CN116300531B - 生产系统瓶颈环节的识别方法及系统、存储介质、终端 - Google Patents
生产系统瓶颈环节的识别方法及系统、存储介质、终端 Download PDFInfo
- Publication number
- CN116300531B CN116300531B CN202310534479.6A CN202310534479A CN116300531B CN 116300531 B CN116300531 B CN 116300531B CN 202310534479 A CN202310534479 A CN 202310534479A CN 116300531 B CN116300531 B CN 116300531B
- Authority
- CN
- China
- Prior art keywords
- production system
- operation simulation
- module
- bottleneck
- process step
- 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
- 238000000034 method Methods 0.000 title claims abstract description 232
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 205
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000004088 simulation Methods 0.000 claims abstract description 197
- 230000002159 abnormal effect Effects 0.000 claims abstract description 97
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000013507 mapping Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 9
- 230000008439 repair process Effects 0.000 claims description 7
- 239000000463 material Substances 0.000 description 14
- 230000008901 benefit Effects 0.000 description 8
- 230000003139 buffering effect Effects 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 239000003795 chemical substances by application Substances 0.000 description 4
- 238000005094 computer simulation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000011143 downstream manufacturing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种生产系统瓶颈环节的识别方法及系统、存储介质、终端，涉及工业流程控制技术领域，主要目的在于改善现有对生产系统瓶颈环节识别的准确率低下的问题。包括：基于当前生产系统的运行仿真模型对所述当前生产系统进行运行仿真处理；当监测到所述运行仿真模型的运行状态处于异常状态时，获取所述异常状态所对应的异常状态信息；根据所述异常状态信息查询生产系统瓶颈环节映射表中的瓶颈环节信息，并根据所述瓶颈环节信息确定所述异常状态所对应的瓶颈环节识别结果。
Description
技术领域
本申请涉及工业流程控制技术领域，特别是涉及一种生产系统瓶颈环节的识别方法及系统、存储介质、终端。
背景技术
在生产系统中，如果存在瓶颈环节，极易造成生产设备的生产能力与缓冲能力之间不匹配，导致无法实现目标产能，进而导致设备的生产能力得不到充分利用，造成投资浪费。
目前，现有的瓶颈环节的诊断方法通常是直接观察某个生产工序的设备与前后相邻工序的生产设备的处理能力，如果该生产工序设备的处理能力小于前序生产设备或后序生产设备，则说明该生产工序设备可能是瓶颈环节，以此来进行瓶颈环节的诊断。然而，由于仅通过简单的比较来进行瓶颈环节的诊断，维度单一，导致诊断结果准确率低下。
发明内容
有鉴于此，本申请提供一种生产系统瓶颈环节的识别方法及系统、存储介质、终端，主要目的在于改善现有对生产系统瓶颈环节识别的准确率低下的问题。
根据本申请一个方面，提供了一种生产系统瓶颈环节的识别方法，包括：
基于当前生产系统的运行仿真模型对所述当前生产系统进行运行仿真处理；
当监测到所述运行仿真模型的运行状态处于异常状态时，获取所述异常状态所对应的异常状态信息；
根据所述异常状态信息查询生产系统瓶颈环节映射表中的瓶颈环节信息，并根据所述瓶颈环节信息确定所述异常状态所对应的瓶颈环节识别结果。
优选的，所述方法还包括：
根据所述瓶颈环节识别结果的类别获取与所述类别相匹配的瓶颈环节调整方案；
根据所述瓶颈环节调整方案对所述运行仿真模型的参数进行调整，得到调整后的运行仿真模型。
优选的，所述方法还包括：
基于所述调整后的运行仿真模型对所述当前生产系统重新进行运行仿真处理；
若在预设时长内未监测到所述调整后的运行仿真模型处于异常状态，则完成对所述当前生产系统的瓶颈环节的识别处理。
优选的，所述基于当前生产系统的运行仿真模型对所述当前生产系统进行运行仿真处理之前，所述方法还包括：
根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤所对应的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型，所述工艺步骤的缓冲模块布置于所述工艺步骤的运行仿真模块的相邻位置；
根据所述当前生产系统的检修参数对所述初始运行仿真模型进行优化处理，得到优化后的运行仿真模型。
优选的，所述根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤所对应的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型之前，所述方法还包括：
根据所述当前生产系统所包含的各个工艺步骤的生产能力参数以及故障参数构建各个所述工艺步骤对应的运行仿真模块。
优选的，所述根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤所对应的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型之前，所述方法还包括：
根据各个所述工艺步骤的生产能力参数以及故障参数为所述工艺步骤配置缓冲模块，并将所述缓冲模块布置在与所述工艺步骤所对应的运行仿真模块的相邻位置。
优选的，所述根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤所对应的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型之前，所述方法还包括：
根据各个所述工艺步骤所对应的缓冲模块的配置信息为所述工艺步骤所对应的运行仿真模块配置追赶系数，得到各个所述工艺步骤优化后的运行仿真模块；
所述根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤所对应的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型，具体包括：
根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤优化后的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型。
根据本申请另一个方面，提供了一种生产系统瓶颈环节的识别系统，包括：
仿真模块，用于基于当前生产系统的运行仿真模型对所述当前生产系统进行运行仿真处理；
获取模块，用于当监测到所述运行仿真模型的运行状态处于异常状态时，获取所述异常状态所对应的异常状态信息；
识别模块，用于根据所述异常状态信息查询生产系统瓶颈环节映射表中的瓶颈环节信息，并根据所述瓶颈环节信息确定所述异常状态所对应的瓶颈环节识别结果。
优选的，所述系统还包括：
所述获取模块，还用于根据所述瓶颈环节识别结果的类别获取与所述类别相匹配的瓶颈环节调整方案；
调整模块，用于根据所述瓶颈环节调整方案对所述运行仿真模型的参数进行调整，得到调整后的运行仿真模型。
优选的，所述系统还包括：
更新模块，用于基于所述调整后的运行仿真模型对所述当前生产系统重新进行运行仿真处理；
所述更新模块，还用于若在预设时长内未监测到所述调整后的运行仿真模型处于异常状态，则完成对所述当前生产系统的瓶颈环节的识别处理。
优选的，所述仿真模块之前，所述系统还包括：
连接模块，用于根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤所对应的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型，所述工艺步骤的缓冲模块布置于所述工艺步骤的运行仿真模块的相邻位置；
第一优化模块，用于根据所述当前生产系统的检修参数对所述初始运行仿真模型进行优化处理，得到优化后的运行仿真模型。
优选的，所述连接模块之前，所述系统还包括：
构建模块，用于根据所述当前生产系统所包含的各个工艺步骤的生产能力参数以及故障参数构建各个所述工艺步骤对应的运行仿真模块。
优选的，所述连接模块之前，所述系统还包括：
配置模块，用于根据各个所述工艺步骤的生产能力参数以及故障参数为所述工艺步骤配置缓冲模块，并将所述缓冲模块布置在与所述工艺步骤所对应的运行仿真模块的相邻位置。
优选的，所述连接模块之前，所述系统还包括：
第二优化模块，用于根据各个所述工艺步骤所对应的缓冲模块的配置信息为所述工艺步骤所对应的运行仿真模块配置追赶系数，得到各个所述工艺步骤优化后的运行仿真模块；
所述连接模块，具体用于：
根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤优化后的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型。
根据本申请的又一方面，提供了一种存储介质，所述存储介质中存储有至少一条可执行指令，所述可执行指令使处理器执行如上述生产系统瓶颈环节的识别方法对应的操作。
根据本申请的再一方面，提供了一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一条可执行指令，所述可执行指令使所述处理器执行上述生产系统瓶颈环节的识别方法对应的操作。
借由上述技术方案，本申请实施例提供的技术方案至少具有下列优点：
本申请提供了一种生产系统瓶颈环节的识别方法及系统、存储介质、终端，首先基于当前生产系统的运行仿真模型对所述当前生产系统进行运行仿真处理；其次当监测到所述运行仿真模型的运行状态处于异常状态时，获取所述异常状态所对应的异常状态信息；最后根据所述异常状态信息查询生产系统瓶颈环节映射表中的瓶颈环节信息，并根据所述瓶颈环节信息确定所述异常状态所对应的瓶颈环节识别结果。与现有技术相比，本申请实施例通过对生产系统进行运行仿真，并对其运行状态进行监测，当出现异常状态时，获取当前生产系统的仿真模型在该异常状态下的异常状态信息，并根据该信息在生产系统瓶颈环节映射表中的瓶颈环节信息中查找与之相匹配的，并将相匹配的瓶颈环节信息对应的瓶颈环节作为引起该异常状态的瓶颈环节，通过基于当前生产系统所包含的各个工艺步骤的生产能力参数、故障参数构建对应的运行仿真模块，再根据检修参数对由各个运行仿真模块连接得到的运行仿真模型进行优化，以对该生产系统进行动态仿真，并根据仿真结果找出瓶颈环节，克服了现有技术中估算维度单一的问题，有效地提高了瓶颈环节识别的准确率。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本申请实施例提供的一种生产系统瓶颈环节的识别方法流程图；
图2示出了本申请实施例提供的另一种生产系统瓶颈环节的识别方法流程图；
图3示出了本申请实施例提供的一种生产系统瓶颈环节的识别装置组成框图；
图4示出了本申请实施例提供的一种终端的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本申请实施例可以应用于计算机系统/服务器，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令（诸如程序模块）的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
本申请实施例提供了一种生产系统瓶颈环节的识别方法，如图1所示，该方法包括：
101、基于当前生产系统的运行仿真模型对当前生产系统进行运行仿真处理。
其中，生产系统用于表征某个生产过程的工艺全流程，例如，湿法冶炼工厂的生产系统等；当前生产系统的运行仿真模型是根据当前生产系统所包含的各个工艺步骤的生产能力参数、故障参数构建对应的运行仿真模块，再根据当前生产系统的检修参数对由各个运行仿真模块连接得到的运行仿真模型进行优化得到的。本申请实施例中，当前执行端可以是生产系统全流程控制单元等，基于预先建立的当前生产系统的运行仿真模型进行运行仿真处理，以对当前生产系统进行动态仿真。
需要说明的是，运行仿真的时长可以是生产系统的全生命周期，也可以是一年，一个季度等，本申请实施例不做具体限定。
102、当监测到运行仿真模型的运行状态处于异常状态时，获取异常状态所对应的异常状态信息。
其中，异常状态用于表征运行仿真模型在运行状态下，某个工艺步骤停车，或者某个缓冲步骤无料或过满等状态；异常状态信息即处于某个异常状态下该运行仿真模型所包含的各个运行仿真模块的状态信息，例如，工艺步骤A前的缓冲步骤过满，工艺步骤A的前序工艺步骤B以及后序工艺步骤C停车；或工艺步骤A前的缓冲步骤无料，工艺步骤A后的缓冲步骤过满等。本申请实施例中，可以按照预设时长或实时监测该运行仿真模型的运行状态，当出现异常状态时，获取处于该异常状态下时，该运行仿真模型中出现异常状态的工艺步骤的具体信息。
103、根据异常状态信息查询生产系统瓶颈环节映射表中的瓶颈环节信息，并根据瓶颈环节信息确定异常状态所对应的瓶颈环节识别结果。
其中，生产系统瓶颈环节映射表中记载有不同异常状态信息与瓶颈环节之间的映射关系，包括但不限于：异常状态信息1（工艺步骤A的前序工艺步骤B因工艺步骤A前的缓冲步骤过满而被迫停车，且工艺步骤A的后序工艺步骤C因无料生产而被迫停车）--瓶颈环节（工艺步骤A）；异常状态信息2（工艺步骤A前的缓冲步骤无料，且工艺步骤A后的缓冲步骤过满）--瓶颈环节（工艺步骤A的处理能力过大）；异常状态信息3（缓冲步骤a的前序工艺步骤B在故障检修时，缓冲步骤a的后序工艺步骤C在消耗掉缓冲步骤a中暂存的物料后，因无料生产而导致被迫停车，且后序工艺步骤C在故障检修时，因缓冲步骤a过满而导致前序工艺步骤B被迫停车）--瓶颈环节（缓冲步骤a缓冲能力不足，为瓶颈环节）；异常状态信息4（缓冲步骤a的前序工艺步骤B在发生故障并检修完成后，缓冲步骤a的后序工艺步骤C并未消耗掉缓冲步骤a中暂存的物料，且后序工艺步骤C在发生故障并检修完成后，缓冲步骤a并未储满）--瓶颈环节（缓冲步骤a缓冲能力过大，为瓶颈环节）；异常状态信息5（缓冲步骤a的前序工艺步骤B在故障检修时，缓冲步骤a的后序工艺步骤C在消耗掉缓冲步骤a中暂存的物料后，因无料生成而被迫停车，且后序工艺步骤C在发生故障并检修完成后，缓冲步骤a并未储满）--瓶颈环节（缓冲步骤a缓冲能力不足或液位设计不合理，为瓶颈环节）；异常状态信息6（缓冲步骤a的前序工艺步骤B在发生故障并检修完成后，缓冲步骤a的后序工艺步骤C并未消耗掉缓冲步骤a中暂存的物料，且后序工艺步骤C在故障检修时，因缓冲步骤a过满而导致前序工艺步骤B被迫停车）--瓶颈环节（缓冲步骤a缓冲能力不足或液位设计不合理，为瓶颈环节）等。本申请实施例中，根据实施例步骤102中获取到的异常状态信息，在上述生产系统瓶颈环节映射表中查找相匹配的异常状态信息，并以此为依据确定当前异常状态所对应的瓶颈环节。
与现有技术相比，本申请实施例通过对生产系统进行运行仿真，并对其运行状态进行监测，当出现异常状态时，获取当前生产系统的仿真模型在该异常状态下的异常状态信息，并根据该信息在生产系统瓶颈环节映射表中的瓶颈环节信息中查找相匹配的，并将相匹配的瓶颈环节信息对应的瓶颈环节作为引起该异常状态的瓶颈环节，通过基于当前生产系统所包含的各个工艺步骤的生产能力参数、故障参数构建对应的运行仿真模块，再根据检修参数对由各个运行仿真模块连接得到的运行仿真模型进行优化，以对该生产系统进行动态仿真，并根据仿真结果找出瓶颈环节，克服了现有技术中估算维度单一的问题，有效地提高了瓶颈环节识别的准确率。
本申请实施例提供了另一种生产系统瓶颈环节的识别方法，如图2所示，该方法包括：
201、根据当前生产系统所包含的各个工艺步骤的生产能力参数以及故障参数构建各个工艺步骤对应的运行仿真模块。
本申请实施例中，生产能力参数包括但不限于该工艺步骤的物料处理能力、物料关系等参数；故障参数包括但不限于故障发生的频率、消除故障所需时间（即维修时间）等。需要说明的是，上述故障为非计划故障停车，即随机故障。
优选的，可以基于Agent智能体构建生产仿真模块，需要说明的是，Agent智能体能够自主的与外界环境进行信息交互，并对外界信息产生反应，并且具有一定知识和学习能力，通过利用实体的主动行为来进行仿真，以得到贴近真实的仿真效果。
202、配置缓冲模块。
本申请实施例中，为了减少因随机故障而导致的被迫停车事件，可以在两个相邻的工艺步骤之间布置缓冲步骤，在上下游工艺步骤发生故障时，通过缓冲步骤对仍能正常运行的工艺步骤的处理量进行存储，以便在故障修复后通过处理能力的调整，使生产恢复到正常水平，从而降低因随机故障对整个流程造成的影响。示例性的，以PAL和酸厂的工业流程为例，当缓冲步骤的利用率低于30%时，会导致下游工艺步骤停机，利用率高于90%时，会导致上游工艺步骤停机。基于工艺步骤的生产能力参数以及故障参数为缓冲步骤配置合理的参数，可以有效地提高生产系统的连续性以及稳定性。具体的，缓冲步骤的参数包括预存缓冲量以及预留缓冲量，其中，预存缓冲量是提前预存在缓冲步骤内的，当前序工艺步骤出现故障停机时，为保障后序工艺步骤的生产不受影响，直至前序工艺步骤故障修复所需的物料处理量，具体的，预存缓冲量=额定流速×前序工艺步骤故障修复时间；预留缓冲量是缓冲槽内空出来的容积，当后序工艺步骤出现故障停机时，能够存放前序工艺步骤生产的物料量，以使得前序工艺步骤不受影响，直至后序工艺步骤故障修复，具体的，预留缓冲量=额定流速×后序工艺步骤故障修复时间。进一步的，根据工艺步骤的处理流速以及该工艺步骤的非计划故障修复时间，配置缓冲步骤的预存缓冲量及预留缓冲量，例如，将缓冲步骤的有效利用容积设置在30%～90%范围内，那么，缓冲步骤的容积=（预存缓冲量+预留缓冲量）/（90%-30%）；缓冲步骤的额定利用率=（预存缓冲量/缓冲槽体积）+30%。可选的，还可以将缓冲步骤的利用率维持在额定利用率上下5%的范围内波动。
相应的，实施例步骤202具体包括：根据各个工艺步骤的生产能力参数以及故障参数为工艺步骤配置缓冲模块，并将缓冲模块布置在与工艺步骤所对应的运行仿真模块的相邻位置。
203、优化各个工艺步骤对应的运行仿真模块。
由于在相邻的两个工艺步骤之间设置了缓冲步骤以存储在当前工艺步骤发生故障时前序工艺步骤所生产的物料，可以理解的是，在当前工艺步骤停机时会导致缓冲步骤中的物料量增加，本申请实施例中，为了在当前工艺步骤维修完成后使生产系统快速恢复到正常状态，可以为各个工艺步骤配置追赶系数（即工艺步骤需要执行的超过正常生产水平的百分比率，以使得在工艺步骤恢复生产后将前序工艺步骤的缓冲量恢复到正常水平），以使得在预设时长内恢复到正常状态。例如，规定在7天内恢复，追赶系数=1+后序工艺步骤故障修复时间/(7×24)。
相应的，实施例步骤203具体包括：根据各个工艺步骤所对应的缓冲模块的配置信息为工艺步骤所对应的运行仿真模块配置追赶系数，得到各个工艺步骤优化后的运行仿真模块。
204、生成当前生产系统的运行仿真模型。
本申请实施例中，可以基于以反馈控制理论为基础的系统动力学(SystemDynamics，简称SD)构建初始运行仿真模型，具体的，将上述生成的各个工艺步骤优化后的运行仿真模块以及缓冲模块进行连接处理，包括串联、并联以及混合连接。进一步的，为了使仿真效果更贴近当前生产系统的真实状态，可以基于当前生产系统的检修参数对上述初始运行仿真模型进行优化处理，其中，检修参数是基于当前生产系统的计划检修方案得到的。可以理解的是，在工厂运行的过程中会定期对生产设备进行检修，由于计划检修会引起全流程的计划停车，是影响整个工业流程运行系数的主要因素，因此，基于此对仿真模型进行优化进一步提升仿真效果。
需要说明的是，系统动力学是将定性分析与定量研究相结合对研究社会经济管理系统进行研究系统分析方法，其本质是以因果关系图及流程图作为依据建立的一连串的有时滞的一阶微分方程。通过强调系统、联系、发展、运动的观点，是用于研究连续动态系统内众多因素间复杂的信息反馈关系和变化趋势。同时，基于系统动力学建立的运行仿真模型的直观性、逻辑性较强，以使得对复杂系统的特性的描述变得容易。
相应的，实施例步骤204具体包括：根据当前生产系统的工艺流程信息对当前生产系统所包含的各个工艺步骤优化后的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型，工艺步骤的缓冲模块布置于工艺步骤的运行仿真模块的相邻位置；根据当前生产系统检修参数对初始运行仿真模型进行优化处理，得到优化后的运行仿真模型。
在一个本申请实施例中，为了进一步限定及说明，实施例步骤103之后，实施例方法还包括：根据瓶颈环节识别结果的类别获取与类别相匹配的瓶颈环节调整方案；根据瓶颈环节调整方案对运行仿真模型的参数进行调整，得到调整后的运行仿真模型。
其中，瓶颈环节识别结果的类别包括工艺步骤类瓶颈环节以及缓冲步骤类瓶颈环节。当瓶颈环节识别结果的类别为工艺步骤类时，可以对出现异常状态的工艺步骤进行调整，调整项目可以包括工艺步骤的生产能力参数、追赶系数等；当瓶颈环节识别结果的类别为缓冲步骤类时，可以对出现异常状态的缓冲步骤进行调整，调整项目可以包括缓冲步骤的缓冲能力参数、正常液位参数、缓冲步骤容量等。
在一个本申请实施例中，为了进一步限定及说明，实施例方法还包括：基于调整后的运行仿真模型对当前生产系统重新进行运行仿真处理；若在预设时长内未监测到调整后的运行仿真模型处于异常状态，则完成对当前生产系统的瓶颈环节的识别处理。
其中，预设时长可以是生产系统的全生命周期，也可以是一年，一个季度等，本申请实施例不做具体限定。
本申请提供了一种生产系统瓶颈环节的识别方法，首先基于当前生产系统的运行仿真模型对所述当前生产系统进行运行仿真处理；其次当监测到所述运行仿真模型的运行状态处于异常状态时，获取所述异常状态所对应的异常状态信息；最后根据所述异常状态信息查询生产系统瓶颈环节映射表中的瓶颈环节信息，并根据所述瓶颈环节信息确定所述异常状态所对应的瓶颈环节识别结果。与现有技术相比，本申请实施例通过对生产系统进行运行仿真，并对其运行状态进行监测，当出现异常状态时，获取当前生产系统的仿真模型在该异常状态下的异常状态信息，并根据该信息在生产系统瓶颈环节映射表中的瓶颈环节信息中查找相匹配的，并将相匹配的瓶颈环节信息对应的瓶颈环节作为引起该异常状态的瓶颈环节，通过基于当前生产系统所包含的各个工艺步骤的生产能力参数、故障参数构建对应的运行仿真模块，再根据检修参数对由各个运行仿真模块连接得到的运行仿真模型进行优化，以对该生产系统进行动态仿真，并根据仿真结果找出瓶颈环节，克服了现有技术中估算维度单一的问题，有效地提高了瓶颈环节识别的准确率。
进一步的，作为对上述图1所示方法的实现，本申请实施例提供了一种生产系统瓶颈环节的识别系统，如图3所示，该系统包括：
仿真模块31，获取模块32，识别模块33。
仿真模块31，用于基于当前生产系统的运行仿真模型对所述当前生产系统进行运行仿真处理；
获取模块32，用于当监测到所述运行仿真模型的运行状态处于异常状态时，获取所述异常状态所对应的异常状态信息；
识别模块33，用于根据所述异常状态信息查询生产系统瓶颈环节映射表中的瓶颈环节信息，并根据所述瓶颈环节信息确定所述异常状态所对应的瓶颈环节识别结果。
优选的，所述系统还包括：
所述获取模块，还用于根据所述瓶颈环节识别结果的类别获取与所述类别相匹配的瓶颈环节调整方案；
调整模块，用于根据所述瓶颈环节调整方案对所述运行仿真模型的参数进行调整，得到调整后的运行仿真模型。
优选的，所述系统还包括：
更新模块，用于基于所述调整后的运行仿真模型对所述当前生产系统重新进行运行仿真处理；
所述更新模块，还用于若在预设时长内未监测到所述调整后的运行仿真模型处于异常状态，则完成对所述当前生产系统的瓶颈环节的识别处理。
优选的，所述仿真模块之前，所述系统还包括：
连接模块，用于根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤所对应的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型，所述工艺步骤的缓冲模块布置于所述工艺步骤的运行仿真模块的相邻位置；
第一优化模块，用于根据所述当前生产系统的检修参数对所述初始运行仿真模型进行优化处理，得到优化后的运行仿真模型。
优选的，所述连接模块之前，所述系统还包括：
构建模块，用于根据所述当前生产系统所包含的各个工艺步骤的生产能力参数以及故障参数构建各个所述工艺步骤对应的运行仿真模块。
优选的，所述连接模块之前，所述系统还包括：
配置模块，用于根据各个所述工艺步骤的生产能力参数以及故障参数为所述工艺步骤配置缓冲模块，并将所述缓冲模块布置在与所述工艺步骤所对应的运行仿真模块的相邻位置。
优选的，所述连接模块之前，所述系统还包括：
第二优化模块，用于根据各个所述工艺步骤所对应的缓冲模块的配置信息为所述工艺步骤所对应的运行仿真模块配置追赶系数，得到各个所述工艺步骤优化后的运行仿真模块；
所述连接模块，具体用于：
根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤优化后的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型。
本申请提供了一种生产系统瓶颈环节的识别系统，首先基于当前生产系统的运行仿真模型对所述当前生产系统进行运行仿真处理；其次当监测到所述运行仿真模型的运行状态处于异常状态时，获取所述异常状态所对应的异常状态信息；最后根据所述异常状态信息查询生产系统瓶颈环节映射表中的瓶颈环节信息，并根据所述瓶颈环节信息确定所述异常状态所对应的瓶颈环节识别结果。与现有技术相比，本申请实施例通过对生产系统进行运行仿真，并对其运行状态进行监测，当出现异常状态时，获取当前生产系统的仿真模型在该异常状态下的异常状态信息，并根据该信息在生产系统瓶颈环节映射表中的瓶颈环节信息中查找相匹配的，并将相匹配的瓶颈环节信息对应的瓶颈环节作为引起该异常状态的瓶颈环节，通过基于当前生产系统所包含的各个工艺步骤的生产能力参数、故障参数构建对应的运行仿真模块，再根据检修参数对由各个运行仿真模块连接得到的运行仿真模型进行优化，以对该生产系统进行动态仿真，并根据仿真结果找出瓶颈环节，克服了现有技术中估算维度单一的问题，有效地提高了瓶颈环节识别的准确率。
根据本申请一个实施例提供了一种存储介质，所述存储介质存储有至少一条可执行指令，该计算机可执行指令可执行上述任意方法实施例中的生产系统瓶颈环节的识别方法。
基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施场景所述的方法。
图4示出了根据本申请一个实施例提供的一种终端的结构示意图，本申请具体实施例并不对终端的具体实现做限定。
如图4所示，该终端可以包括：处理器(processor)402、通信接口(CommunicationsInterface)404、存储器(memory)406、以及通信总线408。
其中：处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。
通信接口404，用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402，用于执行程序410，具体可以执行上述生产系统瓶颈环节的识别方法实施例中的相关步骤。
具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU，或者是特定集成电路ASIC（ApplicationSpecific Integrated Circuit），或者是被配置成实施本申请实施例的一个或多个集成电路。计算机设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器406，用于存放程序410。存储器406可能包含高速RAM存储器，也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行以下操作：
基于当前生产系统的运行仿真模型对所述当前生产系统进行运行仿真处理；
当监测到所述运行仿真模型的运行状态处于异常状态时，获取所述异常状态所对应的异常状态信息；
根据所述异常状态信息查询生产系统瓶颈环节映射表中的瓶颈环节信息，并根据所述瓶颈环节信息确定所述异常状态所对应的瓶颈环节识别结果。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述生产系统瓶颈环节的识别的实体设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与信息处理实体设备中其它硬件和软件之间通信。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
可能以许多方式来实现本申请的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本申请的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明，本申请的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本申请实施为记录在记录介质中的程序，这些程序包括用于实现根据本申请的方法的机器可读指令。因而，本申请还覆盖存储用于执行根据本申请的方法的程序的记录介质。
显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本申请的保护范围之内。
Claims (9)
1.一种生产系统瓶颈环节的识别方法，其特征在于，包括：
基于当前生产系统的运行仿真模型对所述当前生产系统进行运行仿真处理；
当监测到所述运行仿真模型的运行状态处于异常状态时，获取所述异常状态所对应的异常状态信息；
根据所述异常状态信息查询生产系统瓶颈环节映射表中的瓶颈环节信息，并根据所述瓶颈环节信息确定所述异常状态所对应的瓶颈环节识别结果；
所述基于当前生产系统的运行仿真模型对所述当前生产系统进行运行仿真处理之前，所述方法还包括：根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤所对应的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型；
所述根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤所对应的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型之前，所述方法还包括：根据各个所述工艺步骤的生产能力参数以及故障参数为所述工艺步骤配置缓冲模块，并将所述缓冲模块布置在与所述工艺步骤所对应的运行仿真模块的相邻位置；所述根据各个所述工艺步骤的生产能力参数以及故障参数为所述工艺步骤配置缓冲模块，具体包括：基于所述工艺步骤的生产能力参数以及故障参数为缓冲步骤配置参数，所述缓冲步骤参数包括预存缓冲量以及预留缓冲量，其中，预存缓冲量=额定流速×前序工艺步骤故障修复时间，预留缓冲量=额定流速×后序工艺步骤故障修复时间；
所述根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤所对应的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型之前，所述方法还包括：根据各个所述工艺步骤所对应的缓冲模块的配置信息为所述工艺步骤所对应的运行仿真模块配置追赶系数，得到各个所述工艺步骤优化后的运行仿真模块。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述瓶颈环节识别结果的类别获取与所述类别相匹配的瓶颈环节调整方案；
根据所述瓶颈环节调整方案对所述运行仿真模型的参数进行调整，得到调整后的运行仿真模型。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
基于所述调整后的运行仿真模型对所述当前生产系统重新进行运行仿真处理；
若在预设时长内未监测到所述调整后的运行仿真模型处于异常状态，则完成对所述当前生产系统的瓶颈环节的识别处理。
4.根据权利要求1所述的方法，其特征在于，所述基于当前生产系统的运行仿真模型对所述当前生产系统进行运行仿真处理之前，所述方法还包括：
根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤所对应的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型，所述工艺步骤的缓冲模块布置于所述工艺步骤的运行仿真模块的相邻位置；
根据所述当前生产系统的检修参数对所述初始运行仿真模型进行优化处理，得到优化后的运行仿真模型。
5.根据权利要求4所述的方法，其特征在于，所述根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤所对应的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型之前，所述方法还包括：
根据所述当前生产系统所包含的各个工艺步骤的生产能力参数以及故障参数构建各个所述工艺步骤对应的运行仿真模块。
6.根据权利要求1所述的方法，其特征在于，所述根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤所对应的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型之前，所述方法还包括：
所述根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤所对应的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型，具体包括：
根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤优化后的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型。
7.一种生产系统瓶颈环节的识别系统，其特征在于，包括：
仿真模块，用于基于当前生产系统的运行仿真模型对所述当前生产系统进行运行仿真处理；
获取模块，用于当监测到所述运行仿真模型的运行状态处于异常状态时，获取所述异常状态所对应的异常状态信息；
识别模块，用于根据所述异常状态信息查询生产系统瓶颈环节映射表中的瓶颈环节信息，并根据所述瓶颈环节信息确定所述异常状态所对应的瓶颈环节识别结果；
所述仿真模块之前，所述系统还包括：连接模块，用于根据所述当前生产系统的工艺流程信息对所述当前生产系统所包含的各个工艺步骤所对应的运行仿真模块以及缓冲模块进行连接处理，生成初始运行仿真模型；
所述连接模块之前，所述系统还包括：配置模块，用于根据各个所述工艺步骤的生产能力参数以及故障参数为所述工艺步骤配置缓冲模块，并将所述缓冲模块布置在与所述工艺步骤所对应的运行仿真模块的相邻位置；所述配置模块，具体用于：基于所述工艺步骤的生产能力参数以及故障参数为缓冲步骤配置参数，所述缓冲步骤参数包括预存缓冲量以及预留缓冲量，其中，预存缓冲量=额定流速×前序工艺步骤故障修复时间，预留缓冲量=额定流速×后序工艺步骤故障修复时间；
所述连接模块之前，所述系统还包括：第二优化模块，用于根据各个所述工艺步骤所对应的缓冲模块的配置信息为所述工艺步骤所对应的运行仿真模块配置追赶系数，得到各个所述工艺步骤优化后的运行仿真模块。
8.一种存储介质，所述存储介质中存储有至少一条可执行指令，其特征在于，所述可执行指令使处理器执行如权利要求1-6中任一项所述的生产系统瓶颈环节的识别方法对应的操作。
9.一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一条可执行指令，其特征在于，所述可执行指令使所述处理器执行如权利要求1-6中任一项所述的生产系统瓶颈环节的识别方法对应的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310534479.6A CN116300531B (zh) | 2023-05-12 | 2023-05-12 | 生产系统瓶颈环节的识别方法及系统、存储介质、终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310534479.6A CN116300531B (zh) | 2023-05-12 | 2023-05-12 | 生产系统瓶颈环节的识别方法及系统、存储介质、终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116300531A CN116300531A (zh) | 2023-06-23 |
| CN116300531B true CN116300531B (zh) | 2023-09-01 |
Family
ID=86817101
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310534479.6A Active CN116300531B (zh) | 2023-05-12 | 2023-05-12 | 生产系统瓶颈环节的识别方法及系统、存储介质、终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116300531B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116755413B (zh) * | 2023-08-14 | 2023-11-03 | 中国恩菲工程技术有限公司 | 复杂系统流程设计与数字模型建模方法、装置及设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102768737A (zh) * | 2012-07-06 | 2012-11-07 | 西北工业大学 | 一种考虑机器多维特征属性的作业车间瓶颈识别方法 |
| KR20150049077A (ko) * | 2013-10-29 | 2015-05-08 | 한국생산기술연구원 | 시나리오 시뮬레이션 및 병목 공정 정보 처리를 포함하는 디지털 제조 최적화 시스템 |
| CN107194534A (zh) * | 2017-04-10 | 2017-09-22 | 西北工业大学 | 考虑休眠策略的两机器流水线性能评估方法 |
| CN109375601A (zh) * | 2018-11-13 | 2019-02-22 | 华中科技大学 | 基于数据驱动建模与仿真优化的流水线规划方法及设备 |
| CN110751453A (zh) * | 2019-09-18 | 2020-02-04 | 北京交通大学 | 一种用于铁路通道能力瓶颈识别与消解的方法和系统 |
| CN111898998A (zh) * | 2020-08-21 | 2020-11-06 | 北京机械设备研究所 | 基于缓冲区容量和工序节拍的生产线优化方法及装置 |
-
2023
- 2023-05-12 CN CN202310534479.6A patent/CN116300531B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102768737A (zh) * | 2012-07-06 | 2012-11-07 | 西北工业大学 | 一种考虑机器多维特征属性的作业车间瓶颈识别方法 |
| KR20150049077A (ko) * | 2013-10-29 | 2015-05-08 | 한국생산기술연구원 | 시나리오 시뮬레이션 및 병목 공정 정보 처리를 포함하는 디지털 제조 최적화 시스템 |
| CN107194534A (zh) * | 2017-04-10 | 2017-09-22 | 西北工业大学 | 考虑休眠策略的两机器流水线性能评估方法 |
| CN109375601A (zh) * | 2018-11-13 | 2019-02-22 | 华中科技大学 | 基于数据驱动建模与仿真优化的流水线规划方法及设备 |
| CN110751453A (zh) * | 2019-09-18 | 2020-02-04 | 北京交通大学 | 一种用于铁路通道能力瓶颈识别与消解的方法和系统 |
| AU2020101782A4 (en) * | 2019-09-18 | 2020-09-17 | Beijing Jiaotong University | Method and system for identifying and eliminating railway transport capacity bottleneck |
| CN111898998A (zh) * | 2020-08-21 | 2020-11-06 | 北京机械设备研究所 | 基于缓冲区容量和工序节拍的生产线优化方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116300531A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108600029B (zh) | 一种配置文件更新方法、装置、终端设备及存储介质 | |
| 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 | |
| CN116300531B (zh) | 生产系统瓶颈环节的识别方法及系统、存储介质、终端 | |
| US20160033941A1 (en) | System and method for maintaining the health of a control system | |
| CN111553576B (zh) | 适应电力现货市场的数据校验方法、装置及系统 | |
| CN112527484A (zh) | 工作流断点续跑方法、装置、计算机设备及可读存储介质 | |
| CN110147273A (zh) | 一种任务执行方法及装置 | |
| 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 | |
| CN112395124A (zh) | 集群环境下机器人异常的管控方法及装置 | |
| CN111679950B (zh) | 接口级动态数据采样方法及装置 | |
| CN109150596B (zh) | 一种scada系统实时数据转储方法和装置 | |
| CN106534262A (zh) | 一种网络信息系统故障的切换方法 | |
| Pearsall | Manufacturing supply chain challenges-globalization and IOT | |
| Miller et al. | PacifiCorp’s Jim Bridger RAS: A dual triple modular redundant case study | |
| CN112541011A (zh) | 基于rpa和ai的电网终端故障处理方法及装置 | |
| CN110489208B (zh) | 虚拟机配置参数核查方法、系统、计算机设备和存储介质 | |
| Kajko-Mattsson | Can we learn anything from hardware preventive maintenance? | |
| CN112101799A (zh) | 一种基于风电场数据的标准状态划分方法及装置 | |
| CN116341281B (zh) | 作业率的确定方法及系统、存储介质、终端 | |
| CN112506631A (zh) | 基于电力大数据模型任务调度方法、平台及存储介质 | |
| CN110378592A (zh) | 一种动态评估设备风险的方法 | |
| WO2014184263A1 (en) | Integration platform monitoring | |
| Qi et al. | A novel condition‐based maintenance policy considering imperfect switching for warm standby systems | |
| CN114579824A (zh) | 应用于工业互联网的设备状态识别方法及识别终端 | |
| CN115543760A (zh) | 一种数据监控方法、装置、设备及介质 |
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 |