CN117408576B - 一种基于工业互联网的产品质量分析方法、设备及介质 - Google Patents
一种基于工业互联网的产品质量分析方法、设备及介质 Download PDFInfo
- Publication number
- CN117408576B CN117408576B CN202311713541.4A CN202311713541A CN117408576B CN 117408576 B CN117408576 B CN 117408576B CN 202311713541 A CN202311713541 A CN 202311713541A CN 117408576 B CN117408576 B CN 117408576B
- Authority
- CN
- China
- Prior art keywords
- data
- quality
- quality detection
- historical behavior
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 63
- 238000001514 detection method Methods 0.000 claims abstract description 78
- 238000003860 storage Methods 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000006399 behavior Effects 0.000 claims description 48
- 238000012545 processing Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 6
- 238000000547 structure data Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 12
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000001338 self-assembly Methods 0.000 description 3
- 239000012855 volatile organic compound Substances 0.000 description 3
- 229910000746 Structural steel Inorganic materials 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 235000000396 iron Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (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)
Abstract
本申请公开了一种基于工业互联网的产品质量分析方法、设备及介质,方法包括:确定当前进行产品质量分析的目标产品,并确定历史行为记录模块以及外部质量检测设备,为历史行为记录模块以及外部质量检测设备进行设备赋码;确定目标产品的历史行为数据,得到质量检测数据;将历史行为数据以及质量检测数据上传至工业互联网平台中的大数据平台;在大数据平台的对应的存储系统中获取指定数据对应的指定文件;对获取的指定数据进行汇总分析,形成质量分析报告,以根据质量分析报告形成展示报表,向用户进行展示。对目标产品的历史行为数据进行追踪,对目标产品的质量检测数据进行获取。
Description
技术领域
本申请涉及工业互联网领域,具体涉及一种基于工业互联网的产品质量分析方法、设备及介质。
背景技术
随着技术的发展,工业互联网(Industrial Internet)作为新一代信息通信技术与工业经济深度融合的新型基础设施、应用模式和工业生态,通过对人、机、物、系统等的全面连接,构建起覆盖全产业链、全价值链的全新制造和服务体系,为工业乃至产业数字化、网络化、智能化发展提供了实现途径,也逐步应用在工业生产的各领域中。
而在工业生产领域中,需要对产品进行质量分析。传统的质量分析过程,通常是对生产制造完成的产品在出厂前进行出厂质量检测。而对于一些比较耐用,使用寿命比较长的产品,往往并没有建立起有效的质量分析手段,也就导致难以对已经使用过的产品进行产品质量分析。
发明内容
为了解决上述问题,本申请提出了一种基于工业互联网的产品质量分析方法,包括:
确定当前进行产品质量分析的目标产品,并确定所述目标产品对应的历史行为记录模块,以及所述产品质量分析所需的外部质量检测设备,并基于预先构建的工业互联网平台中包含的标识解析模块,为所述历史行为记录模块以及所述外部质量检测设备进行设备赋码;
通过所述历史行为记录模块确定所述目标产品的历史行为数据,并通过所述外部质量检测设备对所述目标产品进行质量检测,得到质量检测数据;
将所述历史行为数据以及所述质量检测数据上传至所述工业互联网平台中的大数据平台,其中,所述历史行为数据、所述质量检测数据分别通过对应文件格式的存储文件进行数据存储,所述大数据平台中包括多个存储系统,不同的存储系统用于存储对应文件格式的存储文件;
确定用户针对所述目标产品的质量分析需求,并根据所述质量分析需求在所述历史行为数据、所述质量检测数据中确定所需的指定数据,根据所述指定数据对应的文件格式,在所述大数据平台的对应的存储系统中获取所述指定数据对应的指定文件;
基于所述指定文件的文件格式对所述指定文件进行文件解析,以获取其包含的所述指定数据,并对获取的所述指定数据进行汇总分析,形成质量分析报告,以根据所述质量分析报告形成展示报表,向所述用户进行展示。
另一方面,本申请提出了一种基于工业互联网的产品质量分析设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如:上述示例所述的基于工业互联网的产品质量分析方法。
另一方面,本申请提出了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:上述示例所述的基于工业互联网的产品质量分析方法。
通过本申请提出基于工业互联网的产品质量分析方法能够带来如下有益效果:
通过产品所对应的历史行为记录模块,能够对目标产品的历史行为数据进行追踪,而通过外部质量检测设备,能够对目标产品的质量检测数据进行获取。通过两个维度的数据,能够更加准确的对已经使用过的目标产品进行准确的产品质量分析。
将数据存储至工业互联网的大数据平台中,能够实现对工业大数据的数据分析,而在大数据平台中,针对于不同的文件格式,选择相应的数据存储系统,能够使得数据分类存储更加清晰,且便于后续的数据获取。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例中基于工业互联网的产品质量分析方法的流程示意图;
图2为本申请实施例中基于工业互联网的产品质量分析设备的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、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。
以下结合附图,详细说明本申请各实施例提供的技术方案。
如图1所示,本申请实施例提供基于工业互联网的产品质量分析方法,包括:
S101:确定当前进行产品质量分析的目标产品,并确定所述目标产品对应的历史行为记录模块,以及所述产品质量分析所需的外部质量检测设备,并基于预先构建的工业互联网平台中包含的标识解析模块,为所述历史行为记录模块以及所述外部质量检测设备进行设备赋码。
针对于不同的行业,目标产品可能也是不同的。比如,针对于汽车制造行业,目标产品可以是相应的车辆。针对于网络设备制造行业、互联网行业,目标产品可以是路由器、服务器等网络设备,针对于传统制造行业,目标产品可以是家具、器械、衣物等传统工业产品。
对于部分目标产品来说,比如,车辆、网络设备,其自身内部就携带有对应的历史行为记录模块,可以记录相关数据。而对于剩下的部分目标产品来说,比如,家具、器械,其自身并不具有历史行为记录模块,故而可以基于外部记录模块(比如,生产厂家、销售厂家对应的系统)所记录的数据,作为历史行为记录模块。
工业互联网中的标识解析模块可以为各设备、各模块进行身份认证,并赋予身份标识,可以为历史行为记录模块以及外部质量检测设备进行设备赋码,从而使历史行为记录模块以及外部质量检测设备可以将检测到的数据直接上传至工业互联网的大数据平台中。
S102:通过所述历史行为记录模块确定所述目标产品的历史行为数据,并通过所述外部质量检测设备对所述目标产品进行质量检测,得到质量检测数据。
对于自身具有历史行为记录模块的目标产品,历史行为数据主要指的是,其在出厂之后,在用户使用过程中所产生的数据。而对于自身不具有历史行为记录模块的目标产品,难以采集用户使用所产生的数据,故而可以将其对应的生产过程中以及销售过程中的数据作为历史行为数据。
S103:将所述历史行为数据以及所述质量检测数据上传至所述工业互联网平台中的大数据平台,其中,所述历史行为数据、所述质量检测数据分别通过对应文件格式的存储文件进行数据存储,所述大数据平台中包括多个存储系统,不同的存储系统用于存储对应文件格式的存储文件。
针对不同的数据,可能会采用不同的文件格式进行存储。如果将不同文件格式的存储文件均存储至大数据平台的同一个位置中,容易导致数据存储的杂乱,不利于数据的快速获取。
基于此,根据不同数据格式的格式属性,将存储文件分区域存储,分别存储在不同的存储系统中,能够使得数据分类存储更加清晰,且便于后续的数据获取。
具体地,以目标产品为车辆产品为例进行解释说明。
在目前的车辆中,车内电控单元(Electrical Control Unit, ECU)数量较多,可能多达70个,虽然其中某些模块是单一的子系统,但是模块之间的互连依然非常重要。比如,有的子系统需要控制执行器和接收传感器反馈。而通过CAN总线则可以满足这些子系统数据传输的需求。
基于此,对于车辆产品来说,其对应的历史行为记录模块可以是车辆内部的车辆总线系统,其记录有车辆总线日志数据,作为车辆产品的历史行为数据。
将历史行为数据以及质量检测数据对应的存储文件上传至网络附属存储平台(Network Attached Storage,NAS)中,并基于ETL工具(比如,kettle),将网络附属存储平台中的存储文件上传至工业互联网平台中的大数据平台,从而实现对存储文件的高效上传。
对于车辆总线日志数据来说,其对应的存储文件的文件格式(在此称作第一文件格式)通常为MF4、BLF,其特点是单个文件所占空间较大。故而可以将第一文件格式的存储文件,存储在大数据平台中的第一分布式文件存储系统中。第一分布式文件存储系统基于文件存储数量上限进行文件存储,比如,其可以是Hadoop分布式文件系统(HDFS),由于其仅对文件存储数量上限进行限制,并不限定单个文件的大小,故而更有利于存储第一文件格式对应的大型存储文件。
而对于其他数据,比如,通过外部质量检测设备检测得到的质量检测数据,其存储文件的文件格式(在此称作第二文件格式)并不固定,可以是CSV、TXT、WORD、EXCEL等格式,故而将第二文件格式的存储文件,存储在大数据平台中的第二分布式文件存储系统中,第二分布式文件存储系统为key-value分布式存储系统(比如,其可以是ozone),通过该存储系统,面向小型存储文件更加友善。
S104:确定用户针对所述目标产品的质量分析需求,并根据所述质量分析需求在所述历史行为数据、所述质量检测数据中确定所需的指定数据,根据所述指定数据对应的文件格式,在所述大数据平台的对应的存储系统中获取所述指定数据对应的指定文件。
质量分析需求是用户指定的,比如,用户只想对目标产品的当前状态进行分析,则只需要将质量检测数据作为指定数据。而用户只想对目标产品的使用记录进行分析,则只需要将历史行为数据作为指定数据。
当然,还可以进一步地,在历史行为数据和质量检测数据中,也同样包含有多种类型的数据,此时可以继续用户需求,进行进一步筛选。比如,质量检测数据可以包含产品表面质量数据以及产品内部质量数据,用户并不关心产品表面状态(比如,是否有划痕等)时,则可以将其筛除,只关心产品内部质量数据。
具体地,仍以目标产品为车辆产品为例进行解释说明。
可以基于车辆的车型、结构等确定车辆产品对应的车辆类型,车辆类型包括无人驾驶车辆、人工载人车辆、人工载货车辆。其中,人工载人车辆通常为轿车、SUV等车型,而人工载货车辆则通常为货车、卡车等重型车辆。
对于所有车辆来说,无论车辆类型,历史行为数据中包含的车辆总线日志数据,以及质量检测数据中针对通用关键零部件的通用零部件检测数据,均是需要重点关注的数据,故而将其作为所需的指定数据。
其中,车辆总线日志数据,能够体现出车辆的工作原理,其包含有电子控制系统(比如,传动控制、安全气囊、ABS、巡航控制、EPS、音响系统、门窗控制和电池管理等)之间的交互数据,故而需要重点关注,作为指定数据。
而通用零部件检测数据包括:车身材料检测数据(比如,车身材料的强度、导热性、金属疲劳数据,通过万能试验机检测的载荷、位移、时间、变形等数据)、底盘材料检测数据(与车身材料检测数据类似)、底盘功能检测数据(比如,针对底盘中的悬挂系统、制动系统、转向系统的检测数据)、车辆路试数据(比如,车速、油耗、里程、电机功率等数据)。
无论是对于哪种车辆类型,这些通用零部件检测数据均是需要重点关注的数据,故而将其作为指定数据。
而对于每种车辆类型来说,其还具有一些特定的检测数据,是该车辆类型中比较重要,却对其他车辆类型并不特别重要的数据,故而针对每种车辆类型,还需要按照类型进行分类设置相应的指定数据。
针对无人驾驶车辆,指定数据还包括:质量检测数据中,针对自动导航系统的导航检测数据(比如,导航精确度、障碍物识别精准度等)。对于人工车辆,导航检测数据只是辅助作用,并不会带来特别大的影响,而对于无人驾驶车辆,其关乎着车辆能否实现自动驾驶,十分重要。
针对人工载人车辆,指定数据还包括:安全装置检测数据(比如,安全带强度强度,以及安全气囊启动速度、启动方向、启动条件等启动参数)、车内VOC环境仓检测数据(比如,温度数据、湿度数据、空气交换率数据等)、车辆内饰用户评价(比如,对于灯光、雨刮器、音响、喇叭等的评价信息)。
针对人工载物车辆,指定数据还包括:安全装置检测数据(与人工载人车辆中的安全装置检测数据类似)、加装货物所需的自配件的检测数据(比如,枕木、绳子、薄膜、雨布、边布、角铁等的质量检测数据)。
无论是对于人工载人车辆还是人工载物车辆,均需要人来驾驶,故而安全装置检测数据就十分重要。
而对于人工载人车辆来说,用户的主要目的是载人,故而被载的人的体验就十分重要,所以车内VOC环境仓检测数据以及车辆内饰用户评价等影响用户体验的数据就十分重要,其中,车辆内饰用户评价可以基于相应的电商平台中,搜索同款的产品,来获取相应的用户评价。
而对于人工载物车辆,尤其是卡车等重型车辆,其主要目的是为了载物,并且可能在载物过程中,由司机自行配置相应的配件(在此将其称作自配件),一旦自配件质量发生问题,可能会造成严重影响,比如,角铁用于加固卡车的车厢,一旦其质量较差,则很可能会引起车辆车厢的变形,甚至会造成货物损失以及人员受伤。而自配件由于是司机自行配置,在传统的检测模式中,通常会对其忽略,尤其是车辆出厂时并未包含有该配件,故而将其加入指定数据,能够对车辆自身的质量进行检测的同时,还能够基于大数据分析,确定哪些自配件与哪些车型最匹配。
进一步地,针对所述人工载物车辆,确定每个自配件类型(包括枕木、绳子、薄膜、雨布、边布、角铁等类型)中,出现次数最多的若干个自配件品牌。根据自配件品牌的检测数据,确定自配件品牌的安全等级。针对不同的自配件类型,检测数据也可以是不同的,预先制定相应的检测标准,从而能够区分安全等级。
针对每个自配件类型,在其中选取安全等级高于预设等级的自配件品牌,作为该自配件类型下的推荐自配件,并将其生成第四展示模块,用于在展示报表中进行展示,从而能够为司机推荐更合适安全的自配件,在对车辆自身进行质量检测的同时,还能够为司机推荐更安全的自配件。
S105:基于所述指定文件的文件格式对所述指定文件进行文件解析,以获取其包含的所述指定数据,并对获取的所述指定数据进行汇总分析,形成质量分析报告,以根据所述质量分析报告形成展示报表,向所述用户进行展示。
针对不同的文件格式,可以通过不同的方式或者工具进行文件解析,从而获取指定数据。汇总过程可以是,将数据按照相应的顺序进行拼接,从而实现汇总。分析过程则可以是,对其中所需的数据进行筛选、异常排除等数据处理过程后,进行展示。
具体地,仍以目标产品为车辆产品为例,可以使用SPARK工具来解析MF4以及BLF格式的存储文件,以获取指定数据。将获取的指定数据,基于预先设置的数据仓库工具(比如,HIVE)存储在数据仓库的第一层数据(比如,ODS层)中,从而将第一层数据进行汇总分析,形成质量分析报告。
将质量分析报告拆分得到多个展示模块,并将多个展示模块进行渲染拼接后,以BI报表的形式形成展示报表。其中,渲染过程可以包括,设置字体大小、数据展示方式(包括折线图、饼图、柱状图、文字等)、背景色等。
其中,多个展示模块至少包括:第一展示模块、第二展示模块、第三展示模块。第一展示模块,用于展示车辆总线日志数据对应的第一汇总分析结果,第二展示模块,用于展示通用零部件检测数据对应的第二汇总分析结果,第三展示模块,用于展示指定数据中,剩余数据对应的第三汇总分析结果。
而第一展示模块、第二展示模块、第三展示模块的展示位置、大小等,可以基于实际需求进行设置。
通过产品所对应的历史行为记录模块,能够对目标产品的历史行为数据进行追踪,而通过外部质量检测设备,能够对目标产品的质量检测数据进行获取。通过两个维度的数据,能够更加准确的对已经使用过的目标产品进行准确的产品质量分析。
将数据存储至工业互联网的大数据平台中,能够实现对工业大数据的数据分析,而在大数据平台中,针对于不同的文件格式,选择相应的数据存储系统,能够使得数据分类存储更加清晰,且便于后续的数据获取。
在一个实施例中,上文中已经说过,目标产品除了车辆产品之外,还可以其他产品,比如,网络设备。
当目标产品为网络设备时,可以通过网络设备中的历史行为记录模块确定网络设备的工作日志数据,并将其作为对应的历史行为数据。通过外部质量检测设备对目标产品的硬件质量和软件质量分别进行检测,得到硬件质量检测数据和软件质量检测数据。
其中,硬件质量检测数据包括:机械结构数据(比如,表面划痕、内部布线构造等)、工作温升数据、瞬间过电压数据、过载保护数据、耐热耐燃数据。而软件质量检测数据包括:网络传输速度、数据处理能力。其中,软件质量检测数据均指的是当前时刻的数据。
由于当前计算机技术以及网络技术的飞速发展,产品迭代周期短,导致对于网络设备,随着使用年限的增加,其相应的处理能力相比于其他产品下降更快。
因此,确定网络设备的设备类型以及使用年限,而对于不同的设备类型,往往具有相应的平均使用寿命,将其作为该设备类型下的使用寿命。基于使用年限,与使用寿命相除,得到网络设备的年限使用比例。年限使用比例越高,说明该网络设备越接近报废。
确定指定数据中包含的工作日志数据,比如,当网络设备是交换机时,工作日志数据可以包含其接收的报文、转发的报文等。基于年限使用比例在工作日志数据中,根据时间次序选取多个时间范围的数据用于进行汇总分析。
其中,年限使用比例越高,选取的时间范围的数量越多,也就是说,越接近报废的网络设备,越需要了解其在不同工作时间段内的工作能力,故而需要选取更多的时间范围。而时间范围的选取可以是,在确定了数量之后,根据使用年限将这多个时间范围进行均分,以保证每两个临近的时间范围的中心点之间的时间差值,都是统一的。且越靠近当前时间点的时间范围越大,也就是说,越靠近当前的时间范围,可以为其分配更广的时间范围。由于设备越临近报废,使得其工作能力会下降,在同样的时间段内,其数据处理量相应的也会下降,故而增大时间范围,使得每个时间范围中所包含的数据量接近相同。
进一步地,针对每个时间范围中选取的数据,可能会存在多种数据类型,比如,当网络设备为交换机时,其中的数据类型可以包括:报文发送记录、报文接收记录、异常报文记录。其中,异常报文记录的数量通常是最少的。而为了能够对网络设备进行全面的质量分析,需要对每种数据类型都进行相应的采样,故而预先设置有数据类型比例,比如,将交换机对应的数据类型比例设置为:(报文发送记录:报文接收记录:异常报文记录,4.5:4.5:1)。当时间范围内的某类数据的数据量过少时(比如,当前的比例为4.75:4.75:0.5,此时,异常报文记录过少,导致无法满足预设的数据类型比例),可以逐渐将该时间范围外,与该时间范围时间次序最接近的其他数据补充至该时间范围选取的数据中(此时,需要将时间范围外的异常报文记录补充至该时间范围选取的数据中),直至该时间范围选取的数据中的各数据类型数据量符合预设的数据类型比例。由此,可以补充相应的样本量,并站在时间的角度,确定其中各数据类型的出现频率,帮助对网络设备进行质量分析。
在一个实施例中,上文中还提到,对于一些目标产品,其自身并不具有历史行为记录模块,此时,确定目标产品的生产厂家以及销售平台。
将生产厂家对应的生产监控系统(比如,可以是生产厂家对应的ERP系统),以及销售平台对应的销售系统(比如,可以是电商平台)作为历史行为记录模块,将生产监控系统中记录的生产信息,以及电商平台系统中记录的销售信息作为目标产品的历史行为数据。
如图2所示,本申请实施例还提出了一种基于工业互联网的产品质量分析设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如:上述实施例所述的基于工业互联网的产品质量分析方法。
另一方面,本申请实施例还提出了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:上述实施例所述的基于工业互联网的产品质量分析方法。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备和介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的设备和介质与方法是一一对应的,因此,设备和介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述设备和介质的有益技术效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM) 和/或非易失性内存等形式,如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
Claims (3)
1.一种基于工业互联网的产品质量分析方法,其特征在于,包括:
确定当前进行产品质量分析的目标产品,并确定所述目标产品对应的历史行为记录模块,以及所述产品质量分析所需的外部质量检测设备,并基于预先构建的工业互联网平台中包含的标识解析模块,为所述历史行为记录模块以及所述外部质量检测设备进行设备赋码;
通过所述历史行为记录模块确定所述目标产品的历史行为数据,并通过所述外部质量检测设备对所述目标产品进行质量检测,得到质量检测数据;所述质量检测数据包含产品表面质量数据、产品内部质量数据,所述产品表面质量数据包括:是否有划痕;
将所述历史行为数据以及所述质量检测数据上传至所述工业互联网平台中的大数据平台,其中,所述历史行为数据、所述质量检测数据分别通过对应文件格式的存储文件进行数据存储,所述大数据平台中包括多个存储系统,不同的存储系统用于存储对应文件格式的存储文件;
确定用户针对所述目标产品的质量分析需求,并根据所述质量分析需求在所述历史行为数据、所述质量检测数据中确定所需的指定数据,根据所述指定数据对应的文件格式,在所述大数据平台的对应的存储系统中获取所述指定数据对应的指定文件;
基于所述指定文件的文件格式对所述指定文件进行文件解析,以获取其包含的所述指定数据,并对获取的所述指定数据进行汇总分析,形成质量分析报告,以根据所述质量分析报告形成展示报表,向所述用户进行展示;
所述目标产品为网络设备,通过所述历史行为记录模块确定所述目标产品的历史行为数据,并通过所述外部质量检测设备对所述目标产品进行质量检测,得到质量检测数据,具体包括:
通过所述网络设备中的历史行为记录模块确定,所述网络设备的工作日志数据;
并通过所述外部质量检测设备对所述目标产品的硬件质量和软件质量分别进行检测,得到硬件质量检测数据和软件质量检测数据;
其中,所述硬件质量检测数据包括:机械结构数据、工作温升数据、瞬间过电压数据、过载保护数据、耐热耐燃数据;所述机械结构数据包括:表面划痕、内部布线构造;
所述软件质量检测数据包括:网络传输速度、数据处理能力;
对获取的所述指定数据进行汇总分析,形成质量分析报告,具体包括:
确定所述网络设备的设备类型以及使用年限;
基于所述设备类型,确定所述网络设备的使用寿命,并基于所述使用年限,确定所述网络设备的年限使用比例;
确定所述指定数据中包含的工作日志数据,并基于所述年限使用比例在所述工作日志数据中,根据时间次序选取多个时间范围的数据用于进行汇总分析,其中,所述年限使用比例越高,选取的时间范围的数量越多,且越靠近当前时间点的时间范围越大;
针对每个时间范围中选取的数据,预先设置有数据类型比例,当时间范围内的某类数据的数据量过少时,逐渐将该时间范围外,与该时间范围时间次序最接近的其他数据补充至该时间范围选取的数据中,直至该时间范围选取的数据中的各数据类型的数据量符合预设的数据类型比例。
2.一种基于工业互联网的产品质量分析设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如:权利要求1所述的基于工业互联网的产品质量分析方法。
3.一种非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:权利要求1所述的基于工业互联网的产品质量分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311713541.4A CN117408576B (zh) | 2023-12-14 | 2023-12-14 | 一种基于工业互联网的产品质量分析方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311713541.4A CN117408576B (zh) | 2023-12-14 | 2023-12-14 | 一种基于工业互联网的产品质量分析方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117408576A CN117408576A (zh) | 2024-01-16 |
CN117408576B true CN117408576B (zh) | 2024-03-26 |
Family
ID=89489391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311713541.4A Active CN117408576B (zh) | 2023-12-14 | 2023-12-14 | 一种基于工业互联网的产品质量分析方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117408576B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104283960A (zh) * | 2014-10-15 | 2015-01-14 | 福建亿榕信息技术有限公司 | 实现异构网络存储的虚拟化整合及分级管理的系统 |
DE102016214691A1 (de) * | 2016-08-08 | 2018-02-08 | Audi Ag | Kraftfahrzeug mit mehreren Loggereinheiten und Verfahren zum Erfassen von Loggingdaten in einem Kraftfahrzeug |
CN108335055A (zh) * | 2018-03-30 | 2018-07-27 | 广州供电局有限公司 | 电力设备运行绩效评价方法、装置和计算机设备 |
CN110109886A (zh) * | 2018-02-01 | 2019-08-09 | 中兴通讯股份有限公司 | 分布式文件系统的文件存储方法及分布式文件系统 |
CN110851342A (zh) * | 2019-11-08 | 2020-02-28 | 中国工商银行股份有限公司 | 故障预测方法、装置、计算设备以及计算机可读存储介质 |
CN112084190A (zh) * | 2020-08-31 | 2020-12-15 | 武汉光庭信息技术股份有限公司 | 一种基于大数据的采集数据实时存储与管理系统和方法 |
KR102332643B1 (ko) * | 2020-12-04 | 2021-12-01 | 한국전자기술연구원 | 초소형 IoT 기기에 대한 위치 정보 기반 라이프사이클 관리 방법 |
