CN114047729A - 天然植物加工控制方法、***、计算机设备和存储介质 - Google Patents
天然植物加工控制方法、***、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114047729A CN114047729A CN202111218600.1A CN202111218600A CN114047729A CN 114047729 A CN114047729 A CN 114047729A CN 202111218600 A CN202111218600 A CN 202111218600A CN 114047729 A CN114047729 A CN 114047729A
- Authority
- CN
- China
- Prior art keywords
- subsystem
- natural plant
- data
- plant processing
- big data
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 259
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000003860 storage Methods 0.000 title claims abstract description 68
- 238000004519 manufacturing process Methods 0.000 claims description 58
- 239000002994 raw material Substances 0.000 claims description 44
- 238000004590 computer program Methods 0.000 claims description 25
- 238000004140 cleaning Methods 0.000 claims description 10
- 238000013501 data transformation Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 6
- 238000007418 data mining Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000011217 control strategy Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011985 exploratory data analysis Methods 0.000 description 1
- 238000012994 industrial processing Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
Abstract
本申请涉及一种天然植物加工控制方法、***、计算机设备和存储介质。所述方法包括:获取历史时间段内的工业大数据;获取各个天然植物加工子***的控制指令;根据天然植物知识、控制指令及工业大数据,构建与每一天然植物加工子***相关联的智能模型;根据与每一天然植物加工子***相关联的智能模型,控制对应的天然植物加工子***。采用本方法通过对大量的天然植物加工数据进行处理分析,能够实现对中央控制子***对各个天然植物加工子***及时地响应,从而提高天然植物加工***自动化程度以及控制的准确度,进而提升天然植物加工***的加工效率。
Description
技术领域
本申请涉及加工控制技术领域,特别是涉及一种天然植物加工控制方法、***、计算机设备和存储介质。
背景技术
随着企业产品的加工、管理和决策向数字化、信息化和智能化靠近,使企业的加工***具有像人一样思考和工作的能力也逐渐成为国内原料加工企业的发展方向。但是,目前天然植物加工控制与现代科学技术的有机结合还不够紧密。
在相关技术中,天然植物加工***仅对工业加工中产生的数据进行收集和存储,虽然部分企业已积累了大量的加工数据,但是并没有对这些数据进行处理,令企业积累的这份无形资产没有被很好地利用起来,从而使得目前的天然植物加工***自动化程度低且控制理论单一,进而使得天然植物加工***中的各个天然植物加工子***不能及时地响应和准确地控制,造成加工效率低的问题。因此,目前急需一种天然植物加工***处理方法。
发明内容
基于此,有必要针对上述技术问题,提供一种天然植物加工控制方法、***、计算机设备和存储介质。
一种天然植物加工控制方法,该方法包括:
获取历史时间段内的工业大数据,其中,工业大数据用于表示各个天然植物加工子***在加工过程中产生的数据;
获取各个天然植物加工子***的控制指令;
根据天然植物知识、控制指令及工业大数据,构建与每一天然植物加工子***相关联的智能模型;
根据与每一天然植物加工子***相关联的智能模型,控制对应的天然植物加工子***。
在其中一个实施例中,各个天然植物加工子***分别为原料存储和运输子***、现场车间生产子***、成品存储和运输子***,相应地,各个天然植物加工子***在加工过程中产生的数据,包括:原料存储和运输子***在加工过程中产生的原料数据,现场车间生产子***在加工过程中产生的生产数据,成品存储和运输子***在加工过程中产生的成品数据。
在其中一个实施例中,根据天然植物知识、控制指令及工业大数据,构建与每一天然植物加工子***相关联的智能模型,包括:
对工业大数据分别进行数据选择、数据清洗及数据变换,获取处理后的工业大数据;
