CN109634786A - 一种用于智能制造的大数据处理方法及装置 - Google Patents

一种用于智能制造的大数据处理方法及装置 Download PDF

Info

Publication number
CN109634786A
CN109634786A CN201811438021.6A CN201811438021A CN109634786A CN 109634786 A CN109634786 A CN 109634786A CN 201811438021 A CN201811438021 A CN 201811438021A CN 109634786 A CN109634786 A CN 109634786A
Authority
CN
China
Prior art keywords
memory
data
data set
intelligence manufacture
processing method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811438021.6A
Other languages
English (en)
Inventor
张彩霞
王向东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan University
Original Assignee
Foshan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Foshan University filed Critical Foshan University
Priority to CN201811438021.6A priority Critical patent/CN109634786A/zh
Publication of CN109634786A publication Critical patent/CN109634786A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/16—Error detection or correction of the data by redundancy in hardware
    • G06F11/20—Error detection or correction of the data by redundancy in hardware using active fault-masking, e.g. by switching out faulty elements or by switching in spare elements
    • G06F11/2053—Error detection or correction of the data by redundancy in hardware using active fault-masking, e.g. by switching out faulty elements or by switching in spare elements where persistent mass storage functionality or persistent mass storage control functionality is redundant
    • G06F11/2094—Redundant storage or storage space

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Factory Administration (AREA)

Abstract

本发明涉及大数据技术领域，具体涉及一种用于智能制造的大数据处理方法及装置，通过采集智能制造过程中数据源产生的制造参数，提取所述制造参数的特征信息，形成第一数据集和第二数据集；将第一数据集存储在内存的存储器中，将第二数据集存储在分布式存储器中，在设备发生故障时，从内存的存储器获得第一数据集的子集；当需要附加数据来诊断设备故障时，从内存的存储器或分布式存储器获得附加数据，本发明能有效的存储和调用实时产生的数据。

