CN112327788B - 一种瓦楞芯纸生产在线连续监控方法及系统 - Google Patents
一种瓦楞芯纸生产在线连续监控方法及系统 Download PDFInfo
- Publication number
- CN112327788B CN112327788B CN202011329418.9A CN202011329418A CN112327788B CN 112327788 B CN112327788 B CN 112327788B CN 202011329418 A CN202011329418 A CN 202011329418A CN 112327788 B CN112327788 B CN 112327788B
- Authority
- CN
- China
- Prior art keywords
- production
- acquisition
- information
- data
- continuous monitoring
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31282—Data acquisition, BDE MDE
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明涉及智能监控系统技术领域,涉及一种瓦楞芯纸生产在线连续监控方法及系统。本发明通过对预设生产数据采集模板的生产在线连续监控数据进行特征提取,以获取生产标签状态预测信息,并对过往生产状态记录信息对应的向量和特征提取过程中生成的生产数据变化向量进行处理,以获取对比生产状态记录向量;最后根据与生产标签状态预测信息对应的生产标签状态矩阵表示信息和对比生产状态记录向量确定目标生产状态记录集合。本发明可以便于提高瓦楞芯纸产品的生产监控精度,减少因生产监控不合格降级造成的损耗,稳定产品质量。
Description
技术领域
本发明涉及智能监控系统技术领域,具体而言,涉及一种瓦楞芯纸生产在线连续监控方法及系统。
背景技术
造纸工业是与国民经济和社会发展紧密关联的重要基础原材料产业,在经济社会各领域发挥着重要作用,具有可持续发展的特点。近年来,造纸产业持续推进转型升级,原料结构不断优化,产品结构持续调整,环境治理取得明显成效,现代造纸工业正在走向低碳、环保、绿色发展之路。
传统瓦楞纸机由于所生产产品的要求不高,设备配置普遍较低,控制方式单一,难以实现生产过程在线连续监控。通常只能生产100g/㎡以上产品,其中在流送系统多通过使用高位箱保持产品定量的稳定。随着纸机车速和产品质量的要求不断提高,采用浓度调节、定量调节阀和浆料回流组合方式,一定程度上改进了流送系统上浆方式,但由于浆泵压力波动等原因,定量的波动范围一般也在±5%,在日常生产中,经常出现因为定量波动超过产品标准要求,需要进行降级处理,不能适应造纸工业现代化要求。
信息技术在工业领域的深度应用为传统产业转型升级提供新的路径,也为提升高强瓦楞芯纸生产过程的智能制造水平提供新的动力和源泉。。
基于此,如何提高瓦楞芯纸产品的生产监控精度,减少因生产监控不合格降级造成的损耗,稳定产品质量,是本领域亟待解决的技术问题。
发明内容
为了至少克服现有技术中的上述不足,本发明的目的在于提供一种瓦楞芯纸生产在线连续监控方法及系统,通过对预设生产数据采集模板的生产在线连续监控数据进行特征提取,以获取生产标签状态预测信息,并对过往生产状态记录信息对应的向量和特征提取过程中生成的生产数据变化向量进行处理,以获取对比生产状态记录向量;最后根据与生产标签状态预测信息对应的生产标签状态矩阵表示信息和对比生产状态记录向量确定目标生产状态记录集合。如此,能够根据与预设生产数据采集模板相关的生产在线连续监控数据精准生产标签状态集合中的特征,并生成与最新的生产在线连续监控记录生产在线连续监控过程信息对应的生产状态记录集合,可以便于提高瓦楞芯纸产品的生产监控精度,减少因生产监控不合格降级造成的损耗,稳定产品质量。
第一方面,本发明提供一种瓦楞芯纸生产在线连续监控方法,应用于服务器,所述服务器与多个瓦楞芯纸生产实时记录终端通信连接,所述方法包括:
通过所述服务器的生产在线监控程序调用通过现场集群服务进行数据实时采集的数据实时采集控制进程,基于所述数据实时采集控制进程,获取与预设生产数据采集模板相关的生产在线连续监控数据;
对所述生产在线连续监控数据进行特征提取以获取生产数据变化向量,并根据所述生产数据变化向量确定与当前预设生产数据采集模板对应的生产标签状态预测信息,提取所述生产标签状态预测信息的生产标签状态矩阵表示信息;
对过往生产状态记录信息对应的向量及所述生产数据变化向量进行特征提取,以获取对比生产状态记录向量;
将所述生产标签状态矩阵表示信息和所述对比生产状态记录向量进行非线性映射转换,以获取第二非线性映射转换向量,对所述第二非线性映射转换向量进行特征分析以获取当前生产状态记录信息,并根据所述当前生产状态记录信息和所述过往生产状态记录信息确定目标生产状态记录集合,基于所述目标生产状态记录集合进行监控分类后,得到监控分类结果,并基于所述监控分类结果进行生产调度。
在第一方面的一种可能的实现方式中,所述对所述生产在线连续监控数据进行特征提取以获取生产数据变化向量,包括:
对所述生产在线连续监控数据中的各类生产在线连续监控更新变化数据进行特征提取,以获取多个更新变化向量;
将各所述更新变化向量进行非线性映射转换,以获取第一非线性映射转换向量;
对所述第一非线性映射转换向量进行分类处理,以获取所述生产数据变化向量。
在第一方面的一种可能的实现方式中,所述生产在线连续监控数据包括:过往生产在线连续监控记录,以及所述过往生产在线连续监控记录中各生产在线连续监控过程信息所对应的生产在线连续监控标签信息、生产在线连续监控交互信息和预设生产数据采集模板的调用配置信息;
所述对所述生产在线连续监控数据中的各类生产在线连续监控更新变化数据进行特征提取,以获取多个更新变化向量,包括:
对所述过往生产在线连续监控记录中各生产在线连续监控过程信息进行特征提取,以获取与各所述生产在线连续监控过程信息对应的第一更新变化向量;
对所述生产在线连续监控交互信息进行特征提取以获取生产在线连续监控交互特征,并对所述生产在线连续监控交互特征进行分类,以获取第二更新变化向量;
根据所述生产在线连续监控标签信息在生产在线连续监控标签查找表中进行索引,以获取第三更新变化向量;
根据所述调用配置信息在接入配置查找表中进行索引,以获取第四更新变化向量。
在第一方面的一种可能的实现方式中,所述根据所述生产数据变化向量确定与当前预设生产数据采集模板对应的生产标签状态预测信息,包括:
对所述生产数据变化向量进行分类,以获取生产在线连续监控数据分类结果;
对所述生产在线连续监控数据分类结果中的每个生产在线连续监控分类标签所包括的生产标签状态进行汇集,得到与当前预设生产数据采集模板对应的生产标签状态预测信息。
在第一方面的一种可能的实现方式中,所述对过往生产状态记录信息对应的向量及所述生产数据变化向量进行特征提取,以获取对比生产状态记录向量,包括:
对所述过往生产状态记录信息进行特征向量提取以获取过往生产状态记录向量,并对所述过往生产状态记录向量进行特征提取,以获取过往生产状态记录向量;
对所述过往生产状态记录向量和所述生产数据变化向量进行特征提取,并对特征提取后的向量进行分类处理,以获取所述对比生产状态记录向量;
其中,所述获取第二非线性映射转换向量还包括:
将所述生产标签状态矩阵表示信息、与所述当前预设生产数据采集模板对应的生产在线连续监控配置特征和所述对比生产状态记录向量进行非线性映射转换,以获取所述第二非线性映射转换向量。
在第一方面的一种可能的实现方式中,所述对所述第二非线性映射转换向量进行特征分析以获取当前生产状态记录信息,并根据所述当前生产状态记录信息和所述过往生产状态记录信息确定目标生产状态记录集合的步骤,包括:
获取所述第二非线性映射转换向量中每个生产状态记录所表征的材料生产监控参量,获取所述材料生产监控参量的控制参量特征和前n个过往调度生产在线连续监控记录对应的溯源参量特征,n为正整数;
获取所述溯源参量特征中当前个溯源控制节点的溯源控制配置特征,对所述控制参量特征、所述前n个过往调度生产在线连续监控记录对应的溯源参量特征和所述溯源控制配置特征进行最大期望算法处理,得到所述当前个溯源控制节点对应的溯源参量特征;
对所述当前个溯源控制节点对应的溯源参量特征和所述控制参量特征进行最大期望算法处理,得到所述当前个溯源控制节点对应的当前生产状态记录信息;
将所述当前生产状态记录信息和所述过往生产状态记录信息确定为目标生产状态记录集合。
在第一方面的一种可能的实现方式中,所述对所述控制参量特征、所述前n个过往调度生产在线连续监控记录对应的溯源参量特征和所述溯源控制配置特征进行最大期望算法处理,得到所述当前个溯源控制节点对应的溯源参量特征,包括:
获取第i个过往调度生产在线连续监控记录对应的第一溯源参量特征,i为正整数且i的起始值为1;
对所述控制参量特征、所述第一溯源参量特征和所述溯源控制配置特征进行最大期望算法处理,输出第i+1个过往调度生产在线连续监控记录对应的第二溯源参量特征;
重复上述输出所述第二溯源参量特征的步骤,将第n+1个过往调度生产在线连续监控记录对应的第二溯源参量特征确定为所述当前个溯源控制节点对应的溯源参量特征
所述对所述控制参量特征、所述第一溯源参量特征和所述溯源控制配置特征进行最大期望算法处理,输出第i+1个过往调度生产在线连续监控记录对应的第二溯源参量特征,包括:
调用第j个输出单元对所述控制参量特征、所述第一溯源参量特征和所述溯源控制配置特征进行最大期望算法处理,输出第一最大期望挖掘信息,所述第一最大期望挖掘信息是所述第i+1个过往调度生产在线连续监控记录对应的挖掘信息;
对所述第j个输出单元输出的第一最大期望挖掘信息进行k-means聚类处理,得到第一k-means聚类分簇结果;
对所述第一k-means聚类分簇结果和所述控制参量特征进行k-means聚类处理,得到第二k-means聚类分簇结果;
对所述第二k-means聚类分簇结果和所述第i个过往调度生产在线连续监控记录对应的第一溯源参量特征进行k-means聚类处理,得到第三k-means聚类分簇结果;
对所述第三k-means聚类分簇结果进行k-means聚类处理,得到第j+1个输出单元输出的第二最大期望挖掘信息,所述第二最大期望挖掘信息是所述第i+1个过往调度生产在线连续监控记录对应的挖掘信息,j+1≤k,j为正整数且j的起始值为1;
重复上述输出所述第二最大期望挖掘信息的步骤,将最后一个输出单元输出的第二最大期望挖掘信息确定为所述第i+1个过往调度生产在线连续监控记录对应的第二溯源参量特征。
在第一方面的一种可能的实现方式中,所述对所述当前个溯源控制节点对应的溯源参量特征和所述控制参量特征进行最大期望算法处理,得到所述当前个溯源控制节点对应的当前生产状态记录信息,包括:
获取所述当前个溯源控制节点对应的实际生产状态记录信息中已输出的生产状态记录的生产状态记录特征;
对所述当前个溯源控制节点对应的溯源参量特征、所述控制参量特征和所述生产状态记录特征进行最大期望算法处理,输出所述当前个溯源控制节点对应的当前生产状态记录信息;
所述对所述当前个溯源控制节点对应的溯源参量特征、所述控制参量特征和所述生产状态记录特征进行最大期望算法处理,输出所述当前个溯源控制节点对应的当前生产状态记录信息,包括:
调用第m个挖掘单元对所述当前个溯源控制节点对应的溯源参量特征、所述控制参量特征和所述生产状态记录特征进行最大期望算法处理,输出所述当前个溯源控制节点对应的第三最大期望挖掘信息;
对所述第m个挖掘单元输出的第三最大期望挖掘信息进行中间解码处理,得到第一k-means聚类分簇结果;
对所述第一k-means聚类分簇结果、所述控制参量特征和所述当前个溯源控制节点对应的溯源参量特征进行概率分类估计处理,得到第二k-means聚类分簇结果;
对所述第二k-means聚类分簇结果进行特征提取,得到第m+1个挖掘单元输出的当前个溯源控制节点对应的第四最大期望挖掘信息,m+1≤t,m为正整数且m的起始值为1;
重复上述输出所述第四最大期望挖掘信息的步骤,将最后一个挖掘单元输出的生产状态记录确定为所述当前个溯源控制节点对应的当前生产状态记录信息。
在第一方面的一种可能的实现方式中,所述通过所述服务器的生产在线监控程序调用通过现场集群服务进行数据实时采集的数据实时采集控制进程的步骤,包括:
获取目标数据实时采集任务的数据实时采集配置信息对应的采集模板行为数据,并基于所述采集模板行为数据进行采集行为节点跟踪;
获取预设范围的采集行为节点内每个采集行为节点所对应的采集行为节点信息,其中,所述采集行为节点信息包括采集行为节点类别、采集行为权限范围以及采集行为属性信息,所述采集行为节点类别用于采集行为节点所覆盖的生产运行设备,所述采集行为权限范围用于指示所述采集行为节点的权限分配信息,所述采集行为属性信息用于指示所述采集行为节点内的采集行为分布;
根据所述每个采集行为节点所对应的采集行为节点信息,生成所述每个采集行为节点所对应的数据实时采集优化信息,其中,所述数据实时采集优化信息用于对初始采集配置模板进行配置模板项目优化处理或配置模板项目强化处理,所述数据实时采集优化信息与所述采集行为节点具有一一对应的关系;
采用所述每个采集行为节点所对应的数据实时采集优化信息,对所述每个采集行为节点所对应的初始采集配置模板进行处理,得到所述每个采集行为节点所对应的目标采集配置模板,并根据所述每个采集行为节点所对应的目标采集配置模板,生成通过现场集群服务进行数据实时采集的数据实时采集控制进程,其中,所述数据实时采集优化信息、所述初始采集配置模板以及所述目标采集配置模板具有一一对应的关系;
通过所述服务器的生产在线监控程序调用所述数据实时采集控制进程。
第二方面,本发明实施例还提供一种瓦楞芯纸生产在线连续监控装置,应用于服务器,所述服务器与多个瓦楞芯纸生产实时记录终端通信连接,所述装置包括:
调用模块,用于通过所述服务器的生产在线监控程序调用通过现场集群服务进行数据实时采集的数据实时采集控制进程,基于所述数据实时采集控制进程,获取与预设生产数据采集模板相关的生产在线连续监控数据;
第一提取模块,用于对所述生产在线连续监控数据进行特征提取以获取生产数据变化向量,并根据所述生产数据变化向量确定与当前预设生产数据采集模板对应的生产标签状态预测信息,提取所述生产标签状态预测信息的生产标签状态矩阵表示信息;
第二提取模块,用于对过往生产状态记录信息对应的向量及所述生产数据变化向量进行特征提取,以获取对比生产状态记录向量;
确定模块,用于将所述生产标签状态矩阵表示信息和所述对比生产状态记录向量进行非线性映射转换,以获取第二非线性映射转换向量,对所述第二非线性映射转换向量进行特征分析以获取当前生产状态记录信息,并根据所述当前生产状态记录信息和所述过往生产状态记录信息确定目标生产状态记录集合,基于所述目标生产状态记录集合进行监控分类后,得到监控分类结果,并基于所述监控分类结果进行生产调度。
第三方面,本发明实施例还提供一种瓦楞芯纸生产在线连续监控系统,所述瓦楞芯纸生产在线连续监控系统包括服务器以及与所述服务器通信连接的多个瓦楞芯纸生产实时记录终端;
所述服务器,用于:
通过所述服务器的生产在线监控程序调用通过现场集群服务进行数据实时采集的数据实时采集控制进程,基于所述数据实时采集控制进程,获取与预设生产数据采集模板相关的生产在线连续监控数据;
对所述生产在线连续监控数据进行特征提取以获取生产数据变化向量,并根据所述生产数据变化向量确定与当前预设生产数据采集模板对应的生产标签状态预测信息,提取所述生产标签状态预测信息的生产标签状态矩阵表示信息;
对过往生产状态记录信息对应的向量及所述生产数据变化向量进行特征提取,以获取对比生产状态记录向量;
将所述生产标签状态矩阵表示信息和所述对比生产状态记录向量进行非线性映射转换,以获取第二非线性映射转换向量,对所述第二非线性映射转换向量进行特征分析以获取当前生产状态记录信息,并根据所述当前生产状态记录信息和所述过往生产状态记录信息确定目标生产状态记录集合,基于所述目标生产状态记录集合进行监控分类后,得到监控分类结果,并基于所述监控分类结果进行生产调度。
第四方面,本发明实施例还提供一种服务器,所述服务器包括处理器、机器可读存储介质和网络接口,所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连,所述网络接口用于与至少一个瓦楞芯纸生产实时记录终端通信连接,所述机器可读存储介质用于存储程序、指令或代码,所述处理器用于执行所述机器可读存储介质中的程序、指令或代码,以执行第一方面或者第一方面中任意一个可能的实现方式中的瓦楞芯纸生产在线连续监控方法。
第五方面,本发明实施例提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当其被执行时,使得计算机执行上述第一方面或者第一方面中任意一个可能的实现方式中的瓦楞芯纸生产在线连续监控方法。
基于上述任意一个方面,本发明通过对预设生产数据采集模板的生产在线连续监控数据进行特征提取,以获取生产标签状态预测信息,并对过往生产状态记录信息对应的向量和特征提取过程中生成的生产数据变化向量进行处理,以获取对比生产状态记录向量;最后根据与生产标签状态预测信息对应的生产标签状态矩阵表示信息和对比生产状态记录向量确定目标生产状态记录集合。如此,能够根据与预设生产数据采集模板相关的生产在线连续监控数据精准生产标签状态集合中的特征,并生成与最新的生产在线连续监控记录生产在线连续监控过程信息对应的生产状态记录集合,可以便于提高瓦楞芯纸产品的生产监控精度,减少因生产监控不合格降级造成的损耗,稳定产品质量。
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调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它相关的附图。
图1为本发明实施例提供的瓦楞芯纸生产在线连续监控系统的应用场景示意图;
图2为本发明实施例提供的瓦楞芯纸生产在线连续监控方法的流程示意图;
图3为本发明实施例提供的瓦楞芯纸生产在线连续监控装置的功能模块示意图;
图4为本发明实施例提供的用于实现上述的瓦楞芯纸生产在线连续监控方法的服务器的结构组件示意框图。
具体实施方式
下面结合说明书附图对本发明进行具体说明,方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
图1是本发明一种实施例提供的瓦楞芯纸生产在线连续监控系统10的交互示意图。瓦楞芯纸生产在线连续监控系统10可以包括服务器100以及与服务器100通信连接的瓦楞芯纸生产实时记录终端200。图1所示的瓦楞芯纸生产在线连续监控系统10仅为一种可行的示例,在其它可行的实施例中,该瓦楞芯纸生产在线连续监控系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。
本实施例中,瓦楞芯纸生产在线连续监控系统10中的服务器100和瓦楞芯纸生产实时记录终端200可以通过配合执行以下方法实施例所描述的瓦楞芯纸生产在线连续监控方法,具体服务器100和瓦楞芯纸生产实时记录终端200的执行步骤部分可以参照以下方法实施例的详细描述。
为了解决前述背景技术中的技术问题,图2为本发明实施例提供的瓦楞芯纸生产在线连续监控方法的流程示意图,本实施例提供的瓦楞芯纸生产在线连续监控方法可以由图1中所示的服务器100执行,下面对该瓦楞芯纸生产在线连续监控方法进行详细介绍。
步骤S110,通过服务器的生产在线监控程序调用通过现场集群服务进行数据实时采集的数据实时采集控制进程,基于数据实时采集控制进程,获取与预设生产数据采集模板相关的生产在线连续监控数据。
例如,可以基于数据实时采集控制进程确定要接入的预设生产数据采集模板,然后从预设生产数据采集模板对应配置的服务器中获取其相关的生产在线连续监控数据,这些生产在线连续监控数据可以用于表征预设生产数据采集模板在进行生产在线连续监控时所涉及到的生产设备的在线数据的连续定量变化控制情况。
步骤S120,对生产在线连续监控数据进行特征提取以获取生产数据变化向量,并根据生产数据变化向量确定与当前预设生产数据采集模板对应的生产标签状态预测信息,提取生产标签状态预测信息的生产标签状态矩阵表示信息。
本实施例中,生产标签状态可以是指在进行监控分类过程中所涉及到的状态变化等。
步骤S130,对过往生产状态记录信息对应的向量及生产数据变化向量进行特征提取,以获取对比生产状态记录向量。
步骤S140,将生产标签状态矩阵表示信息和对比生产状态记录向量进行非线性映射转换,以获取第二非线性映射转换向量,对第二非线性映射转换向量进行特征分析以获取当前生产状态记录信息,并根据当前生产状态记录信息和过往生产状态记录信息确定目标生产状态记录集合,基于目标生产状态记录集合进行监控分类后,得到监控分类结果,并基于所述监控分类结果进行生产调度。
本实施例中,在获取到目标生产状态记录集合后,即可基于目标生产状态记录集合中的每个生产状态记录进行监控分类后,得到监控分类结果,并基于所述监控分类结果进行生产调度。例如,监控分类结果可以包括每个生产状态记录所匹配的生产控制设备的状态分类,从而可以基于每个生产控制设备的状态分类的情况对每个生产控制设备进行调度,例如可以使得生产定量余量较多的生产控制设备补入生产定量余量较少的生产控制设备。
基于上述步骤,本实施例通过对预设生产数据采集模板的生产在线连续监控数据进行特征提取,以获取生产标签状态预测信息,并对过往生产状态记录信息对应的向量和特征提取过程中生成的生产数据变化向量进行处理,以获取对比生产状态记录向量;最后根据与生产标签状态预测信息对应的生产标签状态矩阵表示信息和对比生产状态记录向量确定目标生产状态记录集合。如此,能够根据与预设生产数据采集模板相关的生产在线连续监控数据精准生产标签状态集合中的特征,并生成与最新的生产在线连续监控记录生产在线连续监控过程信息对应的生产状态记录集合,可以便于提高瓦楞芯纸产品的生产监控精度,减少因生产监控不合格降级造成的损耗,稳定产品质量。
在一种可能的实现方式中,针对步骤S120而言,在对生产在线连续监控数据进行特征提取以获取生产数据变化向量的过程中,可以通过以下示例性的子步骤来实现。
子步骤S121,对生产在线连续监控数据中的各类生产在线连续监控更新变化数据进行特征提取,以获取多个更新变化向量。
子步骤S122,将各更新变化向量进行非线性映射转换,以获取第一非线性映射转换向量。
子步骤S123,对第一非线性映射转换向量进行分类处理,以获取生产数据变化向量。
例如,生产在线连续监控数据可以包括:过往生产在线连续监控记录,以及过往生产在线连续监控记录中各生产在线连续监控过程信息所对应的生产在线连续监控标签信息、生产在线连续监控交互信息和预设生产数据采集模板的调用配置信息。
在子步骤S121中,可以对过往生产在线连续监控记录中各生产在线连续监控过程信息进行特征提取,以获取与各生产在线连续监控过程信息对应的第一更新变化向量。
并且,可以对生产在线连续监控交互信息进行特征提取以获取生产在线连续监控交互特征,并对生产在线连续监控交互特征进行分类,以获取第二更新变化向量。
同时,可以根据生产在线连续监控标签信息在生产在线连续监控标签查找表中进行索引,以获取第三更新变化向量。
最后,可以根据调用配置信息在接入配置查找表中进行索引,以获取第四更新变化向量。
由此,第一更新变化向量、第二更新变化向量、第三更新变化向量以及第四更新变化向量可以归结为多个更新变化向量。
在一种可能的实现方式中,针对步骤S120而言,在根据生产数据变化向量确定与当前预设生产数据采集模板对应的生产标签状态预测信息的过程中,可以通过以下示例性的子步骤来实现。
子步骤S124,对生产数据变化向量进行分类,以获取生产在线连续监控数据分类结果。
子步骤S125,对生产在线连续监控数据分类结果中的每个生产在线连续监控分类标签所包括的生产标签状态进行汇集,得到与当前预设生产数据采集模板对应的生产标签状态预测信息。
如此,可以提前生产标签状态预测信息中每个预测的生产标签状态的配置信息的有效信息分量,作为对比生产状态记录向量。
在一种可能的实现方式中,针对步骤S130而言,在对过往生产状态记录信息对应的向量及生产数据变化向量进行特征提取,以获取对比生产状态记录向量的过程中,可以通过以下示例性的子步骤来实现。
子步骤S131,对过往生产状态记录信息进行特征向量提取以获取过往生产状态记录向量,并对过往生产状态记录向量进行特征提取,以获取过往生产状态记录向量。
子步骤S132,对过往生产状态记录向量和生产数据变化向量进行特征提取,并对特征提取后的向量进行分类处理,以获取对比生产状态记录向量。
其中,针对步骤S140而言,在获取第二非线性映射转换向量的过程中,具体还可以将生产标签状态矩阵表示信息、与当前预设生产数据采集模板对应的生产在线连续监控配置特征和对比生产状态记录向量进行非线性映射转换,以获取第二非线性映射转换向量。
其中,具体非线性映射转换的方式可以参照现有技术中的数据非线性映射转换算法即可,例如数据进数据出(DAI-DAO)的非线性映射转换算法,在此不作赘述。
在一种可能的实现方式中,仍旧针对步骤S140而言,在对第二非线性映射转换向量进行特征分析以获取当前生产状态记录信息,并根据当前生产状态记录信息和过往生产状态记录信息确定目标生产状态记录集合的过程中,可以通过以下示例性的子步骤来实现。
子步骤S141,获取第二非线性映射转换向量中每个生产状态记录所表征的材料生产监控参量,获取材料生产监控参量的控制参量特征和前n个过往调度生产在线连续监控记录对应的溯源参量特征,n为正整数。
子步骤S142,获取溯源参量特征中当前个溯源控制节点的溯源控制配置特征,对控制参量特征、前n个过往调度生产在线连续监控记录对应的溯源参量特征和溯源控制配置特征进行最大期望算法处理,得到当前个溯源控制节点对应的溯源参量特征。
例如,可以获取第i个过往调度生产在线连续监控记录对应的第一溯源参量特征,i为正整数且i的起始值为1。
然后,对控制参量特征、第一溯源参量特征和溯源控制配置特征进行最大期望算法处理,输出第i+1个过往调度生产在线连续监控记录对应的第二溯源参量特征。
重复上述输出第二溯源参量特征的步骤,将第n+1个过往调度生产在线连续监控记录对应的第二溯源参量特征确定为当前个溯源控制节点对应的溯源参量特征。
比如,可以调用第j个输出单元对控制参量特征、第一溯源参量特征和溯源控制配置特征进行最大期望算法处理,输出第一最大期望挖掘信息,第一最大期望挖掘信息是第i+1个过往调度生产在线连续监控记录对应的挖掘信息。
接着,可以对第j个输出单元输出的第一最大期望挖掘信息进行k-means聚类处理,得到第一k-means聚类分簇结果。
接着,可以对第一k-means聚类分簇结果和控制参量特征进行k-means聚类处理,得到第二k-means聚类分簇结果。
接着,可以对第二k-means聚类分簇结果和第i个过往调度生产在线连续监控记录对应的第一溯源参量特征进行k-means聚类处理,得到第三k-means聚类分簇结果。
接着,可以对第三k-means聚类分簇结果进行k-means聚类处理,得到第j+1个输出单元输出的第二最大期望挖掘信息,第二最大期望挖掘信息是第i+1个过往调度生产在线连续监控记录对应的挖掘信息,j+1≤k,j为正整数且j的起始值为1。
如此,重复上述输出第二最大期望挖掘信息的步骤,将最后一个输出单元输出的第二最大期望挖掘信息确定为第i+1个过往调度生产在线连续监控记录对应的第二溯源参量特征。
子步骤S143,对当前个溯源控制节点对应的溯源参量特征和控制参量特征进行最大期望算法处理,得到当前个溯源控制节点对应的当前生产状态记录信息。
例如,子步骤S143可以通过以下示例性的实施方式来实现。
(1)获取当前个溯源控制节点对应的实际生产状态记录信息中已输出的生产状态记录的生产状态记录特征。
(2)对当前个溯源控制节点对应的溯源参量特征、控制参量特征和生产状态记录特征进行最大期望算法处理,输出当前个溯源控制节点对应的当前生产状态记录信息。
(3)对当前个溯源控制节点对应的溯源参量特征、控制参量特征和生产状态记录特征进行最大期望算法处理,输出当前个溯源控制节点对应的当前生产状态记录信息,包括:
(4)调用第m个挖掘单元对当前个溯源控制节点对应的溯源参量特征、控制参量特征和生产状态记录特征进行最大期望算法处理,输出当前个溯源控制节点对应的第三最大期望挖掘信息。
(5)对第m个挖掘单元输出的第三最大期望挖掘信息进行中间解码处理,得到第一k-means聚类分簇结果。
(6)对第一k-means聚类分簇结果、控制参量特征和当前个溯源控制节点对应的溯源参量特征进行概率分类估计处理,得到第二k-means聚类分簇结果。
(7)对第二k-means聚类分簇结果进行特征提取,得到第m+1个挖掘单元输出的当前个溯源控制节点对应的第四最大期望挖掘信息,m+1≤t,m为正整数且m的起始值为1。
这样,可以重复上述输出第四最大期望挖掘信息的步骤,将最后一个挖掘单元输出的生产状态记录确定为当前个溯源控制节点对应的当前生产状态记录信息。
子步骤S144,将当前生产状态记录信息和过往生产状态记录信息确定为目标生产状态记录集合。
基于上述子步骤,通过对材料生产监控参量以及关于材料生产监控参量的前n个过往调度生产在线连续监控记录进行处理,使得生产在线连续监控过程能够更好地根据多种类型的信息,输出当前个溯源控制节点对应的实际生产状态记录信息,提高采集准确率,且保证输出的生产状态记录信息与溯源控制节点和材料生产监控参量的一致性,提升生产在线连续监控的效果。
在一种可能的实现方式,针对步骤S110而言,在通过所述服务器的生产在线监控程序调用通过现场集群服务进行数据实时采集的数据实时采集控制进程的过程中,可以通过以下示例性的子步骤来实现。
子步骤S111,获取目标数据实时采集任务的数据实时采集配置信息对应的采集模板行为数据,并基于采集模板行为数据进行采集行为节点跟踪。
子步骤S112,获取预设范围的采集行为节点内每个采集行为节点所对应的采集行为节点信息。
本实施例中,采集行为节点信息具体可以包括采集行为节点类别、采集行为权限范围以及采集行为属性信息。例如,采集行为节点类别可以用于采集行为节点所覆盖的生产运行设备,采集行为权限范围用于指示采集行为节点的权限分配信息,权限分配信息可以是指采集行为流所对应的权限分配区域,采集行为属性信息用于指示采集行为节点内的采集行为分布。
子步骤S113,根据每个采集行为节点所对应的采集行为节点信息,生成每个采集行为节点所对应的数据实时采集优化信息。
本实施例中,数据实时采集优化信息用于对初始采集配置模板进行配置模板项目优化处理或配置模板项目强化处理,数据实时采集优化信息与采集行为节点具有一一对应的关系。其中,对初始采集配置模板进行配置模板项目优化处理可以是指初始采集配置模板存在配置模板项目需要进行自适应性优化,从而与当前的采集行为节点所对应的采集行为节点信息适配。对初始采集配置模板进行配置模板项目强化处理可以是指初始采集配置模板存在配置模板项目需要进行自适应性强化,可以将该配置模板项目的投放强度进行强化。
子步骤S114,采用每个采集行为节点所对应的数据实时采集优化信息,对每个采集行为节点所对应的初始采集配置模板进行处理,得到每个采集行为节点所对应的目标采集配置模板,并根据每个采集行为节点所对应的目标采集配置模板,生成通过现场集群服务进行数据实时采集的数据实时采集控制进程。
其中,数据实时采集优化信息、初始采集配置模板以及目标采集配置模板具有一一对应的关系。这样,通过生成最终的数据实时采集控制进程,即可基于最终的数据实时采集控制进程重新生成对各个权限分配信息进行采集行为节点跟踪的配置信息,由此进行闭环反馈。
基于上述步骤,本实施例能够根据每个采集行为节点所对应的采集行为节点信息,生成每个采集行为节点所对应的数据实时采集优化信息,然后对每个采集行为节点所对应的初始采集配置模板进行处理,得到每个采集行为节点所对应的目标采集配置模板,由此生成通过现场集群服务进行数据实时采集的数据实时采集控制进程。采用上述方式,基于多个采集行为节点并行处理来自不同维度的采集配置模板信息,进而在多采集配置模板场景下,可通过数据实时采集优化信息对不同维度上的采集配置模板信息进行配置模板项目强化或者配置模板项目优化,从而能够实时优化采集配置模板信息,由此提升采集配置模板检测过程中的配置信息准确度,有利于提升后续的采集配置模板处理效果。
详细地譬如,在一种可能的实现方式中,针对步骤S112而言,在获取预设范围的采集行为节点内每个采集行为节点所对应的采集行为节点信息的过程中,可以通过以下示例性的子步骤实现,详细描述如下。
子步骤S1121,对预设范围的采集行为节点内的每个采集行为节点进行检测,得到每个采集行为节点所对应的采集定量变化跟踪结果。
子步骤S1122,根据每个采集行为节点所对应的采集定量变化跟踪结果确定每个采集行为节点所对应的采集行为属性信息。
子步骤S1123,根据每个采集行为节点所对应的采集定量变化跟踪结果确定每个采集行为节点所对应的采集切换变化信息。
例如,可以针对于预设范围的采集行为节点中的任意一个采集行为节点,若采集定量变化跟踪结果为采集行为节点内存在具有采集定量变化的生产控制设备信息,则将生产控制设备信息在采集行为节点内的采集定量变化过程的信息确定为每个采集行为节点所对应的采集切换变化信息。
子步骤S1124,获取每个采集行为节点所对应的采集行为节点类别以及每个采集行为节点所对应的采集行为权限范围。
子步骤S1125,根据每个采集行为节点所对应的采集行为属性信息、每个采集行为节点所对应的采集切换变化信息、每个采集行为节点所对应的采集行为节点类别以及每个采集行为节点所对应的采集行为权限范围,生成每个采集行为节点所对应的采集行为节点信息。
针对步骤S114而言,在采用每个采集行为节点所对应的数据实时采集优化信息,对每个采集行为节点所对应的初始采集配置模板进行处理,得到每个采集行为节点所对应的目标采集配置模板的过程中,可以通过以下示例性的子步骤实现,详细描述如下。
子步骤S1141,根据数据实时采集优化信息中包括有需要对初始采集配置模板进行配置模板项目优化处理或配置模板项目强化处理的配置模板项目,获取需要对初始采集配置模板进行配置模板项目优化处理的第一配置模板项目,以及需要对初始采集配置模板进行配置模板项目强化处理的第二配置模板项目。
子步骤S1142,根据数据实时采集优化信息中对应的优化策略信息对第一配置模板项目进行优化处理,以及根据数据实时采集优化信息中对应的强化策略信息对第二配置模板项目进行强化处理。
在一种可能的实现方式中,仍旧针对步骤S114而言,在根据每个采集行为节点所对应的目标采集配置模板,生成通过现场集群服务进行数据实时采集的数据实时采集控制进程的过程中,可以通过以下示例性的子步骤实现,详细描述如下。
子步骤S1143,根据每个采集行为节点所对应的目标采集配置模板,确定每个采集行为节点所对应的数据实时采集集中行为分布,其中,数据实时采集集中行为分布为目标采集配置模板在每个采集配置模板单元上的数据实时采集集中行为分布。
子步骤S1144,根据每个采集行为节点所对应的数据实时采集集中行为分布,确定每个采集行为节点所对应的数据实时采集DLL文件的采集控制信息。
子步骤S1145,基于每个采集行为节点所对应的数据实时采集DLL文件的采集控制信息对当前的数据实时采集DLL文件进行编译配置,得到每个采集行为节点所对应的数据实时采集控制进程。
图3为本公开实施例提供的瓦楞芯纸生产在线连续监控装置300的功能模块示意图,本实施例可以根据上述服务器100执行的方法实施例对该瓦楞芯纸生产在线连续监控装置300进行功能模块的划分,也即该瓦楞芯纸生产在线连续监控装置300所对应的以下各个功能模块可以用于执行上述服务器100执行的各个方法实施例。其中,该瓦楞芯纸生产在线连续监控装置300可以包括调用模块310、第一提取模块320、第二提取模块330以及确定模块340,下面分别对该瓦楞芯纸生产在线连续监控装置300的各个功能模块的功能进行详细阐述。
调用模块310,用于通过服务器的生产在线监控程序调用通过现场集群服务进行数据实时采集的数据实时采集控制进程,基于数据实时采集控制进程,获取与预设生产数据采集模板相关的生产在线连续监控数据。其中,调用模块310可以用于执行上述的步骤S110,关于调用模块310的详细实现方式可以参照上述针对步骤S110的详细描述即可。
第一提取模块320,用于对生产在线连续监控数据进行特征提取以获取生产数据变化向量,并根据生产数据变化向量确定与当前预设生产数据采集模板对应的生产标签状态预测信息,提取生产标签状态预测信息的生产标签状态矩阵表示信息。其中,第一提取模块320可以用于执行上述的步骤S120,关于第一提取模块320的详细实现方式可以参照上述针对步骤S120的详细描述即可。
第二提取模块330,用于对过往生产状态记录信息对应的向量及生产数据变化向量进行特征提取,以获取对比生产状态记录向量。其中,第二提取模块330可以用于执行上述的步骤S130,关于第二提取模块330的详细实现方式可以参照上述针对步骤S130的详细描述即可。
确定模块340,用于将生产标签状态矩阵表示信息和对比生产状态记录向量进行非线性映射转换,以获取第二非线性映射转换向量,对第二非线性映射转换向量进行特征分析以获取当前生产状态记录信息,并根据当前生产状态记录信息和过往生产状态记录信息确定目标生产状态记录集合,基于目标生产状态记录集合进行监控分类后,得到监控分类结果,并基于所述监控分类结果进行生产调度。其中,确定模块340可以用于执行上述的步骤S140,关于确定模块340的详细实现方式可以参照上述针对步骤S140的详细描述即可。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现。也可以全部以硬件的形式实现。还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,调用模块310可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上调用模块310的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所描述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
图4示出了本公开实施例提供的用于实现上述的瓦楞芯纸生产在线连续监控方法的服务器100的硬件结构示意图,如图4所示,服务器100可包括处理器110、机器可读存储介质120、总线130以及收发器140。
在具体实现过程中,至少一个处理器110执行机器可读存储介质120存储的计算机执行指令(例如图3中所示的瓦楞芯纸生产在线连续监控装置300包括的调用模块310、第一提取模块320、第二提取模块330以及确定模块340),使得处理器110可以执行如上方法实施例的瓦楞芯纸生产在线连续监控方法,其中,处理器110、机器可读存储介质120以及收发器140通过总线130连接,处理器110可以用于控制收发器140的收发动作,从而可以与前述的瓦楞芯纸生产实时记录终端200进行数据收发。
处理器110的具体实现过程可参见上述服务器100执行的各个方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
在上述的图4所示的实施例中,应理解,处理器可以是中央处理器(英文:CentralProcessing Unit,CPU),还可以是其它通用处理器、数字信号处理器(英文:DigitalSignal Processor,DSP)、专用集成电路(英文:Application SpecificIntegratedCircuit,ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
机器可读存储介质120可能包含高速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130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 Interconnect,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。总线130可以分为地址总线、数据总线、控制总线等。为便于表示,本发明附图中的总线并不限定仅有一根总线或一种类型的总线。
此外,本发明实施例还提供一种可读存储介质,所述可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上瓦楞芯纸生产在线连续监控方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
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,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定生产状态记录来描述本说明书的实施例。如“一个实施例”、“一实施例”和/或“一些实施例”意指与本说明书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,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本说明书的各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,或对它们的任何新的和有用的改进。相应地,本说明书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被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储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,或合适的组合形式。计算机存储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、系统或设备以实现通讯、传播或传输供使用的程序。位于计算机存储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、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、VisualBasic、Fortran2003、Perl、COBOL2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其它编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。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(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,除非权利要求中明确说明,本说明书处理元素和序列的顺序、数字字母的使用、或其它名称的使用,并非用于限定本说明书流程和方法的顺序。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,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书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设备实现,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移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,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,这种披露方法并不意味着本说明书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。
最后,应当理解的是,本说明书中实施例仅用以说明本说明书实施例的原则。其它的变形也可能属于本说明书范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (9)
1.一种瓦楞芯纸生产在线连续监控方法,其特征在于,应用于服务器,所述服务器与多个瓦楞芯纸生产实时记录终端通信连接,所述方法包括:
通过所述服务器的生产在线监控程序调用通过现场集群服务进行数据实时采集的数据实时采集控制进程,基于所述数据实时采集控制进程,获取与预设生产数据采集模板相关的生产在线连续监控数据;
对所述生产在线连续监控数据进行特征提取以获取生产数据变化向量,并根据所述生产数据变化向量确定与当前预设生产数据采集模板对应的生产标签状态预测信息,提取所述生产标签状态预测信息的生产标签状态矩阵表示信息;
对过往生产状态记录信息对应的向量及所述生产数据变化向量进行特征提取,以获取对比生产状态记录向量;
将所述生产标签状态矩阵表示信息和所述对比生产状态记录向量进行非线性映射转换,以获取第二非线性映射转换向量,对所述第二非线性映射转换向量进行特征分析以获取当前生产状态记录信息,并根据所述当前生产状态记录信息和所述过往生产状态记录信息确定目标生产状态记录集合,基于所述目标生产状态记录集合进行监控分类后,得到监控分类结果,并基于所述监控分类结果进行生产调度;
所述通过所述服务器的生产在线监控程序调用通过现场集群服务进行数据实时采集的数据实时采集控制进程的步骤,包括:
获取目标数据实时采集任务的数据实时采集配置信息对应的采集模板行为数据,并基于所述采集模板行为数据进行采集行为节点跟踪;
获取预设范围的采集行为节点内每个采集行为节点所对应的采集行为节点信息,其中,所述采集行为节点信息包括采集行为节点类别、采集行为权限范围以及采集行为属性信息,所述采集行为节点类别用于采集行为节点所覆盖的生产运行设备,所述采集行为权限范围用于指示所述采集行为节点的权限分配信息,所述采集行为属性信息用于指示所述采集行为节点内的采集行为分布;
根据所述每个采集行为节点所对应的采集行为节点信息,生成所述每个采集行为节点所对应的数据实时采集优化信息,其中,所述数据实时采集优化信息用于对初始采集配置模板进行配置模板项目优化处理或配置模板项目强化处理,所述数据实时采集优化信息与所述采集行为节点具有一一对应的关系;
采用所述每个采集行为节点所对应的数据实时采集优化信息,对所述每个采集行为节点所对应的初始采集配置模板进行处理,得到所述每个采集行为节点所对应的目标采集配置模板,并根据所述每个采集行为节点所对应的目标采集配置模板,生成通过现场集群服务进行数据实时采集的数据实时采集控制进程,其中,所述数据实时采集优化信息、所述初始采集配置模板以及所述目标采集配置模板具有一一对应的关系;
通过所述服务器的生产在线监控程序调用所述数据实时采集控制进程。
2.根据权利要求1所述的瓦楞芯纸生产在线连续监控方法,其特征在于,所述对所述生产在线连续监控数据进行特征提取以获取生产数据变化向量,包括:
对所述生产在线连续监控数据中的各类生产在线连续监控更新变化数据进行特征提取,以获取多个更新变化向量;
将各所述更新变化向量进行非线性映射转换,以获取第一非线性映射转换向量;
对所述第一非线性映射转换向量进行分类处理,以获取所述生产数据变化向量。
3.根据权利要求2所述的瓦楞芯纸生产在线连续监控方法,其特征在于,所述生产在线连续监控数据包括:过往生产在线连续监控记录,以及所述过往生产在线连续监控记录中各生产在线连续监控过程信息所对应的生产在线连续监控标签信息、生产在线连续监控交互信息和预设生产数据采集模板的调用配置信息;
所述对所述生产在线连续监控数据中的各类生产在线连续监控更新变化数据进行特征提取,以获取多个更新变化向量,包括:
对所述过往生产在线连续监控记录中各生产在线连续监控过程信息进行特征提取,以获取与各所述生产在线连续监控过程信息对应的第一更新变化向量;
对所述生产在线连续监控交互信息进行特征提取以获取生产在线连续监控交互特征,并对所述生产在线连续监控交互特征进行分类,以获取第二更新变化向量;
根据所述生产在线连续监控标签信息在生产在线连续监控标签查找表中进行索引,以获取第三更新变化向量;
根据所述调用配置信息在接入配置查找表中进行索引,以获取第四更新变化向量。
4.根据权利要求1所述的瓦楞芯纸生产在线连续监控方法,其特征在于,所述根据所述生产数据变化向量确定与当前预设生产数据采集模板对应的生产标签状态预测信息,包括:
对所述生产数据变化向量进行分类,以获取生产在线连续监控数据分类结果;
对所述生产在线连续监控数据分类结果中的每个生产在线连续监控分类标签所包括的生产标签状态进行汇集,得到与当前预设生产数据采集模板对应的生产标签状态预测信息。
5.根据权利要求1所述的瓦楞芯纸生产在线连续监控方法,其特征在于,所述对过往生产状态记录信息对应的向量及所述生产数据变化向量进行特征提取,以获取对比生产状态记录向量,包括:
对所述过往生产状态记录信息进行特征向量提取以获取过往生产状态记录向量,并对所述过往生产状态记录向量进行特征提取,以获取过往生产状态记录向量;
对所述过往生产状态记录向量和所述生产数据变化向量进行特征提取,并对特征提取后的向量进行分类处理,以获取所述对比生产状态记录向量;
其中,所述获取第二非线性映射转换向量还包括:
将所述生产标签状态矩阵表示信息、与所述当前预设生产数据采集模板对应的生产在线连续监控配置特征和所述对比生产状态记录向量进行非线性映射转换,以获取所述第二非线性映射转换向量。
6.根据权利要求1-5中任意一项所述的瓦楞芯纸生产在线连续监控方法,其特征在于,所述对所述第二非线性映射转换向量进行特征分析以获取当前生产状态记录信息,并根据所述当前生产状态记录信息和所述过往生产状态记录信息确定目标生产状态记录集合的步骤,包括:
获取所述第二非线性映射转换向量中每个生产状态记录所表征的材料生产监控参量,获取所述材料生产监控参量的控制参量特征和前n个过往调度生产在线连续监控记录对应的溯源参量特征,n为正整数;
获取所述溯源参量特征中当前个溯源控制节点的溯源控制配置特征,对所述控制参量特征、所述前n个过往调度生产在线连续监控记录对应的溯源参量特征和所述溯源控制配置特征进行最大期望算法处理,得到所述当前个溯源控制节点对应的溯源参量特征;
对所述当前个溯源控制节点对应的溯源参量特征和所述控制参量特征进行最大期望算法处理,得到所述当前个溯源控制节点对应的当前生产状态记录信息;
将所述当前生产状态记录信息和所述过往生产状态记录信息确定为目标生产状态记录集合。
7.根据权利要求6所述的瓦楞芯纸生产在线连续监控方法,其特征在于,所述对所述控制参量特征、所述前n个过往调度生产在线连续监控记录对应的溯源参量特征和所述溯源控制配置特征进行最大期望算法处理,得到所述当前个溯源控制节点对应的溯源参量特征,包括:
获取第i个过往调度生产在线连续监控记录对应的第一溯源参量特征,i为正整数且i的起始值为1;
对所述控制参量特征、所述第一溯源参量特征和所述溯源控制配置特征进行最大期望算法处理,输出第i+1个过往调度生产在线连续监控记录对应的第二溯源参量特征;
重复上述输出所述第二溯源参量特征的步骤,将第n+1个过往调度生产在线连续监控记录对应的第二溯源参量特征确定为所述当前个溯源控制节点对应的溯源参量特征;
所述对所述控制参量特征、所述第一溯源参量特征和所述溯源控制配置特征进行最大期望算法处理,输出第i+1个过往调度生产在线连续监控记录对应的第二溯源参量特征,包括:
调用第j个输出单元对所述控制参量特征、所述第一溯源参量特征和所述溯源控制配置特征进行最大期望算法处理,输出第一最大期望挖掘信息,所述第一最大期望挖掘信息是所述第i+1个过往调度生产在线连续监控记录对应的挖掘信息;
对所述第j个输出单元输出的第一最大期望挖掘信息进行k-means聚类处理,得到第一k-means聚类分簇结果;
对所述第一k-means聚类分簇结果和所述控制参量特征进行k-means聚类处理,得到第二k-means聚类分簇结果;
对所述第二k-means聚类分簇结果和所述第i个过往调度生产在线连续监控记录对应的第一溯源参量特征进行k-means聚类处理,得到第三k-means聚类分簇结果;
对所述第三k-means聚类分簇结果进行k-means聚类处理,得到第j+1个输出单元输出的第二最大期望挖掘信息,所述第二最大期望挖掘信息是所述第i+1个过往调度生产在线连续监控记录对应的挖掘信息,j+1≤k,j为正整数且j的起始值为1;
重复上述输出所述第二最大期望挖掘信息的步骤,将最后一个输出单元输出的第二最大期望挖掘信息确定为所述第i+1个过往调度生产在线连续监控记录对应的第二溯源参量特征。
8.根据权利要求6所述的瓦楞芯纸生产在线连续监控方法,其特征在于,所述对所述当前个溯源控制节点对应的溯源参量特征和所述控制参量特征进行最大期望算法处理,得到所述当前个溯源控制节点对应的当前生产状态记录信息,包括:
获取所述当前个溯源控制节点对应的实际生产状态记录信息中已输出的生产状态记录的生产状态记录特征;
对所述当前个溯源控制节点对应的溯源参量特征、所述控制参量特征和所述生产状态记录特征进行最大期望算法处理,输出所述当前个溯源控制节点对应的当前生产状态记录信息;
所述对所述当前个溯源控制节点对应的溯源参量特征、所述控制参量特征和所述生产状态记录特征进行最大期望算法处理,输出所述当前个溯源控制节点对应的当前生产状态记录信息,包括:
调用第m个挖掘单元对所述当前个溯源控制节点对应的溯源参量特征、所述控制参量特征和所述生产状态记录特征进行最大期望算法处理,输出所述当前个溯源控制节点对应的第三最大期望挖掘信息;
对所述第m个挖掘单元输出的第三最大期望挖掘信息进行中间解码处理,得到第一k-means聚类分簇结果;
对所述第一k-means聚类分簇结果、所述控制参量特征和所述当前个溯源控制节点对应的溯源参量特征进行概率分类估计处理,得到第二k-means聚类分簇结果;
对所述第二k-means聚类分簇结果进行特征提取,得到第m+1个挖掘单元输出的当前个溯源控制节点对应的第四最大期望挖掘信息,m+1≤t,m为正整数且m的起始值为1;
重复上述输出所述第四最大期望挖掘信息的步骤,将最后一个挖掘单元输出的生产状态记录确定为所述当前个溯源控制节点对应的当前生产状态记录信息。
9.一种瓦楞芯纸生产在线连续监控系统,其特征在于,所述瓦楞芯纸生产在线连续监控系统包括服务器以及与所述服务器通信连接的多个瓦楞芯纸生产实时记录终端;
所述服务器,用于:
通过所述服务器的生产在线监控程序调用通过现场集群服务进行数据实时采集的数据实时采集控制进程,基于所述数据实时采集控制进程,获取与预设生产数据采集模板相关的生产在线连续监控数据;
对所述生产在线连续监控数据进行特征提取以获取生产数据变化向量,并根据所述生产数据变化向量确定与当前预设生产数据采集模板对应的生产标签状态预测信息,提取所述生产标签状态预测信息的生产标签状态矩阵表示信息;
对过往生产状态记录信息对应的向量及所述生产数据变化向量进行特征提取,以获取对比生产状态记录向量;
将所述生产标签状态矩阵表示信息和所述对比生产状态记录向量进行非线性映射转换,以获取第二非线性映射转换向量,对所述第二非线性映射转换向量进行特征分析以获取当前生产状态记录信息,并根据所述当前生产状态记录信息和所述过往生产状态记录信息确定目标生产状态记录集合,基于所述目标生产状态记录集合进行监控分类后,得到监控分类结果,并基于所述监控分类结果进行生产调度;
所述通过所述服务器的生产在线监控程序调用通过现场集群服务进行数据实时采集的数据实时采集控制进程的方式,包括:
获取目标数据实时采集任务的数据实时采集配置信息对应的采集模板行为数据,并基于所述采集模板行为数据进行采集行为节点跟踪;
获取预设范围的采集行为节点内每个采集行为节点所对应的采集行为节点信息,其中,所述采集行为节点信息包括采集行为节点类别、采集行为权限范围以及采集行为属性信息,所述采集行为节点类别用于采集行为节点所覆盖的生产运行设备,所述采集行为权限范围用于指示所述采集行为节点的权限分配信息,所述采集行为属性信息用于指示所述采集行为节点内的采集行为分布;
根据所述每个采集行为节点所对应的采集行为节点信息,生成所述每个采集行为节点所对应的数据实时采集优化信息,其中,所述数据实时采集优化信息用于对初始采集配置模板进行配置模板项目优化处理或配置模板项目强化处理,所述数据实时采集优化信息与所述采集行为节点具有一一对应的关系;
采用所述每个采集行为节点所对应的数据实时采集优化信息,对所述每个采集行为节点所对应的初始采集配置模板进行处理,得到所述每个采集行为节点所对应的目标采集配置模板,并根据所述每个采集行为节点所对应的目标采集配置模板,生成通过现场集群服务进行数据实时采集的数据实时采集控制进程,其中,所述数据实时采集优化信息、所述初始采集配置模板以及所述目标采集配置模板具有一一对应的关系;
通过所述服务器的生产在线监控程序调用所述数据实时采集控制进程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011329418.9A CN112327788B (zh) | 2020-11-24 | 2020-11-24 | 一种瓦楞芯纸生产在线连续监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011329418.9A CN112327788B (zh) | 2020-11-24 | 2020-11-24 | 一种瓦楞芯纸生产在线连续监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112327788A CN112327788A (zh) | 2021-02-05 |
CN112327788B true CN112327788B (zh) | 2021-05-18 |
Family
ID=74322313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011329418.9A Active CN112327788B (zh) | 2020-11-24 | 2020-11-24 | 一种瓦楞芯纸生产在线连续监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112327788B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113095600B (zh) * | 2021-05-10 | 2021-11-09 | 骊阳(广东)节能科技股份有限公司 | 一种热电联产远程监测控制方法及系统 |
CN115759698B (zh) * | 2022-12-06 | 2023-07-28 | 中山联合鸿兴造纸有限公司 | 基于数字工厂的瓦楞原纸生产进度数据监控方法及系统 |
CN115814686B (zh) * | 2023-02-14 | 2023-04-18 | 博纯材料股份有限公司 | 一种镭射气体混配生产系统的状态监控方法及系统 |
CN116430819B (zh) * | 2023-06-12 | 2023-08-18 | 云印技术(深圳)有限公司 | 生产数据采集方法、装置、设备及存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107631684A (zh) * | 2017-09-18 | 2018-01-26 | 河南省新斗彩印刷有限公司 | 瓦楞纸板生产线实时监控方法 |
US20190147463A1 (en) * | 2017-11-10 | 2019-05-16 | Walmart Apollo, Llc | Systems and methods for planogram generation for a facility |
CN208255671U (zh) * | 2018-04-28 | 2018-12-18 | 海南金海浆纸业有限公司 | 一种纸张生产车间运行监控装置 |
CN109840718B (zh) * | 2019-02-28 | 2023-02-07 | 东北大学 | 一种基于组态的生产指标可视化监控系统及方法 |
CN209648698U (zh) * | 2019-04-01 | 2019-11-19 | 江西伟强智能科技有限公司 | 一种矩阵式工业物料智能分拣物料架 |
CN112215273A (zh) * | 2020-01-04 | 2021-01-12 | 孟小峰 | 基于云平台的智能楼宇信息监控方法及智能楼宇系统 |
CN111915135A (zh) * | 2020-07-01 | 2020-11-10 | 河北建投能源投资股份有限公司 | 一种生产运营监管系统 |
CN111736646B (zh) * | 2020-07-14 | 2021-05-04 | 界首市鑫华装璜彩印有限公司 | 基于云计算的纸箱生产设备数据传输监控系统 |
-
2020
- 2020-11-24 CN CN202011329418.9A patent/CN112327788B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112327788A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112327788B (zh) | 一种瓦楞芯纸生产在线连续监控方法及系统 | |
CN112221155B (zh) | 基于人工智能和大数据的游戏数据识别方法及游戏云中心 | |
CN112988873A (zh) | 一种数据处理方法和装置 | |
CN112115162A (zh) | 基于电子商务云计算的大数据处理方法及人工智能服务器 | |
CN112684396B (zh) | 电能表运行误差监测模型的数据预处理方法及系统 | |
CN112463205B (zh) | 基于ai和大数据的应用程序管理方法及人工智能服务器 | |
CN113472860A (zh) | 大数据和数字化环境下的业务资源分配方法及服务器 | |
CN112612872A (zh) | 一种实现人工智能可解释的方法、装置、设备及存储介质 | |
CN116737975A (zh) | 应用于图像分析的公共卫生数据查询方法及系统 | |
CN115641176B (zh) | 一种数据分析方法及ai系统 | |
CN115512344A (zh) | 一种三维实景图像识别处理方法、系统及云平台 | |
CN115470900A (zh) | 一种神经网络模型的剪枝方法、装置及设备 | |
CN115481197A (zh) | 一种分布式数据处理方法、系统及云平台 | |
CN112306731B (zh) | 基于Spacy词向量的两阶段判别缺陷报告严重程度预测方法 | |
CN114661980B (zh) | 一种网页数据推送方法、系统及云平台 | |
CN111984744A (zh) | 基于远程通信和人工智能的信息处理方法及云端服务平台 | |
CN111242195A (zh) | 模型、保险风控模型训练方法、装置及电子设备 | |
US20230316123A1 (en) | Machine learning pipeline with visualizations | |
CN114168410A (zh) | 基于大数据的智能控制蒸发冷却方法及系统 | |
CN114996319B (zh) | 基于规则引擎的数据处理方法、装置、设备及存储介质 | |
CN115761192A (zh) | 一种基于虚拟现实的内容分发控制方法及系统 | |
CN116185963A (zh) | 一种电力数据文件的处理系统和方法 | |
CN113792057A (zh) | 一种业务数据标准字典匹配方法 | |
CN112633379A (zh) | 一种物联网数据融合方法及系统 | |
CN113609170A (zh) | 基于神经网络的在线办工数据处理方法及系统 |
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 |