【技术实现步骤摘要】
本专利技术涉及工厂生产管理，具体为一种基于大数据的产品生产制造信息管理系统及方法。
技术介绍
1、随着科学技术的进一步发展，特别是以数字技术和计算机技术为代表的信息科技的普及和飞速发展，当今世界已迈入信息化的时代。
2、现如今，人们对产品的外观、质量、功能等的要求不断提高，需求的产品构造越来越复杂。反映在生产制造上，就是需要记录的生产数据越来越多，因此生产企业要求处理的信息数量也越来越大，速度也越来越快。我国制造业信息化建设还处于初级阶段，有很多中小企业尚不具备利用现代信息技术处理信息的能力，虽然不少企业已经使用了erp系统，但是实际应用情况并不乐观，在已拥有信息系统的企业中，其信息系统的业务功能、系统功能还不够完善，信息资源的整合能力还相对薄弱。
3、现有技术cn115829198a通过提前设计目标产品的步骤，并产生配置信息，并对产生的配置信息进行管理，系统功能还不够完善，信息资源的整合能力还相对薄弱具有很大的局限性。
技术实现思路
1、（一）解决的技术问题
2、针对现有技术的不足，本专利技术提供了一种基于大数据的产品生产制造信息管理系统及方法，具备效率高、安全性强等优点，解决了信息资源的整合能力薄弱的问题。
3、（二）技术方案
4、为解决上述信息资源的整合能力薄弱的技术问题，本专利技术提供如下技术方案：
5、本专利技术公开一种基于大数据的产品生产制造信息管理方法，具体包括以下步骤：
6、s1、对
7、所述已生产完成的产品的制造信息包括：产品的图像数据、重量以及生产时间；
8、s2、通过卷积神经网络对聚类后每个类别中的聚类中心所对应的产品制造信息进行特征提取并保存；
9、s3、通过数据采集和特征提取的方式对实时生产的产品进行特征提取，并将提取后的特征与保存的每个类别中的聚类中心所对应的产品制造信息的特征进行对比，通过对比结果对实时生产的产品进行分类；
10、优选地，所述对已生产完成的产品的制造信息进行聚类步骤包括：
11、s11、初始化已生产完成的产品的制造信息样本集；
12、其中，表示第i个样本，表示第n个样本；
13、选择已生产完成的产品的制造信息样本集中k个已生产完成的产品的制造信息样本作为初始聚类中心，每个聚类中心为一个类别；
14、s12、基于已生产完成的产品的制造信息样本集中的每个样本xi，利用公式，计算每个样本到k个聚类中心的距离，并将其分到距离最小的聚类中心所对应的类中，一次添加1个，直至所有样本聚类结束，然后将本次分类的结果作为s13步骤的输入，再执行s13步骤；
15、其中，表示每个样本到聚类中心的距离，表示第i个样本，表示第j个聚类中心，j取值范围为[1,k]；
16、s13、当所有样本分类完成后，针对每个类别，重新计算每个类别的聚类中心；
17、其中，表示类别中的第α个样本，表示类别中的第r个样本，表示样本到当前聚类中心的距离；
18、s14、通过设定轮廓系数对聚类后的类别进行验证；
19、s15、当前次分类的结果经过验证之后作为当前次迭代的输出，当前次迭代的输出作为下一次迭代的输入，重复步骤s12-s14，直至聚类中心和类别中的样本不再变化。
20、优选地，所述通过设定轮廓系数对聚类后的类别进行验证包括：
21、对于样本，设定其轮廓系数为：
22、；
23、其中，表示样本与本类别内其他样本距离的平均值，表示样本到其他类别中所有样本的距离的最小值，表示样本的轮廓系数；
24、由轮廓系数公式可得在[-1,1]之间，当 s趋近-1时，表示样本被分配到错误的类别中；
25、当样本被分配到错误的类别时，对样本进行重新匹配，并更新该类别的聚类中心；
26、若趋近于1时，则表明样本被分配到正确的类别中。
27、优选地，所述对聚类后每个类别中的聚类中心所对应的产品制造信息进行特征提取步骤包括：
28、s21、将每个类别中的聚类中心所对应的产品制造信息集合构建产品制造信息数据块；
29、s22、将产品制造信息数据块输入至卷积神经网络；
30、s23、接收到输入的聚类中心所对应的产品制造信息数据块后，卷积神经网络的卷积层通过卷积核按照设置的步长在输入的聚类中心所对应的产品制造信息数据块上移动，并在每一步的相应区域上与该区域卷积核的权值进行卷积计算，以此实现对每个产品制造信息数据块的特征提取；
31、s24、在神经网络中，上一层的输出会作为下一层的输入，通过不断堆叠就形成了卷积神经网络；
32、在将数据块输入到下层的过程中必须经过激活函数处理；
33、s25、在不断堆叠的卷积和池化过程中对产品制造信息数据块的特征进行优化；
34、s26、将优化后的产品制造信息数据块的特征传入全连接层；
35、s27、通过全连接层将特征数据进行展开组合，得到一个特征数组，并保存。
36、优选地，所述卷积计算公式如下所示：
37、；
38、其中，表示输入，z表示输入值，表示对应卷积核的权值， b表示偏置值，表示输出特征。
39、优选地，所述激活函数处理步骤：
40、设定上层输出作为下层的输入，其输入值为，β=1,2,...,m，每个输入值相对应的输入权值为，b为偏置值，下层的输入经过激活函数处理后得到的输出结果为：
41、；
42、其中，为对应的激活函数，为对应输入权值，y为经过激活函数处理的输出，m表示输入值的数量，表示第β个输入值。
43、优选地，所述通过数据采集和特征提取的方式对实时生产的产品进行特征提取，并将提取后的特征与保存的每个类别中的聚类中心所对应的产品制造信息的特征进行对比，通过对比结果对实时生产的产品进行管理包括：
44、s31、基于当前生产订单对产品生产制造信息数据进行实时采集；
45、s32、通过卷积神经网络对实时采集的合格工件的产品制造信息进行特征提取，并将提取后的特征数据与保存的各个类别聚类中心的特征数据进行相似度对比，根据对比后的相似度判断实时采集的合格工件的产品的分类情况。
46、优选地，所述基于当前生产订单对产品生产制造信息数据进行实时采集包括：
47、s311、当生产订单产生后，工厂会给每个订单生成一个指令订单号，给订单包含的每个生产工件生成一个工件号；
48、s312、通过rfid技术初始化一个电子标签，将工件号录入电子标签，并将电子标签贴于装载工件的托盘上；
4本文档来自技高网...
【技术保护点】
1.一种基于大数据的产品生产制造信息管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的产品生产制造信息管理方法，其特征在于，所述对已生产完成的产品的制造信息进行聚类步骤包括：
3.根据权利要求2所述的一种基于大数据的产品生产制造信息管理方法，其特征在于，所述通过设定轮廓系数对聚类后的类别进行验证包括：
4.根据权利要求1所述的一种基于大数据的产品生产制造信息管理方法，其特征在于，所述对聚类后每个类别中的聚类中心所对应的产品制造信息进行特征提取步骤包括：
5.根据权利要求4所述的一种基于大数据的产品生产制造信息管理方法，其特征在于，所述卷积计算公式如下所示：
6.根据权利要求4所述的一种基于大数据的产品生产制造信息管理方法，其特征在于，所述激活函数处理步骤：
7.根据权利要求1所述的一种基于大数据的产品生产制造信息管理方法，其特征在于，所述通过数据采集和特征提取的方式对实时生产的产品进行特征提取，并将提取后的特征与保存的每个类别中的聚类中心所对应的产品制造信息的特征进行对比，通过对比
8.根据权利要求7所述的一种基于大数据的产品生产制造信息管理方法，其特征在于，所述基于当前生产订单对产品生产制造信息数据进行实时采集包括：
9.根据权利要求7所述的一种基于大数据的产品生产制造信息管理方法，其特征在于，所述通过卷积神经网络对实时采集的合格工件的产品制造信息进行特征提取，并将提取后的特征数据与保存的各个类别聚类中心的特征数据进行相似度对比包括：
10.一种基于大数据的产品生产制造信息管理系统，其特征在于，实现如权利要求1-9任一项所述的基于大数据的产品生产制造信息管理方法，所述系统包括：RFID设备、数据库、聚类模块、产品制造检测模块、特征提取模块、特征对比模块、数据库管理模块以及制造设备；
...【技术特征摘要】
1.一种基于大数据的产品生产制造信息管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的产品生产制造信息管理方法，其特征在于，所述对已生产完成的产品的制造信息进行聚类步骤包括：
3.根据权利要求2所述的一种基于大数据的产品生产制造信息管理方法，其特征在于，所述通过设定轮廓系数对聚类后的类别进行验证包括：
4.根据权利要求1所述的一种基于大数据的产品生产制造信息管理方法，其特征在于，所述对聚类后每个类别中的聚类中心所对应的产品制造信息进行特征提取步骤包括：
5.根据权利要求4所述的一种基于大数据的产品生产制造信息管理方法，其特征在于，所述卷积计算公式如下所示：
6.根据权利要求4所述的一种基于大数据的产品生产制造信息管理方法，其特征在于，所述激活函数处理步骤：
7.根据权利要求1所述的一种基于大数据的产品生产制造信息管理方法，其特征在...
【专利技术属性】
技术研发人员：宋军华，王秀林，周恩枝，叶桥志，
申请(专利权)人：广东精工智能系统有限公司，
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。