CN117270480A - 一种生产线监控方法及系统 - Google Patents

Abstract

本申请提出一种生产线监控方法及系统，属于智能监控技术领域，其方法包括：对每个生产项的生产设定信息进行解析，构建得到对应生产项的监控集，并向生产线段配置第一传感器，向生产工位配置第二传感器；根据传感器的监控结果进行异常分析，确定同个参数指标的单独异常分布以及所有参数指标的整体异常分布；根据异常分析算法的分析结果得到针对同个生产线段的第一方案报表；对第一方案报表进行优化，得到第二方案报表；对每个生产线段的配置传感器进行工作控制以及基于第二方案报表确定每个生产线段的补充传感器以及替换传感器来对相应生产线段进行监控优化。便于保证对生产线中存在的问题进行及时排除，且保证生产线数据采集的有效性。

Description

一种生产线监控方法及系统

技术领域

本发明涉及一种生产线监控方法及系统，属于智能监控技术领域。

背景技术

现有的MES一般需要提前植入特定的智能硬件才能完成智能监控，而本发明设计对传统快消品生产线设备的智能化、数字化改造，传统的快消品生产线不具有特定的智能硬件，需要改造时进行部署，当前系统采集数据有限，根据数据仅能获取生产线产量等实时数据，当遇到生产线异常（如产量数据长时间停止更新）等复杂情况时，后端团队无法通过有限的数据进行实时问题排查。

因此，本发明提出一种生产线监控方法及系统。

发明内容

针对上述现有技术的不足，本发明的目的在于提供一种生产线监控方法及系统，通过向生产线段以及生产工位设置传感器保证对生产线的全面监控，且对监控结果进行异常分析，便于保证对生产线中存在的问题进行及时排除，且通过对传感器补充及替换，保证生产线数据采集的有效性，进而提高生产线的工作效率。

根据本发明的实施方案，提供第一个方案为：一种生产线监控方法，包括：

步骤1：根据快消品生产线的生产构造，得到所述快消品生产线的生产项目集；

步骤2：基于信息解析模型对所述生产项目集中每个生产项的生产设定信息进行解析，构建得到对应生产项的监控集，并向对应生产项所匹配的生产线段配置第一传感器，同时，根据每个生产线所存在的生产工位的工位特点，向对应生产工位配置第二传感器；

步骤3：对同个生产线段上基于第一传感器以及第二传感器的监控结果进行异常分析，确定同个参数指标的单独异常分布以及所有参数指标的整体异常分布；

步骤4：基于所述单独异常分布以及整体异常分布，从算法分析数据库中调取得到异常分析算法，并根据异常分析算法的分析结果得到针对所述同个生产线段的第一方案报表；

步骤5：基于所有生产线段的第一方案报表以及所述快消品生产线中所有生产线段的工作相互关系，对第一方案报表进行优化，得到第二方案报表；

步骤6：基于所述第二方案报表对每个生产线段的配置传感器进行工作控制以及基于所述第二方案报表确定每个生产线段的补充传感器以及替换传感器来对相应生产线段进行监控优化。

进一步地，根据快消品生产线的生产构造，得到所述快消品生产线的生产项目集，包括：

根据快消品生产线的生产结构部署图，得到生产构造；

对所述生产构造按照生产类型进行划分，得到与所述生产类型一致的生产线段，并将所述生产线段的生产内容作为生产项，进而得到生产项目集。

进一步地，构建得到对应生产项的监控集，并向对应生产项所匹配的生产线段配置第一传感器，包括：

根据解析结果确定对应生产项的监控信息，得到监控集，其中，所述监控集中包含监测参数、对应监测参数的参数权重以及对应监测参数在对应生产项的生产线段上的产生位置；

将所述监控集中的监测参数、参数权重、产生位置与器件数据库进行匹配，并将匹配结果按照产生位置进行罗列得到传感器清单；

基于器件工作模型对所述传感器清单中的每个待定传感器进行遍历，得到每个待定传感器设置器件使用价值；

将所述器件使用价值与对应传感器清单中的器件监测权重进行对照分析，确定每个待定传感器的备用个数；

其中，表示对应待定传感器的备用个数；/>表示基于器件使用价值s1从价值-个数映射表中匹配的个数；/>表示基于器件监测权重q1从权重-个数映射表中匹配的个数；/>表示基于器件使用价值s1以及器件监测权重q1从价值-权重-个数映射表中匹配的个数；/>表示基于/>、/>以及个数/>的方差；/>表示向上取整符号；/>表示基于产生位置w4从位置-权重映射表匹配得到的位置权重；/>表示对应待定传感器所对应生产位置w4处的所有监测参数中的最大参数权重；/>表示对应待定传感器所对应生产位置w4处的所有监测参数中平均参数权重；

