CN115357001A - 一种基于物联网的数据采集方法和装置 - Google Patents
一种基于物联网的数据采集方法和装置 Download PDFInfo
- Publication number
- CN115357001A CN115357001A CN202211290259.5A CN202211290259A CN115357001A CN 115357001 A CN115357001 A CN 115357001A CN 202211290259 A CN202211290259 A CN 202211290259A CN 115357001 A CN115357001 A CN 115357001A
- Authority
- CN
- China
- Prior art keywords
- product
- processed product
- distance
- detection
- processed
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 154
- 238000004891 communication Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims description 44
- 238000004519 manufacturing process Methods 0.000 claims description 41
- 230000006870 function Effects 0.000 claims description 25
- 230000001133 acceleration Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims 2
- 230000006855 networking Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000009941 weaving Methods 0.000 description 1
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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- 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
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Automatic Assembly (AREA)
Abstract
本发明提供了一种基于物联网的数据采集方法和装置，其中，方法包括：通过在加工产品上设置传感器，通讯设备，再结合控制中心以及检测点构成物联网，并通过控制中心进行发出检测指令，检测点检测到所述检测指令时，向各个第一加工产品发出目标距离获取指令，再基于第一加工产品获取到对应的目标产品距离，并上传至控制中心，以采集通畅度这一数据，本发明的有益效果：使采集到的数据可以让管理人员进行合理的分析和流水线工人的安排，进而便于后续设置流水线上传送带的速度以及流水线工人的安排，进而提高流水线的效率，提高流水线的产出。
Description
技术领域
本发明涉及物联网领域，特别涉及一种基于物联网的数据采集方法和装置。
背景技术
目前，对于流水线的数据采集主要是通过人工数据采集，采集的数据主要是对各个流水线工人的加工效率或者对于流水线总体的产出进行数据采集，然而不少流水线工人受限于流水线的速度，不能提高流水线工人的工作效率，然而人工数据采集的方式有限，采集的数据不足以让管理人员进行合理的分析和流水线工人的安排，导致流水线产出效率较低。
发明内容
本发明的主要目的为提供一种基于物联网的数据采集方法和装置，旨在解决人工数据采集的方式有限，采集的数据不足以让管理人员进行合理的分析和流水线工人的安排，导致流水线产出效率较低的问题。
本发明提供了一种基于物联网的数据采集方法，所述数据采集方法应用于流水线，加工产品上设置有传感器，以及通讯设备，所述传感器至少包括距离传感器，所述流水线上设置有受控于控制中心的多个检测点，多个检测点用于与所述加工产品的传感器数据连接，当所述加工产品位于所述流水线上时，所述传感器和所述通讯设备被激活，流水线工人在加工完所述加工产品后采取不放回的方式，所述检测点之间设置有至少一个流水线工人，所述数据采集方法包括：
S1：所述控制中心向所述检测点发出检测指令；
S2：当各个检测点检测到所述检测指令时，各个所述检测点向各自对应最近的第一加工产品按照预设的间隔时间持续发出目标距离获取指令；其中，所述第一加工产品属于所述加工产品；
S3：所述第一加工产品接收所述目标距离获取指令后，基于自身的传感器获取在流水线上与其他加工产品的目标距离；
S4：根据所述目标距离的大小从小到大依次从其他加工产品中选取n个第二加工产品；
S5：计算所述第一加工产品至所述n个第二加工产品的距离之和，得到第一加工产品的多个产品距离；
S6：各个检测点将预设时间段内的多个产品距离求取平均值，得到目标产品距离，并将目标产品距离发送至所述控制中心；
S7：通过所述控制中心基于检测到的第一产品距离计算各个相邻检测点之间的通畅度；其中，所述通畅度的计算公式为
；其中，
表示第i个检测点测量的目标产品距离，
表示第i+1个检测点测量的目标产品距离，
表示所述流水线上容纳所述加工产品的最大值，k为预设的常数，
表示流水线的移动速度，
表示第i个检测点与第i+1个检测点的距离，
表示所述通畅度。
进一步地，所述通过所述控制中心基于检测到的第一产品距离计算各个相邻检测点之间的通畅度的步骤S7之后，还包括：
S801：基于检测到的通畅度和预先设置的通畅度与流水线移动速度的对应表智能调整所述流水线的移动速度。
进一步地，所述加工传感器上还包括加速度传感器，所述第一加工产品接收所述目标距离获取指令后，基于自身的传感器获取在流水线上与其他加工产品的目标距离的步骤S5之后，还包括：
S601：判断所述加速度传感器的检测数值是否大于第一预设值；
S602：若是，则比较所述检测数值与第二预设值的大小；其中，所述第二预设值大于第一预设值；
S603：若所述检测数值小于第二预设值，则对所述目标距离中的目标距离进行调整，若所述检测数值不小于所述第二预设值，则判定该加速传感器对应的加工产品不记为第二加工产品。
进一步地，所述通过所述控制中心基于检测到的第一产品距离计算各个相邻检测点之间的通畅度的步骤S7之后，还包括：
S811：将获取到的通畅度按照时间顺序进行排序，得到通畅度集；
S812：根据公式
对所述通畅度集中各个通畅度进行拟合，得到通畅度函数；
S813：将所述通畅度函数输入至预设的状态信息获取模型中，得到所述流水线工人的状态信息；其中，所述状态信息获取模型根据不同的状态信息以及对应的通畅度函数训练而成。
进一步地，所述控制中心向所述检测点发出检测指令的步骤S1之前，还包括：
S001：获取加工产品的种类以及流水线工人的数量；
S002：基于所述加工产品的种类以及流水线工人的数量设置流水线的初始移动速度。
本发明还提供了一种基于物联网的数据采集装置，所述数据采集装置应用于流水线，加工产品上设置有传感器，以及通讯设备，所述传感器至少包括距离传感器，所述流水线上设置有受控于控制中心的多个检测点，多个检测点用于与所述加工产品的传感器数据连接，当所述加工产品位于所述流水线上时，所述传感器和所述通讯设备被激活，流水线工人在加工完所述加工产品后采取不放回的方式，所述检测点之间设置有至少一个流水线工人，所述数据采集装置包括：
判断模块，用于指示实施步骤S1：所述控制中心向所述检测点发出检测指令；
发出模块，用于指示实施步骤S2：当各个检测点检测到所述检测指令时，各个所述检测点向各自对应最近的第一加工产品按照预设的间隔时间持续发出目标距离获取指令；其中，所述第一加工产品属于所述加工产品；
获取模块，用于指示实施步骤S3：所述第一加工产品接收所述目标距离获取指令后，基于自身的传感器获取在流水线上与其他加工产品的目标距离；
选取模块，用于指示实施步骤S4：根据所述目标距离的大小从小到大依次从其他加工产品中选取n个第二加工产品；
第一计算模块，用于指示实施步骤S5：计算所述第一加工产品至所述n个第二加工产品的距离之和，得到第一加工产品的多个产品距离；
求取模块，用于指示实施步骤S6：各个检测点将预设时间段内的多个产品距离求取平均值，得到目标产品距离，并将目标产品距离发送至所述控制中心；
第二计算模块，用于指示实施步骤S7：通过所述控制中心基于检测到的第一产品距离计算各个相邻检测点之间的通畅度；其中，所述通畅度的计算公式为
；其中，
表示第i个检测点测量的目标产品距离，
表示第i+1个检测点测量的目标产品距离，
表示所述流水线上容纳所述加工产品的最大值，k为预设的常数，
表示流水线的移动速度，
表示第i个检测点与第i+1个检测点的距离，
表示所述通畅度。
进一步地，调整模块，用于指示实施步骤S801：基于检测到的通畅度和预先设置的通畅度与流水线移动速度的对应表智能调整所述流水线的移动速度。
进一步地，所述数据采集装置，还包括：
检测数值判断模块，用于指示实施步骤S601：判断所述加速度传感器的检测数值是否大于第一预设值；
检测数值比较模块，用于指示实施步骤S602：若是，则比较所述检测数值与第二预设值的大小；其中，所述第二预设值大于第一预设值；
目标距离调整模块，用于指示实施步骤S603：若所述检测数值小于第二预设值，则对所述目标距离中的目标距离进行调整，若所述检测数值不小于所述第二预设值，则判定该加速传感器对应的加工产品不记为第二加工产品。
进一步地，所述基于物联网的数据采集装置，还包括：
通畅度排序模块，用于指示实施步骤S811：将获取到的通畅度按照时间顺序进行排序，得到通畅度集；
拟合模块，用于指示实施步骤S812：根据公式
对所述通畅度集中各个通畅度进行拟合，得到通畅度函数；
通畅度函数输入模块，用于指示实施步骤S813：将所述通畅度函数输入至预设的状态信息获取模型中，得到所述流水线工人的状态信息；其中，所述状态信息获取模型根据不同的状态信息以及对应的通畅度函数训练而成。
进一步地，所述数据采集装置，还包括：
数量获取模块，用于指示实施步骤S001：获取加工产品的种类以及流水线工人的数量；
初始移动速度设置模块，用于指示实施步骤S002：基于所述加工产品的种类以及流水线工人的数量设置流水线的初始移动速度。
本发明的有益效果：通过在加工产品上设置传感器，通讯设备，再结合控制中心以及检测点构成物联网，并通过控制中心进行发出检测指令，检测点检测到所述检测指令时，向各个第一加工产品发出目标距离获取指令，再基于第一加工产品获取到对应的目标产品距离，并上传至控制中心，以采集通畅度这一数据，从而便于后续设置流水线上传送带的速度以及流水线工人的安排，进而提高流水线的效率，提高流水线的产出。
附图说明
图1 是本发明一实施例的一种基于物联网的数据采集方法的流程示意图；
图2 是本发明一实施例的一种基于物联网的数据采集装置的结构示意框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
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的一部分实施例，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他实施例，都属于本发明保护的范围。
需要说明，本发明实施例中所有方向性指示（诸如上、下、左、右、前、后等）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变，所述的连接可以是直接连接，也可以是间接连接。
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，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
参照图1，本发明提出一种基于物联网的数据采集方法，所述数据采集方法应用于流水线，加工产品上设置有传感器，以及通讯设备，所述传感器至少包括距离传感器，所述流水线上设置有受控于控制中心的多个检测点，多个检测点用于与所述加工产品的传感器数据连接，当所述加工产品位于所述流水线上时，所述传感器和所述通讯设备被激活，流水线工人在加工完所述加工产品后采取不放回的方式，所述检测点之间设置有至少一个流水线工人，所述数据采集方法包括：
S1：所述控制中心向所述检测点发出检测指令；
S2：当各个检测点检测到所述检测指令时，各个所述检测点向各自对应最近的第一加工产品按照预设的间隔时间持续发出目标距离获取指令；其中，所述第一加工产品属于所述加工产品；
S3：所述第一加工产品接收所述目标距离获取指令后，基于自身的传感器获取在流水线上与其他加工产品的目标距离；
S4：根据所述目标距离的大小从小到大依次从其他加工产品中选取n个第二加工产品；
S5：计算所述第一加工产品至所述n个第二加工产品的距离之和，得到第一加工产品的多个产品距离；
S6：各个检测点将预设时间段内的多个产品距离求取平均值，得到目标产品距离，并将目标产品距离发送至所述控制中心；
S7：通过所述控制中心基于检测到的第一产品距离计算各个相邻检测点之间的通畅度；其中，所述通畅度的计算公式为
；其中，
表示第i个检测点测量的目标产品距离，
表示第i+1个检测点测量的目标产品距离，
表示所述流水线上容纳所述加工产品的最大值，k为预设的常数，
表示流水线的移动速度，
表示第i个检测点与第i+1个检测点的距离，
表示所述通畅度。
本实施例中，可以在加工产品的下方上设置有光传感器，当加工产品的光传感器被激活时，加工产品上的传感器和通讯设备关闭，当光传感器未被激活时，加工产品上的传感器和通讯设备被激活，当流水线工人拿起加工产品后，其加工产品的光传感器会被激活，工厂内的灯光会激活，因此，在流水线工人拿起加工产品后，加工产品上的传感器和通讯设备处于未被激活状态，其他的加工产品无法与该加工产品进行信息的交互，另外，距离传感器可以通过加工产品之间的相互作用来实现加工产品之间目标距离的获取，当然，考虑到加工产品之间可能会发生遮挡现象，因此，也可以在流水线的一端设置目标距离传感器，其与每个加工产品的距离传感器相呼应，从而可以得到每个加工产品与目标传感器的距离，从而可以换算为加工产品之间的目标距离。流水线工人在加工完所述加工产品后采取不放回的方式，即流水线工人在对加工产品进行加工后，直接放入一旁的装载箱内，由其他人员收取。需要说明的是，由于流水线加工产品时，可能是不同的产品，例如织造工厂，其加工的产品不一样，流水线工人加工单个产品的效率也不一样，因此，需要对加工产品的通畅度进行计算，以便于对流水线上传送带的速度以及流水线工人的安排。
如上述步骤S1所述，所述控制中心向所述检测点发出检测指令，其中，控制中心在需要获取数据时，可以通过控制中心向各个检测点发出检测指令，检测指令的形式可以是任意的形式，例如可以是一种数据指令，当检测指令发出后，各个检测点基于该检测指令执行检测命令。
如上述步骤S2所述，当各个检测点检测到所述检测指令时，各个所述检测点向各自对应最近的第一加工产品按照预设的间隔时间持续发出目标距离获取指令。其中，检测点需要向对应最近的第一加工产品持续发出目标距离获取指令，其中，获取的目标距离是持续的，即每发出依次目标距离获取指令时，各个检测点应当获取到一个目标距离，将距离最近的加工产品记为第一加工产品，另外，判断距离最近的方式可以是基于检测点上的距离传感器进行获取，从而得到每个加工产品至检测点的距离，从而从中挑选得到每个检测点对应的第一加工产品。
如上述步骤S3所述，所述第一加工产品接收所述目标距离获取指令后，基于自身的传感器获取在流水线上与其他加工产品的目标距离。获取的方式为通过距离传感器获取，距离传感器可以通过加工产品之间的相互作用来实现加工产品之间目标距离的获取，当然，考虑到加工产品之间可能会发生遮挡现象，因此，也可以在流水线的一端设置目标距离传感器，其与每个加工产品的距离传感器相呼应，从而可以得到每个加工产品与目标传感器的距离，从而可以换算为加工产品之间的目标距离。
如上述步骤S4-S5所述，根据所述目标距离的大小从小到大依次从其他加工产品中选取n个第二加工产品，计算所述第一加工产品至所述n个第二加工产品的距离之和，得到第一加工产品的多个产品距离，由于通畅度是基于各个加工产品之间的距离来实现的，因此，可以获取到产品距离进行通畅度的计算，选取第二加工产品的数量不宜过多，否则会造成流水线上大部分未处理的加工产品参与计算，导致计算的误差过大，也不宜过少，否则会导致计算的数量较小造成一定的误差，优选在4-5个为宜。
如上述步骤S6所述，各个检测点将预设时间段内的多个产品距离求取平均值，得到目标产品距离，并将目标产品距离发送至所述控制中心。其中，该预设时间段内可以是任意的一个时间段，当然，优选在检测指令发出后的一个时间段内，以便于计算目标产品距离，对其求取平均值可以得到相对稳定的数值，从而避免了一些流水线工人在休息时，或者上厕所等带来的一些误差。然后将其发送给控制中心进行分析。
如上述步骤S7所述，通过所述控制中心基于检测到的第一产品距离计算各个相邻检测点之间的通畅度，其中，所述通畅度的计算公式为
；其中，
表示第i个检测点测量的目标产品距离，
表示第i+1个检测点测量的目标产品距离，
表示所述流水线上容纳所述加工产品的最大值，k为预设的常数，
表示流水线的移动速度，
表示第i个检测点与第i+1个检测点的距离，
表示所述通畅度。公式中，当各个检测点之间的距离是固定的，因此变化量仅在于每个检测点检测到的目标产品距离的差值，可以看出，公式是一个二次函数，当目标产品距离的差值过大，通畅度反而会变小，这说明流水线上的数量远远低于流水线工人的处理效率，而当目标产品距离的差值过小，通畅度也会变小，这说明流水线上的加工产品数量远远超出了流水线工人的数量，也会导致通畅度变小，因此，采取通畅度作为数据进行采集，可以便于后续对流水线上工作的安排，进而提高流水线的工作效率，提高产出。
在一个实施例中，所述通过所述控制中心基于检测到的第一产品距离计算各个相邻检测点之间的通畅度的步骤S7之后，还包括：
S801：基于检测到的通畅度和预先设置的通畅度与流水线移动速度的对应表智能调整所述流水线的移动速度。
如上述步骤S801所述，可以预先构建通畅度与流水线移动速度的对应关系，建立对应关系的方式可以是基于以往的通畅度和流水线移动速度来进行建立，需要说明的是，在对流水线上的移动速度进行重新设置后，其对应的通畅度也会发生对应的变化，因此，再基于重新设置后的流水线对应的通畅度再次进行设置，多次循环后，使通畅度与流水线的移动速度的值满足对应关系，从而实现对流水线移动速度的智能调整，当然，还可以基于每两个检测点之间的通畅度对检测点之间的流水线工人进行合理安排，例如增加流水线工人或者调整流水线工人之间的位置等等。
在一个实施例中，所述加工传感器上还包括加速度传感器，所述第一加工产品接收所述目标距离获取指令后，基于自身的传感器获取在流水线上与其他加工产品的目标距离的步骤S5之后，还包括：
S601：判断所述加速度传感器的检测数值是否大于第一预设值；
S602：若是，则比较所述检测数值与第二预设值的大小；其中，所述第二预设值大于第一预设值；
S603：若所述检测数值小于第二预设值，则对所述目标距离中的目标距离进行调整，若所述检测数值不小于所述第二预设值，则判定该加速传感器对应的加工产品不记为第二加工产品。
如上述步骤S601-S603所述，实现了对目标距离的准确获取，在本实施例中，预设了第一预设值以及第二预设值，用于划定加速度传感器检测数值的大小，示例性地，以加速度传感器的检测范围为0-10为例，则第一预设值可以设置为3，而第二预设值可以设定为7，根据加速度传感器的检测范围的具体值，可以按比例设定第一、二预设值。设定第一预设值的目标是为了避免一些流水线传送带上一些轻微的震动，低于第一预设值可以认为其对于检测目标距离没有影响，避免过度计算，将第二预设值设定为7，一方面，当所述检测数值小于第二预设值，则对所述目标距离中的目标距离进行调整，调整的方式可以是对检测到的目标距离进行适当的增加或减小，具体根据加速度的大小进行调试，但是同时还需要消除干扰带来的影响。另一方面，若所述检测数值不小于所述第二预设值，此时可以认为是由流水线工人将该加工产品进行拿起，而刚刚拿起时，对应的传感器和通讯设备还没有进行关闭，则可以判定该加速传感器对应的加工产品不记为第二加工产品，能够有效地区分该加工产品是否为第二加工产品，是否需要参与计算。
在一个实施例中，所述通过所述控制中心基于检测到的第一产品距离计算各个相邻检测点之间的通畅度的步骤S7之后，还包括：
S811：将获取到的通畅度按照时间顺序进行排序，得到通畅度集；
S812：根据公式
对所述通畅度集中各个通畅度进行拟合，得到通畅度函数；
S813：将所述通畅度函数输入至预设的状态信息获取模型中，得到所述流水线工人的状态信息；其中，所述状态信息获取模型根据不同的状态信息以及对应的通畅度函数训练而成。
如上述步骤S811-S813所述，实现了对流水线工人的状态信息获取，其中，根据公式
对所述通畅度集中各个通畅度进行拟合，得到通畅度函数，拟合的具体方式为通过二项式方程进行拟合，此处不再赘述，其中，通畅度函数是基于时间进行拟合的，从而可以得到通畅度函数，需要补充说明的是，该通畅度函数是基于每两个检测点之间的流水线的通畅度函数，即通畅度集中只具有两个检测点之间流水线的通畅度，并按照时间进行排序，因此后续计算的流水线工人的状态信息也为该两个检测点之间流水线的流水线工人的状态信息，并且是两个检测点之间流水线中所有的流水线工人状态信息，在获取到该流水线工人的状态信息后，可以对各个流水线工人进行监督，从而可以提高流水线的工作效率，提高流水线的产出。
在一个实施例中，所述控制中心向所述检测点发出检测指令的步骤S1之前，还包括：
S001：获取加工产品的种类以及流水线工人的数量；
S002：基于所述加工产品的种类以及流水线工人的数量设置流水线的初始移动速度。
如上述步骤S001-S002所述，实现了对流水线传送带的初始移动速度进行设置，即获取到获取加工产品的种类以及流水线工人的数量，依照加工产品的种类和流水线工人的数量对初始移动速度进行合理的设置，初始移动速度的设置具体可以根据之前的经验进行设置，例如预先构建获取加工产品的种类以及流水线工人的数量与初始移动速度的对应关系，后续计算了通畅度后，再对传送带的速度进行调整。
参照图2，本发明还提供了一种基于物联网的数据采集装置，所述数据采集装置应用于流水线，加工产品上设置有传感器，以及通讯设备，所述传感器至少包括距离传感器，所述流水线上设置有受控于控制中心的多个检测点，多个检测点用于与所述加工产品的传感器数据连接，当所述加工产品位于所述流水线上时，所述传感器和所述通讯设备被激活，流水线工人在加工完所述加工产品后采取不放回的方式，所述检测点之间设置有至少一个流水线工人，所述数据采集装置包括：
判断模块10，用于指示实施步骤S1：所述控制中心向所述检测点发出检测指令；
发出模块20，用于指示实施步骤S2：当各个检测点检测到所述检测指令时，各个所述检测点向各自对应最近的第一加工产品按照预设的间隔时间持续发出目标距离获取指令；其中，所述第一加工产品属于所述加工产品；
获取模块30，用于指示实施步骤S3：所述第一加工产品接收所述目标距离获取指令后，基于自身的传感器获取在流水线上与其他加工产品的目标距离；
选取模块40，用于指示实施步骤S4：根据所述目标距离的大小从小到大依次从其他加工产品中选取n个第二加工产品；
第一计算模块50，用于指示实施步骤S5：计算所述第一加工产品至所述n个第二加工产品的距离之和，得到第一加工产品的多个产品距离；
求取模块60，用于指示实施步骤S6：各个检测点将预设时间段内的多个产品距离求取平均值，得到目标产品距离，并将目标产品距离发送至所述控制中心；
第二计算模块70，用于指示实施步骤S7：通过所述控制中心基于检测到的第一产品距离计算各个相邻检测点之间的通畅度；其中，所述通畅度的计算公式为
；其中，
表示第i个检测点测量的目标产品距离，
表示第i+1个检测点测量的目标产品距离，
表示所述流水线上容纳所述加工产品的最大值，k为预设的常数，
表示流水线的移动速度，
表示第i个检测点与第i+1个检测点的距离，
表示所述通畅度。
在一个实施例中，所述数据采集装置，还包括：
调整模块，用于指示实施步骤S801：基于检测到的通畅度和预先设置的通畅度与流水线移动速度的对应表智能调整所述流水线的移动速度。
在一个实施例中，所述数据采集装置，还包括：
检测数值判断模块，用于指示实施步骤S601：判断所述加速度传感器的检测数值是否大于第一预设值；
检测数值比较模块，用于指示实施步骤S602：若是，则比较所述检测数值与第二预设值的大小；其中，所述第二预设值大于第一预设值；
目标距离调整模块，用于指示实施步骤S603：若所述检测数值小于第二预设值，则对所述目标距离中的目标距离进行调整，若所述检测数值不小于所述第二预设值，则判定该加速传感器对应的加工产品不记为第二加工产品。
在一个实施例中，所述基于物联网的数据采集装置，还包括：
通畅度排序模块，用于指示实施步骤S811：将获取到的通畅度按照时间顺序进行排序，得到通畅度集；
拟合模块，用于指示实施步骤S812：根据公式
对所述通畅度集中各个通畅度进行拟合，得到通畅度函数；
通畅度函数输入模块，用于指示实施步骤S813：将所述通畅度函数输入至预设的状态信息获取模型中，得到所述流水线工人的状态信息；其中，所述状态信息获取模型根据不同的状态信息以及对应的通畅度函数训练而成。
在一个实施例中，所述数据采集装置，还包括：
数量获取模块，用于指示实施步骤S001：获取加工产品的种类以及流水线工人的数量；
初始移动速度设置模块，用于指示实施步骤S002：基于所述加工产品的种类以及流水线工人的数量设置流水线的初始移动速度。
本发明的有益效果：通过在加工产品上设置传感器，通讯设备，再结合控制中心以及检测点构成物联网，并通过控制中心进行发出检测指令，检测点检测到所述检测指令时，向各个第一加工产品发出目标距离获取指令，再基于第一加工产品获取到对应的目标产品距离，并上传至控制中心，以采集通畅度这一数据，从而便于后续设置流水线上传送带的速度以及流水线工人的安排，进而提高流水线的效率，提高流水线的产出。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM一多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种基于物联网的数据采集方法，其特征在于，所述数据采集方法应用于流水线，加工产品上设置有传感器，以及通讯设备，所述传感器至少包括距离传感器，所述流水线上设置有受控于控制中心的多个检测点，多个检测点用于与所述加工产品的传感器数据连接，当所述加工产品位于所述流水线上时，所述传感器和所述通讯设备被激活，流水线工人在加工完所述加工产品后采取不放回的方式，所述检测点之间设置有至少一个流水线工人，所述数据采集方法包括：
S1：所述控制中心向所述检测点发出检测指令；
S2：当各个检测点检测到所述检测指令时，各个所述检测点向各自对应最近的第一加工产品按照预设的间隔时间持续发出目标距离获取指令；其中，所述第一加工产品属于所述加工产品；
S3：所述第一加工产品接收所述目标距离获取指令后，基于自身的传感器获取在流水线上与其他加工产品的目标距离；
S4：根据所述目标距离的大小从小到大依次从其他加工产品中选取n个第二加工产品；
S5：计算所述第一加工产品至所述n个第二加工产品的距离之和，得到第一加工产品的多个产品距离；
S6：各个检测点将预设时间段内的多个产品距离求取平均值，得到目标产品距离，并将目标产品距离发送至所述控制中心；
S7：通过所述控制中心基于检测到的第一产品距离计算各个相邻检测点之间的通畅度；其中，所述通畅度的计算公式为
；其中，
表示第i个检测点测量的目标产品距离，
表示第i+1个检测点测量的目标产品距离，
表示所述流水线上容纳所述加工产品的最大值，k为预设的常数，
表示流水线的移动速度，
表示第i个检测点与第i+1个检测点的距离，
表示所述通畅度。
2.如权利要求1所述的基于物联网的数据采集方法，其特征在于，所述通过所述控制中心基于检测到的第一产品距离计算各个相邻检测点之间的通畅度的步骤S7之后，还包括：
S801：基于检测到的通畅度和预先设置的通畅度与流水线移动速度的对应表智能调整所述流水线的移动速度。
3.如权利要求1所述的基于物联网的数据采集方法，其特征在于，所述加工传感器上还包括加速度传感器，所述第一加工产品接收所述目标距离获取指令后，基于自身的传感器获取在流水线上与其他加工产品的目标距离的步骤S5之后，还包括：
S601：判断所述加速度传感器的检测数值是否大于第一预设值；
S602：若是，则比较所述检测数值与第二预设值的大小；其中，所述第二预设值大于第一预设值；
S603：若所述检测数值小于第二预设值，则对所述目标距离中的目标距离进行调整，若所述检测数值不小于所述第二预设值，则判定该加速传感器对应的加工产品不记为第二加工产品。
4.如权利要求1所述的基于物联网的数据采集方法，其特征在于，所述通过所述控制中心基于检测到的第一产品距离计算各个相邻检测点之间的通畅度的步骤S7之后，还包括：
S811：将获取到的通畅度按照时间顺序进行排序，得到通畅度集；
S812：根据公式
对所述通畅度集中各个通畅度进行拟合，得到通畅度函数；
S813：将所述通畅度函数输入至预设的状态信息获取模型中，得到所述流水线工人的状态信息；其中，所述状态信息获取模型根据不同的状态信息以及对应的通畅度函数训练而成。
5.如权利要求1所述的基于物联网的数据采集方法，其特征在于，所述控制中心向所述检测点发出检测指令的步骤S1之前，还包括：
S001：获取加工产品的种类以及流水线工人的数量；
S002：基于所述加工产品的种类以及流水线工人的数量设置流水线的初始移动速度。
6.一种基于物联网的数据采集装置，其特征在于，所述数据采集装置应用于流水线，加工产品上设置有传感器，以及通讯设备，所述传感器至少包括距离传感器，所述流水线上设置有受控于控制中心的多个检测点，多个检测点用于与所述加工产品的传感器数据连接，当所述加工产品位于所述流水线上时，所述传感器和所述通讯设备被激活，流水线工人在加工完所述加工产品后采取不放回的方式，所述检测点之间设置有至少一个流水线工人，所述数据采集装置包括：
判断模块，用于指示实施步骤S1：所述控制中心向所述检测点发出检测指令；
发出模块，用于指示实施步骤S2：当各个检测点检测到所述检测指令时，各个所述检测点向各自对应最近的第一加工产品按照预设的间隔时间持续发出目标距离获取指令；其中，所述第一加工产品属于所述加工产品；
获取模块，用于指示实施步骤S3：所述第一加工产品接收所述目标距离获取指令后，基于自身的传感器获取在流水线上与其他加工产品的目标距离；
选取模块，用于指示实施步骤S4：根据所述目标距离的大小从小到大依次从其他加工产品中选取n个第二加工产品；
第一计算模块，用于指示实施步骤S5：计算所述第一加工产品至所述n个第二加工产品的距离之和，得到第一加工产品的多个产品距离；
求取模块，用于指示实施步骤S6：各个检测点将预设时间段内的多个产品距离求取平均值，得到目标产品距离，并将目标产品距离发送至所述控制中心；
第二计算模块，用于指示实施步骤S7：通过所述控制中心基于检测到的第一产品距离计算各个相邻检测点之间的通畅度；其中，所述通畅度的计算公式为
；其中，
表示第i个检测点测量的目标产品距离，
表示第i+1个检测点测量的目标产品距离，
表示所述流水线上容纳所述加工产品的最大值，k为预设的常数，
表示流水线的移动速度，
表示第i个检测点与第i+1个检测点的距离，
表示所述通畅度。
7.如权利要求6所述的基于物联网的数据采集装置，其特征在于，所述数据采集装置，还包括：
调整模块，用于指示实施步骤S801：基于检测到的通畅度和预先设置的通畅度与流水线移动速度的对应表智能调整所述流水线的移动速度。
8.如权利要求6所述的基于物联网的数据采集装置，其特征在于，所述数据采集装置，还包括：
检测数值判断模块，用于指示实施步骤S601：判断所述加速度传感器的检测数值是否大于第一预设值；
检测数值比较模块，用于指示实施步骤S602：若是，则比较所述检测数值与第二预设值的大小；其中，所述第二预设值大于第一预设值；
目标距离调整模块，用于指示实施步骤S603：若所述检测数值小于第二预设值，则对所述目标距离中的目标距离进行调整，若所述检测数值不小于所述第二预设值，则判定该加速传感器对应的加工产品不记为第二加工产品。
9.如权利要求6所述的基于物联网的数据采集装置，其特征在于，所述基于物联网的数据采集装置，还包括：
通畅度排序模块，用于指示实施步骤S811：将获取到的通畅度按照时间顺序进行排序，得到通畅度集；
拟合模块，用于指示实施步骤S812：根据公式
对所述通畅度集中各个通畅度进行拟合，得到通畅度函数；
通畅度函数输入模块，用于指示实施步骤S813：将所述通畅度函数输入至预设的状态信息获取模型中，得到所述流水线工人的状态信息；其中，所述状态信息获取模型根据不同的状态信息以及对应的通畅度函数训练而成。
10.如权利要求6所述的基于物联网的数据采集装置，其特征在于，所述数据采集装置，还包括：
数量获取模块，用于指示实施步骤S001：获取加工产品的种类以及流水线工人的数量；
初始移动速度设置模块，用于指示实施步骤S002：基于所述加工产品的种类以及流水线工人的数量设置流水线的初始移动速度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211290259.5A CN115357001B (zh) | 2022-10-21 | 2022-10-21 | 一种基于物联网的数据采集方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211290259.5A CN115357001B (zh) | 2022-10-21 | 2022-10-21 | 一种基于物联网的数据采集方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115357001A true CN115357001A (zh) | 2022-11-18 |
| CN115357001B CN115357001B (zh) | 2023-02-03 |
Family
ID=84008989
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211290259.5A Active CN115357001B (zh) | 2022-10-21 | 2022-10-21 | 一种基于物联网的数据采集方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115357001B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06274501A (ja) * | 1993-01-20 | 1994-09-30 | Hitachi Ltd | ライン速度計画システムおよびワーク投入システム |
| JP2004355147A (ja) * | 2003-05-27 | 2004-12-16 | Matsushita Electric Works Ltd | 工程設計装置、工程設計方法、工程設計プログラム |
| JP2010271927A (ja) * | 2009-05-21 | 2010-12-02 | Kanto Auto Works Ltd | 作業判定システム及び作業判定方法並びに該作業判定方法を記録した記録媒体 |
| CN103197623A (zh) * | 2013-03-04 | 2013-07-10 | 张舒 | 一种流水线监控管理方法及装置 |
| CN106952472A (zh) * | 2017-03-28 | 2017-07-14 | 北京博研智通科技有限公司 | 基于多元数据的城市之间拥堵程度排序方法和系统 |
| CN112068509A (zh) * | 2020-08-04 | 2020-12-11 | 南京轩世琪源软件科技有限公司 | 一种流水装配线多工位数据采集处理系统 |
| CN113670376A (zh) * | 2021-08-04 | 2021-11-19 | 广州云硕科技发展有限公司 | 一种基于物联网的智慧园区环境监测方法及系统 |
| CN114219353A (zh) * | 2021-12-28 | 2022-03-22 | 曾云莲 | 基于大数据和智能仓储的物流管理方法 |
| CN114493059A (zh) * | 2022-04-19 | 2022-05-13 | 西安石油大学 | 一种基于机器学习的人员管控方法及系统 |
| CN114839944A (zh) * | 2022-07-04 | 2022-08-02 | 国佳云为(江苏)信息科技有限公司 | 基于物联网的智能生产车间管理数据的传输方法及系统 |
-
2022
- 2022-10-21 CN CN202211290259.5A patent/CN115357001B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06274501A (ja) * | 1993-01-20 | 1994-09-30 | Hitachi Ltd | ライン速度計画システムおよびワーク投入システム |
| JP2004355147A (ja) * | 2003-05-27 | 2004-12-16 | Matsushita Electric Works Ltd | 工程設計装置、工程設計方法、工程設計プログラム |
| JP2010271927A (ja) * | 2009-05-21 | 2010-12-02 | Kanto Auto Works Ltd | 作業判定システム及び作業判定方法並びに該作業判定方法を記録した記録媒体 |
| CN103197623A (zh) * | 2013-03-04 | 2013-07-10 | 张舒 | 一种流水线监控管理方法及装置 |
| CN106952472A (zh) * | 2017-03-28 | 2017-07-14 | 北京博研智通科技有限公司 | 基于多元数据的城市之间拥堵程度排序方法和系统 |
| CN112068509A (zh) * | 2020-08-04 | 2020-12-11 | 南京轩世琪源软件科技有限公司 | 一种流水装配线多工位数据采集处理系统 |
| CN113670376A (zh) * | 2021-08-04 | 2021-11-19 | 广州云硕科技发展有限公司 | 一种基于物联网的智慧园区环境监测方法及系统 |
| CN114219353A (zh) * | 2021-12-28 | 2022-03-22 | 曾云莲 | 基于大数据和智能仓储的物流管理方法 |
| CN114493059A (zh) * | 2022-04-19 | 2022-05-13 | 西安石油大学 | 一种基于机器学习的人员管控方法及系统 |
| CN114839944A (zh) * | 2022-07-04 | 2022-08-02 | 国佳云为(江苏)信息科技有限公司 | 基于物联网的智能生产车间管理数据的传输方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 欧阳子璇: "基于TOC的汽车零部件生产系统仿真优化研究——以L公司SAC装配线为例", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115357001B (zh) | 2023-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10518357B2 (en) | Machine learning device and robot system to learn processing order of laser processing robot and machine learning method thereof | |
| US20180354125A1 (en) | Controller and machine learning device | |
| US10953538B2 (en) | Control device and learning device | |
| US20160121484A1 (en) | Control device with function to check load information settings | |
| US20180046150A1 (en) | Operation management system having sensor and machine learning unit | |
| US10384880B2 (en) | Workpiece supply system | |
| US10576628B2 (en) | Controller and machine learning device | |
| CN105270856A (zh) | 物品排列装置 | |
| EP3469431B1 (en) | A method and a robot system for handling objects | |
| US20170090452A1 (en) | Machine tool for generating speed distribution | |
| WO2020194187A1 (en) | Hybrid machine learning-based systems and methods for training an object picking robot with real and simulated performance data | |
| KR102161570B1 (ko) | 로봇 제어 장치 및 방법 | |
| US10727930B2 (en) | Radio repeater selection apparatus and machine learning device | |
| CN108710285A (zh) | 工业机器人模型仿真控制方法及装置 | |
| CN109693234A (zh) | 机器人跌倒预测方法、装置、终端设备及计算机存储介质 | |
| CN115357001B (zh) | 一种基于物联网的数据采集方法和装置 | |
| JP2020082314A (ja) | 学習装置、ロボット制御装置、及びロボット制御システム | |
| CN116661403A (zh) | 一种柔性生产线的自适应匹配控制系统 | |
| CN212623733U (zh) | 一种智能生产系统 | |
| CN112394719B (zh) | 一种基于采样数据的多运动体系统编队控制装置及方法 | |
| Bhounsule et al. | Accurate task-space tracking for humanoids with modeling errors using iterative learning control | |
| KR101138019B1 (ko) | 로봇 제어 장치 및 방법 | |
| KR20190110387A (ko) | 고동특성 케이블로봇의 정밀제어를 위한 케이블 모델링 시스템 | |
| KR20190136330A (ko) | 수작업이 포함된 스마트 공장 시스템에서의 작업 정보 수집 장치 및 방법 | |
| JP7208254B2 (ja) | 作業最適化システムおよび作業最適化装置 |
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 |