CN110517162A - 目标数据生成方法、装置、电子设备及存储介质 - Google Patents
目标数据生成方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110517162A CN110517162A CN201910782867.XA CN201910782867A CN110517162A CN 110517162 A CN110517162 A CN 110517162A CN 201910782867 A CN201910782867 A CN 201910782867A CN 110517162 A CN110517162 A CN 110517162A
- Authority
- CN
- China
- Prior art keywords
- data
- target data
- quasi
- target
- primary election
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003860 storage Methods 0.000 title claims abstract description 24
- 238000004519 manufacturing process Methods 0.000 claims abstract description 65
- 238000009958 sewing Methods 0.000 claims abstract description 24
- 239000004753 textile Substances 0.000 claims abstract description 15
- 230000015654 memory Effects 0.000 claims description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 230000033228 biological regulation Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000009941 weaving Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000009412 basement excavation Methods 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 238000009940 knitting Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Factory Administration (AREA)
Abstract
目标数据生成方法、装置、电子设备及存储介质,按照设定条件从原始数据中抓取初选数据;从所述初选数据中获取优选数据;从所述优选数据中挖掘准目标数据;所述准目标数据通过生产设备规则转换为目标数据。上述方法通用性强,几乎适用于由任何缝制或纺织生产设备与服务器组成的局域网,且较为灵活,能够保证较好的数据生成效果。
Description
技术领域
本申请涉及智能制造技术领域,特别是涉及智能缝制设备或者智能纺织设备的目标数据生成方法、装置、电子设备及存储介质。
背景技术
随着智能制造相关技术的发展,将缝制生产设备(缝纫机、刺绣机等)或者纺织生产设备(横织机、手套机、袜机等)组成局域网,由服务器对生产设备进行管理的生产方式越来越普遍。服务器对生产设备进行统一管理,能够对生产设备下达指令,实时监控不同生产设备的状态,对生产设备的产能进行合理的分配或调度,有效降低生产成本。
但由于缝制生产设备或纺织生产设备的复杂性,目前局域网的智能化程度仍然不是很高。例如,缝制生产设备或纺织生产设备的种类繁多,与缝制生产或纺织生产相关的参数极多,如果需要缝制或纺织新产品,对缝制生产设备或纺织生产设备各参数的设置仍需要手工参与,工作量极大。针对类似问题,随着局域网中相关数据的积累,能够利用现代数据挖掘等技术,形成面向特定问题的目标数据。服务器基于上述目标数据,能够自动实现特定的功能,例如自动根据产品数据对生产设备的参数进行设置,将极大提高局域网的智能化程度。但如何生成目标数据,目前的报道还比较少。
本申请提供的目标数据生成方法,几乎适用于由任何缝制或纺织生产设备与服务器组成的局域网,通用性强,也能够保证较好的数据生成效果。
发明内容
本申请提供一种目标数据生成方法、装置、电子设备及存储介质,用于缝制设备的缝制生产或者纺织设备的纺织生产,能够生成面向特定问题的目标数据。
第一方面,本申请提供一种目标数据生成方法,包括:
