CN110738333A - 一种基于大数据的生产线运维方法及装置 - Google Patents
一种基于大数据的生产线运维方法及装置 Download PDFInfo
- Publication number
- CN110738333A CN110738333A CN201910938391.4A CN201910938391A CN110738333A CN 110738333 A CN110738333 A CN 110738333A CN 201910938391 A CN201910938391 A CN 201910938391A CN 110738333 A CN110738333 A CN 110738333A
- Authority
- CN
- China
- Prior art keywords
- data
- production line
- detection data
- sigma
- current detection
- 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
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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及自动化生产技术领域,具体涉及一种基于大数据的生产线运维方法及装置,首先获取生产线监测点上过往多个时刻记录的检测数据;进而对所述检测数据进行归一化处理,生成样本数据,并计算所述样本数据的特征量和指标量;最后通过获取生产线监测点的当前检测数据,根据所述当前检测数据实时生成分析报告,本发明可以实时监控生产线状态,为管理人员提供决策辅助。
Description
技术领域
本发明涉及自动化生产技术领域,具体涉及一种基于大数据的生产线运维方法及装置。
背景技术
现代生产企业已经进入大数据时代。生产大数据是指通过传感器、通信设备和智能终端等各种数据采集设备、数据传输设备收集到的结构化、半结构化和非结构化的海量业务数据的集合。
传统的生产线运维管理中,管理者依靠经验进行决策,经验始终仅能在小范围内得到传播和继承,这样就导致了生产线运维始终依靠关键人员进行处理,严重制约运维团队的处理效率。
而借助生产大数据,则可以提升生产企业在数据资源价值挖掘的整体水平,从而促进生产企业的业务管理向更加敏捷和高效的方向发展,对生产企业而言,实现对生产线运维状态实时监测和评价具有十分重要的意义。因此,如何利用生产过程中采集的大数据实时监控生产线状态,从而为管理人员提供决策辅助,成为值得研究的问题。
发明内容
为解决上述问题,本发明提供一种基于大数据的生产线运维方法及装置,可以实时监控生产线状态,为管理人员提供决策辅助。
为了实现上述目的,本发明提供以下技术方案:
一种基于大数据的生产线运维方法,包括:
获取生产线监测点上过往多个时刻记录的检测数据;
对所述检测数据进行归一化处理,生成样本数据;
计算所述样本数据的特征量和指标量;
获取生产线监测点的当前检测数据,根据所述当前检测数据实时生成分析报告。
进一步,所述检测数据包括多个维度,所述多个维度包括:生产线设备的设备温度值、电压值、电流值,生产线环境的环境温度值,提供给生产线设备的供电功率值。
进一步,所述对所述检测数据进行归一化处理,生成样本数据,具体为:
将获取的检测数据按各个维度进行分类,形成多个维度的分类数据,将同一时刻的多个分类数据组合为分组数据;
将各个时刻下的分组数据按比例形成取值范围在0~1之间的归一化数据,将所有归一化数据的集合作为样本数据。
进一步,所述计算所述样本数据的特征量和指标量,具体为:
分别计算各个时刻下各组分组数据的波动方差,以及所有时刻下各组分组数据的平均值,将所述波动方差和所述平均值按时刻形成特征值集合,将所述特征值集合作为所述样本数据的特征量。
进一步,所述根据所述当前检测数据实时生成分析报告,具体为:
设所述波动方差为σ,所述平均值为μ;
当所述当前检测数据处于区间为[μ-2kσ,μ-kσ]∪[μ+kσ,μ+2kσ]时,则判定所述生产线状态为优良;
当所述当前检测数据处于区间为[μ-3kσ,μ-2kσ)∪(μ+2kσ,μ+3kσ]时,则判定所述生产线状态为一般;
当所述当前检测数据处于区间为(-∞,μ-3kσ)∪(μ+3kσ,+∞)时,则判定所述生产线状态为异常;
将各个周期的生产线状态按时间顺序形成列表,将所述列表作为分析报告。
一种基于大数据的生产线运维装置,所述装置包括:存储器、处理器以及存储在所述存储器中并可在所述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运行在以下装置的模块中:
检测数据获取模块,用于获取生产线监测点上过往多个时刻记录的检测数据;
样本数据生成模块,用于对所述检测数据进行归一化处理,生成样本数据;
计算模块,用于计算所述样本数据的特征量和指标量;
分析报告生成平台,用于获取生产线监测点的当前检测数据,根据所述当前检测数据实时生成分析报告。
本发明的有益效果是:本发明公开一种基于大数据的生产线运维方法及装置,首先获取生产线监测点上过往多个时刻记录的检测数据;进而对所述检测数据进行归一化处理,生成样本数据,并计算所述样本数据的特征量和指标量;最后通过获取生产线监测点的当前检测数据,根据所述当前检测数据实时生成分析报告。本发明可以实时监控生产线状态,为管理人员提供决策辅助。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一种基于大数据的生产线运维方法的流程示意图;
图2是本发明实施例一种基于大数据的生产线运维装置的结构示意图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本公开的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
参考图1,如图1所示为一种基于大数据的生产线运维方法,包括以下步骤:
步骤S100、获取生产线监测点上过往多个时刻记录的检测数据;
步骤S200、对所述检测数据进行归一化处理,生成样本数据;
步骤S300、计算所述样本数据的特征量和指标量;
步骤S400、获取生产线监测点的当前检测数据,根据所述当前检测数据实时生成分析报告。
本实施例首先获取生产线监测点上过往多个时刻记录的检测数据,显然的,所述检测数据为一组与过往时刻对应的数据集合,本实施例中,过往多个时刻为一段时间内的连续采样时刻点,为保证采样数据的可靠性和全面性,应保证所述时间足够长,具体的,可将所述连续采样时刻点的数量设定为105,两个所述连续采样时刻点的时间间隔应该足够短,具体地,所述连续采样时刻点不超过生产线监测点运行周期的一半。
进而对所述样本数据进行归一化处理,得到训练样本,初步确定训练样本,并采用归一化处理的方式,便于后期做数据处理,提高数据处理的效率;接下来计算所述样本数据的特征量和指标量,便于后续形成生产线状态的判断依据。通过获取生产线监测点的当前检测数据,根据所述当前检测数据实时生成分析报告,本实施例提供的生产线状态分析报告可自动生成,并实时监控生产线状态,摆脱了对特定关键人员的依赖,为管理人员提供决策辅助。
在一个具体的实施例中,所述检测数据包括多个维度,所述多个维度包括:生产线设备的设备温度值、电压值、电流值,生产线环境的环境温度值,提供给生产线设备的供电功率值。
在一个的实施例中,所述步骤S200具体为:
将获取的检测数据按各个维度进行分类,形成多个维度的分类数据,将同一时刻的多个分类数据组合为分组数据;
将各个时刻下的分组数据按比例形成取值范围在0~1之间的归一化数据,将所有归一化数据的集合作为样本数据。
在一个实施例中,所述步骤S300具体为:
分别计算各个时刻下各组分组数据的波动方差,以及所有时刻下各组分组数据的平均值,将所述波动方差和所述平均值按时刻形成特征值集合,将所述特征值集合作为所述样本数据的特征量。
本实施例中,所述分组数据围绕正常值进行波动,符合正态分布,采用波动方差和平均值可作为生产线状态的判定依据,具有实际意义。
在一个优选的实施例中,所述根据所述数据源生成该周期下的分析报告,具体为:
设所述波动方差为σ,所述平均值为μ;
当所述当前检测数据处于区间为[μ-2σ,μ-σ]∪[μ+σ,μ+2σ]时,则判定所述生产线状态为优良;
当所述当前检测数据处于区间为[μ-3σ,μ-2σ)∪(μ+2σ,μ+3σ]时,则判定所述生产线状态为一般;
当所述当前检测数据处于区间为(-∞,μ-3σ)∪(μ+3σ,+∞)时,则判定所述生产线状态为异常;
将各个周期的生产线状态按时间顺序形成列表,将所述列表作为分析报告。
本实施例根据波动方差和平均值确定生产线状态的判断阈值,可以快速的输出初步判断结论,提高了时效性,便于管理人员即时获取生产线状态的初步判断结果。
参考图2,本公开实施例还提供一种基于大数据的生产线运维装置,所述装置包括:存储器、处理器以及存储在所述存储器中并可在所述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运行在以下装置的模块中:
检测数据获取模块100,用于获取生产线监测点上过往多个时刻记录的检测数据;
样本数据生成模块200,用于对所述检测数据进行归一化处理,生成样本数据;
计算模块300,用于计算所述样本数据的特征量和指标量;
分析报告生成平台400,用于获取生产线监测点的当前检测数据,根据所述当前检测数据实时生成分析报告。
所述一种基于大数据的生产线运维装置可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种基于大数据的生产线运维装置,可运行的装置可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述例子仅仅是一种基于大数据的生产线运维装置的示例,并不构成对一种基于大数据的生产线运维装置的限定,可以包括比例子更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述一种基于大数据的生产线运维装置还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central-Processing-Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital-Signal-Processor,DSP)、专用集成电路(Application-Specific-Integrated-Circuit,ASIC)、现场可编程门阵列(Field-Programmable-Gate-Arr ay,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种基于大数据的生产线运维装置运行装置的控制中心,利用各种接口和线路连接整个一种基于大数据的生产线运维装置可运行装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种基于大数据的生产线运维装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart-Media-Card,SMC),安全数字(Secure-Di gital,SD)卡,闪存卡(Flash-Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求,考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本公开的预定范围。此外,上文以发明人可预见的实施例对本公开进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。
Claims (6)
1.一种基于大数据的生产线运维方法,其特征在于,包括:
获取生产线监测点上过往多个时刻记录的检测数据;
对所述检测数据进行归一化处理,生成样本数据;
计算所述样本数据的特征量和指标量;
获取生产线监测点的当前检测数据,根据所述当前检测数据实时生成分析报告。
2.根据权利要求1所述的基于大数据的生产线运维方法,其特征在于,所述检测数据包括多个维度,所述多个维度包括:生产线设备的设备温度值、电压值、电流值,生产线环境的环境温度值,提供给生产线设备的供电功率值。
3.根据权利要求2所述的基于大数据的生产线运维方法,其特征在于,所述对所述检测数据进行归一化处理,生成样本数据,具体为:
将获取的检测数据按各个维度进行分类,形成多个维度的分类数据,将同一时刻的多个分类数据组合为分组数据;
将各个时刻下的分组数据按比例形成取值范围在0~1之间的归一化数据,将所有归一化数据的集合作为样本数据。
4.根据权利要求3所述的基于大数据的生产线运维方法,其特征在于,所述计算所述样本数据的特征量和指标量,具体为:
分别计算各个时刻下各组分组数据的波动方差,以及所有时刻下各组分组数据的平均值,将所述波动方差和所述平均值按时刻形成特征值集合,将所述特征值集合作为所述样本数据的特征量。
5.根据权利要求4所述的基于大数据的生产线运维方法,其特征在于,所述根据所述当前检测数据实时生成分析报告,具体为:
设所述波动方差为σ,所述平均值为μ;
当所述当前检测数据处于区间为[μ-2kσ,μ-kσ]∪[μ+kσ,μ+2kσ]时,则判定所述生产线状态为优良;
当所述当前检测数据处于区间为[μ-3kσ,μ-2kσ)∪(μ+2kσ,μ+3kσ]时,则判定所述生产线状态为一般;
当所述当前检测数据处于区间为(-∞,μ-3kσ)∪(μ+3kσ,+∞)时,则判定所述生产线状态为异常;
将各个周期的生产线状态按时间顺序形成列表,将所述列表作为分析报告。
6.一种基于大数据的生产线运维装置,其特征在于,所述装置包括:存储器、处理器以及存储在所述存储器中并可在所述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运行在以下装置的模块中:
检测数据获取模块,用于获取生产线监测点上过往多个时刻记录的检测数据;
样本数据生成模块,用于对所述检测数据进行归一化处理,生成样本数据;
计算模块,用于计算所述样本数据的特征量和指标量;
分析报告生成平台,用于获取生产线监测点的当前检测数据,根据所述当前检测数据实时生成分析报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910938391.4A CN110738333B (zh) | 2019-09-30 | 2019-09-30 | 一种基于大数据的生产线运维方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910938391.4A CN110738333B (zh) | 2019-09-30 | 2019-09-30 | 一种基于大数据的生产线运维方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110738333A true CN110738333A (zh) | 2020-01-31 |
CN110738333B CN110738333B (zh) | 2023-09-26 |
Family
ID=69268391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910938391.4A Active CN110738333B (zh) | 2019-09-30 | 2019-09-30 | 一种基于大数据的生产线运维方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110738333B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107766299A (zh) * | 2017-10-24 | 2018-03-06 | 携程旅游信息技术(上海)有限公司 | 数据指标异常的监控方法及其系统、存储介质、电子设备 |
CN107871190A (zh) * | 2016-09-23 | 2018-04-03 | 阿里巴巴集团控股有限公司 | 一种业务指标监控方法及装置 |
CN107908175A (zh) * | 2017-11-08 | 2018-04-13 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种电力系统现场智能化运维系统 |
CN109034470A (zh) * | 2018-07-18 | 2018-12-18 | 国网冀北电力有限公司信息通信分公司 | 一种电力通信现场运维故障预测方法 |
-
2019
- 2019-09-30 CN CN201910938391.4A patent/CN110738333B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107871190A (zh) * | 2016-09-23 | 2018-04-03 | 阿里巴巴集团控股有限公司 | 一种业务指标监控方法及装置 |
CN107766299A (zh) * | 2017-10-24 | 2018-03-06 | 携程旅游信息技术(上海)有限公司 | 数据指标异常的监控方法及其系统、存储介质、电子设备 |
CN107908175A (zh) * | 2017-11-08 | 2018-04-13 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种电力系统现场智能化运维系统 |
CN109034470A (zh) * | 2018-07-18 | 2018-12-18 | 国网冀北电力有限公司信息通信分公司 | 一种电力通信现场运维故障预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110738333B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021000556A1 (zh) | 一种工业设备剩余有效寿命预测方法、系统及电子设备 | |
CN112114986B (zh) | 数据异常识别方法、装置、服务器和存储介质 | |
CN110543506B (zh) | 数据分析方法、装置、电子设备及存储介质 | |
CN110991658A (zh) | 模型训练方法、装置、电子设备和计算机可读存储介质 | |
CN110672323B (zh) | 一种基于神经网络的轴承健康状态评估方法及装置 | |
TWI777035B (zh) | 螺絲鎖附異常警報方法、裝置、電腦裝置及存儲介質 | |
CN111680855A (zh) | 一种项目全过程风险自动检测预警方法及系统 | |
CN114328277A (zh) | 一种软件缺陷预测和质量分析方法、装置、设备及介质 | |
CN110796591A (zh) | 一种gpu卡的使用方法及相关设备 | |
CN110677271B (zh) | 基于elk的大数据告警方法、装置、设备及存储介质 | |
CN110738333A (zh) | 一种基于大数据的生产线运维方法及装置 | |
CN111475375A (zh) | 一种数据状态的更新方法及设备 | |
CN109344875B (zh) | 基于聚类分析的日风电出力时序生成方法及装置 | |
CN110598732A (zh) | 一种基于图像识别的植物健康检测方法及装置 | |
CN112825165A (zh) | 项目质量管理的方法和装置 | |
CN116955059A (zh) | 根因定位方法、装置、计算设备及计算机存储介质 | |
CN115935822A (zh) | 计算机参数长期退化趋势预测方法、系统、设备及介质 | |
CN110674949A (zh) | 一种基于大数据的工件故障智能补偿方法及装置 | |
CN117220286B (zh) | 一种水风光多能互补系统风险评估方法、装置及介质 | |
Moore et al. | Learning network structure via hawkes processes | |
US11856014B2 (en) | Anomaly detection in computing computing system events | |
CN114625753A (zh) | 预警模型监测方法、装置、计算机设备、介质和程序产品 | |
CN114418142A (zh) | 设备巡检方法及装置 | |
CN117455124A (zh) | 企业的环保设备监测方法、系统、介质及电子设备 | |
CN116468076A (zh) | 一种驾驶行为分析方法、装置、电子设备及存储介质 |
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 |