CN114998070B - 一种企业数字学习平台沉浸式数字化学习方法及系统 - Google Patents
一种企业数字学习平台沉浸式数字化学习方法及系统 Download PDFInfo
- Publication number
- CN114998070B CN114998070B CN202210928923.8A CN202210928923A CN114998070B CN 114998070 B CN114998070 B CN 114998070B CN 202210928923 A CN202210928923 A CN 202210928923A CN 114998070 B CN114998070 B CN 114998070B
- Authority
- CN
- China
- Prior art keywords
- data
- product
- virtual
- information data
- production line
- 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 90
- 238000004519 manufacturing process Methods 0.000 claims abstract description 356
- 238000012545 processing Methods 0.000 claims abstract description 144
- 230000002950 deficient Effects 0.000 claims abstract description 28
- 238000007654 immersion Methods 0.000 claims abstract description 27
- 230000007547 defect Effects 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims description 44
- 239000002994 raw material Substances 0.000 claims description 26
- 238000013507 mapping Methods 0.000 claims description 22
- 238000012937 correction Methods 0.000 claims description 17
- 238000003754 machining Methods 0.000 claims description 13
- 230000006872 improvement Effects 0.000 claims description 12
- 230000002787 reinforcement Effects 0.000 claims description 7
- 238000003032 molecular docking Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000012552 review Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims 2
- 238000005516 engineering process Methods 0.000 abstract description 19
- 238000012795 verification Methods 0.000 abstract description 3
- 238000003860 storage Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
-
- 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
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种企业数字学习平台沉浸式数字化学习方法及系统。该方法包括:获取企业环境信息数据、人员信息数据输入企业数字学习平台中生成虚拟沉浸式生产线加工模型,将产品信息数据输入至模型中进行虚拟生产获得虚拟产品数据并与预设目标产品数据进行阈值对比,对阈值对比结果不符合要求的产品特征数据输入至产品数字化虚拟加工模型并进行阈值对比寻找缺陷生产线节点和低效人工节点进行修正;从而基于企业数字学习平台通过产品数字化虚拟加工模型寻找待改善的缺陷生产线节点和低效人工节点进行修正,实现对企业生产数字化沉浸式虚拟加工的学习和验证技术,通过虚拟技术改进产品生产质量、改善生产线和人员结构。
Description
技术领域
本申请涉及数字化企业和沉浸式虚拟技术领域,具体而言,涉及一种企业数字学习平台沉浸式数字化学习方法及系统。
背景技术
现有企业对产品制造加工的模拟检验通常采用工业软件进行计算机模拟或推演,或者采用计算机仿真技术通过大量数据进行程序计算获得虚拟产品,而对虚拟现实技术特别是数字化沉浸式学习技术应用较为浅显。
目前VR技术对企业的支撑通常是生成某些特定环境的虚拟沉浸式环境,以方便人员对企业布局或精益改进的感知和理解,仅限于环境的虚拟展示手段,而不具备将企业硬件、生产线、人员以及产品进行数字化并植入对接生成虚拟生产环境进行数字化生产加工模型的仿真,以及根据虚拟环境生产加工的产品数据进行企业硬件、人员等生产资料的检验和修正,并有针对性加强对关键短板硬件、环境或岗位培训的沉浸式学习技术。
针对上述问题,目前亟待有效的技术解决方案。
发明内容
本申请实施例的目的在于提供一种企业数字学习平台沉浸式数字化学习方法及系统,可以实现通过数字化虚拟沉浸式技术改进产品生产质量、改善生产线、加强人员培训学习。
本申请实施例还提供了一种企业数字学习平台沉浸式数字化学习方法,包括以下步骤:
获取企业环境信息数据、人员信息数据以及产品信息数据,所述人员信息数据包括各工种节点人员的特征信息;
根据所述企业环境信息数据和人员信息数据输入企业数字学习平台中生成产品虚拟数字化生产线,所述产品虚拟数字化生产线包括各类型产品的虚拟沉浸式生产线加工模型;
根据所述产品信息数据中目标类型产品对应的原料信息数据、工艺数据以及生产能效信息数据输入至对应所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据;
根据所述虚拟产品数据与所述产品信息数据的预设目标产品数据进行阈值对比;
若阈值对比结果不符合预设要求,则根据预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中进行处理获取关键加工线节点数据集和人工节点数据集;
根据所述关键加工线节点数据集的多个数据与所述企业环境信息数据的生产线节点信息数据进行阈值对比寻找不符合阈值对比要求的缺陷生产线节点;
根据所述人工节点数据集的多个数据与所述人员信息数据的人员节点信息数据进行阈值对比寻找不符合阈值对比要求的低效人工节点;
对获取的所述缺陷生产线节点与所述低效人工节点进行沉浸式加强学习和修正。
可选地,在本申请实施例所述的企业数字学习平台沉浸式数字化学习方法中,所述根据获取企业环境信息数据、人员信息数据以及产品信息数据,包括:
获取企业环境信息数据包括生产线硬件信息数据、仓储物流信息数据、供应链信息数据、生产线工艺信息数据以及生产线节点信息数据;
获取人员信息数据包括人员工种信息数据、工种效率信息数据、岗位产能信息数据以及人员节点信息数据;
所述产品信息数据包括原料信息数据、工艺数据、生产能效信息数据以及预设目标产品数据。
可选地,在本申请实施例所述的企业数字学习平台沉浸式数字化学习方法中,所述根据所述企业环境信息数据和人员信息数据输入企业数字学习平台中生成产品虚拟数字化生产线,所述产品虚拟数字化生产线包括各类型产品的虚拟沉浸式生产线加工模型,包括:
根据所述生产线硬件信息数据、仓储物流信息数据、供应链信息数据、生产线工艺信息数据以及生产线节点信息数据输入企业数字学习平台中生成映射沉浸生产线场景;
根据所述人员工种信息数据、工种效率信息数据、岗位产能信息数据以及人员节点信息数据输入企业数字学习平台中生成人员节点架构模型;
将所述人员节点架构模型与映射沉浸生产线场景植入企业数字学习平台中进行匹配对接生成产品虚拟数字化生产线;
所述产品虚拟数字化生产线包括企业各类型产品的虚拟沉浸式生产线加工模型。
可选地,在本申请实施例所述的企业数字学习平台沉浸式数字化学习方法中,所述根据所述产品信息数据中目标类型产品对应的原料信息数据、工艺数据以及生产能效信息数据输入至对应所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据,包括:
所述虚拟沉浸式生产线加工模型包括各类型产品的历史产品样本信息数据虚拟生产获得的虚拟产品样本数据;
根据所述目标类型产品的原料信息数据、工艺数据以及生产能效信息数据输入至所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据。
可选地,在本申请实施例所述的企业数字学习平台沉浸式数字化学习方法中,所述若阈值对比结果不符合预设要求,则根据预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中进行处理获取关键加工线节点数据集和人工节点数据集,包括:
根据所述虚拟产品数据与所述产品信息数据的预设目标产品数据进行阈值对比,若阈值对比小于预设阈值,则将虚拟产品标记为缺陷产品;
提取预设目标产品的产品特征数据,包括产品状态数据、产品价值数据、产品质量数据以及产品评分数据;
根据所述预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中获取关键加工线节点数据集和人工节点数据集;
所述关键加工线节点数据集包括产品虚拟生产的多个关键加工节点数据;
所述人工节点数据集包括产品虚拟生产的多个人工节点数据。
可选地,在本申请实施例所述的企业数字学习平台沉浸式数字化学习方法中,所述根据所述关键加工线节点数据集的多个数据与所述企业环境信息数据的生产线节点信息数据进行阈值对比寻找不符合阈值对比要求的缺陷生产线节点,根据所述人工节点数据集的多个数据与所述人员信息数据的人员节点信息数据进行阈值对比寻找不符合阈值对比要求的低效人工节点,包括:
根据所述关键加工线节点数据集的多个数据与所述企业环境信息数据的生产线节点信息数据进行阈值对比;
将不符合阈值对比要求的一个或多个生产线节点标记为缺陷生产线节点;
根据所述人工节点数据集的多个数据与所述人员信息数据的人员节点信息数据进行阈值对比;
将不符合阈值对比要求的一个或几个人工节点标记为低效人工节点;
将标记的所述缺陷生产线节点和所述低效人工节点进行提取作为重点改进项目进行沉浸式学习和修正。
第二方面,本申请实施例提供了一种企业数字学习平台沉浸式数字化学习系统,该系统包括:存储器及处理器,所述存储器中包括企业数字学习平台沉浸式数字化学习方法的程序,所述企业数字学习平台沉浸式数字化学习方法的程序被所述处理器执行时实现以下步骤:
获取企业环境信息数据、人员信息数据以及产品信息数据,所述人员信息数据包括各工种节点人员的特征信息;
根据所述企业环境信息数据和人员信息数据输入企业数字学习平台中生成产品虚拟数字化生产线,所述产品虚拟数字化生产线包括各类型产品的虚拟沉浸式生产线加工模型;
根据所述产品信息数据中目标类型产品对应的原料信息数据、工艺数据以及生产能效信息数据输入至对应所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据;
根据所述虚拟产品数据与所述产品信息数据的预设目标产品数据进行阈值对比;
若阈值对比结果不符合预设要求,则根据预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中进行处理获取关键加工线节点数据集和人工节点数据集;
根据所述关键加工线节点数据集的多个数据与所述企业环境信息数据的生产线节点信息数据进行阈值对比寻找不符合阈值对比要求的缺陷生产线节点;
根据所述人工节点数据集的多个数据与所述人员信息数据的人员节点信息数据进行阈值对比寻找不符合阈值对比要求的低效人工节点;
对获取的所述缺陷生产线节点与所述低效人工节点进行沉浸式加强学习和修正。
可选地,在本申请实施例所述的企业数字学习平台沉浸式数字化学习系统中,所述根据获取企业环境信息数据、人员信息数据以及产品信息数据,包括:
获取企业环境信息数据包括生产线硬件信息数据、仓储物流信息数据、供应链信息数据、生产线工艺信息数据以及生产线节点信息数据;
获取人员信息数据包括人员工种信息数据、工种效率信息数据、岗位产能信息数据以及人员节点信息数据;
所述产品信息数据包括原料信息数据、工艺数据、生产能效信息数据以及预设目标产品数据。
可选地,在本申请实施例所述的企业数字学习平台沉浸式数字化学习系统中,所述根据所述企业环境信息数据和人员信息数据输入企业数字学习平台中生成产品虚拟数字化生产线,所述产品虚拟数字化生产线包括各类型产品的虚拟沉浸式生产线加工模型,包括:
根据所述生产线硬件信息数据、仓储物流信息数据、供应链信息数据、生产线工艺信息数据以及生产线节点信息数据输入企业数字学习平台中生成映射沉浸生产线场景;
根据所述人员工种信息数据、工种效率信息数据、岗位产能信息数据以及人员节点信息数据输入企业数字学习平台中生成人员节点架构模型;
将所述人员节点架构模型与映射沉浸生产线场景植入企业数字学习平台中进行匹配对接生成产品虚拟数字化生产线;
所述产品虚拟数字化生产线包括企业各类型产品的虚拟沉浸式生产线加工模型。
可选地,在本申请实施例所述的企业数字学习平台沉浸式数字化学习系统中,所述根据所述产品信息数据中目标类型产品对应的原料信息数据、工艺数据以及生产能效信息数据输入至对应所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据,包括:
所述虚拟沉浸式生产线加工模型包括各类型产品的历史产品样本信息数据虚拟生产获得的虚拟产品样本数据;
根据所述目标类型产品的原料信息数据、工艺数据以及生产能效信息数据输入至所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据。
由上可知,本申请实施例提供的企业数字学习平台沉浸式数字化学习方法及系统通过获取企业环境信息数据、人员信息数据输入企业数字学习平台中生成产品虚拟数字化生产线对应的虚拟沉浸式生产线加工模型,将产品信息数据输入至对应虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据并与预设目标产品数据进行阈值对比,若阈值对比结果不符合预设要求,则将预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中进行处理获取关键加工线节点数据集和人工节点数据集并分别与生产线节点信息数据和人员节点信息数据进行阈值对比寻找不符合阈值对比要求的缺陷生产线节点和低效人工节点以进行沉浸式加强学习和修正;从而基于企业数字学习平台根据企业硬件以及人员获取虚拟沉浸式生产线加工模型对产品进行虚拟生产并判定,通过产品数字化虚拟加工模型寻找待改善的缺陷生产线节点和低效人工节点以进行沉浸式加强学习和修正,实现对企业生产数字化沉浸式虚拟加工的学习和验证技术,通过虚拟技术改进产品生产质量、改善生产线和人员结构。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的企业数字学习平台沉浸式数字化学习方法的一种流程图;
图2为本申请实施例提供的企业数字学习平台沉浸式数字化学习方法的另一种流程图;
图3为本申请实施例提供的企业数字学习平台沉浸式数字化学习方法的又一种流程图;
图4为本申请实施例提供的企业数字学习平台沉浸式数字化学习系统的一种结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的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。
应注意到,相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的企业数字学习平台沉浸式数字化学习方法的一种流程图。该企业数字学习平台沉浸式数字化学习方法用于终端设备中,例如电脑、手机终端等。该企业数字学习平台沉浸式数字化学习方法,包括以下步骤:
S101、获取企业环境信息数据、人员信息数据以及产品信息数据,所述人员信息数据包括各工种节点人员的特征信息;
S102、根据所述企业环境信息数据和人员信息数据输入企业数字学习平台中生成产品虚拟数字化生产线,所述产品虚拟数字化生产线包括各类型产品的虚拟沉浸式生产线加工模型;
S103、根据所述产品信息数据中目标类型产品对应的原料信息数据、工艺数据以及生产能效信息数据输入至对应所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据;
S104、根据所述虚拟产品数据与所述产品信息数据的预设目标产品数据进行阈值对比;
S105、若阈值对比结果不符合预设要求,则根据预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中进行处理获取关键加工线节点数据集和人工节点数据集;
S106、根据所述关键加工线节点数据集的多个数据与所述企业环境信息数据的生产线节点信息数据进行阈值对比寻找不符合阈值对比要求的缺陷生产线节点;
S107、根据所述人工节点数据集的多个数据与所述人员信息数据的人员节点信息数据进行阈值对比寻找不符合阈值对比要求的低效人工节点;
S108、对获取的所述缺陷生产线节点与所述低效人工节点进行沉浸式加强学习和修正。
需要说明的是,为实现通过企业数字化虚拟学习进行沉浸式虚拟生产得到虚拟产品数据的技术,将企业属性特征进行数据化,获取企业环境信息数据和人员信息数据输入至搭建好的企业数字学习平台中生成产品虚拟数字化生产线,企业数字学习平台是可将企业人、机、物等生产资料数据化信息通过数字化虚拟转换为沉浸式虚拟场景的平台,通过该平台可将企业生产资料和信息合成虚拟沉浸式生产线,包含各类型产品的虚拟沉浸式生产线加工模型,通过该模型将目标类型产品具有的产品信息数据进行输入进行虚拟生产得到虚拟产品数据,再与预设目标产品数据进行阈值对比得出产品虚拟生产的检验结果,通过数字化沉浸式虚拟生产场景检验生产得出的产品的情况数据,并根据产品数字化虚拟加工模型分析出不合格虚拟产品对应的缺陷生产线和低效人工情况加以学习改善和修正,实现企业数字化虚拟沉浸式生产预测检验所得产品的优劣。
请参照图2,图2是本申请一些实施例中的企业数字学习平台沉浸式数字化学习方法的一种流程图。根据本发明实施例,所述根据获取企业环境信息数据、人员信息数据以及产品信息数据,具体为:
S201、获取企业环境信息数据包括生产线硬件信息数据、仓储物流信息数据、供应链信息数据、生产线工艺信息数据以及生产线节点信息数据;
S202、获取人员信息数据包括人员工种信息数据、工种效率信息数据、岗位产能信息数据以及人员节点信息数据;
S203、所述产品信息数据包括原料信息数据、工艺数据、生产能效信息数据以及预设目标产品数据。
需要说明的是,为营造接近企业实际生产资料的数字化虚拟生产线,将企业人、机、环、料进行数据化并全面收集,获取企业环境信息数据、人员信息数据以及产品信息数据,为营造出仿真度更高的数字化虚拟生产场景做好数据准备。
请参照图3,图3是本申请一些实施例中的企业数字学习平台沉浸式数字化学习方法的一种流程图。根据本发明实施例,所述根据所述企业环境信息数据和人员信息数据输入企业数字学习平台中生成产品虚拟数字化生产线,所述产品虚拟数字化生产线包括各类型产品的虚拟沉浸式生产线加工模型,具体为:
S301、根据所述生产线硬件信息数据、仓储物流信息数据、供应链信息数据、生产线工艺信息数据以及生产线节点信息数据输入企业数字学习平台中生成映射沉浸生产线场景;
S302、根据所述人员工种信息数据、工种效率信息数据、岗位产能信息数据以及人员节点信息数据输入企业数字学习平台中生成人员节点架构模型;
S303、将所述人员节点架构模型与映射沉浸生产线场景植入企业数字学习平台中进行匹配对接生成产品虚拟数字化生产线;
S304、所述产品虚拟数字化生产线包括企业各类型产品的虚拟沉浸式生产线加工模型。
需要说明的是,为获得虚拟沉浸式生产线加工模型,需将企业硬件设施、生产线等数字化信息数据与人员数据进行有机融合,首先将企业环境信息数据的各项信息数据通过企业数字学习平台生产映射沉浸生产线场景,该场景是基于企业现有硬件设施等生产物质进行的虚拟场景设置,并将人员信息数据通过平台构建出人员节点构架模型,该模型映射出企业人员岗位的设置情况,再将人员节点架构模型与映射沉浸生产线场景植入企业数字学习平台中进行匹配对接生成产品虚拟数字化生产线,该虚拟沉浸式生产线可虚拟出根据企业人、机、环、物料等各项生产资料组织形成的虚拟沉浸式生产线场景,通过该虚拟场景可模拟企业组织流水线,方便观察、了解和学习企业运作和生产,其中产品虚拟数字化生产线包括各类型产品的虚拟沉浸式生产线加工模型,通过模型可实现企业数字化虚拟的沉浸式数字加工。
根据本发明实施例,所述根据所述产品信息数据中目标类型产品对应的原料信息数据、工艺数据以及生产能效信息数据输入至对应所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据,具体为:
所述虚拟沉浸式生产线加工模型包括各类型产品的历史产品样本信息数据虚拟生产获得的虚拟产品样本数据;
根据所述目标类型产品的原料信息数据、工艺数据以及生产能效信息数据输入至所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据。
