[發(fā)明專利]一種云平臺的機床稼動率監(jiān)測系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202011123136.3
• 申請日: 2020-10-20
• 公開（公告）號: CN112309000B
• 公開（公告）日: 2022-04-01
• 發(fā)明（設計）人: 曹華軍;何凱;鄭杰;陳二恒;朱林全
• 申請（專利權）人: 重慶大學;重慶工業(yè)大數(shù)據(jù)創(chuàng)新中心有限公司
• 主分類號: G07C3/00
• 分類號: G07C3/00;G07C3/08;G06N3/04;G06N3/08
• 代理公司: 重慶縉云專利代理事務所(特殊普通合伙) 50237
• 代理人: 王翔

本發(fā)明公開了一種云平臺的機床稼動率監(jiān)測系統(tǒng)，包括云平臺制造大數(shù)據(jù)庫模塊、云平臺數(shù)據(jù)實時提取模塊、功率數(shù)據(jù)特征提取模塊、機床運行狀態(tài)識別模塊、設備稼動率計算模塊；云平臺制造大數(shù)據(jù)庫模塊存儲有機床設備原始總功率數(shù)據(jù)和機床設備生產數(shù)據(jù)；云平臺數(shù)據(jù)實時提取模塊對提取的機床設備原始總功率數(shù)據(jù)進行預處理；功率數(shù)據(jù)特征提取模塊從云平臺數(shù)據(jù)實時提取模塊提取預處理機床設備總功率數(shù)據(jù)和機床設備生產數(shù)據(jù)；機床運行狀態(tài)識別模塊將功率數(shù)據(jù)特征提取模塊獲得的模型權重導入至卷積神經網絡，建立一維CNN識別模型；設備稼動率計算模塊計算出設備稼動率；本解決了傳統(tǒng)的機床設備稼動率計算不具備通用性、普遍適用性的問題。

技術領域

本發(fā)明屬于監(jiān)測技術領域，具體涉及一種云平臺的機床稼動率監(jiān)測系統(tǒng)。

背景技術

目前，隨著商品與勞動力價格的高度市場化，制造業(yè)企業(yè)面臨著行業(yè)競爭激烈、工人成本上升等嚴峻問題，使得制造業(yè)企業(yè)只有充分挖掘現(xiàn)有機械設備等資源的潛力,提高設備稼動率，以保證產品質量與生產效率。機械設備作為企業(yè)生產的基礎，決定了企業(yè)生產制造的基本能力，導致制造業(yè)企業(yè)對機械設備依賴性較高，隨之而來的設備故障、設備利用率低下等問題也與日俱增，這嚴重阻礙了企業(yè)產品品質與生產效率的提高。關鍵設備的故障停產，會影響下游生產的正常進行，對企業(yè)造成負面影響，從而降低企業(yè)經濟效益。設備稼動率作為企業(yè)生產效率與產品性能的綜合指標，代表了設備生產能力，通過對設備稼動率的監(jiān)測，以識別制造過程中停機損失、換裝損失、暫停機損失等，對機床設備進行智能化管理，從而實現(xiàn)設備運行效率與產品性能的穩(wěn)定上升。

當前已有許多制造業(yè)企業(yè)正尋求搭建生產管控云平臺以期對企業(yè)能源、設備生產過程等進行管控，因此，現(xiàn)有技術中需要云平臺的機床稼動率監(jiān)測系統(tǒng)。

發(fā)明內容

為實現(xiàn)本發(fā)明目的而采用的技術方案是這樣的，一種云平臺的機床稼動率監(jiān)測系統(tǒng)，包括云平臺制造大數(shù)據(jù)庫模塊、云平臺數(shù)據(jù)實時提取模塊、功率數(shù)據(jù)特征提取模塊、機床運行狀態(tài)識別模塊、設備稼動率計算模塊。

所述云平臺制造大數(shù)據(jù)庫模塊存儲有機床設備原始總功率數(shù)據(jù)和機床設備生產數(shù)據(jù)。

所述云平臺數(shù)據(jù)實時提取模塊從云平臺制造大數(shù)據(jù)庫模塊中提取機床設備原始總功率數(shù)據(jù)和機床設備生產數(shù)據(jù)，并對所提取的機床設備原始總功率數(shù)據(jù)和機床設備生產數(shù)據(jù)進行記錄。所述云平臺數(shù)據(jù)實時提取模塊對提取的機床設備原始總功率數(shù)據(jù)進行濾波，并剔除機床設備總功率數(shù)據(jù)中的異常值，得到預處理機床設備總功率數(shù)據(jù)。

所述功率數(shù)據(jù)特征提取模塊從云平臺數(shù)據(jù)實時提取模塊提取預處理機床設備總功率數(shù)據(jù)和機床設備生產數(shù)據(jù)，通過卷積神經網絡結構將預處理機床設備總功率數(shù)據(jù)和機床設備生產數(shù)據(jù)直接作為一維CNN模型的輸入，進行卷積訓練，得到最優(yōu)識別率的卷積神經網絡模型結構，并獲取該結構下的模型權重。

所述機床運行狀態(tài)識別模塊將功率數(shù)據(jù)特征提取模塊獲得的模型權重導入至卷積神經網絡，建立一維CNN識別模型。所述機床運行狀態(tài)識別模塊將云平臺數(shù)據(jù)實時提取模塊記錄的機床設備原始總功率數(shù)據(jù)進行預處理，得到機床設備一維功率數(shù)據(jù)，并將機床設備一維功率數(shù)據(jù)輸入一維CNN識別模型進行識別，統(tǒng)計出機床設備啟動時間T_s、機床設備空載時間T_n、機床設備加工時間T_r。

所述設備稼動率計算模塊提取機床運行狀態(tài)識別模塊統(tǒng)計出機床設備啟動時間T_s、機床設備空載時間T_n、機床設備加工時間T_r，并提取云平臺數(shù)據(jù)實時提取模塊記錄的機床設備生產數(shù)據(jù)和機床設備原始總功率數(shù)據(jù)。

所述設備稼動率計算模塊搭載有稼動率計算模型、實際加工時間計算模型、負荷時間計算模型和總加工產品數(shù)量計算模型。

所述稼動率計算模型定義機床稼動率指標，定義時間稼動率E_T，性能稼動率E_P，產品合格率為Q。具體定義如下：