质量预测系统和质量预测方法技术方案

质量预测系统和质量预测方法。质量预测系统包括：传感器，包括安装在机器上的本机传感器和安装在机器的周围环境中的环境传感器，本机传感器采集机器本身的数据，环境传感器采集周围环境的数据；智能计算单元，其与传感器和机器通信连接，控制传感器进行数据采集，接收传感器采集的数据，并且对数据进行预处理；存储和处理设备，其与智能处理单元通信连接，接收来自智能计算单元的预处理数据，存储所述数据，对预处理数据进行数据处理，在训练模式中，存储和处理设备将预处理数据存储在训练数据集中，将训练数据集输入所述质量预测模型进行训练以得到预测模型参数，在预测模式中，存储和处理设备将预处理的数据输入质量预测模型以给出质量概率。

【技术实现步骤摘要】
质量预测系统和质量预测方法
本专利技术涉及制造领域中的产品质量检测。更具体地，本专利技术涉及基于深度学习的实时质量预测方法。
技术介绍
传统上，在制造过程中，经过“制造-检查-判断”流程后，零件被评估为“合格”或“不合格”，这仍然是当今制造业确保质量的工作流程。该流程规定：在进行检查之前，零件必须“完全完成”加工的每一个步骤。为了尽可能减少等待时间以提高生产效率，零件的制造过程是一个接一个进行的。这意味着，不清楚刚刚制造出的零件是否是“合格的”。这会导致以下两种情况。在第一种情况下，为了进行判断，需要停止流水线并且对制造出的零件进行质量检查。此时，在质量检查完成之前，不能继续后续零件的生产。由于每生产完一个零件都必须暂停以等待检查结果，这将导致生产率降低。在第二种情况下，如果选择继续生产，并且被质量检查的零件被判定为“不合格”，并且是由损坏的切割工具引起的，则在这个零件的检测过程中，机器会继续生产不合格的零件。这会导致原材料和机器时间的浪费。因此，如果零件刚生产完成，就知道是否合格，是非常有价值的。此外，产品的可追溯性通常与实际生产过程本文档来自技高网...

【技术保护点】
1.一种质量预测系统，所述质量预测系统包括：/n多个传感器，所述多个传感器包括安装在制造产品的机器上的本机传感器和安装在所述机器的周围环境中的环境传感器，所述本机传感器直接采集所述机器本身的多种数据，并且所述环境传感器采集所述周围环境中的多种数据；/n智能计算单元，所述智能计算单元与所述多个传感器和所述机器的控制部通信连接，控制所述多个传感器进行数据采集，接收所述多个传感器所采集的数据，并且对接收到的数据进行预处理；/n存储和处理设备，所述存储和处理设备与所述智能处理单元通信联接，接收来自智能计算单元的预处理数据，存储所述预处理数据，并且对所述预处理数据进行数据处理，/n其中，在训练模式中，所...

【技术特征摘要】
1.一种质量预测系统，所述质量预测系统包括：
多个传感器，所述多个传感器包括安装在制造产品的机器上的本机传感器和安装在所述机器的周围环境中的环境传感器，所述本机传感器直接采集所述机器本身的多种数据，并且所述环境传感器采集所述周围环境中的多种数据；
智能计算单元，所述智能计算单元与所述多个传感器和所述机器的控制部通信连接，控制所述多个传感器进行数据采集，接收所述多个传感器所采集的数据，并且对接收到的数据进行预处理；
存储和处理设备，所述存储和处理设备与所述智能处理单元通信联接，接收来自智能计算单元的预处理数据，存储所述预处理数据，并且对所述预处理数据进行数据处理，
其中，在训练模式中，所述存储和处理设备将所述预处理的数据存储在训练数据集中，将所述训练数据集输入质量预测模型进行训练以得到预测模型参数，并且其中，在预测模式中，所述存储和处理设备将所述预处理的数据输入所述质量预测模型以给出质量概率。


2.根据权利要求1所述的质量预测系统，其中，所述质量预测系统还包括显示设备，所述显示设备与所述存储和处理设备连接，显示从所述存储和处理设备接收到的质量概率。


3.根据权利要求1所述的质量预测系统，其中，所述存储和处理设备周期性地进入所述训练模式以迭代地进行质量训练。


4.根据权利要求3所述的质量预测系统，其中，所述训练是针对多个产品批量进行的。


5.根据权利要求3所述的质量预测系统，其中，所述存储和处理设备能够在所述预测模式中对产品的质量进行预测的同时利用所述产品的所述预处理数据对所述质量预测模型进行实时训练。


6.根据权利要求1所述的质量预测系统，其中，所述智能计算单元所执行的预处理包括数据格式化处理。


7.根据权利要求6所述的质量预测系统，其中，所述数据格式化处理包括将从所述多个传感器接收到的数据按照预定格式连接在一起。


8.根据权利要求6所述的质量预测系统，其中，所述数据格式化处理包括将从所述多个传感器接收到的数据与从所述机器的所述控制部接收到的标识数据和运行数据连接在一起。


9.根据权利要求1所述的质量预测系统，其中，所述多个传感器是在所述智能计算单元的控制下按照预定的采样间隔周期性地进行数据采集的。


10.根据权利要求9所述的质量预测系统，其中，所述采样间隔是根据所训练的质量预测模型的训练度确定的，其中，如果所述训练度不符合要求，则将所述采样间隔调整为更小以获得更多的数据。


11.根据权利要求1所述的质量预测系统，其中，在所述训练模式中，所述预处理数据在存储在所述训练数据集中之前被人工地或通过专用测量机器判定为是否合格。


12.根据权利要求11所述的质量预测系统，其中，在所述训练模式中，针对预定数量产品中的各个产品，判断该产品的所述预处理数据是否合格，如果判断为合格，则将与该产品关联的预处理数据标记为合格并输入所述训练数据集中以作为合格产品来训练所述质量预测模型。


13.根据权利要求11所述的质量预测系统，其中，在所述训练模式中，针对预定数量产品中的各个产品，判断该产品的所述预处理数据是否合格，如果判断为不合格，则将与该产品关联的预处理数据标记为不合格并输入所述训练数据集中以作为不合格产品来训练所述质量预测模型。


14.根据权利要求11所述的质量预测系统，其中，在对一产品进行质量预测时，如果所述质量预测系统给出的质量概率是不令人满意的，则所述质量预测系统的操作员拒绝所述质量概率，并且指示所述质量预测系统利用该产品的预处理数据对所述质量预测模型进行重新训练。


15.根据权利要求1所述的质量预测系统，其中，所述存储和处理设备将所述产品和生产所述产品的所述机器关联起来，以建立所述产品的可追溯性。


16.根据权利要求1所述的质量预测系统，其中，所述多个传感器包括以下传感器中的至少一...

【专利技术属性】
技术研发人员：谢德威，李尚勇，惠伟，
申请(专利权)人：海克斯康制造智能技术青岛有限公司，
类型：发明
国别省市：山东;37