CN117709755A - 一种基于云计算的光学膜片数据管理系统及方法 - Google Patents

Abstract

本发明公开了一种基于云计算的光学膜片数据管理系统及方法，属于生产调试技术领域。系统包括数据采集模块、异常分析模块、智能交互模块和数据存储模块；数据采集模块用于采集异常日志、生产信息和图像信息；异常分析模块对生产信息进行分析，通过计算每条生产线的稳定指数来判断是否异常，对异常生产线进行监测并为每条异常生产线匹配关联记录；智能交互模块计算每条关联记录的相似指数，相似指数最高的历史记录作为推送记录，将推送记录的动作集合中所有动作对应的图像信息依次推送给工作人员进行异常排查，根据排查结果实时调整推送记录，直到修复所有异常生产线；数据存储模块将标号、指标集合和动作集合作为历史记录存入异常日志中。

Description

一种基于云计算的光学膜片数据管理系统及方法

技术领域

本发明涉及生产调试技术领域，具体为一种基于云计算的光学膜片数据管理系统及方法。

背景技术

光学膜片是一种具有特定光学性能的薄膜材料，广泛应用于光学器件、显示屏、摄像头镜头等领域。随着科学技术的不断发展，对光学膜片的性能要求也越来越高，生产工艺也越来越复杂。在生产过程通常涉及多种各种材料、不同工艺和设备，存在着许多潜在的问题和风险。因此，对于生产过程中可能出现的故障情况需要迅速排查，及时找到问题并解决问题，以保证产品质量和生产效率。

现阶段，光学膜片通常在无尘车间内由机器自动化生产和加工，当生产发生故障时，通常由工作人员穿着无尘服对生产线从头到尾逐步排查，或者在数据中心通过摄像头拍摄的实时视频逐个排查。这种方法存在一定弊端，例如：1、只有在故障发生时才会进行故障排查，不能提前对故障进行预测，对产品合格率带来极大影响。2、无论是实地排查还是视频排查，都会受到生产步骤数量和工艺复杂程度的影响，生产步骤越多、工艺复杂程度越大故障排查所需时间越多，对生产效率带来极大影响。3、发生故障的原因通常由工作人员根据经验进行判断，经验不足的工作人员往往无法快速找到导致故障的原因，影响宝贵的生产时间。所以，现阶段需要一种能够对光学膜片生产过程中有可能发生的故障进行异常预测，以及高效快速进行异常排查的技术方案来解决上述问题。

发明内容

本发明的目的在于提供一种基于云计算的光学膜片数据管理系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于云计算的光学膜片数据管理方法，该方法包括以下步骤：

S100、采集异常日志和指定区域内所有生产线的质检信息，通过摄像头对每条生产线下各工序步骤进行拍摄并获取图像信息。

S200、根据质检信息计算合格率，通过合格率变化计算每条生产线的稳定指数并判断是否异常，对异常生产线进行监测并为每条异常生产线匹配关联记录。

S300、计算每条关联记录的相似指数，相似指数最高的历史记录作为推送记录，将推送记录的动作集合中每个动作对应的图像信息依次推送给工作人员进行异常排查。

S400、实时计算每条异常生产线的稳定指数，稳定指数大于或等于指数阈值则取消对应异常生产线的标记；排查结束后为每条异常生产线生成历史记录并存入异常日志中。

在S100中，异常日志是指生产线发生异常时的历史记录，每条历史记录包括标号、指标集合和动作集合，标号用于区分不同生产线，指标集合包括出现异常的指标以及指标具体值，动作集合包括出现异常的动作以及动作代码，动作是指生产线的产品加工中机器的最小控制单元，通过调整运行参数对动作进行控制，不同动作按照时间顺序连接组成工序，不同工序按照时间顺序连接组成整个加工环节，使用动作代码区分同各工序下不同动作。质检信息是指加工完成后的产品的各项指标以及指标具体值，每个动作归属于不同指标，指标包括透过率、反射率、厚度和表面平整度。图像信息是指摄像头拍摄的实时视频。

每个动作只归属于一个指标，每个指标对应若干个动作。当动作的运行参数发生改变时能够对指标具体值产生一定影响，则说明该动作归属于对应指标。若一个动作能够对多个指标同时产生影响，则归属于影响程度最大的指标，每个动作所归属的指标由工作人员事先设定。

多个连续的动作组成工序，多个连续的工序组成整个加工环节，所以每个动作也只属于一个工序，每个工序包含若干个动作，机器通过若干个动作来对产品进行加工。

光学膜片的加工过程通常需要经历多个工序步骤，具体取决于具体的光学膜片类型、应用需求和制造工艺。光学膜片的加工过程通常包括材料准备、薄膜沉积、膜层修整、测试与质检、切割和加工、包装和保护等工序，在每个工序下可能包括多个具体的动作。

每条生产线有多少个工序就有多少个摄像头，正常情况下每个摄像头拍摄画面覆盖对应工序下所有动作的发生区域。当生产线发生异常时，摄像头会调整拍摄角度和焦距，对准可能需要调整运行参数动作的发生区域。

在S200中，具体步骤如下：

S201、获取每条生产线上各产品的质检信息，为每项指标设置一个合格阈值区间，判断质检信息中各项指标是否都处于对应合格阈值区间，结果为是则将该质检信息对应产品作为合格产品，结果为否则将该质检信息对应产品作为不合格产品。

光学膜片的合格判定是通过透过率、反射率、厚度和表面平整度等各项指标是否满足生产要求来进行合格定义，当产品各项指标其中一个不能满足生产要求则该产品为不合格产品。

光学膜片的透过率和反射率不合格通常为在薄膜沉积过程中，沉积速率、温度、真空度等工艺参数控制不当，导致薄膜的厚度、折射率等光学参数偏离设计要求，进而影响透过率和反射率。或者由于设备的稳定性和工艺参数的不稳定性也会导致薄膜的光学性能波动，使得透过率和反射率不稳定。

光学膜片的厚度和表面平整度不合格通常为加工设备的参数设定不稳定或者设备本身存在问题，也会导致薄膜的加工质量不稳定。加工过程中的温度、湿度等环境因素对薄膜的沉积和加工也有一定影响，环境条件不合适也会导致薄膜的厚度和平整度不合格。

每隔时长S获取一次这段时长内生产线生产的合格产品数量和总产品数量，将合格产品除以总产品数计算得到对应生产线在这段时间的合格率，合格率随着时间实时变化。

每项指标对应一个合格阈值区间，合格阈值区间由工作人员事先进行设定。

S202、每条生产线建立一个合格率集合，将最新计算得到的合格率按照时间先后顺序放入对应合格率集合中。每个合格率集合中所有合格率进行求和后计算平均值得到合格率平均值，代入公式中计算每个合格率集合对应生产线的稳定指数，将稳定指数小于指数阈值的生产线标记为异常，公式如下：

式中，为稳定指数，/>为常数，/>为合格率平均值，/>为合格率阈值，/>为合格率集合中合格率的数量，/>表示合格率集合中第i个合格率。

为确保稳定指数准确可靠，针对每个合格率集合中时间较早的数据定时进行清理，使各合格率集合中元素数量保持一致。

S203、获取异常生产线上每个不合格产品的质检信息，标记质检信息中不处于合格阈值区间的指标，分别对每条异常生产线下各标记指标进行监测。从生产线被标记异常开始，异常生产线每生产一个产品就将该产品的质检信息中各标记指标具体值代入公式计算平均值和标准差，每个标记指标对应的平均值和标准差实时更新。其中，标准差计算公式如下：

式中，为第h个标记指标的标准差，/>为第/>个产品的第h个标记指标的具体值，为第h个标记指标的平均值，/>为自生产线被标记异常以来一共生产的产品数量。

S204、每条异常生产线建立一个异常指标集合，实时判断每条异常生产线下各标记指标的标准差是否大于离散阈值，结果为否则不做处理，结果为是则将对应标记指标调整为异常指标并放入对应异常指标集合中。

S205、获取异常日志中每条历史记录的标号和指标集合，分别与各异常生产线的标号和异常指标集合进行比较，将与异常生产线相同标号且两个集合中都至少存在一个同异常指标的历史记录作为对应异常生产线的关联记录。

本技术方案是建立在历史记录为基础运行在云平台上的异常排查智能推荐，需要确保异常日志中存在各种标号和各种指标的历史记录来满足运算。这些记录可以由工作人员根据常见异常情况进行人为设定，也可以根据实际情况进行自动生成。

在S300中，具体步骤如下：

S301、获取每条异常生产线下所有关联记录的指标集合，统计各指标集合中指标数量，以及每个指标集合与对应异常生产线的异常指标集合之间存在相同指标的数量，将相同指标在指标集合和异常指标集合中的平均值和标准差代入公式中，计算每条关联记录的相似指数，计算公式如下：

式中，为相似指数，/>为第/>个相同指标的标准差距值，/>为第/>个相同指标的标准平均值，/>为第/>个相同指标在指标集合中标准差，/>为第/>个相同指标在异常指标集合中标准差，/>为第/>个相同指标在指标集合中平均值，/>为第/>个相同指标在异常指标集合中平均值，/>和/>为常数。

S302、获取每条异常生产线下所有关联记录，按照相似指数从大到小顺序对关联记录进行排序，分别选择排序第一的关联记录作为每条异常生产线的推送记录。获取推送记录的动作集合中每个动作以及对应的工序，控制拍摄对应工序的摄像头调整拍摄角度和焦距，使拍摄画面完整覆盖该工序下对应动作发生的区域，将摄像头拍摄到对应动作的实时视频推送至工作人员的智能终端。

当动作集合中连续两个及以上动作归属于同一个工序时，意味着按照推送记录的动作集合中的排列顺序在切换实时视频时需要同一个摄像头不断调整拍摄角度和焦距。为了节约时间，对归属于同一个工序的连续动作调整为不同顺序，确保每次切换实时视频时调用的摄像头不同。工作人员在浏览本动作的实时视频时，下一个动作对应摄像头自动开始调整拍摄角度和焦距，避免将时间浪费在等待摄像头调整拍摄角度和焦距上。

S303、工作人员通过浏览实时视频排查是否存在异常，提供是和否两个按钮作为反馈渠道，工作人员通过点击按钮进行信息反馈。每条异常生产线建立一个动作集合，当工作人员点击是按钮并对当前动作的运行参数进行调整后，则表示当前动作存在异常，将当前动作以及动作代码放入对应动作集合中，按照推送记录的动作集合中的排列顺序切换到下一个动作的实时视频，由工作人员再次排查，直到推送记录的动作集合中所有动作的实时视频都完成排查则停止切换。当工作人员点击否按钮则表示当前动作不存在异常，进入S304步骤。

工作人员在浏览动作的实时视频时可以暂不反馈，能够主动切换至动作集合中其他动作的实时视频，以及同工序下当前动作的上一个或下一个动作的实时视频，并同样提供是和否两个按钮作为反馈渠道。当工作人员点击是按钮并调整运行参数的动作不属于推送记录的动作集合时，自动将该动作以及动作代码加入动作集合中，并判断新的动作集合中是否还存在与新加入动作同属于一个指标的其他动作，存在则不做处理。不存在则将新加入动作所属指标加入到对应异常指标集合中，进入S205步骤重新获取对应异常生产线的关联记录并计算相似指数，根据新的推送记录进行实时视频推送。

运行参数调整是指对光学膜片的加工工艺参数进行优化调整，包括沉积速率、温度、真空度等参数的调整，以满足生产要求中的透过率、反射率、厚度和表面平整度。

S304、获取当前动作所属指标，将当前动作以及动作代码从推送记录的动作集合中删除，并判断推送记录的动作集合中是否存在同属于指标/>的动作，存在则不做处理，不存在则将对应异常指标集合中指标/>删除，进入S205步骤重新获取对应异常生产线的关联记录并计算相似指数，根据新的推送记录进行实时视频推送。

在S400中，实时计算每条异常生产线的稳定指数，稳定指数大于或等于指数阈值则取消对应异常生产线的标记，当推送记录的动作集合中所有动作的实时视频都完成排查且指定区域内不存在异常生产线时，则将各生产线的异常指标集合作为指标集合与标号和对应动作集合一起作为历史记录存入异常日志中。

一种基于云计算的光学膜片数据管理系统，该系统包括数据采集模块、异常分析模块、智能交互模块和数据存储模块。

数据采集模块用于采集异常日志、生产信息和图像信息。异常分析模块对生产信息进行分析，通过计算每条生产线的稳定指数来判断是否异常，对异常生产线进行监测并为每条异常生产线匹配关联记录。智能交互模块计算每条关联记录的相似指数，相似指数最高的历史记录作为推送记录，将推送记录的动作集合中所有动作对应的图像信息依次推送给工作人员进行异常排查，并根据排查结果实时调整推送记录。数据存储模块为每条异常生产线生成历史记录并存入异常日志中。

数据采集模块由安装在生产现场的各类传感器进行信息采集，采集到的数据上传至云平台由异常分析模块使用云计算技术进行分析。智能交互模块根据云计算的结果控制摄像头并获取视频数据与工作人员进行实时交互。异常排查完毕后，将云平台上的数据转储到本地服务器中。

数据采集模块包括异常日志采集单元、生产信息采集单元和图像信息采集单元。

异常日志采集单元用于采集生产线发生异常时的历史记录，每条历史记录包括标号、指标集合和动作集合，指标集合包括出现异常的指标以及指标具体值，动作集合包括出现异常的动作以及动作代码，不同动作组成工序，不同工序组成整个加工环节。

生产信息采集单元用于采集每个产品的质检信息，质检信息是指加工完成后的产品的各项指标以及指标具体值，每个动作归属于不同指标。图像信息采集单元通过安装在每条生产线下各工序位置的摄像头采集实时视频。

异常分析模块包括生产分析单元和记录匹配单元。

生产分析单元通过对每条生产线进行分析找到异常生产线。首先，对每条生产线上各产品的质检信息进行分析，将质检信息中各项指标都处于合格阈值区间的产品作为合格产品，其他情况则作为不合格产品。其次，每隔一段时间采集一次这段时间内各生产线生产的合格产品数量和总产品数量，将合格产品除以总产品数计算得到各生产线在这段时间的合格率。最后，将每条生产线下所有合格率求和后计算平均值得到合格率平均值，根据合格率平均值计算稳定指数，将稳定指数小于指数阈值的生产线标记为异常。

记录匹配单元用于为每条异常生产线匹配关联记录。首先，分别对每条异常生产线下不合格产品的质检信息中不处于合格阈值区间的指标进行标记，对标记指标进行监测并实时计算标记指标的标准差。其次，每条异常生产线建立一个异常指标集合，将标准差大于离散阈值的标记指标调整为异常指标并放入对应异常指标集合中。最后，将每个异常指标集合对应的标号与异常日志中每条历史记录的标号进行比较，相同情况下，再判断异常指标集合与历史记录的指标集合中是否存在至少一个相同指标的情况，存在则将历史记录作为异常指标集合对应异常生产线的关联记录。

智能交互模块包括指数计算单元和动作互动单元。

指数计算单元用于计算每条关联记录的相似指数。获取每条关联记录的指标集合中指标数量，以及每个指标集合与对应异常生产线的异常指标集合之间存在相同指标的数量，计算得到相似指数，相似指数最高的关联记录作为推送记录。

动作互动单元将推送记录对应的图像信息推送给工作人员进行异常排查。

首先，按照推送记录的动作集合中动作的排列顺序，调整摄像头拍摄角度和焦距并将动作的实时视频推送至工作人员。其次，工作人员对视频进行异常排查，进行是或否的异常排查判断，并为每条异常生产线建立一个动作集合；当判断为是则将当前动作以及动作代码放入对应动作集合中，并切换到动作集合中下一个动作的实时视频，由工作人员再次排查；当判断为否则将当前动作以及动作代码从推送记录的动作集合中删除，若动作集合中不再存在与删除动作同属于一个指标的动作时，则重新匹配关联记录并计算相似指数，根据新的推送记录进行实时视频推送。最后，推送记录的动作集合中所有动作的实时视频都完成排查则停止推送。

