CN112162522A - 一种以数据为导向的除尘排潮除异味设备风险防控方法 - Google Patents
一种以数据为导向的除尘排潮除异味设备风险防控方法 Download PDFInfo
- Publication number
- CN112162522A CN112162522A CN202010961783.5A CN202010961783A CN112162522A CN 112162522 A CN112162522 A CN 112162522A CN 202010961783 A CN202010961783 A CN 202010961783A CN 112162522 A CN112162522 A CN 112162522A
- Authority
- CN
- China
- Prior art keywords
- risk
- data
- equipment
- dust
- moisture
- 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
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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
- G05B19/058—Safety, monitoring
-
- 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
- G05B2219/10—Plc systems
- G05B2219/14—Plc safety
- G05B2219/14006—Safety, monitoring in general
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种以数据为导向的除尘排潮除异味设备风险防控方法，包括以下步骤：(1)将贴片式热敏电阻安装于除尘排潮除异味设备，同时完成贴片式热敏电阻与除尘排潮除异味设备的PLC之间的线路连接，并在PLC中编程以实现通过贴片式热敏电阻采集温度；(2)从PLC中采集除尘排潮除异味设备的运行状态指标数据，依据该运行状态指标数据和预先设定的判定指标生成风险预警信息和/或设备保养信息并实时推送；(3)根据运行状态指标数据和基于深度学习构建的质量监控模型生成产品质量预测值并实时推送；(4)根据风险预警信息以及风险解决方案和解决效果构建设备风险点数据库。这种模式大大减少了维修成本并且大大提高了系统的稳定性。
Description
技术领域
本发明属于设备维护技术领域，具体设计一种以数据为导向的除尘排潮除异味设备风险防控方法。
背景技术
随着智能工厂化的不断推进，对于设备维护保养提出了更高的要求，原先人工检测的方式已经无法满足现阶段智能化工厂的需求。只有对设备进行实时监测再根据设备监测数据进行预见性保养和预防性维护，从而提高系统的风险管控能力才能满足现代化工厂的管控要求。以下将列出研究过程中遇到的主要风险点与难点。
目前系统设备存在故障原因查找难的问题：由于系统组成较为复杂，一旦系统发生故障，需要对整个系统进行逐一排查，排查将会花费很长的时间，这将使得烟丝质量受到影响。由此提出了对系统各关键点进行监控的需求，能够在故障维修时提供支持。
除尘排潮除异味设备在生产运行过程中具有唯一性、独立性，一旦系统出现问题，将导致设备故障停机，由于没有备用设备，恢复系统正常运行所需时间较长。尤其是除尘设备，因其处在粉尘浓度较高的地方，设备的安全性要放在首位，所以设备的维修将更加困难。因此需要在监测方面进行加强，做好预防性维护工作，降低设备故障停机率。
现有的除尘、排潮、除异味的设备相关维护保养的工作是由人工对设备的各项指标定期进行检测以及对设备进行定期的维护保养。日常的维护主要是以点巡检的方式，对运行中的除尘、排潮设备电机轴温度进行监测、除尘设备是否有堵塞现象以及设备整体是否有跑冒滴漏的现象存在。除了日常的维护以外，还有周期性的设备保养，设备保养的时间是根据制度手册中规定的时间周期，人为的查找制度手册再安排保养计划。目前维护保养工作存在一定的风险，其一，人工检测存在误差的问题；其二，人工检测不能保证实时的设备状态都符合标准；其三，部分数据不适合人工检查，导致设备检测不完善；其四，由于各个设备的各个部件定期保养的时间有差异，人工查询再排计划过于繁琐且容易发生遗漏的情况。
由于除尘机房内的所有设备、电气柜要符合防爆要求，通过咨询设计院专家，确定方案可行性。在保证了除尘机房安全性的前提下，自主采购防爆电气箱及其他软硬件配置，完成布线安装调试并开发了除尘排潮除异味设备风险防控系统。
在风机轴承的温度监测方面，目前的监测方法是人工定期巡视，每两个小时使用红外温度检测仪对相关设备逐个进行监测(右图为轴承温度监测表)。但是风机轴温度指标对于风机稳定运行非常的重要，所以需要对轴温度进行实时监测。研究小组通过对轴承温度和轴承周边温度进行实地测量研究，将测得的数据制成图表，得出轴承温度与周边连接部分存在比例关系，可以通过轴承周边连接部分温度反映轴承温度，并通过测试得出所有的风机轴承温度的比例系数。
发明内容
本发明的目的是提供一种以数据为导向的除尘排潮除异味设备风险防控方法，通过对除尘排潮除异味设备的运行状态指标的分析，生成风险的预警信息和保养信息并建立设备风险点数据库，以实现除尘排潮除异味设备的风险防控。
为实现上述发明目的，本发明提供以下技术方案：
一种以数据为导向的除尘排潮除异味设备风险防控方法，包括以下步骤：
(1)将贴片式热敏电阻安装于除尘排潮除异味设备，同时完成贴片式热敏电阻与除尘排潮除异味设备的PLC之间的线路连接，并在PLC中编程以实现通过贴片式热敏电阻采集温度；
(2)从PLC中采集除尘排潮除异味设备的运行状态指标数据，依据该运行状态指标数据和预先设定的指标判定指标生成风险预警信息和/或设备保养信息并实时推送；
(3)根据运行状态指标数据和基于深度学习构建的质量监控模型生成产品质量预测值并实时推送；
(4)根据风险预警信息以及风险解决方案和解决效果构建设备风险点数据库。
优选地，所述将贴片式热敏电阻为贴片式铂热电阻；
所述运行状态指标数据包括除尘排潮风机的负压和频率、除尘主管温度、排潮主管温度、防火阀温度、除尘布袋压差与负压值、除尘风机电流、管道粉尘浓度、料位数据。
优选地，根据运行状态指标数据并结合设备维护经验设置风险预警值，当采集的运行状态指标数据超过设定的对应风险预警值时，根据运行状态指标数据生成风险预警信息并通过短信推送给相关负责人。
其中，所述风险预警信息包括推送时间、风险位置、运行状态指标当前时刻数据，以运行状态指标历史数据表示的风险具体情况。
优选地，根据除尘排潮除异味设备周期性维护保养基准设定固定保修周期，当达到固定保修周期时，会生成设备保养信息并通过短信推送给相关负责人。
优选地，根据运行状态指标并结合设备保养经验设置设备保养条件，根据运行状态指标数据判断达到设备保养条件时，则生成设备保养信息并通过短信推送给相关负责人。
优选地，所述基于深度学习构建的质量监控模型的构建过程包括：
获取运行状态指标数据和产品质量数据作为样本数据，并基于卷积层和池化层以及全连接层构建深度学习网络，将运行状态指标数据作为深度学习网络的输入，将产品质量数据作为深度学习网络的真值输出，以深度学习网络针对输入的预测输出与真值数据的交叉熵为损失函数，对深度学习网络进行参数优化，当深度学习网络参数确定时，获得质量监控模型，该质量监控模型可用于检测烟丝水分、烟丝温度。
当根据风险预警信息进行现场维修后记录风险解决方案和解决效果，该风险预警信息、风险解决方案以及解决效果形成映射关系存储到数据库中，以后续出现类似风险预警信息时，自动调取并推送对应的风险解决方案以及解决效果给相关技术人员。
优选地，采集的运行状态指标数据会图表的形式可视化显示，并能够设置运行状态指标对应的风险预警值，固定保养周期和设备保养条件。采用igs文件从PLC中读取除尘排潮除异味设备的运行状态指标数据。
与现有技术相比，本发明具有的有益效果至少包括：
通过PLC采集的运行状态指标数据，根据预设的判定指标对运行状态指标数据进行判断生成风险预警信息、设备保养信息以及产品质量预测值并实时推动，这种模式大大减少了维修成本并且大大提高了系统的稳定性。通过建立风险点数据库的方式，可以快速判断类似风险点的发生以及提供解决方案，为维修工作带来极大的便利。
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，下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍，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前提下，还可以根据这些附图获得其他附图。
图1是实施例提供的以数据为导向的除尘排潮除异味设备风险防控方法的流程框图。
具体实施方式
为使本发明的目的、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发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。
图1是实施例提供的以数据为导向的除尘排潮除异味设备风险防控方法的流程框图。
如图1所示，实施例提供的以数据为导向的除尘排潮除异味设备风险防控方法包括以下步骤：
步骤1，传感器配置和PLC程序编辑。
采用温度传感器测量除尘排潮除异味设备的温度，在安装温度传感器的过程中，为了不对风机外表面造成破坏，采用贴片式热敏电阻，将该贴片式热敏电阻安装于除尘排潮除异味设备，实现了对风机无影响的条件下进实时温度监测。具体地可以采用贴片式铂热电阻MIK-PT100(美控)来监测风机轴承温度。在安装好贴片式热敏电阻后，还需要完成贴片式热敏电阻与除尘排潮除异味设备的PLC之间的线路连接，并对贴片式热敏电阻相对应的PLC进行程序编写，即可以对编写有处理程序的芯片ET200S 与PLC控制器进行硬件组态，以实现温度的自动采集。
步骤2，PLC数据采集和Igs读取相关数据并存储到实时数据库。
本实施例中，采用igs文件从PLC中读取除尘排潮除异味设备的运行状态指标数据。其中，运行状态指标数据包括除尘排潮风机的负压和频率、除尘主管温度、排潮主管温度、防火阀温度、除尘布袋压差与负压值、除尘风机电流、管道粉尘浓度、料位数据。并通过proficy historian在实时数据库中建点，把采集的都运行状态指标相关数据存储到实时数据库，以便于后续的数据处理。
步骤3，ifix显示与报警设置。
该以数据为导向的除尘排潮除异味设备风险防控方法中，在ifix界面上创建相对应的点，用于读取igs接收到的运行状态指标数据并以图表的形式可视化显示，然后还可以配置该运行状态指标对应的风险预警值，固定保养周期和设备保养条件。
步骤4，风险预警信息的实时推送。
当获得运行状态指标数据后，根据设定的风险预警值可以实时生成风险预警信息并推送。具体地，当采集的运行状态指标数据超过设定的对应风险预警值时，根据运行状态指标数据生成风险预警信息并通过短信推送给相关负责人。其中，所述风险预警信息包括推送时间、风险位置、运行状态指标当前时刻数据，以运行状态指标历史数据表示的风险具体情况。
步骤5，设备保养信息的实时推送。
当获得运行状态指标数据后，根据固定保养周期和设备保养条件可以实时设备保养信息并推送。具体地，一种方式，根据除尘排潮除异味设备周期性维护保养基准设定固定保修周期，当达到固定保修周期时，会生成设备保养信息并通过短信推送给相关负责人。另外一种方式，根据运行状态指标数据判断达到设备保养条件时，则生成设备保养信息并通过短信推送给相关负责人。其中，设备保养条件是根据运行状态指标并结合设备保养经验设置的。
步骤6，设备风险点数据库的建立。
风险点处理完毕之后，需要对该风险点的处理情况进行详细说明，需要录入解决方案、处理完成后的效果等相关的内容到Oracle数据库。当下次出现类似情况时，会自动调用并推送对应的风险解决方案以及解决效果给相关技术人员，以便于风险的快速识别与处理。
上述以数据为导向的除尘排潮除异味设备风险防控方法大大提高了系统的风险管控能力。在设备运行状态监控上实现了实时监控、迅速反应，在设备维护保养方面实现了及时有效的预防性维护和预见性保养。对设备运行过程突发的设备故障进行快速响应，解决了人工无法每时每刻对设备状态进行监视的问题。改变了以往通过发现设备故障之后再来进行维修的模式，转而成为通过发现设备运行中存在的不稳定现象立即对该设备进行维护保养，这种新模式大大减少了维修成本并且大大提高了系统的稳定性。通过建立风险点数据库的方式，可以快速判断类似风险点的发生以及提供解决方案，为维修工作带来极大的便利。
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的最优选实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种以数据为导向的除尘排潮除异味设备风险防控方法，其特征在于，包括以下步骤：
(1)将贴片式热敏电阻安装于除尘排潮除异味设备，同时完成贴片式热敏电阻与除尘排潮除异味设备的PLC之间的线路连接，并在PLC中编程以实现通过贴片式热敏电阻采集温度；
(2)从PLC中采集除尘排潮除异味设备的运行状态指标数据，依据该运行状态指标数据和预先设定的判定指标生成风险预警信息和/或设备保养信息并实时推送；
(3)根据运行状态指标数据和基于深度学习构建的质量监控模型生成产品质量预测值并实时推送；
(4)根据风险预警信息以及风险解决方案和解决效果构建设备风险点数据库。
2.如权利要求1所述的以数据为导向的除尘排潮除异味设备风险防控方法，其特征在于，所述将贴片式热敏电阻为贴片式铂热电阻；
所述运行状态指标数据包括除尘排潮风机的负压和频率、除尘主管温度、排潮主管温度、防火阀温度、除尘布袋压差与负压值、除尘风机电流、管道粉尘浓度、料位数据。
3.如权利要求1所述的以数据为导向的除尘排潮除异味设备风险防控方法，其特征在于，根据运行状态指标数据并结合设备维护经验设置风险预警值，当采集的运行状态指标数据超过设定的对应风险预警值时，根据运行状态指标数据生成风险预警信息并通过短信推送给相关负责人。
4.如权利要求3所述的以数据为导向的除尘排潮除异味设备风险防控方法，其特征在于，所述风险预警信息包括推送时间、风险位置、运行状态指标当前时刻数据，以运行状态指标历史数据表示的风险具体情况。
