一种基于MES系统的质量管理方法和设备技术方案

本发明专利技术公开了一种基于MES系统的质量管理方法和设备，该方法包括：基于预设采集频率和采集类型采集原始质量数据；根据对所述原始质量数据进行预处理的结果确定质量特征数据，所述预处理包括数据抽取、数据转换和数据加载；根据所述质量特征数据和预设质量因素的匹配结果获取多个质量模式数据集合，所述预设质量因素为基于历史生产数据确定的影响产品质量的因素；基于各所述质量模式数据集合对应的预设质量模式选择规则确定有效质量模式数据，并通过所述有效质量模式数据进行质量管理，从而实现对质量数据的全面管理，提高了管理效率。

【技术实现步骤摘要】
一种基于MES系统的质量管理方法和设备
本申请涉及制造信息化
，更具体地，涉及一种基于MES系统的质量管理方法和设备。
技术介绍
随着社会经济的快速发展，人们对生活高质量的追求和对物质高品位的需求越来越高，产品质量关乎企业的生命。信息化是当今时代发展的大趋势，代表着先进生产力。MES系统(ManufacturingExecutionSystem，制造执行系统)作为一种高效智能的制造系统已广泛应用于生产加工领域，旨在加强生产计划的执行功能。基于MES系统的生产过程产生大量的质量数据，这些质量数据对涉及人员、设备、零件、检验、质量、工艺、制造和管理等各个方面。由于数据类型多种多样，相互关联性明显且来源繁多，传统的质量管理依赖专家的经验，存在以下的缺点：1、质量检验结果以数据记录，不合格项反馈为主，各检验环节对质检数据的系统性统计与分析工作很少，不能对生产过程产生预防性指导；2、分析过程严重依赖主观经验，效率低下，分析流程不规范，理论依据不充足，分析结果难以重现。因此，如何对质量数据进行有效控制，提高管理效率是目前有待解决的技术问题。
技术实现思路
本专利技术提供一种基于MES系统的质量管理方法，用以解决现有技术中基于MES系统的生产过程中对于质量的管理方式单一，效率低下的技术问题，该方法包括：基于预设采集频率和采集类型采集原始质量数据，所述采集类型是基于4M1E法确定的，包括人员类型、设备类型、物料类型、方法类型和环境类型；根据对所述原始质量数据进行预处理的结果确定质量特征数据，所述预处理包括数据抽取、数据转换和数据加载；根据所述质量特征数据和预设质量因素的匹配结果获取多个质量模式数据集合，所述预设质量因素为基于历史生产数据确定的影响产品质量的因素；基于各所述质量模式数据集合对应的预设质量模式选择规则确定有效质量模式数据，并通过所述有效质量模式数据进行质量管理。优选的，根据所述质量特征数据和预设质量因素的匹配结果获取多个质量模式数据集合，具体为：根据所述匹配结果获取多个质量因素数据集合；根据各所述预设质量因素对应的质量模式因素数设定数据挖掘策略；基于所述数据挖掘策略将各所述质量因素数据集合划分为各所述质量模式数据集合。优选的，基于所述数据挖掘策略将各所述质量因素数据集合划分为各所述质量模式数据集合，具体为：基于设定最小支持度和最小置信度生成各所述质量因素数据集合对应的候选k项集，其中k为正整数；对所述候选k项集进行剪枝，获取频繁集，具体的剪枝做法为遍历候选集每一条记录Ti，计算Ti的支持度support(Ti)，若support(Ti)小于最小支持度则删除该条记录；同时遍历Ti中每一个非空子集，若存在非频繁集也删除该条记录；对获取的频繁集进行自连接，形成下一轮的候选集；重新对所述候选k项集进行剪枝，获取频繁集，直到没有新的项集满足所述最小支持度；根据形成的最终频繁集，计算频繁集各项之间的置信度，过滤掉小于所述最小置信度的项集，生成强关联规则并得到各所述质量模式数据集合。