CN112749893A - 一种基于云计算的数据挖掘服务平台 - Google Patents

一种基于云计算的数据挖掘服务平台 Download PDF

Info

Publication number
CN112749893A
CN112749893A CN202110026154.8A CN202110026154A CN112749893A CN 112749893 A CN112749893 A CN 112749893A CN 202110026154 A CN202110026154 A CN 202110026154A CN 112749893 A CN112749893 A CN 112749893A
Authority
CN
China
Prior art keywords
product
data
value
processing
environment
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.)
Granted
Application number
CN202110026154.8A
Other languages
English (en)
Other versions
CN112749893B (zh
Inventor
李成范
杜睿琪
刘岚
黄治源
赵俊娟
童维勤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai University of Engineering Science
University of Shanghai for Science and Technology
Original Assignee
Shanghai University of Engineering Science
University of Shanghai for Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai University of Engineering Science, University of Shanghai for Science and Technology filed Critical Shanghai University of Engineering Science
Priority to CN202110026154.8A priority Critical patent/CN112749893B/zh
Publication of CN112749893A publication Critical patent/CN112749893A/zh
Application granted granted Critical
Publication of CN112749893B publication Critical patent/CN112749893B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395Quality analysis or management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2458Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465Query processing support for facilitating data mining operations in structured databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Fuzzy Systems (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Factory Administration (AREA)

Abstract

本发明属于数据挖掘领域,涉及云计算技术,具体是一种基于云计算的数据挖掘服务平台,包括处理器,所述处理器通信连接有数据采集模块、数据存储模块、产品质量检测模块、设备检测模块、环境检测模块以及云平台,所述云平台通信连接有数据分类模块,所述数据采集模块包括产品数据采集单元、设备数据采集单元以及环境数据采集单元,所述设备数据采集单元用于对加工设备的加工平台表面图像进行采集,通过设置的数据分类模块可以对产品数据进行深度分析,对生产不合格产品进行剔除之后再对剩余的合格产品进行数据分类,缩短的数据处理的时间,提高了数据分类的效率。

Description

一种基于云计算的数据挖掘服务平台
技术领域
本发明属于数据挖掘领域,涉及云计算技术,具体是一种基于云计算的数据挖掘服务平台。
背景技术
数据挖掘通常与计算机科学有关,并通过统计、在线分析处理、情报检索、机器学习、专家系统和模式识别等诸多方法来实现上述目标;数据挖掘是人工智能和数据库领域研究的热点问题,所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。
公告号为CN109670695B的发明专利揭示了基于离群数据挖掘的机械产品加工工序异常并行检测方法,该基于离群数据挖掘的机械产品加工工序异常并行检测方法通过检测合格产品中加工工序的异常现象,从而发现制造系统中的设备性能衰退、精度缺失、易耗件的磨损、工艺参数的不稳定等一系列隐性问题,同时所涉及的离群数据挖掘方法有效提高了离群挖掘的效率和准确性;但是该基于离群数据挖掘的机械产品加工工序异常并行检测方法在检测出产品的加工的隐性问题后不能够快速检测出导致隐性问题的原因,因此在检测出具有隐性问题的产品之后需要耗费大量的时间对加工设备以及加工环境进行排查,降低了设备的生产效率。
公告号为CN106649329A的发明专利揭示了一种安全生产大数据挖掘系统,该安全生产大数据挖掘系统能够减少人工的参与量,对事故隐患数据库中输入的数据进行多层面、全方位的挖掘处理,并将挖掘结果进一步结构分析后,进行分类、可视化等处理,具有高效率、高准确、高价值等优点;但是该安全生产大数据挖掘系统在对数据进行分类之前没有对数据进行分析评级,并对产品加工是否合格进行判断,导致对数据分类时存在很多加工无合格产品的无效数据,降低了数据处理速度与数据分类效率。
公告号为CN110096532A的发明专利揭示了一种安全生产大数据分析挖掘方法和系统,该安全生产大数据分析挖掘方法和系统有效利用并分析隐患排查数据、执法检查数据、安全生产事故数据,揭示了隐患排查的重点、执法检查的重点以及事故规律,以提前发现事故隐患,降低事故发生的概率,发现事故隐患、揭示事故规律,进而降低生产安全事故的发生,实现从“事后管理”到“事前预防”的转变,实现企业的安全生产;但是该安全生产大数据分析挖掘方法和系统没有对之前发生的事故进行数据分类评级,在对事故进行预测分析时存在不准确现象。
发明内容
本发明的目的在于提供一种基于云计算的数据挖掘服务平台;
本发明需要解决的技术问题为:
(1)如何提供一种可以在出现不良产品时快速排查找出产品加工影响因素的数据挖掘服务平台;
(2)如何提供一种去除无效数据之后再对数据进行分类的数据挖掘服务平台。
本发明的目的可以通过以下技术方案实现:
一种基于云计算的数据挖掘服务平台,包括处理器,所述处理器通信连接有数据采集模块、数据存储模块、产品质量检测模块、设备检测模块、环境检测模块以及云平台,所述云平台通信连接有数据分类模块;
所述数据分类模块用于根据产品的质量系数对产品数据进行分类,具体的分类过程包括以下步骤:
步骤W1:将不合格产品进行剔除,将剩余合格的产品标记为v,v=1,2,……s,获取合格产品v的生产周期、生产成本以及销售价格;
步骤W2:将合格产品v的生产周期、生产成本以及销售价格分别标记为ZQv、CBv以及SJv,通过数据存储模块获取生产周期阈值ZQmin、生产成本阈值CBmin以及销售价格阈值SJmin,将合格产品v的生产周期、生产成本以及销售价格逐一与生产周期阈值、生产成本阈值以及销售价格阈值进行比较,将生产周期小于生产周期阈值的合格产品标记为快速生产产品,将生产成本小于生产成本阈值的合格产品标记为低价产品,将销售价格低于销售价格阈值的合格产品标记为快销产品;
步骤W3:将快速生产产品、低价产品以及快销产品全部从合格产品的合集中剔除,对剩余的合格产品进行下一步分析;
步骤W4:通过公式
Figure BDA0002890304140000031
得到产品的市场系数,其中λ1、λ2以及λ3均为比例系数,k为修正因子;
步骤W4:通过数据存储模块获取市场系数阈值SCmax与SCmin,SCmax>SCmin,将市场系数SCv与市场系数阈值SCmin、SCmax进行比较:
若SCv≤SCmin,则判定对应产品为一级产品;
若SCmin<SCv≤SCmax,则判定对应产品为二级产品;
若SCv>SCmax,则判定对应产品为三级产品。
进一步地,所述数据采集模块包括产品数据采集单元、设备数据采集单元以及环境数据采集单元,所述产品数据采集单元用于对产品加工参数进行采集,所述产品加工参数包括平面度数据、粗糙度数据以及重量数据,所述平面度数据为产品顶面、底面以及四个侧面的平面度的平均值,所述粗糙度数据为产品顶面与底面的粗糙度的平均值,所述重量数据为产品重量与标准重量的差值;
所述设备数据采集单元用于对加工设备的加工平台表面图像进行采集;
所述环境数据采集单元用于对产品加工的环境数据进行采集,所述环境数据包括温度数据、湿度数据以及灰尘数据,温度数据为加工平台表面温度值与工件表面温度值的平均值,湿度数据为加工平台表面湿度值与工件表面湿度值的平均值,灰尘数据为加工平台表面灰尘浓度值与工件表面灰尘浓度值的平均值。
进一步地,所述产品质量检测模块用于根据产品数据对产品的生产质量进行分析评估,得到产品的质量系数ZLx,具体的分析过程包括以下步骤:
步骤S1:将产品顶面、底面以及四个侧面的平面度的平均值标记为PMd,将产品顶面与底面的粗糙度的平均值标记为CCd,将产品重量与标准重量的差值标记为ZLc;
步骤S2:通过公式
Figure BDA0002890304140000041
得到产品的质量系数ZLx,其中α1、α2以及α3均为比例系数,且α1>α2>α3;
步骤S3:将产品的质量系数ZLx与质量系数阈值ZLmax进行比较:
若ZLx≤ZLmax,则判定产品的质量为合格,将对应产品标记为合格产品;
若ZLx>ZLmax,则判定产品的质量为不合格,将对应产品标记为不合格产品;
步骤S4:获取检测产品的总数并将总数标记为ZS,获取不合格产品的数量并将不合格产品的数量标记为BH,通过公式
Figure BDA0002890304140000051
得到检测产品的不合格率P,其中β为比例系数,且0<β<1;
步骤S5:将检测产品的不合格率P与不合格率阈值Pmax进行比较:
若P<Pmax,则判定产品的生产质量满足加工要求;
若P≥Pmax,则判定产品的生产质量不满足加工要求,产品质量检测模块向处理器发送加工设备检测信号与加工环境检测信号。
进一步地,所述处理器接收到加工设备检测信号后将加工设备检测信号发送至设备检测模块,所述设备检测模块接收到加工设备检测信号后对产品的加工设备进行检测,具体的检测过程包括以下步骤:
步骤Q1:对加工设备的加工平台进行拍摄,并将拍摄的图像标记为对比图像,将对比图像进行图像分割得到图像区域i,i=1,2,……n,对图像区域i进行图像预处理得到图像区域i的平均灰度值,将图像区域i的平均灰度值标记为HDi,图像预处理包括图像增强与灰度变换;
步骤Q2:通过数据存储模块获取到灰度阈值HDmax,将图像区域i的平均灰度值逐一与灰度阈值进行比较,将平均灰度值大于灰度阈值的图像区域标记为污染区域;
步骤Q3:获取污染区域的区域数量并将污染区域的区域数量标记为m,通过公式
Figure BDA0002890304140000052
得到对比图像的污染系数WRx,其中γ为比例系数;
步骤Q4:获取污染系数阈值WRmax,将污染系数WRx与污染系数阈值WRmax进行比较:
若WR≥WRmax,则判定加工设备的加工平台表面存在污染物,影响产品的正常加工,导致产品加工精度降低,加工平台不满足生产标准,设备检测模块向处理器发送加工平台清洁信号;
若WR<WRmax,则判定加工设备的加工平台表面不存在污染物,加工平台满足生产标准。
进一步地,所述处理器接收到加工环境检测信号后将加工环境检测信号发送至环境检测模块,所述环境检测模块接收到加工环境检测信号后,通过加工环境的温度数据、湿度数据以及灰尘数据对产品的加工环境进行检测分析,温度数据为加工平台表面温度值与工件表面温度值的平均值,湿度数据为加工平台表面湿度值与工件表面湿度值的平均值,灰尘数据为加工平台表面灰尘浓度值与工件表面灰尘浓度值的平均值,具体的检测分析过程包括以下步骤:
步骤U1:获取加工平台表面温度值与工件表面温度值的平均值并将温度平均值标记为WDp,获取加工平台表面湿度值与工件表面湿度值的平均值并将湿度平均值标记为SDp,获取加工平台表面灰尘浓度值与工件表面灰尘浓度值的平均值并将灰尘浓度值标记为HCp;
步骤U2:通过公式
Figure BDA0002890304140000061
得到环境系数HJx,其中o为修正因子,θ1、θ2以及θ3均为比例系数,e为自然常数,e=2.71828;
步骤U3:通过数据存储模块获取到环境系数阈值HJmax,将环境系数HJx与环境系数阈值HJmax进行比较:
若HJx≥HJmax,则判定产品的加工环境不满足加工要求,环境检测模块向处理器发送环境调节信号;
若HJx<HJmax,则判定产品的加工环境满足加工要求。
本发明具备下述有益效果:
1、通过设置的数据分类模块可以对产品数据进行深度分析,在通过对产品进行合格检测之后,按照产品的生产周期、生产成本以及销售价格对产品进行定位,将生产周期小于生产周期阈值的合格产品标记为快速生产产品,将生产成本小于生产成本阈值的合格产品标记为低价产品,将销售价格低于销售价格阈值的合格产品标记为快销产品,并且对于生产周期、生产成本以及销售价格分别高于生产周期阈值、生产成本阈值以及销售价格阈值的产品进行市场系数计算,通过得到的市场系数与市场系数阈值进行对比,将对应产品标记为一级产品、二级产品以及三级产品;
2、通过产品数据采集单元、设备数据采集单元以及环境数据采集单元可以对产品加工参数、加工设备的加工平台表面图像以及环境数据进行采集,产品加工参数包括平面度数据、粗糙度数据以及重量数据,平面度数据为产品顶面、底面以及四个侧面的平面度的平均值,粗糙度数据为产品顶面与底面的粗糙度的平均值,重量数据为产品重量与标准重量的差值,环境数据包括温度数据、湿度数据以及灰尘数据,温度数据为加工平台表面温度值与工件表面温度值的平均值,湿度数据为加工平台表面湿度值与工件表面湿度值的平均值,灰尘数据为加工平台表面灰尘浓度值与工件表面灰尘浓度值的平均值,采集的数据科学有效,保证检测结果的精确性,避免出现无效检测;
3、通过产品质量检测模块可以对产品的加工质量进行检测分析,通过产品的平面度数据、粗糙度数据以及重量数据计算得到产品的质量系数,通过将产品的质量系数与质量系数阈值进行对比可以判断产品是否满足加工要求,并将不满足加工要求的产品数量与产品检测总数进行计算得到产品质量检测的不合格率,当产品的不合格率不满足加工要求时,向处理器发送加工设备检测信号以及加工环境检测信号,对产品加工不合格的原因进行进一步的分析;
4、通过设备检测模块可以对加工设备的加工平台进行检测,对加工平台的表面进行图像拍摄之后,将拍摄的图像分割为若干个区域,对每一个区域进行图像预处理得到每个图像区域的灰度平均值,通过将灰度平均值逐一与灰度阈值进行比较,将灰度平均值高于灰度阈值的区域标记为污染区域,将污染区域与区域总量的比值标记为污染系数,通过将污染系数与污染系数阈值进行比较可以判断加工平面是否存在污染物,从而判断产品加工不合格是否由加工平面的污染物引起,若是,则直接对加工平台的表面进行清洁即可保证后续产品的加工能够满足生产标准;
5、通过设置的环境检测模块可以通过温度数据、湿度数据以及灰尘数据对加工环境进行检测分析,在得到环境数据后可以直接对产品加工不合格的原因进行分析,快速找出导致产品加工不合格的原因。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1为本发明原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种基于云计算的数据挖掘服务平台,包括处理器,所述处理器通信连接有数据采集模块、数据存储模块、产品质量检测模块、设备检测模块、环境检测模块以及云平台,所述云平台通信连接有数据分类模块;
所述数据采集模块包括产品数据采集单元、设备数据采集单元以及环境数据采集单元,所述产品数据采集单元用于对产品加工参数进行采集,所述产品加工参数包括平面度数据、粗糙度数据以及重量数据,所述平面度数据为产品顶面、底面以及四个侧面的平面度的平均值,所述粗糙度数据为产品顶面与底面的粗糙度的平均值,所述重量数据为产品重量与标准重量的差值;
所述设备数据采集单元用于对加工设备的加工平台表面图像进行采集;
所述环境数据采集单元用于对产品加工的环境数据进行采集,所述环境数据包括温度数据、湿度数据以及灰尘数据,温度数据为加工平台表面温度值与工件表面温度值的平均值,湿度数据为加工平台表面湿度值与工件表面湿度值的平均值,灰尘数据为加工平台表面灰尘浓度值与工件表面灰尘浓度值的平均值;
所述产品质量检测模块用于根据产品数据对产品的生产质量进行分析评估,得到产品的质量系数ZLx,具体的分析过程包括以下步骤:
步骤S1:将产品顶面、底面以及四个侧面的平面度的平均值标记为PMd,将产品顶面与底面的粗糙度的平均值标记为CCd,将产品重量与标准重量的差值标记为ZLc;
步骤S2:通过公式
Figure BDA0002890304140000091
得到产品的质量系数ZLx,其中α1、α2以及α3均为比例系数,且α1>α2>α3;
步骤S3:将产品的质量系数ZLx与质量系数阈值ZLmax进行比较:
若ZLx≤ZLmax,则判定产品的质量为合格,将对应产品标记为合格产品;
若ZLx>ZLmax,则判定产品的质量为不合格,将对应产品标记为不合格产品;
步骤S4:获取检测产品的总数并将总数标记为ZS,获取不合格产品的数量并将不合格产品的数量标记为BH,通过公式
Figure BDA0002890304140000101
得到检测产品的不合格率P,其中β为比例系数,且0<β<1;
步骤S5:将检测产品的不合格率P与不合格率阈值Pmax进行比较:
若P<Pmax,则判定产品的生产质量满足加工要求;
若P≥Pmax,则判定产品的生产质量不满足加工要求,产品质量检测模块向处理器发送加工设备检测信号与加工环境检测信号。
所述处理器接收到加工设备检测信号后将加工设备检测信号发送至设备检测模块,所述设备检测模块接收到加工设备检测信号后对产品的加工设备进行检测,具体的检测过程包括以下步骤:
步骤Q1:对加工设备的加工平台进行拍摄,并将拍摄的图像标记为对比图像,将对比图像进行图像分割得到图像区域i,i=1,2,……n,对图像区域i进行图像预处理得到图像区域i的平均灰度值,将图像区域i的平均灰度值标记为HDi,图像预处理包括图像增强与灰度变换;
步骤Q2:通过数据存储模块获取到灰度阈值HDmax,将图像区域i的平均灰度值逐一与灰度阈值进行比较,将平均灰度值大于灰度阈值的图像区域标记为污染区域;
步骤Q3:获取污染区域的区域数量并将污染区域的区域数量标记为m,通过公式
Figure BDA0002890304140000102
得到对比图像的污染系数WRx,其中γ为比例系数;
步骤Q4:获取污染系数阈值WRmax,将污染系数WRx与污染系数阈值WRmax进行比较:
若WR≥WRmax,则判定加工设备的加工平台表面存在污染物,影响产品的正常加工,可能会导致产品加工精度降低,加工平台不满足生产标准,设备检测模块向处理器发送加工平台清洁信号;
若WR<WRmax,则判定加工设备的加工平台表面不存在污染物,加工平台满足生产标准。
所述处理器接收到加工环境检测信号后将加工环境检测信号发送至环境检测模块,所述环境检测模块接收到加工环境检测信号后,通过加工环境的温度数据、湿度数据以及灰尘数据对产品的加工环境进行检测分析,温度数据为加工平台表面温度值与工件表面温度值的平均值,湿度数据为加工平台表面湿度值与工件表面湿度值的平均值,灰尘数据为加工平台表面灰尘浓度值与工件表面灰尘浓度值的平均值,具体的检测分析过程包括以下步骤:
步骤U1:获取加工平台表面温度值与工件表面温度值的平均值并将温度平均值标记为WDp,获取加工平台表面湿度值与工件表面湿度值的平均值并将湿度平均值标记为SDp,获取加工平台表面灰尘浓度值与工件表面灰尘浓度值的平均值并将灰尘浓度值标记为HCp;
步骤U2:通过公式
Figure BDA0002890304140000111
得到环境系数HJx,其中o为修正因子,θ1、θ2以及θ3均为比例系数,e为自然常数,e=2.71828;
步骤U3:通过数据存储模块获取到环境系数阈值HJmax,将环境系数HJx与环境系数阈值HJmax进行比较:
若HJx≥HJmax,则判定产品的加工环境不满足加工要求,环境检测模块向处理器发送环境调节信号;
若HJx<HJmax,则判定产品的加工环境满足加工要求。
所述处理器将产品的质量系数ZLx发送至云平台,所述云平台将产品的质量系数发送至数据分类模块,所述数据分类模块用于根据产品的质量系数对产品数据进行分类,具体的分类过程包括以下步骤:
步骤W1:将不合格产品进行剔除,将剩余合格的产品标记为v,v=1,2,……s,获取合格产品v的生产周期、生产成本以及销售价格;
步骤W2:将合格产品v的生产周期、生产成本以及销售价格分别标记为ZQv、CBv以及SJv,通过数据存储模块获取生产周期阈值ZQmin、生产成本阈值CBmin以及销售价格阈值SJmin,将合格产品v的生产周期、生产成本以及销售价格逐一与生产周期阈值、生产成本阈值以及销售价格阈值进行比较,将生产周期小于生产周期阈值的合格产品标记为快速生产产品,将生产成本小于生产成本阈值的合格产品标记为低价产品,将销售价格低于销售价格阈值的合格产品标记为快销产品;
步骤W3:将快速生产产品、低价产品以及快销产品全部从合格产品的合集中剔除,对剩余的合格产品进行下一步分析;
步骤W4:通过公式
Figure BDA0002890304140000121
得到产品的市场系数,其中λ1、λ2以及λ3均为比例系数,k为修正因子;
步骤W4:通过数据存储模块获取市场系数阈值SCmax与SCmin,SCmax>SCmin,将市场系数SCv与市场系数阈值SCmin、SCmax进行比较:
若SCv≤SCmin,则判定对应产品为一级产品;
若SCmin<SCv≤SCmax,则判定对应产品为二级产品;
若SCv>SCmax,则判定对应产品为三级产品。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
上述公式均是归一化处理取其数值,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况设定。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (5)

1.一种基于云计算的数据挖掘服务平台,其特征在于,包括处理器,所述处理器通信连接有数据采集模块、数据存储模块、产品质量检测模块、设备检测模块、环境检测模块以及云平台,所述云平台通信连接有数据分类模块;
所述数据分类模块用于根据产品的质量系数对产品数据进行分类,具体的分类过程包括以下步骤:
步骤W1:将不合格产品进行剔除,将剩余合格的产品标记为v,v=1,2,……s,获取合格产品v的生产周期、生产成本以及销售价格;
步骤W2:将合格产品v的生产周期、生产成本以及销售价格分别标记为ZQv、CBv以及SJv,通过数据存储模块获取生产周期阈值ZQmin、生产成本阈值CBmin以及销售价格阈值SJmin,将合格产品v的生产周期、生产成本以及销售价格逐一与生产周期阈值、生产成本阈值以及销售价格阈值进行比较,将生产周期小于生产周期阈值的合格产品标记为快速生产产品,将生产成本小于生产成本阈值的合格产品标记为低价产品,将销售价格低于销售价格阈值的合格产品标记为快销产品;
步骤W3:将快速生产产品、低价产品以及快销产品全部从合格产品的合集中剔除,对剩余的合格产品进行下一步分析;
步骤W4:通过公式
Figure FDA0002890304130000011
得到产品的市场系数,其中λ1、λ2以及λ3均为比例系数,k为修正因子;
步骤W4:通过数据存储模块获取市场系数阈值SCmax与SCmin,SCmax>SCmin,将市场系数SCv与市场系数阈值SCmin、SCmax进行比较:
若SCv≤SCmin,则判定对应产品为一级产品;
若SCmin<SCv≤SCmax,则判定对应产品为二级产品;
若SCv>SCmax,则判定对应产品为三级产品。
2.根据权利要求1所述的一种基于云计算的数据挖掘服务平台,其特征在于,所述数据采集模块包括产品数据采集单元、设备数据采集单元以及环境数据采集单元,所述产品数据采集单元用于对产品加工参数进行采集,所述产品加工参数包括平面度数据、粗糙度数据以及重量数据,所述平面度数据为产品顶面、底面以及四个侧面的平面度的平均值,所述粗糙度数据为产品顶面与底面的粗糙度的平均值,所述重量数据为产品重量与标准重量的差值;
所述设备数据采集单元用于对加工设备的加工平台表面图像进行采集;
所述环境数据采集单元用于对产品加工的环境数据进行采集,所述环境数据包括温度数据、湿度数据以及灰尘数据,温度数据为加工平台表面温度值与工件表面温度值的平均值,湿度数据为加工平台表面湿度值与工件表面湿度值的平均值,灰尘数据为加工平台表面灰尘浓度值与工件表面灰尘浓度值的平均值。
3.根据权利要求2所述的一种基于云计算的数据挖掘服务平台,其特征在于,所述产品质量检测模块用于根据产品数据对产品的生产质量进行分析评估,得到产品的质量系数ZLx,具体的分析过程包括以下步骤:
步骤S1:将产品顶面、底面以及四个侧面的平面度的平均值标记为PMd,将产品顶面与底面的粗糙度的平均值标记为CCd,将产品重量与标准重量的差值标记为ZLc;
步骤S2:通过公式
Figure FDA0002890304130000021
得到产品的质量系数ZLx,其中α1、α2以及α3均为比例系数,且α1>α2>α3;
步骤S3:将产品的质量系数ZLx与质量系数阈值ZLmax进行比较:
若ZLx≤ZLmax,则判定产品的质量为合格,将对应产品标记为合格产品;
若ZLx>ZLmax,则判定产品的质量为不合格,将对应产品标记为不合格产品;
步骤S4:获取检测产品的总数并将总数标记为ZS,获取不合格产品的数量并将不合格产品的数量标记为BH,通过公式
Figure FDA0002890304130000031
得到检测产品的不合格率P,其中β为比例系数,且0<β<1;
步骤S5:将检测产品的不合格率P与不合格率阈值Pmax进行比较:
若P<Pmax,则判定产品的生产质量满足加工要求;
若P≥Pmax,则判定产品的生产质量不满足加工要求,产品质量检测模块向处理器发送加工设备检测信号与加工环境检测信号。
4.根据权利要求3所述的一种基于云计算的数据挖掘服务平台,其特征在于,所述处理器接收到加工设备检测信号后将加工设备检测信号发送至设备检测模块,所述设备检测模块接收到加工设备检测信号后对产品的加工设备进行检测,具体的检测过程包括以下步骤:
步骤Q1:对加工设备的加工平台进行拍摄,并将拍摄的图像标记为对比图像,将对比图像进行图像分割得到图像区域i,i=1,2,……n,对图像区域i进行图像预处理得到图像区域i的平均灰度值,将图像区域i的平均灰度值标记为HDi,图像预处理包括图像增强与灰度变换;
步骤Q2:通过数据存储模块获取到灰度阈值HDmax,将图像区域i的平均灰度值逐一与灰度阈值进行比较,将平均灰度值大于灰度阈值的图像区域标记为污染区域;
步骤Q3:获取污染区域的区域数量并将污染区域的区域数量标记为m,通过公式
Figure FDA0002890304130000041
得到对比图像的污染系数WRx,其中γ为比例系数;
步骤Q4:获取污染系数阈值WRmax,将污染系数WRx与污染系数阈值WRmax进行比较:
若WR≥WRmax,则判定加工设备的加工平台表面存在污染物,影响产品的正常加工,导致产品加工精度降低,加工平台不满足生产标准,设备检测模块向处理器发送加工平台清洁信号;
若WR<WRmax,则判定加工设备的加工平台表面不存在污染物,加工平台满足生产标准。
5.根据权利要求3所述的一种基于云计算的数据挖掘服务平台,其特征在于,所述处理器接收到加工环境检测信号后将加工环境检测信号发送至环境检测模块,所述环境检测模块接收到加工环境检测信号后,通过加工环境的温度数据、湿度数据以及灰尘数据对产品的加工环境进行检测分析,温度数据为加工平台表面温度值与工件表面温度值的平均值,湿度数据为加工平台表面湿度值与工件表面湿度值的平均值,灰尘数据为加工平台表面灰尘浓度值与工件表面灰尘浓度值的平均值,具体的检测分析过程包括以下步骤:
步骤U1:获取加工平台表面温度值与工件表面温度值的平均值并将温度平均值标记为WDp,获取加工平台表面湿度值与工件表面湿度值的平均值并将湿度平均值标记为SDp,获取加工平台表面灰尘浓度值与工件表面灰尘浓度值的平均值并将灰尘浓度值标记为HCp;
步骤U2:通过公式
Figure FDA0002890304130000042
得到环境系数HJx,其中o为修正因子,θ1、θ2以及θ3均为比例系数,e为自然常数,e=2.71828;
步骤U3:通过数据存储模块获取到环境系数阈值HJmax,将环境系数HJx与环境系数阈值HJmax进行比较:
若HJx≥HJmax,则判定产品的加工环境不满足加工要求,环境检测模块向处理器发送环境调节信号;
若HJx<HJmax,则判定产品的加工环境满足加工要求。
CN202110026154.8A 2021-01-08 2021-01-08 一种基于云计算的数据挖掘服务平台 Active CN112749893B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110026154.8A CN112749893B (zh) 2021-01-08 2021-01-08 一种基于云计算的数据挖掘服务平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110026154.8A CN112749893B (zh) 2021-01-08 2021-01-08 一种基于云计算的数据挖掘服务平台

Publications (2)

Publication Number Publication Date
CN112749893A true CN112749893A (zh) 2021-05-04
CN112749893B CN112749893B (zh) 2021-09-24

Family

ID=75650468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110026154.8A Active CN112749893B (zh) 2021-01-08 2021-01-08 一种基于云计算的数据挖掘服务平台

Country Status (1)

Country Link
CN (1) CN112749893B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113469560A (zh) * 2021-07-19 2021-10-01 北京东华博泰科技有限公司 一种基于工业大数据的云平台数据管理系统
CN114935703A (zh) * 2022-07-26 2022-08-23 成都市克莱微波科技有限公司 一种变频组件自动测试方法、装置及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002149222A (ja) * 2000-11-08 2002-05-24 Mitsubishi Electric Corp 製品の生産ラインにおける品質管理方法および品質管理システム
CN106546197A (zh) * 2016-10-28 2017-03-29 重庆工商职业学院 基于水平自校准的抛光表面检测方法及其系统
CN110084490A (zh) * 2019-04-04 2019-08-02 红云红河烟草(集团)有限责任公司 一种卷包车间质量风险预警的方法
CN110455343A (zh) * 2019-09-03 2019-11-15 高亚青 一种基于大数据的商品质量检测系统
CN111721719A (zh) * 2020-06-30 2020-09-29 詹晨 一种基于大数据的生鲜商品安全智能检测管理系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002149222A (ja) * 2000-11-08 2002-05-24 Mitsubishi Electric Corp 製品の生産ラインにおける品質管理方法および品質管理システム
CN106546197A (zh) * 2016-10-28 2017-03-29 重庆工商职业学院 基于水平自校准的抛光表面检测方法及其系统
CN110084490A (zh) * 2019-04-04 2019-08-02 红云红河烟草(集团)有限责任公司 一种卷包车间质量风险预警的方法
CN110455343A (zh) * 2019-09-03 2019-11-15 高亚青 一种基于大数据的商品质量检测系统
CN111721719A (zh) * 2020-06-30 2020-09-29 詹晨 一种基于大数据的生鲜商品安全智能检测管理系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113469560A (zh) * 2021-07-19 2021-10-01 北京东华博泰科技有限公司 一种基于工业大数据的云平台数据管理系统
CN113469560B (zh) * 2021-07-19 2022-05-10 北京东华博泰科技有限公司 一种基于工业大数据的云平台数据管理系统
CN114935703A (zh) * 2022-07-26 2022-08-23 成都市克莱微波科技有限公司 一种变频组件自动测试方法、装置及系统
CN114935703B (zh) * 2022-07-26 2022-11-29 成都市克莱微波科技有限公司 一种变频组件自动测试方法、装置及系统

Also Published As

Publication number Publication date
CN112749893B (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
CN112749893B (zh) 一种基于云计算的数据挖掘服务平台
TWI434229B (zh) Cluster system and defect type determination device
CN112070134A (zh) 电力设备图像分类方法、装置、电力设备及存储介质
CN113887908A (zh) 考虑主客观交叉融合权重的桥梁风险评估方法
CN116596305A (zh) 用于食品安全管理的风险分级方法
CN115240146B (zh) 基于计算机视觉的机床装配智能验收方法
CN111159396A (zh) 面向数据共享交换的文本数据分类分级模型的建立方法
CN114972258B (zh) 基于机器视觉的电池表面缺陷检测方法、系统及相关设备
CN111401784B (zh) 一种消防安全等级评估方法
CN115018384A (zh) 一种建筑工地安全风险评估方法及系统
CN114817681B (zh) 一种基于大数据分析的金融风控系统及其管理设备
CN115577808A (zh) 基于多源信息融合的水电机组健康状态评价方法及系统
CN112559591B (zh) 一种用于冷轧辊制造过程的离群检测系统及其检测方法
CN113283768A (zh) 食品检测项目提取方法、装置、设备及存储介质
CN117315365A (zh) 一种基于视觉分析的凸轮轴表面损伤检测系统
CN109632081B (zh) 风力发电机组振动特征提取与差异性判别的方法
CN114021969B (zh) 一种涉农企业安全生产风险指数分析系统
CN115112183A (zh) 一种用于异形机械零件尺寸检测系统
CN116415864A (zh) 基于人工智能的智慧型物流快检机
CN115115626A (zh) 一种机械零件缺陷检测系统及检测方法
CN112732773B (zh) 一种继电保护缺陷数据的唯一性校核方法及系统
CN112418313B (zh) 一种大数据在线噪声过滤系统与方法
CN111143763B (zh) 电力设备状态的评估方法、装置及其存储介质
CN114596296A (zh) 一种高灵敏度的热轧钢卷端面缺陷识别系统及方法
CN113449966A (zh) 一种石膏板设备巡检方法及系统

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