CN117010549A - 基于大数据管理体系的信息溯源方法及终端 - Google Patents

基于大数据管理体系的信息溯源方法及终端 Download PDF

Info

Publication number
CN117010549A
CN117010549A CN202310727992.7A CN202310727992A CN117010549A CN 117010549 A CN117010549 A CN 117010549A CN 202310727992 A CN202310727992 A CN 202310727992A CN 117010549 A CN117010549 A CN 117010549A
Authority
CN
China
Prior art keywords
production
data
information
raw material
product
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
Application number
CN202310727992.7A
Other languages
English (en)
Inventor
阮育余
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.)
Fujian Kaibang Polyamide Technology Co ltd
Original Assignee
Fujian Kaibang Polyamide 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 Fujian Kaibang Polyamide Technology Co ltd filed Critical Fujian Kaibang Polyamide Technology Co ltd
Priority to CN202310727992.7A priority Critical patent/CN117010549A/zh
Publication of CN117010549A publication Critical patent/CN117010549A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明提供了一种基于大数据管理体系的信息溯源方法及终端，根据生产资料信息构建生产监管模型，从而在获取到实时生产数据的情况下，能够通过生产监管模型自动预测生产数据，即实现了从生产原材料数量预测生产数量，再通过预测生产数据与标准生产数据进行比对，从而判断生产流程是否存在异常，若存在异常，则自动生成生产异常记录，从而根据生产异常记录实现生产信息溯源。在实现生产信息溯源的过程中，无需通过人工记录生产信息和追踪生产流程，而是基于生产资料信息构建生产监管模型，并通过生产监管模型实时预测生产线的生产结果从而判断生产流程的实时运行情况，实现了自动检测生产流程和生产信息溯源。

Description

基于大数据管理体系的信息溯源方法及终端
技术领域
本发明涉及信息溯源技术领域，尤其涉及一种基于大数据管理体系的信息溯源方法及终端。
背景技术
随着数字经济的不断发展，传统制造产业迎来了新的发展机遇，因此制造工厂的车间作业要求越来越高效和精准，过去依靠纯手工的方式记录生产信息、追踪生产流程的方式，不仅造成生产效率低下而且易出错，已经无法满足工业生产制造业的发展需求；况且，随着工业生产制造业的不断发展，其生产的产品种类也越来越多，进而导致其对应的生产资料信息也越来越多，一旦生产过程中出现错误，很难通过生产资料信息对出现错误的生产线进行检测溯源。
发明内容
本发明所要解决的技术问题是：提供一种基于大数据管理体系的信息溯源方法及终端，记录和管理生产资料信息，实时监控生产线实现自动检测溯源。
为了解决上述技术问题，本发明采用的技术方案为：
一种基于大数据管理体系的信息溯源方法，包括步骤：
获取生产资料信息，根据所述生产资料信息建立生产监管模型；
获取实时生产数据，将所述实时生产数据输入所述生产监管模型进行计算，得到预测生产数据；
将所述预测生产数据与标准生产数据进行比对，若比对失败，则生成生产异常记录，并根据所述生产异常记录在所述生产资料信息中进行生产信息溯源。
为了解决上述技术问题，本发明采用的另一种技术方案为：
一种基于大数据管理体系的信息溯源终端，包括存储器、处理器及存储在所述存储器上并在所述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一种基于大数据管理体系的信息溯源方法中的各个步骤。
