CN115426363A - 智能板材加工工厂的数据采集方法及终端 - Google Patents

智能板材加工工厂的数据采集方法及终端 Download PDF

Info

Publication number
CN115426363A
CN115426363A CN202211061876.8A CN202211061876A CN115426363A CN 115426363 A CN115426363 A CN 115426363A CN 202211061876 A CN202211061876 A CN 202211061876A CN 115426363 A CN115426363 A CN 115426363A
Authority
CN
China
Prior art keywords
data
production
target
computer
storage
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
Application number
CN202211061876.8A
Other languages
English (en)
Other versions
CN115426363B (zh
Inventor
江俊锋
付明涛
陈兴华
唐小松
李万程
赖俊儒
许兵
吴延龙
黄剑彪
邝洪威
陈华生
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.)
Guangdong XG Intelligent System Co Ltd
Original Assignee
Guangdong XG Intelligent System 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 Guangdong XG Intelligent System Co Ltd filed Critical Guangdong XG Intelligent System Co Ltd
Priority to CN202211061876.8A priority Critical patent/CN115426363B/zh
Publication of CN115426363A publication Critical patent/CN115426363A/zh
Application granted granted Critical
Publication of CN115426363B publication Critical patent/CN115426363B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2209/00—Arrangements in telecontrol or telemetry systems
    • H04Q2209/20—Arrangements in telecontrol or telemetry systems using a distributed architecture
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2209/00—Arrangements in telecontrol or telemetry systems
    • H04Q2209/40—Arrangements in telecontrol or telemetry systems using a wireless architecture
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2209/00—Arrangements in telecontrol or telemetry systems
    • H04Q2209/70—Arrangements in the main station, i.e. central controller
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Emergency Management (AREA)
  • Computer Hardware Design (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种智能板材加工工厂的数据采集方法及终端，所述智能板材加工工厂的数据采集方法包括：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和整理后集中存储至存储设备中，以解决板材生产工厂的生产数据散落于各角落处于游离状态的问题；并在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，且确定计算机的CPU使用率小于预设CPU使用率时，才调用计算机对生产图片进行生产数据提取；而当计算机的CPU使用率大于或等于预设CPU使用率时，则调用边缘计算机对生产图片进行生产数据提取，从而兼顾计算机的负载情况，实现计算机的负载均衡，确保智能工厂的整体正常运行。

Description

智能板材加工工厂的数据采集方法及终端
技术领域
本发明涉及板材制造的数据采集技术领域，尤其涉及一种智能板材加工工厂的数据采集方法及终端。
背景技术
智能工厂是当今工厂在设备智能化、管理现代化、信息计算机化的基础上达到的新的阶段，目前的智能工厂内数据采集方法主要是人工采集数据，这种方法在工厂中的存在较为普遍，但存在数据采集不及时，手动整理容易出错，效率较慢的问题，因此，需要采用智能方法采集工厂的生产设备数据。此外，由于工厂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，而且在数据采集时难以兼顾计算机的负载情况，容易导致计算机负载过大，影响智能工厂的整体调度。
在申请号为CN202111302899.9的技术方案中，虽然其通过配置连接的数据生产设备的采集信息，把采集到数据的本地存储地址和数据生产设备编号在本地数据路由表中更新，以便于当接收到数据处理设备发送的数据查询请求包，且数据查询请求包的前缀与本地数据路由表中的数据生产设备的编号相匹配时，从本地存储地址提取数据并返回数据包，但并未解决针对由于设备种类多、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，数据采集具有局限性，而且在数据采集过程中也未兼顾计算机的负载情况，导致计算机负载过大。
发明内容
本发明提供一种智能板材加工工厂的数据采集方法及终端，以实现多种设备、多种数据接口的自动数据采集，并在数据采集过程中兼顾计算机的负载情况，实现计算机负载均衡，确保智能工厂的整体正常运行。
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工厂的数据采集方法，应用于智能工厂管理中心，所述智能工厂管理中心包括生产设备、智能控制器、数据采集模块、数据存储与处理模块、计算机、边缘计算机及显示模块；
其中，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工艺，所述生产设备包括开料机、封边机、钻孔机及分拣机，所述开料机用于对板材进行切割，所述封边机用于对板材进行边廓粘贴和装饰，所述钻孔机用于对板材进行钻孔，所述分拣机用于对板材进行分拣；
所述智能控制器与所述生产设备连接，并安装于所述生产设备附近，用于根据内置的工艺程序控制所述生产设备对板材进行加工，并获取所述生产设备在加工过程中产生的生产数据；其中，所述生产数据包括设备运行状态、开机时间、运行时长、每日产能、耗电量、加工数量；
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和整理后存储至存储设备中；
所述计算机分别与所述数据存储与处理模块、所述显示模块连接，用于获取清洗和整理后的所述生产数据，对所述生产数据进行统计分析，并将统计分析后得到的结果在所述显示模块进行输出显示；
所述边缘计算机分别与所述计算机、所述数据存储与处理模块连接，用于代替处理所述计算机的部分任务，减轻所述计算机的负载；
其中，所述智能板材加工工厂的数据采集方法包括：
响应于所述计算机每隔预设周期发起的数据采集指令，检测与所述数据采集模块连接的智能控制器采用的通讯接口类型，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发送至所述数据存储与处理模块；其中，所述数据采集卡集成了多种标准通讯接口的接入，所述标准通讯接口包括标准OPC接口、标准Modbus通讯接口及RS232接口；
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，并计算所述计算机当前的CPU使用率，判断所述计算机当前的CPU使用率是否大于预设CPU使用率；
当判定所述计算机当前的CPU使用率小于预设CPU使用率时，所述数据采集模块通过所述数据存储与处理模块将所述生产图片转发给所述计算机，利用所述计算机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发送至所述数据存储与处理模块；其中，所述计算机包括第一文字识别模块和第一生产曲线识别模块，所述第一文字识别模块用于识别所述生产图片中的数字和中文，所述第一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；
当判定所述计算机当前的CPU使用率大于或等于预设CPU使用率时，所述数据采集模块通过所述数据存储与处理模块将所述生产图片转发给所述边缘计算机，利用所述边缘计算机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发送至所述数据存储与处理模块；其中，所述边缘计算机包括第二文字识别模块和第二生产曲线识别模块，所述第二文字识别模块用于识别所述生产图片中的数字和中文，所述第二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；
所述数据存储与处理模块接收到所述生产数据后，对所述生产数据进行预处理，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；
所述计算机对所述目标生产数据进行预警分析，将预警分析后的结果在所述显示模块进行输出显示。
优选地，所述计算机对所述目标生产数据进行预警分析，将预警分析后的结果在所述显示模块进行输出显示，包括：
所述计算机实时从所述目标生产数据中提取出所述生产设备的运行参数；
获取所述生产设备对应的运行参数的标准参数范围；
判断所述运行参数是否在对应的运行参数的标准参数范围内；
当判定所述运行参数不在对应的运行参数的标准参数范围内时，将该运行参数标记为异常运行参数，并生成针对所述异常运行参数的预警消息，将所述预警消息在所述显示模块进行输出显示。
优选地，所述对所述生产数据进行预处理，得到目标生产数据，包括：
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；
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；
将所述第三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。
优选地，所述计算所述计算机当前的CPU使用率，包括：
获取所述计算机在预设时间段内处理的每个进程的处理时长；
将每个进程的处理时长进行累加后，得到总处理时长；
确定所述预设时间段的时长，将所述总处理时长除以所述时长后，得到所述计算机当前的CPU使用率。
优选地，所述利用所述计算机预设的图片识别算法对所述生产图片进行识别，包括：
确定所述生产图片的分辨率；
判断所述生产图片的分辨率是否大于目标分辨率；
当判定所述生产图片的分辨率大于目标分辨率时，利用所述计算机预设的图片识别算法对所述生产图片进行识别；
当判定所述生产图片的分辨率不大于目标分辨率时，将所述生产图片的分辨率调整至所述目标分辨率，利用所述计算机预设的图片识别算法对调整分辨率后的所述生产图片进行识别。
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筛选，筛选出重要性高的生产数据，得到隐私数据；其中，所述隐私数据包括产能、加工工艺、订单量、订单金额；
对所述隐私数据进行数据分类，将具有相同数据类型的所述隐私数据存储至同一个存储节点，将具有不同数据类型的所述隐私数据存储至不同存储节点；其中，所述数据类型包括数据来源或数据格式，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；
响应于用户对所述隐私数据的查询指令，控制摄像头拍摄所述用户的人脸信息，对所述用户的人脸信息进行校验，在校验通过后，从所述查询指令中获取所述用户的用户账号；其中，所述用户账号为由两个以上0至9的数字随机组成，所述用户账号中数字的数量为奇数；
从所述用户账号中提取出排在首位的数字，得到起始位数字，从所述用户账号中提取出排在中间位置的数字，得到中间位数字，从所述用户账号中提取出排在末尾位置的数字，得到末尾位数字；
将所述起始位数字与末尾位数字相加后，乘以所述中间位数字，得到参考编号，将所述参考编号与所述用户账号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隐私数据，将从所述目标存储节点中获取到的隐私数据返回给所述用户。
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，包括：
计算所述目标生产数据的数据量；
判断所述目标生产数据的数据量是否大于预设数据量；
当判定所述目标生产数据的数据量大于预设数据量时，根据所述目标生产数据的数据量将所述目标生产数据进行分片，得到多个数据片；
分别将各个数据片存入不同的存储节点中，并记录各个数据片的分片信息，将所述各个数据片的分片信息进行保存；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，所述分片信息包括数据片的分片标识及分片排序；
响应于所述计算机发起的目标生产数据的获取请求，根据所述获取请求查询对应的目标分片信息；
根据所述目标分片信息分别从对应的存储节点中获取数据片，得到多个目标数据片；
根据所述目标分片信息的分片标识及分片排序将所述多个目标数据片进行拼接，得到所述目标生产数据。
优选地，所述将所述目标生产数据存储至存储设备中，包括：
根据产生所述目标生产数据的生产设备的设备类别确定所述目标生产数据的存储等级；
根据所述目标生产数据的存储等级获取对应的密钥和加密算法，利用获取的密钥和加密算法对所述目标生产数据进行加密；其中，所述目标生产数据所采用的密钥和加密算法的复杂度与对应的存储等级成正比；
将加密后的所述目标生产数据存储至与所述目标生产数据的存储等级对应的存储设备中。
进一步地，所述智能板材加工工厂的数据采集方法还包括：
所述计算机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工厂当日的产能，并查找出生产中影响产能的因素；
判断所述智能工厂当日的产能是否大于或等于目标产能；
当判定所述智能工厂当日的产能小于目标产能时，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，根据所述拟合模型及所述因素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工厂当日的产能是否大于或等于目标产能；其中，所述人员情况包括员工在各生产设备的分布情况；
当判定调整后的所述智能工厂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工厂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工厂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，直至所述智能工厂当日的产能大于或等于目标产能为止。
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工厂的数据采集方法的步骤。
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工厂的数据采集方法及终端，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和整理后集中存储至存储设备中，以解决板材生产工厂的生产数据散落于各角落处于游离状态的问题，避免信息孤岛。
同时，在数据采集过程中，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；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，通过数据采集模块预先安装的采集软件，每隔10秒截取智能控制器的屏幕，得到生产图片，利用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，从而根据实际采集条件选择合适的数据采集手段，避免工厂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。
此外，由于通过图片识别算法提取生产数据的方式会占用计算机较大的内存，影响计算机对智能工厂的整体调度，因此本申请只有当计算机的CPU使用率小于预设CPU使用率，且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，才调用计算机对生产图片进行生产数据提取；而当计算机的CPU使用率大于或等于预设CPU使用率，且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，则调用边缘计算机对生产图片进行生产数据提取，从而在数据采集过程中兼顾计算机的负载情况，实现计算机的负载均衡，确保智能工厂的整体正常运行。
附图说明
图1为本发明智能板材加工工厂的数据采集方法一种实施例流程框图；
图2为本发明智能工厂的一种实施例结构示意图；
图3为本发明智能板材加工工厂的数据采集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工厂的数据采集方法，应用于智能工厂管理中心，所述智能工厂管理中心包括生产设备、智能控制器、数据采集模块、数据存储与处理模块、计算机(未出示)、边缘计算机(未出示)及显示模块；
其中，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工艺，所述生产设备包括开料机、封边机、钻孔机及分拣机，所述开料机用于对板材进行切割，所述封边机用于对板材进行边廓粘贴和装饰，所述钻孔机用于对板材进行钻孔，所述分拣机用于对板材进行分拣；
所述智能控制器与所述生产设备连接，并安装于所述生产设备附近，与生产设备搭配使用，用于根据内置的工艺程序控制生产设备对板材进行加工，并获取生产设备在加工过程中产生的生产数据；其中，生产数据包括设备运行状态、开机时间、运行时长、每日产能、耗电量、耗水量、加工数量、加工进度等等；
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和整理后存储至存储设备中，如删除生产数据中无效、错误或重复的数据后存储至存储设备中，该存储设备包括数据库及分布式存储系统；
计算机分别与数据存储与处理模块、显示模块连接，用于获取清洗和整理后的生产数据，对所述生产数据进行统计分析，并将统计分析后得到的结果在显示模块进行输出显示，如计算机根据生产数据统计每台生产设备每天加工完成好的板材数量，将每台生产设备每天加工完成好的板材数量进行累加后，得到智能工厂每天的总产量，将总产量在显示模块进行输出显示，以便管理人员方便查看；
边缘计算机分别与计算机、数据存储与处理模块连接，用于在计算机负载过大时，代替处理计算机的部分任务，减轻计算机的负载；
其中，所述智能板材加工工厂的数据采集方法包括：
S11、响应于所述计算机每隔预设周期发起的数据采集指令，检测与所述数据采集模块连接的智能控制器采用的通讯接口类型，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发送至所述数据存储与处理模块；其中，所述数据采集卡集成了多种标准通讯接口的接入，所述标准通讯接口包括标准OPC接口、标准Modbus通讯接口及RS232接口；
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，并计算所述计算机当前的CPU使用率，判断所述计算机当前的CPU使用率是否大于预设CPU使用率；
S13、当判定所述计算机当前的CPU使用率小于预设CPU使用率时，所述数据采集模块通过所述数据存储与处理模块将所述生产图片转发给所述计算机，利用所述计算机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发送至所述数据存储与处理模块；其中，所述计算机包括第一文字识别模块和第一生产曲线识别模块，所述第一文字识别模块用于识别所述生产图片中的数字和中文，所述第一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；
S14、当判定所述计算机当前的CPU使用率大于或等于预设CPU使用率时，所述数据采集模块通过所述数据存储与处理模块将所述生产图片转发给所述边缘计算机，利用所述边缘计算机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发送至所述数据存储与处理模块；其中，所述边缘计算机包括第二文字识别模块和第二生产曲线识别模块，所述第二文字识别模块用于识别所述生产图片中的数字和中文，所述第二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；
S15、所述数据存储与处理模块接收到所述生产数据后，对所述生产数据进行预处理，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；
S16、所述计算机对所述目标生产数据进行预警分析，将预警分析后的结果在所述显示模块进行输出显示。
在本实施例中，预设周期可自定义设置，如计算机每隔10分钟发起数据采集指令，并检测与数据采集模块连接的智能控制器采用的通讯接口类型。由于家居生产工厂存在多品牌、不同加工工艺的设备，如开料机、封边机、钻孔机、分拣机器人、裁纸机、封箱机、智能控制器等，这些设备的通讯接口各异，生成的数据杂乱无序、形式多样。因此，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。
而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，则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发送至数据存储与处理模块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，避免工厂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，该图片识别算法为字符识别算法，第一文字识别模块、第一生产曲线识别模块、第二文字识别模块、第二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。
由于通过图片识别算法提取生产数据的方式会占用计算机较大的内存，影响计算机对智能工厂的整体调度，因此本申请只有当计算机的CPU使用率小于预设CPU使用率，且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，才调用计算机对生产图片进行生产数据提取；而当计算机的CPU使用率大于或等于预设CPU使用率，且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，则调用边缘计算机对生产图片进行生产数据提取，从而在数据采集过程中兼顾计算机的负载情况，实现计算机的负载均衡，确保智能工厂的整体正常运行。
数据存储与处理模块接收到生产数据后，对生产数据进行预处理，得到目标生产数据，预处理方式包括数据清理、数据集成、数据变换等等。计算机对目标生产数据进行预警分析，确定出现异常的目标生产数据，将预警分析后的结果在显示模块进行输出显示，如当开料机的转速大于规定的最大转速时，则在显示模块显示：“开料机转速异常”。
本发明提供的智能板材加工工厂的数据采集方法，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和整理后集中存储至存储设备中，以解决板材生产工厂的生产数据散落于各角落处于游离状态的问题，避免信息孤岛。
同时，在数据采集过程中，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；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，通过数据采集模块预先安装的采集软件，每隔10秒截取智能控制器的屏幕，得到生产图片，利用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，从而根据实际采集条件选择合适的数据采集手段，避免工厂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。
此外，由于通过图片识别算法提取生产数据的方式会占用计算机较大的内存，影响计算机对智能工厂的整体调度，因此本申请只有当计算机的CPU使用率小于预设CPU使用率，且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，才调用计算机对生产图片进行生产数据提取；而当计算机的CPU使用率大于或等于预设CPU使用率，且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，则调用边缘计算机对生产图片进行生产数据提取，从而在数据采集过程中兼顾计算机的负载情况，实现计算机的负载均衡，确保智能工厂的整体正常运行。
在一实施例中，所述计算机对所述目标生产数据进行预警分析，将预警分析后的结果在所述显示模块进行输出显示，可具体包括：
所述计算机实时从所述目标生产数据中提取出所述生产设备的运行参数；
获取所述生产设备对应的运行参数的标准参数范围；
判断所述运行参数是否在对应的运行参数的标准参数范围内；
当判定所述运行参数不在对应的运行参数的标准参数范围内时，将该运行参数标记为异常运行参数，并生成针对所述异常运行参数的预警消息，将所述预警消息在所述显示模块进行输出显示。
本实施例实时对生产设备的运行参数进行分析，运行参数包括生产设备的转速、温度、湿度、流量、压力等等，同时获取该运行参数的标准参数范围，判断运行参数是否在对应的运行参数的标准参数范围内，若否，则将该运行参数标记为异常运行参数，并生成针对异常运行参数的预警消息，将预警消息在所述显示模块进行输出显示。例如，当生产设备的温度为200摄氏度，标准参数范围为180摄氏度内，则生成预警消息。
在一实施例中，所述对所述生产数据进行预处理，得到目标生产数据，可具体包括：
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；
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；
将所述第三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。
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，该数据格式包括JSON、XML、YAML，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，将第三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。
在一实施例中，所述计算所述计算机当前的CPU使用率，可具体包括：
获取所述计算机在预设时间段内处理的每个进程的处理时长；
将每个进程的处理时长进行累加后，得到总处理时长；
确定所述预设时间段的时长，将所述总处理时长除以所述时长后，得到所述计算机当前的CPU使用率。
本实施例遍历计算机在近段时间内所处理的进程，并获取计算机在该段时间内每个进程的处理时长，将每个进程的处理时长进行累加后，得到总处理时长，并确定预设时间段的时长，将总处理时长除以时长后，得到计算机当前的CPU使用率，从而精确地确定计算机当前的负载情况。
在一实施例中，所述利用所述计算机预设的图片识别算法对所述生产图片进行识别，可具体包括：
确定所述生产图片的分辨率；
判断所述生产图片的分辨率是否大于目标分辨率；
当判定所述生产图片的分辨率大于目标分辨率时，利用所述计算机预设的图片识别算法对所述生产图片进行识别；
当判定所述生产图片的分辨率不大于目标分辨率时，将所述生产图片的分辨率调整至所述目标分辨率，利用所述计算机预设的图片识别算法对调整分辨率后的所述生产图片进行识别。
在本实施例中，目标分辨率可自定义设置，如设置为1080p，当判定生产图片的分辨率小于或等于目标分辨率时，将生产图片的分辨率调整至目标分辨率，利用计算机预设的图片识别算法对调整分辨率后的生产图片进行识别，以确保能完整地提取到生产图片中的生产数据。
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筛选，筛选出重要性高的生产数据，得到隐私数据；其中，所述隐私数据包括产能、加工工艺、订单量、订单金额；
对所述隐私数据进行数据分类，将具有相同数据类型的所述隐私数据存储至同一个存储节点，将具有不同数据类型的所述隐私数据存储至不同存储节点；其中，所述数据类型包括数据来源或数据格式，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；
响应于用户对所述隐私数据的查询指令，控制摄像头拍摄所述用户的人脸信息，对所述用户的人脸信息进行校验，在校验通过后，从所述查询指令中获取所述用户的用户账号；其中，所述用户账号为由两个以上0至9的数字随机组成，所述用户账号中数字的数量为奇数；
从所述用户账号中提取出排在首位的数字，得到起始位数字，从所述用户账号中提取出排在中间位置的数字，得到中间位数字，从所述用户账号中提取出排在末尾位置的数字，得到末尾位数字；
将所述起始位数字与末尾位数字相加后，乘以所述中间位数字，得到参考编号，将所述参考编号与所述用户账号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隐私数据，将从所述目标存储节点中获取到的隐私数据返回给所述用户。
本实施例对目标生产数据进行筛选，筛选出重要性高的生产数据，得到隐私数据，如将产能、加工工艺、订单量、订单金额确定为重要性高的生产数据，并对隐私数据进行数据分类，将具有相同数据类型的隐私数据存储至同一个存储节点，将具有不同数据类型的隐私数据存储至不同存储节点，以便查找以及集中分析，如将来源于同一生产设备的隐私数据存储至同一个存储节点，并未每个存储节点分配唯一的编号。
在本实施例中，响应于用户对隐私数据的查询指令，控制摄像头拍摄用户的人脸信息，对用户的人脸信息进行校验，在校验通过后，从查询指令中提取出用户账号，不同的用户具有不同的、唯一的用户账号，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，用户账号为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用户，当该目标生产数据泄露时，则可根据查询编号24追溯至用户账号为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，可具体包括：
计算所述目标生产数据的数据量；
判断所述目标生产数据的数据量是否大于预设数据量；
当判定所述目标生产数据的数据量大于预设数据量时，根据所述目标生产数据的数据量将所述目标生产数据进行分片，得到多个数据片；
分别将各个数据片存入不同的存储节点中，并记录各个数据片的分片信息，将所述各个数据片的分片信息进行保存；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，所述分片信息包括数据片的分片标识及分片排序；
响应于所述计算机发起的目标生产数据的获取请求，根据所述获取请求查询对应的目标分片信息；
根据所述目标分片信息分别从对应的存储节点中获取数据片，得到多个目标数据片；
根据所述目标分片信息的分片标识及分片排序将所述多个目标数据片进行拼接，得到所述目标生产数据。
本实施例可根据目标生产数据的数据量对目标生产数据进行分布式存储，避免数据存储不均衡。具体的，当判定目标生产数据的数据量大于预设数据量时，预设数据量可以是1G，则根据目标生产数据的数据量将目标生产数据进行分片，得到多个数据片，分别将各个数据片存入不同的存储节点中，并记录各个数据片的分片信息，将各个数据片的分片信息进行保存。
例如，当目标生产数据的数据量为2G时，则可将目标生产数据分为5个数据片，每个数据片的数据量约为400M，分别将这5个数据片存入存储节点A、B、C、D、E中，响应于计算机发起的目标生产数据的获取请求，根据获取请求查询对应的目标分片信息，根据目标分片信息分别从存储节点A、B、C、D、E中获取数据片，得到多个目标数据片，根据目标分片信息的分片标识及分片排序将多个目标数据片进行拼接，得到目标生产数据，从而避免数据存储不均衡，也提高了数据的安全性。
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，可具体包括：
根据产生所述目标生产数据的生产设备的设备类别确定所述目标生产数据的存储等级；
根据所述目标生产数据的存储等级获取对应的密钥和加密算法，利用获取的密钥和加密算法对所述目标生产数据进行加密；其中，所述目标生产数据所采用的密钥和加密算法的复杂度与对应的存储等级成正比；
将加密后的所述目标生产数据存储至与所述目标生产数据的存储等级对应的存储设备中。
在本实施例中，可根据设备类别设定存储等级，生产设备越重要，则该类生产设备产生的存储等级越高，例如，将开料机产生的目标生产数据的存储等级设定为高级，将封边机产生的目标生产数据的存储等级设定为中级，将分拣机产生的目标生产数据的存储等级设定为低级。
每个存储级别具有与其对应的密钥和加密算法，各存储级别的密钥复杂度、加密算法复杂度以及加密算法的速度可以不相同，目标生产数据的存储等级越高，则采用的密钥和加密算法的复杂度也越高，目标生产数据被破解的概率则越低，以确保重要数据的安全性，但存储速度会较慢。目标生产数据的存储等级越低，则采用的密钥和加密算法的复杂度也越低，目标生产数据的存储速度则会较高，但被破解的概率会较高。因此本实施例可根据实际需求平衡存储速度及存储安全性。
其中，密钥可以是根据复杂度需求随机生成，也可以是人工设定。加密算法可以包括多种不同速度的加密算法，包括但不限于常用的AES(Advanced EncryptionStandard，高级加密标准)、RC4、Blowfish、RSA、MD5等。
此外，本实施例将加密后的目标生产数据存储至与目标生产数据的存储等级对应的存储设备，以便获取以及确保数据的安全性。
在一实施例中，所述智能板材加工工厂的数据采集方法还可包括：
所述计算机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工厂当日的产能，并查找出生产中影响产能的因素；
判断所述智能工厂当日的产能是否大于或等于目标产能；
当判定所述智能工厂当日的产能小于目标产能时，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，根据所述拟合模型及所述因素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工厂当日的产能是否大于或等于目标产能；其中，所述人员情况包括员工在各生产设备的分布情况；
当判定调整后的所述智能工厂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工厂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工厂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，直至所述智能工厂当日的产能大于或等于目标产能为止。
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工厂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工厂当日的产能，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，再次对物联网工业工厂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。
当判定智能工厂当日的产能小于目标产能时，根据智能工厂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，如增加智能工厂员工的数量或提高生产设备的转速，直至智能工厂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，利用该拟合模型及因素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工厂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工厂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，以使智能工厂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。
请参考图3，本发明的实施例还提供一种智能板材加工工厂的数据采集装置，包括：
第一检测模块11，用于响应于所述计算机每隔预设周期发起的数据采集指令，检测与所述数据采集模块连接的智能控制器采用的通讯接口类型，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发送至所述数据存储与处理模块；其中，所述数据采集卡集成了多种标准通讯接口的接入，所述标准通讯接口包括标准OPC接口、标准Modbus通讯接口及RS232接口；
第二检测模块12，用于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，并计算所述计算机当前的CPU使用率，判断所述计算机当前的CPU使用率是否大于预设CPU使用率；
第一识别模块13，用于当判定所述计算机当前的CPU使用率小于预设CPU使用率时，所述数据采集模块通过所述数据存储与处理模块将所述生产图片转发给所述计算机，利用所述计算机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发送至所述数据存储与处理模块；其中，所述计算机包括第一文字识别模块和第一生产曲线识别模块，所述第一文字识别模块用于识别所述生产图片中的数字和中文，所述第一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；
第二识别模块14，用于当判定所述计算机当前的CPU使用率大于或等于预设CPU使用率时，所述数据采集模块通过所述数据存储与处理模块将所述生产图片转发给所述边缘计算机，利用所述边缘计算机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发送至所述数据存储与处理模块；其中，所述边缘计算机包括第二文字识别模块和第二生产曲线识别模块，所述第二文字识别模块用于识别所述生产图片中的数字和中文，所述第二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；
数据存储与处理模块15，用于接收到所述生产数据后，对所述生产数据进行预处理，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；所述计算机对所述目标生产数据进行预警分析，将预警分析后的结果在所述显示模块进行输出显示。
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工厂的数据采集方法的步骤。
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工厂的数据采集方法的相关数据。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工厂的数据采集方法。
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工厂的数据采集方法。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工厂的数据采集方法及终端，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和整理后集中存储至存储设备中，以解决板材生产工厂的生产数据散落于各角落处于游离状态的问题，避免信息孤岛。
同时，在数据采集过程中，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；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，通过数据采集模块预先安装的采集软件，每隔10秒截取智能控制器的屏幕，得到生产图片，利用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，从而根据实际采集条件选择合适的数据采集手段，避免工厂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。
此外，由于通过图片识别算法提取生产数据的方式会占用计算机较大的内存，影响计算机对智能工厂的整体调度，因此本申请只有当计算机的CPU使用率小于预设CPU使用率，且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，才调用计算机对生产图片进行生产数据提取；而当计算机的CPU使用率大于或等于预设CPU使用率，且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，则调用边缘计算机对生产图片进行生产数据提取，从而在数据采集过程中兼顾计算机的负载情况，实现计算机的负载均衡，确保智能工厂的整体正常运行。
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工厂的数据采集方法，其特征在于，应用于智能工厂管理中心，所述智能工厂管理中心包括生产设备、智能控制器、数据采集模块、数据存储与处理模块、计算机、边缘计算机及显示模块；
其中，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工艺，所述生产设备包括开料机、封边机、钻孔机及分拣机，所述开料机用于对板材进行切割，所述封边机用于对板材进行边廓粘贴和装饰，所述钻孔机用于对板材进行钻孔，所述分拣机用于对板材进行分拣；
所述智能控制器与所述生产设备连接，并安装于所述生产设备附近，用于根据内置的工艺程序控制所述生产设备对板材进行加工，并获取所述生产设备在加工过程中产生的生产数据；其中，所述生产数据包括设备运行状态、开机时间、运行时长、每日产能、耗电量、加工数量；
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和整理后存储至存储设备中；
所述计算机分别与所述数据存储与处理模块、所述显示模块连接，用于获取清洗和整理后的所述生产数据，对所述生产数据进行统计分析，并将统计分析后得到的结果在所述显示模块进行输出显示；
所述边缘计算机分别与所述计算机、所述数据存储与处理模块连接，用于代替处理所述计算机的部分任务，减轻所述计算机的负载；
其中，所述智能板材加工工厂的数据采集方法包括：
响应于所述计算机每隔预设周期发起的数据采集指令，检测与所述数据采集模块连接的智能控制器采用的通讯接口类型，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发送至所述数据存储与处理模块；其中，所述数据采集卡集成了多种标准通讯接口的接入，所述标准通讯接口包括标准OPC接口、标准Modbus通讯接口及RS232接口；
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，并计算所述计算机当前的CPU使用率，判断所述计算机当前的CPU使用率是否大于预设CPU使用率；
当判定所述计算机当前的CPU使用率小于预设CPU使用率时，所述数据采集模块通过所述数据存储与处理模块将所述生产图片转发给所述计算机，利用所述计算机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发送至所述数据存储与处理模块；其中，所述计算机包括第一文字识别模块和第一生产曲线识别模块，所述第一文字识别模块用于识别所述生产图片中的数字和中文，所述第一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；
当判定所述计算机当前的CPU使用率大于或等于预设CPU使用率时，所述数据采集模块通过所述数据存储与处理模块将所述生产图片转发给所述边缘计算机，利用所述边缘计算机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发送至所述数据存储与处理模块；其中，所述边缘计算机包括第二文字识别模块和第二生产曲线识别模块，所述第二文字识别模块用于识别所述生产图片中的数字和中文，所述第二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；
所述数据存储与处理模块接收到所述生产数据后，对所述生产数据进行预处理，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；
所述计算机对所述目标生产数据进行预警分析，将预警分析后的结果在所述显示模块进行输出显示。
2.根据权利要求1所述的智能板材加工工厂的数据采集方法，其特征在于，所述计算机对所述目标生产数据进行预警分析，将预警分析后的结果在所述显示模块进行输出显示，包括：
所述计算机实时从所述目标生产数据中提取出所述生产设备的运行参数；
获取所述生产设备对应的运行参数的标准参数范围；
判断所述运行参数是否在对应的运行参数的标准参数范围内；
当判定所述运行参数不在对应的运行参数的标准参数范围内时，将该运行参数标记为异常运行参数，并生成针对所述异常运行参数的预警消息，将所述预警消息在所述显示模块进行输出显示。
3.根据权利要求1所述的智能板材加工工厂的数据采集方法，其特征在于，所述对所述生产数据进行预处理，得到目标生产数据，包括：
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；
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；
将所述第三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。
4.根据权利要求1所述的智能板材加工工厂的数据采集方法，其特征在于，所述计算所述计算机当前的CPU使用率，包括：
获取所述计算机在预设时间段内处理的每个进程的处理时长；
将每个进程的处理时长进行累加后，得到总处理时长；
确定所述预设时间段的时长，将所述总处理时长除以所述时长后，得到所述计算机当前的CPU使用率。
5.根据权利要求1所述的智能板材加工工厂的数据采集方法，其特征在于，所述利用所述计算机预设的图片识别算法对所述生产图片进行识别，包括：
确定所述生产图片的分辨率；
判断所述生产图片的分辨率是否大于目标分辨率；
当判定所述生产图片的分辨率大于目标分辨率时，利用所述计算机预设的图片识别算法对所述生产图片进行识别；
当判定所述生产图片的分辨率不大于目标分辨率时，将所述生产图片的分辨率调整至所述目标分辨率，利用所述计算机预设的图片识别算法对调整分辨率后的所述生产图片进行识别。
6.根据权利要求1所述的智能板材加工工厂的数据采集方法，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筛选，筛选出重要性高的生产数据，得到隐私数据；其中，所述隐私数据包括产能、加工工艺、订单量、订单金额；
对所述隐私数据进行数据分类，将具有相同数据类型的所述隐私数据存储至同一个存储节点，将具有不同数据类型的所述隐私数据存储至不同存储节点；其中，所述数据类型包括数据来源或数据格式，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；
响应于用户对所述隐私数据的查询指令，控制摄像头拍摄所述用户的人脸信息，对所述用户的人脸信息进行校验，在校验通过后，从所述查询指令中获取所述用户的用户账号；其中，所述用户账号为由两个以上0至9的数字随机组成，所述用户账号中数字的数量为奇数；
从所述用户账号中提取出排在首位的数字，得到起始位数字，从所述用户账号中提取出排在中间位置的数字，得到中间位数字，从所述用户账号中提取出排在末尾位置的数字，得到末尾位数字；
将所述起始位数字与末尾位数字相加后，乘以所述中间位数字，得到参考编号，将所述参考编号与所述用户账号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隐私数据，将从所述目标存储节点中获取到的隐私数据返回给所述用户。
7.根据权利要求1所述的智能板材加工工厂的数据采集方法，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：
计算所述目标生产数据的数据量；
判断所述目标生产数据的数据量是否大于预设数据量；
当判定所述目标生产数据的数据量大于预设数据量时，根据所述目标生产数据的数据量将所述目标生产数据进行分片，得到多个数据片；
分别将各个数据片存入不同的存储节点中，并记录各个数据片的分片信息，将所述各个数据片的分片信息进行保存；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，所述分片信息包括数据片的分片标识及分片排序；
响应于所述计算机发起的目标生产数据的获取请求，根据所述获取请求查询对应的目标分片信息；
根据所述目标分片信息分别从对应的存储节点中获取数据片，得到多个目标数据片；
根据所述目标分片信息的分片标识及分片排序将所述多个目标数据片进行拼接，得到所述目标生产数据。
8.根据权利要求1所述的智能板材加工工厂的数据采集方法，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：
根据产生所述目标生产数据的生产设备的设备类别确定所述目标生产数据的存储等级；
根据所述目标生产数据的存储等级获取对应的密钥和加密算法，利用获取的密钥和加密算法对所述目标生产数据进行加密；其中，所述目标生产数据所采用的密钥和加密算法的复杂度与对应的存储等级成正比；
将加密后的所述目标生产数据存储至与所述目标生产数据的存储等级对应的存储设备中。
9.根据权利要求1所述的智能板材加工工厂的数据采集方法，其特征在于，还包括：
所述计算机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工厂当日的产能，并查找出生产中影响产能的因素；
判断所述智能工厂当日的产能是否大于或等于目标产能；
当判定所述智能工厂当日的产能小于目标产能时，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，根据所述拟合模型及所述因素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工厂当日的产能是否大于或等于目标产能；其中，所述人员情况包括员工在各生产设备的分布情况；
当判定调整后的所述智能工厂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工厂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工厂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，直至所述智能工厂当日的产能大于或等于目标产能为止。
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工厂的数据采集方法的步骤。
CN202211061876.8A 2022-08-29 2022-08-29 智能板材加工工厂的数据采集方法及终端 Active CN115426363B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211061876.8A CN115426363B (zh) 2022-08-29 2022-08-29 智能板材加工工厂的数据采集方法及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211061876.8A CN115426363B (zh) 2022-08-29 2022-08-29 智能板材加工工厂的数据采集方法及终端

Publications (2)

Publication Number Publication Date
CN115426363A true CN115426363A (zh) 2022-12-02
CN115426363B CN115426363B (zh) 2023-05-23

Family

ID=84199634

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211061876.8A Active CN115426363B (zh) 2022-08-29 2022-08-29 智能板材加工工厂的数据采集方法及终端

Country Status (1)

Country Link
CN (1) CN115426363B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116174342A (zh) * 2023-04-25 2023-05-30 广州赛志系统科技有限公司 板材分拣打包方法、终端及板材生产线

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200112609A1 (en) * 2018-10-08 2020-04-09 Booz Allen Hamilton Inc. Methods and systems for acquiring and processing data at intelligent edge devices via software kernals
CN111459665A (zh) * 2020-03-27 2020-07-28 重庆电政信息科技有限公司 一种分布式边缘计算系统及分布式边缘计算方法
CN111857065A (zh) * 2020-06-08 2020-10-30 北京邮电大学 基于边缘计算和数字孪生的智能生产系统和方法
CN112950400A (zh) * 2021-03-30 2021-06-11 煤炭科学研究总院 数据处理平台
CN113868342A (zh) * 2021-09-06 2021-12-31 江苏荣辉信息科技有限公司 一种基于智能工厂的生产设备数据采集方法
WO2022057940A1 (zh) * 2020-09-21 2022-03-24 中国移动通信有限公司研究院 一种计算节点资源信息更新方法、节点和存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200112609A1 (en) * 2018-10-08 2020-04-09 Booz Allen Hamilton Inc. Methods and systems for acquiring and processing data at intelligent edge devices via software kernals
CN111459665A (zh) * 2020-03-27 2020-07-28 重庆电政信息科技有限公司 一种分布式边缘计算系统及分布式边缘计算方法
CN111857065A (zh) * 2020-06-08 2020-10-30 北京邮电大学 基于边缘计算和数字孪生的智能生产系统和方法
WO2022057940A1 (zh) * 2020-09-21 2022-03-24 中国移动通信有限公司研究院 一种计算节点资源信息更新方法、节点和存储介质
CN112950400A (zh) * 2021-03-30 2021-06-11 煤炭科学研究总院 数据处理平台
CN113868342A (zh) * 2021-09-06 2021-12-31 江苏荣辉信息科技有限公司 一种基于智能工厂的生产设备数据采集方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116174342A (zh) * 2023-04-25 2023-05-30 广州赛志系统科技有限公司 板材分拣打包方法、终端及板材生产线
CN116174342B (zh) * 2023-04-25 2023-06-27 广州赛志系统科技有限公司 板材分拣打包方法、终端及板材生产线

Also Published As

Publication number Publication date
CN115426363B (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
CN112446395A (zh) 网络摄像机、视频监控系统及方法
CN114742477B (zh) 企业订单数据处理方法、装置、设备及存储介质
CN111813573B (zh) 管理平台与机器人软件的通信方法及其相关设备
CN112950400A (zh) 数据处理平台
CN116668380B (zh) 汇聚分流器设备的报文处理方法及装置
CN106130806A (zh) 数据层实时监控方法
CN111556469A (zh) 一种人工智能边缘的计算系统和计算方法
CN115269438A (zh) 针对图像处理算法的自动化测试方法及装置
CN112559813B (zh) 基于指令关联推送的物联网网关数据处理方法及装置
CN110427298A (zh) 一种分布式日志的自动特征提取方法
CN115426363B (zh) 智能板材加工工厂的数据采集方法及终端
CN106375295A (zh) 数据存储监控方法
CN112839200A (zh) 基于5g技术的电厂违章行为识别方法、系统和网络服务端
CN112001443A (zh) 网络行为数据的监控方法、装置、存储介质及电子设备
CN106372171B (zh) 监控平台实时数据处理方法
CN115103157A (zh) 基于边云协同的视频分析方法、装置、电子设备及介质
CN113609393B (zh) 一种基于数据服务和数据管理的数字化平台
CN117097578B (zh) 一种网络流量的安全监控方法、系统、介质及电子设备
CN116628728B (zh) 一种基于特征感知的数据存储分析方法及系统
CN106502856A (zh) 一种信息处理方法及装置
CN112988337A (zh) 任务处理系统、方法、装置、电子设备、存储介质
CN115037790A (zh) 异常注册识别方法、装置、设备及存储介质
CN113691390A (zh) 一种云端协同的边缘节点报警系统及方法
CN113194292A (zh) 智能设备的协调管理方法、装置、设备及存储介质
CN112418055A (zh) 一种基于视频分析的调度方法及人员轨迹追踪方法

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
GR01 Patent grant
GR01 Patent grant