CN116187725B - 一种用于锻造自动线的锻造设备管理系统 - Google Patents
一种用于锻造自动线的锻造设备管理系统 Download PDFInfo
- Publication number
- CN116187725B CN116187725B CN202310472071.0A CN202310472071A CN116187725B CN 116187725 B CN116187725 B CN 116187725B CN 202310472071 A CN202310472071 A CN 202310472071A CN 116187725 B CN116187725 B CN 116187725B
- Authority
- CN
- China
- Prior art keywords
- maintenance
- equipment
- forging
- data
- forging equipment
- 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
- 238000005242 forging Methods 0.000 title claims abstract description 201
- 238000012423 maintenance Methods 0.000 claims abstract description 170
- 238000007726 management method Methods 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims description 39
- 238000011156 evaluation Methods 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 27
- 239000000463 material Substances 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 15
- 230000000007 visual effect Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 238000013468 resource allocation Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 12
- 238000013210 evaluation model Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 7
- 238000013136 deep learning model Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000007769 metal material Substances 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 33
- 230000008439 repair process Effects 0.000 abstract description 8
- 241001391944 Commicarpus scandens Species 0.000 abstract description 2
- 238000013523 data management Methods 0.000 abstract description 2
- 230000002596 correlated effect Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000007418 data mining Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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]
- G05B19/41875—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 quality surveillance of production
-
- 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
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Forging (AREA)
Abstract
本发明涉及数据管理技术领域，具体公开了一种用于锻造自动线的锻造设备管理系统，包括数据采集模块、数据处理模块、锻造设备集成管理模块、故障预测维修模块以及用户可视化界面。由于锻造设备使用频繁，容易发生故障，需要实时采集各设备的工作数据，因此本发明提出一种用于锻造自动线的锻造设备管理系统，通过分析设备数据，提前预测各设备可能出现的故障，实现设备间的信息共享和交互，并及时进行维护和修理。本发明能够减少生产时间和成本，实现设备的最优化运作，提高生产效率和质量，同时通过预测设备可能出现的故障，能够提前进行维护和修理，减少维护成本和停机时间。
Description
技术领域
本发明涉及数据管理技术领域，更具体地说，本发明涉及一种用于锻造自动线的锻造设备管理系统。
背景技术
在现代制造业中，锻造设备是非常重要的设备之一，它可以对各种材料进行加工，制造出各种不同形状的零部件和产品。随着制造业的发展，传统的手工锻造已经无法满足高效率、高精度的生产要求，因此，锻造自动线成为制造业中锻造加工的主流方式。锻造自动线由锤击式锻造机、摆式锻造机、液压式锻造机、液压锻造机及自动锻造机多台锻造设备组成，需要对这些设备进行统一管理，协调各设备之间的配合，以提高生产效率和质量。
由于锻造设备使用频繁，容易发生故障，需要实时采集各设备的工作数据，因此本发明提出一种用于锻造自动线的锻造设备管理系统，通过分析设备数据，提前预测各设备可能出现的故障，实现设备间的信息共享和交互，并及时进行维护和修理。本发明能够有效提高生产效率和质量，减少生产时间和成本，实现设备的最优化运作，提高生产效率和质量，同时通过预测设备可能出现的故障，能够提前进行维护和修理，减少维护成本和停机时间。
为解决以上问题，现提出一种技术方案。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供一种用于锻造自动线的锻造设备管理系统，通过分析设备数据，提前预测各设备可能出现的故障，实现设备间的信息共享和交互，并及时进行维护和修理。本发明能够有效提高生产效率和质量，减少生产时间和成本，实现设备的最优化运作，提高生产效率和质量，同时通过预测设备可能出现的故障，能够提前进行维护和修理，减少维护成本和停机时间，以解决上述背景技术中提出的问题。
本发明的目的可以通过采用如下技术方案达到：
一种用于锻造自动线的锻造设备管理系统，包括数据采集模块、数据处理模块、锻造设备集成管理模块、故障预测维修模块以及用户可视化界面，数据采集模块与数据处理模块相连，数据处理模块与锻造设备集成管理模块相连，锻造设备集成管理模块与故障预测维修模块相连，故障预测维修模块与用户可视化界面相连，
数据采集模块：通过在各设备上安装传感器实时采集设备状态和工作负荷，将采集到的数据传输到数据处理模块；
数据处理模块：数据处理模块进行数据处理和分析，实现对设备状态和工作负荷的实时监控和管理，将处理后的数据存储到锻造设备数据库中；
锻造设备集成管理模块：利用网络传输设备将采集到的设备数据传输到数据中心，在数据中心进行数据处理和分析，实现设备之间的信息共享和交互以及设备调度和故障维修功能，设备控制终端可以对设备进行控制和监控，实现对设备的集中管理和协调；
故障预测维修模块：将锻造设备数据库中的数据传输到故障预测维修模块中的数据处理器，故障预测维修模块中的数据处理器通过数据挖掘技术对采集到的数据进行分析，实现故障预测和维修功能，并利用维修工具根据故障预测和维修信息对设备进行维修和保养；
用户可视化界面：用户可视化界面支持用户查询设备状态、维修历史记录等信息，并可向用户推荐优化设备运行的策略，用户可以通过该界面方便地了解设备的运行状况和维修情况。
作为本发明的进一步方案，锻造设备集成管理模块包括数据处理、数据特征提取、建立锻造设备管理模型以及预测维修模型，具体步骤为：
数据处理：采集锻造设备的温度、电流、振动频率及其他影响因素，生成锻造设备影响因子数据集，并通过去除噪声和归一化进行数据预处理；
数据特征提取：特征提取模块包括一个卷积层和一个全连接层，在卷积层中利用卷积神经网络引入Sigmoid激活函数提取出特征H，将特征H输入至全连接层，获得具有多样的代表性的特征数据；
建立锻造设备管理模型：锻造设备管理模型包括数据分析、锻造设备数据特征提取、锻造设备管理训练以及锻造设备管理评估，采用深度学习模型对分析后的数据进行训练，生成管理模型参数，并对新的数据进行分类和预测；
预测维修模型：根据深度学习模型的预测结果，对设备进行故障预测和维修，针对存在故障的设备，自动生成维修计划，同时根据历史维修数据，自动推荐最优的维修方案。
作为本发明的进一步方案，通过去除噪声和归一化进行数据预处理，采用高斯滤波去除噪声，将锻造设备的温度、电流、振动频率及其他影响因素进行标准化处理，计算锻造设备影响因子数据集的均值和标准差，标准化处理公式为：
；
式中：为原始数据，/>为锻造设备影响因子数据集的均值，/>为锻造设备影响因子数据集的标准差；
归一化处理公式为：
；
式中：为处理后的数据，/>为锻造设备影响因子数据集的最大值，/>为锻造设备影响因子数据集的最小值。
作为本发明的进一步方案，建立锻造设备管理模型包括数据分析、锻造设备数据特征提取、锻造设备管理训练以及锻造设备管理评估，具体步骤为：
步骤A1，数据分析：将锻造设备影响因子数据集再次进行预处理，包括标准化和归一化；
步骤A2，锻造设备数据特征提取：利用机器学习算法对预处理后的数据进行特征提取；
步骤A3，锻造设备管理训练：根据特征提取后锻造设备影响因子数据集，利用深度学习算法训练锻造设备需要维修度评估模型，锻造设备影响因子数据集包括锻造设备的温度、电流、振动频率及其他影响因素；
步骤A4，锻造设备管理评估：根据锻造设备管理训练的锻造设备需要维修度评估模型进行评估，其中，锻造设备的温度与锻造设备需要维修度正相关，电流与锻造设备需要维修度正相关，振动频率与锻造设备需要维修度正相关，其他影响因素与锻造设备需要维修度正相关，锻造设备需要维修度评估模型为：
；
式中，为锻造设备需要维修度，/>为锻造设备的温度，/>为电流，/>为振动频率，/>为数据采集模块采集的其他影响因素。
作为本发明的进一步方案，故障预测维修模块在锻造设备集成管理模块评估出存在故障的设备后，故障预测维修模块将生成相应的维修计划，具体步骤包括：
Z1.生成维修任务清单，维修任务清单包括设备名称、故障类型、维修人员信息；
Z2.根据维修任务清单分配维修人员和调度维修设备；
Z3.准备维修材料和工具，并进行培训和指导；
Z4.记录维修过程中的操作和结果，并跟踪和评估维修效果。
作为本发明的进一步方案，评估维修效果通过对维修型参数、维修材料指标、设备维修的紧急程度、维修人员的能力指标以及资源分配率建立评估模型，评估维修效果评估模型为：
；
式中，为维修型参数，/>为维修材料指标，/>为设备维修的紧急程度，/>为维修人员的能力指标，/>为资源分配率。
维修型参数、维修材料指标、设备维修的紧急程度、维修人员的能力指标以及资源分配率具体为：维修型参数为检测出锻造设备需要维修量，维修材料指标为锻造设备维修时需要使用的不同材料数量，设备维修的紧急程度为锻造设备维修时的紧急程度，维修人员的能力指标为锻造设备维修工人的能力水平，资源分配率为锻造设备加工金属材料的均衡配比，避免一台设备加工过多或过少的情况。
作为本发明的进一步方案，用户可视化界面根据评估结果进行调整，再对各项评估指标进行线性变换，然后对线性变换后的各项评估指标进行标准化、正则化，再将标准化和正则化后的参数作为自变量带入函数，根据函数值对锻造自动线的锻造设备损坏程度进行分级评估，其中各项评估指标线性变换公式为：
；
式中，为各项评估指标的线性变换值，/>为扩增度，/>为调整值，/>以及/>由数值软件根据历史记录数据进行数值计算获得。
作为本发明的进一步方案，对锻造自动线的锻造设备损坏程度进行分级评估的方式为：
当时，锻造自动线的锻造设备损坏程度为一级；
当时，锻造自动线的锻造设备损坏程度为二级。
本发明的有益技术效果：按照本发明提出的一种用于锻造自动线的锻造设备管理系统，通过分析设备数据，提前预测各设备可能出现的故障，实现设备间的信息共享和交互，并及时进行维护和修理。本发明能够有效提高生产效率和质量，减少生产时间和成本，实现设备的最优化运作，提高生产效率和质量，同时通过预测设备可能出现的故障，能够提前进行维护和修理，减少维护成本和停机时间。
附图说明
图1为按照本发明的一种用于锻造自动线的锻造设备管理系统的整体结构示意图。
具体实施方式
为使本领域技术人员更加清楚和明确本发明的技术方案，下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
如图1所示，本实施例提供的一种用于锻造自动线的锻造设备管理系统，包括数据采集模块、数据处理模块、锻造设备集成管理模块、故障预测维修模块以及用户可视化界面，数据采集模块与数据处理模块相连，数据处理模块与锻造设备集成管理模块相连，锻造设备集成管理模块与故障预测维修模块相连，故障预测维修模块与用户可视化界面相连；
数据采集模块：通过在各设备上安装传感器实时采集设备状态和工作负荷，将采集到的数据传输到数据处理模块；
数据处理模块：数据处理模块进行数据处理和分析，实现对设备状态和工作负荷的实时监控和管理，将处理后的数据存储到锻造设备数据库中；
锻造设备集成管理模块：利用网络传输设备将采集到的设备数据传输到数据中心，在数据中心进行数据处理和分析，实现设备之间的信息共享和交互以及设备调度和故障维修功能，设备控制终端可以对设备进行控制和监控，实现对设备的集中管理和协调；
故障预测维修模块：将锻造设备数据库中的数据传输故障预测维修模块中的数据处理器，故障预测维修模块中的数据处理器通过数据挖掘技术对采集到的数据进行分析，实现故障预测和维修功能，并利用维修工具根据故障预测和维修信息对设备进行维修和保养；
用户可视化界面：用户可视化界面支持用户查询设备状态、维修历史记录等信息，并可向用户推荐优化设备运行的策略，用户可以通过该界面方便地了解设备的运行状况和维修情况。
通过数据采集和处理，实现了对设备状态和工作负荷信息的实时监控和管理，不仅提高了生产管理的效率和精度，实现了设备之间的信息共享和交互，并且优化了设备调度和故障维修流程，提高了生产效率和质量。通过故障预测和维修等功能可以提前发现设备问题，减少生产停机时间，实现了对设备的故障预测和维修等功能，有效提高了设备的可靠性和稳定性，降低了设备维修成本，提高了生产成本效益。
锻造设备集成管理模块包括数据处理、数据特征提取、建立锻造设备管理模型以及预测维修模型，具体步骤为：
数据处理：采集锻造设备的温度、电流、振动频率及其他影响因素，生成锻造设备影响因子数据集，并通过去除噪声和归一化进行数据预处理；
数据特征提取：特征提取模块包括一个卷积层和一个全连接层，在卷积层中利用卷积神经网络引入Sigmoid激活函数提取出特征H，将特征H输入至全连接层，获得具有多样的代表性的特征数据；
建立锻造设备管理模型：锻造设备管理模型包括数据分析、锻造设备数据特征提取、锻造设备管理训练以及锻造设备管理评估，采用深度学习模型对分析后的数据进行训练，生成管理模型参数，并对新的数据进行分类和预测；
预测维修模型：根据深度学习模型的预测结果，对设备进行故障预测和维修，针对存在故障的设备，自动生成维修计划，同时根据历史维修数据，自动推荐最优的维修方案。
基于深度学习等人工智能技术，提高了故障预测和维修的准确度和可靠性，同时可适应多样化的设备和工艺，能够处理大量数据，具有较好的普适性和扩展性，且本发明可自动生成维修计划并推荐最优的维修方案，有效提高了设备维修的效率和质量。
通过去除噪声和归一化进行数据预处理，采用高斯滤波去除噪声，将锻造设备的温度、电流、振动频率及其他影响因素进行标准化处理，计算锻造设备影响因子数据集的均值和标准差，标准化处理公式为：
；
式中：为原始数据，/>为锻造设备影响因子数据集的均值，/>为锻造设备影响因子数据集的标准差；
归一化处理公式为：
；
式中：为处理后的数据，/>为锻造设备影响因子数据集的最大值，/>为锻造设备影响因子数据集的最小值。
对采集到的锻造设备影响因子数据集进行去除噪声和归一化处理，以保证数据的完整性和准确性。
建立锻造设备管理模型包括数据分析、锻造设备数据特征提取、锻造设备管理训练以及锻造设备管理评估，具体步骤为：
步骤A1，数据分析：将锻造设备影响因子数据集再次进行预处理，包括标准化和归一化；
步骤A2，锻造设备数据特征提取：利用机器学习算法对预处理后的数据进行特征提取；
步骤A3，锻造设备管理训练：根据特征提取后锻造设备影响因子数据集，利用深度学习算法训练锻造设备需要维修度评估模型，锻造设备影响因子数据集包括锻造设备温度、电流、振动频率及其他影响因素；
步骤A4，锻造设备管理评估：根据锻造设备管理训练的锻造设备需要维修度评估模型进行评估，其中，锻造设备的温度与锻造设备需要维修度正相关，电流与锻造设备需要维修度正相关，振动频率与锻造设备需要维修度正相关，其他影响因素与锻造设备需要维修度正相关，锻造设备需要维修度评估模型为：
；
式中，为锻造设备需要维修度，/>为锻造设备的温度，/>为电流，/>为振动频率，/>为其他影响因素。
通过建立锻造设备需要维修度评估模型，对锻造设备的温度、电流、振动频率及其他影响因素建立评估模型进行评估，实现对锻造设备的有效控制，以保证锻造生产线上的锻造设备以更高的效率和产量运作。
故障预测维修模块在锻造设备集成管理模块评估出存在故障的设备后，故障预测维修模块将生成相应的维修计划，具体步骤包括：
Z1.生成维修任务清单，维修任务清单包括设备名称、故障类型、维修人员信息；
Z2.根据维修任务清单分配维修人员和调度维修设备；
Z3.准备维修材料和工具，并进行培训和指导；
Z4.记录维修过程中的操作和结果，并跟踪和评估维修效果。
作为本发明的进一步方案，评估维修效果通过对维修型参数、维修材料指标、设备维修的紧急程度、维修人员的能力指标以及资源分配率建立评估模型，评估维修效果评估模型为：
；
式中，为维修型参数，/>为维修材料指标，/>为设备维修的紧急程度，/>为维修人员的能力指标，/>为资源分配率。
其中，维修型参数、维修材料指标、设备维修的紧急程度、维修人员的能力指标以及资源分配率具体为：维修型参数为检测出锻造设备需要维修量，维修材料指标为锻造设备维修时需要使用的不同材料数量，设备维修的紧急程度为锻造设备维修时的紧急程度，维修人员的能力指标为锻造设备维修工人的能力水平，资源分配率为锻造设备加工金属材料的均衡配比，避免一台设备加工过多或过少的情况。
用户可视化界面根据评估结果进行调整，再对各项评估指标进行线性变换，然后对线性变换后的各项评估指标进行标准化、正则化，再将标准化和正则化后的参数作为自变量带入函数，根据函数值对锻造自动线的锻造设备损坏程度进行分级评估，其中各项评估指标线性变换公式为：
；
式中，为各项评估指标的线性变换值，/>为扩增度，/>为调整值，/>以及/>由数值软件根据历史记录数据进行数值计算获得。
用户可视化界面操作简便友好，能够直观的反映出锻造设备所处的状态，不仅具备高度的智能化和自动化特点，而且能够较好地适应不同的设备和工艺，提高了用户体验和使用效果。
对锻造自动线的锻造设备损坏程度进行分级评估的方式为：
当时，锻造自动线的锻造设备损坏程度为一级；
当时，锻造自动线的锻造设备损坏程度为二级。
在本实施例中，通过对所有设备的状态、工作负荷、运行效率等信息的全面监控和管理，使得生产过程得以更加精细化和高效化。系统采用了数据挖掘、机器学习等先进的技术手段，能够对设备进行智能分析和判断，提高了设备的智能化水平，进一步降低了生产过程中的出错率。并且本发明不仅可以对单个设备进行管理，还可以对不同设备之间的协同配合进行管理和控制，确保整个生产过程的高效和稳定。同时，实时监测设备的运行情况，发现并及时处理可能引起生产安全隐患的因素，提高了生产过程的安全性。
在本实施例中，通过本发明所采集的数据，可以对生产过程进行实时跟踪和管理，并能够在生产过程出现问题时，及时对生产调度进行优化和改善。锻造自动线的锻造设备管理系统不仅可以实现设备之间的配合，提高设备的稳定性和可靠性，而且可以提高生产过程的智能化水平，优化生产过程的管理和调度。本发明能够实现设备间的信息共享和交互，通过分析设备数据，提前预测各设备可能出现的故障，并及时进行维护和修理。本发明能够减少生产时间和成本，实现设备的最优化运作，提高生产效率和质量，同时通过预测设备可能出现的故障，能够提前进行维护和修理，减少维护成本和停机时间。
以上所述，仅为本发明进一步的实施例，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明所公开的范围内，根据本发明的技术方案及其构思加以等同替换或改变，都属于本发明的保护范围。
Claims (4)
1.一种用于锻造自动线的锻造设备管理系统，包括数据采集模块、数据处理模块、锻造设备集成管理模块、故障预测维修模块以及用户可视化界面，其特征在于：
所述数据采集模块用于采集设备状态和工作负荷，所述数据处理模块用于设备状态和工作负荷的实时监控和管理；所述锻造设备集成管理模块用于设备之间的信息交互及设备调度；
其中，锻造设备集成管理模块包括：
数据处理：采集锻造设备的温度、电流、振动频率及其他影响因素，生成锻造设备影响因子数据集，并通过去除噪声和归一化进行数据预处理；
数据特征提取：特征提取模块包括一个卷积层和一个全连接层，在卷积层中利用卷积神经网络引入Sigmoid激活函数提取出特征H，将特征H输入至全连接层，获得具有多样的代表性的特征数据；
建立锻造设备管理模型，具体步骤为：
步骤A1，数据分析：将锻造设备影响因子数据集再次进行标准化和归一化；
步骤A2，锻造设备数据特征提取；
步骤A3，锻造设备管理训练：根据特征提取后的锻造设备影响因子数据集，利用深度学习算法训练锻造设备需要维修度评估模型，锻造设备影响因子数据集包括锻造设备的温度、电流、振动频率；
步骤A4，锻造设备管理评估：锻造设备需要维修度评估模型为：
；
式中，为锻造设备需要维修度，/>为锻造设备的温度，/>为电流，/>为振动频率，为所述数据采集模块采集的其他影响因素；
预测维修模型：根据深度学习模型的预测结果，自动推荐维修方案；
其中，数据采集模块与数据处理模块相连，数据处理模块与锻造设备集成管理模块相连，锻造设备集成管理模块与故障预测维修模块相连，故障预测维修模块与用户可视化界面相连；
所述通过去除噪声和归一化进行数据预处理包括：采用高斯滤波去除噪声，将锻造设备的温度、电流、振动频率及其他影响因素进行标准化处理，计算锻造设备影响因子数据集的均值和标准差，所述标准化处理公式为：
；
式中：为原始数据，/>为锻造设备影响因子数据集的均值，/>为锻造设备影响因子数据集的标准差；
所述归一化处理公式为：
；
式中：为处理后的数据，/>为锻造设备影响因子数据集的最大值，/>为锻造设备影响因子数据集的最小值；
其中，所述故障预测维修模块用于在锻造设备集成管理模块评估出存在故障的设备后，故障预测维修模块将生成相应的维修计划，具体步骤包括：
Z1.生成维修任务清单，维修任务清单包括设备名称、故障类型、维修人员信息；
Z2.根据维修任务清单分配维修人员和调度维修设备；
Z3.准备维修材料和工具，并进行培训和指导；
Z4.记录维修过程中的操作和结果，并跟踪和评估维修效果；
其中，所述评估维修效果通过对维修型参数、维修材料指标、设备维修的紧急程度、维修人员的能力指标以及资源分配率建立评估模型，其中，评估维修效果评估模型为：
；
式中，为维修型参数，/>为维修材料指标，/>为设备维修的紧急程度，/>为维修人员的能力指标，/>为资源分配率。
2.根据权利要求1所述的一种用于锻造自动线的锻造设备管理系统，其特征在于，维修型参数、维修材料指标、设备维修的紧急程度、维修人员的能力指标以及资源分配率具体为：维修型参数为检测出锻造设备需要维修量，维修材料指标为锻造设备维修时需要使用的不同材料数量，设备维修的紧急程度为锻造设备维修时的紧急程度，维修人员的能力指标为锻造设备维修工人的能力水平，资源分配率为锻造设备加工金属材料的均衡配比，避免一台设备加工过多或过少的情况。
3.根据权利要求1所述的一种用于锻造自动线的锻造设备管理系统，其特征在于，用户可视化界面根据评估结果进行调整，再对各项评估指标进行线性变换，然后对线性变换后的各项评估指标进行标准化、正则化，再将标准化和正则化后的参数作为自变量带入函数，根据函数值对锻造自动线的锻造设备损坏程度进行分级评估，其中各项评估指标线性变换公式为：
；
式中，为各项评估指标的线性变换值，/>为扩增度，/>为调整值，/>以及/>由数值软件根据历史记录数据进行数值计算获得。
4.根据权利要求2所述的一种用于锻造自动线的锻造设备管理系统，其特征在于，对锻造自动线的锻造设备损坏程度进行分级评估的方式为：
当时，锻造自动线的锻造设备损坏程度为一级；
当时，锻造自动线的锻造设备损坏程度为二级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310472071.0A CN116187725B (zh) | 2023-04-27 | 2023-04-27 | 一种用于锻造自动线的锻造设备管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310472071.0A CN116187725B (zh) | 2023-04-27 | 2023-04-27 | 一种用于锻造自动线的锻造设备管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116187725A CN116187725A (zh) | 2023-05-30 |
| CN116187725B true CN116187725B (zh) | 2023-08-04 |
Family
ID=86440684
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310472071.0A Active CN116187725B (zh) | 2023-04-27 | 2023-04-27 | 一种用于锻造自动线的锻造设备管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116187725B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116502155B (zh) * | 2023-06-28 | 2023-09-19 | 武汉新威奇科技有限公司 | 一种用于数控电动螺旋压力机的安全监管系统 |
| CN116777086B (zh) * | 2023-08-24 | 2023-10-31 | 北京理工大学 | 基于多模数据的钢结构智能生产线预测性维护方法及系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100058809A (ko) * | 2008-11-25 | 2010-06-04 | 한국전자통신연구원 | 적외선 영상을 이용한 위조 얼굴 검출 방법 및 그 장치 |
| CN104539878A (zh) * | 2014-11-13 | 2015-04-22 | 天津市天锻压力机有限公司 | 铝合金轮毂锻造自动化生产线动态可视化监控系统 |
| CN111064620A (zh) * | 2019-12-20 | 2020-04-24 | 广东电网有限责任公司 | 基于运维知识库的电网多媒体会议室设备维护方法和系统 |
| CN111444055A (zh) * | 2020-04-26 | 2020-07-24 | 昆山润石智能科技有限公司 | 一种用于设备健康评估和维护的系统 |
| CN111638689A (zh) * | 2020-05-15 | 2020-09-08 | 连云港杰瑞自动化有限公司 | 基于自动化总控系统的生产线数据集中采集与管控系统及方法 |
| CN111842759A (zh) * | 2020-07-23 | 2020-10-30 | 机科发展科技股份有限公司 | 基于工业互联网平台的重型锻造装备远程运维系统架构 |
| CN112987671A (zh) * | 2021-02-26 | 2021-06-18 | 天津中德应用技术大学 | 一种锻压线智能控制系统 |
| WO2021218003A1 (zh) * | 2020-04-27 | 2021-11-04 | 中国电子科技集团公司第十四研究所 | 一种雷达嵌入式健康管理系统 |
| CN114023125A (zh) * | 2021-10-11 | 2022-02-08 | 四川九洲空管科技有限责任公司 | 基于虚拟现实技术的智能维修方法、智能维修培训系统 |
| CN115214135A (zh) * | 2022-05-30 | 2022-10-21 | 武汉新威奇科技有限公司 | 一种基于3d视觉的锻造生产线全自动上料系统及方法 |
| CN115879664A (zh) * | 2022-12-02 | 2023-03-31 | 中船重工信息科技有限公司 | 一种基于工业互联网的智能运维系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110659173B (zh) * | 2018-06-28 | 2023-05-26 | 中兴通讯股份有限公司 | 一种运维系统及方法 |
-
2023
- 2023-04-27 CN CN202310472071.0A patent/CN116187725B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100058809A (ko) * | 2008-11-25 | 2010-06-04 | 한국전자통신연구원 | 적외선 영상을 이용한 위조 얼굴 검출 방법 및 그 장치 |
| CN104539878A (zh) * | 2014-11-13 | 2015-04-22 | 天津市天锻压力机有限公司 | 铝合金轮毂锻造自动化生产线动态可视化监控系统 |
| CN111064620A (zh) * | 2019-12-20 | 2020-04-24 | 广东电网有限责任公司 | 基于运维知识库的电网多媒体会议室设备维护方法和系统 |
| CN111444055A (zh) * | 2020-04-26 | 2020-07-24 | 昆山润石智能科技有限公司 | 一种用于设备健康评估和维护的系统 |
| WO2021218003A1 (zh) * | 2020-04-27 | 2021-11-04 | 中国电子科技集团公司第十四研究所 | 一种雷达嵌入式健康管理系统 |
| CN111638689A (zh) * | 2020-05-15 | 2020-09-08 | 连云港杰瑞自动化有限公司 | 基于自动化总控系统的生产线数据集中采集与管控系统及方法 |
| CN111842759A (zh) * | 2020-07-23 | 2020-10-30 | 机科发展科技股份有限公司 | 基于工业互联网平台的重型锻造装备远程运维系统架构 |
| CN112987671A (zh) * | 2021-02-26 | 2021-06-18 | 天津中德应用技术大学 | 一种锻压线智能控制系统 |
| CN114023125A (zh) * | 2021-10-11 | 2022-02-08 | 四川九洲空管科技有限责任公司 | 基于虚拟现实技术的智能维修方法、智能维修培训系统 |
| CN115214135A (zh) * | 2022-05-30 | 2022-10-21 | 武汉新威奇科技有限公司 | 一种基于3d视觉的锻造生产线全自动上料系统及方法 |
| CN115879664A (zh) * | 2022-12-02 | 2023-03-31 | 中船重工信息科技有限公司 | 一种基于工业互联网的智能运维系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 大数据在设备预测性维修中的应用研究;刁俊武;李文星;阮航;;当代化工研究(09);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116187725A (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116187725B (zh) | 一种用于锻造自动线的锻造设备管理系统 | |
| CN112613646A (zh) | 一种基于多维数据融合的设备状态预测方法及系统 | |
| CN112052979B (zh) | 基于故障预测与健康管理的设备备件需求预测系统 | |
| CN111639921A (zh) | 一种基于专家系统的设备故障智判与辅助处置方法 | |
| CN113253037B (zh) | 基于电流波纹的边云协同设备状态监测方法及系统、介质 | |
| CN116992346A (zh) | 一种基于人工智能大数据分析的企业生产数据处理系统 | |
| CN116991130A (zh) | 一种石化生产智能化自动化控制系统和方法 | |
| CN117078227A (zh) | 一种基于标识解析的环境监测运维平台 | |
| CN112801313A (zh) | 基于大数据技术综采工作面故障判定方法 | |
| CN117172751A (zh) | 一种智慧运维信息分析模型的构建方法 | |
| CN116244765A (zh) | 一种基于工业互联网的设备维护管理方法 | |
| CN116880402A (zh) | 智慧工厂协同管控系统及其方法 | |
| CN115358533A (zh) | 一种基于大数据的预测性维护管理系统 | |
| CN111427330A (zh) | 一种基于设备维护数据的设备故障模式及规律分析方法 | |
| CN112850387B (zh) | 一种电梯状态采集与诊断系统及方法 | |
| CN117696224A (zh) | 一种基于大模型的磨矿优化处理系统 | |
| CN111598251B (zh) | 一种基于机器学习的cnc预测性维护系统及方法 | |
| CN112329953A (zh) | 一种工业炉全流程智能诊断和优化运行系统 | |
| CN116562599A (zh) | 基于深度学习的高效智能工厂调度系统 | |
| CN115731073A (zh) | 基于业务场景分析的调度操作异常监控方法 | |
| CN118134458A (zh) | 智能设备监控与维护系统 | |
| CN112288116A (zh) | 一种生产制造流程优化管理的工业大数据系统及方法 | |
| CN116823175B (zh) | 一种石油化工生产信息化系统智能运维方法及系统 | |
| CN109858689A (zh) | 一种可靠性导向的产品装配系统健康风险分析方法 | |
| CN116976863B (zh) | 基于互联网的比例阀门卡件数据分析系统 |
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 |