需要说明的是,当生成虚拟数字化生产线的虚拟沉浸式生产线加工模型后,该模型为数字化虚拟沉浸式生产线,该生产线模型具有线下和线上的虚拟技术,线下技术可虚拟对类型产品进行加工的沉浸式生产线场景并加工获得虚拟产品,线上技术可通过该模型对类型产品的相关数据进行虚拟数字化加工最终获取产品的相关数据,即将目标类型产品的原料信息数据、工艺数据以及生产能效信息数据输入至虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据,从而实现通过虚拟沉浸式生产线模型获得虚拟产品和数据的功能。
根据本发明实施例,所述若阈值对比结果不符合预设要求,则根据预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中进行处理获取关键加工线节点数据集和人工节点数据集,还包括:
根据所述虚拟产品数据与所述产品信息数据的预设目标产品数据进行阈值对比,若阈值对比小于预设阈值,则将虚拟产品标记为缺陷产品;
提取预设目标产品的产品特征数据,包括产品状态数据、产品价值数据、产品质量数据以及产品评分数据;
根据所述预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中获取关键加工线节点数据集和人工节点数据集;
所述关键加工线节点数据集包括产品虚拟生产的多个关键加工节点数据;
所述人工节点数据集包括产品虚拟生产的多个人工节点数据。
需要说明的是,为检验虚拟产品是否合格,根据各类型的产品设定预设产品数据,即在获取产品信息数据中包含了预设目标产品数据,通过预设目标产品数据与虚拟产品数据进行阈值对比,根据阈值对比结果判别虚拟产品是否合格,本案中设定阈值为95%,即若虚拟产品数据小于预设目标产品数据的95%预设阈值,则判断该虚拟产品为缺陷产品,再将预设目标产品中提取的产品特征数据输入至训练好的产品数字化虚拟加工模型中获取关键加工线节点数据集和人工节点数据集,该产品数字化虚拟加工模型是通过企业数字学习平台获取的,通过大量历史产品样本的产品特征数据和多个关键加工节点数据以及多个人工节点数据进行输入训练获得训练好的产品数字化虚拟加工模型,通过该模型可以通过产品特征数据识别得出对应的关键加工节点数据以及人工节点数据,便于根据产品对生产流程和节点进行改进。
根据本发明实施例,所述根据所述关键加工线节点数据集的多个数据与所述企业环境信息数据的生产线节点信息数据进行阈值对比寻找不符合阈值对比要求的缺陷生产线节点,根据所述人工节点数据集的多个数据与所述人员信息数据的人员节点信息数据进行阈值对比寻找不符合阈值对比要求的低效人工节点,具体为:
根据所述关键加工线节点数据集的多个数据与所述企业环境信息数据的生产线节点信息数据进行阈值对比;
将不符合阈值对比要求的一个或多个生产线节点标记为缺陷生产线节点;
根据所述人工节点数据集的多个数据与所述人员信息数据的人员节点信息数据进行阈值对比;
将不符合阈值对比要求的一个或几个人工节点标记为低效人工节点;
将标记的所述缺陷生产线节点和所述低效人工节点进行提取作为重点改进项目进行沉浸式学习和修正。
需要说明的是,为检验生产虚拟产品的产品虚拟数字化生产线对应的加工线节点和人工节点中存在问题缺陷的节点,根据关键加工线节点数据集中多个关键加工节点数据以及人工节点数据集中的多个人工节点数据分别与企业环境信息数据的生产线节点信息数据以及人员信息数据的人员节点信息数据进行阈值对比,将不符合阈值对比要求的一个或多个生产线节点标记为缺陷生产线节点,将不符合阈值对比要求的一个或几个人工节点标记为低效人工节点,将标记的缺陷生产线节点和低效人工节点进行提取作为重点改进项目进行沉浸式学习和修正,实现通过数字化虚拟技术寻找生产过程中存在的缺陷的技术。
根据本发明实施例,还包括:
获取学习人员的特征信息;
获取多个生产线选岗节点并依次记录岗位节点次序;
将所述特征信息依次植入多个岗位节点中并输入企业数字学习平台中依次生成第一节点架构模型、第二节点架构模型...第N节点架构模型;
将所述第一节点架构模型至所述第N节点架构模型依次与映射沉浸生产线场景植入所述企业数字学习平台中根据生产产品类型分别生成第一虚拟沉浸式生产线加工模型至第N虚拟沉浸式生产线加工模型;
根据产品信息数据分别输入所述第一虚拟沉浸式生产线加工模型至所述第N虚拟沉浸式生产线加工模型中进行虚拟生产分别获得第一虚拟产品数据至第N虚拟产品数据;
根据所述第一虚拟产品数据至第N虚拟产品数据进行质量评审排序获得虚拟产品排名数据;
将排名最高的对应虚拟产品数据标记为定标虚拟产品数据;
将所述定标虚拟产品数据对应的节点架构模型所对应的岗位节点选定为目标岗位节点;
将所述学习人员定岗到所述目标岗位节点进行定位。
需要说明的是,本发明技术还可以根据产品虚拟数字化生产线生产的虚拟产品对学习人员、选岗人员或调岗人员进行评估定岗,通过学习人员提取的特征信息在虚拟沉浸式生产线的选岗节点中进行定位,即将学习人员虚拟定岗到产品虚拟数字化生产线的某个人员节点中,通过将学习人员依次虚拟定岗到多个待选岗位中并输入企业数字学习平台中依次生成第一节点架构模型、第二节点架构模型等N个节点架构模型,再将产品信息数据依次输入生成的N个节点架构模型中依次获得N个虚拟产品数据,根据N个虚拟产品数据进行质量评审排序获得虚拟产品排名数据,将排名最高的那个虚拟产品数据标记为定标虚拟产品数据,其对应的节点架构模型中所对应的岗位节点选定为学习人员选定的目标岗位节点,实现通过虚拟数字化生产线技术实现对人员的定岗功能。
根据本发明实施例,还包括:
获取企业生产线各设备数据;
根据生产过程统计获得的高风险设备和常故障设备对设备所在生产线设备节点进行定位;
根据定位改进各个设备并获取设备信息数据;
根据所述设备信息数据更新生产线硬件信息数据和生产线节点信息数据并结合仓储物流信息数据、供应链信息数据、生产线工艺信息数据输入企业数字学习平台中生成升级映射沉浸生产线场景;
根据所述升级映射沉浸生产线场景获取对应升级虚拟沉浸式生产线加工模型;
根据所述升级虚拟沉浸式生产线加工模型虚拟生产获得的升级虚拟产品数据与原始生产线和设备对应虚拟生产获得的虚拟产品数据进行对比;
若所述升级虚拟产品数据的产品数据对比结果优于原始虚拟产品数据,则设备升级有效。
需要说明的是,本发明技术还可以根据产品虚拟数字化生产线生产对设备硬件的升级改进成效进行分析,通过针对高风险设备和常故障设备改进的设备的设备信息数据带入更新生产线硬件信息数据和生产线节点信息数据输入企业数字学习平台中生成升级映射沉浸生产线场景,再获得升级虚拟沉浸式生产线加工模型进行虚拟生产得到升级虚拟产品数据,将升级虚拟产品数据与原始生产线和设备对应虚拟生产获得的虚拟产品数据进行对比,根据产品数据对比结果对升级设备成效进行评估。
如图4所示,本发明还公开了一种企业数字学习平台沉浸式数字化学习系统,包括存储器41和处理器42,所述存储器中包括企业数字学习平台沉浸式数字化学习方法程序,所述企业数字学习平台沉浸式数字化学习方法程序被所述处理器执行时实现如下步骤:
获取企业环境信息数据、人员信息数据以及产品信息数据,所述人员信息数据包括各工种节点人员的特征信息;
根据所述企业环境信息数据和人员信息数据输入企业数字学习平台中生成产品虚拟数字化生产线,所述产品虚拟数字化生产线包括各类型产品的虚拟沉浸式生产线加工模型;
根据所述产品信息数据中目标类型产品对应的原料信息数据、工艺数据以及生产能效信息数据输入至对应所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据;
根据所述虚拟产品数据与所述产品信息数据的预设目标产品数据进行阈值对比;
若阈值对比结果不符合预设要求,则根据预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中进行处理获取关键加工线节点数据集和人工节点数据集;
根据所述关键加工线节点数据集的多个数据与所述企业环境信息数据的生产线节点信息数据进行阈值对比寻找不符合阈值对比要求的缺陷生产线节点;
根据所述人工节点数据集的多个数据与所述人员信息数据的人员节点信息数据进行阈值对比寻找不符合阈值对比要求的低效人工节点;
对获取的所述缺陷生产线节点与所述低效人工节点进行沉浸式加强学习和修正。
需要说明的是,为实现通过企业数字化虚拟学习进行沉浸式虚拟生产得到虚拟产品数据的技术,将企业属性特征进行数据化,获取企业环境信息数据和人员信息数据输入至搭建好的企业数字学习平台中生成产品虚拟数字化生产线,企业数字学习平台是可将企业人、机、物等生产资料数据化信息通过数字化虚拟转换为沉浸式虚拟场景的平台,通过该平台可将企业生产资料和信息合成虚拟沉浸式生产线,包含各类型产品的虚拟沉浸式生产线加工模型,通过该模型将目标类型产品具有的产品信息数据进行输入进行虚拟生产得到虚拟产品数据,再与预设目标产品数据进行阈值对比得出产品虚拟生产的检验结果,通过数字化沉浸式虚拟生产场景检验生产得出的产品的情况数据,并根据产品数字化虚拟加工模型分析出不合格虚拟产品对应的缺陷生产线和低效人工情况加以学习改善和修正,实现企业数字化虚拟沉浸式生产预测检验所得产品的优劣。
根据本发明实施例,所述根据获取企业环境信息数据、人员信息数据以及产品信息数据,具体为:
获取企业环境信息数据包括生产线硬件信息数据、仓储物流信息数据、供应链信息数据、生产线工艺信息数据以及生产线节点信息数据;
获取人员信息数据包括人员工种信息数据、工种效率信息数据、岗位产能信息数据以及人员节点信息数据;
所述产品信息数据包括原料信息数据、工艺数据、生产能效信息数据以及预设目标产品数据。
需要说明的是,为营造接近企业实际生产资料的数字化虚拟生产线,将企业人、机、环、料进行数据化并全面收集,获取企业环境信息数据、人员信息数据以及产品信息数据,为营造出仿真度更高的数字化虚拟生产场景做好数据准备。
根据本发明实施例,所述根据所述企业环境信息数据和人员信息数据输入企业数字学习平台中生成产品虚拟数字化生产线,所述产品虚拟数字化生产线包括各类型产品的虚拟沉浸式生产线加工模型,具体为:
根据所述生产线硬件信息数据、仓储物流信息数据、供应链信息数据、生产线工艺信息数据以及生产线节点信息数据输入企业数字学习平台中生成映射沉浸生产线场景;
根据所述人员工种信息数据、工种效率信息数据、岗位产能信息数据以及人员节点信息数据输入企业数字学习平台中生成人员节点架构模型;
将所述人员节点架构模型与映射沉浸生产线场景植入企业数字学习平台中进行匹配对接生成产品虚拟数字化生产线;
所述产品虚拟数字化生产线包括企业各类型产品的虚拟沉浸式生产线加工模型。
需要说明的是,为获得虚拟沉浸式生产线加工模型,需将企业硬件设施、生产线等数字化信息数据与人员数据进行有机融合,首先将企业环境信息数据的各项信息数据通过企业数字学习平台生产映射沉浸生产线场景,该场景是基于企业现有硬件设施等生产物质进行的虚拟场景设置,并将人员信息数据通过平台构建出人员节点构架模型,该模型映射出企业人员岗位的设置情况,再将人员节点架构模型与映射沉浸生产线场景植入企业数字学习平台中进行匹配对接生成产品虚拟数字化生产线,该虚拟沉浸式生产线可虚拟出根据企业人、机、环、物料等各项生产资料组织形成的虚拟沉浸式生产线场景,通过该虚拟场景可模拟企业组织流水线,方便观察、了解和学习企业运作和生产,其中产品虚拟数字化生产线包括各类型产品的虚拟沉浸式生产线加工模型,通过模型可实现企业数字化虚拟的沉浸式数字加工。
根据本发明实施例,所述根据所述产品信息数据中目标类型产品对应的原料信息数据、工艺数据以及生产能效信息数据输入至对应所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据,具体为:
所述虚拟沉浸式生产线加工模型包括各类型产品的历史产品样本信息数据虚拟生产获得的虚拟产品样本数据;
根据所述目标类型产品的原料信息数据、工艺数据以及生产能效信息数据输入至所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据。
需要说明的是,当生成虚拟数字化生产线的虚拟沉浸式生产线加工模型后,该模型为数字化虚拟沉浸式生产线,该生产线模型具有线下和线上的虚拟技术,线下技术可虚拟对类型产品进行加工的沉浸式生产线场景并加工获得虚拟产品,线上技术可通过该模型对类型产品的相关数据进行虚拟数字化加工最终获取产品的相关数据,即将目标类型产品的原料信息数据、工艺数据以及生产能效信息数据输入至虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据,从而实现通过虚拟沉浸式生产线模型获得虚拟产品和数据的功能。
根据本发明实施例,所述若阈值对比结果不符合预设要求,则根据预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中进行处理获取关键加工线节点数据集和人工节点数据集,还包括:
根据所述虚拟产品数据与所述产品信息数据的预设目标产品数据进行阈值对比,若阈值对比小于预设阈值,则将虚拟产品标记为缺陷产品;
提取预设目标产品的产品特征数据,包括产品状态数据、产品价值数据、产品质量数据以及产品评分数据;
根据所述预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中获取关键加工线节点数据集和人工节点数据集;
所述关键加工线节点数据集包括产品虚拟生产的多个关键加工节点数据;
所述人工节点数据集包括产品虚拟生产的多个人工节点数据。
需要说明的是,为检验虚拟产品是否合格,根据各类型的产品设定预设产品数据,即在获取产品信息数据中包含了预设目标产品数据,通过预设目标产品数据与虚拟产品数据进行阈值对比,根据阈值对比结果判别虚拟产品是否合格,本案中设定阈值为95%,即若虚拟产品数据小于预设目标产品数据的95%预设阈值,则判断该虚拟产品为缺陷产品,再将预设目标产品中提取的产品特征数据输入至训练好的产品数字化虚拟加工模型中获取关键加工线节点数据集和人工节点数据集,该产品数字化虚拟加工模型是通过企业数字学习平台获取的,通过大量历史产品样本的产品特征数据和多个关键加工节点数据以及多个人工节点数据进行输入训练获得训练好的产品数字化虚拟加工模型,通过该模型可以通过产品特征数据识别得出对应的关键加工节点数据以及人工节点数据,便于根据产品对生产流程和节点进行改进。
根据本发明实施例,所述根据所述关键加工线节点数据集的多个数据与所述企业环境信息数据的生产线节点信息数据进行阈值对比寻找不符合阈值对比要求的缺陷生产线节点,根据所述人工节点数据集的多个数据与所述人员信息数据的人员节点信息数据进行阈值对比寻找不符合阈值对比要求的低效人工节点,具体为:
根据所述关键加工线节点数据集的多个数据与所述企业环境信息数据的生产线节点信息数据进行阈值对比;
将不符合阈值对比要求的一个或多个生产线节点标记为缺陷生产线节点;
根据所述人工节点数据集的多个数据与所述人员信息数据的人员节点信息数据进行阈值对比;
将不符合阈值对比要求的一个或几个人工节点标记为低效人工节点;
将标记的所述缺陷生产线节点和所述低效人工节点进行提取作为重点改进项目进行沉浸式学习和修正。
需要说明的是,为检验生产虚拟产品的产品虚拟数字化生产线对应的加工线节点和人工节点中存在问题缺陷的节点,根据关键加工线节点数据集中多个关键加工节点数据以及人工节点数据集中的多个人工节点数据分别与企业环境信息数据的生产线节点信息数据以及人员信息数据的人员节点信息数据进行阈值对比,将不符合阈值对比要求的一个或多个生产线节点标记为缺陷生产线节点,将不符合阈值对比要求的一个或几个人工节点标记为低效人工节点,将标记的缺陷生产线节点和低效人工节点进行提取作为重点改进项目进行沉浸式学习和修正,实现通过数字化虚拟技术寻找生产过程中存在的缺陷的技术。
根据本发明实施例,还包括:
获取学习人员的特征信息;
获取多个生产线选岗节点并依次记录岗位节点次序;
将所述特征信息依次植入多个岗位节点中并输入企业数字学习平台中依次生成第一节点架构模型、第二节点架构模型...第N节点架构模型;
将所述第一节点架构模型至所述第N节点架构模型依次与映射沉浸生产线场景植入所述企业数字学习平台中根据生产产品类型分别生成第一虚拟沉浸式生产线加工模型至第N虚拟沉浸式生产线加工模型;
根据产品信息数据分别输入所述第一虚拟沉浸式生产线加工模型至所述第N虚拟沉浸式生产线加工模型中进行虚拟生产分别获得第一虚拟产品数据至第N虚拟产品数据;
根据所述第一虚拟产品数据至第N虚拟产品数据进行质量评审排序获得虚拟产品排名数据;
将排名最高的对应虚拟产品数据标记为定标虚拟产品数据;
将所述定标虚拟产品数据对应的节点架构模型所对应的岗位节点选定为目标岗位节点;
将所述学习人员定岗到所述目标岗位节点进行定位。
需要说明的是,本发明技术还可以根据产品虚拟数字化生产线生产的虚拟产品对学习人员、选岗人员或调岗人员进行评估定岗,通过学习人员提取的特征信息在虚拟沉浸式生产线的选岗节点中进行定位,即将学习人员虚拟定岗到产品虚拟数字化生产线的某个人员节点中,通过将学习人员依次虚拟定岗到多个待选岗位中并输入企业数字学习平台中依次生成第一节点架构模型、第二节点架构模型等N个节点架构模型,再将产品信息数据依次输入生成的N个节点架构模型中依次获得N个虚拟产品数据,根据N个虚拟产品数据进行质量评审排序获得虚拟产品排名数据,将排名最高的那个虚拟产品数据标记为定标虚拟产品数据,其对应的节点架构模型中所对应的岗位节点选定为学习人员选定的目标岗位节点,实现通过虚拟数字化生产线技术实现对人员的定岗功能。
根据本发明实施例,还包括:
获取企业生产线各设备数据;
根据生产过程统计获得的高风险设备和常故障设备对设备所在生产线设备节点进行定位;
根据定位改进各个设备并获取设备信息数据;
根据所述设备信息数据更新生产线硬件信息数据和生产线节点信息数据并结合仓储物流信息数据、供应链信息数据、生产线工艺信息数据输入企业数字学习平台中生成升级映射沉浸生产线场景;
根据所述升级映射沉浸生产线场景获取对应升级虚拟沉浸式生产线加工模型;
根据所述升级虚拟沉浸式生产线加工模型虚拟生产获得的升级虚拟产品数据与原始生产线和设备对应虚拟生产获得的虚拟产品数据进行对比;
若所述升级虚拟产品数据的产品数据对比结果优于原始虚拟产品数据,则设备升级有效。
需要说明的是,本发明技术还可以根据产品虚拟数字化生产线生产对设备硬件的升级改进成效进行分析,通过针对高风险设备和常故障设备改进的设备的设备信息数据带入更新生产线硬件信息数据和生产线节点信息数据输入企业数字学习平台中生成升级映射沉浸生产线场景,再获得升级虚拟沉浸式生产线加工模型进行虚拟生产得到升级虚拟产品数据,将升级虚拟产品数据与原始生产线和设备对应虚拟生产获得的虚拟产品数据进行对比,根据产品数据对比结果对升级设备成效进行评估。
本发明公开的一种企业数字学习平台沉浸式数字化学习方法及系统,通过获取企业环境信息数据、人员信息数据输入企业数字学习平台中生成产品虚拟数字化生产线对应的虚拟沉浸式生产线加工模型,将产品信息数据输入至对应虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据并与预设目标产品数据进行阈值对比,若阈值对比结果不符合预设要求,则将预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中进行处理获取关键加工线节点数据集和人工节点数据集并分别与生产线节点信息数据和人员节点信息数据进行阈值对比寻找不符合阈值对比要求的缺陷生产线节点和低效人工节点以进行沉浸式加强学习和修正;从而基于企业数字学习平台根据企业硬件以及人员获取虚拟沉浸式生产线加工模型对产品进行虚拟生产并判定,通过产品数字化虚拟加工模型寻找待改善的缺陷生产线节点和低效人工节点以进行沉浸式加强学习和修正,实现对企业生产数字化沉浸式虚拟加工的学习和验证技术,通过虚拟技术改进产品生产质量、改善生产线和人员结构。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (7)
1.一种企业数字学习平台沉浸式数字化学习方法,其特征在于,包括以下步骤:获取企业环境信息数据、人员信息数据以及产品信息数据,所述人员信息数据包括各工种节点人员的特征信息;
根据所述企业环境信息数据和人员信息数据输入企业数字学习平台中生成产品虚拟数字化生产线,所述产品虚拟数字化生产线包括各类型产品的虚拟沉浸式生产线加工模型;
根据所述产品信息数据中目标类型产品对应的原料信息数据、工艺数据以及生产能效信息数据输入至对应所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据;
根据所述虚拟产品数据与所述产品信息数据的预设目标产品数据进行阈值对比;若阈值对比结果不符合预设要求,则根据预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中进行处理获取关键加工线节点数据集和人工节点数据集;
根据所述关键加工线节点数据集的多个数据与所述企业环境信息数据的生产线节点信息数据进行阈值对比寻找不符合阈值对比要求的缺陷生产线节点;
根据所述人工节点数据集的多个数据与所述人员信息数据的人员节点信息数据进行阈值对比寻找不符合阈值对比要求的低效人工节点;
对获取的所述缺陷生产线节点与所述低效人工节点进行沉浸式加强学习和修正;所述根据所述产品信息数据中目标类型产品对应的原料信息数据、工艺数据以及生产能效信息数据输入至对应所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据,包括:
所述虚拟沉浸式生产线加工模型包括各类型产品的历史产品样本信息数据虚拟生产获得的虚拟产品样本数据;
根据所述目标类型产品的原料信息数据、工艺数据以及生产能效信息数据输入至所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据;
