一种组件化的生产过程控制管理方法及系统与流程

1.本技术涉及制造业生产线优化的领域，尤其是涉及一种组件化的生产过程控制管理方法及系统。


背景技术：

2.大部分制造业企业针对本企业的生产加工效益的评价和优化，仅仅从某一个生产线环节或方向来评价或优化生产效益中的某一层次。有时候其它生产线环节或方向也会对该层次的生产效益产生附带影响。所以仅仅从某一个生产线环节或方向来评价或优化是不全面、不客观、不可信的。因此，如何全面收集制造业企业生产的产品在不同生产线环节的关键数据，并根据关键数据提出制造业生产的优化方法是亟待解决的技术问题。
3.cn201910536111.7公开了一种基于缓存区容量计算的自动化生产线优化方法，其技术方案为：确定自动化生产线的各工序生产参数、关键段瓶颈工序，并对初始生产线的运营情况进行信息采集，获得各工序生产参数的变化范围；根据初始生产线的工艺流程和工厂布局，建立自动化生产线仿真模型，加载各工序生产参数的初值后运行，获得生产效率评价指标；在所述变化范围内改变各工序生产参数的数值，重新运行所述自动化生产线仿真模型，根据仿真结果中生产效率指标的变化确定影响生产线生产效率的因素以及其优化数值；在所述关键段瓶颈工序两侧分别设置缓存区，再次运行所述自动化生产线仿真模型，获得不影响生产线生产效率的缓存区容量；根据所述不影响生产效率的因素以及其优化数值、不影响生产线生产效率的缓存区容量更新所述初始生产线，作为优化后的生产线；基于所述缓存区容量以及影响生产线生产效率的因素的优化数值，再次运行所述自动化生产线仿真模型，获得关键段可用度b；判断所述关键段可用度b与缓存区容量的线性比例是否小于额定值，如果小于，判定此时的缓存区容量为缓存区容量最佳值；如果不小于，调整缓存区容量以及关键段工序节拍，直到关键段可用度b与缓存区容量的线性比例小于额定值为止。
4.该基于缓存区容量计算的自动化生产线优化方法具有以下优点：考虑了生产波动对生产线生产效率的影响，通过输入自动化生产线的各项实际采集的生产参数，构建更加真实的仿真模型，然后通过分析仿真结果，获得合理的生产参数优化数值，优化成本低。在不增减、不更换现有设备的情况下，既能给予新的生产线设计，也能基于现有生产线进行改造，应用前景很好。并且，通过设置缓冲区，能够减少关键段大量试验带来的成本损失。经大量试验证明，上述方法能够消除因设备故障导致的生产物流堵塞、设备利用率低、生产效率低问题，最终消除生产波动对生产线生产效率的影响；通过设置缓冲区容量和关键段工序节拍，结合物理理论仿真来减小大量试验带来的成本损失。通过改变缓冲区容量大小，来获得关键段可用度b的变化曲线，当关键段可用度b随缓存区容量的变化率小于额定值(1/5)时，认为此时缓存区容量为合理取值，获得缓存区容量最佳值。
5.但是，该基于缓存区容量计算的自动化生产线优化方法也具有以下缺点：无法同时评价生产各工序生产状况以及生产过程整体状况，评价结果具有片面性；对生产状况的
评价标准仅考量了生产效率，未考虑生产品质，评价结果不严谨。
6.因此，需要一种能同时评价生产各工序生产状况以及生产过程整体状况、既考虑生产效率也考虑生产品质的方法或系统。


技术实现要素：

7.为了解决无法同时评价生产各工序生产状况以及生产过程整体状况、评价标准仅考量了生产效率未考虑生产品质的问题，本技术提供一种组件化的生产过程控制管理方法及系统。
8.本技术提供一种组件化的生产过程控制管理方法，包括以下步骤：步骤s1，前期准备，收集平台内所有成员生产参数，上传至大数据平台1，并形成评估模型；步骤s2，组件化评价生产过程，将企业生产过程拆解为生产子组件，并对拆解后的各生产子组件进行评价，并组合生产子组件对生产过程进行整体评价；步骤s3，生产优化，根据生产过程评价结果，以及评价问题所在位置，采取优化措施。
9.进一步的，所述步骤s1包括：步骤s11，收集生产工艺参数，成员终端对平台内不同成员的生产记录进行收集，提取生产记录的生产案例中的生产工艺参数，标记生产案例编号，并上传至大数据平台；步骤s12，收集生产过程参数，成员终端对平台内不同成员的生产记录进行收集，提取生产记录的生产案例中的生产过程参数，标记生产案例编号，并上传至大数据平台；步骤s13，收集生产结果参数，成员终端对平台内不同成员的生产记录进行收集，提取生产记录的生产案例中的产品规格、产量以及对应的规格要求和产量要求，标记生产案例编号，并上传至大数据平台；步骤s14，对应分析，分析不同生产参数与各生产结果参数之间的对应关系，并以此形成相关系数数据库；所述生产工艺参数包括但不限于：生产工艺温度、生产工艺时间、生产原料性能、生产耗材性能、生产气氛浓度；所述生产过程参数包括但不限于：单次生产数量、工序切换时间。
10.进一步的，所述步骤s14中，对应关系分析方法为：，，其中，i表示为生产案例编号；n表示为生产案例总数量；xi表示为编号为i的生产案例中某生产参数的参数值；yi表示为编号为i的生产案例中某产量参数的参数值；
zi表示为编号为i的生产案例中某品质参数的参数值；p表示为第一类相关系数，p为正值则该生产参数与该产量参数正相关，p为负值则该生产参数与该产量参数负相关；p的绝对值越大，则该生产参数对该产量参数的对应关系越强；p的绝对值越小，则该生产参数对该产量参数的对应关系越弱；q表示为第二类相关系数，q为正值则该生产参数与该品质参数正相关，q为负值则该生产参数与该品质参数负相关；q的绝对值越大，则该生产参数对该品质参数的对应关系越强；q的绝对值越小，则该生产参数对该品质参数的对应关系越弱。
11.通过采用上述技术方案，第一类相关系数表现了生产参数与产量的关系，第二类相关系数表现了生产参数与品质的关系，提供了生产过程评价的数据基础。
12.进一步的，所述步骤s14中，当产品产量要求同时存在上限a和下限b时:若生产产量e满足e＞a或e＜b，则产量参数为1；若生产产量e满足b≤e＜或＜e≤a，则产量参数为2；若生产产量e满足≤e≤，则产量参数为3；当产品产量要求仅存在上限a时：若生产产量e满足e＞a，则产量参数为1；若生产产量e满足0.9a＜e≤a，则产量参数为2；若生产产量e满足e≤0.9a，则产量参数为3；当产品产量要求仅存在下限b时：若生产产量e满足e＜b，则产量参数为1；若生产产量e满足b≤e＜1.1b，则产量参数为2；若生产产量e满足e≥1.1b，则产量参数为3；若产品品质规格要求同时存在上限c和下限d时:若生产产量f满足f＞c或e＜d，则产量参数为1；若生产产量f满足d≤e＜或＜f≤c，则产量参数为2；若生产产量f满足≤f≤，则产量参数为3；当产品产量要求仅存在上限c时：若生产产量f满足f＞c，则产量参数为1；若生产产量e满足0.9c＜f≤c，则产量参数为2；若生产产量f满足f≤0.9c，则产量参数为3；当产品产量要求仅存在下限d时：若生产产量f满足e＜d，则产量参数为1；若生产产量f满足d≤f＜1.1d，则产量参数为2；若生产产量f满足f≥1.1d，则产量参数为3。
13.进一步的，所述步骤s2包括：步骤s21,生产过程拆解，将完整生产过程按生产工序拆解为多个生产子组件；步骤s22，生产子组件评价，分别对生产过程的不同生产子组件分别评价；步骤s23，汇总评价结果，提取并汇总生产过程的不同生产子组件的评价结果，并对生产过程整体进行评价；所述步骤s22中，生产子组件评价方法为：，其中，λ表示为生产评价指数，λ值越大，则该生产子组件的生产效果越好，λ值越小，则该生产子组件的生产效果越差；j表示为生产参数种类编号；m表示为生产参数种类数量；pj表示为种类编号为j的生产参数的第一类相关系数；qj表示为种类编号为j的生产参数的第二类相关系数；表示为种类编号为j的生产参数的数值；表示为种类编号为j的生产参数的
数值平均值。
14.通过采用上述技术方案，将生产过程拆解后对生产过程的不同工序分别评价，评价结果较为全面，提高了生产结果评价的精准度；并且评价方法同时考虑了生产产量和生产产品品质，完善了生产过程评价的评价标准。
15.进一步的，所述步骤s23中，生产过程整体评价方法为：,其中，表示为生产过程整体优度，越大则生产过程整体优度越好，越小则生产过程整体优度越差；表示为某生产子组件即生产工序的生产评价指数；表示为生产过程中各生产子组件即生产工序的生产评价指数平均值；u表示为生产过程中的生产子组件数量，即生产工序数量。
16.通过采用上述技术方案，将拆解后的生产工序再进行组合评价，得出工序间的配合程度，有利于提高对生产过程整体评价的准确性。
17.进一步的，所述步骤s3包括：步骤s31, 待优化子组件识别，对生产过程中，评价指数低于阈值的生产子组件判定为待优化生产子组件；步骤s32,待优化生产过程识别，对整体优度低于阈值的生产过程判定为待优化生产过程；步骤s33，采取生产优化措施 ，由专家评审模块7对待优化的生产子组件进行分析，得出相应优化和改进建议，并执行对应措施。
18.一种组件化的生产过程控制管理系统,包括：大数据平台和与大数据平台连接的成员终端；所述大数据平台包括：存储器，用于存储大量数据；处理器，与存储器连接；生产记录数据库，设置在存储器内，与成员终端连接，用于存储平台内成员的生产记录数据；相关系数数据库，设置在存储器内，用于存储生产参数与生产结果参数对应的相关系数数据；专家评审模块，所述成员终端与大数据平台连接，用于上传生产记录数据并接收评价结果和生产优化建议。
19.进一步的，还包括：相关性评价模块，运行在所述处理器上，与所述相关系数数据库连接，用于运行指定算法计算生产参数与生产结果参数的对应相关系数并上传至相关系数数据库；生产子组件评价模块，运行在所述处理器上，与所述相关系数数据库连接，用于接收相关系数数据并运行指定算法对生产子组件计算量化评价；生产过程整体评价模块，运行在所述处理器上，与所述相关系数数据库连接，用于接收相关系数数据并运行指定算法对生产子组件计算量化评价；专家评审模块，与所述生产子组件评价模块和生产过程整体评价模块连接，用于接收评价结果数据并评审分析后得出生产优化建议。
20.综上所述，本技术包括以下有益技术效果：1.通过引入第一类相关系数表现了生产参数与产量的关系，引入第二类相关系数表现了生产参数与品质的关系，提供了生产过程评价的数据基础；评价方法同时考虑了生产产量和生产产品品质，完善了生产过程评价的评价标准。
21.2.将生产过程拆解后对生产过程的不同工序分别评价，评价结果较为全面，提高了生产结果评价的精准度；
3.将拆解后的生产工序再进行组合评价，得出工序间的配合程度，有利于提高对生产过程整体评价的准确性。
附图说明
22.图1是本技术实施例的一种组件化的生产过程控制管理方法的步骤图。
23.图2是本技术实施例的一种组件化的生产过程控制管理系统的结构图。
24.附图标记说明：1、大数据平台；2、存储器；3、处理器；21、生产记录数据库；22、相关系数数据库；4、相关性评价模块；5、生产子组件评价模块；6、生产过程整体评价模块；7、专家评审模块；8、成员终端。
具体实施方式
