CN113703396B - 一种基于智能终端的数控切割设备的智能升级方法 - Google Patents
一种基于智能终端的数控切割设备的智能升级方法 Download PDFInfo
- Publication number
- CN113703396B CN113703396B CN202110842598.9A CN202110842598A CN113703396B CN 113703396 B CN113703396 B CN 113703396B CN 202110842598 A CN202110842598 A CN 202110842598A CN 113703396 B CN113703396 B CN 113703396B
- Authority
- CN
- China
- Prior art keywords
- task
- data
- decision
- target
- intelligent
- 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
- 238000005520 cutting process Methods 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005457 optimization Methods 0.000 claims abstract description 29
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 95
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 17
- 230000005611 electricity Effects 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing 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
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/408—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by data handling or data format, e.g. reading, buffering or conversion of data
- G05B19/4083—Adapting programme, configuration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
- G06F8/65—Updates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G05B2219/35—Nc in input of data, input till input file format
- G05B2219/35356—Data handling
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Computer Security & Cryptography (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于智能终端的数控切割设备的智能升级方法,包括:获取任务清单,并通过大数据平台向智能终端派发所述任务清单,确定目标任务;根据所述目标任务,生成任务指令,并传输所述任务指令至数控切割设备进行执行,生成执行源代码;监控数控切割设备,实时获取所述执行源代码,生成执行源数据,并将所述执行源数据反馈到大数据平台,生成反馈信息;获取所述反馈信息,判断目标任务的是否正常执行,并确定判断结果,同时将所述判断结果传输至大数据平台,生成对应的目标决策信息;将所述目标决策信息传输至智能终端进行决策分析,并生成对应的优化数据,根据所述优化数据,对数控切割设备进行智能升级。
Description
技术领域
本发明涉及智能终端、数控切割设备技术领域,特别涉及一种基于智能终端的数控切割设备的智能升级方法。
背景技术
目前现有数控切割设备不具备智能加工能力,近乎都依赖工人操作设备,加工任务的派发和统计、上报也完全依赖人工来完成。加工任务完成情况和进度状态完全通过人工统计,存在上报不及时和造假的情况。如工人重复下料、加工非需要任务的材料等情况,切割设备的用电量、气体使用量、任务开始时间、任务结束时间、操作人员、哪台设备执行的任务都无法准确和及时统计,无法随时掌握当前的加工任务是否是需要的任务,同时存在工人私自更改任务但无法及时监控的风险,
发明内容
本发明提供一种基于智能终端的数控切割设备,以解决上述问题。
本发明提供一种基于智能终端的数控切割设备的智能升级方法,其特征在于,包括:
获取任务清单,并通过大数据平台向智能终端派发所述任务清单,确定目标任务;
根据所述目标任务,生成任务指令,并传输所述任务指令至数控切割设备进行执行,生成执行源数据;
监控数控切割设备,实时获取所述执行源数据,并将所述执行源数据反馈到大数据平台,生成反馈信息;
根据所述反馈信息,判断目标任务的是否正常执行,并确定判断结果,同时将所述判断结果传输至大数据平台,生成对应的目标决策信息;
将所述目标决策信息传输至智能终端进行决策分析,并生成对应的优化数据,根据所述优化数据,对数控切割设备进行智能升级。
作为本技术方案的一种实施例,所述智能控制终端包括5G信息传输模块、智能加工控制模块、电量计量器、气体流量计量器和显示屏;其中,
