CN116382224A - 一种基于数据分析的包装设备监测方法及系统 - Google Patents
一种基于数据分析的包装设备监测方法及系统 Download PDFInfo
- Publication number
- CN116382224A CN116382224A CN202310656701.XA CN202310656701A CN116382224A CN 116382224 A CN116382224 A CN 116382224A CN 202310656701 A CN202310656701 A CN 202310656701A CN 116382224 A CN116382224 A CN 116382224A
- Authority
- CN
- China
- Prior art keywords
- parameter
- production
- equipment
- state
- analysis
- 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.)
- Granted
Links
- 238000004806 packaging method and process Methods 0.000 title claims abstract description 133
- 238000007405 data analysis Methods 0.000 title claims abstract description 89
- 238000012544 monitoring process Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004519 manufacturing process Methods 0.000 claims abstract description 262
- 238000004458 analytical method Methods 0.000 claims abstract description 201
- 238000011156 evaluation Methods 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 49
- 238000001514 detection method Methods 0.000 claims description 39
- 238000012423 maintenance Methods 0.000 claims description 32
- 238000006243 chemical reaction Methods 0.000 claims description 25
- 238000005265 energy consumption Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 12
- 238000012806 monitoring device Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method 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
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2337—Non-hierarchical techniques using fuzzy logic, i.e. fuzzy clustering
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Manufacturing & Machinery (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据处理领域，公开了一种基于数据分析的包装设备监测方法及系统，用于实现对包装设备进行全生命周期管理和设备的实时监测并且提升设备的生产效率。方法包括：将多个参数状态数据输入设备数据分析模型进行设备生产状态分析，得到第一状态分析结果；根据第一状态分析结果，对多个参数状态数据进行参数调整和参数组合，得到多个候选生产参数组合；根据多个候选生产参数组合对目标包装设备进行生产监测，并分别获取第二生产状态信息；分别将每个第二生产状态信息输入设备数据分析模型进行设备生产状态分析，得到第二状态分析结果；根据第二状态分析结果生成评价指标，并根据评价指标比较结果选取评价指标最高的目标生产参数组合。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种基于数据分析的包装设备监测方法及系统。
背景技术
随着云计算、大数据和互联网技术的发展，将云端协同技术应用到产品包装生产的检测，可以解决目前包装设备的信息孤岛、参数调整效率低、调整过程影响产线工作等不足，使包装设备更加数字化、智能化、高效化。
但是目前，现有的包装设备监测过程通常是人工经验进行管理，人工经验无法对包装设备的生产过程进行全方位的监控，进而导致包装设备的生产效率较低。
发明内容
本发明提供了一种基于数据分析的包装设备监测方法及系统，用于实现对包装设备进行全生命周期管理和设备的实时监测并且提升设备的生产效率。
本发明第一方面提供了一种基于数据分析的包装设备监测方法，所述基于数据分析的包装设备监测方法包括：
采集目标包装设备的第一生产状态信息，并对所述第一生产状态信息进行信息解析，得到多个参数状态数据；
将所述多个参数状态数据输入预置的设备数据分析模型进行设备生产状态分析，得到第一状态分析结果；
根据所述第一状态分析结果，对所述多个参数状态数据进行参数调整和参数组合，得到多个候选生产参数组合；
根据所述多个候选生产参数组合对所述目标包装设备进行生产监测，并分别获取每个候选生产参数组合对应的第二生产状态信息；
分别将每个第二生产状态信息输入所述设备数据分析模型进行设备生产状态分析，得到每个候选生产参数组合对应的第二状态分析结果；
根据每个候选生产参数组合对应的第二状态分析结果生成评价指标，并对所述评价指标进行比较，得到比较结果，以及根据所述比较结果从所述多个候选生产参数组合中选取所述评价指标最高的目标生产参数组合。
结合第一方面，在本发明第一方面的第一实施方式中，所述采集目标包装设备的第一生产状态信息，并对所述第一生产状态信息进行信息解析，得到多个参数状态数据，包括：
基于预置的生产状态监测装置，采集目标包装设备的生产状态信息，得到第一生产状态信息；
获取参数属性集合，并对所述参数属性集合进行特征标识处理，得到多个特征属性参数；
根据所述多个特征属性参数，对所述第一生产状态信息进行参数聚类，得到每个特征属性参数对应的聚类结果；
根据每个特征属性参数对应的聚类结果生成所述第一生产状态信息对应的多个参数状态数据。
结合第一方面，在本发明第一方面的第二实施方式中，所述将所述多个参数状态数据输入预置的设备数据分析模型进行设备生产状态分析，得到第一状态分析结果，包括：
对所述多个参数状态数据进行矩阵转换，得到目标参数矩阵；
将所述目标参数矩阵输入预置的设备数据分析模型，其中，所述设备数据分析模型包括：四层长短时记忆网络、三层门限循环网络以及全连接网络；
通过所述设备数据分析模型对所述目标参数矩阵进行参数特征提取和参数状态分析，输出目标特征值；
根据所述目标特征值从预置的状态分析列表中查询所述目标包装设备对应的第一状态分析结果。
结合第一方面，在本发明第一方面的第三实施方式中，所述根据所述第一状态分析结果，对所述多个参数状态数据进行参数调整和参数组合，得到多个候选生产参数组合，包括：
根据所述第一状态分析结果，构建每个参数状态数据的取值区间；
根据所述取值区间，分别对所述多个参数状态数据进行参数调整，得到每个参数状态数据的多个参数调整值；
对每个参数状态数据的多个参数调整值进行参数组合，生成多个候选生产参数组合。
结合第一方面，在本发明第一方面的第四实施方式中，所述根据每个候选生产参数组合对应的第二状态分析结果生成评价指标，并对所述评价指标进行比较，得到比较结果，以及根据所述比较结果从所述多个候选生产参数组合中选取所述评价指标最高的目标生产参数组合，包括：
调用预置的一元函数，对每个候选生产参数组合对应的第二状态分析结果进行一元运算，得到一元运算值；
对所述一元运算值进行指标转换，得到每个第二状态分析结果对应的评价指标；
对所述评价指标进行比较，得到比较结果；
根据所述比较结果从所述多个候选生产参数组合中选取所述评价指标最高的目标生产参数组合。
结合第一方面，在本发明第一方面的第五实施方式中，所述基于数据分析的包装设备监测方法还包括：
分别将所述多个参数状态数据输入预置的设备故障分析模型集，其中，所述设备故障分析模型集包括：设备温度检测模型、设备能耗检测模型以及设备故障率分析模型；
通过所述设备故障分析模型集对所述多个参数状态数据进行设备故障分析，得到设备温度检测结果、设备能耗检测结果以及设备故障率分析结果；
对所述设备温度检测结果、所述设备能耗检测结果以及所述设备故障率分析结果进行结果融合，生成目标设备故障分析结果。
结合第一方面，在本发明第一方面的第六实施方式中，所述基于数据分析的包装设备监测方法还包括：
根据所述目标设备故障分析结果，从多个候选包装设备维护方案中匹配目标包装设备维护方案；
根据所述目标包装设备维护方案对所述目标包装设备进行全生命周期监控。
本发明第二方面提供了一种基于数据分析的包装设备监测系统，所述基于数据分析的包装设备监测系统包括：
采集模块，用于采集目标包装设备的第一生产状态信息，并对所述第一生产状态信息进行信息解析，得到多个参数状态数据；
第一分析模块，用于将所述多个参数状态数据输入预置的设备数据分析模型进行设备生产状态分析，得到第一状态分析结果；
组合模块，用于根据所述第一状态分析结果，对所述多个参数状态数据进行参数调整和参数组合，得到多个候选生产参数组合；
获取模块，用于根据所述多个候选生产参数组合对所述目标包装设备进行生产监测，并分别获取每个候选生产参数组合对应的第二生产状态信息；
第二分析模块，用于分别将每个第二生产状态信息输入所述设备数据分析模型进行设备生产状态分析，得到每个候选生产参数组合对应的第二状态分析结果；
比较模块，用于根据每个候选生产参数组合对应的第二状态分析结果生成评价指标，并对所述评价指标进行比较，得到比较结果，以及根据所述比较结果从所述多个候选生产参数组合中选取所述评价指标最高的目标生产参数组合。
结合第二方面，在本发明第二方面的第一实施方式中，所述采集模块具体用于：
基于预置的生产状态监测装置，采集目标包装设备的生产状态信息，得到第一生产状态信息；
获取参数属性集合，并对所述参数属性集合进行特征标识处理，得到多个特征属性参数；
根据所述多个特征属性参数，对所述第一生产状态信息进行参数聚类，得到每个特征属性参数对应的聚类结果；
根据每个特征属性参数对应的聚类结果生成所述第一生产状态信息对应的多个参数状态数据。
结合第二方面，在本发明第二方面的第二实施方式中，所述第一分析模块具体用于：
对所述多个参数状态数据进行矩阵转换，得到目标参数矩阵；
将所述目标参数矩阵输入预置的设备数据分析模型，其中，所述设备数据分析模型包括：四层长短时记忆网络、三层门限循环网络以及全连接网络；
通过所述设备数据分析模型对所述目标参数矩阵进行参数特征提取和参数状态分析，输出目标特征值；
根据所述目标特征值从预置的状态分析列表中查询所述目标包装设备对应的第一状态分析结果。
结合第二方面，在本发明第二方面的第三实施方式中，所述组合模块具体用于：
根据所述第一状态分析结果，构建每个参数状态数据的取值区间；
根据所述取值区间，分别对所述多个参数状态数据进行参数调整，得到每个参数状态数据的多个参数调整值；
对每个参数状态数据的多个参数调整值进行参数组合，生成多个候选生产参数组合。
结合第二方面，在本发明第二方面的第四实施方式中，所述比较模块具体用于：
调用预置的一元函数，对每个候选生产参数组合对应的第二状态分析结果进行一元运算，得到一元运算值；
对所述一元运算值进行指标转换，得到每个第二状态分析结果对应的评价指标；
对所述评价指标进行比较，得到比较结果；
根据所述比较结果从所述多个候选生产参数组合中选取所述评价指标最高的目标生产参数组合。
结合第二方面，在本发明第二方面的第五实施方式中，所述基于数据分析的包装设备监测系统还包括：
故障分析模块，用于分别将所述多个参数状态数据输入预置的设备故障分析模型集，其中，所述设备故障分析模型集包括：设备温度检测模型、设备能耗检测模型以及设备故障率分析模型；通过所述设备故障分析模型集对所述多个参数状态数据进行设备故障分析，得到设备温度检测结果、设备能耗检测结果以及设备故障率分析结果；对所述设备温度检测结果、所述设备能耗检测结果以及所述设备故障率分析结果进行结果融合，生成目标设备故障分析结果。
结合第二方面，在本发明第二方面的第六实施方式中，所述基于数据分析的包装设备监测系统还包括：
设备维护模块，用于根据所述目标设备故障分析结果，从多个候选包装设备维护方案中匹配目标包装设备维护方案；根据所述目标包装设备维护方案对所述目标包装设备进行全生命周期监控。
本发明提供的技术方案中，将多个参数状态数据输入设备数据分析模型进行设备生产状态分析，得到第一状态分析结果；根据第一状态分析结果，对多个参数状态数据进行参数调整和参数组合，得到多个候选生产参数组合；根据多个候选生产参数组合对目标包装设备进行生产监测，并分别获取第二生产状态信息；分别将每个第二生产状态信息输入设备数据分析模型进行设备生产状态分析，得到第二状态分析结果；根据第二状态分析结果生成评价指标，并根据评价指标比较结果选取评价指标最高的目标生产参数组合，本发明通过对多个参数状态数据进行参数调整和参数组合，从而高效的选取出最优的目标生产参数组合，通过对目标包装设备进行生产状态全方位监控，实现了对包装设备进行全生命周期管理和设备的实时监测，进而提升了设备的生产效率。
附图说明
图1为本发明实施例中基于数据分析的包装设备监测方法的一个实施例示意图；
图2为本发明实施例中设备生产状态分析的流程图；
图3为本发明实施例中参数调整和参数组合的流程图；
图4为本发明实施例中选取评价指标最高的目标生产参数组合的流程图；
图5为本发明实施例中基于数据分析的包装设备监测系统的一个实施例示意图；
图6为本发明实施例中基于数据分析的包装设备监测系统的另一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于数据分析的包装设备监测方法及系统，用于实现对包装设备进行全生命周期管理和设备的实时监测并且提升设备的生产效率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中基于数据分析的包装设备监测方法的一个实施例包括：
S101、采集目标包装设备的第一生产状态信息，并对第一生产状态信息进行信息解析，得到多个参数状态数据；
可以理解的是，本发明的执行主体可以为基于数据分析的包装设备监测系统，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的，服务器采集目标包装设备的第一生产状态信息，其中，服务器通过生产状态监测装置对该目标包装设备进行生产状态信息采集，得到第一生产状态信息，进而服务器获取参数属性集合，并根据该参数属性集合确定对应的多个特征属性参数，最终，服务器根据该多个特征属性参数对该第一生产状态信息进行信息解析，得到多个参数状态数据。
S102、将多个参数状态数据输入预置的设备数据分析模型进行设备生产状态分析，得到第一状态分析结果；
具体的，服务器将多个参数状态数据输入预置的设备数据分析模型进行设备生产状态分析，其中，该多个参数状态信息中包括该目标包装设备的设备信息，进一步的，服务对该多个参数状态数据进行矩阵转换，得到目标参数矩阵，进而服务器将该目标参数矩阵输入预置的设备数据分析模型进行设备生产状态分析，得到第一状态分析结果。
S103、根据第一状态分析结果，对多个参数状态数据进行参数调整和参数组合，得到多个候选生产参数组合；
需要说明的是，根据第一状态分析结果，对多个参数状态数据进行参数调整和参数组合，其中，在进行参数调整及参数组合时，服务器根据该第一状态分析结果对该多个参数状态数据进行取值区间分析，确定每一参数状态数据的取值区间，进一步的，服务器根据该每一参数状态数据的取值区间对该多个参数状态数据进行参数调整和参数组合，得到多个候选生产参数组合。
S104、根据多个候选生产参数组合对目标包装设备进行生产监测，并分别获取每个候选生产参数组合对应的第二生产状态信息；
具体的，根据多个候选生产参数组合对目标包装设备进行生产监测，其中，服务器自动获取目标包装设备的标准生产参数，以及目标包装设备的的设备类型信息，基于设备类型信息，生成监测值，其中，该监测值用于表征目标包装设备的生产质量、生产状况以及应用该标准生产参数是否适合用于生产，进一步的，服务器基于监测值调整目标包装设备的标准生产参数，最终，服务器根据该多个候选生产参数组合及监测值对目标包装设备进行生产监测，并分别获取每个候选生产参数组合对应的第二生产状态信息。
S105、分别将每个第二生产状态信息输入设备数据分析模型进行设备生产状态分析，得到每个候选生产参数组合对应的第二状态分析结果；
具体的，分别将每个第二生产状态信息输入设备数据分析模型进行设备生产状态分析，其中，服务器根据多个第二生产状态信息构建产品生产工序信息并发送至设备数据分析模型，服务器发送产品识别信息至设备数据分析模型，进一步的，服务器基于该设备数据分析模型根据产品识别信息和产品生产工序信息生成产品信息，最终，服务器根据该产品信息进行生产状态分析，得到每个候选生产参数组合对应的第二状态分析结果。
S106、根据每个候选生产参数组合对应的第二状态分析结果生成评价指标，并对评价指标进行比较，得到比较结果，以及根据比较结果从多个候选生产参数组合中选取评价指标最高的目标生产参数组合。
具体的，调用预置的一元函数，对每个候选生产参数组合对应的第二状态分析结果进行一元运算，得到一元运算值，对一元运算值进行指标转换，得到每个第二状态分析结果对应的评价指标，对评价指标进行比较，得到比较结果，根据比较结果从多个候选生产参数组合中选取评价指标最高的目标生产参数组合。
本发明实施例中，将多个参数状态数据输入设备数据分析模型进行设备生产状态分析，得到第一状态分析结果；根据第一状态分析结果，对多个参数状态数据进行参数调整和参数组合，得到多个候选生产参数组合；根据多个候选生产参数组合对目标包装设备进行生产监测，并分别获取第二生产状态信息；分别将每个第二生产状态信息输入设备数据分析模型进行设备生产状态分析，得到第二状态分析结果；根据第二状态分析结果生成评价指标，并根据评价指标比较结果选取评价指标最高的目标生产参数组合，本发明通过对多个参数状态数据进行参数调整和参数组合，从而高效的选取出最优的目标生产参数组合，通过对目标包装设备进行生产状态全方位监控，实现了对包装设备进行全生命周期管理和设备的实时监测，进而提升了设备的生产效率。
在一具体实施例中，执行步骤S101的过程可以具体包括如下步骤：
（1）基于预置的生产状态监测装置，采集目标包装设备的生产状态信息，得到第一生产状态信息；
（2）获取参数属性集合，并对参数属性集合进行特征标识处理，得到多个特征属性参数；
（3）根据多个特征属性参数，对第一生产状态信息进行参数聚类，得到每个特征属性参数对应的聚类结果；
（4）根据每个特征属性参数对应的聚类结果生成第一生产状态信息对应的多个参数状态数据。
具体的，基于预置的生产状态监测装置，采集目标包装设备的生产状态信息，得到第一生产状态信息，获取参数属性集合，并对参数属性集合进行特征标识处理，得到多个特征属性参数，其中，通过服务器获取标识处理节点用于处理参数属性集合的候选标识信息，服务器根据候选标识信息，判断服务器是否支持采用预置的标识处理算法处理参数属性集合，在判断到服务器支持处理参数属性集合的情况下，服务器通过该预置的标识处理算法对参数属性集合进行特征标识处理，得到多个特征属性参数，进一步的，服务器根据多个特征属性参数，对第一生产状态信息进行参数聚类，得到每个特征属性参数对应的聚类结果，其中，服务器对第一生产状态信息进行时间序列分块及基于SSI的模态参数识别，采用模糊C均值聚类进行稳定轴自动拾取，得到初始模态参数，根据得到的初始模态参数，基于层次聚类对第一生产状态信息进行参数聚类，得到每个特征属性参数对应的聚类结果。最终，服务器根据每个特征属性参数对应的聚类结果生成第一生产状态信息对应的多个参数状态数据。
在一具体实施例中，如图2所示，执行步骤S102的过程可以具体包括如下步骤：
S201、对多个参数状态数据进行矩阵转换，得到目标参数矩阵；
S202、将目标参数矩阵输入预置的设备数据分析模型，其中，设备数据分析模型包括：四层长短时记忆网络、三层门限循环网络以及全连接网络；
S203、通过设备数据分析模型对目标参数矩阵进行参数特征提取和参数状态分析，输出目标特征值；
S204、根据目标特征值从预置的状态分析列表中查询目标包装设备对应的第一状态分析结果。
具体的，对多个参数状态数据进行矩阵转换，得到目标参数矩阵，其中，通过获取矩阵转换指令，矩阵转换指令包括参数状态计算矩阵和矩阵转换形式，进一步的，服务器基于矩阵转换形式查询矩阵转换推导表，获取待使用矩阵映射算法，进而服务器根据该待使用矩阵映射算法对多个参数状态数据进行矩阵转换，得到目标参数矩阵，进一步的，服务器将目标参数矩阵输入预置的设备数据分析模型，其中，设备数据分析模型包括：四层长短时记忆网络、三层门限循环网络以及全连接网络；通过设备数据分析模型对目标参数矩阵进行参数特征提取和参数状态分析，输出目标特征值，其中，服务器接收目标参数矩阵及其属性时间戳和参数类型数据后，对接收的参数类型数据进行异常数据处理，具体的，服务器采用窗口移动的方式分别对处理后的目标参数矩阵进行特征参数提取，获得实时特征参数，对自动学习数据组库中数据进行特征参数提取和参数状态分析，输出目标特征值，根据目标特征值从预置的状态分析列表中查询目标包装设备对应的第一状态分析结果。
在一具体实施例中，如图3所示，执行步骤S103的过程可以具体包括如下步骤：
S301、根据第一状态分析结果，构建每个参数状态数据的取值区间；
S302、根据取值区间，分别对多个参数状态数据进行参数调整，得到每个参数状态数据的多个参数调整值；
S303、对每个参数状态数据的多个参数调整值进行参数组合，生成多个候选生产参数组合。
具体的，服务器根据第一状态分析结果，构建每个参数状态数据的取值区间，其中，专家对每个参数状态数据进行映射值计算，通过改进区间层次分析法将判断区间的不确定型取值转换为确定型取值，构造区间判断矩阵，并计算该矩阵的最大特征值和特征向量，对区间判断矩阵的一致性进行检验，构建每个参数状态数据的取值区间。进一步的，服务器根据取值区间，分别对多个参数状态数据进行参数调整，得到每个参数状态数据的多个参数调整值，其中，基于预设数据库的参数调整规则生成参数空间，其中，参数空间可被划分为多个子空间，多个子空间中至少包括目标子空间，在目标子空间进行参数采样，得到多个参数状态数据，评估每个参数状态数据的性能得分，以确定目标参数状态数据，根据评估出的目标参数状态数据对预设数据库进行参数调整，进而分别对多个参数状态数据进行参数调整，得到每个参数状态数据的多个参数调整值。最终，服务器对每个参数状态数据的多个参数调整值进行参数组合，生成多个候选生产参数组合。
在一具体实施例中，如图4所示，执行步骤S104的过程可以具体包括如下步骤：
S401、调用预置的一元函数，对每个候选生产参数组合对应的第二状态分析结果进行一元运算，得到一元运算值；
S402、对一元运算值进行指标转换，得到每个第二状态分析结果对应的评价指标；
S403、对评价指标进行比较，得到比较结果；
S404、根据比较结果从多个候选生产参数组合中选取评价指标最高的目标生产参数组合。
具体的，服务器调用预置的一元函数，对每个候选生产参数组合对应的第二状态分析结果进行一元运算，得到一元运算值，其中，服务器运用对数运算，将求解高斯函数幅值、中心及方差参数的运算转换为了求解超定一元二次方程组系数的运算，在方程组中引入权重因子，采用最小二乘法推导方程组系数求解公式，其中，该方程组系数求解公式即上述预置的一元函数，进一步的，服务器对每个候选生产参数组合对应的第二状态分析结果进行一元运算，得到一元运算值然后求出方程组系数，由方程组系数反解高斯函数的幅值、中心及方差参数，然后根据高斯函数得到能谱单能峰的高斯函数拟合结果，得到一元运算值，进一步的，服务器对一元运算值进行指标转换，得到每个第二状态分析结果对应的评价指标，其中，服务器在预设的指标类型和一元运算值生成方法的映射关系中，查找与指标类型对应的一元运算值生成方法，在预设的指标关键词集合和转换字段集合的对应关系中，查找与指标关键词对应的至少一个转换字段，转换字段集合包括数据库中的目标数据表中的各个字段，基于组合语法和查找到的转换字段，确定转换字段对应的指标数值，基于指标数值和一元运算值生成方法，对一元运算值进行指标转换，得到每个第二状态分析结果对应的评价指标。进而服务器对评价指标进行比较，得到比较结果，最终，服务器根据比较结果从多个候选生产参数组合中选取评价指标最高的目标生产参数组合。
在一具体实施例中，上述基于数据分析的包装设备监测方法还包括如下步骤：
（1）分别将多个参数状态数据输入预置的设备故障分析模型集，其中，设备故障分析模型集包括：设备温度检测模型、设备能耗检测模型以及设备故障率分析模型；
（2）通过设备故障分析模型集对多个参数状态数据进行设备故障分析，得到设备温度检测结果、设备能耗检测结果以及设备故障率分析结果；
（3）对设备温度检测结果、设备能耗检测结果以及设备故障率分析结果进行结果融合，生成目标设备故障分析结果。
具体的，服务器分别将多个参数状态数据输入预置的设备故障分析模型集，其中，设备故障分析模型集包括：设备温度检测模型、设备能耗检测模型以及设备故障率分析模型；通过设备故障分析模型集对多个参数状态数据进行设备故障分析，得到设备温度检测结果、设备能耗检测结果以及设备故障率分析结果，其中，服务器获取多个参数状态数据，构建参数状态数据矩阵，并对其进行处理，建立标准参数状态数据矩阵，进一步的，服务器基于该标准参数状态数据矩阵，通过设备故障分析模型集对多个参数状态数据进行设备故障分析，得到设备温度检测结果、设备能耗检测结果以及设备故障率分析结果。最终，服务器对设备温度检测结果、设备能耗检测结果以及设备故障率分析结果进行结果融合，生成目标设备故障分析结果。
在一具体实施例中，上述基于数据分析的包装设备监测方法还包括如下步骤：
（1）根据目标设备故障分析结果，从多个候选包装设备维护方案中匹配目标包装设备维护方案；
（2）根据目标包装设备维护方案对目标包装设备进行全生命周期监控。
具体的，服务器根据目标设备故障分析结果，从多个候选包装设备维护方案中匹配目标包装设备维护方案；其中，标准包装设备维护方案下，将预期包装设备维护流程作为实际包装设备维护流程的标准值，进而将该包装设备维护流程的标准值预期包装设备维护流程进行比较，若数值大于预期包装设备维护流程，则不断迭代调整实际包装设备维护流程的标准值，直至总额小于或等于预期包装设备维护流程且最接近预期包装设备维护流程时，确定多个候选包装设备维护方案，进一步的，服务器从多个候选包装设备维护方案中匹配目标包装设备维护方案，最终，服务器根据目标包装设备维护方案对目标包装设备进行全生命周期监控。
上面对本发明实施例中基于数据分析的包装设备监测方法进行了描述，下面对本发明实施例中基于数据分析的包装设备监测系统进行描述，请参阅图5，本发明实施例中基于数据分析的包装设备监测系统一个实施例包括：
采集模块501，用于采集目标包装设备的第一生产状态信息，并对所述第一生产状态信息进行信息解析，得到多个参数状态数据；
第一分析模块502，用于将所述多个参数状态数据输入预置的设备数据分析模型进行设备生产状态分析，得到第一状态分析结果；
组合模块503，用于根据所述第一状态分析结果，对所述多个参数状态数据进行参数调整和参数组合，得到多个候选生产参数组合；
获取模块504，用于根据所述多个候选生产参数组合对所述目标包装设备进行生产监测，并分别获取每个候选生产参数组合对应的第二生产状态信息；
第二分析模块505，用于分别将每个第二生产状态信息输入所述设备数据分析模型进行设备生产状态分析，得到每个候选生产参数组合对应的第二状态分析结果；
比较模块506，用于根据每个候选生产参数组合对应的第二状态分析结果生成评价指标，并对所述评价指标进行比较，得到比较结果，以及根据所述比较结果从所述多个候选生产参数组合中选取所述评价指标最高的目标生产参数组合。
通过上述各个组成部分的协同合作，将多个参数状态数据输入设备数据分析模型进行设备生产状态分析，得到第一状态分析结果；根据第一状态分析结果，对多个参数状态数据进行参数调整和参数组合，得到多个候选生产参数组合；根据多个候选生产参数组合对目标包装设备进行生产监测，并分别获取第二生产状态信息；分别将每个第二生产状态信息输入设备数据分析模型进行设备生产状态分析，得到第二状态分析结果；根据第二状态分析结果生成评价指标，并根据评价指标比较结果选取评价指标最高的目标生产参数组合，本发明通过对多个参数状态数据进行参数调整和参数组合，从而高效的选取出最优的目标生产参数组合，通过对目标包装设备进行生产状态全方位监控，实现了对包装设备进行全生命周期管理和设备的实时监测，进而提升了设备的生产效率。
请参阅图6，本发明实施例中基于数据分析的包装设备监测系统另一个实施例包括：
采集模块501，用于采集目标包装设备的第一生产状态信息，并对所述第一生产状态信息进行信息解析，得到多个参数状态数据；
第一分析模块502，用于将所述多个参数状态数据输入预置的设备数据分析模型进行设备生产状态分析，得到第一状态分析结果；
组合模块503，用于根据所述第一状态分析结果，对所述多个参数状态数据进行参数调整和参数组合，得到多个候选生产参数组合；
获取模块504，用于根据所述多个候选生产参数组合对所述目标包装设备进行生产监测，并分别获取每个候选生产参数组合对应的第二生产状态信息；
第二分析模块505，用于分别将每个第二生产状态信息输入所述设备数据分析模型进行设备生产状态分析，得到每个候选生产参数组合对应的第二状态分析结果；
比较模块506，用于根据每个候选生产参数组合对应的第二状态分析结果生成评价指标，并对所述评价指标进行比较，得到比较结果，以及根据所述比较结果从所述多个候选生产参数组合中选取所述评价指标最高的目标生产参数组合。
可选的，所述采集模块501具体用于：
基于预置的生产状态监测装置，采集目标包装设备的生产状态信息，得到第一生产状态信息；
获取参数属性集合，并对所述参数属性集合进行特征标识处理，得到多个特征属性参数；
根据所述多个特征属性参数，对所述第一生产状态信息进行参数聚类，得到每个特征属性参数对应的聚类结果；
根据每个特征属性参数对应的聚类结果生成所述第一生产状态信息对应的多个参数状态数据。
可选的，所述第一分析模块502具体用于：
对所述多个参数状态数据进行矩阵转换，得到目标参数矩阵；
将所述目标参数矩阵输入预置的设备数据分析模型，其中，所述设备数据分析模型包括：四层长短时记忆网络、三层门限循环网络以及全连接网络；
通过所述设备数据分析模型对所述目标参数矩阵进行参数特征提取和参数状态分析，输出目标特征值；
根据所述目标特征值从预置的状态分析列表中查询所述目标包装设备对应的第一状态分析结果。
可选的，所述组合模块503具体用于：
根据所述第一状态分析结果，构建每个参数状态数据的取值区间；
根据所述取值区间，分别对所述多个参数状态数据进行参数调整，得到每个参数状态数据的多个参数调整值；
对每个参数状态数据的多个参数调整值进行参数组合，生成多个候选生产参数组合。
可选的，所述比较模块506具体用于：
调用预置的一元函数，对每个候选生产参数组合对应的第二状态分析结果进行一元运算，得到一元运算值；
对所述一元运算值进行指标转换，得到每个第二状态分析结果对应的评价指标；
对所述评价指标进行比较，得到比较结果；
根据所述比较结果从所述多个候选生产参数组合中选取所述评价指标最高的目标生产参数组合。
可选的，所述基于数据分析的包装设备监测系统还包括：
故障分析模块507，用于分别将所述多个参数状态数据输入预置的设备故障分析模型集，其中，所述设备故障分析模型集包括：设备温度检测模型、设备能耗检测模型以及设备故障率分析模型；通过所述设备故障分析模型集对所述多个参数状态数据进行设备故障分析，得到设备温度检测结果、设备能耗检测结果以及设备故障率分析结果；对所述设备温度检测结果、所述设备能耗检测结果以及所述设备故障率分析结果进行结果融合，生成目标设备故障分析结果。
可选的，所述基于数据分析的包装设备监测系统还包括：
设备维护模块508，用于根据所述目标设备故障分析结果，从多个候选包装设备维护方案中匹配目标包装设备维护方案；根据所述目标包装设备维护方案对所述目标包装设备进行全生命周期监控。
本发明实施例中，将多个参数状态数据输入设备数据分析模型进行设备生产状态分析，得到第一状态分析结果；根据第一状态分析结果，对多个参数状态数据进行参数调整和参数组合，得到多个候选生产参数组合；根据多个候选生产参数组合对目标包装设备进行生产监测，并分别获取第二生产状态信息；分别将每个第二生产状态信息输入设备数据分析模型进行设备生产状态分析，得到第二状态分析结果；根据第二状态分析结果生成评价指标，并根据评价指标比较结果选取评价指标最高的目标生产参数组合，本发明通过对多个参数状态数据进行参数调整和参数组合，从而高效的选取出最优的目标生产参数组合，通过对目标包装设备进行生产状态全方位监控，实现了对包装设备进行全生命周期管理和设备的实时监测，进而提升了设备的生产效率。
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。
所述集成的单元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，本发明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全部或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）执行本发明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（randomacceS memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于数据分析的包装设备监测方法，其特征在于，所述基于数据分析的包装设备监测方法包括：
采集目标包装设备的第一生产状态信息，并对所述第一生产状态信息进行信息解析，得到多个参数状态数据；
将所述多个参数状态数据输入预置的设备数据分析模型进行设备生产状态分析，得到第一状态分析结果；
根据所述第一状态分析结果，对所述多个参数状态数据进行参数调整和参数组合，得到多个候选生产参数组合；
根据所述多个候选生产参数组合对所述目标包装设备进行生产监测，并分别获取每个候选生产参数组合对应的第二生产状态信息；
分别将每个第二生产状态信息输入所述设备数据分析模型进行设备生产状态分析，得到每个候选生产参数组合对应的第二状态分析结果；
根据每个候选生产参数组合对应的第二状态分析结果生成评价指标，并对所述评价指标进行比较，得到比较结果，以及根据所述比较结果从所述多个候选生产参数组合中选取所述评价指标最高的目标生产参数组合。
2.根据权利要求1所述的基于数据分析的包装设备监测方法，其特征在于，所述采集目标包装设备的第一生产状态信息，并对所述第一生产状态信息进行信息解析，得到多个参数状态数据，包括：
基于预置的生产状态监测装置，采集目标包装设备的生产状态信息，得到第一生产状态信息；
获取参数属性集合，并对所述参数属性集合进行特征标识处理，得到多个特征属性参数；
根据所述多个特征属性参数，对所述第一生产状态信息进行参数聚类，得到每个特征属性参数对应的聚类结果；
根据每个特征属性参数对应的聚类结果生成所述第一生产状态信息对应的多个参数状态数据。
3.根据权利要求1所述的基于数据分析的包装设备监测方法，其特征在于，所述将所述多个参数状态数据输入预置的设备数据分析模型进行设备生产状态分析，得到第一状态分析结果，包括：
对所述多个参数状态数据进行矩阵转换，得到目标参数矩阵；
将所述目标参数矩阵输入预置的设备数据分析模型，其中，所述设备数据分析模型包括：四层长短时记忆网络、三层门限循环网络以及全连接网络；
通过所述设备数据分析模型对所述目标参数矩阵进行参数特征提取和参数状态分析，输出目标特征值；
根据所述目标特征值从预置的状态分析列表中查询所述目标包装设备对应的第一状态分析结果。
4.根据权利要求1所述的基于数据分析的包装设备监测方法，其特征在于，所述根据所述第一状态分析结果，对所述多个参数状态数据进行参数调整和参数组合，得到多个候选生产参数组合，包括：
根据所述第一状态分析结果，构建每个参数状态数据的取值区间；
根据所述取值区间，分别对所述多个参数状态数据进行参数调整，得到每个参数状态数据的多个参数调整值；
对每个参数状态数据的多个参数调整值进行参数组合，生成多个候选生产参数组合。
5.根据权利要求1所述的基于数据分析的包装设备监测方法，其特征在于，所述根据每个候选生产参数组合对应的第二状态分析结果生成评价指标，并对所述评价指标进行比较，得到比较结果，以及根据所述比较结果从所述多个候选生产参数组合中选取所述评价指标最高的目标生产参数组合，包括：
调用预置的一元函数，对每个候选生产参数组合对应的第二状态分析结果进行一元运算，得到一元运算值；
对所述一元运算值进行指标转换，得到每个第二状态分析结果对应的评价指标；
对所述评价指标进行比较，得到比较结果；
根据所述比较结果从所述多个候选生产参数组合中选取所述评价指标最高的目标生产参数组合。
6.根据权利要求1所述的基于数据分析的包装设备监测方法，其特征在于，所述基于数据分析的包装设备监测方法还包括：
分别将所述多个参数状态数据输入预置的设备故障分析模型集，其中，所述设备故障分析模型集包括：设备温度检测模型、设备能耗检测模型以及设备故障率分析模型；
通过所述设备故障分析模型集对所述多个参数状态数据进行设备故障分析，得到设备温度检测结果、设备能耗检测结果以及设备故障率分析结果；
对所述设备温度检测结果、所述设备能耗检测结果以及所述设备故障率分析结果进行结果融合，生成目标设备故障分析结果。
7.根据权利要求6所述的基于数据分析的包装设备监测方法，其特征在于，所述基于数据分析的包装设备监测方法还包括：
根据所述目标设备故障分析结果，从多个候选包装设备维护方案中匹配目标包装设备维护方案；
根据所述目标包装设备维护方案对所述目标包装设备进行全生命周期监控。
8.一种基于数据分析的包装设备监测系统，其特征在于，所述基于数据分析的包装设备监测系统包括：
采集模块，用于采集目标包装设备的第一生产状态信息，并对所述第一生产状态信息进行信息解析，得到多个参数状态数据；
第一分析模块，用于将所述多个参数状态数据输入预置的设备数据分析模型进行设备生产状态分析，得到第一状态分析结果；
组合模块，用于根据所述第一状态分析结果，对所述多个参数状态数据进行参数调整和参数组合，得到多个候选生产参数组合；
获取模块，用于根据所述多个候选生产参数组合对所述目标包装设备进行生产监测，并分别获取每个候选生产参数组合对应的第二生产状态信息；
第二分析模块，用于分别将每个第二生产状态信息输入所述设备数据分析模型进行设备生产状态分析，得到每个候选生产参数组合对应的第二状态分析结果；
比较模块，用于根据每个候选生产参数组合对应的第二状态分析结果生成评价指标，并对所述评价指标进行比较，得到比较结果，以及根据所述比较结果从所述多个候选生产参数组合中选取所述评价指标最高的目标生产参数组合。
9.根据权利要求8所述的基于数据分析的包装设备监测系统，其特征在于，所述采集模块具体用于：
基于预置的生产状态监测装置，采集目标包装设备的生产状态信息，得到第一生产状态信息；
获取参数属性集合，并对所述参数属性集合进行特征标识处理，得到多个特征属性参数；
根据所述多个特征属性参数，对所述第一生产状态信息进行参数聚类，得到每个特征属性参数对应的聚类结果；
根据每个特征属性参数对应的聚类结果生成所述第一生产状态信息对应的多个参数状态数据。
10.根据权利要求8所述的基于数据分析的包装设备监测系统，其特征在于，所述第一分析模块具体用于：
对所述多个参数状态数据进行矩阵转换，得到目标参数矩阵；
将所述目标参数矩阵输入预置的设备数据分析模型，其中，所述设备数据分析模型包括：四层长短时记忆网络、三层门限循环网络以及全连接网络；
通过所述设备数据分析模型对所述目标参数矩阵进行参数特征提取和参数状态分析，输出目标特征值；
根据所述目标特征值从预置的状态分析列表中查询所述目标包装设备对应的第一状态分析结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310656701.XA CN116382224B (zh) | 2023-06-05 | 2023-06-05 | 一种基于数据分析的包装设备监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310656701.XA CN116382224B (zh) | 2023-06-05 | 2023-06-05 | 一种基于数据分析的包装设备监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116382224A true CN116382224A (zh) | 2023-07-04 |
| CN116382224B CN116382224B (zh) | 2023-08-04 |
Family
ID=86980995
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310656701.XA Active CN116382224B (zh) | 2023-06-05 | 2023-06-05 | 一种基于数据分析的包装设备监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116382224B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117010867A (zh) * | 2023-10-07 | 2023-11-07 | 南通庄吉华威电子有限公司 | 一种基于数据分析的包装设备监测系统 |
| CN118247078A (zh) * | 2024-04-23 | 2024-06-25 | 浙江鸿泰铝业有限公司 | 铝型材生产管控方法、系统及设备 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5566092A (en) * | 1993-12-30 | 1996-10-15 | Caterpillar Inc. | Machine fault diagnostics system and method |
| CN105259890A (zh) * | 2015-08-18 | 2016-01-20 | 浙江中烟工业有限责任公司 | 超高速包装设备的统计监测与故障诊断方法 |
| CN105373110A (zh) * | 2015-12-16 | 2016-03-02 | 浙江中烟工业有限责任公司 | 卷烟超高速薄膜封装机多工况生产过程在线监测与故障诊断方法 |
| CN106595788A (zh) * | 2016-12-20 | 2017-04-26 | 河海大学 | 基于多参数耦合修正的大型泵站流量监测方法 |
| US20190056107A1 (en) * | 2016-02-03 | 2019-02-21 | Strong Force Iot Portfolio 2016, Llc | Industrial internet of things smart heating systems and methods that produce and use hydrogen fuel |
| CN112486111A (zh) * | 2020-11-17 | 2021-03-12 | 湖南师范大学 | 一种基于数据分析的食用油碱炼工艺智能调节方法 |
| CN112866261A (zh) * | 2020-08-27 | 2021-05-28 | 黄天红 | 基于云计算和用户行为分析的流量检测方法及存储介质 |
| WO2022116433A1 (zh) * | 2020-12-02 | 2022-06-09 | 平安科技（深圳）有限公司 | 管道损伤检测方法、装置、设备及存储介质 |
| WO2022252505A1 (zh) * | 2021-06-02 | 2022-12-08 | 杭州安脉盛智能技术有限公司 | 一种基于多指标集群分析的设备状态监测方法 |
| CN115618167A (zh) * | 2022-11-04 | 2023-01-17 | 西南石油大学 | 一种多传感器冗余组合容错动态测量模型及建立方法 |
| CN116049756A (zh) * | 2023-04-03 | 2023-05-02 | 天津市天立独流老醋股份有限公司 | 一种食品加工设备智能监测管理系统及方法 |
| CN116105885A (zh) * | 2023-02-28 | 2023-05-12 | 镇江默勒电器有限公司 | 一种核电用电气设备状态监测方法及系统 |
-
2023
- 2023-06-05 CN CN202310656701.XA patent/CN116382224B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5566092A (en) * | 1993-12-30 | 1996-10-15 | Caterpillar Inc. | Machine fault diagnostics system and method |
| CN105259890A (zh) * | 2015-08-18 | 2016-01-20 | 浙江中烟工业有限责任公司 | 超高速包装设备的统计监测与故障诊断方法 |
| CN105373110A (zh) * | 2015-12-16 | 2016-03-02 | 浙江中烟工业有限责任公司 | 卷烟超高速薄膜封装机多工况生产过程在线监测与故障诊断方法 |
| US20190056107A1 (en) * | 2016-02-03 | 2019-02-21 | Strong Force Iot Portfolio 2016, Llc | Industrial internet of things smart heating systems and methods that produce and use hydrogen fuel |
| CN106595788A (zh) * | 2016-12-20 | 2017-04-26 | 河海大学 | 基于多参数耦合修正的大型泵站流量监测方法 |
| CN112866261A (zh) * | 2020-08-27 | 2021-05-28 | 黄天红 | 基于云计算和用户行为分析的流量检测方法及存储介质 |
| CN112486111A (zh) * | 2020-11-17 | 2021-03-12 | 湖南师范大学 | 一种基于数据分析的食用油碱炼工艺智能调节方法 |
| WO2022116433A1 (zh) * | 2020-12-02 | 2022-06-09 | 平安科技（深圳）有限公司 | 管道损伤检测方法、装置、设备及存储介质 |
| WO2022252505A1 (zh) * | 2021-06-02 | 2022-12-08 | 杭州安脉盛智能技术有限公司 | 一种基于多指标集群分析的设备状态监测方法 |
| CN115618167A (zh) * | 2022-11-04 | 2023-01-17 | 西南石油大学 | 一种多传感器冗余组合容错动态测量模型及建立方法 |
| CN116105885A (zh) * | 2023-02-28 | 2023-05-12 | 镇江默勒电器有限公司 | 一种核电用电气设备状态监测方法及系统 |
| CN116049756A (zh) * | 2023-04-03 | 2023-05-02 | 天津市天立独流老醋股份有限公司 | 一种食品加工设备智能监测管理系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 蔡培良;杨剑锋;李明;陈秀红;龙小昂;: "物联网模式下烟草智能包装机自动监测方法", 自动化与仪器仪表, no. 07 * |
| 陈帼鸾;: "包装设备远程诊断和管理系统应用设计", 电脑编程技巧与维护, no. 13 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117010867A (zh) * | 2023-10-07 | 2023-11-07 | 南通庄吉华威电子有限公司 | 一种基于数据分析的包装设备监测系统 |
| CN117010867B (zh) * | 2023-10-07 | 2023-12-22 | 南通庄吉华威电子有限公司 | 一种基于数据分析的包装设备监测系统 |
| CN118247078A (zh) * | 2024-04-23 | 2024-06-25 | 浙江鸿泰铝业有限公司 | 铝型材生产管控方法、系统及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116382224B (zh) | 2023-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116382224B (zh) | 一种基于数据分析的包装设备监测方法及系统 | |
| CN112769796A (zh) | 一种基于端侧边缘计算的云网端协同防御方法及系统 | |
| CN111614491B (zh) | 一种面向电力监控系统安全态势评估指标选取方法及系统 | |
| CN114511112B (zh) | 一种基于物联网的智慧运维方法、系统和可读存储介质 | |
| CN113572625B (zh) | 故障预警方法、预警装置、设备及计算机介质 | |
| CN113570200A (zh) | 一种基于多维信息的电网运行状态监测方法及系统 | |
| WO2024169123A1 (zh) | 一种基于聚类算法的群控设备健康监测方法、设备及介质 | |
| CN116739829B (zh) | 一种基于大数据的电力数据分析方法、系统及介质 | |
| CN113125903A (zh) | 线损异常检测方法、装置、设备及计算机可读存储介质 | |
| CN114742477A (zh) | 企业订单数据处理方法、装置、设备及存储介质 | |
| CN115441456A (zh) | 一种电网调度支持系统故障诊断方法及装置 | |
| CN117095247B (zh) | 基于数控加工的加工姿态运行优化方法、系统及介质 | |
| CN114138601A (zh) | 一种业务告警方法、装置、设备及存储介质 | |
| CN116030955B (zh) | 基于物联网的医疗设备状态监测方法及相关装置 | |
| CN111445132B (zh) | 数据处理方法、数据处理系统及计算机存储介质 | |
| CN118114034A (zh) | 一种时序工业大数据特征提取和异常检测方法及系统 | |
| CN115905373B (zh) | 一种数据查询以及分析方法、装置、设备及存储介质 | |
| CN117909112A (zh) | 应用程序故障自动诊断方法、装置、设备及存储介质 | |
| WO2024066331A1 (zh) | 网络异常检测方法、装置、电子设备及存储介质 | |
| CN115080965B (zh) | 基于历史表现的无监督异常检测方法及系统 | |
| CN116308295A (zh) | 一种工业生产数据管理方法及系统 | |
| CN114202110B (zh) | 一种基于rf-xgboost的业务故障预测方法及装置 | |
| CN115392663A (zh) | 一种基于大数据的数据采集处理方法 | |
| CN115827821B (zh) | 一种基于资讯信息的判断策略生成方法及系统 | |
| CN117709262B (zh) | 一种利用fpga的bct触发设计方法 |
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 |