分布式工厂产品装配质量预测要求

分布式工厂产品装配质量预测要求1范围本文件规定了分布式工厂产品装配过程质量预测的基本流程与技术要求。本文件适用于指导分布式工厂产品装配质量预测模块的开发、管理与应用。2规范性引用文件本文件没有规范性引用文件。3术语和定义下列术语和定义适用于本文件。3.1分布式工厂distributedfactory将工厂的各个部分进行地理分散，并使用信息技术和自动化设备来协调和管理，以实现提高效率和降低成本目的的生产系统。3.2数据data围绕核心企业,从采购原材料开始,到制成中间产品、最终产品,直至由销售网络把产品和服务送到消费者手中的流程,是包括供应商、制造商、分销商、零售商、直到最终客户的一个网链结构。注:数据可以由人工或自动的方式加工、处理。[来源：GB/T18391.1-2009,3.2.6]3.3质量数据qualitydata反映产品本身质量的数据及其生产过程中影响质量的数据。[来源：GB/T41272-2022,3.7]3.4数据库database按照预定结构组织成的数据集合。[来源：GB/T17532-2005,定义7.5]3.5数据字典datadictionary以一致性的方式给出数据概念及其元属性(如名称、定义、类型等)列表。注:有组织、有结构的数据概念描述汇编,为数据概念、表述形式和说明等提供一致性的归档、存贮和检索方法。[来源：GB/T17532-2005,定义7.5]4分布式工厂质量预测流程分布式工厂质量预测全过程包括从获取数据到数据分析的全过程，其基本流程如图1所示。图1质量预测基本流程从分布式工厂的各异地产线中采集数据并传输至集团总体的当前数据库，将当前的数据传输至根据历史数据建立的预测模型获得预测的质量数据，再将预测的质量数据和当前数据传输至根据历史数据库建立的优化模型中以获得进一步的优化建议，最后将当前过程的数据保存至历史数据库中。5分布式工厂质量数据提取5.1质量数据采集方法为保证部件装配质量，应进行大范围内多类型几何特征的高精高效原位测量。针对分布式工厂多类设备之间频繁转站的特点，宜通过激光跟踪仪构建多类几何特征协同测量场，实现多设备协同的几何特征高精度原位并行测量。图2多系统协同数字化测量场构建5.2质量数据采集内容产品对接装配工作流程及其映射的离散特征数据集如下：产品上下架数据：需明确上下架产品信息、产品类型信息、产品特征信息，并将车间信息与产品信息进行关联，包括车间编号、车间名称、数模类型、产品类型名称、产品特征名称、产品名称等；测量建站数据：需进行ERS点理论值、实测值数据以及激光跟踪仪相关静动态数据相互关联，完成激光跟踪仪测量建站，包括激光跟踪仪编号、激光跟踪仪状态、ERS点名称、理论值坐标、实际值坐标、偏差值、定检结果坐标、时间戳等；调姿对接数据：需进行水平测量点理论坐标、实测坐标等数据关联，并对定位器实际运动量、速度及力传感器实测数据等进行监测与分析，包括处理定位器编号、主动轴使能、实际位置、实际速度、驱动量、力传感器编号、实测力的值、特征点编号、实际值坐标、偏差值、时间戳等；姿态评估数据：需根据水平测量点实测及理论值，计算偏差值，完成对接姿态评估，包括特征点编号、AO编号、理论值坐标、最终实际值坐标、偏差值、对称点的编号、两测量点对称性、时间戳等；定位器上下架数据：需完成定位器及力传感器静态信息保存，实现动态实测数据与静态信息关联定位器编号、主动轴使能、最大许用力、最大航程、初始位置、上下架预设参数、预对接航向位置、力传感器编号、力阈值、初始力等。5.3质量数据传输基本要求分布式工厂质量预测过程中质量数据传输基本要求应参照《分布式工厂信息系统集成要求》中数据集成与共享部分。5.4质量数据处理基本要求分布式工厂质量预测过程中质量数据处理基本要求应参照《分布式工厂信息系统集成要求》中数据集成与共享部分。6分布式工厂质量预测要求6.1质量预测流程质量预测应能完成实测数据的虚拟预装配，进行实时数据与工序的映射，提取衡量部件装配质量的关键指标参数，结合相关质量管控方法理论构建产品质量预测模型以对工艺设计进行优化，挖掘信息与产线集成数据的关联，建立产品质量预测模型进行装配状态以及应力分析并在必要时进行干涉预警。质量预测流程如下图所示。图3质量预测流程6.2质量预测功能要求分布式工厂进行的质量预测应满足以下功能要求：应能同时满足实时计算与离线计算；应能采用流式计算方式并借助产业大数据系统中的数据清洗、数据转换、数据集成等模块，构建多源参量与产品质量的机器学习模型，完成产品质量预测与控制主模块的功能实现；应能基于olap分析模块结合海量数据和内驱算法完成集成分析、可视化看板、关键特征库等辅助功能；应具有测量规划、误差分析、超差预警、数字映射、质量预测、参数调控、故障查询、指标监控等功能。6.3质量预测技术要求分布式工厂进行的质量预测应满足以下技术要求：数据可用性:跨职能部门收集内部数据并能供用户使用；数据透明性:鼓励自由交换信息和数据；外部数据补充内部数据，并定期更新，从而获得更有深度的见解；制定明确的升级机制，及时应对数据评估显示潜在质量问题的情况；硬件和软件等技术和基础