5.如权利要求1所述的以数据为导向的除尘排潮除异味设备风险防控方法，其特征在于，根据除尘排潮除异味设备周期性维护保养基准设定固定保修周期，当达到固定保修周期时，会生成设备保养信息并通过短信推送给相关负责人。
6.如权利要求1所述的以数据为导向的除尘排潮除异味设备风险防控方法，其特征在于，根据运行状态指标并结合设备保养经验设置设备保养条件，根据运行状态指标数据判断达到设备保养条件时，则生成设备保养信息并通过短信推送给相关负责人。
7.如权利要求1所述的以数据为导向的除尘排潮除异味设备风险防控方法，其特征在于，所述基于深度学习构建的质量监控模型的构建过程包括：
获取运行状态指标数据和产品质量数据作为样本数据，并基于卷积层和池化层以及全连接层构建深度学习网络，将运行状态指标数据作为深度学习网络的输入，将产品质量数据作为深度学习网络的真值输出，以深度学习网络针对输入的预测输出与真值数据的交叉熵为损失函数，对深度学习网络进行参数优化，当深度学习网络参数确定时，获得质量监控模型，该质量监控模型可用于检测烟丝水分、烟丝温度。
8.如权利要求1所述的以数据为导向的除尘排潮除异味设备风险防控方法，其特征在于，当根据风险预警信息进行现场维修后记录风险解决方案和解决效果，该风险预警信息、风险解决方案以及解决效果形成映射关系存储到数据库中，以后续出现类似风险预警信息时，自动调取并推送对应的风险解决方案以及解决效果给相关技术人员。
9.如权利要求1所述的以数据为导向的除尘排潮除异味设备风险防控方法，其特征在于，采集的运行状态指标数据会图表的形式可视化显示，并能够设置运行状态指标对应的风险预警值，固定保养周期和设备保养条件。
10.如权利要求1所述的以数据为导向的除尘排潮除异味设备风险防控方法，其特征在于，采用igs文件从PLC中读取除尘排潮除异味设备的运行状态指标数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010961783.5A CN112162522A (zh) | 2020-09-14 | 2020-09-14 | 一种以数据为导向的除尘排潮除异味设备风险防控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010961783.5A CN112162522A (zh) | 2020-09-14 | 2020-09-14 | 一种以数据为导向的除尘排潮除异味设备风险防控方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112162522A true CN112162522A (zh) | 2021-01-01 |
Family
ID=73858024
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010961783.5A Pending CN112162522A (zh) | 2020-09-14 | 2020-09-14 | 一种以数据为导向的除尘排潮除异味设备风险防控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112162522A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6334447B1 (en) * | 1997-09-30 | 2002-01-01 | Universal Leaf Tobacco Co., Inc. | Tobacco bale slicing apparatus and method |
| CN204203707U (zh) * | 2014-08-29 | 2015-03-11 | 河南中烟工业有限责任公司 | 薄板烘丝机控制系统 |
| CN105795497A (zh) * | 2016-04-11 | 2016-07-27 | 浙江中烟工业有限责任公司 | 一种提高烘丝机故障分析的数据采集方法 |
| CN109838407A (zh) * | 2019-03-19 | 2019-06-04 | 上海烟草集团有限责任公司 | 除尘风机运行监控方法及系统 |
| CN111045326A (zh) * | 2019-10-22 | 2020-04-21 | 杭州安脉盛智能技术有限公司 | 一种基于递归神经网络的烘丝过程水分预测控制方法及系统 |
| CN111103854A (zh) * | 2019-12-10 | 2020-05-05 | 云南昆船设计研究院有限公司 | 一种用于提升烟草烘丝机生产稳定性的系统及方法 |
| CN111474870A (zh) * | 2019-01-23 | 2020-07-31 | 庄瑛 | 一种基于机器学习的故障诊断、检测系统 |
| CN111558262A (zh) * | 2020-06-16 | 2020-08-21 | 夏旻晔 | 一种除尘器智能维护检修控制系统及方法 |
-
2020
- 2020-09-14 CN CN202010961783.5A patent/CN112162522A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6334447B1 (en) * | 1997-09-30 | 2002-01-01 | Universal Leaf Tobacco Co., Inc. | Tobacco bale slicing apparatus and method |
| CN204203707U (zh) * | 2014-08-29 | 2015-03-11 | 河南中烟工业有限责任公司 | 薄板烘丝机控制系统 |
| CN105795497A (zh) * | 2016-04-11 | 2016-07-27 | 浙江中烟工业有限责任公司 | 一种提高烘丝机故障分析的数据采集方法 |
| CN111474870A (zh) * | 2019-01-23 | 2020-07-31 | 庄瑛 | 一种基于机器学习的故障诊断、检测系统 |
| CN109838407A (zh) * | 2019-03-19 | 2019-06-04 | 上海烟草集团有限责任公司 | 除尘风机运行监控方法及系统 |
| CN111045326A (zh) * | 2019-10-22 | 2020-04-21 | 杭州安脉盛智能技术有限公司 | 一种基于递归神经网络的烘丝过程水分预测控制方法及系统 |
| CN111103854A (zh) * | 2019-12-10 | 2020-05-05 | 云南昆船设计研究院有限公司 | 一种用于提升烟草烘丝机生产稳定性的系统及方法 |
| CN111558262A (zh) * | 2020-06-16 | 2020-08-21 | 夏旻晔 | 一种除尘器智能维护检修控制系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6443312B2 (ja) | 管理システム | |
| CN109065135B (zh) | 一种医院后勤设备全生命周期管理云平台、方法和系统 | |
| CN110658760A (zh) | 一种具有远程定位及通讯的电力运维终端 | |
| TWI559107B (zh) | 監視控制裝置 | |
| CN111238559A (zh) | 一种卷包车间在线检测设备状态监控系统 | |
| JP6859833B2 (ja) | 設備管理装置、設備管理システム、プログラムおよび設備管理方法 | |
| CN112836972A (zh) | 一种it设备故障缺陷处理系统及故障缺陷处理方法 | |
| CN106475855A (zh) | 一种数控机床主轴负荷的在线检测设备和检测方法 | |
| WO2017056749A1 (ja) | 管理システムおよび管理方法 | |
| CN115248402A (zh) | 油浸变压器在线监测系统及方法 | |
| CN111678557A (zh) | 一种电气化铁道牵引变压器智能监测系统及方法 | |
| JP6176377B1 (ja) | 設備管理システム、設備管理方法およびプログラム | |
| CN110173830B (zh) | 空调运行数据的监控方法及相关设备 | |
| CN115049326A (zh) | 一种生产管理系统及管理方法 | |
| CN110989498A (zh) | 一种数控机床监控系统 | |
| CN108622664B (zh) | 一种气力数据检测系统 | |
| CN112162522A (zh) | 一种以数据为导向的除尘排潮除异味设备风险防控方法 | |
| CN111475520B (zh) | 一种对区块数据进行自动化监控和告警的方法及系统 | |
| KR20180074473A (ko) | 권취 설비 이상 사전 감지 장치 | |
| CN115437307A (zh) | 基于Thingworx平台的预警方法及装置、计算机可存储介质 | |
| KR20180115826A (ko) | 설비 이상 모니터링 장치 및 방법 | |
| JP7019978B2 (ja) | 設備管理システム、設備管理方法およびプログラム | |
| CN206974470U (zh) | 一种车间设备在线监测系统 | |
| CN220252462U (zh) | 一种用于监控车辆生产线中的环境温度的监控系统 | |
| CN113063900B (zh) | 一种油烟监测系统 |
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: 20210101 |