一种基于云计算的智能制造工业软件调试系统的制作方法

1.本发明属于智能制造技术领域，具体的，涉及一种基于云计算的智能制造工业软件调试系统。


背景技术：

2.智能制造是指能够在制造过程中进行分析、推理、判断与决策等智能活动，它能够部分或者全部的替代人类专家在制造过程中的脑力劳动，在生产中具有生产效率高、产品一致性强的特点，工业软件是智能制造不可或缺的一部分，因此其准确性对于智能制造的稳定进行意义重大。
3.现有技术中，在工业软件投入运行时，由于同一型号设备在不同环境下、不同人操作以及使用年限不同，其生产状况都会出现明显的不同，一方面无法在软件上线时准确的预设一个状态值，另一方面无法根据实际运行状况以及平均运行状态对软件参数进行进一步的调整，为了解决上述问题，本发明提供了以下技术方案。


技术实现要素：

4.本发明的目的在于提供一种基于云计算的智能制造工业软件调试系统，解决现有技术中工业软件在投入运行时，无法在软件上线时准确的预设一个状态值，另一方面无法根据实际运行状况以及平均运行状态对软件参数进行进一步的调整的问题。
5.本发明的目的可以通过以下技术方案实现：
6.一种基于云计算的智能制造工业软件调试系统，包括：
7.生产数据采集单元，用于获取各生产工序节点的生产效率与生产良品率；
8.维修管理单元，用于记录生产工序节点设备的维修次数以及维修资金；
9.上述一种基于云计算的智能制造工业软件调试系统的工作方法为：
10.s1、通过生产数据采集模块获取目标产品在一个生产工序节点上的生产效率数据与生产节点数据；
11.s2、对于同一目标产品的同一生产工序节点，获取不同使用年限的生产工序节点对应的第一生产效率平均值wp与第一生产良品率平均值rp；
12.s3、获取同一目标产品对应的各生产工序节点的维修系数q，将同一生产工序节点按照维修系数按照从小到大的顺序分为若干档，获取各档的维修系数对应的第二生产效率平均值wp2与第二生产良品率平均值rp2；
13.所述维修系数q的计算方法为：
14.获取对应生产工序节点的维修次数，将其标记为c；
15.获取对应生产工序节点的维修资金，将其标记为z；
16.对于一个生产工序节点，根据公式q＝α1*c z/α2计算得到其对应的维修系数q，其中q随c与z的在增大而增大；
17.s4、根据使用年限与第一生产效率平均值wp和第一生产良品率平均值rp的关系以
及
18.维修系数q与第二生产效率平均值wp2以及第二生产良品率平均值rp2，得到生产工序节点的生产效率x与使用年限以及维修系数的关系、生产工序节点的生产良品率与使用年限以及维修系数的关系；
19.s5、当智能制造工业软件投入运行时，获取各节点对应的使用年限与维修系数q，并根据其实际使用年限与维修系数对当前以及未来一段时间的生产效率与生产良品率进行预测，智能制造工业软件根据预测得到的生产效率与生产良品率和实际的生产效率与生产良品率之间进行对比，从而对参数进行调整。
20.作为本发明的进一步方案，所述第一生产效率平均值wp的计算方法为：
21.对于同一目标产品的同一生产工序节点，获取在使用年限相同的生产工序中的m个生产效率值，将其依次标记为w1、w2、
……
、wm；
22.根据公式计算得到w1、w2、
……
、wm这一组数据的分散值，当sw＜sy1时，则将wpp作为该使用年限对应的第一生产效率平均值wp，其中wpp＝(w1 w2 、
……
、 wm)/m；
23.当sw≥sy1时，按照|wi-wpp|从大到小的顺序依次删除对应wi值，直至sw＜sy1成立，记录删除的对应wi值的数量m1，若m1/m＜γ1，则计算未被删除的剩余若干wi值的平均值作为第一生产效率平均值wp；若m1/m≥γ1，则将该使用年限对应的第一生产效率平均值wp标记为待定参数值；
24.所述γ1与sy1均为预设值；
25.依次计算得到在不同的使用年限对应的第一生产效率平均值wp，将未被标记为待定参数值的所有第一生产效率平均值wp进行曲线拟合，进而获取被标定为待定参数值的第一生产效率平均值wp的具体数值。
26.作为本发明的进一步方案，所述第一生产良品率平均值rp的计算方法与第一生产效率平均值wp的计算方法相同。
27.作为本发明的进一步方案，对于同一目标产品的同一生产工序节点，获取维修系数处于同一档的生产工序节点，将其对应的生产效率值依次标记为w21、w22、
……
、w2k，其中k为对应一档内维修系数的数量；
28.根据公式计算得到w21、w22、
……
、w2k这一组数据的分散值，当sq＜sy3时，则将w2pp作为该使用年限对应的第二生产良品率平均值wp2，其中w2pp＝(w21 w22 、
……
、 w2k)/k；
29.当sq≥sy3时，按照|w2j-w2pp|从大到小的顺序依次删除对应w2j值，直至sq＜sy3成立，记录此时删除的对应w2j值的数量k3，若k3/k＜γ3，则计算未被删除的剩余若干w2j值的平均值作为第二生产良品率平均值wp2；若k3/k≥γ3，则将该档维修系数对应的生产良品率平均值wp2标记为待定参数值；
30.所述γ3与sy3均为预设值；
31.依次计算得到在不同档维修系数对应的生产良品率平均值wp2，将未被标记为待
定参数值的第二生产良品率平均值wp2进行曲线拟合，进而获取被标定为待定参数值的第二生产良品率平均值wp2的具体数值。
32.作为本发明的进一步方案，所述第二生产良品率平均值rp2的计算方法与第二生产效率平均值wp2的计算方法相同。
33.作为本发明的进一步方案，所述生产工序节点的生产效率x与使用年限以及维修系数的关系计算方法为：根据使用年限与第一生产效率平均值wp的关系获取随使用年限的变化，第一生产效率平均值wp的变化值x1；根据第二生产效率平均值wp2与维修系数q的关系获取随维修系数q的变化，第二生产效率平均值wp2的变化值x2；
34.根据公式x＝β(x1 x2)计算得到生产工序节点的生产效率x与使用年限以及维修系数的关系。
35.作为本发明的进一步方案，所述β的获取方法为：β＝xp/(x1p x2p)，其中xp为同一目标产品的同一若干生产工序节点的实际生产效率变化值；x1p为同一目标产品的同一若干生产工序节点对应的第一生产效率平均值的变化值x1的平均值；x2p为同一目标产品的同一若干生产工序节点对应的第二生产效率平均值wp2的变化值x2的平均值。
36.本发明的有益效果：
37.(1)本发明通过分析获取设备老化与损坏对生产的影响，从而有利于辅助智能制造工业软件在工作过程中对非设备因素进行准确的评价，也有利于及时发现设备生产中异常的生产效率偏低、生产良品率偏低的问题，快速锁定并进行维护保养，也有利于发现设备生产中异常的生产效率偏高、生产良品率偏高的情况，从而发现有利于生产良好进展，有利于用户及时调整整体生产环境，充分利用有利于生产效率与良品率的因素；
38.(2)本发明通过对原始的使用年限数据以及生产良品率数据进行处理，对原始数据中偏差值较大的数据删除后，对于规律性良好的数据，获取其平均值，然后再通过曲线拟合获取规律性较差的数据的平均值，这种方式能够获取各使用年限对应的合理的生产效率与生产良品率数值，相较于直接采用平均值计算的方式，更加的合理与准确；
39.(3)本发明充分考虑了机械在使用过程中的老化以及由于使用方式使用环境不同等造成的机械损伤维修对机械设备工作能力的影响，有利于用户对生产过程中非设备影响因素进行准确的分析；
40.(4)本发明能够在工业软件上线时，能够根据其实际运行时间与维修状况对其部分参数进行准确的预测，降低工业软件上线初期的运行误差，提升准确性。
附图说明
41.下面结合附图对本发明作进一步的说明。
42.图1是本发明一种基于云计算的智能制造工业软件调试系统的框架结构示意图。
具体实施方式
43.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，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
44.一种基于云计算的智能制造工业软件调试系统，如图1所示，包括：
45.生产数据采集单元，用于获取目标产品生产线上的生产工序节点，以及各生产工序节点的生产效率与生产良品率，并将各生产工序节点的生产效率与生产良品率数据传输至控制器；
46.所述生产工序节点是指在这一节点，产品由一种中间状态被加工为另一种中间状态；
47.维修管理单元，用于对维修人员进行安排，并记录生产工序节点设备的维修次数以及维修资金，维修资金是指设备维修所花费的金额；
48.上述一种基于云计算的智能制造工业软件调试系统的工作方法为：
49.s1、通过生产数据采集模块获取目标产品在一个生产工序节点上的生产效率数据与生产节点数据；
50.s2、对于同一目标产品的同一生产工序节点，获取不同使用年限的生产工序节点对应的第一生产效率平均值wp与第一生产良品率平均值rp；
51.所述第一生产效率平均值wp的计算方法为：
52.对于同一目标产品的同一生产工序节点，获取在使用年限相同的生产工序中的m个生产效率值，将其依次标记为w1、w2、
……
、wm；
53.根据公式计算得到w1、w2、
……
、wm这一组数据的分散值，当sw＜sy1时，则将wpp作为该使用年限对应的第一生产效率平均值wp，其中wpp＝(w1 w2 、
……
、 wm)/m；
54.当sw≥sy1时，则认为w1至wm这一组生产效率值较为分散，此时，按照|wi-wpp|从大到小的顺序依次删除对应wi值，直至sw＜sy1成立，记录此时删除的对应wi值的数量m1，若m1/m＜γ1，则计算未被删除的剩余若干wi值的平均值作为第一生产效率平均值wp；若m1/m≥γ1，则将该使用年限对应的第一生产效率平均值wp标记为待定参数值；
55.所述γ1与sy1均为预设值；
56.按照上述的方法依次计算得到在不同的使用年限对应的第一生产效率平均值wp，将未被标记为待定参数值的所有第一生产效率平均值wp进行曲线拟合，进而获取被标定为待定参数值的第一生产效率平均值wp的具体数值；
57.所述第一生产良品率平均值rp的计算方法与第一生产效率平均值wp的计算方法相同；
58.具体的，对于同一目标产品的同一生产工序节点，获取在使用年限相同的生产工序中的m个生产良品率值，将其依次标记为r1、r2、
……
、rm；
59.根据公式计算得到r1、r2、
……
、rm这一组数据的分散值，当sr＜sy2时，则将rpp作为该使用年限对应的第一生产良品率平均值rp，其中rpp＝(r1 r2 、
……
、 rm)/m；
60.当sr≥sy2时，则认为r1至rm这一组生产良品率值较为分散，此时，按照|ri-rpp|从大到小的顺序依次删除对应ri值，直至sr＜sy2成立，记录此时删除的对应ri值的数量
m2，若m2/m＜γ2，则计算未被删除的剩余若干ri值的平均值作为第一生产良品率平均值rp；若m2/m≥γ2，则将该使用年限对应的第一生产良品率平均值rp标记为待定参数值；
61.所述γ2与sy2均为预设值；
62.按照上述的方法依次计算得到在不同的使用年限对应的第一生产良品率平均值rp，将未被标记为待定参数值的第一生产良品率平均值rp进行曲线拟合，进而获取被标定为待定参数值的第一生产良品率平均值rp的具体数值；
63.该步骤通过对原始的使用年限数据以及生产良品率数据进行处理，对原始数据中偏差值较大的数据删除后，对于规律性良好的数据，获取其平均值，然后再通过曲线拟合获取规律性较差的数据的平均值，这种方式能够获取各使用年限对应的合理的生产效率与生产良品率数值，相较于直接采用平均值计算的方式，更加的合理与准确。
64.s3、获取同一目标产品对应的各生产工序节点的维修系数q，将同一生产工序节点按照维修系数按照从小到大的顺序分为若干档，获取各档的维修系数对应的第二生产效率平均值wp2与第二生产良品率平均值rp2；
65.所述维修系数q的计算方法为：
66.获取对应生产工序节点的维修次数，将其标记为c；
67.获取对应生产工序节点的维修资金，将其标记为z；
68.对于一个生产工序节点，根据公式q＝α1*c z/α2计算得到其对应的维修系数q，其中q随c与z的在增大而增大；
69.将生产工序节点按照维修系数按照从小到大的顺序分为若干档；
70.在维修金额相近时，维修次数越多，说明对应生产工序节点的设备损坏次数越多，在维修次数相近时，维修金额越高，则说明对应生产工序节点的设备的损坏程度越高，本发明通过设置维修系数q，能够直观的展现一个生产节点中对应设备的老化程度；
71.对于同一目标产品的同一生产工序节点，获取维修系数处于同一档的生产工序节点，将其对应的生产效率值依次标记为w21、w22、
……
、w2k，其中k为对应一档内维修系数的数量；
72.根据公式计算得到w21、w22、
……
、w2k这一组数据的分散值，当sq＜sy3时，则将w2pp作为该使用年限对应的第二生产良品率平均值wp2，其中w2pp＝(w21 w22 、
……
、 w2k)/k；
73.当sq≥sy3时，则认为w21至w2k这一组生产良品率值较为分散，此时，按照|w2j-w2pp|从大到小的顺序依次删除对应w2j值，直至sq＜sy3成立，记录此时删除的对应w2j值的数量k3，若k3/k＜γ3，则计算未被删除的剩余若干w2j值的平均值作为第二生产良品率平均值wp2；若k3/k≥γ3，则将该档维修系数对应的第二生产良品率平均值wp2标记为待定参数值；
74.所述γ3与sy3均为预设值；
75.按照上述的方法依次计算得到在不同档维修系数对应的第二生产良品率平均值wp2，将未被标记为待定参数值的第二生产良品率平均值wp2进行曲线拟合，进而获取被标定为待定参数值的第二生产良品率平均值wp2的具体数值；
76.对于同一目标产品的同一生产工序节点，获取维修系数处于同一档的生产工序节点，将其对应的生产效率值依次标记为r21、r22、
……
、r2k；
77.所述第二生产良品率平均值rp2的计算方法与第二生产效率平均值wp2的计算方法相同；
78.s4、根据使用年限与第一生产效率平均值wp和第一生产良品率平均值rp的关系以及
79.维修系数q与第二生产效率平均值wp2以及第二生产良品率平均值rp2，得到生产工序节点的生产效率x与使用年限以及维修系数的关系、生产工序节点的生产良品率与使用年限以及维修系数的关系；
80.具体的，在本发明的一个实施例中，根据使用年限与第一生产效率平均值wp的关系获取随使用年限的变化，第一生产效率平均值wp的变化值x1；根据第二生产效率平均值wp2与维修系数q的关系获取随维修系数q的变化，第二生产效率平均值wp2的变化值x2；
81.根据公式x＝β(x1 x2)计算得到生产工序节点的生产效率x与使用年限以及维修系数的关系；
82.所述β的获取方法为：β＝xp/(x1p x2p)，其中xp为同一目标产品的同一若干生产工序节点的实际生产效率变化值(是指与100％之间的差值)；x1p为同一目标产品的同一若干生产工序节点对应的第一生产效率平均值的变化值x1的平均值；x2p为同一目标产品的同一若干生产工序节点对应的第二生产效率平均值wp2的变化值x2的平均值；
83.生产工序节点的生产良品率与使用年限以及维修系数的关系计算方式和计算生产工序节点的生产效率x与使用年限以及维修系数关系的方式相同；
84.s5、当智能制造工业软件投入运行时，获取各节点对应的使用年限与维修系数q，并根据其实际使用年限与维修系数对其当前以及未来一段时间的生产效率与生产良品率进行预测，智能制造工业软件根据预测得到的生产效率与生产良品率和实际的生产效率与生产良品率之间进行对比，从而对部分参数进行调整，降低生产节点设备本身对生产效率与生产良品率的影响，有利于智能制造工业软件对生产的其它主观因素进行评价与决策。
85.本发明通过分析获取设备老化与损坏对生产的影响，从而有利于辅助智能制造工业软件在工作过程中对非设备因素进行准确的评价，也有利于及时发现设备生产中异常的生产效率偏低、生产良品率偏低的问题，快速锁定并进行维护保养，也有利于发现设备生产中异常的生产效率偏高、生产良品率偏高的情况，从而发现有利于生产良好进展，有利于用户及时调整整体生产环境，充分利用有利于生产效率与良品率的因素。
86.在说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
87.以上内容仅仅是对本发明所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。