申请/专利权人:广州工业智能研究院;中国科学院沈阳自动化研究所;佛山维尚家具制造有限公司
申请日:2021-08-17
公开(公告)日:2024-07-09
公开(公告)号:CN113742315B
主分类号:G06F16/21
分类号:G06F16/21;G06F16/215;G06F16/2458
优先权:
专利状态码:有效-授权
法律状态:2024.07.09#授权;2021.12.21#实质审查的生效;2021.12.03#公开
摘要:本发明公开了一种制造大数据处理平台及方法。该平台包括大数据预处理层、大数据分析层和终端应用层;大数据预处理层与大数据分析层通信连接,大数据分析层与终端应用层通信连接;大数据预处理层,用于从数据源系统中抽取出目标数据进行数据清洗,得到待分析数据,将待分析数据存储于数据库;大数据分析层,用于通过数据分析模块从模型库中调取的分析模型对数据库中的待分析数据进行数据分析,得到数据分析结果;终端应用层,用于显示数据分析结果,或者向用户终端发送数据分析结果。本发明能够利用大数据处理技术有效地对制造大数据进行处理和分析,进一步挖掘制造大数据的潜在价值,为制造企业的生产经营带来利益。
主权项:1.一种制造大数据处理平台,其特征在于,包括大数据预处理层、大数据分析层和终端应用层;所述大数据预处理层与所述大数据分析层通信连接,所述大数据分析层与所述终端应用层通信连接;所述大数据预处理层,用于从数据源系统中抽取出目标数据进行数据清洗,得到待分析数据,将所述待分析数据存储于数据库;所述大数据分析层,用于通过数据分析模块从模型库中调取的分析模型对所述数据库中的待分析数据进行数据分析,得到数据分析结果;所述终端应用层,用于显示所述数据分析结果,或者向用户终端发送所述数据分析结果;所述从数据源系统中抽取出目标数据进行数据清洗,得到待分析数据,将所述待分析数据存储于数据库,具体为:通过数据抽取工具,采用全量抽取、增量抽取、先全量抽取后增量抽取相结合的方式,从所述数据源系统中抽取所述目标数据;通过数据清洗工具,基于预先定义的数据完整性、权威性、唯一性、合法性、一致性验证条件,对所述目标数据进行数据清洗,得到所述待分析数据;将所述待分析数据按照数据类型分别存储于对应的所述数据库;所述将所述待分析数据按照数据类型分别存储于对应的所述数据库,具体为:若所述待分析数据为结构化数据,则将所述待分析数据存储于MySQL或MSSQL数据库;若所述待分析数据为半结构化数据,则将所述待分析数据存储于Redis数据库;若所述待分析数据为非结构化数据,则将所述待分析数据存储于MongoDB数据库和或Elasticsearch数据库;所述通过数据分析模块从模型库中调取的分析模型对所述数据库中的待分析数据进行数据分析,得到数据分析结果,具体包括:通过市场趋势分析模块从所述模型库中调取的分析模型对所述待分析数据进行市场趋势分析,得到市场趋势分析结果;通过设备稼动率计算及监控模块从所述模型库中调取的分析模型对所述待分析数据进行设备稼动率计算和关联分析,得到设备稼动率分析结果;通过设备健康评估预测模块从所述模型库中调取的分析模型对所述待分析数据进行设备健康评估和分析,得到设备健康分析结果;通过订单完成指标评估预测模块从所述模型库中调取的分析模型对所述待分析数据进行订单进度统计和分析,得到订单进度分析结果;通过产品缺陷检测模块从所述模型库中调取的分析模型对所述待分析数据进行产品缺陷检测、统计和分析,得到产品缺陷分析结果;通过库存管理及优化模块从所述模型库中调取的分析模型对所述待分析数据进行库存进出平衡优化,得到库存分析结果;通过品控售后挖掘及管理模块从所述模型库中调取的分析模型对所述待分析数据进行品控和售后的关联分析,得到品控售后分析结果;所述市场趋势分析模块通过时间、地理空间、消费者群体类别、预算规模级别、实施场景、构成比例、消费者关注度重点各指标对产品订单、设计方案、产品款式进行市场趋势分析,得到所述市场趋势分析结果,根据所述市场趋势分析结果对生产设计、供应链管理进行预测和调整,提供预先部署建议;所述设备稼动率计算及监控模块根据所述待分析数据对部件-设备-系统-产线或不同对象组合进行稼动率计算,关联分析挖掘对象之间的稼动率影响关系,得到所述设备稼动率分析结果,根据所述设备稼动率分析结果优化生产计划和设备维修计划,挖掘最大产能;所述设备健康评估预测模块利用多维数据融合方法实现参数级、部件级、设备级、系统级的健康评估预测,得到所述设备健康分析结果,根据所述设备健康分析结果提供在线健康评估预测提示,并向用户提供基于模型的运维健康决策支持;所述订单完成指标评估预测模块统计、评估全地域、全渠道订单进度,通过总体、地区、客户不同分类与级别的订单完成进度反映生产进展,得到所述订单进度分析结果,根据所述订单进度分析结果对不同紧急程度的订单进行进度调整优化,并向生产执行系统发出优化提醒;所述产品缺陷检测模块构建多维度产品检测指标体系,统计、归类产品检测结果,通过不同指标挖掘常见缺陷和问题,分析所述缺陷和问题与生产制造过程参数的关联性,发现产品缺陷发生趋势,得到所述产品缺陷分析结果,根据所述产品缺陷分析结果提醒用户提前介入生产调整;所述库存管理及优化模块利用机器学习算法对订单、采购、出货、物流数据进行训练,构建库存优化数学模型,通过所述库存优化数学模型使采购周期、订单数量、产能、出货周期、物流速度实现进-出平衡,以减小库存规模,降低库存压力和资金积压量,得到所述库存分析结果;所述品控售后挖掘及管理模块根据所述产品缺陷分析结果,联合生产过程参数数据、售后服务反馈数据,采用基于语义分析的关联挖掘方法,发现各类产品质量指标与售后服务的因果、频次的关系,得到所述品控售后分析结果,根据所述品控售后分析结果推荐考虑改进成本在内的生产进行优化措施。
全文数据:
权利要求:
百度查询: 广州工业智能研究院 中国科学院沈阳自动化研究所 佛山维尚家具制造有限公司 一种制造大数据处理平台及方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。