具有数据分析和人工智能的自动化感测和控制系统的制作方法
背景技术:
1、现有的产品开发、制造和分销过程需要大量的人力资本投入。现有过程的改进可能需要尝试从大量信息中导出可用的洞察。分析人员在处理如此大量的信息以及从中标识意外趋势或关联关系的能力方面存在局限性。因此,对大规模过程进行改进可能进展缓慢,并且仅限于依据易于识别的模式所进行的改变。
2、硬件测试是可能需要大量人力的另一过程。彻底测试面向公众的机器(诸如自动售货机)的用户界面可能需要在各种条件下将动作重复数百或数千次。因此,部署面向公众的机器的企业可能需要将现有人员从其他更复杂的任务中调离或者为测试目的雇佣额外的人员,由此产生大量成本。
技术实现思路
1、需要一种高效分析大量信息并从中发现人类分析人员可能不会想到去查找的关联关系、趋势和模式的方法。因此,本公开的一个方面涉及一种用于从整个产品分销网络收集信息并利用该信息训练一个或多个机器学习模型的系统。可训练机器学习模型以提供操作推荐。这些推荐可涉及分销物流、制造量、产品开发、装备现场性能、维护和维修。
2、进一步需要一种在几乎无需或完全无需人类参与的情况下向机器的用户界面施加重复的用户动作的方式。因此,本公开的一个方面涉及一种测试工装,该测试工装可附接到机器的用户界面并以指令进行编程以重复对应于与机器的预期用户交互的动作或动作序列。该工装可设置有用于模拟预期用户交互的机构。例如,该工装可设置有一个或多个机构,用于向用户界面提交具有不同技术(例如,磁条、emv芯片和近场通信芯片)的支付卡,由此模拟支付动作。
3、本公开的一些方面涉及一种智能分销系统。该智能分销系统可包括分布式机器学习网络,该分布式机器学习网络包括多个终端分销部件。每个终端分销部件可被配置为基于包括从相应终端分销设备到零售设施的分销记录的终端分销商数据来预测从该终端分销设备到该零售设施的未来分销模式。
4、在根据前述任一项的一些实施方案中,该分布式机器学习网络还可包括多个区域分销部件。每个区域分销部件可被配置为基于包括来自相应多个该终端分销设备的该分销记录的区域分销商数据来预测该多个终端分销设备所位于的地理区域内的未来区域销售量,并且其中该未来销售量包括由该终端分销设备分销到该零售设施的产品的销售。
5、在根据前述任一项的一些实施方案中,该分销记录可包括来自安装在该终端分销中心中的至少一个终端分销中心中的产品处理机械的操作日志。
6、在根据前述任一项的一些实施方案中,该分布式机器学习网络还可包括中心部件。该中心部件可被配置为基于包括由该区域分销部件预测的该未来区域销售量的中心数据来预测由该终端分销设备分销到该零售设施的该产品的未来全局销售量。
7、在根据前述任一项的一些实施方案中,该中心部件还可被配置为基于该中心数据来预测满足所预测的未来全局销售量所必需的未来制造负荷。
8、在根据前述任一项的一些实施方案中,该终端分销商数据可包括从该零售设施接收的零售数据。
9、在根据前述任一项的一些实施方案中,从该零售设施中的至少一个零售设施接收的该零售数据可包括由自动化存货监测系统生成的记录。
10、本公开的一些方面涉及一种测试机器的方法。该方法可包括将测试工装连接到该机器。该测试工装可被配置为模拟用户与该机器的交互。该方法还可包括将指令加载到该测试工装的控制器。该指令可包括要由该测试工装执行的交互的序列。该方法还可包括利用该测试工装执行该序列中的第一动作。该方法还可包括利用该测试工装确定该机器是否提供对该第一动作的预期反馈。该方法还可包括记录来自该机器的输出。
11、在根据前述任一项的一些实施方案中,该方法可包括使用该测试工装来将该第一动作重复预定次数。
12、在根据前述任一项的一些实施方案中,该方法可包括将该第一动作重试预定次数,然后利用该工装执行该序列中的第二动作,
13、在根据前述任一项的一些实施方案中,该方法可包括利用该工装将该序列中的每个动作执行至少一次。该方法还可包括在将该序列中的每个动作执行至少一次之后,通过执行该第一动作并确定该机器是否提供对该第一动作的预期反馈来重新启动该序列。
14、在根据前述任一项的一些实施方案中,该方法可包括从在其他机器的故障数据上训练的机器学习模型获得该序列。
15、本公开的一些方面涉及一种机器测试工装。该测试工装可包括卡保持器,该卡保持器被配置为将支付卡提交到机器的用户界面。该测试工装还可包括传感器,该传感器配置为测量自动售货机对将该支付卡提交到该用户界面的响应。
16、在根据前述任一项的一些实施方案中,该测试工装可包括触笔,该触笔被配置为模拟对该用户界面的手动输入。
17、在根据前述任一项的一些实施方案中,该测试工装可包括机动化臂,该机动化臂被配置为通过将该支付卡的磁条刷过该用户界面的磁条读取器来将该支付卡提交到该用户界面。
18、在根据前述任一项的一些实施方案中,该测试工装可包括致动器,该致动器被配置为将该支付卡的芯片推入该用户界面的芯片读取器中。
19、在根据前述任一项的一些实施方案中,该测试工装可包括框架,该臂和该传感器连接到该框架。该框架可被配置为安装到该用户界面。
20、在根据前述任一项的一些实施方案中,该测试工装可包括近场通信(“nfc”)芯片和机动化芯片支架,该机动化芯片支架被配置为将该芯片移入和移出该界面的nfc读取器的通信范围。
21、在根据前述任一项的一些实施方案中,该传感器可以是相机。
22、在根据前述任一项的一些实施方案中,该传感器可以是还包括一个或多个qr码读取器的传感器系统或传感器块的一部分。
23、在根据前述任一项的一些实施方案中,该传感器可以是还包括一个或多个条形码读取器的传感器系统或传感器块的一部分。
24、在根据前述任一项的一些实施方案中,该传感器可以是还包括一个或多个近场通信(“nfc”)读取器的传感器系统或传感器块的一部分。
25、在根据前述任一项的一些实施方案中,该传感器可以是还包括一个或多个窄带物联网(“nb-iot”)读取器的传感器系统或传感器块的一部分。
26、在根据前述任一项的一些实施方案中,该传感器可以是还包括一个或多个蓝牙低功耗(“ble”)读取器的传感器系统的一部分。
27、在根据前述任一项的一些实施方案中,该测试工装可被配置为确定该界面是否提供对由该工装执行的动作的预期反馈,并且如果该界面不提供该预期反馈,则记录由该界面提供的反馈。
28、本公开的一些方面涉及一种系统,该系统包括对前述任一示例的测试以及托管机器学习模型的计算设备。该测试工装可被配置为将由该测试工装收集的数据发送到该机器学习模型。该机器学习模型可被配置为开发测试协议以重现在由该测试工装获取的测试数据中标识出的故障状态。
29、本公开的附加的实施方案和优点将部分地在以下描述中阐述,并且将从该描述中得出,或者可通过本公开的实践来学习。
30、应当理解,以上 技术实现要素: 和以下具体实施方式都仅是示例性和解释性的,并不限制权利要求的范围。