CN111080466A - 一种基于大数据的压延机压延质量预警系统 - Google Patents
一种基于大数据的压延机压延质量预警系统 Download PDFInfo
- Publication number
- CN111080466A CN111080466A CN201911220448.3A CN201911220448A CN111080466A CN 111080466 A CN111080466 A CN 111080466A CN 201911220448 A CN201911220448 A CN 201911220448A CN 111080466 A CN111080466 A CN 111080466A
- Authority
- CN
- China
- Prior art keywords
- data
- calender
- quality
- module
- early warning
- 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.)
- Pending
Links
- 238000003490 calendering Methods 0.000 title claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 238000007405 data analysis Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000005096 rolling process Methods 0.000 claims abstract description 7
- 238000004140 cleaning Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000001816 cooling Methods 0.000 claims description 10
- 238000004049 embossing Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 238000003066 decision tree Methods 0.000 claims description 6
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- 238000013499 data model Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 10
- 230000003111 delayed effect Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 239000002994 raw material Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000004083 survival effect Effects 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06395—Quality analysis or management
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种基于大数据的压延机压延质量预警系统，包括：数据采集模块、消息队列模块、大数据分析平台、数据展示模块，所述数据采集模块用于从压延机采集延时的实时状态数据；所述消息队列模块用于将采集的实时状态数据传输至大数据分析平台；所述大数据分析平台用于对实时状态数据进行压延质量分析预警，得到预测分析结果；所述数据展示模块用于读取压延质量预测分析结果并展示。本发明通过构建基于大数据的数据采集、传输和分析的预警分析系统，能够在生产过程对压延机压延质量进行预测分析，克服了传统方法检测分析的滞后性。
Description
技术领域
本发明涉及制造业大数据领域，更具体地，涉及一种基于大数据的压延机压延质量预警系统。
背景技术
面对市场竞争的日益激烈，制造企业要想增强企业核心竞争力就不得不更加注重产品的质量，对于压延加工企业来说，产品质量的高低已经关系到企业的生存和发展，而先进的质量管理已成为增强企业核心竞争力的重要一环。随着大数据时代的到来，制造业已经向智能化的方向发展，每天企业都会产生大量的机器的历史数据，这些数据呈现规模大、高维度等工业大数据的特征，因此，着眼于压延工艺环节，引入大数据技术，构建压延工艺大数据质量预测架构成为提高车间生产质量的重要一环。对于压延工艺，以原有的压延质量数据资源为基础，搭建分布式文件系统和大数据分析平台，为企业降低生产工艺带来的误差，减少人力物力财力的支出。
目前压延工艺质量指标的检测大多是在产品生产出来后才进行,滞后的质量数据对生产过程的实时质量控制帮助不大,而且当发现产品质量不合格时,损失已无法挽回,极大地影响了企业的生产质量和效益。
发明内容
本发明为克服上述现有技术中对压延机压延质量的检测存在滞后性，无法在生产过程中进行质量预警的缺陷，提供一种基于大数据的压延机压延质量预警系统。
本发明的首要目的是为解决上述技术问题，本发明的技术方案如下：
一种基于大数据的压延机压延质量预警系统，包括：数据采集模块、消息队列模块、大数据分析平台、数据展示模块，
所述数据采集模块用于从压延机采集延时的实时状态数据；
所述消息队列模块用于将采集的实时状态数据传输至大数据分析平台；
所述大数据分析平台用于对实时状态数据进行压延质量分析预警，得到预测分析结果；
所述数据展示模块用于读取压延质量预测分析结果并展示。
进一步地，所述数据采集模块采集的点位数据包括：自动计量系统采集的当前订单配方的物料用量信息；
开炼机位点采集每个压轮的温度、速度、电流；
过滤机位点采集过滤机的温度；
压延机位点采集各个引取轮的温度、速度、电流、压花辊的速度、压花辊的电流；
冷却点位采集各个冷却轮的速度、电流；
测厚点位采集产品的厚度值。
进一步地，所述数据采集模块包括网络接入子模块、Agent子模块，压延设备的传感器通过网络接入子模块与Agent子模块通信连接，所述Agent子模块通过网络接入子模块下达实时状态采集的轮询指令报文到压延机设备的传感器，所述传感器处理指令后通过网络接入子模块把实时状态数据以报文的形式反馈给Agent子模块。
进一步地，所述消息队列模块包括若干订阅主题，其中不同的订阅主题表示不同位点的压延设备，每个订阅主题均包括有唯一标识：GateID、DeviceName、Receive，其中GateID表示无线Wifi网关，或有线的RS485通信网关，DeviceName表示某位点设备名称，Receive表示数据采集标志。
进一步地，所述大数据分析平台包括数据清洗子模块、历史数据建模子模块、实时数据分析子模块，所述数据清洗子模块的清洗处理过程为：
S1：把压延设备各个位点的数据拼装成适合训练的数据模型；
S2：使用数据仓库工具的SQL语句把现有的压延机历史数据中存在残缺值的记录删除；
S3：使用数据仓库工具的SQL语句把样本中重复的记录删除；
S4：若数据的质量指标的值超出正常值范围则标记为不合格品，用0表示，否则表示合格品，用1表示，完成数据清洗；
S5：把清洗完成后的数据保存到非关系型数据库中。
进一步地，历史数据建模子模块完成以下步骤
S1：从非关系型数据库中获取清洗后的压延机历史数据；
S2：构建随机森林模型，从压延机历史数据中用Bootstrap方法有放回抽取训练样本生成m个训练子样本，然后每个训练子样本分别从全部特征中随机选择n个特征，计算n个特征的最佳分裂方式，得到k棵决策树，k棵决策树组成的分类器投票决定最终分类结果。
进一步地，实时数据分析子模块完成以下步骤：
S1：实时数据分析子模块订阅消息队列的各个位点的订阅主题，每当消息队列模块有消息推送，大数据分析平台首先把各个位点的实时状态数据清洗并整合为预设格式，然后触发质量预测，输入到历史数据建模模块生成的随机森林模型中实时预测压延质量，若预测出为0的概率大于预设参考值则表示为不及格品，得到压延质量预测分析结果；
S2：把预测分析结果存储到大数据分析平台的缓存工具中供数据展示模块的可视化展示。
进一步地，所述数据展示模块每隔预设的时间从大数据分析平台的缓存工具中读取预测分析结果并封装成json数据格式返回数据展示模块进行展示，若预测分析结果中返回的数据值出现0且概率大于预设参考值时则弹出质量预警对话框进行质量的告警。
与现有技术相比，本发明技术方案的有益效果是：
本发明通过构建基于大数据的数据采集、传输和分析的预警分析系统，能够在生产过程对压延机压延质量进行预测分析，克服了传统方法检测分析的滞后性。
附图说明
图1为本发明系统架构图。
图2为大数据分析平台架构原理图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
实施例1
如图1所示本实施例提供了一种基于大数据的压延机压延质量预警系统，包括：数据采集模块、消息队列模块、大数据分析平台、数据展示模块，
所述数据采集模块用于从压延机采集延时的实时状态数据；
所述消息队列模块用于将采集的实时状态数据传输至大数据分析平台；
所述大数据分析平台用于对实时状态数据进行压延质量分析预警，得到预测分析结果；
所述数据展示模块用于读取压延质量预测分析结果并展示。
所述数据采集模块包括网络接入子模块、Agent子模块，压延设备的传感器通过网络接入子模块与Agent子模块通信连接，所述Agent子模块通过网络接入子模块下达实时状态采集的轮询指令报文到压延机设备的传感器，所述传感器处理指令后通过网络接入子模块把实时状态数据以报文的形式反馈给Agent子模块。
更具体地，首先Agent子模块以xml文档的方式完成对所有压延机设备的注册和属性的配置，Agent子模块对属性配置和成功注册的压延机设备具有实时采集状态数据和控制指令实时下达的功能。部署在上位机的Agent子模块程序通过网络接入子模块(如WIFI网关)下达状态采集的轮询指令报文到压延机设备的各传感器，传感器处理指令后通过WIFI网关把实时状态数据以报文的形式反馈给Agent。
更具体地，所述数据采集模块采集的点位数据包括：自动计量系统采集的当前订单配方的物料用量信息；如订单号，产品型号，原料1设定值，原料1称重值，原料n设定值，原料n的称重值,所采集的物料用量信息数据格式如下：<ORDERID,PRODTYPE,MATERIAL-S1…MATERIAL-Sn,MATERIAL-W1…MATERIAL-Wn>，ORDERID表示订单号，PRODTYP表示产品型号，MATERIAL-S1表示原料1设定值，MATERIAL-W1表示原料1称重值，MATERIAL-Sn表示原料n设定值，MATERIAL-Wn表示原料n称重值；
开炼机位点采集每个压轮的温度、速度、电流，其数据格式如下：<Mill-T1…Mill-Tn，Mill-S1…Mill-Sn,Mill-C1…Mill-Cn>；Mill-T1表示压轮1的温度，Mill-Tn表示压轮n的温度，Mill-S1表示压轮1的速度，Mill-Sn表示压轮n的速度，Mill-C1表示压轮1的电流,Mill-Cn表示压轮n的电流。
过滤机位点采集过滤机的温度，数据格式表示为<FILTER-T>,FILTER-T表示过滤机的温度；
压延机位点采集各个引取轮的温度、速度、电流、压花辊的速度、压花辊的电流，数据格式表示为：<FETCH-T1…FETCH-Tn,FETCH-S1…FETCH-Sn,FETCH-C1…FETCH-Cn,EMBOSSING-S,EMBOSSING-C>，FETCH-T1表示引取轮1的温度，FETCH-Tn表示引取轮n的温度，FETCH-S1表示引取轮1的速度，FETCH-Sn表示引取轮n的速度，FETCH-C1表示引取轮1的电流，FETCH-Cn表示引取轮n的电流,EMBOSSING-S表示压花辊的速度，EMBOSSING-C表示压花辊的电流；
冷却点位采集各个冷却轮的速度、电流，其数据格式表示为：<COOLING-S1…COOLING-Sn，COOLING-C1…COOLING-Cn>，COOLING-S1表示冷却轮1的速度，COOLING-Sn表示冷却轮n的速度，COOLING-C1表示冷却轮1的电流，COOLING-Cn表示冷却轮n的电流；
测厚点位采集产品的厚度值，其数据格式表示为：<THICKNESS>,THICKNESS表示采集产品的厚度值。
进一步地，所述消息队列模块包括若干订阅主题，其中不同的订阅主题表示不同位点的压延设备，每个订阅主题均包括有唯一标识：GateID、DeviceName、Receive，其中GateID表示无线Wifi网关，或有线的RS485通信网关，DeviceName表示某位点设备名称，Receive表示数据采集标志。
更具体地，Agent子模块把采集的数据报文封装成json格式的数据并追加上时间戳，发送到消息队列模块带有唯一标识的GateID/DeviceName/Receive的订阅主题中供大数据分析平台使用，不同的订阅主题topic代表不同位点的设备，其中GateID表示无线Wifi网关，或有线的RS485通信网关，DeviceName表示位点设备名称，Receive表示数据采集标志。具体示例如表1所示。
| GateID | DeviceName | Agent Receive Topic |
| 17756456 | PLC001 | 17756456/PLC001/Receive |
如图2所示为大数据分析平台架构原理图。
所述大数据分析平台包括数据清洗子模块、历史数据建模子模块、实时数据分析子模块共同完成对采集回来的压延机数据进行压延质量分析预警，所述数据清洗子模块的清洗处理过程为：
S1：把压延设备各个位点的数据拼装成适合训练的数据模型；
所述数据模型的格式为：
<TIMESTAMP,ORDERID,PRODTYPE,MATERIAL-S1…MATERIAL-Sn,MATERIAL-W1…MATERIAL-Wn,Mill-T1…Mill-Tn,Mill-S1…Mill-Sn,Mill-C1…Mill-Cn,FILTER-T,FETCH-T1…FETCH-Tn,FETCH-S1…FETCH-Sn,FETCH-C1…FETCH-Cn,EMBOSSING-S,EMBOSSING-C,COOLING-S1…COOLING-Sn,COOLING-C1…COOLING-Cn，THICKNESS>；
S2：使用数据仓库工具的SQL语句把现有的压延机历史数据中存在残缺值的记录删除；
S3：使用数据仓库工具的SQL语句把样本中重复的记录删除；
S4：若数据的质量指标的值超出正常值范围则标记为不合格品，用0表示，否则表示合格品，用1表示，完成数据清洗；
S5：把清洗完成后的数据保存到非关系型数据库MongoDB中。
历史数据建模子模块完成以下步骤
S1：从非关系型数据库中获取清洗后的压延机历史数据；
S2：构建随机森林模型，从压延机历史数据中用Bootstrap方法有放回抽取训练样本生成m个训练子样本，然后每个训练子样本分别从全部特征中随机选择n个特征，计算n个特征的最佳分裂方式，得到k棵决策树，k棵决策树组成的分类器投票决定最终分类结果。
实时数据分析子模块完成以下步骤：
S1：实时数据分析子模块订阅消息队列GateID/DeviceName/Receive的各个位点的订阅主题，每当消息队列模块有消息推送过来时，大数据分析平台首先把各个位点的实时状态数据清洗并整合为预设格式，然后触发质量预测，输入到历史数据建模模块生成的随机森林模型中实时预测压延质量，若预测出为0的概率大于预设参考值则表示为不及格品，得到压延质量预测分析结果；
在一个具体的实施例中所述预设参考值可以设置为80％。
S2：把预测分析结果存储到大数据分析平台的缓存工具中供数据展示模块的可视化展示。
进一步地，所述数据展示模块每隔预设的时间从大数据分析平台的缓存工具中读取预测分析结果并封装成json数据格式返回数据展示模块进行展示，若预测分析结果中返回的数据值出现0且概率大于预设参考值时则弹出质量预警对话框进行质量的告警。
在一个的具体的实施例中，数据展示模块每隔2秒从大数据分析平台的缓存工具Redis中读取预测分析结果并封装成json数据格式返回数据展示模块进行展示，若预测分析结果中返回的数据值出现0且概率大于80％时则弹出质量预警对话框进行质量的告警。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.一种基于大数据的压延机压延质量预警系统，其特征在于，包括：数据采集模块、消息队列模块、大数据分析平台、数据展示模块，
所述数据采集模块用于从压延机采集实时状态数据；
所述消息队列模块用于将采集的实时状态数据传输至大数据分析平台；
所述大数据分析平台用于对实时状态数据进行压延质量分析预警，得到预测分析结果；
所述数据展示模块用于读取压延质量预测分析结果并展示。
2.根据权利要求1所述的一种基于大数据的压延机压延质量预警系统，其特征在于，所述数据采集模块采集的点位数据包括：自动计量系统采集的当前订单配方的物料用量信息；
开炼机位点采集每个压轮的温度、速度、电流；
过滤机位点采集过滤机的温度；
压延机位点采集各个引取轮的温度、速度、电流、压花辊的速度、压花辊的电流；
冷却点位采集各个冷却轮的速度、电流；
测厚点位采集产品的厚度值。
3.根据权利要求1所述的一种基于大数据的压延机压延质量预警系统，其特征在于，所述数据采集模块包括网络接入子模块、Agent子模块，压延设备的传感器通过网络接入子模块与Agent子模块通信连接，所述Agent子模块通过网络接入子模块下达实时状态采集的轮询指令报文到压延机设备的传感器，所述传感器处理指令后通过网络接入子模块把实时状态数据以报文的形式反馈给Agent子模块。
4.根据权利要求1所述的一种基于大数据的压延机压延质量预警系统，其特征在于，所述消息队列模块包括若干订阅主题，其中不同的订阅主题表示不同位点的压延设备，每个订阅主题均包括有唯一标识：GateID、DeviceName、Receive，其中GateID表示无线Wifi网关，或有线的RS485通信网关，DeviceName表示某位点设备名称，Receive表示数据采集标志。
5.根据权利要求1所述的一种基于大数据的压延机压延质量预警系统，其特征在于，所述大数据分析平台包括数据清洗子模块、历史数据建模子模块、实时数据分析子模块，所述数据清洗子模块的清洗处理过程为：
S1：把压延设备各个位点的数据拼装成适合训练的数据模型；
S2：使用数据仓库工具的SQL语句把现有的压延机历史数据中存在残缺值的记录删除；
S3：使用数据仓库工具的SQL语句把样本中重复的记录删除；
S4：若数据的质量指标的值超出正常值范围则标记为不合格品，用0表示，否则表示合格品，用1表示，完成数据清洗；
S5：把清洗完成后的数据保存到非关系型数据库中。
6.根据权利要求1所述的一种基于大数据的压延机压延质量预警系统，其特征在于，历史数据建模子模块完成以下步骤
S1：从非关系型数据库中获取清洗后的压延机历史数据；
S2：构建随机森林模型，从压延机历史数据中用Bootstrap方法有放回抽取训练样本生成m个训练子样本，然后每个训练子样本分别从全部特征中随机选择n个特征，计算n个特征的最佳分裂方式，得到k棵决策树，k棵决策树组成的分类器投票决定最终分类结果。
7.根据权利要求1所述的一种基于大数据的压延机压延质量预警系统，其特征在于，实时数据分析子模块完成以下步骤：
S1：实时数据分析子模块订阅消息队列的各个位点的订阅主题，每当消息队列模块有消息推送，大数据分析平台首先把各个位点的实时状态数据清洗并整合为预设格式，然后触发质量预测，输入到历史数据建模模块生成的随机森林模型中实时预测压延质量，若预测出为0的概率大于预设参考值则表示为不及格品，得到压延质量预测分析结果；
S2：把预测分析结果存储到大数据分析平台的缓存工具中供数据展示模块的可视化展示。
8.根据权利要求1所述的一种基于大数据的压延机压延质量预警系统，其特征在于，所述数据展示模块每隔预设的时间从大数据分析平台的缓存工具中读取预测分析结果并封装成json数据格式返回数据展示模块进行展示，若预测分析结果中返回的数据值出现0且概率大于预设参考值时则弹出质量预警对话框进行质量的告警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911220448.3A CN111080466A (zh) | 2019-12-03 | 2019-12-03 | 一种基于大数据的压延机压延质量预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911220448.3A CN111080466A (zh) | 2019-12-03 | 2019-12-03 | 一种基于大数据的压延机压延质量预警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111080466A true CN111080466A (zh) | 2020-04-28 |
Family
ID=70312575
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911220448.3A Pending CN111080466A (zh) | 2019-12-03 | 2019-12-03 | 一种基于大数据的压延机压延质量预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111080466A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111932071A (zh) * | 2020-07-08 | 2020-11-13 | 上海微亿智造科技有限公司 | 工业生产质量分析预警方法和系统 |
| CN112596469A (zh) * | 2020-12-02 | 2021-04-02 | 广东工业大学 | 一种应用于工业数控生产设备的监测控制系统 |
| CN112859769A (zh) * | 2020-12-31 | 2021-05-28 | 广东工业大学 | 一种智能生产设备中能耗监控装置及其运行方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103561018A (zh) * | 2013-10-30 | 2014-02-05 | 蓝盾信息安全技术股份有限公司 | 一种面向大数据应用平台的入侵检测的实时分析系统 |
| CN104944240A (zh) * | 2015-05-19 | 2015-09-30 | 重庆大学 | 一种基于大数据技术的电梯设备的状态监测系统 |
| CN106487574A (zh) * | 2016-04-01 | 2017-03-08 | 国家计算机网络与信息安全管理中心 | 自动化运行维护监测系统 |
| CN107179503A (zh) * | 2017-04-21 | 2017-09-19 | 美林数据技术股份有限公司 | 基于随机森林的风电机组故障智能诊断预警的方法 |
| CN207485305U (zh) * | 2017-11-06 | 2018-06-12 | 广东雅达电子股份有限公司 | 一种故障主动上传型防火门智能监控模块 |
| WO2018122857A1 (en) * | 2016-12-29 | 2018-07-05 | Maytronics Ltd. | A system and a method for comprehensive monitoring, analysis and maintenance of water and equipment in swimming pools |
-
2019
- 2019-12-03 CN CN201911220448.3A patent/CN111080466A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103561018A (zh) * | 2013-10-30 | 2014-02-05 | 蓝盾信息安全技术股份有限公司 | 一种面向大数据应用平台的入侵检测的实时分析系统 |
| CN104944240A (zh) * | 2015-05-19 | 2015-09-30 | 重庆大学 | 一种基于大数据技术的电梯设备的状态监测系统 |
| CN106487574A (zh) * | 2016-04-01 | 2017-03-08 | 国家计算机网络与信息安全管理中心 | 自动化运行维护监测系统 |
| WO2018122857A1 (en) * | 2016-12-29 | 2018-07-05 | Maytronics Ltd. | A system and a method for comprehensive monitoring, analysis and maintenance of water and equipment in swimming pools |
| CN107179503A (zh) * | 2017-04-21 | 2017-09-19 | 美林数据技术股份有限公司 | 基于随机森林的风电机组故障智能诊断预警的方法 |
| CN207485305U (zh) * | 2017-11-06 | 2018-06-12 | 广东雅达电子股份有限公司 | 一种故障主动上传型防火门智能监控模块 |
Non-Patent Citations (1)
| Title |
|---|
| 吴若豪: ""智慧协同的列车检修设备大数据平台研究与实现"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111932071A (zh) * | 2020-07-08 | 2020-11-13 | 上海微亿智造科技有限公司 | 工业生产质量分析预警方法和系统 |
| CN112596469A (zh) * | 2020-12-02 | 2021-04-02 | 广东工业大学 | 一种应用于工业数控生产设备的监测控制系统 |
| CN112859769A (zh) * | 2020-12-31 | 2021-05-28 | 广东工业大学 | 一种智能生产设备中能耗监控装置及其运行方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108171117B (zh) | 基于多核异构并行计算的电力人工智能视觉分析系统 | |
| CN111080466A (zh) | 一种基于大数据的压延机压延质量预警系统 | |
| CN104407589B (zh) | 面向车间制造过程的实时生产性能主动感知与异常分析方法 | |
| CN108090675A (zh) | 一种整车生产制造的质量管理系统 | |
| CN115423289B (zh) | 智能板材加工车间数据处理方法及终端 | |
| CN107679089A (zh) | 一种用于电力传感数据的清洗方法、装置和系统 | |
| CN114021971A (zh) | 一种高速公路运维管理综合评价系统、方法及存储介质 | |
| CN114418177B (zh) | 基于生成对抗网络的数字孪生车间的新产品物料配送预测方法 | |
| CN112270429A (zh) | 基于云边协同的动力电池极片制造设备维护方法和系统 | |
| CN111985852A (zh) | 一种基于工业大数据的多业务协同质量管控系统构架方法 | |
| 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 | |
| JP7095988B2 (ja) | 異常監視システム、異常監視方法及びプログラム | |
| CN117575171B (zh) | 一种基于数据分析的粮食形势智能评估系统 | |
| CN111191710A (zh) | 一种基于大数据的异常航班识别方法 | |
| CN110111082A (zh) | 一种用于现场核查工作的随手拍方法 | |
| CN117649207A (zh) | 一种建筑施工管理系统 | |
| CN114137302A (zh) | 一种电能计量器具检定全过程监控系统 | |
| CN116261779A (zh) | 数据处理方法、系统和计算机可读存储介质 | |
| CN104460569B (zh) | 一种用于叶片生产的在制品监控方法 | |
| CN117689256A (zh) | 一种铝合金熔铸产品质量溯源方法 | |
| CN115829321B (zh) | 一种食品企业加工过程风险智能化处置系统 | |
| CN116703158A (zh) | 一种关于进口食品风险预警的风险评估模型构建方法 | |
| CN111667391A (zh) | 一种环保大数据监测系统 | |
| CN115187026A (zh) | 一种产业风险监控方法、系统和可读存储介质 | |
| CN113835387A (zh) | 运维管理方法、系统及介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200428 |