《质量监控平台的构建方法及其在自动化弧焊过程中的应用》-质量管理论文免费资料
摘 要:关于《质量监控平台的构建方法及其在自动化弧焊过程中的应用》的质量管理论文免费资料：以机器人焊接的生产线质量自动监测及管理为对象,采用基于网络的车间级前沿机及服务器分别实现现场单个质量监控点的微观质量监测及整个流水线的宏观质量管理,探讨了流水线加工过程通用性质量监控平台的构建方法,同时还探讨了数据集市和数据挖掘技术系统在该系统的应用.
关键词:数据挖掘;质量;监控;焊接
在加工过程中对被加工对象的质量进行有效监控是提高产品质量、降低废品率及提高产品竞争力的重要方面,产品质量在很大程度上决定于过程质量,这已成为加工过程所公认的事实.随着自动化水平的提高和加工过程流水线的实施,越来越多的机器取代了人,一方面生产效率得到提高,另一方面由于机器的智能远不能与人类智能相比,由此而产生了质量问题.因此,对流水线上各个工位加工质量的监控,是保证产品质量的必要手段.从质量管理角度而言,一方面通过对整个流水线上各个工位生产质量的监控,可实现过程的动态调度及宏观质量管理,并实现每个被加工对象的质量状况存储,实现严格的国际质量标准中所要求的对产品质量的可记录性和可追溯性,提高我国加工产品的国际竞争力;另一方面,通过获取的大量的存储数据,可为管理人员提供发现过程中的隐藏信息,为管理及决策服务.本文中以机器人焊接过程为例,介绍了该加工过程中质量监控平台的结构,对类似于焊接这样的复杂加工过程,提出了采用前沿机与服务器共同组成车间级网络化监控系统,并分别在前沿机和服务器端实施基于时间序列和空间序列的数据挖掘技术,以分别实现对过程质量的微观质量监控和宏观质量管理.
1 监控系统的框架
图1是流水线加工过程质量监控系统的框图.
从图中可以看出,前沿机负责对流水线上各个质量监控点过程的监控,通过对每个过程的参数监控.实现对被加工产品质量的监控,因此在前沿机上实施的是对过程参数时间序列的采集、分析和决策,通过决策后得到的质量信息反馈到车间级服务器上,数据服务器存储了流水线上各个质量控制点的质量信息,生产现场的质量管理人员通过质量管理服务器可实现对整个生产线上生产过程情况的查询、任何质量点数据的访问、历史数据的查询、数据集市的构建以及数据挖掘的实施.
1.1 平台的开发工具及运行环境针对焊接过程的具体特点,诸如海量数据、短的系统响应时间,兼顾工具及环境的通用性、可靠性和高效性.具体选择和使用如下:数据库管理系统:Microsoft SQL Server7.0.操作系统:Windows NT.前端开发工具:Java语言;对硬件读、写操作用C语言实现,并生成动态链接库(.dll).
1.2 设计目标(1)平台的通用性[1].该平台面向的是加工制造业的通用平台,因此,在平台的建立过程中通用性是一个首先要考虑的问题.(2)系统的快速响应.在前沿机端,直接面向单个部件的直接加工过程中,需要对单个加工工件在加工过程中的参数变化进行在线监测,因此其实时性是决定充分获取过程中参数信息的直接影响因素,由此决定了质量判别的准确性.(3)系统体系结构的可扩展性.在质量判别中,随着时间的推移,可能会出现越来越多的新算法,由此提出系统在体系结构上的可扩展性;另外,数据集市的建立应考虑到将来建立企业数据仓库的可扩展性.(4)多种数据源的存取能力.(5)底层数据模型支持能力.数据挖掘系统与数据库的交互较频繁,并且数据挖掘任务所基于的数据量又很大,这就导致了数据挖掘系统一般要与底层数据库进行大量、频繁的数据交换.因此,对于一个实用的数据挖掘系统来说,与底层数据库系统的紧密耦合,尽量借助于数据库管理系统的各种功能支持是合适的.
1.3 前沿机端质量监控系统的构架及实现前沿机端在线监测平台的框架结构如图2所示.整个监测系统共分为两大部分:数据分析平台和在线监控平台.前者用于对过程中获取的数据进行分析,以对不同的应用对象确定合适的在线监控算法;后者在线实施监控任务.在线监测平台中在线监测模块由分析平台中导出.因此在数据分析平台中集合了多种算法模块,以满足平台对不同监控对象的通用性,其主界面如图3所示.图4示出了一个采用MSPC(多变量统计过程控制)算法对机器人弧焊过程在线监控的平台主界面[2].多变量统计过程控制算法的选取是利用数据分析平台对大量的历史数据进行分析获得的.图5是采用MSPC方法进行弧焊过程在线监控获得的焊缝质量状态判别结果.质量判别的结果通过通信模块传递到数据库服务器.
前沿机端的部分实施过程如下:(1)登录模块.该模块实现对用户合法身份的验证和管理.其安全体系分为系统管理员、数据采集员和数据分析员.其中系统管理员主要负责系统的日常维护和管理;数据采集员负责数据的采集及录入;数据分析员授权对采集来的数据进行分析、处理和查询.(2)数据准备模块.该模块把传感器采集到的信号以某种数据形式存储到数据库的相应字段中.(3)数据预处理模块.考虑到焊接过程中存在大量的干扰,尤其是噪声干扰.本软件中包含了高频滤波和傅立叶变换模块.把采集到的数据经过预处理后,再送往数据挖掘模块.(4)统计分析模块.该模块包括统计分析和人工智能.在统计分析模块中,包含有概率密度计算、SPC(统计过程控制)算法及MSPC等.(5)数据挖掘模块.该模块是本系统的核心模块.人工智能包含有神经网络、决策树和模糊系统及综合方法.神经网络中主要研究BP算法和SOM算法.用户可自定义网络结构及学习参数等.(6)数据查询模块.该模块可分为原始数据查询、预处理后的数据查询和挖掘后的数据查询.
1.4 服务器端质量管理系统的构架及实现服务器端质量管理系统的框架如图6所示.服务器端监控及管理平台由两大部分组成,在历史数据操作平台处理历史数据的查询、数据挖掘及报表生成等.宏观在线监控平台对目前与服务器相连的前沿机所获得的质量情况、当班产量等进行在线监控.
服务器端质量管理系统模块包括:(1)登录模块.该模块实现对用户合法身份的验证和管理.用户使用不同的帐户登录,系统也将赋予其不同的资源使用权限.图7和图8是用户使用不同的帐户分别进入的宏观在线监控主界面和历史数据操作主界面. (2)在线监控模块.该模块通过友好的人机交互界面,监测工位运行状态、工位产量和缺陷状况以及当班工人等.这些信息源于车间前沿机的实时传输,并随时间和生产的进行对在线监控界面实时更新(图7是一个同时监控3个工位的在线监控主界面图示,通过它可进入任何一个工位,实时对任何一个工位的生产量、当班工人等车间生产状况的的查询). (3)数据管理模块.该模块通过建立后端的数据库管理系统和数据集市来实现生产历史数据的管理.数据库管理系统主要是存储和查询近期的生产历史数据,服务于日常查询操作和报表生成.数据集市主要是存储和管理大量经过预处理的生产历史数据,目的是服务于数据挖掘(这个模块实现的主界面如图8所示). (4)数据查询模块.该模块对数据库以及数据集市中的弧焊车间生产信息进行查询.这些信息包括产量信息、缺陷信息、工人信息、工艺信息和材料信息等.图9即是通过图8所示的“质量状态”菜单获得的某工位的当前班次和质量统计情况,并可由此进入详细资料的查询.(5)数据挖掘模块.该模块对数据集市中的大量生产历史信息进行分析.使用的算法包括决策树、贝叶斯分类、神经网络和聚类分析等[3].图10示出了一个基于ID3算法的决策树对某一时间段焊接过程中缺陷产生原因进行分析获得的决策树. (6)初始化模块.这个模块很少使用,只有在软件的安装阶段或监控的工位机的数量发生变化时,需要初始化或修改数据库中的信息.初始化的信息一般包括工位机数量、工位机代号、缺陷定义和工艺定义.
2 结束语
通过上述的基于网络的监控平台的简单介绍,初步探讨了在制造过程中建立通用型平台的可行性,并以焊接过程为对象,初步验证了该平台的结构及功能.当然,要实现通用性及实际应用,还有很多工作要做,如在前沿机端中的算法需要完善,服务器端数据挖掘算法还有待于继续深化等等.
参考文献
[1] 汤宇松,刘相峰,黄亚楼,等.数据挖掘系统设计[J].系统工程理论与实践,2000(9):56-63.
[2] Martin E B,Morris A J,Zhang J.Process performancemonitoring using multivariate statisticl process control[J].IEE Proc_control Theory Appl,2000.143(2):371-383.
[3] 丁 夷.数据挖掘-技术与应用综述[J].西安邮电学院学报,1996,4(3):42.
