CN112990766B - 一种产品搬送路径中不良根因设备的确定方法、系统、装置及介质 - Google Patents
一种产品搬送路径中不良根因设备的确定方法、系统、装置及介质 Download PDFInfo
- Publication number
- CN112990766B CN112990766B CN202110413755.4A CN202110413755A CN112990766B CN 112990766 B CN112990766 B CN 112990766B CN 202110413755 A CN202110413755 A CN 202110413755A CN 112990766 B CN112990766 B CN 112990766B
- Authority
- CN
- China
- Prior art keywords
- data
- product
- bad
- equipment
- product conveying
- 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
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000010586 diagram Methods 0.000 claims abstract description 17
- 238000012163 sequencing technique Methods 0.000 claims abstract description 15
- 238000003860 storage Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 18
- 230000002950 deficient Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 230000007547 defect Effects 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 32
- 230000002776 aggregation Effects 0.000 abstract description 18
- 238000004220 aggregation Methods 0.000 abstract description 18
- 238000004519 manufacturing process Methods 0.000 abstract description 11
- 238000012360 testing method Methods 0.000 abstract description 8
- 238000012795 verification Methods 0.000 abstract description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000009960 carding Methods 0.000 abstract description 2
- 239000000047 product Substances 0.000 description 124
- 239000011521 glass Substances 0.000 description 14
- 238000012986 modification Methods 0.000 description 11
- 230000004048 modification Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000011265 semifinished product Substances 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 101000652133 Homo sapiens STE20-like serine/threonine-protein kinase Proteins 0.000 description 1
- 101000601460 Homo sapiens Serine/threonine-protein kinase Nek4 Proteins 0.000 description 1
