CN107505922A - 工厂预警实现方法、装置及系统 - Google Patents

工厂预警实现方法、装置及系统 Download PDF

Info

Publication number
CN107505922A
CN107505922A CN201710731447.XA CN201710731447A CN107505922A CN 107505922 A CN107505922 A CN 107505922A CN 201710731447 A CN201710731447 A CN 201710731447A CN 107505922 A CN107505922 A CN 107505922A
Authority
CN
China
Prior art keywords
variable
early warning
early
warning
model
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.)
Granted
Application number
CN201710731447.XA
Other languages
English (en)
Other versions
CN107505922B (zh
Inventor
陶兴文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Samplex Tektronix Technology Co Ltd
Original Assignee
Beijing Samplex Tektronix Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Samplex Tektronix Technology Co Ltd filed Critical Beijing Samplex Tektronix Technology Co Ltd
Priority to CN201710731447.XA priority Critical patent/CN107505922B/zh
Publication of CN107505922A publication Critical patent/CN107505922A/zh
Application granted granted Critical
Publication of CN107505922B publication Critical patent/CN107505922B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G05B19/4184—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 fault tolerance, reliability of production system
    • 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
    • G05B2219/32—Operator till task planning
    • G05B2219/32252—Scheduling production, machining, job shop
    • 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
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • 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

本发明实施例提供一种工厂预警实现方法、装置及系统。该方法包括：获取工厂控制系统发送的在当前时刻的预警模型变量，所述预警模型变量包括目标工厂设备的输入变量和输出变量；将所述预警模型变量输入到所述控制动态模型中，计算接下来多个时刻的预测控制输出变量；将所述预测控制输出变量和所述预警模型变量输入到所述预警动态模型中，计算出对应的多个时刻的预测输入变量和预测输出变量；根据接下来多个时刻的预测输入变量和预测输出变量向所述用户终端发送预警提醒。本发明能够高效地判断或预测潜在的工厂设备或者工艺的故障，以提醒工厂人员及时处理故障，减少非计划安全事故，提高工厂经济效益。

Description

工厂预警实现方法、装置及系统
技术领域
本发明涉及工厂预警领域，具体而言，涉及一种工厂预警实现方法、装置及系统。
背景技术
目前的工厂预警方式主要针对已经发生的报警进行管理，从而减少滋扰报警，减少报警泛滥，属于被动性的管理，无法实现预测性的管理。工厂人员无法知晓潜在的故障，也就无法及时处理故障，严重影响工厂的经济效益。
发明内容
为了克服现有技术中的上述不足，本发明的目的在于提供一种工厂预警实现方法、装置及系统，能够高效地判断或预测潜在的工厂设备或者工艺的故障，以提醒工厂人员及时处理故障，减少非计划安全事故，提高工厂经济效益。
为了实现上述目的，本发明较佳实施例采用的技术方案如下：
本发明较佳实施例提供一种工厂预警实现方法，应用于与工厂控制系统和用户终端通信连接的服务器，所述服务器中预存有用于根据工厂设备的状态数据输出下一时刻的预警模型变量的预警动态模型，以及用于根据工厂设备的状态数据输出下一时刻的控制输出变量的控制动态模型，所述方法包括：
获取工厂控制系统发送的在当前时刻的预警模型变量，其中，所述预警模型变量包括目标工厂设备的输入变量和输出变量；
将所述预警模型变量输入到所述控制动态模型中，计算接下来多个时刻的预测控制输出变量；
将所述预测控制输出变量和所述预警模型变量输入到所述预警动态模型中，计算出对应的多个时刻的预测输入变量和预测输出变量；
根据接下来多个时刻的预测输入变量和预测输出变量向所述用户终端发送预警提醒，其中，所述预警提醒包括预警目标响应时间和预警优先级。
在本发明较佳实施例中，所述方法还包括：
响应预警动态模型的建立请求，根据收集的模型参数、多个预警模型变量以及多个控制输出变量建立所述预警动态模型，其中，所述模型参数与工厂设备的设备参数相关。
在本发明较佳实施例中，所述方法还包括：
响应控制动态模型的建立请求，根据收集的模型参数、多个预警模型变量以及多个控制输出变量建立所述控制动态模型，其中，所述模型参数与工厂设备的设备参数相关。
在本发明较佳实施例中，所述根据接下来多个时刻的预测输入变量和预测输出变量向所述用户终端发送预警提醒的步骤，包括：
判断在接下来多个时刻的预测输出变量中是否存在有大于一预设阈值的目标预测输出变量；
若存在，则根据该目标预测输出变量所在时刻生成对应的预警提醒。
在本发明较佳实施例中，所述根据该目标预测输出变量所在时刻生成对应的预警提醒的步骤，包括：
根据预存的报警操作最小响应时间和该目标预测输出变量所在时刻计算出预警目标响应时间；
根据所述预警目标响应时间实时计算预警优先级，以生成对应的预警提醒。
在本发明较佳实施例中，所述方法还包括：
根据接下来多个时刻的预测控制输出变量、预测输入变量和预测输出变量生成异常预警趋势信息，并将所述预警趋势信息发送给所述用户终端。
在本发明较佳实施例中，所述方法还包括：
将计算出的多个时刻的预测输入变量和预测输出变量进行存储。
本发明较佳实施例还提供一种工厂预警实现装置，应用于与工厂控制系统和用户终端通信连接的服务器，所述服务器中预存有用于根据工厂设备的状态数据输出下一时刻的预警模型变量的预警动态模型，以及用于根据工厂设备的状态数据输出下一时刻的控制输出变量的控制动态模型，所述装置包括：
获取模块，用于获取工厂控制系统发送的在当前时刻的预警模型变量，其中，所述预警模型变量包括目标工厂设备的输入变量和输出变量；
第一计算模块，用于将所述预警模型变量输入到所述控制动态模型中，计算接下来多个时刻的预测控制输出变量；
第二计算模块，用于将所述预测控制输出变量和所述预警模型变量输入到所述预警动态模型中，计算出对应的多个时刻的预测输入变量和预测输出变量；
预警提醒发送模块，用于根据接下来多个时刻的预测输入变量和预测输出变量向所述用户终端发送预警提醒，其中，所述预警提醒包括预警目标响应时间和预警优先级。
本发明较佳实施例还提供一种工厂预警实现方法，应用于工厂预警实现系统，所述工厂预警实现系统包括工厂控制系统、与所述工厂控制系统通信连接的服务器以及与所述服务器通信连接的用户终端，所述服务器中预存有用于根据工厂设备的状态数据输出下一时刻的预警模型变量的预警动态模型，以及用于根据工厂设备的状态数据输出下一时刻的控制输出变量的控制动态模型，所述方法包括：
所述工厂控制系统获取在当前时刻的预警模型变量并将所述预警模型变量发送给所述服务器；
所述服务器接收所述工厂控制系统发送的在当前时刻的预警模型变量，其中，所述预警模型变量包括目标工厂设备的输入变量和输出变量；
将所述预警模型变量输入到所述控制动态模型中，计算接下来多个时刻的预测控制输出变量；
将所述预测控制输出变量和所述预警模型变量输入到所述预警动态模型中，计算出对应的多个时刻的预测输入变量和预测输出变量；
根据接下来多个时刻的预测输入变量和预测输出变量向所述用户终端发送预警提醒，其中，所述预警提醒包括预警目标响应时间和预警优先级；
所述用户终端接收所述预警提醒，以提示根据所述预警提醒进行相应的处理。
本发明较佳实施例还提供一种工厂预警实现系统，所述工厂预警实现系统包括工厂控制系统、与所述工厂控制系统通信连接的服务器以及与所述服务器通信连接的用户终端，所述服务器中预存有用于根据工厂设备的状态数据输出下一时刻的预警模型变量的预警动态模型，以及用于根据工厂设备的状态数据输出下一时刻的控制输出变量的控制动态模型；
所述工厂控制系统，用于获取在当前时刻的预警模型变量并将所述预警模型变量发送给所述服务器；
所述服务器，用于接收所述工厂控制系统发送的在当前时刻的预警模型变量；将所述预警模型变量输入到所述控制动态模型中，计算接下来多个时刻的预测控制输出变量；将所述预测控制输出变量和所述预警模型变量输入到所述预警动态模型中，计算出对应的多个时刻的预测输入变量和预测输出变量；根据接下来多个时刻的预测输入变量和预测输出变量向所述用户终端发送预警提醒，其中，所述预警模型变量包括目标工厂设备的输入变量和输出变量，所述预警提醒包括预警目标响应时间和预警优先级；
所述用户终端，用于接收所述预警提醒，以提示根据所述预警提醒进行相应的处理。
相对于现有技术而言，本发明具有以下有益效果：
本发明实施例提供的工厂预警实现方法、装置及系统，通过将当前时刻的预警模型变量输入到控制动态模型中，计算接下来多个时刻的预测控制输出变量，然后将所述预测控制输出变量和所述预警模型变量输入到所述预警动态模型中，计算出对应的多个时刻的预测输入变量和预测输出变量，然后根据接下来多个时刻的预测输入变量和预测输出变量向所述用户终端发送预警提醒。基于上述技术方案，能够进行高效地判断或预测潜在的工厂设备或工艺故障，以及时处理故障，减少了非计划停车或安全事故，提高了工厂的经济效益。通过为操作工提前提供预警信息，随着接近报警限，预警系统不断提高预警等级以及必须响应的时间，减少了操作负荷，提高劳动生产率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。
图1为本发明较佳实施例提供的工厂预警实现系统的一种结构框图；
图2为图1中所示的服务器的一种方框示意图；
图3为本发明较佳实施例提供的工厂预警实现方法的一种流程示意图；
图4为本发明较佳实施例提供的工厂液位罐的控制器的算法示意图；
图5为本发明较佳实施例提供的工厂预警实现方法的另一种流程示意图；
图6为本发明较佳实施例提供的工厂预警实现装置的一种功能模块图。
图标：10-工厂预警实现系统；100-服务器；110-存储器；120- 处理器；130-通信单元；140-存储控制器；150-工厂预警实现装置； 151-获取模块；152-第一计算模块；153-第二计算模块；154-预警提醒发送模块；200-工厂控制系统；300-用户终端。
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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语"第一"、"第二" 等仅用于区分描述，而不能理解为指示或暗示相对重要性。
下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参阅图1，为本发明较佳实施例提供的工厂预警实现系统10 的一种结构框图。本实施例中，所述工厂预警实现系统10可以包括工厂控制系统200、与所述工厂控制系统200通信连接的服务器100 以及与所述服务器100通信连接的用户终端300。
所述工厂控制系统200可以用于采集各个工厂设备的数据信息并对各个工厂设备进行控制，例如可以是分布式控制系统(Distributed Control System，DCS)或者其它控制/仪表系统。
其中，所述用户终端300可以是，但不限于，个人电脑(Personal Computer，PC)、智能手机、智能穿戴设备、笔记本电脑、平板电脑、个人数字助理(Personal DigitalAssistant，PDA)、移动上网设备 (Mobile Internet Device，MID)等。
请参阅图2，为图1中所示的服务器100的方框示意图。本发明实施例中，所述服务器100可以是，但不限于，Web网站服务器、数据库服务器、ftp(file transfer protocol，文件传输协议)服务器等。
如图2所示，所述服务器100可以包括存储器110、处理器120、通信单元130以及存储控制器140。所述存储器110、处理器120、通信单元130以及存储控制器140相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器110中存储有工厂预警实现装置150，所述工厂预警实现装置150包括至少一个可以软件或固件(Firmware)的形式存储于所述存储器110中的软件功能模块，所述处理器120通过运行存储在存储器110内的软件程序以及模块，如本发明实施例中的工厂预警实现装置150，从而执行各种功能应用以及数据处理，即实现本发明实施例中的工厂预警实现方法。
其中，所述存储器110可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其它非易失性固态存储器。在一些实例中，存储器110可进一步包括相对于处理器 120远程设置的远程存储器，这些远程存储器可以通过网络连接至所述服务器100。上述网络的实例可以包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中，存储器110用于存储程序，所述处理器120在接收到执行指令后，执行所述程序。进一步地，通信单元130将各种输入/输入装置耦合至处理器120以及存储器110，上述存储器110内的软件程序以及模块还可包括操作系统，其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等) 的软件组件和/或驱动，并可与各种硬件或软件组件相互通讯，从而提供其它软件组件的运行环境。
所述处理器120可以是一种集成电路芯片，具有信号的处理能力。上述的处理器120可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等。还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器 120也可以是任何常规的处理器等。
所述通信单元130可以用于建立所述服务器100与所述工厂控制系统200或者所述用户终端300之间的通信连接。
可以理解，图2所示的结构仅为示意，所述服务器100还可以包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
请参阅图3，图3为本发明较佳实施例提供的工厂预警实现方法的流程示意图，所述方法由图1所示的服务器100执行。所应说明的是，本发明实施例提供的方法不以图3及以下所述的具体顺序为限制。所述方法的具体流程如下：
步骤S110，获取工厂控制系统200发送的在当前时刻的预警模型变量。
本实施例中，所述服务器100中预存有用于根据工厂设备的状态数据输出下一时刻的预警模型变量的预警动态模型，以及用于根据工厂设备的状态数据输出下一时刻的控制输出变量的控制动态模型，可选地，在本步骤之前，还可以根据用户操作建立所述预警动态模型和所述控制动态模型。
具体地，所述服务器100响应预警动态模型的建立请求，根据收集的模型参数、多个预警模型变量以及多个控制输出变量建立所述预警动态模型，所述模型参数与工厂设备的设备参数相关。
作为一种实施方式，所述预警模型变量可以包括，
输入变量(可以从DCS或其它控制/仪表系统读入的独立因变量)，X＝(X1,X2,…,Xn)，n为输入变量的个数。
预警模型输出变量(非独立果变量，也即报警变量)
Y＝(y1,y2,…,ym)，m为输出变量的个数。
操作变量(可以从DCS或其它控制/仪表系统读入的独立因变量)，MV＝(mv1,mv2,…,mvi)，i为操作变量的个数。
控制输出变量(非独立果变量)
CV＝(cv1,cv2,…,cvj)，j为控制变量的个数。
例如，若所述工厂设备为工厂液位罐，在一般场景下，工厂液位罐的运行参数可以包括入口流量F1，出口流量F2以及液位L，那么所述输入变量即为入口流量F1以及出口流量F2，所述控制输出变量即为液位L，所述操作变量即为出口流量F2。通过上述设置可以看出，当液位L过高时，可以通过调整出口流量F2，对液位L进行调整。
基于上述设计，所述预警动态模型可以采用微分方程描述如下：
其中，A为模型参数，U为控制器的输出，U＝(u1,…,uo)，o为控制器输出数量。
例如，工厂液位罐的动态模型可以表示为：
其中，S为工厂液位罐的截面积，Y＝(L)，X＝(F1,F2)，U＝(F2)。
进一步地，所述控制动态模型可以用微分方程描述如下：
例如，工厂液位罐的控制动态模型可以表示为：
u(t)＝Kp*e(t)+Ki∑e(t)+Kd[e(t)–e(t-1)]+u0
其中，所述工厂液位罐的控制器的算法可以如图4所示：
其中，u(t)为控制器的输出值，e(t)为控制器输入Y与设定值Ysp 之间的误差，e(t)＝Ysp-Y；Kp为比例系数，Ki为积分时间常数，Kd 为微分时间常数。
进一步地，本实施例中，所述服务器100实时获取工厂控制系统 200发送的在当前时刻的预警模型变量，所述预警模型变量可包括目标工厂设备的输入变量和输出变量。作为一种实施方式，当前时刻的所述输入变量可以为X(t)，当前时刻的所述输出变量可以为Y(t)。
步骤S120，将所述预警模型变量输入到所述控制动态模型中，计算接下来多个时刻的预测控制输出变量。
步骤S130，将所述预测控制输出变量和所述预警模型变量输入到所述预警动态模型中，计算出对应的多个时刻的预测输入变量和预测输出变量。
本实施例中，对于接下来的多个时刻t+1，t+2，…，t+p，可以根据上述控制动态模型依次计算出接下来多个时刻对应的预测控制输出变量U(t+1)，U(t+2)，…，U(t+p)。并将所述预测控制输出变量 U(t+1)，U(t+2)，…，U(t+p)输入到所述预警动态模型中，可以分别计算出对应的多个时刻的预测输入变量X(t+1)，X(t+2)，…，X(t+p)，以及对应的多个时刻的预测输出变量Y(t+1)，Y(t+2)，…，Y(t+p)。例如，根据X(t)和Y(t)可以计算出下一时刻的U(t+1)，然后再根据 U(t+1)可以计算出下一时刻的X(t+1)和Y(t+1)。再将X(t+1)和Y(t+1)可以计算出U(t+2)，然后再根据U(t+2)可以计算出X(t+2)和Y(t+2)，以此类推，可以得到接下来多个时刻的预测输入变量和预测输出变量。
步骤S140，根据接下来多个时刻的预测输入变量和预测输出变量向所述用户终端300发送预警提醒。
本实施例中，对于接下来多个时刻的预测输入变量和预测输出变量，首先，判断在接下来多个时刻的预测输出变量中是否存在有大于一预设阈值的目标预测输出变量，若存在，则根据该目标预测输出变量所在时刻生成对应的预警提醒。例如，该预设阈值可以为Y.HL，若接下来某个时刻t+g对应的预测输出变量Y(t+g)>Y.HL，那么就产生相应的预警提醒给用户终端300，以提醒工厂人员根据该预警提醒执行相应的操作。
作为一种实施方式，为了使操作工能够及时处理报警所在的故障，可以根据预存的报警操作最小响应时间和该目标预测输出变量所在时刻计算出预警目标响应时间，然后根据所述预警目标响应时间实时计算预警优先级，以生成对应的预警提醒。例如，若预存的报警操作最小响应时间为5分钟，目标预测输出变量所在时刻为t+g，也即在t+g时刻该目标工厂设备会发生报警，于是预警目标响应时间可以为5+g。所述预警优先级可以根据预警目标响应时间剩余时间进行确定，例如，若g为110分钟，那么预警目标响应时间则为115分钟，若目前时刻正处于t，那么预警优先级则为0，若已过85分钟，那么此时剩余时间仅剩30分钟，那么所述预警优先级则为二级预警，若已过110分钟，那么剩余时间仅剩5分钟，那么所预警优先级则为五级最高预警，此时故障报警剩余时间不多，操作人员将会最优先处理该故障。
通过上述设计，可以为操作人员提前提供预警信息，随着接近报警限，不断改变预警等级以及预警目标响应时间，以使操作人员能够及时处理故障，减少了非计划安全事故，提高了工厂的经济效益。
进一步地，所述服务器100还可以根据接下来多个时刻的预测控制输出变量、预测输入变量和预测输出变量生成异常预警趋势信息，并将所述预警趋势信息发送给所述用户终端300，从而为操作人员提供实时的模型计算与预测信息，包括将来预测时间区域内的报警变量的变化趋势、预警、实时预警优先级、实时变化的最小响应时间，减少了操作人员的操作负荷，提高劳动生产率。
可选地，在上述过程中，服务器100还可以将计算出的多个时刻的预测输入变量和预测输出变量进行存储，以供后续数据的查询和确认。
进一步地，请参阅图5，本发明较佳实施例还提供一种工厂预警实现方法，应用于工厂预警实现系统10。所述方法包括：
步骤S210，工厂控制系统200获取在当前时刻的预警模型变量并将所述预警模型变量发送给服务器100。
步骤S220，所述服务器100接收所述工厂控制系统200发送的在当前时刻的预警模型变量，其中，所述预警模型变量包括目标工厂设备的输入变量和输出变量。
步骤S230，将所述预警模型变量输入到所述控制动态模型中，计算接下来多个时刻的预测控制输出变量。
步骤S240，将所述预测控制输出变量和所述预警模型变量输入到所述预警动态模型中，计算出对应的多个时刻的预测输入变量和预测输出变量。
步骤S250，根据接下来多个时刻的预测输入变量和预测输出变量向所述用户终端300发送预警提醒，其中，所述预警提醒包括预警目标响应时间和预警优先级。
步骤S260，所述用户终端300接收所述预警提醒，以提示根据所述预警提醒进行相应的处理。
进一步地，请参阅图6，本发明较佳实施例还提供一种工厂预警实现装置150，所述装置安装于所述存储器110中包括一个或者多个可由所述处理器120执行的软件功能模块，所述装置包括：
获取模块151，用于获取工厂控制系统200发送的在当前时刻的预警模型变量，其中，所述预警模型变量包括目标工厂设备的输入变量和输出变量。
第一计算模块152，用于将所述预警模型变量输入到所述控制动态模型中，计算接下来多个时刻的预测控制输出变量。
第二计算模块153，用于将所述预测控制输出变量和所述预警模型变量输入到所述预警动态模型中，计算出对应的多个时刻的预测输入变量和预测输出变量。
预警提醒发送模块154，用于根据接下来多个时刻的预测输入变量和预测输出变量向所述用户终端300发送预警提醒，其中，所述预警提醒包括预警目标响应时间和预警优先级。
本实施例中的各功能模块的具体操作方法可参照上述方法实施例中相应步骤的详细描述，在此不再重复赘述。
综上所述，本发明实施例提供的工厂预警实现方法、装置及系统，通过将当前时刻的预警模型变量输入到控制动态模型中，计算接下来多个时刻的预测控制输出变量，然后将所述预测控制输出变量和所述预警模型变量输入到所述预警动态模型中，计算出对应的多个时刻的预测输入变量和预测输出变量，然后根据接下来多个时刻的预测输入变量和预测输出变量向所述用户终端300发送预警提醒。基于上述技术方案，能够进行高效地判断或预测潜在的工厂设备或工艺故障，以及时处理故障，减少了非计划停车或安全事故，提高了工厂的经济效益。通过为操作工提前提供预警信息，随着接近报警限，预警系统不断提高预警等级以及必须响应的时间，减少了操作负荷，提高劳动生产率。
在本发明所提供的实施例中，应该理解到，所揭露的装置、方法和系统，也可以通过其它的方式实现。以上所描述的装置、方法和系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台电子设备 (可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
需要说明的是，在本文中，术语"包括"、"包含"或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句"包括一个……"限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其它的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (10)

1.一种工厂预警实现方法，应用于与工厂控制系统和用户终端通信连接的服务器，其特征在于，所述服务器中预存有用于根据工厂设备的状态数据输出下一时刻的预警模型变量的预警动态模型，以及用于根据工厂设备的状态数据输出下一时刻的控制输出变量的控制动态模型，所述方法包括：
获取工厂控制系统发送的在当前时刻的预警模型变量，其中，所述预警模型变量包括目标工厂设备的输入变量和输出变量；
将所述预警模型变量输入到所述控制动态模型中，计算接下来多个时刻的预测控制输出变量；
将所述预测控制输出变量和所述预警模型变量输入到所述预警动态模型中，计算出对应的多个时刻的预测输入变量和预测输出变量；
根据接下来多个时刻的预测输入变量和预测输出变量向所述用户终端发送预警提醒，其中，所述预警提醒包括预警目标响应时间和预警优先级。
2.根据权利要求1所述的工厂预警实现方法，其特征在于，所述方法还包括：
响应预警动态模型的建立请求，根据收集的模型参数、多个预警模型变量以及多个控制输出变量建立所述预警动态模型，其中，所述模型参数与工厂设备的设备参数相关。
3.根据权利要求1所述的工厂预警实现方法，其特征在于，所述方法还包括：
响应控制动态模型的建立请求，根据收集的模型参数、多个预警模型变量以及多个控制输出变量建立所述控制动态模型，其中，所述模型参数与工厂设备的设备参数相关。
4.根据权利要求1所述的工厂预警实现方法，其特征在于，所述根据接下来多个时刻的预测输入变量和预测输出变量向所述用户终端发送预警提醒的步骤，包括：
判断在接下来多个时刻的预测输出变量中是否存在有大于一预设阈值的目标预测输出变量；
若存在，则根据该目标预测输出变量所在时刻生成对应的预警提醒。
5.根据权利要求4所述的工厂预警实现方法，其特征在于，所述根据该目标预测输出变量所在时刻生成对应的预警提醒的步骤，包括：
根据预存的报警操作最小响应时间和该目标预测输出变量所在时刻计算出预警目标响应时间；
根据所述预警目标响应时间实时计算预警优先级，以生成对应的预警提醒。
6.根据权利要求1所述的工厂预警实现方法，其特征在于，所述方法还包括：
根据接下来多个时刻的预测控制输出变量、预测输入变量和预测输出变量生成异常预警趋势信息，并将所述预警趋势信息发送给所述用户终端。
7.根据权利要求1所述的工厂预警实现方法，其特征在于，所述方法还包括：
将计算出的多个时刻的预测输入变量和预测输出变量进行存储。
8.一种工厂预警实现装置，应用于与工厂控制系统和用户终端通信连接的服务器，其特征在于，所述服务器中预存有用于根据工厂设备的状态数据输出下一时刻的预警模型变量的预警动态模型，以及用于根据工厂设备的状态数据输出下一时刻的控制输出变量的控制动态模型，所述装置包括：
获取模块，用于获取工厂控制系统发送的在当前时刻的预警模型变量，其中，所述预警模型变量包括目标工厂设备的输入变量和输出变量；
第一计算模块，用于将所述预警模型变量输入到所述控制动态模型中，计算接下来多个时刻的预测控制输出变量；
第二计算模块，用于将所述预测控制输出变量和所述预警模型变量输入到所述预警动态模型中，计算出对应的多个时刻的预测输入变量和预测输出变量；
预警提醒发送模块，用于根据接下来多个时刻的预测输入变量和预测输出变量向所述用户终端发送预警提醒，其中，所述预警提醒包括预警目标响应时间和预警优先级。
9.一种工厂预警实现方法，应用于工厂预警实现系统，其特征在于，所述工厂预警实现系统包括工厂控制系统、与所述工厂控制系统通信连接的服务器以及与所述服务器通信连接的用户终端，所述服务器中预存有用于根据工厂设备的状态数据输出下一时刻的预警模型变量的预警动态模型，以及用于根据工厂设备的状态数据输出下一时刻的控制输出变量的控制动态模型，所述方法包括：
所述工厂控制系统获取在当前时刻的预警模型变量并将所述预警模型变量发送给所述服务器；
所述服务器接收所述工厂控制系统发送的在当前时刻的预警模型变量，其中，所述预警模型变量包括目标工厂设备的输入变量和输出变量；
将所述预警模型变量输入到所述控制动态模型中，计算接下来多个时刻的预测控制输出变量；
将所述预测控制输出变量和所述预警模型变量输入到所述预警动态模型中，计算出对应的多个时刻的预测输入变量和预测输出变量；
根据接下来多个时刻的预测输入变量和预测输出变量向所述用户终端发送预警提醒，其中，所述预警提醒包括预警目标响应时间和预警优先级；
所述用户终端接收所述预警提醒，以提示根据所述预警提醒进行相应的处理。
10.一种工厂预警实现系统，其特征在于，所述工厂预警实现系统包括工厂控制系统、与所述工厂控制系统通信连接的服务器以及与所述服务器通信连接的用户终端，所述服务器中预存有用于根据工厂设备的状态数据输出下一时刻的预警模型变量的预警动态模型，以及用于根据工厂设备的状态数据输出下一时刻的控制输出变量的控制动态模型；
所述工厂控制系统，用于获取在当前时刻的预警模型变量并将所述预警模型变量发送给所述服务器；
所述服务器，用于接收所述工厂控制系统发送的在当前时刻的预警模型变量；将所述预警模型变量输入到所述控制动态模型中，计算接下来多个时刻的预测控制输出变量；将所述预测控制输出变量和所述预警模型变量输入到所述预警动态模型中，计算出对应的多个时刻的预测输入变量和预测输出变量；根据接下来多个时刻的预测输入变量和预测输出变量向所述用户终端发送预警提醒，其中，所述预警模型变量包括目标工厂设备的输入变量和输出变量，所述预警提醒包括预警目标响应时间和预警优先级；
所述用户终端，用于接收所述预警提醒，以提示根据所述预警提醒进行相应的处理。
CN201710731447.XA 2017-08-23 2017-08-23 工厂预警实现方法、装置及系统 Active CN107505922B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710731447.XA CN107505922B (zh) 2017-08-23 2017-08-23 工厂预警实现方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710731447.XA CN107505922B (zh) 2017-08-23 2017-08-23 工厂预警实现方法、装置及系统

Publications (2)

Publication Number Publication Date
CN107505922A true CN107505922A (zh) 2017-12-22
CN107505922B CN107505922B (zh) 2019-11-29

Family

ID=60691678

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710731447.XA Active CN107505922B (zh) 2017-08-23 2017-08-23 工厂预警实现方法、装置及系统

Country Status (1)

Country Link
CN (1) CN107505922B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110488777A (zh) * 2019-07-22 2019-11-22 浙江天澈科技有限公司 一种化工厂事故预警及事态跟踪系统
CN111801197A (zh) * 2018-12-25 2020-10-20 深圳配天智能技术研究院有限公司 机器人外部控制方法、机器人和外部控制系统
CN113283059A (zh) * 2021-04-29 2021-08-20 汪洋 分布式串行计算的链式架构、模型单元和配置方法
CN113568379A (zh) * 2020-04-28 2021-10-29 横河电机株式会社 控制辅助装置、控制辅助方法、计算机可读介质及控制系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3025941A (en) * 1959-03-27 1962-03-20 Commercial Controls Corp Selective data translating system
JPS52106420A (en) * 1976-03-03 1977-09-07 Hitachi Ltd Controlling method of motors
CN101025618A (zh) * 2006-12-28 2007-08-29 上海电力学院 一种电厂热工设备智能状态诊断分析系统
CN102208028A (zh) * 2011-05-31 2011-10-05 北京航空航天大学 一种适用于动态复杂系统的故障预测和诊断方法
CN102456417A (zh) * 2010-10-21 2012-05-16 中国广东核电集团有限公司 一种核电设备状态监测方法及其系统
CN105389595A (zh) * 2015-12-02 2016-03-09 中国石油大学(北京) 一种化工装备长周期运行安全风险雷达监测方法及装置
CN105966396A (zh) * 2016-05-13 2016-09-28 江苏大学 一种基于驾驶员避撞行为的车辆避撞控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3025941A (en) * 1959-03-27 1962-03-20 Commercial Controls Corp Selective data translating system
JPS52106420A (en) * 1976-03-03 1977-09-07 Hitachi Ltd Controlling method of motors
CN101025618A (zh) * 2006-12-28 2007-08-29 上海电力学院 一种电厂热工设备智能状态诊断分析系统
CN102456417A (zh) * 2010-10-21 2012-05-16 中国广东核电集团有限公司 一种核电设备状态监测方法及其系统
CN102208028A (zh) * 2011-05-31 2011-10-05 北京航空航天大学 一种适用于动态复杂系统的故障预测和诊断方法
CN105389595A (zh) * 2015-12-02 2016-03-09 中国石油大学(北京) 一种化工装备长周期运行安全风险雷达监测方法及装置
CN105966396A (zh) * 2016-05-13 2016-09-28 江苏大学 一种基于驾驶员避撞行为的车辆避撞控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘美: "《集散控制系统及工业控制网络》", 31 July 2014 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111801197A (zh) * 2018-12-25 2020-10-20 深圳配天智能技术研究院有限公司 机器人外部控制方法、机器人和外部控制系统
CN110488777A (zh) * 2019-07-22 2019-11-22 浙江天澈科技有限公司 一种化工厂事故预警及事态跟踪系统
CN110488777B (zh) * 2019-07-22 2020-09-22 浙江天澈科技有限公司 一种化工厂事故预警及事态跟踪系统
CN113568379A (zh) * 2020-04-28 2021-10-29 横河电机株式会社 控制辅助装置、控制辅助方法、计算机可读介质及控制系统
CN113283059A (zh) * 2021-04-29 2021-08-20 汪洋 分布式串行计算的链式架构、模型单元和配置方法

Also Published As

Publication number Publication date
CN107505922B (zh) 2019-11-29

Similar Documents

Publication Publication Date Title
CN107505922A (zh) 工厂预警实现方法、装置及系统
CN103907071B (zh) 一种用于控制hvac系统的方法
CN104142664B (zh) 使用大数据的工业产品的预测维护
Ilic et al. Modeling future cyber-physical energy systems
US20210192368A1 (en) Method and Device for Machine Learning in a Computing Unit
CN108900363B (zh) 调整局域网工作状态的方法、装置及系统
CN202563332U (zh) 水质水文环境感知与水利设施一体化智能管理系统
US11586163B2 (en) Predictive modelling and control for water resource infrastructure
CN106656693A (zh) 设备控制方法、装置及系统
CN107609989A (zh) 一种路网级的桥梁健康监测智能cs架构系统
Xin et al. A deep learning architecture for power management in smart cities
CN113825356A (zh) 冷源系统的节能控制方法、装置、电子设备和存储介质
CN106227127A (zh) 发电设备智能监控装置和监控方法
CN114061705A (zh) 一种智能化水位监测分析预警方法及系统
Cicceri et al. A novel architecture for the smart management of wastewater treatment plants
CN111624874B (zh) 用于城市污水处理的泵站集群智能化预测方法及系统、存储介质
CN112445169A (zh) 基于工业物联网云平台的能源动力设备管理系统及其方法
CN109600757B (zh) 基站扩容的预测方法、装置、计算机设备和存储介质
CN109345369A (zh) 备付金的配置方法及终端设备
CN112799367B (zh) 一种基于工业互联网云平台的智能控制系统及方法
Basavaraddi et al. Optimizing Water Distribution Pump Scheduling with SVM-Based Machine Learning Using IoT Sensor Data
Watson et al. Creating a sustainable IT ecosystem: Enabling next-generation urban infrastructures
Xu et al. Stochastic traffic modelling and decentralised signal control based on a state transition probability model
CN107272526A (zh) 一种工业锅炉模糊控制器
Starrett et al. An on-line fuzzy logic system for voltage/var control and alarm processing

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
GR01 Patent grant
GR01 Patent grant