Description

一种用于智能制造的大数据处理方法及装置
技术领域
本发明涉及大数据技术领域，具体涉及一种用于智能制造的大数据处理方法及装置。
背景技术
随着制造设备自动化和智能化的发展，更严格的生产工艺，更高效的生产工具以及更高产量的需求，需要收集更多的数据以支持系统的有效运行。随着收集更多数据，以及技术节点缩短，数据量呈爆发式增长。
一些传统解决方案尝试使用统计过程控制方法收集数据并监控制造过程的质量，通过将数据移动到数据存储中，以备将来可能需要时使用，这些传统解决方案无法实时处理大量数据以支持复杂的数据分析，难以有效地使用数据。
而随着智能制造的发展，需要有效利用实时生成和收集的大量数据，并通过收集和分析数据发现制造模式和数据的趋势。收集的数据也可用于在制造设备出现问题之前预测和解决问题。
因此，如何有效的存储和调用实时产生的数据成为关键问题。
发明内容
本发明提供一种用于智能制造的大数据处理方法及装置，能有效的存储和调用实时产生的数据。
本发明提供的一种用于智能制造的大数据处理方法，包括以下步骤：
步骤S1、采集智能制造过程中数据源产生的制造参数，所述制造参数与制造节点的设备状态相关联；
步骤S2、提取所述制造参数的特征信息，形成第一数据集和第二数据集；
步骤S3、将第一数据集存储在内存的存储器中，将第二数据集存储在分布式存储器中；
步骤S4、在设备发生故障时，从内存的存储器获得第一数据集的子集；
步骤S5、当需要附加数据来诊断设备故障时，判断附加数据是否存储在内存的存储器中，若是，则从内存的存储器获得附加数据；若否，则从分布式存储器获得附加数据。
进一步，所述制造参数具体包括：
步骤S11、对智能制造过程中数据源所处的生产环节进行编号；
步骤S12、以设定的初始频率采集数据源信号；
步骤S13、根据数据源信号的变化规律获取数据源信号的周期T，则数据源信号的频率为f＝1/T；
步骤S14、将设定的初始频率调整为采样频率2f；
步骤S15、以采样频率2f采集数据源信号，作为数据源产生的制造参数。
进一步，为获得完整的数据源信号波形，需要保证采样频率大于数据源信号频率的2倍，所述设定的初始频率为传感器采样的最大频率。
进一步，所述步骤S2具体包括：
判断数据源采样频率2f与阈值f0的大小，若2f≥f0，则将所述制造参数划归为第一数据集，若2f＜f0，则将所述制造参数划归为第二数据集。
进一步，所述内存的存储器包括用于存储第一数据集的内存数据库。
进一步，所述分布式存储包括用于存储第二数据集的分布式数据库。
进一步，所述步骤S4具体包括：
步骤S41、从内存的存储器获得第一数据集的子集，所述子集包括历史制造参数和实时数据流；
步骤S42、确定所述实时数据流是否与已存储的制造参数部分匹配，若是，选择实时数据流作为第一数据集的子集，若否，选择已存储的制造参数作为第一数据集的子集。
本发明提供的一种用于智能制造的大数据处理装置，所述装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当所述计算机程序指令被所述处理器执行时，触发所述装置执行上述任一项所述的方法。
本发明的有益效果是：本发明公开一种用于智能制造的大数据处理方法及装置，通过采集智能制造过程中数据源产生的制造参数，提取所述制造参数的特征信息，形成第一数据集和第二数据集；将第一数据集存储在内存的存储器中，将第二数据集存储在分布式存储器中，在设备发生故障时，从内存的存储器获得第一数据集的子集；当需要附加数据来诊断设备故障时，从内存的存储器或分布式存储器获得附加数据，从而有效的存储和调用实时产生的数据。
附图说明
下面结合附图和实例对本发明作进一步说明。
图1是本发明实施例一种用于智能制造的大数据处理方法的流程示意图；
图2是本发明实施例一种用于智能制造的大数据处理方法步骤S1的流程示意图；
图3是本发明实施例一种用于智能制造的大数据处理方法步骤S4的流程示意图。
具体实施方式
参考图1～3，本发明提供的一种用于智能制造的大数据处理方法，包括以下步骤：
步骤S1、采集智能制造过程中数据源产生的制造参数，所述制造参数与制造节点的设备状态相关联；
步骤S2、提取所述制造参数的特征信息，形成第一数据集和第二数据集；
步骤S3、将第一数据集存储在内存的存储器中，将第二数据集存储在分布式存储器中；
步骤S4、在设备发生故障时，从内存的存储器获得第一数据集的子集；
步骤S5、当需要附加数据来诊断设备故障时，判断附加数据是否存储在内存的存储器中，若是，则从内存的存储器获得附加数据；若否，则从分布式存储器获得附加数据。
进一步，所述制造参数具体包括：
步骤S11、对智能制造过程中数据源所处的生产环节进行编号；
步骤S12、以设定的初始频率采集数据源信号；
步骤S13、根据数据源信号的变化规律获取数据源信号的周期T，则数据源信号的频率为f＝1/T；
步骤S14、将设定的初始频率调整为采样频率2f；
步骤S15、以采样频率2f采集数据源信号，作为数据源产生的制造参数。
进一步，为获得完整的数据源信号波形，需要保证采样频率大于数据源信号频率的2倍，所述设定的初始频率为传感器采样的最大频率。
进一步，所述步骤S2具体包括：
判断数据源采样频率2f与阈值f0的大小，若2f≥f0，则将所述制造参数划归为第一数据集，若2f＜f0，则将所述制造参数划归为第二数据集。
进一步，所述内存的存储器包括用于存储第一数据集的内存数据库。
进一步，所述分布式存储包括用于存储第二数据集的分布式数据库。
进一步，所述步骤S4具体包括：
步骤S41、从内存的存储器获得第一数据集的子集，所述子集包括历史制造参数和实时数据流；
步骤S42、确定所述实时数据流是否与已存储的制造参数部分匹配，若是，选择实时数据流作为第一数据集的子集，若否，选择已存储的制造参数作为第一数据集的子集。
本发明提供的一种用于智能制造的大数据处理装置，所述装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当所述计算机程序指令被所述处理器执行时，触发所述装置执行上述任一项所述的方法。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。

Claims (8)

1.一种用于智能制造的大数据处理方法，其特征在于，包括以下步骤：
步骤S1、采集智能制造过程中数据源产生的制造参数；
步骤S2、提取所述制造参数的特征信息，形成第一数据集和第二数据集；
步骤S3、将第一数据集存储在内存的存储器中，将第二数据集存储在分布式存储器中；
步骤S4、在设备发生故障时，从内存的存储器获得第一数据集的子集；
步骤S5、当需要附加数据来诊断设备故障时，判断附加数据是否存储在内存的存储器中，若是，则从内存的存储器获得附加数据；若否，则从分布式存储器获得附加数据。
2.根据权利要求1所述的一种用于智能制造的大数据处理方法，其特征在于，所述制造参数具体包括：
步骤S11、对智能制造过程中数据源所处的生产环节进行编号；
步骤S12、以设定的初始频率采集数据源信号；
步骤S13、根据数据源信号的变化规律获取数据源信号的周期T，则数据源信号的频率为f＝1/T；
步骤S14、将设定的初始频率调整为采样频率2f；
步骤S15、以采样频率2f采集数据源信号，作为数据源产生的制造参数。
3.根据权利要求2所述的一种用于智能制造的大数据处理方法，其特征在于，所述设定的初始频率为传感器采样的最大频率。
4.根据权利要求1所述的一种用于智能制造的大数据处理方法，其特征在于，所述步骤S2具体包括：
判断数据源采样频率2f与阈值f0的大小，若2f≥f0，则将所述制造参数划归为第一数据集，若2f＜f0，则将所述制造参数划归为第二数据集。
5.根据权利要求1所述的一种用于智能制造的大数据处理方法，其特征在于，所述内存的存储器包括用于存储第一数据集的内存数据库。
6.根据权利要求1所述的一种用于智能制造的大数据处理方法，其特征在于，所述分布式存储包括用于存储第二数据集的分布式数据库。
7.根据权利要求1所述的一种用于智能制造的大数据处理方法，其特征在于，所述步骤S4具体包括：
步骤S41、从内存的存储器获得第一数据集的子集，所述子集包括历史制造参数和实时数据流；
步骤S42、确定所述实时数据流是否与已存储的制造参数部分匹配，若是，选择实时数据流作为第一数据集的子集，若否，选择已存储的制造参数作为第一数据集的子集。
8.一种用于智能制造的大数据处理装置，其特征在于，所述装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当所述计算机程序指令被所述处理器执行时，触发所述装置执行权利要求1至7中任一项所述的方法。
CN201811438021.6A 2018-11-27 2018-11-27 一种用于智能制造的大数据处理方法及装置 Pending CN109634786A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811438021.6A CN109634786A (zh) 2018-11-27 2018-11-27 一种用于智能制造的大数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811438021.6A CN109634786A (zh) 2018-11-27 2018-11-27 一种用于智能制造的大数据处理方法及装置

Publications (1)

Publication Number Publication Date
CN109634786A true CN109634786A (zh) 2019-04-16

Family

ID=66070002

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811438021.6A Pending CN109634786A (zh) 2018-11-27 2018-11-27 一种用于智能制造的大数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN109634786A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103487276A (zh) * 2013-10-10 2014-01-01 北京航天发射技术研究所 基于can总线的状态监测与故障诊断通用平台
US20140006338A1 (en) * 2012-06-29 2014-01-02 Applied Materials, Inc. Big data analytics system
CN107092530A (zh) * 2017-03-01 2017-08-25 广州银禾网络通信有限公司 一种基于分布式内存的信令数据处理方法及系统
CN107276066A (zh) * 2016-04-04 2017-10-20 施耐德电气美国股份有限公司 用于分析电力系统中的波形的方法和系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140006338A1 (en) * 2012-06-29 2014-01-02 Applied Materials, Inc. Big data analytics system
CN103487276A (zh) * 2013-10-10 2014-01-01 北京航天发射技术研究所 基于can总线的状态监测与故障诊断通用平台
CN107276066A (zh) * 2016-04-04 2017-10-20 施耐德电气美国股份有限公司 用于分析电力系统中的波形的方法和系统
CN107092530A (zh) * 2017-03-01 2017-08-25 广州银禾网络通信有限公司 一种基于分布式内存的信令数据处理方法及系统

Similar Documents

Publication Publication Date Title
CN111158977A (zh) 一种异常事件根因定位方法及装置
JP2020500420A (ja) マシンラーニング基盤の半導体製造の収率予測システム及び方法
US10452625B2 (en) Data lineage analysis
US11456194B2 (en) Determining critical parameters using a high-dimensional variable selection model
CN110489314A (zh) 模型异常检测方法、装置、计算机设备和存储介质
CN111538731A (zh) 一种工业数据自动生成报表系统
CN113838480B (zh) 一种洗衣机异音检测方法、装置及电子设备
WO2018080523A1 (en) Data cost effective fast similarity search with priority access
CN110489317A (zh) 基于工作流的云系统任务运行故障诊断方法与系统
EP3230869A1 (en) Separating test verifications from test executions
CN111782452A (zh) 接口对比测试的方法、系统、设备和介质
WO2021012861A1 (zh) 数据查询耗时评估方法、装置、计算机设备和存储介质
CN114355855B (zh) 一种缝制机械设备ai自动计件系统
CN103744788B (zh) 基于多源软件数据分析的特征定位方法
CN110232130B (zh) 元数据管理谱系生成方法、装置、计算机设备和存储介质
CN106407233A (zh) 一种数据处理方法和设备
CN107330031B (zh) 一种数据存储的方法、装置及电子设备
CN110347570A (zh) 一种ide环境下代码自动生成工具分析方法
CN109634786A (zh) 一种用于智能制造的大数据处理方法及装置
CN112598142A (zh) 一种风电机组检修工作质量审查辅助方法与系统
JP2008108154A (ja) 稼働性能情報の管理システム
CN107301125A (zh) 一种寻找根源错误的方法、装置及电子设备
CN107544894A (zh) 一种日志处理的方法、装置及服务器
US7203707B2 (en) System and method for knowledge asset acquisition and management
CN110413607B (zh) 一种分布式计数方法、服务器及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190416