- 102100030571 STE20-like serine/threonine-protein kinase Human genes 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012994 industrial processing Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种产品搬送路径中不良根因设备的确定方法、系统、装置及介质，涉及智能制造与人工智能领域，本发明综合考虑了不良产品聚集数量和产品不良发生的可能性而设计的综合指标，通过降序排序，能有效排除类似产品聚集数量的设备的干扰，使得真正可疑的设备排序靠前，本方法更从产品聚集分析的角度，提供了简便的路径流图的绘制方法，能快速验证可疑候选设备的可靠性，极大缩减传统分析方法的时间成本，实现快速搜索根因，减少人工梳理海量搬送路径和测试验证的负担，提高不良根因定位效率，减少生产成本；本方法既有效排除非可疑设备的干扰又给出快速验证可疑设备可靠性的分析方法，减少线上冗余的验证测试，更具有可实施性和可靠性。
Description
技术领域
本发明涉及智能制造与人工智能领域，具体地，涉及产品搬送路径中不良根因设备的确定方法及系统及装置及介质。
背景技术
在产品生产过程中，产品按调度计划投入生产，某阶段制作工艺完成并从制程设备输出后，或者出于工艺需要，或者下一个工艺的制程设备尚处于拥堵状态等情况，输出的半成品产品将会被运往临时存储货架(STK)存放，待可继续加工时送往对应的制程设备，记运送小车(CST)。STK和CST在所有工艺站点都是共享使用，假若某时刻T,STK或者CST出现导致产品不良的污染，在T时刻之后所有使用该设备的产品均大概率趋向于不良。对于定位如上描述的导致产品不良的根因设备，现有技术方法一般是假设STK或CST数量较多，产品有较多选择分散在不同位置，通过直接统计检出不良产品经过某STK或CST位置的不同不良产品数量来评估当前设备的可疑性。
传统方法认为不良的路径根因分析只需关注不良样本，通过不良样本的路径交叉聚集效果，自然能快速找到根因设备。传统方法仅依赖于单一的数量指标，搜出的可疑候选设备中确实含有真正的根因设备，但同时含有大量同样聚集数量的其他设备。在业务人员在生产线上测试可疑候选设备时，真正的根因设备可能排在同聚集量候选设备的末尾，不可避免的产生大量冗余测试，降低产能又增加了大量测试成本以及时间消耗。另外不可避免的是，假若存在多个根因设备，由于多设备对不良样本的分散效果，使得根因设备上的不良聚集数量甚至低于正常的主路径上的设备，此时根因设备往往非常靠后，已不可能通过线上逐个测试找到根因设备。
发明内容
为解决传统分析方法效率低时间成本高问题，本发明提供了产品搬送路径中不良根因设备的确定方法及系统及装置及介质，本发明中的技术方案能够提高不良根因设备定位效率，减少生产成本。
为实现上述目的，本发明提供了产品搬送路径中不良根因设备的确定方法，包括步骤：
获取一定时间段内的产品搬送过程相关历史数据；
对所述历史数据中的第一数据以第一类型设备为条件进行分组，得到若干第一分组数据，并分别通过统一的指标计算方式对所述第一分组数据进行赋值，并排序，得到第二数据；
对所述第一数据以产品搬送路径为条件进行分组，得到若干第二分组数据，并分别通过所述指标计算方式对所述第二分组数据进行赋值，并排序，得到第三数据，所述指标计算方式中带入参数包含所述历史数据中的不良数据；
根据所述第二数据和第三数据确定所述不良根因设备。
其中，产品搬送履历的路径错综复杂，传统的基于不良玻璃历史路径追踪难免陷入循环进入相同设备，处理海量路径关系的困境，而且梳理到最后仅依赖不良产品数量作为单一分析指标，无法有效排除大量类似产品数量的设备。本方法参考传统的聚集分析思路，综合考虑了不良产品数量和设备不良发生的可能性而设计的指标，通过排序，能有效排除类似产品数量的设备的干扰，使得真正可疑的产品搬送路径不良根因设备排序靠前，进而能够快速找出产品搬送路径不良根因设备，提高不良根因设备定位效率，减少生产成本。
优选的，本方法中所述第二数据中相邻第一分组数据的所述赋值的差值用于判断所述第一分组数据的可靠性。
优选的，本方法还包括步骤：
对所述到第三数据进行可视化处理后，再结合所述第二数据确定所述不良根因设备。
优选的，本方法所述历史数据包括：所述一定时间段内的所述产品搬送过程中的良样本数据、产品ID数据、搬送起点设备数据、搬送终点设备数据，以及所述不良数据。
优选的，本方法中所述产品搬送路径由所述搬送起点设备数据和搬送终点设备数据连接衍生得到。
优选的，本方法中所述历史数据还包括端口数据，所述端口数据为所述搬送终点设备的端口数据，在都对所述第一数据以第一类型设备为条件进行分组前，先通过所述端口数据中端口值为空筛选所述第一数据。
优选的，本方法中所述不良数据包括不良聚集数量数据、不良产品数量数据。
优选的，本方法中所述排序均为降序排序。
优选的，本方法中所述指标计算方式为，其中，s为所述指标，x为所述第一分组数据或所述第二分组数据中的不良聚集数量，y为所述第一分组数据或所述第二分组数据中的产品数量，z为所述历史数据中的不良产品数量，不良聚集数量为不良产品的聚集数量。其中，指标基于工厂业务指标不良占比【x/z】和不良发生率【x/y】这两个比例指标，利用几何平均同时考虑两者效应，为表达方便，这里使用几何平均结果的平方变换，不改变指标特性。