数据存储模块用于生成历史记录存入异常日志中。当指定区域内不存在异常生产线，则将各生产线的异常指标集合作为指标集合与标号和对应动作集合一起作为历史记录存入异常日志中。

与现有技术相比，本发明所达到的有益效果是：

1、针对性预测：本申请通过分时计算每条生产线的合格率，根据合格率变化计算稳定指数，提前对异常趋向进行预测，及时发现异常生产线并进行解决，相比于传统的先故障后排查更具有针对性和前瞻性，避免产品因为故障造成的损失。

2、精准性判断：本申请对异常生产线下不合格产品质检信息中不处于合格阈值区间的指标进行监测，判断数据波动是否异常，找到导致生产线出现异常情况的异常指标，精准的定位异常来源，为后续排查工作提供便利，提高异常排查效率。

3、交互性排查：本申请采用集合中相同指标的平均值和标准差来计算相似指数，找到与当前异常情况最相似的历史记录，并根据每次的排查结果动态调整异常指标集合，重新计算各历史记录的相似指数，逐步提高排查的精准性。

综上所述，本发明相比于传统技术具有针对性预测、精准性判断和交互性排查的优势，能够提高异常排查效率和产品生产效率。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种基于云计算的光学膜片数据管理方法的流程示意图；

图2是本发明一种基于云计算的光学膜片数据管理系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

请参阅图1，本发明提供一种基于云计算的光学膜片数据管理方法，该方法包括以下步骤：

S100、采集异常日志和指定区域内所有生产线的质检信息，通过摄像头对每条生产线下各工序步骤进行拍摄并获取图像信息。

S200、根据质检信息计算合格率，通过合格率变化计算每条生产线的稳定指数并判断是否异常，对异常生产线进行监测并为每条异常生产线匹配关联记录。

S300、计算每条关联记录的相似指数，相似指数最高的历史记录作为推送记录，将推送记录的动作集合中每个动作对应的图像信息依次推送给工作人员进行异常排查。

S400、实时计算每条异常生产线的稳定指数，稳定指数大于或等于指数阈值则取消对应异常生产线的标记；排查结束后为每条异常生产线生成历史记录并存入异常日志中。

在S100中，异常日志是指生产线发生异常时的历史记录，每条历史记录包括标号、指标集合和动作集合，标号用于区分不同生产线，指标集合包括出现异常的指标以及指标具体值，动作集合包括出现异常的动作以及动作代码，动作是指生产线的产品加工中机器的最小控制单元，通过调整运行参数对动作进行控制，不同动作按照时间顺序连接组成工序，不同工序按照时间顺序连接组成整个加工环节，使用动作代码区分同各工序下不同动作。质检信息是指加工完成后的产品的各项指标以及指标具体值，每个动作归属于不同指标，指标包括透过率、反射率、厚度和表面平整度。图像信息是指摄像头拍摄的实时视频。

每个动作只归属于一个指标，每个指标对应若干个动作。当动作的运行参数发生改变时能够对指标具体值产生一定影响，则说明该动作归属于对应指标。若一个动作能够对多个指标同时产生影响，则归属于影响程度最大的指标，每个动作所归属的指标由工作人员事先设定。

多个连续的动作组成工序，多个连续的工序组成整个加工环节，所以每个动作也只属于一个工序，每个工序包含若干个动作，机器通过若干个动作来对产品进行加工。

光学膜片的加工过程通常需要经历多个工序步骤，具体取决于具体的光学膜片类型、应用需求和制造工艺。光学膜片的加工过程通常包括材料准备、薄膜沉积、膜层修整、测试与质检、切割和加工、包装和保护等工序，在每个工序下可能包括多个具体的动作。例如：薄膜沉积工序包括基片清洗、真空镀膜、沉积速率控制、温度控制等多个具体动作；而在测试与质检工序步骤下则需要进行光学性能测试、外观检查、厚度测量、色散性能测试等多项测试动作。

每条生产线有多少个工序就有多少个摄像头，正常情况下每个摄像头拍摄画面覆盖对应工序下所有动作的发生区域。当生产线发生异常时，摄像头会调整拍摄角度和焦距，对准可能需要调整运行参数动作的发生区域。

在S200中，具体步骤如下：

S201、获取每条生产线上各产品的质检信息，为每项指标设置一个合格阈值区间，判断质检信息中各项指标是否都处于对应合格阈值区间，结果为是则将该质检信息对应产品作为合格产品，结果为否则将该质检信息对应产品作为不合格产品。

光学膜片的合格判定是通过透过率、反射率、厚度和表面平整度等各项指标是否满足生产要求来进行合格定义，当产品各项指标其中一个不能满足生产要求则该产品为不合格产品。

光学膜片的透过率和反射率不合格通常为在薄膜沉积过程中，沉积速率、温度、真空度等工艺参数控制不当，导致薄膜的厚度、折射率等光学参数偏离设计要求，进而影响透过率和反射率。或者由于设备的稳定性和工艺参数的不稳定性也会导致薄膜的光学性能波动，使得透过率和反射率不稳定。

光学膜片的厚度和表面平整度不合格通常为加工设备的参数设定不稳定或者设备本身存在问题，也会导致薄膜的加工质量不稳定。加工过程中的温度、湿度等环境因素对薄膜的沉积和加工也有一定影响，环境条件不合适也会导致薄膜的厚度和平整度不合格。

每隔时长S获取一次这段时长内生产线生产的合格产品数量和总产品数量，将合格产品除以总产品数计算得到对应生产线在这段时间的合格率，合格率随着时间实时变化。

每项指标对应一个合格阈值区间，合格阈值区间由工作人员事先进行设定。

S202、每条生产线建立一个合格率集合，将最新计算得到的合格率按照时间先后顺序放入对应合格率集合中。每个合格率集合中所有合格率进行求和后计算平均值得到合格率平均值，代入公式中计算每个合格率集合对应生产线的稳定指数，将稳定指数小于指数阈值的生产线标记为异常，公式如下：

式中，为稳定指数，/>为常数，/>为合格率平均值，/>为合格率阈值，/>为合格率集合中合格率的数量，/>表示合格率集合中第i个合格率。

为确保稳定指数准确可靠，针对每个合格率集合中时间较早的数据定时进行清理，使各合格率集合中元素数量保持一致。

S203、获取异常生产线上每个不合格产品的质检信息，标记质检信息中不处于合格阈值区间的指标，分别对每条异常生产线下各标记指标进行监测。从生产线被标记异常开始，异常生产线每生产一个产品就将该产品的质检信息中各标记指标具体值代入公式计算平均值和标准差，每个标记指标对应的平均值和标准差实时更新。其中，标准差计算公式如下：

式中，为第h个标记指标的标准差，/>为第/>个产品的第h个标记指标的具体值，为第h个标记指标的平均值，/>为自生产线被标记异常以来一共生产的产品数量。

S204、每条异常生产线建立一个异常指标集合，实时判断每条异常生产线下各标记指标的标准差是否大于离散阈值，结果为否则不做处理，结果为是则将对应标记指标调整为异常指标并放入对应异常指标集合中。

S205、获取异常日志中每条历史记录的标号和指标集合，分别与各异常生产线的标号和异常指标集合进行比较，将与异常生产线相同标号且两个集合中都至少存在一个同异常指标的历史记录作为对应异常生产线的关联记录。

本技术方案是建立在历史记录为基础运行在云平台上的异常排查智能推荐，需要确保异常日志中存在各种标号和各种指标的历史记录来满足运算。这些记录可以由工作人员根据常见异常情况进行人为设定，也可以根据实际情况进行自动生成。

在S300中，具体步骤如下：

S301、获取每条异常生产线下所有关联记录的指标集合，统计各指标集合中指标数量，以及每个指标集合与对应异常生产线的异常指标集合之间存在相同指标的数量，将相同指标在指标集合和异常指标集合中的平均值和标准差代入公式中，计算每条关联记录的相似指数，计算公式如下：

式中，为相似指数，/>为第/>个相同指标的标准差距值，/>为第/>个相同指标的标准平均值，/>为第/>个相同指标在指标集合中标准差，/>为第/>个相同指标在异常指标集合中标准差，/>为第/>个相同指标在指标集合中平均值，/>为第/>个相同指标在异常指标集合中平均值，/>和/>为常数。

S302、获取每条异常生产线下所有关联记录，按照相似指数从大到小顺序对关联记录进行排序，分别选择排序第一的关联记录作为每条异常生产线的推送记录。获取推送记录的动作集合中每个动作以及对应的工序，控制拍摄对应工序的摄像头调整拍摄角度和焦距，使拍摄画面完整覆盖该工序下对应动作发生的区域，将摄像头拍摄到对应动作的实时视频推送至工作人员的智能终端。

当动作集合中连续两个及以上动作归属于同一个工序时，意味着按照推送记录的动作集合中的排列顺序在切换实时视频时需要同一个摄像头不断调整拍摄角度和焦距。为了节约时间，对归属于同一个工序的连续动作调整为不同顺序，确保每次切换实时视频时调用的摄像头不同。工作人员在浏览本动作的实时视频时，下一个动作对应摄像头自动开始调整拍摄角度和焦距，避免将时间浪费在等待摄像头调整拍摄角度和焦距上。

S303、工作人员通过浏览实时视频排查是否存在异常，提供是和否两个按钮作为反馈渠道，工作人员通过点击按钮进行信息反馈。每条异常生产线建立一个动作集合，当工作人员点击是按钮并对当前动作的运行参数进行调整后，则表示当前动作存在异常，将当前动作以及动作代码放入对应动作集合中，按照推送记录的动作集合中的排列顺序切换到下一个动作的实时视频，由工作人员再次排查，直到推送记录的动作集合中所有动作的实时视频都完成排查则停止切换。当工作人员点击否按钮则表示当前动作不存在异常，进入S304步骤。

工作人员在浏览动作的实时视频时可以暂不反馈，能够主动切换至动作集合中其他动作的实时视频，以及同工序下当前动作的上一个或下一个动作的实时视频，并同样提供是和否两个按钮作为反馈渠道。当工作人员点击是按钮并调整运行参数的动作不属于推送记录的动作集合时，自动将该动作以及动作代码加入动作集合中，并判断新的动作集合中是否还存在与新加入动作同属于一个指标的其他动作，存在则不做处理。不存在则将新加入动作所属指标加入到对应异常指标集合中，进入S205步骤重新获取对应异常生产线的关联记录并计算相似指数，根据新的推送记录进行实时视频推送。

运行参数调整是指对光学膜片的加工工艺参数进行优化调整，包括沉积速率、温度、真空度等参数的调整，以满足生产要求中的透过率、反射率、厚度和表面平整度。

S304、获取当前动作所属指标，将当前动作以及动作代码从推送记录的动作集合中删除，并判断推送记录的动作集合中是否存在同属于指标/>的动作，存在则不做处理，不存在则将对应异常指标集合中指标/>删除，进入S205步骤重新获取对应异常生产线的关联记录并计算相似指数，根据新的推送记录进行实时视频推送。

在S400中，实时计算每条异常生产线的稳定指数，稳定指数大于或等于指数阈值则取消对应异常生产线的标记，当推送记录的动作集合中所有动作的实时视频都完成排查且指定区域内不存在异常生产线时，则将各生产线的异常指标集合作为指标集合与标号和对应动作集合一起作为历史记录存入异常日志中。

请参阅图2，本发明提供一种基于云计算的光学膜片数据管理系统，该系统包括数据采集模块、异常分析模块、智能交互模块和数据存储模块。

数据采集模块用于采集异常日志、生产信息和图像信息。异常分析模块对生产信息进行分析，通过计算每条生产线的稳定指数来判断是否异常，对异常生产线进行监测并为每条异常生产线匹配关联记录。智能交互模块计算每条关联记录的相似指数，相似指数最高的历史记录作为推送记录，将推送记录的动作集合中所有动作对应的图像信息依次推送给工作人员进行异常排查，并根据排查结果实时调整推送记录。数据存储模块为每条异常生产线生成历史记录并存入异常日志中。

数据采集模块由安装在生产现场的各类传感器进行信息采集，采集到的数据上传至云平台由异常分析模块使用云计算技术进行分析。智能交互模块根据云计算的结果控制摄像头并获取视频数据与工作人员进行实时交互。异常排查完毕后，将云平台上的数据转储到本地服务器中。

数据采集模块包括异常日志采集单元、生产信息采集单元和图像信息采集单元。

异常日志采集单元用于采集生产线发生异常时的历史记录，每条历史记录包括标号、指标集合和动作集合，指标集合包括出现异常的指标以及指标具体值，动作集合包括出现异常的动作以及动作代码，不同动作组成工序，不同工序组成整个加工环节。

生产信息采集单元用于采集每个产品的质检信息，质检信息是指加工完成后的产品的各项指标以及指标具体值，每个动作归属于不同指标。图像信息采集单元通过安装在每条生产线下各工序位置的摄像头采集实时视频。

异常分析模块包括生产分析单元和记录匹配单元。

生产分析单元通过对每条生产线进行分析找到异常生产线。首先，对每条生产线上各产品的质检信息进行分析，将质检信息中各项指标都处于合格阈值区间的产品作为合格产品，其他情况则作为不合格产品。其次，每隔一段时间采集一次这段时间内各生产线生产的合格产品数量和总产品数量，将合格产品除以总产品数计算得到各生产线在这段时间的合格率。最后，将每条生产线下所有合格率求和后计算平均值得到合格率平均值，根据合格率平均值计算稳定指数，将稳定指数小于指数阈值的生产线标记为异常。

记录匹配单元用于为每条异常生产线匹配关联记录。首先，分别对每条异常生产线下不合格产品的质检信息中不处于合格阈值区间的指标进行标记，对标记指标进行监测并实时计算标记指标的标准差。其次，每条异常生产线建立一个异常指标集合，将标准差大于离散阈值的标记指标调整为异常指标并放入对应异常指标集合中。最后，将每个异常指标集合对应的标号与异常日志中每条历史记录的标号进行比较，相同情况下，再判断异常指标集合与历史记录的指标集合中是否存在至少一个相同指标的情况，存在则将历史记录作为异常指标集合对应异常生产线的关联记录。

智能交互模块包括指数计算单元和动作互动单元。

指数计算单元用于计算每条关联记录的相似指数。获取每条关联记录的指标集合中指标数量，以及每个指标集合与对应异常生产线的异常指标集合之间存在相同指标的数量，计算得到相似指数，相似指数最高的关联记录作为推送记录。

动作互动单元将推送记录对应的图像信息推送给工作人员进行异常排查。

首先，按照推送记录的动作集合中动作的排列顺序，调整摄像头拍摄角度和焦距并将动作的实时视频推送至工作人员。其次，工作人员对视频进行异常排查，进行是或否的异常排查判断，并为每条异常生产线建立一个动作集合；当判断为是则将当前动作以及动作代码放入对应动作集合中，并切换到动作集合中下一个动作的实时视频，由工作人员再次排查；当判断为否则将当前动作以及动作代码从推送记录的动作集合中删除，若动作集合中不再存在与删除动作同属于一个指标的动作时，则重新匹配关联记录并计算相似指数，根据新的推送记录进行实时视频推送。最后，推送记录的动作集合中所有动作的实时视频都完成排查则停止推送。

数据存储模块用于生成历史记录存入异常日志中。当指定区域内不存在异常生产线，则将各生产线的异常指标集合作为指标集合与标号和对应动作集合一起作为历史记录存入异常日志中。

实施例1：假设有A1、A2两条光学膜片生产线，每隔1min采集一次光学膜片的合格率，合格率记录如下：

A1:96%、94%、93%、93%； A2:99%、97%、97%、99%；

则A1合格率平均值为：94%；A2合格率平均值为：98%；当合格率阈值为90%，常数为0.001时，代入公式计算A1、A2的稳定指数：

A1:

A2:

当指数阈值为6时，将A1光学膜片生产线标记为异常。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于云计算的光学膜片数据管理方法，其特征在于：该方法包括以下步骤：

S100、采集异常日志和指定区域内所有生产线的质检信息，通过摄像头对每条生产线下各工序步骤进行拍摄并获取图像信息；

S200、根据质检信息计算合格率，通过合格率变化计算每条生产线的稳定指数并判断是否异常，对异常生产线进行监测并为每条异常生产线匹配关联记录；

S300、计算每条关联记录的相似指数，相似指数最高的历史记录作为推送记录，将推送记录的动作集合中每个动作对应的图像信息依次推送给工作人员进行异常排查；

S400、实时计算每条异常生产线的稳定指数，稳定指数大于或等于指数阈值则取消对应异常生产线的标记；排查结束后为每条异常生产线生成历史记录并存入异常日志中。

2.根据权利要求1所述的一种基于云计算的光学膜片数据管理方法，其特征在于：在S100中，异常日志是指生产线发生异常时的历史记录，每条历史记录包括标号、指标集合和动作集合，标号用于区分不同生产线，指标集合包括出现异常的指标以及指标具体值，动作集合包括出现异常的动作以及动作代码，动作是指生产线的产品加工中机器的最小控制单元，通过调整运行参数对动作进行控制，不同动作按照时间顺序连接组成工序，不同工序按照时间顺序连接组成整个加工环节，使用动作代码区分同各工序下不同动作；质检信息是指加工完成后的产品的各项指标以及指标具体值，每个动作归属于不同指标；图像信息是指摄像头拍摄的实时视频。

3.根据权利要求2所述的一种基于云计算的光学膜片数据管理方法，其特征在于：在S200中，具体步骤如下：

S201、获取每条生产线上各产品的质检信息，为每项指标设置一个合格阈值区间，判断质检信息中各项指标是否都处于对应合格阈值区间，结果为是则将该质检信息对应产品作为合格产品，结果为否则将该质检信息对应产品作为不合格产品；每隔时长S获取一次这段时长内生产线生产的合格产品数量和总产品数量，将合格产品除以总产品数计算得到对应生产线在这段时间的合格率，合格率随着时间实时变化；

S202、每条生产线建立一个合格率集合，将最新计算得到的合格率按照时间先后顺序放入对应合格率集合中，每个合格率集合中所有合格率进行求和后计算平均值得到合格率平均值，代入公式中计算每个合格率集合对应生产线的稳定指数，将稳定指数小于指数阈值的生产线标记为异常，公式如下：

，式中，/>为稳定指数，/>为常数，/>为合格率平均值，/>为合格率阈值，/>为合格率集合中合格率的数量，/>表示合格率集合中第i个合格率；

S203、获取异常生产线上每个不合格产品的质检信息，标记质检信息中不处于合格阈值区间的指标，分别对每条异常生产线下各标记指标进行监测；从生产线被标记异常开始，异常生产线每生产一个产品就将该产品的质检信息中各标记指标具体值代入公式计算平均值和标准差，每个标记指标对应的平均值和标准差实时更新；其中，标准差计算公式如下：

，式中，/>为第h个标记指标的标准差，/>为第/>个产品的第h个标记指标的具体值，/>为第h个标记指标的平均值，/>为自生产线被标记异常以来一共生产的产品数量；

S204、每条异常生产线建立一个异常指标集合，实时判断每条异常生产线下各标记指标的标准差是否大于离散阈值，结果为否则不做处理，结果为是则将对应标记指标调整为异常指标并放入对应异常指标集合中；

S205、获取异常日志中每条历史记录的标号和指标集合，分别与各异常生产线的标号和异常指标集合进行比较，将与异常生产线相同标号且两个集合中都至少存在一个同异常指标的历史记录作为对应异常生产线的关联记录。

4.根据权利要求3所述的一种基于云计算的光学膜片数据管理方法，其特征在于：在S300中，具体步骤如下：

S301、获取每条异常生产线下所有关联记录的指标集合，统计各指标集合中指标数量，以及每个指标集合与对应异常生产线的异常指标集合之间存在相同指标的数量/>，将相同指标在指标集合和异常指标集合中的平均值和标准差代入公式中，计算每条关联记录的相似指数，计算公式如下：

，式中，/>为相似指数，/>为第/>个相同指标的标准差距值，/>为第/>个相同指标的标准平均值，/>为第/>个相同指标在指标集合中标准差，/>为第/>个相同指标在异常指标集合中标准差，/>为第/>个相同指标在指标集合中平均值，/>为第/>个相同指标在异常指标集合中平均值，/>和/>为常数；

S302、获取每条异常生产线下所有关联记录，按照相似指数从大到小顺序对关联记录进行排序，分别选择排序第一的关联记录作为每条异常生产线的推送记录；获取推送记录的动作集合中每个动作以及对应的工序，控制拍摄对应工序的摄像头调整拍摄角度和焦距，使拍摄画面完整覆盖该工序下对应动作发生的区域，将摄像头拍摄到对应动作的实时视频推送至工作人员的智能终端；

S303、工作人员通过浏览实时视频排查是否存在异常，提供是和否两个按钮作为反馈渠道，工作人员通过点击按钮进行信息反馈；每条异常生产线建立一个动作集合，当工作人员点击是按钮并对当前动作的运行参数进行调整后，则表示当前动作存在异常，将当前动作以及动作代码放入对应动作集合中，按照推送记录的动作集合中的排列顺序切换到下一个动作的实时视频，由工作人员再次排查，直到推送记录的动作集合中所有动作的实时视频都完成排查则停止切换；当工作人员点击否按钮则表示当前动作不存在异常，进入S304步骤；

S304、获取当前动作所属指标，将当前动作以及动作代码从推送记录的动作集合中删除，并判断推送记录的动作集合中是否存在同属于指标/>的动作，存在则不做处理，不存在则将对应异常指标集合中指标/>删除，进入S205步骤重新获取对应异常生产线的关联记录并计算相似指数，根据新的推送记录进行实时视频推送。

5.根据权利要求4所述的一种基于云计算的光学膜片数据管理方法，其特征在于：在S400中，实时计算每条异常生产线的稳定指数，稳定指数大于或等于指数阈值则取消对应异常生产线的标记，当推送记录的动作集合中所有动作的实时视频都完成排查且指定区域内不存在异常生产线时，则将各生产线的异常指标集合作为指标集合与标号和对应动作集合一起作为历史记录存入异常日志中。

6.一种基于云计算的光学膜片数据管理系统，其特征在于：该系统包括数据采集模块、异常分析模块、智能交互模块和数据存储模块；

数据采集模块用于采集异常日志、生产信息和图像信息；异常分析模块对生产信息进行分析，通过计算每条生产线的稳定指数来判断是否异常，对异常生产线进行监测并为每条异常生产线匹配关联记录；智能交互模块计算每条关联记录的相似指数，相似指数最高的历史记录作为推送记录，将推送记录的动作集合中所有动作对应的图像信息依次推送给工作人员进行异常排查，并根据排查结果实时调整推送记录；数据存储模块为每条异常生产线生成历史记录并存入异常日志中。

7.根据权利要求6所述的一种基于云计算的光学膜片数据管理系统，其特征在于：数据采集模块包括异常日志采集单元、生产信息采集单元和图像信息采集单元；

异常日志采集单元用于采集生产线发生异常时的历史记录，每条历史记录包括标号、指标集合和动作集合，指标集合包括出现异常的指标以及指标具体值，动作集合包括出现异常的动作以及动作代码，不同动作组成工序，不同工序组成整个加工环节；

生产信息采集单元用于采集每个产品的质检信息，质检信息是指加工完成后的产品的各项指标以及指标具体值，每个动作归属于不同指标；图像信息采集单元通过安装在每条生产线下各工序位置的摄像头采集实时视频。

8.根据权利要求7所述的一种基于云计算的光学膜片数据管理系统，其特征在于：异常分析模块包括生产分析单元和记录匹配单元；

生产分析单元通过对每条生产线进行分析找到异常生产线；首先，对每条生产线上各产品的质检信息进行分析，将质检信息中各项指标都处于合格阈值区间的产品作为合格产品，其他情况则作为不合格产品；其次，每隔一段时间采集一次这段时间内各生产线生产的合格产品数量和总产品数量，将合格产品除以总产品数计算得到各生产线在这段时间的合格率；最后，将每条生产线下所有合格率求和后计算平均值得到合格率平均值，根据合格率平均值计算稳定指数，将稳定指数小于指数阈值的生产线标记为异常；

记录匹配单元用于为每条异常生产线匹配关联记录；首先，分别对每条异常生产线下不合格产品的质检信息中不处于合格阈值区间的指标进行标记，对标记指标进行监测并实时计算标记指标的标准差；其次，每条异常生产线建立一个异常指标集合，将标准差大于离散阈值的标记指标调整为异常指标并放入对应异常指标集合中；最后，将每个异常指标集合对应的标号与异常日志中每条历史记录的标号进行比较，相同情况下，再判断异常指标集合与历史记录的指标集合中是否存在至少一个相同指标的情况，存在则将历史记录作为异常指标集合对应异常生产线的关联记录。

9.根据权利要求8所述的一种基于云计算的光学膜片数据管理系统，其特征在于：智能交互模块包括指数计算单元和动作互动单元；

指数计算单元用于计算每条关联记录的相似指数；获取每条关联记录的指标集合中指标数量，以及每个指标集合与对应异常生产线的异常指标集合之间存在相同指标的数量，计算得到相似指数，相似指数最高的关联记录作为推送记录；

动作互动单元将推送记录对应的图像信息推送给工作人员进行异常排查；

首先，按照推送记录的动作集合中动作的排列顺序，调整摄像头拍摄角度和焦距并将动作的实时视频推送至工作人员；其次，工作人员对视频进行异常排查，进行是或否的异常排查判断，并为每条异常生产线建立一个动作集合；当判断为是则将当前动作以及动作代码放入对应动作集合中，并切换到动作集合中下一个动作的实时视频，由工作人员再次排查；当判断为否则将当前动作以及动作代码从推送记录的动作集合中删除，若动作集合中不再存在与删除动作同属于一个指标的动作时，则重新匹配关联记录并计算相似指数，根据新的推送记录进行实时视频推送；最后，推送记录的动作集合中所有动作的实时视频都完成排查则停止推送。

10.根据权利要求9所述的一种基于云计算的光学膜片数据管理系统，其特征在于：数据存储模块用于生成历史记录存入异常日志中；当指定区域内不存在异常生产线，则将各生产线的异常指标集合作为指标集合与标号和对应动作集合一起作为历史记录存入异常日志中。