基于智慧工厂的订单文本分析方法及系统与流程

1.本发明涉及人工智能技术领域，具体而言，涉及一种基于智慧工厂的订单文本分析方法及系统。


背景技术：

2.智慧工厂是现代工厂信息化发展的新阶段，是在数字化工厂的基础上，利用物联网的技术和设备监控技术加强信息管理和服务，清楚掌握产销流程、提高生产过程的可控性、减少生产线上人工的干预、及时正确地采集生产线数据，以及合理的生产计划编排与生产进度，并加上绿色智能的手段和智能系统等新兴技术于一体，构建一个高效节能的、绿色环保的、环境舒适的人性化工厂。其中，数字化工厂以产品全生命周期的相关数据为基础，在计算机虚拟环境中，对整个生产过程进行仿真、评估和优化，并进一步扩展到整个产品生命周期的新型生产组织方式。数字化工厂主要解决产品设计和产品制造之间的"鸿沟"，实现产品生命周期中的设计，制造、装配、物流等各个方面的功能，降低设计到生产制造之间的不确定性，在虚拟环境下将生产制造过程压缩和提前，并得以评估与检验，从而缩短产品设计到生产的转化的时间，并且提高产品的可靠性与成功率。
3.例如，在智慧工厂的应用中包括，基于人工智能技术（artificial intelligence，简称ai，是利用数字计算机或者数字计算机控制的计算模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统），对智慧工厂接收到的订单文本进行数据分析，以得到用于对待生产对象进行生产管控的依据，但是，在现有技术中，存在着数据分析的可靠度不高的问题。


技术实现要素：

4.有鉴于此，本发明的目的在于提供一种基于智慧工厂的订单文本分析方法及系统，以在一定程度上提供数据分析的可靠度。
5.为实现上述目的，本发明实施例采用如下技术方案：一种基于智慧工厂的订单文本分析方法，包括：提取到目标智慧工厂接收到的目标订单文本数据，以及，对所述目标订单文本数据进行解析操作，以形成所述目标订单文本数据对应的多个局部订单文本数据，每一个所述局部订单文本数据对应于一个待生产对象；获取到所述多个局部订单文本数据对应的多个待生产对象之间的对象生产相关关系和对象应用相关关系，以及，基于所述对象生产相关关系和所述对象应用相关关系，对所述多个待生产对象之间的对象分布关系进行确定，以输出每两个所述待生产对象之间的对象分布关系，所述对象生产相关关系是指所述待生产对象之间在生产维度具有的相关关系，所述对象应用相关关系是指所述待生产对象之间在应用维度具有的相关关系；基于每两个所述待生产对象之间的对象分布关系和每一个所述待生产对象对应的局部订单文本数据，构建生产对象数据分布；
确定所述生产对象数据分布对应的至少一个局部生产对象数据分布；通过优化对象群体识别网络，将所述至少一个局部生产对象数据分布进行分析操作，以确定出所述生产对象数据分布对应的对象群体识别数据，所述对象群体识别数据包括所述至少一个局部生产对象数据分布中与预设群体关系对应的局部生产对象数据分布，且该局部生产对象数据分布被标记为主局部生产对象数据分布，以及，所述主局部生产对象数据分布以外的其它局部生产对象数据分布被标记为从局部生产对象数据分布，所述主局部生产对象数据分布和所述从局部生产对象数据分布作为对所述多个待生产对象进行生产管控的依据，所述优化对象群体识别网络是基于从识别网络模型、典型生产对象数据分布和所述典型生产对象数据分布对应的群体关系标识数据将主识别网络模型包括的第一子网络模型和第二子网络模型进行网络优化操作以形成。
6.在一些优选的实施例中，在上述基于智慧工厂的订单文本分析方法中，所述基于每两个所述待生产对象之间的对象分布关系和每一个所述待生产对象对应的局部订单文本数据，构建生产对象数据分布的步骤，包括：基于每两个所述待生产对象之间的对象分布关系，对所述多个待生产对象进行数据分布的构建操作，以形成初始生产对象数据分布；在所述初始生产对象数据分布中，将每一个所述待生产对象对应的局部订单文本数据作为对应的待生产对象的对象属性数据，以形成所述初始生产对象数据分布对应的中间生产对象数据分布；基于配置的虚拟生产对象，对所述中间生产对象数据分布进行边缘补充操作，以形成具有规则形状的生产对象数据分布，在所述生产对象数据分布中，属于所述虚拟生产对象的待生产对象的对象属性数据为空。
7.在一些优选的实施例中，在上述基于智慧工厂的订单文本分析方法中，所述基于智慧工厂的订单文本分析方法还包括：提取到典型数据分布簇，所述典型数据分布簇包括多个典型生产对象数据分布和每一个典型生产对象数据分布对应的群体关系标识数据；通过所述从识别网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数和每一个所述典型生产对象数据分布在每一个所述预设群体关系具有的整体匹配参数；通过所述主识别网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的第一子匹配参数和第二子匹配参数；基于所述第一子匹配参数、所述第二子匹配参数、所述局部匹配参数、所述整体匹配参数和所述群体关系标识数据，将所述主识别网络模型和所述从识别网络模型进行网络优化操作，以形成所述优化对象群体识别网络。
8.在一些优选的实施例中，在上述基于智慧工厂的订单文本分析方法中，所述基于所述第一子匹配参数、所述第二子匹配参数、所述局部匹配参数、所述整体匹配参数和所述群体关系标识数据，将所述主识别网络模型和所述从识别网络模型进行网络优化操作，以形成所述优化对象群体识别网络的步骤，包括：
基于每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数，形成每一个所述局部生产对象数据分布对应的虚拟的群体关系标识数据；基于每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数，形成每一个所述局部生产对象数据分布所属的典型数据分布组合对应的虚拟的组合群体关系标识数据；通过所述第一子匹配参数、所述第二子匹配参数、所述虚拟的群体关系标识数据、所述虚拟的组合群体关系标识数据、所述整体匹配参数和所述群体关系标识数据，分析出所述主识别网络模型和所述从识别网络模型对应的目标网络学习代价参数；基于所述目标网络学习代价参数，将所述主识别网络模型和所述从识别网络模型进行网络优化操作，以及，对网络优化后的主识别网络模型进行标记操作，以标记为所属优化对象群体识别网络。
9.在一些优选的实施例中，在上述基于智慧工厂的订单文本分析方法中，所述基于每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数，形成每一个所述局部生产对象数据分布对应的虚拟的群体关系标识数据的步骤，包括：在每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布中，将每一个预设群体关系的局部匹配参数小于预先确定的参考局部匹配参数的局部生产对象数据分布予以丢弃，以形成第一数量个局部生产对象数据分布；在所述第一数量个局部生产对象数据分布中，确定出局部匹配参数最大的局部生产对象数据分布，以及，对所述局部匹配参数最大的局部生产对象数据分布进行标记操作，以标记为对照的局部生产对象数据分布，以及，对相应的预设群体关系进行标记操作，以标记为所述对照的局部生产对象数据分布的虚拟的群体关系标识数据；分析出所述对照的局部生产对象数据分布和所述第一数量个局部生产对象数据分布中所述对照的局部生产对象数据分布以外的局部生产对象数据分布之间的数据分布交叉参数，以及，对所述数据分布交叉参数不小于预先确定的参考数据分布交叉参数的局部生产对象数据分布进行丢弃操作；在丢弃操作后保留的局部生产对象数据分布中，确定出局部匹配参数最大的局部生产对象数据分布，并回转执行所述对所述局部匹配参数最大的局部生产对象数据分布进行标记操作，以标记为对照的局部生产对象数据分布的步骤，以将所述第一数量个局部生产对象数据分布轮询完毕。
10.在一些优选的实施例中，在上述基于智慧工厂的订单文本分析方法中，所述基于每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数，形成每一个所述局部生产对象数据分布所属的典型数据分布组合对应的虚拟的组合群体关系标识数据的步骤，包括：在每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布中，确定出在每一个预设群体关系的局部匹配参数最大的第一局部生产对象数据分布，以及，分析出所述第一局部生产对象数据分布和所述至少一个局部生产对象数据分布中所述第一局部生产对象数据分布以外的局部生产对象数据分布之间的数据分布交叉参数；对所述第一局部生产对象数据分布和所述数据分布交叉参数不小于预先确定的标准数据分布交叉参数的局部生产对象数据分布进行合并操作，以形成对应的典型数据分
布组合，以及，对相应的预设群体关系进行标记操作，以标记为所述典型数据分布组合的虚拟的组合群体关系标识数据；对所述典型数据分布组合中的局部生产对象数据分布从所述至少一个局部生产对象数据分布中予以丢弃，以形成第二数量个局部生产对象数据分布；在丢弃后保留的局部生产对象数据分布中，确定出局部匹配参数最大的第一局部生产对象数据分布，并执行分析出所述第一局部生产对象数据分布和所述第二数量个局部生产对象数据分布中所述第一局部生产对象数据分布以外的局部生产对象数据分布之间的数据分布交叉参数的步骤，以将所述至少一个局部生产对象数据分布都分配到各个典型数据分布组合中。
11.在一些优选的实施例中，在上述基于智慧工厂的订单文本分析方法中，所述通过所述第一子匹配参数、所述第二子匹配参数、所述虚拟的群体关系标识数据、所述虚拟的组合群体关系标识数据、所述整体匹配参数和所述群体关系标识数据，分析出所述主识别网络模型和所述从识别网络模型对应的目标网络学习代价参数的步骤，包括：基于所述整体匹配参数和所述群体关系标识数据，分析出所述从识别网络模型具有的学习代价参数；基于所述第一子匹配参数和所述虚拟的群体关系标识数据，分析出所述主识别网络模型包括的第一子网络模型具有的学习代价参数；基于所述第二子匹配参数和所述虚拟的组合群体关系标识数据，分析出所述主识别网络模型包括的第二子网络模型具有的学习代价参数；基于所述从识别网络模型具有的学习代价参数、所述第一子网络模型具有的学习代价参数和所述第二子网络模型具有的学习代价参数，分析出所述主识别网络模型和所述从识别网络模型对应的目标网络学习代价参数。
12.在一些优选的实施例中，在上述基于智慧工厂的订单文本分析方法中，所述通过所述主识别网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的第一子匹配参数和第二子匹配参数的步骤，包括：通过所述主识别网络模型包括的第一子网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的第一子匹配参数；通过所述主识别网络模型包括的第二子网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的第二子匹配参数。
13.在一些优选的实施例中，在上述基于智慧工厂的订单文本分析方法中，所述通过所述从识别网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数和每一个所述典型生产对象数据分布在每一个所述预设群体关系具有的整体匹配参数的步骤，包括：确定出每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布中，每一个局部生产对象数据分布在每一个所述典型生产对象数据分布中对应的数据分
布内容的局部数据分布描述向量，所述局部数据分布描述向量是通过关键信息挖掘模型将所述局部生产对象数据分布对应的数据分布内容进行关键信息挖掘操作以形成；依据所述局部数据分布描述向量，分析出每一个所述局部生产对象数据分布的第一维度匹配参数和第二维度匹配参数，所述第一维度匹配参数用于反映每一个所述局部生产对象数据分布属于每一个预设群体关系的可能性，所述第二维度匹配参数用于反映每一个所述局部生产对象数据分布对每一个所述预设群体关系提供的可能性；对所述第一维度匹配参数和所述第二维度匹配参数进行整合操作，以形成每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数；依据每一个所述典型生产对象数据分布对应的各个局部生产对象数据分布的局部匹配参数，分析出每一个所述典型生产对象数据分布在每一个预设群体关系的整体匹配参数。
14.本发明实施例还提供一种基于智慧工厂的订单文本分析系统，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现上述的基于智慧工厂的订单文本分析方法。
15.本发明实施例提供的基于智慧工厂的订单文本分析方法及系统，可以先形成多个局部订单文本数据；获取到多个局部订单文本数据对应的多个待生产对象之间的对象生产相关关系和对象应用相关关系，基于对象生产相关关系和对象应用相关关系，输出待生产对象之间的对象分布关系；基于待生产对象之间的对象分布关系和每一个待生产对象对应的局部订单文本数据，构建生产对象数据分布；确定至少一个局部生产对象数据分布；通过优化对象群体识别网络，将至少一个局部生产对象数据分布进行分析操作，以确定出生产对象数据分布对应的对象群体识别数据。基于前述的内容，由于会基于多个待生产对象之间的对象生产相关关系和对象应用相关关系构建生产对象数据分布，使得在分析的过程中会充分考虑待生产对象之间的关系，使得分析的依据更为丰富，因此，可以在一定程度上提供数据分析的可靠度，从而改善现有技术中的不足。另外，通过分析出与预设群体关系对应的局部生产对象数据分布，以及其它局部生产对象数据分布，以作为生产管控的依据，使得生产管控的可靠度较高。
16.为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
17.图1为本发明实施例提供的基于智慧工厂的订单文本分析系统的结构框图。
18.图2为本发明实施例提供的基于智慧工厂的订单文本分析方法包括的各步骤的流程示意图。
19.图3为本发明实施例提供的基于智慧工厂的订单文本分析装置包括的各模块的示意图。
实施方式
20.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只
是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
21.因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
22.如图1所示，本发明实施例提供了一种基于智慧工厂的订单文本分析系统。其中，所述基于智慧工厂的订单文本分析系统可以包括存储器和处理器。
23.详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件（firmware）的形式，存在的软件功能模块（计算机程序）。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例提供的基于智慧工厂的订单文本分析方法。
24.应当理解的是，在一些可行的实施方式中，所述存储器可以是，但不限于，随机存取存储器（random access memory，ram），只读存储器（read only memory，rom），可编程只读存储器（programmable read-only memory，prom），可擦除只读存储器（erasable programmable read-only memory，eprom），电可擦除只读存储器（electric erasable programmable read-only memory，eeprom）等。
25.应当理解的是，在一些可行的实施方式中，所述处理器可以是一种通用处理器，包括中央处理器（central processing unit，cpu）、网络处理器（network processor，np）、片上系统(system on chip，soc)等；还可以是数字信号处理器（dsp）、专用集成电路（asic）、现场可编程门阵列（fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
26.应当理解的是，在一些可行的实施方式中，所述基于智慧工厂的订单文本分析系统可以是一种具备数据处理能力的服务器。
27.结合图2，本发明实施例还提供一种基于智慧工厂的订单文本分析方法，可应用于上述基于智慧工厂的订单文本分析系统。其中，所述基于智慧工厂的订单文本分析方法有关的流程所定义的方法步骤，可以由所述基于智慧工厂的订单文本分析系统实现。
28.下面将对图2所示的具体流程，进行详细阐述。
29.步骤s110，提取到目标智慧工厂接收到的目标订单文本数据，以及，对所述目标订单文本数据进行解析操作，以形成所述目标订单文本数据对应的多个局部订单文本数据。
30.在本发明实施例中，所述基于智慧工厂的订单文本分析系统可以提取到目标智慧工厂接收到的目标订单文本数据，以及，对所述目标订单文本数据进行解析操作，以形成所述目标订单文本数据对应的多个局部订单文本数据。每一个所述局部订单文本数据对应于一个待生产对象。另外，所述多个局部订单文本数据对应的多个待生产对象可以是多个用户的生产需求，也可以是一个用户的生产需求，即所述目标订单文本数据属于一个用户的订单，也可以是属于多个用户的订单集合。
31.步骤s120，获取到所述多个局部订单文本数据对应的多个待生产对象之间的对象生产相关关系和对象应用相关关系，以及，基于所述对象生产相关关系和所述对象应用相
关关系，对所述多个待生产对象之间的对象分布关系进行确定，以输出每两个所述待生产对象之间的对象分布关系。
32.在本发明实施例中，所述基于智慧工厂的订单文本分析系统可以获取到所述多个局部订单文本数据对应的多个待生产对象之间的对象生产相关关系和对象应用相关关系，以及，基于所述对象生产相关关系和所述对象应用相关关系，对所述多个待生产对象之间的对象分布关系进行确定，以输出每两个所述待生产对象之间的对象分布关系。所述对象生产相关关系是指所述待生产对象之间在生产维度具有的相关关系，如生产维度具有的相关程度，具体可以是指，生产设备、原料、工艺等维度，所述对象应用相关关系是指所述待生产对象之间在应用维度具有的相关关系，如应用维度具有的相关程度，具体可以是指，应用的场景、先后关系等。每两个所述待生产对象之间的对象分布关系可以是指两个维度的相关关系。
33.步骤s130，基于每两个所述待生产对象之间的对象分布关系和每一个所述待生产对象对应的局部订单文本数据，构建生产对象数据分布。
34.在本发明实施例中，所述基于智慧工厂的订单文本分析系统可以基于每两个所述待生产对象之间的对象分布关系和每一个所述待生产对象对应的局部订单文本数据，构建生产对象数据分布。
35.步骤s140，确定所述生产对象数据分布对应的至少一个局部生产对象数据分布。
36.在本发明实施例中，所述基于智慧工厂的订单文本分析系统可以确定所述生产对象数据分布对应的至少一个局部生产对象数据分布。
37.步骤s150，通过优化对象群体识别网络，将所述至少一个局部生产对象数据分布进行分析操作，以确定出所述生产对象数据分布对应的对象群体识别数据。
38.在本发明实施例中，所述基于智慧工厂的订单文本分析系统可以通过优化对象群体识别网络，将所述至少一个局部生产对象数据分布进行分析操作，以确定出所述生产对象数据分布对应的对象群体识别数据。所述对象群体识别数据包括所述至少一个局部生产对象数据分布中与预设群体关系对应的局部生产对象数据分布，且该局部生产对象数据分布被标记为主局部生产对象数据分布，以及，所述主局部生产对象数据分布以外的其它局部生产对象数据分布被标记为从局部生产对象数据分布，所述主局部生产对象数据分布和所述从局部生产对象数据分布作为对所述多个待生产对象进行生产管控的依据，例如，在生产产能优先的情况下，可以先基于生产所述主局部生产对象数据分布对应的待生产对象，所述优化对象群体识别网络是基于从识别网络模型、典型生产对象数据分布和所述典型生产对象数据分布对应的群体关系标识数据将主识别网络模型包括的第一子网络模型和第二子网络模型进行网络优化操作以形成。
39.基于前述的内容，由于会基于多个待生产对象之间的对象生产相关关系和对象应用相关关系构建生产对象数据分布，使得在分析的过程中会充分考虑待生产对象之间的关系，使得分析的依据更为丰富，因此，可以在一定程度上提供数据分析的可靠度，从而改善现有技术中的不足。另外，通过分析出与预设群体关系对应的局部生产对象数据分布，以及其它局部生产对象数据分布，以作为生产管控的依据，使得生产管控的可靠度较高。
40.应当理解的是，在一些可行的实施方式中，上述的步骤s130，即所述基于每两个所述待生产对象之间的对象分布关系和每一个所述待生产对象对应的局部订单文本数据，构
建生产对象数据分布的步骤，可以进一步包括以下所述的具体实施内容：基于每两个所述待生产对象之间的对象分布关系，对所述多个待生产对象进行数据分布的构建操作，以形成初始生产对象数据分布，示例性地，所述对象分布关系可以包括上述的两个维度的相关关系，因此，所述初始生产对象数据分布可以为一个二维的数据分布，在所述初始生产对象数据分布中，待生产对象之间的分布距离可以与相关程度正相关；在所述初始生产对象数据分布中，将每一个所述待生产对象对应的局部订单文本数据作为对应的待生产对象的对象属性数据，以形成所述初始生产对象数据分布对应的中间生产对象数据分布；基于配置的虚拟生产对象，对所述中间生产对象数据分布进行边缘补充操作，以形成具有规则形状的生产对象数据分布，在所述生产对象数据分布中，属于所述虚拟生产对象的待生产对象的对象属性数据为空，例如，所述生产对象数据分布可以是矩形等规则的形状，在其它实施方式中，也可以不进行边缘补充操作，即直接将所述中间生产对象数据分布作为所述生产对象数据分布。
41.其中，应当理解的是，在一些可行的实施方式中，上述的步骤s140，即所述确定所述生产对象数据分布对应的至少一个局部生产对象数据分布的步骤，可以进一步包括以下所述的具体实施内容：基于多个分割尺寸，分别对所述生产对象数据分布进行滑窗操作，以形成多个滑窗窗口，每一个所述分割尺寸对应有至少一个滑窗窗口；分别将每一个所述滑窗窗口对应的局部的生产对象数据分布进行提取操作，以形成对应的局部生产对象数据分布；或者对于每一个所述分割尺寸，在该分割尺寸对应的滑窗窗口的数量小于或等于预先确定的目标数量的情况下，将该分割尺寸对应的每一个滑窗窗口对应的局部的生产对象数据分布进行提取操作，以形成对应的局部生产对象数据分布；在该分割尺寸对应的滑窗窗口的数量大于所述目标数量的情况下，计算该分割尺寸对应的每两个相邻滑窗窗口对应的局部的生产对象数据分布之间的相似参数（例如，可以计算包括的待生产对象的对象属性数据之间的相似度），将相似参数大于或等于预先确定的参考相似参数的每两个相邻滑窗窗口进行合并操作，以形成对应的合并滑窗窗口（也作为该分割尺寸对应的滑窗窗口），如此操作至少一次，直到不能形成相似参数大于或等于所述参考相似参数的两个相邻滑窗窗口，将该分割尺寸当前对应的每一个滑窗窗口对应的局部的生产对象数据分布进行提取操作，以形成对应的局部生产对象数据分布。
42.其中，应当理解的是，在一些可行的实施方式中，所述优化对象群体识别网络可以包括优化后的主识别网络模型的第一子网络模型和第二子网络模型，基于此，上述的步骤s150，即所述通过优化对象群体识别网络，将所述至少一个局部生产对象数据分布进行分析操作，以确定出所述生产对象数据分布对应的对象群体识别数据的步骤，可以进一步包括以下所述的具体实施内容：通过所述第一子网络模型，将所述至少一个局部生产对象数据分布进行分析操作，以确定出每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的第三子匹配参数；通过所述第二子网络模型，将所述至少一个局部生产对象数据分布进行分析操
作，以确定出每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的第四子匹配参数；将所述第三子匹配参数和所述第四子匹配参数进行整合操作，以形成每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的整合目标匹配参数，例如，可以将所述第三子匹配参数和所述第四子匹配参数进行均值或加权求和计算，以得到整合目标匹配参数，例如，可以直接将均值或加权求和计算的结果作为整合目标匹配参数，也可以对均值或加权求和计算的结果进行相应处理后得到整合目标匹配参数，例如，若优化后的主识别网络模型包括至少两个识别子模型，可以将各个识别子模型的均值或加权求和计算的结果进行均值或加权求和计算，得到整合目标匹配参数；基于所述整合目标匹配参数，在所述至少一个局部生产对象数据分布中，分析出与预设群体关系对应的主局部生产对象数据分布，以及，对所述与预设群体关系对应的主局部生产对象数据分布进行标记操作，以标记为所述生产对象数据分布对应的对象群体识别数据，例如，可以将具有最大值的整合目标匹配参数对应的局部生产对象数据分布，作为与预设群体关系对应的主局部生产对象数据分布。
43.其中，应当理解的是，在一些可行的实施方式中，所述主识别网络模型包括一个或多个识别子模型，每一个识别子模型包括所述第一子网络模型和所述第二子网络模型，所述一个或多个识别子模型具有并行分布的关系（即不具有先后的级联关系）。并且，在进行网络优化的过程中，每一个所述识别子模型加载的是每一个局部生产对象数据分布在典型生产对象数据分布中对应的数据分布内容的局部数据分布描述向量，前一个识别子模型分析出的整合匹配参数用于确定后一个识别子模型使用的虚拟的群体关系标识数据和虚拟的组合群体关系标识数据，所述虚拟的群体关系标识数据和虚拟的组合群体关系标识数据可以用于对后一个识别子模型进行监督优化，所述整合匹配参数是基于所述第一子网络模型分析出的第一子匹配参数和所述第二子网络模型分析出的第二子匹配参数进行整合操作以形成。
44.应当理解的是，在一些可行的实施方式中，所述基于智慧工厂的订单文本分析方法，还可以进一步包括以下所述的具体实施内容：提取到典型数据分布簇，所述典型数据分布簇包括多个典型生产对象数据分布和每一个典型生产对象数据分布对应的群体关系标识数据；通过所述从识别网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数和每一个所述典型生产对象数据分布在每一个所述预设群体关系具有的整体匹配参数，匹配参数可以用于反映与预设群体关系之间的匹配程度，或者说，具有所述预设群体关系的概率或可能性大小；通过所述主识别网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的第一子匹配参数和第二子匹配参数，所述主识别网络模型包括第一子网络模型和第二子网络模型，可以分别分析出第一子匹配参数和第二子匹配参数；基于所述第一子匹配参数、所述第二子匹配参数、所述局部匹配参数、所述整体匹配参数和所述群体关系标识数据，将所述主识别网络模型和所述从识别网络模型进行网络
优化操作，以形成所述优化对象群体识别网络。
45.应当理解的是，在一些可行的实施方式中，所述通过所述从识别网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数和每一个所述典型生产对象数据分布在每一个所述预设群体关系具有的整体匹配参数的步骤，可以进一步包括以下所述的具体实施内容：确定出每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布中，每一个局部生产对象数据分布在每一个所述典型生产对象数据分布中对应的数据分布内容（即所述局部生产对象数据分布包括的各待生产对象的对象属性数据和分布坐标）的局部数据分布描述向量，所述局部数据分布描述向量是通过关键信息挖掘模型将所述局部生产对象数据分布对应的数据分布内容进行关键信息挖掘操作以形成，例如，可以对所述数据分布内容进行卷积运算，以得到局部数据分布描述向量；依据所述局部数据分布描述向量，分析出每一个所述局部生产对象数据分布的第一维度匹配参数和第二维度匹配参数，所述第一维度匹配参数用于反映每一个所述局部生产对象数据分布属于每一个预设群体关系的可能性，所述第二维度匹配参数用于反映每一个所述局部生产对象数据分布对每一个所述预设群体关系提供的可能性，例如，可以对所述局部数据分布描述向量进行全连接处理，以投射到两个不同的特征空间中，得到第一全连接描述向量和第二全连接描述向量，如此，可以通过对第一全连接描述向量和第二全连接描述向量分别进行映射输出，以得到第一维度匹配参数和第二维度匹配参数；对所述第一维度匹配参数和所述第二维度匹配参数进行整合操作，以形成每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数，例如，可以对所述第一维度匹配参数和所述第二维度匹配参数进行均值计算等处理，以得到对应的局部匹配参数；依据每一个所述典型生产对象数据分布对应的各个局部生产对象数据分布的局部匹配参数，分析出每一个所述典型生产对象数据分布在每一个预设群体关系的整体匹配参数，例如，可以将所述典型生产对象数据分布对应的各个局部生产对象数据分布的局部匹配参数进行均值计算等处理，以得到所述典型生产对象数据分布的整体匹配参数。
46.其中，应当理解的是，在一些可行的实施方式中，所述第一维度匹配参数的确定过程，可以进一步包括以下所述的具体实施内容：对于第m个局部生产对象数据分布属于第n个预设群体关系的可能性，计算所述第一全连接描述向量中第m行第n列的向量参数的指数运算结果，并计算所述第一全连接描述向量中第m行第1-x列的各向量参数的指数运算结果的和值，x等于所述预设群体关系的数量，之后，可以计算前一个指数运算结果与所述指数运算结果的和值之间的比值，再基于该比值确定出该可能性，如将该比值直接作为该可能性。
47.其中，应当理解的是，在一些可行的实施方式中，所述第二维度匹配参数的确定过程，可以进一步包括以下所述的具体实施内容：对于第m个局部生产对象数据分布对第n个预设群体关系提供的可能性，计算所述第二全连接描述向量中第m行第n列的向量参数的指数运算结果，并计算所述第二全连接描述向量中第1-y行第n列的各向量参数的指数运算结果的和值，y等于所述局部生产对象数
据分布的数量，之后，可以计算前一个指数运算结果与所述指数运算结果的和值之间的比值，再基于该比值确定出该可能性，如将该比值直接作为该可能性。
48.应当理解的是，在一些可行的实施方式中，所述通过所述主识别网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的第一子匹配参数和第二子匹配参数的步骤，可以进一步包括以下所述的具体实施内容：通过所述主识别网络模型包括的第一子网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的第一子匹配参数；通过所述主识别网络模型包括的第二子网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的第二子匹配参数；所述第一子网络模型和所述第二子网络模型通过对所述局部生产对象数据分布对应的局部数据分布描述向量进行全连接处理和归一化处理，以得到对应的子匹配参数。
49.应当理解的是，在一些可行的实施方式中，所述基于所述第一子匹配参数、所述第二子匹配参数、所述局部匹配参数、所述整体匹配参数和所述群体关系标识数据，将所述主识别网络模型和所述从识别网络模型进行网络优化操作，以形成所述优化对象群体识别网络的步骤，可以进一步包括以下所述的具体实施内容：基于每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数，形成每一个所述局部生产对象数据分布对应的虚拟的群体关系标识数据；基于每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数，形成每一个所述局部生产对象数据分布所属的典型数据分布组合对应的虚拟的组合群体关系标识数据；通过所述第一子匹配参数、所述第二子匹配参数、所述虚拟的群体关系标识数据、所述虚拟的组合群体关系标识数据、所述整体匹配参数和所述群体关系标识数据，分析出所述主识别网络模型和所述从识别网络模型对应的目标网络学习代价参数；基于所述目标网络学习代价参数，将所述主识别网络模型和所述从识别网络模型进行网络优化操作，以及，对网络优化后的主识别网络模型进行标记操作，以标记为所属优化对象群体识别网络，例如，可以按照减小所述目标网络学习代价参数的方向，将所述主识别网络模型和所述从识别网络模型的模型参数进行优化调整。
50.应当理解的是，在一些可行的实施方式中，所述基于每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数，形成每一个所述局部生产对象数据分布对应的虚拟的群体关系标识数据的步骤，可以进一步包括以下所述的具体实施内容：在每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布中，将每一个预设群体关系的局部匹配参数小于预先确定的参考局部匹配参数的局部生产对象数据分布予以丢弃，以形成第一数量个局部生产对象数据分布，所述参考局部匹配参数的具体数值不受限制；在所述第一数量个局部生产对象数据分布中，确定出局部匹配参数最大的局部生
产对象数据分布，以及，对所述局部匹配参数最大的局部生产对象数据分布进行标记操作，以标记为对照的局部生产对象数据分布，以及，对相应的预设群体关系进行标记操作，以标记为所述对照的局部生产对象数据分布的虚拟的群体关系标识数据；分析出所述对照的局部生产对象数据分布和所述第一数量个局部生产对象数据分布中所述对照的局部生产对象数据分布以外的局部生产对象数据分布之间的数据分布交叉参数，以及，对所述数据分布交叉参数不小于预先确定的参考数据分布交叉参数的局部生产对象数据分布进行丢弃操作，所述数据分布交叉参数是指局部生产对象数据分布之间包括的待生产对象的重合数量占比，所述参考数据分布交叉参数的具体数值不受限制；在丢弃操作后保留的局部生产对象数据分布中，确定出局部匹配参数最大的局部生产对象数据分布，并回转执行所述对所述局部匹配参数最大的局部生产对象数据分布进行标记操作，以标记为对照的局部生产对象数据分布的步骤，以将所述第一数量个局部生产对象数据分布轮询完毕。
51.应当理解的是，在一些可行的实施方式中，所述基于每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数，形成每一个所述局部生产对象数据分布所属的典型数据分布组合对应的虚拟的组合群体关系标识数据的步骤，可以进一步包括以下所述的具体实施内容：在每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布中，确定出在每一个预设群体关系的局部匹配参数最大的第一局部生产对象数据分布，以及，分析出所述第一局部生产对象数据分布和所述至少一个局部生产对象数据分布中所述第一局部生产对象数据分布以外的局部生产对象数据分布之间的数据分布交叉参数；对所述第一局部生产对象数据分布和所述数据分布交叉参数不小于预先确定的标准数据分布交叉参数的局部生产对象数据分布进行合并操作，以形成对应的典型数据分布组合，以及，对相应的预设群体关系进行标记操作，以标记为所述典型数据分布组合的虚拟的组合群体关系标识数据，所述标准数据分布交叉参数的具体数值不受限制；对所述典型数据分布组合中的局部生产对象数据分布从所述至少一个局部生产对象数据分布中予以丢弃，以形成第二数量个局部生产对象数据分布；在丢弃后保留的局部生产对象数据分布中，确定出局部匹配参数最大的第一局部生产对象数据分布，并执行分析出所述第一局部生产对象数据分布和所述第二数量个局部生产对象数据分布中所述第一局部生产对象数据分布以外的局部生产对象数据分布之间的数据分布交叉参数的步骤，以将所述至少一个局部生产对象数据分布都分配到各个典型数据分布组合中。
52.应当理解的是，在一些可行的实施方式中，所述通过所述第一子匹配参数、所述第二子匹配参数、所述虚拟的群体关系标识数据、所述虚拟的组合群体关系标识数据、所述整体匹配参数和所述群体关系标识数据，分析出所述主识别网络模型和所述从识别网络模型对应的目标网络学习代价参数的步骤，可以进一步包括以下所述的具体实施内容：基于所述整体匹配参数和所述群体关系标识数据（之间的差异），分析出所述从识别网络模型具有的学习代价参数；以及，基于所述第一子匹配参数和所述虚拟的群体关系标识数据（之间的差异），分析出所述主识别网络模型包括的第一子网络模型具有的学习代价参数；以及，基于所述第二子匹配参数和所述虚拟的组合群体关系标识数据（之间的差
异），分析出所述主识别网络模型包括的第二子网络模型具有的学习代价参数；以及，基于所述从识别网络模型具有的学习代价参数、所述第一子网络模型具有的学习代价参数和所述第二子网络模型具有的学习代价参数，例如，可以进行加权求和计算等处理，分析出所述主识别网络模型和所述从识别网络模型对应的目标网络学习代价参数。
53.结合图3，本发明实施例还提供一种基于智慧工厂的订单文本分析装置，可应用于上述基于智慧工厂的订单文本分析系统。其中，所述基于智慧工厂的订单文本分析装置可以包括：订单数据处理模块，用于提取到目标智慧工厂接收到的目标订单文本数据，以及，对所述目标订单文本数据进行解析操作，以形成所述目标订单文本数据对应的多个局部订单文本数据，每一个所述局部订单文本数据对应于一个待生产对象；对象分布关系确定模块，用于获取到所述多个局部订单文本数据对应的多个待生产对象之间的对象生产相关关系和对象应用相关关系，以及，基于所述对象生产相关关系和所述对象应用相关关系，对所述多个待生产对象之间的对象分布关系进行确定，以输出每两个所述待生产对象之间的对象分布关系，所述对象生产相关关系是指所述待生产对象之间在生产维度具有的相关关系，所述对象应用相关关系是指所述待生产对象之间在应用维度具有的相关关系；数据分布构建模块，用于基于每两个所述待生产对象之间的对象分布关系和每一个所述待生产对象对应的局部订单文本数据，构建生产对象数据分布；数据分布确定模块，用于确定所述生产对象数据分布对应的至少一个局部生产对象数据分布；对象群体识别模块，用于通过优化对象群体识别网络，将所述至少一个局部生产对象数据分布进行分析操作，以确定出所述生产对象数据分布对应的对象群体识别数据，所述对象群体识别数据包括所述至少一个局部生产对象数据分布中与预设群体关系对应的局部生产对象数据分布，且该局部生产对象数据分布被标记为主局部生产对象数据分布，以及，所述主局部生产对象数据分布以外的其它局部生产对象数据分布被标记为从局部生产对象数据分布，所述主局部生产对象数据分布和所述从局部生产对象数据分布作为对所述多个待生产对象进行生产管控的依据，所述优化对象群体识别网络是基于从识别网络模型、典型生产对象数据分布和所述典型生产对象数据分布对应的群体关系标识数据将主识别网络模型包括的第一子网络模型和第二子网络模型进行网络优化操作以形成。
54.综上所述，本发明提供的基于智慧工厂的订单文本分析方法及系统，可以先形成多个局部订单文本数据；获取到多个局部订单文本数据对应的多个待生产对象之间的对象生产相关关系和对象应用相关关系，基于对象生产相关关系和对象应用相关关系，输出待生产对象之间的对象分布关系；基于待生产对象之间的对象分布关系和每一个待生产对象对应的局部订单文本数据，构建生产对象数据分布；确定至少一个局部生产对象数据分布；通过优化对象群体识别网络，将至少一个局部生产对象数据分布进行分析操作，以确定出生产对象数据分布对应的对象群体识别数据。基于前述的内容，由于会基于多个待生产对象之间的对象生产相关关系和对象应用相关关系构建生产对象数据分布，使得在分析的过程中会充分考虑待生产对象之间的关系，使得分析的依据更为丰富，因此，可以在一定程度上提供数据分析的可靠度，从而改善现有技术中的不足。另外，通过分析出与预设群体关系
对应的局部生产对象数据分布，以及其它局部生产对象数据分布，以作为生产管控的依据，使得生产管控的可靠度较高。
55.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于智慧工厂的订单文本分析方法，其特征在于，包括：提取到目标智慧工厂接收到的目标订单文本数据，以及，对所述目标订单文本数据进行解析操作，以形成所述目标订单文本数据对应的多个局部订单文本数据，每一个所述局部订单文本数据对应于一个待生产对象；获取到所述多个局部订单文本数据对应的多个待生产对象之间的对象生产相关关系和对象应用相关关系，以及，基于所述对象生产相关关系和所述对象应用相关关系，对所述多个待生产对象之间的对象分布关系进行确定，以输出每两个所述待生产对象之间的对象分布关系，所述对象生产相关关系是指所述待生产对象之间在生产维度具有的相关关系，所述对象应用相关关系是指所述待生产对象之间在应用维度具有的相关关系；基于每两个所述待生产对象之间的对象分布关系和每一个所述待生产对象对应的局部订单文本数据，构建生产对象数据分布；确定所述生产对象数据分布对应的至少一个局部生产对象数据分布；通过优化对象群体识别网络，将所述至少一个局部生产对象数据分布进行分析操作，以确定出所述生产对象数据分布对应的对象群体识别数据，所述对象群体识别数据包括所述至少一个局部生产对象数据分布中与预设群体关系对应的局部生产对象数据分布，且该局部生产对象数据分布被标记为主局部生产对象数据分布，以及，所述主局部生产对象数据分布以外的其它局部生产对象数据分布被标记为从局部生产对象数据分布，所述主局部生产对象数据分布和所述从局部生产对象数据分布作为对所述多个待生产对象进行生产管控的依据，所述优化对象群体识别网络是基于从识别网络模型、典型生产对象数据分布和所述典型生产对象数据分布对应的群体关系标识数据将主识别网络模型包括的第一子网络模型和第二子网络模型进行网络优化操作以形成。2.如权利要求1所述的基于智慧工厂的订单文本分析方法，其特征在于，所述基于每两个所述待生产对象之间的对象分布关系和每一个所述待生产对象对应的局部订单文本数据，构建生产对象数据分布的步骤，包括：基于每两个所述待生产对象之间的对象分布关系，对所述多个待生产对象进行数据分布的构建操作，以形成初始生产对象数据分布；在所述初始生产对象数据分布中，将每一个所述待生产对象对应的局部订单文本数据作为对应的待生产对象的对象属性数据，以形成所述初始生产对象数据分布对应的中间生产对象数据分布；基于配置的虚拟生产对象，对所述中间生产对象数据分布进行边缘补充操作，以形成具有规则形状的生产对象数据分布，在所述生产对象数据分布中，属于所述虚拟生产对象的待生产对象的对象属性数据为空。3.如权利要求1所述的基于智慧工厂的订单文本分析方法，其特征在于，所述基于智慧工厂的订单文本分析方法还包括：提取到典型数据分布簇，所述典型数据分布簇包括多个典型生产对象数据分布和每一个典型生产对象数据分布对应的群体关系标识数据；通过所述从识别网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数和每一个所述典型生产对象数据分布在每一个所述预设
群体关系具有的整体匹配参数；通过所述主识别网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的第一子匹配参数和第二子匹配参数；基于所述第一子匹配参数、所述第二子匹配参数、所述局部匹配参数、所述整体匹配参数和所述群体关系标识数据，将所述主识别网络模型和所述从识别网络模型进行网络优化操作，以形成所述优化对象群体识别网络。4.如权利要求3所述的基于智慧工厂的订单文本分析方法，其特征在于，所述基于所述第一子匹配参数、所述第二子匹配参数、所述局部匹配参数、所述整体匹配参数和所述群体关系标识数据，将所述主识别网络模型和所述从识别网络模型进行网络优化操作，以形成所述优化对象群体识别网络的步骤，包括：基于每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数，形成每一个所述局部生产对象数据分布对应的虚拟的群体关系标识数据；基于每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数，形成每一个所述局部生产对象数据分布所属的典型数据分布组合对应的虚拟的组合群体关系标识数据；通过所述第一子匹配参数、所述第二子匹配参数、所述虚拟的群体关系标识数据、所述虚拟的组合群体关系标识数据、所述整体匹配参数和所述群体关系标识数据，分析出所述主识别网络模型和所述从识别网络模型对应的目标网络学习代价参数；基于所述目标网络学习代价参数，将所述主识别网络模型和所述从识别网络模型进行网络优化操作，以及，对网络优化后的主识别网络模型进行标记操作，以标记为所属优化对象群体识别网络。5.如权利要求4所述的基于智慧工厂的订单文本分析方法，其特征在于，所述基于每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数，形成每一个所述局部生产对象数据分布对应的虚拟的群体关系标识数据的步骤，包括：在每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布中，将每一个预设群体关系的局部匹配参数小于预先确定的参考局部匹配参数的局部生产对象数据分布予以丢弃，以形成第一数量个局部生产对象数据分布；在所述第一数量个局部生产对象数据分布中，确定出局部匹配参数最大的局部生产对象数据分布，以及，对所述局部匹配参数最大的局部生产对象数据分布进行标记操作，以标记为对照的局部生产对象数据分布，以及，对相应的预设群体关系进行标记操作，以标记为所述对照的局部生产对象数据分布的虚拟的群体关系标识数据；分析出所述对照的局部生产对象数据分布和所述第一数量个局部生产对象数据分布中所述对照的局部生产对象数据分布以外的局部生产对象数据分布之间的数据分布交叉参数，以及，对所述数据分布交叉参数不小于预先确定的参考数据分布交叉参数的局部生产对象数据分布进行丢弃操作；在丢弃操作后保留的局部生产对象数据分布中，确定出局部匹配参数最大的局部生产对象数据分布，并回转执行所述对所述局部匹配参数最大的局部生产对象数据分布进行标记操作，以标记为对照的局部生产对象数据分布的步骤，以将所述第一数量个局部生产对
象数据分布轮询完毕。6.如权利要求4所述的基于智慧工厂的订单文本分析方法，其特征在于，所述基于每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数，形成每一个所述局部生产对象数据分布所属的典型数据分布组合对应的虚拟的组合群体关系标识数据的步骤，包括：在每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布中，确定出在每一个预设群体关系的局部匹配参数最大的第一局部生产对象数据分布，以及，分析出所述第一局部生产对象数据分布和所述至少一个局部生产对象数据分布中所述第一局部生产对象数据分布以外的局部生产对象数据分布之间的数据分布交叉参数；对所述第一局部生产对象数据分布和所述数据分布交叉参数不小于预先确定的标准数据分布交叉参数的局部生产对象数据分布进行合并操作，以形成对应的典型数据分布组合，以及，对相应的预设群体关系进行标记操作，以标记为所述典型数据分布组合的虚拟的组合群体关系标识数据；对所述典型数据分布组合中的局部生产对象数据分布从所述至少一个局部生产对象数据分布中予以丢弃，以形成第二数量个局部生产对象数据分布；在丢弃后保留的局部生产对象数据分布中，确定出局部匹配参数最大的第一局部生产对象数据分布，并执行分析出所述第一局部生产对象数据分布和所述第二数量个局部生产对象数据分布中所述第一局部生产对象数据分布以外的局部生产对象数据分布之间的数据分布交叉参数的步骤，以将所述至少一个局部生产对象数据分布都分配到各个典型数据分布组合中。7.如权利要求4所述的基于智慧工厂的订单文本分析方法，其特征在于，所述通过所述第一子匹配参数、所述第二子匹配参数、所述虚拟的群体关系标识数据、所述虚拟的组合群体关系标识数据、所述整体匹配参数和所述群体关系标识数据，分析出所述主识别网络模型和所述从识别网络模型对应的目标网络学习代价参数的步骤，包括：基于所述整体匹配参数和所述群体关系标识数据，分析出所述从识别网络模型具有的学习代价参数；基于所述第一子匹配参数和所述虚拟的群体关系标识数据，分析出所述主识别网络模型包括的第一子网络模型具有的学习代价参数；基于所述第二子匹配参数和所述虚拟的组合群体关系标识数据，分析出所述主识别网络模型包括的第二子网络模型具有的学习代价参数；基于所述从识别网络模型具有的学习代价参数、所述第一子网络模型具有的学习代价参数和所述第二子网络模型具有的学习代价参数，分析出所述主识别网络模型和所述从识别网络模型对应的目标网络学习代价参数。8.如权利要求3所述的基于智慧工厂的订单文本分析方法，其特征在于，所述通过所述主识别网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的第一子匹配参数和第二子匹配参数的步骤，包括：通过所述主识别网络模型包括的第一子网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个所述局部生产对
象数据分布在每一个所述预设群体关系具有的第一子匹配参数；通过所述主识别网络模型包括的第二子网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的第二子匹配参数。9.如权利要求3所述的基于智慧工厂的订单文本分析方法，其特征在于，所述通过所述从识别网络模型，将每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布进行分析操作，以确定出每一个局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数和每一个所述典型生产对象数据分布在每一个所述预设群体关系具有的整体匹配参数的步骤，包括：确定出每一个所述典型生产对象数据分布对应的至少一个局部生产对象数据分布中，每一个局部生产对象数据分布在每一个所述典型生产对象数据分布中对应的数据分布内容的局部数据分布描述向量，所述局部数据分布描述向量是通过关键信息挖掘模型将所述局部生产对象数据分布对应的数据分布内容进行关键信息挖掘操作以形成；依据所述局部数据分布描述向量，分析出每一个所述局部生产对象数据分布的第一维度匹配参数和第二维度匹配参数，所述第一维度匹配参数用于反映每一个所述局部生产对象数据分布属于每一个预设群体关系的可能性，所述第二维度匹配参数用于反映每一个所述局部生产对象数据分布对每一个所述预设群体关系提供的可能性；对所述第一维度匹配参数和所述第二维度匹配参数进行整合操作，以形成每一个所述局部生产对象数据分布在每一个所述预设群体关系具有的局部匹配参数；依据每一个所述典型生产对象数据分布对应的各个局部生产对象数据分布的局部匹配参数，分析出每一个所述典型生产对象数据分布在每一个预设群体关系的整体匹配参数。10.一种基于智慧工厂的订单文本分析系统，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现权利要求1-9任意一项所述的方法。

技术总结
本发明提供的基于智慧工厂的订单文本分析方法及系统，涉及人工智能技术领域。在本发明中，形成多个局部订单文本数据；获取到多个局部订单文本数据对应的多个待生产对象之间的对象生产相关关系和对象应用相关关系，基于对象生产相关关系和对象应用相关关系，输出待生产对象之间的对象分布关系；基于待生产对象之间的对象分布关系和每一个待生产对象对应的局部订单文本数据，构建生产对象数据分布；确定至少一个局部生产对象数据分布；通过优化对象群体识别网络，将至少一个局部生产对象数据分布进行分析操作，以确定出生产对象数据分布对应的对象群体识别数据。基于上述内容，可以在一定程度上提供数据分析的可靠度。以在一定程度上提供数据分析的可靠度。以在一定程度上提供数据分析的可靠度。


技术研发人员：吕广彬
受保护的技术使用者：江苏麦维智能科技有限公司
技术研发日：2023.06.28
技术公布日：2023/9/20