[发明专利]一种基于质量状态任务网的制造系统健康诊断与预测方法

权利要求书

1.一种基于质量状态任务网的制造系统健康诊断与预测方法，提出的基本假设如下：

假设1、制造系统各设备之间物理上保持相互独立，且每台关键加工设备后都有一个检测工位，检测结果是绝对可靠的，只有质量检测合格的在制品能够进入下一工位；

假设2、在具有返工工序的设备中，缺陷产品能且只能返工一次；

假设3、产品关键质量特性之间相互独立；

假设4、设备性能退化以伽马过程表征，所以可控过程变量服从伽马分布，设备在理想状态下，可控过程变量集X(t)＝0；

假设5、设备发生各类型故障的比例是恒定的，并且各类型故障的修复时间与设备当前的性能退化状态无关；

基于上述假设，本发明提出的一种基于质量状态任务网的制造系统健康诊断与预测方法，其特征在于：其步骤如下：

步骤1、收集分析相关设备的运行数据；

步骤2、建立制造系统的质量状态任务网模型；

步骤3、量化产品质量状态；

步骤4、量化设备性能状态；

步骤5、量化任务执行状态；

步骤6、集成产品质量状态、设备性能状态与任务执行状态，建立制造系统健康诊断与预测模型；

步骤7、结果分析；该“结果分析”，是指与传统健康诊断与预测方法对比，验证本专利方法有效性；

通过以上步骤，建立了一种基于质量状态任务网的制造系统健康诊断与预测方法，达到了从系统工程的视角综合考虑设备性能状态、任务执行状态以及产品质量状态的目的，解决了传统健康诊断与预测方法只关注设备性能而忽略了制造系统功能特性的问题，提高了健康诊断与预测的科学性、全面性，有利于指导企业进行科学的生产决策，提升企业生产效益。

2.根据权利要求1所述的一种基于质量状态任务网的制造系统健康诊断与预测方法，其特征在于：

在步骤1中所述的“收集分析相关设备的运行数据”，是指分析产品关键质量特性，确定关键工序，进而确定制造系统中的关键设备；然后基于系统运行大数据，收集各关键设备的基础数据，包括设备故障数据、维修数据、设备运行过程中的过程变量波动数据，制造过程产品质量检测数据，产品关键质量特性设计规格数据，在智能制造背景下，该类数据通过传感器搜集的以上数据及网络云端中获取。

3.根据权利要求1所述的一种基于质量状态任务网的制造系统健康诊断与预测方法，其特征在于：

在步骤2中所述的“建立制造系统的质量状态任务网模型”，是指对步骤1所识别的关键制造设备进行分析，确定各设备间的功能关系，并结合可能出现的产品质量状态，将制造系统转化为质量状态任务网的形式；

其具体作法如下：首先针对产品的加工过程，确定各关键制造设备的连接顺序；其次根据各设备所对应的工序特征，分析经过该设备加工后可能出现的产品质量状态，即当设备存在返工工序时，能出现的产品质量状态有：合格、不合格以及有缺陷可返工的状态，当设备不存在返工工序时，能出现的产品质量状态有：合格与不合格状态；最后利用表征任务演化关系的任务要求指标连接相邻设备。