一种用于机床加工工时预测的方法及设备技术

本申请公开了一种用于机床加工工时预测的方法及设备，属于机床控制系统领域，方法包括：采集机床加工程序中的信息，以确定机床加工的若干产品分别对应的加工程序的加工时长，并在加工程序中提取与加工时长有关的数据特征；将加工同一产品的数据特征与加工时长进行关联，以得到加工程序对应的机床工时训练样本；基于训练样本，生成数据清洗模型，并通过数据清洗模型对训练样本进行清洗；基于清洗后的训练样本，生成产品工时预测模型，以通过产品工时预测模型对机床加工产品的工时进行预测。工时预测由人工预测提升到自动化预测模式，根据生产实际情况进行柔性变化，改变了依赖人员或依赖多个软件的高成本方案，对于制造业车间管理提供了数据支持。管理提供了数据支持。管理提供了数据支持。

【技术实现步骤摘要】
一种用于机床加工工时预测的方法及设备


[0001]本申请涉及机床控制系统领域，具体涉及一种用于机床加工工时预测的方法及设备。

技术介绍

[0002]数控机床在加工过程中，通常包含有多个加工程序，若是能够合理的安排各加工程序的工时，则能够提高机床的工作效率。
[0003]现有技术中，通常通过人工预测方式对机床加工产品的工时进行预测。人工预测依赖于人为经验，其预测结果往往与实际工时相差较大。另外，有部分厂家采用软件预测工时，此种方法是通过机床内置的设备监控机床的生产信息，从而通过该设备内置的软件对机床的生产工时进行预测。由于该软件主要用于对机床加工状态进行监控，因此虽然能够利用该软件对工时进行预测，但往往预测结果误差也较大。

技术实现思路

[0004]为了解决上述问题，本申请提出了一种用于机床加工工时预测的方法及设备，用以解决机床工时预测效果不佳的问题。
[0005]一方面，本申请提出了一种用于机床加工工时预测的方法，包括：采集机床加工程序中的信息，以确定所述机床加工的若干产品分别对应的加工程序的加工时长，并在所述加工程序中提取与所述加工时长有关的数据特征；将加工同一产品的所述数据特征与所述加工时长进行关联，以得到所述加工程序对应的机床工时训练样本；基于所述训练样本，生成数据清洗模型，并通过所述数据清洗模型对所述训练样本进行清洗；基于清洗后的训练样本，生成产品工时预测模型，以通过所述产品工时预测模型对机床加工产品的工时进行预测。
[0006]在一个示例中，所述基于所述训练样本，生成数据清洗模型，并通过所述数据清洗模型对所述训练样本进行清洗，具体包括：将所述训练样本分成若干组，根据所述若干组中的第一组训练样本训练所述数据清洗模型；通过训练后的数据清洗模型，对所述若干组中的第二组训练样本分别对应的生产工时进行预测，将预测结果与相应训练样本中的所述加工时长做比较，得到比较结果；在所述第二组训练样本中，将所述比较结果不符合预设要求的训练样本移除，以更新所述第二组训练样本，从而实现对所述训练样本的清洗。
[0007]在一个示例中，在所述将所述比较结果不符合预设要求的训练样本移除之后，所述方法还包括：根据更新后的第二组训练样本，训练所述数据清洗模型，通过该次训练后的数据清洗模型，对所述第一组训练样本分别对应的生产工时进行预测，得到所述该次训练对应的该次预测结果；将所述该次预测结果与相应训练样本中的所述加工时长做比较，得到所述该次训练对应的该次比较结果；在所述第一组训练样本中，将所述该次比较结果不符合预设要求的训练样本移出，以更新所述第一组训练样本。
[0008]通过重复训练数据清洗模型，使得数据清洗过程更加准确，相比于现有的其他数
据清洗方式，能够有效剔除异常数据，保证了后续的产品工时预测模型训练时的准确性。
[0009]在一个示例中，所述在所述加工程序中提取与所述加工时长有关的数据特征，具体包括：根据所述加工程序中的信息，确定产品加工过程中加工刀具的转向点数量、产品的尺寸以及机床各轴分别对应的移动距离和加工倍率；根据所述机床各轴分别对应的所述移动距离、所述加工倍率，确定所述机床各轴分别对应的运行时长特征值，并根据所述转向点数量确定所述加工刀具的转向时长特征值，并根据所述产品的尺寸确定产品的尺寸特征值；基于所述机床各轴分别对应的运行时长特征值，并根据所述加工刀具的转向时长特征值，所述产品的尺寸特征值中的一个或多个，确定与所述加工时长有关的数据特征。
[0010]在一个示例中，所述根据所述机床各轴分别对应的所述移动距离、所述加工倍率，确定所述机床各轴分别对应的运行时长特征值，具体包括：根据样本数据库，对机器学习算法进行训练，得到加工时长系数模型，所述样本数据库中的各样本与加工时长相关；将机床各轴分别对应的移动距离D、加工倍率S，输入所述加工时长系数模型，得到对应的加工时长系数a；根据，确定所述各轴对应的运行时长特征值。
[0011]由于机床在运行过程中存在启动、停止、转向等过程，其在各轴上运动时并非一直按照匀速前进的，如果只将移动距离与加工倍率相除，最终得到的运行时长特征值可能并不准确。而通过机器学习得到加工时长系数模型，并通过得到运行时长特征值，能够有效提高最终得到的加工时长特征值的准确性，更贴合机床的实际生产。
[0012]在一个示例中，所述提取与所述加工时长有关的数据特征，具体包括：针对所述机床的每个轴，将该轴方向对应的加工时长中两端的部分加工时长移除，以减少抬刀现象对所述产品工时预测模型训练的影响。
[0013]将特别长或特别短的部分数据移除后，使得剩余的加工时长更具备代表性，减少了抬刀现象对产品工时预测模型训练过程中产生的影响，保证了产品工时预测模型的准确性。
[0014]在一个示例中，所述采集机床加工程序中的信息，以确定所述机床加工的若干产品分别对应的加工程序的加工时长，具体包括：通过机床上的采集端口，采集产品加工过程中的数控程序中的数据，形成若干采集点数据，通过分析相邻的采集点数据是否属于同一加工程序，进而确定相应加工程序的启停时间，根据所述启停时间得到该加工程序的加工时长。
[0015]在一个示例中，所述在所述加工程序中提取与所述加工时长有关的数据特征，具体包括：在所述加工程序中，通过所述数控程序中上一行程序指示出的加工倍率，得到下一行程序对应的加工倍率，以将加工倍率拆分到所述数控程序中的每一行；根据每一行程序中对应的加工倍率，确定各采集点对应的加工倍率；将各采集点坐标以及相应加工倍率，以表格方式对应存储，以便于通过所述表格获取所述与所述加工时间有关的数据特征。
[0016]解决了在代码编辑过程中导致的加工倍率不存在于每一行的问题，能够使得每行代码中都存在有相应的加工倍率，以便于机床对应的数控程序在表格中获取所述数据特征。
[0017]在一个示例中，所述根据样本数据库，对机器学习算法进行训练，得到加工时长系数模型，具体包括：针对样本训练库中的每个训练样本，根据该训练样本中所包含的多个移
动距离D和对应的加工倍率S，通过得到多个自变量；该训练样本中的加工时长为因变量；其中，所述移动距离D由以下方式得到：在数控程序文件中，针对各个轴，通过后一行中的坐标数据，与前一行中的坐标数据之间的变化值，确定该轴对应的移动距离；根据所述自变量的数量生成待定线性回归方程，所述待定线性回归方程中包括相应数量待定系数的系数组；选取所述数量的训练样本，将对应的所述多个自变量和所述因变量输入至所述待定线性回归方程内，求解得到所述待定线性回归方程对应的所述系数组；根据所述系数组得到加工时长系数模型。
[0018]另一方面，本申请还提出了一种用于机床加工工时预测的设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有能被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的任意一种用于机床加工工时预测的方法。
[0019]通过采集加工时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于机床加工工时预测的方法，其特征在于，包括：采集机床加工程序中的信息，以确定所述机床加工的若干产品分别对应的加工程序的加工时长，并在所述加工程序中提取与所述加工时长有关的数据特征；将加工同一产品的所述数据特征与所述加工时长进行关联，以得到所述加工程序对应的机床工时训练样本；基于所述训练样本，生成数据清洗模型，并通过所述数据清洗模型对所述训练样本进行清洗；基于清洗后的训练样本，生成产品工时预测模型，以通过所述产品工时预测模型对机床加工产品的工时进行预测。2.根据权利要求1所述的方法，其特征在于，所述基于所述训练样本，生成数据清洗模型，并通过所述数据清洗模型对所述训练样本进行清洗，具体包括：将所述训练样本分成若干组，根据所述若干组中的第一组训练样本训练所述数据清洗模型；通过训练后的数据清洗模型，对所述若干组中的第二组训练样本分别对应的生产工时进行预测，将预测结果与相应训练样本中的所述加工时长做比较，得到比较结果；在所述第二组训练样本中，将所述比较结果不符合预设要求的训练样本移除，以更新所述第二组训练样本，从而实现对所述训练样本的清洗。3.根据权利要求2所述的方法，其特征在于，在所述将所述比较结果不符合预设要求的训练样本移除之后，所述方法还包括：根据更新后的第二组训练样本，训练所述数据清洗模型，通过该次训练后的数据清洗模型，对所述第一组训练样本分别对应的生产工时进行预测，得到所述该次训练对应的该次预测结果；将所述该次预测结果与相应训练样本中的所述加工时长做比较，得到所述该次训练对应的该次比较结果；在所述第一组训练样本中，将所述该次比较结果不符合预设要求的训练样本移出，以更新所述第一组训练样本。4.如权利要求1所述的方法，其特征在于，所述在所述加工程序中提取与所述加工时长有关的数据特征，具体包括：根据所述加工程序中的信息，确定产品加工过程中加工刀具的转向点数量、产品的尺寸以及机床各轴分别对应的移动距离和加工倍率；根据所述机床各轴分别对应的所述移动距离、所述加工倍率，确定所述机床各轴分别对应的运行时长特征值，并根据所述转向点数量确定所述加工刀具的转向时长特征值，并根据所述产品的尺寸确定产品的尺寸特征值；基于所述机床各轴分别对应的运行时长特征值，并根据所述加工刀具的转向时长特征值，所述产品的尺寸特征值中的一个或多个，确定与所述加工时长有关的数据特征。5.如权利要求4所述的方法，其特征在于，所述根据所述机床各轴分别对应的所述移动距离、所述加工倍率，确定所述机床各轴分别对应的运行时长特征值，具体包括：根据样本数据库，对机器学习算...

【专利技术属性】
技术研发人员：徐得玉，张禄，蔡文东，王文超，李海翔，孙涛，刘学彬，崔凤君，李昱坤，席学伟，苏星，夏夕亮，
申请(专利权)人：山东豪泉软件技术有限公司，
类型：发明
国别省市：