CN116360367A - 一种工业设备物联网数据采集方法及系统 - Google Patents
一种工业设备物联网数据采集方法及系统 Download PDFInfo
- Publication number
- CN116360367A CN116360367A CN202310319994.2A CN202310319994A CN116360367A CN 116360367 A CN116360367 A CN 116360367A CN 202310319994 A CN202310319994 A CN 202310319994A CN 116360367 A CN116360367 A CN 116360367A
- Authority
- CN
- China
- Prior art keywords
- equipment
- parameter
- analysis
- value
- data acquisition
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 138
- 238000012423 maintenance Methods 0.000 claims abstract description 89
- 238000003745 diagnosis Methods 0.000 claims abstract description 28
- 230000005856 abnormality Effects 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims description 105
- 238000001514 detection method Methods 0.000 claims description 45
- 230000002159 abnormal effect Effects 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000012502 risk assessment Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000012797 qualification Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 5
- 238000012806 monitoring device Methods 0.000 description 6
- 238000013480 data collection Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
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]
- G05B19/4183—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 data acquisition, e.g. workpiece identification
-
- 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
- G05B2219/31282—Data acquisition, BDE MDE
-
- 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)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明属于数据采集处理技术领域,具体是一种工业设备物联网数据采集方法及系统,该工业设备物联网数据采集系统包括数据采集分析平台,数据采集分析平台将监管范围内的工业设备标记为监管设备,数据采集分析平台包括工业设备数据采集模块、数据比对诊断模块、参数异常危害性分析模块和终端选择模块;本发明通过数据比对诊断模块实现对应工业设备运行数据的初步分析,参数异常危害性分析模块进行对应工业设备运行数据的深入处理和对应工业设备运行状况的准确判定,减小对应管理人员的工作量并提升设备运行状况判定结果的准确性,通过终端选择模块选中对应维护检修人员,在保证维护检修效率的同时还有助于保证维护检修效果。
Description
技术领域
本发明涉及数据采集处理技术领域,具体是一种工业设备物联网数据采集方法及系统。
背景技术
工业设备指的是工业生产设备和各类机床,比如车床、铣床、磨床、刨床等机器,通过工业设备运行过程中所产生的运行数据进行监测采集以有助于对应管理人员了解对应工业设备的运行稳定和运行安全状况,目前在对工业设备的数据进行采集后直接进行存储和显示,对应管理人员根据对应工业设备的运行数据人工判定设备的运行状况,加大了对应管理人员的工作量且难以实现对应工业设备运行状况的准确评估,无法在进行工业设备运行数据采集的同时对相关运行数据进行多层次分析判定,并在分析判断对应工业设备出现运行异常时自动且合理选中对应维护检修人员进行设备维护检修,在保证维护检修效率的同时保证维护检修效果,有待进行改善;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的在于提供一种工业设备物联网数据采集方法及系统,解决了现有技术无法在进行工业设备运行数据采集的同时对相关运行数据进行多层次分析判定,并在分析判断对应工业设备出现运行异常时自动且合理选中对应维护检修人员进行设备维护检修,在保证维护检修效率的同时保证维护检修效果,有待进行改善的问题。
为实现上述目的,本发明提供如下技术方案:
一种工业设备物联网数据采集方法,包括以下步骤:
步骤一、工业设备数据采集模块采集对应监管设备o所需监测采集的运行数据并将对应运行数据经数据采集分析平台发送至数据比对诊断模块;
步骤二、数据比对诊断模块将对应监管设备o的所有类型的运行数据进行逐一诊断,若所有类型的运行数据均正常则判断对应监管设备o的运行正常,否则进行步骤三;
步骤三、参数异常危害性分析模块将对应监管设备o进行参数异常危害性分析并判断对应监管设备o是否运行异常,在判断对应监管设备o运行异常时将运行风险预警信号经数据采集分析平台发送至终端选择模块;
步骤四、终端选择模块将对应监管设备o的维护检修人员进行检修选择分析以获取到选中终端,生成对应监管设备o的检修维护信号并将检修维护信号发送至对应选中终端。
进一步的,本发明还提出了一种工业设备物联网数据采集系统,包括数据采集分析平台,数据采集分析平台将监管范围内的工业设备标记为监管设备o,o=1,2,…,m,m表示对应监管范围内的工业设备数目且m为大于1的正整数;数据采集分析平台包括工业设备数据采集模块、数据比对诊断模块、参数异常危害性分析模块和终端选择模块;工业设备数据采集模块,用于采集对应监管设备o所需监测采集的运行数据并将对应运行数据经数据采集分析平台发送至数据比对诊断模块;数据比对诊断模块,用于将对应监管设备o的所有类型的运行数据进行逐一诊断,若所有类型的运行数据均正常时则判断对应监管设备o的运行正常,否则将对应监管设备o所有类型的运行数据的诊断信息经数据采集分析平台发送至参数异常危害性分析模块;
参数异常危害性分析模块,用于将对应监管设备o进行参数异常危害性分析并判断对应监管设备o是否运行异常,在判断对应监管设备o运行异常时生成运行风险预警信号,将运行风险预警信号经数据采集分析平台发送至终端选择模块;终端选择模块,用于获取到对应监管设备o的维护检修人员的智能终端,并将对应智能终端的维护检修人员进行检修选择分析,通过检修选择分析获取到选中终端,生成对应监管设备o的检修维护信号并将检修维护信号发送至对应选中终端。
进一步的,数据比对诊断模块的具体运行过程包括:
获取到检测时点对应监管设备o的所有类型的运行数据,将对应监管设备o对应类型的运行数据标记为分析参数i,i=1,2,…,n,n表示工业设备所需采集监测的数据类型数量且n为大于1的正整数;调取对应监管设备o对应分析参数i的预设参数评估范围,将对应分析参数i的数值与预设参数评估范围进行比较,若对应分析参数i的数值位于对应预设参数评估范围内,则判断对应参数正常并将对应参数标记为合格参数;
若对应分析参数i的数值未处于对应预设参数评估范围内,则判断对应参数不正常并将对应参数标记为不良参数;若检测时点对应监管设备o的运行数据中不存在不良参数,则判断对应检测时点对应监管设备o的运行正常,若检测时点对应监管设备o的运行数据中存在不良参数,则将对应检测时点对应监管设备o的不良参数和合格参数经数据采集分析平台发送至参数异常危害性分析模块。
进一步的,参数异常危害性分析模块的具体运行过程包括:
通过分析获取到检测时点对应监管设备o的异常参数占比值和设备风险系数,调取对应监管设备o的预设异常参数占比阈值和预设设备风险阈值,将对应监管设备o的异常参数占比值和设备风险系数与对应的预设异常参数占比阈值和预设设备风险阈值分别进行数值比较,若异常参数占比值和设备风险系数均小于等于对应阈值,则判断对应检测时点对应监管设备o运行正常,其余情况则判断对应检测时点对应监管设备o运行异常并生成运行风险预警信号。
进一步的,对应监管设备o的异常参数占比值和设备风险系数的分析获取方法如下:
获取到检测时点对应监管设备o的合格参数和不良参数,将不良参数的数量与数值n进行比值计算获取到检测时点对应监管设备o的异常参数占比值;将不良参数的数值与对应预设参数评估范围的偏离差值标记为对应不良参数的参数差幅值,调取不良参数的对应预设危害系数,将不良参数的参数差幅值与对应预设危害系数相乘并将两者乘积标记为对应不良参数的参数风险值;将合格参数的参数风险值赋予数值零,将对应监管设备o的所有分析参数i的参数风险值进行求和计算获取到设备风险系数。
进一步的,终端选择分析模块的具体运行过程包括:
获取到对应监管设备o对应检修维护人员的智能终端,将对应智能终端的检修维护人员标记为分析人员u,u=1,2,…,k,k表示对应监管设备o的维护检修人员数量且k为大于1的正整数;获取到对应监管设备o的位置和对应分析人员u的位置,基于对应监管设备o的位置和对应分析人员u的位置获取到对应分析人员u的检修间距值;
通过分析获取到对应分析人员u的维护经验值,将对应分析人员u的检修间距值和维护经验值进行数值计算获取到检修选择系数,将对应监管设备o对应所有检修维护人员的检修选择系数按照由大到小进行排序,将检修选择系数数值最大的检修维护人员标记为选中人员,将选中人员的智能终端标记为选中终端。
进一步的,维护经验值的分析获取方法如下:
获取到对应分析人员u的入职时长和对应分析人员u进行工业设备的检修维护频次,以及获取到对应分析人员u的每次检修维护时长,将对应分析人员u的每次检修维护时长进行求和计算获取到检修总时值,将对应分析人员u的入职时长、检修维护频次和检修总时值进行数值计算获取到对应分析人员u的维护经验值。
进一步的,数据采集分析平台还包括多时段数据汇总模块,若对应监管设备o相邻若干组检测时点均运行正常,数据采集分析平台生成多时段汇总分析信号并将多时段汇总分析信号发送至多时段数据汇总模块,多时段数据汇总模块接收到多时段数据汇总信号后将对应监管设备o进行多时段汇总分析,通过多时段汇总分析生成关联时段运行合格信号或关联时段运行不合格信号,并经数据采集分析平台将关联时段运行不合格信号发送至终端选择模块。
进一步的,多时段数据汇总模块的具体运行过程包括:
获取到对应监管设备o相邻h组检测时点的设备风险系数,若对应检测时点对应监管设备o的运行数据中不存在不良参数,则将对应检测时点对应监管设备o的设备风险值赋予数值零,以时间为X轴、设备风险值为Y轴建立直角坐标系,按照时间顺序将对应相邻h组检测时点的设备风险值标入直角坐标系中以生成h个风险坐标点,通过线段将相邻两组风险坐标点相连以生成(h-1)组风险评估线段;获取到斜率值最大的风险评估线段并标记为高波动风险评估线段,将高波动风险评估线段的斜率值标记为高波动幅度值;
获取到每组风险评估线段的斜率值,将(h-1)组风险评估线段的斜率值建立风险斜率集合,将风险斜率集合进行方差计算获取到风险波动值,将风险波动值和高波动幅度值进行数值计算获取到关联时段波动系数;调取对应监管设备o的预设关联时段波动阈值,将关联时段波动系数与关联时段波动阈值进行数值比较,若关联时段波动系数大于等于预设关联时段波动阈值,则生成关联时段运行不合格信号,若关联时段波动系数小于预设关联时段波动阈值,则生成关联时段运行合格信号。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过工业设备数据采集模块采集对应监管设备o所需监测采集的运行数据并发送至数据比对诊断模块,数据比对诊断模块将对应监管设备o的所有类型的运行数据进行逐一诊断,实现对应工业设备的运行数据的初步分析以及对应工业设备运行状况的初步判定;通过参数异常危害性分析模块将对应监管设备o进行参数异常危害性分析,实现对应工业设备的运行数据的深入处理和对应工业设备运行状况的准确判定,减小对应管理人员的工作量并提升设备运行状况判定结果的准确性;
2、本发明中,通过终端选择模块将对应维护检修人员进行检修选择分析,通过检修选择分析获取到选中终端,生成对应监管设备o的检修维护信号并将检修维护信号发送至对应检修维护人员的选中终端,实现自动且合理选中对应维护检修人员进行设备维护检修,在保证维护检修效率的同时还有助于保证维护检修效果;通过多时段数据汇总模块将对应监管设备o进行多时段汇总分析并生成关联时段运行合格信号或关联时段运行不合格信号,有助于保证后续对应工业设备的稳定顺利运行。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明的方法流程图;
图2为本发明中实施例二的系统框图;
图3为本发明中实施例三的系统框图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
实施例一:
如图1所示,本发明提出的一种工业设备物联网数据采集方法,包括以下步骤:
步骤一、工业设备数据采集模块采集对应监管设备o所需监测采集的运行数据并将对应运行数据经数据采集分析平台发送至数据比对诊断模块;
步骤二、数据比对诊断模块将对应监管设备o的所有类型的运行数据进行逐一诊断,若所有类型的运行数据均正常则判断对应监管设备o的运行正常,否则进行步骤三;
步骤三、参数异常危害性分析模块将对应监管设备o进行参数异常危害性分析并判断对应监管设备o是否运行异常,在判断对应监管设备o运行异常时将运行风险预警信号经数据采集分析平台发送至终端选择模块;
步骤四、终端选择模块将对应监管设备o的维护检修人员进行检修选择分析以获取到选中终端,生成对应监管设备o的检修维护信号并将检修维护信号发送至对应选中终端。
实施例二:
如图2所示,本实施例与实施例1的区别在于,本发明提出的一种工业设备物联网数据采集系统,包括数据采集分析平台,数据采集分析平台将监管范围内的工业设备标记为监管设备o,o=1,2,…,m,m表示对应监管范围内的工业设备数目且m为大于1的正整数;数据采集分析平台包括工业设备数据采集模块、数据比对诊断模块、参数异常危害性分析模块和终端选择模块;
工业设备数据采集模块通过物联网采集对应监管设备o所需监测采集的运行数据并将对应运行数据经数据采集分析平台发送至数据比对诊断模块,对应监管设备o所需监测采集的运行数据类型由操作人员预先设定,所需监测采集的运行数据包括对应工业设备的温度数据、振动数据和所产生的噪音数据等;数据比对诊断模块将对应监管设备o的所有类型的运行数据进行逐一诊断,数据比对诊断模块的具体分析过程如下:
获取到检测时点对应监管设备o的所有类型的运行数据,将对应监管设备o对应类型的运行数据标记为分析参数i,i=1,2,…,n,n表示工业设备所需采集监测的数据类型数量且n为大于1的正整数;调取对应监管设备o对应分析参数i的预设参数评估范围,将对应分析参数i的数值与预设参数评估范围进行比较,若对应分析参数i的数值位于对应预设参数评估范围内,则判断对应参数正常并将对应参数标记为合格参数;
若对应分析参数i的数值未处于对应预设参数评估范围内,则判断对应参数不正常并将对应参数标记为不良参数;若检测时点对应监管设备o的运行数据中不存在不良参数,则判断对应检测时点对应监管设备o的运行正常,若检测时点对应监管设备o的运行数据中存在不良参数,则将对应检测时点对应监管设备o的不良参数和合格参数经数据采集分析平台发送至参数异常危害性分析模块。
通过数据比对诊断模块将对应监管设备o的所有类型的运行数据进行逐一诊断,若所有类型的运行数据均正常时则判断对应监管设备o的运行正常,实现对应监管设备o运行过程的初步评估,否则,将对应监管设备o所有类型的运行数据的诊断信息经数据采集分析平台发送至参数异常危害性分析模块;参数异常危害性分析模块将对应监管设备o进行参数异常危害性分析,参数异常危害性分析模块的具体运行过程如下:
获取到检测时点对应监管设备o的合格参数和不良参数,将检测时点对应监管设备o的不良参数的数量标记为BLo,通过比值公式YZo=BLo/n将不良参数的数量BLo与数值n进行比值计算获取到检测时点对应监管设备o的异常参数占比值YZo;将不良参数的数值与对应预设参数评估范围的偏离差值标记为对应不良参数的参数差幅值,若对应不良参数的数值大于对应预设参数评估范围的最大值,则参数差幅值为对应不良参数的数值与对应预设参数评估范围最大值的差值,若对应不良参数的数值小于对应预设参数评估范围的最小值,则参数差幅值为对应预设参数评估范围的最小值与对应不良参数的数值的差值;
调取不良参数的对应预设危害系数,其中,预设危害系数由对应管理人员预先设置,对应参数的预设危害系数越大,则表明对应类型参数出现异常时对相应工业设备安全运行造成的安全隐患越大;将对应不良参数的参数差幅值与对应预设危害系数相乘并将两者乘积标记为对应不良参数的参数风险值,将合格参数的参数风险值赋予数值零,将对应监管设备o的所有分析参数i的参数风险值进行求和计算获取到设备风险系数SFo;
调取对应监管设备o的预设异常参数占比阈值和预设设备风险阈值,将对应监管设备o的异常参数占比值YZo和设备风险系数SFo与对应的预设异常参数占比阈值和预设设备风险阈值分别进行数值比较,若异常参数占比值YZo和设备风险系数SFo均小于等于对应阈值,则判断对应检测时点对应监管设备o运行正常,其余情况则判断对应检测时点对应监管设备o运行异常并生成运行风险预警信号。
通过参数异常危害性分析模块将对应监管设备o进行参数异常危害性分析并判断对应监管设备o是否运行异常,在判断对应监管设备o运行异常时生成运行风险预警信号,将运行风险预警信号经数据采集分析平台发送至终端选择模块,终端选择模块接收到运行风险预警信号时获取到对应监管设备o的维护检修人员的智能终端,并将对应智能终端的维护检修人员进行检修选择分析,通过检修选择分析获取到选中终端,生成对应监管设备o的检修维护信号并将检修维护信号发送至对应选中终端;终端选择分析模块的具体运行过程如下:
获取到对应监管设备o对应检修维护人员的智能终端,将对应智能终端的检修维护人员标记为分析人员u,u=1,2,…,k,k表示对应监管设备o的维护检修人员数量且k为大于1的正整数;获取到对应监管设备o的位置和对应分析人员u的位置,基于对应监管设备o的位置和对应分析人员u的位置获取到对应分析人员u的检修间距值XJu,检修间距值XJu表示对应分析人员u与对应监管设备o之间的路径距离,检修间距值XJu的数值越大,表明对应分析人员u距离对应监管设备o的距离越远;
获取到对应分析人员u的入职时长RSu和对应分析人员u进行工业设备的检修维护频次WPu,以及获取到对应分析人员u的每次检修维护时长,将对应分析人员u的每次检修维护时长进行求和计算获取到检修总时值ZSu,通过经验分析公式WYu=a1*RSu+a2*WPu+a3*+ZSu并代入对应分析人员u的入职时长RSu、检修维护频次WPu和检修总时值ZSu进行数值计算,通过数值计算后获取到对应分析人员u的维护经验值WYu;其中,a1、a2、a3为预设权重系数,a1、a2、a3的取值均大于零且a1<a3<a2;
需要说明的是,维护经验值WYu的数值大小与入职时长RSu、检修维护频次WPu和检修总时值ZSu均呈正比关系,维护经验值WYu的数值越大,表明对应分析人员u的检修维护能力越强;通过公式XZu=tp1/XJu+tp2*WYu并代入对应分析人员u的检修间距值XJu和维护经验值WYu进行数值计算,通过数值计算后获取到检修选择系数XZu;其中,tp1、tp2为预设比例系数,tp1、tp2的取值均大于零且tp1>tp2;将对应监管设备o对应所有检修维护人员的检修选择系数按照由大到小进行排序,将检修选择系数数值最大的检修维护人员标记为选中人员,将选中人员的智能终端标记为选中终端,实现检修维护人员的自动合理选择,提升维护检修效率的同时保证维护检修效果。
实施例三:
如图3所示,本实施例与实施例1、实施例2的区别在于,数据采集分析平台还包括多时段数据汇总模块,若对应监管设备o相邻若干组检测时点均运行正常,数据采集分析平台生成多时段汇总分析信号并将多时段汇总分析信号发送至多时段数据汇总模块,多时段数据汇总模块接收到多时段数据汇总信号后将对应监管设备o进行多时段汇总分析,多时段数据汇总模块的具体运行过程如下:
获取到对应监管设备o相邻h组检测时点的设备风险系数,若对应检测时点对应监管设备o的运行数据中不存在不良参数,则将对应检测时点对应监管设备o的设备风险值赋予数值零,以时间为X轴、设备风险值为Y轴建立直角坐标系,按照时间顺序将对应相邻h组检测时点的设备风险值标入直角坐标系中以生成h个风险坐标点,通过线段将相邻两组风险坐标点相连以生成(h-1)组风险评估线段;获取到斜率值最大的风险评估线段并标记为高波动风险评估线段,将高波动风险评估线段的斜率值标记为高波动幅度值GFo;
获取到每组风险评估线段的斜率值,将(h-1)组风险评估线段的斜率值建立风险斜率集合,将风险斜率集合进行方差计算获取到风险波动值FBo,通过公式BDo=gt1*FBo+gt2*GFo并代入风险波动值FBo和高波动幅度值GFo进行数值计算,通过数值计算后获取到关联时段波动系数BDo;其中,gt1、gt2为预设比例系数,gt1、gt2的取值均大于零且gt1小于gt2;需要说明的是,关联时段波动系数BDo的数值大小与风险波动值FBo和高波动幅度值GFo均呈正比关系,关联时段波动系数BDo的数值越大,表明对应监管设备o的运行稳定性越差,需要进行设备检查的可能性越大;
调取对应监管设备o的预设关联时段波动阈值,将关联时段波动系数BDo与关联时段波动阈值进行数值比较,若关联时段波动系数BDo大于等于预设关联时段波动阈值,表明对应监管设备o的运行稳定性差,则生成关联时段运行不合格信号,若关联时段波动系数BDo小于预设关联时段波动阈值,表明对应监管设备o的运行稳定性好,则生成关联时段运行合格信号。
多时段数据汇总模块接收到多时段数据汇总信号后将对应监管设备o进行多时段汇总分析,通过多时段汇总分析生成关联时段运行合格信号或关联时段运行不合格信号,并经数据采集分析平台将关联时段运行不合格信号发送至终端选择模块,终端选择模块选中对应的维护检修人员并通知对应的维护检修人员,对应维护检修人员根据需要进行对应监管设备o的维护检查,并排查判断对应监管设备o出现对应异常状况的原因,及时进行设备调控以保证后续对应工业设备的稳定顺利运行。
本发明的工作原理:使用时,通过工业设备数据采集模块采集对应监管设备o所需监测采集的运行数据并发送至数据比对诊断模块,数据比对诊断模块将对应监管设备o的所有类型的运行数据进行逐一诊断,若所有类型的运行数据均正常则判断对应监管设备o的运行正常,实现对应工业设备的运行数据的初步分析以及对应工业设备运行状况的初步判定;通过参数异常危害性分析模块将对应监管设备o进行参数异常危害性分析并判断对应监管设备o是否运行异常,在判断对应监管设备o运行异常时将运行风险预警信号发送至终端选择模块,实现对应工业设备的运行数据的深入处理和对应工业设备运行状况的准确判定,减小对应管理人员的工作量并提升设备运行状况判定结果的准确性,终端选择模块将对应维护检修人员进行检修选择分析,通过检修选择分析获取到选中终端,生成对应监管设备o的检修维护信号并将检修维护信号发送至对应检修维护人员的选中终端,实现自动且合理选中对应维护检修人员进行设备维护检修,在保证维护检修效率的同时还有助于保证维护检修效果。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (9)
1.一种工业设备物联网数据采集方法,其特征在于,包括以下步骤:
步骤一、工业设备数据采集模块采集对应监管设备o所需监测采集的运行数据并将对应运行数据经数据采集分析平台发送至数据比对诊断模块;
步骤二、数据比对诊断模块将对应监管设备o的所有类型的运行数据进行逐一诊断,若所有类型的运行数据均正常则判断对应监管设备o的运行正常,否则进行步骤三;
步骤三、参数异常危害性分析模块将对应监管设备o进行参数异常危害性分析并判断对应监管设备o是否运行异常,在判断对应监管设备o运行异常时将运行风险预警信号经数据采集分析平台发送至终端选择模块;
步骤四、终端选择模块将对应监管设备o的维护检修人员进行检修选择分析以获取到选中终端,生成对应监管设备o的检修维护信号并将检修维护信号发送至对应选中终端。
2.一种工业设备物联网数据采集系统,其特征在于,包括数据采集分析平台,数据采集分析平台将监管范围内的工业设备标记为监管设备o,o=1,2,…,m,m表示对应监管范围内的工业设备数目且m为大于1的正整数;数据采集分析平台包括工业设备数据采集模块、数据比对诊断模块、参数异常危害性分析模块和终端选择模块;工业设备数据采集模块,用于采集对应监管设备o所需监测采集的运行数据并将对应运行数据经数据采集分析平台发送至数据比对诊断模块;数据比对诊断模块,用于将对应监管设备o的所有类型的运行数据进行逐一诊断,若所有类型的运行数据均正常时则判断对应监管设备o的运行正常,否则将对应监管设备o所有类型的运行数据的诊断信息经数据采集分析平台发送至参数异常危害性分析模块;
参数异常危害性分析模块,用于将对应监管设备o进行参数异常危害性分析并判断对应监管设备o是否运行异常,在判断对应监管设备o运行异常时生成运行风险预警信号,将运行风险预警信号经数据采集分析平台发送至终端选择模块;终端选择模块,用于获取到对应监管设备o的维护检修人员的智能终端,并将对应智能终端的维护检修人员进行检修选择分析,通过检修选择分析获取到选中终端,生成对应监管设备o的检修维护信号并将检修维护信号发送至对应选中终端。
3.根据权利要求2所述的一种工业设备物联网数据采集系统,其特征在于,数据比对诊断模块的具体运行过程包括:
获取到检测时点对应监管设备o的所有类型的运行数据,将对应监管设备o对应类型的运行数据标记为分析参数i,i=1,2,…,n,n表示工业设备所需采集监测的数据类型数量且n为大于1的正整数;调取对应监管设备o对应分析参数i的预设参数评估范围,将对应分析参数i的数值与预设参数评估范围进行比较,若对应分析参数i的数值位于对应预设参数评估范围内,则判断对应参数正常并将对应参数标记为合格参数;
若对应分析参数i的数值未处于对应预设参数评估范围内,则判断对应参数不正常并将对应参数标记为不良参数;若检测时点对应监管设备o的运行数据中不存在不良参数,则判断对应检测时点对应监管设备o的运行正常,若检测时点对应监管设备o的运行数据中存在不良参数,则将对应检测时点对应监管设备o的不良参数和合格参数经数据采集分析平台发送至参数异常危害性分析模块。
4.根据权利要求3所述的一种工业设备物联网数据采集系统,其特征在于,参数异常危害性分析模块的具体运行过程包括:
通过分析获取到检测时点对应监管设备o的异常参数占比值和设备风险系数,调取对应监管设备o的预设异常参数占比阈值和预设设备风险阈值,将对应监管设备o的异常参数占比值和设备风险系数与对应的预设异常参数占比阈值和预设设备风险阈值分别进行数值比较,若异常参数占比值和设备风险系数均小于等于对应阈值,则判断对应检测时点对应监管设备o运行正常,其余情况则判断对应检测时点对应监管设备o运行异常并生成运行风险预警信号。
5.根据权利要求4所述的一种工业设备物联网数据采集系统,其特征在于,对应监管设备o的异常参数占比值和设备风险系数的分析获取方法如下:
获取到检测时点对应监管设备o的合格参数和不良参数,将不良参数的数量与数值n进行比值计算获取到检测时点对应监管设备o的异常参数占比值;将不良参数的数值与对应预设参数评估范围的偏离差值标记为对应不良参数的参数差幅值,调取不良参数的对应预设危害系数,将不良参数的参数差幅值与对应预设危害系数相乘并将两者乘积标记为对应不良参数的参数风险值;将合格参数的参数风险值赋予数值零,将对应监管设备o的所有分析参数i的参数风险值进行求和计算获取到设备风险系数。
6.根据权利要求2所述的一种工业设备物联网数据采集系统,其特征在于,终端选择分析模块的具体运行过程包括:
获取到对应监管设备o对应检修维护人员的智能终端,将对应智能终端的检修维护人员标记为分析人员u,u=1,2,…,k,k表示对应监管设备o的维护检修人员数量且k为大于1的正整数;获取到对应监管设备o的位置和对应分析人员u的位置,基于对应监管设备o的位置和对应分析人员u的位置获取到对应分析人员u的检修间距值;
通过分析获取到对应分析人员u的维护经验值,将对应分析人员u的检修间距值和维护经验值进行数值计算获取到检修选择系数,将对应监管设备o对应所有检修维护人员的检修选择系数按照由大到小进行排序,将检修选择系数数值最大的检修维护人员标记为选中人员,将选中人员的智能终端标记为选中终端。
7.根据权利要求6所述的一种工业设备物联网数据采集系统,其特征在于,维护经验值的分析获取方法如下:
获取到对应分析人员u的入职时长和对应分析人员u进行工业设备的检修维护频次,以及获取到对应分析人员u的每次检修维护时长,将对应分析人员u的每次检修维护时长进行求和计算获取到检修总时值,将对应分析人员u的入职时长、检修维护频次和检修总时值进行数值计算获取到对应分析人员u的维护经验值。
8.根据权利要求2所述的一种工业设备物联网数据采集系统,其特征在于,数据采集分析平台还包括多时段数据汇总模块,若对应监管设备o相邻若干组检测时点均运行正常,数据采集分析平台生成多时段汇总分析信号并将多时段汇总分析信号发送至多时段数据汇总模块,多时段数据汇总模块接收到多时段数据汇总信号后将对应监管设备o进行多时段汇总分析,通过多时段汇总分析生成关联时段运行合格信号或关联时段运行不合格信号,并经数据采集分析平台将关联时段运行不合格信号发送至终端选择模块。
9.根据权利要求8所述的一种工业设备物联网数据采集系统,其特征在于,多时段数据汇总模块的具体运行过程包括:
获取到对应监管设备o相邻h组检测时点的设备风险系数,若对应检测时点对应监管设备o的运行数据中不存在不良参数,则将对应检测时点对应监管设备o的设备风险值赋予数值零,以时间为X轴、设备风险值为Y轴建立直角坐标系,按照时间顺序将对应相邻h组检测时点的设备风险值标入直角坐标系中以生成h个风险坐标点,通过线段将相邻两组风险坐标点相连以生成(h-1)组风险评估线段;获取到斜率值最大的风险评估线段并标记为高波动风险评估线段,将高波动风险评估线段的斜率值标记为高波动幅度值;
获取到每组风险评估线段的斜率值,将(h-1)组风险评估线段的斜率值建立风险斜率集合,将风险斜率集合进行方差计算获取到风险波动值,将风险波动值和高波动幅度值进行数值计算获取到关联时段波动系数;调取对应监管设备o的预设关联时段波动阈值,将关联时段波动系数与关联时段波动阈值进行数值比较,若关联时段波动系数大于等于预设关联时段波动阈值,则生成关联时段运行不合格信号,若关联时段波动系数小于预设关联时段波动阈值,则生成关联时段运行合格信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310319994.2A CN116360367A (zh) | 2023-03-29 | 2023-03-29 | 一种工业设备物联网数据采集方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310319994.2A CN116360367A (zh) | 2023-03-29 | 2023-03-29 | 一种工业设备物联网数据采集方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116360367A true CN116360367A (zh) | 2023-06-30 |
Family
ID=86907012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310319994.2A Pending CN116360367A (zh) | 2023-03-29 | 2023-03-29 | 一种工业设备物联网数据采集方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116360367A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116678368A (zh) * | 2023-07-28 | 2023-09-01 | 山东德丰重工有限公司 | 基于bim技术的装配式钢结构数据智能采集方法 |
CN116882974A (zh) * | 2023-07-12 | 2023-10-13 | 山东德能物联科技有限公司 | 一种基于物联网的固定资产管理系统 |
CN117149576A (zh) * | 2023-09-18 | 2023-12-01 | 湖南湘谷大数据科技有限公司 | 一种数据中心的设备状态监控方法及系统 |
CN117440266A (zh) * | 2023-12-20 | 2024-01-23 | 杨凌职业技术学院 | 一种基于遥感技术的林业病虫害监测系统 |
CN117518939A (zh) * | 2023-12-06 | 2024-02-06 | 广州市顺风船舶服务有限公司 | 一种基于大数据的工业控制系统 |
CN117991708A (zh) * | 2024-04-03 | 2024-05-07 | 福建智联万物科技有限公司 | 基于物联网工业自动预警系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105484724A (zh) * | 2014-09-18 | 2016-04-13 | 中国石油化工股份有限公司 | 一种钻井井下异常监测方法 |
CN112734138A (zh) * | 2021-01-27 | 2021-04-30 | 珠海格力电器股份有限公司 | 一种故障预警方法、装置、设备及存储介质 |
CN115744839A (zh) * | 2022-12-30 | 2023-03-07 | 杭州辰睿空分设备制造有限公司 | 基于物联网的制氮制氧设备远程控制方法 |
CN115825635A (zh) * | 2023-02-16 | 2023-03-21 | 中国船舶集团有限公司第七一九研究所 | 一种船舶机舱机电设备状态监测及故障诊断方法 |
-
2023
- 2023-03-29 CN CN202310319994.2A patent/CN116360367A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105484724A (zh) * | 2014-09-18 | 2016-04-13 | 中国石油化工股份有限公司 | 一种钻井井下异常监测方法 |
CN112734138A (zh) * | 2021-01-27 | 2021-04-30 | 珠海格力电器股份有限公司 | 一种故障预警方法、装置、设备及存储介质 |
CN115744839A (zh) * | 2022-12-30 | 2023-03-07 | 杭州辰睿空分设备制造有限公司 | 基于物联网的制氮制氧设备远程控制方法 |
CN115825635A (zh) * | 2023-02-16 | 2023-03-21 | 中国船舶集团有限公司第七一九研究所 | 一种船舶机舱机电设备状态监测及故障诊断方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116882974A (zh) * | 2023-07-12 | 2023-10-13 | 山东德能物联科技有限公司 | 一种基于物联网的固定资产管理系统 |
CN116882974B (zh) * | 2023-07-12 | 2024-03-08 | 山东德能物联科技有限公司 | 一种基于物联网的固定资产管理系统 |
CN116678368A (zh) * | 2023-07-28 | 2023-09-01 | 山东德丰重工有限公司 | 基于bim技术的装配式钢结构数据智能采集方法 |
CN116678368B (zh) * | 2023-07-28 | 2023-10-17 | 山东德丰重工有限公司 | 基于bim技术的装配式钢结构数据智能采集方法 |
CN117149576A (zh) * | 2023-09-18 | 2023-12-01 | 湖南湘谷大数据科技有限公司 | 一种数据中心的设备状态监控方法及系统 |
CN117149576B (zh) * | 2023-09-18 | 2024-03-29 | 湖南湘谷大数据科技有限公司 | 一种数据中心的设备状态监控方法及系统 |
CN117518939A (zh) * | 2023-12-06 | 2024-02-06 | 广州市顺风船舶服务有限公司 | 一种基于大数据的工业控制系统 |
CN117440266A (zh) * | 2023-12-20 | 2024-01-23 | 杨凌职业技术学院 | 一种基于遥感技术的林业病虫害监测系统 |
CN117440266B (zh) * | 2023-12-20 | 2024-04-05 | 杨凌职业技术学院 | 一种基于遥感技术的林业病虫害监测系统 |
CN117991708A (zh) * | 2024-04-03 | 2024-05-07 | 福建智联万物科技有限公司 | 基于物联网工业自动预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116360367A (zh) | 一种工业设备物联网数据采集方法及系统 | |
CN116660669B (zh) | 一种电力设备故障在线监测系统及方法 | |
CN109613428A (zh) | 一种能像系统及其在电机设备故障检测方法中的应用 | |
CN116184926B (zh) | 一种面向塑料中空板的全自动智能生产线流程检测系统 | |
CN116026389A (zh) | 一种基于数据分析的智能传感器运行检测系统 | |
CN116351313B (zh) | 一种基于计算机控制的食品搅拌机智能控制系统 | |
CN116660672B (zh) | 基于大数据的电网设备故障诊断方法及系统 | |
CN116739384A (zh) | 基于5g无线通讯的矿用设备运行管理系统 | |
CN107247198A (zh) | 一种配电设备故障预测方法及装置 | |
CN116205637B (zh) | 基于物联网与工业大数据的智能工厂管理系统 | |
CN116893643A (zh) | 一种基于数据分析的智能机器人行驶轨迹安全管控系统 | |
CN114061770B (zh) | 一种分布式预制光纤母线测温系统 | |
CN117233541B (zh) | 一种配电网电力线路运行状态测量方法及测量系统 | |
CN115455358A (zh) | 基于非线性回归模型的电气参数趋势预警及故障诊断方法 | |
CN116125242A (zh) | 对象检测方法及系统 | |
CN114789468A (zh) | 一种自动故障检测及修复系统、方法、设备及终端 | |
CN115265635B (zh) | 一种基于数据分析的工业机器视觉检测管理系统 | |
CN117113104A (zh) | 一种应用数据分析技术的智能化管理系统及方法 | |
CN115587978B (zh) | 一种基于深度学习的地板革贴合压纹在线检测系统 | |
CN115452031A (zh) | 一种旋转编码开关生产用检测系统 | |
CN113487092A (zh) | 一种MiniLED高动态印制电路板的生产管理系统 | |
CN113487189A (zh) | 一种石化设备故障概率风险评估系统及评估方法 | |
CN117723208B (zh) | 一种基于多时段数据智能分析的连线机平衡性测试系统 | |
CN116302763B (zh) | Micro LED显示屏的触控检测方法及系统 | |
CN117474527B (zh) | 一种建筑施工安全标准评估方法 |
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 |