CN117250931B - 基于数据融合的石膏板生产智能控制方法及系统 - Google Patents
基于数据融合的石膏板生产智能控制方法及系统 Download PDFInfo
- Publication number
- CN117250931B CN117250931B CN202311525202.3A CN202311525202A CN117250931B CN 117250931 B CN117250931 B CN 117250931B CN 202311525202 A CN202311525202 A CN 202311525202A CN 117250931 B CN117250931 B CN 117250931B
- Authority
- CN
- China
- Prior art keywords
- production
- data
- production control
- target
- equipment
- 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 438
- 238000000034 method Methods 0.000 title claims abstract description 116
- 229910052602 gypsum Inorganic materials 0.000 title claims abstract description 104
- 239000010440 gypsum Substances 0.000 title claims abstract description 104
- 230000004927 fusion Effects 0.000 title claims abstract description 31
- 238000007689 inspection Methods 0.000 claims abstract description 116
- 238000004458 analytical method Methods 0.000 claims abstract description 53
- 230000008569 process Effects 0.000 claims abstract description 45
- 230000000452 restraining effect Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 65
- 230000009466 transformation Effects 0.000 claims description 44
- 238000005457 optimization Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012797 qualification Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000011958 production data acquisition Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 7
- 238000003908 quality control method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 238000009966 trimming Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000007306 turnover Effects 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于数据融合的石膏板生产智能控制方法及系统，涉及生产控制技术领域，该方法包括：调取目标石膏板的生产需求数据；获得历史生产数据集合；生成目标质检约束信息；遍历P个生产设备进行设备性能分析，生成P个生产控制数据阈值；生成Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集；结合历史生产控制数据集、P个生产控制数据阈值进行生产控制参数寻优，并利用目标质检约束信息对寻优过程进行约束，生成目标生产控制参数集；对目标石膏板的生产进行智能控制。本发明解决了现有技术中存在石膏板生产控制考虑片面化，生产质量无法得到保证的技术问题，达到了通过数据融合，智能化的进行石膏板生产控制的技术效果。
Description
技术领域
本发明涉及生产控制技术领域，具体涉及基于数据融合的石膏板生产智能控制方法及系统。
背景技术
随着石膏板的应用场景越来越多，市场对于石膏板的需求也逐渐增大。目前，主要根据石膏板的需求进行生产控制参数匹配，忽略了在生产过程中的实际设备加工情况对控制参数的影响，从而使控制结果与预期结果相差甚远。现有技术中存在石膏板生产控制考虑片面化，生产质量无法得到保证的技术问题。
发明内容
本申请提供了基于数据融合的石膏板生产智能控制方法及系统，用于针对现有技术中存在石膏板生产控制考虑片面化，生产质量无法得到保证的技术问题。
鉴于上述问题，本申请提供了基于数据融合的石膏板生产智能控制方法及系统。
本申请的第一个方面，提供了基于数据融合的石膏板生产智能控制方法，其中，所述方法包括：
以所述生产类型信息为索引，对目标车间的历史生产数据进行匹配，获得历史生产数据集合，其中，所述历史生产数据集合包括历史生产质量数据集和历史生产控制数据集；
基于所述历史生产质量数据集对所述质检约束信息进行尺度变换，生成目标质检约束信息；
遍历P个生产设备进行设备性能分析，生成P个生产控制数据阈值；
生成Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集，所述Q个第一搜索概率、Q个所述第二搜索概率和Q个设备偏离标识集是通过对目标车间的Q个生产工序和P个生产设备在预设观测窗口内采集到的数据进行融合分析获得的；
基于所述历史生产控制数据集、P个生产控制数据阈值、Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集进行生产控制参数寻优，并利用所述目标质检约束信息对寻优过程进行约束，生成目标生产控制参数集；
将所述目标生产控制参数集传输至目标车间的生产总控平台中，对目标石膏板的生产进行智能控制。
本申请的第二个方面，提供了基于数据融合的石膏板生产智能控制系统，所述系统包括：
需求数据调取模块，用于调取目标石膏板的生产需求数据，其中，所述生产需求数据包括生产类型信息和质检约束信息；
生产数据获得模块，用于以所述生产类型信息为索引，对目标车间的历史生产数据进行匹配，获得历史生产数据集合，其中，所述历史生产数据集合包括历史生产质量数据集和历史生产控制数据集；