按照设定条件从原始数据中抓取初选数据;从所述初选数据中获取优选数据;从所述优选数据中挖掘准目标数据;所述准目标数据通过生产设备规则转换为目标数据。
进一步的,所述设定条件包括数据类型或者属性,所述属性包括数据形成时间。
进一步的,所述从所述初选数据中获取优选数据,包括过滤初选数据中的非优选数据,所述非优选数据包括明显错误或不完整的数据、边缘数据以及与所述目标数据所面向问题无关的数据。
进一步的,所述从所述优选数据中挖掘准目标数据,包括通过聚类算法或者分类算法将所述优选数据划分为不同的类别,每个所述类别分别设置一个相近度阈值,选取特定所述类别中相近度超过所述相近度阈值的数据。
第二方面,本申请提供一种目标数据生成装置,包括抓取装置、优选装置、挖掘装置及规则装置,所述抓取装置用于按照设定条件从原始数据中抓取初选数据,所述优选装置用于从所述初选数据中获取优选数据,所述挖掘装置用于从所述优选数据中挖掘准目标数据,所述规则装置用于所述准目标数据通过生产设备规则转换为目标数据。
第三方面,本申请提供一种电子设备,包括处理器和存储器;所述存储器用于存储计算机指令;所述处理器用于执行所述存储器中存储的计算机指令,以使得所述电子设备执行上述第一方面任一项所述的目标数据生成方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被执行时实现如上述第一方面任一项所述的目标数据生成方法。
本申请提供的目标数据生成方法、装置、电子设备及存储介质,按照设定条件从原始数据中抓取初选数据,从初选数据中获取优选数据,从优选数据中挖掘准目标数据,准目标数据通过生产设备规则转换为目标数据。上述目标数据的生成方法通用性强,几乎适用于由任何缝制或纺织生产设备与服务器组成的局域网,且较为灵活,能够保证较好的数据生成效果。
附图说明
为了更清楚的说明本申请或现有技术中的技术方案,对描述本申请或现有技术所需使用的附图进行简单介绍。对于本领域技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例一中目标数据生成方法的流程图。
图2为本申请实施例二中目标数据生成装置的架构示意图。
图3为本申请实施例三中电子设备的硬件结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请的技术方案进行清楚、完整的描述。显然,所描述的实施例是本申请的一部分而非全部的实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例都应当属于本申请在授权后保护的范围。
本申请的权利要求书、说明书及说明书附图中的术语“第一”、“第二”、“第三”等(如果存在)是用于区别类似的对象,而不应当理解为描述特定的顺序或先后次序,上述“第一”、“第二”、“第三”等在不影响语义准确性情况下可以互换。此外,术语“包括”、“包含”、“具有”以及类似的任何变形,其语义为非排他,例如,包含一系列步骤或单元的过程、方法、系统、产品或设备,其语义不局限于已清楚列出的那些步骤或单元,还可以包含没有被清楚列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请技术方案适用于由缝制生产设备(缝纫机、刺绣机等)或者纺织生产设备(横织机、手套机、袜机等)和服务器组成的局域网或者类似系统。在不引起歧义的情况下,将缝制生产设备和纺织生产设备统称为生产设备。服务器泛指能够通过网络对多台生产设备进行管理的高性能计算机。目标数据,指面向生产设备的特定问题,能够直接用于解决上述问题的数据。例如,特定问题为自动设置生产设备的参数,则服务器基于目标数据能够自动根据产品数据对生产设备的参数进行设置。原始数据,指按照预设的数据采集规则进行采集、存储在预设的数据库中的数据。原始数据中的“原始”一词是相对于目标数据而言的,并不意味着原始数据中的数据未经过任何处理。
实施例一:
图1为本申请目标数据生成方法的流程图。目标数据生成方法,用于缝制设备的缝制生产或者纺织设备的纺织生产,包括了如下步骤。
S101、采集原始数据。
本步骤可以视为一个前置步骤。生成目标数据需要以原始数据为出发点,因此局域网中的服务器会预先采集和存储原始数据。原始数据的主要来源包括生产设备上传及用户导入。目前生产设备由计算机等电子系统自动控制,为了监控生产设备的状态生产设备安装有大量传感器。局域网中生产设备的控制系统按照预设的规则从传感器搜集数据,搜集的数据进行必要处理后上传服务器,对于此类数据服务器一般暂时不进行进一步的处理,先将数据存储在非关系型数据库中。局域网的用户通过电脑、手机等终端设备登录服务器,也会向服务器导入数据,例如生产设备的一些基础数据、配置数据等。服务器根据配置数据向生产设备下达指令,例如服务器下达指令设置生产设备的参数,各个参数的具体数值要从配置数据中获得。表面看服务器可以自动设置生产设备的参数,但实际上参数数值来源于配置数据,而配置数据很多情况下仍需要手工生成,工作量极大。用户导入的数据,服务器通常会进行一定的处理建立关系模型,将数据存储在关系型数据库中。相对于目标数据而言,上述非关系型数据库或者关系型数据库中存储的数据都视为原始数据。
