CN114926054A - 一种用于保健食品加工的5g智能工厂数据管理系统 - Google Patents

Abstract

本发明涉及工厂数据管理技术领域，具体为一种用于保健食品加工的5G智能工厂数据管理系统，包括工厂数据管控平台、数据工厂采处单元、工作状态监测单元、数值转化评价单元、显示单元以及处理器，本发明是通过对工厂内员工的每天工作情况进行数据采集，将员工的出勤相关的数据进行数值转化，再对员工的工作状态与设备的运行状态进行结合分析，从而将员工的工作状态以及设备的运行进行数据转化，将员工以及设备的状态转化数值与员工的出勤的转化数值进行评价计算，从而计算出评价数值，依据评价数值对员工的等级进行数值转化，通过评价等级，直观的对工厂进行数字化管理，便于了解与管理工厂内部员工的工作。

Description

一种用于保健食品加工的5G智能工厂数据管理系统

技术领域

本发明涉及工厂数据管理技术领域，具体为一种用于保健食品加工的5G智能工厂数据管理系统。

背景技术

保健食品是指声称具有保健功能或者以补充维生素、矿物质等营养物质为目的的食品，现有的保健食品在生产加工中大部分都是通过智能设备进行加工，在加工过程中，为了保证效率往往需要通过管理者对员工进行工作监督；

目前现有的监管人员在不固定的时间进行巡视，依据巡视的结果对员工进行评价，效果差强人意，很难精确地对工厂的人员工作进行综合评价，导致评价结果不准确，现有管理方法无法依据5G智能设备对工厂内的人员进行实时监控，并依据监控所采集的数据进行自主分析，无法对工厂的员工进行全面的分析，并转化成数值评价值，通过数据的形式进行评价管理；

针对以上的技术缺陷，现提出一种解决方案。

发明内容

本发明的目的在于提供一种用于保健食品加工的5G智能工厂数据管理系统，是通过对工厂内员工的每天工作情况进行数据采集，并依据采集的数据进行结合处理，从而将员工的出勤相关的数据进行数值转化，便于增加数据的直观性，节省数据的提取所消耗的时间，再对员工的工作状态与设备的运行状态进行结合分析，从而将员工的工作状态以及设备的运行进行数据转化，从而增加数据分析的精确性，将员工以及设备的状态转化数值与员工的出勤的转化数值进行评价计算，从而计算出评价数值，依据评价数值对员工的等级进行数值转化，通过评价等级，直观的对工厂进行数字化管理，便于了解与管理工厂内部员工的工作。

本发明的目的可以通过以下技术方案实现：

一种用于保健食品加工的5G智能工厂数据管理系统，包括工厂数据管控平台、数据工厂采处单元、工作状态监测单元、数值转化评价单元、显示单元以及处理器；

所述处理器生成工厂采处信令并发送至数据工厂采处单元，通过数据工厂采处单元对工厂内车辆的进出以及员工考勤进行数据的采集以及处理，再进行初步工作分析，从而计算出员工的工作计算值；

所述处理器生成状态监测信令并传输至工作状态监测单元，通过工作状态监测单元对员工的工作情况以及对应设备的其状态进行状态数值信号转化操作，从而进行数字信号的转化，得到状态计算值；

所述处理器生成转化评价信令并传输至数值转化评价单元，通过数值转化评价单元对工厂内员工的各类数据进行综合处理，依据综合处理的数值进行转化评价操作，得到员工的等级评价值；

所述处理器生成显示信令并传输至显示单元，通过显示单元对员工的等级评价值进行存储以及显示。

进一步的，初步工作分析的具体分析过程为：

采集工厂数据、运输影像数据、工作影像数据、打卡数据、设备数据以及时间数据；

选取工厂数据，将工厂数据对应的运输影像数据、工作影像数据、打卡数据以及时间数据进行初步分析，具体为：选取运输影像数据，并对其进行识别，从而识别出车牌号，将车牌号进行编号标记，标记为CPi，i的取值为正整数，将记录运输影像数据中识别进入、离开工厂的车牌号的时间点标定为进厂时间点以及出厂时间点，将出厂时间点与进厂时间点进行差值计算，计算出进出时差值；

依据时间数据对打卡数据对应的时间进行标记，当打卡对应的时间在M1时间点之前的时间显示打卡时，则标定为员工上班打卡，当打卡对应的时间在M2时间点之后的时间显示打卡时，则标定为员工下班打卡，将上班打卡的时间与M1进行差值计算，计算出上班差值，将下班打卡的时间与M2进行差值计算，计算出下班差值，将M2与M1进行差值计算，计算出规定工作时长；

依据工作影像数据以及时间数据对员工的工作进行标定，将工作影像数据中依据人脸识别，识别出每个员工的影像并标定为员工影像，并将员工影像依据时间数据进行工作时间标记，标记为若干个员作数据，将一天内同一个员工的若干个员作数据进行求和计算，计算出员作总值，其中，员作总值表示为员工在工作时间内出现的总时间；

将进出时差值、规定工作时长、员作总值、上班差值以及下班差值进行工作计算处理，得到工作计算值G_计；

工厂数据表示为采集工厂对应的编号，运输影像数据表示为采集工厂进出车辆的影像，工作影像数据表示为采集的工厂员工工作的影像，打卡数据表示为采集的工厂内部员工的上下班打卡记录，时间数据表示为采集的工厂内的时间。

进一步的，将进出时差值、规定工作时长、员作总值、上班差值以及下班差值进行工作计算处理的具体过程为：

提取进出时差值、规定工作时长、员作总值、上班差值以及下班差值，将规定工作时长标记为ZGi，将员作总值标记为YZi，将员作总值的权重系数标记为u1，将进出时差值标记为JCi，将进出时差值的权重系数标记为u2，将下班差值标记为XCi，将上班差值标记为SCi，将下班差值和上班差值的权重系数标记为u3，且i的取值为正整数，将ZGi、YZi、u1、JCi、u2、XCi、SCi以及u3一同带入到工作处理计算式：G_计＝[ZGi-(YZi*u1+JCi*u2)]+(XCi+SCi)*u3，计算出工作计算值G_计。

进一步的，状态数值信号转化操作的具体处理过程为：

采集设运数据、设关数据、位置数据、员频数据、员请数据、轨迹数据以及判定时间数据；

将员请数据与员频数据进行员工缺勤计算，具体为：将员工频率数据带入到缺勤计算式：缺勤占比＝1-员频数据，将缺勤占比与一段时间内需要出勤的次数进行天数转化，缺勤天数＝一段时间内需要出勤的次数*缺勤占比，将缺勤天数与员请数据进行差值计算，计算出旷工天数，将旷工天数与缺勤天数进行占比计算，计算出旷工占比；

将一段时间内设运数据对应的判定时间数据标定为设运时间点，将一段时间内设关数据对应的判定时间数据标定为设关时间点，将若干个设关时间点与若干个设运时间点分别进行差值计算，计算出若干个设运时间段，将若干个设运时间段进行均值计算，计算出设运时间均值，将若干个设运时间段分别与设运时间均值进行差值计算，计算出若干个设运时间差值，将若干个设运时间差值进行均值计算，计算出设运时间均差值，将若干个设运时间差值分别与设运时间均差值进行差值计算，计算出若干个设运偏差值，将若干个设运偏差值进行均值计算，计算出设运偏差均值；

依据位置数据以及轨迹数据进行岗位工作分析，得到缺岗信号准岗信号，识别出缺岗信号以及准岗信号出现的次数并分别标定为缺岗次数以及准岗次数；

将缺岗次数、准岗次数、旷工占比、设运时间均值以及设运偏差均值进行状态计算，计算出状态计算值T_状；

将采集的一段时间内工厂设备运行的时间点标定为设运数据，将采集的一段时间内工厂设备不运行的时间点标定为设关数据，将采集的工厂内设备的所在位置标定为位置数据，将采集的工厂员工在一段时间内出勤频率标定为员频数据，将采集的工厂内员工的请假次数标定为员请数据，将采集的工厂内员工在工厂内的运动轨迹标定为轨迹数据，将采集的工厂内部员工工作以及设备运行的时间标定为判定时间数据。

进一步的，岗位工作分析的具体分析过程为：

建立虚拟平面直角坐标系，将设运时间点到设关时间点内设备的位置数据在虚拟平面直角坐标系中进行标定，从而标记处位置坐标，依据判定时间数据将设运时间点到设关时间点内轨迹数据在虚拟平面直角坐标系中进行依次标记，从而得到若干个轨迹坐标，依据勾股定理将若干个轨迹坐标分别与位置坐标进行距离差值，将若干个距离差值，将若干个距离差值分别与工作距离阈值进行比对，当距离差值大于工作距离阈值时，则判定距离远，生成离岗信号，当距离差值小于等于工作距离阈值时，则判定距离近，生成在岗信号；

对离岗信号以及在岗信号进行识别，当识别到在岗信号时，则将对应的轨迹坐标标定为工作坐标，当识别到离岗信号时，则将对应的轨迹坐标标定为离岗坐标，提取离岗坐标的判定时间数据并标定为离岗时间点；

将离岗时间点之前以及离岗时间点之后的判定时间数据以及对应的轨迹坐标进行提取，将所述的离岗时间点以及离岗时间点之后的轨迹坐标标定为识别坐标，对识别坐标进行离岗坐标和在岗坐标进行匹配：

当识别坐标与在岗坐标匹配结果一致时，则提取两个坐标对应的判定时间数据以及离岗时间点，将判定时间数据与离岗时间点进行差值计算，计算出坐标时差值，将坐标时差值与时差阈值进行比对，当坐标时差值大于时差阈值时，则判定时间间隔大，生成缺岗信号，当坐标时差值小于等于时差阈值时，则判定时间间隔小，生成准岗信号；

当识别坐标与离岗坐标匹配结果一致时，将识别坐标对应的判定时间数据与离岗时间点进行差值计算，计算出离岗时差，将离岗差值与离岗阈值进行比对，当离岗差值大于等于离岗阈值时，则判定离岗时间长，生成缺岗信号，当离岗差值小于离岗阈值时，则判定离岗时间段，生成待岗信号，依据待岗信号提取下一个轨迹坐标，当下一个轨迹坐标与在岗坐标匹配一致时，则判定员工在岗，生成准岗信号，当下一个轨迹坐标与离岗坐标匹配一致时，则提取对应的判定时间数据，当判定时间数据与识别坐标之间的时间差值大于时差阈值时，则判定员工离岗，生成缺岗信号，当判定时间数据与识别坐标之间的时间差值小于时差阈值时，则再次进行下一个轨迹坐标的识别匹配。

进一步的，依据缺岗次数、准岗次数、旷工占比、设运时间均值以及设运偏差均值进行状态计算的具体过程为：

提取缺岗次数、准岗次数、旷工占比、设运时间均值以及设运偏差均值，将状态计算值标记为T_状，将旷工占比标记为KZi，将旷工占比的权重系数标记为c4，将设运时间均值标记为YJi，将设运偏差均值标记为YPi，将设运时间的权重系数标记为c3，将缺岗次数标记为QGi，将缺岗次数的权重系数标记为c1，将准岗次数标记为ZGi，将准岗次数的权重系数标记为c2，将状态计算值的偏差调节因子标记为gl，且i的取值为正整数，将KZi、c4、YJi、YPi、c3、QGi、c1、ZGi、c2以及gl带入到状态计算式：

计算出状态计算值T_状。

进一步的，转化评价操作的具体操作过程为：

提取状态计算值以及工作计算式，将状态计算式与工作计算式带入到评价计算式：

其中，P_评表示为转化评价值，T_状表示为状态计算值，e1表示为状态计算值的权重系数，G_计表示为工作计算值，(1-e1)表示为工作计算值的权重系数，且e1＞(1-e1)，

表示为工作计算值与状态计算值的转化因子，ate表示为转化调节值，且e1、

ate均为预设值；

提取转化评价值，将转化评价值与评价阈值进行差值计算，计算出转化评价差值，设定一个评价等级排序MPh，且h的取值为正整数，且等级排序内从大到小的排序数值为MP1、MP2、......MPh，将转化评价差值在评价等级排序内进行等级匹配，从而匹配出对应员工的等级评价值并标定为MPh。

本发明的有益效果如下：

本发明是通过对工厂内员工的每天工作情况进行数据采集，并依据采集的数据进行结合处理，从而将员工的出勤相关的数据进行数值转化，便于增加数据的直观性，节省数据的提取所消耗的时间，再对员工的工作状态与设备的运行状态进行结合分析，从而将员工的工作状态以及设备的运行进行数据转化，从而增加数据分析的精确性，将员工以及设备的状态转化数值与员工的出勤的转化数值进行评价计算，从而计算出评价数值，依据评价数值对员工的等级进行数值转化，通过评价等级，直观的对工厂进行数字化管理，便于了解与管理工厂内部员工的工作。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明的系统框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，本发明为一种用于保健食品加工的5G智能工厂数据管理系统，包括工厂数据管控平台、数据工厂采处单元、工作状态监测单元、数值转化评价单元、显示单元以及处理器；

处理器设置在工厂数据管控平台内部，数据工厂采处单元、工作状态监测单元、数值转化评价单元以及显示单元均与处理器通信连接，且数据工厂采处单元、工作状态监测单元、数值转化评价单元以及显示单元均设置在工厂数据管控平台内部；

数据工厂采处单元依据工厂采处信令对进出的车辆以及负责车辆的工厂员工进行数据采集，并依据采集的数据进行初步工作分析，初步工作分析的具体分析过程为：

将采集的工厂对应的编号标定为工厂数据，将采集的工厂进出车辆的影像标定为运输影像数据，将采集的工厂员工工作的影像标定为工作影像数据，将采集的工厂内部员工的上下班打卡记录标定为打卡数据，将采集的工厂内设备运行状态标定为设备数据，将采集的工厂内的时间数据标定为时间数据；

选取工厂数据，将工厂数据对应的运输影像数据、工作影像数据、打卡数据、设备数据以及时间数据进行初步分析，具体为：选取运输影像数据，并对其进行识别，从而识别出车牌号，将车牌号进行编号标记，标记为CPi，i的取值为正整数，将记录运输影像数据中识别进入工厂的车牌号的时间点标定为进厂时间点，将记录运输影像数据中识别离开工厂的车牌号的时间点标定为出厂时间点，将出厂时间点与进厂时间点进行差值计算，计算出进出时差值；

依据时间数据对打卡数据对应的时间进行标记，当打卡对应的时间在M1时间点之前的时间显示打卡时，则标定为员工上班打卡，当打卡对应的时间在M2时间点之后的时间显示打卡时，则标定为员工下班打卡，将上班打卡的时间与M1进行差值计算，计算出上班差值，将下班打卡的时间与M2进行差值计算，计算出下班差值，将M2与M1进行差值计算，计算出规定工作时长；

依据工作影像数据以及时间数据对员工的工作进行标定，将工作影像数据中依据人脸识别，识别出每个员工的影像并标定为员工影像，并将员工影像依据时间数据进行工作时间标记，标记为若干个员作数据，将一天内同一个员工的若干个员作数据进行求和计算，计算出员作总值，其中，员作总值表示为员工在工作时间内出现的总时间；

将进出时差值、规定工作时长、员作总值、上班差值以及下班差值进行工作计算处理，具体计算式为：

G_计＝[ZGi-(YZi*u1+JCi*u2)]+(XCi+SCi)*u3

其中，G_计表示为工作计算值，ZGi表示为规定工作时长，YZi表示为员作总值，u1表示为员作总值的权重系数，JCi表示为进出时差值，u2表示为进出时差值的权重系数，XCi表示为下班差值，SCi表示为上班差值，u3表示为下班差值和上班差值的权重系数，i的取值为正整数，且u1-u3为预设值；

工作状态监测单元依据状态监测信令对工厂员工的工作状态以及设备的运行状态进行状态处理，并依据状态处理的数值进行状态数值信号转化操作，从而进行状态的数字信号转化，状态数值信号转化操作的具体处理过程为：

将采集的一段时间内工厂设备运行的时间点标定为设运数据，将采集的一段时间内工厂设备不运行的时间点标定为设关数据，将采集的工厂内设备的所在位置标定为位置数据，将采集的工厂员工在一段时间内出勤频率标定为员频数据，员频数据是通过员工在一段时间内的实际出勤次数与总共所需要的出勤次数进行占比计算得来，一段时间指代上个月的第一天至上个月的最后一天，将采集的工厂内员工的请假次数标定为员请数据，将采集的工厂内员工在工厂内的运动轨迹标定为轨迹数据，且轨迹数据是依据工作影像数据进行识别，从而进行轨迹标定，且将其划分为不同的员工轨迹，将采集的工厂内部员工工作以及设备运行的时间标定为判定时间数据；

将员请数据与员频数据进行员工缺勤计算，具体为：将员工频率数据带入到缺勤计算式：缺勤占比＝1-员频数据，将缺勤占比与一段时间内需要出勤的次数进行天数转化，缺勤天数＝一段时间内需要出勤的次数*缺勤占比，将缺勤天数与员请数据进行差值计算，计算出旷工天数，将旷工天数与缺勤天数进行占比计算，计算出旷工占比；

将一段时间内设运数据对应的判定时间数据标定为设运时间点，将一段时间内设关数据对应的判定时间数据标定为设关时间点，将若干个设关时间点与若干个设运时间点分别进行差值计算，计算出若干个设运时间段，将若干个设运时间段进行均值计算，计算出设运时间均值，将若干个设运时间段分别与设运时间均值进行差值计算，计算出若干个设运时间差值，将若干个设运时间差值进行均值计算，计算出设运时间均差值，将若干个设运时间差值分别与设运时间均差值进行差值计算，计算出若干个设运偏差值，将若干个设运偏差值进行均值计算，计算出设运偏差均值；

建立虚拟平面直角坐标系，将设运时间点到设关时间点内设备的位置数据在虚拟平面直角坐标系中进行标定，从而标记处位置坐标，依据判定时间数据将设运时间点到设关时间点内轨迹数据在虚拟平面直角坐标系中进行依次标记，从而得到若干个轨迹坐标，依据勾股定理将若干个轨迹坐标分别与位置坐标进行距离差值，将若干个距离差值，将若干个距离差值分别与工作距离阈值进行比对，当距离差值大于工作距离阈值时，则判定距离远，生成离岗信号，当距离差值小于等于工作距离阈值时，则判定距离近，生成在岗信号；

对离岗信号以及在岗信号进行识别，当识别到在岗信号时，则将对应的轨迹坐标标定为工作坐标，当识别到离岗信号时，则将对应的轨迹坐标标定为离岗坐标，提取离岗坐标的判定时间数据并标定为离岗时间点；

将离岗时间点之前以及离岗时间点之后的判定时间数据以及对应的轨迹坐标进行提取，将的离岗时间点以及离岗时间点之后的轨迹坐标标定为识别坐标，对识别坐标进行离岗坐标和在岗坐标进行匹配：

当识别坐标与在岗坐标匹配结果一致时，则提取两个坐标对应的判定时间数据以及离岗时间点，将判定时间数据与离岗时间点进行差值计算，计算出坐标时差值，将坐标时差值与时差阈值进行比对，当坐标时差值大于时差阈值时，则判定时间间隔大，生成缺岗信号，当坐标时差值小于等于时差阈值时，则判定时间间隔小，生成准岗信号；

当识别坐标与离岗坐标匹配结果一致时，将识别坐标对应的判定时间数据与离岗时间点进行差值计算，计算出离岗时差，将离岗差值与离岗阈值进行比对，当离岗差值大于等于离岗阈值时，则判定离岗时间长，生成缺岗信号，当离岗差值小于离岗阈值时，则判定离岗时间段，生成待岗信号，依据待岗信号提取下一个轨迹坐标，当下一个轨迹坐标与在岗坐标匹配一致时，则判定员工在岗，生成准岗信号，当下一个轨迹坐标与离岗坐标匹配一致时，则提取对应的判定时间数据，当判定时间数据与识别坐标之间的时间差值大于时差阈值时，则判定员工离岗，生成缺岗信号，当判定时间数据与识别坐标之间的时间差值小于时差阈值时，则再次进行下一个轨迹坐标的识别匹配；

提取缺岗信号准岗信号，识别出缺岗信号以及准岗信号出现的次数并分别标定为缺岗次数以及准岗次数；

将缺岗次数、准岗次数、旷工占比、设运时间均值以及设运偏差均值进行状态计算，具体计算式为：

其中，T_状表示为状态计算值，KZi表示为旷工占比，c4表示为旷工占比的权重系数，YJi表示为设运时间均值，YPi表示为设运偏差均值，c3表示为设运时间的权重系数，QGi表示为缺岗次数，c1表示为缺岗次数的权重系数，ZGi表示为准岗次数，c2表示为准岗次数的权重系数，gl表示为状态计算值的偏差调节因子，i的取值为正整数，且gl、c1-c3为预设值；

数值转化评价单元依据转化评价信令对工厂内员工的工作处理数值以及状态处理数值进行转化评价操作，转化评价操作的具体操作过程为：

提取状态计算值以及工作计算式，将状态计算式与工作计算式带入到评价计算式：

其中，P_评表示为转化评价值，T_状表示为状态计算值，e1表示为状态计算值的权重系数，G_计表示为工作计算值，(1-e1)表示为工作计算值的权重系数，且e1＞(1-e1)，

表示为工作计算值与状态计算值的转化因子，ate表示为转化调节值，且e1、

ate均为预设值；

提取转化评价值，将转化评价值与评价阈值进行差值计算，计算出转化评价差值，设定一个评价等级排序MPh，且h的取值为正整数，且等级排序内从大到小的排序数值为MP1、MP2、......MPh，将转化评价差值在评价等级排序内进行等级匹配，从而匹配出对应员工的等级评价值并标定为MPh；

显示单元依据显示信令对工厂员工的数字评价值进行存储显示，具体为：提取员工对应的等级评价值MPh，并将其进行存储显示。

本发明的数据采集均通过5G智能设备进行数据采集，并通过5G传输来增加数据传输的高效性。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (7)

1.一种用于保健食品加工的5G智能工厂数据管理系统，其特征在于，包括工厂数据管控平台、数据工厂采处单元、工作状态监测单元、数值转化评价单元、显示单元以及处理器；

所述处理器生成工厂采处信令并发送至数据工厂采处单元，通过数据工厂采处单元对工厂内车辆的进出以及员工考勤进行数据的采集以及处理，再进行初步工作分析，从而计算出员工的工作计算值；

所述处理器生成状态监测信令并传输至工作状态监测单元，通过工作状态监测单元对员工的工作情况以及对应设备的其状态进行状态数值信号转化操作，从而进行数字信号的转化，得到状态计算值；

所述处理器生成转化评价信令并传输至数值转化评价单元，通过数值转化评价单元对工厂内员工的各类数据进行综合处理，依据综合处理的数值进行转化评价操作，得到员工的等级评价值；

所述处理器生成显示信令并传输至显示单元，通过显示单元对员工的等级评价值进行存储以及显示。

2.根据权利要求1所述的一种用于保健食品加工的5G智能工厂数据管理系统，其特征在于，初步工作分析的具体分析过程为：

采集工厂数据、运输影像数据、工作影像数据、打卡数据、设备数据以及时间数据；

选取工厂数据，将工厂数据对应的运输影像数据、工作影像数据、打卡数据以及时间数据进行初步分析，具体为：选取运输影像数据，并对其进行识别，从而识别出车牌号，将车牌号进行编号标记，标记为CPi，i的取值为正整数，将记录运输影像数据中识别进入、离开工厂的车牌号的时间点标定为进厂时间点以及出厂时间点，将出厂时间点与进厂时间点进行差值计算，计算出进出时差值；

依据时间数据对打卡数据对应的时间进行标记，当打卡对应的时间在M1时间点之前的时间显示打卡时，则标定为员工上班打卡，当打卡对应的时间在M2时间点之后的时间显示打卡时，则标定为员工下班打卡，将上班打卡的时间与M1进行差值计算，计算出上班差值，将下班打卡的时间与M2进行差值计算，计算出下班差值，将M2与M1进行差值计算，计算出规定工作时长；

依据工作影像数据以及时间数据对员工的工作进行标定，将工作影像数据中依据人脸识别，识别出每个员工的影像并标定为员工影像，并将员工影像依据时间数据进行工作时间标记，标记为若干个员作数据，将一天内同一个员工的若干个员作数据进行求和计算，计算出员作总值，其中，员作总值表示为员工在工作时间内出现的总时间；

将进出时差值、规定工作时长、员作总值、上班差值以及下班差值进行工作计算处理，得到工作计算值G_计；

工厂数据表示为采集工厂对应的编号，运输影像数据表示为采集工厂进出车辆的影像，工作影像数据表示为采集的工厂员工工作的影像，打卡数据表示为采集的工厂内部员工的上下班打卡记录，时间数据表示为采集的工厂内的时间。

3.根据权利要求2所述的一种用于保健食品加工的5G智能工厂数据管理系统，其特征在于，将进出时差值、规定工作时长、员作总值、上班差值以及下班差值进行工作计算处理的具体过程为：

提取进出时差值、规定工作时长、员作总值、上班差值以及下班差值，将规定工作时长标记为ZGi，将员作总值标记为YZi，将员作总值的权重系数标记为u1，将进出时差值标记为JCi，将进出时差值的权重系数标记为u2，将下班差值标记为XCi，将上班差值标记为SCi，将下班差值和上班差值的权重系数标记为u3，且i的取值为正整数，将ZGi、YZi、u1、JCi、u2、XCi、SCi以及u3一同带入到工作处理计算式：G_计＝[ZGi-(YZi*u1+JCi*u2)]+(XCi+SCi)*u3，计算出工作计算值G_计。

4.根据权利要求1所述的一种用于保健食品加工的5G智能工厂数据管理系统，其特征在于，状态数值信号转化操作的具体处理过程为：

采集设运数据、设关数据、位置数据、员频数据、员请数据、轨迹数据以及判定时间数据；

将员请数据与员频数据进行员工缺勤计算，具体为：将员工频率数据带入到缺勤计算式：缺勤占比＝1-员频数据，将缺勤占比与一段时间内需要出勤的次数进行天数转化，缺勤天数＝一段时间内需要出勤的次数*缺勤占比，将缺勤天数与员请数据进行差值计算，计算出旷工天数，将旷工天数与缺勤天数进行占比计算，计算出旷工占比；

将一段时间内设运数据对应的判定时间数据标定为设运时间点，将一段时间内设关数据对应的判定时间数据标定为设关时间点，将若干个设关时间点与若干个设运时间点分别进行差值计算，计算出若干个设运时间段，将若干个设运时间段进行均值计算，计算出设运时间均值，将若干个设运时间段分别与设运时间均值进行差值计算，计算出若干个设运时间差值，将若干个设运时间差值进行均值计算，计算出设运时间均差值，将若干个设运时间差值分别与设运时间均差值进行差值计算，计算出若干个设运偏差值，将若干个设运偏差值进行均值计算，计算出设运偏差均值；

依据位置数据以及轨迹数据进行岗位工作分析，得到缺岗信号准岗信号，识别出缺岗信号以及准岗信号出现的次数并分别标定为缺岗次数以及准岗次数；

将缺岗次数、准岗次数、旷工占比、设运时间均值以及设运偏差均值进行状态计算，计算出状态计算值T_状；

将采集的一段时间内工厂设备运行的时间点标定为设运数据，将采集的一段时间内工厂设备不运行的时间点标定为设关数据，将采集的工厂内设备的所在位置标定为位置数据，将采集的工厂员工在一段时间内出勤频率标定为员频数据，将采集的工厂内员工的请假次数标定为员请数据，将采集的工厂内员工在工厂内的运动轨迹标定为轨迹数据，将采集的工厂内部员工工作以及设备运行的时间标定为判定时间数据。

5.根据权利要求4所述的一种用于保健食品加工的5G智能工厂数据管理系统，其特征在于，岗位工作分析的具体分析过程为：

建立虚拟平面直角坐标系，将设运时间点到设关时间点内设备的位置数据在虚拟平面直角坐标系中进行标定，从而标记处位置坐标，依据判定时间数据将设运时间点到设关时间点内轨迹数据在虚拟平面直角坐标系中进行依次标记，从而得到若干个轨迹坐标，依据勾股定理将若干个轨迹坐标分别与位置坐标进行距离差值，将若干个距离差值，将若干个距离差值分别与工作距离阈值进行比对，当距离差值大于工作距离阈值时，则判定距离远，生成离岗信号，当距离差值小于等于工作距离阈值时，则判定距离近，生成在岗信号；

对离岗信号以及在岗信号进行识别，当识别到在岗信号时，则将对应的轨迹坐标标定为工作坐标，当识别到离岗信号时，则将对应的轨迹坐标标定为离岗坐标，提取离岗坐标的判定时间数据并标定为离岗时间点；

将离岗时间点之前以及离岗时间点之后的判定时间数据以及对应的轨迹坐标进行提取，将所述的离岗时间点以及离岗时间点之后的轨迹坐标标定为识别坐标，对识别坐标进行离岗坐标和在岗坐标进行匹配：

当识别坐标与在岗坐标匹配结果一致时，则提取两个坐标对应的判定时间数据以及离岗时间点，将判定时间数据与离岗时间点进行差值计算，计算出坐标时差值，将坐标时差值与时差阈值进行比对，当坐标时差值大于时差阈值时，则判定时间间隔大，生成缺岗信号，当坐标时差值小于等于时差阈值时，则判定时间间隔小，生成准岗信号；

当识别坐标与离岗坐标匹配结果一致时，将识别坐标对应的判定时间数据与离岗时间点进行差值计算，计算出离岗时差，将离岗差值与离岗阈值进行比对，当离岗差值大于等于离岗阈值时，则判定离岗时间长，生成缺岗信号，当离岗差值小于离岗阈值时，则判定离岗时间段，生成待岗信号，依据待岗信号提取下一个轨迹坐标，当下一个轨迹坐标与在岗坐标匹配一致时，则判定员工在岗，生成准岗信号，当下一个轨迹坐标与离岗坐标匹配一致时，则提取对应的判定时间数据，当判定时间数据与识别坐标之间的时间差值大于时差阈值时，则判定员工离岗，生成缺岗信号，当判定时间数据与识别坐标之间的时间差值小于时差阈值时，则再次进行下一个轨迹坐标的识别匹配。

6.根据权利要求5所述的一种用于保健食品加工的5G智能工厂数据管理系统，其特征在于，依据缺岗次数、准岗次数、旷工占比、设运时间均值以及设运偏差均值进行状态计算的具体过程为：

提取缺岗次数、准岗次数、旷工占比、设运时间均值以及设运偏差均值，将状态计算值标记为T_状，将旷工占比标记为KZi，将旷工占比的权重系数标记为c4，将设运时间均值标记为YJi，将设运偏差均值标记为YPi，将设运时间的权重系数标记为c3，将缺岗次数标记为QGi，将缺岗次数的权重系数标记为c1，将准岗次数标记为ZGi，将准岗次数的权重系数标记为c2，将状态计算值的偏差调节因子标记为gl，且i的取值为正整数，将KZi、c4、YJi、YPi、c3、QGi、c1、ZGi、c2以及gl带入到状态计算式：

计算出状态计算值T_状。

7.根据权利要求1所述的一种用于保健食品加工的5G智能工厂数据管理系统，其特征在于，转化评价操作的具体操作过程为：

提取状态计算值以及工作计算式，将状态计算式与工作计算式带入到评价计算式：

其中，P_评表示为转化评价值，T_状表示为状态计算值，e1表示为状态计算值的权重系数，G_计表示为工作计算值，(1-e1)表示为工作计算值的权重系数，且e1＞(1-e1)，

表示为工作计算值与状态计算值的转化因子，ate表示为转化调节值，且e1、

ate均为预设值；

提取转化评价值，将转化评价值与评价阈值进行差值计算，计算出转化评价差值，设定一个评价等级排序MPh，且h的取值为正整数，且等级排序内从大到小的排序数值为MP1、MP2、......MPh，将转化评价差值在评价等级排序内进行等级匹配，从而匹配出对应员工的等级评价值并标定为MPh。

Images