CN117422585B - 电感生产制造控制系统的状态监控方法及系统 - Google Patents
电感生产制造控制系统的状态监控方法及系统 Download PDFInfo
- Publication number
- CN117422585B CN117422585B CN202311723786.5A CN202311723786A CN117422585B CN 117422585 B CN117422585 B CN 117422585B CN 202311723786 A CN202311723786 A CN 202311723786A CN 117422585 B CN117422585 B CN 117422585B
- Authority
- CN
- China
- Prior art keywords
- production
- inductance
- field
- target
- production node
- 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 590
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 238000000605 extraction Methods 0.000 claims abstract description 90
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000012795 verification Methods 0.000 claims description 36
- 230000006735 deficit Effects 0.000 claims description 24
- 238000004886 process control Methods 0.000 claims description 24
- 230000001939 inductive effect Effects 0.000 claims description 18
- 238000012216 screening Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 13
- 238000007667 floating Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 7
- 230000009191 jumping Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 230000006698 induction Effects 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 10
- 239000012467 final product Substances 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 239000000047 product Substances 0.000 description 16
- 230000008569 process Effects 0.000 description 11
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 8
- 238000011056 performance test Methods 0.000 description 8
- 239000011257 shell material Substances 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 238000004804 winding Methods 0.000 description 4
- 229910052782 aluminium Inorganic materials 0.000 description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003466 welding 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种电感生产制造控制系统的状态监控方法及系统,通过生成多个预定生产制造方案,并确定每个预定生产制造方案对应的电感生产节点集合,对每个电感生产节点集合进行特征提取,并根据这些特征和设定限制条件特征进行生产特征解析,可以确保生产过程符合预定的品质标准,从而提高最终产品的质量。通过生成目标生产知识特征,并依据目标生产知识特征调用目标电感生产节点集合对应的预定生产制造方案,可以选择最优的生产方案,实现生产过程的优化。目标生产知识特征反映了对应电感生产节点集合属于可靠生产节点集合的置信度,有助于更好地判断和控制生产过程的风险,从而提高生产的可靠性。
Description
技术领域
本申请涉及计算机智能制造技术领域,具体而言,涉及一种电感生产制造控制系统的状态监控方法及系统。
背景技术
在现有的电感生产技术中,常常需要根据各种因素确定最佳的生产制造方案。这些因素可能包括设备的性能状态、原材料的供应情况、市场需求等等。然而,传统的方法通常只依赖于经验或者简单的决策规则来选择和执行生产方案,这种方式无法全面考虑所有影响因素,也无法灵活应对复杂多变的生产环境。
例如,当生产过程中的某个节点出现故障或者性能下降时,可能需要立即调整生产方案以避免质量问题或者生产延误。但是,如果仅仅依靠人工判断和操作,往往难以快速准确地做出决策。此外,由于生产数据的复杂性和巨大量,传统的分析方法也难以从中提取出有用的知识,导致决策过程缺乏科学依据。为了解决上述问题,研究人员开始尝试引入更先进的技术,如大数据分析、机器学习等,来优化生产决策过程。然而,这些新技术的应用还存在一些挑战,例如如何设计合理的特征提取和分析方法,如何确保生产知识的可靠性和有效性等。
因此,需要一种新的电感生产方法,能够充分利用现有的数据资源,通过深度分析和优化,确定并实施最佳的预定生产制造方案,从而提高生产效率,保证产品质量,并增强生产过程的稳定性和可靠性。
发明内容
为了至少克服现有技术中的上述不足,本申请的目的在于提供一种电感生产制造控制系统的状态监控方法及系统。
第一方面,本申请提供一种电感生产制造控制系统的状态监控方法,应用于云端监控系统,所述方法包括:
确定多个预定生产制造方案对应的多个电感生产节点集合,所述多个电感生产节点集合包括:多个制程控制节点序列和校验控制节点序列,每个预定生产制造方案对应一个电感生产节点集合;
依据现行校验阶段对应的性能反馈状态数据,对所述多个电感生产节点集合分别进行针对多个设定生产事件字段的特征提取,生成多个字段特征提取数据集合,所述多个设定生产事件字段包括:一个或多个设定限制字段和一个或多个设定调整字段,所述性能反馈状态数据用于反映每个电感生产节点集合针对每个设定生产事件字段的反馈状态数据;
依据所述多个字段特征提取数据集合和所述一个或多个设定限制字段分别对应的设定限制条件特征,对所述多个电感生产节点集合进行生产特征解析,确定所述每个电感生产节点集合对应的目标生产知识特征,所述设定限制条件特征用于限制所述制程控制节点序列和所述校验控制节点序列间对应设定限制字段的偏离参数,所述目标生产知识特征用于反映对应电感生产节点集合属于可靠生产节点集合的置信度;