所述若阈值对比结果不符合预设要求,则根据预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中进行处理获取关键加工线节点数据集和人工节点数据集,包括:
根据所述虚拟产品数据与所述产品信息数据的预设目标产品数据进行阈值对比,若阈值对比小于预设阈值,则将虚拟产品标记为缺陷产品;
提取预设目标产品的产品特征数据,包括产品状态数据、产品价值数据、产品质量数据以及产品评分数据;
根据所述预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中获取关键加工线节点数据集和人工节点数据集;
所述关键加工线节点数据集包括产品虚拟生产的多个关键加工节点数据;
所述人工节点数据集包括产品虚拟生产的多个人工节点数据;
还包括:
获取学习人员的特征信息;
获取多个生产线选岗节点并依次记录岗位节点次序;
将所述特征信息依次植入多个岗位节点中并输入企业数字学习平台中依次生成第一节点架构模型、第二节点架构模型...第N节点架构模型;
将所述第一节点架构模型至所述第N节点架构模型依次与映射沉浸生产线场景植入所述企业数字学习平台中根据生产产品类型分别生成第一虚拟沉浸式生产线加工模型至第N虚拟沉浸式生产线加工模型;
根据产品信息数据分别输入所述第一虚拟沉浸式生产线加工模型至所述第N虚拟沉浸式生产线加工模型中进行虚拟生产分别获得第一虚拟产品数据至第N虚拟产品数据;
根据所述第一虚拟产品数据至第N虚拟产品数据进行质量评审排序获得虚拟产品排名数据;
将排名最高的对应虚拟产品数据标记为定标虚拟产品数据;
将所述定标虚拟产品数据对应的节点架构模型所对应的岗位节点选定为目标岗位节点;
将所述学习人员定岗到所述目标岗位节点进行定位。
2.根据权利要求1所述的企业数字学习平台沉浸式数字化学习方法,其特征在于,所述根据获取企业环境信息数据、人员信息数据以及产品信息数据,包括:
获取企业环境信息数据包括生产线硬件信息数据、仓储物流信息数据、供应链信息数据、生产线工艺信息数据以及生产线节点信息数据;
获取人员信息数据包括人员工种信息数据、工种效率信息数据、岗位产能信息数据以及人员节点信息数据;
所述产品信息数据包括原料信息数据、工艺数据、生产能效信息数据以及预设目标产品数据。
3.根据权利要求2所述的企业数字学习平台沉浸式数字化学习方法,其特征在于,所述根据所述企业环境信息数据和人员信息数据输入企业数字学习平台中生成产品虚拟数字化生产线,所述产品虚拟数字化生产线包括各类型产品的虚拟沉浸式生产线加工模型,包括:
根据所述生产线硬件信息数据、仓储物流信息数据、供应链信息数据、生产线工艺信息数据以及生产线节点信息数据输入企业数字学习平台中生成映射沉浸生产线场景;
根据所述人员工种信息数据、工种效率信息数据、岗位产能信息数据以及人员节点信息数据输入企业数字学习平台中生成人员节点架构模型;
将所述人员节点架构模型与映射沉浸生产线场景植入企业数字学习平台中进行匹配对接生成产品虚拟数字化生产线;
所述产品虚拟数字化生产线包括企业各类型产品的虚拟沉浸式生产线加工模型。
4.根据权利要求1所述的企业数字学习平台沉浸式数字化学习方法,其特征在于,所述根据所述关键加工线节点数据集的多个数据与所述企业环境信息数据的生产线节点信息数据进行阈值对比寻找不符合阈值对比要求的缺陷生产线节点,根据所述人工节点数据集的多个数据与所述人员信息数据的人员节点信息数据进行阈值对比寻找不符合阈值对比要求的低效人工节点,包括:
根据所述关键加工线节点数据集的多个数据与所述企业环境信息数据的生产线节点信息数据进行阈值对比;
将不符合阈值对比要求的一个或多个生产线节点标记为缺陷生产线节点;
根据所述人工节点数据集的多个数据与所述人员信息数据的人员节点信息数据进行阈值对比;
将不符合阈值对比要求的一个或几个人工节点标记为低效人工节点;
将标记的所述缺陷生产线节点和所述低效人工节点进行提取作为重点改进项目进行沉浸式学习和修正。
5.一种企业数字学习平台沉浸式数字化学习系统,其特征在于,该系统包括:存储器及处理器,所述存储器中包括企业数字学习平台沉浸式数字化学习方法的程序,所述企业数字学习平台沉浸式数字化学习方法的程序被所述处理器执行时实现以下步骤:
获取企业环境信息数据、人员信息数据以及产品信息数据,所述人员信息数据包括各工种节点人员的特征信息;
根据所述企业环境信息数据和人员信息数据输入企业数字学习平台中生成产品虚拟数字化生产线,所述产品虚拟数字化生产线包括各类型产品的虚拟沉浸式生产线加工模型;
根据所述产品信息数据中目标类型产品对应的原料信息数据、工艺数据以及生产能效信息数据输入至对应所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据;
根据所述虚拟产品数据与所述产品信息数据的预设目标产品数据进行阈值对比;若阈值对比结果不符合预设要求,则根据预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中进行处理获取关键加工线节点数据集和人工节点数据集;
根据所述关键加工线节点数据集的多个数据与所述企业环境信息数据的生产线节点信息数据进行阈值对比寻找不符合阈值对比要求的缺陷生产线节点;
根据所述人工节点数据集的多个数据与所述人员信息数据的人员节点信息数据进行阈值对比寻找不符合阈值对比要求的低效人工节点;
对获取的所述缺陷生产线节点与所述低效人工节点进行沉浸式加强学习和修正;所述根据所述产品信息数据中目标类型产品对应的原料信息数据、工艺数据以及生产能效信息数据输入至对应所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据,包括:
所述虚拟沉浸式生产线加工模型包括各类型产品的历史产品样本信息数据虚拟生产获得的虚拟产品样本数据;
根据所述目标类型产品的原料信息数据、工艺数据以及生产能效信息数据输入至所述虚拟沉浸式生产线加工模型中进行虚拟生产获得虚拟产品数据;
所述若阈值对比结果不符合预设要求,则根据预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中进行处理获取关键加工线节点数据集和人工节点数据集,包括:
根据所述虚拟产品数据与所述产品信息数据的预设目标产品数据进行阈值对比,若阈值对比小于预设阈值,则将虚拟产品标记为缺陷产品;
提取预设目标产品的产品特征数据,包括产品状态数据、产品价值数据、产品质量数据以及产品评分数据;
根据所述预设目标产品的产品特征数据输入至训练好的产品数字化虚拟加工模型中获取关键加工线节点数据集和人工节点数据集;
所述关键加工线节点数据集包括产品虚拟生产的多个关键加工节点数据;
所述人工节点数据集包括产品虚拟生产的多个人工节点数据;
还包括:
获取学习人员的特征信息;
获取多个生产线选岗节点并依次记录岗位节点次序;
将所述特征信息依次植入多个岗位节点中并输入企业数字学习平台中依次生成第一节点架构模型、第二节点架构模型...第N节点架构模型;
将所述第一节点架构模型至所述第N节点架构模型依次与映射沉浸生产线场景植入所述企业数字学习平台中根据生产产品类型分别生成第一虚拟沉浸式生产线加工模型至第N虚拟沉浸式生产线加工模型;
根据产品信息数据分别输入所述第一虚拟沉浸式生产线加工模型至所述第N虚拟沉浸式生产线加工模型中进行虚拟生产分别获得第一虚拟产品数据至第N虚拟产品数据;
根据所述第一虚拟产品数据至第N虚拟产品数据进行质量评审排序获得虚拟产品排名数据;
将排名最高的对应虚拟产品数据标记为定标虚拟产品数据;
将所述定标虚拟产品数据对应的节点架构模型所对应的岗位节点选定为目标岗位节点;
将所述学习人员定岗到所述目标岗位节点进行定位。
6.根据权利要求5所述的企业数字学习平台沉浸式数字化学习系统,其特征在于,所述根据获取企业环境信息数据、人员信息数据以及产品信息数据,包括:
获取企业环境信息数据包括生产线硬件信息数据、仓储物流信息数据、供应链信息数据、生产线工艺信息数据以及生产线节点信息数据;
获取人员信息数据包括人员工种信息数据、工种效率信息数据、岗位产能信息数据以及人员节点信息数据;
所述产品信息数据包括原料信息数据、工艺数据、生产能效信息数据以及预设目标产品数据。
7.根据权利要求6所述的企业数字学习平台沉浸式数字化学习系统,其特征在于,所述根据所述企业环境信息数据和人员信息数据输入企业数字学习平台中生成产品虚拟数字化生产线,所述产品虚拟数字化生产线包括各类型产品的虚拟沉浸式生产线加工模型,包括:
根据所述生产线硬件信息数据、仓储物流信息数据、供应链信息数据、生产线工艺信息数据以及生产线节点信息数据输入企业数字学习平台中生成映射沉浸生产线场景;
根据所述人员工种信息数据、工种效率信息数据、岗位产能信息数据以及人员节点信息数据输入企业数字学习平台中生成人员节点架构模型;
将所述人员节点架构模型与映射沉浸生产线场景植入企业数字学习平台中进行匹配对接生成产品虚拟数字化生产线;
所述产品虚拟数字化生产线包括企业各类型产品的虚拟沉浸式生产线加工模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210928923.8A CN114998070B (zh) | 2022-08-03 | 2022-08-03 | 一种企业数字学习平台沉浸式数字化学习方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210928923.8A CN114998070B (zh) | 2022-08-03 | 2022-08-03 | 一种企业数字学习平台沉浸式数字化学习方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114998070A CN114998070A (zh) | 2022-09-02 |
CN114998070B true CN114998070B (zh) | 2022-11-08 |
Family
ID=83021880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210928923.8A Active CN114998070B (zh) | 2022-08-03 | 2022-08-03 | 一种企业数字学习平台沉浸式数字化学习方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114998070B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11067970B1 (en) * | 2020-02-27 | 2021-07-20 | Guangdong University Of Technology | Method for designing production line based on digital twin |
CN112085261B (zh) * | 2020-08-19 | 2022-06-21 | 浙江工业大学 | 基于云端融合和数字孪生技术的企业生产现状诊断方法 |
CN114708584B (zh) * | 2022-03-31 | 2024-07-23 | 重庆中烟工业有限责任公司 | 基于大数据的卷烟产品质量缺陷防控学习系统及方法 |
CN114493049A (zh) * | 2022-04-07 | 2022-05-13 | 卡奥斯工业智能研究院(青岛)有限公司 | 基于数字孪生的产线优化方法、装置、电子设备及介质 |
-
2022
- 2022-08-03 CN CN202210928923.8A patent/CN114998070B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114998070A (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109961008B (zh) | 基于文字定位识别的表格解析方法、介质及计算机设备 | |
CN110378206B (zh) | 一种智能审图系统及方法 | |
CN109887362B (zh) | 一种用于教学的人机交互式自动展示系统 | |
CN110610193A (zh) | 标注数据的处理方法及装置 | |
CN111461681B (zh) | 审核方法以及装置 | |
CN114155244B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
CN111694937A (zh) | 基于人工智能的面试方法、装置、计算机设备及存储介质 | |
CN112527821A (zh) | 一种学生布鲁姆掌握度评估方法、系统及存储介质 | |
CN107015875A (zh) | 一种电子整机贮存寿命评估方法及装置 | |
CN110969600A (zh) | 一种产品缺陷检测方法、装置、电子设备及存储介质 | |
CN111080633A (zh) | 屏缺陷检测方法、装置、终端设备以及存储介质 | |
CN112861662A (zh) | 基于人脸和交互文本的目标对象行为预测方法及相关设备 | |
CN113822847A (zh) | 基于人工智能的图像评分方法、装置、设备及存储介质 | |
CN113807728A (zh) | 基于神经网络的绩效考核方法、装置、设备及存储介质 | |
CN113591093A (zh) | 基于自注意力机制的工业软件漏洞检测方法 | |
CN117217020A (zh) | 一种基于数字孪生的工业模型构建方法及系统 | |
CN112527676A (zh) | 模型自动化测试方法、装置及存储介质 | |
CN114998070B (zh) | 一种企业数字学习平台沉浸式数字化学习方法及系统 | |
CN112052327A (zh) | 一种知识点掌握情况分析系统的方法 | |
CN107193872A (zh) | 问答数据处理方法及装置 | |
CN111062827A (zh) | 一种基于人工智能模式的工程监理方法 | |
CN112882934B (zh) | 基于缺陷增长的测试分析方法及系统 | |
CN113627755B (zh) | 智能终端工厂的测试方法、装置、设备及存储介质 | |
CN114693554A (zh) | 一种大数据图像处理方法及系统 | |
CN113377962A (zh) | 一种基于图像识别和自然语言处理的智能过程模拟方法 |
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 |