约束信息生成模块，用于基于所述历史生产质量数据集对所述质检约束信息进行尺度变换，生成目标质检约束信息；
控制数据阈值生成模块，用于遍历P个生产设备进行设备性能分析，生成P个生产控制数据阈值；偏离标识集生成模块，用于生成Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集，所述Q个第一搜索概率、Q个所述第二搜索概率和Q个设备偏离标识集是通过对目标车间的Q个生产工序和P个生产设备在预设观测窗口内采集到的数据进行融合分析获得的；
生产控制参数集生成模块，用于基于所述历史生产控制数据集、P个生产控制数据阈值、Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集进行生产控制参数寻优，并利用所述目标质检约束信息对寻优过程进行约束，生成目标生产控制参数集；
智能控制模块，用于将所述目标生产控制参数集传输至目标车间的生产总控平台中，对目标石膏板的生产进行智能控制。
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：
本申请通过调取目标石膏板的生产需求数据，其中，生产需求数据包括生产类型信息和质检约束信息，然后以生产类型信息为索引，对目标车间的历史生产数据进行匹配，获得历史生产数据集合，其中，历史生产数据集合包括历史生产质量数据集和历史生产控制数据集，进而基于历史生产质量数据集对质检约束信息进行尺度变换，生成目标质检约束信息，然后遍历P个生产设备进行设备性能分析，生成P个生产控制数据阈值，生成Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集，Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集是通过对目标车间的Q个生产工序和P个生产设备在预设观测窗口内采集到的数据进行融合分析获得的，基于历史生产控制数据集、P个生产控制数据阈值、Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集进行生产控制参数寻优，并利用目标质检约束信息对寻优过程进行约束，生成目标生产控制参数集，然后将目标生产控制参数集传输至目标车间的生产总控平台中，对目标石膏板的生产进行智能控制。达到了在最大化满足客户要求的前提下，通过全面进行数据融合分析，降低石膏板生产成本，提高石膏板生产质量和控制准确性的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本申请实施例提供的基于数据融合的石膏板生产智能控制方法流程示意图；
图2为本申请实施例提供的基于数据融合的石膏板生产智能控制方法中获得目标质检约束信息的流程示意图；
图3为本申请实施例提供的基于数据融合的石膏板生产智能控制方法中生成Q个设备偏离标识集的流程示意图；
图4为本申请实施例提供的基于数据融合的石膏板生产智能控制系统结构示意图。
附图标记说明：需求数据调取模块11，生产数据获得模块12，约束信息生成模块13，控制数据阈值生成模块14，偏离标识集生成模块15，生产控制参数集生成模块16，智能控制模块17。
具体实施方式
本申请通过提供了基于数据融合的石膏板生产智能控制方法及系统，用于针对解决现有技术中存在石膏板生产控制考虑片面化，生产质量无法得到保证的技术问题。
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的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。
需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示，本申请提供了基于数据融合的石膏板生产智能控制方法，其中，所述方法包括：
S100：调取目标石膏板的生产需求数据，其中，所述生产需求数据包括生产类型信息和质检约束信息；
在本申请的实施例中，所述目标石膏板是车间进行生产的任意一个订单中所需的石膏板。通过对目标车间中的订单信息进行调取，并从调取的订单中获得生产需求数据，从而为后续进行石膏板生产智能控制提供基础数据。所述生产需求数据对所述目标石膏板进行生产的要求进行描述，包括生产类型信息和质检约束信息。其中，所述生产类型信息包括纸面石膏板、纤维石膏板、石膏空心条板等。所述质检约束信息是根据所述目标石膏板的生产需求，确定的石膏板需要满足的质检要求，换句话说，所述质检约束信息用于对目标石膏板所能达到的质量情况进行描述。通过获得所述生产类型信息和质检约束信息，达到了为后续进行数据融合提供基础数据，并为石膏板的生产智能控制提供依据的技术效果。
S200：以所述生产类型信息为索引，对目标车间的历史生产数据进行匹配，获得历史生产数据集合，其中，所述历史生产数据集合包括历史生产质量数据集和历史生产控制数据集；
在一个可能的实施例中，获取目标车间在历史时间内的生产加工数据，并以生产类型信息为索引对生产加工数据进行检索，从而获得符合目标石膏板的生产类型的相关加工数据，也就是所述历史生产数据集合。其中，所述历史生产数据集合用于对目标车间进行同类型的目标石膏板生产加工时的加工情况进行描述，包括历史生产质量数据集和历史生产控制数据集。所述历史生产质量数据集是用于对目标车间在历史时间内生成与目标石膏板同类型石膏板的生产质量进行描述。所述历史生产控制数据集用于对目标车间进行同类型的目标石膏板生产时各个设备的控制参数集合进行描述。
S300：基于所述历史生产质量数据集对所述质检约束信息进行尺度变换，生成目标质检约束信息；
进一步的，如图2所示，本申请实施例步骤S300还包括：
遍历所述历史生产质量数据集进行石膏板合格率计算，结合所述质检约束信息中的目标合格率进行分析，生成第一变换系数；
以质量不合格为索引对所述历史生产质量数据集进行提取，并对提取数据进行集中分析，根据分析结果与所述质检约束信息中的质量宽容阈值进行比较分析，生成第二变换系数；
以质量合格为索引对所述历史生产质量数据集进行提取，并对提取数据进行集中分析，根据分析结果与所述质检约束信息中的质量宽容阈值的中值进行比较分析，生成第三变换系数；
基于所述第一变换系数、第二变换系数和第三变换系数进行加权计算，生成尺度变换系数，所述尺度变换系数为目标车间生成目标石膏板相同类型的石膏板时质检约束信息可以保留的程度；
利用所述尺度变换系数对所述质检约束信息中的质检要求数据进行相乘，获得目标质检约束信息。
在一个可能的实施例中，通过根据所述历史生产质量数据集中反映了目标车间进行与目标石膏板同类型的石膏板生产时的质量情况，对所述目标石膏板对应的质检约束信息进行尺度变换，结合车间生产的实际情况，对质检约束信息进行调整，获得所述目标质检约束信息。
优选的，通过遍历所述历史生产质量数据集，计算合格的石膏板数量占生产的石膏板总数的比值，获得历史石膏板合格率。进行将所述历史石膏板合格率比上质检约束信息中的目标合格率，将比值作为第一变换系数。其中，所述第一变换系数是从目标车间生产的石膏板合格情况对质检约束信息进行尺度变换的系数。
优选的，以质量不合格为索引对所述历史生产质量数据集进行提取，获得历史生产质量数据集中石膏板不合格的历史不合格生产质量数据集合。进而对历史不合格生产质量数据集合进行集中分析，确定历史不合格生产质量数据集合中的众数，将该众数与所述质检约束信息中的质量宽容阈值的差值，比上质量宽容阈值，将比值的倒数作为第二变换系数。其中，所述质量宽容阈值是所述质检约束信息中设定目标石膏板的允许质量数据范围。所述第二变换系数是从石膏板不合格的程度确定的对质检约束信息进行尺度变换的系数，当第二变换系数较小时，表明不合格的程度越大，因此需要进行更严格的质检约束。
优选的，以质量合格为索引，对所述历史生产质量数据集进行数据提取，从而获得所述历史生产质量数据集中加工的石膏板为合格的质量数据。进而，对提取的数据进行众数求取，从而将众数与所述质量约束信息中的质量宽容阈值的中值做比，将比值的倒数作为第三变换系数。从而当第三变换系数越小时，对应的历史生产中即使石膏板质量合格，但是与中值偏离较大，因此需要进行更严格的质检约束。
在获得所述第一交换系数、第二交换系数和第三交换系数后，按照预设权重比进行加权计算，从而获得所述尺度变换系数。其中，所述预设权重比为本领域技术人员预先设定的进行加权计算时各交换系数的占比。进而，尺度变换系数为目标车间生成目标石膏板相同类型的石膏板时质检约束信息可以保留的程度。当尺度变换系数越大时，质检约束信息中的质检要求数据可以保留的程度越大。将尺度变换系数对所述质检约束信息中的质检要求数据进行相乘，根据计算结果获得目标质检约束信息。
S400：遍历P个生产设备进行设备性能分析，生成P个生产控制数据阈值；
进一步的，本申请实施例步骤S400还包括：
逐一对所述P个生产设备进行设备可调节参数提取，生成P个可调节参数范围；
采集所述P个生产设备的性能损耗数据进行损耗分析，生成P个损耗系数，其中，性能损耗数据包括设备使用年限、设备维修次数、设备零部件更换数量；
利用P个损耗系数对P个可调节参数范围进行修正，获得P个生产控制数据阈值。
在一个可能的实施例中，通过对目标车间内的P个生产设备进行性能分析，从而确定P个生产控制数据阈值。其中，所述P个生产控制数据阈值反映了在满足当前P个生产设备的生产性能的前提下，P个生产设备可以调节的参数范围。逐一对所述P个生产设备进行设备可调节参数提取，生成P个可调节参数范围。所述P个生产设备包括搅拌平台、抽芯机、接板翻转机等。可调节参数范围反映了生产设备在出厂设置下可以运行的工作参数范围，示例性的，搅拌平台的处理量范围为5-100L。
优选的，通过分别采集所述P个生产设备的性能损耗数据，其中，所述性能损耗数据包括设备使用年限、设备维修次数和设备零部件更换数量。进而，根据性能损耗数据确定P个损耗系数。其中，所述P个损耗系数反映了目标车间内的生产设备在经过长时间使用后的损耗情况。示例性的，通过将P个生产设备的设备使用年限比上设备设计寿命，获得P个第一损耗因子。分别将P个生产设备的设备维修次数比上P个生产设备的设备维修总次数，获得P个第二损耗因子。进而，分别将P个生产设备的设备零部件更换数量乘以零部件更换损耗系数（反映了零部件更换后与其他零部件的磨合损失），生成P个第三损耗因子。通过将P个第一损耗因子、P个第二损耗因子和P个第三损耗因子进行加权计算，从而获得所述P个损耗系数。进而，分别将P个损耗系数与P个可调节参数范围进行相乘，从而获得P个生产控制数据阈值。
S500：生成Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集，所述Q个第一搜索概率、Q个所述第二搜索概率和Q个设备偏离标识集是通过对目标车间的Q个生产工序和P个生产设备在预设观测窗口内采集到的数据进行融合分析获得的；
进一步的，如图3所示，本申请实施例步骤S500还包括：
分别对Q个生产工序和P个生产设备在预设观测窗口内的石膏板加工记录数据进行采集，生成Q个工序产品加工记录数据集和P个设备产品加工记录数据集；
分别对P个设备产品加工记录数据集进行集中分析，生成P个设备偏离标识，其中，设备偏离标识具有正标识和负标识，正标识表明设备加工产品的性能偏低，在对应的生产控制数据阈值中进行参数寻优时应向加工产品性能升高的方向进行参数调整，负标识表明设备加工产品的性能偏高，在对应的生产控制数据阈值中进行参数寻优时应向加工产品性能降低的方向进行参数调整，每个设备偏离标识对应一个生产设备；
分别对Q个工序产品加工记录数据集进行集中分析，确定Q个工序偏离系数；
基于生产工序-设备映射关系，确定Q个生产工序对应的Q个生产设备集，生成Q个设备偏离标识集。
进一步的，本申请实施例步骤S500还包括：
判断所述Q个工序偏离系数是否大于宽容阈值，若是，则计算Q个工序偏离系数与宽容阈值的差值比上宽容阈值的比值，将计算结果与预设搜索概率进行相乘，生成Q个第二搜索概率；
基于Q个第二搜索概率确定Q个第一搜索概率，其中，第一搜索概率为在历史生产控制数据集中进行生产控制参数寻优的概率，第二搜索概率为在P个生产控制数据阈值中进行生产控制参数寻优的概率；
若否，则将Q个工序偏离系数比上宽容阈值，并将比值与预设搜索概率相乘，生成Q个第一搜索概率，并根据Q个第一搜索概率确定Q个第二搜索概率，其中，第一搜索概率与第二搜索概率一一对应，相加为1。
在一个可能的实施例中，第一搜索概率为在历史生产控制数据集中进行生产控制参数寻优的概率，第二搜索概率为在P个生产控制数据阈值中进行生产控制参数寻优的概率。所述Q个设备偏离标识集用于对Q个生产工序下的P个生产设备在加工过程中与加工要求的中值的偏离方向进行标识，设备偏离标识具有正标识和负标识，正标识表明设备加工产品的性能偏低，在对应的生产控制数据阈值中进行参数寻优时应向加工产品性能升高的方向进行参数调整，负标识表明设备加工产品的性能偏高，在对应的生产控制数据阈值中进行参数寻优时应向加工产品性能降低的方向进行参数调整，每个设备偏离标识对应一个生产设备。所述Q个第一搜索概率、Q个所述第二搜索概率和Q个设备偏离标识集是通过对目标车间的Q个生产工序和P个生产设备在预设观测窗口内采集到的数据进行融合分析获得的，实现了为目标车间的生产控制参数从局部和全局进行可靠寻优做铺垫的目标。
优选的，通过分别对Q个生产工序和P个生产设备在预设观测窗口内的石膏板加工记录数据进行采集，生成Q个工序产品加工记录数据集和P个设备产品加工记录数据集。其中，所述预设观察窗口为进行加工记录分析的时间段。通过对预设观察窗口内的Q个生产工序和P个生产设备进行石膏板加工时产生的数据进行采集，从而获得Q个工序产品加工记录数据集和P个设备产品加工记录数据集。其中，P个设备产品加工记录数据集反映了P个生产设备按照要求进行加工后的石膏板相关数据，包括表面平整度、尺寸大小等。Q个工序产品加工记录数据集反映了Q个生产工序在进行工序交接时石膏板的相关数据。
优选的，通过分别对P个设备产品加工记录数据集求取众数，然后分别将P个生产设备要求加工的产品数据中值减去求取结果获得差值，根据差值的正负，获得生成P个设备偏离标识。其中，P个设备偏离标识用于对设备的加工性能优劣进行描述。正标识表明当前加工性能过低，经过多设备偏离累计后容易不能满足加工要求，因此需要在对应的生产控制数据阈值中进行参数寻优时应向加工产品性能升高的方向进行参数调整。负标识表明当前加工性能过高，经过多设备偏离累计后，容易造成加工资源过多损失，因此需要在对应的生产控制数据阈值中进行参数寻优时应向加工产品性能降低的方向进行参数调整。基于同样的方法，对Q个工序产品加工记录数据集进行众数求取，然后将求取结果减去Q个生产工序需要完成的产品加工数据的中值，并将中值比上Q个生产工序需要完成的产品加工数据，获得Q个生产设备偏离系数。
进而，根据每个生产工序对应的设备名称构建所述生产工序-设备映射关系，从而根据所述生产工序-设备映射关系确定Q个生产工序对应的Q个生成设备集，并与P个设备偏离标识进行匹配获得Q个设备偏离标识集。
优选的，所述宽容阈值为每道工序结束后整体加工后允许的产品加工范围差。判断所述Q个工序偏离系数是否大于宽容阈值，若是，则表明这道工序在预设观测窗口内加工偏差超出允许范围，反映了历史生产控制数据不可靠，需要从P个生产控制数据阈值中进行控制参数寻优。进而，通过计算Q个工序偏离系数与宽容阈值的差值比上宽容阈值的比值，并将计算结果与预设搜索概率进行相乘，生成Q个第二搜索概率。其中，所述预设搜索概率是由本领域技术人员预先设置在历史生产控制数据集中进行参数寻优的概率。在确定Q个第二搜索概率之后，将Q个第二搜索概率与1的差值，作为Q个第一搜索概率。其中，第一搜索概率为在历史生产控制数据集中进行生产控制参数寻优的概率，第二搜索概率为在P个生产控制数据阈值中进行生产控制参数寻优的概率。若否，则表明历史生产控制数据是可靠的，进而根据不同工序的偏离系数确定每道工序对应的第一搜索概率。示例性的，将Q个工序偏离系数比上宽容阈值，并将比值与预设搜索概率相乘，生成Q个第一搜索概率。在确定Q个第一搜索概率之后，将Q个第一搜索概率与预设搜索概率的差值作为Q个第二搜索概率。则第一搜索概率与第二搜索概率一一对应，相加为1。
S600：基于所述历史生产控制数据集、P个生产控制数据阈值、Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集进行生产控制参数寻优，并利用所述目标质检约束信息对寻优过程进行约束，生成目标生产控制参数集；
S700：将所述目标生产控制参数集传输至目标车间的生产总控平台中，对目标石膏板的生产进行智能控制。
进一步的，本申请实施例步骤S600还包括：
根据Q个第一搜索概率、Q个第二搜索概率在所述历史生产控制数据集、P个生产控制数据阈值中进行多次搜索，获得多个待调整生产控制参数集；
基于Q个设备偏离标识集按照预设微调步长对多个待调整生产控制参数集进行微调，多个调整生产控制参数集；
对所述多个调整生产控制参数集进行质检适应度识别，获得多个质检适应度；
判断所述多个质检适应度是否满足所述目标质检约束信息，若满足，则将对应的调整生产控制参数集添加进多个待选生产控制参数集中；
选取所述多个待选生产控制参数集中质检适应度最高的待选生产控制参数集，作为目标生产控制参数集。
进一步的，本申请实施例步骤S600还包括：
获取多个样本调整生产控制参数集、多个样本质检适应度作为构建数据，并对多个样本质检适应度进行数据标识；
利用构建数据对卷积神经网络层进行训练，并利用数据标识后的多个样本质检适应度对训练过程进行监督，并根据监督结果对卷积神经网络层的参数进行调整更新，直至满足要求，获得训练完成的适应度识别网络层；
将所述多个调整生产控制参数集输入所述适应度识别网络层中，生成多个质检适应度。
在一个实施例中，通过根据历史生产控制数据集、P个生产控制数据阈值、Q个第一搜索概率、Q个第二搜索概率，以及Q个设备偏离标识集进行生产控制参数寻优，并在寻优过程中，利用目标质检约束信息对寻优过程进行约束，生成目标生产控制参数集。其中，所述目标生产控制参数集为寻优过程中最符合目标车间生产情况，能够获得最优石膏板的生产控制参数。进而，将所述目标生产控制参数集传输至目标车间的生产总控平台中，其中，所述生产总控平台是用于对目标车间内的生产设备进行集中控制的平台，然后利用所述生产总控平台对目标石膏板的生产进行智能控制。
优选的，根据Q个第一搜索概率、Q个第二搜索概率在所述历史生产控制数据集、P个生产控制数据阈值中进行多次搜索，获得多个待调整生产控制参数集。示例性的，按照Q个第一搜索概率和Q个第二搜索概率作为生产控制参数随机选择的概率，将历史生产控制数据集和P个生产控制数据阈值作为参数选取的范围，经过多次随机搜索选取，从所述历史生产控制数据集、P个生产控制数据阈值中获得多个待调整生产控制参数集。其中，每个待调整生产控制参数集包括Q个生产工序中的P个生产设备的控制参数。
优选的，所述预设微调步长是由本领域技术人员设定的进行参数微调时的统一参数调整幅度。进而，根据Q个设备偏离标识集中每个生产设备的调整方向，对多个待调整生产控制参数集中每个生产设备对应的生产控制参数按照预设微调步长进行调整，从而获得更符合目标车间的生产设备情况的多个调整生产控制参数集。
优选的，利用适应度识别网络层对所述多个调整生产控制参数集进行质检适应度识别，获得多个质检适应度。其中，所述多个质检适应度反映了多个调整生产控制参数集进行石膏板生产时的质量情况。判断所述多个质检适应度是否满足所述目标质检约束信息，也就是说，多个质检适应度在目标质检约束信息的范围内，若满足，则将对应的调整生产控制参数集添加进多个待选生产控制参数集中。若不满足，则表明对应的多个调整生产控制参数集不能够满足目标石膏板的加工要求。质检适应度高于所述目标质检约束信息，则表明生产的石膏板质量过高，造成资源损耗，若质检适应度低于所述目标质检约束信息，则表明生产的石膏板质量过低，不能满足客户需求。进而，选取所述多个待选生产控制参数集中质检适应度最高的待选生产控制参数集，作为目标生产控制参数集。因此，通过利用目标质检约束信息对多个调整生成控制参数集进行筛选，实现了在最大化满足客户要求的前提下，最大化降低石膏板生产成本的目标。
优选的，通过获取多个样本调整生产控制参数集、多个样本质检适应度作为构建数据，并对多个样本质检适应度进行数据标识，然后利用构建数据对卷积神经网络层进行训练，并利用数据标识后的多个样本质检适应度对训练过程进行监督，并根据监督结果对卷积神经网络层的参数进行调整更新，直至满足要求，获得训练完成的适应度识别网络层，进而，将所述多个调整生产控制参数集输入所述适应度识别网络层中，生成多个质检适应度。达到了对调整生产控制参数集进行智能化的适应度识别的技术效果。
综上所述，本申请实施例至少具有如下技术效果：
本申请通过根据石膏板需求确定质检约束情况，并根据需求匹配历史生产数据，对质检约束信息进行质检尺度变换，进而，根据历史生产数据确定历史生产控制数据集，实现了确定控制参数寻优的经验寻优对象，进而，对P个生产设备进行设备性能分析，获得符合目标车间实际设备运行情况的设备控制参数范围，确定控制参数寻优时的性能寻优对象。通过根据目标车间的Q个生产工序和P个生产设备在预设观测窗口内采集到的数据进行融合分析，生成Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集，进而结合所述历史生产控制数据集、P个生产控制数据阈值进行生产控制参数寻优，并利用目标质检约束信息对寻优过程进行约束，生成目标生产控制参数集，将目标生产控制参数集传输至目标车间的生产总控平台中，对目标石膏板的生产进行智能控制。达到了在最大化满足客户要求的前提下，通过全面进行数据融合分析，降低石膏板生产成本，提高石膏板生产质量和控制准确性的技术效果。
实施例二
基于与前述实施例中相同的发明构思，如图4所示，本申请提供了基于数据融合的石膏板生产智能控制系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：
需求数据调取模块11，用于调取目标石膏板的生产需求数据，其中，所述生产需求数据包括生产类型信息和质检约束信息；
生产数据获得模块12，用于以所述生产类型信息为索引，对目标车间的历史生产数据进行匹配，获得历史生产数据集合，其中，所述历史生产数据集合包括历史生产质量数据集和历史生产控制数据集；
约束信息生成模块13，用于基于所述历史生产质量数据集对所述质检约束信息进行尺度变换，生成目标质检约束信息；
控制数据阈值生成模块14，用于遍历P个生产设备进行设备性能分析，生成P个生产控制数据阈值；
偏离标识集生成模块15，用于生成Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集，所述Q个第一搜索概率、Q个所述第二搜索概率和Q个设备偏离标识集是通过对目标车间的Q个生产工序和P个生产设备在预设观测窗口内采集到的数据进行融合分析获得的；
生产控制参数集生成模块16，用于基于所述历史生产控制数据集、P个生产控制数据阈值、Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集进行生产控制参数寻优，并利用所述目标质检约束信息对寻优过程进行约束，生成目标生产控制参数集；
智能控制模块17，用于将所述目标生产控制参数集传输至目标车间的生产总控平台中，对目标石膏板的生产进行智能控制。
进一步的，所述约束信息生成模块13用于执行如下步骤：
遍历所述历史生产质量数据集进行石膏板合格率计算，结合所述质检约束信息中的目标合格率进行分析，生成第一变换系数；
以质量不合格为索引对所述历史生产质量数据集进行提取，并对提取数据进行集中分析，根据分析结果与所述质检约束信息中的质量宽容阈值进行比较分析，生成第二变换系数；
以质量合格为索引对所述历史生产质量数据集进行提取，并对提取数据进行集中分析，根据分析结果与所述质检约束信息中的质量宽容阈值的中值进行比较分析，生成第三变换系数；
基于所述第一变换系数、第二变换系数和第三变换系数进行加权计算，生成尺度变换系数，所述尺度变换系数为目标车间生成目标石膏板相同类型的石膏板时质检约束信息可以保留的程度；
利用所述尺度变换系数对所述质检约束信息中的质检要求数据进行相乘，获得目标质检约束信息。
进一步的，所述控制数据阈值生成模块14用于执行如下步骤：
逐一对所述P个生产设备进行设备可调节参数提取，生成P个可调节参数范围；
采集所述P个生产设备的性能损耗数据进行损耗分析，生成P个损耗系数，其中，性能损耗数据包括设备使用年限、设备维修次数、设备零部件更换数量；
利用P个损耗系数对P个可调节参数范围进行修正，获得P个生产控制数据阈值。
进一步的，所述偏离标识集生成模块15用于执行如下步骤：
分别对Q个生产工序和P个生产设备在预设观测窗口内的石膏板加工记录数据进行采集，生成Q个工序产品加工记录数据集和P个设备产品加工记录数据集；
分别对P个设备产品加工记录数据集进行集中分析，生成P个设备偏离标识，其中，设备偏离标识具有正标识和负标识，正标识表明设备加工产品的性能偏低，在对应的生产控制数据阈值中进行参数寻优时应向加工产品性能升高的方向进行参数调整，负标识表明设备加工产品的性能偏高，在对应的生产控制数据阈值中进行参数寻优时应向加工产品性能降低的方向进行参数调整，每个设备偏离标识对应一个生产设备；
分别对Q个工序产品加工记录数据集进行集中分析，确定Q个工序偏离系数；
基于生产工序-设备映射关系，确定Q个生产工序对应的Q个生产设备集，生成Q个设备偏离标识集。
进一步的，所述偏离标识集生成模块15用于执行如下步骤：
判断所述Q个工序偏离系数是否大于宽容阈值，若是，则计算Q个工序偏离系数与宽容阈值的差值比上宽容阈值的比值，将计算结果与预设搜索概率进行相乘，生成Q个第二搜索概率；
基于Q个第二搜索概率确定Q个第一搜索概率，其中，第一搜索概率为在历史生产控制数据集中进行生产控制参数寻优的概率，第二搜索概率为在P个生产控制数据阈值中进行生产控制参数寻优的概率；
若否，则将Q个工序偏离系数比上宽容阈值，并将比值与预设搜索概率相乘，生成Q个第一搜索概率，并根据Q个第一搜索概率确定Q个第二搜索概率，其中，第一搜索概率与第二搜索概率一一对应，相加为1。
进一步的，所述生产控制参数集生成模块16用于执行如下步骤：
根据Q个第一搜索概率、Q个第二搜索概率在所述历史生产控制数据集、P个生产控制数据阈值中进行多次搜索，获得多个待调整生产控制参数集；
基于Q个设备偏离标识集按照预设微调步长对多个待调整生产控制参数集进行微调，多个调整生产控制参数集；
对所述多个调整生产控制参数集进行质检适应度识别，获得多个质检适应度；
判断所述多个质检适应度是否满足所述目标质检约束信息，若满足，则将对应的调整生产控制参数集添加进多个待选生产控制参数集中；
选取所述多个待选生产控制参数集中质检适应度最高的待选生产控制参数集，作为目标生产控制参数集。
进一步的，所述生产控制参数集生成模块16用于执行如下步骤：
获取多个样本调整生产控制参数集、多个样本质检适应度作为构建数据，并对多个样本质检适应度进行数据标识；
利用构建数据对卷积神经网络层进行训练，并利用数据标识后的多个样本质检适应度对训练过程进行监督，并根据监督结果对卷积神经网络层的参数进行调整更新，直至满足要求，获得训练完成的适应度识别网络层；
将所述多个调整生产控制参数集输入所述适应度识别网络层中，生成多个质检适应度。
需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (6)
1.基于数据融合的石膏板生产智能控制方法，其特征在于，所述方法包括：
调取目标石膏板的生产需求数据，其中，所述生产需求数据包括生产类型信息和质检约束信息；
以所述生产类型信息为索引，对目标车间的历史生产数据进行匹配，获得历史生产数据集合，其中，所述历史生产数据集合包括历史生产质量数据集和历史生产控制数据集；
基于所述历史生产质量数据集对所述质检约束信息进行尺度变换，生成目标质检约束信息；
遍历P个生产设备进行设备性能分析，生成P个生产控制数据阈值；
生成Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集，所述Q个第一搜索概率、Q个所述第二搜索概率和Q个设备偏离标识集是通过对目标车间的Q个生产工序和P个生产设备在预设观测窗口内采集到的数据进行融合分析获得的；
基于所述历史生产控制数据集、P个生产控制数据阈值、Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集进行生产控制参数寻优，并利用所述目标质检约束信息对寻优过程进行约束，生成目标生产控制参数集；
将所述目标生产控制参数集传输至目标车间的生产总控平台中，对目标石膏板的生产进行智能控制；
其中，所述生成Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集，所述Q个第一搜索概率、Q个所述第二搜索概率和Q个设备偏离标识集是通过对目标车间的Q个生产工序和P个生产设备在预设观测窗口内采集到的数据进行融合分析获得的，包括：
分别对Q个生产工序和P个生产设备在预设观测窗口内的石膏板加工记录数据进行采集，生成Q个工序产品加工记录数据集和P个设备产品加工记录数据集；
分别对P个设备产品加工记录数据集进行集中分析，生成P个设备偏离标识，其中，设备偏离标识具有正标识和负标识，正标识表明设备加工产品的性能偏低，在对应的生产控制数据阈值中进行参数寻优时应向加工产品性能升高的方向进行参数调整，负标识表明设备加工产品的性能偏高，在对应的生产控制数据阈值中进行参数寻优时应向加工产品性能降低的方向进行参数调整，每个设备偏离标识对应一个生产设备；
分别对Q个工序产品加工记录数据集进行集中分析，确定Q个工序偏离系数；
基于生产工序-设备映射关系，确定Q个生产工序对应的Q个生产设备集，生成Q个设备偏离标识集；
其中，所述方法还包括：
判断所述Q个工序偏离系数是否大于宽容阈值，若是，则计算Q个工序偏离系数与宽容阈值的差值比上宽容阈值的比值，将计算结果与预设搜索概率进行相乘，生成Q个第二搜索概率；
基于Q个第二搜索概率确定Q个第一搜索概率，其中，第一搜索概率为在历史生产控制数据集中进行生产控制参数寻优的概率，第二搜索概率为在P个生产控制数据阈值中进行生产控制参数寻优的概率；
若否，则将Q个工序偏离系数比上宽容阈值，并将比值与预设搜索概率相乘，生成Q个第一搜索概率，并根据Q个第一搜索概率确定Q个第二搜索概率，其中，第一搜索概率与第二搜索概率一一对应，相加为1。
2.如权利要求1所述的方法，其特征在于，所述方法包括：
遍历所述历史生产质量数据集进行石膏板合格率计算，结合所述质检约束信息中的目标合格率进行分析，生成第一变换系数；
以质量不合格为索引对所述历史生产质量数据集进行提取，并对提取数据进行集中分析，根据分析结果与所述质检约束信息中的质量宽容阈值进行比较分析，生成第二变换系数；
以质量合格为索引对所述历史生产质量数据集进行提取，并对提取数据进行集中分析，根据分析结果与所述质检约束信息中的质量宽容阈值的中值进行比较分析，生成第三变换系数；
基于所述第一变换系数、第二变换系数和第三变换系数进行加权计算，生成尺度变换系数，所述尺度变换系数为目标车间生成目标石膏板相同类型的石膏板时质检约束信息可以保留的程度；
利用所述尺度变换系数对所述质检约束信息中的质检要求数据进行相乘，获得目标质检约束信息。
3.如权利要求1所述的方法，其特征在于，所述方法包括：
逐一对所述P个生产设备进行设备可调节参数提取，生成P个可调节参数范围；
采集所述P个生产设备的性能损耗数据进行损耗分析，生成P个损耗系数，其中，性能损耗数据包括设备使用年限、设备维修次数、设备零部件更换数量；
利用P个损耗系数对P个可调节参数范围进行修正，获得P个生产控制数据阈值。
4.如权利要求1所述的方法，其特征在于，所述方法包括：
根据Q个第一搜索概率、Q个第二搜索概率在所述历史生产控制数据集、P个生产控制数据阈值中进行多次搜索，获得多个待调整生产控制参数集；
基于Q个设备偏离标识集按照预设微调步长对多个待调整生产控制参数集进行微调，多个调整生产控制参数集；
对所述多个调整生产控制参数集进行质检适应度识别，获得多个质检适应度；
判断所述多个质检适应度是否满足所述目标质检约束信息，若满足，则将对应的调整生产控制参数集添加进多个待选生产控制参数集中；
选取所述多个待选生产控制参数集中质检适应度最高的待选生产控制参数集，作为目标生产控制参数集。
5.如权利要求4所述的方法，其特征在于，所述方法包括：
获取多个样本调整生产控制参数集、多个样本质检适应度作为构建数据，并对多个样本质检适应度进行数据标识；
利用构建数据对卷积神经网络层进行训练，并利用数据标识后的多个样本质检适应度对训练过程进行监督，并根据监督结果对卷积神经网络层的参数进行调整更新，直至满足要求，获得训练完成的适应度识别网络层；
将所述多个调整生产控制参数集输入所述适应度识别网络层中，生成多个质检适应度。
6.基于数据融合的石膏板生产智能控制系统，其特征在于，所述系统包括：
需求数据调取模块，用于调取目标石膏板的生产需求数据，其中，所述生产需求数据包括生产类型信息和质检约束信息；
生产数据获得模块，用于以所述生产类型信息为索引，对目标车间的历史生产数据进行匹配，获得历史生产数据集合，其中，所述历史生产数据集合包括历史生产质量数据集和历史生产控制数据集；
约束信息生成模块，用于基于所述历史生产质量数据集对所述质检约束信息进行尺度变换，生成目标质检约束信息；
控制数据阈值生成模块，用于遍历P个生产设备进行设备性能分析，生成P个生产控制数据阈值；
偏离标识集生成模块，用于生成Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集，所述Q个第一搜索概率、Q个所述第二搜索概率和Q个设备偏离标识集是通过对目标车间的Q个生产工序和P个生产设备在预设观测窗口内采集到的数据进行融合分析获得的；
生产控制参数集生成模块，用于基于所述历史生产控制数据集、P个生产控制数据阈值、Q个第一搜索概率、Q个第二搜索概率和Q个设备偏离标识集进行生产控制参数寻优，并利用所述目标质检约束信息对寻优过程进行约束，生成目标生产控制参数集；
智能控制模块，用于将所述目标生产控制参数集传输至目标车间的生产总控平台中，对目标石膏板的生产进行智能控制；
所述偏离标识集生成模块还用于执行如下步骤：
分别对Q个生产工序和P个生产设备在预设观测窗口内的石膏板加工记录数据进行采集，生成Q个工序产品加工记录数据集和P个设备产品加工记录数据集；
分别对P个设备产品加工记录数据集进行集中分析，生成P个设备偏离标识，其中，设备偏离标识具有正标识和负标识，正标识表明设备加工产品的性能偏低，在对应的生产控制数据阈值中进行参数寻优时应向加工产品性能升高的方向进行参数调整，负标识表明设备加工产品的性能偏高，在对应的生产控制数据阈值中进行参数寻优时应向加工产品性能降低的方向进行参数调整，每个设备偏离标识对应一个生产设备；
分别对Q个工序产品加工记录数据集进行集中分析，确定Q个工序偏离系数；
基于生产工序-设备映射关系，确定Q个生产工序对应的Q个生产设备集，生成Q个设备偏离标识集；
判断所述Q个工序偏离系数是否大于宽容阈值，若是，则计算Q个工序偏离系数与宽容阈值的差值比上宽容阈值的比值，将计算结果与预设搜索概率进行相乘，生成Q个第二搜索概率；
基于Q个第二搜索概率确定Q个第一搜索概率，其中，第一搜索概率为在历史生产控制数据集中进行生产控制参数寻优的概率，第二搜索概率为在P个生产控制数据阈值中进行生产控制参数寻优的概率；
若否，则将Q个工序偏离系数比上宽容阈值，并将比值与预设搜索概率相乘，生成Q个第一搜索概率，并根据Q个第一搜索概率确定Q个第二搜索概率，其中，第一搜索概率与第二搜索概率一一对应，相加为1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311525202.3A CN117250931B (zh) | 2023-11-16 | 2023-11-16 | 基于数据融合的石膏板生产智能控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311525202.3A CN117250931B (zh) | 2023-11-16 | 2023-11-16 | 基于数据融合的石膏板生产智能控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117250931A CN117250931A (zh) | 2023-12-19 |
| CN117250931B true CN117250931B (zh) | 2024-01-23 |
Family
ID=89126726
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311525202.3A Active CN117250931B (zh) | 2023-11-16 | 2023-11-16 | 基于数据融合的石膏板生产智能控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117250931B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117875037B (zh) * | 2023-12-29 | 2024-08-06 | 苏州昆岭薄膜工业有限公司 | 一种bopp膜生产线数字仿真建模方法及系统 |
| CN118394009B (zh) * | 2024-04-24 | 2024-10-15 | 江苏光启新能源科技有限公司 | 用于中光强障碍灯的生产组装控制方法 |
| CN118274954B (zh) * | 2024-05-24 | 2024-10-01 | 无锡诚赢科技有限公司 | 基于振动感知的设备状态智能检测方法及系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019074969A (ja) * | 2017-10-17 | 2019-05-16 | 新日鐵住金株式会社 | 品質予測装置及び品質予測方法 |
| KR20200048581A (ko) * | 2018-10-30 | 2020-05-08 | (주)우리술 | 막걸리 제조 및 유통 공동관리 시스템 |
| CN112799369A (zh) * | 2021-01-15 | 2021-05-14 | 北京理工大学 | 一种产品装配过程管控方法和装置 |
| CN113076698A (zh) * | 2021-04-20 | 2021-07-06 | 广西大学 | 基于车间大数据的动态多目标协同优化方法和系统 |
| CN113919601A (zh) * | 2021-12-09 | 2022-01-11 | 山东捷瑞数字科技股份有限公司 | 基于产品性能和过程数据模型的树脂工艺预测方法及装置 |
| CN115619183A (zh) * | 2022-11-03 | 2023-01-17 | 合肥工业大学 | 多主体协同下考虑供应链成本的生产任务调度方法 |
| CN115826541A (zh) * | 2023-02-16 | 2023-03-21 | 一夫科技股份有限公司 | 一种β型建筑石膏粉的生产控制方法及系统 |
| CN115951646A (zh) * | 2023-03-14 | 2023-04-11 | 一夫科技股份有限公司 | 一种α型半水石膏的智能生产控制方法及系统 |
| CN115982178A (zh) * | 2023-03-21 | 2023-04-18 | 佛山市恒益环保建材有限公司 | 一种蒸压加气混凝土制品智能配方配料方法及系统 |
| CN116610083A (zh) * | 2023-07-18 | 2023-08-18 | 成都飞机工业（集团）有限责任公司 | 一种面向大型复杂产品生产装配的动态调度方法 |
| CN116859873A (zh) * | 2023-08-22 | 2023-10-10 | 广东凡易紧固件有限公司 | 一种紧固件生产工艺参数控制方法及系统 |
| CN116974230A (zh) * | 2023-06-14 | 2023-10-31 | 爱泊车科技有限公司 | 一种基于物联网的设备运行模式智能控制方法及系统 |
| CN117057644A (zh) * | 2023-07-31 | 2023-11-14 | 智慧互通科技股份有限公司 | 一种基于特性匹配的设备生产质量检测方法及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9443229B2 (en) * | 2013-03-15 | 2016-09-13 | Elemica, Inc. | Supply chain message management and shipment constraint optimization |
| US20220027616A1 (en) * | 2020-07-21 | 2022-01-27 | Saudi Arabian Oil Company | Systems and methods for reservoir history matching quality assessment and visualization |
| EP4207011A4 (en) * | 2020-08-31 | 2024-06-05 | Epistra Inc. | PRODUCTION PROCESS OPTIMIZATION METHOD AND PRODUCTION PROCESS OPTIMIZATION SYSTEM |
| US20230004931A1 (en) * | 2021-06-30 | 2023-01-05 | Transportation Ip Holdings, Llc | Systems and methods for estimating time of arrival of vehicle systems |
-
2023
- 2023-11-16 CN CN202311525202.3A patent/CN117250931B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019074969A (ja) * | 2017-10-17 | 2019-05-16 | 新日鐵住金株式会社 | 品質予測装置及び品質予測方法 |
| KR20200048581A (ko) * | 2018-10-30 | 2020-05-08 | (주)우리술 | 막걸리 제조 및 유통 공동관리 시스템 |
| CN112799369A (zh) * | 2021-01-15 | 2021-05-14 | 北京理工大学 | 一种产品装配过程管控方法和装置 |
| CN113076698A (zh) * | 2021-04-20 | 2021-07-06 | 广西大学 | 基于车间大数据的动态多目标协同优化方法和系统 |
| CN113919601A (zh) * | 2021-12-09 | 2022-01-11 | 山东捷瑞数字科技股份有限公司 | 基于产品性能和过程数据模型的树脂工艺预测方法及装置 |
| CN115619183A (zh) * | 2022-11-03 | 2023-01-17 | 合肥工业大学 | 多主体协同下考虑供应链成本的生产任务调度方法 |
| CN115826541A (zh) * | 2023-02-16 | 2023-03-21 | 一夫科技股份有限公司 | 一种β型建筑石膏粉的生产控制方法及系统 |
| CN115951646A (zh) * | 2023-03-14 | 2023-04-11 | 一夫科技股份有限公司 | 一种α型半水石膏的智能生产控制方法及系统 |
| CN115982178A (zh) * | 2023-03-21 | 2023-04-18 | 佛山市恒益环保建材有限公司 | 一种蒸压加气混凝土制品智能配方配料方法及系统 |
| CN116974230A (zh) * | 2023-06-14 | 2023-10-31 | 爱泊车科技有限公司 | 一种基于物联网的设备运行模式智能控制方法及系统 |
| CN116610083A (zh) * | 2023-07-18 | 2023-08-18 | 成都飞机工业（集团）有限责任公司 | 一种面向大型复杂产品生产装配的动态调度方法 |
| CN117057644A (zh) * | 2023-07-31 | 2023-11-14 | 智慧互通科技股份有限公司 | 一种基于特性匹配的设备生产质量检测方法及系统 |
| CN116859873A (zh) * | 2023-08-22 | 2023-10-10 | 广东凡易紧固件有限公司 | 一种紧固件生产工艺参数控制方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 基于视觉感知的表面缺陷智能检测理论及工业应用;柴利 等;《计算机集成制造系统》;第28卷(第7期);1996-2004 * |
| 磷石膏杂质处理及综合利用研究进展;张婧 等;《磷肥与复肥》;第36卷(第9期);25-28 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117250931A (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117250931B (zh) | 基于数据融合的石膏板生产智能控制方法及系统 | |
| CN113255795B (zh) | 一种基于多指标集群分析的设备状态监测方法 | |
| CN117234171B (zh) | 用于芯片生产的工艺参数控制方法及系统 | |
| CN112529234A (zh) | 基于深度学习的地表水质预测方法 | |
| CN101710235A (zh) | 一种数控机床在线加工工件的自动识别和监控方法 | |
| CN115660509A (zh) | 一种基于数字孪生技术的工厂建造管控方法及系统 | |
| CN113253037B (zh) | 基于电流波纹的边云协同设备状态监测方法及系统、介质 | |
| CN117274864A (zh) | 基于异常识别的工业物联网及控制方法 | |
| CN117076258A (zh) | 一种基于互联网云端的远程监控方法及系统 | |
| CN111814730A (zh) | 无人机健康状态评价方法、装置、设备和计算机存储介质 | |
| CN116882079A (zh) | 一种水泵特性曲线自适应校准及预测方法 | |
| CN117576823B (zh) | 一种排队叫号系统终端 | |
| CN116776753B (zh) | 一种带钢热连轧过程力学性能指标软测量方法和系统 | |
| CN116865851A (zh) | 一种多维度的光纤运行质量监测方法及系统 | |
| CN114926075B (zh) | 基于工时预测的机械零件生产调度方法 | |
| CN112966449B (zh) | 基于变量选择和概率神经网络的制造过程质量缺陷根源诊断方法 | |
| CN115361311A (zh) | 互联网区块链数字标志传输识别方法 | |
| CN116540627B (zh) | 基于深度迁移学习的机床热误差预测补偿群控方法及系统 | |
| CN115660596B (zh) | 一种移动终端的数据交互方法及移动终端 | |
| CN117574618B (zh) | 用于电流仿真训练的实时检测方法 | |
| CN118311935B (zh) | 一种家居自动化生产控制系统及方法 | |
| CN118035923B (zh) | 一种电网录波异常信号识别方法 | |
| CN115576288B (zh) | 一种过滤材料的生产控制方法和系统 | |
| CN117952396B (zh) | 一种基于物联网的制造执行管理系统 | |
| CN113473523B (zh) | 基于节点邻居关系和rssi频率分布的无线节点邻近感知方法 |
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 |