CN113118055B - 一种基于大数据的产品检测分拣*** - Google Patents
一种基于大数据的产品检测分拣*** Download PDFInfo
- Publication number
- CN113118055B CN113118055B CN202110349842.8A CN202110349842A CN113118055B CN 113118055 B CN113118055 B CN 113118055B CN 202110349842 A CN202110349842 A CN 202110349842A CN 113118055 B CN113118055 B CN 113118055B
- Authority
- CN
- China
- Prior art keywords
- quality
- product
- products
- detection
- sorting
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
- B07C5/362—Separating or distributor mechanisms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/38—Collecting or arranging articles in groups
Landscapes
- General Factory Administration (AREA)
Abstract
本发明公开了一种基于大数据的产品检测分拣***,属于产品检测领域,涉及大数据技术,用于解决现有的自动检测***不能够对批量问题产品进行拦截的技术问题,包括分拣服务器,分拣服务器通信连接有库存分析模块、质量检测模块、分拣控制模块、人工干预模块以及数据库;质量检测模块用于对产品的质量进行检测分析,人工干预模块用于分配合适的质检员对产品进行深度检测,深度检测的过程为分配员工将待定仓内的优质产品全部通过质量检测模块重新进行检测,分配员工对检测过程进行全程监督;本发明通过在回收仓设置计时器,在出现连续问题产品时对该批次所有产品重新进行检测,并且由质检人员进行监督,进而提高设备的检测结果精确性。
Description
技术领域
本发明属于产品检测领域,涉及大数据技术,具体是一种基于大数据的产品检测分拣***。
背景技术
传统的产品传输流水线上,产品质量检验主要依靠人工检测,对不同质量水平的产品分拣也是主要依靠人工分拣,人工检测速度较慢,人工分拣效率也不高,影响了整个产品传输的速度,影响了生产效率;同时人工检测分拣准确率也不高,容易产生差错,继而影响产品出厂质量。
现有的产品检测分拣***可以自动对产品的表面平面度以及表面刮痕进行检测分拣,但是自动检测仍然存在差错的可能性,特别是由于加工工序导致同一批产品的质量都存在问题时,现有的自动检测***只能够针对单个产品进行质量检测,而不能通过对多个产品的检测结果对同一批次的产品质量进行辐射,起到对批量问题产品进行拦截的目的。
公告号为CN105858197B的发明专利揭示了一种产品检测分拣***,相较于人工检测分拣,本发明实现了全自动化,无需人工,节省了人力资源;本发明检测速度与产品分拣速度有了极大的提升,大大提高了生产效率;本发明准确性大大提高,可以提高产品的整体质量水平;本发明在检测产品的表面质量的同时也可以检测产品外形尺寸是否达标;但是该产品检测分拣***还存在的问题为不能通过对多个产品的检测结果对同一批次的产品质量进行辐射,起到对批量问题产品进行拦截的目的。
针对上述技术缺陷,现提出一种解决方案。
发明内容
本发明的目的在于提供一种基于大数据的产品检测分拣***,用于解决现有的自动检测***只能够针对单个产品进行质量检测,而不能通过对多个产品的检测结果对同一批次的产品质量进行辐射,起到对批量问题产品进行拦截的目的。
本发明需要解决的技术问题为:
如何提供一种可以通过多个产品的检测结果对批量问题产品进行拦截的产品检测分拣***。
本发明的目的可以通过以下技术方案实现:
一种基于大数据的产品检测分拣***,包括分拣服务器,所述分拣服务器通信连接有库存分析模块、质量检测模块、分拣控制模块、人工干预模块以及数据库;
所述质量检测模块用于对产品的质量进行检测分析,质量检测模块的具体检测分析过程包括以下步骤:
步骤S1:对同一生产批次的产品依次进行检测,通过对获取的产品的平整数据以及刮痕数据进行计算得到产品的质量系数ZL;
步骤S2:将产品的质量系数与质量系数阈值进行比较:
若质量系数小于质量系数阈值,则判定产品质量满足要求,将对应产品标记为优质产品,并将优质产品输送至待定仓;
若质量系数大于等于质量系数阈值,则判定产品质量不满足要求,将对应产品标记为劣质产品,将劣质产品输送至回收仓,回收仓的产品数量加一;
步骤S3:回收仓接收一个劣质产品时,回收仓的计时器进行倒计时,倒计时时长为T1时间,T1为预设值;若在倒计时时间内回收仓接收到劣质产品,计时器重置进行重新倒计时,倒计时时长为T1时间;若在倒计时时间内回收仓没有接收到劣质产品,倒计时关闭,计时器在下一次劣质产品进入回收仓时继续开启;
步骤S4:若出现计时器连续三次重置,质量检测模块向分拣服务器发送深度检测信号,分拣服务器接收到深度检测信号后将深度检测信号发送至人工干预模块,人工干预模块接收到深度检测信号后利用人工对待定仓内的所有优质产品进行深度检测。
进一步地,所述步骤S1中质量系数ZL的计算方法包括以下步骤:
步骤S11:对产品各个表面的平面度进行平均值计算得到产品的平均平面度并标记为PM;
步骤S12:对产品各个表面的刮痕数量进行求和得到产品的刮痕条数并标记为GH;
进一步地,所述人工干预模块用于分配合适的质检员对产品进行深度检测,人工干预模块的分配方式包括以下步骤:
步骤P1:获取车间内距离待定仓直线距离L1米以内的空闲质检员并标记为初选员工,L1为预设距离值;
步骤P2:获取初选员工的基本信息,初选员工的基本信息包括:初选员工的姓名、入职时间以及历史质检出错率;
步骤P3:获取初选员工与待定仓之间的直线距离并将直线距离标记为JL,单位为米,将***时间与初选员工的入职时间进行差值计算并将计算结果标记为RS,单位为月,将初选员工的历史质检出错率标记为CC;
步骤P5:将分配员工的基本信息发送至分拣服务器,分拣服务器向分配员工的通信设备发送深度检测信号。
进一步地,所述深度检测的过程为分配员工将待定仓内的优质产品全部通过质量检测模块重新进行检测,分配员工对检测过程进行全程监督;若深度检测过程中出现计时器连续三次重置,则将同批次所有产品输送至回收仓进行回收返工;若深度检测完成后没有出现计时器连续三次重置,则通过分拣控制模块对待定仓内的优质产品进行分拣。
本发明具备下述有益效果:
1、通过质量检测模块对同一生产批次的产品进行检测分析,通过产品各个表面的平面度以及刮痕数量计算得到产品的质量系数,质量系数越小代表产品的质量越好,将质量系数与质量系数阈值进行比较即可对产品质量是否合格进行判定,同一批次的产品在经过质量检测之后在待定仓暂时存放,直至同一批次所有产品均通过质量检测,再统一对该批次的产品进行分拣,避免出现由于加工工序导致的批量问题产品在检测出现差错时,劣质产品通过质量检测后直接分拣进入仓库存储;
2、通过在回收仓设置计时器,在回收仓接收劣质产品时,计时器进行倒计时,倒计时结束之前回收仓再次接收到劣质产品时,计时器重置倒计时,以此来监测问题产品出现的连续性,在设定时间内连续出现问题产品则反映出同一批次的产品中可能还存在大量的劣质产品甚至全部是劣质产品,同时也代表该批次已经通过质量检测的产品存在检测出错的可能性,因此在出现连续问题产品时对该批次所有产品重新进行检测,并且由质检人员进行监督,进而提高设备的检测结果精确性,避免批量问题产品中存在检测出错通过质检而导致问题产品流向市场,影响品牌口碑;
3、通过人工干预模块分配合适的质检员对产品进行深度检测,通过对初选员工与待定仓之间的直线距离、***时间与初选员工的入职时间的差值以及初选员工的历史质检出错率计算得到初选员工的分配值,分配值越大表示质检员越适合处理本次深度检测,将分配值最大的初选员工标记为分配员工,从多个角度对质检员的匹配度进行综合分析,使分配员工可以快速对本次质量检测进行处理,提高深度检测的效率;
