CN115129011A - 基于边缘计算的工业资源管理方法 - Google Patents
基于边缘计算的工业资源管理方法 Download PDFInfo
- Publication number
- CN115129011A CN115129011A CN202210804531.0A CN202210804531A CN115129011A CN 115129011 A CN115129011 A CN 115129011A CN 202210804531 A CN202210804531 A CN 202210804531A CN 115129011 A CN115129011 A CN 115129011A
- Authority
- CN
- China
- Prior art keywords
- industrial
- detection data
- sensor
- production site
- industrial 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 13
- 238000004364 calculation method Methods 0.000 title claims abstract description 9
- 238000009776 industrial production Methods 0.000 claims abstract description 137
- 238000001514 detection method Methods 0.000 claims abstract description 116
- 230000002159 abnormal effect Effects 0.000 claims abstract description 72
- 238000004519 manufacturing process Methods 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000005070 sampling Methods 0.000 claims description 53
- 238000003745 diagnosis Methods 0.000 claims description 27
- 238000012217 deletion Methods 0.000 claims description 16
- 230000037430 deletion Effects 0.000 claims description 16
- 230000007175 bidirectional communication Effects 0.000 claims description 12
- 230000006854 communication Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012216 screening 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]
- G05B19/4183—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 data acquisition, e.g. workpiece identification
-
- 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
- G05B2219/31282—Data acquisition, BDE MDE
-
- 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
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)
- General Factory Administration (AREA)
Abstract
本发明提供了基于边缘计算的工业资源管理方法,其通过安装工业传感器来对生产设备进行持续自动的检测,并对相应的检测数据进行分析处理,确定对应工业生产场所区域的实时状态,继而判断工业生产场所区域是否发生异常事件;再对确定发生异常事件的所有工业生产场所区域的检测数据进行分析处理,确定存在故障的生产设备的位置信息,以及根据位置信息,生成相应的故障通知消息,并通过边缘计算终端将所述故障通知消息进行广播发送;上述方法能够对工业生产的生产设备等工业资源进行持续自动的检测与管理,及时排查异常故障,避免工业生产的其中一个环节因故障而影响整个工业生产流程的正常实施,提高工业生产运行的稳定性和可靠性。
Description
技术领域
本发明涉及工业数据管理的技术领域,特别涉及基于边缘计算的工业资源管理方法。
背景技术
工业生产通常需要大量的工业生产设备执行不同的生产工序,才能实现一个完整的工业生产流程。不同工业生产设备的运行操作状态并不相同,使得构成一个复杂庞大的工业生产体系。为了保证工业生产体系的正常运作,需要对每个工业生产设备进行定期的检测。由于工业生产设备的数量庞大,上述方式只能对工业生产设备进行非持续性非自动化的检测,无法保证及时对工业生产设备的工作状态进行实时准确的检测,降低了工业生产体系整体运行的稳定性和可靠性。
发明内容
针对现有技术存在的缺陷,本发明提供基于边缘计算的工业资源管理方法,其通过安装工业传感器来对生产设备进行持续自动的检测,并对相应的检测数据进行分析处理,确定对应工业生产场所区域的实时状态,继而判断工业生产场所区域是否发生异常事件;再对确定发生异常事件的所有工业生产场所区域的检测数据进行分析处理,确定存在故障的生产设备的位置信息,以及根据位置信息,生成相应的故障通知消息,并通过边缘计算终端将所述故障通知消息进行广播发送;上述方法能够对工业生产的生产设备等工业资源进行持续自动的检测与管理,保证当发生异常故障时,能够及时对相应的情况进行排查处理,避免工业生产的其中一个环节因故障而影响整个工业生产流程的正常实施,提高工业生产运行的稳定性和可靠性。
本发明提供基于边缘计算的工业资源管理方法,其包括如下步骤:
步骤S1,获取工业生产场所内部安装的所有工业传感器的电量状态信息,根据所述电量状态信息,对每个工业传感器进行标定;根据上述标定结果,构建所述工业传感器与边缘计算终端之间双向通信链路;
步骤S2,通过边缘计算终端收集每个工业传感器产生的检测数据,并对所述检测数据进行分析处理,确定所述工业传感器对应检测的工业生产场所区域的实时状态;根据所述实时状态,判断所述工业生产场所区域是否发生异常事件;
步骤S3,当所述工业生产场所区域发生异常事件,则调取与所述工业生产场所区域关联的其他工业生产场所区域对应的工业传感器产生的检测数据;并对调取的检测数据进行分析处理,确定所述关联的其他工业生产场所区域是否发生异常事件;
步骤S4,对确定发生异常事件的所有工业生产场所区域的检测数据进行分析处理,确定存在故障的生产设备的位置信息;根据所述位置信息,生成相应的故障通知消息,并通过所述边缘计算终端将所述故障通知消息进行广播发送。
进一步,在所述步骤S1中,获取工业生产场所内部安装的所有工业传感器的电量状态信息,根据所述电量状态信息,对每个工业传感器进行标定具体包括:
获取工业生产场所内部安装的所有工业传感器的剩余电量值,将所述剩余电量值与预设电量阈值进行比对,若所述剩余电量值大于或等于预设电量阈值,则将相应的工业传感器标定为稳定工业传感器;若所述剩余电量值小于预设电量阈值,则将相应的工业传感器标定为非稳定工业传感器。
进一步,在所述步骤S1中,根据上述标定结果,构建所述工业传感器与边缘计算终端之间双向通信链路具体包括:
构建所述稳定工业传感器与边缘计算终端之间具有第一生命周期的第一双向通信链路;
构建所述非稳定工业传感器与边缘计算终端之间具有第二生命周期的第二双向通信链路;其中,所述第一生命周期大于所述第二生命周期。
进一步,在所述步骤S2中,通过边缘计算终端收集每个工业传感器产生的检测数据之前,还包括:
通过边缘计算终端控制每个工业传感器以可变采样频率的工作模式进行检测,从而得到所述检测数据,其过程为:
步骤S201,先通过边缘计算终端指示每个工业传感器以预设最高采样频率进行第一次检测数据的采集,当间隔预定时间段后,利用下面公式(1),根据对所述工业传感器的故障诊断结果,调整所述工业传感器的采样频率,
在上述公式(1)中,f2(a)表示调整后的第a个工业传感器进行第二次检测数据采集的采样频率;f1(a)表示调整前的第a个工业传感器进行第一次检测数据采集的采样频率,即所述预设最高采样频率;Z*D,f1(a)-+表示第a个工业传感器对应的故障诊断结果判断值,若第a个工业传感器不属于故障传感器,则Z*D,f1(a)-+=1,若,第a个工业传感器属于故障传感器,则Z*D,f1(a)-+=0;G表示进行故障诊断的工业传感器的总个数;fmin表示工业传感器的最小采样频率;
再指示第a个工业传感器以上述采样频率f2(a)进行检测数据的采集;
步骤S202,每间隔所述预定时间段,对所述工业传感器进行故障诊断后,利用下面公式(2),根据所述工业传感器当前的故障诊断结果和当前的采样频率,再次调整所述工业传感器的采样频率,
在上述公式(2)中,fk(a)表示调整后的第a个工业传感器进行第k次检测数据采集的采样频率,其中k≥3;i表示整数变量;fi(a)表示第a个工业传感器的第i次检测数据采集的采样频率;Z*D,fi(a)-+表示第i次进行故障诊断时第a个工业传感器对应的故障诊断结果判断值;fk-1(a)表示调整前的第a个工业传感器的第k-1次检测数据采集的采样频率;表示向下取整运算;min*+表示求取括号内的最小值;
再指示第a个工业传感器以上述采样频率fk(a)进行检测数据的采集;
步骤S203,利用下面公式(3),根据工业传感器的历史故障诊断结果和工业传感器的历史采样频率,对所有工业传感器中的每一个进行相应顺序的检测数据删除,
在上述公式(3)中,J(a)表示第a个工业传感器在所有工业传感器进行检测数据删除对应的删除顺序,当J(a)越大,第a个工业传感器的检测数据删除越优先,当J(a)相同,则优先删除较大对应的工业传感器的检测数据,当J(a)相同并且相同,则优先删除a值较大的工业传感器的检测数据。
进一步,在所述步骤S2中,,通过边缘计算终端收集每个工业传感器产生的检测数据,并对所述检测数据进行分析处理,确定所述工业传感器对应检测的工业生产场所区域的实时状态具体包括:
通过边缘计算终端收集每个工业传感器产生的检测数据,从所述检测数据提取得到对应检测的工业生产场所区域的生产设备的设备内部运行参数以及生产设备的作业工作参数,以此作为所述实时状态。
进一步,在所述步骤S2中,根据所述实时状态,判断所述工业生产场所区域是否发生异常事件具体包括:
对所述设备内部运行参数和所述作业工作参数进行分析处理,确定是否存在异常参数,若所述设备内部运行参数或所述作业工作参数存在异常参数,则判断所述工业生产场所区域发生异常事件;否则,判断所述工业生产场所区域未发生异常事件。
进一步,在所述步骤S3中,当所述工业生产场所区域发生异常事件,则调取与所述工业生产场所区域关联的其他工业生产场所区域对应的工业传感器产生的检测数据;并对调取的检测数据进行分析处理,确定所述关联的其他工业生产场所区域是否发生异常事件具体包括:
当所述工业生产场所区域发生异常事件,则调取与所述工业生产场所区域的关联的其他工业生产场所区域对应的工业传感器产生的检测数据;其中,所述关联的其他工业生产场所区域包括与所述工业生产场所区域的生产设备直接通信连接或者在生产流程上直接衔接的生产设备;
对调取的检测数据包含的设备内部运行参数和作业工作参数进行分析处理,确定是否存在异常参数;若调取的检测数据包含的设备内部运行参数或作业工作参数存在异常参数,则判断所述关联的其他工业生产场所区域发生异常事件;否则,判断所述关联的其他工业生产场所区域未发生异常事件。
进一步,在所述步骤S4中,对确定发生异常事件的所有工业生产场所区域的检测数据进行分析处理,确定存在故障的生产设备的位置信息;根据所述位置信息,生成相应的故障通知消息,并通过所述边缘计算终端将所述故障通知消息进行广播发送具体包括:
从确定发生异常事件的所有工业生产场所区域的检测数据中提取得到检测数据对应的设备身份信息,再根据所述设备身份信息,确定存在故障的生产设备的位置信息;
通过所述边缘计算终端生成包含所述位置信息的故障通知消息,并将所述故障通知消息广播发送到不同工作人员所持的终端设备。
相比于现有技术,该基于边缘计算的工业资源管理方法通过安装工业传感器来对生产设备进行持续自动的检测,并对相应的检测数据进行分析处理,确定对应工业生产场所区域的实时状态,继而判断工业生产场所区域是否发生异常事件;再对确定发生异常事件的所有工业生产场所区域的检测数据进行分析处理,确定存在故障的生产设备的位置信息,以及根据位置信息,生成相应的故障通知消息,并通过边缘计算终端将所述故障通知消息进行广播发送;上述方法能够对工业生产的生产设备等工业资源进行持续自动的检测与管理,保证当发生异常故障时,能够及时对相应的情况进行排查处理,避免工业生产的其中一个环节因故障而影响整个工业生产流程的正常实施,提高工业生产运行的稳定性和可靠性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的基于边缘计算的工业资源管理方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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作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。
参阅图1,为本发明实施例提供的基于边缘计算的工业资源管理方法的流程示意图。该基于边缘计算的工业资源管理方法包括如下步骤:
步骤S1,获取工业生产场所内部安装的所有工业传感器的电量状态信息,根据该电量状态信息,对每个工业传感器进行标定;根据上述标定结果,构建该工业传感器与边缘计算终端之间双向通信链路;
步骤S2,通过边缘计算终端收集每个工业传感器产生的检测数据,并对该检测数据进行分析处理,确定该工业传感器对应检测的工业生产场所区域的实时状态;根据该实时状态,判断该工业生产场所区域是否发生异常事件;
步骤S3,当该工业生产场所区域发生异常事件,则调取与该工业生产场所区域关联的其他工业生产场所区域对应的工业传感器产生的检测数据;并对调取的检测数据进行分析处理,确定该关联的其他工业生产场所区域是否发生异常事件;
步骤S4,对确定发生异常事件的所有工业生产场所区域的检测数据进行分析处理,确定存在故障的生产设备的位置信息;根据该位置信息,生成相应的故障通知消息,并通过该边缘计算终端将该故障通知消息进行广播发送。
上述技术方案的有益效果为:该基于边缘计算的工业资源管理方法通过安装工业传感器来对生产设备进行持续自动的检测,并对相应的检测数据进行分析处理,确定对应工业生产场所区域的实时状态,继而判断工业生产场所区域是否发生异常事件;再对确定发生异常事件的所有工业生产场所区域的检测数据进行分析处理,确定存在故障的生产设备的位置信息,以及根据位置信息,生成相应的故障通知消息,并通过边缘计算终端将所述故障通知消息进行广播发送;上述方法能够对工业生产的生产设备等工业资源进行持续自动的检测与管理,保证当发生异常故障时,能够及时对相应的情况进行排查处理,避免工业生产的其中一个环节因故障而影响整个工业生产流程的正常实施,提高工业生产运行的稳定性和可靠性。
优选地,在该步骤S1中,获取工业生产场所内部安装的所有工业传感器的电量状态信息,根据该电量状态信息,对每个工业传感器进行标定具体包括:
获取工业生产场所内部安装的所有工业传感器的剩余电量值,将该剩余电量值与预设电量阈值进行比对,若该剩余电量值大于或等于预设电量阈值,则将相应的工业传感器标定为稳定工业传感器;若该剩余电量值小于预设电量阈值,则将相应的工业传感器标定为非稳定工业传感器。
上述技术方案的有益效果为:工业生产场所内部的每个生产设备对应设置有工业传感器,每个工业传感器用于对相应的生产设备进行检测;其中,工业传感器可为但不限于是摄像头或温度传感器等。为了保证工业传感器的正常运行,每个工业传感器内部均设置有电池,用于为工业生产器的工作提供电量。工业传感器的剩余电量值直接决定其能够正常持续工作。通过将工业传感器的剩余电量值进行阈值比对,继而将工业传感器区分为稳定工业传感器和非稳定工业传感器,便于后续对不同工业传感器设定与边缘计算终端合适的通信连接生命周期。
优选地,在该步骤S1中,根据上述标定结果,构建该工业传感器与边缘计算终端之间双向通信链路具体包括:
构建该稳定工业传感器与边缘计算终端之间具有第一生命周期的第一双向通信链路;
构建该非稳定工业传感器与边缘计算终端之间具有第二生命周期的第二双向通信链路;其中,该第一生命周期大于该第二生命周期。
上述技术方案的有益效果为:稳定工业传感器具有较大的剩余电量值,而非稳定工业传感器具有较小的剩余电量值,相应将稳定工业传感器与边缘计算终端之间的通信连接持续时间(即第一生命周期)设成大于非稳定工业传感器与边缘计算终端之间的通信连接持续时间(即第二生命周期),从而保证稳定工业传感器和非稳定工业传感器在自身电池仍然具有电量的情况下与边缘计算终端进行数据交互。
优选地,在该步骤S2中,通过边缘计算终端收集每个工业传感器产生的检测数据之前,还包括:
通过边缘计算终端控制每个工业传感器以可变采样频率的工作模式进行检测,从而得到该检测数据,其过程为:
步骤S201,先通过边缘计算终端指示每个工业传感器以预设最高采样频率进行第一次检测数据的采集,当间隔预定时间段后,利用下面公式(1),根据对该工业传感器的故障诊断结果,调整该工业传感器的采样频率,
在上述公式(1)中,f2(a)表示调整后的第a个工业传感器进行第二次检测数据采集的采样频率;f1(a)表示调整前的第a个工业传感器进行第一次检测数据采集的采样频率,即该预设最高采样频率;Z*D,f1(a)-+表示第a个工业传感器对应的故障诊断结果判断值,若第a个工业传感器不属于故障传感器,则Z*D,f1(a)-+=1,若,第a个工业传感器属于故障传感器,则Z*D,f1(a)-+=0;G表示进行故障诊断的工业传感器的总个数;fmin表示工业传感器的最小采样频率;
再指示第a个工业传感器以上述采样频率f2(a)进行检测数据的采集;
步骤S202,每间隔该预定时间段,对该工业传感器进行故障诊断后,利用下面公式(2),根据该工业传感器当前的故障诊断结果和当前的采样频率,再次调整该工业传感器的采样频率,
在上述公式(2)中,fk(a)表示调整后的第a个工业传感器进行第k次检测数据采集的采样频率,其中k≥3;i表示整数变量;fi(a)表示第a个工业传感器的第i次检测数据采集的采样频率;Z*D,fi(a)-+表示第i次进行故障诊断时第a个工业传感器对应的故障诊断结果判断值;fk-1(a)表示调整前的第a个工业传感器的第k-1次检测数据采集的采样频率;表示向下取整运算;min*+表示求取括号内的最小值;
再指示第a个工业传感器以上述采样频率fk(a)进行检测数据的采集;
步骤S203,利用下面公式(3),根据工业传感器的历史故障诊断结果和工业传感器的历史采样频率,对所有工业传感器中的每一个进行相应顺序的检测数据删除,
在上述公式(3)中,J(a)表示第a个工业传感器在所有工业传感器进行检测数据删除对应的删除顺序,当J(a)越大,第a个工业传感器的检测数据删除越优先,当J(a)相同,则优先删除较大对应的工业传感器的检测数据,当J(a)相同并且相同,则优先删除a值较大的工业传感器的检测数据。
上述技术方案的有益效果为:利用上述公式(1),根据对该工业传感器的故障诊断结果,调整该工业传感器的采样频率,从而在没有历史数据作为参考的情况下智能的控制每个设备的第二次实时采集数据的采样频率,将正常的工业传感器的采样率做进一步的降低,从而节约数据的存储空间;然后利用上述的公式(2),根据该工业传感器当前的故障诊断结果和当前的采样频率,再次调整该工业传感器的采样频率,进而根据历史数据作为参考控制每个工业传感器的下一次采样频率,使得对每个数据可以精准的分析其工作状态从而得到使每个工业传感器的采样频率可以动态的小范围变化,进而既可以保证采样的数据满足要求又能节约数据存储的空间;最后利用上述公式(3),根据工业传感器的历史故障诊断结果和工业传感器的历史采样频率,对所有工业传感器中的每一个进行相应顺序的检测数据删除,从而在存储空间不足时,优先删除采样数据较多并且工业传感器诊断结果正常的检测数据,达到智能筛选删除的效果。
优选地,在该步骤S2中,,通过边缘计算终端收集每个工业传感器产生的检测数据,并对该检测数据进行分析处理,确定该工业传感器对应检测的工业生产场所区域的实时状态具体包括:
通过边缘计算终端收集每个工业传感器产生的检测数据,从该检测数据提取得到对应检测的工业生产场所区域的生产设备的设备内部运行参数以及生产设备的作业工作参数,以此作为该实时状态。
上述技术方案的有益效果为:生产设备在生产过程中对应的设备内部工作温度、工作电流等设备内部运行参数以及生产设备进行工作时对材料进行的处理工序过程等作业工作参数,都会影响生产设备的实际工作状态,将生产设备的设备内部运行参数以及生产设备的作业工作参数作为该实时状态,能够对生产设备的工作状态进行全面的表征。
优选地,在该步骤S2中,根据该实时状态,判断该工业生产场所区域是否发生异常事件具体包括:
对该设备内部运行参数和该作业工作参数进行分析处理,确定是否存在异常参数,若该设备内部运行参数或该作业工作参数存在异常参数,则判断该工业生产场所区域发生异常事件;否则,判断该工业生产场所区域未发生异常事件。
上述技术方案的有益效果为:在实际工作中,可利用神经网络模型对该设备内部运行参数和该作业工作参数进行分析处理,确定是否存在异常参数,继而判断工业生产场所区域是否发生异常事件,其中神经网络模型可根据不同生产设备的类型而预先构建,其属于本领域的常规技术手段,这里不做详细的叙述。
优选地,在该步骤S3中,当该工业生产场所区域发生异常事件,则调取与该工业生产场所区域关联的其他工业生产场所区域对应的工业传感器产生的检测数据;并对调取的检测数据进行分析处理,确定该关联的其他工业生产场所区域是否发生异常事件具体包括:
当该工业生产场所区域发生异常事件,则调取与该工业生产场所区域的关联的其他工业生产场所区域对应的工业传感器产生的检测数据;其中,该关联的其他工业生产场所区域包括与该工业生产场所区域的生产设备直接通信连接或者在生产流程上直接衔接的生产设备;
对调取的检测数据包含的设备内部运行参数和作业工作参数进行分析处理,确定是否存在异常参数;若调取的检测数据包含的设备内部运行参数或作业工作参数存在异常参数,则判断该关联的其他工业生产场所区域发生异常事件;否则,判断该关联的其他工业生产场所区域未发生异常事件。
上述技术方案的有益效果为:以上述相同的方式,对与该工业生产场所区域的关联的其他工业生产场所区域进行异常事件发生与否的判断,这样能够对整个工业生产场所中存在故障异常进行关联追踪,以确保对整个工业生产场所进行全面准确的故障异常排查。
优选地,在该步骤S4中,对确定发生异常事件的所有工业生产场所区域的检测数据进行分析处理,确定存在故障的生产设备的位置信息;根据该位置信息,生成相应的故障通知消息,并通过该边缘计算终端将该故障通知消息进行广播发送具体包括:
从确定发生异常事件的所有工业生产场所区域的检测数据中提取得到检测数据对应的设备身份信息,再根据该设备身份信息,确定存在故障的生产设备的位置信息;
通过该边缘计算终端生成包含该位置信息的故障通知消息,并将该故障通知消息广播发送到不同工作人员所持的终端设备。
上述技术方案的有益效果为:通过上述方式,能够对存在故障的生产设备进行准确定位,便于通知工作人员及时进行检查维修。
从上述实施例的内容可知,该基于边缘计算的工业资源管理方法通过安装工业传感器来对生产设备进行持续自动的检测,并对相应的检测数据进行分析处理,确定对应工业生产场所区域的实时状态,继而判断工业生产场所区域是否发生异常事件;再对确定发生异常事件的所有工业生产场所区域的检测数据进行分析处理,确定存在故障的生产设备的位置信息,以及根据位置信息,生成相应的故障通知消息,并通过边缘计算终端将所述故障通知消息进行广播发送;上述方法能够对工业生产的生产设备等工业资源进行持续自动的检测与管理,保证当发生异常故障时,能够及时对相应的情况进行排查处理,避免工业生产的其中一个环节因故障而影响整个工业生产流程的正常实施,提高工业生产运行的稳定性和可靠性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.基于边缘计算的工业资源管理方法,其特征在于,其包括如下步骤:
步骤S1,获取工业生产场所内部安装的所有工业传感器的电量状态信息,根据所述电量状态信息,对每个工业传感器进行标定;根据上述标定结果,构建所述工业传感器与边缘计算终端之间双向通信链路;
步骤S2,通过边缘计算终端收集每个工业传感器产生的检测数据,并对所述检测数据进行分析处理,确定所述工业传感器对应检测的工业生产场所区域的实时状态;根据所述实时状态,判断所述工业生产场所区域是否发生异常事件;
步骤S3,当所述工业生产场所区域发生异常事件,则调取与所述工业生产场所区域关联的其他工业生产场所区域对应的工业传感器产生的检测数据;并对调取的检测数据进行分析处理,确定所述关联的其他工业生产场所区域是否发生异常事件;
步骤S4,对确定发生异常事件的所有工业生产场所区域的检测数据进行分析处理,确定存在故障的生产设备的位置信息;根据所述位置信息,生成相应的故障通知消息,并通过所述边缘计算终端将所述故障通知消息进行广播发送。
2.如权利要求1所述的基于边缘计算的工业资源管理方法,其特征在于:在所述步骤S1中,获取工业生产场所内部安装的所有工业传感器的电量状态信息,根据所述电量状态信息,对每个工业传感器进行标定具体包括:
获取工业生产场所内部安装的所有工业传感器的剩余电量值,将所述剩余电量值与预设电量阈值进行比对,若所述剩余电量值大于或等于预设电量阈值,则将相应的工业传感器标定为稳定工业传感器;若所述剩余电量值小于预设电量阈值,则将相应的工业传感器标定为非稳定工业传感器。
3.如权利要求2所述的基于边缘计算的工业资源管理方法,其特征在于:在所述步骤S1中,根据上述标定结果,构建所述工业传感器与边缘计算终端之间双向通信链路具体包括:
构建所述稳定工业传感器与边缘计算终端之间具有第一生命周期的第一双向通信链路;
构建所述非稳定工业传感器与边缘计算终端之间具有第二生命周期的第二双向通信链路;其中,所述第一生命周期大于所述第二生命周期。
4.如权利要求3所述的基于边缘计算的工业资源管理方法,其特征在于:在所述步骤S2中,通过边缘计算终端收集每个工业传感器产生的检测数据之前,还包括:
通过边缘计算终端控制每个工业传感器以可变采样频率的工作模式进行检测,从而得到所述检测数据,其过程为:
步骤S201,先通过边缘计算终端指示每个工业传感器以预设最高采样频率进行第一次检测数据的采集,当间隔预定时间段后,利用下面公式(1),根据对所述工业传感器的故障诊断结果,调整所述工业传感器的采样频率,
在上述公式(1)中,f2(a)表示调整后的第a个工业传感器进行第二次检测数据采集的采样频率;f1(a)表示调整前的第a个工业传感器进行第一次检测数据采集的采样频率,即所述预设最高采样频率;Z*D,f1(a)-+表示第a个工业传感器对应的故障诊断结果判断值,若第a个工业传感器不属于故障传感器,则Z{D[f1(a)]}=1,若,第a个工业传感器属于故障传感器,则Z{D[f1(a)]}=0;G表示进行故障诊断的工业传感器的总个数;fmin表示工业传感器的最小采样频率;
再指示第a个工业传感器以上述采样频率f2(a)进行检测数据的采集;
步骤S202,每间隔所述预定时间段,对所述工业传感器进行故障诊断后,利用下面公式(2),根据所述工业传感器当前的故障诊断结果和当前的采样频率,再次调整所述工业传感器的采样频率,
在上述公式(2)中,fk(a)表示调整后的第a个工业传感器进行第k次检测数据采集的采样频率,其中k≥3;i表示整数变量;fi(a)表示第a个工业传感器的第i次检测数据采集的采样频率;Z{D[fi(a)]}表示第i次进行故障诊断时第a个工业传感器对应的故障诊断结果判断值;fk-1(a)表示调整前的第a个工业传感器的第k-1次检测数据采集的采样频率:表示向下取整运算;min{ }表示求取括号内的最小值;
再指示第a个工业传感器以上述采样频率fk(a)进行检测数据的采集;
步骤S203,利用下面公式(3),根据工业传感器的历史故障诊断结果和工业传感器的历史采样频率,对所有工业传感器中的每一个进行相应顺序的检测数据删除,
5.如权利要求4所述的基于边缘计算的工业资源管理方法,其特征在于:在所述步骤S2中,,通过边缘计算终端收集每个工业传感器产生的检测数据,并对所述检测数据进行分析处理,确定所述工业传感器对应检测的工业生产场所区域的实时状态具体包括:
通过边缘计算终端收集每个工业传感器产生的检测数据,从所述检测数据提取得到对应检测的工业生产场所区域的生产设备的设备内部运行参数以及生产设备的作业工作参数,以此作为所述实时状态。
6.如权利要求5所述的基于边缘计算的工业资源管理方法,其特征在于:在所述步骤S2中,根据所述实时状态,判断所述工业生产场所区域是否发生异常事件具体包括:
对所述设备内部运行参数和所述作业工作参数进行分析处理,确定是否存在异常参数,若所述设备内部运行参数或所述作业工作参数存在异常参数,则判断所述工业生产场所区域发生异常事件;否则,判断所述工业生产场所区域未发生异常事件。
7.如权利要求6所述的基于边缘计算的工业资源管理方法,其特征在于:在所述步骤S3中,当所述工业生产场所区域发生异常事件,则调取与所述工业生产场所区域关联的其他工业生产场所区域对应的工业传感器产生的检测数据;并对调取的检测数据进行分析处理,确定所述关联的其他工业生产场所区域是否发生异常事件具体包括:
当所述工业生产场所区域发生异常事件,则调取与所述工业生产场所区域的关联的其他工业生产场所区域对应的工业传感器产生的检测数据;其中,所述关联的其他工业生产场所区域包括与所述工业生产场所区域的生产设备直接通信连接或者在生产流程上直接衔接的生产设备;
对调取的检测数据包含的设备内部运行参数和作业工作参数进行分析处理,确定是否存在异常参数;若调取的检测数据包含的设备内部运行参数或作业工作参数存在异常参数,则判断所述关联的其他工业生产场所区域发生异常事件;否则,判断所述关联的其他工业生产场所区域未发生异常事件。
8.如权利要求7所述的基于边缘计算的工业资源管理方法,其特征在于:在所述步骤S4中,对确定发生异常事件的所有工业生产场所区域的检测数据进行分析处理,确定存在故障的生产设备的位置信息;根据所述位置信息,生成相应的故障通知消息,并通过所述边缘计算终端将所述故障通知消息进行广播发送具体包括:
从确定发生异常事件的所有工业生产场所区域的检测数据中提取得到检测数据对应的设备身份信息,再根据所述设备身份信息,确定存在故障的生产设备的位置信息;
通过所述边缘计算终端生成包含所述位置信息的故障通知消息,并将所述故障通知消息广播发送到不同工作人员所持的终端设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210804531.0A CN115129011B (zh) | 2022-07-08 | 2022-07-08 | 基于边缘计算的工业资源管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210804531.0A CN115129011B (zh) | 2022-07-08 | 2022-07-08 | 基于边缘计算的工业资源管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115129011A true CN115129011A (zh) | 2022-09-30 |
CN115129011B CN115129011B (zh) | 2024-08-06 |
Family
ID=83381199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210804531.0A Active CN115129011B (zh) | 2022-07-08 | 2022-07-08 | 基于边缘计算的工业资源管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115129011B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115438592A (zh) * | 2022-11-08 | 2022-12-06 | 成都中科合迅科技有限公司 | 基于系统工程的工业研发设计数据建模方法 |
CN118052542A (zh) * | 2024-04-16 | 2024-05-17 | 济宁市海富电子科技有限公司 | 一种硅胶结构件生产设备连续检测系统 |
CN118214764A (zh) * | 2024-05-20 | 2024-06-18 | 水发科技信息(山东)有限公司 | 一种基于云边一体的智慧水利水务运营管理系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3066844A1 (fr) * | 2017-05-23 | 2018-11-30 | Monixo | Procede de prevision de la survenue d'une defaillance sur un appareil dans le temps |
CN110046146A (zh) * | 2019-04-16 | 2019-07-23 | 中国联合网络通信集团有限公司 | 基于移动边缘计算的工业设备的监测方法和装置 |
CN110632433A (zh) * | 2019-10-30 | 2019-12-31 | 华能国际电力股份有限公司海门电厂 | 电厂设备运行故障诊断系统及方法 |
WO2020173581A1 (en) * | 2019-02-27 | 2020-09-03 | Siemens Aktiengesellschaft | System, device and method of monitoring condition of a technical installation |
CN111651312A (zh) * | 2020-07-28 | 2020-09-11 | 南京宏声科技有限公司 | 一种基于边缘计算的设备故障三级双向预警方法及系统 |
CN113516399A (zh) * | 2021-07-23 | 2021-10-19 | 中核核电运行管理有限公司 | 一种核电厂作业风险数据库逻辑处理和智能分析预警系统 |
CN113870535A (zh) * | 2021-08-11 | 2021-12-31 | 中标慧安信息技术股份有限公司 | 基于边缘计算的设备故障双向预警方法和系统 |
CN114584585A (zh) * | 2022-03-01 | 2022-06-03 | 中用科技有限公司 | 一种基于物联网的工业设备自诊断系统及方法 |
-
2022
- 2022-07-08 CN CN202210804531.0A patent/CN115129011B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3066844A1 (fr) * | 2017-05-23 | 2018-11-30 | Monixo | Procede de prevision de la survenue d'une defaillance sur un appareil dans le temps |
WO2020173581A1 (en) * | 2019-02-27 | 2020-09-03 | Siemens Aktiengesellschaft | System, device and method of monitoring condition of a technical installation |
CN110046146A (zh) * | 2019-04-16 | 2019-07-23 | 中国联合网络通信集团有限公司 | 基于移动边缘计算的工业设备的监测方法和装置 |
CN110632433A (zh) * | 2019-10-30 | 2019-12-31 | 华能国际电力股份有限公司海门电厂 | 电厂设备运行故障诊断系统及方法 |
CN111651312A (zh) * | 2020-07-28 | 2020-09-11 | 南京宏声科技有限公司 | 一种基于边缘计算的设备故障三级双向预警方法及系统 |
CN113516399A (zh) * | 2021-07-23 | 2021-10-19 | 中核核电运行管理有限公司 | 一种核电厂作业风险数据库逻辑处理和智能分析预警系统 |
CN113870535A (zh) * | 2021-08-11 | 2021-12-31 | 中标慧安信息技术股份有限公司 | 基于边缘计算的设备故障双向预警方法和系统 |
CN114584585A (zh) * | 2022-03-01 | 2022-06-03 | 中用科技有限公司 | 一种基于物联网的工业设备自诊断系统及方法 |
Non-Patent Citations (2)
Title |
---|
万叶晶;叶继华;江爱文;: "一种基于时空相关性和异常检测的改进WSN节能策略", 传感技术学报, no. 08, 15 August 2017 (2017-08-15), pages 1267 - 1273 * |
易俊: "采样频率自适应调整的实现", 高电压技术, vol. 29, no. 12, 31 December 2003 (2003-12-31), pages 40 - 42 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115438592A (zh) * | 2022-11-08 | 2022-12-06 | 成都中科合迅科技有限公司 | 基于系统工程的工业研发设计数据建模方法 |
CN115438592B (zh) * | 2022-11-08 | 2023-01-24 | 成都中科合迅科技有限公司 | 基于系统工程的工业研发设计数据建模方法 |
CN118052542A (zh) * | 2024-04-16 | 2024-05-17 | 济宁市海富电子科技有限公司 | 一种硅胶结构件生产设备连续检测系统 |
CN118052542B (zh) * | 2024-04-16 | 2024-06-21 | 济宁市海富电子科技有限公司 | 一种硅胶结构件生产设备连续检测系统 |
CN118214764A (zh) * | 2024-05-20 | 2024-06-18 | 水发科技信息(山东)有限公司 | 一种基于云边一体的智慧水利水务运营管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115129011B (zh) | 2024-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115129011B (zh) | 基于边缘计算的工业资源管理方法 | |
CN112101764B (zh) | 基于状态监测的船舶技术状况综合评估系统 | |
WO2018028005A1 (zh) | 一种大型光伏电站中电池面板的故障检测算法 | |
CN113708493B (zh) | 基于云边协同的配电终端运维方法、装置和计算机设备 | |
CN114819415B (zh) | 一种基于数据分析的电力设备故障预测系统 | |
CN116360377B (zh) | 电芯化成分容的数据处理方法及分布式控制系统 | |
CN111353911A (zh) | 电力设备运维方法、系统、设备和存储介质 | |
CN115685050B (zh) | 一种电能表故障检测方法及系统 | |
CN111669123A (zh) | 用于对光伏组串进行故障诊断的方法和装置 | |
CN117318069B (zh) | 一种供电系统故障自愈方法及系统 | |
CN116424096B (zh) | 资源动态优化配置的新能源汽车电池采集总成方法及系统 | |
CN112904148A (zh) | 智能电缆运行监测系统、方法及装置 | |
CN115047288A (zh) | 基于电力采集终端的台区故障定位方法及装置 | |
CN117458722B (zh) | 基于电力能源管理系统的数据监控方法及系统 | |
CN113379210B (zh) | 电机的故障检测方法和装置、掘进机、可读存储介质 | |
CN109523030A (zh) | 一种基于机器学习的遥测参数异常监测系统 | |
CN115016976B (zh) | 一种根因定位方法、装置、设备及存储介质 | |
CN115967168A (zh) | 一种变电站自动化系统的故障分析方法 | |
CN113129160A (zh) | 一种基于设备状态感知和智能化的电力通信网络巡检方法 | |
CN112559230A (zh) | 面向超大规模存储系统性能异常降级问题的自动鉴别方法 | |
CN117194925A (zh) | 一种设备故障的判定方法及装置 | |
CN113469453B (zh) | 基于信息物理系统的电梯评估方法以及电梯评估装置 | |
CN118331161B (zh) | 一种集中器运行环境监控管理系统 | |
CN117493129B (zh) | 一种计算机控制设备的运行功率监测系统 | |
CN118487966A (zh) | 基于大数据的工业物联网设备监控系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |