CN108108880B - 一种选矿生产指标可视化分析系统与方法 - Google Patents
一种选矿生产指标可视化分析系统与方法 Download PDFInfo
- Publication number
- CN108108880B CN108108880B CN201711283037.XA CN201711283037A CN108108880B CN 108108880 B CN108108880 B CN 108108880B CN 201711283037 A CN201711283037 A CN 201711283037A CN 108108880 B CN108108880 B CN 108108880B
- Authority
- CN
- China
- Prior art keywords
- index
- data
- production
- indexes
- abnormal
- 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.)
- Expired - Fee Related
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 217
- 238000004458 analytical method Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 64
- 229910052500 inorganic mineral Inorganic materials 0.000 title claims abstract description 50
- 239000011707 mineral Substances 0.000 title claims abstract description 50
- 238000012545 processing Methods 0.000 title claims abstract description 38
- 230000000007 visual effect Effects 0.000 title claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 41
- 238000000926 separation method Methods 0.000 claims abstract description 26
- 238000012800 visualization Methods 0.000 claims abstract description 16
- 238000007726 management method Methods 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims description 54
- 238000005070 sampling Methods 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 26
- 239000012141 concentrate Substances 0.000 claims description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 9
- 239000000571 coke Substances 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000000796 flavoring agent Substances 0.000 claims description 4
- 235000019634 flavors Nutrition 0.000 claims description 4
- 238000007792 addition Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 239000013505 freshwater Substances 0.000 claims description 3
- 239000006148 magnetic separator Substances 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 239000010878 waste rock Substances 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于物联网和工业云的选矿生产指标可视化分析系统与方法,包括生产指标数据获取单元、生产指标配置单元、生产指标管理单元、生产指标可视化单元、生产指标分析单元、异常报警单元,其中:生产指标数据获取单元:用于获取选矿生产全流程生产指标数据,包括质量指标、计量指标、能源指标、工艺指标、成本指标、设备运行统计指标,并将其存储到本地数据库。实现对选矿生产指标的配置管理、可视化分析、异常处理,提高选矿重要生产指标可视化分析有效程度的目的。
Description
技术领域
本发明属于可视化分析领域,具体涉及一种基于物联网和工业云的选矿生产指标可视化分析系统与方法。
技术背景
选矿生产是典型的流程工业,生产过程连续且紧密关联,由于生产工艺的复杂以及工序的繁多,将产生大量的实时性较强的指标数据以及信息,如果对指标信息不能监控与可视化分析,将会对以后的生产工序造成影响。对于选矿工业企业而言,除了追求经济效益之外,更加注重的是产品质量。为了降低生产成本,节约资源消耗,提高产品质量,并在此基础上提高企业的经济效益,有必要对选矿生产中涉及到的质量指标、计量指标、能源指标、工艺指标等进行可视化的分析,以达到保证产品质量,提高经济效益的目的。
目前对生产指标的分析领域有一定的专利,如“201310647027.5(一种选矿过程运行指标优化方法)”对选矿生产过程的质量指标和产量指标进行优化,并对质量指标和产量指标进行预报,得到质量指标预报值和产量指标预报值,校正运行指标的目标的预设定值,从而得到运行指标的优化值。“201310723320.5(可视化选矿生产全流程工艺指标优化决策系统)”从选矿生产现场控制系统获取选矿生产全流程控制策略所需数据并从本地获取离线数据,对算法进行封装,或者对封装好的算法进行模块化修改,组态形成选矿生产全流程控制策略。“201310704334.2(一种设备能力变化条件下的选矿综合生产指标优化方法)”确定选矿企业综合生产指标优化目标及约束条件。当设备检修或设备故障导致设备能力出现变化是,针对生产指标优化目标和约束条件对原矿处理量进行调整,实现选矿生产指标优化。上述专利主要针对的是对选矿生产指标的优化,而缺乏1)对选矿生产的各种工序指标的整合和配置,并对已经配置好的生产指标进行管理;2)对选矿生产指标的可视化分析;3)对经分析得出的异常指标进行异常处理。
发明内容
针对现有技术的不足,本发明提出一种选矿生产指标可视化分析系统与方法,以实现对选矿生产指标的配置管理、可视化分析、异常处理,提高选矿重要生产指标可视化分析有效程度的目的。
本发明的技术方案是:
一种选矿生产指标可视化分析系统与方法,包括生产指标数据获取单元、生产指标配置单元、生产指标管理单元、生产指标可视化单元、生产指标分析单元、异常报警单元,其中:
生产指标数据获取单元:用于获取选矿生产全流程生产指标数据,包括质量指标、计量指标、能源指标、工艺指标、成本指标、设备运行统计指标,并将其存储到本地数据库。
所述质量指标包括选矿综精品味,选矿综精水分、测算烧结矿品味、综合块矿率、选矿综精sio2等。所述计量指标包括选矿综精产量干重、选矿综精产量湿重、强磁精矿产量、弱磁精矿产量、成品矿量、废石矿量等。所述能源指标包括电、中水、新水、焦炉煤气等消耗量等。所述工艺指标包括煤气总压力、高炉煤气总压力、焦炉煤气压力、煤气总热值等。所述成本指标包括高炉煤气、蒸汽、生活水、热水的能耗等。所述设备运行统计指标包括竖炉、球磨机、强磁选机、过滤机等。
生产指标配置单元:用于对数据获取单元所获取的生产指标的数据来源的配置,数据来源包括PIK数据,DCS数据,SAP数据、运时统计数据、能源数据、STRAP数据等。
所述PIK数据是指通过采集计量数据的系统采集的数据,所述DCS数据是指通过分布式控制系统所采集到的数据,所述SAP数据是指从企业资源计划中得到的数据,所述运时统计数据是指将设备的运时数据计算得到的数据,所述能源数据是指工艺过程所用能源的统计数据,所述STRAP数据是指皮带矿量数据。
生产指标管理单元:用于对指标获取单元获取的生产指标的管理,对各工序生产指标进行编码,所述编码是指给每个生产指标编写对应的指标编号,进行统一管理,实现对生产指标的增加、删除、修改、查询功能。
生产指标可视化单元:用于对生产指标数据的可视化显示,显示方式采用雷达图形式,所述雷达图可展示不同量纲的多维生产指标数据和整体趋势,所述不同量纲指各工艺生产过程有不同的生产指标,各个生产指标具有不同的单位,所述多维指雷达图的每个坐标轴代表一个维度,每个维度可以设置长度来描述不同数量级指标数据,所述整体趋势是指连接各个维度的数据可得到采样时间点的整体数据状态。
生产指标分析单元:用于生产指标可视化单元显示指标数据的分析,包括单指标数据分析和整体指标分析。所述单指标分析是指对生产指标可视化单元的雷达图每个维度的指标设置上下限值,对超过限值得指标进行异常标记。所述整体指标分析是指对某个正常状态下采样点的生产指标数据进行正常标记,对等待分析时间点下的指标数据采用标签传播算法,判断出异常指标,并进行异常标记。
异常报警单元:用于对生产指标分析单元产生的异常指标的报警处理,包括单指标异常报警和整体指标异常报警。所述单指标异常报警是指单个指标超过指标设置的上下限值得报警处理。所述整体指标异常报警是指经过标签传播算法标记的异常指标的趋势图的报警处理。
采用选矿生产指标可视化分析系统进行选矿生产指标分析的方法,包括以下步骤:
步骤1、获取选矿生产全流程生产指标数据,用于获取选矿生产全流程生产指标数据,包括质量指标、计量指标、能源指标、工艺指标、成本指标、设备运行统计指标。
步骤2、将获取的生产指标数据存储到本地数据库。
步骤3、将选矿生产全流程的生产指标进行数据源配置,给各个指标分配对应的数据源。
步骤4、将选矿全流程的生产指标进行统一管理,包括已经配置数据源的生产指标进行统一编辑,每个指标名称对应唯一的指标编码以及生产指标的增加、删除、修改、查看。
步骤5、选取选矿生产工艺过程中部分需要监测与分析的指标数据,读取数据采集单元的指标数据,以雷达图的形式进行显示,具体描述如下:
步骤5-1、选取生产工艺过程中质量指标和计量指标数据,读取数据本地数据库中的数据。
步骤5-2、将指标数据以雷达图形式显现,雷达图的每个坐标轴代表一个维度,每个维度代表一个生产指标,根据不同综合生产指标的数量级来设置对应指标坐标轴的单位长度,使得不同坐标轴上相同的单位长度代表不同的数量级,用以表示不同单位的综合生产指标。
步骤5-3、依据选矿生产过程中工艺需求,针对各个坐标轴上的单指标数据设置指标数据的上下限指标数值。
步骤5-4、连接各个坐标轴采样点指标数据值,形成此采样点指标数据的整体趋势图。
步骤5-5、显示不同采样时间下的综合指标数据。
步骤6、对步骤5雷达图显示指标数据进行异常分析,包括单指标异常分析和某采样点下整体工况指标异常分析,具体描述如下:
步骤6-1、单指标异常分析:依据工艺生产要求,对每个维度上的指标数据进行上下限值得设定,依据生产指标监测结果,分析出单个异常指标。
步骤6-2、某采样时间下综合生产指标异常分析:对已经筛选出的正常生产过程的指标数据做正常指标标记,对实时的工艺生产过程的指标数据采用标签传播算法,来监测和分析此采样点下的指标数据是否正常,对异常数据进行标记。
步骤6-2-1、正常指标数据筛选:选取一定数量的综合生产指标历史数据,结合人工经验,在历史数据中选取正常的生产指标数据,进行正常指标数据的标记。
步骤6-2-2、为实现工艺生产过程实时指标数据的监测和分析,依据步骤5所构建的雷达图,图的节点为一个数据点,节点i和节点j的边表示他们的相似度,节点i和节点j的边权重为:
其中α是超参。
步骤6-2-3、定义各个节点指标数据的概率传播矩阵P:
Ρij表示从节点i转移到节点j的概率。
步骤6-2-4、根据步骤6-2-1所得到的正常指标数据,定义L×C的标记矩阵,表示C个类别和L个标记指标样本,同时定义需要标记的U个待标记生产指标数据,形成一个UxC的标记矩阵YU,将两个矩阵合并,得到我们得到一个NxC的软标签矩阵F=[YL;YU],其中YU是等待标记矩阵。
步骤6-2-5、执行标签传播算法,使F=PF。每个节点的生产指标数据将自己的标记以P确定的概率传播给其他节点,相似的正常节点将被标记。
步骤6-2-6、重置F中的已标记样本的标签:FL=YL。每次传播完成需要重置矩阵F中的已标记数据。
步骤6—2-7、重复执行步骤6-4和步骤6-5直到F收敛。
步骤6-2-8、经过以上的步骤,正常的生产指标已经被标记,分析整体生产指标,将没有被标记处的异常指标进行异常标记。
步骤7、对所标记的单个异常指标和整体工况的异常指标进行不同类别异常报警处理。
本发明的优点是:
本发明提出一种选矿生产指标可视化分析系统与方法。本发明实现了各个工艺生产指标的统一编码和管理,为生产指标的可视化以及分析提供了数据支持;实现了生产指标的多指标多维度显示,可对不同采样点下的不同量纲指标信息进行显示,便于对生产指标的异常分析;实现了对不同生产指标的异常分析,包括单个指标异常分析和某个采样点整体指标的异常分析,通过异常指标反馈,工作人员及时调整生产工序,使生产工序正常进行;实现了异常指标报警,通过单指标异常和多指标异常的分类报警,使工作人员根据报警类别进行快速的处理。
附图说明
图1为本发明具体实施方式中一种选矿生产指标可视化分析系统与方法的结构框架图。
图2为本发明具体实施方式中一种选矿生产指标可视化分析系统与方法的流程图。
图3为本发明具体实施方式中一种选矿生产指标可视化分析系统与方法的标签传播算法流程图。
具体实施方法
下面结合附图1-3对本发明具体实施方式加以详细说明。
一种选矿生产指标可视化分析系统与方法的系统框架,如图1所示,包括生产指标获取模块、数据源配置模块、指标管理模块、指标可视化模块、指标分析模块、报警模块。
生产指标获取模块,获取选矿生产全流程生产指标数据,指标类型包括质量指标、计量指标、能源指标、工艺指标、成本指标、设备运行统计指标,各类型指标分别包括以下指标:质量指标包括选矿综精品味,选矿综精水分、测算烧结矿品味、综合块矿率、选矿综精sio2等。计量指标包括选矿综精产量干重、选矿综精产量湿重、强磁精矿产量、弱磁精矿产量、成品矿量、废石矿量等。能源指标包括电、中水、新水、焦炉煤气等消耗量等。工艺指标包括煤气总压力、高炉煤气总压力、焦炉煤气压力、煤气总热值等。成本指标包括高炉煤气、蒸汽、生活水、热水的能耗等。设备运行统计指标包括竖炉、球磨机、强磁选机、过滤机等。
数据源配置模块,完成所获取生产指标数据来源的配置,指标的数据来源包括PIK数据,DCS数据,SAP数据、运时统计数据、能源数据、STRAP数据,PIK数据是指通过采集计量数据的系统采集的数据,DCS数据是指通过分布式控制系统所采集到的数据,SAP数据是指从企业资源计划中得到的数据,运时统计数据是指将设备的运时数据计算得到的数据,能源数据是指工艺过程所用能源的统计数据,STRAP数据是指皮带矿量数据。指标获取模块的各数据来源配置情况如表1所示。
表1各指标数据源配置情况
指标管理模块,完成对各工序生产指标的统一编码处理,每个生产指标对应唯一的指标编码,实现对生产指标的增加、删除、修改、查询功能。各生产指标所对应的编码如表2所示。
表2生产指标编码情况
生产指标可视化模块:完成对需要检测的工艺生产指标的可视化显示,显示方式采用雷达图的方式,其图形可以展示不同量纲的多维生产数据和整体趋势,雷达图的每个坐标轴代表一个维度,表示一个生产指标,可通过设置坐标轴的程度来描述不同数量级的指标数据。依据工艺生产需求,可针对各个坐标轴上的单指标数据进行上下限指标数据的限定,同时雷达图还同时显示不同采样时间下的综合指标数值,在本实施方式中,选取的综合生产指标有选矿综精产量(湿重)、选矿综精产量(干重)、强磁精矿产量、选矿综精品味(Tfe)、选矿综精水分、选矿综精S、选矿综精cao、选矿综精sio2、综合块矿率、测算烧结矿品味、测算烧结矿sio2,其中所选取的生产指标的上下限值如表3所示。
生产指标可视化模块:完成对需要检测的工艺生产指标的可视化显示,如图三所示,显示方式采用雷达图的方式,其图形可以展示不同量纲的多维生产数据和整体趋势,雷达图的每个坐标轴代表一个维度,表示一个生产指标,可通过设置坐标轴的程度来描述不同数量级的指标数据。根据历史数据及人工经验,可针对各个坐标轴上的单指标数据进行上下限指标数据的限定,通过连接坐标轴当前采样点下的指标数值,可显示此采样点下指标数据的整体趋势图,同时雷达图还同时显示不同采样点下的数据值。其中所选取的生产指标以及指标的上下限值如所示。
表3所选生产指标及上下限值
生产指标分析单元:用于生产指标可视化单元显示指标数据的分析,包括单指标数据分析和整体指标分析。所述单指标分析是指对生产指标可视化单元的雷达图每个维度的指标设置上下限值,对超过限值得指标进行异常标记。所述整体指标分析是指对某个正常状态下采样点的生产指标数据进行正常标记,对等待分析时间点下的指标数据采用标签传播算法,判断出异常指标,并进行异常标记。
异常报警单元:用于对生产指标分析单元产生的异常指标的报警处理,包括单指标异常报警和整体指标异常报警。所述单指标异常报警是指单个指标超过指标设置的上下限值得报警处理。所述整体指标异常报警是指经过标签传播算法标记的异常指标的趋势图的报警处理。
采用选矿生产指标可视化分析系统进行选矿生产指标分析的方法,如图2所示,包括以下步骤:
S1、获取选矿生产全流程生产指标数据,用于获取选矿生产全流程生产指标数据,包括质量指标、计量指标、能源指标、工艺指标、成本指标、设备运行统计指标。
S2、并将将获取的生产指标数据存储到本地数据库。
S3、将选矿生产全流程的生产指标进行数据源配置,给各个指标分配对应的数据源。
S4、将选矿全流程的生产指标进行统一管理,包括已经配置数据源的生产指标进行统一编辑,每个指标名称对应唯一的指标编码以及生产指标的增加、删除、修改、查看。
S5、选取选矿生产工艺过程中部分需要监测与分析的指标数据,读取数据采集单元的指标数据,以雷达图的形式进行显示,在本系统中,具体的实施方式描述如下:
步骤1、选取生产工艺过程中质量指标和计量指标数据,读取数据本地数据库中的数据。
步骤2、将指标数据以雷达图形式显现,雷达图的每个坐标轴代表一个维度,每个维度设置不同的单位长度来描述不同数量级的指标数据。
步骤3、根据工艺生产需求,针对各个坐标轴上的单指标数据设置指标数据的上下限指标数值。
步骤4、连接各指标轴上的指标数据,就可以得到当前采样时间下综合生产指标趋势图。
步骤5、对不同采样点下的综合生产指标进行显示。
S6、对S5雷达图显示指标数据进行异常分析,包括单指标异常分析和某采样点下整体工况指标异常分析,在本系统中,具体实施方式描述如下:
步骤1、单指标异常分析:根据历史数据和人工经验,对每个维度上的指标数据进行上下限值得设定,依据生产指标监测结果,分析出单个异常指标。
步骤2、某采样点下整体工况指标异常分析:步骤对已经筛选出的正常生产过程的指标数据做标记,对实时的工艺生产过程的指标数据采用标签传播算法,来监测和分析此采样点下的指标数据是否正常,对异常数据进行标记。
其中正常指标数据筛选过程如下:根据人工经验选取多个历史采样点下的正常指标数据,对所选取多个时间点下的指标数据进行雷达图显示,剔除多个采样点中指标趋势图形状明显异常的数据,把剩余的相似图形的指标数据的平均值标记为正常数据,所选取的历史数据以及最后选取的正常数据如表4所示。
表4部分历史数据及所标记正常数据
步骤3、在此实施方式中,为实现工艺生产过程实时指标数据的监测和分析,采用的方法是标签传播算法,如图3所示,主要包含以下步骤:
X1、依据S5所构建的雷达图,图的节点为一个数据点,节点i和节点j的边表示他们的相似度,节点i和节点j的边权重为:
其中α是超参。
在此实施方法中,根据图节点数据所得的边的权重为:
X2、定义各个节点指标数据的概率传播矩阵P:
Ρij表示从节点i转移到节点j的概率。
在此实施方法中所计算出的传递矩阵为:
X3、根据步骤2所得到的正常指标数据,定义L×C的标记矩阵,表示C个类别和L个标记指标样本,同时定义需要标记的U个待标记生产指标数据,形成一个UxC的待标记矩阵YU,将两个矩阵合并,得到我们得到一个NxC的软标签矩阵F=[YL;YU],其中YU是等待标记矩阵。
在此实施方法中,定义的标记矩阵为2x10的矩阵YL:
定义的待标记矩阵为10x10的矩阵YU:
得到的软标签矩阵为12x10的矩阵F:
步骤X4、执行标签传播算法,使F=PF。每个节点的生产指标数据将自己的标记以P确定的概率传播给其他节点,相似的正常节点将被标记。
步骤X5、重置F中的已标记样本的标签:FL=YL。每次传播完成需要重置矩阵F中的已标记数据。
步骤X6、重复执行步骤6-4和步骤6-5直到F收敛。
步骤X7、经过以上的步骤,正常的生产指标已经被标记,分析整体生产指标,将没有被标记处的异常指标进行异常标记。
在此实施方法中,待标记矩阵的最终状态为:
[0,0,1,0,1,0,0,0,0,1]其中0代表正常状态,1代表异常状态。
S7、对所标记的单个异常指标和整体工况的异常指标进行不同类别异常报警处理。
Claims (1)
1.一种选矿生产指标可视化分析系统,其特征在于:系统包括生产指标数据获取单元、生产指标配置单元、生产指标管理单元、生产指标可视化单元、生产指标分析单元、异常报警单元;
其中,生产指标数据获取单元:用于获取选矿生产全流程生产指标数据,包括质量指标、计量指标、能源指标、工艺指标、成本指标、设备运行统计指标,并将其存储到本地数据库;
所述质量指标包括选矿综精品味,选矿综精水分、测算烧结矿品味、综合块矿率、选矿综精sio2;所述计量指标包括选矿综精产量干重、选矿综精产量湿重、强磁精矿产量、弱磁精矿产量、成品矿量、废石矿量;所述能源指标包括电、中水、新水、焦炉煤气消耗量;所述工艺指标包括煤气总压力、高炉煤气总压力、焦炉煤气压力、煤气总热值;所述成本指标包括高炉煤气、蒸汽、生活水、热水的能耗;所述设备运行统计指标包括竖炉、球磨机、强磁选机、过滤机;
生产指标配置单元:用于对数据获取单元所获取的生产指标的数据来源的配置,数据来源包括PIK数据,DCS数据,SAP数据、运时统计数据、能源数据、STRAP数据;
所述PIK数据是指通过采集计量数据的系统采集的数据,所述DCS数据是指通过分布式控制系统所采集到的数据,所述SAP数据是指从企业资源计划中得到的数据,所述运时统计数据是指将设备的运时数据计算得到的数据,所述能源数据是指工艺过程所用能源的统计数据,所述STRAP数据是指皮带矿量数据;
生产指标管理单元:用于对指标获取单元获取的生产指标的管理,对各工序生产指标进行编码,所述编码是指给每个生产指标编写对应的指标编号,进行统一管理,实现对生产指标的增加、删除、修改、查询功能;
生产指标可视化单元:用于对生产指标数据的可视化显示,显示方式采用雷达图形式,所述雷达图可展示不同量纲的多维生产指标数据和整体趋势,所述不同量纲指各工艺生产过程有不同的生产指标,各个生产指标具有不同的单位,所述多维指雷达图的每个坐标轴代表一个维度,每个维度设置长度来描述不同数量级指标数据,所述整体趋势是指连接各个维度的数据可得到采样时间点的整体数据状态;
生产指标分析单元:用于生产指标可视化单元显示指标数据的分析,包括单指标数据分析和整体指标分析;所述单指标分析是指对生产指标可视化单元的雷达图每个维度的指标设置上下限值,对超过限值得指标进行异常标记;所述整体指标分析是指对某个正常状态下采样点的生产指标数据进行正常标记,对等待分析时间点下的指标数据采用标签传播算法,判断出异常指标,并进行异常标记;
异常报警单元:用于对生产指标分析单元产生的异常指标的报警处理,包括单指标异常报警和整体指标异常报警;所述单指标异常报警是指单个指标超过指标设置的上下限值得报警处理;所述整体指标异常报警是指经过标签传播算法标记的异常指标的趋势图的报警处理;
一种选矿生产指标可视化分析系统与方法,包括以下步骤:
步骤1、获取选矿生产全流程生产指标数据,用于获取选矿生产全流程生产指标数据,包括质量指标、计量指标、能源指标、工艺指标、成本指标、设备运行统计指标;
步骤2、将获取的生产指标数据存储到本地数据库;
步骤3、将选矿生产全流程的生产指标进行数据源配置,给各个指标分配对应的数据源;
步骤4、将选矿全流程的生产指标进行统一管理,包括已经配置数据源的生产指标进行统一编辑,每个指标名称对应唯一的指标编码以及生产指标的增加、删除、修改、查看;
步骤5、选取选矿生产工艺过程中部分需要监测与分析的指标数据,读取数据采集单元的指标数据,以雷达图的形式进行显示;
步骤6、对步骤5雷达图显示指标数据进行异常分析,包括单指标异常分析和某采样点下整体工况指标异常分析;
步骤7、对所标记的单个异常指标和整体工况的异常指标进行不同类别异常报警处理;
步骤5的具体描述如下:
步骤5-1、选取生产工艺过程中质量指标和计量指标数据,读取数据本地数据库中的数据;
步骤5-2、将指标数据以雷达图形式显现,雷达图的每个坐标轴代表一个维度,每个维度代表一个生产指标,根据不同综合生产指标的数量级来设置对应指标坐标轴的单位长度,使得不同坐标轴上相同的单位长度代表不同的数量级,用以表示不同单位的综合生产指标;
步骤5-3、依据选矿生产过程中工艺需求,针对各个坐标轴上的单指标数据设置指标数据的上下限指标数值;
步骤5-4、连接各个坐标轴采样点指标数据值,形成此采样点指标数据的整体趋势图;
步骤5-5、显示不同采样时间下的综合指标数据;
步骤6具体描述如下:
步骤6-1、单指标异常分析:依据工艺生产要求,对每个维度上的指标数据进行上下限值得设定,依据生产指标监测结果,分析出单个异常指标;
步骤6-2、某采样时间下综合生产指标异常分析:步骤对已经筛选出的正常生产过程的指标数据做标记,对实时的工艺生产过程的指标数据采用标签传播算法,来监测和分析此采样点下的指标数据是否正常,对异常数据进行标记;
步骤6-2-1、正常指标数据筛选:选取一定数量的综合生产指标历史数据,结合人工经验,在历史数据中选取正常的生产指标数据,进行正常指标数据的标记;
步骤6-2-2、为实现工艺生产过程实时指标数据的监测和分析,依据步骤5所构建的雷达图,图的节点为一个数据点,节点i和节点j的边表示他们的相似度,节点i和节点j的边权重为:
其中α是超参;
步骤6-2-3、定义各个节点指标数据的概率传播矩阵P:
Ρij表示从节点i转移到节点j的概率;
步骤6-2-4、根据步骤6-2-1所得到的正常指标数据,定义L×C的标记矩阵,表示C个类别和L个标记指标样本,同时定义需要标记的U个待标记生产指标数据,形成一个UxC的标记矩阵YU,将两个矩阵合并,我们得到一个NxC 的软标签矩阵F=[YL;YU],其中YU是等待标记矩阵;
步骤6-2-5、执行标签传播算法,使F=PF;每个节点的生产指标数据将自己的标记以P确定的概率传播给其他节点,相似的正常节点将被标记;
步骤6-2-6、重置F中的已标记样本的标签:FL=YL;每次传播完成需要重置矩阵F中的已标记数据;
步骤6—2-7、重复执行步骤6-4和步骤6-5直到F收敛;
步骤6-2-8、经过以上的步骤,正常的生产指标已经被标记,分析整体生产指标,将没有被标记处的异常指标进行异常标记。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711283037.XA CN108108880B (zh) | 2017-12-07 | 2017-12-07 | 一种选矿生产指标可视化分析系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711283037.XA CN108108880B (zh) | 2017-12-07 | 2017-12-07 | 一种选矿生产指标可视化分析系统与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108108880A CN108108880A (zh) | 2018-06-01 |
CN108108880B true CN108108880B (zh) | 2022-02-08 |
Family
ID=62208232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711283037.XA Expired - Fee Related CN108108880B (zh) | 2017-12-07 | 2017-12-07 | 一种选矿生产指标可视化分析系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108108880B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241077A (zh) * | 2018-08-30 | 2019-01-18 | 东北大学 | 基于相似性的生产指标变化趋势可视化查询系统及方法 |
CN109409639A (zh) * | 2018-08-31 | 2019-03-01 | 东北大学 | 一种选矿生产指标的关联关系可视化系统及方法 |
CN109034662B (zh) * | 2018-08-31 | 2022-03-25 | 东北大学 | 一种基于工艺流程的生产指标可视化监控系统及方法 |
CN111277614A (zh) * | 2018-12-04 | 2020-06-12 | 中材节能股份有限公司 | 一种基于云数据的工业能源管理系统 |
CN109840718B (zh) * | 2019-02-28 | 2023-02-07 | 东北大学 | 一种基于组态的生产指标可视化监控系统及方法 |
CN110531723B (zh) * | 2019-09-12 | 2022-07-05 | 东北大学 | 一种选矿设备故障状态可视分析系统与方法 |
CN110766305A (zh) * | 2019-10-15 | 2020-02-07 | 中冶赛迪重庆信息技术有限公司 | 一种原燃料质量跟踪预警方法 |
CN113780506A (zh) * | 2021-09-18 | 2021-12-10 | 重庆允成互联网科技有限公司 | 基于主动标识的生产管理方法、系统、设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104134120A (zh) * | 2014-07-30 | 2014-11-05 | 东北大学 | 一种选矿生产指标监控系统及方法 |
-
2017
- 2017-12-07 CN CN201711283037.XA patent/CN108108880B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104134120A (zh) * | 2014-07-30 | 2014-11-05 | 东北大学 | 一种选矿生产指标监控系统及方法 |
Non-Patent Citations (4)
Title |
---|
基于半监督学习方法的异常值检测;无;《百度网页:http://www.mamicode.com/info-detail-1082570.html》;20151018;正文第1-2页 * |
标签传播算法(Label Propagetion)及Python实现;zouxy09;《百度网页:https://blog.csdn.net/zouxy09/article/details/49105265》;20151013;正文第2-3页 * |
选矿生产综合精矿品位监控系统的设计与开发;王昭;《中国优秀硕士论文电子期刊网》;20160815;正文第2.1.2,3.4节,第4-5章 * |
面向全流程优化的选矿过程仿真系统研发;丁进良;《控制工程》;20120520;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108108880A (zh) | 2018-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108108880B (zh) | 一种选矿生产指标可视化分析系统与方法 | |
CN110837226B (zh) | 基于智能优化算法的火电机组操作寻优方法及相关装置 | |
CN110221558A (zh) | 一种基于边缘计算技术的电液伺服阀在线故障诊断网关 | |
CN105159239B (zh) | 一种spc策略自动更新方法及spc自动策略系统 | |
CN105956793A (zh) | 基于物联网的钢筋自动化加工配送系统 | |
CN115718466B (zh) | 基于随机森林和层次分析法的数字孪生车间故障预测方法 | |
CN113189942A (zh) | 一种工业数据智能分析系统及方法 | |
CN106600029A (zh) | 一种基于电力数据的宏观经济预测量化修正方法 | |
CN104020750A (zh) | 一种炼钢投入产出监控系统 | |
CN105184431A (zh) | 钢化玻璃工艺操作管理系统 | |
CN112559591B (zh) | 一种用于冷轧辊制造过程的离群检测系统及其检测方法 | |
WO2021147347A1 (zh) | 一种工业大数据的采集网络系统及其应用方法 | |
CN108919752A (zh) | 一种胎面制品压出生产线的数据分析处理系统和方法 | |
CN112785142B (zh) | 物联网污水处理设备预警智慧工单方法及其系统 | |
CN115820952A (zh) | 一种高炉状态监控方法、装置、电子设备及存储介质 | |
SHERBAF et al. | Multi-objective economic-statistical design of cumulative count of conforming control chart | |
CN103488089A (zh) | 自适应的农药废液焚烧炉有害物排放达标控制系统及方法 | |
CN111176174B (zh) | 一种面向冲压车间的多功能监管系统 | |
WO2017208357A1 (ja) | 生産制御装置および生産制御プログラム | |
Chen et al. | Autoclave Molding Artificial Intelligence (AI) Method and Apparatus System of Composite Materials for Aerospace Applications | |
CN104331624B (zh) | 一种基于流量计的能源流量值处理方法及装置 | |
Pahmi | Development of Raspberry Pi applied to Real-Time Monitoring of Overall Equipment Effectiveness (OEE) | |
Dudnyk | Information providing and software of control system in greenhouse with neural network predictions of external disturbances | |
CN110298588B (zh) | 基于统计分析的标准自动优化系统及方法 | |
KR20240094537A (ko) | 철강 판재 제품의 품질 관리를 위한 전처리 시스템 및 방법 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220208 |