CN111860605B - 一种工艺节拍处理方法、系统、装置及存储介质 - Google Patents
一种工艺节拍处理方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN111860605B CN111860605B CN202010591800.0A CN202010591800A CN111860605B CN 111860605 B CN111860605 B CN 111860605B CN 202010591800 A CN202010591800 A CN 202010591800A CN 111860605 B CN111860605 B CN 111860605B
- Authority
- CN
- China
- Prior art keywords
- beat
- action
- production
- information
- beat information
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06Q50/00—Systems or methods specially adapted for 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
Abstract
本发明公开了一种工艺节拍处理方法、系统、装置和存储介质,其中方法包括:获取各个生产动作的动作数据;根据动作数据得到各个工艺节拍的第一节拍信息;对第一节拍信息进行验证,确定异常节拍信息;将异常节拍信息与预先训练得到的特征决策树进行匹配,确定第二节拍信息。本发明通过将异常节拍信息与特征决策树进行匹配,确定的第二节拍信息可以准确表示生产工艺中的工艺节拍,可适应各种情况下的工艺节拍统计,且大大提高了工艺节拍统计结果的准确性,便于后续根据工艺节拍统计结果对实际生产情况对出工艺调整和优化,确保了生产效率和生产质量的提高,降低了生产风险及生产成本。本发明可广泛应用于生产工艺技术领域。
Description
技术领域
本发明涉及生产工艺技术领域,尤其涉及一种工艺节拍处理方法、系统、装置及存储介质。
背景技术
当前,工业生产竞争越来越激烈,各厂家在提高生产效率与降低生产成本等方面进行技术及体制改革,提出了产线的非标需求,即从原来大规模地建厂建生产线,转变为在原有的生产线上进行生产模型修改,使同一个产线可以适应不同工艺生产的需求。同时,生产质量也是当前客户厂家追求的目标,当前市场价格竞争透明度高,使得厂家对产品的质量要求更高。
在生产过程中,通常把加工完成一道工序工艺的所有生产动作叫一个节拍,也称为一个Cycle(即工艺节拍)。每个工艺节拍可能由一个动作组或多个动作组组成,而且每个动作组由许多生产动作组成,工艺节拍数据的采集对后续进行统计分析从而提高生产效率和生产质量至关重要。在采集器上传生产数据的时候,存在网络中断的情况,那样采集器发送的生产数据不连续或不完整,使得对应的工艺节拍数据异常;此外,在生产过程中,配置的工艺工序也会存在着“转台”的情况,即在同一个工位下同一台机器设备,生产的A的某个工艺节拍的所有生产动作还没有完成,产线就转为生产B,该机器设备则需要立即执行生产B的工艺节拍,从而导致生产A的工艺节拍数据异常。在上述两种情况下,如果不对异常的节工艺进行检测并校正,就会得到错误的动作序列、动作数量和节拍时长。然而在现有技术中,并没有考虑到上述两种情况所带来的异常工艺节拍,从而导致得到的动作序列、动作数量、节拍时长等数据不准确,影响了后续的统计分析,而且,随着工艺发展,同一个产线适应不同工艺生产的情况越来越常见,若继续采用原有的工艺节拍处理方法,必定会大大地增加工艺节拍数据的异常比例,从而导致后续对生产工艺的统计分析与实际生产情况严重不符,使得厂家无法针对实际生产情况作出工艺调整和优化,不利于降低生产成本,限制了生产效率和生产质量的提高。
发明内容
为了解决上述技术问题,本发明的目的在于:提供一种工艺节拍处理方法、系统、装置及存储介质,可适应各种情况下的工艺节拍统计,且大大提高了工艺节拍统计结果的准确性,满足了厂家提高生产质量和生产效率、以及降低生产成本的需求。
本发明所采用的第一技术方案是:
一种工艺节拍处理方法,包括以下步骤:
获取各个生产动作的动作数据;
根据所述动作数据得到各个工艺节拍的第一节拍信息;
对所述第一节拍信息进行验证,确定异常节拍信息;
将所述异常节拍信息与预先训练得到的特征决策树进行匹配,确定第二节拍信息。
进一步,所述获取各个生产动作的动作数据这一步骤,其包括:
实时采集生产数据并上传至物联网消息队列;
对所述物联网消息队列进行分析处理,得到各个生产动作的动作数据。
进一步,所述动作数据包括工位ID、动作ID、动作时长以及标志位参数,所述标志位参数包括1和0,所述标志位参数为1对应的生产动作是一个工艺节拍的开始动作或结束动作,所述标志位参数为0对应的生产动作是一个工艺节拍的中间动作。
进一步,所述根据所述动作数据得到各个工艺节拍的第一节拍信息这一步骤,其包括:
根据各所述生产动作创建若干个键值对,所述键值对的Key包括所述工位ID,所述键值对的Value包括所述动作ID和所述动作时长,将所述键值对缓存到Redis集群中;
确定所述生产动作的标志位参数为1,读取所述Redis集群中缓存的键值对,根据所述键值对的Value统计得到当前工艺节拍的第一节拍信息;
清空所述Redis集群;
其中,所述第一节拍信息包括第一动作序列、第一动作数量以及第一节拍时长。
进一步,所述对所述第一节拍信息进行验证,确定异常节拍信息这一步骤,包括以下至少之一:
确定所述第一动作数量超出第一阈值范围,获取所述第一动作数量对应的第一节拍信息作为异常节拍信息;
确定所述第一节拍时长超出第二阈值范围,获取所述第一节拍时长对应的第一节拍信息作为异常节拍信息;
其中,所述第一阈值范围为预设的工艺节拍动作数量的阈值范围,所述第二阈值范围为预设的工艺节拍节拍时长的阈值范围。
进一步,所述第二节拍信息包括第二动作序列、第二动作数量以及第二节拍时长,所述将所述异常节拍信息与预先训练得到的特征决策树进行匹配,确定第二节拍信息这一步骤,其包括:
将所述异常节拍信息对应的第一动作序列与所述特征决策树中的预设动作序列进行相似度匹配,选取相似度高于预设阈值的预设动作序列作为第三动作序列;
根据所述第三动作序列在生产过程中的出现次数和最近出现时间,选取第二动作序列;
根据所述第二动作序列得到对应的第二动作数量,根据所述第二动作序列和预设动作时长得到第二节拍时长;
保存所述第二动作序列、所述第二动作数量以及所述第二节拍时长。
进一步,所述工艺节拍处理方法还包括训练特征决策树的步骤,其具体为:
获取预设时段内工艺节拍的动作序列作为训练数据集,通过机器学习训练得到所述特征决策树。
本发明所采用的第二技术方案是:
一种工艺节拍处理系统,包括:
动作数据获取模块,用于获取各个生产动作的动作数据;
第一节拍信息确定模块,用于根据所述动作数据得到各个工艺节拍的第一节拍信息;
验证模块,用于对所述第一节拍信息进行验证,确定异常节拍信息;
匹配模块,用于将所述异常节拍信息与预先训练得到的特征决策树进行匹配,确定第二节拍信息。
本发明所采用的第三技术方案是:
一种工艺节拍处理装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述工艺节拍处理方法。
本发明所采用的第四技术方案是:
一种计算机可读存储介质,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执行所述工艺节拍处理方法。
本发明的有益效果是:本发明一种工艺节拍处理方法、系统、装置及存储介质,通过将异常节拍信息与特征决策树进行匹配,确定的第二节拍信息可以准确表示生产工艺中的工艺节拍,可适应各种情况下的工艺节拍统计,且大大提高了工艺节拍统计结果的准确性,便于后续根据工艺节拍统计结果对实际生产情况对出工艺调整和优化,确保了生产效率和生产质量的提高,降低了生产风险及生产成本。
附图说明
图1为本发明实施例提供的工艺节拍处理方法的步骤流程图;
图2为本发明实施例提供的工艺节拍处理系统的结构框图;
图3为本发明实施例提供的工艺节拍处理装置的结构框图;
图4为本发明实施例提供的特征决策树示意图;
图5为本发明一较佳实施例提供的工艺节拍处理方法的流程示意图。
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。
在本发明的描述中,多个的含义是两个以上,如果有描述到第一、第二只是用于区分技术特征为目的,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或者隐含指明所指示的技术特征的先后关系。此外,除非另有定义,本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本文说明书中所使用的术语只是为了描述具体的实施例,而不是为了限制本发明。
参照图1,本发明实施例提供了一种工艺节拍处理方法,包括以下步骤:
S101、获取各个生产动作的动作数据。
具体地,动作数据包括该执行该生产动作的工位、该生产动作的时长以及该生产动作在一个工艺节拍中的顺序等信息,在工艺节拍的处理中,动作数据需要实时获取。上述步骤S101具体包括以下步骤:
S1011、实时采集生产数据并上传至物联网消息队列;
具体地,可通过采集器来实时采集生产过程中的生产数据,并按预设的时间上传生产数据到物联网消息队列中。
S1012、对物联网消息队列进行分析处理,得到各个生产动作的动作数据;
具体地,可通过数据解析程序分布式实时消费物联网消息队列中的生产数据,程序在读取到生产数据后,对生产数据进行整合、解析、转换、清洗等处理,以及对重要属性值进行验证处理,得到对应各个生产动作的动作数据。应当理解的是,上述S1011步骤中的生产数据仅为当前某个机器设备进行生产工艺的实时状态数据,并不能完整表示一个工艺节拍或是一个生产动作,也并不包含其执行某个生产动作的所需的时间、该生产动作在一个工艺节拍中的执行顺序等信息,因此需要通过数据解析程序对一段时间内的所有生产数据进行整合、解析、转换、清洗等处理,从而得到用于表示该段时间内各个生产动作的时长和顺序的动作数据。
本发明实施例中,通过实时采集生产数据并上传至物联网消息队列进行分析处理,利用了大数据平台的分布式处理能力,能够快速、准确地得到动作数据,提高了工艺节拍的处理效率。
进一步作为可选的实施方式,动作数据包括工位ID、动作ID、动作时长以及标志位参数,标志位参数包括1和0,标志位参数为1对应的生产动作是一个工艺节拍的开始动作或结束动作,标志位参数为0对应的生产动作是一个工艺节拍的中间动作。
具体地,动作数据包括工位ID、动作ID、动作时长以及标志位参数等信息,工位ID表示执行该生产动作的工位,由于采集生产数据时可能同时对多个工位进行采集,因此需要用工位ID进行区分,一个工艺节拍中所有生产动作的工位ID一样;动作ID表示该生产动作的标号,可以预先设置对应每个生产动作的标号;动作时长表示执行该生产动作的耗时,动作时长需要实时获取;标志位参数用于判断一个工艺节拍的开始与结束,标志位参数可以是1或者0,标志位参数1表示一个工艺节拍的开始,标志位参数0对应的生产动作即为一个工艺节拍的中间动作,直到下一个标志位参数1,则表示一个工艺节拍结束,并且以此作为下一个工艺节拍的开始。例如,标志位参数组成的序列为1000000100010000000001,则该序列对应三个工艺节拍,分别可以用10000001、10001和10000000001表示。
本发明实施例中,通过标志位参数可以准确、简洁地表示一个工艺节拍包含的生产动作,便于后续统计工艺节拍的时长和动作序列等信息。
可选地,动作数据还可以包括动作组ID和线体ID。
具体地,一个工艺节拍可能包括一个或多个动作组,而每个动作组则包含多个生产动作,实际应用中,生产动作都是以动作组为单位进行,动作组ID则表示动作组的标号;线体值ID是前端BI报表的维度要素。
S102、根据动作数据得到各个工艺节拍的第一节拍信息。
具体地,第一节拍信息包括工艺节拍中生产动作的动作序列(即第一动作序列)、工艺节拍中生产动作的数量(即第一动作数量)以及工艺节拍中生产动作的总时长(即第一节拍时长),第一节拍信息可以根据统计工艺节拍中所有生产动作的动作数据得到。上述步骤S102具体包括以下步骤:
S1021、根据各生产动作创建若干个键值对,键值对的Key包括工位ID,键值对的Value包括动作ID和动作时长,将键值对缓存到Redis集群中;
具体地,对于每一个生产动作,可将其工位ID作为Key值,将其动作时长和动作ID进行字符串相连作为Value值,从而得到对应每个生产动作的键值对,并缓存在Redis集群中。例如,某个生产动作的工位ID为1001,动作时长为20s,动作ID为A1,则对应的键值对的Key值可以表示为“1001”,Value值可以表示为“20,A1”。由于同一个工位下的所有生产动作的Key值一样,对应Value值可以作为一个集合,这样得到的键值对缓存在Redis集群中。
S1022、确定生产动作的标志位参数为1,读取Redis集群中缓存的键值对,根据键值对的Value统计得到当前工艺节拍的第一节拍信息;
具体地,当接收到某个动作数据的标志位参数为0,表示当前的生产动作为工艺节拍的中间动作,此时只缓存不读取;当接收到某个动作数据的标志位参数为1,则表示当前工艺节拍已经结束,在完成该动作数据对应的键值对的缓存后,读取Redis集群中缓存的所有的Value值,统计动作时长得到第一节拍时长,统计动作的数量得到第一动作数量,按照顺序将动作ID排序得到第一动作序列(如A1-A2-A4-A7-A8)。
S1023、清空Redis集群;
其中,第一节拍信息包括第一动作序列、第一动作数量以及第一节拍时长。
具体地,完成当前工艺节拍的统计后,需要清空Redis集群的缓存,并重复步骤S1021和步骤S1023完成下一个工艺节拍的统计,同时由于当前工艺节拍的结束动作对应于下一个工艺节拍的开始动作,因此实际应用中需要把该结束动作对应的键值对重新缓存。
本发明实施例中,结合分布式Redis集群实现工艺节拍的统计,可完成实时海量数据与硬盘IO的交换,提高了工艺节拍处理的效率以及系统的稳定性。
可选地,也可将工位ID和动作组ID进行字符串相连得到Key值,将动作时长、线体ID和动作ID进行字符串相连作为Value值,生成对应各个生产动作的键值对。例如,工位ID为1001,动作组ID为A003,那么Key值可以表示为“1001,A003”;动作时长为20s,线体ID为405,动作ID为A00301(前一部分与动作组IDA003一致),则Value值可以表示为“20,405,A00301”。这样适用于一个工艺节拍包含多个动作组的情况。
在下面实施例的描述中,将略去动作组ID和线体ID,应当理解的是,在一个工艺节拍包含多个动作组时,可对实施方式进一步细化作出种种变形,在下面的实施例中不再赘述。
可选地,第一节拍信息还包括工位ID,由于同一工艺节拍中生产动作都由同一工位执行,故工位ID均一致,第一节拍信息中的工位ID也与各个生产动作的工位ID一致。工位ID可用于后续选取对应的特征决策树进行匹配。
S103、对第一节拍信息进行验证,确定异常节拍信息。
具体地,当采集器上传生产数据时如果网络发生波动甚至中断,或者生产过程中更换产线的生产产品,都会导致得到的第一节拍信息中的动作序列不完整,以及动作数量和节拍时长发生错误。因此需要根据预先设定的阈值范围对第一节拍信息进行验证,确定其是否为异常节拍信息。上述步骤S103可至少采用两种方案来实现,具体如下所示。
对于步骤S103的第一实施例,其具体为:
S1031、确定第一动作数量超出第一阈值范围,获取第一动作数量对应的第一节拍信息作为异常节拍信息;
具体地,第一阈值范围为预设的工艺节拍动作数量的阈值范围,当某一工艺节拍包含的动作数量不满足预设的阈值范围[Cmin,Cmax],即动作数量过少或过多,则表示该第一节拍信息为异常节拍信息。本发明实施例中,Cmin和Cmax是通过平均值算法计算出来,是生产的历史数据不断的计算积累完善的值,随着不断的数据统计计算,其取值越来越精确,在此不作详细说明。
对于步骤S103的另一实施例,其具体为:
S1032、确定第一节拍时长超出第二阈值范围,获取第一节拍时长对应的第一节拍信息作为异常节拍信息;
具体地,第二阈值范围为预设的工艺节拍节拍时长的阈值范围,当某一工艺节拍的节拍时长不满足预设的阈值范围[Tmin,Tmax],即节拍时长过短或过长,则表示该第一节拍信息为异常节拍信息。本发明实施例中,Tmin和Tmax同样是通过平均值算法计算出来的。
可选地,也可以综合上述两个验证条件进行验证,即如果上述两个阈值范围中的任何一个不满足,则该表示第一节拍信息为异常节拍信息。
本发明实施例中,通过动作数量和节拍时长的两个验证条件来对第一节拍信息进行验证,确保了可以筛选出异常的节拍信息,从而便于后续对该异常节拍信息进行处理得到准确的节拍信息。
可选地,还可增加“特征异常动作”字典表作为验证条件,该字典表中包括若干个不可能出现的相邻动作,如A1和A5这两个生产动作不可能相邻,则将“A1-A5”作为特征异常动作加入该字典表,若第一动作序列中出现了“A1-A5”这个序列片段,则表示对应的第一节拍信息为异常节拍信息。本发明实施例可以对异常节拍信息的验证条件进行完善,进一步提高了工艺节拍统计结果的准确性。
S104、将异常节拍信息与预先训练得到的特征决策树进行匹配,确定第二节拍信息。
具体地,如图4所示为本发明实施例某一工位下的特征决策树示意图,特征决策树的根节点用于表示工艺节拍的开始动作,中间节点用于表示工艺节拍的中间动作,叶子节点用于表示工艺节拍的结束动作,由此可知每个叶子节点都对应着一个预设动作序列。可将异常节拍信息中的动作序列与特征决策树进行匹配,找到相似度较高的预设动作序列,从而得到准确的第二节拍信息以替代异常的第一节拍信息,从而把异常工艺节拍数据转换成正常的工艺节拍数据推送显示及存储。第二节拍信息包括第二动作序列、第二动作数量以及第二节拍时长。上述步骤S104具体包括以下步骤:
S1041、将异常节拍信息对应的第一动作序列与特征决策树中的预设动作序列进行相似度匹配,选取相似度高于预设阈值的预设动作序列作为第三动作序列;
S1042、根据第三动作序列在生产过程中的出现次数和最近出现时间,选取第二动作序列;
例如,异常节拍信息的动作序列为“A1-A2-A4-A7-A8”,可根据其工位ID找到对应的特征决策树,然后在该特征决策树中按照相似度匹配到“A1-A2-A4-A7-A8-A9-A10-A12-14”和“A1-A2-A4-A7-A8-A10-A12-A13”这两个相似度较高的预设动作序列,再通过这两个预设动作序列在历史成产过程中的出现次数选择出现次数较多的做为第二动作序列;若出现次数一样多,还可以根据其最近出现时间选择出现时间较为接近当前时间的预设动作序列作为第二动作序列。
S1043、根据第二动作序列得到对应的第二动作数量,根据第二动作序列和预设动作时长得到第二节拍时长;
S1044、保存第二动作序列、第二动作数量以及第二节拍时长。
具体地,统计第二动作序列包含的生产动作的数量即可得到第二动作数量,根据第二动作序列中每个生产动作的预设动作长即可得到第二节拍时长。
本发明实施例中,通过将异常节拍信息与特征决策树进行匹配,确定的第二节拍信息可以准确表示生产工艺中的工艺节拍,可适应各种情况下的工艺节拍统计,且大大提高了工艺节拍统计结果的准确性,便于后续根据工艺节拍统计结果对实际生产情况对出工艺调整和优化,确保了生产效率和生产质量的提高,降低了生产风险及生产成本。
进一步作为可选的实施方式,工艺节拍处理方法还包括训练特征决策树的步骤,其具体为:
获取预设时段内工艺节拍的动作序列作为训练数据集,通过机器学习训练得到特征决策树。
具体地,可采用预设时段内正常生产过程的生产数据得到的动作序列作为训练数据集,通过机器学习训练得到特征决策树,还可采用实时的、经过验证不为异常节拍信息的第一节拍信息的动作序列作为训练数据集进行训练。得到的特征决策树可按照工位ID进行划分,每一个工位对应一个特征决策树,便于后续对异常节拍信息进行匹配。
应该理解的是,在实时的工艺节拍处理过程中,筛除异常节拍信息的第一节拍信息即可作为训练数据集,实时地对特征决策树进行训练,通过机器学习不断提高特征决策树中预设动作序列的准确性和可靠性。
可选地,还可以实时统计各个动作序列的出现次数和最近出现时间,并在特征决策树的叶子节点进行标注,便于选取最为准确的第二节拍信息。
如图5所示为本发明一较佳实施例提供的工艺节拍处理方法的流程示意图,本实施例中,通过采集器实时采集生产数据上传至物联网消息队列,利用大数据平台的分布式处理能力得到各个生产动作的动作数据,然后结合分布式Redis集群完成工艺节拍的统计,对工艺节拍进行验证后,正常的节拍信息直接输出,同时也作为训练数据训练特征决策树,异常的节拍信息通过特征决策树进行匹配并修正,从而得到准确的节拍信息。本实施例可进一步优化工艺节拍处理的流程,提高生产数据资源的利用率,同时由于特征决策树是实时变化的,可以最大限度的满足实时的生产过程中的工艺节拍处理,进一步确保了生产效率和生产质量的提高,降低了生产风险及生产成本。
参照图2,本发明实施例还提供了一种工艺节拍处理系统,包括:
动作数据获取模块,用于获取各个生产动作的动作数据;
第一节拍信息确定模块,用于根据动作数据得到各个工艺节拍的第一节拍信息;
验证模块,用于对第一节拍信息进行验证,确定异常节拍信息;
匹配模块,用于将异常节拍信息与预先训练得到的特征决策树进行匹配,确定第二节拍信息并保存第二节拍信息。
本发明实施例的一种工艺节拍处理系统,可执行本发明方法实施例所提供的一种工艺节拍处理方法,可执行方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。
参照图3,本发明实施例还提供了一种工艺节拍处理装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当上述至少一个程序被上述至少一个处理器执行,使得上述至少一个处理器实现上述工艺节拍处理方法。
本发明实施例的一种工艺节拍处理装置,可执行本发明方法实施例所提供的一种工艺节拍处理方法,可执行方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。
本发明实施例还提供了一种计算机可读存储介质,其中存储有处理器可执行的指令,上述处理器可执行的指令在由处理器执行时用于执行上述工艺节拍处理方法。
本发明实施例的一种计算机可读存储介质,可执行本发明方法实施例所提供的一种工艺节拍处理方法,可执行方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术—包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
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,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (9)
1.一种工艺节拍处理方法,其特征在于,包括以下步骤:
获取各个生产动作的动作数据;
根据所述动作数据得到各个工艺节拍的第一节拍信息;
对所述第一节拍信息进行验证,确定异常节拍信息;
将所述异常节拍信息与预先训练得到的特征决策树进行匹配,确定第二节拍信息;
其中,所述第二节拍信息包括第二动作序列、第二动作数量以及第二节拍时长,所述将所述异常节拍信息与预先训练得到的特征决策树进行匹配,确定第二节拍信息这一步骤,其包括:
将所述异常节拍信息对应的第一动作序列与所述特征决策树中的预设动作序列进行相似度匹配,选取相似度高于预设阈值的预设动作序列作为第三动作序列;
根据所述第三动作序列在生产过程中的出现次数和最近出现时间,选取第二动作序列;
根据所述第二动作序列得到对应的第二动作数量,根据所述第二动作序列和预设动作时长得到第二节拍时长;
保存所述第二动作序列、所述第二动作数量以及所述第二节拍时长。
2.根据权利要求1所述的一种工艺节拍处理方法,其特征在于,所述获取各个生产动作的动作数据这一步骤,其包括:
实时采集生产数据并上传至物联网消息队列;
对所述物联网消息队列进行分析处理,得到各个生产动作的动作数据。
3.根据权利要求1所述的一种工艺节拍处理方法,其特征在于,所述动作数据包括工位ID、动作ID、动作时长以及标志位参数,所述标志位参数包括1和0,所述标志位参数为1对应的生产动作是一个工艺节拍的开始动作或结束动作,所述标志位参数为0对应的生产动作是一个工艺节拍的中间动作。
4.根据权利要求3所述的一种工艺节拍处理方法,其特征在于,所述根据所述动作数据得到各个工艺节拍的第一节拍信息这一步骤,其包括:
根据各所述生产动作创建若干个键值对,所述键值对的Key包括所述工位ID,所述键值对的Value包括所述动作ID和所述动作时长,将所述键值对缓存到Redis集群中;
确定所述生产动作的标志位参数为1,读取所述Redis集群中缓存的键值对,根据所述键值对的Value统计得到当前工艺节拍的第一节拍信息;
清空所述Redis集群;
其中,所述第一节拍信息包括第一动作序列、第一动作数量以及第一节拍时长。
5.根据权利要求4所述的一种工艺节拍处理方法,其特征在于,所述对所述第一节拍信息进行验证,确定异常节拍信息这一步骤,包括以下至少之一:
确定所述第一动作数量超出第一阈值范围,获取所述第一动作数量对应的第一节拍信息作为异常节拍信息;
确定所述第一节拍时长超出第二阈值范围,获取所述第一节拍时长对应的第一节拍信息作为异常节拍信息;
其中,所述第一阈值范围为预设的工艺节拍动作数量的阈值范围,所述第二阈值范围为预设的工艺节拍节拍时长的阈值范围。
6.根据权利要求1所述的一种工艺节拍处理方法,其特征在于,所述工艺节拍处理方法还包括训练特征决策树的步骤,其具体为:
获取预设时段内工艺节拍的动作序列作为训练数据集,通过机器学习训练得到所述特征决策树。
7.一种工艺节拍处理系统,其特征在于,包括:
动作数据获取模块,用于获取各个生产动作的动作数据;
第一节拍信息确定模块,用于根据所述动作数据得到各个工艺节拍的第一节拍信息;
验证模块,用于对所述第一节拍信息进行验证,确定异常节拍信息;
匹配模块,用于将所述异常节拍信息与预先训练得到的特征决策树进行匹配,确定第二节拍信息;
其中,所述第二节拍信息包括第二动作序列、第二动作数量以及第二节拍时长,所述匹配模块具体用于:
将所述异常节拍信息对应的第一动作序列与所述特征决策树中的预设动作序列进行相似度匹配,选取相似度高于预设阈值的预设动作序列作为第三动作序列;
根据所述第三动作序列在生产过程中的出现次数和最近出现时间,选取第二动作序列;
根据所述第二动作序列得到对应的第二动作数量,根据所述第二动作序列和预设动作时长得到第二节拍时长;
保存所述第二动作序列、所述第二动作数量以及所述第二节拍时长。
8.一种工艺节拍处理装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现权利要求1-6任一项所述的一种工艺节拍处理方法。
9.一种计算机可读存储介质,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执行如权利要求1-6任一项所述的一种工艺节拍处理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010591800.0A CN111860605B (zh) | 2020-06-24 | 2020-06-24 | 一种工艺节拍处理方法、系统、装置及存储介质 |
PCT/CN2020/116016 WO2021258564A1 (zh) | 2020-06-24 | 2020-09-17 | 一种工艺节拍处理方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010591800.0A CN111860605B (zh) | 2020-06-24 | 2020-06-24 | 一种工艺节拍处理方法、系统、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111860605A CN111860605A (zh) | 2020-10-30 |
CN111860605B true CN111860605B (zh) | 2022-12-13 |
Family
ID=72988180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010591800.0A Active CN111860605B (zh) | 2020-06-24 | 2020-06-24 | 一种工艺节拍处理方法、系统、装置及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111860605B (zh) |
WO (1) | WO2021258564A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112288175A (zh) * | 2020-11-02 | 2021-01-29 | 联通(浙江)产业互联网有限公司 | 产线实时优化方法及装置 |
CN112352801B (zh) * | 2020-11-06 | 2022-04-29 | 广东智源机器人科技有限公司 | 多工位扒炉上料控制方法、装置、控制设备和存储介质 |
CN113189935B (zh) * | 2021-04-29 | 2022-09-30 | 浙江陀曼云计算有限公司 | 基于时序功率数据的非侵入式生产节拍预测方法及系统 |
CN113450125A (zh) * | 2021-07-06 | 2021-09-28 | 北京市商汤科技开发有限公司 | 可溯源生产数据的生成方法、装置、电子设备及存储介质 |
CN114546031B (zh) * | 2021-12-31 | 2023-10-13 | 广州明珞装备股份有限公司 | 一种工艺节拍计算方法、系统、设备及存储介质 |
CN114227701B (zh) * | 2022-02-25 | 2022-05-10 | 科大智能物联技术股份有限公司 | 一种基于生产数据的机器人故障预测方法 |
CN114594745A (zh) * | 2022-03-15 | 2022-06-07 | 广州明珞装备股份有限公司 | 瓶颈工位分析方法、分析设备及计算机存储介质 |
CN114625087A (zh) * | 2022-03-15 | 2022-06-14 | 广州明珞装备股份有限公司 | 工位异常动作分析方法、系统、设备及存储介质 |
CN114625088B (zh) * | 2022-03-15 | 2024-02-02 | 广州明珞装备股份有限公司 | 自动化生产线的效能优化方法、系统、设备及存储介质 |
CN114637264A (zh) * | 2022-03-15 | 2022-06-17 | 广州明珞装备股份有限公司 | 动作稳定性分析方法、系统、设备及存储介质 |
CN114706361B (zh) * | 2022-06-07 | 2022-09-02 | 工业富联(杭州)数据科技有限公司 | 离散制造生产系统修复方法、计算机装置及存储介质 |
CN115600930B (zh) * | 2022-11-29 | 2023-03-28 | 天津佰利金电力有限公司 | 用于电力金具生产数据的智能管理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001282344A (ja) * | 2000-03-31 | 2001-10-12 | Nec Corp | タクト生産の生産計画立案方法及びその生産計画立案システム |
CN106295840A (zh) * | 2015-06-09 | 2017-01-04 | 北京福田康明斯发动机有限公司 | 一种优化生产流水线作业的方法、装置及生产流水线 |
CN111008905A (zh) * | 2019-12-25 | 2020-04-14 | 浙江力太工业互联网有限公司 | 一种生产设备节拍高精度测量的方法及装置 |
CN111178660A (zh) * | 2019-10-31 | 2020-05-19 | 青岛海尔工业智能研究院有限公司 | 混合产品生产线中生产节拍确定方法、装置及电子设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6631305B2 (en) * | 2000-05-03 | 2003-10-07 | General Electric Company | Capability analysis of assembly line production |
WO2010092981A1 (ja) * | 2009-02-12 | 2010-08-19 | 三菱電機株式会社 | 産業用ロボットシステム |
CN106990733B (zh) * | 2017-04-24 | 2020-06-19 | 华南理工大学 | 一种支持工业大数据分析的装备控制器及运行方法 |
CN107301499B (zh) * | 2017-05-27 | 2020-09-15 | 天津大学 | 一种基于ami数据的配电馈线统计线损率数据清洗方法 |
CN109657945B (zh) * | 2018-12-06 | 2021-01-05 | 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 |
CN110245374B (zh) * | 2019-04-26 | 2023-06-16 | 广州明珞汽车装备有限公司 | 一种工艺时序间隔分析方法、系统、装置和存储介质 |
-
2020
- 2020-06-24 CN CN202010591800.0A patent/CN111860605B/zh active Active
- 2020-09-17 WO PCT/CN2020/116016 patent/WO2021258564A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001282344A (ja) * | 2000-03-31 | 2001-10-12 | Nec Corp | タクト生産の生産計画立案方法及びその生産計画立案システム |
CN106295840A (zh) * | 2015-06-09 | 2017-01-04 | 北京福田康明斯发动机有限公司 | 一种优化生产流水线作业的方法、装置及生产流水线 |
CN111178660A (zh) * | 2019-10-31 | 2020-05-19 | 青岛海尔工业智能研究院有限公司 | 混合产品生产线中生产节拍确定方法、装置及电子设备 |
CN111008905A (zh) * | 2019-12-25 | 2020-04-14 | 浙江力太工业互联网有限公司 | 一种生产设备节拍高精度测量的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111860605A (zh) | 2020-10-30 |
WO2021258564A1 (zh) | 2021-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111860605B (zh) | 一种工艺节拍处理方法、系统、装置及存储介质 | |
WO2018059402A1 (zh) | 确定故障类型的方法和装置 | |
CN111708739B (zh) | 时序数据的异常检测方法、装置、电子设备及存储介质 | |
CN113642938B (zh) | 一种智能化生产管理方法及系统 | |
CN110691035A (zh) | 一种网络拥塞的确定方法、装置、电子设备及存储介质 | |
CN113568960B (zh) | 物联网数据实时分析方法、系统及计算机可读存储介质 | |
CN111176953A (zh) | 一种异常检测及其模型训练方法、计算机设备和存储介质 | |
CN111414868A (zh) | 时序动作片段的确定方法、动作检测方法及装置 | |
CN111325310A (zh) | 一种数据预测方法、装置及存储介质 | |
WO2024065988A1 (zh) | 设备监测方法和系统、电子设备、存储介质 | |
CN111340233B (zh) | 机器学习模型的训练方法及装置、样本处理方法及装置 | |
CN111049684B (zh) | 数据分析方法、装置、设备和存储介质 | |
CN110275880B (zh) | 数据分析方法、装置、服务器及可读存储介质 | |
CN114726892B (zh) | 基于人工智能大数据的边缘数据收集方法 | |
CN116016288A (zh) | 工业设备的流量监测方法、装置、设备及存储介质 | |
CN111950237A (zh) | 一种句子改写方法、句子改写装置及电子设备 | |
CN116579551B (zh) | 一种基于智能制造的智能管理系统和方法 | |
CN112751924B (zh) | 一种数据推送方法、系统及装置 | |
CN111459778B (zh) | 运维系统异常指标检测模型优化方法、装置及存储介质 | |
CN114465908B (zh) | 一种5gc网络割接事件异常影响分析方法 | |
CN110501952B (zh) | 一种信息采集设备及管理方法 | |
CN116974856B (zh) | 一种自动获取日志文件的方法、装置、设备及介质 | |
CN116016114A (zh) | 故障处理方法、装置、非易失性存储介质及电子设备 | |
CN111314268B (zh) | 一种数据包分析方法及装置 | |
CN116743672A (zh) | 基于人工智能的流量分发方法、系统、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |