CN107122549A - 一种汽车焊接车间能耗的分析方法 - Google Patents
一种汽车焊接车间能耗的分析方法 Download PDFInfo
- Publication number
- CN107122549A CN107122549A CN201710293692.7A CN201710293692A CN107122549A CN 107122549 A CN107122549 A CN 107122549A CN 201710293692 A CN201710293692 A CN 201710293692A CN 107122549 A CN107122549 A CN 107122549A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- mrow
- msub
- data
- energy
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种汽车焊接生产车间能耗的分析方法,包括以下步骤:第一步,能源消耗分层;第二步,安装智能电表采集能耗数据;第三步,数据预处理;第四步,能耗数据整合;第五步,做关联性分析和异常分析;第六步,模拟仿真分析。本发明能够实现生产车间管理层对于汽车焊接生产车间能源消耗的实时采集和分析,进而进行合理的能源分配,提高车间的能源使用效率,达到节能减排的目的。
Description
技术领域
本发明涉及制造业中生产车间能耗的采集规划与分析,具体的涉及一种汽车焊接生产车间能耗的分析方法。
背景技术
世界能源消耗巨大,能源危机日益突出,引发的环境污染严重。有研究表明制造业的能耗比例高达全球近50%的能耗总量。中国作为世界第二大经济体,制造业是国民经济的重要组成部分,对中国经济的持续快速发展做出了贡献,但同时制造业也消耗了大量的能源和资源,造成了大量温室气体的排放以及酸雨的形成等环境问题,对人们的生产生活造成了一定的影响。
2009年,中国汽车工业产量首次突破千万大关,达到1379.1万辆,跃居世界第一位,如今中国已经连续七年蝉联汽车产量全球第一。目前,对汽车生产车间能耗进行管理分析的企业并不多。但企业的能耗管理的投入成本在运营成本中的比重逐步增大,表明企业也越来越重视对生产车间能耗数据的采集、分析,进而调整能源结构,制定科学高效的节能减排策略,达到节能减排,提高效益的目的。
现有的汽车焊接生产车间中,各个工艺段分工明确,工艺段中设备类型复杂多样,对车间的能耗数据采集困难。并且现有的能耗监测分析软件成本过高,需要对操作人员的培训,从而进一步增加了成本,而较为普适性的分析软件应用范围较大,对汽车焊接车间的能耗特点不具有针对性。CN 104834787A公开的“一种轴承磨床生产车间能耗的感知和分析方法”,步骤包括:首先,根据生产车间内的能耗设备把车间内的能耗分为辅助加工能耗、生产设备能耗与运输设备能耗等三大类,建立车间能耗模型,可以理清能耗的来源及组成,在此基础上减少或消除不必要的能源消耗,根据生产车间的布局研究能耗感知节点的部署分别进行能耗的感知获取。其次,利用来自车间能耗感知网络的能耗数据进行多维度分析处理生成多维度数据集立方体。第三,对得到的能耗数据进行多维度的分析,清楚车间设备能耗的由来,进而对其进行能耗的优化。实现了对整个车间能耗数据的采集检测、能耗相关基础信息管理和重点耗能机床的能耗分类统计以及能耗评估。但不能适用于汽车焊接生产车间能耗的分析。
发明内容
本发明的目的是提供一种汽车焊接生产车间能耗的分析方法,以实现生产车间管理层对于汽车焊接生产车间能源消耗的实时采集和分析,进而进行合理的能源分配,提高车间的能源使用效率,达到节能减排的目的。
本发明所述的一种汽车焊接生产车间能耗的分析方法,包括以下步骤:
第一步,能源消耗分层;根据汽车焊接生产能源消耗的组成关系将焊接生产车间的能源消耗分为三层,即焊机设备层、生产单元层和焊接车间层;
第二步,安装智能电表采集能耗数据;通过对焊机设备层、生产单元层和焊接车间层分别安装智能电表,并通过能耗采集网络采集生产开始和结束时能源消耗的数据Es和Ee,并记录下开始和结束的工作时间Ts和Te,以及这段时间内产出的产品数量N,并将能耗数据分类存于数据库;所述分类指能耗数据分为焊机设备类、生产单元类和焊接车间类和时间类;所述时间类分为时、天、月、季度和年等不同时间长度的划分类;
第三步,数据预处理;具体处理过程如下:
将各层采集的数据按照下列公式得到Ts至Te时段能耗的具体值E和单位产品能耗的具体值
E=Ee-Es
其中,E表示该层级Ts至Te时段总的能量消耗,Es表示Ts至Te时段开始时已有的能耗总量,Ee表示Ts至Te时段结束时的能耗总量,N表示该工作时段的产品生产量,表示单位产品的能源消耗量;
第四步,能耗数据整合;
数据整合规则包括焊接设备或生产单元的单位产品能耗数据、生产单元中同类型焊机设备的能耗数据,所述焊接设备或生产单元的单位产品能耗数据能够做异常分析,检测焊接设备或生产单元的是否有异常能源消耗;还包括不同生产单元的能耗数据、焊接设备能耗数据与产品生产量、焊接车间总能耗数据与产品生产量和焊机设备总能耗与焊接车间总能耗数据;所述焊接设备能耗数据与产品生产量能够做关联性分析,找出焊接能耗和产品生产量的关系;不同的数据整合分析得到不同的关联性评价指标,所述关联性评价指标包括:
焊机设备能耗层的焊机设备运行状态评价指标、焊机设备能耗与生产量的关系评价指标;
生产单元能耗层的能源利用率评价指标、焊接设备能耗与辅助焊接设备能耗的关系评价指标、生产单元能耗的对比关系评价指标、生产单元能耗与生产量的关系评价指标;
焊接车间能耗层的能源利用率评价指标、生产单元能耗在焊接车间总能耗中的占比关系评价指标、焊接车间能耗与生产量的关系评价指标;
第五步,做关联性分析和异常分析;
1)相关性分析;
评价指标的计算方法如下:
(1)焊机设备运行状态评价指标;
根据单位产品的能耗波动反应设备的运行状态;整合设备n个时段的单位产品能耗数据集Xw={x1,x2,…,xi,…,xn},则有:
其中,表示n个时段该设备的平均单位产品能耗,ηi表示第i时段的能耗相对变化量,(η1,η2,…,ηn)即为该设备在n个时段的能耗波动情况;
(2)能源利用率评价指标;
整合数据中读取相关数据,开始和结束的工作时间Ts和Te,设工作时间段为T,时间段T内生产单元的总能耗为ET,Mw为生产单元中焊接设备的数量,时间段T内生产单元中第i个焊接设备的能耗量为ETi,时间段T内焊接的总能耗为ETw,时间段T的能源利用率为PT,则有:
T=Te-Ts
(3)生产单元能耗的对比关系评价指标;
汽车车身的左车门和右车门属于对称结构,两个生产单元的能耗能形成鲜明的对比,左车门生产单元的单位产品能耗为Eli,右车门生产单元的单位产品能耗为Eri,第i个产品的左右车门能耗对比为Pi,则有:
(4)生产单元能耗在焊接车间总能耗的占比评价指标;
当生产单元个数为Mu,生产单元i的单位产品能耗量为Eui,生产车间的单位产品总能耗为Eu,Pui为生产单元i的能耗占比,则有:
2)异常分析;
将整合数据集应用基于密度的DBSCAN聚类方法进行数据挖掘,具体的聚类方法步骤如下:
(1)通过检查能耗数据集X={x1,x2,…,xi,…,xs}中每个点的ε-邻域寻找聚类;如果某个点xi的ε-邻域包含多于MinPts个点,则创建一个以xi作为核心对象的簇Xi;所述ε-邻域指给定对象半径ε内的区域;所述核心对象指这个对象的ε-邻域至少包含最小数目为MinPts个的对象;
(2)寻找从每个核心对象xi直接密度可达的对象;所述直接密度可达指给定一个对像集合X,如果xi是在xj的ε-邻域内,而xj是一个核心对象,那么对象xi从对象xj出发是直接密度可达的;
(3)核心对象xi直接密度可达的对象xj不是核心对象时,将该对象归到以xi作为核心对象的簇Xi里;核心对象xi直接密度可达的对象xj是核心对象时,将两个核心点xi、xj的簇Xi、Xj合并为一个簇;
(4)如果有新的对象添加到任何簇时,跳转到步骤(2);当没有新的对象可以被添加到任何簇时,过程结束;
聚类过程结束后,形成t个聚类簇X1,X2,…,Xi,…,Xt以及不包含在任何簇中的r个对象y1,y2,…,yi,…,yr,不包括在任何簇中的对象被认为是噪声点,噪声点即是能耗异常点;
第六步,模拟仿真分析;
基于建立的分层能耗数据采集方案和分析方法,采集汽车企业焊接生产车间的数据进行模拟分析;
1)将生产单元层分为下车体、白车身和整车体三部分采集的能耗;下车体能耗为3406kwh,白车身能耗为3091kwh,整车体能耗为3242kwh;
完成下车体焊接任务的能耗占比为32%,完成白车身的焊接任务的能耗占比为29%,完成整车体的焊接任务的能耗占比为30%,其余的9%即为空调和照明等辅助生产能耗;
2)焊接设备能耗聚类分析后聚类后得到的3个聚类簇,即为生产单元中焊接不同工位的焊机组的能耗数据;不在3个聚类簇的点即为噪声点,噪声点距离4个聚类簇相对较远,因此可能是异常的能源消耗,应对异常能源消耗的设备进行检修,排除异常。
本发明具有以下优点:
本发明提供的汽车焊接生产车间的能耗采集和分析对于合理分配能源,减少能源的消耗具有很大的参考价值,对于减少大量能源消耗所带来的环境问题具有借鉴意义。
基于焊机设备、生产单元和焊接车间的分层能耗数据采集和对汽车焊接生产各部分能耗的相关性分析和异常分析,有针对性地研究了汽车焊接生产的能源消耗特征,为提出有针对性的节能措施提供了依据;
本发明简单易行,成本较低,采集到的能耗数据和相关性分析对整个车间的优化布局具有指导性意义,并且提出的异常分析有助于发现异常能源消耗,提高能源使用效率节能减排。
附图说明
图1为本发明的流程示意图;
图2为焊接车间的能源框架图;
图3为智能电表布点图;
图4为异常分析的聚类结果图;
图5为焊接车间的能耗分布图。
具体实施方式
下面结合附图对本发明进一步详细说明。
参见图1所示,本发明的方法流程图如下:
(1)分析汽车焊接生产车间的能耗框架;
(2)基于分析的能耗框架采集能耗数据分类别存于数据库;
(3)预处理采集的能耗数据;
(4)基于预处理的能耗数据进行整合;
(5)基于整合的能耗数据做关联性分析或用聚类做异常分析;
(6)基于建立的采集方案和分析方法进行模拟仿真分析。
本发明所述的一种汽车焊接生产车间能耗的分析方法,包括以下步骤:
第一步,能源消耗分层;参见图2,根据汽车焊接生产能源消耗的组成关系将焊接生产车间的能源消耗分为三层,即焊机设备层、生产单元层和焊接车间层;
所述焊机设备层包括多种焊机设备;所述多类焊机设备为点焊机、CO2焊机、螺柱焊机、自动焊机和其它电焊机设备;
所述生产单元层包括多种焊机设备、传输设备和辅助焊接设备;所述辅助焊接设备包括修磨机、翻转电机、胶泵和夹具;所述焊机设备、传输设备和辅助焊接设备共同完成汽车车身某个部件的焊接任务;
所述焊接车间层不仅包括多种焊机设备和所有的生产单元层的传输设备和辅助焊接设备,还包括照明和空调辅助生产设备;
第二步,安装智能电表采集能耗数据;参见图3,通过对焊机设备层、生产单元层和焊接车间层分别安装智能电表,并通过能耗采集网络采集生产开始和结束时能源消耗的数据Es和Ee,并记录下开始和结束的工作时间Ts和Te,以及这段时间内产出的产品数量N,并将能耗数据分类存于数据库;
所述分类指能耗数据分为焊机设备类、生产单元类和焊接车间类和时间类;所述时间类分为时、天、月、季度和年等不同时间长度的划分类;
第三步,数据预处理;数据的预处理是将采集的原始数据经过加工得到该层级该工作时段的总能耗和单位产品能耗,为后续的关联性分析和异常分析提供数据支持;具体处理过程如下:
将各层采集的数据按照下列公式得到Ts至Te时段能耗的具体值E和单位产品能耗的具体值
E=Ee-Es
其中,E表示该层级Ts至Te时段总的能量消耗,Es表示Ts至Te时段开始时已有的能耗总量,Ee表示Ts至Te时段结束时的能耗总量,N表示该工作时段的产品生产量,表示单位产品的能源消耗量;
第四步,能耗数据整合;汽车焊接生产车间采集的数据种类很多,基于这些能耗数据,对特定的能耗数据分析会有不同的关联性规则和异常检测结果,因此将能耗数据整合使得做关联性分析和异常分析变得有意义;
不同的数据整合分析得到不同的关联性评价指标,所述关联性评价指标包括:
焊机设备能耗层的焊机设备运行状态评价指标、焊机设备能耗与生产量的关系评价指标;
生产单元能耗层的能源利用率评价指标、焊接设备能耗与辅助焊接设备能耗的关系评价指标、生产单元能耗的对比关系评价指标、生产单元能耗与生产量的关系评价指标;
焊接车间能耗层的能源利用率评价指标、生产单元能耗在焊接车间总能耗中的占比关系评价指标、焊接车间能耗与生产量的关系评价指标;
数据整合规则包括焊接设备或生产单元的单位产品能耗数据、生产单元中同类型焊机设备的能耗数据,所述焊接设备或生产单元的单位产品能耗数据能够做异常分析,检测焊接设备或生产单元的是否有异常能源消耗;还包括不同生产单元的能耗数据、焊接设备能耗数据与产品生产量、焊接车间总能耗数据与产品生产量和焊机设备总能耗与焊接车间总能耗数据;所述焊接设备能耗数据与产品生产量能够做关联性分析,找出焊接能耗和产品生产量的关系;
第五步,做关联性分析或异常分析;
1)相关性分析;
(1)焊机设备运行状态评价指标;
以焊接设备层的焊机为例说明,每个焊机设备的能耗都会有波动,单位产品的能耗应趋于平稳,根据单位产品的能耗波动反应设备的运行状态;整合设备n个时段的单位产品能耗数据集Xw={x1,x2,…,xi,…,xn},则有:
其中,表示n个时段该设备的平均单位产品能耗,ηi表示第i时段的能耗相对变化量,(η1,η2,…,ηn)即为该设备在n个时段的能耗波动情况;
(2)能源利用率评价指标;
以生产单元层中的生产单元为例说明,汽车焊接生产车间主要完成汽车车身的焊接任务,那么焊接能耗的比重就反映了能源的利用效率。整合数据中读取相关数据,开始和结束的工作时间Ts和Te,设工作时间段为T,时间段T内生产单元的总能耗为ET,Mw为生产单元中焊接设备的数量,时间段T内生产单元中第i个焊接设备的能耗量为ETi,时间段T内焊接的总能耗为ETw,时间段T的能源利用率为PT,则有:
T=Te-Ts
(3)生产单元能耗的对比关系评价指标;
以生产单元层中的车身部件划分的左车门和右车门为例说明,汽车车身的左车门和右车门属于对称结构,两个生产单元的能耗能形成鲜明的对比,左车门生产单元的单位产品能耗为Eli,右车门生产单元的单位产品能耗为Eri,第i个产品的左右车门能耗对比为Pi,则有:
(4)生产单元能耗在焊接车间总能耗的占比评价指标;
当生产单元个数为Mu,生产单元i的单位产品能耗量为Eui,生产车间的单位产品总能耗为Eu,Pui为生产单元i的能耗占比,则有:
2)异常分析;
将整合数据集应用基于密度的DBSCAN聚类方法进行数据挖掘,具体的聚类方法步骤如下:
(1)通过检查能耗数据集X={x1,x2,…,xi,…,xs}中每个点的ε-邻域寻找聚类;如果某个点xi的ε-邻域包含多于MinPts个点,则创建一个以xi作为核心对象的簇Xi;所述ε-邻域指给定对象半径ε内的区域;所述核心对象指这个对象的ε-邻域至少包含最小数目为MinPts个的对象;
(2)寻找从每个核心对象xi直接密度可达的对象;所述直接密度可达指给定一个对像集合X,如果xi是在xj的ε-邻域内,而xj是一个核心对象,那么对象xi从对象xj出发是直接密度可达的;
(3)核心对象xi直接密度可达的对象xj不是核心对象时,将该对象归到以xi作为核心对象的簇Xi里;核心对象xi直接密度可达的对象xj是核心对象时,将两个核心点xi、xj的簇Xi、Xj合并为一个簇;
(4)如果有新的对象添加到任何簇时,跳转到步骤(2);当没有新的对象可以被添加到任何簇时,过程结束;
聚类过程结束后,形成t个聚类簇X1,X2,…,Xi,…,Xt以及不包含在任何簇中的r个对象y1,y2,…,yi,…,yr,不包括在任何簇中的对象被认为是噪声点,噪声点即是能耗异常点;
第六步,模拟仿真分析;
基于建立的分层能耗数据采集方案和分析方法,采集汽车企业焊接生产车间的数据进行模拟分析;
1)将生产单元层分为下车体、白车身和整车体三部分采集的能耗;下车体能耗为3406kwh,白车身能耗为3091kwh,整车体能耗为3242kwh;
完成下车体焊接任务的能耗占比为32%,完成白车身的焊接任务的能耗占比为29%,完成整车体的焊接任务的能耗占比为30%,其余的9%即为空调和照明等辅助生产能耗,参见图4;
2)焊接设备能耗聚类分析后聚类后得到的3个聚类簇,即为生产单元中焊接不同工位的焊机组的能耗数据;参见图5,不在3个聚类簇的点即为噪声点,噪声点距离4个聚类簇相对较远,因此可能是异常的能源消耗,应对异常能源消耗的设备进行检修,排除异常。
需要说明的是,图4和图5所示的能耗数据仅为参考值,并非对本发明技术方案的限定。
此外,基于所述分层结构采集的能耗数据可以通过不同生产单元分类和不同的整合过程得到不同的能耗数据集结构,并进行不同的能耗设备关联性分析,为提高能效、节约能源和减少排放提供参考依据。
Claims (1)
1.一种汽车焊接生产车间能耗的分析方法,包括以下步骤:
第一步,能源消耗分层;根据汽车焊接生产能源消耗的组成关系将焊接生产车间的能源消耗分为三层,即焊机设备层、生产单元层和焊接车间层;
第二步,安装智能电表采集能耗数据;通过对焊机设备层、生产单元层和焊接车间层分别安装智能电表,并通过能耗采集网络采集生产开始和结束时能源消耗的数据Es和Ee,并记录下开始和结束的工作时间Ts和Te,以及这段时间内产出的产品数量N,并将能耗数据分类存于数据库;所述分类指能耗数据分为焊机设备类、生产单元类和焊接车间类和时间类;所述时间类分为时、天、月、季度和年等不同时间长度的划分类;
第三步,数据预处理;具体处理过程如下:
将各层采集的数据按照下列公式得到Ts至Te时段能耗的具体值E和单位产品能耗的具体值
E=Ee-Es
<mrow>
<mover>
<mi>E</mi>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mi>E</mi>
<mo>/</mo>
<mi>N</mi>
</mrow>
其中,E表示该层级Ts至Te时段总的能量消耗,Es表示Ts至Te时段开始时已有的能耗总量,Ee表示Ts至Te时段结束时的能耗总量,N表示该工作时段的产品生产量,表示单位产品的能源消耗量;
第四步,能耗数据整合;
数据整合规则包括焊接设备或生产单元的单位产品能耗数据、生产单元中同类型焊机设备的能耗数据,所述焊接设备或生产单元的单位产品能耗数据能够做异常分析,检测焊接设备或生产单元的是否有异常能源消耗;还包括不同生产单元的能耗数据、焊接设备能耗数据与产品生产量、焊接车间总能耗数据与产品生产量和焊机设备总能耗与焊接车间总能耗数据;所述焊接设备能耗数据与产品生产量能够做关联性分析,找出焊接能耗和产品生产量的关系;不同的数据整合分析得到不同的关联性评价指标,所述关联性评价指标包括:
焊机设备能耗层的焊机设备运行状态评价指标、焊机设备能耗与生产量的关系评价指标;
生产单元能耗层的能源利用率评价指标、焊接设备能耗与辅助焊接设备能耗的关系评价指标、生产单元能耗的对比关系评价指标、生产单元能耗与生产量的关系评价指标;
焊接车间能耗层的能源利用率评价指标、生产单元能耗在焊接车间总能耗中的占比关系评价指标、焊接车间能耗与生产量的关系评价指标;
第五步,做关联性分析和异常分析;
1)相关性分析;
评价指标的计算方法如下:
(1)焊机设备运行状态评价指标;
根据单位产品的能耗波动反应设备的运行状态;整合设备n个时段的单位产品能耗数据集Xw={x1,x2,…,xi,…,xn},则有:
<mrow>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
<mi>n</mi>
</mfrac>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&eta;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
</mfrac>
<mo>*</mo>
<mn>100</mn>
<mi>%</mi>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,表示n个时段该设备的平均单位产品能耗,ηi表示第i时段的能耗相对变化量,(η1,η2,…,ηn)即为该设备在n个时段的能耗波动情况;
(2)能源利用率评价指标;
整合数据中读取相关数据,开始和结束的工作时间Ts和Te,设工作时间段为T,时间段T内生产单元的总能耗为ET,Mw为生产单元中焊接设备的数量,时间段T内生产单元中第i个焊接设备的能耗量为ETi,时间段T内焊接的总能耗为ETw,时间段T的能源利用率为PT,则有:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>T</mi>
<mo>=</mo>
<msub>
<mi>T</mi>
<mi>e</mi>
</msub>
<mo>-</mo>
<msub>
<mi>T</mi>
<mi>s</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>T</mi>
<mi>w</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>M</mi>
<mi>w</mi>
</msub>
</munderover>
<msub>
<mi>E</mi>
<mrow>
<mi>T</mi>
<mi>i</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mi>T</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>E</mi>
<mrow>
<mi>T</mi>
<mi>w</mi>
</mrow>
</msub>
<msub>
<mi>E</mi>
<mi>T</mi>
</msub>
</mfrac>
<mo>*</mo>
<mn>100</mn>
<mi>%</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msub>
<mi>M</mi>
<mi>w</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
(3)生产单元能耗的对比关系评价指标;
汽车车身的左车门和右车门属于对称结构,两个生产单元的能耗能形成鲜明的对比,左车门生产单元的单位产品能耗为Eli,右车门生产单元的单位产品能耗为Eri,第i个产品的左右车门能耗对比为Pi,则有:
<mrow>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>E</mi>
<mrow>
<mi>l</mi>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>E</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
</mrow>
</msub>
</mfrac>
<mo>*</mo>
<mn>100</mn>
<mi>%</mi>
</mrow>
(4)生产单元能耗在焊接车间总能耗的占比评价指标;
当生产单元个数为Mu,生产单元i的单位产品能耗量为Eui,生产车间的单位产品总能耗为Eu,Pui为生产单元i的能耗占比,则有:
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>u</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>E</mi>
<mrow>
<mi>u</mi>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>E</mi>
<mi>u</mi>
</msub>
</mfrac>
<mo>*</mo>
<mn>100</mn>
<mi>%</mi>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>M</mi>
<mi>u</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
2)异常分析;
将整合数据集应用基于密度的DBSCAN聚类方法进行数据挖掘,具体的聚类方法步骤如下:
(1)通过检查能耗数据集X={x1,x2,…,xi,…,xs}中每个点的ε-邻域寻找聚类;如果某个点xi的ε-邻域包含多于MinPts个点,则创建一个以xi作为核心对象的簇Xi;所述ε-邻域指给定对象半径ε内的区域;所述核心对象指这个对象的ε-邻域至少包含最小数目为MinPts个的对象;
(2)寻找从每个核心对象xi直接密度可达的对象;所述直接密度可达指给定一个对像集合X,如果xi是在xj的ε-邻域内,而xj是一个核心对象,那么对象xi从对象xj出发是直接密度可达的;
(3)核心对象xi直接密度可达的对象xj不是核心对象时,将该对象归到以xi作为核心对象的簇Xi里;核心对象xi直接密度可达的对象xj是核心对象时,将两个核心点xi、xj的簇Xi、Xj合并为一个簇;
(4)如果有新的对象添加到任何簇时,跳转到步骤(2);当没有新的对象可以被添加到任何簇时,过程结束;
聚类过程结束后,形成t个聚类簇X1,X2,…,Xi,…,Xt以及不包含在任何簇中的r个对象y1,y2,…,yi,…,yr,不包括在任何簇中的对象被认为是噪声点,噪声点即是能耗异常点;
第六步,模拟仿真分析;
基于建立的分层能耗数据采集方案和分析方法,采集汽车企业焊接生产车间的数据进行模拟分析;
1)将生产单元层分为下车体、白车身和整车体三部分采集的能耗;下车体能耗为3406kwh,白车身能耗为3091kwh,整车体能耗为3242kwh;
完成下车体焊接任务的能耗占比为32%,完成白车身的焊接任务的能耗占比为29%,完成整车体的焊接任务的能耗占比为30%,其余的9%即为空调和照明等辅助生产能耗;
2)焊接设备能耗聚类分析后聚类后得到的3个聚类簇,即为生产单元中焊接不同工位的焊机组的能耗数据;不在3个聚类簇的点即为噪声点,噪声点距离4个聚类簇相对较远,因此可能是异常的能源消耗,应对异常能源消耗的设备进行检修,排除异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710293692.7A CN107122549A (zh) | 2017-04-28 | 2017-04-28 | 一种汽车焊接车间能耗的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710293692.7A CN107122549A (zh) | 2017-04-28 | 2017-04-28 | 一种汽车焊接车间能耗的分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107122549A true CN107122549A (zh) | 2017-09-01 |
Family
ID=59726117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710293692.7A Pending CN107122549A (zh) | 2017-04-28 | 2017-04-28 | 一种汽车焊接车间能耗的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107122549A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109597360A (zh) * | 2018-04-09 | 2019-04-09 | 万洲电气股份有限公司 | 一种智能优化节能系统工艺管控优化节能的方法 |
CN110188810A (zh) * | 2019-05-23 | 2019-08-30 | 西北工业大学 | 一种基于密度聚类的在线野值检测、识别与修正方法 |
CN110264056A (zh) * | 2019-06-11 | 2019-09-20 | 首钢京唐钢铁联合有限责任公司 | 一种电量消耗的分析方法及系统 |
CN116805037A (zh) * | 2023-08-28 | 2023-09-26 | 深圳联友科技有限公司 | 一种基于数据分析的能源消耗预测方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130024141A1 (en) * | 2011-07-24 | 2013-01-24 | Manish Marwah | Energy consumption analysis using node similarity |
CN104299167A (zh) * | 2014-09-11 | 2015-01-21 | 国家电网公司 | 一种智能用能系统用户电力数据的用能分析方法 |
CN104834787A (zh) * | 2015-05-18 | 2015-08-12 | 江南大学 | 轴承磨床生产车间能耗的感知和分析方法 |
CN106228270A (zh) * | 2016-07-27 | 2016-12-14 | 广东工业大学 | 一种大数据驱动的挤压设备的能耗预测方法及其系统 |
-
2017
- 2017-04-28 CN CN201710293692.7A patent/CN107122549A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130024141A1 (en) * | 2011-07-24 | 2013-01-24 | Manish Marwah | Energy consumption analysis using node similarity |
CN104299167A (zh) * | 2014-09-11 | 2015-01-21 | 国家电网公司 | 一种智能用能系统用户电力数据的用能分析方法 |
CN104834787A (zh) * | 2015-05-18 | 2015-08-12 | 江南大学 | 轴承磨床生产车间能耗的感知和分析方法 |
CN106228270A (zh) * | 2016-07-27 | 2016-12-14 | 广东工业大学 | 一种大数据驱动的挤压设备的能耗预测方法及其系统 |
Non-Patent Citations (6)
Title |
---|
于忠智: "《经济指标实用手册》", 30 April 1993, 辽宁大学出版社 * |
周园: "《互联网+"建筑智慧能源管控技术与应用》", 31 March 2017 * |
康绍迪等: "《统计原理与工业统计》", 31 August 1990 * |
机械工业企业管理手册编辑委员会: "《机械工业企业管理手册 十三、能源管理》", 31 May 1988 * |
煤炭企业能源管理丛书编委会: "《能源管理方法》", 30 November 2014 * |
董孟能等: "《重庆既有公共建筑节能改造技术手册》", 31 August 2016, 重庆大学出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109597360A (zh) * | 2018-04-09 | 2019-04-09 | 万洲电气股份有限公司 | 一种智能优化节能系统工艺管控优化节能的方法 |
CN110188810A (zh) * | 2019-05-23 | 2019-08-30 | 西北工业大学 | 一种基于密度聚类的在线野值检测、识别与修正方法 |
CN110264056A (zh) * | 2019-06-11 | 2019-09-20 | 首钢京唐钢铁联合有限责任公司 | 一种电量消耗的分析方法及系统 |
CN110264056B (zh) * | 2019-06-11 | 2023-04-07 | 首钢京唐钢铁联合有限责任公司 | 一种电量消耗的分析方法及系统 |
CN116805037A (zh) * | 2023-08-28 | 2023-09-26 | 深圳联友科技有限公司 | 一种基于数据分析的能源消耗预测方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Emergy-based evaluation and improvement for sustainable manufacturing systems considering resource efficiency and environment performance | |
Galvão et al. | Circular economy: Overview of barriers | |
Pang et al. | Achieving environmental sustainability in manufacture: A 28-year bibliometric cartography of green manufacturing research | |
Cui et al. | Bibliometric and review of the research on circular economy through the evolution of Chinese public policy | |
CN107122549A (zh) | 一种汽车焊接车间能耗的分析方法 | |
CN104407589B (zh) | 面向车间制造过程的实时生产性能主动感知与异常分析方法 | |
CN103473619A (zh) | 一种基于网络架构的分析方法及其应用 | |
Vakulenko et al. | A systematic literature review of smart grids | |
CN105654240A (zh) | 机床产品制造系统能效分析方法 | |
Wu et al. | Inputs optimization to reduce the undesirable outputs by environmental hazards: A DEA model with data of PM 2.5 in China | |
Saihi et al. | Maintenance and sustainability: a systematic review of modeling-based literature | |
CN103543697B (zh) | 交通隧道设备集群式智能控制方法 | |
WO2023020194A1 (zh) | 一种基于随机森林和支持向量机的能源数据异常原因分析方法 | |
Ma et al. | Economic operation evaluation of active distribution network based on fuzzy Borda method | |
CN109325641A (zh) | 一种工业能效管理系统及方法 | |
Wu et al. | The pattern, evolution, and mechanism of venture capital flows in the Guangdong-Hong Kong-Macao Greater Bay Area, China | |
Xu et al. | Applying data mining techniques for technology prediction in new energy vehicle: a case study in China | |
Lin et al. | The heterogeneous effects of environmental regulation on industrial carbon emission efficiency in China using a panel quantile regression | |
Li et al. | Global industrial park research trends: a bibliometric analysis from 1987 to 2016 | |
Chen et al. | Eco-innovative design of product service systems by using the substance-field analysis method | |
CN105550417A (zh) | 一种电动汽车全生命周期温室气体排放评估测算方法 | |
CN112200480A (zh) | 用于发动机缸盖全生命周期评价的数据收集方法 | |
CN117391237A (zh) | 省级碳排放及其交易规模预测方法、系统、设备及介质 | |
CN107274100A (zh) | 基于电力大数据的经济预警分析方法 | |
CN102004855A (zh) | 碳足迹的工程控制方法与评价层次模型 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20181017 Address after: 401133 room 208, 2 house, 39 Yonghe Road, Yu Zui Town, Jiangbei District, Chongqing Applicant after: Chongqing Changan New Energy Automotive Technology Co., Ltd. Address before: 400023, No. 260, Jianxin East Road, Jiangbei District, Chongqing Applicant before: Chongqing Changan Automobile Co., Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170901 |