CN113947468A (zh) * | 2021-12-20 | 2022-01-18 | 鲁信科技股份有限公司 | 一种数据管理方法及平台 |
CN114219351A (zh) * | 2021-12-27 | 2022-03-22 | 中油管道物资装备有限公司 | 一种可视化物联网系统 |
CN114513430A (zh) * | 2022-01-14 | 2022-05-17 | 山东浪潮工业互联网产业股份有限公司 | 一种工业互联网设备的状态监控方法、设备及存储介质 |
CN115309733A (zh) * | 2022-08-23 | 2022-11-08 | 北京掌舵互动科技有限公司 | 基于物联网数字孪生系统的数据处理方法、装置及介质 |
CN115766376A (zh) * | 2022-11-04 | 2023-03-07 | 中用科技有限公司 | 基于物联网设备数据解析的数据分析处理方法 |
CN116131447A (zh) * | 2022-12-25 | 2023-05-16 | 江苏易电保云能源科技有限公司 | 一种智慧城市配电站云平台 |
CN116821464A (zh) * | 2023-06-26 | 2023-09-29 | 重庆长安汽车股份有限公司 | 一种车辆信息管理方法、设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3915225A4 (en) * | 2019-01-25 | 2022-08-24 | Telefonaktiebolaget LM Ericsson (publ) | METHODS AND APPARATUS FOR DATA COMMUNICATION BETWEEN A TERMINAL DEVICE AND AN APPLICATION SERVER |
US20220335446A1 (en) * | 2021-04-14 | 2022-10-20 | Sunshine Energy Technology Co., Ltd. | Real Food Honesty Display System |
-
2023
- 2023-12-14 CN CN202311713541.4A patent/CN117408576B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104283960A (zh) * | 2014-10-15 | 2015-01-14 | 福建亿榕信息技术有限公司 | 实现异构网络存储的虚拟化整合及分级管理的系统 |
DE102016214691A1 (de) * | 2016-08-08 | 2018-02-08 | Audi Ag | Kraftfahrzeug mit mehreren Loggereinheiten und Verfahren zum Erfassen von Loggingdaten in einem Kraftfahrzeug |
CN110109886A (zh) * | 2018-02-01 | 2019-08-09 | 中兴通讯股份有限公司 | 分布式文件系统的文件存储方法及分布式文件系统 |
CN108335055A (zh) * | 2018-03-30 | 2018-07-27 | 广州供电局有限公司 | 电力设备运行绩效评价方法、装置和计算机设备 |
CN110851342A (zh) * | 2019-11-08 | 2020-02-28 | 中国工商银行股份有限公司 | 故障预测方法、装置、计算设备以及计算机可读存储介质 |
CN112084190A (zh) * | 2020-08-31 | 2020-12-15 | 武汉光庭信息技术股份有限公司 | 一种基于大数据的采集数据实时存储与管理系统和方法 |
KR102332643B1 (ko) * | 2020-12-04 | 2021-12-01 | 한국전자기술연구원 | 초소형 IoT 기기에 대한 위치 정보 기반 라이프사이클 관리 방법 |
CN113947468A (zh) * | 2021-12-20 | 2022-01-18 | 鲁信科技股份有限公司 | 一种数据管理方法及平台 |
CN114219351A (zh) * | 2021-12-27 | 2022-03-22 | 中油管道物资装备有限公司 | 一种可视化物联网系统 |
CN114513430A (zh) * | 2022-01-14 | 2022-05-17 | 山东浪潮工业互联网产业股份有限公司 | 一种工业互联网设备的状态监控方法、设备及存储介质 |
CN115309733A (zh) * | 2022-08-23 | 2022-11-08 | 北京掌舵互动科技有限公司 | 基于物联网数字孪生系统的数据处理方法、装置及介质 |
CN115766376A (zh) * | 2022-11-04 | 2023-03-07 | 中用科技有限公司 | 基于物联网设备数据解析的数据分析处理方法 |
CN116131447A (zh) * | 2022-12-25 | 2023-05-16 | 江苏易电保云能源科技有限公司 | 一种智慧城市配电站云平台 |
CN116821464A (zh) * | 2023-06-26 | 2023-09-29 | 重庆长安汽车股份有限公司 | 一种车辆信息管理方法、设备及存储介质 |
Non-Patent Citations (5)
Title |
---|
中国产业发展研究院.《中国通信学会5G+行业应用培训指导用书 5G+智能制造》.北京:机械工业出版社,2022,第161-162页. * |
大数据挖掘分析在电力设备状态评估中的应用;高锦;;南方农机;20200528(第10期);第158页 * |
张明文 主编.《智能制造与机器人应用技术》.北京:机械工业出版社,2020,第53-55页. * |
王谦 等.《高等职业院校汽车类技能型人才培养十三五规划教材 汽车电工电子技术》.成都:西南交通大学出版社,2020,第113-115页. * |
钟良骥.《物联网技术与应用》.武汉:华中科技大学出版社,2020,第96页. * |
Also Published As
Publication number | Publication date |
---|---|
CN117408576A (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111311914A (zh) | 车辆行驶事故监控方法、装置和车辆 | |
CN102999348A (zh) | 车辆的配置信息在线刷写方法及系统 | |
US9478080B2 (en) | Method and system for providing condition reports for vehicles | |
US20150363983A1 (en) | Determining a remedial action for a motorized vehicle based on sensed vibration | |
CN112406545B (zh) | 继电器温升监测方法、装置及电动汽车 | |
DE102015108296A1 (de) | Qualitätsvorhersage vernetzter Fahrzeuge | |
US20180172777A1 (en) | Vehicle and method for managing battery thereof | |
CN114379482A (zh) | 轮胎保养预测方法及设备、计算机可读存储介质 | |
CN110824376A (zh) | 一种电池包异常的检测方法、装置、存储介质和电子设备 | |
CN116578319A (zh) | 固件升级方法及装置、文件生成方法及装置 | |
CN117408576B (zh) | 一种基于工业互联网的产品质量分析方法、设备及介质 | |
CN110103912A (zh) | 一种自动驾驶车辆的制动控制方法、装置及车载设备 | |
CN116963936A (zh) | 车辆监测方法、装置、设备及计算机可读存储介质 | |
CN111026080A (zh) | 控制器的硬件在环测试方法及装置 | |
CN109278678B (zh) | 车辆故障判断系统 | |
CN112610564A (zh) | 液压马达的监测系统和维护系统、及车辆 | |
CN110239553B (zh) | 电动汽车的虚拟加速踏板开度的计算方法及装置 | |
US11580087B2 (en) | Blockchain generation system and method for operating the same | |
CN116304806A (zh) | 电机故障诊断方法、诊断模型训练方法及系统 | |
CN114414024A (zh) | 车载称重系统的监测方法及装置、存储介质、电子装置 | |
CN104915650A (zh) | 车辆载货状态识别方法和装置 | |
CN111145386A (zh) | 一种基于区块链管理行车电脑数据的方法、设备及介质 | |
CN114139625A (zh) | 一种基于退化轨迹曲线分析的零件质量分类方法、系统 | |
SE544532C2 (en) | Improved fault detection methods for power tools | |
CN114750773B (zh) | 线控底盘控制方法、系统、装置、控制器、存储介质 |
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 |