当然,如果仅为了生成目标数据,局域网的服务器也可以不自行采集原始数据而是直接利用其他系统中存储的原始数据,例如直接从其他服务器复制原始数据。
S102、按照设定条件从原始数据中抓取初选数据。
原始数据的数据量极大,内容芜杂。生成目标数据,需要逐步从原始数据中提取有效信息。首先,按照设定条件从原始数据中抓取初选数据。设定条件可以是数据类型或者属性,存储在非关系型数据库中的数据常依据数据类型进行抓取,存储在关系型数据库中的数据常依据属性进行抓取。通常不同类型的数据具有不同的数据格式,存储在非关系型数据库中的数据通过数据格式易于识别其类型,其他信息不易从非关系型数据库中获得。关系型数据库已经建立了关系模型,属性(也称字段)能够描述其所对应的数据的意义,根据属性抓取数据更加准确。常用的属性为数据形成时间,根据数据形成时间能够按照设定的频次例如每日、每周、每月、每年等抓取数据,这样抓取到的数据的形成时间的间隔是一致的。当然,根据关系型数据库中的属性信息也能够确认数据的数据类型。本步骤相当于一次最初级的数据筛选,本步骤获得的数据相应称为初选数据。
S103、从初选数据中获取优选数据。
步骤S102中获得的初选数据的数量一般仍比较庞大,数据质量不高,同时其中一些数据和目标数据的关联性并不是很强。本步骤在步骤S102基础上,从初选数据中获取优选数据。实际中获取优选数据的方法往往是过滤初选数据中的非优选数据,过滤掉初选数据中的非优选数据后剩余的数据即可视为优选数据。非优选数据通常包括明显错误或者不完整的数据、边缘数据以及与目标数据所面向问题无关的数据。明显错误的数据,指根据数据的定义或其他设置条件即可判断一定存在错误的数据。例如某种数据的取值范围定义为1-10,若某个该种数据的值为11即为明显错误的数据。不完整的数据,指根据数据的定义或其他设置条件判断存在缺失信息的数据。例如某种数据根据定义应包含5项信息,若某个该种数据只包含4项信息即为不完整的数据。边缘数据,指根据统计规律,数据值落在了小概率事件的范围内,可能一些偶发的干扰因素对数据值产生了影响。与目标数据所面向问题无关的数据,指某些数据是针对某种特殊情况产生的,而目标数据所面向的特定问题与上述特殊情况不相容,解决目标数据所面向的特定问题时无需考虑上述特殊情况。本步骤相当于对初选数据进行了进一步的筛选,本步骤获得的数据相应称为优选数据,可以视为质量相对较高的数据。
S104、从优选数据中挖掘准目标数据。
经过步骤S102和S103,从数据量极大、质量参差不齐的原始数据中筛选出数据量相对较小、质量相对较高的优选数据,此时可以从优选数据中挖掘准目标数据。数据挖掘,泛指从大量的、有噪声的、模糊的、随机的实际数据中,提取隐含在其中、事先不知道但又具有潜在价值的信息和知识的过程。从优选数据中挖掘准目标数据,由于优选数据的质量相对较高,能节约大量的数据挖掘计算时间。比较适用的挖掘算法为聚类算法或分类算法。如果对目标数据的特征事先不了解,可以采用无监督或半监督的聚类算法,由算法自动给出数据的类别。如果事先已经比较了解目标数据的特征,则可以采用有监督的分类算法,可以较准确的将与目标数据较相关的数据分为一类。无论聚类算法还是分类算法,都会使用一个数值度量某个数据与某一类别的相近程度,上述数值可以是距离、比例、概率等,将上述数值统称为相近度。无论聚类算法还是分类算法,运行结果都会将优选数据划分为不同的类别。对于每个类别分别设置一个相近度的阈值,某个类别中某个数据的相近度超过了该类别的相近度阈值,表明该数据确实属于该类别的概率较高,反之某个数据的相近度未超过该类别的相近度阈值表明该数据确实属于该类别的概率不高。选取特定类别中相近度超过该类别所设定的相近度阈值的数据,即选取特定类别中确实属于该类别的概率较高的数据。特定类别的确定与目标数据所面向的问题相关。特定类别中选取的相近度超过设定阈值的数据,可以视为准目标数据。
S105、准目标数据通过生产设备规则转换为目标数据。
在步骤S104获得数据称为准目标数据,准目标数据往往还无法直接应用于解决目标数据所面向的特定问题。为了保障生产的顺利进行,生产设备设置有非常多的规则,例如参数设置规则等。准目标数据通常与生产设备的规则不是直接匹配的,基于准目标数据局域网中的服务器仍无法自动实现特定的功能。规则引擎能够将准目标数据通过生产设备规则转换为目标数据。规则引擎由推理引擎发展而来,目前已形成嵌入在应用程序中的组件。规则引擎将业务决策从应用程序代码中分离出来,并使用预定义的语义模块编写业务决策。规则引擎可以接收数据输入,解释业务规则,并根据业务规则输出业务决策。将规则引擎中的规则设置为生产设备规则,输入准目标数据,规则引擎输出的业务决策即为目标数据。除了规则引擎外,还可以利用机器学习技术,基于生产设备规则训练将准目标数据转换为目标数据。
根据目标数据所面向的特定问题,可以将目标数据进行分类。例如,缝制生产设备的目标数据可以划分为工序数据、产品数据、物料数据、缝制数据、花样数据、标准码数据等类别,同一类别的目标数据所面向的特定问题一般可以归属为同一类问题。
基于目标数据,局域网中的服务器能够完全自动解决目标数据所面向的特定问题,无需人工参与,极大了提高局域网的智能化程度。同时,数据挖掘、规则引擎等技术能够保障目标数据的生成效果,从而保证了服务器自动解决问题的准确性。
实施例二:
图2为本申请目标数据生成装置的架构示意图。目标数据生成装置20,用于缝制设备的缝制生产或纺织设备的纺织生产,包括采集装置21、抓取装置22、过滤装置23、挖掘装置24及规则装置25。采集装置21用于采集原始数据。抓取装置22用于按照设定条件从原始数据中抓取初选数据。过滤装置23用于从初选数据中获取优选数据。挖掘装置24用于从优选数据中挖掘准目标数据。规则装置25用于准目标数据通过生产设备规则转换为目标数据。
本实施例中所述装置的具体实现方式可参见实施例一所述内容,其实现原理和技术效果类似,本实施例此处不再赘述。
本实施例中所述的装置,应理解为主要通过计算机程序等方式实现的功能模块构架。本实施例所述装置的划分与实施例一所述的方法步骤对应,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个装置可以结合或集成为另一个装置,或者一些装置可以忽略或不执行。
作为本实施例中所述的装置承载实体的物理单元的实施方式具有多样性,可以所有的装置分布于一个物理单元,也可以一个或数个装置分布于不同的物理单元上。承载装置的物理单元可以通过线缆、无线网络等方式电连接,不一定有直接的物理接触或机械连接关系。
实施例三:
图3为本申请电子设备的硬件结构示意图。如图3所示,该电子设备30包括:至少一个处理器31和存储器32。可选的,该电子设备30还包括总线33,处理器31和存储器32通过总线33连接。
在电子设备的运行过程中,存储器32存储有计算机指令,至少一个处理器31执行所述存储器32存储的计算机指令,以使得电子设备30执行如实施例一所述的方法。
电子设备30的具体执行过程可参见实施例一,其实现原理和技术效果类似,本实施例此处不再赘述。
本实施例中,应理解,处理器可以是中央处理单元(英文:Central ProcessingUnit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital SignalProcessor,简称:DSP)、专用集成电路(英文:Application Specific IntegratedCircuit,简称:ASIC)等。通用处理器可以是微处理器或者其他常规的处理器。执行存储器32存储的计算机指令,可以直接由硬件处理器执行完成,或者由处理器中的硬件及软件模块组合执行完成。
存储器可能包括高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅为一根总线或一种类型的总线。
实施例四:
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被执行时,实现如实施例一所述的方法。
上述计算机可读存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM)、电可擦除可编程只读存储器(EEPROM)、可擦除可编程只读存储器(EPROM)、可编程只读存储器(PROM)、只读存储器(ROM)、磁存储器、快闪存储器、磁盘或光盘等。可读存储介质可以是通用或专用的计算机或类似电子设备能够存取的任何可用介质。
计算机可读存储介质可以耦合至处理器,从而使处理器能够从上述介质中读取信息,且可以向上述介质写入信息。当然,上述介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific Integrated Circuits,简称:ASIC)中。当然,处理器和可读存储介质也可以作为分立组件存在于电子设备中。
