CN114547900A - 一种自动化生产线电动机运行状态评估方法 - Google Patents
一种自动化生产线电动机运行状态评估方法 Download PDFInfo
- Publication number
- CN114547900A CN114547900A CN202210179282.0A CN202210179282A CN114547900A CN 114547900 A CN114547900 A CN 114547900A CN 202210179282 A CN202210179282 A CN 202210179282A CN 114547900 A CN114547900 A CN 114547900A
- Authority
- CN
- China
- Prior art keywords
- motor
- batch
- actual power
- data
- batches
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Control Of Multiple Motors (AREA)
Abstract
一种自动化生产线电动机运行状态评估方法,本发明步骤如下:步骤1,采集电动机运行数据X,按照每秒采样周期记录每台电动机的运行数据Xi;步骤2,根据步骤1采集的电动机运行数据,对数据按物料批次进行整理,并进行电动机实际功率绝对偏差以及电动机实际功率和生产线物料流量标准差的计算分析,剔除系统异常数据,完成数据的初步筛选;步骤3,根据步骤2筛选后的数据进行计算得到的数值与相应的常数K进行比较,当满足报警条件时发出报警。其有益效果是,以采集的大量生产线电动机数据为基础,对电动机长期运行过程中出现的故障具备报警功能,防止因电动机突发故障导致生产线停机、断料等故障的发生,实现对生产线运行状态的准确判断。
Description
技术领域
本发明涉及一种电动机评估方法,尤其是涉及一种自动化生产线电动机运行状态评估方法,属于自动化生产技术领域。
背景技术
现代工业产品制造过程中大量使用自动化生产流水线,极大的提高了生产效率,保证了产品的质量。但自动化生产流水线的使用中任何一个关键路径上的设备发生故障,会造成整条生产线的全部停机,并且会造成原材料的巨大浪费和产品质量的严重下降。因为设备意外故障对生产的影响巨大,所以对生产线设备做好可能发生的提前报警,在可能出现故障前及时报警就具有非常重要的意义。目前,烟厂自动化制丝生产线上的电动机是生产线上最主要的动力设备,对生产线电动机运行状态进行准确评估,提前进行预防性维修就有了非常大的必要性。
发明内容
为了确保烟厂自动化制丝生产线动力设备电动机正常运行,能够在电动机发生故障之前报警,提前进行预防性维修,本发明提供一种自动化生产线电动机运行状态评估方法。
本发明解决其技术问题所采用的技术方案是:一种自动化生产线电动机运行状态评估方法,在生产单元各部分都有连续物料的稳定生产阶段,进行数据采集、数据筛选以及系统报警,步骤如下,
步骤1,数据采集
采集电动机运行数据X,按照每秒采样周期记录每台电动机的运行数据Xi;
样本数据S为设定周期Ⅰ内所有批次Sr的数据集,S={S1,S2,S3……Sr},其中r为周期Ⅰ内批次总数;
根据电动机运行原理以及历史数据确定多个常数K,并根据电动机的运行情况进行动态调节;
步骤2,批次数据筛选
批次数据筛选是根据步骤1采集的电动机运行数据,对数据按物料批次进行整理,并进行电动机实际功率绝对偏差以及电动机实际功率和生产线物料流量标准差的计算分析,剔除系统异常数据,完成数据的初步筛选;
步骤3,系统报警
根据步骤2筛选后的数据进行计算得到的数值与相应的常数K进行比较,当满足报警条件时发出报警。
所述步骤1的数据采集是按预定时间间隔记录电动机运行状态数据,每台电动机记录的数据包括工艺段编码、生产单元编码、生产单元当前生产的工单号、批号、电动机编码,在工艺段内电动机运行的电流、功率、累计运行时间,同时记录生产线物料流量。
按照设定的每秒采样周期采集样本数据,将采集的样本数据按照物料批次分开,以S1批次为例,S1批次的电动机功率样本数据为S1={P31,P32,……,P3n};
P3n——S1批次内的电动机实际功率
a3——S1批次内的数据总量
Q3n——S1批次生产线物料流量
计算S1批次内电动机实际功率的平均值与电动机实际功率的绝对偏差L3,
式中,L3——S1批次的电动机实际功率平均值与电动机实际功率的绝对偏差
当L3大于K3-1时,为批次内异常数据,将其标记并抛弃,其中K3-1为电动机额定功率的2%;
当ST1内的S1批次的数据总数a3大于最小原始个数K3-2时,其中K3-2为100,计算电动机实际功率标准差σ3-p、生产线物料流量的标准差σ3-q和电动机实际功率的变异系数Cv3-p、生产线物料流量的变异系数Cv3-q,
式中,σ3-p——S1批次电动机实际功率的标准差
式中,σ3-q——S1批次生产线物料流量的标准差
Q3n——S1批次生产线物料流量
式中:Cv3-p——S1批次电动机实际功率的变异系数
式中:Cv3-q——S1批次电动机输送物料流量的变异系数
Q3n——S1批次生产线物料流量
当Cv3-p小于K3-3、Cv3-q小于K3-4时,记录电动机运行数据的批次统计数据,包括工单号、批号、电动机编码、电动机实际功率的平均值和标准差σ3-p、电流平均值、电动机累计运行时间最大值、电动机输送物料流量的平均值和物料流量的标准差σ3-q,其中K3-3=0.01、K3-4=0.02。
在电动机运行的设定周期Ⅱ内,得到批次的集合ST1,定义为运行初期批次数据集;计算电动机的累计运行时间最大值t4max,
t4max=max{t4-1......t4-r} (8)
式中,t4max--ST1内所有批次中电动机累计运行时间最大值
r--集合ST1内的批次总数
a4-1——ST2内的批次个数
式中,a4-2——S2批次电动机实际功率数据个数
P4n——S2批次内电动机实际功率
计算数据集ST2内所有批次电动机实际功率平均值与ST2内每一个批次的电动机实际功率平均值的绝对偏差L4,
当L4大于K4-2时,为异常批次,将异常批次标记并抛弃,K4-2为电动机额定功率的2%;
当ST3内的批次总数a4-1大于最小批次总数其中K4-3时,K4-3为10批,计算ST3的标准差σ4_p和变异系数Cv4_p,
式中:a4-1——ST3的批次个数
σ4_p——ST3内每个批次电动机实际功率的标准差
式中:Cv4_p——ST3内每个批次电动机实际功率的变异系数
记录电动机在设定周期Ⅲ内的样本数据集ST4,包括电动机编码、电动机实际功率的平均值和标准差、电流平均值、电动机累计运行时间最大值等。
t5max=max{t5-1......t5-r} (14)
式中:t5max——电动机累计运行时间的最大值
r——数据个数
a5-1——ST2'内批次总数
P5n——S3批次电动机实际功率
a5-2——S3批次内电动机实际功率数据个数
计算数据集sT2'内所有批次电动机实际功率平均值与ST2'内每一个批次的电动机实际功率平均值的绝对偏差L5,
式中:L5——ST2'内所有批次电动机实际功率的平均值与S3批次电动机实际功率的平均功率的绝对偏差,
当L5大于K5-2时,为异常批次,将批次标记并抛弃,其中K5-2=0.01;
当ST3'内的批次总数a5-1大于最小批次个数K5-3时,K5-3=10批,计算电动机所有正常批次实际功率的标准差σ5-p和变异系数Cv5-p,
式中:σ5-p——ST3'内批次实际功率的标准差
a5-1——ST3'内批次个数
式中:Cv5-p——ST3'内批次实际功率的变异系数
记录电动机在设定周期Ⅴ内的样本数据集ST4',包括电动机编码、电动机实际功率的平均值和标准差、电流平均值、电动机累计运行时间最大值。
P6n——S4批次的电动机实际功率
a6——S4批次内采集到的数据个数
计算S4批次的电动机实际功率平均值与ST2内所有批次电动机实际功率平均值的绝对偏差L6,
L6——S4批次的电动机实际功率平均值与ST2内所有批次电动机实际功率平均值的差
当L6大于K6时,认定出电动机运行初期状态不良,并发出电动机运行初期状态不良报警,K6为电动机额定功率的2%。
当L7大于K7时,认定电动机存在运行状态不良的情况,并发出电动机运行状态不良报警,K7为电动机额定功率的2%。
P8m——t8时间内的电动机实际功率
计算t8时间内的电动机实际功率平均值与t8时间内实际功率的绝对偏差L8-1,
式中:L8-1——t8时间内的电动机实际功率平均值与t8时间内实际功率的绝对偏差
当L8-1与生产顺序邻近的电动机的P8(m-1)与P8(m+1)的绝对偏差L8-2、L8-3的变化趋势不一致,认定电动机存在运行状态不良的情况,并发出电动机运行状态不良报警。
式中:P9m——t9时间内的电动机实际功率
计算t9时间内的电动机实际功率平均值与t9时间内实际功率的绝对偏差L9-1,
式中:L9-1——t9时间内的电动机实际功率平均值与t9时间内实际功率的绝对偏差
当L9-1大于K9时,K9=0.01,认定电动机存在运行状态不良的情况,并发出电动机运行状态不良报警;
当L9与生产顺序邻近的电动机的P9(m+1)与P9(m-1)的绝对偏差L9-2、L9-3的变化趋势不一致,认定电动机存在运行状态不良的情况,并发出电动机运行状态不良报警。
进一步,针对电动机皮带,当电动机实际功率突然减小,认为皮带打滑;当电动机实际功率突然加大,认为皮带堵料。
本发明的有益效果是,以采集的大量生产线电动机数据为基础,对电动机长期运行过程中出现的故障具备报警功能,防止因电动机突发故障导致生产线停机、断料等故障的发生,保障生产计划的准时完成,保证产品质量的稳定性,提高生产效能,实现对生产线运行状态的准确判断。
附图说明
图1为同一批次内数据分析方法图;
图2为电动机初期运行不同批次间数据分析方法图;
图3为电动机近期运行不同批次间数据分析方法图;
图4为电动机初期运行报警方法图;
图5为电动机近期运行报警方法图;
图6为电动机t8秒报警方法图;
图7为电动机t9秒报警方法图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。但是,本领域技术人员应该知晓的是,本发明不限于所列出的具体实施方式,只要符合本发明的精神,都应该包括于本发明的保护范围内。
烟厂自动化制丝生产线包括多个依次设置的传送设备,生产物料依次进入传送设备进行不同的生产单元进行加工,其间包括如下阶段:当生产物料进入第一个传送设备到送出最后一个传送设备的阶段称为初始阶段;初始阶段结束后,生产单元各部分都有连续的物料,这一阶段称为稳定生产阶段,当本批物料全部离开第一个传送设备时标志着稳定生产阶段结束,直到全部物料离开最后一个设备,这一阶段称为结束阶段。
物料批次数据集包括:初期批次数据集、近期批次数据集,所述初期批次数据集是指从电动机运行数据统计开始,连续7日的所有批次的集合;所述近期批次数据集是指从电动机运行数据统计开始,连续14日的所有批次的集合。
本发明自动化生产线电动机运行状态评估方法,通过进行大量的生产线生产单元和电动机设备的数据采集、记录、统计和分析,根据生产线生产单元状态、电动机初期批次数据集、近期批次数据集,以及结合当前运行数据,及时对生产线电动机可能出现的故障进行报警,具体包括:生产线电动机数据自动记录、电动机数据分析统计、电动机运行状态报警。
参见附图1-7。本发明一种自动化生产线电动机运行状态评估方法,在生产单元各部分都有连续物料的稳定生产阶段,进行数据采集、数据筛选以及系统报警,步骤如下,
步骤1,数据采集
采集电动机运行数据X,按照每秒采样周期记录每台电动机的运行数据Xi。
定义批次S1为设定的时间周期内电动机运行数据的集合,S1={X1,X2,X3……Xα1},其中的α1为S1批次内的数据总数;所述的一定时间周期为该批次从初始阶段开始至结束阶段为止的连续运行时间。
样本数据S为设定周期Ⅰ内所有批次Sr的数据集,S={S1,S2,S3……Sr},其中:r为设定周期内批次总数;周期Ⅰ设定为30天,即从电动机运行数据统计开始连续30天。
根据电动机运行原理以及历史数据确定多个常数K,并根据电动机的运行情况进行动态调节,具体的常数K的下角标是每个计算过程的标识。
步骤2,批次数据筛选
数据筛选是根据步骤1采集的电动机运行数据,对数据按物料批次进行整理,并进行电动机实际功率绝对偏差以及电动机实际功率和生产线物料流量标准差的计算分析,剔除系统异常数据,完成数据的初步筛选。
步骤3,系统报警
根据步骤2筛选后的数据进行计算获得的数值与相应的常数K进行比较,当满足报警条件时发出报警。
所述系统报警是根据运行周期进行划分,采用批次对比报警方法或临近物料对比报警方法。
所述步骤1的数据采集是按预定时间间隔记录电动机运行状态数据,每台电动机记录的数据包括工艺段编码、生产单元编码、生产单元当前生产的工单号、批号、电动机编码,在工艺段内电动机运行的电流、功率、累计运行时间;在记录电动机运行状态数据的同时,记录生产线物料流量。
参见附图1-3,所述步骤2的批次数据筛选如下:
参见附图1。按照设定的每秒采样周期采集样本数据,将采集的样本数据按照物料批次分开,以S1批次为例,S1批次的电动机功率样本数据为S1={P31,P32,……,P3n}。
P3n——S1批次内的电动机实际功率
a3——S1批次内的数据总量
Q3n——S1批次生产线物料流量
计算S1批次内电动机实际功率的平均值与电动机实际功率的绝对偏差L3,
式中,L3——S1批次的电动机实际功率平均值与电动机实际功率的绝对偏差
当L3大于K3-1时,为批次内异常数据,将其标记并抛弃,其中K3-1为电动机额定功率的2%。
当ST1内的S1批次的数据总数a3大于最小原始个数K3-2时,其中K3-2为100,计算电动机实际功率标准差σ3-p、生产线物料流量的标准差σ3-q和电动机实际功率的变异系数Cv3-p、生产线物料流量的变异系数Cv3-q,
式中,σ3-p——S1批次电动机实际功率的标准差
式中,σ3-q——S1批次生产线物料流量的标准差
Q3n——S1批次生产线物料流量
式中,Cv3-p——S1批次电动机实际功率的变异系数
式中:Cv3-q——S1批次电动机输送物料流量的变异系数
Q3n——S1批次生产线物料流量
当Cv3-p小于K3-3、Cv3-q小于K3-4时,记录电动机运行数据的批次统计数据,包括工单号、批号、电动机编码、电动机实际功率的平均值和标准差σ3-p、电流平均值、电动机累计运行时间最大值、电动机输送物料流量的平均值和物料流量的标准差σ3-q,其中K3-3=0.01、K3-4=0.02。
参见附图2。在电动机运行的设定周期Ⅱ(周期Ⅱ设定为7天)内,得到批次的集合ST1,定义为运行初期批次数据集,周期Ⅱ为从电动机运行数据统计开始连续7日。计算电动机的累计运行时间最大值t4max,
t4max=max{t4-1......t4-r} (8)
式中,t4max--ST1内所有批次中电动机累计运行时间最大值
r--集合ST1内的批次总数
a4-1——ST2内的批次个数
式中,a4-2——S2批次电动机实际功率数据个数
P4n——S2批次内电动机实际功率
计算数据集ST2内所有批次电动机实际功率平均值与ST2内每一个批次的电动机实际功率平均值的绝对偏差L4,
当L4大于K4-2时,为异常批次,将异常批次标记并抛弃,K4-2为电动机额定功率的2%。
当ST3内的批次总数a4-1大于最小批次总数其中K4-3时,K4-3为10批,计算ST3的标准差σ4_p和变异系数Cv4_p,
式中:a4-1——ST3的批次个数
σ4_p——ST3内每个批次电动机实际功率的标准差
式中:Cv4_p——ST3内每个批次电动机实际功率的变异系数
记录电动机在设定周期Ⅲ内(周期Ⅲ设定为7天)的样本数据集ST4,包括电动机编码、电动机实际功率的平均值和标准差、电流平均值、电动机累计运行时间最大值等。
t5max=max{t5-1......t5-r}(14)
式中:t5max——电动机累计运行时间的最大值
r——数据个数
a5-1——ST2'内批次总数
P5n——S3批次电动机实际功率
a5-2——S3批次内电动机实际功率数据个数
计算数据集ST2'内所有批次电动机实际功率平均值与ST2'内每一个批次的电动机实际功率平均值的绝对偏差L5,
式中:L5——ST2'内所有批次电动机实际功率的平均值与S3批次电动机实际功率的平均功率的绝对偏差,
当L5大于K5-2时,为异常批次,将批次标记并抛弃,其中K5-2=0.01。
当ST3'内的批次总数a5-1大于最小批次个数K5-3时,K5-3=10批,计算电动机所有正常批次实际功率的标准差σ5-p和变异系数Cv5-p,
式中:σ5-p——ST3'内批次实际功率的标准差
a5-1——ST3'内批次个数
式中:Cv5-p——ST3'内批次实际功率的变异系数
记录电动机在设定周期Ⅴ内(周期Ⅴ设定为14天)的样本数据集ST4',包括电动机编码、电动机实际功率的平均值和标准差、电流平均值、电动机累计运行时间最大值。
参见附图4-7,所述步骤3的系统报警包括批次对比报警方法和临近物料对比报警方法,具体如下:
P6n——S4批次的电动机实际功率
a6——S4批次内采集到的数据个数
计算S4批次的电动机实际功率平均值与ST2内所有批次电动机实际功率平均值的绝对偏差L6
L6——S4批次的电动机实际功率平均值与ST2内所有批次电动机实际功率平均值的差
当L6大于K6时,认定出电动机运行初期状态不良,并发出电动机运行初期状态不良报警,K6为电动机额定功率的2%。
当L7大于K7时,认定电动机存在运行状态不良的情况,并发出电动机运行状态不良报警,K7为电动机额定功率的2%。
临近物料对比报警方法Ⅰ,如附图6所示。在生产单元内以物料流向的方向对电动机进行排序,在稳定生产阶段,按1s采样周期采集电动机的运行数据,采样时间t8,t8为从任何时刻电动机开始运行起连续采样时长,获取样本数据{P81,P82,……,P8m},m=t8,计算样本数据平均值
P8m——t8时间内的电动机实际功率
计算t8时间内的电动机实际功率平均值与t8时间内实际功率的绝对偏差L8-1,
式中:L8-1——t8时间内的电动机实际功率平均值与t8时间内实际功率的绝对偏差
当L8-1与生产顺序邻近的电动机的P8(m-1)与P8(m+1)的绝对偏差L8-2、L8-3的变化趋势不一致,认定电动机存在运行状态不良的情况,并发出电动机运行状态不良报警。
临近物料对比报警方法Ⅱ,如附图7所示。在生产单元内以物料流向的方向对电动机进行排序,在稳定生产阶段,按1s采样周期采集电动机的运行数据,采样时间t9,t9为从任何时刻电动机开始运行起连续采样时长,获取样本数据{P91,P92,……,P9m},m=t9,计算样本数据平均值
式中:P9m——t9时间内的电动机实际功率
计算t9时间内的电动机实际功率平均值与t9时间内实际功率的绝对偏差L9-1,
式中:L9-1——t9时间内的电动机实际功率平均值与t9时间内实际功率的绝对偏差
当L9-1大于K9时,K9=0.01,认定电动机存在运行状态不良的情况,并发出电动机运行状态不良报警。
当L9与生产顺序邻近的电动机的P9(m+1)与P9(m-1)的绝对偏差L9-2、L9-3的变化趋势不一致,认定电动机存在运行状态不良的情况,并发出电动机运行状态不良报警。
在判断电动机存在运行状态不良情况时,针对电动机皮带,当电动机实际功率突然减小,认为皮带打滑;当电动机实际功率突然加大,认为皮带堵料。
本发明自动化生产线电动机运行状态评估方法,生产线电动机的控制由可编程序控制器PLC来完成,数据采集由计算机工作站和服务器完成,计算机系统与PLC之间由以太网连接并进行通讯。PLC根据实际生产运行状况进行判断后生成生产单元状态,利用电动机运行的测控器件取得电动机电流数据,同时利用PLC所在的电控柜的电压数据计算出电动机实时功率,通过运行时间的累加得到电动机累计运行时间。由计算机工作站或服务器上的数据中心程序通过socket通讯和OPC等数据采集、下发方式完成相关电动机运行数据的处理。并在相关电动机更换、维护工作完成后对电动机累计运行时间清零;同时,数据中心软件通过分布式消息队列Kafka将电动机运行数据推送到相关的大数据存储服务和电动机数据实时处理服务。大数据存储服务负责将电动机数据按预先设计的形式保存到hbase数据库。电动机数据实时处理服务利用redis分布式内存数据库保存实时计算需要的电动机数据和运算结果,并利用mapreduce等数据实时计算方法和工具完成实时计算和相关的报警。设备管理服务根据报警及时安排相关电动机的运行维护工作。前端应用程序及时获取相关工作安排和报警通知相关用户。
应该注意的是上述实施例是示例而非限制本发明,本领域技术人员将能够设计很多替代实施例而不脱离本专利的权利要求范围。
Claims (10)
1.一种自动化生产线电动机运行状态评估方法,其特征是:在生产单元各部分都有连续物料的稳定生产阶段,进行数据采集、数据筛选以及系统报警,步骤如下,
步骤1,数据采集
采集电动机运行数据X,按照每秒采样周期记录每台电动机的运行数据Xi;
定义批次S1为设定的时间周期内电动机运行数据的集合,S1={X1,X2,X3……Xα1},其中的α1为S1批次内的数据总数;
样本数据S为设定周期Ⅰ内所有批次Sr的数据集,S={S1,S2,S3……Sr},其中r为周期Ⅰ内批次总数;
根据电动机运行原理以及历史数据确定多个常数K,并根据电动机的运行情况进行动态调节;
步骤2,批次数据筛选
批次数据筛选是根据步骤1采集的电动机运行数据,对数据按物料批次进行整理,并进行电动机实际功率绝对偏差以及电动机实际功率和生产线物料流量标准差的计算分析,剔除系统异常数据,完成数据的初步筛选;
步骤3,系统报警
根据步骤2筛选后的数据进行计算得到的数值与相应的常数K进行比较,当满足报警条件时发出报警。
2.根据权利要求1所述自动化生产线电动机运行状态评估方法,其特征是:所述步骤1的数据采集是按预定时间间隔记录电动机运行状态数据,每台电动机记录的数据包括工艺段编码、生产单元编码、生产单元当前生产的工单号、批号、电动机编码,在工艺段内电动机运行的电流、功率、累计运行时间,同时记录生产线物料流量。
3.根据权利要求2所述自动化生产线电动机运行状态评估方法,其特征是:按照设定的每秒采样周期采集样本数据,将采集的样本数据按照物料批次分开,以S1批次为例,S1批次的电动机功率样本数据为S1={P31,P32,……,P3n};
P3n——S1批次内的电动机实际功率
a3——S1批次内的数据总量
Q3n——S1批次生产线物料流量
计算S1批次内电动机实际功率的平均值与电动机实际功率的绝对偏差L3,
式中,L3——S1批次的电动机实际功率平均值与电动机实际功率的绝对偏差
当L3大于K3-1时,为批次内异常数据,将其标记并抛弃,其中K3-1为电动机额定功率的2%;
当ST1内的S1批次的数据总数a3大于最小原始个数K3-2时,其中K3-2为100,计算电动机实际功率标准差σ3-p、生产线物料流量的标准差σ3-q和电动机实际功率的变异系数Cv3-p、生产线物料流量的变异系数Cv3-q,
式中,σ3-p——S1批次电动机实际功率的标准差
式中,σ3-q——S1批次生产线物料流量的标准差
式中:Cv3-p——S1批次电动机实际功率的变异系数
式中:Cv3-q——S1批次电动机输送物料流量的变异系数
4.根据权利要求3所述自动化生产线电动机运行状态评估方法,其特征是:
在电动机运行的设定周期Ⅱ内,得到批次的集合ST1,定义为运行初期批次数据集;计算电动机的累计运行时间最大值t4max,
t4max=max{t4-1......t4-r} (8)
式中,t4max--ST1内所有批次中电动机累计运行时间最大值
r--集合ST1内的批次总数
a4-1——ST2内的批次个数
式中,a4-2——S2批次电动机实际功率数据个数
P4n——S2批次内电动机实际功率
计算数据集ST2内所有批次电动机实际功率平均值与ST2内每一个批次的电动机实际功率平均值的绝对偏差L4,
当L4大于K4-2时,为异常批次,将异常批次标记并抛弃,K4-2为电动机额定功率的2%;
当ST3内的批次总数a4-1大于最小批次总数其中K4-3时,K4-3为10批,计算ST3的标准差σ4_p和变异系数Cv4_p,
式中:a4-1——ST3的批次个数
σ4_p——ST3内每个批次电动机实际功率的标准差
式中:Cv4_p——ST3内每个批次电动机实际功率的变异系数
记录电动机在设定周期Ⅲ内的样本数据集ST4,包括电动机编码、电动机实际功率的平均值和标准差、电流平均值、电动机累计运行时间最大值等。
5.根据权利要求4所述自动化生产线电动机运行状态评估方法,其特征是:
t5max=max{t5-1......t5-r} (14)
式中:t5max——电动机累计运行时间的最大值
r——数据个数
a5-1——ST2'内批次总数
P5n——S3批次电动机实际功率
a5-2——S3批次内电动机实际功率数据个数
计算数据集sT2'内所有批次电动机实际功率平均值与ST2'内每一个批次的电动机实际功率平均值的绝对偏差L5,
式中:L5——ST2'内所有批次电动机实际功率的平均值与S3批次电动机实际功率的平均功率的绝对偏差,
当L5大于K5-2时,为异常批次,将批次标记并抛弃,其中K5-2=0.01;
当ST3'内的批次总数a5-1大于最小批次个数K5-3时,K5-3=10批,计算电动机所有正常批次实际功率的标准差σ5-p和变异系数Cv5-p,
式中:σ5-p——ST3'内批次实际功率的标准差
a5-1——ST3'内批次个数
式中:Cv5-p——ST3'内批次实际功率的变异系数
记录电动机在设定周期Ⅴ内的样本数据集ST4',包括电动机编码、电动机实际功率的平均值和标准差、电流平均值、电动机累计运行时间最大值。
6.根据权利要求4所述自动化生产线电动机运行状态评估方法,其特征是:
P6n——S4批次的电动机实际功率
a6——S4批次内采集到的数据个数
计算S4批次的电动机实际功率平均值与ST2内所有批次电动机实际功率平均值的绝对偏差L6,
L6——S4批次的电动机实际功率平均值与ST2内所有批次电动机实际功率平均值的差
当L6大于K6时,认定出电动机运行初期状态不良,并发出电动机运行初期状态不良报警,K6为电动机额定功率的2%。
8.根据权利要求5所述自动化生产线电动机运行状态评估方法,其特征是:
P8m——t8时间内的电动机实际功率
计算t8时间内的电动机实际功率平均值与t8时间内实际功率的绝对偏差L8-1,
式中:L8-1——t8时间内的电动机实际功率平均值与t8时间内实际功率的绝对偏差
当L8-1与生产顺序邻近的电动机的P8(m-1)与P8(m+1)的绝对偏差L8-2、L8-3的变化趋势不一致,认定电动机存在运行状态不良的情况,并发出电动机运行状态不良报警。
9.根据权利要求5所述自动化生产线电动机运行状态评估方法,其特征是:
式中:P9m——t9时间内的电动机实际功率
计算t9时间内的电动机实际功率平均值与t9时间内实际功率的绝对偏差L9-1,
式中:L9-1——t9时间内的电动机实际功率平均值与t9时间内实际功率的绝对偏差
当L9-1大于K9时,K9=0.01,认定电动机存在运行状态不良的情况,并发出电动机运行状态不良报警;
当L9与生产顺序邻近的电动机的P9(m+1)与P9(m-1)的绝对偏差L9-2、L9-3的变化趋势不一致,认定电动机存在运行状态不良的情况,并发出电动机运行状态不良报警。
10.根据权利要求6-9任一所述自动化生产线电动机运行状态评估方法,其特征是:针对电动机皮带,当电动机实际功率突然减小,认为皮带打滑;当电动机实际功率突然加大,认为皮带堵料。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210179282.0A CN114547900A (zh) | 2022-02-25 | 2022-02-25 | 一种自动化生产线电动机运行状态评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210179282.0A CN114547900A (zh) | 2022-02-25 | 2022-02-25 | 一种自动化生产线电动机运行状态评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114547900A true CN114547900A (zh) | 2022-05-27 |
Family
ID=81679802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210179282.0A Pending CN114547900A (zh) | 2022-02-25 | 2022-02-25 | 一种自动化生产线电动机运行状态评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114547900A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116720686A (zh) * | 2023-05-19 | 2023-09-08 | 广州三荣包装材料有限公司 | 一种产品自动排产的生产方法及系统 |
-
2022
- 2022-02-25 CN CN202210179282.0A patent/CN114547900A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116720686A (zh) * | 2023-05-19 | 2023-09-08 | 广州三荣包装材料有限公司 | 一种产品自动排产的生产方法及系统 |
CN116720686B (zh) * | 2023-05-19 | 2024-04-23 | 广州三荣包装材料有限公司 | 一种产品自动排产的生产方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103971025B (zh) | 一种数控机床故障相关关系动态变化分析方法 | |
CN112580993B (zh) | 一种电网设备故障概率分析方法 | |
CN107144764B (zh) | 一种基于电表数据的用户电压暂降事故检测方法 | |
CN113762604B (zh) | 一种工业互联网大数据服务系统 | |
CN113448298B (zh) | 一种用于自动化生产设备数据采集系统 | |
CN114547900A (zh) | 一种自动化生产线电动机运行状态评估方法 | |
CN109933905A (zh) | 一种基于多维预警分析的机械设备健康状态评估方法 | |
DE112016005697T5 (de) | Vorrichtung, Verfahren und Programm zur Planerzeugung | |
CN110109431B (zh) | 一种压铸机oee信息智能获取系统 | |
CN113253037B (zh) | 基于电流波纹的边云协同设备状态监测方法及系统、介质 | |
CN104933295B (zh) | 电气设备开关量记录纠错方法 | |
CN111993157A (zh) | 一种基于电信号的机械加工设备生产状态监测系统及方法 | |
CN114326593B (zh) | 一种刀具寿命预测系统及方法 | |
CN107180267A (zh) | 一种二次运维管理系统的家族性缺陷诊断方法 | |
US6947801B2 (en) | Method and system for synchronizing control limit and equipment performance | |
CN109299080B (zh) | 一种电力生产运行数据的清洗方法及计算设备 | |
CN114571285B (zh) | 智能识别挤压丝锥微崩刃的方法 | |
CN116165939A (zh) | 一种基于大数据的环保设备的远程监管系统及方法 | |
CN116167648A (zh) | 一种机械加工产线运行效率评定方法 | |
CN112631224B (zh) | 一种考虑返工的不确定性批量调度模型建模方法 | |
CN114238305A (zh) | 数据清洗方法和数据清洗装置 | |
CN114298334A (zh) | 机床主轴预测性维护系统及方法 | |
CN113627885A (zh) | 一种电网供电异常监测系统及其监测方法 | |
CN112215503A (zh) | 基于spc的可靠性监控方法 | |
CN111076772A (zh) | 一种卷烟制丝过程数据的处理方法 |
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 |