CN112214496B - 基于大数据分析的化妆品生产线安全监测方法及云服务器 - Google Patents
基于大数据分析的化妆品生产线安全监测方法及云服务器 Download PDFInfo
- Publication number
- CN112214496B CN112214496B CN202011150593.1A CN202011150593A CN112214496B CN 112214496 B CN112214496 B CN 112214496B CN 202011150593 A CN202011150593 A CN 202011150593A CN 112214496 B CN112214496 B CN 112214496B
- Authority
- CN
- China
- Prior art keywords
- data
- thread
- production
- cosmetic
- production data
- 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
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/258—Data format conversion from or to a database
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
本发明是关于基于大数据分析的化妆品生产线安全监测方法及云服务器,在获取到第一化妆品生产数据时,能够对第一化妆品生产数据的数据格式进行分析,根据不同的分析结果将第一化妆品生产数据中的设备运行参数集映射到第二化妆品生产数据中。能够确保在进行备运行参数集映射时第一化妆品生产数据和第二化妆品生产数据的数据格式的一致性,避免设备参数集的映射出现偏差。将第二化妆品生产数据输入到预设数据分析线程中得到预设数据分析线程输出的针对第一化妆品生产数据对应的目标生产线的安全生产监测结果,能够基于不同生产时段的化妆品生产数据实现对化妆品生产设备在运行过程中的故障监测,从而确保化妆品成品的良率。
Description
技术领域
本申请涉及大数据和化妆品生产技术领域,具体而言,涉及一种基于大数据分析的化妆品生产线安全监测方法及云服务器。
背景技术
随着生活水平的提高,化妆品产业的发展也越来越成熟。现如今,各类化妆品层出不穷。不同化妆品企业之间的竞争也越来越激烈。因此,如何确保化妆品生产企业的产品的竞争力关乎企业的生存。
伴随着工业互联网和科学技术的发展,现如今的化妆品生产大多为自动化生产。同一化妆品生产工厂内的化妆品的不同生产线可能有多个,这些生产线在运行时可能会出现化妆品成品的良率下降的问题,这样会给企业带来巨大的经济损失。
发明内容
本申请的第一个方面公开了一种基于大数据分析的化妆品生产线安全监测方法,包括:
从原始生产数据中获取第一化妆品生产数据;
在所述第一化妆品生产数据的数据格式与预设数据分析线程的线程识别单元的数据格式相同的情况下,获取所述第一化妆品生产数据中的设备运行参数集,将所述设备运行参数集映射到与所述第一化妆品生产数据数据格式相同的第二化妆品生产数据中;
在所述第一化妆品生产数据的数据格式与所述线程识别单元的数据格式不同的情况下,从所述第一化妆品生产数据中获取所述设备运行参数集,对所述设备运行参数集执行运行参数转换得到目标运行参数集,将所述目标运行参数集映射到所述第二化妆品生产数据中;
将所述第二化妆品生产数据确定为对所述原始生产数据执行所述生产数据安全监测之前的生产数据;将所述第二化妆品生产数据输入到所述预设数据分析线程中,得到所述预设数据分析线程输出的针对所述第一化妆品生产数据对应的目标生产线的安全生产监测结果。
优选的,所述将所述第二化妆品生产数据确定为对所述原始生产数据执行所述生产数据安全监测之前的生产数据包括:
在所述预设数据分析线程中的数据分析指标数为第一设定数量的情况下,将所述第二化妆品生产数据转换为双精度型数据格式的第一目标生产数据;
在所述预设数据分析线程中的数据分析指标数为第二设定数量的情况下,将所述第二化妆品生产数据转换为第二目标生产数据,所述第二目标生产数据为指向型数据;
对所述第一目标生产数据或所述第二目标生产数据执行运行标签添加操作;
将执行所述运行标签添加操作后的所述第一目标生产数据或所述第二目标生产数据,确定为对所述原始生产数据执行所述生产数据安全监测之前的生产数据。
优选的,所述在所述预设数据分析线程中的数据分析指标数为第一设定数量的情况下,将所述第二化妆品生产数据转换为双精度型数据格式的第一目标生产数据包括:
在所述原始生产数据的数据格式为字节型数据格式的情况下,将所述第二化妆品生产数据中的每一个数据段确定为当前数据段,执行以下步骤,直到遍历所述第二化妆品生产数据中的每一个数据段:获取所述当前数据段的数据字节分布;将所述数据字节分布输入到数据格式转换线程中,得到第一数据段的双精度型数据,其中,所述第一数据段为所述第一目标生产数据中的数据段,所述当前数据段在所述第二化妆品生产数据中的时序位置与所述第一数据段在所述第一目标生产数据中的时序位置相同。
优选的,所述在所述预设数据分析线程中的数据分析指标数为第二设定数量的情况下,将所述第二化妆品生产数据转换为第二目标生产数据,所述第二目标生产数据为指向型数据包括:
在所述原始生产数据的数据格式为字节型数据格式的情况下,将所述第二化妆品生产数据中的每一个数据段确定为当前数据段,执行以下步骤,直到遍历所述第二化妆品生产数据中的每一个数据段:获取所述当前数据段的数据字节分布中的单精度型数据;将所述单精度型数据确定为第一数据段的指向型数据,其中,所述第一数据段为所述第二目标生产数据中的数据段,所述当前数据段在所述第二化妆品生产数据中的时序位置与所述第一数据段在所述第二目标生产数据中的时序位置相同。
优选的,将所述第二化妆品生产数据输入到所述预设数据分析线程中,得到所述预设数据分析线程输出的针对所述第一化妆品生产数据对应的目标生产线的安全生产监测结果,包括:
将所述第二化妆品生产数据输入到所述预设数据分析线程中之后,对所述预设数据分析线程的当前线程配置参数进行修改;
运行完成当前线程配置参数修改的预设数据分析线程以得到针对所述第一化妆品生产数据对应的目标生产线的安全生产监测结果。
优选的,将所述第二化妆品生产数据输入到所述预设数据分析线程中之后,对所述预设数据分析线程的当前线程配置参数进行修改,包括:
从所述预设数据分析线程对应的数据库中提取输入的第二化妆品生产数据的数据映射报表,以及所述数据库对应的存储路径报表;将所述数据映射报表和所述存储路径报表按照预设关联关系划分为至少两个融合子列表;获取每个所述融合子列表的线程扰动数据以及与所述融合子列表对应的局部数据映射报表,所述局部数据映射报表是所述数据映射报表的一部分;根据每个所述融合子列表的线程扰动数据和所述局部数据映射报表,计算将每个所述融合子列表映射至所述数据映射报表对应的报表结构队列时的列表数据缺损分布,所述列表数据缺损分布包括线程稳定性数据;在所述线程稳定性数据收敛时,将所述融合子列表映射至所述数据映射报表中对应的报表结构队列;在完成对所述至少两个融合子列表的映射后,对相邻的融合子列表进行相关性分析,得到所述预设数据分析线程对应的参数恢复逻辑信息;根据每个所述融合子列表的列表特征集和融合特征集导出每个所述融合子列表对应的一组线程稳定性指标;对所述至少两个融合子列表对应的一组线程稳定性指标进行所述相关性分析,得到所述预设数据分析线程的一组线程稳定性指标,基于所述参数恢复逻辑信息和所述预设数据分析线程的一组线程稳定性指标确定所述预设数据分析线程的配置参数修改逻辑所对应的目标逻辑拓扑图;
提取所述目标逻辑拓扑图的线程参数修改路径,根据所述线程参数修改路径,从预设图数据库中搜索满足所述线程参数修改路径对应的线程响应时效指标的多个待处理逻辑拓扑图的图结构特征、拓扑节点特征和执行逻辑特征;所述图结构特征包括动态特征和静态特征;根据所述多个待处理逻辑拓扑图的图结构特征、拓扑节点特征和执行逻辑特征检索所述预设数据分析线程对应的线程状态集,从所述预设数据分析线程对应的线程状态集中检索出同时与所述图结构特征、拓扑节点特征和执行逻辑特征相匹配的目标线程状态信息,所述目标线程状态信息包括所述预设数据分析线程的线程初始化信息;根据满足所述线程参数修改路径的各个待处理逻辑拓扑图的图数据优先级的大小顺序,返回图数据优先级的大小顺序满足设定优先级条件的一个待处理逻辑拓扑图的目标线程状态信息;
将满足所述线程参数修改路径对应的线程响应时效指标的多个待处理逻辑拓扑图的图结构特征,和所述多个待处理逻辑拓扑图中满足设定优先级条件的一个待处理逻辑拓扑图的目标线程状态信息加载至所述预设数据分析线程的配置参数日志中,以基于所述预设数据分析线程的配置参数日志的线程日志事件队列对所述图结构特征在所述预设数据分析线程的配置参数日志中的映射特性进行线程稳定性权重和可恢复性权重的标注,得到与所述预设数据分析线程对应的线程稳定性权重和可恢复性权重;基于所述线程稳定性权重和所述可恢复性权重,提取所述满足设定优先级条件的一个待处理逻辑拓扑图对应的参数修改清单,并通过所述参数修改清单对所述预设数据分析线程的当前线程配置参数进行修改。
优选的,运行完成当前线程配置参数修改的预设数据分析线程以得到针对所述第一化妆品生产数据对应的目标生产线的安全生产监测结果,包括:
运行完成当前线程配置参数修改的预设数据分析线程,以通过所述预设数据分析线程实现对所述预设数据分析线程内的第二化妆品生产数据进行多重生产线识别;获取所述预设数据分析线程输出的多重识别结果;
根据所述多重识别结果获取连续的多组生产线切换参数;以预设的划分方式将每一组生产线切换参数划分为多组切换参数偏差特征;计算每一组生产线切换参数中各切换参数偏差特征的特征识别度和偏差校正度,还包括:确定每一组生产线切换参数中各切换参数偏差特征的特征识别度所属的识别度区间;以其中一组生产线切换参数作为基准切换参数,依次将其余的生产线切换参数与所述基准切换参数进行比较,并将特征识别度和偏差校正度与所述基准切换参数的特征识别度和偏差校正度匹配的切换参数偏差特征进行标记,具体包括:若某切换参数偏差特征的特征识别度与基准切换参数对应的切换参数偏差特征的特征识别度所属识别度区间相同,且该切换参数偏差特征的偏差校正度与基准切换参数对应的切换参数偏差特征的偏差校正度之间的差值小于设定阈值,则判定该切换参数偏差特征的特征识别度和偏差校正度与所述基准切换参数的特征识别度和偏差校正度匹配,并标记该切换参数偏差特征;若被标记的切换参数偏差特征的累计值达到设定累计值,则对被标记的切换参数偏差特征的偏差校正度进行加权平均,以得到所述的多组生产线切换参数对应的生产线切换损耗数据;
提取所述生产线切换损耗数据的损耗数据属性列表;确定所述损耗数据属性列表的各属性标签的监测误差率,根据所述各属性标签的监测误差率,确定监测误差率小于或等于预设的目标误差率的属性标签数目;计算所述属性标签数目与所述损耗数据属性列表的总属性标签数目的比例值,得到所述损耗数据属性列表的监测误差占比;确定所述损耗数据属性列表的平均属性聚类权重;根据所述损耗数据属性列表的监测误差占比和所述损耗数据属性列表的平均属性聚类权重,确定所述损耗数据属性列表的生产线差异系数;
基于所述生产线差异系数获取所述第一化妆品生产数据对应的目标生产线对应的生产数据变化轨迹,所述生产数据变化轨迹为包括有轨迹变化度的轨迹区间;将所述生产数据变化轨迹等时长的划分为至少两个轨迹区段;并行检测所述至少两个轨迹区段中每个轨迹区段中包括的轨迹切换标识;根据在所述至少两个轨迹区段中检测到的各轨迹切换标识,检测轨迹变化度,得到所述轨迹变化度在时序上的更新频率对应的频率分布序列,基于所述频率分布序列以及所述目标生产线对应的实时生产数据得到所述安全生产监测结果。
优选的,所述原始生产数据为待执行生产数据安全监测的生产数据。
本申请的第二个方面公开了一种云服务器,包括处理引擎、网络模块和存储器;所述处理引擎和所述存储器通过所述网络模块通信,所述处理引擎从所述存储器中读取计算机程序并运行,以执行第一个方面所述的方法。
本申请的第三个方面公开了一种计算机可读信号介质,其上存储有计算机程序,所述计算机程序在运行是实现第一个方面所述的方法。
相较于现有技术,本发明实施例提供的基于大数据分析的化妆品生产线安全监测方法及云服务器具有以下技术效果:
在从原始生产数据中获取到第一化妆品生产数据时,能够对第一化妆品生产数据的数据格式进行分析,从而根据不同的分析结果将第一化妆品生产数据中的设备运行参数集映射到第二化妆品生产数据中。这样一来,能够确保在进行备运行参数集映射时第一化妆品生产数据和第二化妆品生产数据的数据格式的一致性,避免设备参数集的映射出现偏差。进一步地,将第二化妆品生产数据输入到预设数据分析线程中,得到预设数据分析线程输出的针对第一化妆品生产数据对应的目标生产线的安全生产监测结果。如此设计,能够基于不同生产时段的化妆品生产数据实现对化妆品生产设备在运行过程中的故障监测,避免因化妆品生产设备的故障而降低化妆品成品的良率,确保化妆品成品的良率,从而避免给企业带来巨大的经济损失并提高化妆品企业在质量竞争中的竞争力。
在后面的描述中,将部分地陈述其他的特征。在检查后面内容和附图时,本领域的技术人员将部分地发现这些特征,或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面,当前申请中的特征可以被实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例,其中参考数字在附图的各个视图中代表相似的机构。
图1是根据本发明的一些实施例所示的一种示例性基于大数据分析的化妆品生产线安全监测系统的框图。
图2是根据本发明的一些实施例所示的一种示例性云服务器中硬件和软件组成的示意图。
图3是根据本发明的一些实施例所示的一种示例性基于大数据分析的化妆品生产线安全监测方法和/或过程的流程图。
图4是根据本发明的一些实施例所示的一种示例性基于大数据分析的化妆品生产线安全监测装置的框图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明,而不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互组合。
在下面的详细描述中,通过实例阐述了许多具体细节,以便提供对相关指导的全面了解。然而,对于本领域的技术人员来说,显然可以在没有这些细节的情况下实施本发明。在其他情况下,公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述,没有细节,以避免不必要的模糊本发明的方面。
这些和其他特性、当前申请披露的功能、执行的方法、结构中相关元素的功能和部件的组合和生产经济性,在参照附图进行以下描述的考虑中可能会变得更加明显,所有这些形成本申请的一部分。然而,需要理解清楚的是,附图仅仅是为了说明和描述的目的,并不旨在限制本申请的范围。应当了解的是,这些图纸不是按比例绘制的。然而,应当明确理解的是,附图仅用于说明和描述的目的,并不意图限制本发明的范围。应当知晓的是,这些附图并不依照比例。
本申请中使用流程图说明根据本申请的实施例的系统所执行的执行过程。应当明确理解的是,流程图的执行过程可以不按顺序执行。相反,这些执行过程可以以相反的顺序或同时执行。另外,可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
图1是根据本发明的一些实施例所示的一种示例性基于大数据分析的化妆品生产线安全监测系统300的框图,基于大数据分析的化妆品生产线安全监测系统300可以包括云服务器100和生产控制设备200。
在一些实施例中,如图2所示,云服务器100可以包括处理引擎110、网络模块120和存储器130,处理引擎110和存储器130通过网络模块120通信。
处理引擎110可以处理相关的信息和/或数据以执行本申请中描述的一个或多个功能。例如,在一些实施例中,处理引擎110可以包括至少一个处理引擎(例如,单核处理引擎或多核处理器)。仅作为示例,处理引擎110可以包括中央处理单元(Central ProcessingUnit,CPU)、专用集成电路(Application-Specific Integrated Circuit,ASIC)、专用指令集处理器(Application-Specific Instruction-set Processor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field ProgrammableGate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、精简指令集计算机(Reduced Instruction-Set Computer,RISC)、微处理器等或其任意组合。
网络模块120可以促进信息和/或数据的交换。在一些实施例中,网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例,网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(Local Area Network,LAN)、广域网(Wide Area Network,WAN)、无线局域网络(Wireless Local Area Network,WLAN)、城域网(Metropolitan Area Network,MAN)、公用电话交换网(Public Telephone SwitchedNetwork,PSTN)、蓝牙网络、无线个域网络、近场通讯(Near Field Communication,NFC)网络等或上述举例的任意组合。在一些实施例中,网络模块120可以包括至少一个网络接入点。例如,网路120可以包括有线或无线网路接入点,如基站和/或网路接入点。
存储器130可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器130用于存储程序,所述处理引擎110在接收到执行指令后,执行所述程序。
可以理解,图2所示的结构仅为示意,云服务器100还可包括比图2中所示更多或者更少的组件,或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
图3是根据本发明的一些实施例所示的一种示例性基于大数据分析的化妆品生产线安全监测方法和/或过程的流程图,基于大数据分析的化妆品生产线安全监测方法应用于图1中的云服务器100,具体可以包括以下步骤S31-步骤S34所描述的内容。
步骤S31,从原始生产数据中获取第一化妆品生产数据。
示例性地,所述原始生产数据为待执行生产数据安全监测的生产数据,所述第一化妆品生产数据为位于所述原始生产数据中的设定生产时间段的的生产数据,所述设定生产时间段为所述原始生产数据中的其中一组生产时间段。所述原始生产数据从化妆品生产工厂的生产控制设备中获取。生产控制设备用于控制化妆品生产工厂中的化妆品生产设备的运行。
步骤S32,在所述第一化妆品生产数据的数据格式与预设数据分析线程的线程识别单元的数据格式相同的情况下,获取所述第一化妆品生产数据中的设备运行参数集,将所述设备运行参数集映射到与所述第一化妆品生产数据数据格式相同的第二化妆品生产数据中。
示例性地,数据格式包括字节型格式、浮点型格式、单精度型格式、双精度型格式等,在此不做限定。预设数据分析线程是部署在云服务器中的卷积神经网络,用于实现数据分析。线程识别单元可以是卷积神经网络中的某个子网络。设备运行参数集为第一化妆品生产数据对应的化妆品生产设备在不同时段的运行参数组成的集合。第二化妆品生产数据与第一化妆品生产数据的生产时间段不同。
步骤S33,在所述第一化妆品生产数据的数据格式与所述线程识别单元的数据格式不同的情况下,从所述第一化妆品生产数据中获取所述设备运行参数集,对所述设备运行参数集执行运行参数转换得到目标运行参数集,将所述目标运行参数集映射到所述第二化妆品生产数据中。
示例性地,所述第二化妆品生产数据的数据格式与所述线程识别单元的数据格式相同。
步骤S34,将所述第二化妆品生产数据确定为对所述原始生产数据执行所述生产数据安全监测之前的生产数据;将所述第二化妆品生产数据输入到所述预设数据分析线程中,得到所述预设数据分析线程输出的针对所述第一化妆品生产数据对应的目标生产线的安全生产监测结果。
示例性地,目标生产线是第一化妆品生产数据的化妆品生产设备对应的化妆品生产线。安全生产监测结果用于表征在目标生产线中第一化妆品生产数据对应的化妆品生产设备在运行过程中的状态变化情况,通过该状态变化情况可以判断出化妆品生产设备是否存在安全故障。
通过执行上述步骤S31-步骤S34所描述的内容,在从原始生产数据中获取到第一化妆品生产数据时,能够对第一化妆品生产数据的数据格式进行分析,从而根据不同的分析结果将第一化妆品生产数据中的设备运行参数集映射到第二化妆品生产数据中。这样一来,能够确保在进行备运行参数集映射时第一化妆品生产数据和第二化妆品生产数据的数据格式的一致性,避免设备参数集的映射出现偏差。进一步地,将第二化妆品生产数据输入到预设数据分析线程中,得到预设数据分析线程输出的针对第一化妆品生产数据对应的目标生产线的安全生产监测结果。如此设计,能够基于不同生产时段的化妆品生产数据实现对化妆品生产设备在运行过程中的故障监测,避免因化妆品生产设备的故障而降低化妆品成品的良率,确保化妆品成品的良率,从而避免给企业带来巨大的经济损失并提高化妆品企业在质量竞争中的竞争力。
在一个示例中,为了提高对化妆品生产线的安全监测的准确性和可靠性,需要将设备运行状况和生产数据相结合。为实现这一目的,在步骤S340中,将所述第二化妆品生产数据确定为对所述原始生产数据执行所述生产数据安全监测之前的生产数据的步骤,进一步可以包括以下步骤S3411-步骤S3412所描述的内容。
步骤S3411,在所述预设数据分析线程中的数据分析指标数为第一设定数量的情况下,将所述第二化妆品生产数据转换为双精度型数据格式的第一目标生产数据。
步骤S3412,在所述预设数据分析线程中的数据分析指标数为第二设定数量的情况下,将所述第二化妆品生产数据转换为第二目标生产数据,所述第二目标生产数据为指向型数据。
步骤S3413,对所述第一目标生产数据或所述第二目标生产数据执行运行标签添加操作。
步骤S3414,将执行所述运行标签添加操作后的所述第一目标生产数据或所述第二目标生产数据,确定为对所述原始生产数据执行所述生产数据安全监测之前的生产数据。
可以理解,在执行上述步骤S3411-步骤S3414所描述的内容时,能够根据不同的数据分析指标数实现对第二化妆品生产数据的数据格式的转换,并在转换后进行运行标签的添加,这样能够将设备运行状况和生产数据相结合,从而提高后续对化妆品生产线的安全监测的准确性和可靠性。
进一步地,步骤S3411所描述的在所述预设数据分析线程中的数据分析指标数为第一设定数量的情况下,将所述第二化妆品生产数据转换为双精度型数据格式的第一目标生产数据,可以包括以下步骤所描述的内容:在所述原始生产数据的数据格式为字节型数据格式的情况下,将所述第二化妆品生产数据中的每一个数据段确定为当前数据段,执行以下步骤,直到遍历所述第二化妆品生产数据中的每一个数据段:获取所述当前数据段的数据字节分布;将所述数据字节分布输入到数据格式转换线程中,得到第一数据段的双精度型数据,其中,所述第一数据段为所述第一目标生产数据中的数据段,所述当前数据段在所述第二化妆品生产数据中的时序位置与所述第一数据段在所述第一目标生产数据中的时序位置相同。
进一步地,步骤S3412所描述的在所述预设数据分析线程中的数据分析指标数为第二设定数量的情况下,将所述第二化妆品生产数据转换为第二目标生产数据,所述第二目标生产数据为指向型数据,可以包括以下步骤所描述的内容:在所述原始生产数据的数据格式为字节型数据格式的情况下,将所述第二化妆品生产数据中的每一个数据段确定为当前数据段,执行以下步骤,直到遍历所述第二化妆品生产数据中的每一个数据段:获取所述当前数据段的数据字节分布中的单精度型数据;将所述单精度型数据确定为第一数据段的指向型数据,其中,所述第一数据段为所述第二目标生产数据中的数据段,所述当前数据段在所述第二化妆品生产数据中的时序位置与所述第一数据段在所述第二目标生产数据中的时序位置相同。
在实际应用过程中,通过上述对步骤S3411和步骤S3412的进一步实施方式的说明,能够基于不同的数据格式实现对第二化妆品生产数据的转换,从而确保第二目标生产数据能够与不同的生产场景相稳合,进而确保后续安全监测的可信度。
在实际实施时发明人发现,为了确保得到的安全生产监测结果不会出现与实际生产线相滞后的情况发生,需要对预设数据分析线程的线程配置参数进行调整,以使得预设数据分析线程能够与第二化妆品生产数据相兼容。为实现这一目的,步骤S340所描述的将所述第二化妆品生产数据输入到所述预设数据分析线程中,得到所述预设数据分析线程输出的针对所述第一化妆品生产数据对应的目标生产线的安全生产监测结果,进一步可以包括以下步骤S3421和步骤S3422所描述的内容实现。
步骤S3421,将所述第二化妆品生产数据输入到所述预设数据分析线程中之后,对所述预设数据分析线程的当前线程配置参数进行修改。
步骤S3422,运行完成当前线程配置参数修改的预设数据分析线程以得到针对所述第一化妆品生产数据对应的目标生产线的安全生产监测结果。
在应用上述步骤S3421和步骤S3422时,能够对预设数据分析线程的线程配置参数进行调整,以使得预设数据分析线程能够与第二化妆品生产数据相兼容,这样可以确保得到的安全生产监测结果不会出现与实际生产线相滞后的情况发生,进而确保安全生产监测结果的实时性,以便根据安全生产监测结果及时的发现故障设备,将化妆品成品的坏品率最小化。
在一个可能的实施方式中,在对预设数据分析线程的当前线程配置参数进行修改时,需要确保预设数据分析线程的线程稳定性和可恢复性,从而便于后续继续进行快速的参数修改。为实现这一目的,步骤S3421所描述的将所述第二化妆品生产数据输入到所述预设数据分析线程中之后,对所述预设数据分析线程的当前线程配置参数进行修改,进一步可以包括以下步骤a-步骤c所描述的内容。
步骤a,从所述预设数据分析线程对应的数据库中提取输入的第二化妆品生产数据的数据映射报表,以及所述数据库对应的存储路径报表;将所述数据映射报表和所述存储路径报表按照预设关联关系划分为至少两个融合子列表;获取每个所述融合子列表的线程扰动数据以及与所述融合子列表对应的局部数据映射报表,所述局部数据映射报表是所述数据映射报表的一部分;根据每个所述融合子列表的线程扰动数据和所述局部数据映射报表,计算将每个所述融合子列表映射至所述数据映射报表对应的报表结构队列时的列表数据缺损分布,所述列表数据缺损分布包括线程稳定性数据;在所述线程稳定性数据收敛时,将所述融合子列表映射至所述数据映射报表中对应的报表结构队列;在完成对所述至少两个融合子列表的映射后,对相邻的融合子列表进行相关性分析,得到所述预设数据分析线程对应的参数恢复逻辑信息;根据每个所述融合子列表的列表特征集和融合特征集导出每个所述融合子列表对应的一组线程稳定性指标;对所述至少两个融合子列表对应的一组线程稳定性指标进行所述相关性分析,得到所述预设数据分析线程的一组线程稳定性指标,基于所述参数恢复逻辑信息和所述预设数据分析线程的一组线程稳定性指标确定所述预设数据分析线程的配置参数修改逻辑所对应的目标逻辑拓扑图。
步骤b,提取所述目标逻辑拓扑图的线程参数修改路径,根据所述线程参数修改路径,从预设图数据库中搜索满足所述线程参数修改路径对应的线程响应时效指标的多个待处理逻辑拓扑图的图结构特征、拓扑节点特征和执行逻辑特征;所述图结构特征包括动态特征和静态特征;根据所述多个待处理逻辑拓扑图的图结构特征、拓扑节点特征和执行逻辑特征检索所述预设数据分析线程对应的线程状态集,从所述预设数据分析线程对应的线程状态集中检索出同时与所述图结构特征、拓扑节点特征和执行逻辑特征相匹配的目标线程状态信息,所述目标线程状态信息包括所述预设数据分析线程的线程初始化信息;根据满足所述线程参数修改路径的各个待处理逻辑拓扑图的图数据优先级的大小顺序,返回图数据优先级的大小顺序满足设定优先级条件的一个待处理逻辑拓扑图的目标线程状态信息。
步骤c,将满足所述线程参数修改路径对应的线程响应时效指标的多个待处理逻辑拓扑图的图结构特征,和所述多个待处理逻辑拓扑图中满足设定优先级条件的一个待处理逻辑拓扑图的目标线程状态信息加载至所述预设数据分析线程的配置参数日志中,以基于所述预设数据分析线程的配置参数日志的线程日志事件队列对所述图结构特征在所述预设数据分析线程的配置参数日志中的映射特性进行线程稳定性权重和可恢复性权重的标注,得到与所述预设数据分析线程对应的线程稳定性权重和可恢复性权重;基于所述线程稳定性权重和所述可恢复性权重,提取所述满足设定优先级条件的一个待处理逻辑拓扑图对应的参数修改清单,并通过所述参数修改清单对所述预设数据分析线程的当前线程配置参数进行修改。
在实际应用上述步骤a-步骤c所描述的内容时,首先根据提取到的数据映射报表以及存储路径报表确定预设数据分析线程的配置参数修改逻辑所对应的目标逻辑拓扑图,其次基于目标逻辑拓扑图确定图数据优先级的大小顺序满足设定优先级条件的一个待处理逻辑拓扑图的目标线程状态信息,最后基于满足线程参数修改路径对应的线程响应时效指标的多个待处理逻辑拓扑图的图结构特征和多个待处理逻辑拓扑图中满足设定优先级条件的一个待处理逻辑拓扑图的目标线程状态信息得到预设数据分析线程对应的线程稳定性权重和可恢复性权重。这样一来,可以基于线程稳定性权重和可恢复性权重,提取满足设定优先级条件的一个待处理逻辑拓扑图对应的参数修改清单,从而将预设数据分析线程的线程稳定性和可恢复性同时考虑在内。如此,在基于参数修改清单对预设数据分析线程的当前线程配置参数进行修改之后,在后续需要对预设数据分析线程进行二次修改时,能够便于后续继续进行快速的参数修改。
在一个可能的实施方式中,为了确保预设数据分析线程输出的安全生产监测结果能够将化妆品生产设备在不同生产线之间的切换而产生的参数设置偏差考虑在内,从而避免安全生产监测结果出现误差,在步骤S3422中,运行完成当前线程配置参数修改的预设数据分析线程以得到针对所述第一化妆品生产数据对应的目标生产线的安全生产监测结果,进一步可以包括以下步骤(1)-步骤(4)所描述的内容。
(1)运行完成当前线程配置参数修改的预设数据分析线程,以通过所述预设数据分析线程实现对所述预设数据分析线程内的第二化妆品生产数据进行多重生产线识别;获取所述预设数据分析线程输出的多重识别结果。
(2)根据所述多重识别结果获取连续的多组生产线切换参数;以预设的划分方式将每一组生产线切换参数划分为多组切换参数偏差特征;计算每一组生产线切换参数中各切换参数偏差特征的特征识别度和偏差校正度,还包括:确定每一组生产线切换参数中各切换参数偏差特征的特征识别度所属的识别度区间;以其中一组生产线切换参数作为基准切换参数,依次将其余的生产线切换参数与所述基准切换参数进行比较,并将特征识别度和偏差校正度与所述基准切换参数的特征识别度和偏差校正度匹配的切换参数偏差特征进行标记,具体包括:若某切换参数偏差特征的特征识别度与基准切换参数对应的切换参数偏差特征的特征识别度所属识别度区间相同,且该切换参数偏差特征的偏差校正度与基准切换参数对应的切换参数偏差特征的偏差校正度之间的差值小于设定阈值,则判定该切换参数偏差特征的特征识别度和偏差校正度与所述基准切换参数的特征识别度和偏差校正度匹配,并标记该切换参数偏差特征;若被标记的切换参数偏差特征的累计值达到设定累计值,则对被标记的切换参数偏差特征的偏差校正度进行加权平均,以得到所述的多组生产线切换参数对应的生产线切换损耗数据。
(3)提取所述生产线切换损耗数据的损耗数据属性列表;确定所述损耗数据属性列表的各属性标签的监测误差率,根据所述各属性标签的监测误差率,确定监测误差率小于或等于预设的目标误差率的属性标签数目;计算所述属性标签数目与所述损耗数据属性列表的总属性标签数目的比例值,得到所述损耗数据属性列表的监测误差占比;确定所述损耗数据属性列表的平均属性聚类权重;根据所述损耗数据属性列表的监测误差占比和所述损耗数据属性列表的平均属性聚类权重,确定所述损耗数据属性列表的生产线差异系数。
(4)基于所述生产线差异系数获取所述第一化妆品生产数据对应的目标生产线对应的生产数据变化轨迹,所述生产数据变化轨迹为包括有轨迹变化度的轨迹区间;将所述生产数据变化轨迹等时长的划分为至少两个轨迹区段;并行检测所述至少两个轨迹区段中每个轨迹区段中包括的轨迹切换标识;根据在所述至少两个轨迹区段中检测到的各轨迹切换标识,检测轨迹变化度,得到所述轨迹变化度在时序上的更新频率对应的频率分布序列,基于所述频率分布序列以及所述目标生产线对应的实时生产数据得到所述安全生产监测结果。
在实际实施过程中,通过执行上述步骤(1)-步骤(4),通过对预设数据分析线程输出的多重识别结果进行分析以确定出多组生产线切换参数,并对多组生产线切换参数进行处理,能够在确定预设数据分析线程输出的安全生产监测结果时,将化妆品生产设备在不同生产线之间的切换而产生的参数设置偏差考虑在内,从而避免安全生产监测结果出现误差。
在一个可替换的实施方式中,步骤S32所描述的获取所述第一化妆品生产数据中的设备运行参数集,将所述设备运行参数集映射到与所述第一化妆品生产数据数据格式相同的第二化妆品生产数据中,进一步可以包括以下步骤S321-步骤S323所描述的内容。
步骤S321,从所述第一化妆品生产数据对应的生产记录信息中提取设备运行参数集,生成所述设备运行参数集对应的参数映射序列,生成所述第二化妆品生产数据对应的参数逆映射序列,并确定所述参数映射序列和所述参数逆映射序列中分别包括的多个具有不同映射损耗因子的序列单元;提取所述设备运行参数集在所述参数映射序列的任一序列单元的属性映射清单,将所述参数逆映射序列中具有最小映射损耗因子的序列单元确定为目标序列单元。
步骤S322,根据所述第一化妆品生产数据的时序特征将所述属性映射清单映射到所述目标序列单元,在所述目标序列单元中得到目标映射清单,并根据所述属性映射清单、所述目标映射清单,生成所述设备运行参数集和所述第二化妆品生产数据之间的映射路径分布。
步骤S323,以所述目标映射清单为参考清单在所述目标序列单元中获取数据格式特征,根据所述映射路径分布对应的映射缺损率列表,将所述数据格式特征映射到所述属性映射清单所在序列单元,在所述属性映射清单所在序列单元中得到所述数据格式特征对应的映射格式特征,基于所述映射格式特征将所述设备运行参数集映射到所述第二化妆品生产数据中。
可以理解,通过执行上述步骤S321-步骤S323,能够确保设备运行参数集在映射过程中不会出现数据丢失,从而实现完整的参数集映射。
在一个可替换的实施方式中,步骤S33所描述的对所述设备运行参数集执行运行参数转换得到目标运行参数集,进一步可以包括以下步骤S331-步骤S334所描述的内容。
步骤S331,采集所述设备运行参数集的当前运行参数子集;从所述当前运行参数子集中提取出参数格式信息。
步骤S332,判断所述当前运行参数子集中的参数变化热度值相对于所述当前运行参数子集的上一运行参数子集中的参数变化热度值是否变化。
步骤S333,如果是,将从所述当前运行参数子集中提取出的参数格式信息确定为所述当前运行参数子集的有效参数格式信息;否则,将从所述当前运行参数子集中提取出的参数格式信息与所述上一运行参数子集中对应位置的有效参数格式信息进行加权和,并将加权和结果确定为所述当前运行参数子集的有效参数格式信息。
步骤S334,基于所述当前运行参数子集的有效参数格式信息对所述设备运行参数集进行运行参数转换得到目标运行参数集。
在应用上述步骤S331-步骤S334所描述的内容时,能够考虑不同运行参数子集的参数变化热度值,这样能够实现快速的运行参数转换。
图4是根据本发明的一些实施例所示的一种示例性基于大数据分析的化妆品生产线安全监测装置400的框图,所述基于大数据分析的化妆品生产线安全监测装置400包括:
数据获取模块410,用于从原始生产数据中获取第一化妆品生产数据;
第一映射模块420,用于在所述第一化妆品生产数据的数据格式与预设数据分析线程的线程识别单元的数据格式相同的情况下,获取所述第一化妆品生产数据中的设备运行参数集,将所述设备运行参数集映射到与所述第一化妆品生产数据数据格式相同的第二化妆品生产数据中;
第二映射模块430,用于在所述第一化妆品生产数据的数据格式与所述线程识别单元的数据格式不同的情况下,从所述第一化妆品生产数据中获取所述设备运行参数集,对所述设备运行参数集执行运行参数转换得到目标运行参数集,将所述目标运行参数集映射到所述第二化妆品生产数据中;
生产监测模块440,用于将所述第二化妆品生产数据确定为对所述原始生产数据执行所述生产数据安全监测之前的生产数据;将所述第二化妆品生产数据输入到所述预设数据分析线程中,得到所述预设数据分析线程输出的针对所述第一化妆品生产数据对应的目标生产线的安全生产监测结果。
上述装置实施例的说明请参阅对图3所示的方法实施例的说明。
基于上述同样的发明构思,还提供了基于大数据分析的化妆品生产线安全监测系统。
一种基于大数据分析的化妆品生产线安全监测方法,包括互相之间通信的云服务器和生产控制设备;其中,所述云服务器用于:
从所述生产控制设备存储的原始生产数据中获取第一化妆品生产数据;
在所述第一化妆品生产数据的数据格式与预设数据分析线程的线程识别单元的数据格式相同的情况下,获取所述第一化妆品生产数据中的设备运行参数集,将所述设备运行参数集映射到与所述第一化妆品生产数据数据格式相同的第二化妆品生产数据中;
在所述第一化妆品生产数据的数据格式与所述线程识别单元的数据格式不同的情况下,从所述第一化妆品生产数据中获取所述设备运行参数集,对所述设备运行参数集执行运行参数转换得到目标运行参数集,将所述目标运行参数集映射到所述第二化妆品生产数据中;
将所述第二化妆品生产数据确定为对所述原始生产数据执行所述生产数据安全监测之前的生产数据;将所述第二化妆品生产数据输入到所述预设数据分析线程中,得到所述预设数据分析线程输出的针对所述第一化妆品生产数据对应的目标生产线的安全生产监测结果。
上述系统实施例的说明请参阅对图3所示的方法实施例的说明。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可以对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定术语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的至少一个实施例中的某些特征、结构或特点可以进行适当的组合。
另外,本领域普通技术人员可以理解的是,本申请的各个方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可以被称为“单元”、“组件”或“系统”。此外,本申请的各方面可以表现为位于至少一个计算机可读介质中的计算机产品,所述产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤缆线、RF、或类似介质、或任何上述介质的组合。
本申请各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写,包括面向对象程序设计,如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET,Python等,或类似的常规程序编程语言,如"C"编程语言,Visual Basic,Fortran2003,Perl,COBOL 2002,PHP,ABAP,动态编程语言如Python,Ruby和Groovy或其它编程语言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务器上执行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网络(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非申请专利范围中明确说明,本申请所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的申请专利范围并不仅限于披露的实施例,相反,申请专利范围旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件装置实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或行动装置上安装所描述的系统。
同样应当理解的是,为了简化本申请揭示的表述,从而帮助对至少一个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法幷不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
Claims (9)
1.一种基于大数据分析的化妆品生产线安全监测方法,其特征在于,包括:
从原始生产数据中获取第一化妆品生产数据;
在所述第一化妆品生产数据的数据格式与预设数据分析线程的线程识别单元的数据格式相同的情况下,获取所述第一化妆品生产数据中的设备运行参数集,将所述设备运行参数集映射到与所述第一化妆品生产数据数据格式相同的第二化妆品生产数据中;
在所述第一化妆品生产数据的数据格式与所述线程识别单元的数据格式不同的情况下,从所述第一化妆品生产数据中获取所述设备运行参数集,对所述设备运行参数集执行运行参数转换得到目标运行参数集,将所述目标运行参数集映射到所述第二化妆品生产数据中;
将所述第二化妆品生产数据确定为对所述原始生产数据执行所述生产数据安全监测之前的生产数据;将所述第二化妆品生产数据输入到所述预设数据分析线程中,得到所述预设数据分析线程输出的针对所述第一化妆品生产数据对应的目标生产线的安全生产监测结果;
其中,所述将所述第二化妆品生产数据确定为对所述原始生产数据执行所述生产数据安全监测之前的生产数据包括:
在所述预设数据分析线程中的数据分析指标数为第一设定数量的情况下,将所述第二化妆品生产数据转换为双精度型数据格式的第一目标生产数据;
在所述预设数据分析线程中的数据分析指标数为第二设定数量的情况下,将所述第二化妆品生产数据转换为第二目标生产数据,所述第二目标生产数据为指向型数据;
对所述第一目标生产数据或所述第二目标生产数据执行运行标签添加操作;
将执行所述运行标签添加操作后的所述第一目标生产数据或所述第二目标生产数据,确定为对所述原始生产数据执行所述生产数据安全监测之前的生产数据。
2.根据权利要求1所述的方法,其特征在于,所述在所述预设数据分析线程中的数据分析指标数为第一设定数量的情况下,将所述第二化妆品生产数据转换为双精度型数据格式的第一目标生产数据包括:
在所述原始生产数据的数据格式为字节型数据格式的情况下,将所述第二化妆品生产数据中的每一个数据段确定为当前数据段,执行以下步骤,直到遍历所述第二化妆品生产数据中的每一个数据段:获取所述当前数据段的数据字节分布;将所述数据字节分布输入到数据格式转换线程中,得到第一数据段的双精度型数据,其中,所述第一数据段为所述第一目标生产数据中的数据段,所述当前数据段在所述第二化妆品生产数据中的时序位置与所述第一数据段在所述第一目标生产数据中的时序位置相同。
3.根据权利要求1所述的方法,其特征在于,所述在所述预设数据分析线程中的数据分析指标数为第二设定数量的情况下,将所述第二化妆品生产数据转换为第二目标生产数据,所述第二目标生产数据为指向型数据包括:
在所述原始生产数据的数据格式为字节型数据格式的情况下,将所述第二化妆品生产数据中的每一个数据段确定为当前数据段,执行以下步骤,直到遍历所述第二化妆品生产数据中的每一个数据段:获取所述当前数据段的数据字节分布中的单精度型数据;将所述单精度型数据确定为第一数据段的指向型数据,其中,所述第一数据段为所述第二目标生产数据中的数据段,所述当前数据段在所述第二化妆品生产数据中的时序位置与所述第一数据段在所述第二目标生产数据中的时序位置相同。
4.根据权利要求1-3任一项所述的方法,其特征在于,将所述第二化妆品生产数据输入到所述预设数据分析线程中,得到所述预设数据分析线程输出的针对所述第一化妆品生产数据对应的目标生产线的安全生产监测结果,包括:
将所述第二化妆品生产数据输入到所述预设数据分析线程中之后,对所述预设数据分析线程的当前线程配置参数进行修改;
运行完成当前线程配置参数修改的预设数据分析线程以得到针对所述第一化妆品生产数据对应的目标生产线的安全生产监测结果。
5.根据权利要求4所述的方法,其特征在于,将所述第二化妆品生产数据输入到所述预设数据分析线程中之后,对所述预设数据分析线程的当前线程配置参数进行修改,包括:
从所述预设数据分析线程对应的数据库中提取输入的第二化妆品生产数据的数据映射报表,以及所述数据库对应的存储路径报表;将所述数据映射报表和所述存储路径报表按照预设关联关系划分为至少两个融合子列表;获取每个所述融合子列表的线程扰动数据以及与所述融合子列表对应的局部数据映射报表,所述局部数据映射报表是所述数据映射报表的一部分;根据每个所述融合子列表的线程扰动数据和所述局部数据映射报表,计算将每个所述融合子列表映射至所述数据映射报表对应的报表结构队列时的列表数据缺损分布,所述列表数据缺损分布包括线程稳定性数据;在所述线程稳定性数据收敛时,将所述融合子列表映射至所述数据映射报表中对应的报表结构队列;在完成对所述至少两个融合子列表的映射后,对相邻的融合子列表进行相关性分析,得到所述预设数据分析线程对应的参数恢复逻辑信息;根据每个所述融合子列表的列表特征集和融合特征集导出每个所述融合子列表对应的一组线程稳定性指标;对所述至少两个融合子列表对应的一组线程稳定性指标进行所述相关性分析,得到所述预设数据分析线程的一组线程稳定性指标,基于所述参数恢复逻辑信息和所述预设数据分析线程的一组线程稳定性指标确定所述预设数据分析线程的配置参数修改逻辑所对应的目标逻辑拓扑图;
提取所述目标逻辑拓扑图的线程参数修改路径,根据所述线程参数修改路径,从预设图数据库中搜索满足所述线程参数修改路径对应的线程响应时效指标的多个待处理逻辑拓扑图的图结构特征、拓扑节点特征和执行逻辑特征;所述图结构特征包括动态特征和静态特征;根据所述多个待处理逻辑拓扑图的图结构特征、拓扑节点特征和执行逻辑特征检索所述预设数据分析线程对应的线程状态集,从所述预设数据分析线程对应的线程状态集中检索出同时与所述图结构特征、拓扑节点特征和执行逻辑特征相匹配的目标线程状态信息,所述目标线程状态信息包括所述预设数据分析线程的线程初始化信息;根据满足所述线程参数修改路径的各个待处理逻辑拓扑图的图数据优先级的大小顺序,返回图数据优先级的大小顺序满足设定优先级条件的一个待处理逻辑拓扑图的目标线程状态信息;
将满足所述线程参数修改路径对应的线程响应时效指标的多个待处理逻辑拓扑图的图结构特征,和所述多个待处理逻辑拓扑图中满足设定优先级条件的一个待处理逻辑拓扑图的目标线程状态信息加载至所述预设数据分析线程的配置参数日志中,以基于所述预设数据分析线程的配置参数日志的线程日志事件队列对所述图结构特征在所述预设数据分析线程的配置参数日志中的映射特性进行线程稳定性权重和可恢复性权重的标注,得到与所述预设数据分析线程对应的线程稳定性权重和可恢复性权重;基于所述线程稳定性权重和所述可恢复性权重,提取所述满足设定优先级条件的一个待处理逻辑拓扑图对应的参数修改清单,并通过所述参数修改清单对所述预设数据分析线程的当前线程配置参数进行修改。
6.根据权利要求5所述的方法,其特征在于,运行完成当前线程配置参数修改的预设数据分析线程以得到针对所述第一化妆品生产数据对应的目标生产线的安全生产监测结果,包括:
运行完成当前线程配置参数修改的预设数据分析线程,以通过所述预设数据分析线程实现对所述预设数据分析线程内的第二化妆品生产数据进行多重生产线识别;获取所述预设数据分析线程输出的多重识别结果;
根据所述多重识别结果获取连续的多组生产线切换参数;以预设的划分方式将每一组生产线切换参数划分为多组切换参数偏差特征;计算每一组生产线切换参数中各切换参数偏差特征的特征识别度和偏差校正度,还包括:确定每一组生产线切换参数中各切换参数偏差特征的特征识别度所属的识别度区间;以其中一组生产线切换参数作为基准切换参数,依次将其余的生产线切换参数与所述基准切换参数进行比较,并将特征识别度和偏差校正度与所述基准切换参数的特征识别度和偏差校正度匹配的切换参数偏差特征进行标记,具体包括:若某切换参数偏差特征的特征识别度与基准切换参数对应的切换参数偏差特征的特征识别度所属识别度区间相同,且该切换参数偏差特征的偏差校正度与基准切换参数对应的切换参数偏差特征的偏差校正度之间的差值小于设定阈值,则判定该切换参数偏差特征的特征识别度和偏差校正度与所述基准切换参数的特征识别度和偏差校正度匹配,并标记该切换参数偏差特征;若被标记的切换参数偏差特征的累计值达到设定累计值,则对被标记的切换参数偏差特征的偏差校正度进行加权平均,以得到所述的多组生产线切换参数对应的生产线切换损耗数据;
提取所述生产线切换损耗数据的损耗数据属性列表;确定所述损耗数据属性列表的各属性标签的监测误差率,根据所述各属性标签的监测误差率,确定监测误差率小于或等于预设的目标误差率的属性标签数目;计算所述属性标签数目与所述损耗数据属性列表的总属性标签数目的比例值,得到所述损耗数据属性列表的监测误差占比;确定所述损耗数据属性列表的平均属性聚类权重;根据所述损耗数据属性列表的监测误差占比和所述损耗数据属性列表的平均属性聚类权重,确定所述损耗数据属性列表的生产线差异系数;
基于所述生产线差异系数获取所述第一化妆品生产数据对应的目标生产线对应的生产数据变化轨迹,所述生产数据变化轨迹为包括有轨迹变化度的轨迹区间;将所述生产数据变化轨迹等时长的划分为至少两个轨迹区段;并行检测所述至少两个轨迹区段中每个轨迹区段中包括的轨迹切换标识;根据在所述至少两个轨迹区段中检测到的各轨迹切换标识,检测轨迹变化度,得到所述轨迹变化度在时序上的更新频率对应的频率分布序列,基于所述频率分布序列以及所述目标生产线对应的实时生产数据得到所述安全生产监测结果。
7.根据权利要求1所述的方法,其特征在于,所述原始生产数据为待执行生产数据安全监测的生产数据。
8.一种云服务器,其特征在于,包括处理引擎、网络模块和存储器;所述处理引擎和所述存储器通过所述网络模块通信,所述处理引擎从所述存储器中读取计算机程序并运行,以执行权利要求1-7任一项所述的方法。
9.一种计算机可读信号介质,其特征在于,其上存储有计算机程序,所述计算机程序在运行是实现权利要求1-7任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011150593.1A CN112214496B (zh) | 2020-10-24 | 2020-10-24 | 基于大数据分析的化妆品生产线安全监测方法及云服务器 |
CN202110414877.5A CN112988756A (zh) | 2020-10-24 | 2020-10-24 | 基于大数据的化妆品生产数据确定方法及云服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011150593.1A CN112214496B (zh) | 2020-10-24 | 2020-10-24 | 基于大数据分析的化妆品生产线安全监测方法及云服务器 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110414877.5A Division CN112988756A (zh) | 2020-10-24 | 2020-10-24 | 基于大数据的化妆品生产数据确定方法及云服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112214496A CN112214496A (zh) | 2021-01-12 |
CN112214496B true CN112214496B (zh) | 2022-01-11 |
Family
ID=74055101
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011150593.1A Active CN112214496B (zh) | 2020-10-24 | 2020-10-24 | 基于大数据分析的化妆品生产线安全监测方法及云服务器 |
CN202110414877.5A Withdrawn CN112988756A (zh) | 2020-10-24 | 2020-10-24 | 基于大数据的化妆品生产数据确定方法及云服务器 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110414877.5A Withdrawn CN112988756A (zh) | 2020-10-24 | 2020-10-24 | 基于大数据的化妆品生产数据确定方法及云服务器 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN112214496B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113515100B (zh) * | 2021-09-14 | 2021-12-17 | 珠海市南特金属科技股份有限公司 | 一种法兰生产在线连续监控方法及系统 |
CN114167775B (zh) * | 2021-11-30 | 2024-04-26 | 上海德衡数据科技有限公司 | 基于机器人的实时外部控制方法及系统 |
CN116562514B (zh) * | 2023-07-12 | 2023-09-15 | 苏州简诺科技有限公司 | 基于神经网络的企业生产状况即时分析方法及系统 |
CN117150249B (zh) * | 2023-07-31 | 2024-04-16 | 广州雅纯化妆品制造有限公司 | 一种化妆品的功效评估方法、装置、设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9471891B2 (en) * | 2010-09-24 | 2016-10-18 | Nulogy Corporation | Method, system and apparatus for automatic quality control using a plurality of computers |
KR101661818B1 (ko) * | 2014-12-23 | 2016-09-30 | (주)해인씨앤에스 | 제조 공정 라인의 공정 및 품질 관리 방법 |
CN108182263A (zh) * | 2018-01-05 | 2018-06-19 | 郑州云海信息技术有限公司 | 一种数据中心综合管理系统的数据存储方法 |
CN108521433A (zh) * | 2018-05-29 | 2018-09-11 | 广西电网有限责任公司 | 一种基于人工智能的关键信息基础设施安全监测及预警系统 |
CN109976289B (zh) * | 2019-04-25 | 2020-12-01 | 伟创力电子设备(深圳)有限公司 | 生产线kpi监测方法、装置、电子设备及可读介质 |
CN112306027A (zh) * | 2020-05-08 | 2021-02-02 | 陈晓清 | 应用于智慧园区的设备生产线调度方法及系统 |
CN112380581A (zh) * | 2020-06-22 | 2021-02-19 | 石高建 | 基于物联网交互和云计算通信的数据分析方法及系统 |
-
2020
- 2020-10-24 CN CN202011150593.1A patent/CN112214496B/zh active Active
- 2020-10-24 CN CN202110414877.5A patent/CN112988756A/zh not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
CN112214496A (zh) | 2021-01-12 |
CN112988756A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112214496B (zh) | 基于大数据分析的化妆品生产线安全监测方法及云服务器 | |
CN112255983B (zh) | 基于化妆品生产的大数据处理方法及生产数据处理中心 | |
CN111224805A (zh) | 一种网络故障根因检测方法、系统及存储介质 | |
CN115576293B (zh) | 基于数据监控的压敏胶在线生产分析方法及系统 | |
CN112783508B (zh) | 文件的编译方法、装置、设备以及存储介质 | |
CN112486955B (zh) | 基于大数据和人工智能的数据维护方法及大数据服务器 | |
CN113537614A (zh) | 电网工程造价预测模型的构建方法、系统、设备及介质 | |
Chen et al. | Application of data-driven iterative learning algorithm in transmission line defect detection | |
CN117114161A (zh) | 一种基于元学习的输电线路风偏闪络风险的预测方法 | |
CN114896306B (zh) | 基于人工智能模型的数据挖掘方法及系统 | |
CN112486969B (zh) | 应用于大数据和深度学习的数据清洗方法及云服务器 | |
CN116975742A (zh) | 局部放电模式识别方法、装置、设备和存储介质 | |
CN112215518B (zh) | 结合云计算的化妆品生产链调度方法及人工智能云平台 | |
CN116306574B (zh) | 应用于智慧风控任务分析的大数据挖掘方法及服务器 | |
CN111612233A (zh) | 一种配电网线路重跳影响因素重要性得分获取方法及装置 | |
CN113487080B (zh) | 一种基于风速分类的风速动态场景生成方法、系统及终端 | |
CN113032236B (zh) | 应用于人工智能和云计算的业务行为处理方法及服务器 | |
CN107679478A (zh) | 输电线路空间负荷状态的提取方法和系统 | |
US20210397614A1 (en) | Computer-implemented methods | |
CN116402160A (zh) | 配电网电压预测模型的训练方法及配电网电压的预测方法 | |
CN117540347A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN113902165A (zh) | 一种超短期电力负荷预测方法、设备、介质、产品 | |
CN111597415A (zh) | 基于神经网络的配电网台账数据贯通方法及装置 | |
CN117036828A (zh) | 用于保护输电线路的速生树监测方法、装置、设备和介质 | |
CN116840689A (zh) | 一种电池容量的预测方法、装置及计算机可读存储介质 |
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 |