根据备用个数以及原始个数，向对应生产线段的相应生产位置配置第一传感器。

进一步地，对同个生产线段上基于第一传感器以及第二传感器的监控结果进行异常分析，包括：

依据第一传感器以及第二传感器的部署位置，来依次将每个传感器的监测结果输入到与所述快消品生产线匹配的位置结果记录表；

在所述位置结果记录表中对同个参数指标的异常结果进行显著性标定；

根据显著性标定结果中同颜色的第一分布情况以及同颜色的深浅的第二分布情况，得到单独异常分布以及整体异常分布。

进一步地，根据异常分析算法的分析结果得到针对所述同个生产线段的第一方案报表，包括：

确定单独异常分布中同显著性颜色下不同深浅的第一分布集以及整体异常分布中同深浅下不同颜色的第二分布集；

确定第一分布集中每个分布数组的第一位置覆盖比，构建得到第一分析向量；

确定第二分布集中每个分布数组的第二位置覆盖比，构建得到第二分析向量；

将所有第一分析向量中同深浅下的元素进行平均值求取，构建得到第三分析向量；

构建基于所述第三分析向量以及第二分析向量的分析矩阵，并分别向所述分析矩阵中的每列设置异常程度，得到异常向量，其中，所述异常向量中每个元素都有参数描述；

将所述异常向量与算法分析数据库进行匹配，得到异常分析算法；

根据所述异常分析算法，对所述单独异常分布以及整体异常分布进行分析，得到分析结果，并将所述分析结果填充到空白报表中，得到第一方案报表。

进一步地，对第一方案报表进行优化，得到第二方案报表，包括：

获取所述快消品生产线的生产数据集，并抽取所述快消品生产线处于正常运行状态下的每个生产线段的第一表征信息，同时，抽取所述快消品生产线中只存在一个生产线段处于异常状态若干第二表征信息，并构建得到表征矩阵，其中，每个生产线段对应一个表征矩阵；

确定所述表征矩阵的表征特征，且结合所述第一表征信息分析每个表征矩阵中每行向量的表征突出因子，得到每行向量的表征关联线段；

统计同个表征矩阵中相同表征关联线段的出现次数以及出现突出程度，向对应表征关联线段设置关联系数；

其中，X1表示向对应表征关联线段设置的关联系数；表示对应表征关联线段的出现突出程度；/>表示对应表征关联线段的出现次数；/>表示对应表征矩阵的行个数；/>表示对应表征矩阵出现的所有表征关联线段的总个数；/>表示对应表征关联线段涉及到的所有表征突出因子B的突出函数；

基于所有关联系数，确定工作影响关系，且结合工作相互关系，对第一方案报表进行优化。

进一步地，基于所有关联系数，确定工作影响关系，且结合工作相互关系，对第一方案报表进行优化，包括：

提取每个表征矩阵中关联系数大于等于预设系数的第一系数，并将与所述第一系数对应的表征关联线段视为第一关联线段，且结合对应表征矩阵中处于异常状态的生产线段，且结合关联系数，构建得到第一影响结构；

同时，确定对应表征矩阵中是否存在满足的第二系数，若存在，基于所述第二系数对所述第一影响结构进行扩展，得到新结构，其中，/>表示预设系数；/>表示对应表征矩阵中关联系数小于预设系数中的任一系数变量；/>表示对应表征矩阵中所有关联系数的方差；/>表示对应表征矩阵中所有关联系数中的最大系数；

否则，将所述第一影响结构作为新结构；

基于结构转化机制将每个新结构进行转化得到结构向量，并依次将所述结构向量输入到生产线分析模型中，确定工作影响关系；

对所述工作影响关系以及工作相互关系进行关系融合，得到最后关系；

提取所述最后关系中的改动信息点以及锁定所述改动信息点基于所述第一方案报表的改动位置，来对第一方案报表进行优化，得到第二方案报表。

进一步地，基于所述第二方案报表确定每个生产线段的补充传感器以及替换传感器来对相应生产线段进行监控优化，包括：

提取每个生产线段中的补充传感器，并根据补充传感器的监测位置，向对应补充传感器设置监测时间条件；

同时，控制替换传感器按照原先传感器的工作内容进行相应监控操作。

进一步地，对所述工作影响关系以及工作相互关系进行关系融合，得到最后关系，包括：

按照生产线段的线段描述，将所述工作影响关系的第一描述关系点与工作相关关系的第二描述关系点进行一一对应；

根据对应结果，将相应的第一描述关系点上的影响信息转移到对应第二描述关系点上，得到最后关系。

本发明提供一种生产线监控系统，包括：

集获取模块，用于根据快消品生产线的生产构造，得到所述快消品生产线的生产项目集；

传感器配置模块，用于基于信息解析模型对所述生产项目集中每个生产项的生产设定信息进行解析，构建得到对应生产项的监控集，并向对应生产项所匹配的生产线段配置第一传感器，同时，根据每个生产线所存在的生产工位的工位特点，向对应生产工位配置第二传感器；

异常分布确定模块，用于对同个生产线段上基于第一传感器以及第二传感器的监控结果进行异常分析，确定同个参数指标的单独异常分布以及所有参数指标的整体异常分布；

算法分析模块，用于基于所述单独异常分布以及整体异常分布，从算法分析数据库中调取得到异常分析算法，并根据异常分析算法的分析结果得到针对所述同个生产线段的第一方案报表；

报表优化模块，用于基于所有生产线段的第一方案报表以及所述快消品生产线中所有生产线段的工作相互关系，对第一方案报表进行优化，得到第二方案报表；

监控优化模块，用于基于所述第二方案报表对每个生产线段的配置传感器进行工作控制以及基于所述第二方案报表确定每个生产线段的补充传感器以及替换传感器来对相应生产线段进行监控优化。

与现有技术相比，本申请的有益效果如下：

向生产线段以及生产工位设置传感器保证对生产线的全面监控，且对监控结果进行异常分析，便于保证对生产线中存在的问题进行及时排除，且通过对传感器补充及替换，保证生产线数据采集的有效性，进而提高生产线的工作效率。

通过构建监控集以及数据库匹配，便于构建清单，且通过传感器遍历，便于确定使用价值，进而与清单中的监测权重对照分析，计算备用个数，实现对传感器的有效设置，保证监控的全面性以及数据获取的有效性。

附图说明

图1为本发明一种生产线监控方法的流程图；

图2为本发明一种生产线监控系统的结构图。

具体实施方式

为了使本领域的技术人员更好地理解本申请中的技术方案，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的一部分实施例，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，当元件被称为“固定于”或“设置于”另一个部件上，它可以直接在另一个部件上或者间接设置在另一个部件上；当一个部件被称为是“连接于”另一个部件，它可以是直接连接到另一个部件或间接连接至另一个部件上。

需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或部件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”、“若干个”的含义是两个或两个以上，除非另有明确具体的限定。

须知，本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本申请可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本申请所能产生的功效及所能达成的目的下，均应仍落在本申请所揭示的技术内容得能涵盖的范围内。

实施例1：

根据本发明的实施方案，提供第一个方案为：一种生产线监控方法，如图1所示，包括：

步骤1：根据快消品生产线的生产构造，得到所述快消品生产线的生产项目集；

步骤2：基于信息解析模型对所述生产项目集中每个生产项的生产设定信息进行解析，构建得到对应生产项的监控集，并向对应生产项所匹配的生产线段配置第一传感器，同时，根据每个生产线所存在的生产工位的工位特点，向对应生产工位配置第二传感器；

步骤3：对同个生产线段上基于第一传感器以及第二传感器的监控结果进行异常分析，确定同个参数指标的单独异常分布以及所有参数指标的整体异常分布；

步骤4：基于所述单独异常分布以及整体异常分布，从算法分析数据库中调取得到异常分析算法，并根据异常分析算法的分析结果得到针对所述同个生产线段的第一方案报表；

步骤5：基于所有生产线段的第一方案报表以及所述快消品生产线中所有生产线段的工作相互关系，对第一方案报表进行优化，得到第二方案报表；

步骤6：基于所述第二方案报表对每个生产线段的配置传感器进行工作控制以及基于所述第二方案报表确定每个生产线段的补充传感器以及替换传感器来对相应生产线段进行监控优化。

该实施例中，生产构造指的是对应生产线中涉及到的不同生产阶段的生产设备以及生产流程，且每个阶段的生产设备以及生产流程作为生产项，也就是每个生产项对应一个成产线段，比如，快消品生产线的制造流程为：食物清洗--食物制造--食物封装-食物运输四个阶段，且每个阶段都应的生产类型不同，进而每个阶段视为一个生产线段。

该实施例中，生产项目集包含生产线段、生产线段的类型以及内容。

该实施例中，信息解析模型是预先训练好的，基于不同的生产项目集以及由专家对不同的制造流程设定的监测参数、参数权重、产生位置在内，进而通过对项目集的解析，便于直接得到，其中，产生位置指的是对应参数在生产阶段的监测位置。

该实施例中，生产工位是制造流程中本身就事先设定好的，比如，工位1是半自动机器人工作，此时，就是模具从生产设备上拿取下来，此时，就需要对生产设备的模具位置设置传感器，来监测模具是否拿取下来，此时，工位特点即为对模具的监测。

该实施例中，异常分析是将监测结果与标准的结果比较即可直接获取得到。

该实施例中，单独异常分布指的是同个参数指标的异常分布，比如，基于流水线的位置点1、点2、点3、点10分布，整体异常分布指的是所有异常参数的基于流水线的位置点的分布。

该实施例中，算法分析数据库中包含若干不同分布下的分析算法，不同分布采用的算法不同，可以有效保证对异常分析的精准性，且异常算法是预先设定好的，只是为了基于分布来匹配相应的。

该实施例中，第一方案报表是将分析结果输入到空白报表中的相应位置得到的。

该实施例中，第二方案报表是通过对第一方案报表中需要修改的信息进行修改后得到的，且修改是基于工作相互关系以及存在的影响关系为基础进行修改，进而实现的优化，也就是修改后的信息即为优化后的结果。

该实施例中，工作控制的指的每个传感器的工作方式，比如，时间上的控制，比如，控制传感器按照间隔时间t1进行监控。

该实施例中，补充传感器指的是在原先的基础上新设置的传感器，替换传感器指的是对有异常的传感器进行替换，保证监控的有效性。

上述技术方案的有益效果是：向生产线段以及生产工位设置传感器保证对生产线的全面监控，且对监控结果进行异常分析，便于保证对生产线中存在的问题进行及时排除，且通过对传感器补充及替换，保证生产线数据采集的有效性，进而提高生产线的工作效率。

实施例2：

基于实施例1的基础上，根据快消品生产线的生产构造，得到所述快消品生产线的生产项目集，包括：

根据快消品生产线的生产结构部署图，得到生产构造；

对所述生产构造按照生产类型进行划分，得到与所述生产类型一致的生产线段，并将所述生产线段的生产内容作为生产项，进而得到生产项目集。

该实施例中，结构部署图是在修建生产线就预先确定好的。

上述技术方案的有益效果是：通过确定生产构造以及生产类型划分，便于得到生产项目集，为后续配置传感器提供基础。

实施例3：

基于实施例1的基础上，构建得到对应生产项的监控集，并向对应生产项所匹配的生产线段配置第一传感器，包括：

根据解析结果确定对应生产项的监控信息，得到监控集，其中，所述监控集中包含监测参数、对应监测参数的参数权重以及对应监测参数在对应生产项的生产线段上的产生位置；

将所述监控集中的监测参数、参数权重、产生位置与器件数据库进行匹配，并将匹配结果按照产生位置进行罗列得到传感器清单；

基于器件工作模型对所述传感器清单中的每个待定传感器进行遍历，得到每个待定传感器设置器件使用价值；

将所述器件使用价值与对应传感器清单中的器件监测权重进行对照分析，确定每个待定传感器的备用个数；

其中，表示对应待定传感器的备用个数；/>表示基于器件使用价值s1从价值-个数映射表中匹配的个数；/>表示基于器件监测权重q1从权重-个数映射表中匹配的个数；/>表示基于器件使用价值s1以及器件监测权重q1从价值-权重-个数映射表中匹配的个数；/>表示基于/>、/>以及个数/>的方差；/>表示向上取整符号；/>表示基于产生位置w4从位置-权重映射表匹配得到的位置权重；/>表示对应待定传感器所对应生产位置w4处的所有监测参数中的最大参数权重；/>表示对应待定传感器所对应生产位置w4处的所有监测参数中平均参数权重；

根据备用个数以及原始个数，向对应生产线段的相应生产位置配置第一传感器。

该实施例中，器件数据库包含与监测参数、参数权重、产生位置匹配传感器类型以及该类型的原始个数。

该实施例中，传感器清单包含传感器类型、生产位置、原始个数以及监测参数、参数权重、产生位置在内。

该实施例中，器件工作模型是预先设定好的，包含不同的传感器类型以及该类型传感器的有效寿命周期以及合格率，因此，可以得到器件使用价值，周期越长，合格率越大，使用价值越高，取值范围为（0，1）。

该实施例中，每个生产位置配置的第一传感器的个数为原始个数+备用个数，且原始个数的传感器是先工作的，备用个数的传感器是当原始个数的传感器有异常时再进行工作等。

该实施例中，价值-个数映射表是包含不同使用价值以及与价值匹配的器件设置个数在内。

权重-个数映射表是包含不同的监测权重以及与权重匹配的器件设置个数在内。

价值-权重-个数映射表是包含不同的价值、权重，以及与价值、权重匹配的器件设置个数在内。

位置-权重映射表是包含不同的生产位置以及与位置匹配的权重在内。

该实施例中，由于不同类型的传感器的生产批次或者传感器制造流程会导致制造出来传感器存在一定的合格性，且生产线上所使用的传感器的类型是不同的，进而不同生产线段上所设置的传感器也是不同的，由于在生产过程中不同的生产线段的生产重要性是不一样的，正常情况而言重要性越高所需要监控设置的传感器的数量就需要越多，也就是进一步保证对重要阶段的生产情况的监测，但是在该过程中，就需要从数量方面进行体现，如果重要性不同的生产阶段所设置的传感器的数量都是一样，一方面是对传感器的浪费，一方面是不能保证对重要阶段的生产信息的合理监测，因此，需要对传感器的备用个数进行设定，主要是为了保证对生产线段的生产信息监测的可靠性，避免因为传感器的异常导致监测信息出现错误。

上述技术方案的有益效果是：通过构建监控集以及数据库匹配，便于构建清单，且通过传感器遍历，便于确定使用价值，进而与清单中的监测权重对照分析，计算备用个数，实现对传感器的有效设置，保证监控的全面性以及数据获取的有效性。

实施例4：

基于实施例1的基础上，对同个生产线段上基于第一传感器以及第二传感器的监控结果进行异常分析，包括：

依据第一传感器以及第二传感器的部署位置，来依次将每个传感器的监测结果输入到与所述快消品生产线匹配的位置结果记录表；

在所述位置结果记录表中对同个参数指标的异常结果进行显著性标定；

根据显著性标定结果中同颜色的第一分布情况以及同颜色的深浅的第二分布情况，得到单独异常分布以及整体异常分布。

该实施例中，显著性标定结果指的是对同个参数指标的异常采用同个颜色，但是用颜色的深浅进行表示，比如，是红色，用深红、浅红等表示。

比如，参数指标1采用红色，参数指标2采用蓝色等。

该实施例中，位置结果记录表是包含不同生产位置以及该位置的参数在内的表。

上述技术方案的有益效果是：通过对结果进行输入以及对结果进行显著性标定，便于得到单独异常分布以及整体异常分布，为后续监控优化提供基础。

实施例5：

基于实施例4的基础上，根据异常分析算法的分析结果得到针对所述同个生产线段的第一方案报表，包括：

确定单独异常分布中同显著性颜色下不同深浅的第一分布集以及整体异常分布中同深浅下不同颜色的第二分布集；

确定第一分布集中每个分布数组的第一位置覆盖比，构建得到第一分析向量；

确定第二分布集中每个分布数组的第二位置覆盖比，构建得到第二分析向量；

将所有第一分析向量中同深浅下的元素进行平均值求取，构建得到第三分析向量；

构建基于所述第三分析向量以及第二分析向量的分析矩阵，并分别向所述分析矩阵中的每列设置异常程度，得到异常向量，其中，所述异常向量中每个元素都有参数描述；

将所述异常向量与算法分析数据库进行匹配，得到异常分析算法；

根据所述异常分析算法，对所述单独异常分布以及整体异常分布进行分析，得到分析结果，并将所述分析结果填充到空白报表中，得到第一方案报表。

该实施例中，比如，参数指标1采用的红色，那么第一分布集中包含浅红一致的异常信息的位置点分布、深红一致的异常信息的位置点分布。

该实施例中，比如，参数指标1采用红色，参数指标2采用蓝色，那么第二分布集中包含浅红与浅蓝对应的异常信息的位置点分布，深红与深蓝对应的异常信息的位置点分布。

该实施例中，第一分析向量={浅红的位置点分布的位置占比 深红的位置点分布的位置占比}；

第二分析向量={浅蓝、浅红的位置点分布的位置占比 深红、深蓝的位置点分布的位置占比}，其中，位置占比即为位置覆盖比。

该实施例中：第一分析向量1={浅红的位置点分布的位置占比 深红的位置点分布的位置占比}；第一分析向量2={浅蓝的位置点分布的位置占比 深蓝的位置点分布的位置占比}；

同深浅颜色的位置占比相加求取平均即可得到第三分析向量={浅色的平均位置占比 神色的平均位置占比}。

该实施例中，，其中，同深浅的元素对齐放置即可，对不存在的，用0填充。

该实施例中，异常程度是同类元素中最大异常值基于值-程度列表匹配即可得到，该列表是包含不同的值以及与值匹配的由专家预先设定好的程度在内。

该实施例中，异常向量={参数1的异常程度 参数2的异常程度...}。

该实施例中，算法分析数据库是包含不同的算法以及与该算法匹配的异常向量在内，便于直接得到异常分析算法。

通过该算法进行分析，便于直接得到分析结果，实现报表的获取。

上述技术方案的有益效果是：通过确定单独异常分布的集以及第一分析向量、整体异常分布的集及第二分析向量，便于对异常进行有效确定得到异常向量，且通过与数据库进行算法匹配，实现对异常分布的合理分析。

实施例6：

基于实施例1的基础上，对第一方案报表进行优化，得到第二方案报表，包括：

获取所述快消品生产线的生产数据集，并抽取所述快消品生产线处于正常运行状态下的每个生产线段的第一表征信息，同时，抽取所述快消品生产线中只存在一个生产线段处于异常状态若干第二表征信息，并构建得到表征矩阵，其中，每个生产线段对应一个表征矩阵；

确定所述表征矩阵的表征特征，且结合所述第一表征信息分析每个表征矩阵中每行向量的表征突出因子，得到每行向量的表征关联线段；

统计同个表征矩阵中相同表征关联线段的出现次数以及出现突出程度，向对应表征关联线段设置关联系数；

其中，X1表示向对应表征关联线段设置的关联系数；表示对应表征关联线段的出现突出程度；/>表示对应表征关联线段的出现次数；/>表示对应表征矩阵的行个数；/>表示对应表征矩阵出现的所有表征关联线段的总个数；/>表示对应表征关联线段涉及到的所有表征突出因子B的突出函数；

基于所有关联系数，确定工作影响关系，且结合工作相互关系，对第一方案报表进行优化。

该实施例中，生产数据集包含该生产线在不同时刻下的运转数据，包含正常情况下的也包含异常情况下的。

该实施例中，第一表征信息指的是生产线处于正常运行状态下的对应生产线段的正常运转数据。

该实施例中，比如，只有生产线段1中存在异常，其他线段都不存在异常，此时，针对生产线1在每个时刻下的异常信息即为一个第二表征信息，如果存在很多个异常，就存在很多个第二表征信息，也就是表征矩阵的行数，且每行中每个元素的描述都是预先设定好的，且异常指的是同类异常，最后所捕获的参数是一样的，但是数值可能是不同的。

表征矩阵通过对每个第二表征信息按照元素描述进行参数值的依次行放置构建得到的。

该实施例中，表征特征是通过对该表征矩阵进行特征向量的确定得到的。

表征突出因子指的是对应行中存在的异常元素，且不同异常元素的组合所存在的影响线段是不同的，因此，通过每行的突出因子的组合以及与组合因子-关联分析模型分析即可得到表征关联线段，该模型是基于不同的生产线段、该线段的各种组合因子以及专家对各组合因子的关联设定为样本训练的，因此，可以得到每行的表征关联线段。

上述技术方案的有益效果是：通过获取不同状态下的表征信息且针对同个生产阶段设置表征矩阵，便于通过矩阵行分析，得到关联线段，且结合出现次数以及程度，设置关联系数，实现对报表的优化，保证监控优化的可靠性，间接保证生产线监控的全面性。

实施例7：

基于实施例6的基础上，基于所有关联系数，确定工作影响关系，且结合工作相互关系，对第一方案报表进行优化，包括：

提取每个表征矩阵中关联系数大于等于预设系数的第一系数，并将与所述第一系数对应的表征关联线段视为第一关联线段，且结合对应表征矩阵中处于异常状态的生产线段，且结合关联系数，构建得到第一影响结构；

同时，确定对应表征矩阵中是否存在满足的第二系数，若存在，基于所述第二系数对所述第一影响结构进行扩展，得到新结构，其中，/>表示预设系数；/>表示对应表征矩阵中关联系数小于预设系数中的任一系数变量；/>表示对应表征矩阵中所有关联系数的方差；/>表示对应表征矩阵中所有关联系数中的最大系数；

否则，将所述第一影响结构作为新结构；

基于结构转化机制将每个新结构进行转化得到结构向量，并依次将所述结构向量输入到生产线分析模型中，确定工作影响关系；

对所述工作影响关系以及工作相互关系进行关系融合，得到最后关系；

提取所述最后关系中的改动信息点以及锁定所述改动信息点基于所述第一方案报表的改动位置，来对第一方案报表进行优化，得到第二方案报表。

该实施例中，预设系数的取值为0.5。

该实施例中，大于等于预设系数的系数称为第一系数。

该实施例中，比如，线段1对线段2和线段3存在影响，那么就建立线段1分别与线段2以及线段3的连接，且连接线按照关联系数进行粗细设定，即可得到第一影响结构。

该实施例中，第二系数指的是小于预设系数中的系数满足条件的系数。

该实施例中，比如存在线段5与线段1存在关联，那么继续将线段5与线段1连接，得到新结构。

该实施例中，结构转化机制是为了将新结构进行数值表示，即转化为结构向量={线段3-系数 线段2-系数 线段5-系数}。

该实施例中，生产线分析模型是基于不同的结构向量以及专家评判的影响关系为样本训练得到的。

该实施例中，融合指的是位置点对点的信息转移。

该实施例中，比如，需要对位置1的信息01进行信息02的补充，或者对信息01使用信息03进行替换等，都是改动的一种方式，进而实现对报表的优化。

上述技术方案的有益效果是：通过对系数大小分析，来构建不同线段的结构，进而通过进行扩展以及结构转化，便于得到工作影响关系，实现对改动位置信息的合理改动，进一步提高生产线的全面监控以及运行有效性。

实施例8：

基于实施例1的基础上，基于所述第二方案报表确定每个生产线段的补充传感器以及替换传感器来对相应生产线段进行监控优化，包括：

提取每个生产线段中的补充传感器，并根据补充传感器的监测位置，向对应补充传感器设置监测时间条件；

同时，控制替换传感器按照原先传感器的工作内容进行相应监控操作。

上述技术方案的有益效果是：通过设置监测条件以及控制传感器工作，便于对生产线进行有效监控。

实施例9：

基于实施例1的基础上，对所述工作影响关系以及工作相互关系进行关系融合，得到最后关系，包括：

按照生产线段的线段描述，将所述工作影响关系的第一描述关系点与工作相关关系的第二描述关系点进行一一对应；

根据对应结果，将相应的第一描述关系点上的影响信息转移到对应第二描述关系点上，得到最后关系。

该实施例中，第一描述关系点比如是生产位置1，第二描述关系点比如是生产位置1，此时两个生产位置1是对应的，就将第一描述点的信息转移到生产位置1的第二描述点上即可。

上述技术方案的有益效果是：通过关系点的对应以及信息转移，保证影响分析的完整性，实现对数据的合理改动，进一步保证监控的可靠性。

实施例10：

本发明提供一种生产线监控系统，如图2所示，包括：

集获取模块，用于根据快消品生产线的生产构造，得到所述快消品生产线的生产项目集；

传感器配置模块，用于基于信息解析模型对所述生产项目集中每个生产项的生产设定信息进行解析，构建得到对应生产项的监控集，并向对应生产项所匹配的生产线段配置第一传感器，同时，根据每个生产线所存在的生产工位的工位特点，向对应生产工位配置第二传感器；

异常分布确定模块，用于对同个生产线段上基于第一传感器以及第二传感器的监控结果进行异常分析，确定同个参数指标的单独异常分布以及所有参数指标的整体异常分布；

算法分析模块，用于基于所述单独异常分布以及整体异常分布，从算法分析数据库中调取得到异常分析算法，并根据异常分析算法的分析结果得到针对所述同个生产线段的第一方案报表；

报表优化模块，用于基于所有生产线段的第一方案报表以及所述快消品生产线中所有生产线段的工作相互关系，对第一方案报表进行优化，得到第二方案报表；

监控优化模块，用于基于所述第二方案报表对每个生产线段的配置传感器进行工作控制以及基于所述第二方案报表确定每个生产线段的补充传感器以及替换传感器来对相应生产线段进行监控优化。

上述技术方案的有益效果是：向生产线段以及生产工位设置传感器保证对生产线的全面监控，且对监控结果进行异常分析，便于保证对生产线中存在的问题进行及时排除，且通过对传感器补充及替换，保证生产线数据采集的有效性，进而提高生产线的工作效率。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种生产线监控方法，其特征在于，包括：

步骤1：根据快消品生产线的生产构造，得到所述快消品生产线的生产项目集；

步骤2：基于信息解析模型对所述生产项目集中每个生产项的生产设定信息进行解析，构建得到对应生产项的监控集，并向对应生产项所匹配的生产线段配置第一传感器，同时，根据每个生产线所存在的生产工位的工位特点，向对应生产工位配置第二传感器；

步骤3：对同个生产线段上基于第一传感器以及第二传感器的监控结果进行异常分析，确定同个参数指标的单独异常分布以及所有参数指标的整体异常分布；

步骤4：基于所述单独异常分布以及整体异常分布，从算法分析数据库中调取得到异常分析算法，并根据异常分析算法的分析结果得到针对所述同个生产线段的第一方案报表；

步骤5：基于所有生产线段的第一方案报表以及所述快消品生产线中所有生产线段的工作相互关系，对第一方案报表进行优化，得到第二方案报表；

步骤6：基于所述第二方案报表对每个生产线段的配置传感器进行工作控制以及基于所述第二方案报表确定每个生产线段的补充传感器以及替换传感器来对相应生产线段进行监控优化。

2.根据权利要求1所述的一种生产线监控方法，其特征在于，根据快消品生产线的生产构造，得到所述快消品生产线的生产项目集，包括：

根据快消品生产线的生产结构部署图，得到生产构造；

对所述生产构造按照生产类型进行划分，得到与所述生产类型一致的生产线段，并将所述生产线段的生产内容作为生产项，进而得到生产项目集。

3.根据权利要求1所述的一种生产线监控方法，其特征在于，构建得到对应生产项的监控集，并向对应生产项所匹配的生产线段配置第一传感器，包括：

根据解析结果确定对应生产项的监控信息，得到监控集，其中，所述监控集中包含监测参数、对应监测参数的参数权重以及对应监测参数在对应生产项的生产线段上的产生位置；

将所述监控集中的监测参数、参数权重、产生位置与器件数据库进行匹配，并将匹配结果按照产生位置进行罗列得到传感器清单；

基于器件工作模型对所述传感器清单中的每个待定传感器进行遍历，得到每个待定传感器设置器件使用价值；

将所述器件使用价值与对应传感器清单中的器件监测权重进行对照分析，确定每个待定传感器的备用个数；

其中，表示对应待定传感器的备用个数；/>表示基于器件使用价值s1从价值-个数映射表中匹配的个数；/>表示基于器件监测权重q1从权重-个数映射表中匹配的个数；/>表示基于器件使用价值s1以及器件监测权重q1从价值-权重-个数映射表中匹配的个数；/>表示基于/>、/>以及个数/>的方差；/>表示向上取整符号；表示基于产生位置w4从位置-权重映射表匹配得到的位置权重；/>表示对应待定传感器所对应生产位置w4处的所有监测参数中的最大参数权重；/>表示对应待定传感器所对应生产位置w4处的所有监测参数中平均参数权重；

根据备用个数以及原始个数，向对应生产线段的相应生产位置配置第一传感器。

4.根据权利要求1所述的一种生产线监控方法，其特征在于，对同个生产线段上基于第一传感器以及第二传感器的监控结果进行异常分析，包括：

依据第一传感器以及第二传感器的部署位置，来依次将每个传感器的监测结果输入到与所述快消品生产线匹配的位置结果记录表；

在所述位置结果记录表中对同个参数指标的异常结果进行显著性标定；

根据显著性标定结果中同颜色的第一分布情况以及同颜色的深浅的第二分布情况，得到单独异常分布以及整体异常分布。

5.根据权利要求1所述的一种生产线监控方法，其特征在于，根据异常分析算法的分析结果得到针对所述同个生产线段的第一方案报表，包括：

确定单独异常分布中同显著性颜色下不同深浅的第一分布集以及整体异常分布中同深浅下不同颜色的第二分布集；

确定第一分布集中每个分布数组的第一位置覆盖比，构建得到第一分析向量；

确定第二分布集中每个分布数组的第二位置覆盖比，构建得到第二分析向量；

将所有第一分析向量中同深浅下的元素进行平均值求取，构建得到第三分析向量；

构建基于所述第三分析向量以及第二分析向量的分析矩阵，并分别向所述分析矩阵中的每列设置异常程度，得到异常向量，其中，所述异常向量中每个元素都有参数描述；

将所述异常向量与算法分析数据库进行匹配，得到异常分析算法；

根据所述异常分析算法，对所述单独异常分布以及整体异常分布进行分析，得到分析结果，并将所述分析结果填充到空白报表中，得到第一方案报表。

6.根据权利要求1所述的一种生产线监控方法，其特征在于，对第一方案报表进行优化，得到第二方案报表，包括：

获取所述快消品生产线的生产数据集，并抽取所述快消品生产线处于正常运行状态下的每个生产线段的第一表征信息，同时，抽取所述快消品生产线中只存在一个生产线段处于异常状态若干第二表征信息，并构建得到表征矩阵，其中，每个生产线段对应一个表征矩阵；

确定所述表征矩阵的表征特征，且结合所述第一表征信息分析每个表征矩阵中每行向量的表征突出因子，得到每行向量的表征关联线段；

统计同个表征矩阵中相同表征关联线段的出现次数以及出现突出程度，向对应表征关联线段设置关联系数；

其中，X1表示向对应表征关联线段设置的关联系数；表示对应表征关联线段的出现突出程度；/>表示对应表征关联线段的出现次数；/>表示对应表征矩阵的行个数；/>表示对应表征矩阵出现的所有表征关联线段的总个数；/>表示对应表征关联线段涉及到的所有表征突出因子B的突出函数；

基于所有关联系数，确定工作影响关系，且结合工作相互关系，对第一方案报表进行优化。

7.根据权利要求6所述的一种生产线监控方法，其特征在于，基于所有关联系数，确定工作影响关系，且结合工作相互关系，对第一方案报表进行优化，包括：

提取每个表征矩阵中关联系数大于等于预设系数的第一系数，并将与所述第一系数对应的表征关联线段视为第一关联线段，且结合对应表征矩阵中处于异常状态的生产线段，且结合关联系数，构建得到第一影响结构；

同时，确定对应表征矩阵中是否存在满足的第二系数，若存在，基于所述第二系数对所述第一影响结构进行扩展，得到新结构，其中，/>表示预设系数；/>表示对应表征矩阵中关联系数小于预设系数中的任一系数变量；/>表示对应表征矩阵中所有关联系数的方差；/>表示对应表征矩阵中所有关联系数中的最大系数；

否则，将所述第一影响结构作为新结构；

基于结构转化机制将每个新结构进行转化得到结构向量，并依次将所述结构向量输入到生产线分析模型中，确定工作影响关系；

对所述工作影响关系以及工作相互关系进行关系融合，得到最后关系；

提取所述最后关系中的改动信息点以及锁定所述改动信息点基于所述第一方案报表的改动位置，来对第一方案报表进行优化，得到第二方案报表。

8.根据权利要求1所述的一种生产线监控方法，其特征在于，基于所述第二方案报表确定每个生产线段的补充传感器以及替换传感器来对相应生产线段进行监控优化，包括：

提取每个生产线段中的补充传感器，并根据补充传感器的监测位置，向对应补充传感器设置监测时间条件；

同时，控制替换传感器按照原先传感器的工作内容进行相应监控操作。

9.根据权利要求7所述的一种生产线监控方法，其特征在于，对所述工作影响关系以及工作相互关系进行关系融合，得到最后关系，包括：

按照生产线段的线段描述，将所述工作影响关系的第一描述关系点与工作相关关系的第二描述关系点进行一一对应；

根据对应结果，将相应的第一描述关系点上的影响信息转移到对应第二描述关系点上，得到最后关系。

10.一种生产线监控系统，其特征在于，包括：

集获取模块，用于根据快消品生产线的生产构造，得到所述快消品生产线的生产项目集；

传感器配置模块，用于基于信息解析模型对所述生产项目集中每个生产项的生产设定信息进行解析，构建得到对应生产项的监控集，并向对应生产项所匹配的生产线段配置第一传感器，同时，根据每个生产线所存在的生产工位的工位特点，向对应生产工位配置第二传感器；

异常分布确定模块，用于对同个生产线段上基于第一传感器以及第二传感器的监控结果进行异常分析，确定同个参数指标的单独异常分布以及所有参数指标的整体异常分布；

算法分析模块，用于基于所述单独异常分布以及整体异常分布，从算法分析数据库中调取得到异常分析算法，并根据异常分析算法的分析结果得到针对所述同个生产线段的第一方案报表；

报表优化模块，用于基于所有生产线段的第一方案报表以及所述快消品生产线中所有生产线段的工作相互关系，对第一方案报表进行优化，得到第二方案报表；

监控优化模块，用于基于所述第二方案报表对每个生产线段的配置传感器进行工作控制以及基于所述第二方案报表确定每个生产线段的补充传感器以及替换传感器来对相应生产线段进行监控优化。