CN114637268A - 一种基于人工智能的工业生产控制方法、系统及云平台 - Google Patents
一种基于人工智能的工业生产控制方法、系统及云平台 Download PDFInfo
- Publication number
- CN114637268A CN114637268A CN202210321196.9A CN202210321196A CN114637268A CN 114637268 A CN114637268 A CN 114637268A CN 202210321196 A CN202210321196 A CN 202210321196A CN 114637268 A CN114637268 A CN 114637268A
- Authority
- CN
- China
- Prior art keywords
- item
- production line
- line task
- task item
- determining
- 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
- 238000009776 industrial production Methods 0.000 title claims abstract description 134
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 34
- 238000004519 manufacturing process Methods 0.000 claims abstract description 336
- 238000011217 control strategy Methods 0.000 claims abstract description 67
- 238000010801 machine learning Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
-
- 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)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供的一种基于人工智能的工业生产控制方法、系统及云平台,首先通过目标运行状态日志确定待控制第一运行状态数据集的第一产线任务事项的事项特征,再通过第一产线任务事项中的历史产线任务事项的事项特征更新第二产线任务事项的事项特征。经过产线任务事项更新,获得的产线任务事项的事项特征更为丰富,由此,相比于仅通过第一产线任务事项的事项特征进行控制策略生成得到的目标控制策略而言,依据所述第一产线任务事项的事项特征和所述第二产线任务事项的事项特征进行控制策略生成所得到的目标控制策略的准确性和可靠性更佳。
Description
技术领域
本申请涉及人工智能技术领域,特别涉及一种基于人工智能的工业生产控制方法、系统及云平台。
背景技术
人工智能发展进入新阶段。经过60多年的发展演进,特别是在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下,人工智能加速发展,呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进,正在引发链式突破,推动经济社会各领域从数字化、网络化向智能化加速跃升。目前,工业控制系统已在各个工业生产加工企业广泛应用。工业生产工业控制系统是由各种自动化控制组件、数据采集与监控组件、网络通信组件共同构成。其组件主要包括:IO通信模块、分布式控制系统(DCS)、可编程逻辑控制器(PLC)、数据采集与监控系统(SCADA)、工业网络交换机、工业控制计算机、服务器系统构成。随着网络通信技术和信息技术的发展,工业控制系统的安全事件呈逐年上升趋势,给工业企业生产带来巨大影响。工业控制系统安全性现已成为保障生产正常运行的重要考量指标。2016年,工业和信息化部印发《工业控制系统信息安全防护指南》,用于指导工业企业提升工业控制系统信息安全防护水平,保障工业控制系统安全。现如今,工业自动化人工智能时代的来临使得机器自动化成功与工业生产技术结合,取代以往手工生产的步骤,这样一来能够提高工业生产效率,即便如此,自动化人工智能工业生产仍然存在部分缺陷。比如针对工业生产过程中工业生产设备复杂度越来越大的生产线,如何实现对工业生产设备的精准可靠控制以保障工业控制系统安全是当下需要改善的技术问题。
发明内容
为改善相关技术中存在的技术问题,本申请提供了一种基于人工智能的工业生产控制方法、系统及云平台。
第一方面,本申请实施例提供一种基于人工智能的工业生产控制方法,所述方法包括:通过待控制工业生产设备的目标运行状态日志,确定所述待控制工业生产设备对应的第一运行状态数据集的第一产线任务事项的事项特征,所述目标运行状态日志中涵盖所述第一运行状态数据集;依据所述第一产线任务事项中的历史产线任务事项的事项特征,确定需进行更新的第二产线任务事项的事项特征;依据所述第一产线任务事项的事项特征和所述第二产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成,得到所述待控制工业生产设备的目标控制策略。
本申请实施例首先通过待控制工业生产设备的目标运行状态日志确定待控制工业生产设备对应的第一运行状态数据集的第一产线任务事项的事项特征,再通过第一产线任务事项中的历史产线任务事项的事项特征更新第二产线任务事项的事项特征。经过产线任务事项更新,获得的产线任务事项的事项特征更为丰富,由此,相比于仅通过第一产线任务事项的事项特征进行控制策略生成得到的目标控制策略而言,依据所述第一产线任务事项的事项特征和所述第二产线任务事项的事项特征进行控制策略生成所得到的目标控制策略的准确性和可靠性更佳。
在一些可能的实施例中,所述第一产线任务事项中包括一个历史产线任务事项;所述依据所述第一产线任务事项中的历史产线任务事项的事项特征,确定需进行更新的第二产线任务事项的事项特征,包括:确定所述第二产线任务事项与所述历史产线任务事项之间的第一量化事项差异识别结果;依据所述第一量化事项差异识别结果以及所述历史产线任务事项的事项特征确定所述第二产线任务事项的事项特征。本申请实施例仅通过一个历史产线任务事项便可以对第二产线任务事项的事项特征进行更新,如此能够降低更新难度而且方便实现,进而能够降低控制策略生成的难度,同时能够提高控制策略生成效率。
在一些可能的实施例中,所述第一产线任务事项的数量不小于2;所述第一产线任务事项中包括两个历史产线任务事项;所述依据所述第一产线任务事项中的历史产线任务事项的事项特征,确定需进行更新的第二产线任务事项的事项特征,包括:确定两个所述历史产线任务事项之间的第一量化事项差异;依据所述第一量化事项差异以及事先配置的映射记录,确定所述第二产线任务事项与所述第一产线任务事项中的目标产线任务事项之间的第二量化事项差异,所述映射记录用于反映所述第一量化事项差异与所述第二量化事项差异之间的对应情况;所述目标产线任务事项为两个所述历史产线任务事项中的其中一个产线任务事项,或者所述目标产线任务事项为所述第一产线任务事项中除所述历史产线任务事项之外的剩余产线任务事项;依据所述第二量化事项差异以及所述目标产线任务事项的事项特征确定所述第二产线任务事项的事项特征。
本申请实施例将第一量化事项差异与所述第二量化事项差异之间的对应情况作为映射记录来对两个历史产线任务事项之间的第一量化事项差异进行映射,得到第二产线任务事项与目标产线任务事项之间的第二量化事项差异,由于待控制工业生产设备的各产线任务事项之间的量化事项差异的对应情况的调整力度相对较少,因此,结合以上方法能够准确地确定第二量化事项差异,进而能够准确地确定第二产线任务事项的事项特征,提高控制策略生成的准确度。
在一些可能的实施例中,所述方法还包括:确定两个所述历史产线任务事项之间的第二量化事项差异识别结果;确定所述第二产线任务事项与所述目标产线任务事项之间的第三量化事项差异识别结果;依据所述第二量化事项差异识别结果与所述第三量化事项差异识别结果之间的对应情况确定所述映射记录。本申请实施例通过第二量化事项差异识别结果与第三量化事项差异识别结果之间的对应情况能够得到相对较准确的映射记录,从而进一步能够提高第二产线任务事项的事项特征的准确度。
在一些可能的实施例中,所述第二量化事项差异识别结果通过多个范例工业生产设备中每个范例工业生产设备的两个第一范例产线任务事项之间的量化事项差异确定;两个所述第一范例产线任务事项与两个所述历史产线任务事项逐一匹配;所述第三量化事项差异识别结果依据所述每个范例工业生产设备的第二范例产线任务事项与第三范例产线任务事项之间的量化事项差异确定;所述第二范例产线任务事项与所述第二产线任务事项相匹配,所述第三范例产线任务事项与所述目标产线任务事项相匹配。
在一些可能的实施例中,所述历史产线任务事项包括第一历史产线任务事项和第二历史产线任务事项,所述第二产线任务事项的事项特征涵盖所述第二产线任务事项在第一生产需求标签下的事项特征和所述第二产线任务事项在第二生产需求标签下的事项特征;所述依据所述第一产线任务事项中的历史产线任务事项的事项特征,确定需进行更新的第二产线任务事项的事项特征,包括:依据所述第一历史产线任务事项的事项特征确定所述第二产线任务事项在第一生产需求标签下的事项特征;依据所述第二历史产线任务事项的事项特征确定所述第二产线任务事项在第二生产需求标签下的事项特征。通过在两个生产需求标签下分别确定第二产线任务事项的事项特征,能够进一步提高第二产线任务事项的事项特征的准确度,从而提高控制策略生成的准确度。
在一些可能的实施例中,所述方法还包括:依据所述第二产线任务事项的事项特征以及需进行更新的第三产线任务事项与所述第二产线任务事项之间的量化事项差异确定所述第三产线任务事项的事项特征;所述依据所述第一产线任务事项的事项特征和所述第二产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成,包括:依据所述第一产线任务事项的事项特征、所述第二产线任务事项的事项特征和所述第三产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成。在得到第二产线任务事项的事项特征之后,可以以第二产线任务事项的事项特征为基础确定第三产线任务事项的事项特征,从而对更多的产线任务事项进行更新,进一步提高了目标控制策略的准确性和可靠性。
在一些可能的实施例中,所述依据所述第一产线任务事项中的历史产线任务事项的事项特征,确定需进行更新的第二产线任务事项的事项特征,包括:将产线任务事项的事项特征加载到已完成调试的机器学习模型,所述产线任务事项的事项特征涵盖所述历史产线任务事项的事项特征以及所述第二产线任务事项的事项特征的基础描述值,一个产线任务事项的事项特征涵盖所述产线任务事项的分布信息和权重信息,所述第二产线任务事项的权重信息的基础描述值小于指定的权重判定值;确定所述机器学习模型依据所述历史产线任务事项的事项特征导出的所述第二产线任务事项的事项特征。如此,通过机器学习模型能够实现对产线任务事项的智能化更新,并且机器学习模型在进行产线任务事项更新的过程中结合了产线任务事项的权重,进而能够快速确定哪一部分产线任务事项是需要更新的产线任务事项。
在一些可能的实施例中,所述方法还包括:在确定所述机器学习模型依据所述历史产线任务事项的事项特征导出的所述第二产线任务事项的事项特征之后,将所述第二产线任务事项的权重信息调整为大于所述权重判定值的量化值;所述依据所述第一产线任务事项的事项特征、所述第二产线任务事项的事项特征和所述第三产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成,包括:依据所述第一产线任务事项的事项特征、权重大于所述权重判定值的第二产线任务事项的事项特征和所述第三产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成。通过二次设置更新后的第二产线任务事项的权重,能够自动将更新后的第二产线任务事项的事项特征作为已知事项特征来对第三产线任务事项进行更新,进而能够实现无需手动更新。
在一些可能的实施例中,所述依据所述第一产线任务事项的事项特征和所述第二产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成,包括:依据所述目标运行状态日志确定所述待控制工业生产设备的基础调整变量以及基础操作变量,所述基础调整变量用于反映所述待控制工业生产设备的类别,所述基础操作变量用于反映所述待控制工业生产设备实施的指令;依据所述目标运行状态日志中的待控制工业生产设备与所述待控制工业生产设备的目标控制策略之间的比较结果、所述第一产线任务事项的事项特征以及所述第二产线任务事项的事项特征,对所述基础调整变量和所述基础操作变量进行修正,得到修正调整变量和修正操作变量;通过修正调整变量和修正操作变量对所述待控制工业生产设备进行控制策略生成。通过本申请实施例的思路,能够获得相对较准确的修正调整变量和修正操作变量,从而提高控制策略生成的准确度。
在一些可能的实施例中,所述方法还包括:依据所述目标运行状态日志确定所述待控制工业生产设备的第一产品反馈内容;依据所述基础调整变量和基础操作变量对所述待控制工业生产设备进行控制策略生成,得到所述待控制工业生产设备的基础目标控制策略,并依据所述基础目标控制策略确定所述待控制工业生产设备的第二产品反馈内容;依据所述第一产品反馈内容与所述第二产品反馈内容,确定所述目标运行状态日志中的待控制工业生产设备与所述待控制工业生产设备的目标控制策略之间的比较结果。
在一些可能的实施例中,所述方法还包括:依据所述待控制工业生产设备的目标控制策略对所述待控制工业生产设备进行响应检测和/或前置故障分析;和/或通过确定的历史响应集对所述待控制工业生产设备的目标控制策略进行故障预警操作。
第二方面,本申请实施例提供一种基于人工智能的工业生产控制系统,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述所述的方法。
第三方面,本申请实施例提供一种工业生产设备,所述工业生产设备用于接上述所述的目标控制策略,并根据所述目标控制策略对当前运行状态进行调整。
第四方面,本申请实施例提供一种云平台,所述云平台包括存储有程序的可读存储介质,以执行所述的方法。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并于说明书一起用于解释本申请的原理。
图1是本申请实施例提供的一种基于人工智能的工业生产控制系统的硬件结构示意图。
图2是本申请实施例提供的一种基于人工智能的工业生产控制方法的流程示意图。
图3是本申请实施例提供的一种基于人工智能的工业生产控制方法的应用环境的通信架构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例所提供的方法实施例可以在基于人工智能的工业生产控制系统、计算机设备或者类似的运算装置中执行。以运行在基于人工智能的工业生产控制系统上为例,图1是本申请实施例的实施一种基于人工智能的工业生产控制方法的基于人工智能的工业生产控制系统的硬件结构框图。如图1所示,基于人工智能的工业生产控制系统10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述基于人工智能的工业生产控制系统还可以包括用于通信功能的传输装置106。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述基于人工智能的工业生产控制系统的结构造成限定。例如,基于人工智能的工业生产控制系统10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本申请实施例中的一种基于人工智能的工业生产控制方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至基于人工智能的工业生产控制系统10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括基于人工智能的工业生产控制系统10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
基于此,请参阅图2,图2是本发明实施例所提供的一种基于人工智能的工业生产控制方法的流程示意图,该方法应用于基于人工智能的工业生产控制系统,该方法至少可以包括以下步骤11-步骤13所记录的技术方案。
步骤11、通过待控制工业生产设备的目标运行状态日志,确定所述待控制工业生产设备对应的第一运行状态数据集的第一产线任务事项的事项特征,所述目标运行状态日志中涵盖所述第一运行状态数据集。
在本申请实施例中,待控制工业生产设备可以理解为需要进行控制的工业生产设备。待控制工业生产设备的目标运行状态日志可以理解为待控制工业生产设备在运行过程中所产生的状态记录。其中,运行状态日志可以通过文本或者图像等形式进行记录。可以理解,产线任务事项的事项特征可以理解为待控制工业生产设备在运行过程中的运行状态信息中的关键事项的事项信息,其表现形式可以是特征向量或者特征图。第一运行状态数据集可以为目标运行状态日志中的至少部分。
步骤12、依据所述第一产线任务事项中的历史产线任务事项的事项特征,确定需进行更新的第二产线任务事项的事项特征。
在本申请实施例中,历史产线任务事项可以理解为参考产线任务事项。第一产线任务事项和第二产线任务事项主要用于区分产线任务事项。
在一种可能的技术方案中,所述第一产线任务事项中包括一个历史产线任务事项。基于此,步骤12所记录的依据所述第一产线任务事项中的历史产线任务事项的事项特征,确定需进行更新的第二产线任务事项的事项特征,具体可以通过如下步骤121和步骤122所记录的内容进行说明。
步骤121、确定所述第二产线任务事项与所述历史产线任务事项之间的第一量化事项差异识别结果。
步骤122、依据所述第一量化事项差异识别结果以及所述历史产线任务事项的事项特征确定所述第二产线任务事项的事项特征。
在本申请实施例中, 量化事项差异识别结果可以理解为第二产线任务事项与所述历史产线任务事项之间的事项偏差识别值(比如差异估计值)。如此一来,只通过一个历史产线任务事项便可以对第二产线任务事项的事项特征进行更新,如此能够降低更新难度而且方便实现,进而能够降低控制策略生成的难度,同时能够提高控制策略生成效率。
在一种可能的技术方案中,所述第一产线任务事项的数量不小于2;所述第一产线任务事项中包括两个历史产线任务事项。基于此,步骤12所记录的依据所述第一产线任务事项中的历史产线任务事项的事项特征,确定需进行更新的第二产线任务事项的事项特征,具体还可以通过如下步骤123-步骤125所记录的内容进行说明。
步骤123、确定两个所述历史产线任务事项之间的第一量化事项差异。
步骤124、依据所述第一量化事项差异以及事先配置的映射记录,确定所述第二产线任务事项与所述第一产线任务事项中的目标产线任务事项之间的第二量化事项差异,所述映射记录用于反映所述第一量化事项差异与所述第二量化事项差异之间的对应情况;所述目标产线任务事项为两个所述历史产线任务事项中的其中一个产线任务事项,或者所述目标产线任务事项为所述第一产线任务事项中除所述历史产线任务事项之外的剩余产线任务事项。
例如,映射记录还可以理解为数值层面的关系。
步骤125、依据所述第二量化事项差异以及所述目标产线任务事项的事项特征确定所述第二产线任务事项的事项特征。
在实施步骤123-步骤125时,结合以上方法能够准确地确定第二量化事项差异,进而能够准确地确定第二产线任务事项的事项特征,提高控制策略生成的准确度。
在一种可能的技术方案中,在上述描述内容的基础上,该方法还可以包括步骤21-步骤23所记录的技术方案。
步骤21、确定两个所述历史产线任务事项之间的第二量化事项差异识别结果。
步骤22、确定所述第二产线任务事项与所述目标产线任务事项之间的第三量化事项差异识别结果。
步骤23、依据所述第二量化事项差异识别结果与所述第三量化事项差异识别结果之间的对应情况确定所述映射记录。
在本申请实施例中,所述第二量化事项差异识别结果通过多个范例工业生产设备中每个范例工业生产设备的两个第一范例产线任务事项之间的量化事项差异确定;两个所述第一范例产线任务事项与两个所述历史产线任务事项逐一匹配;所述第三量化事项差异识别结果依据所述每个范例工业生产设备的第二范例产线任务事项与第三范例产线任务事项之间的量化事项差异确定;所述第二范例产线任务事项与所述第二产线任务事项相匹配,所述第三范例产线任务事项与所述目标产线任务事项相匹配。如此一来,通过第二量化事项差异识别结果与第三量化事项差异识别结果之间的对应情况能够得到相对较准确的映射记录,从而进一步能够提高第二产线任务事项的事项特征的准确度。
在一种可能的技术方案中,所述历史产线任务事项包括第一历史产线任务事项和第二历史产线任务事项,所述第二产线任务事项的事项特征涵盖所述第二产线任务事项在第一生产需求标签下的事项特征和所述第二产线任务事项在第二生产需求标签下的事项特征。基于此,步骤12所记录的依据所述第一产线任务事项中的历史产线任务事项的事项特征,确定需进行更新的第二产线任务事项的事项特征,具体还可以通过如下步骤126所记录的内容进行说明。
步骤126、依据所述第一历史产线任务事项的事项特征确定所述第二产线任务事项在第一生产需求标签下的事项特征;依据所述第二历史产线任务事项的事项特征确定所述第二产线任务事项在第二生产需求标签下的事项特征。
举例而言,不同的生产需求标签可以对应不同的生产状态或者生产任务,比如针对图像的位置选择,线条粗细选择等。
如此一来,通过在两个生产需求标签下分别确定第二产线任务事项的事项特征,能够进一步提高第二产线任务事项的事项特征的准确度,从而提高控制策略生成的准确度。
步骤13、依据所述第一产线任务事项的事项特征和所述第二产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成,得到所述待控制工业生产设备的目标控制策略。
在本申请实施例中,目标控制策略可以理解为对待控制工业生产设备进行控制的一些列指令。比如:对待控制工业生产设备进行启停时段控制、图形绘制控制、故障检修控制等。
在一种可能的技术方案中,在上述内容的基础上,该方法还可以包括如下内容:依据所述第二产线任务事项的事项特征以及需进行更新的第三产线任务事项与所述第二产线任务事项之间的量化事项差异确定所述第三产线任务事项的事项特征。基于此,步骤13所记录的依据所述第一产线任务事项的事项特征和所述第二产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成,具体可以包括如下内容:依据所述第一产线任务事项的事项特征、所述第二产线任务事项的事项特征和所述第三产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成。
如此一来,在得到第二产线任务事项的事项特征之后,可以以第二产线任务事项的事项特征为基础确定第三产线任务事项的事项特征,从而对更多的产线任务事项进行更新,进一步提高了目标控制策略的准确性和可靠性。
在控制策略生成的基础上,步骤12所记录的依据所述第一产线任务事项中的历史产线任务事项的事项特征,确定需进行更新的第二产线任务事项的事项特征,具体还可以包括步骤127和步骤128。
步骤127、将产线任务事项的事项特征加载到已完成调试的机器学习模型,所述产线任务事项的事项特征涵盖所述历史产线任务事项的事项特征以及所述第二产线任务事项的事项特征的基础描述值,一个产线任务事项的事项特征涵盖所述产线任务事项的分布信息和权重信息,所述第二产线任务事项的权重信息的基础描述值小于指定的权重判定值。
例如,分布信息和权重信息分别对应位置数据和置信度数据。
步骤128、确定所述机器学习模型依据所述历史产线任务事项的事项特征导出的所述第二产线任务事项的事项特征。
如此一来,通过机器学习模型能够实现对产线任务事项的智能化更新,并且机器学习模型在进行产线任务事项更新的过程中结合了产线任务事项的权重,进而能够自动确定哪一部分产线任务事项是需要更新的产线任务事项。
在一种可能的技术方案中,该方法还可以包括:在确定所述机器学习模型依据所述历史产线任务事项的事项特征导出的所述第二产线任务事项的事项特征之后,将所述第二产线任务事项的权重信息调整为大于所述权重判定值的量化值。基于此,上述所描述的依据所述第一产线任务事项的事项特征、所述第二产线任务事项的事项特征和所述第三产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成,具体可以包括:依据所述第一产线任务事项的事项特征、权重大于所述权重判定值的第二产线任务事项的事项特征和所述第三产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成。如此,通过二次设置更新后的第二产线任务事项的权重,能够自动将更新后的第二产线任务事项的事项特征作为已知事项特征来对第三产线任务事项进行更新,进而能够实现无需手动更新。
在一种可能的技术方案中,步骤13所记录的依据所述第一产线任务事项的事项特征和所述第二产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成,具体还可以包括如下内容。
步骤131、依据所述目标运行状态日志确定所述待控制工业生产设备的基础调整变量以及基础操作变量,所述基础调整变量用于反映所述待控制工业生产设备的类别,所述基础操作变量用于反映所述待控制工业生产设备实施的指令。
步骤132、依据所述目标运行状态日志中的待控制工业生产设备与所述待控制工业生产设备的目标控制策略之间的比较结果、所述第一产线任务事项的事项特征以及所述第二产线任务事项的事项特征,对所述基础调整变量和所述基础操作变量进行修正,得到修正调整变量和修正操作变量。
步骤133、通过修正调整变量和修正操作变量对所述待控制工业生产设备进行控制策略生成。
在本申请实施例中,待控制工业生产设备的基础调整变量可以理解为待控制工业生产设备的初始配置参数。待控制工业生产设备的基础操作变量可以理解为初始运行参数。如此一来,能够获得相对较准确的修正调整变量和修正操作变量,从而提高控制策略生成的准确度。
在一种可能的技术方案中,所述方法具体还可以包括步骤31-步骤33所记录的技术方案。
步骤31、依据所述目标运行状态日志确定所述待控制工业生产设备的第一产品反馈内容。
步骤32、依据所述基础调整变量和基础操作变量对所述待控制工业生产设备进行控制策略生成,得到所述待控制工业生产设备的基础目标控制策略,并依据所述基础目标控制策略确定所述待控制工业生产设备的第二产品反馈内容。
步骤33、依据所述第一产品反馈内容与所述第二产品反馈内容,确定所述目标运行状态日志中的待控制工业生产设备与所述待控制工业生产设备的目标控制策略之间的比较结果。
在本申请实施例中,第一产品反馈内容可以理解为待控制工业生产设备输出产品之后的用户反馈信息。
在一种可能的技术方案中,所述方法具体还可以包括如下内容:依据所述待控制工业生产设备的目标控制策略对所述待控制工业生产设备进行响应检测和/或前置故障分析;和/或通过确定的历史响应集对所述待控制工业生产设备的目标控制策略进行故障预警操作。
如此,通过目标控制策略对待控制工业生产设备进行分析,能够提高对待控制工业生产设备进行分析的准确性,进而能够避免后续任务处理过程中出现误差。
基于上述相同或相似的发明构思,还提供了一种基于人工智能的工业生产控制方法的应用环境30的架构示意图,包括互相之间通信的基于人工智能的工业生产控制系统10和工业生产设备20,基于人工智能的工业生产控制系统10和工业生产设备20在运行时实现或者部分实现上述方法实施例所描述的技术方案。
进一步地,还提供了一种工业生产设备,所述工业生产设备用于接收上述所述的目标控制策略,并根据所述目标控制策略对当前运行状态进行调整。
进一步地,还提供了一种云平台,所述云平台包括存储有程序的可读存储介质,以执行所述的方法。
在本申请实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,媒体业务服务器10,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于人工智能的工业生产控制方法,其特征在于,应用于基于人工智能的工业生产控制系统,所述方法至少包括:
通过待控制工业生产设备的目标运行状态日志,确定所述待控制工业生产设备对应的第一运行状态数据集的第一产线任务事项的事项特征,所述目标运行状态日志中涵盖所述第一运行状态数据集;
依据所述第一产线任务事项中的历史产线任务事项的事项特征,确定需进行更新的第二产线任务事项的事项特征;
依据所述第一产线任务事项的事项特征和所述第二产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成,得到所述待控制工业生产设备的目标控制策略。
2.根据权利要求2所述的方法,其特征在于,所述所述第一产线任务事项中包括一个历史产线任务事项;所述依据所述第一产线任务事项中的历史产线任务事项的事项特征,确定需进行更新的第二产线任务事项的事项特征,包括:
确定所述第二产线任务事项与所述历史产线任务事项之间的第一量化事项差异识别结果;
依据所述第一量化事项差异识别结果以及所述历史产线任务事项的事项特征确定所述第二产线任务事项的事项特征。
3.根据权利要求1所述的方法,其特征在于,所述第一产线任务事项的数量不小于2;所述第一产线任务事项中包括两个历史产线任务事项;所述依据所述第一产线任务事项中的历史产线任务事项的事项特征,确定需进行更新的第二产线任务事项的事项特征,包括:
确定两个所述历史产线任务事项之间的第一量化事项差异;
依据所述第一量化事项差异以及事先配置的映射记录,确定所述第二产线任务事项与所述第一产线任务事项中的目标产线任务事项之间的第二量化事项差异,所述映射记录用于反映所述第一量化事项差异与所述第二量化事项差异之间的对应情况;所述目标产线任务事项为两个所述历史产线任务事项中的其中一个产线任务事项,或者所述目标产线任务事项为所述第一产线任务事项中除所述历史产线任务事项之外的剩余产线任务事项;
依据所述第二量化事项差异以及所述目标产线任务事项的事项特征确定所述第二产线任务事项的事项特征。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
确定两个所述历史产线任务事项之间的第二量化事项差异识别结果;
确定所述第二产线任务事项与所述目标产线任务事项之间的第三量化事项差异识别结果;
依据所述第二量化事项差异识别结果与所述第三量化事项差异识别结果之间的对应情况确定所述映射记录;
其中,所述第二量化事项差异识别结果通过多个范例工业生产设备中每个范例工业生产设备的两个第一范例产线任务事项之间的量化事项差异确定;两个所述第一范例产线任务事项与两个所述历史产线任务事项逐一匹配;所述第三量化事项差异识别结果依据所述每个范例工业生产设备的第二范例产线任务事项与第三范例产线任务事项之间的量化事项差异确定;所述第二范例产线任务事项与所述第二产线任务事项相匹配,所述第三范例产线任务事项与所述目标产线任务事项相匹配。
5.根据权利要求1所述的方法,其特征在于,所述历史产线任务事项包括第一历史产线任务事项和第二历史产线任务事项,所述第二产线任务事项的事项特征涵盖所述第二产线任务事项在第一生产需求标签下的事项特征和所述第二产线任务事项在第二生产需求标签下的事项特征;
所述依据所述第一产线任务事项中的历史产线任务事项的事项特征,确定需进行更新的第二产线任务事项的事项特征,包括:依据所述第一历史产线任务事项的事项特征确定所述第二产线任务事项在第一生产需求标签下的事项特征;依据所述第二历史产线任务事项的事项特征确定所述第二产线任务事项在第二生产需求标签下的事项特征。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:依据所述第二产线任务事项的事项特征以及需进行更新的第三产线任务事项与所述第二产线任务事项之间的量化事项差异确定所述第三产线任务事项的事项特征;
所述依据所述第一产线任务事项的事项特征和所述第二产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成,包括:依据所述第一产线任务事项的事项特征、所述第二产线任务事项的事项特征和所述第三产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成;
其中,依据所述第一产线任务事项中的历史产线任务事项的事项特征,确定需进行更新的第二产线任务事项的事项特征,包括:将产线任务事项的事项特征加载到已完成调试的机器学习模型,所述产线任务事项的事项特征涵盖所述历史产线任务事项的事项特征以及所述第二产线任务事项的事项特征的基础描述值,一个产线任务事项的事项特征涵盖所述产线任务事项的分布信息和权重信息,所述第二产线任务事项的权重信息的基础描述值小于指定的权重判定值;确定所述机器学习模型依据所述历史产线任务事项的事项特征导出的所述第二产线任务事项的事项特征。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:在确定所述机器学习模型依据所述历史产线任务事项的事项特征导出的所述第二产线任务事项的事项特征之后,将所述第二产线任务事项的权重信息调整为大于所述权重判定值的量化值;
所述依据所述第一产线任务事项的事项特征、所述第二产线任务事项的事项特征和所述第三产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成,包括:依据所述第一产线任务事项的事项特征、权重大于所述权重判定值的第二产线任务事项的事项特征和所述第三产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成。
8.根据权利要求1所述的方法,其特征在于,所述依据所述第一产线任务事项的事项特征和所述第二产线任务事项的事项特征,对所述待控制工业生产设备进行控制策略生成,包括:
依据所述目标运行状态日志确定所述待控制工业生产设备的基础调整变量以及基础操作变量,所述基础调整变量用于反映所述待控制工业生产设备的类别,所述基础操作变量用于反映所述待控制工业生产设备实施的指令;
依据所述目标运行状态日志中的待控制工业生产设备与所述待控制工业生产设备的目标控制策略之间的比较结果、所述第一产线任务事项的事项特征以及所述第二产线任务事项的事项特征,对所述基础调整变量和所述基础操作变量进行修正,得到修正调整变量和修正操作变量;
通过修正调整变量和修正操作变量对所述待控制工业生产设备进行控制策略生成;
其中,所述方法还包括:依据所述目标运行状态日志确定所述待控制工业生产设备的第一产品反馈内容;依据所述基础调整变量和基础操作变量对所述待控制工业生产设备进行控制策略生成,得到所述待控制工业生产设备的基础目标控制策略,并依据所述基础目标控制策略确定所述待控制工业生产设备的第二产品反馈内容;依据所述第一产品反馈内容与所述第二产品反馈内容,确定所述目标运行状态日志中的待控制工业生产设备与所述待控制工业生产设备的目标控制策略之间的比较结果;
其中,所述方法还包括:依据所述待控制工业生产设备的目标控制策略对所述待控制工业生产设备进行响应检测和/或前置故障分析;和/或通过确定的历史响应集对所述待控制工业生产设备的目标控制策略进行故障预警操作。
9.一种基于人工智能的工业生产控制系统,其特征在于,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述权利要求1-8任一项所述的方法。
10.一种云平台,其特征在于,所述云平台包括存储有程序的可读存储介质,以执行权利要求1中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210321196.9A CN114637268A (zh) | 2022-03-30 | 2022-03-30 | 一种基于人工智能的工业生产控制方法、系统及云平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210321196.9A CN114637268A (zh) | 2022-03-30 | 2022-03-30 | 一种基于人工智能的工业生产控制方法、系统及云平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114637268A true CN114637268A (zh) | 2022-06-17 |
Family
ID=81952462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210321196.9A Pending CN114637268A (zh) | 2022-03-30 | 2022-03-30 | 一种基于人工智能的工业生产控制方法、系统及云平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114637268A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116009465A (zh) * | 2022-09-08 | 2023-04-25 | 上海繁易信息科技股份有限公司 | 分布式数据采集方法及相关装置 |
CN116797008A (zh) * | 2023-07-05 | 2023-09-22 | 广州爱齐福珠宝有限公司 | 基于人工智能的珠宝生产控制方法及系统 |
-
2022
- 2022-03-30 CN CN202210321196.9A patent/CN114637268A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116009465A (zh) * | 2022-09-08 | 2023-04-25 | 上海繁易信息科技股份有限公司 | 分布式数据采集方法及相关装置 |
CN116009465B (zh) * | 2022-09-08 | 2024-01-30 | 上海繁易信息科技股份有限公司 | 分布式数据采集方法及相关装置 |
CN116797008A (zh) * | 2023-07-05 | 2023-09-22 | 广州爱齐福珠宝有限公司 | 基于人工智能的珠宝生产控制方法及系统 |
CN116797008B (zh) * | 2023-07-05 | 2024-05-24 | 广州爱齐福珠宝有限公司 | 基于人工智能的珠宝生产控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114637268A (zh) | 一种基于人工智能的工业生产控制方法、系统及云平台 | |
US20170351226A1 (en) | Industrial machine diagnosis and maintenance using a cloud platform | |
Veneri et al. | Hands-on industrial Internet of Things: create a powerful industrial IoT infrastructure using industry 4.0 | |
US7590541B2 (en) | HMI presentation layer configuration system | |
CN105830417B (zh) | 用于替换和调试现场设备的方法和系统 | |
Schütz et al. | Development of PLC-based software for increasing the dependability of production automation systems | |
KR101825881B1 (ko) | 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템 | |
Ćwikła | Methods of manufacturing data acquisition for production management-a review | |
US9973346B2 (en) | Apparatus and method for using a distributed systems architecture (DSA) in an internet of things (IOT) edge appliance | |
CN110062918B (zh) | 在云端网关中进行软件更新的方法、执行该方法的计算机程序和实施该方法的处理单元 | |
KR102229859B1 (ko) | 기계 학습 및 전이 학습을 이용한 공정 관리 방법, 장치 및 시스템 | |
CN111026409A (zh) | 一种自动监控方法、装置、终端设备及计算机存储介质 | |
US20220334572A1 (en) | Method for Generating a Digital Twin of a System or Device | |
CN111630475B (zh) | 控制机器人的方法、服务器、存储介质及云服务平台 | |
CN109885582A (zh) | 管理无人驾驶数据的方法、装置及系统 | |
EP3413149B1 (en) | Field device commissioning system and field device commissioning method | |
CN111932226A (zh) | 基于区块链和大数据的数据流监测方法及云计算服务平台 | |
CN117451115B (zh) | 一种用于分拣输送系统的实时状态监测方法 | |
US10747207B2 (en) | System and method for accurate automatic determination of “alarm-operator action” linkage for operator assessment and alarm guidance using custom graphics and control charts | |
KR102317935B1 (ko) | 이원화 폐순환 데이터 분석 시스템 | |
CN112529218A (zh) | 一种基于关联分析的建筑物安全检测方法及系统 | |
US20210278960A1 (en) | Piping and instrumentation diagram extraction to human-machine interface displays | |
Steimers et al. | Sources of risk and design principles of trustworthy artificial intelligence | |
CN114788242A (zh) | 用于监视和/或控制一个或多个化工厂的方法 | |
US10489867B2 (en) | Apparatus and method for deploying analytics |
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 |
Application publication date: 20220617 |
|
RJ01 | Rejection of invention patent application after publication |