生产设备的动态配置装置及动态配置方法与流程

1.本技术涉及卷烟制造技术领域，更具体地，涉及一种生产设备的动态配置装置及动态配置方法。


背景技术：

2.将烟叶制成卷烟的工艺包括制丝和烟支卷制、接装和包装两大工序。为降低卷烟中的焦油量，膨胀烟丝、打孔稀释等新技术在卷烟工艺中得到广泛应用。卷烟工艺依据所设计的卷烟类型(烤烟型、混合型、香料型)的不同而异。由于烤烟占烟叶总产量的50％以上，烤烟型卷烟工艺最为常见。若在切丝前增设加工处理的工序，则成为混合型卷烟工艺。
3.现有技术中，卷烟制丝加工过程中，加工前需要预设生产设备的每个生产参数，并在完成一个批次之后或定期(多于一个批次)对生产出来的产品进行质量检测，对同一参数的所有质量数据求平均值，作为该参数的加工质量评价基础，然后依据该平均值调整生产参数。
4.但是，采用平均值的方式会掩盖异常数据，而这些异常数据可能恰好体现了预设参数的偏差，这就导致产品的加工质量评价误差大，以此为基础获得的产品的加工质量无法得到保障。
5.另外，现有方法对产品的质量评价周期较长，无法及时调整生产参数，造成卷烟制丝产品的加工质量较差。


技术实现要素：

6.本技术提供一种生产设备的动态配置装置及动态配置方法，通过数据分析将异常数据筛选出来，依据异常数据调整生产参数，大大提高了产品的加工质量。
7.本技术提供了一种生产设备的动态配置装置，包括动态配置单元、数据采集单元、数据筛选单元和数据更新单元；
8.动态配置单元用于配置生产设备的生产参数；
9.数据采集单元用于采集卷烟制丝生产过程中的质量数据和从动态配置单元中采集生产设备的生产参数；
10.数据筛选单元用于从质量数据中筛选出用于修正生产参数的质量数据，作为用于修正的基础源数据；
11.数据更新单元用于依据用于修正的基础源数据、质量数据的采集环境参数以及历史数据分析结果修正生产参数，并用修正后的生产参数更新动态配置单元内相应的生产参数。
12.优选地，还包括数据预处理单元，数据预处理单元用于对质量数据进行预处理，获得预处理后的源数据。
13.优选地，数据筛选单元包括标准值获取子单元、数据分组子单元、计算子单元和筛选子单元；
14.标准值获取子单元用于获取与质量数据的类型对应的标准值；
15.数据分组子单元用于依据标准值将预处理后的数据划分成多个组，获得多个分组数据，其中，每个分组数据中的数据均大于标准值或均小于标准值，或均等于标准值；
16.计算子单元用于计算分组数据中的每个数据与标准值之间的差；
17.筛选子单元用于若差的绝对值大于阈值，则将与差对应的数据筛选出来，作为用于修正的基础源数据。
18.优选地，数据更新单元包括修正子单元、指令接收子单元和指令驱动子单元；
19.修正子单元用于结合用于修正的基础源数据、质量数据的采集环境参数以及历史数据分析结果修正生产参数；
20.指令接收子单元用于接收更新指令；
21.指令驱动子单元用于驱动更新指令，用修正后的生产参数更新动态配置单元内相应的生产参数。
22.本技术还提供了一种生产设备的动态配置方法，包括：
23.采集卷烟制丝生产过程中的质量数据，并从动态配置单元中采集生产设备的生产参数；
24.从质量数据中筛选出用于修正生产参数的质量数据，作为用于修正的基础源数据；
25.依据用于修正的基础源数据、质量数据的采集环境参数以及历史数据分析结果修正生产参数，并用修正后的生产参数更新动态配置单元中相应的生产参数。
26.优选地，还包括在筛选用于修正的基础源数据之前对质量数据进行预处理，获得预处理后的数据。
27.优选地，获得用于修正的基础源数据，包括：
28.获取与质量数据的类型对应的标准值；
29.将预处理后的数据划分成多个组，获得多个分组数据，其中，每个分组数据中的数据均大于标准值或均小于标准值，或均等于标准值；
30.计算分组数据中的每个数据与标准值之间的差；
31.若差的绝对值大于阈值，则将与差对应的数据筛选出来，作为用于修正的基础源数据。
32.优选地，实时对质量数据进行筛选，获得用于修正的基础源数据。
33.优选地，还包括显示更新后的生产参数。
34.优选地，采用人工智能模型执行动态配置方法。
35.通过以下参照附图对本技术的示例性实施例的详细描述，本技术的其它特征及其优点将会变得清楚。
附图说明
36.被结合在说明书中并构成说明书的一部分的附图示出了本技术的实施例，并且连同其说明一起用于解释本技术的原理。
37.图1为本技术提供的生产设备的动态配置装置的结构图；
38.图2为本技术提供的数据筛选单元的结构图；
39.图3为本技术提供的数据更新单元的结构图；
40.图4为本技术提供的生产设备的动态配置方法的流程图。
具体实施方式
41.现在将参照附图来详细描述本技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本技术的范围。
42.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本技术及其应用或使用的任何限制。
43.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，技术、方法和设备应当被视为说明书的一部分。
44.在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
45.本技术提供一种生产设备的动态配置装置及动态配置方法，通过数据分析将异常数据筛选出来，依据异常数据调整生产参数，大大提高了产品的加工质量。
46.实施例一
47.如图1所示，生产设备的动态配置装置包括动态配置单元110、数据采集单元120、数据预处理单元130、数据筛选单元140、数据更新单元150、显示单元160以及数据备份单元170。
48.动态配置单元110用于手动配置或在数据更新单元150的控制下自动配置生产设备的生产参数。更新后的生产参数通过显示单元160显示出来。
49.数据采集单元120用于采集卷烟制丝生产过程中的质量数据和从动态配置单元110中采集生产设备的生产参数。
50.作为一个实施例，数据采集单元120的采集结果是质量检测装置进行的多次检测结果的集合，相邻两次检测的时间间隔一致(例如6秒)。相对于现有技术，本技术的质量检测时间粒度较小，大大提高了发现生产过程中出现的问题的概率，为提高加工质量提供了良好的基础。
51.数据预处理单元130用于对质量数据进行预处理，获得预处理后的数据。作为一个实施例，数据预处理单元对质量数据进行初步的数据预处理，包括数据整合、数据排序等。
52.作为一个实施例，若质量数据包括与多个生产参数(例如，加水率、温度等生产参数)对应的质量数据(例如，与烟叶的加水率(生产参数)对应的质量数据是烟叶的出口含水率)，则数据预处理包括将同一类型的多个质量数据(例如烟叶的含水率)提取出来。
53.可以理解地，可以根据需要对质量数据做相应的数据预处理，例如数据清洗等。
54.数据筛选单元140用于从质量数据中筛选出用于修正相应的生产参数的质量数据，作为用于修正的基础源数据。
55.如图2所示，数据筛选单元140包括标准值获取子单元1401、数据分组子单元1402、计算子单元1403和筛选子单元1404。
56.标准值获取子单元1401用于获取与质量数据的类型对应的标准值。
57.数据分组子单元1402用于依据标准值将数据划分成多个组，获得多个分组数据。
作为一个实施例，将每个数据归类到大于标准值、小于标准值或等于标准值的区间，实现按区间分组。因此，每个分组数据中的数据均大于标准值或均小于标准值，或均等于标准值。
58.计算子单元1403用于计算分组数据中的每个数据与标准值之间的差。
59.筛选子单元1404用于若差的绝对值大于阈值，则与差对应的数据属于异常数据，将该数据筛选出来，作为用于修正的基础源数据。反之，若差的绝对值小于阈值，则该数据属于正常数据，不对该数据进行后续处理。
60.数据更新单元150用于依据用于修正的基础源数据、质量数据的采集环境参数以及历史数据分析结果修正生产参数，并用修正后的生产参数更新动态配置单元内相应的生产参数。
61.如图3所示，数据更新单元150包括修正子单元1501、指令接收子单元1502和指令驱动子单元1503。
62.修正子单元1501用于结合用于修正的基础源数据、质量数据的采集环境参数以及历史数据分析结果修正生产参数。
63.优选地，修正子单元1501首先计算单一分组数据中用于修正的基础源数据的平均值，然后利用该平均值、质量数据的采集环境参数以及历史数据分析结果修正生产参数。
64.指令接收子单元1502用于接收更新指令。
65.指令驱动子单元1503用于驱动更新指令，用修正后的生产参数更新动态配置单元内相应的生产参数。
66.优选地，数据筛选单元140实时对每次检测获得的质量数据进行筛选。当某个分组数据中连续出现的异常数据达到了预定数量，则触发数据更新单元150对生产参数进行修正。该优选实施例中，以单一分组数据中异常数据连续出现的数量为更新生产参数的触发条件，可以及时解决生产出现的问题，若生产参数的设置出现大的偏差，可以在本批次内发现问题并自动修正，确保本批次内后期产品的加工质量，而现有技术中以批次为单位的质量评价原则无法保证本批次的加工质量，因此，相对于现有技术，本技术缩短了质量监控的周期。
67.显示单元160用于将动态配置单元110中的生产参数显示出来。该生产参数为生产设备的所有生产参数，若某个生产参数被更新过，则显示的是更新后的生产参数，如没有更新过，则显示原始的生产参数。
68.数据备份单元170用于备份数据采集单元120、数据筛选单元140和数据更新单元150中的数据。
69.优选地，本技术的动态配置装置包括上述的动态配置单元110、数据采集单元120和显示单元160以及人工智能模型，人工智能模型包括上述的数据预处理单元130、数据筛选单元140、数据更新单元150以及数据备份单元170。采用人工智能算法对质量数据进行数据分析，进而修正生产参数，大大提升生产参数的精确度，有利于大幅提高产品的加工质量。
70.实施例二
71.本技术还提供了一种与上述的动态配置装置匹配的生产设备的动态配置方法。如图4所示，动态配置方法包括：
72.s410：采集卷烟制丝生产过程中的质量数据，并从动态配置单元中采集生产设备
的生产参数。
73.s420：对质量数据进行预处理，获得预处理后的数据。
74.可以理解的是，在一些应用场景中，无需对质量数据进行预处理，可以直接对质量数据进行后续处理。
75.s430：从质量数据中筛选出用于修正生产参数的质量数据，作为用于修正的基础源数据。
76.作为一个实施例，获得用于修正的基础源数据包括如下步骤：
77.p1：获取与质量数据的类型对应的标准值。
78.p2：将数据划分成多个组，获得多个分组数据。
79.作为一个实施例，按大于标准值、小于标准值、等于标准值三个区间对数据进行分组。
80.可以理解地，也可以采用其他方式对数据进行划分。
81.p3：计算分组数据中的每个数据与标准值的差。
82.p4：若差的绝对值大于阈值，则将该数据筛选出来，作为用于修正的基础源数据。
83.s440：依据用于修正的基础源数据、质量数据的采集环境参数以及历史数据分析结果修正生产参数，并用修正后的生产参数更新动态配置单元中相应的生产参数。
84.可以理解地，每个工序的产品都受到本工序的生产设备的生产参数以及质量数据的采集环境(包括该工序的生产环境、该工序前和该工序后的多个工序中相邻工序之间产品的流转环境、所处的季节、外界的温度、湿度等)的影响。并且，生产参数的设定需要以该生产参数的历史数据分析结果(即对该生产参数对应的历史质量数据的数据分析获得的生产参数的设置原则、设置范围等条件)为基础，才不会出现失误。
85.由此，需要参考该生产参数的历史数据分析结果，结合用于修正的基础源数据(即质量数据中的异常数据)和质量数据的采集环境参数计算修正后的生产参数。
86.优选地，首先计算单一分组数据中用于修正的基础源数据的平均值，然后利用该平均值、质量数据的采集环境参数以及历史数据分析结果修正生产参数。
87.优选地，在实际操作中，质量检测装置每检测一次，即实时对质量数据进行一次筛选，若单一分组数据中连续指定次数(例如3次或5次)出现异常数据(即单一分组数据中用于修正的基础源数据达到了预定数量)，则触发生产参数的更新。
88.s450：显示更新后的数据。
89.优选地，上述的步骤s420
‑
s440通过人工智能模型实现。
90.本技术的有益效果如下：
91.1、本技术通过数据分析自动修正生产参数，提高了生产参数调整的准确性，大大改善了产品的加工质量。
92.2、本技术缩小了质量检测的时间粒度，可以及时发现生产过程中出现的问题。
93.3、本技术以单一分组数据中异常数据连续出现的数量为更新生产参数的触发条件，可以及时解决生产出现的问题。
94.虽然已经通过例子对本技术的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本技术的范围。本领域的技术人员应该理解，可在不脱离本技术的范围和精神的情况下，对以上实施例进行修改。本申
请的范围由所附权利要求来限定。