所述5G信息传输模块用于在智能加工控制模块和大数据平台之间进行数据交换和任务指令传输;
所述智能加工控制模块用于连接数控切割设备的控制端口,并控制数控切割设备进行工作;
所述电量计量器用于统计数控切割设备在执行目标任务时的用电量;
所述气体流量计量器用于统计数控切割设备在执行目标任务时的用气量;
所述显示屏用于呈现用电量、用气量、大数据平台派发的目标任务和任务执行情况。
作为本技术方案的一种实施例,所述获取任务清单,并通过大数据平台向智能控制终端派发所述任务清单,确定目标任务,包括:
获取任务清单,根据所述任务清单,确定加工任务;
获取加工任务的加工顺序;
基于预设5G网络端,将所述加工任务按照加工顺序传输至大数据平台,确定任务清单;
向智能控制终端派发所述任务清单,并选择需要加工的任务,确定目标任务。
作为本技术方案的一种实施例,所述获取加工任务的加工顺序,包括:
判断所述加工任务是否为历史中断任务,并确定第一判断结果;
当所述加工任务是历史中断任务,获取中断时间,并根据所述中断时间进行排序,确定再次加工顺序;
当所述加工任务是首次执行任务,获取加工任务的开始时间,并确定首次加工顺序;
对所述再次加工顺序和首次加工顺序进行排序,确定加工顺序。
作为本技术方案的一种实施例,所述根据所述目标任务,生成任务指令,并传输所述任务指令至数控切割设备进行执行,生成执行源数据,包括:
根据所述目标任务,生成具有唯一标志的目标任务编码;
将所述目标任务传输至智能终端中的控制端,生成任务数据,并根据所述任务数据,生成任务指令;
根据所述目标任务编码,匹配对应的任务指令,并确定目标任务编码和对应的任务指令的对应关系;
按照所述对应关系,将所述任务指令传输至预设的数控切割设备执行,确定对应的执行源数据。
作为本技术方案的一种实施例,所述监控数控切割设备,实时获取所述执行源数据,并将所述执行源数据反馈到大数据平台,生成反馈信息,包括:
通过预设的监控切割设备,实时监控数控切割设备,获取数控切割设备的执行源代码;
追溯所述执行源代码的执行时间,并确定实时源代码;
基于智能终端,采集并分析所述实时源代码,获取任务执行情况;其中,
所述任务执行情况包括任务执行完成进度情况,包括时间完成进度和任务执行流程进度;
根据所述任务执行情况,确定任务进度;
将所述任务进度反馈到大数据平台的显示屏进行展示,确定反馈信息。
作为本技术方案的一种实施例,所述获取所述反馈信息,判断目标任务的是否正常执行,并确定判断结果,同时将所述判断结果传输至大数据平台,生成对应的目标决策信息,包括:
根据所述反馈信息,追溯目标任务的任务执行情况;其中,
所述任务执行情况代表任务编码、任务执行时间、任务用气量、任务用电量、任务开始时间、任务持续时间和任务状态;
判断目标任务的任务执行情况是否终止,确定判断结果;
当所述目标任务的任务执行情况正常时,继续执行所述目标任务;
当所述目标任务的任务执行情况终止时,判断所述目标任是否为已完成或者异常的目标任务,解析所述目标任务,确定对应的异常结果;
将所述异常结果反馈至大数据平台,并基于智能终端预设的深度学习网络机制,自动生成对应的目标决策信息。
作为本技术方案的一种实施例,所述将所述目标决策信息传输至智能终端进行决策分析,并生成对应的优化数据,根据所述优化数据,对数控切割设备进行智能升级,包括:
获取目标决策信息,将所述目标决策信息传输至智能终端,生成目标决策数据;
对所述目标决策数据进行预处理,确定第一决策特征数据;
获取历史决策数据,并提取第二决策特征数据;
计算所述第一决策特征数据和第二决策特征数据的相关联度,并根据所述相关联度,确定是否满足升级条件,并在相关联度满足升级条件时,生成对应的优化数据;
将所述优化数据传输至智能终端,确定优化指令,将所述优化指令传输至数控切割设备进行智能升级。
作为本技术方案的一种实施例,所述计算所述第一决策特征数据和第二决策特征数据的相关联度,并根据所述相关联度,确定是否满足升级条件,并在相关联度满足升级条件时,生成对应的优化数据,包括:
步骤S1:获取第一决策特征数据和第二决策特征数据,并计算动态系数:
其中,sd代表第一决策特征数据的动态系数,ti代表第i个时刻,i=1,2,…,n,n为采集到的第一决策特征数据的总个数,k(ti)代表在第i个时刻采集到的第一决策特征数据,U代表采集到的第一决策特征数据的集合,kU(t)代表时间t内通过第一决策特征参数的集合U获取的总第一决策特征数据,xi代表第i个第一决策特征数据的影响系数,I(k(ti),xi)代表关于第一决策特征数据的特征函数,I(kU(t))代表关于总第一决策特征数据的特征函数,代表第二决策特征数据的动态系数,tj代表第j个时刻,j=1,2,…,m,m为采集到的第二决策特征数据的总个数,k(tj)代表在第j个时刻采集到的第二决策特征数据,V代表采集到的第二决策特征数据的集合,kV(t)代表时间t内通过第二决策特征参数的集合U获取的总第二决策特征数据,代表第j个第二决策特征数据的影响系数,代表关于第二决策特征数据的特征函数,I(kV(tj))代表关于总第二决策特征数据的特征函数;
步骤S2:计算动态系数之间的相关联度:
其中,所述S为智能终端的相关联度,代表在tj时刻出现第j个第二决策特征数据的影响系数xj的贝叶斯概率,p(ti,xi)代表在ti时刻出现第i个第一决策特征数据的影响系数xi的贝叶斯概率,maxj≠ip(ti,xi)代表在最大泛化影响系数下在ti时刻出现第i个第一决策特征数据的影响系数xi的贝叶斯概率,sdx代表第x个第一决策特征数据的动态系数,为第m个第二决策特征数据的动态系数,x=1,2,…M,M为采集到的决策特征数据的动态系数的样本总个数;
