CN115167323A - 基于数字化工厂的工控设备反馈信息指令传输系统 - Google Patents
基于数字化工厂的工控设备反馈信息指令传输系统 Download PDFInfo
- Publication number
- CN115167323A CN115167323A CN202210980068.5A CN202210980068A CN115167323A CN 115167323 A CN115167323 A CN 115167323A CN 202210980068 A CN202210980068 A CN 202210980068A CN 115167323 A CN115167323 A CN 115167323A
- Authority
- CN
- China
- Prior art keywords
- production line
- feedback information
- category
- line equipment
- abnormal
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 30
- 238000004519 manufacturing process Methods 0.000 claims abstract description 283
- 230000002159 abnormal effect Effects 0.000 claims abstract description 140
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000012216 screening Methods 0.000 claims description 32
- 238000010606 normalization Methods 0.000 claims description 21
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 239000012467 final product Substances 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 239000000047 product Substances 0.000 description 18
- 230000008569 process Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 150000007524 organic acids Chemical class 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)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于数字化工厂的工控设备反馈信息指令传输系统,所述反馈信息异常分析模块分别对每个类别中的中各个产线设备对应的差异量集合进行分析,得到每个类别对应的异常值;所述综合异常分析模块分别获取反馈信息异常分析模块得到的每个类别对应的异常值,并进一步进行分析,筛选出最终异常值。本发明结合数字化工厂技术,通过产线设备的传感器数据中的异常数据及异常数据的位置,对产线设备的情况进一步判断,根据存在异常数据的产线设备所属的类别分析出该异常数据对最终产品的影响程度,进而在工控设备中生成相应的反馈信息指令传输给相应的产线设备进行调节校准,确保生产的稳定。
Description
技术领域
本发明涉及指令传输系统技术领域,具体为基于数字化工厂的工控设备反馈信息指令传输系统。
背景技术
随着互联网的快速发展,人们对互联网技术的运用越来越广泛,在数字化工厂的应用中,通过数字化模型,对生产过程进行仿真、评估及优化,进而为工厂的管理带来了较大的便利,同时,也提高了工厂的生产效率。
现有的工控设备反馈信息指令传输系统只是简单的对工厂数据进行传输,工控设备接收到传输的工厂数据时,工控设备只是对工厂数据进行简单分析,并将反馈信息指令通过传输系统传递给相应的各个产线设备,往往反馈信息指令传输的内容较小,且精度不高。
针对上述情况,我们需要一种基于数字化工厂的工控设备反馈信息指令传输系统。
发明内容
本发明的目的在于提供基于数字化工厂的工控设备反馈信息指令传输系统,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:基于数字化工厂的工控设备反馈信息指令传输系统,包括:
反馈信息获取模块,所述反馈信息获取模块用于获取每个生产设备通过传感器采集的生产条件数据与标准生产条件的第一差异量,并分别构成差异量集合,每个生产设备对应一个差异量集合;
产线设备相关性获取模块,所述产线设备相关性获取模块根据产线设备相互之间的关系,分别对各个产线设备进行类别划分,不同类别中可包含同一产线设备;
反馈信息异常分析模块,所述反馈信息异常分析模块分别对每个类别中的中各个产线设备对应的差异量集合进行分析,得到每个类别对应的异常值;
综合异常分析模块,所述综合异常分析模块分别获取反馈信息异常分析模块得到的每个类别对应的异常值,并进一步进行分析,筛选出最终异常值;
反馈信息指令匹配模块,所述反馈信息指令匹配模块获取综合异常分析模块筛选的最终异常值及该最终异常值对应的类别,匹配出相应的反馈信息指令;
传输模块,所述传输模块将反馈信息指令匹配模块得到的反馈信息指令输出到该最终异常值对应的类别中各个产线设备中。
本发明通过各个模块的协同合作,共同实现对工控设备反馈信息指令的获取及传输,通过生产链的构造及生产过程中产线设备的条件数据不同,实现了对反馈信息指令的筛选及校准。
进一步的,所述反馈信息获取模块中每个差异量集合表示为{A,B,C},
其中,A表示某产线设备上的各个传感器在某一时间分别对应的数值的集合,
B表示A对应的产线设备上各个传感器分别对应的标准阈值的集合,所述标准阈值表示相应产线设备正常生产时相应的传感器测得的标准生产条件数值;
C表示A、B这两个集合中相同位置的数据的差值,并将所得的各个差值进行归一化处理后得到的归一化值。
本发明反馈信息获取模块通过差异量集合将产线设备的实际生产情况(传感器数据)及历史数据中的标准阈值(作为衡量实际数据的一个标准)汇总到一个集合中,便于数据的直观比较,将A及B设置成集合,是因为有的产线设备监测的传感器数据不止一种,而将A、B设置成集合的形式,一方面便于数据的存储与展示,另一方面,是为了对数据进行区分(由于产线设备对应的传感器种类不同,进而A或者B中传感器数据的种类个数不同,如果不用集合进行区分,A与B中对应的传感器数据容易造成混淆,进而使得得到的数据结果不直观)。
进一步的,所述反馈信息获取模块获取差异量集合中的C的方法包括以下步骤:
S1.1、获取每个差异量集合中的A及B;
S1.2、分别计算A、B这两个集合中相同项的差值的绝对值,将所得绝对值记为c1n,所述c1n表示A、B这两个集合中第n项对应的差值的绝对值;
S1.3、分别获取A、B这两个集合中各项对应的的传感器种类,并获取每种传感器对应的归一化系数,不同传感器种类对应的归一化系数不同,用γn表示A、B这两个集合中第n项对应的的传感器种类相应的归一化系数;
S1.4、分别将S1.2中当n为不同值时对应的c1n与第一预设值进行比较,
当c1n小于等于第一预设值时,判定c1n在误差范围之内,
当c1n大于第一预设值时,判定c1n在误差范围之外,该数据异常;
S1.5、获取S1.4中所有异常数据及该异常数据在A、B中对应的项;
S1,6、分别计算每个异常数据与该异常数据在A、B中对应项相应的归一化系数的乘积,将所得乘积记为每个异常数据对应传感器的误差归一值;
S1.7、将所有的异常数据对应传感器的误差归一值进行求和,得到差异量集合中的C。
本发明反馈信息获取模块中计算A、B这两个集合中第n项对应的差值的绝对值,有两个目的,一方面获取产线设备上传感器与标准阈值之间的大小差异(便于判断传感器的异常情况,进而判断出产线设备的生产条件情况),另一方面是对产线设备上传感器与标准阈值之间大小差异的符号进行划分;将c1n与第一预设值进行比较时,便于对产线设备上具体的传感器状态进行判断,判断产线设备上传感器数据对应的生产条件是否异常,进行误差归一化处理,能够将复杂的数据简单化、直观化,只通过一组结果数据反映出多组传感器数据的异常情况。
进一步的,所述产线设备相关性获取模块在对产线设备的类别进行划分时,将加工的产品不相互影响的两个产线设备划分成不同的生产链,
获取每条生产链中,分别以不同位置的产线设备为起点,以该生产链中最后的产线设备为终点,将该生产链中起点与终点之间的所有产线设备划分成一种类别,
分别对各个生产链进行排序编号,分别对每个生产链中的各个类别进行排序编号,分别对每个类别中的各个产线设备进行排序编号,
本发明产线设备相关性获取从生产链、类别、产线设备这三方面因素对工厂内的设备进行划分,同一产线设备科对应不同的生产链或不同的类别,对产线设备进行划分并用编号表示,便于在后续的数据分析中锁定反馈信息指令针对的产线设备类别(及锁定反馈信息指令对应的产线设备)。
进一步的,所述反馈信息异常分析模块获取每个类别对应的异常值时,会获取该类别中各个产线设备的差异信息集合,并分别将每个产线设备的差异信息集合中的C与第二预设值进行比较,筛选出差异信息集合中C大于等于第二预设值的产线设备在该类别中的编号,并根据所得筛选编号中最小编号对应的产线设备及该最小编号之后的所有编号分别对应的产线设备,计算该类别对应的异常值。
进一步的,所述反馈信息异常分析模块获取每个类别对应的异常值的方法包括以下步骤:
S2.1、分别将每个产线设备的差异信息集合中的C与第二预设值进行比较,
当产线设备的差异信息集合中的C大于等于第二预设值时,判定产线设备的差异信息集合中的C异常,
当产线设备的差异信息集合中的C小于第二预设值时,判定产线设备的差异信息集合中的C正常;
S2.3、将该类别中该最小编号对应的与对比数据库进行比较,分别获取该类别中该最小编号之后的每一个产线设备对应的标准值,所述标准值表示在该类别中该最小编号对应的C为时,为确保该类别对应的生产链生产的产品正常时,该最小编号及之后每一个编号对应的产线设备对应的C,分别记为Ei,所述Ei表示该类别中第i个产线设备对应的标准值;
本发明反馈信息异常分析模块获取每个类别对应的异常值的过程中,分别将每个产线设备的差异信息集合中的C与第二预设值进行比较是为了判断产线设备的差异信息集合中的C是否在误差范围之间,进而判断出产线设备是否正常;获取筛选的编号中最小编号对应的产线设备,是因为在该最小编号对应的产线设备对应的差异信息集合中的C异常时,该最小编号对应的产线设备对应的生产环境已经发生变更,变为异常,进而该产线设备生产的产品已经与标准的产品存在了差异,进而为了使得最终产品依旧正常,该类别中该产线设备之后的所有产线设备对应的生产环境均需要发生变化,进而通过对比数据库,获取该最小编号之后的每一个产线设备对应的标准值;计算是为了获取该类别中发生变动的实际生产环境与确保生产的产品正常的标准生产环境之间的差异量;计算 是为了得到平均每个产线设备对应的实际生产环境与确保生产的产品正常的标准生产环境之间的差异量,即为该类别对应的异常值,该步骤是为了在后续中筛选出全部产线设备对应的生产环境均发生变动的类别,进而锁定反馈信息指令针对的对象范围。
进一步的,所述综合异常分析模块获取最终异常值的方法包括以下步骤:
S3.1、获取所有类别对应的异常值;
S3.2、获取所有异常值中的最大值作为最终异常值。
进一步的,所述反馈信息指令匹配模块获取综合异常分析模块筛选的最终异常值及该最终异常值对应的类别,将最终异常值及该最终异常值对应的类别构成一个数据组,记为(g1,g2),其中,g1表示该最终异常值,g2表示该最终异常值对应的类别,将(g1,g2)与指令数据库进行匹配,先根据g2筛选出指令数据库中与该最终异常值对应类别中各个产线设备相关的所有反馈信息指令,该筛选步骤记为第一筛选,
然后在第一筛选的基础上,根据g1筛选出指令数据库中与该最终异常值对应的反馈信息指令,记为第二筛选,
当第二筛选的结果为空时,则判定数字化工厂的产线设备状态正常,不需要通过工控设备的反馈信息指令进行校准,
当第二筛选的结果不为空时,则判定数字化工厂的产线设备状态异常,需要通过工控设备的反馈信息指令进行校准,第二筛选的结果即为匹配的相应的反馈信息指令。
本发明反馈信息指令匹配模块将将最终异常值及该最终异常值对应的类别构成一个数据组,是为了使得待比较的数据有条理,便于反馈信息指令的筛选;先根据g2实现第一筛选是为了先确定反馈信息指令针对的对象范围,然后在确定针对的对象范围的基础上,根据针对各个对象具体的调节(校准)内容进一步筛选(第二筛选)出相应的反馈信息指令。
进一步的,所述传输模块将反馈信息指令匹配模块得到的反馈信息指令输出到该最终异常值对应的类别中各个产线设备中,每个产线设备会自动筛选出反馈信息指令对应的指令信息内容,并按照获取的对应的指令信息内容对产线设备进行校准、更改。
与现有技术相比,本发明所达到的有益效果是:本发明结合数字化工厂技术,通过产线设备的传感器数据中的异常数据及异常数据的位置,对产线设备的情况进一步判断,根据存在异常数据的产线设备所属的类别分析出该异常数据对最终产品的影响程度,进而在工控设备中生成相应的反馈信息指令传输给相应的产线设备进行调节校准,确保生产的稳定。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明基于数字化工厂的工控设备反馈信息指令传输系统的结构示意图;
图2是本发明基于数字化工厂的工控设备反馈信息指令传输系统中反馈信息获取模块获取差异量集合中的C的方法的流程示意图;
图3是本发明基于数字化工厂的工控设备反馈信息指令传输系统中反馈信息异常分析模块获取每个类别对应的异常值的方法的流程示意图。
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。
请参阅图1-图3,本发明提供技术方案:基于数字化工厂的工控设备反馈信息指令传输系统,包括:
反馈信息获取模块,所述反馈信息获取模块用于获取每个生产设备通过传感器采集的生产条件数据与标准生产条件的第一差异量,并分别构成差异量集合,每个生产设备对应一个差异量集合;
产线设备相关性获取模块,所述产线设备相关性获取模块根据产线设备相互之间的关系,分别对各个产线设备进行类别划分,不同类别中可包含同一产线设备;
反馈信息异常分析模块,所述反馈信息异常分析模块分别对每个类别中的中各个产线设备对应的差异量集合进行分析,得到每个类别对应的异常值;
综合异常分析模块,所述综合异常分析模块分别获取反馈信息异常分析模块得到的每个类别对应的异常值,并进一步进行分析,筛选出最终异常值;
反馈信息指令匹配模块,所述反馈信息指令匹配模块获取综合异常分析模块筛选的最终异常值及该最终异常值对应的类别,匹配出相应的反馈信息指令;
传输模块,所述传输模块将反馈信息指令匹配模块得到的反馈信息指令输出到该最终异常值对应的类别中各个产线设备中。
本发明通过各个模块的协同合作,共同实现对工控设备反馈信息指令的获取及传输,通过生产链的构造及生产过程中产线设备的条件数据不同,实现了对反馈信息指令的筛选及校准。
所述反馈信息获取模块中每个差异量集合表示为{A,B,C},
其中,A表示某产线设备上的各个传感器在某一时间分别对应的数值的集合,
B表示A对应的产线设备上各个传感器分别对应的标准阈值的集合,所述标准阈值表示相应产线设备正常生产时相应的传感器测得的标准生产条件数值;
C表示A、B这两个集合中相同位置的数据的差值,并将所得的各个差值进行归一化处理后得到的归一化值。
本发明反馈信息获取模块通过差异量集合将产线设备的实际生产情况(传感器数据)及历史数据中的标准阈值(作为衡量实际数据的一个标准)汇总到一个集合中,便于数据的直观比较,将A及B设置成集合,是因为有的产线设备监测的传感器数据不止一种,而将A、B设置成集合的形式,一方面便于数据的存储与展示,另一方面,是为了对数据进行区分(由于产线设备对应的传感器种类不同,进而A或者B中传感器数据的种类个数不同,如果不用集合进行区分,A与B中对应的传感器数据容易造成混淆,进而使得得到的数据结果不直观)。
所述反馈信息获取模块获取差异量集合中的C的方法包括以下步骤:
S1.1、获取每个差异量集合中的A及B;
S1.2、分别计算A、B这两个集合中相同项的差值的绝对值,将所得绝对值记为c1n,所述c1n表示A、B这两个集合中第n项对应的差值的绝对值;
S1.3、分别获取A、B这两个集合中各项对应的的传感器种类,并获取每种传感器对应的归一化系数,不同传感器种类对应的归一化系数不同,用γn表示A、B这两个集合中第n项对应的的传感器种类相应的归一化系数;
S1.4、分别将S1.2中当n为不同值时对应的c1n与第一预设值进行比较,
当c1n小于等于第一预设值时,判定c1n在误差范围之内,
当c1n大于第一预设值时,判定c1n在误差范围之外,该数据异常;
S1.5、获取S1.4中所有异常数据及该异常数据在A、B中对应的项;
S1,6、分别计算每个异常数据与该异常数据在A、B中对应项相应的归一化系数的乘积,将所得乘积记为每个异常数据对应传感器的误差归一值;
S1.7、将所有的异常数据对应传感器的误差归一值进行求和,得到差异量集合中的C。
本实施例中若A为{38,25,15},B为{36,30,11},第一预设值为3,γ1为0.8,γ2为0.6,γ3为0.7,
因为|38-36|<3,|25-30|>3且|15-11|>3,
所以|38-36|在误差范围之内,|25-30|及|15-11|在误差范围之外,
则|25-30|对应的误差归一值为|25-30|*0.6=3,
|15-11|对应的误差归一值为|15-11|*0.7=2.8,
则差异量集合中的C为|25-30|*0.6+|15-11|*0.7=3+2.8=5.8。
本发明反馈信息获取模块中计算A、B这两个集合中第n项对应的差值的绝对值,有两个目的,一方面获取产线设备上传感器与标准阈值之间的大小差异(便于判断传感器的异常情况,进而判断出产线设备的生产条件情况),另一方面是对产线设备上传感器与标准阈值之间大小差异的符号进行划分;将c1n与第一预设值进行比较时,便于对产线设备上具体的传感器状态进行判断,判断产线设备上传感器数据对应的生产条件是否异常,进行误差归一化处理,能够将复杂的数据简单化、直观化,只通过一组结果数据反映出多组传感器数据的异常情况。
所述产线设备相关性获取模块在对产线设备的类别进行划分时,将加工的产品不相互影响的两个产线设备划分成不同的生产链,
获取每条生产链中,分别以不同位置的产线设备为起点,以该生产链中最后的产线设备为终点,将该生产链中起点与终点之间的所有产线设备划分成一种类别,
分别对各个生产链进行排序编号,分别对每个生产链中的各个类别进行排序编号,分别对每个类别中的各个产线设备进行排序编号,
本实施例中若现在有一条产线,包括甲、乙、丙及丁四个产线设备,甲生产的产品需要经过乙进行二次加工,丁将乙加工的产品与丙加工的产品进行组装,得到最终产品,因此,该产线中,有两条生产链,第一条生产链为甲、乙及丁,第二条生产链为丙及丁。
本发明产线设备相关性获取从生产链、类别、产线设备这三方面因素对工厂内的设备进行划分,同一产线设备科对应不同的生产链或不同的类别,对产线设备进行划分并用编号表示,便于在后续的数据分析中锁定反馈信息指令针对的产线设备类别(及锁定反馈信息指令对应的产线设备)。
所述反馈信息异常分析模块获取每个类别对应的异常值时,会获取该类别中各个产线设备的差异信息集合,并分别将每个产线设备的差异信息集合中的C与第二预设值进行比较,筛选出差异信息集合中C大于等于第二预设值的产线设备在该类别中的编号,并根据所得筛选编号中最小编号对应的产线设备及该最小编号之后的所有编号分别对应的产线设备,计算该类别对应的异常值。
所述反馈信息异常分析模块获取每个类别对应的异常值的方法包括以下步骤:
S2.1、分别将每个产线设备的差异信息集合中的C与第二预设值进行比较,
当产线设备的差异信息集合中的C大于等于第二预设值时,判定产线设备的差异信息集合中的C异常,
当产线设备的差异信息集合中的C小于第二预设值时,判定产线设备的差异信息集合中的C正常;
S2.3、将该类别中该最小编号对应的与对比数据库进行比较,分别获取该类别中该最小编号之后的每一个产线设备对应的标准值,所述标准值表示在该类别中该最小编号对应的C为时,为确保该类别对应的生产链生产的产品正常时,该最小编号及之后每一个编号对应的产线设备对应的C,分别记为Ei,所述Ei表示该类别中第i个产线设备对应的标准值;
本实施例中甲类别中共有4个产线设备,且各个产线设备的差异信息集合中的C分别为3.8、5.4、7.2及6.2,第二预设值为4,
因为3.8<4,则判定3.8正常,
因为5.4>4,7.2>4且6.2>4,则判定5.4、7.2及6.2均异常,且5.4在甲类别中的编号最小,
因此,需要将5.4与对比数据库进行比较,分别获取该类别中5.4、7.2与6.2分别对应的产线设备对应的标准值,若5.4、7.2与6.2对应的产线设备对应的标准值分别为5.4、6.5及4.9,
若5.4、7.2与6.2对应的产线设备中对应的差异系数分别为0.2、0.5及0.3,
则甲类别对应的异常值为
本发明反馈信息异常分析模块获取每个类别对应的异常值的过程中,分别将每个产线设备的差异信息集合中的C与第二预设值进行比较是为了判断产线设备的差异信息集合中的C是否在误差范围之间,进而判断出产线设备是否正常;获取筛选的编号中最小编号对应的产线设备,是因为在该最小编号对应的产线设备对应的差异信息集合中的C异常时,该最小编号对应的产线设备对应的生产环境已经发生变更,变为异常,进而该产线设备生产的产品已经与标准的产品存在了差异,进而为了使得最终产品依旧正常,该类别中该产线设备之后的所有产线设备对应的生产环境均需要发生变化,进而通过对比数据库,获取该最小编号之后的每一个产线设备对应的标准值;计算是为了获取该类别中发生变动的实际生产环境与确保生产的产品正常的标准生产环境之间的差异量;计算 是为了得到平均每个产线设备对应的实际生产环境与确保生产的产品正常的标准生产环境之间的差异量,即为该类别对应的异常值,该步骤是为了在后续中筛选出全部产线设备对应的生产环境均发生变动的类别,进而锁定反馈信息指令针对的对象范围;差异系数是通过与数据库匹配获取的。
所述综合异常分析模块获取最终异常值的方法包括以下步骤:
S3.1、获取所有类别对应的异常值;
S3.2、获取所有异常值中的最大值作为最终异常值。
所述反馈信息指令匹配模块获取综合异常分析模块筛选的最终异常值及该最终异常值对应的类别,将最终异常值及该最终异常值对应的类别构成一个数据组,记为(g1,g2),其中,g1表示该最终异常值,g2表示该最终异常值对应的类别,将(g1,g2)与指令数据库进行匹配,先根据g2筛选出指令数据库中与该最终异常值对应类别中各个产线设备相关的所有反馈信息指令,该筛选步骤记为第一筛选,
然后在第一筛选的基础上,根据g1筛选出指令数据库中与该最终异常值对应的反馈信息指令,记为第二筛选,
当第二筛选的结果为空时,则判定数字化工厂的产线设备状态正常,不需要通过工控设备的反馈信息指令进行校准,
当第二筛选的结果不为空时,则判定数字化工厂的产线设备状态异常,需要通过工控设备的反馈信息指令进行校准,第二筛选的结果即为匹配的相应的反馈信息指令。
本发明反馈信息指令匹配模块将将最终异常值及该最终异常值对应的类别构成一个数据组,是为了使得待比较的数据有条理,便于反馈信息指令的筛选;先根据g2实现第一筛选是为了先确定反馈信息指令针对的对象范围,然后在确定针对的对象范围的基础上,根据针对各个对象具体的调节(校准)内容进一步筛选(第二筛选)出相应的反馈信息指令。
所述传输模块将反馈信息指令匹配模块得到的反馈信息指令输出到该最终异常值对应的类别中各个产线设备中,每个产线设备会自动筛选出反馈信息指令对应的指令信息内容,并按照获取的对应的指令信息内容对产线设备进行校准、更改。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.基于数字化工厂的工控设备反馈信息指令传输系统,其特征在于,包括:
反馈信息获取模块,所述反馈信息获取模块用于获取每个生产设备通过传感器采集的生产条件数据与标准生产条件的第一差异量,并分别构成差异量集合,每个生产设备对应一个差异量集合;
产线设备相关性获取模块,所述产线设备相关性获取模块根据产线设备相互之间的关系,分别对各个产线设备进行类别划分,不同类别中可包含同一产线设备;
反馈信息异常分析模块,所述反馈信息异常分析模块分别对每个类别中的中各个产线设备对应的差异量集合进行分析,得到每个类别对应的异常值;
综合异常分析模块,所述综合异常分析模块分别获取反馈信息异常分析模块得到的每个类别对应的异常值,并进一步进行分析,筛选出最终异常值;
反馈信息指令匹配模块,所述反馈信息指令匹配模块获取综合异常分析模块筛选的最终异常值及该最终异常值对应的类别,匹配出相应的反馈信息指令;
传输模块,所述传输模块将反馈信息指令匹配模块得到的反馈信息指令输出到该最终异常值对应的类别中各个产线设备中。
2.根据权利要求1所述的基于数字化工厂的工控设备反馈信息指令传输系统,其特征在于:所述反馈信息获取模块中每个差异量集合表示为{A,B,C},
其中,A表示某产线设备上的各个传感器在某一时间分别对应的数值的集合,
B表示A对应的产线设备上各个传感器分别对应的标准阈值的集合,所述标准阈值表示相应产线设备正常生产时相应的传感器测得的标准生产条件数值;
C表示A、B这两个集合中相同位置的数据的差值,并将所得的各个差值进行归一化处理后得到的归一化值。
3.根据权利要求2所述的基于数字化工厂的工控设备反馈信息指令传输系统,其特征在于:所述反馈信息获取模块获取差异量集合中的C的方法包括以下步骤:
S1.1、获取每个差异量集合中的A及B;
S1.2、分别计算A、B这两个集合中相同项的差值的绝对值,将所得绝对值记为c1n,所述c1n表示A、B这两个集合中第n项对应的差值的绝对值;
S1.3、分别获取A、B这两个集合中各项对应的的传感器种类,并获取每种传感器对应的归一化系数,不同传感器种类对应的归一化系数不同,用γn表示A、B这两个集合中第n项对应的的传感器种类相应的归一化系数;
S1.4、分别将S1.2中当n为不同值时对应的c1n与第一预设值进行比较,
当c1n小于等于第一预设值时,判定c1n在误差范围之内,
当c1n大于第一预设值时,判定c1n在误差范围之外,该数据异常;
S1.5、获取S1.4中所有异常数据及该异常数据在A、B中对应的项;
S1,6、分别计算每个异常数据与该异常数据在A、B中对应项相应的归一化系数的乘积,将所得乘积记为每个异常数据对应传感器的误差归一值;
S1.7、将所有的异常数据对应传感器的误差归一值进行求和,得到差异量集合中的C。
5.根据权利要求4所述的基于数字化工厂的工控设备反馈信息指令传输系统,其特征在于:所述反馈信息异常分析模块获取每个类别对应的异常值时,会获取该类别中各个产线设备的差异信息集合,并分别将每个产线设备的差异信息集合中的C与第二预设值进行比较,筛选出差异信息集合中C大于等于第二预设值的产线设备在该类别中的编号,并根据所得筛选编号中最小编号对应的产线设备及该最小编号之后的所有编号分别对应的产线设备,计算该类别对应的异常值。
6.根据权利要求5所述的基于数字化工厂的工控设备反馈信息指令传输系统,其特征在于:所述反馈信息异常分析模块获取每个类别对应的异常值的方法包括以下步骤:
S2.1、分别将每个产线设备的差异信息集合中的C与第二预设值进行比较,
当产线设备的差异信息集合中的C大于等于第二预设值时,判定产线设备的差异信息集合中的C异常,
当产线设备的差异信息集合中的C小于第二预设值时,判定产线设备的差异信息集合中的C正常;
S2.3、将该类别中该最小编号对应的与对比数据库进行比较,分别获取该类别中该最小编号之后的每一个产线设备对应的标准值,所述标准值表示在该类别中该最小编号对应的C为时,为确保该类别对应的生产链生产的产品正常时,该最小编号及之后每一个编号对应的产线设备对应的C,分别记为Ei,所述Ei表示该类别中第i个产线设备对应的标准值;
7.根据权利要求5所述的基于数字化工厂的工控设备反馈信息指令传输系统,其特征在于:所述综合异常分析模块获取最终异常值的方法包括以下步骤:
S3.1、获取所有类别对应的异常值;
S3.2、获取所有异常值中的最大值作为最终异常值。
8.根据权利要求7所述的基于数字化工厂的工控设备反馈信息指令传输系统,其特征在于:所述反馈信息指令匹配模块获取综合异常分析模块筛选的最终异常值及该最终异常值对应的类别,将最终异常值及该最终异常值对应的类别构成一个数据组,记为(g1,g2),其中,g1表示该最终异常值,g2表示该最终异常值对应的类别,将(g1,g2)与指令数据库进行匹配,先根据g2筛选出指令数据库中与该最终异常值对应类别中各个产线设备相关的所有反馈信息指令,该筛选步骤记为第一筛选,
然后在第一筛选的基础上,根据g1筛选出指令数据库中与该最终异常值对应的反馈信息指令,记为第二筛选,
当第二筛选的结果为空时,则判定数字化工厂的产线设备状态正常,不需要通过工控设备的反馈信息指令进行校准,
当第二筛选的结果不为空时,则判定数字化工厂的产线设备状态异常,需要通过工控设备的反馈信息指令进行校准,第二筛选的结果即为匹配的相应的反馈信息指令。
9.根据权利要求8所述的基于数字化工厂的工控设备反馈信息指令传输系统,其特征在于:所述传输模块将反馈信息指令匹配模块得到的反馈信息指令输出到该最终异常值对应的类别中各个产线设备中,每个产线设备会自动筛选出反馈信息指令对应的指令信息内容,并按照获取的对应的指令信息内容对产线设备进行校准、更改。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210980068.5A CN115167323B (zh) | 2022-08-16 | 2022-08-16 | 基于数字化工厂的工控设备反馈信息指令传输系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210980068.5A CN115167323B (zh) | 2022-08-16 | 2022-08-16 | 基于数字化工厂的工控设备反馈信息指令传输系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115167323A true CN115167323A (zh) | 2022-10-11 |
CN115167323B CN115167323B (zh) | 2023-06-16 |
Family
ID=83478836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210980068.5A Active CN115167323B (zh) | 2022-08-16 | 2022-08-16 | 基于数字化工厂的工控设备反馈信息指令传输系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115167323B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115329902A (zh) * | 2022-10-12 | 2022-11-11 | 南通创为机械科技有限公司 | 一种数控卷板机产品异常数据分析识别方法 |
CN117707051A (zh) * | 2024-02-04 | 2024-03-15 | 工业云制造(四川)创新中心有限公司 | 一种具备自主学习能力的云制造支撑方法 |
CN117850375A (zh) * | 2024-03-05 | 2024-04-09 | 青岛天一红旗软控科技有限公司 | 一种生产线的多维度监测系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005142467A (ja) * | 2003-11-10 | 2005-06-02 | Renesas Technology Corp | 半導体デバイスの製造方法および半導体製造システム |
US20200143292A1 (en) * | 2018-11-01 | 2020-05-07 | General Electric Company | Signature enhancement for deviation measurement-based classification of a detected anomaly in an industrial asset |
US20210263508A1 (en) * | 2018-07-26 | 2021-08-26 | Siemens Aktiengesellschaft | Product performance prediction modeling method and apparatus, computer device, computer-readable storage medium, and product performance prediction method and prediction system |
CN113778042A (zh) * | 2021-11-12 | 2021-12-10 | 江苏中科云控智能工业装备有限公司 | 基于信息化建模的工控设备指令模拟运行通信系统 |
CN114595256A (zh) * | 2022-03-14 | 2022-06-07 | 哈尔滨市若初科技有限责任公司 | 一种基于大数据的信息管理系统及方法 |
-
2022
- 2022-08-16 CN CN202210980068.5A patent/CN115167323B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005142467A (ja) * | 2003-11-10 | 2005-06-02 | Renesas Technology Corp | 半導体デバイスの製造方法および半導体製造システム |
US20210263508A1 (en) * | 2018-07-26 | 2021-08-26 | Siemens Aktiengesellschaft | Product performance prediction modeling method and apparatus, computer device, computer-readable storage medium, and product performance prediction method and prediction system |
US20200143292A1 (en) * | 2018-11-01 | 2020-05-07 | General Electric Company | Signature enhancement for deviation measurement-based classification of a detected anomaly in an industrial asset |
CN113778042A (zh) * | 2021-11-12 | 2021-12-10 | 江苏中科云控智能工业装备有限公司 | 基于信息化建模的工控设备指令模拟运行通信系统 |
CN114595256A (zh) * | 2022-03-14 | 2022-06-07 | 哈尔滨市若初科技有限责任公司 | 一种基于大数据的信息管理系统及方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115329902A (zh) * | 2022-10-12 | 2022-11-11 | 南通创为机械科技有限公司 | 一种数控卷板机产品异常数据分析识别方法 |
CN117707051A (zh) * | 2024-02-04 | 2024-03-15 | 工业云制造(四川)创新中心有限公司 | 一种具备自主学习能力的云制造支撑方法 |
CN117707051B (zh) * | 2024-02-04 | 2024-04-16 | 工业云制造(四川)创新中心有限公司 | 一种具备自主学习能力的云制造支撑方法 |
CN117850375A (zh) * | 2024-03-05 | 2024-04-09 | 青岛天一红旗软控科技有限公司 | 一种生产线的多维度监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115167323B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115167323B (zh) | 基于数字化工厂的工控设备反馈信息指令传输系统 | |
CN100489870C (zh) | 用于过程统计控制的方法和多维系统 | |
Worden et al. | Novelty detection in a changing environment: regression and interpolation approaches | |
US9122273B2 (en) | Failure cause diagnosis system and method | |
US7640126B2 (en) | Combine-information processing apparatus, method for processing combine-information, program, and recording medium | |
WO1999027466A2 (en) | System and method for intelligent quality control of a process | |
CN113518011B (zh) | 异常检测方法和装置、电子设备及计算机可读存储介质 | |
KR20080098332A (ko) | 다변수 결함 기여도를 나타내기 위한 그래픽 사용자인터페이스 | |
CN107423435B (zh) | 多维时空数据的多层次异常检测方法 | |
CN113726911B (zh) | 一种基于物联网技术的工厂数据采集处理系统 | |
CN112036426A (zh) | 利用高维传感器数据的多数表决进行无监督异常检测和责任的方法和系统 | |
CN113485268B (zh) | 一种基于工业物联网多场景分布式信息化控制系统 | |
CN115993856B (zh) | 一种厂房多区域环境条件管控方法及系统 | |
CN113287104A (zh) | 数据分类装置 | |
CN114509266A (zh) | 一种基于故障特征融合的轴承健康监测方法 | |
CN113342610A (zh) | 一种时序数据异常检测方法、装置、电子设备及存储介质 | |
CN110099089A (zh) | 传感器网络中多个数据流的在线自校正 | |
CN113778042B (zh) | 基于信息化建模的工控设备指令模拟运行通信系统 | |
CN106096634B (zh) | 基于自适应滑动窗口算法与区间折半算法的故障检测方法 | |
CN114881540B (zh) | 确定水源治理方案的方法和装置、电子设备和存储介质 | |
CN114595256B (zh) | 一种基于大数据的信息管理系统及方法 | |
US11775512B2 (en) | Data analysis apparatus, method and system | |
WO2022018912A1 (ja) | 予測システム、予測方法、ならびに表示装置 | |
Galotto et al. | Data based tools for sensors continuous monitoring in industry applications | |
WO2020183781A1 (ja) | 異常診断装置 |
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 |