CN116109209A - 一种基于大数据的电力产品质量溯源追踪管理方法及系统 - Google Patents
一种基于大数据的电力产品质量溯源追踪管理方法及系统 Download PDFInfo
- Publication number
- CN116109209A CN116109209A CN202310375625.5A CN202310375625A CN116109209A CN 116109209 A CN116109209 A CN 116109209A CN 202310375625 A CN202310375625 A CN 202310375625A CN 116109209 A CN116109209 A CN 116109209A
- Authority
- CN
- China
- Prior art keywords
- stage
- transportation
- power product
- quality
- production
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 54
- 238000004519 manufacturing process Methods 0.000 claims abstract description 162
- 238000000034 method Methods 0.000 claims abstract description 125
- 230000008569 process Effects 0.000 claims abstract description 117
- 230000002159 abnormal effect Effects 0.000 claims abstract description 103
- 238000004458 analytical method Methods 0.000 claims abstract description 88
- 230000005856 abnormality Effects 0.000 claims abstract description 46
- 238000003860 storage Methods 0.000 claims abstract description 30
- 239000013598 vector Substances 0.000 claims description 41
- 239000011159 matrix material Substances 0.000 claims description 34
- 238000012544 monitoring process Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 9
- 230000007717 exclusion Effects 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 6
- 239000000047 product Substances 0.000 description 146
- 239000004567 concrete Substances 0.000 description 19
- 229910000831 Steel Inorganic materials 0.000 description 13
- 239000010959 steel Substances 0.000 description 13
- 230000009286 beneficial effect Effects 0.000 description 10
- 238000005266 casting Methods 0.000 description 7
- 238000009434 installation Methods 0.000 description 4
- 239000002002 slurry Substances 0.000 description 4
- 238000005299 abrasion Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000011150 reinforced concrete Substances 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 2
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000011513 prestressed concrete Substances 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- UBAZGMLMVVQSCD-UHFFFAOYSA-N carbon dioxide;molecular oxygen Chemical compound O=O.O=C=O UBAZGMLMVVQSCD-UHFFFAOYSA-N 0.000 description 1
- 239000011083 cement mortar Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- -1 for example Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- VUZPPFZMUPKLLV-UHFFFAOYSA-N methane;hydrate Chemical compound C.O VUZPPFZMUPKLLV-UHFFFAOYSA-N 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 229910001868 water Inorganic materials 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0838—Historical data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于大数据的电力产品质量溯源追踪管理方法及系统，其方法包括：获取目标电力产品的生产方、运输方以及应用方，且结合目标电力产品的生产序号，设置唯一编码；对目标电力产品的生产方的生产过程进行第一质量追踪、对运输方的运输过程进行第二质量追踪以及对应用方的应用过程进行第三质量追踪；基于质量追踪结果，对目标电力产品进行综合质量分析，并锁定目标电力产品的异常阶段以及异常阶段对应的异常因子；基于对应电力产品的唯一编码以及异常因子，构建异常存储块，并对目标电力产品进行异常管理。便于对产品所出现的异常位置进行及时锁定，避免将产生的异常都归结到生产所导致质量的问题上，可实现对产品的有效溯源管理。
Description
技术领域
本发明涉及大数据技术领域，特别涉及一种基于大数据的电力产品质量溯源追踪管理方法及系统。
背景技术
近几年来，随着我国电网改造和移动通讯建设的进行，混凝土电杆和电缆沟盖板的生产和应用得到了迅猛的发展，各地都新办了许多电力产品生产企业。
然而，这些生产企业中，绝大多数生产规模较小，设备简陋，工艺不完善，生产出的电力产品所存在的质量问题经常可见，且质量问题不仅仅不限于生产过程中所导致的问题，也有可能是运输过程中或者应用过程中导致的产品故障，但是都归结到生产质量上，存在对生产所导致质量异常分析的不精准，导致解决问题的效率严重下降。
因此，本发明提出一种基于大数据的电力产品质量溯源追踪管理方法及系统。
发明内容
本发明提供一种基于大数据的电力产品质量溯源追踪管理方法及系统，用以通过对目标电力产品的生产过程、运输过程以及应用过程进行质量追踪，便于对产品所出现的异常位置进行及时锁定，避免将产生的异常都归结到生产所导致质量的问题上，可实现对产品的有效溯源管理。
本发明提供一种基于大数据的电力产品质量溯源追踪管理方法，包括：
步骤1：获取目标电力产品的预设生产方、预设运输方以及预设应用方，且结合目标电力产品的生产序号，向匹配的目标电力产品设置唯一编码；
步骤2：对目标电力产品的预设生产方的生产过程进行第一质量追踪、对预设运输方的运输过程进行第二质量追踪以及对预设应用方的应用过程进行第三质量追踪；
步骤3：基于质量追踪结果，对目标电力产品进行综合质量分析，并锁定所述目标电力产品的异常阶段以及异常阶段对应的异常因子；
步骤4：基于对应电力产品的唯一编码以及所述异常因子，构建异常存储块，并对所述目标电力产品进行异常管理。
优选的，获取目标电力产品的预设生产方、预设运输方以及预设应用方，且结合目标电力产品的生产序号，向匹配的目标电力产品设置唯一编码，包括：
获取目标电力产品的预设生产方的生产方编号；
获取目标电力产品的预设运输方的运输方编号；
获取目标电力产品的预设应用方的应用方编号；
基于生产方编号、运输方编号、应用方编号以及生产序号，得到唯一编码。
优选的，对目标电力产品的预设生产方的生产过程进行第一质量追踪，包括：
获取生产过程中每个生产阶段的生产模具的标准生产结果以及实际生产结果，并根据每个生产过程的常规生产因子以及特殊生产因子，构建常规对比矩阵以及特殊对比矩阵；
对所述常规对比矩阵进行第一分析、对所述特殊对比矩阵进行第二分析，以及按照对应成产阶段的生产性质对所述常规生产因子以及特殊生产因子进行因子融合，得到最后对比矩阵，并对所述最后对比矩阵进行第三分析；
提取基于第一分析结果的第一特征、基于第二分析结果的第二特征以及基于第三分析结果的第三特征；
将所述第一特征和第二特征，与第三特征进行互特征分析，获取得到互斥值；
其中，T1表示第一特征；T2表示第二特征；T3表示第三特征；表示并集符号；表示交集符号；ln表示以e为底的对数函数符号；lg表示以10为底的对数函数符号；n1表示所对应交集特征的个数；表示第i个交集特征的历史交集概率；表示对的微调函数；H1表示对应的互斥值；
当所述互斥值小于第一预设值时，根据第三分析结果向对应生产阶段设置第一质量标签；
否则，获取第一分析结果与第二分析结果的第一异常信息的信息量x1、第三分析结果的第二异常信息的信息量x2，根据max{x1,x2}，将信息量大的分析结果作为主要分析结果，将信息量小的分析结果作为次要分析结果，并提取次要分析结果中的权重占比大于预设占比的非交集异常结果，且与主要分析结果进行结果融合，向对应生产阶段设置第二质量标签；
根据生产过程中的每个生产阶段的质量标签得到对应目标电力产品的生产标签向量，实现第一质量追踪。
优选的，对预设运输方的运输过程进行第二质量追踪，包括：
提取所述预设运输方在运输过程中所产生的运输日志中的运输路径以及所述运输路径中每个运输阶段的阶段运输影响因子；
获取每个运输阶段的运输约束条件，并向对应运输阶段设置有效运输标签；
提取所述运输约束条件中的约束因子以及每个约束因子的约束范围，并将所述约束因子与阶段运输影响因子进行一致性分析；
当存在与阶段运输影响因子一致的约束因子，且对应阶段运输影响因子的影响值在约束范围内时，向对应阶段运输影响因子设置为1的因子一致值；
当存在与阶段运输影响因子一致的约束因子，且对应阶段运输影响因子的影响值不在约束范围内时，若，则向对应阶段运输影响因子设置为0的因子一致值，其中，maxy1表示基于约束范围的最大值y1，miny2表示基于约束范围的最小值y2；y0表示对应阶段运输影响因子的影响值，其中，y0、miny2以及maxy1的取值大于或等于0，且maxy1大于miny2；
若，则向对应阶段运输影响因子设置为a1的因子一致值，其中，a1的取值范围为(0,1)；
当存在与阶段运输影响因子不一致的约束因子，则判断所存在的约束因子是否囊括所有阶段运输影响因子；
若囊括，则按照对应的设置结果，确定对应阶段运输影响因子的因子一致值；
若不囊括，则确定阶段运输影响因子基于整个运输路径的出现频次；
当，向对应阶段运输影响因子设置为-1的因子一致值，其中，p1表示对应阶段运输影响因子基于整个运输路径的单独出现频次；p2表示对应阶段运输影响因子基于整个运输路径的非单独出现频次；
当，向对应阶段运输影响因子设置为a2的因子一致值，其中，a2的取值范围为（-1，0）；
根据所述因子一致值，计算得到对应运输阶段的阶段一致值；
从值-标签映射表中，匹配获取与所述阶段一致值相关的有效运输标签；
基于所述有效运输标签，得到对应目标电力产品的运输标签向量，实现第二质量追踪。
优选的，对预设应用方的应用过程进行第三质量追踪，包括：
根据对预设应用方的应用过程中每个应用阶段的监测结果，构建每个应用阶段的阶段放置结果与标准放置结果的放置矩阵；
向每个放置矩阵设置放置标签，并构建得到对应目标电力产品的应用标签向量，实现第三质量追踪。
优选的，基于质量追踪结果，对目标电力产品进行综合质量分析，包括：
将第一质量追踪结果的生产标签向量与标准生产向量进行第一对比分析、将第二质量追踪结果的运输标签向量与标准运输向量进行第二对比分析以及将第三质量追踪结果的应用标签向量与标准应用标签进行第三对比分析；
根据对比结果，确定每个过程对应的质量问题以及生产过程、运输过程、应用过程的问题相关信息。
优选的，锁定所述目标电力产品的异常阶段以及异常阶段对应的异常因子，包括：
根据每个过程的质量问题，锁定异常阶段以及异常阶段所存在的初始因子；
根据生产过程、运输过程、应用过程的问题相关信息，对所述初始因子进行优化，获取得到对应异常阶段的异常因子。
优选的，基于对应电力产品的唯一编码以及所述异常因子，构建异常存储块，包括：
分别构建每个过程的过程链，其中，所述过程链包括若干过程阶段；
将每个过程所涉及到的异常因子以及对应异常因子的异常阶段，在匹配的过程阶段上进行设置，得到对应的存储链；
