CN108717415A - 生产设备生命周期状态数据建模方法和系统 - Google Patents
生产设备生命周期状态数据建模方法和系统 Download PDFInfo
- Publication number
- CN108717415A CN108717415A CN201810276603.2A CN201810276603A CN108717415A CN 108717415 A CN108717415 A CN 108717415A CN 201810276603 A CN201810276603 A CN 201810276603A CN 108717415 A CN108717415 A CN 108717415A
- Authority
- CN
- China
- Prior art keywords
- data
- production equipment
- life cycle
- model
- equipment
- 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
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 238
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000013499 data model Methods 0.000 claims abstract description 93
- 238000003860 storage Methods 0.000 claims abstract description 15
- 238000013480 data collection Methods 0.000 claims description 43
- 238000010276 construction Methods 0.000 claims description 29
- 238000012423 maintenance Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 21
- 238000012163 sequencing technique Methods 0.000 claims description 18
- 230000007547 defect Effects 0.000 claims description 13
- 230000008439 repair process Effects 0.000 claims description 11
- 238000007493 shaping process Methods 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000002950 deficient Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 14
- 238000000605 extraction Methods 0.000 abstract description 8
- 230000004927 fusion Effects 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 13
- 238000012544 monitoring process Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012800 visualization Methods 0.000 description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000012505 colouration Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本申请涉及一种生产设备生命周期状态数据建模方法、系统、计算机设备和存储介质。所述方法包括：获取生产设备在生命周期中各个阶段的设备数据，根据设备数据按照逻辑控制模型生成拓扑数据，根据设备数据和拓扑数据，获取设备运行档案以及定义数据结构，根据设备数据、拓扑数据、设备运行档案和数据结构，建立生产设备的状态数据模型。采用本方法能够实现了生产设备在全生命周期下的大数据资源的记录和处理，完善大数据资源的全面性，建立的状态数据模型存储着经过逻辑关系关联、提取、融合、梳理的数据，可以展示梳理后清晰的与生产设备相关联的数据，准确地记录生产设备各个阶段的状态，提高获取生产设备的状态数据的准确性。
Description
技术领域
本申请涉及生产设备运维技术领域，特别是涉及一种生产设备生命周期状态数据建模方法和系统。
背景技术
在现代电力工业中，大数据资源已成为电力系统的核心资源之一，数据生命信息流至关重要，大数据处理分析一直是一大难题。近年来，全生命周期理论被逐步引入到电力工业的生产设备的大数据资源当中，全生命周期下的大数据资源包括了电力设备的在生命周期中各个阶段的数据。
全生命周期下的大数据资源表现出设备数据的多样性和复杂性，面对大量的设备数据，对生产设备进行状态评价的过程会变得繁琐，根据大数据资源直接获取生产设备在运行过程中故障事件的记录容易出现不全面的现象，进而获取的生产设备的状态数据不精确，表现出生产设备的状态数据的准确性低的问题。
发明内容
基于此，有必要针对生产设备的状态数据的准确性低的问题，提供一种生产设备生命周期状态数据建模方法和系统。
一种生产设备生命周期状态数据建模方法，包括以下步骤：
获取生产设备在生命周期中各个阶段的设备数据；
根据设备数据按照逻辑控制模型生成拓扑数据，其中，拓扑数据为标识设备数据之间关系的数据，逻辑控制模型包括根据逻辑关系所形成的模型；
根据设备数据和拓扑数据，获取设备运行档案以及定义数据结构，其中，设备运行档案包括生产设备的生命周期事件列表，数据结构用于梳理生产设备相关联的数据；
根据设备数据、拓扑数据、设备运行档案和数据结构，建立生产设备的状态数据模型，其中，状态数据模型包括设备数据、拓扑数据和设备运行档案。
在一个实施例中，获取设备运行档案的步骤，包括以下步骤：
按照生产设备的动态演化对设备数据和拓扑数据进行分层处理，形成设备运行档案。
在一个实施例中，在建立生产设备的状态数据模型的步骤之后，还包括以下步骤：
根据状态数据模型构建状态数据图谱，其中，状态数据图谱用于可视化展示状态数据模型。
在一个实施例中，根据状态数据模型构建状态数据图谱的步骤，包括以下步骤：
根据状态数据模型进行定位编码，并获取状态数据模型的定位指引数据，其中，定位编码为用于满足状态数据图谱构建而进行的编码操作，定位指引数据为进行编码操作后获取的数据；
根据定位指引数据、图谱标识和坐标系构建状态数据图谱，其中，图谱标识用于可视化标识状态数据模型中对应的数据。
在一个实施例中，坐标系为以时间顺序建立的坐标系，其中，时间顺序中的年份在空间上按照年轮规律分布，时间顺序中的月份在空间上按照时钟指针规律分布。
在一个实施例中，生命周期的阶段包括设备选型、设备监造、安装验收、交接验收、化学预试、电气预试、检修维护、缺陷记录和不良工况，设备数据包括基础数据、运行及缺陷数据和检修试验数据。
在一个实施例中，逻辑控制模型包括空间关系模型、时间轴关系模型和事件关系模型。
一种生产设备生命周期状态数据建模系统，所述系统包括：
设备数据获取模块，用于获取生产设备在生命周期中各个阶段的设备数据；
拓扑数据生成模块，用于根据设备数据按照逻辑控制模型生成拓扑数据，其中，拓扑数据为标识设备数据之间关系的数据，逻辑控制模型包括根据逻辑关系所形成的模型；
设备运行档案获取和数据结构定义模块，用于根据设备数据和拓扑数据，获取设备运行档案以及定义数据结构，其中，设备运行档案包括生产设备的生命周期事件列表，数据结构用于梳理生产设备相关联的数据；
状态数据模型建立模块，用于根据设备数据、拓扑数据、设备运行档案和数据结构，建立并存储生产设备的状态数据模型，其中，状态数据模型包括设备数据、拓扑数据和设备运行档案。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取生产设备在生命周期中各个阶段的设备数据；
根据设备数据按照逻辑控制模型生成拓扑数据，其中，拓扑数据为标识设备数据之间关系的数据，逻辑控制模型包括根据逻辑关系所形成的模型；
根据设备数据和拓扑数据，获取设备运行档案以及定义数据结构，其中，设备运行档案包括生产设备的生命周期事件列表，数据结构用于梳理生产设备相关联的数据；
根据设备数据、拓扑数据、设备运行档案和数据结构，建立生产设备的状态数据模型，其中，状态数据模型包括设备数据、拓扑数据和设备运行档案。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取生产设备在生命周期中各个阶段的设备数据；
根据设备数据按照逻辑控制模型生成拓扑数据，其中，拓扑数据为标识设备数据之间关系的数据，逻辑控制模型包括根据逻辑关系所形成的模型；
根据设备数据和拓扑数据，获取设备运行档案以及定义数据结构，其中，设备运行档案包括生产设备的生命周期事件列表，数据结构用于梳理生产设备相关联的数据；
根据设备数据、拓扑数据、设备运行档案和数据结构，建立生产设备的状态数据模型，其中，状态数据模型包括设备数据、拓扑数据和设备运行档案。
上述生产设备生命周期状态数据建模方法、系统、计算机设备和存储介质，通过获取生产设备在生命周期中各个阶段的设备数据，根据设备数据按照逻辑控制模型生成拓扑数据，获取设备运行档案以及定义数据结构，建立生产设备的状态数据模型，实现了生产设备在全生命周期下的大数据资源的记录和处理，完善大数据资源的全面性，建立的状态数据模型存储着经过逻辑关系关联、提取、融合、梳理的数据，可以展示梳理后清晰的与生产设备相关联的数据，准确地记录生产设备各个阶段的状态，提高获取生产设备的状态数据的准确性。
附图说明
图1为一个实施例中生产设备生命周期状态数据建模方法的应用环境图；
图2为一个实施例中生产设备生命周期状态数据建模方法的流程图；
图3为一个实施例中生产设备生命周期状态数据建模方法的状态数据图谱构建的流程图；
图4为一个实施例中生产设备生命周期状态数据建模方法的定位编码及图谱构建的流程图；
图5为一个实施例中生产设备生命周期状态数据建模系统的结构示意图；
图6为一个实施例中生产设备生命周期状态数据建模系统状态数据图谱构建模块的结构示意图；
图7为另一个实施例中生产设备生命周期状态数据建模方法的流程图；
图8为另一个实施例中生产设备的状态数据图谱；
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的生产设备生命周期状态数据建模方法，可以应用于如图1所示的应用环境中，图1为一个实施例中生产设备生命周期状态数据建模方法的应用环境图。其中，生产设备10与计算机设备20连接，计算机设备20可以是服务器，也可以是个人计算机、笔记本电脑、智能手机和平板电脑。该计算机设备20可与生产设备10通信，可以用于获取生产设备10的设备数据，还可以实时获取设备数据。
在一个实施例中，如图2所示，图2为一个实施例中生产设备生命周期状态数据建模方法的流程图，提供了一种生产设备生命周期状态数据建模方法，以该方法应用于图1中的计算机设备为例进行说明，包括以下步骤：
步骤S210：获取生产设备在生命周期中各个阶段的设备数据。
其中，生产设备在生命周期中会经历规划、采购、投运、运维、检修、试验、变更、报废等过程，因此生命周期中包括有多个阶段，例如在规划和采购过程下可以获取生产设备的设备编码、运行单位、电压等级、投运日期、运行年限等基本设备信息。在运维和检修过程下可以获取生产设备在运行过程中故障事件记录和维修事件记录等事件记录。
本步骤中，采集并记录生产设备在生命周期中各个阶段的设备数据。
可以通过在线监测的方式采集设备数据，在线监测可以用于自动采集生产设备在不同阶段下的状态，达到实时监测生产设备状态的效果，提高设备数据的时效性，也大大节约采集数据的成本。而且还可以以在线监测为主，巡视监测和其他非在线的手段为辅，对生产设备的设备数据进行进一步的完善，提高设备数据的完整度和准确度。
在电力工业中，生产设备包括电力工业生产过程中所使用的电力设备。
步骤S220：根据设备数据按照逻辑控制模型生成拓扑数据，其中，拓扑数据为标识设备数据之间关系的数据，逻辑控制模型包括根据逻辑关系所形成的模型。
其中，逻辑控制模型是一种自定义的模型，用于表达逻辑关系和处理设备数据，拓扑是指从严格定量测量中抽象出来的各种对象之间的关系，拓扑数据则标识着设备数据之间在逻辑关系上存在的关系和关联，并记录着设备数据之间的关联记录。
本步骤中，可以将设备数据按照逻辑控制模型中的逻辑关系进行处理，将设备数据按照逻辑关系抽象出设备数据之间存在的关系，生成拓扑数据。
步骤S230：根据设备数据和拓扑数据，获取设备运行档案以及定义数据结构，其中，设备运行档案包括生产设备的生命周期事件列表，数据结构用于梳理生产设备相关联的数据。
其中，设备运行档案包括生产设备的生命周期事件列表，用于分流分门分类地处理设备数据和拓扑数据，融合各方面和各阶段的设备数据和拓扑数据。数据结构用于梳理生产设备相关联的数据，合适的数据结构可以有条理地表现生产设备的数据以及数据之间的关联性，通过数据结构的展示，有利于梳理清晰的生产设备相关联的数据。而定义数据结构可以使得数据结构适用于存储经过逻辑关系关联、提取、融合、梳理后的数据，以便于形成新的数据类型和存储整合处理后的大数据。
本步骤中，根据设备数据和拓扑数据，分门分类地融合各方面和各阶段的设备数据和拓扑数据，形成设备运行档案，还定义数据结构，以便于梳理生产设备相关联的数据。
步骤S240：根据设备数据、拓扑数据、设备运行档案和数据结构，建立生产设备的状态数据模型，其中，状态数据模型包括设备数据、拓扑数据和设备运行档案。
其中，状态数据模型用于表现生产设备相关联的各种数据，包括表现生产设备的设备数据、拓扑数据和设备运行档案。
本步骤中，根据设备数据、拓扑数据、设备运行档案和数据结构，建立生产设备的状态数据模型。例如，可以根据数据结构，将设备数据、拓扑数据和设备运行档案按照数据结构的定义，存储为状态数据模型。
上述生产设备生命周期状态数据建模方法，通过获取生产设备在生命周期中各个阶段的设备数据，根据设备数据按照逻辑控制模型生成拓扑数据，获取设备运行档案以及定义数据结构，建立生产设备的状态数据模型，实现了生产设备在全生命周期下的大数据资源的记录和处理，完善大数据资源的全面性，建立的状态数据模型存储着经过逻辑关系关联、提取、融合、梳理的数据，可以展示梳理后清晰的与生产设备相关联的数据，准确地记录生产设备各个阶段的状态，提高获取生产设备的状态数据的准确性。
在一个实施例中，获取设备运行档案的步骤，包括以下步骤：
按照生产设备的动态演化对设备数据和拓扑数据进行分层处理，形成设备运行档案。
动态演化包括一系列贯穿生产设备生命周期始终的活动，按照生产设备的动态演化对设备数据和拓扑数据进行处理，对大量的设备数据和拓扑数据进行分流分层分类处理，形成分门分类的设备运行档案。
上述生产设备生命周期状态数据建模方法，按照生产设备的动态演化对设备数据和拓扑数据进行分层处理，形成设备运行档案，有利于实现生产设备在生命周期中各阶段的数据进行有效的整合和梳理，提高数据的集成度。
在一个实施例中，如图3所示，图3为一个实施例中生产设备生命周期状态数据建模方法的状态数据图谱构建的流程图，在建立生产设备的状态数据模型的步骤之后，还包括以下步骤：
步骤S250：根据状态数据模型构建状态数据图谱，其中，状态数据图谱用于可视化展示状态数据模型。
上述生产设备生命周期状态数据建模方法，在建立生产设备的状态数据模型后，构建状态数据图谱，可视化展示状态数据模型，使得状态数据模型可以清晰直观地标识生产设备在各个阶段的状态。
在一个实施例中，如图4所示，图4为一个实施例中生产设备生命周期状态数据建模方法的定位编码及图谱构建的流程图，根据状态数据模型构建状态数据图谱的步骤，包括以下步骤：
步骤S251：根据状态数据模型进行定位编码，并获取状态数据模型的定位指引数据，其中，定位编码为用于满足状态数据图谱构建而进行的编码操作，定位指引数据为进行编码操作后获取的数据。
本步骤中，定位编码将状态数据模型中的数据按照规律在坐标系中定位，并对获得的定位进行编码操作，编码操作后获取定位指引数据，定位指引数据可以便于后续在坐标系中作出状态数据图谱。
步骤S252：根据定位指引数据、图谱标识和坐标系构建状态数据图谱，其中，图谱标识用于可视化标识状态数据模型中对应的数据。
本步骤中，按照规律，将定位指引数据和图谱标识在坐标系中作出状态数据图谱。状态数据模型中包括有不同类别的数据，利用图谱标识可以标识不同类别的数据，有助于一目了然和直观地从状态数据图谱中获取生产设备的状态。
上述生产设备生命周期状态数据建模方法，通过定位指引数据、图谱标识和坐标系构建状态数据图谱可以使得状态数据模型中的数据直观展示，提高状态数据模型的可视化程度。
在一个实施例中，坐标系为以时间顺序建立的坐标系，其中，时间顺序中的年份在空间上按照年轮规律分布，时间顺序中的月份在空间上按照时钟指针规律分布。
在以时间顺序建立的坐标系中，年份按照年轮规律分布，一个圆圈代表一个年份，多个圆圈可以按照多个同心圆排列在平面上，每个圆圈按照年份顺序排列；而月份则按照时钟指针规律分布，与时钟指针刻度的分布规律类似，将在圆心上的360°的周角分为12份，每一份扇形指代一个月份，每个扇形按照月份顺序排列，建立包括有年轮规律和时钟指针规律的时间顺序的坐标系。
上述生产设备生命周期状态数据建模方法，包括有年轮规律和时钟指针规律的时间顺序的坐标系可以容纳生命周期长度跨度非常大的状态数据模型，而且该时间顺序的坐标系还可以在平面内展现年份和月份相关的数据规律，提高状态数据图谱的容纳量，提高状态数据图谱中数据的集成度和可视化程度。
另外，年轮规律中除了可以使用同心圆来排列年份，还可以使用螺旋曲线来排列年份，一个周角的螺旋曲线可以代表一个年份；时钟指针规律中每个扇形中还可以按照月份的天数建立相应的日期的排列。
在一个实施例中，生命周期的阶段包括设备选型、设备监造、安装验收、交接验收、化学预试、电气预试、检修维护、缺陷记录和不良工况，设备数据包括基础数据、运行及缺陷数据和检修试验数据。
生产设备在生命周期中会经历规划、采购、投运、运维、检修、试验、变更、报废等过程，因此生命周期中包括有多个阶段，按照上述经历的过程，生产设备的生命周期可以包括有设备选型、设备监造、安装验收、交接验收、化学预试、电气预试、检修维护、缺陷记录、不良工况等阶段，设备数据包括各个阶段的基本信息和事件记录，例如在设备选型阶段下可以获取生产设备的设备编码、运行单位、电压等级、投运日期、运行年限等基本设备信息。在检修维护阶段下可以获取生产设备在运行过程中故障事件记录和维修事件记录等事件记录。
上述生产设备生命周期状态数据建模方法，将生命周期划分为多个阶段，便于对生命周期的设备数据进行全面采集和处理，提高生产设备的设备数据的完整性，提高状态数据模型的准确性。
在一个实施例中，逻辑控制模型包括空间关系模型、时间轴关系模型和事件关系模型。
其中，空间关系模型用于将设备数据按照空间关联的关系抽象出设备数据之间存在的关系；时间轴关系模型用于将设备数据按照时间关联的关系抽象出设备数据之间存在的关系；事件关系模型用于将设备数据按照时间关联的关系抽象出设备数据之间存在的关系。
上述生产设备生命周期状态数据建模方法，通过空间关系模型、时间轴关系模型和事件关系模型可以分别根据空间关联、时间关联和时间关联处理设备数据，获取拓扑数据，拓扑数据可以有效反映设备数据的演化和传递方向和关联性，有利于提高状态数据模型的准确性。
应该理解的是，虽然图2至4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2至4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，图5为一个实施例中生产设备生命周期状态数据建模系统的结构示意图，提供了一种生产设备生命周期状态数据建模系统，包括：设备数据获取模块510、拓扑数据生成模块520、设备运行档案获取和数据结构定义模块530以及状态数据模型建立模块540，其中：
设备数据获取模块510，用于获取生产设备在生命周期中各个阶段的设备数据。
生产设备在生命周期中会经历规划、采购、投运、运维、检修、试验、变更、报废等过程，因此生命周期中包括有多个阶段，例如在规划和采购过程下可以获取生产设备的设备编码、运行单位、电压等级、投运日期、运行年限等基本设备信息。在运维和检修过程下可以获取生产设备在运行过程中故障事件记录和维修事件记录等事件记录。设备数据获取模块510采集并记录生产设备在生命周期中各个阶段的设备数据。设备数据获取模块510还可以通过在线监测的方式采集设备数据，在线监测可以用于自动采集生产设备在不同阶段下的状态，达到实时监测生产设备状态的效果，提高设备数据的时效性，也大大节约采集数据的成本。而且还可以以在线监测为主，巡视监测和其他非在线的手段为辅，对生产设备的设备数据进行进一步的完善，提高设备数据的完整度和准确度。在电力工业中，生产设备包括电力工业生产过程中所使用的电力设备。
拓扑数据生成模块520，用于根据设备数据按照逻辑控制模型生成拓扑数据，其中，拓扑数据为标识设备数据之间关系的数据，逻辑控制模型包括根据逻辑关系所形成的模型。
逻辑控制模型是一种自定义的模型，用于表达逻辑关系和处理设备数据，拓扑是指从严格定量测量中抽象出来的各种对象之间的关系，拓扑数据则标识着设备数据之间在逻辑关系上存在的关系和关联，并记录着设备数据之间的关联记录。拓扑数据生成模块520可以将设备数据按照逻辑控制模型中的逻辑关系进行处理，将设备数据按照逻辑关系抽象出设备数据之间存在的关系，生成拓扑数据。
设备运行档案获取和数据结构定义模块530，用于根据设备数据和拓扑数据，获取设备运行档案以及定义数据结构，其中，设备运行档案包括生产设备的生命周期事件列表，数据结构用于梳理生产设备相关联的数据。
设备运行档案包括生产设备的生命周期事件列表，用于分流分门分类地处理设备数据和拓扑数据，融合各方面和各阶段的设备数据和拓扑数据。数据结构用于梳理生产设备相关联的数据，合适的数据结构可以有条理地表现生产设备的数据以及数据之间的关联性，通过数据结构的展示，有利于梳理清晰的生产设备相关联的数据。而定义数据结构可以使得数据结构适用于存储经过逻辑关系关联、提取、融合、梳理后的数据，以便于形成新的数据类型和存储整合处理后的大数据。设备运行档案获取和数据结构定义模块530根据设备数据和拓扑数据，分门分类地融合各方面和各阶段的设备数据和拓扑数据，形成设备运行档案，还定义数据结构，以便于梳理生产设备相关联的数据。
状态数据模型建立模块540，用于根据设备数据、拓扑数据、设备运行档案和数据结构，建立并存储生产设备的状态数据模型，其中，状态数据模型包括设备数据、拓扑数据和设备运行档案。
状态数据模型用于表现生产设备相关联的各种数据，包括表现生产设备的设备数据、拓扑数据和设备运行档案。状态数据模型建立模块540根据设备数据、拓扑数据、设备运行档案和数据结构，建立生产设备的状态数据模型。例如，可以根据数据结构，将设备数据、拓扑数据和设备运行档案按照数据结构的定义，存储为状态数据模型。
上述生产设备生命周期状态数据建模系统，设备数据获取模块510获取生产设备在生命周期中各个阶段的设备数据，拓扑数据生成模块520根据设备数据按照逻辑控制模型生成拓扑数据，设备运行档案获取和数据结构定义模块530获取设备运行档案以及定义数据结构，状态数据模型建立模块540建立生产设备的状态数据模型，实现了生产设备在全生命周期下的大数据资源的记录和处理，完善大数据资源的全面性，建立的状态数据模型存储着经过逻辑关系关联、提取、融合、梳理的数据，可以展示梳理后清晰的与生产设备相关联的数据，准确地记录生产设备各个阶段的状态，提高获取生产设备的状态数据的准确性。
在一个实施例中，设备运行档案获取和数据结构定义模块530还用于按照生产设备的动态演化对设备数据和拓扑数据进行分层处理，形成设备运行档案。
动态演化包括一系列贯穿生产设备生命周期始终的活动，按照生产设备的动态演化对设备数据和拓扑数据进行处理，对大量的设备数据和拓扑数据进行分流分层分类处理，形成分门分类的设备运行档案。
上述生产设备生命周期状态数据建模系统，设备运行档案获取和数据结构定义模块530按照生产设备的动态演化对设备数据和拓扑数据进行分层处理，形成设备运行档案，有利于实现生产设备在生命周期中各阶段的数据进行有效的整合和梳理，提高数据的集成度。
在一个实施例中，如图6所示，图6为一个实施例中生产设备生命周期状态数据建模系统状态数据图谱构建模块的结构示意图，生产设备生命周期状态数据建模系统还包括状态数据图谱构建模块550，状态数据图谱构建模块550用于根据状态数据模型构建状态数据图谱，其中，状态数据图谱用于可视化展示状态数据模型。
上述生产设备生命周期状态数据建模系统，在建立生产设备的状态数据模型后，状态数据图谱构建模块550构建状态数据图谱，可视化展示状态数据模型，使得状态数据模型可以清晰直观地标识生产设备在各个阶段的状态。
在一个实施例中，状态数据图谱构建模块550还用于根据状态数据模型进行定位编码，并获取状态数据模型的定位指引数据，其中，定位编码为用于满足状态数据图谱构建而进行的编码操作，定位指引数据为进行编码操作后获取的数据，根据定位指引数据、图谱标识和坐标系构建状态数据图谱，其中，图谱标识用于可视化标识状态数据模型中对应的数据。
状态数据图谱构建模块550的定位编码将状态数据模型中的数据按照规律在坐标系中定位，并对获得的定位进行编码操作，编码操作后获取定位指引数据，定位指引数据可以便于后续在坐标系中作出状态数据图谱；状态数据图谱构建模块550按照规律，将定位指引数据和图谱标识在坐标系中作出状态数据图谱。状态数据模型中包括有不同类别的数据，利用图谱标识可以标识不同类别的数据，有助于一目了然和直观地从状态数据图谱中获取生产设备的状态。
上述生产设备生命周期状态数据建模系统，状态数据图谱构建模块550通过定位指引数据、图谱标识和坐标系构建状态数据图谱可以使得状态数据模型中的数据直观展示，提高状态数据模型的可视化程度。
在一个实施例中，坐标系为以时间顺序建立的坐标系，其中，时间顺序中的年份在空间上按照年轮规律分布，时间顺序中的月份在空间上按照时钟指针规律分布。
在以时间顺序建立的坐标系中，年份按照年轮规律分布，一个圆圈代表一个年份，多个圆圈可以按照多个同心圆排列在平面上，每个圆圈按照年份顺序排列；而月份则按照时钟指针规律分布，与时钟指针刻度的分布规律类似，将在圆心上的360°的周角分为12份，每一份扇形指代一个月份，每个扇形按照月份顺序排列，建立包括有年轮规律和时钟指针规律的时间顺序的坐标系。
上述生产设备生命周期状态数据建模系统，包括有年轮规律和时钟指针规律的时间顺序的坐标系可以容纳生命周期长度跨度非常大的状态数据模型，而且该时间顺序的坐标系还可以在平面内展现年份和月份相关的数据规律，提高状态数据图谱的容纳量，提高状态数据图谱中数据的集成度和可视化程度。
另外，年轮规律中除了可以使用同心圆来排列年份，还可以使用螺旋曲线来排列年份，一个周角的螺旋曲线可以代表一个年份；时钟指针规律中每个扇形中还可以按照月份的天数建立相应的日期的排列。
在一个实施例中，生命周期的阶段包括设备选型、设备监造、安装验收、交接验收、化学预试、电气预试、检修维护、缺陷记录和不良工况，设备数据包括基础数据、运行及缺陷数据和检修试验数据。
生产设备在生命周期中会经历规划、采购、投运、运维、检修、试验、变更、报废等过程，因此生命周期中包括有多个阶段，按照上述经历的过程，生产设备的生命周期可以包括有设备选型、设备监造、安装验收、交接验收、化学预试、电气预试、检修维护、缺陷记录、不良工况等阶段，设备数据包括各个阶段的基本信息和事件记录，例如在设备选型阶段下可以获取生产设备的设备编码、运行单位、电压等级、投运日期、运行年限等基本设备信息。在检修维护阶段下可以获取生产设备在运行过程中故障事件记录和维修事件记录等事件记录。
上述生产设备生命周期状态数据建模系统，将生命周期划分为多个阶段，便于对生命周期的设备数据进行全面采集和处理，提高生产设备的设备数据的完整性，提高状态数据模型的准确性。
在一个实施例中，逻辑控制模型包括空间关系模型、时间轴关系模型和事件关系模型。
其中，空间关系模型用于将设备数据按照空间关联的关系抽象出设备数据之间存在的关系；时间轴关系模型用于将设备数据按照时间关联的关系抽象出设备数据之间存在的关系；事件关系模型用于将设备数据按照时间关联的关系抽象出设备数据之间存在的关系。
上述生产设备生命周期状态数据建模系统，通过空间关系模型、时间轴关系模型和事件关系模型可以分别根据空间关联、时间关联和时间关联处理设备数据，获取拓扑数据，拓扑数据可以有效反映设备数据的演化和传递方向和关联性，有利于提高状态数据模型的准确性。
关于生产设备生命周期状态数据建模系统的具体限定可以参见上文中对于生产设备生命周期状态数据建模方法的限定，在此不再赘述。上述生产设备生命周期状态数据建模系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在另一个实施例中，如图7所示，图7为另一个实施例中生产设备生命周期状态数据建模方法的流程图，本实施例中的生产设备生命周期状态数据建模方法包括以下步骤：
记录生产设备在生命周期的设备数据。生产设备的设备数据来自设备基本信息、运维管理、缺陷管理、状态检修、变更退役等几个部分，生产设备的生命周期从设备选型开始，涵盖了设备监造、安装验收、交接验收、化学预试、电气预试、检修维护、缺陷记录、不良工况等各个阶段。生产设备的设备数据和设备状态的采集方式以在线监测为主，以巡视和其它非在线手段为辅，采集的设备数据形成生产设备的全生命周期数据源。在根据自定义的逻辑控制模型，建立空间关联、时间关联和时间关联，获得生产设备的拓扑数据，记录生产设备的设备数据在生命周期中的关联，其中逻辑控制模型包括空间关系模型、时间轴关系模型和事件关系模型。
处理所记录的设备数据，并获得生产设备的状态数据模型。通过融合生产设备的设备数据在基础数据、运行及缺陷数据、检修实验数据等各方面信息数据，使得生产设备在生命周期中各个阶段的设备数据得以有效采集、传递、整合和反馈，以便实现生产设备在生命周期中的大数据资源得到集成和共享。将生产设备在生命周期中的大数据资源进行逐层分解，对动态演化的设备数据和拓扑数据进行分流分层分类处理，形成分门分类的设备运行档案；对获得的数据和形成的数据及档案进行特征关联、提取、融合和梳理，在根据定义的数据结构，完成生产设备在生命周期中的大数据资源的分析，并建立和存储生产设备的状态数据模型。
构建状态数据模型构建状态数据图谱。状态数据图谱是对只是图谱的一种延伸拓展，结合了数学、图形学、信息技术等学科，通过生产设备的状态数据图谱可以实现生产设备在生命周期中设备数据的有机整合。状态数据图谱的构建包括术语定义、模块定义、时间轴坐标系定义、定位编码与定位指引、图谱生成的步骤。术语定义：结合电力企业在生产上的特点和需求，对生产设备在生命周期各个阶段进行划分和定义，生命周期包括设备监造、安装验收、交接验收、化学预试、电气预试、检修维护、缺陷记录、不良工况等阶段。模块定义：确定生命周期各个阶段的模块化展现形式，规范各个阶段的图谱标识，采用清晰辨识色谱与常规易读图标搭配的形式，定义生命周期各个阶段的模块化图像，生成各个阶段的图谱标识。时间轴坐标系定义，以年轮和时钟指针结合的形式，针对年份和月份建立在平面空间分布的时间轴坐标系，时间轴坐标系中的年份按照年轮分别的规则进行排列，时间轴坐标系中的月份按照时钟指针刻度分布的规则进行排列，建立的时间轴坐标系用于后续构建状态数据图谱。定位编码与定位指引：定位编码是基于生产设备的状态数据模型，面向生产设备的生命周期的数据，针对性开发的应用编码方法，能够对状态数据模型和数据实现高时效高精度的定位指引，获得定位指引数据，满足状态数据图谱的构建，并提高数据处理的效率与规范性。图谱生成：最终直观呈现生产设备的状态数据图谱，根据状态数据模型中的设备运行档案和相关的数据，将生产设备的各项运维记录和数据显示在时间轴坐标系中，便于分析生产设备可靠性和运行风险。如图8所示，图8为另一个实施例中生产设备的状态数据图谱，该图展现了电力生产中某一生产设备在2007年至2017年生命周期内的运维记录，可以看到该设备进行了较为频繁的化学预试和电气预试，该生产设备有一处缺陷记录，可以清晰地看到该生产设备所有运维状态在生命周期所处的位置，便于分析生产设备的可靠性和运行风险。本实施例验证了该生产设备生命周期状态数据建模方法的有效性、合理性和工程实用性。
上述生产设备生命周期状态数据建模方法，实现了生产设备在全生命周期下的大数据资源的记录和处理，完善大数据资源的全面性，建立的状态数据模型存储着经过逻辑关系关联、提取、融合、梳理的数据，可以展示梳理后清晰的与生产设备相关联的数据，准确地记录生产设备各个阶段的状态，提高获取生产设备的状态数据的准确性。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，也可以是个人计算机、笔记本电脑、智能手机和平板电脑，其内部结构图可以如图9所示，图9为一个实施例中计算机设备的内部结构图。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储设备数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种生产设备生命周期状态数据建模方法。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取生产设备在生命周期中各个阶段的设备数据；
根据设备数据按照逻辑控制模型生成拓扑数据，其中，拓扑数据为标识设备数据之间关系的数据，逻辑控制模型包括根据逻辑关系所形成的模型；
根据设备数据和拓扑数据，获取设备运行档案以及定义数据结构，其中，设备运行档案包括生产设备的生命周期事件列表，数据结构用于梳理生产设备相关联的数据；
根据设备数据、拓扑数据、设备运行档案和数据结构，建立生产设备的状态数据模型，其中，状态数据模型包括设备数据、拓扑数据和设备运行档案。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
按照生产设备的动态演化对设备数据和拓扑数据进行分层处理，形成设备运行档案。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据状态数据模型构建状态数据图谱，其中，状态数据图谱用于可视化展示状态数据模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据状态数据模型进行定位编码，并获取状态数据模型的定位指引数据，其中，定位编码为用于满足状态数据图谱构建而进行的编码操作，定位指引数据为进行编码操作后获取的数据；根据定位指引数据、图谱标识和坐标系构建状态数据图谱，其中，图谱标识用于可视化标识状态数据模型中对应的数据。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取生产设备在生命周期中各个阶段的设备数据；
根据设备数据按照逻辑控制模型生成拓扑数据，其中，拓扑数据为标识设备数据之间关系的数据，逻辑控制模型包括根据逻辑关系所形成的模型；
根据设备数据和拓扑数据，获取设备运行档案以及定义数据结构，其中，设备运行档案包括生产设备的生命周期事件列表，数据结构用于梳理生产设备相关联的数据；
根据设备数据、拓扑数据、设备运行档案和数据结构，建立生产设备的状态数据模型，其中，状态数据模型包括设备数据、拓扑数据和设备运行档案。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
按照生产设备的动态演化对设备数据和拓扑数据进行分层处理，形成设备运行档案。
按照生产设备的动态演化对设备数据和拓扑数据进行分层处理，形成设备运行档案。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据状态数据模型构建状态数据图谱，其中，状态数据图谱用于可视化展示状态数据模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据状态数据模型进行定位编码，并获取状态数据模型的定位指引数据，其中，定位编码为用于满足状态数据图谱构建而进行的编码操作，定位指引数据为进行编码操作后获取的数据；根据定位指引数据、图谱标识和坐标系构建状态数据图谱，其中，图谱标识用于可视化标识状态数据模型中对应的数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种生产设备生命周期状态数据建模方法，其特征在于，包括以下步骤：
获取生产设备在生命周期中各个阶段的设备数据；
根据所述设备数据按照逻辑控制模型生成拓扑数据，其中，所述拓扑数据为标识所述设备数据之间关系的数据，所述逻辑控制模型包括根据逻辑关系所形成的模型；
根据所述设备数据和所述拓扑数据，获取设备运行档案以及定义数据结构，其中，所述设备运行档案包括所述生产设备的生命周期事件列表，所述数据结构用于梳理所述生产设备相关联的数据；
根据所述设备数据、所述拓扑数据、所述设备运行档案和所述数据结构，建立所述生产设备的状态数据模型，其中，所述状态数据模型包括所述设备数据、所述拓扑数据和所述设备运行档案。
2.根据权利要求1所述的生产设备生命周期状态数据建模方法，其特征在于，所述获取设备运行档案的步骤，包括以下步骤：
按照所述生产设备的动态演化对所述设备数据和所述拓扑数据进行分层处理，形成设备运行档案。
3.根据权利要求1所述的生产设备生命周期状态数据建模方法，其特征在于，在所述建立所述生产设备的状态数据模型的步骤之后，还包括以下步骤：
根据所述状态数据模型构建状态数据图谱，其中，所述状态数据图谱用于可视化展示所述状态数据模型。
4.根据权利要求3所述的生产设备生命周期状态数据建模方法，其特征在于，所述根据所述状态数据模型构建状态数据图谱的步骤，包括以下步骤：
根据所述状态数据模型进行定位编码，并获取所述状态数据模型的定位指引数据，其中，所述定位编码为用于满足所述状态数据图谱构建而进行的编码操作，所述定位指引数据为进行所述编码操作后获取的数据；
根据所述定位指引数据、图谱标识和坐标系构建状态数据图谱，其中，所述图谱标识用于可视化标识所述状态数据模型中对应的数据。
5.根据权利要求4所述的生产设备生命周期状态数据建模方法，其特征在于，所述坐标系为以时间顺序建立的坐标系，其中，所述时间顺序中的年份在空间上按照年轮规律分布，所述时间顺序中的月份在空间上按照时钟指针规律分布。
6.根据权利要求1至5任意一项所述的生产设备生命周期状态数据建模方法，其特征在于，所述生命周期的阶段包括设备选型、设备监造、安装验收、交接验收、化学预试、电气预试、检修维护、缺陷记录和不良工况，所述设备数据包括基础数据、运行及缺陷数据和检修试验数据。
7.根据权利要求1至5任意一项所述的生产设备生命周期状态数据建模方法，其特征在于，所述逻辑控制模型包括空间关系模型、时间轴关系模型和事件关系模型。
8.一种生产设备生命周期状态数据建模系统，其特征在于，所述系统包括：
设备数据获取模块，用于获取生产设备在生命周期中各个阶段的设备数据；
拓扑数据生成模块，用于根据所述设备数据按照逻辑控制模型生成拓扑数据，其中，所述拓扑数据为标识所述设备数据之间关系的数据，所述逻辑控制模型包括根据逻辑关系所形成的模型；
设备运行档案获取和数据结构定义模块，用于根据所述设备数据和所述拓扑数据，获取设备运行档案以及定义数据结构，其中，所述设备运行档案包括所述生产设备的生命周期事件列表，所述数据结构用于梳理所述生产设备相关联的数据；
状态数据模型建立模块，用于根据所述设备数据、所述拓扑数据、所述设备运行档案和所述数据结构，建立并存储所述生产设备的状态数据模型，其中，所述状态数据模型包括所述设备数据、所述拓扑数据和所述设备运行档案。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的生产设备生命周期状态数据建模方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的生产设备生命周期状态数据建模方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810276603.2A CN108717415B (zh) | 2018-03-30 | 2018-03-30 | 生产设备生命周期状态数据建模方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810276603.2A CN108717415B (zh) | 2018-03-30 | 2018-03-30 | 生产设备生命周期状态数据建模方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108717415A true CN108717415A (zh) | 2018-10-30 |
| CN108717415B CN108717415B (zh) | 2020-04-14 |
Family
ID=63898702
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810276603.2A Active CN108717415B (zh) | 2018-03-30 | 2018-03-30 | 生产设备生命周期状态数据建模方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108717415B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109800274A (zh) * | 2018-12-14 | 2019-05-24 | 国网浙江省电力有限公司 | 电网大数据关联挖掘成果全寿命周期挖掘方法 |
| CN112052408A (zh) * | 2020-09-09 | 2020-12-08 | 上海有个机器人有限公司 | 一种移动机器人智能体设备生命周期追踪的方法 |
| CN112488456A (zh) * | 2020-11-12 | 2021-03-12 | 南方电网科学研究院有限责任公司 | 一种电力设备数字数据建模方法 |
| CN116303727A (zh) * | 2023-03-29 | 2023-06-23 | 华能海南昌江核电有限公司 | 设备基础数据收集方法、装置、存储介质、终端 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NZ531883A (en) * | 2004-04-23 | 2006-11-30 | Beulah Technologies Ltd | Global management of device data |
| CN102411764A (zh) * | 2011-08-15 | 2012-04-11 | 广东省电力设计研究院 | 电网设备的数据管理系统及管理方法 |
| US20130268911A1 (en) * | 2012-04-04 | 2013-10-10 | Sap Ag | Generic Method and System for Lifecycle Management |
| CN104134246A (zh) * | 2014-08-14 | 2014-11-05 | 国家电网公司 | 一种用于管控电力系统中流程规范与设备全生命周期的系统 |
| CN104616101A (zh) * | 2015-01-19 | 2015-05-13 | 国家电网公司 | 一种统一电网资源模型及建立和维护方法 |
| CN105741053A (zh) * | 2016-03-07 | 2016-07-06 | 特瑞斯能源装备股份有限公司 | 智能燃气设备的全生命周期管理模型 |
| CN107146018A (zh) * | 2017-05-04 | 2017-09-08 | 北京许继电气有限公司 | 基于电网状态监测系统的数据处理分析方法和系统 |
| CN107392042A (zh) * | 2017-06-30 | 2017-11-24 | 国家电网公司 | 电网数据监测方法和装置 |
-
2018
- 2018-03-30 CN CN201810276603.2A patent/CN108717415B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NZ531883A (en) * | 2004-04-23 | 2006-11-30 | Beulah Technologies Ltd | Global management of device data |
| CN102411764A (zh) * | 2011-08-15 | 2012-04-11 | 广东省电力设计研究院 | 电网设备的数据管理系统及管理方法 |
| US20130268911A1 (en) * | 2012-04-04 | 2013-10-10 | Sap Ag | Generic Method and System for Lifecycle Management |
| CN104134246A (zh) * | 2014-08-14 | 2014-11-05 | 国家电网公司 | 一种用于管控电力系统中流程规范与设备全生命周期的系统 |
| CN104616101A (zh) * | 2015-01-19 | 2015-05-13 | 国家电网公司 | 一种统一电网资源模型及建立和维护方法 |
| CN105741053A (zh) * | 2016-03-07 | 2016-07-06 | 特瑞斯能源装备股份有限公司 | 智能燃气设备的全生命周期管理模型 |
| CN107146018A (zh) * | 2017-05-04 | 2017-09-08 | 北京许继电气有限公司 | 基于电网状态监测系统的数据处理分析方法和系统 |
| CN107392042A (zh) * | 2017-06-30 | 2017-11-24 | 国家电网公司 | 电网数据监测方法和装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109800274A (zh) * | 2018-12-14 | 2019-05-24 | 国网浙江省电力有限公司 | 电网大数据关联挖掘成果全寿命周期挖掘方法 |
| CN112052408A (zh) * | 2020-09-09 | 2020-12-08 | 上海有个机器人有限公司 | 一种移动机器人智能体设备生命周期追踪的方法 |
| CN112488456A (zh) * | 2020-11-12 | 2021-03-12 | 南方电网科学研究院有限责任公司 | 一种电力设备数字数据建模方法 |
| CN116303727A (zh) * | 2023-03-29 | 2023-06-23 | 华能海南昌江核电有限公司 | 设备基础数据收集方法、装置、存储介质、终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108717415B (zh) | 2020-04-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108717415A (zh) | 生产设备生命周期状态数据建模方法和系统 | |
| CN110929036B (zh) | 电力营销稽查管理方法、装置、计算机设备和存储介质 | |
| Wang | Towards zero-defect manufacturing (ZDM)—a data mining approach | |
| Rødseth et al. | Deep digital maintenance | |
| US20170169078A1 (en) | Log Mining with Big Data | |
| Dindarloo et al. | Data mining in mining engineering: results of classification and clustering of shovels failures data | |
| Liu et al. | Dynamic design method of digital twin process model driven by knowledge-evolution machining features | |
| CN106874483A (zh) | 一种基于大数据技术的图形化的数据质量评测的装置及方法 | |
| WO2018183691A1 (en) | Devices, methods, and systems for determining environmental standard compliance | |
| CN114201090B (zh) | 产品生产异常预警系统、方法、计算机设备和存储介质 | |
| Tao et al. | Collaborative and privacy-preserving retired battery sorting for profitable direct recycling via federated machine learning | |
| US20230297744A1 (en) | Systems and methods for ai/ml based digital twin for power system | |
| Fani et al. | Data-driven decision support tool for production planning: a framework combining association rules and simulation | |
| CN110008119A (zh) | 报表测试方法、装置、计算机设备和存储介质 | |
| CN114528688A (zh) | 可靠性数字孪生体模型构建方法、装置和计算机设备 | |
| CN107122907B (zh) | 一种机电产品符号化质量特性的分析与故障原因追溯方法 | |
| CN107084853A (zh) | 云制造下设备故障预测方法 | |
| Pal et al. | A classification of software defect prediction models | |
| Wang et al. | Hierarchical graph neural network with adaptive cross-graph fusion for remaining useful life prediction | |
| CN112257234B (zh) | 一种气瓶质量安全追溯系统、终端及可读存储介质 | |
| CN117522329A (zh) | 一种大数据挖掘分析建模的企业管理综合应用方法 | |
| Cao et al. | Quality-integrated diagnostic platform for aerospace complex product assembly processes | |
| CN110309948A (zh) | 整车物流订单预测方法及装置、物流系统以及计算机可读介质 | |
| CN108269007A (zh) | 变压器数据分析的方法、装置、计算机设备及存储介质 | |
| Chii et al. | A big data approach for memory quality management |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200928 Address after: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Patentee after: Guangzhou Power Supply Bureau of Guangdong Power Grid Co.,Ltd. Address before: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Patentee before: GUANGZHOU POWER SUPPLY Co.,Ltd. |
|
| TR01 | Transfer of patent right |