技术领域
[0001] 本
发明属于
卷烟技术领域，涉及卷烟生产管理技术领域，特别是指一种卷包车间质量风险预警的方法。
背景技术
[0002] 卷包车间生产是卷烟工业生产的
重心和核心，由于其设备较多、产品质量管控点和质量关键指标数量较大且复杂，日常管理过程中相关管理人员并不能全面和实时地掌握整个生产过程中可能存在的质量风险。
[0003] 传统的质量管理主要是通过相关人员操作查看、巡视、点检、抽检等方式查看设备和生产质量是否有异常，这种方式存在时间上的滞后性，管理人员工作重复且工作量较大，质量风险不能及时被发现，无法实现管理人员对质量管理需求的实时反馈。通过构建基于工业互联网的卷包车间质量风险预警方法，以高效、快捷且方便地让质量管理人员可以掌握生产过程中的质量风险，通过消息推送的预警方式协助管理人员开展质量管理活动。
发明内容
[0004] 本发明的目的是提供一种卷包车间质量风险预警的方法，以解决
现有技术不能及时发现设备或生产质量出现异常的问题。
[0005] 本发明是通过以下技术方案实现的：
[0006] 一种卷包车间质量风险预警的方法，包括以下步骤：
[0007] 1)将质量数据依据质量属性和数据来源划分为质量属性数据和设备属性数据；
[0008] 2)通过统计第一设定时间段的质量属性数据和设备属性数据，建立质量关联模型；
[0009] 3)每相隔第二设定时间，
抽取一次即时质量数据，并按质量属性数据和设备属性数据分别设定的数据校验方法进行数据校验；
[0010] 4)经过数据校验的质量属性数据和设备属性数据分别与质量关联模型进行检验；
[0011] 判断质量属性数据是否正常，若是则：
[0012] 判断设备属性数据是否正常，若是，不发出预警信息；若否则发出预警信息；
[0013] 若质量属性数据不正常，判断设备属性数据是否正常，
[0014] 若正常则，判断第二设定时间之前相邻时间的设备属性数据是否正常，若否，则不发出预警信息，若是则发出预警信息；
[0015] 若正常则，发出预警信息。
[0016] 所述质量属性数据包括质量外观数据及物理指标数据；
[0017] 所述设备属性数据包括设备状态参数数据、设备参数设定数据、参数
修改数据及监测装置数据。
[0018] 所述数据校验方法包括多维数据对比法、
阈值法、关联分析法、极大值法、极小值法、等级划分法或经验值法。
[0019] 所述第一设定时间大于第二设定时间。
[0020] 所述预警信息按风险级别分为红色预警信息、橙色预警信息及黄色预警信息；
[0021] 所述红色预警信息设定为严重质量风险；所述橙色预警信息设定为中度质量风险；所述黄色预警信息设定为轻度质量风险。
[0022] 所述预警信息依据不同的风险级别选择不同的信息推送及信息共享方式。
[0023] 所述红色预警信息通过SOCKET发送信息至对讲机呼叫平台以呼叫管理人员，同时发送至移动终端和现场操作端。
[0024] 所述橙色预警信息发送至移动终端和现场操作端。
[0025] 所述黄色预警信息发送至移动终端和现场操作端。
[0026] 本发明的有益效果是；
[0027] 本技术方案通过对卷包车间生产过程关键设备状态参数数据、参数修改数据、设备参数设定数据、综合测试台的物理指标数据、质检人员的外观巡检、检测装置有效性、生产设备瞬时剔除数据等质量关键点数据进行数采，通过质量风险预警方法实时监控生产过程对异常状态做出预警。
[0028] 本技术方案能替代人工重复且复杂的质量管理工作，是一种对生产质量风险标准化管理、将质量风险控制在可控的范围内且节约人
力成本的技术方案。
附图说明
[0029] 图1为质量数据风险评价方法模型原理图；
[0030] 图2为质量风险预警等级评价模型原理图；
[0031] 图3为质量风险预警方法原理图。
具体实施方式
[0032] 以下通过
实施例来详细说明本发明的技术方案，以下的实施例仅是示例性的，仅能用来解释和说明本发明的技术方案，而不能解释为是对本发明技术方案的限制。
[0033] 本
申请提供一种卷包车间质量风险预警的方法，如图1所示，具体为通过分析卷包车间的设备数据信息，及卷烟质量信息之间的关系，通过长时间的数据统计、总结及分析，获得影响卷烟质量相应参数的与设备参数或辅料参数等相关的主因，并根据相应的关联关系建立质量关联模型。
[0034] 在通过获得设定时间长度的卷烟质量数据及设备参数数据或辅料参数数据，将上述数据与质量关联模型进行比对，当出现设备参数在设定时间段内的数据异常时，即能够提前预测卷烟质量的某一个或某些参数将可能会出现异常，而这一异常是导致卷烟质量不合格的关键，并通过对影响卷烟质量的可能结果进行分类，并通过通信给相应的平台及相应的人员，以及时进行调整或修正，以减小实际卷烟质量异常情况的发生，提高产品合格率。
[0035] 具体步骤为：
[0036] 1)将与卷烟质量相关的产品质量及相配合的设备的参数相关的质量数据依据质量属性和数据来源划分为质量属性数据和设备属性数据。
[0037] 其中，所述质量属性数据包括质量外观数据及物理指标数据；质量外观数据更细分还可以分为比如
烟支外观、条包外观、盒包外观等数据，物理指标数据包括烟支长度数据、烟支圆周数据、烟支重量数据、烟阻数据等。
[0038] 所述设备属性数据包括设备状态参数数据、设备参数设定数据、参数修改数据及监测装置数据。
[0039] 其中，设备状态参数是指与设备运行相关的数据、比如转速、振动、
电流、
电压、停机等数据；设备参数设定数据是指对设备的某一参数进行设置等的数据，参数修改数据是指对已经运行的某一个或某些参数进行调整等的数据；监测数据是指对设备相关的参数或辅料等进行监测的装置所获得的数据。
[0040] 2)通过统计第一设定时间段的质量属性数据和设备属性数据，建立质量关联模型；在本申请中，第一设定时间段的长度通常为三个月、六个月、12个月、18个月、24个月或其它需要的时间，通过对第一设定时间段的所有卷烟质量数据进行统计分析，特别是对卷烟质量异常数据相对应的设备数据及辅料等数据进行分析，通过分析获得卷烟质量异常时，相对应的设备的数据信息或辅料信息相应的数据情况，并依据这些关联建立质量关联模型。在设备运行时，也可以对质量关联模型进行
自学习设定，以提高质量关联模型的预测准确率，通常，第一设定时间的长度越长，预测准确率越高，但为了保证预测的经济合理性，本申请选用第一设定时间为12个月。
[0041] 在卷包车间正常运行过程中，每相隔第二设定时间，抽取一次即时质量数据，并按质量属性数据和设备属性数据分别设定的数据校验方法进行数据校验。
[0042] 第二设定时间是用于获取卷包车间的即时数据，以进行预测后一时间段卷烟质量，因此，第二设定时间通常较短，比如1分钟、2分钟、3分钟、4分钟、5分钟、6分钟等等，第二设定时间越短，对于预测的机率及防止漏预测有效，但考虑经济合理性，通常第二设定时间选择2分钟或3分钟的经济效益较好。
[0043] 对于获取的即时数据，因为各种原因，需要对数据进行校验，具体的检验方法，根据不同的参数数据采用不同的方法，通常包括多维数据对比法、阈值法、关联分析法、极大值法、极小值法、等级划分法或经验值法。经过校正后的数据与质量关联模型进行分析比对，以预测下一时段卷烟质量是否会有异常。
[0044] 当质量属性数据与质量关联模型进行比对，该质量属性数据正常时，表明现时段生产的卷烟质量在合格范围内，设备属性数据与质量关联模型进行比对，若该时段设备属性数据也在正常范围内，能够得到的启示是在下一时段，卷烟质量出现异常的可能性低，不需要发出预警信息。
[0045] 若该时段设备属性数据不在正常范围内，能够预测在下一时段，卷烟质量出现异常的可能性较高，需要发出预警信息，以提醒管理人员或操作人员。
[0046] 当质量属性数据与质量关联模型进行比对，该质量属性数据不正常时，判断该时段设备属性数据是否正常，若该时段设备属性数据正常，此时应当考虑的是在第二设定时间段之前相邻时间段的设备属性数据是否正常，若该前一时间段的设备属性数据正常，则说明是由其它未知原因导致，需要发出预警信息；若前一时间段的设备属性数据不正常，即是因为前一时间段的设备属性数据不正常引起，此时，需要判断在前一时间段是否发出预警信息，若已经发出预警信息，此第二设定时间段不再发出预警信息；若前一时间段没有发出预警信息，此第二设定时间段需要发出预警信息，以提醒相关管理人员及操作者。
[0047] 如图2所示，发出的预警信息按对卷烟质量的影响风险级别分为红色预警信息、橙色预警信息及黄色预警信息，当然也可以由其它设定
颜色表达。
[0048] 所述红色预警信息设定为严重质量风险，此时需要管理人员调查处理；所述橙色预警信息设定为中度质量风险，需要管理人员提醒纠正；所述黄色预警信息设定为轻度质量风险，需要加强观测。并对上述的处置结果进行风险处理评估。
[0049] 如图3所示，预警信息依据不同的风险级别选择不同的信息推送及信息共享方式。当发生红色预警信息通过SOCKET发送信息至对讲机呼叫平台以呼叫管理人员，同时发送至移动终端和现场操作端及时告知提醒相关操作人员进行调查处理。
[0050] 当发生橙色预警信息通过手机终端和现场操作终端提醒相关人员及时纠正；当发生黄色预警信息通过现场通过手机终端和现场操作终端提醒相关人员加强关注。所有手机终端的预警信息在手机终端确认已经处理并填写处理意见，之后需再对预警信息进行风险处理的响应时间、所造成的产品质量问题等进行评价。
[0051] 尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和
变形，本发明的范围由所附
权利要求及其等同限定。
