CN114707847B - 基于5g技术的智慧工厂人员流动检测方法与系统 - Google Patents

基于5g技术的智慧工厂人员流动检测方法与系统 Download PDF

Info

Publication number
CN114707847B
CN114707847B CN202210335537.8A CN202210335537A CN114707847B CN 114707847 B CN114707847 B CN 114707847B CN 202210335537 A CN202210335537 A CN 202210335537A CN 114707847 B CN114707847 B CN 114707847B
Authority
CN
China
Prior art keywords
personnel
confusion
factory
rate
internal
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
Application number
CN202210335537.8A
Other languages
English (en)
Other versions
CN114707847A (zh
Inventor
苏横军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanchang Lingxing Information Technology Co ltd
Original Assignee
Nanchang Lingxing Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanchang Lingxing Information Technology Co ltd filed Critical Nanchang Lingxing Information Technology Co ltd
Priority to CN202210335537.8A priority Critical patent/CN114707847B/zh
Publication of CN114707847A publication Critical patent/CN114707847A/zh
Application granted granted Critical
Publication of CN114707847B publication Critical patent/CN114707847B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • 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)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Strategic Management (AREA)
  • Remote Sensing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出一种基于5G技术的智慧工厂人员流动检测方法与系统，该方法包括：获取每位进入人员对应的注册身份信息；若为工厂内部人员，当判断到人员进入时间为工作日时间段内，且工厂内部人员的实时位置在对应的指定区域内，则获取工厂内部人员的当前单位产能，根据当前单位产能计算得到工厂内部人员对应的内部人员混乱率；若为外来人员，获取外来人员的来访事件，确定可访问区域、禁止访问区域以及预停留时间，计算得到外来人员对应的外来人员混乱率；根据内部人员混乱度值以及外来人员混乱度值计算得到智慧工厂内的总混乱度值，并对智慧工厂内的人员的流动进行干预。本发明可对工厂内人员流动进行较好地检测与协调，保证工厂的有序运转。

Description

基于5G技术的智慧工厂人员流动检测方法与系统
技术领域
本发明涉及智慧工厂自动化监测技术领域，特别涉及一种基于5G技术的智慧工厂人员流动检测方法与系统。
背景技术
智慧工厂是现代工厂信息化发展的新阶段，是在数字化工厂的基础上，利用物联网的技术和设备监控技术加强信息管理和服务，清楚掌握产销流程、提高生产过程的可控性、减少生产线上人工的干预、即时正确地采集生产线数据，以及合理的生产计划编排与生产进度。
在智慧工厂的日常生产管理中，人员是其中一个至为重要的管理要素。因此如何对工厂人员流动进行合理地监测，显得非常重要。然而，现有技术中，缺少一种比较系统全面的人员流动检测方法，以对智慧工厂内的人员进行分类管理，并同时保证工厂产能的有效开展。
发明内容
鉴于上述状况，本发明的主要目的是为了提出一种基于5G技术的智慧工厂人员流动检测方法与系统，以解决上述技术问题。
本发明实施例提供了一种基于5G技术的智慧工厂人员流动检测方法，所述智慧工厂包括多种类型的指定区域，其中，所述方法包括如下步骤：
步骤一、获取进入到智慧工厂的每位进入人员对应的注册身份信息，每位进入人员均携带有用于获取实时位置的移动终端或佩戴有包含GPS模块的标准通行卡，其中所述注册身份信息至少包括人员属性信息以及人员进入时间，所述人员属性信息包括工厂内部人员以及外来人员；
步骤二、若所述进入人员为工厂内部人员，当判断到人员进入时间为工作日时间段内，且所述工厂内部人员的实时位置在对应的指定区域内，则获取工厂内部人员在单位时间内的当前单位产能，根据所述当前单位产能与理想单位产能计算得到所述工厂内部人员对应的内部人员混乱率；
步骤三、若所述进入人员为外来人员，获取所述外来人员的来访事件，根据所述来访事件在多种类型的指定区域中确定可访问区域、禁止访问区域以及预停留时间，根据所述外来人员的实际停留时间以及实际活动区域轨迹信息计算得到所述外来人员对应的外来人员混乱率，其中所述实际活动区域轨迹信息包括在所述可访问区域内的第一停留时间以及在所述禁止访问区域内的第二停留时间；
步骤四、根据多个所述工厂内部人员对应的内部人员混乱率计算得到内部人员混乱度值，根据多个所述外来人员对应的外来人员混乱率计算得到外来人员混乱度值，根据内部人员混乱度值以及外来人员混乱度值计算得到所述智慧工厂内的总混乱度值，判断所述总混乱度值是否在预设理想混乱度值范围内；
步骤五、若否，则对所述智慧工厂内的工厂内部人员以及外来人员的流动进行干预。
本发明提出一种基于5G技术的智慧工厂人员流动检测方法，获取进入到智慧工厂的每位进入人员对应的注册身份信息，每位进入人员均携带有用于获取实时位置的移动终端或佩戴有包含GPS模块的标准通行卡；若进入人员为工厂内部人员，当判断到人员进入时间为工作日时间段内，且工厂内部人员的实时位置在对应的指定区域内，则获取工厂内部人员在单位时间内的当前单位产能，根据当前单位产能与理想单位产能计算得到工厂内部人员对应的内部人员混乱率；若进入人员为外来人员，获取外来人员的来访事件，根据来访事件在多种类型的指定区域中确定可访问区域、禁止访问区域以及预停留时间，根据外来人员的实际停留时间以及实际活动区域轨迹信息计算得到外来人员对应的外来人员混乱率；根据多个工厂内部人员对应的内部人员混乱率计算得到内部人员混乱度值，根据多个外来人员对应的外来人员混乱率计算得到外来人员混乱度值，根据内部人员混乱度值以及外来人员混乱度值计算得到智慧工厂内的总混乱度值，判断总混乱度值是否在预设理想混乱度值范围内；若否，则对智慧工厂内的工厂内部人员以及外来人员的流动进行干预。本发明可对工厂内人员流动进行较好地检测与协调，保证工厂的有序运转。
所述基于5G技术的智慧工厂人员流动检测方法，其中，在所述步骤二中，所述方法包括如下步骤：
若所述进入人员为工厂内部人员，则判断人员进入时间是否在工作日时间段内；
若所述人员进入时间在工作日时间段内，则判断工厂内部人员进入的区域是否为预设指定区域；
若工厂内部人员进入的区域为预设指定区域，则记录进入到所述预设指定区域的时间作为生产开始时间，并获取在生产截止时间之间的时间段内对应的当前产品完成量；
根据所述当前产品完成量、生产开始时间、生产截止时间计算得到当前单位产能，并根据所述当前单位产能与理想单位产能计算得到工厂内部人员对应的第一内部人员混乱率。
所述基于5G技术的智慧工厂人员流动检测方法，其中，所述第一内部人员混乱率的表达式为：
Figure BDA0003573826840000031
其中，H1表示所述第一内部人员混乱率，H0表示内部人员基准混乱率，η0表示理想单位产能，η1表示当前单位产能；
所述当前单位产能η1的表达式为：
Figure BDA0003573826840000032
其中，W1表示当前产品完成量，td表示生产截止时间，ts表示生产开始时间；
根据所述第一内部人员混乱率计算得到第一内部人员混乱度值的表达式为：
Figure BDA0003573826840000041
/>
其中，S1表示第一内部人员混乱度值，t1表示内部人员混乱率的第一持续时间。
所述基于5G技术的智慧工厂人员流动检测方法，其中，，在所述步骤二中，所述方法还包括：
若所述进入人员为工厂内部人员，则判断人员进入时间是否在工作日时间段内；
若所述人员进入时间在工作日时间段内，则判断工厂内部人员进入的区域是否为预设指定区域；
若工厂内部人员进入的区域为非预设指定区域，则将工厂内部人员的第二内部人员混乱率设置为内部人员最高混乱率，并记录工厂内部人员在所述非预设指定区域内的停留时间；
根据所述第二内部人员混乱率计算得到第二内部人员混乱度值。
所述基于5G技术的智慧工厂人员流动检测方法，其中，所述第二内部人员混乱率的表达式为：
H2＝Hmax
其中，H2表示第二内部人员混乱率，Hmax表示内部人员最高混乱率；
所述第二内部人员混乱度值的表达式为：
Figure BDA0003573826840000042
其中，S2表示第二内部人员混乱度值，t2表示工厂内部人员的最高混乱率对应的第二持续时间，t2∈[1，T2]，T2表示工厂内部人员在所述非预设指定区域内的停留时间。
所述基于5G技术的智慧工厂人员流动检测方法，其中，在所述步骤二中，所述方法还包括：
若所述进入人员为工厂内部人员，则判断人员进入时间是否在工作日时间段内；
若所述人员进入时间在非工作日时间段内，则判断工厂内部人员进入的区域是否为可访问区域或禁止访问区域；
当判断到工厂内部人员进入的区域为可访问区域，则根据内部人员基准混乱率以及工厂内部人员的职位等级综合分计算得到第三内部人员混乱率，并根据第三内部人员混乱率计算得到第三内部人员混乱度值；
当判断到工厂内部人员进入的区域为禁止访问区域，则根据将工厂内部人员的第四内部人员混乱率设置为内部人员最高混乱率，并根据所述第四内部人员混乱率计算得到第四内部人员混乱度值。
所述基于5G技术的智慧工厂人员流动检测方法，其中，所述第三内部人员混乱率的表达式为：
Figure BDA0003573826840000051
其中，H3表示所述第三内部人员混乱率，H0表示内部人员基准混乱率，a表示基准校准常量，l表示职位等级综合分；
所述职位等级综合分的表达式为：
Figure BDA0003573826840000052
其中，l0表示职位等级基准分，m表示工作时间校准系数，M表示工厂内部人员的工作月份时长；
所述第三内部人员混乱度值的表达式为：
Figure BDA0003573826840000061
其中，S3表示第三内部人员混乱度值，t3表示工厂内部人员在可访问区域的停留时间，t3∈[1，T3]，T3表示工厂内部人员在可访问区域内的最大停留时间；
所述第四内部人员混乱率的表达式为：
H4＝Hmax
其中，H4表示第四内部人员混乱率，Hmax表示内部人员最高混乱率；
所述第四内部人员混乱度值的表达式为：
Figure BDA0003573826840000062
其中，S4表示第四内部人员混乱度值，t4表示工厂内部人员的最高混乱率对应的第四持续时间，t4∈[1，T4]，T4表示工厂内部人员在禁止访问区域内的最大停留时间。
所述基于5G技术的智慧工厂人员流动检测方法，其中，在所述步骤三中，所述外来人员混乱率的表达式为：
Figure BDA0003573826840000063
其中，H′表示外来人员混乱率，
Figure BDA0003573826840000071
表示外来人员混乱率第一校正因子，/>
Figure BDA0003573826840000072
表示外来人员混乱率第二校正因子，t′0表示外来人员的预停留时间，t′1表示外来人员在可访问区域的第一停留时间，t′2表示外来人员在禁止访问区域的第二停留时间，H′0表示外来人员基准混乱率，H′max表示外来人员最高混乱率；
所述外来人员混乱度值的表达式为：
Figure BDA0003573826840000073
其中，S′表示外来人员混乱度值，t′表示外来人员的实际停留时间。
所述基于5G技术的智慧工厂人员流动检测方法，其中，在所述步骤四中，所述总混乱度值的表达式为：
Figure BDA0003573826840000074
其中，Ssum表示总混乱度，ni表示工厂内部人员中第l种混乱率的人员数量，λi表示第i种内部人员混乱率的权重系数，Si表示第i种内部人员混乱度值，n′表示外来人员的人员数量，S′表示外来人员混乱度值。
本发明还提出一种基于5G技术的智慧工厂人员流动检测系统，所述智慧工厂包括多种类型的指定区域，其中，所述系统包括：
信息获取模块，用于获取进入到智慧工厂的每位进入人员对应的注册身份信息，每位进入人员均携带有用于获取实时位置的移动终端或佩戴有包含GPS模块的标准通行卡，其中所述注册身份信息至少包括人员属性信息以及人员进入时间，所述人员属性信息包括工厂内部人员以及外来人员；
第一处理模块，用于若所述进入人员为工厂内部人员，当判断到人员进入时间为工作日时间段内，且所述工厂内部人员的实时位置在对应的指定区域内，则获取工厂内部人员在单位时间内的当前单位产能，根据所述当前单位产能与理想单位产能计算得到所述工厂内部人员对应的内部人员混乱率；
第二处理模块，用于若所述进入人员为外来人员，获取所述外来人员的来访事件，根据所述来访事件在多种类型的指定区域中确定可访问区域、禁止访问区域以及预停留时间，根据所述外来人员的实际停留时间以及实际活动区域轨迹信息计算得到所述外来人员对应的外来人员混乱率，其中所述实际活动区域轨迹信息包括在所述可访问区域内的第一停留时间以及在所述禁止访问区域内的第二停留时间；
混乱度计算模块，用于根据多个所述工厂内部人员对应的内部人员混乱率计算得到内部人员混乱度值，根据多个所述外来人员对应的外来人员混乱率计算得到外来人员混乱度值，根据内部人员混乱度值以及外来人员混乱度值计算得到所述智慧工厂内的总混乱度值，判断所述总混乱度值是否在预设理想混乱度值范围内；
结果干预模块，用于若总混乱度值不在预设理想混乱度值范围内，则对所述智慧工厂内的工厂内部人员以及外来人员的流动进行干预。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实施例了解到。
附图说明
图1为本发明提出的一种基于5G技术的智慧工厂人员流动检测方法的流程图；
图2为本发明提出的一种基于5G技术的智慧工厂人员流动检测系统的结构图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
参照下面的描述和附图，将清楚本发明的实施例的这些和其他方面。在这些描述和附图中，具体公开了本发明的实施例中的一些特定实施方式，来表示实施本发明的实施例的原理的一些方式，但是应当理解，本发明的实施例的范围不受此限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
请参阅图1，本发明提出一种基于5G技术的智慧工厂人员流动检测方法，所述智慧工厂包括多种类型的指定区域，其中，所述方法包括如下步骤：
S101、获取进入到智慧工厂的每位进入人员对应的注册身份信息，每位进入人员均携带有用于获取实时位置的移动终端或佩戴有包含GPS模块的标准通行卡。
其中，所述注册身份信息至少包括人员属性信息以及人员进入时间，所述人员属性信息包括工厂内部人员以及外来人员。
S102、若所述进入人员为工厂内部人员，当判断到人员进入时间为工作日时间段内，且所述工厂内部人员的实时位置在对应的指定区域内，则获取工厂内部人员在单位时间内的当前单位产能，根据所述当前单位产能与理想单位产能计算得到所述工厂内部人员对应的内部人员混乱率。
在步骤S102中，对于工厂内部人员，在工作日时间段，进入到预设指定区域的情况，本方法包括如下步骤：
S1021a、若所述进入人员为工厂内部人员，则判断人员进入时间是否在工作日时间段内。
S1021b、若所述人员进入时间在工作日时间段内，则判断工厂内部人员进入的区域是否为预设指定区域。
S1021c、若工厂内部人员进入的区域为预设指定区域，则记录进入到所述预设指定区域的时间作为生产开始时间，并获取在生产截止时间之间的时间段内对应的当前产品完成量。
S1021d、根据所述当前产品完成量、生产开始时间、生产截止时间计算得到当前单位产能，并根据所述当前单位产能与理想单位产能计算得到工厂内部人员对应的第一内部人员混乱率。
具体的，第一内部人员混乱率的表达式为：
Figure BDA0003573826840000101
其中，H1表示所述第一内部人员混乱率，H0表示内部人员基准混乱率，η0表示理想单位产能，η1表示当前单位产能。
其中，当前单位产能η1的表达式为：
Figure BDA0003573826840000102
其中，W1表示当前产品完成量，td表示生产截止时间，ts表示生产开始时间。
进一步的，根据第一内部人员混乱率计算得到第一内部人员混乱度值的表达式为：
Figure BDA0003573826840000103
其中，S1表示第一内部人员混乱度值，t1表示工厂内部人员混乱率的第一持续时间。
在步骤S102中，对于工厂内部人员，在工作日时间段，进入到非预设指定区域的情况，本方法包括如下步骤：
S1022a、若所述进入人员为工厂内部人员，则判断人员进入时间是否在工作日时间段内；
S1022b、若所述人员进入时间在工作日时间段内，则判断工厂内部人员进入的区域是否为预设指定区域；
S1022c、若工厂内部人员进入的区域为非预设指定区域，则将工厂内部人员的第二内部人员混乱率设置为内部人员最高混乱率，并记录工厂内部人员在所述非预设指定区域内的停留时间；
S1022d、根据所述第二内部人员混乱率计算得到第二内部人员混乱度值。具体的，第二内部人员混乱率的表达式为：
H2＝Hmax
其中，H2表示第二内部人员混乱率，Hmax表示内部人员最高混乱率。
第二内部人员混乱度值的表达式为：
Figure BDA0003573826840000111
其中，S2表示第二内部人员混乱度值，t2表示工厂内部人员的最高混乱率对应的第二持续时间，t2∈[1，T2]，T2表示工厂内部人员在所述非预设指定区域内的停留时间。
在步骤S102中，对于工厂内部人员，在非工作日时间段，进入到智慧工厂内的情况，本方法包括如下步骤：
S1023a、若所述进入人员为工厂内部人员，则判断人员进入时间是否在工作日时间段内；
S1023b、若所述人员进入时间在非工作日时间段内，则判断工厂内部人员进入的区域是否为可访问区域或禁止访问区域；
S1023c、当判断到工厂内部人员进入的区域为可访问区域，则根据内部人员基准混乱率以及工厂内部人员的职位等级综合分计算得到第三内部人员混乱率，并根据第三内部人员混乱率计算得到第三内部人员混乱度值；
S1023d、当判断到工厂内部人员进入的区域为禁止访问区域，则根据将工厂内部人员的第四内部人员混乱率设置为内部人员最高混乱率，并根据所述第四内部人员混乱率计算得到第四内部人员混乱度值。
具体的，第三内部人员混乱率的表达式为：
Figure BDA0003573826840000121
其中，H3表示所述第三内部人员混乱率，H0表示内部人员基准混乱率，a表示基准校准常量，l表示职位等级综合分。
所述职位等级综合分的表达式为：
Figure BDA0003573826840000122
其中，l0表示职位等级基准分，m表示工作时间校准系数，M表示工厂内部人员的工作月份时长；
所述第三内部人员混乱度值的表达式为：
Figure BDA0003573826840000123
其中，S3表示第三内部人员混乱度值，t3表示工厂内部人员在可访问区域的停留时间，t3∈[1，T3]，T3表示工厂内部人员在可访问区域内的最大停留时间。
进一步的，第四内部人员混乱率的表达式为：
H4＝Hmax
其中，H4表示第四内部人员混乱率，Hmax表示内部人员最高混乱率；
所述第四内部人员混乱度值的表达式为：
Figure BDA0003573826840000124
其中，S4表示第四内部人员混乱度值，t4表示工厂内部人员的最高混乱率对应的第四持续时间，t4∈[1，T4]，T4表示工厂内部人员在禁止访问区域内的最大停留时间。
S103、若所述进入人员为外来人员，获取所述外来人员的来访事件，根据所述来访事件在多种类型的指定区域中确定可访问区域、禁止访问区域以及预停留时间，根据所述外来人员的实际停留时间以及实际活动区域轨迹信息计算得到所述外来人员对应的外来人员混乱率。
其中，所述实际活动区域轨迹信息包括在所述可访问区域内的第一停留时间以及在所述禁止访问区域内的第二停留时间。
在步骤S103中，外来人员混乱率的表达式为：
Figure BDA0003573826840000131
其中，H′表示外来人员混乱率，
Figure BDA0003573826840000132
表示外来人员混乱率第一校正因子，/>
Figure BDA0003573826840000133
表示外来人员混乱率第二校正因子，t′0表示外来人员的预停留时间，t′1表示外来人员在可访问区域的第一停留时间，t′2表示外来人员在禁止访问区域的第二停留时间，H′0表示外来人员基准混乱率，H′max表示外来人员最高混乱率；
外来人员混乱度值的表达式为：
Figure BDA0003573826840000134
其中，S′表示外来人员混乱度值，t′表示外来人员的实际停留时间。
S104、根据多个所述工厂内部人员对应的内部人员混乱率计算得到内部人员混乱度值，根据多个所述外来人员对应的外来人员混乱率计算得到外来人员混乱度值，根据内部人员混乱度值以及外来人员混乱度值计算得到所述智慧工厂内的总混乱度值，判断所述总混乱度值是否在预设理想混乱度值范围内。
在步骤四中，总混乱度值的表达式为：
Figure BDA0003573826840000141
其中，Ssum表示总混乱度，ni表示工厂内部人员中第l种混乱率的人员数量，λi表示第i种内部人员混乱率的权重系数，Si表示第i种内部人员混乱度值，n′表示外来人员的人员数量，S′表示外来人员混乱度值。
S105、若总混乱度值不在预设理想混乱度值范围内，则对所述智慧工厂内的工厂内部人员以及外来人员的流动进行干预。
本发明提出一种基于5G技术的智慧工厂人员流动检测方法，获取进入到智慧工厂的每位进入人员对应的注册身份信息，每位进入人员均携带有用于获取实时位置的移动终端或佩戴有包含GPS模块的标准通行卡；若进入人员为工厂内部人员，当判断到人员进入时间为工作日时间段内，且工厂内部人员的实时位置在对应的指定区域内，则获取工厂内部人员在单位时间内的当前单位产能，根据当前单位产能与理想单位产能计算得到工厂内部人员对应的内部人员混乱率；若进入人员为外来人员，获取外来人员的来访事件，根据来访事件在多种类型的指定区域中确定可访问区域、禁止访问区域以及预停留时间，根据外来人员的实际停留时间以及实际活动区域轨迹信息计算得到外来人员对应的外来人员混乱率；根据多个工厂内部人员对应的内部人员混乱率计算得到内部人员混乱度值，根据多个外来人员对应的外来人员混乱率计算得到外来人员混乱度值，根据内部人员混乱度值以及外来人员混乱度值计算得到智慧工厂内的总混乱度值，判断总混乱度值是否在预设理想混乱度值范围内；若否，则对智慧工厂内的工厂内部人员以及外来人员的流动进行干预。本发明可对工厂内人员流动进行较好地检测与协调，保证工厂的有序运转。
请参阅图2，本发明还提出一种基于5G技术的智慧工厂人员流动检测系统，所述智慧工厂包括多种类型的指定区域，其中，所述系统包括：
信息获取模块，用于获取进入到智慧工厂的每位进入人员对应的注册身份信息，每位进入人员均携带有用于获取实时位置的移动终端或佩戴有包含GPS模块的标准通行卡，其中所述注册身份信息至少包括人员属性信息以及人员进入时间，所述人员属性信息包括工厂内部人员以及外来人员；
第一处理模块，用于若所述进入人员为工厂内部人员，当判断到人员进入时间为工作日时间段内，且所述工厂内部人员的实时位置在对应的指定区域内，则获取工厂内部人员在单位时间内的当前单位产能，根据所述当前单位产能与理想单位产能计算得到所述工厂内部人员对应的内部人员混乱率；
第二处理模块，用于若所述进入人员为外来人员，获取所述外来人员的来访事件，根据所述来访事件在多种类型的指定区域中确定可访问区域、禁止访问区域以及预停留时间，根据所述外来人员的实际停留时间以及实际活动区域轨迹信息计算得到所述外来人员对应的外来人员混乱率，其中所述实际活动区域轨迹信息包括在所述可访问区域内的第一停留时间以及在所述禁止访问区域内的第二停留时间；
混乱度计算模块，用于根据多个所述工厂内部人员对应的内部人员混乱率计算得到内部人员混乱度值，根据多个所述外来人员对应的外来人员混乱率计算得到外来人员混乱度值，根据内部人员混乱度值以及外来人员混乱度值计算得到所述智慧工厂内的总混乱度值，判断所述总混乱度值是否在预设理想混乱度值范围内；
结果干预模块，用于若总混乱度值不在预设理想混乱度值范围内，则对所述智慧工厂内的工厂内部人员以及外来人员的流动进行干预。
应当理解的，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于5G技术的智慧工厂人员流动检测方法，所述智慧工厂包括多种类型的指定区域，其特征在于，所述方法包括如下步骤：
步骤一、获取进入到智慧工厂的每位进入人员对应的注册身份信息，每位进入人员均携带有用于获取实时位置的移动终端或佩戴有包含GPS模块的标准通行卡，其中所述注册身份信息至少包括人员属性信息以及人员进入时间，所述人员属性信息包括工厂内部人员以及外来人员；
步骤二、若所述进入人员为工厂内部人员，当判断到人员进入时间为工作日时间段内，且所述工厂内部人员的实时位置在对应的指定区域内，则获取工厂内部人员在单位时间内的当前单位产能，根据所述当前单位产能与理想单位产能计算得到所述工厂内部人员对应的内部人员混乱率；
步骤三、若所述进入人员为外来人员，获取所述外来人员的来访事件，根据所述来访事件在多种类型的指定区域中确定可访问区域、禁止访问区域以及预停留时间，根据所述外来人员的实际停留时间以及实际活动区域轨迹信息计算得到所述外来人员对应的外来人员混乱率，其中所述实际活动区域轨迹信息包括在所述可访问区域内的第一停留时间以及在所述禁止访问区域内的第二停留时间；
步骤四、根据多个所述工厂内部人员对应的内部人员混乱率计算得到内部人员混乱度值，根据多个所述外来人员对应的外来人员混乱率计算得到外来人员混乱度值，根据内部人员混乱度值以及外来人员混乱度值计算得到所述智慧工厂内的总混乱度值，判断所述总混乱度值是否在预设理想混乱度值范围内；
步骤五、若否，则对所述智慧工厂内的工厂内部人员以及外来人员的流动进行干预。
2.根据权利要求1所述的基于5G技术的智慧工厂人员流动检测方法，其特征在于，在所述步骤二中，所述方法包括如下步骤：
若所述进入人员为工厂内部人员，则判断人员进入时间是否在工作日时间段内；
若所述人员进入时间在工作日时间段内，则判断工厂内部人员进入的区域是否为预设指定区域；
若工厂内部人员进入的区域为预设指定区域，则记录进入到所述预设指定区域的时间作为生产开始时间，并获取在生产截止时间之间的时间段内对应的当前产品完成量；
根据所述当前产品完成量、生产开始时间、生产截止时间计算得到当前单位产能，并根据所述当前单位产能与理想单位产能计算得到工厂内部人员对应的第一内部人员混乱率。
3.根据权利要求2所述的基于5G技术的智慧工厂人员流动检测方法，其特征在于，所述第一内部人员混乱率的表达式为：
Figure FDA0003573826830000021
其中，H1表示所述第一内部人员混乱率，H0表示内部人员基准混乱率，η0表示理想单位产能，η1表示当前单位产能；
所述当前单位产能η1的表达式为：
Figure FDA0003573826830000022
/>
其中，W1表示当前产品完成量，td表示生产截止时间，ts表示生产开始时间；
根据所述第一内部人员混乱率计算得到第一内部人员混乱度值的表达式为：
Figure FDA0003573826830000023
其中，S1表示第一内部人员混乱度值，t1表示工厂内部人员混乱率的第一持续时间。
4.根据权利要求1所述的基于5G技术的智慧工厂人员流动检测方法，其特征在于，在所述步骤二中，所述方法还包括：
若所述进入人员为工厂内部人员，则判断人员进入时间是否在工作日时间段内；
若所述人员进入时间在工作日时间段内，则判断工厂内部人员进入的区域是否为预设指定区域；
若工厂内部人员进入的区域为非预设指定区域，则将工厂内部人员的第二内部人员混乱率设置为内部人员最高混乱率，并记录工厂内部人员在所述非预设指定区域内的停留时间；
根据所述第二内部人员混乱率计算得到第二内部人员混乱度值。
5.根据权利要求4所述的基于5G技术的智慧工厂人员流动检测方法，其特征在于，所述第二内部人员混乱率的表达式为：
H2＝Hmax
其中，H2表示第二内部人员混乱率，Hmax表示内部人员最高混乱率；
所述第二内部人员混乱度值的表达式为：
Figure FDA0003573826830000031
其中，S2表示第二内部人员混乱度值，t2表示工厂内部人员的最高混乱率对应的第二持续时间，t2∈[1，T2]，T2表示工厂内部人员在所述非预设指定区域内的停留时间。
6.根据权利要求1所述的基于5G技术的智慧工厂人员流动检测方法，其特征在于，在所述步骤二中，所述方法还包括：
若所述进入人员为工厂内部人员，则判断人员进入时间是否在工作日时间段内；
若所述人员进入时间在非工作日时间段内，则判断工厂内部人员进入的区域是否为可访问区域或禁止访问区域；
当判断到工厂内部人员进入的区域为可访问区域，则根据内部人员基准混乱率以及工厂内部人员的职位等级综合分计算得到第三内部人员混乱率，并根据第三内部人员混乱率计算得到第三内部人员混乱度值；
当判断到工厂内部人员进入的区域为禁止访问区域，则根据将工厂内部人员的第四内部人员混乱率设置为内部人员最高混乱率，并根据所述第四内部人员混乱率计算得到第四内部人员混乱度值。
7.根据权利要求6所述的基于5G技术的智慧工厂人员流动检测方法，其特征在于，所述第三内部人员混乱率的表达式为：
Figure FDA0003573826830000041
其中，H3表示所述第三内部人员混乱率，H0表示内部人员基准混乱率，a表示基准校准常量，l表示职位等级综合分；
所述职位等级综合分的表达式为：
Figure FDA0003573826830000042
其中，l0表示职位等级基准分，m表示工作时间校准系数，M表示工厂内部人员的工作月份时长；
所述第三内部人员混乱度值的表达式为：
Figure FDA0003573826830000043
其中，S3表示第三内部人员混乱度值，t3表示工厂内部人员在可访问区域的停留时间，t3∈[1，T3]，T3表示工厂内部人员在可访问区域内的最大停留时间；
所述第四内部人员混乱率的表达式为：
H4＝Hmax
其中，H4表示第四内部人员混乱率，Hmax表示内部人员最高混乱率；
所述第四内部人员混乱度值的表达式为：
Figure FDA0003573826830000051
其中，S4表示第四内部人员混乱度值，t4表示工厂内部人员的最高混乱率对应的第四持续时间，t4∈[1，T4]，T4表示工厂内部人员在禁止访问区域内的最大停留时间。
8.根据权利要求1所述的基于5G技术的智慧工厂人员流动检测方法，其特征在于，在所述步骤三中，所述外来人员混乱率的表达式为：
Figure FDA0003573826830000052
其中，H′表示外来人员混乱率，
Figure FDA0003573826830000053
表示外来人员混乱率第一校正因子，/>
Figure FDA0003573826830000054
表示外来人员混乱率第二校正因子，t′0表示外来人员的预停留时间，t′1表示外来人员在可访问区域的第一停留时间，t′2表示外来人员在禁止访问区域的第二停留时间，H′0表示外来人员基准混乱率，H′max表示外来人员最高混乱率；
所述外来人员混乱度值的表达式为：
Figure FDA0003573826830000061
其中，S′表示外来人员混乱度值，t′表示外来人员的实际停留时间。
9.根据权利要求1所述的基于5G技术的智慧工厂人员流动检测方法，其特征在于，在所述步骤四中，所述总混乱度值的表达式为：
Figure FDA0003573826830000062
其中，Ssum表示总混乱度，ni表示工厂内部人员中第i种混乱率的人员数量，λi表示第i种内部人员混乱率的权重系数，Si表示第i种内部人员混乱度值，n′表示外来人员的人员数量，S′表示外来人员混乱度值。
10.一种基于5G技术的智慧工厂人员流动检测系统，所述智慧工厂包括多种类型的指定区域，其特征在于，所述系统包括：
信息获取模块，用于获取进入到智慧工厂的每位进入人员对应的注册身份信息，每位进入人员均携带有用于获取实时位置的移动终端或佩戴有包含GPS模块的标准通行卡，其中所述注册身份信息至少包括人员属性信息以及人员进入时间，所述人员属性信息包括工厂内部人员以及外来人员；
第一处理模块，用于若所述进入人员为工厂内部人员，当判断到人员进入时间为工作日时间段内，且所述工厂内部人员的实时位置在对应的指定区域内，则获取工厂内部人员在单位时间内的当前单位产能，根据所述当前单位产能与理想单位产能计算得到所述工厂内部人员对应的内部人员混乱率；
第二处理模块，用于若所述进入人员为外来人员，获取所述外来人员的来访事件，根据所述来访事件在多种类型的指定区域中确定可访问区域、禁止访问区域以及预停留时间，根据所述外来人员的实际停留时间以及实际活动区域轨迹信息计算得到所述外来人员对应的外来人员混乱率，其中所述实际活动区域轨迹信息包括在所述可访问区域内的第一停留时间以及在所述禁止访问区域内的第二停留时间；
混乱度计算模块，用于根据多个所述工厂内部人员对应的内部人员混乱率计算得到内部人员混乱度值，根据多个所述外来人员对应的外来人员混乱率计算得到外来人员混乱度值，根据内部人员混乱度值以及外来人员混乱度值计算得到所述智慧工厂内的总混乱度值，判断所述总混乱度值是否在预设理想混乱度值范围内；
结果干预模块，用于若总混乱度值不在预设理想混乱度值范围内，则对所述智慧工厂内的工厂内部人员以及外来人员的流动进行干预。
CN202210335537.8A 2022-03-30 2022-03-30 基于5g技术的智慧工厂人员流动检测方法与系统 Active CN114707847B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210335537.8A CN114707847B (zh) 2022-03-30 2022-03-30 基于5g技术的智慧工厂人员流动检测方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210335537.8A CN114707847B (zh) 2022-03-30 2022-03-30 基于5g技术的智慧工厂人员流动检测方法与系统

Publications (2)

Publication Number Publication Date
CN114707847A CN114707847A (zh) 2022-07-05
CN114707847B true CN114707847B (zh) 2023-05-26

Family

ID=82170897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210335537.8A Active CN114707847B (zh) 2022-03-30 2022-03-30 基于5g技术的智慧工厂人员流动检测方法与系统

Country Status (1)

Country Link
CN (1) CN114707847B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116384682A (zh) * 2023-04-04 2023-07-04 江苏智慧工场技术研究院有限公司 一种智慧工厂人员流动检测系统及其检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105373598A (zh) * 2015-10-27 2016-03-02 广州神马移动信息科技有限公司 作弊站点识别方法及装置
TW201828266A (zh) * 2017-01-25 2018-08-01 三菱電機股份有限公司 混亂預測裝置以及混亂預測方法
CN110399951A (zh) * 2019-07-26 2019-11-01 马鞍山市科泰电气科技有限公司 一种厂区工作人员移动轨迹的监控管理系统及方法
CN111212380A (zh) * 2020-02-14 2020-05-29 深圳震有科技股份有限公司 指定区域人员流动监测处理方法及装置、设备、介质
CN111832931A (zh) * 2020-07-09 2020-10-27 闳约深美江苏信息技术开发有限公司 一种基于大数据的智慧工厂人员流动检测方法
CN112001322A (zh) * 2020-08-25 2020-11-27 罗普特科技集团股份有限公司 一种用于确定标签人员聚集的方法、装置及存储介质
CN113850535A (zh) * 2021-11-30 2021-12-28 中通服建设有限公司 基于穿戴设备的智慧工地人员管理方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105373598A (zh) * 2015-10-27 2016-03-02 广州神马移动信息科技有限公司 作弊站点识别方法及装置
TW201828266A (zh) * 2017-01-25 2018-08-01 三菱電機股份有限公司 混亂預測裝置以及混亂預測方法
CN110399951A (zh) * 2019-07-26 2019-11-01 马鞍山市科泰电气科技有限公司 一种厂区工作人员移动轨迹的监控管理系统及方法
CN111212380A (zh) * 2020-02-14 2020-05-29 深圳震有科技股份有限公司 指定区域人员流动监测处理方法及装置、设备、介质
CN111832931A (zh) * 2020-07-09 2020-10-27 闳约深美江苏信息技术开发有限公司 一种基于大数据的智慧工厂人员流动检测方法
CN112001322A (zh) * 2020-08-25 2020-11-27 罗普特科技集团股份有限公司 一种用于确定标签人员聚集的方法、装置及存储介质
CN113850535A (zh) * 2021-11-30 2021-12-28 中通服建设有限公司 基于穿戴设备的智慧工地人员管理方法

Also Published As

Publication number Publication date
CN114707847A (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
EP2528034B1 (en) Image management device, image management method, program, recording medium, and integrated circuit
CN114707847B (zh) 基于5g技术的智慧工厂人员流动检测方法与系统
CN107248086A (zh) 基于用户用电行为分析的广告投放辅助分析方法
Yan et al. Fairness-aware demand prediction for new mobility
CN113011753A (zh) 基于人工智能与大数据的智慧园区管理方法及云平台系统
CN115660429B (zh) 适用于水泥智能制造的数据处理方法及装置
CN117172414A (zh) 一种基于bim技术的建筑幕墙施工管理系统
CN117454201B (zh) 一种智慧电网异常运行状态检测方法及系统
CN110969514A (zh) 一种基于物联网的租房安防方法和系统
CN113114969B (zh) 一种基于大数据的智慧楼宇智能视频对讲监控系统及对讲监控方法
CN116109011B (zh) 一种智慧园区的能耗管理方法及终端
CN117093943A (zh) 一种用电量监测预警方法及装置
CN112179376A (zh) 基于智慧灯杆的无人机停机坪远程监控处理方法及系统
CN116628615A (zh) 数据异常检测方法、装置、设备以及存储介质
CN115083004B (zh) 一种身份识别方法、装置和计算机可读存储介质
CN110427907A (zh) 一种灰度图边界检测和噪声帧填充的人脸识别预处理方法
CN115115419A (zh) 一种基于bim技术的工程造价管理系统及方法
JP6421001B2 (ja) 情報処理システム、情報表示方法、及びプログラム
Wang et al. Travel time prediction: Empirical analysis of missing data issues for advanced traveler information system applications
CN117726959B (zh) 基于智能图像识别的无人机电力线路安全巡检系统及方法
CN112529366A (zh) 一种基于机器视觉的工程远程监理协同管控系统
CN113191191A (zh) 一种基于用户习惯分析的社区疫情管理方法和系统
CN113255422A (zh) 一种基于深度学习的工序衔接目标识别管理方法及系统
CN111523715A (zh) 一种负荷综合预测方法
CN110987062A (zh) 一种基于数据融合的智能计量箱预警方法及系统

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