CN109725610A - 工厂生产信息分析处理方法、装置及设备 - Google Patents
工厂生产信息分析处理方法、装置及设备 Download PDFInfo
- Publication number
- CN109725610A CN109725610A CN201811452051.2A CN201811452051A CN109725610A CN 109725610 A CN109725610 A CN 109725610A CN 201811452051 A CN201811452051 A CN 201811452051A CN 109725610 A CN109725610 A CN 109725610A
- Authority
- CN
- China
- Prior art keywords
- data
- real
- factory
- execution
- time
- 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
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本申请公开了工厂生产信息分析处理方法,包括:基于预设生产目标和工厂的历史数据确定所述工厂的生产执行方案;根据所述工厂执行所述生产执行方案的实时数据确定所述工厂的实时风险分析结果;对所述实时数据和所述实时风险分析结果进行综合分析,确定实时生产执行方案。本发明的实施例方案应用于智慧工厂,无需人为介入,全程由计算机通过分析数据进行生产执行方案的确定与调整,不需要依赖于管理人员的素质水平。
Description
技术领域
本申请涉及信息技术领域,特别涉及工厂生产信息分析处理方法、装置及设备。
背景技术
智慧工厂是现代工厂信息化发展的新阶段,是在数字化工厂的基础上,利用物联网的技术和设备监控技术加强信息管理和服务;清楚掌握生产流程、提高生产过程的可控性、即时正确地采集生产线数据,以及合理的生产计划编排与生产进度。
但是,一个生产制造企业的生产过程实际上是非常复杂的,从原材料、半成品到成品,涉及到不同的生产工序、设备、人工、仓储、运输及包装等要素,涉及到相关要素的历史情况和实时情况,也涉及到相关要素之间的链接情况。现有的智慧工厂仅能实现通过物联网技术对实时数据进行采集,然后由管理人员掌握并根据经验进行生产调度,其严重依赖于管理人员的素质水平,并且无法挖掘出有益于生产的数据应用于后期的生产执行方案中。
发明内容
鉴于以上问题,本发明的实施例提供工厂生产信息分析处理方法、装置及计算机设备,以解决现有的智慧工厂严重依赖管理人员以及无法挖掘出有益于生产的数据的问题。
按照本发明的实施例的工厂生产信息分析处理方法,包括:基于预设生产目标和工厂的历史数据确定所述工厂的生产执行方案;根据所述工厂执行所述生产执行方案的实时数据确定所述工厂的实时风险分析结果;对所述实时数据和所述实时风险分析结果进行综合分析,确定实时生产执行方案。
按照本发明的实施例的工厂生产信息分析处理装置,包括:第一确定模块,用于基于预设生产目标和工厂的历史数据确定所述工厂的生产执行方案;第二确定模块,用于根据所述工厂执行所述生产执行方案的实时数据确定所述工厂的实时风险分析结果;第三确定模块,用于对所述实时数据和所述实时风险分析结果进行综合分析,确定实时生产执行方案。
按照本发明的实施例的计算机设备,包括处理器;以及存储器,其上存储有可执行指令;其中,所述处理器配置为执行所述可执行指令以实施前述的工厂生产信息分析处理方法。
按照本发明的实施例的计算机可读存储介质,其上存储有计算机程序,所述计算机程序包括可执行指令,当该可执行指令被处理器执行时,实施前述的工厂生产信息分析处理方法。
从以上的描述可以看出,本发明的实施例的方案中,根据历史数据确定生产执行方案,根据实时数据确定实时风险分析结果,对实时风险分析结果和实时数据综合分析,确定实时生产执行方案。本发明的实施例方案应用于智慧工厂,无需人为介入,全程由计算机通过分析数据进行生产执行方案的确定与调整,不需要依赖于管理人员的素质水平,同时,通过对实时数据的实时风险分析,能挖掘出有益生产的数据并应用于后续的生产执行方案中。
附图说明
图1为本申请实施例中工厂生产信息分析处理方法的一个实施例流程图;
图2为本申请实施例中工厂生产信息分析处理装置一个实施例示意图;
图3为本申请实施例中计算机设备的一个实施例结构示意图。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解,讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题,并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本公开内容的保护范围的情况下,对所讨论的元素的功能和排列进行改变。各个示例可以根据需要,省略、替代或者添加各种过程或组件。例如,所描述的方法可以按照与所描述的顺序不同的顺序来执行,以及各个步骤可以被添加、省略或者组合。另外,相对一些示例所描述的特征在其他例子中也可以进行组合。
如本文中使用的,术语“包括”及其变型表示开放的术语,含义是“包括但不限于”。术语“基于”表示“至少部分地基于”。术语“一个实施例”和“一实施例”表示“至少一个实施例”。术语“另一个实施例”表示“至少一个其他实施例”。术语“第一”、“第二”等可以指代不同的或相同的对象。下面可以包括其他的定义,无论是明确的还是隐含的。除非上下文中明确地指明,否则一个术语的定义在整个说明书中是一致的。
为了使本申请的技术方案更加清楚,下面将结合具体场景对本申请实施例提供的工厂生产信息分析处理方法进行介绍。
图1为本申请实施例提供的工厂生产信息分析处理方法流程图,该方法100例如可以由工厂数据中心服务器实现,方法100包括以下步骤:
步骤S102:基于预设生产目标和工厂的历史数据确定所述工厂的生产执行方案。
在本申请实施例中,获取工厂的历史数据,历史数据包括人员要素、设备要素、原料要素、环境要素的数据以及要素之间相关的数据的一种或多种,其中,人员要素数据例如但不限于人员效率数据、人员考勤数据等,设备要素数据例如但不限于设备的性能、负荷、维护、保养、维修、故障等数据,原料要素数据例如但不限于原料仓储、原料价格、原料进货周期等数据,环境要素数据例如但不限于通风情况、温度、湿度等数据。要素之间相关的数据例如但不限于人员操作相关设备的次数、人员与人员之间的配合次数或配合程度、设备与设备之间的衔接异常数据、设备加工原料的数据等等。
在本申请实施例中,对获取的工厂的历史数据进行数据融合和分析等数据处理过程,对处理后的数据基于统计分析、数据挖掘、机器学习、人工智能方法建立生产执行方案的多种生产模型,根据预设生产目标和一些历史数据对建立起的每个生产模型进行评估,得到预设生产目标对应的最优生产模型,从而利用该最优生产模型确定该工厂完成预设生产目标的生产执行方案。
步骤S104:根据所述工厂执行所述生产执行方案的实时数据确定所述工厂的实时风险分析结果。
在本申请实施例中,在工厂执行生产执行方案时,每个要素都会产生大量的数据,以往只关注每个要素的独立数据采集,而在本申请实施例中,工厂生产过程是一个连续的制造过程,数据的产生不是孤立的,是相关的。工厂执行所述生产执行方案的实时数据包括闲置数据和运行数据,闲置数据是指未参与到所述生产执行方案中的数据,运行数据是指参与到所述生产执行方案中的数据,在本申请实施例的后续步骤中,闲置数据和运行数据的状态可转换,即闲置数据可转换为运行数据,运行数据可转换为闲置数据。在可选实施方式中,实时数据还可包括等待数据,等待数据是指处于闲置和运行之间的状态的数据,闲置数据和运行数据的转换过程可通过等待数据过渡。
工厂执行生产执行方案产生的实时数据比如人员要素、设备要素、原料要素的数据以及要素之间相关的数据,可通过各类高性能的传感器、RFID、GPS等传感设备进行采集,或者事先录入到计算机并上传至例如数据中心服务器,这些传感设备被部署到原材料、生产设备或仓库的关键部位或位置,或者由生产人员随身携带,通过RFID的标签或者智能传感器可以获得各类数据。同时,计算机和传感设备可将物理世界中的所有实体连接到一个网络中,形成一个基于工厂的物联网或者无线局域网。各类数据通过物联网或者无线局域网上传至数据中心服务器。
在本申请实施例中,对获取到的实时数据进行融合与分析等数据处理过程,基于处理后的数据采用层次分析、模糊评价方法对工厂完成预设生产目标的实时风险进行综合分析,建立实时风险综合评估分析系统,以进行对工厂完成预设生产目标的实时风险进行分析及利用建立起的实时风险综合评估分析系统进行实时风险监测预警,得到该工厂对应的实时风险分析结果。通过根据建立的实时风险综合评估分析系统可提供包括多种实时风险指标的实时风险分析结果,为后续确定实时生产执行方案提供指导。
步骤S106:对所述实时数据和所述实时风险分析结果进行综合分析,确定实时生产执行方案。
在本申请实施例中,通过本申请所述的方法建立的实时风险综合评估分析系统得到的工厂完成预设生产目标的实时风险分析结果,基于该实时风险分析结果对实时数据进行处理,根据处理后的实时数据确定实时生产执行方案。具体地,本申请实施例中,对实时数据进行处理包括对闲置数据和/或运行数据状态的转换、对运行数据的整合与分配等,通过对实时数据的处理实现对生产执行方案的调整,最终确定实时生产执行方案。例如当某一运行数据存在较大的实时风险,可将该运行数据的状态转换为闲置数据,而从闲置数据中获取可替代这一运行数据的部分将其状态转换为运行数据;又如将多个运行数据进行整合,或将某一运行数据从某一环节分配到多个环节等等。
需要说明的是,本申请实施例中,实时风险包括正风险和负风险,其中,正风险是指不利于完成预设生产目标的风险,负风险是指有利于完成预设生产目标的风险。基于实时风险分析结果对实时数据进行处理即要提高负风险,降低正风险。通过实时风险分析结果可以挖掘出有益于生产的数据,提高工厂生产的效率。
在本申请的一实施例中,步骤S102包括:对工厂的历史数据进行数据处理,得到待建模数据;根据所述待建模数据及预设建模方法建立对应的生产模型;基于所述预设生产目标和所述生产模型的评估分析确定所述工厂的生产执行方案。在本申请一实施例中,历史数据由于采集设备、环境等因素可能出现冗余、异常值、缺失部分数据值等情况,因此需要对采集到的工厂的历史数据进行数据处理,同时经过数据处理可以将历史数据进行规范化、完整化,得到待建模数据,方便后续建模,根据待建模数据及预设建模方法建立对应的生产模型,待建模数据为已被处理过的完整、规范化的数据,基于待建模数据采用多种建模方法建立起多种生产模型,对多种生产模型进行评估分析后选取最优的生产模型,利用最优的生产模型确定工厂完成预设生产目标的生产执行方案。
在本申请一实施例中,所述工厂的历史数据包括人员要素、设备要素、原料要素、环境要素的数据以及要素之间相关的数据的一种或多种,其中,人员要素数据例如但不限于人员效率数据、人员考勤数据等,设备要素数据例如但不限于设备的性能、负荷、维护、保养、维修、故障等数据,原料要素数据例如但不限于原料仓储、原料价格、原料进货周期等数据,要素之间相关的数据例如但不限于人员操作相关设备的次数、人员与人员之间的配合次数或配合程度、设备与设备之间的衔接异常数据、设备加工原料数据等等。在可选实施方式中,历史数据还可以包括环境要素数据,环境要素数据例如但不限于通风情况、温度、湿度等数据。需要说明的是,以上几类历史数据仅为举例,其他现有的或今后可能出现的工厂的历史数据如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
在本申请一实施例中,可通过预设样本分析方法对所述历史数据构成的样本进行处理,将所述处理后的样本作为待建模数据。所述预设样本分析方法包括正负样本失衡处理、冗余数据融合处理、缺失值处理、异常值检测与处理中任一或任几种组合。在本申请一实施例中,所述预设建模方法包括朴素贝叶斯、逻辑回归和随机森林方法,每种建模方法对应建立一个生产模型。需要说明的是,在本申请中包括但不限于上述三种预设建模方法,其他现有的或今后可能出现的预设建模方法如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
接上述实施例,在步骤S102中,基于所述预设生产目标和所述生产模型的评估分析确定所述工厂的生产执行方案,包括:根据工厂的历史数据和预设生产目标对生产模型进行评估分析,得到所述工厂完成所述预设生产目标对应的最优生产模型,根据所述对应的最优生产模型确定所述工厂完成所述预设生产目标的生产执行方案。
在本申请的一实施例中,步骤S104包括:对所述实时数据进行数据预处理,得到实时风险指标;基于所述实时风险指标确定实时风险指标的权重;根据所述实时风险指标的权重计算所述工厂完成所述预设生产目标的实时风险指数,对所述实时风险指数评估分析,确定所述工厂的实时风险分析结果。在本申请一实施例中,对实时数据进行预处理,得到实时风险指标,便于后续利用处理后得到的实时风险指标进行指标的权重的确定及利用权重计算多个实时风险指数。在本申请一实施例中,实时数据可包括岗位工作量、岗位积压货量、设备故障次数、原料质量、原料供应量等,对这些数据进行预处理,得到实时风险指标,利用指标评估分析方法确定各指标的权重,如权重为W1、W2、W3、W4、W5,则根据已确定的权重计算工厂的实时风险指数,根据统计学中多指标的分析方法对计算得到的实时风险指数评估分析,得到该工厂的实时风险分析结果。
在本申请的一实施例中,在步骤S104中,对所述实时数据进行数据预处理,得到实时风险指标,包括:将所述实时数据进行包括实时风险指标选择、指标转换和指标无量纲化的数据预处理,得到实时风险指标。在本申请一实施例中,实时风险指标选择为针对不同的生产突发状况指标选择会不同,例如,设备要素风险中,可将设备老化程度、故障频率作为实时风险指标选择。指标转换是把实时数据中的指标统一化处理,如设备老化程度、故障频率越高表示风险越大,两者呈正相关,而设备保养次数越少才表示风险越大,两者呈负相关,因此需要将负指标(保养次数与风险的负相关)转换为正指标。指标无量纲化是指老化程度、故障频率、保养次数等指标的单位不同,需要转换为统一的无量纲化数据,便于后续数据处理。在本申请的优选实施例中对实时数据通过实时风险指标选择、指标转换和指标无量纲化等多个步骤的数据预处理,是为了方便后续数据计算和处理,以确定实时风险指标的权重。需要说明的是,上述指标选择、指标转换、指标无量纲化仅为本申请中进行数据预处理的方法举例,还可以结合其他数据预处理方法一起使用或者替换为其他的数据预处理方法。
在本申请的一实施例中,在步骤S104中,基于所述实时风险指标确定实时风险指标的权重,包括:对实时风险指标进行包括层次分析、主成分和因子分析及模糊评价的指标评价分析,得到指标评价分析结果;根据所述指标评价分析结果确定实时风险指标在生产执行方案的权重。在本申请一实施例中,层次分析、主成分、因子分析、模糊评价都为统计学中的数据处理技术,为多指标综合评价分析中的常用技术方法,在本申请的优选实施例中采用上述几种多指标综合评价分析方法是为了得到的实时风险指标的权重更准确,上述多指标综合评价分析方法都是一种客观赋权方法,降低了人为主观的确定权重的影响。根据上述指标评价分析结果,确定实时风险指标的权重,进而建立与工厂完成预设生产目标相关的实时风险综合指标,提供多种实时风险指数。所述实时风险指数可包括生产线积压风险指数、原料供应风险指数、安全生产风险指数等。实时风险指数是根据实时数据分析得到的,但其预测的是未来一段时间内会显著影响生产周期的风险,这就可实现未雨绸缪,例如,当原料供应风险指数较高时,预示按照当前的生产计划进行,将会导致原料供应不足,则此时实时生产执行方案指示加快仓储部门的原料供应并将该指令下发至仓储部门。该过程不需要人为介入,由智慧工厂自动采集数据、自动根据数据进行调整生产执行方案并将指令发送至工厂生产线的每一环节。
从以上的描述可以看出,本发明的实施例的方案中,根据历史数据确定生产执行方案,根据实时数据确定实时风险分析结果,对实时风险分析结果和实时数据综合分析,确定实时生产执行方案。本发明的实施例方案无需人为介入,全程由计算机通过分析数据进行生产执行方案的确定与调整,不需要依赖于管理人员的素质水平,同时,通过对实时数据的实时风险分析,能挖掘出有益生产的数据并应用于后续的生产执行方案中,从而提高工厂生产的效率。
基于图1所示的工厂生产信息分析处理方法,本申请实施例还对应提供了一种工厂生产信息分析处理装置,下面将从功能模块化的角度对本申请实施例提供的工厂生产信息分析处理装置进行介绍。
图2为本申请实施例中工厂生成信息分析处理装置的一个实施例示意图,该装置200可以利用软件、硬件或软硬件结合的方式来实现。由于装置200的实施例基本相似于方法的实施例,所以描述地比较简单,相关之处参见方法实施例的部分说明即可。请参见图2,装置200包括第一确定模块202、第二确定模块204和第三确定模块206。第一确定模块202用于基于预设生产目标和工厂的历史数据确定所述工厂的生产执行方案。第二确定模块204用于根据所述工厂执行所述生产执行方案的实时数据确定所述工厂的实时风险分析结果。第三确定模块206用于对所述实时数据和所述实时风险分析结果进行综合分析,确定实时生产执行方案。
在本申请的一实施例中,所述实时数据包括闲置数据和运行数据。
在本申请的一实施例中,第一确定模块202用于:对工厂的历史数据进行数据处理,得到待建模数据;根据所述待建模数据及预设建模方法建立对应的生产模型;基于所述预设生产目标和所述生产模型的评估分析确定所述工厂的生产执行方案。
在本申请的一实施例中,所述工厂的历史数据包括人员要素、设备要素、原料要素的数据以及要素之间相关的数据。
在本申请的一实施例中,第二确定模块204用于:对所述实时数据进行数据预处理,得到实时风险指标;基于所述实时风险指标确定实时风险指标的权重;根据所述实时风险指标的权重计算所述工厂完成所述预设生产目标的实时风险指数,对所述实时风险指数评估分析,确定所述工厂的实时风险分析结果。
以上实施例是从功能模块化的角度对本申请实施例提供的装置进行介绍,下面将从硬件实体化的角度对本申请实施例提供的装置进行说明。
在本申请实施例中,还提供一种计算机设备,该计算机设备可以包括处理器、以及用于存储所述处理器的可执行指令的存储器。其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中的工厂生产信息分析处理方法的步骤。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图3来描述根据本申请的实施例的计算机设备。为了便于说明,仅示出了与本申请实施例相关的部分,具体技术细节未揭示的,请参照本申请实施例方法部分。
如图3所示,计算机设备300以通用计算机设备的形式表现。计算机设备300可以包括处理器302和存储器304,其中,存储器304上存储有可执行指令,其中,所述可执行指令当被执行时使得处理器302执行上述任意一个实施例中的工厂生产信息分析处理方法。
如图3所示,计算机设备300还可以包括连接不同系统组件(包括处理器302和存储器304)的总线306。总线306表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备300典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备300访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器304可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)308和和/或高速缓存存储器310。计算机设备300可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统312可以用于读写不可移动的、非易失性磁介质(图3未显示,通常称为“硬盘驱动器”)。尽管图3中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线306相连。存储器304可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行上述任意一个实施例中的工厂生产信息分析处理方法。
具有一组(至少一个)程序模块316的程序/实用工具314,可以存储在例如存储器304中,这样的程序模块316包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块316通常执行上述任意一个实施例中的工厂生产信息分析处理方法。
计算机设备300也可以与一个或多个外部设备322(例如键盘、指向设备、显示器324等)通信,还可与一个或者多个使得用户能与该计算机设备300交互的设备通信,和/或与使得该计算机设备300能与一个或多个其它计算机设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口318进行。并且,计算机设备300还可以通过网络适配器320与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器320通过总线306与计算机设备300的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备300使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器302通过运行存储在存储器304中的程序,从而执行各种功能应用以及数据处理,例如实现上述任意一个实施例中的工厂生产信息分析处理方法。
本申请实施例中还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序包括可执行指令,当该可执行指令被处理器执行时,实施上述任意一个实施例中的工厂生产信息分析处理方法的步骤。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书的工厂生产信息分析处理方法中描述的根据本公开各种示例性实施例的步骤。
根据本公开的实施例的用于实现上述方法的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本公开的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算机设备上部分在远程计算机设备上执行、或者完全在远程计算机设备或服务器上执行。在涉及远程计算机设备的情形中,远程计算机设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机设备,或者,可以连接到外部计算机设备(例如利用因特网服务提供商来通过因特网连接)。
上面结合附图阐述的具体实施方式描述了示例性实施例,但并不表示可以实现的或者落入权利要求书的保护范围的所有实施例。在整个本说明书中使用的术语“示例性”意味着“用作示例、实例或例示”,并不意味着比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目的,具体实施方式包括具体细节。然而,可以在没有这些具体细节的情况下实施这些技术。在一些实例中,为了避免对所描述的实施例的概念造成难以理解,公知的结构和装置以框图形式示出。
本公开内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本公开内容。对于本领域普通技术人员来说,对本公开内容进行的各种修改是显而易见的,并且,也可以在不脱离本公开内容的保护范围的情况下,将本文所定义的一般性原理应用于其它变型。因此,本公开内容并不限于本文所描述的示例和设计,而是与符合本文公开的原理和新颖性特征的最广范围相一致。
Claims (12)
1.工厂生产信息分析处理方法,包括:
基于预设生产目标和工厂的历史数据确定所述工厂的生产执行方案;
根据所述工厂执行所述生产执行方案的实时数据确定所述工厂的实时风险分析结果;
对所述实时数据和所述实时风险分析结果进行综合分析,确定实时生产执行方案。
2.根据权利要求1所述的方法,其中,所述实时数据包括闲置数据和运行数据。
3.根据权利要求1所述的方法,其中,基于预设生产目标和工厂的历史数据确定所述工厂的生产执行方案,包括:
对工厂的历史数据进行数据处理,得到待建模数据;
根据所述待建模数据及预设建模方法建立对应的生产模型;
基于所述预设生产目标和所述生产模型的评估分析确定所述工厂的生产执行方案。
4.根据权利要求3所述的方法,其中,所述工厂的历史数据包括人员要素、设备要素、原料要素、环境要素的数据以及要素之间相关的数据的一种或多种。
5.根据权利要求1所述的方法,其中,根据所述工厂执行所述生产执行方案的实时数据确定所述工厂的实时风险分析结果,包括:
对所述实时数据进行数据预处理,得到实时风险指标;
基于所述实时风险指标确定实时风险指标的权重;
根据所述实时风险指标的权重计算所述工厂完成所述预设生产目标的实时风险指数,对所述实时风险指数评估分析,确定所述工厂的实时风险分析结果。
6.工厂生产信息分析处理装置,包括:
第一确定模块,用于基于预设生产目标和工厂的历史数据确定所述工厂的生产执行方案;
第二确定模块,用于根据所述工厂执行所述生产执行方案的实时数据确定所述工厂的实时风险分析结果;
第三确定模块,用于对所述实时数据和所述实时风险分析结果进行综合分析,确定实时生产执行方案。
7.根据权利要求6所述的装置,其中,所述实时数据包括闲置数据和运行数据。
8.根据权利要求6所述的装置,其中,所述第一确定模块用于:
对工厂的历史数据进行数据处理,得到待建模数据;
根据所述待建模数据及预设建模方法建立对应的生产模型;
基于所述预设生产目标和所述生产模型的评估分析确定所述工厂的生产执行方案。
9.根据权利要求8所述的装置,其中,所述工厂的历史数据包括人员要素、设备要素、原料要素的数据以及要素之间相关的数据。
10.根据权利要求6所述的装置,其中,所述第二确定模块用于:
对所述实时数据进行数据预处理,得到实时风险指标;
基于所述实时风险指标确定实时风险指标的权重;
根据所述实时风险指标的权重计算所述工厂完成所述预设生产目标的实时风险指数,对所述实时风险指数评估分析,确定所述工厂的实时风险分析结果。
11.计算机设备,包括:
处理器;以及
存储器,其上存储有可执行指令;
其中,所述处理器配置为执行所述可执行指令以实施如权利要求1-5任一项所述的方法。
12.计算机可读存储介质,其上存储有计算机程序,所述计算机程序包括可执行指令,当所述可执行指令被处理器执行时,实施如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811452051.2A CN109725610A (zh) | 2018-11-30 | 2018-11-30 | 工厂生产信息分析处理方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811452051.2A CN109725610A (zh) | 2018-11-30 | 2018-11-30 | 工厂生产信息分析处理方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109725610A true CN109725610A (zh) | 2019-05-07 |
Family
ID=66295873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811452051.2A Pending CN109725610A (zh) | 2018-11-30 | 2018-11-30 | 工厂生产信息分析处理方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109725610A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258220A (zh) * | 2020-10-12 | 2021-01-22 | 北京豆牛网络科技有限公司 | 信息采集及分析方法、系统、电子设备和计算机可读介质 |
CN114218197A (zh) * | 2021-12-17 | 2022-03-22 | 上海繁易信息科技股份有限公司 | 基于面向对象的工业物联网数据建模方法与系统 |
CN115494805A (zh) * | 2022-09-26 | 2022-12-20 | 吉林省信息技术研究所 | 一种基于工业互联网的生产工艺管理方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4940180B2 (ja) * | 2008-04-03 | 2012-05-30 | 株式会社東芝 | 複合診断・保守計画支援システム及びその支援方法 |
CN103604462A (zh) * | 2013-10-23 | 2014-02-26 | 首都师范大学 | 一种粮食生产风险数据采集方法 |
CN107944590A (zh) * | 2016-10-13 | 2018-04-20 | 阿里巴巴集团控股有限公司 | 一种渔情分析预报的方法及设备 |
-
2018
- 2018-11-30 CN CN201811452051.2A patent/CN109725610A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4940180B2 (ja) * | 2008-04-03 | 2012-05-30 | 株式会社東芝 | 複合診断・保守計画支援システム及びその支援方法 |
CN103604462A (zh) * | 2013-10-23 | 2014-02-26 | 首都师范大学 | 一种粮食生产风险数据采集方法 |
CN107944590A (zh) * | 2016-10-13 | 2018-04-20 | 阿里巴巴集团控股有限公司 | 一种渔情分析预报的方法及设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258220A (zh) * | 2020-10-12 | 2021-01-22 | 北京豆牛网络科技有限公司 | 信息采集及分析方法、系统、电子设备和计算机可读介质 |
CN114218197A (zh) * | 2021-12-17 | 2022-03-22 | 上海繁易信息科技股份有限公司 | 基于面向对象的工业物联网数据建模方法与系统 |
CN115494805A (zh) * | 2022-09-26 | 2022-12-20 | 吉林省信息技术研究所 | 一种基于工业互联网的生产工艺管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11927977B2 (en) | Smart building manager | |
Lu | The current status and developing trends of Industry 4.0: A Review | |
CN104142663B (zh) | 云平台中的工业设备和系统证明 | |
US8532839B2 (en) | Systems and methods for statistical control and fault detection in a building management system | |
CN113450065B (zh) | 一种用于风电场的生产运营管理系统及方法 | |
CN106598791B (zh) | 一种基于机器学习的工业设备故障预防性识别方法 | |
Orellana et al. | From legacy-based factories to smart factories level 2 according to the industry 4.0 | |
CN109978052A (zh) | 一种用户侧能源设备智慧检修方法 | |
CN105988450A (zh) | 基于云的工业控制器 | |
CN109725610A (zh) | 工厂生产信息分析处理方法、装置及设备 | |
CN116846987B (zh) | 一种工业互联网的交互界面生成方法及系统 | |
Cemernek et al. | Big data as a promoter of industry 4.0: Lessons of the semiconductor industry | |
CN107908175A (zh) | 一种电力系统现场智能化运维系统 | |
CN110995859A (zh) | 一种基于泛在物联网的变电站智能支撑平台系统 | |
CN115439003A (zh) | 基于智慧燃气物联网的燃气表更换提示方法和系统 | |
KR20220097299A (ko) | 인공 지능 기반 실시간 음성인식 원격 협업 방법 및 그 시스템 | |
CN116402181A (zh) | 一种基于标识解析的产品质量预测方法及系统 | |
CN115661967A (zh) | 一种应用于换流站设备故障的智能联动巡检方法 | |
CN115239186A (zh) | 工业互联网平台、应用创建方法、装置和存储介质 | |
CN108667670A (zh) | 一种计算机网络技术在线维护系统 | |
Dahiya et al. | Artificial Intelligence of Things: AIoT in Various Markets of IoT Deployments. | |
CN114765617A (zh) | 基于边缘计算的多场景适用型智慧能源管理系统 | |
Glukhikh et al. | Using hybrid-CBR for intelligence monitoring and decision-making systems on SMART grid | |
Mishra et al. | Adoption of Sustainable Digital Technologies in Industry 4.0 | |
CN112526945A (zh) | 具备反馈与闭环控制功能的全流程监控与预警系统 |
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 |
Application publication date: 20190507 |
|
RJ01 | Rejection of invention patent application after publication |