小猪预混合饲料生产在线监控方法及系统

摘要

本申请实施例提供一种小猪预混合饲料生产在线监控方法及系统，通过结合饲料生产线观测数据生成故障追溯操作阵列，然后对饲料生产线观测数据执行故障追溯操作阵列中的故障追溯操作，生成饲料生产线观测数据中生产监控分区的物料混合故障节点，结合饲料生产线观测数据、物料混合故障节点的故障定位字段、多个故障节点关系网络的故障定位字段以及故障追溯操作阵列，解析生成目标物料混合故障节点，据于此对生产监控分区进行故障点修复，由于故障节点关系网络为携带故障特征连通关系的物料混合故障节点，实现了针对饲料生产线观测数据的故障特征连通分析，由此结合目标物料混合故障节点对生产监控分区进行故障点修复，可以提高故障点修复的可靠性。

权利要求

1.一种小猪预混合饲料生产在线监控方法，其特征在于，应用于小猪预混合饲料生产在线监控系统，该方法包括：

获取小猪预混合饲料的生产监控分区的饲料生产线观测数据，所述饲料生产线观测数据用于被追踪所述生产监控分区的物料混合故障节点；

结合所述饲料生产线观测数据，解析生成所述饲料生产线观测数据的故障追溯操作阵列，所述故障追溯操作阵列中的故障追溯操作对应于所述饲料生产线观测数据的不同故障追溯事件；

对所述饲料生产线观测数据执行所述故障追溯操作阵列中的故障追溯操作，生成所述饲料生产线观测数据中所述生产监控分区的物料混合故障节点；

结合所述饲料生产线观测数据、所述物料混合故障节点的故障定位字段、多个故障节点关系网络的故障定位字段以及所述故障追溯操作阵列，解析生成目标物料混合故障节点，并结合所述目标物料混合故障节点对所述生产监控分区进行故障点修复，所述目标物料混合故障节点为所述多个故障节点关系网络中与所述物料混合故障节点对应的故障节点关系网络，所述故障节点关系网络为携带故障特征连通关系的物料混合故障节点；

所述方法还包括：

结合所述多个故障节点关系网络以及所述多个故障节点关系网络之间的连通字段，解析生成所述多个故障节点关系网络的故障定位字段，所述多个故障节点关系网络包括第一故障节点关系网络、第二故障节点关系网络和第三故障节点关系网络，所述第一故障节点关系网络是所述第二故障节点关系网络的前置关系网络，所述第三故障节点关系网络和所述第二故障节点关系网络之间不存在连通字段；

所述结合所述多个故障节点关系网络以及所述多个故障节点关系网络之间的连通字段，解析生成所述多个故障节点关系网络的故障定位字段包括：对所述第一故障节点关系网络、所述第二故障节点关系网络和所述第三故障节点关系网络进行循环显著性特征提取，生成所述第一故障节点关系网络的第一循环显著性特征、所述第二故障节点关系网络的第二循环显著性特征以及所述第三故障节点关系网络的第三循环显著性特征；

将所述第一循环显著性特征和所述第二循环显著性特征输入故障定位模型，通过所述故障定位模型，结合目标非线性关系信息对所述第二循环显著性特征进行非线性映射，生成所述第二故障节点关系网络的第四循环显著性特征；

结合所述第一循环显著性特征与所述第四循环显著性特征之间的第一特征距离信息，以及所述第三循环显著性特征与所述第四循环显著性特征之间的第二特征距离信息，对所述第一循环显著性特征和所述第二循环显著性特征进行处理，生成所述第一故障节点关系网络的故障定位字段和所述第二故障节点关系网络的故障定位字段。

2.根据权利要求1所述的小猪预混合饲料生产在线监控方法，其特征在于，所述结合所述饲料生产线观测数据，解析生成所述饲料生产线观测数据的故障追溯操作阵列包括：结合所述饲料生产线观测数据在各个饲料生产线报警事件中的观测变量分布以及各个饲料生产线报警事件对应的典型故障追溯操作阵列，解析生成所述饲料生产线观测数据的故障追溯操作阵列，所述观测变量分布表示对应饲料生产线报警事件中所述饲料生产线观测数据中未执行报警处理的生产报警特征点、联动生产报警特征点以及已执行报警处理的生产报警特征点构成的生产报警特征点，所述典型故障追溯操作阵列为对应饲料生产线报警事件之前的饲料生产线报警事件确定的故障追溯操作阵列。

3.根据权利要求2所述的小猪预混合饲料生产在线监控方法，其特征在于，所述结合所述饲料生产线观测数据在各个饲料生产线报警事件中的观测变量分布以及各个饲料生产线报警事件对应的典型故障追溯操作阵列，解析生成所述饲料生产线观测数据的故障追溯操作阵列包括：在任一饲料生产线报警事件L中，解析生成所述饲料生产线观测数据在所述饲料生产线报警事件L的观测变量分布，L为正整数；

获取在饲料生产线报警事件L‑1确定的典型故障追溯操作阵列；

结合所述饲料生产线观测数据在所述饲料生产线报警事件L的观测变量分布以及在所述饲料生产线报警事件L‑1确定的典型故障追溯操作阵列，解析生成所述饲料生产线报警事件L对应的故障追溯操作；

将所述饲料生产线报警事件L对应的故障追溯操作传递至所述饲料生产线报警事件L‑

1确定的典型故障追溯操作阵列中，生成所述饲料生产线报警事件L对应的故障追溯操作阵列。

4.根据权利要求3所述的小猪预混合饲料生产在线监控方法，其特征在于，所述结合所述饲料生产线观测数据在所述饲料生产线报警事件L的观测变量分布以及在所述饲料生产线报警事件L‑1确定的典型故障追溯操作阵列，解析生成所述饲料生产线报警事件L对应的故障追溯操作包括：结合所述饲料生产线观测数据的生产报警特征点分布、第一生产报警特征点分布、第二生产报警特征点分布以及在所述饲料生产线报警事件L‑1确定的典型故障追溯操作阵列中的头部故障追溯操作，解析生成所述饲料生产线报警事件L对应的故障追溯操作，所述生产报警特征点分布包括在所述饲料生产线报警事件L时已执行报警处理的生产报警特征点构成的生产报警特征点，所述第一生产报警特征点分布包括在所述饲料生产线报警事件L时联动的生产报警特征点，所述第二生产报警特征点分布包括在所述饲料生产线报警事件L时所述饲料生产线观测数据中未执行报警处理的生产报警特征点。

5.根据权利要求4所述的小猪预混合饲料生产在线监控方法，其特征在于，所述结合所述饲料生产线观测数据的生产报警特征点分布、第一生产报警特征点分布、第二生产报警特征点分布以及在所述饲料生产线报警事件L‑1确定的典型故障追溯操作阵列中的头部故障追溯操作，解析生成所述饲料生产线报警事件L对应的故障追溯操作包括：将所述生产报警特征点分布中的存在联动关系的两个或者两个以上生产报警特征点、所述第一生产报警特征点分布中的头部生产报警特征点、所述第二生产报警特征点分布中的头部生产报警特征点以及在所述饲料生产线报警事件L‑1确定的典型故障追溯操作阵列中的头部故障追溯操作，汇聚生成所述饲料生产线报警事件L的第一生产报警关系空间；

结合预先确定的第一报警影响矩阵和预先确定的第一报警衍生矩阵对所述第一生产报警关系空间进行更新，生成所述饲料生产线报警事件L的第二生产报警关系空间；

结合故障追溯决策模型对所述第二生产报警关系空间进行故障追溯决策，生成所述饲料生产线报警事件L对应的故障追溯操作。

6.根据权利要求1所述的小猪预混合饲料生产在线监控方法，其特征在于，所述结合所述饲料生产线观测数据、所述物料混合故障节点的故障定位字段、多个故障节点关系网络的故障定位字段以及所述故障追溯操作阵列，解析生成目标物料混合故障节点包括：结合所述饲料生产线观测数据，获取所述饲料生产线观测数据中所述物料混合故障节点的前置生产报警特征点与所述物料混合故障节点之间的第一联系特征变量，以及所述饲料生产线观测数据中所述物料混合故障节点的后向生产报警特征点与所述物料混合故障节点之间的第二联系特征变量；

结合所述第一联系特征变量、所述第二联系特征变量、所述物料混合故障节点的故障定位字段、所述多个故障节点关系网络的故障定位字段以及所述故障追溯操作阵列，解析生成所述目标物料混合故障节点。

7.根据权利要求6所述的小猪预混合饲料生产在线监控方法，其特征在于，所述结合所述第一联系特征变量、所述第二联系特征变量、所述物料混合故障节点的故障定位字段、所述多个故障节点关系网络的故障定位字段以及所述故障追溯操作阵列，解析生成所述目标物料混合故障节点包括：结合显著性挖掘规则，对所述物料混合故障节点的故障定位字段和各个所述故障节点关系网络的故障定位字段分别进行显著性特征提取，生成所述物料混合故障节点的显著性特征和各个所述故障节点关系网络的显著性特征；

结合所述第一联系特征变量、所述第二联系特征变量、所述物料混合故障节点的显著性特征、每个所述故障节点关系网络的显著性特征、每个所述故障节点关系网络的故障定位字段以及所述故障追溯操作阵列中的头部故障追溯操作，解析生成所述目标物料混合故障节点。

8.根据权利要求7所述的小猪预混合饲料生产在线监控方法，其特征在于，所述结合所述第一联系特征变量、所述第二联系特征变量、所述物料混合故障节点的显著性特征、每个所述故障节点关系网络的显著性特征、每个所述故障节点关系网络的故障定位字段以及所述故障追溯操作阵列中的头部故障追溯操作，解析生成所述目标物料混合故障节点包括：将所述第一联系特征变量、所述第二联系特征变量、所述物料混合故障节点的显著性特征、每个所述故障节点关系网络的显著性特征、每个所述故障节点关系网络的故障定位字段以及所述故障追溯操作阵列中的头部故障追溯操作汇聚生成第一故障定位信息；

结合预先确定的第二报警影响矩阵和预先确定的第二报警衍生矩阵对所述第一故障定位信息进行处理，生成第二故障定位信息；

结合故障归集模型对所述第二故障定位信息进行处理，生成各个所述故障节点关系网络与所述物料混合故障节点之间的故障归集参数值；

将所述多个故障节点关系网络中故障归集参数值匹配设定故障归集参数值要求的故障节点关系网络，解析生成为所述目标物料混合故障节点。

9.一种小猪预混合饲料生产在线监控系统，其特征在于，所述小猪预混合饲料生产在线监控系统包括处理器和机器可读存储介质，该机器可读存储介质中存储有机器可执行指令，该机器可执行指令由该处理器加载并执行以实现权利要求1‑8中任意一项的小猪预混合饲料生产在线监控方法。

说明书

小猪预混合饲料生产在线监控方法及系统

技术领域

[0001] 本申请涉及饲料生产在线监控技术领域，具体而言，涉及一种小猪预混合饲料生产在线监控方法及系统。

背景技术

[0002] 由于小猪饲料的配方复杂，所用饲料原料种类繁多，按配方生产的饲料需要多道预混合工序，才能进入后续生产环节。因此，在预混合阶段，需要对饲料生产线的生产状况进行严格状态监控，以便于保证在正式生产环节的生产质量。例如，尤其需要及时进行故障追溯并进行及时修复，以确保生产线正常运转，然而相关技术中在进行故障追溯过程中，考虑的因素过于单一，没有考虑到故障特征连通关系，进而导致故障点修复的准确性受到影响。

发明内容

[0003] 为了至少克服现有技术中的上述不足，本申请的目的在于提供一种小猪预混合饲料生产在线监控方法及系统。

[0004] 第一方面，本申请提供一种小猪预混合饲料生产在线监控方法，应用于小猪预混合饲料生产在线监控系统，所述方法包括：

[0005] 获取生产监控分区的饲料生产线观测数据，所述饲料生产线观测数据用于被追踪所述生产监控分区的物料混合故障节点；

[0006] 结合所述饲料生产线观测数据，解析生成所述饲料生产线观测数据的故障追溯操作阵列，所述故障追溯操作阵列中的故障追溯操作对应于所述饲料生产线观测数据的不同故障追溯事件；

[0007] 对所述饲料生产线观测数据执行所述故障追溯操作阵列中的故障追溯操作，生成所述饲料生产线观测数据中所述生产监控分区的物料混合故障节点；

[0008] 结合所述饲料生产线观测数据、所述物料混合故障节点的故障定位字段、多个故障节点关系网络的故障定位字段以及所述故障追溯操作阵列，解析生成目标物料混合故障节点，并结合所述目标物料混合故障节点对所述生产监控分区进行故障点修复，所述目标物料混合故障节点为所述多个故障节点关系网络中与所述物料混合故障节点对应的故障节点关系网络，所述故障节点关系网络为携带故障特征连通关系的物料混合故障节点。

[0009] 针对第一方面的一些可能的实施例中，所述结合所述饲料生产线观测数据，解析生成所述饲料生产线观测数据的故障追溯操作阵列包括：

[0010] 结合所述饲料生产线观测数据在各个饲料生产线报警事件中的观测变量分布以及各个饲料生产线报警事件对应的典型故障追溯操作阵列，解析生成所述饲料生产线观测数据的故障追溯操作阵列，所述观测变量分布表示对应饲料生产线报警事件中所述饲料生产线观测数据中未执行报警处理的生产报警特征点、联动生产报警特征点以及已执行报警处理的生产报警特征点构成的生产报警特征点，所述典型故障追溯操作阵列为对应饲料生产线报警事件之前的饲料生产线报警事件确定的故障追溯操作阵列。

[0011] 针对第一方面的一些可能的实施例中，所述结合所述饲料生产线观测数据在各个饲料生产线报警事件中的观测变量分布以及各个饲料生产线报警事件对应的典型故障追溯操作阵列，解析生成所述饲料生产线观测数据的故障追溯操作阵列包括：

[0012] 在任一饲料生产线报警事件L中，解析生成所述饲料生产线观测数据在所述饲料生产线报警事件L的观测变量分布，L为正整数；

[0013] 获取在饲料生产线报警事件L‑1确定的典型故障追溯操作阵列；

[0014] 结合所述饲料生产线观测数据在所述饲料生产线报警事件L的观测变量分布以及在所述饲料生产线报警事件L‑1确定的典型故障追溯操作阵列，解析生成所述饲料生产线报警事件L对应的故障追溯操作；

[0015] 将所述饲料生产线报警事件L对应的故障追溯操作传递至所述饲料生产线报警事件L‑1确定的典型故障追溯操作阵列中，生成所述饲料生产线报警事件L对应的故障追溯操作阵列。

[0016] 针对第一方面的一些可能的实施例中，所述结合所述饲料生产线观测数据在所述饲料生产线报警事件L的观测变量分布以及在所述饲料生产线报警事件L‑1确定的典型故障追溯操作阵列，解析生成所述饲料生产线报警事件L对应的故障追溯操作包括：

[0017] 结合所述饲料生产线观测数据的生产报警特征点分布、第一生产报警特征点分布、第二生产报警特征点分布以及在所述饲料生产线报警事件L‑1确定的典型故障追溯操作阵列中的头部故障追溯操作，解析生成所述饲料生产线报警事件L对应的故障追溯操作，所述生产报警特征点分布包括在所述饲料生产线报警事件L时已执行报警处理的生产报警特征点构成的生产报警特征点，所述第一生产报警特征点分布包括在所述饲料生产线报警事件L时联动的生产报警特征点，所述第二生产报警特征点分布包括在所述饲料生产线报警事件L时所述饲料生产线观测数据中未执行报警处理的生产报警特征点。

[0018] 针对第一方面的一些可能的实施例中，所述结合所述饲料生产线观测数据的生产报警特征点分布、第一生产报警特征点分布、第二生产报警特征点分布以及在所述饲料生产线报警事件L‑1确定的典型故障追溯操作阵列中的头部故障追溯操作，解析生成所述饲料生产线报警事件L对应的故障追溯操作包括：

[0019] 将所述生产报警特征点分布中的存在联动关系的两个或者两个以上生产报警特征点、所述第一生产报警特征点分布中的头部生产报警特征点、所述第二生产报警特征点分布中的头部生产报警特征点以及在所述饲料生产线报警事件L‑1确定的典型故障追溯操作阵列中的头部故障追溯操作，汇聚生成所述饲料生产线报警事件L的第一生产报警关系空间；

[0020] 结合预先确定的第一报警影响矩阵和预先确定的第一报警衍生矩阵对所述第一生产报警关系空间进行更新，生成所述饲料生产线报警事件L的第二生产报警关系空间；

[0021] 结合故障追溯决策模型对所述第二生产报警关系空间进行故障追溯决策，生成所述饲料生产线报警事件L对应的故障追溯操作。

[0022] 针对第一方面的一些可能的实施例中，所述结合所述饲料生产线观测数据、所述物料混合故障节点的故障定位字段、多个故障节点关系网络的故障定位字段以及所述故障追溯操作阵列，解析生成目标物料混合故障节点包括：

[0023] 结合所述饲料生产线观测数据，获取所述饲料生产线观测数据中所述物料混合故障节点的前置生产报警特征点与所述物料混合故障节点之间的第一联系特征变量，以及所述饲料生产线观测数据中所述物料混合故障节点的后向生产报警特征点与所述物料混合故障节点之间的第二联系特征变量；

[0024] 结合所述第一联系特征变量、所述第二联系特征变量、所述物料混合故障节点的故障定位字段、所述多个故障节点关系网络的故障定位字段以及所述故障追溯操作阵列，解析生成所述目标物料混合故障节点。

[0025] 针对第一方面的一些可能的实施例中，所述结合所述第一联系特征变量、所述第二联系特征变量、所述物料混合故障节点的故障定位字段、所述多个故障节点关系网络的故障定位字段以及所述故障追溯操作阵列，解析生成所述目标物料混合故障节点包括：

[0026] 结合显著性挖掘规则，对所述物料混合故障节点的故障定位字段和各个所述故障节点关系网络的故障定位字段分别进行显著性特征提取，生成所述物料混合故障节点的显著性特征和各个所述故障节点关系网络的显著性特征；

[0027] 结合所述第一联系特征变量、所述第二联系特征变量、所述物料混合故障节点的显著性特征、每个所述故障节点关系网络的显著性特征、每个所述故障节点关系网络的故障定位字段以及所述故障追溯操作阵列中的头部故障追溯操作，解析生成所述目标物料混合故障节点。

[0028] 针对第一方面的一些可能的实施例中，所述结合所述第一联系特征变量、所述第二联系特征变量、所述物料混合故障节点的显著性特征、每个所述故障节点关系网络的显著性特征、每个所述故障节点关系网络的故障定位字段以及所述故障追溯操作阵列中的头部故障追溯操作，解析生成所述目标物料混合故障节点包括：

[0029] 将所述第一联系特征变量、所述第二联系特征变量、所述物料混合故障节点的显著性特征、每个所述故障节点关系网络的显著性特征、每个所述故障节点关系网络的故障定位字段以及所述故障追溯操作阵列中的头部故障追溯操作汇聚生成第一故障定位信息；

[0030] 结合预先确定的第二报警影响矩阵和预先确定的第二报警衍生矩阵对所述第一故障定位信息进行处理，生成第二故障定位信息；

[0031] 结合故障归集模型对所述第二故障定位信息进行处理，生成各个所述故障节点关系网络与所述物料混合故障节点之间的故障归集参数值；

[0032] 将所述多个故障节点关系网络中故障归集参数值匹配设定故障归集参数值要求的故障节点关系网络，解析生成为所述目标物料混合故障节点。

[0033] 针对第一方面的一些可能的实施例中，所述方法还包括：

[0034] 结合所述多个故障节点关系网络以及所述多个故障节点关系网络之间的连通字段，解析生成所述多个故障节点关系网络的故障定位字段；

[0035] 其中，所述多个故障节点关系网络包括第一故障节点关系网络、第二故障节点关系网络和第三故障节点关系网络，所述第一故障节点关系网络是所述第二故障节点关系网络的前置关系网络，所述第三故障节点关系网络和所述第二故障节点关系网络之间不存在连通字段，所述结合所述多个故障节点关系网络以及所述多个故障节点关系网络之间的连通字段，解析生成所述多个故障节点关系网络的故障定位字段包括：

[0036] 对所述第一故障节点关系网络、所述第二故障节点关系网络和所述第三故障节点关系网络进行循环显著性特征提取，生成所述第一故障节点关系网络的第一循环显著性特征、所述第二故障节点关系网络的第二循环显著性特征以及所述第三故障节点关系网络的第三循环显著性特征；

[0037] 将所述第一循环显著性特征和所述第二循环显著性特征输入故障定位模型，结合所述故障定位模型，结合目标非线性关系信息对所述第二循环显著性特征进行非线性映射，生成所述第二故障节点关系网络的第四循环显著性特征；

[0038] 结合所述第一循环显著性特征与所述第四循环显著性特征之间的第一特征距离信息，以及所述第三循环显著性特征与所述第四循环显著性特征之间的第二特征距离信息，对所述第一循环显著性特征和所述第二循环显著性特征进行处理，生成所述第一故障节点关系网络的故障定位字段和所述第二故障节点关系网络的故障定位字段。

[0039] 譬如，针对第一方面的一些可能的实施例中，结合所述目标物料混合故障节点对所述生产监控分区进行故障点修复，具体包括以下步骤：

[0040] 获取所述目标物料混合故障节点对应于所述生产监控分区在目标生产线周期内的生产线计划的生产线运行实例簇，所述目标物料混合故障节点对应的生产线运行实例簇包括所述目标物料混合故障节点中各故障定位子节点的生产线运行实例；

[0041] 结合当前运行的所述目标物料混合故障节点相关的故障点修复模型中的故障协同修复单元，对所述目标物料混合故障节点对应的生产线运行实例簇进行故障协同修复标签提取，得到故障协同修复标签信息，并结合所述故障协同修复标签信息对所述故障点修复模型进行更新后，结合更新后的故障点修复模型对所述生产监控分区进行故障点修复。

[0042] 譬如，针对第一方面的一些可能的实施例中，结合所述目标物料混合故障节点对所述生产监控分区进行故障点修复的步骤之后，还包括：

[0043] 结合对所述生产监控分区进行故障点修复后的故障因果图中的第一故障因果的故障执行信息和第二故障因果的故障执行信息，解析生成所述第一故障因果的故障执行信息的第一故障渗透特征图和第一物料生产异动信息，以及获得所述第一故障因果的故障执行信息相对于物料生产计划的第一持续异动信息：

[0044] 结合所述第一故障因果的故障执行信息的第一故障渗透特征图、第一物料生产异动信息和第一持续异动信息，解析生成第一故障追溯计划；

[0045] 结合训练完成的故障追溯画像分析模型，判断所述第一故障追溯计划对应的故障追溯活动的故障追溯评估数据是否存在无效故障追溯信息。

[0046] 譬如，针对第一方面的一些可能的实施例中，结合故障因果图中的第一故障因果的故障执行信息和第二故障因果的故障执行信息，解析生成所述第一故障因果的故障执行信息的第一故障渗透特征图和第一物料生产异动信息，包括：对故障因果图中显著的第一故障因果的故障执行信息和第二故障因果的故障执行信息执行下述步骤：针对所述第一故障因果的故障执行信息和所述第二故障因果的故障执行信息中的每个第一故障执行项目，结合每个第一故障执行项目在所述第一故障因果的故障执行信息和所述第二故障因果的故障执行信息中的故障执行轨迹数据，及所述故障因果图对应的第一物料生产数据，解析生成每个第一故障执行项目关联的第一故障执行特征，并确定每个第一故障执行项目的第一故障执行特征图及该第一故障因果的故障执行信息的第一故障渗透特征图；结合每个第一故障执行项目的第一故障执行特征图，解析生成该第一故障因果的故障执行信息的第一物料生产异动信息。

[0047] 譬如，针对第一方面的一些可能的实施例中，生成所述第一故障因果的故障执行信息相对于物料生产计划的第一持续异动信息，包括： 结合每个第一故障执行项目在故障执行流程中的故障执行特征映射到物料生产计划对应的持续异动条件的数量，解析生成该第一故障因果的故障执行信息相对于物料生产计划的第一持续异动信息。

[0048] 第二方面，本申请实施例还提供一种小猪预混合饲料生产在线监控系统，所述小猪预混合饲料生产在线监控系统包括处理器和机器可读存储介质，所述机器可读存储介质中存储有计算机程序，所述计算机程序基于该处理器加载并执行以实现以上第一方面的小猪预混合饲料生产在线监控方法。

[0049] 采用以上任意方面的实施方式，通过结合饲料生产线观测数据，解析生成饲料生产线观测数据的故障追溯操作阵列，然后对饲料生产线观测数据执行故障追溯操作阵列中的故障追溯操作，生成饲料生产线观测数据中生产监控分区的物料混合故障节点，结合饲料生产线观测数据、物料混合故障节点的故障定位字段、多个故障节点关系网络的故障定位字段以及故障追溯操作阵列，解析生成目标物料混合故障节点，据于此对生产监控分区进行故障点修复，由于故障节点关系网络为携带故障特征连通关系的物料混合故障节点，实现了针对饲料生产线观测数据的故障特征连通分析，由此结合目标物料混合故障节点对生产监控分区进行故障点修复，可以提高故障点修复的可靠性。

附图说明

[0050] 为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要启用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以基于这些附图获得其它相关的附图。

[0051] 图1为本申请实施例提供的小猪预混合饲料生产在线监控方法的流程示意图；

[0052] 图2为本申请实施例提供的用于实现上述的小猪预混合饲料生产在线监控方法的小猪预混合饲料生产在线监控系统的结构示意框图。

具体实施方式

[0053] 以下描述是为了使本领域的普通技术人员能够实施和利用本申请，并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲，显然可以对所公开的实施例作出各种改变，并且在不偏离本申请的原则和范围的情况下，本申请中所定义的普遍原则可以适用于其它实施例和应用场景。因此，本申请并不限于所描述的实施例，而应该被给予与权利要求一致的最广泛的范围。

[0054] 本申请中所使用的术语仅用于描述特定的示例性实施例，并不限制本申请的范围。如本申请使用的单数形式“一”、“一个”及“该”可以同样包括复数形式，除非上下文明确提示例外情形。还应当理解，如在本申请说明书中，术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件，但并不排除存在或添加一个或以上其它特征、整体、步骤、操作、组件、部件和/或其组合的情况。

[0055] 基于以下对附图的描述，本申请的这些和其它的特征、特点以及相关结构元件的功能和操作方法，以及部件组合和制造经济性，可以变得更加显而易见，这些附图都构成本申请说明书的一部分。然而，应当理解的是，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当理解的是，附图并不是按比例绘制的。

[0056] 本申请中使用了流程图用来说明基于本申请的一些实施例的系统所执行的操作。应当理解的是，流程图中的操作可以不按顺序执行。相反，可以按照倒序或同时处理各种步骤。此外，可以向流程图添加一个或以上其它操作。也可以从流程图中删除一个或以上操作。

[0057] 下面依据说明书附图对本申请进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。

[0058] 图1是本申请一种实施例提供的小猪预混合饲料生产在线监控方法的流程示意图，下面对该小猪预混合饲料生产在线监控方法进行详细介绍。

[0059] 步骤101、获取生产监控分区的饲料生产线观测数据，该饲料生产线观测数据用于被追踪该生产监控分区的物料混合故障节点。

[0060] 针对一些可能的实施方式而言，该生产监控分区为任意独立的饲料生产线所对应的生产分区，生产监控分区的饲料生产线观测数据为饲料生产线的各个物料生产设备的生产行为监控数据。

[0061] 步骤102、结合该饲料生产线观测数据，解析生成该饲料生产线观测数据的故障追溯操作阵列，该故障追溯操作阵列中的故障追溯操作对应于该饲料生产线观测数据的不同故障追溯事件。

[0062] 其中，故障追溯操作阵列包括多个故障追溯操作，故障追溯操作阵列中的多个故障追溯操作有追溯次序的先后，也即是在饲料生产线观测数据的不同故障追溯事件对应执行不同的故障追溯操作。每个故障追溯操作可以用于追溯该饲料生产线观测数据中不同生产阶段的故障信息，或者不同故障类型的故障信息，也即一个故障追溯操作可以对应于某个生产阶段，或者某个故障类型，但不限制于此，本领域技术人员可以结合实际场景来从该饲料生产线观测数据中确定不同的故障追溯操作。

[0063] 步骤103、对该饲料生产线观测数据执行该故障追溯操作阵列中的故障追溯操作，生成该饲料生产线观测数据中该生产监控分区的物料混合故障节点。

[0064] 其中，生产监控分区的物料混合故障节点为饲料生产线观测数据中的具体故障定位单位，这些故障定位单位通常没有关联故障特征连通关系，也即为尚未携带故障特征连通关系的物料混合故障节点。针对一些可能的实施方式而言，对该饲料生产线观测数据执行该故障追溯操作阵列中的故障追溯操作，生成该饲料生产线观测数据中该生产监控分区的物料混合故障节点的步骤。

[0065] 步骤104、结合该饲料生产线观测数据、该物料混合故障节点的故障定位字段、多个故障节点关系网络的故障定位字段以及该故障追溯操作阵列，解析生成目标物料混合故障节点，并结合所述目标物料混合故障节点对所述生产监控分区进行故障点修复，该目标物料混合故障节点为该多个故障节点关系网络中与该物料混合故障节点对应的故障节点关系网络，该故障节点关系网络为携带故障特征连通关系的物料混合故障节点。

[0066] 其中，目标物料混合故障节点是饲料生产线观测数据中生产监控分区的物料混合故障节点对应的携带故障特征连通关系，用于表示携带故障特征的关联关系，如因果关系，调度关系等。

[0067] 采用以上技术方案，本实施例通过结合饲料生产线观测数据，解析生成饲料生产线观测数据的故障追溯操作阵列，然后对饲料生产线观测数据执行故障追溯操作阵列中的故障追溯操作，生成饲料生产线观测数据中生产监控分区的物料混合故障节点，结合饲料生产线观测数据、物料混合故障节点的故障定位字段、多个故障节点关系网络的故障定位字段以及故障追溯操作阵列，解析生成目标物料混合故障节点，据于此对生产监控分区进行故障点修复，由于故障节点关系网络为携带故障特征连通关系的物料混合故障节点，实现了针对饲料生产线观测数据的故障特征连通分析，由此结合目标物料混合故障节点对生产监控分区进行故障点修复，可以提高故障点修复的可靠性。

[0068] 下面结合进一步的示例对以上实施例进行说明，例如以上方法包括下述步骤。

[0069] 步骤201、获取生产监控分区的饲料生产线观测数据，该饲料生产线观测数据用于被追踪该生产监控分区的物料混合故障节点。

[0070] 步骤202、结合该饲料生产线观测数据，解析生成该饲料生产线观测数据的故障追溯操作阵列，该故障追溯操作阵列中的故障追溯操作对应于该饲料生产线观测数据的不同故障追溯事件。

[0071] 针对一些可能的实施方式而言，结合该饲料生产线观测数据在各个饲料生产线报警事件中的观测变量分布以及各个饲料生产线报警事件对应的典型故障追溯操作阵列，解析生成该饲料生产线观测数据的故障追溯操作阵列，该观测变量分布表示对应饲料生产线报警事件中该饲料生产线观测数据中未执行报警处理的生产报警特征点、联动生产报警特征点以及已执行报警处理的生产报警特征点构成的生产报警特征点，该典型故障追溯操作阵列为对应饲料生产线报警事件之前的饲料生产线报警事件确定的故障追溯操作阵列。

[0072] 其中，观测变量分布用于表示对该饲料生产线观测数据的生产报警特征点的状态信息，一个饲料生产线报警事件也即是一个报警流程，在一个饲料生产线报警事件对该饲料生产线观测数据执行对应的故障追溯操作后，对该饲料生产线观测数据的生产报警特征点的状态信息存在变动，从而该饲料生产线观测数据对应的观测变量分布存在变动。联动生产报警特征点为属于物料混合故障节点的生产报警特征点，已执行报警处理的生产报警特征点构成的生产报警特征点为属于物料混合故障节点的生产报警特征点。

[0073] 由于结合该饲料生产线观测数据，解析生成该饲料生产线观测数据的故障追溯操作阵列包括多个饲料生产线报警事件，下面以一个饲料生产线报警事件为例对上述实施方式进行说明。

[0074] 针对一些可能的实施方式而言，在任一饲料生产线报警事件L中，解析生成该饲料生产线观测数据在该饲料生产线报警事件L的观测变量分布，L为正整数。获取在饲料生产线报警事件L‑1确定的典型故障追溯操作阵列。结合该饲料生产线观测数据在该饲料生产线报警事件L的观测变量分布以及在该饲料生产线报警事件L‑1确定的典型故障追溯操作阵列，解析生成该饲料生产线报警事件L对应的故障追溯操作。将该饲料生产线报警事件L对应的故障追溯操作传递至该饲料生产线报警事件L‑1确定的典型故障追溯操作阵列中，生成该饲料生产线报警事件L对应的故障追溯操作阵列。

[0075] 针对一些可能的实施方式而言，结合该饲料生产线观测数据的生产报警特征点分布、第一生产报警特征点分布、第二生产报警特征点分布以及在该饲料生产线报警事件L‑1确定的典型故障追溯操作阵列中的头部故障追溯操作，解析生成该饲料生产线报警事件L对应的故障追溯操作，该生产报警特征点分布包括在该饲料生产线报警事件L时已执行报警处理的生产报警特征点构成的生产报警特征点，该第一生产报警特征点分布包括在该饲料生产线报警事件L时联动的生产报警特征点，该第二生产报警特征点分布包括在该饲料生产线报警事件L时该饲料生产线观测数据中未执行报警处理的生产报警特征点。

[0076] 比如，将该生产报警特征点分布中的存在联动关系的两个或者两个以上生产报警特征点、该第一生产报警特征点分布中的头部生产报警特征点、该第二生产报警特征点分布中的头部生产报警特征点以及在该饲料生产线报警事件L‑1确定的典型故障追溯操作阵列中的头部故障追溯操作，汇聚生成该饲料生产线报警事件L的第一生产报警关系空间。结合预先确定的第一报警影响矩阵和预先确定的第一报警衍生矩阵对该第一生产报警关系空间进行更新，生成该饲料生产线报警事件L的第二生产报警关系空间。结合故障追溯决策模型对该第二生产报警关系空间进行故障追溯决策，生成该饲料生产线报警事件L对应的故障追溯操作。

[0077] 将该饲料生产线报警事件L对应的故障追溯操作传递至该饲料生产线报警事件L‑1确定的典型故障追溯操作阵列中，生成该饲料生产线报警事件L对应的故障追溯操作阵列。

[0078] 由此，实现对故障追溯操作阵列的确定和适应性更新。

[0079] 步骤203、对该饲料生产线观测数据执行该故障追溯操作阵列中的故障追溯操作，生成该饲料生产线观测数据中该生产监控分区的物料混合故障节点。

[0080] 在上述步骤步骤202中对故障追溯操作阵列中的故障追溯操作进行了说明，下面将通过部分实施例来对步骤步骤203进行说明。

[0081] 步骤204、获取该物料混合故障节点的故障定位字段。

[0082] 针对一些可能的实施方式而言，对该饲料生产线观测数据中的各个生产报警特征点进行故障定位字段提取，生成该饲料生产线观测数据中各个生产报警特征点的故障定位字段。将该物料混合故障节点中生产报警特征点的故障定位字段进行汇总，生成该物料混合故障节点的故障定位字段。

[0083] 结合此设计，能够通过饲料生产线观测数据中生产报警特征点的故障定位字段来获取物料混合故障节点的故障定位字段，物料混合故障节点的故障定位字段融合了各个生产报警特征点的故障定位字段，物料混合故障节点的故障定位字段的特征表达性能更强。

[0084] 为了对上述实施方式进行更加清楚的说明，下面将分为两个步骤对上述实施方式进行说明。

[0085] 步骤A、对该饲料生产线观测数据中的各个生产报警特征点进行特征提取，生成该饲料生产线观测数据中各个生产报警特征点的故障定位字段。

[0086] 针对一些可能的实施方式而言，对于饲料生产线观测数据中的任一生产报警特征点，对该生产报警特征点进行卷积，生成该生产报警特征点的第一生产报警特征点变量。对该生产报警特征点进行循环显著性特征提取，生成该生产报警特征点的第二生产报警特征点变量。结合该生产报警特征点以及在该饲料生产线观测数据中与该生产报警特征点相关联的生产报警特征点，获取该生产报警特征点的第三生产报警特征点变量，该第三生产报警特征点变量为该生产报警特征点的联系特征变量。将该第一生产报警特征点变量、第二生产报警特征点变量和该第三生产报警特征点变量进行拼接，生成该生产报警特征点的故障定位字段。

[0087] 步骤B、将该物料混合故障节点中生产报警特征点的故障定位字段进行融合，生成该物料混合故障节点的故障定位字段。

[0088] 针对一些可能的实施方式而言，将该物料混合故障节点中生产报警特征点的故障定位字段进行拼接，生成该物料混合故障节点的故障定位字段。

[0089] 步骤205、结合该饲料生产线观测数据、该物料混合故障节点的故障定位字段、多个故障节点关系网络的故障定位字段以及该故障追溯操作阵列，解析生成目标物料混合故障节点，该目标物料混合故障节点为该多个故障节点关系网络中与该物料混合故障节点对应的故障节点关系网络，该故障节点关系网络为携带故障特征连通关系的物料混合故障节点。

[0090] 针对一些可能的实施方式而言，结合该饲料生产线观测数据，获取该饲料生产线观测数据中该物料混合故障节点的前置生产报警特征点与该物料混合故障节点之间的第一联系特征变量，以及该饲料生产线观测数据中该物料混合故障节点的后向生产报警特征点与该物料混合故障节点之间的第二联系特征变量。结合该第一联系特征变量、该第二联系特征变量、该物料混合故障节点的故障定位字段、该多个故障节点关系网络的故障定位字段以及该故障追溯操作阵列，解析生成该目标物料混合故障节点。

[0091] 为了对上述实施方式进行更加清楚的说明，下面将分为两个步骤对上述实施方式进行说明。

[0092] 步骤M、结合该饲料生产线观测数据，获取该饲料生产线观测数据中该物料混合故障节点的前置生产报警特征点与该物料混合故障节点之间的第一联系特征变量，以及该饲料生产线观测数据中该物料混合故障节点的后向生产报警特征点与该物料混合故障节点之间的第二联系特征变量。

[0093] 针对一些可能的实施方式而言，将该饲料生产线观测数据中该物料混合故障节点的前置生产报警特征点和该物料混合故障节点输入联系特征变量提取模型，对该物料混合故障节点的前置生产报警特征点和该物料混合故障节点进行特征提取，生成该第一联系特征变量。

[0094] 步骤N、结合该第一联系特征变量、该第二联系特征变量、该物料混合故障节点的故障定位字段、该多个故障节点关系网络的故障定位字段以及该故障追溯操作阵列，解析生成该目标物料混合故障节点。

[0095] 针对一些可能的实施方式而言，结合显著性挖掘规则，对该物料混合故障节点的故障定位字段和各个故障节点关系网络的故障定位字段分别进行显著性特征提取，生成该物料混合故障节点的显著性特征和各个故障节点关系网络的显著性特征。结合该第一联系特征变量、该第二联系特征变量、该物料混合故障节点的显著性特征、每个故障节点关系网络的显著性特征、每个故障节点关系网络的故障定位字段以及该故障追溯操作阵列中的头部故障追溯操作，解析生成该目标物料混合故障节点。

[0096] 继续将上述实施方式分为两个步骤进行说明。

[0097] 步骤a、结合显著性挖掘规则，对该物料混合故障节点的故障定位字段和各个故障节点关系网络的故障定位字段分别进行显著性特征提取，生成该物料混合故障节点的显著性特征和各个故障节点关系网络的显著性特征。

[0098] 针对一些可能的实施方式而言，结合该物料混合故障节点的故障定位字段和各个故障节点关系网络的故障定位字段，获取该物料混合故障节点与各个故障节点关系网络之间的第一显著性因子，以及各个故障节点关系网络与该物料混合故障节点之间的第二显著性因子。将物料混合故障节点的故障定位字段与对应的第一显著性因子融合，生成该物料混合故障节点的显著性特征，这里的对应是指与故障节点关系网络之间的对应。将各个故障节点关系网络的故障定位字段与对应的第二显著性因子融合，生成各个故障节点关系网络的显著性特征。

[0099] 步骤b、结合该第一联系特征变量、该第二联系特征变量、该物料混合故障节点的显著性特征、每个故障节点关系网络的显著性特征、每个故障节点关系网络的故障定位字段以及该故障追溯操作阵列中的头部故障追溯操作，解析生成该目标物料混合故障节点。

[0100] 针对一些可能的实施方式而言，将该第一联系特征变量、该第二联系特征变量、该物料混合故障节点的显著性特征、每个故障节点关系网络的显著性特征、每个故障节点关系网络的故障定位字段以及该故障追溯操作阵列中的头部故障追溯操作汇聚生成第一故障定位信息。结合预先确定的第二报警影响矩阵和预先确定的第二报警衍生矩阵对该第一故障定位信息进行处理，生成第二故障定位信息。结合故障归集模型对该第二故障定位信息进行处理，生成各个故障节点关系网络与该物料混合故障节点之间的故障归集参数值。将该多个故障节点关系网络中故障归集参数值匹配设定故障归集参数值要求的故障节点关系网络，解析生成为该目标物料混合故障节点。

[0101] 针对一些可能的实施方式而言，结合该多个故障节点关系网络以及该多个故障节点关系网络之间的连通字段，解析生成该多个故障节点关系网络的故障定位字段。

[0102] 比如，多个故障节点关系网络包括第一故障节点关系网络、第二故障节点关系网络和第三故障节点关系网络，该第一故障节点关系网络是该第二故障节点关系网络的前置关系网络，该第三故障节点关系网络和该第二故障节点关系网络之间不存在连通字段。对该第一故障节点关系网络、该第二故障节点关系网络和该第三故障节点关系网络进行循环显著性特征提取，生成该第一故障节点关系网络的第一循环显著性特征、该第二故障节点关系网络的第二循环显著性特征以及该第三故障节点关系网络的第三循环显著性特征。将该第一循环显著性特征和该第二循环显著性特征输入故障定位模型，通过该故障定位模型，结合目标非线性关系信息对该第二循环显著性特征进行非线性映射，生成该第二故障节点关系网络的第四循环显著性特征。结合该第一循环显著性特征与该第四循环显著性特征之间的第一特征距离信息，以及该第三循环显著性特征与该第四循环显著性特征之间的第二特征距离信息，对该第一循环显著性特征和该第二循环显著性特征进行处理，生成该第一故障节点关系网络的故障定位字段和该第二故障节点关系网络的故障定位字段。

[0103] 譬如，针对步骤104，在结合所述目标物料混合故障节点对所述生产监控分区进行故障点修复的过程中可以通过以下示例性的步骤实现。

[0104] 步骤301，获取所述目标物料混合故障节点对应于所述生产监控分区在目标生产线周期内的生产线计划的生产线运行实例簇，所述目标物料混合故障节点对应的生产线运行实例簇包括所述目标物料混合故障节点中各故障定位子节点的生产线运行实例。

[0105] 步骤302，结合当前运行的所述目标物料混合故障节点相关的故障点修复模型中的故障协同修复单元，对所述目标物料混合故障节点对应的生产线运行实例簇进行故障协同修复标签提取，得到故障协同修复标签信息，并结合所述故障协同修复标签信息对所述故障点修复模型进行更新后，结合更新后的故障点修复模型对所述生产监控分区进行故障点修复。

[0106] 譬如，在结合所述目标物料混合故障节点对所述生产监控分区进行故障点修复的步骤之后，本实施例所提供的方法还可以包括以下步骤。

[0107] 步骤401，结合对所述生产监控分区进行故障点修复后的故障因果图中的第一故障因果的故障执行信息和第二故障因果的故障执行信息，解析生成所述第一故障因果的故障执行信息的第一故障渗透特征图和第一物料生产异动信息，以及获得所述第一故障因果的故障执行信息相对于物料生产计划的第一持续异动信息。

[0108] 步骤402，通过所述第一故障因果的故障执行信息的第一故障渗透特征图、第一物料生产异动信息和第一持续异动信息，解析生成第一故障追溯计划。

[0109] 步骤403，结合训练完成的故障追溯画像分析模型，判断所述第一故障追溯计划对应的故障追溯活动的故障追溯评估数据是否存在无效故障追溯信息。

[0110] 譬如，结合故障因果图中的第一故障因果的故障执行信息和第二故障因果的故障执行信息，解析生成所述第一故障因果的故障执行信息的第一故障渗透特征图和第一物料生产异动信息，包括：对故障因果图中显著的第一故障因果的故障执行信息和第二故障因果的故障执行信息执行下述步骤：针对所述第一故障因果的故障执行信息和所述第二故障因果的故障执行信息中的每个第一故障执行项目，结合每个第一故障执行项目在所述第一故障因果的故障执行信息和所述第二故障因果的故障执行信息中的故障执行轨迹数据，及所述故障因果图对应的第一物料生产数据，解析生成每个第一故障执行项目关联的第一故障执行特征，并确定每个第一故障执行项目的第一故障执行特征图及该第一故障因果的故障执行信息的第一故障渗透特征图；结合每个第一故障执行项目的第一故障执行特征图，解析生成该第一故障因果的故障执行信息的第一物料生产异动信息。

[0111] 譬如，生成所述第一故障因果的故障执行信息相对于物料生产计划的第一持续异动信息，包括： 结合每个第一故障执行项目在故障执行流程中的故障执行特征映射到物料生产计划对应的持续异动条件的数量，解析生成该第一故障因果的故障执行信息相对于物料生产计划的第一持续异动信息。

[0112] 图2示出了本申请实施例提供的用于实现上述的小猪预混合饲料生产在线监控方法的小猪预混合饲料生产在线监控系统100的硬件结构意图，如图2所示，小猪预混合饲料生产在线监控系统100可包括处理器110、机器可读存储介质120、总线130以及通信单元140。

[0113] 在一些实施例中，小猪预混合饲料生产在线监控系统100可以是单个服务器，也可以是服务器组。该服务器组可以是集中式的，也可以是分布式的(例如，小猪预混合饲料生产在线监控系统100可以是分布式的系统)。在一些实施例中，小猪预混合饲料生产在线监控系统100可以是本地的，也可以是远程的。例如，小猪预混合饲料生产在线监控系统100可以经由网络访问存储于机器可读存储介质120中的信息和/或数据。又例如，小猪预混合饲料生产在线监控系统100可以直接连接到机器可读存储介质120以访问存储的信息和/或数据。在一些实施例中，小猪预混合饲料生产在线监控系统100可以在云平台上实施。仅作为示例，该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多个云等或其任意组合。

[0114] 机器可读存储介质120可以储存数据和/或指令。在一些实施例中，机器可读存储介质120可以存储从外部终端该数据。在一些实施例中，机器可读存储介质120可以储存小猪预混合饲料生产在线监控系统100用来执行或使用来完成本申请中描述的示例性方法的数据及/或指令。在一些实施例中，机器可读存储介质120可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取内存(RAM)。示例性RAM可包括主动随机存取存储器(DRAM)、双倍数据速率同步主动随机存取存储器(DDR SDRAM)、被动随机存取存储器(SRAM)、晶闸管随机存取存储器(T‑RAM)和零电容随机存取存储器(Z‑RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(PEROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD‑ROM)和数字多功能磁盘只读存储器等。在一些实施例中，机器可读存储介质120可以在云平台上实现。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云，多层云等，或其任意组合。

[0115] 在具体实现过程中，多个处理器110执行机器可读存储介质120存储的计算机可执行指令，使得处理器110可以执行如上方法实施例的小猪预混合饲料生产在线监控方法，处理器110、机器可读存储介质120以及通信单元140通过总线130连接，处理器110可以用于控制通信单元140的收发动作。

[0116] 处理器110的具体实现过程可参见上述小猪预混合饲料生产在线监控系统100执行的每个方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。

[0117] 此外，本申请实施例还提供一种可读存储介质，该可读存储介质中预设有计算机可执行指令，当处理器执行该计算机可执行指令时，实现如上小猪预混合饲料生产在线监控方法。

[0118] 应当理解的是，以上描述仅出于说明的目的，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，可以基于本申请的描述，做出多种修改和变化。然而，这些修改和变化不会背离本申请的范围。

[0119] 上文已对基本概念做了描述，显然，对于阅读此申请后的本领域的普通技术人员来说，上述发明公开仅作为示例，并不构成对本申请的限制。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。

[0120] 同时，本申请使用了特定词语来描述本申请的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请多个实施例相关的某一特征、结构或特性。因此，应当强调并注意的是，本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定系指同一实施例。此外，本申请的一个或以上实施例中的某些特征、结构或特性可以进行适当的组合。

[0121] 此外，本领域的普通技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的过程、机器、产品或物质的组合，或对其任何新的和有用的改良。相应地，本申请的每个方面可以完全由硬件执行、可以完全由软件(包括韧体、常驻软件、微代码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“单元”、“模块”或“系统”。此外，本申请公开的各方面可以采取体现在一个或以上计算机可读介质中的计算机程序产品的形式，其中计算机可读程序代码包含在其中。

[0122] 计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。此类传播信号可以有多种形式，包括电磁形式、光形式等或任何合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质等或其任意组合。

[0123] 本申请各部分操作所需的计算机程序编码可以用任意一种或以上程序语言编写，包括面向主体编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、ForOPan 2003、Perl、COBOL 2002、PHP、ABAP，主动编程语言如Python、Ruby和Groovy，或其它编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。

[0124] 此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其它名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

[0125] 同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。