用于使用振动数据进行生产线瓶颈分析的方法和装置与流程

1.本公开总体上涉及信息处理，更具体地，涉及用于使用振动数据进行生产线瓶颈分析的方法和装置。


背景技术：

2.生产流水线，简称为生产线，是工厂普遍采用的一种生产方式。在工厂中，生产线的效率是对产量和质量的关键影响因素之一，因此对于工厂而言，找到生产线中的瓶颈以便能够有针对性地解决问题来提高生产效率是非常重要的。
3.然而，想要找出生产线中的瓶颈并非易事。一条生产线往往包含来自不同厂商的多个工位和机器，它们各自的数据也通常是由不同的系统来监控和处理。例如，生产线中的一台机器的效率可能是要依靠来自控制系统的状态数据和来自制造执行管理系统(mes)的生产数据一起才能计算得出的，然而，控制系统通常是由该机器的生产厂商提供的，而mes则可能来自于另一个第三方厂商，要把这两种不同来源的数据进行有效组合以便发现影响效率的瓶颈面临着很多实际的困难。
4.为了找出生产线中的瓶颈，现有技术中采用的一种方式是开发一个新的系统，将来自多个已有数据源的数据进行组合并消除其中可能存在的偏差和错误。然而，这种方式需要消耗大量工厂投资，并且难以普遍适用于不同的工厂，这是因为所使用的软硬件系统的变化会非常大。
5.另一种方式则是采用人工的方式来检查瓶颈。例如，依靠有经验的工程师到生产线现场进行排查，以便找到影响效率的瓶颈及其成因并将这些信息反馈给生产方人员。显然，这种方式是低效的，也不符合工厂自动化和数字化并减少人工依赖的发展趋势。


技术实现要素：

6.提供本发明内容部分来以简化的形式介绍一些选出的概念，其将在下面的具体实施方式部分中被进一步描述。该发明内容部分并非是要标识出所要求保护的主题的任何关键特征或必要特征，也不是要被用于帮助确定所要求保护的主题的范围。
7.根据本公开的一个方面，提供了一种用于使用振动数据进行生产线瓶颈分析的方法，所述方法包括：获取由部署在生产线的工位中的振动传感器采集的振动数据；对所述振动数据进行时域特征提取，以获得对应于所述振动数据的时域特征值集合；基于与所述工位包含的多个工艺相关联的设计数据和专家领域知识，将所述时域特征值集合划分成多个数据分段，其中，所述多个数据分段中的每一个数据分段被匹配到所述多个工艺其中之一；对于所述多个数据分段中的每一个数据分段，判断该数据分段是否符合相应工艺的特征统计分布模型；以及响应于判定该数据分段不符合相应工艺的特征统计分布模型，将所述相应工艺标记为所述生产线中的瓶颈。
8.本公开的上述方面提供了一种高效且易于实施的机制，能够对生产线进行准确的瓶颈分析。借助对于来自于生产线中普遍部署的振动传感器的振动数据的分析和统计，结
合相关的设计数据和专家领域知识，根据本公开的机制可以高效准确地发现生产线中的瓶颈，为解决具体的瓶颈问题以提高生产线效率提供了可能。
9.此外，在前述方面的一个示例中，所述方法还包括：至少部分地基于与所述相应工艺相关联的设计数据和专家领域知识，识别可能造成瓶颈的一个或多个原因；以及生成并输出包含所述一个或多个原因的瓶颈原因列表。
10.此外，在前述方面的一个示例中，所述振动数据的采样周期对应于所述工位的一个完整运行周期。
11.此外，在前述方面的一个示例中，所述方法还包括：在对所述振动数据进行时域特征提取之前，对所述振动数据进行预处理，其中，所述预处理包括低通滤波、带通滤波其中之一，并且其中，所述时域特征包括以下中的一个或多个：最大值、峰值、均方根、峰度。
12.此外，在前述方面的一个示例中，所述方法还包括：基于所述时域特征值集合自身的数据特性，将所述时域特征值集合划分成第二多个预分段，其中，所述多个数据分段是通过对所述第二多个预分段进行更新而确定的，所述更新包括将所述第二多个预分段中的预分段进行合并和/或拆分。
13.此外，在前述方面的一个示例中，所述特征统计分布模型是通过对历史数据进行统计分析而确定的，所述历史数据包括针对当前工位中的该工艺而积累的历史特征值集合、以及针对与当前工位类型相同的其它工位中的对应工艺而积累的历史特征值集合。
14.此外，在前述方面的一个示例中，判断该数据分段是否符合相应工艺的特征统计分布模型包括：基于所述特征统计分布模型的一个或多个参数，检查该数据分段的对应特征是否落在指定的偏离范围内；响应于该数据分段的对应特征是否落在指定的偏离范围内，判定该数据分段不符合相应工艺的特征统计分布模型。
15.此外，在前述方面的一个示例中，所述特征统计分布模型包括正态分布，并且其中，所述正态分布的所述参数包括以下中的一个或多个：均值、方差。
16.此外，在前述方面的一个示例中，识别可能造成瓶颈的一个或多个原因包括：通过将所述数据分段与当前采样周期内的其它数据分段进行比较来确定可能造成瓶颈的原因；和/或通过将所述数据分段与其它采样周期内的对应数据分段进行比较来确定可能造成瓶颈的原因。
17.根据本公开的另一个方面，提供了一种计算设备，所述计算设备包括：至少一个处理器；以及存储器，其耦合到所述至少一个处理器并用于存储指令，其中，所述指令在由所述至少一个处理器执行时，使得所述至少一个处理器：获取由部署在生产线的工位中的振动传感器采集的振动数据；对所述振动数据进行时域特征提取，以获得对应于所述振动数据的时域特征值集合；基于与所述工位包含的多个工艺相关联的设计数据和专家领域知识，将所述时域特征值集合划分成多个数据分段，其中，所述多个数据分段中的每一个数据分段被匹配到所述多个工艺其中之一；对于所述多个数据分段中的每一个数据分段，判断该数据分段是否符合相应工艺的特征统计分布模型；以及响应于判定该数据分段不符合相应工艺的特征统计分布模型，将所述相应工艺标记为所述生产线中的瓶颈。
18.根据本公开的再一个方面，提供了一种用于使用振动数据进行生产线瓶颈分析的装置，所述装置包括：用于获取由部署在生产线的工位中的振动传感器采集的振动数据的模块；用于对所述振动数据进行时域特征提取，以获得对应于所述振动数据的时域特征值
集合的模块；用于基于与所述工位包含的多个工艺相关联的设计数据和专家领域知识，将所述时域特征值集合划分成多个数据分段的模块，其中，所述多个数据分段中的每一个数据分段被匹配到所述多个工艺其中之一；用于对于所述多个数据分段中的每一个数据分段，判断该数据分段是否符合相应工艺的特征统计分布模型的模块；以及用于响应于判定该数据分段不符合相应工艺的特征统计分布模型，将所述相应工艺标记为所述生产线中的瓶颈的模块。
19.根据本公开的又一个方面，提供了一种计算机可读存储介质，其上存储有指令，所述指令在由至少一个处理器执行时，使得所述至少一个处理器执行本文中所述的任一方法。
20.根据本公开的另一个方面，提供了一种计算机程序产品，其包括指令，所述指令在由至少一个处理器执行时，使得所述至少一个处理器执行本文中所述的任一方法。
附图说明
21.在附图中对本公开的实现以示例的形式而非限制的形式进行了说明，附图中相似的附图标记表示相同或类似的部件，其中：
22.图1示出了可以在其中实施本公开的一些实现的示例性环境；
23.图2示出了根据本公开的一些实现的由振动传感器采集的振动数据的示例性片段；
24.图3示出了根据本公开的一些实现的生产线的示例性结构；
25.图4示出了根据本公开的一些实现的示例性方法的流程图；
26.图5示出了根据本公开的一些实现的示例性架构；
27.图6示出了根据本公开的一些实现的示例性装置的框图；以及
28.图7示出了根据本公开的一些实现的示例性计算设备的框图。
29.附图标记列表
30.110：振动传感器
ꢀꢀꢀꢀꢀ
120：处理设备
ꢀꢀꢀꢀꢀꢀ
130：网络
31.310
‑
330：工位1
‑
工位3
ꢀꢀꢀꢀ
340
‑
360：机器1
‑
机器3
32.370
‑
390：工艺1
‑
工艺3
33.410
‑
470：步骤
34.510：振动分析阶段
ꢀꢀ
520：数据匹配阶段
ꢀꢀ
530：统计分析阶段
35.540：振动数据
ꢀꢀꢀꢀꢀꢀ
550：设计数据
ꢀꢀꢀꢀꢀꢀ
560：专家领域知识
36.570：瓶颈原因列表
37.610
‑
650：模块
38.710：处理器
ꢀꢀꢀꢀꢀ
720：存储器
具体实施方式
39.在以下的说明书中，出于解释的目的，阐述了大量具体细节。然而，应当理解的是，本公开的实现无需这些具体细节就可以实施。在其它实例中，并未详细示出公知的电路、结构和技术，以免影响对说明书的理解。
40.说明书通篇中对“一个实现”、“实现”、“示例性实现”、“一些实现”、“各种实现”等
的引述表示所描述的本公开的实现可以包括特定的特征、结构或特性，然而，并不是说每个实现都必须要包含这些特定的特征、结构或特性。此外，一些实现可以具有针对其它实现描述的特征中的一些、全部，或者不具有针对其它实现描述的特征。
41.以最有助于理解所要求保护的主题的方式，可能会将各种操作描述为依次序的多个分立的动作或操作。然而，描述的次序并不应当被解释为暗示这些操作必然是依赖于次序的。尤其是，这些操作可以不按照所呈现的次序来执行。在另外的一些实现中，还可以执行各种另外的操作，和/或忽略各种已经描述的操作。
42.在说明书和权利要求书中，可能会出现的短语“a和/或b”用来表示以下之一：(a)、(b)、(a和b)。类似地，可能会出现的短语“a、b和/或c”用来表示以下之一：(a)、(b)、(c)、(a和b)、(a和c)、(b和c)、(a和b和c)。
43.在说明书和权利要求书中，可能会用到术语“耦合”和“连接”及其派生词。需要理解的是，这些术语并非是要作为彼此的同义词。相反，在特定的实现中，“连接”用于表示两个或更多部件彼此直接物理或电接触，而“耦合”则用于表示两个或更多部件彼此协作或交互，但是它们可能、也可能不直接物理或电接触。
44.对生产线进行瓶颈分析，以进一步提升效率降低成本，始终是工业生产等领域的热点问题。本公开提供了一种用于进行生产线瓶颈分析的高效且易于实施的机制，其借助对于由部署在生产线中的振动传感器采集的数据的分析和统计，结合相关的设计数据和专家领域知识，可以准确发现生产线中的瓶颈，进而还可以识别出可能造成瓶颈的一个或多个原因，由此使得解决具体的瓶颈问题以进一步提高生产线效率成为可能。
45.首先参照图1，其示出了可以在其中实施本公开的一些实现的示例性操作环境100。如图1所示，在一些实现中，操作环境100可以包括至少一个振动传感器110和处理设备120，振动传感器110和处理设备120可以通过网络130来彼此通信地耦合。
46.处理设备120用于至少部分地基于由至少一个振动传感器110采集的振动数据来实施本公开中描述的各个方案。振动传感器110中的每一个可以是物联网(iot)传感器，其可以共同构成物联网的一部分。振动传感器110被部署在生产线中的适当位置处，例如，其可以被部署在生产线中的一个工位上，更具体地，其可以被部署在该工位中的一台特定机器(如传动系统、机床等)上，用于检测工位/机器处的机械振动，将检测到的机械振动转换成电流或电压或者其它信号形式来输出。这样的振动信号通常可能是很多正弦波的叠加。由振动传感器采集的振动数据的示例性片段如图2所示，其中横轴表示时间(秒)，纵轴则表示振动的单位，例如可以是米每二次方秒(m/s2)。
47.当前，工厂生产线中的新的智能设备、或者已有的旧设备为了进行工厂数字化改造，均会安装有振动传感器，以用于进行设备管理和预测性维护等工作。例如，安装在电机上的振动传感器可以监控电机的工作，以便能够及时发现电机故障等问题。与这些及其它常见的振动传感器使用方式不同的是，根据本公开的一些实现将振动传感器采集的振动数据用于进行生产线瓶颈分析。
48.在一些实现中，振动传感器110持续地采集振动数据，并且响应于一定的触发事件、或者响应于来自外部(例如处理设备120)的指示信号等来将所采集的一个时间段(采样周期)的振动数据提供给处理设备120。在一个示例中，所述振动数据的采样周期对应于其上部署了该振动传感器的工位的一个完整运行周期。换句话说，每当该工位完成了一个完
整的运行周期的工作时，相应的振动传感器就将其采集的该时间段内的振动数据提供给处理设备120。
49.此外，在一些实现中，振动传感器110也可以并非直接将所采集的振动数据提供给处理设备120，而是将振动数据传送到其它设备(未示出)，例如数据库、存储装置等中。相应地，处理设备120在操作时可以从这样的其它设备获取所存储的来自振动传感器110的振动数据。
50.处理设备120的示例可以包括但不限于：移动设备，个人数字助理(pda)，可穿戴设备，智能电话，蜂窝电话，手持设备，消息传送设备，计算机，个人计算机(pc)，台式计算机，膝上型计算机，笔记本计算机，手持计算机，平板计算机，工作站，迷你计算机，大型计算机，超级计算机，网络设备，web设备，基于处理器的系统，多处理器系统，消费电子设备，可编程消费电子设备，电视，数字电视，机顶盒，或其任意组合。在一些实现中，处理设备120可以部署在远离振动传感器110的位置处。此外，在一些实现中，处理设备120的功能可以通过运行在其上的应用来实现，然而本公开并不限于此。
51.此外，尽管在图1中处理设备120被示出为单个设备，但是本领域技术人员可以理解的是，处理设备120也可以被实现为一组设备。在一些实现中，处理设备120可以被实施为一台服务器、服务器阵列或服务器集群。此外，在一些实现中，处理设备120或其至少一部分可以被部署在分布式计算环境中。在一些实现中，处理设备120或其至少一部分可以被部署在云端，采用云计算技术来实现。
52.网络130可以包括任意类型的有线或无线通信网络，或者有线和无线通信网络的组合。通信网络的示例可以包括、但不限于：局域网(lan)、城域网(man)、广域网(wan)、公共电话网(pstn)、互联网(internet)、内联网(intranet)、物联网(iot)、红外(ir)网络、蓝牙(bluetooth)网络、近场通信(nfc)网络、zigbee网络，等等。此外，尽管图1中示出了单个网络130，但是网络130可以被配置为包括多个网络。在一些实现中，处理设备120与至少一个振动传感器110之间也可以不通过网络130而直接通信地耦合。
53.接下来参考图3，其示出了根据本公开的一些实现的生产线的示例性结构300。典型地一条生产线的组成结构从上到下涉及工位(station)、机器(machine)、以及具体的工艺(process)。在图3的示例中，生产线被示出为包括多个工位310
‑
330，分别为工位1、工位2以及工位3。每个工位上可以布置有一台或多台机器。例如，工位1(310)中可以有一台机器1(340)，工位2(320)中可以有两台机器，分别是机器2(350)和机器3(360)。工位3(330)中同样有自己的机器，为了简化说明在这里未示出。每台机器又会分别涉及多项不同的工艺。这里仅以机器1(340)为例，其涉及工艺1(370)、工艺2(380)以及工艺3(390)。每一项工艺可能对应于该机器的一个不同的工作状态，例如分别是加载、组装、卸载。出于简化说明的目的，机器2和机器3涉及的工艺也未在这里示出。
54.在根据本公开的一些实现中，图1中所示的振动传感器110被部署在工位中，例如一个振动传感器110可以被部署在工位1(310)中，更具体地，可以被部署在机器1(340)上，用于检测相应位置处的机械振动。如前所述，在一个示例中，处理单元120获取的、每次要处理的振动数据可以对应于工位1(310)的一个完整运行周期，在这里即为工位1(310)下的所有三个工艺(370
‑
390)顺序执行一遍所需的整体时间。然而，所要处理的振动数据也可以对应于一个更长的时间段(例如，一个工位的多个完整运行周期)、或者一个更短的时间段(例
如，一个工位的完整运行周期中执行一项或几项工艺对应的时间)，本公开并不限于此。
55.图4示出了根据本公开的一些实现的示例性方法400的流程图。方法400可以使用振动数据进行生产线瓶颈分析。方法400例如可以在图1中所示的处理设备120或任何类似的或相关的实体中实现。
56.如图4所示，方法400开始于步骤410，在该步骤中，获取由部署在生产线的工位中的振动传感器采集的振动数据。结合前面的示例来具体描述，例如，处理设备120可以从部署在生产线的工位1(310)中的振动传感器110接收后者采集的振动数据。在一些实现中，振动数据可以是由振动传感器110持续采集、并响应于一定的触发条件而主动提供给处理设备120来进行处理的；在替代的实现中，振动数据也可以是由振动传感器110响应于来自外部(例如，来自处理设备120)的指示信号或获取请求而提供给处理设备120的。此外，在一些实现中，振动传感器110采集的振动数据也可以被提供给诸如数据库之类的装置进行存储，而处理设备120则可以按照需要从这样的装置中获取振动数据。
57.在获取了振动数据之后，方法400前进到步骤420，在该步骤中，对所述振动数据进行时域特征提取，以获得对应于所述振动数据的时域特征值集合。作为示例，步骤410中获取的振动数据可以是一段长度为60秒的振动数据，这一长度可能对应于工位1(310)的一个完整运行周期。步骤420中的时域振动分析可以涉及多种时域特征中的一个或多个，包括但不限于最大值、峰值、均方根、峰度等等。
58.以将最大值作为要提取的时域特征为例，在步骤420中，对于总长为60秒的振动数据，可以计算单位长度(如每1秒)中的振动最大值，将由此获得的60个最大值作为该振动数据的时域特征值集合。在替代的实现中，也可以采用滑动窗口的形式来计算每个窗口中的最大振动值，例如将窗口大小设置为5秒、而步长设置为1秒，窗口沿时间顺序按照所设步长滑动，由此对于总长为60秒的振动数据可以获得56个最大值作为相应的时域特征值集合。其它的实现方式也是可行的，可以取决于系统实现的需要而进行选择。
59.此外，在一些实现中，在步骤420之前，方法400还可以包括对在步骤410所获取的振动数据进行预处理。例如，所述预处理可以包括低通滤波、带通滤波其中之一。通过预处理过程，可以有效地降低振动数据中的噪声可能对于前面描述的时域特征提取造成的干扰。
60.在一些实现中，可以将在步骤420中的时域特征提取所可能用到的多种具体的时域处理算法、以及上述的预处理过程中可能用到的多种处理算法，共同包含在一个时域分析容器中。相应地，在具体实现步骤420及其之前的预处理时，可以按照需要从该容器中选取适当的一种或多种算法。
61.经过步骤420的处理，原始的振动数据被转换成了特定的特征值集合。然而，这些特征值仅仅能够反映振动数据本身的特性，仅基于此并不能够获知与生产线上的工位/机器/工艺等有关的更细节信息。
62.接下来，方法400进行到步骤430，在该步骤中，基于与所述工位包含的多个工艺相关联的设计数据和专家领域知识，将所述时域特征值集合划分成多个数据分段，其中，所述多个数据分段中的每一个数据分段被匹配到所述多个工艺其中之一。
63.设计数据表示的是整个系统最初设计时所遵循的规范，例如对于每个工位
‑
机器
‑
工艺，都有相应的工艺设计参数，例如可以包括工艺顺序流程、该项工艺所对应的工作状态
(如加载、组装(自动)、卸载等等)，也可以包括预设的执行该项工艺所要耗费的时间(或者允许的时间范围)，还可以包括所能接受的在执行该项工艺期间的振动数据的特征值(如最大值)的上/下限等等。这些设计参数与每一项工艺一一对应，并被相关联地存储在数据库中以供需要时使用。
64.然而，设计数据仅仅是生产线的控制系统所应遵循的固定值/值范围，这通常对应于理想的情况，而在工位或者工位中的机器实际运行时，尤其是随着时间的推移，这些设计参数与相应的实际值之间往往会存在着一定程度的差异。因此，如果仅依赖于设计数据的话，可能会给后面的计算和处理引入比较大的误差。
65.因此，根据本公开的一些实现中还进一步引入了专家领域知识，这些专家领域知识可能是在生产线运行过程中逐渐积累的，因此其更能准确反映工位
‑
机器
‑
工艺的真实情况。例如，专家领域知识可以包括对设计数据所反映的一项工艺对应的工作状态的补充。如设计数据可以指示图3中所示的工艺2(380)对应于自动组装状态；而专家领域知识则表示，在该工艺2中，在自动组装之后，还需要有一个对于组装结果的人工调整状态，只有这样在实际生产中工艺2的组装结果才能是完备的。这样的知识可能是设计数据中并没有考虑到的，但却是实际生产所必须的。此外，专家领域知识还可以包括一项或多项可允许的时间范围(例如对应于上述为工艺2(380)补充的人工调整状态)，在相应的机器发生故障时异常抖动的一些特征等等。这些专家领域知识也与每一项工艺一一对应，并可以被相关联地存储在数据库中以供需要时使用。
66.借助于对应于这些工艺的设计数据和专家领域知识，步骤430可以将步骤420输出的时域特征值集合划分为多个数据分段。例如，数据库中工艺1(370)的设计数据指示其持续时间为10秒，对应的工作状态为加载；工艺2(380)的设计数据指示其持续时间为20秒，对应的工作状态为自动组装；而工艺3(390)的设计数据指示其持续时间为20秒，对应的工作状态为卸载。此外，数据库中还包含了针对工艺2(380)的专家领域知识，表示此处还需要有10秒的持续时间，对应于自动组装之后的人工调整状态。至少基于上述信息，可以将前面所述的60个最大值构成的时域特征值集合按时间顺序分为三个数据分段，长度分别为10秒、30秒、20秒，分别匹配到工艺1(370)、工艺2(380)、工艺3(390)。
67.尽管在上述示例中出于简化说明的目的仅描述了考虑与各工艺相关的持续时间来对时域特征值集合进行分段，然而需要注意的是，这样的分段/匹配操作还可以附加地或者替代地考虑设计数据和专家领域知识中包含的其它信息，例如设计数据和专家领域知识中所指示的相应的时域特征值的所能接受的取值范围等等。
68.此外，在一些实现中，在进行步骤430之前，方法400还可以包括预划分的操作，其中，基于所述时域特征值集合自身的数据特性，将该集合划分成第二多个预分段。例如，不同于上述举例中通过步骤430最终划分成的三个数据分段，预划分的操作可能会首先将60秒的时域特征值集合按时间顺序划分为长度不等的六个预分段，而进行这样的预划分可能仅仅是考虑到能够从该集合中的数据本身中看到的一些特性或规律，例如60秒内的特征值呈现一定周期性的变化、一个时间段内的特征值大小明显不同于另一个时间段内的特征值大小等等，而并没有如步骤430那样将其与相应的设计数据和专家领域知识建立起关联。
69.相应地，在进行预划分的情况下，步骤430中最终得到的所述多个数据分段可以是同通过对预划分获得的所述第二多个预分段进行更新而确定的，这里所述的更新可以包括
将所述第二多个预分段中的预分段进行合并和/或拆分。
70.然后，方法400进行到步骤440，在该步骤中，对于所述多个数据分段中的每一个数据分段，判断该数据分段是否符合相应工艺的特征统计分布模型。
71.在一些实现中，步骤440中用到的特征统计分布模型可以是通过对相应工艺的历史数据进行统计分析而确定的，这里所说的历史数据既可以包括针对当前工位(如图3所示的工位1(310))中的该工艺(如图3所示的工艺1(370))而累积的历史特征值集合，也可以包括针对于当前工位类型相同的其它工位中的对应工艺而累积的历史特征值集合，后一种情况尤其适用于在工厂中同时有多条完全相同的生产线在并行运行的场景。其它用于确定步骤440中用到的特征统计分布模型的方式也是可行的，本公开并不限于上述特定实现。
72.更具体地，在一些实现中，在步骤440中判断该数据分段是否符合相应工艺的特征统计分布模型可以包括：基于所述特征统计分布模型的一个或多个参数，检查该数据分段的对应特征是否落在指定的偏离范围内；以及响应于该数据分段的对应特征未落在指定的偏离范围内，判定该数据分段不符合相应工艺的特征统计分布模型。
73.举例来说，这样的通过对历史数据的统计分析而预先确定的一个特征统计分布模型可以表征相应工艺的一项特征(如该工艺的持续时间/周期)应服从正态分布，相应地该正态分布具有一个或多个参数，如均值、方差等等。因此，在步骤440中，可以检查当前处理的该数据分段的持续时间(例如，对于被匹配到工艺1(370)的第一数据分段来说，其是10秒)是否服从由该均值和方差所限定的该正态分布。例如，可以要求第一数据分段的10秒的持续时间相对于该均值而言偏离不能超过三个标准差(其是根据方差计算出的)，否则认为第一数据分段的持续时间没有落入指定的偏离范围，并因此判定该数据分段不符合相应的工艺1(370)的特征统计分布模型。
74.附加地或者替代地，在步骤440中用到的特征统计分布模型还可以关联于其它的特征，例如，针对前面所提取的时域特征(如最大值)，对于特定工艺(如工艺1(370))可能同样存在基于历史数据而预先确定的统计分布模型。例如，这样的统计分布模型也服从正态分布并因此具有对应的参数。因此，还可以用与前述类似的方式来判断当前处理的该第一数据分段的相应时域特征是否也符合该特定的特征统计分布模型。
75.在步骤440之后，方法400前进到步骤450，在这里，响应于步骤440中判定该数据分段不符合相应工艺的特征统计分布模型，将所述相应工艺标记为所述生产线中的瓶颈。
76.可以理解的是，针对在步骤430中划分成的多个数据分段中的每一个数据分段，均要执行步骤440
‑
450的操作，以识别相应的各个工艺是否是生产线中的瓶颈。
77.通过前述的操作，能够基于对振动传感器采集的振动数据的处理而高效准确地发现生产线中的瓶颈。在此基础上，在一些实现中，方法400还可以包括附加的步骤460，其中，至少部分地基于与所述相应工艺相关联的设计参数和专家领域知识，识别可能造成瓶颈的一个或多个原因；以及附加的步骤470，其中，生成并输出包含所述一个或多个原因的瓶颈原因列表。所输出的信息有助于技术人员定位并解决具体的瓶颈问题，从而使得可以进一步提高生产线效率。
78.更具体地，步骤460中的识别可能造成瓶颈的一个或多个原因可以包括：通过将所述数据分段与当前采样周期内的其它数据分段进行比较来确定可能造成瓶颈的原因。
79.例如，假定当前处理的是被匹配到工艺2(380)的第二数据分段，在步骤450中将其
标识为生产线的瓶颈之后，暂时还并不能确定可能造成该瓶颈的具体原因，这是因为如前面的举例中所述的，该工艺具体关联到两个状态，分别是自动组装状态(如设计数据所指示的)和人工调整状态(如专家领域知识所指示的)，前者是受控制系统的控制，而后者则受到人工操作的影响。
80.在根据本公开的一些实现中，例如在步骤460中，可以将第二数据分段与当前采样周期内位于其之前的第一数据分段(被匹配到工艺1(370))和/或位于其之后的第三数据分段(被匹配到工艺3(390))的相关数据进行比较。如果仅第二数据分段出现了前述的偏离并因此被认定为是瓶颈而第一和第三数据分段并没有出现类似的偏离的话，则有很大概率是工艺2(380)中所涉及的人工操作这部分出现问题，因为工艺2(380)及其前后的几个工艺的控制系统的控制逻辑总体上应是一致的。
81.相应地，在步骤470中，在生成并输出的瓶颈原因列表的一个示例中，对于工艺2(380)，可以仅包含该概率最大的瓶颈原因，即人工操作部分导致瓶颈；而在这样的瓶颈原因列表的另一个示例中，可以将人工操作部分导致瓶颈和控制系统逻辑导致瓶颈二者均作为可能的原因列出，但是前者因其概率更大而被置于首位。
82.附加地或者替代地，在步骤460的一些实现中，还可以考虑通过将所述数据分段与其它采样周期内的对应数据分段进行比较来确定可能造成瓶颈的原因。例如，可以将当前处理的第二数据分段与在先和/或在后的一个或多个采样周期内的相应位置上的第二数据分段的相关数据进行比较，将据此认定的可能的一个或多个瓶颈原因以与前述类似的方式包含在最后生成的瓶颈原因列表中。
83.图5示出了根据本公开的一些实现的架构示例，其总体上可以包括振动分析阶段510、数据匹配阶段520、以及统计分析阶段530。具体地，振动分析阶段510可以对应于图4中所示的步骤420等相关操作，该阶段以来自于诸如振动传感器110的振动数据540作为输入，通过选用合适的时域特征提取算法来对振动数据进行振动分析，获得对应的时域特征值集合。数据匹配阶段520可以对应于图4中所示的步骤430等相关操作，这里，设计数据550和专家领域知识560被作为输入提供给数据匹配阶段520，后者基于此对振动分析阶段510的输出，即时域特征值集合进行匹配，以将其划分成分别对应于不同工艺的多个数据分段。统计分析阶段530则可以对应于图4中所示的步骤440
‑
470等相关操作，该阶段通过对数据匹配阶段520所划分的多个数据分段中的每一个进行统计分析，判断其是否符合相应工艺的特征统计分布模型并据此标记出生产线中的瓶颈。进一步地，统计分析阶段540还可以以设计数据550和专家领域知识560作为输入，针对所标记的瓶颈，识别出可能造成该瓶颈的一个或多个原因，并基于此生成并输出相应的瓶颈原因列表570。
84.本领域技术人员可以理解，图5所示的示例性架构可以用软件、硬件、固件、或其任意组合来实现，在一个示例中，其可以被实现在图1中所示的处理设备120或任何类似的或相关的实体中。
85.下面参考图6，其示出了根据本公开的一些实现的示例性装置600的框图。装置600可以使用振动数据进行生产线瓶颈分析。装置600例如可以在图1中所示的处理设备120或任何类似的或相关的实体中实现。
86.如图6所示，装置600可以包括模块610，其用于获取由部署在生产线的工位中的振动传感器采集的振动数据。装置600还可以包括模块620，其用于对所述振动数据进行时域
特征提取，以获得对应于所述振动数据的时域特征值集合。装置600还可以包括模块630，其用于基于与所述工位包含的多个工艺相关联的设计数据和专家领域知识，将所述时域特征值集合划分成多个数据分段，其中，所述多个数据分段中的每一个数据分段被匹配到所述多个工艺其中之一。装置600还可以包括模块640，其用于对于所述多个数据分段中的每一个数据分段，判断该数据分段是否符合相应工艺的特征统计分布模型。此外，装置600还可以包括模块650，其用于响应于判定该数据分段不符合相应工艺的特征统计分布模型，将所述相应工艺标记为所述生产线中的瓶颈。
87.此外，在一些实现中，装置600的上述模块中的一个或多个还可以包括进一步的子模块、和/或装置600还可以包括附加的模块，用于执行说明书中已经描述的其它操作，如结合图4的示例性方法400的流程图而具体描述的。例如，在一个实现中，装置600还可以包括一个或多个模块以用于至少部分地基于与所述相应工艺相关联的设计数据和专家领域知识，识别可能造成瓶颈的一个或多个原因，并且生成并输出包含所述一个或多个原因的瓶颈原因列表。此外，在一些实现中，装置600的各种模块还可以取决于实际需求进行组合或拆分。上述及其它变型均落入本公开的范围之内。
88.本领域技术人员可以理解，示例性装置600可以用软件、硬件、固件、或其任意组合来实现。
89.图7示出了根据本公开的一些实现的示例性计算设备700的框图。计算设备700可以优化用于异常处理的机器学习分类任务。计算设备700例如可以在图1中所示的处理设备120或任何类似的或相关的实体中实现。
90.如图7所示，计算设备700可以包括至少一个处理器710。处理器710可以包括任意类型的通用处理单元(例如：cpu、gpu，等等)、专用处理单元、核心、电路、控制器，等等。此外，计算设备700还可以包括耦合到处理器710的存储器720。存储器720可以包括任意类型的可以用于存储数据的介质。在一些实现中，存储器720被配置为存储指令，所述指令在执行时使得至少一个处理器710执行本公开中描述的操作，例如，结合图4的示例性方法400的流程图而具体描述的。
91.此外，在一些实现中，计算设备700还可以耦合到或配备有一种或多种外设部件，所述外设部件可以包括但不限于显示器、扬声器、鼠标、键盘，等等。另外，在一些实现中，计算设备700还可以配备有通信接口，其可以支持各种类型的有线/无线通信协议以与通信网络进行通信。通信网络的示例可以包括但不限于：局域网(lan)、城域网(man)、广域网(wan)、公共电话网、互联网、内联网、物联网、红外网络、蓝牙网络、近场通信(nfc)网络、zigbee网络，等等。
92.此外，在一些实现中，上述及其它部件之间可以经由一种或多种总线/互连来相互通信，所述总线/互连可以支持任何合适的总线/互连协议，包括外围组件互连(pci)、快速pci快速、通用串行总线(usb)、串行附接scsi(sas)、串行ata(sata)、光纤通道(fc)、系统管理总线(smbus)，或其它合适的协议。
93.本领域技术人员可以理解，对于计算设备700的结构的上述描述仅仅是示例性而非限制性的，其它结构的设备也是可行的，只要能够用来实现本公开中所讨论的功能。
94.本公开的各种实现可以使用硬件单元、软件单元或其组合来实现。硬件单元的示例可以包括设备、部件、处理器、微处理器、电路、电路元件(例如、晶体管、电阻器、电容器、
电感器，等等)、集成电路、专用集成电路(asic)、可编程逻辑器件(pld)、数字信号处理器(dsp)、现场可编程门阵列(fpga)、存储单元、逻辑门、寄存器、半导体器件、芯片、微芯片、芯片组，等等。软件单元的示例可以包括软件部件、程序、应用、计算机程序、应用程序、系统程序、机器程序、操作系统软件、中间件、固件、软件模块、例程、子例程、函数、方法、过程、软件接口、应用程序接口(api)、指令集、计算代码、计算机代码、代码段、计算机代码段、字、值、符号、或其任意组合。确定一个实现是使用硬件单元和/或软件单元来实施的可以取决于多种因素而变化，例如期望的计算速率、功率级别、耐热性、处理周期预算、输入数据速率、输出数据速率、存储器资源、数据总线速度，以及其它的设计或性能约束，正如一个给定的实现所期望的。
95.本公开的一些实现可以包括制品。制品可以包括存储介质，其用于存储逻辑。存储介质的示例可以包括一种或多种类型的能够存储电子数据的计算机可读存储介质，包括易失性存储器或非易失性存储器、可移动或不可移动存储器、可擦除或不可擦除存储器、可写或可重写存储器，等等。逻辑的示例可以包括各种软件单元，例如软件部件、程序、应用、计算机程序、应用程序、系统程序、机器程序、操作系统软件、中间件、固件、软件模块、例程、子例程、函数、方法、过程、软件接口、应用程序接口(api)、指令集、计算代码、计算机代码、代码段、计算机代码段、字、值、符号、或其任意组合。在一些实现中，例如，制品可以存储可执行的计算机程序指令，其在被处理器执行时，使得处理器执行本文中所述的方法和/或操作。可执行的计算机程序指令可以包括任意合适类型的代码，例如，源代码、编译代码、解释代码、可执行代码、静态代码、动态代码，等等。可执行的计算机程序指令可以根据预定义的用于命令计算机来执行特定功能的计算机语言、方式或语法来实现。所述指令可以使用任意适当的高级的、低级的、面向对象的、可视化的、编译的和/或解释的编程语言来实现。
96.上面已经描述的包括所公开的架构的示例。当然并不可能描述部件和/或方法的每种可以想见的组合，但是本领域技术人员可以理解，许多其它的组合和排列也是可行的。因此，该新颖架构旨在涵盖落入所附权利要求的精神和范围之内的所有这样的替代、修改和变型。