一种基于MES大数据的催化剂智能制造方法与流程

本发明涉及催化剂智能制造
技术领域：
，尤其涉及一种基于mes大数据的催化剂智能制造方法。
背景技术：
：随着工业4.0时代的到来，车间生产已从传统的自动化、数字化向智能化发展；随着环保标准的提高，国6排放标准的实施，越来越多的催化剂新产品导入生产。对于催化剂制造过程，如何快速应对新品以及缩短生产过程换型时间将决定催化剂生产成本以及交付能力的高低。先行的新品导入或新批次产品上线，不论是安排工艺验证还是过程的多组调试，都会导致生产时间的浪费，延长导入周期或增加换型时间，导致生产效率降低。另外，制造执行系统(manufaturingexecutivesystem，mes)虽然已记录了大量实际生产数据，但是这些记录仅作为过程追溯使用，在指导后续生产上并未有效利用。技术实现要素：本发明提供了一种基于mes大数据的催化剂智能制造方法，解决相关技术中存在的生产效率低且mes并未有效利用的问题。作为本发明的一个方面，提供一种基于mes大数据的催化剂智能制造方法，其中，包括：获取mes系统数据库中预先录入的首检合格品的生产参数和过程关键工艺参数；当新产品上线时，通过pda识别新产品的产品信息，并根据预先录入的所述首检合格品的过程关键工艺参数自动匹配新产品的过程关键工艺参数；根据所述首检合格品的生产参数对所述新产品进行首检，获得新产品首检的生产参数；将所述新产品首检的生产参数存储至所述mes系统数据库中。进一步地，所述首检合格品的过程关键工艺参数包括：浆液物性参数、产品型号、生产设备、打浆行程和抽吸负压。进一步地，所述根据预先录入的所述首检合格品的过程关键工艺参数自动匹配新产品的过程关键工艺参数，包括：根据参数最优原则将所述新产品的过程关键工艺参数与所述首检合格品的过程关键工艺参数进行自动匹配。进一步地，所述根据参数最优原则将所述新产品的过程关键工艺参数与所述首检合格品的过程关键工艺参数进行自动匹配，包括：根据新产品上线物料物性及生产设备，在所述mes系统数据库中进行检索，按照生产设备相同或同类、浆液物性参数最接近的原则进行参数直接赋值或运算。进一步地，所述参数最优原则包括按照优先级由高到低排列的：同一配方同一设备同一固含近似粘度、同一配方同类设备同一固含近似粘度、同一配方同一设备近似固含近似粘度、同一配方同类设备近似固含近似粘度、近似配方同一设备同一固含近似粘度、近似配方同类设备同一固含近似粘度、近似配方同一设备近似固含近似粘度和近似配方同类设备近似固含近似粘度。进一步地，所述新产品包括twc、doc、scr、gpf和dpf中的任意一种。进一步地，所述产品型号包括产品直径在93mm～330mm之间，以及产品高度在62mm～152.4mm之间的产品。进一步地，所述生产设备包括：a类、f类和h类设备中的任意一种。本发明实施例提供的基于mes大数据的催化剂智能制造方法，通过mes系统实现数据的采集、存储实现大数据库；采用首检数据甄别的方式，避免垃圾数据；通过合格生产后的数据回采进一步丰富数据库。与传统的新品导入、工艺验证、上线调试的新品参数确定原则对比，本发明提供的基于mes大数据的催化剂智能制造方法，通过mes组建结构化数据平台、有效数据导入以及数据应用开发等方式实现涂覆过程数据的智能匹配下发；从而达到调试一次合格率高、调试时间短，真正实现了制造过程的降本增效。附图说明附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：图1为本发明提供的基于mes大数据的催化剂智能制造方法的流程图。图2为本发明提供的建立工艺配方大数据库的流程图。图3为本发明提供的新产品调用大数据智能匹配及存储数据的流程图。图4本发明提供的最优参数原则的优先级排列示意图。图5为本发明提供的参数最优原则中的运算后赋值计算示意图。图6为本发明提供的实施例1的新产品的工艺参数数据图。图7为本发明提供的实施例2的新产品的工艺参数数据图。具体实施方式需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。为了使本领域技术人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包括，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。在本实施例中提供了一种基于mes大数据的催化剂智能制造方法，图1是根据本发明实施例提供的基于mes大数据的催化剂智能制造方法的流程图，如图1所示，包括：s110、获取mes系统数据库中预先录入的首检合格品的生产参数和过程关键工艺参数；s120、当新产品上线时，通过pda识别新产品的产品信息，并根据预先录入的所述首检合格品的过程关键工艺参数自动匹配新产品的过程关键工艺参数；s130、根据所述首检合格品的生产参数对所述新产品进行首检，获得新产品首检的生产参数；s140、将所述新产品首检的生产参数存储至所述mes系统数据库中。本发明实施例提供的基于mes大数据的催化剂智能制造方法，通过mes系统实现数据的采集、存储实现大数据库；采用首检数据甄别的方式，避免垃圾数据；通过合格生产后的数据回采进一步丰富数据库。与传统的新品导入、工艺验证、上线调试的新品参数确定原则对比，本发明提供的基于mes大数据的催化剂智能制造方法，通过mes组建结构化数据平台、有效数据导入以及数据应用开发等方式实现涂覆过程数据的智能匹配下发；从而达到调试一次合格率高、调试时间短，真正实现了制造过程的降本增效。应当理解的是，在mes系统采集的数据中，可以通过人工选择首检合格品的生产参数录入调试过程数据库。具体地，如图2所示，所述首检合格品的过程关键工艺参数包括：浆液物性参数、产品型号、生产设备、打浆行程和抽吸负压。具体地，所述根据预先录入的所述首检合格品的过程关键工艺参数自动匹配新产品的过程关键工艺参数，包括：根据参数最优原则将所述新产品的过程关键工艺参数与所述首检合格品的过程关键工艺参数进行自动匹配。具体地，所述根据参数最优原则将所述新产品的过程关键工艺参数与所述首检合格品的过程关键工艺参数进行自动匹配，包括：根据新产品上线物料物性及生产设备，在所述mes系统数据库中进行检索，按照生产设备相同或同类、浆液物性参数最接近的原则进行参数直接赋值或运算。具体地，如图3和图4所示，所述参数最优原则包括按照优先级由高到低排列的：同一配方同一设备同一固含近似粘度、同一配方同类设备同一固含近似粘度、同一配方同一设备近似固含近似粘度、同一配方同类设备近似固含近似粘度、近似配方同一设备同一固含近似粘度、近似配方同类设备同一固含近似粘度、近似配方同一设备近似固含近似粘度和近似配方同类设备近似固含近似粘度。优选地，所述新产品包括twc、doc、scr、gpf和dpf中的任意一种。优选地，所述产品型号包括产品直径在93mm～330mm之间，以及产品高度在62mm～152.4mm之间的产品。优选地，所述生产设备包括：a类、f类和h类设备中的任意一种。需要说明的是，如图5所示，参数最优原则中“近似”指代同等条件下，抓取最接近的一组参数。用数据库符合条件的物料参数与新批次产品物料信息进行参数进行比较，选取偏差最下的一组物料参数的配方进行下发。参数最优原则中的运算后赋值，是根据抓取因子的参数与上线产品参数的差距，通过比例进行计算后赋值。下面结合实施例对本发明提供的基于mes大数据的催化剂智能制造方法进行详细说明。实施例1一种基于mes大数据的催化剂智能制造方法，新批次配方a，二浆工序，报工在a生产，固含26％，粘度2304mpa·s。通过智能检索数据库数据，检索到同工序同设备同固含的生产记录有6条，选择最接近的参数进行赋值下发，锁定序号3配方：打浆行程85mm，负压-26kpa(图6中虚线框标注)。表1实施例1的新产品过程关键工艺参数表序号工序粘度固含量打浆行程抽吸负压1二浆19242684-232二浆25462684.2-273二浆22862684.5-264二浆21922685-355二浆23442685.4-276二浆23042685-21如图6所示为实施例1的新产品的工艺参数数据图。实施例2一种基于mes大数据的催化剂智能制造方法，新批次b配方，二浆工序，报工在a设备生产，固含23％，粘度2136mpa·s。通过智能检索数据库数据，检索到同工序的生产记录有6条，但涉及3个设备2个固含，选择a设备最接近的参数进行赋值下发，锁定序号6配方：打浆行程140mm，负压-31kpa。表2实施例2的新产品过程关键工艺参数表如图7所示为实施例2的新产品的工艺参数数据图。综上，本发明提供的基于mes大数据的催化剂智能制造方法，首先基于mes系统跟踪收集了大量涂覆过程实际生产结构化数据的基础上，通过增加首检数据甄别将每批次实际工艺参数进行有效采集，按照产品配方(包括产品工序、设备、浆液参数、载体型号、过程参数打浆行程、负压等)进行mes存档行程大数据库；然后新批次产品上线时，通过pda扫码识别产品的配方和设备，根据上线物料的物性，在数据库按照参数最优的原则自动抓取匹配最优过程参数，实现配方智能下发；最后新批次产品生产后针对首检数据再次采集录入数据库，从而进一步丰富大数据库。本发明通过mes系统实现数据的采集、存储实现大数据库；采用首检数据甄别的方式，避免垃圾数据；通过参数最优原则实现智能匹配；通过合格生产后的数据回采进一步丰富数据库；与传统的新品导入、工艺验证、上线调试的新品参数确定原则对比，本发明方法通过mes组建结构化数据平台、有效数据导入以及数据应用开发等方式实现涂覆过程数据的智能匹配下发；从而达到调试一次合格率高、调试时间短，真正实现了制造过程的降本增效。可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。当前第1页12