CN107291830A

CN107291830A - 一种设备知识库的创建方法

Info

Publication number: CN107291830A
Application number: CN201710391285.XA
Authority: CN
Inventors: 杨军; 刘亚宾; 杨志伟; 常涛
Original assignee: Ningxia Kocel Pattern Co Ltd
Current assignee: Ningxia Kocel Pattern Co Ltd
Priority date: 2017-05-27
Filing date: 2017-05-27
Publication date: 2017-10-24

Abstract

本发明公开了设备运维领域内的一种设备知识库的创建方法，包括以下步骤：数据积累阶段，进行数据采集，并将采集到的数据进行数据处理，再将处理后的数据进行存储，生成数据库；需求驱动阶段，通过数据模型配合判据对数据库内的数据进行判断处理，并定位至具体的故障点，同时，输出对应故障的建议措施；知识应用阶段，与SCADA、MES、远程运维监控及系统管理软件对接实现知识应用，本发明通过数据采集、数据处理、数据模型、代码索引、建议措施与知识应用阶段，实现设备知识库有针对性的快速搭建与维护，并具有设备定位、问题识别及开放性集成的功能，可用于设备的运维中。

Description

一种设备知识库的创建方法

技术领域

本发明涉及一种设别知识库，特别涉及一种设备知识库创建方法。

背景技术

知识库是指某一领域有关常识、标准、工艺、经验、运算法则等知识和事实数据，以数据形式在计算机中存储、组织、管理和使用的知识集合，可引导或取代人为决策。

在设备运维层面，不论是前三次工业革命所强调要解决的可见问题，如提升设备效率和可靠性、避免设备故障与安全问题，还是第四次工业革命所强调要解决的不可见问题，如设备性能下降、健康衰退、零部件磨损、运行风险升高等，均少不了设备知识库的参与。因而设备知识库的创建与维护，是设备运维故障检测、故障隔离、故障预测、健康评估及维护决策等各项功能实现的前提。

现有技术中，公开了一种专家诊断服务系统，申请号为201610655416.6。该发明提供了一种专家诊断服务系统，包括数据获取模块和身份认证模块，还包含数据诊断模块，用于分析所述数据获取模块得到的异常数据；数据优化模块，用于分析所述数据获取模块得到的常规数据。通过本发明，可以让集团第一时间掌握下属企业设备的运行状态，充分利用集团、分子公司的专家资源和基层电厂拥有多年实际现场运行检修经验的技术人员，通过网络第一时间快速响应生产中出现的设备异常诊断需求，实现远程实时诊断服务。

一种面向智能制衣的专家知识库的设计方法，申请号为201510706295.9。该方法包含数据库管理模块、知识库生产模块以及系统推理模块，数据库管理模块用于对智能制衣数据库的管理和维护，实现知识查询、添加、修改、删除、一致性检查和完整性检验；知识库生成模块用于专家系统的知识库生成，对专家和设计人员的知识和经验进行归纳、总结，使用加工处理后的数据生成知识库；系统推理模块根据已有的知识库的规则和设计人员输入的模糊条件，提取数据库中的数据并返还给用户，辅助设计人员进行服装设计。

一种基于专家系统和知识库的高炉冶炼方法和系统，申请号为201210529453.4。涉及一种基于专家系统和知识库的高炉冶炼方法及其对应的系统，方法包括以下步骤：建立数据样本；对数据样本进行分类；对分类结果进行工艺解读；用特征参数来表征高炉指标；启动知识库；判断并调整知识库。如果规则的命中率低于设定的效果阈值，重复执行前五步，重新选取高炉调剂措施，直至规则的命中率大于或等于设定的效果阈值。

上述专利均从不同侧重点阐述了各自领域知识库的应用：或从软件系统架构角度阐述知识库的应用与更新；或从数据库管理、知识库生成及系统推理等模块角度阐述知识库的生成与应用；或从数据处理、规则匹配角度阐述知识库的生成。

类似上述枚举的方法均存在以下类似问题：

I、设备知识库不能通用集成于不同的应用系统中；

II、设备知识库生成方式属于正向思维，也就是有什么数据，能生成什么功能，为发散思维，在设备运维功能实用性方面，不可避免地会产生一定的偏颇性与盲目性；

III、没有统一的编码机制，不易实现设备云架构所需的设备运维所需的定位与识别功能。

发明内容

本发明的目的是提供一种设备知识库的创建方法，通过数据采集、数据处理、数据模型、代码索引、建议措施与知识应用阶段，实现设备知识库有针对性的快速搭建与维护，并具有设备定位、问题识别及开放性集成的功能。

本发明的目的是这样实现的：一种设备知识库的创建方法，包括以下步骤：

步骤1)数据积累阶段，进行数据采集，并将采集到的数据进行数据处理，再将处理后的数据进行存储，生成数据库；

步骤2)需求驱动阶段，通过数据模型配合判据对数据库内的数据进行判断处理，并定位至具体的故障点，同时，输出对应故障的建议措施；

步骤3)知识应用阶段，与SCADA、MES、远程运维监控及系统管理软件对接实现知识应用。

作为本发明的进一步限定，所述数据积累阶段包括以下步骤：

步骤1-1)数据采集，采集设备产品信息、设备运行的状态参数、设备运行的工况数据、设备使用过程中的环境参数、设备的维护保养记录、设备绩效类数据、设备视频或截图数；

步骤1-2)数据处理，通过数据预处理方法以及数据特征提取方法对数据进行处理，精简数据量；

步骤1-3)数据存储，针对不同的功能需求，评估与测试对应数据量及实时性的要求，并建立对应的数据库。

作为本发明的进一步限定，数据采集具体包括：

设备产品信息：名称、型号规格、厂家、供货周期、技术支持；

设备运行的状态参数：指从传感器、执行器和控制器中取得的能够反应设备运行工况和健康状态的数据，也就是传统意义上的监控数据；

设备运行的工况数据：指从控制器中获取的设备的负载、转速、运行模式下工作条件的设定信息；

设备使用过程中的环境参数：指所有可能影响设备性能和运行状态的环境信息；

设备的维护保养记录：指设备全生命周期内的所有点检、维护、维修和保养更换记录；

设备绩效类数据：指与设备运行相关的绩效及对设备运行状态进行判断的指标类数据；

设备视频或截图数据：对重点设备关键部件进行视频监控或定期抓图，通过图像分析为运行状态监测、远程诊断、故障维护提供信息。

作为本发明的进一步限定，数据处理具体包括：

数据预处理方法包括数据清理，如剔除奇异值，变化率过大值；数据集成，同类或相关度较大的数据合并；数据变换，如数据概化、规范化为适合数据挖掘的形式；数据归约/数据集归约；

数据特征提取方法包括基于统计、模型、变换、分形维数，进行设备监控参数特征及其相关性、性能曲线、运行工况等特征提取。

作为本发明的进一步限定，数据库配置为实时数据库、历史数据库或二者的组合，同时对数据库中的数据建立代码索引。

作为本发明的进一步限定，需求驱动阶段具体包括：

步骤2-1)建立数据模型，数据模型的建立包括两种方式，分别为：

经验枚举型：根据以往的经验建立模型；

需求驱动型：根据具体需求建立模型；

步骤2-2)判据，根据需要的条件配合数据模型对数据库中的数据进行判断处理，是否存在故障，判据指的是配合数据模型提出的判断条件；

步骤2-3)建议，当判据判断出具体故障后，给出建议措施。

作为本发明的进一步限定，判据的判断条件生成包括：

有数据来源：根据模型算法提供判据；

无直接数据来源：增设数据来源或人工输入，经后台量化后，提供与之匹配的数据判据。

作为本发明的进一步限定，建议措施与判据通过代码索引建立一一对应关系；

其生成方法与措施来源包括：

a)案例举措：以往问题处理流程归纳梳理；

b)设备产品说明书：结合实际集成应用工况及环境，给出相应的建议；

c)设备厂家技术经验：厂家技术服务措施归纳整理，及时录入与更新；

d)技术客服：设备厂家技术联系方式，相关领域专家联系方式；

e)备品备件推荐、报价与链接：针对有效寿命即将或已经终结的功能部件，给出性价比较高的备品备件信息或采购链接。

与现有技术相比，本发明的有益效果在于：

本发明将设备知识库的创建与应用过程分为数据积累阶段、需求驱动阶段、知识应用阶段，各阶段工作相对独立与开放，可以并行进行，为设备知识库的快速创建与应用提供极大便利，架构清晰、便于操作；

与传统的正向思维方式建立设备知识库不同，本发明采用需求驱动的逆向思维，采用聚合思维的方式，在具体设备运维功能提出后，由于各类数据相对完备且相对独立，只需有针对性的建立或改进对应的数据模型与判据，经相关数据的组合训练后固化应用即可；在设备知识库创建、更新、丰富与维护时，可有效避免利用发散思维方式实现时的偏颇性与盲目性；

本发明具有统一编码的代码索引机制，生成代码索引的方法不仅可以用在SCADA、MES等监控及系统管理软件中，也可用在PLC、DCS的输出信息中，以满足不同实时性需求的场合；由于采用统一的规范化编码方式，还可以为数据统计、数据挖掘、远程运维等功能的实现，提供极大便利。

具体实施方式

下面结合具体实施例对本发明做进一步说明。

一种设备知识库的创建方法，包括分为数据积累阶段、需求驱动阶段、知识应用阶段；其中，数据积累阶段包括数据采集与数据处理，其结果根据需要存储至数据库，并在数据库中建立代码索引，为数据积累阶段；需求驱动阶段的核心内容为设备知识库的创建，包括数据模型(与判据密切相关)、建议措施内容，数据模型与建议措施通过代码索引建立一一对应关系；其初始内容的创建可由人工维护，当积累到一定数据量后，可采用数据挖掘的方法加以丰富与训练；知识应用阶段通过建议措施信息的发布、访问、推送等提供服务。

下面对具体阶段做进一步说明。

数据积累阶段

数据采集

数据采集的关注要点为数据类别，如设备产品信息、设备运行的状态参数、设备运行的工况数据、设备使用过程中的环境参数、设备的维护保养记录、设备绩效类数据、设备视频或截图数据等。

采集方式如手动、自动。

采集策略即采集频率或采集时刻；如以10ms、100ms、1s每次等频率采集，或带负荷联动试运行合格后采集、或校准送检后采集等。

针对不同设备的运维功能需求，数据模型需要进行不同数据类别的数据组合，简述如下：

1、设备产品信息：名称、型号规格、厂家、供货周期、技术支持等；

2、设备运行的状态参数：主要指从传感器、执行器和控制器中取得的能够反应设备运行工况和健康状态的数据，也就是传统意义上的监控数据；

3、设备运行的工况数据：主要指设备的负载、转速、运行模式等工作条件的设定信息，此类数据往往能从控制器中获得。只有在相同的工况下对设备状态参数进行比较和分析才能反映出设备健康状态和性能的变化；

4、设备使用过程中的环境参数：主要指所有可能影响设备性能和运行状态的环境信息，如温度、湿度、压力等。环境参数可更好地理解设备运行受环境影响的规律，将由于设备状态和环境变化引起的性能变化区分开来；

5、设备的维护保养记录：设备全生命周期内的所有点检、维护、维修和保养更换记录。这些数据通常从设备管理系统或记录中获取，可作为设备状态更新的参照，与设备的状态数据相互对照。既可作为设备状态的更新节点来更新设备的健康预测模型，也可利用设备状态参数在维护前后的变化来判断维护工作的效果。此类数据长期积累可有助于统计出设备关键部件的平均故障间隔时间，以此作为设计改进和安全备件数量判断的依据；

6、设备绩效类数据：与设备运行相关的绩效及对设备运行状态进行判断的指标类数据。如OEE、能耗、生产质量、加工精度等。有助于了解目前设备所处的性能状态，可用于在不同的时间段给所监控设备贴上健康、亚健康或是故障的标签；

7、设备视频或截图数据：对重点设备关键部件进行视频监控或定期抓图，通过图像分析为运行状态监测、远程诊断、故障维护等提供信息。采集与维护策略方面，各种数据可进一步地按故障发生频率与影响分类，如设计改进类、状态监控类、故障报警+应激式的维护策略、智能感知+预测性维护等。每类数据根据不同的采集频率，或者当状态变化、数据变化率超过设定阈值时采集，实现以分析目标为导向的柔性采集。

数据处理

数据处理一般采用数据预处理及数据特征提取方法，其主旨是在尽可能保持数据原貌的前提下，最大限度地精简数据量；常用的数据预处理方法有数据清理，如剔除奇异值，变化率过大值；数据集成，同类或相关度较大的数据合并；数据变换，如数据概化、规范化为适合数据挖掘的形式；数据归约/数据集归约；常用的数据特征提取方法有基于统计、模型、变换、分形维数等，进行设备监控参数特征及其相关性、性能曲线、运行工况等特征提取。

数据存储

针对不同的功能需求，评估与测试对应数据量及实时性的要求，数据库可配置为实时数据库、历史数据库或二者的组合；数据存储管理为成熟技术，不再赘述，对数据库中的数据建立代码索引，代码索引为数据模型与建议措施建立关联的字段；在实现某项具体的设备运维功能时，应当能够实现设备级，甚至传感器或执行器级的组件定位，即该状态检测、故障预测、健康评价或预测评估的作用对象具体物理位置位于何处，其功能代码索引还能够涵盖运维功能所需的各种信息；

下表为代码索引生成方法的应用示例：

表1代码索引示例

需求驱动阶段

数据模型

对设备运维而言，数据模型的知识库为设备知识库的关键环节，其建立采用需求驱动的逆向思维，即针对设备运维需要什么功能，建立什么模型，其数据输入为数据积累阶段的数据，为聚合思维。

需求驱动方式下数据模型的建立主要来自两方面：已知的案例或经验、未知的结果或可能的结果，分别对应以下两种方法：

1)经验枚举型：如针对热分析仪无数据、测温枪无数据、负压值无数据、悬臂吊运行中停止等具体使用问题建立模型，主要实现方式为人工维护9。

2)需求驱动型：根据需要什么功能建立、验证、部署与更新，如状态检测(包括状态监测、状态综合分析)、故障预测(基于保险和预警装置、基于故障预兆监控与推理、基于失效物理模型等)、健康评价(包括基于规则、基于案例和基于模型的诊断等)、预测评估(包括基于数据和基于模型的预测、剩余寿命预测等)，主要实现方式为数据挖掘。

与数据模型密不可分的是判据，提供模型推理的规则与判据，进而生成代码索引；按有无直接数据来源，判据的生成可以采用如下两种方法：

1)有数据来源：根据模型算法提供判据(如电压、电流、漏电流等电力参数有效范围，运动机构的活动距离与精度区间等)；

2)无直接数据来源：增设数据来源或人工输入，经后台量化后，提供与之匹配的数据判据(如电炉变压器油枕液位、测量杯是否接触良好)。

此外，数据模型与判据建立后，可以利用数据库中的数据进行数据训练，通过与统计数据、历史经验比对，验证数据模型与判据的正确性、完备性与匹配性。

建议措施

建议措施与判据通过代码索引建立一一对应关系。其生成方法与措施来源包括但不限于以下几点：

1)案例举措：以往问题处理流程归纳梳理，如设备硬件、电源、接线、接触、屏蔽、接地、通信口、仪表参数、通信参数、通信协议、程序bug等；

2)设备产品说明书：结合实际集成应用工况及环境，给出相应“本土化”的建议；

3)设备厂家技术经验：厂家技术服务(包括远程及来厂)措施归纳整理，及时录入与更新；

4)技术客服：设备厂家技术联系方式，相关领域专家联系方式；

5)备品备件推荐、报价与链接：针对有效寿命即将或已经终结的功能部件，给出性价比较高的备品备件信息或采购链接。

知识应用阶段

可与SCADA、MES、远程运维等监控及系统管理软件对接实现知识应用，如发布为网页，PC机及移动客户端经授权后均可访问；对异常诊断、故障风险、健康状态、剩余寿命等需提前或及时处理的事项，按照不同的策略进行信息推送；接受用户的处理办法、评价、建议等信息反馈，经人工处理验证后作为专家知识库的更新维护内容等；知识应用为成熟技术，不再赘述。

以下表2、表3分别为本发明实际应用数据表格。

表2为数据采集数据表

表3为知识库处理数据表

本发明并不局限于上述实施例，在本发明公开的技术方案的基础上，本领域的技术人员根据所公开的技术内容，不需要创造性的劳动就可以对其中的一些技术特征作出一些替换和变形，这些替换和变形均在本发明的保护范围内。

Claims

1.一种设备知识库的创建方法，其特征在于，包括以下步骤：

步骤1）数据积累阶段，进行数据采集，并将采集到的数据进行数据处理，再将处理后的数据进行存储，生成数据库；

步骤2）需求驱动阶段，通过数据模型配合判据对数据库内的数据进行判断处理，并定位至具体的故障点，同时，输出对应故障的建议措施；

步骤3）知识应用阶段，与SCADA、MES、远程运维监控及系统管理软件对接实现知识应用。

2.根据权利要求1所述的一种设备知识库的创建方法，其特征在于，所述数据积累阶段包括以下步骤：

步骤1-1）数据采集，采集设备产品信息、设备运行的状态参数、设备运行的工况数据、设备使用过程中的环境参数、设备的维护保养记录、设备绩效类数据、设备视频或截图数；

步骤1-2）数据处理，通过数据预处理方法以及数据特征提取方法对数据进行处理，精简数据量；

步骤1-3）数据存储，针对不同的功能需求，评估与测试对应数据量及实时性的要求，并建立对应的数据库。

3.根据权利要求2所述的一种设备知识库的创建方法，其特征在于，数据采集具体包括：

4.根据权利要求2所述的一种设备知识库的创建方法，其特征在于，数据处理具体包括：

5.根据权利要求2所述的一种设备知识库的创建方法，其特征在于，数据库配置为实时数据库、历史数据库或二者的组合，同时对数据库中的数据建立代码索引。

6.根据权利要求1-5中任一项所述的一种设备知识库的创建方法，其特征在于，需求驱动阶段具体包括：

步骤2-1）建立数据模型，数据模型的建立包括两种方式，分别为：

经验枚举型：根据以往的经验建立模型；

需求驱动型：根据具体需求建立模型；

步骤2-2）判据，根据需要的条件配合数据模型对数据库中的数据进行判断处理，是否存在故障，判据指的是配合数据模型提出的判断条件；

步骤2-3）建议，当判据判断出具体故障后，给出建议措施。

7.根据权利要求6所述的一种设备知识库的创建方法，其特征在于，判据的判断条件生成包括：

有数据来源：根据模型算法提供判据；

8.根据权利要求6所述的一种设备知识库的创建方法，其特征在于，建议措施与判据通过代码索引建立一一对应关系；

其生成方法与措施来源包括：

a）案例举措：以往问题处理流程归纳梳理；

b）设备产品说明书：结合实际集成应用工况及环境，给出相应的建议；

c）设备厂家技术经验：厂家技术服务措施归纳整理，及时录入与更新；

d）技术客服：设备厂家技术联系方式，相关领域专家联系方式；

e）备品备件推荐、报价与链接：针对有效寿命即将或已经终结的功能部件，给出性价比较高的备品备件信息或采购链接。