本发明的有益效果在于：根据生产资料信息构建生产监管模型，从而在获取到实时生产数据的情况下，能够通过生产监管模型自动预测生产数据，即实现了从生产原材料数量预测生产数量，再通过预测生产数据与标准生产数据进行比对，从而判断生产流程是否存在异常，若存在异常，则自动生成生产异常记录，从而根据生产异常记录实现生产信息溯源。在实现生产信息溯源的过程中，无需通过人工记录生产信息和追踪生产流程，而是基于生产资料信息构建生产监管模型，并通过生产监管模型实时预测生产线的生产结果从而判断生产流程的实时运行情况，实现了自动检测生产流程和生产信息溯源。
附图说明
图1为本发明实施例提供的一种基于大数据管理体系的信息溯源方法的步骤流程图；
图2为本发明实施例提供的一种基于大数据管理体系的信息溯源终端的结构示意图；
标号说明：
301、存储器；302、处理器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
请参照图1，本发明实施例提供了一种基于大数据管理体系的信息溯源方法，包括步骤：
获取生产资料信息，根据所述生产资料信息建立生产监管模型；
获取实时生产数据，将所述实时生产数据输入所述生产监管模型进行计算，得到预测生产数据；
将所述预测生产数据与标准生产数据进行比对，若比对失败，则生成生产异常记录，并根据所述生产异常记录在所述生产资料信息中进行生产信息溯源。
从上述描述可知，本发明的有益效果在于：根据生产资料信息构建生产监管模型，从而在获取到实时生产数据的情况下，能够通过生产监管模型自动预测生产数据，即实现了从生产原材料数量预测生产数量，再通过预测生产数据与标准生产数据进行比对，从而判断生产流程是否存在异常，若存在异常，则自动生成生产异常记录，从而根据生产异常记录实现生产信息溯源。在实现生产信息溯源的过程中，无需通过人工记录生产信息和追踪生产流程，而是基于生产资料信息构建生产监管模型，并通过生产监管模型实时预测生产线的生产结果从而判断生产流程的实时运行情况，实现了自动检测生产流程和生产信息溯源。
进一步的，所述获取生产资料信息，根据所述生产资料信息建立生产监管模型包括：
获取生产资料信息，通过预设的目标数据映射机制以及标准数据对所述生产资料信息进行数据清洗，得到目标生产资料信息；
根据所述目标生产资料信息构建生产资料信息表；
根据所述生产资料信息表构建生产线-产品信息集；
基于所述生产线-产品信息集建立生产监管模型。
由上述描述可知，通过目标数据映射机制和标准数据对生产资料信息进行数据清洗，从而得到标准化的目标生产资料信息，并根据目标生产资料信息构建生产资料信息表，使得生产资料信息的存储与管理更加统一和有序，便于后续根据生产异常记录进行生产信息溯源。同时根据生产资料信息构建生产线-产品信息集，并根据生产线-产品信息集建立生产监管模型，实现对生产数据的预测，从而自动判断生产流程是否存在异常。
进一步的，所述目标数据映射机制包括特征目标和数据排列规则；
所述标准数据为根据所述数据排列规则进行排列的样本数据；
所述通过预设的目标数据映射机制以及标准数据对所述生产资料信息进行数据清洗，得到目标生产资料信息具体为：
根据所述特征目标从所述生产资料信息中提取目标数据；
根据所述数据排列规则将所述目标数据进行排列，得到目标生产资料信息；
将所述目标生产资料信息与所述样本数据进行比对，若比对一致，则所述生产资料信息数据清洗完成得到目标生产资料信息；
若比对不一致，则返回执行所述根据所述特征目标从所述生产资料信息中提取目标数据步骤。
由上述描述可知，通过设置目标数据映射机制和标准数据对生产资料信息进行数据清洗，进而建立生产资料信息表。先通过目标数据映射机制整理和归纳生产资料信息，清除生产资料信息中的无效信息，保证生产资料信息管理的标准化，同时通过标准数据来检验完成数据清洗的生产资料信息是否出错，一定程度上保证了数据清洗后的生产资料信息的准确性，从而构建稳定的溯源数据基础。
进一步的，所述生产资料信息表包括生产原材料信息表和生产线信息表；
所述根据所述目标生产资料信息构建生产资料信息表包括：
根据所述目标生产资料信息分别构建生产原材料信息表和生产线信息表；
所述根据所述生产资料信息表构建生产线-产品信息集包括：
分别获取所述生产原材料信息表中的生产原材料数据、所述生产线信息表中的生产线数据以及产品数据；
根据所述生产线信息表的生产关系，构建包含所述生产原材料数据、生产线数据以及产品数据的生产线-产品信息集；
所述基于所述生产线-产品信息集建立生产监管模型包括：
建立多个直角坐标系，并将所述生产原材料数据、生产线数据以及产品数据根据产品的数量分别映射至所述多个直角坐标系进行计算，得到多个线性回归方程，根据所述多个线性回归方程建立生产监管模型。
由上述描述可知，通过建立生产过程中生产线、生产原材料以及产品三者之间的生产关系，即生产线-产品信息集，并通过将三者的生产关系映射至直角坐标系得到线性回归方程，建立生产监管模型，使得三者的生产关系具象化为函数关系，从而在已知生产线、生产原材料或产品其中两种信息量的情况下，能够通过函数关系得到另外一种信息量，以此作为检测生产流程是否正常的条件，实现对生产流程的自动监测与追踪。
进一步的，所述实时生产数据包括已生产的产品数量和实时原材料余量；所述获取实时生产数据，将所述实时生产数据输入所述生产监管模型进行计算，得到预测生产数据包括：
获取已生产的产品数量和实时原材料余量；
将所述实时原材料余量输入所述生产监管模型进行计算，得到估计生产数量；
根据所述已生产的产品数量以及估计生产数量得到预测生产数据。
由上述描述可知，在已知生产原材料的剩余数量的情况下，将其输入生产监管模型中得到估计生产数据，同时根据已生产数据即可预测当前生产流程可达到的生产数据；即通过当前生产数据预测未来生产数据，以此方式实现对生产流程的实时监测，能够及时发现生产流程存在异常情况，从而提前采取措施，以避免造成大批量的生产异常。
进一步的，所述生产异常记录包括生产线信息、产品信息以及所述生产线信息对应设备的视频数据；
所述将所述预测生产数据与标准生产数据进行比对，若比对失败，则生成生产异常记录，并根据所述生产异常记录在所述生产资料信息中进行生产信息溯源包括：
计算所述预测生产数据与所述标准生产数据的差值，判断所述差值是否符合预设阈值范围；
若不符合则比对失败，生成与所述预测生产数据对应的生产线信息、产品信息以及所述生产线信息对应设备的视频数据，同时建立设备正常生产模型，根据所述设备正常生产模型以及所述视频数据判断所述设备是否存在异常，若是，则获取设备信息，并根据所述设备信息生成检修信息；
否则，根据所述生产线信息以及产品信息获取生产原材料信息，并根据所述生产原材料信息在所述生产资料信息中进行生产信息溯源。
由上述描述可知，通过生产期望数量与预测生产数量的差值判断生产流程是否出现异常，能够精准监测生产过程。其中，造成生产异常的原因有可能是设备存在问题，故获取生产线对应设备的视频数据，以实现对设备的实时监控。在排除生产异常的原因是设备问题后，则通过生产异常记录中的信息在生产资料信息表中进行溯源处理，无需人工进行记录和跟踪，极大程度地减小了人工成本，并且提高了监管生产过程的工作效率。
进一步的，所述根据所述生产线信息表的生产关系，构建包含所述生产原材料数据、生产线数据以及产品数据的生产线-产品信息集具体为：
其中，t表示日期，H表示生产线数据，X表示产品数据，y表示生产原材料数据，n、m、c分别表示生产线编号、产品编号以及生产原材料编号，N表示生产原材料的种类数量，b表示生产原材料种类的编号，Num表示产品的数量，num表示生产原材料的使用数量。
由上述描述可知，通过对生产线信息表进行编号，从而实现对信息的数据化处理，使得原本由文字描述的生产关系转变为更直观和具象化的数学关系，从而保证信息数据的可观性和科学性。
进一步的，所述产品信息包括产品数量；
所述建立多个直角坐标系，并将生产原材料数据、生产线数据以及产品数据根据产品的数量分别映射至所述多个直角坐标系进行计算，得到多个线性回归方程具体为：
建立多个直角坐标系，并将生产原材料数据、生产线数据以及产品数据根据产品的数量分别映射至所述多个直角坐标系中；
计算每个直角坐标系的坐标距离密度，判断所述坐标距离密度是否大于预设的坐标距离密度阈值，若是，则删除所述坐标距离密度对应的直角坐标系；
否则，获取所述坐标距离密度对应的直角坐标系中的所有坐标点，并将所述坐标点映射至一个直角坐标系进行计算，得到多个线性回归方程。
由上述描述可知，计算各个直角坐标系的坐标距离密度，通过设置坐标距离密度阈值去除坐标距离密度大于坐标距离密度的直角坐标系，进而建立生产监管模型，以此方式过滤了生产线-产品信息集中的有误的数据，保障了后续监管生产线的生产过程的准确性。
进一步的，所述计算每个直角坐标系的坐标距离密度具体为：
其中，dNum表示产品的数量为Num的坐标距离密度；C表示生产原材料编号；N表示生产原材料的种类数量；h表示生产线；numb表示第b种生产原材料的使用数量。
由上述描述可知，以产品数量作为数据分类映射至不同直角坐标系中的条件，由于产品数量相同，则生产时所用的生产原材料等数据也相同，使得在同一直角坐标系中的数据应当更加集中，所以通过计算直角坐标系的坐标距离密度，能够有效滤除生产线-产品信息集中偏差较大的数据，以保证后续计算线性回归方程的准确性。
请参照图2，本发明另一实施例提供了一种基于大数据管理体系的信息溯源终端，包括存储器、处理器及存储在所述存储器上并在所述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一种基于大数据管理体系的信息溯源方法中的各个步骤。
从上述描述可知，本发明的有益效果在于：根据生产资料信息构建生产监管模型，从而在获取到实时生产数据的情况下，能够通过生产监管模型自动预测生产数据，即实现了从生产原材料数量预测生产数量，再通过预测生产数据与标准生产数据进行比对，从而判断生产流程是否存在异常，若存在异常，则自动生成生产异常记录，从而根据生产异常记录实现生产信息溯源。在实现生产信息溯源的过程中，无需通过人工记录生产信息和追踪生产流程，而是基于生产资料信息构建生产监管模型，并通过生产监管模型实时预测生产线的生产结果从而判断生产流程的实时运行情况，实现了自动检测生产流程和生产信息溯源。
本发明实施例提供了一种基于大数据管理体系的信息溯源方法及终端，可应用与生产制造业的生产流程中，实现对生产线流程的自动监管，同时在发现生产流程出现异常时能够实现生产信息的自动检测溯源，无需人工记录与跟踪，提高了生产流程监管的准确性以及可分析性，以下通过具体实施例来说明：
请参照图1，本发明的实施例一：
一种基于大数据管理体系的信息溯源方法，包括步骤：
S1、获取生产资料信息，根据所述生产资料信息建立生产监管模型。
具体的，所述S1包括：
S11、获取生产资料信息，通过预设的目标数据映射机制以及标准数据对所述生产资料信息进行数据清洗，得到目标生产资料信息。
在一些实施例中，所述生产资料信息包括生产原材料的基本信息、产品的基本信息以及生产线的图像数据、视频数据和基本信息；其中，生产原材料的基本信息包括采购记录以及出入库记录，产品的基本信息包括产品的名称以及产品所需的生产原材料的名称和数量，生产线的基本信息包括编号、历史生产记录和设备名称。需要说明的是，所述图像数据以及视频数据通过生产车间中预先设置的摄像头进行实时采集。
S12、根据所述目标生产资料信息构建生产资料信息表。
S13、根据所述生产资料信息表构建生产线-产品信息集。
S14、基于所述生产线-产品信息集建立生产监管模型。
S2、获取实时生产数据，将所述实时生产数据输入所述生产监管模型进行计算，得到预测生产数据。
具体的，所述实时生产数据包括已生产的产品数量和实时原材料余量。
则所述S2包括：
S21、获取已生产的产品数量和实时原材料余量。
S22、将所述实时原材料余量输入所述生产监管模型进行计算，得到估计生产数量。
S23、根据所述已生产的产品数量以及估计生产数量得到预测生产数据。
需要说明的是，每当生产线完成一件产品后，获取各个生产原材料的剩余数量，得到实时原材料余量。将实时原材料余量输入生产监管模型进行计算，得到剩余数量的生产原材料预计可生产的产品数量，即估计生产数量。将估计可生产的产品数量与已生产的产品数量相加，得到预计可生产的产品总量，即预测生产数据。
在一种可选的实施方式中，所述实时生产数据包括已生产的产品数量和初始原材料总量；
则所述S2包括：
S21、获取已生产的产品数量和初始原材料总量。
S22、将所述已生产的产品数量输入所述生产监管模型进行计算，得到估计原材料使用量；
S23、根据所述初始原材料总量以及估计原材料使用量得到预测生产数据。
需要说明的是，每当生产线完成一件产品后，将已生产的产品数量输入所述生产监管模型进行计算，得到预计需要使用的生产原材料余量，即估计原材料使用量。将初始原材料总量减去预计需要使用的生产原材料余量，得到预计剩余的生产原材料数量，即预测生产数据。
S3、将所述预测生产数据与标准生产数据进行比对，若比对失败，则生成生产异常记录，并根据所述生产异常记录在所述生产资料信息中进行生产信息溯源。所述生产异常记录包括生产线信息、产品信息以及所述生产线信息对应设备的视频数据。
具体的，所述S3包括：
S31、计算所述预测生产数据与所述标准生产数据的差值，判断所述差值是否符合预设阈值范围。
在一些实施例中，若预测生产数据为预计可生产的产品总量，则标准生产数据为期望生产的产品数量；若预测生产数据为预计剩余的生产原材料数量，则标准生产数据为实际剩余的生产原材料数量。预设阈值为标准生产数据的5％。计算预测生产数据与标准生产数据之间的差值，若差值小于5％，则比对成功，表示生产线生产正常；若差值大于或等于5％，则比对失败，表示生产线生产异常。
在一些实施例中，当一条生产线被判断为生产异常时，停止该生产线，并生成生产异常记录。其中，所述生产异常记录中的生产线信息为生产异常的生产线编号，产品信息为该生产线所生产的产品名称。
S32、若不符合则比对失败，生成与所述预测生产数据对应的生产线信息、产品信息以及所述生产线信息对应设备的视频数据，同时建立设备正常生产模型，根据所述设备正常生产模型以及所述视频数据判断所述设备是否存在异常，若是，则获取设备信息，并根据所述设备信息生成检修信息；
否则，根据所述生产线信息以及产品信息获取生产原材料信息，并根据所述生产原材料信息在所述生产资料信息中进行生产信息溯源。
在一些实施例中，建立设备正常生产模型，根据所述设备正常生产模型以及所述视频数据判断所述设备是否存在异常具体为：获取多个生产正常的生产线中各个设备的生产视频数据，根据所述生产视频数据建立设备正常生产模型，将设备正常生产模型代入所述生产异常记录中的视频数据，判断各个设备的生产是否存在异常。
在一些实施例中，若设备存在生产异常，则记录此设备的编号，并从生产异常记录中获取对应的生产异常视频数据，将设备的编号以及生产异常数据发送给相关管理人员，由相关管理人员对设备进行检查维修。即设备信息包括了设备的编号以及生产异常视频数据。
在一些实施例中，若设备为生产正常，则生产线生产异常原因是生产原材料异常，根据生产线信息以及产品信息获取生产原材料名称(生产原材料信息)，根据生产原材料名称在生产资料信息表中对各个生产原材料的信息进行溯源。
在一些实施例中，溯源处理的生产信息包括生产原材料的名称、经销商名称、生产日期、当前库存量、进库数量及对应的时间和出库数量及对应的时间。当溯源处理获取到对应的生产信息后，将该生产信息发送给相关管理人员，由相关管理人员根据溯源得到的生产信息进行生产原材料进行检测。
本发明的实施例二：
本实施例与实施例一的不同之处在于，限定了所述步骤S11-步骤S14的具体实现方式。
具体的，所述目标数据映射机制包括特征目标和数据排列规则；所述标准数据为根据所述数据排列规则进行排列的样本数据。
所述S11具体为：
S111、根据所述特征目标从所述生产资料信息中提取目标数据。
在一些实施例中，目标数据包括：1、生产原材料的基本信息：生产原材料的名称、经销商名称、生产日期以及数量；2、产品的基本信息：产品的名称、所需生产原材料的名称以及数量；3、生产线的基本信息：各个生产线的编号、生产产品名称、所使用的生产原材料的名称和数量以及对应的生产日期。例如，若特征目标与生产原材料相关，则提取的目标数据具体为：生产原材料的名称、经销商名称、生产日期、出入库时间以及数量。
S112、根据所述数据排列规则将所述目标数据进行排列，得到目标生产资料信息；
需要说明的是，数据排列规则包括标准数据格式以及数据排列顺序；其中，数据排列顺序优先从生产线编号进行排列，以此方式使得生产资料信息可以由生产线溯源至对应的生产车间。具体的，数据排列顺序中的纵数据为生产线编号，横数据为名称、生产日期以及数量等生产信息。
S113、将所述目标生产资料信息与所述样本数据进行比对，若比对一致，则所述生产资料信息数据清洗完成得到目标生产资料信息；
S114、若比对不一致，则返回执行步骤S111。
具体的，所述生产资料信息表包括生产原材料信息表和生产线信息表。
具体的，所述S12包括：
S121、根据所述目标生产资料信息分别构建生产原材料信息表和生产线信息表。
在一些实施例中，所述生产原材料信息表包括生产原材料的名称、经销商名称、生产日期、当前库存量、进库数量及对应的时间和出库数量及对应的时间；所述生产线信息表包括生产线的编号、设备名称、对应生产的产品名称、生产日期、产品所需的生产原材料种类和数量。
在一些实施例中，所述S13之前包括：从生产资料信息表中获取各项数据并对各项数据设置编号。例如，将不同生产线的编号设置为H1、H2、…、Hn，将不同产品的编号设置为X1、X2、…、Xm，将不同生产原材料的编号设置为y1、y2、…、yc，其中，n、m、c为大于0的自然数。
具体的，所述S13包括：
S131、分别获取所述生产原材料信息表中的生产原材料数据、所述生产线信息表中的生产线数据以及产品数据。
S132、根据所述生产线信息表的生产关系，构建包含所述生产原材料数据、生产线数据以及产品数据的生产线-产品信息集S。
所述S132具体为：
其中，t表示日期，H表示生产线数据，X表示产品数据，y表示生产原材料数据，n、m、c分别表示生产线编号、产品编号以及生产原材料编号，N表示生产原材料的种类数量，b表示生产原材料种类的编号，Num表示产品的数量，num表示生产原材料的使用数量。
需要说明的是，tn,m表示生产线Hn生产产品Xm的日期，Hn表示生产线编号为n的生产线数据；Xm表示产品编号m的产品数据，(Xm,Num)表示生产线Hn在日期为t时所生产的产品Xm的数量；表示生产产品Xm时所需要的第b种生产原材料数据，其中第b种生产原材料的编号为c，N表示生产产品Xm时所需要的生产原材料的种类数量(N≧b)，/>表示生产线Hn在生产日期为t时生产产品Xm所需要的第b种生产原材料的数量。
需要说明的是，上述生产线数据、产品数据以及生产原材料数据即为上述生产线-产品信息集S中的指定参数。
具体的，所述S14包括：
S141、建立多个直角坐标系，并将所述生产原材料数据、生产线数据以及产品数据根据产品的数量分别映射至所述多个直角坐标系进行计算，得到多个线性回归方程，根据所述多个线性回归方程建立生产监管模型。
所述S141具体为：
S1411、建立多个直角坐标系，并将所述生产原材料数据、生产线数据以及产品数据根据产品的数量分别映射至所述多个直角坐标系中。
需要说明的是，直角坐标系中的X轴表示生产原材料的种类数量，Y轴表示生产产品的数量。
S1412、计算每个直角坐标系的坐标距离密度，判断所述坐标距离密度是否大于预设的坐标距离密度阈值，若是，则删除所述坐标距离密度对应的直角坐标系；否则，获取所述坐标距离密度对应的直角坐标系中的所有坐标点，并将所述坐标点映射至一个直角坐标系进行计算，得到多个线性回归方程。
需要说明的是，此处所有坐标点即所有坐标距离密度符合坐标距离密度阈值的直角坐标系的坐标点。
其中，所述计算每个直角坐标系的坐标距离密度具体为：
其中，dNum表示产品的数量为Num的坐标距离密度；C表示生产原材料编号；N表示生产原材料的种类数量；h表示生产线；numb表示第b种生产原材料的使用数量。
需要说明的是，所述线性回归方程Fn可表示为：
Fn(Xm,Num)＝a1num1+a2num2+…+aNnumN；
其中，a1、a2、…、aN为常数系数，numN表示第N种生产原材料的使用数量。
需要说明的是，对于每一条生产线，可通过将待生产的产品数量输入至对应的线性回归方程中，从而得到生产过程中预计需要的生产原材料数量；或可通过将生产原材料的数量输入至对应的线性回归方程中，从而得到预计生产的产品数量。
需要说明的是，在生产线进行生产前，可将生产线的编号以及期望生产的产品数量输入生产监管模型中，通过生产监管模型中对应的线性回归方程进行计算，从而得到生产对应产品数量所需要的生产原材料的数量。
请参照图2，本发明的实施例三：
一种基于大数据管理体系的信息溯源终端，包括存储器301、处理器302及存储在所述存储器301上并在所述处理器302上运行的计算机程序，所述处理器302执行所述计算机程序时实现实施例一和实施例二所述的一种基于大数据管理体系的信息溯源方法中的各个步骤。
综上所述，本发明提供的一种基于大数据管理体系的信息溯源方法及终端，通过对生产资料信息进行数据清洗，从而构建生产资料信息表，使得生产资料信息的管理更加标准化，便于后续实现生产信息溯源。同时根据生产资料信息构建生产线-产品信息集，并根据生产线-产品信息集构建生产监管模型，从而在获取到实时生产数据的情况下，能够通过生产监管模型自动预测生产数据，即实现了从当前生产数据预测未来生产数据，再通过预测生产数据与标准生产数据进行比对，从而判断生产流程是否存在异常，若存在异常，则自动生成生产异常记录，从而根据生产异常记录实现生产信息溯源。在实现生产信息溯源的过程中，无需通过人工记录生产信息和追踪生产流程，而是基于生产资料信息构建生产监管模型，并通过生产监管模型预测生产线的生产结果从而判断生产流程，实时监控生产线，实现了自动检测生产流程和生产信息溯源。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于大数据管理体系的信息溯源方法，其特征在于，包括步骤：
获取生产资料信息，根据所述生产资料信息建立生产监管模型；
获取实时生产数据，将所述实时生产数据输入所述生产监管模型进行计算，得到预测生产数据；
将所述预测生产数据与标准生产数据进行比对，若比对失败，则生成生产异常记录，并根据所述生产异常记录在所述生产资料信息中进行生产信息溯源。
2.根据权利要求1所述的一种基于大数据管理体系的信息溯源方法，其特征在于，所述获取生产资料信息，根据所述生产资料信息建立生产监管模型包括：
获取生产资料信息，通过预设的目标数据映射机制以及标准数据对所述生产资料信息进行数据清洗，得到目标生产资料信息；
根据所述目标生产资料信息构建生产资料信息表；
根据所述生产资料信息表构建生产线-产品信息集；
基于所述生产线-产品信息集建立生产监管模型。
3.根据权利要求2所述的一种基于大数据管理体系的信息溯源方法，其特征在于，所述目标数据映射机制包括特征目标和数据排列规则；
所述标准数据为根据所述数据排列规则进行排列的样本数据；
所述通过预设的目标数据映射机制以及标准数据对所述生产资料信息进行数据清洗，得到目标生产资料信息具体为：
根据所述特征目标从所述生产资料信息中提取目标数据；
根据所述数据排列规则将所述目标数据进行排列，得到目标生产资料信息；
将所述目标生产资料信息与所述样本数据进行比对，若比对一致，则所述生产资料信息数据清洗完成得到目标生产资料信息；
若比对不一致，则返回执行所述根据所述特征目标从所述生产资料信息中提取目标数据步骤。
4.根据权利要求2所述的一种基于大数据管理体系的信息溯源方法，其特征在于，所述生产资料信息表包括生产原材料信息表和生产线信息表；
所述根据所述目标生产资料信息构建生产资料信息表包括：
根据所述目标生产资料信息分别构建生产原材料信息表和生产线信息表；
所述根据所述生产资料信息表构建生产线-产品信息集包括：
分别获取所述生产原材料信息表中的生产原材料数据、所述生产线信息表中的生产线数据以及产品数据；
根据所述生产线信息表的生产关系，构建包含所述生产原材料数据、生产线数据以及产品数据的生产线-产品信息集；
所述基于所述生产线-产品信息集建立生产监管模型包括：
建立多个直角坐标系，并将所述生产原材料数据、生产线数据以及产品数据根据产品的数量分别映射至所述多个直角坐标系进行计算，得到多个线性回归方程，根据所述多个线性回归方程建立生产监管模型。
5.根据权利要求1所述的一种基于大数据管理体系的信息溯源方法，其特征在于，所述实时生产数据包括已生产的产品数量和实时原材料余量；
所述获取实时生产数据，将所述实时生产数据输入所述生产监管模型进行计算，得到预测生产数据包括：
获取已生产的产品数量和实时原材料余量；
将所述实时原材料余量输入所述生产监管模型进行计算，得到估计生产数量；
根据所述已生产的产品数量以及估计生产数量得到预测生产数据。
6.根据权利要求1所述的一种基于大数据管理体系的信息溯源方法，其特征在于，所述生产异常记录包括生产线信息、产品信息以及所述生产线信息对应设备的视频数据；
所述将所述预测生产数据与标准生产数据进行比对，若比对失败，则生成生产异常记录，并根据所述生产异常记录在所述生产资料信息中进行生产信息溯源包括：
计算所述预测生产数据与所述标准生产数据的差值，判断所述差值是否符合预设阈值范围；
若不符合则比对失败，生成与所述预测生产数据对应的生产线信息、产品信息以及所述生产线信息对应设备的视频数据，同时建立设备正常生产模型，根据所述设备正常生产模型以及所述视频数据判断所述设备是否存在异常，若是，则获取设备信息，并根据所述设备信息生成检修信息；
否则，根据所述生产线信息以及产品信息获取生产原材料信息，并根据所述生产原材料信息在所述生产资料信息中进行生产信息溯源。
7.根据权利要求4所述的一种基于大数据管理体系的信息溯源方法，其特征在于，所述根据所述生产线信息表的生产关系，构建包含所述生产原材料数据、生产线数据以及产品数据的生产线-产品信息集具体为：
其中，t表示日期，H表示生产线数据，X表示产品数据，y表示生产原材料数据，n、m、c分别表示生产线编号、产品编号以及生产原材料编号，N表示生产原材料的种类数量，b表示生产原材料种类的编号，Num表示产品的数量，num表示生产原材料的使用数量。
8.根据权利要求4所述的一种基于大数据管理体系的信息溯源方法，其特征在于，所述建立多个直角坐标系，并将所述生产原材料数据、生产线数据以及产品数据根据产品的数量分别映射至所述多个直角坐标系进行计算，得到多个线性回归方程具体为：
建立多个直角坐标系，并将所述生产原材料数据、生产线数据以及产品数据根据产品的数量分别映射至所述多个直角坐标系中；
计算每个直角坐标系的坐标距离密度，判断所述坐标距离密度是否大于预设的坐标距离密度阈值，若是，则删除所述坐标距离密度对应的直角坐标系；
否则，获取所述坐标距离密度对应的直角坐标系中的所有坐标点，并将所述坐标点映射至一个直角坐标系进行计算，得到多个线性回归方程。
9.根据权利要求8所述的一种基于大数据管理体系的信息溯源方法，其特征在于，所述计算每个直角坐标系的坐标距离密度具体为：
其中，dNum表示产品的数量为Num的坐标距离密度；C表示生产原材料编号；N表示生产原材料的种类数量；h表示生产线；numb表示第b种生产原材料的使用数量。
10.一种基于大数据管理体系的信息溯源终端，包括存储器、处理器及存储在所述存储器上并在所述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如权利要求1-9任意一项所述的一种基于大数据管理体系的信息溯源方法中的各个步骤。
CN202310727992.7A 2023-06-19 2023-06-19 基于大数据管理体系的信息溯源方法及终端 Pending CN117010549A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310727992.7A CN117010549A (zh) 2023-06-19 2023-06-19 基于大数据管理体系的信息溯源方法及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310727992.7A CN117010549A (zh) 2023-06-19 2023-06-19 基于大数据管理体系的信息溯源方法及终端

Publications (1)

Publication Number Publication Date
CN117010549A true CN117010549A (zh) 2023-11-07

Family

ID=88562695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310727992.7A Pending CN117010549A (zh) 2023-06-19 2023-06-19 基于大数据管理体系的信息溯源方法及终端

Country Status (1)

Country Link
CN (1) CN117010549A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117290659A (zh) * 2023-11-24 2023-12-26 华信咨询设计研究院有限公司 一种基于回归分析的数据溯源方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117290659A (zh) * 2023-11-24 2023-12-26 华信咨询设计研究院有限公司 一种基于回归分析的数据溯源方法
CN117290659B (zh) * 2023-11-24 2024-04-02 华信咨询设计研究院有限公司 一种基于回归分析的数据溯源方法

Similar Documents

Publication Publication Date Title
WO2023071217A1 (zh) 基于深度迁移学习的多工况流程工业故障检测诊断方法
CN109711659B (zh) 一种工业生产的良率提升管理系统和方法
CN102473660B (zh) 等离子加工系统自动瑕疵检测和分类及其方法
CN115908424A (zh) 基于三维激光扫描的建筑物健康检测方法、系统及介质
CN117235649B (zh) 一种基于大数据的工业设备状态智能监测系统及方法
CN110941648A (zh) 基于聚类分析的异常数据识别方法、系统和存储介质
CN108334652B (zh) 机台的预诊断方法及预诊断装置
JP2009187175A (ja) バッチプロセスデータの解析装置およびそれを用いた異常検出／品質推定装置
CN117010549A (zh) 基于大数据管理体系的信息溯源方法及终端
CN113888480A (zh) 一种基于mes的质量追溯方法和系统
CN117056688A (zh) 一种基于数据分析的新材料生产数据管理系统及方法
Atzmueller et al. Anomaly detection and structural analysis in industrial production environments
CN115689415A (zh) 一种基于数字孪生的物流监视与仿真系统
CN117556366B (zh) 基于数据筛选的数据异常检测系统及方法
CN111626548A (zh) 一种基于mes系统的质量管理方法和设备
CN114416826A (zh) 一种设备点检数据统计方法、分析方法及计算机存储介质
JP2015045942A (ja) 品質管理装置、品質管理方法、及びプログラム
CN109693459A (zh) 信息处理方法及装置
CN117649207A (zh) 一种建筑施工管理系统
Sonmez et al. Using accurately measured production amounts to obtain calibration curve corrections of production line speed and stoppage duration consisting of measurement errors
CN110455370B (zh) 防汛抗旱远程遥测显示系统
CN112686433A (zh) 快递数量的预测方法、装置、设备及存储介质
Filz et al. Data-driven analysis of product property propagation to support process-integrated quality management in manufacturing systems
CN110914771A (zh) 品质分析装置及品质分析方法
JP6885321B2 (ja) プロセスの状態診断方法及び状態診断装置

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