[发明专利]一种产线数据实时分析及可视化方法

说明书

发明专利申请涉及一种利用计算机程序对产线装配数据进行实时分析及可视化的方法，该计算机程序可以实时、有效地采集产线装配数据，直观地反应产线装配数据之间的关系，对实时装配进行预测与指导，解决了现行装配方法只能事后调整、装配时间长、成品合格率低的问题，有效地提高了产品装配合格率。

技术领域

本发明涉及一种利用计算机程序对产线装配数据进行实时分析及可视化的方法，属于机械工业领域。

背景技术

复杂机械产品从零部件到整体产品的装配过程中，涉及的装配工序较多，零件本身以及装配过程产生的误差会在各个工序之间累加，导致产品的成品合格率不高。传统的工业产线不具备信息化和自动化功能，装配通过工人手动完成，人工装配具有很多局限性，如测量主观误差较大，产品一致性不高等。

经过一定的更新换代，目前大多数工厂采用了自动化及半自动化装配的方式，即通过滚轮传送带运输产品，通过机械臂代替工人组装，通过传感器代替人工测量读数。自动化的装配方式降低了人为主观误差，但其合格率分析等操作都基于装配完成后的检测，不具备实时调整参数指导装配的功能，因此还需进一步提高机械产品的一次性装配合格率。

发明内容

本发明的目的：解决目前复杂机械产品只能按固定工序参数装配、依赖事后检测、无法实时调整等问题；提供一种适用范围广、使用较为方便的产线数据实时分析及可视化方法，改进现有的生产装配方式，提高智能装配程度，满足复杂机械产品高合格率的要求。

为了实现上述目的，本发明采用的技术实施方案如下：

一种装配产线数据实时分析及可视化方法，包括：传感器、下位机、上位机之间的硬件连接方式、数据处理算法；数据处理算法包括相关性分析算法、合格率预测算法；传感器、下位机、上位机之间通过串口连接线连接，数据采用串口传输方式，数据到达上位机经过串口转化为浮点型或整形数据，由可视化软件进行可视化显示，并进行相关性分析及预测分析，调整参数的信号由上位机通过串口下发至下位机执行。

数据处理算法分为连续型数据分析算法与离散型数据分析算法：

针对连续型数据，采用Pearson相关性分析方法和灰色关联性方法进行分析。Pearson相关性分析方法主要特征在于采用一种线性相关系数，用来描述两组线性数据一同变化移动的趋势，适用该方法的变量需要满足以下条件：(1)两变量均来自正态分布，或接近正态的单峰对称分布的总体；(2)变量必须是成对的数据；(3)数据之间的差距不能太大(受异常值影响较大)；(4)两变量均应由测量得到(每组样本独立抽样)。在算法中采用Pearson相关系数对变量之间的相关性进行描述，其数学表达式为：

其中，μ为均值，若用N代表样本个数，对上式进行化简可得。

P值代表拒绝原假设犯错误的概率，即拒绝原假设的最小alpha值，概率函数的上侧面积，此处对相关系数的检验方式为置换检验。

P值(p-value)的计算是建立在如下两个假设基础上的:

(1)无效假设(null hypothesis)H_0:r＝0，两参量间不存在“线性”关联。

(2)备择假设(alternative hypothesis)H_1:r≠0.两参量间存在“线性”关联。

灰色关联分析(Grey Relation Analysis，GRA)方法是一种多因素统计分析的方法，通过分析结果可以判断出所关注的某项指标与各项因素的相关程度大小。

首先确定母序列(即参考序列)和子序列(即需要确立顺序的因素序列)，然后对数据进行归一化/无量纲化处理(一般在GRA中采用初值化/均值化的方法)，最后计算灰色关联系数，进而计算关联度。