CN110458380A - 一种生产工艺时序基准值的计算方法、系统和存储介质 - Google Patents
一种生产工艺时序基准值的计算方法、系统和存储介质 Download PDFInfo
- Publication number
- CN110458380A CN110458380A CN201910525539.1A CN201910525539A CN110458380A CN 110458380 A CN110458380 A CN 110458380A CN 201910525539 A CN201910525539 A CN 201910525539A CN 110458380 A CN110458380 A CN 110458380A
- Authority
- CN
- China
- Prior art keywords
- sample data
- average value
- data
- timing sequence
- mode
- 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
- 230000002123 temporal effect Effects 0.000 title claims abstract description 29
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 28
- 238000004364 calculation method Methods 0.000 title claims abstract description 26
- 238000005516 engineering process Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 132
- 238000012216 screening Methods 0.000 claims abstract description 53
- 238000013499 data model Methods 0.000 claims abstract description 18
- 238000003745 diagnosis Methods 0.000 abstract description 5
- 239000002131 composite material Substances 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种生产工艺时序基准值的计算方法、系统和存储介质,方法包括以下步骤:连续采集至少两百个工艺时序周期的工艺时序数据作为第一样本数据;计算第一样本数据的第一平均值和第一众数;根据第一平均值和第一众数对第一样本数据进行第一轮筛选,得到第二样本数据;计算第二样本数据的第一标准差和第二平均值;根据第一标准差和第二平均值对第二样本数据进行第二轮筛选,得到第三样本数据;计算第三样本数据的第三平均值、第二众数和第一最小值,并将第三平均值、第二众数和第一最小值保存到基准值的数据模型集合内。本发明能够为实际的工艺时序数据的诊断过程提供多种可选的数据模型。本发明可广泛应用于工业信息化技术领域。
Description
技术领域
本发明涉及工业信息化技术领域,尤其是一种生产工艺时序基准值的计算方法、系统和存储介质。
背景技术
随着全球工业信息化、数字化的发展趋势,工艺时序是制造行业工艺的一项重要参数,工艺时序基准值的计算过程也成为时序分析环节中十分重要的一个步骤。目前,工艺时序基准值计算方式主要分为两种:第一种是根据设计值进行计算,第二种是根据现有数据进行计算。第一种计算得到的工艺时序基准值会不符合实际情况,第二种计算方式是采用一段范围内工艺时序数据进行计算得到平均值,以这个平均值作为工艺时序基准值,由于数据采集范围过小,得到的工艺时序基准值过于单一,即可选择的数据模型过于单一,从而无法满足实际工艺时序数据的诊断需求。
发明内容
为解决上述技术问题,本发明的目的在于:提供一种能够提供多种工艺时序基准值的生产工艺时序基准值的计算方法、系统和存储介质。
本发明所采用的第一种技术方案是:
一种生产工艺时序基准值的计算方法,其包括以下步骤:
连续采集至少两百个工艺时序周期的工艺时序数据作为第一样本数据;
计算第一样本数据的第一平均值和第一众数;
根据第一平均值和第一众数对第一样本数据进行第一轮筛选,得到第二样本数据;
计算第二样本数据的第一标准差和第二平均值;
根据第一标准差和第二平均值对第二样本数据进行第二轮筛选,得到第三样本数据;
计算第三样本数据的第三平均值、第二众数和第一最小值,并将第三平均值、第二众数和第一最小值保存到基准值的数据模型集合内。
进一步地,所述计算第一样本数据的第一平均值和第一众数,其具体包括:
计算第一样本数据中所有工艺时序数据的总平均值作为第一平均值;
计算第一样本数据中所有工艺时序数据的众数作为第一众数。
进一步地,所述计算第一样本数据的第一平均值和第一众数,其具体包括:
根据工艺的动作类型,获取第一样本数据中所有工艺时序周期内相同动作类型的工艺时序数据;
依次计算第一样本数据中相同动作类型的工艺时序数据的平均值作为第一平均值;
依次计算第一样本数据中相同动作类型的工艺时序数据的众数作为第一众数。
进一步地,所述计算第二样本数据的第一标准差和第二平均值,其具体包括:
计算第二样本数据中工艺时序周期内所有工艺时序数据的总平均值作为第二平均值;
计算第二样本数据中工艺时序周期内所有工艺时序数据的总标准差作为第一标准差。
进一步地,所述计算第二样本数据的第一标准差和第二平均值,其具体包括:
根据工艺的动作类型,获取第二样本数据中所有工艺时序周期内相同动作类型的工艺时序数据;
依次计算第二样本数据中相同动作类型的工艺时序数据的平均值作为第二平均值;
依次计算第二样本数据中相同动作类型的工艺时序数据的标准差作为第一标准差。
进一步地,所述根据第一平均值和第一众数对第一样本数据进行第一轮筛选,得到第二样本数据,其具体包括:
根据第一平均值得到第一阈值;
根据第一众数得到第二阈值;
确定第一阈值和第二阈值中的较小值作为第一筛选区间的上限;
筛选出第一样本数据中属于第一筛选区间内的工艺时序数据作为第二样本数据。
进一步地,所述根据第一标准差和第二平均值对第二样本数据进行第二轮筛选,得到第三样本数据,其具体包括:
根据第一标准差和第二平均值得到第三阈值和第四阈值;
确定第三阈值作为第二筛选区间的上限;
确定第四阈值作为第二筛选区间的下限;
筛选出第二样本数据中属于第二筛选区间的数据作为第三样本数据。
本发明所采用的第二种技术方案是:
一种生产工艺时序基准值的计算系统,其包括:
采集模块,用于连续采集至少两百个工艺时序周期的工艺时序数据作为第一样本数据;
第一计算模块,用于计算第一样本数据的第一平均值和第一众数;
第一筛选模块,用于根据第一平均值和第一众数对第一样本数据进行第一轮筛选,得到第二样本数据;
第二计算模块,用于计算第二样本数据的第一标准差和第二平均值;
第二筛选模块,用于根据第一标准差和第二平均值对第二样本数据进行第二轮筛选,得到第三样本数据;
保存模块,用于计算第三样本数据的第三平均值、第二众数和第一最小值,并将第三平均值、第二众数和第一最小值保存到基准值的数据模型集合内。
本发明所采用的第三种技术方案是:
一种生产工艺时序基准值的计算系统,其包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于加载所述程序以执行所述的一种生产工艺时序基准值的计算方法。
本发明所采用的第四种技术方案是:
一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于实现所述的一种生产工艺时序基准值的计算方法。
本发明的有益效果是:本发明通过采集至少两百个工艺时序周期的工艺时序数据,然后对采集的工艺时序数据进行两轮筛选,最后才将筛选之后的工艺时序数据的第三平均值、第一众数和最小值保存到基准值的数据模型集合内,保证得到的基准值符合实际情况,同时,也为实际的工艺时序数据的诊断过程提供多种可选的数据模型,从而能够满足实际工艺时序数据的诊断需求。
附图说明
图1为本发明具体实施例的一种生产工艺时序基准值的计算方法的流程图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
需要说明的是,尽管在本发明中可能采用术语第一、第二、第三等来描述各种数据,但这些数据不应限于这些术语。这些术语仅用来将同一类型的数据彼此区分开。例如,在不脱离本发明范围的情况下,第一平均值也可以被称为第二平均值,类似地,第二平均值也可以被称为第一平均值。
参照图1,本发明实施例提供了一种生产工艺时序基准值的计算方法,其包括以下步骤:
S101、连续采集至少两百个工艺时序周期的工艺时序数据作为第一样本数据;本步骤采集的周期可以是一个,也可以是一百个,由于在实际操作过程中,采集至少两百个工艺时序周期得到的基准值比较符合实际情况,故本步骤设定采集至少两百个工艺时序周期的工艺时序数据。
S102、计算第一样本数据的第一平均值和第一众数;具体为计算第一样本数据的平均值作为第一平均值,计算第一样本数据的众数作为第一众数。
S103、根据第一平均值和第一众数对第一样本数据进行第一轮筛选,得到第二样本数据;具体是通过第一平均值和第一众数确定第一轮筛选的筛选区间,然后将第一样本数据中属于第一轮筛选的筛选区间内的工艺时序数据筛选出来,作为第二样本数据。
S104、计算第二样本数据的第一标准差和第二平均值;具体是计算出第二样本数据的标准差作为第一标准差,计算出第二样本数据的平均值作为第二平均值。
S105、根据第一标准差和第二平均值对第二样本数据进行第二轮筛选,得到第三样本数据;具体是通过第一标准差和第二平均值确定第二轮筛选的筛选区间,然后将第二样本数据中属于第二轮筛选的筛选区间内的工艺时序数据筛选出来,作为第三样本数据。
S106、计算第三样本数据的第三平均值、第二众数和第一最小值,并将第三平均值、第二众数和第一最小值保存到基准值的数据模型集合内。具体是计算第三样本数据的平均值作为第三平均值,计算第三样本数据的众数作为第二众数,计算第三样本数据的最小值作为第一最小值。所述第三平均值、第一众数和最小值均为数据模型集合内的数据模型,使用户在对工艺时序数据进行诊断时,可以根据不同的场景从数据模型集合内选择不同的数据模型。
具体地,本发明通过采集至少两百个工艺时序周期的工艺时序数据,然后对采集的工艺时序数据进行两轮筛选,最后才将筛选之后的工艺时序数据的第三平均值、第一众数和最小值保存到基准值的数据模型集合内,保证得到的基准值符合实际情况,同时,也为实际的工艺时序数据的诊断过程提供多种可选的数据模型,从而能够满足实际工艺时序数据的诊断需求。
进一步作为优选的实施方式,所述计算第一样本数据的第一平均值和第一众数,其具体包括:
计算第一样本数据中所有工艺时序数据的总平均值作为第一平均值;
计算第一样本数据中所有工艺时序数据的众数作为第一众数。
具体地,本实施例在计算第一样本数据的平均值和众数的过程,是不会对第一样本数据进行动作类型的分类,而是直接计算第一样本数据中所有工艺时序数据的平均值和众数。本步骤为粗略计算,简化数据的计算过程。
进一步作为优选的实施方式,所述计算第一样本数据的第一平均值和第一众数,其具体包括:
根据工艺的动作类型,获取第一样本数据中所有工艺时序周期内相同动作类型的工艺时序数据;
依次计算第一样本数据中相同动作类型的工艺时序数据的平均值作为第一平均值;
依次计算第一样本数据中相同动作类型的工艺时序数据的众数作为第一众数。
具体地,本实施例的过程是会先对第一样本数据中的工艺时序数据按照动作类型进行分类,具体是把第一样本数据中,属于同一个动作类型的工艺时序数据保存到同一个集合内,然后按照分类后的集合,分别计算出每个集合内的工艺时序数据的平均值和众数,并把计算出来的平均值和众数作为该集合的第一平均数和第一众数,本实施例通过对每个动作类型进行计算,使得到的平均值和众数更加符合实际情况。
进一步作为优选的实施方式,所述计算第二样本数据的第一标准差和第二平均值,其具体包括:
计算第二样本数据中工艺时序周期内所有工艺时序数据的总平均值作为第二平均值;
计算第二样本数据中工艺时序周期内所有工艺时序数据的总标准差作为第一标准差。
具体地,本实施例在计算第二样本数据的平均值和标准差时,不用对第二样本数据中的工艺时序数据进行分类,而是直接计算第二样本数据的平均值作为第二平均值,直接计算第二样本数据的标准差作为第一标准差。本实施例为粗略计算,简化计算过程。
进一步作为优选的实施方式,所述计算第二样本数据的第一标准差和第二平均值,其具体包括:
根据工艺的动作类型,获取第二样本数据中所有工艺时序周期内相同动作类型的工艺时序数据;
依次计算第二样本数据中相同动作类型的工艺时序数据的平均值作为第二平均值;
依次计算第二样本数据中相同动作类型的工艺时序数据的标准差作为第一标准差。
具体地,本实施例的过程为先获取第二样本数据中的动作类型,然后按照动作类型对第二样本数据中的工艺时序数据进行分类,将第二样本数据中属于同一个动作类型的工艺属性数据保存到同一个集合内,然后分别计算每个集合内的平均值和标准差,将计算出来的平均值和标准差分别作为同一个动作类型的第二平均值和第一标准差。本实施例通过对每个动作类型的工艺时序数据进行单独计算,使得得到的平均值和标准差更加符合实际工艺情况。
进一步作为优选的实施方式,所述根据第一平均值和第一众数对第一样本数据进行第一轮筛选,得到第二样本数据,其具体包括:
根据第一平均值得到第一阈值;具体是用第一平均值的两倍作为第一阈值。
根据第一众数得到第二阈值;具体是用第一众数的三倍作为第二阈值。
确定第一阈值和第二阈值中的较小值作为第一筛选区间的上限;所述第一筛选区间是第一轮筛选的区间。本步骤是从第一阈值和第二阈值中,选择一个较小值作为第一筛选区间的上限,第一筛选区间的下限为无穷小。
筛选出第一样本数据中属于第一筛选区间内的工艺时序数据作为第二样本数据。本步骤能够将一些异常数据过滤掉,从而得到属于正常范围的工艺时序数据,从而使在应用本发明得到的基准值进行工艺数据诊断时得到的诊断结果更具有说服力。
进一步作为优选的实施方式,所述根据第一标准差和第二平均值对第二样本数据进行第二轮筛选,得到第三样本数据,其具体包括:
根据第一标准差和第二平均值得到第三阈值和第四阈值;计算第二平均值与三倍的第一标准差的和,然后将第二平均值与三倍的第一标准差的和作为第三阈值。计算第二平均值与三倍的第一标准差的差,然后将第二平均值与三倍的第一标准差的差作为第四阈值。
确定第三阈值作为第二筛选区间的上限;
确定第四阈值作为第二筛选区间的下限;
其中,所述第二筛选区间为第二轮筛选的区间。
筛选出第二样本数据中属于第二筛选区间的数据作为第三样本数据。本步骤能够再次将异常的工艺时序数据过滤掉。
本发明实施例还提供了一种与图1方法相对应的生产工艺时序基准值的计算系统,其包括:
采集模块,用于连续采集至少两百个工艺时序周期的工艺时序数据作为第一样本数据;
第一计算模块,用于计算第一样本数据的第一平均值和第一众数;
第一筛选模块,用于根据第一平均值和第一众数对第一样本数据进行第一轮筛选,得到第二样本数据;
第二计算模块,用于计算第二样本数据的第一标准差和第二平均值;
第二筛选模块,用于根据第一标准差和第二平均值对第二样本数据进行第二轮筛选,得到第三样本数据;
保存模块,用于计算第三样本数据的第三平均值、第二众数和第一最小值,并将第三平均值、第二众数和第一最小值保存到基准值的数据模型集合内。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法所达到的有益效果也相同。
本发明实施例还提供了一种与图1方法相对应的生产工艺时序基准值的计算系统,其包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于加载所述程序以执行所述的一种生产工艺时序基准值的计算方法。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法所达到的有益效果也相同。
此外,本发明还提供了一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于实现所述的一种生产工艺时序基准值的计算方法。
综上所述,本发明通过采集至少两百个工艺时序周期的工艺时序数据,然后对采集的工艺时序数据进行两轮筛选,最后才将筛选之后的工艺时序数据的第三平均值、第一众数和最小值保存到基准值的数据模型集合内,保证得到的基准值符合实际情况,同时,也为实际的工艺时序数据的诊断过程提供多种可选的数据模型,从而能够满足实际工艺时序数据的诊断需求;进一步地,本发明在对第一样本数据和第二样本数据进行计算时,可以采用粗略计算方式,也可以采用分类计算方式,满足不同用户的需求。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种生产工艺时序基准值的计算方法,其特征在于:包括以下步骤:
连续采集至少两百个工艺时序周期的工艺时序数据作为第一样本数据;
计算第一样本数据的第一平均值和第一众数;
根据第一平均值和第一众数对第一样本数据进行第一轮筛选,得到第二样本数据;
计算第二样本数据的第一标准差和第二平均值;
根据第一标准差和第二平均值对第二样本数据进行第二轮筛选,得到第三样本数据;
计算第三样本数据的第三平均值、第二众数和第一最小值,并将第三平均值、第二众数和第一最小值保存到基准值的数据模型集合内。
2.根据权利要求1所述的一种生产工艺时序基准值的计算方法,其特征在于:所述计算第一样本数据的第一平均值和第一众数,其具体包括:
计算第一样本数据中所有工艺时序数据的总平均值作为第一平均值;
计算第一样本数据中所有工艺时序数据的众数作为第一众数。
3.根据权利要求1所述的一种生产工艺时序基准值的计算方法,其特征在于:所述计算第一样本数据的第一平均值和第一众数,其具体包括:
根据工艺的动作类型,获取第一样本数据中所有工艺时序周期内相同动作类型的工艺时序数据;
依次计算第一样本数据中相同动作类型的工艺时序数据的平均值作为第一平均值;
依次计算第一样本数据中相同动作类型的工艺时序数据的众数作为第一众数。
4.根据权利要求1所述的一种生产工艺时序基准值的计算方法,其特征在于:所述计算第二样本数据的第一标准差和第二平均值,其具体包括:
计算第二样本数据中工艺时序周期内所有工艺时序数据的总平均值作为第二平均值;
计算第二样本数据中工艺时序周期内所有工艺时序数据的总标准差作为第一标准差。
5.根据权利要求1所述的一种生产工艺时序基准值的计算方法,其特征在于:所述计算第二样本数据的第一标准差和第二平均值,其具体包括:
根据工艺的动作类型,获取第二样本数据中所有工艺时序周期内相同动作类型的工艺时序数据;
依次计算第二样本数据中相同动作类型的工艺时序数据的平均值作为第二平均值;
依次计算第二样本数据中相同动作类型的工艺时序数据的标准差作为第一标准差。
6.根据权利要求1所述的一种生产工艺时序基准值的计算方法,其特征在于:所述根据第一平均值和第一众数对第一样本数据进行第一轮筛选,得到第二样本数据,其具体包括:
根据第一平均值得到第一阈值;
根据第一众数得到第二阈值;
确定第一阈值和第二阈值中的较小值作为第一筛选区间的上限;
筛选出第一样本数据中属于第一筛选区间内的工艺时序数据作为第二样本数据。
7.根据权利要求1所述的一种生产工艺时序基准值的计算方法,其特征在于:所述根据第一标准差和第二平均值对第二样本数据进行第二轮筛选,得到第三样本数据,其具体包括:
根据第一标准差和第二平均值得到第三阈值和第四阈值;
确定第三阈值作为第二筛选区间的上限;
确定第四阈值作为第二筛选区间的下限;
筛选出第二样本数据中属于第二筛选区间的数据作为第三样本数据。
8.一种生产工艺时序基准值的计算系统,其特征在于:包括:
采集模块,用于连续采集至少两百个工艺时序周期的工艺时序数据作为第一样本数据;
第一计算模块,用于计算第一样本数据的第一平均值和第一众数;
第一筛选模块,用于根据第一平均值和第一众数对第一样本数据进行第一轮筛选,得到第二样本数据;
第二计算模块,用于计算第二样本数据的第一标准差和第二平均值;
第二筛选模块,用于根据第一标准差和第二平均值对第二样本数据进行第二轮筛选,得到第三样本数据;
保存模块,用于计算第三样本数据的第三平均值、第二众数和第一最小值,并将第三平均值、第二众数和第一最小值保存到基准值的数据模型集合内。
9.一种生产工艺时序基准值的计算系统,其特征在于:包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于加载所述程序以执行如权利要求1-7任一项所述的一种生产工艺时序基准值的计算方法。
10.一种存储介质,其中存储有处理器可执行的指令,其特征在于:所述处理器可执行的指令在由处理器执行时用于实现如权利要求1-7任一项所述的一种生产工艺时序基准值的计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910525539.1A CN110458380A (zh) | 2019-06-18 | 2019-06-18 | 一种生产工艺时序基准值的计算方法、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910525539.1A CN110458380A (zh) | 2019-06-18 | 2019-06-18 | 一种生产工艺时序基准值的计算方法、系统和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110458380A true CN110458380A (zh) | 2019-11-15 |
Family
ID=68480699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910525539.1A Pending CN110458380A (zh) | 2019-06-18 | 2019-06-18 | 一种生产工艺时序基准值的计算方法、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110458380A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111949941A (zh) * | 2020-07-03 | 2020-11-17 | 广州明珞汽车装备有限公司 | 一种设备故障检测方法、系统、装置和存储介质 |
CN112720069A (zh) * | 2020-12-22 | 2021-04-30 | 北京工业大学 | 刀具磨损监测方法、装置、电子设备及存储介质 |
WO2021253793A1 (zh) * | 2020-06-19 | 2021-12-23 | 广州明珞装备股份有限公司 | 一种气缸设备分析方法、系统、装置及其存储介质 |
-
2019
- 2019-06-18 CN CN201910525539.1A patent/CN110458380A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021253793A1 (zh) * | 2020-06-19 | 2021-12-23 | 广州明珞装备股份有限公司 | 一种气缸设备分析方法、系统、装置及其存储介质 |
CN111949941A (zh) * | 2020-07-03 | 2020-11-17 | 广州明珞汽车装备有限公司 | 一种设备故障检测方法、系统、装置和存储介质 |
CN111949941B (zh) * | 2020-07-03 | 2023-03-03 | 广州明珞汽车装备有限公司 | 一种设备故障检测方法、系统、装置和存储介质 |
CN112720069A (zh) * | 2020-12-22 | 2021-04-30 | 北京工业大学 | 刀具磨损监测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110458380A (zh) | 一种生产工艺时序基准值的计算方法、系统和存储介质 | |
CN110060237B (zh) | 一种故障检测方法、装置、设备及系统 | |
CN103578568B (zh) | 固态硬盘的性能测试方法及装置 | |
CN110861987B (zh) | 一种电梯故障判断逻辑验证方法、系统及存储介质 | |
CN104410535B (zh) | 一种云资源智能监控告警方法 | |
CA3073682C (en) | System and method for racing data analysis using telemetry data and wearable sensor data | |
CN116304766B (zh) | 基于多传感器的开关柜状态快速评估方法 | |
WO2015085916A1 (zh) | 数据挖掘方法 | |
WO2022001060A1 (zh) | 一种设备故障检测方法、系统、装置和存储介质 | |
CN109947812A (zh) | 连续缺失值填充方法、数据分析装置、终端及存储介质 | |
CN112070239B (zh) | 基于用户数据建模的分析方法、系统、介质及设备 | |
CN110738255A (zh) | 一种基于聚类算法的设备状态监测方法 | |
CN110163839A (zh) | 豹纹状眼底图像识别方法、模型训练方法及设备 | |
US11775908B2 (en) | Neural network-based systems and computer-implemented methods for identifying and/or evaluating one or more food items present in a visual input | |
KR20180044739A (ko) | 딥 러닝을 이용한 룰 생성방법 및 장치 | |
CN108280096A (zh) | 数据清洗方法及数据清洗装置 | |
CN110175068A (zh) | 分布式系统中主机数量弹性伸缩方法、装置和计算机设备 | |
CN111898068A (zh) | 一种基于pert算法及仪表用量分析的异常检测方法 | |
CN113887126A (zh) | 焊点质量分析方法、装置、终端设备及介质 | |
CN112860675A (zh) | 在线云服务环境下的大数据处理方法及云计算服务器 | |
CN114111352B (zh) | 一种碳化炉抽真空系统异常检测方法及系统 | |
CN110211692A (zh) | 一种数据处理的方法及装置 | |
CN110070558A (zh) | 一种基于图像处理和分区检测的统计分拣方法及装置 | |
CN109146311A (zh) | 加工工艺评估方法、用户设备、存储介质及装置 | |
CN114911615B (zh) | 微服务运行时智能预测调度的方法及应用 |
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: 20191115 |
|
RJ01 | Rejection of invention patent application after publication |