【技术实现步骤摘要】
本专利技术涉及五金加工，具体而言，涉及一种五金加工的智能排产预警方法及系统。
技术介绍
1、在五金加工生产过程中，设备的排产运行活动数据是重要的决策参考依据。然而，由于生产环境复杂且易变，排产运行活动数据可能会出现异常，这些异常可能会导致生产故障，影响生产效率和产品质量。
2、传统的故障检测和分析方法主要依赖于人工经验或者简单的数据统计，这种方法对于处理大规模、高维度的排产运行活动数据来说，存在诸多问题。例如，对异常数据的检测和分析精度不高，不能及时准确地发现和处理生产故障；对异常数据的处理方式单一，不能根据不同类型的异常数据采取相应的处理措施。
技术实现思路
1、有鉴于此，本专利技术实施例的目的在于提供一种五金加工的智能排产预警方法及系统，首先，获取待分析的目标排产运行活动数据，通过已经进行知识学习的异常预测网络从目标排产运行活动数据中提取异常排产运行活动数据。接着，利用经过知识学习的故障分析网络对这些异常排产运行活动数据进行分析，生成故障分析结果。若基于故障分析结果判定五金加工生产过程中存在故障，便会诱发预警信息。当满足网络迭代优化要求时，会使用存在故障的目标排产运行活动数据对故障分析网络进行迭代优化，并根据优化后的故障分析网络对重新提取到的目标排产运行活动数据进行分析。由此可以及时准确地检测和分析五金加工设备排产过程中的异常情况，为实施有效的故障处理和预防提供有力支持。
2、依据本专利技术实施例的一个方面，提供一种五金加工的智能排产预警方法及系统，所述
3、获取待分析的目标排产运行活动数据；
4、基于知识学习后的异常预测网络从所述目标排产运行活动数据中提取异常排产运行活动数据；
5、基于知识学习后的故障分析网络对所述异常排产运行活动数据进行分析，生成故障分析结果；
6、当基于所述故障分析结果判定五金加工生产过程中存在故障时，诱发预警信息；
7、当符合网络迭代优化要求时，基于存在故障的目标排产运行活动数据迭代优化所述故障分析网络，并基于迭代优化的故障分析网络对重新提取到的目标排产运行活动数据进行分析。
8、一种可替代的实施方式中，所述知识学习后的故障分析网络包括：
9、故障预测网络与故障根因定位网络；
10、所述基于知识学习后的故障分析网络对所述异常排产运行活动数据进行分析，生成故障分析结果，包括：
11、将所述异常排产运行活动数据加载所述故障预测网络进行分析，生成从所述异常排产运行活动数据中分析出的目标故障预测数据；
12、基于所述故障根因定位网络对所述目标故障预测数据进行故障根因定位，并基于故障根因定位结果确定相应目标排产运行活动数据所对应的故障分析结果。
13、一种可替代的实施方式中，所述目标排产运行活动数据有多个；所述当基于所述故障分析结果判定五金加工生产过程中存在故障时，诱发预警信息，包括：
14、基于所述故障分析结果对相应目标排产运行活动数据进行分簇得到分簇结果；
15、基于所述分簇结果对相应五金加工生产过程中进行故障分析；
16、当分析到所述五金加工生产过程中存在故障时，诱发预警信息，并记录存在故障的目标排产运行活动数据与相应的故障分析结果；
17、记录的目标排产运行活动数据与相应故障分析结果用于迭代优化所述故障分析网络。
18、一种可替代的实施方式中，所述故障分析网络基于云计算系统进行知识学习得到；基于所述云计算系统配置所述故障分析网络的步骤，包括：
19、基于所述云计算系统获取样例排产运行活动数据序列；所述样例排产运行活动数据序列包括从范例排产运行活动数据中提取出的范例异常排产运行活动数据与相应的故障标注数据；
20、基于所述云计算系统将所述范例异常排产运行活动数据作为加载特征，将相应的故障标注数据作为预期输出结果，对初始化权重参数的故障分析网络进行知识学习，生成知识学习后的故障分析网络。
21、一种可替代的实施方式中，所述初始化权重参数的故障分析网络的配置步骤，包括：
22、基于所述云计算系统获取待确定的每个函数权值对应的数值区间，并基于所述数值区间确定多个函数权值序列；
23、基于所述云计算系统获取目标网络学习数据序列与验证网络学习数据序列，并按照每个函数权值序列基于所述目标网络学习数据序列进行知识学习，生成相应的参考故障分析网络；
24、基于所述云计算系统基于所述验证网络学习数据序列对所述参考故障分析网络进行验证，基于验证结果从所述多个函数权值序列中选取目标函数权值序列，并基于所述目标函数权值序列初始化得到初始化权重参数的故障分析网络。
25、依据本专利技术实施例的另一方面，提供一种五金加工的智能排产预警方法及系统，所述系统包括：
26、获取模块，用于获取待分析的目标排产运行活动数据；
27、分析模块，用于基于知识学习后的异常预测网络从所述目标排产运行活动数据中提取异常排产运行活动数据；
28、所述分析模块，还用于基于知识学习后的故障分析网络对所述异常排产运行活动数据进行分析，生成故障分析结果；
29、预警模块，用于当基于所述故障分析结果判定五金加工生产过程中存在故障时，诱发预警信息；
30、优化模块，用于当符合网络迭代优化要求时，基于存在故障的目标排产运行活动数据迭代优化所述故障分析网络，并基于迭代优化的故障分析网络对重新提取到的目标排产运行活动数据进行分析。
31、一种可替代的实施方式中，所述系统还包括：
32、所述目标排产运行活动数据有多个；
33、所述优化模块，还用于对各所述目标排产运行活动数据对应的故障分析结果进行分簇得到分簇结果；
34、基于所述分簇结果对相应五金加工生产过程中进行故障分析；
35、当分析到所述五金加工生产过程中存在故障时，诱发预警信息，并记录存在故障的目标排产运行活动数据与相应的故障分析结果；
36、记录的目标排产运行活动数据与相应故障分析结果用于迭代优化所述故障分析网络。
37、一种可替代的实施方式中，所述系统还包括：
38、所述故障分析网络基于云计算系统进行知识学习得到；基于所述云计算系统配置所述故障分析网络，包括：
39、基于所述云计算系统获取样例排产运行活动数据序列；所述样例排产运行活动数据序列包括从范例排产运行活动数据中提取出的范例异常排产运行活动数据与相应的故障标注数据；
40、基于所述云计算系统将所述范例异常排产运行活动数据作为加载特征，将相应的故障标注数据作为预期输出结果，对初始化权重参数的故障分析网络进行知识学习，生成知识学习后的故障分析网络。
41、一种可替代的实施方式中，所述系统还包括：
42、所述初始化权重参数的故障分析网络的配置过程，包括本文档来自技高网...
【技术保护点】
1.一种五金加工的智能排产预警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的五金加工的智能排产预警方法，其特征在于，所述知识学习后的故障分析网络包括：
3.根据权利要求1所述的五金加工的智能排产预警方法，其特征在于，所述目标排产运行活动数据有多个；所述当基于所述故障分析结果判定五金加工生产过程中存在故障时，诱发预警信息，包括：
4.根据权利要求1所述的五金加工的智能排产预警方法，其特征在于，所述故障分析网络基于云计算系统进行知识学习得到；基于所述云计算系统配置所述故障分析网络的步骤，包括：
5.根据权利要求4所述的五金加工的智能排产预警方法，其特征在于，所述初始化权重参数的故障分析网络的配置步骤，包括：
6.一种五金加工的智能排产预警系统，其特征在于，所述装置包括：
7.根据权利要求6所述的五金加工的智能排产预警系统，其特征在于，所述目标排产运行活动数据有多个；
8.根据权利要求6所述的五金加工的智能排产预警系统，其特征在于，所述故障分析网络基于云计算系统进行知识学习得到；基于所述云计
9.根据权利要求8所述的五金加工的智能排产预警系统，其特征在于，所述初始化权重参数的故障分析网络的配置过程，包括：
10.一种服务器，其特征在于，包括：
...【技术特征摘要】
1.一种五金加工的智能排产预警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的五金加工的智能排产预警方法，其特征在于，所述知识学习后的故障分析网络包括：
3.根据权利要求1所述的五金加工的智能排产预警方法，其特征在于，所述目标排产运行活动数据有多个；所述当基于所述故障分析结果判定五金加工生产过程中存在故障时，诱发预警信息，包括：
4.根据权利要求1所述的五金加工的智能排产预警方法，其特征在于，所述故障分析网络基于云计算系统进行知识学习得到；基于所述云计算系统配置所述故障分析网络的步骤，包括：
5.根据权利要求4所述的五金加工的智能排产预警方...
【专利技术属性】
技术研发人员：蒋华君，邓展锋，欧全英，
申请(专利权)人：广东永锢电子机械科技有限公司，
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。