CN113049793A - 一种Abs复合材料的生产检测验证方法和装置 - Google Patents

一种Abs复合材料的生产检测验证方法和装置 Download PDF

Info

Publication number
CN113049793A
CN113049793A CN202110200720.2A CN202110200720A CN113049793A CN 113049793 A CN113049793 A CN 113049793A CN 202110200720 A CN202110200720 A CN 202110200720A CN 113049793 A CN113049793 A CN 113049793A
Authority
CN
China
Prior art keywords
information
obtaining
abs composite
preset
instruction
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.)
Pending
Application number
CN202110200720.2A
Other languages
English (en)
Inventor
沈彬
刘志刚
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.)
Nantong Kepoly Engineering Plastics Co ltd
Original Assignee
Nantong Kepoly Engineering Plastics Co ltd
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 Nantong Kepoly Engineering Plastics Co ltd filed Critical Nantong Kepoly Engineering Plastics Co ltd
Priority to CN202110200720.2A priority Critical patent/CN113049793A/zh
Publication of CN113049793A publication Critical patent/CN113049793A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/44Resins; Plastics; Rubber; Leather
    • G01N33/442Resins; Plastics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Food Science & Technology (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种Abs复合材料的生产检测验证方法和装置,通过获得第一Abs复合材料的第一制备工艺方案;获得第一材料的第一位置信息、第二位置信息;判断第一位置信息、第二位置信息是否满足第一预设条件;如果不满足,则获得第一调整指令;根据第一调整指令调整之后,按照第一制备工艺方案制备第一Abs复合材料;获得第一参数信息;获得预设参数信息;将第一参数信息、预设参数信息输入第一神经网络模型中;获得第一神经网络模型的输出信息,其中,输出信息包括第一结果;根据第一结果,获得第一Abs复合材料的第一验证报告,达到了提高产品的可靠性和稳定性,提高测试验证的工作效率和结果稳定性的技术效果。

Description

一种Abs复合材料的生产检测验证方法和装置
技术领域
本发明涉及材料制备技术领域,尤其涉及一种Abs复合材料的生产检测验证方法和装置。
背景技术
ABS塑料是丙烯腈(A)、丁二烯(B)、苯乙烯(S)三种单体的三元共聚物三种单体相对含量可任意变化,制成各种树脂。ABS塑料兼有三种组元的共同性能,A使其耐化学腐蚀、耐热,并有一定的表面硬度,B使其具有高弹性和韧性,S使其具有热塑性塑料的加工成型特性并改善电性能。因此ABS塑料是一种原料易得、综合性能良好、价格便宜、用途广泛的“坚韧、质硬、刚性”材料。因此,对于ABS复合材料的生产检测和验证更是提高性能和市场竞争力的重要因素之一。
但本发明申请人发现现有技术至少存在如下技术问题:
现有技术中的Abs复合材料在生产过程中,难以对生产过程进行实时准确的监控,导致生产产品的质量受到影响,进一步还会影响企业的生产效益,从而使得后续测试验证环节耗费时间长,验证结果的准确性低。
发明内容
本发明实施例提供了一种Abs复合材料的生产检测验证方法和装置,解决了现有技术中难以对材料生产过程进行实时准确的监控,导致生产产品的质量受到影响,从而使得后续测试验证环节耗费时间长,验证结果的准确性低的技术问题,达到了对生产流程进行监测,保证后续加工产品的质量,提高产品的可靠性和稳定性,提高测试验证的工作效率和结果稳定性的技术效果。
鉴于上述问题,提出了本申请实施例以便提供一种Abs复合材料的生产检测验证方法和装置。
第一方面,本发明提供了一种Abs复合材料的生产检测验证方法,应用于一自动化产线测试验收系统,其中,所述系统具有第一监控设备和第二监控设备,所述方法包括:获得第一Abs复合材料的第一制备工艺方案,其中,所述第一Abs复合材料包括第一材料和第二材料;通过所述第一监控设备获得所述第一材料的第一位置信息;通过所述第一监控设备获得所述第二材料的第二位置信息;根据所述第一制备工艺方案,判断所述第一位置信息、第二位置信息是否满足第一预设条件;如果不满足所述第一预设条件,则获得第一调整指令;根据所述第一调整指令调整所述第一位置信息、第二位置信息之后,按照所述第一制备工艺方案制备所述第一Abs复合材料;获得所述第一Abs复合材料的第一参数信息;获得所述第一Abs复合材料的预设参数信息;将所述第一参数信息、预设参数信息输入第一神经网络模型中,所述第一神经网络模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据均包括:第一参数信息、预设参数信息和标识第一结果的标识信息;获得所述第一神经网络模型的输出信息,其中,所述输出信息包括第一结果,所述第一结果为标识所述第一Abs复合材料的性能等级的结果;根据所述第一结果,获得所述第一Abs复合材料的第一验证报告。
第二方面,本发明提供了一种Abs复合材料的生产检测验证装置,所述装置包括:
第一获得单元,所述第一获得单元用于获得第一Abs复合材料的第一制备工艺方案,其中,所述第一Abs复合材料包括第一材料和第二材料;
第二获得单元,所述第二获得单元用于通过所述第一监控设备获得所述第一材料的第一位置信息;
第三获得单元,所述第三获得单元用于通过所述第一监控设备获得所述第二材料的第二位置信息;
第一判断单元,所述第一判断单元用于根据所述第一制备工艺方案,判断所述第一位置信息、第二位置信息是否满足第一预设条件;
第四获得单元,所述第四获得单元用于如果不满足所述第一预设条件,则获得第一调整指令;
第一执行单元,所述第一执行单元用于根据所述第一调整指令调整所述第一位置信息、第二位置信息之后,按照所述第一制备工艺方案制备所述第一Abs复合材料;
第五获得单元,所述第五获得单元用于获得所述第一Abs复合材料的第一参数信息;
第六获得单元,所述第六获得单元用于获得所述第一Abs复合材料的预设参数信息;
第一训练单元,所述第一训练单元用于将所述第一参数信息、预设参数信息输入第一神经网络模型中,所述第一神经网络模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据均包括:第一参数信息、预设参数信息和标识第一结果的标识信息
第七获得单元,所述第七获得单元用于获得所述第一神经网络模型的输出信息,其中,所述输出信息包括第一结果,所述第一结果为标识所述第一Abs复合材料的性能等级的结果;
第八获得单元,所述第八获得单元用于根据所述第一结果,获得所述第一Abs复合材料的第一验证报告。
第三方面,本发明提供了一种Abs复合材料的生产检测验证装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现前述第一方面的方法的步骤。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明实施例提供的一种Abs复合材料的生产检测验证方法和装置,应用于一自动化产线测试验收系统,其中,所述系统具有第一监控设备和第二监控设备,所述方法包括:获得第一Abs复合材料的第一制备工艺方案,其中,所述第一Abs复合材料包括第一材料和第二材料;通过所述第一监控设备获得所述第一材料的第一位置信息;通过所述第一监控设备获得所述第二材料的第二位置信息;根据所述第一制备工艺方案,判断所述第一位置信息、第二位置信息是否满足第一预设条件;如果不满足所述第一预设条件,则获得第一调整指令;根据所述第一调整指令调整所述第一位置信息、第二位置信息之后,按照所述第一制备工艺方案制备所述第一Abs复合材料;获得所述第一Abs复合材料的第一参数信息;获得所述第一Abs复合材料的预设参数信息;将所述第一参数信息、预设参数信息输入第一神经网络模型中,所述第一神经网络模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据均包括:第一参数信息、预设参数信息和标识第一结果的标识信息;获得所述第一神经网络模型的输出信息,其中,所述输出信息包括第一结果,所述第一结果为标识所述第一Abs复合材料的性能等级的结果;根据所述第一结果,获得所述第一Abs复合材料的第一验证报告,从而解决了现有技术中难以对材料生产过程进行实时准确的监控,导致生产产品的质量受到影响,从而使得后续测试验证环节耗费时间长,验证结果的准确性低的技术问题,达到了对生产流程进行监测,保证后续加工产品的质量,提高产品的可靠性和稳定性,提高测试验证的工作效率和结果稳定性的技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
图1为本发明实施例中一种Abs复合材料的生产检测验证方法的流程示意图;
图2为本发明实施例中一种Abs复合材料的生产检测验证装置的结构示意图;
图3为本发明实施例中另一种示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第一判断单元14,第四获得单元15,第一执行单元16,第五获得单元17,第六获得单元18,第一训练单元19,第七获得单元20,第八获得单元21,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本发明实施例提供了一种Abs复合材料的生产检测验证方法和装置,用于解决现有技术中难以对材料生产过程进行实时准确的监控,导致生产产品的质量受到影响,从而使得后续测试验证环节耗费时间长,验证结果的准确性低的技术问题,达到了对生产流程进行监测,保证后续加工产品的质量,提高产品的可靠性和稳定性,提高测试验证的工作效率和结果稳定性的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
ABS塑料是丙烯腈(A)、丁二烯(B)、苯乙烯(S)三种单体的三元共聚物三种单体相对含量可任意变化,制成各种树脂。ABS塑料兼有三种组元的共同性能,A使其耐化学腐蚀、耐热,并有一定的表面硬度,B使其具有高弹性和韧性,S使其具有热塑性塑料的加工成型特性并改善电性能。因此ABS塑料是一种原料易得、综合性能良好、价格便宜、用途广泛的“坚韧、质硬、刚性”材料。因此,对于ABS复合材料的生产检测和验证更是提高性能和市场竞争力的重要因素之一。但是,现有技术中的Abs复合材料在生产过程中,难以对生产过程进行实时准确的监控,导致生产产品的质量受到影响,进一步还会影响企业的生产效益,从而使得后续测试验证环节耗费时间长,验证结果的准确性低。
针对上述技术问题,本发明提供的技术方案总体思路如下:
本申请实施例提供了一种Abs复合材料的生产检测验证方法,应用于一自动化产线测试验收系统,其中,所述系统具有第一监控设备和第二监控设备,所述方法包括:获得第一Abs复合材料的第一制备工艺方案,其中,所述第一Abs复合材料包括第一材料和第二材料;通过所述第一监控设备获得所述第一材料的第一位置信息;通过所述第一监控设备获得所述第二材料的第二位置信息;根据所述第一制备工艺方案,判断所述第一位置信息、第二位置信息是否满足第一预设条件;如果不满足所述第一预设条件,则获得第一调整指令;根据所述第一调整指令调整所述第一位置信息、第二位置信息之后,按照所述第一制备工艺方案制备所述第一Abs复合材料;获得所述第一Abs复合材料的第一参数信息;获得所述第一Abs复合材料的预设参数信息;将所述第一参数信息、预设参数信息输入第一神经网络模型中,所述第一神经网络模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据均包括:第一参数信息、预设参数信息和标识第一结果的标识信息;获得所述第一神经网络模型的输出信息,其中,所述输出信息包括第一结果,所述第一结果为标识所述第一Abs复合材料的性能等级的结果;根据所述第一结果,获得所述第一Abs复合材料的第一验证报告。
在介绍了本申请基本原理后,下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
实施例一
图1为本发明实施例中一种Abs复合材料的生产检测验证方法的流程示意图。如图1所示,本发明实施例提供了一种Abs复合材料的生产检测验证方法,应用于一自动化产线测试验收系统,其中,所述系统具有第一监控设备和第二监控设备,所述方法包括:
步骤100:获得第一Abs复合材料的第一制备工艺方案,其中,所述第一Abs复合材料包括第一材料和第二材料;
具体而言,自动化产线测试验收系统为本实施例中用于控制管理的平台,通过该自动化产线测试验收系统,可以实现对Abs复合材料的生产检测验证环节,同时还可对生产过程进行实时监测,且该系统具有第一监控设备和第二监控设备,通过第一监控设备和第二监控设备可实现数据信息的实时采集,进而由自动化产线测试验收系统完成数据的分析和处理,以及信息的传输。进一步的,获得第一Abs复合材料的第一制备工艺方案,其中,第一制备工艺方案即为生产加工第一Abs复合材料的主要流程,在实际生产时,通过一定的生产设备,从原材料投入到成品产出,也就是按照第一制备工艺方案的顺序连续进行加工,从而得到第一Abs复合材料的生产产品。因此,第一制备工艺方案包括但不限于材料生产的工艺流程、各个环节的协调输送、生产工艺流程的管控等等。进一步的,第一Abs复合材料包括第一材料和第二材料,其中,第一材料和第二材料即为用于加工第一Abs复合材料的原材料,也就是用于生产加工第一Abs复合材料的组成要素。
进一步的,本实施例中,为了保证制备工艺方案的安全性,还可采用区块链技术进行处理,区块链技术也被称之为分布式账本技术,是一种由若干台计算设备共同参与“记账",共同维护一份完整的分布式数据库的新兴技术。由于区块链技术具有去中心化、公开透明、每台计算设备可以参与数据库记录、并且各计算设备之间可以快速的进行数据同步的特性,使得区块链技术已在众多的领域中广泛的进行应用。根据第一制备工艺方案生成第一验证码,第一验证码与第一制备工艺方案一一对应;根据第二制备工艺方案和第一验证码生成的第二验证码,第二验证码与第二制备工艺方案一一对应;以此类推,根据第N制备工艺方案和第N-1验证码生成的第N验证码,其中,N为大于1的自然数。将所有制备工艺方案和验证码分别复制保存在M台设备上,其中,第一制备工艺方案和第一验证码作为第一存储单位保存在一台设备上,第二制备工艺方案和第二验证码作为第二存储单位保存在一台设备上,第N制备工艺方案和第N验证码作为第N存储单位保存在一台设备上,当需要调用制备工艺方案时,每后一个节点接收前一节点存储的数据后,通过“共识机制”进行校验后保存,通过哈希函数对于每一存储单位进行串接,使得训练数据不易丢失和遭到破坏,通过区块链的逻辑对训练数据进行加密处理,保证了制备工艺方案信息的安全性,并存储于多台设备上,存储于多台设备上的数据通过共识机制进行处理,即少数服从多数,当一台或多台设备被篡改时,只要存储正确数据的设备数量大于被篡改的设备数量,则获得的制备工艺方案信息仍然是准确的,进一步达到保证了制备工艺方案信息的安全性的技术效果。
进一步的,获得第一存储单位的预定记录时间,将不能在预定时间内完成记录第一存储单位的设备排除,获得M台设备中运力最快的第一电子设备,将第一存储单位的记录权给设备。进一步而言,将第二制备工艺方案和第二验证码作为第二存储单位,以此类推,将第N制备工艺方案和第N验证码作为第N存储单位,第二存储单位、第三存储单位、···第N存储单位均采用如第一存储单位的记录方法,进而保证了去中心化区块链系统的安全、有效和稳定运行,能够保证存储单位能够被准确的记录在设备中,进而保证了制备工艺方案的安全性。
步骤200:通过所述第一监控设备获得所述第一材料的第一位置信息;
步骤300:通过所述第一监控设备获得所述第二材料的第二位置信息;
具体而言,在实际使用时,第一监控设备可根据需要进行选择,例如可选择摄像头、传感器等。因此,通过第一监控设备可以实时采集到第一材料的第一位置信息、以及第二材料的第二位置信息,第一位置信息即为第一材料在实际加工过程中的实时定位信息,同样的,第二位置信息为第二材料在实际加工过程中的实时定位信息,通过获取到第一位置信息和第二位置信息,可以为后续生产打下基础,保障后续工艺流程的顺利进行。
步骤400:根据所述第一制备工艺方案,判断所述第一位置信息、第二位置信息是否满足第一预设条件;
具体而言,在采集到第一位置信息、第二位置信息之后,接着可结合第一制备工艺方案,判断第一位置信息、第二位置信息是否满足第一预设条件,也就是判断第一位置信息、第二位置信息与所制定的工艺方案中设定的位置信息是否一致,是否存在位置偏差,又或者是第一材料和第二材料的顺序是否放置颠倒,以达到进一步保障后续材料加工流程的精确性、保障材料质量的目的。
步骤500:如果不满足所述第一预设条件,则获得第一调整指令;
步骤600:根据所述第一调整指令调整所述第一位置信息、第二位置信息之后,按照所述第一制备工艺方案制备所述第一Abs复合材料;
具体而言,如果满足第一预设条件之后,则按照需求继续进行操作即可,如果不满足第一预设条件,则说明材料的实时定位信息与预先设定的位置信息不一致,存在一定的偏差,若按照当前的位置信息继续进行加工,可能会导致生产产品的性能和质量受到影响,甚至影响设备的使用寿命,对操作人员的安全产生威胁。因此,需要生成第一调整指令,然后在第一调整指令的指令下,将第一位置信息、第二位置信息进行调整,例如当第一材料和第二材料顺序放反之后,则此时需要将第一位置信息、第二位置信息进行调整,以保证第一材料和第二材料的准确定位。进一步的,在位置信息调整好之后,按照第一制备工艺方案制备第一Abs复合材料即可。
步骤700:获得所述第一Abs复合材料的第一参数信息;
步骤800:获得所述第一Abs复合材料的预设参数信息;
具体而言,在按照第一制备工艺方案制备第一Abs复合材料之后,当工艺流程结束后,即可获取到第一Abs复合材料的加工成品,进一步的,获取到第一Abs复合材料的第一参数信息,其中,第一参数信息即为第一Abs复合材料的实际性能参数信息,例如压缩强度、使用温度、拉伸强度、硬度、断裂韧性等等,在获取到预设参数信息之后,其中,预设参数信息即为第一Abs复合材料预先设定的性能参数信息。进而将第一参数信息、预设参数信息作为输入信息,输入至第一神经网络模型,之后通过神经网络模型输出第一结果的标识信息。
步骤900:将所述第一参数信息、预设参数信息输入第一神经网络模型中,所述第一神经网络模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据均包括:第一参数信息、预设参数信息和标识第一结果的标识信息;
步骤1000:获得所述第一神经网络模型的输出信息,其中,所述输出信息包括第一结果,所述第一结果为标识所述第一Abs复合材料的性能等级的结果;
步骤1100:根据所述第一结果,获得所述第一Abs复合材料的第一验证报告。
具体而言,通过获取到第一参数信息,并且将预设参数信息输入至神经网络模型中,进而通过神经网络模型输出标识第一结果的标识信息,然后根据第一结果信息,可以相应的获取到第一Abs复合材料的性能等级的结果信息,进而生成第一Abs复合材料的第一验证报告。
进一步的,训练模型为机器学习模型中的神经网络模型,机器学习模型能通过大量数据不断的学习,进而不断地修正模型,最终获得满意的经验来处理其他数据。机器模型通过多组训练数据训练获得,神经网络模型通过训练数据训练的过程本质上为监督学习的过程。本申请实施例中的训练模型是通过多组训练数据利用机器学习训练得出的,多组中的训练数据中的每一组训练数据均包括:第一参数信息、预设参数信息和标识第一结果的标识信息。其中,将标识第一结果的标识信息作为监督数据。
进一步的,将标识第一结果的标识信息作为监督数据,输入每一组训练数据中,对第一参数信息与预设参数信息进行监督学习,通过标识第一结果的标识信息与训练模型的输出结果进行对比,当一致时,本组数据监督学习完成,进行下一组数据监督学习;当不一致时,则训练模型进行自我修正,直至其输出结果与标识第一结果的标识信息一致,本组监督学习完成,进行下一组数据监督学习;通过大量数据的监督学习,使得机器学习模型的输出结果达到收敛状态,则监督学习完成。通过对训练模型进行监督学习的过程,使得训练模型输出的标识第一结果的标识信息更加准确,达到了获得准确的第一Abs复合材料的性能等级的结果信息,便于后期进行数据分析和判断的效果。
进一步的,为了达到对材料的生产过程进一步进行监测,保障产品质量的效果,本申请实施例步骤400还包括:
步骤410:根据所述第一制备工艺方案,获得第一预设位置信息和第二预设位置信息;
步骤420:分别判断所述第一位置信息是否在第一预设位置信息范围内,所述第二位置信息是否在第二预设位置信息范围内;
步骤430:若均处于,则获得所述第一材料的第一上料路线信息以及所述第二材料的第二上料路线信息;
步骤440:根据所述第一上料路线信息获得第一投料设备信息,根据所述第二上料路线信息获得第二投料设备信息;
步骤450:根据所述第一制备工艺方案,判断所述第一投料设备信息与所述第二投料设备信息之间是否具有第一预设关联度;
步骤460:若存在,则获得所述第一投料设备信息与所述第二投料设备信息的第一关联度;
步骤470:判断所述第一关联度是否处于第一预设关联度范围内;
步骤480:若不处于,则获得第二调整指令;
步骤490:根据所述第二调整指令调整所述第一关联度。
具体而言,在得到第一位置信息、第二位置信息之后,根据第一制备工艺方案,可以获得第一预设位置信息和第二预设位置信息,其中,第一预设位置信息和第二预设位置信息分别为第一材料和第二材料预先设定的所处位置,然后相应的判断第一位置信息是否在第一预设位置信息范围内,判断第二位置信息是否在第二预设位置信息范围内,如果第一位置信息在第一预设位置信息范围内,第二位置信息在第二预设位置信息范围内时,说明第一位置信息和第二位置信息满足了第一预设条件,进一步的,获得第一材料的第一上料路线信息以及第二材料的第二上料路线信息,其中,第一上料路线信息为第一材料在生产加工时的上料路径,第二上料路线信息为第二材料在生产加工时的上料路径,进而根据第一上料路线信息获得第一投料设备信息,其中,第一投料设备信息即为在添加第一材料时所需要使用的相关设备,根据第二上料路线信息获得第二投料设备信息,第二投料设备信息即为在添加第二材料时所需要使用的相关设备,进而根据第一制备工艺方案,判断第一投料设备信息与第二投料设备信息之间是否具有第一预设关联度,即就是判断第一投料设备信息与第二投料设备信息之间是否具有预先设定的连接关系,如果两者之间存在一定的连接关系,则相应的获得第一投料设备与第二投料设备的第一关联度,然后判断第一关联度是否处于第一预设关联度范围内,也就是判断第一投料设备与第二投料设备之间的连接关系是否满足了预先设定的连接度,例如设定两者之间为平滑连接,则在使用时需要判断第一投料设备与第二投料设备之间是否存在连接,且相互之间的连接关系是否为平滑连接,如果满足了第一预设关联度范围,则继续进行后续操作即可,如果不处于第一预设关联度范围内,则获得第二调整指令,进而在第二调整指令的指令下,调整第一关联度,从而实现对Abs复合材料的生产过程的相关信息进行检测,为后续产品的质量提供可靠的保障,有利于后续验证流程的顺利进行。
进一步的,为了达到获得准确的验证报告的效果,本申请实施例步骤1100还包括:
步骤1110:获得所述第一Abs复合材料的第一使用信息;
步骤1120:根据所述第一使用信息,获得第一权重系数;
步骤1130:根据所述第一权重系数,获得第一使用值;
步骤1140:根据所述第一使用值,获得第三调整指令;
步骤1150:根据所述第三调整指令调整所述第一验证报告之后,获得第二验证报告。
具体而言,获得第一Abs复合材料的第一使用信息,其中,第一使用信息即为第一Abs复合材料所需要应用的具体领域范围,例如航天、航空、汽车、家居、自行车等等,这样,可以得到第一使用信息所占的第一权重系数,不同的使用领域对于验证信息的需求可能存在差异,因此,不同使用信息所占的权重系数也同样存在差异,进而根据第一权重系数,可以得到第一Abs复合材料的第一使用值,从而根据第一使用分值生成第三调整指令,并且在第三调整指令的指令下,对第一验证报告进行调整,从而获得调整之后的第二验证报告。这样,通过对第一Abs复合材料的具体应用场景进行分析和处理,从而获得更准确的验证报告,实现提高验证报告的准确性,提高测试验证的工作效率和结果稳定性的目的。
进一步的,为了达到根据验证报告判定是否需要实行批量投产的效果,本申请实施例步骤1150还包括:
步骤1151:获得预设验证数据信息;
步骤1152:对比所述预设验证数据信息与第二验证报告,获得第一比对结果;
步骤1153:根据所述第一比对结果,确定是否获得第一投产指令;
步骤1154:如果需要获得第一投产指令,则根据所述第一投产指令进行生产;
步骤1155:如果不需要获得第一投产指令,则获得第一延期指令,并根据所述第一延期指令延期投产。
具体而言,在调整第一验证报告并得到第二验证报告之后,进而获取到预设验证数据信息,然后将预设验证数据信息与第二验证报告的各项数据信息进行对比,获得两者之间的比对结果,然后根据第一比对结果,确定是否获得第一投产指令,也就是说,将第二验证报告上的数据与预设验证数据信息一一对比之后,判断第二验证报告的相关信息与预先设定的需求信息是否一致,若两者之间的第一比对结果为一致时,则需要获得第一投产指令,然后根据第一投产指令按照要求进行生产即可,若两者之间的第一比对结果存在差异时,说明第二验证报告与预设数据之间存在一定的偏差,需要进一步进行调整,则此时无需获得第一投产指令,并且需要获得第一延期指令,然后根据第一延期指令延期投产,从而实现根据验证报告判定是否需要实行批量投产的目的,防止由于产品验证不合格批量投产造成资源浪费,同时达到降低验证成本,节约验证时间,提高验证效率,加快生产材料的投产周期的效果。
进一步的,为了达到精确控制生产环境的实时数据信息的效果,本申请实施例步骤600还包括:
步骤610:通过所述第二监控设备获得第一视频信息,其中,所述第一视频信息包括生产环境信息;
步骤620:根据所述第一视频信息获得第一输入电压信息以及第一温度信息;
步骤630:判断所述第一输入电压信息以及第一温度信息是否满足第二预设条件;
步骤640:如果不满足所述第二预设条件,则获得第一修正指令;
步骤650:根据所述第一修正指令,对所述生产环境信息进行修正,以使所述第一输入电压信息以及第一温度信息满足第二预设条件。
具体而言,通过第二监控设备获得第一视频信息,第二监控设备也可根据实际需要进行选择,例如可选择为摄像头、传感器等,本实施例中不做具体限制。其中,第一视频信息即为实时采集到的生产环境的相关信息,例如可包括生产环境的温度、气压、电压、湿度等信息,进而从第一视频信息中提取到当前生产环境的第一输入电压信息以及第一温度信息,接着判断第一输入电压信息以及第一温度信息是否满足第二预设条件,也就是判断第一输入电压信息以及第一温度信息是否在许可的电压使用范围、温度使用范围内,如果不满足第二预设条件,说明第一输入电压信息和/或第一温度信息不处于许可的使用范围内,相应的生成第一修正指令,最后在第一修正指令的指令下,对生产环境信息进行修正,以使第一输入电压信息以及第一温度信息满足许可使用条件即可,从而通过对生产环境实时监控,有利于保证Abs复合材料的质量和性能,提高测试验证的工作效率和结果稳定性,为批量投产提供可靠的保障。
进一步的,为了达到准确获得第一Abs复合材料的杂质含量的效果,本申请实施例步骤700还包括:
步骤710:获得所述第一Abs复合材料的第一图像信息;
步骤720:将所述第一图像信息输入第二神经网络模型中,所述第一神经网络模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据均包括:第一图像信息和标识杂质含量的标识信息;
步骤730:获得所述第二神经网络模型的输出信息,其中,所述输出信息包括所述第一Abs复合材料的第一杂质含量信息;
步骤740:获得预设杂质含量限度;
步骤750:判断所述第一Abs复合材料的第一杂质含量信息是否处于所述预设杂质含量限度范围内;
步骤760:如果不处于,则获得第二修正指令;
步骤770:根据所述第二修正指令,对所述第一制备工艺方案进行修正。
具体而言,在按照第一制备工艺方案制备得到第一Abs复合材料之后,获得第一Abs复合材料的第一图像信息,进而将第一图像信息输入至第二神经网络模型中,获得标识第一Abs复合材料的第一杂质含量的标识信息,然后获得预设杂质含量限度,将预设杂质含量限度与第一杂质含量信息进行对比,判断第一Abs复合材料的第一杂质含量信息是否处于预设杂质含量限度范围内,如果不处于,说明第一Abs复合材料杂质含量超过了预定需求,则需要生成第二修正指令,之后根据第二修正指令,对第一制备工艺方案进行修正即可。
进一步的,如前所述,所训练模型为机器学习模型中的神经网络模型,所述机器学习模型能通过大量数据不断的学习,进而不断地修正模型,最终获得满意的经验来处理其他数据。所述机器模型通过多组训练数据训练获得,所述神经网络模型通过训练数据训练的过程本质上为监督学习的过程。本申请实施例中的训练模型是通过多组训练数据利用机器学习训练得出的,多组中的训练数据中的每一组训练数据均包括:第一图像信息和标识杂质含量的标识信息。进一步的,将标识杂质含量的标识信息作为监督数据,输入每一组训练数据中,对第一图像信息进行监督学习,通过将标识杂质含量的标识信息与所述训练模型的输出结果进行对比,当一致时,本组数据监督学习完成,进行下一组数据监督学习;当不一致时,则训练模型进行自我修正,直至其输出结果与标识杂质含量的标识信息一致,本组监督学习完成,进行下一组数据监督学习;通过大量数据的监督学习,使得机器学习模型的输出结果达到收敛状态,则监督学习完成。通过对训练模型进行监督学习的过程,使得训练模型输出的标识杂质含量的标识信息更加准确,达到了获得准确的第一Abs复合材料的第一杂质含量信息,便于后期进行数据分析和判断的效果。
进一步的,为了达到获得第一投产指令的效果,本申请实施例步骤1153还包括:
步骤11531:获得预设验证材料数量信息;
步骤11532:根据所述预设验证材料数量信息,获得第二Abs复合材料的第三验证报告信息;
步骤11533:对比所述预设验证数据信息与所述第三验证报告,获得第二比对结果;
步骤11534:根据所述第二比对结果,获得所述第二Abs复合材料的材料合格率;
步骤11535:判断所述材料合格率是否满足预设合格率阈值;
步骤11536:若满足,则获得第一投产指令。
具体而言,为了进一步确定是否获得第一投产指令,还可采用如下方式进行判断:首先,需要获得预设验证材料数量信息,也就是预先设定的需要进行验证的Abs复合材料数量,进而根据预设验证材料数量信息,可以获得第二Abs复合材料的第三验证报告信息,其中,第二Abs复合材料即为按照所需的预设数量所验证的Abs复合材料的集合,第三验证报告即为第二Abs复合材料的时间验证报告的集合,进而将第三验证报告与预设验证数据信息一一进行对比,获得第二比对结果,然后根据第二比对结果,得到第二Abs复合材料的材料合格率,然后判断材料合格率是否满足预设合格率阈值,若满足,则获得第一投产指令,其中,第一投产指令即为大批量的进行投产的指令,从而实现准确的获得第一投产指令,保证Abs复合材料的产品合格率的效果。
实施例二
基于与前述实施例中一种Abs复合材料的生产检测验证方法同样的发明构思,本发明还提供一种Abs复合材料的生产检测验证装置,如图2所示,所述装置包括:
第一获得单元11,所述第一获得单元11用于获得第一Abs复合材料的第一制备工艺方案,其中,所述第一Abs复合材料包括第一材料和第二材料;
第二获得单元12,所述第二获得单元12用于通过所述第一监控设备获得所述第一材料的第一位置信息;
第三获得单元13,所述第三获得单元13用于通过所述第一监控设备获得所述第二材料的第二位置信息;
第一判断单元14,所述第一判断单元14用于根据所述第一制备工艺方案,判断所述第一位置信息、第二位置信息是否满足第一预设条件;
第四获得单元15,所述第四获得单元15用于如果不满足所述第一预设条件,则获得第一调整指令;
第一执行单元16,所述第一执行单元16用于根据所述第一调整指令调整所述第一位置信息、第二位置信息之后,按照所述第一制备工艺方案制备所述第一Abs复合材料;
第五获得单元17,所述第五获得单元17用于获得所述第一Abs复合材料的第一参数信息;
第六获得单元18,所述第六获得单元18用于获得所述第一Abs复合材料的预设参数信息;
第一训练单元19,所述第一训练单元19用于将所述第一参数信息、预设参数信息输入第一神经网络模型中,所述第一神经网络模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据均包括:第一参数信息、预设参数信息和标识第一结果的标识信息
第七获得单元20,所述第七获得单元20用于获得所述第一神经网络模型的输出信息,其中,所述输出信息包括第一结果,所述第一结果为标识所述第一Abs复合材料的性能等级的结果;
第八获得单元21,所述第八获得单元21用于根据所述第一结果,获得所述第一Abs复合材料的第一验证报告。
进一步的,所述装置还包括:
第九获得单元,所述第九获得单元用于根据所述第一制备工艺方案,获得第一预设位置信息和第二预设位置信息;
第二判断单元,所述第二判断单元用于分别判断所述第一位置信息是否在第一预设位置信息范围内,所述第二位置信息是否在第二预设位置信息范围内;
第十获得单元,所述第十获得单元用于若均处于,则获得所述第一材料的第一上料路线信息以及所述第二材料的第二上料路线信息;
第十一获得单元,所述第十一获得单元用于根据所述第一上料路线信息获得第一投料设备信息,根据所述第二上料路线信息获得第二投料设备信息;
第三判断单元,所述第三判断单元用于根据所述第一制备工艺方案,判断所述第一投料设备信息与所述第二投料设备信息之间是否具有第一预设关联度;
第十二获得单元,所述第十二获得单元用于若存在,则获得所述第一投料设备信息与所述第二投料设备信息的第一关联度;
第四判断单元,所述第四判断单元用于判断所述第一关联度是否处于所述第一预设关联度范围内;
第十三获得单元,所述第十三获得单元用于若不处于,则获得第二调整指令;
第一调整单元,所述第一调整单元用于根据所述第二调整指令调整所述第一关联度。
进一步的,所述装置还包括:
第十四获得单元,所述第十四获得单元用于获得所述第一Abs复合材料的第一使用信息;
第十五获得单元,所述第十五获得单元用于根据所述第一使用信息,获得第一权重系数;
第十六获得单元,所述第十六获得单元用于根据所述第一权重系数,获得第一使用值;
第十七获得单元,所述第十七获得单元用于根据所述第一使用值,获得第三调整指令;
第十八获得单元,所述第十八获得单元用于根据所述第三调整指令调整所述第一验证报告之后,获得第二验证报告。
进一步的,所述装置还包括:
第十九获得单元,所述第十九获得单元用于获得预设验证数据信息;
第二十获得单元,所述第二十获得单元用于对比所述预设验证数据信息与第二验证报告,获得第一比对结果;
第一确定单元,所述第一确定单元用于根据所述第一比对结果,确定是否获得第一投产指令;
第二执行单元,所述第二执行单元用于如果需要获得第一投产指令,则根据所述第一投产指令进行生产;
第三执行单元,所述第三执行单元用于如果不需要获得第一投产指令,则获得第一延期指令,并根据所述第一延期指令延期投产。
进一步的,所述装置还包括:
第二十一获得单元,所述第二十一获得单元用于通过所述第二监控设备获得第一视频信息,其中,所述第一视频信息包括生产环境信息;
第二十二获得单元,所述第二十二获得单元用于根据所述第一视频信息获得第一输入电压信息以及第一温度信息;
第五判断单元,所述第五判断单元用于判断所述第一输入电压信息以及第一温度信息是否满足第二预设条件;
第二十三获得单元,所述第二十三获得单元用于如果不满足所述第二预设条件,则获得第一修正指令;
第一修正单元,所述第一修正单元用于根据所述第一修正指令,对所述生产环境信息进行修正,以使所述第一输入电压信息以及第一温度信息满足第二预设条件。
进一步的,所述装置还包括:
第二十四获得单元,所述第二十四获得单元用于获得所述第一Abs复合材料的第一图像信息;
第二训练单元,所述第二训练单元用于将所述第一图像信息输入第二神经网络模型中,所述第一神经网络模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据均包括:第一图像信息和标识杂质含量的标识信息;
第二十五获得单元,所述第二十五获得单元用于获得所述第二神经网络模型的输出信息,其中,所述输出信息包括所述第一Abs复合材料的第一杂质含量信息;
第二十六获得单元,所述第二十六获得单元用于获得预设杂质含量限度;
第六判断单元,所述第六判断单元用于判断所述第一Abs复合材料的第一杂质含量信息是否处于所述预设杂质含量限度范围内;
第二十七获得单元,所述第二十七获得单元用于如果不处于,则获得第二修正指令;
第二修正单元,所述第二修正单元用于根据所述第二修正指令,对所述第一制备工艺方案进行修正。
进一步的,所述装置还包括:
第二十八获得单元,所述第二十八获得单元用于获得预设验证材料数量信息;
第二十九获得单元,所述第二十九获得单元用于根据所述预设验证材料数量信息,获得第二Abs复合材料的第三验证报告信息;
第三十获得单元,所述第三十获得单元用于对比所述预设验证数据信息与所述第三验证报告,获得第二比对结果;
第三十一获得单元,所述第三十一获得单元用于根据所述第二比对结果,获得所述第二Abs复合材料的材料合格率;
第七判断单元,所述第七判断单元用于判断所述材料合格率是否满足预设合格率阈值;
第三十二获得单元,所述第三十二获得单元用于若满足,则获得第一投产指令。
前述图1实施例一中的一种Abs复合材料的生产检测验证方法的各种变化方式和具体实例同样适用于本实施例的一种Abs复合材料的生产检测验证装置,通过前述对一种Abs复合材料的生产检测验证方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种Abs复合材料的生产检测验证装置的实施方法,所以为了说明书的简洁,在此不再详述。
实施例三
基于与前述实施例中一种Abs复合材料的生产检测验证方法同样的发明构思,本发明还提供一种示例性电子设备,如图3所示,包括存储器304、处理器302及存储在存储器304上并可在处理器302上运行的计算机程序,所述处理器302执行所述程序时实现前文所述一种Abs复合材料的生产检测验证方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明实施例提供的一种Abs复合材料的生产检测验证方法和装置,应用于一自动化产线测试验收系统,其中,所述系统具有第一监控设备和第二监控设备,所述方法包括:获得第一Abs复合材料的第一制备工艺方案,其中,所述第一Abs复合材料包括第一材料和第二材料;通过所述第一监控设备获得所述第一材料的第一位置信息;通过所述第一监控设备获得所述第二材料的第二位置信息;根据所述第一制备工艺方案,判断所述第一位置信息、第二位置信息是否满足第一预设条件;如果不满足所述第一预设条件,则获得第一调整指令;根据所述第一调整指令调整所述第一位置信息、第二位置信息之后,按照所述第一制备工艺方案制备所述第一Abs复合材料;获得所述第一Abs复合材料的第一参数信息;获得所述第一Abs复合材料的预设参数信息;将所述第一参数信息、预设参数信息输入第一神经网络模型中,所述第一神经网络模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据均包括:第一参数信息、预设参数信息和标识第一结果的标识信息;获得所述第一神经网络模型的输出信息,其中,所述输出信息包括第一结果,所述第一结果为标识所述第一Abs复合材料的性能等级的结果;根据所述第一结果,获得所述第一Abs复合材料的第一验证报告,从而解决了现有技术中难以对材料生产过程进行实时准确的监控,导致生产产品的质量受到影响,从而使得后续测试验证环节耗费时间长,验证结果的准确性低的技术问题,达到了对生产流程进行监测,保证后续加工产品的质量,提高产品的可靠性和稳定性,提高测试验证的工作效率和结果稳定性的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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 (9)

1.一种Abs复合材料的生产检测验证方法和装置,应用于一自动化产线测试验收系统,其中,所述系统具有第一监控设备和第二监控设备,其中,所述方法包括:
获得第一Abs复合材料的第一制备工艺方案,其中,所述第一Abs复合材料包括第一材料和第二材料;
通过所述第一监控设备获得所述第一材料的第一位置信息;
通过所述第一监控设备获得所述第二材料的第二位置信息;
根据所述第一制备工艺方案,判断所述第一位置信息、第二位置信息是否满足第一预设条件;
如果不满足所述第一预设条件,则获得第一调整指令;
根据所述第一调整指令调整所述第一位置信息、第二位置信息之后,按照所述第一制备工艺方案制备所述第一Abs复合材料;
获得所述第一Abs复合材料的第一参数信息;
获得所述第一Abs复合材料的预设参数信息;
将所述第一参数信息、预设参数信息输入第一神经网络模型中,所述第一神经网络模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据均包括:第一参数信息、预设参数信息和标识第一结果的标识信息;
获得所述第一神经网络模型的输出信息,其中,所述输出信息包括第一结果,所述第一结果为标识所述第一Abs复合材料的性能等级的结果;
根据所述第一结果,获得所述第一Abs复合材料的第一验证报告。
2.如权利要求1所述的方法,其中,所述方法还包括:
根据所述第一制备工艺方案,获得第一预设位置信息和第二预设位置信息;
分别判断所述第一位置信息是否在第一预设位置信息范围内,所述第二位置信息是否在第二预设位置信息范围内;
若均处于,则获得所述第一材料的第一上料路线信息以及所述第二材料的第二上料路线信息;
根据所述第一上料路线信息获得第一投料设备信息,根据所述第二上料路线信息获得第二投料设备信息;
根据所述第一制备工艺方案,判断所述第一投料设备信息与所述第二投料设备信息之间是否具有第一预设关联度;
若存在,则获得所述第一投料设备信息与所述第二投料设备信息的第一关联度;
判断所述第一关联度是否处于所述第一预设关联度范围内;
若不处于,则获得第二调整指令;
根据所述第二调整指令调整所述第一关联度。
3.如权利要求1所述的方法,其中,所述根据所述第一结果,获得所述第一Abs复合材料的第一验证报告,所述方法还包括:
获得所述第一Abs复合材料的第一使用信息;
根据所述第一使用信息,获得第一权重系数;
根据所述第一权重系数,获得第一使用值;
根据所述第一使用值,获得第三调整指令;
根据所述第三调整指令调整所述第一验证报告之后,获得第二验证报告。
4.如权利要求3所述的方法,其中,所述方法还包括:
获得预设验证数据信息;
对比所述预设验证数据信息与第二验证报告,获得第一比对结果;
根据所述第一比对结果,确定是否获得第一投产指令;
如果需要获得第一投产指令,则根据所述第一投产指令进行生产;
如果不需要获得第一投产指令,则获得第一延期指令,并根据所述第一延期指令延期投产。
5.如权利要求1所述的方法,其中,所述按照所述第一制备工艺方案制备所述第一Abs复合材料,所述方法还包括:
通过所述第二监控设备获得第一视频信息,其中,所述第一视频信息包括生产环境信息;
根据所述第一视频信息获得第一输入电压信息以及第一温度信息;
判断所述第一输入电压信息以及第一温度信息是否满足第二预设条件;
如果不满足所述第二预设条件,则获得第一修正指令;
根据所述第一修正指令,对所述生产环境信息进行修正,以使所述第一输入电压信息以及第一温度信息满足第二预设条件。
6.如权利要求1所述的方法,其中,所述方法还包括:
获得所述第一Abs复合材料的第一图像信息;
将所述第一图像信息输入第二神经网络模型中,所述第一神经网络模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据均包括:第一图像信息和标识杂质含量的标识信息;
获得所述第二神经网络模型的输出信息,其中,所述输出信息包括所述第一Abs复合材料的第一杂质含量信息;
获得预设杂质含量限度;
判断所述第一Abs复合材料的第一杂质含量信息是否处于所述预设杂质含量限度范围内;
如果不处于,则获得第二修正指令;
根据所述第二修正指令,对所述第一制备工艺方案进行修正。
7.如权利要求4所述的方法,其中,所述方法还包括:
获得预设验证材料数量信息;
根据所述预设验证材料数量信息,获得第二Abs复合材料的第三验证报告信息;
对比所述预设验证数据信息与所述第三验证报告,获得第二比对结果;
根据所述第二比对结果,获得所述第二Abs复合材料的材料合格率;
判断所述材料合格率是否满足预设合格率阈值;
若满足,则获得第一投产指令。
8.一种Abs复合材料的生产检测验证装置,其特征在于,所述装置包括:
第一获得单元,所述第一获得单元用于获得第一Abs复合材料的第一制备工艺方案,其中,所述第一Abs复合材料包括第一材料和第二材料;
第二获得单元,所述第二获得单元用于通过所述第一监控设备获得所述第一材料的第一位置信息;
第三获得单元,所述第三获得单元用于通过所述第一监控设备获得所述第二材料的第二位置信息;
第一判断单元,所述第一判断单元用于根据所述第一制备工艺方案,判断所述第一位置信息、第二位置信息是否满足第一预设条件;
第四获得单元,所述第四获得单元用于如果不满足所述第一预设条件,则获得第一调整指令;
第一执行单元,所述第一执行单元用于根据所述第一调整指令调整所述第一位置信息、第二位置信息之后,按照所述第一制备工艺方案制备所述第一Abs复合材料;
第五获得单元,所述第五获得单元用于获得所述第一Abs复合材料的第一参数信息;
第六获得单元,所述第六获得单元用于获得所述第一Abs复合材料的预设参数信息;
第一训练单元,所述第一训练单元用于将所述第一参数信息、预设参数信息输入第一神经网络模型中,所述第一神经网络模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据均包括:第一参数信息、预设参数信息和标识第一结果的标识信息
第七获得单元,所述第七获得单元用于获得所述第一神经网络模型的输出信息,其中,所述输出信息包括第一结果,所述第一结果为标识所述第一Abs复合材料的性能等级的结果;
第八获得单元,所述第八获得单元用于根据所述第一结果,获得所述第一Abs复合材料的第一验证报告。
9.一种Abs复合材料的生产检测验证装置,包括存储器、处理器及存储在存储器上并可在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程序时实现权利要求1-7任一项所述方法的步骤。
CN202110200720.2A 2021-02-23 2021-02-23 一种Abs复合材料的生产检测验证方法和装置 Pending CN113049793A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110200720.2A CN113049793A (zh) 2021-02-23 2021-02-23 一种Abs复合材料的生产检测验证方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110200720.2A CN113049793A (zh) 2021-02-23 2021-02-23 一种Abs复合材料的生产检测验证方法和装置

Publications (1)

Publication Number Publication Date
CN113049793A true CN113049793A (zh) 2021-06-29

Family

ID=76509200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110200720.2A Pending CN113049793A (zh) 2021-02-23 2021-02-23 一种Abs复合材料的生产检测验证方法和装置

Country Status (1)

Country Link
CN (1) CN113049793A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113516382A (zh) * 2021-06-30 2021-10-19 南通四建集团有限公司 一种提高装配式建筑施工效率的方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101303329A (zh) * 2008-06-13 2008-11-12 东南大学 基于神经网络技术的综合强度测试法
CN103411974A (zh) * 2013-07-10 2013-11-27 杭州赤霄科技有限公司 基于云端大数据的平面材料检测远程系统及检测方法
CN111738577A (zh) * 2020-06-10 2020-10-02 Oppo(重庆)智能科技有限公司 原材料管理方法及相关装置
CN112182874A (zh) * 2020-09-25 2021-01-05 江苏中利集团股份有限公司 一种基于韧性和耐热性提升聚合物材料性能的方法和装置
CN112182979A (zh) * 2020-10-21 2021-01-05 江苏中利集团股份有限公司 一种提高树脂与填充助剂相容效果的方法和装置
CN112348429A (zh) * 2020-10-09 2021-02-09 江苏中利集团股份有限公司 一种提升聚合物材料性能的处理方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101303329A (zh) * 2008-06-13 2008-11-12 东南大学 基于神经网络技术的综合强度测试法
CN103411974A (zh) * 2013-07-10 2013-11-27 杭州赤霄科技有限公司 基于云端大数据的平面材料检测远程系统及检测方法
CN111738577A (zh) * 2020-06-10 2020-10-02 Oppo(重庆)智能科技有限公司 原材料管理方法及相关装置
CN112182874A (zh) * 2020-09-25 2021-01-05 江苏中利集团股份有限公司 一种基于韧性和耐热性提升聚合物材料性能的方法和装置
CN112348429A (zh) * 2020-10-09 2021-02-09 江苏中利集团股份有限公司 一种提升聚合物材料性能的处理方法和装置
CN112182979A (zh) * 2020-10-21 2021-01-05 江苏中利集团股份有限公司 一种提高树脂与填充助剂相容效果的方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
中国机械工程学会: "《"数控一代" 案例集 塑性工程卷》", 31 August 2016 *
柳云骐等: "《材料化学》", 28 February 2013 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113516382A (zh) * 2021-06-30 2021-10-19 南通四建集团有限公司 一种提高装配式建筑施工效率的方法和装置
CN113516382B (zh) * 2021-06-30 2024-04-26 南通四建集团有限公司 一种提高装配式建筑施工效率的方法和装置

Similar Documents

Publication Publication Date Title
CN111951128B (zh) 一种节能环保的建筑施工方法和装置
CN108204341B (zh) 风电场运行状态的识别方法和装置
CN109255517B (zh) 风控策略的生成方法、装置、服务器及可读存储介质
CN111950068A (zh) 一种基于Bim的维护建筑设备的方法和装置
CN112182910B (zh) 一种用于控制交联材料制备效果的方法及装置
CN108549955B (zh) 一种充电桩异常率确定方法及装置
CN111428329B (zh) 基于模型的机器学习系统
CN109840671A (zh) 运行改进效果计算设备、运行改进效果计算方法和记录介质
CN115098829A (zh) 一种基于多源计量数据的碳排放量在线分析方法
CN113049793A (zh) 一种Abs复合材料的生产检测验证方法和装置
CN114510867A (zh) 一种3d模拟配电柜电路接线方法及系统
CN113721182A (zh) 一种电力互感器性能在线监测结果可靠度评估方法及系统
CN116823026B (zh) 一种基于区块链的工程数据处理系统及方法
CN110889646B (zh) 一种适应工况变化的发电机组运行参数正确性检验的方法
CN111756031B (zh) 一种电网运行趋势估算方法和系统
CN115829122A (zh) 一种电力客服工单投诉预警方法及系统
CN112348429B (zh) 一种提升聚合物材料性能的处理方法和装置
CN112801558B (zh) 一种工艺参数调节动作决策模型的优化方法以及装置
CN112182874B (zh) 一种基于韧性和耐热性提升聚合物材料性能的方法和装置
CN112668899B (zh) 一种基于人工智能的合同风险识别方法及装置
CN111310964B (zh) 一种负荷预测方法及装置
CN110309472B (zh) 基于离线数据的策略评估方法及装置
CN112184474B (zh) 一种基于区块链的材料智能化制造方法及装置
CN110457906A (zh) 一种网络安全事件智能告警方法
CN112649656B (zh) 一种基于神经网络的提高电流传感器精度的信息处理方法及系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210629