人工智能生产线控制方法技术

本发明专利技术涉及一种人工智能生产线控制方法，包括建立数据云、分析数据以及反馈闭环，使得人工反馈闭环最终量化为SPC转入自动反馈闭环，自动反馈闭环会随着时间的推移越来越完善，以此形成一个良性循环，使得人工智能能不断优化迭代，最终通过人工智能可以完全控制成熟生产线，将所有问题在没有发生前解决。本发明专利技术将数据的在线化存储代替离线存储，通过人工智能自动处理隐性问题，分析数据代替人工实验找问题点，自动预防显性问题，分析SPC方法预防各工序异常，从而解决了生产线对应工序物料不精确、数据利用率不高、对生产线各工序显性问题没有预知能力、生产线隐性问题排查不彻底等问题，达到节约生产成本、提高问题排查效率的目的。

【技术实现步骤摘要】
人工智能生产线控制方法
本专利技术涉及制造业生产
，尤其是一种人工智能生产线控制方法。
技术介绍
目前由于工业4.0改革的不断普及深入，许多制造业生产线的自动化程度越来越高，有的甚至实行了无人生产，与此同时生产线的工序也向复杂多样化转变，一个车间生产线有十几道工序不足为奇，同时每道工序又配有多个机台生产，物料信息复杂多变，与此同时各个机台生产的离线数据也越来越多。一般情况下，对应生产线的问题处理情况分为两种：显性问题与隐性问题，显性问题主要针对各道工序原材料、设备及工艺等出现的明显异常(如设备异常停止及工艺管控点超标等)，对于该类问题，比较容易发现、处理及解决；但是生产线对于每道工序的管控仅仅只是指定一个标准，只有出现控制点超标情况，才能知道出现异常，对于缓慢恶化并没有一个预知能力。而隐性问题通常指原材料、设备及工艺等出现的缓慢恶化异常，该类异常通常体现在成品检验的不达标上，对此类问题进行排查要困难得多。目前的排查方法通常是设计实验进行对比，确认问题工序、问题点，验证符合不达标结果后，再针对现象进行原因分析、解决，最后再验证。但随着生产线的复杂化，尤其是前道工序出现隐性异常时，不易排查出根本原因。对此生产线要求每道工序有具体的对应关系，方便问题排查，但是由于每个工序机台配比不一致，并不能保证精确对应，只能大致对应，而且生产线通过流程卡记录信息，数据存在造假、丢失、混淆，污染等干扰因素，加上各工序机台之间存在着些许差异，所以问题排查经常不能彻底，复发情况较多，同时由于工序的复杂化，排查一个隐性问题需要大量人力与时间成本。
技术实现思路
本专利技术要解决的技术问题是：为了克服现有技术中之不足，本专利技术提供一种人工智能生产线控制方法，以解决生产线对应工序物料不精确、数据利用率不高、对生产线各工序显性问题没有预知能力、生产线隐性问题排查不彻底等问题，达到节约生产成本、提高问题排查效率的目的。本专利技术解决其技术问题所采用的技术方案是：一种人工智能生产线控制方法，包括以下步骤：a、建立数据云：根据工序先后顺序采集多个子端的数据信息，通过HDFS对数据进行整合存储后，由ETL完成对存储数据的清洗工作，抽取出所需数据处理后加载到云中；b、分析数据：通过建立不同的模型，进行数据计算形成收敛结果，通过编程形成不同的算法，将各数据之间的关系建立起来，数据云根据不同的算法进行自动数据可视化分析；c、反馈闭环：包含有自动反馈闭环和人工反馈闭环，自动反馈闭环分为首端自动反馈闭环与中端自动反馈闭环，当首端来料验证测试结果与标准不符时执行首端自动反馈闭环，将验证不合格的来料隔离，并退回供应商重新送料过来测试，形成一个闭环；当生产过程中，验证SPC中出现异常时执行中端自动反馈闭环，通过计算SPC，预先发现子端异常点，并通过设定程序进行自我调整，调整后可据SPC实际变化，反馈给程序进行程序优化计算，此时重新作为数据输入云端，形成一个闭环；验证成品检验与标准不符或不断恶化，且不符合自动反馈闭环要求时，执行人工反馈闭环:通过对数据云实时数据的处理，对可能出现的问题进行定位，通过控制变量的算法，对该问题成品的信息流，与正常成品的信息流切换变量进行匹配，找出出现异常的子端或首端，由工程师对该问题点进行实验分析、论证并通过量化成SPC控制解决，最终输入系统形成自动反馈闭环。其中在步骤a中，所述的子端按工序先后顺序分为对应来料的首端、各道工序构成的多个中端和形成产品时的末端，通过输入得到物料信息，在生产线子端之间信息传递时，下一个子端的每个分支信息，应包含了上个子端的所有分支信息。在步骤b中进行的分析数据中，对首端与末端的算法采用验证法，对比来料检验标准、成品检验标准与实际检测数据之间的差异是否满足要求，抽样方法采用MIL-STD-105E抽样计划；而对多个中端的算法采用SPC控制法，实行标准GB/T4091-2001进行分析。而在步骤c中，问题定位、工程分析、工程解决、工程量化及纳入数据云平台构成了人工反馈闭环，特别地,产品的信息流是指该批次成品从首端开始到末端结束，包括物料批次、厂家、各工序、各工序机台、上下料时间以及SPC所有被记录搜集在数据云的所有数据。本专利技术的有益效果是：本专利技术的有益效果体现在以下几方面：首先，通过数据在线化，将数据传输到云，在防止数据丢失的同时，增加了数据的灵活性，每道工序不但不要求对应，反而要求信息复杂化，提高了数据的利用率；其次，通过人工智能自动分析处理隐性问题，利用算法准确快速地定位隐性问题的出现地点，避免了人工进行的问题排查过程，节约了人力时间的同时，也减少了不良效果的产生；最后，通过人工智能自动分析SPC方法预防各工序异常，通过算法可在工序出现异常(超标)前发现，并自动纠正，减少显性问题的产生。附图说明下面结合附图和实施例对本专利技术进一步说明。图1是本专利技术所述控制系统的原理框图。图2是本专利技术中分析数据时的流程示意图。图3是本专利技术中中端信息传递时的流程示意图。具体实施方式现在结合附图对本专利技术作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本专利技术的基本结构，因此其仅显示与本专利技术有关的构成。如图1～图3所示，一种人工智能生产线控制方法，该智能生产线的控制系统包含有数据云和人工智能系统。数据云：由多个子端的孤立数据信息整合而成；根据工序先后顺序采集多个子端的数据信息，通过HDFS对数据进行整合存储后，由ETL完成对存储数据的清洗工作，抽取出所需数据处理后加载到云中。上述的子端按工序先后顺序分为对应来料的首端、各道工序构成的四个中端和形成产品时的末端，子端的孤立数据信息通过输入(扫码输入、键盘输入与软件输入等)得到的物料信息(包括物料号、流程号、工序、时间、机台、各工序SPC等)，这些物料信息在生产线子端之间传递时，下一个子端(工序)每个分支(机台)信息，包含了上个子端(工序)的所有分支(机台)信息。人工智能系统包括分析数据与反馈闭环，分析数据的前提是通过建立不同的模型，进行数据计算形成收敛结果，通过编程形成不同的算法，将各数据之间的关系建立起来，数据云根据不同的算法进行自动数据可视化分析；其中对首端与末端的算法采用验证法，对比来料检验标准、成品检验标准与实际检测数据之间的差异是否满足要求，抽样方法采用MIL-STD-105E抽样计划；而对多个中端的算法采用SPC控制法，实行标准GB/T4091-2001进行分析。反馈闭环由自动反馈闭环与人工反馈闭环组成，自动反馈闭环分为首端自动反馈闭环与中端自动反馈闭环。当首端来料验证测试结果与标准不符时执行首端自动反馈闭环，将验证不合格的来料隔离，并退回供应商重新送料过来测试，形成一个闭环；当生产过程中，验证SPC中出现异常时执行中端自动反馈闭环，通过计算SPC，预先发现子端异常点，并通过设定程序进行自我调整，调整后可据SPC实际变化，反馈给程序进行程序优化计算，此时重新作为数据输入云端，形成一个闭环。当验证成品检验与标准不符或不断恶化，且不符合自动反馈闭环要求时，执行人工反馈闭环，人工反馈闭环，是对问题定位、工程分析、工程解决、工程量化及纳入数据云平台组成闭环。执行人工反馈闭环时，通过对数据云实时数据的处理，对可能出现的问题进行定位；定位的数据处理是通过控制变量的算本文档来自技高网...