优选的，本方法基于产品id从所述历史数据中抽取搬送状态为已完成的履历记录，获得所述第一数据。产品搬送履历数据为产品加工工艺或加工系统中记录的数据，可以随时获取和调取。
优选的，本方法中还包括以下步骤：
从所述第三数据中抽取排序前若干位的候选产品搬送路径，并且保留所述候选产品搬送路径对应产品搬送路径分组的产品数量和不良产品数量数据列，得到第四数据；
基于所述第四数据绘制产品搬送路径流量图；
基于所述产品搬送路径流量图，获得所述产品搬送路径流量图中每个节点的良产品流量和不良产品流量，基于每个节点的良产品流量和不良产品流量，判断该节点对应的设备是否为产品搬送路径不良根因设备。
其中，本方法可以根据第四数据绘制产品搬送路径流量图，进而可以根据产品搬送路径流量图获得所述产品搬送路径流量图中每个节点的良样本流量和不良样本流量，基于每个节点的良样本流量和不良样本流量，判断该节点是否为产品搬送路径不良根因设备，通过产品搬送路径流量图，直观的以良样本路径做对比参考分析不良样本的汇聚节点，可以发现，同样是不良高度聚集的节点，相比于大量良样本汇入流经的节点，良样本汇入流经量偏少甚至几乎没有的节点的即为产品搬送路径不良根因设备，通过绘制产品搬送路径流量图可以快速准确的定位产品搬送路径不良根因设备。
其中，在获得产品搬送路径不良根因候选设备后有两种方式进行处理，第一种方式是对产品搬送路径不良根因候选设备逐一进行测试直至最终发现产品搬送路径不良根因设备，虽然第一种方式相较于传统的方式效率有所提高，但是仍然需要进行一些测试，本方法还提供了第二种方式，即基于所述第二数据获得产品搬送路径不良根因候选设，将所述产品搬送路径不良根因候选设备置入所述产品搬送路径流量图中作为所述产品搬送路径流量图中的节点，即结合所述第二数据和所述第三数据；获得每个所述产品搬送路径不良根因候选设备对应节点的良产品流量；基于每个所述产品搬送路径不良根因候选设备对应节点的良产品流量排序结果获得产品搬送路径不良根因设备。通过第二种方式从产品聚集分析的角度，提供了简便的产品搬送路径流量图的绘制方法，能快速验证产品搬送路径不良根因候选设备是否为真正的产品搬送路径不良根因设备，极大缩减传统分析方法的时间成本，实现快速搜索定位产品搬送路径不良根因设备，减少人工梳理海量搬送路径和测试验证的负担，提高不良根因定位效率，减少生产成本。
优选的，本方法中所述基于所述第四数据绘制产品搬送路径流量图，具体包括：
读取所述第四数据，第一线条的两端对应不良产品的搬送设备，所述第一线条的指向为不良产品的搬送路径方向，所述第一线条的宽度与流经所述第一线条端点搬运设备上的不良产品数量呈正比；第二线条的两端对应良产品的搬送设备，所述第二线条的指向为良产品的搬送路径方向，所述第二线条的宽度与流经所述第二线条端点搬运设备上的良样本数量呈正比。
优选的，本方法中所述不良根因设备为所述产品加工用临时存储设备或所述产品加工搬运用运输设备。因为产品在生产后需要进行运输或进行临时存储，这些运输设备或临时存储设备都可能是根因设备，需要进行相应的分析。
本发明还提供了一种产品搬送路径中不良根因设备的确定系统，所述系统包括：
历史数据获取单元，用于获取一定时间段内的产品搬送过程相关历史数据；
第二数据获得单元，用于对所述历史数据中的第一数据以第一类型设备为条件进行分组，得到若干第一分组数据，并分别通过统一的指标计算方式对所述第一分组数据进行赋值，并排序，得到第二数据；
第三数据获得单元，用于对所述第一数据以产品搬送路径为条件进行分组，得到若干第二分组数据，并分别通过所述指标计算方式对所述第二分组数据进行赋值，并排序，得到第三数据，所述指标计算方式中带入参数包含所述历史数据中的不良数据；
不良根因设备确定单元，用于根据所述第二数据和第三数据确定所述不良根因设备。
本发明还提供了一种产品搬送路径中不良根因设备的确定装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述产品搬送路径中不良根因设备的确定方法的步骤。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述产品搬送路径中不良根因设备的确定方法的步骤。
本发明提供的一个或多个技术方案，至少具有如下技术效果或优点：
产品搬送履历的路径错综复杂，传统的基于不良产品历史路径追踪难免陷入循环进入相同设备，处理海量路径关系的困境，而且梳理到最后仅依赖不良产品聚集数量作为单一分析指标，无法有效排除大量类似产品聚集数量的设备。本方法参考传统的产品聚集分析思路，综合考虑了不良产品聚集数量和产品不良发生的可能性而设计的指标，通过降序排序，能有效排除类似产品聚集数量的设备的干扰，使得真正可疑的设备排序靠前，同时，本方法更从产品聚集分析的角度，提供了简便的路径流图的绘制方法，能快速验证可疑候选设备的可靠性，极大缩减传统分析方法的时间成本，实现快速搜索根因，减少人工梳理海量搬送路径和测试验证的负担，提高不良根因定位效率，减少生产成本。
