CN116088438A - 一种分条机的智能化电控系统及方法 - Google Patents
一种分条机的智能化电控系统及方法 Download PDFInfo
- Publication number
- CN116088438A CN116088438A CN202211628715.2A CN202211628715A CN116088438A CN 116088438 A CN116088438 A CN 116088438A CN 202211628715 A CN202211628715 A CN 202211628715A CN 116088438 A CN116088438 A CN 116088438A
- Authority
- CN
- China
- Prior art keywords
- equipment
- fault
- unit
- error
- accuracy
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000004519 manufacturing process Methods 0.000 claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims abstract description 26
- 230000005856 abnormality Effects 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 238000007599 discharging Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 6
- 238000005299 abrasion Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 description 14
- 238000012423 maintenance Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000008439 repair process Effects 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] or computer integrated manufacturing [CIM]
- G05B19/4184—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] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
-
- 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
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31088—Network communication between supervisor and cell, machine group
-
- 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
- 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)
- General Factory Administration (AREA)
Abstract
本发明涉及智能化电控技术领域,具体为一种分条机的智能化电控系统及方法,包括:数据采集模块、数据库、故障分析模块和故障预测模块,通过数据采集模块采集设备的数据信息和监测的数据信息;将所有采集到的数据存储到数据库中并对数据进行存储和管理;通过故障分析模块分析设备信息和监测信息,判断设备是否发生异常以及影响设备异常的因素;通过故障预测模块预测设备发生故障概率的高低并且预测设备的剩余使用率,是否需要及时更换设备;有利于及时维护和更换设备,避免因设备故障而引起生产中断,影响企业的生产效率和利润。
Description
技术领域
本发明涉及智能化电控技术领域,具体为一种分条机的智能化电控系统及方法。
背景技术
故障预测是指故障尚未发生,利用各种传感器信号,基于存储在大数据存储与分析平台中的数据,通过设备使用数据、工况数据、主机及配件性能数据、配件更换数据等设备与服务数据,进行设备故障、服务、配件需求的预测,为主动服务提供技术支撑,判断设备存在异常的可能性,最终现场确认设备是否存在故障或者故障趋势,以此延长设备使用寿命,降低故障率。
目前,智能制造在工业生产中得到了广泛应用,其重要性也逐渐深入人心,人们对于设备的可靠性要求会越来越高,对设备维护管理的要求也会随之提高,由此可见故障预测在设备维护管理中起到了重要的作用。故障预测是对设备进行连续在线的状态监测及数据分析,预测设备发生故障概率的高低。通过故障预测能够及时对设备进行保养和维护,提高使用率,但能否利用设备故障预测判断设备的剩余使用率,方便企业及时更换新的设备进行生产,减少对设备故障的排查,提高企业的生产效率,成为了现有技术需要克服的技术难点。
所以,人们需要一种分条机的智能化电控系统及方法来解决上述问题。
发明内容
本发明的目的在于提供一种分条机的智能化电控系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种分条机的智能化电控系统,所述系统包括:数据采集模块、数据库、故障分析模块和故障预测模块。
所述数据采集模块用于采集设备信息和设备监测数据;
所述数据库用于存储并管理所有采集到的数据;
所述故障分析模块用于对采集到的设备信息和设备监测到的数据进行比较,分析设备是否出现异常,从而判断设备的误差程度,有利于人员及时对设备进行保养;
所述故障预测模块用于预测设备出现停机故障概率和设备的剩余使用率,有利于企业及时购买新的设备,减少因设备故障而影响生产效率的情况,从而保障企业经济效益。
进一步的,所述数据采集模块包括设备信息采集单元和监测信息采集单元;所述设备信息采集单元和所述监测信息采集单元的输出端连接所述数据库的输入端;所述设备信息采集单元用于采集设备的原始信息;所述监测信息采集单元用于采集设备运行中监测到的数据。
进一步的,所述故障分析模块包括影响因素判断单元、精确度分析单元和误差分析单元;所述数据库的输出端连接所述影响因素判断单元的输入端;所述影响因素判断单元的输出端连接所述精确度分析单元的输入端;所述精确度分析单元的输出端连接所述误差分析单元的输入端;所述影响因素判断单元用于对采集到的设备数据信息和设备监测到的数据信息进行比较,判断设备是否发生异常,分析导致设备异常的因素,有利于区分设备是否是因本身故障而引起的异常,方便人员及时对设备进行保养和维护;所述精确度分析单元用于根据导致设备异常的因素,对产品的精确度进行分析,判断是否在误差范围内;所述误差分析单元用于判断产品的误差程度,有利于对设备出现停机故障概率的判断。
进一步的,所述故障预测模块包括故障概率预测单元和设备更换预测单元;所述误差分析单元的输出端连接所述故障概率预测单元的输入端;所述故障概率预测单元的输出端连接所述设备更换预测单元的输入端;所述故障概率预测单元用于根据产品的误差程度,预测设备出现停机故障的概率,确保设备处于正常的工作状态;所述设备更换预测单元用于预测设备剩余的使用率,有利于企业及时购买新的设备,避免对企业造成经济损失。
一种分条机的智能化电控方法,包括以下步骤:
Z1:采集设备的配置信息和监测的数据信息;
Z2:对采集到的信息进行分析,判断设备是否发生异常以及影响设备的因素;
Z3:根据异常情况,对设备的精确度进行分析,判断是否在误差范围内;
Z4:根据设备的误差程度,预测设备的出现故障的概率和设备的剩余使用率。
进一步的,在步骤Z1中:采集到设备的配置信息中出条速度为a,系统监测到的出条速度为b。
进一步的,在步骤Z2中:利用配置信息和监测到的信息进行比较,设置出条速度的误差范围为a±c,若b>a+c,则判断设备发生异常,由设备运行中的出条速度大于误差范围可知,设备是由于其本身故障而导致的异常;若b<a-c,则也判断为设备发生异常,由设备运行中的出条速度小于误差范围可知,分条机属于自动化设备,通常不会出现速度异常慢的情况,除非设备是因为分条机中的刀具不锋利或者其他非设备本身出现故障的因素而导致出条的速度变慢,因此需要人员定期保养设备;通过出条速度判断设备是否发生异常,有利于区分影响设备的因素,进一步判定设备是否出现故障。
进一步的,在步骤Z3中:根据设备的异常情况,采集到数据库中设备一次生产中产品的长度集合M={m1,m2,m3,...,mn},设置产品的精确度误差范围为±d,依次判断集合M中每个产品是否在精确度误差范围内,若M-d<M<M+d,表明生产出的产品在误差范围内,属于合格品;若表明生产出的产品不在误差范围内,属于残次品;根据下列公式计算设备精确度的误差程度O:
其中,e表示设备一次生产中不在精确度误差范围内的个数,f表示设备一次生产的产品个数,设置误差程度阈值为G,若O>G,则判断设备出现故障的概率高;若O<G,则判断设备出现故障的概率低;在设备生产中通常允许产品出现误差,只要在误差范围内,就不会影响产品的合格率,由于设备在运行的过程中一旦出现问题就会对企业造成严重的经济损失,所以利用精确度的误差范围判断设备出现故障概率的高低,有利于人员对设备进行保养和维护,延长设备的使用率,节省企业的开支。
进一步的,在步骤Z4中:提取数据库中的数据信息,获取到为使设备完全恢复正常状态和额定能力而进行的全面、彻底的解体检修的次数为j,根据下列公式计算设备的剩余使用率百分比K:
K=s-j*r;
其中,s为设备出厂使用率的百分比,r为设备的磨损度,设置设备的使用率阈值为v,当K<v,表示需要更换设备,否则将会影响下一次的生产;通过计算设备的剩余使用率,能够及时了解设备的磨损程度,当设备的使用率低于使用率阈值时,设备将会发出提示,为企业购入新设备提供了时间,避免因设备故障而降低生产效率,从而使企业受到的损失最小化。
与现有技术相比,本发明所达到的有益效果是:
本发明是根据出条速度对影响设备异常的因素进行分析,判断是由于人为因素导致的异常还是因设备本身故障而导致的异常,进一步对设备生产出的产品精确度进行分析,依据对产品精确度是否在误差范围内的判断,进而得出设备出现停机故障概率的高低,有利于人员及时对设备进行保养和维修,提高设备的使用率,再根据设备以往的维修情况计算设备的剩余使用率,实时掌握设备的磨损程度,有利于及时更换设备,提高生产效率,从而保障企业经济的经济效益。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种分条机的智能化电控系统的结构图;
图2是本发明一种分条机的智能化电控方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
请参阅图1-图2,本发明提供技术方案:分条机的智能化电控系统,系统包括:数据采集模块、数据库、故障分析模块和故障预测模块;
数据采集模块用于采集设备信息和设备监测数据;
数据库用于存储并管理所有采集到的数据;
故障分析模块用于对采集到的设备信息和设备监测到的数据进行比较,分析设备是否出现异常,从而判断设备的误差程度,有利于人员及时对设备进行保养;
故障预测模块用于预测设备出现停机故障概率和设备的剩余使用率,有利于企业及时购买新的设备,减少因设备故障而影响生产效率的情况,从而保障企业经济效益。
数据采集模块包括设备信息采集单元和监测信息采集单元;设备信息采集单元和监测信息采集单元的输出端连接数据库的输入端;设备信息采集单元用于采集设备的原始信息;监测信息采集单元用于采集设备运行中监测到的数据。
故障分析模块包括影响因素判断单元、精确度分析单元和误差分析单元;数据库的输出端连接影响因素判断单元的输入端;影响因素判断单元的输出端连接精确度分析单元的输入端;精确度分析单元的输出端连接误差分析单元的输入端;影响因素判断单元用于对采集到的设备数据信息和设备监测到的数据信息进行比较,判断设备是否发生异常,分析导致设备异常的因素,有利于区分设备是否是因本身故障而引起的异常,方便人员及时对设备进行保养和维护;精确度分析单元用于根据导致设备异常的因素,对产品的精确度进行分析,判断是否在误差范围内;误差分析单元用于判断产品的误差程度,有利于对设备出现停机故障概率的判断。
故障预测模块包括故障概率预测单元和设备更换预测单元;误差分析单元的输出端连接故障概率预测单元的输入端;故障概率预测单元的输出端连接设备更换预测单元的输入端;故障概率预测单元用于根据产品的误差程度,预测设备出现停机故障的概率,确保设备处于正常的工作状态;所述设备更换预测单元用于预测设备剩余的使用率,有利于企业及时购买新的设备,避免对企业造成经济损失。
一种分条机的智能化电控方法,包括以下步骤:
Z1:采集设备的配置信息和监测的数据信息;
Z2:对采集到的信息进行分析,判断设备是否发生异常以及影响设备的因素;
Z3:根据异常情况,对设备的精确度进行分析,判断是否在误差范围内;
Z4:根据设备的误差程度,预测设备的出现故障的概率和设备的剩余使用率。
在步骤Z1中:采集到设备的配置信息中出条速度为a,系统监测到的出条速度为b。
在步骤Z2中:利用配置信息和监测到的信息进行比较,设置出条速度的误差范围为a±c,若b>a+c,则判断设备发生异常,由设备运行中的出条速度大于误差范围可知,设备是由于其本身故障而导致的异常;若b<a-c,则也判断为设备发生异常,由设备运行中的出条速度小于误差范围可知,分条机属于自动化设备,通常不会出现速度异常慢的情况,除非设备是因为分条机中的刀具不锋利或者其他非设备本身出现故障的因素而导致出条的速度变慢,因此需要人员定期保养设备;通过出条速度判断设备是否发生异常,有利于区分影响设备的因素,进一步判定设备是否出现故障。
在步骤Z3中:根据设备的异常情况,采集到数据库中设备一次生产中产品的长度集合M={m1,m2,m3,...,mn},设置产品的精确度误差范围为±d,依次判断集合M中每个产品是否在精确度误差范围内,若M-d<M<M+d,表明生产出的产品在误差范围内,属于合格品;若表明生产出的产品不在误差范围内,属于残次品;根据下列公式计算设备精确度的误差程度O:
其中,e表示设备一次生产中不在精确度误差范围内的个数,f表示设备一次生产的产品个数,设置误差程度阈值为G,若O>G,则判断设备出现故障的概率高;若O<G,则判断设备出现故障的概率低;在设备生产中通常允许产品出现误差,只要在误差范围内,就不会影响产品的合格率,由于设备在运行的过程中一旦出现问题就会对企业造成严重的经济损失,所以利用精确度的误差范围判断设备出现故障概率的高低,有利于人员对设备进行保养和维护,延长设备的使用率,节省企业的开支。
在步骤Z4中:提取数据库中的数据信息,获取到为使设备完全恢复正常状态和额定能力而进行的全面、彻底的解体检修的次数为j,根据下列公式计算设备的剩余使用率百分比K:
K=s-j*r;
其中,s为设备出厂使用率的百分比,r为设备的磨损度,设置设备的使用率阈值为v,当K<v,表示需要更换设备,否则将会影响下一次的生产;通过计算设备的剩余使用率,能够及时了解设备的磨损程度,当设备的使用率低于使用率阈值时,设备将会发出提示,为企业购入新设备提供了时间,避免因设备故障而降低生产效率,从而使企业受到的损失最小化。
实施例一:采集到设备的配置信息中出条速度为12,系统监测到的出条速度为10;
利用配置信息和监测到的信息进行比较,设置出条速度的误差范围为a±c=12±1,10<11,则判断设备异常是由于人员未定期保养而导致的异常,分条机属于自动化设备,通常不会出现速度异常慢的情况,除非设备是因为分条机中的刀具不锋利或者其他非设备本身出现故障的因素而导致出条的速度变慢,因此需要人员定期保养设备。
实施例二:采集到设备的配置信息中出条速度为12,系统监测到的出条速度为15;
利用配置信息和监测到的信息进行比较,设置出条速度的误差范围为a±c=12±1,15>13,则判断设备异常是由于本身故障而导致的异常;通过出条速度判断设备是否发生异常,有利于分辩影响设备的因素,进一步判定设备是否出现故障;
根据设备的异常情况,采集到数据库中设备一次生产中产品的长度集合
M={m1,m2,m3,...,mn}={12,12.04,12.05,11.96,11.99,11.98},设置产品的精确度误差范围为
±d=±0.02,依次判断集合中每个产品是否在精确度误差范围内,根据得到设备精确度的误差程度为50%;设置误差程度阈值为30%,若50%>30%,则判断设备出现故障的概率高;在设备生产中通常允许产品出现误差,只要在误差范围内,就不会影响产品的合格率,由于设备在运行的过程中一旦出现问题就会对企业造成严重的经济损失,所以利用精确度的误差范围判断设备出现故障概率的高低,有利于人员对设备进行保养和维护,延长设备的使用率,节省企业的开支。
提取数据库中的数据信息,获取到为使设备完全恢复正常状态和额定能力而进行的全面、彻底的解体检修的次数为8,根据K=s-j*r=100%-8*10%计算设备的剩余使用率百分比K为20%;
设置设备的使用率阈值为30%,当20%<30%,表示需要更换设备,否则将会影响下一次的生产;通过计算设备的剩余使用率,能够及时了解设备的磨损程度,当设备的使用率低于使用率阈值时,设备将会发出提示,为企业购入新设备提供了时间,避免因设备故障而降低生产效率,从而使企业受到的损失最小化。
最后应说明的是:以上所述仅为本发明的优选实例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种分条机的智能化电控系统,其特征在于:所述系统包括:数据采集模块、数据库、故障分析模块和故障预测模块;
所述数据采集模块的输出端连接数据库的输入端;所述数据库的输出端连接故障分析模块的输入端;所述故障分析模块的输出端连接所述故障预测模块的输入端;
所述数据采集模块用于采集设备信息和设备监测数据;
所述数据库用于存储并管理所有采集到的数据;
所述故障分析模块用于对采集到的信息进行分析,判断设备的误差程度;
所述故障预测模块用于预测设备的故障概率和剩余使用率。
2.根据权利要求1所述的一种分条机的智能化电控系统,其特征在于:所述数据采集模块包括设备信息采集单元和监测信息采集单元;
所述设备信息采集单元和所述监测信息采集单元的输出端连接所述数据库的输入端;
所述设备信息采集单元用于采集设备的原始信息;所述监测信息采集单元用于采集设备运行中监测到的数据。
3.根据权利要求1所述的一种分条机的智能化电控系统,其特征在于:所述故障分析模块包括影响因素判断单元、精确度分析单元和误差分析单元;
所述数据库的输出端连接所述影响因素判断单元的输入端;所述影响因素判断单元的输出端连接所述精确度分析单元的输入端;所述精确度分析单元的输出端连接所述误差分析单元的输入端;
所述影响因素判断单元用于对采集到的信息进行分析,判断设备受影响的因素;所述精确度分析单元用于对产品的精确度进行分析,判断是否在误差范围内;所述误差分析单元用于判断产品的误差程度。
4.根据权利要求3所述的一种分条机的智能化电控系统,其特征在于:所述故障预测模块包括故障概率预测单元和设备更换预测单元;
所述误差分析单元的输出端连接所述故障概率预测单元的输入端;所述故障概率预测单元的输出端连接所述设备更换预测单元的输入端;
所述故障概率预测单元用于根据产品的误差程度,预测产品出现故障的概率;所述设备更换预测单元用于预测设备剩余使用率。
5.一种分条机的智能化电控方法,其特征在于:包括以下步骤:
Z1:采集设备的配置信息和监测的数据信息;
Z2:对采集到的信息进行分析,判断设备是否发生异常以及影响设备的因素;
Z3:根据异常情况,对设备的精确度进行分析,判断设备的故障概率;
Z4:根据故障概率,预测设备的剩余使用率。
6.根据权利要求5所述的一种分条机的智能化电控方法,其特征在于:在步骤Z1中:采集到设备的配置信息中出条速度为a,系统监测到的出条速度为b。
7.根据权利要求6所述的一种分条机的智能化电控方法,其特征在于:在步骤Z2中:根据采集到的信息进行分析,设置出条速度的误差范围为a±c,若b>a+c,则判断设备异常是由于本身故障而导致的异常;若b<a-c,则判断设备异常是由于人员未定期保养而导致的异常。
9.根据权利要求8所述的一种分条机的智能化电控方法,其特征在于:在步骤Z4中:提取数据库中的数据信息,获取到为使设备完全恢复正常状态和额定能力而进行的全面、彻底的解体检修的次数为j,根据下列公式计算设备的剩余使用率百分比K:
K=s-j*r;
其中,s为设备出厂使用率的百分比,r为设备的磨损度,设置设备的使用率阈值为v,当K<v,表示需要更换设备,否则将会影响下一次的生产。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211628715.2A CN116088438A (zh) | 2022-12-18 | 2022-12-18 | 一种分条机的智能化电控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211628715.2A CN116088438A (zh) | 2022-12-18 | 2022-12-18 | 一种分条机的智能化电控系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116088438A true CN116088438A (zh) | 2023-05-09 |
Family
ID=86211187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211628715.2A Withdrawn CN116088438A (zh) | 2022-12-18 | 2022-12-18 | 一种分条机的智能化电控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116088438A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116629791A (zh) * | 2023-05-24 | 2023-08-22 | 内蒙古正志网络科技有限公司 | 一种基于大数据的信息预测分析系统及方法 |
-
2022
- 2022-12-18 CN CN202211628715.2A patent/CN116088438A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116629791A (zh) * | 2023-05-24 | 2023-08-22 | 内蒙古正志网络科技有限公司 | 一种基于大数据的信息预测分析系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113614666A (zh) | 用于检测和预测工业过程自动化系统中的故障的系统和方法 | |
CN109376877B (zh) | 设备运维预警方法、装置、计算机设备和存储介质 | |
CN116088438A (zh) | 一种分条机的智能化电控系统及方法 | |
CN117689214B (zh) | 一种柔性直流牵引供电系统能量路由器动态安全评估方法 | |
CN105187239A (zh) | 基于数据挖掘的通信告警分析系统及其处理方法 | |
CN110784352B (zh) | 一种基于Oracle Goldengate的数据同步监控告警方法及装置 | |
CN116755964A (zh) | 一种加固服务器的故障预测与健康管理系统 | |
CN117761444B (zh) | 一种电涌保护器的寿命监测方法及系统 | |
CN111476381A (zh) | 基于国产化信息技术创新应用系统运维服务的方法和系统 | |
JP6176377B1 (ja) | 設備管理システム、設備管理方法およびプログラム | |
CN113487182B (zh) | 设备健康状态评估方法、装置、计算机设备和介质 | |
CN117391675B (zh) | 一种数据中心基础设施运维管理方法 | |
JPH0877211A (ja) | プラントの保全支援装置 | |
CN109035746B (zh) | 一种集抄终端的机能判断方法和系统 | |
RU2668852C1 (ru) | Способ и система учета остаточного ресурса компонентов турбоагрегата | |
CN116488351A (zh) | 一种基于物联网的低压配电箱远程监控方法和系统 | |
Han et al. | Implementation strategy of predictive maintenance in nuclear power plant | |
CN115237719A (zh) | 一种服务器电源可靠性的预警方法及系统 | |
CN113344739B (zh) | 一种自动检查电力故障的数据安全监管方法和系统 | |
CN115422504A (zh) | 一种配电设备故障风险辨识方法及装置 | |
CN113779327A (zh) | 基于船舶设备全生命周期数据的设备监测管理系统 | |
CN112328650A (zh) | 一种基于监控信号的设备缺陷评估方法 | |
CN106194699B (zh) | 空气压缩机的监视系统 | |
CN111753396A (zh) | 基于机理-数据驱动模型的脱硫脱硝循环泵故障诊断方法 | |
JP2018037063A (ja) | 設備管理システム、設備管理方法およびプログラム |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230509 |
|
WW01 | Invention patent application withdrawn after publication |