CN113721568B - 一种注射针加工流程的多重智能报警方法及系统 - Google Patents
一种注射针加工流程的多重智能报警方法及系统 Download PDFInfo
- Publication number
- CN113721568B CN113721568B CN202110957421.3A CN202110957421A CN113721568B CN 113721568 B CN113721568 B CN 113721568B CN 202110957421 A CN202110957421 A CN 202110957421A CN 113721568 B CN113721568 B CN 113721568B
- Authority
- CN
- China
- Prior art keywords
- information
- parameter
- procedure
- early warning
- nth
- 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
- 238000000034 method Methods 0.000 title claims abstract description 548
- 238000002347 injection Methods 0.000 title claims abstract description 126
- 239000007924 injection Substances 0.000 title claims abstract description 126
- 238000012545 processing Methods 0.000 title claims abstract description 124
- 230000008569 process Effects 0.000 claims abstract description 296
- 238000004458 analytical method Methods 0.000 claims abstract description 110
- 238000013507 mapping Methods 0.000 claims abstract description 54
- 238000009826 distribution Methods 0.000 claims abstract description 34
- 238000004519 manufacturing process Methods 0.000 claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims description 50
- 238000004590 computer program Methods 0.000 claims description 10
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 14
- 238000003754 machining Methods 0.000 description 45
- 238000010586 diagram Methods 0.000 description 9
- 239000003814 drug Substances 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 206010063385 Intellectualisation Diseases 0.000 description 5
- 239000000243 solution Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010417 needlework Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation 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]
- G05B19/41875—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 quality surveillance of production
-
- 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
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
-
- 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)
- Infusion, Injection, And Reservoir Apparatuses (AREA)
Abstract
本发明公开了一种注射针加工流程的多重智能报警方法及系统，所述方法包括：获得第一工序的基础信息和参数信息、第一工件位置偏移信息；构建第一工序的工件位置分析处理模型；构建第一映射关系；获得第N工序参数信息和第N工件位置偏移信息；获得第N预警值；进一步构建第一状态分布数据库；获得第一期望预警值，将所述第一期望预警值输入所述第一状态分布数据库，匹配第M预警值，进一步得到第M工序参数信息，当检测到所述第一工序中的实际工序参数满足所述第M工序参数信息时，获得预警信息进行预警。解决了现有技术中存在注射针生产加工时位置调整花费大量时间的技术问题。达到了快速有效地调整注射针头加工位置的技术效果。
Description
技术领域
本发明涉及人工智能领域，尤其涉及一种注射针加工流程的多重智能报警方法及系统。
背景技术
利用注射器注射给药是一种常见的医疗手段，主要是使用注射器刺穿人体皮肤，把药物直接输入体内。这种方法可以使药物迅速达到药效，满足无法口服药物的用药需要，因此注射针需求量大，且其加工必须具备快速、高效、精密、准确的特点，因此也对注射针加工过程中每一环节的位置提出了更精准的要求。为快速地响应市场需求，提高注射针的生产效率，注射针加工时的位置调整将进一步呈现出自动化、智能化、集成化的发展趋势。研究如何高效准确地调整好工件位置，提高注射器材使用的安全性，满足市场大量需求具有重要的社会意义和现实意义。
本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中存在注射针加工时无法快速有效地调整好注射针头位置，工件位置的不准确导致了注射针头加工精度低、稳定性差，进一步导致了注射器材使用不够安全，同时存在注射针生产加工时位置调整花费大量时间，影响了加工效率的技术问题。
发明内容
有鉴于此，本申请实施例通过提供一种注射针加工流程的多重智能报警方法及系统，所述方法包括：获得第一工序的基础信息，其中，所述第一工序为加工注射针的工序；获得第一工序参数信息，其中，所述第一工序参数为控制所述第一工序中注射针位置的参数；获得第一工序分析指令，基于所述第一工序分析指令对所述第一工序的基础信息进行工序分析，获得所述第一工序参数对应的第一工件位置偏移信息；构建所述第一工序的工件位置分析处理模型，将所述第一工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第一预警值；构建所述第一工序参数信息、所述第一工件位置偏移信息和所述第一预警值的第一映射关系；获得第N工序参数信息，其中，所述第N工序参数为控制所述第一工序中注射针位置的参数，且所述第N工序参数为根据第N-1预警值调整获得，其中，N为大于1的正整数；获得第N工序分析指令，基于所述第N工序分析指令对所述第一工序进行工序分析，获得所述第N工序参数对应的第N工件位置偏移信息；将所述第N工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第N预警值；构建所述第N工序参数信息、所述第N工件位置偏移信息和所述第N预警值的第N映射关系，根据所述第一映射关系、第N映射关系构建第一状态分布数据库；获得第一期望预警值，将所述第一期望预警值输入所述第一状态分布数据库，匹配第M预警值，其中，M可以为1-N之间的任一正整数；基于所述第M预警值获得第M工序参数信息，当检测到所述第一工序中的实际工序参数满足所述第M工序参数信息时，获得预警信息进行预警。解决了现有技术中存在注射针加工时无法快速有效地调整好注射针头位置，工件位置的不准确导致了注射针头加工精度低、稳定性差，进一步导致了注射器材使用不够安全，同时存在注射针生产加工时位置调整花费大量时间，影响了加工效率的技术问题。达到了快速有效地调整注射针头加工位置，调整完毕后及时发出警报以进入下一加工流程，提升了注射针加工的稳定性和精度，同时提高了生产加工注射针头效率的技术效果。
鉴于上述问题，本申请实施例提供了一种注射针加工流程的多重智能报警方法及系统。
第一方面，本申请提供了一种注射针加工流程的多重智能报警方法，所述方法通过一种注射针加工流程的多重智能报警系统实现，其中，所述方法包括：获得第一工序的基础信息，其中，所述第一工序为加工注射针的工序；获得第一工序参数信息，其中，所述第一工序参数为控制所述第一工序中注射针位置的参数；获得第一工序分析指令，基于所述第一工序分析指令对所述第一工序的基础信息进行工序分析，获得所述第一工序参数对应的第一工件位置偏移信息；构建所述第一工序的工件位置分析处理模型，将所述第一工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第一预警值；构建所述第一工序参数信息、所述第一工件位置偏移信息和所述第一预警值的第一映射关系；获得第N工序参数信息，其中，所述第N工序参数为控制所述第一工序中注射针位置的参数，且所述第N工序参数为根据第N-1预警值调整获得，其中，N为大于1的正整数；获得第N工序分析指令，基于所述第N工序分析指令对所述第一工序进行工序分析，获得所述第N工序参数对应的第N工件位置偏移信息；将所述第N工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第N预警值；构建所述第N工序参数信息、所述第N 工件位置偏移信息和所述第N预警值的第N映射关系，根据所述第一映射关系、第N映射关系构建第一状态分布数据库；获得第一期望预警值，将所述第一期望预警值输入所述第一状态分布数据库，匹配第M预警值，其中，M可以为1-N之间的任一正整数；基于所述第M预警值获得第M工序参数信息，当检测到所述第一工序中的实际工序参数满足所述第M工序参数信息时，获得预警信息进行预警。
另一方面，本申请还提供了一种注射针加工流程的多重智能报警系统，用于执行如第一方面所述的一种注射针加工流程的多重智能报警方法，其中，所述系统包括：第一获得单元：所述第一获得单元用于获得第一工序的基础信息，其中，所述第一工序为加工注射针的工序；第二获得单元：所述第二获得单元用于获得第一工序参数信息，其中，所述第一工序参数为控制所述第一工序中注射针位置的参数；第三获得单元：所述第三获得单元用于获得第一工序分析指令，基于所述第一工序分析指令对所述第一工序的基础信息进行工序分析，获得所述第一工序参数对应的第一工件位置偏移信息；第一构建单元：所述第一构建单元用于构建所述第一工序的工件位置分析处理模型，将所述第一工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第一预警值；第二构建单元：所述第二构建单元用于构建所述第一工序参数信息、所述第一工件位置偏移信息和所述第一预警值的第一映射关系；第四获得单元：所述第四获得单元用于获得第 N工序参数信息，其中，所述第N工序参数为控制所述第一工序中注射针位置的参数，且所述第N工序参数为根据第N-1预警值调整获得，其中，N为大于1的正整数；第五获得单元：所述第五获得单元用于获得第N工序分析指令，基于所述第N工序分析指令对所述第一工序进行工序分析，获得所述第N工序参数对应的第N工件位置偏移信息；第六获得单元：所述第六获得单元用于将所述第N工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第 N预警值；第三构建单元：所述第三构建单元用于构建所述第N工序参数信息、所述第N工件位置偏移信息和所述第N预警值的第N 映射关系，根据所述第一映射关系、第N映射关系构建第一状态分布数据库；第七获得单元：所述第七获得单元用于获得第一期望预警值，将所述第一期望预警值输入所述第一状态分布数据库，匹配第M 预警值，其中，M可以为1-N之间的任一正整数；第一预警单元：所述第一预警单元用于基于所述第M预警值获得第M工序参数信息，当检测到所述第一工序中的实际工序参数满足所述第M工序参数信息时，获得预警信息进行预警。
第三方面，本申请实施例还提供了一种注射针加工流程的多重智能报警系统，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，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
1.通过获得第一工序的基础信息，其中，所述第一工序为加工注射针的工序；获得第一工序参数信息，其中，所述第一工序参数为控制所述第一工序中注射针位置的参数；获得第一工序分析指令，基于所述第一工序分析指令对所述第一工序的基础信息进行工序分析，获得所述第一工序参数对应的第一工件位置偏移信息；构建所述第一工序的工件位置分析处理模型，将所述第一工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第一预警值；构建所述第一工序参数信息、所述第一工件位置偏移信息和所述第一预警值的第一映射关系；获得第N工序参数信息，其中，所述第N工序参数为控制所述第一工序中注射针位置的参数，且所述第N工序参数为根据第N-1预警值调整获得，其中，N为大于1的正整数；获得第N工序分析指令，基于所述第N工序分析指令对所述第一工序进行工序分析，获得所述第N工序参数对应的第N工件位置偏移信息；将所述第N工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第N预警值；构建所述第N工序参数信息、所述第N工件位置偏移信息和所述第N预警值的第N映射关系，根据所述第一映射关系、第N映射关系构建第一状态分布数据库；获得第一期望预警值，将所述第一期望预警值输入所述第一状态分布数据库，匹配第 M预警值，其中，M可以为1-N之间的任一正整数；基于所述第M预警值获得第M工序参数信息，当检测到所述第一工序中的实际工序参数满足所述第M工序参数信息时，获得预警信息进行预警。达到了快速有效地调整注射针头加工位置，调整完毕后及时发出警报以进入下一加工流程，提升了注射针加工的稳定性和精度，同时提高了生产加工注射针头效率的技术效果。
2.通过以神经网络模型为基础建立的第一参数调整模型，能够输出准确的第二工序调整参数，从而具备了较强的分析计算能力，达到了准确获得数据信息，提高评估结果智能化的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
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示例性的，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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例一种注射针加工流程的多重智能报警方法的流程示意图；
