[發明專利]一種用于機床加工工時預測的方法及設備

有效

• 申請號: 202110893932.3
• 申請日: 2021-08-05
• 公開（公告）號: CN113341883B
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 徐得玉;張祿;蔡文東;王文超;李海翔;孫濤;劉學彬;崔鳳君;李昱坤;席學偉;蘇星;夏夕亮
• 申請（專利權）人: 山東豪泉軟件技術有限公司
• 主分類號: G05B19/4097
• 分類號: G05B19/4097
• 代理公司: 北京君慧知識產權代理事務所(普通合伙) 11716
• 代理人: 董延麗

本申請公開了一種用于機床加工工時預測的方法及設備，屬于機床控制系統領域，方法包括：采集機床加工程序中的信息，以確定機床加工的若干產品分別對應的加工程序的加工時長，并在加工程序中提取與加工時長有關的數據特征；將加工同一產品的數據特征與加工時長進行關聯，以得到加工程序對應的機床工時訓練樣本；基于訓練樣本，生成數據清洗模型，并通過數據清洗模型對訓練樣本進行清洗；基于清洗后的訓練樣本，生成產品工時預測模型，以通過產品工時預測模型對機床加工產品的工時進行預測。工時預測由人工預測提升到自動化預測模式，根據生產實際情況進行柔性變化，改變了依賴人員或依賴多個軟件的高成本方案，對于制造業車間管理提供了數據支持。

技術領域

本申請涉及機床控制系統領域，具體涉及一種用于機床加工工時預測的方法及設備。

背景技術

數控機床在加工過程中，通常包含有多個加工程序，若是能夠合理的安排各加工程序的工時，則能夠提高機床的工作效率。

現有技術中，通常通過人工預測方式對機床加工產品的工時進行預測。人工預測依賴于人為經驗，其預測結果往往與實際工時相差較大。另外，有部分廠家采用軟件預測工時，此種方法是通過機床內置的設備監控機床的生產信息，從而通過該設備內置的軟件對機床的生產工時進行預測。由于該軟件主要用于對機床加工狀態進行監控，因此雖然能夠利用該軟件對工時進行預測，但往往預測結果誤差也較大。

發明內容

為了解決上述問題，本申請提出了一種用于機床加工工時預測的方法及設備，用以解決機床工時預測效果不佳的問題。

一方面，本申請提出了一種用于機床加工工時預測的方法，包括：采集機床加工程序中的信息，以確定所述機床加工的若干產品分別對應的加工程序的加工時長，并在所述加工程序中提取與所述加工時長有關的數據特征；將加工同一產品的所述數據特征與所述加工時長進行關聯，以得到所述加工程序對應的機床工時訓練樣本；基于所述訓練樣本，生成數據清洗模型，并通過所述數據清洗模型對所述訓練樣本進行清洗；基于清洗后的訓練樣本，生成產品工時預測模型，以通過所述產品工時預測模型對機床加工產品的工時進行預測。

在一個示例中，所述基于所述訓練樣本，生成數據清洗模型，并通過所述數據清洗模型對所述訓練樣本進行清洗，具體包括：將所述訓練樣本分成若干組，根據所述若干組中的第一組訓練樣本訓練所述數據清洗模型；通過訓練后的數據清洗模型，對所述若干組中的第二組訓練樣本分別對應的生產工時進行預測，將預測結果與相應訓練樣本中的所述加工時長做比較，得到比較結果；在所述第二組訓練樣本中，將所述比較結果不符合預設要求的訓練樣本移除，以更新所述第二組訓練樣本，從而實現對所述訓練樣本的清洗。

在一個示例中，在所述將所述比較結果不符合預設要求的訓練樣本移除之后，所述方法還包括：根據更新后的第二組訓練樣本，訓練所述數據清洗模型，通過該次訓練后的數據清洗模型，對所述第一組訓練樣本分別對應的生產工時進行預測，得到所述該次訓練對應的該次預測結果；將所述該次預測結果與相應訓練樣本中的所述加工時長做比較，得到所述該次訓練對應的該次比較結果；在所述第一組訓練樣本中，將所述該次比較結果不符合預設要求的訓練樣本移出，以更新所述第一組訓練樣本。

通過重復訓練數據清洗模型，使得數據清洗過程更加準確，相比于現有的其他數據清洗方式，能夠有效剔除異常數據，保證了后續的產品工時預測模型訓練時的準確性。

在一個示例中，所述在所述加工程序中提取與所述加工時長有關的數據特征，具體包括：根據所述加工程序中的信息，確定產品加工過程中加工刀具的轉向點數量、產品的尺寸以及機床各軸分別對應的移動距離和加工倍率；根據所述機床各軸分別對應的所述移動距離、所述加工倍率，確定所述機床各軸分別對應的運行時長特征值，并根據所述轉向點數量確定所述加工刀具的轉向時長特征值，并根據所述產品的尺寸確定產品的尺寸特征值；基于所述機床各軸分別對應的運行時長特征值，并根據所述加工刀具的轉向時長特征值，所述產品的尺寸特征值中的一個或多個，確定與所述加工時長有關的數據特征。