[发明专利]一种基于大数据的智能车间的车间自主学习方法

权利要求书

1.一种基于大数据的智能车间的车间自主学习方法，其特征在于：

所述智能车间包括：

设置有学习数据库(101)的智能总控模块(100)；

数据采集点(200)，与所述智能总控模块(100)通信连接，用于收集车间的生产信息，所述生产信息包括原材料余量信息、产品质量信息和温湿度信息；所述生产信息存储于学习数据库(101)内，并在所述学习数据库(101)内自动生成相应的解决方案信息；

生产监控点(300)，与所述智能总控模块(100)通信连接，用于实时监控车间工况并生成相应的监控信息；将所述监控信息与学习数据库(101)内存储的生产信息进行比对，当所述监控信息异常时，所述学习数据库(101)导出相应的解决方案信息供智能总控模块(100)对监控信息异常的情况进行处理；

所述智能总控模块(100)连接有温湿度自动调节模块(400)和报警模块(500)，所述报警模块(500)包括第一报警灯(501)和第二报警灯(502)；

所述车间自主学习方法包括：

将生产过程分为时间相等的时间段N₁、N₂、N₃…N_Y,其中，Y>1;每个时间段均分为时间相等的生产周期T₁、T₂、T₃…T_X,其中，X>1；当所述数据采集点(200)采集到在时间段N₁的生产周期T_X内原材料余量低于预设的原材料余量阈值时，所述智能总控模块(100)将该预设的原材料余量阈值信息存储于学习数据库(101)内，并在所述学习数据库(101)内自动生成在时间段N_Y的生产周期T_X-1内提前采购适量原材料的解决方案信息；

当所述生产监控点(300)在时间段N_Y的生产周期T_X-1内监控到当前原材料余量低于学习数据库(101)内记录的预设的原材料余量阈值时，所述学习数据库(101)自动导出提前采购适量原材料的解决方案信息，此时，所述智能总控模块(100)控制第一报警灯(501)发出报警信号。

2.根据权利要求1所述的车间自主学习方法，其特征在于：当在时间段N₁的生产周期T_X内原材料存储量低于预设的原材料存储量阈值且原材料的采购困难度高于预设的采购困难度阈值时，确定在时间段N₁的生产周期T_X内原材料余量低于预设的原材料余量阈值。

3.根据权利要求2所述的车间自主学习方法，其特征在于：将生产过程分为时间相等的检修周期M₁、M₂、M₃…M_i,其中，i>2；当所述数据采集点(200)采集到在检修周期M₁内的产品质量信息不满足要求，而检修周期M₁结束时对设备进行检修后，检修周期M₂内的产品质量信息满足要求，但是在检修周期M₃内的产品质量信息又不满足要求的检修信息时，所述智能总控模块(100)将该检修信息存储于学习数据库(101)内，并在所述学习数据库(101)内自动生成在检修周期M_i结束时对设备进行检修的解决方案信息；

当所述生产监控点(300)监控到检修周期M_i结束时，所述学习数据库(101)自动导出对设备进行检修的解决方案信息，此时，所述智能总控模块(100)控制第二报警灯(502)发出报警信号。

4.根据权利要求3所述的车间自主学习方法，其特征在于：当一个检修周期内产品的合格率低于预设的合格率阈值或连续多个产品的质量数据低于预设的质量数据阈值时，确定在该检修周期内的产品质量信息不满足要求。

5.根据权利要求4所述的车间自主学习方法，其特征在于：将每个时间段均分为时间相等的监控周期R₁、R₂、R₃…R_W,其中，W≥1；当所述数据采集点(200)采集到在时间段N₁的监控周期R_W内的产品质量信息不满足要求，但是调节车间的温湿度至合适的温湿度阈值后，监控周期R_W内的产品质量信息又满足要求的监测信息时，所述智能总控模块(100)将该温湿度阈值存储于学习数据库(101)内，并在所述学习数据库(101)内自动生成在时间段N_Y的监控周期R_W内控制所述温湿度自动调节模块(400)将车间的温湿度调节至该温湿度阈值的解决方案信息；

当所述生产监控点(300)监控到当前时间处于时间段N_Y的监控周期R_W内时，所述学习数据库(101)自动导出相应的解决方案信息，此时，所述智能总控模块(100)控制温湿度自动调节模块(400)将车间的温湿度调节至学习数据库(101)内记录的温湿度阈值。