CN112785142A - 物联网污水处理设备预警智慧工单方法及其系统 - Google Patents
物联网污水处理设备预警智慧工单方法及其系统 Download PDFInfo
- Publication number
- CN112785142A CN112785142A CN202110066892.5A CN202110066892A CN112785142A CN 112785142 A CN112785142 A CN 112785142A CN 202110066892 A CN202110066892 A CN 202110066892A CN 112785142 A CN112785142 A CN 112785142A
- Authority
- CN
- China
- Prior art keywords
- work order
- equipment
- real
- time
- probability value
- 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 45
- 239000010865 sewage Substances 0.000 title claims abstract description 31
- 238000011282 treatment Methods 0.000 title claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims abstract description 76
- 230000005856 abnormality Effects 0.000 claims abstract description 17
- 238000012423 maintenance Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000008439 repair process Effects 0.000 claims description 6
- 230000008929 regeneration Effects 0.000 claims description 4
- 238000011069 regeneration method Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 3
- 238000013024 troubleshooting Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 10
- 238000005299 abrasion Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000007704 transition 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种物联网污水处理设备预警智慧工单方法及其系统,属于物联网大数据的技术领域,该方法包括:通过云平台智慧系统采集当前设备的历史数据,对历史数据作数据处理并计算历史异常概率值;通过云平台智慧系统采集当前设备的实时数据,对实时数据作数据处理并计算实时异常概率值;根据历史异常概率值和实时异常概率值计算当前设备出现异常的精确异常概率值;通过精确异常概率值判断当前设备是否达到异常概率,若达到异常概率,则表示由云平台智慧系统作二次判断,若二次判断得出当前设备异常,则由云平台智慧系统生成工单,并将工单派发至指定工作人员,以达到减少传统耗时排查设备故障原因,实现了无人值守且能够快速恢复设备正常工作的目的。
Description
技术领域
本发明属于物联网大数据的技术领域,具体而言,涉及一种物联网污水处理设备预警智慧工单方法及其系统。
背景技术
传统的污水处理设备中,在设备出现故障停止工作时,维修人员会按照排除法单一的检查设备故障原因,难以在较短时间内设备恢复正常工作,造成某个工艺段处于整个停止运行的状态。
在工业3.0的基础上,涉及物联网+工业4.0的通过云端大数据的数据分析、AI人工智能系统来完成一系列操作,达到工业互联网实现产品本身智能化,在污水处理中得以广泛应用。
针对上述问题,实现工业4.0的标准,在大数据革命、云计算、AI人工智能、5G移动互联网背景下,对产品更加的进行彻底智能化、工业化相结合的改进升级日益迫切。
发明内容
鉴于此,为了解决现有技术存在的上述问题,本发明的目的在于提供一种物联网污水处理设备预警智慧工单方法及其系统以达到减少传统耗时排查设备故障原因,实现了无人值守且能够快速恢复设备正常工作的目的。
本发明所采用的技术方案为:一种物联网污水处理设备预警智慧工单方法,该方法包括:
通过云平台智慧系统采集当前设备的历史数据,对历史数据作数据处理并计算历史异常概率值;
通过云平台智慧系统采集当前设备的实时数据,对实时数据作数据处理并计算实时异常概率值;
根据历史异常概率值和实时异常概率值计算当前设备出现异常的精确异常概率值;
通过精确异常概率值判断当前设备是否达到异常概率,若达到异常概率,则表示由云平台智慧系统作二次判断,若二次判断得出当前设备异常,则由云平台智慧系统生成工单,并将工单派发至指定工作人员。
进一步地,所述历史数据和实时数据均通过模糊式计算作数据处理,且数据处理方法为:
S101:采集当前设备的历史数据或实时数据以作为输入数据,将输入数据运算得到特定的模糊集;
S102:通过隶属度函数得到模糊集的模糊集隶属度;
S103:根据模糊规则和模糊集隶属度得到模糊结论;
S104:对模糊结论作去模糊化处理以得到输出数据。
进一步地,所述精确异常概率值的计算方法为:
其中,limf(x1)为实时异常概率值,limf(x0)历史异常概率值。
进一步地,所述历史异常概率值的计算方法为:
进一步地,所述实时异常概率值的计算方法为:
进一步地,所述实时数据取当前设备运行7天*24小时的数据。
进一步地,所述云平台智慧系统生成工单的方法如下:
由数据库调取当前设备的工单判断因子,且工单判断因子分别为:检修成本、检修时间和检修后的质量;
设定检修成本、检修时间和检修后的质量分别对应的权重为x、y和z;
工单可行性值Q=检修成本*x+检修时间*y+检修后的质量*z;
比较工单可行性值Q并选取工单可行性值Q分值最高的作为最佳方案以生成相应的工单。
在本发明中还公开了一种物联网污水处理设备预警智慧工单系统,该系统应用上述任意一项所述的物联网污水处理设备预警智慧工单方法,该系统包括:
历史异常概率模块,用于接收云平台智慧系统对当前设备所采集的历史数据,对历史数据作数据处理并计算历史异常概率值;
实时异常概率模块,用于接收云平台智慧系统对当前设备所采集的实时数据,对实时数据作数据处理并计算实时异常概率值;
精确异常概率模块,用于根据历史异常概率值和实时异常概率值计算当前设备出现异常的精确异常概率值;
云平台智慧系统,用于接收精确异常概率值并二次判断,若当前设备异常,则生成工单并将工单派发至指定工作人员。
本发明的有益效果为:
1.采用本发明所提供的物联网污水处理设备预警智慧工单方法及其系统,其利用污水处理设备实时性、规律性、历史记录的条件下,通过模糊计算设备历史的实时性、规律性数据,再通过精确计算设备当前的7*24工作状态数据,最终得到当前设备的精确异常概率值,当设备达到异常概率值时,云平台会提前预警故障设备,且云平台会生成工单派发给指定的人员,同时云平台智慧提供派发人员的最佳的处理方案,进而能够解决传统污水设备报警排查问题困难,维修不彻底,耗时长等原因。
附图说明
图1是本发明所提供的物联网污水处理设备预警智慧工单方法的整体工作流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明实施例的描述中,需要说明的是,指示方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,或者是本领域技术人员惯常理解的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本发明实施例的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接连接,也可以通过中间媒介间接连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义;实施例中的附图用以对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
实施例1
如图1所示,在本实施例中具体公开了一种物联网污水处理设备预警智慧工单方法,该方法利用污水处理设备实时性、规律性、历史记录的条件下,通过模糊计算设备历史的实时性,规律性数据,再通过精确计算设备当前的7*24工作状态,当设备达到异常概率范围值时,云平台会提前预警设备故障,且云平台会生成工单派发给指定的人员。该方法包括:
S1:通过云平台智慧系统采集当前设备的历史数据,对历史数据作数据处理并计算历史异常概率值。
对于历史数据作数据处理的方法主要是采用模糊式计算,模糊式计算的定义为:模糊逻辑的推理,在承认事物概率值中间过渡性的同时,还认为事物在形态和类属方面具有模糊性;正因如此,模糊计算可以处理不精确的模糊输入信息,可以有效降低感官灵敏度和精确度的要求,而且所需要存储空间少,能够抓住信息处理的主要矛盾,保证信息处理的实时性、多功能性和满意性。
通过模糊式计算作数据处理且数据处理方法具体为:
S101:采集当前设备的历史数据以作为输入数据,将输入数据通过一定的运算得到特定的模糊集;该计算过程就是模糊推理,以将输入转化为输出;
S102:通过隶属度函数(分段函数、分布函数)得到对模糊集的模糊集隶属度,模糊集隶属度为特征数据;该计算过程则为模糊化;
S103:根据模糊规则和模糊集隶属度得到模糊结论;该计算过程则为推理过程;
S104:对模糊结论作去模糊化处理以得到输出数据;该计算过程则为去模糊化。
对于历史异常概率值的计算方法为:
其中,T0为设备运行的时间周期且T0=(0,+∞],单位h/小时;R为修复全部磨损零件所用的修理费用,K1为设备磨损时该设备的再生产价值,也为:当前设备在单位时间内出现的故障在维修后所再生产的价值;
S2:通过云平台智慧系统采集当前设备的实时数据,在本实施例中的实时数据为取当前设备运行7天*24小时的数据,对实时数据作数据处理并计算实时异常概率值,该数据处理过程中参照上述的模糊式计算,此处不再赘述。
对于实时异常概率值的计算方法为:
其中,T1为设备运行的时间周期且T1=(0,+∞];R为修复全部磨损零件所用的修理费用,K1为设备磨损时该设备的再生产价值,也为:当前设备在单位时间内出现的故障在维修后所再生产的价值;
S3:根据历史异常概率值和实时异常概率值计算当前设备出现异常的精确异常概率值;所述精确异常概率值的计算方法为:
其中,limf(x1)为实时异常概率值,limf(x0)为历史异常概率值。
S4:通过精确异常概率值判断当前设备是否达到异常概率,若达到异常概率,则表示由云平台智慧系统作二次判断,若二次判断得出当前设备异常,则由云平台智慧系统生成工单,并将工单派发至指定工作人员。其中,对于云平台智慧系统生成工单的方法如下:
S401:由数据库调取当前设备的工单判断因子,且工单判断因子分别为:检修成本、检修时间和检修后的质量;在实际应用时,分别对检修成本、检修时间和检修后的质量取相应的分值,以10分为例,根据以下规则:
①检修成本:检修成本来源是否更换零件值和人工成本(固定值),检修设备的成本不高于本身价值的45%,在0%~45%的范围内分配不同的分值,例如:40%~45%为1分,以此类推进行分值的分配。
②检修时间:检修时间来源于历史数据、实际情况检修时间综合得到最短时间,可根据经验值分配分值,原则是:检修时间也短,其对应的分值越高。
③检修后的质量:参考GB/T10300系列《质量管理和质量保证标准》来衡量设备质量,达到的质量级别越高,所对应的分值就越高。
上述所需要的数据则通过提前录入至数据库中,在云平台智慧系统生成工单时,则向数据库调取所需要的数据。
S402:设定检修成本、检修时间和检修后的质量分别对应的权重为x、y和z;权重值的设定是根据工单所偏向的侧重点进行分配,若希望对检修成本控制,则相应提升检修成本所对应的权重即可,在本实施例中不具体列举相应的权重值,在实际应用时,根据实际需求进行设定即可。
S403:工单可行性值Q=检修成本*x+检修时间*y+检修后的质量*z,将上述所计算的分值以及匹配对应的权重,则可计算得到对应的工单可行性值Q。
S404:比较工单可行性值Q,工单可行性值Q越高则代表其可行性越好,越满足对当前设备维修的需求,选取工单可行性值Q分值最高的作为最佳方案以生成相应的工单,并将工单派发到指定的工作人员处,以此进行相应的维修、检修工作。
在本实施例中,以实例运算进行举例,如下:
(1)历史数据计算,如下表1所示:
(2)7*24实时计算数据,如下表2所示:
(3)精确异常概率的计算数据,如表3所示:
序号 | limf(x<sub>0</sub>) | limf(x<sub>1</sub>) | limf(x) | 是否异常 |
1 | 0% | 112.00% | 0.00% | 初始值 |
2 | 228.57% | 203.57% | 89.06% | 异常 |
3 | 162.50% | 148.68% | 91.49% | 异常 |
4 | 128.20% | 136.87% | 106.76% | |
5 | 105.00% | 126.07% | 120.06% | |
6 | 125.71% | 103.58% | 82.39% | 异常 |
7 | 118.78% | 115.51% | 97.24% | 异常 |
8 | 112.24% | 120.00% | 106.91% | |
9 | 117.61% | 110.35% | 93.82% | 异常 |
10 | 114.00% | 115.42% | 101.24% | |
11 | 111.86% | 112.05% | 100.16% | |
12 | 114.54% | 108.09% | 94.36% | 异常 |
13 | 109.39% | 114.35% | 104.53% | |
14 | 108.33% | 106.74% | 98.53% | 异常 |
15 | 107.97% | 112.83% | 104.50% | |
16 | 107.49% | 105.77% | 98.39% | 异常 |
17 | 88.26% | 94.54% | 107.11% | |
18 | 99.01% | 121.08% | 122.29% | |
19 | 104.51% | 114.35% | 109.41% | |
20 | 110.52% | 101.21% | 91.15% | 异常 |
21 | 103.00% | 88.20% | 85.63% | 异常 |
22 | 108.83% | 109.75% | 100.84% | |
23 | 106.49% | 106.44% | 99.95% | 异常 |
24 | 103.39% | 102.48% | 99.11% | 异常 |
由上表1可知,通过历史异常概率值limf(x0)得到是设备历史工作状态,在得到设备的概率达到工作饱和状态:100%,以此为分界线。当前设备是处于24小时运行的负荷状态,在这种情况下硬件设备基本上是达到负荷的100%~200%的概率。如果设备在某个阶段性的低于或偶发性的低于100%时,则记为当前设备出现异常;
由上表2可知,通过大数据的分析在接下来7天(一周)*24小时的实时数据采集分析实时异常概率limf(x1);
由上表3可知,最后通过历史异常概率值limf(x0)和实时异常概率值limf(x1)计算能够得到精确异常概率值limf(x),计算公式为:
其公式计算过程如下:
所计算的精确异常概率值limf(x)低于100%,则认定为当前设备处于异常状态。
上述实施例的物联网污水处理设备预警智慧工单方法,其利用污水处理设备实时性、规律性、历史记录的条件下,通过模糊计算设备历史的实时性,规律性数据,再通过精确计算设备当前的7*24工作状态;当设备达到异常概率值时,云平台智慧系统会提前预警故障设备,且云平台会生成工单派发给指定的人员,同时云平台智慧提供派发人员的最佳的处理方案。
实施例2
在本发明中还公开了一种物联网污水处理设备预警智慧工单系统,该系统应用上述任意一项所述的物联网污水处理设备预警智慧工单方法,该系统包括:历史异常概率模块、实时异常概率模块、精确异常概率模块以及云平台智慧系统,所述历史异常概率模块和实时异常概率模块分别与云平台智慧系统通信连接,且历史异常概率模块和实时异常概率模块均连接至精确异常概率模块,精确异常概率模块与云平台智慧系统连接,云平台智慧系统通过云服务器连接有各个移动终端,移动终端为工作人员实时派发工单。
在上述中,历史异常概率模块用于接收云平台智慧系统对当前设备所采集的历史数据,对历史数据作数据处理并计算历史异常概率值;
实时异常概率模块用于接收云平台智慧系统对当前设备所采集的实时数据,对实时数据作数据处理并计算实时异常概率值;
精确异常概率模块用于根据历史异常概率值和实时异常概率值计算当前设备出现异常的精确异常概率值;
云平台智慧系统用于接收精确异常概率值并二次判断,若当前设备异常,则生成工单并将工单派发至指定工作人员。
指定工作人员能够根据工单对当前设备以最佳处理方案进行维修,维修过程高效、彻底,相较于传统的污水设备维修,克服了报警排查问题困难、维修不彻底以及耗时长等缺陷。
本发明不局限于上述可选实施方式,任何人在本发明的启示下都可得出其他各种形式的产品,但不论在其形状或结构上作任何变化,凡是落入本发明权利要求界定范围内的技术方案,均落在本发明的保护范围之内。
Claims (8)
1.一种物联网污水处理设备预警智慧工单方法,其特征在于,该方法包括:
通过云平台智慧系统采集当前设备的历史数据,对历史数据作数据处理并计算历史异常概率值;
通过云平台智慧系统采集当前设备的实时数据,对实时数据作数据处理并计算实时异常概率值;
根据历史异常概率值和实时异常概率值计算当前设备出现异常的精确异常概率值;
通过精确异常概率值判断当前设备是否达到异常概率,若达到异常概率,则表示由云平台智慧系统作二次判断,若二次判断得出当前设备异常,则由云平台智慧系统生成工单,并将工单派发至指定工作人员。
2.根据权利要求1所述的物联网污水处理设备预警智慧工单方法,其特征在于,所述历史数据和实时数据均通过模糊式计算作数据处理,且数据处理方法为:
S101:采集当前设备的历史数据或实时数据以作为输入数据,将输入数据运算得到特定的模糊集;
S102:通过隶属度函数得到模糊集的模糊集隶属度;
S103:根据模糊规则和模糊集隶属度得到模糊结论;
S104:对模糊结论作去模糊化处理以得到输出数据。
6.根据权利要求1所述的物联网污水处理设备预警智慧工单方法,其特征在于,所述实时数据取当前设备运行7天*24小时的数据。
7.根据权利要求1所述的物联网污水处理设备预警智慧工单方法,其特征在于,所述云平台智慧系统生成工单的方法如下:
由数据库调取当前设备的工单判断因子,且工单判断因子分别为:检修成本、检修时间和检修后的质量;
设定检修成本、检修时间和检修后的质量分别对应的权重为x、y和z;
工单可行性值Q=检修成本*x+检修时间*y+检修后的质量*z;
比较工单可行性值Q并选取工单可行性值Q分值最高的作为最佳方案以生成相应的工单。
8.一种物联网污水处理设备预警智慧工单系统,其特征在于,该系统应用如权利要求1-7任意一项所述的物联网污水处理设备预警智慧工单方法,该系统包括:
历史异常概率模块,用于接收云平台智慧系统对当前设备所采集的历史数据,对历史数据作数据处理并计算历史异常概率值;
实时异常概率模块,用于接收云平台智慧系统对当前设备所采集的实时数据,对实时数据作数据处理并计算实时异常概率值;
精确异常概率模块,用于根据历史异常概率值和实时异常概率值计算当前设备出现异常的精确异常概率值;
云平台智慧系统,用于接收精确异常概率值并二次判断,若当前设备异常,则生成工单并将工单派发至指定工作人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110066892.5A CN112785142B (zh) | 2021-01-19 | 2021-01-19 | 物联网污水处理设备预警智慧工单方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110066892.5A CN112785142B (zh) | 2021-01-19 | 2021-01-19 | 物联网污水处理设备预警智慧工单方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112785142A true CN112785142A (zh) | 2021-05-11 |
CN112785142B CN112785142B (zh) | 2023-11-24 |
Family
ID=75757520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110066892.5A Active CN112785142B (zh) | 2021-01-19 | 2021-01-19 | 物联网污水处理设备预警智慧工单方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785142B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114866877A (zh) * | 2022-07-08 | 2022-08-05 | 山西交控生态环境股份有限公司 | 一种污水处理远程数据的传输方法及系统 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020123864A1 (en) * | 2001-03-01 | 2002-09-05 | Evren Eryurek | Remote analysis of process control plant data |
JP2003139473A (ja) * | 2001-11-05 | 2003-05-14 | Nippon Steel Corp | 冶金炉における水漏れ検知方法 |
AU2004202199A1 (en) * | 1999-04-30 | 2004-06-17 | E. I. Du Pont De Nemours And Company | Distributed hierarchical evolutionary modeling and visualization of empirical data |
CN101122993A (zh) * | 2007-09-10 | 2008-02-13 | 胜利油田胜利评估咨询有限公司 | 抽油机类检维修及费用测算方法 |
CN102855394A (zh) * | 2012-08-17 | 2013-01-02 | 北京合众科林自动化工程技术有限公司 | 一种基于概率分布的检测建筑用能异常的方法 |
CN104955149A (zh) * | 2015-06-10 | 2015-09-30 | 重庆邮电大学 | 基于模糊规则更新的室内wlan被动入侵检测定位方法 |
CN105141076A (zh) * | 2015-08-25 | 2015-12-09 | 内蒙古伊泰煤制油有限责任公司 | 一种电机维修的方法 |
CN105656693A (zh) * | 2016-03-15 | 2016-06-08 | 南京联成科技发展有限公司 | 一种基于回归的信息安全异常检测的方法及系统 |
CN106250505A (zh) * | 2016-08-01 | 2016-12-21 | 中国矿业大学 | 一种可变步长的矿井环境实时监测数据的动态压缩方法 |
JP2017096836A (ja) * | 2015-11-26 | 2017-06-01 | 日本精工株式会社 | 異常診断システム |
CN106921506A (zh) * | 2015-12-25 | 2017-07-04 | 北京京东尚科信息技术有限公司 | 移动设备的数据采集上报方法和系统 |
CN106959400A (zh) * | 2017-02-28 | 2017-07-18 | 中国南方电网有限责任公司 | 一种基于异常点监测和大数据分析的二次设备隐患故障诊断方法 |
CN107025488A (zh) * | 2017-03-30 | 2017-08-08 | 广东中设智控科技股份有限公司 | 一种设备检维修方法及系统 |
AU2018204615A1 (en) * | 2017-07-05 | 2019-01-24 | Imtrade Australia Pty Ltd | A granular composition |
KR101927796B1 (ko) * | 2018-01-22 | 2019-02-26 | 최보규 | IoT 기반의 미곡종합처리장 설비보전 및 운영지원 시스템 및 그 방법 |
DE102018010197A1 (de) * | 2018-12-18 | 2020-06-18 | GRID INVENT gGmbH | Elektronisches Element und elektrisch angesteuertes Anzeigeelement |
CN112087316A (zh) * | 2020-07-30 | 2020-12-15 | 北京思特奇信息技术股份有限公司 | 基于异常数据分析的网络异常根源定位方法 |
-
2021
- 2021-01-19 CN CN202110066892.5A patent/CN112785142B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2004202199A1 (en) * | 1999-04-30 | 2004-06-17 | E. I. Du Pont De Nemours And Company | Distributed hierarchical evolutionary modeling and visualization of empirical data |
US20020123864A1 (en) * | 2001-03-01 | 2002-09-05 | Evren Eryurek | Remote analysis of process control plant data |
JP2003139473A (ja) * | 2001-11-05 | 2003-05-14 | Nippon Steel Corp | 冶金炉における水漏れ検知方法 |
CN101122993A (zh) * | 2007-09-10 | 2008-02-13 | 胜利油田胜利评估咨询有限公司 | 抽油机类检维修及费用测算方法 |
CN102855394A (zh) * | 2012-08-17 | 2013-01-02 | 北京合众科林自动化工程技术有限公司 | 一种基于概率分布的检测建筑用能异常的方法 |
CN104955149A (zh) * | 2015-06-10 | 2015-09-30 | 重庆邮电大学 | 基于模糊规则更新的室内wlan被动入侵检测定位方法 |
CN105141076A (zh) * | 2015-08-25 | 2015-12-09 | 内蒙古伊泰煤制油有限责任公司 | 一种电机维修的方法 |
JP2017096836A (ja) * | 2015-11-26 | 2017-06-01 | 日本精工株式会社 | 異常診断システム |
CN106921506A (zh) * | 2015-12-25 | 2017-07-04 | 北京京东尚科信息技术有限公司 | 移动设备的数据采集上报方法和系统 |
CN105656693A (zh) * | 2016-03-15 | 2016-06-08 | 南京联成科技发展有限公司 | 一种基于回归的信息安全异常检测的方法及系统 |
CN106250505A (zh) * | 2016-08-01 | 2016-12-21 | 中国矿业大学 | 一种可变步长的矿井环境实时监测数据的动态压缩方法 |
CN106959400A (zh) * | 2017-02-28 | 2017-07-18 | 中国南方电网有限责任公司 | 一种基于异常点监测和大数据分析的二次设备隐患故障诊断方法 |
CN107025488A (zh) * | 2017-03-30 | 2017-08-08 | 广东中设智控科技股份有限公司 | 一种设备检维修方法及系统 |
AU2018204615A1 (en) * | 2017-07-05 | 2019-01-24 | Imtrade Australia Pty Ltd | A granular composition |
KR101927796B1 (ko) * | 2018-01-22 | 2019-02-26 | 최보규 | IoT 기반의 미곡종합처리장 설비보전 및 운영지원 시스템 및 그 방법 |
DE102018010197A1 (de) * | 2018-12-18 | 2020-06-18 | GRID INVENT gGmbH | Elektronisches Element und elektrisch angesteuertes Anzeigeelement |
CN112087316A (zh) * | 2020-07-30 | 2020-12-15 | 北京思特奇信息技术股份有限公司 | 基于异常数据分析的网络异常根源定位方法 |
Non-Patent Citations (4)
Title |
---|
张俊杰;杨智斌;刘倩;刘秋杰;: "井下无轨设备管理模式探讨", 黄金科学技术, no. 05, pages 66 - 69 * |
王新等: "《机电设备故障诊断技术及应用》", vol. 1, 煤炭工业出版社, pages: 188 - 190 * |
罗怡澜;邹益胜;王超;邓佳林;: "基于Kmeans-DBSCAN融合聚类的轴承异常温升诊断模型", 机械设计与制造, vol. 1, no. 03, pages 188 - 190 * |
金晓航等: ""工业大数据驱动的故障预测与健康管理"", 《计算机集成制造系统》, vol. 28, no. 05, pages 1314 - 1336 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114866877A (zh) * | 2022-07-08 | 2022-08-05 | 山西交控生态环境股份有限公司 | 一种污水处理远程数据的传输方法及系统 |
CN114866877B (zh) * | 2022-07-08 | 2022-09-06 | 山西交控生态环境股份有限公司 | 一种污水处理远程数据的传输方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112785142B (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108562854B (zh) | 一种电机异常状态在线预警方法 | |
CN109766334B (zh) | 用于电力设备在线监测异常数据的处理方法及系统 | |
CN106204330A (zh) | 一种配电网智能诊断系统 | |
CN109977535A (zh) | 一种线损异常诊断方法、装置、设备及可读存储介质 | |
KR20190062739A (ko) | 복수의 센서를 활용하여 제조 공정상의 장비 고장을 예지하는 데이터 분석 방법, 알고리즘 및 장치 | |
CN111507490A (zh) | 基于多源数据驱动的数控机床主轴预测性维护方法及系统 | |
CN110320893B (zh) | 一种基于rcm的火电机组设备检修方法 | |
CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
CN106682159A (zh) | 一种阈值配置方法 | |
CN114488996A (zh) | 一种设备健康监控与预警方法及系统 | |
CN115204588A (zh) | 一种引入权重因子的水泵综合健康状态评估方法 | |
CN112785142A (zh) | 物联网污水处理设备预警智慧工单方法及其系统 | |
CN109324264B (zh) | 一种配电网线路阻抗数据异常值的辨识方法及装置 | |
CN110738415A (zh) | 基于用电采集系统和离群点算法的窃电用户分析方法 | |
CN111159487A (zh) | 一种汽车发动机主轴预测性维护智能系统 | |
CN107480824B (zh) | 城市轨道交通站点短时客流预测系统及方法 | |
CN116050716B (zh) | 基于互联网的智慧园区管理控制平台 | |
CN117290795A (zh) | 一种适用于单个仪表测量结果异常值的在线识别方法 | |
CN111314463A (zh) | 一种基于泵站机组健康评估的方法 | |
CN116910128A (zh) | 风电机组硬软故障数据分析系统及其分析方法 | |
CN116339266A (zh) | 一种管材生产复合监测方法及系统 | |
CN111906772A (zh) | 一种基于工业机器人的智能产品加工方法 | |
CN114237181B (zh) | 多车间健康监测系统及方法 | |
CN115878171A (zh) | 中间件配置的优化方法、装置、设备及计算机存储介质 | |
CN115392663A (zh) | 一种基于大数据的数据采集处理方法 |
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 |