[发明专利]一种基于FFM模型的车间设备综合效率预测方法及系统

权利要求书

1.一种基于FFM模型的车间设备综合效率预测方法，其特征在于，所述方法包括以下步骤：

S1.实时采集生产设备运行数据，确定生产管理系统MES中的生产数据；

S2.对生产设备运行数据与生产管理系统MES中的生产数据进行预处理，得到集成数据向量；

S3.根据生产管理系统MES中历史质量数据来标注集成数据向量，得到标注数据集；

S4.引入FFM神经网络模型，利用标注数据集训练FFM神经网络模型，得到训练好的车间设备生产质量预测模型；

S5.按步骤S1～S2采集实时场景的生产设备运行数据与生产管理系统MES中的生产数据并预处理，得到集成数据向量，将该集成数据向量作为车间设备生产质量预测模型的输入，进行产品合格率预测；

S6.根据产品合格率预测结果，求解车间设备综合效率。

2.根据权利要求1所述的基于FFM模型的车间设备综合效率预测方法，其特征在于，在步骤S1中，实时采集的生产设备运行数据包括设备供电电流、设备运行温度、设备电机转速、进给速度、压力，整理为生产设备运行数据向量形式E，表征为E:时间戳，设备编号，设备名称，运行数据1，运行数据2，…，运行数据n＝时间，设备编号，设备运行温度，设备供电电流，设备电机转速，进给速度，压力，生产管理系统MES中的生产数据包括跟生产设备相关的排产、报工和质检数据，生产设备运行数据中时间戳与生产设备标识抽取生产管理系统中对应时间段产品批次生产的排产报工数据为R，表征为R：时间，设备编号，订单编号，生产任务编号，工序名称，生产产品总数，图纸编号，操作人员id，该批次产品质量检测结果数据为Q，表征为Q：时间，设备编号，订单编号，生产任务编号，工序名称，图纸编号，生产产品总数，产品合格数量，产品不合格数量。

3.根据权利要求2所述的基于FFM模型的车间设备综合效率预测方法，其特征在于，在步骤S2中，根据时间戳与设备编号将设备运行数据和排产报工数据向量进行集成，构建对应生产批次设备运行数据与产品生产数据的集成数据向量C，表征为C：时间，设备编号，生产产品总数，工序名称，图纸编号，操作人员id，设备名称，运行数据1，运行数据2，…，运行数据n＝时间，生产产品总数，工序名称，图纸编号，操作人员id，设备名称，设备编号，设备运行温度，设备供电电流，设备电机转速，进给速度，压力。

4.根据权利要求3所述的基于FFM模型的车间设备综合效率预测方法，其特征在于，在步骤S3中，基于该批次产品质量检测数据对当前产品批次集成数据向量的质量状态进行标注，表征为B：时间，设备编号，生产产品总数，工序名称，图纸编号，操作人员id，设备名称，运行数据1，运行数据2，…，运行数据n，质量状态＝时间，设备编号，生产产品总数，工序名称，图纸编号，操作人员id，设备名称，设备运行温度，设备供电电流，设备电机转速，进给速度，压力,质量状态，其中合格产品质量状态标记为0，不合格产品质量状态标记为1。

5.根据权利要求4所述的基于FFM模型的车间设备综合效率预测方法，其特征在于，对标注数据集进行重新编码，使所有数据转变为数值型数据，形成纯数字向量形式；其中，时间，设备编号，工序名称，图纸编号，操作人员id，设备名称数据类型为类别型数据，生产产品总数及各设备运行数据运行数据1，运行数据2，…，运行数据n＝设备运行温度，设备供电电流，设备电机转速，进给速度，压力数据类型为数值型数据，对数值型数据进行归一化处理，将数值型数据限制在0～1的范围内；

采用独热编码对标注数据集进行重新编码，使类别型数据转换成为对应特征值的数值型数据，并根据原始标注数据集B中类别型数据的字段，同时将同一字段下的特征划分为同一个特征域中，编码后的向量为Bt：标识,x₁,x₂,x₃,x₄,...,x_n＝质量状态,时间，生产产品总数，设备运行温度，设备供电电流，设备电机转速，进给速度，压力,设备编号1，设备编号2…，工序名称1,工序名称1…，图纸编号1,图纸编号2，操作人员id1,操作人员id2…，设备名称1,设备名称2…，x_i表示输入特征，i＝1,2，...,n。