1.本说明书涉及电解生产领域，特别涉及一种电解生产改进方法和系统。
背景技术：
2.在电解生产中，各个工序中有时会出现的一些异常情况(如，模具变形等)，异常情况通常是电解生产合格率以及生产效率的重要影响因素。对电解生产线进行检测监控并做出调整改进是保证电解生产正常运行的重要手段。
3.因此，希望可以提供一种电解生产改进方法和系统，用于提高电解生产效率。
技术实现要素：
4.本说明书实施例之一提供一种电解生产改进方法。所述方法包括：获取生产监控信息；基于所述生产监控信息确定电解生产改进信息；基于所述电解生产改进信息改进电解生产工序。
5.本说明书实施例之一提供一种电解生产改进系统，包括：获取模块，用于获取生产监控信息；确定模块，用于基于所述生产监控信息确定电解生产改进信息；改进模块，用于基于所述电解生产改进信息改进电解生产工序。
6.本说明书实施例之一提供一种电解生产改进装置，所述装置包括：至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现电解生产改进的方法。
7.本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行电解生产改进方法。
附图说明
8.本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
9.图1是根据本说明书一些实施例所示的电解生产改进系统的应用场景示意图；
10.图2是根据本说明书一些实施例所示电解生产改进系统的模块示意图；
11.图3是根据本说明书一些实施例所示的电解生产改进方法的示例性流程图；
12.图4是根据本说明书一些实施例所示的电解生产改进系统的数据获取的示意图；
13.图5是根据本说明书一些实施例所示的对电解生产监控信息进行分析确定电解生产改进信息的示例性流程图；
14.图6是根据本说明书一些实施例所示的基于电解生产改进信息改进电解生产工序的示例性流程图；
15.图7是根据本说明书一些实施例所示的通过调整量确认模型基于差向量确定电解生产参数的调整信息的示意图；
16.图8是根据本说明书一些实施例所示的通过第一调整量确认模型和/或第二调整量确认模型基于差向量确定电解生产参数的调整信息的示意图；
17.图9是根据本说明书另一些实施例所示的通过调整量确认模型基于差向量确定电解生产参数的调整信息的示意图；
18.图10是本说明书一些实施例所示的异常确定模型确定电解生产参数的调整信息的示例性流程图。
具体实施方式
19.为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
20.应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
21.如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
22.本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
23.图1是根据本说明书一些实施例所示的电解生产改进系统的应用场景示意图。
24.在一些实施例中，应用场景100可以包括服务器110、网络120、一个或以上终端设备130、存储设备140、数据获取装置150和电解生产线160。应用场景100可以通过实施本说明书中披露的方法和/或过程对电解生产中的各个工序环节(如，浇筑、整形、电解等)进行监控，对阳极板和/或阴极板进行检测，来获取生产监控信息(如，阳极板浇筑信息、整形工艺参数信息等)，并根据生产监控信息来确定电解生产改进信息(如，不合格品的预测信息、不合格品处置信息等)，进而反馈到生产环节并进行相应的调整和改进，提高了电解生产的效率以及电解生产的品质质量。
25.服务器110可以设置在包括但不限于电解生产线的控制室、电解生产管理中心等场所。在一些实施例中，服务器110中安装有指挥及协调电解生产工作人员进行各项工作内容的协作平台。其中，工作人员可以包括电解生产作业工作人员、生产安全管理人员、电解生产综合管理人员、电解技术专家等涉及电解生产操作及管理的人员。例如，服务器110可以获取极板信息、电解生产工序监控信息、电解生产工序异常信息、电解生产监控工作流程等相关信息。
26.服务器110可以与终端设备130、存储设备140、数据获取装置150和/或电解生产线
160通信，以提供应用场景100的各种功能。在一些实施例中，服务器110可以经由例如网络120从终端设备130接收数据获取装置150对电解生产线160进行检测后的相关检测信息(如，极板成分信息、浇筑工艺参数信息等)。在另一些实施例中，服务器110可以经由例如网络120接收电解生产线160中的相关电解生产工序信息(如，浇筑熔炉的温度信息、极板出炉时间等)。
27.在一些实施例中，服务器110可以是单个服务器，也可以是服务器组。在一些实施例中，服务器110可以本地连接到网络120或者与网络120远程连接。在一些实施例中，服务器110可以在云平台上实施。
28.网络120可以促进信息和/或数据的交换。在一些实施例中，应用场景100中的一个或以上组件(例如，服务器110、网络120等)可以经由网络120将信息和/或数据发送到应用场景100中的另一个组件。
29.在一些实施例中，用户(如，电解生产工作人员、技术专家等)可以是终端设备130的所有者。终端设备130可以接收用户请求，并经由网络120将与请求有关的信息发送到服务器110。例如，终端设备130可以接收用户要求发送极板的检测信息或生产工艺参数信息的请求，并经由网络120将与请求有关的信息发送到服务器110。终端设备130还可以经由网络120从服务器110接收信息。例如，终端设备130可以从服务器110接收与数据获取装置150或电解生产线160有关的生产监控信息。所确定的一个或以上生产监控信息可以显示在终端设备130上。又例如，服务器110可以将基于检测信息生成的生产改进信息(如，模具更换、电解液调整量等)或生产异常信息(如，电解液杂质含量超标、模具异常等)发送到终端设备130。
30.在一些实施例中，终端设备130可以包括移动设备、平板计算机、膝上型计算机、车载设备等或其任意组合。在一些实施例中，终端设备130可以包括信号发送器和信号接收器，被配置为与数据获取装置150通信以获取待测试样品的检测信息。在一些实施例中，终端设备130可以是固定的和/或移动的。例如，终端设备130可以直接安装在服务器110和/或电解生产设备上，成为服务器110和/或电解生产设备的一部分。再例如，终端设备130可以是可移动的设备，电解生产工作人员可以携带终端设备130位于相对于服务器110、数据获取装置150以及电解生产线160的距离较远的位置，终端设备130可以通过网络120与服务器110、数据获取装置150和/或电解生产线160连接和/或通信。
31.在一些实施例中，存储设备140可以连接到网络120以与应用场景100的一个或以上组件(例如，服务器110、终端设备130、数据获取装置150)通信。在一些实施例中，存储设备140可以是服务器110的一部分。
32.存储设备140可以储存数据和/或指令。数据可以包括与用户、终端设备130、数据获取装置150等有关的数据。在一些实施例中，存储设备140可以存储从终端设备130、数据获取装置150和/或电解生产线160获取的数据。在一些实施例中，存储设备140可以储存服务器110用来执行或使用以完成本说明书中描述的示例性方法的数据和/或指令。
33.在一些实施例中，存储设备140可包括大容量存储器、可移动存储器、易失性读写内存、只读内存(rom)等或其任意组合。在一些实施例中，存储设备140可在云平台上实现。
34.数据获取装置150可以获取电解生产线的生产监控信息，关于检测信息的更多描述可以参见图4及其相关描述，此处不再赘述。
35.在一些实施例中，数据获取装置150可以由多种检测设备或方式实现，例如可以包括人工检测模块150-1、扫码检测模块150-2、红外检测模块150-3、图像获取模块150-4、温度检测模块150-5、超声波检测模块150-6、抽样检测模块150-7和计时模块150-8，关于人工检测模块150-1、扫码检测模块150-2、红外检测模块150-3、图像获取模块150-4、温度检测模块150-5、超声波检测模块150-6、抽样检测模块150-7和计时模块150-8的更多描述可以参见图4及其相关描述，此处不再赘述。
36.电解生产线160是指用于实现电解生产过程的系统或装置。电解生产线160可以包括浇筑工序160-1、整形工序160-2、排板工序、装槽工序、电解工序160-3、出槽工序等工序环节。在一些实施例中，电解生产线160可以包括电解生产设备(如，浇筑熔炉、整形铣床、电解槽等)、巡检设备(例如，巡检仪、巡检器、巡检车、巡检机器人)、定位装置等。
37.在一些实施例中，电解生产线160里的电解生产设备(如，浇筑熔炉、整形铣床、电解槽等)可以连接到网络120以与应用场景100的一个或以上组件(例如，服务器110、终端设备130、数据获取装置150)通信。例如，电解生产线160可以将生产监控信息(如，极板检测信息、产能信息等)经由网络120传送给服务器110。
38.在一些实施例中，服务器110可以基于生产监控信息(例如，极板检测信息、产能信息等)确定电解生产改进信息(如，电解液调整信息、添加剂调整信息、极板调整信息、浇筑生产参数的调整信息、浇筑模具变形信息等)和/或电解生产异常信息(如，极板外观异常、浇筑熔炉温度异常等)并经由网络120传送给电解生产线160。在一些实施例中，电解生产线160可以根据电解生产改进信息对电解生产中相应的参数或工序环节进行反馈改进。在一些实施例中，电解生产线160可以根据电解生产异常信息或异常处理方案对电解生产工作人员进行提示。
39.应当注意应用场景100仅仅是为了说明的目的而提供的，并不意图限制本说明书的范围。对于本领域的普通技术人员来说，可以根据本说明书的描述，做出多种修改或变化。例如，应用场景100还可以包括数据库。然而，这些变化和修改不会背离本说明书的范围。
40.图2是根据本说明书一些实施例所示电解生产改进系统200的模块示意图。
41.在一些实施例中，如图2所示，电解生产改进系统200可以包括获取模块210、确定模块220和改进模块230。在一些实施例中，电解生产改进系统200可以用于基于不同的功能细分为多个具体的小系统，例如，电解生产改进系统200可以包括电解生产参数确定系统、电解生产的异常监控等。
42.获取模块210可以用于获取生产监控信息。
43.在一些实施例中，生产监控信息包括：阳极板的浇筑信息、整形信息中的至少一种。进一步地，阳极板的浇筑信息包括浇筑工序信息、浇筑检测信息中的至少一种；整形信息包括整形工序信息、整形检测信息中的至少一种。
44.在一些实施例中，获取模块210可以用于基于电解生产监控信息，获取阳极板的品质特征；品质特征至少包括阳极板的成分信息。在一些实施例中，阳极板设有可读信息载体，获取模块210可以用于基于扫描可读信息载体获取阳极板的电解生产监控信息。关于确定获取生产监控信息的更多说明，可参见图3及其相关描述，此处不再赘述。
45.确定模块220可以用于基于生产监控信息确定电解生产改进信息。
46.在一些实施例中，电解生产改进信息包括电解生产工序中工艺参数的改进信息、不合格品的预测信息、生产异常的追溯信息、不合格品的处置信息中的至少一种。
47.在一些实施例中，确定模块220可以用于基于阳极板的品质特征与标准特征的差异，确定电解生产参数；标准特征至少包括标准阳极板的成分信息；电解生产参数包括电解液配比参数、添加剂配比参数中的至少一种。在一些实施例中，确定模块220可以用于基于阳极板的品质特征与标准特征的差异，确定电解生产参数的调整信息。进一步地，确定模块220可以确定品质特征与标准特征的差向量；基于差向量，通过调整量确认模型，确定电解生产参数的调整信息；调整信息包括电解液配比调整量和/或添加剂配比调整量。
48.在一些实施例中，确定模块220可以用于基于生产监控信息确定生产异常信息。进一步地，确定模块220可以用于基于生产监控信息确定待评估阳极板的特征信息，特征信息包括成分特征、重量特征、浇筑模具中的至少一种；基于待评估阳极板的特征信息预测待评估阳极板是否为合格品。进一步地，确定模块220可以通过匹配本次阳极板的特征信息和多个历史生产的不合格阳极板的历史特征信息，获取二者的相似度；以相似度作为是不合格品的风险度；基于风险度预测待评估阳极板是否为合格品。
49.在一些实施例中，确定模块220可以用于基于生产异常信息确定工艺改进信息或异常处理方案。进一步地，确定模块220可以用于基于生产监控信息确定阳极板的异常参数；基于异常确定模型对阳极板的异常参数的处理，确定异常类型，异常类型包括模具异常、浇筑参数异常、矿源异常中的至少一种。关于确定电解生产改进信息的更多说明，可参见图3及其相关描述，此处不再赘述。
50.在一些实施例中，确定模块220可以包括第一确定模块(图中未示出)，第一确定模块可以基于电解生产监控信息获取阳极板的品质特征；品质特征至少包括阳极板的成分信息，并基于阳极板的品质特征与标准特征的差异，确定电解生产参数；其中，标准特征至少包括标准阳极板的成分信息；电解生产参数包括电解液配比参数、添加剂配比参数中的至少一种。
51.在一些实施例中，确定模块220可以包括第二确定模块(图中未示出)，第二确定模块可以基于生产监控信息确定生产异常信息，并基于生产异常信息确定工艺改进信息或异常处理方案。
52.改进模块230可以用于基于电解生产改进信息改进电解生产工序。
53.在一些实施例中，改进模块230可以基于收到的电解生产改进信息，优化工艺过程。在一些实施例中，改进模块230可以基于收到的电解生产的异常情况，可以及时采取应急措施。关于改进电解生产工序的更多说明，可参见图3及其相关描述，此处不再赘述。
54.在一些实施例中，电解生产改进系统200还可以包括传输模块(图中未示出)，传输模块可以用于将电解生产的异常情况和/或电解生产改进信息传输至管理控制中心或相应的工序。传输方式可以为有线传输，例如，通过明线、电缆和光缆传输，传输方式也可以为无线传输，例如，通过微波、卫星、散射、超短波、短波、wi-fi、蓝牙、和红外线等传输。
55.需要注意的是，以上对于电解生产改进系统200及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图1中披露的获取模块210、确定模块220和改
进模块230可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。
56.图3是根据本说明书一些实施例所示的电解生产改进方法的示例性流程图。如图3所示，流程300包括下述步骤。在一些实施例中，流程300可以由电解生产改进系统200执行。
57.步骤310，获取生产监控信息。在一些实施例中，步骤310可以由获取模块210执行。
58.生产监控信息可以为与阳极板生产相关的信息。可以理解的，阳极板生产可以包括多种工序(例如，浇筑、整形等)，生产监控信息可以包括与阳极板生产的至少一个工序相关的信息。
59.在一些实施例中，生产监控信息可以包括阳极板的浇筑信息、整形信息中的至少一种。
60.浇筑信息可以为与阳极板浇筑相关的信息。可以理解的，阳极板浇筑工序可以包括将用于生成阳极板的原料加热融化呈液态，然后在将液态的原料浇筑到阳极板模具中，冷却成型。例如，浇筑信息可以包括浇筑前的相关信息(例如，原料成分等)、浇筑过程中的相关信息(例如，熔炉的工作温度、模具的型号、浇筑时长等)、浇筑后的相关信息(例如，阳极板的尺寸等)等。
61.在一些实施例中，阳极板的浇筑信息可以包括浇筑工序信息、浇筑检测信息中的至少一个，其中，浇筑工序信息可以为与浇筑过程中与工序相关的信息，浇筑工序信息可以包括熔炉信息(例如，熔炉的温度、容量等参数等)、浇筑配方(例如，浇筑所用矿源的成分比例等)、浇筑模具信息(例如，浇筑模具的编号、尺寸、使用年限、维护时间等)、出炉时间(例如，浇筑所用时间及出炉时间等)、出炉重量(例如，浇筑好后的阳极板重量信息、剩余残渣重量等)中的至少一个。
62.浇筑检测信息可以为对浇筑工序中的阳极板进行检测得到的信息，浇筑检测信息可以包括成分信息(例如，矿源成分和阳极板成分等)、阳极板外观信息(例如，厚度信息、尺寸信息、平整度、垂直度信息等)中的至少一个。
63.整形信息可以为与阳极板整形相关的信息。可以理解的，阳极板整形工序可以包括对冷却成型的进行整形，使阳极板更平整，防止后续变形的阳极板容易接触到阴极板，导致产生短路，降低生产效率。整形信息可以包括整形前的相关信息(例如，整形前阳极板的重量、尺寸等)、整形中的相关信息(例如，整形设备(例如，压耳、铣刀等)的参数、整形时长等)及整形后的相关信息(例如，整形后阳极板的重量、尺寸等)等。
64.在一些实施例中，整形信息可以包括整形工序信息、整形检测信息中的至少一种，其中，整形工序信息可以为与整形过程相关的信息，例如，整形工序信息可以包括用于运输待整形的阳极板的传送带的型号及传送速度、压耳的型号及工作参数(例如，压耳产生的压强等)；打磨工装(例如，铣刀等)的型号及工作参数(例如、铣刀转速等)中的至少一种；整形检测信息可以为对整形中或整形后的阳极板进行检测获取的信息，整形检测信息可以包括整形后的阳极板的重量信息、厚度信息、尺寸信息、平整度、垂直度信息中的至少一种，阳极板的平整度可以表征阳极板表面的凹凸程度，垂直度信息可以表征阳极板竖直放置于水平面时与水平面的夹角的大小。
65.在一些实施例中，获取模块210可以通过数据获取装置150获取生产监控信息。关
于数据获取装置150的更多描述可以参见图4及其相关描述，此处不再赘述。
66.步骤320，基于生产监控信息确定电解生产改进信息。在一些实施例中，步骤320可以由确定模块220执行。
67.在一些实施例中，电解生产改进信息可以为对电解相关工序进行调整相关的信息。其中，电解相关工序可以包括阳极板生产工序(例如，浇筑、整形等)、电冶金工序等。例如，电解生产改进信息可以包括对浇筑设备的参数进行改进的信息(例如，改进后的熔炉的工作温度、模具的型号、浇筑时长等)、对整形设备的参数进行改进的信息(例如，改进后的压耳、铣刀等设备的参数等)等。
68.在一些实施例中，电解生产改进信息可以包括电解生产工序中工艺参数的改进信息、不合格品的预测信息、生产异常的追溯信息、不合格品的处置信息中的至少一种。
69.电解生产工序中工艺参数的改进信息可以为与对阳极板生产和/或电冶金的工艺参数进行调整相关的信息。例如，阳极板生产的工艺参数可以包括浇筑工艺参数(例如，矿源配比、浇筑熔汤的流量和温度、设备参数等)、整形设备工作参数(例如，压耳的压强、铣刀的转速等)等中的至少一个。
70.在一些实施例中，电解生产工序中工艺参数的改进信息还可以包括电解生产参数。电解生产参数可以为电冶金的工艺参数，电解生产参数可以包括电解液配比、添加剂配比等中的至少一个。其中，电解液配比可以为电解液各个成分(例如，碳酸乙烯酯、碳酸丙烯酯、碳酸二乙酯、碳酸二甲酯、碳酸甲乙酯、六氟磷酸锂、五氟化磷、氢氟酸及水等)的比例，添加剂配比可以为添加至电解液的添加剂(例如，硫脲、骨胶、阿维通等)的比例。
71.在一些实施例中，电解生产工序中工艺参数的改进信息还可以包括工艺改进信息，工艺改进信息可以为调整阳极板生产的工艺参数相关的信息，例如，工艺改进信息可以包括浇筑工艺参数(例如，矿源配比、浇筑熔汤的流量和温度、设备参数等)改进信息、整形设备工作参数(例如，压耳的压强、铣刀的转速等)改进信息等中的至少一个。
72.不合格品的预测信息可以为与预测浇筑后和/或整形后的阳极板是否符合质量要求相关的信息。
73.生产异常的追溯信息可以为与不合格的阳极板相关的设备或工艺参数相关的信息。例如，生产异常的追溯信息可以包括生产不合格的阳极板的熔炉和/或模具的编号、生产不合格的阳极板时的参数(例如，的熔炉的工作温度、原料成分等)。
74.不合格品的处置信息可以为与不合格的阳极板的处置相关的信息。
75.在一些实施例中，不合格品的处置信息可以包括异常处理方案，异常处理方案可以为与不合格的阳极板的处置相关的信息。例如，不合格品的处置信息可以为全部回炉重造、全部放置待用、及部分回炉重造与部分放置待用等。在一些实施例中，对于需要部分回炉重造与部分放置待用的不合格品，还可以进一步确定两种处置方式占总的不合格品的比例，关于确定比例的说明参见图5部分的说明。
76.在一些实施例中，确定模块220可以根据多种方式确定电解生产改进信息。例如，确定模块220可以根据历史数据基于生产监控信息确定电解生产改进信息。其中，历史数据可以包括至少一个历史时间点的生产监控信息及其对应的电解生产改进信息。可以理解的，确定模块220可以将与本次生产监控信息相似的历史时间点对应的电解生产改进信息作为本次电解生产改进信息。
77.又例如，确定模块220可以通过人工经验基于生产监控信息确定电解生产改进信息。例如，通过行业专家基于生产监控信息确定电解生产改进信息。
78.在一些实施例中，确定模块220可以对电解生产改进信息进行分析，确定电解生产改进信息。关于对电解生产改进信息进行分析，确定电解生产改进信息的更多描述可以参见图5及其相关描述，此处不再赘述。
79.步骤330，基于电解生产改进信息改进电解生产工序。在一些实施例中，步骤330可以由改进模块230执行。
80.在一些实施例中，改进模块230可以将电解生产改进信息应用至电解生产工序。例如，改进模块230可以根据电解生产改进信息中的电解生产改进信息设置电解槽的电解液配比、添加剂配比等。
81.关于基于电解生产改进信息改进电解生产工序的更多描述可以参见图6及其相关描述，此处不再赘述。
82.在一些实施例中，通过获取生产监控信息，基于生产监控信息确定电解生产改进信息，基于电解生产改进信息改进电解生产工序，可以及时发现异常情况，并及时对电解生产工序进行改进，保证电解生产工序的正常进行，减少损失。
83.应当注意的是，上述有关流程300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。
84.图4是根据本说明书一些实施例所示的电解生产改进系统的数据获取的示意图。
85.电解生产改进系统可以通过数据获取装置150获取电解生产线160(如，浇筑工序160-1、整形工序160-2、电解工序160-3等工序环节)的生产监控信息420。
86.数据获取装置150是用于电解生产线160的相关数据(例如，生产监控信息)的单元模块。相关数据可以是阳极板和/或阴极板的品质特征信息(如，外观信息、物理信息及化学信息等)。相关数据还可以是电解工艺参数信息(如，浇筑工艺参数信息、整形工艺参数信息、电解工艺参数信息)，关于阳极板的品质特征信息及电解工艺参数信息的更多描述可以参见图3及其相关描述，此处不再赘述。
87.在一些实施例中，数据获取装置150可以基于人工、扫码、红外、图像、超声波、激光、采样、计时中至少一种方式获取生产监控信息。例如，数据获取装置150可以包括人工检测模块150-1、扫码检测模块150-2、红外检测模块150-3、图像获取模块150-4、温度检测模块150-5、超声波检测模块150-6、抽样检测模块150-7和计时模块150-8。
88.在一些实施例中，人工检测模块150-1可以对生产监控信息进行人工检测观察和人工输入记录。
89.在一些实施例中，电解生产工作人员可以人工观察检测并输入浇筑信息(如，浇筑炉信息、浇筑矿源配方、浇筑模具信息、浇筑出炉时间)、整形信息(如，整形设备信息)、电解信息(如，入槽时间、电解槽参数)各工序中的阳极板的品质特征(阳极板的成分信息、阳极板的外形信息、阳极板的重量)、矿源信息(如，矿源信息、矿源留滞时间)、电解工序的实际生产异常信息、产量信息等。
90.在一些实施例中，扫码检测模块150-2可以读取电解生产线上的设备和/或阳极板上设置的可读信息载体(例如，二维码、条形码、rfid标签等)获取生产监控信息。
91.在一些实施例中，电解生产设备设有可读信息载体，电解生产设备的相关生产监控信息420可以基于扫描可读信息载体获取。扫码检测模块150-2可以执行扫码操作。例如，可以给每个浇筑模具设置相应的信息载体用于记录模具信息，以便于直接通过扫码获取浇筑模具信息(如，模具标识(如编号)、制造商、使用年限)，扫码检测模块150-2可以读取浇筑模具上设置的二维码，获取浇筑模具信息；又例如，可以给每个整形设备设置相应的信息载体用于记录整形设备信息，以便于直接通过扫码获取整形设备信息(如，整形设备型号、制造商、使用年限、检修间隔等)，扫码检测模块150-2可以读取整形设备上设置的二维码，获取整形设备信息；再例如，可以给每个电解槽设置相应的信息载体用于记录电解槽信息，以便于直接通过扫码获取槽信息(电解槽标识(如编号)、制造商、使用年限、操作注意事项)，扫码检测模块150-2可以读取电解槽上设置的二维码，获取电解槽信息。
92.在一些实施例中，阳极板上可以设置可读信息载体，可读信息载体中存储有阳极板的身份标识。与阳极板的身份标识对应的阳极板的生产监控信息420可以基于扫描可读信息载体获取。在一些实施例中，扫码检测模块150-2可以执行扫码操作。
93.在一些实施例中，系统可以通过含阳极板的身份标识的信息载体来进行阳极板信息的传递与更新，例如，在电解生产线的各道工序中可分别在信息载体中写入本工序对阳极板的相应操作信息，具体如，浇筑工序可写入浇筑信息、整形工序可写入整形信息、电解工序可写入电解信息等。
94.在一些实施例中，可以采取将具体的身份信息保存于数据库中，并将该身份信息与阳极板建立关联对应关系，如通过阳极板的身份标识将阳极板及其存储于数据库中的信息进行关联对应，则需要时可通过基于获取的身份标识从数据库调取相应信息的方式获取关于阳极板的具体信息。
95.在一些实施例中，在浇筑工序160-1中，系统可以基于获取到的矿源信息及具体的浇筑工序的浇筑信息(如，浇筑日期、浇筑人员、模具信息等)，为浇筑得到的每个阳极板创建对应的身份信息并保存于可扫码读取的信息载体内，并将该信息载体设置于阳极板上。
96.在一些实施例中，在整形工序160-2中，系统可以通过扫描各阳极板上的信息载体获取对应的阳极板信息，并基于整形信息(如，整形设备工艺参数、阳极板重量信息等)对阳极板信息进行更新。在一些实施例中，可以将整形后的阳极板信息更新至数据库或信息载体。
97.在一些实施例中，在电解工序160-3中，系统可以通过扫描电解槽上的信息载体获取对应的阳极板信息，并基于电解信息(如，电解设备工艺参数、阳极板外形信息等)对阳极板信息进行更新。在一些实施例中，可以将整形后的阳极板信息更新至数据库或信息载体。
98.在一些实施例中，红外检测模块150-3可以用于获取各个工序中的阳极板和/或阴极板的温度信息。例如，红外检测模块150-3(如，红外热像仪等)可以对阳极板进行红外热成像，并接收阳极板热辐射的红外线特定波段信号，将该信号转换成可供人类视觉分辨的图像和图形，并可以进一步计算出阳极板的温度值。
99.在一些实施例中，浇筑工序阶段获取到的阳极板温度信息可以用于判断浇筑工序的浇筑熔炉是否正常工作、浇筑配方是否异常等情况。例如，当阳极板温度高于1400度，则可以判断浇筑熔炉的温度设定可能出现异常或者浇筑配方中的杂质含量可能超标。
100.在一些实施例中，红外检测模块150-3可以通过对各个工序中的阳极板进行红外
热成像，并可以基于热成像的图像确定品质特征信息。
101.在一些实施例中，温度检测模块150-5(如，温度传感器等)可以用于获取浇筑熔炉、电解槽、阳极板的温度信息。例如，温度检测模块150-5可以包括多个安装在浇筑熔炉内不同的位置的温度传感器以获取熔炉内不同位置的温度；又例如，温度检测模块150-5可以包括多个安装在电解槽不同的位置的温度传感器以获取电解液或阳极板不同位置的温度；再例如，安装在电解液中的温度传感器可以用于获取电解液温度，又例如，安装在阳极板表面的温度传感器可以用于获取阳极板温度。
102.在一些实施例中，由于电解槽中不同位置的电解液温差过大(例如，温差大于1℃)，或电解液温度过低会导致阴极板附近产生结晶，从而影响后续电解生产出金属的质量。需要获取的电解液温度可以包括在电解槽的至少两个不同深度测得的至少两个电解液温度，其中，两个深度测得的电解液温度之间的差值即为电解液层间温差。
103.在一些实施例中，图像获取模块150-4(如，摄像头、图像传感器等)可以用于采集各个工序中的阳极板的图像信息。例如，图像获取模块150-4可以采集阳极板的图像信息并进行图像识别，获取电解生产中各个工序的阳极板和/或阴极板的颜色、纹理、形状以及空间关系等信息。
104.在一些实施例中，阳极板的图像信息可以用于判断浇筑配方是否异常、浇筑模具是否异常、整形设备是否异常等。例如，检测到若干个阳极板出现缺角，则可以判断浇筑模具可能出现异常。
105.图像识别可以包括处理、分析和理解，以识别各种不同模式的目标和对象。例如，可以由图像获取模块150-4进行图像采集；对采集的图像进行预处理，消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据；对预处理后的图像进行特征提取，可以基于方向梯度直方图(hog)特征、局部二值模式(lbp)特征、haar-like特征等算法提取阳极板和/或阴极板的颜色特征、纹理特征、形状特征和空间关系特征。
106.在一些实施例中，超声波检测模块150-6(如，脉冲反射式超声波探伤仪)可以用于采集各个工序中的阳极板的表面的品质特征信息(例如，表面平整度、完整度、纹路和阳极板的厚薄均匀程度等)。
107.在一些实施例中，激光装置(如，激光测厚仪)也可以用于采集各个工序中的阳极板的品质特征信息。例如，激光装置可以测量阴极板和/或阳极板不同位置的厚度。
108.在一些实施例中，阳极板的品质特征信息可以用于判断浇筑模具是否异常、整形设备是否异常等。例如，检测到阳极板表面出现小坑，则可以判断浇筑模具可能出现异常或者整形设备的挤压部件出现异常。又例如，检测到阳极板厚薄不均，则可以判断整形设备的打磨部件的参数设定或者结构可能出现异常，还可能是浇筑模具出现异常。
109.在一些实施例中，抽样检测模块150-7可以用于对各个工序中的阳极板进行随机抽样，分析阳极板的化学成分。例如，抽样检测模块150-7可以对阳极板进行随机抽样，对阴极板上附着的电解生成得到的金属进行打洞取样，并对样品进行化学成分分析；又例如，抽样检测模块150-7可以对阴极板和/或阳极板表面的颗粒取样进行化学成分分析，示例地，分析金属产物(如，铜)的纯度以及杂质情况，其中，杂质情况包括主要杂质的类型及含量(如，银及其含量)。
110.在一些实施例中，阳极板的化学成分信息可以用于确定浇筑温度、浇筑配方比例或者矿源是否异常。例如，检测出阳极板中的硫成分超标，则可以判断矿源中铜的质量可能有问题。又例如，检测出阳极板的锡含量超标，则可以判断浇筑炉内温度可能没有达到合理温度范围，氧化不彻底。
111.在一些实施例中，上述的人工检测模块150-1、扫码检测模块150-2、红外检测模块150-3、图像获取模块150-4、温度检测模块150-5、超声波检测模块150-6、抽样检测模块150-7和计时模块150-8还可以实现其他功能。例如，红外检测模块150-3还可以用于获取阳极板的位置信息。示例地，红外检测模块150-3可以通过热像仪采集电解槽的红外热图像，再对红外热图像进行处理以获得温度异常的阳极板的像素点，最后根据该像素点可以确定相应的阳极板位置。
112.在一些实施例中，数据获取装置150可以获取若干待评估阳极板的成分信息；基于风险预测模型处理成分信息，得到待评估阳极板为异常的风险预测值。进一步地，数据获取装置150可以基于风险预测值，获取风险预测值大于预设阈值的阳极板的生产监控信息，再针对风险预测值较大的进行阳极板进行进一步的生产监控信息获取。关于获取生产监控信息的说明参见步骤310。
113.在一些实施例中，若干待评估阳极板的成分信息可以通过探测仪获取。例如，数据获取装置150可以使用金属成分分析仪获取待评估阳极板的成分信息。
114.在一些实施例中，可以通过风险预测模型，基于输入的若干待评估阳极板的成分信息进行分析处理，得到待评估阳极板为异常的风险预测值。
115.在一些实施例中，风险预测模型的输入数据为多个阳极板的成分信息。风险预测模型的输出数据为待评估阳极板为异常的风险预测值。
116.在一些实施例中，风险预测模型可以是卷积机器学习模型(cnn)、完全卷积神经网络(fcn)模型、生成对抗性网络(gan)、反向传播(bp)机器学习模型、径向基函数(rbf)机器学习模型、深度信念网络(dbn)、elman机器学习模型等或其组合。
117.在一些实施例中，风险预测模型中可以是图神经网络(gnn)模型。gnn模型的节点为多个阳极板，边为两个节点之间的连线，对于由同一模具浇筑或同一设备整形的两个节点则进行连线。节点特征可以包括阳极板的成分信息，边的特征可以包括浇筑模具或整形设备的信息(如，模具编号)。
118.在一些实施例中，风险预测模型的参数可以通过多个有标签的训练样本训练得到。在一些实施例中，可以获得多组训练样本，每组训练样本可以包括多个训练数据及训练数据对应的标签，训练数据可以包括若干个历史生产的阳极板的成分信息，训练数据的标签可以是人工根据成分信息直接标注该成分信息对应的阳极板是否正常，比如正常或异常。
119.通过多组训练样本可以更新初始风险预测模型的参数，得到训练好的风险预测模型。
120.在一些实施例中，可以基于多个训练样本迭代更新初始风险预测模型的参数，以使模型的损失函数满足预设条件。例如，损失函数收敛，或损失函数值小于预设值。当损失函数满足预设条件时模型训练完成，得到训练好的风险预测模型。
121.在一些实施例中，当一个或多个阳极板的风险预测值大于预设阈值，数据获取装
置150可以获取对应的一个或多个阳极板的生产监控信息。其中，预设阈值可以由电解生产工作人员(如，专家、技术人员等)可依赖自身过往经验来设定。
122.本说明书的一些实施例所述的方法，通过利用同一浇筑模具或整形设备生产出的阳极板间的数据关系对阳极板进行风险预测，能够更好地对信息获取的对象进行预先筛选，确定出高风险目标，再对高风险目标进行进一步信息采集，提高了电解生产监控数据获取的有效性，提升了电解生产监控数据的获取效率，减小数据处理量。
123.图5是根据本说明书一些实施例所示的对电解生产监控信息510进行分析，确定电解生产改进信息520的示例性流程图。
124.参照图5，在一些实施例中，确定模块220可以对电解生产监控信息510进行分析，确定电解生产改进信息520。
125.在一些实施例中，电解生产监控信息510可以包括阳极板的浇筑检测信息510-1，电解生产改进信息520可以包括电解生产参数520-1，确定模块220可以基于电解生产监控信息获取阳极板的品质特征，再基于阳极板的品质特征与标准特征的差异，确定电解生产参数520-1，其中，电解生产参数520-1包括电解液配比参数、添加剂配比参数中的至少一种。
126.可以理解的，电解液配比参数可以根据阳极板的成分信息进行调整，例如，阳极板中的铜成分含量较高，导致电解过程中电解液的铜离子浓度过大，进而降低阴极板析出铜的质量(例如，使阴极板析出铜表面变得粗糙等)，因此，需要加水稀释(即增大电解液中水的比例)；反之，阳极板中的铜成分含量较低，导致电解过程中电解液的铜离子浓度过小，进而降低阴极板析出铜的质量(例如，使阴极板析出铜疏松、表面易长粒子等)，因此，需要增加铜离子浓度(例如，增大硫酸铜(cuso4)溶液的比例等)。
127.添加剂配比参数可以根据阳极板的成分信息进行调整，例如，阳极板的银成分含量高于一定阈值，可能导致阴离子浓度较大，可以适量加入盐酸，生成agcl，从而使银离子沉淀进入阳极泥，减少贵金属损失。关于浇筑检测信息、电解液配比参数、添加剂配比参数的更多描述可以参见图3及其相关描述，此处不再赘述。
128.阳极板的品质特征可以为与当前浇筑生成的阳极板相关的信息，例如，阳极板的成分信息。在一些实施例中，确定模块220可以基于浇筑检测信息确定阳极板的品质特征。
129.标准特征可以是标准阳极板的品质特征，例如，标准阳极板的成分信息。其中，标准阳极板可以为历史浇筑生产的符合预设标准的阳极板，例如，历史浇筑生产的尺寸、重量、成分等均符合预设标准的阳极板。在一些实施例中，确定模块220可以从存储设备140、数据获取装置150或外部数据源获取标准特征。在一些实施例中，确定模块220可以通过数据获取装置150对阳极板进行检测以获取标准特征。
130.在一些实施例中，确定模块220可以基于阳极板的成分信息与标准阳极板的成分信息的差异，确定电解液配比参数、添加剂配比参数中的至少一种。
131.在一些实施例中，确定模块220可以通过多种方式基于阳极板的成分信息与标准阳极板的成分信息的差异，确定电解液配比参数、添加剂配比参数中的至少一种。例如，确定模块220可以根据历史数据基于阳极板的成分信息与标准阳极板的成分信息的差异确定电解生产参数520-1。其中，历史数据可以包括至少一个历史时间点的阳极板的成分信息与标准阳极板的成分信息的差异及其对应的电解生产参数520-1。
132.示例地，历史时间点a浇筑生成的阳极板的铜成分含量比标准阳极板的多1％，历史时间点b浇筑生成的阳极板的铜成分含量比标准阳极板的多3％，历史时间点c浇筑生成的阳极板的铜成分含量比标准阳极板的少1％，而当前浇筑生成的阳极板成分信息与标准阳极板的成分信息的差异为：当前浇筑生成的阳极板中铜成分含量比标准阳极板的多0.5％，则确定模块220可以根据差异值，选择将差异值最接近的历史时间点a浇筑生成的阳极板对应的电解液配比参数和添加剂配比参数作为当前浇筑生成的阳极板的电解液配比参数和添加剂配比参数。
133.在一些实施例中，确定模块220可以通过人工经验基于阳极板的成分信息确定电解液配比参数、添加剂配比参数中的至少一种。例如，通过行业专家基于阳极板的成分信息确定电解液配比参数、添加剂配比参数中的至少一种。
134.在一些实施例中，确定模块220可以基于阳极板的成分信息与标准阳极板的成分信息的差异，确定电解生产参数的调整信息，再基于调整信息确定电解生产参数520-1。
135.可以理解的，标准特征对应有标准电解生产参数，标准电解生产参数可以包括标准电解液配比参数、标准添加剂配比参数中的至少一种。电解生产参数的调整信息可以为与基于阳极板的品质特征对标准电解生产参数(例如，标准电解液配比参数、标准添加剂配比参数等)进行调整相关的信息，例如，标准电解液配比调整量、标准添加剂配比调整量等中的至少一个。
136.在一些实施例中，确定模块220可以通过人工经验基于阳极板的成分信息与标准阳极板的成分信息的差异确定电解生产参数的调整信息。例如，通过行业专家基于阳极板的成分信息与标准阳极板的成分信息的差异确定电解生产参数的调整信息。
137.在一些实施例中，确定模块220可以根据历史数据基于阳极板的成分信息与标准阳极板的成分信息的差异确定调整信息。其中，历史数据可以包括至少一个历史时间点的阳极板的成分信息与标准阳极板的成分信息的差异及其对应的调整信息。仍以上述的历史时间点a、b、c为例，则确定模块220可以根据差异值，选择将差异值最接近的历史时间点a浇筑生成的阳极板对应的调整信息作为当前浇筑生成的阳极板的调整信息。
138.在一些实施例中，确定模块220可以基于拟合曲线直接确定调整信息，其中，拟合曲线可以表征电解生产参数的调整信息(例如，电解液配比调整量和/或添加剂配比调整量等)随品质特征与标准特征的差异变化的情况。
139.在一些实施例中，确定模块220可以基于历史数据，通过多元线性回归拟合，获取品质特征与标准特征的差异与电解生产参数的调整信息的对应关系。例如，确定模块220可以基于多元线性回归方程组建立品质特征与标准特征的差异与电解生产参数的调整信息之间的对应关系，其中，多元线性回归方程组的自变量可以包括品质特征与标准特征的差异，多元线性回归方程组的因变量可以包括电解生产参数的调整信息(例如，电解液配比调整量和/或添加剂配比调整量等)。
140.在一些实施例中，确定模块220可以将至少一个历史时间点的品质特征与标准特征的差异代入至多元线性回归方程组的自变量，并将其对应的电解生产参数的调整信息代入至多元线性回归方程组的因变量，并基于最小二乘法等方式求解多元线性回归方程组，获取品质特征与标准特征的差异与电解生产参数的调整信息的对应关系，基于对应关系生成拟合曲线。
141.可以理解的，需要确定本次电解生产参数的调整信息时，确定模块220可以将本次确定的品质特征与标准特征的差异代入至多元线性回归方程组的自变量，从而获取本次电解生产参数的调整信息。
142.在一些实施例中，通过多元线性回归拟合品质特征与标准特征的差异与电解生产参数的调整信息之间的对应关系，使得基于品质特征与标准特征的差异确定的电解生产参数的调整信息更加准确。
143.在一些实施例中，确定模块220可以通过调整量确认模型确定调整信息，关于调整量确认模型的更多描述可以参见图7及其相关描述，此处不再赘述。
144.在一些实施例中，确定模块220可以基于电解生产参数的调整信息对标准电解生产参数(例如，标准电解液配比参数、标准添加剂配比参数等)进行调整。
145.例如，阳极板的铜的含量大于标准阳极板的铜的含量，且差值为4％，则电解生产参数的调整信息包括：将硫脲比例从标准比例(例如，10mg/l)增加至15mg/l，使得硫脲可以与阳极板中的铜离子充分反应生成络合物，增加铜沉积表面的光滑性。又例如，阳极板的银成分含量大于标准阳极板的银成分含量，且差值为2％，，则电解生产参数的调整信息包括：将盐酸比例从标准比例(例如，1％)增加至2％，通过适量增加加入的盐酸，从而使阳极板中的银离子完全沉淀进入阳极泥，减少贵金属损失。
146.在一些实施例中，电解生产监控信息510可以包括阳极板的浇筑信息510-2、整形信息510-3中的至少一种，电解生产改进信息520可以包括工艺改进信息520-2或异常处理方案520-3，确定模块220可以基于生产监控信息确定生产异常信息，再基于生产异常信息确定工艺改进信息520-2或异常处理方案520-3。关于阳极板的浇筑信息510-2、整形信息510-3、工艺改进信息520-2和异常处理方案520-3的更多描述可以参见图3及其相关描述，此处不再赘述。
147.生产异常信息可以为生产不合格阳极板的工序相关的信息。例如，生产异常信息可以不合格阳极板的浇筑工序和/或整形工序相关的信息。
148.在一些实施例中，确定模块220可以基于生产监控信息确定不合格阳极板，获取不合格阳极板的特征信息，再基于不合格阳极板的特征信息确定浇筑工序中的设备异常信息和/或整形工序中的设备异常信息。
149.在一些实施例中，确定模块220可以通过人工经验基于生产监控信息确定不合格阳极板。例如，通过行业专家基于生产监控信息确定不合格阳极板。
150.不合格阳极板的特征信息可以为与不合格阳极板相关的信息。例如，不合格阳极板的特征信息可以包括不合格阳极板的重量信息、外形信息及成分信息等。
151.浇筑工序中的设备异常信息可以为与不合格阳极板浇筑过程使用的异常设备相关的信息。例如，浇筑工序中的设备异常信息可以包括浇筑炉、浇筑模具的异常参数等。
152.在一些实施例中，确定模块220可以基于不合格阳极板的特征信息，从生产监控信息中确定浇筑工序中的设备异常信息，例如，不合格阳极板的外形信息包括：表面凹凸不平，则浇筑工序中的设备异常信息可以包括生产监控信息中的生产该不合格阳极板的熔炉的异常参数，示例地，浇筑该不合格阳极板过程中熔炉的异常温度等。
153.整形工序中的设备异常信息可以为与不合格阳极板整形过程使用的异常设备相关的信息。例如，整形工序中的设备异常信息可以包括传送带、压耳、打磨工装(如，铣刀)的
异常参数等。
154.在一些实施例中，确定模块220可以基于不合格阳极板的特征信息，从生产监控信息中确定整形工序中的设备异常信息，例如，不合格阳极板的特征信息包括不合格阳极板的重量信息、外形信息时，确定模块220从生产监控信息中确定整形工序中的设备异常信息可以包括：按压不合格阳极板的压耳的型号及工作参数(如，压耳产生的压强)；打磨不合格阳极板的打磨工装(如，铣刀)的型号及工作参数(如、铣刀转速等)。
155.在一些实施例中，确定模块220可以基于生产监控信息确定待评估阳极板的特征信息，特征信息包括成分特征、重量特征、浇筑模具中的至少一种。
156.在一些实施例中，确定模块220可以通过人工经验基于成分特征、重量特征、浇筑模具中的至少一种预测待评估阳极板是否为合格品。例如，通过行业专家基于待评估阳极板是否为合格品预测待评估阳极板是否为合格品。
157.在一些实施例中，确定模块220可以通过预设评估规则基于成分特征、重量特征、浇筑模具中的至少一种预测待评估阳极板是否为合格品。其中，预设评估规则可以表征与成分特征、重量特征、浇筑模具相关的用于判断阳极板是否为合格品的标准。例如，预设评估规则可以包括：重量在2kg～3kg之间，若待评估阳极板重量小于2kg，则确定模块220可以判断待评估阳极板不为合格品。
158.在一些实施例中，确定模块220可以根据多个历史生产的不合格阳极板的历史特征信息，其可以包括历史生产的不合格阳极板的成分特征、重量特征、浇筑模具中的至少一种，基于待评估阳极板的特征信息预测待评估阳极板是否为合格品。例如，确定模块220可以通过匹配本次阳极板(即待评估阳极板)的特征信息和多个历史生产的不合格阳极板的历史特征信息，获取二者的相似度，以相似度作为是不合格品的风险度；基于风险度预测待评估阳极板是否为合格品。
159.在一些实施例中，确定模块220可以通过相似度算法获取本次阳极板的特征信息和历史生产的不合格阳极板的历史特征信息的相似度，其中，相似度算法可以包括欧几里得度量、余弦距离中的至少一种。例如，确定模块220可以将本次阳极板的特征信息转化为第一向量，并将多个历史生产的不合格阳极板的历史特征信息转化为多个第二向量，再基于余弦距离确定第一向量与每个第二向量之间的相似度。
160.可以理解的，确定模块220可以基于本次阳极板的特征信息和每个历史生产的不合格阳极板的历史特征信息的相似度确定本次阳极板的不合格品的风险度。例如，确定模块220可以将本次阳极板的特征信息和每个历史生产的不合格阳极板的历史特征信息的相似度的均值作为本次阳极板的不合格品的风险度。在一些实施例中，风险度大于预设风险度阈值的待评估阳极板为不合格品。
161.在一些实施例中，确定模块220可以获取预测结果为不合格的阳极板的特征信息，基于不合格的阳极板的特征信息预测设备模具异常信息、配矿异常信息、同批次不合格品预测信息中的至少一种，其中，同批次不合格品可以为与该不合格的阳极板使用同一个配矿、浇筑设备(例如，熔炉、模具等)和/或整形设备(例如，压耳、铣刀等)生产的阳极板。例如，当不合格的阳极板的锑杂质含量较高时，确定模块220可以预测配矿存在异常，且可以预测与该不合格的阳极板同批次生产的阳极板均为不合格。又例如，当不合格的阳极板的厚度异常时，确定模块220可以预测模具型号异常，且可以预测与该不合格的阳极板同批次
生产的阳极板均为不合格。
162.在一些实施例中，确定模块220可以通过人工经验基于不合格的阳极板的特征信息预测设备模具异常信息、配矿异常信息、同批次不合格品预测信息中的至少一种。
163.在一些实施例中，确定模块220可以通过机器学习模型基于不合格的阳极板的特征信息预测设备模具异常信息、配矿异常信息、同批次不合格品预测信息中的至少一种。
164.在一些实施例中，确定模块220可以通过第一预测模型基于不合格的阳极板的特征信息预测设备模具异常的概率，第一预测模型的输入可以为不合格的阳极板的特征信息，第一预测模型的输出可以为预测设备模具异常的概率。
165.在一些实施例中，确定模块220可以通过第二预测模型基于不合格的阳极板的特征信息预测设备模具异常的概率，第二预测模型的输入可以为不合格的阳极板的特征信息，第二预测模型的输出可以为配矿异常的概率。
166.在一些实施例中，确定模块220可以通过第三预测模型基于不合格的阳极板的特征信息预测设备模具异常信息，第三预测模型的输入可以为不合格的阳极板的特征信息，第三预测模型的输出可以为同批次阳极板为不合格品的概率。
167.在一些实施例中，确定模块220可以通过多个带标签的训练样本对初始第一预测模型、初始第二预测模型和/或初始第三预测模型进行训练，其中，一个训练样本对应一个历史生产的不合格的阳极板，训练样本可以包括历史生产的阳极板的特征信息，训练样本的标签可以包括该历史生产的阳极板对应的异常信息(例如，设备模具是否异常、配矿是否异常、同批次生产的是否为不合格品)。
168.在一些实施例中，确定模块220可以通过常见的方式(例如，梯度下降等)对初始第一预测模型、初始第二预测模型和/或初始第三预测模型进行多次训练，直至训练后的初始第一预测模型、初始第二预测模型和/或初始第三预测模型满足预设条件，将该训练后的初始第一预测模型作为用于预测设备模具异常信息的第一预测模型、将训练后的初始第二预测模型作为用于预测配矿异常信息的第二预测模型和/或将训练后的初始第三预测模型作为用于预测同批次不合格品预测信息的第三预测模型。其中，预设条件可以是更新后的初始第一预测模型、初始第二预测模型和/或初始第三预测模型的损失函数小于阈值、收敛，或训练迭代次数达到阈值。
169.在一些实施例中，第一预测模型、第二预测模型和/或第三预测模型还可以由服务器110或第三方预先训练后保存在存储设备140中，确定模块220可以从存储设备140中直接调用第一预测模型、第二预测模型和/或第三预测模型。
170.在一些实施例中，第一预测模型、第二预测模型及第三预测模型可以包括但不限于神经网络(neural networks，nn)、决策树(decision tree,dt)、线性回归(linear regression,lr)等一种或多种的组合等。
171.在一些实施例中，确定模块220可以基于生产异常信息确定工艺改进信息520-2或异常处理方案520-3。
172.在一些实施例中，确定模块220可以通过人工经验基于生产异常信息确定工艺改进信息520-2或异常处理方案520-3。例如，通过行业专家基于生产异常信息确定工艺改进信息520-2或异常处理方案520-3。
173.在一些实施例中，确定模块220可以基于预设调整规则表基于生产异常信息确定
工艺改进信息520-2或异常处理方案520-3，其中，预设调整规则表可以用于记录预设调整规则，预设调整规则可以表征生产异常信息与工艺改进信息520-2或异常处理方案520-3的对应关系。
174.例如，预设调整规则可以包括：当相关设备异常时，暂停相关设备并对相关设备进行检修；若出现不合格阳极板，则对与不合格阳极板为同一批次生产的阳极板进行回炉重造等。可以理解的，确定模块220可以基于生产异常信息从预设调整规则表查找工艺改进信息520-2或异常处理方案520-3。示例地，确定模块220基于生产异常信息获取关键字，基于关键字从预设调整规则表查找工艺改进信息520-2或异常处理方案520-3。
175.在一些实施例中，确定模块220可以通过异常确定模型对阳极板的异常参数的处理，确定异常类型，关于异常确定模型的更多描述可以参见图10及其相关描述，此处不再赘述。
176.在一些实施例中，确定模块220可以通过第三模型对生产监控信息的处理，获得工艺参数调整信息，其中，工艺参数调整信息包括浇筑工艺调整参数或整形工艺调整参数，其中，浇筑工艺调整参数可以是对生产不合格阳极板的浇筑工序进行调整的参数，例如，熔炉温度的调整参数、模具的型号调整参数、浇筑配方调整参数等；整形工艺调整参数可以是对生产不合格阳极板的整形工序进行调整的参数，例如，压耳的压强调整参数、铣刀转速调整参数等。
177.第三模型可以为用于确定工艺参数调整信息的机器学习模型。第三模型的输入可以为生产监控信息，第三模型的输出可以为工艺参数调整信息。
178.在一些实施例中，确定模块220可以通过多个带标签的训练样本对初始第三模型进行训练，其中，一个训练样本对应一个历史生产的阳极板，训练样本可以包括历史生产的阳极板的生产监控信息，训练样本的标签可以包括该历史生产的阳极板对应的工艺参数调整信息。
179.在一些实施例中，确定模块220可以通过常见的方式(例如，梯度下降等)对初始第三模型进行多次训练，直至训练后的初始第三模型满足预设条件，将该训练后的初始第三模型作为用于预测工艺参数调整信息的第三模型。其中，预设条件可以是更新后的初始第三模型的损失函数小于阈值、收敛，或训练迭代次数达到阈值。
180.在一些实施例中，第三模型还可以由服务器110或第三方预先训练后保存在存储设备140中，确定模块220可以从存储设备140中直接调用第三模型。
181.在一些实施例中，第三模型可以包括但不限于神经网络(neural networks，nn)、决策树(decision tree,dt)、线性回归(linear regression,lr)等一种或多种的组合等。
182.在一些实施例中，通过第三模型对生产监控信息的处理，可以快速且准确地获得工艺参数调整信息。
183.在一些实施例中，确定模块220可以获取预测结果为不合格的阳极板的特征信息，基于第四模型处理所述不合格的阳极板的特征信息，预测不同处置方式的处置成本，其中，所述处置方式包括静置待用、回炉重造中的至少一种。在一些实施例中，确定模块220可以通过数据获取装置150对不合格的阳极板进行检测，以获取不合格的阳极板的特征信息，例如，确定模块220可以通过超声波检测模块150-6获取不合格的阳极板的外形信息。
184.第四模型可以为用于确定工艺参数调整信息的机器学习模型。第四模型的输入可
以为不合格的阳极板的特征信息，第四模型的输出可以为不同处置方式的处置成本。
185.第四模型的训练及模型结构与第三模型相似，关于第四模型的训练及模型结构的更多描述可以参见第三模型的相关描述，可以理解的，用于训练第四模型的训练样本包括一个历史生产的不合格的阳极板的特征信息，训练样本可以包括历史生产的不合格的阳极板的特征信息，训练样本的标签可以包括不同处置方式的处置成本。
186.在一些实施例中，确定模块220可以基于预测的处置成本确定不合格品的处置方式。例如，确定模块220可以将预测的处置成本最小对应的处置方式作为不合格品的处置方式。
187.在一些实施例中，基于第四模型处理不合格的阳极板的特征信息，可以快速预测不同处置方式的处置成本，以便确定合适的不合格品的处置方式，同时降低处置不合格品的成本投入。
188.图6是根据本说明书一些实施例所示的基于电解生产改进信息改进电解生产工序的示例性流程图。
189.如图6所示，在一些实施例中，改进模块230可以基于电解生产改进信息610改进电解生产工序620。例如，改进模块230可以获取电解生产工序中工艺参数的改进信息、不合格品的预测信息、生产异常的追溯信息、不合格品的处置信息中的至少一种，并基于上述信息对阳极板浇筑工序、整形工序、不合格品的处置、电冶金工序中的至少一个工序进行改进。
190.在一些实施例中，改进模块230可以基于电解生产工序中工艺参数的改进信息和/或生产异常的追溯信息对阳极板的浇筑和/或整形工序进行改进。
191.例如，改进模块230可以根据改进后的熔炉的工作温度设置熔炉的温度等。又例如，改进模块230可以基于生产异常的追溯信息更换矿源，根据矿源配比，通过人工销毁异常矿源原料，并根据矿源供应商供应的矿源生产的极板合格率对供应商进行评估和排序，并对极板生产合格率较高的矿源供应商进行优先选择。又例如，改进模块230可以基于生产异常的追溯信息，生成对生产不合格阳极板的浇筑模具的定期检查、维修、更换的自动提示。又例如，改进模块230可以基于生产异常的追溯信息，生成不同级别的报警提示(包括文字、语音、报警灯闪烁、蜂鸣等)改进模块230可以根据电解生产工序中工艺参数的改进信息将整形方式由挤压切换为打磨。
192.在一些实施例中，改进模块230可以基于电解生产工序中工艺参数的改进信息对电冶金的工艺参数进行调整。例如，改进模块230可以控制相关设备按照电解生产参数配制电解液，还可以控制相关设备按照向配置的电解液中添加至少一种添加剂。
193.在一些实施例中，改进模块230可以基于不合格品的预测信息对预测不合格的阳极板进行处理。例如，改进模块230可以基于不合格品的预测信息通知相关工作人员对预测的不合格品进行人工检测。
194.在一些实施例中，改进模块230可以基于不合格品的处置信息完成对不合格品的处置。例如，改进模块230可以基于不合格品的处置信息控制相关设备或工作人员对不合格阳极板进行静置待用或回炉重造等。
195.本说明书的一些实施例所述的方法，通过基于电解生产改进信息改进电解生产工序，可以有效减少不合格品的产生，保证电解生产工序的有效进行，例如，通过电解生产工序中工艺参数的改进信息和/或生产异常的追溯信息对阳极板的浇筑和/或整形工序进行
改进，使得后续生产的阳极板更符合要求；又例如，通过电解生产工序中工艺参数的改进信息对电冶金的工艺参数进行调整，提高电冶金析出的金属品质；又例如，通过基于不合格品的预测信息对预测不合格的阳极板进行处理，可以减少操作人员所需检测的阳极板的量，以快速确定其他不合格的阳极板；又例如，基于不合格品的处置信息完成对不合格品的处置，避免不合格的阳极板进入电冶金工序，造成电解原料(例如，电解槽、电解液等)的进一步浪费，进而最大限度降低不合格品导致的成本浪费。
196.如图7所示，在一些实施例中，确定模块220可以确定品质特征与标准特征的差向量710，并基于差向量710，通过调整量确认模型720，确定电解生产参数的调整信息。其中，电解生产参数的调整信息可以包括电解液配比调整量730和/或添加剂配比调整量740。
197.品质特征和标准特征可以用特征向量进行表示，品质特征的特征向量中的每个元素代表阳极板的一个特征，例如，阳极板的某种成分的含量；标准特征的特征向量中的每个元素代表标准阳极板的一个特征，例如，阳极板的某种成分的含量。
198.品质特征与标准特征的差向量710可以为品质特征对应的特征向量与标准特征对应的特征向量之间的差值。
199.调整量确认模型720可以为用于确定电解液配比调整量730和/或添加剂配比调整量740的机器学习模型。调整量确认模型720的输入可以为品质特征与标准特征的差向量710，调整量确认模型720的输出可以为电解液配比调整量730和/或添加剂配比调整量740。
200.调整量确认模型720的训练及模型结构与第三模型相似，关于调整量确认模型720的训练及模型结构的更多描述可以参见第三模型的相关描述，可以理解的，用于训练调整量确认模型720的训练样本包括一个历史生产的阳极板的品质特征与标准特征的差向量，训练样本可以包括历史生产的不合格的阳极板的特征信息，训练样本的标签可以包括电解液配比调整量和/或添加剂配比调整量。
201.本说明书的一些实施例所述的方法，通过调整量确认模型720可以根据阳极板的品质特征与标准特征的差异，快速且准确地确定电解生产参数的调整信息。
202.参照图8，在一些实施例中，调整量确认模型820可以包括第一调整量确认模型821和/或第二调整量确认模型822。
203.第一调整量确认模型821可以为用于确定电解液配比调整量830的机器学习模型。在一些实施例中，第一调整量确认模型821的输入可以为品质特征与标准特征的差向量810，第一调整量确认模型821的输出可以为电解液配比调整量830。
204.第二调整量确认模型822可以为用于确定添加剂配比调整量840的机器学习模型。在一些实施例中，第二调整量确认模型822的输入可以为品质特征与标准特征的差向量，第二调整量确认模型822的输出可以为添加剂配比调整量840。
205.第一调整量确认模型821和第二调整量确认模型822的训练及模型结构与第三模型相似，关于第一调整量确认模型821和第二调整量确认模型822的训练及模型结构的更多描述可以参见第三模型的相关描述，可以理解的，用于训练第一调整量确认模型821的训练样本包括一个历史生产的阳极板的品质特征与标准特征的差向量，训练样本可以包括历史生产的不合格的阳极板的特征信息，训练样本的标签可以包括电解液配比调整量；用于训练第二调整量确认模型822的训练样本包括一个历史生产的阳极板的品质特征与标准特征的差向量，训练样本可以包括历史生产的不合格的阳极板的特征信息，训练样本的标签可
以包括添加剂配比调整量。
206.本说明书的一些实施例所述的方法，通过两个独立的模型分别确定电解液配比调整量830和添加剂配比调整量840，可以使得每个模型的结构更加简单，减少模型训练的任务量。
207.参照图9，在一些实施例中，调整量确认模型920可以包括第一调整量确认模型921和第二调整量模型922。
208.第一调整量确认模型921可以为用于确定电解液配比调整量的机器学习模型。在一些实施例中，第一调整量确认模型921的输入可以为品质特征与标准特征的差向量910，第一调整量确认模型921的输出可以为电解液配比调整量930。
209.第二调整量确认模型922可以为用于确定添加剂配比调整量的机器学习模型。在一些实施例中，第二调整量确认模型922的输入可以包括品质特征与标准特征的差向量910及第一调整量确认模型921输出的电解液配比调整量930，第二调整量确认模型922的输出可以为添加剂配比调整量940。
210.在一些实施例中，第一调整量确认模型921和第二调整量确认模型922的参数可以联合训练得到。例如，联合训练的样本包括历史品质特征与标准特征的差向量910，标签包括历史添加剂配比调整量。将历史品质特征与标准特征的差向量910输入第一调整量确认模型921，将第一调整量确认模型921的输出输入至第二调整量确认模型922，第二调整量确认模型922的输出及标签构建损失函数，并基于损失函数同时更新第一调整量确认模型921和第二调整量确认模型922的参数，得到训练好的第一调整量确认模型921和第二调整量确认模型922。
211.在一些实施例中，第一调整量确认模型921和第二调整量确认模型922还可以由服务器110或第三方预先训练后保存在存储设备140中，确定模块220可以从存储设备140中直接调用第一调整量确认模型921和第二调整量确认模型922。
212.在一些实施例中，第一调整量确认模型921和第二调整量确认模型922均可以包括但不限于神经网络(neural networks，nn)、决策树(decision tree,dt)、线性回归(linear regression,lr)等一种或多种的组合等。
213.本说明书的一些实施例所述的方法，通过联合训练得到第一调整量确认模型921和第二调整量确认模型922，简化了模型的训练，节省了模型的训练时间，减轻了模型训练的工作量，减少了多个模型训练的总的步骤；另外，能够解决历史电解液配比调整量作为标签不易获得的问题，并且通过第二调整量确认模型922确定添加剂配比调整量时还考虑到了电解液配比调整量，避免电解液配比调整量和添加剂配比调整量存在重复调整，反而加大误差。例如，本次生产的阳极板的硫成分含量比标准阳极板少，如果通过分别两个独立的机器学习模型确定电解液配比调整量和添加剂配比调整量，则最终确定的电解液配比调整量为增加1％的硫酸溶液、添加剂配比调整量为增加1％的硫脲，从而使得硫离子添加过量，而通过第一调整量确认模型921和第二调整量确认模型922确定的电解液配比调整量为增加1％的硫酸溶液、添加剂配比调整量为增加0.5％的硫脲，从而使得硫离子添加适量。
214.在一些实施例中，确定模块220可以基于通过拟合曲线确定调整信息(即第一调整信息)和通过调整量确认模型确定的调整信息(即第二调整信息)确定最终的调整信息。例如，确定模块220可以对第一调整信息和第二调整信息进行加权求和，确定最终的调整信
息。示例地，确定模块220可以将第一调整信息的电解液配比调整量和第二调整信息的电解液配比调整量进行加权求和，确定最终的调整信息的电解液配比调整量。又示例地，确定模块220可以将第一调整信息的添加剂配比调整量和第二调整信息的添加剂配比调整量进行加权求和，确定最终的调整信息的添加剂配比调整量。
215.本说明书的一些实施例所述的方法，通过基于多种方式获取的调整信息进行融合，可以使得最终确定的调整信息更加准确，同时，在某种方式获取的调整信息误差较大时，避免了直接采用该误差较大的调整信息对电解液配比和添加剂配比进行调整。
216.图10是本说明书一些实施例所示的异常确定模型确定电解生产参数的调整信息的示例性流程图。
217.在一些实施例中，基于所述生产监控信息确定生产异常信息可以包括：基于所述生产监控信息确定阳极板的异常参数；基于异常确定模型对所述阳极板的异常参数的处理，确定异常类型，所述异常类型包括模具异常、浇筑参数异常、矿源异常中的至少一种。
218.异常确定模型1020可以通过对输入的阳极板的异常参数1010(如，杂质含量较高、极板表面垂直度异常等)进行分析处理，输出对应的异常类型(如，模具异常、浇筑参数异常、矿源异常)。
219.在一些实施例中，异常确定模型1020可以包括各种模型和结构。在一些实施例中，机器学习模型可以包括但不限于神经网络(neural networks，nn)、决策树(decision tree,dt)、线性回归(linear regression,lr)等一种或多种的组合。
220.在一些实施例中，可以将获取到的一个或多个阳极板的异常参数1010作为异常确定模型1020的输入。异常确定模型1020的输出可以是异常类型。例如，可以输入若干个阳极板的极板尺寸与标准尺寸相比较小，输出异常类型：模具异常。
221.在一些实施例中，可以将不同时段(如，早上、中午、晚上等)获取到的阳极板的异常参数1010组成序列作为异常确定模型1020的输入，将不同时段各个阳极板的异常参数1010对应的异常类型1030作为异常确定模型1020的输出。
222.异常确定模型1020的参数可以通过训练得到。在一些实施例中，可以基于大量异常的阳极板生产数据获得多组训练样本，每组训练样本可以包括多个训练数据及训练数据对应的标签。训练数据可以包括阳极板的异常参数，标签可以是基于历史阳极板的异常参数得到的历史异常类型。例如，可以采集一段时间(如一天、一周、一个月等)内的多个时间点的阳极板的异常参数作为训练数据，获取对阳极板的异常参数的异常类型判定结果(如，人工根据异常参数直接标注的异常类型)。
223.在一些实施例中，可以基于多个训练样本迭代更新异常确定模型1020的参数，以使模型的损失函数满足预设条件。例如，损失函数收敛，或损失函数值小于预设值。当损失函数满足预设条件时模型训练完成，得到训练好的异常确定模型1020。
224.在一些实施例中，上述的基于阳极板的异常参数确定异常类型还可以基于其他方式实现。例如，确定模块220可以对历史阳极板的异常参数及其对应的异常类型进行记录，根据实际获取到的阳极板的异常参数(如，阳极板垂直度大于20％)，查询历史阳极板的异常参数数据中对应的异常类型(如，浇筑模具变形、压耳故障等)，即可获取到对应于本次阳极板的异常参数下对应的一个或多个异常类型。又例如，获取到阳极板的异常参数(如，锑杂质含量较高)后，电解生产工作人员(如，专家、技术人员等)可依赖自身过往经验确定一
个或多个异常类型(如，成分配比异常、矿源异常等)。
225.本说明书的一些实施例所述的方法，通过对阳极板的异常参数进行分析，能够快速排查异常类型，可以一定程度提高生产效率、避免后续生产造成损失。
226.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
227.同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
228.此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。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说明书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j9九游会真人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。
229.同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，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。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
230.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有
±
20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
231.针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(本次或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
232.最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介
绍和描述的实施例。