CN113609190A - 基于大数据和温度监测的产品生产异常监测方法及设备 - Google Patents

Abstract

本申请提供的基于大数据和温度监测的产品生产异常监测方法及设备，涉及产品生产技术领域。在本申请中，首先，确定目标产品在生产过程中当前阶段的目标阶段信息，并基于所述目标阶段信息确定对应的生产环境标准温度信息。其次，获取所述目标产品在生产过程中当前阶段的生产环境温度信息，然后，基于所述生产环境温度信息和所述生产环境标准温度信息，确定所述目标产品在所述当前阶段是否处于异常状态。基于上述方法，可以改善现有产品生产技术中对生产过程监测效果较差的问题。

Description

基于大数据和温度监测的产品生产异常监测方法及设备

技术领域

本申请涉及产品生产技术领域，具体而言，涉及一种基于大数据和温度监测的产品生产异常监测方法及设备。

背景技术

随着经济的发展，人们对生活的品质需求也逐步提供，在保障基本的生活需求的基础上，各种产品的需求逐渐增加，因而，产品的产能也需要逐步提高。但是，经发明人研究发现，现有技术中，随着产品产能的提高，使得在生产过程中存在对产品的监测效果较差的问题。

发明内容

有鉴于此，本申请的目的在于提供一种基于大数据和云计算的产品生产监测方法及设备，以改善现有产品生产技术中对生产过程监测效果较差的问题。

为实现上述目的，本申请实施例采用如下技术方案：

一种基于大数据和云计算的产品生产监测方法，包括：

确定目标产品在生产过程中当前阶段的目标阶段信息，并基于所述目标阶段信息确定对应的生产环境标准温度信息；

获取所述目标产品在生产过程中当前阶段的生产环境温度信息；

基于所述生产环境温度信息和所述生产环境标准温度信息，确定所述目标产品在所述当前阶段是否处于异常状态。

在上述实施例的基础上，本申请还提供一种基于大数据和云计算的产品生产监测设备，包括：

存储器，用于存储计算机程序；

与所述存储器连接的处理器，用于执行所述计算机程序，以实现上述的基于大数据和云计算的产品生产监测方法。

本申请提供的基于大数据和云计算的产品生产监测方法及设备，通过确定目标产品在生产过程中当前阶段的目标阶段信息，使得可以基于目标阶段信息确定对应的生产环境标准温度信息，从而可以结合当前阶段的生产环境温度信息确定目标产品在当前阶段是否处于异常状态。基于此，可以充分考虑不同阶段对温度的不同需求（如基于目标阶段信息确定对应的生产环境标准温度信息），使得确定是否处于异常状态的结果更为可靠，从而改善现有产品生产技术中对生产过程监测效果较差的问题。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

图1为本申请实施例提供的基于大数据和云计算的产品生产监测设备的结构框图。

图2为本申请实施例提供的基于大数据和云计算的产品生产监测方法包括的各步骤的流程示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本申请的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。

如图1所示，本申请实施例提供了一种基于大数据和云计算的产品生产监测设备。其中，所述基于大数据和云计算的产品生产监测设备可以包括存储器和处理器。

详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件（firmware）的形式，存在的软件功能模块（计算机程序）。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本申请实施例（如后文所述）提供的基于大数据和云计算的产品生产监测方法。

可选地，所述存储器可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。

所述处理器可以是一种通用处理器，包括中央处理器（Central ProcessingUnit，CPU）、网络处理器（Network Processor，NP）、片上系统(System on Chip，SoC)等；还可以是数字信号处理器（DSP）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）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。

并且，图1所示的结构仅为示意，所述基于大数据和云计算的产品生产监测设备还可包括比图1中所示更多或者更少的组件，或具有与图1所示不同的配置，例如，还可以包括用于与其它设备进行信息交互的通信单元。

其中，在一种可以替代的示例中，所述基于大数据和云计算的产品生产监测设备可以是一种具备数据处理能力的服务器。

结合图2，本申请实施例还提供一种基于大数据和云计算的产品生产监测方法，可应用于上述基于大数据和云计算的产品生产监测设备。其中，该基于大数据和云计算的产品生产监测方法有关的流程所定义的方法步骤，可以由所述基于大数据的产品生产平台实现。

