CN114626668A - 一种基于ifix操作软件的制丝生产指标智能预警系统 - Google Patents
一种基于ifix操作软件的制丝生产指标智能预警系统 Download PDFInfo
- Publication number
- CN114626668A CN114626668A CN202210076902.8A CN202210076902A CN114626668A CN 114626668 A CN114626668 A CN 114626668A CN 202210076902 A CN202210076902 A CN 202210076902A CN 114626668 A CN114626668 A CN 114626668A
- Authority
- CN
- China
- Prior art keywords
- early warning
- data
- points
- limit
- production
- 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
- 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
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- A—HUMAN NECESSITIES
- A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
- A24B—MANUFACTURE OR PREPARATION OF TOBACCO FOR SMOKING OR CHEWING; TOBACCO; SNUFF
- A24B3/00—Preparing tobacco in the factory
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
Abstract
本发明公开了一种基于IFIX操作软件的制丝生产指标智能预警系统,属于卷烟生产领域,所述的智能预警系统采用以下步骤实现:步骤一:生产指标数据预处理;步骤二:建立预警模型;步骤三:预警阈值的确定。本发明采用上述技术方案能够解决生产过程中工艺指标管控严重滞后的问题,将事后管控转变为事前管控。利用数据处理技术,实施采集系统数据,后台进行异常数据识别,判断,反馈,采用数学原理和数学方法不断优化模型,实现精准预警控制。提升车间制丝工艺水平,对提升多工序,连续化生产单位具有很好的借鉴意义和推广价值。
Description
技术领域
本发明属于卷烟生产领域,更具体的说涉及一种一种基于IFIX操作软件的制丝生产指标智能预警系统。
背景技术
随着工业革命的发展,进入工业4.0后,物联网和服务网广泛应用,生产成本是目前企业最关注的问题,关系到企业生存。随着供给侧改革,今后市场将会更关注产品质量和服务质量。产品质量是企业在市场竞争中保持品牌效益的核心,是产品核心竞争力的重要标志,卷烟行业也不例外。
卷烟行业也不例外,在行业转型升级的关键时期,提升产品质量,确保工厂转型完美升级,是打造智慧工厂亟待解决的问题。产品质量量的控制模式,要由原来的被动调整变为主动作为,提前预防为主。产品质量预警机制应运而生,及时发现产品质量问题,提前进行有效措施的实施,防止进一步恶化,确保产品始终处于高质量状态,保障产品的市场竞争优势。目前卷烟工业企业信息化程度不高,工作人员对质量异常情况的了解和处理存在不全面性和一定的滞后性。质量预防环节薄弱,一定程度制约了产品质量的提升[11]。因此,烟草行业做了一些关于产品质量预警相关的工作,殷斌做了YF17卷烟输送存储装置主传动扭矩实时监控及预警系统的研制。该装置有利于卷烟环节中质量故障的减少,但无法实现整个卷烟质量指标的预警工作[11]。张云霞做了T市烟草零售市场监管预警研究工作,对卷烟销售环节做了很好的规划,为生产制造企业提供了很好的预警思考[12]。王志红,万明,谢一丁等人做了卷烟工业企业产品质量预警机制的建立的研究,做了很好的工业企业预警机制,但制丝和卷包的生产模式不尽相同,制丝是多工序连续性生产部门,对产品质量的把控具受前后工序的影响,难度较大。卷包车间是单独机台操作,产品质量影响因素较少。故需要针对生产特点进行单独研究[13-14]。赵超做了卷烟经营目标综合预警系统开发与应用。提出了很好的卷烟商业企业预警系统,方便管理人员实时掌握各业务环节异常信息。该系统对卷烟工业生产具有很好的启示作用[15-19]。
综上,卷烟行业的预警意识很前卫,采用大数据信息化手段,在商业,物流等方面做出了很多贡献,但在卷烟生产企业的应用较少,宏观的思想提出较多,具体落实到质量工艺指标预警的鲜有研究,因此,本项目提出基于IFIX操作软件的制丝生产指标智能预警系统研发,对于提高工厂工艺管控水平、提升产品品质、增强工艺质量稳定性,助推企业高质量发展,有较大作用。
发明内容
本发明通过提升工艺指标管控水平,提升烟丝生产质量,保障卷烟质量,提质增效,提升企业竞争力。通过车间目前的生产关键指标管控反馈存在着严重的滞后的问题。项目小组设计研发了制丝智能预警系统,该系统能很好的解决烟丝生产过程中工艺指标控制滞后的问题。
为了实现上述目的,本发明采用以下技术方案实现的:所述的智能预警系统采用以下步骤实现:步骤一:生产指标数据预处理;步骤二:建立预警模型;步骤三:预警阈值的确定。
优选的,所述的步骤一:生产指标数据预处理,具体方法如下:在生产指标海量数据提取中,通过现有的工艺质量MES采集数据库或者工厂自己的数据采集库,采集近五年来的生产指标数据库,确认车间各检测原件数据传输的稳定性及各检测原件间的数据联系。
优选的,所述的步骤二:建立预警模型,在预警界限建立过程中,采用了连续数据趋势比对的控制图特征提取方法,在数据库中预先设定各指标的上限(UCL)、中心线(CL)和下限(LCL)。当数据点满足①数据点没有跳出控制界线②数据点随机排列且没有缺陷,则认为生产数据属于受控状态,数据正常。当数据点在控制界限内有缺陷时,则认定为生产过程存在异常,存在缺陷包括以下几种情况:①数据点在中心线一侧连续出现8次以上;②连续8个以上的数据点上升或下降;③数据点在中心线一侧多次出现(连续12个点中至少有11个点在同一侧,或连续15点中至少有13点、连续18点中至少有15点、连续22点中至少有18点出现在同一侧);④数据点接近控制界限,如连续3个点中至少有2个点落在2倍标准偏差与3倍标准偏差控制界限之间,或连续6点中至少有3点、连续9点中至少有4点落在2倍标准偏差与3倍标准偏差控制界限之间;⑤数据点出现周期性波动。采用调度程序、USER和脚本建立预警判断模型;
脚本建立预警判断模型的建立方法如下:运用调度程序实时调度数据库中的数据结果;在USER中建立变量,将数据库调度出的数据结果赋值在USER变量中;通过脚本编写建立预警模型,对USER变量的数据进行实时比对分析,当数据值超过预警阈值后,触发下一步程序,实现预警模型的输出)。
优选的,所述的步骤三:预警阈值的确定,所述的预警阈值的确定包括(1)预警界限的选择,(2)预警响应时间的确定。
优选的,所述的(1)预警界限的选择,采用黄金分割法确定最终限值;需要找到一个合适的预警限值,来避免虚假报警和滞后报警的发生,选取叶丝风选”风选后水分cpk,CPK是指工序在一定时间里,处于控制状态(稳定状态)下的实际加工能力,它是工序固有的能力,或者说它是工序保证质量的能力,计算公式CPK=Min[(USL-Mu)/3σ,(Mu-LSL)/3σ])
4)确定cpk的偏差均值;
5)利用黄金分割法确定最终限值;
6)采用2)同样的方法最终确定各项工艺指标的预警限值。
优选的,所述的(2)预警响应时间的确定,利用全因子DOE,DOE是指所有因子的所有水平的所有组合都至少进行一次实验,可以估计所有的主效应和所有的各阶交互效应)来实现预警响应时间的确定,预警响应时间的显著原因包括X1数采周期和X2 OPC循环周期,两者之间需要高度匹配,才能使预警响应时间降到最低,这两者之间存在交互作用,以X1数采周期和X2 OPC循环周期为因子进行“两因子两水平”的实验,两因子是指X1数采周期和X2 OPC循环周期,两水平是指各因子的测试水平,指水平低限和水平高限),同时增加三个中心点三个中心点指两因子X1数采周期和X2 OPC循环周期在中值时的三次实验。
本发明有益效果:
本发明能够解决生产过程中工艺指标管控严重滞后的问题,将事后管控转变为事前管控。利用数据处理技术,实施采集系统数据,后台进行异常数据识别,判断,反馈,采用数学原理和数学方法不断优化模型,实现精准预警控制。提升车间制丝工艺水平,对提升多工序,连续化生产单位具有很好的借鉴意义和推广价值。
附图说明
图1为智能预警系统总体预警流程图;
图2为预警响应时间残差诊断图;
图3为预警响应时间效应显著性分析图;
图4为DOE的等值线图;
图5为DOE的曲面图
图6为响应优化图;
图7为CPK波谷图;
图8为目标波谷图;
具体实施方式
下面将结合本发明实施例和附图,对本发明实施例中的技术方案进行清楚、完整地描述。
所述的智能预警系统采用以下步骤实现:步骤一:生产指标数据预处理;步骤二:建立预警模型;步骤三:预警阈值的确定。
所述的步骤一:生产指标数据预处理,具体方法如下:在生产指标海量数据提取中,通过现有的工艺质量MES采集数据库或者工厂自己的数据采集库,采集近五年来的生产指标数据库,确认车间各检测原件数据传输的稳定性及各检测原件间的数据联系。以松散回潮为例,通过在多传感器的环境下学习,对不同类型的信号进行预处理和特征提取,来自每个传感器或者控制器信号所能反应出的特征只能反应本体的特定片面的信息,因此通过信息融合的方式则能更加全面的去诠释本体的整体健康状态和故障模式。
所述的步骤二:建立预警模型,在预警界限建立过程中,采用了深度学习,随机森林,最小二乘法多种特征提取方法,采用深度学习,支持向量机、卷积神经网络建立预警判断模型,调整特征参数提取的方法和卷积核的数量。
所述的步骤三:预警阈值的确定,所述的预警阈值的确定包括(1)预警界限的选择,(2)预警响应时间的确定。
所述的(1)预警界限的选择,采用黄金分割法确定最终限值;选取叶丝风选后水分CPK的异常数据进行总结分析,发现cpk的趋势图并非线性。在cpk下降至1.33时,进行参数调整cpk将会出现一个远小于1.33波谷而后上升。如此我们的预警仍是滞后的,需要找到一个合适的预警限值,来避免虚假报警和滞后报警的发生,选取叶丝风选”风选后水分cpk。具体选择方法如下:
1)确定cpk的偏差均值;
小组以松散回潮热风温度cpk为依据选取100个(10个为1组)异常数据进行实验,确定预警限值。如图7和8所示,并结合表1可以得出,cpk的偏差均值是0.61。
表1
2)利用黄金分割法确定最终限值;
以偏差0-0.61cpk的范围进行试验,模拟实效模式,每组做50次实验,共做10组,以检测准确率≥95%为合格
合格率=有效报警的次数/总实验样本数检测出有效报警为正确,虚假报警和滞后报警(仍有不合格)为错误检测试验1点的验证第一点的偏差值:0.61×0.618=0.38,第一点cpk预警值:0.38+1.33=1.71。
将试验cpk=1.71进行预警测试,验证准确率,第一点的正确率平均值为67%,不符合要求。因为虚假报警居多需要下调再次进行实验。
第二点的偏差值:0.38×0.618=0.23;第二点cpk预警值:0.23+1.33=1.56
将试验cpk=1.56进行预警测试,验证准确率,第二点的正确率平均值为81.2%,不符合要求,但结果好于第一点,因为虚假报警居多调需次进行实验。
第三点的偏差值:0.23×0.618=0.14;第三点cpk预警值:0.14+1.33=1.47
将试验cpk=1.47进行预警测试,验证准确率,第三点的正确率平均值为88.4%,不符合要求,但结果好于第二点。因为滞后报警居多需要上调需次进行实验。
第四点的偏差值:(0.23-0.14)X(1-0.618)=0.04第四点cpk预警值:0.04+1.47=1.52,将试验4cpk=1.52进行预警测试,验证准确率,如表2所示
表2
第四点的正确率平均值为98.2%,符合要求,实验完成。最终确定cpk预警限值为1.52。
3)采用2)同样的方法最终确定各项工艺指标的预警限值。结果如表3所示:
表3
所述的(2)预警响应时间的确定,利用DOE全因子来实现预警响应时间的确定,预警响应时间的显著原因包括X1数采周期和X2 OPC循环周期,两者之间需要高度匹配,才能使预警响应时间降到最低,这两者之间存在交互作用,以X1数采周期和X2 OPC循环周期为因子进行“两因子两水平”的实验,同时增加三个中心点。
应用(22+3)全因子设计,通过2因素2水平加设3个中心点7次试验的办法来进行实验,实验结果如下:因为X1和X2目前的水平设置已经处于设备的最佳设置限,因此我们选用中心复合表面设计(CCF),在原来的因子设计中修改设计增加轴点产生新的试验方案,再对新的试验方案进行测试,试验设计方案与试验结果如下表4所示:
在方差分析表中,模型总效果均显著,实验数据无失拟,如图2和3结合表4可以得出显示三因子效果显著,因此,模型总体回归效果可显示三因子效果显著,因此,模型总体回归效果可靠。
在结合图4、5、6可以得出通过等值线图和响应优化,
可知在数采周期(毫秒)=1909ms,OPC循环周期(毫秒)=509ms时,预警响应时间最小,为1159ms。
基于IFIX操作软件实现实时报警信息的输出,在IFIX操作软件中针对各工艺工序增加预警子画面,并且建立调度脚本,从数据库中实时获取生产指标的参数信息,并在超过阈值时进行报警的输出。烘丝机外加传感器变的越来越困难,但是复杂机械的控制系统能够提供更加丰富的信号,烘丝机设备设计时就提供了大量的在线数据。通过生产中获取的实时数据,瞬时值进行生产指标预警系统的报警处理。当采集数据在报警阈值范围内,系统不会报警,当采集到的数据超出该阈值范围,系统关键参数指标异常,触发报警系统发出警报,后台运行系统给出处理意见,报警通过颜色,颜色+声音等方式在对应岗位才做界面上显示,若在30s以内报警复位,则相邻岗位停止报警,若30s以内未报警复位,接着进行邻近岗位发散式报警,直至有人30s以内复位解决问题。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (6)
1.一种基于IFIX操作软件的制丝生产指标智能预警系统,其特征在于:所述的智能预警系统采用以下步骤实现:步骤一:生产指标数据预处理;步骤二:建立预警模型;步骤三:预警阈值的确定。
2.根据权利要求1所述的一种基于IFIX操作软件的制丝生产指标智能预警系统,其特征在于:所述的步骤一:生产指标数据预处理,具体方法如下:在生产指标海量数据提取中,通过现有的工艺质量MES采集数据库或者工厂自己的数据采集库,采集近五年来的生产指标数据库,确认车间各检测原件数据传输的稳定性及各检测原件间的数据联系。
3.根据权利要求1所述的一种基于IFIX操作软件的制丝生产指标智能预警系统,其特征在于:所述的步骤二:建立预警模型,在预警界限建立过程中,采用了连续数据趋势比对的控制图特征提取方法,在数据库中预先设定各指标的上限(UCL)、中心线(CL)和下限(LCL)。当数据点满足①数据点没有跳出控制界线②数据点随机排列且没有缺陷,则认为生产数据属于受控状态,数据正常。当数据点在控制界限内有缺陷时,则认定为生产过程存在异常,存在缺陷包括以下几种情况:①数据点在中心线一侧连续出现8次以上;②连续8个以上的数据点上升或下降;③数据点在中心线一侧多次出现(连续12个点中至少有11个点在同一侧,或连续15点中至少有13点、连续18点中至少有15点、连续22点中至少有18点出现在同一侧);④数据点接近控制界限,如连续3个点中至少有2个点落在2倍标准偏差与3倍标准偏差控制界限之间,或连续6点中至少有3点、连续9点中至少有4点落在2倍标准偏差与3倍标准偏差控制界限之间;⑤数据点出现周期性波动。采用调度程序、USER和脚本建立预警判断模型;
脚本建立预警判断模型的建立方法如下:运用调度程序实时调度数据库中的数据结果;在USER中建立变量,将数据库调度出的数据结果赋值在USER变量中;通过脚本编写建立预警模型,对USER变量的数据进行实时比对分析,当数据值超过预警阈值后,触发下一步程序,实现预警模型的输出)。
4.根据权利要求1所述的一种基于IFIX操作软件的制丝生产指标智能预警系统,其特征在于:所述的步骤三:预警阈值的确定,所述的预警阈值的确定包括(1)预警界限的选择,(2)预警响应时间的确定。
5.根据权利要求4所述的一种基于IFIX操作软件的制丝生产指标智能预警系统,其特征在于:所述的(1)预警界限的选择,采用黄金分割法确定最终限值;需要找到一个合适的预警限值,来避免虚假报警和滞后报警的发生,选取叶丝风选”风选后水分cpk,CPK是指工序在一定时间里,处于控制状态(稳定状态)下的实际加工能力,它是工序固有的能力,或者说它是工序保证质量的能力,计算公式CPK=Min[(USL-Mu)/3σ,(Mu-LSL)/3σ])
1)确定cpk的偏差均值;
2)利用黄金分割法确定最终限值;
3)采用2)同样的方法最终确定各项工艺指标的预警限值。
6.根据权利要求4所述的一种基于IFIX操作软件的制丝生产指标智能预警系统,其特征在于:所述的(2)预警响应时间的确定,利用全因子DOE,DOE是指所有因子的所有水平的所有组合都至少进行一次实验,可以估计所有的主效应和所有的各阶交互效应)来实现预警响应时间的确定,预警响应时间的显著原因包括X1数采周期和X2 OPC循环周期,两者之间需要高度匹配,才能使预警响应时间降到最低,这两者之间存在交互作用,以X1数采周期和X2 OPC循环周期为因子进行“两因子两水平”的实验,两因子是指X1数采周期和X2 OPC循环周期,两水平是指各因子的测试水平,指水平低限和水平高限),同时增加三个中心点三个中心点指两因子X1数采周期和X2 OPC循环周期在中值时的三次实验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210076902.8A CN114626668A (zh) | 2022-01-24 | 2022-01-24 | 一种基于ifix操作软件的制丝生产指标智能预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210076902.8A CN114626668A (zh) | 2022-01-24 | 2022-01-24 | 一种基于ifix操作软件的制丝生产指标智能预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114626668A true CN114626668A (zh) | 2022-06-14 |
Family
ID=81898271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210076902.8A Pending CN114626668A (zh) | 2022-01-24 | 2022-01-24 | 一种基于ifix操作软件的制丝生产指标智能预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114626668A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115619262A (zh) * | 2022-10-11 | 2023-01-17 | 联宝(合肥)电子科技有限公司 | 质量监控方法、装置及电子设备 |
-
2022
- 2022-01-24 CN CN202210076902.8A patent/CN114626668A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115619262A (zh) * | 2022-10-11 | 2023-01-17 | 联宝(合肥)电子科技有限公司 | 质量监控方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114612262B (zh) | 一种智能制造工业物联网系统及控制方法 | |
CN103345209B (zh) | 生产监控方法及系统 | |
CN104794535B (zh) | 一种基于主导行业的电力需求预测及预警的方法 | |
CN110874674A (zh) | 一种异常检测方法、装置及设备 | |
CN107679089A (zh) | 一种用于电力传感数据的清洗方法、装置和系统 | |
CN116189407B (zh) | 一种基于数据监测的智能预警系统 | |
CN109261724A (zh) | 一种在多品种轧制模式下提高预设定模型精度的方法 | |
CN114626668A (zh) | 一种基于ifix操作软件的制丝生产指标智能预警系统 | |
CN113344133A (zh) | 一种时序行为异常波动检测方法及系统 | |
TW202100900A (zh) | 液態氣體充填之智能化學習機制與自適應調節系統 | |
CN116757371B (zh) | 一种印染生产流程的监测预警方法、系统及介质 | |
Saad et al. | Data analytics-based anomaly detection in smart distribution network | |
CN111080484A (zh) | 一种配电网异常数据监测方法及装置 | |
CN114970309A (zh) | 一种火电设备状态预警评估方法 | |
CN106325258B (zh) | 一种基于在线监测信息的继电保护装置状态评估方法 | |
Sand et al. | Towards an inline quick reaction system for actuator manufacturing using data mining | |
CN116701846A (zh) | 一种基于无监督学习的水电站调度运行数据清洗方法 | |
CN115378136A (zh) | 一种电网二次设备安全风险智能预警方法及预警装置 | |
SHERBAF et al. | Multi-objective economic-statistical design of cumulative count of conforming control chart | |
CN111199419B (zh) | 股票异常交易的识别方法及系统 | |
CN112099438B (zh) | 一种基于电流信号的机床节能控制方法及装置 | |
CN114596162A (zh) | 一种智慧型碳交易服务管理系统及方法 | |
CN114338458A (zh) | 数据安全检测方法及装置 | |
CN113869502A (zh) | 一种基于深度神经网络的螺栓拧紧失效原因分析方法 | |
CN113986892A (zh) | 一种火电机组煤耗预测、数据清洗方法及系统 |
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 |