CN115128986A - 基于SaaS级的工业互联网产量实时监控系统及方法 - Google Patents
基于SaaS级的工业互联网产量实时监控系统及方法 Download PDFInfo
- Publication number
- CN115128986A CN115128986A CN202210914907.3A CN202210914907A CN115128986A CN 115128986 A CN115128986 A CN 115128986A CN 202210914907 A CN202210914907 A CN 202210914907A CN 115128986 A CN115128986 A CN 115128986A
- Authority
- CN
- China
- Prior art keywords
- production
- quality inspection
- yield
- product
- parameter
- 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
Images
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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- 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
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
Abstract
本申请的实施例提供了一种基于SaaS级的工业互联网产量实时监控系统及方法。通过获取采集设备在单位时间发送的实时产量;基于设定的统计周期对实时产量进行汇总得到统计周期内对应的总产量;基于所述总产量和质检信息中的故障数量,确定用于表示生产质量的生产参数;若所述生产参数大于或者等于设定阈值,则根据所述故障数量和预设的产量定额,确定补充生产所需的生产时长;若所述生产时长小于时长阈值,则生成补充生产指令并将所述补充生产指令发送至生产控制装置,以指示生产控制装置继续进行补充生产,本申请实施例的技术方案通过基于实际生产数据进行实时产量监控,并结合生产质量进行质量控制,提高了生产监控的效率和可靠性。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种基于SaaS级的工业互联网产量实时监控系统及方法、计算机可读介质及电子设备。
背景技术
在很多生产应用中,需要对实际的生产环境进行实时监控,以获取到实时的生产数据来对生产情况进行评估。但是现有的生产监控往往不能实时的获取生产数据,也很难在监控生产数据的同时监控生产质量,导致生产监控效率很低的问题。
发明内容
本申请的实施例提供了一种基于SaaS级的工业互联网产量实时监控系统及方法、计算机可读介质及电子设备,进而至少在一定程度上可以提高产量监控的效率和可靠性。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种基于SaaS级的工业互联网产量实时监控方法,包括:获取采集设备在单位时间发送的实时产量;基于设定的统计周期,对所述实时产量进行汇总,得到所述统计周期内对应的总产量;获取产品的质检信息,其中,所述质检信息包括质检不合格的故障产品对应的故障数量;基于所述总产量和所述故障数量,确定用于表示生产质量的生产参数;若所述生产参数大于或者等于设定阈值,则根据所述故障数量和预设的产量定额,确定补充生产所需的生产时长;若所述生产时长小于时长阈值,则生成补充生产指令;将所述补充生产指令发送至生产控制装置。
在本申请的一些实施例中,基于前述方案,所述获取产品的质检信息,包括:基于产品标识和设定的采样频率,对所述产品进行采样,得到采样产品;获取所述采样产品对应的图像;将所述图像通过预先训练得到的质检模型进行图像分析,得到所述产品对应的质检信息。
在本申请的一些实施例中,基于前述方案,所述图像包括至少两个图像;将所述图像通过预先训练得到的质检模型进行图像分析,得到所述产品对应的质检信息,包括:基于所述图像的像素信息,确定灰度级数;基于所述像素信息和所述灰度级数,确定表示图像清晰度的图像参数;选取图像参数最大的图像,通过预先训练得到的质检模型进行图像分析,得到所述产品对应的质检信息。
在本申请的一些实施例中,基于前述方案,所述基于所述总产量和所述故障数量,确定生产参数,包括:基于所述故障数量和所述总产量之间的比值,确定故障参数;并基于所述故障数量和所述总产量之间的差值,确定正常参数;基于所述故障参数和所述正常参数,确定用于表示生产质量的生产参数。
在本申请的一些实施例中,基于前述方案,所述方法还包括:在生产环境中布设传感器设备和网关装置;在传感器设备、网关装置以及上位机之间构建基于大数据的生产监控系统。
在本申请的一些实施例中,基于前述方案,所述获取产品的质检信息之后,还包括:若所述质检信息中的故障数量与总产量之间的比值大于或者等于设定阈值,则判定该生产线为故障生产线;对所述故障生产线进行检修。
在本申请的一些实施例中,基于前述方案,所述基于设定的统计周期,对所述实时产量进行汇总,得到所述统计周期内对应的总产量之后,还包括:若所述总产量与设定产量之间的差大于或者等于设定的产量阈值,则判定该生产线为高产线;将所述高产线作为优先使用的生产线。
在本申请的一些实施例中,基于前述方案,所述若所述生产参数大于或者等于设定阈值,则根据所述故障数量和预设的产量定额,确定补充生产所需的生产时长之后,还包括:若所述生产时长大于或者等于时长阈值,则判定不进行补充生产。
在本申请的一些实施例中,基于前述方案,所述方法还包括:对补充生产的产品进行质检,生成补充质检信息;将所述补充质检信息和所述质检信息进合并分析,得到最终质检信息。
根据本申请实施例的一个方面,提供了一种基于SaaS级的工业互联网产量实时监控系统,包括:
获取单元,用于获取采集设备在单位时间发送的实时产量;
汇总单元,用于基于设定的统计周期,对所述实时产量进行汇总,得到所述统计周期内对应的总产量;
质检单元,用于获取产品的质检信息,其中,所述质检信息包括质检不合格的故障产品对应的故障数量;
参数单元,用于基于所述总产量和所述故障数量,确定用于表示生产质量的生产参数;
时长单元,用于若所述生产参数大于或者等于设定阈值,则根据所述故障数量和预设的产量定额,确定补充生产所需的生产时长;
指令单元,用于若所述生产时长小于时长阈值,则生成补充生产指令;
发送单元,用于将所述补充生产指令发送至生产控制装置。
在本申请的一些实施例中,基于前述方案,所述获取产品的质检信息,包括:基于产品标识和设定的采样频率,对所述产品进行采样,得到采样产品;获取所述采样产品对应的图像;将所述图像通过预先训练得到的质检模型进行图像分析,得到所述产品对应的质检信息。
在本申请的一些实施例中,基于前述方案,所述图像包括至少两个图像;将所述图像通过预先训练得到的质检模型进行图像分析,得到所述产品对应的质检信息,包括:基于所述图像的像素信息,确定灰度级数;基于所述像素信息和所述灰度级数,确定表示图像清晰度的图像参数;选取图像参数最大的图像,通过预先训练得到的质检模型进行图像分析,得到所述产品对应的质检信息。
在本申请的一些实施例中,基于前述方案,所述基于所述总产量和所述故障数量,确定生产参数,包括:基于所述故障数量和所述总产量之间的比值,确定故障参数;并基于所述故障数量和所述总产量之间的差值,确定正常参数;基于所述故障参数和所述正常参数,确定用于表示生产质量的生产参数。
在本申请的一些实施例中,基于前述方案,所述方法还包括:在生产环境中布设传感器设备和网关装置;在传感器设备、网关装置以及上位机之间构建基于大数据的生产监控系统。
在本申请的一些实施例中,基于前述方案,所述获取产品的质检信息之后,还包括:若所述质检信息中的故障数量与总产量之间的比值大于或者等于设定阈值,则判定该生产线为故障生产线;对所述故障生产线进行检修。
在本申请的一些实施例中,基于前述方案,所述基于设定的统计周期,对所述实时产量进行汇总,得到所述统计周期内对应的总产量之后,还包括:若所述总产量与设定产量之间的差大于或者等于设定的产量阈值,则判定该生产线为高产线;将所述高产线作为优先使用的生产线。
在本申请的一些实施例中,基于前述方案,所述若所述生产参数大于或者等于设定阈值,则根据所述故障数量和预设的产量定额,确定补充生产所需的生产时长之后,还包括:若所述生产时长大于或者等于时长阈值,则判定不进行补充生产。
在本申请的一些实施例中,基于前述方案,所述方法还包括:对补充生产的产品进行质检,生成补充质检信息;将所述补充质检信息和所述质检信息进合并分析,得到最终质检信息。
根据本申请实施例的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例中所述的基于SaaS级的工业互联网产量实时监控方法。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,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时,使得所述一个或多个处理器实现如上述实施例中所述的基于SaaS级的工业互联网产量实时监控方法。
根据本申请实施例的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的基于SaaS级的工业互联网产量实时监控方法。
在本申请的一些实施例所提供的技术方案中,获取采集设备在单位时间发送的实时产量;基于设定的统计周期对实时产量进行汇总得到统计周期内对应的总产量;基于所述总产量和质检信息中的故障数量,确定用于表示生产质量的生产参数;若所述生产参数大于或者等于设定阈值,则根据所述故障数量和预设的产量定额,确定补充生产所需的生产时长;若所述生产时长小于时长阈值,则生成补充生产指令并将所述补充生产指令发送至生产控制装置,以指示生产控制装置继续进行补充生产,本申请实施例的技术方案通过基于实际生产数据进行实时产量监控,并结合生产质量进行质量控制,提高了生产监控的效率和可靠性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
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,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1示意性示出了根据本申请的一个实施例的基于SaaS级的工业互联网产量实时监控方法的流程图。
图2示意性示出了根据本申请的一个实施例的获取产品的质检信息的流程图。
图3示意性示出了根据本申请的一个实施例的基于SaaS级的工业互联网产量实时监控系统的示意图。
图4示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
在本申请的一个实施例中,在生产环境中布设传感器设备和网关装置;其中传感器设备可以是温度、湿度以及重量传感器等等,之后在传感器设备、网关装置以及上位机之间构建基于大数据的生产监控系统,用于进行实时的生产监控。同时在上位机中搭建监控平台或者安装监控软件,用于通过监控平台来进行生产监控和控制指令的下放,这种方式无需购买软硬件或者建设机房,即可通过互联网使用信息系统进行管理。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
图1示出了根据本申请的一个实施例的基于SaaS级的工业互联网产量实时监控方法的流程图。参照图1所示,该基于SaaS级的工业互联网产量实时监控方法至少包括步骤S110至步骤S170,详细介绍如下:
在步骤S 110中,获取采集设备在单位时间发送的实时产量。
在本申请的一个实施例中,在设备运行过程中,获取采集设备在单位时间发送的单位时间内的实时产量。本实施例中的实时产量是以单位时间统计的。
本实施例中的采集设备可以是重力传感器。单位时间可以是一小时、三小时等等。
在步骤S120中,基于设定的统计周期,对所述实时产量进行汇总,得到所述统计周期内对应的总产量。
在本申请的一个实施例中,统计周期可以是一天或者一周等等。在到达统计周期时,对实时产量进行汇总,得到统计周期内的总产量。
本实施例中通过基于统计周期对实时产量进行汇总可以得到一个统计周期内的全部产量,以针对性的进行分析。
在本申请的一个实施例中,基于设定的统计周期,对所述实时产量进行汇总,得到所述统计周期内对应的总产量之后,还包括:
若所述总产量与设定产量之间的差大于或者等于设定的产量阈值,即总产量超出设定产量很多的情况下,判定该生产线为高产线,之后将所述高产线作为优先使用的生产线。以通过这种方式提高生产效率和生产线的利用率。
在步骤S130中,获取产品的质检信息,其中,所述质检信息包括质检不合格的故障产品对应的故障数量。
在本申请的一个实施例中,针对统计周期内的产品进行质检,获取到质检信息,具体包括质检不通过或者不合格的故障产品的产品标识、以及故障故障产品对应的故障数量。
在本申请的一个实施例中,如图2所示,步骤S130中获取产品的质检信息,包括:
S210,基于产品标识和设定的采样频率,对所述产品进行采样,得到采样产品;
S220,获取所述采样产品对应的图像;
S230,将所述图像通过预先训练得到的质检模型进行图像分析,得到所述产品对应的质检信息。
具体的,我们先基于产品的产品标识和预设的采样频率,对产品进行采样以得到采样产品,示例性地,若预设的采样频率为10,则间隔10个产品来进行采样。之后获取采样产品对应的图像以通过质检模型进行图像分析,得到该产品对应的质检信息。
本实施例中通过基于卷积神经网络构建质检模型,之后通过图像样本及其对应的标签,对质检模型进行训练,使得质检模型的损失函数收敛到最小以得到精确的质检模型。
在本申请的一个实施例中,所述图像包括至少两个图像;步骤S230中将所述图像通过预先训练得到的质检模型进行图像分析,得到所述产品对应的质检信息,包括:
基于所述图像的像素信息,确定灰度级数;
基于所述像素信息和所述灰度级数,确定表示图像清晰度的图像参数;
选取图像参数最大的图像,通过预先训练得到的质检模型进行图像分析,得到所述产品对应的质检信息。
在本申请一实施例中,基于图像的像素信息生成图像的灰度直方图,之后确定灰度直方图中的灰度级数f、以及各灰度级数对应的像素数量Pix_i,基于上述信息确定各灰度级数对应的像素均值为Pix_tal/f,本实施例中通过像素均值来衡量其他像素点的像素值与该像素均值之间的偏差大小;获取到图像的总像素为Pix_tal,之后基于上述信息确定图像参数为:
其中,α表示预设的图像因子,i表示小于或者等于f的自然数。上述计算得到的图像参数越小表示图像各像素点之间的差异越小,则越不清楚,图像参数越高,则表示像素点之间的差异越高,即图像越清楚。
对于同一产品对应的多个图像,我们选取图像参数最大的图像,通过预先训练得到的质检模型进行图像分析,得到所述产品对应的质检信息,即该产品是否为合格产品。
在本申请的一个实施例中,获取产品的质检信息之后,还包括:若所述质检信息中的故障数量与总产量之间的比值,即故障率,大于或者等于设定阈值,则说明该生产线存在较大的故障问题,判定该生产线为故障生产线,之后对该故障生产线进行检修。
在步骤S140中,基于所述总产量和所述故障数量,确定用于表示生产质量的生产参数。
在本申请的一个实施例中,在对统计周期内的产品进行抽检之后,确定质检不合格的故障产品对应的故障数量,以基于所述总产量和所述故障数量,确定用于表示生产质量的生产参数,本实施例中通过生产参数用来衡量统计周期内的生产情况。
在本申请的一个实施例中,基于所述总产量和所述故障数量,确定生产参数,包括:
基于所述故障数量和所述总产量之间的比值,确定故障参数;
并基于所述故障数量和所述总产量之间的差值,确定正常参数;
基于所述故障参数和所述正常参数,确定用于表示生产质量的生产参数。
在本申请一实施例中,通过基于所述故障数量Num_fau和所述总产量Num_tal之间的比值,确定故障参数Par_fau为:
并基于所述故障数量Num_fau和所述总产量Num_tal之间的差值,确定正常参数Par_nor为:
基于所述故障参数Par_fau和所述正常参数Par_nor,确定用于表示生产质量的生产参数Par_pro为:
Par_pro=θ·Par_fau+ω·Par_nor
其中,θ、ω表示预设的生产因子。上述方式通过基于基于总产量和故障数量来确定生产参数,用于衡量该统计周期内的生产情况,生产参数越高表示故障率越高,则需要根据实际情况确定是否进行补充生产。
在步骤S150中,若所述生产参数大于或者等于设定阈值,则根据所述故障数量和预设的产量定额,确定补充生产所需的生产时长。
在本申请的一个实施例中,若所述生产参数大于或者等于设定阈值,则根据所述故障数量和预设的产量定额,确定补充生产所需的生产时长。其中,产量定额是表示在技术条件正常,生产工具使用合理和劳动组织正确的条件下,在单位时间内完成合格产品的数量。
具体的,本实施例中可以将故障数量和产量定额之间的商,作为补充生产所需的生产时长。
在步骤S160中,若所述生产时长小于时长阈值,则生成补充生产指令。
在本申请的一个实施例中,若所述生产时长小于时长阈值,则表示补充生产不会影响正常的生产计划,则生成补充生产指令
在本申请的一个实施例中,时长阈值可以为计划生产时长与已用生产时长之间的差。
本实施例中补充生产指令可以包括生产对象、生产数量等信息。
在本申请的一个实施例中,若所述生产时长大于或者等于时长阈值,则说明补充生产所需时间太长,则判定不进行补充生产。这种情况下将重新生成生产订单重新生产。
在步骤S170中,将所述补充生产指令发送至生产控制装置。
在本申请的一个实施例中,在生成补充生产指令之后,将补充生产指令发送至生产控制装置,以指示生产控制装置来进行继续生产。
在本申请的一个实施例中,所述方法还包括:对补充生产的产品进行质检,生成补充质检信息;之后将补充质检信息和所述质检信息进合并分析得到最终质检信息,即将质检信息中的正常产品数据和补充质检信息中的正常产品数据之和作为最终质检信息中的正常产品数据,将补充质检信息中的故障产品数据作为最终质检信息中的故障产品数据。
在本申请的一个实施例中,通过获取采集设备在单位时间发送的实时产量;基于设定的统计周期对实时产量进行汇总得到统计周期内对应的总产量;基于所述总产量和质检信息中的故障数量,确定用于表示生产质量的生产参数;若所述生产参数大于或者等于设定阈值,则根据所述故障数量和预设的产量定额,确定补充生产所需的生产时长;若所述生产时长小于时长阈值,则生成补充生产指令并将所述补充生产指令发送至生产控制装置,以指示生产控制装置继续进行补充生产,本申请实施例的技术方案通过基于实际生产数据进行实时产量监控,并结合生产质量进行质量控制,提高了生产监控的效率和可靠性。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的基于SaaS级的工业互联网产量实时监控方法。可以理解的是,所述装置可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如该装置为一个应用软件;该装置可以用于执行本申请实施例提供的方法中的相应步骤。对于本申请装置实施例中未披露的细节,请参照本申请上述的基于SaaS级的工业互联网产量实时监控方法的实施例。
图3示出了根据本申请的一个实施例的基于SaaS级的工业互联网产量实时监控系统的框图。
参照图3所示,根据本申请的一个实施例的基于SaaS级的工业互联网产量实时监控系统300,包括:
获取单元310,用于获取采集设备在单位时间发送的实时产量;
汇总单元320,用于基于设定的统计周期,对所述实时产量进行汇总,得到所述统计周期内对应的总产量;
质检单元330,用于获取产品的质检信息,其中,所述质检信息包括质检不合格的故障产品对应的故障数量;
参数单元340,用于基于所述总产量和所述故障数量,确定用于表示生产质量的生产参数;
时长单元350,用于若所述生产参数大于或者等于设定阈值,则根据所述故障数量和预设的产量定额,确定补充生产所需的生产时长;
指令单元360,用于若所述生产时长小于时长阈值,则生成补充生产指令;
发送单元370,用于将所述补充生产指令发送至生产控制装置。
在本申请的一些实施例中,基于前述方案,所述获取产品的质检信息,包括:基于产品标识和设定的采样频率,对所述产品进行采样,得到采样产品;获取所述采样产品对应的图像;将所述图像通过预先训练得到的质检模型进行图像分析,得到所述产品对应的质检信息。
在本申请的一些实施例中,基于前述方案,所述图像包括至少两个图像;将所述图像通过预先训练得到的质检模型进行图像分析,得到所述产品对应的质检信息,包括:基于所述图像的像素信息,确定灰度级数;基于所述像素信息和所述灰度级数,确定表示图像清晰度的图像参数;选取图像参数最大的图像,通过预先训练得到的质检模型进行图像分析,得到所述产品对应的质检信息。
在本申请的一些实施例中,基于前述方案,所述基于所述总产量和所述故障数量,确定生产参数,包括:基于所述故障数量和所述总产量之间的比值,确定故障参数;并基于所述故障数量和所述总产量之间的差值,确定正常参数;基于所述故障参数和所述正常参数,确定用于表示生产质量的生产参数。
在本申请的一些实施例中,基于前述方案,所述方法还包括:在生产环境中布设传感器设备和网关装置;在传感器设备、网关装置以及上位机之间构建基于大数据的生产监控系统。
在本申请的一些实施例中,基于前述方案,所述获取产品的质检信息之后,还包括:若所述质检信息中的故障数量与总产量之间的比值大于或者等于设定阈值,则判定该生产线为故障生产线;对所述故障生产线进行检修。
在本申请的一些实施例中,基于前述方案,所述基于设定的统计周期,对所述实时产量进行汇总,得到所述统计周期内对应的总产量之后,还包括:若所述总产量与设定产量之间的差大于或者等于设定的产量阈值,则判定该生产线为高产线;将所述高产线作为优先使用的生产线。
在本申请的一些实施例中,基于前述方案,所述若所述生产参数大于或者等于设定阈值,则根据所述故障数量和预设的产量定额,确定补充生产所需的生产时长之后,还包括:若所述生产时长大于或者等于时长阈值,则判定不进行补充生产。
在本申请的一些实施例中,基于前述方案,所述方法还包括:对补充生产的产品进行质检,生成补充质检信息;将所述补充质检信息和所述质检信息进合并分析,得到最终质检信息。
在本申请的一个实施例中,通过获取采集设备在单位时间发送的实时产量;基于设定的统计周期对实时产量进行汇总得到统计周期内对应的总产量;基于所述总产量和质检信息中的故障数量,确定用于表示生产质量的生产参数;若所述生产参数大于或者等于设定阈值,则根据所述故障数量和预设的产量定额,确定补充生产所需的生产时长;若所述生产时长小于时长阈值,则生成补充生产指令并将所述补充生产指令发送至生产控制装置,以指示生产控制装置继续进行补充生产,本申请实施例的技术方案通过基于实际生产数据进行实时产量监控,并结合生产质量进行质量控制,提高了生产监控的效率和可靠性。
图4示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图4示出的电子设备的计算机系统400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4所示,计算机系统400包括中央处理单元(Central Processing Unit,CPU)401,其可以根据存储在只读存储器(Read-Only Memory,ROM)402中的程序或者从储存部分408加载到随机访问存储器(Random Access Memory,RAM)403中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 403中,还存储有系统操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(Input/Output,I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分407;包括硬盘等的储存部分408;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入储存部分408。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。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、或半导体的系统、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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-OnlyMemory,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介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号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计算机程序。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介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、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。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码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。也应当注意,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,两个接连地表示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,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操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。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的方法。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
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进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于SaaS级的工业互联网产量实时监控方法,其特征在于,包括:
获取采集设备在单位时间发送的实时产量;
基于设定的统计周期,对所述实时产量进行汇总,得到所述统计周期内对应的总产量;
获取产品的质检信息,其中,所述质检信息包括质检不合格的故障产品对应的故障数量;
基于所述总产量和所述故障数量,确定用于表示生产质量的生产参数;
若所述生产参数大于或者等于设定阈值,则根据所述故障数量和预设的产量定额,确定补充生产所需的生产时长;
若所述生产时长小于时长阈值,则生成补充生产指令;
将所述补充生产指令发送至生产控制装置。
2.根据权利要求1所述的方法,其特征在于,获取产品的质检信息,包括:
基于产品标识和设定的采样频率,对所述产品进行采样,得到采样产品;
获取所述采样产品对应的图像;
将所述图像通过预先训练得到的质检模型进行图像分析,得到所述产品对应的质检信息。
3.根据权利要求2所述的方法,其特征在于,所述图像包括至少两个图像;
将所述图像通过预先训练得到的质检模型进行图像分析,得到所述产品对应的质检信息,包括:
基于所述图像的像素信息,确定灰度级数;
基于所述像素信息和所述灰度级数,确定表示图像清晰度的图像参数;
选取图像参数最大的图像,通过预先训练得到的质检模型进行图像分析,得到所述产品对应的质检信息。
4.根据权利要求1所述的方法,其特征在于,基于所述总产量和所述故障数量,确定生产参数,包括:
基于所述故障数量和所述总产量之间的比值,确定故障参数;
并基于所述故障数量和所述总产量之间的差值,确定正常参数;
基于所述故障参数和所述正常参数,确定用于表示生产质量的生产参数。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在生产环境中布设传感器设备和网关装置;
在传感器设备、网关装置以及上位机之间构建基于大数据的生产监控系统。
6.根据权利要求1所述的方法,其特征在于,获取产品的质检信息之后,还包括:
若所述质检信息中的故障数量与总产量之间的比值大于或者等于设定阈值,则判定这条生产线为故障生产线;
对所述故障生产线进行检修。
7.根据权利要求1所述的方法,其特征在于,基于设定的统计周期,对所述实时产量进行汇总,得到所述统计周期内对应的总产量之后,还包括:
若所述总产量与设定产量之间的差大于或者等于设定的产量阈值,则判定这条生产线为高产线;
将所述高产线作为优先使用的生产线。
8.根据权利要求1所述的方法,其特征在于,若所述生产参数大于或者等于设定阈值,则根据所述故障数量和预设的产量定额,确定补充生产所需的生产时长之后,还包括:
若所述生产时长大于或者等于时长阈值,则判定不进行补充生产。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对补充生产的产品进行质检,生成补充质检信息;
将所述补充质检信息和所述质检信息进合并分析,得到最终质检信息。
10.一种基于SaaS级的工业互联网产量实时监控系统,其特征在于,包括:
获取单元,用于获取采集设备在单位时间发送的实时产量;
汇总单元,用于基于设定的统计周期,对所述实时产量进行汇总,得到所述统计周期内对应的总产量;
质检单元,用于获取产品的质检信息,其中,所述质检信息包括质检不合格的故障产品对应的故障数量;
参数单元,用于基于所述总产量和所述故障数量,确定用于表示生产质量的生产参数;
时长单元,用于若所述生产参数大于或者等于设定阈值,则根据所述故障数量和预设的产量定额,确定补充生产所需的生产时长;
指令单元,用于若所述生产时长小于时长阈值,则生成补充生产指令;
发送单元,用于将所述补充生产指令发送至生产控制装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210914907.3A CN115128986A (zh) | 2022-07-29 | 2022-07-29 | 基于SaaS级的工业互联网产量实时监控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210914907.3A CN115128986A (zh) | 2022-07-29 | 2022-07-29 | 基于SaaS级的工业互联网产量实时监控系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115128986A true CN115128986A (zh) | 2022-09-30 |
Family
ID=83385698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210914907.3A Pending CN115128986A (zh) | 2022-07-29 | 2022-07-29 | 基于SaaS级的工业互联网产量实时监控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115128986A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117873007A (zh) * | 2024-03-11 | 2024-04-12 | 成都秦川物联网科技股份有限公司 | 基于工业物联网的制造流程管理方法、系统、设备及介质 |
CN117873007B (zh) * | 2024-03-11 | 2024-05-24 | 成都秦川物联网科技股份有限公司 | 基于工业物联网的制造流程管理方法、系统、设备及介质 |
-
2022
- 2022-07-29 CN CN202210914907.3A patent/CN115128986A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117873007A (zh) * | 2024-03-11 | 2024-04-12 | 成都秦川物联网科技股份有限公司 | 基于工业物联网的制造流程管理方法、系统、设备及介质 |
CN117873007B (zh) * | 2024-03-11 | 2024-05-24 | 成都秦川物联网科技股份有限公司 | 基于工业物联网的制造流程管理方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115122155B (zh) | 基于工业互联网大数据的机床远程诊断方法及系统 | |
CN107992410B (zh) | 软件质量监测方法、装置、计算机设备和存储介质 | |
CN114757587B (zh) | 一种基于大数据的产品质量控制系统及方法 | |
CN106874135B (zh) | 用于检测机房故障的方法、装置及设备 | |
CN111402017A (zh) | 一种基于大数据的信用评分方法和系统 | |
CN115277261B (zh) | 基于工控网络病毒的异常机器智能识别方法、装置、设备 | |
CN114626563B (zh) | 一种基于大数据的配件管理方法及系统 | |
CN111737249A (zh) | 基于Lasso算法的异常数据检测方法及装置 | |
CN112633708B (zh) | 机械设备故障检测方法、装置、介质及电子设备 | |
CN110490132B (zh) | 数据处理方法和装置 | |
CN115293735A (zh) | 一种无人工厂工业互联网平台监测管理方法及系统 | |
CN115128986A (zh) | 基于SaaS级的工业互联网产量实时监控系统及方法 | |
CN112887355A (zh) | 异常服务器的业务处理方法及装置 | |
CN113238911B (zh) | 告警处理方法及装置 | |
CN115348293A (zh) | 一种工业互联网设备智能管控远程运维方法及平台 | |
CN111128775A (zh) | 集成电路制程异常的定位方法和装置 | |
CN107121616B (zh) | 一种用于对智能仪表进行故障定位的方法和装置 | |
CN114416441A (zh) | 实时数据库自动化测试方法、系统、电子设备及存储介质 | |
CN112087482B (zh) | 利用云端系统对多台设备进行管理的方法 | |
CN115292146B (zh) | 一种系统容量预估方法、系统、设备及存储介质 | |
CN113341366B (zh) | 一种用户电表状态监测方法、装置设备和存储介质 | |
CN115454867A (zh) | 项目测试方法、装置、计算机可读介质及电子设备 | |
CN115828977A (zh) | 工业互联网标签编码方法、装置、介质及电子设备 | |
CN117493797A (zh) | 一种物联网设备的故障预测方法及装置、电子设备、存储介质 | |
CN115270980A (zh) | 接插件剩余寿命预测模型训练方法以及剩余寿命预测方法 |
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 |