本方法弥补了传统自动化分析方法在搬送履历数据分析上速度慢效果不理想的缺陷，既有效排除非可疑设备的干扰又给出快速验证可疑设备可靠性的分析方法，减少线上冗余的验证测试，更具有可实施性和可靠性。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本发明的一部分，并不构成对本发明实施例的限定；
图1为产品搬送路径中不良根因设备的确定方法的流程示意图；
图2产品路径流量图；
图3为产品搬送路径中不良根因设备的确定系统的组成示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在相互不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述范围内的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书使用流程图说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
实施例一
本发明实施例一提供了产品搬送路径中不良根因设备的确定方法，如图1所示，图1为产品搬送路径中不良根因设备的确定方法的流程示意图，所述方法包括：
获取一定时间段内的产品搬送过程相关历史数据；
对所述历史数据中的第一数据以第一类型设备为条件进行分组，得到若干第一分组数据，并分别通过统一的指标计算方式对所述第一分组数据进行赋值，并排序，得到第二数据；
对所述第一数据以产品搬送路径为条件进行分组，得到若干第二分组数据，并分别通过所述指标计算方式对所述第二分组数据进行赋值，并排序，得到第三数据，所述指标计算方式中带入参数包含所述历史数据中的不良数据；
根据所述第二数据和第三数据确定所述不良根因设备。
其中，在本发明实施例中，所述第二数据中相邻第一分组数据的所述赋值的差值用于判断所述第一分组数据的可靠性。
其中，在本发明实施例中，所述方法还包括步骤：
对所述到第三数据进行可视化处理后，再结合所述第二数据确定所述不良根因设备。
其中，在本发明实施例中，所述历史数据包括：所述一定时间段内的所述产品搬送过程中的良样本数据、产品ID数据、搬送起点设备数据、搬送终点设备数据，以及所述不良数据。
其中，在本发明实施例中，所述产品搬送路径由所述搬送起点设备数据和搬送终点设备数据连接衍生得到。
其中，在本发明实施例中，所述历史数据还包括端口数据，所述端口数据为所述搬送终点设备的端口数据，在都对所述第一数据以第一类型设备为条件进行分组前，先通过所述端口数据中端口值为空筛选所述第一数据。
其中，在本发明实施例中，所述不良数据包括不良聚集数量数据、不良产品数量数据。
其中，在本发明实施例中，所述排序均为降序排序。
其中，本发明实施例中的产品可以为多种类型的工业加工产品，本发明实施例对产品的具体类型不进行限定，待分析设备包括临时存储设备和运输设备，临时存储设备用于存储半成品产品，运输设备用于将产品在制程设备之间运输，如临时存储货架STK、运送小车CST、转运小车、转运托盘等等，本发明对待分析设备的具体形式也不进行限定。
下面以产品为玻璃，待分析设备为STK时对本方法进行详细介绍，但本方法并不局限于以下实施方式：
本实施例中的方法综合考虑不良样本在待分析设备上的聚集数量和产品不良发生的可能性指标，形成第一综合指标后做排序筛选，同时结合路径对比分析给出候选可疑设备的可靠性评估。本方法弥补了现有单指标方法无法快速有效定位可疑设备的不足，同时提供了可疑设备的可靠性评估，极大缩减传统分析方法的时间成本，实现快速搜索根因设备，减少人工处理大量搬送履历数据和测试验证的负担，提高不良根因设备定位效率，减少生产成本。
具体实施步骤如下：
假设分析临时存储设备STK，基于不良样本以及同时间段范围内的良样本组合构成分析样本，以样本玻璃id为主键从搬送履历数据中抽取搬送状态为已完成的履历记录，涉及字段包括玻璃id、搬送起点设备、搬送终点设备、搬送终点设备端口，并将搬送起点设备和搬送终点设备用下划线连接衍生形成新的数据列，命名为路径，整个数据宽表记为分析数据1，另记玻璃样本不良标签1、良标签0，数据记为标签数据；
在分析数据1中，以搬送终点设备端口值为空的筛选条件，得到搬运送往临时存储设备STK的记录，保留玻璃id、搬送终点设备字段，并将搬送终点设备字段重命名为STK，去除重复数据后的数据宽表记为分析数据2；
将分析数据2和标签数据按玻璃id关联后，按STK分组统计不良聚集数量和分组玻璃样本量，另计算标签数据中不良玻璃数量。遍历STK组别，计算第一综合指标，所述第一综合指标采用以下方式计算，其中，s1为所述第一综合指标，x1为每组所述待分析设备的不良聚集数量，y1为每组所述待分析设备的产品样本量，z1为所述标签数据中的不良样本数量。所得统计结果按第一综合指标降序排序，记为分析数据3；
取出分析数据1中分析字段列，包括玻璃id、路径，去重后按玻璃id为主键与标签数据关联，按路径字段分组统计不良聚集数量和分组玻璃样本量，另计算标签数据中不良玻璃数量。遍历路径组别，计算第二综合指标，所述第二综合指标采用以下方式计算，其中，s2为所述第二综合指标降，x2为每组产品搬送路径的不良聚集数量，y2为每组产品搬送路径的产品样本量，z2为所述标签数据中不良产品数量，所得统计结果按第二综合指标降序排序，记为分析数据4；
查看分析数据4，抽取排序前若干位的路径结果，可以为排序前10，也可以为排序前5，本实施例不对排序的具体数值进行限定，保留分组玻璃样本量和不良聚集数量两个字段列，所形成数据表记为分析数据5；
读取分析数据5，用黑色线条表示流经不良样本，线宽度越宽表明流经不良样本量越大；用无色线条表示流经良样本，对应线宽度越宽表明流经良样本量越大。黑线和无色线宽度不做相互对比，以此为准则绘制路径流量图，如图2所示；
初步探查路径流量图，直观的以良样本路径做对比参考分析不良样本的汇聚节点，可以发现，同样是不良产品高度聚集的节点，相比于大量良样本汇入流经的节点，良样本汇入流经量偏少甚至几乎没有的节点即为产品搬送路径不良根因设备的可能性更高；
读取分析数据3，若排序靠前的综合指标远大于后续指标值，比如靠前的0.9以上，后续的0.3以下，此时大于0.9的为可疑候选，若无显著差别，考虑排序前五，综合指标越大越可疑；
最后结合路径流量图，将全部候选设备置入图中，作为流量图中的节点，对比评估各可疑设备的可靠性，可靠性最高的设备为根因设备，如图2中STK2为最可靠的可疑结果，即为根因设备。
实施例二
请参考图3，本发明实施例二提供了产品搬送路径中不良根因设备的确定系统，所述系统包括：
历史数据获取单元，用于获取一定时间段内的产品搬送过程相关历史数据；
第二数据获得单元，用于对所述历史数据中的第一数据以第一类型设备为条件进行分组，得到若干第一分组数据，并分别通过统一的指标计算方式对所述第一分组数据进行赋值，并排序，得到第二数据；
第三数据获得单元，用于对所述第一数据以产品搬送路径为条件进行分组，得到若干第二分组数据，并分别通过所述指标计算方式对所述第二分组数据进行赋值，并排序，得到第三数据，所述指标计算方式中带入参数包含所述历史数据中的不良数据；
不良根因设备确定单元，用于根据所述第二数据和第三数据确定所述不良根因设备。
实施例三
本发明实施例三提供了一种产品搬送路径中不良根因设备的确定装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述产品搬送路径中不良根因设备的确定方法的步骤。
其中，所述处理器可以是中央处理器(CPU，Central Processing Unit)，还可以是其他通用处理器、数字信号处理器(digital signal processor)、专用集成电路(Application Specific Integrated Circuit)、现成可编程门阵列(Fieldprogrammablegate array)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的数据，实现发明中产品搬送路径中不良根因设备的确定装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等。此外，存储器可以包括高速随机存取存储器、还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡，安全数字卡，闪存卡、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
实施例五
本发明实施例五提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述产品搬送路径中不良根因设备的确定方法的步骤。
所述产品搬送路径中不良根因设备的确定装置如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序可存储于一计算机可读存介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码、对象代码形式、可执行文件或某些中间形式等。所述计算机可读取介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存储器、点载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