【技术保护点】
1.一种人工智能生产线控制方法，其特征是：包括以下步骤：a、建立数据云：根据工序先后顺序采集多个子端的数据信息，通过HDFS对数据进行整合存储后，由ETL完成对存储数据的清洗工作，抽取出所需数据处理后加载到云中；b、分析数据：通过建立不同的模型，进行数据计算形成收敛结果，通过编程形成不同的算法，将各数据之间的关系建立起来，数据云根据不同的算法进行自动数据可视化分析；c、反馈闭环：包含有自动反馈闭环和人工反馈闭环：当首端来料验证测试结果与标准不符时执行首端自动反馈闭环，将验证不合格的来料隔离，并退回供应商重新送料过来测试，形成一个闭环；当生产过程中，验证SPC中出现异常时执行中端自动反馈闭环，通过计算SPC，预先发现子端异常点，并通过设定程序进行自我调整，调整后可据SPC实际变化，反馈给程序进行程序优化计算，此时重新作为数据输入云端，形成一个闭环；验证成品检验与标准不符或不断恶化，且不符合自动反馈闭环要求时，执行人工反馈闭环:通过对数据云实时数据的处理，对可能出现的问题进行定位，通过控制变量的算法，对该问题成品的信息流，与正常成品的信息流切换变量进行匹配，找出出现异常的子端或首端，由工程师对该问题点进行实验分析、论证并通过量化成SPC控制解决，最终输入系统形成自动反馈闭环。...

【技术特征摘要】
1.一种人工智能生产线控制方法，其特征是：包括以下步骤：a、建立数据云：根据工序先后顺序采集多个子端的数据信息，通过HDFS对数据进行整合存储后，由ETL完成对存储数据的清洗工作，抽取出所需数据处理后加载到云中；b、分析数据：通过建立不同的模型，进行数据计算形成收敛结果，通过编程形成不同的算法，将各数据之间的关系建立起来，数据云根据不同的算法进行自动数据可视化分析；c、反馈闭环：包含有自动反馈闭环和人工反馈闭环：当首端来料验证测试结果与标准不符时执行首端自动反馈闭环，将验证不合格的来料隔离，并退回供应商重新送料过来测试，形成一个闭环；当生产过程中，验证SPC中出现异常时执行中端自动反馈闭环，通过计算SPC，预先发现子端异常点，并通过设定程序进行自我调整，调整后可据SPC实际变化，反馈给程序进行程序优化计算，此时重新作为数据输入云端，形成一个闭环；验证成品检验与标准不符或不断恶化，且不符合自动反馈闭环要求时，执行人工反馈闭环:通过对数据云实时数据的处理，对可能出现的问题进行定位，通过控制变量的算法，对该问题成品的信息流，与正常成品的信息流切换变量进行匹配...

【专利技术属性】
技术研发人员：袁华斌，符亮，张凯胜，姚伟忠，孙铁囤，
申请(专利权)人：常州亿晶光电科技有限公司，
类型：发明
国别省市：江苏,32