CN114415612B - 基于人工智能的智能生产监控方法及服务器 - Google Patents
基于人工智能的智能生产监控方法及服务器 Download PDFInfo
- Publication number
- CN114415612B CN114415612B CN202111653072.2A CN202111653072A CN114415612B CN 114415612 B CN114415612 B CN 114415612B CN 202111653072 A CN202111653072 A CN 202111653072A CN 114415612 B CN114415612 B CN 114415612B
- Authority
- CN
- China
- Prior art keywords
- intelligent
- production
- intelligent production
- processed
- event
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 324
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 26
- 238000012544 monitoring process Methods 0.000 title claims abstract description 21
- 238000006243 chemical reaction Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005065 mining Methods 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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]
- G05B19/4185—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 the network communication
-
- 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
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31088—Network communication between supervisor and cell, machine group
-
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于人工智能的智能生产监控方法及服务器，通过将智能生产事件记录中预存的初始智能生产事件加载至人工智能模型进行智能生产事件转换，得到共性智能生产事件；结合所述共性智能生产事件校正初始智能生产事件，以更新所述智能生产事件记录，进而在更新智能生产事件记录的过程中，在兼顾准确性的基础上提升了智能生产事件记录的更新时效性，并通过综合初始智能生产事件，能够尽可能提升智能生产事件的利用率。
Description
技术领域
本申请涉及人工智能和智能生产技术领域，特别涉及基于人工智能的智能生产监控方法及服务器。
背景技术
随着新一代信息技术的不断进步，人工智能同样得到了一定程度的发展。但是在实际应用时，如何提高智能生产事件记录的更新时效性并尽可能提升智能生产事件的利用率是现目前需要进一步改善的技术问题。
发明内容
为改善相关技术中存在的技术问题，本申请提供了一种基于人工智能的智能生产监控方法及服务器。
本申请提供了一种基于人工智能的智能生产监控方法，应用于智能生产监控服务器，包括：
确定智能生产事件记录中是否包含第一待处理生产任务的初始智能生产事件；
在所述智能生产事件记录中包含所述第一待处理生产任务的初始智能生产事件的基础上，将所述智能生产事件记录中预存的所述第一待处理生产任务的初始智能生产事件加载至人工智能模型进行智能生产事件转换，得到所述第一待处理生产任务的共性智能生产事件；
结合所述第一待处理生产任务的共性智能生产事件校正所述第一待处理生产任务的初始智能生产事件，以更新所述智能生产事件记录；
其中，所述人工智能模型是预先根据多个第二待处理生产任务的初始智能生产事件和关联智能生产事件训练的，在所述人工智能模型的训练过程中，将所述多个第二待处理生产任务的初始智能生产事件作为输入，将所述多个第二待处理生产任务的关联智能生产事件作为所述人工智能模型的模板，更新所述人工智能模型的模型权重，直到满足设定的训练指标。
在一些可选的实施例中，在所述得到所述第一待处理生产任务的共性智能生产事件之后，所述方法还包括：
将所述第一待处理生产任务输入已训练的第一智能生产事件挖掘层进行智能生产事件识别，得到所述第一待处理生产任务的关联智能生产事件；
结合所述第一待处理生产任务的关联智能生产事件校正所述第一待处理生产任务的共性智能生产事件，以更新所述智能生产事件记录，其中，所述智能生产事件记录采用当前得到的所述第一待处理生产任务的智能生产事件进行更新。
在一些可选的实施例中，所述将所述第一待处理生产任务输入已训练的第一智能生产事件挖掘层进行智能生产事件识别，得到所述第一待处理生产任务的关联智能生产事件，包括：
在所述智能生产监控服务器为目标状态的基础上，将所述第一待处理生产任务输入已训练的第一智能生产事件挖掘层进行智能生产事件识别，得到所述第一待处理生产任务的关联智能生产事件。
在一些可选的实施例中，所述人工智能模型包括第一网络层和第二网络层，其中，将所述智能生产事件记录中预存的所述第一待处理生产任务的初始智能生产事件加载至人工智能模型进行智能生产事件转换，得到所述第一待处理生产任务的共性智能生产事件，包括：
将所述智能生产事件记录中预存的所述第一待处理生产任务的初始智能生产事件输入所述第一网络层进行智能生产事件恢复，得到所述第一待处理生产任务的过渡智能生产事件；
将所述第一待处理生产任务的过渡智能生产事件输入所述第二网络层进行智能生产事件识别，得到所述第一待处理生产任务的共性智能生产事件。
在一些可选的实施例中，所述人工智能模型包括第一网络层和第三网络层，其中，将所述智能生产事件记录中预存的所述第一待处理生产任务的初始智能生产事件加载至人工智能模型进行智能生产事件转换，得到所述第一待处理生产任务的共性智能生产事件，包括：
将所述智能生产事件记录中预存的所述第一待处理生产任务的初始智能生产事件输入所述第一网络层进行智能生产事件恢复，得到所述第一待处理生产任务的过渡智能生产事件；
拼接所述第一待处理生产任务和所述第一待处理生产任务的过渡智能生产事件，得到所述第一待处理生产任务的拼接智能生产事件；
将所述第一待处理生产任务的拼接智能生产事件输入所述第三网络层进行智能生产事件识别，得到所述第一待处理生产任务的共性智能生产事件。
本申请还提供了一种智能生产监控服务器，包括存储器、处理器和网络模块；其中，所述存储器、所述处理器和所述网络模块之间直接或间接地电性连接；所述处理器通过从所述存储器中读取计算机程序并运行以实现上述方法。
本申请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，所述计算机程序在运行时实现上述方法。
本申请的实施例提供的技术方案可以包括以下有益效果。
在本申请实施例中，通过将智能生产事件记录中预存的初始智能生产事件加载至人工智能模型进行智能生产事件转换，得到共性智能生产事件；结合所述共性智能生产事件校正初始智能生产事件，以更新所述智能生产事件记录，进而在更新智能生产事件记录的过程中，在兼顾准确性的基础上提升了智能生产事件记录的更新时效性，并通过综合初始智能生产事件，能够尽可能提升智能生产事件的利用率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并于说明书一起用于解释本申请的原理。
图1是本申请实施例提供的一种基于人工智能的智能生产监控方法的流程图。
图2是本申请实施例提供的一种智能生产监控服务器的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
请结合参阅图1，本申请实施例提供了一种基于人工智能的智能生产监控方法的流程示意图，应用于智能生产监控服务器，进一步地，该方法具体可以包括如下步骤所描述的技术方案。
步骤100、确定智能生产事件记录中是否包含第一待处理生产任务的初始智能生产事件。
步骤200、在所述智能生产事件记录中包含所述第一待处理生产任务的初始智能生产事件的基础上，将所述智能生产事件记录中预存的所述第一待处理生产任务的初始智能生产事件加载至人工智能模型进行智能生产事件转换，得到所述第一待处理生产任务的共性智能生产事件。
步骤300、结合所述第一待处理生产任务的共性智能生产事件校正所述第一待处理生产任务的初始智能生产事件，以更新所述智能生产事件记录。
在本申请实施例中，所述人工智能模型是预先根据多个第二待处理生产任务的初始智能生产事件和关联智能生产事件训练的，在所述人工智能模型的训练过程中，将所述多个第二待处理生产任务的初始智能生产事件作为输入，将所述多个第二待处理生产任务的关联智能生产事件作为所述人工智能模型的模板，更新所述人工智能模型的模型权重，直到满足设定的训练指标。
对于一些可选的设计思路而言，在所述得到所述第一待处理生产任务的共性智能生产事件之后，所述方法还包括：将所述第一待处理生产任务输入已训练的第一智能生产事件挖掘层进行智能生产事件识别，得到所述第一待处理生产任务的关联智能生产事件；结合所述第一待处理生产任务的关联智能生产事件校正所述第一待处理生产任务的共性智能生产事件，以更新所述智能生产事件记录，其中，所述智能生产事件记录采用当前得到的所述第一待处理生产任务的智能生产事件进行更新。
对于一些可选的设计思路而言，所述将所述第一待处理生产任务输入已训练的第一智能生产事件挖掘层进行智能生产事件识别，得到所述第一待处理生产任务的关联智能生产事件，包括：在所述智能生产监控服务器为目标状态的基础上，将所述第一待处理生产任务输入已训练的第一智能生产事件挖掘层进行智能生产事件识别，得到所述第一待处理生产任务的关联智能生产事件。
对于一些可选的设计思路而言，所述人工智能模型包括第一网络层和第二网络层，其中，将所述智能生产事件记录中预存的所述第一待处理生产任务的初始智能生产事件加载至人工智能模型进行智能生产事件转换，得到所述第一待处理生产任务的共性智能生产事件，包括：将所述智能生产事件记录中预存的所述第一待处理生产任务的初始智能生产事件输入所述第一网络层进行智能生产事件恢复，得到所述第一待处理生产任务的过渡智能生产事件；将所述第一待处理生产任务的过渡智能生产事件输入所述第二网络层进行智能生产事件识别，得到所述第一待处理生产任务的共性智能生产事件。
对于一些可选的设计思路而言，所述人工智能模型包括第一网络层和第三网络层，其中，将所述智能生产事件记录中预存的所述第一待处理生产任务的初始智能生产事件加载至人工智能模型进行智能生产事件转换，得到所述第一待处理生产任务的共性智能生产事件，包括：将所述智能生产事件记录中预存的所述第一待处理生产任务的初始智能生产事件输入所述第一网络层进行智能生产事件恢复，得到所述第一待处理生产任务的过渡智能生产事件；拼接所述第一待处理生产任务和所述第一待处理生产任务的过渡智能生产事件，得到所述第一待处理生产任务的拼接智能生产事件；将所述第一待处理生产任务的拼接智能生产事件输入所述第三网络层进行智能生产事件识别，得到所述第一待处理生产任务的共性智能生产事件。
综上，应用于本申请实施例，通过将智能生产事件记录中预存的初始智能生产事件加载至人工智能模型进行智能生产事件转换，得到共性智能生产事件；结合所述共性智能生产事件校正初始智能生产事件，以更新所述智能生产事件记录，进而在更新智能生产事件记录的过程中，在兼顾准确性的基础上提升了智能生产事件记录的更新时效性，并通过综合初始智能生产事件，能够尽可能提升智能生产事件的利用率
在上述初始上，请结合参阅图2，本申请还提供了一种智能生产监控服务器20的硬件结构示意图，具体包括存储器210、处理器220、网络模块230和基于人工智能的智能生产监控装置。存储器210、处理器220和网络模块230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，这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器210中存储有基于人工智能的智能生产监控装置，所述基于人工智能的智能生产监控装置包括至少一个可以软件或固件（firmware）的形式储存于所述存储器210中的软件功能模块，所述处理器220通过运行存储在存储器210内的软件程序以及模块。
其中，所述存储器210可以是，但不限于，随机存取存储器（Random AccessMemory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（ProgrammableRead-Only Memory，PROM），可擦除只读存储器（Erasable Programmable Read-OnlyMemory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-OnlyMemory，EEPROM）等。其中，存储器210用于存储程序，所述处理器220在接收到执行指令后，执行所述程序。
所述处理器220可能是一种集成电路芯片，具有数据的处理能力。上述的处理器220可以是通用处理器，包括中央处理器 (Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等。可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
网络模块230用于通过网络建立一种智能生产监控服务器20与其他通信终端设备之间的通信连接，实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
进一步地，还提供了一种可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
本领域技术人员公知的是，随着诸如大规模集成电路技术的电子信息技术的发展和软件硬件化的趋势，要明确划分计算机系统软、硬件界限已经显得比较困难了。因为，任何操作可以软件来实现，也可以由硬件来实现。任何指令的执行可以由硬件完成，同样也可以由软件来完成。对于某一机器功能采用硬件实现方案还是软件实现方案，取决于价格、速度、可靠性、存储容量、变更周期等非技术性因素。因此，对于电子信息技术领域的普通技术人员来说，更为直接和清楚地描述一个技术方案的方式是描述该方案中的各个操作。在知道所要执行的操作的情况下，本领域技术人员可以基于对所述非技术性因素的考虑直接设计出目标的产品。
本申请可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本申请的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、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）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本申请操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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服务器上执行。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）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本申请的各个方面。
这里参照根据本申请实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本申请的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
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系统、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、程序段或指令的一部分，所述模块、程序段或指令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。在有些作为替换的实现中，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。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本申请的范围由所附权利要求来限定。
Claims (3)
1.一种基于人工智能的智能生产监控方法，其特征在于，应用于智能生产监控服务器，包括：
确定智能生产事件记录中是否包含第一待处理生产任务的初始智能生产事件；
在所述智能生产事件记录中包含所述第一待处理生产任务的初始智能生产事件的基础上，将所述智能生产事件记录中预存的所述第一待处理生产任务的初始智能生产事件加载至人工智能模型进行智能生产事件转换，得到所述第一待处理生产任务的共性智能生产事件；
结合所述第一待处理生产任务的共性智能生产事件校正所述第一待处理生产任务的初始智能生产事件，以更新所述智能生产事件记录；
其中，所述人工智能模型是预先根据多个第二待处理生产任务的初始智能生产事件和关联智能生产事件训练的，在所述人工智能模型的训练过程中，将所述多个第二待处理生产任务的初始智能生产事件作为输入，将所述多个第二待处理生产任务的关联智能生产事件作为所述人工智能模型的模板，更新所述人工智能模型的模型权重，直到满足设定的训练指标；
在所述得到所述第一待处理生产任务的共性智能生产事件之后，所述方法还包括：
将所述第一待处理生产任务输入已训练的第一智能生产事件挖掘层进行智能生产事件识别，得到所述第一待处理生产任务的关联智能生产事件；
结合所述第一待处理生产任务的关联智能生产事件校正所述第一待处理生产任务的共性智能生产事件，以更新所述智能生产事件记录，其中，所述智能生产事件记录采用当前得到的所述第一待处理生产任务的智能生产事件进行更新；
所述将所述第一待处理生产任务输入已训练的第一智能生产事件挖掘层进行智能生产事件识别，得到所述第一待处理生产任务的关联智能生产事件，包括：
在所述智能生产监控服务器为目标状态的基础上，将所述第一待处理生产任务输入已训练的第一智能生产事件挖掘层进行智能生产事件识别，得到所述第一待处理生产任务的关联智能生产事件；
其中，所述人工智能模型包括第一网络层和第二网络层，其中，将所述智能生产事件记录中预存的所述第一待处理生产任务的初始智能生产事件加载至人工智能模型进行智能生产事件转换，得到所述第一待处理生产任务的共性智能生产事件，包括：
将所述智能生产事件记录中预存的所述第一待处理生产任务的初始智能生产事件输入所述第一网络层进行智能生产事件恢复，得到所述第一待处理生产任务的过渡智能生产事件；
将所述第一待处理生产任务的过渡智能生产事件输入所述第二网络层进行智能生产事件识别，得到所述第一待处理生产任务的共性智能生产事件；
或者，所述人工智能模型包括第一网络层和第三网络层，其中，将所述智能生产事件记录中预存的所述第一待处理生产任务的初始智能生产事件加载至人工智能模型进行智能生产事件转换，得到所述第一待处理生产任务的共性智能生产事件，包括：
将所述智能生产事件记录中预存的所述第一待处理生产任务的初始智能生产事件输入所述第一网络层进行智能生产事件恢复，得到所述第一待处理生产任务的过渡智能生产事件；
拼接所述第一待处理生产任务和所述第一待处理生产任务的过渡智能生产事件，得到所述第一待处理生产任务的拼接智能生产事件；
将所述第一待处理生产任务的拼接智能生产事件输入所述第三网络层进行智能生产事件识别，得到所述第一待处理生产任务的共性智能生产事件。
2.一种智能生产监控服务器，其特征在于，包括存储器、处理器和网络模块；其中，所述存储器、所述处理器和所述网络模块之间直接或间接地电性连接；所述处理器通过从所述存储器中读取计算机程序并运行以实现权利要求1所述的方法。
3.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在运行时实现权利要求1所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111653072.2A CN114415612B (zh) | 2021-12-31 | 2021-12-31 | 基于人工智能的智能生产监控方法及服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111653072.2A CN114415612B (zh) | 2021-12-31 | 2021-12-31 | 基于人工智能的智能生产监控方法及服务器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114415612A CN114415612A (zh) | 2022-04-29 |
| CN114415612B true CN114415612B (zh) | 2024-07-09 |
Family
ID=81269273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111653072.2A Active CN114415612B (zh) | 2021-12-31 | 2021-12-31 | 基于人工智能的智能生产监控方法及服务器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114415612B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104484180A (zh) * | 2014-12-23 | 2015-04-01 | 上海斐讯数据通信技术有限公司 | 一种基于智能设备的事件指导方法及指导系统 |
| CN108647229A (zh) * | 2018-03-29 | 2018-10-12 | 重庆柚瓣家科技有限公司 | 基于人工智能的虚拟人模型构建方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109062569B (zh) * | 2018-08-08 | 2022-02-08 | 中国民用航空飞行学院 | 虚拟事件模拟条件下多元化驱动引擎构建方法 |
| CN111275350B (zh) * | 2020-02-08 | 2021-06-04 | 支付宝(杭州)信息技术有限公司 | 更新事件评估模型的方法及装置 |
| CN112632378B (zh) * | 2020-12-21 | 2021-08-24 | 广东省信息网络有限公司 | 基于大数据和人工智能的信息处理方法及数据服务器 |
| CN113361663B (zh) * | 2021-08-09 | 2021-11-02 | 国网浙江省电力有限公司金华供电公司 | 基于人工智能的电网事件诊断自主学习方法及系统 |
-
2021
- 2021-12-31 CN CN202111653072.2A patent/CN114415612B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104484180A (zh) * | 2014-12-23 | 2015-04-01 | 上海斐讯数据通信技术有限公司 | 一种基于智能设备的事件指导方法及指导系统 |
| CN108647229A (zh) * | 2018-03-29 | 2018-10-12 | 重庆柚瓣家科技有限公司 | 基于人工智能的虚拟人模型构建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114415612A (zh) | 2022-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110532020A (zh) | 一种微服务编排的数据处理方法、装置及系统 | |
| CN109002282B (zh) | 一种在web页面开发中实现动画效果的方法和装置 | |
| CN114528269A (zh) | 用于处理数据的方法、电子设备和计算机程序产品 | |
| CN114415612B (zh) | 基于人工智能的智能生产监控方法及服务器 | |
| CN114401310B (zh) | 可视化云业务数据优化方法及服务器 | |
| CN113781275A (zh) | 一种教育资源管理方法及服务器 | |
| CN114323136B (zh) | 基于物联网的生产环境监测方法及系统 | |
| CN114051042B (zh) | 基于restful服务的物联网接口访问认证方法及系统 | |
| CN114399417B (zh) | 基于智慧城市的数据处理方法及服务器 | |
| CN114167731B (zh) | 污水采样器的远程控制方法及污水处理控制系统 | |
| CN114167775B (zh) | 基于机器人的实时外部控制方法及系统 | |
| CN114417805A (zh) | 基于自动化工厂的安全数据分析方法及服务器 | |
| CN114398412A (zh) | 应用于用户分析的信息处理方法及服务器 | |
| CN113793058A (zh) | 一种工厂生产线监测方法及系统 | |
| CN114418351A (zh) | 基于自动化生产的用户需求识别方法及服务系统 | |
| CN114418352A (zh) | 一种办公设备交互的信息分析方法及服务器 | |
| CN110554892A (zh) | 信息获取方法和装置 | |
| US20240296191A1 (en) | Feature extraction system and method for enhancing recommendations | |
| CN113780878A (zh) | 一种建筑施工监控方法及服务器 | |
| CN114189386A (zh) | 基于物联网的数据处理方法及服务器 | |
| CN113689146A (zh) | 基于智能家居的用户信息分析方法及服务器 | |
| CN114268554A (zh) | 结合物联网的信息安全处理方法及服务器 | |
| CN114155382A (zh) | 基于人工智能的图像处理方法及服务器 | |
| CN114418345A (zh) | 基于大数据的用户分析方法及系统 | |
| CN113724014A (zh) | 基于互联网的广告推荐方法及服务器 |
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 |