步骤S3:当所述相关联度满足预设的升级条件,并在相关联度满足升级条件时,生成对应的优化数据。
作为本技术方案的一种实施例,所述步骤S3,还包括:
步骤S301:判断所述升级关联度是否满足预设的升级条件,确定关联度判断结果;
其中,H代表关联度判断结果(0代表失败结果,1代表成功结果),Q代表预设的关联度临界度,R代表惩罚因子,δi代表采集到的关于不均匀的第i个第一决策特征数据的影响系数xi的样本松弛变量,i=1,2,…,n,n为随机变量的总数;
步骤S302:当关联度不满足预设的升级条件时,即H=0,无法生成优化指令,并生成异常数据,将所述异常数据返回至大数据平台,并进行智能分析;
步骤S303:当升级关联度满足预设的阈值时,即H=1,确定对应的优化数据,并生成优化指令传输至智能终端,对数控切割设备进行智能升级。
本发明的有益效果如下:
本技术方案的加工任务由大数据平台通过5G网络派发至智能加工控制模块,智能加工控制模块通过调用切割设备控制程序源代码自动控制切割设备任务指令,任务完成情况和进度状态由智能加工控制模块监控切割设备控制程序源代码执行情况来掌控,并实时把源代码执行情况的信息传输至大数据平台和显示屏,使管理人员能够随时掌握任务执行情况。此过程无需工人干预,从根本上杜绝了造假的可能;大数据平台可以随时掌握当前正执行的任务是否是需要的任务;工人只能从大数据平台派发的任务中选择,不能执行派发任务之外的任何任务;派发的任务指令具有唯一性,当切割设备执行完该指令后,指令失效,无法再次选择,从根本上杜绝了重复下料、加工非需要任务的材料等情况的发生;未开始任务、已完成任务、正执行任务的统计由智能加工控制模块自动完成并上传至大数据平台,无需人工统计,极大地提高了效率和准确性;可以在大数据平台实时显示执行某个加工任务时切割设备的用电量、气体使用量、任务开始时间、任务结束时间、操作人员、设备编号等信息,由于无人工干预,因此信息具有极高的准确性和及时性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
在附图中:
图1为本发明实施例中一种基于智能终端的数控切割设备的智能升级方法;
图2为本发明实施例中一种基于智能终端的数控切割设备的智能升级方法;
图3为本发明实施例中一种基于智能终端的数控切割设备的智能升级方法。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
实施例1:
根据图1所示,本发明提供一种基于智能终端的数控切割设备的智能升级方法,包括:
获取任务清单,并通过大数据平台向智能终端派发所述任务清单,确定目标任务;
根据所述目标任务,生成任务指令,并传输所述任务指令至数控切割设备进行执行,生成执行源数据;
监控数控切割设备,实时获取所述执行源数据,并将所述执行源数据反馈到大数据平台,生成反馈信息;
根据所述反馈信息,判断目标任务的是否正常执行,并确定判断结果,同时将所述判断结果传输至大数据平台,生成对应的目标决策信息;
将所述目标决策信息传输至智能终端进行决策分析,并生成对应的优化数据,根据所述优化数据,对数控切割设备进行智能升级。
上述技术方案的工作原理为:
本发明大数据平台通过5G网络向智能控制终端派发任务清单,操作工人在显示屏上选择需要开始的任务,智能加工控制模块控制数控切割设备任务指令,智能加工控制模块监控切割设备控制程序源代码执行情况来掌控任务进度,并实时反馈到大数据平台,任务执行过程中的其它信息如用电量、气体使用量、任务开始时间、任务持续时间、操作人员、设备编号等也会实时反馈到大数据平台,任务执行完毕后操作工人可选择执行其它任务,当任务因故障出现中断时,智能加工控制模块会记忆中断位置,再次执行时会自动从中断位置开始。同时故障信息也会实时反馈到大数据平台供管理人员决策,获取任务清单,并通过大数据平台向智能控制终端派发任务清单,选择目标任务,根据目标任务,生成任务指令,并传输至预设的数控切割设备执行所述任务指令,并生成执行源代码,监控切数控割设备,实时获取执行源代码,确定任务进度,并反馈到大数据平台,确定反馈信息,根据所述反馈信息,判断目标任务的执行情况,生成判断结果,将所述判断结果传输至大数据平台并生成目标决策信息。
上述技术方案的有益效果为:
本技术方案具备智能加工能力,不依赖工人操作设备,加工任务的派发和统计、上报也智能化自动处理完成,加工任务完成情况和进度状态也不完全人工统计,人工的话存在上报不及时和造假的情况,无法随时掌握当前的加工任务是否是需要的任务。减少了工人私自更改任务但无法及时监控的风险,如工人重复下料、加工非需要任务的材料等情况;切割设备的用电量、气体使用量、任务开始时间、任务结束时间、操作人员、哪台设备执行的任务都可以进行准确和及时统计。
实施例2:
本技术方案提供了一种实施例,所述智能控制终端包括5G信息传输模块、智能加工控制模块、电量计量器、气体流量计量器和显示屏;其中,
所述5G信息传输模块用于在智能加工控制模块和大数据平台之间进行数据交换和任务指令传输;
所述智能加工控制模块用于连接数控切割设备的控制端口,并控制数控切割设备进行工作;
所述电量计量器用于统计数控切割设备在执行目标任务时的用电量;
所述气体流量计量器用于统计数控切割设备在执行目标任务时的用气量;
所述显示屏用于呈现用电量、用气量、大数据平台派发的目标任务和任务执行情况。
上述技术方案的工作原理为:
本技术方案提供了一种实施例,在数控切割设备操作台增加智能控制终端(赋予其唯一的设备识别码)。该终端由5G信息传输模块、智能加工控制模块、电量计量器、气体流量计量器、显示屏组成;5G信息传输模块用于智能加工控制模块和大数据平台的数据交换和任务指令传输;智能加工控制模块连接数控切割设备的控制端口,控制模块通过调用切割设备内置的控制程序源代码来获取切割设备的控制权。切割设备的所有工作过程均由控制模块来掌控;电量计量器可以统计切割设备在执行某个任务时的用电量;气体流量计量器可以统计切割设备在执行某个任务时的用气量;显示屏用于呈现由大数据平台派发的任务、任务执行情况,以及用于完成任务所需要的各操作功能,还可显示用电量、用气量等信息。
上述技术方案的有益效果为:
本技术方案任务完成情况和进度状态由智能加工控制模块监控切割设备控制程序源代码执行情况来掌控,并实时把源代码执行情况的信息传输至大数据平台和显示屏,使管理人员能够随时掌握任务执行情况,此过程无需工人干预,从根本上杜绝了造假的可能,同时,可以在大数据平台实时显示执行某个加工任务时切割设备的用电量、气体使用量、任务开始时间、任务结束时间、操作人员、设备编号等信息,由于无人工干预,因此信息具有极高的的准确性和及时性。
实施例3:
根据图2所示,本技术方案提供了一种实施例,所述获取任务清单,并通过大数据平台向智能控制终端派发所述任务清单,确定目标任务,包括:
获取任务清单,根据所述任务清单,确定加工任务;
获取加工任务的加工顺序;
基于预设5G网络端,将所述加工任务按照加工顺序传输至大数据平台,确定任务清单;
向智能控制终端派发所述任务清单,并选择需要加工的任务,确定目标任务。
上述技术方案的工作原理和有益效果为:
本技术方案从大数据平台派发的任务中选择,不能执行派发任务之外的任何任务,派发的任务指令具有唯一性,当切割设备执行完该指令后,指令失效,无法再次选择,从根本上杜绝了重复下料、加工非需要任务的材料等情况的发生,大数据平台可以随时掌握当前正执行的任务是否是需要的任务,极大地提高了效率和准确性。
实施例4:
本技术方案提供了一种实施例,所述获取加工任务的加工顺序,包括:
判断所述加工任务是否为历史中断任务,并确定第一判断结果;
当所述加工任务是历史中断任务,获取中断时间,并根据所述中断时间进行排序,确定再次加工顺序;
当所述加工任务是首次执行任务,获取加工任务的开始时间,并确定首次加工顺序;
对所述再次加工顺序和首次加工顺序进行排序,确定加工顺序。
上述技术方案的工作原理和有益效果为:
本技术方案对未开始任务、已完成任务、正执行任务的统计由智能加工控制模块自动完成并上传至大数据平台,无需人工统计,极大地提高了效率和准确性。
实施例5:
本技术方案提供了一种实施例,所述根据所述目标任务,生成任务指令,并传输所述任务指令至数控切割设备进行执行,生成执行源数据,包括:
根据所述目标任务,生成具有唯一标志的目标任务编码;
将所述目标任务传输至智能终端中的控制端,生成任务数据,并根据所述任务数据,生成任务指令;
根据所述目标任务编码,匹配对应的任务指令,并确定目标任务编码和对应的任务指令的对应关系;
按照所述对应关系,将所述任务指令传输至预设的数控切割设备执行,确定对应的执行源数据。
上述技术方案的工作原理为:
本技术方案任务完成情况和进度状态由智能加工控制模块监控切割设备控制程序源代码执行情况来掌控,并实时把源代码执行情况的信息传输至大数据平台和显示屏,使管理人员能够随时掌握任务执行情况。此过程无需工人干预,从根本上杜绝了造假的可能,包括将所述目标任务传输至智能终端中的控制端,生成唯一标志的目标任务编码,并采集任务数据;根据所述任务数据,生成任务指令,按照目标任务编码和对应的任务指令的对应关系,将所述任务指令传输至预设的数控切割设备执行,生成执行源代码。
上述技术方案的有益效果为:
本技术方案实时把源代码执行情况的信息传输至大数据平台和显示屏,使管理人员能够随时掌握任务执行情况,掌握当前的加工任务是否是需要的任务,具备任何智能加工能力。
实施例6:
本技术方案提供了一种实施例,所述监控数控切割设备,实时获取所述执行源数据,并将所述执行源数据反馈到大数据平台,生成反馈信息,包括:
通过预设的监控切割设备,实时监控数控切割设备,获取数控切割设备的执行源代码;
追溯所述执行源代码的执行时间,并确定实时源代码;
基于智能终端,采集并分析所述实时源代码,获取任务执行情况;其中,
所述任务执行情况包括任务执行完成进度情况,包括时间完成进度和任务执行流程进度;
根据所述任务执行情况,确定任务进度;
将所述任务进度反馈到大数据平台的显示屏进行展示,确定反馈信息。
上述技术方案的工作原理和有益效果为:
本技术方案通过智能加工控制模块控制数控切割设备任务指令,智能加工控制模块监控切割设备控制程序源代码执行情况来掌控任务进度,并实时反馈到大数据平台,未开始任务、已完成任务、正执行任务的统计由智能加工控制模块自动完成并上传至大数据平台,无需人工统计,极大地提高了效率和准确性。
实施例7:
本技术方案提供了一种实施例,所述获取所述反馈信息,判断目标任务的是否正常执行,并确定判断结果,同时将所述判断结果传输至大数据平台,生成对应的目标决策信息,包括:
根据所述反馈信息,追溯目标任务的任务执行情况;其中,
所述任务执行情况代表任务编码、任务执行时间、任务用气量、任务用电量、任务开始时间、任务持续时间和任务状态;
判断目标任务的任务执行情况是否终止,确定判断结果;
当所述目标任务的任务执行情况正常时,继续执行所述目标任务;
当所述目标任务的任务执行情况终止时,判断所述目标任是否为已完成或者异常的目标任务,解析所述目标任务,确定对应的异常结果;
将所述异常结果反馈至大数据平台,并基于智能终端预设的深度学习网络机制,自动生成对应的目标决策信息。
上述技术方案的工作原理为:
本技术方案提供根据所述反馈信息,判断目标任务的执行情况是否正常,确定判断结果,并将所述判断结果传输至大数据平台,生成目标决策信息,包括根据所述反馈信息,追溯目标任务的任务执行情况;其中,所述反馈信息包括目标任务的任务编号、用电量、气体使用量、任务开始时间和任务持续时间;所述任务执行情况代表任务执行完成进度情况,包括时间完成进度和任务执行流程进度;判断目标任务的任务执行情况是否正常,确定判断结果;当所述目标任务的任务执行情况正常时,继续执行所述目标任务;当所述目标任务的任务执行情况异常时,即所述目标任务为已完成或者中止的目标任务,确定异常结果;将所述异常结果反馈至大数据平台,并生成目标决策信息。
实施例8:
根据图3所示,所述将所述目标决策信息传输至智能终端进行决策分析,并生成对应的优化数据,根据所述优化数据,对数控切割设备进行智能升级,包括:
获取目标决策信息,将所述目标决策信息传输至智能终端,生成目标决策数据;
对所述目标决策数据进行预处理,确定第一决策特征数据;
获取历史决策数据,并提取第二决策特征数据;
计算所述第一决策特征数据和第二决策特征数据的相关联度,并根据所述相关联度,确定是否满足升级条件,并在相关联度满足升级条件时,生成对应的优化数据;
将所述优化数据传输至智能终端,确定优化指令,将所述优化指令传输至数控切割设备进行智能升级。
上述技术方案的工作原理为:
本技术方案提供了一种实施例,所述将所述目标决策信息传输至智能终端进行决策分析,并生成对应的优化数据,根据所述优化数据,对数控切割设备进行智能升级,包括:获取目标决策信息,将所述目标决策信息传输至智能终端,确定目标决策数据;对所述目标决策数据进行预处理,确定第一决策特征数据;获取历史决策数据,并提取第二决策特征数据;计算所述第一决策特征数据和第二决策特征数据的动态差值,对所述动态差值进行后处理,确定优化数据;将所述优化数据传输至智能终端,确定优化指令,将所述优化指令传输至数控切割设备进行智能升级。
实施例9:
本技术方案提供了一种实施例,
所述计算所述第一决策特征数据和第二决策特征数据的相关联度,并根据所述相关联度,确定是否满足升级条件,并在相关联度满足升级条件时,生成对应的优化数据,包括:
步骤S1:获取第一决策特征数据和第二决策特征数据,并计算动态系数:
其中,sd代表第一决策特征数据的动态系数,ti代表第i个时刻,i=1,2,…,n,n为采集到的第一决策特征数据的总个数,k(ti)代表在第i个时刻采集到的第一决策特征数据,U代表采集到的第一决策特征数据的集合,kU(t)代表时间t内通过第一决策特征参数的集合U获取的总第一决策特征数据,xi代表第i个第一决策特征数据的影响系数,I(k(ti),xi)代表关于第一决策特征数据的特征函数,I(kU(t))代表关于总第一决策特征数据的特征函数,代表第二决策特征数据的动态系数,tj代表第j个时刻,j=1,2,…,m,m为采集到的第二决策特征数据的总个数,k(tj)代表在第j个时刻采集到的第二决策特征数据,V代表采集到的第二决策特征数据的集合,kV(t)代表时间t内通过第二决策特征参数的集合U获取的总第二决策特征数据,代表第j个第二决策特征数据的影响系数,代表关于第二决策特征数据的特征函数,I(kV(tj))代表关于总第二决策特征数据的特征函数;
步骤S2:计算动态系数之间的相关联度:
其中,所述S为智能终端的相关联度,代表在tj时刻出现第j个第二决策特征数据的影响系数xj的贝叶斯概率,p(ti,xi)代表在ti时刻出现第i个第一决策特征数据的影响系数xi的贝叶斯概率,maxj≠ip(ti,xi)代表在最大泛化影响系数下在ti时刻出现第i个第一决策特征数据的影响系数xi的贝叶斯概率,sdx代表第x个第一决策特征数据的动态系数,为第m个第二决策特征数据的动态系数,x=1,2,…M,M为采集到的决策特征数据的动态系数的样本总个数;
步骤S3:当所述相关联度满足预设的升级条件,并在相关联度满足升级条件时,生成对应的优化数据。
上述技术方案的工作原理和有益效果为:
本技术方案将:获取第一决策特征数据和第二决策特征数据,并计算动态系数sdm和根据sdm和计算动态系数之间的相关联度S,当关联度满足预设的阈值,确定优化指令,将所述优化指令传输至数控切割设备进行智能升级,计算升级关联度也是计算升级的越级阶数变动是否过大,若越级升级的变动指数过大,说明生成的目标决策信息与以前的解决方案相差甚远,两个决策的特征数据差异过大,出现了新的或者更加明显的错误,需要仔细去排查。
实施例10:
本技术方案提供了一种实施例,所述步骤S3,还包括:
步骤S301:判断所述升级关联度是否满足预设的升级条件,确定关联度判断结果;
其中,H代表关联度判断结果(0代表失败结果,1代表成功结果),Q代表预设的关联度临界度,R代表惩罚因子,δi代表采集到的关于不均匀的第i个第一决策特征数据的影响系数xi的样本松弛变量,i=1,2,…,n,n为随机变量的总数;
步骤S302:当关联度不满足预设的升级条件时,即H=0,无法生成优化指令,并生成异常数据,将所述异常数据返回至大数据平台,并进行智能分析;
步骤S303:当升级关联度满足预设的阈值时,即H=1,确定对应的优化数据,并生成优化指令传输至智能终端,对数控切割设备进行智能升级。
上述技术方案的工作原理和有益效果为:
本技术方案通过判断所述升级关联度是否满足预设的升级条件,确定关联度判断结果H,当关联度不满足预设的升级条件时,即H=0,无法生成优化指令,并生成异常数据,将所述异常数据返回至大数据平台,并进行智能分析,当升级关联度满足预设的阈值时,即H=1,确定对应的优化数据,并生成优化指令传输至智能终端,对数控切割设备进行智能升级,通过专门的阈值设置,既避免了无休止的循环使得智能终端设备不停的检索方案导致卡机、卡死,系统崩坏,又避免了差异过大时,不必要的尝试升级耗费的成本。
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和光学存储器等)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 (6)
1.一种基于智能终端的数控切割设备的智能升级方法,其特征在于,包括:
获取任务清单,并通过大数据平台向智能终端派发所述任务清单,确定目标任务;
根据所述目标任务,生成任务指令,并传输所述任务指令至数控切割设备进行执行,生成执行源数据;
监控数控切割设备,实时获取所述执行源数据,并将所述执行源数据反馈到大数据平台,生成反馈信息;
根据所述反馈信息,判断目标任务是否正常执行,并确定判断结果,同时根据所述判断结果,生成对应的目标决策信息;
将所述目标决策信息传输至智能终端进行决策分析,并生成对应的优化数据,根据所述优化数据,对数控切割设备进行智能升级;
所述获取任务清单,并通过大数据平台向智能控制终端派发所述任务清单,确定目标任务,包括:
获取任务清单,根据所述任务清单,确定加工任务;
获取加工任务的加工顺序;
基于预设5G网络端,将所述加工任务按照加工顺序传输至大数据平台,确定任务清单;
向智能控制终端派发所述任务清单,并选择需要加工的任务,确定目标任务;
所述获取加工任务的加工顺序,包括:
判断所述加工任务是否为历史中断任务,并确定第一判断结果;
当所述加工任务是历史中断任务,获取中断时间,并根据所述中断时间进行排序,确定再次加工顺序;
当所述加工任务是首次执行任务,获取加工任务的开始时间,并确定首次加工顺序;
对所述再次加工顺序和首次加工顺序进行排序,确定加工顺序;
所述将所述目标决策信息传输至智能终端进行决策分析,并生成对应的优化数据,根据所述优化数据,对数控切割设备进行智能升级,包括:
获取目标决策信息,将所述目标决策信息传输至智能终端,生成目标决策数据;
对所述目标决策数据进行预处理,确定第一决策特征数据;
获取历史决策数据,并提取第二决策特征数据;
计算所述第一决策特征数据和第二决策特征数据的相关联度,并根据所述相关联度,确定是否满足升级条件,并在相关联度满足升级条件时,生成对应的优化数据;
将所述优化数据传输至智能终端,确定优化指令,将所述优化指令传输至数控切割设备进行智能升级;
所述计算所述第一决策特征数据和第二决策特征数据的相关联度,并根据所述相关联度,确定是否满足升级条件,并在相关联度满足升级条件时,生成对应的优化数据,包括:
步骤S1:获取第一决策特征数据和第二决策特征数据,并计算动态系数:
其中,sd代表第一决策特征数据的动态系数,ti代表第i个时刻,i=1,2,…,n,n为采集到的第一决策特征数据的总个数,k(ti)代表在第i个时刻采集到的第一决策特征数据,U代表采集到的第一决策特征数据的集合,kU(t)代表时间t内通过第一决策特征参数的集合U获取的总第一决策特征数据,xi代表第i个第一决策特征数据的影响系数,I(k(ti),xi)代表关于第一决策特征数据的特征函数,I(kU(t))代表关于总第一决策特征数据的特征函数,代表第二决策特征数据的动态系数,tj代表第j个时刻,j=1,2,…,m,m为采集到的第二决策特征数据的总个数,k(tj)代表在第j个时刻采集到的第二决策特征数据,V代表采集到的第二决策特征数据的集合,kV(t)代表时间t内通过第二决策特征参数的集合U获取的总第二决策特征数据,代表第j个第二决策特征数据的影响系数,代表关于第二决策特征数据的特征函数,I(kV(t))代表关于总第二决策特征数据的特征函数;
步骤S2:计算动态系数之间的相关联度:
其中,所述S为智能终端的相关联度,代表在tj时刻出现第j个第二决策特征数据的影响系数xj的贝叶斯概率,p(ti,xi)代表在ti时刻出现第i个第一决策特征数据的影响系数xi的贝叶斯概率,maxj≠ip(ti,xi)代表在最大泛化影响系数下在ti时刻出现第i个第一决策特征数据的影响系数xi的贝叶斯概率,sdx代表第x个第一决策特征数据的动态系数,为第x个第二决策特征数据的动态系数,x=1,2,…M,M为采集到的决策特征数据的动态系数的样本总个数;ti代表第i个时刻,i=1,2,…,n,n为采集到的第一决策特征数据的总个数,tj代表第j个时刻,j=1,2,…,m,m为采集到的第二决策特征数据的总个数;
步骤S3:当所述相关联度满足预设的升级条件,并在相关联度满足升级条件时,生成对应的优化数据。
2.如权利要求1所述的一种基于智能终端的数控切割设备的智能升级方法,其特征在于,所述智能控制终端包括5G信息传输模块、智能加工控制模块、电量计量器、气体流量计量器和显示屏;其中,
所述5G信息传输模块用于在智能加工控制模块和大数据平台之间进行数据交换和任务指令传输;
所述智能加工控制模块用于连接数控切割设备的控制端口,并控制数控切割设备进行工作;
所述电量计量器用于统计数控切割设备在执行目标任务时的用电量;
所述气体流量计量器用于统计数控切割设备在执行目标任务时的用气量;
所述显示屏用于呈现用电量、用气量、大数据平台派发的目标任务和任务执行情况。
3.如权利要求1所述的一种基于智能终端的数控切割设备的智能升级方法,其特征在于,所述根据所述目标任务,生成任务指令,并传输所述任务指令至数控切割设备进行执行,生成执行源数据,包括:
根据所述目标任务,生成具有唯一标志的目标任务编码;
将所述目标任务传输至智能终端中的控制端,生成任务数据,并根据所述任务数据,生成任务指令;
根据所述目标任务编码,匹配对应的任务指令,并确定目标任务编码和对应的任务指令的对应关系;
按照所述对应关系,将所述任务指令传输至预设的数控切割设备执行,确定对应的执行源数据。
4.如权利要求1所述的一种基于智能终端的数控切割设备的智能升级方法,其特征在于,所述监控数控切割设备,实时获取所述执行源数据,并将所述执行源数据反馈到大数据平台,生成反馈信息,包括:
通过预设的监控切割设备,实时监控数控切割设备,获取数控切割设备的执行源代码;
追溯所述执行源代码的执行时间,并确定实时源代码;
基于智能终端,采集并分析所述实时源代码,获取任务执行情况;其中,
所述任务执行情况包括任务执行完成进度情况,包括时间完成进度和任务执行流程进度;
根据所述任务执行情况,确定任务进度;
将所述任务进度反馈到大数据平台的显示屏进行展示,确定反馈信息。
5.如权利要求1所述的一种基于智能终端的数控切割设备的智能升级方法,其特征在于,所述获取所述反馈信息,判断目标任务是否正常执行,并确定判断结果,同时根据所述判断结果,生成对应的目标决策信息,包括:
根据所述反馈信息,追溯目标任务的任务执行情况;其中,
所述任务执行情况代表任务编码、任务执行时间、任务用气量、任务用电量、任务开始时间、任务持续时间和任务状态;
判断目标任务的任务执行情况是否终止,确定判断结果;
当所述目标任务的任务执行情况正常时,继续执行所述目标任务;
当所述目标任务的任务执行情况终止时,判断所述目标任务是否为已完成或者异常的目标任务,解析所述目标任务,确定对应的异常结果;
根据所述异常结果,并基于智能终端预设的深度学习网络机制,自动生成对应的目标决策信息。
6.如权利要求1所述的一种基于智能终端的数控切割设备的智能升级方法,其特征在于,所述步骤S3,还包括:
步骤S301:判断所述相关联度是否满足预设的升级条件,确定相关联度判断结果;
其中,H代表相关联度判断结果(0代表失败结果,1代表成功结果),Q代表预设的相关联度临界度,R代表惩罚因子,δi代表采集到的关于不均匀的第i个第一决策特征数据的影响系数xi的样本松弛变量,i=1,2,…,n,n为随机变量的总数;
步骤S302:当相关联度不满足预设的升级条件时,即H=0,无法生成优化指令,并生成异常数据,将所述异常数据返回至大数据平台,并进行智能分析;
步骤S303:当相关联度满足预设的阈值时,即H=1,确定对应的优化数据,并生成优化指令传输至智能终端,对数控切割设备进行智能升级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110842598.9A CN113703396B (zh) | 2021-07-26 | 2021-07-26 | 一种基于智能终端的数控切割设备的智能升级方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110842598.9A CN113703396B (zh) | 2021-07-26 | 2021-07-26 | 一种基于智能终端的数控切割设备的智能升级方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113703396A CN113703396A (zh) | 2021-11-26 |
CN113703396B true CN113703396B (zh) | 2023-05-09 |
Family
ID=78650459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110842598.9A Active CN113703396B (zh) | 2021-07-26 | 2021-07-26 | 一种基于智能终端的数控切割设备的智能升级方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113703396B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108241350A (zh) * | 2018-01-18 | 2018-07-03 | 深圳市伟博思技术有限公司 | 一种智能动态制造执行方法及相关设备 |
CN110333937A (zh) * | 2019-05-30 | 2019-10-15 | 平安科技(深圳)有限公司 | 任务分发方法、装置、计算机设备和存储介质 |
CN111510449A (zh) * | 2020-04-10 | 2020-08-07 | 吴萌萌 | 基于图像大数据的攻击行为挖掘方法及大数据平台服务器 |
CN112068484A (zh) * | 2020-09-10 | 2020-12-11 | 成都广泰威达数控技术股份有限公司 | 一种数控机床cnc系统的实时中断处理方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103176440A (zh) * | 2011-12-24 | 2013-06-26 | 西安扩力机电科技有限公司 | 数控机床用加工任务自动调配系统 |
CN105892423A (zh) * | 2016-03-25 | 2016-08-24 | 尹浩越 | 一种基于智能终端的数字化车间智能工票系统 |
CN107688488B (zh) * | 2016-08-03 | 2020-10-20 | 中国移动通信集团湖北有限公司 | 一种基于元数据的任务调度的优化方法及装置 |
CN106327058A (zh) * | 2016-08-10 | 2017-01-11 | 苏州博众精工科技有限公司 | 一种智能便捷式产线排产方法 |
JP2019016134A (ja) * | 2017-07-06 | 2019-01-31 | 日本電気株式会社 | 生産支援システムおよび生産支援方法 |
US10970879B2 (en) * | 2018-04-26 | 2021-04-06 | Ppg Industries Ohio, Inc. | Formulation systems and methods employing target coating data results |
CN108711007A (zh) * | 2018-05-16 | 2018-10-26 | 国电南瑞南京控制系统有限公司 | 一种能源一体化采集系统的多任务实时调度方法 |
CN108646694A (zh) * | 2018-07-12 | 2018-10-12 | 大族激光科技产业集团股份有限公司 | 数控机床的智能管理方法、装置、系统和计算机设备 |
CN109396576B (zh) * | 2018-09-29 | 2020-02-04 | 郑州轻工业学院 | 基于深度学习的电火花加工稳定性与能耗状态优化决策系统及决策方法 |
CN111273609B (zh) * | 2020-03-23 | 2023-03-28 | 江苏科技大学 | 一种用于数控切割设备状态监测、故障判断的方法及系统 |
CN111506408B (zh) * | 2020-04-15 | 2023-06-16 | 辽宁大学 | 基于关联数据集合的边缘计算任务调度方法 |
CN112836921A (zh) * | 2020-12-02 | 2021-05-25 | 国网浙江省电力有限公司 | 一种基于电网微数据融合的数据监测分析及优化方法 |
-
2021
- 2021-07-26 CN CN202110842598.9A patent/CN113703396B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108241350A (zh) * | 2018-01-18 | 2018-07-03 | 深圳市伟博思技术有限公司 | 一种智能动态制造执行方法及相关设备 |
CN110333937A (zh) * | 2019-05-30 | 2019-10-15 | 平安科技(深圳)有限公司 | 任务分发方法、装置、计算机设备和存储介质 |
CN111510449A (zh) * | 2020-04-10 | 2020-08-07 | 吴萌萌 | 基于图像大数据的攻击行为挖掘方法及大数据平台服务器 |
CN112068484A (zh) * | 2020-09-10 | 2020-12-11 | 成都广泰威达数控技术股份有限公司 | 一种数控机床cnc系统的实时中断处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113703396A (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110278121B (zh) | 一种检测网络性能异常的方法、装置、设备及存储介质 | |
CN109409780B (zh) | 变更处理方法、装置、计算机设备和存储介质 | |
CN110597196A (zh) | 数据采集系统及数据采集方法 | |
CN117709617A (zh) | 一种基于mes的生产车间智能排程系统 | |
CN111382031B (zh) | 测试方法及装置 | |
CN110989509B (zh) | 生产线的自动控制方法、装置、终端设备及存储介质 | |
CN117950380B (zh) | Mes驱动的工位终端生产过程控制系统及方法 | |
CN110134040B (zh) | 工业设备的运行数据的处理方法及系统 | |
CN113703396B (zh) | 一种基于智能终端的数控切割设备的智能升级方法 | |
CN109523030B (zh) | 一种基于机器学习的遥测参数异常监测系统 | |
CN117350542A (zh) | 一种数字化交付数据可视化系统及其应用方法 | |
CN116720720A (zh) | 一种岩土工程设备互联调度管理方法和系统 | |
CN110266811B (zh) | 一种基于mqtt技术的车间异常信息推送装置与方法 | |
CN116629523A (zh) | 一种刀具管理方法及其相关设备 | |
CN115393288A (zh) | 加工工艺管控系统及方法 | |
CN113487092B (zh) | 一种MiniLED高动态印制电路板的生产管理系统 | |
CN114862099A (zh) | 一种基于规则引擎的连铸质量预判模型在线系统 | |
CN117453721B (zh) | 一种基于大数据的生产经营数据采集系统 | |
CN114333180B (zh) | 一种基于区块链技术的金融自助设备检修方法 | |
CN116596519A (zh) | 一种基于数控车床刀片回收的工艺操作分析方法及系统 | |
CN108417099B (zh) | 用于监管教学过程的方法、装置及系统 | |
CN118333580A (zh) | 一种智能工厂数据智能分析管理系统 | |
CN116431633A (zh) | 生产数据的分析方法及装置、计算机设备、存储介质 | |
CN118365216A (zh) | 一种基于物联网的农业人工作业量考核优化管理系统 | |
CN116596360A (zh) | 一种基于数控车床刀片回收的刀片质量分析方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |