CN116823188B - 一种基于大数据分析的生产管理系统及方法 - Google Patents
一种基于大数据分析的生产管理系统及方法 Download PDFInfo
- Publication number
- CN116823188B CN116823188B CN202311070004.2A CN202311070004A CN116823188B CN 116823188 B CN116823188 B CN 116823188B CN 202311070004 A CN202311070004 A CN 202311070004A CN 116823188 B CN116823188 B CN 116823188B
- Authority
- CN
- China
- Prior art keywords
- supervision
- production
- time
- transaction
- operation information
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 231
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000007726 management method Methods 0.000 title claims abstract description 42
- 238000007405 data analysis Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 67
- 230000008569 process Effects 0.000 claims abstract description 53
- 238000013439 planning Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims description 48
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 10
- 230000007704 transition Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 description 11
- 238000012550 audit Methods 0.000 description 7
- 238000009825 accumulation Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
-
- 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
- G06F16/2474—Sequence data queries, e.g. querying versioned 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
- 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
- G06Q10/0633—Workflow analysis
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据分析的生产管理系统及方法,属于生产管理技术领域。搭建生产云台,通过流程树模型对生产云台中的处理事务项进行统筹,并形成生产事务流,对每一个链式节点处的操作信息进行自动记录,对记录的操作信息进行生产事务流联动关系的识别;捕捉操作信息对应的联动关系,形成联动关系集合,并对联动关系集合添加时间标记,初始化一组督警时间表,将督警时间表划分为连续的督警时间区间;分析一个时间标记转移到下一个时间标记情况下的督警紧急性,并根据督警紧急度,分析生产监督周期内每一个督警时间下的处理完成度;从而帮助企业实现全生产流程的高效跟踪和动态监管,从而实现在数字化过程中的整体稳定的生产。
Description
技术领域
本发明涉及生产管理技术领域,具体为一种基于大数据分析的生产管理系统及方法。
背景技术
企业在生产活动过程中,各部门之间经常存在关于生产信息的沟通和共享,以协调完成各种生产任务,由于生产任务中的各个生产信息在错综复杂的生产环节中往往以交叉记录的形式来展现,进而信息记录的及时性和准确性变得尤为重要;
随着信息技术的不断发展,数据已经成为企业管理和决策重要资源,大数据技术的出现和引入,让企业能够从数据中获取更多、更准确的信息,从而帮助企业实现全生产流程的高效跟踪和动态监管,从而实现在数字化过程中的整体稳定的生产。
发明内容
本发明的目的在于提供一种基于大数据分析的生产管理系统及方法,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:
一种基于大数据分析的生产管理系统,本系统包括:生产云台搭建模块、操作分析模块、督警区分模块和督警分析模块;
所述生产云台搭建模块,用于搭建生产云台,通过流程树模型对生产云台中的处理事务项进行统筹分布,在流程树模型中,对各个产品的生产流程进行捕捉,形成生产事务流;
所述操作分析模块,用于在流程树模型中,对每一个链式节点处的操作信息进行自动记录,当生产事务流中产生操作信息时,对记录的操作信息进行生产事务流联动关系的识别,对生产云台中产生的操作信息进行监测,在生产监督周期内,统筹生产云台中产生的全部操作信息;
所述督警区分模块,用于捕捉操作信息对应的联动关系,形成联动关系集合,并对联动关系集合添加时间标记,初始化一组督警时间表,将督警时间表划分为连续的督警时间区间,统筹每一个督警时间区间内的全部联动关系集合,生成区间督警集合;
所述督警分析模块,用于在区间督警集合中,按照时间标记由先到后的顺序,分析一个时间标记转移到下一个时间标记情况下的督警紧急性,计算区间督警集合的督警紧急度,并根据督警紧急度,分析生产监督周期内每一个督警时间下的处理完成度。
进一步的,所述生产云台搭建模块还包括流程树模型单元和生产事务流捕捉单元;
