CN110531723A - 一种选矿设备故障状态可视分析系统与方法 - Google Patents
一种选矿设备故障状态可视分析系统与方法 Download PDFInfo
- Publication number
- CN110531723A CN110531723A CN201910865645.4A CN201910865645A CN110531723A CN 110531723 A CN110531723 A CN 110531723A CN 201910865645 A CN201910865645 A CN 201910865645A CN 110531723 A CN110531723 A CN 110531723A
- Authority
- CN
- China
- Prior art keywords
- equipment
- failure
- time
- data
- index
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000007257 malfunction Effects 0.000 title claims abstract description 50
- 238000004458 analytical method Methods 0.000 title claims abstract description 48
- 230000000007 visual effect Effects 0.000 title claims abstract description 40
- 238000002360 preparation method Methods 0.000 title claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 43
- 238000010835 comparative analysis Methods 0.000 claims abstract description 23
- 230000009467 reduction Effects 0.000 claims abstract description 18
- 239000000725 suspension Substances 0.000 claims description 27
- 238000009826 distribution Methods 0.000 claims description 24
- 238000010586 diagram Methods 0.000 claims description 19
- 238000009434 installation Methods 0.000 claims description 14
- 230000000284 resting effect Effects 0.000 claims description 7
- 238000005096 rolling process Methods 0.000 claims description 6
- 238000012512 characterization method Methods 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- 241000212749 Zesius chrysomallus Species 0.000 claims description 3
- 230000001747 exhibiting effect Effects 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000009877 rendering Methods 0.000 claims description 3
- 230000002459 sustained effect Effects 0.000 claims description 3
- 230000002045 lasting effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000012800 visualization Methods 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 16
- 238000012423 maintenance Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 7
- 230000004888 barrier function Effects 0.000 description 6
- 238000010338 mechanical breakdown Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 235000004237 Crocus Nutrition 0.000 description 2
- 241000596148 Crocus Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000000227 grinding Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005188 flotation Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007885 magnetic separation Methods 0.000 description 1
- 239000006148 magnetic separator Substances 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
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]
- G05B19/41865—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 job scheduling, process planning, material flow
-
- 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
- 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)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开一种选矿设备故障状态可视分析系统与方法,属于监视与数据分析技术领域,本发明提供了全设备状态统计视图,以时间线的形式展现设备故障状态,实现了设备故障状态的详情视图显示以及运行状态时长和故障状态时长的对比视图显示,并提供了单设备故障时间统计,更详细得展现设备状态信息;支持以设备指标数据来追溯设备故障原因,以每个设备的故障数据为基础,提供设备指标数据的不同形式的可视化方案,从不同的视角分析故障原因;利用数据降维技术对指标数据进行降维,观察设备故障的聚类情况;提供同类设备对比视图,根据设备评价指标以散点图和雷达图的形式对比分析同种工序不同设备间的差异,实现同类设备故障信息的分析对比。
Description
技术领域
本发明涉及监视与数据分析技术领域,尤其涉及一种选矿设备故障状态可视分析系统与方法。
背景技术
选矿生产过程具有多工序、设备复杂、生产线长的特点,而设备作为企业的固定资本,也象征着企业的实力,设备故障是不可避免的,维护设备是一笔巨大的支出,减少设备故障次数和降低设备故障时间是降低生产成本的有效途径。因此,加强对设备状态的监控以及对设备故障信息的可视分析对提高选矿企业设备运行效率和企业生产效率就显得十分重要。
目前国内关于设备故障状态可视分析系统及方法的研究和应用为数不多。“200910105245.X(一种故障信息可追溯的系统及方法)”设计了一种故障信息追溯系统和方法,通过日志系统记录故障信息,方便使用者和定位故障人员掌握故障产生的原因。“201710488106.4(一种故障原因诊断方法和装置)”提供了一种方法,结合业务逻辑和历史数据,能够诊断出大型系统的故障原因,适用于缺少专家的场景。上述专利都存在相同的问题就是分析故障原因时没有可视分析或者可视分析不够充分。“201711283037.X(一种选矿生产指标可视化分析系统与方法)”公开了一种选矿生产指标可视化分析系统及方法,实现对选矿生产指标的配置管理、可视分析、异常处理,但是其只针对生产指标的可视化,而并没有涉及到对设备故障状态的可视分析。
发明内容
针对上述现有技术的不足,本发明提供一种选矿设备故障状态可视分析系统与方法。
为解决上述技术问题,本发明所采取的技术方案是:
一种选矿设备故障状态可视分析系统,该系统的结构框架如图1所示,包括:基础信息模块、全设备状态统计模块、单设备故障时间统计模块、单设备故障原因追溯模块、单设备故障频次视图模块、设备对比分析模块;
其中,基础信息模块:用于存储和配置设备基础性息和设备指标基础信息,包括设备基础信息单元、指标基础信息单元和设备指标单元模块。
所述设备基础信息单元用于存储系统设备基础信息,包括设备编号、设备名称、设备使用寿命、设备产地、设备参数、制造商等基础信息。
所述指标基础信息单元用于存储系统设备指标基础信息,包括指标编码、指标名称、指标数据、指标时间、指标单位等信息。
所述设备指标配置单元用于为设备配置指标,使指标依附于设备而存在。
其中,全设备状态统计模块:用于统计所有设备的故障状态信息和运行状态信息,以柱状图的形式显示所有选矿设备状态统计信息,包括设备名称列、故障显示列、设备状态时长列和选中指示列。
所述设备名称列用来显示每个设备的名称,提供点击事件,可以根据名称点击选中每个矿选设备,被选中的设备相对应的选中指示列的选中指示灯被点亮,同时触发后续视图。
所述故障显示列用于显示某一时间段内的各设备在时间序列上处于故障状态时的持续分布情况,提供悬浮事件,展示故障类型和故障持续时间段;
所述故障状态是指机械故障、电气故障、生产故障和未知故障。
所述故障持续时间段是指此设备处于故障状态的起始时间到结束时间。
所述设备状态时长列用于显示某一时间段内各设备运行时长和故障时长,提供悬浮事件。
单设备故障时间统计模块:用于统计单设备在某一时间段里所有的状态和统计单个设备在某一时间段内的详细故障信息,包括设备状态分布视图、设备运行/故障时长统计视图和详细故障时间视图。
所述设备状态分布视图是指在某一时间段内设备随时间变化的状态分布,用不同的颜色分别表示运行状态、故障状态和所有停歇状态,并提供鼠标悬浮事件用于显示处于何种状态和持续时长。
所述设备运行/故障时长统计视图提供鼠标悬浮事件,显示某一时间段内选中设备每天的运行时长和故障时长统计。
所述详细故障时间视图是指进一步将每日的故障时长数据以小时为单位分割统计,通过类似热力图的形式展示每天的故障小时数及分布情况。
其中,单设备故障原因追溯模块:用于追溯每个设备的每次故障的故障原因,提取当前选中设备在某一时间段里的每次故障信息,包括历史故障显示单元、功能选择单元和坐标视图单元。
所述历史故障显示单元是指以一个红色正方形块代表一次故障并按照时间顺序排列而形成的横向条形图,且提供悬浮事件查看故障类型、故障描述、故障时长、故障占总时长比例和故障起止时间。
所述故障描述是指故障发生的详细原因的简要概述。
所述故障时长是指此次故障持续的时间长度。
所述故障占总时长比例=故障时长/总时长;
所述故障起止时间是指故障初始发生时间到故障结束时间;
所述功能选择单元用于给用户提供不同的数据显示方式,以便用户分析,包括坐标类型选择功能、对比方式选择功能和时间段选择功能。
所述坐标类型选择功能用于选择坐标的呈现方式,呈现方式包括直角坐标和平行坐标。
所述直角坐标以时间为横轴,设备指标数据为纵轴显示,显示范围是每次故障前24小时的设备指标数据,通过滑动滚动条查看不同指标,鼠标悬浮会显示设备指标数据名称、故障时间和故障类型;
所述平行坐标以时间、设备各项指标数据为平行轴,显示范围是不同时间范围下各个设备指标数据,通过选择不同功能和点击不同故障来查看不同坐标。
所述对比方式选择功能用于切换设备指标数据的对比方式,对比方式包括默认、横向对比和纵向对比。
所述默认方式是指在单个故障下选定时间段内的设备指标数据显示。
所述横向对比方式是指在所有故障下单个设备指标数据显示,横轴显示是在某一时间段内设备第一故障发生时间到最后一次故障发生时间,纵轴显示是设备指标数据。
所述纵向对比方式是指在所有故障下单个设备指标数据显示,横轴显示是在某一时间段内设备每一故障发生前24小时,纵轴显示是设备指标数据。
所述时间段选择功能用于选择坐标视图上时间轴显示,包括全时间、故障前24小时和24时+持续。
所述全时间是指坐标显示整个某一时间段内的设备指标数据,此功能选择只在默认对比方式下可选;
所述故障前24小时是指显示在每个故障前24小时里的设备指标数据;
所述24时+持续是指显示在每个故障前24小时和故障持续时间内的设备指标数据;
所述坐标显示单元用于根据设备指标数据绘制出不同功能的坐标图。
所述MDS(Multidimensional Scaling,MDS)降维可视单元将高维设备指标数据进行降维,显示设备指标数据降维后形成的二维散点图以供用户直观的观察分析,包括指标选择单元、日期选择单元和散点图可视单元。
所述指标选择单元用于选择设备指标数据。
所述日期选择单元用于选择用户某一时间段。
所述散点图可视单元用于显示设备指标数据降维后形成的二维散点图。
其中,单设备故障频次视图模块:将某一设备在某一时间段内的故障状态信息展现给用户,显示单个设备在某一时间段内故障次数和多次故障之间的间隔,并提供鼠标悬浮事件用于展现故障类型、故障描述、故障时长、故障时长占比和故障起止时间。
其中,设备对比分析模块:利用设备评价指标进行同类设备之间的对比分析,包括工序选择单元、同类设备故障分布图和设备评价指标雷达图。
所述设备评价指标包括设备利用率、设备故障率、故障次数和设备平均故障间隔时间。
所述设备利用率是指一段时间内设备实际运行时间占总时间的百分比,是表征设备使用效率,反映设备工作状态及生产效率的技术经济指标,其计算公式:
设备利用率=(年/月/日/班运行时长)/(年/月/日/班总时长);
所述设备故障率是指设备停机率,即一段时间内设备故障时长占总时间的百分比,其计算公式:
设备故障率=(年/月/日/班故障时长)/(年/月/日/班总时长);
所述故障次数是指一段时间内独立故障发生的次数;
所述设备平均故障间隔时间(Mean Time Between Failure,MTBF)是指两次相邻故障之间的平均时长,是衡量产品的可靠指标,一个较长时间段内的MTBF对于预估设备下一次故障发生时间和预防性检修维护具有重要指导意义;
所述预防性检修维护是指在预测的设备下一次故障发生时间前提前进行设备检查维护;
所述工序选择单元用于选择选矿过程的工艺过程,通过选择工序以选出每种工艺过程所涉及的同种设备。
所述同类设备故障分布图以时间(小时)为横轴,同一工序的同类设备名称为纵轴显示,显示范围是某一时间段里的设备故障数据,鼠标悬浮显示故障类型和故障起止时间。
所述设备评价指标雷达图是以设备利用率、设备故障率、故障次数和平均故障间隔为顶点绘制同一工序的同类设备的雷达图。
一种选矿设备故障状态可视分析方法,其流程如图2所示,包括如下步骤:
步骤1:将从本地服务器获取到的选矿设备基础信息、指标基础信息、设备指标配置信息分别存储到基础信息模块中的设备基础信息单元、指标基础信息单元和设备指标配置单元;
步骤2:获取选矿设备运行状态数据和基础信息,输入全设备状态统计模块,以横向柱状图的形式显示每个设备的名称、故障时间线、运行时长、故障时长和选中指示,用鼠标点击选中某一设备,被选中的设备相对应的选中指示列的选中指示灯被点亮,同时触发后续视图;
步骤2.1:从获取的设备运行状态数据中得到每个设备的运行状态数据和故障状态数据;
步骤2.2:用不同的颜色代表设备的正常运行状态和故障状态,以横向柱状图的形式把某一时间段内按时间顺序的每种故障显示出来,当鼠标悬浮在每种故障上时显示故障类型和故障起止时间;
步骤2.3:计算每个设备的作业率和故障率并以横向柱状图显示,当鼠标悬浮时显示运行时长、作业率和故障时长、故障率;
步骤2.4:用鼠标点击选中某一设备,被选中的设备相对应的选中指示列的选中指示灯被点亮,同时触发后续视图。
步骤3:获取步骤2中选中设备的全部运行状态数据,用不同的颜色表示运行状态、故障状态和停歇状态,绘制选中设备随时间变化的状态分布图,并显示每天的运行时长和故障时长,将每天的故障时长数据按小时分割统计,通过类似热力图形式显示每天每小时的故障时长;
步骤4:获取选中设备指标数据,以实现单个设备的故障追溯;
步骤4.1:提取选中设备在某一时间段内的每次故障,按时间排序,以一个正方形块代表一次故障,鼠标悬浮可以查看故障类型、故障描述、故障时长、故障占总时长比例和故障起止时间;
步骤4.2:选择不同功能以实现不相同的设备指标数据展现形式,可以以不同的分析方式进行故障原因分析;
(一)选择不同的坐标显示形式:
Ⅰ、选择直角坐标形式,以时间为横轴,以设备指标数据为纵轴,将当前选中设备下属各指标在故障前24小时的数据独立绘制,通过滑动滚动条查看不同指标下的直角坐标图;
Ⅱ、选择平行坐标形式,实现包含时间、指标1、…指标n的多纵轴单坐标系的显示形式,将各指标平行绘制,改变了传统的坐标轴相互垂直的方式,以相互平行的坐标轴来代表每个指标项,每一条穿越坐标轴的折线则代表了一个数据对象;
(二)选择不同的数据对比形式:
Ⅰ、选择默认对比方式,实现单个故障下设备指标数据的显示;
Ⅱ、选择横向对比方式,实现所有故障下设备指标数据的顺序显示;
Ⅲ、选择纵向对比方式,实现所有故障前24小时设备指标数据重叠显示;
(三)选择设备指标数据显示时间段:
Ⅰ、选择全时间段显示,实现在某一时间段内的设备指标数据都绘制于坐标图内显示,在选择直角坐标系显示的情况下支持鼠标悬浮查看设备指标数据的具体数值;
Ⅱ、选择故障前24小时,实现在每个故障前24小时内的设备指标数据绘制于坐标图内显示,选择不同的坐标显示和不同的对比方式都有不同的显示情况;
Ⅲ、选择故障前24小时+故障持续阶段,实现在每个故障前24小时和故障持续时间内的设备指标数据绘制于坐标图内显示。
步骤5:提取选中设备在某一时间段内的每次故障,按时间排序,以一个正方形块代表一次故障,统计故障次数,计算故障间隔时长以及平均故障间隔时长并分别以虚线和空心柱状图显示,鼠标悬浮可以查看故障间隔时间;
步骤6:根据工序划分出同类设备,以直角坐标图表征同类设备的故障分布,并以设备评价指标对同类设备进行对比分析。
步骤6.1:选择不同的工序,从数据库中获取此工序下同类设备的运行状态数据;
步骤6.2:根据数据绘制出以时间为横轴、同类设备名称为纵轴、红色圆点代表故障的同类设备故障分布坐标图,以方便同类设备的对比分析;
步骤6.3:计算每个设备的设备利用率、设备故障率、故障次数以及平均故障间隔,并以它们为指标作为顶点绘制设备对比分析扇形图,以便同类设备对比分析。
采用上述技术方案所产生的有益效果在于:
1、本发明通过使用柱状图、热图、折线图、平行坐标、散点图、雷达图等多种可视方案,从故障统计、指标趋势、多维指标、故障分布、评价指标等多个角度对选矿设备故障状态进行可视分析,实现对设备故障状态分析;
2、利用设备状态指标的相似度模式匹配和可视化技术对设备异常/故障原因进行辅助分析和追溯;
3、提供了全设备状态统计视图,根据生产工艺以时间线的形式展现设备故障状态,实现了设备故障状态的详情视图显示以及运行状态时长和故障状态时长的对比视图显示,能够从全局把握所有设备的基础故障信息;
4、支持以设备指标数据来追溯设备故障原因,以每个设备的故障数据为基础,提供设备指标数据的不同形式的可视化方案,可从不同的视角去分析故障原因;
5、利用数据降维技术对设备指标数据进行降维,通过数据可视的方式观察设备故障的聚类情况,对故障状态进行辅助分析;
6、提供同类设备对比视图,根据设备评价指标,对比分析同种工序的不同设备,并以散点图和雷达图的形式直观地展现它们之间的差异,实现同类设备的故障信息的分析对比,辅助工厂提前预估设备异常以及进行预防性维护检修。
附图说明
图1为本发明一种选矿设备故障状态可视分析系统的结构示意图;
图2为本发明一种选矿设备故障状态可视分析方法的流程图;
图3为本发明实施例中选中设备1-1球磨机全设备状态统计视图;
图4为本发明实施例中选中设备1-1球磨机单设备故障时间统计视图;
图5为本发明实施例中选中设备1-1球磨机故障前指标数据直角坐标显示图;
图6为本发明实施例中选中设备1-1球磨机故障前指标数据平行坐标显示图;
图7为本发明实施例中单设备故障频次视图;
图8为本发明实施例中竖炉焙烧工序中同类设备竖炉的故障分布图;
图9为本发明实施例中竖炉焙烧工序中同类设备竖炉的评价指标雷达图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本实施例一种选矿设备故障状态可视分析系统的结构示意图如图1所示,包括:基础信息模块、全设备状态统计模块、单设备故障时间统计模块、单设备故障原因追溯模块、单设备故障频次视图模块、设备对比分析模块。
其中,基础信息模块用于存储和配置设备基础性息和设备指标基础信息,包括设备基础信息单元、指标基础信息单元和设备指标单元模块。
在本实施方式中,设备基础信息单元用于存储系统设备基础信息,包括设备编号、设备名称、设备寿命、设备产地等基础信息。
在本实施方式中,指标基础信息单元用于存储系统设备指标基础信息,包括指标编码、指标名称、指标数据、指标时间、指标单位等信息。
在本实施方式中,设备指标配置单元用于为设备配置指标,使指标依附于设备而存在。
其中,全设备状态统计模块用于统计所有设备的故障状态信息和运行状态信息,在横向柱状图中以蓝色代表运行状态,红色代表故障状态,显示了每个设备在某一时间段内的运行时长以及故障时长,包括设备名称列、故障显示列、设备状态时长列和选中指示列,该横向柱状图如图3所示。
设备名称列用来显示每个设备的名称,本实施例中包含28台矿选设备,其中包含8台竖炉、9台球磨机、7台强磁选机和4台过滤机,提供点击事件,可以点亮28台矿选设备中任意一台设备的选中指示灯,同时触发后续视图,本实施例中选中“1-1球磨机”,该设备的选中指示灯变为绿色,如图3所示。
故障显示列用于显示某一时间段内的各设备在时间序列上处于四种故障时的持续分布情况,提供悬浮事件,展示故障类型和故障持续时间段,如图3所示,本实施例中鼠标悬浮显示故障类型为机械故障,故障起始时间为“2018-07-18 04:51:08”,故障结束时间为“2018-07-19 03:00:00”;
在本实施方式中,故障类型是指机械故障、电气故障、生产故障和未知故障。
在本实施方式中,故障持续时间段是指此设备处于故障状态的起始时间到结束时间。
在本实施方式中,设备状态时长列用于显示某一时间段内各设备运行时长和故障时长,提供悬浮事件,其中运行时长为蓝色,从左向右增长,故障时长为红色,从右向左增长,如图3所示,本实施例中鼠标悬浮显示运行时长1248.91h。
其中,单设备故障时间统计模块用于统计单设备在某一时间段里所有的状态和统计单个设备在某一时间段内的详细故障信息,包括设备状态分布视图、设备运行/故障时长统计视图和详细故障时间视图,如图4所示。
在本实施方式中,设备状态分布视图是指在某一时间段内设备随时间变化的状态分布,运行状态用蓝色表示,四种故障状态用红色表示,所有停歇状态均用橘黄色表示,并提供鼠标悬浮事件用于显示处于何种状态和持续时长。
在本实施方式中,设备运行/故障时长统计视图是指某一时间段内每天的运行时长和故障时长统计,运行状态从上至下增长的用蓝色展现,故障状态从下至上增长的用红色展现,鲜明的颜色对比可以一眼明确设备每日的停运情况。
在本实施方式中,详细故障时间视图是指进一步将每日的故障时长数据以小时为单位分割统计,通过类似热力图的形式展示每天的故障小时数及分布情况。
如图4所示,本实施例中选中设备“1-1球磨机”在第1至第5天完全处于停歇状态,第6天、第14天和第46天处于短暂运行状态,第7天、第8天、第31天、第33天和第42天出现故障,其中第7天从12时到16时发生故障;第8天16时和17时发生故障;第31天11时和12时发生故障;第33天从18时到22时发生故障;第42天2时和3时发生故障。鼠标悬浮显示第14天停歇状态为“计划定修”,持续时间为“2018-06-14 08:30:08–2018-06-14 21:49:08”,鼠标悬浮显示第37天1-1球磨机运行24h,作业率100%,鼠标悬浮显示第33天17h-18h故障期间,具体的故障时长为0.66h。
其中,单设备故障原因追溯模块用于追溯每个设备的每次故障的故障原因,提取当前选中设备在某一时间段里的每次故障信息,包括历史故障显示单元、功能选择单元、坐标视图单元和MDS降维可视单元。
历史故障显示单元是指以一个红色正方形块代表一次故障并按照时间顺序排列而形成的横向条形图,且提供悬浮事件查看故障类型、故障描述、故障时长、故障占总时长比例和故障起止时间。
在本实施方式中,故障描述是指故障发生的详细原因的简要概述。
在本实施方式中,故障时长是指此次故障持续的时间长度。
在本实施方式中,故障占总时长比例=故障时长/总时长;
在本实施方式中,故障起止时间是指故障初始发生时间到故障结束时间;
如图7所示,本实施例中有7个红色正方形块组成横向条形图,代表有7次故障,鼠标悬浮显示第4次故障的故障类型为机械故障,故障描述为机械故障(沉砂管漏),故障时长为1h,故障占总时长比例为0.07%,故障起始时间为2018-07-01 10:50:00,故障结束时间为2018-07-01 11:50:08。
功能选择单元用于给用户提供不同的数据显示方式,以便用户分析,包括坐标类型选择功能、对比方式选择功能和时间段选择功能。
坐标类型选择功能用于选择坐标的呈现方式,呈现方式包括直角坐标和平行坐标。
直角坐标以时间为横轴,设备指标数据为纵轴显示,显示范围是每次故障前24小时的设备指标数据,通过滑动滚动条查看不同指标,鼠标悬浮会显示设备指标数据名称、故障时间和故障类型,本实施例中选中设备“1-1球磨机”的故障前指标数据直角坐标显示如图5所示,其中滑动滚动条显示当前指标为电流指标,在图7所示7次故障的前24小时的电流指标值分别用7个颜色的折线图表示,其中鼠标悬浮显示7次故障前24小时中,第5时电流指标的数值分别为0、53.4、49.997、55.803、53.869、54.825和56.716。
平行坐标以时间、设备各项指标数据为平行轴,显示范围是不同时间范围下各个设备指标数据,通过选择不同功能和点击不同故障来查看不同坐标,本实施例中选中设备“1-1球磨机”的故障前指标数据平行坐标显示如图6所示。
对比方式选择功能用于切换设备指标数据的对比方式,对比方式包括默认、横向对比和纵向对比。
在本实施方式中,默认方式是指在单个故障下选定时间段内的设备指标数据显示。
在本实施方式中,横向对比方式是指在所有故障下单个设备指标数据显示,横轴显示是在某一时间段内设备第一故障发生时间到最后一次故障发生时间,纵轴显示是设备指标数据。
在本实施方式中,纵向对比方式是指在所有故障下单个设备指标数据显示,横轴显示是在某一时间段内设备每一故障发生前24小时,纵轴显示是设备指标数据。
时间段选择功能用于选择坐标视图上时间轴显示,包括全时间、故障前24小时和24时+持续。
在本实施方式中,全时间是指坐标显示整个某一时间段内的设备指标数据,此功能选择只在默认对比方式下可选;
在本实施方式中,故障前24小时是指显示在每个故障前24小时里的设备指标数据;
在本实施方式中,24时+持续是指显示在每个故障前24小时和故障持续时间内的设备指标数据;
坐标显示单元用于根据设备指标数据绘制出不同功能的坐标图。
MDS降维可视单元将高维设备指标数据进行降维,显示设备指标数据降维后形成的二维散点图以供用户直观的观察分析,包括指标选择单元、日期选择单元和散点图可视单元。
在本实施方式中,指标选择单元用于选择设备指标数据。
在本实施方式中,日期选择单元用于选择用户某一时间段。
在本实施方式中,散点图可视单元用于显示设备指标数据降维后形成的二维散点图。
其中,单设备故障频次视图模块将某一设备在某一时间段内的故障状态信息展现给用户,显示单个设备在某一时间段内故障次数和多次故障之间的间隔,并提供鼠标悬浮事件用于展现故障类型、故障描述、故障时长、故障时长占比和故障起止时间。
其中,设备对比分析模块利用设备评价指标进行同类设备之间的对比分析,包括工序选择单元、同类设备故障分布图和设备评价指标雷达图。
在本实施方式中,设备评价指标包括设备利用率、设备故障率、故障次数和设备平均故障间隔时间。
设备利用率是指一段时间内设备实际运行时间占总时间的百分比,是表征设备使用效率,反映设备工作状态及生产效率的技术经济指标,其计算公式:
在本实施方式中,设备利用率=(年/月/日/班运行时长)/(年/月/日/班总时长);
设备故障率是指设备停机率,即一段时间内设备故障时长占总时间的百分比,其计算公式:
在本实施方式中,设备故障率=(年/月/日/班故障时长)/(年/月/日/班总时长);
在本实施方式中,故障次数是指一段时间内独立故障发生的次数;
在本实施方式中,设备平均故障间隔时间(Mean Time Between Failure,MTBF)是指两次相邻故障之间的平均时长,是衡量产品的可靠指标,一个较长时间段内的MTBF对于预估设备下一次故障发生时间和预防性检修维护具有重要指导意义;
在本实施方式中,预防性检修维护是指在预测的设备下一次故障发生时间前提前进行设备检查维护;
工序选择单元用于选择选矿过程的工艺过程,通过选择工序以选出每种工艺过程所涉及的同种设备。
在本实施方式中,工序包括综合生产指标、原矿信息、筛分过程、粉矿、块矿、强磁磨矿、竖炉焙烧、弱磁磨矿、废石、强磁选别、弱磁选别、中矿浓缩、反浮选、精矿浓缩、尾矿浓缩和精矿过滤。
在本实施方式中,同类设备故障分布图以时间(小时)为横轴,同一工序的同类设备名称为纵轴显示,显示范围是某一时间段里的设备故障数据,鼠标悬浮显示故障类型和故障起止时间。
在本实施方式中,设备评价指标雷达图是以设备利用率、设备故障率、故障次数和平均故障间隔为顶点绘制同一工序的同类设备的雷达图。
本实施例选择“竖炉焙烧”工序,其中涉及的同种设备为“1#竖炉、2#竖炉、3#竖炉、4#竖炉、5#竖炉、6#竖炉、7#竖炉、8#竖炉”,这8台设备在时间段“12:26:40~23:59:59”的故障分布如图8所示,其中在时间段15:00:00~17:00:00左右,1#竖炉、2#竖炉、3#竖炉、4#竖炉、5#竖炉、7#竖炉、8#竖炉都有发生故障,鼠标悬浮显示故障类型及故障起始时间。
“1#竖炉、2#竖炉、3#竖炉、4#竖炉、5#竖炉、6#竖炉、7#竖炉、8#竖炉”,这8台设备在时间段“12:26:40~23:59:59”的评价指标雷达图如图9所示,其中,3#竖炉、4#竖炉的设备故障率最高;8#竖炉的设备利用率最高;6#竖炉平均故障间隔时间最长;7#竖炉故障次数最多,鼠标悬浮显示5#竖炉的设备利用率0.68、设备故障率0.01、故障次数2和平均故障间隔118.14。
一种选矿设备故障状态可视分析方法的整体流程如图2所示,包括以下步骤:
步骤1:将从本地服务器获取到的基础信息存储到基础信息模块。
步骤1.1:将设备基础信息存储到设备基础信息单元。
步骤1.2:将指标基础信息存储到指标基础信息单元。
步骤1.3:为设备配置设备指标,实现可以根据指标趋势变化分析设备状态变化。
步骤2:以列表的形式显示每个设备的名称、故障时间线、运行时长和故障时长以及选中标志;
步骤2.1:从获取的设备运行状态数据中得到每个设备的运行状态数据和故障状态数据。
步骤2.2:以蓝色代表设备运行状态和以红色代表设备故障状态,以横向柱状图的形式把某一时间段内按时间顺序的每种故障显示出来,当鼠标悬浮在每种故障上时显示故障类型和故障起止时间。
步骤2.3:计算每个设备的作业率和故障率并以横向柱状图显示,当鼠标悬浮时显示运行时长、作业率和故障时长、故障率。
步骤2.4:以绿色代表当前设备被选中,本实施例选中1-1球磨机为之后的选中设备,如图3所示。
步骤3:获取步骤2中选中设备1-1球磨机的全部运行状态数据,以类似热力图形式显示每个故障的详细故障时间,如图4所示。
步骤3.1:运行状态用蓝色表示,四种故障用红色表示,停歇状态用橘黄色表示绘制设备状态随时间变化分布图。
步骤3.2:在设备状态分布图下显示每天的运行时长和故障时长,运行时长用蓝色从上至下增长,故障时长用红色从下至上增长,鲜明的颜色对比可以一眼明确设备每日的停运情况。
步骤3.3:进一步将每日的故障时长数据按小时分割统计,通过类似热力图的形式展示每小时的故障时长。
步骤4:根据步骤2中选中设备,获取1-1球磨机指标数据,以实现单个设备的故障追溯。
步骤4.1:提取1-1球磨机在2018/6/1-2018/7/30内的每次故障如表1所示,按时间排序,以一个正方形块代表一次故障,鼠标悬浮可以查看故障类型、故障描述、故障时长、故障占总时长比例和故障起止时间;
表格1 1-1球磨机故障状态描述(2018/6/1-2018/7/30)
步骤4.2:选择不同功能以实现不相同的设备指标数据展现形式,可以以不同的分析方式进行故障原因分析。
(一)选择不同的坐标显示形式。
Ⅰ、选择直角坐标形式,实现按时间(横轴)-1-1球磨机电流(纵轴)、…、按时间(横轴)-1-2旋流器给矿流量(纵轴)多个坐标系的形式显示,将当前选中设备下属各指标在故障前24小时的数据独立绘制,通过滑动滚动条查看不同指标,如图5所示。
Ⅱ、选择平行坐标形式,实现包含时间、1-1球磨机电流、…、1-2旋流器给矿流量的多纵轴单坐标系的显示形式,将各指标平行绘制,改变了传统的坐标轴相互垂直的方式,以相互平行的坐标轴来代表每个指标项,每一条穿越坐标轴的折线则代表了一个数据对象,如图6所示。
(二)选择不同的数据对比形式。
Ⅰ、选择默认对比方式,实现单个故障下设备指标数据的显示。
Ⅱ、选择横向对比方式,实现所有故障下设备指标数据的顺序显示。
Ⅲ、选择纵向对比方式,实现所有故障前24小时设备指标数据,1-1球磨机电流重叠显示如图5所示。
(三)选择设备指标数据显示时间段。
Ⅰ、选择全时间段显示,实现在2018/6/1-2018/7/30内的设备指标数据都绘制于坐标图内显示,在选择直角坐标系显示的情况下支持鼠标悬浮查看设备指标数据的具体数值。
Ⅱ、选择故障前24小时,实现在每个故障前24小时内的设备指标数据绘制于坐标图内显示,选择不同的坐标显示和不同的对比方式都有不同的显示情况,如图5所示。
Ⅲ、选择故障前24小时+故障持续阶段,实现在每个故障前24小时和故障持续时间内的设备指标数据绘制于坐标图内显示。
步骤5、提取选中设备在某一时间段内的每次故障,按时间排序,以一个红色正方形块代表一次故障,统计故障次数,计算故障间隔时长以及平均故障间隔时长并分别以虚线和空心柱状图显示,鼠标悬浮可以查看故障间隔时间,如图7所示。
步骤6、根据工序划分出同类设备,以直角坐标图表征同类设备的故障分布,并以设备评价指标对同类设备进行对比分析。
步骤6.1、选择不同的工序,从数据库中获取竖炉焙烧工序下同类设备的运行状态数据,如表2所示,设备包括1#竖炉、2#竖炉、3#竖炉、4#竖炉、5#竖炉、6#竖炉、7#竖炉、8#竖炉。
表格2竖炉焙烧工序设备故障对比(2018/6/1-2018/7/30)
步骤6.2、根据数据绘制出以时间为横轴、同类设备名称为纵轴、红色圆点代表故障的同种设备故障分布坐标图如图8所示,以方便同类设备的对比分析。
步骤6.3、计算每个设备的设备利用率、设备故障率、故障次数以及平均故障间隔,并以它们为指标作为顶点绘制设备对比分析雷达图,如图9所示,以便同类设备对比分析。
Claims (10)
1.一种选矿设备故障状态可视分析系统,其特征在于包括:基础信息模块、全设备状态统计模块、单设备故障时间统计模块、单设备故障原因追溯模块、单设备故障频次视图模块、设备对比分析模块;
所述的基础信息模块包括设备基础信息单元、指标基础信息单元和设备指标配置单元,用于存储和配置设备基础信息和设备指标基础信息;
全设备状态统计模块包括设备名称列、故障显示列、设备状态时长列和选中指示列,以横向柱状图的形式显示所有选矿设备状态统计信息,用于统计所有选矿设备的故障状态信息和运行状态信息;
单设备故障时间统计模块包括设备状态分布视图、设备运行/故障时长统计视图和详细故障时间视图,用于统计在某一时间段里单设备所有的状态和单个设备的详细故障信息;
单设备故障原因追溯模块包括历史故障显示单元、功能选择单元、坐标视图单元和MDS降维可视单元,用于追溯每个设备的每次故障的故障原因,提取当前选中设备在某一时间段里的每次故障信息;
单设备故障频次视图模块用于将故障状态信息展现给用户,显示单个设备在某一时间段内故障次数和多次故障之间的间隔,并提供鼠标悬浮事件用于展现故障类型、故障描述、故障时长、故障时长占比和故障起止时间;
设备对比分析模块包括工序选择单元、同类设备故障分布图和设备评价指标雷达图,用于设备评价指标进行同类设备之间的对比分析。
2.根据权利要求1所述的一种选矿设备故障状态可视分析系统,其特征在于:
所述全设备状态统计模块中的名称列提供点击事件,根据名称点击选中每个矿选设备,被选中的设备相对应的选中指示列的选中指示灯被点亮,同时触发后续视图;
所述全设备状态统计模块中的故障显示列提供悬浮事件,用于显示某一时间段内的各设备在时间序列上处于故障状态时的持续分布情况;
所述全设备状态统计模块中的设备状态时长列提供悬浮事件,用于显示某一时间段内各设备运行时长和故障时长。
3.根据权利要求1所述的一种选矿设备故障状态可视分析系统,其特征在于:
所述单设备故障时间统计模块中的设备状态分布视图提供鼠标悬浮事件,显示某一时间段内选中设备随时间变化的状态分布,包括运行状态、故障状态和停歇状态;
所述单设备故障时间统计模块中的设备运行/故障时长统计视图提供鼠标悬浮事件,显示某一时间段内选中设备每天的运行时长和故障时长统计;
所述单设备故障时间统计模块中的详细故障时间视图提供鼠标悬浮事件,通过将每日的故障时长数据以小时为单位分割统计,通过类似热力图的形式展示每天的故障小时数及分布情况。
4.根据权利要求1所述的一种选矿设备故障状态可视分析系统,其特征在于:
所述单设备故障原因追溯模块中的历史故障显示单元提供悬浮事件,以按照时间顺序排列展开的横向条形图的形式,查看故障类型、故障描述、故障时长、故障占总时长比例和故障起止时间;
所述单设备故障原因追溯模块中的功能选择单元包括坐标类型选择功能、对比方式选择功能和时间段选择功能,用于给用户提供不同的数据显示方式,以便用户分析;
所述单设备故障原因追溯模块中的坐标视图单元根据设备指标数据绘制出不同功能的坐标图;
所述单设备故障原因追溯模块中的MDS降维可视单元包括指标选择单元、日期选择单元和散点图可视单元,将高维设备指标数据进行降维,显示设备指标数据降维后形成的二维散点图,可直观的观察分析。
5.根据权利要求4所述的一种选矿设备故障状态可视分析系统,其特征在于:
所述坐标类型选择功能包括直角坐标和平行坐标,其中直角坐标以时间为横轴,设备指标数据为纵轴显示;平行坐标以时间、设备各项指标数据为平行轴显示不同时间范围下各个设备指标数据;
所述对比方式选择功能包括默认方式、横向对比方式和纵向对比方式,其中默认方式是指在单个故障下选定时间段内的设备指标数据显示;横向对比方式的横轴显示在某一时间段内单个设备第一故障发生时间到最后一次故障发生时间,纵轴显示设备指标数据,用于显示所有故障下单个设备指标数据;纵向对比方式横轴显示在某一时间段内单个设备每一故障发生前24小时,纵轴显示是设备指标数据,用于显示所有故障下单个设备指标数据;
所述时间段选择功能包括全时间、故障前24小时和24时+持续。
6.根据权利要求1所述的一种选矿设备故障状态可视分析系统,其特征在于:
所述设备对比分析模块中的工序选择单元通过选择工艺过程中的工序以选出每种工艺过程所涉及的同种设备;
所述设备对比分析模块中的同类设备故障分布图以时间为横轴,同一工序的同类设备名称为纵轴显示,显示范围是某一时间段里的设备故障数据,并提供鼠标悬浮事件,显示故障类型和故障起止时间;
所述设备对比分析模块中的设备评价指标雷达图是以设备利用率、设备故障率、故障次数和平均故障间隔为顶点绘制同一工序的同类设备的雷达图。
7.一种选矿设备故障状态可视分析方法,采用权利要求1所述的选矿设备故障状态可视分析系统,其特征在于包括如下步骤:
步骤1:将从本地服务器获取到的选矿设备基础信息、指标基础信息、设备指标配置信息分别存储到基础信息模块中的设备基础信息单元、指标基础信息单元和设备指标配置单元;
步骤2:获取选矿设备运行状态数据和基础信息,输入全设备状态统计模块,以横向柱状图的形式显示每个设备的名称、故障时间线、运行时长、故障时长和选中指示,用鼠标点击选中某一设备,被选中的设备相对应的选中指示列的选中指示灯被点亮,同时触发后续视图;
步骤3:获取步骤2中选中设备的全部运行状态数据,用不同的颜色表示运行状态、故障状态和停歇状态,绘制选中设备随时间变化的状态分布图,并显示每天的运行时长和故障时长,将每天的故障时长数据按小时分割统计,通过类似热力图形式显示每天每小时的故障时长;
步骤4:获取选中设备指标数据,以实现单个设备的故障追溯;
步骤5:提取选中设备在某一时间段内的每次故障,按时间排序,以一个正方形块代表一次故障,统计故障次数,计算故障间隔时长以及平均故障间隔时长并分别以虚线和空心柱状图显示,鼠标悬浮可以查看故障间隔时间;
步骤6:根据工序划分出同类设备,以直角坐标图表征同类设备的故障分布,并以设备评价指标对同类设备进行对比分析。
8.根据权利要求7所述的一种选矿设备故障状态可视分析方法,其特征在于所述步骤2的过程如下:
步骤2.1:从获取的设备运行状态数据中得到每个设备的运行状态数据和故障状态数据;
步骤2.2:用不同的颜色代表设备的正常运行状态和故障状态,以横向柱状图的形式把某一时间段内按时间顺序的每种故障显示出来,当鼠标悬浮在每种故障上时显示故障类型和故障起止时间;
步骤2.3:计算每个设备的作业率和故障率并以横向柱状图显示,当鼠标悬浮时显示运行时长、作业率和故障时长、故障率;
步骤2.4:用鼠标点击选中某一设备,被选中的设备相对应的选中指示列的选中指示灯被点亮,同时触发后续视图。
9.根据权利要求7所述的一种选矿设备故障状态可视分析方法,其特征在于所述步骤4的过程如下:
步骤4.1:提取选中设备在某一时间段内的每次故障,按时间排序,以一个正方形块代表一次故障,鼠标悬浮可以查看故障类型、故障描述、故障时长、故障占总时长比例和故障起止时间;
步骤4.2:选择不同功能以实现不相同的设备指标数据展现形式,分别从坐标显示形式、数据对比形式和设备指标数据显示时间段中选择一种分析方式进行故障原因分析;
(一)选择不同的坐标显示形式:
Ⅰ、选择直角坐标形式,以时间为横轴,以设备指标数据为纵轴,将当前选中设备下属各指标在故障前24小时的数据独立绘制,通过滑动滚动条查看不同指标下的直角坐标图;
Ⅱ、选择平行坐标形式,实现包含时间、指标1、…指标n的多纵轴单坐标系的显示形式,将各指标平行绘制,改变了传统的坐标轴相互垂直的方式,以相互平行的坐标轴来代表每个指标项,每一条穿越坐标轴的折线则代表了一个数据对象;
(二)选择不同的数据对比形式:
Ⅰ、选择默认对比方式,实现单个故障下设备指标数据的显示;
Ⅱ、选择横向对比方式,实现所有故障下设备指标数据的顺序显示;
Ⅲ、选择纵向对比方式,实现所有故障前24小时设备指标数据重叠显示;
(三)选择设备指标数据显示时间段:
Ⅰ、选择全时间段显示,实现在某一时间段内的设备指标数据都绘制于坐标图内显示,在选择直角坐标系显示的情况下支持鼠标悬浮查看设备指标数据的具体数值;
Ⅱ、选择故障前24小时,实现在每个故障前24小时内的设备指标数据绘制于坐标图内显示,选择不同的坐标显示和不同的对比方式都有不同的显示情况;
Ⅲ、选择故障前24小时+故障持续阶段,实现在每个故障前24小时和故障持续时间内的设备指标数据绘制于坐标图内显示。
10.根据权利要求7所述的一种选矿设备故障状态可视分析方法,其特征在于所述步骤6的过程如下:
步骤6.1:选择不同的工序,从数据库中获取此工序下同类设备的运行状态数据;
步骤6.2:根据数据绘制出以时间为横轴、同类设备名称为纵轴、红色圆点代表故障的同类设备故障分布坐标图,以方便同类设备的对比分析;
步骤6.3:计算每个设备的设备利用率、设备故障率、故障次数以及平均故障间隔,并以它们为指标作为顶点绘制设备对比分析扇形图,以便同类设备对比分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910865645.4A CN110531723B (zh) | 2019-09-12 | 2019-09-12 | 一种选矿设备故障状态可视分析系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910865645.4A CN110531723B (zh) | 2019-09-12 | 2019-09-12 | 一种选矿设备故障状态可视分析系统与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110531723A true CN110531723A (zh) | 2019-12-03 |
CN110531723B CN110531723B (zh) | 2022-07-05 |
Family
ID=68668550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910865645.4A Active CN110531723B (zh) | 2019-09-12 | 2019-09-12 | 一种选矿设备故障状态可视分析系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110531723B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111353911A (zh) * | 2020-04-28 | 2020-06-30 | 深圳力维智联技术有限公司 | 电力设备运维方法、系统、设备和存储介质 |
CN111768078A (zh) * | 2020-05-28 | 2020-10-13 | 青岛奥利普自动化控制系统有限公司 | 一种啤酒行业制造执行系统 |
CN113127804A (zh) * | 2021-03-10 | 2021-07-16 | 广州亚美信息科技有限公司 | 确定车辆故障次数的方法、装置、计算机设备和存储介质 |
CN113469385A (zh) * | 2021-07-14 | 2021-10-01 | 重庆允成互联网科技有限公司 | 一种设备状态可视化监控方法及系统 |
CN114781660A (zh) * | 2022-03-28 | 2022-07-22 | 广州明珞装备股份有限公司 | 故障报警信息统计方法、系统、设备以及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1895416A1 (en) * | 2006-08-25 | 2008-03-05 | Accenture Global Services GmbH | Data visualization for diagnosing computing systems |
CN102324066A (zh) * | 2011-08-26 | 2012-01-18 | 积成电子股份有限公司 | 一种电力系统预警与评估指标的雷达图表示方法 |
CN103745406A (zh) * | 2013-12-23 | 2014-04-23 | 东北大学 | 可视化选矿生产全流程工艺指标优化决策系统及方法 |
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 |
CN106408192A (zh) * | 2016-09-23 | 2017-02-15 | 东北大学 | 一种选矿设备运行状态监控系统及方法 |
CN107545355A (zh) * | 2017-06-23 | 2018-01-05 | 新华三大数据技术有限公司 | 一种故障原因诊断方法和装置 |
CN108108880A (zh) * | 2017-12-07 | 2018-06-01 | 东北大学 | 一种选矿生产指标可视化分析系统与方法 |
CN109034662A (zh) * | 2018-08-31 | 2018-12-18 | 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 |
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 |
CN109840718A (zh) * | 2019-02-28 | 2019-06-04 | 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 |
CN109885361A (zh) * | 2017-12-26 | 2019-06-14 | 广东电网有限责任公司电力调度控制中心 | 一种机组状态统计时序图可视化展示方法 |
-
2019
- 2019-09-12 CN CN201910865645.4A patent/CN110531723B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1895416A1 (en) * | 2006-08-25 | 2008-03-05 | Accenture Global Services GmbH | Data visualization for diagnosing computing systems |
CN102324066A (zh) * | 2011-08-26 | 2012-01-18 | 积成电子股份有限公司 | 一种电力系统预警与评估指标的雷达图表示方法 |
CN103745406A (zh) * | 2013-12-23 | 2014-04-23 | 东北大学 | 可视化选矿生产全流程工艺指标优化决策系统及方法 |
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 |
CN106408192A (zh) * | 2016-09-23 | 2017-02-15 | 东北大学 | 一种选矿设备运行状态监控系统及方法 |
CN107545355A (zh) * | 2017-06-23 | 2018-01-05 | 新华三大数据技术有限公司 | 一种故障原因诊断方法和装置 |
CN108108880A (zh) * | 2017-12-07 | 2018-06-01 | 东北大学 | 一种选矿生产指标可视化分析系统与方法 |
CN109885361A (zh) * | 2017-12-26 | 2019-06-14 | 广东电网有限责任公司电力调度控制中心 | 一种机组状态统计时序图可视化展示方法 |
CN109034662A (zh) * | 2018-08-31 | 2018-12-18 | 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 |
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 |
CN109840718A (zh) * | 2019-02-28 | 2019-06-04 | 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 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111353911A (zh) * | 2020-04-28 | 2020-06-30 | 深圳力维智联技术有限公司 | 电力设备运维方法、系统、设备和存储介质 |
CN111768078A (zh) * | 2020-05-28 | 2020-10-13 | 青岛奥利普自动化控制系统有限公司 | 一种啤酒行业制造执行系统 |
CN113127804A (zh) * | 2021-03-10 | 2021-07-16 | 广州亚美信息科技有限公司 | 确定车辆故障次数的方法、装置、计算机设备和存储介质 |
CN113469385A (zh) * | 2021-07-14 | 2021-10-01 | 重庆允成互联网科技有限公司 | 一种设备状态可视化监控方法及系统 |
CN114781660A (zh) * | 2022-03-28 | 2022-07-22 | 广州明珞装备股份有限公司 | 故障报警信息统计方法、系统、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110531723B (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110531723A (zh) | 一种选矿设备故障状态可视分析系统与方法 | |
CN106415415B (zh) | 一种用于控制自动化的系统和方法 | |
ES2235835T3 (es) | Sistema y procedimiento para determinar la efectividad de unidades de produccion, acontecimientos de errores y el motivo de los indicados errores. | |
CN109840718A (zh) | 一种基于组态的生产指标可视化监控系统及方法 | |
CN110320892A (zh) | 基于Lasso回归的污水处理设备故障诊断系统及方法 | |
CN106990761A (zh) | 制造型企业生产线数据采集和看板管理系统及方法 | |
CN104199961A (zh) | 一种基于数据挖掘的公共建筑能耗监管平台数据处理方法 | |
CN101910962A (zh) | 瓶颈装置提取方法以及瓶颈装置提取辅助装置 | |
CN107330540B (zh) | 一种考虑电压质量的配电网台区缺供电量预测方法 | |
CN107291830A (zh) | 一种设备知识库的创建方法 | |
EP1816567A2 (en) | Progress tracking method for uptime improvement | |
CN108036941A (zh) | 一种基于相关性可视分析的汽轮机轴承振动异常分析方法 | |
CN109976289A (zh) | 生产线kpi监测方法、装置、电子设备及可读介质 | |
CN108108880A (zh) | 一种选矿生产指标可视化分析系统与方法 | |
CN116300736A (zh) | 基于mes的数字工厂孪生管理系统、平台及方法 | |
JP2005085178A (ja) | 設備運用計画作成システム | |
CN108415373A (zh) | 柔性材料加工设备智能维护装置 | |
CN110866706A (zh) | 一种地区用电需求差异化综合分析和评估的方法 | |
Haberl et al. | Development of graphical indices for viewing building energy data: Part I | |
CN109885361A (zh) | 一种机组状态统计时序图可视化展示方法 | |
CN104714205B (zh) | 电表错置侦测系统及其方法 | |
JP2005267241A (ja) | 運転データ管理装置および運転データ管理方法 | |
CN208061012U (zh) | 柔性材料加工设备智能维护装置 | |
CN110824280A (zh) | 基于特征相似度的道岔健康状态的诊断方法与可视化方法 | |
CN107038513A (zh) | 一种指标的综合展示方法 |
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 |