一种发泡缺陷诊断方法、装置、设备和存储介质与流程

1.本发明实施例涉及缺陷检测技术，尤其涉及一种发泡缺陷诊断方法、装置、设备和存储介质。


背景技术：

2.发泡工艺是冰箱生产过程中至关重要的环节，发泡工艺效果的好坏直接决定冰箱质量的好坏，同时也关乎产线的生产成本和冰箱的节能性能，进而影响用户使用成品冰箱的体验。因此，发泡质量是整个冰箱行业重点关注的问题之一。
3.当前冰箱工厂发泡过程受多种因素的影响存在发泡气泡率较高等缺陷，工厂并未存储、利用和分析发泡工艺环节的检测数据对发泡缺陷的因素进行深度剖析，而是仅仅依靠工艺管理人员的主观经验判断造成发泡缺陷的因素。
4.这种方式不仅耗费大量的人力和时间成本，而且无法挖掘和追溯发泡缺陷的根本因素，导致冰箱产品合格率低、返修率高，对工厂造成较大的经济损失。


技术实现要素：

5.本发明提供一种发泡缺陷诊断方法，以实现确定噪声发泡缺陷的根本因素，以及各根本因素对应的作用比例，改善发泡效果，降低发泡成本，提升生产效率，进而提高冰箱产品的合格率。
6.第一方面，本发明实施例提供了一种发泡缺陷诊断方法，包括：
7.获取发泡过程的发泡数据、枪头数据和生产数据；
8.将所述发泡数据、所述枪头数据和所述生产数据作为输入数据输入预先训练好的发泡缺陷诊断模型中，以使所述发泡缺陷诊断模型结合影响发泡效果的影响因素，基于卷积神经网络确定造成发泡缺陷的根本因素，并基于贝叶斯因果网络确定各所述根本因素对应的作用比例。
9.本发明实施例提供一种发泡缺陷诊断方法，包括：获取发泡过程的发泡数据、枪头数据和生产数据；将所述发泡数据、所述枪头数据和所述生产数据作为输入数据输入预先训练好的发泡缺陷诊断模型中，以使所述发泡缺陷诊断模型结合影响发泡效果的影响因素，基于卷积神经网络确定造成发泡缺陷的根本因素，并基于贝叶斯因果网络确定各所述根本因素对应的作用比例。上述技术方案，在对冰箱进行发泡的过程中获取发泡过程所产生的发泡数据、枪头数据和生产数据，并将发泡数据、枪头数据和生产数据作为输入数据输入预先训练好的发泡缺陷诊断模型中，该模型可以结合影响发泡效果的影响因素对发泡数据、枪头数据和生产数据进行处理，以确定造成发泡缺陷的根本因素，同时还可以确定各根本因素对于发泡缺陷的作用比例，实现对造成发泡缺陷的根本因素的剖析和溯源，有效改善发泡效果，降低发泡过程中气泡数量，提升发泡质量，进而降低发泡成本，提升生产效率，提高冰箱产品的合格率。
10.进一步地，所述发泡数据包括发泡过程的环境数据和物料数据，所述物料数据包
括物料状态数据和物料条码数据，相应地，获取发泡过程的发泡数据、枪头数据和生产数据，包括：
11.将位于发泡工艺各环节的环境传感器所采集到的数据确定为环境数据；将位于发泡工艺各环节的物料传感器所采集到的数据确定为物料状态数据；将移动物料条码枪扫描到的数据确定为物料条码数据；
12.基于图像获取设备采集枪头监控视频，根据所述枪头监控视频确定所述枪头数据；
13.基于可编程逻辑控制器plc获取发泡过程的所述生产数据。
14.进一步地，在获取发泡过程的发泡数据、枪头数据和生产数据之后，还包括：
15.基于数据湖存储所述发泡数据、所述枪头数据和所述生产数据；
16.对所述发泡数据、所述枪头数据和所述生产数据至少之一进行数据解析和/或数据转换，以将所述发泡数据、所述枪头数据和所述生产数据整理为统一格式，并将同一设备的相关数据进行数据整合。
17.进一步地，在将所述发泡数据、所述枪头数据和所述生产数据作为输入数据输入预先训练好的发泡缺陷诊断模型中，以使所述发泡缺陷诊断模型结合影响发泡效果的影响因素，基于卷积神经网络确定造成发泡缺陷的根本因素，并基于贝叶斯因果网络确定各所述根本因素对应的作用比例之后，还包括：
18.根据所述影响因素，以及各所述影响因素所包含的影响因子确定鱼骨图；
19.根据所述根本因素和各所述根本因素对应的所述作用比例确定各所述影响因子的状态信息，基于所述状态信息与颜色信息的对应关系，确定所述影响因子所对应的颜色信息，并基于所述影响因子所对应的颜色信息标记鱼骨图中的所述影响因子；
20.根据各所述影响因子所对应的所述颜色信息确定所述影响因素所对应的颜色信息，并基于所述影响因素所对应的颜色信息标记鱼骨图中的所述影响因素。
21.进一步地，所述状态信息为风险状态、警告状态或者正常状态，所述风险状态对应的所述颜色信息为红色，所述警告状态对应的所述颜色信息为黄色，所述正常状态对应的所述颜色信息为绿色，相应地，根据所述根本因素和各所述根本因素对应的所述作用比例确定各所述影响因子的状态信息，基于所述状态信息与颜色信息的对应关系，确定所述影响因子所对应的颜色信息，包括：
22.根据所述根本因素和各所述根本因素对应的所述作用比例确定所述影响因子的状态信息为风险状态、警告状态或者正常状态；
23.根据所述风险状态、所述警告状态或者所述正常状态确定所述影响因子对应的所述颜色信息为红色、黄色或者绿色。
24.进一步地，所述影响因素包括湿部因素、干部因素、预混因素、原料因素、预热因素和环境因素，各所述影响因素均包括至少一个影像因子。
25.进一步地，所述发泡缺陷诊断模型通过如下步骤得到：
26.获取历史发泡过程的历史发泡数据、历史枪头数据和历史生产数据，以及所述历史发泡过程造成发泡缺陷时的真实影响因素；
27.将所述历史发泡数据、历史枪头数据和历史生产数据以及历史发泡过程造成发泡缺陷时的所述真实影响因素作为训练数据对预设网络模型进行网络训练，并计算损失函
数，所述预设网络模型由所述卷积神经网络和所述贝叶斯因果网络构成；
28.基于反向传播算法进行网络优化，直至所述损失函数收敛，得到所述发泡缺陷诊断模型。
29.第二方面，本发明实施例还提供了一种发泡缺陷诊断装置，包括：
30.获取模块，用于获取发泡过程的发泡数据、枪头数据和生产数据；
31.执行模块，用于将所述发泡数据、所述枪头数据和所述生产数据作为输入数据输入预先训练好的发泡缺陷诊断模型中，以使所述发泡缺陷诊断模型结合影响发泡效果的影响因素，基于卷积神经网络确定造成发泡缺陷的根本因素，并基于贝叶斯因果网络确定各所述根本因素对应的作用比例。
32.第三方面，本发明实施例还提供了一种计算机设备，所述设备包括：
33.至少一个处理器；以及与所述至少一个处理器通信连接的存储器；
34.其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面中任一项所述的发泡缺陷诊断方法。
35.第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面中任一所述的发泡缺陷诊断方法。
36.第五方面，本技术提供一种计算机程序产品，该计算机程序产品包括计算机指令，当计算机指令在计算机上运行时，使得计算机执行如第一方面提供的发泡缺陷诊断方法。
37.需要说明的是，上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中，计算机可读存储介质可以与发泡缺陷诊断装置的处理器封装在一起的，也可以与发泡缺陷诊断装置的处理器单独封装，本技术对此不做限定。
38.本技术中第二方面、第三方面、第四方面以及第五方面的描述，可以参考第一方面的详细描述；并且，第二方面、第三方面、第四方面、以及第五方面的描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。
39.在本技术中，上述发泡缺陷诊断装置的名字对设备或功能模块本身不构成限定，在实际实现中，这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本技术类似，属于本技术权利要求及其等同技术的范围之内。
40.本技术的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
41.图1为本发明实施例一提供的一种发泡缺陷诊断方法的流程图；
42.图2为本发明实施例二提供的一种发泡缺陷诊断方法的流程图；
43.图3为本发明实施例二提供的一种发泡缺陷诊断方法中用于进行缺陷诊断的鱼骨图；
44.图4为本发明实施例二提供的一种发泡缺陷诊断方法的实现流程图；
45.图5为本发明实施例三提供的一种发泡缺陷诊断装置的结构示意图；
46.图6为本发明实施例四提供的一种计算机设备的结构示意图；
47.图7为本发明实施例五提供的一种发泡缺陷诊断系统的结构示意图。
具体实施方式
48.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
49.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。
50.本技术的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象，或者用于区别对同一对象的不同处理，而不是用于描述对象的特定顺序。
51.此外，本技术的描述中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选的还包括其他没有列出的步骤或单元，或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
52.在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。此外，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
