CN111413937A - 一种拉削装备远程监控与预测性维护系统及故障预测方法 - Google Patents
一种拉削装备远程监控与预测性维护系统及故障预测方法 Download PDFInfo
- Publication number
- CN111413937A CN111413937A CN202010265320.5A CN202010265320A CN111413937A CN 111413937 A CN111413937 A CN 111413937A CN 202010265320 A CN202010265320 A CN 202010265320A CN 111413937 A CN111413937 A CN 111413937A
- Authority
- CN
- China
- Prior art keywords
- equipment
- broaching
- predictive maintenance
- state parameters
- remote monitoring
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000013135 deep learning Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 230000006855 networking Effects 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
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]
- G05B19/41875—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 quality surveillance of production
-
- 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
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31211—Communicate diagnostic data from intelligent field device controller to central
-
- 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]
-
- 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
- Y02P90/80—Management or planning
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)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种拉削装备远程监控与预测性维护系统及故障预测方法，属于拉削装备监控及维护技术领域。该系统包括设备端、云端和监控中心；所述故障预测方法包括以下步骤：步骤一、实时获取拉削装备的运行状态数据；步骤二、对运行状态参数进行预处理，并发送至物联网云平台；步骤三、从物联网云平台获取运行状态参数，并结合预先构建的基于深度学习的故障预测模型进行故障预测，得到预测结果。本发明通过设置的设备端，实时采集拉削装备的运行参数，并上传至云端，建立数据库结构和各数据表，并通过云端服务器发布监控中心，企业可以通过监控中心的客户端对设备进行状态的查看，获取报警信息，并反馈至用户的客户端，进行预测性维护。
Description
技术领域
本发明属于拉削装备监控及维护技术领域，具体涉及一种拉削装备远程监控与预测性维护系统及故障预测方法。
背景技术
高端装备的发展逐渐朝着智能化和自动化的方向发展，鉴于这一发展趋势，对拉削装备的生产过程的监控需要和要求也越来越高。
然而，传统拉削装备的设备状态参数无法被实时读取、设备无法进行远程管理。当设备发生故障时，运营部门无法及时掌握错误信息，不能及时做出正确的应对决策以避免拉削装备的损坏；且在拉削装备售出后，设备端厂商需要对拉削装备进行后续的维护和监控管理，当设备出现微小程序故障的时候，企业需要派工程师到现场维护；然而大部分企业面对的客户群体地域广泛，导致设备孤立，无法与厂级、行业之间建立联系，需要投入大量的人力、物力，增加了企业的运营成本，降低了企业市场竞争力。
发明内容
针对现有技术中存在的上述问题，本发明的目的在于提供一种能够实现远程监控、预测性维护的系统及方法。
本发明提供如下技术方案：一种拉削装备远程监控与预测性维护系统，其特征在于包括设备端、云端和监控中心；
所述设备端用于实时采集拉削装备的运行状态参数，并将所采集的运行状态参数发送至云端，所述云端包括用于储存上述运行状态数据的物联网云平台和用于部署客户端软件的云服务器，所述监控中心包括数据显示模块和预测性维护模块。
所述的一种拉削装备远程监控与预测性维护系统，其特征在于所述设备端包括拉削装备、网关和联网模块，所述网关与工业现场PLC、传感器进行通讯连接，所述网关上的数据通过联网模块上传到物联网云平台，并将数据流转至云服务器。
所述的一种拉削装备远程监控与预测性维护系统，其特征在于所述监控中心的显示模块用于搭建远程监控开发环境，选择数据库和数据库管理平台，确认数据需求项，设计数据库结构并建立各数据表。
所述的一种拉削装备远程监控与预测性维护系统，其特征在于所述监控中心的预测性维护模块用于从云端获取允许运行状态参数，并结合预先构建的预测性模型进行故障预测，得到预测结果。
一种拉削装备远程监控与预测性维护系统的故障预测方法，其特征在于包括如下步骤:
步骤一、实时获取拉削装备的运行状态参数；
步骤二、对运行状态参数进行预处理，并发送至物联网云平台；
