一种基于工业智能模型的质量溯源系统及方法

本发明涉及工业制造管理，具体地，涉及一种基于工业智能模型的质量溯源系统及方法。

背景技术：

1、随着制造业的迅速发展和市场竞争的不断加剧，产品质量管理成为企业取得竞争优势和维护市场地位的关键因素。在这一背景下，质量溯源系统作为质量管理的重要组成部分，旨在追踪和记录产品生产的全过程，以确保产品质量符合标准，并提供对质量问题的及时响应和追溯。

2、然而，传统的质量溯源系统存在一系列挑战和限制，阻碍了其在现代制造环境中的有效应用。首先，传统质量溯源系统通常依赖静态的规则和预设的阈值进行质量判定，难以应对生产环境的动态变化，导致实时性和准确性不足。其次，人工干预过多是传统质量溯源系统的另一大弊病，系统常常需要操作员手动设定规则、监测生产过程并处理异常情况，这不仅费时费力，而且容易出现人为错误，降低了整个质量管理系统的效率和可靠性。第三，由于生产数据对企业至关重要，传统质量溯源系统在数据安全性和不可篡改性方面存在潜在的薄弱性。

3、另外，传统质量溯源系统对产品生命周期的追溯能力有限，无法提供全面的产品制造历程信息，这使得在质量问题发生时，企业难以准确、迅速地定位问题根源，增加了问题解决的难度，也制约了产品质量透明度和可追溯性的提升。最后，传统质量溯源系统在面对现代复杂生产环境时显得力不从心，生产涉及多种工艺、多个环节，而传统系统往往过于静态和单一，难以应对生产过程的多样性和复杂性。

技术实现思路

1、针对现有技术中的缺陷，本发明的目的在于提供一种基于工业智能模型的质量溯源系统及方法，采用先进的人工智能技术，结合实时数据采集和分析，实现对产品生命周期的全面质量追溯和管理。

2、为解决上述问题，本发明的技术方案为：

3、一种基于工业智能模型的质量溯源系统，包括数据采集模块、工业智能模型模块以及质量溯源模块，所述数据采集模块用于实时收集与生产相关的数据并输送至工业智能模型模块，所述工业智能模型模块通过深度学习和数据分析，对采集到的数据进行实时处理和预测，识别潜在的质量问题并优化生产过程，所述质量溯源模块使用区块链技术建立产品质量溯源数据库，实现对产品的质量溯源和质量管理。

4、优选地，所述数据采集模块具体包括：

5、实时数据采集：采用传感器技术和物联网设备，实现对生产环境中的实时数据采集；

6、多源数据整合：通过标准化数据格式和协议，保证不同设备产生的数据可以被系统识别和整合；

7、分布式数据采集网络：数据采集模块建立分布式数据采集网络，不同生产线、不同工厂的数据采集点通过网络连接，实现对整个生产系统的全面监控；

8、实时数据传输和处理：采用实时数据传输机制，将采集到的数据传送至后端处理系统，在数据传输的同时，数据采集模块内置的数据处理引擎能够对数据进行初步的清洗和处理。

9、优选地，所述工业智能模型模块具体包括：

10、深度学习算法：用于优化模型以适应生产环境的变化，并实现对生产数据的实时分析和预测；

11、模型优化机制：通过监测模型的性能并根据实时数据进行反馈，模型能够自动进行参数调整和优化，确保其在不同生产场景下的稳定性和高效性；

12、api集成：工业智能模型以api的形式嵌入应用，通过提供api接口实现系统功能的扩展和升级。

13、优选地，所述深度学习算法通过对历史和实时生产数据的学习，构建一个compgcn神经网络，解决图谱知识推理的问题，能够识别和理解数据中的模式和特征，能够实时地对传入的数据进行分析，识别潜在的质量问题，并预测未来可能发生的异常，通过持续学习和模型优化机制，系统能够适应不同的生产环境。

14、优选地，所述compgcn在进行表示学习时aggregation的过程，公式为：

15、

16、compgcn中做了关系增强，在正向关系类型基础上，增加了反向关系和自循环关系类型，公式为：

17、

18、优选地，所述质量溯源模块具体包括：

19、产品质量溯源数据库：用于记录每个产品的质量相关信息；

20、产品追溯功能：通过扫描产品上的标识码或输入相应的信息，实现产品质量信息的的追溯。

21、进一步地，本发明还提供一种基于工业智能模型的质量溯源方法，包括以下步骤：

22、通过传感器元件实时采集产品在生产过程中的数据；

23、通过深度学习算法和数据分析，对采集到的数据进行实时处理和预测，以识别潜在的质量问题和优化生产过程；

24、通过质量溯源模块记录产品质量信息，实现产品生命周期的全面追溯。

25、优选地，所述深度学习算法采用compgcn算法。

26、优选地，所述compgcn在进行表示学习时aggregation的过程，公式为：

27、

28、compgcn中做了关系增强，在正向关系类型基础上，增加了反向关系和自循环关系类型，公式为：

29、

30、与现有技术相比，本发明的有益效果如下：

31、1、本发明系统采用了先进的工业智能模型，利用深度学习算法对实时采集到的生产数据进行实时处理和预测，使得系统能够更准确地识别潜在的质量问题，并在学习过程中不断优化模型以适应生产环境的动态变化，极大提高了质量问题的识别准确性和及时性。

32、2、本发明系统中的质量溯源模块利用区块链技术建立产品质量溯源数据库，实现对产品生命周期的全面追溯，同时区块链技术通过分布式账本的形式，确保了数据的安全性，防范了潜在的数据篡改和未经授权的访问。

33、3、本发明系统适用于各类制造业，包括电子、汽车、食品等领域，主要优势在于提高了生产过程的效率和质量管理的准确性，同时通过全面追溯和透明度的提升，增强了产品的市场竞争力和信誉度。

技术特征：

1.一种基于工业智能模型的质量溯源系统，其特征在于，所述系统包括数据采集模块、工业智能模型模块以及质量溯源模块，所述数据采集模块用于实时收集与生产相关的数据并输送至工业智能模型模块，所述工业智能模型模块通过深度学习和数据分析，对采集到的数据进行实时处理和预测，识别潜在的质量问题并优化生产过程，所述质量溯源模块使用区块链技术建立产品质量溯源数据库，实现对产品的质量溯源和质量管理。

2.根据权利要求1所述的基于工业智能模型的质量溯源系统，其特征在于，所述数据采集模块具体包括：

3.根据权利要求1所述的基于工业智能模型的质量溯源系统，其特征在于，所述工业智能模型模块具体包括：

4.根据权利要求3所述的基于工业智能模型的质量溯源系统，其特征在于，所述深度学习算法通过对历史和实时生产数据的学习，构建一个compgcn神经网络，解决图谱知识推理的问题，能够识别和理解数据中的模式和特征，能够实时地对传入的数据进行分析，识别潜在的质量问题，并预测未来可能发生的异常，通过持续学习和模型优化机制，系统能够适应不同的生产环境。

5.根据权利要求4所述的基于工业智能模型的质量溯源系统，其特征在于，所述compgcn在进行表示学习时aggregation的过程，公式为：

6.根据权利要求1所述的基于工业智能模型的质量溯源系统，其特征在于，所述质量溯源模块具体包括：

7.一种基于工业智能模型的质量溯源方法，其特征在于，所述方法包括以下步骤：

8.根据权利要求7所述的基于工业智能模型的质量溯源方法，其特征在于，所述深度学习算法采用compgcn算法。

9.根据权利要求8所述的基于工业智能模型的质量溯源方法，其特征在于，所述compgcn在进行表示学习时aggregation的过程，公式为：

技术总结
本发明提供了一种基于工业智能模型的质量溯源系统及方法，所述系统包括数据采集模块、工业智能模型模块以及质量溯源模块，所述数据采集模块用于实时收集与生产相关的数据并输送至工业智能模型模块，所述工业智能模型模块通过深度学习和数据分析，对采集到的数据进行实时处理和预测，识别潜在的质量问题并优化生产过程，所述质量溯源模块使用区块链技术建立产品质量溯源数据库，实现对产品的质量溯源和质量管理。本发明采用先进的人工智能技术，结合实时数据采集和分析，实现对产品生命周期的全面质量追溯和管理。

技术研发人员：万卫兵,张梦晓,胡继米,张红兵
受保护的技术使用者：上海工程技术大学
技术研发日：
技术公布日：2024/4/29