53.需要说明的是，本技术实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
54.在本技术的描述中，除非另有说明，“多个”的含义是指两个或两个以上。
55.实施例一
56.图1为本发明实施例一提供的一种发泡缺陷诊断方法的流程图，本实施例可适用于需要分析确定导致发泡缺陷的根本因素以及各根本因素的作用比例的情况，该方法可以由发泡缺陷诊断装置来执行，如图1所示，具体包括如下步骤：
57.步骤110、获取发泡过程的发泡数据、枪头数据和生产数据。
58.其中，发泡数据包括环境数据和物料数据。环境数据可以包括位于发泡工艺各环节的环境传感器所获取到的数据，具体可以包括：环境温度、环境湿度、环境气压和在产品编码等。物料数据可以包括位于发泡工艺各环节的物料传感器所获取到的物料传感数据，具体可以包括预热时间、预测温度、物料环境温度和发泡时间等；物料数据还可以包括移动物料条码枪扫描的物料条码数据，具体可以包括物料种类和物料编号。枪头数据可以为根据位于发泡工艺各环节的图像获取设备采集的枪头监控视频确定的枪头运行状态数据，枪头运行状态数据可以用于确定发泡枪头是否洁净，以定期提醒用户清洁发泡枪头。生产数据可以为对冰箱进行发泡过程中生产设备所产生的数据，可以通过可编程逻辑控制器(programmable logic controller，plc)获取生产数据。
59.生产数据可以包括发泡工艺过程相关的发泡制备、预混、箱体预热、发泡剂注射等关键环节的参数数据，具体可以包括预热流程参数、干部(夹具)参数、湿部(发泡机)参数、
预混机参数和红外质检参数。
60.具体地，基于发泡工艺的各环节设置的环境传感器可以获取环境数据；基于发泡工艺的各环节设置的物料传感器可以获取物料状态数据；基于移动物料条码枪可以获取物料条码数据；基于设置在枪头周边的图像获取设备可以获取发泡枪头的图像数据，根据枪头监控视频可以确定枪头运行状态数据，进而确定发泡枪头是否洁净；plc可以接入生产过程的多个生产设备，以获取发泡过程中各生产设备所产生的生产数据。
61.本发明实施例中，可以基于传感器、图像获取设备、移动物料条码枪以及plc获取发泡工艺相关数据，获取到的发泡工艺相关数据可以在发泡缺陷时，用于分析造成发泡缺陷的根本因素，为发泡缺陷诊断提供数据基础。
62.步骤120、将所述发泡数据、所述枪头数据和所述生产数据作为输入数据输入预先训练好的发泡缺陷诊断模型中，以使所述发泡缺陷诊断模型结合影响发泡效果的影响因素，基于卷积神经网络确定造成发泡缺陷的根本因素，并基于贝叶斯因果网络确定各所述根本因素对应的作用比例。
63.其中，发泡缺陷诊断模型包括卷积神经网络和贝叶斯因果网络，用于确定造成发泡缺陷的根本因素，其输入信息可以为发泡工艺相关数据，输出信息可以为造成发泡缺陷的根本因素以及各根本因素造成发泡缺陷的作用比例。
64.影响因素包括湿部因素、干部因素、预混因素、原料因素、预热因素和环境因素。湿部因素包括枪头数据和发泡枪数据，枪头数据包括枪头压力、枪头温度、枪头清洁状态和枪头更换频率，发泡枪数据包括发泡枪温度、发泡枪压力和发泡枪流量。干部因素包括夹具数据、芯模数据和固化时间，夹具数据包括夹具顶板温度和夹具侧板温度，芯模数据包括芯模温度。预混因素包括预混比例。原料因素包括自由泡密度、含水量和黏度。预测因素包括烘道温度、等待时间和箱体温度。环境因素包括大气压、湿度和温度。
65.具体地，在将发泡工艺数据作为输入数据输入发泡缺陷诊断模型后，发泡缺陷诊断模块可以结合影响发泡效果的影响因素对发泡工艺数据进行分析处理，首先可以将发泡工艺数据输入卷积神经网络，以确定造成发泡缺陷的根本因素，然后将发泡工艺数据和根本因素输入贝叶斯因果网络，以基于贝叶斯概率分析确定各根本因素对应的作用比例，最后将根本因素和各根本因素对应的作用比例作为输出数据输出发泡缺陷诊断模型。
66.在实际应用中，可以按照日期或者批次将发泡工艺数据作为输入数据输入发泡缺陷诊断模型，以确定对应日期或者对应批次的发泡缺陷的根本因素。
67.需要说明的是，在预设时间或者预设批次内，可以根据a级、b级和c级气泡的个数确定次品比例，根据次品比例可以确定冰箱是否存在发泡缺陷。如果存在发泡缺陷，则基于前述步骤确定造成发泡缺陷的根本因素以及各根本因素对应的作用比例；如果不存在发泡缺陷，则继续进行冰箱发泡工艺。
68.本发明实施例中，预先训练好的发泡缺陷诊断模型可以用于对发泡缺陷进行剖析和溯源，以确定造成发泡缺陷的根本因素以及各根本因素对于发泡缺陷的作用比例。
69.本发明实施例一提供一种发泡缺陷诊断方法，包括：获取发泡过程的发泡数据、枪头数据和生产数据；将所述发泡数据、所述枪头数据和所述生产数据作为输入数据输入预先训练好的发泡缺陷诊断模型中，以使所述发泡缺陷诊断模型结合影响发泡效果的影响因素，基于卷积神经网络确定造成发泡缺陷的根本因素，并基于贝叶斯因果网络确定各所述
根本因素对应的作用比例。上述技术方案，在对冰箱进行发泡的过程中获取发泡过程所产生的发泡数据、枪头数据和生产数据，并将发泡数据、枪头数据和生产数据作为输入数据输入预先训练好的发泡缺陷诊断模型中，该模型可以结合影响发泡效果的影响因素对发泡数据、枪头数据和生产数据进行处理，以确定造成发泡缺陷的根本因素，同时还可以确定各根本因素对于发泡缺陷的作用比例，实现对造成发泡缺陷的根本因素的剖析和溯源，有效改善发泡效果，降低发泡过程中气泡数量，提升发泡质量，进而降低发泡成本，提升生产效率，提高冰箱产品的合格率。
70.实施例二
71.图2为本发明实施例二提供的一种发泡缺陷诊断方法的流程图，本实施例是在上述实施例的基础上进行具体化。如图2所示，在本实施例中，该方法还可以包括：
72.步骤210、获取发泡过程的发泡数据、枪头数据和生产数据。
73.其中，发泡数据包括发泡过程的环境数据和物料数据，物料数据包括物料状态数据和物料条码数据。
74.一种实施方式中，步骤210具体可以包括：
75.将位于发泡工艺各环节的环境传感器所采集到的数据确定为环境数据；将位于发泡工艺各环节的物料传感器所采集到的数据确定为物料状态数据；将移动物料条码枪扫描到的数据确定为物料条码数据；基于图像获取设备采集枪头监控视频，根据所述枪头监控视频确定所述枪头数据；基于可编程逻辑控制器plc获取发泡过程的所述生产数据。
76.本发明实施例中，可以基于传感器、图像获取设备、移动物料条码枪以及plc获取发泡工艺相关数据，获取到的发泡工艺相关数据可以在发泡缺陷时，用于分析造成发泡缺陷的根本因素，为发泡缺陷诊断提供数据基础。
77.步骤220、基于数据湖存储所述发泡数据、所述枪头数据和所述生产数据。
78.其中，数据湖为集中式存储库，允许以任意规模存储结构化数据和非结构化数据。
79.具体地，发泡工艺相关数据比较复杂，既有结构化数据又有非结构化数据，而且不同型号冰箱的发泡工艺相关数据可能为异构数据，数据库或数据仓库仅仅只能存储结构化的数据，因而不满足大规模多源异构生产过程数据的集中存储、管理的需求。采用数据湖集中存储和管理发泡工艺相关数据中的多源异构数据(结构化和非结构化数据等)，以实时的方式支持数据集成、处理和分析。将独立的数据源组合起来，有效消除独立数据源之间的数据孤岛，同时，避免了数据提取、转换和加载过程所消耗的时间成本。
80.既满足不同型号冰箱发泡过程异构数据存储的性能、可靠性和可维护性，而且方便后续生产数据和物料数据的追溯。
81.本发明实施例中，采用数据湖集中存储和管理发泡工艺相关数据，有效解决数据库或数据仓库存储异构源数据需要经过提取、转换和加载过程消耗时间成本较高的问题，实现发泡工艺相关数据的高效存储、查询和分析，方便后续数据的追溯。
82.步骤230、对所述发泡数据、所述枪头数据和所述生产数据至少之一进行数据解析和/或数据转换，以将所述发泡数据、所述枪头数据和所述生产数据整理为统一格式，并将同一设备的相关数据进行数据整合。
83.具体地，将不同传感器的数据进行数据解析、数据转化及数据对齐，将数据整理为统一格式，并将同一设备的相关数据进行数据整合，为将发泡数据、枪头数据和生产数据作
为发泡工艺数据做准备。
84.本发明实施例中，对发泡数据、枪头数据和生产数据至少之一进行数据解析和/或数据转换，以将发泡数据、枪头数据和生产数据整理为统一的结构化格式，便于将发泡数据、枪头数据和生产数据作为发泡工艺数据输入发泡缺陷诊断模型中。当然，还可以对同一生产设备的相关数据进行数据整合。
85.步骤240、将所述发泡数据、所述枪头数据和所述生产数据作为输入数据输入预先训练好的发泡缺陷诊断模型中，以使所述发泡缺陷诊断模型结合影响发泡效果的影响因素，基于卷积神经网络确定造成发泡缺陷的根本因素，并基于贝叶斯因果网络确定各所述根本因素对应的作用比例。
86.一种实施方式中，发泡缺陷诊断模型通过如下步骤得到：
87.获取历史发泡过程的历史发泡数据、历史枪头数据和历史生产数据，以及所述历史发泡过程造成发泡缺陷时的真实影响因素；将所述历史发泡数据、历史枪头数据和历史生产数据以及历史发泡过程造成发泡缺陷时的所述真实影响因素作为训练数据对预设网络模型进行网络训练，并计算损失函数，所述预设网络模型由所述卷积神经网络和所述贝叶斯因果网络构成；基于反向传播算法进行网络优化，直至所述损失函数收敛，得到所述发泡缺陷诊断模型。
88.其中，历史发泡过程可以为历史日期的发泡过程，也可以为历史批次的发泡过程。
89.具体地，将历史日期或者历史批次的发泡过程中的历史发泡数据、历史枪头数据和历史生产数据，以及人工确定的该历史发泡过程造成发泡缺陷时的真实影响因素，作为训练数据对卷积神经网络和贝叶斯因果网络构成的预设网络模型进行网络训练，并计算损失函数。具体可以将历史日期或者历史批次的发泡过程中的历史发泡数据、历史枪头数据和历史生产数据输入预设网络模型，预设网络模型可以得到该历史发泡过程造成发泡缺陷时的预测影响因素，根据预测影响因素和真实影响因素确定损失函数，根据损失函数收敛时预设网络模型的参数确定发泡缺陷诊断模型。
90.本发明实施例中，预先训练好的发泡缺陷诊断模型可以用于对发泡缺陷进行剖析和溯源，以确定造成发泡缺陷的根本因素以及各根本因素对于发泡缺陷的作用比例。
91.步骤250、根据所述影响因素，以及各所述影响因素所包含的影响因子确定鱼骨图。
92.具体地，鱼骨图包括主线、支线和次支线，主线两侧分别部署有支线，各支线上均部署有次支线。主线表示发泡缺陷，支线表示造成发泡缺陷的影响因素，次支线分别表示影响因素所包含的影响因子。
93.图3为本发明实施例二提供的一种发泡缺陷诊断方法中用于进行缺陷诊断的鱼骨图，如图3所示，主线两侧分别部署有表示湿部因素、干部因素、预混因素、原料因素、预热因素和环境因素的支线。湿部因素的支线上部署有枪头数据和发泡枪数据，枪头数据包括枪头压力、枪头温度、枪头清洁状态和枪头更换频率，发泡枪数据包括发泡枪温度、发泡枪压力和发泡枪流量。干部因素的支线上部署有夹具数据、芯模数据和固化时间，夹具数据包括夹具顶板温度和夹具侧板温度，芯模数据包括芯模温度。预混因素的支线上部署有预混比例。原料因素的支线上部署有自由泡密度、含水量和黏度。预测因素的支线上部署有烘道温度、等待时间和箱体温度。环境因素的支线上部署有大气压、湿度和温度。
94.在实际应用中，鱼骨图的尾端还部署有该发泡缺陷所造成的次品比例，具体可以包括平均a级气泡个数、b级气泡个数和c级气泡个数。
95.本发明实施例中，构建的鱼骨图包括所有影响发泡效果的影响因素，即造成发泡缺陷的可能的影响因素，但是，并不是每个影响因素都是造成该次发泡缺陷的根本因素。
96.步骤260、根据所述根本因素和各所述根本因素对应的所述作用比例确定各所述影响因子的状态信息，基于所述状态信息与颜色信息的对应关系，确定所述影响因子所对应的颜色信息，并基于所述影响因子所对应的颜色信息标记鱼骨图中的所述影响因子。
97.其中，根本因素可以为鱼骨图中的影响因子。
98.优选地，所述状态信息为风险状态、警告状态或者正常状态，所述风险状态对应的所述颜色信息为红色，所述警告状态对应的所述颜色信息为黄色，所述正常状态对应的所述颜色信息为绿色。
99.一种实施方式中，步骤260具体可以包括：
100.根据所述根本因素和各所述根本因素对应的所述作用比例确定所述影响因子的状态信息为风险状态、警告状态或者正常状态；根据所述风险状态、所述警告状态或者所述正常状态确定所述影响因子对应的所述颜色信息为红色、黄色或者绿色；基于所述影响因子所对应的颜色信息标记鱼骨图中的所述影响因子。
101.根本因素对发泡缺陷的作用比例在0-30％之间时，确定该根本因素对应的影响因子的状态为正常；根本因素对发泡缺陷的作用比例在30％-60％之间时，确定该根本因素对应的影响因子的状态为警告；根本因素对发泡缺陷的作用比例在60％-99％之间时，确定该根本因素对应的影响因子的状态为风险。
102.具体地，根据发泡缺陷诊断模型可以确定造成发泡缺陷的根本因素以及各根本因素对应的作用比例，在鱼骨图中查找根本因素对应的影响因子，并根据根本因素的作用比例确定该影响因子的状态为风险状态、警告状态或者正常状态，进而确定该影响因子的颜色为红色、黄色或者绿色，同时，可以将鱼骨图中该影响因子的对应位置标记为红色、黄色或者绿色，实现对影响因子的标记。
103.本发明实施例中，在确定造成发泡缺陷的根本因素以及各根本因素对应的作用比例后，可以确定鱼骨图中该根本因素对应的影响因子的状态，进而确定该根本因素对应的影响因子的颜色信息，并对该影响因子的对应位置进行颜色标记。
104.步骤270、根据各所述影响因子所对应的所述颜色信息确定所述影响因素所对应的颜色信息，并基于所述影响因素所对应的颜色信息标记鱼骨图中的所述影响因素。
105.具体地，在确定各影响因子所对应的颜色信息后，叠加影响因素所包含各影响因子的颜色信息，并将叠加结果确定为影响因素的颜色信息。
106.具体而言，两个绿色影响因子叠加可以得到一个黄色影响因素，一个绿色影响因子和一个黄色影响因子叠加可以得到一个黄色影响因素，两个黄色影响因子叠加可以得到一个红色影响因素，一个黄色影响因子和一个红色影响因子叠加可以得到一个红色影响因素，两个红色影响因子叠加可以得到一个红色影响因素。
107.基于上述叠加原理，根据各影响因子所对应的颜色信息可以确定各影响因素对应的颜色信息，当然，同样可以基于影响因素所对应的颜色信息标记鱼骨图中的影响因素。
108.本发明实施例中，标记了颜色的鱼骨图可以指导工作人员实时监督发泡生产线的
生产运行情况，可以快速定位到造成发泡缺陷的影响因子，对造成发泡缺陷的原因进行剖析和溯源，便于及时调整和优化生产工艺流程，降低发泡过程所产生的发泡数量，大幅提升产品合格率。
109.本发明实施例二提供的一种发泡缺陷诊断方法，包括：获取发泡过程的发泡数据、枪头数据和生产数据；基于数据湖存储所述发泡数据、所述枪头数据和所述生产数据；对所述发泡数据、所述枪头数据和所述生产数据至少之一进行数据解析和/或数据转换，以将所述发泡数据、所述枪头数据和所述生产数据整理为统一格式，并将同一设备的相关数据进行数据整合；将所述发泡数据、所述枪头数据和所述生产数据作为输入数据输入预先训练好的发泡缺陷诊断模型中，以使所述发泡缺陷诊断模型结合影响发泡效果的影响因素，基于卷积神经网络确定造成发泡缺陷的根本因素，并基于贝叶斯因果网络确定各所述根本因素对应的作用比例；根据所述影响因素，以及各所述影响因素所包含的影响因子确定鱼骨图；根据所述根本因素和各所述根本因素对应的所述作用比例确定各所述影响因子的状态信息，基于所述状态信息与颜色信息的对应关系，确定所述影响因子所对应的颜色信息，并基于所述影响因子所对应的颜色信息标记鱼骨图中的所述影响因子；根据各所述影响因子所对应的所述颜色信息确定所述影响因素所对应的颜色信息，并基于所述影响因素所对应的颜色信息标记鱼骨图中的所述影响因素。上述技术方案，在对冰箱进行发泡的过程中获取发泡过程所产生的发泡数据、枪头数据和生产数据，对发泡数据、枪头数据和生产数据进行处理，以将发泡数据、枪头数据和生产数据整理为统一格式，并将同一设备的相关数据进行数据整合，为将发泡数据、枪头数据和生产数据作为发泡工艺数据做准备，将包含发泡数据、枪头数据和生产数据的发泡工艺数据作为输入数据输入预先训练好的发泡缺陷诊断模型中，该模型可以结合影响发泡效果的影响因素对发泡数据、枪头数据和生产数据进行处理，以确定造成发泡缺陷的根本因素，同时还可以确定各根本因素对于发泡缺陷的作用比例，实现对造成发泡缺陷的根本因素的剖析和溯源，还可以对根据影响因素，以及各影响因素所包含的影响因子确定的鱼骨图上的影响因子和影响因素进行颜色标记，指导工作人员实时监督发泡生产线的生产运行情况，可以快速定位到造成发泡缺陷的影响因子，对造成发泡缺陷的原因进行剖析和溯源，便于及时调整和优化生产工艺流程，降低发泡过程所产生的发泡数量，提升发泡质量，进而降低发泡成本，提升生产效率，提高冰箱产品的合格率。
110.图4为本发明实施例二提供的一种发泡缺陷诊断方法的实现流程图，示例性的给出了其中一种实现方式。如图4所示，包括：
111.步骤410、基于传感器、图像获取设备、移动物料条码枪以及plc对发泡过程的多源异构数据进行采集。
112.步骤420、对多源异构数据进行数据处理，以将多源异构数据所包含的发泡数据、枪头数据和生产数据整理为统一格式，并将同一设备的相关数据进行数据整合。
113.步骤430、将发泡数据、枪头数据和生产数据作为发泡工艺相关数据输入发泡缺陷诊断模型中，以使发泡缺陷诊断模型基于卷积神经网络确定造成发泡缺陷的根本因素，并基于贝叶斯因果网络确定各根本因素对应的作用比例。
114.步骤440、根据造成发泡缺陷的根本因素以及各根本因素对应的作用比例形成带有颜色标记的鱼骨图。
115.步骤450、基于带有颜色标记的鱼骨图进行发泡缺陷的溯源和剖析。
116.本发明实施例二提供的一种发泡缺陷方法的实现方式，与前述任意实施例所提供的发泡缺陷诊断方法具备相同的有益效果。
117.实施例三
118.图5为本发明实施例三提供的一种发泡缺陷诊断装置的结构示意图，该装置可以适用于需要分析确定导致发泡缺陷的根本因素以及各根本因素的作用比例的情况，。该装置可以通过软件和/或硬件实现，并一般集成在计算机设备中。
119.如图5所示，该装置包括：
120.获取模块510，用于获取发泡过程的发泡数据、枪头数据和生产数据；
121.执行模块520，用于将所述发泡数据、所述枪头数据和所述生产数据作为输入数据输入预先训练好的发泡缺陷诊断模型中，以使所述发泡缺陷诊断模型结合影响发泡效果的影响因素，基于卷积神经网络确定造成发泡缺陷的根本因素，并基于贝叶斯因果网络确定各所述根本因素对应的作用比例。
122.本实施例提供的发泡缺陷诊断装置，通过获取发泡过程的发泡数据、枪头数据和生产数据；将所述发泡数据、所述枪头数据和所述生产数据作为输入数据输入预先训练好的发泡缺陷诊断模型中，以使所述发泡缺陷诊断模型结合影响发泡效果的影响因素，基于卷积神经网络确定造成发泡缺陷的根本因素，并基于贝叶斯因果网络确定各所述根本因素对应的作用比例。上述技术方案，在对冰箱进行发泡的过程中获取发泡过程所产生的发泡数据、枪头数据和生产数据，并将发泡数据、枪头数据和生产数据作为输入数据输入预先训练好的发泡缺陷诊断模型中，该模型可以结合影响发泡效果的影响因素对发泡数据、枪头数据和生产数据进行处理，以确定造成发泡缺陷的根本因素，同时还可以确定各根本因素对于发泡缺陷的作用比例，实现对造成发泡缺陷的根本因素的剖析和溯源，有效改善发泡效果，降低发泡过程中气泡数量，提升发泡质量，进而降低发泡成本，提升生产效率，提高冰箱产品的合格率。
123.在上述实施例的基础上，发泡数据包括发泡过程的环境数据和物料数据，所述物料数据包括物料状态数据和物料条码数据，相应地，获取模块510，具体用于：
124.将位于发泡工艺各环节的环境传感器所采集到的数据确定为环境数据；将位于发泡工艺各环节的物料传感器所采集到的数据确定为物料状态数据；将移动物料条码枪扫描到的数据确定为物料条码数据；
125.基于图像获取设备采集枪头监控视频，根据所述枪头监控视频确定所述枪头数据；
126.基于可编程逻辑控制器plc获取发泡过程的所述生产数据。
127.在上述实施例的基础上，该装置还包括：
128.存储模块，用于基于数据湖存储所述发泡数据、所述枪头数据和所述生产数据；
129.处理模块，用于对所述发泡数据、所述枪头数据和所述生产数据至少之一进行数据解析和/或数据转换，以将所述发泡数据、所述枪头数据和所述生产数据整理为统一格式，并将同一设备的相关数据进行数据整合。
130.在上述实施例的基础上，该装置还包括：
131.鱼骨图确定模块，用于根据所述影响因素，以及各所述影响因素所包含的影响因子确定鱼骨图；
132.影响因子标记模块，用于根据所述根本因素和各所述根本因素对应的所述作用比例确定各所述影响因子的状态信息，基于所述状态信息与颜色信息的对应关系，确定所述影响因子所对应的颜色信息，并基于所述影响因子所对应的颜色信息标记鱼骨图中的所述影响因子；
133.影响因素标记模块，用于根据各所述影响因子所对应的所述颜色信息确定所述影响因素所对应的颜色信息，并基于所述影响因素所对应的颜色信息标记鱼骨图中的所述影响因素。
134.在上述实施例的基础上，所述状态信息为风险状态、警告状态或者正常状态，所述风险状态对应的所述颜色信息为红色，所述警告状态对应的所述颜色信息为黄色，所述正常状态对应的所述颜色信息为绿色，相应地，影响因子标记模块，具体用于：
135.根据所述根本因素和各所述根本因素对应的所述作用比例确定所述影响因子的状态信息为风险状态、警告状态或者正常状态；
136.根据所述风险状态、所述警告状态或者所述正常状态确定所述影响因子对应的所述颜色信息为红色、黄色或者绿色；
137.基于所述影响因子所对应的颜色信息标记鱼骨图中的所述影响因子。
138.优选地，所述影响因素包括湿部因素、干部因素、预混因素、原料因素、预热因素和环境因素，各所述影响因素均包括至少一个影像因子。
139.在上述实施例的基础上，该装置还包括：
140.模型训练模块，用于获取历史发泡过程的历史发泡数据、历史枪头数据和历史生产数据，以及所述历史发泡过程造成发泡缺陷时的真实影响因素；将所述历史发泡数据、历史枪头数据和历史生产数据以及历史发泡过程造成发泡缺陷时的所述真实影响因素作为训练数据对预设网络模型进行网络训练，并计算损失函数，所述预设网络模型由所述卷积神经网络和所述贝叶斯因果网络构成；基于反向传播算法进行网络优化，直至所述损失函数收敛，得到所述发泡缺陷诊断模型。
141.本发明实施例所提供的发泡缺陷诊断装置可执行本发明任意实施例所提供的发泡缺陷诊断方法，具备执行方法相应的功能模块和有益效果。
142.实施例四
143.图6为本发明实施例四提供的一种计算机设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性计算机设备6的框图。图6显示的计算机设备6仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
144.如图6所示，计算机设备6以通用计算设备的形式表现。计算机设备6的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
145.总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
146.计算机设备6典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备6访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
147.系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)30和/或高速缓存存储器32。计算机设备6可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
148.具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
149.计算机设备6也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备6交互的设备通信，和/或与使得该计算机设备6能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，计算机设备6还可以通过网络适配器20与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图6所示，网络适配器20通过总线18与计算机设备6的其它模块通信。应当明白，尽管图6中未示出，可以结合计算机设备6使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
150.处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及页面显示，例如实现本发实施例所提供的发泡缺陷诊断方法，该方法包括：
151.获取发泡过程的发泡数据、枪头数据和生产数据；
152.将所述发泡数据、所述枪头数据和所述生产数据作为输入数据输入预先训练好的发泡缺陷诊断模型中，以使所述发泡缺陷诊断模型结合影响发泡效果的影响因素，基于卷积神经网络确定造成发泡缺陷的根本因素，并基于贝叶斯因果网络确定各所述根本因素对应的作用比例。
153.当然，本领域技术人员可以理解，处理器还可以实现本发明任意实施例所提供的发泡缺陷诊断方法的技术方案。
154.实施例五
155.图7为本发明实施例五提供的一种发泡缺陷诊断系统的结构示意图，如图7所示，发泡缺陷诊断系统包括：数据采集层710、信息处理层720、业务层730、功能层740和交互层750。其中，数据采集层710，用于基于传感器、图像获取设备、移动物料条码枪以及plc获取发泡工艺相关数据；信息处理层720，用于对发泡工艺相关数据所包含的发泡数据、枪头数据和生产数据至少之一进行数据解析和/或数据转换，以将发泡数据、枪头数据和生产数据整理为统一格式，并将同一设备的相关数据进行数据整合；业务层730，用于搭建基础数据平台，还用于预警；功能层740，用于以系统功能为导向，形成系统功能模块，例如，用于确定
造成发泡缺陷的根本因素以及各根本因素对应的作用比例；交互层750，用于基于多种人机交互方式与工作人员进行信息的推送与采集，还用于多维度呈现诊断效果。
156.当然，本领域技术人员可以理解，发泡缺陷诊断系统可以实现前述任意实施例所提供的发泡缺陷诊断方法的技术方案，且与前述任意实施例所提供的发泡缺陷诊断方法具备相同的有益效果。
157.实施例六
158.本发明实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现例如本发实施例所提供的发泡缺陷诊断方法，该方法包括：
159.获取发泡过程的发泡数据、枪头数据和生产数据；
160.将所述发泡数据、所述枪头数据和所述生产数据作为输入数据输入预先训练好的发泡缺陷诊断模型中，以使所述发泡缺陷诊断模型结合影响发泡效果的影响因素，基于卷积神经网络确定造成发泡缺陷的根本因素，并基于贝叶斯因果网络确定各所述根本因素对应的作用比例。
161.本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
162.计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
163.计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
164.可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
165.本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络
上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
166.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。