CN115993856B - 一种厂房多区域环境条件管控方法及系统 - Google Patents
一种厂房多区域环境条件管控方法及系统 Download PDFInfo
- Publication number
- CN115993856B CN115993856B CN202310283176.1A CN202310283176A CN115993856B CN 115993856 B CN115993856 B CN 115993856B CN 202310283176 A CN202310283176 A CN 202310283176A CN 115993856 B CN115993856 B CN 115993856B
- Authority
- CN
- China
- Prior art keywords
- humidity
- sequence
- influence degree
- influence
- degree information
- 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.)
- Active
Links
- 230000007613 environmental effect Effects 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004519 manufacturing process Methods 0.000 claims abstract description 145
- 238000005192 partition Methods 0.000 claims abstract description 82
- 238000012163 sequencing technique Methods 0.000 claims abstract description 19
- 238000000638 solvent extraction Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims description 64
- 238000012797 qualification Methods 0.000 claims description 40
- 238000012549 training Methods 0.000 claims description 23
- 238000012795 verification Methods 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
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]
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明提供了一种厂房多区域环境条件管控方法及系统，涉及智能管理技术领域，方法包括：按照目标厂房内的多个生产内容，对目标厂房进行分区，获得多个分区、多个分区内的多个标准湿度，分析多个分区内，湿度对多个生产内容的生产质量的影响程度，按照多个影响程度信息从大到小的顺序对多个分区进行排序，由排序和预设时间周期，定期依次对多个分区进行湿度采集控制，对多个标准湿度进行补偿，获得对应多个标准湿度范围，在多个分区的湿度参数中任意一湿度参数未落入对应标准湿度范围内时报警，解决现有技术对厂房多区域环境的管控不足，使得环境湿度影响生产质量的技术问题，实现对厂房多区域内环境的精准管控，降低环境湿度对生产质量的影响。
Description
技术领域
本发明涉及智能管理技术领域，具体涉及一种厂房多区域环境条件管控系统。
背景技术
厂房生产环境的好坏对产品质量有很大的影响，尤其是在空气质量不过关、或温度、湿度不合适的环境中，很容易导致机械设备频繁故障和生产效率和产品质量衰退，如果厂房生产环境中的空气湿度很高，厂房内的生产也会受到影响，这是厂房生产需要做好湿度控制的主要原因，实验表明，在高湿度环境下，钢材的锈蚀率会增加，塑料的老化率也会增加，导致强度下降，因此，具有适当空气湿度的厂房生产环境对保护生产设备以及生产产品非常重要。
而在现有技术中对厂房多区域环境的管控不足，使得环境湿度影响生产质量的问题。
发明内容
本申请提供了一种厂房多区域环境条件管控方法，用于针对解决现有技术中存在的对厂房多区域环境的管控不足，使得环境湿度影响生产质量的技术问题。
鉴于上述问题，本申请提供了一种厂房多区域环境条件管控方法及系统。
第一方面，本申请提供了一种厂房多区域环境条件管控方法，所述方法包括：按照目标厂房内的多个生产内容，对所述目标厂房进行分区，获得多个分区；
根据所述多个生产内容，获取所述多个分区内的多个标准湿度；
分析所述多个分区内，湿度对所述多个生产内容的生产质量的影响程度，获得多个影响程度信息；
按照所述影响程度信息，采用从大到小的顺序对所述多个分区进行排序；
按照所述排序和预设时间周期，定期依次对所述多个分区进行湿度采集控制，其中，所述湿度采集控制包括采集分区内的实时湿度参数，并输入湿度控制分析模型内对应的湿度控制分析模块内，获得湿度控制参数，进行湿度控制；
根据所述多个影响程度信息，对所述多个标准湿度进行补偿，获得对应多个标准湿度范围；
在所述多个分区的湿度参数中任意一个湿度参数未落入对应的标准湿度范围内时，进行报警。
第二方面，本申请提供了一种厂房多区域环境条件管控系统，所述系统包括：分区模块，所述分区模块用于按照目标厂房内的多个生产内容，对所述目标厂房进行分区，获得多个分区；
湿度模块，所述湿度模块用于根据所述多个生产内容，获取所述多个分区内的多个标准湿度；
影响模块，所述影响模块用于分析所述多个分区内，湿度对所述多个生产内容的生产质量的影响程度，获得多个影响程度信息；
排序模块，所述排序模块用于按照所述影响程度信息，采用从大到小的顺序对所述多个分区进行排序；
湿度采集控制模块，所述湿度采集控制模块用于按照所述排序和预设时间周期，定期依次对所述多个分区进行湿度采集控制，其中，所述湿度采集控制包括采集分区内的实时湿度参数，并输入湿度控制分析模型内对应的湿度控制分析模块内，获得湿度控制参数，进行湿度控制；
补偿模块，所述补偿模块用于根据所述多个影响程度信息，对所述多个标准湿度进行补偿，获得对应多个标准湿度范围；
报警模块，所述报警模块用于在所述多个分区的湿度参数中任意一个湿度参数未落入对应的标准湿度范围内时，进行报警。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请提供的一种厂房多区域环境条件管控方法，涉及智能管理技术领域，对目标厂房内不同的生产内容按照所需湿度进行分区，由于湿度对不同的生产内容所对应的生产质量影响程度不同，因此需要定期依次对不同分区内进行湿度采集控制，提升环境控制的准确性以及对不同分区的湿度进行补偿，若存在有分区内的湿度参数中任意一湿度参数未处于与之对应的标准湿度范围内时，则相应进行报警提示，解决了现有技术中对厂房多区域环境的管控不足，使得环境湿度影响生产质量的技术问题，实现了对厂房多区域内环境的合理化精准管控，进而降低环境湿度对生产质量的影响。
附图说明
图1为本申请提供了一种厂房多区域环境条件管控方法流程示意图；
图2为本申请提供了一种厂房多区域环境条件管控方法中获取多个标准湿度流程示意图；
图3为本申请提供了一种厂房多区域环境条件管控方法中获取多个影响程度信息流程示意图；
图4为本申请提供了一种厂房多区域环境条件管控方法中湿度采集控制流程示意图；
图5为本申请提供了一种厂房多区域环境条件管控方法中获取多个标准湿度范围流程示意图；
图6为本申请提供了一种厂房多区域环境条件管控系统结构示意图。
附图标记说明：分区模块1，湿度模块2，影响模块3，排序模块4，湿度采集控制模块5，补偿模块6，报警模块7。
具体实施方式
本申请通过提供一种厂房多区域环境条件管控方法，用于解决现有技术中对厂房多区域环境的管控不足，使得环境湿度影响生产质量的技术问题。
实施例
如图1所示，本申请实施例提供了一种厂房多区域环境条件管控方法，该方法包括：
步骤S100：按照目标厂房内的多个生产内容，对所述目标厂房进行分区，获得多个分区；
具体而言，本申请实施例提供的一种厂房多区域环境条件管控方法应用于一种厂房多区域环境条件管控系统，对当前厂房内的多个生产内容进行采集，其多个生产内容可以为不同的生产部件、不同的生产步骤、不同的产品等，进一步将多个生产内容根据类别进行区分，再根据厂房内不同类别的生产内容对当前厂房进行区域划分，从而对应获得多个生产内容所在的多个厂房分区，为后期实现对厂房湿度的控制作为重要参考依据。
步骤S200：根据所述多个生产内容，获取所述多个分区内的多个标准湿度；
具体而言，以目标厂房内多个不同类别的生产内容为基准，对多个分区在历史时间内多个生产时间周期的生产内容合格率进行记录，同时分别对多个生产内容合格率内的最大值以及多个最大生产内容合格率进行获取，进一步的计算出多个最大生产内容合格率所对应的生产时间周期内的多个平均湿度，并将所计算出的讴歌平均湿度记作多个标准湿度进行输出，从而获得在厂房内多个不同分区内的多个标准湿度，为实现对厂房湿度的控制做保障。
步骤S300：分析所述多个分区内，湿度对所述多个生产内容的生产质量的影响程度，获得多个影响程度信息；
具体而言，基于厂房内多个不同类别的分区内所进行的不同生产内容，采集当前区域内的湿度，以及当前湿度对当前区域中生产内容的生产质量的影响程度，示例性的，在半导体的生产过程中，若当前区域中的湿度小则会产生静电，若当前区域中的湿度大则会存在水分，从而导致影响半导体的质量，但对于不同湿度在生产半导体过程中的不同步骤对半导体质量的影响程度也会不同，因此，对多个生产内容的生产质量的影响程度的大小与湿度大小相关，从而对应获得多个区域内湿度对多个生产内容的生产质量的影响程度，即多个影响程度信息，为后续实现对厂房湿度的控制夯实基础。
步骤S400：按照所述影响程度信息，采用从大到小的顺序对所述多个分区进行排序；
具体而言，由于对多个生产内容的生产质量的影响程度的大小与湿度大小相关，从而对应获得多个区域内湿度对多个生产内容的生产质量的影响程度，其影响程度的大小与湿度大小相关联，但湿度对多个生产内容的生产质量的影响程度并不随着湿度的增加而增加，因此将对多个生产内容的生产质量的影响程度按照倒序的方法，即由影响程度大到影响程度小进行排序，再依照排序完成的影响程度将所对应的不同分区进行对应排序，从而获得包含影响程度从大到小的多个分区排序序列，对实现厂房湿度的控制有着限制的作用。
步骤S500：按照所述排序和预设时间周期，定期依次对所述多个分区进行湿度采集控制，其中，所述湿度采集控制包括采集分区内的实时湿度参数，并输入湿度控制分析模型内对应的湿度控制分析模块内，获得湿度控制参数，进行湿度控制；
具体而言，采集目标厂房内多个分区内的湿度，并对该湿度采集周期进行预设，其采集周期可以设定为24小时，进一步的，依照上述排序与所预设的时间周期，依次定期的对厂房内所划分的多个分区进行湿度采集控制，由于不同分区内的湿度可能会存在互相影响的情况，因此当对一个分区的湿度控制完成后，再对下一分区内的湿度进行检测控制，按照影响程度由大到小的排序，依次对多个分区进行湿度的采集和控制，其湿度采集控制是包含采集分区内的实时湿度参数，并将实时湿度参数输入至湿度控制分析模型内对应的湿度控制分析模块内，从而由湿度控制分析模块输出湿度控制参数，再根据湿度控制参数对多个分区内的湿度进行湿度控制，并对后期实现厂房湿度的控制有着深远的影响。
步骤S600：根据所述多个影响程度信息，对所述多个标准湿度进行补偿，获得对应多个标准湿度范围；
具体而言，由于对厂房内的多个分区均定时定期的进行湿度采集，因此需要对所采集到的湿度进行预设湿度误差范围的设定，其预设湿度误差范围可以设定在湿度测量范围的±5%，在多个影响程度信息和基于影响程度计算出的平均影响程度信息的基础上，对湿度的多个影响程度系数进行计算，同时对以上所预设的湿度误差范围进行计算调整，从而对不同分区所对应的多个调整湿度误差范围进行获取，进一步的，基于所获多个调整湿度误差范围，对多个标准湿度进行补偿，进而获得补偿后与目标厂房内多个分区所对应的多个标准湿度范围，达到提高实现对厂房湿度的控制的效果。
步骤S700：在所述多个分区的湿度参数中任意一个湿度参数未落入对应的标准湿度范围内时，进行报警。
具体而言，首先对目标厂房内多个分区进行湿度提取，当多个分区所提取的多个湿度参数中，存在任意一湿度参数未处于以上所获的多个标准湿度范围中时，对不处于其标准湿度范围中的多个分区进行筛选，并对所有筛选出的分区进行湿度报警，即当前该分区内的湿度对当前分区内的生产内容的影响程度过大，因此当接到分区内的报警时，应及时对当前报警分区进行湿度调整，将当前分区的湿度调整至标准湿度范围中，实现对厂房多区域内环境的精准管控，降低环境湿度对生产质量的影响。
进一步而言，如图2所示，本申请步骤S200还包括：
步骤S210：获取所述多个分区在历史时间内多个生产时间周期的生产内容合格率，获得多个生产内容合格率集合；
步骤S220：分别获取所述多个生产内容合格率集合内的最大值，获得多个最大生产内容合格率；
步骤S230：获取所述多个最大生产内容合格率对应的生产时间周期内的多个平均湿度，作为所述多个标准湿度。
具体而言，对多个分区在历史时间内多个生产时间周期的生产内容合格率进行获取，即当前时刻之前在对应分区的多个生产时间周期生产内容是否合格，其多个合格生产内容在总生产内容中的占比作为多个生产内容的合格率，对其进行整合从而对应获得多个生产内容合格率集合，进一步从中分别对多个生产内容合格率集合内的最大值，即每个生产内容合格率集合中的最大合格率，以及多个最大生产内容合格率，即在生产周期中的哪个阶段时其所对应的生产合格率最大，并对多个最大生产内容合格率所对应的生产时间周期内的多个平均湿度进行提取，示例性的取最大生产内容合格率上，生产时间周期内的多个平均湿度可以是在5月时厂房不同分区的平均湿度，并将其作为多个标准湿度，达到为后期实现对厂房湿度的控制提供重要依据的技术效果。
进一步而言，如图3所示，本申请步骤S300还包括：
步骤S310：获取所述多个分区在所述多个生产时间周期内平均湿度，获得多个平均湿度集合；
步骤S320：按照所述多个生产时间周期的时间顺序，分别对所述多个生产内容合格率集合内的生产内容合格率进行排序，获得多个被动序列；
步骤S330：按照所述多个生产时间周期的时间顺序，分别对所述多个平均湿度集合内的平均湿度进行排序，获得多个主动序列；
步骤S340：分析第一主动序列对第一被动序列的影响程度，获得第一影响程度信息，其中，第一主动序列包括于所述多个主动序列内，第一被动序列包括于所述多个被动序列内；
步骤S350：逐个分析所述主动序列对所述被动序列的影响程度，获得所述多个影响程度信息。
具体而言，对厂房内多个分区中所在的多个生产时间周期内平均湿度进行采集与整合，从而得到多个平均湿度集合，进而按照多个生产时间周期的时间顺序，分别对厂房多个不同分区所对应的多个生产内容合格率集合中的生产内容合格率根据合格率由大到小进行生产内容合格率的排序，并将该序列记作多个被动序列，再按照多个生产时间周期的时间顺序，分别对厂房内多个不同分区内所对应的多个平均湿度集合内的平均湿度根据平均湿度由大到小进行厂房区域内不同平均湿度的排序，并将该序列记作多个主动序列，进一步的，分别在所获多个被动序列以及多个主动序列任意取一被动序列以及主动序列，并分别将其记作第一被动序列以及第一主动序列，再对第一主动序列和第一被动序列内的数据进行归一化处理，并根据归一化处理的结果，计算第一主动序列和第一被动序列的影响关联系数，获得影响关联系数集合，通过下式：
其中，
为第一主动序列和第一被动序列内第i个数据的影响关联系数，ρ为可调节计算系数，/>
为第一主动序列和第一被动序列内每个数据的绝对差值，
为第一主动序列中的每个数据与第一被动序列内每个数据的绝对差值的两级最小差，/>
为第一主动序列中的每个数据与第一被动序列内每个数据的绝对差值的两级最大差，根据影响关联系数集合，通过计算对第一影响程度信息进行获取，再以此进行迭代，从而对厂房内的多个分区逐个进行主动序列对被动序列影响程度的分析，最终通过对所获多个分析结果进行整合，对应获得多个影响程度信息，以保证在对厂房湿度的控制时的高效性。
进一步而言，本申请步骤S340包括：
步骤S341：对所述第一主动序列和所述第一被动序列内的数据进行归一化处理；
步骤S342：根据归一化处理的结果，计算所述第一主动序列和所述第一被动序列的影响关联系数，获得影响关联系数集合，通过下式：
其中，
为第一主动序列和第一被动序列内第i个数据的影响关联系数，ρ为可调节计算系数，/>
为第一主动序列和第一被动序列内每个数据的绝对差值，
为第一主动序列中的每个数据与第一被动序列内每个数据的绝对差值的两级最小差，/>
为第一主动序列中的每个数据与第一被动序列内每个数据的绝对差值的两级最大差；
步骤S343：根据所述影响关联系数集合，计算获得所述第一影响程度信息。
具体而言，将以上所获的第一主动序列与第一被动序列内的数据的绝对值变为第一主动序列与第一被动序列内数据的相对值关系，即完成第一主动序列与第一被动序列内数据的归一化处理，并基于归一化处理结果，对第一主动序列与第一被动序列的影响关联系数进行计算，从而将所获多个影响关联系数进行整合后得到影响关联系数集合，通过灰色关联度分析法，其公式如下
其中，
为第一主动序列和第一被动序列内第i个数据的影响关联系数，ρ为可调节计算系数，/>
为第一主动序列和第一被动序列内每个数据的绝对差值，
为第一主动序列中的每个数据与第一被动序列内每个数据的绝对差值的两级最小差，/>
为第一主动序列中的每个数据与第一被动序列内每个数据的绝对差值的两级最大差。
其基本思想是根据第一主动序列与第一被动序列所对应的曲线几何形状的相似程度来判断第一主动序列与第一被动序列之间的联系是否紧密，可以通过线性插值的方法将系统因素的离散行为观测值转化为分段连续的折线，进而根据折线的几何特征构造测度关联程度的模型，折线几何形状越接近，第一主动序列与第一被动序列之间的关联度就越大，反之就越小，因此将关联度大的视为影响程度大，反之则越小，最终根据所获影响关联系数集合，完成对第一影响程度信息的计算，达到对厂房湿度的控制提供参考的技术效果。
进一步而言，如图4所示，本申请步骤S500还包括：
步骤S510：按照所述排序，采集第一分区内的湿度，获得第一实时湿度参数，所述第一分区为所述排序内的首个分区；
步骤S520：将所述第一实时湿度参数输入所述湿度控制分析模型内的第一湿度控制分析模块内，获得第一湿度控制参数，进行湿度控制，并在达到所述第一分区的标准湿度后，对所述排序内的下一分区进行湿度采集控制。
具体而言，按照影响程度的排序顺序，对当前排序中分区内湿度进行采集，并将当前所采集到的湿度记作第一实时湿度参数，其第一分区为该排序内的首个分区，进一步将第一实时湿度参数输入至所构建的湿度控制分析模型内的第一湿度控制分析模块内，基于BP神经网络，其BP神经网络为机器学习中的，可以不断进行自我迭代优化的神经网络模型，首先对第一分区在历史时间内的湿度参数和湿度控制参数进行获取，并对第一湿度控制分析模块内的多个湿度控制分析单元进行构建，由于厂房内不同的区域需要对应不同的湿度，因此需要对区域所需不同的湿度进行相应的控制，将与之对应的对第一湿度控制分析模块进行一一对应的构建，进一步的，为了提升湿度控制参数获取的准确性，在第一湿度控制分析模块中进行多个湿度控制分析单元的构建，每个单元的构建数据不同，但构建和训练方法相同，因此每个单元的性能与准确率不同，从而对多个单元输出的多个不同的湿度控制参数里出现频率最高的湿度控制参数进行获取，以此能够提升湿度控制参数获取的准确性。再对历史湿度参数集合和历史湿度控制参数集合进行数据标注和划分，从而对应获得多份训练集、多份验证集和多份测试集后，对多个湿度控制分析单元进行监督训练、验证和测试，获得准确率符合预设要求的多个湿度控制分析单元，再将第一实时湿度参数输入多个湿度控制分析单元内，获得多个待选湿度控制参数，同时对多个待选湿度控制参数内出现频率最高的待选湿度控制参数进行选择，并将其作为第一湿度控制参数，从而实现进行湿度控制，在达到第一分区的标准湿度后，再对排序内的下一分区进行湿度采集控制，最终达到对厂房湿度的控制的技术效果。
进一步而言，本申请步骤S520包括：
步骤S521：获取所述第一分区在历史时间内的湿度参数和湿度控制参数，获得历史湿度参数集合和历史湿度控制参数集合；
步骤S522：基于BP神经网络，构建所述第一湿度控制分析模块内的多个湿度控制分析单元；
步骤S523：对所述历史湿度参数集合和所述历史湿度控制参数集合进行数据标注和划分，获得多份训练集、多份验证集和多份测试集；
步骤S524：分别采用所述多份训练集、多份验证集和多份测试集，对所述多个湿度控制分析单元进行监督训练、验证和测试，获得准确率符合预设要求的所述多个湿度控制分析单元；
步骤S525：将所述第一实时湿度参数输入所述多个湿度控制分析单元内，获得多个待选湿度控制参数；
步骤S526：选择所述多个待选湿度控制参数内出现频率最高的待选湿度控制参数，作为所述第一湿度控制参数，进行湿度控制。
具体而言，首先对第一分区在历史时间内的湿度参数和湿度控制参数进行提取，通过整合后得到历史湿度参数集合和历史湿度控制参数集合，从而基于BP神经网络，对第一湿度控制分析模块内的多个湿度控制器分析单元进行构建，即在厂房内一个分区对应一个模块，而一个模块内则包括多个单元，通过获取多个单元中根据同样的湿度参数输出的湿度控制参数内出现频率最高的湿度控制参数，以此来提升湿度控制的准确性，进一步的对历史湿度参数集合和所述历史湿度控制参数集合进行数据标注和划分，从而对应获得多份训练集、多份验证集以及多份测试集，并根据多份训练集、多份验证集以及多份测试集对多个湿度控制分析单元进行构建训练，多个湿度控制分析单元为机器学习中的，可以不断进行自我迭代优化的BP神经网络模型，多个湿度控制分析单元通过多份训练数据集和多份验证数据集训练获得，其中，多份训练数据集中的每组训练数据均包括历史湿度参数集合和所述历史湿度控制参数集合；其多份验证数据集为与训练数据集一一对应的验证数据。
进一步的，所述多个湿度控制分析单元构建过程为：将多份训练数据集中每一组训练数据输入多个湿度控制分析单元，通过这组训练数据对应的验证数据进行多个湿度控制分析单元的输出验证调整，当多个湿度控制分析单元的输出结果与验证数据一致，则当前组训练结束，将多份训练数据集中全部的训练数据均训练结束，则多个湿度控制分析单元训练完成。
为了保证多个湿度控制分析单元的准确性，可以多份测试数据集对多个湿度控制分析单元的输出结果进行准确率评估，举例而言，测试准确率可以设定为85%，当测试准确率满足85%时，则获取多个待选湿度控制参数，将第一实时湿度参数输入多个湿度控制分析单元，输出多个待选湿度控制参数，最终对多个待选湿度控制参数内出现频率最高的待选湿度控制参数进行选择，将其作为第一湿度控制参数对湿度进行控制。
进一步而言，如图5所示，本申请步骤S600还包括：
步骤S610：获取预设湿度误差范围；
步骤S620：根据所述多个影响程度信息，计算获得平均影响程度信息；
步骤S630：根据所述多个影响程度信息和所述平均影响程度信息，计算获得多个影响程度系数；
步骤S640：采用所述多个影响程度系数，对所述预设湿度误差范围进行计算调整，获得多个调整湿度误差范围；
步骤S650：采用所述多个调整湿度误差范围，对所述多个标准湿度进行补偿，获得所述多个标准湿度范围。
具体而言，由于对厂房内的多个分区均定时定期的进行湿度采集，因此需要对所采集到的湿度进行预设湿度误差范围的设定，其预设湿度误差范围可以设定在湿度测量范围的±5%，进一步的，根据多个影响程度信息对平均影响程度信息进行计算，其平均影响程度信息可以是将多个影响程度信息进行加和 后除以影响程度信息的个数，从而根据多个影响程度信息与平均影响程度信息，对多个影响程度系数进行计算，示例性的，若当前影响程度信息大于平均影响程度信息的10%，则可以将影响程度系数视为1.1，若当前影响程度信息小于平均影响程度信息的10%，则可以将影响程度系数视为0.9，再基于所获多个影响程度系数，对所预设的湿度误差范围进行计算调整，示例性的，若预设湿度误差范围为±5%，一个分区的影响程度系数是1.1，那调整后的调整湿度误差范围就是5/1.1=4.5，由于影响程度系数大，因此对于湿度的要求会更为苛刻，以保证其误差范围更小，从而对应获得多个调整湿度误差范围，同时采用所获多个调整湿度误差范围对多个标准湿度进行补偿，即缩小误差，使得最终所获的多个标准湿度范围更为准确，达到后期对厂房内湿度的精准控制。
实施例
基于与前述实施例中一种厂房多区域环境条件管控方法相同的发明构思，如图6所示，本申请提供了一种厂房多区域环境条件管控系统，系统包括：
分区模块1，所述分区模块1用于按照目标厂房内的多个生产内容，对所述目标厂房进行分区，获得多个分区；
湿度模块2，所述湿度模块2用于根据所述多个生产内容，获取所述多个分区内的多个标准湿度；
影响模块3，所述影响模块3用于分析所述多个分区内，湿度对所述多个生产内容的生产质量的影响程度，获得多个影响程度信息；
排序模块4，所述排序模块4用于按照所述影响程度信息，采用从大到小的顺序对所述多个分区进行排序；
湿度采集控制模块5，所述湿度采集控制模块5用于按照所述排序和预设时间周期，定期依次对所述多个分区进行湿度采集控制，其中，所述湿度采集控制包括采集分区内的实时湿度参数，并输入湿度控制分析模型内对应的湿度控制分析模块内，获得湿度控制参数，进行湿度控制；
补偿模块6，所述补偿模块6用于根据所述多个影响程度信息，对所述多个标准湿度进行补偿，获得对应多个标准湿度范围；
报警模块7，所述报警模块7用于在所述多个分区的湿度参数中任意一个湿度参数未落入对应的标准湿度范围内时，进行报警。
进一步而言，系统还包括：
合格率模块，合格率模块用于获取所述多个分区在历史时间内多个生产时间周期的生产内容合格率，获得多个生产内容合格率集合；
最大值模块，最大值模块用于分别获取所述多个生产内容合格率集合内的最大值，获得多个最大生产内容合格率；
标准湿度模块，标准湿度模块用于获取所述多个最大生产内容合格率对应的生产时间周期内的多个平均湿度，作为所述多个标准湿度。
进一步而言，系统还包括：
平均湿度模块，平均湿度模块用于获取所述多个分区在所述多个生产时间周期内平均湿度，获得多个平均湿度集合；
被动序列模块，被动序列模块用于按照所述多个生产时间周期的时间顺序，分别对所述多个生产内容合格率集合内的生产内容合格率进行排序，获得多个被动序列；
主动序列模块，主动序列模块用于按照所述多个生产时间周期的时间顺序，分别对所述多个平均湿度集合内的平均湿度进行排序，获得多个主动序列；
第一影响模块，第一影响模块用于分析第一主动序列对第一被动序列的影响程度，获得第一影响程度信息，其中，第一主动序列包括于所述多个主动序列内，第一被动序列包括于所述多个被动序列内；
分析模块，分析模块用于逐个分析所述主动序列对所述被动序列的影响程度，获得所述多个影响程度信息。
进一步而言，系统还包括：
归一化模块，归一化模块用于对所述第一主动序列和所述第一被动序列内的数据进行归一化处理；
第一计算模块，第一计算模块用于根据归一化处理的结果，计算所述第一主动序列和所述第一被动序列的影响关联系数，获得影响关联系数集合，通过下式：
其中，
为第一主动序列和第一被动序列内第i个数据的影响关联系数，ρ为可调节计算系数，/>
为第一主动序列和第一被动序列内每个数据的绝对差值，
为第一主动序列中的每个数据与第一被动序列内每个数据的绝对差值的两级最小差，/>
为第一主动序列中的每个数据与第一被动序列内每个数据的绝对差值的两级最大差；
第二计算模块，第二计算模块用于根据所述影响关联系数集合，计算获得所述第一影响程度信息。
进一步而言，系统还包括：
首区模块，首区模块用于按照所述排序，采集第一分区内的湿度，获得第一实时湿度参数，所述第一分区为所述排序内的首个分区；
第一湿度控制模块，第一湿度控制模块用于将所述第一实时湿度参数输入所述湿度控制分析模型内的第一湿度控制分析模块内，获得第一湿度控制参数，进行湿度控制，并在达到所述第一分区的标准湿度后，对所述排序内的下一分区进行湿度采集控制。
进一步而言，系统还包括：
历史湿度参数模块，历史湿度参数模块用于获取所述第一分区在历史时间内的湿度参数和湿度控制参数，获得历史湿度参数集合和历史湿度控制参数集合；
单元构建模块，单元构建模块用于基于BP神经网络，构建所述第一湿度控制分析模块内的多个湿度控制分析单元；
划分模块，划分模块用于对所述历史湿度参数集合和所述历史湿度控制参数集合进行数据标注和划分，获得多份训练集、多份验证集和多份测试集；
单元获取模块，单元获取模块用于分别采用所述多份训练集、多份验证集和多份测试集，对所述多个湿度控制分析单元进行监督训练、验证和测试，获得准确率符合预设要求的所述多个湿度控制分析单元；
待选参数获取模块，待选参数获取模块用于将所述第一实时湿度参数输入所述多个湿度控制分析单元内，获得多个待选湿度控制参数；
第二湿度控制模块，第二湿度控制模块用于选择所述多个待选湿度控制参数内出现频率最高的待选湿度控制参数，作为所述第一湿度控制参数，进行湿度控制。
进一步而言，系统还包括：
误差模块，误差模块用于获取预设湿度误差范围；
第三计算模块，第三计算模块用于根据所述多个影响程度信息，计算获得平均影响程度信息；
第四计算模块，第四计算模块用于根据所述多个影响程度信息和所述平均影响程度信息，计算获得多个影响程度系数；
计算调整模块，计算调整模块用于采用所述多个影响程度系数，对所述预设湿度误差范围进行计算调整，获得多个调整湿度误差范围；
湿度范围获取模块，湿度范围获取模块用于采用所述多个调整湿度误差范围，对所述多个标准湿度进行补偿，获得所述多个标准湿度范围。
本说明书通过前述对一种厂房多区域环境条件管控方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种厂房多区域环境条件管控方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.一种厂房多区域环境条件管控方法，其特征在于，所述方法包括：
按照目标厂房内的多个生产内容，对所述目标厂房进行分区，获得多个分区；
根据所述多个生产内容，获取所述多个分区内的多个标准湿度；
分析所述多个分区内，湿度对所述多个生产内容的生产质量的影响程度，获得多个影响程度信息；
按照所述影响程度信息，采用从大到小的顺序对所述多个分区进行排序；
按照所述排序和预设时间周期，定期依次对所述多个分区进行湿度采集控制，其中，所述湿度采集控制包括采集分区内的实时湿度参数，并输入湿度控制分析模型内对应的湿度控制分析模块内，获得湿度控制参数，进行湿度控制；
根据所述多个影响程度信息，对所述多个标准湿度进行补偿，获得对应多个标准湿度范围；
在所述多个分区的湿度参数中任意一个湿度参数未落入对应的标准湿度范围内时，进行报警；
分析所述多个分区内，湿度对所述多个生产内容的生产质量的影响程度，获得多个影响程度信息，包括：
获取所述多个分区在多个生产时间周期内平均湿度，获得多个平均湿度集合；
按照所述多个生产时间周期的时间顺序，分别对所述多个生产内容合格率集合内的生产内容合格率进行排序，获得多个被动序列；
按照所述多个生产时间周期的时间顺序，分别对所述多个平均湿度集合内的平均湿度进行排序，获得多个主动序列；
分析第一主动序列对第一被动序列的影响程度，获得第一影响程度信息，其中，第一主动序列包括于所述多个主动序列内，第一被动序列包括于所述多个被动序列内；
逐个分析所述主动序列对所述被动序列的影响程度，获得所述多个影响程度信息；
分析第一主动序列对第一被动序列的影响程度，获得第一影响程度信息，包括：
对所述第一主动序列和所述第一被动序列内的数据进行归一化处理；
根据归一化处理的结果，计算所述第一主动序列和所述第一被动序列的影响关联系数，获得影响关联系数集合，通过下式：
其中，
为第一主动序列和第一被动序列内第i个数据的影响关联系数，ρ为可调节计算系数，/>
为第一主动序列和第一被动序列内每个数据的绝对差值，
为第一主动序列中的每个数据与第一被动序列内每个数据的绝对差值的两级最小差，/>
为第一主动序列中的每个数据与第一被动序列内每个数据的绝对差值的两级最大差；
根据所述影响关联系数集合，计算获得所述第一影响程度信息；
根据所述多个影响程度信息，对所述多个标准湿度进行补偿，获得对应多个标准湿度范围，包括：
获取预设湿度误差范围；
根据所述多个影响程度信息，计算获得平均影响程度信息；
根据所述多个影响程度信息和所述平均影响程度信息，计算获得多个影响程度系数；
采用所述多个影响程度系数，对所述预设湿度误差范围进行计算调整，获得多个调整湿度误差范围；
采用所述多个调整湿度误差范围，对所述多个标准湿度进行补偿，获得所述多个标准湿度范围。
2.根据权利要求1所述的方法，其特征在于，根据所述多个生产内容，获取所述多个分区内的多个标准湿度，包括：
获取所述多个分区在历史时间内多个生产时间周期的生产内容合格率，获得多个生产内容合格率集合；
分别获取所述多个生产内容合格率集合内的最大值，获得多个最大生产内容合格率；
获取所述多个最大生产内容合格率对应的生产时间周期内的多个平均湿度，作为所述多个标准湿度。
3.根据权利要求1所述的方法，其特征在于，按照所述排序和预设时间周期，定期依次对所述多个分区进行湿度采集控制，包括：
按照所述排序，采集第一分区内的湿度，获得第一实时湿度参数，所述第一分区为所述排序内的首个分区；
将所述第一实时湿度参数输入所述湿度控制分析模型内的第一湿度控制分析模块内，获得第一湿度控制参数，进行湿度控制，并在达到所述第一分区的标准湿度后，对所述排序内的下一分区进行湿度采集控制。
4.根据权利要求3所述的方法，其特征在于，将所述第一实时湿度参数输入湿度控制分析模型内的第一湿度控制分析模块内，获得第一湿度控制参数，包括：
获取所述第一分区在历史时间内的湿度参数和湿度控制参数，获得历史湿度参数集合和历史湿度控制参数集合；
基于BP神经网络，构建所述第一湿度控制分析模块内的多个湿度控制分析单元；
对所述历史湿度参数集合和所述历史湿度控制参数集合进行数据标注和划分，获得多份训练集、多份验证集和多份测试集；
分别采用所述多份训练集、多份验证集和多份测试集，对所述多个湿度控制分析单元进行监督训练、验证和测试，获得准确率符合预设要求的所述多个湿度控制分析单元；
将所述第一实时湿度参数输入所述多个湿度控制分析单元内，获得多个待选湿度控制参数；
选择所述多个待选湿度控制参数内出现频率最高的待选湿度控制参数，作为所述第一湿度控制参数，进行湿度控制。
5.一种厂房多区域环境条件管控系统，其特征在于，所述系统包括：
分区模块，所述分区模块用于按照目标厂房内的多个生产内容，对所述目标厂房进行分区，获得多个分区；
湿度模块，所述湿度模块用于根据所述多个生产内容，获取所述多个分区内的多个标准湿度；
影响模块，所述影响模块用于分析所述多个分区内，湿度对所述多个生产内容的生产质量的影响程度，获得多个影响程度信息；
排序模块，所述排序模块用于按照所述影响程度信息，采用从大到小的顺序对所述多个分区进行排序；
湿度采集控制模块，所述湿度采集控制模块用于按照所述排序和预设时间周期，定期依次对所述多个分区进行湿度采集控制，其中，所述湿度采集控制包括采集分区内的实时湿度参数，并输入湿度控制分析模型内对应的湿度控制分析模块内，获得湿度控制参数，进行湿度控制；
补偿模块，所述补偿模块用于根据所述多个影响程度信息，对所述多个标准湿度进行补偿，获得对应多个标准湿度范围；
报警模块，所述报警模块用于在所述多个分区的湿度参数中任意一个湿度参数未落入对应的标准湿度范围内时，进行报警；
分析所述多个分区内，湿度对所述多个生产内容的生产质量的影响程度，获得多个影响程度信息，包括：
获取所述多个分区在多个生产时间周期内平均湿度，获得多个平均湿度集合；
按照所述多个生产时间周期的时间顺序，分别对所述多个生产内容合格率集合内的生产内容合格率进行排序，获得多个被动序列；
按照所述多个生产时间周期的时间顺序，分别对所述多个平均湿度集合内的平均湿度进行排序，获得多个主动序列；
分析第一主动序列对第一被动序列的影响程度，获得第一影响程度信息，其中，第一主动序列包括于所述多个主动序列内，第一被动序列包括于所述多个被动序列内；
逐个分析所述主动序列对所述被动序列的影响程度，获得所述多个影响程度信息；
分析第一主动序列对第一被动序列的影响程度，获得第一影响程度信息，包括：
对所述第一主动序列和所述第一被动序列内的数据进行归一化处理；
根据归一化处理的结果，计算所述第一主动序列和所述第一被动序列的影响关联系数，获得影响关联系数集合，通过下式：
其中，
为第一主动序列和第一被动序列内第i个数据的影响关联系数，ρ为可调节计算系数，/>
为第一主动序列和第一被动序列内每个数据的绝对差值，
为第一主动序列中的每个数据与第一被动序列内每个数据的绝对差值的两级最小差，/>
为第一主动序列中的每个数据与第一被动序列内每个数据的绝对差值的两级最大差；/>
根据所述影响关联系数集合，计算获得所述第一影响程度信息；
根据所述多个影响程度信息，对所述多个标准湿度进行补偿，获得对应多个标准湿度范围，包括：
获取预设湿度误差范围；
根据所述多个影响程度信息，计算获得平均影响程度信息；
根据所述多个影响程度信息和所述平均影响程度信息，计算获得多个影响程度系数；
采用所述多个影响程度系数，对所述预设湿度误差范围进行计算调整，获得多个调整湿度误差范围；
采用所述多个调整湿度误差范围，对所述多个标准湿度进行补偿，获得所述多个标准湿度范围。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310283176.1A CN115993856B (zh) | 2023-03-22 | 2023-03-22 | 一种厂房多区域环境条件管控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310283176.1A CN115993856B (zh) | 2023-03-22 | 2023-03-22 | 一种厂房多区域环境条件管控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115993856A CN115993856A (zh) | 2023-04-21 |
| CN115993856B true CN115993856B (zh) | 2023-06-06 |
Family
ID=85993719
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310283176.1A Active CN115993856B (zh) | 2023-03-22 | 2023-03-22 | 一种厂房多区域环境条件管控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115993856B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117006593B (zh) * | 2023-09-28 | 2023-12-08 | 博纳环境设备(太仓)有限公司 | 基于需求的工业空调出风控制方法及系统 |
| CN117391444B (zh) * | 2023-10-19 | 2024-05-07 | 应急管理部大数据中心 | 基于工业设备运行全过程监测的粉尘涉爆风险预警系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9078400B2 (en) * | 2004-03-01 | 2015-07-14 | Montec Pty. Ltd | Method and apparatus for environmental control according to perceived temperature |
| CN107121991B (zh) * | 2017-05-31 | 2019-02-15 | 合肥亿迈杰软件有限公司 | 一种基于区域划分的湿度智能化控制方法 |
| CN113031670B (zh) * | 2021-04-25 | 2021-08-13 | 广州青标信息科技有限公司 | 一种基于大数据的仓库湿度自动控制系统 |
| CN115689437A (zh) * | 2022-10-10 | 2023-02-03 | 吴正明 | 一种基于人工智能的erp高效生产管理系统及方法 |
| CN115496424B (zh) * | 2022-11-09 | 2023-04-28 | 广东能创科技有限公司 | 一种甲醇制氢工艺安全管理方法及系统 |
-
2023
- 2023-03-22 CN CN202310283176.1A patent/CN115993856B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115993856A (zh) | 2023-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115993856B (zh) | 一种厂房多区域环境条件管控方法及系统 | |
| CN111474299B (zh) | 一种基于大数据的工业环境实时监测系统 | |
| CN113036913B (zh) | 一种综合能源设备状态监测方法及装置 | |
| CN111985701A (zh) | 一种基于供电企业大数据模型库的用电预测方法 | |
| CN115630839A (zh) | 一种基于数据挖掘的生产智能反馈调控系统 | |
| CN111950577A (zh) | 一种点检方法及装置 | |
| CN116400126A (zh) | 一种具有数据处理系统的低压电力箱 | |
| CN115826516A (zh) | 一种智能化的不锈钢链条生产管理方法及系统 | |
| CN115167323A (zh) | 基于数字化工厂的工控设备反馈信息指令传输系统 | |
| CN112418270A (zh) | 一种高炉综合状态预测方法及系统 | |
| CN116727462B (zh) | 一种热轧无缝钢管的冷却控制方法及系统 | |
| CN113632025B (zh) | 用于评估工业环境中的能量消耗的方法、系统和计算机程序产品 | |
| CN116629726B (zh) | 一种精密铜管包装车间的环境监测管理方法及系统 | |
| Sonmez et al. | Using accurately measured production amounts to obtain calibration curve corrections of production line speed and stoppage duration consisting of measurement errors | |
| CN117390580A (zh) | 一种综合多特征的海洋热浪遥感识别方法 | |
| CN116755411A (zh) | 一种工业设备数据采集方法及装置 | |
| CN113780852B (zh) | 一种板带轧制过程质量缺陷的诊断方法 | |
| CN114266192A (zh) | 一种基于热轧带钢的测温仪表在线精度评价方法 | |
| CN117399435B (zh) | 一种铜管轧制过程自适应补偿调整方法及系统 | |
| CN111266405B (zh) | 一种板带材热轧过程控制方法和控制装置 | |
| CN117332360B (zh) | 基于5g技术的温室大棚设备故障监测方法及系统 | |
| CN115062431B (zh) | 一种基于CS-Elman神经网络模型的热轧板凸度预测方法 | |
| CN117034166A (zh) | 一种自适应不同离异因子的稳健大坝监测异常数据在线识别方法 | |
| CN114611376B (zh) | 一种基于神经网络的连退跑偏预测方法及装置 | |
| CN117849700B (zh) | 可控制测量的模块化电能计量系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 210012 room 801-810, 8 building, 7 Ande Gate Street, Yuhuatai District, Nanjing, Jiangsu, China, 57 Patentee after: Xinlixun Technology Group Co.,Ltd. Country or region after: China Address before: 210012 room 801-810, 8 building, 7 Ande Gate Street, Yuhuatai District, Nanjing, Jiangsu, China, 57 Patentee before: New Lixun Technology Co.,Ltd. Country or region before: China |