下面将对图2所示的具体流程，进行详细阐述。

步骤S110，确定目标产品在生产过程中当前阶段的目标阶段信息，并基于所述目标阶段信息确定对应的生产环境标准温度信息。

在本实施例中，在需要确定所述目标产品（如目标化妆品）在生产过程中当前阶段是否处于异常状态时，所述基于大数据和云计算的产品生产监测设备可以先确定该目标产品在生产过程中当前阶段的目标阶段信息。然后，基于该目标阶段信息确定对应的生产环境标准温度信息。

步骤S120，获取所述目标产品在生产过程中当前阶段的生产环境温度信息。

在本实施例中，在需要确定所述目标产品在生产过程中当前阶段是否处于异常状态时，所述基于大数据和云计算的产品生产监测设备还可以获取该目标产品在生产过程中当前阶段的生产环境温度信息。

步骤S130，基于所述生产环境温度信息和所述生产环境标准温度信息，确定所述目标产品在所述当前阶段是否处于异常状态。

在本实施例中，在基于步骤S110确定所述生产环境标准温度信息，且基于步骤S120获取到所述生产环境温度信息之后，所述基于大数据和云计算的产品生产监测设备可以基于该生产环境标准温度信息和该生产环境温度信息，确定所述目标产品在所述当前阶段是否处于异常状态。

基于上述方法，可以充分考虑不同阶段对产品生产过程中温度的不同需求（如基于目标阶段信息确定对应的生产环境标准温度信息），使得确定是否处于异常状态的结果更为可靠，从而改善现有产品生产技术中对生产过程监测效果较差的问题，具有较高的实用价值。

第一方面，对于步骤S110需要说明的时，确定所述目标阶段信息的具体方式不受限制，可以根据实际应用需求进行选择。

例如，在一种可以替代的示例中，步骤S110可以包括以下步骤：

首先，获取目标产品在生产过程中当前阶段对应的生产时间信息，其中，该生产时间信息用于表征该目标产品的生产持续时间（也就是说，该生产时间信息是指，目标产品在本次生产过程中从开始生产至今所耗费的时间信息，如从2020年1月5日9时开始生产，当前为2020年1月5日11时，则对应的生产时间信息为2小时）；

其次，基于所述生产时间信息确定所述目标产品的目标阶段信息（基于此，在获得所述生产时间信息之后，可以基于预先对所述目标产品的生产过程进行的阶段划分，确定目标阶段信息）。

又例如，在另一种可以替代的示例中，步骤S110可以包括以下步骤：

首先，获取目标产品在生产过程中当前阶段对应的目标设备信息，其中，该目标设备信息用于表征该目标产品在该当前阶段所处的加工设备（也就是说，考虑到在不同的加工设备进行生产时具有不同温度需求，因而，可以基于不同的加工设备进行阶段划分，使得需要确定当前阶段对应的目标设备信息）；

其次，基于所述目标设备信息确定所述目标产品的目标阶段信息（也就是说，由于不同的加工设备可以对应不同的阶段，因而，在获取到所述目标设备信息之后，可以确定所述目标阶段信息）。

在上述示例的基础上，对于步骤S110还需要说明的是，确定所述生产环境标准温度信息的具体方式不受限制，可以根据实际应用需求进行选择。

例如，在一种可以替代的示例中，可以响应用户对温度的配置操作，生成所述生产环境标准温度信息。

又例如，在另一种可以替代的示例中，为了提高确定的生产环境标准温度信息的可靠度，从而保证产品的生产安全和质量，步骤S110包括：

首先，基于所述目标阶段信息确定对应的历史阶段信息，其中，该目标阶段信息和该历史阶段信息表示所述目标产品在生产过程中属于相同阶段（例如，所述目标产品的每一次生产可以分为5个阶段，若所述目标阶段信息为本次生产过程中的第3个阶段，那么所述历史阶段信息为在历史生产过程中的第3个阶段）；

其次，获取所述历史阶段信息对应的多条生产环境历史温度信息（也就是说，获取历史上多次生产过程中每一次生产过程在该历史阶段信息对应的环境温度信息，如历史上每一次在第3个阶段的环境温度信息）；

然后，基于所述多条生产环境历史温度信息确定生产环境标准温度信息（例如，可以计算该多条生产环境历史温度信息的平均值，然后，将该平均值确定为所述生产环境标准温度信息；又例如，可以确定该多条生产环境历史温度信息的最大值和最小值，然后，基于该最大值和该最小值确定一个温度区间，并将该温度区间确定为所述生产环境标准温度信息）。

可选地，在上述示例中，获取所述多条生产环境历史温度信息的具体方式不受限制，可以根据实际应用需求进行选择。

例如，在一种可以替代的示例中，可以基于以下步骤获取到所述多条生产环境历史温度信息：

第一步，获取所述历史阶段信息对应的多条候选生产环境历史温度信息（也就是说，针对历史上对所述目标化妆的多次生产中的每一次生产，可以获取该次生产中所述历史阶段信息对应的环境历史温度信息，如此，可以得到盖茨生产对应的候选生产环境历史温度信息）；

第二步，获取所述多条候选生产环境历史温度信息中每一条所述候选生产环境历史温度信息的时间排序信息，得到多个时间排序信息，其中，该时间排序信息用于表征每一条候选生产环境历史温度信息生成的时间先后顺序（例如，生成时间最早的一条所述候选生产环境历史温度信息对应的时间排序信息可以最小，生成时间最晚的一条所述候选生产环境历史温度信息对应的时间排序信息可以最大）；

第三步，基于所述时间排序信息和该时间排序信息对应的候选生产环境历史温度信息，进行曲线拟合处理，得到对应的时间排序-历史温度曲线（也就是说，可以基于所述时间排序信息和所述候选生产环境历史温度信息构建二维坐标系，且在该二维坐标系中横轴可以为时间排序信息、纵轴可以为候选生产环境历史温度信息，然后，在该二维坐标系中基于所述时间排序信息和该时间排序信息对应的候选生产环境历史温度信息，进行曲线拟合处理，可以得到对应的时间排序-历史温度曲线）；

第四步，针对每一条所述时间排序信息，确定该时间排序信息和该时间排序信息对应的候选生产环境历史温度信息是否位于所述时间排序-历史温度曲线，并在该时间排序信息和该时间排序信息对应的候选生产环境历史温度信息位于所述时间排序-历史温度曲线时，将该候选生产环境历史温度信息作为生产环境历史温度信息（也就是说，可以将未位于所述时间排序-历史温度曲线上的时间排序信息和候选生产环境历史温度信息确定异常值，因而，可以予以丢弃处理）；或者

第五步，针对每一条所述时间排序信息，确定该时间排序信息和该时间排序信息对应的候选生产环境历史温度信息是否位于所述时间排序-历史温度曲线，并在该时间排序信息和该时间排序信息对应的候选生产环境历史温度信息位于所述时间排序-历史温度曲线时，将该候选生产环境历史温度信息作为目标候选生产环境历史温度信息，再确定最大的目标候选生产环境历史温度信息和最小的目标候选生产环境历史温度信息，并基于该最大的目标候选生产环境历史温度信息和该最小的目标候选生产环境历史温度信息确定历史温度区间，再将属于该历史温度区间的每一条候选生产环境历史温度信息作为生产环境历史温度信息（也就是说，所述历史温度区间的上限值可以为所述最大的目标候选生产环境历史温度信息、下限值可以为所述最小的目标候选生产环境历史温度信息确定历史温度区间，然后，将大于或等于该下限值且小于或等于该上限值的候选生产环境历史温度信息，作为生产环境历史温度信息）；或者

第六步，针对每一条所述时间排序信息，确定该时间排序信息和该时间排序信息对应的候选生产环境历史温度信息与所述时间排序-历史温度曲线之间的距离值（即在对应的二维坐标系中，计算时间排序信息和对应的候选生产环境历史温度信息这一个点与所述时间排序-历史温度曲线之间的距离值），判断该距离值是否小于距离阈值（该距离阈值可以基于用户的配置操作生成，具体值不做具体限定），并在该距离值小于该距离阈值时，将该候选生产环境历史温度信息作为生产环境历史温度信息。

又例如，在另一种可以替代的示例中，可以基于以下步骤获取到所述多条生产环境历史温度信息：

第一步，获取所述历史阶段信息对应的多条候选生产环境历史温度信息（结合前述的相关解释说明，在此不再一一赘述）；

第二步，获取所述多条候选生产环境历史温度信息中每一条所述候选生产环境历史温度信息的生成时间信息（该生成时间信息为采集得到该候选生产环境历史温度信息的时间信息），得到多个生成时间信息；

第三步，基于所述多个生成时间信息，按照时间从早到晚的顺序，对所述多条生产环境历史温度信息进行排序，得到历史温度信息序列（也就是说，在该历史温度信息序列中，第一个生产环境历史温度信息为生成时间信息最早的生产环境历史温度信息，最后一个生产环境历史温度信息为生成时间信息最晚的生产环境历史温度信息）；

第四步，从所述历史温度信息序列中提取生成时间信息满足时间信息条件的候选生产环境历史温度信息，（同样按照时间从早到晚的顺序进行排序）组成历史温度信息目标序列，其中，满足所述时间信息条件的候选生产环境历史温度信息的生成时间信息与所述生产环境温度信息的生成时间信息的时间关联度大于关联度阈值，且该时间关联度基于对应两个生成时间信息在每一天的时刻之间的差值确定（例如，对应两个生成时间信息为2020年6月7日10时和2020年6月8日10时，则该差值为0；又例如，对应两个生成时间信息为2020年6月8日10时和2020年6月9日11时，则该差值为1小时；其中，所述关联度阈值可以基于用户的配置操作生成，具体数值在此不再一一赘述）；

第五步，针对所述历史温度信息目标序列中第一条候选生产环境历史温度信息以外的每一条候选生产环境历史温度信息，确定该候选生产环境历史温度信息与前一条候选生产环境历史温度信息之间的温度差值信息（例如，确定第二条候选生产环境历史温度信息与第一条候选生产环境历史温度信息之间的温度差值信息，确定第三条候选生产环境历史温度信息与第二条候选生产环境历史温度信息之间的温度差值信息，确定第四条候选生产环境历史温度信息与第三条候选生产环境历史温度信息之间的温度差值信息），并获取该候选生产环境历史温度信息与前一条候选生产环境历史温度信息之间对应的生成时间信息的时间差值信息；

第六步，针对所述历史温度信息目标序列中第一条候选生产环境历史温度信息以外的每一条候选生产环境历史温度信息，计算该候选生产环境历史温度信息对应的温度差值信息和时间差值信息之间的比值，得到该候选生产环境历史温度信息对应的第一比值；

第七步，获取预先确定的比例阈值（该比例阈值可以基于用户的配置操作生成，具体数值在此不再一一赘述），并确定每一个所述第一比值与该比例阈值之间的大小关系；

第八步，针对每一个小于或等于所述比例阈值的第一比值，将该第一比值对应的候选生产环境历史温度信息（即对应的两条候选生产环境历史温度信息中的后一条候选生产环境历史温度信息），确定为生产环境历史温度信息；

第九步，针对每一个大于所述比例阈值的第一比值，将该第一比值对应的候选生产环境历史温度信息和该候选生产环境历史温度信息与前一条候选生产环境历史温度信息之间不满足所述时间信息条件的候选生产环境历史温度信息，组成历史温度信息目标子序列；

第十步，针对每一个所述历史温度信息目标子序列，确定该历史温度信息目标子序列包括的候选生产环境历史温度信息的数量是否大于预设值（该预设值可以基于用户的配置操作生成，具体数值在此不再一一赘述），并在该数量不大于该预设值时，将该历史温度信息目标子序列包括的每一条候选生产环境历史温度信息确定为生产环境历史温度信息，且在该数量大于该预设值时，对该历史温度信息目标子序列执行目标操作，其中，该目标操作包括：

第十一步，针对所述历史温度信息目标子序列中第一条候选生产环境历史温度信息以外的每一条候选生产环境历史温度信息，确定该候选生产环境历史温度信息与前一条候选生产环境历史温度信息之间的温度差值信息，并获取该候选生产环境历史温度信息与前一条候选生产环境历史温度信息之间对应的生成时间信息的时间差值信息（结合前述的相关解释说明，在此不再一一赘述）；

第十二步，针对所述历史温度信息目标子序列中第一条候选生产环境历史温度信息以外的每一条候选生产环境历史温度信息，计算该候选生产环境历史温度信息对应的温度差值信息和时间差值信息之间的比值，得到该候选生产环境历史温度信息对应的第二比值；

第十三步，确定每一个所述第二比值与所述比例阈值之间的大小关系；

第十四步，针对每一个小于或等于所述比例阈值的第二比值，将该第二比值对应的候选生产环境历史温度信息，确定为生产环境历史温度信息；

第十五步，针对每一个大于所述比例阈值的第二比值，将该第二比值对应的候选生产环境历史温度信息进行丢弃处理。

再例如，在另一种可以替代的示例中，特别地，可以基于以下步骤获取到所述多条生产环境历史温度信息：

第一步，获取所述历史阶段信息对应的多条候选生产环境历史温度信息（结合前述的相关解释说明，在此不再一一赘述）；

第二步，获取所述多条候选生产环境历史温度信息中每一条所述候选生产环境历史温度信息的时间排序信息，得到多个时间排序信息，其中，该时间排序信息用于表征每一条所述候选生产环境历史温度信息生成的时间先后顺序（结合前述的相关解释说明，在此不再一一赘述）；

第三步，基于所述多个时间排序信息，按照时间从早到晚的顺序，对所述多条候选生产环境历史温度信息进行排序，得到历史温度信息序列（结合前述的相关解释说明，在此不再一一赘述）；

第四步，基于所述历史温度信息序列包括的所述候选生产环境历史温度信息的数量，确定目标值，其中，该目标值的平方与该数量之间的差值小于任意一个目标整数值的平方与该数量之间的差值，且该目标整数值的平方小于该数量（例如，若所述历史温度信息序列包括的所述候选生产环境历史温度信息的数量为100，则所述目标值为10；若所述历史温度信息序列包括的所述候选生产环境历史温度信息的数量为99，则所述目标值为9；若所述历史温度信息序列包括的所述候选生产环境历史温度信息的数量为90，则所述目标值为9）；

第五步，在所述历史温度信息序列包括的多条候选生产环境历史温度信息中，选择目标值的平方条候选生产环境历史温度信息（例如，在所述候选生产环境历史温度信息的数量为99时，可以选择最后9²=81条候选生产环境历史温度信息），并按照在所述历史温度信息序列中的排序和在矩阵中从左上至右下的方向，构建目标矩阵（也就是说，该目标矩阵中左上角的候选生产环境历史温度信息为，所述历史温度信息序列中的第一条候选生产环境历史温度信息；该目标矩阵中右下角的候选生产环境历史温度信息为，所述历史温度信息序列中的最后一条候选生产环境历史温度信息；该目标矩阵中第一行最后一列的候选生产环境历史温度信息为，所述历史温度信息序列中的第所述目标值条候选生产环境历史温度信息；该目标矩阵中第二行最后一列的候选生产环境历史温度信息为，所述历史温度信息序列中的第2倍所述目标值条候选生产环境历史温度信息），其中，该目标矩阵的行数和列数等于所述目标值；

第六步，基于奇数行和奇数列对所述目标矩阵包括的候选生产环境历史温度信息进行第一采样处理，得到第一历史温度信息采样序列（也就是说，该第一历史温度信息采样序列包括的每一条候选生产环境历史温度信息，在所述目标矩阵中的位置都为奇数行和奇数列，例如，第一行第一列的候选生产环境历史温度信息、第一行第三列的候选生产环境历史温度信息、第一行第五列的候选生产环境历史温度信息、......、第三行第一列的候选生产环境历史温度信息、第三行第三列的候选生产环境历史温度信息、第三行第五列的候选生产环境历史温度信息......）；

第七步，基于偶数行和偶数列对所述目标矩阵包括的候选生产环境历史温度信息进行第二采样处理，得到第二历史温度信息采样序列（也就是说，该第二历史温度信息采样序列包括的每一条候选生产环境历史温度信息，在所述目标矩阵中的位置都为偶数行和偶数列，例如，第二行第二列的候选生产环境历史温度信息、第二行第四列的候选生产环境历史温度信息、第二行第六列的候选生产环境历史温度信息、......、第四行第二列的候选生产环境历史温度信息、第四行第四列的候选生产环境历史温度信息、第四行第六列的候选生产环境历史温度信息......）；

第八步，基于奇数行和偶数列对所述目标矩阵包括的候选生产环境历史温度信息进行第三采样处理，得到第三历史温度信息采样序列（也就是说，该第三历史温度信息采样序列包括的每一条候选生产环境历史温度信息，在所述目标矩阵中的位置都为奇数行和偶数列，例如，第一行第二列的候选生产环境历史温度信息、第一行第四列的候选生产环境历史温度信息、第一行第六列的候选生产环境历史温度信息、......、第三行第二列的候选生产环境历史温度信息、第三行第四列的候选生产环境历史温度信息、第三行第六列的候选生产环境历史温度信息......）；

