TCI 299-2024 离散制造产品质量智能管控技术规范

CCSL702024-03-18发布中国国际科技促进会发布I III 12规范性引用文件 13术语和定义 14离散制造生产过程数据采集 25离散制造生产过程数据分析与可视化 66设备故障检测与预测性维护 87产品质量溯源 13本文件按照GB/T1.1-2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由河南科技大学提出。本文件由中国国际科技促进会归口。本文件起草单位：河南科技大学、龙门实验室、中航光电科技股份有限公司、中信重工机械股份有限公司、机械工业第六设计研究院有限公司、三六零数字安全科技集团有限公司、洛阳理工学院、东南大学、河南群智信息技术有限公司。本文件主要起草人：张明川、吴庆涛、郑瑞娟、冀治航、张波利、杨磊、刘勇、朱军龙、余洋、魏宝、张建新、刘牧华、王国勇、赵旭辉、董璐、刘波、张晨璐、冯嘉美、张茉莉。为拓展离散制造产品质量智能管控技术的应用，以及进一步实现离散制造与信息技术紧密结合，同时为了顺应我国离散制造产品质量管控技术的智能化提升和升级改造需求，本文件制定了离散制造产品质量智能管控技术规范。本文件针对离散制造产品质量管控，主要包括生产过程数据采集（设备数据采集、物料生产过程数据分析与可视化、异常检测（设备异常检测、人员行为异常检测）和设备预测性维护、产品质量溯源等。1离散制造产品质量智能管控技术规范本文件规定了离散制造产品质量智能管控的术语和定义、离散制造生产过程数据采集、离散制造生产过程数据分析与可视化、设备故障检测与预测性维护、产品质量溯源。本文件适用于离散制造的产品质量智能管控。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离散制造discreteManufacturing离散制造是一种新的生产方式，其特点是产品由多个独立的零部件组成，每个零部件的加工装配过程独立，最后经过部件装配和总装配阶段后形成最终成品。3.2质量智能管控qualityIntelligentControl质量智能管控是运用人工智能、大数据分析等先进技术，通过实时监测和智能反馈，提高产品质量水平的管理方法。3.3生产过程数据采集productionProcessDataCollection生产过程数据采集是指在生产过程中，使用各种传感器、仪器或设备来收集有关生产环境、设备状态、工艺参数等方面的数据。3.4生产过程数据分析与可视化productionProcessDataAnalysisandVisualization生产过程数据分析与可视化是一种将生产过程中采集到的数据进行深入研究、理解和展示的方法。3.5质量溯源技术qualityTraceabilityTechnology质量溯源技术是一种通过获取、追踪和记录产品生产和流通环节中的相关信息，以确保产品质量和安全，并提供透明度和可追溯性的技术手段。2语义规范层语义规范层数据输入数据输入数据输入数据输入4.1.1.3客户层3根据检测设备的特点采用网络通信协议(如TCP/IP)或通信接口(如USB)将数据传输到检测数4.1.2.3客户层语义规范层44.2.2感知层层，同时将通信层指令数据写入RFID卡内。感知层通过通信接口(如RS-232)与通信层相连接。4.2.3通信层通过通信接口(如RS-232)与服务层相连，并利用无线通信(如ZigBee)主副模块分别完成对数4.2.4服务层包括数据库服务器、RFID中间件服务器、企业物料管理系统、交换机等组件，其中负责存储和管理物料资源的相关数据，RFID中间件服务器负责处理RFID数据，交换机则用于将各个服服务层通信层通信接口通信接口图3物料数据采集技术要求4.3产品数据采集技术要求面向离散制造过程，本文件所提供的产品质量数据采集技术要求如图4所示。5检测任务下发检测数据接收通信接口通64.4.2视频数据传输4.4.3后端视频监控中心管理服务器管理服务器存储服务器解码服务器监视器后端视频监控中心前端视频数据采集远距离监控点近距离监控点视频数据传输光纤收发器光纤收发器中心交换机交换机图5人员数据采集技术要求5离散制造生产过程数据分析与可视化5.1.1离散制造车间主要数据离散制造车间主要数据如图6所示。7人人员基本信息设备基本信息人员位置信息人员状态信息物料质量信息人员位置信息人员状态信息物料质量信息设备状态信息设备位置信息设备状态信息设备位置信息据编名材数物料基本信息码称料量编名材数在制品质量信息在制品质量信息物料状态信息成品质量信息成品质量信息物料位置信息物料位置信息图6离散制造车间主要数据采用归一化等方法将数据映射到一个共同的数值范围内，以满足后续数据分析任务的要求。8如表1所示。折线图直方图加工合格率、设备加工合格率、环形图故障统计分析、各工位加工时间柱形图带平滑线的散点图XX图7设备故障检测流程6.1.2数据预处理96.1.3模型训练利用支持向量机、卷积神经网络、最近邻等机器学习方法，对预处理后的数据进行训练与分析，建立设备异常检测模型。6.1.4故障检测利用设备异常检测模型，对生产设备的运行数据进行实时分析，监测设备的运行状态。在离散制造车间中，具体的检测方法应根据场景和设备而定，表2列举了一些常用的检测方法，表3列举了一些常用的设备异常情况与对应的解决技术要求。表2部分设备异常检测技术要求值值表3设备异常解决技术要求况，并根据负载情况调整设备的工作状态等等。电气故障可通过定期检修、更换老化电线、使用高质量的电气的电流电压情况，并及时进行维护等等。可通过定期校准传感器、使用高质量的传感器部件、使用多个传感器对同一参数进行监测，以提高监测的准确性和可靠性等等。可通过定期更新软件、备份程序、使用高质量的控制据监测结果进行调整等等。6.2人员行为异常检测方法及处理技术要求在离散制造车间场所中，对人员异常行为进行辨识，可降低异常事件的发生。本文件所提供的人员行为异常检测流程如图8所示。图8人员行为异常检测流程6.2.1数据收集收集人员视频的实时行为数据，如传感器数据、摄像头数据等信息，具体方法可参见4.4节。6.2.2数据预处理对收集到的数据进行预处理，如数据清洗、数据转换等操作，其有助于减少数据噪声、提高数据质量和降低计算成本。具体方法可参见5.1节。6.2.3模型训练利用自编码器、生成对抗网络等机器学习方法，对预处理后的数据进行训练与分析，建立人员行为异常检测模型。6.2.4行为异常检测利用人员行为异常检测模型，对操作人员的行为数据进行实时分析，监测人员的行为状态。在离散制造生产过程中，针对不同的人员行为异常，可采取相应的解决技术要求。本文件所提供的人员行为异常解决技术要求如表4所示，具体技术要求如下：表4人员行为异常解决技术要求维护管理与执行健康度预测数据采集维护管理与执行健康度预测设备图9预测性维护流程图数据数据模型训练健康度预测图10健康度预测流程图6.3.2.2健康度预测6.3.3设备维护6.3.3.2实施维护操作根据维护计划，监控计划的操作执行。6.3.3.3记录维护过程根据维护操作，记录维护的实施过程。6.3.3.4评估维护效果根据维护记录，建立一个完善的数据收集系统，利用收集到的数据进行分析，并建立预测模型以评估设备的健康状况和故障风险，根据分析结果和合作反馈，不断优化维护计划。7产品质量溯源7.1产品记录管理办法产品质量溯源技术包括采集、记录、分析和追溯相关信息。建立和实施产品质量管理办法，对产品生产过程进行全面管理，实现产品质量溯源。本文件所提供的产品记录管理办法分为三类。7.1