CN115963784A - 一种远程协同的电解控制方法和系统 - Google Patents
一种远程协同的电解控制方法和系统 Download PDFInfo
- Publication number
- CN115963784A CN115963784A CN202111192666.8A CN202111192666A CN115963784A CN 115963784 A CN115963784 A CN 115963784A CN 202111192666 A CN202111192666 A CN 202111192666A CN 115963784 A CN115963784 A CN 115963784A
- Authority
- CN
- China
- Prior art keywords
- data
- electrolysis
- production
- command center
- expert
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本说明书实施例公开了一种远程协同的电解控制系统和方法。该系统包括:数据获取单元,用于获取电解数据,电解数据包括现场巡检数据和基于时间与现场巡检数据对应的设备生产数据;数据传输单元,用于将电解数据发送给目标指挥中心,所述目标指挥中心与所述现场的距离超过阈值;生产控制单元,用于基于从所述目标指挥中心获取的指导意见控制所述现场的生产工艺。
Description
技术领域
本说明书涉及电解领域,特别涉及一种远程协同的电解控制系统。
背景技术
电解工艺常用于金属板材制造领域。为了保证金属板材质量,需要严格控制电解工艺参数,例如,电解槽温度、电解液浓度和电解液循环量等。然而,在生产过程中,人工操作难免会产生误差,从而影响产品质量。此外,由于电解工艺的不可控因素较多,往往需要经验丰富的专家进行指导,但专家资源紧缺,咨询时间被动,影响生产周期。
因此,希望提供一种远程协同的电解控制系统,可以精确控制电解工艺,同时合理利用专家资源。
发明内容
本说明书实施例的一个方面提供一种远程协同的电解控制系统,所述系统包括:数据获取单元,用于获取电解数据,所述电解数据包括现场巡检数据和基于时间与所述现场巡检数据对应的设备生产数据;数据传输单元,用于将所述电解数据发送给目标指挥中心,所述目标指挥中心与所述现场的距离超过阈值;生产控制单元,用于基于从所述目标指挥中心获取的指导意见控制所述现场的生产工艺。
本说明书实施例的另一方面提供一种远程协同的电解控制的方法,所述方法包括:获取电解数据,所述电解数据包括现场巡检数据和基于时间与所述现场巡检数据对应的设备生产数据;将所述电解数据发送给目标指挥中心,所述目标指挥中心与所述现场的距离超过阈值;基于从所述目标指挥中心获取的指导意见控制所述现场的生产工艺。
本说明书另一个方面提供一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当所述计算机指令被处理器执行时实现远程协同的电解控制的方法。
本说明书另一个方面提供一种远程协同的电解控制的装置,其特征在于,所述装置包括至少一个处理器以及至少一个存储器;所述至少一个存储器用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现远程协同的电解控制的方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的远程协同的电解控制系统的应用场景示意图;
图2是根据本说明书一些实施例所示的远程协同的电解控制系统的装置示意图;
图3是根据本说明书一些实施例所示的远程协同的电解控制系统的示例性示意图;
图4是根据本说明书的一些实施例所示的获取至少一个更新问题类型的示例性流程图;
图5是根据本说明书的一些实施例所示的生产控制单元的示例性示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本说明书中所使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的远程协同的电解控制系统的应用场景100的示意图。
电解工艺常用于金属板材制造领域。为了保证金属板材质量,需要严格控制电解工艺参数,例如,电解槽温度、电解液浓度和电解液循环量等。然而,在生产过程中,人工操作难免会产生误差,从而影响产品质量。此外,由于电解工艺的不可控因素较多,往往需要经验丰富的专家进行指导,但专家资源紧缺,咨询时间被动,影响生产周期。
远程协同的电解控制系统不仅在生产上对添加剂的剂量控制更加精确,还可以合理利用专家资源,降低专家咨询成本,解决专家紧缺的问题,从而优化生产工艺,提高产品质量和产量。
在一些实施例中,远程协同的电解控制系统的应用场景100包括目标指挥中心110、处理设备120、AR眼镜130、自动控制系统140、网络150和存储设备160。
目标指挥中心110是对电解工艺进行远程指导的平台。在一些实施例中,目标指挥中心110可以包括专家组112和专家组所使用的一个或多个终端设备114。专家组112可以包括电解工艺相关的多个领域的高级技术人员、研究员等。在一些实施例中,专家组可以使用终端设备114通过网络150与处理设备120、AR眼镜130和/或自动控制系统140通信。例如,专家组112可以使用终端设备114从AR眼镜130和/或自动控制系统140获取电解数据。又例如,专家组112可以使用终端设备114将指导意见发送给处理设备120。在一些实施例中,终端设备114可以是台式计算机114-1、膝上型计算机114-2、移动设备114-3、平板计算机114-4和其他具有输入和/或输出功能的设备等或其任意组合。上述示例仅用于说明所述终端设备范围的广泛性而非对其范围的限制。
处理设备120可以用于处理来自应用场景100的至少一个组件或外部数据源(例如,云数据中心)的数据和/或信息。例如,处理设备120可以基于从目标指挥中心获取的指导意见控制所述现场的生产工艺。在一些实施例中,处理设备120可以包括单一服务器或服务器组。该服务器组可以是集中式或分布式的(例如,处理设备120可以是分布式系统),可以是专用的也可以由其他设备或系统同时提供服务。在一些实施例中,处理设备120可以是区域的或者远程的。在一些实施例中,处理设备120可以在云平台上实施,或者以虚拟方式提供。仅作为示例,所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
存储设备160可以用于存储数据(如现场巡检数据、设备生产数据等)和/或指令。存储设备160可以包括一个或多个存储组件,每个存储组件可以是一个独立的设备,也可以是其他设备的一部分。在一些实施例中,存储设备160可包括随机存取存储器(RAM)、只读存储器(ROM)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。示例性地,大容量储存器可以包括磁盘、光盘、固态磁盘等。在一些实施例中,存储设备160可在云平台上实现。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中,存储设备160可以集成或包括在系统的一个或多个其他组件(例如,处理设备120、目标指挥中心110或其他可能的组件)中。
AR眼镜130是一种具有摄像、通讯等功能的智能可穿戴设备。AR眼镜130可以通过摄像头抓取区域内的对象的图像,得到该对象的相关数据和/或信息。在一些实施例中,AR眼镜130上可以包括一个或多个摄像头。例如,AR眼镜可以包括广角摄像头、鱼眼摄像头、单目摄像头、多目摄像头(双目摄像头)、深度摄像头(RGBD摄像头)、半球摄像机、红外摄像头、数字视频录像机(DVR)等中的至少一个或其任意组合。在一些实施例中,AR眼镜可以获取现场巡检的电解数据。在一些实施例中,AR眼镜还可以基于接收的控制指令指导现场生产者进行操作。
自动控制系统140可以根据程序自动控制现场生产设备运作。在一些实施例中,自动控制系统140可以是分布式控制系统(Distributed Control System,DCS),可以包括指令调度处理器和位于电解工艺现场的多个逻辑可编程控制器(Program LogicController,PLC)。每个逻辑可编程控制器可以控制一个或多个生产设备进行运作。
网络150可以连接系统的各组成部分和/或连接系统与外部资源部分。网络150使得各组成部分之间,以及与系统之外其他部分之间可以进行通讯,促进数据和/或信息的交换。例如,目标指挥中心110可以通过网络150与AR眼镜130进行现场巡检的电解数据的交换。又例如,目标指挥中心110还可以通过网络150与自动控制中心进行设备生产数据的交换。
在一些实施例中,网络150可以是有线网络或无线网络中的任意一种或多种。例如,网络150可以包括电缆网络、光纤网络、电信网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络(ZigBee)、近场通信(NFC)、设备内总线、设备内线路、线缆连接等或其任意组合。各部分之间的网络连接可以是采用上述一种方式,也可以是采取多种方式。在一些实施例中,网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。在一些实施例中,网络150可以包括一个或以上网络接入点。例如,网络150可以包括有线或无线网络接入点,例如基站和/或网络交换点150-1、150-2……,通过这些进出点电解控制系统的一个或多个组件可连接到网络150上以交换数据和/或信息。
图2是根据本说明书一些实施例所示的远程协同的电解控制系统200的装置示意图。如图2所示,电解控制系统200可以包括数据获取单元210、数据传输单元220以及生产控制单元230。
数据获取单元210,可以被配置为用于获取电解数据。所述电解数据包括现场巡检数据和基于时间与所述现场巡检数据对应的设备生产数据。所述现场巡检数据包括AR巡检数据和自动获取数据中的至少一种。在一些实施例中,所述AR巡检数据基于现场生产者佩戴的AR眼镜拍摄获取。在一些实施例中,所述自动获取数据基于自动获取装置对生产设备执行第一操作获取。在一些实施例中,数据获取单元210还用于基于第一触发条件,获取所述现场巡检数据。所述第一触发条件基于时间间隔和从生产检测装置接收的报警信息中的至少一种确定。
数据传输单元220,可以被配置为用于将所述电解数据发送给目标指挥中心,所述目标指挥中心与所述现场的距离超过阈值。在一些实施例中,数据传输单元220还用于:基于第二触发条件,将所述电解数据发送给所述目标指挥中心。在一些实施例中,所述第二触发条件基于时间间隔、从生产检测装置接收的报警信息和所述电解数据中的至少一种确定。
生产控制单元230,可以被配置为用于基于从所述目标指挥中心获取的指导意见控制所述现场的生产工艺。在一些实施例中,生产控制单元230还用于:将控制指令发送给自动控制系统和所述AR眼镜中的至少一种。在一些实施例中,所述控制指令基于从所述目标指挥中心获取的指导意见生成;所述控制指令用于指令所述自动控制系统执行第二操作,和/或指导佩戴所述AR眼镜的所述现场生产者执行第三操作。
图3是根据本说明书一些实施例所示的远程协同的电解控制系统的示意图。如图3所示,远程协同的电解控制系统200包括:
数据获取单元210,用于获取电解数据。
电解数据是电解工艺中的相关生产数据。在一些实施例中,电解数据可以包括现场巡检数据和基于时间与现场巡检数据对应的设备生产数据。
在一些实施例中,数据获取单元210可以包括第一数据获取单元,用于获取现场巡检数据。
现场巡检数据是巡视检查电解工艺现场获取的数据。在一些实施例中,现场巡检数据可以包括AR巡检数据和自动获取数据中的至少一种。
AR巡检数据是AR眼镜的摄像头获取的现场巡检数据。在一些实施例中,AR巡检数据基于现场生产者佩戴的AR眼镜拍摄获取。
在一些实施例中,AR眼镜可以基于其搭载的GPS检测佩戴AR眼镜的现场生产者的当前位置,并基于佩戴AR眼镜的现场生产者的位置向该现场生产者显示AR眼镜的摄像头实时拍摄的现场实景,以及和该现场实景对应的虚拟指引标识。
在一些实施例中,虚拟指引标识可以包括对现场实景中巡检路线的指引标识。例如,虚拟指引标识可以包括对现场生产者当前位置到特定生产设备的巡检路线的导航箭头。在一些实施例中,第一数据获取单元可以规划巡检路线,并发送给AR眼镜,进一步的AR眼镜可以显示巡检路线的指引标识。在一些实施例中,AR眼镜可以通过GPS检测到佩戴AR眼镜的现场生产者的当前位置并发送给第一数据获取单元,第一数据获取单元基于现场生产者的当前位置、现场生产者需要前往的目标位置和现场实时的环境数据,规划巡检路线。
在一些实施例中,现场实时的环境数据可以确定路线的障碍物,进一步的,在规划巡检路线时,可以避开障碍物进行规划。障碍物可以是需要保持安全距离的作业区域或者其他正在进行巡检的路线。
在一些实施例中,现场实时的环境数据可以包括基于AR眼镜的摄像头实时拍摄的当前图像数据,和/或从物联网平台获取的生产设备数据。从物联网平台获取的生产设备数据可以确定正在工作的生产设备,并基于生产设备的类型确定生产设备所在位置是否会成为障碍物。在一些实施例中,第一数据获取单元可以基于障碍物确定模型处理现场实时的环境数据,确定障碍物的位置。例如,障碍物确定模型可以包括图像环境数据层和障碍物预测层。图像环境数据层的输入可以包括当前图像数据,输出与障碍物相关的图像特征。在一些实施例中,图像环境数据层可以是卷积神经网络模型。障碍物预测层的输入可以包括从物联网平台获取的生产设备数据和图像特征,输出可以是障碍物的位置。在一些实施例中,障碍物预测层可以是全连接层。障碍物确定模型可以通过第一训练数据训练得到,第一训练数据基于历史数据得到。第一训练数据包括:样本图像数据、样本生产设备数据,第一训练数据的标签为障碍物的位置。
在一些实施例中,虚拟指引标识可以包括指导操作特定现场生产设备的规范。例如,虚拟指引标识可以包括特定电解槽添加电解液的操作步骤以及每个操作步骤中指向操作对象的指示箭头。
在一些实施例中,虚拟指引标识可以包括用于警示现场生产者的标识。例如,虚拟指引标识可以包括红色的警示语“未佩戴手套!”。
在一些实施例中,虚拟指引标识可以是预先设置的。例如,基于操作手册预先设置的指导操作现场生产设备的规范。在一些实施例中,虚拟指引标识可以是实时生成的。例如,基于生成的巡检路线,实时生成对应的导航箭头。
在一些实施例中,佩戴AR眼镜的现场生产者根据指引标识对现场进行巡视和检查操作,同时,AR眼镜的摄像头可以拍摄获取现场生产者巡视和检查操作的照片和/或视频,从而获取AR巡检数据。
以获取AR巡检数据“检查电解槽A的阴极板2的图像数据”为例,AR眼镜可以先通过GPS检测到佩戴AR眼镜的现场生产者甲的当前位置,再基于预先设置的巡检路线的指引标识向甲显示AR眼镜的摄像头实时拍摄的甲当前位置的现场实景以及从甲当前位置到电解槽A的巡检路线的导航箭头;当AR眼镜检测到甲位于电解槽A后,再向甲显示AR眼镜的摄像头实时拍摄的电解槽A,以及获取电解槽A的阴极板1的图像数据的操作规范第一步“请先佩戴手套”,同时AR眼镜可以通过摄像头检测甲是否佩戴手套,否则持续向甲显示警示语“未佩戴手套”;进一步地,AR眼镜可以向甲显示操作规范第二步“握住箭头指向位置,缓慢上提”和阴极板1上的虚拟箭头;甲根据虚拟指示标识完成操作,同时AR眼镜可以拍摄甲的巡视路线和检查操作的视频,从而获取AR巡检数据。
自动获取数据是自动获取装置获取的现场巡检数据。在一些实施例中,自动获取数据基于自动获取装置对生产设备执行第一操作获取。
自动获取装置是自动收集生产设备的生产数据的装置。
在一些实施例中,自动获取装置可以包括基于预设巡检路线收集生产设备和/或产品图像数据的巡检机器人。相应地,巡检机器人对生产设备执行的第一操作可以包括目标对象获取操作和拍摄操作。所述目标对象可以是生产设备和/或产品。例如,巡检机器人基于预设巡检路线定位到电解槽B,然后从电解槽B中取出阴极板1,并通过搭载的摄像头自动获取图像数据(如阴极板的图像)。
在一些实施例中,自动获取装置还可以包括基于预设巡检路线收集生产设备检测数据的巡检传感器。相应地,巡检传感器对生产设备执行的第一操作可以包括通过传感器获取检测数据。例如,巡检传感器基于预设巡检路线定位到电解槽C的电解液温度检测装置,并通过搭载的传感器获取电解液温度检测装置检测的当前温度参数。
在一些实施例中,AR眼镜和自动获取装置还可以联动获取电解数据。
例如,数据获取单元210可以先检测自动获取数据是否满足质量要求和/或数量要求,是则将自动获取数据作为电解数据,否则向AR眼镜发送获取AR巡检数据的指令,并将AR巡检数据作为电解数据。示例的,数据获取单元210检测到巡检机器人获取的电解槽A阴极板1图像清晰度不够,则向AR眼镜发送获取电解槽A的阴极板1图像的指令,佩戴AR眼镜的现场工作者根据AR眼镜基于该指令显示的巡检路线和操作规范,获取电解槽A阴极板1图像,数据获取单元210从AR眼镜接收电解槽A阴极板1图像,并作为电解数据。
第一触发条件是指触发获取现场巡检数据的条件。在一些实施例中,数据获取单元210还可以基于第一触发条件,获取现场巡检数据。在一些实施例中,不同现场巡检数据的第一触发条件可以相同,也可以不同。
在一些实施例中,第一触发条件可以基于时间间隔和从生产检测装置接收的报警信息中的至少一种确定。
在一些实施例中,第一触发条件可以基于时间间隔确定。示例性地,时间间隔可以是预先设置的参数。例如,预先设置时间间隔为3小时,则数据获取单元210基于第一触发条件“当前时间距离上一次获取现场巡检数据间隔3小时”获取当前所有生产设备的现场巡检数据。又一示例性地,时间间隔可以基于生产设备的检查周期、产品的生产周期等自动确定。例如,电解槽D每间隔4小时需要检查其电解液温度是否正常,则数据获取单元210基于第一触发条件“当前时间距离上一次获取电解槽D的电解液温度间隔4小时”获取当前电解槽D的电解液温度;金属板的生产周期为5天,则数据获取单元210基于第一触发条件“当前时间距离上一次获取阴极板的图像数据间隔24小时”获取当前阴极板的图像数据。
在一些实施例中,第一触发条件可以基于从生产检测装置接受的报警信息确定。生产检测装置是对生产数据进行检测并报警的装置。在一些实施例中,生产检测装置可以包括但不限于温度检测装置、短路实时检测装置、循环泵运行检测装置、金属板质量检测装置等。当生产检测装置检测到生产数据异常,可以向数据获取单元210发送报警信息。例如,当电解槽D的温度检测装置检测到电解槽D的电解液温度超过阈值,则向数据获取单元210发送电解槽D的电解液温度异常报警信息。又例如,当电解槽E的短路实时检测装置检测到电解槽E的电路出现短路,则向数据获取单元210发送电解槽E的电路异常报警信息。
在一些实施例中,数据获取单元210可以基于报警信息,指示现场生产者佩戴AR眼镜基于虚拟指示标识获取AR巡检数据,或者指令自动获取装置获取自动获取数据。继续上述示例,数据获取单元210可以基于电解槽D的电解液温度异常报警信息,指示现场生产者佩戴AR眼镜基于虚拟指示标识获取电解槽D的当前图像,或者指令巡检传感器获取当前电解液温度等。
在一些实施例中,数据获取单元210还可以基于专家组的请求获取现场巡检数据。关于基于专家组的请求获取现场巡检数据的详细描述可以参见数据传输单元220,在此不再赘述。
在一些实施例中,数据获取单元210可以包括第二数据获取单元,用于获取设备生产数据。
设备生产数据是电解工艺的生产设备在运行过程中自动生成的数据。例如,电解槽电解过程中的温度数据、循环泵运行过程中的流量数据等。
在一些实施例中,设备生产数据来源于与所述系统连接的物联网数据平台。物联网(The Internet of Things,IOT)是物品之间通过连接网络来共享信息并产生有用信息的运行机制。其中,物品可以是电解工艺的生产设备。IOT设备是物联网中采集生产设备信息的设备。在一些实施例中,IOT设备可以是生产设备本身。例如,IOT设备可以是采集添加剂剂量的自动添加装置。在一些实施例中,IOT设备也可以不同于生产设备。例如,生产设备可以是电解槽,IOT设备可以是采集电解槽温度信息的温度传感器。又例如,生产设备可以是循环泵,IOT设备可以是采集循环泵流量的传感器。物联网通过各类IOT设备将生产设备接入网络,从而通过物联网数据平台实现对设备生产数据进行储存和管理。
在一些实施例中,数据获取单元210可以先确定现场巡检数据的获取时间点T,再从物联网平台获取该时间点T对应的设备生产数据,即生产设备在时间点T生成的数据。继续上述示例,数据获取单元210基于第一触发条件“电解槽D的电解液温度异常报警信息”,获取了时间点2021年7月7日8点整的现场巡检数据“电解槽D的电解液在2021年7月7日8点整的温度40℃”和“电解槽D在2021年7月7日8点整的图像”。进一步的,数据获取单元210可以从物联网平台获取时间点2021年7月7日8点整对应的生产设备数据:“电解槽D在2021年7月7日8点整的循环泵流量”、“电解槽D在2021年7月7日8点整的循环泵功率”、“2021年7月7日8点整的现场温度”“电解槽D的换热器H在2021年7月7日8点整的功率”、“电解槽D的I型电解液在2021年7月7日8点整的添加剂剂量”、“电解槽D的II型电解液在2021年7月7日8点整的添加剂剂量”等等。
在一些实施例中,电解数据还可以包括原材料数据。原材料数据是用于电解工艺的原料的相关数据。在一些实施例中,原材料数据可以包括极板原料数据和电解液原料数据。极板原料数据可以包括极板成分(如铜、锂)、极板重量(500g)、极板尺寸(200cm×200cm×5cm)、极板编号(如001、002)和极板位置(如电解槽D的1号位)等。电解液原料数据可以包括电解液成分(如60%盐酸溶液)、电解液体积(1000mL)和电解液位置(电解槽D)等。
原材料数据是在生产运行前基于电解工艺设计方案确定的数据。在一些实施例中,原材料数据可以预先存储在物联网平台,数据获取单元210可以通过AR眼镜和/或自动获取装置从物联网平台获取原材料数据。例如,可以将原材料数据在物联网中的存储位置以网址、二维码或条形码的形式设置(如粘贴、刻蚀、激光打印等)在原材料上;进一步地,现场生产者可以通过AR眼镜上的摄像头识别网址、二维码或条形码,从而访问物流网中原材料数据的存储位置,获取原材料数据,类似地,巡检机器人也可以通过搭载的摄像头获取原材料数据。
在一些实施例中,数据获取单元210可以基于专家的指导意见获取原材料数据。关于基于专家的指导意见获取原材料数据的相关描述可以参见生产控制单元230,在此不再赘述。
数据传输单元220,用于将所述电解数据发送给目标指挥中心。
目标指挥中心是对电解工艺进行远程指导的平台,包括专家组和专家组所使用的一个或多个终端设备。所述专家组由电解工艺相关的多个领域的高级技术人员、研究员等组成。
在一些实施例中,专家组可以包括初始专家组和更新专家组。
初始专家组是第一次确定的专家组。初始专家组用于解决至少一个初始问题类型对应的电解工艺异常情况。关于问题类型的更多参见后文。
所述至少一个初始问题类型是基于电解数据初步确定的问题类型。在一些实施例中,至少一个初始问题类型可以通过第一模型基于所述电解数据确定。
在一些实施例中,第一模型可以是分类模型。具体地,第一模型可以将输入的电解数据映射成多个数值或概率,每个数值或概率对应一个候选初始问题类型,再基于多个数值或概率得到至少一个初始问题类型。例如,将大于阈值(如0.6)的数值或概率对应的候选初始问题类型作为初始问题类型。又例如,将前N个数值或概率对应的候选初始问题类型作为初始问题类型。
在一些实施例中,第一模型可以是但不限于支持向量机模型、Logistic回归模型、朴素贝叶斯分类模型、高斯分布贝叶斯分类模型、决策树模型、随机森林模型、卷积神经网络(Convolutional Neural Network,CNN)模型、循环神经网络(Recurrent NeuralNetwork,RNN)模型、长短期记忆网络(Long Short Term Memory Network,LSTM)模型等。
示例性地,第一模型将输入的电解数据“电解槽D的电解液温度40℃”和“电解槽D的图像”映射为分别对应短路问题、循环泵问题、电解液成分问题、电解液温度问题……的多个概率:0.3、0.5、0.5、0.7……然后将大于阈值0.6的概率0.7对应的电解液温度问题作为至少一个初始问题类型。
在一些实施例中,第一模型可以基于第二训练样本训练获取。第一训练样本可以包括历史电解数据。第二训练标签可以是人工标注的历史电解数据对应的问题类型。
在一些实施例中,数据传输单元220可以基于至少一个初始问题类型,从专家库的专家信息中匹配确定初始专家组。
在一些实施例中,数据传输单元220可以先基于至少一个初始问题类型,确定专家组涉及的至少一个领域。进一步地,数据传输单元220可以基于专家组涉及的至少一个领域,通过检索引擎从专家库的专家信息中匹配至少一名专家。其中,所述专家信息至少包括专家的专业领域、专家的级别、专家简介和专家联络方式。例如,数据传输单元220可以基于至少一个初始问题类型“电解液温度问题”,确定所述专家组涉及“电解液成分领域”,从专家库中获取专业领域包括“电解液成分领域”的专家。
在一些实施例中,检索引擎可以包括但不限于Elastic Search引擎、Sphinx引擎和Xa pian引擎中的一种。
在一些实施例中,数据传输单元220可以基于预设和/或人工输入的特定数量,从匹配获取的至少一名专家中获取特定数量的专家,组成专家组。在一些实施中,数据传输单元220可以随机获取特定数量的专家,也可以进一步基于电解数据,通过排序模型获取特定数量的专家。在一些实施例中,排序模型可以包括但不限于Text Rank模型、Logistic回归模型、朴素贝叶斯分类模型、高斯分布贝叶斯分类模型、决策树模型、随机森林模型、KNN分类模型、神经网络模型等。排序模型可以通过第三训练样本训练获取。在一些实施例中,第三训练样本可以包括多名专家和历史电解数据,第三训练样本的标签可以是人工标注的每名专家对应的顺序。
本说明书的一些实施例基于电解数据确定的初始问题类型,匹配初始专家组的成员,可以使确定的初始专家组对电解工艺异常情况更具有针对性,从而提高远程系统的效率,同时避免专家资源的浪费。
更新专家组是更换过专家成员的专家组,可以是基于初始专家组更新的专家组,也可以是基于上一次更新专家组更新的专家组。更新专家组用于解决至少一个更新问题类型对应的电解工艺异常情况。
更新问题类型是基于和专家组(初始专家组或上一次确定的更新专家组)交互进一步获取的电解数据确定的问题类型。
在一些实施例中,至少一个更新问题类型可以是至少一个上一次确定的问题类型范围外的问题类型。例如,上一次确定的问题类型为初始问题类型,至少一个初始问题类型仅包括“电解液温度问题”,则至少一个更新问题类型可以包括“电解液成分问题”、“短路问题”等中的至少一个。又例如,上一次确定的问题类型为更新问题类型,包括“电解液成分问题”和“短路问题”,则至少一个更新问题类型可以包括“循环泵问题”。
在一些实施例中,至少一个更新问题类型可以是至少一个上一次确定的问题类型对应的具体子问题。例如,上一次确定的问题类型为初始问题类型,至少一个初始问题类型包括“电解液温度问题”,则至少一个更新问题类型可以包括“热交换器故障导致的电解液温度问题”等。又例如,上一次确定的问题类型为更新问题类型,包括“热交换器故障导致的电解液温度问题”,则至少一个更新问题类型可以包括“热交换器结垢导致的电解液温度问题”。
在一些实施例中,更新问题类型可以基于专家组意见确定。关于获取更新问题类型的详细描述可以参见图4及其相关描述,在此不再赘述。