所述流程树模型单元,基于互联网架构,搭建生产云台,所述生产云台包括产品生产过程处理事务项和分布式管理角色人;所述处理事务项通过流程树模型进行统筹分布,并按照处理事务项由先到后的顺序在流程树模型上进行树形结构关系的扩充和删减,所述流程树模型分为一个主干树形结构链和若干个子干树形结构链,且主干树形结构链和子干树形结构链中一个链式节点代表一个处理事务项,主干树形结构链中一个链式节点对应连接一个子干树形结构链;所述分布式管理角色人根据生产管理职能进行管理权限分配;
所述生产事务流捕捉单元,用于在流程树模型中,对各个产品的生产流程进行捕捉,形成生产事务流,对生产事务流进行统一编码,将产品i对应的生产事务流编码标记为Ii,则形成生产事务流Ii={Wi1,Wi2,...,Win},其中,Wi1,Wi2,...,Win分别表示产品i对应的生产事务流Ii中的第1,2,...,n个处理事务项。
进一步的,所述操作分析模块还包括联动关系分析单元和操作事项分析单元;
所述联动关系分析单元,用于在流程树模型中,对每一个链式节点处的操作信息进行自动记录,所述操作信息包括分布式管理角色人对处理事务项的编辑参数和编辑参数时的时间;当生产事务流Ii产生操作信息时,对记录的操作信息进行生产事务流联动关系的识别,所述联动关系为生产事务流Ii中一个处理事务项产生编辑参数时,生产事务流Ii中的另一个处理事务项的编辑参数也发生改变;
所述操作事项分析单元,用于对生产云台中产生的操作信息进行监测,在第K个生产监督周期内,统筹生产云台中产生的全部操作信息,并汇总任意一个处理事务项的全部操作信息,生成操作事项集合,记为OM(Wij)={OI1,OI2,...,OIm},其中,OI1,OI2,...,OIm分别表示在第K个生产监督周期内任意一个处理事务项Wij发生的第1,2,...,m次操作信息,在操作事项集合OM(Wij)中提取任意一次操作信息,记为OIx=[Ex,tx],且OIx∈OM(Wij),Ex表示第x次操作信息OIx中的编辑参数,tx表示第x次操作信息OIx中编辑参数Ex时的时间。
进一步的,所述督警区分模块还包括联动标记单元和映射分析单元;
所述联动标记单元,根据编辑参数Ex,捕捉任意一次操作信息OIx对应的联动关系,形成联动关系集合,记为CR(OIx),且CR(OIx)∈Ii,并根据编辑参数Ex时的时间,对联动关系集合添加时间标记,记为tx:CR(OIx);
所述映射分析单元,用于在第K个生产监督周期内,初始化一组督警时间表,记为TPK={T0,T1,...,TF},其中,T0为固定值且T0=0,T1,...,TF分别表示随机化的第1,2,...,F个督警时间;根据督警时间表,划分F个连续的督警时间区间,并将编辑参数时的时间在督警时间区间内进行映射,统筹每一个督警时间区间内的全部联动关系集合,生成区间督警集合,将其中任意一个督警时间区间对应生成的区间督警集合记为Sf,其中,f∈{1,2,...,F}。
进一步的,所述督警分析模块还包括督警紧急性分析单元和督警完成度分析单元;
所述督警紧急性分析单元,用于在任意一个区间督警集合Sf中,按照时间标记由先到后的顺序,分析时间标记tx:CR(OIx)转移到下一个时间标记ty:CR(OIy)情况下的督警紧急性,其中,CR(OIy)∈Ii,OIy∈OM(Wij),OIy=[Ey,ty],Ey表示第y次操作信息OIy中的编辑参数,ty表示第y次操作信息OIy中编辑参数Ey时的时间,计算区间督警集合Sf的督警紧急度,具体计算公式如下:
LT(Sf)=[NUM(Sf)-1]-1∑CR1、CR2∈S{NUM[CR(OIy)]+NUM[CR(OIx)]}/(ty-tx)
其中,LT(Sf)表示区间督警集合Sf的督警紧急度,NUM(Sf)表示区间督警集合Sf中包含的联动关系集合数量,NUM[CR(OIy)]表示联动关系集合CR(OIy)中包含的处理事务项数量,NUM[CR(OIx)]表示联动关系集合CR(OIx)中包含的处理事务项数量,CR1=CR(OIx),CR2=CR(OIy),S=Sf;
所述督警完成度分析单元,根据督警紧急度,分析第K个生产监督周期内,任意一个督警时间下的处理完成度,具体计算公式如下;
DCf=[LT(Sf)-LT(Sf-1)]/LT(Sf-1)
其中,DCf表示第f个督警时间区间下的处理完成度,LT(Sf-1)表示第f-1个督警时间区间对应生成的区间督警集合Sf-1的督警紧急度,f-1≠0;
输出每一个督警时间下的处理完成度。
一种基于大数据分析的生产管理方法,本方法包括以下步骤:
步骤S100:搭建生产云台,通过流程树模型对生产云台中的处理事务项进行统筹分布,在流程树模型中,对各个产品的生产流程进行捕捉,形成生产事务流;
步骤S200:在流程树模型中,对每一个链式节点处的操作信息进行自动记录,当生产事务流中产生操作信息时,对记录的操作信息进行生产事务流联动关系的识别,对生产云台中产生的操作信息进行监测,在生产监督周期内,统筹生产云台中产生的全部操作信息;
步骤S300:捕捉操作信息对应的联动关系,形成联动关系集合,并对联动关系集合添加时间标记,初始化一组督警时间表,将督警时间表划分为连续的督警时间区间,统筹每一个督警时间区间内的全部联动关系集合,生成区间督警集合;
步骤S400:在区间督警集合中,按照时间标记由先到后的顺序,分析一个时间标记转移到下一个时间标记情况下的督警紧急性,计算区间督警集合的督警紧急度,并根据督警紧急度,分析生产监督周期内每一个督警时间下的处理完成度。
进一步的,所述步骤S100的具体实施过程包括:
步骤S101:基于互联网架构,搭建生产云台,所述生产云台包括产品生产过程处理事务项和分布式管理角色人;所述处理事务项通过流程树模型进行统筹分布,并按照处理事务项由先到后的顺序在流程树模型上进行树形结构关系的扩充和删减,所述流程树模型分为一个主干树形结构链和若干个子干树形结构链,且主干树形结构链和子干树形结构链中一个链式节点代表一个处理事务项,主干树形结构链中一个链式节点对应连接一个子干树形结构链;所述分布式管理角色人根据生产管理职能进行管理权限分配;
步骤S102:在流程树模型中,对各个产品的生产流程进行捕捉,形成生产事务流,对生产事务流进行统一编码,将产品i对应的生产事务流编码标记为Ii,则形成生产事务流Ii={Wi1,Wi2,...,Win},其中,Wi1,Wi2,...,Win分别表示产品i对应的生产事务流Ii中的第1,2,...,n个处理事务项;
根据上述方法,企业在生产活动过程中,各部门之间经常存在关于生产信息的沟通和共享,以协调完成各种生产任务,由于生产任务中的各个生产信息在错综复杂的生产环节中往往以交叉记录的形式来展现,进而信息记录的及时性和准确性变得尤为重要,通过搭建生产云台,结合流程树模型,实现对信息记录过程中的动态变化的轻量化统筹。
进一步的,所述步骤S200的具体实施过程包括:
步骤S201:在流程树模型中,对每一个链式节点处的操作信息进行自动记录,所述操作信息包括分布式管理角色人对处理事务项的编辑参数和编辑参数时的时间;当生产事务流Ii产生操作信息时,对记录的操作信息进行生产事务流联动关系的识别,所述联动关系为生产事务流Ii中一个处理事务项产生编辑参数时,生产事务流Ii中的另一个处理事务项的编辑参数也发生改变;
步骤S202:对生产云台中产生的操作信息进行监测,在第K个生产监督周期内,统筹生产云台中产生的全部操作信息,并汇总任意一个处理事务项的全部操作信息,生成操作事项集合,记为OM(Wij)={OI1,OI2,...,OIm},其中,OI1,OI2,...,OIm分别表示在第K个生产监督周期内任意一个处理事务项Wij发生的第1,2,...,m次操作信息,在操作事项集合OM(Wij)中提取任意一次操作信息,记为OIx=[Ex,tx],且OIx∈OM(Wij),Ex表示第x次操作信息OIx中的编辑参数,tx表示第x次操作信息OIx中编辑参数Ex时的时间。
进一步的,所述步骤S300的具体实施过程包括:
步骤S301:根据编辑参数Ex,捕捉任意一次操作信息OIx对应的联动关系,形成联动关系集合,记为CR(OIx),且CR(OIx)∈Ii,并根据编辑参数Ex时的时间,对联动关系集合添加时间标记,记为tx:CR(OIx);
步骤S302:在第K个生产监督周期内,初始化一组督警时间表,记为TPK={T0,T1,...,TF},其中,T0为固定值且T0=0,T1,...,TF分别表示随机化的第1,2,...,F个督警时间;根据督警时间表,划分F个连续的督警时间区间,并将编辑参数时的时间在督警时间区间内进行映射,统筹每一个督警时间区间内的全部联动关系集合,生成区间督警集合,将其中任意一个督警时间区间对应生成的区间督警集合记为Sf,其中,f∈{1,2,...,F}。
进一步的,所述步骤S400的具体实施过程包括:
步骤S401:在任意一个区间督警集合Sf中,按照时间标记由先到后的顺序,分析时间标记tx:CR(OIx)转移到下一个时间标记ty:CR(OIy)情况下的督警紧急性,其中,CR(OIy)∈Ii,OIy∈OM(Wij),OIy=[Ey,ty],Ey表示第y次操作信息OIy中的编辑参数,ty表示第y次操作信息OIy中编辑参数Ey时的时间,计算区间督警集合Sf的督警紧急度,具体计算公式如下:
LT(Sf)=[NUM(Sf)-1]-1∑CR1、CR2∈S{NUM[CR(OIy)]+NUM[CR(OIx)]}/(ty-tx)
其中,LT(Sf)表示区间督警集合Sf的督警紧急度,NUM(Sf)表示区间督警集合Sf中包含的联动关系集合数量,NUM[CR(OIy)]表示联动关系集合CR(OIy)中包含的处理事务项数量,NUM[CR(OIx)]表示联动关系集合CR(OIx)中包含的处理事务项数量,CR1=CR(OIx),CR2=CR(OIy),S=Sf;
根据上述方法,在督警时间区间之间,存在的联动关系数量的累积,结合累积状态下的时间差,能够表示处理事项状态的紧急程度,累积的数量越大,且时间越短,表示督警越紧急;
步骤S402:根据督警紧急度,分析第K个生产监督周期内,任意一个督警时间下的处理完成度,具体计算公式如下;
DCf=[LT(Sf)-LT(Sf-1)]/LT(Sf-1)
其中,DCf表示第f个督警时间区间下的处理完成度,LT(Sf-1)表示第f-1个督警时间区间对应生成的区间督警集合Sf-1的督警紧急度,f-1≠0;
输出每一个督警时间下的处理完成度;
根据上述方法,不同督警时间区间下的紧急度发生变化,能够体现事务处理后的完成情况,[LT(Sf)-LT(Sf-1)]/LT(Sf-1)表示斜率,斜率为负方向表示处理都完成,且斜率越大表示处理的效率越快,斜率为正方向表示处理事项仍然在累积,且斜率越大表示累积越明显。
与现有技术相比,本发明所达到的有益效果是:本发明提供的一种基于大数据分析的生产管理系统及方法中,搭建生产云台,通过流程树模型对生产云台中的处理事务项进行统筹,并形成生产事务流,对每一个链式节点处的操作信息进行自动记录,对记录的操作信息进行生产事务流联动关系的识别;捕捉操作信息对应的联动关系,形成联动关系集合,并对联动关系集合添加时间标记,初始化一组督警时间表,将督警时间表划分为连续的督警时间区间;分析一个时间标记转移到下一个时间标记情况下的督警紧急性,并根据督警紧急度,分析生产监督周期内每一个督警时间下的处理完成度;从而帮助企业实现全生产流程的高效跟踪和动态监管,从而实现在数字化过程中的整体稳定的生产。
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,并且不构成对本发明的限制。在附图中:
图1是本发明一种基于大数据分析的生产管理系统的结构示意图;
图2是本发明一种基于大数据分析的生产管理方法的步骤示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
请参阅图1-图2,本发明提供技术方案:
请参阅图1,在本实施例一中:提供一种基于大数据分析的生产管理系统,该系统包括:生产云台搭建模块、操作分析模块、督警区分模块和督警分析模块;
生产云台搭建模块,用于搭建生产云台,通过流程树模型对生产云台中的处理事务项进行统筹分布,在流程树模型中,对各个产品的生产流程进行捕捉,形成生产事务流;
其中,生产云台搭建模块还包括流程树模型单元和生产事务流捕捉单元;
流程树模型单元,基于互联网架构,搭建生产云台,生产云台包括产品生产过程处理事务项和分布式管理角色人;处理事务项通过流程树模型进行统筹分布,并按照处理事务项由先到后的顺序在流程树模型上进行树形结构关系的扩充和删减,流程树模型分为一个主干树形结构链和若干个子干树形结构链,且主干树形结构链和子干树形结构链中一个链式节点代表一个处理事务项,主干树形结构链中一个链式节点对应连接一个子干树形结构链;分布式管理角色人根据生产管理职能进行管理权限分配;
生产事务流捕捉单元,用于在流程树模型中,对各个产品的生产流程进行捕捉,形成生产事务流,对生产事务流进行统一编码,将产品i对应的生产事务流编码标记为Ii,则形成生产事务流Ii={Wi1,Wi2,...,Win},其中,Wi1,Wi2,...,Win分别表示产品i对应的生产事务流Ii中的第1,2,...,n个处理事务项;
操作分析模块,用于在流程树模型中,对每一个链式节点处的操作信息进行自动记录,当生产事务流中产生操作信息时,对记录的操作信息进行生产事务流联动关系的识别,对生产云台中产生的操作信息进行监测,在生产监督周期内,统筹生产云台中产生的全部操作信息;
其中,操作分析模块还包括联动关系分析单元和操作事项分析单元;
联动关系分析单元,用于在流程树模型中,对每一个链式节点处的操作信息进行自动记录,操作信息包括分布式管理角色人对处理事务项的编辑参数和编辑参数时的时间;当生产事务流Ii产生操作信息时,对记录的操作信息进行生产事务流联动关系的识别,联动关系为生产事务流Ii中一个处理事务项产生编辑参数时,生产事务流Ii中的另一个处理事务项的编辑参数也发生改变;
操作事项分析单元,用于对生产云台中产生的操作信息进行监测,在第K个生产监督周期内,统筹生产云台中产生的全部操作信息,并汇总任意一个处理事务项的全部操作信息,生成操作事项集合,记为OM(Wij)={OI1,OI2,...,OIm},其中,OI1,OI2,...,OIm分别表示在第K个生产监督周期内任意一个处理事务项Wij发生的第1,2,...,m次操作信息,在操作事项集合OM(Wij)中提取任意一次操作信息,记为OIx=[Ex,tx],且OIx∈OM(Wij),Ex表示第x次操作信息OIx中的编辑参数,tx表示第x次操作信息OIx中编辑参数Ex时的时间;
督警区分模块,用于捕捉操作信息对应的联动关系,形成联动关系集合,并对联动关系集合添加时间标记,初始化一组督警时间表,将督警时间表划分为连续的督警时间区间,统筹每一个督警时间区间内的全部联动关系集合,生成区间督警集合;
其中,督警区分模块还包括联动标记单元和映射分析单元;
联动标记单元,根据编辑参数Ex,捕捉任意一次操作信息OIx对应的联动关系,形成联动关系集合,记为CR(OIx),且CR(OIx)∈Ii,并根据编辑参数Ex时的时间,对联动关系集合添加时间标记,记为tx:CR(OIx);
映射分析单元,用于在第K个生产监督周期内,初始化一组督警时间表,记为TPK={T0,T1,...,TF},其中,T0为固定值且T0=0,T1,...,TF分别表示随机化的第1,2,...,F个督警时间;根据督警时间表,划分F个连续的督警时间区间,并将编辑参数时的时间在督警时间区间内进行映射,统筹每一个督警时间区间内的全部联动关系集合,生成区间督警集合,将其中任意一个督警时间区间对应生成的区间督警集合记为Sf,其中,f∈{1,2,...,F};
督警分析模块,用于在区间督警集合中,按照时间标记由先到后的顺序,分析一个时间标记转移到下一个时间标记情况下的督警紧急性,计算区间督警集合的督警紧急度,并根据督警紧急度,分析生产监督周期内每一个督警时间下的处理完成度;
其中,督警分析模块还包括督警紧急性分析单元和督警完成度分析单元;
督警紧急性分析单元,用于在任意一个区间督警集合Sf中,按照时间标记由先到后的顺序,分析时间标记tx:CR(OIx)转移到下一个时间标记ty:CR(OIy)情况下的督警紧急性,其中,CR(OIy)∈Ii,OIy∈OM(Wij),OIy=[Ey,ty],Ey表示第y次操作信息OIy中的编辑参数,ty表示第y次操作信息OIy中编辑参数Ey时的时间,计算区间督警集合Sf的督警紧急度,具体计算公式如下:
LT(Sf)=[NUM(Sf)-1]-1∑CR1、CR2∈S{NUM[CR(OIy)]+NUM[CR(OIx)]}/(ty-tx)
其中,LT(Sf)表示区间督警集合Sf的督警紧急度,NUM(Sf)表示区间督警集合Sf中包含的联动关系集合数量,NUM[CR(OIy)]表示联动关系集合CR(OIy)中包含的处理事务项数量,NUM[CR(OIx)]表示联动关系集合CR(OIx)中包含的处理事务项数量,CR1=CR(OIx),CR2=CR(OIy),S=Sf;
督警完成度分析单元,根据督警紧急度,分析第K个生产监督周期内,任意一个督警时间下的处理完成度,具体计算公式如下;
DCf=[LT(Sf)-LT(Sf-1)]/LT(Sf-1)
其中,DCf表示第f个督警时间区间下的处理完成度,LT(Sf-1)表示第f-1个督警时间区间对应生成的区间督警集合Sf-1的督警紧急度,f-1≠0;
输出每一个督警时间下的处理完成度。
请参阅图2,在本实施例二中:提供一种基于大数据分析的生产管理方法,该方法包括以下步骤:
搭建生产云台,通过流程树模型对生产云台中的处理事务项进行统筹分布,在流程树模型中,对各个产品的生产流程进行捕捉,形成生产事务流;
基于互联网架构,搭建生产云台,生产云台包括产品生产过程处理事务项和分布式管理角色人;处理事务项通过流程树模型进行统筹分布,并按照处理事务项由先到后的顺序在流程树模型上进行树形结构关系的扩充和删减,流程树模型分为一个主干树形结构链和若干个子干树形结构链,且主干树形结构链和子干树形结构链中一个链式节点代表一个处理事务项,主干树形结构链中一个链式节点对应连接一个子干树形结构链;分布式管理角色人根据生产管理职能进行管理权限分配;
在流程树模型中,对各个产品的生产流程进行捕捉,形成生产事务流,对生产事务流进行统一编码,将产品i对应的生产事务流编码标记为Ii,则形成生产事务流Ii={Wi1,Wi2,...,Win},其中,Wi1,Wi2,...,Win分别表示产品i对应的生产事务流Ii中的第1,2,...,n个处理事务项;
例如,某个大型生产企业,搭建生产云台,共有{质检报告模板处理事务项、检测处理事务项、审核处理事务项、质检单处理事务项},通过流程树模型统筹分布后的树形结构关系为,主干树形结构链依次为质检报告模板处理事务项、检测处理事务项、审核处理事务项、质检单处理事务项,其中,质检报告模板处理事务项对应连接的子干树形结构链为上传质检报告处理事务项、解码质检报告处理事务项、修改指标类型处理事务项和验证指标处理事务项;并且,生产企业内部还架构了业务部、产品部、采购部、质检部和研发部的管理角色人;对产品1形成的生产事务流进行捕捉,得到I1={质检报告模板处理事务项、检测处理事务项、审核处理事务项、质检单处理事务项};
在流程树模型中,对每一个链式节点处的操作信息进行自动记录,当生产事务流中产生操作信息时,对记录的操作信息进行生产事务流联动关系的识别,对生产云台中产生的操作信息进行监测,在生产监督周期内,统筹生产云台中产生的全部操作信息;
在流程树模型中,对每一个链式节点处的操作信息进行自动记录,操作信息包括分布式管理角色人对处理事务项的编辑参数和编辑参数时的时间;当生产事务流Ii产生操作信息时,对记录的操作信息进行生产事务流联动关系的识别,联动关系为生产事务流Ii中一个处理事务项产生编辑参数时,生产事务流Ii中的另一个处理事务项的编辑参数也发生改变;
对生产云台中产生的操作信息进行监测,在第K个生产监督周期内,统筹生产云台中产生的全部操作信息,并汇总任意一个处理事务项的全部操作信息,生成操作事项集合,记为OM(Wij)={OI1,OI2,...,OIm},其中,OI1,OI2,...,OIm分别表示在第K个生产监督周期内任意一个处理事务项Wij发生的第1,2,...,m次操作信息,在操作事项集合OM(Wij)中提取任意一次操作信息,记为OIx=[Ex,tx],且OIx∈OM(Wij),Ex表示第x次操作信息OIx中的编辑参数,tx表示第x次操作信息OIx中编辑参数Ex时的时间;
例如,对质检报告模板处理事务项处的操作信息进行自动记录,发现在第5个监测周期内,OM(Wij)={OI1,OI2,...,OI5},且OI1=[E1,t1],E1表示对质检报告模板处理事务项做的第1次上传数量的为5,时间为t1=5月6日;
捕捉操作信息对应的联动关系,形成联动关系集合,并对联动关系集合添加时间标记,初始化一组督警时间表,将督警时间表划分为连续的督警时间区间,统筹每一个督警时间区间内的全部联动关系集合,生成区间督警集合;
根据编辑参数Ex,捕捉任意一次操作信息OIx对应的联动关系,形成联动关系集合,记为CR(OIx),且CR(OIx)∈Ii,并根据编辑参数Ex时的时间,对联动关系集合添加时间标记,记为tx:CR(OIx);
在第K个生产监督周期内,初始化一组督警时间表,记为TPK={T0,T1,...,TF},其中,T0为固定值且T0=0,T1,...,TF分别表示随机化的第1,2,...,F个督警时间;根据督警时间表,划分F个连续的督警时间区间,并将编辑参数时的时间在督警时间区间内进行映射,统筹每一个督警时间区间内的全部联动关系集合,生成区间督警集合,将其中任意一个督警时间区间对应生成的区间督警集合记为Sf,其中,f∈{1,2,...,F};
例如,当对质检报告模板处理事务项做的第1次上传数量的为5时,捕捉到检测处理事务项和审核处理事务项的参数还未对应修改,则形成联动关系集合CR(OI1)={检测处理事务项、审核处理事务项},当对解码质检报告处理事务项做的第2次上传数量的为2时,捕捉到审核处理事务项的参数还未对应修改,则形成联动关系集合CR(OI2)={审核处理事务项},t2=5月8日;在第5个生产监督周期内,初始化一组督警时间表{0,5月10日,5月12日},则划分了F=2个连续的督警时间区间,分别为0至5月10日和5月10日至5月12日,且0至5月10日对应的区间督警集合S1={CR(OI1),CR(OI2)};
在区间督警集合中,按照时间标记由先到后的顺序,分析一个时间标记转移到下一个时间标记情况下的督警紧急性,计算区间督警集合的督警紧急度,并根据督警紧急度,分析生产监督周期内每一个督警时间下的处理完成度;
在任意一个区间督警集合Sf中,按照时间标记由先到后的顺序,分析时间标记tx:CR(OIx)转移到下一个时间标记ty:CR(OIy)情况下的督警紧急性,其中,CR(OIy)∈Ii,OIy∈OM(Wij),OIy=[Ey,ty],Ey表示第y次操作信息OIy中的编辑参数,ty表示第y次操作信息OIy中编辑参数Ey时的时间,计算区间督警集合Sf的督警紧急度,具体计算公式如下:
LT(Sf)=[NUM(Sf)-1]-1∑CR1、CR2∈S{NUM[CR(OIy)]+NUM[CR(OIx)]}/(ty-tx)
其中,LT(Sf)表示区间督警集合Sf的督警紧急度,NUM(Sf)表示区间督警集合Sf中包含的联动关系集合数量,NUM[CR(OIy)]表示联动关系集合CR(OIy)中包含的处理事务项数量,NUM[CR(OIx)]表示联动关系集合CR(OIx)中包含的处理事务项数量,CR1=CR(OIx),CR2=CR(OIy),S=Sf;
例如,NUM[CR(OIy)]+NUM[CR(OIx)]}/(ty-tx)=(2+1)/2;
根据督警紧急度,分析第K个生产监督周期内,任意一个督警时间下的处理完成度,具体计算公式如下;
DCf=[LT(Sf)-LT(Sf-1)]/LT(Sf-1)
其中,DCf表示第f个督警时间区间下的处理完成度,LT(Sf-1)表示第f-1个督警时间区间对应生成的区间督警集合Sf-1的督警紧急度,f-1≠0;
输出每一个督警时间下的处理完成度。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并且不用于限制本发明,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 (2)
1.一种基于大数据分析的生产管理方法,其特征在于,该方法包括以下步骤:
步骤S100:搭建生产云台,通过流程树模型对生产云台中的处理事务项进行统筹分布,在流程树模型中,对各个产品的生产流程进行捕捉,形成生产事务流;
步骤S200:在流程树模型中,对每一个链式节点处的操作信息进行自动记录,当生产事务流中产生操作信息时,对记录的操作信息进行生产事务流联动关系的识别,对生产云台中产生的操作信息进行监测,在生产监督周期内,统筹生产云台中产生的全部操作信息;
