CN113031556A - 一种基于网络协同制造的多源工业数据采集系统 - Google Patents
一种基于网络协同制造的多源工业数据采集系统 Download PDFInfo
- Publication number
- CN113031556A CN113031556A CN202110294371.5A CN202110294371A CN113031556A CN 113031556 A CN113031556 A CN 113031556A CN 202110294371 A CN202110294371 A CN 202110294371A CN 113031556 A CN113031556 A CN 113031556A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- profit
- order
- enterprises
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 128
- 238000004458 analytical method Methods 0.000 claims abstract description 101
- 238000007405 data analysis Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 41
- 238000010276 construction Methods 0.000 claims description 32
- 238000007781 pre-processing Methods 0.000 claims description 18
- 238000012502 risk assessment Methods 0.000 claims description 16
- 238000012423 maintenance Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 6
- 102100036790 Tubulin beta-3 chain Human genes 0.000 claims description 3
- 102100036788 Tubulin beta-4A chain Human genes 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003442 weekly effect Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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] or 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] or 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]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于网络协同制造的多源工业数据采集系统，本发明涉及多源工业数据采集技术领域，解决了现有技术中不能够对企业进行生产分析，导致工业数据采集的准确性降低的技术问题，通过数据采集单元对工业订单信息进行采集，随后对工业进行数据分析，获取到一周内企业接收订单的频率、企业平均每周接收订单的数量以及企业一周的产量与订单量的比值，通过公式获取到企业的生产分析系数Xi，将企业的生产分析系数Xi与企业的名称一一对应，随后将企业的生产分析系数Xi和企业的名称一同发送至协同制造平台；对企业进行生产分析，提高工业数据采集的准确性。
Description
技术领域
本发明涉及多源工业数据采集技术领域，具体为一种基于网络协同制造的多源工业数据采集系统。
背景技术
协同制造是21世纪的现代制造模式。它也是敏捷制造、协同商务、智能制造、云制造的核心内容。协同制造充分利用Internet技术为特征的网络技术、信息技术，协同制造将串行工作变为并行工程，实现供应链内及跨供应链间的企业产品设计、制造、管理和商务等的合作的生产模式，最终通过改变业务经营模式与方式达到资源最充分利用的目的。
但是在现有技术中，不能够对企业进行生产分析，导致工业数据采集的准确性降低。
发明内容
本发明的目的就在于提出一种基于网络协同制造的多源工业数据采集系统，通过数据采集单元对工业订单信息进行采集，随后对工业进行数据分析，获取到一周内企业接收订单的频率、企业平均每周接收订单的数量以及企业一周的产量与订单量的比值，通过公式获取到企业的生产分析系数Xi，将企业的生产分析系数Xi与企业的名称一一对应，随后将企业的生产分析系数Xi和企业的名称一同发送至协同制造平台；对企业进行生产分析，提高工业数据采集的准确性。
本发明的目的可以通过以下技术方案实现：
一种基于网络协同制造的多源工业数据采集系统，包括协同制造平台、数据采集单元、盈利分析单元、风险预估单元、整顿维护单元、注册登录单元以及数据库；
所述数据采集单元用于对工业订单信息进行采集，随后对工业进行数据分析，工业订单信息包括频率数据、数量数据以及比值数据，频率数据为一周内企业接收订单的频率，数量数据为企业平均每周接收订单的数量，比值数据为企业一周的产量与订单量的比值，将企业标记为i，i＝1，2，……，n，n为正整数，具体采集分析过程如下：
步骤S1：获取到一周内企业接收订单的频率，并将一周内企业接收订单的频率标记为PLi；
步骤S2：获取到企业平均每周接收订单的数量，并将企业平均每周接收订单的数量标记为SLi；
步骤S3：获取到企业一周的产量与订单量的比值，并将企业一周的产量与订单量的比值标记为BZi；
步骤S4：通过公式
获取到企业的生产分析系数Xi，其中，a1、a2以及a3均为比例系数，且a1＞a2＞a3＞0；
步骤S5：将企业的生产分析系数Xi与企业的名称一一对应，随后将企业的生产分析系数Xi和企业的名称一同发送至协同制造平台。
进一步地，所述协同制造平台接收到企业的生产分析系数Xi和企业的名称后，生成盈利分析信号并将盈利分析信号发送至盈利分析单元，所述盈利分析单元接收到盈利信号后，对企业进行盈利分析，具体分析过程如下：
步骤SS1：获取到企业的生产分析系数，并将企业的生产分析系数与L1和L2进行数值比较，L1和L2均为企业的生产分析系数阈值：
SS11：若企业的生产分析系数≥L1，则将对应企业标记为一级企业；
SS12：若L2＜企业的生产分析系数＜L1，则将对应企业标记为二级企业；
SS13：若企业的生产分析系数≤L1，则将对应企业标记为三级企业；
步骤SS2：将一级企业、二级企业和三级企业分别对应设置盈利系数阈值u1、u2以及u3，随后对其进行订单盈利数据进行采集，订单盈利数据包括周期数据、金额数据以及回款数据，周期数据为企业待生产订单的平均工期，金额数据为企业待生产订单的平均成本金额，回款数据为企业已经完工订单的汇款速度；
步骤SS3：获取到企业待生产订单的平均工期、企业待生产订单的平均成本金额以及企业已经完工订单的汇款速度，随后将企业待生产订单的平均工期、企业待生产订单的平均成本金额以及企业已经完工订单的汇款速度对应标记为Gi、Bi以及Vi；
步骤SS4：通过公式Yi＝β(Gi×b1+Bi×b2+Vi×b3)获取到企业的盈利分析系数Yi，其中，b1、b2以及b3均为比例系数，且b1＞b2＞b3＞0，β为误差修正因子，取值为2.365212；
步骤SS5：将企业的盈利分析系数Yi与对应企业的盈利系数阈值进行比较：
若企业的盈利分析系数Yi≥对应企业的盈利系数阈值，则判定对应企业运营状态为盈利，并将对应的企业标记为盈利企业，随后将盈利企业发送至协同制造平台；
若企业的盈利分析系数Yi＜对应企业的盈利系数阈值，则判定对应企业运营状态为非盈利，并将对应的企业标记为非盈利企业，随后将非盈利企业发送至协同制造平台。
进一步地，所述协同制造平台接收到非盈利企业后，生成风险预估信号并将风险预估信号发送至风险预估单元，所述风险预估单元接收到风险预估信号后，对非盈利企业的风险数据进行分析，从而对非盈利数据进行风险评估，非盈利企业的风险数据包括工期数据、仓库数据以及垫资数据，工期数据为非盈利企业在工期内无法完成的订单数量，仓库数据为非盈利企业仓库内材料库存数量，垫资数据为非盈利企业进行中的订单总垫资数量，将非盈利企业标记为o，o＝1，2，……，m，m为正整数，具体分析评估过程如下：
步骤T1：获取到非盈利企业在工期内无法完成的订单数量，并将非盈利企业在工期内无法完成的订单数量标记为DDo；
步骤T2：获取到非盈利企业仓库内材料库存数量，并将非盈利企业仓库内材料库存数量标记为KCo；
步骤T3：获取到非盈利企业进行中的订单总垫资数量，并将非盈利企业进行中的订单总垫资数量标记为DZo；
步骤T4：通过公式FXo＝(DDo×v1+KCo×v2+DZo×b3)×(v1+v2+v3)获取到非盈利企业的风险评估系数FXo，其中，v1、v2以及v3均为比例系数，且v1＞v2＞v3＞0；
步骤T5：将非盈利企业的风险评估系数FXo与风险评估系数阈值进行比较：
若非盈利企业的风险评估系数FXo≥风险评估系数阈值，则判定对应的非盈利企业存在风险，生成风险预警信号并将风险预警信号发送至协同制造平台；
若非盈利企业的风险评估系数FXo＜风险评估系数阈值，则判定对应的非盈利企业不存在风险，生成无风险信号并将无风险信号发送至协同制造平台。
进一步地，所述协同制造平台接收到风险预警信号后，将对应的非盈利企业标记为待整顿企业，随后生成整顿信号并将整顿信号和待整顿企业发送至整顿维护单元，所述整顿维护单元接收到整顿信号和待整顿企业后，对待整顿企业进行整顿维护，具体整顿维护信号过程如下：
步骤TT1：将待整顿企业内部的订单进行分析，并将订单划分为加工中订单和加工前订单，获取到加工前订单的预计花费成本和已收的预付款，并将加工前订单的预计花费成本和已收的预付款标记为CB1和YF1，随后通过公式JQ＝CB1×s1+YF1×s2获取到加工前订单的盈利系数JQ，其中，s1和s2均为比例系数，且s1＞s2＞0，将加工前订单的盈利系数JQ与加工前订单的盈利系数阈值进行比较：若加工前订单的盈利系数JQ≥加工前订单的盈利系数阈值，则将对应加工前订单标记为生产订单，若加工前订单的盈利系数JQ＜加工前订单的盈利系数阈值，则将对应加工前订单标记为外报订单；
步骤TT2：获取到加工中订单的剩余订单量和订单生产速度，随后通过加工中订单的剩余订单量和订单生产速度进行比值计算，获取到加工中订单剩余订单的预计生产时间，随后将加工中订单剩余订单的预计生产时间与对应订单的剩余工期进行比较，若加工中订单剩余订单的预计生产时间≥对应订单的剩余工期，则将对应订单标记为预逾期订单，并将预逾期订单发送至管理人员的手机终端，若加工中订单剩余订单的预计生产时间＜对应订单的剩余工期，则将对应订单标记为预完工订单，并将预完工订单发送至管理人员的手机终端。
进一步地，所述注册登录单元用于管理人员和整顿人员通过手机终端提交管理人员信息和整顿人员信息，并将注册成功的管理人员信息和整顿人员信息发送至数据库进行储存，管理人员信息包括管理人员的姓名、年龄、入职时间以及本人实名认证的手机号码，整顿人员信息包括整顿人员的姓名、年龄、入职时间以及本人实名认证的手机号码。
与现有技术相比，本发明的有益效果是：
1、本发明中，通过数据采集单元对工业订单信息进行采集，随后对工业进行数据分析，获取到一周内企业接收订单的频率、企业平均每周接收订单的数量以及企业一周的产量与订单量的比值，通过公式获取到企业的生产分析系数Xi，将企业的生产分析系数Xi与企业的名称一一对应，随后将企业的生产分析系数Xi和企业的名称一同发送至协同制造平台；对企业进行生产分析，提高工业数据采集的准确性；
2、本发明中，通过盈利分析单元接收到盈利信号后，对企业进行盈利分析，获取到企业的生产分析系数，并将企业进行等级划分，将一级企业、二级企业和三级企业分别对应设置盈利系数阈值u1、u2以及u3，获取到企业待生产订单的平均工期、企业待生产订单的平均成本金额以及企业已经完工订单的汇款速度，通过公式获取到企业的盈利分析系数Yi，将企业的盈利分析系数Yi与对应企业的盈利系数阈值进行比较：若企业的盈利分析系数Yi≥对应企业的盈利系数阈值，则判定对应企业运营状态为盈利，并将对应的企业标记为盈利企业，随后将盈利企业发送至协同制造平台；若企业的盈利分析系数Yi＜对应企业的盈利系数阈值，则判定对应企业运营状态为非盈利，并将对应的企业标记为非盈利企业，随后将非盈利企业发送至协同制造平台，对企业进行盈利分析，体现出协同制造的工作效率，提高了数据采集的准确性。
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为本发明的原理框图。
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，一种基于网络协同制造的多源工业数据采集系统，包括协同制造平台、数据采集单元、盈利分析单元、风险预估单元、整顿维护单元、注册登录单元以及数据库；
注册登录单元用于管理人员和整顿人员通过手机终端提交管理人员信息和整顿人员信息，并将注册成功的管理人员信息和整顿人员信息发送至数据库进行储存，管理人员信息包括管理人员的姓名、年龄、入职时间以及本人实名认证的手机号码，整顿人员信息包括整顿人员的姓名、年龄、入职时间以及本人实名认证的手机号码；
数据采集单元用于对工业订单信息进行采集，随后对工业进行数据分析，工业订单信息包括频率数据、数量数据以及比值数据，频率数据为一周内企业接收订单的频率，数量数据为企业平均每周接收订单的数量，比值数据为企业一周的产量与订单量的比值，将企业标记为i，i＝1，2，……，n，n为正整数，具体采集分析过程如下：
步骤S1：获取到一周内企业接收订单的频率，并将一周内企业接收订单的频率标记为PLi；
步骤S2：获取到企业平均每周接收订单的数量，并将企业平均每周接收订单的数量标记为SLi；
步骤S3：获取到企业一周的产量与订单量的比值，并将企业一周的产量与订单量的比值标记为BZi；
步骤S4：通过公式
获取到企业的生产分析系数Xi，其中，a1、a2以及a3均为比例系数，且a1＞a2＞a3＞0；
步骤S5：将企业的生产分析系数Xi与企业的名称一一对应，随后将企业的生产分析系数Xi和企业的名称一同发送至协同制造平台；
协同制造平台接收到企业的生产分析系数Xi和企业的名称后，生成盈利分析信号并将盈利分析信号发送至盈利分析单元，盈利分析单元接收到盈利信号后，对企业进行盈利分析，具体分析过程如下：
步骤SS1：获取到企业的生产分析系数，并将企业的生产分析系数与L1和L2进行数值比较，L1和L2均为企业的生产分析系数阈值：
SS11：若企业的生产分析系数≥L1，则将对应企业标记为一级企业；
SS12：若L2＜企业的生产分析系数＜L1，则将对应企业标记为二级企业；
SS13：若企业的生产分析系数≤L1，则将对应企业标记为三级企业；
步骤SS2：将一级企业、二级企业和三级企业分别对应设置盈利系数阈值u1、u2以及u3，随后对其进行订单盈利数据进行采集，订单盈利数据包括周期数据、金额数据以及回款数据，周期数据为企业待生产订单的平均工期，金额数据为企业待生产订单的平均成本金额，回款数据为企业已经完工订单的汇款速度；
步骤SS3：获取到企业待生产订单的平均工期、企业待生产订单的平均成本金额以及企业已经完工订单的汇款速度，随后将企业待生产订单的平均工期、企业待生产订单的平均成本金额以及企业已经完工订单的汇款速度对应标记为Gi、Bi以及Vi；
步骤SS4：通过公式Yi＝β(Gi×b1+Bi×b2+Vi×b3)获取到企业的盈利分析系数Yi，其中，b1、b2以及b3均为比例系数，且b1＞b2＞b3＞0，β为误差修正因子，取值为2.365212；
步骤SS5：将企业的盈利分析系数Yi与对应企业的盈利系数阈值进行比较：
若企业的盈利分析系数Yi≥对应企业的盈利系数阈值，则判定对应企业运营状态为盈利，并将对应的企业标记为盈利企业，随后将盈利企业发送至协同制造平台；
若企业的盈利分析系数Yi＜对应企业的盈利系数阈值，则判定对应企业运营状态为非盈利，并将对应的企业标记为非盈利企业，随后将非盈利企业发送至协同制造平台；
协同制造平台接收到非盈利企业后，生成风险预估信号并将风险预估信号发送至风险预估单元，风险预估单元接收到风险预估信号后，对非盈利企业的风险数据进行分析，从而对非盈利数据进行风险评估，非盈利企业的风险数据包括工期数据、仓库数据以及垫资数据，工期数据为非盈利企业在工期内无法完成的订单数量，仓库数据为非盈利企业仓库内材料库存数量，垫资数据为非盈利企业进行中的订单总垫资数量，将非盈利企业标记为o，o＝1，2，……，m，m为正整数，具体分析评估过程如下：
步骤T1：获取到非盈利企业在工期内无法完成的订单数量，并将非盈利企业在工期内无法完成的订单数量标记为DDo；
步骤T2：获取到非盈利企业仓库内材料库存数量，并将非盈利企业仓库内材料库存数量标记为KCo；
步骤T3：获取到非盈利企业进行中的订单总垫资数量，并将非盈利企业进行中的订单总垫资数量标记为DZo；
步骤T4：通过公式FXo＝(DDo×v1+KCo×v2+DZo×b3)×(v1+v2+v3)获取到非盈利企业的风险评估系数FXo，其中，v1、v2以及v3均为比例系数，且v1＞v2＞v3＞0；
步骤T5：将非盈利企业的风险评估系数FXo与风险评估系数阈值进行比较：
若非盈利企业的风险评估系数FXo≥风险评估系数阈值，则判定对应的非盈利企业存在风险，生成风险预警信号并将风险预警信号发送至协同制造平台；
若非盈利企业的风险评估系数FXo＜风险评估系数阈值，则判定对应的非盈利企业不存在风险，生成无风险信号并将无风险信号发送至协同制造平台；
协同制造平台接收到风险预警信号后，将对应的非盈利企业标记为待整顿企业，随后生成整顿信号并将整顿信号和待整顿企业发送至整顿维护单元，整顿维护单元接收到整顿信号和待整顿企业后，对待整顿企业进行整顿维护，具体整顿维护信号过程如下：
步骤TT1：将待整顿企业内部的订单进行分析，并将订单划分为加工中订单和加工前订单，获取到加工前订单的预计花费成本和已收的预付款，并将加工前订单的预计花费成本和已收的预付款标记为CB1和YF1，随后通过公式JQ＝CB1×s1+YF1×s2获取到加工前订单的盈利系数JQ，其中，s1和s2均为比例系数，且s1＞s2＞0，将加工前订单的盈利系数JQ与加工前订单的盈利系数阈值进行比较：若加工前订单的盈利系数JQ≥加工前订单的盈利系数阈值，则将对应加工前订单标记为生产订单，若加工前订单的盈利系数JQ＜加工前订单的盈利系数阈值，则将对应加工前订单标记为外报订单；
步骤TT2：获取到加工中订单的剩余订单量和订单生产速度，随后通过加工中订单的剩余订单量和订单生产速度进行比值计算，获取到加工中订单剩余订单的预计生产时间，随后将加工中订单剩余订单的预计生产时间与对应订单的剩余工期进行比较，若加工中订单剩余订单的预计生产时间≥对应订单的剩余工期，则将对应订单标记为预逾期订单，并将预逾期订单发送至管理人员的手机终端，若加工中订单剩余订单的预计生产时间＜对应订单的剩余工期，则将对应订单标记为预完工订单，并将预完工订单发送至管理人员的手机终端。
本发明工作原理：
一种基于网络协同制造的多源工业数据采集系统，在工作时，通过数据采集单元对工业订单信息进行采集，随后对工业进行数据分析，获取到一周内企业接收订单的频率、企业平均每周接收订单的数量以及企业一周的产量与订单量的比值，通过公式获取到企业的生产分析系数Xi，将企业的生产分析系数Xi与企业的名称一一对应，随后将企业的生产分析系数Xi和企业的名称一同发送至协同制造平台；
通过盈利分析单元接收到盈利信号后，对企业进行盈利分析，获取到企业的生产分析系数，并将企业进行等级划分，将一级企业、二级企业和三级企业分别对应设置盈利系数阈值u1、u2以及u3，获取到企业待生产订单的平均工期、企业待生产订单的平均成本金额以及企业已经完工订单的汇款速度，通过公式获取到企业的盈利分析系数Yi，若企业的盈利分析系数Yi≥对应企业的盈利系数阈值，则判定对应企业运营状态为盈利，并将对应的企业标记为盈利企业，随后将盈利企业发送至协同制造平台；若企业的盈利分析系数Yi＜对应企业的盈利系数阈值，则判定对应企业运营状态为非盈利，并将对应的企业标记为非盈利企业，随后将非盈利企业发送至协同制造平台，对企业进行盈利分析，体现出协同制造的工作效率，提高了数据采集的准确性。
上述公式均是去量纲取其数值计算，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进行设置。
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。
Claims (5)
1.一种基于网络协同制造的多源工业数据采集系统，其特征在于，包括协同制造平台、数据采集单元、盈利分析单元、风险预估单元、整顿维护单元、注册登录单元以及数据库；
所述数据采集单元用于对工业订单信息进行采集，随后对工业进行数据分析，工业订单信息包括频率数据、数量数据以及比值数据，频率数据为一周内企业接收订单的频率，数量数据为企业平均每周接收订单的数量，比值数据为企业一周的产量与订单量的比值，将企业标记为i，i＝1，2，……，n，n为正整数，具体采集分析过程如下：
步骤S1：获取到一周内企业接收订单的频率，并将一周内企业接收订单的频率标记为PLi；
步骤S2：获取到企业平均每周接收订单的数量，并将企业平均每周接收订单的数量标记为SLi；
步骤S3：获取到企业一周的产量与订单量的比值，并将企业一周的产量与订单量的比值标记为BZi；
步骤S4：通过公式
获取到企业的生产分析系数Xi，其中，a1、a2以及a3均为比例系数，且a1＞a2＞a3＞0；
步骤S5：将企业的生产分析系数Xi与企业的名称一一对应，随后将企业的生产分析系数Xi和企业的名称一同发送至协同制造平台。
2.根据权利要求1所述的一种基于网络协同制造的多源工业数据采集系统，其特征在于，所述协同制造平台接收到企业的生产分析系数Xi和企业的名称后，生成盈利分析信号并将盈利分析信号发送至盈利分析单元，所述盈利分析单元接收到盈利信号后，对企业进行盈利分析，具体分析过程如下：
步骤SS1：获取到企业的生产分析系数，并将企业的生产分析系数与L1和L2进行数值比较，L1和L2均为企业的生产分析系数阈值：
SS11：若企业的生产分析系数≥L1，则将对应企业标记为一级企业；
SS12：若L2＜企业的生产分析系数＜L1，则将对应企业标记为二级企业；
SS13：若企业的生产分析系数≤L1，则将对应企业标记为三级企业；
步骤SS2：将一级企业、二级企业和三级企业分别对应设置盈利系数阈值u1、u2以及u3，随后对其进行订单盈利数据进行采集，订单盈利数据包括周期数据、金额数据以及回款数据，周期数据为企业待生产订单的平均工期，金额数据为企业待生产订单的平均成本金额，回款数据为企业已经完工订单的汇款速度；
步骤SS3：获取到企业待生产订单的平均工期、企业待生产订单的平均成本金额以及企业已经完工订单的汇款速度，随后将企业待生产订单的平均工期、企业待生产订单的平均成本金额以及企业已经完工订单的汇款速度对应标记为Gi、Bi以及Vi；
步骤SS4：通过公式Yi＝β(Gi×b1+Bi×b2+Vi×b3)获取到企业的盈利分析系数Yi，其中，b1、b2以及b3均为比例系数，且b1＞b2＞b3＞0，β为误差修正因子，取值为2.365212；
步骤SS5：将企业的盈利分析系数Yi与对应企业的盈利系数阈值进行比较：
若企业的盈利分析系数Yi≥对应企业的盈利系数阈值，则判定对应企业运营状态为盈利，并将对应的企业标记为盈利企业，随后将盈利企业发送至协同制造平台；
若企业的盈利分析系数Yi＜对应企业的盈利系数阈值，则判定对应企业运营状态为非盈利，并将对应的企业标记为非盈利企业，随后将非盈利企业发送至协同制造平台。
3.根据权利要求1所述的一种基于网络协同制造的多源工业数据采集系统，其特征在于，所述协同制造平台接收到非盈利企业后，生成风险预估信号并将风险预估信号发送至风险预估单元，所述风险预估单元接收到风险预估信号后，对非盈利企业的风险数据进行分析，从而对非盈利数据进行风险评估，非盈利企业的风险数据包括工期数据、仓库数据以及垫资数据，工期数据为非盈利企业在工期内无法完成的订单数量，仓库数据为非盈利企业仓库内材料库存数量，垫资数据为非盈利企业进行中的订单总垫资数量，将非盈利企业标记为o，o＝1，2，……，m，m为正整数，具体分析评估过程如下：
步骤T1：获取到非盈利企业在工期内无法完成的订单数量，并将非盈利企业在工期内无法完成的订单数量标记为DDo；
步骤T2：获取到非盈利企业仓库内材料库存数量，并将非盈利企业仓库内材料库存数量标记为KCo；
步骤T3：获取到非盈利企业进行中的订单总垫资数量，并将非盈利企业进行中的订单总垫资数量标记为DZo；
步骤T4：通过公式FXo＝(DDo×v1+KCo×v2+DZo×b3)×(v1+v2+v3)获取到非盈利企业的风险评估系数FXo，其中，v1、v2以及v3均为比例系数，且v1＞v2＞v3＞0；
步骤T5：将非盈利企业的风险评估系数FXo与风险评估系数阈值进行比较：
若非盈利企业的风险评估系数FXo≥风险评估系数阈值，则判定对应的非盈利企业存在风险，生成风险预警信号并将风险预警信号发送至协同制造平台；
若非盈利企业的风险评估系数FXo＜风险评估系数阈值，则判定对应的非盈利企业不存在风险，生成无风险信号并将无风险信号发送至协同制造平台。
4.根据权利要求1所述的一种基于网络协同制造的多源工业数据采集系统，其特征在于，所述协同制造平台接收到风险预警信号后，将对应的非盈利企业标记为待整顿企业，随后生成整顿信号并将整顿信号和待整顿企业发送至整顿维护单元，所述整顿维护单元接收到整顿信号和待整顿企业后，对待整顿企业进行整顿维护，具体整顿维护信号过程如下：
步骤TT1：将待整顿企业内部的订单进行分析，并将订单划分为加工中订单和加工前订单，获取到加工前订单的预计花费成本和已收的预付款，并将加工前订单的预计花费成本和已收的预付款标记为CB1和YF1，随后通过公式JQ＝CB1×s1+YF1×s2获取到加工前订单的盈利系数JQ，其中，s1和s2均为比例系数，且s1＞s2＞0，将加工前订单的盈利系数JQ与加工前订单的盈利系数阈值进行比较：若加工前订单的盈利系数JQ≥加工前订单的盈利系数阈值，则将对应加工前订单标记为生产订单，若加工前订单的盈利系数JQ＜加工前订单的盈利系数阈值，则将对应加工前订单标记为外报订单；
步骤TT2：获取到加工中订单的剩余订单量和订单生产速度，随后通过加工中订单的剩余订单量和订单生产速度进行比值计算，获取到加工中订单剩余订单的预计生产时间，随后将加工中订单剩余订单的预计生产时间与对应订单的剩余工期进行比较，若加工中订单剩余订单的预计生产时间≥对应订单的剩余工期，则将对应订单标记为预逾期订单，并将预逾期订单发送至管理人员的手机终端，若加工中订单剩余订单的预计生产时间＜对应订单的剩余工期，则将对应订单标记为预完工订单，并将预完工订单发送至管理人员的手机终端。
5.根据权利要求1所述的一种基于网络协同制造的多源工业数据采集系统，其特征在于，所述注册登录单元用于管理人员和整顿人员通过手机终端提交管理人员信息和整顿人员信息，并将注册成功的管理人员信息和整顿人员信息发送至数据库进行储存，管理人员信息包括管理人员的姓名、年龄、入职时间以及本人实名认证的手机号码，整顿人员信息包括整顿人员的姓名、年龄、入职时间以及本人实名认证的手机号码。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110294371.5A CN113031556B (zh) | 2021-03-19 | 2021-03-19 | 一种基于网络协同制造的多源工业数据采集系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110294371.5A CN113031556B (zh) | 2021-03-19 | 2021-03-19 | 一种基于网络协同制造的多源工业数据采集系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113031556A true CN113031556A (zh) | 2021-06-25 |
| CN113031556B CN113031556B (zh) | 2021-12-07 |
Family
ID=76471623
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110294371.5A Active CN113031556B (zh) | 2021-03-19 | 2021-03-19 | 一种基于网络协同制造的多源工业数据采集系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113031556B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117311299A (zh) * | 2023-11-29 | 2023-12-29 | 贵州航天云网科技有限公司 | 基于多源异构数据集成的工厂管理系统及方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008269214A (ja) * | 2007-04-19 | 2008-11-06 | Konica Minolta Holdings Inc | サプライチェーンの効率化支援方法 |
| CN101916404A (zh) * | 2010-08-06 | 2010-12-15 | 沈阳工业大学 | 一种装备制造过程多厂协同调度优化方法 |
| CN102184456A (zh) * | 2010-03-31 | 2011-09-14 | 詹亚辉 | 企业资源计划多组织企业经营沙盘系统 |
| CN104331770A (zh) * | 2014-11-03 | 2015-02-04 | 叶校然 | 柔性生产企业智能管理系统 |
| CN110070280A (zh) * | 2019-04-12 | 2019-07-30 | 温州中壹技术研究院有限公司 | 一种面向智能制造的协同开发系统 |
| KR20190134879A (ko) * | 2018-05-03 | 2019-12-05 | 손영욱 | 클라우드 기반 인공지능 음성인식을 이용한 맞춤형 스마트팩토리 생산관리 통합 서비스 제공 방법 |
| CN111932064A (zh) * | 2020-06-30 | 2020-11-13 | 浙江物产信息技术有限公司 | 一种建立风险评估等级的方法 |
| CN112184065A (zh) * | 2020-10-27 | 2021-01-05 | 时代云英(深圳)科技有限公司 | 一种基于工业互联网的智能制造系统及方法 |
-
2021
- 2021-03-19 CN CN202110294371.5A patent/CN113031556B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008269214A (ja) * | 2007-04-19 | 2008-11-06 | Konica Minolta Holdings Inc | サプライチェーンの効率化支援方法 |
| CN102184456A (zh) * | 2010-03-31 | 2011-09-14 | 詹亚辉 | 企业资源计划多组织企业经营沙盘系统 |
| CN101916404A (zh) * | 2010-08-06 | 2010-12-15 | 沈阳工业大学 | 一种装备制造过程多厂协同调度优化方法 |
| CN104331770A (zh) * | 2014-11-03 | 2015-02-04 | 叶校然 | 柔性生产企业智能管理系统 |
| KR20190134879A (ko) * | 2018-05-03 | 2019-12-05 | 손영욱 | 클라우드 기반 인공지능 음성인식을 이용한 맞춤형 스마트팩토리 생산관리 통합 서비스 제공 방법 |
| CN110070280A (zh) * | 2019-04-12 | 2019-07-30 | 温州中壹技术研究院有限公司 | 一种面向智能制造的协同开发系统 |
| CN111932064A (zh) * | 2020-06-30 | 2020-11-13 | 浙江物产信息技术有限公司 | 一种建立风险评估等级的方法 |
| CN112184065A (zh) * | 2020-10-27 | 2021-01-05 | 时代云英(深圳)科技有限公司 | 一种基于工业互联网的智能制造系统及方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117311299A (zh) * | 2023-11-29 | 2023-12-29 | 贵州航天云网科技有限公司 | 基于多源异构数据集成的工厂管理系统及方法 |
| CN117311299B (zh) * | 2023-11-29 | 2024-01-30 | 贵州航天云网科技有限公司 | 基于多源异构数据集成的工厂管理系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113031556B (zh) | 2021-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108256821A (zh) | 一种建设项目全过程多维度造价管理系统的管理方法 | |
| CN109472642A (zh) | 基于施工图预算管理的电网工程造价编审与清单应用系统 | |
| CN108932589A (zh) | 一种企业信息化项目实施管理系统 | |
| CN115619134B (zh) | 基于工程服务的技工平台构建方法及系统 | |
| CN110570133A (zh) | 一种基于大数据的建筑工程动态造价分析与控制系统 | |
| CN111600296A (zh) | 基于边缘计算的电力负荷预测系统及其预测方法 | |
| CN114155072B (zh) | 基于大数据分析的财务预测模型构建方法及系统 | |
| CN113031556B (zh) | 一种基于网络协同制造的多源工业数据采集系统 | |
| CN114140090A (zh) | 一种工程项目全流程跟踪监督系统 | |
| CN112785427B (zh) | 基于电力数据的企业信用分析系统 | |
| CN114819585A (zh) | 一种纺织业生产订单信息管理方法及系统 | |
| CN112200532A (zh) | 一种施工工期智能计算的方法及系统、计算机可读介质 | |
| CN110288142B (zh) | 一种基于XGBoost算法的工程超期预测方法 | |
| CN115545868A (zh) | 一种面向企业运营的财务业务一体化资金管理系统 | |
| CN114154862A (zh) | 基于工程全过程管理的工程成本自动分摊方法及系统 | |
| CN109584097A (zh) | 基于物联网的渔业生产管理方法与渔业智慧生产管理系统 | |
| CN114239989A (zh) | 一种物料需求计划的计算方法、系统、设备及存储介质 | |
| CN116894639B (zh) | 一种物联网多信息融合计划管理系统及方法 | |
| CN113409029A (zh) | 一种物资供应链管理平台 | |
| CN104460569B (zh) | 一种用于叶片生产的在制品监控方法 | |
| CN112308467A (zh) | 一种基于大数据的工程项目风险评估系统 | |
| CN111612332A (zh) | 一种铁路桥梁钢筋集中加工自动优化软件系统及优化方法 | |
| CN115841267A (zh) | 一种基多层bp神经网络的企业定额修正方法 | |
| CN115689331A (zh) | 一种基于mlp的输变电工程量合理性分析方法 | |
| Bai et al. | Quality cost model improvement based on 6 σ management |
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 |