CN115422208A - 缺陷检测处理方法、系统及介质 - Google Patents

缺陷检测处理方法、系统及介质 Download PDF

Info

Publication number
CN115422208A
CN115422208A CN202211381612.0A CN202211381612A CN115422208A CN 115422208 A CN115422208 A CN 115422208A CN 202211381612 A CN202211381612 A CN 202211381612A CN 115422208 A CN115422208 A CN 115422208A
Authority
CN
China
Prior art keywords
data
sensor
product quality
defect detection
result
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
Application number
CN202211381612.0A
Other languages
English (en)
Inventor
姚金昭
赵何
张志琦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Zhiyun Tiangong Technology Co ltd
Original Assignee
Jiangsu Zhiyun Tiangong Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Zhiyun Tiangong Technology Co ltd filed Critical Jiangsu Zhiyun Tiangong Technology Co ltd
Priority to CN202211381612.0A priority Critical patent/CN115422208A/zh
Publication of CN115422208A publication Critical patent/CN115422208A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22Indexing; Data structures therefor; Storage structures
    • G06F16/221Column-oriented storage; Management thereof
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22Indexing; Data structures therefor; Storage structures
    • G06F16/2282Tablespace storage structures; Management thereof
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25Integrating or interfacing systems involving database management systems
    • G06F16/258Data format conversion from or to a database
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/26Visual data mining; Browsing structured data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Computational Linguistics (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • General Factory Administration (AREA)

Abstract

本发明提供一种缺陷检测处理方法、系统及介质,涉及测量、测试领域中的缺陷检测技术领域,包括:步骤S1:通过产品表面缺陷的质检传感器采集产品质量数据,存储在数据库中;步骤S2:实时监控所述产品质量数据,并将所述产品质量数据上传至缺陷处理终端;步骤S3:在缺陷处理终端中分析检测产品缺陷,计算产品的良品率。本发明能够解决监控不及时,数据滞后,从而无法实时观察产品缺陷的技术问题。