第九步，基于偶数行和奇数列对所述目标矩阵包括的候选生产环境历史温度信息进行第四采样处理，得到第四历史温度信息采样序列（也就是说，该第四历史温度信息采样序列包括的每一条候选生产环境历史温度信息，在所述目标矩阵中的位置都为偶数行和奇数列，例如，第二行第一列的候选生产环境历史温度信息、第二行第三列的候选生产环境历史温度信息、第二行第五列的候选生产环境历史温度信息、......、第四行第一列的候选生产环境历史温度信息、第四行第三列的候选生产环境历史温度信息、第四行第五列的候选生产环境历史温度信息......）；

第十步，分别计算所述第一历史温度信息采样序列、所述第二历史温度信息采样序列、所述第三历史温度信息采样序列和所述第四历史温度信息采样序列中在单位时间长度内具有的候选生产环境历史温度信息的数量，得到第一数量、第二数量、第三数量和第四数量（例如，所述第一历史温度信息采样序列包括的候选生产环境历史温度信息的X，且该第一历史温度信息采样序列中第一条候选生产环境历史温度信息和最后一条候选生产环境历史温度信息之间的时间差值为Y，则对应的第一数量为X/Y）；

第十一步，针对所述第一数量，分别计算该第一数量与所述第二数量、所述第三数量和所述第四数量之间的数量差值，并计算三个该数量差值的离散程度，得到第一离散程度值（例如，三个数量差值为10、10和40，则先计算平均值为20，再计算第一离散程度值，即（|10-20|+|10-20|+|40-20|）/3=13.33333.....）；

第十二步，针对所述第二数量，分别计算该第二数量与所述第一数量、所述第三数量和所述第四数量之间的数量差值，并计算三个该数量差值的离散程度，得到第二离散程度值（计算方式如前所述，在此不再一一赘述）；

第十三步，针对所述第三数量，分别计算该第三数量与所述第一数量、所述第二数量和所述第四数量之间的数量差值，并计算三个该数量差值的离散程度，得到第三离散程度值（计算方式如前所述，在此不再一一赘述）；

第十四步，针对所述第四数量，分别计算该第四数量与所述第一数量、所述第二数量和所述第三数量之间的数量差值，并计算三个该数量差值的离散程度，得到第四离散程度值（计算方式如前所述，在此不再一一赘述）；

第十五步，在所述第一离散程度值、所述第二离散程度值、所述第三离散程度值和所述第四离散程度值中，确定最小的离散程度值；

第十六步，将所述最小的离散程度值对应数量对应的历史温度信息采样序列包括的候选生产环境历史温度信息作为生产环境历史温度信息（例如，若最小的离散程度值为所述第一离散程度值，可以将所述第一数量对应的第一历史温度信息采样序列包括的候选生产环境历史温度信息，都作为生产环境历史温度信息，如此，可以得到多条生产环境历史温度信息）。

第二方面，对于步骤S120需要说明的是，获取所述生产环境温度信息的具体方式不受限制，可以根据实际应用需求进行选择。

例如，在一种可以替代的示例中，所述基于大数据和云计算的产品生产监测设备通信连接有温度传感器。基于此，所述温度传感器可以实时对所述目标产品所在的环境温度进行检测，并在检测到环境温度之后，实时发送给所述基于大数据和云计算的产品生产监测设备。

又例如，在另一种可以替代的示例中，所述基于大数据和云计算的产品生产监测设备通信连接有温度传感器。基于此，步骤S120可以包括：

首先，生成温度采集指令，并将该温度采集指令发送给所述温度传感器，其中，该温度传感器用于采集所述目标产品在生产过程中的生产环境温度信息并存储，且在接收到该温度采集指令时，将当前采集的生产环境温度信息发送给所述产品生产设备；

其次，接收所述温度传感器发送的所述生产环境温度信息。

第三方面，对于步骤S130需要说明的是，确定所述目标产品是否处于异常状态的具体方式不受限制，可以根据实际应用需求进行选择。

例如，在一种可以替代的示例中，步骤S130可以包括：

首先，判断所述生产环境温度信息是否属于所述生产环境标准温度信息对应的温度标准区间（也就是说，该生产环境标准温度信息可以是一个温度区间，包括温度上限值和温度下限值）；

若所述生产环境温度信息属于所述温度标准区间，则确定所述目标产品在所述当前阶段未处于异常状态；

若所述生产环境温度信息不属于所述温度标准区间，则确定所述目标产品在所述当前阶段处于异常状态。

又例如，在另一种可以替代的示例中，步骤S130可以包括：

计算所述生产环境温度信息与所述生产环境标准温度信息（也就是说，该生产环境标准温度信息可以是一个温度值）之间的温度差值信息，并判断该差值信息是否大于差值阈值信息（该差值阈值信息可以基于用户配置生成，且基于不同的产品和不同的质量可以有不同的值）；

若所述差值信息小于或等于所述差值阈值信息，则确定所述目标产品在所述当前阶段未处于异常状态；

若所述差值信息大于所述差值阈值信息，则确定所述目标产品在所述当前阶段处于异常状态。

综上所述，本申请提供的基于大数据和云计算的产品生产监测方法及设备，通过确定目标产品在生产过程中当前阶段的目标阶段信息，使得可以基于目标阶段信息确定对应的生产环境标准温度信息，从而可以结合当前阶段的生产环境温度信息确定目标产品在当前阶段是否处于异常状态。基于此，可以充分考虑不同阶段对温度的不同需求（如基于目标阶段信息确定对应的生产环境标准温度信息），使得确定是否处于异常状态的结果更为可靠，从而改善现有产品生产技术中对生产过程监测效果较差的问题，具有较高的实用价值。

在本申请实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，电子设备，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种基于大数据和温度监测的产品生产异常监测方法，其特征在于，包括：

确定目标产品在生产过程中当前阶段的目标阶段信息；

基于所述目标阶段信息确定对应的历史阶段信息，其中，该目标阶段信息和该历史阶段信息表示所述目标产品在生产过程中属于相同阶段；

获取所述历史阶段信息对应的多条生产环境历史温度信息，并基于所述多条生产环境历史温度信息的平均值或对应的最大值和最小值确定的温度区间，确定生产环境标准温度信息；

获取所述目标产品在生产过程中当前阶段的生产环境温度信息；

基于所述生产环境温度信息和所述生产环境标准温度信息，确定所述目标产品在所述当前阶段是否处于异常状态。

2.根据权利要求1所述的基于大数据和温度监测的产品生产异常监测方法，其特征在于，该方法应用于基于大数据和云计算的产品生产监测设备，该产品生产设备通信连接有温度传感器，所述获取所述目标产品在生产过程中当前阶段的生产环境温度信息的步骤，包括：

生成温度采集指令，并将该温度采集指令发送给所述温度传感器，其中，该温度传感器用于采集所述目标产品在生产过程中的生产环境温度信息并存储，且在接收到该温度采集指令时，将当前采集的生产环境温度信息发送给所述产品生产设备；

接收所述温度传感器发送的所述生产环境温度信息。

3.根据权利要求1所述的基于大数据和温度监测的产品生产异常监测方法，其特征在于，所述基于所述生产环境温度信息和所述生产环境标准温度信息，确定所述目标产品在所述当前阶段是否处于异常状态的步骤，包括：

判断所述所述生产环境温度信息是否属于所述生产环境标准温度信息对应的温度标准区间；

若所述生产环境温度信息属于所述温度标准区间，则确定所述目标产品在所述当前阶段未处于异常状态；

若所述生产环境温度信息不属于所述温度标准区间，则确定所述目标产品在所述当前阶段处于异常状态。

4.根据权利要求1所述的基于大数据和温度监测的产品生产异常监测方法，其特征在于，所述基于所述生产环境温度信息和所述生产环境标准温度信息，确定所述目标产品在所述当前阶段是否处于异常状态的步骤，包括：

计算所述生产环境温度信息与所述生产环境标准温度信息之间的温度差值信息，并判断该差值信息是否大于差值阈值信息；

若所述差值信息小于或等于所述差值阈值信息，则确定所述目标产品在所述当前阶段未处于异常状态；

若所述差值信息大于所述差值阈值信息，则确定所述目标产品在所述当前阶段处于异常状态。

5.根据权利要求1所述的基于大数据和温度监测的产品生产异常监测方法，其特征在于，所述确定目标产品在生产过程中当前阶段的目标阶段信息的步骤，包括：

获取目标产品在生产过程中当前阶段对应的生产时间信息，其中，该生产时间信息用于表征该目标产品的生产持续时间；

基于所述生产时间信息确定所述目标产品的目标阶段信息。

6.根据权利要求1所述的基于大数据和温度监测的产品生产异常监测方法，其特征在于，所述确定目标产品在生产过程中当前阶段的目标阶段信息的步骤，包括：

获取目标产品在生产过程中当前阶段对应的目标设备信息，其中，该目标设备信息用于表征该目标产品在该当前阶段所处的加工设备；

基于所述目标设备信息确定所述目标产品的目标阶段信息。

7.根据权利要求1-6任意一项所述的基于大数据和温度监测的产品生产异常监测方法，其特征在于，所述所述获取所述历史阶段信息对应的多条生产环境历史温度信息的步骤，包括：

获取所述历史阶段信息对应的多条候选生产环境历史温度信息；

获取所述多条候选生产环境历史温度信息中每一条所述候选生产环境历史温度信息的生成时间信息，得到多个生成时间信息；

基于所述多个生成时间信息，按照时间从早到晚的顺序，对所述多条生产环境历史温度信息进行排序，得到历史温度信息序列；

从所述历史温度信息序列中提取生成时间信息满足时间信息条件的候选生产环境历史温度信息，组成历史温度信息目标序列，其中，满足所述时间信息条件的候选生产环境历史温度信息的生成时间信息与所述生产环境温度信息的生成时间信息的时间关联度大于关联度阈值，且该时间关联度基于对应两个生成时间信息在每一天的时刻之间的差值确定；

针对所述历史温度信息目标序列中第一条候选生产环境历史温度信息以外的每一条候选生产环境历史温度信息，确定该候选生产环境历史温度信息与前一条候选生产环境历史温度信息之间的温度差值信息，并获取该候选生产环境历史温度信息与前一条候选生产环境历史温度信息之间对应的生成时间信息的时间差值信息；

针对所述历史温度信息目标序列中第一条候选生产环境历史温度信息以外的每一条候选生产环境历史温度信息，计算该候选生产环境历史温度信息对应的温度差值信息和时间差值信息之间的比值，得到该候选生产环境历史温度信息对应的第一比值；

获取预先确定的比例阈值，并确定每一个所述第一比值与该比例阈值之间的大小关系；

针对每一个小于或等于所述比例阈值的第一比值，将该第一比值对应的候选生产环境历史温度信息，确定为生产环境历史温度信息；

针对每一个大于所述比例阈值的第一比值，将该第一比值对应的候选生产环境历史温度信息和该候选生产环境历史温度信息与前一条候选生产环境历史温度信息之间不满足所述时间信息条件的候选生产环境历史温度信息，组成历史温度信息目标子序列；

针对每一个所述历史温度信息目标子序列，确定该历史温度信息目标子序列包括的候选生产环境历史温度信息的数量是否大于预设值，并在该数量不大于该预设值时，将该历史温度信息目标子序列包括的候选生产环境历史温度信息确定为生产环境历史温度信息，且在该数量大于该预设值时，对该历史温度信息目标子序列执行目标操作，其中，该目标操作包括：

针对所述历史温度信息目标子序列中第一条候选生产环境历史温度信息以外的每一条候选生产环境历史温度信息，确定该候选生产环境历史温度信息与前一条候选生产环境历史温度信息之间的温度差值信息，并获取该候选生产环境历史温度信息与前一条候选生产环境历史温度信息之间对应的生成时间信息的时间差值信息；

针对所述历史温度信息目标子序列中第一条候选生产环境历史温度信息以外的每一条候选生产环境历史温度信息，计算该候选生产环境历史温度信息对应的温度差值信息和时间差值信息之间的比值，得到该候选生产环境历史温度信息对应的第二比值；

确定每一个所述第二比值与所述比例阈值之间的大小关系；

针对每一个小于或等于所述比例阈值的第二比值，将该第二比值对应的候选生产环境历史温度信息，确定为生产环境历史温度信息；

针对每一个大于所述比例阈值的第二比值，将该第二比值对应的候选生产环境历史温度信息进行丢弃处理。

8.一种基于大数据和云计算的产品生产监测设备，其特征在于，包括：

存储器，用于存储计算机程序；

与所述存储器连接的处理器，用于执行所述计算机程序，以实现权利要求1-7任意一项所述的基于大数据和温度监测的产品生产异常监测方法。

Images