CN116109010B - 一种基于数字孪生技术的化工厂区智能运维系统 - Google Patents

一种基于数字孪生技术的化工厂区智能运维系统 Download PDF

Info

Publication number
CN116109010B
CN116109010B CN202310372554.3A CN202310372554A CN116109010B CN 116109010 B CN116109010 B CN 116109010B CN 202310372554 A CN202310372554 A CN 202310372554A CN 116109010 B CN116109010 B CN 116109010B
Authority
CN
China
Prior art keywords
maintenance
data
module
fault
fault point
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
Application number
CN202310372554.3A
Other languages
English (en)
Other versions
CN116109010A (zh
Inventor
丁宏翔
兰艳玲
魏晓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Qiangsi Digital Technology Co ltd
Original Assignee
Nanjing Qiangsi Digital Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Qiangsi Digital Technology Co ltd filed Critical Nanjing Qiangsi Digital Technology Co ltd
Priority to CN202310372554.3A priority Critical patent/CN116109010B/zh
Publication of CN116109010A publication Critical patent/CN116109010A/zh
Application granted granted Critical
Publication of CN116109010B publication Critical patent/CN116109010B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063112—Skill-based matching of a person or a group to a task
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种基于数字孪生技术的化工厂区智能运维系统，涉及专门用于监督目的的数据处理系统领域，包括运维显示模块、虚拟维护模块、数据采集模块、数据储存模块、数据预测模块、数据融合模块、故障判断模块、数据传输模块、现场维护模块和化工生产模块，通过气体数据采集单元对厂区各位置的大气中的气体含量数据进行采集，对各个采集单元的有害气体危险值进行计算，同时利用数据预测策略对疑似故障点进行快速查找，对维修人员抵达疑似故障点的有害气体的泄露浓度进行准确计算，以提高预警发布的准确性。

Description

一种基于数字孪生技术的化工厂区智能运维系统
技术领域
本发明涉及专门用于监督目的的数据处理系统领域，是一种基于数字孪生技术的化工厂区智能运维系统。
背景技术
复杂产品的运维和制造理论体系融入了大数据、云计算、物联网、增强现实、虚拟现实、数字孪生、自动化等新的信息技术，使得复杂产品运维与制造体系数字化和智能化程度越来越高。复杂产品在运维与制造过程中产生大量的具有多源、异构等特性的数据，这些数据成为了降低复杂产品运维成本，实现运维与制造完美对接，保证产品安全可靠运行的决策依据。但是，目前复杂产品运维与制造之间存在严重脱节，造成运维与制造信息可重用性低，制造数据不能有效的服务于运维，如何将处于同一条产业链上的运维与制造环节集成，形成有机的统一体仍值得深入研究；
例如在申请公开号为CN112800668A的中国专利中公开了一种基于数字孪生的复杂产品运维与制造集成总体模型，包括运维系统模块、虚拟维修单元模块、维修中心模块、制造厂模块以及数据平台模块。本发明还提供了基于数字孪生的运维与制造集成流程运行模式、建模仿真、数据融合处理等解决方案，探讨了基于数字孪生的智能诊断、故障预测、数据综合感知、知识库/实例库构建等关键技术。本发明使复杂产品运维与制造信息深度融合，运维与制造数据交互反馈，通过数字孪生实现复杂产品运维与制造虚实结合，提供更加实时、高效、智能的集成服务。本发明所提出的基于数字孪生的复杂产品运维与制造模型的运行模式，实现了复杂产品运维与制造过程的深度集成，消除运维与制造环节产生的信息孤岛现象；
又如在申请公开号为CN114924530A的中国专利中公开了一种基于数字孪生技术的远程工件打磨调试运维系统及方法，其系统包括现场运行子系统、与现场运行子系统对应的数字孪生模型；现场运行子系统包括智能感知单元、视觉检测单元、智能控制决策单元、工件传送单元、打磨执行单元；数字孪生模型根据智能感知单元和视觉检测单元发送的信息对工件传送单元和打磨执行单元进行远程控制；智能控制决策单元用于对接收到的工件是否准备到位和拍照信息进行处理，并控制工件传送单元将待打磨工件运送到打磨区；工件传送单元将开始执行打磨的信息传递给打磨执行单元，使其开始进行工件打磨。本发明能够节省了人力物力，提高了调试运维的效率；
上述专利中均存在：目前复杂产品运维与制造之间存在脱节，造成运维与制造信息可重用性低，制造数据不能有效的服务于运维，如何将处于同一条产业链上的运维与制造环节集成，形成有机的统一体仍值得深入研究的技术问题，本发明是为了解决这一问题，提出一种基于数字孪生技术的化工厂区智能运维系统。
发明内容
本发明的主要目的在于提供一种基于数字孪生技术的化工厂区智能运维系统，能够有效解决背景技术中的问题：目前复杂产品运维与制造之间存在严重脱节，造成运维与制造信息可重用性低，制造数据不能有效的服务于运维，如何将处于同一条产业链上的运维与制造环节集成，形成有机的统一体仍值得深入研究的技术问题。
为实现上述目的，本发明采取的技术方案为：
一种基于数字孪生技术的化工厂区智能运维系统，包括运维显示模块、虚拟维护模块、数据采集模块、数据储存模块、数据预测模块、数据融合模块、故障判断模块、数据传输模块、现场维护模块和化工生产模块，所述运维显示模块和虚拟维护模块构成智能运维系统的虚拟空间端口，所述数据采集模块、数据储存模块、数据预测模块、数据融合模块、故障判断模块和数据传输模块构成智能运维系统的数据处理端口，所述现场维护模块和化工生产模块构成智能运维系统的现实生产端口；
所述现场维护模块用于对化工生产过程提供故障的维护和检修，所述化工生产模块用于提供化工生产，所述数据采集模块用于采集化工生产和现场维护过程中的数据信息，所述数据储存模块用于对数据采集模块采集的数据进行储存，所述数据预测模块用于将数据导入数据预测策略中进行故障的预测和危险的评估，所述数据融合模块用于将数据采集模块的数据进行数据融合，所述故障判断模块用于通过故障判断策略对故障数据进行判断，所述数据传输模块用于虚拟空间端口、数据处理端口和现实生产端口的数据传输，所述运维显示模块用于对现实生产端口的数据进行三维建模，建立化工生产和现场维护模型，所述虚拟维护模块用于依据获取到的现场维护模型，对需要维修的设备仿真建模，生成维护方案。
本发明进一步的改进在于，所述化工生产模块包括维修暂停单元、生产计划单元和生产控制单元，所述维修暂停单元用于在维修过程中暂停维修位置的化工生产，所述生产计划单元用于对设备的生产计划数据进行提取采集，所述生产控制单元用于根据设备的生产计划数据控制生产设备的运行。
本发明进一步的改进在于，所述现场维护模块包括维护进程采集单元和维护工序提示单元，所述维护进程采集单元用于对维护单元的维护进程数据进行采集，所述维护工序提示单元用于根据制定的维修方案进行维护工序的提醒。
本发明进一步的改进在于，所述数据采集模块包括气体数据采集单元、设备数据采集单元和人员位置采集单元，所述气体数据采集单元用于采集厂区大气中的气体含量数据信息，所述设备数据采集单元用于采集厂区设备运行数据，所述人员位置采集单元用于采集维修人员位置数据信息。
本发明进一步的改进在于，所述数据预测策略包括以下具体步骤：
S11、气体数据采集单元对厂区各位置的大气中的气体含量数据进行采集，对各个气体数据采集单元的有害气体危险值进行计算：
Figure SMS_1
，其中k为气体数据采集单元编号，n为有害气体种类数量，/>
Figure SMS_2
为k位置第i种有害气体的实际浓度，/>
Figure SMS_3
和
Figure SMS_4
为k位置第i种有害气体的安全浓度值的最大值和最小值，/>
Figure SMS_5
为安全范围值中最接近/>
Figure SMS_6
的值，对有害气体危险值最大的气体数据采集单元位置进行采集，位置设为
Figure SMS_7
；
S12、以
Figure SMS_8
为圆心，以两个气体数据采集单元之间的距离为半径画基准圆，从数据储存模块中找出基准圆内部的若干个以往故障点，将储存的以往故障点的有害气体数据与/>
Figure SMS_9
位置的有害气体采集数据导入余弦相似度计算公式中计算相似度，在储存的以往故障点中取相似度最大的点设为疑似故障点；
S13、提取位置为
Figure SMS_11
的采集点最近两次的有害气体浓度测量值序列，分别设为/>
Figure SMS_14
，/>
Figure SMS_16
，其中j为时刻，/>
Figure SMS_12
为种类，求/>
Figure SMS_13
种有害气体浓度的变化率，
Figure SMS_15
，/>
Figure SMS_17
为两次采集的间隔时间，查找距离疑似故障点最近的维修人员位置
Figure SMS_10
；
S14、求维修人员抵达疑似故障点，第
Figure SMS_18
种有害气体的浓度，计算公式为
Figure SMS_19
，/>
Figure SMS_20
为维修人员的前往疑似故障点的速度，将第/>
Figure SMS_21
种有害气体的浓度与事先设定的有害气体浓度预警表核对，进行预警级别的发布。
本发明进一步的改进在于，所述故障判断策略包括以下具体步骤：
S21、维修人员抵达疑似故障点，对疑似故障点的传输数据进行采集，同时对疑似故障点的各个组件数据进行采集；
S22、将疑似故障点的传输数据和组件数据，与其对应的安全范围对比，查找疑似故障点的危险数据，然后将危险数据与储存的以往该故障点故障原因的危险数据代入余弦相似度计算公式中计算余弦相似度；
S23、将计算得到的余弦相似度与提前设定的阈值进行对比，若计算得到的余弦相似度均小于提前设定的阈值，则该疑似故障点并非真实故障点，需要在S12步骤中找到相似度第二大的点设为疑似故障点，再次进行计算操作，依次类推，若计算得到的若干个余弦相似度均大于等于提前设定的阈值，取余弦相似度最大值的以往该故障点故障原因设为当前该故障点的故障原因。
本发明进一步的改进在于，所述虚拟维护模块中包括维护方案生成策略，所述维护方案生成策略包括以下具体步骤：
S31、将当前故障点的故障数据提取，计算故障点的危险程度，危险程度的计算公式为：
Figure SMS_22
，其中/>
Figure SMS_23
为故障数据的总项数，/>
Figure SMS_24
为故障数据的第m项实际检测值，/>
Figure SMS_25
为第m项故障数据的安全范围值，/>
Figure SMS_26
为第m项故障数据的安全范围值中最接近实际检测值的值；
S32、对附近维修人员和维护工具数据进行采集，提取维修人员的维修年限数据，提取其携带的维修工具的个数，求其维修值，距离故障点的第s位维修人员的维修值计算公式为：
Figure SMS_27
，其中/>
Figure SMS_28
为维修人员的维修年限，/>
Figure SMS_29
为距离故障点的第s位维修人员的携带的维修工具的个数；
S33、求维修比例值，
Figure SMS_30
，将维修比例值与事先设定的比例阈值进行对比，求维修比例值小于事先设定的比例阈值时，s的最小值/>
Figure SMS_31
，设为维修人数，向距离故障点最近的/>
Figure SMS_32
位维修人员发布维修命令。
与现有技术相比，本发明具有如下有益效果：
本发明通过气体数据采集单元对厂区各位置的大气中的气体含量数据进行采集，对各个采集单元的有害气体危险值进行计算，同时利用数据预测策略对疑似故障点进行快速查找，对维修人员抵达疑似故障点的有害气体的泄露浓度进行准确计算，以提高预警发布的准确性。
本发明通过维修人员抵达疑似故障点，对疑似故障点的传输数据进行采集，同时对疑似故障点的各个组件数据进行采集，将疑似故障点的传输数据和组件数据，与其对应的安全范围对比，查找疑似故障点的危险数据，然后将危险数据与储存的以往该故障点故障原因的危险数据代入余弦相似度计算公式中计算余弦相似度，对故障点原因进行快速查找识别，进一步提高了维护效率。
本发明通过将当前故障点的故障数据提取，计算故障点的危险程度，同时对附近维修人员和维护工具数据进行采集，提取维修人员的维修年限数据，提取其携带的维修工具的个数，求其维修值，进而准确计算维护该故障点的人员与设备，便于快速的对故障进行处理且节约维护资源。
附图说明
图1为本发明一种基于数字孪生技术的化工厂区智能运维系统的整体框架示意图。
图2为本发明一种基于数字孪生技术的化工厂区智能运维系统的化工生产模块示意图。
图3为本发明一种基于数字孪生技术的化工厂区智能运维系统的现场维护模块示意图。
图4为本发明一种基于数字孪生技术的化工厂区智能运维系统的数据采集模块示意图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“一号”、“二号”、“三号”仅用于描述目的，而不能理解为指示或暗示相对重要性。下面结合具体实施方式，进一步阐述本发明。
实施例1
本实施例提出了通过气体数据采集单元对厂区各位置的大气中的气体含量数据进行采集，对各个采集单元的有害气体危险值进行计算，同时利用数据预测策略对疑似故障点进行快速查找，对维修人员抵达疑似故障点的有害气体的泄露浓度进行准确计算，以提高预警发布的准确性，如图1-图4所示，一种基于数字孪生技术的化工厂区智能运维系统，包括运维显示模块、虚拟维护模块、数据采集模块、数据储存模块、数据预测模块、数据融合模块、故障判断模块、数据传输模块、现场维护模块和化工生产模块，运维显示模块和虚拟维护模块构成智能运维系统的虚拟空间端口，数据采集模块、数据储存模块、数据预测模块、数据融合模块、故障判断模块和数据传输模块构成智能运维系统的数据处理端口，现场维护模块和化工生产模块构成智能运维系统的现实生产端口；
现场维护模块用于对化工生产过程提供故障的维护和检修，化工生产模块用于提供化工生产，数据采集模块用于采集化工生产和现场维护过程中的数据信息，数据储存模块用于对数据采集模块采集的数据进行储存，数据预测模块用于将数据导入数据预测策略中进行故障的预测和危险的评估，数据融合模块用于将数据采集模块的数据进行数据融合，故障判断模块用于通过故障判断策略对故障数据进行判断，数据传输模块用于虚拟空间端口、数据处理端口和现实生产端口的数据传输，运维显示模块用于对现实生产端口的数据进行三维建模，建立化工生产和现场维护模型，虚拟维护模块用于依据获取到的现场维护模型，对需要维修的设备仿真建模，生成维护方案；
在本实施例中，化工生产模块包括维修暂停单元、生产计划单元和生产控制单元，维修暂停单元用于在维修过程中暂停维修位置的化工生产，生产计划单元用于对设备的生产计划数据进行提取采集，生产控制单元用于根据设备的生产计划数据控制生产设备的运行；
在本实施例中，现场维护模块包括维护进程采集单元和维护工序提示单元，维护进程采集单元用于对维护单元的维护进程数据进行采集，维护工序提示单元用于根据制定的维修方案进行维护工序的提醒，维护单元是维护人员和维护工具的统称；
在本实施例中，数据采集模块包括气体数据采集单元、设备数据采集单元和人员位置采集单元，气体数据采集单元用于采集厂区大气中的气体含量数据信息，设备数据采集单元用于采集厂区设备运行数据，人员位置采集单元用于采集维修人员位置数据信息；
在本实施例中，数据预测策略包括以下具体步骤：
S11、气体数据采集单元对厂区各位置的大气中的气体含量数据进行采集，对各个气体数据采集单元的有害气体危险值进行计算：
Figure SMS_33
，其中k为气体数据采集单元编号，n为有害气体种类数量，/>
Figure SMS_34
为k位置第i种有害气体的实际浓度，/>
Figure SMS_35
和
Figure SMS_36
为k位置第i种有害气体的安全浓度值的最大值和最小值，/>
Figure SMS_37
为安全范围值中最接近/>
Figure SMS_38
的值，对有害气体危险值最大的气体数据采集单元位置进行采集，位置设为
Figure SMS_39
；
S12、以
Figure SMS_40
为圆心，以两个气体数据采集单元之间的距离为半径画基准圆，从数据储存模块中找出基准圆内部的若干个以往故障点，将储存的以往故障点的有害气体数据与/>
Figure SMS_41
位置的有害气体采集数据导入余弦相似度计算公式中计算相似度，在储存的以往故障点中取相似度最大的点设为疑似故障点；
S13、提取位置为
Figure SMS_44
的采集点最近两次的有害气体浓度测量值序列，分别设为/>
Figure SMS_46
，/>
Figure SMS_48
，其中j为时刻，/>
Figure SMS_42
为种类，求/>
Figure SMS_45
种有害气体浓度的变化率，
Figure SMS_47
，/>
Figure SMS_49
为两次采集的间隔时间，查找距离疑似故障点最近的维修人员位置
Figure SMS_43
；
S14、求维修人员抵达疑似故障点，第
Figure SMS_50
种有害气体的浓度，计算公式为
Figure SMS_51
，/>
Figure SMS_52
为维修人员的前往疑似故障点的速度，将第/>
Figure SMS_53
种有害气体的浓度与事先设定的有害气体浓度预警表核对，进行预警级别的发布。
实施例2
本实施例在实施例1的基础上通过维修人员抵达疑似故障点，对疑似故障点的传输数据进行采集，同时对疑似故障点的各个组件数据进行采集，将疑似故障点的传输数据和组件数据，与其对应的安全范围对比，查找疑似故障点的危险数据，然后将危险数据与储存的以往该故障点故障原因的危险数据代入余弦相似度计算公式中计算余弦相似度，对故障点原因进行快速查找识别，进一步提高了维护效率，如图1-图4所示，一种基于数字孪生技术的化工厂区智能运维系统，包括运维显示模块、虚拟维护模块、数据采集模块、数据储存模块、数据预测模块、数据融合模块、故障判断模块、数据传输模块、现场维护模块和化工生产模块，运维显示模块和虚拟维护模块构成智能运维系统的虚拟空间端口，数据采集模块、数据储存模块、数据预测模块、数据融合模块、故障判断模块和数据传输模块构成智能运维系统的数据处理端口，现场维护模块和化工生产模块构成智能运维系统的现实生产端口；
现场维护模块用于对化工生产过程提供故障的维护和检修，化工生产模块用于提供化工生产，数据采集模块用于采集化工生产和现场维护过程中的数据信息，数据储存模块用于对采集的以往数据进行储存，数据预测模块用于将数据导入数据预测策略中进行故障的预测和危险的评估，数据融合模块用于将数据采集模块的数据进行数据融合，故障判断模块用于通过故障判断策略对故障数据进行判断，数据传输模块用于虚拟空间端口、数据处理端口和现实生产端口的数据传输，运维显示模块用于对现实生产端口的数据进行三维建模，建立化工生产和现场维护模型，所述虚拟维护模块用于依据获取到的现场维护模型，对需要维修的设备仿真建模，生成维护方案；
在本实施例中，化工生产模块包括维修暂停单元、生产计划单元和生产控制单元，维修暂停单元用于在维修过程中暂停维修位置的化工生产，生产计划单元用于对设备的生产计划数据进行提取采集，生产控制单元用于根据设备的生产计划数据控制生产设备的运行；
在本实施例中，现场维护模块包括维护进程采集单元和维护工序提示单元，维护进程采集单元用于对维护单元的维护进程数据进行采集，维护工序提示单元用于根据制定的维修方案进行维护工序的提醒，维护单元是维护人员和维护工具的统称；
在本实施例中，数据采集模块包括气体数据采集单元、设备数据采集单元和人员位置采集单元，气体数据采集单元用于采集厂区大气中的气体含量数据信息，设备数据采集单元用于采集厂区设备运行数据，人员位置采集单元用于采集维修人员位置数据信息；
在本实施例中，数据预测策略包括以下具体步骤：
S11、气体数据采集单元对厂区各位置的大气中的气体含量数据进行采集，对各个气体数据采集单元的有害气体危险值进行计算：
Figure SMS_54
，其中k为气体数据采集单元编号，n为有害气体种类数量，/>
Figure SMS_55
为k位置第i种有害气体的实际浓度，/>
Figure SMS_56
和
Figure SMS_57
为k位置第i种有害气体的安全浓度值的最大值和最小值，/>
Figure SMS_58
为安全范围值中最接近/>
Figure SMS_59
的值，对有害气体危险值最大的气体数据采集单元位置进行采集，位置设为
Figure SMS_60
；
S12、以
Figure SMS_61
为圆心，以两个气体数据采集单元之间的距离为半径画基准圆，从数据储存模块中找出基准圆内部的若干个以往故障点，将储存的以往故障点的有害气体数据与/>
Figure SMS_62
位置的有害气体采集数据导入余弦相似度计算公式中计算相似度，在储存的以往故障点中取相似度最大的点设为疑似故障点；
S13、提取位置为
Figure SMS_64
的采集点最近两次的有害气体浓度测量值序列，分别设为/>
Figure SMS_66
，/>
Figure SMS_68
，其中j为时刻，/>
Figure SMS_65
为种类，求/>
Figure SMS_67
种有害气体浓度的变化率，
Figure SMS_69
，/>
Figure SMS_70
为两次采集的间隔时间，查找距离疑似故障点最近的维修人员位置
Figure SMS_63
；
S14、求维修人员抵达疑似故障点，第
Figure SMS_71
种有害气体的浓度，计算公式为
Figure SMS_72
，/>
Figure SMS_73
为维修人员的前往疑似故障点的速度，将第/>
Figure SMS_74
种有害气体的浓度与事先设定的有害气体浓度预警表核对，进行预警级别的发布；
在本实施例中，故障判断策略包括以下具体步骤：
S21、维修人员抵达疑似故障点，对疑似故障点的传输数据进行采集，同时对疑似故障点的各个组件数据进行采集；
S22、将疑似故障点的传输数据和组件数据，与其对应的安全范围对比，查找疑似故障点的危险数据，然后将危险数据与储存的以往该故障点故障原因的危险数据代入余弦相似度计算公式中计算余弦相似度；
S23、将计算得到的余弦相似度与提前设定的阈值进行对比，若计算得到的余弦相似度均小于提前设定的阈值，则该疑似故障点并非真实故障点，需要在S12步骤中找到相似度第二大的点设为疑似故障点，再次进行计算操作，依次类推，若计算得到的若干个余弦相似度均大于等于提前设定的阈值，取余弦相似度最大值的以往该故障点故障原因设为当前该故障点的故障原因。
实施例3
本实施例在实施例2的基础上通过将当前故障点的故障数据提取，计算故障点的危险程度，同时对附近维修人员和维护工具数据进行采集，提取维修人员的维修年限数据，提取其携带的维修工具的个数，求其维修值，进而准确计算维护该故障点的人员与设备，便于快速的对故障进行处理且节约维护资源，如图1-图4所示，一种基于数字孪生技术的化工厂区智能运维系统，包括运维显示模块、虚拟维护模块、数据采集模块、数据储存模块、数据预测模块、数据融合模块、故障判断模块、数据传输模块、现场维护模块和化工生产模块，运维显示模块和虚拟维护模块构成智能运维系统的虚拟空间端口，数据采集模块、数据储存模块、数据预测模块、数据融合模块、故障判断模块和数据传输模块构成智能运维系统的数据处理端口，现场维护模块和化工生产模块构成智能运维系统的现实生产端口；
现场维护模块用于对化工生产过程提供故障的维护和检修，化工生产模块用于提供化工生产，数据采集模块用于采集化工生产和现场维护过程中的数据信息，数据储存模块用于对数据采集模块采集的数据进行储存，数据预测模块用于将数据导入数据预测策略中进行故障的预测和危险的评估，数据融合模块用于将数据采集模块的数据进行数据融合，故障判断模块用于通过故障判断策略对故障数据进行判断，数据传输模块用于虚拟空间端口、数据处理端口和现实生产端口的数据传输，运维显示模块用于对现实生产端口的数据进行三维建模，建立化工生产和现场维护模型，虚拟维护模块用于依据获取到的现场维护模型，对需要维修的设备仿真建模，生成维护方案；
在本实施例中，化工生产模块包括维修暂停单元、生产计划单元和生产控制单元，维修暂停单元用于在维修过程中暂停维修位置的化工生产，生产计划单元用于对设备的生产计划数据进行提取采集，生产控制单元用于根据设备的生产计划数据控制生产设备的运行；
在本实施例中，现场维护模块包括维护进程采集单元和维护工序提示单元，维护进程采集单元用于对维护单元的维护进程数据进行采集，维护工序提示单元用于根据制定的维修方案进行维护工序的提醒，维护单元是维护人员和维护工具的统称；
在本实施例中，数据采集模块包括气体数据采集单元、设备数据采集单元和人员位置采集单元，气体数据采集单元用于采集厂区大气中的气体含量数据信息，设备数据采集单元用于采集厂区设备运行数据，人员位置采集单元用于采集维修人员位置数据信息；
在本实施例中，数据预测策略包括以下具体步骤：
S11、气体数据采集单元对厂区各位置的大气中的气体含量数据进行采集，对各个气体数据采集单元的有害气体危险值进行计算：
Figure SMS_75
，其中k为气体数据采集单元编号，n为有害气体种类数量，/>
Figure SMS_76
为k位置第i种有害气体的实际浓度，/>
Figure SMS_77
和
Figure SMS_78
为k位置第i种有害气体的安全浓度值的最大值和最小值，/>
Figure SMS_79
为安全范围值中最接近/>
Figure SMS_80
的值，对有害气体危险值最大的气体数据采集单元位置进行采集，位置设为
Figure SMS_81
；
S12、以
Figure SMS_82
为圆心，以两个气体数据采集单元之间的距离为半径画基准圆，从数据储存模块中找出基准圆内部的若干个以往故障点，将储存的以往故障点的有害气体数据与/>
Figure SMS_83
位置的有害气体采集数据导入余弦相似度计算公式中计算相似度，在储存的以往故障点中取相似度最大的点设为疑似故障点；
S13、提取位置为
Figure SMS_85
的采集点最近两次的有害气体浓度测量值序列，分别设为/>
Figure SMS_87
，/>
Figure SMS_89
，其中j为时刻，/>
Figure SMS_86
为种类，求/>
Figure SMS_88
种有害气体浓度的变化率，
Figure SMS_90
，/>
Figure SMS_91
为两次采集的间隔时间，查找距离疑似故障点最近的维修人员位置
Figure SMS_84
；
S14、求维修人员抵达疑似故障点，第
Figure SMS_92
种有害气体的浓度，计算公式为
Figure SMS_93
，/>
Figure SMS_94
为维修人员的前往疑似故障点的速度，将第/>
Figure SMS_95
种有害气体的浓度与事先设定的有害气体浓度预警表核对，进行预警级别的发布；
在本实施例中，故障判断策略包括以下具体步骤：
S21、维修人员抵达疑似故障点，对疑似故障点的传输数据进行采集，同时对疑似故障点的各个组件数据进行采集；
S22、将疑似故障点的传输数据和组件数据，与其对应的安全范围对比，查找疑似故障点的危险数据，然后将危险数据与储存的以往该故障点故障原因的危险数据代入余弦相似度计算公式中计算余弦相似度；
S23、将计算得到的余弦相似度与提前设定的阈值进行对比，若计算得到的余弦相似度均小于提前设定的阈值，则该疑似故障点并非真实故障点，需要在S12步骤中找到相似度第二大的点设为疑似故障点，再次进行计算操作，依次类推，若计算得到的若干个余弦相似度均大于等于提前设定的阈值，取余弦相似度最大值的以往该故障点故障原因设为当前该故障点的故障原因；
在本实施例中，虚拟维护模块中包括维护方案生成策略，维护方案生成策略包括以下具体步骤：
S31、将当前故障点的故障数据提取，计算故障点的危险程度，危险程度的计算公式为：
Figure SMS_96
，其中/>
Figure SMS_97
为故障数据的总项数，/>
Figure SMS_98
为故障数据的第m项实际检测值，/>
Figure SMS_99
为第m项故障数据的安全范围值，/>
Figure SMS_100
为第m项故障数据的安全范围值中最接近实际检测值的值；
S32、对附近维修人员和维护工具数据进行采集，提取维修人员的维修年限数据，提取其携带的维修工具的个数，求其维修值，距离故障点的第s位维修人员的维修值计算公式为：
Figure SMS_101
，其中/>
Figure SMS_102
为维修人员的维修年限，/>
Figure SMS_103
为距离故障点的第s位维修人员的携带的维修工具的个数；
S33、求维修比例值，
Figure SMS_104
，将维修比例值与事先设定的比例阈值进行对比，求维修比例值小于事先设定的比例阈值时，s的最小值/>
Figure SMS_105
，设为维修人数，向距离故障点最近的/>
Figure SMS_106
位维修人员发布维修命令。
重要的是，应注意，在多个不同示例性实施方案中示出的本发明的构造和布置仅是例示性的。尽管在此公开内容中仅详细描述了几个实施方案，但参阅此公开内容的人员应容易理解，在实质上不偏离该发明中所描述的主题的新颖教导和优点的前提下，许多改型是可能的（例如，各种元件的尺寸、尺度、结构、形状和比例、以及参数值（例如，温度、压力等）、安装布置、材料的使用、颜色、定向的变化等）。例如，示出为整体成形的元件可以由多个部分或元件构成，元件的位置可被倒置或以其它方式改变，并且分立元件的性质或数目或位置可被更改或改变。因此，所有这样的改型旨在被包含在本发明的范围内。可以根据替代的实施方案改变或重新排序任何过程或方法步骤的次序或顺序。在权利要求中，任何“装置加功能”的条款都旨在覆盖在本发明中所描述的执行所述功能的结构，且不仅是结构等同而且还是等同结构。在不背离本发明的范围的前提下，可以在示例性实施方案的设计、运行状况和布置中做出其他替换、改型、改变和省略。因此，本发明不限制于特定的实施方案，而是扩展至仍落在所附的权利要求书的范围内的多种改型。
此外，为了提供示例性实施方案的简练描述，可以不描述实际实施方案的所有特征（即，与当前考虑的执行本发明的最佳模式不相关的那些特征，或与实现本发明不相关的那些特征）。
应理解的是，在任何实际实施方式的开发过程中，如在任何工程或设计项目中，可做出大量的具体实施方式决定。这样的开发努力可能是复杂的且耗时的，但对于那些得益于此公开内容的普通技术人员来说，不需要过多实验，所述开发努力将是一个设计、制造和生产的常规工作。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (3)

1.一种基于数字孪生技术的化工厂区智能运维系统，其特征在于：包括运维显示模块、虚拟维护模块、数据采集模块、数据储存模块、数据预测模块、数据融合模块、故障判断模块、数据传输模块、现场维护模块和化工生产模块，所述运维显示模块和虚拟维护模块构成智能运维系统的虚拟空间端口，所述数据采集模块、数据储存模块、数据预测模块、数据融合模块、故障判断模块和数据传输模块构成智能运维系统的数据处理端口，所述现场维护模块和化工生产模块构成智能运维系统的现实生产端口；
所述现场维护模块用于对化工生产过程提供故障的维护和检修，所述化工生产模块用于提供化工生产，所述数据采集模块用于采集化工生产和现场维护过程中的数据信息，所述数据储存模块用于对数据采集模块采集的数据进行储存，所述数据预测模块用于将数据导入数据预测策略中进行故障的预测和危险的评估，所述数据融合模块用于将数据采集模块的数据进行数据融合，所述故障判断模块用于通过故障判断策略对故障数据进行判断，所述数据传输模块用于虚拟空间端口、数据处理端口和现实生产端口的数据传输，所述运维显示模块用于对现实生产端口的数据进行三维建模，建立化工生产和现场维护模型，所述虚拟维护模块用于依据获取到的现场维护模型，对需要维修的设备仿真建模，生成维护方案；所述化工生产模块包括维修暂停单元、生产计划单元和生产控制单元，所述维修暂停单元用于在维修过程中暂停维修位置的化工生产，所述生产计划单元用于对设备的生产计划数据进行提取采集，所述生产控制单元用于根据设备的生产计划数据控制生产设备的运行；所述现场维护模块包括维护进程采集单元和维护工序提示单元，所述维护进程采集单元用于对维护单元的维护进程数据进行采集，所述维护工序提示单元用于根据制定的维修方案进行维护工序的提醒；所述数据采集模块包括气体数据采集单元、设备数据采集单元和人员位置采集单元，所述气体数据采集单元用于采集厂区大气中的气体含量数据信息，所述设备数据采集单元用于采集厂区设备运行数据，所述人员位置采集单元用于采集维修人员位置数据信息；所述数据预测策略包括以下具体步骤：
S11、气体数据采集单元对厂区各位置的大气中的气体含量数据进行采集，对各个气体数据采集单元的有害气体危险值进行计算：
Figure QLYQS_1
，其中k为气体数据采集单元编号，n为有害气体种类数量，/>
Figure QLYQS_2
为k位置第i种有害气体的实际浓度，/>
Figure QLYQS_3
和/>
Figure QLYQS_4
为k位置第i种有害气体的安全浓度值的最大值和最小值，/>
Figure QLYQS_5
为安全范围值中最接近/>
Figure QLYQS_6
的值，对有害气体危险值最大的气体数据采集单元位置进行采集，位置设为/>
Figure QLYQS_7
；
S12、以
Figure QLYQS_8
为圆心，以两个气体数据采集单元之间的距离为半径画基准圆，从数据储存模块中找出基准圆内部的若干个以往故障点，将储存的以往故障点的有害气体数据与/>
Figure QLYQS_9
位置的有害气体采集数据导入余弦相似度计算公式中计算相似度，在储存的以往故障点中取相似度最大的点设为疑似故障点；
S13、提取位置为
Figure QLYQS_12
的采集点最近两次的有害气体浓度测量值序列，分别设为/>
Figure QLYQS_13
，/>
Figure QLYQS_15
，其中j为时刻，/>
Figure QLYQS_10
为种类，求/>
Figure QLYQS_14
种有害气体浓度的变化率，
Figure QLYQS_16
，/>
Figure QLYQS_17
为两次采集的间隔时间，查距离疑似故障点最近的维修人员位置
Figure QLYQS_11
；
S14、求维修人员抵达疑似故障点，第
Figure QLYQS_18
种有害气体的浓度，计算公式为
Figure QLYQS_19
，/>
Figure QLYQS_20
为维修人员的前往疑似故障点的速度，将第/>
Figure QLYQS_21
种有害气体的浓度与事先设定的有害气体浓度预警表核对，进行预警级别的发布。
2.根据权利要求1所述的一种基于数字孪生技术的化工厂区智能运维系统，其特征在于：所述故障判断策略包括以下具体步骤：
S21、维修人员抵达疑似故障点，对疑似故障点的传输数据进行采集，同时对疑似故障点的各个组件数据进行采集；
S22、将疑似故障点的传输数据和组件数据，与其对应的安全范围对比，查找疑似故障点的危险数据，然后将危险数据与储存的以往该故障点故障原因的危险数据代入余弦相似度计算公式中计算余弦相似度；
S23、将计算得到的余弦相似度与提前设定的阈值进行对比，若计算得到的余弦相似度均小于提前设定的阈值，则该疑似故障点并非真实故障点，需要在S12步骤中找到相似度第二大的点设为疑似故障点，再次进行计算操作，依次类推，若计算得到的若干个余弦相似度均大于等于提前设定的阈值，取余弦相似度最大值的以往该故障点故障原因设为当前该故障点的故障原因。
3.根据权利要求2所述的一种基于数字孪生技术的化工厂区智能运维系统，其特征在于：所述虚拟维护模块中包括维护方案生成策略，所述维护方案生成策略包括以下具体步骤：
S31、将当前故障点的故障数据提取，计算故障点的危险程度，危险程度的计算公式为：
Figure QLYQS_22
，其中/>
Figure QLYQS_23
为故障数据的总项数，/>
Figure QLYQS_24
为故障数据的第m项实际检测值，/>
Figure QLYQS_25
为第m项故障数据的安全范围值，/>
Figure QLYQS_26
为第m项故障数据的安全范围值中最接近实际检测值的值；
S32、对附近维修人员和维护工具数据进行采集，提取维修人员的维修年限数据，提取其携带的维修工具的个数，求其维修值，距离故障点的第s位维修人员的维修值计算公式为：
Figure QLYQS_27
，其中/>
Figure QLYQS_28
为维修人员的维修年限，/>
Figure QLYQS_29
为距离故障点的第s位维修人员的携带的维修工具的个数；
S33、求维修比例值，
Figure QLYQS_30
，将维修比例值与事先设定的比例阈值进行对比，求维修比例值小于事先设定的比例阈值时，s的最小值/>
Figure QLYQS_31
，设为维修人数，向距离故障点最近的
Figure QLYQS_32
位维修人员发布维修命令。
CN202310372554.3A 2023-04-10 2023-04-10 一种基于数字孪生技术的化工厂区智能运维系统 Active CN116109010B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310372554.3A CN116109010B (zh) 2023-04-10 2023-04-10 一种基于数字孪生技术的化工厂区智能运维系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310372554.3A CN116109010B (zh) 2023-04-10 2023-04-10 一种基于数字孪生技术的化工厂区智能运维系统

Publications (2)

Publication Number Publication Date
CN116109010A CN116109010A (zh) 2023-05-12
CN116109010B true CN116109010B (zh) 2023-07-04

Family

ID=86267556

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310372554.3A Active CN116109010B (zh) 2023-04-10 2023-04-10 一种基于数字孪生技术的化工厂区智能运维系统

Country Status (1)

Country Link
CN (1) CN116109010B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116823233B (zh) * 2023-08-30 2023-11-07 青岛巨商汇网络科技有限公司 一种基于全周期运维的用户数据处理方法及系统
CN117151694A (zh) * 2023-09-15 2023-12-01 北京中瀚润淇科技有限公司 一种基于数字孪生的智能运维系统

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019036889A1 (zh) * 2017-08-22 2019-02-28 深圳瀚飞科技开发有限公司 基于 stm32 的化工厂环境检测系统和检测方法
CN109696210A (zh) * 2019-02-19 2019-04-30 谢桂芬 一种化工工厂用环境监测系统及使用方法
CN115039045A (zh) * 2019-11-25 2022-09-09 强力物联网投资组合2016有限公司 用于工业环境的智能振动数字孪生系统和方法
KR20210121354A (ko) * 2020-03-27 2021-10-08 주식회사 포비드림 유해 가스 경보기
CN111539583B (zh) * 2020-05-13 2023-10-24 中国电子科技集团公司第十四研究所 一种基于数字孪生的生产过程仿真优化方法
CN212809284U (zh) * 2020-07-31 2021-03-26 杨宝雄 一种基于物联网的化工园区/厂智能化建设架构
CN112800668A (zh) * 2021-01-20 2021-05-14 西安科技大学 基于数字孪生的复杂产品运维与制造集成总体模型
CN113887016A (zh) * 2021-09-07 2022-01-04 中船智能科技(上海)有限公司 一种基于数字孪生的船舶数字化车间仿真方法与系统
CN114003998A (zh) * 2021-11-05 2022-02-01 浙江东南网架股份有限公司 基于数字孪生技术的钢结构数字化工厂协同系统及方法
CN114254061A (zh) * 2021-12-20 2022-03-29 常州机电职业技术学院 化工企业安全生产信息化管理平台及系统、工作方法
CN115437528A (zh) * 2022-08-11 2022-12-06 浙江大学 基于数字孪生的化工流程模拟器及其构建方法
CN115761147A (zh) * 2022-12-12 2023-03-07 中智科技集团有限公司西南分公司 一种化工厂可视化系统及方法

Also Published As

Publication number Publication date
CN116109010A (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
CN116109010B (zh) 一种基于数字孪生技术的化工厂区智能运维系统
CN112330490B (zh) 一种智慧水务综合信息处理平台
CN113419492A (zh) 基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统
CN205942398U (zh) 一种设备远程监控系统
CN116107280B (zh) 一种用于多维可视化管理的数字孪生工厂控制系统
CN110930262A (zh) 一种突发事件电力应急处置现场全域监测信息交互支撑前置服务系统及方法
CN116708510B (zh) 一种煤矿多灾害耦合环境下采集数据的处理方法及其系统
CN110737231A (zh) 一种基于物联网与三维可视化技术的管廊监测系统
CN109272162A (zh) 一种基于燃爆指数的安防预测系统及方法
CN113267601B (zh) 一种基于机器视觉和数据分析的工业生产环境远程实时监测云平台
CN110208028A (zh) 基于粉尘浓度的混凝土生产设备在线故障检测方法及系统
CN117391451A (zh) 一种钢铁数字化安全管控系统
CN116026418A (zh) 一种用于石油化工的碳排放核查在线监测系统
CN106708786A (zh) 一种基于传感器检测的铁塔问题严重程度计算方法及系统
CN113592360B (zh) 电力高空作业大风预警方法及系统
CN115587155A (zh) 一种基于gis的地质数据呈现方法及系统
CN115578841A (zh) 基于Z-score模型的盾构异常数据检测方法及系统
CN111624985B (zh) 燃气轮机控制系统传感器故障诊断方法
CN205310239U (zh) 一种用于石化危险环境的搜救探测机器人
CN112488873A (zh) 一种供用电设备健康码及状态轨迹智能挖掘构建方法
CN113869712A (zh) 一种规模化工业气体生产智能系统
CN115375151B (zh) 一种井下施工的作业人员安全调度方法
CN110414606A (zh) 输电线路通道可视化告警区域划分数量的确定方法
CN220526358U (zh) 一种基于ar眼镜的煤矿下智能化作业指导及监测系统
CN117952440B (zh) 化工园区生产环境监管方法及系统

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
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: An Intelligent Operation and Maintenance System for Chemical Plants Based on Digital Twin Technology

Granted publication date: 20230704

Pledgee: Nanjing Bank Co.,Ltd. Nanjing North Branch

Pledgor: Nanjing qiangsi Digital Technology Co.,Ltd.

Registration number: Y2024980004343

PE01 Entry into force of the registration of the contract for pledge of patent right