根据每一天然植物加工子***的控制指令,对处理后的工业大数据进行分类,获取每一智能模型的输入数据;
根据天然植物知识及每一智能模型的输入数据,构建每一智能模型。
在其中一个实施例中,对工业大数据分别进行数据选择、数据清洗及数据变换,获取处理后的工业大数据,包括:
根据控制指令,从工业大数据中选取与天然植物加工子***相关的控制数据,获取选择后的工业大数据;
去除选择后的工业大数据中错误数据,获取清洗后的工业大数据;
对清洗后的工业大数据进行数据标准变换处理,获取处理后的工业大数据。
在其中一个实施例中,根据每一天然植物加工子***的控制指令,对处理后的工业大数据进行分类,获取每一智能模型的输入数据,包括:
根据处理后的工业大数据中数据的类型,对处理后的工业大数据进行特征提取,获取不同的特征变量;
根据每一天然植物加工子***的控制指令,对特征变量进行分类,获取每一智能模型的输入数据。
在其中一个实施例中,根据与每一天然植物加工子***相关联的智能模型,控制对应的天然植物加工子***,包括:
根据每一智能模型,获取每一智能模型的输出数据;
根据输出数据,控制对应的天然植物加工子***。
在其中一个实施例中,根据与每一天然植物加工子***相关联的智能模型,控制对应的天然植物加工子***之后,包括:
获取各个天然植物加工子***当前时刻产生的数据;
将当前时刻产生的数据与各个天然植物加工子***相关联的智能模型进行匹配,获取优化后的智能模型。
一种天然植物加工控制***,该***包括:工业互联网子***、原料存储和运输子***、现场车间生产子***、成品存储和运输子***、中央控制子***以及大数据云平台子***;
工业互联网子***,用于将加工、存储和运输设备、生产线、工厂、供应商、产品和客户通过互联网连接起来,负责收集数据组成工业大数据以及信息和命令的通讯及存储;
原料存储和运输子***,用于各种天然植物加工原料的存储、分配,将原料运输给现场车间生产子***,并将原料信息上传至工业互联网子***;
现场车间生产子***,用于对车间生产线的相应生产设备和流程进行管控,将加工包装好的成品运输给成品存储和运输***,并将生产线上的生产信息上传至工业互联网子***;
成品存储和运输子***,用于将加工得到的成品进行运输、分配、统计存储入库,并将成品信息上传至工业互联网子***;
中央控制子***,用于对原料存储和运输子***、现场车间生产子***、成品存储和运输子***工作命令的统一下达,以协调各个子***正常稳定的运行,确保能够对每个天然植物加工子***进行掌控;
大数据云平台子***,用于以工业互联网子***提供的工业大数据为基础,借助数据挖掘、机器学习等AI技术手段,结合天然植物知识判断,建立与各个天然植物加工子***相关联的数学智能模型,为中央控制子***提供更加优化的控制策略、关键工艺点和工艺参数。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取历史时间段内的工业大数据,其中,工业大数据用于表示各个天然植物加工子***在加工过程中产生的数据;
获取各个天然植物加工子***的控制指令;
根据天然植物知识、控制指令及工业大数据,构建与每一天然植物加工子***相关联的智能模型;
根据与每一天然植物加工子***相关联的智能模型,控制对应的天然植物加工子***。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取历史时间段内的工业大数据,其中,工业大数据用于表示各个天然植物加工子***在加工过程中产生的数据;
获取各个天然植物加工子***的控制指令;
根据天然植物知识、控制指令及工业大数据,构建与每一天然植物加工子***相关联的智能模型;
根据与每一天然植物加工子***相关联的智能模型,控制对应的天然植物加工子***。
上述天然植物加工控制方法、***、计算机设备和存储介质,获取历史时间段内的工业大数据,其中,工业大数据用于表示各个天然植物加工子***在加工过程中产生的数据;获取各个天然植物加工子***的控制指令;根据天然植物知识、控制指令及工业大数据,构建与每一天然植物加工子***相关联的智能模型;根据与每一天然植物加工子***相关联的智能模型,控制对应的天然植物加工子***。
相较于相关技术中天然植物加工企业积累的大量加工制造数据不能够充分被利用,从而使得目前的天然植物加工***自动化程度低且控制理论单一,由于可以对积累的大量的加工数据进行处理,并根据这些数据构建与各个天然植物加工子***关联的智能模型,实现中央控制子***对各个天然植物加工子***及时地控制与响应,从而可以提高天然植物加工***自动化程度以及控制的准确度,进而提升天然植物加工***的加工效率。
附图说明
图1为一个实施例中天然植物加工控制方法的应用环境图;
图2为一个实施例中天然植物加工控制方法的流程示意图;
图3为另一个实施例中天然植物加工控制***的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种专业名词,但除非特别说明,这些专业名词不受这些术语限制。这些术语仅用于将一个专业名词与另一个专业名词区分。举例来说,在不脱离本申请的范围的情况下,第三预设阈值与第四预设阈值可以相同可以不同。
本申请提供的天然植物加工***处理方法,可以应用于如图1所示的应用环境中。其中,终端101通过网络与服务器102进行通信。终端101采集历史时间段内的工业大数据。历史时间段内的工业大数据发送至服务器102。服务器 102根据天然植物知识及工业大数据,构建与每一天然植物加工子***相关联的智能模型;根据与每一天然植物加工子***相关联的智能模型,控制对应的天然植物加工子***。其中,终端101可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器102可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种天然植物加工***处理方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
201、获取历史时间段内的工业大数据,其中,工业大数据用于表示各个天然植物加工子***在加工过程中产生的数据;
202、获取各个天然植物加工子***的控制指令;
203、根据天然植物知识、控制指令及工业大数据,构建与每一天然植物加工子***相关联的智能模型;
204、根据与每一天然植物加工子***相关联的智能模型,控制对应的天然植物加工子***。
对于本申请中的天然植物加工***,其包含工业互联网子***、各个天然植物加工子***、中央控制子***以及大数据云平台子***。其中,工业互联网子***负责将加工、存储和运输设备、生产线、工厂、供应商、产品及客户通过互联网连接起来。而且,工业互联网子***还负责获取、存储及传输数据。
此外,各个天然植物加工子***负责天然植物加工中的具体过程,并且将加工过程中产生的数据上传至工业互联网子***。中央控制子***负责对各个天然植物加工子***下达统一的工作命令,以协调各个天然植物加工子***正常稳定的运行,实时控制对各个天然植物加工子***的加工。
大数据云平台子***以工业互联网子***提供的工业大数据为基础,借助数据挖掘、机器学习等技术手段,建立与各个天然植物加工子***相关联的智能模型,中央控制子***通过该智能模型可以实现对对应的天然植物加工子***的控制。
在上述步骤201中,历史时间段指的是在当前时刻前的一段时间内。具体地,由工业互联网子***获取当前时刻前若干个月的工业大数据,并将获取的工业大数据通过通讯模块传输给大数据云平台子***。对于传输数据用到的通信模块,本发明实施例不对其作具体限定,包括但不限于:WIFI、GPRS、3G 或4G、蓝牙、ZigBee、现场总线和以太网通讯模块。
例如,工业互联网子***获取了当前时刻前3个月的工业大数据,然后,工业互联网子***将这三个月的工业大数据通过以太网通讯模块传输给大数据云平台子***。
在上述步骤202中,控制指令指的是中央控制子***对天然植物加工子***的控制目标,并且不同的天然植物加工子***,其控制目标也不相同。
在上述步骤203中,天然植物知识指的是大数据云平台子***中存储的天然植物的相关知识;与每一天然植物加工子***相关联的智能模型指的是中央控制子***可以根据该智能模型实现对对应天然植物加工子***的控制。具体地,大数据云平台子***将获取的工业大数据处理后,再结合控制指令与该***存储的天然植物知识进行判断,构建与每一天然植物加工子***相关联的智能模型。
在上述步骤204中,中央控制子***根据与每一天然植物加工子***相关联的智能模型,可以调整对应天然植物加工子***的控制策略,实现对天然植物加工子***中关键工艺点和工艺参数的控制。
本发明实施例提供的方法,通过对积累的大量的加工数据进行处理,并根据这些数据构建与各个天然植物加工子***关联的智能模型,实现中央控制子***对各个天然植物加工子***及时地响应,从而可以提高天然植物加工***自动化程度以及控制的准确度,进而提升天然植物加工***的加工效率。
在一个实施例中,各个天然植物加工子***分别为原料存储和运输子***、现场车间生产子***、成品存储和运输子***;相应地,各个天然植物加工子***在加工过程中产生的数据,包括:原料存储和运输子***在加工过程中产生的原料数据,现场车间生产子***在加工过程中产生的生产数据,成品存储和运输子***在加工过程中产生的成品数据。
具体地,原料存储和运输子***负责对各种天然植物加工原料进行存储和分配,将天然植物加工原料运输给现场车间生产子***,并将在这过程中的产生的原料数据上传至工业互联网子***。
现场车间生产子***负责对车间生产线的相应生产设备和流程进行管控以及将生产包装好的成品运输给成品存储和运输子***,并将生产线上的生产数据上传至工业互联网子***。
成品存储和运输子***负责将加工得到的成品进行运输、分配以及统计存储入库,并将在这过程中产生的成品数据上传至工业互联网子***。
本发明实施例提供的方法,通过原料存储和运输子***、现场车间生产子***及成品存储和运输子***向工业互联网子***上传数据,从而使工业互联网子***可以获取到大量的工业大数据,为智能模型的建立提供了数据基础。
在一个实施例中,根据天然植物知识、控制指令及工业大数据,构建与每一天然植物加工子***相关联的智能模型,包括:
301、对工业大数据分别进行数据选择、数据清洗及数据变换,获取处理后的工业大数据;
302、根据每一天然植物加工子***的控制指令,对处理后的工业大数据进行分类,获取每一智能模型的输入数据;
303、根据天然植物加工知识以及每一智能模型的输入数据,构建每一智能模型。
在上述步骤301中,对工业大数据分别进行数据选择、数据清洗及数据变换是从工业大数据中获取到有价值的信息,为天然植物加工***的加工提供有用的指导与决策服务。
在上述步骤302中,每一天然植物加工子***的控制指令指的是中央控制子***针对该天然植物加工子***下发的控制指令。
在上述步骤303中,通过AI技术手段对每一智能模型的输入数据进行数据挖掘、机器学***台子***中的天然植物知识进行判断,可以构建每一智能模型。
本发明实施例提供的方法,通过对天然植物加工子***在加工过程中产生数量庞大的数据进行分类,再构建相应的智能模型,从而可以实现中央控制子***对各个天然植物加工子***及时地响应和精准地控制。
在一个实施例中,对工业大数据分别进行数据选择、数据清洗及数据变换,获取处理后的工业大数据,包括:
401、根据控制指令,从工业大数据中选取对应的控制数据,获取选择后的工业大数据;
402、去除选择后的工业大数据中错误的数据,获取清洗后的工业大数据;
403、对清洗后的工业大数据进行数据标准变换处理,获取处理后的工业大数据。
在上述步骤401中,根据所有天然植物加工子***的控制指令,从工业大数据中挑选出与所有天然植物加工子***相关的控制数据,获取选择后的工业大数据,比如,工业大数据中包含有温度、压强、频率及转速等数据,所有天然植物加工子***的控制指令需要的数据是温度、压强及频率,就只用选出温度、压强和频率作为选择后的工业大数据。
在上述步骤402中,经过选择后工业大数据中可能存在格式、内容或逻辑等的错误数据,比如,温度数据有50℃、56℃、400℃、62℃等,于是就需要去除400℃这个错误数据,以此来获取清洗后的工业大数据。
在上述步骤402中,本发明实施例不对标准变换处理作具体限定,包括但不限于:特征二值化、特征归一化、连续特征变化,定性特征哑编码等。
本发明实施例提供的方法,通过对工业大数据进行数据选择、数据清洗及数据变换处理后,可以提高输入数据的准确度,从而提高智能模型的准确控制精度。
在一个实施例中,根据每一天然植物加工子***的控制指令,对处理后的工业大数据进行分类,获取每一智能模型的输入数据,包括:
501、根据处理后的工业大数据中数据的类型,对处理后的工业大数据进行特征提取,获取不同的特征变量;
502、根据每一模型的控制指令,对特征变量进行分类,获取每一智能模型的输入数据。
具体地,每一天然植物加工子***的控制指令按照各自的加工任务,都有对应的控制目标,而且每一天然植物加工子***的加工任务可能包含一种或两种以上,比如,原料存储和运输子***的任务是按照最好的原料比来对加工原料进行配比,以及在最短的时间内完成加工原料的配备等。
本发明实施例提供的方法,通过大数据云平台子***对处理后的工业大数据分类,得到每一智能模型的输入数据,可以实现对每个天然植物加工子***的精准控制,从而提升天然植物加工***的加工效率,进而降低人工成本。
在一个实施例中,根据与每一天然植物加工子***相关联的智能模型,控制对应的天然植物加工子***,包括:
601、根据每一智能模型,获取每一智能模型的输出数据;
602、根据输出数据,控制对应的天然植物加工子***。
具体地,中央控制子***根据每一智能模型,获取每一智能模型的输出数据,并根据输出数据匹配到对应的天然植物加工子***,以此输出数据来控制该天然植物加工子***。
本发明实施例提供的方法,中央控制子***通过不同的智能模型,可以控制不同的天然植物加工子***,从而提高中央控制子***的控制和决策能力。
在一个实施例中,根据与每一天然植物加工子***相关联的智能模型,控制对应的天然植物加工子***之后,包括:
701、获取各个天然植物加工子***当前时刻产生的数据;
702、将当前时刻产生的数据与各个天然植物加工子***相关联的智能模型进行匹配,获取优化后的智能模型。
具体地,工业互联网子***获取各个天然植物加工子***在当前时刻产生的数据,并将该数据作为历史时间段内的工业大数据的进行分析处理,然后将分析处理后的数据与智能模型匹配,以此来优化智能模型。
本实施例提供的方法,通过获取当前时刻产生的数据,并将当前时刻产生的数据分析处理后,来对智能模型进行优化,可以提高智能模型的控制效率,从而提高天然植物加工***的加工效率。
在一个实施例中,如图3所示,提供了一种天然植物加工控制***,包括:工业互联网子***311、原料存储和运输子***312、现场车间生产子***313、成品存储和运输子***314、中央控制子***315以及大数据云平台子***316;
工业互联网子***311,用于将加工、存储和运输设备、生产线、工厂、供应商、产品和客户通过互联网连接起来组成工业大数据,负责收集数据组成工业大数据以及信息和命令的通讯及存储;
原料存储和运输子***312,用于各种天然植物加工原料的存储分配,将原料运输给现场车间生产子***313,并将原料信息上传至工业互联网子***311;
现场车间生产子***313,用于对车间生产线的相应生产设备和流程进行管控,将加工包装好的成品运输给成品存储和运输***314,并将生产线上的生产信息上传至工业互联网子***311;
成品存储和运输子***314,用于将加工得到的成品进行运输、分配、统计存储入库,并将成品信息上传至工业互联网子***311;
中央控制子***315,用于对原料存储和运输子***312、现场车间生产子***313、成品存储和运输子***314工作命令的统一下达,以协调各个子***正常稳定的运行,确保能够对每个天然植物加工子***进行掌控;
大数据云平台子***316,用于以工业互联网子***311提供的工业大数据为基础,借助数据挖掘、机器学习等AI技术手段,结合天然植物知识判断,建立各天然植物加工子***相关联的数学智能模型,为中央控制子***315提供更加优化的控制策略、关键工艺点和工艺参数。
其中,大数据云平台子***316包括大数据集成层、大数据分析层、数据建模、应用场景层和智能模型。
在天然植物加工过程中,设备控制具有实时性和精确性特点,所需数据种类不多,但数据量庞大,且要求数据感知、分析、决策和控制能形成实时闭环的信息流。
具体地,工业大数据为各个传感器和仪表设备、控制、车间生产记录和企业等产生的数据资源;主要为工业设备和工业软件所产生、采集和处理的数据以及中间过程控制和质量检验数据。
大数据集成层是采集不同来源的数据并集中存储,为大数据分析层和应用场景层提供准确的基础数据。
大数据分析层包括数据准备、特征提取。针对特定的业务目标,灵活组织天然植物加工大数据集,柔性地选择组合使用各类大数据分析挖掘算法和技术,从大数据中获取有价值的信息和知识,为生产指导、经营模式提供决策服务。
其中,数据准备是为解决业务问题提供正确的、预定格式的数据;数据准备包括数据选择、数据清洗等内容,并在处理过程中尝试多种方法的结合。特征提取是指采用一些AI算法,比如深度学习,可自动提取简单而抽象的特征,并组合成更加复杂的特征。在探索性分析过程中,尝试不同方法转换数据,并用数据建模对特征提取的质量进行评价。
数据建模指的是建立算法库,在应用时将准备好的数据***每个模型,匹配最佳模型。
应用场景层分布于天然植物加工设计、研发、生产制造和供应销售的整个生命周期,其决定大数据价值的上限。针对不同的应用场景,组织相应的数据,构建各类应用。
智能模型包含智能模型A、智能模型B和智能模型C,分别对应原料存储和运输子***312、现场车间生产子***313和成品存储和运输子***314构建的智能模型,根据不同的天然植物加工子***数据进行单独的模型构建,避免了数据打挤,使得构建的模型对天然植物加工子***能够及时、准确地响应和控制。
本发明实施例提供的***,在天然植物加工***中通过大数据云平台子***316对各个天然植物加工子***的数据进行相应的数据处理、分析、挖掘和建模,在充分利用大量制造数据的同时,分别构建各个天然植物加工子***的模型,从而实现对天然植物加工子***及时、准确地响应和控制,进而提高天然植物加工***的加工效率。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储预设阈值。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种天然植物加工控制***。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取历史时间段内的工业大数据,工业大数据用于表示各个天然植物加工子***在加工过程中产生的数据;
获取各个天然植物加工子***的控制指令;
根据天然植物知识、控制指令及工业大数据,构建与每一天然植物加工子***相关联的智能模型;
根据与每一天然植物加工子***相关联的智能模型,控制对应的天然植物加工子***。
在一个实施例中,处理器执行计算机程序时:各个天然植物加工子***分别为原料存储和运输子***、现场车间生产子***、成品存储和运输子***,相应地,各个天然植物加工子***在加工过程中产生的数据,包括:原料存储和运输子***在加工过程中产生的原料数据,现场车间生产子***在加工过程中产生的生产数据,成品存储和运输子***在加工过程中产生的成品数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对工业大数据分别进行数据选择、数据清洗及数据变换,获取处理后的工业大数据;
根据每一天然植物加工子***的控制指令,对处理后的工业大数据进行分类,获取每一智能模型的输入数据;
根据天然植物知识及每一智能模型的输入数据,构建每一智能模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据控制指令,从工业大数据中选取与天然植物加工子***相关的控制数据,获取选择后的工业大数据;
去除选择后的工业大数据中错误数据,获取清洗后的工业大数据;
对清洗后的工业大数据进行数据标准变换处理,获取处理后的工业大数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据处理后的工业大数据中数据的类型,对处理后的工业大数据进行特征提取,获取不同的特征变量;
根据每一天然植物加工子***的控制指令,对特征变量进行分类,获取每一智能模型的输入数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据每一智能模型,获取每一智能模型的输出数据;
根据输出数据,控制对应的天然植物加工子***。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取各个天然植物加工子***当前时刻产生的数据;
将当前时刻产生的数据与各个天然植物加工子***相关联的智能模型进行匹配,获取优化后的智能模型。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取历史时间段内的工业大数据,工业大数据用于表示各个天然植物加工子***在加工过程中产生的数据;
获取各个天然植物加工子***的控制指令;
根据天然植物知识、控制指令及工业大数据,构建与每一天然植物加工子***相关联的智能模型;
根据与每一天然植物加工子***相关联的智能模型,控制对应的天然植物加工子***。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:各个天然植物加工子***分别为原料存储和运输子***、现场车间生产子***现场车间生产子***、成品存储和运输子***,相应地,各个天然植物加工子***在加工过程中产生的数据,包括:原料存储和运输子***在生产过程中产生的原料数据,在生产过程中产生的生产数据,成品存储和运输子***产生的成品数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对工业大数据分别进行数据选择、数据清洗及数据变换,获取处理后的工业大数据;
根据每一天然植物加工子***的控制指令,对处理后的工业大数据进行分类,获取每一智能模型的输入数据;
根据天然植物知识及每一智能模型的输入数据,构建每一智能模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据控制指令,从工业大数据中选取与天然植物加工子***相关的控制数据,获取选择后的工业大数据;
去除选择后的工业大数据中错误数据,获取清洗后的工业大数据;
对清洗后的工业大数据进行数据标准变换处理,获取处理后的工业大数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据处理后的工业大数据中数据的类型,对处理后的工业大数据进行特征提取,获取不同的特征变量;
根据每一天然植物加工子***的控制指令,对特征变量进行分类,获取每一智能模型的输入数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据每一智能模型,获取每一智能模型的输出数据;
根据输出数据,控制对应的天然植物加工子***。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取各个天然植物加工子***当前时刻产生的数据;
将当前时刻产生的数据与各个天然植物加工子***相关联的智能模型进行匹配,获取优化后的智能模型。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM) 或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种天然植物加工控制方法,其特征在于,所述方法包括:
获取历史时间段内的工业大数据,所述工业大数据用于表示各个天然植物加工子***在加工过程中产生的数据;
获取所述各个天然植物加工子***的控制指令;
根据天然植物知识、所述控制指令及工业大数据,构建与每一天然植物加工子***相关联的智能模型;
根据所述与每一天然植物加工子***相关联的智能模型,控制对应的天然植物加工子***。
2.根据权利要求1所述的方法,其特征在于,所述各个天然植物加工子***分别为原料存储和运输子***、现场车间生产子***、成品存储和运输子***,相应地,所述各个天然植物加工子***在加工过程中产生的数据,包括:所述原料存储和运输子***在加工过程中产生的原料数据,所述现场车间生产子***在加工过程中产生的生产数据,所述成品存储和运输子***在加工过程中产生的成品数据。
3.根据权利要求1所述的方法,其特征在于,所述根据天然植物知识、所述控制指令及工业大数据,构建与每一天然植物加工子***相关联的智能模型,包括:
对所述工业大数据分别进行数据选择、数据清洗及数据变换,获取处理后的工业大数据;
根据每一天然植物加工子***的控制指令,对所述处理后的工业大数据进行分类,获取每一智能模型的输入数据;
根据所述天然植物知识及每一智能模型的输入数据,构建每一智能模型。
4.根据权利要求3所述的方法,其特征在于,所述对所述工业大数据分别进行数据选择、数据清洗及数据变换,获取处理后的工业大数据,包括:
根据所述控制指令,从所述工业大数据中选取与天然植物加工子***相关的控制数据,获取选择后的工业大数据;
去除所述选择后的工业大数据中错误数据,获取清洗后的工业大数据;
对所述清洗后的工业大数据进行数据标准变换处理,获取处理后的工业大数据。
5.根据权利要求3所述的方法,其特征在于,所述根据每一天然植物加工子***的控制指令,对所述处理后的工业大数据进行分类,获取每一智能模型的输入数据,包括:
根据所述处理后的工业大数据中数据的类型,对所述处理后的工业大数据进行特征提取,获取不同的特征变量;
根据所述每一天然植物加工子***的控制指令,对所述特征变量进行分类,获取所述每一智能模型的输入数据。
6.根据权利要求1所述的方法,其特征在于,所述根据所述与每一天然植物加工子***相关联的智能模型,控制对应的天然植物加工子***,包括:
根据每一智能模型,获取所述每一智能模型的输出数据;
根据所述输出数据,控制对应的天然植物加工子***。
7.根据权利要求1所述的方法,其特征在于,所述根据所述与每一天然植物加工子***相关联的智能模型,控制对应的天然植物加工子***之后,包括:
获取所述各个天然植物加工子***当前时刻产生的数据;
将所述当前时刻产生的数据与所述各个天然植物加工子***相关联的智能模型进行匹配,获取优化后的智能模型。
8.一种天然植物加工控制***,其特征在于,所述***包括:工业互联网子***、原料存储和运输子***、现场车间生产子***、成品存储和运输子***、中央控制子***以及大数据云平台子***;
工业互联网子***,用于将加工、存储和运输设备、生产线、工厂、供应商、产品和客户通过互联网连接起来,负责收集数据组成工业大数据以及信息和命令的通讯及存储;
原料存储和运输子***,用于各种天然植物加工原料的存储、分配,将原料运输给现场车间生产子***,并将原料信息上传至工业互联网子***;
现场车间生产子***,用于对车间生产线的相应生产设备和流程进行管控,将加工包装好的成品运输给成品存储和运输***,并将生产线上的生产信息上传至工业互联网子***;
成品存储和运输子***,用于将加工得到的成品进行运输、分配、统计存储入库,并将成品信息上传至工业互联网子***;
中央控制子***,用于对原料存储和运输子***、现场车间生产子***、成品存储和运输子***工作命令的统一下达,以协调各个子***正常稳定的运行,确保能够对每个天然植物加工子***进行掌控;
大数据云平台子***,用于以工业互联网子***提供的工业大数据为基础,借助数据挖掘、机器学习等AI技术手段,结合天然植物知识判断,建立与各个天然植物加工子***相关联的数学智能模型,为中央控制子***提供更加优化的控制策略、关键工艺点和工艺参数。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111218600.1A CN114047729B (zh) | 2021-10-20 | 2021-10-20 | 天然植物加工控制方法、***、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111218600.1A CN114047729B (zh) | 2021-10-20 | 2021-10-20 | 天然植物加工控制方法、***、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114047729A true CN114047729A (zh) | 2022-02-15 |
CN114047729B CN114047729B (zh) | 2024-05-03 |
Family
ID=80205544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111218600.1A Active CN114047729B (zh) | 2021-10-20 | 2021-10-20 | 天然植物加工控制方法、***、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114047729B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114602209A (zh) * | 2022-03-07 | 2022-06-10 | 广东工业大学 | 一种车载式智能移动中药提取浓缩成套装备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109154588A (zh) * | 2016-05-17 | 2019-01-04 | 自动化合作关系(剑桥)有限公司 | 自动化生物过程开发 |
CN109559096A (zh) * | 2018-11-22 | 2019-04-02 | 贵州省食品安全检测应用工程技术研究中心有限公司 | 一种生态云平台数据分析应用*** |
CN110520464A (zh) * | 2016-10-28 | 2019-11-29 | 康宝有限公司 | 生物复合材料、生物塑料材料以及制造生物塑料材料的方法 |
US20200278666A1 (en) * | 2017-11-29 | 2020-09-03 | Shamim Alam | Cloud based method and system for optimizing tuning of an industrial plant |
CN111667162A (zh) * | 2020-05-28 | 2020-09-15 | 广东工业大学 | 一种基于工业互联网的中药或天然植物提取智能制造*** |
CN112163688A (zh) * | 2019-08-16 | 2021-01-01 | 重庆华森制药股份有限公司 | 多剂型中西药产品全流程智能制造***及建造方法 |
-
2021
- 2021-10-20 CN CN202111218600.1A patent/CN114047729B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109154588A (zh) * | 2016-05-17 | 2019-01-04 | 自动化合作关系(剑桥)有限公司 | 自动化生物过程开发 |
CN110520464A (zh) * | 2016-10-28 | 2019-11-29 | 康宝有限公司 | 生物复合材料、生物塑料材料以及制造生物塑料材料的方法 |
US20200278666A1 (en) * | 2017-11-29 | 2020-09-03 | Shamim Alam | Cloud based method and system for optimizing tuning of an industrial plant |
CN109559096A (zh) * | 2018-11-22 | 2019-04-02 | 贵州省食品安全检测应用工程技术研究中心有限公司 | 一种生态云平台数据分析应用*** |
CN112163688A (zh) * | 2019-08-16 | 2021-01-01 | 重庆华森制药股份有限公司 | 多剂型中西药产品全流程智能制造***及建造方法 |
CN111667162A (zh) * | 2020-05-28 | 2020-09-15 | 广东工业大学 | 一种基于工业互联网的中药或天然植物提取智能制造*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114602209A (zh) * | 2022-03-07 | 2022-06-10 | 广东工业大学 | 一种车载式智能移动中药提取浓缩成套装备 |
CN114602209B (zh) * | 2022-03-07 | 2023-12-01 | 广东工业大学 | 一种车载式智能移动中药提取浓缩成套装备 |
Also Published As
Publication number | Publication date |
---|---|
CN114047729B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lee et al. | Service innovation and smart analytics for industry 4.0 and big data environment | |
US11662719B2 (en) | Classification modeling for monitoring, diagnostics optimization and control | |
Coito et al. | A novel framework for intelligent automation | |
US11663292B2 (en) | Base analytics engine modeling for monitoring, diagnostics optimization and control | |
EP3039595B1 (en) | System and method for multi-domain structural analysis across applications in industrial control and automation system | |
CN112905340B (zh) | ***资源分配方法、装置及设备 | |
Ralph et al. | Digitalization and digital transformation in metal forming: key technologies, challenges and current developments of industry 4.0 applications | |
US20190101902A1 (en) | Automatic modeling for monitoring, diagnostics, optimization and control | |
CN115423289B (zh) | 智能板材加工车间数据处理方法及终端 | |
Abdi et al. | Integrated reconfigurable manufacturing systems and smart value chain | |
Thalmann et al. | Data analytics for industrial process improvement a vision paper | |
Jamwal et al. | Development of cyber physical system based manufacturing system design for process optimization | |
Coito et al. | The impact of intelligent automation in internal supply chains | |
CN114047729B (zh) | 天然植物加工控制方法、***、计算机设备和存储介质 | |
Shafiq et al. | Designing intelligent factory: Conceptual framework and empirical validation | |
US20190102352A1 (en) | Multi-engine modeling for monitoring, diagnostics, optimization and control | |
Parto et al. | Cyber-physical system implementation for manufacturing with analytics in the cloud layer | |
Adhikari et al. | A distinctive real-time information for industries and new business opportunity analysis offered by SAP and AnyLogic simulation | |
Overbeck et al. | Development and analysis of digital twins of production systems | |
Chen | Production planning and control in semiconductor manufacturing: Big data analytics and industry 4.0 applications | |
CN117171961A (zh) | 一种用于工业互联网的数据流实时处理方法和*** | |
CN114119202B (zh) | 一种信贷管理平台的自动化配置方法及*** | |
Yang et al. | Streaming data analysis framework for cyber-physical system of metal machining processes | |
Pizoń et al. | Manufacturing process support using artificial intelligence | |
KR102352658B1 (ko) | 건설 사업 정보 관리 시스템 및 이의 제어 방법 |
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 |