CN119168619B 一种基于数字化工厂运行数据的人工智能分析方法及系统 （深圳市海铭德科技有限公司）

道桥头社区立新路2号天佑创客产业一种基于数字化工厂运行数据的人工智能本申请公开了一种基于数字化工厂运行数2获取数字化工厂的运行数据，所述运行数据包括生产设备及分别与所述生产设备参数和所述质量检测系统参数对应获取当前异常产品的异常信息，所述异常信息包括异常产品标签根据所述运行数据和所述异常信息确定当前异常产品的返修至少在返修成本小于报废成本的情况下，根据异常工艺节根据所述运行数据和所述异常信息确定当前异常产品的对历史返修产品的异常信息和历史返修产品的成本信息进行拟合，历史返修产品的异常特征参数以及分别与所述历史返修产品的异常特征参数对应的历史对历史返修产品的异常信息和历史返修产品的成本信息进行拟合，对历史返修产品的异常特征参数和与历史返修产品的异常特征参数对应的历史返修对历史返修产品的异常特征参数和与历史返修产品的异常特征参数对应的返修结果根据与历史返修产品的异常特征参数对应的历史返修产品的报废率拟合函数和与历史返修产品的异常特征参数对应的返修产品报废成本得到根据所述返修产品设备占用成本拟合函数和所述返修产品报废成本拟合函数得到返根据所述异常信息和所述历史返修产品的报废率拟合函数，确根据所述生产设备参数对应的未返修产品的历史数据确定与所述异常信息对应的生根据所述当前异常产品的返修后的良品率和与所述异常信息对应的生产设备的所述未返修产品的良品率确定所述当前异常产品的返修后所述数字化工厂的生产效率的变化至少在所述生产效率的变化量小于零，所述返修3参数和生产系统参数，其中所述订单管理系统包括多个历史时间周期内的销售数量信息，将当前异常产品返回与所述异常工艺节点信息对应的工艺节点返修至少在所述生产效率的变化量小于零，所述返修至少在未来销售速率大于或等于所述当前产品生产速率、所述至少在所述生产效率的变化量大于或等于零，且所述返修成本未来销售速率大于或等于所述当前产品生产速率，所述生产效率的变化量大于或等于零，和/或，所述至少在所述返修成本小于所述报废成本的情况下，根据异常工艺节点信7.根据权利要求1至6中任意一项所述的获取返修所述当前异常产品过程中，所述生产设备的工作状态和在所述实际电路信息位于所述额定电路信息之外的情况下在所述实际电路信息位于所述额定电路信息之内的情况下4数据储存模块，所述数据储存模块用于储存数字化工厂的运行数据处理模块，所述数据处理模块用于根据所述运行数据和所述控制模块，所述控制模块用于在返修成本小于报废成本的情况信息，控制生产设备将当前异常产品返回与所述异常工艺节点信息对应的工艺节点返修，以及用于控制所述数据储存模块更新与所述生产设备参数对5及分别与生产设备参数和质量检测系统参数对应6[0018]对历史返修产品的异常特征参数和与历史返修产品的异常特征参数对应的历史[0019]对历史返修产品的异常特征参数和与历史返修产品的异常特征参数对应的返修[0020]根据与历史返修产品的异常特征参数对应的历史返修产品的报废率拟合函数和与历史返修产品的异常特征参数对应的返修产品报废成本得到返修产品报废成本拟合函[0021]根据返修产品设备占用成本拟合函数和返修产品报废成本拟合函数得到返修成[0025]根据生产设备参数对应的未返修产品的历史数据确定与异常信息对应的生产设[0026]根据当前异常产品的返修后的良品率和与异常信息对应的生产设备的未返修产[0033]至少在未来销售速率大于或等于当前产品生产速率、生7[0041]获取返修当前异常产品过程中，生产设备的工作状态和生产设备的实际电路信[0042]在实际电路信息位于额定电路信息之外的情况下，剔除当前异常产品的返修数[0044]在实际电路信息位于额定电路信息之内的情况下，根据当前异常产品的返修数8[0050]图1为本申请实施例提供的一种基于数字化工厂运行数据的人工智能分析方法的[0051]图2为本申请实施例提供的一种基于数字化工厂运行数据的人工智能分析系统的统参数以及分别与生产设备参数和质量检测系统参数9当前异常产品的报废成本可以是从原料经历各个工序节点并到完成异常信息对应的工序[0066]一些实施例中，可以根据工艺节点核算完成该工艺节点后保护的产品的报废成品的返修成本为预设值。该预设值大于或等于完成一个合格产品生产所需要付出的成本。返修成本呈非线性相关的历史返修数据可以采用非线性最小二乘拟合的[0082]上述基于数字化工厂运行数据的人工智能分析方法可以通过历史返修数据和当[0085]在一些实施例中，基于数字化工厂运行数据的人工智能分析对历史返修产品的异常信息和历史返修产品的成本信息进行拟合，得到返修成本拟合函[0086]步骤10511，对历史返修产品的异常特征参数和与历史返修产品的异常特征参数[0087]在一些实施例中，在历史返修产品的异常信息中存在多个异常参数特征的情况[0089]步骤10513，对历史返修产品的异常特征参数和与历史返修产品的异常特征参数[0091]步骤10515，根据与历史返修产品的异常特征参数对应的历史返修产品的报废率拟合函数和与历史返修产品的异常特征参数对应的返修产品报废成本得到返修产品报废[0094]步骤10517，根据返修产品设备占用成本拟合函数和返修产品报废成本拟合函数[0096]一些实施例中，运行数据还包括与生产设备参数对应的未返修产品的历史数[0098]步骤113，根据生产设备参数对应的未返修产品的历史数据确定与异常信息对应[0099]步骤115，根据当前异常产品的返修后的良品率和与异常信息对应的生产设备的未返修产品的良品率确定当前异常产品的返修后数字化工厂的生[0100]其中，数字化工厂的生产效率是子单位时间内数字化工厂生产的合格产品的数[0103]当前异常产品的返修后的良品率等于与异常信息对应的生产设备的未返修产品理系统包括多个历史时间周期内的销售数量信息，生产系统参数包括当前产品生产速率。[0110]步骤119，根据多个历史时间周期内的销售数量信息，确定多个销售数量信息序