工业物联网产品质量追溯管理方法、装置、终端和介质与流程

本技术涉及数据处理，尤其涉及一种工业物联网产品质量追溯管理方法、装置、终端和介质。

背景技术：

1、产品追溯管理是现代生产和物流管理中的一个重要组成部分，它指的是通过系统的方法和技术手段来跟踪和记录产品从原材料采购到最终消费的整个生命周期的信息。这个过程旨在确保产品在供应链中的每个环节都是可追踪的，以便在需要时可以快速地查找问题来源，并采取必要的措施来解决问题。

2、然而，在面对复杂的产品供应链时，需要通过人工逐个检查每一个环节，以定位到可能的问题环节；同时，在面对处理被召回产品的召回事件时，需要消耗大量人力成本，并且存在人为错误或疏忽而导致的召回责任认定不准确。

技术实现思路

1、本技术的主要目的在于提供一种工业物联网产品质量追溯管理方法、装置、终端和介质，旨在通过神经网络，在面对复杂的产品供应链时，能够迅速定位到可能的问题环节，而不需要逐个检查每一个环节；同时，在面对处理大量被召回产品的召回事件时，可以节省人力成本并减少人为错误，从而提升产品追溯管理过程的准确性和可靠性。

2、为实现上述目的，本技术提供一种工业物联网产品质量追溯管理方法，应用于召回管理系统，所述召回管理系统包括管理平台、传感网络平台以及对象平台，所述管理平台包括存储设备，所述对象平台包括产品数据采集设备，所述产品数据采集设备用于采集被召回产品的产品数据，所述管理平台与所述对象平台通过所述传感网络平台通信连接，其中，所述产品数据用于表征所述被召回产品的当前状况；

3、所述方法包括：

4、获取所述产品数据以及被召回产品对应的全流程历史数据，其中，所述全流程历史数据包括被召回产品对应的设计数据、被召回产品对应的原材料数据、被召回产品对应的生产制造数据以及被召回产品对应的分销运输数据；

5、通过目标环节确定模型，根据所述产品数据以及所述全流程历史数据，确定目标环节，其中，所述目标环节为所述被召回产品出现问题的环节，所述环节包括设计环节、原材料选择环节、加工环节以及分销运输环节；

6、基于所述目标环节，处理所述被召回产品或者处理目标环节对应的设备。

7、具体地，所述目标环节确定模型包括第一输入层、第一隐藏层、第一融合层以及第一输出层；

8、所述通过目标环节确定模型，根据所述产品数据以及所述全流程历史数据，确定目标环节，包括：

9、通过所述第一输入层，根据所述产品数据、所述设计数据、所述原材料数据、所述生产制造数据以及所述分销运输数据，生成第一输入向量、第二输入向量、第三输入向量、第四输入向量以及第五输入向量，其中，所述产品数据与所述第一输入向量一一对应，所述设计数据与所述第二输入向量一一对应，所述原材料数据与所述第三输入向量一一对应，所述生产制造数据与所述第四输入向量一一对应，所述分销运输数据与所述第五输入向量一一对应；

10、通过所述第一隐藏层，根据第一输入向量、第二输入向量、第三输入向量、第四输入向量以及第五输入向量，生成第一特征提取向量、第二特征提取向量、第三特征提取向量、第四特征提取向量以及第五特征提取向量，其中，所述第一输入向量与第一特征提取向量一一对应，所述第二输入向量与第二特征提取向量一一对应，所述第三输入向量与第三特征提取向量一一对应，所述第四输入向量与第四特征提取向量一一对应，所述第五输入向量与第五特征提取向量一一对应；

11、通过所述第一融合层，根据所述第一特征提取向量、第二特征提取向量、第三特征提取向量、第四特征提取向量以及第五特征提取向量，得到第一特征融合向量；

12、通过所述第一输出层，根据所述第一特征融合向量，得到所述目标环节。

13、具体地，其特征在于，所述第一隐藏层包括第一全连接层以及第二全连接层；

14、所述通过所述第一隐藏层，根据第一输入向量、第二输入向量、第三输入向量、第四输入向量以及第五输入向量，生成第一特征提取向量、第二特征提取向量、第三特征提取向量、第四特征提取向量以及第五特征提取向量，包括：

15、通过所述第一全连接层，根据第一输入向量、第二输入向量、第三输入向量、第四输入向量以及第五输入向量，生成第一中间向量、第二中间向量、第三中间向量、第四中间向量以及第五中间向量，其中，所述第一输入向量与第一中间向量一一对应，所述第二输入向量与第二中间向量一一对应，所述第三输入向量与第三中间向量一一对应，所述第四输入向量与第四中间向量一一对应，所述第五输入向量与第五中间向量一一对应；

16、通过所述第二全连接层，根据第一中间向量、第二中间向量、第三中间向量、第四中间向量以及第五中间向量，生成所述第一特征提取向量、第二特征提取向量、第三特征提取向量、第四特征提取向量以及第五特征提取向量，其中，所述第一中间向量与第一特征提取向量一一对应，所述第二中间向量与第二特征提取向量一一对应，所述第三中间向量与第三特征提取向量一一对应，所述第四中间向量与第四特征提取向量一一对应，所述第五中间向量与第五特征提取向量一一对应。

17、具体地，所述第一融合层包括拼接层；

18、所述通过所述第一融合层，根据所述第一特征提取向量、第二特征提取向量、第三特征提取向量、第四特征提取向量以及第五特征提取向量，得到第一特征融合向量，包括：

19、通过所述拼接层，对所述第一特征提取向量、第二特征提取向量、第三特征提取向量、第四特征提取向量以及第五特征提取向量进行拼接，得到所述第一特征融合向量。

20、具体地，所述第一输出层包括稠密层，所述稠密层的神经元数量为4，所述稠密层的神经元与所述环节一一对应，所述稠密层使用的激活函数为softmax函数；

21、所述通过所述第一输出层，根据所述第一特征融合向量，得到所述目标环节，包括：

22、将所述第一特征融合向量输入至所述第一输出层，输出得到目标概率分布向量，其中，所述目标概率分布向量中的各个概率值与所述环节一一对应；

23、基于所述各个概率值中最大的概率值对应的环节，确定所述目标环节。

24、具体地，所述目标环节确定模型包括第二输入层、第二隐藏层、注意力机制层、第二融合层以及第二输出层；

25、所述通过目标环节确定模型，根据所述产品数据以及所述全流程历史数据，确定目标环节，包括：

26、通过所述第二输入层，根据所述产品数据、所述设计数据、所述原材料数据、所述生产制造数据以及所述分销运输数据，分别生成第六输入向量、第七输入向量、第八输入向量、第九输入向量以及第十输入向量；

27、通过所述第二隐藏层，根据第六输入向量、第七输入向量、第八输入向量、第九输入向量以及第十输入向量，分别生成第六特征提取向量、第七特征提取向量、第八特征提取向量、第九特征提取向量以及第十特征提取向量；

28、通过所述注意力机制层，根据所述第六特征提取向量、第七特征提取向量、第八特征提取向量、第九特征提取向量以及第十特征提取向量，分别生成第六特征加权向量、第七特征加权向量、第八特征加权向量、第九特征加权向量以及第十特征加权向量；

29、通过所述第二融合层，根据所述第六特征加权向量、第七特征加权向量、第八特征加权向量、第九特征加权向量以及第十特征加权向量，得到第二特征融合向量；

30、通过所述第二输出层，根据所述第二特征融合向量，得到所述目标环节。

31、具体地，所述基于所述目标环节，处理所述被召回产品或者处理目标环节对应的设备，包括：

32、若设计环节、原材料选择环节或生产制造环节中任意一个环节为目标环节，则调整目标环节对应的设备运行参数；

33、若分销运输环节为目标环节，则通过预设的产品修复设备处理所述被召回产品。

34、为实现上述目的，本技术还提供一种工业物联网产品质量追溯管理装置，应用于召回管理系统，所述召回管理系统包括管理平台、传感网络平台以及对象平台，所述管理平台包括存储设备，所述对象平台包括产品数据采集设备，所述产品数据采集设备用于采集被召回产品的产品数据，所述管理平台与所述对象平台通过所述传感网络平台通信连接；

35、所述装置包括：

36、第一单元，用于获取所述产品数据以及被召回产品对应的全流程历史数据，其中，所述全流程历史数据包括被召回产品对应的设计数据、被召回产品对应的原材料数据、被召回产品对应的生产制造数据以及被召回产品对应的分销运输数据；

37、第二单元，用于通过目标环节确定模型，根据所述产品数据以及所述全流程历史数据，确定目标环节，其中，所述目标环节为所述被召回产品出现问题的环节，所述环节包括设计环节、原材料选择环节、加工环节以及分销运输环节；

38、第三单元，用于基于所述目标环节，处理所述被召回产品或者处理目标环节对应的设备。

39、为实现上述目的，本技术还提供一种终端，包括存储器存储有多条指令；所述处理器从所述存储器中加载指令，以执行本技术所提供的任一种方法中的步骤。

40、为实现上述目的，本技术还提供一种介质，所述介质存储有多条指令，所述指令适于处理器进行加载，以执行本技术所提供的任一种方法中的步骤。

41、本技术提供的一种工业物联网产品质量追溯管理方法、装置、终端和介质，可以首先获取所述产品数据以及被召回产品对应的全流程历史数据，其中，所述全流程历史数据包括被召回产品对应的设计数据、被召回产品对应的原材料数据、被召回产品对应的生产制造数据以及被召回产品对应的分销运输数据；然后，通过目标环节确定模型，根据所述产品数据以及所述全流程历史数据，确定目标环节，其中，所述目标环节用于表征被召回产品对应的各个环节中的其中一个环节需要为所述被召回产品承担责任，所述环节包括设计环节、原材料选择环节、生产制造环节以及分销运输环节；最后，基于所述目标环节，处理所述被召回产品或者处理目标环节对应的设备。

42、本技术可以通过神经网络，在面对复杂的产品供应链时，能够迅速定位到可能的问题环节，而不需要逐个检查每一个环节；同时，在面对处理大量被召回产品的召回事件时，可以节省人力成本并减少人为错误，从而提升产品追溯管理过程的准确性和可靠性。