步骤三、从物联网云平台获取运行状态参数，并结合预先构建的基于深度学习的故障预测模型进行故障预测，得到预测结果。
所述的一种拉削装备远程监控与预测性维护系统的故障预测方法，其特征在于所述步骤一中，拉削装备的运行状态参数通过PLC或者传感器进行实时采集。
所述的一种拉削装备远程监控与预测性维护系统的故障预测方法，其特征在于所述步骤二中，通过对运行状态参数进行小波变换提取主拉削力，获得一个行程的主拉削力，然后完成数据的打包工作，并发送至物联网云平台。
所述的一种拉削装备远程监控与预测性维护系统的故障预测方法，其特征在于所述步骤三中，基于深度学习构建故障预测模型的步骤包括：
1）从物联网云平台中获取大量的历史运行状态，把这些运行状态标记为稳定运行类和故障类；
2）基于深度学习理论，将卷积神经网络结合二分类问题搭建适用于拉削装备预测性维护的优化型深度卷积神经网络模型；
3）从历史运行数据集出发，模型逐渐学习实现特征提取和故障诊断，引入归一化、Dropout处理并改进模型分类来提升故障识别准确率、模型收敛速度和泛化能力。
通过采用上述技术，与现有技术相比，本发明的有益效果如下：
本发明通过设置的设备端，实时采集拉削装备的运行参数，并上传至云端，建立数据库结构和各数据表，并通过云端服务器发布监控中心，企业可以通过监控中心的客户端对设备进行状态的查看，获取报警信息，并反馈至用户的客户端，进行预测性维护。
附图说明
图1为本发明的远程监控与预测性维护系统设备端优选的布置框图；
图2为本发明的远程监控与预测性维护系统故障预测方法的步骤框图；
图3为本发明的远程监控与预测性维护系统整体运行方案的路线框图；
图4为本发明的远程监控与预测性维护系统优选的布置示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合说明书附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
请参阅图1，一种拉削装备远程监控与预测性维护系统，包括设备端、云端和监控中心；
所述设备端用于实时采集拉削装备的运行参数，包括拉削装备、网关和联网模块，所述网关包括微处理器、传输单元和电源模块，网关与工业现场采集单元中的PLC、传感器进行通讯连接，所述网关上的数据通过联网模块上传到物联网云平台，并将数据流转至云服务器，并将所采集的运行状态参数发送至云端；
所述云端用于储存上述运行状态数据物联网云平台和用于部署客户端软件的云服务器；
所述监控中心包括数据显示模块和预测性维护模块；其中，显示模块用于搭建远程监控开发环境，选择数据库和数据库管理平台，确认数据需求项，设计数据库结构并建立各数据表；预测性维护模块用于从云端获取允许运行状态参数，并结合预先构建的预测性模型进行故障预测，得到预测结果。
请参阅图2-4，一种拉削装备远程监控与预测性维护系统的故障预测方法，包括如下步骤:
步骤一、实时获取拉削装备的运行状态数据：下位机PLC、传感器负责工业现场装备的控制，并通过TCP/IP协议传输远程监控所需要的数据到网关，；
步骤二、对运行状态参数进行预处理，并发送至物联网云平台：通过对运行状态参数进行小波变换提取主拉削力，获得一个行程的主拉削力，完成数据的打包工作，再通过MQTT协议将数据上报给物联网平台，实现数据的上传；
步骤三、从物联网云平台获取运行状态参数，并结合预先构建的基于深度学习的故障预测模型进行故障预测，得到预测结果：物联网云平台通过数据流转将数据传送到云服务器，选择适宜的数据库和数据库管理平台，确认数据需求项，设计合理的数据库结构并建立各数据表，根据建立的数据表开发监控中心；通过云服务器发布监控中心，最终使得工厂通过客户端进行状态的查看，获取报警信息，并反馈至用户的客户端，进行预测性维护；
其中，基于深度学习的故障预测模型进行故障预测的步骤包括：
1）从物联网云平台中获取大量的历史运行状态，把这些运行状态标记为稳定运行类和故障类；
2）基于深度学习理论，将卷积神经网络结合二分类问题搭建适用于拉削装备预测性维护的优化型深度卷积神经网络模型；
3）从历史运行数据集出发，模型逐渐学习实现特征提取和故障诊断，引入归一化、Dropout处理并改进模型分类来提升故障识别准确率、模型收敛速度和泛化能力。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明的保护范围之内。
Claims (8)
1.一种拉削装备远程监控与预测性维护系统，其特征在于包括设备端、云端和监控中心；
所述设备端用于实时采集拉削装备的运行状态参数，并将所采集的运行状态参数发送至云端，所述云端包括用于储存上述运行状态数据的物联网云平台和用于部署客户端软件的云服务器，所述监控中心包括数据显示模块和预测性维护模块。
2.根据权利要求1所述的一种拉削装备远程监控与预测性维护系统，其特征在于所述设备端包括拉削装备、网关和联网模块，所述网关与工业现场PLC、传感器进行通讯连接，所述网关上的数据通过联网模块上传到物联网云平台，并将数据流转至云服务器。
3.根据权利要求1所述的一种拉削装备远程监控与预测性维护系统，其特征在于所述监控中心的显示模块用于搭建远程监控开发环境，选择数据库和数据库管理平台，确认数据需求项，设计数据库结构并建立各数据表。
4.根据权利要求1所述的一种拉削装备远程监控与预测性维护系统，其特征在于所述监控中心的预测性维护模块用于从云端获取允许运行状态参数，并结合预先构建的预测性模型进行故障预测，得到预测结果。
5.一种拉削装备远程监控与预测性维护系统的故障预测方法，其特征在于包括如下步骤:
步骤一、实时获取拉削装备的运行状态参数；
步骤二、对运行状态参数进行预处理，并发送至物联网云平台；
步骤三、从物联网云平台获取运行状态参数，并结合预先构建的基于深度学习的故障预测模型进行故障预测，得到预测结果。
6.根据权利要求5所述的一种拉削装备远程监控与预测性维护系统的故障预测方法，其特征在于所述步骤一中，拉削装备的运行状态参数通过PLC或者传感器进行实时采集。
7.根据权利要求5所述的一种拉削装备远程监控与预测性维护系统的故障预测方法，其特征在于所述步骤二中，通过对运行状态参数进行小波变换提取主拉削力，获得一个行程的主拉削力，然后完成数据的打包工作，并发送至物联网云平台。
8.根据权利要求5所述的一种拉削装备远程监控与预测性维护系统的故障预测方法，其特征在于所述步骤三中，基于深度学习构建故障预测模型的步骤包括：
1）从物联网云平台中获取大量的历史运行状态，把这些运行状态标记为稳定运行类和故障类；
2）基于深度学习理论，将卷积神经网络结合二分类问题搭建适用于拉削装备预测性维护的优化型深度卷积神经网络模型；
3）从历史运行数据集出发，模型逐渐学习实现特征提取和故障诊断，引入归一化、Dropout处理并改进模型分类来提升故障识别准确率、模型收敛速度和泛化能力。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010265320.5A CN111413937B (zh) | 2020-04-07 | 2020-04-07 | 一种拉削装备远程监控与预测性维护系统及故障预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010265320.5A CN111413937B (zh) | 2020-04-07 | 2020-04-07 | 一种拉削装备远程监控与预测性维护系统及故障预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111413937A true CN111413937A (zh) | 2020-07-14 |
| CN111413937B CN111413937B (zh) | 2021-08-24 |
Family
ID=71491715
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010265320.5A Active CN111413937B (zh) | 2020-04-07 | 2020-04-07 | 一种拉削装备远程监控与预测性维护系统及故障预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111413937B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112073475A (zh) * | 2020-08-21 | 2020-12-11 | 顾洋 | 一种基于物联网的模具实时运行监测系统及其工作方法 |
| CN112232531A (zh) * | 2020-09-15 | 2021-01-15 | 中国第一汽车股份有限公司 | 基于装备物联的汽车试验设备预测性维护系统及维护方法 |
| CN112348419A (zh) * | 2021-01-05 | 2021-02-09 | 光谷技术有限公司 | 一种物联网处理系统和方法 |
| CN112487216A (zh) * | 2020-12-11 | 2021-03-12 | 苏州协同创新智能制造装备有限公司 | 模具故障预判系统 |
| CN112686395A (zh) * | 2020-08-20 | 2021-04-20 | 杭州指南车机器人科技有限公司 | 一种生产线预测性维护系统 |
| CN113077061A (zh) * | 2021-02-20 | 2021-07-06 | 上海琥崧智能科技股份有限公司 | 一种基于生产数据挖掘的设备预测性维护系统 |
| CN113242280A (zh) * | 2021-04-25 | 2021-08-10 | 华南理工大学 | 一种led荧光粉涂覆远程监控系统及涂覆效果预测方法 |
| CN113469383A (zh) * | 2021-07-06 | 2021-10-01 | 山西大数据产业发展有限公司 | 基于互联网方式的设备远程预测性维护系统及方法 |
| CN113705840A (zh) * | 2021-09-23 | 2021-11-26 | 重庆允成互联网科技有限公司 | 一种设备预测性维护方法、装置、计算机设备及存储介质 |
| CN113885408A (zh) * | 2021-11-03 | 2022-01-04 | 江西省智能产业技术创新研究院 | 一种远程运维系统 |
| CN116107282A (zh) * | 2023-04-13 | 2023-05-12 | 北京奔驰汽车有限公司 | 一种基于企业应用集成的工业机器人预测性维护系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5742233A (en) * | 1997-01-21 | 1998-04-21 | Hoffman Resources, Llc | Personal security and tracking system |
| CN101934401A (zh) * | 2009-10-30 | 2011-01-05 | 陕西秦川机械发展股份有限公司 | 桌面式拉削机床 |
| CN109635483A (zh) * | 2018-12-24 | 2019-04-16 | 上海商然数据服务有限公司 | 一种基于电磁检测的电机和泵故障预测分析系统 |
| CN110161953A (zh) * | 2019-05-30 | 2019-08-23 | 淄博鲁工造粒装备科技有限公司 | 一种造粒设备智能管控远程运维平台 |
| CN110334865A (zh) * | 2019-07-05 | 2019-10-15 | 上海交通大学 | 一种基于卷积神经网络的电力设备故障率预测方法及系统 |
-
2020
- 2020-04-07 CN CN202010265320.5A patent/CN111413937B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5742233A (en) * | 1997-01-21 | 1998-04-21 | Hoffman Resources, Llc | Personal security and tracking system |
| CN101934401A (zh) * | 2009-10-30 | 2011-01-05 | 陕西秦川机械发展股份有限公司 | 桌面式拉削机床 |
| CN109635483A (zh) * | 2018-12-24 | 2019-04-16 | 上海商然数据服务有限公司 | 一种基于电磁检测的电机和泵故障预测分析系统 |
| CN110161953A (zh) * | 2019-05-30 | 2019-08-23 | 淄博鲁工造粒装备科技有限公司 | 一种造粒设备智能管控远程运维平台 |
| CN110334865A (zh) * | 2019-07-05 | 2019-10-15 | 上海交通大学 | 一种基于卷积神经网络的电力设备故障率预测方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 林翔等: "拉削工艺和装备设计方法研究综述", 《机电工程》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112686395A (zh) * | 2020-08-20 | 2021-04-20 | 杭州指南车机器人科技有限公司 | 一种生产线预测性维护系统 |
| CN112073475A (zh) * | 2020-08-21 | 2020-12-11 | 顾洋 | 一种基于物联网的模具实时运行监测系统及其工作方法 |
| CN112232531A (zh) * | 2020-09-15 | 2021-01-15 | 中国第一汽车股份有限公司 | 基于装备物联的汽车试验设备预测性维护系统及维护方法 |
| CN112487216A (zh) * | 2020-12-11 | 2021-03-12 | 苏州协同创新智能制造装备有限公司 | 模具故障预判系统 |
| CN112348419A (zh) * | 2021-01-05 | 2021-02-09 | 光谷技术有限公司 | 一种物联网处理系统和方法 |
| CN112348419B (zh) * | 2021-01-05 | 2021-04-02 | 光谷技术有限公司 | 一种物联网处理系统和方法 |
| CN113077061A (zh) * | 2021-02-20 | 2021-07-06 | 上海琥崧智能科技股份有限公司 | 一种基于生产数据挖掘的设备预测性维护系统 |
| CN113242280A (zh) * | 2021-04-25 | 2021-08-10 | 华南理工大学 | 一种led荧光粉涂覆远程监控系统及涂覆效果预测方法 |
| CN113469383A (zh) * | 2021-07-06 | 2021-10-01 | 山西大数据产业发展有限公司 | 基于互联网方式的设备远程预测性维护系统及方法 |
| CN113705840A (zh) * | 2021-09-23 | 2021-11-26 | 重庆允成互联网科技有限公司 | 一种设备预测性维护方法、装置、计算机设备及存储介质 |
| CN113885408A (zh) * | 2021-11-03 | 2022-01-04 | 江西省智能产业技术创新研究院 | 一种远程运维系统 |
| CN116107282A (zh) * | 2023-04-13 | 2023-05-12 | 北京奔驰汽车有限公司 | 一种基于企业应用集成的工业机器人预测性维护系统 |
| CN116107282B (zh) * | 2023-04-13 | 2023-06-09 | 北京奔驰汽车有限公司 | 一种基于企业应用集成的工业机器人预测性维护系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111413937B (zh) | 2021-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111413937B (zh) | 一种拉削装备远程监控与预测性维护系统及故障预测方法 | |
| US11783725B2 (en) | Snapshot management architecture for process control operator training system lifecycle | |
| US10510027B2 (en) | Cloud-based global alarm annunciation system for industrial systems | |
| US20210302923A1 (en) | Backup of an industrial automation plant in the cloud | |
| CN109358574B (zh) | 一种智能化数据采集、监控与分析系统及方法 | |
| EP3037901B1 (en) | Cloud-based emulation and modeling for automation systems | |
| CN113112086B (zh) | 一种基于边缘计算和标识解析的智能生产系统 | |
| EP2924572B1 (en) | Cloud-level analytics for boiler networks | |
| EP3070548B1 (en) | Cloud-based industrial controller | |
| US20160112283A1 (en) | Remote industrial monitoring and analytics using a cloud infrastructure | |
| CN110336703A (zh) | 基于边缘计算的工业大数据监测系统 | |
| US20180083982A1 (en) | Secure command execution from a cloud monitoring system to a remote cloud agent | |
| EP2801934A1 (en) | Remote assistance via a cloud platform for industrial automation | |
| CN110362037A (zh) | 一种用于数控机床的综合维护系统平台 | |
| CN111556141B (zh) | 基于Json数据片的智能网关数据采集系统及方法 | |
| CN218058021U (zh) | 一种基于数字孪生的电梯在线监测系统 | |
| CN214067660U (zh) | 基于物联网的监测系统 | |
| CN109802943B (zh) | 数据采集装置 | |
| CN116755404A (zh) | 一种基于边缘计算的离散制造车间管理系统及方法 | |
| Redelinghuys | An architecture for the digital twin of a manufacturing cell | |
| CN116260848B (zh) | 一种多加工设备数据采集系统及方法 | |
| YAMADA et al. | Overview of fuji electric IoT platform | |
| Gong et al. | Research on an Edge Computing Architecture for Industrial Applications | |
| CN117408591A (zh) | 一种基于半导体物流设备的iot物联网平台的应用方法 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200714 Assignee: Jiaxing beichuang Network Technology Co.,Ltd. Assignor: JIANG University OF TECHNOLOGY Contract record no.: X2023980037561 Denomination of invention: A Broaching Equipment Remote Monitoring and Predictive maintenance System and Fault Prediction Method Granted publication date: 20210824 License type: Common License Record date: 20230705 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200714 Assignee: Jiaxing Juteng Information Technology Co.,Ltd. Assignor: JIANG University OF TECHNOLOGY Contract record no.: X2023980037556 Denomination of invention: A Broaching Equipment Remote Monitoring and Predictive maintenance System and Fault Prediction Method Granted publication date: 20210824 License type: Common License Record date: 20230706 Application publication date: 20200714 Assignee: Zhejiang Donghao Information Engineering Co.,Ltd. Assignor: JIANG University OF TECHNOLOGY Contract record no.: X2023980037550 Denomination of invention: A Broaching Equipment Remote Monitoring and Predictive maintenance System and Fault Prediction Method Granted publication date: 20210824 License type: Common License Record date: 20230706 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200714 Assignee: Taizhou Linhai Xinxing Safety Technology Training Co.,Ltd. Assignor: JIANG University OF TECHNOLOGY Contract record no.: X2023980047386 Denomination of invention: A Remote Monitoring and Predictive Maintenance System for Broaching Equipment and a Fault Prediction Method Granted publication date: 20210824 License type: Common License Record date: 20231117 |