一种基于香烟包装机综合检测平台的大数据分析方法
阅读说明：本技术 一种基于香烟包装机综合检测平台的大数据分析方法 (Big data analysis method based on comprehensive detection platform of cigarette packaging machine ) 是由 张乐年 郑启旺 徐邓 于 2019-11-15 设计创作，主要内容包括：本发明涉及香烟检测技术领域,具体为一种基于香烟包装机综合检测平台的大数据分析方法,包括获取原始数据、建立数据库、清洗数据、分析数据和展示结果步骤。该基于香烟包装机综合检测平台的大数据分析方法,通过在香烟包装机综合检测平台上部署大数据分析软件,运行信息得以集中、充分、丰富的显示,检测数据的分析结果可以及时通知用户解决当前的故障,并通过具体的分析能定位到具体的故障点,大数据分析软件的运用能及时发现问题,快速定位故障,降低废品率,提高合格品率,从而不断的提高生产制造水平,促进生产效率的提升,降低废品消耗,不断提高精益化生产管理水平,向智能制造迈进。(The invention relates to the technical field of cigarette detection, in particular to a big data analysis method based on a comprehensive detection platform of a cigarette packaging machine. This big data analysis method based on cigarette packagine machine comprehensive testing platform, through dispose big data analysis software on cigarette packagine machine comprehensive testing platform, the operating information can be concentrated, abundant demonstration, the analysis result of detected data can in time inform the user to solve current trouble, and can fix a position to specific fault point through specific analysis, big data analysis software's application can in time discover the problem, fix a position the trouble fast, reduce the rejection rate, improve the qualification rate, thereby continuous improvement manufacturing level, promote the promotion of production efficiency, reduce waste product consumption, continuous improvement lean production management level, make a step forward to intelligent manufacturing.)
技术领域
本发明涉及香烟检测技术领域，具体为一种基于香烟包装机综合检测平台的大数据分析方法。
背景技术
香烟的包装是卷烟生产中非常重要的工序，包装质量不合格的产品流入市场会给企业声誉带来非常严重的影响。现在香烟生产企业为提高产品质量在包装机上加装了很多检测装置，如烟支外观检测、烟支空头缺嘴检测、铝箔纸卡纸检测、小包外观检测、拉线检测、大条外观检测、缺包检测等，这些检测装置可以集成到香烟包装机综合检测平台上，香烟包装机综合检测平台即能获取到大量的检测数据，但这些数据的归集应用、挖掘分析仍处于初级阶段，如何借助数据挖掘分析技术对检测数据资源进行深度利用，是企业提高生产管理水平和信息化建设的重点，也是提高生产制造水平的重要支撑手段。
目前已经安装的这些检测装置只实现了检测缺陷后剔除或告警的功能，并没有对生产的异常产品的原因进行分析，无法指导用户提高生产水平，减少残次品的比例，没有真正提高生产率和生产制造水平。鉴于此，我们提出一种基于香烟包装机综合检测平台的大数据分析方法。
发明内容
本发明的目的在于提供一种基于香烟包装机综合检测平台的大数据分析方法，以解决上述背景技术中提出的无法对异常产品的原因进行分析，没有真正提高生产率和生产制造水平的问题。
为实现上述目的，本发明提供一种基于香烟包装机综合检测平台的大数据分析方法，包括如下分析步骤：
S1、获取原始数据：通过香烟包装机综合检测平台的多个检测装置获取大量检测数据；
S2、建立数据库：运用云计算技术搭建物流私有云大数据中心，采用虚拟化技术，把香烟检测的资源数据进行池化，形成总数据库；
S3、清洗数据：对获取到的每一个检测数据进行清洗操作，去除低于或超过预设值的数据；
S4、分析数据：对清洗完成的数据进行分析，根据检测数据的种类建立不同的分析模型，不同的分析模型处理不同的数据；
S5、展示结果：采用前台展现模块将总数据库和数据接收终端之间实现数据交互，并显示数据。
作为优选，所述S1中获取原始数据包括系统运行状态、告警信息、显示信息、剔除信息、检测方法种类、检测数量、缺陷数量、缺陷比例、检测图像、检测对象数据。
作为优选，所述检测对象数据包括检测对象的类型、参数、方法、位置、检测时间、运行状况、检出比例。
作为优选，所述S2中建立数据库采用SQLserver 2005软件，对总数据库进行搭建和修改。
作为优选，所述S3中清洗数据包括缺陷数量模块、比例数据模块、时间数据模块、正常检测图像模块和检测对象数据模块；
所述缺陷数量模块用于去除低于预设缺陷数量的数据；
所述比例数据模块用于去除低于预设检出比例的数据；
所述时间数据模块用于去除低于预设检测时间的数据；
所述正常检测图像模块用于去除超过预设值的正常检测图像；
所述检测对象数据模块用于去除未启用的检测对象数据。
作为优选，所述分析数据包括建立模型模块、映射样本模块、生产判别模型模块和分析对比模块。
作为优选，所述前台展现模块包括用户交互模块和数据展示模块；
所述用户交互模块用于总数据库和数据接收终端之间实现数据交互；
所述数据展示模块用于数据接收终端接收检测的数据并进行以图表形式展示。
作为优选，所述数据展示模块中的图表包括实时曲线、柱状图、饼状图、统计表。
作为优选，所述前台展现模块还包括报警模块，所述报警模块用于对出现错误数据时，进行报警提示。
作为优选，所述前台展现模块还包括数据保存模块，所述数据保存模块用于对展示的数据进行保存。
与现有技术相比，本发明的有益效果：
1、该基于香烟包装机综合检测平台的大数据分析方法中，一线实时的检测数据直接反映了当前的生产状况和包装质量，对这些数据运用大数据分析方法，进行集中提取分析，分析结果可以及时通知用户解决当前的故障，并通过具体的分析能定位到具体的故障点，可以大大降低使用者和维护者的技术要求及工作强度。合理规划储存、利用大数据，利用信息技术改进香烟包装过程质量控制的方式，一方面，能够减少人为经验干预，减轻工作负担；另一方面，采用不断自学***稳性，利用信息化手段进行烟草生产过程数据的监测、预测、控制，对烟草成品质量的提升具有重要意义，最终推动生产制造水平的不断提升。
2、该基于香烟包装机综合检测平台的大数据分析方法中，通过在香烟包装机综合检测平台上部署大数据分析软件，运行信息得以集中、充分、丰富的显示，告警信息集中通知和显示，避免了多个检测器分散部署带来的通知显示不便问题，检测数据的分析结果可以及时通知用户解决当前的故障，并通过具体的分析能定位到具体的故障点，可以大大降低使用者和维护者的技术要求及工作强度。大数据分析软件的运用能及时发现问题，快速定位故障，降低废品率，提高合格品率，从而不断的提高生产制造水平，促进生产效率的提升，降低废品消耗，不断提高精益化生产管理水平，向智能制造迈进。
附图说明
图1为本发明的整体结构示意图；
图2为本发明的数据库框架结构图；
图3为本发明的清洗数据模块图；
图4为本发明的神经网络算法流程图；
图5为本发明的分析数据模块图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
本发明提供一种基于香烟包装机综合检测平台的大数据分析方法，如图1所示，包括如下分析步骤：
S1、获取原始数据：通过香烟包装机综合检测平台的多个检测装置获取大量检测数据；
S2、建立数据库：运用云计算技术搭建物流私有云大数据中心，采用虚拟化技术，把香烟检测的资源数据进行池化，形成总数据库；
S3、清洗数据：对获取到的每一个检测数据进行清洗操作，去除低于或超过预设值的数据；
S4、分析数据：对清洗完成的数据进行分析，根据检测数据的种类建立不同的分析模型，不同的分析模型处理不同的数据；
S5、展示结果：采用前台展现模块将总数据库和数据接收终端之间实现数据交互，并显示数据。
本实施例中，香烟包装机可选用上海全驰机械有限公司生产的型号为BTS-450/450A+BM-500L的全自动L型热收缩包装机，同时在香烟包装机上可设置CCD相机对烟支外观、烟支空头缺嘴、铝箔纸卡纸、小包外观、拉线、大条外观和缺包进行检测，值得说明的是，本实施例所涉及的香烟包装机和CCD相机均为现有技术，不实施例再此不做赘述。
进一步的，S1中获取原始数据包括系统运行状态、告警信息、显示信息、剔除信息、检测方法种类、检测数量、缺陷数量、缺陷比例、检测图像、检测对象数据，其中获取原始数据可采用DATA-6131型4GDTU数据传输模块，DATA-6131型4GDTU数据传输模块，全面兼容4G、3G和2G网络，采集串口设备数据，通过4G/3G/2G无线网络实现设备联网，支持与1-4个监控中心远程通讯，便于实时将检测的信息传输至云端进行保存和处理。
具体的，检测对象数据包括检测对象的类型、参数、方法、位置、检测时间、运行状况、检出比例，能够全方面记录检测信息的种类，对检测数据资源进行深度利用，提高生产管理水平和信息化建设。
实施例2
作为本发明的第二种实施例，为了便于通过大数据对检测的数据进行分析，本发明还设置有总数据库，作为一种优选实施例，如图2所示，S2中建立数据库采用SQLserver 2005软件，对总数据库进行搭建和修改。
本实施例中，SQL是一种数据库专用的计算机语言，不管是Oracle、MS SQL、Access、MySQL或自己创建的数据库，也不管数据库建立在大型主机或个人计算机上，都可以使用SQL语言来访问和修改数据库的内容，为建立数据库提供的较强的兼容性。
进一步的，Windows XP可以作为运行SQL Sserver2005最理想的系统平台，建立数据库的步骤如下：
if exists(select * from sysdtabases where name ='binbin')
drop database binbin
----------
create database binbin---创建数据库
on primary---主要数据库文件
(
name=bin，---主要数据库文件名称
filename='D:/bin.mdf'，---主要数据库文件存放的路径
size=5，--初始化时的大小（默认不加单位是MB）
maxsize=20，---最大值（默认不加单位是MB）
filegrowth=10--文件增长速度（默认不加单位是MB）
)，
filegroup jay---次要数据库文件组
(
name=jay_1，---次要数据库文件
filename='D:/jay_1.ndf'，
size=5，
maxsize=20，
filegrowth=10
)，
(
name=jay_2，---次要数据库文件
filename='D:/jay_2.ndf'，
size=5，
maxsize=20，
filegrowth=10
)
log on
(
name=ziji，
filename='D:/ziji.ldf'，
size=5，
maxsize=20，
filegrowth=10
具体的，主数据包括登录模块、录入模块、删除模块、调动模块和查询模块，登录模块用于登录主数据库的主界面进行操作，录入模块用于将需要添加的数据添加至主数据库内，删除模块用于对主数据库内的错误数据进行删除，调动模块用于对主数据库内部的信息进行更新，查询模块用于查询数据库内的信息，以便于完成数据信息的录入、删除和调动。
实施例3
作为本发明的第三种实施例，为了便于对获取到的每一个检测数据进行清洗操作，去除低于或超过预设值的数据，本发明人员设置洗数据步骤，如图3所示，S3中清洗数据包括缺陷数量模块、比例数据模块、时间数据模块、正常检测图像模块和检测对象数据模块，缺陷数量模块用于去除低于预设缺陷数量的数据，比例数据模块用于去除低于预设检出比例的数据，时间数据模块用于去除低于预设检测时间的数据，正常检测图像模块用于去除超过预设值的正常检测图像，检测对象数据模块用于去除未启用的检测对象数据。
本实施例中，数据清洗步骤包括数据集成、检测并消除数据异常和检测并消除近似重复记录。
其中，数据集成主要是将数据源中的结构和数据映射到目标结构与域中。
其中，检测并消除数据异采用统计方法来检测数值型属性，计算字段值的均值和标准差，考虑每个字段的置信区间来识别异常字段和记录。将数据挖掘方法引入数据清理，如聚类方法用于检测异常记录、模型方法发现不符合现有模式的异常记录、关联规则方法发现数据集中不符合具有高置信度和支持度规则的异常数据。
其中，检测并消除近似重复记录用于判断两条数据是否近似重复，并从数据库中进行删除。
具体的，数据清洗基于前馈性神经网络算法进行设计，由输入层、隐层和输出层构成，各层有多个点，神经元通过权值
式中
使得说明的是，神经网络算法流程如图4所示，其步骤如下：
1、参数初始化：输入神经网络的初始拓扑结构为：m-n-k，m为输入层的节点数，n为隐层的节点数，h为输出层的节点数，输入种群规模t=population，交叉概率
2、初始化种群：由于遗传算法调整权值的能力较弱，为避免权值过小面使算法收敛太慢，实验中使用[-3，3上均匀分布的随机小数(十进制实数)初始化种群
式中
3、迭代判断：将当前代中的染色体还原至图中的网络模型中.代人训练样本，计算该染色体的总误差E，适应度判断网络误差是否达到指定的误差或最大选代次数，是则结束迭代；否则继续，将各染色体按适应度从高到低排序；
4、选择操作：对于每个染色体i，计算其累积概率
使用轮盘赌算法，每一轮产生一个上均匀分布的随机数r，若
5、交叉与变异：
交叉:使用t次轮盘赌算法,获得t个父代染色体把它们组成对……
变异：以变异概率
6、产生新代：重复使用上述的选择、交叉，变异操作,不断产生新子代染色体，直至新代的种群规模与父代相同.即得到了一个新的子代，转3处维续。
本实施例的基于香烟包装机综合检测平台的大数据分析方法中对数据清洗操作时，通过缺陷数量模块去除低于预设缺陷数量的数据，通过比例数据模块去除低于预设检出比例的数据，通过时间数据模块去除低于预设检测时间的数据，通过正常检测图像模块去除超过预设值的正常检测图像，通过检测对象数据模块去除未启用的检测对象数据。
实施例4
作为本发明的第四种实施例，为了便于对数据进行分析，本发明还设置分析数据步骤，具体如图5所示，分析数据包括建立模型模块、映射样本模块、生产判别模型模块和分析对比模块，前台展现模块包括用户交互模块和数据展示模块，用户交互模块用于总数据库和数据接收终端之间实现数据交互，数据展示模块用于数据接收终端接收检测的数据并进行以图表形式展示，数据展示模块中的图表包括实时曲线、柱状图、饼状图、统计表，前台展现模块还包括报警模块，报警模块用于对出现错误数据时，进行报警提示，前台展现模块还包括数据保存模块，数据保存模块用于对展示的数据进行保存。
本实施例中，通建立模型模块将采集的检测数据直接建立生成器模型，映射样本模块采用多层感知机的网络结构，用MLP的参数来表示可导映射生成器模型，将输入空间映射到样本空间，再将合格的数据和生成器模型映射的样本输入，建立判别器模型，最后通过“Sigmoid函数”变换以“0”和“1”表示判别器模型的最终判别结果。
进一步的，判别器模型的最终判别算法为：
其中D为判别器模型，G为生成器模型，G(z)为映射的生成器模型，D(x)为采用带有参数的多层感知机判别器模型。
其中，判别器模型D的优化目标为：
其中，生成器模型G的优化目标为：
具体的，根据检测数据的种类建立不同的分析模型，不同的分析模型处理不同的数据；根据系统运行状态、告警信息、显示信息、剔除信息及时更新系统状态、告警异常、显示相应的处理；根据检测方法种类、检测数量、缺陷数量、缺陷比例建立曲线数据和异常数据；根据检测对象数据进行分析，根据其检测对象位置确定产品位置，进而确定设备故障位置及原因，根据检测对象平均检测时间确定设置是否合适、是否超负荷运行，根据检测对象类型、参数、方法、运行状况提取运行过程数据。
值得说明的是，数据展示模块分4个级别进行展示，正常的运行数据通过文字及图表在显示屏上进行显示，颜色以绿色为主；达到预警级别的数据通过文字及图表在显示屏上显示，颜色以橙色为主；告警级别的数据通过有显示信息的红色图片在显示屏闪烁显示，同时通过报警灯及上报监控中心；结果数据按设计的格式保存在文件中，以方便后继回溯提取。
本实施例的基于香烟包装机综合检测平台的大数据分析方法中对数据进行分析，通过用户交互模块将总数据库和数据接收终端之间实现数据交互，通过数据展示模块将数据接收终端接收检测的数据并进行以图表形式展示，同时采用根据检测数据的种类建立不同的分析模型，不同的分析模型处理不同的数据；根据系统运行状态、告警信息、显示信息、剔除信息及时更新系统状态、告警异常、显示相应的处理；根据检测方法种类、检测数量、缺陷数量、缺陷比例建立曲线数据和异常数据；根据检测对象数据进行分析，根据其检测对象位置确定产品位置，进而确定设备故障位置及原因，根据检测对象平均检测时间确定设置是否合适、是否超负荷运行，根据检测对象类型、参数、方法、运行状况提取运行过程数据。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种用于卷烟包装机的铝箔纸剔除装置