CN119536185A - 一种led生产智能管控系统及管控方法 - Google Patents
一种led生产智能管控系统及管控方法 Download PDFInfo
- Publication number
- CN119536185A CN119536185A CN202411847822.3A CN202411847822A CN119536185A CN 119536185 A CN119536185 A CN 119536185A CN 202411847822 A CN202411847822 A CN 202411847822A CN 119536185 A CN119536185 A CN 119536185A
- Authority
- CN
- China
- Prior art keywords
- led
- production
- data
- abnormality
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Led Devices (AREA)
Abstract
本发明涉及监控设备技术领域,具体涉及一种LED生产智能管控系统及管控方法。包括:输入单元:通过输入单元对LED生产产品的物料数据、生产工序、设备以及人员信息进行输入;大数据储存单元:用于储存不同种LED产品的数据信息、生产工艺信息以及生产设备各项电流、电压信号正常运行范围信息以及操作步骤信息;数据采集单元:用于对LED生产设备在运行过程中的各项电流、电压以及设备运行状况的数据进行采集;异常判断单元:用于调取对应LED产品在大数据储存单元中的正常运行数据范围,并实时获取数据采集单元所采集到的数据;并进行对比判断,本装置能够实现对LED生产设备进行监控,判断生产过程中是否存在异常。
Description
技术领域
本发明涉及监控设备技术领域,具体涉及一种LED生产智能管控系统及管控方法。
背景技术
目前大多数LED企业在生产过程当中生产跟踪和生产结果是分离开的,生产过程通过一张纸质的流程卡,生产人员在生产过程中发生的事情都是手工写到纸质流程卡上。生产过程中的物料内容都是体现在这个纸质流程卡上,在每一道工序做完后,统一由生产工人自己通过电脑端反馈生产产能,完成工序的报工。
且LED产品在生产以及封装运行过程中,对于生产的各项数据都是有生产人员进行记录,对于一些大型的LED生产场所,对于生产数据的记录,需要消耗大量的人力,且不同的生产人员的专业能力各异,很容易由于操作的失误,或者数据的设定错误等,导致生产设备的运行出现异常,且如果没有实时的监督,很容易导致相关异常不被发现,造成最终生产出的LED产品不符合产品要求。
基于上述问题,亟需一种LED生产智能管控系统及管控方法,能够实时对LED生产系统进行有效监控,防止生产异常的出现。
发明内容
针对目前对于大型的LED生产场所,难以对生产数据进行有效监控,容易出现生产异常,本发明提供一种LED生产智能管控系统及管控方法以解决上述问题。
为实现上述目的,本发明通过以下技术方案予以实现:
本申请实施例公开一种LED生产智能管控系统,包括:
输入单元:通过输入单元对LED生产产品的物料数据、生产工序、设备以及人员信息进行输入;
大数据储存单元:用于储存不同种LED产品的数据信息、生产工艺信息以及生产设备各项电流、电压信号正常运行范围信息以及操作步骤信息;
数据采集单元:用于对LED生产设备在运行过程中的各项电流、电压以及设备运行状况的数据进行采集;
异常判断单元:用于调取对应LED产品在大数据储存单元中的正常运行数据范围,并实时获取数据采集单元所采集到的数据;并进行对比判断,是否存在异常;
异常处理单元:当出现异常判断单元判断所采集的数据出现异常时,能够进行异常报错,并根据异常类型进行对应处理模式进行处理。
采用上述技术方案:上述方案设定一种生产智能管控系统,能够记录LED生产设备在正常运行时的各项数据,并实时对设备在正常运行时的各项数据进行检测,能够实现通过对检测的数据通过联网的电路设备自动判断,设备是否出现异常,能够适用于大型LED生产车间的应用场景,无需人工监督,能够通过相应的传感器设备监控,判定系统判定,自动判断设备是否出现运行异常。
优选的,所述数据采集单元包括:
设备运行流程数据采集模块:用于对生产员所操作设备的运行流程进行实时监控采集;
设备运行参数采集模块:用于对LED生产设备以及LED包装设备运行过程的电流和电压数据进行实时采集;
物料生产量采集模块:用于对不同类型LED产品的生产数量进行监控采集。
采用上述技术方案:上述方案所提供的设备能够实现自动对设备的运行流程和设备的运行参数以及物料生产量进行自动监控和记录。
进一步优选的,所述异常判断单元包括:
设备运行流程异常判断模块:用于对设备运行流程数据采集单元所采集的数据进行获取,并与大数据储存单元和输入单元输入的流程步骤进行对比,判断是否出现异常;
设备运行参数异常判断模块:用于对设备运行参数采集模块所采集的数据进行获取,并与大数据储存单元储存的电流和电压数据进行对比,判断是否出现异常;
物料生产异常判断模块:用于对不同类型LED产品的生产数量数据进行获取,并与输入单元输入的物料数据进行对比,判断是否出现异常。
采用上述技术方案:上述方案中提供的模块能够实现对设备的运行流程、运行参数以及物料生产量的数据进行判断,判断上述中的各项参数是否出现相应的异常。
进一步优选的,还包括:异常确认单元:在异常判断单元确认生产过程出现异常,异常确认单元对LED产品生产是否出现异常进行确认。
采用上述技术方案:上述方案中所提供的异常确认单元,能够实现在判断生产过程出现异常时,进一步确认所生产的LED产品是否会出现相应的异常。
进一步优选的,所述异常确认单元包括:
LED产品图像获取端:用于对异常的LED产品的不同位置的生产工艺图像进行获取;
电信号测试端:用于对异常的LED产品的电信号进行测试;
异常判断端:对大数据储存单元储存的LED数据信息和LED产品图像工艺和电信号进行运算对比,判断LED产品是否出现异常。
采用上述技术方案:上述方案能够实现根据LED产品的相关电信号检测数据以及LED产图像工艺数据进行全方位判断LED产品是否出现异常。
进一步优选的,所述异常判断端内设定的算法公式为:
,
其中为异常判定系数,为标准电流、为检测电流,为电流在异常判定中所占比例,为标准电压,为检测电压,为电压在异常判定中所占比例,标准图像系数,为检测图像系数,为生产工艺在异常判定中所占的比例。
采用上述技术方案:上述方案提供算法能够实现根据对LED的电流、电压以及图像系数等情况进行算法判断,实现根据实际所检测的相关数据情况自动判断生产出来的LED产品是否符合标准。
进一步优选的,不同种LED产品的异常判定系数阈值并不相同,根据不同LED产品异常判定系数阈值与所计算的异常判定系数进行对比判断,LED产品是否出现异常。
采用上述技术方案:上述中能够根据不同LED产品的类型,实现针对性的判断LED产品生产是否出现异常。
一种LED生产智能管理方法,应用于如上任意一项所述的管理系统,包括:
S110:通过输入单元输入LED产品的物料数据、生产工序、设备以及人员信息;
S120:在生产过程中,对LED生产设备运行过程中的各项电流、电压以及设备运行状况的数据进行采集;
S130:调取对应LED产品在大数据储存单元中的正常运行数据范围,并实时获取数据采集单元所采集到的数据;并进行对比判断,是否存在异常;
S140:当出现异常判断单元判断所采集的数据出现异常时,进行异常报错,并根据异常类型进行对应处理模式进行处理。
采用上述技术方案:上述方案提供一种生产智能管理系统,能够实现对LED产品生产过程中的各项数据进行采集,并根据采集的各项数据判断LED生产过程中是否出现异常。
进一步优选的,所述步骤S3包括:
S131:对设备的运行流程数据、设备运行参数以及不同类型LED产品的生产数量数据进行获取;
S132:将步骤S31中获取的数据与大数据储存单元和输入单元输入的对应LED产品的标准数据进行对比;
S133:判断设备的运行流程、设备的运行参数以及LED产品的生产数量是否存在异常。
采用上述技术方案:上述步骤提供的方案能够实现对设备的运行数据进行检测判断,设备运行过程中是否出现异常。
进一步优选的,还包括LED异常确认方法,所述LED异常确认方法包括:
S210:对异常LED产品的不同位置的生产工艺图像进行获取,并得出检测图像系数;
S220:对异常的LED产品的电信号进行测试,获取电流检测信号和电压检测信号;
S230:通过图像系数以及电流检测信号和电压检测信号,得出异常判定系数;
S240:从大数据储存单元调取对应的判定系数阈值,并与异常判定系数进行对比,判断LED产品是否异常。
采用上述技术方案:上述方案中所提供的技术方案能够实现对生产出的 LED产品进行检测判断LED产品是否出现异常。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请LED生产智能管控系统连接框图;
图2为本申请LED管控方法流程图;
图3为本申请图2中步骤S130流程图;
图4为本申请LED异常确认方法流程图。
图中:
1、输入单元;2、大数据储存单元;3、数据采集单元;4、异常判断单元;5、异常处理单元;6、设备运行流程数据采集模块;7、设备运行参数采集模块;8、物料生产量采集模块;9、设备运行流程异常判断模块;10、设备运行参数异常判断模块;11、物料生产异常判断模块;12、异常确认单元;13、LED产品图像获取端;14、电信号测试端。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
请参阅图1-图4,像是原有的LED产品生产车间,在LED产品生产过程中,并没有相应的监测系统进行监控,在LED生产设备出现异常时,无法及时知晓查看,很容易导致LED产品生产出现异常,造成经济损失,基于上述问题,本申请提供一种LED生产智能管控系统,包括:
输入单元1:通过输入单元1对LED生产产品的物料数据、生产工序、设备以及人员信息进行输入;
大数据储存单元2:用于储存不同种LED产品的数据信息、生产工艺信息以及生产设备各项电流、电压信号正常运行范围信息以及操作步骤信息;
数据采集单元3:用于对LED生产设备在运行过程中的各项电流、电压以及设备运行状况的数据进行采集;
异常判断单元4:用于调取对应LED产品在大数据储存单元2中的正常运行数据范围,并实时获取数据采集单元3所采集到的数据;并进行对比判断,是否存在异常;
异常处理单元5:当出现异常判断单元4判断所采集的数据出现异常时,能够进行异常报错,并根据异常类型进行对应处理模式进行处理。
值得一提的是,上述方案中所提供的设备能够实现通过输入单元1输入LED产品的相关数据,并根据大数据储存单元2储存的数据与数据采集单元3采集的设备在运行过程中的数据进行对比,判断LED生产设备运行是否出现异常,当LED生产设备在运行过程中出现异常,能够实现采用上述装置进行异常报错,整个设备能够实现对LED生产系统全程监控,无需人工监督,能够实现根据所采集的相应的设备运行数据,进行对应的异常报错。
所述数据采集单元3包括:
设备运行流程数据采集模块6:用于对生产员所操作设备的运行流程进行实时监控采集;
设备运行参数采集模块7:用于对LED生产设备以及LED包装设备运行过程的电流和电压数据进行实时采集;
物料生产量采集模块8:用于对不同类型LED产品的生产数量进行监控采集。
采用上述技术方案:上述方案所提供的数据采集单元3能够实现对设备的运行流程数据、设备运行参数以及物料生产量等数据进行采集,供相应的异常判断模块进行判断。
所述异常判断单元4包括:
设备运行流程异常判断模块9:用于对设备运行流程数据采集单元3所采集的数据进行获取,并与大数据储存单元2和输入单元1输入的流程步骤进行对比,判断是否出现异常;
设备运行参数异常判断模块10:用于对设备运行参数采集模块7所采集的数据进行获取,并与大数据储存单元2储存的电流和电压数据进行对比,判断是否出现异常;
物料生产异常判断模块11:用于对不同类型LED产品的生产数量数据进行获取,并与输入单元1输入的物料数据进行对比,判断是否出现异常。
上述方案中提供的模块能够实现对设备的运行流程、运行参数以及物料生产量的数据进行判断,判断上述中的各项参数是否出现相应的异常。上述方案中所提供的异常确认单元12,能够实现在判断生产过程出现异常时,进一步确认所生产的LED产品是否会出现相应的异常。
还包括:异常确认单元12:在异常判断单元4确认生产过程出现异常,异常确认单元12对LED产品生产是否出现异常进行确认。
所述异常确认单元12包括:
LED产品图像获取端13:用于对异常的LED产品的不同位置的生产工艺图像进行获取;
电信号测试端14:用于对异常的LED产品的电信号进行测试;
异常判断端:对大数据储存单元2储存的LED数据信息和LED产品图像工艺和电信号进行运算对比,判断LED产品是否出现异常。
所述异常判断端内设定的算法公式为:
,
其中为异常判定系数,为标准电流、为检测电流,为电流在异常判定中所占比例,为标准电压,为检测电压,为电压在异常判定中所占比例,标准图像系数,为检测图像系数,为生产工艺在异常判定中所占的比例。
值得一提的是,上述方案所提供的异常确认单元12,能够实现在检测到LED生产设备在运行过程中出现异常时,进一步对LED产品的相关参数进行获取,包括LED不同位置的生产工艺图像,判断LED产品是否在生产工艺上出现异常,对LED产品的电流检测数据和电压检测数据进行判断,通过相应的算法计算LED产品的异常是否在设定的异常范围内,从而进一步判断LED产品的生产是否符合实际需求。
不同种LED产品的异常判定系数阈值并不相同,根据不同LED产品异常判定系数阈值与所计算的异常判定系数进行对比判断,LED产品是否出现异常。上述方案中,不同的LED产品都有所对应的异常判定系数阈值,针对不同的LED产品类型,能够实现有效的对LED产品是否合格进行检测。
一种LED生产智能管理方法,应用于如上任意一项所述的管理系统,其特征在于,包括:
S110:通过输入单元1输入LED产品的物料数据、生产工序、设备以及人员信息;
S120:在生产过程中,对LED生产设备运行过程中的各项电流、电压以及设备运行状况的数据进行采集;
S130:调取对应LED产品在大数据储存单元2中的正常运行数据范围,并实时获取数据采集单元3所采集到的数据;并进行对比判断,是否存在异常;
S140:当出现异常判断单元4判断所采集的数据出现异常时,进行异常报错,并根据异常类型进行对应处理模式进行处理。
上述方案提供一种生产智能管理系统,能够实现对LED产品生产过程中的各项数据进行采集,并根据采集的各项数据判断LED生产过程中是否出现异常。
所述步骤S3包括:
S131:对设备的运行流程数据、设备运行参数以及不同类型LED产品的生产数量数据进行获取;
S132:将步骤S31中获取的数据与大数据储存单元2和输入单元1输入的对应LED产品的标准数据进行对比;
S133:判断设备的运行流程、设备的运行参数以及LED产品的生产数量是否存在异常。
上述步骤提供的方案能够实现对设备的运行数据进行检测判断,设备运行过程中是否出现异常。
还包括LED异常确认方法,所述LED异常确认方法包括:
S210:对异常LED产品的不同位置的生产工艺图像进行获取,并得出检测图像系数;
S220:对异常的LED产品的电信号进行测试,获取电流检测信号和电压检测信号;
S230:通过图像系数以及电流检测信号和电压检测信号,得出异常判定系数;
S240:从大数据储存单元2调取对应的判定系数阈值,并与异常判定系数进行对比,判断LED产品是否异常。
上述方案中所提供的技术方案能够实现对生产出的LED产品进行检测判断LED产品是否出现异常。
在以上实施例中所涉及的设备元件如无特别说明,均为常规设备元件,所涉及的连接方式、控制方式如无特别说明,均为常规连接方式、控制方式。
上面结合实施例对本发明作了详细的说明,但是所属技术领域的技术人员能够理解,在不脱离本发明宗旨的前提下,还可以对上述实施例中的各个具体参数进行变更,形成多个具体的实施例,均为本发明的常见变化范围,在此不再一一详述。
Claims (10)
1.一种LED生产智能管控系统,其特征在于,包括:
输入单元:通过输入单元对LED生产产品的物料数据、生产工序、设备以及人员信息进行输入;
大数据储存单元:用于储存不同种LED产品的数据信息、生产工艺信息以及生产设备各项电流、电压信号正常运行范围信息以及操作步骤信息;
数据采集单元:用于对LED生产设备在运行过程中的各项电流、电压以及设备运行状况的数据进行采集;
异常判断单元:用于调取对应LED产品在大数据储存单元中的正常运行数据范围,并实时获取数据采集单元所采集到的数据;并进行对比判断,是否存在异常;
异常处理单元:当出现异常判断单元判断所采集的数据出现异常时,能够进行异常报错,并根据异常类型进行对应处理模式进行处理。
2.根据权利要求1所述的一种LED生产智能管控系统,其特征在于,所述数据采集单元包括:
设备运行流程数据采集模块:用于对生产员所操作设备的运行流程进行实时监控采集;
设备运行参数采集模块:用于对LED生产设备以及LED包装设备运行过程的电流和电压数据进行实时采集;
物料生产量采集模块:用于对不同类型LED产品的生产数量进行监控采集。
3.根据权利要求2所述的一种LED生产智能管控系统,其特征在于,所述异常判断单元包括:
设备运行流程异常判断模块:用于对设备运行流程数据采集单元所采集的数据进行获取,并与大数据储存单元和输入单元输入的流程步骤进行对比,判断是否出现异常;
设备运行参数异常判断模块:用于对设备运行参数采集模块所采集的数据进行获取,并与大数据储存单元储存的电流和电压数据进行对比,判断是否出现异常;
物料生产异常判断模块:用于对不同类型LED产品的生产数量数据进行获取,并与输入单元输入的物料数据进行对比,判断是否出现异常。
4.根据权利要求1所述的一种LED生产智能管控系统,其特征在于,还包括:异常确认单元:在异常判断单元确认生产过程出现异常,异常确认单元对LED产品生产是否出现异常进行确认。
5.根据权利要求4所述的一种LED生产智能管控系统,其特征在于,所述异常确认单元包括:
LED产品图像获取端:用于对异常的LED产品的不同位置的生产工艺图像进行获取;
电信号测试端:用于对异常的LED产品的电信号进行测试;
异常判断端:对大数据储存单元储存的LED数据信息和LED产品图像工艺和电信号进行运算对比,判断LED产品是否出现异常。
6.根据权利要求5所述的一种LED生产智能管控系统,其特征在于,所述异常判断端内设定的算法公式为:
,
其中为异常判定系数,为标准电流、为检测电流,为电流在异常判定中所占比例,为标准电压,为检测电压,为电压在异常判定中所占比例,标准图像系数,为检测图像系数,为生产工艺在异常判定中所占的比例。
7.根据权利要求6所述的一种LED生产智能管控系统,其特征在于,不同种LED产品的异常判定系数阈值并不相同,根据不同LED产品异常判定系数阈值与所计算的异常判定系数进行对比判断,LED产品是否出现异常。
8.一种LED生产智能管理方法,应用于如权利要求1-7任意一项所述的一种LED生产智能管控系统,其特征在于,包括:
S110:通过输入单元输入LED产品的物料数据、生产工序、设备以及人员信息;
S120:在生产过程中,对LED生产设备运行过程中的各项电流、电压以及设备运行状况的数据进行采集;
S130:调取对应LED产品在大数据储存单元中的正常运行数据范围,并实时获取数据采集单元所采集到的数据;并进行对比判断,是否存在异常;
S140:当出现异常判断单元判断所采集的数据出现异常时,进行异常报错,并根据异常类型进行对应处理模式进行处理。
9.根据权利要求8所述的一种LED生产智能管理方法,其特征在于,所述S3包括:
S131:对设备的运行流程数据、设备运行参数以及不同类型LED产品的生产数量数据进行获取;
S132:将步骤S31中获取的数据与大数据储存单元和输入单元输入的对应LED产品的标准数据进行对比;
S133:判断设备的运行流程、设备的运行参数以及LED产品的生产数量是否存在异常。
10.根据权利要求8所述的一种LED生产智能管理方法,其特征在于,还包括LED异常确认方法,所述LED异常确认方法包括:
S210:对异常LED产品的不同位置的生产工艺图像进行获取,并得出检测图像系数;
S220:对异常的LED产品的电信号进行测试,获取电流检测信号和电压检测信号;
S230:通过图像系数以及电流检测信号和电压检测信号,得出异常判定系数;
S240:从大数据储存单元调取对应的判定系数阈值,并与异常判定系数进行对比,判断LED产品是否异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202411847822.3A CN119536185A (zh) | 2024-12-16 | 2024-12-16 | 一种led生产智能管控系统及管控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202411847822.3A CN119536185A (zh) | 2024-12-16 | 2024-12-16 | 一种led生产智能管控系统及管控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN119536185A true CN119536185A (zh) | 2025-02-28 |
Family
ID=94693833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202411847822.3A Pending CN119536185A (zh) | 2024-12-16 | 2024-12-16 | 一种led生产智能管控系统及管控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN119536185A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101140455A (zh) * | 2007-10-22 | 2008-03-12 | 广东工业大学 | 生产过程的实时监控系统及监控方法 |
CN103643284A (zh) * | 2013-11-14 | 2014-03-19 | 广州杰赛科技股份有限公司 | 电镀线电流异常智能感应方法及系统 |
CN107747971A (zh) * | 2017-10-13 | 2018-03-02 | 王宁 | 触摸屏生产车间智能监控管理系统 |
CN114202248A (zh) * | 2022-01-13 | 2022-03-18 | 浙江工企信息技术股份有限公司 | 一种基于mes智能制造的生产管理方法及系统 |
CN118195409A (zh) * | 2024-04-01 | 2024-06-14 | 抚州市双菱磁性材料有限公司 | 基于5g通信的电子变压器生产全流程智能制造系统 |
CN118627700A (zh) * | 2024-08-14 | 2024-09-10 | 广州晟能电子科技有限公司 | 基于ai的安全生产场景人员监管防护系统及防护方法 |
-
2024
- 2024-12-16 CN CN202411847822.3A patent/CN119536185A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101140455A (zh) * | 2007-10-22 | 2008-03-12 | 广东工业大学 | 生产过程的实时监控系统及监控方法 |
CN103643284A (zh) * | 2013-11-14 | 2014-03-19 | 广州杰赛科技股份有限公司 | 电镀线电流异常智能感应方法及系统 |
CN107747971A (zh) * | 2017-10-13 | 2018-03-02 | 王宁 | 触摸屏生产车间智能监控管理系统 |
CN114202248A (zh) * | 2022-01-13 | 2022-03-18 | 浙江工企信息技术股份有限公司 | 一种基于mes智能制造的生产管理方法及系统 |
CN118195409A (zh) * | 2024-04-01 | 2024-06-14 | 抚州市双菱磁性材料有限公司 | 基于5g通信的电子变压器生产全流程智能制造系统 |
CN118627700A (zh) * | 2024-08-14 | 2024-09-10 | 广州晟能电子科技有限公司 | 基于ai的安全生产场景人员监管防护系统及防护方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110366031A (zh) | 一种数字化车间mes系统基于视觉的异常状态监测与故障诊断方法 | |
KR100743801B1 (ko) | 주입한 겔의 진단시스템 및 그 진단방법 | |
JPH10173021A (ja) | 製造ライン解析方法及び製造ライン解析装置 | |
CN103674286A (zh) | 一种基于红外图像的站内通信设备故障诊断方法 | |
CN118470107B (zh) | 一种电路板的故障快速检测方法、系统及存储介质 | |
JP2002355231A (ja) | 作動中の同種の医学技術的装置の体系的な品質評価方法 | |
CN114152290B (zh) | 换流站交流滤波器开关诊断方法 | |
CN119536185A (zh) | 一种led生产智能管控系统及管控方法 | |
CN114610553A (zh) | 一种智能设备检测系统及其检测方法 | |
CN118859890A (zh) | 一种基于肉制品生产的检测加工控制系统 | |
JP2001100820A (ja) | 設備稼働率モニタ | |
CN110674124B (zh) | 一种异常数据检测方法、系统及智能路由器 | |
CN117251751A (zh) | 机房监测方法、装置、电子设备及存储介质 | |
JP2716288B2 (ja) | 半導体回路試験方式 | |
CN118393293A (zh) | 一种基于小目标检测的局部放电检测方法和系统 | |
CN115249316A (zh) | 工业缺陷检测方法和装置 | |
CN118052753A (zh) | 缺陷处理方法、装置、电子设备及存储介质 | |
CN114564469A (zh) | 采集数据的处理方法及系统 | |
CN119199365B (zh) | 基于故障录波解析的变电设备运行状态评估系统及方法 | |
CN119125743B (zh) | 一种用于智能配电箱的故障检测方法及检测系统 | |
CN119271858B (zh) | 报警分析方法、计算机可读存储介质及报警分析系统 | |
CN118837642B (zh) | 一种电力数据在线监测系统 | |
CN118587207B (zh) | 一种基于物联网的炭黑母粒生产设备远程监控装置 | |
CN115456221A (zh) | 电力系统自动化设备运行状态诊断方法、装置、计算机可读介质、电子设备 | |
CN119377293A (zh) | 一种煤矿数据采集分析方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |