CN113850452A - 基于工业神经网络的产品装配方法、装置、设备及介质 - Google Patents
基于工业神经网络的产品装配方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113850452A CN113850452A CN202011162762.3A CN202011162762A CN113850452A CN 113850452 A CN113850452 A CN 113850452A CN 202011162762 A CN202011162762 A CN 202011162762A CN 113850452 A CN113850452 A CN 113850452A
- Authority
- CN
- China
- Prior art keywords
- information
- assembly
- assembling
- product
- industrial
- 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
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 81
- 239000000463 material Substances 0.000 claims abstract description 78
- 230000008569 process Effects 0.000 claims abstract description 36
- 238000003860 storage Methods 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000009960 carding Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 28
- 230000007246 mechanism Effects 0.000 abstract description 9
- 238000009776 industrial production Methods 0.000 abstract description 6
- 238000013467 fragmentation Methods 0.000 abstract description 3
- 238000006062 fragmentation reaction Methods 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种基于工业神经网络的产品装配方法、装置、设备及介质。该方法包括:梳理装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息;梳理装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息之间的约束条件,并梳理产品装配的业务流程体系,构建工业神经网络的产品装配关联图谱;根据产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的目标组合,根据目标组合进行产品装配。上述方案将工业生产流程、生产要素、工业机理以及人工经验数据等整合,集中于工业神经网络中,解决了当前工业生产制造中数据和知识碎片化的问题,提高了智能化生产效率。
Description
技术领域
本申请实施例涉及产品装配技术领域,尤其涉及一种基于工业神经网络的产品装配方法、装置、设备及介质。
背景技术
在产品装配过程中所需生产要素众多,同时涉及物料、设备、人员、工装、工具等资源。这些生产要素数据目前主要利用MySQL、Oracle等为主的关系型数据库进行存储。
随着数据量的不断增长,传统关系型数据库因其水平扩展的限制,无法存储更多数据,处理性能大大降低,同时无法满足时效性的要求。另外,工业领域的生产要素数据彼此之间存在着各种关联、约束等复杂的互相影响关系,而传统关系型数据库在通过JOIN连接操作进行多重关系查询时,需要数小时甚至数天,计算成本很高,或者容易发生查询超时失败等问题。这些种种问题造成目前的产品装配作业过程中,仍然在很大程度上依靠经验丰富的工艺人员实现计划、执行及工装工具的管理等作业。人为的操作难免会出现不合理性,并且对人的依赖性过高,已无法满足当前急速发展的生产力需求。
发明内容
本发明实施例提供一种基于工业神经网络的产品装配方法、装置、设备及介质,以高效地将碎片化的数据和关系进行整合和管理,使产品装配智能化和自动化,提高了产品装配的效率。
在一个实施例中,本申请实施例提供了一种基于工业神经网络的产品装配方法,该方法包括:
梳理产品装配对应的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息;
梳理装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息之间的约束条件;
根据所述约束条件、装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息,梳理产品装配的业务流程体系,构建工业神经网络的产品装配关联图谱;
根据所述工业神经网络的产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的目标组合,根据所述目标组合进行产品装配。
在另一个实施例中,本申请实施例还提供了一种基于工业神经网络的产品装配装置,该装置包括:
信息获取模块,用于梳理产品装配对应的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息;
约束条件梳理模块,用于梳理装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息之间的约束条件;
关联图谱构建模块,用于根据所述约束条件、装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息,梳理产品装配的业务流程体系,构建工业神经网络的产品装配关联图谱;
装配模块,用于根据所述工业神经网络的产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的目标组合,根据所述目标组合进行产品装配。
在又一个实施例中,本申请实施例还提供了一种基于工业神经网络的产品装配设备,包括:一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本申请实施例任一项所述的基于工业神经网络的产品装配方法。
在再一个实施例中,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请实施例中任一项所述的基于工业神经网络的产品装配方法。
本申请实施例中,通过梳理产品装配对应的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息,梳理装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息之间的约束条件;根据所述约束条件、装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息,梳理产品装配的业务流程体系,构建工业神经网络的产品装配关联图谱,从而高效地将碎片化的数据和关系进行整合和管理,以提高关系分析的效率,通过根据所述工业神经网络的产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的目标组合,根据所述目标组合进行产品装配,将工业生产流程、生产要素、工业机理研究算法以及人工经验判断等进行整合,统一集中于工业神经网络中,解决了当前工业生产制造领域中数据和相关知识碎片化的问题,有效促进智能化生产效率。
附图说明
图1为本发明一种实施例提供的基于工业神经网络的产品装配方法的流程图;
图2为本发明一种实施例提供的抽取信息示意图;
图3为本发明另一实施例提供的基于工业神经网络的产品装配方法的流程图;
图4为本发明另一实施例提供的工业神经网络的产品装配关联图谱示意图;
图5为本发明另一实施例提供的应用示意图;
图6为本发明一种实施例提供的基于工业神经网络的产品装配装置的结构示意图;
图7为本发明一种实施例提供的基于工业神经网络的产品装配设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明一种实施例提供的基于工业神经网络的产品装配方法的流程图。本实施例提供的基于工业神经网络的产品装配方法可适用于进行产品装配的情况。典型的,该方法可以适用于基于构建的工业神经网络的产品装配关联图谱进行产品装配的情况。该方法具体可以由基于工业神经网络的产品装配装置执行,该装置可以由软件和/或硬件的方式实现,该装置可以集成在基于工业神经网络的产品装配设备中。参见图1,本申请实施例的方法具体包括:
S110、梳理产品装配对应的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息。
其中,产品装配对应的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息可以为从互联网、数据库等检索到的资料等,例如装配大纲。其中,如图2所示,装配人员信息可以为可分为操作人员、工艺人员、质量人员等、员工的标识、工作时长、职称、工种、在岗信息、所持有的证书等信息,装配设备信息可以为工装、工具刀具、量具、设备标识、设备的工作状态、设备的寿命等信息。装配物料信息可以为物料的成分、比例、硬度等信息。装配规则信息可以为操作规程、图纸等。操作规程可以为产品装配的步骤、流程、方法等。图纸可以为产品装配的零件位置、装配顺序、连接关系等。装配环境信息可以为装配操作空间、温度、湿度、人数限制等。
S120、梳理装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息之间的约束条件。
示例性的,梳理定义以上数据之间的约束条件及其间隐藏的各类工业机理等,约束条件主要是指数据实体在制造流程中所需满足的业务条件和资源条件,在飞机装配制造领域,主要指每一本装配大纲开工需要满足的条件、归档后有哪些衡量指标以及开工的过程中有哪些需要检查的问题项、需要计算的机理等。
S130、根据所述约束条件、装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息,梳理产品装配的业务流程体系,构建工业神经网络的产品装配关联图谱。
产品装配过程中工序步骤多,工序离散。在本申请实施例中,为了使产品装配过程中的实体、工序等之间建立联系,更有效地整合产品装配过程中的数据以及关系,并针对制造数据进行结构化智能化分析,根据装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息,构建工业神经网络的产品装配关联图谱,使产品装配过程中涉及的数据、关系、工业经验和机理数据化、结构化。每个产品装配工序包含不同的多项人员、设备、物料等生产要素,同时这些人员、设备、物料等要素间存在多种关联关系,这些关系可能是重复的,或者多种同时存在。将所有整理的相关数据要素导入图数据库中,并完成节点、关系的名称和属性定义,最后以关系图谱的方式呈现。
具体的,在装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息之间可能存在一定的关系,例如,工序1需要调用3个人员和1台设备,并且需要满足约束条件1和机理1,因此,可以将工序、人员和约束条件1以及机理1相连接,以表示关联关系。对于获取到的所有装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息,都根据其之间的关联关系进行关联,形成工业神经网络的产品装配关联图谱。本申请实施例摆脱了传统关系型数据库的束缚,对于大规模深度遍历而言,极大地提高了性能,可以实现基于海量关系数据的快速分析。相比于将大量的数据和数据关系存储于表格中,形成关联图谱能够更有效地整合数据和数据关系,可以快速满足对于复杂关系的访问需求,提高数据访问的效率,进而提高产品装配的效率。
S140、根据所述工业神经网络的产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的目标组合,根据所述目标组合进行产品装配。
其中,工业神经网络是基于图数据库技术和算法相结合得到的一种可用于工业设计、生产、制造等应用的工业网络形式。示例性的,得到产品装配关联图谱后,通过配置部分节点使其具有能够调用所述算法库中存储的算法的接口,使得装配关联图谱和算法库建立必要的联系,由此得以准确、全面地描述工业制造领域中涉及的各种复杂关系,并利用算法实现相关的推理预测功能。可以理解的是,在此所称的算法或算法库可能是已有或者已建立的。并且,所述算法库中存储的算法可包括神经网络算法,其中神经网络算法可包括卷积神经网络算法和深度神经网络算法等,而这些算法中的至少部分,可基于所述目标工业制造过程中的所述操作业务所涉及的工业机理、工业模型或工业经验法则产生。目标组合为从能够实现产品装配的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的组合中,选择的最终用于产品装配的组合。能够实现产品装配的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的组合为对工业神经网络的产品装配关联图谱遍历得到的解,目标组合为最优解。
示例性的,采用工序1对应3个人员和1台设备,采用工序2对应2个人员2台设备可以完成产品装配过程。采用工序1对应2个人员2台设备,采用工序2对应4个人员1台设备也能够完成产品装配过程,但是其完成装配的耗时和/或成本不同,因此,根据耗时和/或成本进行权衡,确定最终选用的目标组合,进行实际的产品装配。本申请实施例摆脱了传统关系型数据库的束缚,对于大规模深度遍历而言,极大地提高了性能,可以实现基于海量关系数据的快速分析。
本申请实施例中,通过梳理产品装配对应的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息,梳理装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息之间的约束条件;根据所述约束条件、装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息,梳理产品装配的业务流程体系,构建工业神经网络的产品装配关联图谱,从而高效地将碎片化的数据和关系进行整合和管理,以提高关系分析的效率,通过根据所述工业神经网络的产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的目标组合,根据所述目标组合进行产品装配,将工业生产流程、生产要素、工业机理研究算法以及人工经验判断等进行整合,统一集中于工业神经网络中,解决了当前工业生产制造领域中数据和相关知识碎片化的问题,有效促进智能化生产效率。
图3为本发明另一实施例提供的基于工业神经网络的产品装配方法的流程图。本申请实施例为对上述实施例基础上,对技术方案的进一步优化。参见图3,本实施例提供的基于工业神经网络的产品装配方法可以包括:
S210、梳理产品装配对应的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息。
示例性的,可以基于自然语言处理技术,从目标文件中抽取产品装配对应的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息。自然语言处理技术是研究人与计算机交互的语言问题的一门学科。通过自然语言处理技术能够从自然语言的目标文本中提取出关键的信息。
S220、将所述约束条件、装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息作为节点。
示例性的,如图4所示,其中圆形图标代表的即为约束条件、装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的节点。约束条件可以为工序对于设备、人员、工装、物料等的调用数量要求。
S230、将存在关联关系的节点以边进行连接,梳理产品装配的业务流程体系,形成工业神经网络的产品装配关联图谱。
示例性的,如图4所示,如果两个节点之间存在关联关系,则进行连接形成边,表示其关联关系。例如,工序2与设备连接,则说明工序2需要调用设备才能够进行。而工序1没有与设备连接,说明工序1并不需要调用设备。
以某个业务为例,有n个工序,即图4中的AO1-AOn。每个工序包含多个要素,不同的工序与多个要素相关,同时这些要素之间有很多关联关系,这些关系可能是重复的,或者多种同时存在,以图数据的方式画出来。可以把所有的机理计算模型存储在数据库中供图数据库进行调用。同时,利用卷积神经网络和深度神经网络算法部署在关系中,用于预测工业领域。
在本申请实施例中,构建工业神经网络的产品装配关联图谱之后,所述方法还包括:将工业神经网络的产品装配关联图谱中的节点对应的接口与数据库建立连接,以通过所述数据库获取节点的数据。所述方法还包括:构建装配规则计算模型,并存储于数据库中,以由工业神经网络的产品装配关联图谱中的装配规则信息节点从数据库中获取装配规则计算模型并计算得到装配规则信息。
示例性的,在产品装配过程中,可能需要实时更新更节点的数据,因此可以将节点对应的接口与数据里建立连接,以及时从数据库获取节点数据。通过构建装配规则计算模型存储于数据库中,从而以便节点调用。
S240、根据所述工业神经网络的产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的候选组合。
在本申请实施例中,根据所述工业神经网络的产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的候选组合,包括:对所述工业神经网络的产品装配关联图谱的节点和边进行遍历,确定能够实现产品装配的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的候选组合。
示例性的,从关联图谱中的任一节点进行遍历,得到多个解,即能够实现产品装配的多个候选组合。采用各组合进行产品装配时,所需耗时可能不同,成本也可能不同。
S250、基于候选组合进行产品装配对应的装配时间和/或装配成本,从候选组合中确定目标组合。
在本申请实施例中,基于候选组合进行产品装配对应的制造时间和/或制造成本,从候选组合中确定目标组合,包括:将制造时间最短和/或制造成本最小的候选组合,确定为目标组合。
示例性的,为了缩短产品装配的时间,提高制造效率,可以选择耗时最短的候选组合作为目标组合,以采用目标组合进行产品装配。也可以选择成本最小的候选组合作为目标组合,以采用目标组合进行产品装配,减少制造成本。也可以同时考虑时间和成本,综合权衡确定选择的目标组合,以采用目标组合进行产品装配。
S260、根据所述目标组合进行产品装配。
在本申请实施例中,所述方法还包括:根据装配设备信息,确定设备利用率信息;和/或,根据物料信息,确定工具寿命预测信息;和/或,根据装配人员信息,确定人员情况分析信息;和/或,根据产品装配过程中的故障缺陷报告,确定质量问题分析信息。
示例性的,如图5所示,在产品装配的应用场景下,还可以建立对应的APP,实现其他应用,例如对设备的利用率进行分析,对人员情况进行分析,对工具寿命进行预测,对质量问题进行分析等,在此不进行一一列举,可以根据实际的需求实现相应的应用。
本申请实施例的技术方案,通过自然语言处理技术对目标文件进行提取获得产品装配的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息,并将装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息作为节点;将存在关联关系的节点以边进行连接,形成关联图谱,从而快速清晰地对数据以及数据关系进行整合和梳理,通过对工业神经网络的产品装配关联图谱的节点和边进行遍历,确定能够实现产品装配的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的候选组合,并从候选组合中选择制造时间最短和/或制造成本最小的目标组合进行产品装配,从而实现了产品装配的自动化和智能化,提高了产品装配的效率。
图6为本发明一种实施例提供的基于工业神经网络的产品装配装置的结构示意图。该装置可适用于进行产品装配的情况。典型的,该方法可以适用于基于构建的工业神经网络的产品装配关联图谱进行产品装配的情况。典型的,该方法可以适用于基于构建的关联图谱进行产品装配的情况。该装置可以由软件和/或硬件的方式实现,该装置可以集成在基于工业神经网络的产品装配设备中。参见图6,该装置具体包括:
数据梳理模块310,用于梳理产品装配对应的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息;
约束条件梳理模块320,用于梳理装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息之间的约束条件;
关联图谱构建模块330,用于根据所述约束条件、装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息,梳理产品装配的业务流程体系,构建工业神经网络的产品装配关联图谱;
装配模块340,用于根据所述工业神经网络的产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的目标组合,根据所述目标组合进行产品装配。
在本申请实施例中,关联图谱构建模块330,包括:
节点确定单元,用于将所述约束条件、装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息作为节点;
连接单元,用于将存在关联关系的节点以边进行连接,梳理产品装配的业务流程体系,形成工业神经网络的产品装配关联图谱。
在本申请实施例中,所述装置还包括:
接口连接模块,用于将工业神经网络的产品装配关联图谱中的节点对应的接口与数据库建立连接,以通过所述数据库获取节点的数据。
在本申请实施例中,所述装置还包括:
模型构建模块,用于构建装配规则计算模型,并存储于数据库中,以由工业神经网络的产品装配关联图谱中的装配规则信息节点从数据库中获取装配规则计算模型并计算得到装配规则信息。
在本申请实施例中,装配模块330,包括:
候选组合确定单元,用于根据所述工业神经网络的产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的候选组合;
选择单元,用于基于候选组合进行产品装配对应的装配时间和/或装配成本,从候选组合中确定目标组合。
在本申请实施例中,候选组合确定单元,具体用于:
对所述工业神经网络的产品装配关联图谱的节点和边进行遍历,确定能够实现产品装配的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的候选组合。
在本申请实施例中,所述装置还包括:
利用率信息确定模块,用于根据装配设备信息,确定设备利用率信息;和/或,
预测信息确定模块,用于根据物料信息,确定工具寿命预测信息;和/或,
人员情况分析模块,用于根据装配人员信息,确定人员情况分析信息;和/或,
质量问题分析模块,用于根据产品装配过程中的故障缺陷报告,确定质量问题分析信息。
本申请实施例所提供的基于工业神经网络的产品装配装置可执行本申请任意实施例所提供的基于工业神经网络的产品装配方法,具备执行方法相应的功能模块和有益效果。
图7为本发明一种实施例提供的基于工业神经网络的产品装配设备的结构示意图。图7示出了适于用来实现本申请实施例的示例性基于工业神经网络的产品装配设备412的框图。图7显示的基于工业神经网络的产品装配设备412仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示,基于工业神经网络的产品装配设备412可以包括:一个或多个处理器416;存储器428,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器416执行,使得所述一个或多个处理器416实现本申请实施例所提供的基于工业神经网络的产品装配方法,包括:
梳理产品装配对应的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息;
梳理装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息之间的约束条件;
根据所述约束条件、装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息,梳理产品装配的业务流程体系,构建工业神经网络的产品装配关联图谱;
根据所述工业神经网络的产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的目标组合,根据所述目标组合进行产品装配。
基于工业神经网络的产品装配设备412的组件可以包括但不限于:一个或者多个处理器或者处理器416,存储器428,连接不同设备组件(包括存储器428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
基于工业神经网络的产品装配设备412典型地包括多种计算机设备可读存储介质。这些存储介质可以是任何能够被基于工业神经网络的产品装配设备412访问的可用存储介质,包括易失性和非易失性存储介质,可移动的和不可移动的存储介质。
存储器428可以包括易失性存储器形式的计算机设备可读存储介质,例如随机存取存储器(RAM)430和/或高速缓存存储器432。基于工业神经网络的产品装配设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机设备存储介质。仅作为举例,存储系统434可以用于读写不可移动的、非易失性磁存储介质(图7未显示,通常称为“硬盘驱动器”)。尽管图7中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光存储介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据存储介质接口与总线418相连。存储器428可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440,可以存储在例如存储器428中,这样的程序模块442包括但不限于操作设备、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。
基于工业神经网络的产品装配设备412也可以与一个或多个外部设备414(例如键盘、指向设备、显示器426等)通信,还可与一个或者多个使得用户能与该基于工业神经网络的产品装配设备412交互的设备通信,和/或与使得该基于工业神经网络的产品装配设备412能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且,基于工业神经网络的产品装配设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图7所示,网络适配器420通过总线418与基于工业神经网络的产品装配设备412的其它模块通信。应当明白,尽管图7中未示出,可以结合基于工业神经网络的产品装配设备412使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID设备、磁带驱动器以及数据备份存储设备等。
处理器416通过运行存储在存储器428中的多个程序中其他程序的至少一个,从而执行各种功能应用以及数据处理,例如实现本申请实施例所提供的一种基于工业神经网络的产品装配方法。
本发明一种实施例提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行基于工业神经网络的产品装配方法,包括:
梳理产品装配对应的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息;
梳理装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息之间的约束条件;
根据所述约束条件、装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息,梳理产品装配的业务流程体系,构建工业神经网络的产品装配关联图谱;
根据所述工业神经网络的产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的目标组合,根据所述目标组合进行产品装配。
本申请实施例的计算机存储介质,可以采用一个或多个计算机可读的存储介质的任意组合。计算机可读存储介质可以是计算机可读信号存储介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的设备、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请实施例中,计算机可读存储介质可以是任何包含或存储程序的有形存储介质,该程序可以被指令执行设备、装置或者器件使用或者与其结合使用。
计算机可读的信号存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号存储介质还可以是计算机可读存储介质以外的任何计算机可读存储介质,该计算机可读存储介质可以发送、传播或者传输用于由指令执行设备、装置或者器件使用或者与其结合使用的程序。
计算机可读存储介质上包含的程序代码可以用任何适当的存储介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或设备上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种基于工业神经网络的产品装配方法,其特征在于,所述方法包括:
梳理产品装配对应的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息;
梳理装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息之间的约束条件;
根据所述约束条件、装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息,梳理产品装配的业务流程体系,构建工业神经网络的产品装配关联图谱;
根据所述工业神经网络的产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的目标组合,根据所述目标组合进行产品装配。
2.根据权利要求1所述的方法,其特征在于,根据所述约束条件、装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息,梳理产品装配的业务流程体系,构建工业神经网络的产品装配关联图谱,包括:
将所述约束条件、装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息作为节点;
将存在关联关系的节点以边进行连接,梳理产品装配的业务流程体系,形成工业神经网络的产品装配关联图谱。
3.根据权利要求1所述的方法,其特征在于,构建工业神经网络的产品装配关联图谱之后,所述方法还包括:
将工业神经网络的产品装配关联图谱中的节点对应的接口与数据库建立连接,以通过所述数据库获取节点的数据。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
构建装配规则计算模型,并存储于数据库中,以由工业神经网络的产品装配关联图谱中的装配规则信息节点从数据库中获取装配规则计算模型并计算得到装配规则信息。
5.根据权利要求1所述的方法,其特征在于,根据所述工业神经网络的产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的目标组合,包括:
根据所述工业神经网络的产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的候选组合;
基于候选组合进行产品装配对应的装配时间和/或装配成本,从候选组合中确定目标组合。
6.根据权利要求5所述的方法,其特征在于,根据所述工业神经网络的产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的候选组合,包括:
对所述工业神经网络的产品装配关联图谱的节点和边进行遍历,确定能够实现产品装配的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的候选组合。
7.根据权利要求1所述的方法,所述方法还包括:
根据装配设备信息,确定设备利用率信息;和/或,
根据物料信息,确定工具寿命预测信息;和/或,
根据装配人员信息,确定人员情况分析信息;和/或,
根据产品装配过程中的故障缺陷报告,确定质量问题分析信息。
8.一种基于工业神经网络的产品装配装置,其特征在于,所述装置包括:
信息获取模块,用于梳理产品装配对应的装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息;
约束条件梳理模块,用于梳理装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息之间的约束条件;
关联图谱构建模块,用于根据所述约束条件、装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息,梳理产品装配的业务流程体系,构建工业神经网络的产品装配关联图谱;
装配模块,用于根据所述工业神经网络的产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的目标组合,根据所述目标组合进行产品装配。
9.一种基于工业神经网络的产品装配设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的基于工业神经网络的产品装配方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的基于工业神经网络的产品装配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011162762.3A CN113850452A (zh) | 2020-10-27 | 2020-10-27 | 基于工业神经网络的产品装配方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011162762.3A CN113850452A (zh) | 2020-10-27 | 2020-10-27 | 基于工业神经网络的产品装配方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113850452A true CN113850452A (zh) | 2021-12-28 |
Family
ID=78972909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011162762.3A Pending CN113850452A (zh) | 2020-10-27 | 2020-10-27 | 基于工业神经网络的产品装配方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113850452A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105759766A (zh) * | 2016-04-12 | 2016-07-13 | 华南理工大学 | 一种基于物联网的工业机器人产品装配方法 |
CN110705805A (zh) * | 2019-10-15 | 2020-01-17 | 秒针信息技术有限公司 | 货物的装配方法及装置、存储介质、电子装置 |
CN110766304A (zh) * | 2019-10-15 | 2020-02-07 | 江苏科技大学 | 一种基于多指标评价的装配工艺资源优化配置方法 |
CN110781562A (zh) * | 2020-01-02 | 2020-02-11 | 中国航空制造技术研究院 | 面向飞机脉动总装作业过程的多目标优化方法及装置 |
CN110968701A (zh) * | 2019-11-05 | 2020-04-07 | 量子数聚(北京)科技有限公司 | 用于图神经网络的关系图谱建立方法以及装置、设备 |
CN110991963A (zh) * | 2019-12-02 | 2020-04-10 | 成都四威高科技产业园有限公司 | 一种用于装配作业的物料管理方法及系统 |
-
2020
- 2020-10-27 CN CN202011162762.3A patent/CN113850452A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105759766A (zh) * | 2016-04-12 | 2016-07-13 | 华南理工大学 | 一种基于物联网的工业机器人产品装配方法 |
CN110705805A (zh) * | 2019-10-15 | 2020-01-17 | 秒针信息技术有限公司 | 货物的装配方法及装置、存储介质、电子装置 |
CN110766304A (zh) * | 2019-10-15 | 2020-02-07 | 江苏科技大学 | 一种基于多指标评价的装配工艺资源优化配置方法 |
CN110968701A (zh) * | 2019-11-05 | 2020-04-07 | 量子数聚(北京)科技有限公司 | 用于图神经网络的关系图谱建立方法以及装置、设备 |
CN110991963A (zh) * | 2019-12-02 | 2020-04-10 | 成都四威高科技产业园有限公司 | 一种用于装配作业的物料管理方法及系统 |
CN110781562A (zh) * | 2020-01-02 | 2020-02-11 | 中国航空制造技术研究院 | 面向飞机脉动总装作业过程的多目标优化方法及装置 |
Non-Patent Citations (1)
Title |
---|
917众筹平台: "算力与经济", vol. 1, 31 May 2020, 中国纺织出版社有限公司, pages: 89 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Grolinger et al. | Challenges for mapreduce in big data | |
US10389602B2 (en) | Automated feature deployment for active analytics microservices | |
US10528563B2 (en) | Predictive table pre-joins in large scale data management system using graph community detection | |
Yang et al. | A system architecture for manufacturing process analysis based on big data and process mining techniques | |
CN112445854B (zh) | 多源业务数据实时处理方法、装置、终端及存储介质 | |
Munshi et al. | Big data platform for educational analytics | |
Vinod et al. | Simulation-based metamodels for scheduling a dynamic job shop with sequence-dependent setup times | |
US20240104009A9 (en) | Generating test data for application performance | |
CN110990445A (zh) | 一种数据处理方法、装置、设备和介质 | |
CN114510526A (zh) | 一种线上数控展览方法 | |
CN113553341A (zh) | 多维数据分析方法、装置、设备及计算机可读存储介质 | |
Balliu et al. | A big data analyzer for large trace logs | |
CN115640300A (zh) | 一种大数据管理方法、系统、电子设备和存储介质 | |
CN111489135A (zh) | 一种稽核数据的分析管理系统及方法 | |
Sturm et al. | Discovering Medical Knowledge Using Visual Analytics. | |
CN113722564A (zh) | 基于空间图卷积能源物资供应链的可视化方法及装置 | |
CN111367813B (zh) | 决策引擎自动化测试方法、装置、服务器及存储介质 | |
CN112015912A (zh) | 一种基于知识图谱的指标智能可视化方法及装置 | |
CN113850454A (zh) | 基于工业神经网络的零件制造方法、装置、设备及介质 | |
EP4109366A1 (en) | Method and device for managing project by using data merging | |
CN113850452A (zh) | 基于工业神经网络的产品装配方法、装置、设备及介质 | |
EP3343372A1 (en) | Distributed cache cleanup for analytic instance runs processing operating data from industrial assets | |
CN113220530B (zh) | 数据质量监控方法及平台 | |
CN116302867A (zh) | 行为数据分析方法、装置、计算机设备、介质和程序产品 | |
US20210312365A1 (en) | Analysis of resources utilized during execution of a process |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240621 Address after: 201203 Shanghai Pudong New Area China (Shanghai) Pilot Free Trade Zone 366 Shangke Road, Lane 55 Chuanhe Road, 3rd, 4th, 5th, and 6th floors Applicant after: Shangfei Intelligent Technology Co.,Ltd. Country or region after: China Address before: 919 Shangfei Road, Pudong New Area, Shanghai, 201324 Applicant before: SHANGHAI AIRCRAFT MANUFACTURING Co.,Ltd. Country or region before: China |