CN116431633A - 生产数据的分析方法及装置、计算机设备、存储介质 - Google Patents
生产数据的分析方法及装置、计算机设备、存储介质 Download PDFInfo
- Publication number
- CN116431633A CN116431633A CN202310338809.4A CN202310338809A CN116431633A CN 116431633 A CN116431633 A CN 116431633A CN 202310338809 A CN202310338809 A CN 202310338809A CN 116431633 A CN116431633 A CN 116431633A
- Authority
- CN
- China
- Prior art keywords
- production
- production data
- data
- early warning
- determining
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 450
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000010924 continuous production Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 230000002950 deficient Effects 0.000 claims description 15
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 14
- 230000002159 abnormal effect Effects 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 19
- 238000007726 management method Methods 0.000 description 13
- 238000007405 data analysis Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 238000011958 production data acquisition Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Business, Economics & Management (AREA)
- Manufacturing & Machinery (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了生产数据的分析方法及装置、设备、存储介质,分析方法包括:按照产品类型对获取到的第一生产数据进行分组,得到多组第二生产数据;第一生产数据表示上一个连续生产时间段内的多个类型的产品在生产流程中的生产数据,根据第二生产数据,确定产品的直通率;按照生产工序对第二生产数据进行分组,得到至少一组第三生产数据;根据第三生产数据,确定生产工序的产能和不良率;根据直通率、产能和不良率,判断是否进行预警。本发明通过对上一个连续生产时间段内的生产数据进行分析,以及根据直通率、产能和不良率,判断是否进行预警,能够达到自动定时对生产数据进行分析统计,以及对异常的生产数据进行主动预警的目的。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种生产数据的分析方法及装置、计算机设备、存储介质。
背景技术
智能生产是智能工厂建设的重要组成部分,对生产数据的分析利用,则对实现智能生产极为重要。如何高效地处理生产过程中产生的大量生产数据,并从数据中分析出生产存在的问题,以及达到指导生产的目的,是当前智能生产建设中迫切需要解决的问题;对实时生产数据的合理分析与利用能够有效提升产品质量与生产效率。
通过对当前数据利用情况的研究,目前对生产数据的利用主要体现为各种生产数据相关的报表;管理人员通过查看报表来了解生产状况,以及根据报表调整生产策略。但报表生成的过程具有滞后性与被动性,首先,生成的报表只能代表过去一段时间(如几天、几个月)的生产情况总结,无法反映出当前的实时生产情况;其次,报表不能直接反映问题,尚需要管理人员对报表进行查看,并从报表中分析出存在的问题,这导致了报表的实际作用还依赖于管理人员的工作态度与业务水平。
针对上述相关技术中生成报表的方案无法直接反映实时的生产情况和生产问题等技术问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种生产数据的分析方法及装置、计算机设备、存储介质,用以克服相关技术中生成报表的方案无法直接反映实时的生产情况和生产问题的技术问题。
为了实现上述目的,本发明实施例的第一方面,提供一种生产数据的分析方法,包括:
按照产品类型对获取到的第一生产数据进行分组,得到多组第二生产数据;所述第一生产数据表示上一个连续生产时间段内的多个类型的产品在生产流程中的生产数据,所述第二生产数据表示上一个连续生产时间段内的单个类型的产品在生产流程中的生产数据;
根据所述第二生产数据,确定产品的直通率;
按照生产工序对所述第二生产数据进行分组,得到至少一组第三生产数据;所述第三生产数据表示单个类型的产品在单个生产工序的生产数据;
根据所述第三生产数据,确定所述生产工序的产能和不良率;
根据所述直通率、所述产能和所述不良率,判断是否进行预警。
本发明提供的生产数据的分析方法,通过对上一个连续生产时间段内的生产数据进行分析,能够达到自动定时对生产数据进行分析统计,不需要人为手动操作的目的;以及根据直通率、产能和不良率,判断是否进行预警,能够达到对异常或者可能异常的生产数据进行主动预警推送,不需要管理人员主动查看报表才能发现问题的目的。
可选地,在第一方面的一种可能实现方式中,所述根据所述第二生产数据,确定产品的直通率,包括:
对所述第二生产数据中的生产数据进行预处理,所述预处理为剔除未完成包装工序的条形码对应的第二生产数据;
按照条形码对预处理后的第二生产数据进行分组,得到多组第四生产数据,并确定所述第四生产数据的分组数量;每组第四生产数据表示每个产品在生产流程中的所有生产数据;
逐个判断所述第四生产数据中的每组的所有生产数据是否全部合格,如果全部合格,则将对应的第四生产数据所在的分组确定为直通分组,并统计所述第四生产数据中的直通分组的数量;
根据所述第四生产数据的分组数量和直通分组的数量,确定所述产品的直通率。
本发明提供的生产数据的分析方法,通过按照条形码对预处理后的第二生产数据进行分组,逐个判断所述第四生产数据中的每组的所有生产数据是否全部合格,以及根据分组数量和直通分组的数量确定产品的直通率,能够准确判断出单个类型的产品从第一道工序到最后一道工序一次性合格的概率,能够准确反映出产品生产过程中在所有工序下产品直达到成品的能力。
可选地,在第一方面的一种可能实现方式中,所述根据所述第三生产数据,确定所述生产工序的产能和不良率,包括:
将至少一组所述第三生产数据中的生产数据,按照生产完成时间进行排序;
根据数据排序结果,确定连续生产时间段;
统计所述至少一组所述第三生产数据中的合格生产数据的数量;
根据所述连续生产时间段和所述合格生产数据的数量,确定所述生产工序的产能;
根据所述第三生产数据中的合格生产数据的数量,以及所述第三生产数据的总量,确定所述生产工序的不良率。
本发明提供的生产数据的分析方法,通过连续生产时间段和合格生产数据的数量,来确定生产工序的产能,能够真实且准确地反映出当前企业的生产能力,以便于准确判断当前企业的生产能力能否与市场需求相适应;以及通过第三生产数据中的合格生产数据的数量,和第三生产数据的总量,确定生产工序的不良率,能够准确判断出当前产品的生产质量,以便于根据当前生产质量,对生产工序进行适应性调整,从而达到提高生产质量的目的。
可选地,在第一方面的一种可能实现方式中,所述根据数据排列结果,确定连续生产时间段,包括:
将所述数据排列结果中的同一时间生产的第三生产数据进行去重处理,生成数据集,所述去重处理表示同一时间生产的多个第三生产数据保留其中任意一个;
利用标准时间间隔,对所述数据集按照生产完成时间进行聚类,得到最早生产时间和最晚生产时间;
根据所述最早生产时间和所述最晚生产时间,确定连续生产时间段。
可选地,在第一方面的一种可能实现方式中,所述方法还包括:
获取预设时间内的温度数据,将所述温度数据按照采集设备进行分组,并将分组后的温度数据按照时间顺序进行排序;
将分组后的温度数据,以及所述温度数据的时间数据,输入至温度预测模型中,得到未来预设时间内的温度预测曲线;
如果所述温度预测曲线超出正常温度范围,则发出预警信息。
本发明提供的生产数据的分析方法,通过将分组后的温度数据,以及温度数据的时间数据,输入至温度预测模型中,得到未来预设时间内的温度预测曲线,能够对未来一段时间的环境温度进行准确预测,以达到根据预测温度对生产环境的温度进行实时调控,从而保证产品的正常生产的目的。
可选地,在第一方面的一种可能实现方式中,所述根据所述直通率、所述产能和所述不良率,判断是否进行预警,包括:
为所述直通率、所述产能和所述不良率分别设置对应预设阈值,所述预设阈值包括第一阈值、第二阈值和第三阈值;其中,第一阈值表示所述直通率的预设阈值,第二阈值表示所述产能的预设阈值,第三阈值表示所述不良率的预设阈值;
将所述直通率与所述第一阈值进行比较,以及根据第一比较结果判断是否发出有关所述直通率的预警提示;
将所述产能与所述第二阈值进行比较,以及根据第二比较结果判断是否发出有关所述产能的预警提示;
将所述不良率与所述第三阈值进行比较,以及根据第三比较结果判断是否发出有关所述不良率的预警提示。
可选地,在第一方面的一种可能实现方式中,
所述根据第一比较结果判断是否发出有关所述直通率的预警提示,包括:当所述直通率小于所述第一阈值时,通过预警模块发出第一预警信息;
所述根据第二比较结果判断是否发出有关所述产能的预警提示,包括:当所述产能小于所述第二阈值时,通过所述预警模块发出第二预警信息;
所述根据第三比较结果判断是否发出有关所述不良率的预警提示,包括:当所述不良率大于所述第三阈值时,通过所述预警模块发出第三预警信息。
本发明提供的生产数据的分析方法,通过将直通率、产能和不良率与对应的阈值进行比较,并根据比较结果发出对应的预警提示,能够对异常和可能异常的生产数据进行主动预警推送,而不需要管理人员查看报表才能发现问题的目的,能够有助于节省人力的消耗。
本发明实施例的第二方面,提供一种生产数据的分析装置,包括:
第一分组模块,用于按照产品类型对获取到的第一生产数据进行分组,得到多组第二生产数据;所述第一生产数据表示上一个连续生产时间段内的多个类型的产品在生产流程中的生产数据,所述第二生产数据表示上一个连续生产时间段内的单个类型的产品在生产流程中的生产数据;
第一确定模块,用于根据所述第二生产数据,确定产品的直通率;
第二分组模块,用于按照生产工序对所述第二生产数据进行分组,得到至少一组第三生产数据;所述第三生产数据表示单个类型的产品在单个生产工序的生产数据;
第二确定模块,用于根据所述第三生产数据,确定所述生产工序的产能和不良率;
预警模块,用于根据所述直通率、所述产能和所述不良率,判断是否进行预警。
本发明实施例的第三方面,提供一种计算机设备,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述各个方法实施例中的步骤。
本发明实施例的第四方面,提供一种可读存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述方法的步骤。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1的生产数据的分析方法的流程示意图。
图2为本发明实施例2的生产数据的分析装置的原理框图。
图3为本发明实施例3中计算机设备的结构示意图。
具体实施方式
下面将结合附图对本发明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,本领域普通技术人员在没有做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。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本实施例提供一种生产数据的分析方法,如图1所示,分析方法包括但不限于以下步骤:
S100:按照产品类型对获取到的第一生产数据进行分组,得到多组第二生产数据。
具体地,第一生产数据表示上一个连续生产时间段内的多个类型的产品在生产流程中的所有生产数据,可以理解为在每个工作时间段(例如早班、午班和晚班)结束后,自动对上一时间段内新产生的生产数据(例如所有产品在每个生产工序的生产数据)进行数据采集,其中生产数据可以包括产品在每个生产工序是否表现为合格。第二生产数据表示上一个连续生产时间段内的单个类型的产品在生产流程中的所有生产数据。其中,第一生产数据是由生产系统产生的生产数据,并存储到数据仓库中;然后对数据仓库中的所有生产数据(即第一生产数据),按照产品类型进行分组,得到多组第二生产数据;每一组第二生产数据可以理解为某个类型的产品在每个生产工序中的生产数据。
更具体地,生产流程,又叫工艺流程或加工流程,是指从原料投入到成品产出,通过一定的生产设备按一定的生产工序连续地进行加工的过程。例如从整个生产流程来看,可以包括运输工序、工艺工序以及质检工序,其中运输工序中有专门运输材料的运输机器,工艺工序中有专门负责产品生产的生产设备,质检工序中也有专门负责对生产的产品进行质量检测的机器。单从工艺工序来看,可以包括一个或者多个工艺子工序,例如负责对原材料进行预处理的预处理子工序,以及负责对预处理后的材料进行多次加工的多个产品加工子工序。
S200:根据第二生产数据,确定产品的直通率。
具体地,产品的直通率是对产品从第一道工序开始一次性合格到最后一道工序的参数,能够了解产品生产过程中在所有工序下产品直达到成品的能力。
步骤S200包括以下步骤:
S210:对第二生产数据中的生产数据进行预处理,预处理为剔除未完成包装工序的条形码对应的第二生产数据。
具体地,将每个分组的第二生产数据中未完成包装工序的条形码对应的生产数据进行剔除,其目的是为了保留完成所有生产工序的条形码对应的生产数据。
S220:按照条形码对预处理后的第二生产数据进行分组,得到多组第四生产数据,并确定第四生产数据的分组数量;每组第四生产数据表示每个产品在生产流程中的所有生产数据。
具体地,条形码代表每个产品特有的标识信息,按照条形码对预处理处理的第二生产数据进行分组,其目的是为了根据条形码将同一个产品的在整个生产流程的所有生产数据划为一个分组,以便于通过统计分组的数量,得出某个类型的产品的总生产数量。
S230:逐个判断第四生产数据中的每组的所有生产数据是否全部合格,如果全部合格,则将对应的第四生产数据所在的分组确定为直通分组,并统计第四生产数据中的直通分组的数量。
具体地,通过对每组第四生产数据(即每个分组的所有生产数据)进行是否合格的判断,可以将所有生产数据全部合格的分组确定为直通分组,即可以确定该个产品从第一道工序开始一次性合格到最后一道工序。统计直通分组的数量,可以确定该个类型的产品从第一道工序开始一次性合格到最后一道工序的数量。
S240:根据第四生产数据的分组数量和直通分组的数量,确定产品的直通率。
具体地,在确定分组数量以及直通分组的数量后,可以通过以下公式确定单个类型的产品的直通率:
FPY=(A1/A)*100%
其中,FPY表示直通率,A1表示直通分组的数量,A表示分组数量。
S300:按照生产工序对第二生产数据进行分组,得到至少一组第三生产数据;第三生产数据表示单个类型的产品在单个生产工序的生产数据。
具体地,按照生产工序对第二生产数据进行分组,可以得到一组或者多组第三生产数据。可以理解为将单个产品类型的所有产品的生产数据按照生产工序进行分组,即一个分组的生产数据表示同一产品类型的所有产品在一个生产工序的生产数据,分组的数量可以表示该产品在生产过程中需要经过的生产工序的数量。
S400:根据第三生产数据,确定生产工序的产能和不良率。
具体地,产能可以理解为一个生产单位于一个固定时间内所能生产的最大合格产量,不良品率是指某一时间段内的产品中不良品占所有产品的比率,是衡量生产质量的一项关键指标。
步骤S400包括如下的步骤S410至S430,具体如下:
S410:将至少一组第三生产数据中的生产数据,按照生产完成时间进行排序;根据数据排序结果,确定连续生产时间段。
具体地,可以根据生产完成时间进行排序的数据排序结果,来确定连续生产时间段,例如当生产数据的生产完成时间普遍在上午8点至中午12点,以及下午1点至下午6点时,可以确定上午8点至中午12点为一个连续生产时间段,以及下午2点至下午6点为一个连续生产时间段。或者,将生产工作分为早班、午班和晚班,每个班次对应的生产时间段可以作为一个连续生产时间段。
优选地,步骤S410包括但不限于以下步骤S411至S413,包括:
S411:将数据排列结果中的同一时间生产的第三生产数据进行去重处理,生成数据集,去重处理表示同一时间生产的多个第三生产数据保留其中任意一个。
具体地,将数据排列结果中的第三生产数据按照生产完成时间进行合并,合并依据在于对同一时间产生的第三生产数据,只保留其中任意一条数据,从而生成连续生产时间段的数据集。
S412:利用标准时间间隔,对数据集按照生产完成时间进行聚类,得到最早生产时间和最晚生产时间。
具体地,对每个生产设备,计算所有时间相邻的数据间的生产时间间隔;将得到的所有生产时间间隔,取中位数,作为标准时间间隔;使用标准时间间隔作为密度,使用聚类算法(例如DBSCAN算法,Density-Based Spatial Clustering of Applications withNoise)对连续生产时间段的数据集按生产时间进行聚类,对聚类得到的每一个类,取其最早和最晚生产时间,即为每一段连续生产的开始和结束时间。
S413:根据最早生产时间和最晚生产时间,确定连续生产时间段。
具体地,可以通过下式,根据标准时间间隔、最早生产时间和最晚生产时间来确定连续生产时间段:
T=T1-T2+T0
其中,T表示连续生产时间段,T1表示最晚生产时间,T2表示最早生产时间,T0表示标准时间间隔。
S420:统计至少一组第三生产数据中的合格生产数据的数量。
具体地,本发明的产能是指在一个固定时间内所能生产的合格生产数据的最大产量,因此需要统计在一个连续生产时间段内所生产出的合格生产数据的数量。
S430:根据连续生产时间段和合格生产数据的数量,确定生产工序的产能。
具体地,在确定连续生产时间段以及合格生产数据的数量后,可以通过以下公式确定单个类型的产品在某个生产工序的产能:
Q=(B1/T)*100%
其中,Q表示产能,B1表示第三生产数据中的合格生产数据的数量,T表示连续生产时间段。
步骤S400包括确定生产工序的不良率的步骤S440,具体如下:
S440:根据第三生产数据中的合格生产数据的数量,以及第三生产数据的总量,确定生产工序的不良率。
具体地,在统计每个分组的第三生产数据的总数量,以及每个分组中的第三生产数据的合格生产数据的数量的基础上,利用以下公式确定每个分组的不良率:
PPM=(1-B1/B)*100%
PPM表示不良率,B表示第三生产数据的总量,B1表示第三生产数据中的合格生产数据的数量。
S500:根据直通率、产能和不良率,判断是否进行预警。
具体地,通过产品的直通率进行实时监控,可以判断出哪个类型的产品在生产过程中不容易出现不合格数据,能够了解产品生产过程中在所有工序下产品直达到成品的能力。通过对每个生产工序的产能进行监控,能够真实反映出当前每个生产工序的产品加工能力。通过对每个生产工序的不良率进行监控,能够根据不良率判断出需要改进的生产工序,从而提高产品生产能力。
步骤S500包括但不限于以下步骤:
S510:为直通率、产能和不良率分别设置对应预设阈值,预设阈值包括第一阈值、第二阈值和第三阈值;其中,第一阈值表示直通率的预设阈值,第二阈值表示产能的预设阈值,第三阈值表示不良率的预设阈值。
具体地,第一阈值、第二阈值和第三阈值可以根据实际生产需求进行设定,在此不做具体限定。
S520:将直通率与第一阈值进行比较,以及根据第一比较结果判断是否发出有关直通率的预警提示。
S530:将产能与第二阈值进行比较,以及根据第二比较结果判断是否发出有关产能的预警提示。
S540:将不良率与第三阈值进行比较,以及根据第三比较结果判断是否发出有关不良率的预警提示。
在步骤S520至S540中,当直通率小于第一阈值时,通过预警模块发出第一预警信息;当产能小于第二阈值时,通过预警模块发出第二预警信息;当不良率大于第三阈值时,通过预警模块发出第三预警信息。例如在每个工作时间段(早班、午班、夜班)结束后,基于本发明方法构建的生产数据分析系统会自动对上一时间段(刚结束的时间段)新产生的生产数据进行分析,并根据分析结果生成预警信息并推送;如上午的工作结束后,系统分析数据发现上午耐压检测产品A的不良率超标,向相应的工艺人员发送预警邮件;工艺人员午饭后看到预警邮件,来到车间现场排查问题,并记录到系统,形成经验库。
优选地,方法还包括:获取预设时间内的温度数据,将温度数据按照采集设备进行分组,并将分组后的温度数据按照时间顺序进行排序;将分组后的温度数据,以及温度数据的时间数据,输入至温度预测模型中,得到未来预设时间内的温度预测曲线;如果温度预测曲线超出正常温度范围,则发出预警信息。
具体地,本发明还可以利用环境温度数据推算环境温度变化趋势,生成温度预测曲线,并对已发生的和可能发生的环境温度超限进行警告,具体如下:
每隔第一预设时间会获取生产环境的温度计的温度信息,并上传至服务器;服务器每隔第二预设时间(第二预设时间大于第一预设时间)获取当前时间过去1小时内的所有温度数据,按时间从早到晚顺序排列,并按采集设备(不同的温度传感器)分组,对每一分组的温度数据,执行如下步骤;将温度与时间数据输入自回归积分滑动平均模型(ARIMA模型),对模型进行训练,并获取模型对未来一段时间的温度预测曲线;获取该传感器的正常温度范围(人工设定);若实测数据或预测数据超出正常温度范围,则通过预警管理模块发出警告信息。对于生产环境的湿度数据进行监控,同理根据上述温度监控的具体实施方式进行实施。
优选地,通过建立预警模型,对生产数据中的人员信息或者设备信息与生产信息来分析人员或者设备的行为与生产质量的关系,并对可能的生产质量风险进行预警。
建立设备操作预警模型(人员操作预警模型建立和利用同理)的方法如下:
对数据仓库中的所有生产数据,按设备类型进行分组,并利用每组设备的所有生产数据,计算设备生产时间段;将本组的所有生产数据,按生产时间从早到晚排列;按生产时间合并生产数据,对同一时间产生的生产数据,只保留其中任意一条数据,生成连续生产时间段计算用数据集;对每个生产设备,计算所有时间相邻的数据间的生产时间间隔;对得到的所有生产时间间隔,取中位数,作为标准时间间隔;使用标准时间间隔作为密度,使用聚类算法(例如DBSCAN算法,Density-Based Spatial Clustering of Applications withNoise)对连续生产时间段计算用数据集按生产时间进行聚类;对聚类得到的每一个类,取其最早和最晚生产时间,即为每一段连续生产的开始和结束时间;将连续生产时间段按早上、下午、晚上分为三类;对早午晚每一类,取其中所有时间段的开始时间和结束赶时间的中位数(忽略日期,只保留时间),分别作为早午晚的标准生产时间段;对所有生产数据,按条形码进行分组,并取出其中有不合格数据的组,进行如下分析:对单个条形码的所有生产数据,取每道工序的操作设备、操作人,每个设备作为一个参数,每个操作人作为一个参数;取不合格工序名,每个工序名作为一个参数;对每个条形码获取一条参数,组成数据集,使用频繁模式树(FP树)算法进行训练,得到一个FP树;保存生成的每个设备早午晚生产时间段与FP树,作为设备操作分析模型。
按以下方法预警设备操作:对生产数据按条形码分组,并取出历史数据中条形码相应的生产数据;对单个条形码的所有生产数据,取每道工序的操作设备、操作人,每个设备作为一个参数,每个操作人作为一个参数;取不合格工序名,每个工序名作为一个参数;读取保存的FP树,将上一步的参数作为输入,在FP树中搜索关联规则;若搜索到关联规则,通过预警模块发送警告信息。
优选地,本发明还提供了一种生产数据实时分析系统包括生产数据采集模块、报表查看模块、服务管理模块、数据分析模型管理模块以及预警管理模块。生产数据采集模块采集由生产系统生产的生产数据,并存储到数据仓库中。报表查看模块提供对各种生产报表的展示功能。服务管理模块以网络应用程序接口,即web api的形式向其它模块提供对生产数据统计分析后的结果。数据分析模型管理模块提供对各数据分析模型的管理功能,并能对利用新数据对模型进行更新。预警管理模块提供对生产异常的预警推送功能。具体如下:
生产数据采集模块,用于向服务器后台提供生产数据采集服务,每隔一段时间自动对新生产的生产数据进行采集,预处理后存入数据仓库。对处理时遇到的不规范数据,系统会通过预警模块发送警告信息。
报表查看模块,用户向用户提供查看生产的每日、每周、每月的统计报表。此外,用户也能查看温湿度传感器的温湿度曲线与预测曲线;实时生产信息(当前在制产品、产能、不良率等)汇总等实时报表。
服务管理模块,用于向生产系统及其它业务系统提供数据分析结果。生产系统通过服务接口请求数据,让用户可以不需要切换系统就能看到数据分析系统生成的报表。
数据分析模型管理模块,用于定时自动对生产数据进行分析生成相应的数据分析模型;生成的模型文件统一存放管理与备份;服务使用模型时通过模型池来管理模型加载与更新。
预警管理模块,用于在系统后台的自动定时分析服务产生需要预警的信息时,调用预警管理接口将预警信息加入预警队列;系统后台服务自动对预警队列中的消息进行发送,支持邮件、短信、微信公众号消息等提醒方式。
通过上述多个模块间协作,自动采集并分析生产数据,对可能存在问题的生产数据进行预警推送,提醒相关人员确认处理,并通过接口提供传统的报表查看等功能,有效地提升了数据利用率,进而提升生产质量。
本申请技术方案,还具备如下技术效果:
自动定时对实时生产数据进行分析统计,不需要等人员手动操作;对异常和可能异常的生产数据进行主动预警推送,而不用等管理人员自己查看报表时才能发现问题。
实施例2
本施例提供一种生产数据的分析装置,如图2所示,包括:
第一分组模块,用于按照产品类型对获取到的第一生产数据进行分组,得到多组第二生产数据;第一生产数据表示上一个连续生产时间段内的多个类型的产品在生产流程中的生产数据,第二生产数据表示上一个连续生产时间段内的单个类型的产品在生产流程中的生产数据;
第一确定模块,用于根据第二生产数据,确定产品的直通率;
第二分组模块,用于按照生产工序对第二生产数据进行分组,得到至少一组第三生产数据;第三生产数据表示单个类型的产品在单个生产工序的生产数据;
第二确定模块,用于根据第三生产数据,确定生产工序的产能和不良率;
预警模块,用于根据直通率、产能和不良率,判断是否进行预警。
优选地,第一确定模块,包括:
预处理单元,用于对第二生产数据中的生产数据进行预处理,预处理为剔除未完成包装工序的条形码对应的第二生产数据;
条形码分组单元,用于按照条形码对预处理后的第二生产数据进行分组,得到多组第四生产数据,并确定第四生产数据的分组数量;每组第四生产数据表示每个产品在生产流程中的所有生产数据;
直通分组确定单元,用于逐个判断第四生产数据中的每组的所有生产数据是否全部合格,如果全部合格,则将对应的第四生产数据所在的分组确定为直通分组,并统计第四生产数据中的直通分组的数量;
直通率确定单元,用于根据第四生产数据的分组数量和直通分组的数量,确定产品的直通率。
优选地,第二确定模块,包括:
连续生产时间段确定单元,用于将至少一组第三生产数据中的生产数据,按照生产完成时间进行排序;根据数据排序结果,确定连续生产时间段;
数量统计单元,用于统计至少一组第三生产数据中的合格生产数据的数量;
产能确定单元,用于根据连续生产时间段和合格生产数据的数量,确定生产工序的产能;
不良率确定单元,用于根据第三生产数据中的合格生产数据的数量,以及第三生产数据的总量,确定生产工序的不良率。
优选地,连续生产时间段确定单元,包括:
去重子单元,用于将数据排列结果中的同一时间生产的第三生产数据进行去重处理,生成数据集,去重处理表示同一时间生产的多个第三生产数据保留其中任意一个;
聚类子单元,用于利用标准时间间隔,对数据集按照生产完成时间进行聚类,得到最早生产时间和最晚生产时间;
连续生产时间段确定子单元,用于根据最早生产时间和最晚生产时间,确定连续生产时间段。
优选地,生产数据的分析装置,还包括:
温度排序模块,用于获取预设时间内的温度数据,将温度数据按照采集设备进行分组,并将分组后的温度数据按照时间顺序进行排序;
预测曲线确定模块,用于将分组后的温度数据,以及温度数据的时间数据,输入至温度预测模型中,得到未来预设时间内的温度预测曲线;
温度判断模块,用于如果温度预测曲线超出正常温度范围,则发出预警信息。
优选地,预警模块,包括:
阈值设置单元,用于为直通率、产能和不良率分别设置对应预设阈值,预设阈值包括第一阈值、第二阈值和第三阈值;其中,第一阈值表示直通率的预设阈值,第二阈值表示产能的预设阈值,第三阈值表示不良率的预设阈值;
第一比较单元,用于将直通率与第一阈值进行比较,以及根据第一比较结果判断是否发出有关直通率的预警提示;
第二比较单元,用于将产能与第二阈值进行比较,以及根据第二比较结果判断是否发出有关产能的预警提示;
第三比较单元,用于将不良率与第三阈值进行比较,以及根据第三比较结果判断是否发出有关不良率的预警提示。
优选地,第一比较单元,包括:第一预警子单元,用于当直通率小于第一阈值时,通过预警模块发出第一预警信息。
优选地,第二比较单元,包括:第二预警子单元,用于当产能小于第二阈值时,通过预警模块发出第二预警信息。
优选地,第三比较单元,包括:第三预警子单元,用于当不良率大于第三阈值时,通过预警模块发出第三预警信息。
实施例3
本发明还提供一种计算机设备,如图3所示,包括存储器和处理器,存储器存储有可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述的各种实施方式提供的生产数据的分析方法。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述的各种实施方式提供的生产数据的分析方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种生产数据的分析方法,其特征在于,包括:
按照产品类型对获取到的第一生产数据进行分组,得到多组第二生产数据;所述第一生产数据表示上一个连续生产时间段内的多个类型的产品在生产流程中的生产数据,所述第二生产数据表示上一个连续生产时间段内的单个类型的产品在生产流程中的生产数据;
根据所述第二生产数据,确定产品的直通率;
按照生产工序对所述第二生产数据进行分组,得到至少一组第三生产数据;所述第三生产数据表示单个类型的产品在单个生产工序的生产数据;
根据所述第三生产数据,确定所述生产工序的产能和不良率;
根据所述直通率、所述产能和所述不良率,判断是否进行预警。
2.根据权利要求1所述的生产数据的分析方法,其特征在于,所述根据所述第二生产数据,确定产品的直通率,包括:
对所述第二生产数据中的生产数据进行预处理,所述预处理为剔除未完成包装工序的条形码对应的第二生产数据;
按照条形码对预处理后的第二生产数据进行分组,得到多组第四生产数据,并确定所述第四生产数据的分组数量;每组第四生产数据表示每个产品在生产流程中的所有生产数据;
逐个判断所述第四生产数据中的每组的所有生产数据是否全部合格,如果全部合格,则将对应的第四生产数据所在的分组确定为直通分组,并统计所述第四生产数据中的直通分组的数量;
根据所述第四生产数据的分组数量和直通分组的数量,确定所述产品的直通率。
3.根据权利要求1或2所述的生产数据的分析方法,其特征在于,所述根据所述第三生产数据,确定所述生产工序的产能和不良率,包括:
将至少一组所述第三生产数据中的生产数据,按照生产完成时间进行排序;
根据数据排序结果,确定连续生产时间段;
统计所述至少一组所述第三生产数据中的合格生产数据的数量;
根据所述连续生产时间段和所述合格生产数据的数量,确定所述生产工序的产能;
根据所述第三生产数据中的合格生产数据的数量,以及所述第三生产数据的总量,确定所述生产工序的不良率。
4.根据权利要求3所述的生产数据的分析方法,其特征在于,所述根据数据排列结果,确定连续生产时间段,包括:
将所述数据排列结果中的同一时间生产的第三生产数据进行去重处理,生成数据集,所述去重处理表示同一时间生产的多个第三生产数据保留其中任意一个;
利用标准时间间隔,对所述数据集按照生产完成时间进行聚类,得到最早生产时间和最晚生产时间;
根据所述最早生产时间和所述最晚生产时间,确定连续生产时间段。
5.根据权利要求1或2所述的生产数据的分析方法,其特征在于,所述方法还包括:
获取预设时间内的温度数据,将所述温度数据按照采集设备进行分组,并将分组后的温度数据按照时间顺序进行排序;
将分组后的温度数据,以及所述温度数据的时间数据,输入至温度预测模型中,得到未来预设时间内的温度预测曲线;
如果所述温度预测曲线超出正常温度范围,则发出预警信息。
6.根据权利要求1所述的生产数据的分析方法,其特征在于,所述根据所述直通率、所述产能和所述不良率,判断是否进行预警,包括:
为所述直通率、所述产能和所述不良率分别设置对应预设阈值,所述预设阈值包括第一阈值、第二阈值和第三阈值;其中,第一阈值表示所述直通率的预设阈值,第二阈值表示所述产能的预设阈值,第三阈值表示所述不良率的预设阈值;
将所述直通率与所述第一阈值进行比较,以及根据第一比较结果判断是否发出有关所述直通率的预警提示;
将所述产能与所述第二阈值进行比较,以及根据第二比较结果判断是否发出有关所述产能的预警提示;
将所述不良率与所述第三阈值进行比较,以及根据第三比较结果判断是否发出有关所述不良率的预警提示。
7.根据权利要求6所述的生产数据的分析方法,其特征在于,
所述根据第一比较结果判断是否发出有关所述直通率的预警提示,包括:当所述直通率小于所述第一阈值时,通过预警模块发出第一预警信息;
所述根据第二比较结果判断是否发出有关所述产能的预警提示,包括:当所述产能小于所述第二阈值时,通过所述预警模块发出第二预警信息;
所述根据第三比较结果判断是否发出有关所述不良率的预警提示,包括:当所述不良率大于所述第三阈值时,通过所述预警模块发出第三预警信息。
8.一种生产数据的分析装置,其特征在于,包括:
第一分组模块,用于按照产品类型对获取到的第一生产数据进行分组,得到多组第二生产数据;所述第一生产数据表示上一个连续生产时间段内的多个类型的产品在生产流程中的生产数据,所述第二生产数据表示上一个连续生产时间段内的单个类型的产品在生产流程中的生产数据;
第一确定模块,用于根据所述第二生产数据,确定产品的直通率;
第二分组模块,用于按照生产工序对所述第二生产数据进行分组,得到至少一组第三生产数据;所述第三生产数据表示单个类型的产品在单个生产工序的生产数据;
第二确定模块,用于根据所述第三生产数据,确定所述生产工序的产能和不良率;
预警模块,用于根据所述直通率、所述产能和所述不良率,判断是否进行预警。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的生产数据的分析方法的步骤。
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,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的生产数据的分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310338809.4A CN116431633A (zh) | 2023-03-31 | 2023-03-31 | 生产数据的分析方法及装置、计算机设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310338809.4A CN116431633A (zh) | 2023-03-31 | 2023-03-31 | 生产数据的分析方法及装置、计算机设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116431633A true CN116431633A (zh) | 2023-07-14 |
Family
ID=87086645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310338809.4A Pending CN116431633A (zh) | 2023-03-31 | 2023-03-31 | 生产数据的分析方法及装置、计算机设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116431633A (zh) |
-
2023
- 2023-03-31 CN CN202310338809.4A patent/CN116431633A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105868373B (zh) | 电力业务信息系统关键数据处理方法及装置 | |
JP4541364B2 (ja) | 意味のある変動を明らかにする自動監視及び動的プロセスメトリクスの統計分析 | |
CN106528280A (zh) | 一种任务分配方法和系统 | |
CN113962468A (zh) | 基于用能监控统计能源消耗碳排放管理方法及系统 | |
JP2009289134A (ja) | 作業分析装置、生産管理方法及び生産管理システム | |
CN112150237B (zh) | 多模型融合的订单逾期预警方法、装置、设备及存储介质 | |
CN115423289A (zh) | 智能板材加工车间数据处理方法及终端 | |
CN111865407A (zh) | 光通道性能劣化智能预警方法、装置、设备及存储介质 | |
CN114416703A (zh) | 数据完整性自动监控方法、装置、设备及介质 | |
CN109409780B (zh) | 变更处理方法、装置、计算机设备和存储介质 | |
CN116502830A (zh) | 一种排产计划生成方法、系统和产品 | |
CN111144677B (zh) | 效率评估方法和效率评估系统 | |
CN113793110A (zh) | 基于云计算的工业设备数据采集与分析方法及云服务平台 | |
CN111737233A (zh) | 数据监控方法及装置 | |
CN117575493A (zh) | 一种项目管理方法及其管理平台、装置、存储介质 | |
CN116720720A (zh) | 一种岩土工程设备互联调度管理方法和系统 | |
CN116431633A (zh) | 生产数据的分析方法及装置、计算机设备、存储介质 | |
CN115471092A (zh) | 食品生产报工方法、装置、电子设备及存储介质 | |
CN107341630B (zh) | 一种设备淘汰品备件管理系统及方法 | |
CN111199330A (zh) | 绩效管理装置及方法 | |
CN106682997B (zh) | 一种工程车定检提醒的方法及装置 | |
CN117408643B (zh) | 应用于工程数智化管理平台的进度监控管理方法和系统 | |
CN117745239B (zh) | 基于流程引擎的自助式模板定制的在线填报系统及方法 | |
CN117787880B (zh) | 一种基于云边协同的工业数字化管理系统及方法 | |
CN111027988A (zh) | 一种基于截尾数据的产品可靠度预估系统 |
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 | ||
CB02 | Change of applicant information |
Address after: Zhengtai Instrument Measurement Industrial Park, No.1 Liangce Road, Beibaixiang Town, Leqing City, Wenzhou City, Zhejiang Province, 325603 Applicant after: ZHEJIANG CHINT INSTRUMENT & METER Co.,Ltd. Address before: 325603 Wenzhou Daqiao Industrial Park, Yueqing City, Wenzhou City, Zhejiang Province Applicant before: ZHEJIANG CHINT INSTRUMENT & METER Co.,Ltd. |
|
CB02 | Change of applicant information |