CN115952072A - 纺纱行业智能预警方法、系统、设备及存储介质 - Google Patents
纺纱行业智能预警方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN115952072A CN115952072A CN202310093216.6A CN202310093216A CN115952072A CN 115952072 A CN115952072 A CN 115952072A CN 202310093216 A CN202310093216 A CN 202310093216A CN 115952072 A CN115952072 A CN 115952072A
- Authority
- CN
- China
- Prior art keywords
- preset
- data
- event
- threshold value
- yarn mill
- 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
Images
Classifications
-
- 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
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种纺纱行业智能预警方法、系统、设备及存储介质,其技术方案要点是:获取纱厂数据;根据所述纱厂数据、预设数据分类规则和第一预设阈值集判断是否生成事件;根据预设事件分类规则判断所述事件的事件类型;根据所述事件类型判断是否对所述事件进行事件计数,若否,则发出预警信息,若是,则统计所述事件在预设滑动窗口内的产生次数得到统计结果,根据所述统计结果和第二预设阈值集判断是否发出预警信息;本申请具有对纺纱行业进行智能预警,减少了预警信息的误报,提高判断异常事件的准确率的效果。
Description
技术领域
本发明涉及智能预警技术领域,更具体地说,它涉及一种纺纱行业智能预警方法、系统、设备及存储介质。
背景技术
在现有的纺纱行业中,纱厂的智能化生产依托于纺纱机和清纱器等机械厂商提供的智能管理功能,存在预警数据分立,预警功能不直观,无法全流程监控,预警信息依赖工人人工去查看跟踪的缺陷,并且上述厂商通常只关注机械自身的生产质量,而无法整合如锭子转速数据、生产数据、能耗数据等数据对生产质量进行归因分析,且没有良好的触达机制告知工人。
在现有的监控预警系统中,通常采用单一的预警判断标准对数据进行判断,难以适应对纱厂环境、机器工作状态等各种数据的判断,从而导致预警误报率高。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种纺纱行业智能预警方法、系统、设备及存储介质,具有对纺纱行业进行智能预警,减少了预警信息的误报,提高判断异常事件的准确率的功能优点。
本发明的上述技术目的是通过以下技术方案得以实现的:
一种纺纱行业智能预警方法,包括:
获取纱厂数据;
根据所述纱厂数据、预设数据分类规则和第一预设阈值集判断是否生成事件;
根据预设事件分类规则判断所述事件的事件类型;
根据所述事件类型判断是否对所述事件进行事件计数,若否,则发出预警信息,若是,则统计所述事件在预设滑动窗口内的产生次数得到统计结果,根据所述统计结果和第二预设阈值集判断是否发出预警信息。
可选的,所述第一预设阈值集包括:预设静态阈值组和预设动态阈值组,所述根据所述纱厂数据、预设数据分类规则和第一预设阈值集判断是否生成事件,包括:
根据预设数据分类规则判断纱厂数据的数据类型;
根据所述数据类型从预设静态阈值组中选择对应的预设静态阈值和/或从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较得到比较结果,在比较结果异常的情况下,生成事件。
可选的,所述预设数据分类规则包括:
判断所述纱厂数据是需要与预设静态阈值组中的预设静态阈值进行比较、与预设动态阈值组中的预设动态阈值进行比较或与预设静态阈值组中的预设静态阈值和预设动态阈值组中的预设动态阈值进行比较;
在判定所述纱厂数据需要与预设静态阈值组中的预设静态阈值进行比较的情况下,则该纱厂数据为第一数据类型;
在判定所述纱厂数据需要与预设动态阈值组中的动态静态阈值进行比较的情况下,则该纱厂数据为第二数据类型;
在判定所述纱厂数据需要与预设静态阈值组中的预设静态阈值和预设动态阈值组中的预设动态阈值进行比较的情况下,则该纱厂数据为第三数据类型。
可选的,所述根据所述数据类型从预设静态阈值组中选择对应的预设静态阈值和/或从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较得到比较结果,包括:
在所述数据类型为第一数据类型的情况下,从预设静态阈值组中选择对应的预设静态阈值与纱厂数据进行比较,在所述纱厂数据超出预设静态阈值的情况下,得到异常的比较结果;
在所述数据类型为第二数据类型的情况下,从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较,在所述纱厂数据超出预设动态阈值的情况下,得到异常的比较结果;
在所述数据类型为第三数据类型的情况下,从预设静态阈值组中选择对应的预设静态阈值与纱厂数据进行比较,在所述纱厂数据超出预设静态阈值的情况下,得到异常的比较结果,在所述纱厂数据未超出预设静态阈值的情况下,从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较,在该纱厂数据超出预设动态阈值的情况下,得到异常的比较结果。
可选的,为所述第二数据类型或第三数据类型的纱厂数据包括:用于表示与工作场景相关的标签;与所述纱厂数据对应的预设动态阈值的设置方法包括:
分类标识不同场景监测到的所述纱厂数据对应的对象的历史数据;
预处理所述分类标识的历史数据,去除所述历史数据中的异常数据得到正常数据;
采用聚类的方法对所述正常数据进行动态计算得到预设动态阈值。
可选的,所述预设事件分类规则包括:
判断事件是否需要根据累计量来判断是否发出预警信息,所述累计量为事件在预设滑动窗口内的产生次数,若否,则判定事件的事件类型为第一事件类型,若是,则判断事件的事件类型为第二事件类型。
可选的,所述根据所述事件类型判断是否对所述事件进行事件计数,包括:
在所述事件类型为第一事件类型的情况下,则判定不对所述事件进行事件计数;
在所述事件类型为第二事件类型的情况下,则判定对所述事件进行事件计数。
一种纺纱行业智能预警系统,
数据获取模块,用于获取纱厂数据;
事件生成模块,用于根据所述纱厂数据、预设数据分类规则和第一预设阈值集判断是否生成事件;
事件类型判断模块,用于根据预设事件分类规则判断所述事件的事件类型;
计数判断预警模块,用于根据所述事件类型判断是否对所述事件进行事件计数,若否,则发出预警信息,若是,则统计所述事件在预设滑动窗口内的产生次数得到统计结果,根据所述统计结果和第二预设阈值集判断是否发出预警信息。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
综上所述,本发明具有以下有益效果:能够对纺纱行业内进行智能预警,通过对纱厂数据进行分类,针对不同类型的纱厂数据采用对应的预设阈值生成事件,并对不同事件类型的事件采取不同的判断方法来判定该事件是否异常,减少了预警信息的误报,提高判断异常事件的准确率。
附图说明
图1是本发明提供的方法的流程示意图;
图2是本发明提供的纺纱行业智能预警系统的结构框图;
图3是本发明实施例中计算机设备的内部结构图。
具体实施方式
为使本发明的目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。
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。术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
下面结合附图和实施例,对本发明进行详细描述。
本发明提供了一种纺纱行业智能预警方法,如图1所示,包括:
步骤100、获取纱厂数据;
步骤200、根据所述纱厂数据、预设数据分类规则和第一预设阈值集判断是否生成事件;
步骤300、根据预设事件分类规则判断所述事件的事件类型;
步骤400、根据所述事件类型判断是否对所述事件进行事件计数,若否,则发出预警信息,若是,则统计所述事件在预设滑动窗口内的产生次数得到统计结果,根据所述统计结果和第二预设阈值集判断是否发出预警信息。
在实际应用中,纱厂数据可以为纱厂内的温度数据、湿度数据、能耗数据、员工打卡数据、纱厂内机器的生产产量数据、单锭子产量数据、锭子转速数据和落纱数据中的一种或几种,如能够根据温度数据判断纱厂内的温度是否出现异常,或能够结合同一机器的锭子转速数据、单锭子产量数据和生产产量数据判断该机器的生产产量是否异常,所述纱厂数据通过设置在纱厂内的物联网设备上传给云端,物联网设备可为温度采集器、湿度采集器、转速采集器、智能电表、考勤机等,云端会将纱厂数据进行存储,并根据预设数据分类规则、纱厂数据和第一预设阈值集判断是否生成事件,若是生成事件,则根据预设事件分类规则判断事件的事件类型,以便于针对事件类型选择是否需要进一步判断是否异常,若否的话,则能够将事件定义为异常事件,发出预警信息,若是的话,则统计事件在预设滑动窗口内的产生次数,也就是统计事件在一周期内的产生次数,根据事件的统计结果和第二预设阈值集来判断该事件是否为异常事件,是的话就发出预警信息,本申请中通过对纱厂数据进行分类,针对不同类型的纱厂数据采用对应的预设阈值生成事件,并对不同事件类型的事件采取不同的判断方法来判定该事件是否异常,减少了预警信息的误报,提高判断异常事件的准确率。
进一步地,所述第一预设阈值集包括:预设静态阈值组和预设动态阈值组,所述根据所述纱厂数据、预设数据分类规则和第一预设阈值集判断是否生成事件,包括:
根据预设数据分类规则判断纱厂数据的数据类型;
根据所述数据类型从预设静态阈值组中选择对应的预设静态阈值和/或从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较得到比较结果,在比较结果异常的情况下,生成事件。
在实际应用中,预设静态阈值组中包括多个预设静态阈值,多个预设静态阈值与多个纱厂数据对应的对象具有对应关系,预设动态阈值组中包括多个预设动态阈值,预设静态阈值和预设动态阈值均预先存储在云端上,多个预设静态阈值与多个纱厂数据对应的对象具有对应关系,多个预设动态阈值与多个纱厂数据对应的对象具有对应关系,预设静态阈值对应的对象和预设动态阈值对应的对象可相同,如预设静态阈值组中包括:第一预设静态阈值、第二预设静态阈值和第三预设静态阈值,且第一预设静态阈值与温度具有对应关系,第二预设静态阈值与能耗具有对应关系,第三预设静态阈值与锭子转速具有对应关系,预设动态阈值组中包括:第一预设动态阈值、第二预设动态阈值和第三预设动态阈值,且第一预设动态阈值与温度具有对应关系,第二预设动态阈值与生产产量具有对应关系,第三预设动态阈值与员工打卡时间具有对应关系,则在纱厂数据为温度数据的情况下,从预设静态阈值组中选择第一预设静态阈值和从预设动态阈值组中选择第一预设动态阈值与温度数据进行比较,所述温度数据中除了温度数值,通常还包括该温度数值对应的纱厂名称、纱厂编码,以便于生成的事件包含具体的纱厂信息和温度数值,也就是若纱厂数据通常包括纱厂名称、纱厂编号、厂房编号、机器编号、设备编号,所述机器可为细纱机、络筒机、打包机等,设备为物联网设备。
进一步地,所述预设数据分类规则包括:
判断所述纱厂数据是需要与预设静态阈值组中的预设静态阈值进行比较、与预设动态阈值组中的预设动态阈值进行比较或与预设静态阈值组中的预设静态阈值和预设动态阈值组中的预设动态阈值进行比较;
在判定所述纱厂数据需要与预设静态阈值组中的预设静态阈值进行比较的情况下,则该纱厂数据为第一数据类型;
在判定所述纱厂数据需要与预设动态阈值组中的动态静态阈值进行比较的情况下,则该纱厂数据为第二数据类型;
在判定所述纱厂数据需要与预设静态阈值组中的预设静态阈值和预设动态阈值组中的预设动态阈值进行比较的情况下,则该纱厂数据为第三数据类型。
在实际应用中,纱厂数据通常分为需通过预设静态阈值够判断是否异常,需通过预设动态阈值够判断是否异常以及需通过预设静态阈值和预设动态阈值判断是否异常这三种类型,通过先判断纱厂数据是否与预设静态阈值和/或预设动态阈值进行比较从而得到纱厂数据的数据类型,以便于根据纱厂数据的数据类型采用不同阈值比较方法对纱厂数据进行比较,进而提高识别纱厂数据是否异常的准确率,如温度数据对应的对象为温度,温度通常不会超高最高温度(如80℃、90℃或100℃等,最高温度不做限制)以及低于最低温度(如-20℃、-10℃或0℃等,最低温度不做限制),但是温度会根据季节、地域等原因产生变化,则温度数据通常需要先根据静态阈值来判断是否超出最高温度和低于最低温度,然后根据动态阈值判断温度数据在对应的季节和地域中是否异常,则能够判定温度数据为第三数据类型,而能耗数据通常不会根据季节、地域等因素产生变化,则能判定能耗数据为第一数据类型,而员工打卡数据会因不同的班次制度(如三班制、两班制或轮班制)变化,则能判定员工打卡数据为第二数据类型,在实际应用中能够根据实际情况确定各个纱厂数据的类型。
进一步地,所述根据所述数据类型从预设静态阈值组中选择对应的预设静态阈值和/或从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较得到比较结果,包括:
在所述数据类型为第一数据类型的情况下,从预设静态阈值组中选择对应的预设静态阈值与纱厂数据进行比较,在所述纱厂数据超出预设静态阈值的情况下,得到异常的比较结果;
在所述数据类型为第二数据类型的情况下,从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较,在所述纱厂数据超出预设动态阈值的情况下,得到异常的比较结果;
在所述数据类型为第三数据类型的情况下,从预设静态阈值组中选择对应的预设静态阈值与纱厂数据进行比较,在所述纱厂数据超出预设静态阈值的情况下,得到异常的比较结果,在所述纱厂数据未超出预设静态阈值的情况下,从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较,在该纱厂数据超出预设动态阈值的情况下,得到异常的比较结果。
在实际应用中,预设静态阈值和预设动态阈值可为范围值,如在纱厂数据为能耗数据的情况下,判定能耗数据为第一类型数据后,从预设静态阈值组中选择第二静态阈值与能耗数据进行比较,若能耗数据在第二预设静态阈值内,则比较结果为正常,若能耗数据超出第二预设静态阈值,则比较结果为异常,生成能耗事件,在纱厂数据为员工打卡数据的情况下,员工打卡数据包括A员工的下班打卡时间和交接A员工工作的B员工的上班打卡时间的时间间隔,在判定员工打卡数据为第二类型数据后,从预设动态阈值组中选择第三预设动态阈值与员工打卡数据进行比较,若超出第三预设动态阈值,则判定比较结果异常,生成打卡事件,在纱厂数据为温度数据的情况下,在判定温度数据为第三类型数据后,从预设静态阈值组中选择第一预设静态阈值与温度数据进行比较,若超出第一预设静态阈值,则判定比较结果异常,生成温度事件,若未超出第一预设静态阈值,则从预设动态阈值组中选择第一预设动态阈值与温度数据进行比较,若超出第一预设动态阈值,则判定比较结果异常,生成温度事件,本申请中根据纱厂数据的数据类型的不同,采用不同的阈值比较方法,能够对大量的纱厂数据进行分批次处理,且对于第三类型的纱厂数据,在超过对应的预设静态阈值后,基本可以确定采集该纱厂数据的设备出现异常,若未超过对应的预设静态阈值但是超过对应的预设动态阈值,则基本可以确定是该纱厂数据对应的对象出现异常,如温度异常,便于确定异常原因。
进一步地,为所述第二数据类型或第三数据类型的纱厂数据包括:用于表示与工作场景相关的标签;与所述纱厂数据对应的预设动态阈值的设置方法包括:
分类标识不同场景监测到的所述纱厂数据对应的对象的历史数据;
预处理所述分类标识的历史数据,去除所述历史数据中的异常数据得到正常数据;
采用聚类的方法对所述正常数据进行动态计算得到预设动态阈值。
在实际应用中,如温度数据具有与季节和地域相关的标签,员工打卡数据具有与班次制度相关的标签,机器的生产产量数据具有与该机器上的锭子数量相关的标签,在标签为季节和地域的情况下,则根据不同地域在不同季节对该标签对应的对象的历史数据进行分类标识,以便于得到对象在各个地域的各个季节中的阈值,分类后,去除各个分类标识中的历史数据中的异常数据,由于纱厂数据的采集通常是物联网设备根据采集频率进行采集的,因此上传到云端的原始数据通常是按照时间序列进行排列的,从而能够基于时间序列异常检测方法去除历史数据中的异常数据,去除异常数据后的历史数据为正常数据,各个纱厂数据的采集频率能够根据实际采集需求进行设定;在本申请中可采用K-Means聚类算法、均值偏移聚类算法或DBSCAN聚类算法对正常数据进行动态计算得到预设动态阈值。
进一步地,所述预设事件分类规则包括:
判断事件是否需要根据累计量来判断是否发出预警信息,所述累计量为事件在预设滑动窗口内的产生次数,若否,则判定事件的事件类型为第一事件类型,若是,则判断事件的事件类型为第二事件类型。
在实际应用中,可能会出现数据重复上报的情况,将数据重复上报记为上报事件,由于可能会因为离线重开机的原因导致少量的重复上报,也就是在预设滑动窗口内少量的上报事件的产生是允许的,属于正常情况,但是大量的重复上报应该定义为异常事件,如在设定时间内有n次数据上报,若数据重复上报次数有Kn次则属于物联网设备工作异常,K为大于1的正数,或出现打包机打包序号重置清理的情况,将该情况记为清零事件,清零事件在一个班次内发生m次都是正常的,但是超过m次则始于异常情况,上述的上报事件和清零事件均为需要在预设滑动窗口内统计次数的事件类型,也就是第二事件类型,而温度数据、湿度数据、锭子转速数据、员工打卡数据等对应的事件均为无需统计次数的事件类型,也就是第一事件类型。
进一步地,所述根据所述事件类型判断是否对所述事件进行事件计数,包括:
在所述事件类型为第一事件类型的情况下,则判定不对所述事件进行事件计数;
在所述事件类型为第二事件类型的情况下,则判定对所述事件进行事件计数。
在实际应用中,通过对事件进行分类,从而根据第一事件类型和第二事件类型对事件进行判断是否需要对其做进一步判断,也就是根据统计次数和第二预设阈值集的比较结果来进一步判断事件是否为异常事件,减少误判率,提高预警准确率,在不需要做进一步判断时,则可以将事件定义为异常事件;所述第二预设阈值集中包括多个预设阈值,多个预设阈值与多个第二类型的事件具有对应关系,在需要做进一步判断时,将统计结果与第二预设阈值集中对应的预设阈值进行比较,若统计结果超出对应的预设阈值,则判定该统计结果对应的事件为异常事件,若统计结果未超出对应的预设阈值,则判定该统计结果对应的事件为正常事件,在判定事件为异常事件后,根据异常事件对应的纱厂数据生成预警信息,使得预警信息包括:数据数值信息、纱厂名称信息、纱厂编号信息、设备编号信息等,预警信息还能包括时间信息,具体地,将人员的岗位信息,所属部门信息、班组信息和通信信息(如电话)等上传到云端并进行存储,便于根据预警信息找到对应的工作人员,并通知对应的工作人员。
本发明的纺纱行业智能预警方法,通过对纱厂数据进行分类,针对不同类型的纱厂数据采用对应的预设阈值生成事件,并对不同事件类型的事件采取不同的判断方法来判定该事件是否异常,减少了预警信息的误报,提高判断异常事件的准确率。
如图2所示,本发明还提供了一种纺纱行业智能预警系统,包括:
数据获取模块10,用于获取纱厂数据;
事件生成模块20,用于根据所述纱厂数据、预设数据分类规则和第一预设阈值集判断是否生成事件;
事件类型判断模块30,用于根据预设事件分类规则判断所述事件的事件类型;
计数判断预警模块40,用于根据所述事件类型判断是否对所述事件进行事件计数,若否,则发出预警信息,若是,则统计所述事件在预设滑动窗口内的产生次数得到统计结果,根据所述统计结果和第二预设阈值集判断是否发出预警信息。
关于纺纱行业智能预警系统的具体限定可以参见上文中对于纺纱行业智能预警方法的限定,在此不再赘述。上述纺纱行业智能预警系统的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种纺纱行业智能预警方法。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行计算机程序时实现以下步骤:
获取纱厂数据;
根据所述纱厂数据、预设数据分类规则和第一预设阈值集判断是否生成事件;
根据预设事件分类规则判断所述事件的事件类型;
根据所述事件类型判断是否对所述事件进行事件计数,若否,则发出预警信息,若是,则统计所述事件在预设滑动窗口内的产生次数得到统计结果,根据所述统计结果和第二预设阈值集判断是否发出预警信息。
在一个实施例中,所述第一预设阈值集包括:预设静态阈值组和预设动态阈值组,所述根据所述纱厂数据、预设数据分类规则和第一预设阈值集判断是否生成事件,包括:
根据预设数据分类规则判断纱厂数据的数据类型;
根据所述数据类型从预设静态阈值组中选择对应的预设静态阈值和/或从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较得到比较结果,在比较结果异常的情况下,生成事件。
在一个实施例中,所述预设数据分类规则包括:
判断所述纱厂数据是需要与预设静态阈值组中的预设静态阈值进行比较、与预设动态阈值组中的预设动态阈值进行比较或与预设静态阈值组中的预设静态阈值和预设动态阈值组中的预设动态阈值进行比较;
在判定所述纱厂数据需要与预设静态阈值组中的预设静态阈值进行比较的情况下,则该纱厂数据为第一数据类型;
在判定所述纱厂数据需要与预设动态阈值组中的动态静态阈值进行比较的情况下,则该纱厂数据为第二数据类型;
在判定所述纱厂数据需要与预设静态阈值组中的预设静态阈值和预设动态阈值组中的预设动态阈值进行比较的情况下,则该纱厂数据为第三数据类型。
在一个实施例中,所述根据所述数据类型从预设静态阈值组中选择对应的预设静态阈值和/或从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较得到比较结果,包括:
在所述数据类型为第一数据类型的情况下,从预设静态阈值组中选择对应的预设静态阈值与纱厂数据进行比较,在所述纱厂数据超出预设静态阈值的情况下,得到异常的比较结果;
在所述数据类型为第二数据类型的情况下,从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较,在所述纱厂数据超出预设动态阈值的情况下,得到异常的比较结果;
在所述数据类型为第三数据类型的情况下,从预设静态阈值组中选择对应的预设静态阈值与纱厂数据进行比较,在所述纱厂数据超出预设静态阈值的情况下,得到异常的比较结果,在所述纱厂数据未超出预设静态阈值的情况下,从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较,在该纱厂数据超出预设动态阈值的情况下,得到异常的比较结果。
在一个实施例中,为所述第二数据类型或第三数据类型的纱厂数据包括:用于表示与工作场景相关的标签;与所述纱厂数据对应的预设动态阈值的设置方法包括:
分类标识不同场景监测到的所述纱厂数据对应的对象的历史数据;
预处理所述分类标识的历史数据,去除所述历史数据中的异常数据得到正常数据;
采用聚类的方法对所述正常数据进行动态计算得到预设动态阈值。
在一个实施例中,所述预设事件分类规则包括:
判断事件是否需要根据累计量来判断是否发出预警信息,所述累计量为事件在预设滑动窗口内的产生次数,若否,则判定事件的事件类型为第一事件类型,若是,则判断事件的事件类型为第二事件类型。
在一个实施例中,所述根据所述事件类型判断是否对所述事件进行事件计数,包括:
在所述事件类型为第一事件类型的情况下,则判定不对所述事件进行事件计数;
在所述事件类型为第二事件类型的情况下,则判定对所述事件进行事件计数。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取纱厂数据;
根据所述纱厂数据、预设数据分类规则和第一预设阈值集判断是否生成事件;
根据预设事件分类规则判断所述事件的事件类型;
根据所述事件类型判断是否对所述事件进行事件计数,若否,则发出预警信息,若是,则统计所述事件在预设滑动窗口内的产生次数得到统计结果,根据所述统计结果和第二预设阈值集判断是否发出预警信息。
在一个实施例中,所述第一预设阈值集包括:预设静态阈值组和预设动态阈值组,所述根据所述纱厂数据、预设数据分类规则和第一预设阈值集判断是否生成事件,包括:
根据预设数据分类规则判断纱厂数据的数据类型;
根据所述数据类型从预设静态阈值组中选择对应的预设静态阈值和/或从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较得到比较结果,在比较结果异常的情况下,生成事件。
在一个实施例中,所述预设数据分类规则包括:
判断所述纱厂数据是需要与预设静态阈值组中的预设静态阈值进行比较、与预设动态阈值组中的预设动态阈值进行比较或与预设静态阈值组中的预设静态阈值和预设动态阈值组中的预设动态阈值进行比较;
在判定所述纱厂数据需要与预设静态阈值组中的预设静态阈值进行比较的情况下,则该纱厂数据为第一数据类型;
在判定所述纱厂数据需要与预设动态阈值组中的动态静态阈值进行比较的情况下,则该纱厂数据为第二数据类型;
在判定所述纱厂数据需要与预设静态阈值组中的预设静态阈值和预设动态阈值组中的预设动态阈值进行比较的情况下,则该纱厂数据为第三数据类型。
在一个实施例中,所述根据所述数据类型从预设静态阈值组中选择对应的预设静态阈值和/或从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较得到比较结果,包括:
在所述数据类型为第一数据类型的情况下,从预设静态阈值组中选择对应的预设静态阈值与纱厂数据进行比较,在所述纱厂数据超出预设静态阈值的情况下,得到异常的比较结果;
在所述数据类型为第二数据类型的情况下,从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较,在所述纱厂数据超出预设动态阈值的情况下,得到异常的比较结果;
在所述数据类型为第三数据类型的情况下,从预设静态阈值组中选择对应的预设静态阈值与纱厂数据进行比较,在所述纱厂数据超出预设静态阈值的情况下,得到异常的比较结果,在所述纱厂数据未超出预设静态阈值的情况下,从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较,在该纱厂数据超出预设动态阈值的情况下,得到异常的比较结果。
在一个实施例中,为所述第二数据类型或第三数据类型的纱厂数据包括:用于表示与工作场景相关的标签;与所述纱厂数据对应的预设动态阈值的设置方法包括:
分类标识不同场景监测到的所述纱厂数据对应的对象的历史数据;
预处理所述分类标识的历史数据,去除所述历史数据中的异常数据得到正常数据;
采用聚类的方法对所述正常数据进行动态计算得到预设动态阈值。
在一个实施例中,所述预设事件分类规则包括:
判断事件是否需要根据累计量来判断是否发出预警信息,所述累计量为事件在预设滑动窗口内的产生次数,若否,则判定事件的事件类型为第一事件类型,若是,则判断事件的事件类型为第二事件类型。
在一个实施例中,所述根据所述事件类型判断是否对所述事件进行事件计数,包括:
在所述事件类型为第一事件类型的情况下,则判定不对所述事件进行事件计数;
在所述事件类型为第二事件类型的情况下,则判定对所述事件进行事件计数。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
Claims (10)
1.一种纺纱行业智能预警方法,其特征在于,包括:
获取纱厂数据;
根据所述纱厂数据、预设数据分类规则和第一预设阈值集判断是否生成事件;
根据预设事件分类规则判断所述事件的事件类型;
根据所述事件类型判断是否对所述事件进行事件计数,若否,则发出预警信息,若是,则统计所述事件在预设滑动窗口内的产生次数得到统计结果,根据所述统计结果和第二预设阈值集判断是否发出预警信息。
2.根据权利要求1所述的纺纱行业智能预警方法,其特征在于,所述第一预设阈值集包括:预设静态阈值组和预设动态阈值组,所述根据所述纱厂数据、预设数据分类规则和第一预设阈值集判断是否生成事件,包括:
根据预设数据分类规则判断纱厂数据的数据类型;
根据所述数据类型从预设静态阈值组中选择对应的预设静态阈值和/或从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较得到比较结果,在比较结果异常的情况下,生成事件。
3.根据权利要求2所述的纺纱行业智能预警方法,其特征在于,所述预设数据分类规则包括:
判断所述纱厂数据是需要与预设静态阈值组中的预设静态阈值进行比较、与预设动态阈值组中的预设动态阈值进行比较或与预设静态阈值组中的预设静态阈值和预设动态阈值组中的预设动态阈值进行比较;
在判定所述纱厂数据需要与预设静态阈值组中的预设静态阈值进行比较的情况下,则该纱厂数据为第一数据类型;
在判定所述纱厂数据需要与预设动态阈值组中的动态静态阈值进行比较的情况下,则该纱厂数据为第二数据类型;
在判定所述纱厂数据需要与预设静态阈值组中的预设静态阈值和预设动态阈值组中的预设动态阈值进行比较的情况下,则该纱厂数据为第三数据类型。
4.根据权利要求3所述的纺纱行业智能预警方法,其特征在于,所述根据所述数据类型从预设静态阈值组中选择对应的预设静态阈值和/或从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较得到比较结果,包括:
在所述数据类型为第一数据类型的情况下,从预设静态阈值组中选择对应的预设静态阈值与纱厂数据进行比较,在所述纱厂数据超出预设静态阈值的情况下,得到异常的比较结果;
在所述数据类型为第二数据类型的情况下,从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较,在所述纱厂数据超出预设动态阈值的情况下,得到异常的比较结果;
在所述数据类型为第三数据类型的情况下,从预设静态阈值组中选择对应的预设静态阈值与纱厂数据进行比较,在所述纱厂数据超出预设静态阈值的情况下,得到异常的比较结果,在所述纱厂数据未超出预设静态阈值的情况下,从预设动态阈值组中选择对应的预设动态阈值与纱厂数据进行比较,在该纱厂数据超出预设动态阈值的情况下,得到异常的比较结果。
5.根据权利要求4所述的纺纱行业智能预警方法,其特征在于,为所述第二数据类型或第三数据类型的纱厂数据包括:用于表示与工作场景相关的标签;与所述纱厂数据对应的预设动态阈值的设置方法包括:
分类标识不同场景监测到的所述纱厂数据对应的对象的历史数据;
预处理所述分类标识的历史数据,去除所述历史数据中的异常数据得到正常数据;
采用聚类的方法对所述正常数据进行动态计算得到预设动态阈值。
6.根据权利要求1所述的纺纱行业智能预警方法,其特征在于,所述预设事件分类规则包括:
判断事件是否需要根据累计量来判断是否发出预警信息,所述累计量为事件在预设滑动窗口内的产生次数,若否,则判定事件的事件类型为第一事件类型,若是,则判断事件的事件类型为第二事件类型。
7.根据权利要求6所述的纺纱行业智能预警方法,其特征在于,所述根据所述事件类型判断是否对所述事件进行事件计数,包括:
在所述事件类型为第一事件类型的情况下,则判定不对所述事件进行事件计数;
在所述事件类型为第二事件类型的情况下,则判定对所述事件进行事件计数。
8.一种纺纱行业智能预警系统,其特征在于,
数据获取模块,用于获取纱厂数据;
事件生成模块,用于根据所述纱厂数据、预设数据分类规则和第一预设阈值集判断是否生成事件;
事件类型判断模块,用于根据预设事件分类规则判断所述事件的事件类型;
计数判断预警模块,用于根据所述事件类型判断是否对所述事件进行事件计数,若否,则发出预警信息,若是,则统计所述事件在预设滑动窗口内的产生次数得到统计结果,根据所述统计结果和第二预设阈值集判断是否发出预警信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310093216.6A CN115952072A (zh) | 2023-02-02 | 2023-02-02 | 纺纱行业智能预警方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310093216.6A CN115952072A (zh) | 2023-02-02 | 2023-02-02 | 纺纱行业智能预警方法、系统、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115952072A true CN115952072A (zh) | 2023-04-11 |
Family
ID=87291314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310093216.6A Pending CN115952072A (zh) | 2023-02-02 | 2023-02-02 | 纺纱行业智能预警方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115952072A (zh) |
-
2023
- 2023-02-02 CN CN202310093216.6A patent/CN115952072A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102099795B (zh) | 运用管理装置、运用管理方法和运用管理程序 | |
CN105184084B (zh) | 一种电力计量自动化终端故障类型预测方法和系统 | |
JP5098821B2 (ja) | 監視対象システムの障害等の予兆を検出する監視装置及び監視方法 | |
CN105406991A (zh) | 基于网络监控指标由历史数据生成业务阈值的方法及系统 | |
CN118260120B (zh) | 电能表内存监测方法、装置、设备及存储介质 | |
CN108599977A (zh) | 基于统计方法监控系统可用性的系统及方法 | |
CN114201201A (zh) | 一种对业务系统异常检测方法、装置及设备 | |
CN115167222A (zh) | 一种设备监控的方法及相关设备 | |
CN115018220A (zh) | 一种基于知识图谱的家电故障预测方法和系统 | |
CN113271224A (zh) | 节点的定位方法、装置、存储介质及电子装置 | |
CN113077065A (zh) | 车辆生产线故障的处理方法、装置、设备及存储介质 | |
CN111445034A (zh) | 一种工业设备故障预测的系统及方法 | |
CN115788771A (zh) | 一种基于物联网技术的风力发电系统的智能运维管理系统 | |
CN117148045A (zh) | 配电网运行状态的故障研判管理系统 | |
DE102018205871A1 (de) | Betriebsüberwachungsverfahren | |
KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
CN115049410A (zh) | 窃电行为识别方法、装置、电子设备及计算机可读存储介质 | |
CN108039971A (zh) | 一种告警方法及装置 | |
CN111736579B (zh) | 基于日志问询留存的工业控制设备安全检测方法 | |
CN118130927A (zh) | 一种充电桩设备的故障自动检测方法及系统 | |
CN117522345A (zh) | 能源损耗分析方法、数据中台、设备及存储介质 | |
CN115952072A (zh) | 纺纱行业智能预警方法、系统、设备及存储介质 | |
CN113472881B (zh) | 在线终端设备的统计方法和装置 | |
CN114665610B (zh) | 一种基于无功功率采集的电容器监测方法、系统及设备 | |
CN114670062B (zh) | 一种钻孔刀具磨损状态实时检测方法及系统 |
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 |