CN113554302A - 一种基于mes智能制造的生产管理方法及*** - Google Patents
一种基于mes智能制造的生产管理方法及*** Download PDFInfo
- Publication number
- CN113554302A CN113554302A CN202110817235.XA CN202110817235A CN113554302A CN 113554302 A CN113554302 A CN 113554302A CN 202110817235 A CN202110817235 A CN 202110817235A CN 113554302 A CN113554302 A CN 113554302A
- Authority
- CN
- China
- Prior art keywords
- information
- obtaining
- production plan
- evaluation
- characteristic
- 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.)
- Withdrawn
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 317
- 238000007726 management method Methods 0.000 title claims abstract description 119
- 238000011156 evaluation Methods 0.000 claims abstract description 187
- 238000004458 analytical method Methods 0.000 claims abstract description 55
- 238000003066 decision tree Methods 0.000 claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims description 58
- 238000000034 method Methods 0.000 claims description 48
- 238000013507 mapping Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 241000196324 Embryophyta Species 0.000 description 27
- 238000005516 engineering process Methods 0.000 description 22
- 230000000694 effects Effects 0.000 description 11
- 230000010354 integration Effects 0.000 description 7
- 239000000178 monomer Substances 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000003754 machining Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000013097 stability assessment Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000012938 design process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (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
本发明公开了一种基于MES智能制造的生产管理方法及***,获得第一生产计划信息;将所述第一生产计划输入生产管理分析***,获得第一评价结果;根据第一设备历史数据获得第一设备特征,获得第一技术特征;获得第一人员特征;基于第一设备特征、第一技术特征、第一人员特征构建多层级生产计划评估决策树,将所述第一生产计划信息输入所述多层级生产计划评估决策树,获得第二评价结果;通过所述第一评价结果和所述第二评价结果完成对所述第一产品的生产管理。解决了现有技术中存在智能制造对生产管理的结合度不高,生产管理不够智能准确的技术问题。
Description
技术领域
本发明涉及智能生产管理相关领域,尤其涉及一种基于MES智能制造的生产管理方法及***。
背景技术
智能制造是通过智能机器和人类专家共同组成的人机一体化智能***,它以数据洞察为驱动核心,通过数据的收集、存贮、完善、共享、集成实现信息化制造,所谓智能制造,就是面向产品全生命周期,实现泛在感知条件下的信息化制造。智能制造技术是在现代传感技术、网络技术、自动化技术、拟人化智能技术等先进技术的基础上,通过智能化的感知、人机交互、决策和执行技术,实现设计过程、制造过程和制造装备智能化,是信息技术、智能技术与装备制造技术的深度融合与集成。智能制造,是信息化与工业化深度融合的大趋势。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中存在智能制造对生产管理的结合度不高,生产管理不够智能准确的技术问题。
发明内容
本申请实施例通过提供一种基于MES智能制造的生产管理方法及***,解决了现有技术中存在智能制造对生产管理的结合度不高,生产管理不够智能准确的技术问题,达到深度结合智能制造,智能化对生产数据进行分析管理,提供更加合理的生产建议,进而达到提高生产效率的技术效果。
鉴于上述问题,提出了本申请实施例提供一种基于MES智能制造的生产管理方法及***。
第一方面,本申请提供了一种基于MES智能制造的生产管理方法,其中,所述方法应用于一生产管理分析***,所述方法包括:获得第一产品的第一生产计划信息;将所述第一生产计划输入所述生产管理分析***,获得所述第一生产计划的第一评价结果;获得第一工厂的第一设备历史数据,根据所述第一设备历史数据获得第一设备特征,其中,所述第一设备为所述第一工厂内加工所述第一产品的设备;获得所述第一工厂的第一技术团队的历史数据,根据所述第一技术团队的历史数据获得第一技术特征;获得所述第一工厂的第一人员历史信息,根据所述第一人员历史信息获得第一人员特征;基于所述第一设备特征、所述第一技术特征、所述第一人员特征构建多层级生产计划评估决策树,将所述第一生产计划信息输入所述多层级生产计划评估决策树,获得第二评价结果;通过所述第一评价结果和所述第二评价结果完成对所述第一产品的生产管理。
另一方面,本申请还提供了一种基于MES智能制造的生产管理***,所述***包括:第一获得单元,所述第一获得单元用于获得第一产品的第一生产计划信息;第二获得单元,所述第二获得单元用于将所述第一生产计划输入所述生产管理分析***,获得所述第一生产计划的第一评价结果;第三获得单元,所述第三获得单元用于获得第一工厂的第一设备历史数据,根据所述第一设备历史数据获得第一设备特征,其中,所述第一设备为所述第一工厂内加工所述第一产品的设备;第四获得单元,所述第四获得单元用于获得所述第一工厂的第一技术团队的历史数据,根据所述第一技术团队的历史数据获得第一技术特征;第五获得单元,所述第五获得单元用于获得所述第一工厂的第一人员历史信息,根据所述第一人员历史信息获得第一人员特征;第六获得单元,所述第六获得单元用于基于所述第一设备特征、所述第一技术特征、所述第一人员特征构建多层级生产计划评估决策树,将所述第一生产计划信息输入所述多层级生产计划评估决策树,获得第二评价结果;第一管理单元,所述第一管理单元用于通过所述第一评价结果和所述第二评价结果完成对所述第一产品的生产管理。
第三方面,本发明提供了一种基于MES智能制造的生产管理***,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了将所述第一生产计划输入生产管理分析***,获得第一评价结果,活儿第一工厂的第一设备历史数据,基于所述第一设备历史数据提取第一设备特征,获得第一技术团队历史数据,基于所述数据提取第一技术特征,根据人员的历史数据获得第一人员特征,根据所述第一设备特征、所述第一人员特征、所述第一技术特征那个构建多层级生产计划评估决策树,基于所述多层级生产计划评估决策树获得第二评价结果,通过所述第一评价结果和所述第二评价结果完成对所述第一产品的生产管理,通过收集相关信息,构建生产管理分析***和多层级生产计划评估决策树,获得第一评价结果和第二评价结果,达到深度结合智能制造,智能化对生产数据进行分析管理,提供更加合理的生产建议,进而达到提高生产效率的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于MES智能制造的生产管理方法的流程示意图;
图2为本申请实施例一种基于MES智能制造的生产管理方法的构建多层级生产计划评估决策树的流程示意图;
图3为本申请实施例一种基于MES智能制造的生产管理方法的获得第一人员特征的流程示意图;
图4为本申请实施例一种基于MES智能制造的生产管理方法的构建员工单体特征系数计算模型的流程示意图;
图5为本申请实施例一种基于MES智能制造的生产管理方法的构建生产管理分析***的流程示意图;
图6为本申请实施例一种基于MES智能制造的生产管理方法的稳定性评估的流程示意图;
图7为本申请实施例一种基于MES智能制造的生产管理方法的获得第一设备特征的流程示意图;
图8为本申请实施例一种基于MES智能制造的生产管理***的结构示意图;
图9为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,第一管理单元17,电子设备50,处理器51,存储器52,输入装置53,输出装置54。
具体实施方式
本申请实施例通过提供一种基于MES智能制造的生产管理方法及***,解决了现有技术中存在智能制造对生产管理的结合度不高,生产管理不够智能准确的技术问题,达到深度结合智能制造,智能化对生产数据进行分析管理,提供更加合理的生产建议,进而达到提高生产效率的技术效果。下面结合附图,对本申请的实施例进行描述。本领域普通技术人员可知,随着技术的发展和新场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本申请的说明书和权利要求书及上述附图中的术语“第一”、第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,以便包含一系列单元的过程、方法、***、产品或设备不必限于那些单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
申请概述
智能制造是通过智能机器和人类专家共同组成的人机一体化智能***,它以数据洞察为驱动核心,通过数据的收集、存贮、完善、共享、集成实现信息化制造,所谓智能制造,就是面向产品全生命周期,实现泛在感知条件下的信息化制造。智能制造技术是在现代传感技术、网络技术、自动化技术、拟人化智能技术等先进技术的基础上,通过智能化的感知、人机交互、决策和执行技术,实现设计过程、制造过程和制造装备智能化,是信息技术、智能技术与装备制造技术的深度融合与集成。智能制造,是信息化与工业化深度融合的大趋势。现有技术中存在智能制造对生产管理的结合度不高,生产管理不够智能准确的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种基于MES智能制造的生产管理方法,其中,所述方法应用于一生产管理分析***,所述方法包括:获得第一产品的第一生产计划信息;将所述第一生产计划输入所述生产管理分析***,获得所述第一生产计划的第一评价结果;获得第一工厂的第一设备历史数据,根据所述第一设备历史数据获得第一设备特征,其中,所述第一设备为所述第一工厂内加工所述第一产品的设备;获得所述第一工厂的第一技术团队的历史数据,根据所述第一技术团队的历史数据获得第一技术特征;获得所述第一工厂的第一人员历史信息,根据所述第一人员历史信息获得第一人员特征;基于所述第一设备特征、所述第一技术特征、所述第一人员特征构建多层级生产计划评估决策树,将所述第一生产计划信息输入所述多层级生产计划评估决策树,获得第二评价结果;通过所述第一评价结果和所述第二评价结果完成对所述第一产品的生产管理。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种基于MES智能制造的生产管理方法,其中,所述方法应用于一生产管理分析***,所述方法包括:
步骤S100:获得第一产品的第一生产计划信息;
具体而言,所述生产管理分析***为对生产计划进行分析和管理的***,它具备评估能力,他是智能制造部分的核心区域之一,通过收集数据,模型构建,来实现数据的准确分析和管理。所述第一产品为第一工厂的一生产产品,所述第一生产计划为所述第一工厂根据所述第一产品的相关信息制定的生产计划它至少包括设备调用、***、技术支持等多方面的计划。当所述第一工厂要对所述第一产品按照第一生产计划执行之前,通过所述生产管理分析***获得所述第一生产计划信息。
步骤S200:将所述第一生产计划输入所述生产管理分析***,获得所述第一生产计划的第一评价结果;
具体而言,所述生产管理分析***为所述MES智能制造的重要组成部分,它至少包括一基于监督数据进行不断的学习和校正的神经网络模型。所述神经网络模型通过相关的数据和监督数据的监督学习,进而获得更加准确的评价的“经验”来处理所述第一生产计划,将所述第一生产计划输入所述生产管理分析***,获得第一评价结果,所述第一评价结果为对所述第一生产计划的综合评定结果。基于所述第一评价结果,可获得所述第一生产计划的调增方向,进而实现所述第一产品的智能化的管理。
步骤S300:获得第一工厂的第一设备历史数据,根据所述第一设备历史数据获得第一设备特征,其中,所述第一设备为所述第一工厂内加工所述第一产品的设备;
具体而言,所述第一工厂为进行分析、智能化生产管理的工厂,所述第一工厂同样为上述生产所述第一产品的工厂,所述第一设备为生产所述第一产品的相关设备,且所述设备为所述第一生产计划中分配给生产所述第一产品的规划设备,将所述设备的历史运行数据进行调用,通过所述第一设备在历史工作中的故障情况、故障频次、生产效率等信息,对所述设备进行整体评估,基于所述整体评估结果赋予最终的群体设备的整体标签,基于所述整体标签获得所述第一设备特征。通过所述第一设备特征的获得,为后续准确的对所述第一生产计划进行评估夯实了基础。
步骤S400:获得所述第一工厂的第一技术团队的历史数据,根据所述第一技术团队的历史数据获得第一技术特征;
具体而言,所述第一技术团队为所述第一工厂内对产品进行设计和开发的团队,根据所述第一技术团队的历史工作信息,如对相类似项目的攻克时间、对不同难度项目的处理情况的信息对所述第一技术团队的专业能力进行评估,基于评估结果获得所述第一技术特征,所述第一技术特征为反映了所述第一技术团队的技术整体评估水平、擅长方向的特征,通过所述技术特征的提取,为后续对所述第一生产计划进行准确的评估奠定了基础。
步骤S500:获得所述第一工厂的第一人员历史信息,根据所述第一人员历史信息获得第一人员特征;
具体而言,所述第一人员历史信息是指所述第一工厂内进行设备操作,完成所述第一产品加工的人员的信息。所述信息包括但不限于历史出勤率信息、工作效率信息、所述人员的家庭信息、人员的身体状态信息等。根据上述信息进行信息的整合分析,获得所述第一人员特征。
步骤S600:基于所述第一设备特征、所述第一技术特征、所述第一人员特征构建多层级生产计划评估决策树,将所述第一生产计划信息输入所述多层级生产计划评估决策树,获得第二评价结果;
具体而言,所述多层级生产计划评估决策树是指在已知各种特征的发生概率的基础上,通过求取净现值的期望值大于领的概率,进而对各个特征进行层级分类,评价特征风险,判断可行性的决策分析方法,所述第一设备特征、所述第一技术特征、所述第一人员特征可作为多层级生产计划评估决策树的内部节点,通过对其信息熵的计算,来对熵值排序,进而依据熵值的大小对特征进行层级分类,完成所述多层级生产计划评估决策树的构建,基于所述多层级生产计划评估决策树获得所述第一生产计划的第二评价结果。
步骤S700:通过所述第一评价结果和所述第二评价结果完成对所述第一产品的生产管理。
具体而言,根据所述第一评价结果和所述第二评价结果的历史判断情况,对所述第一评价结果和所述第二评价结果进行权重的分配,基于权重分配结果来对所述第一评价结果和所述第二评价结果的重要程度进行区分,当评价意见出现分歧时,则分歧方向一致即进行权重分配后综合考量,当分歧方向不一致时,则依据权重值较大的评价结果进行调整,基于所述第一评价结果和所述第二评价结果完成所述第一产品的生产管理,达到深度结合智能制造,智能化对生产数据进行分析管理,提供更加合理的生产建议,进而达到提高生产效率的技术效果。
进一步而言,如图2所示,所述基于所述第一设备特征、所述第一技术特征、所述第一人员特征构建多层级生产计划评估决策树,本申请实施例步骤S600还包括:
步骤S610:对所述第一设备特征进行信息编码论运算,获得第一设备特征信息熵;
步骤S620:对所述第一技术特征进行信息编码论运算,获得一技术特征信息熵;
步骤S630:对所述第一人员特征进行信息编码论运算,获得第一人员特征信息熵;
步骤S640:将所述第一设备信息熵、所述第一技术特征信息熵、所述第一人员信息熵输入数据大小比对模型进行训练,获得第一根节点特征信息;
步骤S650:基于所述第一根节点特征信息完成所述多层级生产计划评估决策树的构建。
具体而言,所述信息熵为一般通过信息编码论的香农公式进行计算获得,计算信息熵是为了对特征进行纯净度排序的过程,即信息熵越大,则特征越不纯净,在本申请中体现为特征越不重要,在所述多层级生产计划评估决策树中的层级越低,信息熵越小,则纯净度越高,特征越重要,在所述多层级生产计划评估决策树中的层级越高。通过对所述第一设备特征、第一技术特征、第一人员特征分别进行信息编码论的计算,获得第一设备特征信息熵、第一技术特征信息熵、第一人员特征信息熵,将所述第一设备特征信息熵、第一技术特征信息熵、第一人员特征信息熵输入所述数据大小比对模型进行训练,基于所述数据大小比对模型获得所述第一设备特征信息熵、第一技术特征信息熵、第一人员特征信息熵的大小排序结果,基于所述排序结果来获得所述第一根节点特征信息,基于所述第一根节点特征信息完成所述多层级生产计划评估决策树的构建。通过各个特征信息熵的计算和排序,使得所述多层级生产计划评估决策树的更加贴合所述第一工厂的实际情况,进而达到对生产计划的评估更加准确的技术效果。
进一步而言,如图3所示,所述获得所述第一工厂的第一人员历史信息,根据所述第一人员历史信息获得第一人员特征,本申请实施例步骤S500还包括:
步骤S510:构建员工单体特征系数计算模型,其中,所述员工单体特征系数计算模型通过员工的工作效率和家庭信息作为计算因子构建而成;
步骤S520:对所述第一人员历史信息中的各个员工信息输入所述员工单体特征系数计算模型进行单体特征系数计算,将单体特征系数计算结果满足第一单体特征系数阈值的员工从所述第一人员历史信息中去除,获得第二人员历史信息;
步骤S530:对所述第二人员历史信息进行整体特征系数评估,获得第一评估结果,通过所述第一评估结果获得所述第一人员特征。
具体而言,所述员工单体特征系数计算模型为对所述第一工厂内单个员工进行特征系数评估的模型,所述模型依据员工的个人信息进行构建而成,所述个人信息包括工作效率因子和家庭信息因子。所述工作效率反映了各个员工的时间利用率,即在办公时间的工作效率,所述家庭信息反映了各个员工的琐事的多少,即能投入多少的精力来工作。基于所述第一人员历史信息,获得所述第一工厂内各个员工的相关信息,所述相关信息包括但不限于员工的工作信息、家庭信息、身体信息等。将所述相关信息的各个员工的单体信息进行整合,将所述单体信息输入所述单体特征系数计算模型中进行员工的单体特征系数的计算,获得所述第一工厂的各个员工的单体特征系数的计算结果,对所述单体特征系数计算结果进行筛选,将筛选后的员工数据集合构成所述第而人员历史信息。通过对员工数据基于单体特征系数的筛选,保证后续分析的样本数据的纯净度,使得后续的评估更加准确。
进一步的,如图4所示,所述构建员工单体特征系数计算模型,本申请实施例步骤S510还包括:
步骤S511:构建员工工作效率与效率计算因子的第一映射关系;
步骤S512:构建员工家庭信息和家庭计算因子的第二映射关系;
步骤S513:将所述第一人员历史信息输入所述第一映射关系和所述第二映射关系,获得第一效率计算因子样本数据和第一家庭计算因子样本数据;
步骤S514:通过公式构建所述员工单体特征计算模型,其中,k为单体特征系数,n为样本数量,a为效率计算因子,a1为样本效率计算因子标准差,b为家庭计算因子,b1为家庭计算因子标准差,当a-a1+b-b1为正值时,则k值为正,当a-a1+b-b1为负值时,则k值为负。
具体而言,所述第一映射关系为工作效率和工作效率计算因子一一对应的映射关系,所述第二映射关系为家庭信息和家庭计算因子的映射关系。举例而言,所述第一映射关系为一映射列表,不同的工作效率有与其唯一对应的计算因子,同样,所述第二映射关系也是一个映射列表,不同的家庭情况有与其唯一对应的家庭计算因子。将所述第一人员历史信息输入所述第一映射关系和所述第二映射关系,获得所述第一工厂内的员工的效率计算因子和家庭计算因子的样本数据。通过所述样本数据,基于公式构建所述员工单体特征计算模型,其中,k代表计算的单体特征系数,n为所述第一工厂内的员工数量,a为每一个员工的效率计算因子,a1为样本效率计算因子标准差,其中,a1通过下述公式计算获得:其中为效率计算因子的算术平均值,b为家庭计算因子,b1为家庭计算因子标准差,同样b1通过下述公式计算获得:其中为家庭计算因子的算术平均值,当a-a1+b-b1为正值时,则k值为正,当a-a1+b-b1为负值时,则k值为负。
进一步的,如图5所示,所述将所述第一生产计划输入所述生产管理分析***,获得所述第一生产计划的第一评价结果,本申请实施例步骤S200还包括:
步骤S210:构建生产管理分析模型,其中,所述生产管理分析模型为应用于所述生产管理分析***的模型,且所述生产管理分析模型通过多组训练数据训练获得,所述多组训练数据中的每一组均包括生产计划数据和标识生产计划评估结果的标识信息;
步骤S220:将所述第一生产计划输入所述生产管理分析模型,获得所述第一评价结果。
具体而言,所述生产管理分析模型为应用于所述生产管理分析***的模型,且所述生产管理分析模型为通过大量的训练数据训练获得的模型,所述模型为机器学习中的神经网络模型,神经网络是一种可根据训练数据不断的进行自我学习,进而处理数据的网络模型。所述训练的数据包括但不限于生产计划数据和标识生产计划评估结果的标识信息。进一步来说,所述训练的过程实质为监督学习的过程,所述监督数据为所述标识生产计划评估结果的标识信息。通过大量的监督数据对应的训练数据对所述生产管理分析模型进行训练,进而获得更加准确的生产管理分析模型,进而获得更加准确的所述第一评价结果。
进一步而言,如图6所示,本申请实施例步骤S800还包括:
步骤S810:获得第一稳定性评估指令,根据所述第一稳定性评估指令对所述生产管理分析***和所述多层级生产计划评估决策树评估的结果稳定性进行评估,获得第一稳定性评估结果;
步骤S820:基于所述第一稳定性评估结果对所述第一评价结果和所述第二评价结果进行权重分配,根据权重分配结果完成对所述第一产品的生产管理。
具体而言,所述第一稳定性评估指令为对所述生产管理分析***和所述多层级生产计划评估决策树的稳定性进行评估的指令,基于所述第一稳定性评估指令对所述生产管理分析***进行训练数据之外的样本数据的模拟评估,获得对应的评估结果与标识信息的偏差值,即所述生产管理分析***的稳定性评估结果;基于所述第一稳定性评估指令对所述多层级生产计划评估决策树进行样本外的数据评估,获得评估结果与标识信息的偏差值,即所述多层级生产计划评估决策树的稳定性评估结果,基于所述稳定性的评估结果对所述生产管理分析***和所述多层级生产计划评估决策树对应的第一评价结果和第二评价结果进行权重值的分配,基于所述权重值的分配结果完成对所述第一产品的生产管理。
进一步的,如图7所示,所述获得第一工厂的第一设备历史数据,根据所述第一设备历史数据获得第一设备特征,本申请实施例步骤S300还包括:
步骤S310:根据所述第一设备历史数据获得设备稳定性评估参数;
步骤S320:根据所述第一设备历史数据获得设备加工性能评估参数;
步骤S330:基于所述设备稳定性评估参数和所述设备加工性能评估参数获得所述第一设备特征。
具体而言,对所述第一设备特征进行获取的过程包括对设备的稳定性评估参数和加工性能评估参数的综合考量。稳定性评估参数是指设备在使用过程中出现问题的次数多少使用时间的比值,通过稳定性评估参数可反映出设备在使用过程中的故障率,所述加工性能评估参数包括加工精度、生产效率,所述加工性能评估结果可体现出设备的工作效率和工作的能力。通过对设备的稳定性评估参数和所述设备加工性能评估参数提取,进而达到获得的设备特征更加丰满和准确的技术效果,为后续进行准确的生产计划评估夯实了基础。
综上所述,本申请实施例所提供的一种基于MES智能制造的生产管理方法及***具有如下技术效果:
1、由于采用了将所述第一生产计划输入生产管理分析***,获得第一评价结果,活儿第一工厂的第一设备历史数据,基于所述第一设备历史数据提取第一设备特征,获得第一技术团队历史数据,基于所述数据提取第一技术特征,根据人员的历史数据获得第一人员特征,根据所述第一设备特征、所述第一人员特征、所述第一技术特征那个构建多层级生产计划评估决策树,基于所述多层级生产计划评估决策树获得第二评价结果,通过所述第一评价结果和所述第二评价结果完成对所述第一产品的生产管理,通过收集相关信息,构建生产管理分析***和多层级生产计划评估决策树,获得第一评价结果和第二评价结果,达到深度结合智能制造,智能化对生产数据进行分析管理,提供更加合理的生产建议,进而达到提高生产效率的技术效果。
2、由于采用了通过各个特征信息熵的计算和排序的方式,使得所述多层级生产计划评估决策树的更加贴合所述第一工厂的实际情况,进而达到对生产计划的评估更加准确的技术效果。
实施例二
基于与前述实施例中一种基于MES智能制造的生产管理方法同样发明构思,本发明还提供了一种基于MES智能制造的生产管理***,如图8所示,所述***包括:
第一获得单元11,所述第一获得单元11用于获得第一产品的第一生产计划信息;
第二获得单元12,所述第二获得单元12用于将所述第一生产计划输入所述生产管理分析***,获得所述第一生产计划的第一评价结果;
第三获得单元13,所述第三获得单元13用于获得第一工厂的第一设备历史数据,根据所述第一设备历史数据获得第一设备特征,其中,所述第一设备为所述第一工厂内加工所述第一产品的设备;
第四获得单元14,所述第四获得单元14用于获得所述第一工厂的第一技术团队的历史数据,根据所述第一技术团队的历史数据获得第一技术特征;
第五获得单元15,所述第五获得单元15用于获得所述第一工厂的第一人员历史信息,根据所述第一人员历史信息获得第一人员特征;
第六获得单元16,所述第六获得单元16用于基于所述第一设备特征、所述第一技术特征、所述第一人员特征构建多层级生产计划评估决策树,将所述第一生产计划信息输入所述多层级生产计划评估决策树,获得第二评价结果;
第一管理单元17,所述第一管理单元17用于通过所述第一评价结果和所述第二评价结果完成对所述第一产品的生产管理。
进一步的,所述***还包括:
第七获得单元,所述第七获得单元用于对所述第一设备特征进行信息编码论运算,获得第一设备特征信息熵;
第八获得单元,所述第八获得单元用于对所述第一技术特征进行信息编码论运算,获得一技术特征信息熵;
第九获得单元,所述第九获得单元用于对所述第一人员特征进行信息编码论运算,获得第一人员特征信息熵;
第十获得单元,所述第十获得单元用于将所述第一设备信息熵、所述第一技术特征信息熵、所述第一人员信息熵输入数据大小比对模型进行训练,获得第一根节点特征信息;
第十一获得单元,所述第十一获得单元用于基于所述第一根节点特征信息完成所述多层级生产计划评估决策树的构建。
进一步的,所述***还包括:
第一构建单元,所述第一构建单元用于构建员工单体特征系数计算模型,其中,所述员工单体特征系数计算模型通过员工的工作效率和家庭信息作为计算因子构建而成;
第十二获得单元,所述第十二获得单元用于对所述第一人员历史信息中的各个员工信息输入所述员工单体特征系数计算模型进行单体特征系数计算,将单体特征系数计算结果满足第一单体特征系数阈值的员工从所述第一人员历史信息中去除,获得第二人员历史信息;
第十三获得单元,所述第十三获得单元用于对所述第二人员历史信息进行整体特征系数评估,获得第一评估结果,通过所述第一评估结果获得所述第一人员特征。
进一步的,所述***还包括:
第二构建单元,所述第第二构建单元用于构建员工工作效率与效率计算因子的第一映射关系;
第三构建单元,所述第三构建单元用于构建员工家庭信息和家庭计算因子的第二映射关系;
第十四获得单元,所述第十四获得单元用于将所述第一人员历史信息输入所述第一映射关系和所述第二映射关系,获得第一效率计算因子样本数据和第一家庭计算因子样本数据;
第四构建单元,所述第四构建单元用于通过公式构建所述员工单体特征计算模型,其中,k为单体特征系数,n为样本数量,a为效率计算因子,a1为样本效率计算因子标准差,b为家庭计算因子,b1为家庭计算因子标准差,当a-a1+b-b1为正值时,则k值为正,当a-a1+b-b1为负值时,则k值为负。
进一步的,所述***还包括:
第五构建单元,所述第五构建单元用于构建生产管理分析模型,其中,所述生产管理分析模型为应用于所述生产管理分析***的模型,且所述生产管理分析模型通过多组训练数据训练获得,所述多组训练数据中的每一组均包括生产计划数据和标识生产计划评估结果的标识信息;
第十五获得单元,所述第十五获得单元用于将所述第一生产计划输入所述生产管理分析模型,获得所述第一评价结果。
进一步的,所述***还包括:
第十六获得单元,所述第十六获得单元用于获得第一稳定性评估指令,根据所述第一稳定性评估指令对所述生产管理分析***和所述多层级生产计划评估决策树评估的结果稳定性进行评估,获得第一稳定性评估结果;
第十七获得单元,所述第十七获得单元用于基于所述第一稳定性评估结果对所述第一评价结果和所述第二评价结果进行权重分配,根据权重分配结果完成对所述第一产品的生产管理。
进一步的,所述***还包括:
第十八获得单元,所述第十八获得单元用于根据所述第一设备历史数据获得设备稳定性评估参数;
第十九获得单元,所述第十九获得单元用于根据所述第一设备历史数据获得设备加工性能评估参数;
第二十获得单元,所述第二十获得单元用于基于所述设备稳定性评估参数和所述设备加工性能评估参数获得所述第一设备特征。
前述图1实施例一中的一种基于MES智能制造的生产管理方法的各种变化方式和具体实例同样适用于本实施例的一种基于MES智能制造的生产管理***,通过前述对一种基于MES智能制造的生产管理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于MES智能制造的生产管理***的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图9来描述本申请实施例的电子设备。
图9图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种基于MES智能制造的生产管理方法的发明构思,本发明还提供一种基于MES智能制造的生产管理***,下面,参考图9来描述根据本申请实施例的电子设备。该电子设备可以是可移动设备本身,或与其独立的单机设备,其上存储有计算机程序,该程序被处理器执行时实现前文所述方法的任一方法的步骤。
如图9所示,电子设备50包括一个或多个处理器51和存储器52。
处理器51可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备50中的其他组件以执行期望的功能。
存储器52可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器51可以运行所述程序指令,以实现上文所述的本申请的各个实施例的方法以及/或者其他期望的功能。
在一个示例中,电子设备50还可以包括:输入装置53和输出装置54,这些组件通过总线***和/或其他形式的连接机构(未示出)互连。
本发明实施例提供的一种基于MES智能制造的生产管理方法,其中,所述方法应用于一生产管理分析***,所述方法包括:获得第一产品的第一生产计划信息;将所述第一生产计划输入所述生产管理分析***,获得所述第一生产计划的第一评价结果;获得第一工厂的第一设备历史数据,根据所述第一设备历史数据获得第一设备特征,其中,所述第一设备为所述第一工厂内加工所述第一产品的设备;获得所述第一工厂的第一技术团队的历史数据,根据所述第一技术团队的历史数据获得第一技术特征;获得所述第一工厂的第一人员历史信息,根据所述第一人员历史信息获得第一人员特征;基于所述第一设备特征、所述第一技术特征、所述第一人员特征构建多层级生产计划评估决策树,将所述第一生产计划信息输入所述多层级生产计划评估决策树,获得第二评价结果;通过所述第一评价结果和所述第二评价结果完成对所述第一产品的生产管理。解决了现有技术中存在智能制造对生产管理的结合度不高,生产管理不够智能准确的技术问题,达到深度结合智能制造,智能化对生产数据进行分析管理,提供更加合理的生产建议,进而达到提高生产效率的技术效果。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等,包括若干指令用以使得一台计算机设备执行本申请各个实施例所述的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从计算机可读存储介质向另计算机可读存储介质传输,所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
另外,本文中术语“***”和“网络”在本文中常被可互换使用。本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
应理解,在本申请实施例中,“与A相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其它信息确定B。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
总之,以上所述仅为本申请技术方案的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种基于MES智能制造的生产管理方法,其中,所述方法应用于一生产管理分析***,所述方法包括:
获得第一产品的第一生产计划信息;
将所述第一生产计划输入所述生产管理分析***,获得所述第一生产计划的第一评价结果;
获得第一工厂的第一设备历史数据,根据所述第一设备历史数据获得第一设备特征,其中,所述第一设备为所述第一工厂内加工所述第一产品的设备;
获得所述第一工厂的第一技术团队的历史数据,根据所述第一技术团队的历史数据获得第一技术特征;
获得所述第一工厂的第一人员历史信息,根据所述第一人员历史信息获得第一人员特征;
基于所述第一设备特征、所述第一技术特征、所述第一人员特征构建多层级生产计划评估决策树,将所述第一生产计划信息输入所述多层级生产计划评估决策树,获得第二评价结果;
通过所述第一评价结果和所述第二评价结果完成对所述第一产品的生产管理。
2.如权利要求1所述的方法,其中,所述基于所述第一设备特征、所述第一技术特征、所述第一人员特征构建多层级生产计划评估决策树,还包括:
对所述第一设备特征进行信息编码论运算,获得第一设备特征信息熵;
对所述第一技术特征进行信息编码论运算,获得一技术特征信息熵;
对所述第一人员特征进行信息编码论运算,获得第一人员特征信息熵;
将所述第一设备信息熵、所述第一技术特征信息熵、所述第一人员信息熵输入数据大小比对模型进行训练,获得第一根节点特征信息;
基于所述第一根节点特征信息完成所述多层级生产计划评估决策树的构建。
3.如权利要求1所述的方法,其中,所述获得所述第一工厂的第一人员历史信息,根据所述第一人员历史信息获得第一人员特征,还包括:
构建员工单体特征系数计算模型,其中,所述员工单体特征系数计算模型通过员工的工作效率和家庭信息作为计算因子构建而成;
对所述第一人员历史信息中的各个员工信息输入所述员工单体特征系数计算模型进行单体特征系数计算,将单体特征系数计算结果满足第一单体特征系数阈值的员工从所述第一人员历史信息中去除,获得第二人员历史信息;
对所述第二人员历史信息进行整体特征系数评估,获得第一评估结果,通过所述第一评估结果获得所述第一人员特征。
5.如权利要求1所述的方法,其中,所述将所述第一生产计划输入所述生产管理分析***,获得所述第一生产计划的第一评价结果,还包括:
构建生产管理分析模型,其中,所述生产管理分析模型为应用于所述生产管理分析***的模型,且所述生产管理分析模型通过多组训练数据训练获得,所述多组训练数据中的每一组均包括生产计划数据和标识生产计划评估结果的标识信息;
将所述第一生产计划输入所述生产管理分析模型,获得所述第一评价结果。
6.如权利要求1所述的方法,其中,所述方法还包括:
获得第一稳定性评估指令,根据所述第一稳定性评估指令对所述生产管理分析***和所述多层级生产计划评估决策树评估的结果稳定性进行评估,获得第一稳定性评估结果;
基于所述第一稳定性评估结果对所述第一评价结果和所述第二评价结果进行权重分配,根据权重分配结果完成对所述第一产品的生产管理。
7.如权利要求1所述的方法,其中,所述获得第一工厂的第一设备历史数据,根据所述第一设备历史数据获得第一设备特征,还包括:
根据所述第一设备历史数据获得设备稳定性评估参数;
根据所述第一设备历史数据获得设备加工性能评估参数;
基于所述设备稳定性评估参数和所述设备加工性能评估参数获得所述第一设备特征。
8.一种基于MES智能制造的生产管理***,其中,所述***包括:
第一获得单元,所述第一获得单元用于获得第一产品的第一生产计划信息;
第二获得单元,所述第二获得单元用于将所述第一生产计划输入所述生产管理分析***,获得所述第一生产计划的第一评价结果;
第三获得单元,所述第三获得单元用于获得第一工厂的第一设备历史数据,根据所述第一设备历史数据获得第一设备特征,其中,所述第一设备为所述第一工厂内加工所述第一产品的设备;
第四获得单元,所述第四获得单元用于获得所述第一工厂的第一技术团队的历史数据,根据所述第一技术团队的历史数据获得第一技术特征;
第五获得单元,所述第五获得单元用于获得所述第一工厂的第一人员历史信息,根据所述第一人员历史信息获得第一人员特征;
第六获得单元,所述第六获得单元用于基于所述第一设备特征、所述第一技术特征、所述第一人员特征构建多层级生产计划评估决策树,将所述第一生产计划信息输入所述多层级生产计划评估决策树,获得第二评价结果;
第一管理单元,所述第一管理单元用于通过所述第一评价结果和所述第二评价结果完成对所述第一产品的生产管理。
9.一种基于MES智能制造的生产管理***,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110817235.XA CN113554302A (zh) | 2021-07-19 | 2021-07-19 | 一种基于mes智能制造的生产管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110817235.XA CN113554302A (zh) | 2021-07-19 | 2021-07-19 | 一种基于mes智能制造的生产管理方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113554302A true CN113554302A (zh) | 2021-10-26 |
Family
ID=78103484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110817235.XA Withdrawn CN113554302A (zh) | 2021-07-19 | 2021-07-19 | 一种基于mes智能制造的生产管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113554302A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114202248A (zh) * | 2022-01-13 | 2022-03-18 | 浙江工企信息技术股份有限公司 | 一种基于mes智能制造的生产管理方法及*** |
CN115248577A (zh) * | 2022-09-21 | 2022-10-28 | 百福工业缝纫机(张家港)有限公司 | 一种缝纫机的群控管理方法及*** |
CN116362410A (zh) * | 2023-04-14 | 2023-06-30 | 无锡星智数服科技有限公司 | 一种基于mes的生产时间预测方法、***及存储介质 |
-
2021
- 2021-07-19 CN CN202110817235.XA patent/CN113554302A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114202248A (zh) * | 2022-01-13 | 2022-03-18 | 浙江工企信息技术股份有限公司 | 一种基于mes智能制造的生产管理方法及*** |
CN115248577A (zh) * | 2022-09-21 | 2022-10-28 | 百福工业缝纫机(张家港)有限公司 | 一种缝纫机的群控管理方法及*** |
CN116362410A (zh) * | 2023-04-14 | 2023-06-30 | 无锡星智数服科技有限公司 | 一种基于mes的生产时间预测方法、***及存储介质 |
CN116362410B (zh) * | 2023-04-14 | 2023-10-31 | 无锡星智数服科技有限公司 | 一种基于mes的生产时间预测方法、***及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113554302A (zh) | 一种基于mes智能制造的生产管理方法及*** | |
CN112462696A (zh) | 一种智能制造车间数字孪生模型构建方法与*** | |
CN113506009B (zh) | 一种基于智慧云服务的设备管理方法及*** | |
CN111241755A (zh) | 电力负荷预测方法 | |
CN114493049A (zh) | 基于数字孪生的产线优化方法、装置、电子设备及介质 | |
CN106199174A (zh) | 基于迁移学习的挤压机能耗异常预测方法 | |
CN112187554A (zh) | 一种基于蒙特卡洛树搜索的运维***故障定位方法和*** | |
Zhengcai et al. | Bottleneck prediction method based on improved adaptive network-based fuzzy inference system (ANFIS) in semiconductor manufacturing system | |
CN115936546A (zh) | 基于数字孪生的装配式建筑绿色施工管理方法及装置 | |
CN114970926A (zh) | 一种模型训练方法、企业经营风险预测方法和装置 | |
CN113988398A (zh) | 一种风电机组功率预测方法、装置、电子设备和存储介质 | |
CN114548494B (zh) | 一种可视化造价数据预测智能分析*** | |
Plakhotnikov et al. | The use of artificial intelligence in cyber-physical systems | |
CN114662793A (zh) | 基于可解释分层模型的业务流程剩余时间预测方法与*** | |
Wang et al. | A transformer-based multi-entity load forecasting method for integrated energy systems | |
Liu et al. | Residual useful life prognosis of equipment based on modified hidden semi-Markov model with a co-evolutional optimization method | |
CN109635008B (zh) | 一种基于机器学习的设备故障检测方法 | |
CN112766535A (zh) | 一种考虑负荷曲线特征的建筑负荷预测方法及*** | |
CN116883128A (zh) | 洗钱团伙的挖掘方法、装置、电子设备及计算机存储介质 | |
CN107679478B (zh) | 输电线路空间负荷状态的提取方法和*** | |
CN108596781A (zh) | 一种电力***数据挖掘与预测整合方法 | |
CN114781473A (zh) | 轨道交通设备状态预测方法、装置、设备及存储介质 | |
CN113139332A (zh) | 一种自动化模型构建方法、装置及设备 | |
CN114530163A (zh) | 基于密度聚类的采用声音识别设备生命周期的方法及*** | |
JP7154468B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211026 |