可以理解,基于至少一个上一次确定的问题类型匹配确定的专家组可能不能解决至少一个当前更新问题类型对应的电解工艺异常情况,因此,需要基于至少一个当前更新问题类型重新确定更新专家组。例如,基于至少一个初始问题类型“电解液温度问题”匹配的初始专家组“涉及电解液温度领域”的专家组不能解决更新问题类型“电解液成分问题”,因此需要更新专家组,即确定涉及“电解液成分领域”的专家组。
在一些实施例中,数据传输单元220可以基于至少一个更新问题类型和所述难易程度,从专家库的专家信息中匹配确定更新专家组。
至少一个更新问题中每一个更新问题的难易程度可以表征该更新问题对应领域专家的级别。可以理解,更新问题的越难,对应的领域专家需要的级别越高。例如,至少一个更新问题“循环泵流量异常导致的电解液温度问题”较简单,则对应的循环泵领域专家的级别仅需要初级专家。又例如,至少一个更新问题“换热器故障导致的电解液温度问题”较难,则对应的换热器领域专家的级别需要高级专家。
在一些实施例中,可以用难度系数表示至少一个更新问题类型的难易程度。例如,0~1之间的数字,数字越大,表示更新问题类型越难。在一些实施例中,也可以用难度等级表示至少一个更新问题类型的难易程度。例如,I级~III级,级别越高,表示更新问题类型越难。
在一些实施例中,专家组(初始专家组或上一次确定的更新专家组)可以请求重新获取电解数据,从而基于重新获取电解数据进一步确定至少一个更新问题类型的难易程度。例如,专家组可以向数据获取单元210发送数据获取请求,所述数据获取请求包括电解数据类型,数据获取单元210可以基于电解数据类型获取对应的电解数据,并发送给专家组。
在一些实施例中,数据传输单元220可以基于重新获取的现场巡检数据、设备生产数据和至少一个更新问题类型,通过第二模型确定所述至少一个更新问题类型的难易程度。第二模型可以包括第一判断层、第二判断层和系数输出层。
第一判断层的输入可以包括现场巡检数据和至少一个更新问题类型,输出可以是至少一个第一难度系数。第一难度系数可以基于现场巡检数据反映至少一个更新问题类型的难易程度。例如,0.8。例如,第一判断层可以将现场巡检数据和至少一个更新问题类型融合为至少一个第一向量,再将至少一个第一向量映射为至少一个第一难度系数。
第一判断层的输入可以包括设备生产数据和至少一个更新问题类型,输出可以是至少一个第二难度系数。至少一个第二难度系数可以基于设备生产数据反映至少一个更新问题类型的难易程度。例如,0.5。例如,第二判断层可以将设备生产数据和至少一个更新问题类型融合为至少一个第二向量,再将至少一个第二向量映射为至少一个第二难度系数。
系数输出层的输入可以包括至少一个第一难度系数、至少一个第二难度系数,输出可以是至少一个更新问题类型的难度系数。例如,系数输出层可以将每一个更新问题类型对应的第一难度系数和第二难度系数进行加权求和,获取对应的难度系数。其中,第一难度系数对应的第一权重可以基于现场巡检数据的向量和对应更新问题类型的向量之间的欧式距离确定,第二难度系数对应的第二权重可以基于设备生产数据的向量和对应更新问题类型的向量之间的欧式距离确定。
在一些实施例中,第二模型可以包括但不限于卷积神经网络模型、循环神经网络模型、长短期记忆网络模型等。
示例性地,数据传输单元220可以基于重新获取的现场巡检数据“电解槽D的电解液温度40℃”、“电解槽D的图像”,重新获取现场巡检数据的时间点对应的设备生产数据设备生产参数“热交换器电解液输入温度38℃”和“热交换器电解液输出温度40℃”,以及至少一个更新问题类型“热交换器故障导致的电解液温度问题”,通过第二模型,获取对应的难易程度为0.8。
在一些实施例中,第二模型可以基于第四训练样本训练获取。第四训练样本可以包括样本现场巡检数据、样本设备生产数据和样本问题类型,第四训练样本的标签可以是样本问题类型的难易程度。第四训练样本可以基于历史数据获取。
本说明书的一些实施例结合现场的电解数据来确定更新问题类型的难易程度,一方面使得确定的难易程度不脱离于现场电解工艺,从而使得更新问题类型的难易程度更具有实时性;另一方面,第二模型的第一判断层和第二判断层分别基于现场巡检数据和设备生产数据确定第一难度系数和第二难度系数,可以从不同的数据维度反映更新问题的难易程度;此外,基于现场巡检数据的向量、设备生产数据的向量分别和对应更新问题类型的向量之间的欧式距离确定第一难度系数和第二难度系数的权重,可以结合不同维度数据对更新问题的影响力大小确定难易程度,从而提高难易程度的准确性。
在一些实施例中,数据传输单元220可以基于至少一个更新问题类型确定更新专家组涉及的至少一个更新领域,再基于至少一个更新问题类型的难易程度,确定每个更新领域中专家的级别。例如,基于至少一个更新问题类型“热交换器故障导致的电解液温度问题”确定专家组涉及换热器领域,基于该问题的难易程度0.8,可以确定更新专家组中换热器领域的专家级别为高级。
在一些实施例中,生产控制单元230可以基于更新专家组涉及的至少一个领域和每个领域专家的级别,通过检索引擎从专家库的专家信息中匹配至少一名专家,从而确定更新专家组。
本说明书的一些实施例可以根据专家组进一步获取的电解数据确定至少一个更新问题,并基于至少一个更新问题类型重新确定专家组(即更新专家组),实现了电解工艺现场和目标指挥中心的双向交互,使得目标指挥中心的专家组可以根据现场进行调整,同时现场可以基于目标指挥中心的需求提供不同的电解数据,从而提高了远程协同的灵活性和有效性。
在一些实施例中,系统200还包括参考数据获取单元,所述参考数据获取单元可以用于获取参考数据。
可以理解,数据获取单元210获取的电解数据中可能包含大量和电解工艺异常无关的数据。在一些实施例中,数据传输单元220可以仅将部分和电解工艺异常有关的电解数据传输到目标指挥中心。参考数据即和电解工艺异常有关的电解数据。
在一些实施例中,参考数据获取单元可以基于至少一个问题类型,确定与所述至少一个问题类型对应的参考数据。
至少一个问题类型是指电解工艺发生异常的问题类型。例如,问题类型可以包括但不限于短路问题、循环泵问题、电解液成分问题、电解液温度问题等。
在一些实施例中,至少一个问题类型包括至少一个初始问题类型。如前所述,至少一个初始问题类型可以通过第一模型基于所述电解数据确定。
在一些实施例中,至少一个问题类型还包括至少一个更新问题类型。如前所述,至少一个更新问题类型可以是至少一个上一次确定的问题类型范围外的问题类型,还可以是至少一个上一次确定的问题类型对应的具体子问题。在一些实施例中,可以基于专家组的参考意见和至少一个问题类型,获取至少一个更新问题类型。关于获取至少一个更新问题类型的详细描述可以参见图4,在此不再赘述。
在一些实施例中,参考数据获取单元可以基于数据筛选模型获取参考数据。所述数据筛选模型的输入包括至少一个问题类型和电解数据,输出为参考数据。
例如,数据筛选模型可以先获取每条电解数据的数据向量;再基于Attention机制获取至少一个问题类型和多个数据向量之间的注意力向量;然后基于注意力向量获取每条电解数据对应的关联度,所述关联度表征了电解数据和至少一个问题类型的关联性大小;进一步地,将大于关联度阈值的关联度对应的电解数据作为参考数据输出。
示例性地,参考数据获取单元基于至少一个初始问题类型“电解液温度问题”,从大量电解数据中获取参考数据“电解槽D的循环泵流量”、“现场温度34℃”和“电解槽D的电流”。又一示例性地,参考数据获取单元基于至少一个更新问题类型“热交换器故障导致的电解液温度问题”可以从大量电解数据中获取参考数据“热交换器电解液输入温度38℃”和“热交换器电解液输出温度40℃”。
在一些实施例中,数据筛选模型可以基于第五训练样本训练获取。第五训练样本可以包括样本电解数据和样本问题类型。第五训练数据的标签可以是人工标注的样本电解数据中每个数据与样本问题类型的相关度。
在一些实施例中,参考数据获取单元基于初始问题类型获取对应的参考数据之后,数据传输单元220可以将参考数据发送给目标指挥中的初始专家组。在一些实施例中,参考数据获取单元基于更新问题类型获取对应的电解数据之后,数据传输单元220可以将参考数据发送给目标指挥中的更新专家组。
本说明书的一些实施例中基于电解数据确定问题类型,并根据问题类型从大量生产设备数据中筛选出和问题相关的参考数据,可以为专家组快速提供有效信息,从而提高远程协同的效率和有效性。
在一些实施例中,数据传输单元220可以基于第二触发条件,将电解数据或参考数据发送给目标指挥中心。
第二触发条件是指触发给目标指挥中心发送电解数据的条件。在一些实施例中,第二触发条件基于时间间隔、从生产检测装置接收的报警信息和所述电解数据中至少一种确定。
与第一触发条件类似地,第二触发条件对应的时间间隔可以是预先设置的参数,还可以基于生产设备的检查周期、产品的生产周期等自动确定。例如,生产设备电解槽D每间隔4小时需要检查其电解液温度是否正常,则数据传输单元220基于第二触发条件“当前时间距离上一次传输电解槽D的电解液温度间隔4小时”向目标指挥中心传输当前电解槽D的电解液温度。
在一些实施例中,第二触发条件对应的时间间隔可以基于生产工艺参数和原材料数据动态变化。在一些实施例中,先基于电极板的历史电解速率获取预测电解速率,再基于预测电解速率和AR历史巡检频率确定时间间隔。
AR历史巡检频指现场生产人员在历史单位时间内佩戴AR眼镜获取AR巡检数据的次数,如1小时5次。在一些实施例中,可以从AR眼镜获取AR历史巡检频率。可以理解,AR眼镜的巡检频率会因为产品生产速率的变化而变化,例如,产品生产速率加快,则AR眼镜的巡检频率要相应增加,传输电解数据的时间间隔则相应缩短。其中,金属板的生产速率可以以电极板的电解速率表征。
例如,可以基于多个(例如,5个)历史时间点对应的历史电解速率,获取预测电解速率。示例的,获取多个历史时间点对应的历史电解速率的拟合函数,从而获取预测时间点的预测电解速率。进一步地,可以基于预测电解速率的增长率和AR历史巡检频率,获取AR预测巡检频率,再基于AR预测训练频率确定时间间隔。例如,和电解板的平均历史电解速率相比,预测电解速率的增长率为20%,则基于AR历史巡检频率5次/小时,可以获取AR预测巡检频率为5×(1+20%)=6次/小时,进一步确定时间间隔为10分钟。
在一些实施例中,第二触发条件还可以基于从生产检测装置接受的报警信息确定。关于报警信息的相关描述可以参见数据获取单元210及其相关描述,在此不再赘述。例如,数据传输单元220基于第二触发条件“电解槽D的电解液温度异常报警信息”向目标指挥中心传输电解数据。
在一些实施例中,数据传输单元220判断满足第二触发条件后,通过网络将所述电解数据发送给目标指挥中心。例如,将现场巡检数据现场巡检数据“电解槽D的电解液温度40℃”和“电解槽D的图像”和设备生产参数“循环泵流量”、“现场温度34℃”和“电解槽电流”发送给目标指挥中心。
在一些实施例中,数据传输单元220还包括传输判断单元。传输判断单元可以基于所述现场巡检数据和所述设备生产数据,判断是否向目标指挥中心传输电解数据或参考数据,响应于是,数据传输单元220可以将电解数据或参考数据进行传输。
在一些实施例中,数据传输单元220可以先判断获取的电解数据或参考数据是否异常,再结合仿真系统确定是否向目标指挥中心传输电解数据或参考数据。
在一些实施例中,数据传输单元220可以基于多个历史电解数据或参考数据判断获取的电解数据或参考数据是否异常。示例性地,数据传输单元可以基于多个(例如,10个)历史时间点对应的历史电解数据(如,历史电解速率、历史电极板图像数据和历史温度等)判断获取的电解数据(如当前电解速率、当前电极板图像数据和当前温度)是否异常,如获取的电解数据和历史电解数据不匹配。
在一些实施例中,数据传输单元220可以基于第三模型判断获取的电解数据或参考数据是否异常。第三模型可以包括图像数据匹配层、参数数据匹配层和判断层。
图像数据匹配层的输入包括多个历史时间点对应的历史电极板图像数据和当前电极板图像数据,输出包括多个历史时间点对应的历史图像特征和当前历史图像特征。在一些实施例中,图像数据匹配层可以是卷积神经网络模型。
参数数据匹配层的输入包括多个历史时间点对应的历史电解速率和当前电解速率、多个历史时间点对应的历史温度和当前温度,输出包括多个历史时间点对应的历史电解速率和当前电解速率的第一匹结果和多个历史时间点对应的历史温度和当前温度的第二匹配结果。其中,第一匹配结果和第二匹配结果可以包括“匹配”和“不匹配”。在一些实施例中,图像数据匹配层可以是深度神经网络模型。
判断层的输入可以包括多个历史时间点对应的历史图像特征和当前历史图像特征、第一匹配结果和第二匹配结果,输出可以是判断结果。具体地,判断可以将多个历史时间点对应的历史图像特征和当前历史图像特征、第一匹配结果和第二匹配结果融合为判断向量,再将判断向量映射为数值,当数值大于阈值,则输出判断结果“是”,即判断重新获取的电解数据或参考数据异常;否则输出判断结果“否”,即判断重新获取的电解数据或参考数据不异常。在一些实施例中,判断层可以是循环神经网络模型。
判断层基于多个历史时间点对应的图像数据特征和参数数据的匹配结果,获取判断结果,可以同时基于特征和结果判断电解数据或参考数据是否异常,从而提高判断结果的准确性。
在一些实施例中,第三模型可以基于第六训练样本训练获取。第六训练样本可以包括正样本和负样本。正样本可以包括多个历史时间点对应的历史电解速率、历史电极板图像数据和历史温度,以及实际时间点对应的实际电解速率、实际电极板图像数据和实际温度。所述实际时间点是多个历史时间点之后的某一时间点。正样本的标签为“是”。负样本可以包括多个历史时间点对应的历史电解速率、历史电极板图像数据和历史温度,以及人工标注的异常电解速率、异常电极板图像数据和异常温度。负样本的标签为“否”。
在一些实施例中,第三模型可以和数据筛选模型联合训练获取。在一些实施例中,可以基于大量带有标签的第七训练样本训练初始用第三模型和初始数据筛选模型。具体的,将带有标签的第七训练样本输入初始数据筛选模型,通过训练更新初始数据筛选模型和初始第三模型的参数,直到训练的中间数据筛选模型和中间第三模型满足预设条件,获取训练好的数据筛选模型和第三模型,其中,预设条件可以是损失函数小于阈值、收敛,或训练周期达到阈值。在一些实施例中,第七训练样本可以包括正样本和负样本。正样本可以包括历史电解数据、至少一个历史问题类型以及实际时间点对应的实际电解速率、实际电极板图像数据和实际温度。正样本的标签为“是”。负样本可以包括历史电解数据、至少一个历史问题类型以及人工标注的异常电解速率、异常电极板图像数据和异常温度。负样本的标签为“否”。
在一些实施例中,数据传输单元220还可以基于预设的阈值范围判断重新获取的电解数据或参考数据是否异常。示例性地,当重新获取的电解数据或参考数据在预设的阈值范围内,则判断重新获取的电解数据或参考数据不异常,否则判断重新获取的电解数据或参考数据异常。
在一些实施例中,如果电解数据或参考数据不异常则不需要远程协助,异常则进一步基于获取的电解数据或参考数据通过仿真系统判断是否有对应的控制方案,是则判断不需要远程协助,否则需要。所述仿真系统可以基于输入的异常电解数据或参考数据,检索对应的控制方案或远程协助请求。
在一些实施例中,仿真系统可以包括检索数据库。检索项可以包括历史电解数据或参考数据,检索值可以是历史电解数据或参考数据对应的历史专家指导意见。
在一些实施例中,仿真系统还可以包括方案确定模型。方案确定模型可以基于电解数据或参考数据自动生成专家指导意见。在一些实施例中,所述方案确定模型可以基于第八训练样本获取。在一些实施例中,第八训练样本可以包括历史电解数据(或历史参考数据)。第八训练标签可以是历史电解数据或参考数据对应的历史专家指导意见。
示例性地,数据传输单元220根据基于时间间隔获取的电解数据判断电解工艺不存在异常情况,和/或基于从生产检测装置接收的报警信息获取的电解数据判断异常电解数据在仿真系统中是否有对应的控制方案,是则可以基于控制方案由现场生产者解决和/或由自动控制系统控制,不需要远程协助,否则需要远程协助,满足第二触发条件。其中,关于自动控制系统的详细描述可以参见生产控制单元230及其描述,在此不再赘述。
在一些实施例中,数据传输单元220还可以基于至少一个问题类型(至少一个初始问题类型或至少一个更新问题类型)的难易程度,判断是否向目标指挥中心传输电解数据或参考数据。
在一些实施例中,数据传输单元220可以通过第四模型基于初始问题类型及其对应的设备生产参数,预测初始问题类型的难易程度。例如,对应的设备生产参数中存在明显与初始问题类型对应的参数,则说明比较容易。关于通过第四模型基于初始问题类型及其对应的设备生产参数,预测初始问题类型的难易程度的相关描述可以参见预测更新问题类型的难易程度,在此不再赘述。
在一些实施例中,可以基于至少一个初始问题类型或更新问题类型的难易程度和第一预设条件,判断是否将电解数据或参考数据发送给初始专家组或更新专家组。
在一些实施例中,第一预设条件可以包括:当难易程度大于第一传输阈值,则将电解数据或参考数据发送给专家组;当难易程度小于第一传输阈值,大于第二传输阈值,则基于电解数据或参考数据从仿真系统中获取控制方案,并将控制方案和电解数据或参考数据发送给专家组;当难易程度小于第一传输阈值,则直接将基于电解数据或参考数据在仿真系统中获取的控制方案发送给专家组。所述第一传输阈值和所述第二传输阈值可以基于问题类型来确定。例如,基于更新问题类型“热交换器故障导致的电解液温度问题”,所述第一传输阈值和第二传输阈值可以分别确定为0.3和0.1。又例如,基于更新问题类型为“循环泵流量异常导致的电解液温度问题”,所述第一传输阈值和第二传输阈值可以分别确定为0.5和0.3。
示例性地,当至少一个更新问题“热交换器故障导致的电解液温度问题”的难易程度为0.8,满足“大于第一传输阈值0.3”,则将现场巡检数据“电解槽D的电解液温度40℃”、“电解槽D的图像”和设备生产参数“热交换器电解液输入温度38℃”和“热交换器电解液输出温度40℃”发送给目标指挥中心。
本说明书的一些实施例基于问题类型的难易程度确定目标指挥中心的参与度,一方面可以防止浪费专家资源,另一方面可以测试仿真系统的电解工艺异常情况控制能力,同时为仿真系统获取更多检索数据和训练数据,从而提高仿真系统的适用范围。
在一些实施例中,数据传输单元220可以将电解数据或参考数据传输给目标指挥中心的专家组。专家组可以是基于初始问题类型确定的专家组(又称初始专家组),还可以是更新专家组。
在一些实施例中,数据传输单元220还可以基于至少一个问题类型的难易程度和专家组中的专家成员,确定每个专家成员需要的传输的参考数据。在一些实施例中,数据传输单元可以基于第五模型判断每个专家成员需要的传输的参考数据。
在一些实施例中,第五模型可以基于输入的至少一个问题类型的所述难易程度和专家组中的某个专家成员信息,确定该专家成员对应的需求向量,然后基于该专家成员对应的需求向量和电解数据(或参考数据),确定对应的该专家成员需要的传输的电解数据(或参考数据)。
在一些实施例中,第五模型可以包括数据类型确定层、数据范围确定层和数据筛选层。
数据类型确定层的输入可以包括专家组中的某个专家成员的专业领域,输出可以是该专家成员对应的数据需求类型。例如,数据类型确定层可以基于输入的某个专家成员的专业领域“机械”,输出该专家成员对应的数据需求类型“机械运行参数”。在一些实施例中,数据类型确定层可以是分类模型,如支持向量机模型、Logistic回归模型、朴素贝叶斯分类模型、高斯分布贝叶斯分类模型、决策树模型、随机森林模型、KNN分类模型、神经网络模型等。
数据范围确定层的输入可以包括所述专家成员的专家级别和至少一个问题类型的难易程度,输出可以是该专家成员需要的数据范围。在一些实施例中,可以用数据量百分比表示该专家成员需要的数据范围。可以理解,专家级别越高,问题类型越简单,则数据范围越小,反之越大。数据范围确定层可以先获取专家成员的专家级别对应的匹配难易程度,再基于匹配难易程度和至少一个问题类型的难易程度,获取数据量百分比。其中,专家级别对应的匹配难易程度可以基于预先设置的对应关系确定。示例性地,数据范围确定层可以先基于专家成员甲的专家级别“II级”获取匹配难易程度为“0.4”,再基于至少一个问题类型的难易程度0.8,获取数据量百分比为0.8/(0.8-0.4)×100%=200%。在一些实施例中,当数据量百分比小于100%,可以直接将数据量百分比取值100%。
数据筛选层的输入包括电解数据或参考数据、专家组中某个专家成员对应的数据需求类型、该专家成员需要的数据范围,输出即该专家成员需要的电解数据或参考数据。数据筛选层可以先基于专家成员对应的数据需求类型从电解数据或参考数据中筛选出候选电解数据(或候选参考数据),再进一步基于该专家成员需要的数据范围从电解数据或参考数据中进一步筛选和数据需求类型相近的候选电解数据(或候选参考数据),最后将所有的候选电解数据(或候选参考数据)作为该专家成员需要的电解数据(或候选参考数据)。和数据需求类型相近的候选电解数据(或候选参考数据)可以是相近设备的电解数据(或参考数据),也可以是相同类型的电解数据(或参考数据)。
例如,数据筛选层可以基于专家成员甲对应的数据需求类型“机械运行参数”从电解数据中筛选出候选电解数据“循环泵流量”、“循环泵功率”和“循环泵电流”,再基于数据量200%从电解数据中进一步筛选出和“机械运行参数”相近的候选电解数据“现场温度”、“电解液温度”和“电解槽电流”。
类似地,第五模型还可以基于专家成员乙的专业领域电路、专家等级中级,以及专家成员丙的专业领域热学、专家等级高级,获取专家乙和专家丙需要传输的参考数据分别为“电解槽D的电解液温度40℃、电解槽D的图像”、无和“电解槽D的电解液温度40℃、热交换器电解液输入温度38℃、热交换器电解液输出温度40℃”。
在一些实施例中,第五模型可以包括但不限于ELMo(Embedding from LanguageModels)模型、GPT(Generative Pre-Traxining)模型、BERT(Bidirectional EncoderRepresentation from Transformers)模型等。
本说明书的一些实施例通过基于至少一个问题类型的难易程度和专家组中的专家成员,使得每个专家成员需要传输的参考数据可以与专家成员解决的问题类型(或者专业领域)匹配;此外,基于问题类型的难易程度和专家成员的专业级别对需要传输的数据进一步进行筛选(比如,问题类型比较简单,若专家专业级别高,可以发送少量的参考数据;若专家级别低,则可以发送更多参考数据),可以在保证给专家成员足够参考数据的同时,提高数据传输的效率。
在一些实施例中,第五模型可以基于历史数据训练获取。例如,将带有标签的第九训练样本输入初始第五模型,通过标签和初始第五模型的预测结果构建损失函数,基于损失函数迭代更新初始第五模型的参数。当训练的初始第五模型满足预设条件时,训练结束,获取训练好的第五模型。其中,预设条件为损失函数收敛、迭代的次数达到阈值等。
在一些实施例中,第九训练样本可以包括历史专家成员信息、历史更新问题的难易程度和历史电解数据。标签包括历史专家成员。标签可以基于历史专家成员是否发出数据获取请求确定。例如,根据每个历史专家成员是否发出训练样本中历史电解数据的请求,确定标签是否包括该历史专家成员。
生产控制单元230,用于基于从所述目标指挥中心获取的指导意见控制所述现场的生产工艺。
指导意见是目标指挥中心从专家组(初始专家组或更新专家组)获取的电解工艺异常情况的应对措施。
在一些实施例中,目标指挥中心可以基于从专家组(例如,更新专家组或初始更新专家组)获取的参考意见,确定指导意见。
参考意见是专家组的每名专家成员的意见。不同领域的专家可以针对本领域发表对应的参考意见。在一些实施例中,专家成员可以结合从目标指挥中心获取的参考数据(即与电解工艺异常相关的电解数据),确定参考意见。
示例性地,专家成员甲基于参考数据“电解槽D的电解液温度40℃、电解槽D的图像”确定参考意见“循环泵功率过低,导致电解液循环量不够,从而温度过高”;专家成员乙直接确定参考数据“和电路问题无关”;专家成员丙基于参考数据“电解槽D的电解液温度40℃、热交换器电解液输入温度38℃、热交换器电解液输出温度40℃”确定参考意见“热交换器出现故障导致电解液没有冷却,从而温度过高”。
在一些实施例中,目标指挥中心可以为专家组多名专家成员提供通讯平台,任意一名专家可以以语音、文本的形式向目标指挥中心输入参考意见,其余专家可以对该专家输入的参考意见发起确认消息。
在一些实施例中,目标指导中心接收到多名专家确认消息后,可以基于多名专家的参考意见生成指导意见。在一些实施例中,指导意见可以包括解决方案,还可以包括电解数据获取请求。
例如,专家组的指导意见可以是语音形式的进一步获取特定电解数据的方案“把换热器H拆开,拍摄内部的图像”。又例如,专家组的指导意见可以是文本形式的“换热器H内部结垢,检修换热器H”。再例如,专家组的指导意见还可以是文本形式的“获取换热器H的冷凝剂进出口温度”。
控制指令是用于控制电解工艺的程序指令。在一些实施例中,生产控制单元可以基于指导意见生成控制指令。具体地,生产控制单元230可以将各种形式(如语音、视频等)的指导意见先转换为文本形式,再通过文字提取算法从文本形式的指导意见中提取关键信息,并将关键信息编译为控制指令。在一些实施例中,文字提取算法可以包括但不限于TF/IDF算法、Topic Model算法、textrank算法、rake算法或其他算法中的任意一种或其组合。
例如,生产控制单元230可以先将语音形式的专家指导意见“把换热器H拆开,拍摄看看内部有没有结垢”转换为文本形式,再提取关键信息“换热器H、内部、拍摄”,并编译为“拆开换热器H”和“拍摄换热器H内部图像”对应的控制指令。
在一些实施例中,将控制指令发送给自动控制系统和所述AR眼镜中的至少一种。
图5是根据本说明书的一些实施例所示的生产控制单元的示例性示意图。如图5所示,生产控制单元230还可以通过网络将控制指令发送给自动控制系统140和AR眼镜。
在一些实施例中,控制指令可以用于指令自动控制系统140执行第二操作。如前所述,自动控制系统140可以是分布式控制系统(Distributed Control System,DCS)。如图5所示,自动控制系统140可以包括指令调度处理器140-1和位于电解工艺现场的多个逻辑可编程控制器(Program Logic Controller,PLC):140-2、140-3、140-4……每个逻辑可编程控制器可以控制一个或多个生产设备执行第二操作。例如,逻辑可编程控制器140-2可以控制生产设备140-2a、140-2b和140-2c执行第二操作。又例如,逻辑可编程控制器150-3可以控制生产设备140-3a执行第二操作。
在一些实施例中,生产设备可以包括但不限于用于添加电解液添加剂的自动添加装置、用于自动获取数据的自动获取装置、循环泵和阀门等。
第二操作是生产设备执行的生产操作。不同的生产设备可以对应不同的第二操作。例如,自动添加装置对应的第二操作可以包括添加特定剂量的特定添加剂。又例如,自动获取装置对应的第二操作可以包括获取特定的数据。再例如,循环泵对应的第二操作可以包括调整功率和循环量。
示例性地,自动控制系统140接收到控制指令后,调度处理器140-1可以将控制指令“拍摄换热器H内部图像”发送给电解工艺现场控制巡检机器人的逻辑可编程控制器140-2,逻辑可编程控制器140-2可以基于距离优先的逻辑,将控制指令发送给换热器H附近的巡检机器人140-2b,巡检机器人140-2b可以基于控制指令定位到换热器H附近,打开换热器H,然后拍摄获取换热器H内部的图像数据,并发送给目标指挥中心。
又一示例性地,自动控制系统140接收到控制指令后,调度处理器140-1可以将控制指令“为电解槽D添加5kg盐酸”发送给电解工艺现场控制电解槽D的自动添加装置的逻辑可编程控制器140-3,逻辑可编程控制器140-3可以基于控制指令中的标识D,将控制指令发送给电解槽D的自动添加装置140-3a,自动添加装置140-3a可以基于控制指令自动添加5kg盐酸。
在一些实施例中,控制指令还可以用于指导佩戴AR眼镜的现场生产者执行第三操作。在一些实施例中,第三操作可以是自动控制系统不能执行和/或没有设置的操作。例如,打开换热器。又例如,为电解槽D添加5kg盐酸。
如前所述,第一数据获取单元可以规划从现场生产者的当前位置到巡检的目标位置的巡检路线,进一步的,AR眼镜可以向现场生产者显示巡检路线对应的导航箭头。在一些实施例中,当控制指令是前往某个位置进行操作时,AR眼镜可以向现场生产者显示从现场生产者的当前位置前往巡检的目标位置的导航箭头,其中,导航箭头对应的巡检路线的确定方式参见第一数据获取单元的相关说明。
在一些实施例中,AR眼镜可以向现场生产者显示控制指令对应的操作的指导或者规范。AR眼镜可以通过摄像头将现场生产者的操作过程拍摄下来,发送到目标指挥中心。
示例性地,AR眼镜可以基于控制指令“为电解槽D添加5kg盐酸”生成指向电解槽D的虚拟指引标识,指引现场生产者前往电解槽D的位置,进一步地,AR眼镜可以向现场生产者显示添加盐酸的操作步骤,并通过摄像头将现场生产者的操作过程拍摄下来,发送到目标指挥中心。
在一些实施例中,控制指令还可以用于向物联网平台获取原材料数据。例如,物联网平台接收到控制指令“获取电解槽D的电解液成分”,可以将电解槽D的电解液成分(如60%盐酸溶液)发送到目标指挥中心。
在一些实施例中,生产控制单元220完成控制现场的生产工艺后,数据获取单元210将再次向目标指挥中心发送电解数据或参考数据,专家组基于获取的电解数据或参考数据判断是否解决异常,是则完成远程协助,否则再次更新问题类型和/或更新专家组。
本说明书的一些实施例基于自动控制系统、AR眼镜、物联网平台和专家组的远程协助来完成现场电解工艺的控制,不仅可以从多个维度确定控制方案,还可以基于专家意见训练仿真系统中的方案确定模型,使得仿真系统可以不断学习专家的指导方案,最终实现完全智能化的电解工艺自动控制。
在一些实施例中,系统200还可以用于实现电解工艺投产运行。
例如,目标指挥中心可以基于投产方案,将电解液配置指令发送给AR眼镜,佩戴AR眼镜的现场工作者可以基于电解液配置指令的规程完成电解液的配置,并通过AR眼镜将电解液配置过程的图像数据发送给目标指挥中心。
例如,目标指挥中心可以基于AR眼镜的耳机将阀门开关控制的语音指令发送给佩戴AR眼镜的现场生产者;或者将控制指令发送给自动控制系统从而控制阀门的开关,从而完成生产设备的密封性试验。
例如,目标指挥中心可以基于投产方案,将循环泵配载指令发送给AR眼镜或者自动控制系统,从而控制循环泵的功率和流量;同时AR眼镜基于循环泵配载指令扫描二维码,从物联网平台获取当前循环泵的运行参数,并发送给目标指挥中心,或者自动控制系统基于循环泵配载指令控制生产检测装置检测当前循环泵的运行参数,并发送给目标指挥中心。
在一些实施例中,目标指挥中心基于从AR眼镜、自动控制系统和/或物联网平台获取的数据,判断是否完成投产。
在一些实施例中,仿真系统还可以基于多次历史投产的投产方案和目标指挥中心发送的多种指令训练投产方案确定模型,从而实现智能化投产。关于训练投产方案确定模型的描述可以参见方案确定模型,在此不再赘述。
图4是根据本说明书的一些实施例所示的获取至少一个更新问题类型的示例性流程图。在一些实施例中,图4可以由生产控制单元230执行。
如图4所示,获取至少一个更新问题类型的过程400包括:
步骤410,基于电解数据获取所述目标指挥中心的专家组的参考意见。
如前所述,参考意见是专家组的每名专家成员的意见。关于获取参考意见的相关描述可以参见生产控制单元230及其相关描述,在此不再赘述。
步骤420,基于所述专家组的参考意见和所述至少一个问题类型,生成至少一个备选更新问题类型。
在一些实施例中,生产控制单元230可以通过文本处理模型,生成至少一个备选更新问题类型。具体地,文本处理模型可以对输入的专家组的参考意见和所述至少一个问题类型进行融合,获取融合信息,再基于融合后的信息输出至少一个备选更新问题类型的文本。
在一些实施例中,文本处理模型可以包括但不限于长短记忆循环神经网络(LongShort-Term Memory,LSTM)模型、双向长短记忆循环神经网络(Bi-directional LongShort-Term Memory,Bi-LSTM)模型、ELMo(Embedding from Language Models)模型、GPT(Generative Pre-Traxining)模型、BERT(Bidirectional Encoder Representation fromTransformers)模型等。
所述文本处理模型可以通过带标签的第十训练样本获取。第十训练样本可以包括历史专家参考意见文本和至少一个历史问题类型,第十训练样本的标签可以包括历史专家确认的更新问题类型。
示例性地,基于专家组的参考意见“循环泵功率过低,导致电解液循环量不够,从而温度过高”、“热交换器出现故障导致电解液没有冷却,从而温度过高”、“和电路问题无关”和至少一个初始问题类型“电解液温度问题”,可以生成至少一个备选更新问题类型“循环泵流量异常导致的电解液温度问题”和“热交换器故障导致的电解液温度问题”。
步骤430,基于所述专家组的确认,将所述至少一个备选更新问题类型作为所述至少一个更新问题类型。
在一些实施例中,生产控制单元230可以通过目标指挥中心将至少一个备选更新问题类型发送给专家组,专家组可以基于投票机制所述至少一个备选更新问题类型作为所述至少一个更新问题类型。例如,将超过2/3票数的至少一个备选更新问题类型作为所述至少一个更新问题类型。又例如,将获取专家至少一票的至少一个备选更新问题类型作为所述至少一个更新问题类型。
示例性地,备选更新问题类型“热交换器故障导致的电解液温度问题”获取了超过2/3专家组中的专家投票,则将“热交换器故障导致的电解液温度问题”作为更新问题类型。
本说明书实施例可能带来的有益效果包括但不限于:(1)通过自动控制系统可以使电解工艺中的参数控制更为精准,从而提高产品质量;同时可以降低人工成本;(2)通过目标指挥中心和专家组进行远程协调,可以有效利用专家资源,解决因为地域限制导致的技术人才紧缺;(3)基于电解数据确定和更新专家组成员,一方面可以针对性地解决电解工艺的异常情况,另一方面可以避免专家资源的浪费;(4)目标指挥中心通过AR眼镜和自动控制系统可以实现远程和现场的协同操作,及时基于反馈的专家指导意见进行现场操作,同时及时基于现场操作更新专家指导意见。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (12)
1.一种远程协同的电解控制系统,其特征在于,所述系统包括:
数据获取单元,用于获取电解数据,所述电解数据包括现场巡检数据和基于时间与所述现场巡检数据对应的设备生产数据;
数据传输单元,用于将所述电解数据发送给目标指挥中心,所述目标指挥中心与所述现场的距离超过阈值;
生产控制单元,用于基于从所述目标指挥中心获取的指导意见控制所述现场的生产工艺。
2.如权利要求1所述的系统,其特征在于,
所述现场巡检数据包括AR巡检数据和自动获取数据中的至少一种;
所述AR巡检数据基于现场生产者佩戴的AR眼镜拍摄获取;
所述自动获取数据基于自动获取装置对生产设备执行第一操作获取。
3.如权利要求1所述的系统,其特征在于,所述数据获取单元还用于:
基于第一触发条件,获取所述现场巡检数据;
所述第一触发条件基于时间间隔和从生产检测装置接收的报警信息中的至少一种确定。
4.如权利要求1所述的系统,其特征在于,所述数据传输单元还用于:
基于第二触发条件,将所述电解数据发送给所述目标指挥中心;
所述第二触发条件基于时间间隔、从生产检测装置接收的报警信息和所述电解数据中的至少一种确定。
5.如权利要求2所述的系统,其特征在于,所述生产控制单元还用于:
将控制指令发送给自动控制系统和所述AR眼镜中的至少一种,所述控制指令基于从所述目标指挥中心获取的指导意见生成;
所述控制指令用于指令所述自动控制系统执行第二操作,和/或
指导佩戴所述AR眼镜的所述现场生产者执行第三操作。
6.一种远程协同的电解控制的方法,其特征在于,所述方法包括:
获取电解数据,所述电解数据包括现场巡检数据和基于时间与所述现场巡检数据对应的设备生产数据;
将所述电解数据发送给目标指挥中心,所述目标指挥中心与所述现场的距离超过阈值;
基于从所述目标指挥中心获取的指导意见控制所述现场的生产工艺。
7.如权利要求6所述的方法,其特征在于,
所述现场巡检数据包括AR巡检数据和自动获取数据中的至少一种;
所述AR巡检数据基于现场生产者佩戴的AR眼镜拍摄获取;
所述自动获取数据基于自动获取装置对生产设备执行第一操作获取。
8.如权利要求6所述的方法,其特征在于,所述现场巡检数据和基于时间与所述现场巡检数据对应的设备生产数据还包括:
基于第一触发条件,获取所述现场巡检数据;
所述第一触发条件基于时间间隔和从生产检测装置接收的报警信息中的至少一种确定。
9.如权利要求6所述的方法,其特征在于,所述将所述电解数据发送给目标指挥中心还包括:
基于第二触发条件,将所述电解数据发送给所述目标指挥中心;
所述第二触发条件基于时间间隔、从生产检测装置接收的报警信息和所述电解数据中的至少一种确定。
10.如权利要求7所述的方法,其特征在于,所述基于从所述目标指挥中心获取的指导意见控制所述现场的生产工艺还包括:
将控制指令发送给自动控制系统和所述AR眼镜中的至少一种,所述控制指令基于从所述目标指挥中心获取的指导意见生成;
所述控制指令用于指令所述自动控制系统执行第二操作,和/或
指导佩戴所述AR眼镜的所述现场生产者执行第三操作。
11.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当所述计算机指令被处理器执行时实现如权利要求6~10中任一项所述的方法。
12.一种远程协同的电解控制装置,其特征在于,所述装置包括至少一个处理器以及至少一个存储器;所述至少一个存储器用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求6~10中任意一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210035417.6A CN114326648B (zh) | 2021-10-13 | 2021-10-13 | 一种远程协同的电解控制方法和系统 |
CN202111192666.8A CN115963784A (zh) | 2021-10-13 | 2021-10-13 | 一种远程协同的电解控制方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111192666.8A CN115963784A (zh) | 2021-10-13 | 2021-10-13 | 一种远程协同的电解控制方法和系统 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210035417.6A Division CN114326648B (zh) | 2021-10-13 | 2021-10-13 | 一种远程协同的电解控制方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115963784A true CN115963784A (zh) | 2023-04-14 |
Family
ID=81073887
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210035417.6A Active CN114326648B (zh) | 2021-10-13 | 2021-10-13 | 一种远程协同的电解控制方法和系统 |
CN202111192666.8A Pending CN115963784A (zh) | 2021-10-13 | 2021-10-13 | 一种远程协同的电解控制方法和系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210035417.6A Active CN114326648B (zh) | 2021-10-13 | 2021-10-13 | 一种远程协同的电解控制方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN114326648B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116716622A (zh) * | 2023-08-07 | 2023-09-08 | 福建德尔科技股份有限公司 | 一种基于电解条件的氟气制备方法和系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114774990B (zh) * | 2022-05-16 | 2023-09-26 | 安徽铜冠铜箔集团股份有限公司 | 一种面向节能的铜电解过程参数优化方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108356818A (zh) * | 2018-01-15 | 2018-08-03 | 史聪灵 | 一种基于机器人的综合管廊巡检系统及交互系统 |
CN108879440A (zh) * | 2018-06-20 | 2018-11-23 | 国网山东省电力公司济宁供电公司 | 基于可穿戴增强现实显示终端和云平台的智能检修系统及方法 |
CN109768997B (zh) * | 2019-03-07 | 2023-06-16 | 贵州电网有限责任公司 | 一种电力现场巡检远程监控设备及其监控方法 |
CN110995660A (zh) * | 2019-11-12 | 2020-04-10 | 中铁第四勘察设计院集团有限公司 | 一种基于ar技术的铁路应急协作支持与巡检系统 |
CN112001709A (zh) * | 2020-09-04 | 2020-11-27 | 贵州电网有限责任公司 | 一种基于蚁群算法的智能指派调度ar多人远程协助方法 |
-
2021
- 2021-10-13 CN CN202210035417.6A patent/CN114326648B/zh active Active
- 2021-10-13 CN CN202111192666.8A patent/CN115963784A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116716622A (zh) * | 2023-08-07 | 2023-09-08 | 福建德尔科技股份有限公司 | 一种基于电解条件的氟气制备方法和系统 |
CN116716622B (zh) * | 2023-08-07 | 2023-12-15 | 福建德尔科技股份有限公司 | 一种基于电解条件的氟气制备方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114326648A (zh) | 2022-04-12 |
CN114326648B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114326648B (zh) | 一种远程协同的电解控制方法和系统 | |
CN104142664B (zh) | 使用大数据的工业产品的预测维护 | |
CN115527203B (zh) | 一种基于物联网的谷物干燥远程控制方法及系统 | |
CN109955242A (zh) | 巡维机器人控制方法、装置、计算机设备以及存储介质 | |
CN109927025A (zh) | 巡维机器人控制方法、装置、计算机设备以及存储介质 | |
KR20150026230A (ko) | Bim 데이터를 이용한 셀프 러닝 건물 에너지 관리 시스템 | |
CN113486585A (zh) | 设备剩余使用寿命预测方法、装置、电子设备及存储介质 | |
CN114253242B (zh) | 一种基于vpn的物联网云端设备数据采集系统 | |
WO2020163484A1 (en) | Computer vision-based feeding monitoring and method therefor | |
CN115271626A (zh) | 一种用于电解生产的异常监控方法 | |
KR20200142147A (ko) | 열화상 인식 기반 객체 정보 인식 방법 | |
CN112241827A (zh) | 电子装置及控制方法 | |
CN111651890A (zh) | 基于数据驱动的铝电解数字孪生工厂、控制方法及系统 | |
CN115999289A (zh) | 一种智能雾炮装置及控制方法 | |
CN115730926A (zh) | 用于智慧燃气的储配站维修管理方法及物联网系统 | |
Warabino et al. | Proposals and evaluations of robotic attendance at on-site network maintenance works | |
CN116823193B (zh) | 基于大数据的智能制造流程管理系统 | |
CN116681263B (zh) | 基于内模市场的电力数据管理方法及系统 | |
US11262739B2 (en) | Artificial intelligence/machine learning driven assessment system for a community of electrical equipment users | |
KR20210009462A (ko) | 열화상 인식 및 마커 기반 객체 정보 인식 방법 | |
KR20190134097A (ko) | 생산량 모니터링을 위한 데이터 수집 및 운용 시스템 | |
CN117408680B (zh) | 一种基于物联网的智能化配电房管理方法及系统 | |
CN114756026B (zh) | 一种实验环境安全检查的巡视控制系统 | |
Chen et al. | Design and Development of a Remote Intelligent Inspection System | |
CN116484477A (zh) | 一种基于数字孪生的智能建造方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |