基于数据集成和关联分析工业产线闭环自动质量控制方法
技术领域
本发明涉及一种基于数据集成和关联分析工业产线闭环自动质量控制方法。适用于工业制造过程中的产品质量控制领域。
背景技术
工业制造过程中造成产品质量缺陷的成因很多，有系统的、工艺的、人为的和环境的等等。对这些成因的溯源，由于缺乏应有的系统集成和数据支持，通常很困难，最终导致产品的质量控制只能局限于次品剔除或简单的基于经验的人为分析和纠偏。
发明内容
本发明要解决的技术问题是：针对上述存在的问题，提供一种基于数据集成和关联分析工业产线闭环自动质量控制方法。
本发明所采用的技术方案是：一种基于数据集成和关联分析工业产线闭环自动质量控制方法，其特征在于：
获取工业产线上产品的缺陷数据和该工业产线的异常工作数据；
将缺陷数据和异常工作数据输入关系网络模型，根据关系网络模型追溯产品产生相应缺陷数据的原因；
根据追溯到的原因纠正工业产线的生产数据；
获取生产数据数据纠正后工业产线上产品的检测结果，并在仍存在缺陷时继续纠正，直至缺陷消除；
所述关系网络模型由大量工业产线的生产数据及对应产品的缺陷数据和相应工业产线的异常工作数据，利用聚类分析算法处理，得到相关规则后建立。
所述关系网络模型的建立方法，包括：
综合已知的缺陷数据、异常工作数据、生产数据及缺陷形成原因，进行特征提取，构造出符合分析要求的特征集合；
根据具体应用场景的设备特点和种类确定分类原则，利用K-Means以及Mean-Shift聚类分析算法对数据集进行处理：
首先根据具体场景下设备异常种类选择聚类数量，然后选取代表性数据作为聚类质心，确定收敛门限，经过迭代后生成聚类模型，得到相关的规则，最后建立所构造缺陷数据、异常工作数据、生产数据及缺陷形成原因之间的关系网络模型。
所述缺陷数据包括缺陷形状、面积、数量、位置和判级。
所述获取工业产线上产品的缺陷数据，包括：
获取工业产线上产品的图像；
利用图像检测图像检测方法获取图像上产品的缺陷数据。
所述异常工作数据包括产线速度异常、抖动、打滑、跑偏。
所述生产数据包括工艺数据、系统数据、环境数据、操作数据。
一种基于数据集成和关联分析工业产线闭环自动质量控制系统，其特征在于，包括：
若干工业产线；
工业相机，安装于工业产线上，用于获取该工业产线上产品缺陷数据；
传感器，安装于工业产线上，用于获取该工业产线异常工作数据；
服务器，与工业相机、传感器和工业产线的控制器通讯，具有处理器和存储器，存储器上存储有计算机程序，该计算机程序被处理器执行时实现所述控制方法的步骤。
所述服务器根据纠正后工业产线生产数据生成产线纠正指令，并将纠正指令经压缩和加密后发送给工业产线的控制器。
本发明的有益效果是：本发明通过获取产品的缺陷数据和工业产线的异常工作数据，结合关系网络模型可追溯产品产生相应缺陷数据的原因，并根据追溯到的原因纠正工业产线的生产数据，获取纠正后的产品缺陷数据，继续纠正，直至缺陷消除。本发明将工业产线上产品的缺陷数据、工业产线异常工作数据和工业产线的生产数据进行关联分析，建立关系网络模型，用于确定缺陷成因，并根据缺陷成因结果自动纠正生产数据，实现闭环质量控制，减少因查找原因造成的时间损失，同时能预测可能发生的产线故障或问题。
附图说明
图1为实施例的流程图。
图2为实施例中关系网络模型建立框图。
图3为实施例中的系统框图。
具体实施方式
实施例1：本实施例为一种基于数据集成和关联分析工业产线闭环自动质量控制方法，包括以下步骤：
获取工业产线上产品的缺陷数据和该工业产线的异常工作数据；其中缺陷数据包括缺陷形状、面积、数量、位置和判级等；异常工作数据包括产线速度异常、抖动、打滑、跑偏等。
将缺陷数据和异常工作数据输入关系网络模型，根据关系网络模型对缺陷数据和异常工作数据采用决策树、随机森林方法进行分类，追溯产品产生相应缺陷数据的原因；
根据追溯到的原因纠正工业产线的生产数据，生产数据包括工艺数据、系统数据、环境数据、操作数据等；
获取生产数据数据纠正后工业产线上产品的检测结果，并在仍存在缺陷时继续重复上述步骤，直至缺陷消除。
本实施例中关系网络模型的建立方法，包括：
综合已知的缺陷数据、异常工作数据、生产数据及缺陷形成原因，进行特征提取，构造出符合分析要求的特征集合；
根据具体应用场景的设备特点和种类确定分类原则，利用K-Means以及Mean-Shift聚类分析算法对数据集进行处理：
首先根据具体场景下设备异常种类选择聚类数量，然后选取代表性数据作为聚类质心，确定收敛门限，经过迭代后生成聚类模型，得到相关的规则，最后建立所构造缺陷数据、异常工作数据、生产数据及缺陷形成原因之间的关系网络模型。
上述方法包括使用独热数据、曼哈顿距离及相关系数确定各数据特征间的距离；包括使用轮廓系数及调整兰德指数对上述模型进行评估以确保模型的精确。
实施例2：本实施例为一种基于数据集成和关联分析工业产线闭环自动质量控制系统，包括质量缺陷检测模块、异类多路数据集成平台、云端共享数据平台、集成数据统计分析引擎和生产设备交互模块。
在包含多工序的工业产线上，选择性的安装质量缺陷检测模块在其中一或多道工序上，检测系统通过GigE接口或CamLink接口连接的工业相机采集工业产线产品图像，通过传感器实时监测工业产线异常状态，获取工业产线的异常工作数据。
本实施例中异类多路数据集成平台负责实时收集大量来自质量缺陷检测模块检测到的历史数据和第三方数据，包括缺陷数据和异常工作数据等，并对数据进行包括匹配、过滤和标准化等的预处理，集成并预处理后的数据保存在数据集成平台数据库。
本例中云端共享数据平台通过和生管系统（MES/MIS）集成，获取生产工艺和操作数据等，并进行云端收集存储形成云端生产大数据库。
本实施例中集成数据关联分析引擎综合来自异类多路数据集成平台和云端共享数据平台的数据，对多源异构数据进行特征提取，构造出符合分析要求的特征集合，根据具体应用场景的设备特点和种类确定分类原则，利用K-Means以及Mean-Shift聚类分析算法对数据集进行处理，首先根据具体场景下设备异常种类选择聚类数量，然后选取代表性数据作为聚类质心，确定收敛门限，经过迭代后生成聚类模型，得到相关的规则，最后建立所构造的工业制造数据之间的关系网络模型。基于大数据计数挖掘影响质量的因素及关联关系，依此追溯制造业产品质量异常的原因。
根据追溯到的原因纠正工业产线的生产数据，根据纠正后工业产线生产数据生成产线纠正指令，并将纠正指令经压缩和加密后通过生产设备交互模块发送给工业产线的控制器。本例中指令数据压缩，包括使用霍夫曼压缩、PPM编码，以使数据传输效率提高；指令数据加密，包括使用MD5、SHA1算法进行加密，以提高控制设备的安全性，防止误操作。
本实施例中系统还包括数据驱动的自动纠偏系统和质量控制显示和汇报平台，数据驱动的自动纠偏系统将关联分析所得的成因结果转化为可驱动纠偏系统的动数据，通过建立与生产设备的接口进行数据指令传输，用以驱动纠偏系统对产线进行必要的纠正；当指令下发后，实时跟踪产线运行状况，判断是否消除当前缺陷或异常状态，如果异常消除，该数据自动计入数据库用于模型完善，如果异常仍然存在，系统给予警报，待人工干预后将数据录入，用于模型升级或调整。质量控制显示和汇报平台会实时显示和更新质量分析结果、自动纠偏结果和其他质量控制建议。
实施例3：本实施例还提供一种基于数据集成和关联分析工业产线闭环自动质量控制系统，包括若干工业产线、工业相机、传感器和与工业产线通讯连接的服务器，其中工业相机安装于工业产线上，用于获取该工业产线上产品缺陷数据；传感器安装于工业产线上，用于获取该工业产线异常工作数据；服务器具有处理器和存储器，存储器上存储有计算机程序，该计算机程序被处理器执行时实现实施例1中控制方法的步骤。
本例中服务器根据纠正后工业产线生产数据生成产线纠正指令，并将纠正指令经压缩和加密后生成指令数据包发送给工业产线的控制器。
