CN116307669B - 一种智能化设备管理方法 - Google Patents
一种智能化设备管理方法 Download PDFInfo
- Publication number
- CN116307669B CN116307669B CN202310580678.0A CN202310580678A CN116307669B CN 116307669 B CN116307669 B CN 116307669B CN 202310580678 A CN202310580678 A CN 202310580678A CN 116307669 B CN116307669 B CN 116307669B
- Authority
- CN
- China
- Prior art keywords
- equipment
- management
- monitoring
- relevance
- output
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 221
- 238000012544 monitoring process Methods 0.000 claims abstract description 146
- 238000004519 manufacturing process Methods 0.000 claims abstract description 145
- 238000000034 method Methods 0.000 claims abstract description 59
- 230000002159 abnormal effect Effects 0.000 claims description 73
- 238000012423 maintenance Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 24
- 238000007689 inspection Methods 0.000 claims description 16
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 12
- 238000004458 analytical method Methods 0.000 description 25
- 238000012545 processing Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 9
- 230000005856 abnormality Effects 0.000 description 6
- 238000013523 data management Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- 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
- G06Q10/20—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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
Abstract
本申请提供一种智能化设备管理方法，涉及设备管理技术领域。该方法包括获取设备信息数据，基于生产工艺流程进行管理类别划分，形成设备管理类别数据，并基于设备管理类别数据对设备进行编号管理；获取不同设备管理类别数据中的设备产出数据，并基于设备产出数据分别建立不同类别的管理监测模型，获取监测结果；根据监测结果对不同设备管理类别的设备进行智能化管理。其通过进行以产出为目的的数据分析来实现更加高效合理的设备管理。
Description
技术领域
本申请涉及设备管理技术领域，具体而言，涉及一种智能化设备管理方法。
背景技术
工业生产是基于设备按照工艺流程进行的一系列强调产品的生产作业活动。在生产过程中，设备作为重要的生产资料，其正常运行与否直接决定了生产的效率，为产品生产提供保障。由于不同的功能的设备有不同的作用和使用方式，所以不同的设备其工作状态是千差万别的，在进行设备的运行监测和维护中往往需要针对性的建立管理方案以保证生产的正常运行。目前，为了保证设备的正常运行，也陆续结合新的技术形成了不同的设备管理方案，总体来说管理的方式虽然变了但管理的内容和方向基本不变，通过对设备的运行状态参数进行处理分析来进行建立管理方案，这样的方式一方面数据的分析处理量大，需要占用较大的资源，另一方面基本上是结合设备自身的运行情况来进行管理维护，并没有充分的考虑生产产出情况。
而往往对于设备管理来说，其核心的目的在于对设备进行合理且高效的管理以有效的保证生产。所以设备管理更应该着手于生产产出，以为最终的目的——产出提供高效的服务。
因此，设计一种智能化设备管理方法，通过进行以产出为目的的数据分析来实现更加高效合理的设备管理，是目前亟待解决的问题。
发明内容
本申请实施例的目的在于提供一种智能化设备管理方法，通过以产出为目的，基于生产工艺流程进行设备的类别划分和编号，一方面为针对不同类别的设备进行针对性的高效管理提供基础，另一方面也能够优化设备的编号，做到更加合理的设备数据管理。同时，由于设备管理的数据分析重点考虑了生产产出，相比基于设备自身特点进行维护管理，能够更加合理的配合生产对设备进行管理维护，做到尽可能的降低设备管理对生产产出的影响，在提高生产效率的同时加强了对设备的管理维护，使设备的管理更加合理。另外，由于基于生产的设备管理主要进行生产参数的处理分析，相比其他的设备管理，大大简化了管理层面上数据分析处理的量，降低了设备管理层面对资源的占用，使设备管理更加高效专业。
