本发明专利技术涉及机器视觉技术领域,具体涉及基于MES的智能工厂产品质量监控方法及系统。该方法包括:获取生产向量及其对应产品的质检结果;根据生产向量获取每种目标缺陷的关注特征以及关注度;获取每两种目标缺陷的区分特征对,并将关注度更小的关注特征在对应的关注特征集合中去除,得到更新特征集合;根据关注特征集合以及更新特征集合的熵差获取两种目标缺陷之间的修正合理性;以所有不同种类的目标缺陷为节点、以修正合理性作为对应的边权值获取图数据;根据图数据得到每种目标缺陷的准确关注特征;获取每种目标缺陷对应的每个准确关注特征的取值范围,判断新产品是否会出现该目标缺陷。本发明专利技术实施例能够提高质量监控系统的工作效率。工作效率。工作效率。
【技术实现步骤摘要】
基于MES的智能工厂产品质量监控方法及系统
[0001]本专利技术涉及机器视觉
,具体涉及基于MES的智能工厂产品质量监控方法及系统。
技术介绍
[0002]MES系统是一套面向制造企业车间执行层的生产信息化管理系统,该系统采用大数据引擎对生产过程中的生产管控数据进行采集、存储和分析,实现智能化的工厂生产监控任务。在现代的工厂中,例如生产塑料制品、织物、纸制品等的工厂中,为了更好的监控整个生产过程,提高生产效率,优化生产原料、生产设备、产品成品的管理,很多都引入了MES系统。
[0003]产品的生产过程中,由于设备的控制不合理会导致有些产品的质量出现各种各样的问题。例如注塑件的生产过程中,颗粒混合时的温度、注塑时的压力等不合理时会导致注塑件的色差和结构缺失等缺陷,造成生产资源的浪费。为了及时发现产品的质量问题,往往需要对产品质量进行监控。现有的质量监控方法包括人为的质量抽检、基于机器视觉和人工智能的质量抽检方法、客户使用过程中的质量反馈等,但是对生产样品进行抽检时,每一批的抽检样品,出现质量问题的概率不同,抽检数量无法确定是否合理,而且监测时需要对各种质量问题进行监测,这会导致质量监控方法效率低下。
技术实现思路
[0004]为了解决上述技术问题,本专利技术的目的在于提供一种基于MES的智能工厂产品质量监控方法及系统,所采用的技术方案具体如下:
[0005]第一方面,本专利技术一个实施例提供了一种基于MES的智能工厂产品质量监控方法,该方法包括以下步骤:
[0006]获取智能工厂在生产过程中的生产参数及其对应产品的质检结果,由每个产品对应的生产参数组成一个生产向量;所述质检结果包括至少一种第一目标缺陷和一种第二目标缺陷,所述第一目标缺陷和所述第二目标缺陷为不同种类的目标缺陷;
[0007]选取出含有同一目标缺陷的目标产品,根据所述目标产品对应的生产向量获取该目标缺陷的多个关注特征以及对每个关注特征的关注度;所有关注特征组成该目标缺陷的关注特征集合;
[0008]将所述第一目标缺陷和所述第二目标缺陷的关注特征相互匹配,组成匹配对;根据所述匹配对的相似度和对应的关注程度的差异计算两种目标缺陷对该匹配对的第一区分度;
[0009]基于所述第一区分度的大小筛选出这两种目标缺陷的区分特征对;将所有所述区分特征对中关注度更小的关注特征在对应的关注特征集合中去除,得到更新特征集合;获取所述关注特征集合以及所述更新特征集合的熵差,进而获取所述第一目标缺陷和所述第二目标缺陷之间的修正合理性;
[0010]以所有不同种类的目标缺陷为节点、以所述修正合理性作为对应的边权值获取图数据;将所述图数据进行分类,计算每个类别中每个关注特征相对于其他关注特征的第二区分度;并根据所述第二区分度的大小对每个类别中的关注特征进行筛选,得到每种目标缺陷的准确关注特征;
[0011]获取所述第一目标缺陷对应的每个准确关注特征的取值范围,将新产品的生产向量投影到所述准确关注特征上,当投影结果都在对应的所述取值范围内时,该新产品会出现第一目标缺陷;同理判断该新产品是否会出现其他目标缺陷。
[0012]优选的,所述关注特征的获取步骤包括:
[0013]将所述目标产品对应的生产向量进行分类,保留包含元素最多的类别作为主要类别;
[0014]对所述主要类别进行主成分分析,每个主成分方向作为一个关注特征。
[0015]优选的,所述关注度的获取过程为:以所述主成分方向的特征值作为所述关注特征的关注度。
[0016]优选的,所述匹配对的组成过程为:
[0017]利用匹配算法将所述第一目标缺陷和所述第二目标缺陷的关注特征匹配成对,使得关注特征配对后组成的匹配对的余弦相似度之和最大。
[0018]优选的,所述更新特征集合的获取步骤包括:
[0019]选取所述区分特征对中关注度更小的关注特征作为对应目标缺陷的无效特征,将所述无效特征在对应的目标缺陷的所有生产向量中去除;
[0020]所述去除的过程为:计算生产向量在所述无效特征上的无效投影长度,根据所述第一区分度和所述无效投影长度获取去除所述无效特征后的投影长度,进而得到更新关注特征,组成所述更新特征集合。
[0021]优选的,所述修正合理性的获取步骤包括:
[0022]计算关注特征集合以及更新特征集合的熵差作为去除收益,计算所述第一目标缺陷和所述第二目标缺陷的去除收益的均值作为两者之间的所述修正合理性。
[0023]优选的,所述第二区分度的计算过程为:
[0024]分别获取每个关注特征与同类别中其他关注特征之间的余弦相似度,并求相似度均值;分别获取每个关注特征与同类别中其他关注特征之间的关注度差值,并求差值均值;根据所述相似度均值和所述差值均值计算所述第二区分度。
[0025]优选的,所述准确关注特征的获取过程包括:
[0026]选取所述第二区分度大于区分阈值的关注特征作为干扰特征,将关注度最小的干扰特征在对应的目标缺陷的所有生产向量中去除,得到所述准确关注特征。
[0027]优选的,所述取值范围的获取过程为:
[0028]当所述准确关注特征的关注度大于预设阈值时,计算所述第一目标缺陷对应的生产向量在该准确关注特征上的投影长度,将所述投影长度进行聚类分组,选取包含元素最多的类别中投影长度的取值区间,作为该准确关注特征的取值范围;
[0029]当所述准确关注特征的关注度不大于所述预设阈值时,所述取值范围为实数域。
[0030]第二方面,本专利技术另一个实施例提供了一种基于MES的智能工厂产品质量监控系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,
所述处理器执行所述计算机程序时实现上述基于MES的智能工厂产品质量监控方法的步骤。
[0031]本专利技术实施例至少具有如下有益效果:
[0032]通过不同缺陷类型的产品的生产向量,获取生产向量与缺陷类型的关系,根据这个关系实时评估当前时刻生产出的新产品可能出现的缺陷类型,本专利技术实施例能够获取质量监控系统的质量抽检方法,提高质量监控系统的工作效率。
附图说明
[0033]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
[0034]图1为本专利技术一个实施例提供的基于MES的智能工厂产品质量监控方法的步骤流程图。
具体实施方式
[0035]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本专利技术提出的基于MES的智能工厂产品质量监控方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.基于MES的智能工厂产品质量监控方法,其特征在于,该方法包括以下步骤:获取智能工厂在生产过程中的生产参数及其对应产品的质检结果,由每个产品对应的生产参数组成一个生产向量;所述质检结果包括至少一种第一目标缺陷和一种第二目标缺陷,所述第一目标缺陷和所述第二目标缺陷为不同种类的目标缺陷;选取出含有同一目标缺陷的目标产品,根据所述目标产品对应的生产向量获取该目标缺陷的多个关注特征以及对每个关注特征的关注度;所有关注特征组成该目标缺陷的关注特征集合;将所述第一目标缺陷和所述第二目标缺陷的关注特征相互匹配,组成匹配对;根据所述匹配对的相似度和对应的关注程度的差异计算两种目标缺陷对该匹配对的第一区分度;基于所述第一区分度的大小筛选出这两种目标缺陷的区分特征对;将所有所述区分特征对中关注度更小的关注特征在对应的关注特征集合中去除,得到更新特征集合;获取所述关注特征集合以及所述更新特征集合的熵差,进而获取所述第一目标缺陷和所述第二目标缺陷之间的修正合理性;以所有不同种类的目标缺陷为节点、以所述修正合理性作为对应的边权值获取图数据;将所述图数据进行分类,计算每个类别中每个关注特征相对于其他关注特征的第二区分度;并根据所述第二区分度的大小对每个类别中的关注特征进行筛选,得到每种目标缺陷的准确关注特征;获取所述第一目标缺陷对应的每个准确关注特征的取值范围,将新产品的生产向量投影到所述准确关注特征上,当投影结果都在对应的所述取值范围内时,该新产品会出现第一目标缺陷;同理判断该新产品是否会出现其他目标缺陷。2.根据权利要求1所述的方法,其特征在于,所述关注特征的获取步骤包括:将所述目标产品对应的生产向量进行分类,保留包含元素最多的类别作为主要类别;对所述主要类别进行主成分分析,每个主成分方向作为一个关注特征。3.根据权利要求2所述的方法,其特征在于,所述关注度的获取过程为:以所述主成分方向的特征值作为所述关注特征的关注度。4.根据权利要求1所述的方法,其特征在于,所述匹配对的组成过程为:利用匹配算法将所述第一目标缺陷和所...
【专利技术属性】
技术研发人员:翁长征,
申请(专利权)人:苏州捷布森智能科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。