具体实施方式

下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

请参阅图1所示，本发明第一方面提供了一种智能制造工业生产数据采集分析方法，该方法包括以下步骤：

S1、生产机器数量统计：对该工厂生产机器进行数量统计，并将统计的各生产机器按照预设顺序进行编号，依次标记为1，2，...i,....n；

S2、生产机器基本信息获取：所述机器基本信息获取用于获取该工厂各生产机器对应的基本信息，其中，生产机器基本信息包括生产机器对应的使用区域位置、使用时长、维修次数和生产机器生产构件对应的原始设计三维模型，进而构建各生产机器基本信息集合J_e(J_e1,J_e2,..J_ei,...J_en)，J_ei表示该工厂第i个机器对应的第e个基本信息，e表示机器基本信息，e＝a1,a2,a3,a4,a1,a2,a3和a4分别表示生产机器对应的使用区域位置、使用时长、维修次数和生产机器生产构件对应的原始设计三维模型；

S3、生产构件数量获取：获取该采集时间段各生产机器对应的生产构件数量，并将各生产机器对应的生产构件按照预设顺序进行编号，依次标记为1，2，...j,...m；

S4、生产构件三维模型建立：所述生产构件三维模型建立用于建立各生产机器各生产构件对应的三维模型，并将建立的该三维模型记为实际三维模型；

具体地，所述生产构件三维模型建立包括若干信息检测单元，其分别用于对各生产机器各生产构件建立三维模型所需的信息进行采集，进而利用激光测距仪对各生产机器各生产构件对应的各尺寸信息进行检测，其中，生产构件对应的尺寸信息包括生产构件对应的长度、宽度和厚度，同时利用信息检测单元中的三维激光扫描仪对各生产机器各生产构件进行扫描拍摄，进而获取各生产机器各生产构件对应的三维立体图形，将检测的各生产机器各生产构件对应的尺寸信息和三维立体图形导入第三方网站，进而生成各生产机器各生产构件对应的三维模型。

本发明实施例通过对各生产机器各生产构件进行三维模型建立，进而为后续对各生产机器各生产构件尺寸和形状的分析提供了有力的信息基础，也有效的提高了对各生产机器各生产构件三维模型的分析效率和分析结果的准确性。

S5、生产构件缺陷检测：所述生产构件缺陷检测用于对各生产机器各生产构件对应的缺陷信息进行检测，进而获取各生产机器各生产构件对应的缺陷信息；

具体地，所述生产构件缺陷检测包括若干缺陷检测单元，其分别用于对各生产机器各生产构件对应对应的缺陷信息进行检测，进而利用缺陷检测单元的工业CT无损检测仪对各生产机器各生产构件进行扫描拍摄，进而获取各生产机器各生产构件对应的三维图像，进而获取各生产机器各生产构件三维图像中构件对应的气泡数量和各气泡对应的面积，进而构建各生产机器各生产构件缺陷信息集合H_w ^d(H_w ^d1,H_w ^d2,...H_w ^dj,...H_w ^dm)，H_w ^dj表示该工厂第d个生产机器第j个生产构件对应的第w个缺陷信息，w表示缺陷信息，w＝a1,a2,a1和a2分别表示构件对应的气泡数量和各气泡对应的面积，d表示工厂生产机器编号，d＝1，2，...i,....n。

本发明实施例在对各生产机器各生产构件进行缺陷检测时，通过利用工业CT无损检测仪进行检测，大大的提高了各生产机器各生产构件缺陷信息检测的直观性和精准性，同时也大大的提高了对各生产机器各生产构件的检测效率。

S6、生产构件粗糙度检测：所述生产构件粗糙度检测用于对各生产机器各生产构件对应的粗糙度进行检测，获取各生产机器各生产构件表面对应的粗糙度；

具体地，所述生产构件粗糙度检测包括若干粗糙度检测仪，其分别用于对各生产机器各生产构件表面对应的粗糙度进行检测，进而按照预设顺序在各生产机器各生产构件表面进行检测点布设，将各生产机器各生产构件表面布设的各检测点按照预设顺序进行编号，依次标记为1，2，...x,...y，进而获取各生产机器各生产构件各检测点粗糙度集合C_d ^r(C_d ^r1,C_d ^r2,...C_d ^rx,...C_d ^ry)，C_d ^rx表示该工厂第d个生产机器第r个生产构件第x个检测点对应的粗糙度，r表示各生产机器对应的生产构件编号，r＝1，2，...j,...m。

本发明实施例在对各生产机器各生产构件粗糙度检测时，通过对各生产构件表面进行检测点布设，进而大大的提高了各生产机器各生产构件粗糙度对应检测结果的准确性和参考性，为后续对各生产机器各生产构件粗糙度分析提供了有效的数据基础。

S7、生产构件检测信息分析：所述生产构件检测信息分析用于对各生产机器各生产构件对应的三维模型、缺陷信息和粗糙度进行分析，统计各生产机器各生产构件综合生产质量合格影响系数，进而分析需预警的生产机器和各需预警生产机器对应的基本信息；

具体地，所述生产构件检测信息分析用于对各生产机器各生产构件对应的实际三维模型进行分析，根据各生产机器基本信息集合，进而获取该工厂各生产机器生产构件对应的原始设计三维模型，同时获取各生产机器各生产构件对应的实际三维模型，将各生产机器各生产构建实际三维模型与各生产机器生产构件原始设计三维模型进行对比，进而统计各生产机器各生产构件实际三维模型合格影响系数。

其中，各生产机器各生产构件对应的实际三维模型具体分析包括将各生产机器各生产构建实际三维模型与各生产机器生产构件原始设计三维模型进行对比包括对形状对比和尺寸对比；

所述各生产机器各生产构件实际三维模型尺寸对比的具体对比过程为:获取各生产机器各生产构建实际三维模型中构件对应的尺寸信息和各生产机器生产构件原始设计三维模型中构件对应的尺寸信息，进而将各生产机器各生产构建实际三维模型中构件对应的尺寸信息与各生产机器生产构件原始设计三维模型中构件对应的尺寸信息进行对比，统计各生产机器各生产构件尺寸信息综合合格影响系数，其计算公式为α_d ^r表示该工厂第d个生产机器第r各构件尺寸信息对应的综合合格影响系数，c1_d ^r,c2_d ^r,c3_d ^r分别表示该工厂第d个生产机器第r各构件对应的长度、宽度和厚度，c1′_d,c2′_d,c3′_d分别表示该工厂第d个生产机器生产构件原始设计模型中对应的长度、宽度和厚度；

所述各生产机器各生产构件实际三维模型形状对比的具体对比过程为：将各生产机器各生产构建实际三维模型与各生产机器生产构件原始设计三维模型中对应的构件进行重叠对比，获取各生产机器各生产构建实际三维模型中构件与各生产机器生产构件原始设计三维模型中构件对应的重叠区域面积，并将该面积记为生产构件重叠区域面积，将各生产机器各生产构件重叠区域面积与生产构件重叠区域对应的标准面积进行对比，统计各生产机器各生产构件形状合格影响系数，其计算公式为β_d ^r表示该工厂第d个生产机器第r个生产构件对应的形状合格影响系数，M_d ^r表示该工厂第d个生产机器第r个生产构件重叠区域对应的面积，M_标准表示生产构件重叠区域对应的标准面积；

根据统计的各生产机器各生产构件尺寸信息综合合格影响系数和各生产机器各生产构件形状合格影响系数，统计各生产机器各生产构件实际三维模型合格影响系数，其计算公式为δ_d ^r表示该工厂第d个生产机器第r个生产构件实际三维模型对应的合格影响系数。

具体地，所述生产构件检测信息分析用于对各生产机器各生产构件对应的缺陷信息进行分析，获取各生产机器各生产构件缺陷信息集合，进而获取各生产机器各生产构件对应的内部气泡数量和各气泡对应的面积，进而获取各生产机器各生产构件内部对应的综合气泡面积，将各生产机器各生产构件内部对应的综合气泡面积与生产构件内部对应的标准气泡面积的阈值进行对比，进而统计各生产机器各生产构件内部气泡合格影响系数。

其中各生产机器各生产构件内部气泡合格影响系数计算公式为λ_d ^r表示该工厂第d个生产机器第r个生产构件内部气泡对应的合格影响系数，F_d ^r表示该工厂第d个生产机器第r个生产构件内部对应的综合气泡面积，F_标准表示生产构件内部对应的标准气泡面积的阈值。

具体地，所述生产构件检测信息分析用于对各生产机器各生产构件对应的表面粗糙度进行分析，根据获取的各生产机器各生产构件各检测点粗糙度集合，统计各生产机器各生产构件粗糙度合格影响系数。

其中，各生产机器各生产构件表面粗糙度的具体分析过程为：根据获取的各生产机器各生产构件各检测点粗糙度集合，获取各生产机器各生产构件各检测点对应的粗糙度，将各生产机器各生产构件各检测点对应的粗糙度进行相互对比，筛选出各生产机器各生产构件对应的最小粗糙度，将各生产机器各生产构件对应的最小粗糙度与生产构件对应的标准粗糙度进行对比，进而统计各生产机器各生产构件粗糙度合格影响系数，其计算公式为γ_d ^r表示该工厂第d个生产机器第r个生产构件粗糙度对应的合格影响系数，C_dmin ^r表示该工厂第d个生产机器第r个生产构件对应的最小粗糙度。

具体地，所述生产构件检测分析用于对各生产机器各生产构件对应的三维模型、缺陷信息和粗糙度进行综合分析，进而根据统计的各生产机器各生产构件实际三维模型合格影响系数、各生产机器各生产构件内部气泡合格影响系数和各生产机器各生产构件粗糙度合格影响系数，统计各生产机器各生产构件综合生产质量合格影响系数，其计算公式为Q_d ^r表示该工厂第d个生产机器第r个生产构件对应的综合生产质量合格影响系数，

其中，生产构件检测信息综合分析还包括将各生产机器各生产构件综合生产质量合格影响系数与生产构件对应的标准生产质量合格影响系数进行对比，若某生产机器某生产构件对应的综合生产质量合格影响系数大于生产构件对应的标准质量合格影响系数，将该生产机器该生成构件记为异常生产构件，统计该采集时间段各生产机器异常生产构件的数量，将各生产机器异常生产构件对应的数量与该采集时间段各生产机器生产构件对应的数量进行对比，统计各生产机器生产构件异常比，将各生产机器生产构件异常比与预设的生产机器预警生产构件异常比进行对比，若某生产机器对应的生产构件异常比大于预设的生产机器预警生产构件异常比，将该生产机器记为预警生产机器，统计预警生产机器对应的数量，并提取各预警生产机器对应的编号，根据各预警生产机器对应的编号，获取各预警生产机器对应的使用区域位置、使用时长和维修次数。

本发明实施例通过通过对各生产机器各生产构件对应的三维模型、缺陷信息和粗糙度进行全面检测和细致的分析，一方面，有效的解决了现有的制造工业生产数据采集与分析方法采集的数据具有局限性，无法有效的提高制造工业生产数据分析结果的参考性和精准性的问题，一方面，大大的提高了制造工业生产数据分析结果的利用率和利用效果，一方面，有效的保障了制造工业的生产效率和生产稳定性，另一方面，能够大大的提高制造工业生产的智能性、科学性和顺畅性。

S8、生产机器信息预警：根据分析的各需预警生产机器对应的基本信息，将该需预警生产机器对应的基本信息发送至该工厂对应的生产机器管理人员，进行预警生产机器管理。

具体地，生产机器信息预警用于将该工厂对应的预警生产机器数量、各预警生产机器对应的使用区域位置、使用时长和维修次数发送至该工厂对应的生产机器管理人员。

本发明第二方面提供了一种设备，包括：处理器，以及与处理器连接的内存和网络接口；所述网络接口与服务器中的非易失性存储器连接；所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行本发明任一项所述的方法。

本发明第三方面提供了一种计算机存储介质，所述计算机存储介质烧录有计算机程序，所述计算机程序在服务器的内存中运行时实现上述本发明任一项所述的方法。

本发明实施例通过将预警信息发送至该工厂对应的生产机器管理人员，进而大大提高了工厂生产的稳定性，同时也大大的保障了工厂的生产进度。

以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。