CN115147236A - 一种处理方法、处理装置和电子设备 - Google Patents
一种处理方法、处理装置和电子设备 Download PDFInfo
- Publication number
- CN115147236A CN115147236A CN202210770171.7A CN202210770171A CN115147236A CN 115147236 A CN115147236 A CN 115147236A CN 202210770171 A CN202210770171 A CN 202210770171A CN 115147236 A CN115147236 A CN 115147236A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- analysis result
- data
- analysis
- solution
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 68
- 238000003672 processing method Methods 0.000 title abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 334
- 238000004519 manufacturing process Methods 0.000 claims abstract description 206
- 230000002159 abnormal effect Effects 0.000 claims abstract description 183
- 238000000034 method Methods 0.000 claims abstract description 83
- 230000008569 process Effects 0.000 claims abstract description 53
- 230000036541 health Effects 0.000 claims abstract description 50
- 238000003745 diagnosis Methods 0.000 claims description 33
- 238000012549 training Methods 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000003780 insertion Methods 0.000 claims description 8
- 230000037431 insertion Effects 0.000 claims description 8
- 238000004886 process control Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 68
- 239000000047 product Substances 0.000 description 42
- 238000007726 management method Methods 0.000 description 23
- 230000005856 abnormality Effects 0.000 description 11
- 238000012423 maintenance Methods 0.000 description 11
- 230000007547 defect Effects 0.000 description 10
- 238000012384 transportation and delivery Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 239000000463 material Substances 0.000 description 8
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000003064 k means clustering Methods 0.000 description 5
- 241000208125 Nicotiana Species 0.000 description 4
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000003326 Quality management system Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 239000011265 semifinished product Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012546 transfer Methods 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
- G06Q50/04—Manufacturing
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种处理方法、处理装置和电子设备,涉及工业数字化领域,方法包括:获取生产制造相关的运营数据,其中,运营数据至少包括以下任意一种或者多种:生产计划执行数据、生产工艺数据、生产过程质量数据、产品质量数据和设备运行数据;基于运营数据进行运营健康分析,得到分析结果;判断分析结果是否异常,若分析结果异常,则根据分析结果异常的运营数据确定解决方案;根据解决方案,调用相应的作业系统和/或设备处理异常情况。本申请能够可以减少问题处理过程中的人为操作,自动化地处理异常情况,提高了处理效率。
Description
技术领域
本申请涉及工业数字化的技术领域,尤其是涉及一种处理方法、处理装置和电子设备。
背景技术
随着工业数字化的普及,企业建立信息管理系统,将原来线下的生产、制造和管理过程进行了信息化支撑,如MES系统(Manufacturing Execution System,制造企业生产过程执行系统)、质量管理系统、设备维护系统等。但是,这些系统如何使用,使用的规范、策略和各种配置等,还是由人为操作为主,处理效率较低。
因此,如何提供一种高效的处理方法是本领域亟待解决的技术问题。
发明内容
为了提高处理的效率,本申请提供一种处理方法、处理装置和电子设备。
第一方面,本申请提供一种处理方法,采用如下的技术方案:
一种处理方法,包括:
获取生产制造相关的运营数据,其中,所述运营数据至少包括以下任意一种或者多种:生产计划执行数据、生产工艺数据、生产过程质量数据、产品质量数据和设备运行数据;
基于所述运营数据进行运营健康分析,得到分析结果;
判断所述分析结果是否异常,若所述分析结果异常,则根据分析结果异常的运营数据确定解决方案;
根据所述解决方案,调用相应的作业系统和/或设备处理异常情况。
通过采用上述技术方案,通过对获取到的生产制造相关的运营数据进行运营健康分析得到分析结果,能够基于生产制造过程中实际情况进行洞察分析,实现智能化分析;进而,能够通过判断分析结果是否异常,智能化地发现在生产制造过程中存在的问题;当分析结果异常时,根据分析结果异常的运营数据确定解决方案,以实现解决方案的自动确定;根据解决方案,调用对应的作业系统和/或设备进行问题的处理。本申请能够根据运营数据进行智能化分析得到的分析结果确定是否存在异常情况,当存在异常情况时,能够根据分析结果异常的运营数据确定解决方案,再基于解决方案进行系统和/或设备的协同处理,以解决问题,可以减少问题处理过程中的人为操作,实现自动化地处理异常情况,提高了处理效率。
本申请在一较佳示例中可以进一步配置为:所述基于所述运营数据进行运营健康分析,得到分析结果,包括:
将生产计划执行数据进行目标分析,得到分析结果,其中,所述目标分析包括:生产前计划匹配性检查分析、插单影响分析、排产校验分析中的任意一种或多种;
和/或,将所述生产工艺数据,进行工艺过程控制分析,得到工艺指标预测值的分析结果;
和/或,将所述生产过程质量数据,进行生产过程质量分析,得到生产过程质量分数的分析结果;
和/或,将所述产品质量数据,进行产品质量洞察分析,得到产品质量分数的分析结果;
和/或,将所述设备运行数据,进行设备健康分析,得到设备健康度分数的分析结果。
通过采用上述技术方案,能够运用生产前计划匹配性检查分析,得到生产计划是否正常的分析结果,以在生产前确认各种资源能否满足生产计划的要求;运用插单影响分析,得到已排订单是否满足交货期的分析结果,可以确认在某个任务提升优先级时,其他任务能否在规定的交货时间内完成;运用排产校验分析,得到排产的约束条件是否符合的分析结果,可以在生产过程中,分析当前的排班、物料能否满足交货时间的要求;运用工艺过程控制分析,得到工艺指标预测值的分析结果,可以预测工艺指标的变化情况;运用生产过程质量分析,得到生产过程质量分数的分析结果,可以智能地识别生产过程中的质量缺陷,避免影响后续生产过程;运用产品质量洞察分析,得到产品质量分数的分析结果,可以识别出质量不合格的产品,以免影响销售环节;运用设备健康分析,得到设备健康度分数的分析结果,可以实现对设备的智能化分析。
本申请在一较佳示例中可以进一步配置为:所述判断所述分析结果是否异常包括:
判断所述分析结果是否在预设范围内;
若所述分析结果在预设范围内,则确定所述分析结果无异常;若所述分析结果不在预设范围内,则确定所述分析结果异常;
或,计算历史分析结果与所述分析结果的差,得到差额;
若所述差额在趋势范围内,则确定所述分析结果无异常;若所述差额不在趋势范围内,则确定所述分析结果异常。
通过采用上述技术方案,能够通过判断分析结果是否在预设范围内,可以识别出异常的情况;通过计算差额的方式判断分析结果是否异常,可以通过运营数据变动的趋势,更为精准地识别出未来可能出现异常情况的运营数据,并发送预警信号;根据不同的业务,预存有不同的判断分析结果是否异常的指标,便于有针对性地对业务进行分析和处理,提高了分析结果确定的准确性。
本申请在一较佳示例中可以进一步配置为:所述根据分析结果异常的运营数据确定解决方案,包括:
利用异常诊断模型对所述分析结果异常的运营数据进行诊断,以确定所述解决方案,其中,所述异常诊断模型是基于异常运营样本数据以及对应的解决方案样本进行训练得到的。
通过采用上述技术方案,能够利用异常诊断模型进行解决方案的确认,能够极大地提高解决方案的确认效率。
本申请在一较佳示例中可以进一步配置为:所述异常诊断模型的训练过程包括:
获取所述异常运营样本数据和对应的解决方案样本;
利用所述异常运营样本数据和对应的解决方案样本进行训练,得到所述异常诊断模型。
通过采用上述技术方案,能够利用异常运营样本数据和对应的解决方案样本进行模型训练,得到异常诊断模型。
本申请在一较佳示例中可以进一步配置为:所述根据所述解决方案,调用相应的作业系统和/或设备处理异常情况,包括:
根据所述解决方案,确定协同对象和确定待传输数据,其中,所述协同对象包括与解决方案对应的作业系统和/或设备;
获取所述协同对象对应的接口信息;
根据所述接口信息将所述待传输数据发送至所述协同对象。
通过采用上述技术方案,能够根据所述解决方案,确定作业系统和/或设备协同对象和确定待传输数据;获取所述作业系统和/或设备协同对象对应的接口信息;能够根据所述接口信息将所述待传输数据精准地发送至所述协同对象作业系统和/或设备,以自动化地解决分析结果异常的问题。
本申请在一较佳示例中可以进一步配置为:在所述根据所述解决方案,调用相应的作业系统和/或设备处理异常情况之后,还包括:
当所述分析结果异常处理完成后,对处理结果进行评价,得到评价结果;
若所述评价结果异常,则确认新解决方案,并根据所述新解决方案调用相应的作业系统和/或设备处理异常情况,直至评价结果正常。
通过采用上述技术方案,能够在分析结果异常处理完成后,基于处理结果进行评价,确定是否成功解决了异常情况,若未解决,则继续针对异常情况进行处理,直至异常情况解决为止,保证生产制造能够正常完成。
本申请在一较佳示例中可以进一步配置为:在所述判断所述分析结果是否异常之后,还包括:
若所述运营数据无异常,则定期对所述运营数据进行分析,形成分析报表;
将所述分析报表发送至管理人员的终端设备。
通过采用上述技术方案,当分析结果无异常时,可以长期监测生产制造过程中的数据;定期对运营数据进行分析,形成分析报表,有助于管理人员通过分析报表对运营状况进行了解。
第二方面,本申请提供一种处理装置,采用如下的技术方案:
一种处理装置,包括,
数据获取模块,用于获取生产制造相关的运营数据,其中,所述运营数据至少包括以下任意一种或者多种:生产计划执行数据、生产工艺数据、生产过程质量数据、产品质量数据和设备运行数据;
洞察分析模块,用于基于所述运营数据进行运营健康分析,得到分析结果;
预警模块,用于判断所述分析结果是否异常,若所述分析结果异常,则根据分析结果异常的运营数据确定解决方案;
协同处理模块,用于根据所述解决方案,调用相应的作业系统和/或设备处理异常情况。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行上述任意一项的方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述任意一项的方法。
综上所述,本申请包括以下至少一种有益技术效果:
1.通过对获取到的生产制造相关的运营数据进行运营健康分析得到分析结果,能够基于生产制造过程中实际情况进行洞察分析,实现智能化分析;进而,能够通过判断分析结果是否异常,智能化地发现在生产制造过程中存在的问题;当分析结果异常时,根据分析结果异常的运营数据确定解决方案,以实现解决方案的自动确定;再根据解决方案,调用对应的作业系统和/或设备进行问题的处理,可以减少问题处理过程中的人为操作,自动化地处理异常情况,提高了处理效率;
2.能够在分析结果异常处理完成后,基于处理结果进行评价,确定是否成功解决了异常情况,若未解决,则继续针对异常情况进行处理,直至异常情况解决为止,保证生产制造能够正常完成;
3.当分析结果无异常时,可以长期监测生产制造过程中的数据;定期对运营数据进行分析,形成分析报表,有助于管理人员通过分析报表对运营状况进行了解。
附图说明
图1是本申请实施例提供的一种处理方法的流程示意图;
图2是本申请实施例提供的一种处理装置的结构示意图;
图3为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
以下结合附图1至附图3对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例作出没有创造性贡献的修改,但只要在本申请的范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
随着工业数字化的普及,企业建立信息管理系统,将原来线下的生产、制造和管理过程进行了信息化支撑,如MES 系统、质量管理系统、设备维护系统等。但是,这些系统如何使用,使用的规范、策略和各种配置等,还是由人为操作为主,处理效率较低。
因而,为了实现系统的分析决策,本申请提供一种处理方法、装置和电子设备,能够通过对获取到的生产制造相关的运营数据进行运营健康分析得到分析结果,能够基于生产制造过程中实际情况进行洞察分析,实现智能化分析;进而,能够通过判断分析结果是否异常,智能化地发现在生产制造过程中存在的问题;当分析结果异常时,根据分析结果异常的运营数据确定解决方案,以实现解决方案的自动确定;再根据解决方案,调用对应的作业系统和/或设备进行问题的处理,可以减少问题处理过程中的人为操作,自动化地处理异常情况,提高了处理效率。
本申请实施例提供的处理方法能够适用多种场景,例如,烟草生产行业、造纸行业等,本申请实施例不再进行限定。
具体地,本申请提供一种处理方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制,如图1所示,该方法包括步骤S101、步骤S102、步骤S103以及步骤S104,其中:
步骤S101、获取生产制造相关的运营数据。
其中,运营数据至少包括以下任意一种或者多种:生产计划执行数据、生产工艺数据、生产过程质量数据、产品质量数据和设备运行数据。
本申请实施例中,运营数据为生产制造过程中的相关数据,包括但是不限定于以下任意一种或者多种:生产计划执行数据、生产工艺数据、生产过程质量数据、产品质量数据和设备运行数据。其中,生产计划执行数据用于记录生产和订单的计划,以及执行中的偏差,包括但是不限于以下任意一种或者多种:订单执行总量、订单执行率、计划投产量、生产量、计划变更量、生产人员个数、计划工作时间、订单执行顺序。
生产工艺数据用于记录生产过程中的关键工艺指标,包括但是不限于以下任意一种或者多种:物料出口水分、物料出口温度、工艺蒸汽温度。
生产过程质量数据用于记录生产过程中的原材料、半成品、副产品的质量数据,包括但是不限于以下任意一种或者多种:外观缺陷类型、外观缺陷数量。
产品质量数据用于记录产成品的质量数据,包括但是不限于以下任意一种或者多种:外观缺陷类型、外观缺陷数量、产品单支克重、产品长度数量、产品圆度数量。
设备运行数据用于记录设备运行过程中可能产生设备缺陷的数据,包括但是不限于以下任意一种或者多种:设备运行效率、设备停机次数、设备停机时间、设备振动数据、设备温度数据、设备电机电流数据。
在一种可实现的方式中,获取生产制造相关的运营数据可以包括:通过数据采集系统SCADA(Supervisory Control And Data Acquisition,数据采集与监视控制系统)获取运营数据。
在另一种可实现的方式中,获取生产制造相关的运营数据可以包括:当通过制造执行系统(MES)系统导入运营数据后,电子设备能够得到运营数据。其中,MES系统中有生产计划管理、设备管理、质量管理等功能,MES系统能够采集生产制造数据,并进行存储,然后将存储的现有数据导入到本电子设备中,以使电子设备能够得到运营数据。
在另一种可实现的方式中,获取生产制造相关的运营数据可以包括:获取人工输入的运营数据。
步骤S102、基于运营数据进行运营健康分析,得到分析结果。
在本申请实施例中能够对生产制造相关的运营数据进行运营健康分析,以确定是否在生产制造过程中出现问题。
本申请不对进行运营健康分析的方式进行限定,可以利用相关算法进行分析判断,还可以利用预先设定好的标准健康数据进行分析判断,还可以利用预先训练好的模型进行分析判断,用户可根据实际需求进行选择。
由此,在一种可能的情况中,基于运营数据进行运营健康分析,可以包括:针对某一运营数据,确定某一运营数据的数据类型;基于数据类型,从预先设定好数据类型和算法类型的对应关系中,确定与数据类型对应的目标算法;利用目标算法对某一运营数据进行健康分析,得到分析结果。其中,数据类型和算法类型的对应关系,用户可根据数据类型进行自定义设置,只要是能够实现本申请实施例的目的即可。
在另一种可能的情况中,基于运营数据进行运营健康分析,可以包括:针对某一运营数据,确定某一运营数据对应的标准健康数据;将某一运营数据与标准健康数据进行对比,得到分析结果。其中,标准健康数据可以是用户自定义设置,或者根据经验值设置,本申请实施例不再进行限定。
在另一种可能的情况中,基于运营数据进行运营健康分析,可以包括:针对某一运营数据,确定与某一运营数据对应的分析模型;利用分析模型对某一运营数据进行运营健康分析,得到分析结果。其中,分析模型为利用训练样本数据对待训练模型进行训练得到的,其中,待训练模型的结果用户可根据实际需求设置。
步骤S103,判断分析结果是否异常,若分析结果异常,则根据分析结果异常的运营数据确定解决方案。
其中,分析结果的类型与运营健康分析的手段对应,本申请实施例不再进行限定。在得到分析结果后,基于本步骤能够针对分析结果进行判断,以确定分析结果是否异常,进而确定生产制造过程中是否发生了异常情况。
针对判断分析结果是否异常进行进一步阐述。在一种可实现的方式中,电子设备中预存有分析结果的合理的预设区间。预设区间可以根据具体业务以及实际使用情况确定,也可以根据工程师的经验确定。若分析结果在预设区间内,则认为分析结果无异常;若分析结果不在预设区间内,则认为分析结果异常。在另一种可实现的方式中,电子设备中预存有分析结果的趋势范围。预设趋势范围可以根据具体业务确定,可以根据实际情况确定,也可以根据工程师的经验确定。
若分析结果无异常,则持续监控运营数据;若发生了异常情况,则能够基于分析结果异常的运营数据确定解决方案。
在一种可能的情况中,确定解决方案的方式可以包括:基于分析异常的运营数据,从映射关系中确定解决方案,其中,映射关系为历史异常运营数据与历史解决方案的映射关系。
在另一种可能的情况中,确定解决方案的方式可以包括:基于异常诊断模型对解决分析异常的运营数据进行分析,以确定解决方案。其中,异常诊断模型是基于异常运营样本数据以及对应的解决方案样本进行训练得到的。
当然,还可能存在其他的确定解决方案的方式,本申请实施例不再进行限定,用户可根据实际需求设置,只要是能够实现本申请实施例的目的即可。
步骤S104、根据解决方案,调用相应的作业系统和/或设备处理异常情况。
本申请实施例能够基于解决方案,自动实现协同处理,以解决问题,能够减少在企业生产制造过程中发现问题、解决问题均需要人参与的情况,实现自动化处理。
具体的,对于不同的解决方案,相应的协同处理过程不同。本申请实施例中,作业系统能够用于日常生产制造中数据的管理,该作业系统与解决方案相对应,当解决方案为生产计划执行数据或生产工艺数据的方案时,对应的作业系统可以为生产计划系统;当解决方案为生产过程质量数据、产品质量数据对应的方案时,对应的作业系统可以为质量管理系统;当解决方案为设备运行数据的方案时,对应的作业系统可以为设备管理系统。当然,当解决方案为任一数据对应的方案时,对应的作业系统可以为MES系统。同样的,设备的选择也是基于解决方案确定的,本申请实施例不再进行限定。
设备用于实际生产的大型仪器,包括但是不限于以下任意一种或者多种:制丝设备、打叶复烤设备、膨胀烟丝设备、薄片设备、卷接包装设备、嘴棒成型设备以及卷接包装过程中的相关设备和辅助设备。
综上可知,在本申请实施例中,通过对获取到的生产制造相关的运营数据进行运营健康分析得到分析结果,能够基于生产制造过程中实际情况进行洞察分析,实现智能化分析;进而,能够通过判断分析结果是否异常,智能化地发现在生产制造过程中存在的问题;当分析结果异常时,根据分析结果异常的运营数据确定解决方案,以实现解决方案的自动确定;根据解决方案,调用对应的作业系统和/或设备进行问题的处理。本申请能够根据运营数据进行智能化分析得到的分析结果确定是否存在异常情况,当存在异常情况时,能够根据分析结果异常的运营数据确定解决方案,而基于解决方案进行系统和/或设备的协同处理,以解决问题,可以减少问题处理过程中的人为操作,实现自动化地处理异常情况,提高了处理效率。
具体的,对于基于运营数据进行运营健康分析,得到分析结果进行进一步阐述。
其中,步骤S102,基于运营数据进行运营健康分析,得到分析结果,包括:步骤S102a(附图未示出)、步骤S102b(附图未示出)、步骤S102c(附图未示出)、步骤S102d(附图未示出)和步骤S102e(附图未示出)中的一个或者多个,其中,
步骤S102a、将生产计划执行数据进行目标分析,得到分析结果,其中,目标分析包括:生产前计划匹配性检查分析、插单影响分析、排产校验分析中的任意一种或多种。
具体的,根据生产计划执行数据的计划投产量、计划变更量、生产人员个数、计划工作时间进行生产前计划匹配性检查分析,得到生产计划是否正常的分析结果,以确认生产前的各种资源是否能满足生产计划的要求,其中,生产前的资源包括但是不限于以下任意一种或多种:时间、人工和物料。
根据生产计划执行数据中的计划变更量、订单执行总量、订单执行顺序进行插单影响分析,得到已排订单是否满足交货期的分析结果;插单影响分析,用于当有额外的订单插入,改变当前订单的优先级时,检验当前订单能否满足交货时间的要求。
根据生产计划执行数据中的生产量、订单执行总量、订单执行率,进行排产校验分析,得到排产的约束条件是否符合的分析结果;排产校验分析,用于在生产过程中,分析当前的排班、物料能否满足交货时间的要求。
步骤S102b、将生产工艺数据,进行工艺过程控制分析,得到工艺指标预测值的分析结果。
具体的,将生产工艺数据,采用套索回归算法,进行工艺过程控制分析,得到工艺指标预测值的分析结果;套索回归算法的优势是如果一组预测因子是高度相关的,套索回归会选出其中一个因子并将其他因子收缩为零;生产工艺数据中物料出口水分、物料出口温度、工艺蒸汽温度的数据相关性较强,采用套索回归能够得到更为准确的工艺指标预测值。
步骤S102c、将生产过程质量数据,进行生产过程质量分析,得到生产过程质量分数的分析结果。
具体的,将生产过程质量数据,采用第一预设算法,进行生产过程质量分析,得到生产过程质量分数的分析结果。优选的,第一预设算法为K均值聚类算法,其中,K均值聚类算法是将数据集中在某些方面相似的数据成员进行分类组织的过程;生产过程质量分析用于发现生产过程中不符合质量要求的原材料、半成品;符合质量要求的原材料、半成品在外观缺陷类型、外观缺陷数量的生产过程质量数据方面有一定的相似性,利用K均值聚类算法能够准确的区分开,分析结果更加准确。
步骤S102d、将产品质量数据,进行产品质量洞察分析,得到产品质量分数的分析结果。
具体的,将产品质量数据,采用第二预设算法,进行产品质量洞察分析,得到产品质量分数的分析结果;优选的,第二预设算法为K均值聚类算法,其中,由于产品质量分析用于发现产成品中不符合质量要求的部分;符合质量要求的产品在产品单支克重、产品长度数量、产品圆度数量的产品质量数据方面有一定的相似性,因而采用K均值聚类算法能够得到准确的分析结果。
步骤S102e、将设备运行数据,进行设备健康分析,得到设备健康度分数的分析结果。
具体的,将设备运行数据,采用支持向量机算法,进行设备健康分析,得到设备健康度分数的分析结果;支持向量机算法用于寻找一个决策曲面,使正例和反例的隔离边界最大化;为了检测设备健康,寻找出设备健康与故障分离的决策曲面,采用支持向量机算法最为合适。
可见,本申请实施例能够运用生产前计划匹配性检查分析,得到生产计划是否正常的分析结果,以在生产前确认各种资源能否满足生产计划的要求;运用插单影响分析,得到已排订单是否满足交货期的分析结果,可以确认在某个任务提升优先级时,其他任务能否在规定的交货时间内完成;运用排产校验分析,得到排产的约束条件是否符合的分析结果,可以在生产过程中,分析当前的排班、物料能否满足交货时间的要求;运用工艺过程控制分析,得到工艺指标预测值的分析结果,可以预测工艺指标的变化情况;运用生产过程质量分析,得到生产过程质量分数的分析结果,可以智能地识别生产过程中的质量缺陷,避免影响后续生产过程;运用产品质量洞察分析,得到产品质量分数的分析结果,可以识别出质量不合格的产品,以免影响销售环节;运用设备健康分析,得到设备健康度分数的分析结果,可以实现对设备的智能化分析。
进一步的,为了能够准确地确定分析结果,本申请实施例提供两种判断分析结果是否异常的方式。
在一种可实现的方式中,判断分析结果是否异常的方式包括:
判断分析结果是否在预设范围内;
若分析结果在预设范围内,则确定分析结果无异常;若分析结果不在预设范围内,则确定分析结果异常。
具体的,在一种可实现的方式中,电子设备中预存有分析结果的合理区间;对于设备健康分数这一分析结果,分数在80-100分确定设备健康,分数在60-80分确定设备亚健康,分数在60分以下确定设备不健康。若分析结果为设备健康分数为50分,则判断为设备不健康,确定分析结果异常。其中,分析结果异常可以为0-80,或,0-60分,本申请实施例不再进行限定。
在另一种可实现的方式中,判断分析结果是否异常的方式包括:计算历史分析结果与分析结果的差,得到差额;若差额在趋势范围内,则确定分析结果无异常;若差额不在趋势范围内,则确定分析结果异常。
例如,电子设备中预存有分析结果的趋势范围,其中,趋势范围用户可根据实际情况设置,本申请实施例不再进行限定,只要是能够实现本申请实施例的目的即可。具体的,以对于工艺参数预测值这一分析结果为例,如趋势范围负10分到正10分为无异常,超出或不足趋势范围为异常。若历史工艺参数预测值为70分,本次工艺参数预测值为85分,差值为15分,则确定分析结果异常。
进一步的,还可以在识别出异常结果后,发出预警信号进行警示。具体的,预警信号可以包括预警格式预警内容以及送达对象。以设备故障为例,轻微故障预警发送给设备操作人员对应的终端设备,中度故障预警发送给班长对应的终端设备。格式和内容如“某某设备”发生“何种类型”的故障。可见,本申请实施例能够通过判断分析结果是否在预设范围内,识别出异常的情况;通过计算差额的方式判断分析结果是否异常,可以通过运营数据变动的趋势,更为精准地识别出未来可能出现异常情况的运营数据,并发送预警信号;根据不同的业务,预存有不同的判断分析结果是否异常的指标,便于有针对性地对业务进行分析和处理,提高了分析结果确定的准确性。
进一步的,为了提高解决方案的确定效率,本申请实施例中,确认异常类型及解决方案,包括:
利用异常诊断模型对分析结果异常的运营数据进行诊断,以确定解决方案,其中,异常诊断模型是基于异常运营样本数据以及对应的解决方案样本进行训练得到的。
可见,本申请能够利用异常诊断模型进行解决方案的确认,能够极大地提高解决方案的确认效率。
具体的,异常诊断模型的训练过程包括:
获取异常运营样本数据和对应的解决方案样本,其中,异常运营样本数据至少包括异常信息、异常原因,解决方案样本至少包括:处理措施和预防措施;
利用异常运营样本数据和对应的解决方案样本进行训练,得到异常诊断模型。
可以理解的是,针对不同类型的运营数据,能够训练不同的异常诊断模型。其中,可以将从历史数据中得到异常运营样本数据和对应的解决方案样本。然后,针对每一类型运营数据构建初始的模型,对于每一模型的结构可以相同,还可以不同,且模型的结构本申请实施例也不再进行限定。
针对某一异常诊断模型的训练可以具体包括:利用异常运营样本数据和对应的解决方案样本进行训练,得到初始异常诊断模型;将初始异常诊断模型利用测试样本进行测试,得到测试结果;当测试结果满足预设结果阈值时,确定初始异常诊断模型为异常诊断模型;否则继续进行训练,直至能够满足预设结果阈值,其中,预设结果阈值用户可根据实际需求设置或者根据经验值设置,本申请实施例不再进行限定。
以下提供针对具体运营数据进行模型训练的过程。其中,在一种可实现的方式中,获取异常运营样本数据(设备故障类型、设备执行参数)和对应的解决方案样本(创建设备维修工单),运用支持向量机算法进行模型训练,得到设备异常诊断模型,其中,设备异常诊断模型能够根据设备健康分数的分析结果,得到解决方案,其中,该解决方案可以是针对设备故障类型的解决方案,其中,故障类型包括但是不限于以下任意一种或多种:腐蚀性故障、磨损性故障、断裂性故障及老化性故障。
在另一种可实现的方式中,获取异常运营样本数据(订单总量、工作工时、订单优先级排序)和对应的解决方案样本(生产延期信息),运用决策树算法对初始生产延期异常诊断模型进行训练,得到生产延期异常诊断模型,其中,生产延期异常诊断模型能够确定生产延期的天数、生产计划变更的天数。
在另一种可实现的方式中,获取异常运营样本数据(出料口水分)和对应的解决方案样本(设备阀门开度),运用朴素贝叶斯算法对初始工艺异常诊断模型进行训练,得到工艺异常诊断模型,工艺异常诊断模型能够根据异常的出料口水分,确定出阀门开度应该设置为多少。
进一步的,为了能够精准地解决生产制造中的问题,根据解决方案,调用相应的作业系统和/或设备处理异常情况,包括:
根据解决方案,确定协同对象和确定待传输数据,其中,协同对象包括与解决方案对应的作业系统和/或设备;
获取协同对象对应的接口信息;
根据接口信息将待传输数据发送至协同对象。
具体的,通过解决方案,能够得到需要进行协同作业的协同对象和与协同对象对应的待传输数据。然后可以根据电子设备内预先存储的各协同对象和对应的接口信息,确定协同对象的接口信息;并利用该接口信息发送与解决方案对应的待传输数据。
具体的,在一种可实现的方式中,当解决方案为调整生产计划时,获取生产计划系统的接口信息,基于接口信息和待传输数据,调用生产计划系统对计划进行修改,给生产计划管理人员发送确认信息,当生产计划管理人员对修改确认后,修改生效。
在另一种可实现的方式中,当解决方案为修改设备参数时,获取设备的通信接口,基于接口信息将需要调整的参数即待传输数据传输给设备,设备自动按照修改后的参数执行。
在另一种可实现的方式中,当解决方案为创建维修工单时,获取设备管理系统的接口,基于接口信息和待传输数据,调用设备管理系统创建设备维修工单,给设备管理人员发送预警信息,设备管理人员按照维修工单对设备进行维修。
可见,在本申请实施例中,能够根据解决方案,确定作业系统和/或设备协同对象和确定待传输数据;获取作业系统和/或设备协同对象对应的接口信息;能够根据接口信息将待传输数据精准地发送至协同对象作业系统和/或设备,以自动化地解决分析结果异常的问题。
进一步的,为了确保异常情况得到解决,步骤S104根据解决方案,调用相应的作业系统和/或设备处理异常情况之后,还包括:
当分析结果异常处理完成后,对处理结果进行评价,得到评价结果;
若评价结果异常,则确认新解决方案,并根据新解决方案调用相应的作业系统和/或设备处理异常情况,直至评价结果正常。
在本申请实施例中,在处理完异常情况后,为了保证问题得到解决,本申请可以对处理结果进行评价,以确定是否需要再次确定解决方案,进而可以保证异常情况能够处理成功。
具体的,在一种可实现的方式中,当基于生产计划执行数据对应的解决方案对生产计划进行修正后,将修正后的生产计划作为处理结果,对其进行评价以确定是否能够按照预定工作期限完成,若评价结果为肯定,则结束处理,并在显示屏幕显示或者发送至用户客户端以使用户能够及时了解处理情况;若评价结果为否定,则重新确认新解决方案,具体的,可以先确定新的生产计划,然后基于新解决方案调用生产计划系统对计划进行修改,直至评价结果正常。进一步的,基于新解决方案调用生产计划系统对计划进行修改之后,还可以发送携带新解决方案的确认信息至生产计划管理人员对应的终端,以使生产计划管理人员对修改进行确认,以便能够提高处理的准确性。
在另一种可实现的方式中,当基于生产工艺数据对应的解决方案对工艺参数进行修正后,将修正后的生产工艺数据作为处理结果,判断其是否满足预设标准其中,预设标准是基于不同的工艺设置的,若满足,则确定评价结果为肯定,结束处理;若不满足,则确定评价结果为否定,则重新确认新解决方案也即需要修改设备参数,并将需要调整的参数传输给相应的设备,以便设备能够新解决方案自动按照修改后的参数。
在另一种可实现的方式中,当基于设备运行数据对应的解决方案对设备维修结束后,控制设备运行设定时间,查看利用该设备进行生产的产品质量,将其作为处理结果,然后确定产品质量是否符合质量要求以对处理结果进行评价,若产品符合质量要求,则确定设备维修成功,结束处理;若产品不符合质量要求,则确定维修不成功,重新确认设备缺陷的类型和对应的新解决方案,并调用设备管理系统创建设备维修工单,给设备管理人员对应的终端设备发送预警信息,使设备管理人员按照维修工单对设备进行维修。
可见,在本申请实施例中,能够在分析结果异常处理完成后,基于处理结果进行评价,确定是否成功解决了异常情况,若未解决,则继续针对异常情况进行处理,直至异常情况解决为止,保证生产制造能够正常完成。
进一步的,为了能够让管理人员对生产制造情况的了解,在本申请实施例中,该方法还包括:若分析结果无异常,则定期对运营数据进行分析,形成分析报表;将分析报表发送至管理人员的终端设备。
具体的,针对多种运营数据,在其中任一运营数据的分析结果为无异常时,则定期对运营数据进行分析,形成分析报表,其中分析报表的内容和格式本申请不再限定,分析报表的内容可以包括:分析时间、分析结果以及相应的运营数据。进而将分析报表发送至管理人员对应的终端设备,以便管理人员能够及时了解生产制造情况。
可以理解的是,对于不同的分析结果,可以设置有不同的管理人员,因而,在一种可实现的方式中,若产品质量分析结果无异常,则每笔订单完成后,可以定期对产品质量数据(如产成品量、成品率、次品率)进行分析,形成分析报表,发送给质量管理人员的终端设备。在另一种可实现的方式中,若设备运行分析结果无异常,则可以以天数为横轴,以设备运行数据如设备运行效率、设备振动数据、设备温度数据的数值为纵轴,形成月度柱状图,发送给设备管理人员的终端设备。当然,还可能是其他的分析结果,本申请实施例不再进行限定。
可见,在本申请实施例中,当分析结果无异常时,可以长期监测生产制造过程中的数据;定期对运营数据进行分析,形成分析报表,有助于管理人员通过分析报表对运营状况进行了解。
下面对本申请实施例提供的一种处理装置进行介绍,下文描述的处理装置与上文描述的处理方法可相互对应参照,具体详见下述实施例。
本申请实施例提供了一种处理装置,如图2所示,该处理装置具体可以包括:
数据获取模块210,用于获取生产制造相关的运营数据,其中,运营数据至少包括以下任意一种或者多种:生产计划执行数据、生产工艺数据、生产过程质量数据、产品质量数据和设备运行数据;
洞察分析模块220,用于基于运营数据进行运营健康分析,得到分析结果;
预警模块230,用于判断分析结果是否异常,若分析结果异常,则根据分析结果异常的运营数据确定解决方案;
协同处理模块240,用于根据解决方案,调用相应的作业系统和/或设备处理异常情况。
通过采用上述技术方案,通过对获取到的生产制造相关的运营数据进行运营健康分析得到分析结果,能够基于生产制造过程中实际情况进行洞察分析,实现智能化分析;进而,能够通过判断分析结果是否异常,智能化地发现在生产制造过程中存在的问题;当分析结果异常时,根据分析结果异常的运营数据确定解决方案,以实现解决方案的自动确定;进而能够根据解决方案,调用对应的作业系统和/或设备进行问题的处理,可以减少问题处理过程中的人为操作,自动化地处理异常情况,提高了处理效率。
优选的,洞察分析模块,220在执行基于运营数据进行运营健康分析,得到分析结果时,具体用于:
将生产计划执行数据进行目标分析,得到分析结果,其中,目标分析包括:生产前计划匹配性检查分析、插单影响分析、排产校验分析中的任意一种或多种;
和/或,将生产工艺数据,进行工艺过程控制分析,得到工艺指标预测值的分析结果;
和/或,将生产过程质量数据,进行生产过程质量分析,得到生产过程质量分数的分析结果;
和/或,将产品质量数据,进行产品质量洞察分析,得到产品质量分数的分析结果;
和/或,将设备运行数据,进行设备健康分析,得到设备健康度分数的分析结果。
优选的,预警模块230在执行判断分析结果是否异常时,具体用于:
判断分析结果是否在预设范围内;
若分析结果在预设范围内,则确定分析结果无异常;若分析结果不在预设范围内,则确定分析结果异常;
或,计算历史分析结果与分析结果的差,得到差额;
若差额在趋势范围内,则确定分析结果无异常;若差额不在趋势范围内,则确定分析结果异常。
优选的,协同处理模块240在执行根据分析结果异常的运营数据确定解决方案时,具体用于:
利用异常诊断模型对分析结果异常的运营数据进行诊断,以确定解决方案,其中,异常诊断模型是基于异常运营样本数据以及对应的解决方案样本进行训练得到的。
优选的,还包括:
训练模块,用于:
获取异常运营样本数据和对应的解决方案样本;
利用异常运营样本数据和对应的解决方案样本进行训练,得到异常诊断模型。
优选的,协同处理模块240在执行根据解决方案,调用相应的作业系统和/或设备处理异常情况时,具体用于:
根据解决方案,确定协同对象和确定待传输数据,其中,协同对象包括与解决方案对应的作业系统和/或设备;
获取协同对象对应的接口信息;
根据接口信息将待传输数据发送至协同对象。
优选的,还包括:
评价模块,用于:
当分析结果异常处理完成后,对处理结果进行评价,得到评价结果;
若评价结果异常,则确认新解决方案,并根据新解决方案调用相应的作业系统和/或设备处理异常情况,直至评价结果正常。
优选的,还包括:
分析与发送模块,用于:
若运营数据无异常,则定期对运营数据进行分析,形成分析报表;
将分析报表发送至管理人员的终端设备。
本申请实施例中提供了一种电子设备,如图3所示,图3所示的电子设备300包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备300还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一型的总线。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。本申请实施例能够通过对获取到的生产制造相关的运营数据进行运营健康分析得到分析结果,能够基于生产制造过程中实际情况进行洞察分析,实现智能化分析;进而,能够通过判断分析结果是否异常,智能化地发现在生产制造过程中存在的问题;当分析结果异常时,根据分析结果异常的运营数据确定解决方案,以实现解决方案的自动确定;进而能够根据解决方案,调用对应的作业系统和/或设备进行问题的处理,可以减少问题处理过程中的人为操作,自动化地处理异常情况,提高了处理效率。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种处理方法,其特征在于,包括:
获取生产制造相关的运营数据,其中,所述运营数据至少包括以下任意一种或者多种:生产计划执行数据、生产工艺数据、生产过程质量数据、产品质量数据和设备运行数据;
基于所述运营数据进行运营健康分析,得到分析结果;
判断所述分析结果是否异常,若所述分析结果异常,则根据分析结果异常的运营数据确定解决方案;
根据所述解决方案,调用相应的作业系统和/或设备处理异常情况。
2.根据权利要求1所述的方法,其特征在于,所述基于所述运营数据进行运营健康分析,得到分析结果,包括:
将生产计划执行数据进行目标分析,得到分析结果,其中,所述目标分析包括:生产前计划匹配性检查分析、插单影响分析、排产校验分析中的任意一种或多种;
和/或,将所述生产工艺数据,进行工艺过程控制分析,得到工艺指标预测值的分析结果;
和/或,将所述生产过程质量数据,进行生产过程质量分析,得到生产过程质量分数的分析结果;
和/或,将所述产品质量数据,进行产品质量洞察分析,得到产品质量分数的分析结果;
和/或,将所述设备运行数据,进行设备健康分析,得到设备健康度分数的分析结果。
3.根据权利要求1所述的方法,其特征在于,所述判断所述分析结果是否异常包括:
判断所述分析结果是否在预设范围内;
若所述分析结果在预设范围内,则确定所述分析结果无异常;若所述分析结果不在预设范围内,则确定所述分析结果异常;
或,计算历史分析结果与所述分析结果的差,得到差额;
若所述差额在趋势范围内,则确定所述分析结果无异常;若所述差额不在趋势范围内,则确定所述分析结果异常。
4.根据权利要求1所述的方法,其特征在于,所述根据分析结果异常的运营数据确定解决方案,包括:
利用异常诊断模型对所述分析结果异常的运营数据进行诊断,以确定所述解决方案,其中,所述异常诊断模型是基于异常运营样本数据以及对应的解决方案样本进行训练得到的。
5.根据权利要求4所述的方法,其特征在于,所述异常诊断模型的训练过程包括:
获取所述异常运营样本数据和对应的解决方案样本;
利用所述异常运营样本数据和对应的解决方案样本进行训练,得到所述异常诊断模型。
6.根据权利要求1所述的方法,其特征在于,所述根据所述解决方案,调用相应的作业系统和/或设备处理异常情况,包括:
根据所述解决方案,确定协同对象和确定待传输数据,其中,所述协同对象包括与解决方案对应的作业系统和/或设备;
获取所述协同对象对应的接口信息;
根据所述接口信息将所述待传输数据发送至所述协同对象。
7.根据权利要求1所述的方法,其特征在于,在所述根据所述解决方案,调用相应的作业系统和/或设备处理异常情况之后,还包括:
当所述分析结果异常处理完成后,对处理结果进行评价,得到评价结果;
若所述评价结果异常,则确认新解决方案,并根据所述新解决方案调用相应的作业系统和/或设备处理异常情况,直至评价结果正常。
8.根据权利要求1所述的方法,其特征在于,在所述判断所述分析结果是否异常之后,还包括:
若所述运营数据无异常,则定期对所述运营数据进行分析,形成分析报表;
将所述分析报表发送至管理人员的终端设备。
9.一种处理装置,其特征在于,包括,
数据获取模块,用于获取生产制造相关的运营数据,其中,所述运营数据至少包括以下任意一种或者多种:生产计划执行数据、生产工艺数据、生产过程质量数据、产品质量数据和设备运行数据;
洞察分析模块,用于基于所述运营数据进行运营健康分析,得到分析结果;
预警模块,用于判断所述分析结果是否异常,若所述分析结果异常,则根据分析结果异常的运营数据确定解决方案;
协同处理模块,用于根据所述解决方案,调用相应的作业系统和/或设备处理异常情况。
10.一种电子设备,其特征在于,包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210770171.7A CN115147236A (zh) | 2022-07-01 | 2022-07-01 | 一种处理方法、处理装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210770171.7A CN115147236A (zh) | 2022-07-01 | 2022-07-01 | 一种处理方法、处理装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115147236A true CN115147236A (zh) | 2022-10-04 |
Family
ID=83409740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210770171.7A Pending CN115147236A (zh) | 2022-07-01 | 2022-07-01 | 一种处理方法、处理装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115147236A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117150333A (zh) * | 2023-10-31 | 2023-12-01 | 南通双耀冲压有限公司 | 一种冲压成型设备的运维监管方法及系统 |
-
2022
- 2022-07-01 CN CN202210770171.7A patent/CN115147236A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117150333A (zh) * | 2023-10-31 | 2023-12-01 | 南通双耀冲压有限公司 | 一种冲压成型设备的运维监管方法及系统 |
CN117150333B (zh) * | 2023-10-31 | 2023-12-26 | 南通双耀冲压有限公司 | 一种冲压成型设备的运维监管方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110704231A (zh) | 一种故障处理方法及装置 | |
US20170003677A1 (en) | Real Time Monitoring System and Method Thereof of Optical Film Manufacturing Process | |
KR20190021560A (ko) | 빅데이터를 활용한 고장예지보전시스템 및 고장예지보전방법 | |
CN111340250A (zh) | 设备检修装置、方法及计算机可读存储介质 | |
CN110727531A (zh) | 一种线上系统的故障预测及处理方法及系统 | |
CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
KR20140113153A (ko) | 통계적 동일성 검정방법 및 시스템 | |
CN111693089A (zh) | 装配线的产品质量控制方法、装置、设备及存储介质 | |
CN114077919A (zh) | 用于预测加工异常的系统 | |
CN114202256B (zh) | 架构升级预警方法、装置、智能终端及可读存储介质 | |
CN100535810C (zh) | 制造工序评价装置以及制造工序评价方法 | |
CN115147236A (zh) | 一种处理方法、处理装置和电子设备 | |
US20170176985A1 (en) | Method for predicting end of line quality of assembled product | |
CN110659818A (zh) | 信息处理方法及系统 | |
CN114138601A (zh) | 一种业务告警方法、装置、设备及存储介质 | |
CN110069382B (zh) | 软件监控方法、服务器、终端设备、计算机设备及介质 | |
CN110910061A (zh) | 一种物料管理方法、系统、存储介质以及电子设备 | |
CN108664696B (zh) | 一种冷水机组运行状态的测评方法及装置 | |
US10140780B2 (en) | Event-/condition-based machine monitoring for quality inspections | |
CN115129006A (zh) | 工艺参数调整方法、相关装置、存储介质和程序产品 | |
CN112416896A (zh) | 数据异常的报警方法和装置、存储介质、电子装置 | |
CN113296836A (zh) | 训练模型的方法、测试方法、装置、电子设备及存储介质 | |
CN111835566A (zh) | 一种系统故障管理方法、装置及系统 | |
CN117873007B (zh) | 基于工业物联网的制造流程管理方法、系统、设备及介质 | |
CN111310989B (zh) | 零件加工成功率的预测方法、预测装置及可读存储介质 |
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 |