一种应用于制造业领域的智能管理方法以及设备与流程

本技术属于数据处理，尤其涉及一种应用于制造业领域的智能管理方法以及设备。

背景技术：

1、随着制造业领域的不断发展，其自动化程度也不断提高。制造业领域在生产产品的过程中，会产生大量的任务数据，例如产品的测试数据、生产线运行过程中的运行数据等，如何能够高效地对任务数据进行管理，成为了用户的关注重点之一。

2、现有的制造业技术，由于制造业的任务数据较多，对不同类型的任务数据，需要用户采用对应的方式进行处理，例如在需要对产品的测试数据进行验证时，需要获取该产品对应的检测规范，以判断产品是否合格；而对于生产线上的运行数据，则需要通过与对应的误差范围进行比较。由此可见，制造业领域中，任务数据的数据量较大，数据类型较多，需要用户手动进行数据算法匹配，从而大大增加了任务数据管理难度，也降低了用户对于生产线管理效率。

技术实现思路

1、本技术实施例提供了一种应用于制造业领域的智能管理方法以及设备，可以解决制造业领域中，任务数据的数据量较大，数据类型较多，需要用户手动进行数据算法匹配，从而大大增加了任务数据管理难度，也降低了用户对于生产线管理效率的问题。

2、第一方面，本技术实施例提供了一种应用于制造业领域的智能管理方法，所述方法包括：

3、响应于目标用户对应的任务请求，确定所述任务请求的请求类型；所述任务请求包括报表推送请求、预警分析请求和/或智能问答请求；

4、调用与所述请求类型关联的数据接口获取所述任务请求关联的任务数据；所述数据接口是根据请求类型与接口之间的对应关系确定的；

5、将所述任务数据导入基于制造业数据库构建的神经网络，输出所述任务请求的应答数据；

6、将所述应答数据与所述目标用户关联的自然语言转换模型，得到所述任务请求的任务反馈结果。

7、在第一方面的一种可能的实现方式中，所述将所述任务数据导入基于制造业数据库构建的神经网络，输出所述任务请求的应答数据，包括：

8、获取所述目标用户的用户信息；所述用户信息包括所述目标用户在制造生产线上的第一节点以及所述目标用户的语言类型；

9、通过所述语言类型对第一任务数据进行文本转换，得到所述第一任务数据对应的校准任务数据；所述第一任务数据为所述目标用户上传的任务数据；

10、基于所述制造生产线确定所述第一节点的上游操作节点，并根据所述第一节点以及所有所述上游操作节点，对制造业数据库进行数据筛选，得到与所述目标用户关联的子数据库；所述子数据库内的数据是与所述第一节点以及所有所述上游操作节点关联的数据；

11、将所述校准任务数据以及第二任务数据导入所述神经网络，生成所述任务请求对应的sql语句，并通过所述sql语句在所述子数据库内进行数据搜索，得到所述应答数据。

12、在第一方面的一种可能的实现方式中，所述基于所述制造生产线确定所述第一节点的上游操作节点，并根据所述第一节点以及所有所述上游操作节点，对制造业数据库进行数据筛选，得到与所述目标用户关联的子数据库，包括：

13、根据所述目标用户对应的制造业领域，获取制造业领域的所述制造生产线；所述制造生产线包含多个操作节点，每个操作节点对应一个操作时序；

14、基于所述第一节点在所述制造生产线上的操作路径，选取所述操作时序早于所述第一节点的其他操作节点作为所述上游操作节点；

15、根据所述目标用户对应的第一工作时段以及所述操作时序，确定各个上游操作节点关联的第二工作时段；所述第二工作时段与所述第一工作时段之间的时间间隔是根据所述操作时序以及每个操作对应的工序时长确定的；

16、基于所述制造业数据库，选取所述上游操作节点在所述第二工作时段内的生产数据，以及所述上游操作节点的关联用户在所述第二工作时间段内的交互数据；

17、根据所有所述上游操作节点的所述生产数据和所述交互数据，以及所述第一工作时段内所述第一节点的生产数据，得到所述子数据库。

18、在第一方面的一种可能的实现方式中，所述通过所述语言类型对第一任务数据进行文本转换，得到所述第一任务数据对应的校准任务数据；所述第一任务数据为所述目标用户上传的任务数据，包括：

19、根据所述制造业数据库对应的制造业领域，获取所述制造业领域对应的关键词库；所述关键词库包含至少一个与所述制造业领域相关的专业关键词；

20、根据所述目标用户的历史对话记录，确定所述目标用户在所述历史对话记录中的异常字符；

21、根据所述异常字符以及所述异常字符相邻的关联字符，得到所述目标用户的异常特征数据，并通过所述异常特征数据对所述第一任务数据进行文本校准，得到校准文本数据；

22、将所述关键词库内的各个所述专业关键词，转换为所述语言类型对应的表达关键词；

23、依次将各个所述表达关键词与所述校准文本数据进行匹配，并基于匹配结果生成所述校准任务数据。

24、在第一方面的一种可能的实现方式中，所述将所述校准任务数据以及第二任务数据导入所述神经网络，生成所述任务请求对应的sql语句，并通过所述sql语句在所述子数据库内进行数据搜索，得到所述应答数据，包括：

25、将所述校准任务数据以及所述第二任务数据导入所述神经网络中的卷积层，生成所述任务数据对应的文本特征向量；

26、分别计算制造业领域中候选关键词与所述文本特征向量之间的匹配度；所述匹配度为：

27、

28、其中，matchpionti为第i个所述候选关键词与所述文本特征向量的所述匹配度；text(j)为所述文本特征向量中第j个文本关键词；m为所述文本特征向量中文本关键词的总数；keyworki为第i个候选关键词；basedis为预设的基准词向量距离；min[x]为最小值选取函数；

29、基于所述匹配度，从所有所述候选关键词中选取所述文本特征向量关联的目标关键词；

30、根据所有目标关键词生成所述sql语句。

31、在第一方面的一种可能的实现方式中，所述调用与所述请求类型关联的数据接口获取所述任务请求关联的任务数据，包括：

32、若所述请求类型为复合请求类型，则确定所述复合请求类型包含的数据类型；所述数据类型包括图形数据类型以及文本数据类型；

33、调用图形数据接口从多个目标对象获取图形任务数据；所述目标对象包括部署于生产线上获取图像数据的分布式终端以及所述生产线对应的办公应用；

34、调用文本数据接口将所述图形任务数据导入预设的图形理解模型，生成所述图形任务数据对应的第一文本数据；

35、通过所述文本数据接口获取所述任务请求对应的第二文本数据；

36、根据所述图形任务数据、所述第一文本数据以及第二文本数据，得到所述任务数据。

37、在第一方面的一种可能的实现方式中，所述调用图形数据接口从多个目标对象获取图形任务数据，包括：

38、通过所述分布式终端上的粉尘传感器，确定所述分布式终端获取原始图像数据时对应的粉尘指标；

39、基于所述粉尘指标对应的图像增强模型对所述原始图像数据进行处理，得到校准图像数据；所述图像增强模型是基于所述生产线包含的生产设备以及生产产品进行训练得到的；

40、根据所述分布式终端的拍摄角度，对所述校准图像数据进行图像分割，得到生产产品所在区域对应的目标区域图像；

41、基于所有分布式终端采集的所述目标区域图像，生成所述图形任务数据。

42、第二方面，本技术实施例提供了一种应用于制造业领域的智能管理装置，所述装置包括：

43、任务请求响应单元，用于响应于目标用户发起的任务请求，确定所述任务请求的请求类型；所述任务请求包括报表推送请求、预警分析请求和/或智能问答请求；

44、任务数据获取单元，用于调用与所述请求类型关联的数据接口获取所述任务请求关联的任务数据；所述数据接口是根据请求类型与接口之间的对应关系确定的；

45、应答数据生成单元，用于将所述任务数据导入基于制造业数据库构建的神经网络，输出所述任务请求的应答数据；

46、任务结果反馈单元，用于将所述应答数据与所述目标用户关联的自然语言转换模型，得到所述任务请求的任务反馈结果。

47、第三方面，本技术实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面任一项所述的方法。

48、第四方面，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面任一项所述的方法。

49、第五方面，本技术实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面中任一项所述的方法。

50、本技术实施例与现有技术相比存在的有益效果是：在接收到目标用户发起的任务请求时，能够通过不同的数据接口获取与任务请求关联的任务数据，并通过基于制造业数据库构建的神经网络，对任务数据进行自动处理，从而能够在神经网络中采用与任务请求对应的算法对任务数据进行分析处理，得到对应的应答数据，继而将应答数据进行自然语言转换，得到便于用户阅读理解的任务反馈结果，从而实现了对制造业中的任务数据进行自动化管理的目的。与现有的制造业技术相比，本技术实施例中能够在接收到目标用户的任务请求时，自动通过对应的数据接口获取任务数据，无需用户手动导入关联的任务数据，并通过神经网络进行处理算法的选取，并对任务数据进行关联处理，提高了任务数据的处理效率，并通过自然语言转换模型对应答数据进行处理，提高了任务反馈结果的可读性，提高了制造业领域中任务数据的管理效率以及降低了管理难度。