本发明涉及到数据采集领域,特别是涉及到一种基于mes系统的质量数据采集方法与装置。
背景技术:
1、mes系统指制造执行系统(manufacturing execution system,简称mes),旨在帮助企业实现生产计划管理、生产过程控制、产品质量管理、车间库存管理、项目看板管理等,提高企业制造执行能力。一般来说,mes系统包括检验模块,用以对生产的产品进行检验,这种检验一般只针对于产品的质量进行检测,但是缺少对员工方面的作业质量的检测,因此检验的结果并不全面,尤其在出现较大的次品出现的状况时,难以快速追溯出现质量问题的原因。
2、为了解决这个问题,可以在作业区域布设摄像头,以对员工方面的作业质量进行检测。但是,出于例如隐私权等多方面的考虑,越来越多的作业区域不被允许布设摄像头,因此,如何采用mes系统进行全面的质量数据采集仍是一个问题。
技术实现思路
1、本发明的主要目的为提供一种基于mes系统的质量数据采集方法与装置,旨在解决mes系统在不被允许布设摄像头时,难以进行全面的质量数据采集的问题。
2、本发明提供了一种基于mes系统的质量数据采集方法,mes系统包括计划模块、派工模块、生产执行模块和检验模块,所述方法应用于检验模块,所述方法包括:
3、s1、根据预设的气味数据生成方法,生成第一气味数据集合和第二气味数据集合;其中,第一气味数据集合包括多个第一位置、第一气味类别和与多个第一位置分别对应的浓度,第二气味数据集合包括多个第二位置、第二气味类别和与多个第二位置分别对应的浓度;第一位置位于自然人的躯体上,第二位置位于自然人的手或腿上;
4、s2、使用预设的气体喷射器,以所述第一气味数据集合和所述第二气味数据集合为依据,对对处于准备区域的员工进行气体喷射,从而员工身上的第一位置和第二位置被分别喷射上对应浓度的第一气味和第二气味,再允许员工进入作业区域;其中,准备区域与作业区域相邻;
5、s3、在一个工作周期结束时,使用设置在清洁区域的气味采集器,对员工全身进行气体数据采集以得到采集数据;其中,采集数据至少包括员工身上的所有第一位置的当前第一气味浓度和所有第二位置的当前第二气味浓度;清洁区域与作业区域相邻;
6、s4、将第一气味数据集合、第二气味数据集合和采集数据输入预先训练得到的作业质量预测模型中,以得到作业质量预测模型生成的作业预测结果;其中,作业质量预测模型通过采用预先采集得到的样本数据对预设的深度神经网络模型训练而得到;作业预测结果包括作业质量正常或者作业质量异常;
7、s5、采用预设的气味去除设备,去除员工身上的第一气味和第二气味,并允许员工离开作业区域;
8、s6、对其他员工依次执行步骤s1-s5,以得到多个作业预测结果,并将所有的员工作业质量结论作为质量数据,从而完成质量数据采集流程。
9、进一步地,所述计划模块用于指示根据预先输入的基础数据,生成生产计划;
10、所述派工模块用于指示根据生产计划,将生产任务派发至对应的作业区域;
11、所述生产执行模块用于指示员工执行生产任务,以生成产品;
12、所述检验模块用于指示对员工的作业质量和/或产品质量进行检验;
13、作业区域不存在摄像头。
14、进一步地,所述对其他员工依次执行步骤s1-s5,以得到多个作业预测结果,并将所有的员工作业质量结论作为质量数据,从而完成质量数据采集流程的步骤s6之后,包括:
15、s61、采用预设的产品质量检测方法,对生产的产品进行检测,以得到产品质量检测结果;
16、s62、根据预设的分数映射方法,将产品质量检测结果映射为产品评分,同时将质量数据映射为作业评分;
17、s63、调取预设的权重参数,并根据权重参数对产品评分和作业评分进行权重加和,以得到质量总评分;
18、s64、判断质量总评分是否大于预设的分数阈值;
19、s65、若质量总评分大于预设的分数阈值,则判定当前工作周期的质量合格;
20、s66、若质量总评分不大于预设的分数阈值,则判定当前工作周期的质量不合格。
21、进一步地,所述作业质量预测模型处理训练过程时,作业区域设置有摄像头,所述作业质量预测模型训练完成后,作业区域不存在摄像头,所述将第一气味数据集合、第二气味数据集合和采集数据输入预先训练得到的作业质量预测模型中,以得到作业质量预测模型生成的作业预测结果的步骤s4之前,包括:
22、s41、根据预设的气味数据生成方法,生成第三气味数据集合和第四气味数据集合;其中,第三气味数据集合包括多个第三位置、第三气味类别和与多个第三位置分别对应的浓度,第四气味数据集合包括多个第四位置、第四气味类别和与多个第四位置分别对应的浓度;第三位置与第一位置相同,第四位置与第二位置相同;
23、s42、使用预设的气体喷射器,以所述第三气味数据集合和所述第四气味数据集合为依据,对对处于准备区域的样本员工进行气体喷射,从而样本员工身上的第三位置和第四位置被分别喷射上对应浓度的第三气味和第四气味,再允许样本员工进入作业区域;
24、s43、在一个工作周期结束时,使用设置在清洁区域的气味采集器,对样本员工全身进行气体数据采集以得到样本气味数据;并且在同一个时间周期内,采用预设的摄像头对样本员工分别进行持续图像采集处理,以得到图像数据序列;
25、s44、将第三气味数据集合、第四气味数据集合和样本气味数据,组合为一个待标注数据,并根据图像数据序列对待标注数据进行标注处理,以生成一个样本数据;其中,标注处理指标注上作业质量正常或者作业质量异常标签;
26、s45、对其他样本员工依次执行步骤s41-s44,以得到多个样本数据,并根据预设比例,将多个样本数据划分为多个训练数据和多个验证数据;
27、s46、根据多个训练数据对深度神经网络模型采用梯度下降法进行训练,以得到作业质量预测模型;其中,模型训练时采用反向传播算法对深度神经网络模型中的各层神经网络的参数进行更新;
28、s47、根据多个验证数据对暂时作业质量预测模型进行验证,并在验证结果为验证合格的前提下,生成作业预测指令,以指示将第一气味数据集合、第二气味数据集合和采集数据输入预先训练得到的作业质量预测模型中,以得到作业质量预测模型生成的作业预测结果。
29、进一步地,员工身上穿戴有多个纺织物,多个纺织物分别位于手或者腿上,多个纺织物之间互不接触;第一气味和第二气味均为自然人无法辨别的气味;不同员工对应的第一气味数据集合和第二气味数据集合不尽相同;所述使用预设的气体喷射器,以所述第一气味数据集合和所述第二气味数据集合为依据,对对处于准备区域的员工进行气体喷射,从而员工身上的第一位置和第二位置被分别喷射上对应浓度的第一气味和第二气味的步骤s2,包括:
30、s201、使用预设的气体喷射器,以空气为气源,对第一个纺织物进行喷射;
31、s202、判断第一个纺织物的位置是否为第一位置;
32、s203、若第一个纺织物的位置为第一位置,则将气源切换为具有第一气味的气体,以第一气味数据集合为依据,使得第一个纺织物被喷射上对应浓度的第一气味;
33、s204、若第一个纺织物的位置不为第一位置,则继续喷射空气;
34、s205、对其他纺织物执行步骤s201-s204,直到使用预设的气体喷射器对最后一个纺织物喷射完毕。
35、本发明还提供了一种基于mes系统的质量数据采集装置,mes系统包括计划模块、派工模块、生产执行模块和检验模块,所述装置应用于检验模块,所述装置包括:
36、气味数据生成单元,用于指示执行步骤s1、根据预设的气味数据生成方法,生成第一气味数据集合和第二气味数据集合;其中,第一气味数据集合包括多个第一位置、第一气味类别和与多个第一位置分别对应的浓度,第二气味数据集合包括多个第二位置、第二气味类别和与多个第二位置分别对应的浓度;第一位置位于自然人的躯体上,第二位置位于自然人的手或腿上;
37、气体喷射单元,用于指示执行步骤s2、使用预设的气体喷射器,以所述第一气味数据集合和所述第二气味数据集合为依据,对对处于准备区域的员工进行气体喷射,从而员工身上的第一位置和第二位置被分别喷射上对应浓度的第一气味和第二气味,再允许员工进入作业区域;其中,准备区域与作业区域相邻;
38、气味采集单元,用于指示执行步骤s3、在一个工作周期结束时,使用设置在清洁区域的气味采集器,对员工全身进行气体数据采集以得到采集数据;其中,采集数据至少包括员工身上的所有第一位置的当前第一气味浓度和所有第二位置的当前第二气味浓度;清洁区域与作业区域相邻;
39、预测结果生成单元,用于指示执行步骤s4、将第一气味数据集合、第二气味数据集合和采集数据输入预先训练得到的作业质量预测模型中,以得到作业质量预测模型生成的作业预测结果;其中,作业质量预测模型通过采用预先采集得到的样本数据对预设的深度神经网络模型训练而得到;作业预测结果包括作业质量正常或者作业质量异常;
40、气味去除单元,用于指示执行步骤s5、采用预设的气味去除设备,去除员工身上的第一气味和第二气味,并允许员工离开作业区域;
41、质量数据采集单元,用于指示执行步骤s6、对其他员工依次执行步骤s1-s5,以得到多个作业预测结果,并将所有的员工作业质量结论作为质量数据,从而完成质量数据采集流程。
42、进一步地,所述计划模块用于指示根据预先输入的基础数据,生成生产计划;
43、所述派工模块用于指示根据生产计划,将生产任务派发至对应的作业区域;
44、所述生产执行模块用于指示员工执行生产任务,以生成产品;
45、所述检验模块用于指示对员工的作业质量和/或产品质量进行检验;
46、作业区域不存在摄像头。
47、进一步地,所述对其他员工依次执行步骤s1-s5,以得到多个作业预测结果,并将所有的员工作业质量结论作为质量数据,从而完成质量数据采集流程的步骤s6之后,包括:
48、s61、采用预设的产品质量检测方法,对生产的产品进行检测,以得到产品质量检测结果;
49、s62、根据预设的分数映射方法,将产品质量检测结果映射为产品评分,同时将质量数据映射为作业评分;
50、s63、调取预设的权重参数,并根据权重参数对产品评分和作业评分进行权重加和,以得到质量总评分;
51、s64、判断质量总评分是否大于预设的分数阈值;
52、s65、若质量总评分大于预设的分数阈值,则判定当前工作周期的质量合格;
53、s66、若质量总评分不大于预设的分数阈值,则判定当前工作周期的质量不合格。
54、进一步地,所述作业质量预测模型处理训练过程时,作业区域设置有摄像头,所述作业质量预测模型训练完成后,作业区域不存在摄像头,所述将第一气味数据集合、第二气味数据集合和采集数据输入预先训练得到的作业质量预测模型中,以得到作业质量预测模型生成的作业预测结果的步骤s4之前,包括:
55、s41、根据预设的气味数据生成方法,生成第三气味数据集合和第四气味数据集合;其中,第三气味数据集合包括多个第三位置、第三气味类别和与多个第三位置分别对应的浓度,第四气味数据集合包括多个第四位置、第四气味类别和与多个第四位置分别对应的浓度;第三位置与第一位置相同,第四位置与第二位置相同;
56、s42、使用预设的气体喷射器,以所述第三气味数据集合和所述第四气味数据集合为依据,对对处于准备区域的样本员工进行气体喷射,从而样本员工身上的第三位置和第四位置被分别喷射上对应浓度的第三气味和第四气味,再允许样本员工进入作业区域;
57、s43、在一个工作周期结束时,使用设置在清洁区域的气味采集器,对样本员工全身进行气体数据采集以得到样本气味数据;并且在同一个时间周期内,采用预设的摄像头对样本员工分别进行持续图像采集处理,以得到图像数据序列;
58、s44、将第三气味数据集合、第四气味数据集合和样本气味数据,组合为一个待标注数据,并根据图像数据序列对待标注数据进行标注处理,以生成一个样本数据;其中,标注处理指标注上作业质量正常或者作业质量异常标签;
59、s45、对其他样本员工依次执行步骤s41-s44,以得到多个样本数据,并根据预设比例,将多个样本数据划分为多个训练数据和多个验证数据;
60、s46、根据多个训练数据对深度神经网络模型采用梯度下降法进行训练,以得到作业质量预测模型;其中,模型训练时采用反向传播算法对深度神经网络模型中的各层神经网络的参数进行更新;
61、s47、根据多个验证数据对暂时作业质量预测模型进行验证,并在验证结果为验证合格的前提下,生成作业预测指令,以指示将第一气味数据集合、第二气味数据集合和采集数据输入预先训练得到的作业质量预测模型中,以得到作业质量预测模型生成的作业预测结果。
62、进一步地,员工身上穿戴有多个纺织物,多个纺织物分别位于手或者腿上,多个纺织物之间互不接触;第一气味和第二气味均为自然人无法辨别的气味;不同员工对应的第一气味数据集合和第二气味数据集合不尽相同;所述使用预设的气体喷射器,以所述第一气味数据集合和所述第二气味数据集合为依据,对对处于准备区域的员工进行气体喷射,从而员工身上的第一位置和第二位置被分别喷射上对应浓度的第一气味和第二气味的步骤s2,包括:
63、s201、使用预设的气体喷射器,以空气为气源,对第一个纺织物进行喷射;
64、s202、判断第一个纺织物的位置是否为第一位置;
65、s203、若第一个纺织物的位置为第一位置,则将气源切换为具有第一气味的气体,以第一气味数据集合为依据,使得第一个纺织物被喷射上对应浓度的第一气味;
66、s204、若第一个纺织物的位置不为第一位置,则继续喷射空气;
67、s205、对其他纺织物执行步骤s201-s204,直到使用预设的气体喷射器对最后一个纺织物喷射完毕。
68、本发明的有益效果:在不被允许布设摄像头的前提下,采用根据不同的员工,喷射不同的气体在不同的位置上,再检测气体浓度的方式,最后采用基于神经网络模型的作业质量预测模型进行预测,再综合所有员工的预测结果,从而能够辅助完成质量数据的采集。