25.下面对照附图，通过对实施例的描述，本技术的具体实施方式如所涉及的各构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理、制造工艺及操作使用方法等，作进一步详细的说明，以帮助本领域技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。为方便说明，本技术提及方向以附图所示方向为准。
26.参照图1-图2所示，一种组件化的生产过程控制管理方法，包括以下步骤：步骤s1，前期准备，收集平台内所有成员生产参数，上传至大数据平台1，并形成评估模型；步骤s2，组件化评价生产过程，将企业生产过程拆解为生产子组件，并对拆解后的各生产子组件进行评价，并组合生产子组件对生产过程进行整体评价；步骤s3，生产优化，根据生产过程评价结果，以及评价问题所在位置，采取优化措施。
27.所述步骤s1包括：步骤s11，收集生产工艺参数，成员终端8对平台内不同成员的生产记录进行收集，提取生产记录的生产案例中的生产工艺参数，标记生产案例编号，并上传至大数据平台1；步骤s12，收集生产过程参数，成员终端8对平台内不同成员的生产记录进行收集，提取生产记录的生产案例中的生产过程参数，标记生产案例编号，并上传至大数据平台1；步骤s13，收集生产结果参数，成员终端8对平台内不同成员的生产记录进行收集，提取生产记录的生产案例中的产品规格、产量以及对应的规格要求和产量要求，标记生产案例编号，并上传至大数据平台1；步骤s14，对应分析，分析不同生产参数与各生产结果参数之间的对应关系，并以此形成相关系数数据库22；所述生产工艺参数包括但不限于：生产工艺温度、生产工艺时间、生产原料性能、生产耗材性能、生产气氛浓度；所述生产过程参数包括但不限于：单次生产数量、工序切换时间。
28.所述步骤s14中，对应关系分析方法为：
，，其中，i表示为生产案例编号；n表示为生产案例总数量；xi表示为编号为i的生产案例中某生产参数的参数值；yi表示为编号为i的生产案例中某产量参数的参数值；zi表示为编号为i的生产案例中某品质参数的参数值；p表示为第一类相关系数，p为正值则该生产参数与该产量参数正相关，p为负值则该生产参数与该产量参数负相关；p的绝对值越大，则该生产参数对该产量参数的对应关系越强；p的绝对值越小，则该生产参数对该产量参数的对应关系越弱；q表示为第二类相关系数，q为正值则该生产参数与该品质参数正相关，q为负值则该生产参数与该品质参数负相关；q的绝对值越大，则该生产参数对该品质参数的对应关系越强；q的绝对值越小，则该生产参数对该品质参数的对应关系越弱。
29.所述步骤s14中，当产品产量要求同时存在上限a和下限b时:若生产产量e满足e＞a或e＜b，则产量参数为1；若生产产量e满足b≤e＜或＜e≤a，则产量参数为2；若生产产量e满足≤e≤，则产量参数为3；当产品产量要求仅存在上限a时：若生产产量e满足e＞a，则产量参数为1；若生产产量e满足0.9a＜e≤a，则产量参数为2；若生产产量e满足e≤0.9a，则产量参数为3；当产品产量要求仅存在下限b时：若生产产量e满足e＜b，则产量参数为1；若生产产量e满足b≤e＜1.1b，则产量参数为2；若生产产量e满足e≥1.1b，则产量参数为3；若产品品质规格要求同时存在上限c和下限d时:若生产产量f满足f＞c或e＜d，则产量参数为1；若生产产量f满足d≤e＜或＜f≤c，则产量参数为2；若生产产量f满足≤f≤，则产量参数为3；当产品产量要求仅存在上限c时：若生产产量f满足f＞c，则产量参数为1；若生产产量e满足0.9c＜f≤c，则产量参数为2；若生产产量f满足f≤0.9c，则产量参数为3；当产品产量要求仅存在下限d时：若生产产量f满足e＜d，则产量参数为1；若生产产量f满足d≤f＜1.1d，则产量参数为2；若生产产量f满足f≥1.1d，则产量参数为3。
30.所述步骤s2包括：步骤s21,生产过程拆解，将完整生产过程按生产工序拆解为多个生产子组件；步骤s22，生产子组件评价，分别对生产过程的不同生产子组件分别评价；步
骤s23，汇总评价结果，提取并汇总生产过程的不同生产子组件的评价结果，并对生产过程整体进行评价；所述步骤s22中，生产子组件评价方法为：，其中，λ表示为生产评价指数，λ值越大，则该生产子组件的生产效果越好，λ值越小，则该生产子组件的生产效果越差；j表示为生产参数种类编号；m表示为生产参数种类数量；pj表示为种类编号为j的生产参数的第一类相关系数；qj表示为种类编号为j的生产参数的第二类相关系数；表示为种类编号为j的生产参数的数值；表示为种类编号为j的生产参数的数值平均值。
31.所述步骤s23中，生产过程整体评价方法为：,其中，表示为生产过程整体优度，越大则生产过程整体优度越好，越小则生产过程整体优度越差；表示为某生产子组件即生产工序的生产评价指数；表示为生产过程中各生产子组件即生产工序的生产评价指数平均值；u表示为生产过程中的生产子组件数量，即生产工序数量。
32.所述步骤s3包括：步骤s31, 待优化子组件识别，对生产过程中，评价指数低于阈值的生产子组件判定为待优化生产子组件；步骤s32,待优化生产过程识别，对整体优度低于阈值的生产过程判定为待优化生产过程；步骤s33，采取生产优化措施 ，由专家评审模块7对待优化的生产子组件进行分析，得出相应优化和改进建议，并执行对应措施。
33.一种组件化的生产过程控制管理系统,包括：大数据平台1和与大数据平台1连接的成员终端8；所述大数据平台1包括：存储器2，用于存储大量数据；处理器3，与存储器2连接；生产记录数据库21，设置在存储器2内，与成员终端8连接，用于存储平台内成员的生产记录数据；相关系数数据库22，设置在存储器2内，用于存储生产参数与生产结果参数对应的相关系数数据；专家评审模块7，所述成员终端8与大数据平台1连接，用于上传生产记录数据并接收评价结果和生产优化建议。
34.还包括：相关性评价模块4，运行在所述处理器3上，与所述相关系数数据库22连接，用于运行指定算法计算生产参数与生产结果参数的对应相关系数并上传至相关系数数据库22；生产子组件评价模块5，运行在所述处理器3上，与所述相关系数数据库22连接，用于接收相关系数数据并运行指定算法对生产子组件计算量化评价；生产过程整体评价模块6，运行在所述处理器3上，与所述相关系数数据库22连接，用于接收相关系数数据并运行指
定算法对生产子组件计算量化评价；专家评审模块7，与所述生产子组件评价模块5和生产过程整体评价模块6连接，用于接收评价结果数据并评审分析后得出生产优化建议。
35.本技术实施例，一种组件化的生产过程控制管理方法及系统的工作原理为：引入第一类相关系数表现了生产参数与产量的关系，引入第二类相关系数表现了生产参数与品质的关系，提供了生产过程评价的数据基础；将生产过程拆解后对生产过程的不同工序分别评价，评价结果较为全面，提高了生产结果评价的精准度；将拆解后的生产工序再进行组合评价，得出工序间的配合程度，有利于提高对生产过程整体评价的准确性；并且评价方法同时考虑了生产产量和生产产品品质，完善了生产过程评价的评价标准。
36.以上示意性地对本发明及其实施方式进行了描述，该描述没有限制性，附图所示的也只是本发明的实施方式之一，实际的结构并不局限与此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不创造性地设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。