CN115953880A - 一种柠檬酸生产用的监控预警系统及方法 - Google Patents
一种柠檬酸生产用的监控预警系统及方法 Download PDFInfo
- Publication number
- CN115953880A CN115953880A CN202310227104.5A CN202310227104A CN115953880A CN 115953880 A CN115953880 A CN 115953880A CN 202310227104 A CN202310227104 A CN 202310227104A CN 115953880 A CN115953880 A CN 115953880A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- information
- factor
- factors
- 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.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于监控预警技术领域,提供了一种柠檬酸生产用的监控预警系统及方法,其中监控预警方法包括以下步骤:生成柠檬酸生产异常信息,柠檬酸生产异常信息为产品检测异常信息或设备报警异常信息;当为产品检测异常信息时调取产品检测异常信息中的异常项目,将异常项目输入至项目异常因素库中得到可能异常因素;对可能异常因素进行判定得到确定异常因素,根据确定异常因素输出第一预警信息;当为设备报警异常信息时调取设备报警异常信息中的异常参数,将异常参数输入至参数异常应急库中得到第二预警信息;第一预警信息给出柠檬酸成品出现异常的具体原因,方便后续避免类似问题;第二预警信息中包含应急方案,能够对生产异常问题进行快速闭环。
Description
技术领域
本发明涉及监控预警技术领域,具体是涉及一种柠檬酸生产用的监控预警系统及方法。
背景技术
智能工厂是利用各种现代化的技术,实现工厂的办公、管理及生产自动化,达到加强及规范企业管理、减少工作失误、堵塞各种漏洞、提高工作效率、进行安全生产、提供决策参考等目的。
随着智能工厂的深化普及,在柠檬酸生产上也得到应用,生产设备运行中的各种参数都能够实时上传至服务器,以方便进行远程监控,保证柠檬酸的生产品质,远程监控虽然能够及时知道出现了异常问题,但是很多时候不能够给出问题的具体原因以及解决方案,不能够对生产异常问题进行快速闭环;因此,需要提供一种柠檬酸生产用的监控预警系统及方法,旨在解决上述问题。
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柠檬酸生产用的监控预警系统及方法,以解决上述背景技术中存在的问题。
为解决上述技术问题,本发明提供如下技术方案:
一种柠檬酸生产用的监控预警方法,所述方法包括以下步骤:
对柠檬酸生产环节进行监控,当存在异常时,生成柠檬酸生产异常信息,所述柠檬酸生产异常信息为产品检测异常信息或者设备报警异常信息;
当为产品检测异常信息时,调取产品检测异常信息中的异常项目,将异常项目输入至项目异常因素库中,得到可能异常因素;
对可能异常因素进行判定,得到确定异常因素,根据确定异常因素输出第一预警信息;
当为设备报警异常信息时,调取设备报警异常信息中的异常参数,将异常参数输入至参数异常应急库中,得到第二预警信息,第二预警信息中包含应急方案。
以下是本发明对上述技术方案的进一步优化:
所述将异常项目输入至项目异常因素库中,得到可能异常因素的步骤,具体包括:
将产品检测异常信息中的所有异常项目依次输入至项目异常因素库中,每个异常项目对应有异常数据,所述项目异常因素库包括若干个的异常项目和对应的可能异常因素;
输出可能异常因素,根据异常数据对可能异常因素进行筛选。
进一步优化:所述根据异常数据对可能异常因素进行筛选的步骤,具体包括:
根据异常项目调取正常数据,根据正常数据和异常数据确定异常程度;
根据异常程度对可能异常因素进行筛选,所述项目异常因素库中的每个可能异常因素对应有导致的异常程度。
进一步优化:所述对可能异常因素进行判定,得到确定异常因素,根据确定异常因素输出第一预警信息的步骤,具体包括:
将可能异常因素依次输入至因素异常关联库中,输出关联异常项目,所述因素异常关联库包括所有的异常因素,以及每个异常因素导致的相互关联的异常项目;
判定关联异常项目是否存在于产品检测异常信息中,当存在于产品检测异常信息中时,判定可能异常因素为确定异常因素;
对所有的确定异常因素进行整合后输出第一预警信息。
进一步优化:所述将异常参数输入至参数异常应急库中,得到第二预警信息的步骤,具体包括:
将异常参数输入至参数异常应急库中,所述参数异常应急库中包括所有的异常参数、对应的异常结果和应急方案;
输出异常结果和应急方案,对异常结果和应急方案进行整合得到第二预警信息。
本发明还提供一种柠檬酸生产用的监控预警系统,所述系统包括:
生产异常信息模块,用于对柠檬酸生产环节进行监控,当存在异常时,生成柠檬酸生产异常信息,所述柠檬酸生产异常信息为产品检测异常信息或者设备报警异常信息;
异常因素分析模块,当为产品检测异常信息时,调取产品检测异常信息中的异常项目,将异常项目输入至项目异常因素库中,得到可能异常因素;
第一预警信息模块,用于对可能异常因素进行判定,得到确定异常因素,根据确定异常因素输出第一预警信息;
第二预警信息模块,当为设备报警异常信息时,调取设备报警异常信息中的异常参数,将异常参数输入至参数异常应急库中,得到第二预警信息,第二预警信息中包含应急方案。
以下是本发明对上述技术方案的进一步优化:
所述异常因素分析模块包括:
可能异常因素单元,用于将产品检测异常信息中的所有异常项目依次输入至项目异常因素库中,每个异常项目对应有异常数据,所述项目异常因素库包括若干个的异常项目和对应的可能异常因素;
异常因素筛选单元,用于输出可能异常因素,根据异常数据对可能异常因素进行筛选。
进一步优化:所述异常因素筛选单元包括:
异常程度确定子单元,用于根据异常项目调取正常数据,根据正常数据和异常数据确定异常程度;
异常因素筛选子单元,用于根据异常程度对可能异常因素进行筛选,所述项目异常因素库中的每个可能异常因素对应有导致的异常程度。
进一步优化:所述第一预警信息模块包括:
异常因素输入单元,用于将可能异常因素依次输入至因素异常关联库中,输出关联异常项目,所述因素异常关联库包括所有的异常因素,以及每个异常因素导致的相互关联的异常项目;
异常因素判定单元,用于判定关联异常项目是否存在于产品检测异常信息中,当存在于产品检测异常信息中时,判定可能异常因素为确定异常因素;
第一预警信息生成单元,用于对所有的确定异常因素进行整合后输出第一预警信息。
进一步优化:所述第二预警信息模块包括:
异常参数输入单元,用于将异常参数输入至参数异常应急库中,所述参数异常应急库中包括所有的异常参数、对应的异常结果和应急方案;
第二预警信息生成单元,用于输出异常结果和应急方案,对异常结果和应急方案进行整合得到第二预警信息。
本发明采用上述技术方案,构思巧妙,能够对柠檬酸生产环节进行监控,当存在异常时,生成柠檬酸生产异常信息,所述柠檬酸生产异常信息为产品检测异常信息或者设备报警异常信息;当为产品检测异常信息时,调取产品检测异常信息中的异常项目,将异常项目输入至项目异常因素库中,得到可能异常因素,并对可能异常因素进行判定,得到确定异常因素,根据确定异常因素输出第一预警信息;当为设备报警异常信息时,调取设备报警异常信息中的异常参数,将异常参数输入至参数异常应急库中,得到第二预警信息;第一预警信息能够给出柠檬酸成品出现异常的具体原因,这样方便后续避免类似问题;第二预警信息中包含应急方案,进而能够对生产异常问题进行快速闭环。
附图说明
图1为本发明实施例中监控预警方法的流程图;
图2为本发明实施例中将异常项目输入至项目异常因素库中,得到可能异常因素的流程图;
图3为本发明实施例中根据异常数据对可能异常因素进行筛选的流程图;
图4为本发明实施例中对可能异常因素进行判定,得到确定异常因素的流程图;
图5为本发明实施例中将异常参数输入至参数异常应急库中,得到第二预警信息的流程图;
图6为本发明实施例中监控预警系统的结构示意图;
图7为本发明实施例中异常因素分析模块的结构示意图;
图8为本发明实施例中异常因素筛选单元的结构示意图;
图9为本发明实施例中第一预警信息模块的结构示意图;
图10为本发明实施例中第二预警信息模块的结构示意图。
实施方式
为了使本发明的目的、技术方案及优点更加清晰,以下结合附图及具体实施例,对本发明进行进一步详细说明;应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述。
如图1所示,一种柠檬酸生产用的监控预警方法,所述方法包括以下步骤:
S100,对柠檬酸生产环节进行监控,当存在异常时,生成柠檬酸生产异常信息,所述柠檬酸生产异常信息为产品检测异常信息或者设备报警异常信息;
S200,当为产品检测异常信息时,调取产品检测异常信息中的异常项目,将异常项目输入至项目异常因素库中,得到可能异常因素;
S300,对可能异常因素进行判定,得到确定异常因素,根据确定异常因素输出第一预警信息;
S400,当为设备报警异常信息时,调取设备报警异常信息中的异常参数,将异常参数输入至参数异常应急库中,得到第二预警信息。
需要说明的是,随着智能工厂的深化普及,在柠檬酸生产上也得到应用,生产设备运行中的各种参数都能够实时上传至服务器,以方便进行远程监控,保证柠檬酸的生产品质,远程监控虽然能够及时知道出现了异常问题,但是很多时候不能够给出问题的具体原因以及解决方案,不能够对生产异常问题进行快速闭环,本发明实施例旨在解决上述问题。
本发明实施例中,会对柠檬酸生产的各个环节进行监控,当存在异常时,生成柠檬酸生产异常信息,柠檬酸生产异常信息会在两种情况下产生,一种是对柠檬酸成品进行检测时,出现了一些不合格的项目,会生成产品检测异常信息。
另一种是,在对柠檬酸的生产加工过程中,生产设备的加工参数出现异常,会生成设备报警异常信息。
当为产品检测异常信息时,调取产品检测异常信息中的异常项目,将异常项目输入至项目异常因素库中,得到可能异常因素,为了进一步缩小异常因素的范围,确定具体原因,本发明实施例会自动对可能异常因素进行判定,得到确定异常因素,根据确定异常因素输出第一预警信息,如此,第一预警信息就能够给出柠檬酸成品出现异常的具体原因,这样方便后续避免类似问题。
当为设备报警异常信息时,调取设备报警异常信息中的异常参数,将异常参数输入至参数异常应急库中,得到第二预警信息,第二预警信息中包含应急方案,进而能够对生产异常问题进行快速闭环。
如图2所示,作为本发明一个优选的实施例,所述将异常项目输入至项目异常因素库中,得到可能异常因素的步骤,具体包括:
S201,将产品检测异常信息中的所有异常项目依次输入至项目异常因素库中,每个异常项目对应有异常数据,所述项目异常因素库包括若干个的异常项目和对应的可能异常因素;
S202,输出可能异常因素,根据异常数据对可能异常因素进行筛选。
本发明实施例中,事先建立有项目异常因素库,所述项目异常因素库包括若干个的异常项目和对应的可能异常因素,如此,就可以根据异常项目确定可能异常因素了,容易理解,这些可能异常因素都会导致所述异常项目的产生。
如图3所示,作为本发明一个优选的实施例,所述根据异常数据对可能异常因素进行筛选的步骤,具体包括:
S2021,根据异常项目调取正常数据,根据正常数据和异常数据确定异常程度;
S2022,根据异常程度对可能异常因素进行筛选,所述项目异常因素库中的每个可能异常因素对应有导致的异常程度。
本发明实施例中,可能异常因素会有很多,为了进一步缩小范围,根据异常项目的项目名称调取正常数据,根据异常数据偏离正常数据的程度来确定异常程度,最后根据异常程度对可能异常因素进行筛选,所述项目异常因素库中的每个可能异常因素对应有导致的异常程度;容易理解,虽然很多因素都会导致同一个异常项目产生,但是不同的因素对于同一个项目产生的异常程度是不同的,本发明实施例基于此原理对可能异常因素进行筛选。
如图4所示,作为本发明一个优选的实施例,所述对可能异常因素进行判定,得到确定异常因素,根据确定异常因素输出第一预警信息的步骤,具体包括:
S301,将可能异常因素依次输入至因素异常关联库中,输出关联异常项目,所述因素异常关联库包括所有的异常因素,以及每个异常因素导致的相互关联的异常项目;
S302,判定关联异常项目是否存在于产品检测异常信息中,当存在于产品检测异常信息中时,判定可能异常因素为确定异常因素;
S303,对所有的确定异常因素进行整合后输出第一预警信息。
本发明实施例中,筛选后的可能异常因素依然存在不够具体、不够精准的问题,进一步的,还需要将可能异常因素输入至因素异常关联库中,因素异常关联库是提前建立的,所述因素异常关联库包括所有的异常因素,以及每个异常因素导致的相互关联的异常项目,容易理解,一个异常因素往往会导致多个异常项目同时产生,这些异常项目是相互关联的,因此,每次输入一个可能异常因素,就会得到关联异常项目,接着判定关联异常项目是否存在于产品检测异常信息中,只有当存在于产品检测异常信息中时,判定可能异常因素为确定异常因素;否则,将可能异常因素判定为非异常因素,进行删除。
最后,对所有的确定异常因素进行整合后输出第一预警信息,如此,第一预警信息就能够给出柠檬酸成品出现异常的精准的具体原因。
如图5所示,作为本发明一个优选的实施例,所述将异常参数输入至参数异常应急库中,得到第二预警信息的步骤,具体包括:
S401,将异常参数输入至参数异常应急库中,所述参数异常应急库中包括所有的异常参数、对应的异常结果和应急方案;
S402,输出异常结果和应急方案,对异常结果和应急方案进行整合得到第二预警信息。
本发明实施例中,事先建立有参数异常应急库,所述参数异常应急库中包括所有的异常参数、对应的异常结果和应急方案,参数异常应急库需要相关工作人员不断进行更新和完善,将异常参数输入至参数异常应急库中,就会自动输出异常结果和应急方案,对异常结果和应急方案进行整合得到第二预警信息,通过第二预警信息,工作人员能够清楚的知道参数异常导致的结果以及补救措施,进而能够对生产过程中的异常问题进行快速闭环。
如图6所示,本发明实施例还提供了一种柠檬酸生产用的监控预警系统,所述系统包括:
生产异常信息模块100,用于对柠檬酸生产环节进行监控,当存在异常时,生成柠檬酸生产异常信息,所述柠檬酸生产异常信息为产品检测异常信息或者设备报警异常信息;
异常因素分析模块200,当为产品检测异常信息时,调取产品检测异常信息中的异常项目,将异常项目输入至项目异常因素库中,得到可能异常因素;
第一预警信息模块300,用于对可能异常因素进行判定,得到确定异常因素,根据确定异常因素输出第一预警信息;
第二预警信息模块400,当为设备报警异常信息时,调取设备报警异常信息中的异常参数,将异常参数输入至参数异常应急库中,得到第二预警信息,第二预警信息中包含应急方案。
本发明实施例中,会对柠檬酸生产的各个环节进行监控,当存在异常时,生成柠檬酸生产异常信息,柠檬酸生产异常信息会在两种情况下产生,一种是对柠檬酸成品进行检测时,出现了一些不合格的项目,会生成产品检测异常信息。
另一种是,在对柠檬酸的生产加工过程中,生产设备的加工参数出现异常,会生成设备报警异常信息。
当为产品检测异常信息时,调取产品检测异常信息中的异常项目,将异常项目输入至项目异常因素库中,得到可能异常因素,为了进一步缩小异常因素的范围,确定具体原因,本发明实施例会自动对可能异常因素进行判定,得到确定异常因素,根据确定异常因素输出第一预警信息,如此,第一预警信息就能够给出柠檬酸成品出现异常的具体原因,这样方便后续避免类似问题。
当为设备报警异常信息时,调取设备报警异常信息中的异常参数,将异常参数输入至参数异常应急库中,得到第二预警信息,第二预警信息中包含应急方案,进而能够对生产异常问题进行快速闭环。
如图7所示,作为本发明一个优选的实施例,所述异常因素分析模块200包括:
可能异常因素单元201,用于将产品检测异常信息中的所有异常项目依次输入至项目异常因素库中,每个异常项目对应有异常数据,所述项目异常因素库包括若干个的异常项目和对应的可能异常因素;
异常因素筛选单元202,用于输出可能异常因素,根据异常数据对可能异常因素进行筛选。
如图8所示,作为本发明一个优选的实施例,所述异常因素筛选单元202包括:
异常程度确定子单元2021,用于根据异常项目调取正常数据,根据正常数据和异常数据确定异常程度;
异常因素筛选子单元2022,用于根据异常程度对可能异常因素进行筛选,所述项目异常因素库中的每个可能异常因素对应有导致的异常程度。
如图9所示,作为本发明一个优选的实施例,所述第一预警信息模块300包括:
异常因素输入单元301,用于将可能异常因素依次输入至因素异常关联库中,输出关联异常项目,所述因素异常关联库包括所有的异常因素,以及每个异常因素导致的相互关联的异常项目;
异常因素判定单元302,用于判定关联异常项目是否存在于产品检测异常信息中,当存在于产品检测异常信息中时,判定可能异常因素为确定异常因素;
第一预警信息生成单元303,用于对所有的确定异常因素进行整合后输出第一预警信息。
如图10所示,作为本发明一个优选的实施例,所述第二预警信息模块400包括:
异常参数输入单元401,用于将异常参数输入至参数异常应急库中,所述参数异常应急库中包括所有的异常参数、对应的异常结果和应急方案;
第二预警信息生成单元402,用于输出异常结果和应急方案,对异常结果和应急方案进行整合得到第二预警信息。
以上仅对本发明的较佳实施例进行了详细叙述,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行;除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行;而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
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,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,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。
本领域技术人员在考虑说明书及实施例处的公开后,将容易想到本公开的其它实施方案;本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段;说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (10)
1.一种柠檬酸生产用的监控预警方法,其特征在于,所述方法包括以下步骤:
对柠檬酸生产环节进行监控,当存在异常时,生成柠檬酸生产异常信息,所述柠檬酸生产异常信息为产品检测异常信息或者设备报警异常信息;
当为产品检测异常信息时,调取产品检测异常信息中的异常项目,将异常项目输入至项目异常因素库中,得到可能异常因素;
对可能异常因素进行判定,得到确定异常因素,根据确定异常因素输出第一预警信息;
当为设备报警异常信息时,调取设备报警异常信息中的异常参数,将异常参数输入至参数异常应急库中,得到第二预警信息,第二预警信息中包含应急方案。
2.根据权利要求1所述一种柠檬酸生产用的监控预警方法,其特征在于,所述将异常项目输入至项目异常因素库中,得到可能异常因素的步骤,具体包括:
将产品检测异常信息中的所有异常项目依次输入至项目异常因素库中,每个异常项目对应有异常数据,所述项目异常因素库包括若干个的异常项目和对应的可能异常因素;
输出可能异常因素,根据异常数据对可能异常因素进行筛选。
3.根据权利要求2所述一种柠檬酸生产用的监控预警方法,其特征在于,所述根据异常数据对可能异常因素进行筛选的步骤,具体包括:
根据异常项目调取正常数据,根据正常数据和异常数据确定异常程度;
根据异常程度对可能异常因素进行筛选,所述项目异常因素库中的每个可能异常因素对应有导致的异常程度。
4.根据权利要求1所述一种柠檬酸生产用的监控预警方法,其特征在于,所述对可能异常因素进行判定,得到确定异常因素,根据确定异常因素输出第一预警信息的步骤,具体包括:
将可能异常因素依次输入至因素异常关联库中,输出关联异常项目,所述因素异常关联库包括所有的异常因素,以及每个异常因素导致的相互关联的异常项目;
判定关联异常项目是否存在于产品检测异常信息中,当存在于产品检测异常信息中时,判定可能异常因素为确定异常因素;
对所有的确定异常因素进行整合后输出第一预警信息。
5.根据权利要求1所述一种柠檬酸生产用的监控预警方法,其特征在于,所述将异常参数输入至参数异常应急库中,得到第二预警信息的步骤,具体包括:
将异常参数输入至参数异常应急库中,所述参数异常应急库中包括所有的异常参数、对应的异常结果和应急方案;
输出异常结果和应急方案,对异常结果和应急方案进行整合得到第二预警信息。
6.一种柠檬酸生产用的监控预警系统,其特征在于,所述系统包括:
生产异常信息模块,用于对柠檬酸生产环节进行监控,当存在异常时,生成柠檬酸生产异常信息,所述柠檬酸生产异常信息为产品检测异常信息或者设备报警异常信息;
异常因素分析模块,当为产品检测异常信息时,调取产品检测异常信息中的异常项目,将异常项目输入至项目异常因素库中,得到可能异常因素;
第一预警信息模块,用于对可能异常因素进行判定,得到确定异常因素,根据确定异常因素输出第一预警信息;
第二预警信息模块,当为设备报警异常信息时,调取设备报警异常信息中的异常参数,将异常参数输入至参数异常应急库中,得到第二预警信息,第二预警信息中包含应急方案。
7.根据权利要求6所述一种柠檬酸生产用的监控预警系统,其特征在于,所述异常因素分析模块包括:
可能异常因素单元,用于将产品检测异常信息中的所有异常项目依次输入至项目异常因素库中,每个异常项目对应有异常数据,所述项目异常因素库包括若干个的异常项目和对应的可能异常因素;
异常因素筛选单元,用于输出可能异常因素,根据异常数据对可能异常因素进行筛选。
8.根据权利要求7所述一种柠檬酸生产用的监控预警系统,其特征在于,所述异常因素筛选单元包括:
异常程度确定子单元,用于根据异常项目调取正常数据,根据正常数据和异常数据确定异常程度;
异常因素筛选子单元,用于根据异常程度对可能异常因素进行筛选,所述项目异常因素库中的每个可能异常因素对应有导致的异常程度。
9.根据权利要求6所述一种柠檬酸生产用的监控预警系统,其特征在于,所述第一预警信息模块包括:
异常因素输入单元,用于将可能异常因素依次输入至因素异常关联库中,输出关联异常项目,所述因素异常关联库包括所有的异常因素,以及每个异常因素导致的相互关联的异常项目;
异常因素判定单元,用于判定关联异常项目是否存在于产品检测异常信息中,当存在于产品检测异常信息中时,判定可能异常因素为确定异常因素;
第一预警信息生成单元,用于对所有的确定异常因素进行整合后输出第一预警信息。
10.根据权利要求6所述一种柠檬酸生产用的监控预警系统,其特征在于,所述第二预警信息模块包括:
异常参数输入单元,用于将异常参数输入至参数异常应急库中,所述参数异常应急库中包括所有的异常参数、对应的异常结果和应急方案;
第二预警信息生成单元,用于输出异常结果和应急方案,对异常结果和应急方案进行整合得到第二预警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310227104.5A CN115953880B (zh) | 2023-03-10 | 2023-03-10 | 一种柠檬酸生产用的监控预警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310227104.5A CN115953880B (zh) | 2023-03-10 | 2023-03-10 | 一种柠檬酸生产用的监控预警系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115953880A true CN115953880A (zh) | 2023-04-11 |
CN115953880B CN115953880B (zh) | 2023-05-16 |
Family
ID=85891357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310227104.5A Active CN115953880B (zh) | 2023-03-10 | 2023-03-10 | 一种柠檬酸生产用的监控预警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115953880B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116482038A (zh) * | 2023-06-19 | 2023-07-25 | 北京中科太赫兹科技有限公司 | 基于kid探测器的远距离人携危险物探测管理系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05240673A (ja) * | 1991-11-07 | 1993-09-17 | Kao Corp | 培養状態の判定方法 |
JPH06137909A (ja) * | 1992-10-26 | 1994-05-20 | Hitachi Ltd | プラント監視装置 |
CN102851330A (zh) * | 2012-09-21 | 2013-01-02 | 中粮生物化学(安徽)股份有限公司 | 一种发酵制备柠檬酸的方法 |
JP6233061B2 (ja) * | 2014-01-30 | 2017-11-22 | オムロン株式会社 | 品質管理装置、品質管理方法 |
CN111504944A (zh) * | 2020-06-02 | 2020-08-07 | 江南大学 | 基于近红外光谱的柠檬酸发酵液化清液的统计监控方法 |
CN114057891B (zh) * | 2020-08-07 | 2024-02-02 | 华东理工大学 | 柠檬酸光学探针及其制备方法和应用 |
-
2023
- 2023-03-10 CN CN202310227104.5A patent/CN115953880B/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116482038A (zh) * | 2023-06-19 | 2023-07-25 | 北京中科太赫兹科技有限公司 | 基于kid探测器的远距离人携危险物探测管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115953880B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115953880A (zh) | 一种柠檬酸生产用的监控预警系统及方法 | |
US10317891B2 (en) | Operator and manufacturing quality traceability | |
CN114861185A (zh) | 用于企业级台账的共识机制处理方法及装置 | |
CN115238932B (zh) | 基于人工智能的协同办公管理方法及系统 | |
Gittler et al. | Towards predictive quality management in assembly systems with low quality low quantity data–a methodological approach | |
CN114201090B (zh) | 产品生产异常预警系统、方法、计算机设备和存储介质 | |
CN115776438A (zh) | 一种工控数据传输方法及系统 | |
CN115375122A (zh) | 基于互联网的生产质量监控预警方法及系统 | |
KR20200023882A (ko) | 스마트 공장의 공정 데이터의 가공방법 | |
CN113885450B (zh) | 一种基于mes的报警响应系统 | |
CN114037277B (zh) | 基于深度学习的钢厂无人车间监控方法和系统 | |
CN115202962A (zh) | 一种基于工业互联网平台的设备故障快速诊断方法和系统 | |
CN114219035A (zh) | 一种多传感器的数据融合方法及装置 | |
CN115755799A (zh) | 一种用于监测质量波动的方法 | |
CN115147236A (zh) | 一种处理方法、处理装置和电子设备 | |
CN111141981B (zh) | 线损点检方法、装置、计算机设备和存储介质 | |
US11237550B2 (en) | Ultrasonic flow meter prognostics with near real-time condition based uncertainty analysis | |
CN112416781A (zh) | 跨系统接口确定方法、装置、计算机设备和存储介质 | |
CN117291573A (zh) | 一种基于工业互联网的产品质量跟踪监测方法及系统 | |
CN116562854A (zh) | 一种基于大数据的污水处理故障诊断方法和系统 | |
CN111381559A (zh) | 基于服务器的加工设备误差补正方法及系统 | |
CN115185767A (zh) | 一种终端运行状态的监测分析装置 | |
CN117424755B (zh) | 一种物联网设备数据处理方法及系统 | |
CN116258344A (zh) | 一种用于机械加工的监测方法及系统 | |
Hermite et al. | A test reduction strategy for reliability demonstration |
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 |