CN115222069A - 一种设备预诊维护算法及集成该算法的智能工厂管控架构 - Google Patents
一种设备预诊维护算法及集成该算法的智能工厂管控架构 Download PDFInfo
- Publication number
- CN115222069A CN115222069A CN202210554166.2A CN202210554166A CN115222069A CN 115222069 A CN115222069 A CN 115222069A CN 202210554166 A CN202210554166 A CN 202210554166A CN 115222069 A CN115222069 A CN 115222069A
- Authority
- CN
- China
- Prior art keywords
- equipment
- data
- management
- intelligent
- control architecture
- 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
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 26
- 238000012423 maintenance Methods 0.000 title claims abstract description 23
- 238000003745 diagnosis Methods 0.000 title claims abstract description 22
- 238000007726 management method Methods 0.000 claims abstract description 38
- 238000004519 manufacturing process Methods 0.000 claims abstract description 38
- 230000004927 fusion Effects 0.000 claims abstract description 17
- 230000036541 health Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 17
- 239000011521 glass Substances 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000004886 process control Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 claims 2
- 238000012356 Product development Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 8
- 230000006399 behavior Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/20—Administration of product repair or maintenance
-
- 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]
-
- 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
- G06F16/21—Design, administration or maintenance of databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及工厂管理技术领域,特别涉及一种设备预诊维护算法及集成了该算法的智能工厂管控架构,该算法的步骤如下:S1、历史数据库的形成;S2、设备运行健康库的生成;S3、故障的诊断;S4、设备的维护;该智能工厂管控架构包括云端、系统端、边缘计算部分和集成了设备预诊维护算法的虚实融合部分;本发明通过云端、系统端、边缘计算部分和虚实融合部分的设置,对智能工厂中的设备状态、生产过程进行监控、监测、以及数据的收集、存储、分析、处理和优化,从而实现智能工厂符合自身生产需求的精细化管理。
Description
技术领域
本发明涉及工厂管理技术领域,特别涉及一种设备预诊维护算法及集成了该算法的智能管控架构。
背景技术
随着虚实融合技术的不断革新和智能制造相关设备的越来越多,智能工厂无疑是当今最重要的趋势之一。在工业自动化领域,各个生产环节将不再是过去单一独立的个体,它们之间互相紧密联系,而完成它们之间的连线将能够改变制造规则。
智慧工厂是现代工厂信息化发展的新阶段,在当前数字工厂的基础上,利用虚实融合技术加强信息化管理和服务将会是一个新的发展方向。那么,在已有最优生产流程的前提下,如何去实现符合自身生产需求的精细化管理,更加直观有效地监控、监测设备状态和生产过程,将是一个新的问题。
发明内容
本发明的目的是克服现有技术存在的缺陷和不足,提供一种设备预诊维护算法及集成了该算法的基于虚实融合技术的智能管控架构。
实现本发明目的的技术方案是:一种设备预诊维护算法,步骤如下:
S1、历史数据库的形成:物理车间感知并传输设备状态数据,设备状态数据包括温度、振动、功率、电压和电流,将设备状态数据输入至孪生数据中存储,形成历史数据库;
S2、设备运行健康库的生成:对历史数据库中的部分历史数据进行建模,生成孪生车间的设备运行健康库;
S3、故障的诊断:在设备运行过程中,将物理车间感知的实时数据经过服务层,通过非线性状态估计生成预测向量,计算当前的预测向量与实际观测向量的残差,通过判断残差是否超过阈值来诊断设备是否存在潜在故障;
S4、设备的维护:若步骤S3中的残差超过阈值,则诊断设备存在潜在故障,以自动或半自动的方式对设备进行干预。
进一步地,所述步骤S2中建模的过程为数据预处理、非平稳信号特征提取、改进的峰聚类算法和构造过程记忆矩阵。
一种智能工厂管控架构,包括云端、系统端、边缘计算部分和集成了设备预诊维护算法的虚实融合部分。
进一步地,所述云端接收并存储来自于智能工厂的生产任务、管控指令和实时状态,实现多工厂之间的协同制造、工厂级的辅助决策和长期业务分析及优化。
进一步地,所述系统端设置于企业内部,用于接收、处理和分析来自边缘计算部分的设备数据、过程数据和动作指令,以及来自云端的决策结果和优化方法。
进一步地,所述系统端包括基础运营管理模块和数字孪生,所述基础运营管理模块用于管理、整合及优化物资资源、财务资源和信息资源,同时管理客户关系和物流仓储,并设计和管理产品研发的全生命周期数据,以实现系统端的生产信息化管理和对现场的过程控制,所述数字孪生包括设备运维数字孪生和生产过程数字孪生,所述生产过程数字孪生用于实现对工厂级作业的流程优化。
进一步地,所述系统端通过图形用户界面访问和控制智能工厂的数字孪生,以监控和诊断系统的状态,并做出相应的反馈和操作,所述图形用户界面包含几何模型、WEB端和混合现实端,所述混合现实端与MR眼镜连接。
进一步地,所述边缘计算部分包括硬件和软件,所述硬件包括设备对象、嵌入式系统、传感器和智能终端,所述软件包括监测程序和监控程序。
进一步地,所述虚实融合部分的主要载体是MR眼镜。
进一步地,所述生产过程数字孪生通过对智能工厂现场的业务数据、指令数据和状态数据进行采集、上传、处理和分析,利用高保真行为模型,结合算法和知识库实现对工厂作业的加速排程、过程仿真、计划优化和调度优化,所述高保真行为模型随着数据量的增加通过神经网络进行迭代优化。
采用上述技术方案后,本发明具有以下积极的效果:
(1)本发明通过云端、系统端、边缘计算部分和虚实融合部分的设置,对智能工厂中的设备状态、生产过程进行监控、监测、以及数据的收集、存储、分析、处理和优化,从而实现智能工厂符合自身生产需求的精细化管理;
(2)本发明在虚实融合部分集成了设备预诊维护算法,提高了设备故障诊断结果的可信度;
(3)本发明通过MR眼镜的设置,更加直观有效地监控、监测设备状态和生产过程。
附图说明
为了使本发明的内容更容易和清楚地被理解,下面根据具体实施例并结合附图,对本发明作进一步的详细说明,其中:
图1为本发明设备预诊维护算法的流程图;
图2为本发明智能工厂管控架构的结构图。
图中:云端1、系统端2、边缘计算部分3、虚实融合部分4、图形用户界面5。
具体实施方式
实施例1
如图1所示,一种设备预诊维护算法,步骤如下:
S1、历史数据库的形成:物理车间感知并传输设备状态数据,设备状态数据包括温度、振动、功率、电压和电流,将设备状态数据输入至孪生数据中存储,形成历史数据库;
S2、设备运行健康库的生成:对历史数据库中的部分历史数据进行建模,生成孪生车间的设备运行健康库;
S3、故障的诊断:在设备运行过程中,将物理车间感知的实时数据经过服务层,通过非线性状态估计生成预测向量,计算当前的预测向量与实际观测向量的残差,通过判断残差是否超过阈值来诊断设备是否存在潜在故障;
S4、设备的维护:若步骤S3中的残差超过阈值,则诊断设备存在潜在故障,以自动或半自动的方式对设备进行干预。
其中,步骤S2中建模的过程为数据预处理、非平稳信号特征提取、改进的峰聚类算法和构造过程记忆矩阵。
其中,步骤S4中若诊断出设备存在潜在故障,则对车间设备进行提前检修,其中,半自动的干预方式可以是人工干预。
实施例2
如图2所示,一种智能管控架构,包括云端1、系统端2、边缘计算部分3和集成了设备预诊维护算法的虚实融合部分4。通过云端1、系统端2、边缘计算部分3和虚实融合部分4的设置,对智能工厂中的设备状态、生产过程进行监控、监测、以及数据的收集、存储、分析、处理和优化,从而实现智能工厂符合自身生产需求的精细化管理;另外,在虚实融合部分4集成了设备预诊维护算法,提高了设备故障诊断结构的可信度。具体的,云端1接收并存储来自于智能工厂的生产任务(比如订单)、管控指令和实时状态,利用云端1按需资源共享、高计算、存储功能和工厂大数据等实现工厂间协同、工厂级的辅助决策和长期业务分析及优化;系统端2设置于企业内部,系统端2为服务器、基站等网络组件,用于接收、处理和分析来自边缘计算部分3的设备数据、过程数据和动作指令,以及来自云端1的决策结果和优化方法;边缘计算部分3包括硬件和软件,其可对实时感知的数据进行清洗和预处理等操作,以实现实时性较高的监测和故障报警等功能,以及为系统端2提供数据支持。具体的,硬件包括设备对象、嵌入式系统、传感器和智能终端等,软件包括监测程序和监控程序等,监测程序用于对生产环境、设备异常和运行状态进行监测,监控程序用于对物料调度进行监控。虚实融合部分4的主要载体是MR眼镜,搭载有虚实融合交互端、视觉系统,完成现场场景的提取和系统的交互,可以实现现场数据和系统端2数据的交互,完成系统数据迭代,通过MR眼镜的设置,更加直观有效地监控、监测设备状态和生产过程。系统端2包括基础运营管理模块和数字孪生,基础运营管理模块用于管理、整合及优化物资资源、财务资源和信息资源,同时管理客户关系和物流仓储,并设计和管理产品研发的全生命周期数据,以实现系统端2的生产信息化管理和对现场的过程控制,生产信息化管理包括制造数据管理、计划排程管理、生产调度管理、库存管理、质量管理、采购管理和生产过程控制等;数字孪生包括设备运维数字孪生和生产过程数字孪生,生产过程数字孪生用于实现对工厂级作业的流程优化。具体的,设备运维数字孪生包含故障诊断、状态评估、故障预诊和寿命预测,生产过程数字孪生通过对智能工厂现场的业务数据、指令数据和状态数据进行采集、上传、处理和分析,利用高保真行为模型,结合算法和知识库实现对工厂作业的加速排程、过程仿真、计划优化和调度优化,高保真行为模型随着数据量的增加通过神经网络进行迭代优化。系统端2通过图形用户界面5访问和控制智能工厂的数字孪生,以监控和诊断相应系统的状态,并做出相应的反馈和操作。具体的,图形用户界面5包括几何模型、WEB端和混合显示端,混合显示端与MR眼镜连接。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种设备预诊维护算法,其特征在于,步骤如下:
S1、历史数据库的形成:物理车间感知并传输设备状态数据,设备状态数据包括温度、振动、功率、电压和电流,将设备状态数据输入至孪生数据中存储,形成历史数据库;
S2、设备运行健康库的生成:对历史数据库中的部分历史数据进行建模,生成孪生车间的设备运行健康库;
S3、故障的诊断:在设备运行过程中,将物理车间感知的实时数据经过服务层,通过非线性状态估计生成预测向量,计算当前的预测向量与实际观测向量的残差,通过判断残差是否超过阈值来诊断设备是否存在潜在故障;
S4、设备的维护:若步骤S3中的残差超过阈值,则诊断设备存在潜在故障,以自动或半自动的方式对设备进行干预。
2.根据权利要求1所述的一种设备预诊维护算法,其特征在于,所述步骤S2中建模的过程为数据预处理、非平稳信号特征提取、改进的峰聚类算法和构造过程记忆矩阵。
3.一种智能工厂管控架构,其特征在于,包括云端(1)、系统端(2)、边缘计算部分(3)和集成了如权利要求1或2所述设备预诊维护算法的虚实融合部分(4)。
4.根据权利要求3所述的一种智能工厂管控架构,其特征在于,所述云端(1)接收并存储来自于智能工厂的生产任务、管控指令和实时状态,实现多工厂之间的协同制造、工厂级的辅助决策和长期业务分析及优化。
5.根据权利要求4所述的一种智能工厂管控架构,其特征在于,所述系统端(2)设置于企业内部,用于接收、处理和分析来自边缘计算部分(3)的设备数据、过程数据和动作指令,以及来自云端(1)的决策结果和优化方法。
6.根据权利要求5所述的一种智能工厂管控架构,其特征在于,所述系统端(2)包括基础运营管理模块和数字孪生,所述基础运营管理模块用于管理、整合及优化物资资源、财务资源和信息资源,同时管理客户关系和物流仓储,并设计和管理产品研发的全生命周期数据,以实现系统端(2)的生产信息化管理和对现场的过程控制,所述数字孪生包括设备运维数字孪生和生产过程数字孪生,所述生产过程数字孪生用于实现对工厂级作业的流程优化。
7.根据权利要求6所述的一种智能工厂管控架构,其特征在于,所述系统端(2)通过图形用户界面(5)访问和控制智能工厂的数字孪生,以监控和诊断系统的状态,并做出相应的反馈和操作,所述图形用户界面(5)包含几何模型、WEB端和混合现实端,所述混合现实端与MR眼镜连接。
8.根据权利要求5所述的一种智能工厂管控架构,其特征在于,所述边缘计算部分(3)包括硬件和软件,所述硬件包括设备对象、嵌入式系统、传感器和智能终端,所述软件包括监测程序和监控程序。
9.根据权利要求7所述的一种智能工厂管控架构,其特征在于,所述虚实融合部分(4)的主要载体是MR眼镜。
10.根据权利要求6所述的一种智能工厂管控架构,其特征在于,所述生产过程数字孪生通过对智能工厂现场的业务数据、指令数据和状态数据进行采集、上传、处理和分析,利用高保真行为模型,结合算法和知识库实现对工厂作业的加速排程、过程仿真、计划优化和调度优化,所述高保真行为模型随着数据量的增加通过神经网络进行迭代优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210554166.2A CN115222069A (zh) | 2022-05-19 | 2022-05-19 | 一种设备预诊维护算法及集成该算法的智能工厂管控架构 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210554166.2A CN115222069A (zh) | 2022-05-19 | 2022-05-19 | 一种设备预诊维护算法及集成该算法的智能工厂管控架构 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115222069A true CN115222069A (zh) | 2022-10-21 |
Family
ID=83608931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210554166.2A Pending CN115222069A (zh) | 2022-05-19 | 2022-05-19 | 一种设备预诊维护算法及集成该算法的智能工厂管控架构 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115222069A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116703352A (zh) * | 2023-04-17 | 2023-09-05 | 艾尔科工程技术有限公司 | 一种基于数字孪生的洁净室智能运维系统及方法 |
-
2022
- 2022-05-19 CN CN202210554166.2A patent/CN115222069A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116703352A (zh) * | 2023-04-17 | 2023-09-05 | 艾尔科工程技术有限公司 | 一种基于数字孪生的洁净室智能运维系统及方法 |
CN116703352B (zh) * | 2023-04-17 | 2023-12-08 | 艾尔科工程技术有限公司 | 一种基于数字孪生的洁净室智能运维系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10902368B2 (en) | Intelligent decision synchronization in real time for both discrete and continuous process industries | |
Christou et al. | End-to-end industrial IoT platform for Quality 4.0 applications | |
KR101935652B1 (ko) | 빅데이터 플랫폼을 이용한 스마트 공장 운영 관리 솔루션 서비스 시스템 및 방법 | |
US20170351226A1 (en) | Industrial machine diagnosis and maintenance using a cloud platform | |
US20190086911A1 (en) | Machine health monitoring, failure detection and prediction using non-parametric data | |
US20160112283A1 (en) | Remote industrial monitoring and analytics using a cloud infrastructure | |
CN110806743A (zh) | 基于人工智能的设备故障检测与预警系统及方法 | |
Cohen et al. | A smart process controller framework for Industry 4.0 settings | |
CN115097788A (zh) | 一种基于数字孪生工厂的智能管控平台 | |
US20210081501A1 (en) | System and method for automated insight curation and alerting | |
US11972398B2 (en) | Machine learning powered anomaly detection for maintenance work orders | |
WO2018148029A1 (en) | System for analyzing machine data | |
CN116125958A (zh) | 一种基于数字孪生的智能化工厂故障诊断与决策系统 | |
CN116107282B (zh) | 一种基于企业应用集成的工业机器人预测性维护系统 | |
CN111915026A (zh) | 故障处理方法、装置、电子设备及存储介质 | |
CN117393076B (zh) | 耐热环氧树脂生产过程智能监测方法及系统 | |
CN116955434A (zh) | 一种工业装备全生命周期管理及多维度能效分析系统 | |
Patwardhan et al. | Applications of advanced analytics at Saudi Aramco: A practitioners’ perspective | |
CN115222069A (zh) | 一种设备预诊维护算法及集成该算法的智能工厂管控架构 | |
CN115114856A (zh) | 一种基于数字孪生的智能制造产线运行系统 | |
CN114726708A (zh) | 一种基于人工智能的网元设备故障预测方法及系统 | |
KR20230003819A (ko) | 딥러닝을 이용하여 예지보전이 가능한 설비관리시스템 | |
CN116992346A (zh) | 一种基于人工智能大数据分析的企业生产数据处理系统 | |
KR102437917B1 (ko) | 장비 운영 시스템 | |
JP2019191880A (ja) | 設備管理支援システム |
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 |