CN115375122A - 基于互联网的生产质量监控预警方法及系统 - Google Patents
基于互联网的生产质量监控预警方法及系统 Download PDFInfo
- Publication number
- CN115375122A CN115375122A CN202210970545.XA CN202210970545A CN115375122A CN 115375122 A CN115375122 A CN 115375122A CN 202210970545 A CN202210970545 A CN 202210970545A CN 115375122 A CN115375122 A CN 115375122A
- Authority
- CN
- China
- Prior art keywords
- current
- data
- production
- generating
- abnormal
- 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.)
- Withdrawn
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 288
- 238000012544 monitoring process Methods 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000002159 abnormal effect Effects 0.000 claims abstract description 173
- 238000012216 screening Methods 0.000 claims abstract description 31
- 238000005516 engineering process Methods 0.000 claims abstract description 29
- 230000005540 biological transmission Effects 0.000 claims abstract description 21
- 238000012797 qualification Methods 0.000 claims description 35
- 238000005070 sampling Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 5
- 230000002950 deficient Effects 0.000 claims 3
- 230000006872 improvement Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002547 anomalous effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007688 edging Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003786 synthesis reaction 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
Abstract
本申请涉及一种基于互联网的生产质量监控预警方法及系统，包括基于互联网信息传输模块获取当前监测产品的当前实际产品图像，并根据所述当前实际产品图像生成当前产品质量合格指数，生成当前生产监测数据曲线，获取实际异常指数数量，筛选出异常数据曲线段；生成当前生产第一警示数据，并生成不良率增长趋势，然后根据所述不良率增长趋势生成当前生产第二警示数据；生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告。本发明实现在基于互联网技术支撑的基础上进行生产质量预警时获取更精准的生产基础数据，并提升了在进行生产质量监控及预警时的生产监测可靠性和生产预警准确性。
Description
技术领域
本申请涉及生产质量监控技术领域，特别是涉及一种基于互联网的生产质量监控预警方法及系统。
背景技术
生产质量监控，是实现底层生产过程实时信息的采集，通过信息集成形成优化控制、优化调度和优化决策等的判断或指令，实现流程工业企业生产过程的安全、稳定、均衡、优质、高产、低耗的目标；同时，企业内部生产的控制与管理、生产过程成本的控制与管理等生产管理活动都在处于生产质量监控的范畴内，生产监控与质量预测对于生产过程至关重要。
目前，对生产质量监控的方法多种多样，如申请号公开了申请号为CN201811484489.9的发明专利文件，其具体公开了一种电子商务产品质量安全风险监测与预警方法，先确定待抽样的产品，然后定时抽取数量为n的样本，对抽取到的样本的质量进行检测，得到该样本的各个数据；根据检测得到的数据，利用控制图对样本进行风险监测，利用公式计算风险系数对样本进行预警；样本的风险监测包括不合格品率的风险监控和关键质量特性的风险监控。
虽然上述专利文件能够实现直观反映安全风险以及及时和准确的对产品质量进行预警的特点，但是其仍然存在缺点，其通过定时抽取的样本数据不能够表征所有的产品，存在着进行质量把控时所依靠的基础数据不可靠的问题，进而导致了不能够实现精准生产质量以及监控预警的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够在基于互联网技术支撑的基础上实现在进行生产质量预警时获取更精准的生产基础数据和基于获取的生产基础数据进行更精准且更高效的基于互联网的生产质量监控预警方法及系统。
本发明技术方案如下：
一种基于互联网的生产质量监控预警方法，所述方法包括：
基于互联网信息传输模块获取经预设的信息采集设备对当前监测生产线上生产的当前监测产品的当前实际产品图像，并根据所述当前实际产品图像生成当前产品质量合格指数，其中，一个所述当前实际产品图像对应一个所述当前产品质量合格指数；基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并根据所述当前生产监测数据曲线获取实际异常指数数量，同时从所述当前生产监测数据曲线中筛选出异常数据曲线段；根据所述实际异常指数数量生成当前生产第一警示数据，并根据所述异常数据曲线段进行不良率提取并生成不良率增长趋势，然后根据所述不良率增长趋势生成当前生产第二警示数据；基于互联网技术根据所述当前生产第一警示数据和所述当前生产第二警示数据生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告。
进一步地说，根据所述实际异常指数数量生成当前生产第一警示数据，并根据所述异常数据曲线段进行不良率提取并生成不良率增长趋势，然后根据所述不良率增长趋势生成当前生产第二警示数据；具体包括：
将所述实际异常指数数量与预设的标准异常范围进行对比，并获取所述实际异常指数数量在所述标准异常范围中的范围阶段，并将该范围阶段设为当前所处范围；其中，所述标准异常范围内设有多个范围阶段，每个范围阶段对应一个异常风险参数，每个异常风险参数对应有可能风险数据；根据所述当前所处范围获取与所述当前所处范围对应的异常风险参数，并根据所述异常风险参数及对应的可能风险数据生成当前生产第一警示数据；根据所述异常数据曲线段，按照预设的特定曲线长度从所述异常数据曲线段中筛选出多个目标曲线段；分别生成每个所述目标曲线段的当前增长率；根据所述当前增长率生成不良率增长趋势；根据所述不良率增长趋势生成当前生产第二警示数据。
进一步地说，基于互联网技术根据所述当前生产第一警示数据和所述当前生产第二警示数据生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告；具体包括：
基于互联网技术获取导致产生所述当前生产第一警示数据的可能风险原因；获取所述可能风险原因所对应的生产工位所对应的实际生产数据；根据所述实际生产数据判断所述可能风险原因所对应的生产工位的实际正常参数；基于互联网技术获取与所述当前生产第二警示数据对应的监测人员数据；获取所述监测人员数据对应的实际监测人员的实际工作数据；根据所述实际工作数据生成所述实际监测人员的正常工作参数；根据所述实际正常参数和所述正常工作参数生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告。
进一步地说，基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并根据所述当前生产监测数据曲线获取实际异常指数数量，同时从所述当前生产监测数据曲线中筛选出异常数据曲线段；具体包括：
基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并基于互联网调取工程设定人员预先设定的正常合格参数；根据所述正常合格参数生成正常合格参数线，并根据所述正常合格参数线从所述当前生产监测数据曲线中筛选出合格之外数据线，所述合格之外数据线包括多个合格之外数据线段；根据所述合格之外数据线获取所述合格之外数据线中的实际异常指数数量；分别获取各所述合格之外数据线段的实际增长率，并将大于标准增长率的所述实际增长率所对应的合格之外数据线段设定为异常数据曲线段。
进一步地说，基于互联网信息传输模块获取经预设的信息采集设备对当前监测生产线上生产的当前监测产品的当前实际产品图像，并根据所述当前实际产品图像生成当前产品质量合格指数，其中，一个所述当前实际产品图像对应一个所述当前产品质量合格指数；具体包括：
基于互联网信息传输模块获取经预设的信息采集设备对当前监测生产线上生产的当前监测产品的当前实际产品图像，并对所述当前实际产品图像进行区域划分，并分别生成外观区域图像和预设特定区域图像；根据所述外观区域图像获取异常参数点，并根据所述异常参数点获取局部异常参数；根据所述预设特定区域图像生成特定区域合格面积；根据所述特定区域合格面积生成区域合格指数，其中，所述区域合格指数与所述特定区域合格面积成正比；根据所述区域合格指数生成区域合格参数；根据所述区域合格参数和所述区域合格指数生成当前产品质量合格指数，其中，一个所述当前实际产品图像对应一个所述当前产品质量合格指数。
进一步地说，一种基于互联网的生产质量监控预警系统，所述系统包括：
合格指数生成模块，用于基于互联网信息传输模块获取经预设的信息采集设备对当前监测生产线上生产的当前监测产品的当前实际产品图像，并根据所述当前实际产品图像生成当前产品质量合格指数，其中，一个所述当前实际产品图像对应一个所述当前产品质量合格指数；
异常曲线筛选模块，用于基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并根据所述当前生产监测数据曲线获取实际异常指数数量，同时从所述当前生产监测数据曲线中筛选出异常数据曲线段；
警示数据生成模块，用于根据所述实际异常指数数量生成当前生产第一警示数据，并根据所述异常数据曲线段进行不良率提取并生成不良率增长趋势，然后根据所述不良率增长趋势生成当前生产第二警示数据；
预警报告生成模块，用于基于互联网技术根据所述当前生产第一警示数据和所述当前生产第二警示数据生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告。
进一步地说，所述警示数据生成模块还包括：
第一处理模块，用于将所述实际异常指数数量与预设的标准异常范围进行对比，并获取所述实际异常指数数量在所述标准异常范围中的范围阶段，并将该范围阶段设为当前所处范围；其中，所述标准异常范围内设有多个范围阶段，每个范围阶段对应一个异常风险参数，每个异常风险参数对应有可能风险数据；
第二处理模块，用于根据所述当前所处范围获取与所述当前所处范围对应的异常风险参数，并根据所述异常风险参数及对应的可能风险数据生成当前生产第一警示数据；
第三处理模块，用于根据所述异常数据曲线段，按照预设的特定曲线长度从所述异常数据曲线段中筛选出多个目标曲线段；
第四处理模块，用于分别生成每个所述目标曲线段的当前增长率；
第五处理模块，用于根据所述当前增长率生成不良率增长趋势；
第六处理模块，用于根据所述不良率增长趋势生成当前生产第二警示数据。
进一步地说，所述预警报告生成模块还用于：
基于互联网技术获取导致产生所述当前生产第一警示数据的可能风险原因；获取所述可能风险原因所对应的生产工位所对应的实际生产数据；根据所述实际生产数据判断所述可能风险原因所对应的生产工位的实际正常参数；基于互联网技术获取与所述当前生产第二警示数据对应的监测人员数据；获取所述监测人员数据对应的实际监测人员的实际工作数据；根据所述实际工作数据生成所述实际监测人员的正常工作参数；根据所述实际正常参数和所述正常工作参数生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告；
所述异常曲线筛选模块还用于：基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并基于互联网调取工程设定人员预先设定的正常合格参数；根据所述正常合格参数生成正常合格参数线，并根据所述正常合格参数线从所述当前生产监测数据曲线中筛选出合格之外数据线，所述合格之外数据线包括多个合格之外数据线段；根据所述合格之外数据线获取所述合格之外数据线中的实际异常指数数量；分别获取各所述合格之外数据线段的实际增长率，并将大于标准增长率的所述实际增长率所对应的合格之外数据线段设定为异常数据曲线段。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述基于互联网的生产质量监控预警方法所述的步骤。
一种计算机可读存储介质，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上述基于互联网的生产质量监控预警方法所述的步骤。
本发明实现技术效果如下：
上述基于互联网的生产质量监控预警方法及系统，依次通过基于互联网信息传输模块获取经预设的信息采集设备对当前监测生产线上生产的当前监测产品的当前实际产品图像，并根据所述当前实际产品图像生成当前产品质量合格指数，其中，一个所述当前实际产品图像对应一个所述当前产品质量合格指数；基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并根据所述当前生产监测数据曲线获取实际异常指数数量，同时从所述当前生产监测数据曲线中筛选出异常数据曲线段；根据所述实际异常指数数量生成当前生产第一警示数据，并根据所述异常数据曲线段进行不良率提取并生成不良率增长趋势，然后根据所述不良率增长趋势生成当前生产第二警示数据；基于互联网技术根据所述当前生产第一警示数据和所述当前生产第二警示数据生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告，因此，本发明先为了对产品的合格与否和质量进行衡量，进而通过根据所述当前实际产品图像生成当前产品质量合格指数，也即生成了所述当前产品质量合格指数来进行合格产品的表征，为了提升对生产监测的可靠性和准确性，故本发明通过综合两个指标来考量，具体为通过根据所述当前生产监测数据曲线获取实际异常指数数量，以及从所述当前生产监测数据曲线中筛选出异常数据曲线段，接着在生成综合警示数据后，并根据所述综合警示数据生成当前生产质量预警报告，进而实现在基于互联网技术支撑的基础上进行生产质量预警时获取更精准的生产基础数据，并提升了在进行生产质量监控及预警时的生产监测可靠性和生产预警准确性。
附图说明
图1为一个实施例中基于互联网的生产质量监控预警方法的流程示意图；
图2为一个实施例中基于互联网的生产质量监控预警系统的结构框图；
图3为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，提供了一种所述基于互联网的生产质量监控预警方法的应用场景，该应用场景包括一终端，该终端与所述互联网信息传输模块基于互联网技术通信连接，所述终端用于基于互联网信息传输模块获取经预设的信息采集设备对当前监测生产线上生产的当前监测产品的当前实际产品图像，并根据所述当前实际产品图像生成当前产品质量合格指数，其中，一个所述当前实际产品图像对应一个所述当前产品质量合格指数；基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并根据所述当前生产监测数据曲线获取实际异常指数数量，同时从所述当前生产监测数据曲线中筛选出异常数据曲线段；根据所述实际异常指数数量生成当前生产第一警示数据，并根据所述异常数据曲线段进行不良率提取并生成不良率增长趋势，然后根据所述不良率增长趋势生成当前生产第二警示数据；基于互联网技术根据所述当前生产第一警示数据和所述当前生产第二警示数据生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告。
本实施例中所述终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
在一个实施例中，如图1所示，提供了一种基于互联网的生产质量监控预警方法，所述方法包括：
步骤S100：基于互联网信息传输模块获取经预设的信息采集设备对当前监测生产线上生产的当前监测产品的当前实际产品图像，并根据所述当前实际产品图像生成当前产品质量合格指数，其中，一个所述当前实际产品图像对应一个所述当前产品质量合格指数；
本实施例中，所述互联网信息传输模块包括但不限于基于SIM卡的网络模块，或是基于Wifi的通信模块，所述互联网信息传输模块与所述信息采集设备通信连接，所述信息采集设备设置于当前监测生产线上，进而对所述当前监测生产线的生产进行快速监测和高效获取，也即本发明中通过互联网技术实现了能够将质量生产中的数据及时采集并及时传输，进而提升数据传输的效率。
进一步地，所述当前监测生产线为生产工厂中的生产流水线，如牙刷流水线、电容器流水线、鼠标流水线、宠物玩具流水线以及食品包装流水线等。只要针对不同的生产流水线对应安装所述信息采集设备即可，所述信息采集设备包括但不限于图像采集器，如CCD相机。
为了对产品的合格与否和质量进行衡量，进而通过根据所述当前实际产品图像生成当前产品质量合格指数，也即生成了所述当前产品质量合格指数来进行合格产品的表征，进一步地说，本发明中通过设置的所述当前产品质量合格指数来表示产品的质量，当所述当前产品质量合格指数越高时，产品质量越高。
步骤S200：基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并根据所述当前生产监测数据曲线获取实际异常指数数量，同时从所述当前生产监测数据曲线中筛选出异常数据曲线段；
进一步地，本实施例中，为了提升数据的有序性和可靠性，进而基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线。所述当前生产监测数据曲线的横轴是各个时间点，所述当前生产监测数据曲线的纵轴是各当前产品质量合格指数。接着，为了提升对生产监测的可靠性和准确性，故本发明通过综合两个指标来考量，具体为通过根据所述当前生产监测数据曲线获取实际异常指数数量，以及从所述当前生产监测数据曲线中筛选出异常数据曲线段。所述实际异常指数数量是异常的生产数据的数量，或者可以理解为数据异常的产品的数量，而所述异常数据曲线段则表示该时间段内的异常生产曲线，表明可能出现生产问题。
步骤S300：根据所述实际异常指数数量生成当前生产第一警示数据，并根据所述异常数据曲线段进行不良率提取并生成不良率增长趋势，然后根据所述不良率增长趋势生成当前生产第二警示数据；
进一步地，本实施例中，通过综合考量所述实际异常指数数量和所述异常数据曲线段两个参数，具体为根据所述实际异常指数数量生成当前生产第一警示数据，并根据所述异常数据曲线段进行不良率提取并生成不良率增长趋势，然后根据所述不良率增长趋势生成当前生产第二警示数据，这样能够使所述当前生产第一警示数据和所述当前生产第二警示数据来综合反馈生产情况，较之现有技术中通过不合格产品的平均数进行预测的方法，本发明在进行生产质量预警时获取更精准的生产基础数据，并提升了在进行生产质量监控及预警时的生产监测可靠性和生产预警准确性。
步骤S400：基于互联网技术根据所述当前生产第一警示数据和所述当前生产第二警示数据生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告。
进一步地，本实施例中，为了进一步地提升对生产质量监控及预警的数据的广度和兼容性，进而通过基于互联网技术根据所述当前生产第一警示数据和所述当前生产第二警示数据生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告，进而实现提升了生成的所述当前生产质量预警报告的可靠性和准确性。
综上所述，本发明所述基于互联网的生产质量监控预警方法及系统，依次通过基于互联网信息传输模块获取经预设的信息采集设备对当前监测生产线上生产的当前监测产品的当前实际产品图像，并根据所述当前实际产品图像生成当前产品质量合格指数，其中，一个所述当前实际产品图像对应一个所述当前产品质量合格指数；基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并根据所述当前生产监测数据曲线获取实际异常指数数量，同时从所述当前生产监测数据曲线中筛选出异常数据曲线段；根据所述实际异常指数数量生成当前生产第一警示数据，并根据所述异常数据曲线段进行不良率提取并生成不良率增长趋势，然后根据所述不良率增长趋势生成当前生产第二警示数据；基于互联网技术根据所述当前生产第一警示数据和所述当前生产第二警示数据生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告，因此，本发明先为了对产品的合格与否和质量进行衡量，进而通过根据所述当前实际产品图像生成当前产品质量合格指数，也即生成了所述当前产品质量合格指数来进行合格产品的表征，为了提升对生产监测的可靠性和准确性，故本发明通过综合两个指标来考量，具体为通过根据所述当前生产监测数据曲线获取实际异常指数数量，以及从所述当前生产监测数据曲线中筛选出异常数据曲线段，接着在生成综合警示数据后，并根据所述综合警示数据生成当前生产质量预警报告，进而实现在基于互联网技术支撑的基础上进行生产质量预警时获取更精准的生产基础数据，并提升了在进行生产质量监控及预警时的生产监测可靠性和生产预警准确性。
在一个实施例中，步骤S300：根据所述实际异常指数数量生成当前生产第一警示数据，并根据所述异常数据曲线段进行不良率提取并生成不良率增长趋势，然后根据所述不良率增长趋势生成当前生产第二警示数据；具体包括：
步骤S310：将所述实际异常指数数量与预设的标准异常范围进行对比，并获取所述实际异常指数数量在所述标准异常范围中的范围阶段，并将该范围阶段设为当前所处范围；其中，所述标准异常范围内设有多个范围阶段，每个范围阶段对应一个异常风险参数，每个异常风险参数对应有可能风险数据；
步骤S320：根据所述当前所处范围获取与所述当前所处范围对应的异常风险参数，并根据所述异常风险参数及对应的可能风险数据生成当前生产第一警示数据；
步骤S330：根据所述异常数据曲线段，按照预设的特定曲线长度从所述异常数据曲线段中筛选出多个目标曲线段；
步骤S340：分别生成每个所述目标曲线段的当前增长率；
步骤S350：根据所述当前增长率生成不良率增长趋势；
步骤S360：根据所述不良率增长趋势生成当前生产第二警示数据。
进一步地，本实施例中，先通过将所述实际异常指数数量与预设的标准异常范围进行对比，并获取所述实际异常指数数量在所述标准异常范围中的范围阶段，并将该范围阶段设为当前所处范围；其中，所述标准异常范围内设有多个范围阶段，每个范围阶段对应一个异常风险参数，每个异常风险参数对应有可能风险数据；其中，所述标准异常范围、所述范围阶段、所述异常风险参数和所述可能风险数据均为一一对应关系，并且，所述标准异常范围、所述范围阶段、所述异常风险参数和所述可能风险数据均是基于互联网技术来预先获取数据并存储，这样保证了数据的可靠性。然后，根据所述当前所处范围获取与所述当前所处范围对应的异常风险参数，并根据所述异常风险参数及对应的可能风险数据生成当前生产第一警示数据；所述当前生产第一警示数据为包含了可能风险数据的数据集合。
接着，根据所述异常数据曲线段，按照预设的特定曲线长度从所述异常数据曲线段中筛选出多个目标曲线段；通过设置的所述特定曲线长度，实现了所述目标曲线段的获取，这样使每个所述目标曲线段的长度均相同，以实现均一化数据获取，然后，分别生成每个所述目标曲线段的当前增长率；根据所述当前增长率生成不良率增长趋势；其中，所述通过将各所述当前增长率进行平均值生成，进而生成所述不良率增长趋势的区分，进而提升数据的准确性，并且更能够反馈生产趋势。最后，根据所述不良率增长趋势生成当前生产第二警示数据，
在一个实施例中，步骤S400：基于互联网技术根据所述当前生产第一警示数据和所述当前生产第二警示数据生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告；具体包括：
步骤S410：基于互联网技术获取导致产生所述当前生产第一警示数据的可能风险原因；
步骤S420：获取所述可能风险原因所对应的生产工位所对应的实际生产数据；
步骤S430：根据所述实际生产数据判断所述可能风险原因所对应的生产工位的实际正常参数；
步骤S440：基于互联网技术获取与所述当前生产第二警示数据对应的监测人员数据；
步骤S450：获取所述监测人员数据对应的实际监测人员的实际工作数据；
步骤S460：根据所述实际工作数据生成所述实际监测人员的正常工作参数；
步骤S470：根据所述实际正常参数和所述正常工作参数生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告。
进一步地，本实施例中，为了从工位是否出现生产问题以及人员监控方面是否出现生产问题，进而通过基于互联网技术获取导致产生所述当前生产第一警示数据的可能风险原因；然后，获取所述可能风险原因所对应的生产工位所对应的实际生产数据；其中，所述实际生产数据则为具体的工位生产出来的数据，具体比如A工位，A工位是用于加工玩具的磨边，其实际生产数据则为磨边的情况，若出现下次，如出现不光滑，则可能出现磨刀存在问题，也即因该工位导致生产出现问题；
接着，根据所述实际生产数据判断所述可能风险原因所对应的生产工位的实际正常参数；再然后，基于互联网技术获取与所述当前生产第二警示数据对应的监测人员数据；获取所述监测人员数据对应的实际监测人员的实际工作数据；实际监测人员的实际工作数据，具体包括但不限于该实际监测人员的工作记录等数据，接着，根据所述实际工作数据生成所述实际监测人员的正常工作参数；最后，根据所述实际正常参数和所述正常工作参数生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告。
在一个实施例中，步骤S200：基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并根据所述当前生产监测数据曲线获取实际异常指数数量，同时从所述当前生产监测数据曲线中筛选出异常数据曲线段；具体包括：
步骤S210：基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并基于互联网调取工程设定人员预先设定的正常合格参数；
步骤S220：根据所述正常合格参数生成正常合格参数线，并根据所述正常合格参数线从所述当前生产监测数据曲线中筛选出合格之外数据线，所述合格之外数据线包括多个合格之外数据线段；
步骤S230：根据所述合格之外数据线获取所述合格之外数据线中的实际异常指数数量；
步骤S240：分别获取各所述合格之外数据线段的实际增长率，并将大于标准增长率的所述实际增长率所对应的合格之外数据线段设定为异常数据曲线段。
进一步地，本实施例中，为了提升筛选的数据的针对性，故通过预先设置所述特定采样时间间隔，并基于所述特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并基于互联网调取工程设定人员预先设定的正常合格参数，通过实时获取所述正常合格参数，保证了所述正常合格参数实时变化时，也能够即使根据变化的正常合格参数进行参数提取，然后，根据所述正常合格参数生成正常合格参数线，并根据所述正常合格参数线从所述当前生产监测数据曲线中筛选出合格之外数据线，所述合格之外数据线包括多个合格之外数据线段；其中，所述合格之外数据线段的数量为多个，接着饿，根据所述合格之外数据线获取所述合格之外数据线中的实际异常指数数量；最后，分别获取各所述合格之外数据线段的实际增长率，并将大于标准增长率的所述实际增长率所对应的合格之外数据线段设定为异常数据曲线段。也即，获取的所述异常数据曲线段是先经过所述正常合格参数线进行筛选之后的数据，应理解，所述正常合格参数线具有两个功能，通过所述正常合格参数线的设置，可以实现两次数据的筛选，提升数据获取的效率。
在一个实施例中，步骤S100：基于互联网信息传输模块获取经预设的信息采集设备对当前监测生产线上生产的当前监测产品的当前实际产品图像，并根据所述当前实际产品图像生成当前产品质量合格指数，其中，一个所述当前实际产品图像对应一个所述当前产品质量合格指数；具体包括：
步骤S110：基于互联网信息传输模块获取经预设的信息采集设备对当前监测生产线上生产的当前监测产品的当前实际产品图像，并对所述当前实际产品图像进行区域划分，并分别生成外观区域图像和预设特定区域图像；
步骤S120：根据所述外观区域图像获取异常参数点，并根据所述异常参数点获取局部异常参数；
步骤S130：根据所述预设特定区域图像生成特定区域合格面积；
步骤S140：根据所述特定区域合格面积生成区域合格指数，其中，所述区域合格指数与所述特定区域合格面积成正比；
步骤S150：根据所述区域合格指数生成区域合格参数；
步骤S160：根据所述区域合格参数和所述区域合格指数生成当前产品质量合格指数，其中，一个所述当前实际产品图像对应一个所述当前产品质量合格指数。
进一步地，本实施例中，为了提升获取的产品的图像数据的精准性，进而通过分区域进行数据提取，也即通过基于互联网信息传输模块获取经预设的信息采集设备对当前监测生产线上生产的当前监测产品的当前实际产品图像，并对所述当前实际产品图像进行区域划分，并分别生成外观区域图像和预设特定区域图像，其中的所述预设特定区域图像为根据不同的产品进行设定，如牙刷是设置了毛刷区域，鼠标则设置了滑轮的区域，这样通过所述预设特定区域图像的获取，保证了对不同产品的不同区域的细致信息获取，然后，根据所述外观区域图像获取异常参数点，并根据所述异常参数点获取局部异常参数；接着，根据所述预设特定区域图像生成特定区域合格面积；再然后，根据所述特定区域合格面积生成区域合格指数，其中，所述区域合格指数与所述特定区域合格面积成正比；根据所述区域合格指数生成区域合格参数；根据所述区域合格参数和所述区域合格指数生成当前产品质量合格指数，其中，一个所述当前实际产品图像对应一个所述当前产品质量合格指数，因此，生成的所述当前产品质量合格指数是集合了产品的所有特征参数后生成的数据，能精准的反映产品是否合格。
在一个实施例中，所述基于互联网的生产质量监控预警方法还包括以下步骤：
获取工作人员根据所述当前生产质量预警报告对所述当前监测生产线进行改进后，所述当前监测生产线的实际产能合格率；
判断所述实际产能合格率达到预设的标准合格率时，提取所述当前生产质量预警报告中的实际改进数据，并将所述实际改进数据输入预设的生产质量改进模型中，使所述生产质量改进模型进行增强学习，并获取增强后生产质量改进模型。
其中，所述生产质量改进模型是由本领域技术人员预先自行设定的神经网络模型，通过设置所述生产质量改进模型，并在判断所述实际产能合格率达到预设的标准合格率时，提取所述当前生产质量预警报告中的实际改进数据，并将所述实际改进数据输入预设的生产质量改进模型中，以提升对当前生产质量预警报告中有用的数据的高效利用。
在一个实施例中，如图2所示，本发明还提供一种基于互联网的生产质量监控预警系统，所述系统包括：
合格指数生成模块，用于基于互联网信息传输模块获取经预设的信息采集设备对当前监测生产线上生产的当前监测产品的当前实际产品图像，并根据所述当前实际产品图像生成当前产品质量合格指数，其中，一个所述当前实际产品图像对应一个所述当前产品质量合格指数；
异常曲线筛选模块，用于基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并根据所述当前生产监测数据曲线获取实际异常指数数量，同时从所述当前生产监测数据曲线中筛选出异常数据曲线段；
警示数据生成模块，用于根据所述实际异常指数数量生成当前生产第一警示数据，并根据所述异常数据曲线段进行不良率提取并生成不良率增长趋势，然后根据所述不良率增长趋势生成当前生产第二警示数据；
预警报告生成模块，用于基于互联网技术根据所述当前生产第一警示数据和所述当前生产第二警示数据生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告。
在一个实施例中，所述警示数据生成模块还包括：
第一处理模块，用于将所述实际异常指数数量与预设的标准异常范围进行对比，并获取所述实际异常指数数量在所述标准异常范围中的范围阶段，并将该范围阶段设为当前所处范围；其中，所述标准异常范围内设有多个范围阶段，每个范围阶段对应一个异常风险参数，每个异常风险参数对应有可能风险数据；
第二处理模块，用于根据所述当前所处范围获取与所述当前所处范围对应的异常风险参数，并根据所述异常风险参数及对应的可能风险数据生成当前生产第一警示数据；
第三处理模块，用于根据所述异常数据曲线段，按照预设的特定曲线长度从所述异常数据曲线段中筛选出多个目标曲线段；
第四处理模块，用于分别生成每个所述目标曲线段的当前增长率；
第五处理模块，用于根据所述当前增长率生成不良率增长趋势；
第六处理模块，用于根据所述不良率增长趋势生成当前生产第二警示数据。
在一个实施例中，所述预警报告生成模块还用于：
基于互联网技术获取导致产生所述当前生产第一警示数据的可能风险原因；获取所述可能风险原因所对应的生产工位所对应的实际生产数据；根据所述实际生产数据判断所述可能风险原因所对应的生产工位的实际正常参数；基于互联网技术获取与所述当前生产第二警示数据对应的监测人员数据；获取所述监测人员数据对应的实际监测人员的实际工作数据；根据所述实际工作数据生成所述实际监测人员的正常工作参数；根据所述实际正常参数和所述正常工作参数生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告；
所述异常曲线筛选模块还用于：基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并基于互联网调取工程设定人员预先设定的正常合格参数；根据所述正常合格参数生成正常合格参数线，并根据所述正常合格参数线从所述当前生产监测数据曲线中筛选出合格之外数据线，所述合格之外数据线包括多个合格之外数据线段；根据所述合格之外数据线获取所述合格之外数据线中的实际异常指数数量；分别获取各所述合格之外数据线段的实际增长率，并将大于标准增长率的所述实际增长率所对应的合格之外数据线段设定为异常数据曲线段。
在一个实施例中，所述合格指数生成模块用于：基于互联网信息传输模块获取经预设的信息采集设备对当前监测生产线上生产的当前监测产品的当前实际产品图像，并对所述当前实际产品图像进行区域划分，并分别生成外观区域图像和预设特定区域图像；根据所述外观区域图像获取异常参数点，并根据所述异常参数点获取局部异常参数；根据所述预设特定区域图像生成特定区域合格面积；根据所述特定区域合格面积生成区域合格指数，其中，所述区域合格指数与所述特定区域合格面积成正比；根据所述区域合格指数生成区域合格参数；根据所述区域合格参数和所述区域合格指数生成当前产品质量合格指数，其中，一个所述当前实际产品图像对应一个所述当前产品质量合格指数。
在一个实施例中，如图3所示，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述基于互联网的生产质量监控预警方法所述的步骤。
一种计算机可读存储介质，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上述基于互联网的生产质量监控预警方法所述的步骤。
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于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，本申请所提供的各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以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、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。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于互联网的生产质量监控预警方法，其特征在于，所述方法包括：
基于互联网信息传输模块获取经预设的信息采集设备对当前监测生产线上生产的当前监测产品的当前实际产品图像，并根据所述当前实际产品图像生成当前产品质量合格指数，其中，一个所述当前实际产品图像对应一个所述当前产品质量合格指数；基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并根据所述当前生产监测数据曲线获取实际异常指数数量，同时从所述当前生产监测数据曲线中筛选出异常数据曲线段；根据所述实际异常指数数量生成当前生产第一警示数据，并根据所述异常数据曲线段进行不良率提取并生成不良率增长趋势，然后根据所述不良率增长趋势生成当前生产第二警示数据；基于互联网技术根据所述当前生产第一警示数据和所述当前生产第二警示数据生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告。
2.根据权利要求1所述的基于互联网的生产质量监控预警方法，其特征在于，根据所述实际异常指数数量生成当前生产第一警示数据，并根据所述异常数据曲线段进行不良率提取并生成不良率增长趋势，然后根据所述不良率增长趋势生成当前生产第二警示数据；具体包括：
将所述实际异常指数数量与预设的标准异常范围进行对比，并获取所述实际异常指数数量在所述标准异常范围中的范围阶段，并将该范围阶段设为当前所处范围；其中，所述标准异常范围内设有多个范围阶段，每个范围阶段对应一个异常风险参数，每个异常风险参数对应有可能风险数据；根据所述当前所处范围获取与所述当前所处范围对应的异常风险参数，并根据所述异常风险参数及对应的可能风险数据生成当前生产第一警示数据；根据所述异常数据曲线段，按照预设的特定曲线长度从所述异常数据曲线段中筛选出多个目标曲线段；分别生成每个所述目标曲线段的当前增长率；根据所述当前增长率生成不良率增长趋势；根据所述不良率增长趋势生成当前生产第二警示数据。
3.根据权利要求1所述的基于互联网的生产质量监控预警方法，其特征在于，基于互联网技术根据所述当前生产第一警示数据和所述当前生产第二警示数据生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告；具体包括：
基于互联网技术获取导致产生所述当前生产第一警示数据的可能风险原因；获取所述可能风险原因所对应的生产工位所对应的实际生产数据；根据所述实际生产数据判断所述可能风险原因所对应的生产工位的实际正常参数；基于互联网技术获取与所述当前生产第二警示数据对应的监测人员数据；获取所述监测人员数据对应的实际监测人员的实际工作数据；根据所述实际工作数据生成所述实际监测人员的正常工作参数；根据所述实际正常参数和所述正常工作参数生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告。
4.根据权利要求1所述的基于互联网的生产质量监控预警方法，其特征在于，基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并根据所述当前生产监测数据曲线获取实际异常指数数量，同时从所述当前生产监测数据曲线中筛选出异常数据曲线段；具体包括：
基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并基于互联网调取工程设定人员预先设定的正常合格参数；根据所述正常合格参数生成正常合格参数线，并根据所述正常合格参数线从所述当前生产监测数据曲线中筛选出合格之外数据线，所述合格之外数据线包括多个合格之外数据线段；根据所述合格之外数据线获取所述合格之外数据线中的实际异常指数数量；分别获取各所述合格之外数据线段的实际增长率，并将大于标准增长率的所述实际增长率所对应的合格之外数据线段设定为异常数据曲线段。
5.根据权利要求1所述的基于互联网的生产质量监控预警方法，其特征在于，基于互联网信息传输模块获取经预设的信息采集设备对当前监测生产线上生产的当前监测产品的当前实际产品图像，并根据所述当前实际产品图像生成当前产品质量合格指数，其中，一个所述当前实际产品图像对应一个所述当前产品质量合格指数；具体包括：
基于互联网信息传输模块获取经预设的信息采集设备对当前监测生产线上生产的当前监测产品的当前实际产品图像，并对所述当前实际产品图像进行区域划分，并分别生成外观区域图像和预设特定区域图像；根据所述外观区域图像获取异常参数点，并根据所述异常参数点获取局部异常参数；根据所述预设特定区域图像生成特定区域合格面积；根据所述特定区域合格面积生成区域合格指数，其中，所述区域合格指数与所述特定区域合格面积成正比；根据所述区域合格指数生成区域合格参数；根据所述区域合格参数和所述区域合格指数生成当前产品质量合格指数，其中，一个所述当前实际产品图像对应一个所述当前产品质量合格指数。
6.一种基于互联网的生产质量监控预警系统，其特征在于，所述系统包括：
合格指数生成模块，用于基于互联网信息传输模块获取经预设的信息采集设备对当前监测生产线上生产的当前监测产品的当前实际产品图像，并根据所述当前实际产品图像生成当前产品质量合格指数，其中，一个所述当前实际产品图像对应一个所述当前产品质量合格指数；
异常曲线筛选模块，用于基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并根据所述当前生产监测数据曲线获取实际异常指数数量，同时从所述当前生产监测数据曲线中筛选出异常数据曲线段；
警示数据生成模块，用于根据所述实际异常指数数量生成当前生产第一警示数据，并根据所述异常数据曲线段进行不良率提取并生成不良率增长趋势，然后根据所述不良率增长趋势生成当前生产第二警示数据；
预警报告生成模块，用于基于互联网技术根据所述当前生产第一警示数据和所述当前生产第二警示数据生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告。
7.根据权利要求6所述的基于互联网的生产质量监控预警系统，其特征在于，所述警示数据生成模块还包括：
第一处理模块，用于将所述实际异常指数数量与预设的标准异常范围进行对比，并获取所述实际异常指数数量在所述标准异常范围中的范围阶段，并将该范围阶段设为当前所处范围；其中，所述标准异常范围内设有多个范围阶段，每个范围阶段对应一个异常风险参数，每个异常风险参数对应有可能风险数据；
第二处理模块，用于根据所述当前所处范围获取与所述当前所处范围对应的异常风险参数，并根据所述异常风险参数及对应的可能风险数据生成当前生产第一警示数据；
第三处理模块，用于根据所述异常数据曲线段，按照预设的特定曲线长度从所述异常数据曲线段中筛选出多个目标曲线段；
第四处理模块，用于分别生成每个所述目标曲线段的当前增长率；
第五处理模块，用于根据所述当前增长率生成不良率增长趋势；
第六处理模块，用于根据所述不良率增长趋势生成当前生产第二警示数据。
8.根据权利要求6所述的基于互联网的生产质量监控预警系统，其特征在于，所述预警报告生成模块还用于：
基于互联网技术获取导致产生所述当前生产第一警示数据的可能风险原因；获取所述可能风险原因所对应的生产工位所对应的实际生产数据；根据所述实际生产数据判断所述可能风险原因所对应的生产工位的实际正常参数；基于互联网技术获取与所述当前生产第二警示数据对应的监测人员数据；获取所述监测人员数据对应的实际监测人员的实际工作数据；根据所述实际工作数据生成所述实际监测人员的正常工作参数；根据所述实际正常参数和所述正常工作参数生成综合警示数据，并根据所述综合警示数据生成当前生产质量预警报告；
所述异常曲线筛选模块还用于：基于预设的特定采样时间间隔对各所述当前产品质量合格指数进行排序，在排序后生成当前生产监测数据曲线，并基于互联网调取工程设定人员预先设定的正常合格参数；根据所述正常合格参数生成正常合格参数线，并根据所述正常合格参数线从所述当前生产监测数据曲线中筛选出合格之外数据线，所述合格之外数据线包括多个合格之外数据线段；根据所述合格之外数据线获取所述合格之外数据线中的实际异常指数数量；分别获取各所述合格之外数据线段的实际增长率，并将大于标准增长率的所述实际增长率所对应的合格之外数据线段设定为异常数据曲线段。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210970545.XA CN115375122A (zh) | 2022-08-12 | 2022-08-12 | 基于互联网的生产质量监控预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210970545.XA CN115375122A (zh) | 2022-08-12 | 2022-08-12 | 基于互联网的生产质量监控预警方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115375122A true CN115375122A (zh) | 2022-11-22 |
Family
ID=84064756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210970545.XA Withdrawn CN115375122A (zh) | 2022-08-12 | 2022-08-12 | 基于互联网的生产质量监控预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115375122A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116578049A (zh) * | 2023-05-16 | 2023-08-11 | 安徽企服工业技术有限公司 | 基于工业互联网的数字化改造方法 |
| CN117236799A (zh) * | 2023-11-14 | 2023-12-15 | 山东焱鑫矿用材料加工有限公司 | 一种中空注浆锚索的生产质量控制系统 |
-
2022
- 2022-08-12 CN CN202210970545.XA patent/CN115375122A/zh not_active Withdrawn
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116578049A (zh) * | 2023-05-16 | 2023-08-11 | 安徽企服工业技术有限公司 | 基于工业互联网的数字化改造方法 |
| CN116578049B (zh) * | 2023-05-16 | 2023-10-31 | 安徽企服工业技术有限公司 | 基于工业互联网的数字化改造方法 |
| CN117236799A (zh) * | 2023-11-14 | 2023-12-15 | 山东焱鑫矿用材料加工有限公司 | 一种中空注浆锚索的生产质量控制系统 |
| CN117236799B (zh) * | 2023-11-14 | 2024-02-09 | 山东焱鑫矿用材料加工有限公司 | 一种中空注浆锚索的生产质量控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115375122A (zh) | 基于互联网的生产质量监控预警方法及系统 | |
| CN109032829B (zh) | 数据异常检测方法、装置、计算机设备及存储介质 | |
| CN107240011B (zh) | 一种指标配置加工方法和系统 | |
| CN117391440A (zh) | 一种企业信息侦察平台及方法 | |
| CN111861704A (zh) | 风控特征生成方法及系统 | |
| CN103913150B (zh) | 智能电能表电子元器件一致性检测方法 | |
| KR102355320B1 (ko) | 인공지능을 이용한 rfid 기반의 자재사용량 예측 및 자동발주 시스템 제공방법 | |
| CN117311295B (zh) | 基于无线网络设备的生产质量提升方法及系统 | |
| WO2024066784A1 (zh) | 测试设备稳定性的监控方法、装置、电子设备和存储介质 | |
| CN111849544B (zh) | 加氢裂化的产品质量自控方法、装置和存储器 | |
| CN112418893A (zh) | 一种基于机器学习的供应链调整方法、装置及电子设备 | |
| CN111080364A (zh) | 一种工程造价数据中心管理系统及装置 | |
| CN111260155A (zh) | 粮食加工的工序优化方法、装置、电子设备及存储介质 | |
| CN110097250A (zh) | 产品风险预测方法、装置、计算机设备和存储介质 | |
| CN109146311A (zh) | 加工工艺评估方法、用户设备、存储介质及装置 | |
| CN112712308A (zh) | 一种库存监控管理方法、装置及存储介质 | |
| CN111849545B (zh) | 加氢裂化的产品质量预测方法、装置和存储器 | |
| CN113191731A (zh) | 一种基于bim平台的智慧建筑工程管理系统 | |
| CN113610225A (zh) | 质量评估模型训练方法、装置、电子设备及存储介质 | |
| CN112330156B (zh) | Kpi管理方法、装置、设备以及存储介质 | |
| CN118070198B (zh) | 测试异常的分析方法及装置、可读存储介质、终端 | |
| CN103971194A (zh) | 送验材料清单的产生装置及方法 | |
| CN117829649A (zh) | 质检指标维护方法、装置、计算设备及存储介质 | |
| CN117453721B (zh) | 一种基于大数据的生产经营数据采集系统 | |
| CN118691161A (zh) | 一种基于质量管理决策系统的数理统计分析方法 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20221122 |
|
| WW01 | Invention patent application withdrawn after publication |