步骤S300:捕捉操作信息对应的联动关系,形成联动关系集合,并对联动关系集合添加时间标记,初始化一组督警时间表,将督警时间表划分为连续的督警时间区间,统筹每一个督警时间区间内的全部联动关系集合,生成区间督警集合;
步骤S400:在区间督警集合中,按照时间标记由先到后的顺序,分析一个时间标记转移到下一个时间标记情况下的督警紧急性,计算区间督警集合的督警紧急度,并根据督警紧急度,分析生产监督周期内每一个督警时间下的处理完成度;
所述步骤S100的具体实施过程包括:
步骤S101:基于互联网架构,搭建生产云台,所述生产云台包括产品生产过程处理事务项和分布式管理角色人;所述处理事务项通过流程树模型进行统筹分布,并按照处理事务项由先到后的顺序在流程树模型上进行树形结构关系的扩充和删减,所述流程树模型分为一个主干树形结构链和若干个子干树形结构链,且主干树形结构链和子干树形结构链中一个链式节点代表一个处理事务项,主干树形结构链中一个链式节点对应连接一个子干树形结构链;所述分布式管理角色人根据生产管理职能进行管理权限分配;
步骤S102:在流程树模型中,对各个产品的生产流程进行捕捉,形成生产事务流,对生产事务流进行统一编码,将产品i对应的生产事务流编码标记为Ii,则形成生产事务流Ii={Wi1,Wi2,...,Win},其中,Wi1,Wi2,...,Win分别表示产品i对应的生产事务流Ii中的第1,2,...,n个处理事务项;
所述步骤S200的具体实施过程包括:
步骤S201:在流程树模型中,对每一个链式节点处的操作信息进行自动记录,所述操作信息包括分布式管理角色人对处理事务项的编辑参数和编辑参数时的时间;当生产事务流Ii产生操作信息时,对记录的操作信息进行生产事务流联动关系的识别,所述联动关系为生产事务流Ii中一个处理事务项产生编辑参数时,生产事务流Ii中的另一个处理事务项的编辑参数也发生改变;
步骤S202:对生产云台中产生的操作信息进行监测,在第K个生产监督周期内,统筹生产云台中产生的全部操作信息,并汇总任意一个处理事务项的全部操作信息,生成操作事项集合,记为OM(Wij)={OI1,OI2,...,OIm},其中,OI1,OI2,...,OIm分别表示在第K个生产监督周期内任意一个处理事务项Wij发生的第1,2,...,m次操作信息,在操作事项集合OM(Wij)中提取任意一次操作信息,记为OIx=[Ex,tx],且OIx∈OM(Wij),Ex表示第x次操作信息OIx中的编辑参数,tx表示第x次操作信息OIx中编辑参数Ex时的时间;
所述步骤S300的具体实施过程包括:
步骤S301:根据编辑参数Ex,捕捉任意一次操作信息OIx对应的联动关系,形成联动关系集合,记为CR(OIx),且CR(OIx)∈Ii,并根据编辑参数Ex时的时间,对联动关系集合添加时间标记,记为tx:CR(OIx);
步骤S302:在第K个生产监督周期内,初始化一组督警时间表,记为TPK={T0,T1,...,TF},其中,T0为固定值且T0=0,T1,...,TF分别表示随机化的第1,2,...,F个督警时间;根据督警时间表,划分F个连续的督警时间区间,并将编辑参数时的时间在督警时间区间内进行映射,统筹每一个督警时间区间内的全部联动关系集合,生成区间督警集合,将其中任意一个督警时间区间对应生成的区间督警集合记为Sf,其中,f∈{1,2,...,F};
所述步骤S400的具体实施过程包括:
步骤S401:在任意一个区间督警集合Sf中,按照时间标记由先到后的顺序,分析时间标记tx:CR(OIx)转移到下一个时间标记ty:CR(OIy)情况下的督警紧急性,其中,CR(OIy)∈Ii,OIy∈OM(Wij),OIy=[Ey,ty],Ey表示第y次操作信息OIy中的编辑参数,ty表示第y次操作信息OIy中编辑参数Ey时的时间,计算区间督警集合Sf的督警紧急度,具体计算公式如下:
LT(Sf)=[NUM(Sf)-1]-1∑CR1、CR2∈S{NUM[CR(OIy)]+NUM[CR(OIx)]}/(ty-tx)
其中,LT(Sf)表示区间督警集合Sf的督警紧急度,NUM(Sf)表示区间督警集合Sf中包含的联动关系集合数量,NUM[CR(OIy)]表示联动关系集合CR(OIy)中包含的处理事务项数量,NUM[CR(OIx)]表示联动关系集合CR(OIx)中包含的处理事务项数量,CR1=CR(OIx),CR2=CR(OIy),S=Sf;
步骤S402:根据督警紧急度,分析第K个生产监督周期内,任意一个督警时间下的处理完成度,具体计算公式如下;
DCf=[LT(Sf)-LT(Sf-1)]/LT(Sf-1)
其中,DCf表示第f个督警时间区间下的处理完成度,LT(Sf-1)表示第f-1个督警时间区间对应生成的区间督警集合Sf-1的督警紧急度,f-1≠0;
输出每一个督警时间下的处理完成度。
2.一种基于大数据分析的生产管理系统,其特征在于,所述系统包括:生产云台搭建模块、操作分析模块、督警区分模块和督警分析模块;
所述生产云台搭建模块,用于搭建生产云台,通过流程树模型对生产云台中的处理事务项进行统筹分布,在流程树模型中,对各个产品的生产流程进行捕捉,形成生产事务流;
所述操作分析模块,用于在流程树模型中,对每一个链式节点处的操作信息进行自动记录,当生产事务流中产生操作信息时,对记录的操作信息进行生产事务流联动关系的识别,对生产云台中产生的操作信息进行监测,在生产监督周期内,统筹生产云台中产生的全部操作信息;
所述督警区分模块,用于捕捉操作信息对应的联动关系,形成联动关系集合,并对联动关系集合添加时间标记,初始化一组督警时间表,将督警时间表划分为连续的督警时间区间,统筹每一个督警时间区间内的全部联动关系集合,生成区间督警集合;
所述督警分析模块,用于在区间督警集合中,按照时间标记由先到后的顺序,分析一个时间标记转移到下一个时间标记情况下的督警紧急性,计算区间督警集合的督警紧急度,并根据督警紧急度,分析生产监督周期内每一个督警时间下的处理完成度;
所述生产云台搭建模块还包括流程树模型单元和生产事务流捕捉单元;
所述流程树模型单元,基于互联网架构,搭建生产云台,所述生产云台包括产品生产过程处理事务项和分布式管理角色人;所述处理事务项通过流程树模型进行统筹分布,并按照处理事务项由先到后的顺序在流程树模型上进行树形结构关系的扩充和删减,所述流程树模型分为一个主干树形结构链和若干个子干树形结构链,且主干树形结构链和子干树形结构链中一个链式节点代表一个处理事务项,主干树形结构链中一个链式节点对应连接一个子干树形结构链;所述分布式管理角色人根据生产管理职能进行管理权限分配;
所述生产事务流捕捉单元,用于在流程树模型中,对各个产品的生产流程进行捕捉,形成生产事务流,对生产事务流进行统一编码,将产品i对应的生产事务流编码标记为Ii,则形成生产事务流Ii={Wi1,Wi2,...,Win},其中,Wi1,Wi2,...,Win分别表示产品i对应的生产事务流Ii中的第1,2,...,n个处理事务项;
所述操作分析模块还包括联动关系分析单元和操作事项分析单元;
所述联动关系分析单元,用于在流程树模型中,对每一个链式节点处的操作信息进行自动记录,所述操作信息包括分布式管理角色人对处理事务项的编辑参数和编辑参数时的时间;当生产事务流Ii产生操作信息时,对记录的操作信息进行生产事务流联动关系的识别,所述联动关系为生产事务流Ii中一个处理事务项产生编辑参数时,生产事务流Ii中的另一个处理事务项的编辑参数也发生改变;
所述操作事项分析单元,用于对生产云台中产生的操作信息进行监测,在第K个生产监督周期内,统筹生产云台中产生的全部操作信息,并汇总任意一个处理事务项的全部操作信息,生成操作事项集合,记为OM(Wij)={OI1,OI2,...,OIm},其中,OI1,OI2,...,OIm分别表示在第K个生产监督周期内任意一个处理事务项Wij发生的第1,2,...,m次操作信息,在操作事项集合OM(Wij)中提取任意一次操作信息,记为OIx=[Ex,tx],且OIx∈OM(Wij),Ex表示第x次操作信息OIx中的编辑参数,tx表示第x次操作信息OIx中编辑参数Ex时的时间;
所述督警区分模块还包括联动标记单元和映射分析单元;
所述联动标记单元,根据编辑参数Ex,捕捉任意一次操作信息OIx对应的联动关系,形成联动关系集合,记为CR(OIx),且CR(OIx)∈Ii,并根据编辑参数Ex时的时间,对联动关系集合添加时间标记,记为tx:CR(OIx);
所述映射分析单元,用于在第K个生产监督周期内,初始化一组督警时间表,记为TPK={T0,T1,...,TF},其中,T0为固定值且T0=0,T1,...,TF分别表示随机化的第1,2,...,F个督警时间;根据督警时间表,划分F个连续的督警时间区间,并将编辑参数时的时间在督警时间区间内进行映射,统筹每一个督警时间区间内的全部联动关系集合,生成区间督警集合,将其中任意一个督警时间区间对应生成的区间督警集合记为Sf,其中,f∈{1,2,...,F};
所述督警分析模块还包括督警紧急性分析单元和督警完成度分析单元;
所述督警紧急性分析单元,用于在任意一个区间督警集合Sf中,按照时间标记由先到后的顺序,分析时间标记tx:CR(OIx)转移到下一个时间标记ty:CR(OIy)情况下的督警紧急性,其中,CR(OIy)∈Ii,OIy∈OM(Wij),OIy=[Ey,ty],Ey表示第y次操作信息OIy中的编辑参数,ty表示第y次操作信息OIy中编辑参数Ey时的时间,计算区间督警集合Sf的督警紧急度,具体计算公式如下:
LT(Sf)=[NUM(Sf)-1]-1∑CR1、CR2∈S{NUM[CR(OIy)]+NUM[CR(OIx)]}/(ty-tx)
其中,LT(Sf)表示区间督警集合Sf的督警紧急度,NUM(Sf)表示区间督警集合Sf中包含的联动关系集合数量,NUM[CR(OIy)]表示联动关系集合CR(OIy)中包含的处理事务项数量,NUM[CR(OIx)]表示联动关系集合CR(OIx)中包含的处理事务项数量,CR1=CR(OIx),CR2=CR(OIy),S=Sf;
所述督警完成度分析单元,根据督警紧急度,分析第K个生产监督周期内,任意一个督警时间下的处理完成度,具体计算公式如下;
DCf=[LT(Sf)-LT(Sf-1)]/LT(Sf-1)
其中,DCf表示第f个督警时间区间下的处理完成度,LT(Sf-1)表示第f-1个督警时间区间对应生成的区间督警集合Sf-1的督警紧急度,f-1≠0;
输出每一个督警时间下的处理完成度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311070004.2A CN116823188B (zh) | 2023-08-24 | 2023-08-24 | 一种基于大数据分析的生产管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311070004.2A CN116823188B (zh) | 2023-08-24 | 2023-08-24 | 一种基于大数据分析的生产管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116823188A CN116823188A (zh) | 2023-09-29 |
CN116823188B true CN116823188B (zh) | 2023-11-17 |
Family
ID=88122371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311070004.2A Active CN116823188B (zh) | 2023-08-24 | 2023-08-24 | 一种基于大数据分析的生产管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116823188B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117350685B (zh) * | 2023-12-04 | 2024-03-26 | 南京晟斯科技有限公司 | 一种基于人工智能的校园自动化办公监管系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111651646A (zh) * | 2020-06-30 | 2020-09-11 | 支付宝(杭州)信息技术有限公司 | 业务处理方法及装置 |
CN112347333A (zh) * | 2020-09-21 | 2021-02-09 | 西安交大捷普网络科技有限公司 | 一种数据库的事件关联方法与审计系统 |
CN116565859A (zh) * | 2023-07-10 | 2023-08-08 | 国网吉林省电力有限公司辽源供电公司 | 一种基于人工智能的电网优化调度系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7221987B2 (en) * | 2004-06-15 | 2007-05-22 | Kimberly-Clark Worldwide, Inc. | Generating a reliability analysis by identifying casual relationships between events in an event-based manufacturing system |
US10394779B2 (en) * | 2015-09-14 | 2019-08-27 | International Business Machines Corporation | Detecting interesting decision rules in tree ensembles |
-
2023
- 2023-08-24 CN CN202311070004.2A patent/CN116823188B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111651646A (zh) * | 2020-06-30 | 2020-09-11 | 支付宝(杭州)信息技术有限公司 | 业务处理方法及装置 |
CN112347333A (zh) * | 2020-09-21 | 2021-02-09 | 西安交大捷普网络科技有限公司 | 一种数据库的事件关联方法与审计系统 |
CN116565859A (zh) * | 2023-07-10 | 2023-08-08 | 国网吉林省电力有限公司辽源供电公司 | 一种基于人工智能的电网优化调度系统及方法 |
Non-Patent Citations (3)
Title |
---|
Interval-based temporal functional dependencies: specification and verification;Combi, Carlo等;ANNALS OF MATHEMATICS AND ARTIFICIAL INTELLIGENCE;第71卷(第1-3期);85-130 * |
基于工作流的生产任务调度软件模型研究;罗岚;中国优秀硕士学位论文全文数据库 (信息科技辑)(第S2期);I138-620 * |
面向网络业务流设计的时态路径约束关联规则算法;杨新宇 等;西安交通大学学报(第10期);1029-1033 * |
Also Published As
Publication number | Publication date |
---|---|
CN116823188A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116823188B (zh) | 一种基于大数据分析的生产管理系统及方法 | |
CN115375146A (zh) | 一种数字建造一体化平台 | |
CN114647886B (zh) | 一种基于bim和标识码的施工方法及系统 | |
CN113919761A (zh) | 一种诉讼案件管理方法、系统及装置 | |
CN113762445A (zh) | 一种基于装配式建筑的标识解析系统 | |
CN116627913A (zh) | 一种数据多通道快速存储管理方法及系统 | |
CN116228163B (zh) | 一种基于bim平台的四电工程智能移交方法 | |
CN111860895A (zh) | 一种基于bim的桥梁附属设施运营维护管理系统 | |
CN116523466A (zh) | 一种基于大数据的生产资料溯源系统和方法 | |
CN115600797A (zh) | 一种任务处置方法、装置、设备及介质 | |
CN113176873B (zh) | 用于信息管理的方法和装置、电子设备、及介质 | |
CN114924943A (zh) | 基于人工智能的数据中台评估方法及相关设备 | |
CN113420890A (zh) | 一种文物资源修复管理系统 | |
CN113344719A (zh) | 保险用户风险预警监控系统及其监控方法 | |
CN111415133A (zh) | 一种盾构项目的成本及效益监控系统 | |
CN112070453A (zh) | 框架施工标信息化组价平台 | |
CN116307770B (zh) | 一种基于物联网的物流供应链动态管理系统及方法 | |
CN117709695B (zh) | 工程监理三级技术管控平台系统 | |
Hassan et al. | Digital Challenges and Opportunities of Addressing On-Site Productivity and Safety on Construction Job Sites: An International Perspective | |
CN114971255B (zh) | 一种参数性能自动检测系统和方法 | |
CN117579812B (zh) | 一种基于大数据的数字电视平台智能运维系统及方法 | |
CN114331091B (zh) | 一种水电移动运检作业中质量及风险控制作业方法 | |
CN112422312B (zh) | 一种基于众包的工业互联网系统日志处理方法 | |
CN118333576A (zh) | 基于闭环式协同的业务流程管理系统及方法 | |
CN101350080A (zh) | 产品报价方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |