设备生产质量检测的方法、系统、电子装置和存储介质制造方法及图纸

本申请涉及一种设备生产质量检测的方法、系统、电子装置和存储介质，其中，该方法包括：获取实时生产数据，并根据实际生产需求从实时生产数据中选取预设时间段内的数据；根据预设时间段内的数据，通过无标签自动分类算法构建实时生产检测模型，并得到标准曲线；将生产设备实时产生的数据导入生产检测模型中，通过生产检测模型中的标准曲线对导入的生产数据进行检测识别，判断生产质量是否达到合格标准。通过本申请，解决了相关技术中存在的工业生产质量检测成本高、效率低、准确率不高的问题，提高了设备生产质量检测准确率，并降低了成本。并降低了成本。并降低了成本。

【技术实现步骤摘要】
设备生产质量检测的方法、系统、电子装置和存储介质


[0001]本申请涉及质量检测领域，特别是涉及生产设备的检测和生产产品的检测。

技术介绍

[0002]在生产制造行业，为提高生产效率和质量，企业会对生产行为进行监控检测，以达到监测生产设备是否损坏、产品质量是否合格等目的。
[0003]当前，企业采用的监测方式主要有两种，一是定时物理抽查检测，二是借助于生产数据的智能检测。其中，物理检测的主要流程为每隔固定时间抽检一定数量的产品进行破坏性测试，如若合格，则继续生产，如若不合格，则需调整机器参数并再次确保合格后才能继续生产。可以发现，这种传统的物理检测方法有着耗时长、破坏性大、不连续性等问题，因此，采用这种方法很可能导致产品质量检测不及时，从而产生大量次品和巨额经济损失，更严重的是，未及时发现的次品会在下一级成品使用过程中发生严重安全事故。对于依赖数据进行智能判断的智能检测，由于其用于智能判断的数据主要来源于工业生产设备在实际生产过程中会产生的数据，如功率、电流、电压、频率，温度等。而这些涉及到数据的实时收集、存储、打标签，建模、部署、模型调优、设备指令控制等一系列流程，流程复杂，成本也较高。因此，在多数情况下，企业没有足够的人力物力去搭建一套完整的智能检测系统。
[0004]目前针对上述相关技术中存在的工业生产质量检测成本高、效率低、准确率不高的问题，尚未提出有效的解决方案。

技术实现思路

[0005]本申请实施例提供了一种设备生产质量检测的方法、系统、电子装置和存储介质，以至少解决相关技术中存在的工业生产质量检测成本高、效率低、准确率不高的问题。
[0006]第一方面，本申请实施例提供了一种设备生产质量检测的方法，所述方法包括：
[0007]获取实时生产数据，并根据实际生产需求从所述实时生产数据中选取预设时间段内的数据；
[0008]根据所述预设时间段内的数据，通过无标签自动分类算法构建实时生产检测模型，并得到标准曲线；
[0009]将生产设备实时产生的数据导入生产检测模型中，通过所述生产检测模型中的所述标准曲线对导入的生产数据进行检测识别，判断生产质量是否达到合格标准。
[0010]在其中一些实施例中，通过无标签自动分类算法构建实时生产检测模型，并得到标准曲线包括：
[0011]获取预设时间段内的无标签实时样本数据；
[0012]通过自定义聚类分析算法对所述无标签实时样本数据进行学习分类，得到不同簇群的特征，并根据不同簇群的特征信息，通过相关性分类算法对生产过程中的实时数据曲线进行自动分类，识别区分合格曲线和不合格曲线；
[0013]自动剔除不合格曲线，并根据所述合格曲线拟合得到标准曲线。
[0014]在其中一些实施例中，通过所述生产检测模型中的所述标准曲线对导入的生产数据进行检测识别包括：
[0015]根据生产设备实时产生的数据生成生产曲线，将所述生产曲线与所述生产检测模型中的标准曲线从多个维度进行对比分析，并根据各个维度划分的等级，判断当前生产质量等级。
[0016]在其中一些实施例中，在所述生产检测模型达到预设的更新参数值后，自动触发模型更新指令，根据所述模型更新指令更新当前的生产检测模型，得到适用于当前生产环境的新模型。
[0017]在其中一些实施例中，在构建所述生产检测模型时，所述方法包括：
[0018]生成多个可选模型；
[0019]根据当前生产数据从所述多个可选模型中选取最佳模型，并将所述模型的输入输出数据和模型版本存储到模型库中，用于未来的模型优化和产品质量追踪。
[0020]在其中一些实施例中，在获取实时生产数据之前，所述方法包括：
[0021]通过数据采集器采集生产设备产生的实时生产数据，并将所述实时生产数据实时存储到数据库中。
[0022]第二方面，本申请实施例提供了一种设备生产质量检测的系统，所述系统包括：
[0023]获取模块，用于获取实时生产数据，并根据实际生产需求从所述实时生产数据中选取预设时间段内的数据；
[0024]构建模块，用于根据所述预设时间段内的数据，通过无标签自动分类算法构建实时生产检测模型，并得到标准曲线；
[0025]检测模块，用于将生产设备实时产生的数据导入生产检测模型中，通过所述生产检测模型中的所述标准曲线对导入的生产数据进行检测识别，判断生产质量是否达到合格标准。
[0026]在其中一些实施例中，所述构建模块，还用于获取预设时间段内的无标签实时样本数据，
[0027]通过自定义聚类分析算法对所述无标签实时样本数据进行学习分类，得到不同簇群的特征，并根据不同簇群的特征信息，通过相关性分类算法对生产过程中的实时数据曲线进行自动分类，识别区分合格曲线和不合格曲线，
[0028]自动剔除不合格曲线，并根据所述合格曲线拟合得到标准曲线。
[0029]第三方面，本申请实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上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如上述第一方面所述的方法。
[0030]第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的方法。
[0031]相比于相关技术，本申请实施例提供的设备生产质量检测的方法，获取实时生产数据，并根据实际生产需求从实时生产数据中选取预设时间段内的数据；根据预设时间段内的数据，通过无标签自动分类算法构建实时生产检测模型，并得到标准曲线；将生产设备实时产生的数据导入生产检测模型中，通过生产检测模型中的标准曲线对导入的生产数据进行检测识别，判断生产质量是否达到合格标准。
[0032]通过本申请能构建一种能达到工业产线标准的智能质量检测系统，该系统与生产设备匹配的数据采集模块和工控质检终端程序结合，打通数据实时收集、建模、部署、调优、生产设备控制等一整套自动化流程，不仅很好地满足了企业自动全量在线质量检测的需求，也让为每台设备进行个性化建模成为可能。为工业制造企业和智能设备厂商实现在线实时质量检测提供了准确率高、实施难度小、成本较低的系统性方案。
附图说明
[0033]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0034]图1是根据本申请实施例的设备生产质量检测的方法的流程图；
[0035]图2是根据本申请实施例的产品生产曲线示意图；
[0036]图3是根据本申请实施例的模型标准曲线示意图；
[0037]图4是根据本申请实施例的曲线对比示意图；
[0038]图5是根据本申请实施例的设备生产质量检测的系统的结构框图；
[0039]图6是根据本申请实施例的电子设备的内部结构示意图。
具体实施方式
[0040]为了使本申请的目的、技术方案及优点更加本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设备生产质量检测的方法，其特征在于，所述方法包括：获取实时生产数据，并根据实际生产需求从所述实时生产数据中选取预设时间段内的数据；根据所述预设时间段内的数据，通过无标签自动分类算法构建实时生产检测模型，并得到标准曲线；将生产设备实时产生的数据导入生产检测模型中，通过所述生产检测模型中的所述标准曲线对导入的生产数据进行检测识别，判断生产质量是否达到合格标准。2.根据权利要求1所述的方法，其特征在于，通过无标签自动分类算法构建实时生产检测模型，并得到标准曲线包括：获取预设时间段内的无标签实时样本数据；通过自定义聚类分析算法对所述无标签实时样本数据进行学习分类，得到不同簇群的特征，并根据不同簇群的特征信息，通过相关性分类算法对生产过程中的实时数据曲线进行自动分类，识别区分合格曲线和不合格曲线；自动剔除不合格曲线，并根据所述合格曲线拟合得到标准曲线。3.根据权利要求1或2所述的方法，其特征在于，通过所述生产检测模型中的所述标准曲线对导入的生产数据进行检测识别包括：根据生产设备实时产生的数据生成生产曲线，将所述生产曲线与所述生产检测模型中的标准曲线从多个维度进行对比分析，并根据各个维度划分的等级，判断当前生产质量等级。4.根据权利要求1所述的方法，其特征在于，在所述生产检测模型达到预设的更新参数值后，自动触发模型更新指令，根据所述模型更新指令更新当前的生产检测模型，得到适用于当前生产环境的新模型。5.根据权利要求1所述的方法，其特征在于，在构建所述生产检测模型时，所述方法包括：生成多个可选模型；根据当前生产数据从所述多个可选模...

【专利技术属性】
技术研发人员：李文丰，陈侠航，宁晶，曹正之，
申请(专利权)人：杭州艾想科技有限公司，
类型：发明
国别省市：