4、通过分拣控制模块对待定仓内的优质产品进行分拣并将产品输送至存储仓,AGV小车行走至待定仓,工作人员将产品放置在AGV小车的托架上,在产品顶面贴上条形码,AGV小车托架上的压力传感器检测到产品重量后驱动AGV小车进入扫描区域,通过扫描到的目标仓库信息对AGV小车的行走路径进行规划,保证将产品输送至对应的目标仓库内。
通过库存分析模块对存储仓库进行库存分析,产品通过质量检测进入到待定仓后,根据产品的目标仓库计算出仓库的预计堆放数量,同时将目标仓库内剩余的可堆放数量与预计堆放数量进行比较,当出现库存饱和情况时对对应仓库进行清仓处理,根据放入仓库内产品的生产日期将部分产品搬离仓库,生产日期越久的产品优先被搬离,直至可堆放数量大于预计堆放数量,即可将待定仓内的产品分拣至各仓库内。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明原理框图。
具体实施方式
下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种基于大数据的产品检测分拣***,包括分拣服务器,分拣服务器通信连接有库存分析模块、质量检测模块、分拣控制模块、人工干预模块以及数据库,质量检测模块用于通过产品的平整数据与刮痕数据对产品的质量进行检测分析,产品的平整数据为产品各个表面平面度的平均值,产品的刮痕数据为产品各个表面刮痕数量的和,质量检测模块的具体检测分析过程包括以下步骤:
步骤S1:对同一生产批次的产品依次进行检测,通过平晶干涉法获取产品各个表面的平面度,对产品各个表面的平面度进行平均值计算得到产品的平均平面度并标记为PM;
步骤S2:通过图像拍摄、图像处理获取产品各个表面的刮痕数量,对产品各个表面的刮痕数量进行求和得到产品的刮痕条数并标记为GH;
步骤S4:将产品的质量系数与质量系数阈值进行比较:
若质量系数小于质量系数阈值,则判定产品质量满足要求,将对应产品标记为优质产品,并将优质产品输送至待定仓;
若质量系数大于等于质量系数阈值,则判定产品质量不满足要求,将对应产品标记为劣质产品,将劣质产品输送至回收仓,回收仓的产品数量加一;
步骤S5:获取回收仓内的劣质产品数量,将劣质产品数量与回收阈值进行比较,若劣质产品数量小于等于回收阈值,则不做处理;若劣质产品数量大于回收阈值,质量检测模块向分拣处理器发送回收信号;
步骤S6:回收仓接收一个劣质产品时,回收仓的计时器进行倒计时,倒计时时长为T1时间,T1为预设值;例如T1取值5分钟;若在倒计时时间内回收仓接收到劣质产品,计时器重置进行重新倒计时,倒计时时长为T1时间;
步骤S7:若出现计时器连续三次重置,质量检测模块向分拣服务器发送深度检测信号,分拣服务器接收到深度检测信号后将深度检测信号发送至人工干预模块,人工干预模块接收到深度检测信号后利用人工对待定仓内的所有优质产品进行深度检测,若在倒计时时间内回收仓没有接收到劣质产品,倒计时关闭,计时器在下一次劣质产品进入回收仓时继续开启,在设定时间内连续出现问题产品则反映出同一批次的产品中可能还存在大量的劣质产品甚至全部是劣质产品,同时也代表该批次已经通过质量检测的产品存在检测出错的可能性,因此需要对该批次产品进行深度检测;
在同一批次产品全部检测完成后没有出现计时器连续三次重置,则通过分拣控制模块对待定仓内的优质产品进行分拣。
人工干预模块用于分配合适的质检员对产品进行深度检测,人工干预模块的分配方式包括以下步骤:
步骤P1:获取车间内距离待定仓直线距离L1米以内的空闲质检员并标记为初选员工,L1为预设距离值;
步骤P2:获取初选员工的基本信息,初选员工的基本信息包括:初选员工的姓名、入职时间以及历史质检出错率;
步骤P3:获取初选员工与待定仓之间的直线距离并将直线距离标记为JL,单位为米,将***时间与初选员工的入职时间进行差值计算并将计算结果标记为RS,单位为月,将初选员工的历史质检出错率标记为CC;
步骤P5:将分配员工的基本信息发送至分拣服务器,分拣服务器向分配员工的通信设备发送深度检测信号;
深度检测的过程为分配员工将待定仓内的优质产品全部通过质量检测模块重新进行检测,分配员工对检测过程进行全程监督;若深度检测过程中出现计时器连续三次重置,则将同批次所有产品输送至回收仓进行回收返工;若深度检测完成后没有出现计时器连续三次重置,则通过分拣控制模块对待定仓内的优质产品进行分拣。
分拣控制模块用于对待定仓内的优质产品进行分拣并将产品输送至存储仓,具体的分拣过程包括以下步骤:
步骤Q1:控制AGV小车行走至待定仓,工作人员将产品放置在AGV小车的托架上,在产品顶面贴上条形码,AGV小车托架上的压力传感器检测到产品重量后,驱动AGV小车进入扫描区域;
步骤Q2:AGV小车经过扫描区域时,通过扫码器对产品顶面的条形码进行扫描获取产品的基本信息并将产品的基本信息发送至分拣控制模块,产品的基本信息包括生产日期与存储仓库的编号,分拣控制模块根据存储仓库的编号以及数据库获取行走路径,分拣控制模块将行走路径发送至AGV小车的控制器;
步骤Q3:AGV小车根据行走路径将产品输送至对应的存储仓库,工作人员将产品卸下,完成产品分拣。
库存分析模块用于对存储仓库进行库存分析,具体的分析过程包括以下步骤:
步骤W1:将存储仓标记为仓库i,i=1,2,……,n,n为正整数,将仓库i内剩余存储空间堆放产品的数量标记为SKi,在同一批次产品完成质量检测后,获取待定仓内所有产品的目标存储仓库,通过产品的目标存储仓库获取仓库i的预计堆放数量并将预计堆放数量标记为JDi;
步骤W2:将仓库i内剩余存储空间堆放产品的数量SKi与预计堆放数量标记为JDi进行比较:
若SKi<JDi,则判定对应仓库的库存饱和,库存分析模块对对应仓库进行清仓处理;
若SKi≥JDi,则判定对应仓库的库存不饱和;
步骤W2中的清仓处理具体包括以下步骤:
步骤W21:获取仓库i内所有产品的生产日期,将***时间与产品的生产日期进行差值计算并将差值标记为出库值;
步骤W22:通过出库值由高到低对产品进行排序行程产品序列,通过公式YCi=JDi-SKi得到预计清仓数量YCi,将产品序列的前YCi个产品搬出仓库i。
一种基于大数据的产品检测分拣***,质量检测模块对同一生产批次的产品进行检测分析,通过产品各个表面的平面度以及刮痕数量计算得到产品的质量系数,质量系数越小代表产品的质量越好,将质量系数与质量系数阈值进行比较即可对产品质量是否合格进行判定,同一批次的产品在经过质量检测之后在待定仓暂时存放,直至同一批次所有产品均通过质量检测,再统一对该批次的产品进行分拣,避免出现由于加工工序导致的批量问题产品在检测出现差错时,劣质产品通过质量检测后直接分拣进入仓库存储;在回收仓接收劣质产品时,计时器进行倒计时,倒计时结束之前回收仓再次接收到劣质产品时,计时器重置倒计时,以此来监测问题产品出现的连续性,在设定时间内连续出现问题产品则反映出同一批次的产品中可能还存在大量的劣质产品甚至全部是劣质产品,同时也代表该批次已经通过质量检测的产品存在检测出错的可能性,因此在出现连续问题产品时对该批次所有产品重新进行检测,并且由质检人员进行监督,进而提高设备的检测结果精确性;人工干预模块分配合适的质检员对产品进行深度检测,通过对初选员工与待定仓之间的直线距离、***时间与初选员工的入职时间的差值以及初选员工的历史质检出错率计算得到初选员工的分配值,分配值越大表示质检员越适合处理本次深度检测,将分配值最大的初选员工标记为分配员工,从多个角度对质检员的匹配度进行综合分析;分拣控制模块对待定仓内的优质产品进行分拣并将产品输送至存储仓,AGV小车行走至待定仓,工作人员将产品放置在AGV小车的托架上,在产品顶面贴上条形码,AGV小车托架上的压力传感器检测到产品重量后驱动AGV小车进入扫描区域,通过扫描到的目标仓库信息对AGV小车的行走路径进行规划,保证将产品输送至对应的目标仓库内;库存分析模块对存储仓库进行库存分析,产品通过质量检测进入到待定仓后,根据产品的目标仓库计算出仓库的预计堆放数量,同时将目标仓库内剩余的可堆放数量与预计堆放数量进行比较,当出现库存饱和情况时对对应仓库进行清仓处理,根据放入仓库内产品的生产日期将部分产品搬离仓库,生产日期越久的产品优先被搬离,直至可堆放数量大于预计堆放数量,即可将待定仓内的产品分拣至各仓库内。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
上述公式均是归一化处理取其数值,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况设定。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (4)
