买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉四川泓炜特种门业有限责任公司申请的专利一种车间生产线全流程数据处理与智能监控方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121069859B 。

龙图腾网通过国家知识产权局官网在2026-02-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511614122.4，技术领域涉及：G05B19/042；该发明授权一种车间生产线全流程数据处理与智能监控方法及系统是由刘万林设计研发完成，并于2025-11-06向国家知识产权局提交的专利申请。

本一种车间生产线全流程数据处理与智能监控方法及系统在说明书摘要公布了：本发明属于工业控制领域，具体涉及了一种车间生产线全流程数据处理与智能监控方法及系统，旨在解决相关技术难以对生产全流程进行有效监控的问题。本方法包括：采集生产全流程中不同来源的异步数据流；将异步数据流中的各个数据点映射至统一的时空基准框架；构建知识图谱；将知识图谱输入至时空图卷积网络模型，获得知识图谱中每个节点的异常概率得分；确定异常概率节点，并在知识图谱中沿关系边进行反向回溯，定位源异常节点，对源异常节点的状态数据进行特征归因分析，生成异常工况的根因解释报告。本方法通过构建以工单为实体、工序流程为关系链的知识图谱，实现了对生产全流程的数字化映射与统一表征，可对生产全流程进行有效监控。

本发明授权一种车间生产线全流程数据处理与智能监控方法及系统在权利要求书中公布了：1.一种车间生产线全流程数据处理与智能监控方法，其特征在于，包括： 采集生产全流程中不同来源的异步数据流； 将所述异步数据流中的各个数据点映射至统一的时空基准框架，并将各数据点与生产工单编号及工序节点绑定，获得标准化数据单元； 基于所述标准化数据单元，构建以生产工单为实体、以工序流程为关系链的知识图谱，所述知识图谱的节点用于嵌入包含工序的实时状态特征，边权重用于表征工序间的依赖关系； 将所述知识图谱输入至预构建的时空图卷积网络模型，获得所述知识图谱中每个节点的异常概率得分，并识别异常工况在工序节点间潜在的传播路径；所述时空图卷积网络模型通过捕捉生产流程中的空间依赖性及时间依赖性，计算所述异常概率得分及传播路径； 确定异常概率节点，并在所述知识图谱中沿关系边进行反向回溯，定位源异常节点，对所述源异常节点的状态数据进行特征归因分析，生成异常工况的根因解释报告； 其中，所述基于所述标准化数据单元，构建以生产工单为实体、以工序流程为关系链的知识图谱，包括： 采用增量式图更新算法，持续监听输入的标准化数据单元； 对于新的标准化数据单元，其生产工单编号和工序节点信息定位到知识图谱中对应的节点与边； 利用节点嵌入更新函数，将新的状态特征与节点原有的嵌入向量进行融合，从而更新该节点的实时状态表征，同时根据当前批次与上一批次在相邻工序间的流转时间间隔，动态调整节点间的边权重，以实时表征工序间物料流转效率与依赖强度的变化； 其中，所述时空图卷积网络模型捕捉生产流程中的空间依赖性及时间依赖性的过程，包括： 采用图卷积操作，通过聚合目标节点的邻域节点的状态特征信息，更新目标节点的特征表示，获得所述目标节点的空间依赖性，所述目标节点为所述知识图谱中的任意一个节点； 在每个节点上，引入门控循环单元或长短期记忆网络，对节点自身按时间序列排列的特征表示进行建模，以捕捉各个节点的时间依赖性； 其中，所述时空图卷积网络模型通过集成对抗性训练的策略进行训练，其训练过程包括： 使用历史正常与异常工况下的知识图谱样本数据构建训练集，对所述时空图卷积网络模型进行初步训练； 采用投影梯度下降法，对训练集中的知识图谱样本的节点特征向量施加扰动，以生成当前模型的对抗性样本，并将所述对抗性样本加入训练集，构成增强的训练数据集； 使用所述增强的训练数据集，以最小化模型在正常样本和对抗性样本上的联合损失为目标，对所述时空图卷积网络模型进行重新训练，直至所述联合损失达到预期目标。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人四川泓炜特种门业有限责任公司，其通讯地址为：618000 四川省德阳市罗江区经济开发区金山园区土桥路；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。