CN119494561A 一种基于mes的工业生产数据智能分析管理方法 （深圳灿态信息技术有限公司）

道清华社区清龙路6号港之龙科技园I一种基于MES的工业生产数据智能分析管理本发明公开了一种基于MES的工业生产数据因子，S500将分析结果以可视化方式发送至MES21.一种基于MES的工业生产数据智能分析管理方法，其特征在于，该方法的具体步骤度cuv，通过对质量检测信息的各项数据波动指标进行加权求和，得到实时数据波动特征析特定时间段(H+AT1,T-AT⃞]、特定生产环节L={L1,L2,…,Lm}以及特定数据属性A={A1,A2,…,An}形成动态数据切片的数据子集；2.根据权利要求1所述的一种基于MES的工业生产数据智能分析管理方法，其特征在所述交付时间紧迫度TY以当前生产任务的剩余交付天数D,与标准交付天数D:的差值来衡量，即T=D:-D,；所述订单收益系数O,由当前生产任务的预计收益与企业同期生产任务的平均收益所述客户合作紧密程度cc依据与客户过往合作次数和合作金额总和AC的乘积综合且满足w1+wuz+wus=1。3.根据权利要求1所述的一种基于MES的工业生产数据智能分析管理方法，其特征在所述故障发生频率统计设备在特定时间段内3所述维修成本占比Rr通过计算设备单次维修平均成本cm与设备购置成本C,的比值，即RC=cm/C；4.根据权利要求1所述的一种基于MES的工业生产数据智能分析管理方法，其特征在所述不良品增长速率D,计算当前时间段内不良品数量的增长值ANU与上一时间段不所述关键质量特性偏离度CUV针对产品关键质量特性的标准值S,与实际检测值A,的5.根据权利要求1所述的一种基于MES的工业生产数据智能分析管理方法，其特征在Te为基础，结合生产任务的优先级P和实时数据波动特征的综合评估值V来确定具体的切片时间范围，即当P高于优先级阈值pih且V大于波动阈值vn时，将时间切片范围缩小为[T,+AT1,T-AT⃞]，其中和为根据生产任务紧急程度和数据波动情6.根据权利要求1所述的一种基于MES的工业生产数据智能分析管理方法，其特征在行分类，将关键程度指标K高于关键程度阈值kn的设备所在生产环节确定为关键生产环整，数据提取权重的调整为ww/aoumn=w十haxcuss，其中wo为基础数据提取权重，数据被筛选掉。47.根据权利要求1所述的一种基于MES的工业生产数据智能分析管理方法，其特征在据波动特征的综合评估值v相关性高于相关性阈值Run的属性，在属性切片中进行优先提取和保留，属性相关性的计算采用皮尔逊相关系数法，对于属性和综合评估指标i在第j个数据样本中的值，8.根据权利要求1所述的一种基于MES的工业生产数据智能分析管理方法，其特征在环节集合L={L1,L2,…,Lm}，包括关键环节和关联环节，属性切片确定属性集合属性的数据值。9.根据权利要求1所述的一种基于MES的工业生产数据智能分析管理方法，其特征在得到，所述标准化处理对于每个属性，计算其均值和标准差，则;节j上的均值；择前h个特征向量组成投影矩阵pca，通过yrca=xuxprca得到降维后的数据集;小支持度阈值minsupan和最小置信度阈值minconfax，扫描数据集ypca，统计每个属5关联规则。6[0001]本发明涉及工业自动化与信息技术领域，具体为一种基于MES的工业生产数据智业在复杂多变市场环境中的竞争力和可持续[0005]本发明的目的就是为了弥补现有技术的不足，提供了一种基于MES的工业生产数7焦分析特定时间段、特定生产环节L={LY,L2,…,Lm}以及特定数据属性A={AY,A2,…,A}形成动态数据切片的数据子集X[i][j][K]；所述交付时间紧迫度TP以当前生产任务的剩余交付天数D,与标准交付天数DS所述订单收益系数由当前生产任务的预计收益P,与企业同期生产任务的平所述客户合作紧密程度cc依据与客户过往合作次数NC和合作金额总和AC的乘所述维修成本占比RC通过计算设备单次维修平均成本cm与设备购置成本cp的所述设备运行稳定性指标st通过监测设备运行参数的波动幅度来确定，利用运8修成本占比、设备运行稳定性指标的权重系数，且满足W4+W5十wg=l。所述质量数据变异系数QY将质量检测数据的样本标准差sa除以样本均值Ma所述不良品增长速率Dg计算当前时间段内不良品数量的增长值4Na与上一时所述关键质量特性偏离度cav针对产品关键质量特性的标准值sv与实际检测值时间切片范围缩小为[rs+4T1,T-4T2]，其中dTZ和dTZ为根据生产任务紧急程度生产环节存在直接上下关联关系的生产环节，其数据提取权重wupdown根据关联紧密程度系数cas进行调整，数据提取权重的调整为wupdown=wo+k3xcass，其中(p,,v)9i在第j个数据样本中的值，Ri为属性i的样本均值，yj为对应的生产任务优先级、设备关键程度指标和实时数据波动特征的综合评估值在第j个数据样本中的值，ĵ为其样本均值，n为数据样本数量。片确定属性集合A={AY,A2,…,A}，所述动态数据切片的数据子集X[i[][K]表示在时间区间[rs+4T1,Te-dT2]内的第i个时间点，生产环节集合中的第j个生产[0014]更进一步地，所述S400通过数据分析方法的主成分分析PCA，对数据子集点的数量，是属性p在生产环节j上的均值，是属性q在生产环节j前h个特征向量组成投影矩阵ppca，通过ypc=xstdxppcA得到降维后的数据集;计每个属性的出现次数，将满足最小支持度阈值的频繁项集L48进行连接，生成候选项集,其中supportag(Apcg)表示项[0015]与现有技术相比，该一种基于MES的工业生产数据智能分析管理方法具备如下有的潜在贡献越高；客户合作紧密程度CC依据与客户过往合作次数N和合作金额总和AC的P=W1XT,+wzxor+W3XCC(其中W1+W2+W3=1)计算生产任务st=o/μ比值越K=W4XF+WSXR。+wgxs:(W4+WS+wg=1)算出设备的关键程度检测数据的样本标准差sa除以样本均值Ma算出，即Q,=sa/Ma，它有效衡量质量数标准值S,与实际检测值AY的差值进行统计，即CSV=IS,-Al，差值越大表示V=W7XQV+wgxDg+wgxcav(W7+wg+W=1)求得实时数据波得到标准化数据集xsa[i][j][k]，消除不同属性量纲差异，属性间线性关系，随后对协方差矩阵特征值分解，获取特征值入m和特征向量vm(m=1,2,…,M，M为属性数量)，按特征值降序排列，选前h个特征向量组成投影矩阵[0026]将分析所