CN110007654A - 一种基于Red-Sensor传感器的生产大数据服务系统 - Google Patents
一种基于Red-Sensor传感器的生产大数据服务系统 Download PDFInfo
- Publication number
- CN110007654A CN110007654A CN201910285174.XA CN201910285174A CN110007654A CN 110007654 A CN110007654 A CN 110007654A CN 201910285174 A CN201910285174 A CN 201910285174A CN 110007654 A CN110007654 A CN 110007654A
- Authority
- CN
- China
- Prior art keywords
- sensor
- data
- production
- red
- service system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 112
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 238000007418 data mining Methods 0.000 claims abstract description 15
- 238000003860 storage Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 30
- 238000009413 insulation Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000005201 scrubbing Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 238000012800 visualization Methods 0.000 claims description 4
- 230000000712 assembly Effects 0.000 claims description 3
- 238000000429 assembly Methods 0.000 claims description 3
- 238000012098 association analyses Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 9
- 238000013500 data storage Methods 0.000 abstract description 3
- 230000002950 deficient Effects 0.000 abstract description 3
- 238000005065 mining Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001125 extrusion Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31088—Network communication between supervisor and cell, machine group
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供的一种基于Red‑Sensor传感器的生产大数据服务系统,具体的分析了Red‑Sensor传感器生产大数据服务平台的需求,并针对Red‑Sensor传感器生产大数据处理的难点,设计出整个系统的主要功能模块,并针对数据的获取、数据存储、数据的监控、以及数据的挖掘分析,这四个模块具体进行了设计。其中对于本平台数据的存储的设计,主要根据平台数据特点,为本大数据服务软件的框架方面做了细致的设计,整个Red‑Sensor传感器生产的大数据服务系统能很好的提高Red‑Sensor传感器的生产效率,提高产量的同时降低不良率和生产成本。
Description
技术领域
本发明涉及大数据分析领域,尤其涉及一种Red-Sensor传感器的生产大数据服务系统。
背景技术
Red-Sensor是安装在电机上的振动传感器,对电机运行和健康数据进行定期和精确地监测,并将数据通过专属网关或智能手机发送到安全的端局云服务器进行AI分析,Red-Sensor智能传感器可将计划外停机时间减少多达70%,延长电机使用寿命多达30%,并将能源效率提升多达10%。
对于工业产品生产,最重要的环节应为生产加工过程,由于加工过程会对产品的好坏有决定性的作用,在生产过程中,一般产品生产都会涉及到很多工序,哪一步工序出现质量问题必然会导致半成品或废品的产生,这会给生产厂商带来巨大的损失,因此对于工业生产需要对其生产过程加以监管。而对生产过程的监控需要对生产过程的各个环节或工序进行数据采集,如Red-Sensor传感器生产涉及到工序有:绞线、挤绝缘、挤护套、成缆、编织,各个工序中的影响质量的生产参数都必须采集。对于Red-Sensor传感器生产而言,采用RFID(Radio FrequencyIdentification)技术、传感器网络等技术手段,对生产参数进行实时采集。最后将数据存入数据库进行管理,通过后台处理,来判断生产是否出现异常,当生产中相关数据出现异常情况,系统将会及时报警,采用邮件,短信提醒生产单位,避免生产事故扩大。
发明内容
本发明提供了一种Red-Sensor传感器的生产大数据服务系统,通过提供工业生产现场数据的实时显示、数据的回溯、生产状态数据的挖掘等功能,克服了上述技术中的缺点。
其技术方案如下所述:
本发明提供的系统包括四个模块:
现场生产状态数据的实时监控,订单Red-Sensor传感器预警查询,数据挖掘模块,分布式存储模块。
分布式数据存储架构模块:
架构采用Hadoop数据处理平台和HBase分布式数据库,选取中心节点为数据的中心服务器。各生产厂商的服务器将生产的数据封装成xml格式文件后,分别上传给数据中心服务器。数据中心服务器将上传的xml文件,使用MapReduce处理将从不同的来源的xml文件中经过数据清洗后,存储到HBase分布式集群中。
关系型数据库为MySQL,主要存储Web服务器所请求的相关数据结构,部分是经过数据计算分析后并从HBase转化来的数据。
现场生产数据的实时监控:
Red-Sensor传感器生产现场的实时监控的主要功能实现为:实现对Red-Sensor传感器生产设备运行状态的可视化,并可以对生产出现异常进行报警,在一定时间内使用短信和邮件通知制造厂商,提醒制造商对生产现场进行巡检,并改善生产环境和解决故障问题,当故障被解决后,对该设备的预警就会解除。主要涉及到以下两方面:
可视化功能:用户先需要在监控主界面进行生产厂商的的选择,在用户选择好生产厂商后,界面将显示当前该生产厂商的所有工序下的机台的运行状态,由不同的颜色表示生产状态,当机台变为红色时,说明该机台上的生产状态出现异常需要启动预警,当用户选择点击要查看的机台时,界面会跳转到生产实时参数展示界面,该界面将展示该机台上的所有采集的参数的实时动态图。
监控预警:当出现生产异常时会,启动预警模块,在一定时间内,检查异常是否被解除,如果异常没有被解除将再次提醒用户,只到该问题被解除为止,同时相关异常情况的参数值将被记录在数据库中,方便后期数据分析使用。
订单预警数据分析:
订单Red-Sensor传感器预警查询所要实现的预警查询是根据各部门生产的Red-Sensor传感器批次状态,查询生产厂商生产过程中历史产生预警问题数以及具体定位预警的位置,方便后续的Red-Sensor传感器质量回溯来定位质量问题,通过柱状图和曲线图来分别比较各生产厂商的问题状况,从而来分析在生产相同的批量的哪几个厂商的工艺比较占优。
数据挖掘模块:
本平台所存储的Red-Sensor传感器的数据为非结构化数据,因此在分析时,比结构化数据库有更大的优势,不需要从结构化数据库转换,但因为数据中存在脏数据,数据还需要进行清洗,将清洗后的数据进行相关分析,最后将分析的结果进行可视化展示。
(1)数据清理
Red-Sensor传感器生产过程中产生的现场原始数据在一定程度上是存在脏数据,形成的原因可能有:Red-Sensor传感器生产厂商在发生数据时恰好是没有数据,更有可能在传输过程中会因为一些网络状况不好产生数据丢包的情况。基于这些情况,可以在做数据清洗时,使得数据比较完整并且具有统一规范,使得数据挖掘结果更加准确。主要从三个方面进行数据清理:1)去除现场传感器异常的数据,2)去除重复的数据,3)数据的规范化处理,使数据更适合挖掘。
(2)数据挖掘分析
本大数据服务平台基于MapReduce的数据分布式计算技术,因此将对Red-Sensor传感器生产中对生产质量有影响的相关参数进行Apriori强关联分析,将某一工序的一次生产过程的参数抽象为一个向量,例如在生产Red-Sensor传感器的中的挤绝缘工序的影响这以工序的质量的参数有:有挤绝缘的温度、放线张力、收线张力、挤出压力参数。通过分析找出这些参数范围的强关联,从而发现这些参数范围的组合对该工序的工艺品质的分布率。从而找出各参数应设定在什么范围内,更加有利于该工序的工艺品质的提升。本平台需要实现的是通过对挤绝缘工序的相关参数进行相关联分析。根据最小支持度和最小置信度找出直接的强关联。将关联规则作为该工序流水线上的生产参数的参考指标范围,从而指导生产参数的设定,优化生产。
具体的分析了Red-Sensor传感器生产大数据服务平台的需求,并针对Red-Sensor传感器生产大数据处理的难点,设计出整系统的主要功能模块,并针对数据的获取、数据存储、数据的监控、以及数据的挖掘分析,这四个模块具体进行了设计。其中对于本平台数据的存储的设计,主要根据平台数据特点,为本大数据服务软件的框架方面做了细致的设计,整个Red-Sensor传感器生产的大数据服务系统能很好的提高Red-Sensor传感器的生产效率,提高产量的同时降低不良率和生产成本。
附图说明
图1是系统功能结构图;
图2是分布式数据存储架构示意图;
图3是实时监控处理逻辑流程图;
图4是订单预警数据查询示意图;
图5是数据挖掘模块流程图;
图6是数据挖掘算法分析流程图。
具体实施方式
如图1所示的Red-Sensor传感器生产的大数据服务系统,应用在电机(设置有Red-Sensor传感器)生产的大数据服务平台上,提供工业生产现场数据的实时显示,数据的回溯,生产状态数据的挖掘等功能。具体系统功能可以概括为:现场生产的监控和预警,订单预警查询,数据挖掘模块,分布式存储模块。
分布式数据存储架构模块:
为了解决海量生产数据存储问题,设计了如图2所示分布式存储架构,架构采用Hadoop数据处理平台和HBase分布式数据库,选取中心节点为数据的中心服务器。各生产厂商的服务器将生产的数据封装成xml格式文件后,分别上传给数据中心服务器。数据中心服务器将上传的xml文件,使用MapReduce处理将从不同的来源的xml文件中经过数据清洗后,存储到HBase分布式集群中,存储至多个HBase节点中,可以通过WEB端访问数据中心服务器。
Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下,开发分布式程序。充分利用集群的威力进行高速运算和存储。HBase是一个分布式的、面向列的开源数据库。MapReduce是一种编程模型,用于大规模数据集(大于1TB)的并行运算。
和数据中心服务器相连接的关系型数据库为MySQL,主要存储Web服务器所请求的相关数据结构,部分是经过数据计算分析后并从HBase转化来的数据。
现场生产数据的实时监控
如图3所示,为Red-Sensor传感器生产实时监控处理逻辑流程。Red-Sensor传感器生产现场的实时监控的主要功能实现为:实现对Red-Sensor传感器生产设备运行状态的可视化,并可以对生产出现异常进行报警,在一定时间内使用短信和邮件通知制造厂商,提醒制造商对生产现场进行巡检,并改善生产环境和解决故障问题,当故障被解决后,对该设备的预警就会解除。主要涉及到以下两方面:
可视化功能:用户先需要在监控主界面进行生产厂商的的选择,在用户选择好生产厂商后,界面将显示当前该生产厂商的所有工序下的机台的运行状态,由不同的颜色表示生产状态,当机台变为红色时,说明该机台上的生产状态出现异常需要启动预警,当用户选择点击要查看的机台时,界面会跳转到生产实时参数展示界面,该界面将展示该机台上的所有采集的参数的实时动态图。
监控预警:当出现生产异常时会,启动预警模块,在一定时间内,检查异常是否被解除,如果异常没有被解除将再次提醒用户,只到该问题被解除为止,同时相关异常情况的参数值将被记录在数据库中,方便后期数据分析使用。
订单预警数据分析
具体模块的流程图如图4,选择对应的供应商(视情况可选择全部供应商),输入订单号或者输入二维码号,显示详细的问题情况列表,根据具体需求过滤相关参数,进行筛选。
订单Red-Sensor传感器预警查询所要实现的预警查询是根据各部门所生产的Red-Sensor传感器批次状态,查询生产厂商生产过程中历史产生预警问题数以及具体定位预警的位置,方便后续的Red-Sensor传感器质量回溯来定位质量问题,通过柱状图和曲线图来分别比较各生产厂商的问题状况,从而来分析在生产相同的批量的哪几个厂商的工艺比较占优。
数据挖掘模块
本平台所存储的Red-Sensor传感器的数据为非结构化数据,因此在分析时,比结构化数据库有更大的优势,不需要从结构化数据库转换,但因为数据中存在脏数据,数据还需要进行清洗,将清洗后的数据进行相关分析,最后将分析的结果进行可视化展示。如图5所示为该模块框架图。
(1)数据清理
Red-Sensor传感器生产过程中产生的现场原始数据在一定程度上是存在脏数据,形成的原因可能有:Red-Sensor传感器生产厂商在发生数据时恰好是没有数据,更有可能在传输过程中会因为一些网络状况不好产生数据丢包的情况。基于这些情况,可以在做数据清洗时,使得数据比较完整并且具有统一规范,使得数据挖掘结果更加准确。主要从三个方面进行数据清理:1)去除现场传感器异常的数据,2)去除重复的数据,3)数据的规范化处理,使数据更适合挖掘。
(2)数据挖掘分析
如图6所示,本大数据服务平台基于MapReduce的数据分布式计算技术,因此将对Red-Sensor传感器生产中对生产质量有影响的相关参数进行Apriori(Apriori算法是一种挖掘关联规则的频繁项集算法,其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集)强关联分析,将某一工序的一次生产过程的参数抽象为一个向量,例如在生产Red-Sensor传感器的中的挤绝缘工序的影响这以工序的质量的参数有:有挤绝缘的温度、放线张力、收线张力、挤出压力参数。
通过分析找出这些参数范围的强关联,从而发现这些参数范围的组合对该工序的工艺品质的分布率。从而找出各参数应设定在什么范围内,更加有利于该工序的工艺品质的提升。本平台需要实现的是通过对挤绝缘工序的相关参数进行相关联分析,首先对各参数进行区间划分,数据根据划分区间转换为二值型数据,使用Apriori算法进行并行计算,根据最小支持度和最小置信度找出直接的强关联,输出频繁集,将关联规则作为该工序流水线上的生产参数的参考指标范围,从而指导生产参数的设定,优化生产。
本发明具体的分析了Red-Sensor传感器生产大数据服务平台的需求,并针对Red-Sensor传感器生产大数据处理的难点,设计出整系统的主要功能模块,并针对数据的获取、数据存储、数据的监控、以及数据的挖掘分析,这四个模块具体进行了设计。
其中对于本平台数据的存储的设计,主要根据平台数据特点,为本大数据服务软件的框架方面做了细致的设计,整个Red-Sensor传感器生产的大数据服务系统能很好的提高Red-Sensor传感器的生产效率,提高产量的同时降低不良率和生产成本。
Claims (8)
1.一种基于Red-Sensor传感器的生产大数据服务系统,其特征在于:系统包括四个模块,分别是:
现场生产状态数据的实时监控,实现对Red-Sensor传感器生产设备运行状态的可视化,并对生产出现异常进行报警;
订单Red-Sensor传感器预警查询,查询生产厂商生产过程中历史产生预警问题数以及具体定位预警的位置;
数据挖掘模块,对于存储的Red-Sensor传感器的数据进行清洗,将清洗后的数据进行相关分析,最后将分析的结果进行可视化展示;
分布式存储模块,实现数据的优化存储和读取。
2.根据权利要求1所述的基于Red-Sensor传感器的生产大数据服务系统,其特征在于:分布式数据存储架构模块中,架构采用Hadoop数据处理平台和HBase分布式数据库,选取中心节点为数据中心服务器;各生产厂商的服务器将生产的数据封装成xml格式文件后,分别上传给数据中心服务器;数据中心服务器将上传的xml文件,使用MapReduce处理将从不同的来源的xml文件中经过数据清洗后,存储到HBase分布式集群中。
3.根据权利要求2所述的基于Red-Sensor传感器的生产大数据服务系统,其特征在于:关系型数据库为MySQL,存储Web服务器所请求的相关数据结构,其中一部分是经过数据计算分析后并从HBase转化来的数据。
4.根据权利要求1所述的基于Red-Sensor传感器的生产大数据服务系统,其特征在于:现场生产状态数据的实时监控包括机台生产状态的可视化功能,以及出现生产异常时的监控报警功能。
5.根据权利要求1所述的基于Red-Sensor传感器的生产大数据服务系统,其特征在于:订单Red-Sensor传感器预警查询,根据各部门生产的Red-Sensor传感器批次状态,查询生产厂商生产过程中历史产生预警问题数以及具体定位预警的位置,方便后续的Red-Sensor传感器质量回溯来定位质量问题,通过柱状图和曲线图来分别比较各生产厂商的问题状况。
6.根据权利要求1所述的基于Red-Sensor传感器的生产大数据服务系统,其特征在于:数据挖掘模块从三个方面进行数据清理:1)去除现场传感器异常的数据,2)去除重复的数据,3)数据的规范化处理,使数据更适合挖掘。
7.根据权利要求1所述的基于Red-Sensor传感器的生产大数据服务系统,其特征在于:数据挖掘模块中的数据挖掘分析,将对Red-Sensor传感器生产中对生产质量有影响的相关参数进行Apriori强关联分析,将某一工序的一次生产过程的参数抽象为一个向量,通过分析找出这些参数范围的强关联,从而发现这些参数范围的组合对该工序的工艺品质的分布率。
8.根据权利要求7所述的基于Red-Sensor传感器的生产大数据服务系统,其特征在于:通过对挤绝缘工序的相关参数进行相关联分析,根据最小支持度和最小置信度找出直接的强关联,将关联规则作为该工序流水线上的生产参数的参考指标范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910285174.XA CN110007654A (zh) | 2019-04-10 | 2019-04-10 | 一种基于Red-Sensor传感器的生产大数据服务系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910285174.XA CN110007654A (zh) | 2019-04-10 | 2019-04-10 | 一种基于Red-Sensor传感器的生产大数据服务系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110007654A true CN110007654A (zh) | 2019-07-12 |
Family
ID=67170769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910285174.XA Withdrawn CN110007654A (zh) | 2019-04-10 | 2019-04-10 | 一种基于Red-Sensor传感器的生产大数据服务系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110007654A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348821A (zh) * | 2019-07-19 | 2019-10-18 | 杭州物源科技有限公司 | 一种结合物联网的智能制造管理系统及方法 |
CN111857267A (zh) * | 2020-07-17 | 2020-10-30 | 泉州潘大侠网络科技有限公司 | 一种大数据平台的运维管理设备的数据采集装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281130A (zh) * | 2014-09-22 | 2015-01-14 | 国家电网公司 | 一种基于大数据技术的水电设备监测和故障诊断系统 |
CN105784937A (zh) * | 2016-03-11 | 2016-07-20 | 郑州航空工业管理学院 | 气体苯系物探测的数据可视化方法及系统 |
US20170102678A1 (en) * | 2013-03-04 | 2017-04-13 | Fisher-Rosemount Systems, Inc. | Distributed industrial performance monitoring and analytics |
CN106874483A (zh) * | 2017-02-20 | 2017-06-20 | 山东鲁能软件技术有限公司 | 一种基于大数据技术的图形化的数据质量评测的装置及方法 |
CN107168263A (zh) * | 2017-06-16 | 2017-09-15 | 江南大学 | 一种基于大数据挖掘的针织mes生产计划与调度方法 |
CN107968840A (zh) * | 2017-12-15 | 2018-04-27 | 华北电力大学(保定) | 一种大规模电力设备监测报警数据实时处理方法及系统 |
-
2019
- 2019-04-10 CN CN201910285174.XA patent/CN110007654A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170102678A1 (en) * | 2013-03-04 | 2017-04-13 | Fisher-Rosemount Systems, Inc. | Distributed industrial performance monitoring and analytics |
CN104281130A (zh) * | 2014-09-22 | 2015-01-14 | 国家电网公司 | 一种基于大数据技术的水电设备监测和故障诊断系统 |
CN105784937A (zh) * | 2016-03-11 | 2016-07-20 | 郑州航空工业管理学院 | 气体苯系物探测的数据可视化方法及系统 |
CN106874483A (zh) * | 2017-02-20 | 2017-06-20 | 山东鲁能软件技术有限公司 | 一种基于大数据技术的图形化的数据质量评测的装置及方法 |
CN107168263A (zh) * | 2017-06-16 | 2017-09-15 | 江南大学 | 一种基于大数据挖掘的针织mes生产计划与调度方法 |
CN107968840A (zh) * | 2017-12-15 | 2018-04-27 | 华北电力大学(保定) | 一种大规模电力设备监测报警数据实时处理方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348821A (zh) * | 2019-07-19 | 2019-10-18 | 杭州物源科技有限公司 | 一种结合物联网的智能制造管理系统及方法 |
CN111857267A (zh) * | 2020-07-17 | 2020-10-30 | 泉州潘大侠网络科技有限公司 | 一种大数据平台的运维管理设备的数据采集装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210027170A1 (en) | Training method and apparatus for service quality evaluation models | |
US11409962B2 (en) | System and method for automated insight curation and alerting | |
CN110493025A (zh) | 一种基于多层有向图的故障根因诊断的方法及装置 | |
CN114640581B (zh) | 一种基于数字孪生的算力网络处理方法及装置 | |
CN110532152A (zh) | 一种基于Kapacitor计算引擎的监控告警处理方法及系统 | |
CN110597057A (zh) | 在工业应用场景下的数据处理系统 | |
CN110007654A (zh) | 一种基于Red-Sensor传感器的生产大数据服务系统 | |
Arantes et al. | General architecture for data analysis in industry 4.0 using SysML and model based system engineering | |
CN116166505B (zh) | 金融行业双态it架构的监控平台、方法、存储介质及设备 | |
JP7442001B1 (ja) | 水力発電ユニットの故障総合診断方法 | |
CN112632805B (zh) | 机组跨越振动区分析预警方法、系统、终端及介质 | |
CN116955434A (zh) | 一种工业装备全生命周期管理及多维度能效分析系统 | |
US20160203188A1 (en) | Analysis of Parallel Processing Systems | |
Queiroz et al. | Agent-based distributed data analysis in industrial cyber-physical systems | |
CN112115013A (zh) | 测试数据汇总系统与其方法 | |
CN114692959A (zh) | 基于灰度关联分析法的城市能源数据融合系统 | |
CN116859838B (zh) | 一种设备运行情况监测的预警系统 | |
CN117519006A (zh) | 生产线数据处理方法、装置、计算机设备和存储介质 | |
CN111427749B (zh) | 一种openstack环境下针对ironic服务的监控工具及方法 | |
CN110794799A (zh) | 应用于工业生产的具有故障诊断功能的大数据系统 | |
CN111901156A (zh) | 一种监控故障的方法及装置 | |
CN116300564A (zh) | 一种支持跨地域跨集群混合基础设施自动化监控运维平台 | |
CN113381880B (zh) | 物联网设备管理方法、装置及系统 | |
CN115456092A (zh) | 电力系统异常数据实时监测方法 | |
Pereira et al. | Dynamic monitoring of key-performance indicators in industrial environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190712 |