基于大数据的智能化工厂质量管理系统的制作方法

本发明涉及物联网，更具体地说，本发明是基于大数据的智能化工厂质量管理系统。

背景技术：

1、智能化工厂是指在传统制造业的基础上，通过引入先进的信息技术、自动化技术、物联网、大数据、人工智能等，来提升工厂的生产效率、灵活性和整体管理水平的工厂。智能化工厂旨在实现高度自动化、智能化和数字化的生产过程，使工厂能够自我感知、自我学习、自我决策和自我优化，但在智能化工厂的实际运行中，对于工厂自身智能化质量管理的有效性难以评估，生产流程中涉及大量的数据亟待处理，数据处理的效率与质量管理的时效性难以平衡，可能导致大量数据积压引起宕机，直接引起质量管理系统的失效。

2、为解决上述缺陷，现提出一种技术方案。

技术实现思路

1、本发明的目的是提供基于大数据的智能化工厂质量管理系统，以解决上述背景技术中的问题。

2、为实现上述目的，本发明提供如下技术方案：基于大数据的智能化工厂质量管理系统，包括实时监控模块、数据驱动模块、闭环控制模块、偏移告警模块；

3、实时监控模块用于通过传感器和物联网技术对生产设备的工艺参数进行实时监控，并对监控数据进行预处理后传送至数据驱动模块；

4、数据驱动模块用于运用计算机视觉技术对预处理后的实时监控数据进行建模分析；

5、闭环控制模块用于根据建模分析结果对工艺参数进行调整，通过自动化控制实现生产流程的实时调整；

6、偏移告警模块用于根据实时调整的工艺效果对质量管理进行决策支持。

7、优选的，数据预处理的方法为：

8、数据清洗：处理实时监控数据中的缺失值和异常值，对缺失值的处理方法包括直接删除包含缺失值的记录、运用中位数或平均数对缺失值进行填充、使用线性插值方法对缺失值进行填补，对异常值的处理方法包括直接删除异常值、运用局部加权回归方法平滑数据、使用前后正常值的均值或插值法替换异常值；

9、数据去噪：对数据进行滤波处理，滤波方法包括低通滤波、高通滤波、带通滤波，去除数据中的高频噪声，采用平滑算法减少数据中的波动；

10、数据标准化：通过box-cox变换实现实时监控数据的标准化。

11、优选的，在对缺失值的处理中，使用线性插值对缺失值进行填补的具体方法为：

12、对于两个已知的数据点和，确定位于两点之间的未知点所使用的线性插值公式为。

13、优选的，运用局部加权回归方法对数据进行平滑处理的方法为：

14、定义高斯核函数，并根据距离来计算每个数据点的权重，高斯核函数的表达式为，式中，是当前预测点，是数据点，是平滑参数；

15、对每个预测点使用加权最小二乘法拟合局部线性模型，拟合方法为，式中，为目标变量，为自变量，为模型的截距，为模型的斜率，最小化加权平方误差以获取和，对加权平方误差最小化的方法为，式中，为代表加权平方误差的损失函数，n为数据点的数量，i为数据点的索引，为高斯核函数代表的权重，为第i个数据点的真实输出值，为第i个数据点的输入变量值，为使用线性模型对第i个数据点的预测值；

16、对每个预测点，使用局部线性模型进行预测，最终获得平滑后的数据。

17、优选的，在数据去噪中，采用平滑算法减少数据中波动的方法为：

18、基于初始数据设置初始状态估计和初始状态协方差矩阵，初始状态估计用于表示系统在初始时刻的状态，初始状态协方差矩阵用于表示初始状态的不确定性；

19、对当前时刻的状态和当前时刻的状态协方差矩阵进行预测，状态预测方程为，式中，为时刻t的预测状态估计，为状态转移矩阵，为时刻t-1的状态估计，为控制矩阵，为时刻t-1的控制输入，状态协方差矩阵的预测方程为，式中，为时刻t的预测状态协方差矩阵，为时刻t-1的状态协方差矩阵，为过程噪声协方差矩阵；

20、通过计算卡尔曼增益分别更新状态估计和状态协方差矩阵，并重复预测和更新步骤直到卡尔曼滤波的残差收敛。

21、优选的，进行建模分析的方法为：

22、建立目标分析模型，标定目标状态为，计算表达式为，式中，qv为缺陷指数，bu为行为指数，et为设备指数，分别为缺陷指数、行为指数、设备指数的权重系数，且均为正整数；

23、缺陷指数通过对产品的外观质量和尺寸规格进行检验获取，通过图像处理和模式识别技术对产品的外观质量和尺寸规格进行识别，通过图像中的边缘检测、轮廓提取方法测量产品的尺寸参数，当检测到产品存在表面划痕、凹陷、颜色不均或尺寸规格不符合标准，则缺陷指数取值为1，否则取值为0；

24、行为指数通过动作识别技术分析工人的操作动作，并检验工人是否正确佩戴安全装备，当检测到工人操作不规范或工人未正确佩戴安全装备时，则行为指数取值为1，否则取值为0；

25、设备指数通过模式识别技术分析设备的运行状态，检测设备是否正常运转，是否出现振动、发热、泄漏异常情况，当检测到设备未能正常运转或设备出现异常故障，则设备指数取值为1，否则取值为0。

26、优选的，通过自动化控制实现生产流程的实时调整的逻辑为：

27、设定工艺参数调整的目标，根据设备的物理限制、安全规定以及生产成本设定约束条件；

28、基于建模分析的结果，使用优化算法来确定调整的参数设置以满足优化目标；

29、通过闭环控制系统，实时监控生产过程的变化，并根据分析结果及时生成参数调整建议；

30、根据优化后的工艺参数自动生成相应的控制指令，控制系统接收到控制指令后执行参数调整，改变设备的运行状态。

31、优选的，进行决策支持的方法为：

32、对因质量问题导致的停机、返工进行标记，记停机时间为dot，周期内返工次数为nre，返工数量为req，则计算质量平衡修正系数，表达式为，式中，mbc为质量平衡修正系数，当计算所得的质量平衡修正系数大于等于预设的平衡阈值mth时，则标记质量管理系统存在不可自调整的质检故障，提示维护人员介入修复，当计算所得的质量平衡修正系数小于预设的平衡阈值mth时，则标记质量管理系统的质检质量达标，提示质量管理正常。

33、在上述技术方案中，本发明提供的技术效果和优点：

34、本申请通过结合计算机视觉技术，运用物联网技术连通传感器数据，实现智能化工厂的质量管理自动化，运用目标识别和边缘检测，同时对产品缺陷、工作操作、设备状态进行检测，对生产流程进行全方位的分析验证，根据停机和返工状态对质量管理的有效性进行评估，有效解决了质量管理系统难以对系统自身进行自检的问题，降低了工作人员的操作负担，提高了工业设备的生产利用率。

技术特征：

1.基于大数据的智能化工厂质量管理系统，其特征在于，包括实时监控模块、数据驱动模块、闭环控制模块、偏移告警模块；

2.根据权利要求1所述的基于大数据的智能化工厂质量管理系统，其特征在于，数据预处理的方法为：

3.根据权利要求2所述的基于大数据的智能化工厂质量管理系统，其特征在于，在对缺失值的处理中，使用线性插值对缺失值进行填补的具体方法为：

4.根据权利要求2所述的基于大数据的智能化工厂质量管理系统，其特征在于，运用局部加权回归方法对数据进行平滑处理的方法为：

5.根据权利要求2所述的基于大数据的智能化工厂质量管理系统，其特征在于，在数据去噪中，采用平滑算法减少数据中波动的方法为：

6.根据权利要求1所述的基于大数据的智能化工厂质量管理系统，其特征在于，进行建模分析的方法为：

7.根据权利要求6所述的基于大数据的智能化工厂质量管理系统，其特征在于，通过自动化控制实现生产流程的实时调整的逻辑为：

8.根据权利要求7所述的基于大数据的智能化工厂质量管理系统，其特征在于，进行决策支持的方法为：

技术总结本发明公开了基于大数据的智能化工厂质量管理系统，具体涉及物联网技术领域，包括实时监控模块、数据驱动模块、闭环控制模块、偏移告警模块，实时监控模块用于通过传感器和物联网技术对生产设备的工艺参数进行实时监控，并对监控数据进行预处理后传送至数据驱动模块，数据驱动模块用于运用计算机视觉技术对预处理后的实时监控数据进行建模分析，闭环控制模块用于根据建模分析结果对工艺参数进行调整，通过自动化控制实现生产流程的实时调整，偏移告警模块用于根据实时调整的工艺效果对质量管理进行决策支持，能够有效解决基于大数据的质量管理系统对于系统自身的有效性验证问题。技术研发人员：陈世杰,曹雅萍受保护的技术使用者：宁波数能科技有限公司技术研发日：技术公布日：2024/10/17