优选的，根据对所述原始质量数据进行预处理的结果确定质量特征数据，具体为：从所述原始质量数据对应的各数据源抽取数据到预设临时存储区域，获取数据抽取数据，所述数据抽取数据包括全量抽取数据和增量抽取数据；将所述数据抽取数据进行数据合并汇总、格式统一、文件过滤、关键数据的重构及定位，获取数据转换数据；将所述数据转换数据按预设物理和逻辑模型定义从所述预设临时存储区域加载到预设目标数据库，获取数据加载数据；根据所述数据加载数据确定所述质量特征数据。优选的，所述预设质量因素至少包括物理指标因素、生产过程实时状态因素、设备维修因素、辅料信息因素或外观缺陷因素中的一种或一种以上组合。相应地，本专利技术还提出了一种基于MES系统的质量管理设备，所述设备包括：采集模块，用于基于预设采集频率和采集类型采集原始质量数据，所述采集类型是基于4M1E法确定的，包括人员类型、设备类型、物料类型、方法类型和环境类型；确定模块，用于根据对所述原始质量数据进行预处理的结果确定质量特征数据，所述预处理包括数据抽取、数据转换和数据加载；获取模块，用于根据所述质量特征数据和预设质量因素的匹配结果获取多个质量模式数据集合，所述预设质量因素为基于历史生产数据确定的影响产品质量的因素；管理模块，用于基于各所述质量模式数据集合对应的预设质量模式选择规则确定有效质量模式数据，并通过所述有效质量模式数据进行质量管理。优选的，所述获取模块，具体用于：根据所述匹配结果获取多个质量因素数据集合；根据各所述预设质量因素对应的质量模式因素数设定数据挖掘策略；基于所述数据挖掘策略将各所述质量因素数据集合划分为各所述质量模式数据集合。优选的，所述获取模块，还具体用于：基于设定最小支持度和最小置信度生成各所述质量因素数据集合对应的候选k项集，其中k为正整数；对所述候选k项集进行剪枝，获取频繁集，具体的剪枝做法为遍历候选集每一条记录Ti，计算Ti的支持度support(Ti)，若support(Ti)小于最小支持度则删除该条记录；同时遍历Ti中每一个非空子集，若存在非频繁集也删除该条记录；对获取的频繁集进行自连接，形成下一轮的候选集；重新对所述候选k项集进行剪枝，获取频繁集，直到没有新的项集满足所述最小支持度；根据形成的最终频繁集，计算频繁集各项之间的置信度，过滤掉小于所述最小置信度的项集，生成强关联规则并得到各所述质量模式数据集合。优选的，所述确定模块，具体用于：从所述原始质量数据对应的各数据源抽取数据到预设临时存储区域，获取数据抽取数据，所述数据抽取数据包括全量抽取数据和增量抽取数据；将所述数据抽取数据进行数据合并汇总、格式统一、文件过滤、关键数据的重构及定位，获取数据转换数据；将所述数据转换数据按预设物理和逻辑模型定义从所述预设临时存储区域加载到预设目标数据库，获取数据加载数据；根据所述数据加载数据确定所述质量特征数据。优选的，所述预设质量因素至少包括物理指标因素、生产过程实时状态因素、设备维修因素、辅料信息因素或外观缺陷因素中的一种或一种以上组合。与现有技术对比，本专利技术具备以下有益效果：本专利技术公开了一种基于MES系统的质量管理方法和设备，该方法包括：基于预设采集频率和采集类型采集原始质量数据；根据对所述原始质量数据进行预处理的结果确定质量特征数据，所述预处理包括数据抽取、数据转换和数据加载；根据所述质量特征数据和预设质量因素的匹配结果获取多个质量模式数据集合，所述预设质量因素为基于历史生产数据确定的影响产品质量的因素；基于各所述质量模式数据集合对应的预设质量模式选择规则确定有效质量模式数据，并通过所述有效质量模式数据进行质量管理，从而实现对质量数据的全面管理本文档来自技高网...

【技术保护点】
1.一种基于MES系统的质量管理方法，其特征在于，所述方法包括：/n基于预设采集频率和采集类型采集原始质量数据，所述采集类型是基于4M1E法确定的，包括人员类型、设备类型、物料类型、方法类型和环境类型；/n根据对所述原始质量数据进行预处理的结果确定质量特征数据，所述预处理包括数据抽取、数据转换和数据加载；/n根据所述质量特征数据和预设质量因素的匹配结果获取多个质量模式数据集合，所述预设质量因素为基于历史生产数据确定的影响产品质量的因素；/n基于各所述质量模式数据集合对应的预设质量模式选择规则确定有效质量模式数据，并通过所述有效质量模式数据进行质量管理。/n

【技术特征摘要】
1.一种基于MES系统的质量管理方法，其特征在于，所述方法包括：
基于预设采集频率和采集类型采集原始质量数据，所述采集类型是基于4M1E法确定的，包括人员类型、设备类型、物料类型、方法类型和环境类型；
根据对所述原始质量数据进行预处理的结果确定质量特征数据，所述预处理包括数据抽取、数据转换和数据加载；
根据所述质量特征数据和预设质量因素的匹配结果获取多个质量模式数据集合，所述预设质量因素为基于历史生产数据确定的影响产品质量的因素；
基于各所述质量模式数据集合对应的预设质量模式选择规则确定有效质量模式数据，并通过所述有效质量模式数据进行质量管理。


2.如权利要求1所述的方法，其特征在于，根据所述质量特征数据和预设质量因素的匹配结果获取多个质量模式数据集合，具体为：
根据所述匹配结果获取多个质量因素数据集合；
根据各所述预设质量因素对应的质量模式因素数设定数据挖掘策略；
基于所述数据挖掘策略将各所述质量因素数据集合划分为各所述质量模式数据集合。


3.如权利要求2所述的方法，其特征在于，基于所述数据挖掘策略将各所述质量因素数据集合划分为各所述质量模式数据集合，具体为：
基于设定最小支持度和最小置信度生成各所述质量因素数据集合对应的候选k项集，其中k为正整数；
对所述候选k项集进行剪枝，获取频繁集，具体的剪枝做法为遍历候选集每一条记录Ti，计算Ti的支持度support(Ti)，若support(Ti)小于最小支持度则删除该条记录；同时遍历Ti中每一个非空子集，若存在非频繁集也删除该条记录；
对获取的频繁集进行自连接，形成下一轮的候选集；
重新对所述候选k项集进行剪枝，获取频繁集，直到没有新的项集满足所述最小支持度；
根据形成的最终频繁集，计算频繁集各项之间的置信度，过滤掉小于所述最小置信度的项集，生成强关联规则并得到各所述质量模式数据集合。


4.如权利要求1所述的方法，其特征在于，根据对所述原始质量数据进行预处理的结果确定质量特征数据，具体为：
从所述原始质量数据对应的各数据源抽取数据到预设临时存储区域，获取数据抽取数据，所述数据抽取数据包括全量抽取数据和增量抽取数据；
将所述数据抽取数据进行数据合并汇总、格式统一、文件过滤、关键数据的重构及定位，获取数据转换数据；
将所述数据转换数据按预设物理和逻辑模型定义从所述预设临时存储区域加载到预设目标数据库，获取数据加载数据；
根据所述数据加载数据确定所述质量特征数据。


5.如权利要求1所述的方法，其特征在于，所述预设质量因素至少包括物理指标因素、生产过程实时状态因素、设备维修因素、辅料信息因素或外...

【专利技术属性】
技术研发人员：孙燕，臧志超，
申请(专利权)人：青岛奥利普自动化控制系统有限公司，
类型：发明
国别省市：山东;37