Description

缺陷检测处理方法、系统及介质
技术领域
本发明涉及测量、测试领域中的缺陷检测技术领域,具体涉及一种缺陷检测处理方法、系统及介质,尤其应用于工业生产线上产品缺陷检测等。
背景技术
随着国家大力发展“新基建”,以大数据为技术中心点,为传统工业企业,智慧城市等提供智能化的实时监控是新的趋势。工业生产过程中,为提高产品的良品率,需要实时对产品进行检测并实时监控。
现有的缺陷检测技术中,多依靠人工通过视频进行监控,或通过人工直接对生产线上的产品数据进行现场记录监控,例如企业在产品生产过程中可能依靠单个质检传感器数据,使用人力用笔记录计算等,当面临成千上万个质检传感器,几个大型工厂,就会面临监控不及时,数据滞后等问题。
发明内容
针对现有技术中的缺陷,本发明提供一种缺陷检测处理方法、系统及介质。
根据本发明提供的一种缺陷检测处理方法、系统及介质,所述方案如下:
第一方面,提供了一种缺陷检测处理方法,所述方法包括:
步骤S1:通过产品表面缺陷的质检传感器采集产品质量数据,存储在数据库中;
步骤S2:实时监控所述产品质量数据,并将所述产品质量数据上传至缺陷处理终端;
步骤S3:在缺陷处理终端中分析检测产品缺陷,计算产品的良品率。
优选地,所述步骤S2包括:
数据采集步骤:获取质检传感器中的产品质量数据;
数据转换步骤:对所述产品质量数据进行格式转换获得传感器数据,并发送至消息中间件,使用自定义连接器消费所述消息中间件的传感器数据;
指标计算步骤:将不同的传感器数据按照不同维度进行开窗计算,将开窗计算的结果写入所述消息中间件的分析层topic中,并通过flink cep技术动态监控实时数据,筛选出异常数据,按照事件紧急程度进行相应报警;
结果分析步骤:将所述开窗计算的结果数据写入数据源,分析指标结果数据。
优选地,所述数据转换步骤包括:将传感器数据的bit数组格式转换为字符串:
1)接收bit数组,按照约定协议转换成word数组;
2)通过word数组解析出指定的设备信息;按照所述设备信息依次循环word数组的每个元素,拼接成JSON发送到指定消息中间件中。
优选地,所述数据转换步骤还包括:自定义Flink kafkaConsumer连接器连接消息中间件,解析传感器数据,划分工厂范围,进行一次性消费,具体包括:
1)使用flink算子对传感器数据进行过滤,分区;
2)使用异步io匹配质检传感器id对应的维表数据;
3)将维表数据和传感器数据进行join,得到结果数据;
4)按照不同的维表数据将结果数据发送到消息中间件不同的分析层topic中。
优选地,所述维表数据包括:设备id 、设备安装人、设备检测范围、设备所在工厂区域、设备所在工厂 、设备所在集团 、设备维修负责人、设备状态和时间戳。
优选地,所述使用flink算子对传感器数据进行过滤,分区包括:
1.1)使用map算子对传感器数据进行转换,将JSON类型转换为算子可处理的类型;
1.2)使用filter算子,对上一步处理后的传感器数据进行过滤,过滤掉脏数据;
1.3)使用自定义的flatMap算子,对上一步数据进行进一步转换,将嵌套数据转换为tuple类型;
1.4)使用 keyBy 算子,对上一步数据中,按照质检传感器id分区,把相同质检传感器id数据分入不同分区等待下一步计算。
优选地,所述指标计算步骤包括:
1)计算质检传感器基本指标,获取指标计算结果;
2)通过flink cep技术动态监控实时数据,筛选出异常数据,进行相应报警;
3)把所述指标计算结果写入到不同的分析层topic中;把所述指标计算结果持久化到列式存储数据库中进行分析。
优选地,所述结果分析步骤具体包括:
1)接入hdfs数据,通过配置界面接入,简化分析人员操作流程;
2)创建数据集,所述数据集承接数据源的输入,为可视化展示输出数据表;
3)输入数据源中表数据,对当前传感器数据进行分析,获得分析结果;
4)当所述分析结果达到设定阈值后,触发相应报警。
第二方面,提供了一种缺陷检测处理系统,所述系统包括:
模块M1:通过产品表面缺陷的质检传感器采集产品质量数据,存储在数据库中;
模块M2:实时监控所述产品质量数据,并将所述产品质量数据上传至缺陷处理终端;
模块M3:在缺陷处理终端中分析检测产品缺陷,计算产品的良品率。
第三方面,提供了一种存储有计算机程序的计算机可读存储介质,所述计算机程序被处理器执行时实现所述缺陷检测处理方法中的步骤。
与现有技术相比,本发明具有如下的有益效果:
本发明通过实时监控产品质量数据,经缺陷处理终端展示产品缺陷情况,能及时分析了解流水线质检秒/分钟/小时/天/月级别的良品率,解决了监控不及时,数据滞后,从而无法实时观察产品缺陷的技术问题。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明整体流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明实施例提供了一种缺陷检测处理方法,参照图1所示,该方法具体包括以下内容:
步骤S1:通过产品表面缺陷的质检传感器采集产品质量数据,存储在数据库中。
步骤S2:实时监控产品质量数据,并将产品质量数据上传至缺陷处理终端。
步骤S3:在缺陷处理终端中分析检测产品缺陷,计算产品的良品率。
具体地,步骤S2中包括:
数据采集步骤:获取质检传感器中的 bit数组。
数据转换步骤:数据网关接收bit 数组,通过协议识别出设备相关字段并且转换为JSON字符串获得传感器数据,实时发送到消息中间件,使用 Flink 消费消息中间件的数据信息。
具体地,将传感器数据的bit数组格式转换为字符串:
1)接收bit数组,按照约定协议转换成word数组;
2)通过word数组解析出指定的设备信息,按照设备信息依次循环word数组的每个元素,拼接成 JSON 发送到指定消息中间件中。
使用Flink消费消息中间件的数据信息,具体为:自定义Flink kafkaConsumer连接器连接消息中间件,解析传感器数据,根据质检传感器id,划分工厂范围,进行实现精准一次性消费,传感器数据不丢失,不重复。具体包括:
1)使用map、filter、flatMap、keyBy 等flink算子对传感器数据进行处理:
(1)使用map算子对传感器数据进行转换,将JSON类型转换为算子可处理的类型。
(2)使用filter算子,对上一步处理后的传感器数据进行过滤,过滤掉脏数据(传感器id 为空的脏数据)。
(3)使用自定义的flatMap算子,对上一步数据进行进一步转换,将嵌套数据转换为tuple类型。
(4)使用 keyBy 算子,对上一步数据中,按照传感器id分区,把相同传感器id数据分入不同分区等待下一步计算。
2)使用异步io匹配传感器id对应的维表数据,因为维表数据量较小,将维表数据存储在hbase中,(hbase是一种分布式、可扩展、支持海量数据存储的NoSQL数据库)。
维表数据包括:设备ID 、设备安装人、设备检测范围、设备所在工厂区域、设备所在工厂 、设备所在集团 、设备维修负责人、设备状态和时间戳。
3)按照不同的join结果将数据发送到消息中间件不同的分析层topic 中,如按照设备状态分区,按照设备所在工厂分区。
指标计算步骤:将各个不同的传感器数据按照不同维度进行开窗计算,将计算结果作为数据源写入到消息中间件的分析层topic中,为质检实时监控提供数据源,并通过flink cep技术动态监控实时数据,筛选出异常数据,进行相应报警。本实施例中flink cep是一种基于动态环境中事件流的分析技术,筛选出满足既定规则的事件,在本发明中起到实时监控传感器的作用,筛选出异常数据。
具体地,指标计算步骤包括:
1)计算质检传感器基本指标,获取指标计算结果;
2)通过flink cep技术动态监控实时数据,筛选出异常数据,进行相应报警;
3)把指标计算结果写入到不同的分析层topic中;
4)把指标计算结果持久化到列式存储数据库(列式数据库是以列相关存储架构进行数据存储的数据库,主要适合于批量数据处理和即时查询)中进行分析。
结果分析步骤:将开窗计算的结果数据写入数据源,分析指标结果数据。自研数据分析平台对接各个数据层,数据源作为数据分析的基础,一般是IT/数据研发等技术类用户会使用到。目前传感器分析支持云上数据源、自建数据源、文件型数据源和应用数据源四类。
结果分析步骤具体包括:
1)接入hdfs数据,通过配置界面接入,简化分析人员操作流程,没有开发经验的人员也可以使用。(Hadoop分布式文件系统(hdfs)是指被设计成适合运行在通用硬件上的分布式文件系统,hdfs能提供高吞吐量的数据访问,非常适合大规模数据集上的应用)。
2)创建数据集,数据集作为数据源和可视化展示的中间环节,承接数据源的输入,为可视化展示输出数据表。一般是IT/数据研发/数据分析师等需做数据加工处理的用户会使用到。
3)数据分析,将数据源中表数据一次输入后,可以选择最基本的指标展示,如基本指标对应的直方图。也可也选择多维度多角度多指标,对当前传感器数据进行分析,通过该功能可以直观了解传感器数据的变化趋势、异常点等,获得分析结果。
4)当分析结果达到设定阈值后,触发相应报警。
本发明还提供了一种缺陷检测处理系统,本领域技术人员可以将本发明提供的一种缺陷检测处理方法,理解为应用在对传感器数据实时监控系统的具体实施方式,即所述应用在缺陷检测处理系统可以通过执行所述缺陷检测处理方法的步骤流程予以实现。该系统具体包括如下内容:
模块M1:通过产品表面缺陷的质检传感器采集产品质量数据,存储在数据库中;
模块M2:实时监控产品质量数据,并将所述产品质量数据上传至缺陷处理终端;
模块M3:在缺陷处理终端中分析检测产品缺陷,计算产品的良品率。
本发明还提供了一种存储有计算机程序的计算机可读存储介质,在计算机程序被处理器执行时实现所述缺陷检测处理方法中的步骤。
现有技术中的实时处理数据,未能在实时处理缺陷数据时筛选出自己想要的异常数据,常规的传感器流式数据处理计算一般会将计算结果写入到数据库供业务人员去筛选指标数据。而本发明中将这一人工步骤拆解放入实时处理计算中,实时监控到异常数据直接警告,不需要人工筛选,监控的规则也可以根据业务调整。
本发明实施例提供的一种缺陷检测处理方法、系统及介质,通过Flink实时计算引擎实时对数据进行处理开窗计算工业指标,对比以往离线批处理数据更具有实时性,更能快速对BI分析平台提供数据,解决分析实效性问题;
本发明能够在实时处理数据时筛选出自己想要的异常数据,针对性进行实时规则匹配的改进,可以很好的实时数据动态处理和监控应用与类似的场景;
综上所述,本发明数据计算采用大数据计算引擎 flink实现,数据存储由大数据分布式文件存储系统 Hadoop 完成,数据访问安全使用 kerberos 网络授权协议,进行实时监控。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种缺陷检测处理方法,其特征在于,包括:
步骤S1:通过产品表面缺陷的质检传感器采集产品质量数据,存储在数据库中;
步骤S2:实时监控所述产品质量数据,并将所述产品质量数据上传至缺陷处理终端;
步骤S3:在缺陷处理终端中分析检测产品缺陷,计算产品的良品率。
2.根据权利要求1所述的缺陷检测处理方法,其特征在于,所述步骤S2包括:
数据采集步骤:获取质检传感器中的产品质量数据;
数据转换步骤:对所述产品质量数据进行格式转换获得传感器数据,并发送至消息中间件,使用自定义连接器消费所述消息中间件的传感器数据;
指标计算步骤:将不同的传感器数据按照不同维度进行开窗计算,将开窗计算的结果写入所述消息中间件的分析层topic中,并通过flink cep技术动态监控实时数据,筛选出异常数据,按照事件紧急程度进行相应报警;
结果分析步骤:将所述开窗计算的结果数据写入数据源,分析指标结果数据。
3.根据权利要求2所述的缺陷检测处理方法,其特征在于,所述数据转换步骤包括:将传感器数据的bit数组格式转换为字符串:
1)接收bit数组,按照约定协议转换成word数组;
2)通过word数组解析出指定的设备信息;按照所述设备信息依次循环word数组的每个元素,拼接成JSON发送到指定消息中间件中。
4.根据权利要求2所述的缺陷检测处理方法,其特征在于,所述数据转换步骤还包括:自定义Flink kafkaConsumer连接器连接消息中间件,解析传感器数据,划分工厂范围,进行一次性消费,具体包括:
1)使用flink算子对传感器数据进行过滤,分区;
2)使用异步io匹配质检传感器id对应的维表数据;
3)将维表数据和传感器数据进行join,得到结果数据;按照不同的维表数据将结果数据发送到消息中间件不同的分析层topic中。
5.根据权利要求4所述的缺陷检测处理方法,其特征在于,所述维表数据包括:设备id、设备安装人、设备检测范围、设备所在工厂区域、设备所在工厂 、设备所在集团 、设备维修负责人、设备状态和时间戳。
6.根据权利要求4所述的缺陷检测处理方法,其特征在于,所述使用flink算子对传感器数据进行过滤,分区包括:
1.1)使用map算子对传感器数据进行转换,将JSON类型转换为算子可处理的类型;
1.2)使用filter算子,对上一步处理后的传感器数据进行过滤,过滤掉脏数据;
1.3)使用自定义的flatMap算子,对上一步数据进行进一步转换,将嵌套数据转换为tuple类型;
1.4)使用 keyBy 算子,对上一步数据中,按照质检传感器id分区,把相同质检传感器id数据分入不同分区等待下一步计算。
7.根据权利要求2所述的缺陷检测处理方法,其特征在于,所述指标计算步骤包括:
1)计算质检传感器基本指标,获取指标计算结果;
2)通过flink cep技术动态监控实时数据,筛选出异常数据,进行相应报警;
3)把所述指标计算结果写入到不同的分析层topic中;
4)把所述指标计算结果持久化到列式存储数据库中进行分析。
8.根据权利要求2所述的缺陷检测处理方法,其特征在于,所述结果分析步骤具体包括:
1)接入hdfs数据,通过配置界面接入,简化分析人员操作流程;
2)创建数据集,所述数据集承接数据源的输入,为可视化展示输出数据表;
3)输入数据源中表数据,对当前传感器数据进行分析,获得分析结果;
4)当所述分析结果达到设定阈值后,触发相应报警。
9.一种缺陷检测处理系统,其特征在于,包括:
模块M1:通过产品表面缺陷的质检传感器采集产品质量数据,存储在数据库中;
模块M2:实时监控所述产品质量数据,并将所述产品质量数据上传至缺陷处理终端;
模块M3:在缺陷处理终端中分析检测产品缺陷,计算产品的良品率。
10.一种存储有计算机程序的计算机可读存储介质,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8中任一项所述的方法的步骤。
CN202211381612.0A 2022-11-07 2022-11-07 缺陷检测处理方法、系统及介质 Pending CN115422208A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211381612.0A CN115422208A (zh) 2022-11-07 2022-11-07 缺陷检测处理方法、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211381612.0A CN115422208A (zh) 2022-11-07 2022-11-07 缺陷检测处理方法、系统及介质

Publications (1)

Publication Number Publication Date
CN115422208A true CN115422208A (zh) 2022-12-02

Family

ID=84208120

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211381612.0A Pending CN115422208A (zh) 2022-11-07 2022-11-07 缺陷检测处理方法、系统及介质

Country Status (1)

Country Link
CN (1) CN115422208A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110879820A (zh) * 2018-09-06 2020-03-13 阿里巴巴集团控股有限公司 工业数据处理方法、装置
CN111866031A (zh) * 2020-09-23 2020-10-30 天津中新智冠信息技术有限公司 设备监测分析方法、装置、服务器及存储介质
CN111935226A (zh) * 2020-07-08 2020-11-13 上海微亿智造科技有限公司 支持工业数据实现流式计算方法及系统
KR102306269B1 (ko) * 2020-04-24 2021-09-30 부산대학교 산학협력단 실시간 아크 용접 결함 탐지/분류 방법 및 장치
CN113723781A (zh) * 2021-08-19 2021-11-30 武汉慧远智控科技有限公司 一种基于spc分析的产品质量缺陷判定系统及其方法
CN113904838A (zh) * 2021-09-30 2022-01-07 北京天融信网络安全技术有限公司 一种传感器数据检测方法、装置、电子设备及存储介质
CN114153914A (zh) * 2021-12-09 2022-03-08 广州中电荔新热电有限公司 电厂设备缺陷可视化系统、方法、计算机设备及存储介质
CN114257646A (zh) * 2021-12-20 2022-03-29 浙江时空道宇科技有限公司 遥测数据处理方法、装置、设备及存储介质
CN114916237A (zh) * 2020-12-03 2022-08-16 京东方科技集团股份有限公司 用于缺陷分析的计算机实现的方法、评估缺陷出现的可能性的计算机实现的方法、用于缺陷分析的设备、计算机程序产品和智能缺陷分析系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110879820A (zh) * 2018-09-06 2020-03-13 阿里巴巴集团控股有限公司 工业数据处理方法、装置
KR102306269B1 (ko) * 2020-04-24 2021-09-30 부산대학교 산학협력단 실시간 아크 용접 결함 탐지/분류 방법 및 장치
CN111935226A (zh) * 2020-07-08 2020-11-13 上海微亿智造科技有限公司 支持工业数据实现流式计算方法及系统
CN111866031A (zh) * 2020-09-23 2020-10-30 天津中新智冠信息技术有限公司 设备监测分析方法、装置、服务器及存储介质
CN114916237A (zh) * 2020-12-03 2022-08-16 京东方科技集团股份有限公司 用于缺陷分析的计算机实现的方法、评估缺陷出现的可能性的计算机实现的方法、用于缺陷分析的设备、计算机程序产品和智能缺陷分析系统
CN113723781A (zh) * 2021-08-19 2021-11-30 武汉慧远智控科技有限公司 一种基于spc分析的产品质量缺陷判定系统及其方法
CN113904838A (zh) * 2021-09-30 2022-01-07 北京天融信网络安全技术有限公司 一种传感器数据检测方法、装置、电子设备及存储介质
CN114153914A (zh) * 2021-12-09 2022-03-08 广州中电荔新热电有限公司 电厂设备缺陷可视化系统、方法、计算机设备及存储介质
CN114257646A (zh) * 2021-12-20 2022-03-29 浙江时空道宇科技有限公司 遥测数据处理方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
US10439922B2 (en) Service analyzer interface
US10331742B2 (en) Thresholds for key performance indicators derived from machine data
Wang et al. An IoT application for fault diagnosis and prediction
CN108039959B (zh) 一种数据的态势感知方法、系统及相关装置
Gürcan et al. Real-time processing of big data streams: Lifecycle, tools, tasks, and challenges
US11875436B2 (en) Object time series system
US11809446B2 (en) Visualizing time metric database
CN114868092B (zh) 数据管理平台、缺陷分析系统、缺陷分析方法、计算机存储介质和用于缺陷分析的方法
JP2018128854A (ja) イベント解析装置、イベント解析システム、イベント解析方法、イベント解析プログラム及び記録媒体
CN112052134A (zh) 一种业务数据的监控方法及装置
CN111046022A (zh) 一种基于大数据技术的数据库审计方法
Shilpika et al. MELA: A visual analytics tool for studying multifidelity hpc system logs
Huber et al. Big data architecture for the semantic analysis of complex events in manufacturing
Guo et al. La VALSE: Scalable Log Visualization for Fault Characterization in Supercomputers.
JP7423998B2 (ja) 二部ネットワーク内のミッシングリンクを理解するための視覚分析フレームワーク、方法、プログラム、装置、およびシステム
CN111639016A (zh) 大数据日志分析方法、装置及计算机存储介质
CN110601866B (zh) 一种流量分析系统、数据采集装置、数据处理装置及方法
Subha et al. Apache Spark based analysis on word count application in Big Data
US11157267B1 (en) Evaluation of dynamic relationships between application components
CN113672668A (zh) 大数据场景下的日志实时处理方法及装置
CN117331779A (zh) 一种基于三维数字孪生的存储可视化处理方法和装置
CN115422208A (zh) 缺陷检测处理方法、系统及介质
US9235424B1 (en) Managing the performance of a data processing system through visualization of performance metrics data via a cognitive map
US20220035359A1 (en) System and method for determining manufacturing plant topology and fault propagation information
Nagarajan et al. Big data analytics in cloud computing: effective deployment of data analytics tools

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20221202