根据具备唯一编码的目标电力产品的每个存储链的链空间，构建大于总链空间的异常存储块。
优选的，构建异常存储块，并对所述目标电力产品进行异常管理，包括：
将处于同类型的电力产品的异常存储块进行同类关联，并基于同类型的电力产品的异常存储块的块位置，构建对应的关联构架；
将所述关联构架上的每个存储块的最突出异常进行第一批注显示以及高频次异常进行第二批注显示，并对同类型的电力产品进行同异常管理以及突出异常管理。
本发明提供一种基于大数据的电力产品质量溯源追踪管理系统，包括：
编码设置模块，用于获取目标电力产品的预设生产方、预设运输方以及预设应用方，且结合目标电力产品的生产序号，向匹配的目标电力产品设置唯一编码；
质量追踪模块，用于对目标电力产品的预设生产方的生产过程进行第一质量追踪、对预设运输方的运输过程进行第二质量追踪以及对预设应用方的应用过程进行第三质量追踪；
异常锁定模块，用于基于质量追踪结果，对目标电力产品进行综合质量分析，并锁定所述目标电力产品的异常阶段以及异常阶段对应的异常因子；
异常管理模块，用于基于对应电力产品的唯一编码以及所述异常因子，构建异常存储块，并对所述目标电力产品进行异常管理。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
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为本发明实施例中一种基于大数据的电力产品质量溯源追踪管理方法的流程图；
图2为本发明实施例中一种基于大数据的电力产品质量溯源追踪管理系统的结构图；
图3为本发明实施例中关联构架的结构图。
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。
本发明提供一种基于大数据的电力产品质量溯源追踪管理方法，如图1所示，包括：
步骤1：获取目标电力产品的预设生产方、预设运输方以及预设应用方，且结合目标电力产品的生产序号，向匹配的目标电力产品设置唯一编码；
步骤2：对目标电力产品的预设生产方的生产过程进行第一质量追踪、对预设运输方的运输过程进行第二质量追踪以及对预设应用方的应用过程进行第三质量追踪；
步骤3：基于质量追踪结果，对目标电力产品进行综合质量分析，并锁定所述目标电力产品的异常阶段以及异常阶段对应的异常因子；
步骤4：基于对应电力产品的唯一编码以及所述异常因子，构建异常存储块，并对所述目标电力产品进行异常管理。
该实施例中，目标电力产品指的是混凝土电杆和电缆沟盖板。
该实施例中，预设生产方指的是生产混凝土电杆和电缆沟盖板的生产企业，预设运输方指的是在混凝土电杆和电缆沟盖板生产之后，需要从该企业的生产工厂运输到需要使用电力产品的目的地的运输车辆、运输人员等，预设应用方指的是当电力产品运输到目的地之后，对电力产品的使用对象，该对象可以是人也可以是设备。
该实施例中，唯一编码：预设生产方序号+预设运输方序号+预设应用方序号+生产序号，其中，预设生产方序号、预设运输方序号、预设应用方序号都具备相应的编码，且生产序号为生产时间、生产批次构成。
比如，唯一编码为：@@1##1￥￥11001&1，其中，@@1表示预设生产方序号、##1表示预设运输方序号、￥￥1表示预设应用方序号、1001表示生产时间、&1表示生产批次。
该实施例中，混凝土电杆的生产过程包括：钢筋骨架的制作、混凝土搅拌、清模装模、预应力钢筋张拉、离心成型、养护及脱模等阶段，也就是不同的电力产品所涉及到的生产阶段是不一样的，且每个电力产品所对应的生产阶段都是企业对产品进行制造过程中所设定好的制造流程，也就是每个电力产品的生产过程都是公开的以及每个阶段对应生产产品的自动化控制参数都是提前设定好的，且存在与自动化控制参数一致的标准参数，都属于现有技术。
该实施例中，通过对电力产品的生产过程中的每个阶段进行监测，来确定生产所得到的电力产品的质量。
该实施例中，电力产品的运输过程包括：监测每个运转物流路段以及物流运输路段上该电力产品的产品损坏问题，以此，来确定运输所得到的电力产品的质量，由于每个电力产品都存在对应的运输起点和运输终点，所以，需要对不同的电力产品的运输过程进行监测。
该实施例中，电力产品的应用过程指的是产品的使用用途，比如，电杆用来支撑导线，需要对支撑过程中的每个阶段进行监测，比如，电杆埋进土里、把土填上、基于电杆埋拉线等阶段。
该实施例中，基于生产过程的质量监测是为了确定每个生产阶段中电杆是否存在生产质量的问题，进而进行的第一质量追踪。
基于运输过程的质量监测是为了确定在运输途中的不同运输路段上是否存在因为外界原因，比如，道路行驶困难导致产品之间磕碰、或者产品掉落亦或者人为导致的产品出现质量问题，进而进行的第二质量追踪。
基于应用过程的质量监测是为了确定在每个应用阶段对产品的应用情况，因为在应用的过程中不可避免的会存在应用操作失误，比如立杆的过程中杆倒下等失误情况的发生，进而进行的第三质量追踪。
该实施例中，综合质量分析指的是每个质量追踪结果都会存在对应的质量追踪向量，因此，将每个过程所对应的标准向量与对应的质量追踪向量进行比较之后，会得到存在的异常阶段以及异常因子，其中，异常因子就是对应标准向量与质量追踪向量进行比较过程中所不一致的元素参数。
比如，生产过程：阶段1、阶段2、阶段3，对应的生产质量向量为：[r1 r2 r3],其中，r1为阶段1的质量结果、r2为阶段2的质量结果，r3为阶段3的质量结果，标准向量为[r01r02 r03],其中，r01为阶段1的标准结果、r02为阶段2的标准结果，r03为阶段3的标准结果，此时，阶段1：r1与r01比较、阶段2：r2与r02比较、阶段3：r3与r03比较，最后，会锁定异常阶段以及异常阶段中对应异常因子，比如，r1与r01的异常出现是因为在按照钢筋骨架进行制作的实际过程中，存在按照骨架进行自动化制造的缺失，也就是原本是按照骨架进行完整制造，但是实际过程中不能对骨架中某个部位进行制造，剩余部位都可以，因此就存在制造缺失。
该实施例中，每个电力产品都包含生产、运输以及应用三个过程，且每个过程都存在对应的质量监测结果，进而对可能导致质量问题的阶段以及异常因子进行锁定以及获取，来得到针对该电力产品的存储块，当因为该电力产品导致后续影响时，便于按照唯一编码进行快速溯源，及时确定存在的问题，方便解决。
该实施例中，异常存储块是对应的存储单元，主要是为了将存在的异常阶段、该阶段对应的异常因子进行存储，方便后续的直接溯源。
该实施例中，异常存储块包括：过程-异常阶段-异常因子，比如，生产过程-骨架制造-骨架缺失。
该实施例中，混凝土电杆的质量问题主要是合缝漏浆，电杆合缝漏浆是指电杆合缝处混凝土中水泥浆流失，混凝土表面露出砂、石。由于产生漏浆，使得混凝土的密实度受到影响，甚至会形成毛细孔道伸入混凝土内部，氯离子、氧气、二氧化碳、水份容易渗入，造成混凝土易碳化，氯离子也容易到达钢筋表面，使钢筋发生锈蚀，从而导致电杆的使用寿命缩短，合缝漏奖是造成电杆外观质量不合格的主要项目，所以，需要对生产过程、运输过程以及应用过程进行监测溯源。
其中，生产电杆所用的钢模如果不符合JC364-86《环形预应力混凝土电杆钢模》的要求，钢模装配的缝隙过大，容易产生合缝漏浆。
在生产过程中，当混凝十浇灌完毕后未能将合缝外清理干净，每次拆模时也未能将合缝外清理干净，造成钢模的分模面和缺口残留硬化的水泥砂浆，使钢模合缝不严，致使合缝处产生漏浆。
在组装钢模时，紧固螺栓方法不当，不能做到对称均匀地拧紧螺栓，甚至有螺栓漏拧的情况，使钢模的两条合缝在长度在方向上受力不均，造成合缝局部不严，产生漏浆。
由于离心机安装不符合要求，离心机托轮外径尺寸公差大，以及钢模的变形，使得电杆在离心成型时钢模产生跳动，严重时会使螺栓松脱造成合缝漏浆。
混凝土电杆有普通钢筋混凝土电杆和预应力混凝土电杆两种。电杆的截面形式有方形、八角形、工字形、环形或其他一些异型截面。最常采用的是环形截面和方形截面。电杆长度一般为4.5~15米， 环形电杆有锥形杆和等径杆两种，锥形杆的梢径一般为100~230毫米，锥度为1:75;等径杆的直径为300~550毫米;两者壁厚均为30~60毫米。
上述数据都会在生产过程中使用到。
该实施例中，电缆沟盖板的材质有钢筋混凝土、钢筋砼和钢制三种，且不如制作要求为：盖板边框应顺直、无毛刺、无扭矩变形，长度、对角线尺寸偏差小于1.5mm，安装后的平整度应小于2mm。
上述技术方案的有益效果是：通过对目标电力产品的生产过程、运输过程以及应用过程进行质量追踪，便于对产品所出现的异常位置进行及时锁定，避免将产生的异常都归结到生产所导致质量的问题上，可实现对产品的有效溯源管理。
本发明提供一种基于大数据的电力产品质量溯源追踪管理方法，获取目标电力产品的预设生产方、预设运输方以及预设应用方，且结合目标电力产品的生产序号，向匹配的目标电力产品设置唯一编码，包括：
获取目标电力产品的预设生产方的生产方编号；
获取目标电力产品的预设运输方的运输方编号；
获取目标电力产品的预设应用方的应用方编号；
基于生产方编号、运输方编号、应用方编号以及生产序号，得到唯一编码。
上述技术方案的有益效果是：通过将三个过程所对应的编码与生产序号进行组合，便于保证电力产品的唯一性，为产品的合理溯源提供精准基础。
本发明提供一种基于大数据的电力产品质量溯源追踪管理方法，对目标电力产品的预设生产方的生产过程进行第一质量追踪，包括：
获取生产过程中每个生产阶段的标准生产结果以及实际生产结果，并根据每个生产过程的常规生产因子以及特殊生产因子，构建常规对比矩阵以及特殊对比矩阵；
对所述常规对比矩阵进行第一分析、对所述特殊对比矩阵进行第二分析，以及按照对应成产阶段的生产性质对所述常规生产因子以及特殊生产因子进行因子融合，得到最后对比矩阵，并对所述最后对比矩阵进行第三分析；
提取基于第一分析结果的第一特征、基于第二分析结果的第二特征以及基于第三分析结果的第三特征；
将所述第一特征和第二特征，与第三特征进行互特征分析，获取得到互斥值；
其中，T1表示第一特征；T2表示第二特征；T3表示第三特征；表示并集符号；表示交集符号；ln表示以e为底的对数函数符号；lg表示以10为底的对数函数符号；n1表示所对应交集特征的个数；表示第i个交集特征的历史交集概率；表示对的微调函数；H1表示对应的互斥值；
当所述互斥值小于第一预设值时，根据第三分析结果向对应生产阶段设置第一质量标签；
否则，获取第一分析结果与第二分析结果的第一异常信息的信息量x1、第三分析结果的第二异常信息的信息量x2，根据max{x1,x2}，将信息量大的分析结果作为主要分析结果，将信息量小的分析结果作为次要分析结果，并提取次要分析结果中的权重占比大于预设占比的非交集异常结果，且与主要分析结果进行结果融合，向对应生产阶段设置第二质量标签；
根据生产过程中的每个生产阶段的质量标签得到对应目标电力产品的生产标签向量，实现第一质量追踪。
该实施例中，由于工艺控制不严、原材料质量差、质量管理薄弱、生产设备阵旧、恶性竞争等原因造成环形混凝土电杆产品外观质量较差、尺寸偏差大、力学性能缺陷等，因此，需要对每个生产阶段的生产标准与实际结合进行分析，来确定对应阶段所存在的异常。
该实施例中，由于每个电力产品都存在对应的生产设置参数，根据该设置好的参数来执行相应的生产操作，所以，就会存在针对不同阶段的标准的生产结果，且通过对每个阶段的实际生产过程进行监测，来得到实际生产结果，因为，每个生产过程中会涉及到若干因子，其中，存在常规的因子，以及特定设定的因子，因此，来构建针对常规因子以及特定设定因子的矩阵。
其中，常规因子，比如，工作电流、工作电压，特殊生产因子：混凝土的搅拌量；
此时：常规对比矩阵=
特殊对比矩阵=
该实施例中，
最后对比矩阵=
该实施例中，因子融合指的是将对应因子放置到一起。
该实施例中，不同的因子对应矩阵所导致的分析结果是不一样的，因此，从常规、特殊以及融合三方面来考虑，计算存在的互斥值。
该实施例中，不同分析结果对应的特征，是基于预先训练好的模型，来对分析结果进行判断，得到匹配的特征，该模型是基于不同的训练样本（因子以及不同因子组合可提取的特征，主要是生产特征）来对神经网络模型进行训练，得到不同情况下的分析结果的特征，因为分析结果是不同矩阵中的各个元素以及元素差异。
该实施例中，第一预设值取值为0.5。
该实施例中，信息量指的是对应分析结果中所存在的异常，因为每个生产阶段会存在若干的生产指标（因子），所以会存在不同异常的信息量。
该实施例中，如果x1大于x2，此时，将x1对应的分析结果作为主要分析结果，将x2对应的分析结果作为次要分析结果。
该实施例中，次要分析结果：异常结果01-0.1（对应权重）、异常结果02-0.2（对应权重），此时，预设占比为0.1，且异常结果02为非交集异常结果（与其余两个分析结果的异常不存在交集），此时，就将异常结果02进行融合。
该实施例中，质量标签是基于对应阶段所存在的异常结果，从结果-标签映射表中映射得到的，且结果-标签映射表是包括不同阶段的异常组合以及与该异常组合一致的标签在内，主要是为了对标签的有效获取。
该实施例中，生产标签向量=[生产阶段01的质量标签 生产阶段02的质量标签...]。
上述技术方案的有益效果是：通过获取每个生产阶段的标准结果与实际结果，构建常规与特殊的矩阵，进而通过对三个矩阵的对比分析、特征提取，来计算互斥值，为后续每个生产阶段设置有效的标签，保证第一质量追踪的可靠性，为溯源提供有效基础。
本发明提供一种基于大数据的电力产品质量溯源追踪管理方法，对预设运输方的运输过程进行第二质量追踪，包括：
提取所述预设运输方在运输过程中所产生的运输日志中的运输路径以及所述运输路径中每个运输阶段的阶段运输影响因子；
获取每个运输阶段的运输约束条件，并向对应运输阶段设置有效运输标签；
提取所述运输约束条件中的约束因子以及每个约束因子的约束范围，并将所述约束因子与阶段运输影响因子进行一致性分析；
当存在与阶段运输影响因子一致的约束因子，且对应阶段运输影响因子的影响值在约束范围内时，向对应阶段运输影响因子设置为1的因子一致值；
当存在与阶段运输影响因子一致的约束因子，且对应阶段运输影响因子的影响值不在约束范围内时，若，则向对应阶段运输影响因子设置为0的因子一致值，其中，maxy1表示基于约束范围的最大值y1，miny2表示基于约束范围的最小值y2；y0表示对应阶段运输影响因子的影响值，其中，y0、miny2以及maxy1的取值大于或等于0，且maxy1大于miny2；
若，则向对应阶段运输影响因子设置为a1的因子一致值，其中，a1的取值范围为(0,1)；
当存在与阶段运输影响因子不一致的约束因子，则判断所存在的约束因子是否囊括所有阶段运输影响因子；
若囊括，则按照对应的设置结果，确定对应阶段运输影响因子的因子一致值；
若不囊括，则确定阶段运输影响因子基于整个运输路径的出现频次；
当，向对应阶段运输影响因子设置为-1的因子一致值，其中，p1表示对应阶段运输影响因子基于整个运输路径的单独出现频次；p2表示对应阶段运输影响因子基于整个运输路径的非单独出现频次；
当，向对应阶段运输影响因子设置为a2的因子一致值，其中，a2的取值范围为（-1，0）；
根据所述因子一致值，计算得到对应运输阶段的阶段一致值；
从值-标签映射表中，匹配获取与所述阶段一致值相关的有效运输标签；
基于所述有效运输标签，得到对应目标电力产品的运输标签向量，实现第二质量追踪。
该实施例中，单独出现频次指的是对应运输阶段中不存在与该阶段运输因子一致的约束因子，且该情况的出现次数；非单独出现频次指的是对应运输阶段中存在与该阶段运输因子一致的约束因子，且该情况的出现次数，比如，运输阶段1中不存在约束因子1，但是，存在阶段运输因子1，且运输阶段2中也不存在约束因子1，但是存在阶段运输因子1，此时，就视为单独出现频次为2，如果运输阶段2中存在约束因子1，此时，就视为单独出现频次为1，非单独出现频次为1。
该实施例中，运输日志包含运输路径，也就是运输起始点到运输终点的路径，由于运输路径包含不同路段，所以，来确定不同运输路段的影响因子，且每个运输路段即为对应的运输阶段。
该实施例中，运输约束条件指的是运输过程中不同运输路段的崎岖程度、天气情况，运输人员本身的运输能力，运输过程中的突发情况（紧急刹车）等，都会对产品造成一定的损伤，因此，根据每个运输路段设置运输约束条件。
该实施例中，设置的有效运输标签即为对应运输路段的因子一致值所确定出来的。
该实施例中，比如，约束条件1：运输道路崎岖程度在1~2等级中，那么如果在实际运输过程中，所对应路段的驾驶安全程度是满足崎岖程度1~2的，就判定因子一致值为1。
该实施例中，每个因子的约束范围都是预先设定好，主要是起到一个参考作用，且不同的约束因子也是基于运输约束条件来获取得到的。
该实施例中，阶段运输影响因子的影响值是从因子-影响映射表获取得到的，因为，在实际运输的过程中是可以捕捉到针对该因子的实际值的，所以，就可以根据该因子的实际值，从因子-影响映射表中来获取得到影响值，比如，在崎岖道路上的行驶速度过快，会加重产品之间的碰撞力度，进而，根据该实际的行驶速度所对应的因子，来获取该崎岖道路下该因子所对应的影响值。
该实施例中，阶段一致值=每个因子一致值与对应因子的权重的乘积累加和。
该实施例中，值-标签映射表是包括不同因子对应的因子一致值组合、阶段一致值、以及与其所匹配的标签在内的，因此，可以得到对应的有效运输标签。
该实施例中，运输标签向量=[运输阶段01的标签 运输阶段02的标签 ...]。
该实施例中，运输标签向量是包含可能存在的异常影响因子以及对应的异常阶段在内的，可以用标签将其进行表示。
上述技术方案的有益效果是：通过分析每个运输路段的影响因子，并与约束条件进行对比分析，来向不同的运输阶段的影响因子设置因子一致值，进而通过计算得到阶段一致值，为后续构建运输标签向量提供基础，保证后续溯源的精准性。
本发明提供一种基于大数据的电力产品质量溯源追踪管理方法，对预设应用方的应用过程进行第三质量追踪，包括：
根据对预设应用方的应用过程中每个应用阶段的监测结果，构建每个应用阶段的阶段放置结果与标准放置结果的放置矩阵；
向每个放置矩阵设置放置标签，并构建得到对应目标电力产品的应用标签向量，实现第三质量追踪。
该实施例中，以混凝土电杆为例：
在应用的过程中：
步骤01：将混凝士电杆放置于预留好的安装位置，用膨胀螺栓固定好底座及地脚螺丝并拧紧螺栓上的螺帽，然后浇注混凝土至设计标高后捣固成型即可完成基础施工工作。
步骤02：将电线铺设完毕之后，用电线夹子将电线固定在电杆顶部横担上。
其中，步骤01与步骤02为对应的应用阶段，在应用阶段01中的监测结果与安装位置、螺栓固定力度、混凝土浇筑高度相关，在应用阶段02中的监测结果与电线铺设长度、夹子固定位置相关。
在实际监测过程中，会监测到实际安装位置、实际固定力度、实际浇筑高、实际铺设长度以及实际固定位置。
针对阶段01的放置矩阵：
其中，矩阵中的第一行为阶段放置结果，矩阵中的第二行为标准放置结果。
该实施例中，放置标签的设定是根据矩阵中每列元素，从元素组合-标签数据库中映射得到的，该元素组合-标签数据库包括不同电力产品对应阶段的设定元素下所对应实际与标准的各种组合搭配以及与各种组合搭配对应的标签设定结果在内，因此，可以得到针对该阶段的放置标签，其中，放置标签还主要是为了凸显对应矩阵中所存在的异常元素，比如，固定力度存在不一致，则主要是凸显固定力度这个元素。
该实施例中，应用标签向量=[应用阶段01的标签 应用阶段02的标签 应用阶段03的标签...]。
该实施例中，由于在应用过程中对某些阶段存在操作失误，可能会导致产品的质量出现问题，比如，使用寿命降低，此时，就可以溯源，来确定哪个阶段造成的该结果。
上述技术方案的有益效果是：通过对应用过程中的每个阶段进行监测，来构建每个阶段的放置矩阵，进而来得到应用向量，通过每个阶段的有效分析，来为后续质量溯源提供基础。
本发明提供一种基于大数据的电力产品质量溯源追踪管理方法，基于质量追踪结果，对目标电力产品进行综合质量分析，包括：
将第一质量追踪结果的生产标签向量与标准生产向量进行第一对比分析、将第二质量追踪结果的运输标签向量与标准运输向量进行第二对比分析以及将第三质量追踪结果的应用标签向量与标准应用标签进行第三对比分析；
根据对比结果，确定每个过程对应的质量问题以及生产过程、运输过程、应用过程的问题相关信息。
该实施例中，每个过程都有其存在的标准向量，所以在进行对比分析之后，会确定每个过程中可能会存在的质量问题。
该实施例中，每个过程所存在的质量问题是由于对应阶段的不当操作所导致的，因此，不同的阶段所对应的质量问题是不一样的。
该实施例中，生产过程存在质量问题1，运输过程存在质量问题2，应用过程存在质量问题3，其中，质量问题2可能会导致质量问题3的出现，比，在运输过程中，电力产品存在磨损情况，在应用过程中，由于磨损导致浇筑高度变低，进一步会导致产品寿命的降低，也就是问题相关信息是基于不同过程的直接影响关系导致的。
上述技术方案的有益效果是：通过将每个过程的向量进行对比分析，来确定存在的质量问题，为后续溯源提供基础。
本发明提供一种基于大数据的电力产品质量溯源追踪管理方法，锁定所述目标电力产品的异常阶段以及异常阶段对应的异常因子，包括：
根据每个过程的质量问题，锁定异常阶段以及异常阶段所存在的初始因子；
根据生产过程、运输过程、应用过程的问题相关信息，对所述初始因子进行优化，获取得到对应异常阶段的异常因子。
该实施例中，问题相关信息指的是不同过程所存在的质量问题之间的相关关系，比如，运输过程导致的质量问题会直接影响应用过程，此时，就需要根据运输过程所导致的质量问题对应用过程所导致的质量问题进行优化，来确定应用过程的真实异常。
该实施例中，运输过程中的运输阶段02的产品磨损，直接导致应用过程中浇筑高度后，产品的高度达不到所需要的高度，比如：
产品本身高度：10米，标准浇筑高度为1米，磨损0.5米，对应的露出地面的标准高度本身应该为：9米，此时，在浇筑高度标准的情况下所露出地面的高度应该为：10-0.5-1=8.5米，但是，实际测量到的高度为8.0米，也就是此时，浇筑高度是存在问题的，所以，在基于问题相关信息也就是磨损0.5米，来对初始因子优化，也就是可以从本质上获取实际的浇筑高度1.5米。
如果直接从露出地面的高度与产品本身高度来计算的话，浇筑高度是1米，但是，由于磨损，导致浇筑高度是1.5米。
上述技术方案的有益效果是：通过锁定异常阶段、初始因子，来按照问题相关信息对初始因子进行优化，保证获取异常因子的精准性，为
本发明提供一种基于大数据的电力产品质量溯源追踪管理方法，基于对应电力产品的唯一编码以及所述异常因子，构建异常存储块，包括：
分别构建每个过程的过程链，其中，所述过程链包括若干过程阶段；
将每个过程所涉及到的异常因子以及对应异常因子的异常阶段，在匹配的过程阶段上进行设置，得到对应的存储链；
根据具备唯一编码的目标电力产品的每个存储链的链空间，构建大于总链空间的异常存储块。
该实施例中，存储链：生产过程-运输过程-应用过程。
该实施例中，假如，生产过程存在2个阶段，运输过程存在1个阶段，应用过程在2个阶段，生产过程中的第1个阶段存在异常，剩余其余过程都正常，此时，存储链：生产阶段1（异常c1）-生产阶段2-运输阶段2-应用阶段1-应用阶段2，其中,生产阶段1（异常c1）-生产阶段2，即为对应的过程链。
该实施例中，链空间指的是可以放置每个过程相关信息的容量空间，且异常存储块就是存放单元，且存放容量大于所有电力产品所对应总链空间的容量空间，保证数据的完整存储。
上述技术方案的有益效果是：通过构建过程链，便于了解每个过程的阶段情况，且通过构建异常存储块，便于将存储链进行存储，方便后续的有效溯源。
本发明提供一种基于大数据的电力产品质量溯源追踪管理方法，构建异常存储块，并对所述目标电力产品进行异常管理，包括：
将处于同类型的电力产品的异常存储块进行同类关联，并基于同类型的电力产品的异常存储块的块位置，构建对应的关联构架；
将所述关联构架上的每个存储块的最突出异常进行第一批注显示以及高频次异常进行第二批注显示，并对同类型的电力产品进行同异常管理以及突出异常管理。
该实施例中，同类型的电力产品指的是生产型号一样的产品，同类关联指的是将同生产型号的所有产品关联起来，并按照同批次的先后生产顺序，构建关联构架。
该实施例中，最突出异常指的是标准向量与过程向量进行比较之后所存在的最突出的阶段异常进行第一批注显示，也就是标准与实际的差值越大，对应的异常越大，也就越突出。
该实施例中，高频次异常指的是同类型产品在相同阶段出现的异常次数，比如，产品1、2、3，在生产阶段2中都出现异常，此时，异常次数为3，将超过1的异常就视为高频次异常。
如图3所示，为针对的关联构架的结构图，假设存在两个批次，第一批次中有2个同类型电力产品，第二批次中有1个同类型电力产品。
上述技术方案的有益效果是：通过构建关联构架以及异常批注，实现对异常的有效管理，进而方便对质量的有效溯源。
本发明提供一种基于大数据的电力产品质量溯源追踪管理系统，如图2所示，包括：
编码设置模块，用于获取目标电力产品的预设生产方、预设运输方以及预设应用方，且结合目标电力产品的生产序号，向匹配的目标电力产品设置唯一编码；
质量追踪模块，用于对目标电力产品的预设生产方的生产过程进行第一质量追踪、对预设运输方的运输过程进行第二质量追踪以及对预设应用方的应用过程进行第三质量追踪；
异常锁定模块，用于基于质量追踪结果，对目标电力产品进行综合质量分析，并锁定所述目标电力产品的异常阶段以及异常阶段对应的异常因子；
异常管理模块，用于基于对应电力产品的唯一编码以及所述异常因子，构建异常存储块，并对所述目标电力产品进行异常管理。
上述技术方案的有益效果是：通过对目标电力产品的生产过程、运输过程以及应用过程进行质量追踪，便于对产品所出现的异常位置进行及时锁定，避免将产生的异常都归结到生产所导致质量的问题上，可实现对产品的有效溯源管理。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于大数据的电力产品质量溯源追踪管理方法，其特征在于，包括：
步骤1：获取目标电力产品的预设生产方、预设运输方以及预设应用方，且结合目标电力产品的生产序号，向匹配的目标电力产品设置唯一编码；
步骤2：对目标电力产品的预设生产方的生产过程进行第一质量追踪、对预设运输方的运输过程进行第二质量追踪以及对预设应用方的应用过程进行第三质量追踪；
步骤3：基于质量追踪结果，对目标电力产品进行综合质量分析，并锁定所述目标电力产品的异常阶段以及异常阶段对应的异常因子；
步骤4：基于对应电力产品的唯一编码以及所述异常因子，构建异常存储块，并对所述目标电力产品进行异常管理；
其中，对预设应用方的应用过程进行第三质量追踪，包括：
根据对预设应用方的应用过程中每个应用阶段的监测结果，构建每个应用阶段的阶段放置结果与标准放置结果的放置矩阵；
向每个放置矩阵设置放置标签，并构建得到对应目标电力产品的应用标签向量，实现第三质量追踪。
2.根据权利要求1所述的基于大数据的电力产品质量溯源追踪管理方法，其特征在于，获取目标电力产品的预设生产方、预设运输方以及预设应用方，且结合目标电力产品的生产序号，向匹配的目标电力产品设置唯一编码，包括：
获取目标电力产品的预设生产方的生产方编号；
获取目标电力产品的预设运输方的运输方编号；
获取目标电力产品的预设应用方的应用方编号；
基于生产方编号、运输方编号、应用方编号以及生产序号，得到唯一编码。
3.根据权利要求1所述的基于大数据的电力产品质量溯源追踪管理方法，其特征在于，对目标电力产品的预设生产方的生产过程进行第一质量追踪，包括：
获取生产过程中每个生产阶段的生产模具的标准生产结果以及实际生产结果，并根据每个生产过程的常规生产因子以及特殊生产因子，构建常规对比矩阵以及特殊对比矩阵；
对所述常规对比矩阵进行第一分析、对所述特殊对比矩阵进行第二分析，以及按照对应成产阶段的生产性质对所述常规生产因子以及特殊生产因子进行因子融合，得到最后对比矩阵，并对所述最后对比矩阵进行第三分析；
提取基于第一分析结果的第一特征、基于第二分析结果的第二特征以及基于第三分析结果的第三特征；
将所述第一特征和第二特征，与第三特征进行互特征分析，获取得到互斥值；
其中，T1表示第一特征；T2表示第二特征；T3表示第三特征；表示并集符号；表示交集符号；ln表示以e为底的对数函数符号；lg表示以10为底的对数函数符号；n1表示所对应交集特征的个数；表示第i个交集特征的历史交集概率；表示对的微调函数；H1表示对应的互斥值；
当所述互斥值小于第一预设值时，根据第三分析结果向对应生产阶段设置第一质量标签；
否则，获取第一分析结果与第二分析结果的第一异常信息的信息量x1、第三分析结果的第二异常信息的信息量x2，根据max{x1,x2}，将信息量大的分析结果作为主要分析结果，将信息量小的分析结果作为次要分析结果，并提取次要分析结果中的权重占比大于预设占比的非交集异常结果，且与主要分析结果进行结果融合，向对应生产阶段设置第二质量标签；
根据生产过程中的每个生产阶段的质量标签得到对应目标电力产品的生产标签向量，实现第一质量追踪。
4.根据权利要求1所述的基于大数据的电力产品质量溯源追踪管理方法，其特征在于，对预设运输方的运输过程进行第二质量追踪，包括：
提取所述预设运输方在运输过程中所产生的运输日志中的运输路径以及所述运输路径中每个运输阶段的阶段运输影响因子；
获取每个运输阶段的运输约束条件，并向对应运输阶段设置有效运输标签；
提取所述运输约束条件中的约束因子以及每个约束因子的约束范围，并将所述约束因子与阶段运输影响因子进行一致性分析；
当存在与阶段运输影响因子一致的约束因子，且对应阶段运输影响因子的影响值在约束范围内时，向对应阶段运输影响因子设置为1的因子一致值；
当存在与阶段运输影响因子一致的约束因子，且对应阶段运输影响因子的影响值不在约束范围内时，若，则向对应阶段运输影响因子设置为0的因子一致值，其中，maxy1表示基于约束范围的最大值y1，miy2表示基于约束范围的最小值y2；y0表示对应阶段运输影响因子的影响值，其中，y0、miy2以及maxy1的取值大于或等于0，且maxy1大于miy2；
若，则向对应阶段运输影响因子设置为a1的因子一致值，其中，a1的取值范围为(0,1)；
当存在与阶段运输影响因子不一致的约束因子，则判断所存在的约束因子是否囊括所有阶段运输影响因子；
若囊括，则按照对应的设置结果，确定对应阶段运输影响因子的因子一致值；
若不囊括，则确定阶段运输影响因子基于整个运输路径的出现频次；
当，向对应阶段运输影响因子设置为-1的因子一致值，其中，p1表示对应阶段运输影响因子基于整个运输路径的单独出现频次；p2表示对应阶段运输影响因子基于整个运输路径的非单独出现频次；
当，向对应阶段运输影响因子设置为a2的因子一致值，其中，a2的取值范围为（-1，0）；
根据所述因子一致值，计算得到对应运输阶段的阶段一致值；
从值-标签映射表中，匹配获取与所述阶段一致值相关的有效运输标签；
基于所述有效运输标签，得到对应目标电力产品的运输标签向量，实现第二质量追踪。
5.根据权利要求1所述的基于大数据的电力产品质量溯源追踪管理方法，其特征在于，基于质量追踪结果，对目标电力产品进行综合质量分析，包括：
将第一质量追踪结果的生产标签向量与标准生产向量进行第一对比分析、将第二质量追踪结果的运输标签向量与标准运输向量进行第二对比分析以及将第三质量追踪结果的应用标签向量与标准应用标签进行第三对比分析；
根据对比结果，确定每个过程对应的质量问题以及生产过程、运输过程、应用过程的问题相关信息。
6.根据权利要求5所述的基于大数据的电力产品质量溯源追踪管理方法，其特征在于，锁定所述目标电力产品的异常阶段以及异常阶段对应的异常因子包括：
根据每个过程的质量问题，锁定异常阶段以及异常阶段所存在的初始因子；
根据生产过程、运输过程、应用过程的问题相关信息，对所述初始因子进行优化，获取得到对应异常阶段的异常因子。
7.根据权利要求1所述的基于大数据的电力产品质量溯源追踪管理方法，其特征在于，基于对应电力产品的唯一编码以及所述异常因子，构建异常存储块，包括：
分别构建每个过程的过程链，其中，所述过程链包括若干过程阶段；
将每个过程所涉及到的异常因子以及对应异常因子的异常阶段，在匹配的过程阶段上进行设置，得到对应的存储链；
根据具备唯一编码的目标电力产品的每个存储链的链空间，构建大于总链空间的异常存储块。
8.根据权利要求1所述的基于大数据的电力产品质量溯源追踪管理方法，其特征在于，构建异常存储块，并对所述目标电力产品进行异常管理，包括：
将处于同类型的电力产品的异常存储块进行同类关联，并基于同类型的电力产品的异常存储块的块位置，构建对应的关联构架；
将所述关联构架上的每个存储块的最突出异常进行第一批注显示以及高频次异常进行第二批注显示，并对同类型的电力产品进行同异常管理以及突出异常管理。
9.一种基于大数据的电力产品质量溯源追踪管理系统，其特征在于，包括：
编码设置模块，用于获取目标电力产品的预设生产方、预设运输方以及预设应用方，且结合目标电力产品的生产序号，向匹配的目标电力产品设置唯一编码；
质量追踪模块，用于对目标电力产品的预设生产方的生产过程进行第一质量追踪、对预设运输方的运输过程进行第二质量追踪以及对预设应用方的应用过程进行第三质量追踪；
异常锁定模块，用于基于质量追踪结果，对目标电力产品进行综合质量分析，并锁定所述目标电力产品的异常阶段以及异常阶段对应的异常因子；
异常管理模块，用于基于对应电力产品的唯一编码以及所述异常因子，构建异常存储块，并对所述目标电力产品进行异常管理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310375625.5A CN116109209B (zh) | 2023-04-11 | 2023-04-11 | 一种基于大数据的电力产品质量溯源追踪管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310375625.5A CN116109209B (zh) | 2023-04-11 | 2023-04-11 | 一种基于大数据的电力产品质量溯源追踪管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116109209A true CN116109209A (zh) | 2023-05-12 |
| CN116109209B CN116109209B (zh) | 2023-06-30 |
Family
ID=86258207
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310375625.5A Active CN116109209B (zh) | 2023-04-11 | 2023-04-11 | 一种基于大数据的电力产品质量溯源追踪管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116109209B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN207020712U (zh) * | 2017-04-27 | 2018-02-16 | 广东博立科技有限公司 | 智能电表生产质量管控系统 |
| CN108241925A (zh) * | 2016-12-23 | 2018-07-03 | 重庆邮电大学 | 一种基于离群点检测的离散制造机械产品质量溯源方法 |
| CN109064184A (zh) * | 2018-06-19 | 2018-12-21 | 国网江西省电力有限公司南昌供电分公司 | 一种电网设备质量追溯系统及方法 |
| CN112184480A (zh) * | 2020-09-18 | 2021-01-05 | 西安交通大学 | 一种基于区块链的电能品质溯源系统及方法 |
| CN113138588A (zh) * | 2020-06-30 | 2021-07-20 | 法国圣戈班玻璃公司 | 用于产品追溯的方法、设备和计算机可读存储介质 |
| CN114139436A (zh) * | 2021-09-14 | 2022-03-04 | 国网天津市电力公司 | 一种低压配电网用户电能质量扰动溯源方法 |
| WO2023279846A1 (zh) * | 2021-07-06 | 2023-01-12 | 上海商汤智能科技有限公司 | 可溯源生产数据的生成方法、装置、设备、介质及程序 |
-
2023
- 2023-04-11 CN CN202310375625.5A patent/CN116109209B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108241925A (zh) * | 2016-12-23 | 2018-07-03 | 重庆邮电大学 | 一种基于离群点检测的离散制造机械产品质量溯源方法 |
| CN207020712U (zh) * | 2017-04-27 | 2018-02-16 | 广东博立科技有限公司 | 智能电表生产质量管控系统 |
| CN109064184A (zh) * | 2018-06-19 | 2018-12-21 | 国网江西省电力有限公司南昌供电分公司 | 一种电网设备质量追溯系统及方法 |
| CN113138588A (zh) * | 2020-06-30 | 2021-07-20 | 法国圣戈班玻璃公司 | 用于产品追溯的方法、设备和计算机可读存储介质 |
| CN112184480A (zh) * | 2020-09-18 | 2021-01-05 | 西安交通大学 | 一种基于区块链的电能品质溯源系统及方法 |
| WO2023279846A1 (zh) * | 2021-07-06 | 2023-01-12 | 上海商汤智能科技有限公司 | 可溯源生产数据的生成方法、装置、设备、介质及程序 |
| CN114139436A (zh) * | 2021-09-14 | 2022-03-04 | 国网天津市电力公司 | 一种低压配电网用户电能质量扰动溯源方法 |
Non-Patent Citations (1)
| Title |
|---|
| 朱毅等: ""电网设备质量追溯系统建设实践"", 《中国电力企业管理》, vol. 540, no. 27, pages 50 - 51 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116109209B (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110216788B (zh) | 一种桥梁节段预制场的智能化控制方法 | |
| JP2016189088A (ja) | 設備管理支援システム | |
| CN116109209B (zh) | 一种基于大数据的电力产品质量溯源追踪管理方法及系统 | |
| JP2006101688A (ja) | 発電機における迅速注文対応固定子巻直しのプロセス | |
| CN110065146A (zh) | 一种混凝土预制构件的模具及其制作方法 | |
| CN114510768A (zh) | 一种基于数字孪生的钢管混凝土拱桥施工监控方法及系统 | |
| CN116703127A (zh) | 一种基于bim的建筑施工监管方法及系统 | |
| CN109767108B (zh) | 一种电力调度系统线路状态精准分析方法 | |
| CN112132423B (zh) | 一种轨道移动式制梁台座生产管理方法及系统 | |
| CN111274637A (zh) | 基于bim技术的四维桥梁信息管理系统 | |
| KR20200097462A (ko) | Bim 기반 pc 구조물 시공 및 관리 방법 | |
| CN115510536B (zh) | 基于bim的钢筋自动化加工系统及方法 | |
| CN112097070A (zh) | 移动龙门架式装配式建筑预制构件生产辅助装置与方法 | |
| CN112241560A (zh) | 一种基于bim技术的建筑胶合板模板施工方法及智能系统 | |
| CN115907160A (zh) | 一种土建模型造价优化方法 | |
| CN110807844A (zh) | 一种基于区块链技术的电网基塔巡检方法 | |
| CN210210809U (zh) | 一种混凝土预制构件的模具 | |
| Xu et al. | Study on construction planning for bridge structure based on BIM technology | |
| CN108643216B (zh) | 更换老旧隔离开关时基础不停电施工方法 | |
| CN112381675A (zh) | 一种基于bim的房地产建设工程的施工方法 | |
| CN113239032B (zh) | 一种配电网配电设备运维监控方法、装置及系统 | |
| KR20230013773A (ko) | Pc구조물의 설계 및 관리를 위한 bim 활용방법 | |
| CN109016124A (zh) | 一种施工方便的混凝土电杆的专用模具以及生产工艺 | |
| CN115110539B (zh) | 一种集水坑四周单侧支模施工方法 | |
| CN215105445U (zh) | 可扩展基础 |
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 |