依据所述目标生产知识特征,调用所述多个电感生产节点集合中的目标电感生产节点集合对应的目标预定生产制造方案。
在第一方面的一种可能的实施方式中,所述可靠生产节点集合为所述多个电感生产节点集合中,每个设定限制字段对应的字段提取特征均符合对应设定限制条件特征,且每个设定调整字段对应的字段提取特征均表现最优的电感生产节点集合,每个字段特征提取数据集合包括:所述每个电感生产节点集合针对所述每个设定生产事件字段对应的字段提取特征,所述依据所述多个字段特征提取数据集合和所述一个或多个设定限制字段分别对应的设定限制条件特征,对所述多个电感生产节点集合进行生产特征解析,确定所述每个电感生产节点集合对应的目标生产知识特征包括:
轮询所述多个字段特征提取数据集合;
依据当前轮询的字段特征提取数据集合中的字段提取特征,将所述多个电感生产节点集合中的初筛生产节点集合作为第一待定生产节点集合,所述初筛生产节点集合为所述每个设定限制字段对应的字段提取特征均符合对应设定限制条件特征的电感生产节点集合;
在所述第一待定生产节点集合中涵盖所述可靠生产节点集合时,将所述每个电感生产节点集合对应的第一知识特征作为所述每个电感生产节点集合对应的初始生产知识特征,所述第一知识特征用于反映在所述当前轮询的字段特征提取数据集合对应的样例数据中,对应电感生产节点集合属于所述可靠生产节点集合的置信度;
或,在所述第一待定生产节点集合中不涵盖所述可靠生产节点集合时,将所述每个电感生产节点集合对应的第二知识特征作为所述每个电感生产节点集合对应的初始生产知识特征,所述第二知识特征用于反映在所述当前轮询的字段特征提取数据集合对应的样例数据中,对应电感生产节点集合属于所述初筛生产节点集合的置信度;
对轮询终止后生成的所述每个电感生产节点集合对应的多个初始生产知识特征进行平均化转换,确定所述每个电感生产节点集合对应的目标生产知识特征。
在第一方面的一种可能的实施方式中,在所述依据所述目标生产知识特征,调用所述多个电感生产节点集合中的目标电感生产节点集合对应的目标预定生产制造方案之前,所述方法还包括:
依据所述多个字段特征提取数据集合,对所述多个电感生产节点集合中的非目标电感生产节点集合进行针对所述一个或多个设定调整字段的调整估计,生成字段调整决策信息,所述字段调整决策信息用于反映所述非目标电感生产节点集合在每个设定限制字段对应的字段提取特征均符合对应设定限制条件特征时,相较于所述目标电感生产节点集合关于所述一个或多个设定调整字段的调整可能性;
在所述字段调整决策信息符合设定调整估计要求时,执行所述目标预定生产制造方案。
在第一方面的一种可能的实施方式中,每个字段特征提取数据集合包括:所述每个电感生产节点集合针对所述每个设定生产事件字段对应的字段提取特征,所述依据所述多个字段特征提取数据集合,对所述多个电感生产节点集合中的非目标电感生产节点集合进行针对所述一个或多个设定调整字段的调整估计,生成字段调整决策信息包括:
轮询所述多个字段特征提取数据集合;
依据当前轮询的字段特征提取数据集合中的字段提取特征,将所述非目标电感生产节点集合中的初筛生产节点集合作为第二待定生产节点集合,所述初筛生产节点集合为所述每个设定限制字段对应的字段提取特征均符合对应设定限制条件特征的电感生产节点集合;
确定所述第二待定生产节点集合相较于所述目标电感生产节点集合针对每个设定调整字段对应的字段参数上浮数据;
将所述一个或多个设定调整字段分别对应的字段参数上浮数据中最大的字段参数上浮数据作为初始调整决策结果;
将轮询终止后生成的多个初始调整决策结果中的目标划分参数作为所述字段调整决策信息。
在第一方面的一种可能的实施方式中,在所述依据所述目标生产知识特征,调用所述多个电感生产节点集合中的目标电感生产节点集合对应的目标预定生产制造方案之前,所述方法还包括:
依据所述多个字段特征提取数据集合,对所述目标电感生产节点集合进行针对所述多个设定生产事件字段的减损预期决策,生成所述目标电感生产节点集合对应的减损预期信息,所述减损预期信息用于反映所述目标电感生产节点集合对应的每个设定生产事件字段的减损预期状态指标;
在所述减损预期信息符合设定减损预期要求时,执行所述目标预定生产制造方案。
在第一方面的一种可能的实施方式中,每个字段特征提取数据集合包括:所述每个电感生产节点集合针对所述每个设定生产事件字段对应的字段提取特征,所述依据所述多个字段特征提取数据集合,对所述目标电感生产节点集合进行针对所述多个设定生产事件字段的减损预期决策,生成所述目标电感生产节点集合对应的减损预期信息包括:
轮询所述多个字段特征提取数据集合;
依据当前轮询的字段特征提取数据集合中的字段提取特征,确定所述目标电感生产节点集合的每个设定生产事件字段对应的字段参数下滑信息;
将所述多个设定生产事件字段分别对应的字段参数下滑信息中最大的字段参数下滑信息,作为所述目标电感生产节点集合对应的初始减损预期决策信息;
对轮询终止后生成的所述目标电感生产节点集合对应的多个初始减损预期决策信息进行平均化转换,确定所述减损预期信息。
在第一方面的一种可能的实施方式中,在所述依据所述多个字段特征提取数据集合和所述一个或多个设定限制字段分别对应的设定限制条件特征,对所述多个电感生产节点集合进行生产特征解析,确定所述每个电感生产节点集合对应的目标生产知识特征之后,所述方法还包括:
依据所述目标生产知识特征,对所述多个电感生产节点集合进行调度频次优化,生成所述多个电感生产节点集合分别对应的优化调度频次;
依据所述优化调度频次,对所述多个电感生产节点集合进行校验调整阶段的校验操作;
依据所述校验调整阶段的校验操作,跳转至所述依据现行校验阶段对应的性能反馈状态数据,对所述多个电感生产节点集合分别进行针对多个设定生产事件字段的特征提取,生成多个字段特征提取数据集合的步骤,直至符合设定校验调整终止要求。
在第一方面的一种可能的实施方式中,所述依据所述目标生产知识特征,对所述多个电感生产节点集合进行调度频次优化,生成所述多个电感生产节点集合分别对应的优化调度频次包括:
依据所述目标生产知识特征,对所述多个电感生产节点集合进行调度频次分配,确定所述多个电感生产节点集合的调度频次分配信息;
依据所述调度频次分配信息,对所述多个电感生产节点集合进行调度频次优化,生成所述优化调度频次。
第二方面,本申请实施例还提供一种云端监控系统,所述云端监控系统包括处理器和机器可读存储介质,所述机器可读存储介质中存储有计算机程序,所述计算机程序结合该处理器加载并执行以实现以上第一方面的电感生产制造控制系统的状态监控方法。
采用以上任意方面的技术方案,通过确定多个预定生产制造方案对应的多个电感生产节点集合,包括多个制程控制节点序列和校验控制节点序列。每个预定生产制造方案对应一个电感生产节点集合。然后,依据现行校验阶段对应的性能反馈状态数据,针对多个设定生产事件字段对各个电感生产节点集合进行特征提取,生成多个字段特征提取数据集合。这些设定生产事件字段包括一个或多个设定限制字段和一个或多个设定调整字段,而性能反馈状态数据则用于反映每个电感生产节点集合针对每个设定生产事件字段的反馈状态数据。接着,依据字段特征提取数据集合和设定限制字段对应的设定限制条件特征,对电感生产节点集合进行生产特征解析,从而确定每个电感生产节点集合对应的目标生产知识特征。设定限制条件特征用于限制制程控制节点序列和校验控制节点序列间对应设定限制字段的偏离参数,而目标生产知识特征则用于反映对应电感生产节点集合属于可靠生产节点集合的置信度。最后,根据目标生产知识特征,调用多个电感生产节点集合中的目标电感生产节点集合对应的目标预定生产制造方案。通过这种方法,可以提高生产效率,同时保证产品质量和稳定性。
也即,本申请通过生成多个预定生产制造方案,并确定每个预定生产制造方案对应的电感生产节点集合,可以在生产过程中进行灵活调度,有效提高生产效率。通过对每个电感生产节点集合进行特征提取,并根据这些特征和设定限制条件特征进行生产特征解析,可以确保生产过程符合预定的品质标准,从而提高最终产品的质量。通过生成目标生产知识特征,并依据目标生产知识特征调用目标电感生产节点集合对应的预定生产制造方案,可以选择最优的生产方案,实现生产过程的优化。目标生产知识特征反映了对应电感生产节点集合属于可靠生产节点集合的置信度,这有助于更好地判断和控制生产过程的风险,从而提高生产的可靠性。由此,通过对电感生产过程的深度分析和优化,既能提高生产效率,也能保证产品质量,同时还提高了生产过程的可靠性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要启用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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,还可以结合这些附图获得其它相关的附图。
图1为本申请实施例提供的电感生产制造控制系统的状态监控方法的流程示意图;
图2为本申请实施例提供的用于实现上述的电感生产制造控制系统的状态监控方法的云端监控系统的网络组成数据示意框图。
具体实施方式
以下描述是为了使本领域的普通技术人员能够实施和结合本申请,并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲,显然可以对所公开的实施例作出各种改变,并且在不偏离本申请的原则和范围的情况下,本申请中所定义的普遍原则可以适用于其它实施例和应用场景。因此,本申请并不限于所描述的实施例,而应该被给予与权利要求一致的最广泛的范围。
参见图1所示,本申请提供一种电感生产制造控制系统的状态监控方法,包括以下步骤。
步骤S110,确定多个预定生产制造方案对应的多个电感生产节点集合,所述多个电感生产节点集合包括:多个制程控制节点序列和校验控制节点序列,每个预定生产制造方案对应一个电感生产节点集合。
例如,在制造电感过程中时,可能有三个不同的预定生产制造方案A,B,C。每个预定生产制造方案都有各自的电感生产节点集合,这些电感生产节点集合包含制程控制节点(例如加工、焊接、装配等)和校验控制节点(例如质量检测、性能测试等)。假设方案A的生产节点包括"材料选择->铜线绕制->塑料外壳安装->性能测试",方案B的生产节点包括"材料选择->铝线绕制->金属外壳安装->性能测试",方案C的生产节点包括"材料选择->铜线绕制->金属外壳安装->性能测试"。
示例性的,确定多个预定生产制造方案对应的多个电感生产节点集合,这一步主要是针对同一个产品(电感),根据不同的生产需求或者目标,提前规划好多种可能的生产流程,并将每一种流程中的各个步骤(节点)明确下来。
每个生产流程都由两部分构成:制程控制节点序列和校验控制节点序列。制程控制节点序列是指生产过程中的实际操作步骤,比如选材、绕线、安装外壳等;校验控制节点序列则是在生产过程中需要进行的质量检查和性能测试环节。
举例说明,设定了三种预定生产制造方案:方案A,B,C。然后为每种方案定义一个生产节点集合。
方案A的生产节点集合包括:"选择铜线(制程控制)->绕制电感线圈(制程控制)->塑料外壳安装(制程控制)->阻抗测试(校验控制)->耐压试验(校验控制)
方案B的生产节点集合包括:"选择铝线(制程控制)->绕制电感线圈(制程控制)->金属外壳安装(制程控制)->阻抗测试(校验控制)->耐压试验(校验控制)
方案C的生产节点集合包括:"选择铜线(制程控制)->绕制电感线圈(制程控制)->金属外壳安装(制程控制)->阻抗测试(校验控制)->耐压试验(校验控制)
每个方案的制程控制和校验控制节点序列都有所不同,这些差异可能来自于使用的材料、工艺方式或者检验项目等因素。在实际生产中,可以根据具体的生产需求和产品性能要求,选择适合的预定生产制造方案进行生产。
步骤S120,依据现行校验阶段对应的性能反馈状态数据,对所述多个电感生产节点集合分别进行针对多个设定生产事件字段的特征提取,生成多个字段特征提取数据集合,所述多个设定生产事件字段包括:一个或多个设定限制字段和一个或多个设定调整字段,所述性能反馈状态数据用于反映每个电感生产节点集合针对每个设定生产事件字段的反馈状态数据。
例如,在方案A的性能测试阶段,例如发现电感的阻抗不达标,那么这就是一个现行校验阶段对应的性能反馈状态数据。然后会从这个性能反馈状态数据中提取字段特征提取数据集合,比如"阻抗低、铜线绕制、塑料外壳"等,并记录下来。类似地,也会对方案B和C进行同样的操作。
示例性的,在这个阶段,根据每个预定生产制造方案的校验阶段(也就是质量检测或性能测试阶段)得到的性能反馈状态数据来进行特征提取。
以方案A为例,假设在"性能测试"节点,发现电感的阻抗不达标。这个“阻抗不达标”就是一个性能反馈状态数据。这个性能反馈状态数据反映了在方案A中,电感在完成"材料选择->铜线绕制->塑料外壳安装"这些制程控制节点后,经过"性能测试"这个校验控制节点的结果。
接着,从这个性能反馈状态数据中提取特征。具体来说,设定生产事件字段可能包括一些预设的生产参数或标准,例如阻抗值、电流容量等。在这个例子中,可以提取出如下的特征:一个设定限制字段"阻抗值低于标准"和一个设定调整字段"可能需要调整铜线的绕制方式或更换塑料外壳材质"。同样地,也会对方案B和C进行这样的操作。
生成的多个字段特征提取数据集合就像一个清单,记录了每个方案中的每个生产节点集合针对设定生产事件字段的反馈状态数据。这个清单可以帮助理解每个方案在哪些地方出现了问题,需要进行哪些调整。
最后,通过对所有方案进行这样的特征提取,就可以对比各个方案的优缺点,找出最佳的生产制造方案。
步骤S130,依据所述多个字段特征提取数据集合和所述一个或多个设定限制字段分别对应的设定限制条件特征,对所述多个电感生产节点集合进行生产特征解析,确定所述每个电感生产节点集合对应的目标生产知识特征,所述设定限制条件特征用于限制所述制程控制节点序列和所述校验控制节点序列间对应设定限制字段的偏离参数,所述目标生产知识特征用于反映对应电感生产节点集合属于可靠生产节点集合的置信度。
例如设定了一个限制条件,即电感的阻抗必须在一定范围内。然后就可以通过这个限制条件去解析上一步提取的字段特征提取数据集合,例如发现"阻抗低"这个特征是不符合的设定限制的。通过这种方式,就能确定哪些电感生产节点是可靠的,哪些需要改进。
例如,在实际生产中,会收集各种数据,包括生产过程中的各种参数、产品的性能测试结果等。这些数据可以帮助了解每个生产节点的表现,例如某个节点是否存在问题,或者是否有改进的空间。
对于方案A,B,C,将从生产和校验阶段收集到的数据中提取关键信息。例如,可能会关注电感的阻抗值、外壳的强度等重要指标,并将这些信息视为字段特征。
设定限制字段对应的设定限制条件特征是预设的一些规则或标准,用来评估每个生产节点的表现。比如,可能会设定电感的阻抗值必须在一定范围内,如果超出这个范围,就说明这个生产节点存在问题。
然后就可以通过对比实际数据(字段特征)和预设规则(设定限制条件特征),来判断每个生产节点的表现。例如,如果方案A的阻抗值常常超出设定范围,那么就知道这个方案的绕线过程可能存在问题。
确定每个电感生产节点集合对应的目标生产知识特征是对每个生产方案有效性的评估结果。如果一个方案的所有生产节点都能满足预设规则,那么这个方案就是可靠的,会对它有较高的置信度。
步骤S140,依据所述目标生产知识特征,调用所述多个电感生产节点集合中的目标电感生产节点集合对应的目标预定生产制造方案。
例如,假设经过上述步骤,发现方案C的所有生产节点都是可靠的,那么就可以选择调用方案C作为的最终生产制造方案。如果在后续的生产过程中,发现了新的问题,那么就需要重复上述步骤,重新选择最佳的生产制造方案。
基于以上步骤,本申请通过确定多个预定生产制造方案对应的多个电感生产节点集合,包括多个制程控制节点序列和校验控制节点序列。每个预定生产制造方案对应一个电感生产节点集合。然后,依据现行校验阶段对应的性能反馈状态数据,针对多个设定生产事件字段对各个电感生产节点集合进行特征提取,生成多个字段特征提取数据集合。这些设定生产事件字段包括一个或多个设定限制字段和一个或多个设定调整字段,而性能反馈状态数据则用于反映每个电感生产节点集合针对每个设定生产事件字段的反馈状态数据。接着,依据字段特征提取数据集合和设定限制字段对应的设定限制条件特征,对电感生产节点集合进行生产特征解析,从而确定每个电感生产节点集合对应的目标生产知识特征。设定限制条件特征用于限制制程控制节点序列和校验控制节点序列间对应设定限制字段的偏离参数,而目标生产知识特征则用于反映对应电感生产节点集合属于可靠生产节点集合的置信度。最后,根据目标生产知识特征,调用多个电感生产节点集合中的目标电感生产节点集合对应的目标预定生产制造方案。通过这种方法,可以提高生产效率,同时保证产品质量和稳定性。
也即,本申请通过生成多个预定生产制造方案,并确定每个预定生产制造方案对应的电感生产节点集合,可以在生产过程中进行灵活调度,有效提高生产效率。通过对每个电感生产节点集合进行特征提取,并根据这些特征和设定限制条件特征进行生产特征解析,可以确保生产过程符合预定的品质标准,从而提高最终产品的质量。通过生成目标生产知识特征,并依据目标生产知识特征调用目标电感生产节点集合对应的预定生产制造方案,可以选择最优的生产方案,实现生产过程的优化。目标生产知识特征反映了对应电感生产节点集合属于可靠生产节点集合的置信度,这有助于更好地判断和控制生产过程的风险,从而提高生产的可靠性。由此,通过对电感生产过程的深度分析和优化,既能提高生产效率,也能保证产品质量,同时还提高了生产过程的可靠性。
在一种可能的实施方式中,所述可靠生产节点集合为所述多个电感生产节点集合中,每个设定限制字段对应的字段提取特征均符合对应设定限制条件特征,且每个设定调整字段对应的字段提取特征均表现最优的电感生产节点集合,每个字段特征提取数据集合包括:所述每个电感生产节点集合针对所述每个设定生产事件字段对应的字段提取特征。
步骤S130可以包括:
步骤S131,轮询所述多个字段特征提取数据集合。
例如,在这一步,将依次查看方案A,B,C的特征提取数据。比如先查看方案A的数据,然后是方案B的,最后是方案C的。
步骤S132,依据当前轮询的字段特征提取数据集合中的字段提取特征,将所述多个电感生产节点集合中的初筛生产节点集合作为第一待定生产节点集合,所述初筛生产节点集合为所述每个设定限制字段对应的字段提取特征均符合对应设定限制条件特征的电感生产节点集合。
例如,首先,需要定义一个"初筛生产节点集合"。在方案A的例子中,如果"阻抗值低于标准"的问题已经被解决(例如,通过调整铜线的绕制方式或更换塑料外壳材质),那么方案A就可以视为一个"初筛生产节点集合"。
步骤S133,在所述第一待定生产节点集合中涵盖所述可靠生产节点集合时,将所述每个电感生产节点集合对应的第一知识特征作为所述每个电感生产节点集合对应的初始生产知识特征,所述第一知识特征用于反映在所述当前轮询的字段特征提取数据集合对应的样例数据中,对应电感生产节点集合属于所述可靠生产节点集合的置信度。
例如,假设在轮询到方案B时,发现它不仅解决了"阻抗值低于标准"的问题,而且还优化了其他一些设定调整字段(比如,通过选择更好的铝线材料提高了电流容量),那么方案B就可以视为一个"可靠生产节点集合"。这时,会将方案B对应的第一知识特征(也就是对其可靠性的评估)作为初始生产知识特征。
或,步骤S134,在所述第一待定生产节点集合中不涵盖所述可靠生产节点集合时,将所述每个电感生产节点集合对应的第二知识特征作为所述每个电感生产节点集合对应的初始生产知识特征,所述第二知识特征用于反映在所述当前轮询的字段特征提取数据集合对应的样例数据中,对应电感生产节点集合属于所述初筛生产节点集合的置信度。
例如, 如果在轮询到方案C时,发现它并未解决所有的设定限制字段问题,那么就不能将其视为一个"可靠生产节点集合"。但是,仍然可以根据它的表现给出一个初步的评估(第二知识特征),并将其作为初始生产知识特征。
步骤S135,对轮询终止后生成的所述每个电感生产节点集合对应的多个初始生产知识特征进行平均化转换,确定所述每个电感生产节点集合对应的目标生产知识特征。
例如,在轮询结束后,将收集到的所有初始生产知识特征进行平均化处理,以确定每个电感生产节点集合(也就是方案A,B,C)对应的目标生产知识特征。这个目标生产知识特征可以反映出各个方案的综合表现,帮助选择最优的生产制造方案。
在一种可能的实施方式中,在所述步骤S140之前,所述方法还包括:
步骤A110,依据所述多个字段特征提取数据集合,对所述多个电感生产节点集合中的非目标电感生产节点集合进行针对所述一个或多个设定调整字段的调整估计,生成字段调整决策信息,所述字段调整决策信息用于反映所述非目标电感生产节点集合在每个设定限制字段对应的字段提取特征均符合对应设定限制条件特征时,相较于所述目标电感生产节点集合关于所述一个或多个设定调整字段的调整可能性。
步骤A120,在所述字段调整决策信息符合设定调整估计要求时,执行所述目标预定生产制造方案。
例如,在确定了最优的生产方案(也就是目标电感生产节点集合)之后,还需要考虑其他非最优方案(非目标电感生产节点集合)的调整可能性。如果经过一定的调整,这些非最优方案也能达到或者接近预设的生产要求,那么它们也可以被考虑作为实际生产的备选方案。
举例来说,已经通过前面的步骤确定了方案C是最优方案,即目标电感生产节点集合。但是发现方案A在"阻抗测试"这个校验控制节点上的性能反馈状态数据显示阻抗值偏低,这是一个设定限制字段。
然后依据收集到的字段特征提取数据集合,对方案A进行针对"阻抗值"这个设定调整字段的调整估计。例如,可能会分析:如果改变铜线的绕制方式或更换塑料外壳材质,是否能使阻抗值提高到标准范围内。
生成的字段调整决策信息就是对这种调整可能性的评估结果。如果认为通过调整确实可以使方案A的阻抗值达标,那么这个字段调整决策信息就会显示方案A相较于方案C关于"阻抗值"这个设定调整字段的调整可能性是存在的。
然后会设定一个调整估计要求,比如认为只有当调整可能性超过80%时,才会考虑执行这个非最优方案。如果方案A的调整可能性满足这个要求,那么就可以选择执行方案A。
在实际生产中,这样的操作可以帮助更好地利用所有可用的生产方案,提高生产效率和产品质量。
在一种可能的实施方式中,每个字段特征提取数据集合包括:所述每个电感生产节点集合针对所述每个设定生产事件字段对应的字段提取特征,所述步骤A110可以包括:
步骤A111,轮询所述多个字段特征提取数据集合。
这一步与前面类似,将依次查看方案A,B,C的特征提取数据。
步骤A112,依据当前轮询的字段特征提取数据集合中的字段提取特征,将所述非目标电感生产节点集合中的初筛生产节点集合作为第二待定生产节点集合,所述初筛生产节点集合为所述每个设定限制字段对应的字段提取特征均符合对应设定限制条件特征的电感生产节点集合。
比如在上一个步骤中,确定了方案B是目标电感生产节点集合,那么方案A和C就是非目标电感生产节点集合。在这两个非目标节点集合中,可能会发现有些节点其实也符合设定限制条件特征,这样的节点就可以被视为"初筛生产节点集合",并作为第二待定生产节点集合。
步骤A113,确定所述第二待定生产节点集合相较于所述目标电感生产节点集合针对每个设定调整字段对应的字段参数上浮数据。
这里的字段参数上浮数据指的是第二待定生产节点集合(方案A和C)相对于目标生产节点集合(方案B)在设定调整字段(如电感阻抗、电流容量等)上的差异。比如,可能会发现方案C在电流容量上超过了方案B,这就是一个字段参数上浮数据。
步骤A114,将所述一个或多个设定调整字段分别对应的字段参数上浮数据中最大的字段参数上浮数据作为初始调整决策结果。
例如,可以将所有的字段参数上浮数据进行比较,选出最大的一个,然后将其作为初始调整决策结果。例如,如果方案C在电流容量上的上浮数据最大,那么就可以考虑是否要将方案C的这部分优点融入到目标方案B中去。
步骤A115,将轮询终止后生成的多个初始调整决策结果中的目标划分参数作为所述字段调整决策信息。
例如,经过轮询和比较之后,将得到多个初始调整决策结果。然后需要找出其中的目标划分参数,也就是能够最大程度提高生产效率和产品质量的调整方案,并将其作为最终的字段调整决策信息。
在一种可能的实施方式中,在所述步骤S140之前,所述方法还包括:
步骤B110,依据所述多个字段特征提取数据集合,对所述目标电感生产节点集合进行针对所述多个设定生产事件字段的减损预期决策,生成所述目标电感生产节点集合对应的减损预期信息,所述减损预期信息用于反映所述目标电感生产节点集合对应的每个设定生产事件字段的减损预期状态指标。
步骤B120,在所述减损预期信息符合设定减损预期要求时,执行所述目标预定生产制造方案。
例如,本实施例主要描述了在执行目标预定生产制造方案之前,对目标电感生产节点集合进行减损预期决策的过程。
假设通过前面的步骤已经确定方案B是目标电感生产节点集合,即最优方案。然后会根据收集到的字段特征提取数据(如阻抗值、电流容量等),对方案B进行减损预期决策。这个决策的目的是预测并尽可能降低在实际生产过程中可能出现的问题和风险。
比如,可能会评估:在方案B的生产过程中,阻抗值有没有可能偏离预设范围?如果有,那么偏离的程度可能有多大?或者说,电流容量是否可能达不到预期标准?如果达不到,那么差距可能有多大?
上一步中进行的评估将形成一份减损预期信息。这份信息将包含方案B对应的每个设定生产事件字段(如阻抗值、电流容量等)的减损预期状态指标。
例如,可能会得出这样的结论:“在方案B的生产过程中,阻抗值有10%的可能性会低于标准,但低于的程度不会超过5%;电流容量有20%的可能性会低于标准,但低于的程度不会超过3%。”
最后,会设置一个减损预期要求。比如,认为只有当所有关键指标的偏离概率都不超过15%,并且偏离程度都不超过5%时,才会执行这个生产方案。如果方案B的减损预期信息满足这个要求,那么就可以选择执行方案B。
由此,可以帮助更全面地评估和优化生产方案,尽可能降低实际生产过程中的风险,保证生产效率和产品质量。
在一种可能的实施方式中,每个字段特征提取数据集合包括:所述每个电感生产节点集合针对所述每个设定生产事件字段对应的字段提取特征,所述步骤B110可以包括:
步骤B111,轮询所述多个字段特征提取数据集合。
步骤B112,依据当前轮询的字段特征提取数据集合中的字段提取特征,确定所述目标电感生产节点集合的每个设定生产事件字段对应的字段参数下滑信息。
步骤B113,将所述多个设定生产事件字段分别对应的字段参数下滑信息中最大的字段参数下滑信息,作为所述目标电感生产节点集合对应的初始减损预期决策信息。
步骤B114,对轮询终止后生成的所述目标电感生产节点集合对应的多个初始减损预期决策信息进行平均化转换,确定所述减损预期信息。
例如,以方案C为例,假设这个目标电感生产节点集合涉及的设定生产事件字段包括阻抗值、电流容量和电感大小等。每个字段都有对应的特征提取数据集合。
首先,会进行轮询操作,即依次检查每一个字段特征提取数据集合。例如,首先检查阻抗值的特征提取数据集合,然后检查电流容量的特征提取数据集合,最后检查电感大小的特征提取数据集合。
在检查每一个字段特征提取数据集合时,会根据其中的字段提取特征,确定目标电感生产节点集合的每个设定生产事件字段对应的字段参数下滑信息。比如,在检查阻抗值的特征提取数据集合时,可能发现如果阻抗值下滑10%,那么可能会导致产品性能下降5%。这就是阻抗值字段对应的字段参数下滑信息。
接着,将多个设定生产事件字段分别对应的字段参数下滑信息中最大的字段参数下滑信息,作为目标电感生产节点集合对应的初始减损预期决策信息。例如,阻抗值、电流容量和电感大小的字段参数下滑信息分别为5%,3%和2%,那么5%就是初始的减损预期决策信息。
在轮询所有字段特征提取数据集合后,会对生成的目标电感生产节点集合对应的多个初始减损预期决策信息进行平均化转换,确定减损预期信息。例如,如果在轮询过程中得到了三个初始减损预期决策信息:5%,3%和2%,那么最终的减损预期信息就是这三个数值的平均值,即(5%+3%+2%)/3=3.33%。
这样,就能获取一个更全面、准确的减损预期信息,为后续的决策提供参考。
在一种可能的实施方式中,在所述步骤S130之后,所述方法还包括:
步骤C110,依据所述目标生产知识特征,对所述多个电感生产节点集合进行调度频次优化,生成所述多个电感生产节点集合分别对应的优化调度频次。
例如,在前一步骤中,已经根据字段特征提取数据集合和设定限制条件特征对方案A,B,C进行了生产特征解析,并确定了每个方案的目标生产知识特征。接下来,需要对这些方案进行调度频次优化。
假设方案A需要进行5次调度,方案B需要进行3次调度,而方案C需要进行4次调度。通过对目标生产知识特征进行分析,可能发现如果调整某些生产环节,可以进一步优化调度频次。比如,发现通过改变某些工艺参数,方案B只需要进行2次调度,那么就将方案B的调度频次优化为2次。
步骤C120,依据所述优化调度频次,对所述多个电感生产节点集合进行校验调整阶段的校验操作。
例如,接下来,需要根据优化后的调度频次对方案A,B,C进行校验操作。这一步主要是为了确认优化后的调度频次是否可行,以及是否符合预期的生产效率。例如,可以模拟执行方案B,并观察在只进行2次调度的情况下,是否能够达到预期的生产效率和产品质量。
步骤C130,依据所述校验调整阶段的校验操作,跳转至所述依据现行校验阶段对应的性能反馈状态数据,对所述多个电感生产节点集合分别进行针对多个设定生产事件字段的特征提取,生成多个字段特征提取数据集合的步骤,直至符合设定校验调整终止要求。
这一步是为了确认经过优化调度频次后的方案是否符合生产要求。将会收集模拟执行后的性能反馈数据,然后再次进行特征提取。例如,在模拟执行方案B后,会收集相关的性能反馈数据,如阻抗值、电流容量等,并对这些数据进行特征提取。
在此基础上,持续进行上述的优化、模拟执行、校验和特征提取的过程,直到满足设定的校验调整终止要求。比如,可以设置校验调整终止要求为“所有方案的调度频次都不能再进一步优化”或者“所有方案的调度频次优化后的生产效率都达到了预期标准”。只有当满足这些要求时,才会停止优化和校验的过程。
总的来说,这个过程是一个不断优化、模拟执行、校验和反馈的循环,目的是为了找到最优的生产方案,并确保这个方案在实际生产中能够达到预期的效果。
在一种可能的实施方式中,步骤C110可以包括:
步骤C111,依据所述目标生产知识特征,对所述多个电感生产节点集合进行调度频次分配,确定所述多个电感生产节点集合的调度频次分配信息。
步骤C112,依据所述调度频次分配信息,对所述多个电感生产节点集合进行调度频次优化,生成所述优化调度频次。
例如,首先,会根据目标生产知识特征(如生产效率、产品质量等),对方案A、B、C的电感生产节点集合进行调度频次的初步分配。例如,假设方案A的生产效率最高,那么可能会给方案A分配最高的调度频次;相反,如果方案C的产品质量最低,那么可能会给方案C分配最低的调度频次。这一步骤生成的结果是每个电感生产节点集合的调度频次分配信息,即方案A、B、C各自的初始调度频次。
接下来,会根据上一步得到的调度频次分配信息,进一步对方案A、B、C的调度频次进行优化。具体来说,可能会考虑其他因素(如生产成本、资源限制等),对初始的调度频次进行微调。例如,如果发现方案B虽然生产效率较低,但其生产成本最低,那么可能会适当提高方案B的调度频次;同样,如果发现资源有限,无法支持方案A的高频调度,那么可能需要适当降低方案A的调度频次。这一步骤生成的结果是优化后的调度频次,即方案A、B、C各自的最终调度频次。这个结果将用于后续的生产决策和执行。
总的来说,这个过程可以帮助根据实际情况,灵活地分配和优化生产资源,以实现生产效率和产品质量的最优平衡。
图2示意性地示出了可被用于实现本申请中所述的各个实施例的云端监控系统100。
对于一个实施例,图2示出了云端监控系统100,该云端监控系统100具有多个处理器102、被耦合到(多个)处理器102中的一个或多个的控制模块(芯片组)104、被耦合到控制模块104的存储器106、被耦合到控制模块104的非易失性存储器(NVM)/存储设备108、被耦合到控制模块104的多个输入/输出设备110,和被耦合到控制模块104的网络接口112。
处理器102可包括多个单核或多核处理器,处理器102可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。一些可替代的实施方式中,云端监控系统100能够作为本申请实施例中所述网关等服务器设备。
一些可替代的实施方式中,云端监控系统100可包括具有指令114的多个计算机可读介质(例如,存储器106或NVM/存储设备108)和与该多个计算机可读介质相合并被配置为执行指令114以实现模块从而执行本公开中所述的动作的多个处理器102。
对于一个实施例,控制模块104可包括任意适当的接口控制器,以向(多个)处理器102中的一个或多个和/或与控制模块104通信的任意适当的设备或组件提供任意适当的接口。
控制模块104可包括存储器控制器模块,以向存储器106提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
存储器106可被用于例如为云端监控系统100加载和存储数据和/或指令114。对于一个实施例,存储器106可包括任意适当的易失性存储器,例如,适当的DRAM。一些可替代的实施方式中,存储器106可包括双倍数据速率类型四同步动态随机存取存储器。
对于一个实施例,控制模块104可包括多个输入/输出控制器,以向NVM/存储设备108及(多个)输入/输出设备110提供接口。
例如,NVM/存储设备108可被用于存储数据和/或指令114。NVM/存储设备108可包括任意适当的非易失性存储器(例如,闪存)和/或可包括任意适当的(多个)非易失性存储设备。
NVM/存储设备108可包括在物理上作为云端监控系统100被安装在其上的设备的一部分的存储资源,或者其可被该设备访问可不必作为该设备的一部分。例如,NVM/存储设备108可结合网络经由(多个)输入/输出设备110进行访问。
(多个)输入/输出设备110可为云端监控系统100提供接口以与任意其它适当的设备通信,输入/输出设备110可以包括通信组件、拼音组件、传感器组件等。网络接口112可为云端监控系统100提供接口以依据多个网络通信,云端监控系统100可基于多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的多个组件进行无线通信,例如接入依据通信标准的无线网络,如WiFi、2G、3G、4G、5G等,或它们的组合进行无线通信。
对于一个实施例,(多个)处理器102中的一个或多个可与控制模块104的多个控制器(例如,存储器控制器模块)的逻辑封装在一起。对于一个实施例,(多个)处理器102中的一个或多个可与控制模块104的多个控制器的逻辑封装在一起以形成系统级封装。对于一个实施例,(多个)处理器102中的一个或多个可与控制模块104的多个控制器的逻辑集成在同一模具上。对于一个实施例,(多个)处理器102中的一个或多个可与控制模块104的多个控制器的逻辑集成在同一模具上以形成片上系统。
在各个实施例中,云端监控系统100可以但不限于是:台式计算设备或移动计算设备(例如,膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中,云端监控系统100可具有更多或更少的组件和/或不同的架构。例如,一些可替代的实施方式中,云端监控系统100包括多个摄像机、键盘、液晶显示器屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路和扬声器。
以上对本申请进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种电感生产制造控制系统的状态监控方法,其特征在于,应用于云端监控系统,所述方法包括:
确定多个预定生产制造方案对应的多个电感生产节点集合,所述多个电感生产节点集合包括:多个制程控制节点序列和校验控制节点序列,每个预定生产制造方案对应一个电感生产节点集合;
依据现行校验阶段对应的性能反馈状态数据,对所述多个电感生产节点集合分别进行针对多个设定生产事件字段的特征提取,生成多个字段特征提取数据集合,所述多个设定生产事件字段包括:一个或多个设定限制字段和一个或多个设定调整字段,所述性能反馈状态数据用于反映每个电感生产节点集合针对每个设定生产事件字段的反馈状态数据;
依据所述多个字段特征提取数据集合和所述一个或多个设定限制字段分别对应的设定限制条件特征,对所述多个电感生产节点集合进行生产特征解析,确定所述每个电感生产节点集合对应的目标生产知识特征,所述设定限制条件特征用于限制所述制程控制节点序列和所述校验控制节点序列间对应设定限制字段的偏离参数,所述目标生产知识特征用于反映对应电感生产节点集合属于可靠生产节点集合的置信度;
依据所述目标生产知识特征,调用所述多个电感生产节点集合中的目标电感生产节点集合对应的目标预定生产制造方案;
所述可靠生产节点集合为所述多个电感生产节点集合中,每个设定限制字段对应的字段提取特征均符合对应设定限制条件特征,且每个设定调整字段对应的字段提取特征均表现最优的电感生产节点集合,每个字段特征提取数据集合包括:所述每个电感生产节点集合针对所述每个设定生产事件字段对应的字段提取特征,所述依据所述多个字段特征提取数据集合和所述一个或多个设定限制字段分别对应的设定限制条件特征,对所述多个电感生产节点集合进行生产特征解析,确定所述每个电感生产节点集合对应的目标生产知识特征包括:
轮询所述多个字段特征提取数据集合;
依据当前轮询的字段特征提取数据集合中的字段提取特征,将所述多个电感生产节点集合中的初筛生产节点集合作为第一待定生产节点集合,所述初筛生产节点集合为所述每个设定限制字段对应的字段提取特征均符合对应设定限制条件特征的电感生产节点集合;
在所述第一待定生产节点集合中涵盖所述可靠生产节点集合时,将所述每个电感生产节点集合对应的第一知识特征作为所述每个电感生产节点集合对应的初始生产知识特征,所述第一知识特征用于反映在所述当前轮询的字段特征提取数据集合对应的样例数据中,对应电感生产节点集合属于所述可靠生产节点集合的置信度;
或,在所述第一待定生产节点集合中不涵盖所述可靠生产节点集合时,将所述每个电感生产节点集合对应的第二知识特征作为所述每个电感生产节点集合对应的初始生产知识特征,所述第二知识特征用于反映在所述当前轮询的字段特征提取数据集合对应的样例数据中,对应电感生产节点集合属于所述初筛生产节点集合的置信度;
对轮询终止后生成的所述每个电感生产节点集合对应的多个初始生产知识特征进行平均化转换,确定所述每个电感生产节点集合对应的目标生产知识特征。
2.根据权利要求1所述的电感生产制造控制系统的状态监控方法,其特征在于,在所述依据所述目标生产知识特征,调用所述多个电感生产节点集合中的目标电感生产节点集合对应的目标预定生产制造方案之前,所述方法还包括:
依据所述多个字段特征提取数据集合,对所述多个电感生产节点集合中的非目标电感生产节点集合进行针对所述一个或多个设定调整字段的调整估计,生成字段调整决策信息,所述字段调整决策信息用于反映所述非目标电感生产节点集合在每个设定限制字段对应的字段提取特征均符合对应设定限制条件特征时,相较于所述目标电感生产节点集合关于所述一个或多个设定调整字段的调整可能性;
在所述字段调整决策信息符合设定调整估计要求时,执行所述目标预定生产制造方案。
3.根据权利要求2所述的电感生产制造控制系统的状态监控方法,其特征在于,每个字段特征提取数据集合包括:所述每个电感生产节点集合针对所述每个设定生产事件字段对应的字段提取特征,所述依据所述多个字段特征提取数据集合,对所述多个电感生产节点集合中的非目标电感生产节点集合进行针对所述一个或多个设定调整字段的调整估计,生成字段调整决策信息包括:
轮询所述多个字段特征提取数据集合;
依据当前轮询的字段特征提取数据集合中的字段提取特征,将所述非目标电感生产节点集合中的初筛生产节点集合作为第二待定生产节点集合,所述初筛生产节点集合为所述每个设定限制字段对应的字段提取特征均符合对应设定限制条件特征的电感生产节点集合;
确定所述第二待定生产节点集合相较于所述目标电感生产节点集合针对每个设定调整字段对应的字段参数上浮数据;
将所述一个或多个设定调整字段分别对应的字段参数上浮数据中最大的字段参数上浮数据作为初始调整决策结果;
将轮询终止后生成的多个初始调整决策结果中的目标划分参数作为所述字段调整决策信息。
4.根据权利要求1所述的电感生产制造控制系统的状态监控方法,其特征在于,在所述依据所述目标生产知识特征,调用所述多个电感生产节点集合中的目标电感生产节点集合对应的目标预定生产制造方案之前,所述方法还包括:
依据所述多个字段特征提取数据集合,对所述目标电感生产节点集合进行针对所述多个设定生产事件字段的减损预期决策,生成所述目标电感生产节点集合对应的减损预期信息,所述减损预期信息用于反映所述目标电感生产节点集合对应的每个设定生产事件字段的减损预期状态指标;
在所述减损预期信息符合设定减损预期要求时,执行所述目标预定生产制造方案。
5.根据权利要求4所述的电感生产制造控制系统的状态监控方法,其特征在于,每个字段特征提取数据集合包括:所述每个电感生产节点集合针对所述每个设定生产事件字段对应的字段提取特征,所述依据所述多个字段特征提取数据集合,对所述目标电感生产节点集合进行针对所述多个设定生产事件字段的减损预期决策,生成所述目标电感生产节点集合对应的减损预期信息包括:
轮询所述多个字段特征提取数据集合;
依据当前轮询的字段特征提取数据集合中的字段提取特征,确定所述目标电感生产节点集合的每个设定生产事件字段对应的字段参数下滑信息;
将所述多个设定生产事件字段分别对应的字段参数下滑信息中最大的字段参数下滑信息,作为所述目标电感生产节点集合对应的初始减损预期决策信息;
对轮询终止后生成的所述目标电感生产节点集合对应的多个初始减损预期决策信息进行平均化转换,确定所述减损预期信息。
6.根据权利要求1-5中任意一项所述的电感生产制造控制系统的状态监控方法,其特征在于,在所述依据所述多个字段特征提取数据集合和所述一个或多个设定限制字段分别对应的设定限制条件特征,对所述多个电感生产节点集合进行生产特征解析,确定所述每个电感生产节点集合对应的目标生产知识特征之后,所述方法还包括:
依据所述目标生产知识特征,对所述多个电感生产节点集合进行调度频次优化,生成所述多个电感生产节点集合分别对应的优化调度频次;
依据所述优化调度频次,对所述多个电感生产节点集合进行校验调整阶段的校验操作;
依据所述校验调整阶段的校验操作,跳转至所述依据现行校验阶段对应的性能反馈状态数据,对所述多个电感生产节点集合分别进行针对多个设定生产事件字段的特征提取,生成多个字段特征提取数据集合的步骤,直至符合设定校验调整终止要求。
7.根据权利要求6所述的电感生产制造控制系统的状态监控方法,其特征在于,所述依据所述目标生产知识特征,对所述多个电感生产节点集合进行调度频次优化,生成所述多个电感生产节点集合分别对应的优化调度频次包括:
依据所述目标生产知识特征,对所述多个电感生产节点集合进行调度频次分配,确定所述多个电感生产节点集合的调度频次分配信息;
依据所述调度频次分配信息,对所述多个电感生产节点集合进行调度频次优化,生成所述优化调度频次。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有机器可执行指令,该机器可执行指令由处理器加载并执行以实现权利要求1-7中任意一项所述的电感生产制造控制系统的状态监控方法。
9.一种云端监控系统,其特征在于,所述云端监控系统包括处理器和机器可读存储介质,该机器可读存储介质中存储有机器可执行指令,该机器可执行指令由该处理器加载并执行以实现权利要求1-7中任意一项所述的电感生产制造控制系统的状态监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311723786.5A CN117422585B (zh) | 2023-12-15 | 2023-12-15 | 电感生产制造控制系统的状态监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311723786.5A CN117422585B (zh) | 2023-12-15 | 2023-12-15 | 电感生产制造控制系统的状态监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117422585A CN117422585A (zh) | 2024-01-19 |
CN117422585B true CN117422585B (zh) | 2024-05-17 |
Family
ID=89526956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311723786.5A Active CN117422585B (zh) | 2023-12-15 | 2023-12-15 | 电感生产制造控制系统的状态监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117422585B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368413A (zh) * | 2020-02-28 | 2020-07-03 | 苏州智澜供应链管理有限公司 | 一种服装生产计划跟踪管理方法及系统 |
CN111695880A (zh) * | 2020-06-17 | 2020-09-22 | 常熟市汉泰化纤织造有限公司 | 一种生产流程监控方法及系统 |
WO2021019551A1 (en) * | 2019-07-26 | 2021-02-04 | Tata Consultancy Services Limited | System and method for real-time self-optimization of manufacturing operations |
CN112800095A (zh) * | 2021-04-13 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、设备及存储介质 |
WO2022099596A1 (zh) * | 2020-11-13 | 2022-05-19 | 浙江大学 | 一种面向工业个性化定制生产的自适应学习智能调度统一计算框架及系统 |
CN116089920A (zh) * | 2023-02-16 | 2023-05-09 | 平安壹钱包电子商务有限公司 | 一种敏感字段预警方法、系统、计算机设备及介质 |
CN116430817A (zh) * | 2023-04-26 | 2023-07-14 | 同心县启胜新能源科技有限公司 | 应用于光伏组件生产系统的数据采集处理方法及系统 |
CN116880396A (zh) * | 2023-07-19 | 2023-10-13 | 北京红山信息科技研究院有限公司 | 智慧工厂动态协同调度方法 |
CN116976747A (zh) * | 2023-08-14 | 2023-10-31 | 浙江羲和新材料科技有限公司 | 一种液晶显示器的密封剂生产管理方法及系统 |
-
2023
- 2023-12-15 CN CN202311723786.5A patent/CN117422585B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021019551A1 (en) * | 2019-07-26 | 2021-02-04 | Tata Consultancy Services Limited | System and method for real-time self-optimization of manufacturing operations |
CN111368413A (zh) * | 2020-02-28 | 2020-07-03 | 苏州智澜供应链管理有限公司 | 一种服装生产计划跟踪管理方法及系统 |
CN111695880A (zh) * | 2020-06-17 | 2020-09-22 | 常熟市汉泰化纤织造有限公司 | 一种生产流程监控方法及系统 |
WO2022099596A1 (zh) * | 2020-11-13 | 2022-05-19 | 浙江大学 | 一种面向工业个性化定制生产的自适应学习智能调度统一计算框架及系统 |
CN112800095A (zh) * | 2021-04-13 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN116089920A (zh) * | 2023-02-16 | 2023-05-09 | 平安壹钱包电子商务有限公司 | 一种敏感字段预警方法、系统、计算机设备及介质 |
CN116430817A (zh) * | 2023-04-26 | 2023-07-14 | 同心县启胜新能源科技有限公司 | 应用于光伏组件生产系统的数据采集处理方法及系统 |
CN116880396A (zh) * | 2023-07-19 | 2023-10-13 | 北京红山信息科技研究院有限公司 | 智慧工厂动态协同调度方法 |
CN116976747A (zh) * | 2023-08-14 | 2023-10-31 | 浙江羲和新材料科技有限公司 | 一种液晶显示器的密封剂生产管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117422585A (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10257835B2 (en) | Facilitating enhanced beam management in a wireless communication system | |
CN110536342A (zh) | 一种网络模式控制方法及终端、存储介质 | |
US10776176B2 (en) | Service control method and service control apparatus | |
CN110933178B (zh) | 调整集群系统内的节点配置的方法及服务器 | |
CN111817974A (zh) | 基于令牌桶的接口限流方法、装置、系统及可读存储介质 | |
CN117422585B (zh) | 电感生产制造控制系统的状态监控方法及系统 | |
CN102196512B (zh) | 终端接入方法、设备及系统 | |
US20230421638A1 (en) | Methods and internet of things (iot) systems for operation and management of smart gas data centers | |
CN111913852B (zh) | 存储系统的健康管理方法和装置 | |
CN108347744A (zh) | 一种设备接入方法、装置及接入控制设备 | |
CN115347650B (zh) | 基于检测设备电压调整的供电方法、装置、设备及介质 | |
US10257785B2 (en) | Device and method for controlling standby power of mobile terminal | |
CN115509931A (zh) | 基于系统的性能测试方法、装置、电子设备及存储介质 | |
CN114389952B (zh) | 面向多层网的移动通信网络容量配置方法和装置 | |
CN113973339B (zh) | 4g小区和5g小区的负荷协同方法、设备及计算机存储介质 | |
CN106533730B (zh) | Hadoop集群组件指标的采集方法及装置 | |
CN110795251A (zh) | 终端运行参数的确定方法和设备 | |
CN115499846A (zh) | 载波动态调度方法、装置、设备及计算机程序产品 | |
CN115066873A (zh) | 用于提供增强型网络服务的多个网络控制器系统、方法和计算机程序 | |
CN113791863B (zh) | 基于虚容器的电力物联代理资源调度方法及相关设备 | |
US20230261947A1 (en) | Data analysis method, electronic device and storage medium | |
CN118092370B (zh) | 基于数字化仿真平台的生产线任务调度方法及系统 | |
CN110647381A (zh) | 一种虚拟机资源均衡和部署优化方法 | |
CN114546852B (zh) | 一种性能测试方法、装置、电子设备和存储介质 | |
CN111885625B (zh) | 一种资源利用率的确定方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |