一种基于物联网的智能生产车间管理系统的制作方法

本发明涉及数据处理，尤其涉及一种基于物联网的智能生产车间管理系统。

背景技术：

1、伴随物联网技术的不断进步，物联网产业快速发展.智慧工厂、智慧交通、智慧社区、智慧家居等众多基于物联网技术的应用场景不断创新，给人们的工作和生活带来了巨大的便捷。大量传感器的接入、生产订单信息的长时间积累，对物联网平台的数据存储系统提出了新的要求。现如今，数据的长时间积累导致了数据存储系统产生了海量的数据，而在海量的数据中，可分为不常用的数据、常用的数据、无任何使用的数据等，其中若不定期清理数据存储系统中的数据，就会导致在查询数据存储系统中的数据时产生通信负载，信息搜索速度慢等情况，大大地降低了数据相关事务的实时性。

技术实现思路

1、本发明克服了现有技术的不足，提供了一种基于物联网的智能生产车间管理系统。

2、为达上述目的，本发明采用的技术方案为：

3、本发明第一方面提供了一种基于物联网的智能生产车间管理系统，系统包括存储器以及处理器，存储器中包含基于物联网的智能生产车间管理方法程序，基于物联网的智能生产车间管理方法程序被处理器执行时，实现如下步骤：

4、获取智能生产车间所采集的样本数据信息，并引入决策树算法对样本数据信息进行数据类型的划分，生成决策树；

5、基于决策树获取数据分类结果，并获取数据分类结果中每一数据类型的历史使用频率数据信息，根据每一数据类型的历史使用频率数据信息获取每一数据分类结果的使用偏好信息；

6、构建信息服务器存储平台，并将每一数据分类结果的使用偏好信息输入到信息服务器存储平台中进行分级处理以及存储；

7、通过对信息服务器存储平台的样本数据进行存储优化，生成样本数据的存取优化结果。

8、进一步地，在本实施例的较佳实施例中，引入决策树算法对样本数据信息进行数据类型的划分，生成决策树，具体包括以下步骤：

9、引入决策树算法对样本数据信息进行划分，并划分为若干个子集，并计算出每一子集属于相关类别的概率值，当概率值高于预设概率值，将该相关类别作为候选的分类类别；

10、引入多头注意力机制，通过多头注意力机制计算出候选分类类别与相关子集的关联性，并根据候选分类类别与相关子集的关联性进行排序，生成关联性排序结果；

11、获取关联性排序结果中最大关联性的相关类型，并根据最大关联性的相关类型以及概率值计算出在样本数据中识别所有样本需要的信息量；

12、根据识别所有样本需要的信息量计算出样本数据的期望值，并计算出样本数据的标准信息熵，并根据不同的标准信息熵对样本数据进行划分，生成若干个子集，并构建决策树。

13、进一步地，在本实施例的较佳实施例中，根据每一数据类型的历史使用频率数据信息获取每一数据分类结果的信息使用偏好信息，具体包括以下步骤：

14、基于lstm构建用户数据使用偏好模型，根据每一数据类型的历史使用频率数据信息构建特征矩阵，并引入随机森林算法；

15、将特征矩阵输入到随机森林算法中进行相关性最高的特征数据进行提取，生成相关性最高的特征矩阵；

16、将相关性最高的特征矩阵输入到用户数据使用偏好模型中进行训练，生成训练完成的用户数据使用偏好模型；

17、根据训练完成的用户数据使用偏好模型对每一数据分类结果的数据进行使用偏好情况进行预测，获取每一数据分类结果的使用偏好信息。

18、进一步地，在本实施例的较佳实施例中，构建信息服务器存储平台，并将每一数据分类结果的使用偏好信息输入到信息服务器存储平台中进行分级处理以及存储，具体包括：

19、构建信息服务器存储平台，并将信息服务器存储平台分为暂存信息空间以及存储信息空间，并设置使用偏好阈值以及相关时限阈值，当使用偏好信息低于使用偏好阈值时，获取当前使用偏好信息低于使用偏好阈值的样本数据；

20、当使用偏好信息高于使用偏好阈值时，将获取当前使用偏好信息高于使用偏好阈值的样本数据，并将当前使用偏好信息高于使用偏好阈值的样本数据输入到存储信息空间中进行存储；

21、将当前使用偏好信息低于使用偏好阈值的样本数据输入到信息空间中，并判断当前使用偏好信息低于使用偏好阈值的样本数据在相关时限阈值之内是否有过使用的情况；

22、若当前使用偏好信息低于使用偏好阈值的样本数据在相关时限阈值之内有过使用的情况，将当前使用偏好信息低于使用偏好阈值的样本数据存储到存储信息空间中；

23、若使用偏好信息低于使用偏好阈值的样本数据在相关时限阈值之内未有过使用的情况，获取预设时间之内的生产订单信息，根据预设时间之内的生产订单信息确定最终的样本数据处理结果。

24、进一步地，在本实施例的较佳实施例中，通过对信息服务器存储平台的样本数据进行存储优化，生成样本数据的存取优化结果，具体为：

25、获取信息服务器存储平台中暂存信息空间以及存储信息空间的样本数据信息，并引入局部敏感哈希注意力机制；

26、根据局部敏感哈希注意力机制计算出暂存信息空间以及存储信息空间的每一样本数据信息的注意力分数，并获取每一样本数据信息所在的存储空间；

27、获取注意力分数相同的样本数据，并将注意力分数相同的样本数据合并到随机一个存储空间中，以生成新的数据存取结果；

28、将新的数据存取结果作为样本数据的存取优化结果进行输出。

29、进一步地，在本实施例的较佳实施例中，若使用偏好信息低于使用偏好阈值的样本数据在相关时限阈值之内未有过使用的情况，获取预设时间之内的生产订单信息，根据预设时间之内的生产订单信息确定最终的样本数据处理结果，具体为：

30、若使用偏好信息低于使用偏好阈值的样本数据在相关时限阈值之内未有过使用的情况，获取预设时间之内的生产订单信信息；

31、计算预设时间之内的生产订单信息与使用偏好信息低于使用偏好阈值的样本数据之间的关联程度，并判断关联程度是否大于预设关联程度；

32、当关联程度大于预设关联程度时，则将使用偏好信息低于使用偏好阈值的样本数据存储到存储信息空间中，并生成最终的样本数据处理结果；

33、当关联程度不大于预设关联程度时，则将使用偏好信息低于使用偏好阈值的样本数据删除，并生成最终的样本数据处理结果。

34、本发明第二方面提供了一种基于物联网的智能生产车间管理方法，包括以下步骤：

35、获取智能生产车间所采集的样本数据信息，并引入决策树算法对样本数据信息进行数据类型的划分，生成决策树；

36、基于决策树获取数据分类结果，并获取数据分类结果中每一数据类型的历史使用频率数据信息，根据每一数据类型的历史使用频率数据信息获取每一数据分类结果的使用偏好信息；

37、构建信息服务器存储平台，并将每一数据分类结果的使用偏好信息输入到信息服务器存储平台中进行分级处理以及存储；

38、通过对信息服务器存储平台的样本数据进行存储优化，生成样本数据的存取优化结果。

39、在本方法的实施例中，引入决策树算法对样本数据信息进行数据类型的划分，生成决策树，具体包括以下步骤：

40、引入决策树算法对样本数据信息进行划分，并划分为若干个子集，并计算出每一子集属于相关类别的概率值，当概率值高于预设概率值，将该相关类别作为候选的分类类别；

41、引入多头注意力机制，通过多头注意力机制计算出候选分类类别与相关子集的关联性，并根据候选分类类别与相关子集的关联性进行排序，生成关联性排序结果；

42、获取关联性排序结果中最大关联性的相关类型，并根据最大关联性的相关类型以及概率值计算出在样本数据中识别所有样本需要的信息量；

43、根据识别所有样本需要的信息量计算出样本数据的期望值，并计算出样本数据的标准信息熵，并根据不同的标准信息熵对样本数据进行划分，生成若干个子集，并构建决策树。

44、在本方法的实施例中，构建信息服务器存储平台，并将每一数据分类结果的使用偏好信息输入到信息服务器存储平台中进行分级处理以及存储，具体包括：

45、构建信息服务器存储平台，并将信息服务器存储平台分为暂存信息空间以及存储信息空间，并设置使用偏好阈值以及相关时限阈值，当使用偏好信息低于使用偏好阈值时，获取当前使用偏好信息低于使用偏好阈值的样本数据；

46、当使用偏好信息高于使用偏好阈值时，将获取当前使用偏好信息高于使用偏好阈值的样本数据，并将当前使用偏好信息高于使用偏好阈值的样本数据输入到存储信息空间中进行存储；

47、将当前使用偏好信息低于使用偏好阈值的样本数据输入到信息空间中，并判断当前使用偏好信息低于使用偏好阈值的样本数据在相关时限阈值之内是否有过使用的情况；

48、若当前使用偏好信息低于使用偏好阈值的样本数据在相关时限阈值之内有过使用的情况，将当前使用偏好信息低于使用偏好阈值的样本数据存储到存储信息空间中；

49、若使用偏好信息低于使用偏好阈值的样本数据在相关时限阈值之内未有过使用的情况，获取预设时间之内的生产订单信息，根据预设时间之内的生产订单信息确定最终的样本数据处理结果。

50、在本方法的实施例中，若使用偏好信息低于使用偏好阈值的样本数据在相关时限阈值之内未有过使用的情况，获取预设时间之内的生产订单信息，根据预设时间之内的生产订单信息确定最终的样本数据处理结果，具体为：

51、若使用偏好信息低于使用偏好阈值的样本数据在相关时限阈值之内未有过使用的情况，获取预设时间之内的生产订单信信息；

52、计算预设时间之内的生产订单信息与使用偏好信息低于使用偏好阈值的样本数据之间的关联程度，并判断关联程度是否大于预设关联程度；

53、当关联程度大于预设关联程度时，则将使用偏好信息低于使用偏好阈值的样本数据存储到存储信息空间中，并生成最终的样本数据处理结果；

54、当关联程度不大于预设关联程度时，则将使用偏好信息低于使用偏好阈值的样本数据删除，并生成最终的样本数据处理结果。

55、本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：

56、本发明通过获取智能生产车间所采集的样本数据信息，并引入决策树算法对样本数据信息进行数据类型的划分，生成决策树，进一步基于决策树获取数据分类结果，并获取数据分类结果中每一数据类型的历史使用频率数据信息，根据每一数据类型的历史使用频率数据信息获取每一数据分类结果的使用偏好信息，进而构建信息服务器存储平台，并将每一数据分类结果的使用偏好信息输入到信息服务器存储平台中进行分级处理以及存储，最终通过对信息服务器存储平台的样本数据进行存储优化，生成样本数据的存取优化结果。本发明充分考虑了生产车间中数据的使用情况来调整数据存储目标，减轻了数据存储系统的通信负载，又可以提高与该数据相关事务的实时性。