CN109242357B - 一种mes***的工序编辑方法 - Google Patents
一种mes***的工序编辑方法 Download PDFInfo
- Publication number
- CN109242357B CN109242357B CN201811248310.XA CN201811248310A CN109242357B CN 109242357 B CN109242357 B CN 109242357B CN 201811248310 A CN201811248310 A CN 201811248310A CN 109242357 B CN109242357 B CN 109242357B
- Authority
- CN
- China
- Prior art keywords
- model
- setting
- training
- process model
- unique
- 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
- 238000000034 method Methods 0.000 title claims abstract description 293
- 230000008569 process Effects 0.000 title claims abstract description 252
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 238000012549 training Methods 0.000 claims description 43
- 238000012360 testing method Methods 0.000 claims description 38
- 238000004519 manufacturing process Methods 0.000 claims description 20
- 238000007619 statistical method Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 30
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011958 production data acquisition Methods 0.000 description 1
Images
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
- G06Q10/06316—Sequencing of tasks or work
-
- 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)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (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
本发明公开了一种MES***的工序编辑方法,包括:获取所有的工序流程和所述工序流程所对应的图形,通过数据处理和特征提取,建立工序模型;将建立的工序模型应用在MES***中,通过调用工序模型,对工序设置区和图形区设置关联,生成相应的图形,实现直接在MES***上对工序流程进行编辑。本发明方法通过建立工序模型,并把工序模型应用在MES***上,对MES***进行配置,设置工序设置区和图形区、设置关联索引等,对工序设置区为每一个工序配置前后关联的工序,图形区根据工序设置区的设置情况生产图形,通过工序模型直接启动工序流程,实现了当需要管理其他工序流程时,可以直接对工序流程进行编辑,使工作效率更高,操作更方便,执行工序更智能化。
Description
技术领域
本发明涉及生产工序领域,尤其涉及一种MES***的工序编辑方法。
背景技术
流程企业生产过程工作流技术要解决的是复杂流程生产过程中多个环节的生产协同问题。MES(manufacturingexecutionsystem,制造执行***)是位于生产型企业上层的计划管理***和现场层的工业控制***之间的面向车间层的信息执行***,对从生产订单下达到产品完成的整个生产过程进行生产信息管理及数据处理,包括订单数据下达、生产指令数据下达、生产过程执行监控、现场生产数据采集、数据统计处理及上报等内容,是复杂流程生产过程实现生产信息处理及人机交互的关键。
虽然MES***在现代企业的引入能够提高生产效率,但是,现有MES***管理固定的工序流程,当需要管理其他工序流程时,更换工序流程麻烦,不支持***上直接对工序流程进行编辑,基本上是按照功能模块进行设计的,因此会造成MES各业务流程环节在一定程度上孤立,各个业务环节前后逻辑关系不明确等问题,阻碍了MES***在现代企业的进一步推广应用。
发明内容
本发明针对现有技术中存在的问题,提供一种MES***的工序编辑方法,通过建立工序模型,并把工序模型应用在MES***上,对MES***进行配置,设置工序设置区和图形区、设置关联索引等,对工序设置区为每一个工序配置前后关联的工序,图形区根据工序设置区的设置情况生产图形,通过工序模型直接启动工序流程,实现了当需要管理其他工序流程时,可以直接对工序流程进行编辑,使工作效率更高,操作更方便,执行工序更智能化。
为实现上述目的,本发明提供的技术方案如下:
一种MES***的工序编辑方法,包括:
S1,获取所有的工序流程和所述工序流程所对应的图形,通过数据处理和特征提取,建立工序模型;
S2,将建立的工序模型应用在MES***中,通过调用工序模型,对工序设置区和图形区设置关联,生成相应的图形,实现直接在MES***上对工序流程进行编辑。
进一步地,所述步骤S1具体包括:
S11,获取生产过程中的所有工序流程和对应的图形,分别提取工序流程和对应图形的数据特征,建立唯一的关联线;
S12,建立工序样本数据库,所述样本数据库包括训练数据库和测试数据库,将工序流程数据和图形数据分别储存在所述训练数据库和所述测试数据库中;
S13,建立工序模型,将上述训练数据库中的数据传输到工序模型进行反复训练,提取特征整合数据结构,直至达到训练阈值和训练准确度后停止训练;
S14,将所述测试数据库内的数据传输到整合后的工序模型中,对工序模型进行反复测试,优化工序模型,直至达到测试阈值和测试准确度后停止测试。
进一步地,所述步骤S11具体包括:
S111,运用统计方法提取工序流程的概念关键词和提取图形的概念关键词,将对应的工序流程概念关键词和图形概念关键词整合到一个集合保存;
S112,对每一个集合进行相似度算法计算,提取相似度值为相差5%的两两集合融合成一类;
S113,重复步骤S112,直至完成所有集合的融合,形成相似度等级的类聚;
S114,对形成等级的类聚赋予唯一的识别码,唯一的识别码对应唯一的工序流程和对应的图形,形成唯一的关联线。
进一步地,所述步骤S13中所述的训练阈值为20万次,所述的训练准确度为90%,所述步骤S14中所述的测试阈值为20万次,所述的测试准确度为90%。
进一步地,所述步骤S111中的统计方法采用了串频统计方法。
进一步地,所述步骤S111中采用的串频统计方法可以使用信息熵统计方法替代。
进一步地,所述步骤S112中的相似度算法采用了余弦相似度公式和皮尔逊相关性公式。
进一步地,所述步骤S2具体包括:
S21,将经过测试完成的工序模型应用在MES***上,对工序模型进行调试,直至初始化成功;
S22,对***上的工序设置区和图形区进行配置,关联前后工序;
S23,将工序模型中的工序流程特征设置在工序设置区内,将工序模型中的图像特征设置在图形区内;
S24,将工序对应的唯一关联线设置在单元格中,建立索引,启用单元格填充连接索引,从而触发关联线,通过唯一关联线启动对应的工序流程以及对应的图形。
进一步地,所述步骤S22具体包括:
S221,划分每一个工序,按工序执行的先后排序赋值,通过赋值关联前后工序;
S222,对***上的工序设置区配置访问路径,将工序设置区的访问路径设置在工序模型中;
S223,对***上的图形区设置调用路径,所述的调用路径连接唯一关联线,并通过唯一关联线启用工序模型。
一种MES***的工序编辑方法,包括:
S1,获取所有的工序流程和所述工序流程所对应的图形,通过数据处理和特征提取,建立工序模型;
S2,将建立的工序模型应用在MES***中,通过调用工序模型,对工序设置区和图形区设置关联,生成相应的图形,实现直接在MES***上对工序流程进行编辑。
所述步骤S1具体包括:
S11,获取生产过程中的所有工序流程和对应的图形,分别提取工序流程和对应图形的数据特征,建立唯一的关联线;
S12,建立工序样本数据库,所述样本数据库包括训练数据库和测试数据库,将工序流程数据和图形数据分别储存在所述训练数据库和所述测试数据库中;
S13,建立工序模型,将上述训练数据库中的数据传输到工序模型进行反复训练,提取特征整合数据结构,直至达到训练阈值和训练准确度后停止训练;
S14,将所述测试数据库内的数据传输到整合后的工序模型中,对工序模型进行反复测试,优化工序模型,直至达到测试阈值和测试准确度后停止测试。
所述步骤S11具体包括:
S111,运用统计方法提取工序流程的概念关键词和提取图形的概念关键词,将对应的工序流程概念关键词和图形概念关键词整合到一个集合保存;
S112,对每一个集合进行相似度算法计算,提取相似度值为相差5%的两两集合融合成一类;
S113,重复步骤S112,直至完成所有集合的融合,形成相似度等级的类聚;
S114,对形成等级的类聚赋予唯一的识别码,唯一的识别码对应唯一的工序流程和对应的图形,形成唯一的关联线。
所述步骤S2具体包括:
S21,将经过测试完成的工序模型应用在MES***上,对工序模型进行调试,直至初始化成功;
S22,对***上的工序设置区和图形区进行配置,关联前后工序;
S23,将工序模型中的工序流程特征设置在工序设置区内,将工序模型中的图像特征设置在图形区内;
S24,将工序对应的唯一关联线设置在单元格中,建立索引,启用单元格填充连接索引,从而触发关联线,通过唯一关联线启动对应的工序流程以及对应的图形。
所述步骤S22具体包括:
S221,划分每一个工序,按工序执行的先后排序赋值,通过赋值关联前后工序;
S222,对***上的工序设置区配置访问路径,将工序设置区的访问路径设置在工序模型中;
S223,对***上的图形区设置调用路径,所述的调用路径连接唯一关联线,并通过唯一关联线启用工序模型。
所述步骤S13中所述的训练阈值为20万次,所述的训练准确度为90%,所述步骤S14中所述的测试阈值为20万次,所述的测试准确度为90%。
所述步骤S111中的统计方法采用了串频统计方法。
所述步骤S111中采用的串频统计方法可以使用信息熵统计方法替代。
所述步骤S112中的相似度算法采用了余弦相似度公式和皮尔逊相关性公式。
与现有技术相比,本发明通过建立工序模型,并把工序模型应用在MES***上,对MES***进行配置,设置工序设置区和图形区、设置关联索引等,对工序设置区为每一个工序配置前后关联的工序,图形区根据工序设置区的设置情况生产图形,通过工序模型直接启动工序流程,实现了当需要管理其他工序流程时,可以直接对工序流程进行编辑,使工作效率更高,操作更方便,执行工序更智能化。
附图说明
图1:为本发明一种MES***的工序编辑方法的总体结构图;
图2:为本发明工序编辑方法的具体总步骤流程图;
图3:为本发明工序编辑方法的步骤S1具体流程图;
图4:为本发明工序编辑方法的步骤S11具体流程图;
图5:为本发明工序编辑方法的步骤S2具体流程图;
图6:为本发明工序编辑方法的步骤S22具体流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
参照图1和图2,本发明为一种MES***的工序编辑方法,包括:获取生产中所有的工序流程和所述工序流程所对应的图形,通过数据处理和特征提取,建立工序模型;将建立的工序模型应用在MES***中,通过调用工序模型,对工序设置区和图形区设置关联,生成相应的图形,实现直接在MES***上对工序流程进行编辑。
参照图3,在实施例中,建立工序模型包括:获取生产过程中的所有工序流程和对应的图形,分别提取工序流程和对应图形的数据特征,建立唯一的关联线;建立工序样本数据库,所述样本数据库包括训练数据库和测试数据库,将工序流程数据和图形数据分别储存在所述训练数据库和所述测试数据库中;建立工序模型,将上述训练数据库中的数据传输到工序模型进行反复训练,提取特征整合数据结构,直至达到20万次训练阈值和90%训练准确度后停止训练;将所述测试数据库内的数据传输到整合后的工序模型中,对工序模型进行反复测试,优化工序模型,直至达到20万次测试阈值和90%测试准确度后停止测试。
参照图4,在实施例中,建立唯一的关联线包括:运用串频统计方法或者信息熵统计方法提取工序流程的概念关键词和提取图形的概念关键词,将对应的工序流程概念关键词和图形概念关键词整合到一个集合保存;对每一个集合运用余弦相似度算法和皮尔逊相关性算法计算,提取相似度值为相差5%的两两集合融合成一类;
余弦相似度算法:
皮尔逊相关性算法:
其中:A、B为两两相邻集合的特征数值,通过计算得出两两集合间的相似度,把相差5%的两两集合融合成一类;X、Y为两两相邻类集的特征数值;通过计算得出两两类集间的相似度,把相差5%的两两类集再融合成一类;进行循环。
重复步骤以上步骤,直至完成所有集合的融合,形成相似度等级的类聚;对形成等级的类聚赋予唯一的识别码,唯一的识别码对应唯一的工序流程和对应的图形,形成唯一的关联线。
参照图5,在实施例中,将建立的工序模型应用在MES***中,包括:将经过测试完成的工序模型应用在MES***上,对工序模型进行调试,直至初始化成功;对***上的工序设置区和图形区进行配置,关联前后工序;将工序模型中的工序流程特征设置在工序设置区内,将工序模型中的图像特征设置在图形区内;将工序对应的唯一关联线设置在单元格中,建立索引,启用单元格填充连接索引,从而触发关联线,通过唯一关联线启动对应的工序流程以及对应的图形。
参照图6,在实施例中,对***上的工序设置区和图形区进行配置,包括:划分每一个工序,按工序执行的先后排序赋值,通过赋值关联前后工序;对***上的工序设置区配置访问路径,将工序设置区的访问路径设置在工序模型中;对***上的图形区设置调用路径,所述的调用路径连接唯一关联线,并通过唯一关联线启用工序模型。
本发明提供一种MES***的工序编辑方法,具有以下优点:通过建立工序模型,并把工序模型应用在MES***上,对MES***进行配置,设置工序设置区和图形区、设置关联索引等,对工序设置区为每一个工序配置前后关联的工序,图形区根据工序设置区的设置情况生产图形,通过工序模型直接启动工序流程,实现了当需要管理其他工序流程时,可以直接对工序流程进行编辑,使工作效率更高,操作更方便,执行工序更智能化。
以上所述仅为本发明的较佳实施例,并不用于限制本发明,凡在本发明的精神和原则内,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 (7)
1.一种MES***的工序编辑方法,其特征在于,包括:
S1,获取所有的工序流程和所述工序流程所对应的图形,通过数据处理和特征提取,建立工序模型;
S2,将建立的工序模型应用在MES***中,通过调用工序模型,对工序设置区和图形区设置关联,生成相应的图形,实现直接在MES***上对工序流程进行编辑;
所述步骤S1具体包括:
S11,获取生产过程中的所有工序流程和对应的图形,分别提取工序流程和对应图形的数据特征,建立唯一的关联线;
S12,建立工序样本数据库,所述样本数据库包括训练数据库和测试数据库,将工序流程数据和图形数据分别储存在所述训练数据库和所述测试数据库中;
S13,建立工序模型,将上述训练数据库中的数据传输到工序模型进行反复训练,提取特征整合数据结构,直至达到训练阈值和训练准确度后停止训练;
S14,将所述测试数据库内的数据传输到整合后的工序模型中,对工序模型进行反复测试,优化工序模型,直至达到测试阈值和测试准确度后停止测试;
所述步骤S11具体包括:
S111,运用统计方法提取工序流程的概念关键词和提取图形的概念关键词,将对应的工序流程概念关键词和图形概念关键词整合到一个集合保存;
S112,对每一个集合进行相似度算法计算,提取相似度值为相差5%的两两集合融合成一类;
S113,重复步骤S112,直至完成所有集合的融合,形成相似度等级的类聚;
S114,对形成等级的类聚赋予唯一的识别码,唯一的识别码对应唯一的工序流程和对应的图形,形成唯一的关联线。
2.根据权利要求1所述的工序编辑方法,其特征在于,所述步骤S13中所述的训练阈值为20万次,所述的训练准确度为90%,所述步骤S14中所述的测试阈值为20万次,所述的测试准确度为90%。
3.根据权利要求1所述的工序编辑方法,其特征在于,所述步骤S111中的统计方法采用串频统计方法或信息熵统计方法。
4.根据权利要求1所述的工序编辑方法,其特征在于,所述步骤S112中的相似度算法采用了余弦相似度公式和皮尔逊相关性公式。
5.根据权利要求1所述的工序编辑方法,其特征在于,所述步骤S2具体包括:
S21,将经过测试完成的工序模型应用在MES***上,对工序模型进行调试,直至初始化成功;
S22,对***上的工序设置区和图形区进行配置,关联前后工序;
S23,将工序模型中的工序流程特征设置在工序设置区内,将工序模型中的图像特征设置在图形区内;
S24,将工序对应的唯一关联线设置在单元格中,建立索引,启用单元格填充连接索引,从而触发关联线,通过唯一关联线启动对应的工序流程以及对应的图形。
6.根据权利要求5所述的工序编辑方法,其特征在于,所述步骤S22具体包括:
S221,划分每一个工序,按工序执行的先后排序赋值,通过赋值关联前后工序;
S222,对***上的工序设置区配置访问路径,将工序设置区的访问路径设置在工序模型中;
S223,对***上的图形区设置调用路径,所述的调用路径连接唯一关联线,并通过唯一关联线启用工序模型。
7.一种MES***的工序编辑方法,其特征在于,包括:
S1,获取所有的工序流程和所述工序流程所对应的图形,通过数据处理和特征提取,建立工序模型;
S2,将建立的工序模型应用在MES***中,通过调用工序模型,对工序设置区和图形区设置关联,生成相应的图形,实现直接在MES***上对工序流程进行编辑;
所述步骤S1具体包括:
S11,获取生产过程中的所有工序流程和对应的图形,分别提取工序流程和对应图形的数据特征,建立唯一的关联线;
S12,建立工序样本数据库,所述样本数据库包括训练数据库和测试数据库,将工序流程数据和图形数据分别储存在所述训练数据库和所述测试数据库中;
S13,建立工序模型,将上述训练数据库中的数据传输到工序模型进行反复训练,提取特征整合数据结构,直至达到训练阈值和训练准确度后停止训练;
S14,将所述测试数据库内的数据传输到整合后的工序模型中,对工序模型进行反复测试,优化工序模型,直至达到测试阈值和测试准确度后停止测试;
所述步骤S11具体包括:
S111,运用统计方法提取工序流程的概念关键词和提取图形的概念关键词,将对应的工序流程概念关键词和图形概念关键词整合到一个集合保存;
S112,对每一个集合进行相似度算法计算,提取相似度值为相差5%的两两集合融合成一类;
S113,重复步骤S112,直至完成所有集合的融合,形成相似度等级的类聚;
S114,对形成等级的类聚赋予唯一的识别码,唯一的识别码对应唯一的工序流程和对应的图形,形成唯一的关联线;
所述步骤S2具体包括:
S21,将经过测试完成的工序模型应用在MES***上,对工序模型进行调试,直至初始化成功;
S22,对***上的工序设置区和图形区进行配置,关联前后工序;
S23,将工序模型中的工序流程特征设置在工序设置区内,将工序模型中的图像特征设置在图形区内;
S24,将工序对应的唯一关联线设置在单元格中,建立索引,启用单元格填充连接索引,从而触发关联线,通过唯一关联线启动对应的工序流程以及对应的图形;
所述步骤S22具体包括:
S221,划分每一个工序,按工序执行的先后排序赋值,通过赋值关联前后工序;
S222,对***上的工序设置区配置访问路径,将工序设置区的访问路径设置在工序模型中;
S223,对***上的图形区设置调用路径,所述的调用路径连接唯一关联线,并通过唯一关联线启用工序模型;
所述步骤S13中所述的训练阈值为20万次,所述的训练准确度为90%,所述步骤S14中所述的测试阈值为20万次,所述的测试准确度为90%;
所述步骤S111中的统计方法采用串频统计方法或信息熵统计方法;
所述步骤S112中的相似度算法采用了余弦相似度公式和皮尔逊相关性公式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811248310.XA CN109242357B (zh) | 2018-10-25 | 2018-10-25 | 一种mes***的工序编辑方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811248310.XA CN109242357B (zh) | 2018-10-25 | 2018-10-25 | 一种mes***的工序编辑方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109242357A CN109242357A (zh) | 2019-01-18 |
CN109242357B true CN109242357B (zh) | 2021-05-11 |
Family
ID=65081916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811248310.XA Active CN109242357B (zh) | 2018-10-25 | 2018-10-25 | 一种mes***的工序编辑方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242357B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112036693B (zh) * | 2020-07-28 | 2022-04-08 | 成都飞机工业(集团)有限责任公司 | 基于有限加权工序故障率的工序排序法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266486A (zh) * | 2008-05-08 | 2008-09-17 | 上海交通大学 | 半导体制造流程辅助决策*** |
CN103034134A (zh) * | 2011-09-29 | 2013-04-10 | 西门子公司 | 用于设定运行状态的方法 |
CN104808629A (zh) * | 2015-04-20 | 2015-07-29 | 广东工业大学 | 一种柔性机器人制造单元的调度方法 |
CN204680057U (zh) * | 2015-05-27 | 2015-09-30 | 深圳市深科特信息技术有限公司 | Mes精益生产制造执行*** |
CN105184013A (zh) * | 2015-09-28 | 2015-12-23 | 武汉开目信息技术有限责任公司 | 一种基于切削体的工序模型正序生成方法和装置 |
CN106960088A (zh) * | 2017-03-13 | 2017-07-18 | 西北工业大学 | 面向工序更改的三维工序模型自动更新方法 |
CN108090303A (zh) * | 2018-01-05 | 2018-05-29 | 江苏科技大学 | 一种面向船用柴油机关重件的三维机加工工艺信息重用方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2237197A1 (en) * | 2009-03-31 | 2010-10-06 | Siemens Aktiengesellschaft | Method for evaluating key production indicators (KPI) in a manufacturing execution system (MES) |
-
2018
- 2018-10-25 CN CN201811248310.XA patent/CN109242357B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266486A (zh) * | 2008-05-08 | 2008-09-17 | 上海交通大学 | 半导体制造流程辅助决策*** |
CN103034134A (zh) * | 2011-09-29 | 2013-04-10 | 西门子公司 | 用于设定运行状态的方法 |
CN104808629A (zh) * | 2015-04-20 | 2015-07-29 | 广东工业大学 | 一种柔性机器人制造单元的调度方法 |
CN204680057U (zh) * | 2015-05-27 | 2015-09-30 | 深圳市深科特信息技术有限公司 | Mes精益生产制造执行*** |
CN105184013A (zh) * | 2015-09-28 | 2015-12-23 | 武汉开目信息技术有限责任公司 | 一种基于切削体的工序模型正序生成方法和装置 |
CN106960088A (zh) * | 2017-03-13 | 2017-07-18 | 西北工业大学 | 面向工序更改的三维工序模型自动更新方法 |
CN108090303A (zh) * | 2018-01-05 | 2018-05-29 | 江苏科技大学 | 一种面向船用柴油机关重件的三维机加工工艺信息重用方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109242357A (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111444236B (zh) | 一种基于大数据的移动终端用户画像构建方法及*** | |
CN110659173A (zh) | 一种运维***及方法 | |
CN108512689A (zh) | 微服务业务监控方法及服务器 | |
CN106844190A (zh) | 测试脚本自动生成方法及装置 | |
CN108345670B (zh) | 一种用于95598电力工单的服务热点发现方法 | |
CN108363678B (zh) | 一种用于燃料电池电堆测试数据快速自动处理*** | |
CN116127899B (zh) | 芯片设计***、方法、电子设备和存储介质 | |
KR20200010624A (ko) | 머신러닝을 이용한 빅데이터 통합진단 예측 시스템 | |
CN109242357B (zh) | 一种mes***的工序编辑方法 | |
Lyu et al. | A data-driven approach for identifying possible manufacturing processes and production parameters that cause product defects: A thin-film filter company case study | |
CN113947468A (zh) | 一种数据管理方法及平台 | |
CN110334001A (zh) | 一种批量自动生成回声测试的方法和装置 | |
CN113779785A (zh) | 一种数字孪生复杂装备解构模型及其解构方法 | |
CN109508953B (zh) | 一种表格模板生成方法 | |
CN109522536B (zh) | 一种表格自动填写方法 | |
CN107347086B (zh) | 一种基于备件身份标识的自检*** | |
CN102054047B (zh) | 一种服务可配置业务规则的提取方法 | |
CN111079809A (zh) | 电连接器智能统型方法 | |
CN109376159B (zh) | 一种批记录自动生成方法 | |
CN109492209B (zh) | 一种表格签名栏自动生成方法 | |
CN114219259A (zh) | 一种工艺路线生成方法、管理***及介质 | |
CN109446182B (zh) | 一种复合采集方法 | |
CN104375926B (zh) | 一种大规模服务器监控时的告警阀值设置*** | |
CN115982655A (zh) | 一种基于决策树的缺失数据流程异常预测方法 | |
CN112184691A (zh) | 一种基于不良Map图的缺陷模式分析方法 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method of process editing in MES system Effective date of registration: 20220518 Granted publication date: 20210511 Pledgee: Bank of China Limited Guangzhou Yuexiu Branch Pledgor: GUANGZHOU CH CONTROL TECHNOLOGY Co.,Ltd. Registration number: Y2022980005858 |