CN115858308B - 基于大数据的自动化加工信息智能监测系统及方法 - Google Patents
基于大数据的自动化加工信息智能监测系统及方法 Download PDFInfo
- Publication number
- CN115858308B CN115858308B CN202211721984.3A CN202211721984A CN115858308B CN 115858308 B CN115858308 B CN 115858308B CN 202211721984 A CN202211721984 A CN 202211721984A CN 115858308 B CN115858308 B CN 115858308B
- Authority
- CN
- China
- Prior art keywords
- circulation
- product
- data
- link
- processed
- 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.)
- Active
Links
Images
Classifications
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及加工信息智能监测技术领域，具体为基于大数据的自动化加工信息智能监测系统及方法，包括：数据采集模块、数据库、流通进度分析模块、监测数据处理模块和智能安全监测模块，通过数据采集模块采集产品流通历史监测数据，通过数据库存储采集到的全部数据，通过流通进度分析模块分析不同区域加工的产品流通差异程度，通过监测数据处理模块对监测数据做融合处理，并分析当前产品的正常流通进度，通过智能安全监测模块对当前产品流通进行安全监测，帮助及时地预判到产品流通的异常问题，以提前对异常问题进行核实，保障了产品流通过程中的安全性。
Description
技术领域
本发明涉及加工信息智能监测技术领域，具体为基于大数据的自动化加工信息智能监测系统及方法。
背景技术
目前，在现有技术中，对于产品的自动化加工管理主要依靠人工巡查质检管理的方式完成，缺乏数字化智能化的监测管理手段，在产品加工到后续流通的过程都需要对产品进行安全监测，尤其是对于易在加工流通过程中产生损坏的产品来说，安全监测的意义更加重大，能够及时发现产品加工流通过程中的异常情况；
然而，现有的监测方式仍然存在一些问题：首先，在进行产品流通安全监测时，现有的监测方式缺乏判断异常情况能够参照的数据，无法提高流通异常情况判断结果的准确性；其次，待参照数据的参照价值有所不同，现有技术无法对部分数据进行适当的筛除、融合处理，无法提高数据的参考价值，不利于更及时、准确地判断产品的异常问题。
所以，人们需要基于大数据的自动化加工信息智能监测系统及方法来解决上述问题。
发明内容
本发明的目的在于提供基于大数据的自动化加工信息智能监测系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：基于大数据的自动化加工信息智能监测系统，所述系统包括：数据采集模块、数据库、流通进度分析模块、监测数据处理模块和智能安全监测模块；
所述数据采集模块的输出端连接所述数据库的输入端，所述数据库的输出端连接所述流通进度分析模块的输入端，所述流通进度分析模块的输出端连接所述监测数据处理模块的输入端，所述监测数据处理模块的输出端连接所述智能安全监测模块的输入端；
所述数据采集模块用于采集产品流通历史监测数据，将采集到的全部数据传输到所述数据库中；
所述数据库用于存储采集到的全部数据；
所述流通进度分析模块用于分析不同区域加工的产品流通差异程度；
所述监测数据处理模块用于对监测数据做融合处理，并分析当前产品的正常流通进度；
所述智能安全监测模块用于对当前产品流通进行安全监测。
进一步的，所述数据采集模块包括产品信息采集单元和区域信息采集单元；
所述产品信息采集单元和区域信息采集单元的输出端连接所述数据库的输入端；
所述区域信息采集单元用于采集同一园区的不同区域加工过的产品类型数据；
所述产品信息采集单元用于采集以往监测到的产品流通进度信息。
进一步的，所述流通进度分析模块包括历史数据调取单元和进度差异分析单元；
所述历史数据调取单元的输入端连接所述数据库的输出端，所述历史数据调取单元的输出端连接所述进度差异分析单元的输入端；
所述历史数据调取单元用于调取产品历史流通进度信息和产品类型数据；
所述进度差异分析单元用于筛选出加工过与当前需要进行安全监测的区域加工的产品类型相同的产品的区域，分析对应区域加工的产品的流通差异程度。
进一步的，所述监测数据处理模块包括融合对象筛选单元和数据融合处理单元；
所述融合对象筛选单元的输入端连接所述进度差异分析单元的输出端，所述融合对象筛选单元的输出端连接所述数据融合处理单元的输入端；
所述融合对象筛选单元用于依据流通差异程度筛选出进行数据融合的区域；
所述数据融合处理单元用于将筛选出的区域加工产品的流通监测数据进行融合处理，分析当前产品的正常流通进度。
进一步的，所述智能安全监测模块包括加工安全监测单元、数据比对单元和异常预警单元；
所述加工安全监测单元和数据融合处理单元的输出端连接所述数据比对单元的输入端，所述数据比对单元的输出端连接所述异常预警单元的输入端；
所述加工安全监测单元用于对当前区域加工的产品流通进行安全监测；
所述数据比对单元用于比对当前监测到的数据和做融合处理后的数据；
所述异常预警单元用于判断当前区域加工的产品流通进度是否出现异常，在出现异常时发送预警信号。
基于大数据的自动化加工信息智能监测方法，包括以下步骤：
S1：采集产品流通历史监测数据；
S2：分析不同区域加工的产品流通差异程度；
S3：对监测数据做融合处理，并分析当前产品的正常流通进度；
S4：对当前产品流通进行安全监测；
S5：在当前区域加工的产品流通进度出现异常时发送预警信号。
进一步的，在步骤S1中：采集同一园区的不同区域加工过的产品类型数据，采集以往监测到的不同区域加工过的产品流通进度信息，获取到加工过与当前需要进行安全监测的区域加工的产品类型相同的产品的区域数量为m，产品流通共经历f+1个环节，通过大数据技术采集来源于多个区域加工的产品数据，即采集多源异构数据作为产品流通安全监测的参照数据，有利于提高判断出产品流通出现异常的概率和准确性；
在步骤S2中：调取到m个区域加工过对应产品的次数集合为B＝{B1，B2，…，Bi，…，Bm}，随机一个区域以往加工的产品从第一环节到第二环节流通的间隔时间集合为t＝{t1，t2，…，tn}，其中，n＝Bi，n表示对应区域以往加工对应产品的次数，得到对应区域加工的产品从第一环节到第二环节流通的平均间隔时间为T1i，
其中，tj表示随机一个区域以往随机一次加工的产品从第一环节到第二环节流通的间隔时间，通过相同计算方式得到所有区域加工的同一个产品从第一环节到第二环节流通的平均间隔时间集合为T1＝{T11，T12，…，T1i，…，T1m}，根据下列公式计算得到所有区域加工的同一个产品从第一环节到第二环节流通的差异程度W1：
通过相同计算方式得到所有区域加工的同一个产品在各个环节间流通的差异程度集合为W＝{W1，W2，…，Wf}，得到所有区域加工产品的综合流通差异程度q，
其中，We表示所有区域加工的同一个产品从第e个环节到第e+1个环节流通的差异程度，所述同一个产品指的是与当前监测区域的产品相同的产品，计算流通差异程度的目的在于判断多个区域监测到的产品数据的参照价值，流通差异程度越高，说明区域的产品流通进度差异越大，则判断参照所有区域产品数据的价值越低，有利于选择合适的数据融合对象，保障参照数据间的一致性。
进一步的，在步骤S3中：设置综合流通差异程度阈值为Q，比较q和Q：若q≤Q，说明综合流通差异程度未超出阈值，对所有区域监测到的产品流通进度信息做融合处理；若q>Q，说明综合流通差异程度超出阈值，筛除部分区域的产品流通进度信息：将所有区域加工的同一个产品从第一环节到第二环节流通的平均间隔时间按从长到短的顺序进行排列，排列后将区域分为k组，每组区域个数都大于1，第k-1组区域加工的同一个产品从第一环节到第二环节流通的平均间隔时间的平均值大于第k组，获取到按随机一种分组方式分组后，每组区域加工的同一个产品从第一环节到第二环节流通的平均间隔时间的平均值集合为A＝{A1，A2，…，Ak}，根据下列公式选择最佳分组方式：
其中，Ai表示第i组区域对应的平均间隔时间的平均值，Lx表示按随机一种分组方式分组的有效程度，通过相同计算方式得到按不同分组方式分组的有效程度集合为L＝{L1，L2，…，Lx，…，Lp}，其中，共有p组分组方式，选择有效程度最大的分组方式作为最佳分组方式，得到按最佳分组方式进行分组后每组的区域个数集合为C＝{C1，C2，…，Ck}，筛选出区域个数最多的一组，筛除剩余组内区域的产品流通进度信息，对个数最多的一组区域的产品流通进度信息做融合处理：得到对应组内区域加工的同一个产品从第一环节到第二环节流通的平均间隔时间集合为D1＝{D11，D12，…，D1y}，其中，y表示对应组内区域个数，得到当前产品从第一环节到第二环节的正常流通进度为G1，
其中，D1V表示组内随机一个区域加工的同一个产品从第一环节到第二环节流通的平均间隔时间，采集对应组内区域加工的同一个产品在各个环节间流通的平均间隔时间，得到当前产品的正常流通进度集合为G＝{G1，G2，…，Gf}，其中，Gf表示当前产品从第f个环节到第f+1环节的正常流通进度，若对所有区域监测到的产品流通进度信息做融合处理，则通过相同方式得到所有区域加工的同一个产品从第一环节到第二环节流通的平均间隔时间集合，进而得到当前产品从第一环节到第二环节的正常流通进度，最后得到当前产品的正常流通进度集合，对区域进行分组并选择最佳的分组方式的目的在于剥离掉产品流通进度与其余区域产品流通进度差异过大的区域，将其余区域的产品监测数据做融合处理分析，有利于提高参照数据的参考价值。
进一步的，在步骤S4中：对当前区域加工的产品流通进行安全监测，监测到当前产品在各个环节间流通的间隔时间集合为H＝{H1，H2，…，Hf}；
在步骤S5中：比较He和Ge：若He>Ge，判断当前产品从第e个环节到第e+1个环节流通的进度出现异常，发送预警信号，其中，He表示监测到的当前产品从第e个环节到第e+1个环节流通的间隔时间，Ge表示当前产品从第e个环节到第e+1个环节的正常流通进度，通过将做融合处理后的数据做参照分析，判断当前产品的正常流通进度，与监测到的当前产品的流通进度进行比较，在当前产品在各环节间流通的间隔时间，即流通进度未赶上正常流通进度时发送预警信号，有利于及时地预判到产品流通的异常问题以提前对异常问题进行核实，保障了产品流通过程中的安全性。
与现有技术相比，本发明所达到的有益效果是：
本发明通过大数据技术采集来源于多个区域加工的产品数据，即采集多源异构数据作为产品流通安全监测的参照数据，提高了判断出产品流通出现异常的概率和准确性；通过计算流通差异程度，判断多个区域监测到的产品数据的参照价值，选择合适的数据融合对象，保障了参照数据间的一致性；剥离掉产品流通进度与其余区域产品流通进度差异过大的区域，将其余区域的产品监测数据做融合处理分析，提高了参照数据的参考价值，通过将做融合处理后的数据做参照分析，将当前产品的正常流通进度与监测到的当前产品的流通进度进行比较，在当前产品在各环节间流通的间隔时间，即流通进度未赶上正常流通进度时发送预警信号，有利于及时地预判到产品流通的异常问题以提前对异常问题进行核实，保障了产品流通过程中的安全性。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明基于大数据的自动化加工信息智能监测系统的结构图；
图2是本发明基于大数据的自动化加工信息智能监测方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
下面结合图1-图2和具体实施例对本发明作进一步的说明。
实施例一：
如图1所示，本实施例提供了基于大数据的自动化加工信息智能监测系统，系统包括：数据采集模块、数据库、流通进度分析模块、监测数据处理模块和智能安全监测模块；
数据采集模块的输出端连接数据库的输入端，数据库的输出端连接流通进度分析模块的输入端，流通进度分析模块的输出端连接监测数据处理模块的输入端，监测数据处理模块的输出端连接智能安全监测模块的输入端；
数据采集模块用于采集产品流通历史监测数据，将采集到的全部数据传输到数据库中；
数据库用于存储采集到的全部数据；
流通进度分析模块用于分析不同区域加工的产品流通差异程度；
监测数据处理模块用于对监测数据做融合处理，并分析当前产品的正常流通进度；
智能安全监测模块用于对当前产品流通进行安全监测。
数据采集模块包括产品信息采集单元和区域信息采集单元；
产品信息采集单元和区域信息采集单元的输出端连接数据库的输入端；
区域信息采集单元用于采集同一园区的不同区域加工过的产品类型数据；
产品信息采集单元用于采集以往监测到的产品流通进度信息。
流通进度分析模块包括历史数据调取单元和进度差异分析单元；
历史数据调取单元的输入端连接数据库的输出端，历史数据调取单元的输出端连接进度差异分析单元的输入端；
历史数据调取单元用于调取产品历史流通进度信息和产品类型数据；
进度差异分析单元用于筛选出加工过与当前需要进行安全监测的区域加工的产品类型相同的产品的区域，分析对应区域加工的产品的流通差异程度。
监测数据处理模块包括融合对象筛选单元和数据融合处理单元；
融合对象筛选单元的输入端连接进度差异分析单元的输出端，融合对象筛选单元的输出端连接数据融合处理单元的输入端；
融合对象筛选单元用于依据流通差异程度筛选出进行数据融合的区域；
数据融合处理单元用于将筛选出的区域加工产品的流通监测数据进行融合处理，分析当前产品的正常流通进度。
智能安全监测模块包括加工安全监测单元、数据比对单元和异常预警单元；
加工安全监测单元和数据融合处理单元的输出端连接数据比对单元的输入端，数据比对单元的输出端连接异常预警单元的输入端；
加工安全监测单元用于对当前区域加工的产品流通进行安全监测；
数据比对单元用于比对当前监测到的数据和做融合处理后的数据；
异常预警单元用于判断当前区域加工的产品流通进度是否出现异常，在出现异常时发送预警信号。
实施例二：
如图2所示，本实施例提供了基于大数据的自动化加工信息智能监测方法，其基于实施例中的监测系统实现，具体包括以下步骤：
S1：采集产品流通历史监测数据，采集同一园区的不同区域加工过的易损品类型数据，采集以往监测到的不同区域加工过的易损品流通进度信息，获取到加工过与当前需要进行安全监测的区域加工的产品类型相同的易损品的区域数量为m＝5，易损品流通共经历f+1＝6个环节：加工、存储、经营、运输、使用和废弃处置；
S2：分析不同区域加工的产品流通差异程度，调取到m＝5个区域加工过对应易损品的次数集合为B＝{B1，B2，B3，B4，B5}＝{3，5，2，6，8}，随机一个区域以往加工的易损品品从第一环节到第二环节流通的间隔时间集合为t＝{t1，t2，t3}＝{5，6，4}，单位为：天，得到对应区域加工的易损品从第一环节到第二环节流通的平均间隔时间为T1i，
通过相同计算方式得到所有区域加工的同一个易损品从第一环节到第二环节流通的平均间隔时间集合为T1＝{T11，T12，T13，T14，T15}＝{5，4，6，7，2}，根据公式
计算得到所有区域加工的同一个易损品从第一环节到第二环节流通的差异程度W1≈1.7；
通过相同计算方式得到所有区域加工的同一个易损品在各个环节间流通的差异程度集合为W＝{W1，W2，W3，W4，W5}＝{1.7，2.5，3，0.8，4.6}，得到所有区域加工易损品的综合流通差异程度q，
S3：对监测数据做融合处理，并分析当前产品的正常流通进度，设置综合流通差异程度阈值为Q＝1，比较q和Q：q>Q，说明综合流通差异程度超出阈值，筛除部分区域的易损品流通进度信息：将所有区域加工的同一个易损品从第一环节到第二环节流通的平均间隔时间按从长到短的顺序进行排列，排列后将区域分为k＝2组，第1组区域加工的同一个易损品从第一环节到第二环节流通的平均间隔时间的平均值大于第2组，获取到按随机一种分组方式分组后，每组区域加工的同一个易损品从第一环节到第二环节流通的平均间隔时间的平均值集合为A＝{A1，A2}＝{3.7，6.5}，根据公式
选择最佳分组方式，得到Lx＝1.4，Lx表示按随机一种分组方式分组的有效程度，通过相同计算方式得到按不同分组方式分组的有效程度集合为L＝{L1，L2}＝{1.4，1.5}，选择有效程度最大的分组方式作为最佳分组方式：L2对应的分组方式，得到按最佳分组方式进行分组后每组的区域个数集合为C＝{C1，C2}＝{2，3}，筛选出区域个数最多的一组：第二组，筛除剩余组内区域的易损品流通进度信息，对个数最多的一组区域的易损品流通进度信息做融合处理：得到对应组内区域加工的同一个易损品从第一环节到第二环节流通的平均间隔时间集合为D1＝{D11，D12，D13}＝{5，6，7}，得到当前易损品从第一环节到第二环节的正常流通进度为G1，
采集对应组内区域加工的同一个易损品在各个环节间流通的平均间隔时间，得到当前易损品的正常流通进度集合为G＝{G1，G2，G3，G4，G5}＝{6，5，8，2，12}；
S4：对当前产品流通进行安全监测，对当前区域加工的易损品流通进行安全监测，监测到当前易损品在各个环节间流通的间隔时间集合为H＝{H1，H2，H3，H4，H5}＝{5，4，6，2，20}；
S5：在当前区域加工的产品流通进度出现异常时发送预警信号，比较He和Ge：H5>G5，判断当前易损品从第5个环节到第6个环节流通的进度出现异常，发送预警信号。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.基于大数据的自动化加工信息智能监测方法，其特征在于：包括以下步骤：
S1：采集产品流通历史监测数据；
S2：分析不同区域加工的产品流通差异程度；
S3：对监测数据做融合处理，并分析当前产品的正常流通进度；
S4：对当前产品流通进行安全监测；
S5：在当前区域加工的产品流通进度出现异常时发送预警信号；
在步骤S1中：采集同一园区的不同区域加工过的产品类型数据，采集以往监测到的不同区域加工过的产品流通进度信息，获取到加工过与当前需要进行安全监测的区域加工的产品类型相同的产品的区域数量为m，产品流通共经历f+1个环节；
在步骤S2中：调取到m个区域加工过对应产品的次数集合为B＝{B1，B2，…，Bi，…，Bm}，随机一个区域以往加工的产品从第一环节到第二环节流通的间隔时间集合为t＝{t1，t2，…，tn}，其中，n＝Bi，n表示对应区域以往加工对应产品的次数，得到对应区域加工的产品从第一环节到第二环节流通的平均间隔时间为T1i，
其中，tj表示随机一个区域以往随机一次加工的产品从第一环节到第二环节流通的间隔时间，通过相同计算方式得到所有区域加工的同一个产品从第一环节到第二环节流通的平均间隔时间集合为T1＝{T11，T12，…，T1i，…，T1m}，根据下列公式计算得到所有区域加工的同一个产品从第一环节到第二环节流通的差异程度W1：
通过相同计算方式得到所有区域加工的同一个产品在各个环节间流通的差异程度集合为W＝{W1，W2，…，Wf}，得到所有区域加工产品的综合流通差异程度q，
其中，We表示所有区域加工的同一个产品从第e个环节到第e+1个环节流通的差异程度；
在步骤S3中：设置综合流通差异程度阈值为Q，比较q和Q：若q≤Q，说明综合流通差异程度未超出阈值，对所有区域监测到的产品流通进度信息做融合处理；若q>Q，说明综合流通差异程度超出阈值，筛除部分区域的产品流通进度信息：将所有区域加工的同一个产品从第一环节到第二环节流通的平均间隔时间按从长到短的顺序进行排列，排列后将区域分为k组，获取到按随机一种分组方式分组后，每组区域加工的同一个产品从第一环节到第二环节流通的平均间隔时间的平均值集合为A＝{A1，A2，…，Ak}，根据下列公式选择最佳分组方式：
其中，Ai表示第i组区域对应的平均间隔时间的平均值，Lx表示按随机一种分组方式分组的有效程度，通过相同计算方式得到按不同分组方式分组的有效程度集合为L＝{L1，L2，…，Lx，…，Lp}，其中，共有p组分组方式，选择有效程度最大的分组方式作为最佳分组方式，得到按最佳分组方式进行分组后每组的区域个数集合为C＝{C1，C2，…，Ck}，筛选出区域个数最多的一组，筛除剩余组内区域的产品流通进度信息，对个数最多的一组区域的产品流通进度信息做融合处理：得到对应组内区域加工的同一个产品从第一环节到第二环节流通的平均间隔时间集合为D1＝{D11，D12，…，D1y}，其中，y表示对应组内区域个数，得到当前产品从第一环节到第二环节的正常流通进度为G1，
其中，D1V表示组内随机一个区域加工的同一个产品从第一环节到第二环节流通的平均间隔时间，采集对应组内区域加工的同一个产品在各个环节间流通的平均间隔时间，得到当前产品的正常流通进度集合为G＝{G1，G2，…，Gf}，其中，Gf表示当前产品从第f个环节到第f+1环节的正常流通进度。
2.根据权利要求1所述的基于大数据的自动化加工信息智能监测方法，其特征在于：在步骤S4中：对当前区域加工的产品流通进行安全监测，监测到当前产品在各个环节间流通的间隔时间集合为H＝{H1，H2，…，Hf}；
在步骤S5中：比较He和Ge：若He>Ge，判断当前产品从第e个环节到第e+1个环节流通的进度出现异常，发送预警信号，其中，He表示监测到的当前产品从第e个环节到第e+1个环节流通的间隔时间，Ge表示当前产品从第e个环节到第e+1个环节的正常流通进度。
3.基于大数据的自动化加工信息智能监测系统，应用于如权利要求1所述的基于大数据的自动化加工信息智能监测方法，其特征在于：所述系统包括：数据采集模块、数据库、流通进度分析模块、监测数据处理模块和智能安全监测模块；
所述数据采集模块的输出端连接所述数据库的输入端，所述数据库的输出端连接所述流通进度分析模块的输入端，所述流通进度分析模块的输出端连接所述监测数据处理模块的输入端，所述监测数据处理模块的输出端连接所述智能安全监测模块的输入端；
所述数据采集模块用于采集产品流通历史监测数据，将采集到的全部数据传输到所述数据库中；
所述数据库用于存储采集到的全部数据；
所述流通进度分析模块用于分析不同区域加工的产品流通差异程度；
所述监测数据处理模块用于对监测数据做融合处理，并分析当前产品的正常流通进度；
所述智能安全监测模块用于对当前产品流通进行安全监测。
4.根据权利要求3所述的基于大数据的自动化加工信息智能监测系统，其特征在于：所述数据采集模块包括产品信息采集单元和区域信息采集单元；
所述产品信息采集单元和区域信息采集单元的输出端连接所述数据库的输入端；
所述区域信息采集单元用于采集同一园区的不同区域加工过的产品类型数据；
所述产品信息采集单元用于采集以往监测到的产品流通进度信息。
5.根据权利要求3所述的基于大数据的自动化加工信息智能监测系统，其特征在于：所述流通进度分析模块包括历史数据调取单元和进度差异分析单元；
所述历史数据调取单元的输入端连接所述数据库的输出端，所述历史数据调取单元的输出端连接所述进度差异分析单元的输入端；
所述历史数据调取单元用于调取产品历史流通进度信息和产品类型数据；
所述进度差异分析单元用于筛选出加工过与当前需要进行安全监测的区域加工的产品类型相同的产品的区域，分析对应区域加工的产品的流通差异程度。
6.根据权利要求5所述的基于大数据的自动化加工信息智能监测系统，其特征在于：所述监测数据处理模块包括融合对象筛选单元和数据融合处理单元；
所述融合对象筛选单元的输入端连接所述进度差异分析单元的输出端，所述融合对象筛选单元的输出端连接所述数据融合处理单元的输入端；
所述融合对象筛选单元用于依据流通差异程度筛选出进行数据融合的区域；
所述数据融合处理单元用于将筛选出的区域加工产品的流通监测数据进行融合处理，分析当前产品的正常流通进度。
7.根据权利要求6所述的基于大数据的自动化加工信息智能监测系统，其特征在于：所述智能安全监测模块包括加工安全监测单元、数据比对单元和异常预警单元；
所述加工安全监测单元和数据融合处理单元的输出端连接所述数据比对单元的输入端，所述数据比对单元的输出端连接所述异常预警单元的输入端；
所述加工安全监测单元用于对当前区域加工的产品流通进行安全监测；
所述数据比对单元用于比对当前监测到的数据和做融合处理后的数据；
所述异常预警单元用于判断当前区域加工的产品流通进度是否出现异常，在出现异常时发送预警信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211721984.3A CN115858308B (zh) | 2022-12-30 | 2022-12-30 | 基于大数据的自动化加工信息智能监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211721984.3A CN115858308B (zh) | 2022-12-30 | 2022-12-30 | 基于大数据的自动化加工信息智能监测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115858308A CN115858308A (zh) | 2023-03-28 |
| CN115858308B true CN115858308B (zh) | 2023-06-30 |
Family
ID=85656279
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211721984.3A Active CN115858308B (zh) | 2022-12-30 | 2022-12-30 | 基于大数据的自动化加工信息智能监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115858308B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116342104B (zh) * | 2023-03-29 | 2024-09-03 | 南京拓严信息科技有限公司 | 一种基于大数据的产品服务智能维护系统及方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106020158A (zh) * | 2016-07-20 | 2016-10-12 | 上海交通大学 | 一种项目型产品加工工艺大数据支持系统 |
| CN112053082A (zh) * | 2020-09-15 | 2020-12-08 | 四川创客知佳科技有限公司 | 基于云计算的物料管理系统 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4218363B2 (ja) * | 2003-02-10 | 2009-02-04 | トヨタ自動車株式会社 | 生産ライン解析装置 |
| JP2005032030A (ja) * | 2003-07-07 | 2005-02-03 | Toyota Motor Corp | 生産ライン解析装置 |
| JP4324976B2 (ja) * | 2007-08-17 | 2009-09-02 | 日本電気株式会社 | ファイル差分管理装置、ファイル差分管理方法、及びファイル差分管理プログラム |
| WO2014021448A1 (ja) * | 2012-08-03 | 2014-02-06 | 日本電気株式会社 | 生産物管理方法、生産物管理装置、生産物管理システム、及びプログラム |
| CN113704243A (zh) * | 2020-05-20 | 2021-11-26 | 富泰华工业（深圳）有限公司 | 数据分析方法、装置、计算机装置及存储介质 |
| CN112561250A (zh) * | 2020-11-30 | 2021-03-26 | 深圳技术大学 | 一种基于区块链的冷链物流管理系统 |
| CN115330400A (zh) * | 2021-04-26 | 2022-11-11 | 中国移动通信集团设计院有限公司 | 一种区块链溯源方法、装置、系统、计算设备和存储介质 |
| CN113298429B (zh) * | 2021-06-21 | 2024-06-25 | 柳州市索创智能科技有限公司 | 一种自动化生产线的智能模拟评估方法及系统 |
| CN113822682A (zh) * | 2021-09-15 | 2021-12-21 | 苏州数链孪生科技有限公司 | 一种基于数字孪生技术的产品溯源系统及方法 |
| CN113960967A (zh) * | 2021-10-21 | 2022-01-21 | 万洲电气股份有限公司 | 一种基于报警策略及流程处理的智能节能优化系统 |
| CN114298490A (zh) * | 2021-12-08 | 2022-04-08 | 河南裕展精密科技有限公司 | 生产管控方法及生产管控系统 |
| CN114678298B (zh) * | 2022-03-14 | 2022-09-09 | 珠海市众知科技有限公司 | 一种集成电路块引脚封装装置 |
| CN114493553B (zh) * | 2022-04-02 | 2022-06-28 | 深圳市德航智能技术有限公司 | 具有5g通信管理的智慧工厂系统 |
| CN114782030B (zh) * | 2022-06-24 | 2022-08-26 | 硕广达微电子(深圳)有限公司 | 一种基于大数据项目智能管理系统及方法 |
| CN115168202A (zh) * | 2022-06-29 | 2022-10-11 | 歌尔股份有限公司 | 产品测试方法、系统、电子设备及介质 |
| CN115022380B (zh) * | 2022-08-05 | 2022-11-01 | 深圳市元美供应链管理有限公司 | 一种基于区块链的物流信息安全传输系统及方法 |
-
2022
- 2022-12-30 CN CN202211721984.3A patent/CN115858308B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106020158A (zh) * | 2016-07-20 | 2016-10-12 | 上海交通大学 | 一种项目型产品加工工艺大数据支持系统 |
| CN112053082A (zh) * | 2020-09-15 | 2020-12-08 | 四川创客知佳科技有限公司 | 基于云计算的物料管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115858308A (zh) | 2023-03-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115858308B (zh) | 基于大数据的自动化加工信息智能监测系统及方法 | |
| CN106953802B (zh) | 一种基于深度学习的网络最优路径选择方法 | |
| CN115293463B (zh) | 一种基于切割质量预测的玻璃镜片加工监督方法及系统 | |
| CN111461533A (zh) | 一种基于大数据的工业生产流水线的故障监测方法及系统 | |
| CN110955226B (zh) | 设备故障预测方法、装置、计算机设备和存储介质 | |
| DE102013002593A1 (de) | Sicherheitsüberwachungssystem und Sicherheitsüberwachungsverfahren | |
| CN116433136A (zh) | 一种基于大数据的货运安全监测系统及方法 | |
| CN113077065A (zh) | 车辆生产线故障的处理方法、装置、设备及存储介质 | |
| JP2023520801A (ja) | 故障セルの識別方法、電子機器、及びコンピュータ読み取り可能な媒体 | |
| CN117614978A (zh) | 一种用于数字化车间的信息安全通信管理系统 | |
| CN110991585B (zh) | 包裹分拣策略确定方法、装置、计算机设备和存储介质 | |
| CN114333254B (zh) | 基于连续批次半导体产品发生异常情况的监控方法及系统 | |
| AU2019333948B2 (en) | Interference alarm identification method based on alarm duration feature | |
| CN118051863A (zh) | 一种基于数字计量技术的健康数据采集系统及方法 | |
| US20060224537A1 (en) | Device for optimizing diagnostic trees of a diagnostic tool of a communication network | |
| CN115829337B (zh) | 一种存储区风险预警方法及系统 | |
| CN116304961A (zh) | 一种基于人工智能的流程自动生成监控系统及方法 | |
| Sadiki et al. | Impact of intelligent wireless sensor network on predictive maintenance cost | |
| CN111327442B (zh) | 基于控制图的投诉预警阈值获取方法及装置 | |
| CN113051307A (zh) | 告警信号的分析方法、设备、存储介质及装置 | |
| CN117875896B (zh) | 用于滤清器的工艺全周期管理方法及系统 | |
| CN111652323B (zh) | 水质监测方法、装置及服务器 | |
| JP2020181468A (ja) | 設備機器・部品の故障評価装置及び故障評価方法 | |
| CN109543847A (zh) | 一种电力大数据设备生命周期管理系统 | |
| CN117495357B (zh) | 一种基于大数据的电力数据监管系统及方法 |
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 |