1.一种基于大数据的产品检测分拣***,其特征在于,包括分拣服务器,所述分拣服务器通信连接有库存分析模块、质量检测模块、分拣控制模块、人工干预模块以及数据库;
所述质量检测模块用于对产品的质量进行检测分析,质量检测模块的具体检测分析过程包括以下步骤:
步骤S1:对同一生产批次的产品依次进行检测,通过对获取的产品的平整数据以及刮痕数据进行计算得到产品的质量系数ZL;
步骤S2:将产品的质量系数与质量系数阈值进行比较:
若质量系数小于质量系数阈值,则判定产品质量满足要求,将对应产品标记为优质产品,并将优质产品输送至待定仓;
若质量系数大于等于质量系数阈值,则判定产品质量不满足要求,将对应产品标记为劣质产品,将劣质产品输送至回收仓,回收仓的产品数量加一;
步骤S3:回收仓接收一个劣质产品时,回收仓的计时器进行倒计时,倒计时时长为T1时间,T1为预设值;若在倒计时时间内回收仓接收到劣质产品,计时器重置进行重新倒计时,倒计时时长为T1时间;若在倒计时时间内回收仓没有接收到劣质产品,倒计时关闭,计时器在下一次劣质产品进入回收仓时继续开启;
步骤S4:若出现计时器连续三次重置,质量检测模块向分拣服务器发送深度检测信号,分拣服务器接收到深度检测信号后将深度检测信号发送至人工干预模块,人工干预模块接收到深度检测信号后利用人工对待定仓内的所有优质产品进行深度检测。
3.根据权利要求1所述的一种基于大数据的产品检测分拣***,其特征在于,所述人工干预模块用于分配合适的质检员对产品进行深度检测,人工干预模块的分配方式包括以下步骤:
步骤P1:获取车间内距离待定仓直线距离L1米以内的空闲质检员并标记为初选员工,L1为预设距离值;
步骤P2:获取初选员工的基本信息,初选员工的基本信息包括:初选员工的姓名、入职时间以及历史质检出错率;
步骤P3:获取初选员工与待定仓之间的直线距离并将直线距离标记为JL,单位为米,将***时间与初选员工的入职时间进行差值计算并将计算结果标记为RS,单位为月,将初选员工的历史质检出错率标记为CC;
步骤P5:将分配员工的基本信息发送至分拣服务器,分拣服务器向分配员工的通信设备发送深度检测信号。
4.根据权利要求1所述的一种基于大数据的产品检测分拣***,其特征在于,所述深度检测的过程为分配员工将待定仓内的优质产品全部通过质量检测模块重新进行检测,分配员工对检测过程进行全程监督;若深度检测过程中出现计时器连续三次重置,则将同批次所有产品输送至回收仓进行回收返工;若深度检测完成后没有出现计时器连续三次重置,分拣控制模块对深度检测后待定仓内的优质产品进行分拣。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110349842.8A CN113118055B (zh) | 2021-03-31 | 2021-03-31 | 一种基于大数据的产品检测分拣*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110349842.8A CN113118055B (zh) | 2021-03-31 | 2021-03-31 | 一种基于大数据的产品检测分拣*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113118055A CN113118055A (zh) | 2021-07-16 |
CN113118055B true CN113118055B (zh) | 2022-10-04 |
Family
ID=76774415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110349842.8A Active CN113118055B (zh) | 2021-03-31 | 2021-03-31 | 一种基于大数据的产品检测分拣*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113118055B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657733B (zh) * | 2021-08-02 | 2023-10-24 | 东风柳州汽车有限公司 | 汽车新品问题点管理方法、装置、设备及存储介质 |
CN114397307B (zh) * | 2021-12-20 | 2023-08-01 | 苏州镁伽科技有限公司 | 用于器件检测的方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10340511B3 (de) * | 2003-09-03 | 2004-11-11 | Infineon Technologies Ag | Verfahren zur Kontrolle von Batch-Anlagen |
CN105136813A (zh) * | 2015-08-27 | 2015-12-09 | 李红军 | 一种纺织机针批次合格检测方法 |
WO2017035927A1 (zh) * | 2015-09-01 | 2017-03-09 | 沈阳拓荆科技有限公司 | 一种互锁电路测试设备及测试方法 |
CN108940906A (zh) * | 2018-08-13 | 2018-12-07 | 广东盈峰材料技术股份有限公司 | 一种自动检验分选平面度及厚度设备 |
CN109513641A (zh) * | 2018-11-07 | 2019-03-26 | 深圳市今天国际智能机器人有限公司 | 电芯分拣工艺流程的优化方法和控制*** |
CN110531303A (zh) * | 2019-07-30 | 2019-12-03 | 南瑞集团有限公司 | 在运智能电能表批次故障预警方法及其*** |
CN110750084A (zh) * | 2019-11-27 | 2020-02-04 | 航天科技控股集团股份有限公司 | 通过实时上传数据确定生产线设备运行状态的方法 |
CN111861180A (zh) * | 2020-07-14 | 2020-10-30 | 深圳市安科讯电子制造有限公司 | 一种数字能源生产制造实时预警的管理*** |
CN112415027A (zh) * | 2020-11-23 | 2021-02-26 | 北京燕山电子设备厂 | 玄武岩纤维混纺涂层布检测方法、装置和电子设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3910378A1 (de) * | 1989-03-31 | 1990-10-04 | Hans Kroenig | Sortieranlage fuer parkettstaebe |
JP2001209424A (ja) * | 2000-11-21 | 2001-08-03 | Nec Corp | ロット判定方法、ロット判定システム及びその記録媒体 |
JP5519577B2 (ja) * | 2011-05-23 | 2014-06-11 | 古河電気工業株式会社 | 端子圧着の良否判定装置、端子圧着装置 |
CN105234089B (zh) * | 2015-10-13 | 2017-09-01 | 武汉华星光电技术有限公司 | 产品检测方法 |
CN110434093A (zh) * | 2019-07-10 | 2019-11-12 | 上海空间电源研究所 | 一种锂离子蓄电池批量筛选方法 |
-
2021
- 2021-03-31 CN CN202110349842.8A patent/CN113118055B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10340511B3 (de) * | 2003-09-03 | 2004-11-11 | Infineon Technologies Ag | Verfahren zur Kontrolle von Batch-Anlagen |
CN105136813A (zh) * | 2015-08-27 | 2015-12-09 | 李红军 | 一种纺织机针批次合格检测方法 |
WO2017035927A1 (zh) * | 2015-09-01 | 2017-03-09 | 沈阳拓荆科技有限公司 | 一种互锁电路测试设备及测试方法 |
CN108940906A (zh) * | 2018-08-13 | 2018-12-07 | 广东盈峰材料技术股份有限公司 | 一种自动检验分选平面度及厚度设备 |
CN109513641A (zh) * | 2018-11-07 | 2019-03-26 | 深圳市今天国际智能机器人有限公司 | 电芯分拣工艺流程的优化方法和控制*** |
CN110531303A (zh) * | 2019-07-30 | 2019-12-03 | 南瑞集团有限公司 | 在运智能电能表批次故障预警方法及其*** |
CN110750084A (zh) * | 2019-11-27 | 2020-02-04 | 航天科技控股集团股份有限公司 | 通过实时上传数据确定生产线设备运行状态的方法 |
CN111861180A (zh) * | 2020-07-14 | 2020-10-30 | 深圳市安科讯电子制造有限公司 | 一种数字能源生产制造实时预警的管理*** |
CN112415027A (zh) * | 2020-11-23 | 2021-02-26 | 北京燕山电子设备厂 | 玄武岩纤维混纺涂层布检测方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113118055A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113118055B (zh) | 一种基于大数据的产品检测分拣*** | |
US6594590B2 (en) | Method and apparatus for improved inspection and classification of attributes of a workpiece | |
CN115293463B (zh) | 一种基于切割质量预测的玻璃镜片加工监督方法及*** | |
CN110980197A (zh) | 物料检测方法、装置及电子设备 | |
CN115511427B (zh) | 一种基于二维码的仓储管理*** | |
CN109583806A (zh) | 一种基于智能调整下单重量后的车辆调度取件方法及*** | |
CN114386911A (zh) | 一种物联网的智能仓储管理*** | |
CN113688965A (zh) | 一种自动仓储扫码检测的方法和货物管理*** | |
CN115463844A (zh) | 一种基于双重识别的货物智能分拣方法及*** | |
CN114155072A (zh) | 基于大数据分析的财务预测模型构建方法及*** | |
CN114653610A (zh) | 一种鱼类识别分拣实现方法 | |
CN115374885A (zh) | 一种物流信息实时跟踪的数据采集方法、装置和储存介质 | |
CN113450315B (zh) | 棒材计数方法、装置及分钢*** | |
CN111626983A (zh) | 识别待检测货物数量的方法和装置 | |
CN117622757A (zh) | 网格式物流仓分拣信息处理方法、***和存储介质 | |
CN113435939A (zh) | 一种工程造价进度管理*** | |
CN113642894A (zh) | 一种基于工业互联网的资源管理***及方法 | |
CN117324283A (zh) | 一种药品分拣方法、装置、设备及存储介质 | |
CN112580941A (zh) | 一种中药饮片的物料管理方法 | |
CN116415864A (zh) | 基于人工智能的智慧型物流快检机 | |
CN115115469A (zh) | 一种立体库调度效率评价方法、***及存储介质、终端 | |
CN112884328A (zh) | 揽件业务员推荐方法、装置、设备及存储介质 | |
CN111507432A (zh) | 农险理赔智能称重方法、***、电子设备和存储介质 | |
CN117436795B (zh) | 一种用于分级管理的仓库物资监测方法及*** | |
CN117053727B (zh) | 用于测距法物料外表面体积累计的扫描检测装置 |
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 |