CN115373361A - 基于工业互联网下工厂生产安全预警方法及系统 - Google Patents
基于工业互联网下工厂生产安全预警方法及系统 Download PDFInfo
- Publication number
- CN115373361A CN115373361A CN202211298954.6A CN202211298954A CN115373361A CN 115373361 A CN115373361 A CN 115373361A CN 202211298954 A CN202211298954 A CN 202211298954A CN 115373361 A CN115373361 A CN 115373361A
- Authority
- CN
- China
- Prior art keywords
- information
- equipment
- data
- air
- early warning
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012544 monitoring process Methods 0.000 claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 239000000203 mixture Substances 0.000 claims abstract description 24
- 238000007405 data analysis Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims description 38
- 238000009776 industrial production Methods 0.000 claims description 18
- 230000000379 polymerizing effect Effects 0.000 claims description 18
- 238000006116 polymerization reaction Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 11
- 229910002091 carbon monoxide Inorganic materials 0.000 description 11
- 238000001514 detection method Methods 0.000 description 9
- 239000007789 gas Substances 0.000 description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 229910052760 oxygen Inorganic materials 0.000 description 5
- 239000001301 oxygen Substances 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000004868 gas analysis Methods 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 description 1
- PXGOKWXKJXAPGV-UHFFFAOYSA-N Fluorine Chemical compound FF PXGOKWXKJXAPGV-UHFFFAOYSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- BLRPTPMANUNPDV-UHFFFAOYSA-N Silane Chemical compound [SiH4] BLRPTPMANUNPDV-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 239000011737 fluorine Substances 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 229910000077 silane Inorganic materials 0.000 description 1
- -1 temperature Chemical compound 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
- 238000012800 visualization 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], computer integrated manufacturing [CIM]
- G05B19/4185—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], computer integrated manufacturing [CIM] characterised by the network communication
- G05B19/4186—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], computer integrated manufacturing [CIM] characterised by the network communication by protocol, e.g. MAP, TOP
-
- 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
- G05B2219/32252—Scheduling production, machining, job shop
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于工业互联网下工厂生产安全预警方法及系统，包括如下步骤：数据采集步骤：获取空气成分采集信息和设备组件监控信息；数据分析步骤：对空气成分采集信息和设备组件监控信息进行处理，并对处理后的信息进行判断；安全决策分析步骤：对判断后的信息进行决策判断。本发明通过对设备运行状态及空气成分进行数据采集，通过约定格式规范数据采集数据准确。
Description
技术领域
本发明涉及电通信技术中数字信息的传输与消息数据处理的技术领域，具体地，涉及一种基于工业互联网下工厂生产安全预警方法及系统，可以应用于智能制造生产线中的监测信息采集处理系统和安全预警系统中。
背景技术
随着国家大力发展“新基建”，以大数据为技术中心点，为传统工业企业提供安全、合规的生产环境，避免发生安全事故对人员安全造成威胁，保障企业生产稳步进行，减少因为故障事故导致的生产力受挫，加强企业管控及风险意识。
公开号为CN111865680A的中国发明专利文献公开了一种工厂生产加工设备故障预警系统，包括中央处理器、设备信息采集单元和登录模块，所述中央处理器的输入端通过导线与设备信息采集单元的输出端电性连接，且设备信息采集单元的输出端通过导线与设备数据处理单元的输入端电性连接。
针对上述相关技术，发明人认为上述技术较不完善，采集的数据准确性、实时性以及稳定性较差，不能及时预警和防范。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于工业互联网下工厂生产安全预警方法及系统。
根据本发明提供的一种基于工业互联网下工厂生产安全预警方法，包括如下步骤：
数据采集步骤：获取空气成分采集信息和设备组件监控信息；
数据分析步骤：对空气成分采集信息和设备组件监控信息进行处理，并对处理后的信息进行判断；
安全决策分析步骤：对判断后的信息进行决策判断；
所述数据分析步骤包括如下步骤：
消息抽象步骤：对空气成分采集信息和设备组件监控信息过滤干扰因素和无效指标，通过storm框架进行流式计算，使用storm中的spouts实时处理消息队列中的消息抽象为tuple发送到bolt；
过滤聚合步骤；bolt对tuple进行过滤和聚合，得到过滤聚合后的空气分子含量和设备运行状况数据，并按时间窗口聚合空气分子指标和设备运行指标；
存储步骤：将过滤聚合后的空气分子含量、设备运行状况数据、空气分子指标和设备运行指标存储到Hadoop。
优选的，该方法还包括运行状态监测报表步骤：读取判断后的信息，并进行分类统计和展示。
优选的，所述数据采集步骤包括如下步骤：
信息获取步骤：对工业生产环境中的空气成分检测，并获取预定空气成分含量；获取工业生产中设备运行状况；
发送步骤：将预定空气成分含量和设备运行状况，按照协议约定转化为字符串，将转化后的字符串拼接成JSON发送到预定消息中间件。
优选的，在所述信息获取步骤中，所述设备运行状况包括设备监控状态信息、设备性能指标信息、设备违规操作信息、过载运行信息和设备使用抓拍信息。
优选的，所述安全决策分析步骤包括如下步骤：
决策判断步骤：对Hadoop中的数据进行决策处理，构建有向无循环图，建造分析模型；对于在时间窗口内空气分子含量与设备运行状况数据达到临界指标，并且满足条件的，进行决策判断；
结果处理步骤：对决策判断的结果，进行预警广播并存储数据库。
优选的，所述运行状态监测报表步骤包括如下步骤：
分类统计步骤：从Hadoop中读取数据进行分类统计；
展示步骤：将分类统计后的数据展示到页面。
根据本发明提供的一种基于工业互联网下工厂生产安全预警系统，包括如下模块：
数据采集模块：获取空气成分采集信息和设备组件监控信息；
数据分析模块：对空气成分采集信息和设备组件监控信息进行处理，并对处理后的信息进行判断；
安全决策分析模块：对判断后的信息进行决策判断；
所述数据分析模块包括如下模块：
消息抽象模块：对空气成分采集信息和设备组件监控信息过滤干扰因素和无效指标，通过storm框架进行流式计算，使用storm中的spouts实时处理消息队列中的消息抽象为tuple发送到bolt；
过滤聚合模块；bolt对tuple进行过滤和聚合，得到过滤聚合后的空气分子含量和设备运行状况数据，并按时间窗口聚合空气分子指标和设备运行指标；
存储模块：将过滤聚合后的空气分子含量、设备运行状况数据、空气分子指标和设备运行指标存储到Hadoop。
优选的，该系统还包括运行状态监测报表模块：读取判断后的信息，并进行分类统计和展示。
优选的，所述数据采集模块包括如下模块：
信息获取模块：对工业生产环境中的空气成分检测，并获取预定空气成分含量；获取工业生产中设备运行状况；
发送模块：将预定空气成分含量和设备运行状况，按照协议约定转化为字符串，将转化后的字符串拼接成JSON发送到预定消息中间件。
优选的，在所述信息获取模块中，所述设备运行状况包括设备监控状态信息、设备性能指标信息、设备违规操作信息、过载运行信息和设备使用抓拍信息。
与现有技术相比，本发明具有如下的有益效果：
1、本发明通过对设备运行状态及空气成分进行数据采集，通过约定格式规范数据采集数据准确；
2、本发明通过storm框架进行实时流式计算，进行过滤，聚合操作；确保数据实时性，达到灾情及时预警，及时防范；对时间窗口内数据进行聚合处理，得到稳定且具有代表性的数据集合；
3、本发明将实时数据存储至Hadoop用作监控记录，通过模型处理，当多个指标在同一时间同一空间内达到阈值，进行报警预警；
4、本发明对检测情况进行展示统计，方便安全管控人员进行复盘分析，对参数调优，达到模型优化的目的。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明流程框图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明实施例公开了一种基于工业互联网下工厂生产安全预警方法，如图1所示，提供以大数据生态技术，AI智能分析实现工业生产安全预警系统。该方法包括数据采集、数据分析、安全分析决策和运行状态监测报表。
数据采集，包括如下步骤：
步骤A：获取空气成分采集信息，设备组件监控信息。具体为：
工业生产环境中的空气成分检测，将其特定空气成分含量以key-value形式传递给数据分析系统。key-value表示键值对。工业生产环境中的空气成分含量进行检测，包括易燃气体（氢、甲烷、丙烷等）、有害气体（一氧化碳、二氧化硫、氟等）、氧气等检测。将检测信息以键值对的方式传递给数据分析系统。
工业生产中设备状态监控，设备性能指标，设备违规操作，过载运行，设备使用抓拍。由于监测设备多种多样，数据格式不统一，数据存储方式不一致，导致设备端的监测数据难以收集的难点。对于这点，我们通过使用logstash的input从多种数据存储方式中将设备数据提取出来，经过预先准备的filter方法将多种数据格式转为统一的数据格式，解决了这一难点，实现了多端收集，数据统一的效果，为我们后续的数据分析决策提供了良好的基础。
步骤B：将监控信息发送给消息中间件，进行鉴权，分类处理，过滤干扰因素。将监控设备端作为生产者，数据分析服务作为消费者。监控设备端将监控信息发动到KAFKA的特定Topic，数据分析服务监听此Topic获取监控信息，接着进行数据过滤，对不同检测维度信息进行分类处理。分类处理是根据不同的检测维度、空气成分、机器运行状态、违规操作图片进行分类处理。
将监控信息组装成如下格式：
[
{
“type”:”air”, #空气
“departmentId”:”A12” #车间id
“CO”:3% # 一氧化碳含量
},
{
“type”:”device”, #设备
“deviceId”:”L35”, #设备id
“deviceTemperature”：50 #设备温度
}
]。
对不同设备产生的不同监控信息进行预处理，即按照设备类型分类解析，将监控信息转化为本平台的统一格式，方便后续解析。即：类型（气体、设备、设备操作抓拍），唯一标识（矿井id，设备id）、指标（一氧化碳、温度、氧气等）、指标含量（百分比、度数等）。
按照如上描述将空气成分含量，设备运行状况（json格式中的设备温度等），按照协议约定转换为字符串，最后拼接成JSON（JavaScript Object Notation，JS对象简谱）发送到指定消息中间件中。
监控设备将自己的检测信息传输到终端的固定格式目录中（例：/user/inspectionInfo/air/xxx.log）。使用logstash对上述的监控设备日志进行日志收集，在logstash的输入插件（Input plugin）中配置此日志目录对其进行读取，过滤插件（Filterplugin）中将日志按照上述格式转换成JSON（JavaScript Object Notation，JS对象简谱）格式，在输出插件（Output plugin）中配置KAFKA的集群地址、主题id（Topic）。即将此信息发送到KAFKA中，KAFKA是一个开源流处理平台，属于消息中间件的一种。
数据分析，包括如下步骤：
步骤A（消息抽象步骤）：对空气成分采集信息和设备组件监控信息过滤干扰因素和无效指标，通过storm框架进行流式计算，使用storm中的spouts实时处理消息队列中的消息抽象为tuple发送到bolt。即：过滤干扰因素，及无效指标。通过storm框架中的spouts（storm的流生产者，数据适配器）实时处理消息队列中的消息（即上述的空气成分采集信息和设备组件监控信息）抽象为tuple（Storm的核心数据结构，元组）发送到bolt（bolt是数据处理函数的一种）。tuple表示元组。
步骤B（过滤聚合步骤）：bolt对tuple进行过滤和聚合，得到过滤聚合后的空气分子含量和设备运行状况数据，并按时间窗口聚合空气分子指标和设备运行指标。即bolt对拿到的tuple进行过滤，聚合。按时间窗口聚合空气分子指标，及设备运行指标。即在时间窗口内空气分子含量/设备运行状况数据是否达到需关注界限，是否应进行下一步分析处理。空气分子指标和设备运行指标是后续判断是否报警的操作依据。在安全预警决策中，当指标达到阈值会进行预警处理。即当空气分子指标在窗口时间内达到阈值就会进行报警处理。例：一氧化碳，在1h内超过24ppm，会发生报警。当设备温度在窗口时间内超过阈值也会进行报警处理。例:机房温度长时间高于28度。
bolt对拿到的元组（tuple）进行过滤，聚合。根据配置的时间窗口聚合特定的空气分子指标（如：氧气、一氧化碳等），及设备运行指标（如：温度等）。即在单位时间窗口内特定的空气成分和设备运行状况数据（如：氧气、一氧化碳）。聚合是指单一空气分子指标或者单一设备指标，在单位时间内的聚合。例如：一小时内的一氧化碳含量。Storm是将这一个小时监控的一氧化碳含量进行求和，求平均值。
步骤C（存储步骤）：将过滤聚合后的空气分子含量、设备运行状况数据、空气分子指标和设备运行指标存储到Hadoop。即将收集到的空气中一氧化碳含量、设备持续温度、设备运转转数数据存储到Hadoop。将bolt处理结果，即：单位时间窗口内空气分子含量或设备运行状况数据存储到分布式文件系统（Hadoop），留作状态展示，及后续处理。
安全分析决策（安全决策分析步骤），包括如下步骤：
步骤A：对Hadoop中的数据进行决策处理，构建有向无循环图，建造分析模型。构建有向无循环图，是根据不同的业务场景，在前台进行可视化编排，即将不同类型的处理节点抽象化。分为：数据输入节点、过滤节点、判断节点、数据处理节点。方便我们快速输出不同业务场景的解决方案。根据具体业务，例如矿场，就要按照有毒气体像一氧化碳的单位浓度去做判断预警。浓度的指标从分析模型中获得，判断当大于多少浓度可能出现问题。
对于在时间窗口内空气分子含量/设备运行状况数据达到临界指标，并且满足多个条件的，进行决策判断。临界指标包括空气分子指标及设备运行指标。例如一氧化碳在单位时间内的平均浓度即“时间加权允许浓度”需要在16PPM（百万分比）以内，在短时间接触场景下这个值可适当扩大，短时间时间加权允许浓度为24PPM。所以在判断的时候需要加上作业时间系数；硅烷在时间加权允许浓度为1%以上，且温度在-18度以上，存在氧气的环境可能自燃。
如图1所示，模型数据接入节点，从Hadoop获取监测数据。过滤筛选节点：对数据进行过滤筛选（例：将氢气和乙烷等易燃气体过滤出来传到下一个节点）。Judgment logic节点：判断节点，根据不同气体浓度之间是否达到产生化学反应临界点做判断，输出结果。Handler节点：处理节点，对于判断节点的输出做出相应处理，报警等操作。End节点：结束数据处理。
步骤B：对输出的结果，进行预警广播并存储数据库。
运行状态监测报表，包括如下步骤：
步骤A：从Hadoop中读取数据进行分类统计，将统计得到的数据监控状态及设备运行情况以可视化图形方式展示到页面。方便安全监督人员进行管控处理。读取的数据包含过滤聚合后的空气分子含量、设备运行状况数据、空气分子指标和设备运行指标。
步骤B：将分析处理结果展示，供安全监督人员查找原因，优化模型策略，提高安全防范成功率。
本发明提供以大数据技术栈实现工业生产安全领域的安全预警，包括数据采集、数据分析，安全分析决策，运行状态监测报表。为工业生产安全提供完备有效的故障预测，安全预警。本发明通过对工业生产设备信息采集，提供损耗状况分析，事故发生可能性分析。数据分析由空气检测，设备组件监控组成。可提高工业生产安全性，可靠性，帮助企业安全管理。
本发明用于气体分析（复合气体分析），测试分析气体，采集监测数据，处理采集到的监测数据，用于监测数据图形的可视化，监测处理消息，过滤，消息通知等，可应用于服务器、智能硬件制造生产线中监测信息采集处理系统和安全预警系统中。本发明工厂例如是煤矿工厂，设备例如复合气体分析仪（型号为PDA600）。
本发明还提供一种基于工业互联网下工厂生产安全预警系统，所述基于工业互联网下工厂生产安全预警系统可以通过执行所述基于工业互联网下工厂生产安全预警方法的流程步骤予以实现，即本领域技术人员可以将所述基于工业互联网下工厂生产安全预警方法理解为所述基于工业互联网下工厂生产安全预警系统的优选实施方式。
本发明实施例还公开了一种基于工业互联网下工厂生产安全预警系统，包括如下模块：
数据采集模块：获取空气成分采集信息和设备组件监控信息。
数据采集模块包括如下模块：
信息获取模块：对工业生产环境中的空气成分检测，并获取预定空气成分含量；获取工业生产中设备运行状况。所述设备运行状况包括设备监控状态信息、设备性能指标信息、设备违规操作信息、过载运行信息和设备使用抓拍信息。
发送模块：将预定空气成分含量和设备运行状况，按照协议约定转化为字符串，将转化后的字符串拼接成JSON发送到预定消息中间件。
数据分析模块：对空气成分采集信息和设备组件监控信息进行处理，并对处理后的信息进行判断。
数据分析模块包括如下模块：
消息抽象模块：对空气成分采集信息和设备组件监控信息过滤干扰因素和无效指标，通过storm框架进行流式计算，使用storm中的spouts实时处理消息队列中的消息抽象为tuple发送到bolt。
过滤聚合模块；bolt对tuple进行过滤和聚合，得到过滤聚合后的空气分子含量和设备运行状况数据，并按时间窗口聚合空气分子指标和设备运行指标。
存储模块：将过滤聚合后的空气分子含量、设备运行状况数据、空气分子指标和设备运行指标存储到Hadoop。
安全决策分析模块：对判断后的信息进行决策判断。
运行状态监测报表模块：读取判断后的信息，并进行分类统计和展示。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于工业互联网下工厂生产安全预警方法，其特征在于，包括如下步骤：
数据采集步骤：获取空气成分采集信息和设备组件监控信息；
数据分析步骤：对空气成分采集信息和设备组件监控信息进行处理，并对处理后的信息进行判断；
安全决策分析步骤：对判断后的信息进行决策判断；
所述数据分析步骤包括如下步骤：
消息抽象步骤：对空气成分采集信息和设备组件监控信息过滤干扰因素和无效指标，通过storm框架进行流式计算，使用storm中的spouts实时处理消息队列中的消息抽象为tuple发送到bolt；
过滤聚合步骤；bolt对tuple进行过滤和聚合，得到过滤聚合后的空气分子含量和设备运行状况数据，并按时间窗口聚合空气分子指标和设备运行指标；
存储步骤：将过滤聚合后的空气分子含量、设备运行状况数据、空气分子指标和设备运行指标存储到Hadoop。
2.根据权利要求1所述的基于工业互联网下工厂生产安全预警方法，其特征在于，该方法还包括运行状态监测报表步骤：读取判断后的信息，并进行分类统计和展示。
3.根据权利要求1所述的基于工业互联网下工厂生产安全预警方法，其特征在于，所述数据采集步骤包括如下步骤：
信息获取步骤：对工业生产环境中的空气成分检测，并获取预定空气成分含量；获取工业生产中设备运行状况；
发送步骤：将预定空气成分含量和设备运行状况，按照协议约定转化为字符串，将转化后的字符串拼接成JSON发送到预定消息中间件。
4.根据权利要求3所述的基于工业互联网下工厂生产安全预警方法，其特征在于，在所述信息获取步骤中，所述设备运行状况包括设备监控状态信息、设备性能指标信息、设备违规操作信息、过载运行信息和设备使用抓拍信息。
5.根据权利要求1所述的基于工业互联网下工厂生产安全预警方法，其特征在于，所述安全决策分析步骤包括如下步骤：
决策判断步骤：对Hadoop中的数据进行决策处理，构建有向无循环图，建造分析模型；对于在时间窗口内空气分子含量与设备运行状况数据达到临界指标，并且满足条件的，进行决策判断；
结果处理步骤：对决策判断的结果，进行预警广播并存储数据库。
6.根据权利要求2所述的基于工业互联网下工厂生产安全预警方法，其特征在于，所述运行状态监测报表步骤包括如下步骤：
分类统计步骤：从Hadoop中读取数据进行分类统计；
展示步骤：将分类统计后的数据展示到页面。
7.一种基于工业互联网下工厂生产安全预警系统，其特征在于，包括如下模块：
数据采集模块：获取空气成分采集信息和设备组件监控信息；
数据分析模块：对空气成分采集信息和设备组件监控信息进行处理，并对处理后的信息进行判断；
安全决策分析模块：对判断后的信息进行决策判断；
所述数据分析模块包括如下模块：
消息抽象模块：对空气成分采集信息和设备组件监控信息过滤干扰因素和无效指标，通过storm框架进行流式计算，使用storm中的spouts实时处理消息队列中的消息抽象为tuple发送到bolt；
过滤聚合模块；bolt对tuple进行过滤和聚合，得到过滤聚合后的空气分子含量和设备运行状况数据，并按时间窗口聚合空气分子指标和设备运行指标；
存储模块：将过滤聚合后的空气分子含量、设备运行状况数据、空气分子指标和设备运行指标存储到Hadoop。
8.根据权利要求7所述的基于工业互联网下工厂生产安全预警系统，其特征在于，该系统还包括运行状态监测报表模块：读取判断后的信息，并进行分类统计和展示。
9.根据权利要求7所述的基于工业互联网下工厂生产安全预警系统，其特征在于，所述数据采集模块包括如下模块：
信息获取模块：对工业生产环境中的空气成分检测，并获取预定空气成分含量；获取工业生产中设备运行状况；
发送模块：将预定空气成分含量和设备运行状况，按照协议约定转化为字符串，将转化后的字符串拼接成JSON发送到预定消息中间件。
10.根据权利要求9所述的基于工业互联网下工厂生产安全预警系统，其特征在于，在所述信息获取模块中，所述设备运行状况包括设备监控状态信息、设备性能指标信息、设备违规操作信息、过载运行信息和设备使用抓拍信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211298954.6A CN115373361A (zh) | 2022-10-24 | 2022-10-24 | 基于工业互联网下工厂生产安全预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211298954.6A CN115373361A (zh) | 2022-10-24 | 2022-10-24 | 基于工业互联网下工厂生产安全预警方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115373361A true CN115373361A (zh) | 2022-11-22 |
Family
ID=84072800
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211298954.6A Pending CN115373361A (zh) | 2022-10-24 | 2022-10-24 | 基于工业互联网下工厂生产安全预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115373361A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103699599A (zh) * | 2013-12-13 | 2014-04-02 | 华中科技大学 | 一种基于Storm实时流计算框架的消息可靠处理保障方法 |
| CN105828052A (zh) * | 2016-06-02 | 2016-08-03 | 中国联合网络通信集团有限公司 | 基于Storm技术的视频监控方法和监控系统 |
| CN112700622A (zh) * | 2020-12-21 | 2021-04-23 | 中铁二院工程集团有限责任公司 | 一种基于storm的铁路地质灾害监测大数据预处理方法及系统 |
| CN114157463A (zh) * | 2021-11-23 | 2022-03-08 | 四川邮电职业技术学院 | 基于大数据分析的网络信息安全预警平台及预警方法 |
| CN114741404A (zh) * | 2021-12-17 | 2022-07-12 | 武汉众智数字技术有限公司 | 一种预警信息聚合系统、方法及电子设备 |
-
2022
- 2022-10-24 CN CN202211298954.6A patent/CN115373361A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103699599A (zh) * | 2013-12-13 | 2014-04-02 | 华中科技大学 | 一种基于Storm实时流计算框架的消息可靠处理保障方法 |
| CN105828052A (zh) * | 2016-06-02 | 2016-08-03 | 中国联合网络通信集团有限公司 | 基于Storm技术的视频监控方法和监控系统 |
| CN112700622A (zh) * | 2020-12-21 | 2021-04-23 | 中铁二院工程集团有限责任公司 | 一种基于storm的铁路地质灾害监测大数据预处理方法及系统 |
| CN114157463A (zh) * | 2021-11-23 | 2022-03-08 | 四川邮电职业技术学院 | 基于大数据分析的网络信息安全预警平台及预警方法 |
| CN114741404A (zh) * | 2021-12-17 | 2022-07-12 | 武汉众智数字技术有限公司 | 一种预警信息聚合系统、方法及电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 陶明威: "基于Storm的设备故障预警系统的设计与实现", 《中国优秀硕士学位论文全文数据库•工程科技Ⅱ辑》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110008713B (zh) | 一种工控系统漏洞探测方法及系统 | |
| CN111928888B (zh) | 一种水域污染智能监控分析方法及系统 | |
| CN110460591B (zh) | 基于改进分层时间记忆网络的cdn流量异常检测装置及方法 | |
| CN115001877B (zh) | 一种基于大数据的信息安全运维管理系统及方法 | |
| CN112492567B (zh) | 一种应急指挥通信中的故障分析和解决方法及装置 | |
| CN113671909A (zh) | 一种钢铁工控设备安全监测系统和方法 | |
| CN112084087A (zh) | 一种工业设备状态监控与运维管理方法、系统 | |
| CN113112038A (zh) | 智能监测与诊断分析系统、装置、电子设备及存储介质 | |
| CN111741007B (zh) | 一种基于网络层报文解析的金融业务实时监控系统及方法 | |
| CN115373361A (zh) | 基于工业互联网下工厂生产安全预警方法及系统 | |
| CN117220917A (zh) | 一种基于云计算的网络实时监控方法 | |
| CN110149303B (zh) | 一种党校的网络安全预警方法及预警系统 | |
| CN116166499A (zh) | 数据监测方法、装置、电子设备及非易失性存储介质 | |
| CN114090681A (zh) | 一种VOCs处理装置的在线监测系统及方法 | |
| CN113064890A (zh) | 一种运营商数据的质量评估方法、装置、服务器及介质 | |
| CN113691390A (zh) | 一种云端协同的边缘节点报警系统及方法 | |
| CN113890814B (zh) | 故障感知模型构建和故障感知方法与系统、设备、介质 | |
| CN117812557A (zh) | 一种基于5g网络的特殊作业监控系统 | |
| CN112528348B (zh) | 一种web信息安全存储方法 | |
| CN115988198A (zh) | 一种基于大数据的前端感知设备的巡检方法及系统 | |
| CN116866372A (zh) | 一种机电安装智能装备互联平台 | |
| CN116248298A (zh) | 一种基于saas的云安全服务一体化安全防御系统及方法 | |
| CN115514687A (zh) | 多云应用网关的流量监控方法、装置、计算机设备及介质 | |
| CN114826783A (zh) | 一种基于大数据的预测方法及系统 | |
| CN113780887A (zh) | 一种用于电力通信网的风险量化评估系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221122 |
|
| RJ01 | Rejection of invention patent application after publication |