基于现场数据的产品工艺质量预测模型的建立方法及系统技术方案

本发明专利技术公开了基于现场数据的产品工艺质量预测模型的建立方法及系统，包括以下步骤：获取卷烟设备的现场数据并将获取的数据存储至数据库中；对卷烟设备的现场数据进行处理，卷烟设备的现场数据包括卷烟机停机数据、剔除数据、产量数据及产品质量数据；建立产品工艺质量神经网络预测模型；建立设备故障树；输入卷烟设备实时数据至产品工艺质量神经网络预测模型得到预测产品质量数据，结合设备故障树对卷烟设备进行控制。本发明专利技术能够避免数据统计分析方法的单一性，将卷烟设备数据有效结合，建立数据综合分析模型，预测下一时间段内的产品质量情况，防止问题产品的产出，做到以产品质量为导向指导设备管理。

【技术实现步骤摘要】

本专利技术涉及烟草行业数据模型的建立领域，具体涉及基于现场数据的产品工艺质量预测模型的建立方法及系统。
技术介绍
近些年来，卷烟企业工业自动化方面得到了长足的发展，建立了底层数采、集控和状态监测等系统，管理层也建立了大量的应用系统，这些工业自动化系统和应用系统中存在大量的设备数据资源，但在设备管理方面的数据管理和数据价值挖掘水平并不高，导致大量数据资源的浪费，不能有效支撑精益管理。卷烟设备的现场数据主要包含停机数据、剔除数据、产量数据以及产品质量数据。在以往应用中，各类数据往往是被单独应用的，如产量、质量考核，设备停机分析等，且应用方法多为统计分析，数据应用手段较为贫乏。目前针对卷烟设备的产品工艺质量的预测仅仅靠人工根据烟支质量变化趋势，通过经验进行判断，主观性比较强，没有基于相关的数据进行分析，精确性不高。
技术实现思路
为解决现有技术存在的不足，本专利技术公开了基于现场数据的产品工艺质量预测模型的建立方法及系统，本申请基于卷烟设备各类现场数据建立相应的模型，并结合设备故障树，对卷烟设备的产品进行实时预测。为实现上述目的，本专利技术的具体方案如下：基于现场数据的产品工艺质量预测模型的建立方法，包括以下步骤：获取卷烟设备的现场数据并将获取的数据存储至数据库中；对卷烟设备的现场数据进行处理，卷烟设备的现场数据包括卷烟机停机数据、剔除数据、产量数据及产品质量数据；以卷烟机停机数据、剔除数据、产量数据作为输入，产品质量数据作为输出，建立产品工艺质量神经网络预测模型；建立设备故障树，该设备故障树包含故障现象、故障部位、故障原因、解决措施四个层级；输入卷烟设备实时数据至产品工艺质量神经网络预测模型得到预测产品质量数据，结合设备故障树对卷烟设备进行控制。进一步的，对卷烟设备的现场数据进行处理时，包括以下步骤：1-1)、采用聚类方法筛选出建立产品工艺质量神经网络预测模型所需的停机数据；1-2)、将各类现场数据按时间顺序分别排序；1-3)、各类现场数据以彼此采集周期的最小公倍数为单位进行数据采集，设备产量数据、停机数据、剔除数据为该时间段内的最大最小值之差，设备重量数据为该时间段内数据的平均值；1-4)、将各类现场数据按时间段一一对应，产品质量数据与上一时段的停机、剔除、产量数据对应。进一步的，建立产品工艺质量神经网络预测模型之前对卷烟设备的现场数据进行处理之后还需要对处理后的数据进行归一化。进一步的，采用最大最小法对数据进行归一化，其函数形式如下：xk＝(xk-xmin)/(xmax-xmin)式中，xmin为某一指标数据序列中的最小数，xmax为该指标序列中的最大数，xk为该指标数据序列中的第k个数据。进一步的，设备故障树在建立时，故障部位按照上下游关系排序，每个故障部位的故障原因按照出现概率进行排序，依据设备维修记录数据反馈的出现频次调整故障部位及故障原因的顺序。基于现场数据的产品工艺质量预测模型的建立系统，包括：数据获取模块：用于获取卷烟设备的现场数据并将获取的数据存储至数据库中；数据处理模块，用于对卷烟设备的现场数据进行处理，卷烟设备的现场数据包括卷烟机停机数据、剔除数据、产量数据及产品质量数据；模型建立模块，用于以卷烟机停机数据、剔除数据、产量数据作为输入，产品质量数据作为输出，建立产品工艺质量神经网络预测模型；设备故障树建立模块，建立设备故障树，该设备故障树包含故障现象、故障部位、故障原因、解决措施四个层级；数据预测模块，用于输入卷烟设备实时数据至产品工艺质量神经网络预测模型得到预测产品质量数据，结合设备故障树对卷烟设备进行控制。数据处理模块中，对卷烟设备的现场数据进行处理时，包括：数据筛选模块，采用聚类方法筛选出建立产品工艺质量神经网络预测模型所需的停机数 据；数据排序模块，将各类现场数据按时间顺序分别排序；数据采集模块，将各类现场数据以彼此采集周期的最小公倍数为单位进行数据采集，设备产量数据、停机数据、剔除数据为该时间段内的最大最小值之差，设备重量数据为该时间段内数据的平均值；数据对应模块，将各类现场数据按时间段一一对应，产品质量数据与上一时段的停机、剔除、产量数据对应。进一步的，模型建立模块在建立产品工艺质量神经网络预测模型之前及数据处理模块对卷烟设备的现场数据进行处理之后还需要对处理后的数据进行归一化。进一步的，采用最大最小法对数据进行归一化，其函数形式如下：xk＝(xk-xmin)/(xmax-xmin)式中，xmin为某一指标数据序列中的最小数，xmax为该指标序列中的最大数，xk为该指标数据序列中的第k个数据。进一步的，设备故障树建立模块在建立设备故障树时，故障部位按照上下游关系排序，每个故障部位的故障原因按照出现概率进行排序，依据设备维修记录数据反馈的出现频次调整故障部位及故障原因的顺序。本专利技术的有益效果：本专利技术综合应用卷烟设备停机、剔除、产量、质量等数据制定卷烟设备管理策略。首先整理各类现场设备数据，按时间段排序整理，其中质量数据与上一时间段的其他数据对应。然后以停机、剔除、产量数据为输入，采用神经网络方法预测产品质量。最后根据预测结果，结合设备故障树制定管理策略。本专利技术能够避免数据统计分析方法的单一性，将卷烟设备数据有效结合，建立数据综合分析模型，预测下一时间段内的产品质量情况，防止问题产品的产出，做到以产品质量为导向指导设备管理。本专利技术能够避免数据统计分析方法的单一性，将卷烟设备数据有效结合，建立数据综合分析模型，预测下一时间段内的产品质量情况，防止问题产品的产出，做到以产品质量为导向指导设备管理。附图说明图1是本专利技术基于现场数据的卷烟设备管理策略的构建流程图；图2是本专利技术实施例停机数据在不同类别数下的聚类优度分布图；图3是本专利技术实施例停机数据的聚类结果图；图4是本专利技术实施例产品质量预测模型的预测结果图；图5是本专利技术实施例短期标准偏差过大的故障树。具体实施方式：下面结合附图对本专利技术进行详细说明：如图1所示，基于现场数据的产品工艺质量预测模型的建立方法，包括以下步骤：步骤1、通过数据分析软件整理各类现场设备数据；步骤2、采用神经网络方法预测产品质量；步骤3、根据预测结果结合设备故障树制定管理策略。整理各类现场设备数据包含以下分步骤：步骤11、采用数据分析软件读取储存在数据库中的卷烟设备现场数据；步骤12、停机数据采用聚类方法筛选出较为重要的停机因素；步骤13、将各类数据按时间顺序分别排序；步骤14、各类数据以彼此采集周期的最小公倍数15分钟为单位进行数据整理，设备产量、剔除、停机类的数据为该时间段内的最大最小值之差，设备重量数据为该时间段内数据的平均值，形成数据矩阵；步骤15、将各类数据按时间段一一对应，即在数据矩阵中将同时刻的数据置于同一行，产品质量数据与上一时段的停机、剔除、产量数据对应，即在数据矩阵中将所有产品质量数据提前一行。采用神经网络方法预测产品质量包含以下分步骤：步骤21、对整理后的数据进行归一化处理；步骤22、以卷烟机停机、剔除、产量数据作为输入，产品质量数据作为输出，采用BP神经网络模型，建立产品质量神经网络预测模型。其中，剔除数据指的是卷烟机烟支剔除的数据。根据预测结果结合设备故障树制定管理策略包含以下分步骤：步骤31、依据维修经验，建立设备故障树，该设备故障本文档来自技高网...

【技术保护点】
基于现场数据的产品工艺质量预测模型的建立方法，其特征是，包括以下步骤：获取卷烟设备的现场数据并将获取的数据存储至数据库中；对卷烟设备的现场数据进行处理，卷烟设备的现场数据包括卷烟机停机数据、剔除数据、产量数据及产品质量数据；以卷烟机停机数据、剔除数据、产量数据作为输入，产品质量数据作为输出，建立产品工艺质量神经网络预测模型；建立设备故障树，该设备故障树包含故障现象、故障部位、故障原因、解决措施四个层级；输入卷烟设备实时数据至产品工艺质量神经网络预测模型得到预测产品质量数据，结合设备故障树对卷烟设备进行控制。

【技术特征摘要】
1.基于现场数据的产品工艺质量预测模型的建立方法，其特征是，包括以下步骤：获取卷烟设备的现场数据并将获取的数据存储至数据库中；对卷烟设备的现场数据进行处理，卷烟设备的现场数据包括卷烟机停机数据、剔除数据、产量数据及产品质量数据；以卷烟机停机数据、剔除数据、产量数据作为输入，产品质量数据作为输出，建立产品工艺质量神经网络预测模型；建立设备故障树，该设备故障树包含故障现象、故障部位、故障原因、解决措施四个层级；输入卷烟设备实时数据至产品工艺质量神经网络预测模型得到预测产品质量数据，结合设备故障树对卷烟设备进行控制。2.如权利要求1所述的基于现场数据的产品工艺质量预测模型的建立方法，其特征是，对卷烟设备的现场数据进行处理时，包括以下步骤：1-1)、采用聚类方法筛选出建立产品工艺质量神经网络预测模型所需的停机数据；1-2)、将各类现场数据按时间顺序分别排序；1-3)、各类现场数据以彼此采集周期的最小公倍数为单位进行数据采集，设备产量数据、停机数据、剔除数据为该时间段内的最大最小值之差，设备重量数据为该时间段内数据的平均值；1-4)、将各类现场数据按时间段一一对应，产品质量数据与上一时段的停机、剔除、产量数据对应。3.如权利要求1所述的基于现场数据的产品工艺质量预测模型的建立方法，其特征是，建立产品工艺质量神经网络预测模型之前对卷烟设备的现场数据进行处理之后还需要对处理后的数据进行归一化。4.如权利要求3所述的基于现场数据的产品工艺质量预测模型的建立方法，其特征是，采用最大最小法对数据进行归一化，其函数形式如下：xk＝(xk-xmin)/(xmax-xmin)式中，xmin为某一指标数据序列中的最小数，xmax为该指标序列中的最大数，xk为该指标数据序列中的第k个数据。5.如权利要求1所述的基于现场数据的产品工艺质量预测模型的建立方法，其特征是，设备故障树在建立时，故障部位按照上下游关系排序，每个故障部位的故障原因按照出现概
\t率进行排序，依据设备维修记录数据反馈的出现频次调整故障部位及故障原因的顺序。6.基于现场数据的产品工艺质量预测模型的建立系统，其特征是，包括：数据获...

【专利技术属性】
技术研发人员：马万强，程继忠，郭红广，马俊，吴艳丽，宋磊，张东生，
申请(专利权)人：山东中烟工业有限责任公司，
类型：发明
国别省市：山东;37