一种基于FFM模型的车间设备综合效率预测方法及系统技术方案

本发明专利技术提出一种基于FFM模型的车间设备综合效率预测方法及系统，涉及智能化车间生产的技术领域，首先实时采集车间生产设备的运行数据与生产管理系统MES中的数据，然后进行预处理和标注，引入FFM神经网络模型，利用标注数据集训练FFM神经网络模型，得到训练好的车间设备生产质量预测模型，最后实时采集车间设备运行数据等，将训练好的车间设备生产质量预测模型用于产品合格率预测，基于产品合格率预测结果，求解车间设备综合效率，突破了人工运算良品率和设备综合效率的人为误差和统计滞后性的局限性，实时发现与定位异常的生产设备，及时优化生产，可实现实时并且较准确地计算生产车间的设备综合效率，为后续人工智能算法在生产车间的工程应用提供了新思路。产车间的工程应用提供了新思路。产车间的工程应用提供了新思路。

【技术实现步骤摘要】
一种基于FFM模型的车间设备综合效率预测方法及系统


[0001]本专利技术涉及智能化车间生产的
，更具体地，涉及一种基于FFM模型的车间设备综合效率预测方法及系统。

技术介绍

[0002]随着国际竞争日益激烈，生产制造车间更多地关注产能与设备效率，以期通过降低停机时间、减少无效浪费、实现产能提升，从而摊薄成本，增加企业竞争力。全局设备效率(Overall Equipment Effectiveness，OEE)是识别和消除生产过程损失的强大手段，由时间稼动率，性能稼动率和良品率组成。基于时间稼动率、性能稼动率和良品率，OEE捕捉每天产能波动，追踪特定时间段内设备效率，旨在减少设备停机时间和提高车间生产效率。
[0003]然而，部分OEE采用人工统计的方法，人为失误率高，且人工成本巨大，而且数据处理多为生产结束后线下事后进行，具有一定滞后性，实时性差。现有技术中公开了一种融合制造设备退化信息的生产合格率预测方法，通过搜集设备特征参数信息和产品合格率信息，构建信息融合模型实现预测产品合格率。但该方法预测产品品类单一，对于不同设备、不同本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于FFM模型的车间设备综合效率预测方法，其特征在于，所述方法包括以下步骤：S1.实时采集生产设备运行数据，确定生产管理系统MES中的生产数据；S2.对生产设备运行数据与生产管理系统MES中的生产数据进行预处理，得到集成数据向量；S3.根据生产管理系统MES中历史质量数据来标注集成数据向量，得到标注数据集；S4.引入FFM神经网络模型，利用标注数据集训练FFM神经网络模型，得到训练好的车间设备生产质量预测模型；S5.按步骤S1～S2采集实时场景的生产设备运行数据与生产管理系统MES中的生产数据并预处理，得到集成数据向量，将该集成数据向量作为车间设备生产质量预测模型的输入，进行产品合格率预测；S6.根据产品合格率预测结果，求解车间设备综合效率。2.根据权利要求1所述的基于FFM模型的车间设备综合效率预测方法，其特征在于，在步骤S1中，实时采集的生产设备运行数据包括设备供电电流、设备运行温度、设备电机转速、进给速度、压力，整理为生产设备运行数据向量形式E，表征为E:<时间戳，设备编号，设备名称，运行数据1，运行数据2，
…
，运行数据n>＝<时间，设备编号，设备运行温度，设备供电电流，设备电机转速，进给速度，压力>，生产管理系统MES中的生产数据包括跟生产设备相关的排产、报工和质检数据，生产设备运行数据中时间戳与生产设备标识抽取生产管理系统中对应时间段产品批次生产的排产报工数据为R，表征为R：<时间，设备编号，订单编号，生产任务编号，工序名称，生产产品总数，图纸编号，操作人员id>，该批次产品质量检测结果数据为Q，表征为Q：<时间，设备编号，订单编号，生产任务编号，工序名称，图纸编号，生产产品总数，产品合格数量，产品不合格数量>。3.根据权利要求2所述的基于FFM模型的车间设备综合效率预测方法，其特征在于，在步骤S2中，根据时间戳与设备编号将设备运行数据和排产报工数据向量进行集成，构建对应生产批次设备运行数据与产品生产数据的集成数据向量C，表征为C：<时间，设备编号，生产产品总数，工序名称，图纸编号，操作人员id，设备名称，运行数据1，运行数据2，
…
，运行数据n>＝<时间，生产产品总数，工序名称，图纸编号，操作人员id，设备名称，设备编号，设备运行温度，设备供电电流，设备电机转速，进给速度，压力>。4.根据权利要求3所述的基于FFM模型的车间设备综合效率预测方法，其特征在于，在步骤S3中，基于该批次产品质量检测数据对当前产品批次集成数据向量的质量状态进行标注，表征为B：<时间，设备编号，生产产品总数，工序名称，图纸编号，操作人员id，设备名称，运行数据1，运行数据2，
…
，运行数据n，质量状态>＝<时间，设备编号，生产产品总数，工序名称，图纸编号，操作人员id，设备名称，设备运行温度，设备供电电流，设备电机转速，进给速度，压力,质量状态>，其中合格产品质量状态标记为0，不合格产品质量状态标记为1。5.根据权利要求4所述的基于FFM模型的车间设备综合效率预测方法，其特征在于，对标注数据集进行重新编码，使所有数据转变为数值型数据，形成纯数字向量形式；其中，<时间，设备编号，工序名称，图纸编号，操作人员id，设备名称>数据类型为类别型数据，<生产产品总数>及各设备运行数据<运行数据1，运行数据2，
…
，运行数据n>＝<设备运行温度，设备供电电流，设备电机转速，进给速度，压力>数据类型为数值型数据，对数值型数据进行归
一化处理，将数值型数据限制在0～1的范围内；采用独热编码对标注数据集进行重新编码，使类别型数据转换成为对应特征值的数值型数据，并根据原始标注数据集B中类别型数据的字段，同时将同一字段下的特征划分为同一个特征域中，编码后的向量为Bt：<标识,x1,x2,x3,x4,...,x
n
>＝<质量状态,时间，生产产品总数，设备运行温度，设备供电电流，设备电机转速，进给速度，压力,设备编号1，设备编号2
…

【专利技术属性】
技术研发人员：王美林，何家贤，冯志鹏，邸江磊，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：