CN114580562A - 基于工艺流程的异常数据检测方法及装置 - Google Patents
基于工艺流程的异常数据检测方法及装置 Download PDFInfo
- Publication number
- CN114580562A CN114580562A CN202210257270.5A CN202210257270A CN114580562A CN 114580562 A CN114580562 A CN 114580562A CN 202210257270 A CN202210257270 A CN 202210257270A CN 114580562 A CN114580562 A CN 114580562A
- Authority
- CN
- China
- Prior art keywords
- data
- process data
- flow
- execution
- data set
- 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
- 238000000034 method Methods 0.000 title claims abstract description 366
- 230000008569 process Effects 0.000 title claims abstract description 340
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 58
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 239000000523 sample Substances 0.000 claims abstract description 47
- 238000013499 data model Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 15
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- 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
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Manufacturing & Machinery (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供了一种基于工艺流程的异常数据检测方法及装置,本方法设置工艺录入接口,通过工艺录入接口录入工控设备的工艺流程,依据工艺流程将工控设备归纳为多个流程链,并在每个流程链末端设置工艺探针;每个工控设备输出一组流程数据,工艺探针记录该流程链中的流程数据并形成流程数据集,工艺探针还记录该流程数据集的执行属性;获取全部工控设备的流程数据集并根据执行属性将流程数据集分类为多个单类流程数据集;批量对比单类流程数据集并获取异常数据。本发明有益效果:通过工艺探针将数据进行属性赋值及属性分类,将分类后的数据进行批量处理以提升数据处理的效率。
Description
技术领域
本发明涉及工业数据处理技术领域,尤其是涉及一种基于工艺流程的工业异常数据的检测方法及检测装置。
背景技术
工业生产中对生产线的全程监控系统越来越完善,但是对数据处理速度的要求也越来越高。特别是电力行业,近年来增加了大量的发电厂、变电站等需要重点检测的运行节点。现有的异常数据检测方法通过现场服务器获取检测范围内设备上传的实时数据,对数据的阈值进行设定后进行产线运行状态检测,虽然电力行业内基层设备大量类似,但是由于设备执行的任务和要求不同,导致其运行状态和检测阈值有较大区别,所以即使是新的产线增设了相同的设备也需要逐一比对检测,造成数据量逐年攀升,数据处理压力越来越大。
发明内容
本发明旨在提出一种基于工艺流程的工业异常数据的检测方法及检测装置,以减轻现场服务器对异常数据检测的处理效率较低的技术问题。
为达到上述目的,本发明的技术方案是这样实现的:
一种基于工艺流程的异常数据检测方法,包括如下步骤:
S110:设置工艺录入接口,通过工艺录入接口录入工控设备的工艺流程,依据工艺流程将工控设备归纳为多个流程链,并在每个流程链末端设置工艺探针。
S120:每个工控设备输出一组流程数据,所述工艺探针记录该流程链中的流程数据并形成流程数据集,所述工艺探针还记录该流程数据集的执行属性。
S130:获取全部工控设备的流程数据集并根据执行属性将流程数据集分类为多个单类流程数据集。
S140:批量对比单类流程数据集并获取异常数据。
进一步的,所述工艺流程包括带有执行属性的参照流程数据;批量对比同执行属性的单类流程数据集和参照流程数据并获取异常数据。
进一步的,设置流程库,所述流程库存储带有执行属性的流程数据集的历史数据,根据所述历史数据获取带有执行属性的参照流程数据;批量对比同执行属性的单类流程数据集和参照流程数据并获取异常数据。
进一步的,根据所述历史数据获取带有执行属性的敏感流程数据,将敏感流程数据的执行属性反馈至执行探针,通过执行探针抽取该执行属性的流程数据集作为重点流程数据集;批量对比同执行属性的重点流程数据集和参照流程数据并获取异常数据。
进一步的,根据流程库中的同类执行属性的流程数据集中筛选具有宕机属性的流程数据集作为敏感流程数据。
进一步的,批量对比同执行属性的单类流程数据集并获取同批次流程数据集的均值数据集,获取每个单类流程数据集与该均值数据集的偏离度,将偏离度最高的单类流程数据集作为异常数据。
进一步的,设置目标选择模块及流程数据模型;所述目标选择模块从同执行属性的单类流程数据集中选择一个作为目标流程数据集;利用该目标流程数据集对流程数据模型进行调整训练,并利用调整训练过的流程数据模型对同执行属性的单类流程数据集进行筛选,并获取异常数据。
进一步的,通过流程数据模型获取该执行属性的单类流程数据集的均值数据集,将与该均值数据集最接近的单类流程数据集作为该执行属性中的目标流程数据集。
进一步的,通过流程数据模块获取该执行属性的单类流程数据集的上个执行时间单元中的均值数据集,将与该均值数据集最接近的单类流程数据集作为该执行属性中的目标流程数据集。
一种基于工艺流程的异常数据检测装置,包括:探针布置模块,用于设置工艺录入接口,通过工艺录入接口录入工控设备的工艺流程,依据工艺流程将工控设备归纳为多个流程链,并在每个流程链末端设置工艺探针。
属性赋值模块,用于每个工控设备输出一组流程数据,所述工艺探针记录该流程链中的流程数据并形成流程数据集,所述工艺探针还记录该流程数据集的执行属性。
属性分类模块,用于获取全部工控设备的流程数据集并根据执行属性将流程数据集分类为多个单类流程数据集。
数据筛选模块,用于批量对比单类流程数据集并获取异常数据。
相对于现有技术,本发明所述的一种基于工艺流程的异常数据检测方法具有以下优势:依据工艺流程将工控设备归纳为流程链,以流程链为基本单位通过工艺探针对工控设备的数据进行收集和处理,通过工艺探针将数据进行属性赋值及属性分类,将分类后的数据进行批量处理以提升数据处理的效率。
附图说明
构成本发明创造的一部分的附图用来提供对本发明创造的进一步理解,本发明创造的示意性实施例及其说明用于解释本发明创造,并不构成对本发明创造的不当限定。在附图中:
图1为本发明实施例所述的基于工艺流程的异常数据检测方法的场景结构示意图;
图2为本发明实施例所述的基于工艺流程的异常数据检测方法的实现流程示意图;
图3为本发明实施例所述的基于工艺流程的异常数据检测装置的结构框图。
具体实施方式
下面将结合实施例对本发明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。基于本发明中的实施例,本领域普通技术人员在没有做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。
实施例一
本发明实施例提供了一种基于工艺流程的异常数据检测方法,该方法应用于现场服务器。在生产环节的各个运行节点,如电力行业的发电厂、变电站等,布置有大量的工控设备,工控设备通过现场总线实时传输数据到现场服务器,通过现场服务器对工控设备的运行状态进行记录和检测,确保生产的正常运行和异常数据的及时检测和故障排查。
现有的异常数据的检测方法是通过对比工控设备的流程参数和现场服务器中存储的参照流程数据,通过对比结果筛选出异常数据。但是,由于工控设备上传的流程数据越来越多样,工控设备及运行节点的持续增加,导致现场服务器的运算能力无法承担,或数据处理速度越来越慢导致异常数据无法及时筛选,导致故障无法及时排查,甚至导致发生严重的生产事故。
为了解决上述技术问题,本实施提供的一种基于工艺流程的异常数据检测方法,请参阅图1和图2,包括如下步骤:
S110:设置工艺录入接口,通过工艺录入接口录入工控设备的工艺流程,依据工艺流程将工控设备归纳为多个流程链,并在每个流程链末端设置工艺探针。
在现场服务器中设置工艺录入接口,通过录入接口将现场服务器检测的目标工控设备进行编队排序赋值,所述工艺流程包括带有执行属性的参照流程数据。即依据工艺流程将工控设备归纳为多个流程链,每个流程链包括一组工控设备,在流程链末端设置工艺探针,该工艺探针可为服务器终端,工艺探针获取其所属流程链的全部工控设备的流程数据,并将其汇总为流程数据集,在通过现场总线将流程数据集发送至现场服务器。
S120:每个工控设备输出一组流程数据,所述工艺探针记录该流程链中的流程数据并形成流程数据集,所述工艺探针还记录该流程数据集的执行属性。
工艺探针的设置可根据标准工艺流程记录成组的流程数据集,并赋予流程数据集以执行属性。该执行属性包括工控设备执行的工艺流程等。
S130:获取全部工控设备的流程数据集并根据执行属性将流程数据集分类为多个单类流程数据集。
现场服务器获取全部流程数据集,即获取了全部工控设备的流程数据,而带有执行属性标签的流程数据集可快速有序进行分类,以归类为带有执行属性的单类流程数据集。
S140:批量对比单类流程数据集并获取异常数据。
相比于传统的对工控设备的流程数据进行比对的方法,本实施例的基于工艺流程的异常数据检测方法可将同执行属性的单类流程数据集进行批量对比。由于本方法中的涉及的单类流程数据集与本运行节点中的其他单类流程数据集,以及其他运行节点中的单类流程数据集,涉及到的工控设备所执行的执行属性相同,因此对比基础也相同,因此可实现批量对比,从而减少数据处理量、提高数据处理速度、提升数据处理效率。
实施例二
本实施例提供一种批量对比单类流程数据集的方法,现场服务器从多个流程链的工艺探针获取了全部工控设备的流程数据集并将流程数据集分类为多个单类流程数据集,单类流程数据集可批量执行对比方法从而提高了数据处理速度。
本实施例提供的通过流程数据模块获取该执行属性的单类流程数据集的上个执行时间单元中的均值数据集,将与该均值数据集最接近的单类流程数据集作为该执行属性中的目标流程数据集。一种单类流程数据集的批量对比方法。
获取全部工控设备的流程数据集并根据执行属性将流程数据集分类为多个单类流程数据集。
在现场服务器中设置流程库,所述流程库中存储有与流程链相对应的带有执行属性的流程数据集的历史数据,该历史数据包括预设定的流程数据集,以及该流程数据集中每个对比单元的参照流程数据,将参照流程数据作为对比基础,将同执行属性的单类流程数据集与参照流程数据进行对比并获取异常数据。
通过预设定的流程数据集组成的流程库,本实施例中的对比方法对现场工控设备的检测及控制相对严格,对异常数据的抓取准确。可较大程度的避免因异常数据导致的设备故障及生产事故。
实施例三
本实施例为实施例二的一种优化实施方式。
本实施例提供一种对重点数据进行检测的方法。在现场服务器中设置流程库,所述流程库存储带有执行属性的流程数据集的历史数据,根据所述历史数据获取带有执行属性的敏感流程数据,将敏感流程数据的执行属性反馈至执行探针,通过执行探针抽取该执行属性的流程数据集作为重点流程数据集;批量对比同执行属性的重点流程数据集和参照流程数据并获取异常数据。
本方案仅对敏感数据进行单独抽取和检测,以对重点设备或重点参数进行监控。具体对哪些数据和设备进行监控,已经如何对这些进行监控,现有工控设备通常依赖个人经验,而个人经验仅限于局部节点,很难做到全面和科学。
本实施例中在现场服务器中设置流程库,所述流程库中流程库存储带有执行属性的流程数据集的历史数据,根据所述历史数据获取带有执行属性的参照流程数据。
在从历史数据抽取数据时,仅对带有执行属性的敏感流程数据进行抽取。所述敏感流程数据指,根据流程库中的同类执行属性的流程数据集中筛选具有宕机属性的流程数据集作为敏感流程数据。宕机属性包括宕机时间、宕机次数、宕机等级等。
将敏感流程数据的执行属性反馈至执行探针,通过执行探针抽取该执行属性的流程数据集作为重点流程数据集。批量对比同执行属性的重点流程数据集和参照流程数据并获取异常数据。
或者,在从历史数据抽取数据时,仅对带有执行属性的敏感流程数据进行抽取。所述敏感流程数据指,根据流程库中的同类执行属性的流程数据集中筛选具有宕机属性的流程数据作为敏感流程数据。宕机属性包括宕机时间、宕机次数、宕机等级等。
将敏感流程数据的执行属性反馈至执行探针,通过执行探针抽取该执行属性中流程数据集的敏感流程数据作为重点流程数据集。批量对比同执行属性的重点流程数据集和参照流程数据并获取异常数据。
通过上述方案可以单独对安全生产重要的重点流程数据集进行监控,极大减少了数据处理量,可自动模糊处理掉大量未出过宕机问题的流程数据,依据历史数据对敏感流程数据进行检测。在保证一般性安全生产的调节下,极大提升异常数据检测速率。
实施例四
本实施例提供一种单类流程数据集的批量对比方法。
对异常数据的定义可以为超出阈值的数据。但是,并不是在阈值内的数据就一定是最优的数据。本实施例针对流程数据集中的数据均在正常范围之内,但是,数据整体有偏差,或整体偏高,或整体偏低。
如何筛选流程数据集整体偏离,现有的服务器的比对方法无法实现。
本实施例提供的批量对比单类流程数据集的方法,现场服务器从多个流程链的工艺探针获取了全部工控设备的流程数据集并将流程数据集分类为多个单类流程数据集。
不同于传动的单类流程数据集与参照流程数据集进行比对的方法,本实施例中,将同批次的同执行属性的单类流程数据集批量相互对比。对比同执行属性的单类流程数据集并获取同批次流程数据集的均值数据集,获取每个单类流程数据集与该均值数据集的偏离度,将偏离度最高的单类流程数据集作为异常数据。
这种方法筛选出的单类流程数据集虽然整体都属于传统意义上的正确数据,但是,它反映了某一时间点上整体偏差最大的流程链,对该流程链的筛选检测及改进,对生产流程的整体优化有着积极的意义。
实施例五
本实施例提供一种单类流程数据集的批量对比方法。现场服务器从多个流程链的工艺探针获取了全部工控设备的流程数据集并将流程数据集分类为多个单类流程数据集,单类流程数据集可批量执行对比方法从而提高了数据处理速度。
本实施例提供的单类流程数据集的批量对比方法,采用训练模型,通过每次输入的流程数据集对模型进行优化训练,并通过模型对流程数据集进行自动筛选获取异常数据。
具体的,设置目标选择模块及流程数据模型;所述目标选择模块从同执行属性的单类流程数据集中选择一个作为目标流程数据集;通过流程数据模型获取该执行属性的单类流程数据集的均值数据集,将与该均值数据集最接近的单类流程数据集作为该执行属性中的目标流程数据集。
利用该目标流程数据集对流程数据模型进行调整训练,并利用调整训练过的流程数据模型对同执行属性的单类流程数据集进行筛选,并获取异常数据。
流程数据模型的优势,不仅在于自动筛选、快速处理速度,还在于考虑了生产整体的趋势变化。如用电量随季节的有序增减,流程数据模型随时间推移的简便,可通过流程模型的随时调整训练而逐步调整筛选阈值,使得异常数据的筛选更加合理和自动化。
实施例六
本实施例提供一种基于工艺流程的异常数据检测装置,请参阅图3,包括:
探针布置模块100,用于设置工艺录入接口,通过工艺录入接口录入工控设备的工艺流程,依据工艺流程将工控设备归纳为多个流程链,并在每个流程链末端设置工艺探针。
属性赋值模块200,用于每个工控设备输出一组流程数据,所述工艺探针记录该流程链中的流程数据并形成流程数据集,所述工艺探针还记录该流程数据集的执行属性。
属性分类模块300,用于获取全部工控设备的流程数据集并根据执行属性将流程数据集分类为多个单类流程数据集。
数据筛选模块400,用于批量对比单类流程数据集并获取异常数据。
本发明所述的一种基于工艺流程的异常数据检测装置具有以下优势:依据工艺流程将工控设备归纳为流程链,以流程链为基本单位通过工艺探针对工控设备的数据进行收集和处理,通过工艺探针将数据进行属性赋值及属性分类,将分类后的数据进行批量处理以提升数据处理的效率。
在本发明创造的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明创造和简化描述,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创造的限制。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明创造的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明创造的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“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;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明创造中的具体含义。
以上所述仅为本发明创造的较佳实施例而已,并不用以限制本发明创造,凡在本发明创造的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明创造的保护范围之内。
Claims (10)
1.一种基于工艺流程的异常数据检测方法,其特征在于,包括如下步骤:
设置工艺录入接口,通过工艺录入接口录入工控设备的工艺流程,依据工艺流程将工控设备归纳为多个流程链,并在每个流程链末端设置工艺探针;
每个工控设备输出一组流程数据,所述工艺探针记录该流程链中的流程数据并形成流程数据集,所述工艺探针还记录该流程数据集的执行属性;
获取全部工控设备的流程数据集并根据执行属性将流程数据集分类为多个单类流程数据集;
批量对比单类流程数据集并获取异常数据。
2.根据权利要求1所述的基于工艺流程的异常数据检测方法,其特征在于,所述批量对比单类流程数据集并获取异常数据的步骤包括:
所述工艺流程包括带有执行属性的参照流程数据;
批量对比同执行属性的单类流程数据集和参照流程数据并获取异常数据。
3.根据权利要求1所述的基于工艺流程的异常数据检测方法,其特征在于所述批量对比单类流程数据集并获取异常数据的步骤包括:
设置流程库,所述流程库存储带有执行属性的流程数据集的历史数据,根据所述历史数据获取带有执行属性的参照流程数据;
批量对比同执行属性的单类流程数据集和参照流程数据并获取异常数据。
4.根据权利要求3所述的基于工艺流程的异常数据检测方法,其特征在于,根据所述历史数据获取带有执行属性的敏感流程数据,将敏感流程数据的执行属性反馈至执行探针,通过执行探针抽取该执行属性的流程数据集作为重点流程数据集;
批量对比同执行属性的重点流程数据集和参照流程数据并获取异常数据。
5.根据权利要求4所述的基于工艺流程的异常数据检测方法,其特征在于,所述根据所述历史数据获取带有执行属性的敏感流程数据的步骤包括:
根据流程库中的同类执行属性的流程数据集中筛选具有宕机属性的流程数据集作为敏感流程数据。
6.根据权利要求1所述的基于工艺流程的异常数据检测方法,其特征在于,所述批量对比单类流程数据集并获取异常数据的步骤包括:
批量对比同执行属性的单类流程数据集并获取同批次流程数据集的均值数据集,获取每个单类流程数据集与该均值数据集的偏离度,将偏离度最高的单类流程数据集作为异常数据。
7.根据权利要求1所述的基于工艺流程的异常数据检测方法,其特征在于,所述批量对比单类流程数据集并获取异常数据的步骤包括:
设置目标选择模块及流程数据模型;
所述目标选择模块从同执行属性的单类流程数据集中选择一个作为目标流程数据集;
利用该目标流程数据集对流程数据模型进行调整训练,并利用调整训练过的流程数据模型对同执行属性的单类流程数据集进行筛选,并获取异常数据。
8.根据权利要求7所述的基于工艺流程的异常数据检测方法,其特征在于,所述目标选择模块从同执行属性的单类流程数据集中选择一个作为目标流程数据集的步骤包括:
通过流程数据模型获取该执行属性的单类流程数据集的均值数据集,将与该均值数据集最接近的单类流程数据集作为该执行属性中的目标流程数据集。
9.根据权利要求8所述的基于工艺流程的异常数据检测方法,其特征在于所述目标选择模块从同执行属性的单类流程数据集中选择一个作为目标流程数据集的步骤包括:
通过流程数据模块获取该执行属性的单类流程数据集的上个执行时间单元中的均值数据集,将与该均值数据集最接近的单类流程数据集作为该执行属性中的目标流程数据集。
10.一种基于工艺流程的异常数据检测装置,其特征在于,包括:
探针布置模块,用于设置工艺录入接口,通过工艺录入接口录入工控设备的工艺流程,依据工艺流程将工控设备归纳为多个流程链,并在每个流程链末端设置工艺探针;
属性赋值模块,用于每个工控设备输出一组流程数据,所述工艺探针记录该流程链中的流程数据并形成流程数据集,所述工艺探针还记录该流程数据集的执行属性;
属性分类模块,用于获取全部工控设备的流程数据集并根据执行属性将流程数据集分类为多个单类流程数据集;
数据筛选模块,用于批量对比单类流程数据集并获取异常数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210257270.5A CN114580562A (zh) | 2022-03-16 | 2022-03-16 | 基于工艺流程的异常数据检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210257270.5A CN114580562A (zh) | 2022-03-16 | 2022-03-16 | 基于工艺流程的异常数据检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114580562A true CN114580562A (zh) | 2022-06-03 |
Family
ID=81779596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210257270.5A Pending CN114580562A (zh) | 2022-03-16 | 2022-03-16 | 基于工艺流程的异常数据检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114580562A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115185466A (zh) * | 2022-07-25 | 2022-10-14 | 北京珞安科技有限责任公司 | 一种移动存储设备的分级管控工具和方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102654907A (zh) * | 2011-03-03 | 2012-09-05 | 北京三博中自科技有限公司 | 一种流程行业产品质量跟踪的方法和系统 |
CN111507859A (zh) * | 2020-04-24 | 2020-08-07 | 西南交通大学 | 一种基于mes的车间实时生产异常判定及处理方法 |
CN111724126A (zh) * | 2020-06-12 | 2020-09-29 | 北京科技大学顺德研究生院 | 一种工艺流程质量异常精准追溯方法及系统 |
CN111985545A (zh) * | 2020-08-10 | 2020-11-24 | 中国平安人寿保险股份有限公司 | 基于人工智能的目标数据检测方法、装置、设备及介质 |
CN113743342A (zh) * | 2021-09-10 | 2021-12-03 | 齐鲁工业大学 | 一种装配流程检测的方法、系统、终端及存储介质 |
-
2022
- 2022-03-16 CN CN202210257270.5A patent/CN114580562A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102654907A (zh) * | 2011-03-03 | 2012-09-05 | 北京三博中自科技有限公司 | 一种流程行业产品质量跟踪的方法和系统 |
CN111507859A (zh) * | 2020-04-24 | 2020-08-07 | 西南交通大学 | 一种基于mes的车间实时生产异常判定及处理方法 |
CN111724126A (zh) * | 2020-06-12 | 2020-09-29 | 北京科技大学顺德研究生院 | 一种工艺流程质量异常精准追溯方法及系统 |
CN111985545A (zh) * | 2020-08-10 | 2020-11-24 | 中国平安人寿保险股份有限公司 | 基于人工智能的目标数据检测方法、装置、设备及介质 |
CN113743342A (zh) * | 2021-09-10 | 2021-12-03 | 齐鲁工业大学 | 一种装配流程检测的方法、系统、终端及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115185466A (zh) * | 2022-07-25 | 2022-10-14 | 北京珞安科技有限责任公司 | 一种移动存储设备的分级管控工具和方法 |
CN115185466B (zh) * | 2022-07-25 | 2023-02-28 | 北京珞安科技有限责任公司 | 一种移动存储设备的分级管控工具和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110362608B (zh) | 基于雨流计数法和局部异常因子的能耗异常检测方法 | |
CN111461555A (zh) | 一种生产线质量监测方法、装置及系统 | |
CN108197817A (zh) | 一种基于大数据的非侵入式负荷暂态监测的方法 | |
CN112926749A (zh) | 一种智能电网信息设备监控系统及方法 | |
CN114580562A (zh) | 基于工艺流程的异常数据检测方法及装置 | |
CN116820014B (zh) | 一种交通机电设备智能化监控预警方法及系统 | |
CN105634796A (zh) | 一种网络设备故障预测及诊断方法 | |
CN117113135A (zh) | 一种可对异常数据整理分类的碳排放异常监测分析系统 | |
CN115174639A (zh) | 一种基于物联网的工业设备管理方法和系统 | |
CN114595999A (zh) | 一种基于全流程质量管控的系统化软件管理办法 | |
CN116108402A (zh) | 基于电力多源异构数据融合分析的方法、设备及存储介质 | |
CN114442543A (zh) | 一种适用于水电站故障预警的计算机监测方法 | |
CN116367108B (zh) | 一种基于云计算的车间安全监控系统 | |
CN113065798A (zh) | 安全生产风险预警方法和系统 | |
CN112381130A (zh) | 一种基于聚类分析的配电房多元数据异常检测方法 | |
CN116502802A (zh) | 一种基于大数据与无线传感技术的数据管理系统 | |
CN115146727A (zh) | 一种智能用电系统故障检测方法及系统 | |
CN115036911A (zh) | 电力系统用电网集中器 | |
CN114063525A (zh) | 一种水泥磨系统自动寻优控制系统及方法 | |
CN113837608A (zh) | 一种基于大数据分析的烟草制丝管控及预警平台 | |
CN113591909A (zh) | 电力系统的异常检测方法、异常检测装置以及存储介质 | |
CN118426385B (zh) | 一种机电设备用的交互控制方法及系统 | |
CN110853228B (zh) | 一种金融终端的故障处理方法及其装置 | |
CN118505194A (zh) | 一种基于人工智能的电力数据采集方法及系统 | |
CN118399441B (zh) | 基于多维度冗余的风电场一次调频数据调控系统及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220603 |