第一方面，本申请实施例提供一种智能化设备管理方法，包括获取设备信息数据，基于生产工艺流程进行管理类别划分，形成设备管理类别数据，并基于设备管理类别数据对设备进行编号管理；获取不同设备管理类别数据中的设备产出数据，并基于设备产出数据分别建立不同类别的管理监测模型，获取监测结果；根据监测结果对不同设备管理类别的设备进行智能化管理。
在本申请实施例中，该方法通过以产出为目的，基于生产工艺流程进行设备的类别划分和编号，一方面为针对不同类别的设备进行针对性的高效管理提供基础，另一方面也能够优化设备的编号，做到更加合理的设备数据管理。同时，由于设备管理的数据分析重点考虑了生产产出，相比基于设备自身特点进行维护管理，能够更加合理的配合生产对设备进行管理维护，做到尽可能的降低设备管理对生产产出的影响，在提高生产效率的同时加强了对设备的管理维护，使设备的管理更加合理。另外，由于基于生产的设备管理主要进行生产参数的处理分析，相比其他的设备管理，大大简化了管理层面上数据分析处理的量，降低了设备管理层面对资源的占用，使设备管理更加高效专业。
作为一种可能的实现方式，获取设备信息数据，基于生产工艺流程进行管理类别划分，形成设备管理类别数据，并基于设备管理类别数据对设备进行编号管理，包括：获取设备的功能信息，结合生产工艺流程进行管理类别划分，形成关联性管理类别和独立性管理类别；将关联性管理类别中的关联性设备确定为一个整体编号组，并同独立性管理类别中的设备根据生产流程顺序进行编号管理，形成生产流程编号信息；对关联性管理类别中的关联性设备在编号组的基础上根据工艺流程顺序进行编号管理，形成关联性管理设备编号信息。
在本申请实施例中，基于生产产出进行设备管理，需要考虑的是生产产出在设备上的影响因素。设备进行生产很少时相互独立开的，基本上都是不同功能作用的设备组合在一起形成一个完整的工艺流程，进而实现产品的生产。所以基于生产产出进行设备的管理就需要考虑设备之间物料生产的连续性和关联性。而不同关联性的设备之间针对生产产出就具有强烈的成产逻辑联系，进而直接影响设备的管理方式。所以基于生产工艺流程对设备首先进行类别划分就十分重要了，针对划分出的不同类别进行针对性的设备管理，可以进一步优化设备管理的方式，提升设备管理的效率，同时也能更加具体的考虑生产产出，以更加有效的保障生产产出。
作为一种可能的实现方式，获取不同设备管理类别数据中的设备产出数据，并基于设备产出数据分别建立不同类别的管理监测模型，获取监测结果，包括：获取关联性管理类别中关联性设备的有效关联产出数据，并建立基于关联性产出的设备关联管理监测模型，获取关联监测结果；获取独立性管理类别中独立性设备的有效独立产出数据，并建立基于独立性产出的设备独立管理监测模型，获取独立监测结果。
在本申请实施例中，对于不同类别的设备进行针对生产产出的管理无外乎在于考虑设备是否对发生了对生产产出具有紧急性、普通性的影响。所以为了更加高效的实现对不同类别的设备进行管理，可以基于这一考虑结果建立固定的管理监测模型，使设备管理更加的标准化和明晰化，大大提高了设备管理的系统性和高效性。
作为一种可能的实现方式，获取关联性管理类别中关联性设备的有效关联产出数据，并建立基于关联性产出的设备关联管理监测模型，获取关联监测结果，包括：获取关联性管理类别中每个关联性设备的有效关联产出参数范围[MINk，MAXk]，其中，MINk表示编号为k的关联性设备的最小有效关联产出值，MAXk表示编号为k的关联性设备的最大有效关联产出值；根据有效关联产出参数范围，进行产能正常调整下的参数波动监测，获取产能正常调整监测结果数据；根据有效关联产出参数范围，进行产出参数非正常波动监测，获取产出非正常波动监测结果数据；根据有效关联产出参数范围，进行稳定产能下的参数波动监测，获取稳定产能监测结果数据。
在本申请实施例中，对于关联性设备的管理监测，主要包括了三个方面，一个方面是关联性设备之间具有相互影响和制约的生产产出能力，基于这种能力形成生产产出之间的动态关系，对这种动态关系进行监测，并在动态关系发生调整到再次平衡的过程中重点进行监测，可以充分了解关联性设备的工作状态，同时由于设备之间具有产出的相互制约和影响的关联性，建立在关联性基础上的监测基础数据能够提供准确的数据监测参考，使监测分析的结果更加准确。第二方面则是考虑了在关联性设备发生异常的情况下，基于生产产出进行管理分析判断，能够优化对关联性设备的管理，相比设备故障就进行维护性的安排而言，基于生产的异常监测分析，能够在充分保障生产效率的情况下实现对关联性设备的合理管理，高效实现设备的生产目的。第三方面则是考虑关联性设备运行的稳定性，由于关联性设备的运行在生产产出上不单单是影响自身的运行，还影响相互关联的其他关联性设备的生产运行，所以对于关联性设备运行稳定性的监控是必要的，有利于提前判断设备的运行情况，为合理安排维护提供了准确的数据基础，避免出现紧急停工抢修导致严重影响生产产出降低生产效率的情况。
作为一种可能的实现方式，根据有效关联产出参数范围，进行产能正常调整下的参数波动监测，获取产能正常调整监测结果数据，包括：获取产能正常调整的目标参数范围，结合有效关联产出参数范围确定每个关联性设备的目标调整范围[Ak，Bk]，其中，Ak表示编号为k的关联性设备的目标调整范围的极小值，Bk表示编号为k的关联性设备的目标调整范围的极大值；在第一调整周期内获取每个关联性设备的实时调整范围[Mk，Nk]，其中，Mk表示编号为k的关联性设备的实时调整范围的极小值，Nk表示编号为k的关联性设备的实时调整范围的极大值，进行下式判断：[Mk，Nk] ⊆ [Ak-αk，Bk+βk]，其中：αk为编号为k的关联性设备的产能调整下偏量，βk为编号为k的关联性设备的产能调整上偏量，且[Ak-αk，Bk+βk] ⊆[MINk，MAXk]；若成立，则形成设备监测正常信息；若不成立，则形成设备监测非紧急异常信息。
在本申请实施例中，在进行产能调整运行监测的情况下，首先需要确定理论上相互关联的关联性设备之间发行生产产出调整后自身生产产出的变化情况。不同关联性设备的生产产出范围调整是具有关联性的，相互影响和制约。基于这种关联性，在获得目标调整范围的情况下能够提前获得每个关联性设备的理论调整范围，进而与实施调整范围进行对比，即可判断出关联性设备在进行产出调整时的运行情况。可以理解的是，设备通常会在既定的生产目标下持续运行，长时间运行后调整生产目标影响设备的运行参数调整时设备发生运行异常的高发情况之一。所以每当进行生产目标的调整时就需要重点进行监测，避免设备无法达到要求的生产目标而造成生产效率的下降。另外，需要考虑的是，由于设备的长时间运行其设备设施的灵敏度会降低，进而导致实际基于生产目标的产出范围调整相对理论分析数据具有一定的偏移，在进行分析判断时需要充分考虑这一方面以免引起过判断，进而导致浪费资源的维护而降低生产效率。对于偏量的设定，可以针对不同的关联性设备建立历史数据库进而快速高效的获得。
作为一种可能的实现方式，根据有效关联产出参数范围，进行产出参数非正常波动监测，获取产出非正常波动监测结果数据，包括：设定每个关联性设备的非正常波动上偏移参量阈值Uk和非正常波动下偏移参量阈值Dk，其中，Uk为编号为k的关联性设备正常运行条件下相对最小有效关联产出值MINk的最大下行偏移参量，Dk为编号为k的关联性设备正常运行条件下相对最大有效关联产出值MAXk的最大上行偏移参量；采集每个关联性设备的实时有效参数值Pk，进行以下两式的判断：Pk＜Uk，Pk＞Dk；若两式中存在任意一式成立，则形成设备监测紧急异常信息；若两式均不成立，则继续进行以下判断：
Pk∈[Uk，MINk]，Pk∈[MAXk，Dk]；若两式中存在任意一式成立，则形成设备监测非紧急异常信息；若两式均不成立，则形成设备监测正常信息。
在本申请实施例中，关联性设备之间所具有的关联性的产出范围其实质上应该是每个关联性设备自身正常工作情况下取得的生产产出范围的一个子集。所以对于关联性设备的非正常波动，一方面需要考虑波动后关联性设备还能不能恢复到关联其他关联性设备的合理取值范围，另一方面就是考虑关联性设备会不会发生非正常范围的运行。如果波动后还是处于关联性设备合理的正常工作产出范围，则考虑关联性设备的关联性降低，导致成产效率下降，但设备运行处于正常的状态下，该种情况并不是特别需要提供进行检查维护，可以安排在定期维护中进行检查。而对于已经超出了关联性设备的正常产出范围的情况，则考虑设备发生了确定性的非正常运行状态，需要及时的进行处理，避免影响整个生产。对生产产出进行这样细致的划分，不仅能够准确确定设备的工作运行状态，还能够优化关联性设备的监测，进而提高设备管理的合理性，达到提升生产效率的效果。
作为一种可能的实现方式，根据有效关联产出参数范围，进行稳定产能下的参数波动监测，获取稳定产能监测结果数据，包括：获取稳定产能下每个关联性设备的稳定产出范围[Xk，Yk]，其中，Xk为编号为k的关联性设备在稳定产能下的产出极小值，Yk为编号为k的关联性设备在稳定产能下的产出极大值；获取每个关联性设备的实时稳定产出值Tk，在产能稳定监测周期内连续两次存在满足下式的情况，则形成设备监测非紧急异常信息：Tk-Xk的方向一致，且。
在本申请实施例中，关联性设备在稳定产能下发生波动无外乎设备出现了运行上的异常。为了避免一次性监测判断的偶发性情况发生，在进行波动监测分析时，考虑将连续性的变化作为判断的依据，能够提高分析结果的准确性，避免判断错误造成对生产运行的影响而降低生产效率的情况。
作为一种可能的实现方式，根据监测结果对不同设备管理类别的设备进行智能化管理，包括：当监测结果为设备监测非紧急异常信息时，在最近的定期维护作业中增加检查项，且检查项的检查顺序按照工艺顺序由出现异常的最上游关联性设备依次进行；当监测结果为设备监测紧急异常信息时，报警并按照工艺顺序输出异常设备的编号。
在本申请实施例中，对于关联性设备来说，当出现异常时，这种异常基本上会影响到关联系紧密的好几个关联性设备，因此在进行维护时，可以基于工艺顺序来进行分别的运行状态分析，一方面优化了分析监测的过程，另一方面也提供了快速的引导，进而更加高效的实现异常运行的分析。另外，针对不同的异常类型建立不同的管理处理方式，优化设备管理方案的同时也能实现生产的高效性。
作为一种可能的实现方式，获取独立性管理类别中独立性设备的有效独立产出数据，并建立基于独立性产出的设备独立管理监测模型，获取独立监测结果，包括：获取独立性设备的有效产出范围[MINi，MAXi]，其中，i为独立性设备的编号；获取目标产出值Wi，进行以下判断：若Wi∈[MINi，MAXi]，则形成独立监测正常信息；
若Wi∈[MINi-αi，MAXi+βi]，且Wi∉[MINi，MAXi]，则形成独立监测非紧急异常信息；若Wi∉[MINi-αi，MAXi+βi]，则形成独立监测紧急异常信息；其中，αi为编号为i的独立性设备正常工作下相对有效产出极小值MINi的下偏量，βi为编号为i的独立性设备正常工作下相对有效产出极大值MAXi的上偏量。
在本申请实施例中，对于独立性管理类别中的独立性设备来说，由于其运行状态基本上是以目标产出为依据且并不影响其他的设备运行。所以对于独立性设备来说，进行异常监测的产出范围应该是设备正常运行下能够获取到的产出范围下的一个有效子范围。同时仅基于这个有效子范围结合实际产出情况进行分析既能够确定独立性设备的运行情况。
作为一种可能的实现方式，根据监测结果对不同设备管理类别的设备进行智能化管理，包括：当监测结果为独立监测非紧急异常信息时，在最近的定期维护作业中增加对独立性设备的检查项；当监测结果为独立监测紧急异常信息时，报警并输出独立性设备的编号。
在本申请实施例中，独立性设备的异常管理方式相对关联性设备更加简单，这样基于类别的划分能够大大缩减独立性设备的管理方案，但反而在保证产能的情况下提高了设备运行的效率。
本实施例提供的一种智能化设备管理方法的有益效果有：
该方法通过以产出为目的，基于生产工艺流程进行设备的类别划分和编号，一方面为针对不同类别的设备进行针对性的高效管理提供基础，另一方面也能够优化设备的编号，做到更加合理的设备数据管理。同时，由于设备管理的数据分析重点考虑了生产产出，相比基于设备自身特点进行维护管理，能够更加合理的配合生产对设备进行管理维护，做到尽可能的降低设备管理对生产产出的影响，在提高生产效率的同时加强了对设备的管理维护，使设备的管理更加合理。另外，由于基于生产的设备管理主要进行生产参数的处理分析，相比其他的设备管理，大大简化了管理层面上数据分析处理的量，降低了设备管理层面对资源的占用，使设备管理更加高效专业。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的智能化设备管理方法的步骤图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
工业生产是基于设备按照工艺流程进行的一系列强调产品的生产作业活动。在生产过程中，设备作为重要的生产资料，其正常运行与否直接决定了生产的效率，为产品生产提供保障。由于不同的功能的设备有不同的作用和使用方式，所以不同的设备其工作状态是千差万别的，在进行设备的运行监测和维护中往往需要针对性的建立管理方案以保证生产的正常运行。目前，为了保证设备的正常运行，也陆续结合新的技术形成了不同的设备管理方案，总体来说管理的方式虽然变了但管理的内容和方向基本不变，通过对设备的运行状态参数进行处理分析来进行建立管理方案，这样的方式一方面数据的分析处理量大，需要占用较大的资源，另一方面基本上是结合设备自身的运行情况来进行管理维护，并没有充分的考虑生产产出情况。
而往往对于设备管理来说，其核心的目的在于对设备进行合理且高效的管理以有效的保证生产。所以设备管理更应该着手于生产产出，以为最终的目的——产出提供高效的服务。
参考图1，本申请实施例提供一种智能化设备管理方法。该方法通过以产出为目的，基于生产工艺流程进行设备的类别划分和编号，一方面为针对不同类别的设备进行针对性的高效管理提供基础，另一方面也能够优化设备的编号，做到更加合理的设备数据管理。同时，由于设备管理的数据分析重点考虑了生产产出，相比基于设备自身特点进行维护管理，能够更加合理的配合生产对设备进行管理维护，做到尽可能的降低设备管理对生产产出的影响，在提高生产效率的同时加强了对设备的管理维护，使设备的管理更加合理。另外，由于基于生产的设备管理主要进行生产参数的处理分析，相比其他的设备管理，大大简化了管理层面上数据分析处理的量，降低了设备管理层面对资源的占用，使设备管理更加高效专业。
智能化设备管理方法包括以下主要步骤：
S1：获取设备信息数据，基于生产工艺流程进行管理类别划分，形成设备管理类别数据，并基于设备管理类别数据对设备进行编号管理。
本步骤包括获取设备的功能信息，结合生产工艺流程进行管理类别划分，形成关联性管理类别和独立性管理类别；将关联性管理类别中的关联性设备确定为一个整体编号组，并同独立性管理类别中的设备根据生产流程顺序进行编号管理，形成生产流程编号信息；对关联性管理类别中的关联性设备在编号组的基础上根据工艺流程顺序进行编号管理，形成关联性管理设备编号信息。
基于生产产出进行设备管理，需要考虑的是生产产出在设备上的影响因素。设备进行生产很少时相互独立开的，基本上都是不同功能作用的设备组合在一起形成一个完整的工艺流程，进而实现产品的生产。所以基于生产产出进行设备的管理就需要考虑设备之间物料生产的连续性和关联性。而不同关联性的设备之间针对生产产出就具有强烈的成产逻辑联系，进而直接影响设备的管理方式。所以基于生产工艺流程对设备首先进行类别划分就十分重要了，针对划分出的不同类别进行针对性的设备管理，可以进一步优化设备管理的方式，提升设备管理的效率，同时也能更加具体的考虑生产产出，以更加有效的保障生产产出。
当然，对于关联性的判断可以根据设备在工作节奏或者速度上的配合，可以根据设备之间的位置关系，也可以根据设备运行参量调整后相互影响的大小来确定。当然，也可以结合联系性的强度进行更加细致的划分以进一步优化设备管理方案。
S2：获取不同设备管理类别数据中的设备产出数据，并基于设备产出数据分别建立不同类别的管理监测模型，获取监测结果。
获取不同设备管理类别数据中的设备产出数据，并基于设备产出数据分别建立不同类别的管理监测模型，获取监测结果，包括：获取关联性管理类别中关联性设备的有效关联产出数据，并建立基于关联性产出的设备关联管理监测模型，获取关联监测结果；获取独立性管理类别中独立性设备的有效独立产出数据，并建立基于独立性产出的设备独立管理监测模型，获取独立监测结果。
对于不同类别的设备进行针对生产产出的管理无外乎在于考虑设备是否对发生了对生产产出具有紧急性、普通性的影响。所以为了更加高效的实现对不同类别的设备进行管理，可以基于这一考虑结果建立固定的管理监测模型，使设备管理更加的标准化和明晰化，大大提高了设备管理的系统性和高效性。
其中，获取关联性管理类别中关联性设备的有效关联产出数据，并建立基于关联性产出的设备关联管理监测模型，获取关联监测结果，包括：获取关联性管理类别中每个关联性设备的有效关联产出参数范围[MINk，MAXk]，其中，MINk表示编号为k的关联性设备的最小有效关联产出值，MAXk表示编号为k的关联性设备的最大有效关联产出值；根据有效关联产出参数范围，进行产能正常调整下的参数波动监测，获取产能正常调整监测结果数据；根据有效关联产出参数范围，进行产出参数非正常波动监测，获取产出非正常波动监测结果数据；根据有效关联产出参数范围，进行稳定产能下的参数波动监测，获取稳定产能监测结果数据。
对于关联性设备的管理监测，主要包括了三个方面，一个方面是关联性设备之间具有相互影响和制约的生产产出能力，基于这种能力形成生产产出之间的动态关系，对这种动态关系进行监测，并在动态关系发生调整到再次平衡的过程中重点进行监测，可以充分了解关联性设备的工作状态，同时由于设备之间具有产出的相互制约和影响的关联性，建立在关联性基础上的监测基础数据能够提供准确的数据监测参考，使监测分析的结果更加准确。第二方面则是考虑了在关联性设备发生异常的情况下，基于生产产出进行管理分析判断，能够优化对关联性设备的管理，相比设备故障就进行维护性的安排而言，基于生产的异常监测分析，能够在充分保障生产效率的情况下实现对关联性设备的合理管理，高效实现设备的生产目的。第三方面则是考虑关联性设备运行的稳定性，由于关联性设备的运行在生产产出上不单单是影响自身的运行，还影响相互关联的其他关联性设备的生产运行，所以对于关联性设备运行稳定性的监控是必要的，有利于提前判断设备的运行情况，为合理安排维护提供了准确的数据基础，避免出现紧急停工抢修导致严重影响生产产出降低生产效率的情况。
对于根据有效关联产出参数范围，进行产能正常调整下的参数波动监测，获取产能正常调整监测结果数据，包括：获取产能正常调整的目标参数范围，结合有效关联产出参数范围确定每个关联性设备的目标调整范围[Ak，Bk]，其中，Ak表示编号为k的关联性设备的目标调整范围的极小值，Bk表示编号为k的关联性设备的目标调整范围的极大值；在第一调整周期内获取每个关联性设备的实时调整范围[Mk，Nk]，其中，Mk表示编号为k的关联性设备的实时调整范围的极小值，Nk表示编号为k的关联性设备的实时调整范围的极大值，进行下式判断：[Mk，Nk] ⊆ [Ak-αk，Bk+βk]，其中：αk为编号为k的关联性设备的产能调整下偏量，βk为编号为k的关联性设备的产能调整上偏量，且[Ak-αk，Bk+βk] ⊆ [MINk，MAXk]；若成立，则形成设备监测正常信息；若不成立，则形成设备监测非紧急异常信息。
在进行产能调整运行监测的情况下，首先需要确定理论上相互关联的关联性设备之间发行生产产出调整后自身生产产出的变化情况。不同关联性设备的生产产出范围调整是具有关联性的，相互影响和制约。基于这种关联性，在获得目标调整范围的情况下能够提前获得每个关联性设备的理论调整范围，进而与实施调整范围进行对比，即可判断出关联性设备在进行产出调整时的运行情况。可以理解的是，设备通常会在既定的生产目标下持续运行，长时间运行后调整生产目标影响设备的运行参数调整时设备发生运行异常的高发情况之一。所以每当进行生产目标的调整时就需要重点进行监测，避免设备无法达到要求的生产目标而造成生产效率的下降。另外，需要考虑的是，由于设备的长时间运行其设备设施的灵敏度会降低，进而导致实际基于生产目标的产出范围调整相对理论分析数据具有一定的偏移，在进行分析判断时需要充分考虑这一方面以免引起过判断，进而导致浪费资源的维护而降低生产效率。对于偏量的设定，可以针对不同的关联性设备建立历史数据库进而快速高效的获得。
对于根据有效关联产出参数范围，进行产出参数非正常波动监测，获取产出非正常波动监测结果数据，包括：设定每个关联性设备的非正常波动上偏移参量阈值Uk和非正常波动下偏移参量阈值Dk，其中，Uk为编号为k的关联性设备正常运行条件下相对最小有效关联产出值MINk的最大下行偏移参量，Dk为编号为k的关联性设备正常运行条件下相对最大有效关联产出值MAXk的最大上行偏移参量；采集每个关联性设备的实时有效参数值Pk，进行以下两式的判断：Pk＜Uk，Pk＞Dk；若两式中存在任意一式成立，则形成设备监测紧急异常信息；若两式均不成立，则继续进行以下判断：
Pk∈[Uk，MINk]，Pk∈[MAXk，Dk]；若两式中存在任意一式成立，则形成设备监测非紧急异常信息；若两式均不成立，则形成设备监测正常信息。
关联性设备之间所具有的关联性的产出范围其实质上应该是每个关联性设备自身正常工作情况下取得的生产产出范围的一个子集。所以对于关联性设备的非正常波动，一方面需要考虑波动后关联性设备还能不能恢复到关联其他关联性设备的合理取值范围，另一方面就是考虑关联性设备会不会发生非正常范围的运行。如果波动后还是处于关联性设备合理的正常工作产出范围，则考虑关联性设备的关联性降低，导致成产效率下降，但设备运行处于正常的状态下，该种情况并不是特别需要提供进行检查维护，可以安排在定期维护中进行检查。而对于已经超出了关联性设备的正常产出范围的情况，则考虑设备发生了确定性的非正常运行状态，需要及时的进行处理，避免影响整个生产。对生产产出进行这样细致的划分，不仅能够准确确定设备的工作运行状态，还能够优化关联性设备的监测，进而提高设备管理的合理性，达到提升生产效率的效果。
对于根据有效关联产出参数范围，进行稳定产能下的参数波动监测，获取稳定产能监测结果数据，包括：获取稳定产能下每个关联性设备的稳定产出范围[Xk，Yk]，其中，Xk为编号为k的关联性设备在稳定产能下的产出极小值，Yk为编号为k的关联性设备在稳定产能下的产出极大值；获取每个关联性设备的实时稳定产出值Tk，在产能稳定监测周期内连续两次存在满足下式的情况，则形成设备监测非紧急异常信息：Tk-Xk的方向一致，且。
关联性设备在稳定产能下发生波动无外乎设备出现了运行上的异常。为了避免一次性监测判断的偶发性情况发生，在进行波动监测分析时，考虑将连续性的变化作为判断的依据，能够提高分析结果的准确性，避免判断错误造成对生产运行的影响而降低生产效率的情况。
而对于获取独立性管理类别中独立性设备的有效独立产出数据，并建立基于独立性产出的设备独立管理监测模型，获取独立监测结果，包括：获取独立性设备的有效产出范围[MINi，MAXi]，其中，i为独立性设备的编号；获取目标产出值Wi，进行以下判断：若Wi∈[MINi，MAXi]，则形成独立监测正常信息；若Wi∈[MINi-αi，MAXi+βi]，且Wi∉[MINi，MAXi]，则形成独立监测非紧急异常信息；若Wi∉[MINi-αi，MAXi+βi]，则形成独立监测紧急异常信息；其中，αi为编号为i的独立性设备正常工作下相对有效产出极小值MINi的下偏量，βi为编号为i的独立性设备正常工作下相对有效产出极大值MAXi的上偏量。
由于其运行状态基本上是以目标产出为依据且并不影响其他的设备运行。所以对于独立性设备来说，进行异常监测的产出范围应该是设备正常运行下能够获取到的产出范围下的一个有效子范围。同时仅基于这个有效子范围结合实际产出情况进行分析既能够确定独立性设备的运行情况。
S3：根据监测结果对不同设备管理类别的设备进行智能化管理。
对于关联性设备类别来说，根据监测结果对不同设备管理类别的设备进行智能化管理，包括：当监测结果为设备监测非紧急异常信息时，在最近的定期维护作业中增加检查项，且检查项的检查顺序按照工艺顺序由出现异常的最上游关联性设备依次进行；当监测结果为设备监测紧急异常信息时，报警并按照工艺顺序输出异常设备的编号。对于关联性设备来说，当出现异常时，这种异常基本上会影响到关联系紧密的好几个关联性设备，因此在进行维护时，可以基于工艺顺序来进行分别的运行状态分析，一方面优化了分析监测的过程，另一方面也提供了快速的引导，进而更加高效的实现异常运行的分析。另外，针对不同的异常类型建立不同的管理处理方式，优化设备管理方案的同时也能实现生产的高效性。
对于独立性设备类别来说，根据监测结果对不同设备管理类别的设备进行智能化管理，包括：当监测结果为独立监测非紧急异常信息时，在最近的定期维护作业中增加对独立性设备的检查项；当监测结果为独立监测紧急异常信息时，报警并输出独立性设备的编号。
独立性设备的异常管理方式相对关联性设备更加简单，这样基于类别的划分能够大大缩减独立性设备的管理方案，但反而在保证产能的情况下提高了设备运行的效率。
综上所述，本申请实施例提供的智能化设备管理方法的有益效果有：
该方法通过以产出为目的，基于生产工艺流程进行设备的类别划分和编号，一方面为针对不同类别的设备进行针对性的高效管理提供基础，另一方面也能够优化设备的编号，做到更加合理的设备数据管理。同时，由于设备管理的数据分析重点考虑了生产产出，相比基于设备自身特点进行维护管理，能够更加合理的配合生产对设备进行管理维护，做到尽可能的降低设备管理对生产产出的影响，在提高生产效率的同时加强了对设备的管理维护，使设备的管理更加合理。另外，由于基于生产的设备管理主要进行生产参数的处理分析，相比其他的设备管理，大大简化了管理层面上数据分析处理的量，降低了设备管理层面对资源的占用，使设备管理更加高效专业。
本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a,b,或c中的至少一项（个），可以表示：a, b, c, a-b, a-c, b-c, 或a-b-c，其中a,b,c可以是单个，也可以是多个。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (1)
1.一种智能化设备管理方法，其特征在于，包括：
获取设备的功能信息，结合生产工艺流程进行管理类别划分，形成关联性管理类别和独立性管理类别；将关联性管理类别中的关联性设备确定为一个整体编号组，并同所述独立性管理类别中的设备根据生产流程顺序进行编号管理，形成生产流程编号信息；对所述关联性管理类别中的关联性设备在编号组的基础上根据工艺流程顺序进行编号管理，形成关联性管理设备编号信息；
获取所述关联性管理类别中每个所述关联性设备的有效关联产出参数范围[MINk，MAXk]，其中，MINk表示编号为k的关联性设备的最小有效关联产出值，MAXk表示编号为k的所述关联性设备的最大有效关联产出值；根据所述有效关联产出参数范围，进行产能正常调整下的参数波动监测，获取产能正常调整监测结果数据；根据所述有效关联产出参数范围，进行产出参数非正常波动监测，获取产出非正常波动监测结果数据；根据所述有效关联产出参数范围，进行稳定产能下的参数波动监测，获取稳定产能监测结果数据；
获取独立性设备的有效产出范围[MINi，MAXi]，其中，i为所述独立性设备的编号和获取目标产出值Wi；将所述有效产出范围[MINi，MAXi]与所述目标产出值Wi进行对比，形成不同的独立监测信息；
根据监测结果对不同设备管理类别的设备进行智能化管理：
当监测结果为设备监测非紧急异常信息时，在最近的定期维护作业中增加检查项，且检查项的检查顺序按照工艺顺序由出现异常的最上游所述关联性设备依次进行；当监测结果为设备监测紧急异常信息时，报警并按照工艺顺序输出异常设备的编号；
当监测结果为独立监测非紧急异常信息时，在最近的定期维护作业中增加对所述独立性设备的检查项；当监测结果为独立监测紧急异常信息时，报警并输出所述独立性设备的编号；
对于根据所述有效关联产出参数范围，进行产能正常调整下的参数波动监测，获取产能正常调整监测结果数据，包括：
获取产能正常调整的目标参数范围，结合所述有效关联产出参数范围确定每个所述关联性设备的目标调整范围[Ak，Bk]，其中，Ak表示编号为k的所述关联性设备的目标调整范围的极小值，Bk表示编号为k的所述关联性设备的目标调整范围的极大值；在第一调整周期内获取每个所述关联性设备的实时调整范围[Mk，Nk]，其中，Mk表示编号为k的所述关联性设备的实时调整范围的极小值，Nk表示编号为k的所述关联性设备的实时调整范围的极大值，进行下式判断：[Mk，Nk] ⊆ [Ak-αk，Bk+βk]，其中：αk为编号为k的所述关联性设备的产能调整下偏量，βk为编号为k的所述关联性设备的产能调整上偏量，且[Ak-αk，Bk+βk] ⊆ [MINk，MAXk]；若成立，则形成设备监测正常信息；若不成立，则形成设备监测非紧急异常信息；
对于根据所述有效关联产出参数范围，进行产出参数非正常波动监测，获取产出非正常波动监测结果数据，包括：
设定每个所述关联性设备的非正常波动上偏移参量阈值Uk和非正常波动下偏移参量阈值Dk，其中，Uk为编号为k的关联性设备正常运行条件下相对所述最小有效关联产出值MINk的最大下行偏移参量，Dk为编号为k的关联性设备正常运行条件下相对所述最大有效关联产出值MAXk的最大上行偏移参量；采集每个所述关联性设备的实时有效参数值Pk，进行以下两式的判断：Pk＜Uk，Pk＞Dk；若两式中存在任意一式成立，则形成设备监测紧急异常信息；若两式均不成立，则继续进行以下判断：Pk∈[Uk，MINk]，Pk∈[MAXk，Dk]；若两式中存在任意一式成立，则形成设备监测非紧急异常信息；若两式均不成立，则形成设备监测正常信息；
对于根据所述有效关联产出参数范围，进行稳定产能下的参数波动监测，获取稳定产能监测结果数据，包括：
获取稳定产能下每个所述关联性设备的稳定产出范围[Xk，Yk]，其中，Xk为编号为k的所述关联性设备在稳定产能下的产出极小值，Yk为编号为k的所述关联性设备在稳定产能下的产出极大值；获取每个所述关联性设备的实时稳定产出值Tk，在产能稳定监测周期内连续两次存在满足下式的情况，则形成设备监测非紧急异常信息：Tk-Xk的方向一致，且，Rk表示编号为k的关联性设备在稳定产能下形成设备监测非紧急异常信息的判断阈值；
对于将所述有效产出范围[MINi，MAXi]与所述目标产出值Wi进行对比，形成不同的独立监测信息包括：
若Wi∈[MINi，MAXi]，则形成独立监测正常信息；若Wi∈[MINi-αi，MAXi+βi]，且Wi∉[MINi，MAXi]，则形成独立监测非紧急异常信息；若Wi∉[MINi-αi，MAXi+βi]，则形成独立监测紧急异常信息；其中，αi为编号为i的所述独立性设备正常工作下相对有效产出极小值MINi的下偏量，βi为编号为i的所述独立性设备正常工作下相对有效产出极大值MAXi的上偏量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310580678.0A CN116307669B (zh) | 2023-05-23 | 2023-05-23 | 一种智能化设备管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310580678.0A CN116307669B (zh) | 2023-05-23 | 2023-05-23 | 一种智能化设备管理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116307669A CN116307669A (zh) | 2023-06-23 |
| CN116307669B true CN116307669B (zh) | 2023-08-18 |
Family
ID=86785413
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310580678.0A Active CN116307669B (zh) | 2023-05-23 | 2023-05-23 | 一种智能化设备管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116307669B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2851675A1 (fr) * | 2003-02-25 | 2004-08-27 | Ion Berechet | Procede intelligent de prediction de comportements et/ou de generation de scenarios optimaux et/ou de surveillance de parametres inaccessibles de processus reels |
| KR20110061983A (ko) * | 2009-12-02 | 2011-06-10 | (주)아크라인 | Ｃｐｍ 공법을 이용한 지능형 생산 관리 방법 및 시스템 |
| CN110086666A (zh) * | 2019-04-25 | 2019-08-02 | 深圳前海微众银行股份有限公司 | 一种告警方法、装置及系统 |
| CA3053660A1 (en) * | 2018-12-29 | 2020-06-29 | Petrochina Company Limited | Prediction method for shale oil and gas sweet spot region, computer device and computer readable storage medium |
| CN114065974A (zh) * | 2021-11-29 | 2022-02-18 | 重庆允成互联网科技有限公司 | 一种设备智能化管理方法及系统 |
| CN115796840A (zh) * | 2022-12-02 | 2023-03-14 | 滨州绿能热电有限公司 | 基于数据分析的绿能热电设备管理平台 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6281225B2 (ja) * | 2013-09-30 | 2018-02-21 | 日本電気株式会社 | 情報処理装置 |
| US20220129816A1 (en) * | 2020-10-23 | 2022-04-28 | State Street Corporation | Methods and arrangements to manage requirements and controls, and data at the intersection thereof |
| CN114820225B (zh) * | 2022-06-28 | 2022-09-13 | 成都秦川物联网科技股份有限公司 | 基于关键词识别和处理制造问题的工业物联网及控制方法 |
-
2023
- 2023-05-23 CN CN202310580678.0A patent/CN116307669B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2851675A1 (fr) * | 2003-02-25 | 2004-08-27 | Ion Berechet | Procede intelligent de prediction de comportements et/ou de generation de scenarios optimaux et/ou de surveillance de parametres inaccessibles de processus reels |
| KR20110061983A (ko) * | 2009-12-02 | 2011-06-10 | (주)아크라인 | Ｃｐｍ 공법을 이용한 지능형 생산 관리 방법 및 시스템 |
| CA3053660A1 (en) * | 2018-12-29 | 2020-06-29 | Petrochina Company Limited | Prediction method for shale oil and gas sweet spot region, computer device and computer readable storage medium |
| CN110086666A (zh) * | 2019-04-25 | 2019-08-02 | 深圳前海微众银行股份有限公司 | 一种告警方法、装置及系统 |
| WO2020215894A1 (zh) * | 2019-04-25 | 2020-10-29 | 深圳前海微众银行股份有限公司 | 一种告警方法、装置及系统 |
| CN114065974A (zh) * | 2021-11-29 | 2022-02-18 | 重庆允成互联网科技有限公司 | 一种设备智能化管理方法及系统 |
| CN115796840A (zh) * | 2022-12-02 | 2023-03-14 | 滨州绿能热电有限公司 | 基于数据分析的绿能热电设备管理平台 |
Non-Patent Citations (1)
| Title |
|---|
| 安全检测及监控预警技术――浅谈工业事故预防的技术保障体系;吕武轩;;中国仪器仪表(第05期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116307669A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107566163B (zh) | 一种用户行为分析关联的告警方法及装置 | |
| DE102017128693A1 (de) | Merkmal- und Grenzeinstellung zur Bedrohungserkennung in einem industriellen Anlagensteuersystem | |
| US20070289013A1 (en) | Method and system for anomaly detection using a collective set of unsupervised machine-learning algorithms | |
| CN111309565B (zh) | 告警处理方法、装置、电子设备以及计算机可读存储介质 | |
| CN110083507B (zh) | 关键性能指标分类方法及装置 | |
| CN101668012A (zh) | 安全事件检测方法及装置 | |
| CN111882188A (zh) | 基于Birch聚类算法的工艺质量同质化水平评价方法及系统 | |
| CN109861825B (zh) | Cps系统中基于加权规则与一致度的内部攻击检测方法 | |
| Gan et al. | Abnormal network traffic detection based on improved LOF algorithm | |
| CN112445685A (zh) | 一种动态更新告警阈值的方法、装置及存储介质 | |
| CN102158372B (zh) | 一种分布式系统异常检测方法 | |
| CN116307669B (zh) | 一种智能化设备管理方法 | |
| JP5310094B2 (ja) | 異常検出システム、異常検出方法および異常検出用プログラム | |
| CN113705714A (zh) | 基于行为序列的配电物联网设备异常行为检测方法及装置 | |
| JP2005182647A (ja) | 機器の異常検知装置 | |
| CN112445842A (zh) | 一种基于时间序列数据的异常值检测方法和系统 | |
| CN117216713A (zh) | 故障定界方法、装置、电子设备和存储介质 | |
| WO2020057402A1 (zh) | 系统状态监视方法、装置和存储介质 | |
| CN113487010B (zh) | 基于机器学习的电网网络安全事件分析方法 | |
| Jiang et al. | An Enhanced EWMA for Alert Reduction and Situation Awareness in Industrial Control Networks | |
| CN113379140A (zh) | 非正态分布下可变抽样区间和样本容量ewma控制图的经济设计方法 | |
| Xiao et al. | Using outlier detection to reduce false positives in intrusion detection | |
| CN117235648B (zh) | 基于数据处理的钢丝加工全流程集成化管理系统 | |
| CN105931438B (zh) | 一种判别报警持续时间统计分布稳定性的方法和系统 | |
| CN117540284B (zh) | 一种pdu运行故障检测方法 |
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 |