CN115423289A - 智能板材加工车间数据处理方法及终端 - Google Patents

Abstract

本发明提供了一种智能板材加工车间数据处理方法及终端，所述智能板材加工车间数据处理方法包括：通过数据采集模块对板材加工过程中产生的生产数据进行采集，并通过数据存储与处理模块对生产数据进行清洗、整理和分析后集中存储至存储设备中，以解决板材生产车间的生产数据散落于各角落处于游离状态的问题，同时以中控屏为载体搭建出管理驾驶舱和作业操作舱的数字化车间的监控管理中心，管理驾驶舱通过其下的主驾驶舱、生产运营驾驶舱、设备监控驾驶舱及分拣驾驶舱分别展示对应的整体指标数据，作业操作舱以表格或图形方式展示分指标数据，从而能以图表的方式从不同维度实时反馈智能车间的生产营运相关指标，实现精细化显示，提高数据的可视化效果。

Description

智能板材加工车间数据处理方法及终端

技术领域

本发明涉及板材数字化处理技术领域，尤其涉及一种智能板材加工车间数据处理方法及终端。

背景技术

随着信息技术的迅速发展，催生了大数据时代的到来，大数据已经成为继人力、资本之后的一种新的非物质生产要素。随着数据规模的扩大，对数据的理解和分析越来越困难。各种形式的数据以各种不同的形式存储，人们很难从这些海量的数据中找到有用的知识，因为以人的精力不可能仔细地审视所有的数据。

数据的可视化技术，能将数据转换成图形或图像在屏幕上显示，可以帮助用户更好地洞察数据，在数据理解的基础上，实现更好的数据分析。而在板式家居定制生产制造行业，现有的信息化系统形成的数据只存在于各自负责的业务范围内，未实现全生产过程的数据共享，产生的生产数据也未经过精细化显示，导致数据的可视化效果较差。

在申请号为CN201710156953.0的技术方案中，虽然其通过数据采集模块采集生产数据，数据分析系统的数据存储模块、数据类型判断模块、曲线绘制与分析模块、采集数据真实性分析模块和生产质量分析模块进行生产数据的深入分析，人机交互界面对监控结果进行显示，但并未对生产数据进行集中存储及处理，产生的生产数据也未经过精细化显示，导致数据的可视化效果较差。

发明内容

本发明提供一种智能板材加工车间数据处理方法及终端，以对生产数据进行集中存储及处理，并以中控屏为载体搭建出管理驾驶舱和作业操作舱的数字化车间的监控管理中心，能以图表的方式从不同维度实时反馈智能车间的生产营运相关指标，实现精细化显示，提高数据的可视化效果。

为解决上述问题，本发明采用如下技术方案：

本发明提供一种智能板材加工车间数据处理方法，应用于智能车间中控系统，所述智能车间中控系统用于对板材加工过程中产生的生产数据进行数字化和智能化处理，所述智能车间中控系统包括生产设备、智能控制器、数据采集模块、数据存储与处理模块、管理驾驶舱、作业操作舱，所述生产设备用于对板材进行开料、封边、钻孔及分拣中的至少一项加工流程，所述智能控制器配置在所述生产设备上，用于控制所述生产设备对板材的加工流程，并获取所述生产设备的生产数据，所述数据采集模块与生产设备的智能控制器连接，用于获取所述智能控制器从生产设备上采集到的生产数据，所述数据存储与处理模块与所述数据采集模块连接，用于接收所述数据采集模块采集到的生产数据，并对所述生产数据进行清洗、整理和分析后存储至存储设备中，其中，所述生产设备包括开料设备、封边设备、钻孔设备及分拣设备，所述开料设备用于对板材进行切割加工，所述封边设备用于对板材进行边廓粘贴和装饰，所述钻孔设备用于对板材进行钻孔，所述分拣设备用于对板材进行分拣；所述智能板材加工车间数据处理方法包括：

响应于数据采集指令，当检测到与所述数据采集模块连接的智能控制器采用的是标准通讯接口时，通过所述数据采集模块预先安装的数据采集卡，从所述智能控制器中采集生产数据，并将所述生产数据通过无线网络上传至所述数据存储与处理模块；

当检测到与所述数据采集模块连接的智能控制器采用的是非标准通讯接口时，通过所述数据采集模块预先安装的采集软件，每隔10秒截取所述智能控制器的屏幕，得到生产图片，利用预置的图像识别装置中预设的图片识别算法对所述生产图片进行识别，从所述生产图片中识别出生产数据，并将所述生产数据通过无线网络上传至所述数据存储与处理模块，其中，所述生产数据包括设备运行状态、开机时间、运行时长、加工数量，所述图像识别装置包括文字识别模块和生产曲线识别模块，所述文字识别模块用于识别所述生产图片中的数字和中文，所述生产曲线识别模块用于提取所述生产图片中反映生产过程或生产设备的运行状态的曲线数据，所述生产数据包括数字、中文和曲线数据；

所述数据存储与处理模块接收到所述生产数据后，确定存储设备所采用的数据格式及数据区间，将所述生产数据转换为与所述数据格式相一致的数据，得到第一生产数据，并利用数据归一化算法将所述第一生产数据映射为所述数据区间内的数据，得到第二生产数据，根据预设的向量转换算法将所述第二生产数据转换为向量，并计算每两个向量之间的余弦距离，得到每两个第二生产数据之间的相似度，将相似度大于预设相似度的每两个第二生产数据确定为目标数据组，并删除所述目标数据组中的任意一个第二生产数据，将所有所述目标数据组中保留的第二生产数据作为第三生产数据，对所述第三生产数据中的错误、不规范和无效的数据进行删除后，得到第四生产数据，并将所述第四生产数据转换为符合所述数据存储与处理模块的数据格式的标准数据，得到目标生产数据，将所述目标生产数据存储至存储设备中；

所述管理驾驶舱获取所述目标生产数据，对所述目标数据进行统计、整理和分析，生成反映所述智能车间整体的生产状况、生产运营、设备效能及分拣工序的整体指标数据，将反映所述智能车间整体的生产状况的整体指标数据以数字化图表及3D仿真的形式展示在主驾驶舱，将反映所述智能车间整体的生产运营的整体指标数据以数字化图表及3D仿真的形式展示在生产运营驾驶舱，将反映所述智能车间整体的设备效能的整体指标数据以数字化图表及3D仿真的形式展示在设备监控驾驶舱，将反映所述智能车间整体的分拣工序的整体指标数据以数字化图表及3D仿真的形式展示在分拣驾驶舱；其中，所述管理驾驶舱包括主驾驶舱、生产运营驾驶舱、设备监控驾驶舱及分拣驾驶舱，每个驾驶舱都配备有中控屏，用于以低于10秒的刷新频率展示对应的整体指标数据；

所述作业操作舱获取所述目标生产数据，对所述目标数据进行统计、整理和分析，生成反映各业务部门对所述智能车间的生产状况、任务执行情况、设备状态的分指标数据，并形成相应的报表，将所述报表以表格或图形方式在所述作业操作舱的中控屏进行呈现。

进一步地，所述响应于数据采集指令之后，还包括：

所述数据采集模块通过内置的API接口从ERP系统实时获取订单数据、从MES系统实时获取生产计划与任务、从WMS系统实时获取板材原材料出入库数、从分拣系统实时获取板材加工和齐套数据；

通过API接口内置的处理方法将所述订单数据、生产计划与任务、板材原材料出入库数、板材加工和齐套数据过滤掉无用数据并转换为统一数据格式后，通过无线网络上传至所述数据存储与处理模块。

进一步地，所述智能板材加工车间数据处理方法还包括：所述管理驾驶舱提取所述目标生产数据中各生产设备的产值数据、运行时长、运行状态，并结合员工在各生产设备的分布情况、员工到岗情况、有效工作时长、员工工作效率，运用数字孪生技术预测智能车间当日的产能，并查找出生产中影响产能的因素；

判断所述智能车间当日的产能是否大于或等于目标产能；

当判定所述智能车间当日的产能小于目标产能时，根据所述智能车间当日的产能及因素调整生产设备的运行参数和员工的人员情况，直至所述智能车间当日的产能大于或等于目标产能为止；其中，所述人员情况包括员工在各生产设备的分布情况。

优选地，所述根据所述智能车间当日的产能及因素调整生产设备的运行参数和员工的人员情况，直至所述智能车间当日的产能大于或等于目标产能为止，包括：

根据随机森林算法建立产能分别与生产设备的运行参数和员工的人员情况之间的拟合模型，利用所述拟合模型确定每个所述运行参数对产能的影响程度，选取影响产能最大的运行参数，得到第一运行参数；

调整所述生产设备的第一运行参数和员工的人员情况，并判断调整后的所述智能车间当日的产能是否大于或等于目标产能；

当判定调整后的所述智能车间当日的产能仍小于目标产能时，选取影响产能第二大的运行参数，得到第二运行参数；

在调整所述生产设备的第一运行参数和员工的人员情况的基础上，继续调整所述生产设备的第二运行参数，并判断调整后的所述智能车间当日的产能是否大于或等于目标产能；

当判定调整后的所述智能车间当日的产能仍小于目标产能时，在调整所述生产设备的第二运行参数的基础上，继续调整影响产能第三大的运行参数，以此类推，直至所述智能车间当日的产能大于或等于目标产能为止。

优选地，所述将所述目标生产数据存储至存储设备中，包括：

对所述目标生产数据进行相关性分析，确定数据属性之间的规律；

利用SimHash算法针对具有相同数据属性之间的规律进行数据分类，将具有相同数据属性之间的规律的所述目标生产数据存储至同一个存储节点中，将具有不同数据属性之间的规律的所述目标生产数据存储至不同存储节点中；其中，所述存储设备为分布式存储系统，所述分布式存储系统包括多个存储节点，每个存储节点预先分配有唯一的编号。

进一步地，所述将所述目标生产数据存储至存储设备中之后，还包括：

响应于所述管理驾驶舱或作业操作舱发起的查询指令，从所述查询指令中提取出查询编码；其中，所述查询编码为由两个以上0-9的数字随机组成，所述查询编码中数字的数量为奇数；

从所述查询编码中提取出排在首位的数字，得到首数字；

从所述查询编码中提取出排在中间位置的数字，得到中位数；

从所述查询编码中提取出排在末尾位置的数字，得到尾数字；

将所述首数字与尾数字相加并乘以所述中位数后，得到第一编号，将所述第一编号与所述查询编码中剩余未使用的数字进行累加后，得到目标编号；

从所述分布式存储系统中查询编号与所述目标编号相一致的存储节点，得到目标存储节点；

从所述目标存储节点中获取目标生产数据，将从所述目标存储节点中获取到的目标生产数据返回给所述管理驾驶舱或作业操作舱。

进一步地，所述将所述目标生产数据存储至存储设备中之后，还包括：

获取训练样本，所述训练样本包括多个参考生产数据及所述多个参考生产数据中已标记的参考异常数据；

将所述训练样本输入至预设的神经网络模型中进行训练，得到训练结果；

判断所述训练结果是否满足要求；

当判定所述训练结果满足要求时，将训练后的所述神经网络模型作为分析模型，用于分析出生产数据中的异常数据；

调用所述分析模型对所述目标生产数据进行分析，得到所述目标生产数据中出现异常的数据，得到异常数据；

确定所述异常数据所属的生产设备，得到异常生产设备，并生成针对所述异常生产设备及异常数据的报警信息，将所述报警信息在所述主驾驶舱进行显示。

进一步地，所述将所述目标生产数据存储至存储设备中之后，还包括：

响应于所述管理驾驶舱或作业操作舱发起的查询信息，从所述查询信息中提取出查询字段；其中，所述查询字段的字段数量为n个，所述n大于2；

判断所述存储设备中是否存在与所述查询字段完全匹配的目标生产数据；

当判定所述存储设备中存在与所述查询字段完全匹配的目标生产数据时，将与所述查询字段完全匹配的目标生产数据返回给所述管理驾驶舱或作业操作舱；

当判定所述存储设备中不存在与所述查询字段完全匹配的目标生产数据时，将所述查询字段中相邻的字段进行划分，得到多个第一子查询字段；其中，每个所述第一子查询字段的字段数量为n-1个；

判断所述存储设备中是否存在与所述任一第一子查询字段完全匹配的目标生产数据；

当判定所述存储设备中存在与所述任一第一子查询字段完全匹配的目标生产数据时，将与所述第一子查询字段完全匹配的目标生产数据返回给所述管理驾驶舱或作业操作舱；

当判定所述存储设备中不存在与所述任一第一子查询字段完全匹配的目标生产数据时，继续将所述查询字段中相邻的字段进行划分，得到多个第二子查询字段；其中，每个所述第二子查询字段的字段数量为n-2个；

继续判断所述存储设备中是否存在与所述任一第二子查询字段完全匹配的目标生产数据，以此类推，以获取与所述查询字段最匹配的目标生产数据。

进一步地，所述利用预置的图像识别装置中预设的图片识别算法对所述生产图片进行识别之前，还包括：

确定所述生产图片的清晰度；

判断所述生产图片的清晰度是否小于所述预设清晰度；

当判定所述生产图片的清晰度大于或等于所述预设清晰度时，执行所述利用预置的图像识别装置中预设的图片识别算法对所述生产图片进行识别的步骤；

当判定所述生产图片的清晰度小于所述预设清晰度时，调整所述智能控制器的分辨率，在所述分辨率下刷新所述智能控制器的当前屏幕的内容，对刷新后的所述当前屏幕的内容进行截图，并代替所述生产图片。

本发明提供一种终端，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如上任一项所述的智能板材加工车间数据处理方法的步骤。

相对于现有技术，本发明的技术方案至少具备如下优点：

本发明提供的智能板材加工车间数据处理方法及终端，通过数据采集模块对板材加工过程中产生的生产数据进行采集，并通过数据存储与处理模块对生产数据进行清洗、整理和分析后集中存储至存储设备中，以解决板材生产车间的生产数据散落于各角落处于游离状态的问题，也方便后续对数据的调用及分析处理；当检测到与数据采集模块连接的智能控制器采用的是标准通讯接口时，通过数据采集模块预先安装的数据采集卡，从智能控制器中采集生产数据，并将生产数据通过无线网络上传至数据存储与处理模块，当检测到与数据采集模块连接的智能控制器采用的是非标准通讯接口时，则通过数据采集模块预先安装的采集软件，每隔10秒截取所述智能控制器的屏幕，得到生产图片，利用预置的图像识别装置中预设的图片识别算法对生产图片进行识别，从生产图片中识别出生产数据，并将生产数据通过无线网络上传至数据存储与处理模块，图像识别装置包括文字识别模块和生产曲线识别模块，文字识别模块用于识别生产图片中的数字和中文，生产曲线识别模块用于提取生产图片中反映生产过程或生产设备的运行状态的曲线数据，从而根据实际采集条件选择合适的数据采集手段，避免车间内各生产工段因工艺需要存在不同的生产设备，这些设备种类多、数据接口各异，无法实时获得各种设备的状态与作业数据的问题。

本申请将生产数据转换为与数据格式相一致的数据，得到第一生产数据，并利用数据归一化算法将第一生产数据映射为数据区间内的数据，得到第二生产数据，以使生产数据能正常存储至存储设备中；同时根据预设的向量转换算法将第二生产数据转换为向量，并计算每两个向量之间的余弦距离，得到每两个第二生产数据之间的相似度，将相似度大于预设相似度的每两个第二生产数据确定为目标数据组，并删除目标数据组中的任意一个第二生产数据，以精确地剔除相似度较高的数据，避免占用存储空间，然后将所有目标数据组中保留的第二生产数据作为第三生产数据，对第三生产数据中的错误、不规范和无效的数据进行删除后，得到第四生产数据，并将第四生产数据转换为符合数据存储与处理模块的数据格式的标准数据，得到目标生产数据，将目标生产数据存储至存储设备中。

本申请以中控屏为载体搭建出管理驾驶舱和作业操作舱的数字化车间的监控管理中心，管理驾驶舱通过其下的主驾驶舱、生产运营驾驶舱、设备监控驾驶舱及分拣驾驶舱分别展示对应的整体指标数据，作业操作舱以表格或图形方式展示分指标数据，从而能以图表的方式从不同维度实时反馈智能车间的生产营运相关指标，实现精细化显示，提高数据的可视化效果。

附图说明

图1为本发明智能板材加工车间数据处理方法一种实施例流程框图；

图2为本发明智能车间中控系统一种实施例结构示意图；

图3为本发明智能板材加工车间数据处理装置一种实施例模块框图；

图4为本发明一个实施例中终端的内部结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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。

在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如S11、S12等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

本领域普通技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

本领域普通技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

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，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。显然，所描述的实施例仅仅是本发明一部分实施例，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。

请参阅图1，并参考图2所示，本发明提供一种智能板材加工车间数据处理方法，应用于智能车间中控系统，所述智能车间中控系统用于对板材加工过程中产生的生产数据进行数字化和智能化处理，所述智能车间中控系统包括生产设备、智能控制器、数据采集模块、数据存储与处理模块、管理驾驶舱、作业操作舱，所述生产设备用于对板材进行开料、封边、钻孔及分拣中的至少一项加工流程，智能控制器配置在生产设备上，智能控制器内置有生产程序，该生产程序可由管理驾驶舱或作业操作舱下发至智能控制器，该智能控制器用于按照内置的生产程序控制生产设备对板材的加工流程，并获取生产设备的生产数据。

数据采集模块与生产设备的智能控制器连接，用于获取智能控制器从生产设备上采集到的生产数据，数据存储与处理模块与所述数据采集模块连接，用于接收数据采集模块采集到的生产数据，并对生产数据进行清洗、整理和分析后存储至存储设备中，其中，生产设备包括开料设备、封边设备、钻孔设备及分拣设备，开料设备用于对板材进行切割加工，封边设备用于对板材进行边廓粘贴和装饰，钻孔设备用于对板材进行钻孔，分拣设备用于对板材进行分拣。

其中，所述智能板材加工车间数据处理方法包括：

S11、响应于数据采集指令，当检测到与所述数据采集模块连接的智能控制器采用的是标准通讯接口时，通过所述数据采集模块预先安装的数据采集卡，从所述智能控制器中采集生产数据，并将所述生产数据通过无线网络上传至所述数据存储与处理模块；

S12、当检测到与所述数据采集模块连接的智能控制器采用的是非标准通讯接口时，通过所述数据采集模块预先安装的采集软件，每隔10秒截取所述智能控制器的屏幕，得到生产图片，利用预置的图像识别装置中预设的图片识别算法对所述生产图片进行识别，从所述生产图片中识别出生产数据，并将所述生产数据通过无线网络上传至所述数据存储与处理模块，其中，所述生产数据包括设备运行状态、开机时间、运行时长、加工数量，所述图像识别装置包括文字识别模块和生产曲线识别模块，所述文字识别模块用于识别所述生产图片中的数字和中文，所述生产曲线识别模块用于提取所述生产图片中反映生产过程或生产设备的运行状态的曲线数据，所述生产数据包括数字、中文和曲线数据；

S13、所述数据存储与处理模块接收到所述生产数据后，确定存储设备所采用的数据格式及数据区间，将所述生产数据转换为与所述数据格式相一致的数据，得到第一生产数据，并利用数据归一化算法将所述第一生产数据映射为所述数据区间内的数据，得到第二生产数据，根据预设的向量转换算法将所述第二生产数据转换为向量，并计算每两个向量之间的余弦距离，得到每两个第二生产数据之间的相似度，将相似度大于预设相似度的每两个第二生产数据确定为目标数据组，并删除所述目标数据组中的任意一个第二生产数据，将所有所述目标数据组中保留的第二生产数据作为第三生产数据，对所述第三生产数据中的错误、不规范和无效的数据进行删除后，得到第四生产数据，并将所述第四生产数据转换为符合所述数据存储与处理模块的数据格式的标准数据，得到目标生产数据，将所述目标生产数据存储至存储设备中；

S14、所述管理驾驶舱获取所述目标生产数据，对所述目标数据进行统计、整理和分析，生成反映所述智能车间整体的生产状况、生产运营、设备效能及分拣工序的整体指标数据，将反映所述智能车间整体的生产状况的整体指标数据以数字化图表及3D仿真的形式展示在主驾驶舱，将反映所述智能车间整体的生产运营的整体指标数据以数字化图表及3D仿真的形式展示在生产运营驾驶舱，将反映所述智能车间整体的设备效能的整体指标数据以数字化图表及3D仿真的形式展示在设备监控驾驶舱，将反映所述智能车间整体的分拣工序的整体指标数据以数字化图表及3D仿真的形式展示在分拣驾驶舱；其中，所述管理驾驶舱包括主驾驶舱、生产运营驾驶舱、设备监控驾驶舱及分拣驾驶舱，每个驾驶舱都配备有中控屏，用于以低于10秒的刷新频率展示对应的整体指标数据；

S15、所述作业操作舱获取所述目标生产数据，对所述目标数据进行统计、整理和分析，生成反映各业务部门对所述智能车间的生产状况、任务执行情况、设备状态的分指标数据，并形成相应的报表，将所述报表以表格或图形方式在所述作业操作舱的中控屏进行呈现。

在本实施例中，本智能车间中控系统将采用自研的线控系统(LCS)、API接口，实现对生产数据的采集，以及与其他信息化应用管理系统自动进行数据交互；将经过采集、分析、清洗、整理后的生产数据，在中控中心的大屏上进行呈现，能够为生产现场的管理提供数字化、图形化的生产管理指导，实现生产数据的整合，对生产执行情况、设备状态、生产过程问题等相关业务进行动态数据统计和分析，为生产管理提供数字化的决策支撑。

家居生产车间存在多品牌(国产、进口)、不同加工工艺的生产设备(开料锯、封边机、钻孔机、分拣机器人、裁纸机、封箱机等)与线体，这些设备的通讯接口各异，生成的数据杂乱无序、形式多样，本申请的线控系统可根据配置对这些数据进行采集、分析、处理。

对于能提供标准通讯接口的智能控制器，通过安装数据采集卡，从智能控制器采集相应的原始生产数据，同时使用485、232、以太网、各种无线网络等，将生产数据上传到指定的数据存储与处理模块；由数据存储与处理模块将所采集的数据，转换成规范的数据表示格式。格式如下：{“code”:“设备代码”,“barcode”:“采集到的原始数据”,“time”:“采集数据的时间”}。

在一实施例中，还可从标准通讯接口获取的生产数据中解析出各类生产设备的作业开始时间、结束时间、循环时间计算、要加工的工件数、总的加工时间信息、设备状态信息等。它集成了主流的基于开放接口协议的工业设备通讯协议的中间接口层软件。它能根据设备的通讯接口(Modbus、Profibus、PROFINET、EtherCAT、TCP/IP等)，获取设备现场数据信息，将数据报送到自动化系统进行处理后使用，同时通过中控系统的大显示屏进行相应的操作，能生产并发送相应的控制指令控制设备进行生产。

对于没有标准通讯接口的智能控制器，通过在数据采集模块预先安装的采集软件，通过采集软件截取智能控制器的屏幕的方式来获取生产图片，利用图片识别算法对生产图片进行识别，找出其中与设备运行相关的生产数据并进行存储，从而根据实际采集条件选择合适的数据采集手段，避免车间内各生产工段因工艺需要存在不同的生产设备，这些设备种类多、数据接口各异，无法实时获得各种设备的状态与作业数据的问题。其中，文字识别模块和生产曲线识别模块可以是预先训练好的图像识别模型，文字识别模块用于识别生产图片中的数字和中文，生产曲线识别模块用于提取生产图片中反映生产过程或生产设备的运行状态的曲线数据。

本实施例的智能车间中控系统包含管理驾驶舱和作业操作舱两部分，管理驾驶舱以多维度呈现智能车间整体的生产状况、生产运营、设备效能及分拣工序的整体指标数据。管理驾驶舱主要由主驾驶舱、设备监控驾驶舱、生产营运驾驶舱及分拣驾驶舱四大部分，驾驶舱将以数字化图表及3D仿真进行整合呈现，刷新频率小于10秒。作业驾驶舱根据各业务部门对智能车间的生产状况、任务执行情况、设备等数据进行相关分析，形成相应的报表，以表格或图形方式进行呈现，实现精细化显示，提高数据的可视化效果。

在一实施例中，中控屏将以拼接OLED屏的方式，采用P1.53灯板进行无缝拼接，其拼接尺寸大小为7.68米*2.72米，20.89平方米。管理驾驶舱数据显示内容可具体包括：

A、数字化图形和数字仿真进行组合展现智能车间整体指标；

B、各显示区域的内容可自定义，能在后台参数中进行设置，点击小屏的内容，可以大屏的方式显示相应的明细信息；

C、以数字化图形方式展现生产订单指标、设备运行指标、仓储相关信息的数字化指标。

其中，作业操作舱数据显示内容可具体包括：

A、以图表形式呈现采购业务执行情况，包括采购订单执行、延期订单，采购金额等信息；

B、以图表形式呈现每个车间每天生产计划的执行情况、每日/每月产值情况、生产延期情况、在产情况、自动料仓、包装出库的信息；

C、以图表的形式呈现人员出勤、计件、计时工资的分析信息；

D、以图表的形式呈现某一时间段内设备状态的详细信息。

本发明提供的智能板材加工车间数据处理方法，通过数据采集模块对板材加工过程中产生的生产数据进行采集，并通过数据存储与处理模块对生产数据进行清洗、整理和分析后集中存储至存储设备中，以解决板材生产车间的生产数据散落于各角落处于游离状态的问题，也方便后续对数据的调用及分析处理；当检测到与数据采集模块连接的智能控制器采用的是标准通讯接口时，通过数据采集模块预先安装的数据采集卡，从智能控制器中采集生产数据，并将生产数据通过无线网络上传至数据存储与处理模块，当检测到与数据采集模块连接的智能控制器采用的是非标准通讯接口时，则通过数据采集模块预先安装的采集软件，每隔10秒截取所述智能控制器的屏幕，得到生产图片，利用预置的图像识别装置中预设的图片识别算法对生产图片进行识别，从生产图片中识别出生产数据，并将生产数据通过无线网络上传至数据存储与处理模块，图像识别装置包括文字识别模块和生产曲线识别模块，文字识别模块用于识别生产图片中的数字和中文，生产曲线识别模块用于提取生产图片中反映生产过程或生产设备的运行状态的曲线数据，从而根据实际采集条件选择合适的数据采集手段，避免车间内各生产工段因工艺需要存在不同的生产设备，这些设备种类多、数据接口各异，无法实时获得各种设备的状态与作业数据的问题。

进一步地，本申请将生产数据转换为与数据格式相一致的数据，得到第一生产数据，并利用数据归一化算法将第一生产数据映射为数据区间内的数据，得到第二生产数据，以使生产数据能正常存储至存储设备中；同时根据预设的向量转换算法将第二生产数据转换为向量，并计算每两个向量之间的余弦距离，得到每两个第二生产数据之间的相似度，将相似度大于预设相似度的每两个第二生产数据确定为目标数据组，并删除目标数据组中的任意一个第二生产数据，以精确地剔除相似度较高的数据，避免占用存储空间，然后将所有目标数据组中保留的第二生产数据作为第三生产数据，对第三生产数据中的错误、不规范和无效的数据进行删除后，得到第四生产数据，并将第四生产数据转换为符合数据存储与处理模块的数据格式的标准数据，得到目标生产数据，将目标生产数据存储至存储设备中。

此外，本申请以中控屏为载体搭建出管理驾驶舱和作业操作舱的数字化车间的监控管理中心，管理驾驶舱通过其下的主驾驶舱、生产运营驾驶舱、设备监控驾驶舱及分拣驾驶舱分别展示对应的整体指标数据，作业操作舱以表格或图形方式展示分指标数据，从而能以图表的方式从不同维度实时反馈智能车间的生产营运相关指标，实现精细化显示，提高数据的可视化效果。

在一实施例中，所述响应于数据采集指令之后，还可包括：

所述数据采集模块通过内置的API接口从ERP系统实时获取订单数据、从MES系统实时获取生产计划与任务、从WMS系统实时获取板材原材料出入库数、从分拣系统实时获取板材加工和齐套数据；

通过API接口内置的处理方法将所述订单数据、生产计划与任务、板材原材料出入库数、板材加工和齐套数据过滤掉无用数据并转换为统一数据格式后，通过无线网络上传至所述数据存储与处理模块。

本实施例通过自研的API接口，可以从ERP系统实时获取订单数据、从MES系统实时获取生产计划与任务、从WMS系统获取原材料出入库数、从分拣系统获取板材加工和齐套数据。

其中，ERP系统是企业资源计划(Enterprise Resource Planning)的简称，是指建立在信息技术基础上，集信息技术与先进管理思想于一身，以系统化的管理思想，为企业员工及决策层提供决策手段的管理平台。

MES(Manufacturing Execution System)即制造企业生产过程执行系统，是一套面向制造企业车间执行层的生产信息化管理系统。MES可以为企业提供包括制造数据管理、计划排产管理、生产调度管理、库存管理、质量管理、人力资源管理、工作中心/设备管理、工具工装管理、采购管理、成本管理、项目看板管理、生产过程控制、底层数据集成分析、上层数据集成分解等管理模块，为企业打造一个扎实、可靠、全面、可行的制造协同管理平台。

WMS是仓库管理系统(Warehouse Management System)的缩写，仓库管理系统是通过入库业务、出库业务、仓库调拨、库存调拨和虚仓管理等功能，对批次管理、物料对应、库存盘点、质检管理、虚仓管理和即时库存管理等功能综合运用的管理系统，有效控制并跟踪仓库业务的物流和成本管理全过程，实现或完善企业的仓储信息管理。该系统可以独立执行库存操作，也可与其他系统的单据和凭证等结合使用，可为企业提供更为完整企业物流管理流程和财务管理信息。

在一实施例中，通过线控系统对采集的原始数据进行处理后，将转换成符合数据库要求的规范数据，最终存储到数据库的设备数据格式如下：数据采集的标准格式：{“code”:“设备代码”,“barcode”:“分析处理后的数据内容”,“time”:“采集数据的时间”}；

从API接口采集获取到的MES、ERP、WMS系统的数据，通过API内置的处理方法，可以过滤掉其中无用的信息，只保留符合要求的信息，并存储到数据库中。最终存储到数据库中的数据包含以下内容：

1)订单数据

A、订单汇总、打款订单、待打款订单、新进订单、售后订单、加急订单、上样订单；

B、已下达订单、已生产订单、已交物流订单、生产延期订单；

C、采购下达订单、采购收货订单、采购延期订单；

D、物流收货订单、物流发运订单、物流延期订单；

2)产值数据

A、产值汇总、打款金额、待打款金额、新进订单金额、售后金额、上样订单金额；

B、已下达订单金额、已生产订单金额、已交物流订单金额、生产延期订单金额；

C、采购下达订单金额、采购收货订单金额、采购延期订单金额；

D、物流收货订单金额、物流发运订单金额、物流延期订单金额；

3)人事薪资数据

A、员工考勤：人员分布情况、人员到岗情况、有效工作时长等；

B、员工工资：总人数，人均产值，一线员工日\月\年完成任务统计、工资等。

4)设备数据

A、所有设备的实时状态；

B、所有设备的运行时间分析；

C、故障原因排行、设备故障时长分布、设备故障影响产能；

D、各设备有效OEE、各工段有效OEE、设备OEE+工段OEE+车间OEE对比分析，同比及环比；

E、设备能耗明细、设备能耗占比、设备能耗与产出比、设备能耗排名；

F、设备配件使用情况统计、配件平均使用时间或次数等。

5)采购数据

A、原料采购：原材料的每月采购金额、年采购金额分布、未清采购金额分布；原材料按时采购率；

B、OEM采购：OEM成品月度、年度采购金额；未清采购订单金额；成品订单延期金额及占比；每日配送明细及金额；

6)库存数据

A、资金占用情况：原材料仓储占用金额，及各类物料的金额\数量占比。

B、材料库存数据：原材料库存分布情况；

C、物料周期情况：常规物料的流转周期及周转率

D、延期情况：物料延期及欠料相关信息

E、质量数据：原材料每月质量合格率情况、当月原材料不合格分布情况、OEM工厂质量合格率情况；

7)生产数据

A、当日产量：计划完成率、当日完成订单数、当日完成工件数、当日完成产值、计划订单数、计划工件数、计划产值、订单齐套率；

B、板材数据：各工厂每月板材利用率情况；各工厂实际与定额成本的情况；

C、产能情况：各环节产能、工序节拍、产能同比及环比；

D、生产进度：各环节生产进度统计、各环节延期统计；

E、分拣仓情况：分拣仓实时仓位数据、库存订单明细、出入库&库存数、库存停留时间、库存周转趋势、齐套平均时间趋势；

F、当日/当月交货情况：交物流明细(订单、产值)、延期情况(订单、产值)；

G、机器人运转情况：设备情况(运转时间、空闲时间、故障时间、停止时间)、捡板情况(上架数量，配套数量)。

8)质量数据

A、质量检验记录：质量检验记录统计、分析等；

B、质量问题分析：质量问题占比、质量问题排名、按质量问题对比、同比及环比；

C、质量问题评估：质量返工影响环节产能、质量返工影响配套时间等。

9)物流数据

A、物流仓储情况：按订单属性、分类、地区等分析物料占比、平均停留时间、周转率、出入库情况(数量、产值)；

B、整车业务：整车发运计划、当日发运情况、运率情况、发运及时率情况；

C、零担/自提业务：每日零担、自提发运数据(体积、重量、金额)、发运及时率情况；

每日/每月装车情况、装卸计划完成率；每日发运情况、发运计划完成率

D、仓储质量：每日仓储运营中的异常问题(货损、库存差异、收货异常、终端异常)。

在一实施例中，所述智能板材加工车间数据处理方法还可包括：所述管理驾驶舱提取所述目标生产数据中各生产设备的产值数据、运行时长、运行状态，并结合员工在各生产设备的分布情况、员工到岗情况、有效工作时长、员工工作效率，运用数字孪生技术预测智能车间当日的产能，并查找出生产中影响产能的因素；

判断所述智能车间当日的产能是否大于或等于目标产能；

当判定所述智能车间当日的产能小于目标产能时，根据所述智能车间当日的产能及因素调整生产设备的运行参数和员工的人员情况，直至所述智能车间当日的产能大于或等于目标产能为止；其中，所述人员情况包括员工在各生产设备的分布情况。

在本实施例中，数字孪生(digital twin)是以数字化方式创建物理实体的虚拟模型，借助数据模拟物理实体在现实环境中的行为，通过虚实交互反馈、数据融合分析、决策迭代优化等手段，为物理实体增加或扩展新的能力。作为一种充分利用模型、数据、智能并集成多学科的技术，数字孪生面向产品全生命周期过程，发挥连接物理世界和信息世界的桥梁和纽带作用，提供更加实时、高效、智能的服务。数字孪生具有以下特点：①对物理对象的各类数据进行集成，是物理对象的忠实映射；②存在于物理对象的全生命周期，与其共同进化，并不断积累相关知识；③不仅能够对物理对象进行描述，而且能够基于模型化物理对象。

本实施例利用数字孪生技术的虚拟孪生，在物联网云平台创建数字空间，在数字空间里构建一套表征物联网工业车间中工业生产设备在设计、研发、工作、迭代过程中的虚拟实体，随后利用数字孪生技术的预测孪生，在数字空间进行虚拟实体的预测建模和预测孪生操作行为，其次根据生产设备的产值数据、运行时长、运行状态，并结合员工在各生产设备的分布情况、员工到岗情况、有效工作时长、员工工作效率，运用数字孪生技术预测智能车间当日的产能，并查找出生产中影响产能的因素，通过大数据分析和数据挖掘将所得数据进行处理分析后上传到物联网云平台，随后，再次对物联网工业车间的生产过程进行数字孪生，第二次进行洞察、投影，对第一次数字孪生和从生产实际过程中学习到的数据进行修正，获得最优生产过程和产量。

当判定智能车间当日的产能小于目标产能时，根据智能车间当日的产能及因素调整生产设备的运行参数和员工的人员情况，如增加智能车间员工的数量或提高生产设备的转速，直至智能车间当日的产能大于或等于目标产能为止。

此外，还可利用数字孪生技术的孪生投影，为工业生产设备操作提供洞察，并将洞察通过物联网云平台投影到虚拟实体，实现虚拟实体与物联网工业车间的数据交互，最后通过数据挖掘、机器学习技术和AI算法分析，完成物联网工业车间生产线上工业生产设备、原材料、人员、质量检测、以及生产售前和售后的智能监控。

在一实施例中，所述根据所述智能车间当日的产能及因素调整生产设备的运行参数和员工的人员情况，直至所述智能车间当日的产能大于或等于目标产能为止，可具体包括：

根据随机森林算法建立产能分别与生产设备的运行参数和员工的人员情况之间的拟合模型，利用所述拟合模型确定每个所述运行参数对产能的影响程度，选取影响产能最大的运行参数，得到第一运行参数；

调整所述生产设备的第一运行参数和员工的人员情况，并判断调整后的所述智能车间当日的产能是否大于或等于目标产能；

当判定调整后的所述智能车间当日的产能仍小于目标产能时，选取影响产能第二大的运行参数，得到第二运行参数；

在调整所述生产设备的第一运行参数和员工的人员情况的基础上，继续调整所述生产设备的第二运行参数，并判断调整后的所述智能车间当日的产能是否大于或等于目标产能；

当判定调整后的所述智能车间当日的产能仍小于目标产能时，在调整所述生产设备的第二运行参数的基础上，继续调整影响产能第三大的运行参数，以此类推，直至所述智能车间当日的产能大于或等于目标产能为止。

随机森林算法是通过训练多个决策树，生成模型，然后综合利用多个决策树的分类结果进行投票，从而实现分类。随机森林算法只需要两个参数：构建的决策树的个数t，在决策树的每个节点进行分裂时需要考虑的输入特征的个数m。本实施例可根据随机森林算法建立产能与生产设备的运行参数的拟合模型、建立产能与员工的人员情况之间的拟合模型，利用该拟合模型通过投票的形式分别确定每个运行参数对产能的影响程度，选取影响产能最大的运行参数，得到第一运行参数，调整生产设备的第一运行参数和员工的人员情况，如调整开料设备的运转速度或增加生产设备的员工数量，并判断调整后的智能车间当日的产能是否大于或等于目标产能，当判定调整后的智能车间当日的产能仍小于目标产能时，选取影响产能第二大的运行参数，得到第二运行参数，在调整生产设备的第一运行参数和员工的人员情况的基础上，继续调整生产设备的第二运行参数，如增加生产设备的数量，以使智能车间当日的产能大于或等于目标产能，从而通过逐步调整运行参数的方式，实现产能的精细化调整，避免产能不达标或产能过剩。

在一实施例中，所述将所述目标生产数据存储至存储设备中，可具体包括：

对所述目标生产数据进行相关性分析，确定数据属性之间的规律；

利用SimHash算法针对具有相同数据属性之间的规律进行数据分类，将具有相同数据属性之间的规律的所述目标生产数据存储至同一个存储节点中，将具有不同数据属性之间的规律的所述目标生产数据存储至不同存储节点中；其中，所述存储设备为分布式存储系统，所述分布式存储系统包括多个存储节点，每个存储节点预先分配有唯一的编号。

本实施例针对目标生产数据进行相关性分析，确定数据属性之间的规律，可利用Simhash算法来发现数据属性之间的规律，数据属性一般为，例如，同一时间段的所有生产数据就具有相同属性，规律一般为，例如，如果生产设备响应变慢，则会有故障的可能性。或者，同一生产设备产生的所有生产数据就具有相同属性，规律一般为，例如，如果多数生产数据反映生产设备的发热量过高，则会有故障的可能性。

本实施例将具有相同数据属性之间的规律的目标生产数据存储至同一个存储节点中，将具有不同数据属性之间的规律的目标生产数据存储至不同存储节点中，以便查找以及集中分析。

在一实施例中，所述将所述目标生产数据存储至存储设备中之后，还可包括：

响应于所述管理驾驶舱或作业操作舱发起的查询指令，从所述查询指令中提取出查询编码；其中，所述查询编码为由两个以上0-9的数字随机组成，所述查询编码中数字的数量为奇数；

从所述查询编码中提取出排在首位的数字，得到首数字；

从所述查询编码中提取出排在中间位置的数字，得到中位数；

从所述查询编码中提取出排在末尾位置的数字，得到尾数字；

将所述首数字与尾数字相加并乘以所述中位数后，得到第一编号，将所述第一编号与所述查询编码中剩余未使用的数字进行累加后，得到目标编号；

从所述分布式存储系统中查询编号与所述目标编号相一致的存储节点，得到目标存储节点；

从所述目标存储节点中获取目标生产数据，将从所述目标存储节点中获取到的目标生产数据返回给所述管理驾驶舱或作业操作舱。

在本实施例中，响应于管理驾驶舱或作业操作舱的用户发起的查询指令，从查询指令中提取出查询编码，该查询编码可根据用户的账号进行设定，不同的用户的账号具有不同的查询编码，实现用户与存储节点的绑定，避免非法用户获取存储节点中的目标生产数据，而在目标生产数据泄露时，也便于追溯泄露根源。

例如，查询编码为12345，则首数字为1，中位数为3，尾数字为5，则第一编号为(1+5)*3＝18，剩余未使用的数字为2和4，目标编号为18+2+4＝24，然后从分布式存储系统中查询编号为24的存储节点，得到目标存储节点，从目标存储节点中获取目标生产数据，将从目标存储节点中获取到的目标生产数据返回给管理驾驶舱或作业操作舱，当该目标生产数据泄露时，则可根据查询编号24追溯至查询编码为12345的用户，寻找数据泄露的原因，确保数据的安全性。

在一实施例中，所述将所述目标生产数据存储至存储设备中之后，还可包括：

获取训练样本，所述训练样本包括多个参考生产数据及所述多个参考生产数据中已标记的参考异常数据；

将所述训练样本输入至预设的神经网络模型中进行训练，得到训练结果；

判断所述训练结果是否满足要求；

当判定所述训练结果满足要求时，将训练后的所述神经网络模型作为分析模型，用于分析出生产数据中的异常数据；

调用所述分析模型对所述目标生产数据进行分析，得到所述目标生产数据中出现异常的数据，得到异常数据；

确定所述异常数据所属的生产设备，得到异常生产设备，并生成针对所述异常生产设备及异常数据的报警信息，将所述报警信息在所述主驾驶舱进行显示。

本实施例利用大量的训练样本对神经网络模型进行训练，计算训练后的神经网络模型的损失值，在损失值低于预设损失值时，则确定训练结果满足要求，得到训练合格的分析模型，该分析模型用于自动分析出生产数据中的异常数据，然后调用分析模型对目标生产数据进行分析，得到目标生产数据中出现异常的数据，得到异常数据，异常数据包括生产设备的转速大于预设转速，确定异常数据所属的生产设备，得到异常生产设备，并生成针对异常生产设备及异常数据的报警信息，将报警信息在所述主驾驶舱进行显示，从而借助神经网络模型快速找到出现异常的数据，提高异常数据的排查效率。例如，在主驾驶舱显示：“开料设备A的转速异常”。

在一实施例中，所述将所述目标生产数据存储至存储设备中之后，还可包括：

响应于所述管理驾驶舱或作业操作舱发起的查询信息，从所述查询信息中提取出查询字段；其中，所述查询字段的字段数量为n个，所述n大于2；

判断所述存储设备中是否存在与所述查询字段完全匹配的目标生产数据；

当判定所述存储设备中存在与所述查询字段完全匹配的目标生产数据时，将与所述查询字段完全匹配的目标生产数据返回给所述管理驾驶舱或作业操作舱；

当判定所述存储设备中不存在与所述查询字段完全匹配的目标生产数据时，将所述查询字段中相邻的字段进行划分，得到多个第一子查询字段；其中，每个所述第一子查询字段的字段数量为n-1个；

判断所述存储设备中是否存在与所述任一第一子查询字段完全匹配的目标生产数据；

当判定所述存储设备中存在与所述任一第一子查询字段完全匹配的目标生产数据时，将与所述第一子查询字段完全匹配的目标生产数据返回给所述管理驾驶舱或作业操作舱；

当判定所述存储设备中不存在与所述任一第一子查询字段完全匹配的目标生产数据时，继续将所述查询字段中相邻的字段进行划分，得到多个第二子查询字段；其中，每个所述第二子查询字段的字段数量为n-2个；

继续判断所述存储设备中是否存在与所述任一第二子查询字段完全匹配的目标生产数据，以此类推，以获取与所述查询字段最匹配的目标生产数据。

例如，当用户需要查询“当日产量”的查询字段时，该查询字段的字段数量为4个，判断存储设备中是否含有与“当日产量”的查询字段完全相同的目标生产数据，若是，则将查询到的目标生产数据返回给管理驾驶舱或作业操作舱，若否，则将“当日产量”的查询字段划分为“当日产”和“日产量”两个第一子查询字段，此时第一子查询字段的字段数量为3个，判断存储设备中是否含有与“当日产”或“日产量”的第一子查询字段完全相同的目标生产数据，若是，则将查询到的目标生产数据返回给管理驾驶舱或作业操作舱，若否，则将“当日产量”的查询字段划分为“当日”、“日产”和“产量”三个第二子查询字段，继续判断存储设备中是否含有与“当日”、“日产”或“产量”第二子查询字段的完全相同的目标生产数据，以此类推，以逐步获取与所述查询字段最匹配的目标生产数据，提高数据查找的精确度。

在一实施例中，所述利用预置的图像识别装置中预设的图片识别算法对所述生产图片进行识别之前，还可包括：

确定所述生产图片的清晰度；

判断所述生产图片的清晰度是否小于所述预设清晰度；

当判定所述生产图片的清晰度大于或等于所述预设清晰度时，执行所述利用预置的图像识别装置中预设的图片识别算法对所述生产图片进行识别的步骤；

当判定所述生产图片的清晰度小于所述预设清晰度时，调整所述智能控制器的分辨率，在所述分辨率下刷新所述智能控制器的当前屏幕的内容，对刷新后的所述当前屏幕的内容进行截图，并代替所述生产图片。

本实施例在判定生产图片的清晰度小于预设清晰度时，调整智能控制器的分辨率，在分辨率下刷新智能控制器的当前屏幕的内容，对刷新后的当前屏幕的内容进行截图，将截图后得到的图片代替生产图片，利用预置的图像识别装置中预设的图片识别算法对生产图片进行识别，从而确保提取到的生产数据准确无误。

请参考图3，本发明的实施例还提供一种智能板材加工车间数据处理装置，包括：

数据采集模块11，用于响应于数据采集指令，当检测到与所述数据采集模块连接的智能控制器采用的是标准通讯接口时，通过所述数据采集模块预先安装的数据采集卡，从所述智能控制器中采集生产数据，并将所述生产数据通过无线网络上传至所述数据存储与处理模块；当检测到与所述数据采集模块连接的智能控制器采用的是非标准通讯接口时，通过所述数据采集模块预先安装的采集软件，每隔10秒截取所述智能控制器的屏幕，得到生产图片，利用预置的图像识别装置中预设的图片识别算法对所述生产图片进行识别，从所述生产图片中识别出生产数据，并将所述生产数据通过无线网络上传至所述数据存储与处理模块，其中，所述生产数据包括设备运行状态、开机时间、运行时长、加工数量，所述图像识别装置包括文字识别模块和生产曲线识别模块，所述文字识别模块用于识别所述生产图片中的数字和中文，所述生产曲线识别模块用于提取所述生产图片中反映生产过程或生产设备的运行状态的曲线数据，所述生产数据包括数字、中文和曲线数据；

数据存储与处理模块12，用于接收到所述生产数据后，确定存储设备所采用的数据格式及数据区间，将所述生产数据转换为与所述数据格式相一致的数据，得到第一生产数据，并利用数据归一化算法将所述第一生产数据映射为所述数据区间内的数据，得到第二生产数据，根据预设的向量转换算法将所述第二生产数据转换为向量，并计算每两个向量之间的余弦距离，得到每两个第二生产数据之间的相似度，将相似度大于预设相似度的每两个第二生产数据确定为目标数据组，并删除所述目标数据组中的任意一个第二生产数据，将所有所述目标数据组中保留的第二生产数据作为第三生产数据，对所述第三生产数据中的错误、不规范和无效的数据进行删除后，得到第四生产数据，并将所述第四生产数据转换为符合所述数据存储与处理模块的数据格式的标准数据，得到目标生产数据，将所述目标生产数据存储至存储设备中；

管理驾驶舱13，用于获取所述目标生产数据，对所述目标数据进行统计、整理和分析，生成反映所述智能车间整体的生产状况、生产运营、设备效能及分拣工序的整体指标数据，将反映所述智能车间整体的生产状况的整体指标数据以数字化图表及3D仿真的形式展示在主驾驶舱，将反映所述智能车间整体的生产运营的整体指标数据以数字化图表及3D仿真的形式展示在生产运营驾驶舱，将反映所述智能车间整体的设备效能的整体指标数据以数字化图表及3D仿真的形式展示在设备监控驾驶舱，将反映所述智能车间整体的分拣工序的整体指标数据以数字化图表及3D仿真的形式展示在分拣驾驶舱；其中，所述管理驾驶舱包括主驾驶舱、生产运营驾驶舱、设备监控驾驶舱及分拣驾驶舱，每个驾驶舱都配备有中控屏，用于以低于10秒的刷新频率展示对应的整体指标数据；

作业操作舱14，用于获取所述目标生产数据，对所述目标数据进行统计、整理和分析，生成反映各业务部门对所述智能车间的生产状况、任务执行情况、设备状态的分指标数据，并形成相应的报表，将所述报表以表格或图形方式在所述作业操作舱的中控屏进行呈现。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本发明提供的一种终端，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如上任一项所述的智能板材加工车间数据处理方法的步骤。

在一实施例中，本申请一实施例中提供的终端，参照图4，该终端可以是计算机设备，其内部结构可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储智能板材加工车间数据处理方法的相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现以上实施例所述的智能板材加工车间数据处理方法。

在一个实施例中，本发明还提出了一种存储有计算机可读指令的存储介质，该计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述智能板材加工车间数据处理方法。其中，所述存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

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，该计算机程序可存储于一存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(RandomAccess Memory，RAM)等。

综合上述实施例可知，本发明最大的有益效果在于：

本发明提供的智能板材加工车间数据处理方法及终端，通过数据采集模块对板材加工过程中产生的生产数据进行采集，并通过数据存储与处理模块对生产数据进行清洗、整理和分析后集中存储至存储设备中，以解决板材生产车间的生产数据散落于各角落处于游离状态的问题，也方便后续对数据的调用及分析处理；当检测到与数据采集模块连接的智能控制器采用的是标准通讯接口时，通过数据采集模块预先安装的数据采集卡，从智能控制器中采集生产数据，并将生产数据通过无线网络上传至数据存储与处理模块，当检测到与数据采集模块连接的智能控制器采用的是非标准通讯接口时，则通过数据采集模块预先安装的采集软件，每隔10秒截取所述智能控制器的屏幕，得到生产图片，利用预置的图像识别装置中预设的图片识别算法对生产图片进行识别，从生产图片中识别出生产数据，并将生产数据通过无线网络上传至数据存储与处理模块，图像识别装置包括文字识别模块和生产曲线识别模块，文字识别模块用于识别生产图片中的数字和中文，生产曲线识别模块用于提取生产图片中反映生产过程或生产设备的运行状态的曲线数据，从而根据实际采集条件选择合适的数据采集手段，避免车间内各生产工段因工艺需要存在不同的生产设备，这些设备种类多、数据接口各异，无法实时获得各种设备的状态与作业数据的问题。

本申请将生产数据转换为与数据格式相一致的数据，得到第一生产数据，并利用数据归一化算法将第一生产数据映射为数据区间内的数据，得到第二生产数据，以使生产数据能正常存储至存储设备中；同时根据预设的向量转换算法将第二生产数据转换为向量，并计算每两个向量之间的余弦距离，得到每两个第二生产数据之间的相似度，将相似度大于预设相似度的每两个第二生产数据确定为目标数据组，并删除目标数据组中的任意一个第二生产数据，以精确地剔除相似度较高的数据，避免占用存储空间，然后将所有目标数据组中保留的第二生产数据作为第三生产数据，对第三生产数据中的错误、不规范和无效的数据进行删除后，得到第四生产数据，并将第四生产数据转换为符合数据存储与处理模块的数据格式的标准数据，得到目标生产数据，将目标生产数据存储至存储设备中。

本申请以中控屏为载体搭建出管理驾驶舱和作业操作舱的数字化车间的监控管理中心，管理驾驶舱通过其下的主驾驶舱、生产运营驾驶舱、设备监控驾驶舱及分拣驾驶舱分别展示对应的整体指标数据，作业操作舱以表格或图形方式展示分指标数据，从而能以图表的方式从不同维度实时反馈智能车间的生产营运相关指标，实现精细化显示，提高数据的可视化效果。

以上所述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发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种智能板材加工车间数据处理方法，其特征在于，应用于智能车间中控系统，所述智能车间中控系统用于对板材加工过程中产生的生产数据进行数字化和智能化处理，所述智能车间中控系统包括生产设备、智能控制器、数据采集模块、数据存储与处理模块、管理驾驶舱、作业操作舱，所述生产设备用于对板材进行开料、封边、钻孔及分拣中的至少一项加工流程，所述智能控制器配置在所述生产设备上，用于控制所述生产设备对板材的加工流程，并获取所述生产设备的生产数据，所述数据采集模块与生产设备的智能控制器连接，用于获取所述智能控制器从生产设备上采集到的生产数据，所述数据存储与处理模块与所述数据采集模块连接，用于接收所述数据采集模块采集到的生产数据，并对所述生产数据进行清洗、整理和分析后存储至存储设备中，其中，所述生产设备包括开料设备、封边设备、钻孔设备及分拣设备，所述开料设备用于对板材进行切割加工，所述封边设备用于对板材进行边廓粘贴和装饰，所述钻孔设备用于对板材进行钻孔，所述分拣设备用于对板材进行分拣；所述智能板材加工车间数据处理方法包括：

响应于数据采集指令，当检测到与所述数据采集模块连接的智能控制器采用的是标准通讯接口时，通过所述数据采集模块预先安装的数据采集卡，从所述智能控制器中采集生产数据，并将所述生产数据通过无线网络上传至所述数据存储与处理模块；

当检测到与所述数据采集模块连接的智能控制器采用的是非标准通讯接口时，通过所述数据采集模块预先安装的采集软件，每隔10秒截取所述智能控制器的屏幕，得到生产图片，利用预置的图像识别装置中预设的图片识别算法对所述生产图片进行识别，从所述生产图片中识别出生产数据，并将所述生产数据通过无线网络上传至所述数据存储与处理模块，其中，所述生产数据包括设备运行状态、开机时间、运行时长、加工数量，所述图像识别装置包括文字识别模块和生产曲线识别模块，所述文字识别模块用于识别所述生产图片中的数字和中文，所述生产曲线识别模块用于提取所述生产图片中反映生产过程或生产设备的运行状态的曲线数据，所述生产数据包括数字、中文和曲线数据；

所述数据存储与处理模块接收到所述生产数据后，确定存储设备所采用的数据格式及数据区间，将所述生产数据转换为与所述数据格式相一致的数据，得到第一生产数据，并利用数据归一化算法将所述第一生产数据映射为所述数据区间内的数据，得到第二生产数据，根据预设的向量转换算法将所述第二生产数据转换为向量，并计算每两个向量之间的余弦距离，得到每两个第二生产数据之间的相似度，将相似度大于预设相似度的每两个第二生产数据确定为目标数据组，并删除所述目标数据组中的任意一个第二生产数据，将所有所述目标数据组中保留的第二生产数据作为第三生产数据，对所述第三生产数据中的错误、不规范和无效的数据进行删除后，得到第四生产数据，并将所述第四生产数据转换为符合所述数据存储与处理模块的数据格式的标准数据，得到目标生产数据，将所述目标生产数据存储至存储设备中；

所述管理驾驶舱获取所述目标生产数据，对所述目标数据进行统计、整理和分析，生成反映所述智能车间整体的生产状况、生产运营、设备效能及分拣工序的整体指标数据，将反映所述智能车间整体的生产状况的整体指标数据以数字化图表及3D仿真的形式展示在主驾驶舱，将反映所述智能车间整体的生产运营的整体指标数据以数字化图表及3D仿真的形式展示在生产运营驾驶舱，将反映所述智能车间整体的设备效能的整体指标数据以数字化图表及3D仿真的形式展示在设备监控驾驶舱，将反映所述智能车间整体的分拣工序的整体指标数据以数字化图表及3D仿真的形式展示在分拣驾驶舱；其中，所述管理驾驶舱包括主驾驶舱、生产运营驾驶舱、设备监控驾驶舱及分拣驾驶舱，每个驾驶舱都配备有中控屏，用于以低于10秒的刷新频率展示对应的整体指标数据；

所述作业操作舱获取所述目标生产数据，对所述目标数据进行统计、整理和分析，生成反映各业务部门对所述智能车间的生产状况、任务执行情况、设备状态的分指标数据，并形成相应的报表，将所述报表以表格或图形方式在所述作业操作舱的中控屏进行呈现。

2.根据权利要求1所述的智能板材加工车间数据处理方法，其特征在于，所述响应于数据采集指令之后，还包括：

所述数据采集模块通过内置的API接口从ERP系统实时获取订单数据、从MES系统实时获取生产计划与任务、从WMS系统实时获取板材原材料出入库数、从分拣系统实时获取板材加工和齐套数据；

通过API接口内置的处理方法将所述订单数据、生产计划与任务、板材原材料出入库数、板材加工和齐套数据过滤掉无用数据并转换为统一数据格式后，通过无线网络上传至所述数据存储与处理模块。

3.根据权利要求1所述的智能板材加工车间数据处理方法，其特征在于，还包括：所述管理驾驶舱提取所述目标生产数据中各生产设备的产值数据、运行时长、运行状态，并结合员工在各生产设备的分布情况、员工到岗情况、有效工作时长、员工工作效率，运用数字孪生技术预测智能车间当日的产能，并查找出生产中影响产能的因素；

判断所述智能车间当日的产能是否大于或等于目标产能；

当判定所述智能车间当日的产能小于目标产能时，根据所述智能车间当日的产能及因素调整生产设备的运行参数和员工的人员情况，直至所述智能车间当日的产能大于或等于目标产能为止；其中，所述人员情况包括员工在各生产设备的分布情况。

4.根据权利要求3所述的智能板材加工车间数据处理方法，其特征在于，所述根据所述智能车间当日的产能及因素调整生产设备的运行参数和员工的人员情况，直至所述智能车间当日的产能大于或等于目标产能为止，包括：

根据随机森林算法建立产能分别与生产设备的运行参数和员工的人员情况之间的拟合模型，利用所述拟合模型确定每个所述运行参数对产能的影响程度，选取影响产能最大的运行参数，得到第一运行参数；

调整所述生产设备的第一运行参数和员工的人员情况，并判断调整后的所述智能车间当日的产能是否大于或等于目标产能；

当判定调整后的所述智能车间当日的产能仍小于目标产能时，选取影响产能第二大的运行参数，得到第二运行参数；

在调整所述生产设备的第一运行参数和员工的人员情况的基础上，继续调整所述生产设备的第二运行参数，并判断调整后的所述智能车间当日的产能是否大于或等于目标产能；

当判定调整后的所述智能车间当日的产能仍小于目标产能时，在调整所述生产设备的第二运行参数的基础上，继续调整影响产能第三大的运行参数，以此类推，直至所述智能车间当日的产能大于或等于目标产能为止。

5.根据权利要求1所述的智能板材加工车间数据处理方法，其特征在于，所述将所述目标生产数据存储至存储设备中，包括：

对所述目标生产数据进行相关性分析，确定数据属性之间的规律；

利用SimHash算法针对具有相同数据属性之间的规律进行数据分类，将具有相同数据属性之间的规律的所述目标生产数据存储至同一个存储节点中，将具有不同数据属性之间的规律的所述目标生产数据存储至不同存储节点中；其中，所述存储设备为分布式存储系统，所述分布式存储系统包括多个存储节点，每个存储节点预先分配有唯一的编号。

6.根据权利要求5所述的智能板材加工车间数据处理方法，其特征在于，所述将所述目标生产数据存储至存储设备中之后，还包括：

响应于所述管理驾驶舱或作业操作舱发起的查询指令，从所述查询指令中提取出查询编码；其中，所述查询编码为由两个以上0-9的数字随机组成，所述查询编码中数字的数量为奇数；

从所述查询编码中提取出排在首位的数字，得到首数字；

从所述查询编码中提取出排在中间位置的数字，得到中位数；

从所述查询编码中提取出排在末尾位置的数字，得到尾数字；

将所述首数字与尾数字相加并乘以所述中位数后，得到第一编号，将所述第一编号与所述查询编码中剩余未使用的数字进行累加后，得到目标编号；

从所述分布式存储系统中查询编号与所述目标编号相一致的存储节点，得到目标存储节点；

从所述目标存储节点中获取目标生产数据，将从所述目标存储节点中获取到的目标生产数据返回给所述管理驾驶舱或作业操作舱。

7.根据权利要求1所述的智能板材加工车间数据处理方法，其特征在于，所述将所述目标生产数据存储至存储设备中之后，还包括：

获取训练样本，所述训练样本包括多个参考生产数据及所述多个参考生产数据中已标记的参考异常数据；

将所述训练样本输入至预设的神经网络模型中进行训练，得到训练结果；

判断所述训练结果是否满足要求；

当判定所述训练结果满足要求时，将训练后的所述神经网络模型作为分析模型，用于分析出生产数据中的异常数据；

调用所述分析模型对所述目标生产数据进行分析，得到所述目标生产数据中出现异常的数据，得到异常数据；

确定所述异常数据所属的生产设备，得到异常生产设备，并生成针对所述异常生产设备及异常数据的报警信息，将所述报警信息在所述主驾驶舱进行显示。

8.根据权利要求1所述的智能板材加工车间数据处理方法，其特征在于，所述将所述目标生产数据存储至存储设备中之后，还包括：

响应于所述管理驾驶舱或作业操作舱发起的查询信息，从所述查询信息中提取出查询字段；其中，所述查询字段的字段数量为n个，所述n大于2；

判断所述存储设备中是否存在与所述查询字段完全匹配的目标生产数据；

当判定所述存储设备中存在与所述查询字段完全匹配的目标生产数据时，将与所述查询字段完全匹配的目标生产数据返回给所述管理驾驶舱或作业操作舱；

当判定所述存储设备中不存在与所述查询字段完全匹配的目标生产数据时，将所述查询字段中相邻的字段进行划分，得到多个第一子查询字段；其中，每个所述第一子查询字段的字段数量为n-1个；

判断所述存储设备中是否存在与所述任一第一子查询字段完全匹配的目标生产数据；

当判定所述存储设备中存在与所述任一第一子查询字段完全匹配的目标生产数据时，将与所述第一子查询字段完全匹配的目标生产数据返回给所述管理驾驶舱或作业操作舱；

当判定所述存储设备中不存在与所述任一第一子查询字段完全匹配的目标生产数据时，继续将所述查询字段中相邻的字段进行划分，得到多个第二子查询字段；其中，每个所述第二子查询字段的字段数量为n-2个；

继续判断所述存储设备中是否存在与所述任一第二子查询字段完全匹配的目标生产数据，以此类推，以获取与所述查询字段最匹配的目标生产数据。

9.根据权利要求1所述的智能板材加工车间数据处理方法，其特征在于，所述利用预置的图像识别装置中预设的图片识别算法对所述生产图片进行识别之前，还包括：

确定所述生产图片的清晰度；

判断所述生产图片的清晰度是否小于所述预设清晰度；

当判定所述生产图片的清晰度大于或等于所述预设清晰度时，执行所述利用预置的图像识别装置中预设的图片识别算法对所述生产图片进行识别的步骤；

当判定所述生产图片的清晰度小于所述预设清晰度时，调整所述智能控制器的分辨率，在所述分辨率下刷新所述智能控制器的当前屏幕的内容，对刷新后的所述当前屏幕的内容进行截图，并代替所述生产图片。

10.一种终端，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至9中任一项所述的智能板材加工车间数据处理方法的步骤。

Images