【技术实现步骤摘要】
基于工业物联网技术的产品全生命周期管理系统及其方法
[0001]本申请涉及智能管理领域，且更为具体地，涉及一种基于工业物联网技术的产品全生命周期管理系统及其方法。
技术介绍
[0002]目前我国正逐渐步入全面信息化的时代，信息已经成为了主导经济的核心技术，在制造业、电子行业、金融业，信息技术已经成为企业提高竞争力的核心手段；随着我国经济和科技的迅速发展，制造行业对产品的生产提出了新的需求。
[0003]制造行业希望对每一批产品进行全生命周期的管理。目前大多数制造行业的产品生命周期开始于购买方下单，结束于购买方收货；然而，产品的生命周期并没有全覆盖，每个订单都缺乏对于材料来源的跟踪、生产进度的跟踪、物流信息的跟踪、产品售后使用情况跟踪、产品回收计划等等，信息资源没有实现共享，人工沟通成本高，项目计划实施困难。
[0004]因此，期待一种优化的产品全生命周期管理方案。
技术实现思路
[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于工业物联网技术的产品全生命周期管理系统及...
【技术保护点】
【技术特征摘要】
1.一种基于工业物联网技术的产品全生命周期管理系统，其特征在于，包括：全生命周期数据获取模块，用于获取待监控产品的全生命周期数据，其中，所述全生命周期数据包括客户下单数据、原料采购数据、产品生产数据、产品发货数据、产品使用数据、维修与保养数据，以及，回收数据或报废数据；生命周期数据语义编码模块，用于将所述全生命周期数据通过包含嵌入层的上下文编码器以得到多个节点全局语义特征向量；聚合度优化模块，用于对所述多个节点全局语义特征向量进行聚合度优化以得到多个校正后节点全局语义特征向量；第一尺度特征提取模块，用于将所述多个校正后节点全局语义特征向量排列为一维特征向量后通过使用具有第一尺度的一维卷积核的第一卷积神经网络以得到第一尺度关联特征向量；第二尺度特征提取模块，用于将所述多个校正后节点全局语义特征向量排列为一维特征向量后通过使用具有第二尺度的一维卷积核的第二卷积神经网络以得到第二尺度关联特征向量；多尺度融合模块，用于融合所述第一尺度关联特征向量和所述第二尺度关联特征向量以得到分类特征向量；以及管理结果生成模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示待监控产品的全生命状态是否正常。2.根据权利要求1所述的基于工业物联网技术的产品全生命周期管理系统，其特征在于，所述生命周期数据语义编码模块，包括：分词单元，用于对所述全生命周期数据进行分词处理以将所述全生命周期数据转化为由多个词组成的词序列；词嵌入单元，用于使用所述包含嵌入层的上下文编码器的嵌入层将所述词序列中各个词映射到词向量以获得词向量的序列；上下文理解单元，用于使用所述包含嵌入层的上下文编码器的转化器对所述词向量的序列进行基于全局的上下文语义编码以得到多个上下文语义特征向量；以及级联单元，用于将所述多个上下文语义特征向量进行级联以得到所述多个节点全局语义特征向量。3.根据权利要求2所述的基于工业物联网技术的产品全生命周期管理系统，其特征在于，所述聚合度优化模块，进一步用于：以如下公式计算每个节点全局语义特征向量对应的节点间类概率匹配特征向量；其中，所述公式为：其中V
i
是所述各个节点全局语义特征向量，ε是预定阈值，V
j
是所述多个节点全局语义特征向量中与所述节点全局语义特征向量V
i
之间的距离，即d(V
i
,V
j
)小于预定阈值，即ε的节点全局语义特征向量，α为加权超参数，exp(
·
)表示向量的指数运算，表示按位置作差。
4.根据权利要求3所述的基于工业物联网技术的产品全生命周期管理系统，其特征在于，所述第一尺度特征提取模块，包括：使用具有第一尺度的一维卷积核的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述使用具有第一尺度的一维卷积核的第一卷积神经网络的最后一层的输出为所述第一尺度关联特征向量，所述使用具有第一尺度的一维卷积核的第一卷积神经网络的第一层的输入为所述一维特征向量。5.根据权利要求4所述的基于工业物联网技术的产品全生命周期管理系统，其特征在于，所述第二尺度特征提取模块，包括：使用具有第二尺度的一维卷积核的第二卷积神经网络模型的各层在层的正向传递中分别对输...
【专利技术属性】
技术研发人员：张春琴，周明慧，杨振生，
申请(专利权)人：南京天通新创科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。