[发明专利]一种基于机器学习和工业物联网的智能制造行业参数寻优方法

说明书

本发明公开了一种基于机器学习和工业物联网的智能制造行业参数寻优方法，包括以下步骤：S1、搭建工业物联网系统，将底层设备连入其中，同时提取其运行数据；S2、分析智能生产线的工艺步骤，搭建其数字化生产模型，将采集来的数据与模型中的变量对应起来，并存放在数据库中不同的位置；S3、搭建关联分析模型；S4、搭建序列模型，量化关联性规则；S5、得出生产线不同工段之间的关系，然后搭建灰色模型计算不同工段之间数据的变化趋势。本发明通过导入工业物联网系统，使生产数据做到集中收集、集中清洗、集中处理，为后续工作提供数据支持，通过机器学习模型计算每一部分的最优值，工程师以此为基准值调节，降低了大量的调试工作量。

技术领域

本发明涉及工业智能生产线技术领域，更具体涉及一种基于机器学习和工业物联网的智能制造行业参数寻优方法，通过构建的数字化、智能化生产线模型，自动的调节每一个子部分的参数。

背景技术

目前，生产线上每个单元均为独立单元，每个单元均是通过定时触发、传感器触发、单元之中的PLC触发三种方式进行衔接，彼此之间没有相关性，对后期导入模型算法造成了很大的困难。

目前市场上的公司，在遇到生产线上产品变化时，先是人工通过调节每一部分的程序或参数，最后将调好的产线运行，在动态环境中，查看调节的效果，按照生产线运行对每一部分的影响，再次调节每一部分的程序或参数，导致效率较低下，且在修改程序或参数的过程中无法对生产线整体的运行进行把控，每次调试都会照成浪费，反复若干次后，浪费就很严重了。

生产线在运行过程中，当原料有变化后，会对后面工段的设备造成影响，此时往往就需要相关技术人员进行参数调节，需要工程师人工调节每一部分的程序和参数，最后再反复尝试，直到满足工艺要求，往往为了满足不同工段的要求，降低了生产能力，人工调试效率低下，浪费严重，所以就面临生产线的刚性大而柔性不足的问题。

生产线上设备相互独立，彼此之间没有实现数据共享，当某一环节出现问题，后续工段无法及时调整生产方式，必然会将问题层层传导，产品无法达到合格标准，提高了废品率。同时在生产的过程中，生产数据都是保存在本地，当传感器出现故障时可能造成数据丢失、数据缺失、数据不连续现象，而维护人员不能及时获取设备信息，无法做到及时排除故障，最终造成生产线效能的下降。

发明内容

本发明需要解决的技术问题是提供一种基于机器学习和工业物联网的智能制造行业参数寻优方法，以解决生产线上设备相互独立，彼此之间没有实现数据共享，当某一环节出现问题，后续工段无法及时调整生产方式，人工调试效率低下，浪费严重的问题，以利用工业物联网系统，将生产线上的设备连入网中，实现数据统一上传，统一处理，为后续模型导入提供基础支撑，以减轻大量的工作量，保证保证产品的质量，以实现整条产线效能最大。

为解决上述技术问题，本发明所采取的技术方案如下。

基于机器学习和工业物联网的智能制造行业参数寻优方法，包括以下步骤：

S1、搭建工业物联网系统，将底层设备连入其中，使生产数据导入到数据池内；

S2、分析智能生产线的工艺步骤，搭建其数字化生产模型，将采集来的数据与模型中的变量对应起来，并存放在数据库中不同的位置；

S3、根据工艺逻辑关系，搭建关联分析模型，将数据库中的数据导入模型中，构建生产线的频繁项集，再对频繁项集进行剪枝，产生新的项集，计算其相应的数据，最后产生数据模型的规则；

S4、搭建序列模型，量化关联性规则；构建一个序列数据集，每一行记录与一个特定的对象相关联的一些事件，在给定时刻输出，根据输出的序列刻画其长度和出现事件，则相关的序列属性对应不同工段数据在序列中的位置；