CN114967613A - 一种具有多传感器的生产设备状态监测方法和装置 - Google Patents
一种具有多传感器的生产设备状态监测方法和装置 Download PDFInfo
- Publication number
- CN114967613A CN114967613A CN202210515859.0A CN202210515859A CN114967613A CN 114967613 A CN114967613 A CN 114967613A CN 202210515859 A CN202210515859 A CN 202210515859A CN 114967613 A CN114967613 A CN 114967613A
- Authority
- CN
- China
- Prior art keywords
- sensor
- data
- standard deviation
- monitoring
- target
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000012544 monitoring process Methods 0.000 title claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 51
- 230000002159 abnormal effect Effects 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims description 34
- 230000008859 change Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 24
- 238000004364 calculation method Methods 0.000 description 9
- 239000000047 product Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 238000010924 continuous production Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000012847 fine chemical Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013024 troubleshooting Methods 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]
- G05B19/4184—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 fault tolerance, reliability of production 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
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31088—Network communication between supervisor and cell, machine group
-
- 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)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种具有多传感器的生产设备状态监测方法和装置,所述传感器用于测定生产工艺运行参数和生产设备运行状况,通过获取传感器采样数据,判断所述传感器采样数据有效性,有效则进行数据存储否则丢弃该数据;设定工艺参数稳定性置信度并计算传感器数据样本标准差;判断传感器数据样本标准差偏离工艺参数稳定性置信度的情况,若传感器数据样本标准差在稳定性置信度区间内则判定目前生产工艺满足目标要求,否则判定目前生产工艺存在异常。从而实现通过对生产过程中的各传感器数据进行实时监控来准确判断生产设备的生产工艺是否满足相关要求。
Description
技术领域
本发明涉及工业流程控制技术领域,尤其涉及一种具有多传感器的生产设备状态监测方法和装置。
背景技术
流程工业是对生产原材料(气体、液体、粉体介质等)连续生产加工的过程,原材料在进厂后,经过化学、物理、相变等物性变化的生产过程,根据工艺设计和生产要求来生产出各种中间品以及最终产成品。为保证上述生产过程的顺利进行,需要通过各类传感器来实时监测各生产过程。
流程工业,尤其是石油化工、化工、精细化工等行业生产环境是易燃、易爆、高危生产环境,由于是连续性生产过程,每一个生产环节的工艺平稳性和安全性都很重要,若出现生产扰动和事故,将破坏连续生产。所以流程工业对生产操作的稳定性、安全性和生产过程产品的生产质量都有很高要求。为了保证各生产过程的安全平稳进行,对设置在各生产环节的各类传感器数据的监控分析则变成了至关重要的环节。而目前在对生产过程中的各传感器数据进行实时监控时,无法准确判断生产设备的生产工艺是否满足相关要求。
发明内容
本发明针对现有技术中的不足,提供了一种具有多传感器的生产设备状态监测方法,所述传感器用于测定生产工艺运行参数和生产设备运行状况,其包括如下步骤:
S1,获取传感器采样数据,判断所述传感器采样数据有效性,有效则进行数据存储,否则丢弃该数据;
S2,设定工艺参数稳定性置信度,并计算传感器数据样本标准差;
S3,判断传感器数据样本标准差偏离工艺参数稳定性置信度的情况,若传感器数据样本标准差在稳定性置信度区间内则判定目前生产工艺满足目标要求,否则判定目前生产工艺存在异常。
优选的,按照时间记录所述传感器数据样本标准差,形成传感器参数样本标准差趋势线。
优选的,所述步骤S3还包括:
S31,监测目标传感器数据,当设备各传感器无故障且目标传感器在当前时刻标准差或设定时间间隔内的标准差均值超出预设值时,分析同一设备上其余传感器的数据样本标准差;
S32,根据各传感器数据样本标准差筛选与目标传感器相关联的其它传感器位号,生成目标传感器关联列表;
S33,计算目标传感器关联列表中各位号对应的传感器数据样本标准差与目标传感器数据样本标准差的关联系数,并将关联系数存入关联列表中;
S34,在设备运行状态监测各传感器数据,当一传感器的采样数据的变化超出其预设范围时,查询该传感器关联列表中的关联系数大于设定值的对应传感器的数据变化是否也超出其预设范围,若超出则示意所在设备运行出现异常,否则示意该传感器或其对应采集设备故障。
优选的,所述步骤S31具体包括:当目标传感器在当前时刻或设定时间间隔内的标准差均值超过其标准差置信度,则向数据库发送用于查询所在设备上的其它传感器标准差的查询指令,所述查询指令包括所在设备上的其它所有传感器位号、查询时间段或数据个数。
优选的,所述步骤S32具体包括:获取数据库返回的各位号对应的传感器数据样本的标准差,筛选出标准差大于该位号标准差置信度预设比例的传感器位号,添加至目标传感器的关联列表。
优选的,所述步骤S33具体包括:
S332,将各位号对应传感器与目标传感器的第一关联系数ρm存入关联列表中。
优选的,所述步骤S1还包括:在工艺生产稳定且工艺生产数据成正态分布的情况下,按照设定采样周期采集各位号的传感器实时数据;对目标传感器实时数据进行有效性判断,为每个位号设定置信因子η1、η2,置信因子η1、η2的取值范围在0-1之间,采集数据值如果在该数据量程与置信度因子η1、η2乘积之间,则认为该数据为有效数据并存入数据库,否则作为无效数据丢弃。
本发明还公开了一种设备状态监测装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述任一所述方法的步骤。
本发明还公开了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一所述方法的步骤。
本发明公开的具有多传感器的生产设备状态监测方法和装置,利用传感器测定生产工艺运行参数和生产设备运行状况,通过获取传感器采样数据,判断所述传感器采样数据有效性,有效则进行数据存储,否则丢弃该数据;然后设定工艺参数稳定性置信度,并计算传感器数据样本标准差;并判断传感器数据样本标准差偏离工艺参数稳定性置信度的情况,若传感器数据样本标准差在稳定性置信度区间内则判定目前生产工艺满足目标要求,否则判定目前生产工艺存在异常。从而实现通过对生产过程中的各传感器数据进行实时监控来准确判断生产设备的生产工艺是否满足相关要求。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明一实施例公开的具有多传感器的生产设备状态监测方法的步骤示意图。
图2为本发明一实施例公开的步骤S3的具体流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例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的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的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。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,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,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
除非另作定义,此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。同样,“一个”或者“一”等类似词语也不表示数量限制,而是表示存在至少一个。
本实施例公开了一种具有多传感器的生产设备状态监测方法,可以应用于流程工业对生产操作的稳定性等判断,如附图1所示,该方法包括如下步骤:
步骤S1,获取传感器采样数据,判断所述传感器采样数据有效性,有效则进行数据存储,否则丢弃该数据。
在本实施例中,步骤S1对传感器采集数据的有效性进行判断,具体可包括如下步骤。
步骤S11,在工艺生产稳定且工艺生产数据成正态分布的情况下,按照设定采样周期采集各位号的传感器实时数据。
步骤S12,对目标传感器实时数据进行有效性判断,为每个位号设定置信因子η1、η2,置信因子η1、η2的取值范围在0-1之间,采集数据值如果在该数据量程与置信度因子η1、η2乘积之间,则认为该数据为有效数据并存入数据库,否则作为无效数据丢弃。
具体的,在工艺生产是稳定的且工艺生产数据成正态分布的情况下,按照一定的采样周期τ采集实时数据,实时数据存储在数据库,数据库按照位号为实时数据分配空间,所述采样周期τ可以是5s、15s、30s或其他时间,可根据实际现场需求设定。实时数据存入数据库之前,对实时采集数据进行有效性判断,具体判定方法为每个位号设定置信因子η1、η2,置信因子η1、η2的取值范围在0-1之间,例如:η1=30%,η2=70%,采集数据值如果在该数据量程与置信度因子η1、η2乘积之间,则认为该数据为有效数据,存入数据库,否则丢弃。
步骤S2,设定工艺参数稳定性置信度,并计算传感器数据样本标准差。
样本数量决定标准差计算精度,根据实际工艺需求,在指定时间或周期性计算各个位号的样本数据标准差,并将标准差计算结果存入数据库中,用于计算标准差的数据个数可以相同也可以根据不同的传感器进行调整。
通过利用采集位号数据计算单个位号所采集数据的标准差,根据标准差的大小可判断工艺生产操作的平稳性,标准差越大则工艺生产操作的平稳性越低。同时标准差的大小反应了工艺安全生产关键参数区间限制变化的稳定度,当标准差较小时,参数的变化区间较小,标准差较大时,参数的变化区间较大。通过一段时间内的标准差的均值统计可以直观判断该传感器一段时间的稳定性。
步骤S3,判断传感器数据样本标准差偏离工艺参数稳定性置信度的情况,若传感器数据样本标准差在稳定性置信度区间内则判定目前生产工艺满足目标要求,否则判定目前生产工艺存在异常。
其中在该是实施例中,该具有多传感器的生产设备状态监测方法还包括按照时间记录所述传感器数据样本标准差,形成传感器参数样本标准差趋势线。
如附图2所示,在具体实施例中,步骤S3还可具体包括如下内容。
步骤S31,监测目标传感器数据,当设备各传感器无故障且目标传感器在当前时刻标准差或设定时间间隔内的标准差均值超出预设值时,分析同一设备上其余传感器的数据样本标准差。
在本实施例中,所述步骤S31可具体包括:当目标传感器在当前时刻标准差或设定时间间隔内的标准差均值超过其标准差置信度,则向数据库发送用于查询所在设备上的其它传感器标准差的查询指令,所述查询指令包括所在设备上的其它所有传感器的位号、查询时间段或数据个数。在一条生产线上有不同的装置或设备,每个装置或设备上安装有若干传感器,传感器可以测量相同性质的参数,也可以测量不同性质的参数,每个传感器对应采集模块的一个位号。
其中,标准差为其中xi为采样数据,为采样数据的平均值,N为数据个数。具体的,传感器采集数据的标准差可以通过设定的平稳率计算单元计算。该平稳率计算单元的输入端可以包括位号Tag、采样周期τ、样本个数、置信因子η1和η2、以及工艺允许偏差等。所述位号Tag为需要计算平稳率的传感器位号名称,采样周期τ和样本个数可根据位号性质和实际需求设定,例如在具体的工艺生产中,有的参数变化迅速,如流量、压力、转速等,也有的参数变化缓慢,如温度、液位等参数,变化迅速的参数采样周期短,变化缓慢的参数采样周期长,例如采样周期τ可以设定为5s、15s、30s或其他时间。置信因子η1、η2取值范围在0-1之间,其中η1为变化范围的最低值、η2为变化范围的最高值,用于对工艺采样数据进行有效性判断;工艺允许偏差可以为工艺操作手册上允许的偏差指标,也可以为技术人员提出的更高要求的指标。该平稳率计算单元的输出端包括置信度和平稳率。其中置信度可以直接使用工艺偏差数值,也可以通过该平稳率计算单元计算,在本实施例中置信度选用平稳率计算单元来获取。设置位号、样本个数N及工艺允许偏差,则平稳率计算模块随机在工艺允许偏差范围内产生N个随机数,计算N个随机数平方和均值的平方根作为工艺置信度输出,其中N为样本个数。在工艺偏差数值θ输入端有输入数据时,平稳率计算模块在±θ范围内产生N个随机数R1,R2......RN,则工艺偏差置信度为其中R1,R2......RN为工艺偏差范围内的N个随机数。在本实施例中,平稳率为按照采样周期、样本个数及置信因子计算样本的标准差并输出,输出端为标准差,通过该标准差可以计算一段时间内标准差的均值。
步骤S32,根据各传感器数据样本标准差筛选与目标传感器相关联的其它传感器位号,生成目标传感器关联列表。
在自动化生产线上,位号之间的采集数据是相互关联的。当某一位号变化时,会导致其它位号采集数据的变化,因此为每个位号对应设置一个关联列表,关联列表内记录与该位号关联的其它传感器位号及关联度。
在本实施例中,步骤S32具体可包括:获取数据库返回的各位号对应的传感器数据样本的标准差,筛选出标准差大于该位号标准差置信度预设比例的传感器位号,添加至目标传感器的关联列表。
在本实施例中,假设目标传感器对应位号为TIC-101,目标传感器所在设备上安装有其它传感器1、传感器2、传感器3…传感器M,对应的位号分别为PRC-202、LIC-402、PI-501…LIC-245,位号采集数据的标准差数据X1、X2...XM。当目标传感器在当前时刻标准差数据标准差或一段时间里标准差均值超出范围,则分析该设备上其他传感器的标准差数据,确定与目标传感器关联的其它传感器位号。
从数据库中查询在时间范围内其他传感器的标准差是否出现较大波动,也可以通过数据个数查询,如果有出现较大波动则将该传感器的位号存入目标传感器的关联列表。例如:当前时刻T1目标传感器的标准差为xTIC-101,根据工艺要求或通过平稳率计算单元计算,该标准差的置信度为αTIC-101,如果标准差xTIC-101大于αTIC-101,则认为目标传感器的标准差超范围,设备运行存在异常,并向数据库发送查询消息,所述查询消息包括查询位号、查询时间范围或数据个数。其中查询位号包括装置上所有传感器的位号,时间查询范围或数据个数根据实际设定,可以设定为1小时、1天、1周或者其他时间。数据库发送的目标传感器标准差数据为X′=[x′1、x′2...x′t],其他位号数据分别为X1、X2...XM,其中X1=[x11、x12...x1t],X2=[x21、x22...x2t],…XM=[xM1、xM2…xMt],设备上传感器总共为M+1个,t为数据库时间T范围内标准差数据个数。计算数据库返回的标准差数据是否存在一个或多个数据大于其置信度的预设比例,所述置信度可以直接使用工艺偏差数值,也可以通过该平稳率计算单元计算。在本实施例中该预设比例可以设定为80%,该预设比例也可以根据实际需要调整,当数据库返回的标准差数据存在一个或多个数据大于其置信度的80%时,则表明该相对应的位号与目标传感器有关联关系,将该位号添加至目标传感器的关联列表中。
步骤S33,计算目标传感器关联列表中各位号对应的传感器数据样本标准差与目标传感器数据样本标准差的第一关联系数,并将第一关联系数存入关联列表中。在本实施例中,步骤S33可具体包括如下内容。
步骤S331,依次计算关联列表中各位号对应传感器的数据样本标准差与目标传感器数据样本标准差的第一关联系数ρm,其中x′i为在数据库查询时间段内目标传感器的第i个标准差,为目标传感器的样本对应的标准差均值,xmi为在数据库查询时间段内第m个传感器的第i个标准差,为第m个传感器的标准差均值。步骤S332,将各位号对应传感器与目标传感器的第一关联系数ρm存入关联列表中。最终目标传感器的关联列表可以为如下形式:
位号tag | 第一关联系数 |
TIC-101 | 0.5689 |
PRC-202 | 0.6898 |
LIC-402 | 0.1263 |
PI-501 | 0.8926 |
步骤S34,在设备运行状态监测各传感器数据,当一传感器的采样数据的变化超出其预设范围时,查询该传感器关联列表中的第一关联系数大于设定值的对应传感器的数据变化是否也超出其预设范围,若超出则示意所在设备运行出现异常,否则示意该传感器或其对应采集设备故障。具体的,第一关联系数大则表明两个传感器所采集的工艺参数数据相关性密切。在正常情况下,其中第一传感器的参数变化则另外的第二传感器的参数也会变化,如果第二传感器的参数没有变化,则可判断出第一传感器的参数变化可能是假象,即第一传感器的参数变化不是由于其所监测的设备异常运行所导致的,而是由传感器故障或者采集设备导致的。例如针对上一步骤中的关联列表,如果目标传感器采样数据的变化超出其预设范围,具体可以判断目标传感器的标准差或者标准差的均值是否超出标准差置信度,如果超出则可查询第一关联系数大于设定值例如大于0.8的对应位号PI-501,如果传感器PI-501一段时间内的标准差或者标准差均值也超出范围,即说明该目标传感器的波动是受到传感器PI-501的影响或者是与PI-501相关联,操作员可根据现场经验综合考虑解决方案,例如如果导致PI-501波动的故障已经排除,则认为目标传感器的波动可以暂不予处理,如果PI-501与其他位号传感器也有关联则应进一步追溯。该实施例通过将采集数据异常的传感器与关联传感器的数据进行对比,若关联传感器数据也发生了异常变动则表明极有可能是生产操作过程出现问题需马上排除,如果关联传感器的监测数据在正常范围内即未发生明显异动,则表明是该目标传感器或其采集装置自身发生故障。通过对每个传感器设置关联列表,根据目标传感器和关联传感器的数据变化幅度来快速确认出现故障的传感器点位,极大提高了设备故障的监控和排查效率。
在另一实施例中,该具有多传感器的生产设备状态监测方法,还可包括设备稳定性及扰性判断步骤,设备的稳定性通过设备上的传感器的标准差体现,具体为在时刻T,各传感器标准差与其置信度的比值的加和平均值代表该时刻目标设备的稳定性,即其中β为传感器标准差与其置信度的比值;m为装置上传感器的个数。
计算目标传感器与上下游装置的相关系数,具体方法为当前时刻T1目标传感器的标准差为xTIC-101,根据工艺要求,该标准差的置信度为αTIC-101。如果标准差xTIC-101大于αTIC-101,则认为目标传感器的标准差超范围,设备运行存在异常,并向数据库发送查询消息,所述查询消息包括查询设备号、查询时间范围T或数据个数。查询设备号包括设备上下游所直接连接的其它设备,时间查询范围根据实际设定,可以设定为1小时、1天、1周或者其他时间。数据库发送查询设备的位号数据分别为Y1、Y2...YN,其中Y1=[y11、y12...y1t],Y2=[y21、y22...y2t],…YN=[yM1、yM2...yMt],M为查询设备上的传感器数量,t为查询时间范围T内的数据个数。计算查询设备各个时刻的稳定性Δs1、Δs2...Δst。然后计算目标传感器与其它上下游设备之间的第二关联系数:
进一步的,与上述计算第二关联系数类似,还可以计算获取同一生产线上的各设备间的关系性。具体的,计算查询设备各个时刻的稳定性,分别为S1=Δs11、Δs12...Δs1t,S2=Δs21、Δs22...Δs2t,则两设备之间的第三关联系数为:系数值越大则表里两设备间的数据越关联。通过对同一生产线上的不同生产设备的关联程度的分析,获取各生产设备间的关联程度,可快速的对生产设备进行运行状态监测,例如其中一生产设备的监测数据发生超过正常范围的异常变动,可调取与其关联程度较高即关联系数较大的对应生产设备的监测数据,若关联生产设备的监测数据也发生了异常变动则表明是生产操作过程出现问题需马上排除,如果关联生产设备的监测数据在正常范围内即未发生明显异动,则表明是该生产设备自身发生故障,需及时进行处理。要想更进一步的明确是该设备哪部分存在问题,也可继续采用前述实施例中的方式对该生产设备中的各传感器采集数据进行分析,依次排查目标传感器,根据目标传感器和关联传感器的数据变化幅度来精确定位出现故障的传感器点位,极大提高了设备故障的监控和排查效率。
本实施例公开的具有多传感器的生产设备状态监测方法和装置,利用传感器测定生产工艺运行参数和生产设备运行状况,通过获取传感器采样数据,判断所述传感器采样数据有效性,有效则进行数据存储,否则丢弃该数据;然后设定工艺参数稳定性置信度,并计算传感器数据样本标准差;并判断传感器数据样本标准差偏离工艺参数稳定性置信度的情况,若传感器数据样本标准差在稳定性置信度区间内则判定目前生产工艺满足目标要求,否则判定目前生产工艺存在异常。从而实现通过对生产过程中的各传感器数据进行实时监控来准确判断生产设备的生产工艺是否满足相关要求。
在另一些实施例中,还公开了一种具有多传感器的生产设备状态监测系统,包括:数据监测模块,用于监测目标传感器数据,当设备各传感器无故障且目标传感器在当前时刻或设定时间间隔内的标准差均值超出预设值时,分析同一设备上其余传感器的数据样本标准差。关联列表模块,用于根据各传感器数据样本标准差筛选与目标传感器相关联的其它传感器位号,生成目标传感器关联列表。关联系数分析模块,用于计算目标传感器关联列表中各位号对应的传感器数据样本标准差与目标传感器数据样本标准差的关联系数,并将关联系数存入关联列表中。故障分析模块,用于在设备运行状态监测各传感器数据,当一传感器的采样数据的变化超出其预设范围时,查询该传感器关联列表中的关联系数大于设定值的对应传感器的数据变化是否也超出其预设范围,若超出则示意所在设备运行出现异常,否则示意该传感器或其对应采集设备故障。
在本实施例中,数据监测模块,还可用于在目标传感器在设定时间间隔内的标准差均值超过其标准差置信度时,向数据库发送用于查询所在设备上的其它传感器标准差的查询指令,所述查询指令包括所在设备上的其它所有传感器位号、查询时间段或数据个数。而关联列表模块,还可用于获取数据库返回的各位号对应的传感器数据样本的标准差,筛选出标准差大于该位号标准差置信度预设比例的传感器位号,添加至目标传感器的关联列表。
上述具有多传感器的生产设备状态监测系统的具体功能与前面实施例所公开的具有多传感器的生产设备状态监测方法一一对应,故在此不再详细展开描述,具体可参考前面公开的具有多传感器的生产设备状态监测方法各实施例。需要说明的是,本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
在另一些实施例中,还提供了一种具有多传感器的生产设备状态监测装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述各实施例中描述的具有多传感器的生产设备状态监测方法的各个步骤。
其中具有多传感器的生产设备状态监测装置可包括但不仅限于处理器、存储器。所述服务器可包括,但不仅限于处理器、存储器。本领域技术人员可以理解,所述示意图仅仅是服务器的示例,并不构成对服务器设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述服务器设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述服务器设备的控制中心,利用各种接口和线路连接整个服务器设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述服务器设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述具有多传感器的生产设备状态监测方法如果以软件功能单元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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
总之,以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所作的均等变化与修饰,皆应属本发明专利的涵盖范围。
Claims (10)
1.一种具有多传感器的生产设备状态监测方法,所述传感器用于测定生产工艺运行参数和生产设备运行状况,其特征在于,包括如下步骤:
S1,获取传感器采样数据,判断所述传感器采样数据有效性,有效则进行数据存储,否则丢弃该数据;
S2,设定工艺参数稳定性置信度,并计算传感器数据样本标准差;
S3,判断传感器数据样本标准差偏离工艺参数稳定性置信度的情况,若传感器数据样本标准差在稳定性置信度区间内则判定目前生产工艺满足目标要求,否则判定目前生产工艺存在异常。
2.根据权利要求1所述的具有多传感器的生产设备状态监测方法,其特征在于:按照时间记录所述传感器数据样本标准差,形成传感器参数样本标准差趋势线。
3.根据权利要求2所述的具有多传感器的生产设备状态监测方法,其特征在于:所述步骤S3还包括:
S31,监测目标传感器数据,当设备各传感器无故障且目标传感器在当前时刻标准差或设定时间间隔内的标准差均值超出预设值时,分析同一设备上其余传感器的数据样本标准差;
S32,根据各传感器数据样本标准差筛选与目标传感器相关联的其它传感器位号,生成目标传感器关联列表;
S33,计算目标传感器关联列表中各位号对应的传感器数据样本标准差与目标传感器数据样本标准差的关联系数,并将关联系数存入关联列表中;
S34,在设备运行状态监测各传感器数据,当一传感器的采样数据的变化超出其预设范围时,查询该传感器关联列表中的关联系数大于设定值的对应传感器的数据变化是否也超出其预设范围,若超出则示意所在设备运行出现异常,否则示意该传感器或其对应采集设备故障。
4.根据权利要求3所述的具有多传感器的生产设备状态监测方法,其特征在于,所述步骤S31具体包括:
当目标传感器在当前时刻或设定时间间隔内的标准差均值超过其标准差置信度,则向数据库发送用于查询所在设备上的其它传感器标准差的查询指令,所述查询指令包括所在设备上的其它所有传感器位号、查询时间段或数据个数。
5.根据权利要求4所述的具有多传感器的生产设备状态监测方法,其特征在于,所述步骤S32具体包括:获取数据库返回的各位号对应的传感器数据样本的标准差,筛选出标准差大于该位号标准差置信度预设比例的传感器位号,添加至目标传感器的关联列表。
8.根据权利要求7所述的具有多传感器的生产设备状态监测方法,其特征在于,所述步骤S1还包括:
在工艺生产稳定且工艺生产数据成正态分布的情况下,按照设定采样周期采集各位号的传感器实时数据;
对目标传感器实时数据进行有效性判断,为每个位号设定置信因子η1、η2,置信因子η1、η2的取值范围在0-1之间,采集数据值如果在该数据量程与置信度因子η1、η2乘积之间,则认为该数据为有效数据并存入数据库,否则作为无效数据丢弃。
9.一种生产设备状态监测装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于:所述处理器执行所述计算机程序时实现如权利要求1-8任一所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1-8任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210515859.0A CN114967613B (zh) | 2022-05-11 | 2022-05-11 | 一种具有多传感器的生产设备状态监测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210515859.0A CN114967613B (zh) | 2022-05-11 | 2022-05-11 | 一种具有多传感器的生产设备状态监测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114967613A true CN114967613A (zh) | 2022-08-30 |
CN114967613B CN114967613B (zh) | 2023-06-09 |
Family
ID=82981921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210515859.0A Active CN114967613B (zh) | 2022-05-11 | 2022-05-11 | 一种具有多传感器的生产设备状态监测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114967613B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002074557A (ja) * | 2000-09-04 | 2002-03-15 | Central Keibi Hoshiyou Kk | 警備システムにおけるセンサー回路点検方法 |
CN103140812A (zh) * | 2010-10-11 | 2013-06-05 | 通用电气公司 | 用于基于信号处理的故障检测、隔离和矫正的系统、方法和设备 |
CN109753027A (zh) * | 2017-11-08 | 2019-05-14 | 阿里巴巴集团控股有限公司 | 一种工业制造中参数的监控方法和装置 |
CN110631624A (zh) * | 2019-09-04 | 2019-12-31 | 精英数智科技股份有限公司 | 一种识别矿井传感器运行数据异常的方法、装置及系统 |
CN111461533A (zh) * | 2020-03-31 | 2020-07-28 | 佛山科学技术学院 | 一种基于大数据的工业生产流水线的故障监测方法及系统 |
CN112161648A (zh) * | 2020-09-14 | 2021-01-01 | 精英数智科技股份有限公司 | 异常传感器的识别方法、装置、可读存储介质及电子设备 |
CN113537352A (zh) * | 2021-07-15 | 2021-10-22 | 杭州鲁尔物联科技有限公司 | 传感器异常值监测方法、装置、计算机设备及存储介质 |
CN114047066A (zh) * | 2022-01-12 | 2022-02-15 | 中国地质调查局水文地质环境地质调查中心 | 一种用于滑坡变形的监测方法和装置 |
CN114116689A (zh) * | 2021-10-25 | 2022-03-01 | 浙江瑞邦科特检测有限公司 | 一种基于建筑结构安全监测的大数据清洗方法 |
-
2022
- 2022-05-11 CN CN202210515859.0A patent/CN114967613B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002074557A (ja) * | 2000-09-04 | 2002-03-15 | Central Keibi Hoshiyou Kk | 警備システムにおけるセンサー回路点検方法 |
CN103140812A (zh) * | 2010-10-11 | 2013-06-05 | 通用电气公司 | 用于基于信号处理的故障检测、隔离和矫正的系统、方法和设备 |
CN109753027A (zh) * | 2017-11-08 | 2019-05-14 | 阿里巴巴集团控股有限公司 | 一种工业制造中参数的监控方法和装置 |
CN110631624A (zh) * | 2019-09-04 | 2019-12-31 | 精英数智科技股份有限公司 | 一种识别矿井传感器运行数据异常的方法、装置及系统 |
CN111461533A (zh) * | 2020-03-31 | 2020-07-28 | 佛山科学技术学院 | 一种基于大数据的工业生产流水线的故障监测方法及系统 |
CN112161648A (zh) * | 2020-09-14 | 2021-01-01 | 精英数智科技股份有限公司 | 异常传感器的识别方法、装置、可读存储介质及电子设备 |
CN113537352A (zh) * | 2021-07-15 | 2021-10-22 | 杭州鲁尔物联科技有限公司 | 传感器异常值监测方法、装置、计算机设备及存储介质 |
CN114116689A (zh) * | 2021-10-25 | 2022-03-01 | 浙江瑞邦科特检测有限公司 | 一种基于建筑结构安全监测的大数据清洗方法 |
CN114047066A (zh) * | 2022-01-12 | 2022-02-15 | 中国地质调查局水文地质环境地质调查中心 | 一种用于滑坡变形的监测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114967613B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6295478B1 (en) | Manufacturing process change control apparatus and manufacturing process change control method | |
EP3270250B1 (en) | Method and system for remote monitoring of power generation units | |
JP4289602B2 (ja) | プロセス監視方法 | |
CN115796714B (zh) | 一种面向信息交互的军工生产数据质量检测系统 | |
CN116502925B (zh) | 基于大数据的数字工厂设备巡检评估方法、系统和介质 | |
CN109916496A (zh) | 一种电子秤的监测方法及系统 | |
CN113723781A (zh) | 一种基于spc分析的产品质量缺陷判定系统及其方法 | |
CN116701130A (zh) | 基于指标画像的动态基线优化方法、装置及电子设备 | |
CN117130332A (zh) | 一种基于数据分析的军工企业产线智能监管系统 | |
CN114967613A (zh) | 一种具有多传感器的生产设备状态监测方法和装置 | |
CN113671911A (zh) | 一种生产状况的监控系统 | |
EP3414631B1 (en) | Detection of temperature sensor failure in turbine systems | |
CN115077962A (zh) | 一种生产装置稳定性的监测方法、系统和存储介质 | |
CN114384885B (zh) | 基于异常工况的工艺参数调整方法、装置、设备和介质 | |
CN115511374A (zh) | 一种工艺指标相关性计算方法、装置、设备及存储介质 | |
CN115187026A (zh) | 一种产业风险监控方法、系统和可读存储介质 | |
CN113837544B (zh) | 基板玻璃生产质量管控装置、方法及处理器 | |
US8972222B2 (en) | System for identifying cause of abnormality, method of identifying cause of abnormality, and program for identifying cause of abnormality | |
CN112712308A (zh) | 一种库存监控管理方法、装置及存储介质 | |
CN110688424A (zh) | 一种生产监控方法及装置 | |
CN116880365B (zh) | 设备生产过程的监控方法、系统和可读存储介质 | |
Gomes et al. | Statistical Quality Control In Industry And Services | |
CN115705374A (zh) | 一种炼化装置报警处理方法、系统、装置和可读存储介质 | |
CN116502957A (zh) | 产品生产质量监控方法、系统和可读存储介质 | |
CN114448716A (zh) | 工控安全的控制方法及电子设备、存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |