CN113222449A - 标准化作业有效执行度评估方法及装置 - Google Patents

Abstract

本发明提供了一种标准化作业有效执行度评估方法及装置，该方法包括：进行工业数据采集；根据多重机器学习与评估方法对采集到的工业数据进行多重机器学习与评估分析以获取对应的作业执行评估参数；对作业执行评估参数进行权重分配并建立隶属度矩阵，进一步通过机器学习以得到执行度评估结果。本发明利用数据采集、远程控制、机器学习、数据库、反馈显示等技术与多重机器学习、多级评估的方法对数据采集、处理、分析实现标准化作业有效执行度的评估；相比于传统的专家评估、人工检验等方法，实现了快速、精确的处理分析数据，具有统一的标准能对不同的标准化作业流程使用实现了装置及方法的量化使用，同时对工业生产实现了数字化、智能化。

Description

标准化作业有效执行度评估方法及装置

技术领域

本发明属于标准化执行有效性评估技术领域，具体涉及一种标准化作业有效执行度评估方法及装置。

背景技术

随着工业4.0的发展，制造行业已将工业生产数字化作为发展的重要目标，建立行业数据库实现工业数据互联及大数据分析。而对于制造行业中的标准化作业流程也以建立标准化作业系统、标准化作业软件、标准化作业程序等实现标准化作业流程及工序的数字化。但对于操作人员是否完全执行标准化作业流程及执行的程度等仍然采用专家打分、人工检验产品质量、产线是否拥堵等传统方法进行评估，评估过程缓慢、效率低下，不具有数字化、智能化，而且，由于不同专家、人员评估标准不一致导致评估不精确且无法量化使用，无法实现工业数字化。

发明内容

本发明的目的在于针对现有技术的不足之处，提供一种标准化作业有效执行度评估方法及装置，基于多重机器学习与多级评估的方法对标准化作业的有效执行度进行评估，提高评估精度与效率，利于实现工业数字化与智能化目的。

为解决上述技术问题，本发明采用如下技术方案：

一种标准化作业有效执行度评估方法，包括以下步骤：

步骤S1、进行工业数据采集；

步骤S2、根据多重机器学习与评估方法对采集到的工业数据进行多重机器学习与评估分析以获取对应的作业执行评估参数；

步骤S3、对所述步骤S2中获得的所述作业执行评估参数进行权重分配并建立隶属度矩阵，进一步通过机器学习以得到执行度评估结果。

进一步地，进行采集的所述工业数据至少包括：时间数据、电流数据、实际作业数据，

所述作业执行评估参数至少包括：数据匹配度和误差范围。

进一步地，所述步骤S2包括：

切片过程步骤：首先对进行工业数据采集的时间数据进行切片，以确定本次作业的周期及整体流程的时间；然后在切片的周期中对电流数据进行二次切片，以划分出整体流程中的每一道工序及其匹配对应的作业时间，

工业数据分析过程步骤：从所述工业数据中获取每一道工序及其作业时间内的所述实际作业数据；进一步根据标准化作业工业数据的样本库对所述实际作业数据进行机器学习，从而得到所述实际作业数据与所述标准化作业工业数据的数据匹配度和误差范围。

进一步地，进行采集的所述工业数据还包括图像作业数据，所述作业执行评估参数还包括执行标准度和执行有效性，

所述步骤S2还包括：

图像数据分析过程步骤：从采集到的所述工业数据中获取所述图像作业数据并对其进行特征提取操作以获取作业特征及其对应操作时间；进一步根据标准化作业流程图像数据的样本库进行机器学习，从而得到所述图像作业数据的执行标准度和执行有效性。

进一步地，所述步骤S3包括：

根据获得的所述数据匹配度、所述执行标准度获得专家评分结果；

进一步对所述数据匹配度、所述执行标准度以及所述专家评分结果进行权重分配，并根据预设算法确定隶属度以建立匹配的隶属矩阵；最后将所述隶属矩阵与权重合成并通过机器学习获得匹配的执行度评估结果。

进一步地，在所述步骤S3中，利用层次分析法、主成分分析法、灰度理论或专家经验法对所述数据匹配度、所述执行标准度以及所述专家评分结果进行权重分配，并且采用遗传算法或蚁群算法确定隶属度并建立相应的隶属矩阵。

一种标准化作业有效执行度评估装置，用于执行上述任意方案所述的标准化作业有效执行度评估方法的步骤，该装置包括：

数据采集单元，用于采集对应的工业数据；

数据处理单元，用于根据多重机器学习与多级评估方法对采集到的工业数据进行多重机器学习与评估分析以获取对应的作业执行评估参数；

综合评估单元，对所述数据处理单元中获得的所述作业执行评估参数进行权重分配并建立隶属度矩阵，进一步通过机器学习以得到执行度评估结果。

进一步地，所述数据采集单元通过以太网通信模块与所述数据处理单元相通信连接，从而将采集到的工业数据发送至所述数据处理单元。

进一步地，标准化作业有效执行度评估还包括：

显示单元，利用以太网通信模块及远程控制将所述执行度评估结果反馈至显示器中进行显示。

进一步地，标准化作业有效执行度评估装置还包括：

存储单元，利用数据库及计算机存储将所述数据处理单元和所述综合评估单元处理的过程数据及结果数据进行对应存储，并将所述执行度评估结果进行分类且分级别存储。

与现有技术相比，本发明的有益效果为：根据采集到的工业数据利用多重机器学习与多级评估的方法进行数据的评估，其利用切片技术对采集的数据进行切片区分出周期性、精确的匹配相应的工序；然后采用机器学习快速处理工业数据中除电流数据以外的实际作业数据，对比标准化作业下的标准数据获得精确的数据匹配度及误差范围，同时对采集的图像作业数据进行特征向量的提取与标准化作业图像数据库的特征向量通过机器学习进行匹配，快速的判断该操作的执行标准程度及执行有效性；最后对专家打分、数据匹配度、执行标准度进行权重分配及隶属度矩阵的建立并通过机器学习进行矩阵学习进行综合评价从而得到最终的执行度评估结果。

本发明以快速、精确、量化使用、统一标准及数据互联、工业数字化为目的，利用数据采集、远程控制、机器学习、数据库、反馈显示等技术与多重机器学习、多级评估的方法对数据采集、处理、分析实现标准化作业有效执行度的评估；相比于传统的专家评估、人工检验等方法，本发明实现了快速、精确的处理分析数据，具有统一的标准能对不同的标准化作业流程使用实现了装置及方法的量化使用，同时对工业生产实现了数字化，生产的数据及评估的数据不只保存于文档与文本而是实现了数据互联及大数据库，分析评估的执行度评估结果能实时反馈至显示过程，以供操作人员检验、修正标准化作业的流程，以避免造成更大的损失，也能起到预测操作失误的作用，降低了无效作业的损失。

附图说明

图1是本发明的实施例中标准化作业有效执行度评估方法的流程图。

图2是本发明的实施例中标准化作业有效执行度评估装置的结构框图。

具体实施方式

下面结合附图所示的实施例对本发明作进一步说明。

如附图1所示，本实施例公开了一种标准化作业有效执行度评估方法，包括以下步骤：

步骤S1、进行工业数据采集。在该步骤中，具体进行采集的工业数据至少包括：时间数据、电流数据、实际作业数据以及图像作业数据。这里，在操作人员进行作业过程中实时进行数据采集，除了时间数据表征的是进行采集的时间数据，其它数据都是操作人员实际的作业数据，作为用于进行有效执行度评估的基础数据。

在实际工业环境中，作为一种数据采集的具体实施方式，利用互感器、传感器、计时器等通过串口通讯对被作业设备等的电流数据、时间、其他工业数据进行采集，同时利用相机等对图像作业数据进行采集。并将采集到的所有数据同时接入远程控制从而转入以太网进行机器学习及评估，实现快速实时的数据采集与传递。

步骤S2、根据多重机器学习与评估方法对采集到的工业数据进行多重机器学习与评估分析以获取对应的作业执行评估参数。

在该步骤中，主要是对步骤S1采集到的基础数据进行数据处理与分析，从而转化为作业执行评估参数，通过对作业执行评估参数中包括的多个参数进行综合性评估，从而得到一个准确的有效执行度评估结果。在本实施例中，作业执行评估参数包括：基于实际作业数据分析得到的数据匹配度与误差范围、以及基于图像作业数据分析得到的执行标准度和执行有效性。

该步骤的具体的处理过程包括：

S21、切片过程步骤，对采集过程中的时间数据及电流数据进行分层切片。

具体地，首先对进行工业数据采集的时间数据进行切片，以确定本次作业的周期及整体流程的时间；然后在切片的周期中对电流数据进行二次切片，以划分出整体流程中的每一道工序及其匹配对应的作业时间。在该步骤中，通过二次切片可实现精准、快速的提取有效数据，以便执行下一步过程的操作。

S22、工业数据分析过程步骤，用于对除电流数据外的其他数据进行数据处理与分析以获得相应的数据匹配度及误差范围。

由步骤S21已经获得该标准作业流程中的每一道工序及其对应的时间，这样就能够获取除电流数据外的其他工业数据，即实际作业数据，如：待机时长、工作时长、电机电压、电机转速等。

基于此，步骤S22具体包括：从工业数据中获取每一道工序及其作业时间内的实际作业数据；进一步根据标准化作业工业数据的样本库对实际作业数据进行机器学习，从而得到实际作业数据与标准化作业工业数据的数据匹配度和误差范围。

在本实施例中，标准化工业数据的样本库预先建立好，利用机器学习以该样本库为条件，结合获取的实际作业数据一同作为输入，通过机器学习计算出采集的实际作业数据与标准化作业工业数据的数据匹配度及误差范围。该过程针对每一周期进行分析处理，并将数据存储于相应的数据库。

S23、图像数据分析过程步骤，该步骤可与步骤S22同时进行，在本实施例的方案中，对步骤S22和步骤S23的处理先后顺序不做限定。

步骤S23具体包括：从采集到的工业数据中获取图像作业数据并对其进行特征提取操作以获取作业特征及其对应操作时间，这里，提取的特征可以为图像中操作人员的位置坐标、手的位置坐标、机器的位置坐标、工作台的高低等特征向量。

进一步根据标准化作业流程图像数据的样本库进行机器学习，从而得到图像作业数据的执行标准度和执行有效性。这里，标准化作业流程图像数据的样本库包含每一图像对应的时间，通过机器学习进行特征向量的匹配并获得匹配后图像作业数据对应的执行标准度及执行时间，将该执行时间与采集的时间进行对比并判断采集的图像作业数据中的操作是否处于正确的时间段。同时将获得的图像作业数据的执行标准度传递至下一过程。当图像作业数据中对应的工序出现不正确的时间段时，说明该图像作业数据所对应操作流程为无效标准化作业。

步骤S3、对步骤S2中获得的多个作业执行评估参数进行权重分配并建立隶属度矩阵，进一步通过机器学习以得到执行度评估结果。

该步骤具体包括：

步骤S31、根据获得的数据匹配度、执行标准度获得专家评分结果。

这里，选取数据匹配度、执行标准度、专家评分结果作为评价指标，划分其等级如：[0.067，0.098]表示执行度1％，[0.117，0.148]表示执行度50％、[0.137，0.178]表示执行度80％、[0.148，0.189]表示执行度99％等。

步骤S32、利用层次分析法、主成分分析法、灰度理论或专家经验法等对数据匹配度、执行标准度以及专家评分结果进行权重分配，并根据遗传算法或蚁群算法等预设算法确定隶属度以建立匹配的隶属矩阵；最后将隶属矩阵与权重合成并通过机器学习获得匹配的执行度评估结果。这里，作为执行度评估结果的一种表现形式，评估出的执行度评估结果是一个具体的执行度数据，根据该执行度数据所处区间进而分析出当前标准化作业的有效执行度。

综上，本实施例的标准化作业有效执行度评估方法根据采集到的工业数据利用多重机器学习与多级评估的方法进行数据的评估，其利用切片技术对采集的数据进行切片区分出周期性、精确的匹配相应的工序；然后采用机器学习快速处理工业数据中除电流数据以外的实际作业数据，对比标准化作业下的标准数据获得精确的数据匹配度及误差范围，同时对采集的图像作业数据进行特征向量的提取与标准化作业图像数据库的特征向量通过机器学习进行匹配，快速的判断该操作的执行标准程度及执行有效性；最后对专家打分、数据匹配度、执行标准度进行权重分配及隶属度矩阵的建立并通过机器学习进行矩阵学习进行综合评价从而得到最终的执行度评估结果。

该方法采用多重机器学习及多级评估，能快速、自主、精确的计算数据，应用于标准化作业有效执行度的检测不仅实现了其数字化、还能避免接触减少不必要的劳动力。

如图2所示，本实施例还提供了一种标准化作业有效执行度评估装置100，用于执行上述标准化作业有效执行度评估方法的步骤，来实现对标准化作业的有效执行度的评估。具体地，标准化作业有效执行度评估装置100包括：数据采集单元10、数据处理单元20、综合评估单元30、显示单元40、存储单元50以及控制单元60。

数据采集单元10用于采集对应的工业数据。具体在数据采集过程中，利用互感器、传感器、计时器等对电流、时间及其他工业数据进行采集，同时利用相机等对图像数据进行采集。

数据处理单元20用于根据多重机器学习与多级评估方法对数据采集单元10采集到的工业数据进行多重机器学习与评估分析以获取对应的作业执行评估参数。

作为数据采集单元10与数据处理单元20之间的一种数据传递方式，数据采集单元10通过以太网通信模块与数据处理单元20相通信连接，从而将采集到的工业数据发送至数据处理单元20，也就是说，在数据采集单元10采集到工业数据后将采集的数据通过远程控制转入以太网以供数据处理单元20所对应的计算机进行机器学习与数据评估操作。这样，通过数据采集单元10能够自主、快速实时的采集标准化作业过程中产生的有效数据，为评估与学习提供数据。

综合评估单元30用于对数据处理单元20中获得的作业执行评估参数进行权重分配并建立隶属度矩阵，进一步通过机器学习以得到执行度评估结果。

显示单元40利用以太网通信模块及远程控制将执行度评估结果反馈至显示器中进行显示，以供操作人员进行检验及校正避免出现无效的作业及更大的操作错误，减低损失。这里，显示器具体可以是LED、LCD、CTR等显示器。

存储单元50通过利用数据库及计算机存储将数据处理单元和综合评估单元处理的过程数据及结果数据进行对应存储，并将执行度评估结果进行分类且分级别存储，以便于以后进行校验与检查。在本实施例中，存储单元50与数据处理单元20并列工作。

控制单元60包含用于控制数据采集单元10、数据处理单元20、综合评估单元30、显示单元40以及存储单元50运行的计算机程序。

综上，本实施例的标准化作业有效执行度评估装置，首先利用数据采集单元对时间数据、电流数据、图像进行采集并将其存储于数据库，然后对采集的时间数据进行第一次切片，区分该标准化作业流程的周期。在对时间切片的基础上对电流数据进行二次切片，准确的区分出每一周期中每一道工序及其对应的时间为其他数据处理做好了时间匹配的基础。在对电流数据进行切片后对采集的其他数据进行处理，根据建立的工业数据样本库为条件，结合采集的工业数据共同作为输入，通过机器学习获得采集工业数据与标准化作业工业数据的数据匹配度及误差范围。将获得的数值传递至下一过程并存储与数据库，该操作对每一周期进行连续的数据处理。

与此同时，图像作业数据分析过程一同工作，对采集的图像进行特征提取并与数据库进行匹配得出该图像应处于哪一道工序及正确的时间。然后将对应工序的图像数据及采集的图像数据作为输入，通过机器学习获得采集图像数据的执行标准度。同时将采集的时间与正确的时间进行对比，若采集的时间不正确表明该图像中的操作未按流程进行，该标准化作业无效。当时间正确时将被学习的图像数据标准度传递至下一过程。最后根据数据匹配度、执行标准度、专家评分结果进行综合评估，将数据匹配度、执行标准度、专家评分结果作为评估的指标，并划分评估的区间及等级。利用利用层次分析法、主成分分析法、灰度理论、专家经验法等对三个指标进行权重的分配，并采用相关算法确定隶属度建立隶属度矩阵。将隶属度矩阵及权重结合，作为输入通过机器学习获得一个数值，判断该数值属于等级的哪一区间进而判断该标准化作业的有效执行度的评估结果。

该装置利用多重机器学习与多级评估的方法对数据进行学习以达到快速、准确的处理评估数据，存储与数据库进行数据互联及工业的数字化。当获得学习的标准化作业有效执行度的评估结果时，经装置反馈至显示单元以供操作人员实时修正、校验标准化作业流程，同时将数据存储于存储单元以供日后进行核查与检验。

本发明的保护范围不限于上述的实施例，显然，本领域的技术人员可以对本发明进行各种改动和变形而不脱离本发明的范围和精神。倘若这些改动和变形属于本发明权利要求及其等同技术的范围，则本发明的意图也包含这些改动和变形在内。

Claims (10)

1.一种标准化作业有效执行度评估方法，其特征在于，包括以下步骤：

步骤S1、进行工业数据采集；

步骤S2、根据多重机器学习与评估方法对采集到的工业数据进行多重机器学习与评估分析以获取对应的作业执行评估参数；

步骤S3、对所述步骤S2中获得的所述作业执行评估参数进行权重分配并建立隶属度矩阵，进一步通过机器学习以得到执行度评估结果。

2.根据权利要求1所述的标准化作业有效执行度评估方法，其特征在于：

进行采集的所述工业数据至少包括：时间数据、电流数据、实际作业数据，

所述作业执行评估参数至少包括：数据匹配度和误差范围。

3.根据权利要求2所述的标准化作业有效执行度评估方法，其特征在于：

所述步骤S2包括：

切片过程步骤：首先对进行工业数据采集的时间数据进行切片，以确定本次作业的周期及整体流程的时间；然后在切片的周期中对电流数据进行二次切片，以划分出整体流程中的每一道工序及其匹配对应的作业时间，

工业数据分析过程步骤：从所述工业数据中获取每一道工序及其作业时间内的所述实际作业数据；进一步根据标准化作业工业数据的样本库对所述实际作业数据进行机器学习，从而得到所述实际作业数据与所述标准化作业工业数据的数据匹配度和误差范围。

4.根据权利要求3所述的标准化作业有效执行度评估方法，其特征在于：

进行采集的所述工业数据还包括图像作业数据，所述作业执行评估参数还包括执行标准度和执行有效性，

所述步骤S2还包括：

图像数据分析过程步骤：从采集到的所述工业数据中获取所述图像作业数据并对其进行特征提取操作以获取作业特征及其对应操作时间；进一步根据标准化作业流程图像数据的样本库进行机器学习，从而得到所述图像作业数据的执行标准度和执行有效性。

5.根据权利要求4所述的标准化作业有效执行度评估方法，其特征在于：

所述步骤S3包括：

根据获得的所述数据匹配度、所述执行标准度获得专家评分结果；

进一步对所述数据匹配度、所述执行标准度以及所述专家评分结果进行权重分配，并根据预设算法确定隶属度以建立匹配的隶属矩阵；最后将所述隶属矩阵与权重合成并通过机器学习获得匹配的执行度评估结果。

6.根据权利要求5所述的标准化作业有效执行度评估方法，其特征在于：

在所述步骤S3中，利用层次分析法、主成分分析法、灰度理论或专家经验法对所述数据匹配度、所述执行标准度以及所述专家评分结果进行权重分配，并且采用遗传算法或蚁群算法确定隶属度并建立相应的隶属矩阵。

7.一种标准化作业有效执行度评估装置，用于执行上述权利要求1至6中任一项所述的标准化作业有效执行度评估方法的步骤，该装置包括：

数据采集单元，用于采集对应的工业数据；

数据处理单元，用于根据多重机器学习与多级评估方法对采集到的工业数据进行多重机器学习与评估分析以获取对应的作业执行评估参数；

综合评估单元，对所述数据处理单元中获得的所述作业执行评估参数进行权重分配并建立隶属度矩阵，进一步通过机器学习以得到执行度评估结果。

8.根据权利要求7所述的标准化作业有效执行度评估装置，其特征在于：

所述数据采集单元通过以太网通信模块与所述数据处理单元相通信连接，从而将采集到的工业数据发送至所述数据处理单元。

9.根据权利要求8所述的标准化作业有效执行度评估装置，其特征在于，该装置还包括：

显示单元，利用以太网通信模块及远程控制将所述执行度评估结果反馈至显示器中进行显示。

10.根据权利要求8所述的标准化作业有效执行度评估装置，其特征在于，该装置还包括：

存储单元，利用数据库及计算机存储将所述数据处理单元和所述综合评估单元处理的过程数据及结果数据进行对应存储，并将所述执行度评估结果进行分类且分级别存储。

Images