本发明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词语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，或对他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、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、Visual Basic、Fortran 2003、Perl、COBOL2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。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，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，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。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。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。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (13)
1.产品搬送路径中不良根因设备的确定方法，其特征在于，包括步骤：
获取一定时间段内的产品搬送过程相关历史数据；
对所述历史数据中的第一数据以第一类型设备为条件进行分组，得到若干第一分组数据，并分别通过统一的指标计算方式对所述第一分组数据进行赋值，并排序，得到第二数据；
对所述第一数据以产品搬送路径为条件进行分组，得到若干第二分组数据，并分别通过所述指标计算方式对所述第二分组数据进行赋值，并排序，得到第三数据，所述指标计算方式中带入参数包含所述历史数据中的不良数据；
根据所述第二数据和第三数据确定所述不良根因设备；
所述指标计算方式为，其中，s为所述指标，x为所述第一分组数据中的不良聚集数量，y为所述第一分组数据产品数量；或，x为所述第二分组数据中的不良聚集数量，y为所述第二分组数据产品数量；
所述方法还包括以下步骤：
从所述第三数据中抽取排序前若干位的候选产品搬送路径，并且保留所述候选产品搬送路径对应产品搬送路径分组的产品数量和不良产品数量数据列，得到第四数据；
基于所述第四数据绘制产品搬送路径流量图；
基于所述产品搬送路径流量图，获得所述产品搬送路径流量图中每个节点的良产品流量和不良产品流量，基于每个节点的良产品流量和不良产品流量，判断该节点对应的设备是否为产品搬送路径不良根因设备；
所述基于所述第四数据绘制产品搬送路径流量图，具体包括：
读取所述第四数据，第一线条的两端对应不良产品的搬送设备，所述第一线条的指向为不良产品的搬送路径方向，所述第一线条的宽度与流经所述第一线条端点搬运设备上的不良产品数量呈正比；第二线条的两端对应良产品的搬送设备，所述第二线条的指向为良产品的搬送路径方向，所述第二线条的宽度与流经所述第二线条端点搬运设备上的良样本数量呈正比。
2.根据权利要求1所述的产品搬送路径中不良根因设备的确定方法，其特征在于，所述第二数据中相邻第一分组数据的所述赋值的差值用于判断所述第一分组数据的可靠性。
3.根据权利要求1所述的产品搬送路径中不良根因设备的确定方法，其特征在于，还包括步骤：
对所述到第三数据进行可视化处理后，再结合所述第二数据确定所述不良根因设备。
4.根据权利要求1所述的产品搬送路径中不良根因设备的确定方法，其特征在于，所述历史数据包括：所述一定时间段内的所述产品搬送过程中的良样本数据、产品ID数据、搬送起点设备数据、搬送终点设备数据，以及所述不良数据。
5.根据权利要求4所述的产品搬送路径中不良根因设备的确定方法，其特征在于，所述产品搬送路径由所述搬送起点设备数据和搬送终点设备数据连接衍生得到。
6.根据权利要求4所述的产品搬送路径中不良根因设备的确定方法，其特征在于，所述历史数据还包括端口数据，所述端口数据为所述搬送终点设备的端口数据，在都对所述第一数据以第一类型设备为条件进行分组前，先通过所述端口数据中端口值为空筛选所述第一数据。
7.根据权利要求1所述的产品搬送路径中不良根因设备的确定方法，其特征在于，所述不良数据包括不良聚集数量数据、不良产品数量数据。
8.根据权利要求1所述的产品搬送路径中不良根因设备的确定方法，其特征在于，所述排序均为降序排序。
9.根据权利要求1所述的产品搬送路径中不良根因设备的确定方法，其特征在于，基于产品id从所述历史数据中抽取搬送状态为已完成的履历记录，获得所述第一数据。
10.根据权利要求1所述的产品搬送路径中不良根因设备的确定方法，其特征在于，所述不良根因设备为所述产品加工用临时存储设备或所述产品加工搬运用运输设备。
11.产品搬送路径中不良根因设备的确定系统，其特征在于，所述系统包括：
历史数据获取单元，用于获取一定时间段内的产品搬送过程相关历史数据；
第二数据获得单元，用于对所述历史数据中的第一数据以第一类型设备为条件进行分组，得到若干第一分组数据，并分别通过统一的指标计算方式对所述第一分组数据进行赋值，并排序，得到第二数据；
第三数据获得单元，用于对所述第一数据以产品搬送路径为条件进行分组，得到若干第二分组数据，并分别通过所述指标计算方式对所述第二分组数据进行赋值，并排序，得到第三数据，所述指标计算方式中带入参数包含所述历史数据中的不良数据；
不良根因设备确定单元，用于根据所述第二数据和第三数据确定所述不良根因设备；
所述指标计算方式为，其中，s为所述指标，x为所述第一分组数据中的不良聚集数量，y为所述第一分组数据产品数量；或，x为所述第二分组数据中的不良聚集数量，y为所述第二分组数据产品数量；所述不良根因设备确定单元还用于：
从所述第三数据中抽取排序前若干位的候选产品搬送路径，并且保留所述候选产品搬送路径对应产品搬送路径分组的产品数量和不良产品数量数据列，得到第四数据；
基于所述第四数据绘制产品搬送路径流量图；
基于所述产品搬送路径流量图，获得所述产品搬送路径流量图中每个节点的良产品流量和不良产品流量，基于每个节点的良产品流量和不良产品流量，判断该节点对应的设备是否为产品搬送路径不良根因设备；
所述基于所述第四数据绘制产品搬送路径流量图，具体包括：
读取所述第四数据，第一线条的两端对应不良产品的搬送设备，所述第一线条的指向为不良产品的搬送路径方向，所述第一线条的宽度与流经所述第一线条端点搬运设备上的不良产品数量呈正比；第二线条的两端对应良产品的搬送设备，所述第二线条的指向为良产品的搬送路径方向，所述第二线条的宽度与流经所述第二线条端点搬运设备上的良样本数量呈正比。
12.一种产品搬送路径中不良根因设备的确定装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-10中任意一个所述产品搬送路径中不良根因设备的确定方法的步骤。
13.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-10中任意一个所述产品搬送路径中不良根因设备的确定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110413755.4A CN112990766B (zh) | 2021-04-16 | 2021-04-16 | 一种产品搬送路径中不良根因设备的确定方法、系统、装置及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110413755.4A CN112990766B (zh) | 2021-04-16 | 2021-04-16 | 一种产品搬送路径中不良根因设备的确定方法、系统、装置及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112990766A CN112990766A (zh) | 2021-06-18 |
| CN112990766B true CN112990766B (zh) | 2023-10-20 |
Family
ID=76340898
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110413755.4A Active CN112990766B (zh) | 2021-04-16 | 2021-04-16 | 一种产品搬送路径中不良根因设备的确定方法、系统、装置及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112990766B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111106953A (zh) * | 2019-12-16 | 2020-05-05 | 深圳前海微众银行股份有限公司 | 一种异常根因分析的方法及装置 |
| CN111641519A (zh) * | 2020-04-30 | 2020-09-08 | 平安科技（深圳）有限公司 | 异常根因定位方法、装置及存储介质 |
| CN111932394A (zh) * | 2020-08-10 | 2020-11-13 | 成都数之联科技有限公司 | 一种基于关联规则挖掘的不良根因路径分析方法及系统 |
| CN112152830A (zh) * | 2019-06-28 | 2020-12-29 | 中国电力科学研究院有限公司 | 一种智能的故障根因分析方法及系统 |
| WO2020259392A1 (zh) * | 2019-06-25 | 2020-12-30 | 深圳前海微众银行股份有限公司 | 一种异常任务的根因任务确定方法及装置 |
-
2021
- 2021-04-16 CN CN202110413755.4A patent/CN112990766B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020259392A1 (zh) * | 2019-06-25 | 2020-12-30 | 深圳前海微众银行股份有限公司 | 一种异常任务的根因任务确定方法及装置 |
| CN112152830A (zh) * | 2019-06-28 | 2020-12-29 | 中国电力科学研究院有限公司 | 一种智能的故障根因分析方法及系统 |
| CN111106953A (zh) * | 2019-12-16 | 2020-05-05 | 深圳前海微众银行股份有限公司 | 一种异常根因分析的方法及装置 |
| CN111641519A (zh) * | 2020-04-30 | 2020-09-08 | 平安科技（深圳）有限公司 | 异常根因定位方法、装置及存储介质 |
| CN111932394A (zh) * | 2020-08-10 | 2020-11-13 | 成都数之联科技有限公司 | 一种基于关联规则挖掘的不良根因路径分析方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 利用大数据分析技术的智能化网络故障诊断系统;朱永庆;黄新宇;唐宏;陈江山;程康;包德伟;;《电讯技术》(第10期);全文 * |
| 基于FPgrowth机器学习的影响用户感知无线根因问题的快速定位方法研究;杨磊;《江苏通信》;第35卷(第2期);56-62 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112990766A (zh) | 2021-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111563074B (zh) | 一种基于多维标签的数据质量检测方法和系统 | |
| CN105051729A (zh) | 数据记录的选择 | |
| CN110781971A (zh) | 一种商户类型识别方法、装置、设备和可读介质 | |
| CN113190220A (zh) | Json文件差异化对比方法及装置 | |
| CN108897765A (zh) | 一种数据批量导入方法及其系统 | |
| CN111860698A (zh) | 确定学习模型的稳定性的方法和装置 | |
| CN102709207B (zh) | 质量评估设备、方法和使计算机执行质量评估方法的程序 | |
| CN107066302A (zh) | 缺陷检测方法、装置及服务终端 | |
| CN112990766B (zh) | 一种产品搬送路径中不良根因设备的确定方法、系统、装置及介质 | |
| CN105787004A (zh) | 一种文本分类方法及装置 | |
| CN110287114B (zh) | 一种数据库脚本性能测试的方法及装置 | |
| CN113987240B (zh) | 一种基于知识图谱的海关检样溯源方法及系统 | |
| CN111784246A (zh) | 物流路径的估测方法 | |
| CN111738290A (zh) | 图像检测方法、模型构建和训练方法、装置、设备和介质 | |
| CN113032514B (zh) | 兴趣点数据处理方法及装置 | |
| CN107391728A (zh) | 数据挖掘方法以及数据挖掘装置 | |
| CN110708414B (zh) | 一种电话号码的排序方法、装置及电子设备 | |
| CN112446601A (zh) | 不可算台区数据诊断方法及系统 | |
| CN113344150A (zh) | 识别污损码点的方法、装置、介质及电子设备 | |
| CN112418652B (zh) | 一种风险识别方法及相关装置 | |
| CN110968690A (zh) | 词语的聚类划分方法和装置、设备以及存储介质 | |
| CN111258894B (zh) | 软件风险的评价方法、装置、存储介质及电子设备 | |
| CN117973566B (zh) | 训练数据处理方法、装置及相关设备 | |
| CN117827648A (zh) | 测试项目风险评估方法、装置及电子设备、存储介质 | |
| CN116596661A (zh) | 基于征信数据的企业信用评估方法、装置、设备及介质 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 610042 No. 270, floor 2, No. 8, Jinxiu street, Wuhou District, Chengdu, Sichuan Applicant after: Chengdu shuzhilian Technology Co.,Ltd. Address before: No.2, floor 4, building 1, Jule road crossing, Section 1, West 1st ring road, Wuhou District, Chengdu City, Sichuan Province 610041 Applicant before: CHENGDU SHUZHILIAN TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |