基于工业神经网络的质量检测方法、装置、设备及介质制造方法及图纸

本申请实施例公开了一种基于工业神经网络的质量检测方法、装置、设备及介质。该方法包括：基于工业神经网络的关联图谱，根据在检测出产品的质量未满足预设条件时生成的故障报告，确定与所述故障报告关联的目标工序；确定工业神经网络的关联图谱中与所述目标工序关联的候选生产要素；从所述候选生产要素中，确定导致产品的质量未满足预设条件的目标生产要素。上述方案能够在生产的产品出现质量问题时，对导致质量问题的生产要素进行快速锁定和深层追溯，确定导致质量问题的最根本的原因。确定导致质量问题的最根本的原因。确定导致质量问题的最根本的原因。

【技术实现步骤摘要】
基于工业神经网络的质量检测方法、装置、设备及介质


[0001]本申请实施例涉及质量检测
，尤其涉及一种基于工业神经网络的质量检测方法、装置、设备及介质。

技术介绍

[0002]飞机制造是一个涉及众多环节的复杂过程，从零件生产到部装，再到总装任何一个环节出了问题都有可能影响飞机的产品质量和飞行安全。因此，在飞机制造过程中质量检测就显得尤其重要。随着科学技术的发展，飞机产品结构日益复杂，研制周期较长。从飞机产品从设计到生产制造领域进行重组的过程中，生产制造过程的产品质量特性与设计有较大差异，同时制造工艺零件多，流程复杂，导致质量数据滞后，质量问题追溯难等问题。
[0003]目前，对飞机的质量检测只是在出现问题时进行浅层的追溯，查明导致问题出现的浅层原因，而无法确定导致问题的根源，无法实现深层追溯。

技术实现思路

[0004]本专利技术实施例提供一种基于工业神经网络的质量检测方法、装置、设备及介质，以在生产的产品出现质量问题时，快速确定导致质量问题的生产要素。
[0005]在一个实施例中，本申请实施例提供了一种基于工业神经网络的质量检测方法，该方法包括：
[0006]基于工业神经网络的关联图谱，根据在检测出产品的质量未满足预设条件时生成的故障报告，确定与所述故障报告关联的目标工序；
[0007]确定工业神经网络的关联图谱中与所述目标工序关联的候选生产要素；
[0008]从所述候选生产要素中，确定导致产品的质量未满足预设条件的目标生产要素。
[0009]在另一个实施例中，本申请实施例还提供了一种基于工业神经网络的质量检测装置，该装置包括：
[0010]目标工序确定模块，用于基于工业神经网络的关联图谱，根据在检测出产品的质量未满足预设条件时生成的故障报告，确定与所述故障报告关联的目标工序；
[0011]候选生产要素确定模块，用于确定工业神经网络的关联图谱中与所述目标工序关联的候选生产要素；
[0012]目标生产要素确定模块，用于从所述候选生产要素中，确定导致产品的质量未满足预设条件的目标生产要素。
[0013]在又一个实施例中，本申请实施例还提供了一种质量检测设备，包括：一个或多个处理器；
[0014]存储器，用于存储一个或多个程序；
[0015]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请实施例任一项所述的基于工业神经网络的质量检测方法。
[0016]在再一个实施例中，本申请实施例还提供了一种计算机可读存储介质，其上存储
有计算机程序，该程序被处理器执行时实现如本申请实施例中任一项所述的基于工业神经网络的质量检测方法。
[0017]本申请实施例中，基于工业神经网络的关联图谱，根据在检测出产品的质量未满足预设条件时生成的故障报告，确定与所述故障报告关联的目标工序，从而明确导致产品存在质量问题的目标工序，通过确定工业神经网络的关联图谱中与所述目标工序关联的候选生产要素；从所述候选生产要素中，确定导致产品的质量未满足预设条件的目标生产要素，从而确定导致产品质量产生问题的生产要素，将导致产品质量问题的原因追溯到生产要素层级，明确根本原因。
附图说明
[0018]图1为本专利技术一种实施例提供的基于工业神经网络的质量检测方法的流程图；
[0019]图2为本专利技术一种实施例提供的工业神经网络的关联图谱示意图；
[0020]图3为本专利技术一种实施例提供的故障报告与工序关联示意图；
[0021]图4为本专利技术另一实施例提供的基于工业神经网络的质量检测方法的流程图；
[0022]图5为本专利技术另一实施例提供的基于工业神经网络的质量检测流程图；
[0023]图6为本专利技术另一实施例提供的环境检测示意图；
[0024]图7为本专利技术一种实施例提供的质量检测装置的结构示意图；
[0025]图8为本专利技术一种实施例提供的质量检测设备的结构示意图。
具体实施方式
[0026]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0027]图1为本专利技术一种实施例提供的基于工业神经网络的质量检测方法的流程图。本实施例提供的基于工业神经网络的质量检测方法可适用于进行质量检测的情况。典型的，该方法可以适用于基于构建的工业神经网络对产品生产的全生命周期进行质量检测以及问题追溯的情况。该方法具体可以由质量检测装置执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在电子设备中。参见图1，本申请实施例的方法具体包括：
[0028]S110、基于工业神经网络的关联图谱，根据在检测出产品的质量未满足预设条件时生成的故障报告，确定与所述故障报告关联的目标工序。
[0029]其中，工业神经网络的关联图谱可以为由产品制造过程所需的生产要素、工序以及约束条件构建的关联图谱，生产要素、工序和约束条件作为节点，根据各节点的关系进行连接，构建得到工业神经网络的关联图谱。在本申请实施例中，产品可以为飞机产品，包括飞机整机、飞机零部件等。对飞机质量的检测可以贯穿于飞机制造的整个过程，即在飞机制造过程中的任意阶段，都可以对飞机质量进行检测。当产品的质量未满足预设条件时，则生成故障报告。在产品制造的过程中检测到质量未满足预设条件时，可以确定导致产品质量未满足预设条件的目标工序，从而作为与故障报告关联的目标工序。故障报告可以有至少一个，可以为一个或多个，即在不同的工序生产阶段都有可能造成产品质量未满足预设条件。当故障报告存在多个时，则与其关联的目标工序也为多个。
[0030]S120、确定工业神经网络的关联图谱中与所述目标工序关联的候选生产要素。
[0031]其中，生产要素包括产品制造所需要的人员、物料、设备、规则以及环境等要素。在工业神经网络的关联图谱中，各工序节点与该工序所需的各生产要素节点、约束条件节点相连接，形成关联关系。与各生产要素节点相连的还可以有下一级节点，例如为生产要素的具体质量数据值等对生产要素的细化描述。如图2所示。
[0032]在本申请实施例中，与一个目标工序关联的生产要素可以为至少一个，将目标工序关联的所有生产要素，均作为候选生产要素。当目标工序为至少两个时，不同目标工序关联的候选生产要素可以相同或者为相同类型。例如，对于目标工序1，关联的候选生产要素包括人员1、设备1和物料1，对于目标工序2，关联的候选生产要素包括设备1、物料2和环境1，则目标工序1和目标工序2均关联设备1。
[0033]S130、从所述候选生产要素中，确定导致产品的质量未满足预设条件的目标生产要素。
[0034]示例性的，由于目标工序为导致产品质量未满足预设条件的直接因素，则目标工序中所使用的生产要素则为导致产品质量未满足预设条件的较为深层的根本因素，因此，通过目标工序本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于工业神经网络的质量检测方法，其特征在于，所述方法包括：基于工业神经网络的关联图谱，根据在检测出产品的质量未满足预设条件时生成的故障报告，确定与所述故障报告关联的目标工序；确定工业神经网络的关联图谱中与所述目标工序关联的候选生产要素；从所述候选生产要素中，确定导致产品的质量未满足预设条件的目标生产要素。2.根据权利要求1所述的方法，其特征在于，确定与所述故障报告关联的目标工序之前，所述方法还包括：若检测出产品的质量未满足预设条件，则生成故障报告；在工业神经网络的关联图谱中，建立所述故障报告与目标工序的关联。3.根据权利要求1所述的方法，其特征在于，从所述候选生产要素中，确定导致产品的质量未满足预设条件的目标生产要素，包括：根据所述候选生产要素的出现次数，从各类候选生产要素中确定目标生产要素。4.根据权利要求3所述的方法，其特征在于，根据所述候选生产要素的出现次数，从各类候选生产要素中确定目标生产要素，包括：将出现次数最多的候选生产要素，作为导致产品的质量未满足预设条件的目标生产要素。5.根据权利要求1所述的方法，其特征在于，基于工业神经网络的关联图谱，根据在检测出产品的质量未满足预设条件时生成的故障报告，确定与所述故障报告关联的目标工序之前，所述方法还包括：梳理产品生产的工序、生产要素、生产要素的质量数据以及约束条件；根据所述工序、所述生产要素、生产要素的质量数据以及约束条件，构建工业神经网络的关联图谱；基于工业神经网络的关联图谱以及算法库，构建工业神经...

【专利技术属性】
技术研发人员：兰弼，马卫园，何秀，汪顺利，彭婷婷，张发品，
申请(专利权)人：上海飞机制造有限公司，
类型：发明
国别省市：