图2为本申请实施例一种注射针加工流程的多重智能报警系统的结构示意图；
图3为本申请实施例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，第一构建单元14，第二构建单元15，第四获得单元16，第五获得单元17，第六获得单元18，第三构建单元19，第七获得单元20，第一预警单元21，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
本申请实施例通过提供一种注射针加工流程的多重智能报警方法及系统，解决了现有技术中存在注射针加工时无法快速有效地调整好注射针头位置，工件位置的不准确导致了注射针头加工精度低、稳定性差，进一步导致了注射器材使用不够安全，同时存在注射针生产加工时位置调整花费大量时间，影响了加工效率的技术问题。达到了快速有效地调整注射针头加工位置，调整完毕后及时发出警报以进入下一加工流程，提升了注射针加工的稳定性和精度，同时提高了生产加工注射针头效率的技术效果。
下面，将参考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。基于本申请的实施例，本领域普通技术人员在没有做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。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。
申请概述
利用注射器注射给药是一种常见的医疗手段，主要是使用注射器刺穿人体皮肤，把药物直接输入体内。这种方法可以使药物迅速达到药效，满足无法口服药物的用药需要，因此注射针需求量大，且其加工必须具备快速、高效、精密、准确的特点，因此也对注射针加工过程中每一环节的位置提出了更精准的要求。为快速地响应市场需求，提高注射针的生产效率，注射针加工时的位置调整将进一步呈现出自动化、智能化、集成化的发展趋势。研究如何高效准确地调整好工件位置，提高注射器材使用的安全性，满足市场大量需求具有重要的社会意义和现实意义。现有技术中存在注射针加工时无法快速有效地调整好注射针头位置，工件位置的不准确导致了注射针头加工精度低、稳定性差，进一步导致了注射器材使用不够安全，同时存在注射针生产加工时位置调整花费大量时间，影响了加工效率的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请提供了一种注射针加工流程的多重智能报警方法，所述方法应用于一种注射针加工流程的多重智能报警系统，其中，所述方法包括：获得第一工序的基础信息，其中，所述第一工序为加工注射针的工序；获得第一工序参数信息，其中，所述第一工序参数为控制所述第一工序中注射针位置的参数；获得第一工序分析指令，基于所述第一工序分析指令对所述第一工序的基础信息进行工序分析，获得所述第一工序参数对应的第一工件位置偏移信息；构建所述第一工序的工件位置分析处理模型，将所述第一工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第一预警值；构建所述第一工序参数信息、所述第一工件位置偏移信息和所述第一预警值的第一映射关系；获得第N工序参数信息，其中，所述第N工序参数为控制所述第一工序中注射针位置的参数，且所述第N工序参数为根据第N-1 预警值调整获得，其中，N为大于1的正整数；获得第N工序分析指令，基于所述第N工序分析指令对所述第一工序进行工序分析，获得所述第N工序参数对应的第N工件位置偏移信息；将所述第N 工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第N预警值；构建所述第N工序参数信息、所述第N工件位置偏移信息和所述第N预警值的第N映射关系，根据所述第一映射关系、第N映射关系构建第一状态分布数据库；获得第一期望预警值，将所述第一期望预警值输入所述第一状态分布数据库，匹配第M预警值，其中，M可以为1-N之间的任一正整数；基于所述第M预警值获得第M工序参数信息，当检测到所述第一工序中的实际工序参数满足所述第M工序参数信息时，获得预警信息进行预警。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
请参阅附图1所示，本申请实施例提供了一种注射针加工流程的多重智能报警方法，其中，所述方法应用于一种注射针加工流程的多重智能报警系统，所述方法具体包括如下步骤：
步骤S100：获得第一工序的基础信息，其中，所述第一工序为加工注射针的工序；
具体而言，所述多重智能报警系统是指利用注射针加工流程中多重智能报警方法建立的系统。所述第一工序是指注射针加工生产流程的任意一个加工步骤。第一工序的基础信息包括注射针生产过程中某一步骤的工艺名称、加工要点以及加工目的等基本加工操作信息，此外，第一工序基础信息还包括利用所述多重智能报警系统指导注射针加工的每批次生产注射针数量。通过对第一工序基础信息了解到了需进行第一工序加工操作的工件数量。
步骤S200：获得第一工序参数信息，其中，所述第一工序参数为控制所述第一工序中注射针位置的参数；
具体而言，所述第一工序参数信息是指所述第一工序中生产的注射针的位置信息，包括利用所述多重智能报警系统指导注射针加工的该批次所有注射针的总数量、排列方式、间隔距离以及所述该生产批次中每个注射针进行所述第一工序时，在第一工序加工位上的详细位置三维坐标、在第一工序加工位上停留的时间长短等参数信息。所述三维坐标是指第一工序中的加工工件在以所述第一工序加工位的中心位置为原点，以所述第一工序加工位所在平面建立x轴和y轴、以所述第一工序加工位所在平面的垂直方向建立z轴后形成的三维坐标轴中的坐标值。通过该方法，明确了在第一工序加工过程中，各注射针工件的理想位置。
步骤S300：获得第一工序分析指令，基于所述第一工序分析指令对所述第一工序的基础信息进行工序分析，获得所述第一工序参数对应的第一工件位置偏移信息；
具体而言，所述第一工件位置偏移信息是指第一工序中的加工工件在所述第一工序加工位上实际位置的三维坐标信息与其理论应处位置的三维坐标信息的偏差信息。举例如第一工序中的加工工件在所述第一工序加工位上理想位置的三维坐标为(0，0，1)，而其实际所处位置的三维坐标为(0，-1，1)，那么可得所述第一工件位置偏移信息为(0，1，0)。所述第一工序分析指令由所述多重智能报警系统发出，用于对所述第一工序的基础信息进行分析以获得所述第一工序参数对应的第一工件位置偏移信息。通过对第一工序加工过程中第一注射针工件实际位置和理想位置的对比，得到了相应的第一工件位置偏移信息，进一步明确了工件位置是否需要进行调整，以提高加工精准度。
步骤S400：构建所述第一工序的工件位置分析处理模型，将所述第一工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第一预警值；
具体而言，所述第一工序的工件位置分析处理模型是指基于第一工序中的加工工件在所述第一工序加工位上的实际位置三维坐标和理想位置三维坐标，经过计算可以输出所述第一工件位置偏移信息的数学模型，同时，在得到第一工件位置偏移信息后发出警告声以提醒加工操作人员工件位置存在偏移。第一预警值提醒了加工人员对现有 N个注射针工件的位置进行调整，使其处于相应的理想位置。
步骤S500：构建所述第一工序参数信息、所述第一工件位置偏移信息和所述第一预警值的第一映射关系；
具体而言，所述第一映射关系是指所述第一工序参数信息、所述第一工件位置偏移信息和所述第一预警值之间的相互对应关系。三者之间对应关系地建立更明确了三者的联系，便于后续得到某一信息后，进一步获得另外两个关联信息。
步骤S600：获得第N工序参数信息，其中，所述第N工序参数为控制所述第一工序中注射针位置的参数，且所述第N工序参数为根据第N-1预警值调整获得，其中，N为大于1的正整数；
具体而言，所述第一工序中N个注射针工件的位置，均需经过多轮调整，才能使N个注射针的位置都达到理想的位置要求，而每个注射针的位置均与其前一个注射针的位置息息相关，因此，只要前一个注射针的位置进行了调整，那么后一个注射针的位置则必然需要进行调整。这样的多轮调整可以描述为马尔可夫决策过程(Markov Decision Process，MDP)。
马弥可夫过程是一类随机过程，以随机过程理论为基础，是研究离散事件动态系统状态空间的重要方法，它的原始模型是马尔可夫链。所述第N工序参数信息是指在所述第一工序中，第N个进行加工的注射针工件的位置坐标信息。所述第N工件进行第一工序的位置信息受第N-1个注射针工件位置的影响，且亦仅受第N-1个注射针工件位置的影响。通过第N-1预警值来获得“奖励”并训练系统向能够获得“奖励”的方向发展的过程本质上是马尔科夫决策过程，MDP 基于一组交互对象，即智能体和环境进行构建，所具有的要素包括状态、动作、策略和奖励。在MDP的模拟中，智能体会感知当前的系统状态，按策略对环境实施动作，从而改变环境的状态并得到奖励。 MDP被用于机器学习中强化学习(ReinforcementLearning)问题的建模。通过使用动态规划、随机采样等方法，MDP可以求解使回报最大化的智能体策略，并在自动控制、推荐系统等主题中得到应用。通过MDP实现所述预警值逐步消失，即逼近于最优值，并通过模型训练使第一工序中的N个注射针工件都达到了理想的位置坐标，因此提高了各工件进行第一工序加工的准确性。
步骤S700：获得第N工序分析指令，基于所述第N工序分析指令对所述第一工序进行工序分析，获得所述第N工序参数对应的第N 工件位置偏移信息；
步骤S800：将所述第N工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第N预警值；
具体而言，所述第N工件位置偏移信息是指第一工序中的第N 个注射针工件在所述第一工序加工位上实际位置的三维坐标信息与其理论应处位置的三维坐标信息的偏差信息。所述第N工序分析指令由所述多重智能报警系统发出，用于对所述第一工序的基础信息进行分析，以获得所述第N个注射针在所述第一工序中位置参数对应的第N工件位置偏移信息。
同样的，所述第一工序的工件位置分析处理模型是指基于第N 工件在第一工序中的加工位上的实际位置三维坐标和理想位置三维坐标，经过计算可以输出所述第N工件位置偏移信息的数学模型，同时，在得到第N工件位置偏移信息后发出相应第N预警值以提醒加工操作人员工件位置存在偏移。达到了精准识别位置不够准确的注射针工件，以便操作人员尽快调整的技术效果。
步骤S900：构建所述第N工序参数信息、所述第N工件位置偏移信息和所述第N预警值的第N映射关系，根据所述第一映射关系、第N映射关系构建第一状态分布数据库；
具体而言，所述第N映射关系是指所述第N工序参数信息、所述第N工件位置偏移信息和所述第N预警值之间的相互对应关系。所述第一状态分布数据库是指基于所述第一映射关系、第二映射关系……第N映射关系构建而成的大量数据的集合。第一状态分布数据库的建立使得各工序参数信息、各工件位置偏移信息和各预警值的相互对应关系更加明确，便于后续知道预警值后进一步判断出相应位置工件的实际位置参数。
步骤S1000：获得第一期望预警值，将所述第一期望预警值输入所述第一状态分布数据库，匹配第M预警值，其中，M可以为1-N 之间的任一正整数；
具体而言，所述第一期望预警值是指将第一工序中，将1-N个注射针工件的位置偏移信息输入所述第一工序的工件位置分析处理模型后，得到的预警值信息。也就是说，系统发出所述第一期望预警值即说明马尔科夫序列决策过程结束，此时获得的“奖励”值达到最大，所述预警值逼近于最优值，通过模型训练使第一工序中的N个注射针工件都达到了理想的位置坐标。将所述第一期望预警值输入所述第一状态分布数据库，匹配得到相应的第M预警值，其中，M可以为 1-N之间的任一正整数。第一期望预警值的确定明确了马尔可夫过程结束的情况，此时第一工序中所有工件的位置均调整完毕，可以进行相应工序操作。
步骤S1100：基于所述第M预警值获得第M工序参数信息，当检测到所述第一工序中的实际工序参数满足所述第M工序参数信息时，获得预警信息进行预警。
具体而言，将第M预警值输入工件位置分析处理模型中，可以得到第M工件在第一工序中的位置偏移信息，进一步可以得到相应的第M工序参数信息，当检测到所述第一工序中第M个注射针工件的实际工序参数与所述第M工序参数信息一致时，说明此时第一工序中的N个注射针工件都达到了理想的位置坐标，系统发出预警信息进行预警以提醒加工人员。预警信息提醒操作人员第一工序中所有这样注射针位置正确，可以进行加工操作，此时加工精度进一步得到了提高。
进一步的，本申请实施例步骤S1200还包括：
步骤S1210：获得所述第一工序的第一实际参数；
步骤S1220：获得第一判断指令，根据所述第一判断指令判断所述第一实际参数是否处于第一工序参数信息至所述第M工序参数信息之间；
步骤S1230：当所述第一实际参数处于所述第一工序参数信息至所述第M工序参数信息之间时，基于所述第一实际参数匹配第P工序参数信息，并将所述第P工序参数信息输入所述第一状态分布数据库，获得第P预警值，基于所述第P预警值匹配第P预警信息进行预警。
具体而言，所述第一工序的第一实际参数是指第一工序中的加工工件在所述第一工序加工位上实际位置的三维坐标信息。所述第一判断指令用于判断所述第一实际参数是否处于第一工序参数信息至所述第M工序参数信息之间。当所述第一实际参数处于所述第一工序参数信息至所述第M工序参数信息之间时，将第一实际参数输入第一工件位置分析处理模型中，可以匹配得到第P工序参数信息，进一步的，将所述第P工序参数信息输入所述第一状态分布数据库，可以获得第P预警值，基于所述第P映射关系，可以得到相应的第P预警值以及第P预警信息进行预警。通过该步骤，在没有出现第一期望预警值，即第M预警值时，多重智能报警系统也可以通过第一工序的第一实际参数得到相应预警值，进一步得到相应预警信息。
进一步的，本申请实施例步骤S1300还包括：
步骤S1310：构建第一参数调整模型，其中，所述第一参数调整模型通过监督学习获得，所述监督学习的参数包括：具有映射关系的所述第一工序参数和所述第一预警值、标识每一节点预警调整值的标识信息；
步骤S1320：将所述第一工序参数信息输入所述第一参数调整模型，获得第二工序调整参数，以此类推，获得所述第N工序调整参数。
具体而言，所述第一参数调整模型为神经网络模型，所述神经网络模型即机器学习中的神经网络模型，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。其中，它能根据训练数据进行不断的自我训练学习，所述多组训练数据中每组数据均包括具有映射关系的所述第一工序参数和所述第一预警值、标识每一节点预警调整值的标识信息，所述第一参数调整模型不断地自我的修正，当所述第一参数调整模型的输出信息达到预定的准确率/收敛状态时，则监督学习过程结束。通过对所述第一参数调整模型进行数据训练，使得所述第一参数调整模型处理输入数据更加准确，进而使得输出的所述第二工序调整参数也更加准确，所述第二工序调整参数是指第一工序中第二个注射针工件的工序调整参数。以此类推，可以获得所述第一工序中第二个注射针工件的工序调整参数……第一工序中第N个注射针工件的工序调整参数。达到了准确获得数据信息，提高评估结果智能化的技术效果。
进一步的，本申请实施例步骤S1230还包括：
步骤S1231：将所述第P工序参数信息输入所述第一状态分布数据库，获得第P工件位置偏移信息；
步骤S1232：获得第一评估指令；
步骤S1233：根据所述第一评估指令对所述第P工件位置偏移信息进行评估，获得第一偏移影响度评估结果，其中，所述第一偏移影响度评估结果为所述第P工件位置偏移信息对于当前工件在所述第一工序的影响程度；
步骤S1234：根据所述第一偏移影响度评估结果获得第一调整参数，基于所述第一调整参数对当前工件的实际参数进行调整。
具体而言，所述第一评估指令用于评估第P工序位置偏移信息对于第一工序中的第P个工件在第一工序的影响程度。所述第一评估指令评估后得到的结果称为第一偏移影响度评估结果。根据所述第一偏移影响度评估结果可以得到调整第一工序中第P工件位置的调整方案，即为第一调整参数，基于所述第一调整参数可以对第P工件的实际位置坐标参数进行调整。通过所述第一调整参数，使得当前工件的实际参数更接近理想参数，加工工件的位置更加精准。
进一步的，本申请实施例步骤S1230还包括：
步骤S1235：当所述第一调整参数未应用于当前工件的实际参数调整时，获得第二工序的基础信息，其中，所述第二工序为所述第一工序的下一工序；
步骤S1236：获得第二评估指令，根据所述第二评估指令基于所述第二工序的基础信息和所述第P工件位置偏移信息进行评估，获得第二偏移影响度评估结果；
步骤S1237：基于所述第二偏移影响度评估结果对所述第二工序进行预警。
具体而言，当所述第一调整参数最终没有用于第P个工件实际参数的调整时，多重智能报警系统获得第二工序的基础信息，所述第二工序的基础信息是指所述N个注射针工件进行的第二轮加工处理流程，即为所述第一工序的下一工序。同时，多重智能报警系统发出第二评估指令，根据所述第二评估指令基于所述第二工序的基础信息和所述第P工件位置偏移信息进行评估，可以获得第二偏移影响度评估结果，所述第二偏移影响度评估结果用于对所述第二工序进行预警。若偏移影响度较小，多重智能报警系统即进入下一步骤，节约了工件调整的时间，提高了生产效率。
进一步的，本申请实施例步骤S1234还包括：
步骤S12341：当所述第一调整参数用于当前工件的实际参数调整时，基于所述第一调整参数和所述第P工序参数信息获得第三偏移影响度评估结果；
步骤S12342：基于所述第三偏移影响度评估结果对所述第二工序进行预警。
具体而言，当所述第一调整参数用于第P工件的实际参数调整时，基于所述第一调整参数和所述第P工序参数信息可以获得第三偏移影响度评估结果，所述第三偏移影响度评估结果用于对所述第二工序进行预警。通过第三偏移影响度评估结果对第二工序进行预警，对第二工序中各加工工件的位置进行调整，进一步提高了加工精准度。
进一步的，本申请实施例步骤S1110还包括：
步骤S1110：获得第一标识信息，基于所述第一标识信息对满足所述第M预警值的实际工序参数信息对应的工件进行标识，获得第一标识结果；
步骤S1120：基于所述第一标识结果对所述工件进行处理的流程进行多重预警处理。
具体而言，如果所述第一工序中的N个注射针工件中，有某一工件的实际工序参数信息与第M预警值对应的第M工序参数信息一致，则对满足所述第M预警值的实际工序参数信息对应的工件进行标识，以此得到第一标识结果。基于所述第一标识结果，对与第M 预警值对应的第M工序参数信息一致的工件进行处理的流程进行多重预警处理。
综上所述，本申请实施例所提供的一种注射针加工流程的多重智能报警方法具有如下技术效果：
1.通过获得第一工序的基础信息，其中，所述第一工序为加工注射针的工序；获得第一工序参数信息，其中，所述第一工序参数为控制所述第一工序中注射针位置的参数；获得第一工序分析指令，基于所述第一工序分析指令对所述第一工序的基础信息进行工序分析，获得所述第一工序参数对应的第一工件位置偏移信息；构建所述第一工序的工件位置分析处理模型，将所述第一工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第一预警值；构建所述第一工序参数信息、所述第一工件位置偏移信息和所述第一预警值的第一映射关系；获得第N工序参数信息，其中，所述第N工序参数为控制所述第一工序中注射针位置的参数，且所述第N工序参数为根据第N-1预警值调整获得，其中，N为大于1的正整数；获得第N工序分析指令，基于所述第N工序分析指令对所述第一工序进行工序分析，获得所述第N工序参数对应的第N工件位置偏移信息；将所述第N工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第N预警值；构建所述第N工序参数信息、所述第N工件位置偏移信息和所述第N预警值的第N映射关系，根据所述第一映射关系、第N映射关系构建第一状态分布数据库；获得第一期望预警值，将所述第一期望预警值输入所述第一状态分布数据库，匹配第 M预警值，其中，M可以为1-N之间的任一正整数；基于所述第M预警值获得第M工序参数信息，当检测到所述第一工序中的实际工序参数满足所述第M工序参数信息时，获得预警信息进行预警。达到了快速有效地调整注射针头加工位置，调整完毕后及时发出警报以进入下一加工流程，提升了注射针加工的稳定性和精度，同时提高了生产加工注射针头效率的技术效果。
2.通过以神经网络模型为基础建立的第一参数调整模型，能够输出准确的第二工序调整参数，从而具备了较强的分析计算能力，达到了准确获得数据信息，提高评估结果智能化的技术效果。
实施例二
基于与前述实施例中一种注射针加工流程的多重智能报警方法，同样发明构思，本发明还提供了一种注射针加工流程的多重智能报警系统，请参阅附图2所示，所述系统包括：
第一获得单元11，所述第一获得单元11用于获得第一工序的基础信息，其中，所述第一工序为加工注射针的工序；
第二获得单元12，所述第二获得单元12用于获得第一工序参数信息，其中，所述第一工序参数为控制所述第一工序中注射针位置的参数；
第三获得单元13，所述第三获得单元13用于获得第一工序分析指令，基于所述第一工序分析指令对所述第一工序的基础信息进行工序分析，获得所述第一工序参数对应的第一工件位置偏移信息；
第一构建单元14，所述第一构建单元14用于构建所述第一工序的工件位置分析处理模型，将所述第一工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第一预警值；
第二构建单元15，所述第二构建单元15用于构建所述第一工序参数信息、所述第一工件位置偏移信息和所述第一预警值的第一映射关系；
第四获得单元16，所述第四获得单元16用于获得第N工序参数信息，其中，所述第N工序参数为控制所述第一工序中注射针位置的参数，且所述第N工序参数为根据第N-1预警值调整获得，其中， N为大于1的正整数；
第五获得单元17，所述第五获得单元17用于获得第N工序分析指令，基于所述第N工序分析指令对所述第一工序进行工序分析，获得所述第N工序参数对应的第N工件位置偏移信息；
第六获得单元18，所述第六获得单元18用于将所述第N工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第N 预警值；
第三构建单元19，所述第三构建单元19用于构建所述第N工序参数信息、所述第N工件位置偏移信息和所述第N预警值的第N映射关系，根据所述第一映射关系、第N映射关系构建第一状态分布数据库；
第七获得单元20，所述第七获得单元20用于获得第一期望预警值，将所述第一期望预警值输入所述第一状态分布数据库，匹配第M 预警值，其中，M可以为1-N之间的任一正整数；
第一预警单元21，所述第一预警单元21用于基于所述第M预警值获得第M工序参数信息，当检测到所述第一工序中的实际工序参数满足所述第M工序参数信息时，获得预警信息进行预警。
进一步的，所述系统还包括：
第八获得单元，所述第八获得单元用于获得所述第一工序的第一实际参数；
第九获得单元，所述第九获得单元用于获得第一判断指令，根据所述第一判断指令判断所述第一实际参数是否处于第一工序参数信息至所述第M工序参数信息之间；
第十获得单元，所述第十获得单元用于当所述第一实际参数处于所述第一工序参数信息至所述第M工序参数信息之间时，基于所述第一实际参数匹配第P工序参数信息，并将所述第P工序参数信息输入所述第一状态分布数据库，获得第P预警值，基于所述第P预警值匹配第P预警信息进行预警。
进一步的，所述系统还包括：
第四构建单元，所述第四构建单元用于构建第一参数调整模型，其中，所述第一参数调整模型通过监督学习获得，所述监督学习的参数包括：具有映射关系的所述第一工序参数和所述第一预警值、标识每一节点预警调整值的标识信息；
第十一获得单元，所述第十一获得单元用于将所述第一工序参数信息输入所述第一参数调整模型，获得第二工序调整参数，以此类推，获得所述第N工序调整参数。
进一步的，所述系统还包括：
第十二获得单元，所述第十二获得单元用于将所述第P工序参数信息输入所述第一状态分布数据库，获得第P工件位置偏移信息；
第十三获得单元，所述第十三获得单元用于获得第一评估指令；
第十四获得单元，所述第十四获得单元用于根据所述第一评估指令对所述第P工件位置偏移信息进行评估，获得第一偏移影响度评估结果，其中，所述第一偏移影响度评估结果为所述第P工件位置偏移信息对于当前工件在所述第一工序的影响程度；
第十五获得单元，所述第十五获得单元用于根据所述第一偏移影响度评估结果获得第一调整参数，基于所述第一调整参数对当前工件的实际参数进行调整。
进一步的，所述系统还包括：
第十六获得单元，所述第十六获得单元用于当所述第一调整参数未应用于当前工件的实际参数调整时，获得第二工序的基础信息，其中，所述第二工序为所述第一工序的下一工序；
第十七获得单元，所述第十七获得单元用于获得第二评估指令，根据所述第二评估指令基于所述第二工序的基础信息和所述第P工件位置偏移信息进行评估，获得第二偏移影响度评估结果；
第二预警单元，所述第二预警单元用于基于所述第二偏移影响度评估结果对所述第二工序进行预警。
进一步的，所述系统还包括：
第十八获得单元，所述第十八获得单元用于当所述第一调整参数用于当前工件的实际参数调整时，基于所述第一调整参数和所述第P 工序参数信息获得第三偏移影响度评估结果；
第三预警单元，所述第三预警单元用于基于所述第三偏移影响度评估结果对所述第二工序进行预警。
进一步的，所述系统还包括：
第十九获得单元，所述第十九获得单元用于获得第一标识信息，基于所述第一标识信息对满足所述第M预警值的实际工序参数信息对应的工件进行标识，获得第一标识结果；
第四预警单元，所述第四预警单元用于基于所述第一标识结果对所述工件进行处理的流程进行多重预警处理。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种注射针加工流程的多重智能报警方法和具体实例同样适用于本实施例的一种注射针加工流程的多重智能报警系统，通过前述对一种注射针加工流程的多重智能报警方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种注射针加工流程的多重智能报警系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种注射针加工流程的多重智能报警方法的发明构思，本发明还提供一种注射针加工流程的多重智能报警系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种血液净化中心护理的应急预案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305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。
本申请提供了一种注射针加工流程的多重智能报警方法，所述方法应用于一种注射针加工流程的多重智能报警系统，其中，所述方法包括：获得第一工序的基础信息，其中，所述第一工序为加工注射针的工序；获得第一工序参数信息，其中，所述第一工序参数为控制所述第一工序中注射针位置的参数；获得第一工序分析指令，基于所述第一工序分析指令对所述第一工序的基础信息进行工序分析，获得所述第一工序参数对应的第一工件位置偏移信息；构建所述第一工序的工件位置分析处理模型，将所述第一工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第一预警值；构建所述第一工序参数信息、所述第一工件位置偏移信息和所述第一预警值的第一映射关系；获得第N工序参数信息，其中，所述第N工序参数为控制所述第一工序中注射针位置的参数，且所述第N工序参数为根据第N-1 预警值调整获得，其中，N为大于1的正整数；获得第N工序分析指令，基于所述第N工序分析指令对所述第一工序进行工序分析，获得所述第N工序参数对应的第N工件位置偏移信息；将所述第N 工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第N预警值；构建所述第N工序参数信息、所述第N工件位置偏移信息和所述第N预警值的第N映射关系，根据所述第一映射关系、第N映射关系构建第一状态分布数据库；获得第一期望预警值，将所述第一期望预警值输入所述第一状态分布数据库，匹配第M预警值，其中，M可以为1-N之间的任一正整数；基于所述第M预警值获得第M工序参数信息，当检测到所述第一工序中的实际工序参数满足所述第M工序参数信息时，获得预警信息进行预警。解决了现有技术中存在注射针加工时无法快速有效地调整好注射针头位置，工件位置的不准确导致了注射针头加工精度低、稳定性差，进一步导致了注射器材使用不够安全，同时存在注射针生产加工时位置调整花费大量时间，影响了加工效率的技术问题。达到了快速有效地调整注射针头加工位置，调整完毕后及时发出警报以进入下一加工流程，提升了注射针加工的稳定性和精度，同时提高了生产加工注射针头效率的技术效果。
本领域内的技术人员应明白，本申请的实施例可提供为方法、装置、或计算机程序产品。因此，本申请可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外，本申请为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于：U盘、移动硬盘、只读存储器(Read-0nly Memory，简称ROM)、随机存取存储器(Random AccessMemory，简称RAM)、磁盘存储器、只读光盘(Compact Disc Read-Only Memory，简称 CD-ROM)、光学存储器等各种可以存储程序代码的介质。
本发明是参照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1个流程或多个流程和/或方框图1个方框或多个方框中指定的功能的系统。
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系统的制造品，该指令系统实现在流程图1个流程或多个流程和/或方框图1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1个流程或多个流程和/或方框图1个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
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)
1.一种注射针加工流程的多重智能报警方法，其中，所述方法应用于一多重智能报警系统，所述方法包括：
获得第一工序的基础信息，其中，所述第一工序为加工注射针的工序；
获得第一工序参数信息，其中，所述第一工序参数为控制所述第一工序中注射针位置的参数；
获得第一工序分析指令，基于所述第一工序分析指令对所述第一工序的基础信息进行工序分析，获得所述第一工序参数对应的第一工件位置偏移信息；
构建所述第一工序的工件位置分析处理模型，将所述第一工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第一预警值；
构建所述第一工序参数信息、所述第一工件位置偏移信息和所述第一预警值的第一映射关系；
获得第N工序参数信息，其中，所述第N工序参数为控制所述第一工序中注射针位置的参数，且所述第N工序参数为根据第N－1预警值调整获得，其中，N为大于1的正整数；
获得第N工序分析指令，基于所述第N工序分析指令对所述第一工序进行工序分析，获得所述第N工序参数对应的第N工件位置偏移信息；
将所述第N工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第N预警值；
构建所述第N工序参数信息、所述第N工件位置偏移信息和所述第N预警值的第N映射关系，根据所述第一映射关系、第N映射关系构建第一状态分布数据库；
获得第一期望预警值，将所述第一期望预警值输入所述第一状态分布数据库，匹配第M预警值，其中，M可以为1－N之间的任一正整数，所述第一期望预警值是指将所述第一工序中，将1－N个注射针工件的位置偏移信息输入所述第一工序的工件位置分析处理模型后，得到的预警值信息；
基于所述第M预警值获得第M工序参数信息，当检测到所述第一工序中的实际工序参数满足所述第M工序参数信息时，获得预警信息进行预警。
2.如权利要求1所述的方法，所述方法还包括：
获得所述第一工序的第一实际参数；
获得第一判断指令，根据所述第一判断指令判断所述第一实际参数是否处于第一工序参数信息至所述第M工序参数信息之间；
当所述第一实际参数处于所述第一工序参数信息至所述第M工序参数信息之间时，基于所述第一实际参数匹配第P工序参数信息，并将所述第P工序参数信息输入所述第一状态分布数据库，获得第P预警值，基于所述第P预警值匹配第P预警信息进行预警。
3.如权利要求1所述的方法，其中，所述方法还包括：
构建第一参数调整模型，其中，所述第一参数调整模型通过监督学习获得，所述监督学习的参数包括：具有映射关系的所述第一工序参数和所述第一预警值、标识每一节点预警调整值的标识信息；
将所述第一工序参数信息输入所述第一参数调整模型，获得第二工序调整参数，以此类推，获得所述第N工序调整参数。
4.如权利要求2所述的方法，其中，所述方法还包括：
将所述第P工序参数信息输入所述第一状态分布数据库，获得第P工件位置偏移信息；
获得第一评估指令；
根据所述第一评估指令对所述第P工件位置偏移信息进行评估，获得第一偏移影响度评估结果，其中，所述第一偏移影响度评估结果为所述第P工件位置偏移信息对于当前工件在所述第一工序的影响程度；
根据所述第一偏移影响度评估结果获得第一调整参数，基于所述第一调整参数对当前工件的实际参数进行调整。
5.如权利要求4所述的方法，其中，所述方法还包括：
当所述第一调整参数未应用于当前工件的实际参数调整时，获得第二工序的基础信息，其中，所述第二工序为所述第一工序的下一工序；
获得第二评估指令，根据所述第二评估指令基于所述第二工序的基础信息和所述第P工件位置偏移信息进行评估，获得第二偏移影响度评估结果；
基于所述第二偏移影响度评估结果对所述第二工序进行预警。
6.如权利要求5所述的方法，其中，所述方法还包括：
当所述第一调整参数用于当前工件的实际参数调整时，基于所述第一调整参数和所述第P工序参数信息获得第三偏移影响度评估结果；
基于所述第三偏移影响度评估结果对所述第二工序进行预警。
7.如权利要求1所述的方法，其中，所述基于所述第M预警值获得第M工序参数信息，当检测到所述第一工序中的实际工序参数满足所述第M工序参数信息时，获得预警信息进行预警，还包括：
获得第一标识信息，基于所述第一标识信息对满足所述第M预警值的实际工序参数信息对应的工件进行标识，获得第一标识结果；
基于所述第一标识结果对所述工件进行处理的流程进行多重预警处理。
8.一种注射针加工流程的多重智能报警系统，其中，所述系统包括：
第一获得单元：所述第一获得单元用于获得第一工序的基础信息，其中，所述第一工序为加工注射针的工序；
第二获得单元：所述第二获得单元用于获得第一工序参数信息，其中，所述第一工序参数为控制所述第一工序中注射针位置的参数；
第三获得单元：所述第三获得单元用于获得第一工序分析指令，基于所述第一工序分析指令对所述第一工序的基础信息进行工序分析，获得所述第一工序参数对应的第一工件位置偏移信息；
第一构建单元：所述第一构建单元用于构建所述第一工序的工件位置分析处理模型，将所述第一工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第一预警值；
第二构建单元：所述第二构建单元用于构建所述第一工序参数信息、所述第一工件位置偏移信息和所述第一预警值的第一映射关系；
第四获得单元：所述第四获得单元用于获得第N工序参数信息，其中，所述第N工序参数为控制所述第一工序中注射针位置的参数，且所述第N工序参数为根据第N－1预警值调整获得，其中，N为大于1的正整数；
第五获得单元：所述第五获得单元用于获得第N工序分析指令，基于所述第N工序分析指令对所述第一工序进行工序分析，获得所述第N工序参数对应的第N工件位置偏移信息；
第六获得单元：所述第六获得单元用于将所述第N工件位置偏移信息输入所述第一工序的工件位置分析处理模型，获得第N预警值；
第三构建单元：所述第三构建单元用于构建所述第N工序参数信息、所述第N工件位置偏移信息和所述第N预警值的第N映射关系，根据所述第一映射关系、第N映射关系构建第一状态分布数据库；
第七获得单元：所述第七获得单元用于获得第一期望预警值，将所述第一期望预警值输入所述第一状态分布数据库，匹配第M预警值，其中，M可以为1－N之间的任一正整数，所述第一期望预警值是指将所述第一工序中，将1－N个注射针工件的位置偏移信息输入所述第一工序的工件位置分析处理模型后，得到的预警值信息；
第一预警单元：所述第一预警单元用于基于所述第M预警值获得第M工序参数信息，当检测到所述第一工序中的实际工序参数满足所述第M工序参数信息时，获得预警信息进行预警。
9.一种注射针加工流程的多重智能报警系统，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，其中，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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110957421.3A CN113721568B (zh) | 2021-08-19 | 2021-08-19 | 一种注射针加工流程的多重智能报警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110957421.3A CN113721568B (zh) | 2021-08-19 | 2021-08-19 | 一种注射针加工流程的多重智能报警方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113721568A CN113721568A (zh) | 2021-11-30 |
| CN113721568B true CN113721568B (zh) | 2022-04-15 |
