CN115685925A - 一种针对生产线的异常处理的方法、装置及存储介质 - Google Patents
一种针对生产线的异常处理的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN115685925A CN115685925A CN202211334440.1A CN202211334440A CN115685925A CN 115685925 A CN115685925 A CN 115685925A CN 202211334440 A CN202211334440 A CN 202211334440A CN 115685925 A CN115685925 A CN 115685925A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- product
- area
- equipment
- rate curve
- 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
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本申请涉及一种针对生产线的异常处理的方法、装置及存储介质,涉及生产线的领域,该方法包括获取产品在当前制造环节制造完成后的检测图像,基于检测图像以及预设参考图像,判断产品是否存在异常,预设参考图像为产品在当前制造环节后正常的图像,若存在异常,则确定产品的异常区域,获取下一制造环节中对产品的待加工区域,判断异常区域是否属于待加工区域,若不属于待加工区域,则控制产品进入下一制造环节。本申请具有提高产品制造效率的效果。
Description
技术领域
本申请涉及生产线的领域,尤其是涉及一种针对生产线的异常处理的方法、装置及存储介质。
背景技术
在对产品进行生产制造时,均有产品对应的生产线,例如汽车的生产线包括冲压、焊装、涂装以及总装等过程。而随着科技的不断发展,许多工厂中的人工生产线或半自动生产线已经逐步替换为全自动生产线。
目前为保证产品质量,在每个制造环节结束,会对产品进行检测,以便于及时发现制造过程中的异常。若发现产品存在异常,则将停止对该产品进行继续加工,并通知维修人员对该产品进行处理。但通知维修人员对该产品进行处理,将导致该产品不能继续参与接下来的制造环节,从而将使得产品的制造效率减慢。
发明内容
为了提高产品的制造效率,本申请提供一种针对生产线的异常处理的方法、装置及存储介质。
第一方面,本申请提供一种针对生产线的异常处理的方法,采用如下的技术方案:
一种针对生产线的异常处理的方法,包括:
获取产品在当前制造环节制造完成后的检测图像;
基于所述检测图像以及预设参考图像,判断所述产品是否存在异常,所述预设参考图像为所述产品在所述当前制造环节后正常的图像;
若存在异常,则确定所述产品的异常区域;
获取下一制造环节中对所述产品的待加工区域;
判断所述异常区域是否属于所述待加工区域;
若不属于所述待加工区域,则控制所述产品进入所述下一制造环节。
通过采用上述技术方案,获取产品在当前制造环节制造完成后的检测图像,以便于后续根据检测图像以及预设参考图像,判断出当前产品是否存在异常,其中预设参考图像为该产品在经过当前制造环节后不存在异常时的图像。当存在异常时,确定出产品的异常区域,以便于明确当前产品存在异常的加工区域。获取下一制造环节中对产品的待加工区域,并判断异常区域是否属于待加工区域,以便于确定出当前产品出现的异常区域是否会对下一制造环节进行的制造工作造成影响,当异常区域不属于待加工区域时,说明该产品在当前制造环节出现的异常并不影响下一制造环节对该产品进行加工,即能够控制该产品进入下一制造环节,从而使得当产品存在不影响下一制造环节的异常时,产品可继续在下一制造环节内进行加工制造,进而减少了制造过程中维修人员对存在异常的产品进行处理的过程,进而提高了产品的制造效率。
在另一种可能实现的方式中,所述基于所述检测图像以及预设参考图像,判断所述产品是否存在异常,包括:
计算所述检测图像与所述预设参考图像的相似值;
若所述相似值未达到预设相似值,则确定所述产品存在异常。
通过采用上述技术方案,由于预设参考图像为产品处于正常时的图像,因此通过计算检测图像与预设参考图像的相似值能够判断出产品是否存在异常,进一步的,当相似值未达到预设相似值时,说明当前产品与正常状态的产品不相似,即产品存在异常。从而达到判断出产品是否异常的效果。
在另一种可能实现的方式中,所述检测图像的数量为多个,且所述检测图像对应有产品的加工区域,确定所述产品的异常区域,包括:
将所述相似值未达到预设相似度值的检测图像对应的加工区域确定为异常区域。
通过采用上述技术方案,由于在一个制造环节中,对产品的进行加工的区域为多个,检测图像对应有产品的加工区域,因此检测图像可以为多个,且与产品的加工区域对应。对于相似值未达到预设相似值的检测图像,说明该检测图像对应的加工区域与正常状态的加工区域不同,因此可以将检测图像对应的加工区域确定为所述产品的异常区域。
在另一种可能实现的方式中,若否,则控制所述产品进入所述下一制造环节,之后还包括:
若是,则输出所述异常区域。
通过采用上述技术方案,当异常区域属于下一制造环节的待加工区域时,说明当前出现异常的产品在进入下一制造环节进行制造时,将影响下一制造环节的制造过程,即不能使产品进入下一制造环节。输出产品存在异常的异常区域,以便于后续维修人员对该产品进行处理时,能快速并准确地查找到产品存在异常的位置,从而提高维修人员的处理效率。
在另一种可能实现的方式中,每个制造环节对应有制造所述产品的设备,所述方法还包括:
获取所述当前制造环节对应的设备的异常产品数量以及全部产品数量;
基于所述异常产品数量以及所述全部产品数量,确定所述设备的异常率;
基于所述异常率、所述产品的是否异常以及分别对应的权重,计算当前所述设备的得分;
基于所述得分以及预设得分,判断所述设备是否需进行检测。
通过采用上述技术方案,由于设备存在异常时将影响产品的异常情况,而产品的异常情况将影响产品的制造效率,因此可以通过获取当前制造环节对应的设备的异常产品数量以及全部产品数量,以便于后续根据异常产品数量以及全部产品数量,确定出设备的异常率。且当设备的异常率越大时,说明设备制造出的产品为异常产品的概率越大,从而使得产品的制造效率降低或产品可能被浪费的情况出现。而当设备频频制造出异常产品时,说明设备可能存在异常。即异常率越大,对应的设备出现异常的可能性越大。而当前产品存在异常时的原因,可能为该设备处于正常状态,但刚好当前产品存在异常,即当前产品的异常,属于正常的异常率的范围内;也可能为该设备处于异常状态。因此可以通过结合异常率、产品是否异常以及分别对应的权重,计算出当前设备的得分,从而使得得分能够更准确地反映当前设备的状态。得分越高,对应的说明设备存在异常的可能性越大,最后根据得分以及预设得分,判断设备是否需要进行检测,以使得电子设备能够准确地判断出当前设备是否异常,由于设备存在异常时将影响产品的异常情况,而产品的异常情况将影响产品的制造效率,因此判断出当前设备是否异常可以一定程度的降低产品异常对产品的制造效率的影响。
在另一种可能实现的方式中,所述方法还包括:
获取预设时间内所述设备的多个异常率;
基于所述多个异常率,绘制所述设备对应的异常率曲线;
基于所述异常率曲线预测所述设备的检测时间;
基于所述检测时间对所述设备进行检测。
通过采用上述技术方案,获取预设时间内设备的多个异常率,根据多个异常率,绘制出设备的异常率曲线。其中异常率表征设备出现异常的概率,异常率曲线表征设备异常率的变化情况,根据异常率曲线能够预测出后续设备可能的异常率,而异常率越高对应的设备存在异常的情况越大,即需要对设备进行检测,因此可以根据异常率曲线预测出设备的检测时间,并根据检测时间对设备进行检测,从而达到能够及时发现设备异常的效果。由于设备在出现异常时,继续使用该设备制造产品,将使得产品为异常产品,即需要对产品进行处理,从而降低产品的制造效率。因此需及时发现设备存在异常,避免设备制造出异常的产品,从而减少维修人员对产品进行处理的过程,进而达到提高产品的制造效率的效果。
在另一种可能实现的方式中,所述基于所述异常率曲线预测所述设备的检测时间,包括:
基于所述异常率曲线,确定所述设备的异常率的变化速率曲线;
基于所述变化速率曲线对所述异常率曲线进行补充,得到补充后的异常率曲线;
若检测到所述补充后的异常率曲线与预设异常率曲线存在交点,则将所述交点对应的时间确定为检测时间。
通过采用上述技术方案,根据异常率曲线,确定出设备的异常率的变化速率曲线,以便于后续能够根据变化速率曲线对设备的异常率曲线进行补充,得到补充后的异常率曲线。预设异常率曲线为设备正常状态下的异常率曲线,当检测到补充后的异常率曲线与预设异常率曲线存在交点时,说明在交点处时,设备的异常率为处于正常状态时的最大异常率,若后续不对设备进行检修,设备生产出的异常产品将大大增多,因此可以将交点对应的时间确定为检测时间,从而达到确定出设备检测时间的效果,进而便于后续能够根据检测时间对设备进行检测。
第二方面,本申请提供一种针对生产线的异常处理的装置,采用如下的技术方案:
一种针对生产线的异常处理的装置,包括:
第一获取模块,用于获取产品在当前制造环节制造完成后的检测图像;
第一判断模块,用于基于所述检测图像以及预设参考图像,判断所述产品是否存在异常。
第一确定模块,用于当存在异常时,确定所述产品的异常区域,所述预设参考图像为所述产品在所述当前制造环节后正常的图像;
第二获取模块,用于获取下一制造环节中对所述产品的待加工区域;
第二判断模块,用于判断所述异常区域是否属于所述待加工区域;
控制模块,用于当不属于待加工区域时,控制所述产品进入所述下一制造环节。
通过采用上述技术方案,使用第一获取模块获取产品在当前制造环节制造完成后的检测图像,以便于后续第一判断模块能够根据检测图像以及预设参考图像,判断出当前产品是否存在异常,其中预设参考图像为该产品在经过当前制造环节后不存在异常时的图像。当存在异常时,通过第一确定模块确定出产品的异常区域,以便于明确当前产品存在异常的加工区域。通过第二获取模块获取下一制造环节中对产品的待加工区域,并通过第一判断模块判断异常区域是否属于待加工区域,以便于确定出当前产品出现的异常区域是否会对下一制造环节进行的制造工作造成影响,当异常区域不属于待加工区域时,说明该产品在当前制造环节出现的异常并不影响下一制造环节对该产品进行加工,即控制模块能够控制该产品进入下一制造环节,从而使得当产品存在不影响下一制造环节的异常时,产品可继续在下一制造环节内进行加工制造,进而减少了制造过程中维修人员对存在异常的产品进行处理的过程,进而提高了产品的制造效率。
