先验样本,依据拉依达准则确定自适应预警阈值,使判定基线来源于机台自身近期的正常运行水平,可随季节、订单结构与模具批次的变化而更新,减少统一固定门限在多工况生产场景下造成的漏报与误报。
16、优选地,所述结合当前监测日相对前一日的劣化指数的变化速率向所述冲压机台下发分级预警及控制指令,包括:将所述冲压机台当前监测日的劣化指数与前一日的劣化指数之差,除以前一日的劣化指数与预设超参数之和,得到劣化爬升率,所述预设超参数大于0;当劣化爬升率小于或等于预设爬升率上限时,向冲压机台下发一级降频指令;当劣化爬升率大于预设爬升率上限时,向冲压机台下发二级拦截预警切断指令,用于切断进料伺服传动;所述预设爬升率上限为同批次冲压机台在无异常的连续工作日内相邻两日劣化爬升率中的最大值。
17、第二方面,本发明提供一种汽车接插件生产设备运行状态监测系统,包括处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现上述一种汽车接插件生产设备运行状态监测方法。
18、通过采用上述技术方案,将上述的一种汽车接插件生产设备运行状态监测方法生成计算机程序,并存储于存储器中,以被处理器加载并执行,从而根据存储器及处理器制作终端设备,方便使用。
19、本发明的有益效果在于:
20、本发明通过以平均负荷基准归一化得到负荷匹配偏差程度,可反映产出与排产之间的失配情况;通过动态容差上限筛除常规点检波动、并叠加模具点检占比,可反映维护行为向模具端集中的损耗迹象;通过长短期记忆网络学习机台自身的效率演变规律并输出期望生产效率,可反映实际产出对固有节拍的偏离;三项指标非线性融合形成劣化指数,从计划执行、维护行为与产出规律三个角度相互印证,易捕捉到隐性劣化;在此基础上,以正常劣化指数的分布确定自适应预警阈值,使判定基线贴合各机台的实际运行水平;再依据劣化爬升率区分缓慢累积与快速恶化,分别执行降频维保或拦截停机,有助于将处置时机前移至劣化早期,兼顾生产连续性与端子成型的一致性。
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