CN113627784A - 一种基于工业互联网的企业资产管理智能决策系统 - Google Patents
一种基于工业互联网的企业资产管理智能决策系统 Download PDFInfo
- Publication number
- CN113627784A CN113627784A CN202110909428.8A CN202110909428A CN113627784A CN 113627784 A CN113627784 A CN 113627784A CN 202110909428 A CN202110909428 A CN 202110909428A CN 113627784 A CN113627784 A CN 113627784A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- module
- data
- intelligent
- equipment
- 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
- 238000004519 manufacturing process Methods 0.000 claims abstract description 46
- 238000012423 maintenance Methods 0.000 claims abstract description 33
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 238000003745 diagnosis Methods 0.000 claims abstract description 10
- 238000010801 machine learning Methods 0.000 claims abstract description 6
- 238000007726 management method Methods 0.000 claims description 98
- 238000000034 method Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 14
- 230000036541 health Effects 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 5
- 239000000654 additive Substances 0.000 claims description 4
- 230000000996 additive effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 230000008439 repair process Effects 0.000 claims description 4
- 238000011430 maximum method Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000013439 planning Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims 1
- 238000011161 development Methods 0.000 description 8
- 238000005192 partition Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012384 transportation and delivery Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000001746 injection moulding Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000004537 pulping Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 230000001960 triggered 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
- 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
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
本发明公开了一种基于工业互联网的企业资产管理智能决策系统。本发明包括数据资源管理系统、智能决策系统和智能设备管理平台;数据资源管理系统包括:企业经营驾驶舱模块、智能排产排程模块、设备故障预警模块、渠道消费洞察模块、产品销量预测模块、智能模型引擎模块;智能决策系统,用于向预先训练的算法模型导入企业数据,并根据企业数据信息输出故障决策方案;智能设备管理平台包括资产管理、运维管理和故障诊断。本发明通过本地的MES、ERP、WMS系统与云端机器学习算法协同联合,对企业的设备、运营、资源进行智能化决策和管理,为制造企业进行全局优化,帮助企业实现智能化、数字化制造。
Description
技术领域
本发明属于数字化企业管理技术领域,特别是涉及一种基于工业互联网的企业资产管理智能决策系统。
背景技术
企业资产管理系统(简称EAM)是以资产模型、设备台账为基础,强化成本核算的管理思想,以工单的创建、审批、执行关闭为主线,合理、优化地安排相关的人、财、物资源,将传统的被动检修转变为积极主动的预防性维修,与实时的数据采集系统集成,实现预防性维护的系统。
当前全球经济社会发展正面临全新机遇,以互联网、大数据、人工智能为代表的新一代信息技术创新发展日新月异,加速向实体经济领域渗透融合,深刻改变了各行业的发展理念与生产方式,带来生产力的又一次飞跃。在新一代信息技术与制造技术深度融合的背景下,在工业数字化、网络化、智能化转型需求的带动下,以全面感知、智能优化、安全稳固为特征的工业互联网新能源电池行业应运而生,正在不断颠覆传统制造模式、生产组织方式和产业形态,推动传统产业加快转型升级,新兴产业加速发展壮大。
传统新能源电池行业在生产制造和管理中主要还是基于人工的统计报表分析,从企业数据分析来看,基于人工统计的统计报表分析降低企业对智能化和数据人才的需求,但是人工统计存在以下的弱点:(1)无法做到实时性;(2)无法保证数据的可靠性和安全性;(3)缺乏与其他数据的联动性。
对于新能源电池企业资产管理平台,随着网络技术的不断发展,出现了很多基于互联网的工业平台。这些平台基本采用B/S结构,以浏览器作为企业用户的使用界面。这样的方案比较好的解决了企业数据格式不统一、业务流程不统一,业务实施不规范等难题。但是有关于打造智能企业资产管理全平台系统的研究十分稀少。且目前的一些管理系统缺乏智能决策系统、智能BI分析,也缺乏对企业设备的健康监控。
发明内容
本发明的目的在于提供一种基于工业互联网的企业资产管理智能决策系统,通过本地的MES、ERP、WMS系统与云端机器学习算法协同联合,对企业的设备、运营、资源进行智能化决策和管理,解决了现有的企业多源异构数据复杂、无法做到实时性和安全性的问题。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为一种基于工业互联网的企业资产管理智能决策系统,包括部署在本地的数据资源管理系统、基于云端机器学习的智能决策系统和智能设备管理平台;
所述数据资源管理系统包括:用于对企业数据进行可视化分析的企业经营驾驶舱模块;用于对企业生产过程进行优化的智能排产排程模块;用于对企业生产设备进行健康监控的设备故障预警模块;用于对企业的生产销售数据进行分析的渠道消费洞察模块;用于对企业产能销量进行智能预测的产品销量预测模块;用于对企业产品模型智能算法进行选择的智能模型引擎模块;
所述智能决策系统,用于向预先训练的算法模型导入企业数据,并根据企业数据信息输出故障决策方案;
所述智能设备管理平台包括资产管理、运维管理和故障诊断;
所述算法模型的训练流程如下:
步骤S1:获取企业数据、设备数据及方案数据;
步骤S2:对企业数据、设备数据和方案数据进行预处理,分别提取企业标签、设备标签和方案标签;
步骤S3:定义匹配规则,并对设备标签赋予权重值;
步骤S4:基于匹配规则和权重值,建立设备匹配分析模型并计算匹配结果;
步骤S5:针对设备数据,定义各项指标的初始权重,并获得初始权重下的方案分数;
步骤S6:建立DEA-WEI模型反映各方案的最大期望;
步骤S7:利用极小极大方法优化权重,并计算最终方案分数。
优选地,所述数据资源管理系统还设置有可视化模块,用于实现智能BI、3D模型预览,便于企业管理人员实时在线查看企业可视化数据。
优选地,所述资产管理包括设备台账模块、编码管理模块、文档管理模块、知识管理模块和培训管理模块;所述设备台账,用于对企业设备的信息进行存储管理;所述编码管理,用于给企业设备分配的唯一ID进行管理;所述文档管理模块,用于对企业文档进行管理;所述知识管理模块,用于对企业知识进行管理;所述培训管理模块,用于对企业培训资料进行管理。
优选地,所述运维管理包括保养内容配置模块、保养任务管理模块、保养提醒推送模块、保养工单填报模块、保养评价确认模块、故障人工报修模块、系统智能报修模块、智能派单模块、维修工单填报模块、和维修评价确认模块。
优选地,所述故障诊断包括故障树模板管理模块、故障树实例管理模块、元器件管理模块和智能推荐模块;所述故障树模板管理模块,用于对历史故障数据进行统计分析,并将故障设备制成故障树进行储存;所述故障树能够比对现有设备的故障数据,实时对设备健康程度进行智能监控。
优选地,智能推荐模块先获取设备信息以及相关工艺参数及环境参数数据,通过合适的回归算法训练该数据机得到设备的拟合模型,在根据数据的目标信息,将该问题描述为带约束的最优化问题,通过智能优化算法进行求解,获得该工艺的推荐参数。
优选地,故障诊断模块采用无监督的异常检测模型对设备的历史数据进行建模,得到区分正常工况于异常工况的边界阈值,然后对实时数据进行检测为异常或正常,并建立一条故障预警规则存在至故障树实例管理模块。
优选地,所述数据资源管理系统能够对产量计划和产线排期的数据进行处理,包括对产线的日期智能排期和产量的智能计划。
优选地,所述数据资源管理系统对企业生产数据和销售数据进行BI分析,实现产品和市场分析。
本发明具有以下有益效果:
(1)本发明基于工业互联网的企业资产管理职能决策系统应用通过本地的MES、ERP、WMS系统与云端机器学习算法协同联合,对企业的设备、运营、资源进行智能化决策和管理,为制造企业进行全局优化,帮助企业实现智能、化数字化制造。
(2)本发明通过轻量化的插件实现实时的设备状态、生产数据可视化,增强用户的使用体验;同时,一方面要充分利用集团内数据资源、另一方面通过外部数据资源实现产业生态数据的分析和产业健康检测,帮助企业进行风险的规避和市场分析。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种基于工业互联网的企业资产管理智能决策系统结构示意图;
图2为设备故障预警方案流程图;
图3为算法模型的训练流程图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种基于工业互联网的企业资产管理智能决策系统,包括部署在本地的数据资源管理系统、基于云端机器学习的智能决策系统和智能设备管理平台;
数据资源管理系统包括:用于对企业数据进行可视化分析的企业经营驾驶舱模块;用于对企业生产过程进行优化的智能排产排程模块;用于对企业生产设备进行健康监控的设备故障预警模块;用于对企业的生产销售数据进行分析的渠道消费洞察模块;用于对企业产能销量进行智能预测的产品销量预测模块;用于对企业产品模型智能算法进行选择的智能模型引擎模块;
智能决策系统,用于向预先训练的算法模型导入企业数据,并根据企业数据信息输出故障决策方案。
该决策系统采用首创全混合流计算技术,支持信息流编排、控制流编排、AI算法编排、支持数字孪生、支持人机交互流编排,支持混合编排,全业务编排自动化执行,智能化调度与决策。
智能设备管理平台包括资产管理、运维管理和故障诊断;资产管理包括设备台账模块、编码管理模块、文档管理模块、知识管理模块和培训管理模块;设备台账,用于对企业设备的信息进行存储管理;编码管理,用于给企业设备分配的唯一ID进行管理;文档管理模块,用于对企业文档进行管理;知识管理模块,用于对企业知识进行管理;培训管理模块,用于对企业培训资料进行管理。运维管理包括保养内容配置模块、保养任务管理模块、保养提醒推送模块、保养工单填报模块、保养评价确认模块、故障人工报修模块、系统智能报修模块、智能派单模块、维修工单填报模块、和维修评价确认模块。故障诊断包括故障树模板管理模块、故障树实例管理模块、元器件管理模块和智能推荐模块;故障树模板管理模块,用于对历史故障数据进行统计分析,并将故障设备制成故障树进行储存;故障树能够比对现有设备的故障数据,实时对设备健康程度进行智能监控。
请参阅图2所示,故障诊断模块采用无监督的异常检测模型(PCA)对设备的历史数据(正常工况下)进行建模,得到区分正常工况于异常工况的边界阈值,然后对实时数据进行检测为异常或正常,并建立一条故障预警规则存在至故障树实例管理模块,当一端时间内的异常点数过高,则认为设备即将发生故障。
具体操作流程如下:模拟数据为注塑机中的五类温度,按照实际数据样本的情况生成正常工况数据(整体方差在0.5%~1%左右);通过人工设计的故障(温度突变异常、温度绥慢上升),随机加入到正常工況数据中作为故障数据样本;算法最终可以通过数据检测到这些故障,生成故障预警信号传送至设备智能管理系统以及数字驾驶舱。
智能推荐模块先获取设备信息以及相关工艺参数及环境参数数据,通过合适的回归算法训练该数据机得到设备的拟合模型,在根据数据的目标信息,将该问题描述为带约束的最优化问题,通过智能优化算法进行求解,获得该工艺的推荐参数;
如图3所示,算法模型的训练流程如下:
步骤S1:获取企业数据、设备数据及方案数据;
步骤S2:对企业数据、设备数据和方案数据进行预处理,分别提取企业标签、设备标签和方案标签;
步骤S3:定义匹配规则,并对设备标签赋予权重值;
步骤S4:基于匹配规则和权重值,建立设备匹配分析模型并计算匹配结果;
步骤S5:针对设备数据,定义各项指标的初始权重,并获得初始权重下的方案分数;
步骤S6:建立DEA-WEI模型反映各方案的最大期望;
步骤S7:利用极小极大方法优化权重,并计算最终方案分数。
步骤S4中,设备匹配分析模型包括Additive MAVF模型、有效标签匹配度模型以及故障推理模型;Additive MAVF模型具体为:
具体针对隔板的工艺参数优化算法如下:
首先获取隔板厚度、隔板厚度相关的工艺参数以及环境参数数据,通过合适的回归算法(如随机森林、lightgbm、岭回归等)训练该数据机得到隔板厚度的拟合模型,即得到函数y=f(x),y表示隔板厚度x表示各类工艺参数与环境参数组成的向量;然后根据输入的目标隔板厚度,将该问题描述为带约束的最优化问题,通过智能优化算法(如PSO)进行求解,最终可以得到合适的工艺推荐参数。
隔板工艺参数优化实施:
1.指导发货:首先建立隔板厚度与环境温湿度的关系模型,通过获取生产基地与发货目的地的未来环境温湿度数据代入模型,指导隔板产品发货批次与发货时间,最后减少因为环境温湿度原因造成的退货。
2.指导生产:首先定义了成型车速、浆浓度、打浆时间、烘箱温度、空气温度、空气湿度等影响因素,然后通过采样的方式生成这些参数组成的数据集;通过生产过程中的实时参数生成后通过上述的隔板工艺数优化方案,可得到目标隔板厚度的最优推荐参数。
数据资源管理系统还设置有可视化模块,用于实现智能BI、3D模型预览,便于企业管理人员实时在线查看企业可视化数据。数据资源管理系统能够对产量计划和产线排期的数据进行处理,包括对产线的日期智能排期和产量的智能计划。数据资源管理系统对企业生产数据和销售数据进行BI分析,实现产品和市场分析。
本系统,利用标准PHM框架构建注塑机故障预警与健康评估应用服务注塑机运行数据(温度、压力、速度、工艺)经过数据清洗输入给核心算法模型(信号异常模型、预测模型、决策模型、健康评估模型当设备出现潜在缺陷时,系统前端显示设备异常报警并推送信息到手机端,触发智能工单调度维修人员和备件准备支持设备检修。
企业级数据资源管理平台,一站式工业“人”、“机”、“料”、“法”、“环”多态数据集成、数据开发与资产化管理系统。是一款工业数据开发与管理平台,用于建设工业数据中台,让数据开发者能够像使用传统数据库一样的使用大数据平台。产品提供数据集成、数据开发、数据资产、数据服务、数据质量、数据模型等功能,把数据采集、存储、计算、应用等全链路,贯穿于整个工业生产过程中,将企业数据汇集、打通、重组成真正可用、“人机料法环”清晰定义的数据中台,帮助企业掌握数据资产状态,为各业务提供统一、高效的数据服务,奠定“智慧大脑”的基础;本发明作为智能制造、数字化企业领域对支撑技术,可牵引企业实现制造资源、制造能力、数据资源的高度共享,通过云端智能数据分析,帮助企业实现自动智能化BI工作。同时,本发明针对性的具有如下技术效果:作为集团型企业,一方面要充分利用集团内数据资源、另一方面通过外部数据资源实现产业生态数据的分析和产业健康检测。帮助企业进行风险的规避和市场分析。
值得注意的是,上述系统实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
另外,本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,相应的程序可以存储于一计算机可读取存储介质中。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种基于工业互联网的企业资产管理智能决策系统,包括部署在本地的数据资源管理系统、基于云端机器学习的智能决策系统和智能设备管理平台,其特征在于:
所述数据资源管理系统包括:用于对企业数据进行可视化分析的企业经营驾驶舱模块;用于对企业生产过程进行优化的智能排产排程模块;用于对企业生产设备进行健康监控的设备故障预警模块;用于对企业的生产销售数据进行分析的渠道消费洞察模块;用于对企业产能销量进行智能预测的产品销量预测模块;用于对企业产品模型智能算法进行选择的智能模型引擎模块;
所述智能决策系统,用于向预先训练的算法模型导入企业数据,并根据企业数据信息输出故障决策方案;
所述智能设备管理平台包括资产管理、运维管理和故障诊断;
所述算法模型的训练流程如下:
步骤S1:获取企业数据、设备数据及方案数据;
步骤S2:对企业数据、设备数据和方案数据进行预处理,分别提取企业标签、设备标签和方案标签;
步骤S3:定义匹配规则,并对设备标签赋予权重值;
步骤S4:基于匹配规则和权重值,建立设备匹配分析模型并计算匹配结果;
步骤S5:针对设备数据,定义各项指标的初始权重,并获得初始权重下的方案分数;
步骤S6:建立DEA-WEI模型反映各方案的最大期望;
步骤S7:利用极小极大方法优化权重,并计算最终方案分数。
2.根据权利要求1所述的一种基于工业互联网的企业资产管理智能决策系统,其特征在于,所述数据资源管理系统还设置有可视化模块,用于实现智能BI、3D模型预览,便于企业管理人员实时在线查看企业可视化数据。
4.根据权利要求1所述的一种基于工业互联网的企业资产管理智能决策系统,其特征在于,所述资产管理包括设备台账模块、编码管理模块、文档管理模块、知识管理模块和培训管理模块;所述设备台账,用于对企业设备的信息进行存储管理;所述编码管理,用于给企业设备分配的唯一ID进行管理;所述文档管理模块,用于对企业文档进行管理;所述知识管理模块,用于对企业知识进行管理;所述培训管理模块,用于对企业培训资料进行管理。
5.根据权利要求1所述的一种基于工业互联网的企业资产管理智能决策系统,其特征在于,所述运维管理包括保养内容配置模块、保养任务管理模块、保养提醒推送模块、保养工单填报模块、保养评价确认模块、故障人工报修模块、系统智能报修模块、智能派单模块、维修工单填报模块、和维修评价确认模块。
6.根据权利要求1所述的一种基于工业互联网的企业资产管理智能决策系统,其特征在于,所述故障诊断包括故障树模板管理模块、故障树实例管理模块、元器件管理模块和智能推荐模块;所述故障树模板管理模块,用于对历史故障数据进行统计分析,并将故障设备制成故障树进行储存;所述故障树能够比对现有设备的故障数据,实时对设备健康程度进行智能监控。
7.根据权利要求5所述的一种基于工业互联网的企业资产管理智能决策系统,其特征在于,所述故障诊断模块采用无监督的异常检测模型对设备的历史数据进行建模,得到区分正常工况于异常工况的边界阈值,然后对实时数据进行检测为异常或正常,并建立一条故障预警规则存在至故障树实例管理模块。
8.根据权利要求5所述的一种基于工业互联网的企业资产管理智能决策系统,其特征在于,所述智能推荐模块先获取设备信息以及相关工艺参数及环境参数数据,通过合适的回归算法训练该数据机得到设备的拟合模型,在根据数据的目标信息,将该问题描述为带约束的最优化问题,通过智能优化算法进行求解,获得该工艺的推荐参数。
9.根据权利要求1所述的一种基于工业互联网的企业资产管理智能决策系统,其特征在于,所述数据资源管理系统能够对产量计划和产线排期的数据进行处理,包括对产线的日期智能排期和产量的智能计划。
10.根据权利要求1所述的一种基于工业互联网的企业资产管理智能决策系统,其特征在于,所述数据资源管理系统对企业生产数据和销售数据进行BI分析,实现产品和市场分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110909428.8A CN113627784A (zh) | 2021-08-09 | 2021-08-09 | 一种基于工业互联网的企业资产管理智能决策系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110909428.8A CN113627784A (zh) | 2021-08-09 | 2021-08-09 | 一种基于工业互联网的企业资产管理智能决策系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113627784A true CN113627784A (zh) | 2021-11-09 |
Family
ID=78383713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110909428.8A Pending CN113627784A (zh) | 2021-08-09 | 2021-08-09 | 一种基于工业互联网的企业资产管理智能决策系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113627784A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115423289A (zh) * | 2022-08-29 | 2022-12-02 | 广东鑫光智能系统有限公司 | 智能板材加工车间数据处理方法及终端 |
CN115471060A (zh) * | 2022-09-03 | 2022-12-13 | 广州市物码信息科技有限公司 | 一种数字化价值监控系统与数字化价值评估方法 |
CN117151345A (zh) * | 2023-10-30 | 2023-12-01 | 智唐科技(北京)股份有限公司 | 一种基于ai技术的企业管理智能决策平台 |
CN117726080A (zh) * | 2024-02-05 | 2024-03-19 | 南京迅集科技有限公司 | 多源异构数据驱动的智能制造决策系统及方法 |
CN117726080B (zh) * | 2024-02-05 | 2024-04-26 | 南京迅集科技有限公司 | 多源异构数据驱动的智能制造决策系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140214801A1 (en) * | 2013-01-29 | 2014-07-31 | Vito Anthony Ciliberti, III | System and Method for Enterprise Asset Management and Failure Reporting |
US20190332995A1 (en) * | 2018-04-26 | 2019-10-31 | Kingtronics Group (Xiamen) Co., Ltd. | Global smart manufacturing, sale and service system |
CN111159630A (zh) * | 2019-12-31 | 2020-05-15 | 科技谷(厦门)信息技术有限公司 | 一种基于多标准决策模型的园区政策匹配和评估方法 |
CA3063018A1 (en) * | 2018-11-21 | 2020-10-17 | Beijing Yutian Technology Co. Ltd | An intelligent emergency decision support system for emergency communication |
CN111882453A (zh) * | 2020-06-21 | 2020-11-03 | 国网河北省电力有限公司信息通信分公司 | 基于大云物移智新技术应用的电网企业管理系统 |
US20210133669A1 (en) * | 2019-11-05 | 2021-05-06 | Strong Force Vcn Portfolio 2019, Llc | Control tower and enterprise management platform with robotic process automation layer to automate actions for subset of applications benefitting value chain network entities |
-
2021
- 2021-08-09 CN CN202110909428.8A patent/CN113627784A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140214801A1 (en) * | 2013-01-29 | 2014-07-31 | Vito Anthony Ciliberti, III | System and Method for Enterprise Asset Management and Failure Reporting |
US20190332995A1 (en) * | 2018-04-26 | 2019-10-31 | Kingtronics Group (Xiamen) Co., Ltd. | Global smart manufacturing, sale and service system |
CA3063018A1 (en) * | 2018-11-21 | 2020-10-17 | Beijing Yutian Technology Co. Ltd | An intelligent emergency decision support system for emergency communication |
US20200334777A1 (en) * | 2018-11-21 | 2020-10-22 | Beijing Yutian Technology Co. Ltd | Intelligent emergency decision support system for emergency communication |
US20210133669A1 (en) * | 2019-11-05 | 2021-05-06 | Strong Force Vcn Portfolio 2019, Llc | Control tower and enterprise management platform with robotic process automation layer to automate actions for subset of applications benefitting value chain network entities |
CN111159630A (zh) * | 2019-12-31 | 2020-05-15 | 科技谷(厦门)信息技术有限公司 | 一种基于多标准决策模型的园区政策匹配和评估方法 |
CN111882453A (zh) * | 2020-06-21 | 2020-11-03 | 国网河北省电力有限公司信息通信分公司 | 基于大云物移智新技术应用的电网企业管理系统 |
Non-Patent Citations (1)
Title |
---|
王庆锋;杨剑锋;刘文彬;袁庆斌;马宏伟;: "过程工业设备维修智能决策系统的开发与应用", 机械工程学报, no. 24 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115423289A (zh) * | 2022-08-29 | 2022-12-02 | 广东鑫光智能系统有限公司 | 智能板材加工车间数据处理方法及终端 |
CN115471060A (zh) * | 2022-09-03 | 2022-12-13 | 广州市物码信息科技有限公司 | 一种数字化价值监控系统与数字化价值评估方法 |
CN117151345A (zh) * | 2023-10-30 | 2023-12-01 | 智唐科技(北京)股份有限公司 | 一种基于ai技术的企业管理智能决策平台 |
CN117726080A (zh) * | 2024-02-05 | 2024-03-19 | 南京迅集科技有限公司 | 多源异构数据驱动的智能制造决策系统及方法 |
CN117726080B (zh) * | 2024-02-05 | 2024-04-26 | 南京迅集科技有限公司 | 多源异构数据驱动的智能制造决策系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113627784A (zh) | 一种基于工业互联网的企业资产管理智能决策系统 | |
CN104267711B (zh) | 烟草物流系统运行状态监测及故障诊断方法 | |
CN112041867A (zh) | 智能工厂数据采集平台及其实施方法 | |
CN109857080B (zh) | 一种基于bim的智能船闸运维系统 | |
CN113450065A (zh) | 一种用于风电场的生产运营管理系统及方法 | |
CN104809933B (zh) | 一种电网无脚本应急演练系统、演练方法及设备 | |
CN108830745A (zh) | 基于监控信息的电网连锁故障诊断、预警、评估系统 | |
CN106292580A (zh) | 一种智能集成式半导体制造执行系统 | |
CN108491626A (zh) | 进行工业自动化系统的模拟的系统、方法和存储介质 | |
CN107272608A (zh) | 云平台中的工业设备和系统证明 | |
CN116862199A (zh) | 基于大数据和云计算的建筑施工优化系统 | |
CN112381406A (zh) | 一种基于船岸协同的船舶能效管理大数据系统及方法 | |
CN112785458A (zh) | 一种桥梁健康大数据智能管养系统 | |
CN114048952B (zh) | 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 | |
CN116681250A (zh) | 一种基于人工智能的建筑工程进度监管系统 | |
CN111311133B (zh) | 一种应用于电网生产设备的监测系统 | |
CN117151345A (zh) | 一种基于ai技术的企业管理智能决策平台 | |
CN116771576A (zh) | 水电机组故障综合诊断方法 | |
CN115564071A (zh) | 一种电力物联网设备数据标签生成方法及系统 | |
Hsu et al. | Deploying Industry 4.0 enablers to strengthen supply chain resilience to mitigate ripple effects: an empirical study of top relay manufacturer in China | |
CN111709597B (zh) | 一种电网生产域运营监测系统 | |
US20230297037A1 (en) | Intellectual quality management method, electronic device and computer readable storage medium | |
Ariansyah et al. | Enhancing interoperability of digital twin in the maintenance phase of lifecycle | |
CN116861189A (zh) | 基于大语言模型构建设备故障诊断维修知识库的方法 | |
CN116128197A (zh) | 一种智慧机场管理系统和方法 |
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 |