CN116384715A - 一种数字化机器人产业链的机器人运维管理方法 - Google Patents

一种数字化机器人产业链的机器人运维管理方法 Download PDF

Info

Publication number
CN116384715A
CN116384715A CN202310657587.2A CN202310657587A CN116384715A CN 116384715 A CN116384715 A CN 116384715A CN 202310657587 A CN202310657587 A CN 202310657587A CN 116384715 A CN116384715 A CN 116384715A
Authority
CN
China
Prior art keywords
data
maintenance
target
field
robot
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
CN202310657587.2A
Other languages
English (en)
Other versions
CN116384715B (zh
Inventor
杨一鸣
刁忍
刘权
詹彬
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.)
Shenzhen Mo Ying Technology Co ltd
Original Assignee
Shenzhen Mo Ying Technology 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 Shenzhen Mo Ying Technology Co ltd filed Critical Shenzhen Mo Ying Technology Co ltd
Priority to CN202310657587.2A priority Critical patent/CN116384715B/zh
Publication of CN116384715A publication Critical patent/CN116384715A/zh
Application granted granted Critical
Publication of CN116384715B publication Critical patent/CN116384715B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Factory Administration (AREA)
  • Numerical Control (AREA)

Abstract

本发明提供了一种数字化机器人产业链的机器人运维管理方法，包括：获取数字化机器人产业链的生产单元的运行数据，并设定对运行数据进行维护的运维方式；根据生产单元在产业链中的链路数据和运行数据，对生产单元进行个性化扩展，得到扩展数据；按照运维方式对运行数据和扩展数据进行监控运维，得到运维数据；对运维数据进行评估，对出现异常或出现改动的生产单元进行预警提醒；本发明提高对机器人在产业链生产的生产效率和资源利用率，实现对机器人产业链的有效运维管理。

Description

一种数字化机器人产业链的机器人运维管理方法
技术领域
本发明涉及数据管理技术领域，特别涉及一种数字化机器人产业链的机器人运维管理方法。
背景技术
随着人工智能化技术的快速发展，给机器人产业带来了强劲的发展动力。机器人应用在个生产和生活的各个角落。
机器人的生产通常是先生产出各个单元部件，然后对各个单元部件进行连接，得到完整的机器人，通常对机器人生产的监控管理是独立的对每个单元部件的生产流程进行监控管理，缺乏对机器人整个生产过程的整体监测，在一个单元部件出现调整后异常后，不能及时的对其他单元部件采取对应的调整措施，造成生产效率不高，且缺乏对整体生产过程的资源使用评估，存在不能合理利用生产资源，造成资源浪费的情况，缺乏对机器人生产的有效管理。
发明内容
本发明提供一种数字化机器人产业链的机器人运维管理方法，提高对机器人在产业链生产的生产效率和资源利用率，实现对机器人产业链的有效运维管理。
一种数字化机器人产业链的机器人运维管理方法，包括：
S1：获取数字化机器人产业链的生产单元的运行数据，并设定对运行数据进行维护的运维方式；
S2：根据生产单元在产业链中的链路数据和运行数据，对生产单元进行个性化扩展，得到扩展数据；
S3：按照运维方式对运行数据和扩展数据进行监控运维，得到运维数据；
S4：对运维数据进行评估，对出现异常或出现改动的生产单元进行预警提醒。
优选的，S1中，获取数字化机器人产业链的生产单元的运行数据，包括：
获取从各个传感器和检测装置中采集到的原始数据，并对原始数据按照采集属性进行第一标记，得到第一数据标记，对原始数据按照单元属性进行第二标记，得到第二数据标记；
基于第一数据标记和第二数据标记，对原始数据进行标记，得到运行数据。
优选的，S1中，设定对运行数据进行维护的运维方式，包括：
基于运维数据中的第一数据标记，对运维数据进行第一标记，得到第一数据集合，基于运维数据中的第二数据标记，对运维数据进行第二标记，得到第二数据集合；
对第一数据集合中的每组数据按照时间进行排序，得到数据曲线，对多组数据曲线的曲线波动特征进行关联分析，确定组间的数值关联，确定采集属性之间的属性关联，基于属性关联和数值关联确定第一运维因子；
对第二数据集合中的每组数据的采集属性进行综合分析，确定每个生成单元下对应的数据个数和数据特征，基于数据个数，确定对每个生产单元的运维权重，基于数据特征，确定对每个生产单元的架构信息，确定与架构相关联的第二运维因子；
获取第一运维因子的第一关键词，获取第二运维因子和运维权重的第二关键词，按照机器人生产流程，对第一关键词和第二关键词进行生产关联，得到综合关键词组，并基于综合关键词组，得到运维规则；
从机器人生产子运维方式库中获取满足运维规则的子运维方式，基于子运维方式的方式特征，判断方式特征是否存在冲突；
若是，对与其他多个方式特征存在冲突对应的子运维方式进行剔除，对只与其他一个方式特征存在冲突对应的子运维方式进行修正，得到目标子运维方式；
否则，将全部子运维方式作为目标子运维方式；
对目标子运维方式进行整合，得到最终的对运行数据进行维护的运维方式。
优选的，对只与其他一个方式特征存在冲突对应的子运维方式进行修正，包括：
获取存在冲突的两个待修正子运维方式，获取待修正子运维方式的运维顺序，利用前一个待修正子运维方式对后一个待修正子运维方式进行修正，得到目标子运维方式。
优选的，S2中，根据生产单元在产业链中的链路数据和运行数据，对生产单元进行个性化扩展，得到扩展数据，包括：
建立与链路数据对应的数据扩展表；
获取链路数据的第一字段，获取运行数据的第二字段，将第一字段和第二字段进行匹配，得到字段匹配表；
将字段匹配表与数据扩展表进行匹配，得到扩展数据。
优选的，将字段匹配表与数据扩展表进行匹配，得到扩展数据，包括：
基于字段匹配表得到第一字段和第二字段的匹配关系；
从数据扩展表获取与第二字段匹配的目标扩展表，基于匹配关系，得到目标扩展表对应的目标第一字段，将目标第一字段对应的运行数据按照目标扩展表进行扩展，得到扩展数据。
优选的，S3中，按照运维方式对运行数据和扩展数据进行监控运维，得到运维数据，包括：
根据运维方式得到初始运维模板，获取初始运维模板的初始固定字段和初始填充字段；
获取运行数据和扩展数据的数据类别，从初始固定字段中获取可用于对数据类别运维的第一固定字段，基于第一固定字段确定运维类型，获取运行数据和扩展数据的数据特征，判断运维类型满足对全部数据特征的维护；
若是，将第一固定字段作为目标固定字段；
否则，基于运维类型不满足的数据特征，按照与第一固定字段相同的字段特征进行扩展，得到第二固定字段，将第一固定字段和第二固定字段作为目标固定字段；
基于初始固定字段和初始填充字段之间的字段对应关系，结合初始填充字段，获取目标固定字段对应的目标填充字段，并基于目标固定字段和目标填充字段，得到目标运维模板；
基于目标运维模板生成运维管理模型，获取运维管理模型的管理类别；
基于管理类别，对运行数据和扩展数据进行维度分割，得到维度数据，将维度数据依次输入运维管理模型对应的输入口中，得到运维数据。
优选的，基于目标运维模板生成运维管理模型，包括：
基于目标固定字段生成模型结构，基于目标填充字段确定模型结构中的关键节点；
基于关键节点周围相关的节点结构，确定关键节点的管理类别，并基于管理类别对关键节点进行标记；
基于模型结构，关键节点及其标记，生成运维管理模型。
优选的，将维度数据依次输入运维管理模型对应的输入口中，得到运维数据，包括：
将维度数据依次输入运维管理模型对应的输入口中，通过输入口进入到各个关键节点，关键节点将对应的维度数据作为目标填充字段进行接收；
全部完成运维管理模型对维度数据的接收后，运行各个关键节点，实现对运维管理模型的运行，得到运行完成后输出关键节点生成的运维数据。
优选的，S4中，对运维数据进行评估，对出现异常或出现改动的生产单元进行预警提醒，包括：
将运维数据中的状态数据与标准数据进行比较，得到数值差异，并基于数值差异，确定运维数据的运行状态值；
判断运行状态值是否大于预设运行状态值；
若是，确定数字化机器人产业链的生产单元运行正常；
否则，确定数字化机器人产业链的生产单元的运行状态出现波动；
确定运行出现波动的目标生产单元，并从运维数据中获取目标生产单元的资源数据，并基于资源数据的资源量与预设资源量的差值，确定目标生产单元的资源调度系数；
判断资源调度系数是否大于预设调度系数；
若是，确定目标生产单元出现异常，并进行第一预警提醒；
否则，确定与目标生产单元相关的生产单元出现升级，并进行第二预警提醒。
与现有技术相比，本发明取得了以下有益效果：
1）通过建立数字化机器人产业链，来对生产单元进行局部和整体的数据检测，建立对应的运维方式进行运维监测，在发生异常或出现改动时及时进行预警提醒，保证数字化机器人产业链的生产单元的顺利运行，根据生产单元在产业链中的链路数据和运行数据，对生产单元进行个性化扩展，便于了对生产单元的升级和即改即用，提高生产效率和资源利用率，实现对机器人产业链有效管理。
2）根据对运行数据的分析，得到运行数据之间的关联，得到整体的产业链之间的关联，基于关联与本身的特征来为匹配合适的子运维方式，并且对子运维方式进行修正或剔除后，整合得到最终的运维方式，实现对机器人产业链整体的全方面运维，通过最终的运维方式实现对生产单元的有效管理，保证机器人产业链的高效运行和资源高效利用。
3）通过根据运行数据和扩展数据对先前确定的运维方式进行进一步判断和调整，使得到的目标运维模板更加对运行数据，尤其是扩展数据具有针对性，使目标运维模板生成的运维管理模型对运行数据和扩展数据的运维分析更加全面和准确，得到的运维数据能过全方位对生产单元进行维护，实现对机器人产业链有效运维管理。
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数字化机器人产业链的机器人运维管理方法的流程图；
图2为本发明实施例中对生产单元进行个性化扩展的流程图；
图3为本发明实施例中得到运维数据的流程图。
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。
实施例1：
本发明实施例提供一种数字化机器人产业链的机器人运维管理方法，如图1所示，包括：
S1：获取数字化机器人产业链的生产单元的运行数据，并设定对运行数据进行维护的运维方式；
S2：根据生产单元在产业链中的链路数据和运行数据，对生产单元进行个性化扩展，得到扩展数据；
S3：按照运维方式对运行数据和扩展数据进行监控运维，得到运维数据；
S4：对运维数据进行评估，对出现异常或出现改动的生产单元进行预警提醒。
在该实施例中，所述运行数据为数字化机器人产业链的生产单元生产过程中的状态数据，加工数据等。
在该实施例中，所述运维方式例如为对其的评估和检测等，评估和检测与生产单元的特征有关。
在该实施例中，所述链路数据为生产单元在产业链的位置和其他生产单元的关联等数据。
在该实施例中，所述个性化扩展包括对生产单元的调整和修改等。
上述设计方案的有益效果是：通过建立数字化机器人产业链，来对生产单元进行局部和整体的数据检测，建立对应的运维方式进行运维监测，在发生异常或出现改动时及时进行预警提醒，保证数字化机器人产业链的生产单元的顺利运行，根据生产单元在产业链中的链路数据和运行数据，对生产单元进行个性化扩展，便于了对生产单元的升级和即改即用，提高生产效率和资源利用率，实现对机器人产业链有效管理。
实施例2：
基于实施例1的基础上，本发明实施例提供一种数字化机器人产业链的机器人运维管理方法，S1中，获取数字化机器人产业链的生产单元的运行数据，包括：
获取从各个传感器和检测装置中采集到的原始数据，并对原始数据按照采集属性进行第一标记，得到第一数据标记，对原始数据按照单元属性进行第二标记，得到第二数据标记；
基于第一数据标记和第二数据标记，对原始数据进行标记，得到运行数据。
上述设计方案的有益效果是：通过获取原始数据后根据采集属性和单元属性进行标记，得到运行数据，便于了后续对数据的分析与管理。
实施例3：
基于实施例2的基础上，本发明实施例提供一种数字化机器人产业链的机器人运维管理方法，S1中，设定对运行数据进行维护的运维方式，包括：
基于运维数据中的第一数据标记，对运维数据进行第一标记，得到第一数据集合，基于运维数据中的第二数据标记，对运维数据进行第二标记，得到第二数据集合；
对第一数据集合中的每组数据按照时间进行排序，得到数据曲线，对多组数据曲线的曲线波动特征进行关联分析，确定组间的数值关联，确定采集属性之间的属性关联，基于属性关联和数值关联确定第一运维因子；
对第二数据集合中的每组数据的采集属性进行综合分析，确定每个生成单元下对应的数据个数和数据特征，基于数据个数，确定对每个生产单元的运维权重，基于数据特征，确定对每个生产单元的架构信息，确定与架构相关联的第二运维因子；
获取第一运维因子的第一关键词，获取第二运维因子和运维权重的第二关键词，按照机器人生产流程，对第一关键词和第二关键词进行生产关联，得到综合关键词组，并基于综合关键词组，得到运维规则；
从机器人生产子运维方式库中获取满足运维规则的子运维方式，基于子运维方式的方式特征，判断方式特征是否存在冲突；
若是，对与其他多个方式特征存在冲突对应的子运维方式进行剔除，对只与其他一个方式特征存在冲突对应的子运维方式进行修正，得到目标子运维方式；
否则，将全部子运维方式作为目标子运维方式；
对目标子运维方式进行整合，得到最终的对运行数据进行维护的运维方式。
在该实施例中，所述数值关联为两个曲线之间随时间变化存在数值上的波动一致。
在该实施例中，所述第一运维因子例如为对采集属性之间的关联因子，采集数据的数值之间的关联因子。
在该实施例中，所述第二运维因子例如为对架构的判断因子，补充因子等。
在该实施例中，例如第一关键词为机器人部件参数关联，第二关键词为机器人生产架构参数，则对应的关键词组为机器人部件参数关联与生产架构参数之间的关系，得到的运维规则可以是对机器人生产架构的维护规则。
在该实施例中，所述子运维方式为对机器人产业链的局部运维或对整体的单一属性运维，整合得到最终的运维方式为机器人产业链整体的全方面运维。
上述设计方案的有益效果是：根据对运行数据的分析，得到运行数据之间的关联，得到整体的产业链之间的关联，基于关联与本身的特征来为匹配合适的子运维方式，并且对子运维方式进行修正或剔除后，整合得到最终的运维方式，实现对机器人产业链整体的全方面运维，通过最终的运维方式实现对生产单元的有效管理，保证机器人产业链的高效运行和资源高效利用。
实施例4：
基于实施例3的基础上，本发明实施例提供一种数字化机器人产业链的机器人运维管理方法，对只与其他一个方式特征存在冲突对应的子运维方式进行修正，包括：
获取存在冲突的两个待修正子运维方式，获取待修正子运维方式的运维顺序，利用前一个待修正子运维方式对后一个待修正子运维方式进行修正，得到目标子运维方式。
上述设计方案的有益效果是：通过前一个待修正子运维方式对后一个待修正子运维方式进行依次修正，保证得到的目标子运维方式与其他子运维方式的兼容性，保证最终得到的运维方式的合理性。
实施例5：
基于实施例1的基础上，本发明实施例提供一种数字化机器人产业链的机器人运维管理方法，如图2所示，S2中，根据生产单元在产业链中的链路数据和运行数据，对生产单元进行个性化扩展，得到扩展数据，包括：
S201：建立与链路数据对应的数据扩展表；
S202：获取链路数据的第一字段，获取运行数据的第二字段，将第一字段和第二字段进行匹配，得到字段匹配表；
S203：将字段匹配表与数据扩展表进行匹配，得到扩展数据。
上述设计方案的有益效果是：通过利用链路数据来对运行数据进行扩展，得到的扩展数据用于对生产单元的升级和即改即用，提高生产效率和资源利用率，为运维管理提供数据基础。
实施例6：
基于实施例5的基础上，本发明实施例提供一种数字化机器人产业链的机器人运维管理方法，将字段匹配表与数据扩展表进行匹配，得到扩展数据，包括：
基于字段匹配表得到第一字段和第二字段的匹配关系；
从数据扩展表获取与第二字段匹配的目标扩展表，基于匹配关系，得到目标扩展表对应的目标第一字段，将目标第一字段对应的运行数据按照目标扩展表进行扩展，得到扩展数据。
上述设计方案的有益效果是：通过基于链路数据的字段匹配表，利用对应的运行数据来进行数据的扩展，保证得到的扩展数据实现了对产业链的链路相关的扩展，同时使得扩展数据与运行数据相关，最终保证扩展数据的实用性和准确性。
实施例7：
基于实施例1的基础上，本发明实施例提供一种数字化机器人产业链的机器人运维管理方法，如图3所示，S3中，按照运维方式对运行数据和扩展数据进行监控运维，得到运维数据，包括：
S301：根据运维方式得到初始运维模板，获取初始运维模板的初始固定字段和初始填充字段；
S302：获取运行数据和扩展数据的数据类别，从初始固定字段中获取可用于对数据类别运维的第一固定字段，基于第一固定字段确定运维类型，获取运行数据和扩展数据的数据特征，判断运维类型满足对全部数据特征的维护；
S303：若是，将第一固定字段作为目标固定字段；
S304：否则，基于运维类型不满足的数据特征，按照与第一固定字段相同的字段特征进行扩展，得到第二固定字段，将第一固定字段和第二固定字段作为目标固定字段；
S305：基于初始固定字段和初始填充字段之间的字段对应关系，结合初始填充字段，获取目标固定字段对应的目标填充字段，并基于目标固定字段和目标填充字段，得到目标运维模板；
S306：基于目标运维模板生成运维管理模型，获取运维管理模型的管理类别；基于管理类别，对运行数据和扩展数据进行维度分割，得到维度数据，将维度数据依次输入运维管理模型对应的输入口中，得到运维数据。
在该实施例中，固定字段中运维模板中的规定的数据，填充字段为运维模板中待填充的数据，为运行数据或扩展数据，固定字段确定对运行数据或扩展数据的具体分析计算。
在该实施例中，管理类别从生产前，生产中和生产后进行。
在该实施例中，所述运维数据为对运行数据或扩展数据进行分析，得到的对运行数据或扩展数据的表征数据。
上述设计方案的有益效果是：通过根据运行数据和扩展数据对先前确定的运维方式进行进一步判断和调整，使得到的目标运维模板更加对运行数据，尤其是扩展数据具有针对性，使目标运维模板生成的运维管理模型对运行数据和扩展数据的运维分析更加全面和准确，得到的运维数据能过全方位对生产单元进行维护，实现对机器人产业链有效运维管理。
实施例8：
基于实施例7的基础上，本发明实施例提供一种数字化机器人产业链的机器人运维管理方法，基于目标运维模板生成运维管理模型，包括：
基于目标固定字段生成模型结构，基于目标填充字段确定模型结构中的关键节点；
基于关键节点周围相关的节点结构，确定关键节点的管理类别，并基于管理类别对关键节点进行标记；
基于模型结构，关键节点及其标记，生成运维管理模型。
在该实施例中，关键节点用于获取运行数据和扩展数据并结合模型结构进行分析。
上述设计方案的有益效果是：通过基于关键节点周围相关的节点结构，确定关键节点的管理类别，并基于管理类别对关键节点进行标记，构建运维管理模型对数据的内部分析结构，保证运维管理模型的有效运行分析。
实施例9：
基于实施例8的基础上，本发明实施例提供一种数字化机器人产业链的机器人运维管理方法，将维度数据依次输入运维管理模型对应的输入口中，得到运维数据，包括：
将维度数据依次输入运维管理模型对应的输入口中，通过输入口进入到各个关键节点，关键节点将对应的维度数据作为目标填充字段进行接收；
全部完成运维管理模型对维度数据的接收后，运行各个关键节点，实现对运维管理模型的运行，得到运行完成后输出关键节点生成的运维数据。
上述设计方案的有益效果是：通过建立运维管理模型，实现对维度数据的智能运维分析，提高运维分析的效率，对运行数据和扩展数据的运维分析更加全面和准确。
实施例10：
基于实施例1的基础上，本发明实施例提供一种数字化机器人产业链的机器人运维管理方法，S4中，对运维数据进行评估，对出现异常或出现改动的生产单元进行预警提醒，包括：
将运维数据中的状态数据与标准数据进行比较，得到数值差异，并基于数值差异，确定运维数据的运行状态值；
运维数据的运行状态值K的计算公式如下：
Figure SMS_1
；
其中，n表示运维数据中的状态数据的状态类型数量，
Figure SMS_2
表示在第i个状态类型下对应的标准数据的最大状态值，/>
Figure SMS_3
表示在第i个状态类型下对应的标准数据的最小状态值，/>
Figure SMS_4
表示在第i个状态类型下状态数据的数据量，/>
Figure SMS_5
表示在第i个状态类型下第j个状态数据与第i个状态类型下对应的标准数据的状态差值，/>
Figure SMS_6
表示第i个状态类型的状态权重，取值为（0,0.1）；
判断运行状态值是否大于预设运行状态值；
若是，确定数字化机器人产业链的生产单元运行正常；
否则，确定数字化机器人产业链的生产单元的运行状态出现波动；
确定运行出现波动的目标生产单元，并从运维数据中获取目标生产单元的资源数据，并基于资源数据的资源量与预设资源量的差值，确定目标生产单元的资源调度系数；
目标生产单元的资源调度系数
Figure SMS_7
的计算公式如下：
Figure SMS_8
;
其中，S表示资源数据的资源类型数量，
Figure SMS_9
表示资源数据的资源量与预设资源量的总差值，/>
Figure SMS_10
表示第/>
Figure SMS_11
个资源类型的资源权重，/>
Figure SMS_12
表示在第/>
Figure SMS_13
个资源类型下的资源量与第/>
Figure SMS_14
个资源类型下的预设资源量的差值；
判断资源调度系数是否大于预设调度系数；
若是，确定目标生产单元出现异常，并进行第一预警提醒；
否则，确定与目标生产单元相关的生产单元出现升级，并进行第二预警提醒。
在该实施例中，状态值的取值均为（0,1）。
在该实施例中，状态数据与标准数据进行比较，得到数值差异越大，对应的运行状态值越小。
在该实施例中，状态类型对总体的影响越大，对应状态权重越大。
在该实施例中，资源类型对总体的影响越大，对应资源权重越大。
在该实施例中，运行状态值用于表示生产单元的运行状态，运行状态越好，对应的运行状态值越大。
在该实施例中，运行状态出现波动有两种原因一种是出现异常，另一种是相关的其他单元出现改动，导致了当前单元的运行状态波动。
在该实施例中，资源调度系数用于表示生成单元的资源利用率，资源利用率越高，对应的资源调度系数越大。
在该实施例中，由于与目标生产单元相关的生产单元出现升级，而目标生产单元未进行更新将会导致资源使用得不到合理调度，造成资源利用率降低。
上述设计方案的有益效果是：通过对运维数据的进行评估，对出现异常或出现改动的生产单元进行预警提醒，提示工作人员进行及时的相应操作，从而保证数字化机器人产业链顺利运行，提高生产效率和资源利用率，实现对机器人产业链有效管理。
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 (10)

1.一种数字化机器人产业链的机器人运维管理方法，其特征在于，包括：
S1：获取数字化机器人产业链的生产单元的运行数据，并设定对运行数据进行维护的运维方式；
S2：根据生产单元在产业链中的链路数据和运行数据，对生产单元进行个性化扩展，得到扩展数据；
S3：按照运维方式对运行数据和扩展数据进行监控运维，得到运维数据；
S4：对运维数据进行评估，对出现异常或出现改动的生产单元进行预警提醒。
2.根据权利要求1所述的一种数字化机器人产业链的机器人运维管理方法，其特征在于，S1中，获取数字化机器人产业链的生产单元的运行数据，包括：
获取从各个传感器和检测装置中采集到的原始数据，并对原始数据按照采集属性进行第一标记，得到第一数据标记，对原始数据按照单元属性进行第二标记，得到第二数据标记；
基于第一数据标记和第二数据标记，对原始数据进行标记，得到运行数据。
3.根据权利要求2所述的一种数字化机器人产业链的机器人运维管理方法，其特征在于，S1中，设定对运行数据进行维护的运维方式，包括：
基于运维数据中的第一数据标记，对运维数据进行第一标记，得到第一数据集合，基于运维数据中的第二数据标记，对运维数据进行第二标记，得到第二数据集合；
对第一数据集合中的每组数据按照时间进行排序，得到数据曲线，对多组数据曲线的曲线波动特征进行关联分析，确定组间的数值关联，确定采集属性之间的属性关联，基于属性关联和数值关联确定第一运维因子；
对第二数据集合中的每组数据的采集属性进行综合分析，确定每个生成单元下对应的数据个数和数据特征，基于数据个数，确定对每个生产单元的运维权重，基于数据特征，确定对每个生产单元的架构信息，确定与架构相关联的第二运维因子；
获取第一运维因子的第一关键词，获取第二运维因子和运维权重的第二关键词，按照机器人生产流程，对第一关键词和第二关键词进行生产关联，得到综合关键词组，并基于综合关键词组，得到运维规则；
从机器人生产子运维方式库中获取满足运维规则的子运维方式，基于子运维方式的方式特征，判断方式特征是否存在冲突；
若是，对与其他多个方式特征存在冲突对应的子运维方式进行剔除，对只与其他一个方式特征存在冲突对应的子运维方式进行修正，得到目标子运维方式；
否则，将全部子运维方式作为目标子运维方式；
对目标子运维方式进行整合，得到最终的对运行数据进行维护的运维方式。
4.根据权利要求3所述的一种数字化机器人产业链的机器人运维管理方法，其特征在于，对只与其他一个方式特征存在冲突对应的子运维方式进行修正，包括：
获取存在冲突的两个待修正子运维方式，获取待修正子运维方式的运维顺序，利用前一个待修正子运维方式对后一个待修正子运维方式进行修正，得到目标子运维方式。
5.根据权利要求1所述的一种数字化机器人产业链的机器人运维管理方法，其特征在于，S2中，根据生产单元在产业链中的链路数据和运行数据，对生产单元进行个性化扩展，得到扩展数据，包括：
建立与链路数据对应的数据扩展表；
获取链路数据的第一字段，获取运行数据的第二字段，将第一字段和第二字段进行匹配，得到字段匹配表；
将字段匹配表与数据扩展表进行匹配，得到扩展数据。
6.根据权利要求5所述的一种数字化机器人产业链的机器人运维管理方法，其特征在于，将字段匹配表与数据扩展表进行匹配，得到扩展数据，包括：
基于字段匹配表得到第一字段和第二字段的匹配关系；
从数据扩展表获取与第二字段匹配的目标扩展表，基于匹配关系，得到目标扩展表对应的目标第一字段，将目标第一字段对应的运行数据按照目标扩展表进行扩展，得到扩展数据。
7.根据权利要求1所述的一种数字化机器人产业链的机器人运维管理方法，其特征在于，S3中，按照运维方式对运行数据和扩展数据进行监控运维，得到运维数据，包括：
根据运维方式得到初始运维模板，获取初始运维模板的初始固定字段和初始填充字段；
获取运行数据和扩展数据的数据类别，从初始固定字段中获取可用于对数据类别运维的第一固定字段，基于第一固定字段确定运维类型，获取运行数据和扩展数据的数据特征，判断运维类型满足对全部数据特征的维护；
若是，将第一固定字段作为目标固定字段；
否则，基于运维类型不满足的数据特征，按照与第一固定字段相同的字段特征进行扩展，得到第二固定字段，将第一固定字段和第二固定字段作为目标固定字段；
基于初始固定字段和初始填充字段之间的字段对应关系，结合初始填充字段，获取目标固定字段对应的目标填充字段，并基于目标固定字段和目标填充字段，得到目标运维模板；
基于目标运维模板生成运维管理模型，获取运维管理模型的管理类别；
基于管理类别，对运行数据和扩展数据进行维度分割，得到维度数据，将维度数据依次输入运维管理模型对应的输入口中，得到运维数据。
8.根据权利要求7所述的一种数字化机器人产业链的机器人运维管理方法，其特征在于，基于目标运维模板生成运维管理模型，包括：
基于目标固定字段生成模型结构，基于目标填充字段确定模型结构中的关键节点；
基于关键节点周围相关的节点结构，确定关键节点的管理类别，并基于管理类别对关键节点进行标记；
基于模型结构，关键节点及其标记，生成运维管理模型。
9.根据权利要求8所述的一种数字化机器人产业链的机器人运维管理方法，其特征在于，将维度数据依次输入运维管理模型对应的输入口中，得到运维数据，包括：
将维度数据依次输入运维管理模型对应的输入口中，通过输入口进入到各个关键节点，关键节点将对应的维度数据作为目标填充字段进行接收；
全部完成运维管理模型对维度数据的接收后，运行各个关键节点，实现对运维管理模型的运行，得到运行完成后输出关键节点生成的运维数据。
10.根据权利要求1所述的一种数字化机器人产业链的机器人运维管理方法，其特征在于，S4中，对运维数据进行评估，对出现异常或出现改动的生产单元进行预警提醒，包括：
将运维数据中的状态数据与标准数据进行比较，得到数值差异，并基于数值差异，确定运维数据的运行状态值；
判断运行状态值是否大于预设运行状态值；
若是，确定数字化机器人产业链的生产单元运行正常；
否则，确定数字化机器人产业链的生产单元的运行状态出现波动；
确定运行出现波动的目标生产单元，并从运维数据中获取目标生产单元的资源数据，并基于资源数据的资源量与预设资源量的差值，确定目标生产单元的资源调度系数；
判断资源调度系数是否大于预设调度系数；
若是，确定目标生产单元出现异常，并进行第一预警提醒；
否则，确定与目标生产单元相关的生产单元出现升级，并进行第二预警提醒。
CN202310657587.2A 2023-06-06 2023-06-06 一种数字化机器人产业链的机器人运维管理方法 Active CN116384715B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310657587.2A CN116384715B (zh) 2023-06-06 2023-06-06 一种数字化机器人产业链的机器人运维管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310657587.2A CN116384715B (zh) 2023-06-06 2023-06-06 一种数字化机器人产业链的机器人运维管理方法

Publications (2)

Publication Number Publication Date
CN116384715A true CN116384715A (zh) 2023-07-04
CN116384715B CN116384715B (zh) 2023-08-11

Family

ID=86963755

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310657587.2A Active CN116384715B (zh) 2023-06-06 2023-06-06 一种数字化机器人产业链的机器人运维管理方法

Country Status (1)

Country Link
CN (1) CN116384715B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104407589A (zh) * 2014-11-26 2015-03-11 西北工业大学 面向车间制造过程的实时生成性能主动感知与异常分析方法
US20150301515A1 (en) * 2013-01-08 2015-10-22 Secure-Nok As Method, Device and Computer Program for Monitoring an Industrial Control System
CN112561310A (zh) * 2020-12-14 2021-03-26 中冶京诚工程技术有限公司 一种生产线的健康评估诊断方法及系统
CN115395646A (zh) * 2022-08-08 2022-11-25 北京中润惠通科技发展有限公司 一种数字孪生式牵引变电所智慧运维系统
CN115562225A (zh) * 2022-09-28 2023-01-03 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 工业机器人运维管理方法、装置、计算机设备和存储介质
CN115689207A (zh) * 2022-11-02 2023-02-03 润电风能(佛冈)有限公司 风电场运维管理方法、装置、计算机设备和存储介质
CN115793604A (zh) * 2022-11-18 2023-03-14 阿里云计算有限公司 控制器运维方法、装置及系统
WO2023071717A1 (zh) * 2021-10-28 2023-05-04 华为技术有限公司 一种运维操作方法、系统及网络设备
CN116108959A (zh) * 2022-12-02 2023-05-12 长城信息股份有限公司 自助智能机具运营管理评估方法及系统
CN116168164A (zh) * 2023-04-25 2023-05-26 深圳墨影科技有限公司 基于机器人产业链的数字孪生可视化方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150301515A1 (en) * 2013-01-08 2015-10-22 Secure-Nok As Method, Device and Computer Program for Monitoring an Industrial Control System
CN104407589A (zh) * 2014-11-26 2015-03-11 西北工业大学 面向车间制造过程的实时生成性能主动感知与异常分析方法
CN112561310A (zh) * 2020-12-14 2021-03-26 中冶京诚工程技术有限公司 一种生产线的健康评估诊断方法及系统
WO2023071717A1 (zh) * 2021-10-28 2023-05-04 华为技术有限公司 一种运维操作方法、系统及网络设备
CN115395646A (zh) * 2022-08-08 2022-11-25 北京中润惠通科技发展有限公司 一种数字孪生式牵引变电所智慧运维系统
CN115562225A (zh) * 2022-09-28 2023-01-03 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 工业机器人运维管理方法、装置、计算机设备和存储介质
CN115689207A (zh) * 2022-11-02 2023-02-03 润电风能(佛冈)有限公司 风电场运维管理方法、装置、计算机设备和存储介质
CN115793604A (zh) * 2022-11-18 2023-03-14 阿里云计算有限公司 控制器运维方法、装置及系统
CN116108959A (zh) * 2022-12-02 2023-05-12 长城信息股份有限公司 自助智能机具运营管理评估方法及系统
CN116168164A (zh) * 2023-04-25 2023-05-26 深圳墨影科技有限公司 基于机器人产业链的数字孪生可视化方法

Also Published As

Publication number Publication date
CN116384715B (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
CN112384924B (zh) 产品性能预测模型的建立方法和装置、计算机设备、计算机可读存储介质、产品性能预测方法及预测系统
CN104504460A (zh) 预测叫车平台的用户流失的方法和装置
CN108345544B (zh) 一种基于复杂网络的软件缺陷分布影响因素分析方法
Yang et al. Querying parametric temporal logic properties on embedded systems
JP2020500420A (ja) マシンラーニング基盤の半導体製造の収率予測システム及び方法
US20060106477A1 (en) Production plan creation system, method, and program
CN110609531A (zh) 一种基于数字孪生的车间调度方法
CN109581867A (zh) 用于监视、诊断优化和控制的分类建模
CN112100451B (zh) 基于图数据库搭建工业神经网络的方法
CN105550393A (zh) 一种支持方案快速生成的枪械变型设计方法
CN110096036A (zh) 一种设备状态的确定方法、装置及设备
CN111898867A (zh) 一种基于深度神经网络的飞机总装生产线产能预测方法
EP1672578A1 (en) Method and system for analyzing the risk of a project
CN116384715B (zh) 一种数字化机器人产业链的机器人运维管理方法
Zighed et al. Comparative analysis of object-oriented software maintainability prediction models
CN116629918A (zh) 一种基于跨境电商的用户消费预测方法及系统
Changchien et al. Concurrent design of machined products: a multivariate decision approach
Jain et al. Experiences with backward simulation based approach for lot release planning
CN113610575B (zh) 一种产品销量的预测方法及预测系统
CN114799561A (zh) 基于案例推理和模型推理的激光切割工艺参数优化方法
Peng et al. Testing effort dependent software FDP and FCP models with consideration of imperfect debugging
Piplani et al. Simplification strategies for simulation models of semiconductor facilities
CN113408915A (zh) 生产线瓶颈识别方法及其系统
Akhavan-Tabatabaei et al. A method for cycle time estimation of semiconductor manufacturing toolsets with correlations
JP2002312014A (ja) 加工物の製造方法、製造装置及び製造用プログラム

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