Family
ID=78677066
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110957421.3A Active CN113721568B (zh) | 2021-08-19 | 2021-08-19 | 一种注射针加工流程的多重智能报警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113721568B (zh) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111861050B (zh) * | 2019-04-25 | 2024-02-20 | 富联精密电子(天津)有限公司 | 生产制程管控装置、方法及计算机可读存储介质 |
| CN111583567A (zh) * | 2020-06-01 | 2020-08-25 | 江西憶源多媒体科技有限公司 | 一种森林防火预警方法及装置 |
| CN112950604B (zh) * | 2021-03-12 | 2022-04-19 | 深圳市鑫路远电子设备有限公司 | 一种精密点胶的信息处理方法及系统 |
| CN113095984A (zh) * | 2021-04-28 | 2021-07-09 | 南通市第一人民医院 | 一种护理人员突发事件应急预案生成方法及系统 |
-
2021
- 2021-08-19 CN CN202110957421.3A patent/CN113721568B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113721568A (zh) | 2021-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109176168B (zh) | 刀具加工调机装置及方法 | |
| Mauris et al. | Fuzzy modeling of measurement data acquired from physical sensors | |
| CN109886641A (zh) | 一种岗位画像设置方法、岗位画像设置装置及终端设备 | |
| Guido | Paraconsistent feature engineering [lecture notes] | |
| CN112102934A (zh) | 一种护士规范化培训考核评分方法和系统 | |
| CN113721568B (zh) | 一种注射针加工流程的多重智能报警方法及系统 | |
| Puskás et al. | Noise modeling of tumor size measurements from animal experiments for virtual patient generation | |
| Guan et al. | The research of prediction model on intelligent vehicle based on driver’s perception | |
| DeBrota et al. | Input modeling with the Johnson system of distributions | |
| Claeys et al. | Methodology to integrate ergonomics information in contextualized digital work instructions | |
| CN114510867A (zh) | 一种3d模拟配电柜电路接线方法及系统 | |
| CN112185530A (zh) | 一种医院排号管理方法及系统 | |
| CN112998657A (zh) | 一种预防皮肤过敏的方法及系统 | |
| CN111859094A (zh) | 一种基于云计算的信息分析方法系统 | |
| Rao | Flexible manufacturing system selection using an improved compromise ranking method | |
| CN112288342B (zh) | 一种提高多中心协作质量控制的数据处理方法和系统 | |
| CN114331349B (zh) | 一种基于物联网技术的科研项目管理方法及系统 | |
| Hellmann et al. | Confidence is influenced by evidence accumulation time in dynamical decision models | |
| CN112309513A (zh) | 一种青蒿素提取方法有效性的检测方法和装置 | |
| CN113052122A (zh) | 一种血透室消毒效果检测系统及方法 | |
| Canessa et al. | Calibrating agent-based models using a genetic algorithm | |
| Kowalski et al. | Effectiveness of Automatic CAM Programming Using Machining Templates for the Manufacture of Special Production Tooling. | |
| CN112951422A (zh) | 一种骨科患者康复自检方法及系统 | |
| Kozák | Robust Explicit Control of Complex Hybrid Discrete Processes | |
| Ramanayake et al. | Virtue Ethics For Ethically Tunable Robotic Assistants |
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 | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: No.108 Jinshan Road, Yangzhou Economic Development Zone, Jiangsu Province 225000 Patentee after: Yangzhou Meilai medical supplies Co.,Ltd. Address before: No.108 Jinshan Road, Yangzhou Economic Development Zone, Jiangsu Province 225000 Patentee before: YANGZHOU MEDLINE INDUSTRY CO.,LTD. |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Multiple Intelligent Alarm Method and System for Injection Needle Processing Process Effective date of registration: 20231229 Granted publication date: 20220415 Pledgee: Agricultural Bank of China Limited Yangzhou Runyang Branch Pledgor: Yangzhou Meilai medical supplies Co.,Ltd. Registration number: Y2023980075164 |