在另一种可能的实现方式中,所述第一判断模块在基于所述检测图像以及预设参考图像,判断所述产品是否存在异常时,具体用于:
计算所述检测图像与所述预设参考图像的相似值;
若所述相似值未达到预设相似值,则确定所述产品存在异常。
在另一种可能的实现方式中,所述检测图像的数量为多个,且所述检测图像对应有产品的加工区域;第一确定模块在确定所述产品的异常区域时,具体用于:
将所述相似值未达到预设相似度值的检测图像对应的加工区域确定为异常区域。
在另一种可能的实现方式中,所述装置还包括:
第一输出模块,用于当属于待加工区域时,输出所述异常区域。
在另一种可能的实现方式中,每个制造环节对应有制造所述产品的设备,所述装置还包括:
第三获取模块,用于获取所述当前制造环节对应的设备的异常产品数量以及全部产品数量;
第二确定模块,用于基于所述异常产品数量以及所述全部产品数量,确定所述设备的异常率;
计算模块,用于基于所述异常率、所述产品的是否异常以及分别对应的权重,计算当前所述设备的得分;
第三判断模块,用于基于所述得分以及预设得分,判断所述设备是否需进行检测。
在另一种可能的实现方式中,所述装置还包括:
第四获取模块,用于获取预设时间内所述设备的多个异常率;
绘制模块,用于基于所述多个异常率,绘制所述设备对应的异常率曲线;
预测模块,用于基于所述异常率曲线预测所述设备的检测时间;
检测模块,用于基于所述检测时间对所述设备进行检测。
在另一种可能的实现方式中,所述预测模块在基于所述异常率曲线预测所述设备的检测时间时,具体用于:
基于所述异常率曲线,确定所述设备的异常率的变化速率曲线;
基于所述变化速率曲线对所述异常率曲线进行补充,得到补充后的异常率曲线;
若检测到所述补充后的异常率曲线与预设异常率曲线存在交点,则将所述交点对应的时间确定为检测时间,所述预设异常率曲线为设备正常情况下的异常率曲线。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个应用程序配置用于:执行根据第一方面任一种可能的实现方式所示的一种针对生产线的异常处理的方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,当所述计算机程序在计算机中执行时,令所述计算机执行第一方面任一项所述的针对生产线的异常处理的方法。
综上所述,本申请包括以下至少一种有益技术效果:
1. 获取产品在当前制造环节制造完成后的检测图像,以便于后续根据检测图像以及预设参考图像,判断出当前产品是否存在异常,其中预设参考图像为该产品在经过当前制造环节后不存在异常时的图像。当存在异常时,确定出产品的异常区域,以便于明确当前产品存在异常的加工区域,。获取下一制造环节中对产品的待加工区域,并判断异常区域是否属于待加工区域,以便于确定出当前产品出现的异常区域是否会对下一制造环节进行的制造工作造成影响,当异常区域不属于待加工区域时,说明该产品在当前制造环节出现的异常并不影响下一制造环节对该产品进行加工,即能够控制该产品进入下一制造环节,从而使得当产品存在不影响下一制造环节的异常时,产品可继续在下一制造环节内进行加工制造,进而减少了制造过程中维修人员对存在异常的产品进行处理的过程,进而提高了产品的制造效率;
2. 获取预设时间内设备的多个异常率,根据多个异常率,绘制出设备的异常率曲线。其中异常率表征设备出现异常的概率,异常率曲线表征设备异常率的变化情况,根据异常率曲线能够预测出后续设备可能的异常率,而异常率越高对应的设备存在异常的情况越大,即需要对设备进行检测,因此可以根据异常率曲线预测出设备的检测时间,并根据检测时间对设备进行检测,从而达到能够及时发现设备异常的效果。由于设备在出现异常时,继续使用该设备制造产品,将使得产品为异常产品,即需要对产品进行处理,从而降低产品的制造效率。因此需及时发现设备存在异常,避免设备制造出异常的产品,从而减少维修人员对产品进行处理的过程,进而达到提高产品的制造效率的效果。
附图说明
图1是本申请实施例的一种针对生产线的异常处理的方法的流程示意图。
图2是本申请实施例的异常率曲线的示例图。
图3是本申请实施例的一种针对生产线的异常处理的装置的结构示意图。
图4是本申请实施例的一种电子设备的结构示意图。
具体实施方式
以下结合附图1-4对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种针对生产线的异常处理的方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制,如图1所示,该方法包括:步骤S101、步骤S102、步骤S103、步骤S104、步骤S105以及步骤S106,其中,步骤S104可与步骤S101同时执行,也在步骤S101之前执行,也可在步骤S101之后执行,其中,
步骤S101,获取产品在当前制造环节制造完成后的检测图像。
对于本申请实施例,获取产品在当前制造环节制造完成后的检测图像,以便于后续判断该产品的异常区域。假设产品为A产品,制造A产品的具体的制造环节包括A1环节、A2环节、A3环节以及A4环节,当前制造环节A1环节,获取对A产品在A1环节结束后的检测图像。以便于判断在经过A1环节后的A产品是否存在异常。
步骤S102,基于检测图像以及预设参考图像,判断产品是否存在异常。
其中,预设参考图像为产品在当前制造环节后不存在异常时的图像。
对于本申请实施例,预设参考图像为提前设定的产品处于正常状态时的图像。因此能够根据检测图像以及预设参考图像,判断出产品是否存在异常。例如,根据A1环节结束后的检测图像以及A1环节对应的预设参考图像,判断出A产品存在异常。
步骤S103,若存在异常,则确定产品的异常区域。
对于本申请实施例,当存在异常时,确定出产品的异常区域,以便于明确当前产品存在异常的加工区域。假设A产品的异常区域为a1区域。
步骤S104,获取下一制造环节中对产品的待加工区域。
对于本申请实施例,假设下一制造环节为A2环节,A产品在A2环节中具体需要制造的部分为a2区域以及b2区域。即待加工区域为a2区域以及b2区域。
步骤S105,判断异常区域是否属于待加工区域。
对于本申请实施例,以步骤S103为例,A产品在A1环节中的异常区域为a1区域,判断a1是否属于a2区域以及b2区域,以便于确定出A产品出现的a1区域是否会对A2环节的制造工作造成影响。
步骤S106,若不属于待加工区域,则控制产品进入下一制造环节。
对于本申请实施例,接上例,a1区域不属于A2环节中的a2区域以及b2区域中的任一区域,说明当前A产品出现异常的a1区域不影响A2环节中对A产品的制造,因此可以控制A产品进入A2环节进行制造。从而使得当A产品存在不影响A2环节的异常时,A产品可继续进入A2环节进行加工制造,进而减少了维修人员对A产品进行处理的过程,进而提高了A产品的制造效率。
本申请实施例的一种可能的实现方式,步骤S102在基于检测图像以及预设参考图像,判断产品是否异常时,具体包括步骤S1021(图中未示出)以及步骤S1022(图中未示出),其中,
步骤S1021,计算检测图像与预设参考图像的相似值。
对于本申请实施例,由于预设参考图像为产品处于正常状态时的图像,因此当预设参考图像与检测图像不同时,说明产品可能存在异常,具体的可以通过计算检测图像与预设参考图像的相似值,进而根据相似值判断检测图像与预设参考图像是否一致。例如计算a1检测图像与a1参考图像的相似值为50%。
其中,计算a1检测图像与a1参考图像相似值的方法,可以为通过对图片中像素求方差进行对比,其中具体的可以是分别计算a1检测图像中每一行的像素平均值,每一行像素平均值对应一个特征,对所有的像素平均值进行方差处理,得到的方差就是a1检测图像的特征值,同理计算出a1参考图像的特征值,将两个特征值做差,差值越小说明a1检测图像与a1参考图像的相似值越高。即相似值可以是a1检测图像与a1参考图像的方差差值的倒数。
步骤S1022,若相似值未达到预设相似值,则确定产品存在异常。
对于本申请实施例,预设相似值为提前设定的相似值,为判断两张图像是否一致的标准。当存在相似值未达到预设相似值的检测图像时,说明该检测图像对应的加工区域存在异常。假设预设相似值为95%,接上例,a1检测图像与a1参考图像的相似值为50%,未达到预设相似值95%,即A产品在经过A1环节的制造过程后,A产品存在异常。
在本申请实时例的一种可能的实现方式,检测图像的数量为多个,且检测图像对应有产品的加工区域,步骤S103在确定产品的异常区域时,具体包括步骤S1031(图中未示出),其中,
步骤S1031,将相似值未达到预设相似度值的检测图像对应的加工区域确定为异常区域。
对于本申请实施例,由于在一个制造环节中,对产品的进行加工的区域为多个,检测图像对应有产品的加工区域,因此检测图像可以为多个,且与产品的加工区域对应。对于相似值未达到预设相似值的检测图像,说明该检测图像对应的加工区域与正常状态的加工区域不同,因此可以将检测图像对应的加工区域确定为产品的异常区域。假设a1检测图像对应的加工区域为a1区域,即确定A产品在经过A1环节的制造加工后的异常区域为a1区域。
本申请实施例的一种可能的实现方式,步骤S106之后还包括步骤S107(图中未示出),其中,
步骤S107,若是,则输出异常区域。
对于本申请实施例,假设A产品在经过A1环节的制造过程后,发生异常的异常区域为b1,A产品在A2环节中的待加工区域为a2、b1以及c2,而b1属于待加工区域a2、b1以及c2中,即若继续将A产品放入A2环节进行制造,可能将导致A产品在A2环节中不能进行制造,因此可以通知维修人员对A产品进行维修,而输出b1便于当维修人员对A产品进行处理时,能快速并准确地查找到A产品存在异常的位置,即b1处,从而提高了维修人员的处理效率。
其中,具体的可以将异常区域输出在维修人员的终端设备上,也可以通过扬声器对异常区域进行播放,还可以是别的输出方式。
本申请实施例的一种可能的实现方式,还包括步骤S108(图中未示出)、步骤S109(图中未示出)、步骤S110(图中未示出)以及步骤S111(图中未示出),其中,步骤S108可在步骤S101之后执行,其中,
步骤S108,获取当前制造环节对应的设备的异常产品数量以及全部产品数量。
对于本申请实施例,每个制造环节对应有设备,由于设备存在异常时将影响产品的异常情况,而产品的异常情况将影响产品的制造效率,因此确保设备正常运行,可以一定程度的提高产品的制造效率。具体的,获取当前制造环节对应的设备的异常产品数量以及全部产品数量。以便于后续能够根据异常产品数量以及全部产品数量确定出设备的异常率。例如,A1环节对应的设备为A1设备,获取A1设备的异常产品数量以及全部产品数量分别为100以及1000。
步骤S109,基于异常产品数量以及全部产品数量,确定设备的异常率。
对于本申请实施例,接上例,异常产品数量为100,全部产品数量为1000,确定出的异常率0.1。其中,具体可以通过将异常产品数量与全部产品数量作除。
步骤S110,基于异常率、产品的是否异常以及分别对应的权重,计算当前设备的得分。
对于本申请实施例,当设备的异常率越大时,说明设备制造出的产品为异常产品的概率越大,从而使得产品的制造效率降低或产品可能被浪费的情况出现。而当设备频频制造出异常产品时,说明设备可能存在异常。即异常率越大,对应的设备出现异常的可能性越大。而当前产品存在异常时的原因,可能为该设备处于正常状态,但刚好当前产品存在异常,即当前产品的异常,属于正常的异常率的范围内;也可能为该设备处于异常状态。因此可以通过结合异常率、产品是否异常以及分别对应的权重,计算出当前设备的得分,能够更准确地反映当前设备的状态。
假设,异常率的权重为0.8,产品是否异常的权重为0.2,产品异常的分值为1,产品正常的分值为0,当前设备制造的产品为异常产品,接上例,得到A1设备的当前的得分为0.28。
步骤S111,基于得分以及预设得分,判断设备是否需进行检测。
对于本申请实施例,接上例,预设得分为提前设定的得分,为判断当前得分是否过高的标准。假设预设得分为0.3,接上例,根据0.28以及0.3,判断A1设备是否需进行检测。具体的可以通过将0.28与0.3进行比较,来判断A1设备是否需要进行检测。0.28未达到0.3,说明目前A1设备存在异常的可能性较小,当前A1设备不需要进行检测。假设当前A1设备的得分为0.31,已达到预设得分0.3,则说明当前A1设备的存在异常的可能性较大,即A1设备需进行检测,以便于确保后续A1设备生成异常产品的概率减小,从而达到提高产品制造效率的效果。
本申请实施例的一种可能的实现方式,还包括步骤S112(图中未示出)、步骤S113(图中未示出)、步骤S114(图中未示出)以及步骤S115(图中未示出),其中,步骤S112可在步骤S107之后执行,其中,
步骤S112,获取预设时间内设备的多个异常率。
对于本申请实施例,预设时间为提前设定的时间,假设预设时间为2022.9.21的0:00到2022.10.21的0:00。设备的多个异常率可以为将预设时间平均分割为多个时间段,每个时间段内对应一个异常率。
步骤S113,基于多个异常率,绘制设备对应的异常率曲线。
对于本申请实施例,根据多个异常率,绘制设备对应的异常率曲线,以便于能够明确了解到设备异常率的变化情况,并便于对设备后续异常率进行预测。设备对应的异常率曲线可以为如图2所示。
步骤S114,基于异常率曲线预测设备的检测时间。
对于本申请实施例,设备的异常率越高,设备存在异常的可能性越大,即需要对设备进行检测的可能性越大,因此可以根据异常率曲线预测设备的检测时间,以便于能够提前了解到当前设备是否需要进行检修的情况,从而使得设备生产出异常产品的概率降低,进而达到提高产品制造效率的效果。
步骤S115,基于检测时间对设备进行检测。
对于本申请实施例,假设检测时间为2022.11.03,在2022.11.03时对设备进行检修,以使得设备的异常率降低,从而使得设备生产出异常产品的概率降低,从而减少维修人员对异常产品进行处理的过程,进而达到提高产品制造效率的效果。
在本申请实施例中,在判断设备是否异常时,还可以通过获取异常区域的数量,以便于判断出当前产品存在异常的程度,通过产品的异常程度判断设备的损坏程度。具体的,可以将异常区域的数量与预设数量进行比较,当异常区域的数量达到预设数量时,说明当前产品异常程度较大,对应的设备的损坏程度较大,可以输出当前需对设备进行检测的提示信息,使得维修人员能够及时了解到设备异常的情况,从而达到保障后续产品的质量的效果,进而减少后续维修人员对产品进行处理的过程,进而达到提高产品制造效率的效果。
本申请实施例的一种可能的实现方式,步骤S114在基于异常率曲线预测设备的检测时间时,具体包括步骤S1141(图中未示出)、步骤S1142(图中未示出)以及步骤S1143(图中未示出),其中,
步骤S1141,基于异常率曲线,确定设备的异常率的变化速率曲线。
对于本申请实施例,根据异常率曲线,确定设备的异常率的变化速率曲线。以便于后续能够根据异常率的变化速率曲线,对异常曲线进行补充。具体的可以通过计算异常率曲线的一阶导数,将一阶导数作为设备的异常率的变化速率曲线。
步骤S1142,基于变化速率曲线对异常率曲线进行补充,得到补充后的异常率曲线。
对于本申请实施例,由于变化速率曲线表征设备异常率的变化速度,而异常率曲线表示设备异常率的变化情况。具体的可以根据计算变化速度的二阶导数,确定变化速度的变化情况,进而根据变化速度的变化情况,确定出后续异常率的变化速度,进而能够根据当前异常率的变化速度对异常率曲线进行补充。从而得到设备异常率的预测曲线。补充后的异常率曲线可以为如图2所示。
步骤S1143,若检测到补充后的异常率曲线与预设异常率曲线存在交点,则将交点对应的时间确定为检测时间。
对于本申请实施例,当检测到补充后的一擦很难过率曲线与预设异常率曲线存在交点时,说明在交点处时,设备的异常率为处于正常状态时的最大异常率,若后续不对设备进行检修,设备生产出的异常产品将大大增多,因此可以将交点对应的时间确定为检测时间,从而达到确定出设备检测时间的效果,进而便于后续能够根据检测时间对设备进行检测。如图2所示,交点为B点,对应的检测时间可以为2022.11.03。
上述实施例从方法流程的角度介绍一种针对生产线的异常处理的方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种针对生产线的异常处理的装置,具体详见下述实施例。
本申请实施例提供一种针对生产线的异常处理的装置30,如图3所示,该针对生产线的异常处理的装置30具体可以包括:
第一获取模块301,用于获取产品在当前制造环节制造完成后的检测图像;
第一判断模块302,用于基于检测图像以及预设参考图像,判断产品是否存在异常。
第一确定模块303,用于当存在异常时,确定产品的异常区域,预设参考图像为产品在当前制造环节后正常的图像;
第二获取模块304,用于获取下一制造环节中对产品的待加工区域;
第二判断模块305,用于判断异常区域是否属于待加工区域;
控制模块306,用于当不属于待加工区域时,控制产品进入下一制造环节。
对于本申请实施例,使用第一获取模块301获取产品在当前制造环节制造完成后的检测图像,以便于后续第一判断模块302能够根据检测图像以及预设参考图像,判断出当前产品是否存在异常,其中预设参考图像为该产品在经过当前制造环节后不存在异常时的图像。当存在异常时,通过第一确定模块303确定出产品的异常区域,以便于明确当前产品存在异常的加工区域。通过第二获取模块304获取下一制造环节中对产品的待加工区域,并通过第一判断模块305判断异常区域是否属于待加工区域,以便于确定出当前产品出现的异常区域是否会对下一制造环节进行的制造工作造成影响,当异常区域不属于待加工区域时,说明该产品在当前制造环节出现的异常并不影响下一制造环节对该产品进行加工,即控制模块306能够控制该产品进入下一制造环节,从而使得当产品存在不影响下一制造环节的异常时,产品可继续在下一制造环节内进行加工制造,进而减少了制造过程中维修人员对存在异常的产品进行处理的过程,进而提高了产品的制造效率。
在另一种可能的实现方式中,第一判断模块302在基于检测图像以及预设参考图像,判断产品是否存在异常时,具体用于:
计算检测图像与预设参考图像的相似值;
若相似值未达到预设相似值,则确定产品存在异常。
在另一种可能的实现方式中,检测图像的数量为多个,且检测图像对应有产品的加工区域;第一确定模块303在确定产品的异常区域时,具体用于:
将相似值未达到预设相似度值的检测图像对应的加工区域确定为异常区域。
本申请实施例的一种可能的实现方式,装置30还包括:
第一输出模块,用于当属于待加工区域时,输出异常区域。
本申请实施例的一种可能的实现方式,每个制造环节对应有制造产品的设备,装置30还包括:
第三获取模块,用于获取当前制造环节对应的设备的异常产品数量以及全部产品数量;
第二确定模块,用于基于异常产品数量以及全部产品数量,确定设备的异常率;
计算模块,用于基于异常率、产品的是否异常以及分别对应的权重,计算当前设备的得分;
第二判断模块,用于基于得分以及预设得分,判断设备是否需进行检测。
本申请实施例的一种可能的实现方式,装置30还包括:
第四获取模块,用于获取预设时间内设备的多个异常率;
绘制模块,用于基于多个异常率,绘制设备对应的异常率曲线;
预测模块,用于基于异常率曲线预测设备的检测时间;
检测模块,用于基于检测时间对设备进行检测。
本申请实施例的一种可能的实现方式,预测模块在基于异常率曲线预测设备的检测时间时,具体用于:
基于异常率曲线,确定设备的异常率的变化速率曲线;
基于变化速率曲线对异常率曲线进行补充,得到补充后的异常率曲线;
若检测到补充后的异常率曲线与预设异常率曲线存在交点,则将交点对应的时间确定为检测时间,预设异常率曲线为设备正常情况下的异常率曲线。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例中提供了一种电子设备,如图4所示,图4所示的电子设备40包括:处理器401和存储器403。其中,处理器401和存储器403相连,如通过总线402相连。可选地,电子设备40还可以包括收发器404。需要说明的是,实际应用中收发器404不限于一个,该电子设备40的结构并不构成对本申请实施例的限定。
处理器401可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器401也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线402可包括一通路,在上述组件之间传送信息。总线402可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线402可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一型的总线。
存储器403可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器403用于存储执行本申请方案的应用程序代码,并由处理器401来控制执行。处理器401用于执行存储器403中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图4示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。与相关技术相比,本申请实施例中,获取产品在当前制造环节制造完成后的检测图像,以便于后续根据检测图像以及预设参考图像,判断出当前产品是否存在异常,其中预设参考图像为该产品在经过当前制造环节后不存在异常时的图像。当存在异常时,确定出产品的异常区域,以便于明确当前产品存在异常的加工区域。获取下一制造环节中对产品的待加工区域,并判断异常区域是否属于待加工区域,以便于确定出当前产品出现的异常区域是否会对下一制造环节进行的制造工作造成影响,当异常区域不属于待加工区域时,说明该产品在当前制造环节出现的异常并不影响下一制造环节对该产品进行加工,即能够控制该产品进入下一制造环节,从而使得当产品存在不影响下一制造环节的异常时,产品可继续在下一制造环节内进行加工制造,进而减少了制造过程中维修人员对存在异常的产品进行处理的过程,进而提高了产品的制造效率。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个环节,这些子步骤或者环节并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者环节的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种针对生产线的异常处理的方法,其特征在于,包括:
获取产品在当前制造环节制造完成后的检测图像;
基于所述检测图像以及预设参考图像,判断所述产品是否存在异常,所述预设参考图像为所述产品在所述当前制造环节后正常的图像;
若存在异常,则确定所述产品的异常区域;
获取下一制造环节中对所述产品的待加工区域;
判断所述异常区域是否属于所述待加工区域;
若不属于所述待加工区域,则控制所述产品进入所述下一制造环节。
2.根据权利要求1所述的一种针对生产线的异常处理的方法,其特征在于,所述基于所述检测图像以及预设参考图像,判断所述产品是否存在异常,包括:
计算所述检测图像与所述预设参考图像的相似度值;
若所述相似度值未达到预设相似度值,则确定所述产品存在异常。
3.根据权利要求2所述的一种针对生产线的异常处理的方法,其特征在于,所述检测图像的数量为多个,且所述检测图像对应有产品的加工区域,确定所述产品的异常区域,包括:
将所述相似值未达到预设相似度值的检测图像对应的加工区域确定为异常区域。
4.根据权利要求1所述的一种针对生产线的异常处理的方法,其特征在于,若不属于所述待加工区域,则控制所述产品进入所述下一制造环节,之后还包括:
若属于所述待加工区域,则输出所述异常区域。
5.根据权利要求1所述的一种针对生产线的异常处理的方法,其特征在于,每个制造环节均对应有制造所述产品的设备,所述方法还包括:
获取所述当前制造环节对应的设备的异常产品数量以及全部产品数量;
基于所述异常产品数量以及所述全部产品数量,确定所述设备的异常率;
基于所述异常率、所述产品的是否异常以及分别对应的权重,计算当前所述设备的得分;
基于所述得分以及预设得分,判断所述设备是否需进行检测。
6.根据权利要求5所述的一种针对生产线的异常处理的方法,其特征在于,所述方法还包括:
获取预设时间内所述设备的多个异常率;
基于所述多个异常率,绘制所述设备对应的异常率曲线;
基于所述异常率曲线预测所述设备的检测时间;
基于所述检测时间对所述设备进行检测。
7.根据权利要求5所述的一种针对生产线的异常处理的方法,其特征在于,所述基于所述异常率曲线预测所述设备的检测时间,包括:
基于所述异常率曲线,确定所述设备的异常率的变化速率曲线;
基于所述变化速率曲线对所述异常率曲线进行补充,得到补充后的异常率曲线;
若检测到所述补充后的异常率曲线与预设异常率曲线存在交点,则将所述交点对应的时间确定为检测时间,所述预设异常率曲线为设备正常情况下的异常率曲线。
8.一种针对生产线的异常处理的装置,其特征在于,包括:
第一获取模块,用于获取产品在当前制造环节制造完成后的检测图像;
第一判断模块,用于基于所述检测图像以及预设参考图像,判断所述产品是否存在异常,所述预设参考图像为所述产品在所述当前制造环节后正常的图像;
第一确定模块,用于当存在异常区域时,确定所述产品的异常区域;
第二获取模块,用于获取下一制造环节中对所述产品的待加工区域;
第二判断模块,用于判断所述异常区域是否属于所述待加工区域;
控制模块,用于当不属于待加工区域时,控制所述产品进入所述下一制造环节。
9.一种电子设备,其特征在于,其包括:
一个或者多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个应用程序配置用于:执行根据权利要求1~7任一项所述的针对生产线的异常处理的方法。
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,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~7任一项所述的针对生产线的异常处理的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211334440.1A CN115685925A (zh) | 2022-10-28 | 2022-10-28 | 一种针对生产线的异常处理的方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211334440.1A CN115685925A (zh) | 2022-10-28 | 2022-10-28 | 一种针对生产线的异常处理的方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115685925A true CN115685925A (zh) | 2023-02-03 |
Family
ID=85045753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211334440.1A Pending CN115685925A (zh) | 2022-10-28 | 2022-10-28 | 一种针对生产线的异常处理的方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115685925A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116841270A (zh) * | 2023-09-01 | 2023-10-03 | 贵州通利数字科技有限公司 | 一种基于物联网的智能生产线调度方法及系统 |
-
2022
- 2022-10-28 CN CN202211334440.1A patent/CN115685925A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116841270A (zh) * | 2023-09-01 | 2023-10-03 | 贵州通利数字科技有限公司 | 一种基于物联网的智能生产线调度方法及系统 |
CN116841270B (zh) * | 2023-09-01 | 2023-11-14 | 贵州通利数字科技有限公司 | 一种基于物联网的智能生产线调度方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110207784B (zh) | 变压器油位告警方法、装置及终端设备 | |
US11354156B2 (en) | Master device for managing distributed processing of task by using resource information | |
EP3321807B1 (en) | Disk detection method and device | |
CN115685925A (zh) | 一种针对生产线的异常处理的方法、装置及存储介质 | |
CN114387762A (zh) | 一种楼宇数据管理的方法、装置、设备及存储介质 | |
CN111738463A (zh) | 运维方法、装置、系统、电子设备及存储介质 | |
CN114881425A (zh) | 一种生产实时监测的方法、装置、电子设备及介质 | |
CN115858311A (zh) | 运维监控的方法、装置、电子设备及可读存储介质 | |
CN111983412A (zh) | 监控系统、监控方法、监控终端及存储介质 | |
CN117408835A (zh) | 一种自动化配电设施巡检方法、装置及电子设备及介质 | |
CN114880628B (zh) | 晶圆测试数据的处理方法、装置以及绘制晶圆图的方法 | |
CN116935280A (zh) | 一种基于视频分析的行为预测方法及系统 | |
CN115904883A (zh) | 一种rpa流程执行可视化异常监控方法、装置及介质 | |
CN113870754B (zh) | 一种面板检测电子信号缺陷判定的方法和系统 | |
CN115643231A (zh) | 车载终端设备检测的方法、装置、电子设备及存储介质 | |
CN109542726B (zh) | 一种功耗的检测方法及装置 | |
CN112747946B (zh) | 一种设备结构损伤检测方法及装置 | |
CN114742401A (zh) | 一种设备健康状态的评估方法、系统、电子设备及介质 | |
CN114581711A (zh) | 目标对象检测方法、装置、设备、存储介质以及程序产品 | |
JP2013011987A (ja) | 異常状態検知装置及び異常状態検知方法 | |
CN117336210B (zh) | 物联网卡流量异常检测方法、装置、设备及存储介质 | |
CN115839956B (zh) | 产品合格检测方法、装置、系统和可读存储介质 | |
CN112434584B (zh) | 货架商品余量计算方法、装置、计算机设备和存储介质 | |
CN117169732B (zh) | 电池故障检测方法、装置、计算设备和介质 | |
CN114609970B (zh) | 数控机床轴线运动的位置监控方法、监控装置及存储介质 |
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 |