开云优惠体育网页版入口

专利名称：一种基于大数据的生产监测系统及方法

专利类型：发明专利

专利申请号：CN202411180312.5

专利申请（专利权）人：厦门宝益开云优惠体育网页版入口有限公司
权利人地址：福建省厦门市火炬高新区(翔安)产业区洪溪路6-3号五楼

专利发明（设计）人：刘征,吕友训,金晓明

专利摘要：本发明涉及大数据监测技术领域，尤其涉及一种基于大数据的生产监测系统及方法。所述方法包括以下步骤：获取原材料数据集；对原材料数据集进行数据预处理，得到标准原材料数据集；提取标准原材料数据集的质量数据，生成原材料质量数据；对原材料质量数据进行参数合规性分析，得到质量参数分析数据；利用预设的标准质量参数阈值对质量参数分析数据进行标记，生成原材料质量超标数据。本发明通过物联网技术、机器学习技术、智能控制技术和可视化技术，实现对环氧板加热片和PTC加热片生产过程进行实时监测和预警，降低了生产中断的风险；并且对生产过程进行智能生产控制，增强了灵活性和适应性。

主权利要求：
1.一种基于大数据的生产监测方法，其特征在于，包括以下步骤：
步骤S1：获取原材料数据集；对原材料数据集进行数据预处理，得到标准原材料数据集；提取标准原材料数据集的质量数据，生成原材料质量数据；
步骤S2：对原材料质量数据进行参数合规性分析，得到质量参数分析数据；利用预设的标准质量参数阈值对质量参数分析数据进行标记，生成原材料质量超标数据；
步骤S3：获取生产线上的设备运行信息；对设备运行信息进行异常检测，生成设备运行异常数据；对设备运行异常数据和原材料质量超标数据进行异常情况整合，生成异常超标数据；
步骤S4：获取工艺参数信息；对工艺参数信息进行工艺调整分析，得到工艺分析数据；
对工艺分析数据和异常超标数据进行智能生产控制，生成生产控制数据；根据生产控制数据进行生产控制策略模型构建，得到生产调控策略模型；步骤S4包括以下步骤：步骤S41：利用传感器获取工艺参数信息；
步骤S42：对工艺参数信息进行环氧板加热片和PTC加热片温度均匀性分析，生成温度均匀性数据；利用温度均匀性数据对工艺参数信息进行加热均匀性影响评估，生成加热均匀性影响数据；
步骤S43：对工艺参数信息进行环氧板加热片和PTC加热片加工过程时间分析，生成加工时间数据；利用加工时间数据对工艺参数信息进行生产效率影响评估，生成生产效率影响数据；
步骤S44：对工艺参数信息进行环氧板加热片和PTC加热片表面处理过程控制分析，生成表面处理数据；利用表面处理数据对工艺参数信息进行表面光洁度影响评估，生成表面光洁度影响数据；
步骤S45：对加热均匀性影响数据、生产效率影响数据和表面光洁度影响数据进行工艺调整分析，得到工艺分析数据；
步骤S46：对工艺分析数据和异常超标数据进行智能生产控制，生成生产控制数据；其中，步骤S46包括：步骤S461：对工艺分析数据进行周期性分析，得到工艺分析时序趋势图；
步骤S462：对工艺分析时序趋势图进行峰谷差值计算，得到工艺峰谷差值数据；
步骤S463：将工艺峰谷差值数据和预设的工艺参数标准阈值进行对比，当工艺峰谷差值数据大于预设的工艺参数标准阈值时，则对工艺参数信息进行控制参数调整，生成工艺参数控制调整策略；当工艺峰谷差值数据小于或等于预设的工艺参数标准阈值时，则对工艺参数信息进行工艺流程优化，生成工艺流程优化策略；将工艺参数控制调整策略和工艺流程优化策略进行规则整合，生成工艺调控规则；
步骤S464：对异常超标数据进行标签处理，得到异常标签数据；
步骤S465：对异常标签数据进行标签归类处理，得到标签归类数据；
步骤S466：通过标签归类数据对生产异常情况进行分析，得到异常原因分析数据；根据异常原因分析数据对生产过程进行异常处理快速响应，生成异常情况控制规则；
步骤S467：对工艺调控规则和异常情况控制规则进行控制措施智能执行，生成生产控制数据；
步骤S47：根据生产控制数据进行生产控制策略模型构建，得到生产控制策略预模型；
并利用生产控制数据对生产控制策略预模型进行模型训练，得到生产控制策略训练模型；
对生产控制策略训练模型进行模型交叉验证评估，得到生产控制策略模型评估数据；通过生产控制策略模型评估数据对生产控制策略训练模型进行模型参数调整，得到生产控制策略模型；
步骤S5：根据生产调控策略模型对原材料质量数据、设备运行信息和工艺参数信息进行环氧板加热片和PTC加热片生产过程实时监测，生成实时生产监测开云优惠体育网页版入口；对实时生产监测开云优惠体育网页版入口进行预警分析，得到预警信息；提取实时生产监测开云优惠体育网页版入口的正常生产数据，得到正常生产信息；其中，步骤S5包括：步骤S51：通过生产调控策略模型对原材料质量数据进行实时理化性能监测，得到原材料质量实时监测数据；
步骤S52：通过生产调控策略模型对设备运行信息进行实时运行状态监测，得到设备运行实时监测数据；
步骤S53：通过生产调控策略模型对工艺参数信息进行实时加工条件监测，得到工艺实时监测数据；
步骤S54：对原材料质量实时监测数据、设备运行实时监测数据和工艺实时监测数据进行整合，生成实时生产监测开云优惠体育网页版入口；
步骤S55：对实时生产监测开云优惠体育网页版入口进行预警分析，得到预警信息；提取实时生产监测开云优惠体育网页版入口的正常生产数据，得到正常生产信息；其中，步骤S55包括：步骤S551：对实时生产监测开云优惠体育网页版入口进行多维度异常分析，得到实时多维异常数据；
步骤S552：通过实时多维异常数据进行阶段分析，得到实时异常阶段数据；
步骤S553：对实时异常阶段数据进行权重划分处理，得到异常阶段权重数据；对异常阶段权重数据进行优先级特征提。梢斐＝锥斡畔仁荩
步骤S554：根据异常阶段优先数据进行等级评分，得到等级评分数据；根据等级评分数据进行预警分析，得到预警信息；
步骤S555：识别实时生产监测开云优惠体育网页版入口的正常生产状态，得到正常生产状态数据；提取正常生产状态数据的生产数据，得到正常生产信息；
步骤S6：根据实时生产监测开云优惠体育网页版入口进行可视化平台构建，得到实时生产监测可视化平台；
基于实时生产监测可视化平台将预警信息和正常生产信息发送至生产团队指定设备，以执行环氧板加热片和PTC加热片生产监测作业。
2.根据权利要求1所述的基于大数据的生产监测方法，其特征在于，步骤S1包括以下步骤：步骤S11：利用传感器获取原材料数据集；
步骤S12：对原材料数据集进行数据预处理，得到标准原材料数据集，其中数据预处理包括数据解密、数据清洗、数据去噪和数据标准化；
步骤S13：对标准原材料数据集进行质量特征识别，得到质量特征信息；根据质量特征信息对标准原材料数据集进行质量数据筛。稍牧现柿渴。
3.根据权利要求1所述的基于大数据的生产监测方法，其特征在于，步骤S2包括以下步骤：步骤S21：提取原材料质量数据的特征数值，得到质量特征数值，其中质量特征数值包括原材料化学成分数据、物理特性数据和机械特性数据；
步骤S22：对原材料化学成分数据、物理特性数据和机械特性数据进行加权平均计算，生成加权平均质量数据；
步骤S23：对加权平均质量数据进行参数合规性分析，得到质量参数分析数据；
步骤S24：将质量参数分析数据和预设的标准质量参数阈值进行对比，当质量参数分析数据小于或等于预设的标准质量参数阈值时，则对质量参数分析数据进行正常记录；当质量参数分析数据大于预设的标准质量参数阈值时，则对质量参数分析数据进行异常标记，生成原材料质量超标数据。
4.根据权利要求1所述的基于大数据的生产监测方法，其特征在于，步骤S3包括以下步骤：步骤S31：利用传感器获取生产线上的设备运行信息；
步骤S32：提取设备运行信息的工作特征，生成设备运行工作特征向量；
步骤S33：对设备运行工作特征向量进行异常检测，生成设备运行异常数据；
步骤S34：对设备运行异常数据和原材料质量超标数据进行异常情况整合，生成异常超标数据，其中异常情况整合包括设备运行异常种类、原材料质量超标类型和异常持续时间。
5.根据权利要求1所述的基于大数据的生产监测方法，其特征在于，步骤S6包括以下步骤：步骤S61：根据实时生产监测开云优惠体育网页版入口进行可视化平台构建，得到实时生产监测可视化平台，其中实时生产监测可视化平台构建包括原材料质量实时监测界面构建、设备运行实时监测界面构建和工艺实时监测界面构建；
步骤S62：基于实时生产监测可视化平台进行数据流分区，得到数据流分区信息；
步骤S63：根据数据流分区信息对预警信息和正常生产信息进行区分，并将预警信息和正常生产信息发送至生产团队指定设备，以执行环氧板加热片和PTC加热片生产监测作业。
6.一种基于大数据的生产监测系统，其特征在于，用于执行如权利要求1所述的基于大数据的生产监测方法，所述基于大数据的生产监测系统包括：原材料质量数据模块，用于获取原材料数据集；对原材料数据集进行数据预处理，得到标准原材料数据集；提取标准原材料数据集的质量数据，生成原材料质量数据；
质量状态评估模块，用于对原材料质量数据进行参数合规性分析，得到质量参数分析数据；利用预设的标准质量参数阈值对质量参数分析数据进行标记，生成原材料质量超标数据；
异常超标数据模块，用于获取生产线上的设备运行信息；对设备运行信息进行异常检测，生成设备运行异常数据；对设备运行异常数据和原材料质量超标数据进行异常情况整合，生成异常超标数据；
调控策略模型模块，用于获取工艺参数信息；对工艺参数信息进行工艺调整分析，得到工艺分析数据；对工艺分析数据和异常超标数据进行智能生产控制，生成生产控制数据；根据生产控制数据进行生产控制策略模型构建，得到生产调控策略模型；
实时监测模块，用于根据生产调控策略模型对原材料质量数据、设备运行信息和工艺参数信息进行环氧板加热片和PTC加热片生产过程实时监测，生成实时生产监测开云优惠体育网页版入口；对实时生产监测开云优惠体育网页版入口进行预警分析，得到预警信息；提取实时生产监测开云优惠体育网页版入口的正常生产数据，得到正常生产信息；
可视化模块，用于根据实时生产监测开云优惠体育网页版入口进行可视化平台构建，得到实时生产监测可视化平台；基于实时生产监测可视化平台将预警信息和正常生产信息发送至生产团队指定设备，以执行环氧板加热片和PTC加热片生产监测作业。 说明书 : 一种基于大数据的生产监测系统及方法技术领域[0001] 本发明涉及大数据监测技术领域，尤其涉及一种基于大数据的生产监测系统及方法。背景技术[0002] 环氧板加热片和PTC加热片作为广泛应用于电子设备、医疗设备、汽车部件等领域的关键组件，其生产过程的监测和控制对于保证产品质量和生产效率至关重要。从早期依赖人工检测和简单的机械测量，到现代的自动化和数字化监测，生产监测技术经历了显著的变革。最初，生产监测主要依靠操作员的直接观察和基础的测量工具，这种方法不仅效率低下，而且准确性和一致性难以保证。随着传感器技术、数据采集技术以及计算机技术的发展，生产监测开始向自动化和数字化转型，提高了监测的效率和准确性。近年来，大数据和人工智能技术的兴起进一步推动了生产监测系统的智能化和精准化。然而，现有的环氧板加热片和PTC加热片生产监测系统在异常检测方面存在滞后性，难以实现实时监测和预警，从而增加了生产中断的风险，影响了生产效率和产品质量；并且传统的生产调控策略基于固定的规则和经验，缺乏灵活性和适应性，在面对复杂多变的生产环境时，难以实现有效的智能调控。发明内容[0003] 基于此，有必要提供一种基于大数据的生产监测系统及方法，以解决至少一个上述技术问题。[0004] 为实现上述目的，一种基于大数据的生产监测方法，所述方法包括以下步骤：[0005] 步骤S1：获取原材料数据集；对原材料数据集进行数据预处理，得到标准原材料数据集；提取标准原材料数据集的质量数据，生成原材料质量数据；[0006] 步骤S2：对原材料质量数据进行参数合规性分析，得到质量参数分析数据；利用预设的标准质量参数阈值对质量参数分析数据进行标记，生成原材料质量超标数据；[0007] 步骤S3：获取生产线上的设备运行信息；对设备运行信息进行异常检测，生成设备运行异常数据；对设备运行异常数据和原材料质量超标数据进行异常情况整合，生成异常超标数据；[0008] 步骤S4：获取工艺参数信息；对工艺参数信息进行工艺调整分析，得到工艺分析数据；对工艺分析数据和异常超标数据进行智能生产控制，生成生产控制数据；根据生产控制数据进行生产控制策略模型构建，得到生产调控策略模型；[0009] 步骤S5：根据生产调控策略模型对原材料质量数据、设备运行信息和工艺参数信息进行环氧板加热片和PTC加热片生产过程实时监测，生成实时生产监测开云优惠体育网页版入口；对实时生产监测开云优惠体育网页版入口进行预警分析，得到预警信息；提取实时生产监测开云优惠体育网页版入口的正常生产数据，得到正常生产信息；[0010] 步骤S6：根据实时生产监测开云优惠体育网页版入口进行可视化平台构建，得到实时生产监测可视化平台；基于实时生产监测可视化平台将预警信息和正常生产信息发送至生产团队指定设备，以执行环氧板加热片和PTC加热片生产监测作业。[0011] 本发明通过获取原材料数据集，确保了生产监测系统能够全面覆盖所有关键原材料属性，为后续的质量控制和工艺优化提供坚实的数据基。栽牧鲜菁惺菰ご，能够显著提高原材料质量数据的准确性和一致性，减少了不同数据源和测量方法带来的偏差，得到标准原材料数据集，使得无需对原材料质量的重复检测，提升了生产效率，提取标准原材料数据集的质量数据，生成原材料质量数据，准确的原材料质量数据为生产管理人员提供了直观的决策支持，有助于及时发现和解决质量问题。通过原材料质量数据进行参数合规性分析，确保原材料质量数据的高标准和一致性，利用预设的质量参数阈值进行标记，能够及时发现并标记出不符合标准的原材料，从而避免劣质材料进入生产流程，减少生产风险和成本，生成的原材料质量超标数据为后续的质量控制和材料选择提供了直接的参考，增强了生产过程的透明度和可预测性。通过获取生产线上设备运行信息，实现对设备状态的实时监控，对设备运行信息进行异常检测，生成设备运行异常数据，能够及时发现并标记设备运行中的异常情况，有助于预防生产中断和设备故障，减少停机时间和维修成本，对设备运行异常数据和原材料质量超标数据进行异常情况整合，生成异常超标数据，为生产过程提供了异常超标数据。通过获取工艺参数信息，能够掌握生产过程的工艺的精确度，为后续的工艺优化提供了数据基。怨ひ詹问畔⒔泄ひ盏髡治，得到工艺分析数据，确保生产过程能够根据实时反馈进行动态调整，从而提高生产效率和产品质量，结合工艺分析数据和异常超标数据进行智能生产控制，能够及时响应生产中的各种变化，生成生产控制数据，根据生产控制数据进行生产控制策略模型构建，得到生产调控策略模型，为生产过程提供了科学、系统的决策支持，使得生产调控更加精准和高效。通过应用生产调控策略模型对原材料质量数据、设备运行信息和工艺参数信息进行环氧板加热片和PTC加热片生产过程实时监测，确保了生产活动的连续性，生成实时生产监测开云优惠体育网页版入口为生产团队提供了即时的生产状态反。沟蒙侍饽鼙谎杆偈侗鸷拖煊，对实时生产监测开云优惠体育网页版入口进行预警分析，得到预警信息，预警信息能够生产团队告知生产风险，从而采取措施，减少生产中断和质量事故；同时，提取实时生产监测开云优惠体育网页版入口的正常生产数据，得到正常生产信息，有助于生产团队知悉当前生产信息，从而能优化生产流程和提高效率。通过构建实时生产监测可视化平台，能够显著提升生产监测的直观性和便捷性，使得生产团队能够通过图形化界面直观地理解复杂的生产数据和状态，从而更快速地做出决策，基于实时生产监测可视化平台将预警信息和正常生产信息发送至生产团队指定设备，确保了信息传递的及时性和准确性，增强了生产团队对生产过程的控制能力。因此，本发明通过物联网技术、机器学习技术、智能控制技术和可视化技术，实现对环氧板加热片和PTC加热片生产过程进行实时监测和预警，降低了生产中断的风险；并且对生产过程进行智能生产控制，增强了灵活性和适应性。[0012] 优选的，步骤S1包括以下步骤：[0013] 步骤S11：利用传感器获取原材料数据集；[0014] 步骤S12：对原材料数据集进行数据预处理，得到标准原材料数据集，其中数据预处理包括数据解密、数据清洗、数据去噪和数据标准化；[0015] 步骤S13：对标准原材料数据集进行质量特征识别，得到质量特征信息；根据质量特征信息对标准原材料数据集进行质量数据筛。稍牧现柿渴。[0016] 本发明通过传感器获取原材料数据集，确保了数据的时效性和准确性，为后续分析提供了原始且全面的信息，对原材料数据集进行数据预处理，得到标准原材料数据集，确保了数据的质量和一致性，为精确分析打下了坚实基。繁Ａ耸萁峁挠行，对标准原材料数据集进行质量特征识别，得到质量特征信息，能够捕捉到原材料的关键质量属性，根据质量特征信息对标准原材料数据集进行质量数据筛。稍牧现柿渴，进一步确保只有符合标准的高质量原材料被用于生产，提高了原材料的利用率和生产效率，并且降低了因材料质量问题导致的生产风险和成本。[0017] 优选的，步骤S2包括以下步骤：[0018] 步骤S21：提取原材料质量数据的特征数值，得到质量特征数值，其中质量特征数值包括原材料化学成分数据、物理特性数据和机械特性数据；[0019] 步骤S22：对原材料化学成分数据、物理特性数据和机械特性数据进行加权平均计算，生成加权平均质量数据；[0020] 步骤S23：对加权平均质量数据进行参数合规性分析，得到质量参数分析数据；[0021] 步骤S24：将质量参数分析数据和预设的标准质量参数阈值进行对比，当质量参数分析数据小于或等于预设的标准质量参数阈值时，则对质量参数分析数据进行正常记录；当质量参数分析数据大于预设的标准质量参数阈值时，则对质量参数分析数据进行异常标记，生成原材料质量超标数据。[0022] 本发明通过提取原材料质量数据的原材料化学成分数据、物理特性数据和机械特性数据，得到质量特征数值，为后续的质量评估提供了全面的特征数值，对原材料化学成分数据、物理特性数据和机械特性数据进行加权平均计算，生成加权平均质量数据，能够综合反映了原材料的整体质量水平，对加权平均质量数据进行参数合规性分析，得到质量参数分析数据，进一步确保原材料质量满足既定标准，将质量参数分析数据和预设的标准质量参数阈值进行对比，实现了对原材料质量的精确控制，当分析得出的质量参数值小于或等于设定的阈值时，将这些数据正常记录，表明原材料符合生产要求，可以顺利进入下一生产阶段，相反，当质量参数分析数据超出预设阈值，将进行异常标记，生成原材料质量超标数据，提高了问题识别的速度和准确性，还为后续的质量调控提供了重要依据。[0023] 优选的，步骤S3包括以下步骤：[0024] 步骤S31：利用传感器获取生产线上的设备运行信息；[0025] 步骤S32：提取设备运行信息的工作特征，生成设备运行工作特征向量；[0026] 步骤S33：对设备运行工作特征向量进行异常检测，生成设备运行异常数据；[0027] 步骤S34：对设备运行异常数据和原材料质量超标数据进行异常情况整合，生成异常超标数据，其中异常情况整合包括设备运行异常种类、原材料质量超标类型和异常持续时间。[0028] 本发明通过传感器获取生产线上的设备运行信息，为后续分析提供了实时数据支持，提取设备运行信息的工作特征，生成设备运行工作特征向量，使得设备的运行状态可以通过量化的方式进行评估，对设备运行工作特征向量进行异常检测，能够及时发现设备运行中的异常情况，并生成设备运行异常数据，将设备运行异常数据和原材料质量超标数据进行异常情况整合，生成异常超标数据，异常超标数据不仅包括设备的异常类型和原材料的质量超标类型，还考虑了异常的持续时间，从而提供了更全面的异常情况视角，帮使得生产团队能够快速响应设备故障和原材料质量问题，减少生产中断和质量事故的发生，同时，对异常情况的深入理解，可以优化维护策略和改进生产工艺，提高生产线的稳定性和生产效率。[0029] 优选的，步骤S4包括以下步骤：[0030] 步骤S41：利用传感器获取工艺参数信息；[0031] 步骤S42：对工艺参数信息进行环氧板加热片和PTC加热片温度均匀性分析，生成温度均匀性数据；利用温度均匀性数据对工艺参数信息进行加热均匀性影响评估，生成加热均匀性影响数据；[0032] 步骤S43：对工艺参数信息进行环氧板加热片和PTC加热片加工过程时间分析，生成加工时间数据；利用加工时间数据对工艺参数信息进行生产效率影响评估，生成生产效率影响数据；[0033] 步骤S44：对工艺参数信息进行环氧板加热片和PTC加热片表面处理过程控制分析，生成表面处理数据；利用表面处理数据对工艺参数信息进行表面光洁度影响评估，生成表面光洁度影响数据；[0034] 步骤S45：对加热均匀性影响数据、生产效率影响数据和表面光洁度影响数据进行工艺调整分析，得到工艺分析数据；[0035] 步骤S46：对工艺分析数据和异常超标数据进行智能生产控制，生成生产控制数据；[0036] 步骤S47：根据生产控制数据进行生产控制策略模型构建，得到生产控制策略预模型；并利用生产控制数据对生产控制策略预模型进行模型训练，得到生产控制策略训练模型；对生产控制策略训练模型进行模型交叉验证评估，得到生产控制策略模型评估数据；通过生产控制策略模型评估数据对生产控制策略训练模型进行模型参数调整，得到生产控制策略模型。[0037] 本发明通过传感器技术的应用确保了工艺参数信息的实时获。笮治鎏峁┝俗既返氖莼。ü露染刃、加工时间和表面处理关键工艺参数的深入分析，生成影响评估数据，影响评估数据直接关联到产品的加热均匀性、生产效率和表面光洁度，工艺调整分析需要综合影响数据，为生产过程提供了科学的工艺优化建议，对工艺分析数据和异常超标数据进行智能生产控制，生成生产控制数据，使得生产控制更加精准和动态，生成的生产控制数据为生产决策提供了实时指导，根据生产控制数据进行生产控制策略模型构建，得到生产控制策略预模型，能够实现对生产过程进行控制，利用生产控制数据对生产控制策略预模型进行模型训练，得到生产控制策略训练模型，使得生产控制策略训练模型能够对生产控制数据更加准确的识别，对生产控制策略训练模型进行模型交叉验证评估，得到生产控制策略模型评估数据，反映了生产控制策略模型的性能指标，确保了策略模型的准确性和适用性，通过生产控制策略模型评估数据对生产控制策略训练模型进行模型参数调整，得到生产控制策略模型，提高了生产过程的自动化和智能化水平，还增强了生产系统的灵活性和适应性，最终实现了产品质量的提升和生产效率的最大化。[0038] 优选的，步骤S46包括以下步骤：[0039] 步骤S461：对工艺分析数据进行周期性分析，得到工艺分析时序趋势图；[0040] 步骤S462：对工艺分析时序趋势图进行峰谷差值计算，得到工艺峰谷差值数据；[0041] 步骤S463：将工艺峰谷差值数据和预设的工艺参数标准阈值进行对比，当工艺峰谷差值数据大于预设的工艺参数标准阈值时，则对工艺参数信息进行控制参数调整，生成工艺参数控制调整策略；当工艺峰谷差值数据小于或等于预设的工艺参数标准阈值时，则对工艺参数信息进行工艺流程优化，生成工艺流程优化策略；将工艺参数控制调整策略和工艺流程优化策略进行规则整合，生成工艺调控规则；[0042] 步骤S464：对异常超标数据进行标签处理，得到异常标签数据；[0043] 步骤S465：对异常标签数据进行标签归类处理，得到标签归类数据；[0044] 步骤S466：通过标签归类数据对生产异常情况进行分析，得到异常原因分析数据；根据异常原因分析数据对生产过程进行异常处理快速响应，生成异常情况控制规则；[0045] 步骤S467：对工艺调控规则和异常情况控制规则进行控制措施智能执行，生成生产控制数据。[0046] 本发明通过工艺分析数据进行周期性分析，能够准确捕捉环氧板加热片和PTC加热片生产过程工艺的周期性变化规律，得到工艺分析时序趋势图，工艺分析时序趋势图帮助生产团队理解工艺参数波动的原因，对工艺分析时序趋势图进行峰谷差值计算，得到工艺峰谷差值数据，可以精确度量工艺波动的幅度和频率，确定工艺波动的强度和周期，通过工艺峰谷差值数据和预设的工艺参数标准阈值的对比，实现智能化的工艺调控规则，当工艺峰谷差值数据超过预设的工艺参数标准阈值时，则对工艺参数信息进行控制参数调整，以稳定工艺参数；当工艺峰谷差值数据在预期范围内时，则优化工艺流程以提升效率，将工艺参数控制调整策略和工艺流程优化策略进行规则整合，生成工艺调控规则，工艺调控规则整合了工艺参数控制调整策略和工艺流程优化策略的双重手段，能够快速适应不同的生产条件和需求变化，有效提升环氧板加热片和PTC加热片生产效率，对异常超标数据进行标签处理，得到异常标签数据，通过不同类型的异常进行分类和标记，提高异常标签数据的可读性和分析效率，对异常标签数据进行标签归类处理，得到标签归类数据，标签归类数据使得生产团队快速识别常见的异常模式，为异常处理提供重要参考，通过标签归类数据对生产异常情况进行分析，得到异常原因分析数据，异常原因分析数据展现生产过程中异常事件的出现原因，有助于制定针对性的异常处理措施，对工艺调控规则和异常情况控制规则进行控制措施智能执行，能够迅速应对生产过程中的各类变化和挑战，生成生产控制数据，能够实时调整优化生产工艺并对异常情况进行响应。[0047] 优选的，步骤S51包括以下步骤：[0048] 步骤S51：通过生产调控策略模型对原材料质量数据进行实时理化性能监测，得到原材料质量实时监测数据；[0049] 步骤S52：通过生产调控策略模型对设备运行信息进行实时运行状态监测，得到设备运行实时监测数据；[0050] 步骤S53：通过生产调控策略模型对工艺参数信息进行实时加工条件监测，得到工艺实时监测数据；[0051] 步骤S54：对原材料质量实时监测数据、设备运行实时监测数据和工艺实时监测数据进行整合，生成实时生产监测开云优惠体育网页版入口；[0052] 步骤S55：对实时生产监测开云优惠体育网页版入口进行预警分析，得到预警信息；提取实时生产监测开云优惠体育网页版入口的正常生产数据，得到正常生产信息。[0053] 本发明通过生产调控策略模型对原材料质量数据进行实时理化性能监测，得到原材料质量实时监测数据，持续监测原材料质量，确保其满足生产需求，从而避免了因材料问题导致的生产中断，通过生产调控策略模型对设备运行信息进行实时运行状态监测，得到设备运行实时监测数据，及时发现并处理设备异常，减少了设备故障对生产的影响，通过生产调控策略模型对工艺参数信息进行实时加工条件监测，得到工艺实时监测数据，保障了加工过程的稳定性和产品一致性，通过原材料质量实时监测数据、设备运行实时监测数据和工艺实时监测数据，生成实时生产监测开云优惠体育网页版入口，为生产决策提供了全面、准确的信息支持，对实时生产监测开云优惠体育网页版入口进行预警分析，得到预警信息，使得生产团队能够提前识别潜在风险，采取预防措施，降低生产损失；提取实时生产监测开云优惠体育网页版入口的正常生产数据，得到正常生产信息，则有助于优化生产流程，提高生产效率。[0054] 优选的，步骤S55包括以下步骤：[0055] 步骤S551：对实时生产监测开云优惠体育网页版入口进行多维度异常分析，得到实时多维异常数据；[0056] 步骤S552：通过实时多维异常数据进行阶段分析，得到实时异常阶段数据；[0057] 步骤S553：对实时异常阶段数据进行权重划分处理，得到异常阶段权重数据；对异常阶段权重数据进行优先级特征提。梢斐＝锥斡畔仁荩籟0058] 步骤S554：根据异常阶段优先数据进行等级评分，得到等级评分数据；根据等级评分数据进行预警分析，得到预警信息；[0059] 步骤S555：识别实时生产监测开云优惠体育网页版入口的正常生产状态，得到正常生产状态数据；提取正常生产状态数据的生产数据，得到正常生产信息。[0060] 本发明通过实时生产监测开云优惠体育网页版入口进行多维度异常分析，能够全面捕捉生产过程中的异常情况，得到实时多维异常数据，通过实时多维异常数据进行阶段分析，阶段分析进一步细化了异常发生的各个阶段，使得问题定位更为精准，得到实时异常阶段数据，对实时异常阶段数据进行权重划分处理，得到异常阶段权重数据；对异常阶段权重数据进行优先级特征提。梢斐＝锥斡畔仁，权重划分和优先级特征提取不仅突出了异常处理的紧迫性，还为生产团队提供了明确的处理顺序，根据异常阶段优先数据进行等级评分，得到等级评分数据；根据等级评分数据进行预警分析，得到预警信息，通过等级评分和预警分析能够对异常情况进行量化评估，生成具有实际指导意义的预警信息，从而提前采取措施，减少生产中断和质量缺陷，识别实时生产监测开云优惠体育网页版入口的正常生产状态，得到正常生产状态数据；提取正常生产状态数据的生产数据，确保生产流程的连续性和稳定性，得到正常生产信息，为生产优化提供了可靠的参考。[0061] 优选的，步骤S6包括以下步骤：[0062] 步骤S61：根据实时生产监测开云优惠体育网页版入口进行可视化平台构建，得到实时生产监测可视化平台，其中实时生产监测可视化平台构建包括原材料质量实时监测界面构建、设备运行实时监测界面构建和工艺实时监测界面构建；[0063] 步骤S62：基于实时生产监测可视化平台进行数据流分区，得到数据流分区信息；[0064] 步骤S63：根据数据流分区信息对预警信息和正常生产信息进行区分，并将预警信息和正常生产信息发送至生产团队指定设备，以执行环氧板加热片和PTC加热片生产监测作业。[0065] 本发明通过实时生产监测开云优惠体育网页版入口进行可视化平台构建，得到实时生产监测可视化平台，其中实时生产监测可视化平台构建包括原材料质量实时监测界面构建、设备运行实时监测界面构建和工艺实时监测界面构建，为生产团队提供了一个集中、直观的监控环境，使得监测数据易于理解和操作，并且增强了对生产过程的控制能力，基于实时生产监测可视化平台进行数据流分区，得到数据流分区信息，使得不同类型的信息如预警信息和正常生产信息能够被清晰地区分和管理，优化了信息处理流程，通过数据流分区信息对预警信息和正常生产信息进行区分，并将预警信息和正常生产信息发送至生产团队指定设备，确保了信息传递的及时性和准确性，使得生产团队能够迅速响应生产中的各种情况，及时调整生产策略，以执行环氧板加热片和PTC加热片生产监测作业。[0066] 在本说明书中，提供了一种基于大数据的生产监测系统，用于执行上述的基于大数据的生产监测方法，该基于大数据的生产监测系统包括：[0067] 原材料质量数据模块，用于获取原材料数据集；对原材料数据集进行数据预处理，得到标准原材料数据集；提取标准原材料数据集的质量数据，生成原材料质量数据；[0068] 质量状态评估模块，用于对原材料质量数据进行参数合规性分析，得到质量参数分析数据；利用预设的标准质量参数阈值对质量参数分析数据进行标记，生成原材料质量超标数据；[0069] 异常超标数据模块，用于获取生产线上的设备运行信息；对设备运行信息进行异常检测，生成设备运行异常数据；对设备运行异常数据和原材料质量超标数据进行异常情况整合，生成异常超标数据；[0070] 调控策略模型模块，用于获取工艺参数信息；对工艺参数信息进行工艺调整分析，得到工艺分析数据；对工艺分析数据和异常超标数据进行智能生产控制，生成生产控制数据；根据生产控制数据进行生产控制策略模型构建，得到生产调控策略模型；[0071] 实时监测模块，用于根据生产调控策略模型对原材料质量数据、设备运行信息和工艺参数信息进行环氧板加热片和PTC加热片生产过程实时监测，生成实时生产监测开云优惠体育网页版入口；对实时生产监测开云优惠体育网页版入口进行预警分析，得到预警信息；提取实时生产监测开云优惠体育网页版入口的正常生产数据，得到正常生产信息；[0072] 可视化模块，用于根据实时生产监测开云优惠体育网页版入口进行可视化平台构建，得到实时生产监测可视化平台；基于实时生产监测可视化平台将预警信息和正常生产信息发送至生产团队指定设备，以执行环氧板加热片和PTC加热片生产监测作业。[0073] 本发明通过构建一种基于大数据的生产监测系统，原材料质量数据模块通过获取原材料数据集，确保了生产监测系统能够全面覆盖所有关键原材料属性，为后续的质量控制和工艺优化提供坚实的数据基。栽牧鲜菁惺菰ご，能够显著提高原材料质量数据的准确性和一致性，减少了不同数据源和测量方法带来的偏差，得到标准原材料数据集，使得无需对原材料质量的重复检测，提升了生产效率，提取标准原材料数据集的质量数据，生成原材料质量数据，准确的原材料质量数据为生产管理人员提供了直观的决策支持，有助于及时发现和解决质量问题。质量状态评估模块通过原材料质量数据进行参数合规性分析，确保原材料质量数据的高标准和一致性，利用预设的质量参数阈值进行标记，能够及时发现并标记出不符合标准的原材料，从而避免劣质材料进入生产流程，减少生产风险和成本，生成的原材料质量超标数据为后续的质量控制和材料选择提供了直接的参考，增强了生产过程的透明度和可预测性。异常超标数据模块通过获取生产线上设备运行信息，实现对设备状态的实时监控，对设备运行信息进行异常检测，生成设备运行异常数据，能够及时发现并标记设备运行中的异常情况，有助于预防生产中断和设备故障，减少停机时间和维修成本，对设备运行异常数据和原材料质量超标数据进行异常情况整合，生成异常超标数据，为生产过程提供了异常超标数据。调控策略模型模块通过获取工艺参数信息，能够掌握生产过程的工艺的精确度，为后续的工艺优化提供了数据基。怨ひ詹问畔⒔泄ひ盏髡治，得到工艺分析数据，确保生产过程能够根据实时反馈进行动态调整，从而提高生产效率和产品质量，结合工艺分析数据和异常超标数据进行智能生产控制，能够及时响应生产中的各种变化，生成生产控制数据，根据生产控制数据进行生产控制策略模型构建，得到生产调控策略模型，为生产过程提供了科学、系统的决策支持，使得生产调控更加精准和高效。实时监测模块通过应用生产调控策略模型对原材料质量数据、设备运行信息和工艺参数信息进行环氧板加热片和PTC加热片生产过程实时监测，确保了生产活动的连续性，生成实时生产监测开云优惠体育网页版入口为生产团队提供了即时的生产状态反。沟蒙侍饽鼙谎杆偈侗鸷拖煊，对实时生产监测开云优惠体育网页版入口进行预警分析，得到预警信息，预警信息能够生产团队告知生产风险，从而采取措施，减少生产中断和质量事故；同时，提取实时生产监测开云优惠体育网页版入口的正常生产数据，得到正常生产信息，有助于生产团队知悉当前生产信息，从而能优化生产流程和提高效率。可视化模块通过构建实时生产监测可视化平台，能够显著提升生产监测的直观性和便捷性，使得生产团队能够通过图形化界面直观地理解复杂的生产数据和状态，从而更快速地做出决策，基于实时生产监测可视化平台将预警信息和正常生产信息发送至生产团队指定设备，确保了信息传递的及时性和准确性，增强了生产团队对生产过程的控制能力。因此，本发明通过物联网技术、机器学习技术、智能控制技术和可视化技术，实现对环氧板加热片和PTC加热片生产过程进行实时监测和预警，降低了生产中断的风险；并且对生产过程进行智能生产控制，增强了灵活性和适应性。附图说明[0074] 图1为一种基于大数据的生产监测方法的步骤流程示意图；[0075] 图2为图1中步骤S4的详细实施步骤流程示意图；[0076] 图3为图2中步骤S46的详细实施步骤流程示意图；[0077] 图4为图1中步骤S5的详细实施步骤流程示意图；[0078] 图5为图4中步骤S55的详细实施步骤流程示意图。[0079] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式[0080] 下面结合附图对本发明的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的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。[0081] 此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。[0082] 应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。[0083] 为实现上述目的，请参阅图1至图5，一种基于大数据的生产监测方法，包括以下步骤：[0084] 步骤S1：获取原材料数据集；对原材料数据集进行数据预处理，得到标准原材料数据集；提取标准原材料数据集的质量数据，生成原材料质量数据；[0085] 步骤S2：对原材料质量数据进行参数合规性分析，得到质量参数分析数据；利用预设的标准质量参数阈值对质量参数分析数据进行标记，生成原材料质量超标数据；[0086] 步骤S3：获取生产线上的设备运行信息；对设备运行信息进行异常检测，生成设备运行异常数据；对设备运行异常数据和原材料质量超标数据进行异常情况整合，生成异常超标数据；[0087] 步骤S4：获取工艺参数信息；对工艺参数信息进行工艺调整分析，得到工艺分析数据；对工艺分析数据和异常超标数据进行智能生产控制，生成生产控制数据；根据生产控制数据进行生产控制策略模型构建，得到生产调控策略模型；[0088] 步骤S5：根据生产调控策略模型对原材料质量数据、设备运行信息和工艺参数信息进行环氧板加热片和PTC加热片生产过程实时监测，生成实时生产监测开云优惠体育网页版入口；对实时生产监测开云优惠体育网页版入口进行预警分析，得到预警信息；提取实时生产监测开云优惠体育网页版入口的正常生产数据，得到正常生产信息；[0089] 步骤S6：根据实时生产监测开云优惠体育网页版入口进行可视化平台构建，得到实时生产监测可视化平台；基于实时生产监测可视化平台将预警信息和正常生产信息发送至生产团队指定设备，以执行环氧板加热片和PTC加热片生产监测作业。[0090] 本发明通过获取原材料数据集，确保了生产监测系统能够全面覆盖所有关键原材料属性，为后续的质量控制和工艺优化提供坚实的数据基。栽牧鲜菁惺菰ご，能够显著提高原材料质量数据的准确性和一致性，减少了不同数据源和测量方法带来的偏差，得到标准原材料数据集，使得无需对原材料质量的重复检测，提升了生产效率，提取标准原材料数据集的质量数据，生成原材料质量数据，准确的原材料质量数据为生产管理人员提供了直观的决策支持，有助于及时发现和解决质量问题。通过原材料质量数据进行参数合规性分析，确保原材料质量数据的高标准和一致性，利用预设的质量参数阈值进行标记，能够及时发现并标记出不符合标准的原材料，从而避免劣质材料进入生产流程，减少生产风险和成本，生成的原材料质量超标数据为后续的质量控制和材料选择提供了直接的参考，增强了生产过程的透明度和可预测性。通过获取生产线上设备运行信息，实现对设备状态的实时监控，对设备运行信息进行异常检测，生成设备运行异常数据，能够及时发现并标记设备运行中的异常情况，有助于预防生产中断和设备故障，减少停机时间和维修成本，对设备运行异常数据和原材料质量超标数据进行异常情况整合，生成异常超标数据，为生产过程提供了异常超标数据。通过获取工艺参数信息，能够掌握生产过程的工艺的精确度，为后续的工艺优化提供了数据基。怨ひ詹问畔⒔泄ひ盏髡治，得到工艺分析数据，确保生产过程能够根据实时反馈进行动态调整，从而提高生产效率和产品质量，结合工艺分析数据和异常超标数据进行智能生产控制，能够及时响应生产中的各种变化，生成生产控制数据，根据生产控制数据进行生产控制策略模型构建，得到生产调控策略模型，为生产过程提供了科学、系统的决策支持，使得生产调控更加精准和高效。通过应用生产调控策略模型对原材料质量数据、设备运行信息和工艺参数信息进行环氧板加热片和PTC加热片生产过程实时监测，确保了生产活动的连续性，生成实时生产监测开云优惠体育网页版入口为生产团队提供了即时的生产状态反。沟蒙侍饽鼙谎杆偈侗鸷拖煊，对实时生产监测开云优惠体育网页版入口进行预警分析，得到预警信息，预警信息能够生产团队告知生产风险，从而采取措施，减少生产中断和质量事故；同时，提取实时生产监测开云优惠体育网页版入口的正常生产数据，得到正常生产信息，有助于生产团队知悉当前生产信息，从而能优化生产流程和提高效率。通过构建实时生产监测可视化平台，能够显著提升生产监测的直观性和便捷性，使得生产团队能够通过图形化界面直观地理解复杂的生产数据和状态，从而更快速地做出决策，基于实时生产监测可视化平台将预警信息和正常生产信息发送至生产团队指定设备，确保了信息传递的及时性和准确性，增强了生产团队对生产过程的控制能力。因此，本发明通过物联网技术、机器学习技术、智能控制技术和可视化技术，实现对环氧板加热片和PTC加热片生产过程进行实时监测和预警，降低了生产中断的风险；并且对生产过程进行智能生产控制，增强了灵活性和适应性。[0091] 本发明实施例中，参考图1所述，为本发明一种基于大数据的生产监测方法的步骤流程示意图，在本实例中，所述一种基于大数据的生产监测方法包括以下步骤：[0092] 步骤S1：获取原材料数据集；对原材料数据集进行数据预处理，得到标准原材料数据集；提取标准原材料数据集的质量数据，生成原材料质量数据；[0093] 本发明实施例中，通过传感器实时监测并记录原材料物理和化学属性，其中物理和化学属性包括电阻率、热导率和密度数据，形成原始数据集，对原材料数据集进行数据预处理，数据预处理包括数据清洗以去除无效或错误数据，数据去噪以减少测量误差，数据标准化以统一不同来源数据的格式和单位，得到标准原材料数据集，从预处理后的数据集中提取关键的质量相关数据，其中质量相关数据包括化学成分、物理特性和机械特性数据，生成原材料质量数据，为后续的质量控制和工艺优化提供基础。[0094] 步骤S2：对原材料质量数据进行参数合规性分析，得到质量参数分析数据；利用预设的标准质量参数阈值对质量参数分析数据进行标记，生成原材料质量超标数据；[0095] 本发明实施例中，对原材料质量数据进行参数合规性分析，通过对比原材料的理化性质和预期的性能指标，确定其是否满足生产要求，使用统计工具方法，包括方差分析和假设检验，评估原材料的均值、分布和一致性是否在可接受范围内，得到的质量参数分析数据，根据预设的质量参数阈值对质量参数分析数据进行判断，并进行标记，若是质量参数分析数据超出了预设的质量参数阈值，则生成原材料质量超标数据，原材料质量超标数据详细列出不合格的参数和偏差程度，为后续的决策和纠正措施提供依据。[0096] 步骤S3：获取生产线上的设备运行信息；对设备运行信息进行异常检测，生成设备运行异常数据；对设备运行异常数据和原材料质量超标数据进行异常情况整合，生成异常超标数据；[0097] 本发明实施例中，通过在设备关键部位安装传感器实现监测和记录设备运行信息，其中设备运行信息包括温度、振动、电流和电压参数，利用数据分析技术包括机器学习算法、深度学习算法和规则引擎方法，对设备运行信息进行异常检测，识别数据中的异常模式或偏差，与正常运行时的基准数据进行比较，从而确定是否存在异常，一旦检测到异常，将生成设备运行异常数据，并详细记录异常的性质、时间和位置信息，将设备运行异常数据与原材料质量超标数据进行整合，通过数据关联和分析技术，将两种数据源中的异常情况进行对比和关联，识别出由原材料质量问题引起的设备异常，或者由设备故障导致的原材料加工问题，最终，生成的异常超标数据将包含所有相关的异常信息。[0098] 步骤S4：获取工艺参数信息；对工艺参数信息进行工艺调整分析，得到工艺分析数据；对工艺分析数据和异常超标数据进行智能生产控制，生成生产控制数据；根据生产控制数据进行生产控制策略模型构建，得到生产调控策略模型；[0099] 本发明实施例中，通过生产系统中的传感器获取工艺参数信息，其中工艺参数信息包括材料配比、流变特性和加热速率，工艺参数信息是产品质量的关键因素，获取工艺参数信息后，进行工艺调整分析，通过统计方法和机器学习算法，评估当前工艺参数设置对生产过程的影响，识别工艺调整改进点，其中工艺调整改进点包括调整加热温度以优化固化过程和改变压力以提高成型质量，得到工艺分析数据，通过集成的控制算法，如：呒蜕窬，将工艺分析数据与之前生成的异常超标数据相结合，进行智能生产控制，动态调整生产设备和工艺流程，以响应监测到的异常情况，生成生产控制数据，其中智能生产控制包括，若检测到原材料质量超标，将自动调整加工参数以补偿质量问题、调整生产速度以确保最终产品符合规格，最终，基于生成的生产控制数据，构建生产控制策略模型，使得生产过程能够实现更高的灵活性和适应性，确保在各种条件下都能维持最佳性能。[0100] 步骤S5：根据生产调控策略模型对原材料质量数据、设备运行信息和工艺参数信息进行环氧板加热片和PTC加热片生产过程实时监测，生成实时生产监测开云优惠体育网页版入口；对实时生产监测开云优惠体育网页版入口进行预警分析，得到预警信息；提取实时生产监测开云优惠体育网页版入口的正常生产数据，得到正常生产信息；[0101] 本发明实施例中，通过生产调控策略模型对环氧板加热片和PTC加热片生产过程的关键要素进行实时监测，生成实时生产监测开云优惠体育网页版入口，其中实时生产监测开云优惠体育网页版入口详细记录了原材料质量数据、设备运行信息和工艺参数信息的实时数据，通过模式识别技术对实时生产监测开云优惠体育网页版入口进行深入的预警分析，识别潜在的风险和问题，得到预警信息，并根据严重程度和紧急性对预警信息进行分类，从实时生产监测开云优惠体育网页版入口中提取正常生产数据，得到正常生产信息，正常生产信息被用来确认生产过程何时在控制范围内，确保生产稳定和产品质量。[0102] 步骤S6：根据实时生产监测开云优惠体育网页版入口进行可视化平台构建，得到实时生产监测可视化平台；基于实时生产监测可视化平台将预警信息和正常生产信息发送至生产团队指定设备，以执行环氧板加热片和PTC加热片生产监测作业。[0103] 本发明实施例中，根据实时生产监测开云优惠体育网页版入口进行可视化平台构建，利用数据可视化工具和技术，包括图表、仪表盘和实时数据流，将实时生产监测开云优惠体育网页版入口中的数据转换为图形界面，得到实时生产监测可视化平台，基于实时生产监测可视化平台，能够将预警信息和正常生产信息通过有线或无线网络传输发送至生产团队指定设备，其中生产团队的指定设备包括移动设备和个人电脑，确保生产团队能够实时接收到最新的生产状态，以执行环氧板加热片和PTC加热片生产监测作业。[0104] 优选的，步骤S1包括以下步骤：[0105] 步骤S11：利用传感器获取原材料数据集；[0106] 步骤S12：对原材料数据集进行数据预处理，得到标准原材料数据集，其中数据预处理包括数据解密、数据清洗、数据去噪和数据标准化；[0107] 步骤S13：对标准原材料数据集进行质量特征识别，得到质量特征信息；根据质量特征信息对标准原材料数据集进行质量数据筛。稍牧现柿渴。[0108] 本发明实施例中，将传感器被部署在原材料存储或加工区域，实时监测并记录原材料的关键物理和化学属性，如电阻率、热导率和密度数据，将收集到的原始数据进行数据预处理，首先，进行数据解密，确保数据在传输和存储过程中的安全性。接着，进行数据清洗，移除无效或错误数据，如缺失值或异常值。然后，数据去噪，减少测量过程中产生的噪声，提高数据的准确性。最后，数据标准化，将不同格式和单位的数据转换为统一格式，得到标准原材料数据集，利用数据分析工具，如统计分析和机器学习算法，对标准原材料数据集进行质量特征识别，从标准原材料数据集中提取关键的质量特征，得到质量特征信息，其中质量特征信息包括化学成分、物理特性和机械特性，根据这些质量特征信息对数据集进行进一步的质量数据筛。侗鸪龇仙蟮脑牧，生成原材料质量数据。[0109] 优选的，步骤S2包括以下步骤：[0110] 步骤S21：提取原材料质量数据的特征数值，得到质量特征数值，其中质量特征数值包括原材料化学成分数据、物理特性数据和机械特性数据；[0111] 步骤S22：对原材料化学成分数据、物理特性数据和机械特性数据进行加权平均计算，生成加权平均质量数据；[0112] 步骤S23：对加权平均质量数据进行参数合规性分析，得到质量参数分析数据；[0113] 步骤S24：将质量参数分析数据和预设的标准质量参数阈值进行对比，当质量参数分析数据小于或等于预设的标准质量参数阈值时，则对质量参数分析数据进行正常记录；当质量参数分析数据大于预设的标准质量参数阈值时，则对质量参数分析数据进行异常标记，生成原材料质量超标数据。[0114] 本发明实施例中，通过从原材料质量数据中提取关键的质量特征数值，其中质量特征数值包括原材料化学成分数据、物理特性数据和机械特性数据，更具体的是元素含量、比重、熔点、硬度和拉伸强度，对原材料化学成分数据、物理特性数据和机械特性数据进行加权平均计算，生成加权平均质量数据，加权过程考虑不同特征对最终产品质量影响的重要性，通过分配不同的权重来计算各特征的综合影响，其中包括对于环氧板加热片，更重视热稳定性和电阻率，而对于PTC加热片，则更关注电阻随温度变化的特性，通过方差分析和假设检验，对生成的加权平均质量数据进行参数合规性分析，通过比较加权平均值与材料规格书中规定的标准，确定原材料是否满足生产要求，以此来评估数据的一致性和符合性，得到质量参数分析数据，将质量参数分析数据与预设的标准质量参数阈值进行对比，若质量参数分析数据在阈值范围内，表明原材料质量合格，并将这些数据进行正常记录。相反，若质量参数分析数据超出阈值，将标记为异常，并生成原材料质量超标数据。[0115] 优选的，步骤S3包括以下步骤：[0116] 步骤S31：利用传感器获取生产线上的设备运行信息；[0117] 步骤S32：提取设备运行信息的工作特征，生成设备运行工作特征向量；[0118] 步骤S33：对设备运行工作特征向量进行异常检测，生成设备运行异常数据；[0119] 步骤S34：对设备运行异常数据和原材料质量超标数据进行异常情况整合，生成异常超标数据，其中异常情况整合包括设备运行异常种类、原材料质量超标类型和异常持续时间。[0120] 本发明实施例中，通过在设备的电机、轴承和加热元件关键部位部署传感器，实时获取备运行信息，其中备运行信息包括温度、振动、电流和电压，提取设备运行信息的工作特征，其中工作特征包括设备的工作周期、负载变化和能耗模式，利用信号处理技术，如傅里叶变换和小波变换，将设备运行信息转换为工作特征向量，工作特征向量能够代表设备运行的典型模式，通过异常检测算法，如机器学习模型或统计阈值方法，对这些设备运行工作特征向量进行异常检测，通过比较当前特征向量与正常操作状态下的特征向量，识别偏离正常模式的偏差，从而生成设备运行异常数据，将设备运行异常数据与原材料质量超标数据进行整合关联和分析，并记录设备运行异常的种类、原材料质量超标的类型，以及这些异常的持续时间，通过这种整合，生成的异常超标数据为生产团队提供了一个全面、综合的异常情况数据，便于进行故障诊断和生产调整。[0121] 作为本发明的一个实例，参考图2所示，在本实例中所述步骤S4包括：[0122] 步骤S41：利用传感器获取工艺参数信息；[0123] 步骤S42：对工艺参数信息进行环氧板加热片和PTC加热片温度均匀性分析，生成温度均匀性数据；利用温度均匀性数据对工艺参数信息进行加热均匀性影响评估，生成加热均匀性影响数据；[0124] 步骤S43：对工艺参数信息进行环氧板加热片和PTC加热片加工过程时间分析，生成加工时间数据；利用加工时间数据对工艺参数信息进行生产效率影响评估，生成生产效率影响数据；[0125] 步骤S44：对工艺参数信息进行环氧板加热片和PTC加热片表面处理过程控制分析，生成表面处理数据；利用表面处理数据对工艺参数信息进行表面光洁度影响评估，生成表面光洁度影响数据；[0126] 步骤S45：对加热均匀性影响数据、生产效率影响数据和表面光洁度影响数据进行工艺调整分析，得到工艺分析数据；[0127] 步骤S46：对工艺分析数据和异常超标数据进行智能生产控制，生成生产控制数据；[0128] 步骤S47：根据生产控制数据进行生产控制策略模型构建，得到生产控制策略预模型；并利用生产控制数据对生产控制策略预模型进行模型训练，得到生产控制策略训练模型；对生产控制策略训练模型进行模型交叉验证评估，得到生产控制策略模型评估数据；通过生产控制策略模型评估数据对生产控制策略训练模型进行模型参数调整，得到生产控制策略模型。[0129] 本发明实施例中，通过传感器技术来捕获环氧板加热片和PTC加热片生产过程中的工艺参数，其中工艺参数信息包括材料配比、流变特性和加热速率，对工艺参数信息进行温度均匀性分析，通过比较不同位置或时间段的测量值，生成温度均匀性数据，利用温度均匀性数据评估加热均匀性对产品质量的影响，生成加热均匀性影响数据，通过记录和分析生产每个部件所需的时间，生成加工时间数据，加工时间数据被用来评估生产效率，生成生产效率影响数据，通过监测和分析表面处理相关的工艺参数，生成表面处理数据。利用表面处理数据评估表面光洁度，生成表面光洁度影响数据，将加热均匀性影响数据、生产效率影响数据和表面光洁度影响数据综合起来，进行工艺调整分析，帮助生产团队确定如何调整工艺参数以优化生产过程，生成工艺分析数据，通过将工艺分析数据与异常超标数据相结合，进行智能生产控制，生成生产控制数据。根据生产控制数据进行生产控制策略模型构建，首先，根据生产控制数据生成预模型。然后，利用生产控制数据对预模型进行训练，训练过程中，模型的参数通过反向传播算法不断优化，以最小化预测输出与实际输出之间的误差。模型包含多个隐藏层，每层有若干神经元，每个神经元通过激活函数处理输入信号，如ReLU（RectifiedLinearUnit）或Sigmoid函数，在训练完成后，进行模型交叉验证评估，使用训练集训练模型，并在验证集上评估模型性能，评估指标包括准确率、召回率、F1分数和均方误差（MSE），根据评估数据，对训练模型的参数进行调整，其中调整操作包括调整学习率；隐藏层的神经元数量增减、更改激活函数和优化算法，从而提高模型的泛化能力，调整后的模型再次进行训练和评估，直至达到满意的性能标准，最终，得到的生产控制策略模型能够根据实时输入数据动态调整生产过程，生成生产控制数据，指导生产设备和工艺参数的自动调整。[0130] 作为本发明的一个实例，参考图3所示，在本实例中所述步骤S46包括：[0131] 步骤S461：对工艺分析数据进行周期性分析，得到工艺分析时序趋势图；[0132] 步骤S462：对工艺分析时序趋势图进行峰谷差值计算，得到工艺峰谷差值数据；[0133] 步骤S463：将工艺峰谷差值数据和预设的工艺参数标准阈值进行对比，当工艺峰谷差值数据大于预设的工艺参数标准阈值时，则对工艺参数信息进行控制参数调整，生成工艺参数控制调整策略；当工艺峰谷差值数据小于或等于预设的工艺参数标准阈值时，则对工艺参数信息进行工艺流程优化，生成工艺流程优化策略；将工艺参数控制调整策略和工艺流程优化策略进行规则整合，生成工艺调控规则；[0134] 步骤S464：对异常超标数据进行标签处理，得到异常标签数据；[0135] 步骤S465：对异常标签数据进行标签归类处理，得到标签归类数据；[0136] 步骤S466：通过标签归类数据对生产异常情况进行分析，得到异常原因分析数据；根据异常原因分析数据对生产过程进行异常处理快速响应，生成异常情况控制规则；[0137] 步骤S467：对工艺调控规则和异常情况控制规则进行控制措施智能执行，生成生产控制数据。[0138] 本发明实施例中，通过时间序列分析方法，如移动平均或指数平滑，对工艺分析数据执行周期性分析，生成工艺分析时序趋势图，工艺分析时序趋势图能够展示工艺参数随时间的变化情况，为进一步分析提供可视化的参考，通常通过识别趋势图中的最高点（峰值）和最低点（谷值），对生成的工艺分析时序趋势图进行峰谷差值计算，并计算它们之间的差值来完成，得到工艺峰谷差值数据，将工艺峰谷差值数据与预设的工艺参数标准阈值进行比较，若峰谷差值大于阈值，表明工艺参数波动超出了可接受范围，需要调整控制参数，此时生成工艺参数控制调整策略，其中工艺参数控制调整策略包括改变加热速率和调整压力设定，若峰谷差值小于或等于阈值，则会生成工艺流程优化策略，工艺流程优化策略包括改进材料配比和优化设备操作顺序，将工艺参数控制调整策略和工艺流程优化策略进行规则整合，生成工艺调控规则。对异常超标数据进行标签处理，生成异常标签数据，其中异常标签数据包括“温度超标”和“压力异常”，用于快速识别和分类异常类型，对异常标签数据进行归类处理，生成标签归类数据，有助于将相似的异常情况归为一类，便于进行模式识别和原因分析，通过标签归类数据对生产异常情况进行深入分析，得到异常原因分析数据，异常原因分析数据有助于识别导致异常的根本原因，如设备故障、操作失误和材料缺陷，根据工艺调控规则和异常情况控制规则，智能执行控制措施，其中智能执行控制措施包括自动调整设备参数或提醒操作员进行手动干预，生成生产控制数据，确保生产过程的稳定性和产品质量。[0139] 作为本发明的一个实例，参考图4所示，在本实例中所述步骤S5包括：[0140] 步骤S51：通过生产调控策略模型对原材料质量数据进行实时理化性能监测，得到原材料质量实时监测数据；[0141] 步骤S52：通过生产调控策略模型对设备运行信息进行实时运行状态监测，得到设备运行实时监测数据；[0142] 步骤S53：通过生产调控策略模型对工艺参数信息进行实时加工条件监测，得到工艺实时监测数据；[0143] 步骤S54：对原材料质量实时监测数据、设备运行实时监测数据和工艺实时监测数据进行整合，生成实时生产监测开云优惠体育网页版入口；[0144] 步骤S55：对实时生产监测开云优惠体育网页版入口进行预警分析，得到预警信息；提取实时生产监测开云优惠体育网页版入口的正常生产数据，得到正常生产信息。[0145] 本发明实施例中，通过生产调控策略模型对原材料质量数据的理化性能进行实时监测，其中原材料质量数据的理化性能包括如电阻率、热导率和密度关键参数，通过传感器捕获并输入模型，生成原材料质量实时监测数据。通过生产调控策略模型对设备运行信息进行实时运行状态监测，其中设备运行状态数据包括温度、振动和速度，通过传感器捕获并输入模型，得到设备运行实时监测数据。通过生产调控策略模型对工艺参数信息进行实时加工条件监测，其中工艺加工条件包括材料配比、流变特性和加热速率，通过传感器捕获并输入模型，得到工艺实时监测数据。通过数据融合算法技术，将原材料质量实时监测数据、设备运行实时监测数据和工艺实时监测数据进行综合，生成一份全面的实时生产监测开云优惠体育网页版入口。通过分析算法，对实时生产监测开云优惠体育网页版入口进行预警分析，以识别异常或风险，生成预警信息。同时，开云优惠体育网页版入口中正常范围内的生产数据被提。纬烧Ｉ畔，其中正常生产信息包括符合标准的原材料参数、设备运行状态和工艺条件，为生产团队提供实时的生产状态参考。[0146] 作为本发明的一个实例，参考图5所示，在本实例中所述步骤S55包括：[0147] 步骤S551：对实时生产监测开云优惠体育网页版入口进行多维度异常分析，得到实时多维异常数据；[0148] 步骤S552：通过实时多维异常数据进行阶段分析，得到实时异常阶段数据；[0149] 步骤S553：对实时异常阶段数据进行权重划分处理，得到异常阶段权重数据；对异常阶段权重数据进行优先级特征提。梢斐＝锥斡畔仁荩籟0150] 步骤S554：根据异常阶段优先数据进行等级评分，得到等级评分数据；根据等级评分数据进行预警分析，得到预警信息；[0151] 步骤S555：识别实时生产监测开云优惠体育网页版入口的正常生产状态，得到正常生产状态数据；提取正常生产状态数据的生产数据，得到正常生产信息。[0152] 本发明实施例中，利用机器学习算法和深度学习算法技术，对实时生产监测开云优惠体育网页版入口执行多维度异常分析，从监测数据中识别出偏离正常模式的异常值，生成实时多维异常数据，其中多维度异常分析考虑了原材料属性、设备性能和工艺参数多个维度，通过时间序列分析，对实时多维异常数据识别生产过程中特定阶段的异常模式，生成实时异常阶段数据，根据异常对生产影响的严重程度，对实时异常阶段数据进行权重划分处理，为每个异常事件分配一个权重值，权重值的确定可由生产团队、历史数据分析或预设的规则来实现，得到异常阶段权重数据，异常阶段权重数据进行优先级特征提。梢斐＝锥斡畔仁，根据异常阶段优先数据进行等级评分，通过设定评分规则，如异常的频率、持续时间和影响范围，为每个异常分配一个等级分数，得到等级评分数据，利用等级评分数据，执行预警分析，生成预警信息，通过设定正常生产的标准和阈值，识别实时生产监测开云优惠体育网页版入口中的正常生产状态，得到正常生产状态数据，并进一步提取正常生产状态数据中的详细信息，其中包括生产速度、产量和质量指标，得到正常生产信息，为生产团队提供生产过程的正面反馈和确认。[0153] 优选的，步骤S6包括以下步骤：[0154] 步骤S61：根据实时生产监测开云优惠体育网页版入口进行可视化平台构建，得到实时生产监测可视化平台，其中实时生产监测可视化平台构建包括原材料质量实时监测界面构建、设备运行实时监测界面构建和工艺实时监测界面构建；[0155] 步骤S62：基于实时生产监测可视化平台进行数据流分区，得到数据流分区信息；[0156] 步骤S63：根据数据流分区信息对预警信息和正常生产信息进行区分，并将预警信息和正常生产信息发送至生产团队指定设备，以执行环氧板加热片和PTC加热片生产监测作业。[0157] 本发明实施例中，通过实时生产监测开云优惠体育网页版入口进行可视化平台构建，利用数据可视化工具和技术，得到实时生产监测可视化平台，其中实时生产监测可视化平台构建包括原材料质量实时监测界面构建、设备运行实时监测界面构建和工艺实时监测界面构建。基于实时生产监测可视化平台，根据不同类型、来源和重要性进行对实时生产监测开云优惠体育网页版入口的数据进行分类，数据流分区信息，并在可视化界面中进行逻辑分组，数据流分区信息指导数据如何在不同界面和模块中展示，确保信息的组织和呈现符合生产团队的需求，根据数据流分区信息，对监测开云优惠体育网页版入口中产生的预警信息和正常生产信息进行区分处理，其中预警信息包括原材料质量问题、设备运行异：凸ひ詹问钚畔，预警信息通过高亮显示或特定图标在界面中突出展示，而正常生产信息则反映生产过程中的常规数据和状态，符合标准的参数和顺利运行的设备状态。最终，将预警信息和正常生产信息通过无线或者有线网络发送至生产团队的指定设备，其中指定设备包括移动设备和个人电脑，确保生产团队能够及时接收到关键的生产监测信息，并据此执行相应的环氧板加热片和PTC加热片生产监测作业。[0158] 在本说明书中，提供了一种基于大数据的生产监测系统，用于执行上述的基于大数据的生产监测方法，该基于大数据的生产监测系统包括：[0159] 原材料质量数据模块，用于获取原材料数据集；对原材料数据集进行数据预处理，得到标准原材料数据集；提取标准原材料数据集的质量数据，生成原材料质量数据；[0160] 质量状态评估模块，用于对原材料质量数据进行参数合规性分析，得到质量参数分析数据；利用预设的标准质量参数阈值对质量参数分析数据进行标记，生成原材料质量超标数据；[0161] 异常超标数据模块，用于获取生产线上的设备运行信息；对设备运行信息进行异常检测，生成设备运行异常数据；对设备运行异常数据和原材料质量超标数据进行异常情况整合，生成异常超标数据；[0162] 调控策略模型模块，用于获取工艺参数信息；对工艺参数信息进行工艺调整分析，得到工艺分析数据；对工艺分析数据和异常超标数据进行智能生产控制，生成生产控制数据；根据生产控制数据进行生产控制策略模型构建，得到生产调控策略模型；[0163] 实时监测模块，用于根据生产调控策略模型对原材料质量数据、设备运行信息和工艺参数信息进行环氧板加热片和PTC加热片生产过程实时监测，生成实时生产监测开云优惠体育网页版入口；对实时生产监测开云优惠体育网页版入口进行预警分析，得到预警信息；提取实时生产监测开云优惠体育网页版入口的正常生产数据，得到正常生产信息；[0164] 可视化模块，用于根据实时生产监测开云优惠体育网页版入口进行可视化平台构建，得到实时生产监测可视化平台；基于实时生产监测可视化平台将预警信息和正常生产信息发送至生产团队指定设备，以执行环氧板加热片和PTC加热片生产监测作业。[0165] 本发明通过构建一种基于大数据的生产监测系统，原材料质量数据模块通过获取原材料数据集，确保了生产监测系统能够全面覆盖所有关键原材料属性，为后续的质量控制和工艺优化提供坚实的数据基。栽牧鲜菁惺菰ご，能够显著提高原材料质量数据的准确性和一致性，减少了不同数据源和测量方法带来的偏差，得到标准原材料数据集，使得无需对原材料质量的重复检测，提升了生产效率，提取标准原材料数据集的质量数据，生成原材料质量数据，准确的原材料质量数据为生产管理人员提供了直观的决策支持，有助于及时发现和解决质量问题。质量状态评估模块通过原材料质量数据进行参数合规性分析，确保原材料质量数据的高标准和一致性，利用预设的质量参数阈值进行标记，能够及时发现并标记出不符合标准的原材料，从而避免劣质材料进入生产流程，减少生产风险和成本，生成的原材料质量超标数据为后续的质量控制和材料选择提供了直接的参考，增强了生产过程的透明度和可预测性。异常超标数据模块通过获取生产线上设备运行信息，实现对设备状态的实时监控，对设备运行信息进行异常检测，生成设备运行异常数据，能够及时发现并标记设备运行中的异常情况，有助于预防生产中断和设备故障，减少停机时间和维修成本，对设备运行异常数据和原材料质量超标数据进行异常情况整合，生成异常超标数据，为生产过程提供了异常超标数据。调控策略模型模块通过获取工艺参数信息，能够掌握生产过程的工艺的精确度，为后续的工艺优化提供了数据基。怨ひ詹问畔⒔泄ひ盏髡治，得到工艺分析数据，确保生产过程能够根据实时反馈进行动态调整，从而提高生产效率和产品质量，结合工艺分析数据和异常超标数据进行智能生产控制，能够及时响应生产中的各种变化，生成生产控制数据，根据生产控制数据进行生产控制策略模型构建，得到生产调控策略模型，为生产过程提供了科学、系统的决策支持，使得生产调控更加精准和高效。实时监测模块通过应用生产调控策略模型对原材料质量数据、设备运行信息和工艺参数信息进行环氧板加热片和PTC加热片生产过程实时监测，确保了生产活动的连续性，生成实时生产监测开云优惠体育网页版入口为生产团队提供了即时的生产状态反。沟蒙侍饽鼙谎杆偈侗鸷拖煊，对实时生产监测开云优惠体育网页版入口进行预警分析，得到预警信息，预警信息能够生产团队告知生产风险，从而采取措施，减少生产中断和质量事故；同时，提取实时生产监测开云优惠体育网页版入口的正常生产数据，得到正常生产信息，有助于生产团队知悉当前生产信息，从而能优化生产流程和提高效率。可视化模块通过构建实时生产监测可视化平台，能够显著提升生产监测的直观性和便捷性，使得生产团队能够通过图形化界面直观地理解复杂的生产数据和状态，从而更快速地做出决策，基于实时生产监测可视化平台将预警信息和正常生产信息发送至生产团队指定设备，确保了信息传递的及时性和准确性，增强了生产团队对生产过程的控制能力。因此，本发明通过物联网技术、机器学习技术、智能控制技术和可视化技术，实现对环氧板加热片和PTC加热片生产过程进行实时监测和预警，降低了生产中断的风险；并且对生产过程进行智能生产控制，增强了灵活性和适应性。[0166] 因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。[0167] 以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。

专利地区：福建

专利申请日期：2024-08-27

专利公开日期：2024-11-29

专利公告号：CN118689157B