本申请技术方案如果以软件的形式实现并作为产品销售或使用时,可以存储在计算机可读取存储介质中。基于这样的理解,本申请的技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括计算机程序或者若干指令。该计算机软件产品使得计算机设备(可以是个人计算机、服务器、网络设备或者类似的电子设备)执行本申请实施例一所述方法的全部或部分步骤。前述的存储介质可以是U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以理解,实现实施例一所述的全部或部分步骤可以通过与程序指令相关的硬件来完成。前述的程序可以存储于计算机可读取存储介质中,该程序被执行时,执行实施例一所述的全部或部分的步骤。前述的存储介质包括ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是,本申请各实施例仅用以说明本申请的技术方案,而非对其进行限制。尽管各实施例已对本申请进行了详细的说明,本领域技术人员应当理解,其依然可以对本申请各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换,这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (7)
1.目标数据生成方法,用于缝制设备的缝制生产或者纺织设备的纺织生产,其特征在于,所述方法包括:
按照设定条件从原始数据中抓取初选数据;从所述初选数据中获取优选数据;从所述优选数据中挖掘准目标数据;所述准目标数据通过生产设备规则转换为目标数据。
2.根据权利要求1所述的方法,其特征在于,所述设定条件包括数据类型或者属性,所述属性包括数据形成时间。
3.根据权利要求1所述的方法,其特征在于,所述从所述初选数据中获取优选数据,包括过滤初选数据中的非优选数据,所述非优选数据包括明显错误或不完整的数据、边缘数据以及与所述目标数据所面向问题无关的数据。
4.根据权利要求1所述的方法,其特征在于,所述从所述优选数据中挖掘准目标数据,包括通过聚类算法或者分类算法将所述优选数据划分为不同的类别,每个所述类别分别设置一个相近度阈值,选取特定所述类别中相近度超过所述相近度阈值的数据。
5.数据传输装置,用于缝制设备的缝制生产或者纺织设备的纺织生产,其特征在于,所述装置包括:抓取装置、优选装置、挖掘装置及规则装置,所述抓取装置用于按照设定条件从原始数据中抓取初选数据,所述优选装置用于从所述初选数据中获取优选数据,所述挖掘装置用于从所述优选数据中挖掘准目标数据,所述规则装置用于所述准目标数据通过生产设备规则转换为目标数据。
6.电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器用于存储计算机指令,所述处理器用于执行所述存储器中存储的计算机指令以使得所述电子设备执行权利要求1-4任一项所述的目标数据生成方法。
7.存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被执行时实现如权利要求1-4任一项所述的目标数据生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910782867.XA CN110517162A (zh) | 2019-08-23 | 2019-08-23 | 目标数据生成方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910782867.XA CN110517162A (zh) | 2019-08-23 | 2019-08-23 | 目标数据生成方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110517162A true CN110517162A (zh) | 2019-11-29 |
Family
ID=68627215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910782867.XA Pending CN110517162A (zh) | 2019-08-23 | 2019-08-23 | 目标数据生成方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110517162A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103110230A (zh) * | 2013-01-25 | 2013-05-22 | 南通中科明兴物联网技术有限公司 | 服装智能生产系统和方法 |
CN107454187A (zh) * | 2017-08-24 | 2017-12-08 | 杰克缝纫机股份有限公司 | 缝纫机参数配置方法、系统、存储器、电子设备及服务器 |
CN107688332A (zh) * | 2017-09-06 | 2018-02-13 | 合肥工业大学 | 一种基于客户需求的锻压产品生产线配置方法及系统 |
CN108056521A (zh) * | 2018-01-30 | 2018-05-22 | 佛山伊贝尔科技有限公司 | 一种服装自动化机器人生产线 |
-
2019
- 2019-08-23 CN CN201910782867.XA patent/CN110517162A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103110230A (zh) * | 2013-01-25 | 2013-05-22 | 南通中科明兴物联网技术有限公司 | 服装智能生产系统和方法 |
CN107454187A (zh) * | 2017-08-24 | 2017-12-08 | 杰克缝纫机股份有限公司 | 缝纫机参数配置方法、系统、存储器、电子设备及服务器 |
CN107688332A (zh) * | 2017-09-06 | 2018-02-13 | 合肥工业大学 | 一种基于客户需求的锻压产品生产线配置方法及系统 |
CN108056521A (zh) * | 2018-01-30 | 2018-05-22 | 佛山伊贝尔科技有限公司 | 一种服装自动化机器人生产线 |
Non-Patent Citations (2)
Title |
---|
冯德梦: ""缝纫工艺参数对薄型丝织物缝纫缩皱的影响研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
张志军: "《大数据技术在高校中的应用研究》", 30 September 2017, 北京邮电大学出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109389143A (zh) | 一种数据分析处理系统及自动建模方法 | |
CN106933205A (zh) | 分布式工业性能监控和分析平台 | |
CN110399420A (zh) | 一种可配置化Excel格式的导出方法、电子设备和介质 | |
CN112926288A (zh) | 一种商业智能数据可视化方法、系统、设备以及可读存储介质 | |
CN105765528A (zh) | 具有可配置原点定义的应用执行路径跟踪 | |
CN108536752A (zh) | 一种数据同步方法、装置和设备 | |
CN108205580A (zh) | 一种图像检索方法、装置及计算机可读存储介质 | |
EP2827240A1 (en) | Method for generating control-code by a control-code-diagram | |
CN113420009B (zh) | 一种基于大数据的电磁数据分析装置、系统及方法 | |
CN109117350A (zh) | 自动监控计算机软硬件的告警方法、装置及服务器 | |
CN110231974A (zh) | 运维信息的可视化方法、装置、设备及可读存储介质 | |
WO2012142353A1 (en) | Monitoring process control system | |
CN108595324A (zh) | 测试案例复用管理方法及系统 | |
CN106815317A (zh) | 一种基于不同数据库的数据复制方法及系统 | |
CN109819128A (zh) | 一种电话录音的质检方法和装置 | |
JP6174469B2 (ja) | 事故分析活用支援装置および方法 | |
CN108427753A (zh) | 一种新的数据挖掘方法 | |
CN104077128B (zh) | 一种数据处理方法及装置 | |
CN117413988A (zh) | 一种非常规的大翻领服装制版配领方法 | |
CN110517162A (zh) | 目标数据生成方法、装置、电子设备及存储介质 | |
CN109359205A (zh) | 一种基于地理格网的遥感影像切分方法及设备 | |
US20220100358A1 (en) | Intellectual-Property Landscaping Platform | |
US20220101464A1 (en) | Intellectual-Property Landscaping Platform | |
US20220101462A1 (en) | Intellectual-Property Landscaping Platform | |
CN113656625B (zh) | 一种确定人体空间域的方法、装置及电子设备 |
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: 20191129 |