[發(fā)明專利]用于縫紉制品工時標(biāo)準(zhǔn)的異常判斷方法、裝置及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010499643.0
• 申請日: 2020-06-04
• 公開（公告）號: CN111666271B
• 公開（公告）日: 2023-06-06
• 發(fā)明（設(shè)計）人: 楊家雄;郭星;羅永強
• 申請（專利權(quán)）人: 深圳哆啦咪軟件有限公司
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06Q10/0631;G06Q50/04;G06Q10/067
• 代理公司: 深圳經(jīng)緯創(chuàng)新知識產(chǎn)權(quán)代理有限公司 44875
• 代理人: 唐敏

本發(fā)明公開了一種用于縫紉制品工時標(biāo)準(zhǔn)的異常判斷方法、裝置以及存儲介質(zhì)，通過一種特制的主板與工業(yè)縫紉機或其它輔助設(shè)備連接，實時采集加工的各種業(yè)務(wù)數(shù)據(jù)、環(huán)境數(shù)據(jù)和工人在崗數(shù)據(jù)；對采集到的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)歸約與數(shù)據(jù)轉(zhuǎn)換等內(nèi)容等預(yù)處理后存儲于本地數(shù)據(jù)庫或云端數(shù)據(jù)庫中，應(yīng)用已有的數(shù)據(jù)模型反演生產(chǎn)現(xiàn)場情況，從而判斷異常類別；通過實時分解各個終端的時序數(shù)據(jù)，并與其它來源的數(shù)據(jù)進(jìn)行交叉驗證，從而判斷實際工時異常和標(biāo)準(zhǔn)工時定義異常等，極大減少了工時異常判斷和處理的時間，提升效率。

技術(shù)領(lǐng)域

本發(fā)明涉及縫紉制品技術(shù)領(lǐng)域，尤其涉及一種用于縫紉制品工時標(biāo)準(zhǔn)的異常判斷方法、裝置以及存儲介質(zhì)。

背景技術(shù)

目前，生產(chǎn)效率是縫紉制品制造行業(yè)的核心競爭力，標(biāo)準(zhǔn)工時是用于生產(chǎn)排程和驗證生產(chǎn)現(xiàn)場進(jìn)度的基礎(chǔ)，及時掌握車間的生產(chǎn)數(shù)據(jù)對于排除障礙和修正計劃非常重要。工人的生產(chǎn)工時是用于計算生產(chǎn)效率的唯一因素，工時異常直接影響生產(chǎn)效率計算的準(zhǔn)確性，也是影響企業(yè)成本的重要指標(biāo)。

通常，工時異常原因包括：物料供應(yīng)異常、設(shè)備故障異常、品質(zhì)異常和其它異常等。目前，在工時異常出現(xiàn)后，均采用逐級上報的方式來判斷和處理異常，這個過程不僅繁瑣，而且還浪費作業(yè)人員的工時。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供一種用于縫紉制品工時標(biāo)準(zhǔn)的異常判斷方法、裝置以及存儲介質(zhì)，以減少工時異常判斷和處理的時間，提升效率。

為實現(xiàn)上述目的，本發(fā)明提出一種用于縫紉制品工時標(biāo)準(zhǔn)的異常判斷方法，包括以下步驟：

實時采集縫紉制品相關(guān)數(shù)據(jù)，所述縫紉制品相關(guān)數(shù)據(jù)至少包括：縫紉加工的各種業(yè)務(wù)數(shù)據(jù)、環(huán)境數(shù)據(jù)和工人在崗數(shù)據(jù)；

對采集的縫紉制品相關(guān)數(shù)據(jù)進(jìn)行處理；

將處理后的數(shù)據(jù)輸入預(yù)先構(gòu)建的縫紉制品工時異常檢測模型中進(jìn)行檢測，輸出得到當(dāng)前縫紉制品工時異常結(jié)論。

其中，所述對采集的縫紉制品相關(guān)數(shù)據(jù)進(jìn)行處理包括：

對采集到的縫紉制品相關(guān)數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗及數(shù)據(jù)集成。

其中，所述將處理后的數(shù)據(jù)輸入預(yù)先構(gòu)建的縫紉制品工時異常檢測模型中進(jìn)行檢測，輸出得到當(dāng)前縫紉制品工時異常結(jié)論的步驟包括：

對處理后的數(shù)據(jù)進(jìn)行模型運算，所述模型運算包括：數(shù)據(jù)歸約、數(shù)據(jù)轉(zhuǎn)換和模型運算；

將進(jìn)行模型運算后的數(shù)據(jù)輸入預(yù)先構(gòu)建的縫紉制品工時交叉驗證模型中進(jìn)行冗余和相關(guān)分析、數(shù)據(jù)沖突處理、數(shù)據(jù)變換和離散化處理，得到處理結(jié)果；

將所述處理結(jié)果輸入預(yù)先構(gòu)建的縫紉制品工時異常判斷模型，得到當(dāng)前縫紉制品工時異常結(jié)論并輸出，所述異常判斷模型至少包括：怠工異常判斷模型、設(shè)備故障判斷模型、品質(zhì)異常判斷模型、紀(jì)律異常判斷模型。

其中，所述將處理后的數(shù)據(jù)輸入預(yù)先構(gòu)建的縫紉制品工時異常檢測模型中進(jìn)行檢測，輸出得到當(dāng)前縫紉制品工時異常結(jié)論的步驟之前還包括：

采集樣本數(shù)據(jù)構(gòu)建縫紉制品工時交叉驗證模型及異常判斷模型。

其中，所述采集樣本數(shù)據(jù)構(gòu)建縫紉制品工時交叉驗證模型及異常判斷模型的步驟包括：

采集縫紉制品樣本數(shù)據(jù)源，所述縫紉制品樣本數(shù)據(jù)源至少包括：縫紉加工的各種業(yè)務(wù)數(shù)據(jù)、環(huán)境數(shù)據(jù)和工人在崗數(shù)據(jù)；

對采集的縫紉制品樣本數(shù)據(jù)源進(jìn)行數(shù)據(jù)清洗以獲取特征數(shù)據(jù)和標(biāo)準(zhǔn)數(shù)據(jù)；并對清洗出的特征數(shù)據(jù)和標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行處理，生成訓(xùn)練數(shù)據(jù)，處理過程包括樣本采樣、樣本調(diào)權(quán)、異常點去除、特征歸一化處理、特征變化、特征組合；

基于生成的訓(xùn)練數(shù)據(jù)，采用預(yù)設(shè)算法進(jìn)行模型訓(xùn)練，構(gòu)建縫紉制品工時異常判斷模型，并通過訓(xùn)練數(shù)據(jù)與其它來源的數(shù)據(jù)進(jìn)行交叉驗證，訓(xùn)練得到交叉驗證模型。