CN113112086B - 一种基于边缘计算和标识解析的智能生产系统 - Google Patents
一种基于边缘计算和标识解析的智能生产系统 Download PDFInfo
- Publication number
- CN113112086B CN113112086B CN202110436423.8A CN202110436423A CN113112086B CN 113112086 B CN113112086 B CN 113112086B CN 202110436423 A CN202110436423 A CN 202110436423A CN 113112086 B CN113112086 B CN 113112086B
- Authority
- CN
- China
- Prior art keywords
- equipment
- model
- node
- edge node
- identification
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 93
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 91
- 238000004364 calculation method Methods 0.000 title claims abstract description 25
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 114
- 238000012423 maintenance Methods 0.000 claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000003745 diagnosis Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims description 2
- 230000008439 repair process Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 14
- 238000007726 management method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000037408 Device failure Diseases 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004886 process control Methods 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
- G06Q10/04—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于边缘计算和标识解析的智能生产系统,包括物理生产系统、边缘节点、标识解析节点、云服务器、设备维修系统和AI算法模型库。每个设备提供商有一个云服务器、设备维修系统和AI算法模型库。边缘节点接收物理设备标识及状态数据;标识解析节点获取设备所需AI(人工智能)模型类别;云服务器将设备所需模型下发到边缘节点;边缘节点对设备进行检测,更新AI模型,将更新模型推送给云服务器及同设备提供商同类型设备所在的边缘节点。本发明能够具体定位车间出现故障的设备或部件,边缘节点上只分发到针对其所在车间设备的检测模型,解决了目前人工智能诊断模型数量多、故障检测不灵活、确定故障位置耗时耗力的问题。
Description
技术领域
本发明涉及智能化生产和边缘计算技术领域,具体涉及一种基于边缘计算和标识解析的智能生产系统。
背景技术
工业生产的特殊性要求工业网络能通过智能化手段对环境进行感知、支持大量异构设备接入、支持海量多源、多模态数据高速率传输、具备更强的安全性,从而为工业生产提供更好的服务,这给传统互联网在架构、安全、性能上带来了巨大挑战。
为应对上述挑战,工业互联网研究应运而生。工业互联网体系由网络连接、平台、安全体系以及标识解析4个方面组成。其中,标识解析体系是实现工业互联网的重要枢纽,负责对物品身份进行分发、注册、管理、解析和路由,支持工业互联网中设备、人、物料的全生命周期管理,是打破信息孤岛、实现数据互操作、挖掘海量数据的基础,也是实现企业智能管理的必备条件。
与互联网不同,工业网络传输海量异构多源多模态数据,多协议、多种命名格式并存,传统的域名系统(DNS,domain name system)解析服务在标识主体、解析方式、安全性、服务质量等方面面临着严重挑战,无法满足工业网络需求。因此,面向工业网络的标识解析体系研究已在全球范围内推进,并且标识解析技术会带来巨大商业前景,已引起高度重视。
工业互联网中的标识解析服务设计在多方面满足了工业解析中的要求,对多源异构通信主题的支持;在复杂环境下标识解析服务具有一定的安全保护功能;在多组织参与下具有公平对等保证;对于多协议、高并发、差异化的需求场景下仍然可以有效保证解析服务;并且可以提供协议层面与系统层面的可扩展性。
将标识解析服务技术运用于智能化生产,在车间现场对实时性有较高要求,有诸多短周期数据需要处理,同时车间现场复杂多变,这些都要求在车间现场这类工业互联网边缘提供智能,以支撑智能化生产。
边缘计算适用于高实时性、短周期数据、本地决策等场景,是在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的分布式开放平台,就近提供边缘智能服务,以满足工业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。
面向行业智能化的挑战,边缘计算是联接物理和数字世界的桥梁,在此需要结合标识解析服务,建立物理世界和数字世界的联接与互动,使能智能资产、智能网关、智能系统和智能服务。
在现阶段,已运用边缘计算+人工智能技术进行故障检测,边缘节点在设备远程运维中,主要实现数据采集、数据预处理、数据处理、数据计算与分析、数据转换、数据上传、数据存储、本地数据展示、策略执行等功能。人工智能技术为部件或设备建立的AI(人工智能)模型主要包括用于故障诊断的AI模型,进行剩余寿命预测的AI模型等等。但是实际中大型生产设备往往都是由成百上千个部件构成,而这些部件来自于不同厂商,因此需要对每个部件都需要构建和维护人工智能模型,工作量非常庞大。并且,现有技术中,根据设备和具体故障部件、零部件不能灵活地确定检测所用的人工智能诊断模型,从而提供数据参考与故障推断,在具体设备后期维护中,仍需要维修人员寻找故障设备或零部件。
发明内容
针对现有智能生产系统中基于边缘计算+人工智能技术进行故障检测时存在的人工智能诊断模型数量多、故障检测不灵活、确定故障位置耗时耗力等问题,本发明提供了一种基于边缘计算和标识解析的智能生产系统。
本发明提供的基于边缘计算和标识解析的智能生产系统,包括物理生产系统、边缘节点、标识解析节点、云服务器、设备维修服务系统和AI算法模型库。物理生产系统中的每台设备具有唯一标识ID,设备的部件具有唯一标识ID。在物理生产系统的不同车间部署边缘节点,边缘节点从网关接收采集的所属车间的物理设备的具有不同协议的物理信息数据。
所述边缘节点向标识解析节点请求查询用于所属车间各个设备和部件的状态诊断的人工智能AI模型,接收AI模型并存储在本地。所述边缘节点实时获取物理信息数据,利用AI 模型对设备进行检测,当检测到设备异常时,上传故障通知给标识解析节点。故障通知的内容包括设备故障类型、故障信息和设备标识。所述AI模型包括故障诊断模型和寿命预测模型。所述边缘节点还利用获取的物理信息数据对AI模型进行训练更新,在获得更新好的AI模型后,将对应的设备ID和更新信息通知标识解析节点。
所述标识解析节点中存储有一个映射表,在该映射表中记载有设备或部件的标识ID、设备提供商、设备类型、设备位置以及AI模型类别。所述标识解析节点在接收到边缘节点查询 AI模型的请求后,根据边缘节点上传的设备或部件标识解析后检索所需要的AI模型类别,并通知对应设备提供商的云服务器。所述标识解析节点在接收到故障通知后,转发给对应设备提供商的云服务器。所述标识解析节点在获得边缘节点有更新好的AI模型通知时,对设备标识ID解析检索,获取同一个设备提供商同类型设备的位置以及设备提供商的云服务器位置,回传给边缘节点,所述边缘节点向同设备提供商同类型设备所在的边缘节点推送更新的AI 模型,向所属设备提供商的云服务器推送更新的AI模型。
每个设备提供商都设置有一个云服务器和设备维修服务系统,在云服务器中针对本设备提供商的设备建立有一个AI算法模型库以存储AI模型;云服务器在接收到标识解析节点发送来的AI模型类别通知时,从AI算法模型库中查找对应设备的AI模型并下发给边缘节点;云服务器接收到故障通知后,通知设备维修服务系统执行线下维修和维护。云服务器还对接收到的更新的AI模型进行鉴权、测试后,选择更新或者拒绝更新AI模型。
相对于现有技术,本发明提供的智能生产系统的优点与积极效果如下:
(1)本发明将标识解析技术与边缘计算技术结合起来,发挥技术优势完成智能生产系统中的设备故障预测。在当前运用边缘计算技术进行设备检测的工厂中,边缘节点并不是专一的对某一特定设备进行检测,节点会收录云服务器下发的所有模型,来进行设备检测;并且当边缘节点检测到设备故障时,并不能告知管理人员具体故障设备的位置与设备名称,需要管理人员统一排查。而本发明将标识解析技术与边缘计算技术结合,保持了边缘节点对整个系统的计算分析能力,运用标识解析技术使得边缘节点更加有针对性的进行设备检测,对每一个边缘节点只分发其所连接到设备的AI检测模型,具有针对性。在生产过程中AI模型更新时,标识解析系统可通知边缘节点同公司同类型设备的位置信息;边缘节点可根据位置信息直接分发模型。在生产数据异常时,标识解析系统能够找到其所在的车间中具体位置,将故障结果上传到云端,通知该设备提供商的售后服务系统,及时进行检修,从而使得工程生产有效进行。
(2)本发明的智能生产系统借助边缘计算技术,在边缘侧提供本地智能服务,实现了信息的就近处理和有用信息的提取,在数据获取端对数据进行了初步的清洗,筛选,提升了数据的有效性,减轻了数据库的存储压力,降低了终端处理器的计算负担,提高了整个系统的信息映射率。本发明的智能生产系统利用标识解析技术使得各设备都被唯一标识,通过解析 ID就可查询对应的AI模型,使得设备在生产中更易被管理,发现异常及时处理。
(3)本发明所提出的智能生产系统很好地解决了当前普通智能工厂在应用过程中存在的设备管理不精准、信息量和系统实时性难以兼顾的问题,实现了自学习自决策的建设目标。
附图说明
图1是本发明的基于边缘计算和标识解析的智能生产系统的一个实现框架示意图;
图2是本发明的智能生产系统中的边缘节点的组成示意图;
图3是基于Handle的标识解析体系的质询响应协议流程图;
图4是本发明的智能生产系统的一个运行流程图;
图5是本发明实施例的故障检测诊断流程图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
本发明提供的一种基于边缘计算和标识解析的智能生产系统,如图1所示,包括物理生产系统、边缘节点、标识解析节点、云服务器、设备维修服务系统和AI算法模型库。
物理生产系统,简称物理系统,包括智能生产场景中的实体设备及实体设备周边的物理环境。物理系统由物理生产线、智能感知设备和工控网络构成,物理系统借助智能感知设备获取物理生产线信息并通过工控网络传输至边缘节点,从而向标识解析节点发送解析请求。物理生产线信息包括生产线实时的形态信息、状态信息和行为信息,具体包括物理生产线的环境信息、机床、工业机器人、工件、物料、传送装置、物流设备、仓库设备的位置、速度状态,以及最重要的各个物理设备的ID。智能感知设备包括可编程逻辑控制器PLC、传感器和远程终端单元;传感器包括检测实体设备行为信息和状态信息的传感器、检测实体设备周边环境的传感器。智能感知设备实时获取的物理生产线状态由工控网络传输至边缘计算节点,并支持ModBus、Profinet、WIFI、5G等多种传输协议。物理系统对其中的异构控制系统—— PLC、DCS在网络结构和协议上进行同构;在通信接口方面,采用OPC-UA技术协议对异构控制系统的通信接口进行统一。
在日常生产工作中,通过物理系统的智能感知设备采集物理生产线信息,包括物理实体设备的形态信息、状态信息、工况数据和标识信息等,并将这些信息发送到网关中。标识信息是指设备所属的生产线、车间、工厂等。物理系统中的每台设备具有唯一标识ID,设备的部件也具有唯一标识ID。
边缘节点是边缘计算服务器的简称,一般布置在物理系统中的各个车间。如图1所示,边缘节点与网关设备进行通信连接,接受周边物理设备传送过来的具有不同协议的物理信息数据,数据中包括车间中设备的ID,利用已存放在边缘节点的AI模型对接收的物理设备信息数据进行实时计算和故障诊断、寿命预测等分析。在本发明的智能生产系统初始化时,边缘节点将向标识解析节点请求查询所属车间各个设备及设备部件的AI模型,并接收云服务器下发的对应设备的AI模型。AI模型可以是故障诊断模型或者是剩余寿命预测模型等等。
边缘节点根据网关上传的设备工况数据和标识信息利用故障诊断AI模型可以进行故障诊断和预警,或是运用剩余寿命预测的模型对设备进行预测维护,并且边缘节点会将故障类型、故障信息、标识信息上传到标识解析节点,来进行下一步的分析,找到相应的解决对策,这使得在生产过程中可以及时的排除故障,维护生产平稳进行。
此外,边缘节点中还进行AI模型的更新训练,得到某设备更好的AI模型,通过标识解析节点的查询处理后,可向其他设备所在的边缘服务器进行AI模型推送,也可以向设备提供商云服务器进行推送,这使得全系统的模型都得到了更新,对于故障诊断、寿命分析或是订单系统都有了更好的保障。
如图2所示,边缘节点由数据处理模块、存储器、计算模块、模型更新模块、处理控制模块和控制器组成。数据处理模块用于对网关所上传的物理系统中的生产线异构数据进行清洗、聚合、自更新和时序拼接等处理。数据处理模块处理后的数据以及模型更新模块所更新的AI模型将存储于存储器中。数据处理模块输出数据包括生产环境数据、生产线状态信息数据和生产设备工况数据,将被传送至云服务器用于备份和设备状态监控。存储器还存储云服务器下发的AI模型参数和生产线历史运行状态数据,以用于后续模型分析。计算模块提供数据分析功能,用于对数据处理模块处理后的数据进行聚类、分类、异常检测等分析处理。
计算模块根据所配置的算法功能,从AI算法模型库中调用具体的模型对所收到的设备工况数据和标识信息进行分析,分析得到的异常结果通过接口输入至标识解析节点,可对其进行进一步处理。
模型更新模块接收到数据处理模块预处理之后的实体设备的标识ID号码和工况数据,如:材料参数、几何参数和运行时的状态数据等,对设备生产状态进行AI模型推理,并根据模型算法得到相应结果,使得AI模型在海量输入数据下,不断的学习,更新自身的模型,并根据标识解析系统的ID解析,明确同款设备的所在位置,向其他设备所在的边缘服务器节点和云服务器进行AI模型推送,进行模型分发。
处理控制模块用于对计算模块的处理结果进行后续动作,根据计算结果和配置好的处理逻辑对生产线控制系统运行中的行为进行控制,如调整生产节拍,设备出现可能异常时进行报警提示甚至做停机处理,维护生产系统正常运行。控制器是整个边缘计算节点的大脑,负责边缘计算节点的资源调度,任务编排和处理逻辑,可以通过软件进行编程设置。
本发明的智能生产系统中使用了标识解析技术,将对象标识映射至实际信息服务所需的信息。标识解析在复杂网络环境中,能够准确而高效地获取对象标识对应信息。本发明的标识解析节点上部署基于Handle的标识解析体系。
本发明采用基于Handle的标识解析体系,主要原因是Handle体系不依托于DNS服务,具有一套全新的应用层解析系统与原生安全防护方案。在安全防护方面起到有效作用,在管理员与权限设计中,Handle体系为每个Handle标识设置一个或多个管理员,任何管理操作只能由拥有权限的Handle管理员执行,在响应任何Handle管理请求之前都需要对管理员进行身份验证与权限认证。Handle管理员可拥有添加、删除或修改Handle值等权限;客户端身份安全与操作合法验证中,客户端可发起解析和管理请求,均需进行客户端身份验证。若客户端发起解析请求,Handle服务器则根据权限对客户端进行差异化解析;若客户端发起管理请求,Handle系统则根据质询响应协议对客户端进行身份验证。质询响应协议流程如图3所示。
在智能生产系统生产前的初始化阶段,各设备所在车间的边缘节点向标识解析节点发送模型请求。标识解析系统在接受到请求任务后,标识解析机制对边缘节点所连接的设备的标识信息进行ID解析检索,得到各种设备所需要的AI模型类别,通知该设备提供商的云服务器。在标识解析节点中存储有一个映射表,根据设备或部件的ID能够解析得到对应设备或部件的设备提供商、设备类型、设备位置以及AI模型类别。例如,对于某台机床需要有设备故障诊断模型和能耗预测模型,则通过解析该机床的标识ID,将在映射表检索到需要检测的 AI模型类别。
在智能生产系统的生产过程中,在边缘节点训练更新好新的AI模型后,标识解析节点通过边缘节点所上传的设备信息,对设备进行ID解析查询,获得同一个设备提供商同类型设备的位置信息,并将其传回至边缘节点。其后,边缘节点再根据所得到的标识节点的解析位置进行AI模型分发。
当设备出现异常时,边缘节点对设备故障诊断进行预警,随后将设备故障类型、故障信息、标识信息,如所属的生产线、车间、工厂等信息上传到标识解析系统。标识解析系统依据边缘节点所上传的信息对设备进行解析ID,将故障结果上传到云端,通知该设备提供商的售后服务系统。
云服务器与边缘节点、标识解析节点、AI算法模型库、设备维修服务系统相连接,是整个系统的核心部分。本发明中每个设备提供商,各设置有一个云服务器节点。为各设备提供商的设备单独建立AI算法模型库。AI算法模型库中也包括为设备的关键部件建立的AI模型。每个设备提供商都设立一个设备维修服务系统。
在系统初始化阶段,标识解析节点向云服务器请求下发某个设备标识ID的AI模型,云服务器根据设备ID从AI算法模型库中进行AI模型选取,下发给边缘节点,边缘节点对设备进行日常检测。在工厂生产过程中,当设备出现异常时候,云服务器根据标识解析节点解析设备ID得到的设备信息,通知该设备提供商的设备维修服务系统进行维护。在模型更新时,边缘服务器通过模型的更新训练得到某设备更好的故障诊断AI模型;云服务器接收到边缘服务器所推送的AI模型后,进行鉴权,对模型进行测试,然后决定是否进行更新,当鉴权通过且测试后的模型由于原来存储的模型时,将更新所存储的AI模型,以保证系统检测的更新性与准确性。
AI算法模型库部署在云端,为云服务器和边缘计算节点提供相应的人工智能算法模型,如针对生产设备故障预测、关键设备的剩余寿命预测、生产设备调度优化算法等。存储的人工智能算法模型可以定期利用更新的数据对模型进行更新训练优化,或者利用分布式联邦学习等机制进行协同更新。
设备维修服务系统接收到维修计划,并下达检修计划给云服务器系统,云服务器可根据设备生产状况进行设备维护选取。设备维修服务系统接收到云服务器反馈的生产制造状态与设备性能的结果,并将其反馈给维修人员,维修人员可以更加了解设备的性能与寿命。本发明向设备维修服务系统反馈设备性能与状态的结果,实现了维修系统对设备状态的监控功能。
本发明的智能生产系统的一个运行流程,如图4所示,如下:
(11)物理系统进行工厂生产,并实时采集物理生产线信息传输至边缘节点,边缘节点根据接收到所连接实体设备的状态信息与标识ID进行设备状态检测,并对设备检测用的AI 模型进行推理更新;
(12)边缘节点在初始化或设备异常时,将收到物理设备的ID发送到标识解析节点中;
(13)标识解析节点对收到的设备ID进行解析,得到物理设备所属提供商、所需进行状态检测的AI模型等具体信息,并将解析结果发送给云服务器;
(14)云服务器从AI算法模型库中查找对应的AI模型并下发给边缘节点;边缘节点调用AI模型对设备进行故障预测、寿命预算检测等,根据生产过程中的大量数据对模型进行完善更新,将更新后的模型发送至云服务器。
通过上面流程(11)~(14),形成了边缘节点、标识解析节点和物理系统之间的闭环。
本发明所提出的基于边缘计算和标识解析的智能生产系统进行设备故障检测的过程,如图5所示,如下:
(21)在生产过程中物理系统借助智能感知设备获取物理生产线设备信息并通过工控网络传输至边缘节点;
(22)边缘节点的数据处理模块对物理生产线设备进行清洗、聚合、自更新和时序拼接等处理并存储在存储器中;边缘节点的计算模块调用从云服务器所收到的具体设备故障诊断智能AI模型如针对生产设备故障预测、关键设备的寿命预算的算法模型对存储器中存储的数据进行分析处理;
(23)当检测到设备状态异常时,边缘节点将故障设备标识ID发送至标识解析节点,标识解析节点进行解析查询,获取设备具体信息,包括设备提供商,然后将设备标识ID和故障信息发送至云服务器;
(24)云服务器收到设备故障信息后,将故障所处车间的具体位置、设备ID、设备故障模块,以及故障模块所需的维修检测信息,发送给设备维修服务系统,通知此设备相关的负责商来进行检修,从而使得操作检修人员及时对设备进行维护而不干扰长期的生产。
Claims (3)
1.一种基于边缘计算和标识解析的智能生产系统,包括物理生产系统、边缘节点、云服务器、设备维修服务系统和AI算法模型库,物理生产系统中的每台设备和部件都具有唯一标识ID;所述边缘节点在物理生产系统的每个车间部署有一个,从网关接收采集的所属车间的物理设备的物理信息数据;其特征在于,所述智能生产系统还包括标识解析节点;
所述边缘节点向标识解析节点请求查询所属车间各个设备和部件的人工智能AI模型,接收AI模型并存储在本地;边缘节点实时获取物理信息数据,利用AI模型对设备进行检测,当检测到设备异常时,上传故障通知给标识解析节点;故障通知的内容包括设备故障类型、故障信息和设备标识;所述的AI模型包括故障诊断模型和寿命预测模型;所述边缘节点还利用获取的物理信息数据对AI模型进行训练更新,在获得更新好的AI模型后,将对应的设备ID和更新信息通知标识解析节点;
所述标识解析节点中存储有一个映射表,在该映射表中记载有设备或部件的标识ID、设备提供商、设备类型、设备位置以及AI模型类别;所述标识解析节点在接收到边缘节点查询AI模型的请求后,根据边缘节点上传的设备或部件标识解析后检索所需要的AI模型类别,并通知对应设备提供商的云服务器;所述标识解析节点在接收到故障通知后,转发给对应设备提供商的云服务器;所述标识解析节点在获得边缘节点有更新好的AI模型通知时,对设备标识ID解析检索,获取同一个设备提供商同类型设备的位置,回传给边缘节点;所述边缘节点向同设备提供商同类型设备所在的边缘节点推送更新的AI模型,同时还向所属设备提供商的云服务器推送更新的AI模型;
每个设备提供商都设置有一个云服务器、AI算法模型库和设备维修服务系统;AI算法模型库存储针对本设备提供商的设备和部件状态检测的AI模型;云服务器在接收到标识解析节点发送来的AI模型类别通知时,从AI算法模型库中查找对应设备的AI模型并下发给边缘节点;云服务器接收到故障通知后,通知设备维修服务系统执行线下维修和维护;云服务器在接收到边缘节点推送的更新的AI模型后,对模型进行测试以决定是否更新模型。
2.根据权利要求1所述的系统,其特征在于,所述的智能生产系统形成了边缘节点、标识解析节点和物理生产系统之间的闭环流程,流程包括:
(11)物理生产系统进行工厂生产,并实时采集物理生产线信息传输至边缘节点,边缘节点根据接收到所连接的实体设备的状态与标识ID进行设备状态检测,并对设备检测用的AI模型进行推理更新;
(12)边缘节点在初始化或设备异常时,将收到物理设备的ID发送到标识解析节点;
(13)标识解析节点对收到的设备ID进行解析,得到物理设备所属提供商、所需进行状态检测的AI模型,并将解析结果发送给所属设备提供商的云服务器;
(14)云服务器从AI算法模型库中查找对应的AI模型并下发给边缘节点;边缘节点调用AI模型对设备进行状态检测,并根据生产过程中采集的数据对模型进行更新,将更新后的AI模型发送至云服务器。
3.根据权利要求1所述的系统,其特征在于,所述的智能生产系统进行设备故障检测的方法如下:
(21)在生产过程中物理生产系统借助智能感知设备获取物理生产线设备信息并通过工控网络传输至边缘节点;
(22)边缘节点的数据处理模块对物理生产线设备信息进行清洗、聚合、自更新和时序拼接处理后存储在存储器中;边缘节点的计算模块调用从云服务器获取的AI模型对存储器中数据进行分析处理;
(23)当检测到设备状态异常时,边缘节点将故障设备标识ID发送至标识解析节点,标识解析节点进行解析查询,获取设备所述设备提供商,将故障设备标识ID及设备故障信息发送至对应设备提供商的云服务器;
(24)云服务器收到设备故障信息后,将故障所处车间的具体位置、故障设备ID、设备故障模块及故障模块所需的维修检测信息,通知设备维修服务系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110436423.8A CN113112086B (zh) | 2021-04-22 | 2021-04-22 | 一种基于边缘计算和标识解析的智能生产系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110436423.8A CN113112086B (zh) | 2021-04-22 | 2021-04-22 | 一种基于边缘计算和标识解析的智能生产系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113112086A CN113112086A (zh) | 2021-07-13 |
CN113112086B true CN113112086B (zh) | 2022-05-13 |
Family
ID=76719433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110436423.8A Active CN113112086B (zh) | 2021-04-22 | 2021-04-22 | 一种基于边缘计算和标识解析的智能生产系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113112086B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113357083A (zh) * | 2021-08-09 | 2021-09-07 | 东方电气风电有限公司 | 一种风力发电机组智能控制系统及方法 |
CN113627527B (zh) * | 2021-08-11 | 2024-02-02 | 中车青岛四方车辆研究所有限公司 | 非标检测设备监测系统 |
CN113835362A (zh) * | 2021-09-23 | 2021-12-24 | 上海益邦智能技术股份有限公司 | 一种设备控制方法 |
CN114048952B (zh) * | 2021-10-13 | 2023-02-17 | 辽宁科技大学 | 基于边缘物联技术和神经网络的炼铁厂安全态势感知方法 |
CN114118678B (zh) * | 2021-10-13 | 2023-10-27 | 辽宁科技大学 | 一种基于边缘物联网的炼铁厂管理系统及其架构方法 |
TWI805041B (zh) * | 2021-10-22 | 2023-06-11 | 智影顧問股份有限公司 | 機台異常標註與異常預測系統 |
CN114638379A (zh) * | 2021-11-09 | 2022-06-17 | 中国科学院沈阳自动化研究所 | 边缘侧多智能体opc ua信息解析和决策方法 |
CN114338281B (zh) * | 2021-11-11 | 2023-04-07 | 广州软件应用技术研究院 | 一种基于边缘计算网关的模型分发应用设计方法及系统 |
CN117256176A (zh) * | 2021-11-17 | 2023-12-19 | 北京小米移动软件有限公司 | 一种基于人工智能的网络任务处理方法、装置及存储介质 |
CN114372181B (zh) * | 2021-12-27 | 2024-06-07 | 华南理工大学 | 一种基于多模态数据的设备生产智能规划方法 |
CN114647234B (zh) * | 2022-05-23 | 2022-08-09 | 医链数科医疗科技(江苏)有限公司 | 一种基于物联网的医疗设备监控方法、装置及存储介质 |
CN114706361B (zh) * | 2022-06-07 | 2022-09-02 | 工业富联(杭州)数据科技有限公司 | 离散制造生产系统修复方法、计算机装置及存储介质 |
CN115616991A (zh) * | 2022-09-21 | 2023-01-17 | 慧之安信息技术股份有限公司 | 一种基于边缘计算的生产车间安全保障方法 |
CN115859394B (zh) * | 2022-12-15 | 2023-11-21 | 深圳市数存科技有限公司 | 一种基于边缘计算的数据安全存储系统及方法 |
CN116016111A (zh) * | 2022-12-19 | 2023-04-25 | 中国联合网络通信集团有限公司 | 设备运维方法、系统、装置、电子设备及存储介质 |
CN116489085B (zh) * | 2023-03-28 | 2023-10-27 | 网根科技(青岛)有限公司 | 一种基于Handle的解析路由安全监测方法和系统 |
CN117172758B (zh) * | 2023-11-02 | 2024-03-08 | 启东茂济医药科技有限公司 | 基于云边融合的药物生产线设备故障检测方法及系统 |
CN117527818A (zh) * | 2024-01-08 | 2024-02-06 | 国网信息通信产业集团有限公司 | 一种基于分布式云平台的云边协同管理系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190158370A1 (en) * | 2017-11-17 | 2019-05-23 | Electronics And Telecommunications Research Institute | Computing system and method for intelligent ioe information framework |
CN111857065B (zh) * | 2020-06-08 | 2023-06-20 | 北京邮电大学 | 基于边缘计算和数字孪生的智能生产系统和方法 |
CN112235297B (zh) * | 2020-10-14 | 2021-09-24 | 北京理工大学 | 一种基于边缘计算的mes系统标识解析方法及系统 |
CN112185468B (zh) * | 2020-12-01 | 2021-05-25 | 南京溯远基因科技有限公司 | 一种用于基因数据分析和处理的云端管理系统及方法 |
CN112434113B (zh) * | 2020-12-09 | 2023-02-28 | 北京理工大学 | 一种mes系统标识解析数据管理系统及方法 |
-
2021
- 2021-04-22 CN CN202110436423.8A patent/CN113112086B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113112086A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113112086B (zh) | 一种基于边缘计算和标识解析的智能生产系统 | |
CN110719210B (zh) | 一种基于云边协同的工业设备预测性维护方法 | |
US10510027B2 (en) | Cloud-based global alarm annunciation system for industrial systems | |
EP3285127B1 (en) | Remote industrial automation site operation in a cloud platform | |
US10135705B2 (en) | Industrial internet of things data pipeline for a data lake | |
CN107589727B (zh) | 用于工业自动化的经由云平台的远程协助 | |
US10031500B1 (en) | Device and system including multiple devices for supervision and control of machines in industrial installation | |
US10313281B2 (en) | Delivery of automated notifications by an industrial asset | |
CN112165501A (zh) | 基于工业互联网标识解析产品远程运维系统及运维方法 | |
CN109246223A (zh) | 一种纺织机械远程运维系统及其实现方法 | |
KR20200074652A (ko) | 스마트팩토리 데이터 관리 및 플랫폼 서비스를 위한 장치 | |
JP2006522386A (ja) | プロセスコントロールシステムと使用のためのオープンネットワークベースのデータの収集、集約処理及び最適化 | |
CN116880396A (zh) | 智慧工厂动态协同调度方法 | |
CN104122876A (zh) | 空气压缩机物联网监控系统 | |
CN116107282B (zh) | 一种基于企业应用集成的工业机器人预测性维护系统 | |
KR20190106369A (ko) | 공장 자동화 설비의 수명과 생산성 향상을 위한 plc 패턴 분석 시스템 및 패턴 분석 방법 | |
CN116992346A (zh) | 一种基于人工智能大数据分析的企业生产数据处理系统 | |
CN117097727A (zh) | 一种基于工业物联网平台的边缘计算系统 | |
CN106094775A (zh) | 一种剪切生产线远程监控系统 | |
US11595409B2 (en) | Method for monitoring an industrial network | |
CN112073475A (zh) | 一种基于物联网的模具实时运行监测系统及其工作方法 | |
CN109412861A (zh) | 一种终端网络建立安全关联展示方法 | |
CN118400191B (zh) | 工控网络攻击事件溯源处理方法及装置 | |
US20240280982A1 (en) | System and method for monitoring failure of assembly tooling for mass-individualized production line | |
Wang et al. | Equipment Condition Monitoring System based on Multi-source Heterogeneous Data |
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 |