一种模具全生命周期管理系统技术方案

本发明专利技术涉及工业互联网和智能制造领域。本发明专利技术公开了一种一种模具全生命周期管理系统，至少包括：模具采购模块、模具故障检修模块和模具库存评估管理模块；其中：所述模具库存评估管理模块应用模具安全库存评估方法对模具库存寿命进行评估，所述模具库存评估管理模块从所述模具故障检修模块的所述异常检测单元和工业传感器获得相关特征数据输入，应用模具安全库存评估方法进行计算，输出模具库存安全预警和最优库存补库量，最后将最优库存补库量通知给所述模具采购模块。本发明专利技术切实有效地解决了传统模具管理和模具库存评估存在的无实时监测、无库存寿命动态预测和计算最优补库量等问题，提高了企业生产效率和产品良品率。

【技术实现步骤摘要】
一种模具全生命周期管理系统
本专利技术涉及工业互联网和智能制造领域，特别是指一种模具全生命周期管理系统和模具安全库存评估方法。
技术介绍
模具被称为“工业之母”，在现代工业生产中占有极其重要的地位，在制造业生产过程中很多零部件都离不开模具。由于模具在生产过程中具有的重要作用，生产管理人员需随时、准确的掌握每个模具的使用次数、时间等信息，对模具库存进行有效评估和管理。而传统模具库存评估和管理存在以下几个问题：对模具的检测需在停机的情况下以人工借助辅助设备的方式进行检测，无法实时监测，占用生产时间过长且效率低下，不适合大规模的生产环境；对模具寿命的预测仅依据模具使用次数进行静态统计，未考虑到模具生产过程中的非正常磨损对模具正常寿命的影响；对模具安全库存的评估缺乏从经济成本的角度来综合考虑最优补库量。因此如何通过模具的全生命周期管理和模具安全库存评估方法提高企业生产管理效率、缩短产品生产排期、降低企业生产成本、提升企业形象是现阶段制造工业中的关键技术问题。
技术实现思路
为了解决传统模具管理和模具库存评估存在的问题，本专利技术提出一种模具全生命周期管理系统。本专利技术采用的具体方案如下：一种模具全生命周期管理系统，至少包括：模具采购模块、模具故障检修模块和模具库存评估管理模块；其中：所述模具库存评估管理模块应用模具安全库存评估方法对模具库存寿命进行评估，所述模具库存评估管理模块从所述模具故障检修模块的所述异常检测单元和工业传感器获得相关特征数据输入，应用模具安全库存评估方法进行计算，输出模具库存安全预警和最优库存补库量，最后将最优库存补库量通知给所述模具采购模块。进一步的，所述模具库存评估管理模块应用模具安全库存评估方法对模具库存寿命进行评估，具体是：首先基于网格划分的机器视觉算法对模具异常进行实时监测，鉴别异常模具和正常磨损模具；然后基于循环神经网络算法对磨损模具寿命进行动态预测，根据磨损模具寿命变化情况动态计算库存模具总寿命；最后，计算模具补库点，将库存模具总寿命与补库点进行对比，确定库存模具是否处于安全值，并计算补库情况下的最优补库量。更进一步的，所述模具库存评估管理模块应用模具安全库存评估方法对模具库存寿命进行评估，包括以下步骤：步骤1：对通过工业传感器获得的原始信号数据进行基于时域、频域和时频域分析的信号特征降维、特征筛选和特征提取的预处理；步骤2：将预处理后的特征数据和模具故障检修模块的异常检测单元的输出数据作为输入数据X＝[Xm1,Xm2,Xm3,…,Xm7]T，包含m组7种影响模具寿命的参数类型，即加工振动特征数据、应力特征数据、温度特征数据、膨胀系数特征数据、压射速度特征数据、已加工次数和磨损面积特征数据；步骤3:以模具第一次使用作为初始时间点，以输入数据X作为模型训练数据；步骤4：确定模型参数及计算函数，定义t时刻模型输入xt和输出ut，t-1时刻的输出ut-1(初始状态下，ut-1＝0)，σ为sigmoid激活函数，取值在[0,1]之间，tanh为双曲正切函数，取值[-1,1]之间，更新门权值矩阵Wb，重置门权值矩阵Wq，⊙表示矩阵相乘，当前输入的隐含层权值矩阵W，重置门函数和更新门函数分别表达为(1)和(2)，当前输入的隐含层表达式为(3)qt＝σ(Wq·[ut-1,xt])(1)bt＝σ(Wb·[ut-1,xt])(2)u′t＝tanh(W·[qt⊙ut-1,xt])(3)将t时刻训练数据输入模型，根据qt计算出保留的历史记忆信息(初始状态下，qt＝0)，将qt和xt代入u′t计算得出当前时刻隐含层信息，根据u′t和bt通过以下更新公式计算得出当前时刻t的输出值ut；ut＝(1-bt)⊙ut-1+bt⊙u′t步骤5：重复步骤4，计算出所有时间点的输出值；步骤6：根据ut反向计算每个时间点上的总误差值项，根据总误差值项对权值矩阵Wb、Wq、W求一阶偏导之和，得出权值矩阵梯度，完成一个时间步的反向传播计算；步骤7：重复步骤6，直至求出最优权值矩阵，即权值矩阵梯度最优；步骤8：将实时采集到的数据输入训练后的模型，得出最终模具最优输出值，即模具寿命减少量QW；步骤9：库存模具总寿命计算；在Dt-1天，库存模具总寿命Y，在Dt天，通过异常监测模块检测出的报废模具总寿命QR,正常磨损模具总寿命减少量QW，已维修完成重新投入使用的模具总寿命QT，送维修的模具总寿命QU，则在Dt天模具剩余总寿命P：P＝Y+QT-QR-QW-QU步骤10：计算补库点R；模具年使用个数D，单个模具制造时间LT，模具额定寿命L，安全预留量Q*，则：通过步骤9计算的模具库存总寿命P与补库点R进行比较，若库存剩余总寿命P小于R时，则提示需要补库；反之，则不用；步骤11：计算最优补库量；若库存需要进行模具补库，为了确保最优生产成本投入，需计算最优补库量；设模具制造单价U，单次生产个数Q，单次生产额外成本K，年单位存储成本C,则：对以上公式求Q的一阶导数，得到最优单次生产个数Q最优:进一步的，所述模具故障检修模块包括：模具巡检单元、异常监测单元、故障申报单元、模具更换单元和模具维修单元；所述模具巡检单元用于对库存模具进行定期检测、记录巡检信息和创建试模任务；所述异常监测单元应用基于网格划分的机器视觉算法对异常模具进行监测；所述故障申报单元用于实现模具使用过程和存储过程的故障申报流程；所述模具更换单元用于实现模具使用过程中的模具替换和代用模具替换信息查询；所述模具维修单元用于提供模具维修过程档案信息记录、查询和统计分析。更进一步的，所述异常监测单元应用基于网格划分的机器视觉算法对异常模具进行监测，包括以下步骤：步骤1：通过工业摄像机实时采集待匹配模具图像；步骤2：对采集的待匹配模具图像和无缺陷原始模具图像采用灰度化、均值滤波噪声和高斯平滑滤波噪声进行图像预处理，去除图像中的噪声，保留有效特征信息；步骤3：对采集的待匹配模具图像和无缺陷原始模具图像进行网格划分，降低数据维度；定义网格尺度划分参数为将2幅图像分别划分为个相同的子矩阵；步骤4：每个子矩阵采用改进的特征点提取与匹配方法提取特征点并进行图像匹配；步骤4.1：对图像上像素点q与其为中心的半径r＝3范围内的16个像素点进行绝对值之差计算，计算值为集合T＝{p1,p2,p3…p16}；步骤4.2：将集合T中的每个值与阈值进行比较，若则保留；若则去掉，最终若集合T中有超过10个pi值超过设定的阈值，则判定q为待定特征点；否则，判定为非特征点；步骤4.3：判断q与以q为中心5x5像素邻域空间内的其他点特征点pi的差值，若q值比其他特征点大，则保留q为最终特征点；步骤4.4：重复步骤4.1～4.3，直至找出所有最终特征点；步骤4.5：以特征点q为中心，通过5x5矩阵的灰度值像素点计算质心，将q本文档来自技高网...

【技术保护点】
1.一种模具全生命周期管理系统，至少包括：模具采购模块、模具故障检修模块和模具库存评估管理模块；其特征在于：/n所述模具库存评估管理模块应用模具安全库存评估方法对模具库存寿命进行评估，所述模具库存评估管理模块从所述模具故障检修模块的所述异常检测单元和工业传感器获得相关特征数据输入，应用模具安全库存评估方法进行计算，输出模具库存安全预警和最优库存补库量，最后将最优库存补库量通知给所述模具采购模块。/n

【技术特征摘要】
1.一种模具全生命周期管理系统，至少包括：模具采购模块、模具故障检修模块和模具库存评估管理模块；其特征在于：
所述模具库存评估管理模块应用模具安全库存评估方法对模具库存寿命进行评估，所述模具库存评估管理模块从所述模具故障检修模块的所述异常检测单元和工业传感器获得相关特征数据输入，应用模具安全库存评估方法进行计算，输出模具库存安全预警和最优库存补库量，最后将最优库存补库量通知给所述模具采购模块。


2.根据权利要求1所述的模具全生命周期管理系统，其特征在于：所述模具库存评估管理模块应用模具安全库存评估方法对模具库存寿命进行评估，具体是：首先基于网格划分的机器视觉算法对模具异常进行实时监测，鉴别异常模具和正常磨损模具；然后基于循环神经网络算法对磨损模具寿命进行动态预测，根据磨损模具寿命变化情况动态计算库存模具总寿命；最后，计算模具补库点，将库存模具总寿命与补库点进行对比，确定库存模具是否处于安全值，并计算补库情况下的最优补库量。


3.根据权利要求2所述的模具全生命周期管理系统，其特征在于：所述模具库存评估管理模块应用模具安全库存评估方法对模具库存寿命进行评估，包括以下步骤：
步骤1：对通过工业传感器获得的原始信号数据进行基于时域、频域和时频域分析的信号特征降维、特征筛选和特征提取的预处理；
步骤2：将预处理后的特征数据和模具故障检修模块的异常检测单元的输出数据作为输入数据X＝[Xm1，Xm2，Xm3，...，Xm7]T，包含m组7种影响模具寿命的参数类型，即加工振动特征数据、应力特征数据、温度特征数据、膨胀系数特征数据、压射速度特征数据、已加工次数和磨损面积特征数据；
步骤3：以模具第一次使用作为初始时间点，以输入数据X作为模型训练数据；
步骤4：确定模型参数及计算函数，定义t时刻模型输入xt和输出ut，t-1时刻的输出ut-1(初始状态下，ut-1＝0)，σ为sigmoid激活函数，取值在[0，1]之间，tanh为双曲正切函数，取值[-1，1]之间，更新门权值矩阵Wb，重置门权值矩阵Wq，⊙表示矩阵相乘，当前输入的隐含层权值矩阵W，重置门函数和更新门函数分别表达为(1)和(2)，当前输入的隐含层表达式为(3)
qt＝σ(Wq·[ut-1，xt])(1)
bt＝σ(Wb·[ut-1，xt])(2)
u′t＝tanh(W·[qt⊙ut-1，xt])(3)
将t时间训练数据输入模型，根据qt计算出保留的历史记忆信息(初始状态下，qt＝0)，将qt和xt代入u′t计算得出当前时刻隐含层信息，根据u′t和bt通过以下更新公式计算得出当前时刻t的输出值ut；
ut＝(1-bt)⊙ut-1+bt⊙u′t
步骤5：重复步骤4，计算出所有时间点的输出值；
步骤6：根据ut反向计算每个时间点上的总误差值项，根据总误差值项对权值矩阵Wb、Wq、W求一阶偏导之和，得出权值矩阵梯度，完成一个时间步的反向传播计算；
步骤7：重复步骤6，直至求出最优权值矩阵，即权值矩阵梯度最优；
步骤8：将实时采集到的数据输入训练后的模型，得出最终模具最优输出值，即模具寿命减少量QW；
步骤9：库存模具总寿命计算；
在Dt-1天，库存模具总寿命Y，在Dt天，通过异常监测模块检测出的报废模具总寿命QR，正常磨损模具总寿命减少量QW，已维修完成重新投入使用的模具总寿命QT，送维修的模具总寿命QU，则在Dt天模具剩余总寿命P：
P＝Y+QT-QR-QW-QU
步骤10：计算补库点；
模具年使用个数D，单个模具制造时间LT，模具额定寿命L，安全预留量Q*，则：



通过步骤9计算的模具库存总寿命P与补库点R进行比较，若库存剩余总寿命P小于R时，则提示需要补库；反之，则不用；
步骤11：计算最优补库量；
若库存需要进行模具补库，为了确保最优生产成本投入，需计算最优补库量；设模具制造单价U，单次生产个数Q，单次生产额外成本K，年单位存储成本C，则：



对以上公式求Q的一阶导数，得到最优单次生产个数Q最优：





4.根据权利要求1所述的模具全生命周期管理系统，其特征在于：所述模具故障检修模块包括：模具巡检单元、异常监测单元、故障申报单元、模具更换单元和模具维修单元；所述模具巡检单元用于对库存模具进行定期检测、记录巡检信息和创建试模任务；所述异常监测单元应用基于网格划分的机器视觉算法对异常模具进行监测；所述故障申报单元用于实现模具使用过程和存储过程的故障申报流程；所述模具更换单元用于实现模具使用过程中的模具替换和代用模具替换信息查询；所述模具维修单元用于提供模具维修过程档案信息记录、查询和统计分析。


5.根据权利要求4所...

【专利技术属性】
技术研发人员：王维龙，郑孟凯，杨开益，郭文水，
申请(专利权)人：厦门嵘拓物联科技有限公司，
类型：发明
国别省市：福建;35