CN116976747B - 一种液晶显示器的密封剂生产管理方法及系统 - Google Patents
一种液晶显示器的密封剂生产管理方法及系统 Download PDFInfo
- Publication number
- CN116976747B CN116976747B CN202311014459.2A CN202311014459A CN116976747B CN 116976747 B CN116976747 B CN 116976747B CN 202311014459 A CN202311014459 A CN 202311014459A CN 116976747 B CN116976747 B CN 116976747B
- Authority
- CN
- China
- Prior art keywords
- classification decision
- analyzed
- index
- product information
- 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.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 198
- 238000007726 management method Methods 0.000 title claims abstract description 104
- 239000000565 sealant Substances 0.000 title claims abstract description 56
- 239000004973 liquid crystal related substance Substances 0.000 title claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 79
- 230000002159 abnormal effect Effects 0.000 claims abstract description 71
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000008859 change Effects 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000003066 decision tree Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 7
- 230000006798 recombination Effects 0.000 claims description 5
- 238000005215 recombination Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 238000012360 testing method Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008521 reorganization Effects 0.000 description 2
- 239000011347 resin Substances 0.000 description 2
- 229920005989 resin Polymers 0.000 description 2
- 238000007711 solidification Methods 0.000 description 2
- 230000008023 solidification Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000003566 sealing material Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000009974 thixotropic effect Effects 0.000 description 1
- 238000012549 training 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
- G06Q10/06—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及生产管理技术领域，提供一种液晶显示器的密封剂生产管理方法及系统。所述方法包括：通过从产品检测库中采集预设时间段内不合格产品的信息生成待分析产品信息集合；根据生产线标识，确定第一异常系数；根据时间标识对生产线进行节点标定，确定异常节点序列；遍历待分析产品信息集合采集不合格指标，获得分类决策结果；分别对不合格指标集合的指标变化趋势进行分析，获得第一分析结果；根据第一异常系数和第一分析结果对目标密封剂的生产线进行生产管理。本申请解决了现有技术中对密封剂生产过程中不合格产品信息分析不够全面，生产管理可靠性低的技术问题，达到了根据管控节点进行细化管理，提升生产线管理准确率的技术效果。
Description
技术领域
本申请涉及生产管理技术领域，特别是涉及一种液晶显示器的密封剂生产管理方法及系统。
背景技术
液晶密封剂是液晶显示器的一种封装密封材料，是由固化性树脂组成的混合物。主要用于液晶填充法制造液晶显示元件的制作过程中，将上下两片带有电极和取向层的玻璃粘接起来，对液晶污染少、与玻璃接合性良好，且不会产生单元间隙不均匀。在密封剂生产过程中会产生不合格产品，而不合格产品反映了密封剂生产线需要改进的内容，目前，对不合格产品反映的内容分析效率过低，反馈周期过长，需要全面、可靠的进行密封剂生产管理。
综上所述，本申请解决了现有技术中对密封剂生产过程中不合格产品信息分析不够全面，生产管理可靠性低的技术问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够本申请解决了现有技术中对密封剂生产过程中不合格产品信息分析不够全面，生产管理可靠性低的技术问题，达到了根据管控节点进行细化管理，提高了生产线管理的效率和准确率的一种液晶显示器的密封剂生产管理方法及系统。
第一方面，本申请实施例提供了一种液晶显示器的密封剂生产管理方法，所述方法包括：调取目标密封剂的待分析产品信息集合，通过从产品检测库中采集预设时间段内不合格产品的信息生成所述待分析产品信息集合，其中，每个待分析产品信息具有时间标识和生产线标识；根据生产线标识，结合所述待分析产品信息集合进行生产线异常集中度分析，确定N个第一异常系数，其中，所述N个第一异常系数反映了生产车间内N条生产线的产品异常集中程度；根据时间标识对N条生产线进行节点标定，确定N个异常节点序列；遍历所述待分析产品信息集合采集不合格指标，并根据不合格指标集合对N个异常节点序列进行分类决策，获得N个分类决策结果；分别对N个分类决策结果中不合格指标集合的指标变化趋势进行分析，获得N个第一分析结果；根据N个第一异常系数和N个第一分析结果对目标密封剂的N条生产线进行生产管理。
第二方面，本申请实施例提供了一种液晶显示器的密封剂生产管理系统，所述系统包括：待分析产品信息集合获得模块，所述待分析产品信息集合获得模块用于调取目标密封剂的待分析产品信息集合，通过从产品检测库中采集预设时间段内不合格产品的信息生成所述待分析产品信息集合，其中，每个待分析产品信息具有时间标识和生产线标识；第一异常系数确定模块，所述第一异常系数确定模块用于根据生产线标识，结合所述待分析产品信息集合进行生产线异常集中度分析，确定N个第一异常系数，其中，所述N个第一异常系数反映了生产车间内N条生产线的产品异常集中程度；异常节点序列确定模块，所述异常节点序列确定模块用于根据时间标识对N条生产线进行节点标定，确定N个异常节点序列；分类决策结果获得模块，所述分类决策结果获得模块用于遍历所述待分析产品信息集合采集不合格指标，并根据不合格指标集合对N个异常节点序列进行分类决策，获得N个分类决策结果；第一分析结果获得模块，所述第一分析结果获得模块用于分别对N个分类决策结果中不合格指标集合的指标变化趋势进行分析，获得N个第一分析结果；生产管理进行模块，所述生产管理进行模块用于根据N个第一异常系数和N个第一分析结果对目标密封剂的N条生产线进行生产管理。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
首先，调取目标密封剂的待分析产品信息集合，通过从产品检测库中采集预设时间段内不合格产品的信息生成所述待分析产品信息集合，其中，每个待分析产品信息具有时间标识和生产线标识；其次根据生产线标识，结合所述待分析产品信息集合进行生产线异常集中度分析，确定N个第一异常系数，其中，所述N个第一异常系数反映了生产车间内N条生产线的产品异常集中程度；然后根据时间标识对N条生产线进行节点标定，确定N个异常节点序列；再遍历所述待分析产品信息集合采集不合格指标，并根据不合格指标集合对N个异常节点序列进行分类决策，获得N个分类决策结果；接下来分别对N个分类决策结果中不合格指标集合的指标变化趋势进行分析，获得N个第一分析结果；最后根据N个第一异常系数和N个第一分析结果对目标密封剂的N条生产线进行生产管理。本申请解决了现有技术中对密封剂生产过程中不合格产品信息分析不够全面，生产管理可靠性低的技术问题，达到了根据管控节点进行细化管理，提高了生产线管理的效率和准确率的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为一个实施例中一种液晶显示器的密封剂生产管理方法的流程示意图；
图2为一个实施例中一种液晶显示器的密封剂生产管理方法的获得子分析结果的流程示意图；
图3为一个实施例中一种液晶显示器的密封剂生产管理系统的结构框图。
附图标记说明：待分析产品信息集合获得模块11，第一异常系数确定模块12，异常节点序列确定模块13，分类决策结果获得模块14，第一分析结果获得模块15，生产管理进行模块16。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在介绍了本申请基本原理后，下面，将参考附图对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请的实施例，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，都属于本申请保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。
如图1所示，本申请提供了一种液晶显示器的密封剂生产管理，所述方法包括：
调取目标密封剂的待分析产品信息集合，通过从产品检测库中采集预设时间段内不合格产品的信息生成所述待分析产品信息集合，其中，每个待分析产品信息具有时间标识和生产线标识；
本申请提供了一种液晶显示器的密封剂生产管理，通过根据液晶显示器的密封剂生产工艺，对一个生产时间段内的密封剂进行质量检验，根据校验结果锁定异常密封剂集合，根据异常密封剂集合中密封剂生产设备和生产时间的密集程度确定管控节点，进而，根据管控节点进行细化管理的方法。
密封剂是液晶显示器的一种封装密封材料，是由固化性树脂组成的混合物，目标密封剂是指待分析的生产出的密封剂中任一目标；产品检测库是指所述目标密封剂的集合；预设时间段是指根据工作人员自行设定的时间段，用来抽取所述预设时间段内的不合格产品；待分析产品信息集合是指在预设时间段内所有不合格产品的信息组成的集合；时间标识是指所述待分析产品信息中标注出所述待分析产品的生产时间；生产线标识是指，一个生产车间内具有多个生产线，每个生产线都具有完整生产的一条可以生产加工密封剂的设备，在所述待分析产品信息中标注出所述待分析产品是哪一条生产线生产的。通过调取目标密封剂的待分析产品信息集合，通过从产品检测库中采集预设时间段内不合格产品的信息生成所述待分析产品信息集合，包括所述待分析产品的时间信息和生产线信息。通过了解所述待分析产品信息集合，为后续生产线异常分析提供了铺垫。
根据生产线标识，结合所述待分析产品信息集合进行生产线异常集中度分析，确定N个第一异常系数，其中，所述N个第一异常系数反映了生产车间内N条生产线的产品异常集中程度；
生产线异常集中度是指不同生产线生产的产品发生异常的数量，生产线异常集中度的度数越高，发生异常的数量越多，说明生产线越容易生产出不合格产品，需要加强管理；第一异常系数是指生产线中在所述预设时间内的不合格产品的个数在所述预设时间内不合格产品总数中的比值。根据生产线标识，结合所述待分析产品信息集合进行生产线异常集中度分析，确定N个第一异常系数，其中，所述N个第一异常系数反映了生产车间内N条生产线的产品异常集中程度。通过获得N个第一异常系数，为后续分析生产线的异常情况做出了贡献。
根据生产线标识，将属于同一条生产线的待分析产品信息聚为一簇，获得N个待分析产品信息簇；
分别将N个待分析产品信息簇中待分析产品信息数量比上所述待分析产品信息集合的总数，获得N个第一异常系数。
待分析产品信息簇是指在同一生产线内，不合格的产品聚集后为一簇；根据生产线标识，将属于同一条生产线的待分析产品信息聚为一簇，获得N个待分析产品信息簇；分别将N个待分析产品信息簇中待分析产品信息数量比上所述待分析产品信息集合的总数，获得N个第一异常系数。第一异常系数越大，对应生产线的异常发生越频繁，集中度越高。通过获得N个第一异常系数，为后续的生产线管理做出铺垫。
根据时间标识对N条生产线进行节点标定，确定N个异常节点序列；
节点标定是指对每条生产线的待分析产品信息中的时间标识按照时间顺序进行排序；产品异常有两种可能，一种是由于设备异常导致，一种是由于生产环境的波动引起的，其中第一种异常会有一个异常扩散趋势，第二种会呈现时间分布离散的趋势。根据时间标识对N条生产线进行节点标定，确定N个异常节点序列，通过确定N个异常节点序列，为后续对生产线进行生产管理做出了铺垫。
遍历所述待分析产品信息集合采集不合格指标，并根据不合格指标集合对N个异常节点序列进行分类决策，获得N个分类决策结果；
遍历是指将所述待分析产品信息集合中所有的数据全部访问一遍；不合格指标集合是指所述性能情况，例如印刷持续性、初始黏结力、触变性、固化物的吸水性等；分裂决策是指对不同异常节点序列中，不合格的原因进行聚类分析，获得分类决策结果。遍历所述待分析产品信息集合采集不合格指标，并根据不合格指标集合对N个异常节点序列进行分类决策，获得N个分类决策结果。通过获取分类决策结果，为后续不合格指标集合的指标变化趋势的分析做出了铺垫。
从所述不合格指标集合中不放回随机选取一个不合格指标作为第一分类决策点；
再次从所述不合格指标集合中不放回随机一个不合格指标作为第二分类决策点；
再次从所述不合格指标集合中不放回随机选取一个不合格指标作为第P分类决策点；
根据第一分类决策点、第二分类决策点和第P分类决策点生成分类决策树；
将所述N个异常节点序列输入所述分类决策树中进行序列重组，获得N个分类决策结果，其中，每个分类决策结果中包括一条生产线对应的多个分类决策序列，每个分类决策序列对应一种不合格指标下待分析产品信息在一条生产线中依次出现的顺序。
利用决策树分类，从根节点开始，对实例的某一特征进行测试，根据测试结果将实例分配到其子节点，此时每个子节点对应着该特征的一个取值，如此递归的对实例进行测试并分配，直到到达叶节点，最后将实例分到叶节点的类中。第一分类决策点是指所述不合格指标集合中任一不合格指标作为子节点，标记为第一分类决策点；序列重组是指将属于对应不合格指标的异常节点存储到对应的分类决策点中，根据存储分类结果进行序列重组。从所述不合格指标集合中不放回随机选取一个不合格指标作为第一分类决策点；再次从所述不合格指标集合中不放回随机一个不合格指标作为第二分类决策点；再次从所述不合格指标集合中不放回随机选取一个不合格指标作为第P分类决策点；根据第一分类决策点、第二分类决策点和第P分类决策点生成分类决策树；将所述N个异常节点序列输入所述分类决策树中进行序列重组，获得N个分类决策结果，其中，每个分类决策结果中包括一条生产线对应的多个分类决策序列，每个分类决策序列对应一种不合格指标下待分析产品信息在一条生产线中依次出现的顺序。通过对决策树的分析应用获取分类决策结果，为后续分析管理方向与分析结果做出了铺垫。
如图2所示，从所述N个分类决策结果中选取一条生产线对应的分类决策结果，作为第一分类决策结果；
从所述第一分类决策结果中选取一个不合格指标对应的分类决策序列，将其作为第一分类决策序列；
根据所述待分析产品信息集合采集所述第一分类决策序列中每个待分析产品信息对应的不合格指标参数，获得第一分类决策指标参数序列；
根据所述第一分类决策指标参数序列分析指标变化趋势，获得第一分析结果中的第一子分析结果。
第一分类决策结果是指序列重组后产生的分类决策结果中的任一生产线的分类决策结果；第一分类决策序列是指所述第一分类决策中任一分类决策序列记作第一分类决策序列；第一分类决策指标参数序列是指在所述待分析产品信息中的不合格指标参数；所述第一分类决策指标参数序列分析指标变化趋势，例如固化速率越来越大，或者越来越小，获得第一分析结果中的固化速率的分析结果，记作第一子分析结果，即为所述生产线中的不合格产品。从所述N个分类决策结果中选取一条生产线对应的分类决策结果，作为第一分类决策结果；从所述第一分类决策结果中选取一个不合格指标对应的分类决策序列，将其作为第一分类决策序列；根据所述待分析产品信息集合采集所述第一分类决策序列中每个待分析产品信息对应的不合格指标参数，获得第一分类决策指标参数序列；根据所述第一分类决策指标参数序列分析指标变化趋势，获得第一分析结果中的第一子分析结果。通过获取所述第一子分析结果，为后续提供生产线管理提供了铺垫。
根据所述第一分类决策指标参数序列确定第一间隔时间节点集合；
确定所述第一间隔时间节点集合的权重中心，获得第一权重中心；
根据第一权重中心预设距离范围内的N个指标参数变化趋势，确定第一管理方向，将第一管理方向作为第一分析结果中的第一子分析结果。
权重中心是指发生异常最密集的时间点；预设距离范围由本领域技术人员自行设定，第一管理方向就是对生产线设备进行调整的方向，根据指标不合格的变化方向，比如比合格范围越来越大，或者比合格范围越来越小。根据所述第一分类决策指标参数序列确定第一间隔时间节点集合；确定所述第一间隔时间节点集合的权重中心，获得第一权重中心；根据第一权重中心预设距离范围内的N个指标参数变化趋势，确定第一管理方向，将第一管理方向作为第一分析结果中的第一子分析结果。通过对指标参数变化趋势的分析计算，确定调整所述指标参数的方法，确定第一子分析结果，为后续进行生产线指标参数调整进行控制。
依次计算第一分类决策指标参数序列中相邻两个指标参数之间的时间间隔，获得Q个时间间隔；
计算Q个时间间隔的最小值，将最小值对应的两个指标参数所在的序列点，作为第一权重中心集合；
将第一权重中心集合进行均值处理，将处理结果对应的时间点作为第一权重中心。
时间间隔是指在生产线内相邻的两个指标参数之间的时间段；对比所述时间间隔的大小，找出其中的最小值，将所述最小值对应的两个指标参数的所在序列点作为第一权重中心，即发生异常最密集的时间点；将所述第一权重中心集合相加并除以相加个数，获得均值结果；将所述均值对应的时间点作为第一权重中心。通过求取第一权重中心，确定第一子分析结果，为后续的生产线设备调整方向提供了支持。
分别对N个分类决策结果中不合格指标集合的指标变化趋势进行分析，获得N个第一分析结果；
第一分析结果是指在任一生产线中，所述N个分类决策结果中不合格指标集合的指标变化趋势进行调控管理的结果；分别对所述分类决策结果中不合格指标集合的指标变化趋势进行分析，获得N个第一分析结果。通过获得第一分析结果，了解到N个生产线中不合格产品的参数和类别，为后续进行生产线管理做出铺垫。
根据N个第一异常系数和N个第一分析结果对目标密封剂的N条生产线进行生产管理。
根据所述第一异常系数和所述第一分析结果对所述生产线进行管理，通过前方的计算及技术分析，获得了所述生产线的生产问题，例如造成印刷持续性、初始黏结力、触变性、固化物的吸水性等问题的原因，并根据第一分析结果获取解决调控的方案，对所述生产线进行生产管理。
根据N个第一分析结果匹配管理方案，获得N个生产管理方案；
基于N个第一异常系数对N个生产管理方案进行管理尺度修正，获得N个修正生产管理方案；
根据N个修正生产管理方案对目标密封剂的N条生产线进行生产管理。
管理方案是指对所述生产线的生产不合格物品进行管理的方案，例如对固化速率的改变等；构建一个神经网络模型，以BP神经网络为基础框架，获得多个样本第一分析结果和多个样本生产管理方案作为训练数据，获得管理方案匹配模块，将N个第一分析结果传输至管理方案匹配模块中进行管理方案匹配，获得N个生产管理方案；管理尺度修正，也就是根据第一异常系数的大小对N个生产管理方案中的参数调整后的适应范围进行修正，第一异常系数越大，参数的适应范围越小，也就是容错空间越小。根据N个第一分析结果匹配管理方案，获得N个生产管理方案；基于N个第一异常系数对N个生产管理方案进行管理尺度修正，获得N个修正生产管理方案；根据N个修正生产管理方案对目标密封剂的N条生产线进行生产管理。本申请解决了现有技术中对密封剂生产过程中不合格产品信息分析不够全面，生产管理可靠性低的技术问题，达到了根据管控节点进行细化管理，提高了生产线管理的效率和准确率的技术效果。
如图3所示，本申请提供了一种液晶显示器的密封剂生产管理系统，所述系统包括：
待分析产品信息集合获得模块，所述待分析产品信息集合获得模块用于调取目标密封剂的待分析产品信息集合，通过从产品检测库中采集预设时间段内不合格产品的信息生成所述待分析产品信息集合，其中，每个待分析产品信息具有时间标识和生产线标识；
第一异常系数确定模块，所述第一异常系数确定模块用于根据生产线标识，结合所述待分析产品信息集合进行生产线异常集中度分析，确定N个第一异常系数，其中，所述N个第一异常系数反映了生产车间内N条生产线的产品异常集中程度；
异常节点序列确定模块，所述异常节点序列确定模块用于根据时间标识对N条生产线进行节点标定，确定N个异常节点序列；
分类决策结果获得模块，所述分类决策结果获得模块用于遍历所述待分析产品信息集合采集不合格指标，并根据不合格指标集合对N个异常节点序列进行分类决策，获得N个分类决策结果；
第一分析结果获得模块，所述第一分析结果获得模块用于分别对N个分类决策结果中不合格指标集合的指标变化趋势进行分析，获得N个第一分析结果；
生产管理进行模块，所述生产管理进行模块用于根据N个第一异常系数和N个第一分析结果对目标密封剂的N条生产线进行生产管理。
进一步地，本申请实施例还包括：
待分析产品信息簇获取模块，所述待分析产品信息簇获取模块用于根据生产线标识，将属于同一条生产线的待分析产品信息聚为一簇，获得N个待分析产品信息簇；
第一异常系数获取模块，所述第一异常系数获取模块用于分别将N个待分析产品信息簇中待分析产品信息数量比上所述待分析产品信息集合的总数，获得N个第一异常系数。
进一步地，本申请实施例还包括：
第一分类决策点选取模块，所述第一分类决策点选取模块用于从所述不合格指标集合中不放回随机选取一个不合格指标作为第一分类决策点；
第二分类决策点选取模块，所述第二分类决策点选取模块用于再次从所述不合格指标集合中不放回随机一个不合格指标作为第二分类决策点；
第p分类决策点选取模块，所述第怕分类决策点选取模块用于再次从所述不合格指标集合中不放回随机选取一个不合格指标作为第P分类决策点；
分类决策树生成模块，所述分类决策树生成模块用于根据第一分类决策点、第二分类决策点和第P分类决策点生成分类决策树；
分类决策结果获取模块，所述分类决策结果获取模块用于将所述N个异常节点序列输入所述分类决策树中进行序列重组，获得N个分类决策结果，其中，每个分类决策结果中包括一条生产线对应的多个分类决策序列，每个分类决策序列对应一种不合格指标下待分析产品信息在一条生产线中依次出现的顺序。
进一步地，本申请实施例还包括：
第一分类决策结果获取模块，所述第一分类决策结果获取模块用于从所述N个分类决策结果中选取一条生产线对应的分类决策结果，作为第一分类决策结果；
第一分类决策序列获取模块，所述第一分类决策序列获取模块用于从所述第一分类决策结果中选取一个不合格指标对应的分类决策序列，将其作为第一分类决策序列；
第一分类决策指标参数序列获取模块，所述第一分类决策指标参数序列获取模块用于根据所述待分析产品信息集合采集所述第一分类决策序列中每个待分析产品信息对应的不合格指标参数，获得第一分类决策指标参数序列；
第一子分析结果获取模块，所述第一子分析结果获取模块用于根据所述第一分类决策指标参数序列分析指标变化趋势，获得第一分析结果中的第一子分析结果。
进一步地，本申请实施例还包括：
第一间隔时间节点集合确定模块，所述第一间隔时间节点集合确定模块用于根据所述第一分类决策指标参数序列确定第一间隔时间节点集合；
第一权重中心获得模块，所述第一权重中心获得模块用于确定所述第一间隔时间节点集合的权重中心，获得第一权重中心；
第一管理方向确定模块，所述第一管理方向确定模块用于根据第一权重中心预设距离范围内的N个指标参数变化趋势，确定第一管理方向，将第一管理方向作为第一分析结果中的第一子分析结果。
进一步地，本申请实施例还包括：
时间间隔获取模块，所述时间间隔获取模块包括依次计算第一分类决策指标参数序列中相邻两个指标参数之间的时间间隔，获得Q个时间间隔；
第一权重中心集合获取模块，所述第一权重中心集合获取模块用于第一权计算Q个时间间隔的最小值，将最小值对应的两个指标参数所在的序列点，作为第一权重中心集合；
第一权重中心处理模块，所述第一权重中心处理模块用于时间将第一权重中心集合进行均值处理，将处理结果对应的时间点作为第一权重中心。
进一步地，本申请实施例还包括：
生产管理方案获取模块，所述生产管理方案获取模块用于根据N个第一分析结果匹配管理方案，获得N个生产管理方案；
修正生产管理方案获取模块，所述修正生产管理方案获取模块用于基于N个第一异常系数对N个生产管理方案进行管理尺度修正，获得N个修正生产管理方案；
生产管理进行模块，所述生产管理进行模块用于根据N个修正生产管理方案对目标密封剂的N条生产线进行生产管理。
关于一种液晶显示器的密封剂生产管理系统的具体实施例可以参见上文中对于一种液晶显示器的密封剂生产管理方法的实施例，在此不再赘述。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种液晶显示器的密封剂生产管理方法，其特征在于，所述方法包括：
调取目标密封剂的待分析产品信息集合，通过从产品检测库中采集预设时间段内不合格产品的信息生成所述待分析产品信息集合，其中，每个待分析产品信息具有时间标识和生产线标识；
根据生产线标识，结合所述待分析产品信息集合进行生产线异常集中度分析，确定N个第一异常系数，其中，所述N个第一异常系数反映了生产车间内N条生产线的产品异常集中程度；
根据时间标识对N条生产线进行节点标定，确定N个异常节点序列；
遍历所述待分析产品信息集合采集不合格指标，并根据不合格指标集合对N个异常节点序列进行分类决策，获得N个分类决策结果；
分别对N个分类决策结果中不合格指标集合的指标变化趋势进行分析，获得N个第一分析结果；
根据N个第一异常系数和N个第一分析结果对目标密封剂的N条生产线进行生产管理；
遍历所述待分析产品信息集合采集不合格指标，并根据不合格指标集合对N个异常节点序列进行分类决策，所述方法包括：
从所述不合格指标集合中不放回随机选取一个不合格指标作为第一分类决策点；
再次从所述不合格指标集合中不放回随机一个不合格指标作为第二分类决策点；
再次从所述不合格指标集合中不放回随机选取一个不合格指标作为第P分类决策点；
根据第一分类决策点、第二分类决策点和第P分类决策点生成分类决策树；
将所述N个异常节点序列输入所述分类决策树中进行序列重组，获得N个分类决策结果，其中，每个分类决策结果中包括一条生产线对应的多个分类决策序列，每个分类决策序列对应一种不合格指标下待分析产品信息在一条生产线中依次出现的顺序。
2.如权利要求1所述的方法，其特征在于，所述方法包括：
根据生产线标识，将属于同一条生产线的待分析产品信息聚为一簇，获得N个待分析产品信息簇；
分别将N个待分析产品信息簇中待分析产品信息数量比上所述待分析产品信息集合的总数，获得N个第一异常系数。
3.如权利要求1所述的方法，其特征在于，所述方法包括：
从所述N个分类决策结果中选取一条生产线对应的分类决策结果，作为第一分类决策结果；
从所述第一分类决策结果中选取一个不合格指标对应的分类决策序列，将其作为第一分类决策序列；
根据所述待分析产品信息集合采集所述第一分类决策序列中每个待分析产品信息对应的不合格指标参数，获得第一分类决策指标参数序列；
根据所述第一分类决策指标参数序列分析指标变化趋势，获得第一分析结果中的第一子分析结果。
4.如权利要求3所述的方法，其特征在于，所述根据所述第一分类决策指标参数序列分析指标变化趋势，获得第一分析结果中的第一子分析结果，所述方法包括：
根据所述第一分类决策指标参数序列确定第一间隔时间节点集合；
确定所述第一间隔时间节点集合的权重中心，获得第一权重中心；
根据第一权重中心预设距离范围内的N个指标参数变化趋势，确定第一管理方向，将第一管理方向作为第一分析结果中的第一子分析结果。
5.如权利要求4所述的方法，其特征在于，所述确定所述第一间隔时间节点集合的权重中心，获得第一权重中心，所述方法包括：
依次计算第一分类决策指标参数序列中相邻两个指标参数之间的时间间隔，获得Q个时间间隔；
计算Q个时间间隔的最小值，将最小值对应的两个指标参数所在的序列点，作为第一权重中心集合；
将第一权重中心集合进行均值处理，将处理结果对应的时间点作为第一权重中心。
6.如权利要求1所述的方法，其特征在于，所述方法包括：
根据N个第一分析结果匹配管理方案，获得N个生产管理方案；
基于N个第一异常系数对N个生产管理方案进行管理尺度修正，获得N个修正生产管理方案；
根据N个修正生产管理方案对目标密封剂的N条生产线进行生产管理。
7.一种液晶显示器的密封剂生产管理系统，其特征在于，所述系统执行权利要求1-6任一项所述的方法，所述系统包括：
待分析产品信息集合获得模块，所述待分析产品信息集合获得模块用于调取目标密封剂的待分析产品信息集合，通过从产品检测库中采集预设时间段内不合格产品的信息生成所述待分析产品信息集合，其中，每个待分析产品信息具有时间标识和生产线标识；
第一异常系数确定模块，所述第一异常系数确定模块用于根据生产线标识，结合所述待分析产品信息集合进行生产线异常集中度分析，确定N个第一异常系数，其中，所述N个第一异常系数反映了生产车间内N条生产线的产品异常集中程度；
异常节点序列确定模块，所述异常节点序列确定模块用于根据时间标识对N条生产线进行节点标定，确定N个异常节点序列；
分类决策结果获得模块，所述分类决策结果获得模块用于遍历所述待分析产品信息集合采集不合格指标，并根据不合格指标集合对N个异常节点序列进行分类决策，获得N个分类决策结果；
第一分析结果获得模块，所述第一分析结果获得模块用于分别对N个分类决策结果中不合格指标集合的指标变化趋势进行分析，获得N个第一分析结果；
生产管理进行模块，所述生产管理进行模块用于根据N个第一异常系数和N个第一分析结果对目标密封剂的N条生产线进行生产管理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311014459.2A CN116976747B (zh) | 2023-08-14 | 2023-08-14 | 一种液晶显示器的密封剂生产管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311014459.2A CN116976747B (zh) | 2023-08-14 | 2023-08-14 | 一种液晶显示器的密封剂生产管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116976747A CN116976747A (zh) | 2023-10-31 |
| CN116976747B true CN116976747B (zh) | 2024-01-23 |
Family
ID=88483123
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311014459.2A Active CN116976747B (zh) | 2023-08-14 | 2023-08-14 | 一种液晶显示器的密封剂生产管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116976747B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117422585B (zh) * | 2023-12-15 | 2024-05-17 | 中山市三乐电子有限公司 | 电感生产制造控制系统的状态监控方法及系统 |
| CN117474710B (zh) * | 2023-12-27 | 2024-03-22 | 汉狮光动科技(广东)有限公司 | 中空玻璃全过程信息化管理系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1580910A (zh) * | 2003-08-01 | 2005-02-16 | 日立产业有限公司 | 液晶面板的制造方法及其制造装置、以及浆料涂敷装置 |
| 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 |
| JP2019061598A (ja) * | 2017-09-28 | 2019-04-18 | Ｈｅｒｏｚ株式会社 | 生産管理装置および生産管理方法 |
| CN114416410A (zh) * | 2021-12-31 | 2022-04-29 | 联想(北京)有限公司 | 一种异常分析方法、设备和计算机可读存储介质 |
| CN114492898A (zh) * | 2020-10-28 | 2022-05-13 | 北京中祥英科技有限公司 | 产品不良预测方法及装置、电子设备、存储介质 |
| CN115877806A (zh) * | 2022-12-09 | 2023-03-31 | 南京贝迪新材料科技股份有限公司 | 一种lcp膜产品生产控制方法及系统 |
-
2023
- 2023-08-14 CN CN202311014459.2A patent/CN116976747B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1580910A (zh) * | 2003-08-01 | 2005-02-16 | 日立产业有限公司 | 液晶面板的制造方法及其制造装置、以及浆料涂敷装置 |
| 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 |
| JP2019061598A (ja) * | 2017-09-28 | 2019-04-18 | Ｈｅｒｏｚ株式会社 | 生産管理装置および生産管理方法 |
| CN114492898A (zh) * | 2020-10-28 | 2022-05-13 | 北京中祥英科技有限公司 | 产品不良预测方法及装置、电子设备、存储介质 |
| CN114416410A (zh) * | 2021-12-31 | 2022-04-29 | 联想(北京)有限公司 | 一种异常分析方法、设备和计算机可读存储介质 |
| CN115877806A (zh) * | 2022-12-09 | 2023-03-31 | 南京贝迪新材料科技股份有限公司 | 一种lcp膜产品生产控制方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于BI的工序质量分析;童瑞明 等;《计算机科学》;第39卷(第S1期);第242-244页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116976747A (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116976747B (zh) | 一种液晶显示器的密封剂生产管理方法及系统 | |
| CN109409628B (zh) | 基于计量大数据聚类模型的采集终端生产厂商评价方法 | |
| CN111369070B (zh) | 一种基于包络线聚类的多模融合光伏功率预测方法 | |
| CN109389145B (zh) | 基于计量大数据聚类模型的电能表生产厂商评价方法 | |
| CN117008557B (zh) | 共混型互穿网络热塑性弹性体的生产控制方法及系统 | |
| CN112330050A (zh) | 一种基于双层XGBoost考虑多特征的电力系统负荷预测方法 | |
| CN107273234A (zh) | 一种基于eemd的时间序列数据异常值检测和校正方法 | |
| CN109559019B (zh) | 一种基于风险指数的电力系统动态安全评估方法 | |
| CN111737249A (zh) | 基于Lasso算法的异常数据检测方法及装置 | |
| CN115841046A (zh) | 基于维纳过程的加速退化试验数据处理方法和装置 | |
| CN111198979A (zh) | 一种用于对输变电可靠性评估大数据进行清洗的方法及系统 | |
| CN109191408A (zh) | 快速循环地面气象融合方法、装置及服务器 | |
| CN112990776B (zh) | 一种配网设备健康度评价方法 | |
| CN107204616B (zh) | 基于自适应稀疏伪谱法的电力系统随机状态估计方法 | |
| CN107861082A (zh) | 一种电子测量设备的校准间隔确定方法及装置 | |
| CN106970779A (zh) | 一种面向内存计算的流式平衡图划分方法 | |
| CN114611799B (zh) | 基于监督学习的时序神经网络新能源出力多步预测方法 | |
| CN112347655B (zh) | 一种基于机组运行性能评估的风电场理论功率计算方法 | |
| CN115983113A (zh) | 一种全连接神经网络模型下的丝印工艺优化方法 | |
| CN112507526B (zh) | 一种质子交换燃料电池系统性能预测方法及系统 | |
| CN115345343A (zh) | 一种供水管网浊度的预测方法及预测装置 | |
| CN109284478B (zh) | 一种估计对数正态型单元可靠性参数的方法 | |
| CN114237098A (zh) | 一种电气产品的智能化数字管理系统 | |
| CN109325287B (zh) | 一种估计机械件可靠性参数的方法 | |
| CN109323876B (zh) | 一种估计伽玛型单元可靠性参数的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |