一种滑板生产检测方法及系统与流程

1.本发明涉及产品检测技术领域，尤其是涉及一种滑板生产检测方法及系统。


背景技术：

2.滑板为连铸生产中的耐火材料，滑板的材质一般为铝锆碳、铝碳、镁碳材质，表面涂有防氧化涂抹剂，中间有开口，并根据开口直径大小和机构样式命名，如c10、c30、b40、b60、ypn60、ypn70、cs100、cs80。
3.为了确保连铸生产中的滑板符合要求，在滑板的生产完成后需要对滑板进行质量检测，传统的检测方式是采用人工检测，即利用人工对生产出来的滑板逐个进行滑板密度、滑板外形参数测量，并判断滑板是否合格。
4.然而，利用人工检测时，由于每个人的主观感受不同，检验的准确度和检验速度不容易得到保证。
5.目前，针对利用人工检测滑板是否合格，检验的准确度和检验速度不容易得到保证的技术问题，尚未得到妥善解决。


技术实现要素：

6.针对现有技术存在的不足，本发明的目的是提供一种滑板生产检测方法及系统，以解决利用人工检测滑板是否合格，检验的准确度和检验速度不容易得到保证的技术问题。
7.本发明的上述发明目的是通过以下技术方案得以实现的：
8.第一方面，本发明提供一种滑板生产检测方法，包括如下步骤：
9.s1、收集数据：利用人工或检测系统收集滑板的检测参数数据；
10.s2、分析判断数据：检测系统对s1的滑板的检测参数数据进行分析，判断滑板是否合格，并生成检测结果；
11.s3、生成报表：检测系统对s2的检测结果进行分析并生成可视化报表。
12.作为其中的一些实施例，步骤s1中：
13.检测参数数据的收集方式包括员工现场填写数据和检测系统视觉收集方式获取数据；
14.检测参数包括滑板密度和滑板外形参数。
15.作为其中的一些实施例，步骤s2中：
16.检测系统对s1的滑板的检测参数数据进行分析，判断滑板是否合格及不合格原因，并生成检测结果。
17.作为其中的一些实施例，步骤s2中：
18.检测系统对s1中的检测参数数据进行分析，找出代表滑板的品质参数作为训练数据，进行自学习训练，并进行数据迭代处理。
19.作为其中的一些实施例，步骤s3中：
20.检测系统对s2的检测结果进行分析，并生成可视化报表，对滑板的质量的变化趋势进行动态展现。
21.第二方面，本发明提供一种滑板生产检测系统，应用于第一方面所述的方法对滑板进行检测，包括：
22.数据收集模块，用于收集滑板的检测参数数据；
23.分析模块，用于对所述数据收集模块收集的滑板的检测参数数据进行分析，判断滑板是否合格，并生成检测结果；
24.输出模块，用于对所述分析模块生成的检测结果进行分析并生成可视化报表。
25.作为其中的一些实施例，所述分析模块包括：
26.自学习模块，用于对所述数据收集模块收集的滑板的检测参数数据进行分析，找出代表滑板的品质参数作为训练数据，进行自学习训练，并进行数据迭代处理；
27.合格分析模块，经所述自学习模块进行代表滑板的品质参数的训练和数据迭代处理操作后，对其余滑板的检测参数数据进行分析，判断滑板是否合格，并生成检测结果。
28.本发明的有益技术效果在于：
29.本发明一种滑板生产检测方法及系统，在传统人工测量和判断的基础上，利用检测系统辅助人工对滑板的参数数据进行检测，简化了检验人员的工作流程，相较于过去依靠人工主观检验的结果，本发明得到的结果更加客观和严谨，提高检验的准确度和检验速度。
附图说明
30.图1为本发明实施例中的滑板生产检测方法的流程图；
31.图2为本发明实施例中的滑板的俯视图；
32.图3为本发明实施例中的滑板的侧视剖视图；
33.图4为本发明实施例中的滑板生产检测系统的连接框图。
具体实施方式
34.下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例，基于本技术中的实施例，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，都属于本技术保护的范围。
35.如今，所有公司都希望能够更充分地利用数据高质量发展。组织希望在生成各项管理报表之余，基于数据为管理者提供更便捷、更详细、更深入的见解。使用机器学习和可视化分析技术，以所有数据的依托云作为中央存储库及更加有效的使用生产数据，其中，信息不局限于下述列式数据。借助数据分析工具和计算机技术，公司可以移动和分析其他信息，包括图像、声音或pdf文档缓存，可以对这些信息加以整理，以最大限度地提高公司使用数据和通过可视化软件提供富有见地的信息处理的能力。将这些技术运用在滑板生产过程中，能够即时准确的找到并归类半成品滑板地瑕疵，并通过可视化报表及时同步信息给每一个相关管理者。可视化软件使用的数据来自生产过程中生成的的整个数据资源。而通过使用中央数据存储库数据不断优化生产过程，又可以将数据加载到数据湖，数据湖可用于
机器学习或用于创建虚拟数据库以供分析师使用。如果数据量非常大，还可以创建数据仓库和数据公用市场，将好的经验分享给整个行业。
36.实施例一
37.本实施例涉及本发明的方法。
38.如图1所示，本发明公开的一种滑板生产检测方法，包括如下步骤：
39.s1、收集数据：利用人工或检测系统收集滑板的检测参数数据；
40.s2、分析判断数据：检测系统对s1的滑板的检测参数数据进行分析，判断滑板是否合格，并生成检测结果；
41.s3、生成报表：检测系统对s2的检测结果进行分析并生成可视化报表。
42.其中，步骤s1中检测参数数据的收集方式包括员工现场填写数据和检测系统视觉收集方式获取数据；检测参数包括滑板密度和滑板外形参数。
43.其中，步骤s2中检测系统对s1的滑板的检测参数数据进行分析，判断滑板是否合格及不合格原因，并生成检测结果。
44.其中，步骤s2中检测系统对s1中的检测参数数据进行分析，找出代表滑板的品质参数作为训练数据，进行自学习训练，并进行数据迭代处理。
45.具体地，步骤s2中检测系统对s1中的检测参数数据进行特征工程分析，找出代表滑板的品质参数作为训练数据，进行模型训练，并将结果循环传输至分析判断数据过程中，在模型训练的过程中，不断进行数据迭代，以保证滑板的品质参数的准确性，以及保证其余滑板在被检测判断时不会出现检测结果不准确的情况，在传统人工测量和判断的基础上，优化改进分类标准，辅助人工检验决策过程。最终提高检验的准确性和检验速度。
46.其中，步骤s3中检测系统对s2的检测结果进行分析，并生成可视化报表，对滑板的质量的变化趋势进行动态展现，使得工厂人员能够清晰地发现其中规律，从而提供决策，利用机器学习模型结果，进行可视化输出，从而指导和培训检验人员的技能提升，最终实现人工智能与作业流程的有机结合。
47.具体地，首先，通过员工现场填写和检测系统的数据获取硬件，获得滑板的检测参数数据，并通过检测系统的软件对参数数据进行清洗，使其成为检测系统的机器学习模型可用的标准化数据；之后，通过检测系统的机器学习软件，对上级数据获取软件清洗后的标准化产品参数数据，进行特征工程分析，找出其中最能够代表产品品质的参数，用作训练数据，以提升机器学习模型的分类和检验准确度。
48.其中，滑板的外观数据包括如图2所示的a、b、d及如图3所示的a、c，其中，a为滑板的长度；b为滑板的宽度；c为滑板的厚度；d为滑板的孔径。
49.对照检测标准如下：
50.1.按照图纸尺寸、公差作为检查标准。无公差的按
±
1mm；
51.2.尺寸偏差
52.a尺≥400mm c尺偏差≤2mm，a尺≤400mm c尺偏差≤1mm；
53.子口高度偏差≤0.5mm；
54.孔偏心a1，a2尺在图纸公差范围内，凸台偏心≤2mm；
55.飞边宽度(包括背面、研磨面、凸台)≤1mm；
56.3.表面颗粒检测：要求重要面无明显颗粒，特殊面≤10mm，一般面≤50mm，深度≤
1mm；
57.4.平整度、扭曲检查
58.背面平整度≤0.3mm，凸台平整度≤0.3mm，滑动面平整度≤1mm；
59.扭曲控制在1mm以内；
60.5.破坏抽查：装模或换料后，对成型合格的初品砖坯进行破坏检查，检查断面的颗粒、密度是否均匀；是否有层裂现象。
[0061][0062]
6.体积密度检查：以水测法为准
[0063][0064]
利用特征工程筛选后的有效参数数据，对机器学习模型进行训练，由于本发明采用自学习模型，因此训练过程无需人工参与和检测组数据。
[0065]
根据模型参数分类结果，与实际进行比对调整模型系数，并反复训练过程，直到机器学习模型软件输出稳定结果，结果可直接判断问题产品是由什么导致的，精准定位原材料瑕疵、设备瑕疵还是偶然事件等导致，支持人工进行决策。并且根据工厂产品数据变化(如生产新产品类型等)，不断重复特征工程及训练过程，以适应工厂生产情况。
[0066]
训练模型应用一，贝叶斯算法：p(a|b)和p(b|a)。
[0067]
按照乘法法则，可以立刻导出：p(a∩b)＝p(a)*p(b|a)＝p(b)*p(a|b)。如上公式也可变形为：p(a|b)＝p(b|a)*p(a)/p(b)。
[0068]
经过训练后机器学习模型输出的判断检测结果，通过可视化软件，将分析结果展示，生成支持决策的知识信息。
[0069]
本实施例的优点在于，在传统人工测量和判断的基础上，利用检测系统辅助人工对滑板的参数数据进行检测，简化了检验人员的工作流程，相较于过去依靠人工主观检验
的结果，本发明得到的结果更加客观和严谨，提高检验的准确度和检验速度。
[0070]
实施例二
[0071]
本实施例涉及本发明的系统。
[0072]
如图4所示，本发明公开的一种滑板生产检测系统，应用于实施例一的方法对滑板进行检测，包括数据收集模块、分析模块和输出模块。其中，数据收集模块，用于收集滑板的检测参数数据；分析模块，用于对数据收集模块收集的滑板的检测参数数据进行分析，判断滑板是否合格，并生成检测结果；输出模块，用于对分析模块生成的检测结果进行分析并生成可视化报表。
[0073]
作为其中的一些实施例，分析模块包括自学习模块和合格分析模块。其中，自学习模块，用于对数据收集模块收集的滑板的检测参数数据进行分析，找出代表滑板的品质参数作为训练数据，进行自学习训练，并进行数据迭代处理；合格分析模块，经自学习模块进行代表滑板的品质参数的训练和数据迭代处理操作后，对其余滑板的检测参数数据进行分析，判断滑板是否合格，并生成检测结果。
[0074]
本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，且上述实施例之间能够相互组合进行使用，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。