CN111126808A - 一种数据预警方法、装置及计算机存储介质 - Google Patents
一种数据预警方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN111126808A CN111126808A CN201911278282.0A CN201911278282A CN111126808A CN 111126808 A CN111126808 A CN 111126808A CN 201911278282 A CN201911278282 A CN 201911278282A CN 111126808 A CN111126808 A CN 111126808A
- Authority
- CN
- China
- Prior art keywords
- data
- early warning
- learner
- production
- authority
- 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 62
- 238000004519 manufacturing process Methods 0.000 claims abstract description 52
- 230000008569 process Effects 0.000 claims abstract description 39
- 238000007637 random forest analysis Methods 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims abstract description 9
- 230000005856 abnormality Effects 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 abstract description 10
- 238000013524 data verification Methods 0.000 abstract description 5
- 230000004044 response Effects 0.000 abstract description 3
- 239000000463 material Substances 0.000 description 27
- 239000000047 product Substances 0.000 description 15
- 238000012795 verification Methods 0.000 description 12
- 238000007689 inspection Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Manufacturing & Machinery (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供了一种数据预警方法,包括收集新能源汽车电池包生产过程中的过程数据;对可能发生的异常创建对应的学习器;将学习器按照功能和职责进行分类;将学习器按照生产过程发生的顺序设置权限。本发明缩小了随机森林使用学习机的范围,在通常情况下随机森林算法会罗列学习机,但很多学习机往往彼此之间并无紧要关联,在本方案中对学习机按照类别进行了分组,很大程度上缩小了可用学习机的范围,缩短了异常预警的响应时间;本发明在对学习机增加权限后,可以保证数据校验的完备性,并在发生错误时更为严谨的提示信息。
Description
技术领域
本发明属于动力电池技术领域,尤其是涉及一种数据预警方法、装置及计算机存储介质。
背景技术
随着工业技术不断的更新迭代和国家大力推行新能源汽车的政策,大量的汽车企业加入到新能源的行列中。有别于传统内燃机汽车,新能源汽车大都采用电力驱动,而确保电池稳定可靠地提供电力驱动的核心部件之一就是电池包。由于电池包的生产不像内燃机一样拥有近百年的历史,在生产中可能会发生各种各样的异常情况,因此及时并准确的反馈异常信息在生产过程中就显得尤为重要。
在对现有技术的研究和事件过程中,本发明的发明人发现现有技术存在以下问题:
1、异常信息反馈过于简单:在现有方法的中,部分系统往往只提示了发生了错误,但无法告知准确的错误类别和信息。
2、异常信息配置不灵活:将异常判定的信息硬编码至系统逻辑中,在同一产线生产不同类别的产品时需要修改代码并重新部署,增加了运营的成本和难度。
3、校验时间过长:在校验过程中进行了过多的校验,但很多校验与当前校验步骤无关,导致校验响应过慢。
发明内容
有鉴于此,本发明旨在提出一种数据预警方法,在配置灵活的前提下,缩短校验的运行时间,在保证校验完备的同时获得更准确的异常提示。
为达到上述目的,本发明的技术方案是这样实现的:
一种数据预警方法,使用随机森林算法判断产线中发生的问题并进行异常预警。
进一步的,具体包括如下步骤:
S1:收集新能源汽车电池包生产过程中的过程数据;
S2:对可能发生的异常创建对应的学习器;
S3:将学习器按照功能和职责进行分类;
S4:将学习器按照生产过程发生的顺序设置权限。
进一步的,所述过程数据包括但不限于工序名称或编号、过程数据值、操作类型。
本发明的另一目的在于提出一种数据预警装置,包括数据预警装置,用于通过使用随机森林算法判断产线中发生的问题并进行异常预警。
进一步的,具体包括
数据收集单元,用于收集新能源汽车电池包生产过程中的过程数据;
创建学习器单元,用于对可能发生的异常创建对应的学习器;
学习器分类单元,用于将学习器按照功能和职责进行分类;
设置权限单元,将学习器按照生产过程发生的顺序设置权限。
进一步的,所述数据收集单元中的过程数据包括但不限于工序名称或编号、过程数据值、操作类型。
本发明的另一目的在于提出一种计算机存储介质,所述存储介质中存储有计算机可执行指令,当所述指令被执行时用于执行所述的数据预警的方法。
相对于现有技术,本发明所述的一种数据预警方法、装置及计算机存储介质具有以下优势:
(1)本发明在保证校验完备的同时尽可能的减少了校验所需的时间,增加产能,提高企业效益;
(2)本发明在对学机器增加了权重后,所有的数据都能保证做到严格的数据校验,并在发生问题时可以给出准确的错误信息提示,帮助产线人员及时的处理和发现问题所在。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述的一种数据预警方法的流程示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
本发明的新能源汽车电池包生产过程数据预警方法为某电池包生产制造智能管理与追溯分析平台(以下简称IMMS)中的一环,IMMS系统包括工单管理、采购入库检验、生产领料、生产补料、生产退料、过程数据检验、成品入库、成品出库、成品追溯等模块。各模块的功能如下:
工单管理:从第三方信息系统系统获取工单信息,在IMMS内对工单进行排期、关联工艺流程的操作后,根据生产任务拆分为日工单,产线设备通过工控机调用IMMS的日工单开始生产相应的成品。
采购入库检验:用户由物流仓储系统发起采购请检入库单,通过Web接口传输至物流仓储系统,在IMMS中录入对应物料的检验结果进行提交,提交后由相应的人员对单据进行审核,如审核成功则单据回传至物流仓储系统,此时如发生网络异常或物流仓储系统回传信息结果失败,则更改检验单据的状态并记录异常信息,后续可对该单据重新手动发送;若审核失败,则进行驳回操作,此时需由检验人员重新对该单据的物料进行检验。
生产领料:在产线设备进行生产时要进行扫描物料的操作,扫描动作由产线设备发起后将扫描数据传输至IMMS,IMMS进行将该信息与工艺流程中用料情况进行对比并进行线边仓校验,校验通过后自动创建IMMS领料单并发送至物流仓储系统进行二次校验,并根据物流仓储系统的返回结果告知产线设备是否校验成功。
生产补料:在发生物料损坏或发现物料不良品时,需要进行物料替换操作,该操作由产线工作人员发起录入替换物料后发送至IMMS,后续校验流程同生产领料。
生产退料:生产退料是将物料从线边仓调回物料仓库的操作。首先从IMMS中创建退料单,并录入需要退料的物料和数量,在校对线边仓库存无误后提交,经由相应人员审核通过后将单据发送至物流仓储。
成品入库:成品入库是将线下的成品通过检验审核后入库的操作。首先从IMMS中选择关联的工单并创建成品入库单,在入库单中添加相应的线下成品,经过检验和审核等操作并通过后,将单据信息传输至物流仓储系统进行后续操作。
成品销售出库:成品销售出库由物流仓储系统发起销售出库请检单,录入检验单据中各个成品的检验状态并提交,提交后交由审核人员进行审核,审核通过后将单据回传至物流仓储系统,若物流仓储系统返回结果正确,则将电池包数据上传至相应的新能源汽车国家溯源综合管理平台。
过程数据检验:过程数据检验会对产品从生产到出库过程中的各个步骤进行检验。通过对预先配置的学机器进行分组和权重标识,结合随机森林算法,对产线的数据进行追踪,当发生异常时及时予以反馈。检验的类型包括但不限于:物料防重校验、工艺流程对比校验、线边仓库存检验、非空校验、扫描数量校验、过程数据值校验等。本发明所用的一种在新能源汽车电池包生产过程中对过程数据预警的方法,对电池包生产线所发生的数据校验速度快,若检测到异常可快速的提供异常信息,且对不同类型的错误处理配置灵活。预警操作流程如下:
第一步:收集数据:首先产线控制软件通过获取第三方信息系统的BOM信息配置相应的工艺流程,工控机通过对应的工艺流程操纵生产线设备,并将产生的过程数据通过产险控制软件传输至IMMS,IMMS收到的数据包括但不限于工序名称(或编号)、过程数据、操作类型等。
第二步:创建学习器:学习器是随机森林算法中的一个概念,学习器是一颗深度为2的二分结构,该节点的子节点可以为另一个学习器或结果,通过多个学习器相连组成的树状结构称为随机森林,随机森林意旨通过各个弱学习器获得一个强的预测,该结构的叶子节点就为最终的预测结果。在新能源汽车电池包生产的过程中,通过对可能发生的异常创建对应的学习器,配合随机森林算法则可达到获取异常信息的需求。
第三步:学习器分类:将学习器按照功能和职责进行分类,缩小随机森林学习器的范围,提高异常预警速度。在实际的生产中,流水线分为不同的工站,各个工单有各自的职能。例如部分工站至负责拧紧螺栓,部分工站只负责对电池包进行测试,在拧紧螺栓的工站不会发生测试数据异常,同样的在测试工站不会发生拧紧螺栓的异常。因此,对学习器分类可以有效的提高异常预警的速度。
第四步:设置学习器权限:将学习器按照生产过程发生的顺序设置权限,保证数据校验的完备性。例如:在拧紧螺栓工站会分为两步,先扫描螺栓的物料标签,此时产生扫描数据;而后拧紧螺栓,此时产生拧紧的扭矩数据,若没有扫描动作而直接进行拧紧操作,此时为非法操作。在系统判断异常时,扫描判断应作为拧紧操作的前置条件来判断,但使用传统的随机森林算法,无法对学习器的先后验证进行控制。因此,在本方法中对随机森林引入了权重的概念,以此来保证异常校验过程中的准确和完备。
本发明通过使用随机森林算法判断产线中发生的问题并进行异常预警;
本发明缩小了随机森林使用学习机的范围,在通常情况下随机森林算法会罗列学习机,但很多学习机往往彼此之间并无紧要关联,在本方案中对学习机按照类别进行了分组,很大程度上缩小了可用学习机的范围,提高了异常预警的响应时间;
本发明对学习机加以权重区分,在对学习机进行分组后,同一组内的学习机互相之间存在着关联关系,但结合产线的生产状况,工序时严格有序的。因此,对应的学习机也就产生了权重顺序,例如:在拧紧螺栓的工站分为两步,首先扫描螺栓编码,然后再进行拧紧操作。在扫描螺栓编码时必定还未进行拧紧操作,所以此时只需校验扫描的物料编码是否正确;而在进行拧紧操作时,需要将是否扫描了螺栓的编码作为前置判断条件,否则会导致非法用料,校验不严谨。因此,在对学习机增加权限后,可以保证数据校验的完备性,并在发生错误时更为严谨的提示信息。
本发明还提出一种数据预警装置,包括数据预警装置,用于通过使用随机森林算法判断产线中发生的问题并进行异常预警。具体包括
数据收集单元,用于收集新能源汽车电池包生产过程中的过程数据;
创建学习器单元,用于对可能发生的异常创建对应的学习器;
学习器分类单元,用于将学习器按照功能和职责进行分类;
设置权限单元,将学习器按照生产过程发生的顺序设置权限。
所述数据收集单元中的过程数据包括但不限于工序名称或编号、过程数据值、操作类型。
本发明还提出一种计算机存储介质,所述存储介质中存储有计算机可执行指令,当所述指令被执行时用于执行数据预警的方法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种数据预警方法,其特征在于:使用随机森林算法判断产线中发生的问题并进行异常预警。
2.根据权利要求1所述的一种数据预警方法,其特征在于:包括如下步骤:
S1:收集新能源汽车电池包生产过程中的过程数据;
S2:对可能发生的异常创建对应的学习器;
S3:将学习器按照功能和职责进行分类;
S4:将学习器按照生产过程发生的顺序设置权限。
3.根据权利要求1所述的一种数据预警方法,其特征在于:所述过程数据包括但不限于工序名称或编号、过程数据值、操作类型。
4.一种数据预警装置,其特征在于:包括数据预警装置,用于通过使用随机森林算法判断产线中发生的问题并进行异常预警。
5.根据权利要求4所述的一种数据预警装置,其特征在于:具体包括
数据收集单元,用于收集新能源汽车电池包生产过程中的过程数据;
创建学习器单元,用于对可能发生的异常创建对应的学习器;
学习器分类单元,用于将学习器按照功能和职责进行分类;
设置权限单元,将学习器按照生产过程发生的顺序设置权限。
6.根据权利要求5所述的一种数据预警装置,其特征在于:所述数据收集单元中的过程数据包括但不限于工序名称或编号、过程数据值、操作类型。
7.一种计算机存储介质,其特征在于:所述存储介质中存储有计算机可执行指令,当所述指令被执行时用于执行权利要求1-3任一项所述的数据预警的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911278282.0A CN111126808A (zh) | 2019-12-11 | 2019-12-11 | 一种数据预警方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911278282.0A CN111126808A (zh) | 2019-12-11 | 2019-12-11 | 一种数据预警方法、装置及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111126808A true CN111126808A (zh) | 2020-05-08 |
Family
ID=70498628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911278282.0A Pending CN111126808A (zh) | 2019-12-11 | 2019-12-11 | 一种数据预警方法、装置及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111126808A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160328837A1 (en) * | 2015-05-08 | 2016-11-10 | Kla-Tencor Corporation | Method and System for Defect Classification |
CN108846227A (zh) * | 2017-12-05 | 2018-11-20 | 北京航空航天大学 | 一种基于随机森林及容量自恢复效应分析的锂离子电池容量退化预测评估方法 |
CN109063313A (zh) * | 2018-07-26 | 2018-12-21 | 北京交通大学 | 基于机器学习的列车牵引能耗计算方法 |
CN109657945A (zh) * | 2018-12-06 | 2019-04-19 | 华中科技大学 | 一种基于数据驱动的工业生产过程故障诊断方法 |
CN110133508A (zh) * | 2019-04-24 | 2019-08-16 | 上海博强微电子有限公司 | 电动汽车动力电池的安全预警方法 |
CN110276372A (zh) * | 2019-05-08 | 2019-09-24 | 复变时空(武汉)数据科技有限公司 | 基于云平台的燃料电池发动机故障诊断方法 |
CN110535159A (zh) * | 2019-07-25 | 2019-12-03 | 中国电力科学研究院有限公司 | 一种规模化储能电站运行单元故障预警的方法及系统 |
-
2019
- 2019-12-11 CN CN201911278282.0A patent/CN111126808A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160328837A1 (en) * | 2015-05-08 | 2016-11-10 | Kla-Tencor Corporation | Method and System for Defect Classification |
CN108846227A (zh) * | 2017-12-05 | 2018-11-20 | 北京航空航天大学 | 一种基于随机森林及容量自恢复效应分析的锂离子电池容量退化预测评估方法 |
CN109063313A (zh) * | 2018-07-26 | 2018-12-21 | 北京交通大学 | 基于机器学习的列车牵引能耗计算方法 |
CN109657945A (zh) * | 2018-12-06 | 2019-04-19 | 华中科技大学 | 一种基于数据驱动的工业生产过程故障诊断方法 |
CN110133508A (zh) * | 2019-04-24 | 2019-08-16 | 上海博强微电子有限公司 | 电动汽车动力电池的安全预警方法 |
CN110276372A (zh) * | 2019-05-08 | 2019-09-24 | 复变时空(武汉)数据科技有限公司 | 基于云平台的燃料电池发动机故障诊断方法 |
CN110535159A (zh) * | 2019-07-25 | 2019-12-03 | 中国电力科学研究院有限公司 | 一种规模化储能电站运行单元故障预警的方法及系统 |
Non-Patent Citations (1)
Title |
---|
李琳等: "《Mahout实验指南》", pages: 44 - 45 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110956241A (zh) | 基于二维码的产品识别追踪管理方法 | |
CN104008475A (zh) | 一种商品出库方法 | |
CN106022685A (zh) | 一种托运订单处理方法和装置 | |
CN105976147A (zh) | 一种运输管理方法、装置和系统 | |
JP2007026844A (ja) | 電池 | |
CN112116364A (zh) | 一种生产制造追溯系统及平台 | |
CN110597196A (zh) | 数据采集系统及数据采集方法 | |
CN116303819B (zh) | 一种基于数字孪生实现仓储系统下的数据处理方法及装置 | |
CN114415613B (zh) | 一种自动生产管理系统 | |
US20200334632A1 (en) | Rfid part tracking and information storing system and method of use | |
CN110288100A (zh) | 一种根据车辆故障自动匹配维修项目方法及系统 | |
CN112700186A (zh) | 一种基于物流供应链管理系统 | |
CN111144841A (zh) | 一种化工产品生产线中输送及保存设备的巡检方法及系统平台 | |
CN105844444A (zh) | 一种托运订单生成方法和装置 | |
Lin et al. | Case study of physical internet for improving efficiency in solar cell industry | |
CN112966835B (zh) | 一种废旧锂电池回收管理系统和方法 | |
CN112311068B (zh) | 一种光伏控制箱追溯系统和方法 | |
CN111126808A (zh) | 一种数据预警方法、装置及计算机存储介质 | |
CN116090724B (zh) | 一种基于钢筋生产的智慧管理平台 | |
CN109189035A (zh) | 汽车电子智能制造u型组装线 | |
CN112269357A (zh) | 一种工厂智能化管理系统 | |
CN112700095B (zh) | 电池包生产管理系统 | |
CN112749574A (zh) | 一种自动扫码检验终端及方法 | |
CN105320053A (zh) | 基于轮胎排序的高效排序方法 | |
CN1862280A (zh) | 电池管理系统及具有异常报告功能的装置 |
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: 20200508 |