[发明专利]用于缝纫制品工时标准的异常判断方法、装置及存储介质

说明书

本发明公开了一种用于缝纫制品工时标准的异常判断方法、装置以及存储介质，通过一种特制的主板与工业缝纫机或其它辅助设备连接，实时采集加工的各种业务数据、环境数据和工人在岗数据；对采集到的数据进行数据清洗、数据集成、数据归约与数据转换等内容等预处理后存储于本地数据库或云端数据库中，应用已有的数据模型反演生产现场情况，从而判断异常类别；通过实时分解各个终端的时序数据，并与其它来源的数据进行交叉验证，从而判断实际工时异常和标准工时定义异常等，极大减少了工时异常判断和处理的时间，提升效率。

技术领域

本发明涉及缝纫制品技术领域，尤其涉及一种用于缝纫制品工时标准的异常判断方法、装置以及存储介质。

背景技术

目前，生产效率是缝纫制品制造行业的核心竞争力，标准工时是用于生产排程和验证生产现场进度的基础，及时掌握车间的生产数据对于排除障碍和修正计划非常重要。工人的生产工时是用于计算生产效率的唯一因素，工时异常直接影响生产效率计算的准确性，也是影响企业成本的重要指标。

通常，工时异常原因包括：物料供应异常、设备故障异常、品质异常和其它异常等。目前，在工时异常出现后，均采用逐级上报的方式来判断和处理异常，这个过程不仅繁琐，而且还浪费作业人员的工时。

发明内容

本发明的主要目的在于提供一种用于缝纫制品工时标准的异常判断方法、装置以及存储介质，以减少工时异常判断和处理的时间，提升效率。

为实现上述目的，本发明提出一种用于缝纫制品工时标准的异常判断方法，包括以下步骤：

实时采集缝纫制品相关数据，所述缝纫制品相关数据至少包括：缝纫加工的各种业务数据、环境数据和工人在岗数据；

对采集的缝纫制品相关数据进行处理；

将处理后的数据输入预先构建的缝纫制品工时异常检测模型中进行检测，输出得到当前缝纫制品工时异常结论。

其中，所述对采集的缝纫制品相关数据进行处理包括：

对采集到的缝纫制品相关数据进行数据清洗及数据集成。

其中，所述将处理后的数据输入预先构建的缝纫制品工时异常检测模型中进行检测，输出得到当前缝纫制品工时异常结论的步骤包括：

对处理后的数据进行模型运算，所述模型运算包括：数据归约、数据转换和模型运算；

将进行模型运算后的数据输入预先构建的缝纫制品工时交叉验证模型中进行冗余和相关分析、数据冲突处理、数据变换和离散化处理，得到处理结果；

将所述处理结果输入预先构建的缝纫制品工时异常判断模型，得到当前缝纫制品工时异常结论并输出，所述异常判断模型至少包括：怠工异常判断模型、设备故障判断模型、品质异常判断模型、纪律异常判断模型。

其中，所述将处理后的数据输入预先构建的缝纫制品工时异常检测模型中进行检测，输出得到当前缝纫制品工时异常结论的步骤之前还包括：

采集样本数据构建缝纫制品工时交叉验证模型及异常判断模型。

其中，所述采集样本数据构建缝纫制品工时交叉验证模型及异常判断模型的步骤包括：

采集缝纫制品样本数据源，所述缝纫制品样本数据源至少包括：缝纫加工的各种业务数据、环境数据和工人在岗数据；

对采集的缝纫制品样本数据源进行数据清洗以获取特征数据和标准数据；并对清洗出的特征数据和标准数据进行处理，生成训练数据，处理过程包括样本采样、样本调权、异常点去除、特征归一化处理、特征变化、特征组合；

基于生成的训练数据，采用预设算法进行模型训练，构建缝纫制品工时异常判断模型，并通过训练数据与其它来源的数据进行交叉验证，训练得到交叉验证模型。