CN116485578B - 一种钢材冶炼车间的集成管理方法及系统 - Google Patents
一种钢材冶炼车间的集成管理方法及系统 Download PDFInfo
- Publication number
- CN116485578B CN116485578B CN202310747272.7A CN202310747272A CN116485578B CN 116485578 B CN116485578 B CN 116485578B CN 202310747272 A CN202310747272 A CN 202310747272A CN 116485578 B CN116485578 B CN 116485578B
- Authority
- CN
- China
- Prior art keywords
- processing state
- processing
- index
- production
- ith
- 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 63
- 238000003723 Smelting Methods 0.000 title claims abstract description 41
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 40
- 239000010959 steel Substances 0.000 title claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 234
- 238000004519 manufacturing process Methods 0.000 claims abstract description 125
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 29
- 238000012423 maintenance Methods 0.000 claims description 103
- 238000011156 evaluation Methods 0.000 claims description 49
- 238000004458 analytical method Methods 0.000 claims description 39
- 238000000034 method Methods 0.000 claims description 34
- 238000003754 machining Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 5
- 238000002955 isolation Methods 0.000 abstract description 3
- 238000009749 continuous casting Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
- 230000003746 surface roughness 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
- 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
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供了一种钢材冶炼车间的集成管理方法及系统,涉及车间集成控制技术领域,接收第一功能链,获取第i功能模块的第i加工状态,对上游功能链进行影响指数分析获取第一影响指数,对下游功能链进行影响指数分析获取第二影响指数,获取加工约束指标,包括约束效率参数,遍历约束效率参数进行加工预测,当结果满足加工约束指标时,按照第一功能链进行生产管理。本发明解决了现有技术中钢材冶炼车间存在不同功能模块之间的信息交互存在隔离性,使得生产管控效率较低,进而导致生产效率和质量低下的技术问题,实现了对多个管理模块进行集成化管理,达到提升生产管控效率,进而提高钢材冶炼车间生产效率和质量的技术效果。
Description
技术领域
本发明涉及车间集成控制技术领域,具体涉及一种钢材冶炼车间的集成管理方法及系统。
背景技术
钢材冶炼车间是一个典型的工业生产场景,其生产过程需要集成管理多个设备和系统,包括原料处理系统、高炉系统、炼钢系统、连铸系统等。在这些系统中,每个设备都具有其特定的控制和监测需求,同时这些系统之间也存在着复杂的相互影响。而现今常用的钢材冶炼车间的集成管理方法还存在着一定的弊端,对于钢材冶炼车间的集成管理还存在着一定的可提升空间。
发明内容
本申请实施例提供了一种钢材冶炼车间的集成管理方法及系统,用于针对解决现有技术中钢材冶炼车间存在不同功能模块之间的信息交互存在隔离性,使得生产管控效率较低,进而导致生产效率和质量低下的技术问题。
鉴于上述问题,本申请实施例提供了一种钢材冶炼车间的集成管理方法及系统。
第一方面,本申请实施例提供了一种钢材冶炼车间的集成管理方法,所述方法包括:接收钢材冶炼车间的第一功能链,所述第一功能链包括功能模块序列和加工状态序列;根据所述功能模块序列和所述加工状态序列,获取第i功能模块的第i加工状态,其中,所述功能模块序列和所述加工状态序列一一对应,i≥1,i为整数;根据所述第i加工状态对所述第i功能模块的上游功能链进行影响指数分析,获取第一影响指数;根据所述第i加工状态对所述第i功能模块的下游功能链进行影响指数分析,获取第二影响指数;获取加工约束指标,其中,所述加工约束指标包括约束效率参数;根据所述第一影响指数和所述第二影响指数遍历所述约束效率参数对所述第一功能链进行加工预测,当加工预测结果满足所述加工约束指标时,按照所述第一功能链进行生产管理。
第二方面,本申请实施例提供了一种钢材冶炼车间的集成管理系统,所述系统包括:功能链获取模块,所述功能链获取模块用于接收钢材冶炼车间的第一功能链,所述第一功能链包括功能模块序列和加工状态序列;加工状态获取模块,所述加工状态获取模块用于根据所述功能模块序列和所述加工状态序列,获取第i功能模块的第i加工状态,其中,所述功能模块序列和所述加工状态序列一一对应,i≥1,i为整数;第一指数分析模块,所述第一指数分析模块用于根据所述第i加工状态对所述第i功能模块的上游功能链进行影响指数分析,获取第一影响指数;第二指数分析模块,所述第二指数分析模块用于根据所述第i加工状态对所述第i功能模块的下游功能链进行影响指数分析,获取第二影响指数;约束指标获取模块,所述约束指标获取模块用于获取加工约束指标,其中,所述加工约束指标包括约束效率参数;加工预测模块,所述加工预测模块用于根据所述第一影响指数和所述第二影响指数遍历所述约束效率参数对所述第一功能链进行加工预测,当加工预测结果满足所述加工约束指标时,按照所述第一功能链进行生产管理。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
接收第一功能链,包括功能模块序列和加工状态序列,获取第i功能模块的第i加工状态,对上游功能链进行影响指数分析获取第一影响指数,对下游功能链进行影响指数分析获取第二影响指数,获取加工约束指标,其中,加工约束指标包括约束效率参数,遍历约束效率参数进行加工预测,当结果满足加工约束指标时,按照第一功能链进行生产管理。解决了现有技术中钢材冶炼车间存在不同功能模块之间的信息交互存在隔离性,使得生产管控效率较低,进而导致生产效率和质量低下的技术问题,实现了对多个管理模块进行集成化管理,达到提升生产管控效率,进而提高钢材冶炼车间生产效率和质量的技术效果。
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
图1为本申请实施例提供了一种钢材冶炼车间的集成管理方法流程示意图;
图2为本申请实施例提供了一种钢材冶炼车间的集成管理方法中获取第一影响指数流程示意图;
图3为本申请实施例提供了一种钢材冶炼车间的集成管理方法中进行加工预测流程示意图;
图4为本申请实施例提供了一种钢材冶炼车间的集成管理系统结构示意图。
附图标记说明:功能链获取模块10,加工状态获取模块20,第一指数分析模块30,第二指数分析模块40,约束指标获取模块50,加工预测模块60。
具体实施方式
本申请实施例通过提供一种钢材冶炼车间的集成管理方法,用于针对解决现有技术中钢材冶炼车间存在不同功能模块之间的信息交互存在隔离性,使得生产管控效率较低,进而导致生产效率和质量低下的技术问题。
实施例1
如图1所示,本申请实施例提供了一种钢材冶炼车间的集成管理方法,应用集成管理单元,所述方法包括:
步骤S100:接收钢材冶炼车间的第一功能链,所述第一功能链包括功能模块序列和加工状态序列;
具体而言,所述集成管理单元是一台计算机或服务器,具有接收、处理和分析数据的能力,通过与车间内传感器和监控设备的数据接口进行数据的自动传输。首先,获取车间内各个生产环节的信息,如原料预处理、熔炼、精炼、连铸、轧制等,以及各个生产环节的加工设备,如炉子、连铸机、轧机等,示例性地,通过车间布局图和流程图,确定各个生产环节加工设备之间的关联顺序,以此获取功能模块序列。利用车间内安装的传感器和监控设备,例如,通过温度传感器、声音传感器和振动传感器等设备进行数据采集,获取设备的运行温度、声音、振动等数据,以此获取车间内各个模块的实时工作状态信息,将所述实时工作状态信息作为加工状态序列。将收集到的功能模块序列和加工状态序列整合成第一功能链,并输入到集成管理单元中。
步骤S200:根据所述功能模块序列和所述加工状态序列,获取第i功能模块的第i加工状态,其中,所述功能模块序列和所述加工状态序列一一对应,i≥1,i为整数;
具体而言,i为整数索引,用于从功能模块序列和加工状态序列中提取对应的功能模块和加工状态,示例性地,从功能模块序列中提取第5功能模块,这个功能模块代表车间内第5个加工设备,可能是炉子、连铸机或轧机中的一个;从与功能模块序列一一对应的加工状态序列中提取第5加工状态,这个加工状态为第5功能模块的工作状态,包括运行温度、声音、振动等。将提取到的第i个功能模块与其对应的第i个加工状态关联起来,实现了针对特定的功能模块,确定其当前的加工状态,从而为后续的影响指数分析和加工预测提供依据。
步骤S300:根据所述第i加工状态对所述第i功能模块的上游功能链进行影响指数分析,获取第一影响指数;
进一步而言,如图2所示,本申请步骤S300还包括:
步骤S310:采集所述第i功能模块的加工故障类型集进行关联性分析,获取加工状态故障基线;
步骤S320:将所述第i加工状态和所述加工状态故障基线进行比对,获取第i加工状态归类故障进行维修方案匹配,获取维修方案匹配结果,所述维修方案匹配结果包括维修预估时长和维修停产范围;
步骤S330:根据所述维修预估时长和所述维修停产范围对所述第i功能模块的上游功能链进行影响指数分析,获取所述第一影响指数。
具体而言,通过历史故障记录、设备维修手册或设备维护人员,获取第i功能模块可能发生的所有加工故障类型,例如设备过热、轴承磨损、传动链条松动等,构建加工故障类型集。将加工故障类型集与其对应的加工状态数据进行整理,对整理好的加工状态数据和加工故障类型集进行关联性分析,根据关联性分析的结果,建立加工状态与故障类型之间的关系,即加工状态故障基线,这个基线可以帮助识别设备的工作状态是否存在故障,以及故障可能的类型。
将第i加工状态与加工状态故障基线进行比对,示例性地,从第i加工状态中提取多个特征向量,例如设备的运行温度、声音、振动等,同样地,从加工状态故障基线中提取各种故障类型对应的多个特征向量,分别计算两个特征向量之间的相似度,设定一个阈值,如设置为90%,当相似度超过该阈值时,判定第i加工状态存在对应类型的故障,同时,选择相似度值最高的故障类型作为第i加工状态的归类故障。以此判断当前设备的工作状态是否存在故障,以及可能的故障类型,作为比对结果。如果比对结果显示第i加工状态存在故障,则将第i加工状态归类到相应的故障类型,例如,将设备在正常运行时的振动数据与故障基线中的振动数据进行比对,以确定设备是否存在异常振动问题,如果发现设备存在异常振动,那么将第i加工状态归类为轴承磨损故障。根据归类后的故障类型,从预先设定的维修方案库中匹配相应的维修方案,其中,维修方案库是一个包含针对各种故障类型的维修方法和建议的数据库,匹配成功的维修方案包括维修预估时长和维修停产范围,其中,维修停产范围是在进行设备维修时,为了确保维修人员的安全和维修工作的顺利进行,需要暂时停止生产的设备或者生产线,维修停产范围的大小取决于故障设备在生产线中的位置、故障的严重程度以及维修方案。
从功能模块序列中提取第i功能模块之前的所有功能模块,以构建上游功能链。根据维修预估时长,评估设备故障对上游生产过程的影响,示例性地,设置维修时长为10天作为影响标准,则维修预估时长t的影响指数为,维修预估时长越长,则维修预估时长的影响指数越大,说明对上游功能链产生的影响越大;同样地,根据维修停产范围,评估设备故障对上游功能链的影响范围,示例性地,设置停产设备为10个作为影响标准,则根据维修停产范围h的影响指数为/>,维修停产范围越大,则维修停产范围的影响指数越大,说明对上游功能链产生的影响越广泛。根据实际生产情况对维修预估时长和维修停产范围上游功能链的影响进行权重分配,例如分配为6:4,以此对上述和/>进行加权求和,得到第一影响指数,第一影响指数的计算为。
进一步而言,本申请步骤S310还包括:
步骤S311:对所述加工故障类型集的第k个故障类型设定第一属性数据,其中,所述第一属性数据表征所述第k个故障类型的触发频率;
步骤S312:对所述第i功能模块的加工状态参数设定第二属性数据,其中,所述第二属性数据表征一个或多个所述加工状态参数的状态集的出现频率;
步骤S313:将所述加工状态参数的一个或多个参数类型设为变量参数信息,将其它参数类型设为定量参数信息,所述定量参数信息的状态为标准参数状态;
步骤S314:以所述变量参数信息的第n加工状态为约束变量数据采集所述第二属性数据,获取第一记录数据,以所述第k个故障类型为跟随变量采集所述第一属性数据,获取第二记录数据;
步骤S315:根据所述第一记录数据和所述第二记录数据的皮尔逊相关系数,获取所述第k个故障类型与所述第n加工状态的相关系数;
步骤S316:根据所述相关系数确定所述第k个故障类型加工状态故障基线,添加进所述加工状态故障基线,包括,
当所述相关系数大于或等于预设数值时,将所述第n加工状态添加进所述第k个故障类型加工状态故障基线,其中,0<预设数值≤1。
具体而言,第k个故障类型指的是一个随机的故障类型,其中k是一个整数,表示故障类型的序号,例如第3故障类型。根据设备维护记录、故障日志等,对第k个故障类型的发生次数进行统计,再将所有故障类型的发生次数相加,得到总故障次数,计算第k个故障类型的发生次数与总故障次数的比值,得到第k个故障类型的触发频率,这个值表示第k个故障类型在所有故障中出现的概率。
从设备监测系统、传感器等,获取第i功能模块的一个或多个加工状态参数,根据实际应用场景和设备特性,确定一个或多个加工状态参数的状态集,所述状态集是指加工状态参数在一定范围内的组合,例如,设备运行温度可以分为低、中、高三个状态。对每个状态集在历史数据中的出现次数进行统计,再将所有状态集的出现次数相加,得到总状态集次数,计算每个状态集的出现次数与总状态集次数的比值,得到每个状态集的出现频率,这个值表示某个状态集在所有状态集中出现的概率。
根据实际应用场景和设备特性,从加工状态参数中选择一部分参数作为变量参数信息,这些参数会在分析过程中发生变化,如温度、振动,剩余的参数设为定量参数信息,这些参数在分析过程中保持恒定,如电流、电压。标准参数状态为设备正常生产对应的参数特征值。
第n加工状态指的是一个随机的加工状态,其中n是一个整数,表示加工状态的序号,例如第2个加工状态。以第n加工状态为约束变量数据,从历史数据中筛选出与第n加工状态相符的数据,采集这些数据对应的第二属性数据,即状态集的出现频率,获取第一记录数据。对于第k个故障类型,从历史数据中筛选出与该故障类型相关的数据,如故障类型1、故障类型2、故障类型3,分别采集这些数据对应的第一属性数据,即故障类型的触发频率,获取第二记录数据。
皮尔逊相关系数(Pearson correlation coefficient)是一种用于衡量两组数据之间线性关系强度的统计指标,其值范围从-1(完全负相关)到1(完全正相关),0表示无关联。通过计算第一数据与第二数据的皮尔逊相关系数,获取所述第k个故障类型与所述第n加工状态的相关系数
获取预设数值,即阈值,预设数值的范围在0到1之间,用于确定相关系数是否足够显著,从而确认两者之间的关系,比较计算得到的第k个故障类型与第n加工状态之间的相关系数与预设数值,当比较结果为大于或等于时,判定这种加工状态与该故障类型之间存在显著的关系,在这种情况下,将第n加工状态添加到第k个故障类型的加工状态故障基线中。
进一步而言,本申请步骤S315还包括:
步骤S3151:对所述第一记录数据中的多个第一属性特征值按照自小到大调整,获取第一调整结果;
步骤S3152:根据所述第一调整结果对所述第二记录数据进行跟随调整,获取第二调整结果;
步骤S3153:根据所述第一调整结果和所述第二调整结果,基于皮尔逊相关系数计算公式进行处理,获取所述第k个故障类型与所述第n加工状态的相关系数。
具体而言,第一属性特征值代表加工状态参数的状态集出现频率,对其按照自小到大进行排序,获取第一调整结果。以第一调整结果的排序为准,保持第二记录数据中故障类型触发频率的顺序与第一调整结果中加工状态参数出现频率的顺序一致,获得第二调整结果。这样,在计算皮尔逊相关系数时,可以更准确地衡量这两组数据之间的线性关系。
第一调整结果和所述第二调整结果的皮尔逊相关系数的计算公式如下:
其中,r 是皮尔逊相关系数,和/>分别是第一调整结果和第二调整结果中的单个观察值,/>和/>分别表示第一调整结果和第二调整结果的均值,n为所有的观察值的个数。通过计算获得皮尔逊相关系数,作为所述第k个故障类型与所述第n加工状态的相关系数,其值范围从-1(完全负相关)到1(完全正相关),0表示无关联。
进一步而言,本申请步骤S320还包括:
步骤S321:获取维修方案评估指标,其中,所述维修方案评估指标包括成本评价指标、时长评价指标和停产范围评价指标;
步骤S322:为所述成本评价指标分布第一权重,为时长评价指标分布第二权重,为停产范围评价指标分布第三权重;
步骤S323:对所述成本评价指标、所述时长评价指标和所述停产范围评价指标进行正向化调整,获取正向化调整结果;
步骤S324:根据所述第i加工状态归类故障匹配多个维修方案;
步骤S325:根据所述第一权重、所述第二权重和所述第三权重,对所述多个维修方案的所述正向化调整结果的特征值进行加和,获取多个方案适应度;
步骤S326:筛选所述多个方案适应度的最大值,设为所述维修方案匹配结果。
具体而言,成本评价指标用于衡量维修方案的成本效益,包括人力成本、材料成本、设备成本等;时长评价指标用于衡量维修方案所需的时间,包括故障诊断时间、维修实施时间和设备恢复运行时间等;停产范围评价指标用于衡量维修方案对生产过程的影响,包括停产设备数量、停产区域范围等。
为维修方案评估指标分配权重,权重的分配反映了各评估指标在决策过程中的相对重要性,分配权重的过程可以根据实际需求和场景来确定,注意的是,这些权重应该满足以下条件:第一权重 、 第二权重、 第三权重的和为1。权重的分配应根据实际需求和场景来调整,以确保最终的决策结果符合实际的优先级和目标。示例性地,分配权重为:第一权重50%、第二权重30%、 第三权重20%。
对于每个评价指标,确定它是正向指标还是逆向指标,正向指标表示该指标的较大值对应较好的维修方案,而逆向指标表示较小值对应较好的维修方案,例如,成本评价指标、时长评价指标和停产范围评价指标都是逆向指标。将各评价指标的原始数据标准化到相同的范围内,例如[0,1],计算公式为:,其中,/>为标准化值,x为原始值,/>为最小值,/>为最大值。根据指标的极性对标准化后的数据进行调整,对于逆向指标,将其转换为正向指标,公式为:/>,其中,/>为正向化值。经过正向化调整后,所有评价指标都将具有相同的量纲和方向,从而便于后续的评估和比较。
根据所述第i加工状态归类故障,在故障数据库中查询与该类型相关的多个历史维修案例或预定义的维修方案,这些案例或方案可能包括不同的维修方法、工具、材料和技术人员等。
根据各个维修方案的正向化调整结果(成本、时长和停产范围),分别乘以相应的权重(第一权重、第二权重和第三权重),得到加权评价值,将每个维修方案的加权评价值进行求和,得到综合评价值,将每个维修方案的综合评价值作为其适应度,适应度是用于评估和比较各个维修方案的综合指标,适应度越高,表示该维修方案在成本、时长和停产范围等方面的表现越优秀,获得多个维修方案的多个方案适应度。
遍历所有维修方案的适应度,找出最大值,记录最大适应度对应的维修方案,将具有最大适应度的维修方案作为维修方案匹配结果。
步骤S400:根据所述第i加工状态对所述第i功能模块的下游功能链进行影响指数分析,获取第二影响指数;
具体而言,下游功能链为功能模块序列中第i功能模块之后的所有功能模块。第二影响指数与第一影响指数的获得方式相同,为了说明书的简洁,在此不再赘述。
步骤S500:获取加工约束指标,其中,所述加工约束指标包括约束效率参数;
具体而言,约束效率参数用于衡量加工过程中的性能或效率受到约束的程度,包括:设备使用率,用于衡量设备在生产过程中的使用率,即实际生产时间与设备总可用时间之比;生产速度,用于衡量生产过程中每个产品的加工时间,包括生产设备的速度和工人操作速度等;加工精度,用于衡量加工过程中产品质量的精度,包括产品尺寸、表面粗糙度等方面的标准;生产稳定性,用于衡量生产过程中设备和工艺的稳定性,包括设备故障率、工艺参数波动等。根据约束效率参数获取加工约束指标,这些指标用于评估加工过程中的限制因素。
步骤S600:根据所述第一影响指数和所述第二影响指数遍历所述约束效率参数对所述第一功能链进行加工预测,当加工预测结果满足所述加工约束指标时,按照所述第一功能链进行生产管理。
进一步而言,如图3所示,本申请步骤S600还包括:
步骤S610:根据所述第一影响指数和所述第二影响指数确定所述第一功能链的停产时长参数和停产功能模块编号;
步骤S620:根据所述停产时长参数和所述停产功能模块编号进行生产预测,获取加工预测时长,添加进所述加工预测结果;
步骤S630:当所述加工预测结果满足所述约束效率参数,按照所述第一功能链进行生产管理。
具体而言,所述第一影响指数和所述第二影响指数反映了第i功能模块对上游和下游功能链的影响程度,以此确定受到影响的功能模块编号,并且计算受影响的功能模块的停产时长参数。
根据停产时长参数,计算出停产影响到的加工状态区间,再根据停产功能模块编号,确定哪些加工状态参数受到了停产的影响。根据这些信息,对生产计划进行调整,重新规划生产过程中受到停产影响的部分,预测出新的加工时长,并将其添加到加工预测结果中。
将所述加工预测结果与所述约束效率参数进行对比,判断所述加工预测结果是否满足约束效率参数,如果满足,则按照所述第一功能链进行生产管理,例如根据加工预测结果调整生产计划、资源分配等,以保证生产的效率和质量;如果不满足,则需要进行调整或采取其他措施以满足约束效率参数。
进一步而言,本申请步骤S600还包括:
步骤S640:当所述加工预测结果不满足所述约束效率参数,获取所述停产功能模块编号匹配符合所述停产时长参数的闲置功能模块;
步骤S650:将所述闲置功能模块和所述第一功能链的所述停产时长参数的未停产功能模块进行拼接,获取备用功能链;
步骤S660:根据所述备用功能链进行辅助生产管理。
具体而言,当加工预测结果不满足所述约束效率参数时,通过数据库或其他相关数据管理工具对生产车间的设备、工具等资源进行调取,获取符合所述停产时长参数的闲置功能模块。
找到符合要求的闲置功能模块后,将它们与所述第一功能链中未停产的功能模块进行组合,以获得备用功能链,具体来说,可以根据所述停产功能模块编号和未停产功能模块编号,将它们按照所述停产时长参数进行拼接,生成一个新的备用功能链。使用所述备用功能链进行辅助生产管理,这包括重新安排生产计划、调整加工流程、调整设备配置等,通过这些措施,可以更好地利用闲置功能模块和备用功能链,提高生产效率和利用率。
综上所述,本申请实施例所提供的一种钢材冶炼车间的集成管理方法及系统具有如下技术效果:
接收第一功能链,包括功能模块序列和加工状态序列,获取第i功能模块的第i加工状态,对上游功能链进行影响指数分析获取第一影响指数,对下游功能链进行影响指数分析获取第二影响指数,获取加工约束指标,其中,加工约束指标包括约束效率参数,遍历约束效率参数进行加工预测,当结果满足加工约束指标时,按照第一功能链进行生产管理。解决了现有技术中钢材冶炼车间存在不同功能模块之间的信息交互存在隔离性,使得生产管控效率较低,进而导致生产效率和质量低下的技术问题,实现了对多个管理模块进行集成化管理,达到提升生产管控效率,进而提高钢材冶炼车间生产效率和质量的技术效果。
实施例2
基于与前述实施例中一种钢材冶炼车间的集成管理方法相同的发明构思,如图4所示,本申请提供了一种钢材冶炼车间的集成管理系统,所述系统包括:
功能链获取模块10,所述功能链获取模块10用于接收钢材冶炼车间的第一功能链,所述第一功能链包括功能模块序列和加工状态序列;
加工状态获取模块20,所述加工状态获取模块20用于根据所述功能模块序列和所述加工状态序列,获取第i功能模块的第i加工状态,其中,所述功能模块序列和所述加工状态序列一一对应,i≥1,i为整数;
第一指数分析模块30,所述第一指数分析模块30用于根据所述第i加工状态对所述第i功能模块的上游功能链进行影响指数分析,获取第一影响指数;
第二指数分析模块40,所述第二指数分析模块40用于根据所述第i加工状态对所述第i功能模块的下游功能链进行影响指数分析,获取第二影响指数;
约束指标获取模块50,所述约束指标获取模块50用于获取加工约束指标,其中,所述加工约束指标包括约束效率参数;
加工预测模块60,所述加工预测模块60用于根据所述第一影响指数和所述第二影响指数遍历所述约束效率参数对所述第一功能链进行加工预测,当加工预测结果满足所述加工约束指标时,按照所述第一功能链进行生产管理。
进一步而言,所述系统还包括:
关联性分析模块,用于采集所述第i功能模块的加工故障类型集进行关联性分析,获取加工状态故障基线;
维修方案匹配模块,用于将所述第i加工状态和所述加工状态故障基线进行比对,获取第i加工状态归类故障进行维修方案匹配,获取维修方案匹配结果,所述维修方案匹配结果包括维修预估时长和维修停产范围;
影响指数分析模块,用于根据所述维修预估时长和所述维修停产范围对所述第i功能模块的上游功能链进行影响指数分析,获取所述第一影响指数。
进一步而言,所述系统还包括:
第一属性数据获取模块,用于对所述加工故障类型集的第k个故障类型设定第一属性数据,其中,所述第一属性数据表征所述第k个故障类型的触发频率;
第二属性数据获取模块,用于对所述第i功能模块的加工状态参数设定第二属性数据,其中,所述第二属性数据表征一个或多个所述加工状态参数的状态集的出现频率;
参数信息获取模块,用于将所述加工状态参数的一个或多个参数类型设为变量参数信息,将其它参数类型设为定量参数信息,所述定量参数信息的状态为标准参数状态;
记录数据获取模块,用于以所述变量参数信息的第n加工状态为约束变量数据采集所述第二属性数据,获取第一记录数据,以所述第k个故障类型为跟随变量采集所述第一属性数据,获取第二记录数据;
相关系数获取模块,用于根据所述第一记录数据和所述第二记录数据的皮尔逊相关系数,获取所述第k个故障类型与所述第n加工状态的相关系数;
故障基线获取模块,用于根据所述相关系数确定所述第k个故障类型加工状态故障基线,添加进所述加工状态故障基线,包括,
当所述相关系数大于或等于预设数值时,将所述第n加工状态添加进所述第k个故障类型加工状态故障基线,其中,0<预设数值≤1。
进一步而言,所述系统还包括:
调整模块,用于对所述第一记录数据中的多个第一属性特征值按照自小到大调整,获取第一调整结果;
跟随调整模块,用于根据所述第一调整结果对所述第二记录数据进行跟随调整,获取第二调整结果;
处理模块,用于根据所述第一调整结果和所述第二调整结果,基于皮尔逊相关系数计算公式进行处理,获取所述第k个故障类型与所述第n加工状态的相关系数。
进一步而言,所述系统还包括:
停产信息获取模块,用于根据所述第一影响指数和所述第二影响指数确定所述第一功能链的停产时长参数和停产功能模块编号;
生产预测模块,用于根据所述停产时长参数和所述停产功能模块编号进行生产预测,获取加工预测时长,添加进所述加工预测结果;
生产管理模块,用于当所述加工预测结果满足所述约束效率参数,按照所述第一功能链进行生产管理。
进一步而言,所述系统还包括:
闲置功能获取模块,用于当所述加工预测结果不满足所述约束效率参数,获取所述停产功能模块编号匹配符合所述停产时长参数的闲置功能模块;
拼接模块,用于将所述闲置功能模块和所述第一功能链的所述停产时长参数的未停产功能模块进行拼接,获取备用功能链;
辅助生产管理模块,用于根据所述备用功能链进行辅助生产管理。
进一步而言,所述系统还包括:
评估指标获取模块,用于获取维修方案评估指标,其中,所述维修方案评估指标包括成本评价指标、时长评价指标和停产范围评价指标;
权重获取模块,用于为所述成本评价指标分布第一权重,为时长评价指标分布第二权重,为停产范围评价指标分布第三权重;
正向化调整模块,用于对所述成本评价指标、所述时长评价指标和所述停产范围评价指标进行正向化调整,获取正向化调整结果;
多个维修方案获取模块,用于根据所述第i加工状态归类故障匹配多个维修方案;
加和模块,用于根据所述第一权重、所述第二权重和所述第三权重,对所述多个维修方案的所述正向化调整结果的特征值进行加和,获取多个方案适应度;
匹配结果获取模块,用于筛选所述多个方案适应度的最大值,设为所述维修方案匹配结果。
本说明书通过前述对一种钢材冶炼车间的集成管理方法的详细描述,本领域技术人员可以清楚地知道本实施例中一种钢材冶炼车间的集成管理方法及系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.一种钢材冶炼车间的集成管理方法,其特征在于,应用集成管理单元,包括:
接收钢材冶炼车间的第一功能链,所述第一功能链包括功能模块序列和加工状态序列;
根据所述功能模块序列和所述加工状态序列,获取第i功能模块的第i加工状态,其中,所述功能模块序列和所述加工状态序列一一对应,i≥1,i为整数;
根据所述第i加工状态对所述第i功能模块的上游功能链进行影响指数分析,获取第一影响指数;
根据所述第i加工状态对所述第i功能模块的下游功能链进行影响指数分析,获取第二影响指数;
获取加工约束指标,其中,所述加工约束指标包括约束效率参数,约束效率参数用于衡量加工过程中的性能或效率受到约束的程度;
根据约束效率参数获取加工约束指标,其中,所述加工约束指标包括:设备使用率、生产速度、加工精度、生产稳定性,用于评估加工过程中的限制因素;
根据所述第一影响指数和所述第二影响指数遍历所述约束效率参数对所述第一功能链进行加工预测,当加工预测结果满足所述加工约束指标时,按照所述第一功能链进行生产管理;
根据所述第i加工状态对所述第i功能模块的上游功能链进行影响指数分析,获取第一影响指数,包括:
采集所述第i功能模块的加工故障类型集进行关联性分析,获取加工状态故障基线;
将所述第i加工状态和所述加工状态故障基线进行比对,获取第i加工状态归类故障进行维修方案匹配,获取维修方案匹配结果,所述维修方案匹配结果包括维修预估时长和维修停产范围;
其中,根据所述维修预估时长和所述维修停产范围对所述第i功能模块的上游功能链进行影响指数分析,获取所述第一影响指数,包括:
根据维修预估时长,评估设备故障对上游生产过程的影响;
根据维修停产范围,评估设备故障对上游功能链的影响范围;
根据实际生产情况对维修预估时长和维修停产范围上游功能链的影响进行权重分配得到第一影响指数;
所述第二影响指数与所述第一影响指数的获得方式相同;
其中,采集所述第i功能模块的加工故障类型集进行关联性分析,获取加工状态故障基线,包括:
对所述加工故障类型集的第k个故障类型设定第一属性数据,其中,所述第一属性数据表征所述第k个故障类型的触发频率;
对所述第i功能模块的加工状态参数设定第二属性数据,其中,所述第二属性数据表征一个或多个所述加工状态参数的状态集的出现频率;
将所述加工状态参数的一个或多个参数类型设为变量参数信息,将其它参数类型设为定量参数信息,所述定量参数信息的状态为标准参数状态;
以所述变量参数信息的第n加工状态为约束变量数据采集所述第二属性数据,获取第一记录数据,以所述第k个故障类型为跟随变量采集所述第一属性数据,获取第二记录数据;
根据所述第一记录数据和所述第二记录数据的皮尔逊相关系数,获取所述第k个故障类型与所述第n加工状态的相关系数;
根据所述相关系数确定所述第k个故障类型加工状态故障基线,添加进所述加工状态故障基线,包括,
当所述相关系数大于或等于预设数值时,将所述第n加工状态添加进所述第k个故障类型加工状态故障基线,其中,0<预设数值≤1;
其中,根据所述第一影响指数和所述第二影响指数遍历所述约束效率参数对所述第一功能链进行加工预测,当加工预测结果满足所述加工约束指标时,按照所述第一功能链进行生产管理,包括:
根据所述第一影响指数和所述第二影响指数确定所述第一功能链的停产时长参数和停产功能模块编号;
根据所述停产时长参数和所述停产功能模块编号进行生产预测,获取加工预测时长,添加进所述加工预测结果;
当所述加工预测结果满足所述约束效率参数,按照所述第一功能链进行生产管理。
2.如权利要求1所述的一种钢材冶炼车间的集成管理方法,其特征在于,根据所述第一记录数据和所述第二记录数据的皮尔逊相关系数,获取所述第k个故障类型与所述第n加工状态的相关系数,包括:
对所述第一记录数据中的多个第一属性特征值按照自小到大调整,获取第一调整结果;
根据所述第一调整结果对所述第二记录数据进行跟随调整,获取第二调整结果;
根据所述第一调整结果和所述第二调整结果,基于皮尔逊相关系数计算公式进行处理,获取所述第k个故障类型与所述第n加工状态的相关系数。
3.如权利要求1所述的一种钢材冶炼车间的集成管理方法,其特征在于,还包括:
当所述加工预测结果不满足所述约束效率参数,获取所述停产功能模块编号匹配符合所述停产时长参数的闲置功能模块;
将所述闲置功能模块和所述第一功能链的所述停产时长参数的未停产功能模块进行拼接,获取备用功能链;
根据所述备用功能链进行辅助生产管理。
4.如权利要求1所述的一种钢材冶炼车间的集成管理方法,其特征在于,将所述第i加工状态和所述加工状态故障基线进行比对,获取第i加工状态归类故障进行维修方案匹配,获取维修方案匹配结果,所述维修方案匹配结果包括维修预估时长和维修停产范围,包括:
获取维修方案评估指标,其中,所述维修方案评估指标包括成本评价指标、时长评价指标和停产范围评价指标;
为所述成本评价指标分布第一权重,为时长评价指标分布第二权重,为停产范围评价指标分布第三权重;
对所述成本评价指标、所述时长评价指标和所述停产范围评价指标进行正向化调整,获取正向化调整结果;
根据所述第i加工状态归类故障匹配多个维修方案;
根据所述第一权重、所述第二权重和所述第三权重,对所述多个维修方案的所述正向化调整结果的特征值进行加和,获取多个方案适应度;
筛选所述多个方案适应度的最大值,设为所述维修方案匹配结果。
5.一种钢材冶炼车间的集成管理系统,其特征在于,应用集成管理单元,包括:
功能链获取模块,所述功能链获取模块用于接收钢材冶炼车间的第一功能链,所述第一功能链包括功能模块序列和加工状态序列;
加工状态获取模块,所述加工状态获取模块用于根据所述功能模块序列和所述加工状态序列,获取第i功能模块的第i加工状态,其中,所述功能模块序列和所述加工状态序列一一对应,i≥1,i为整数;
第一指数分析模块,所述第一指数分析模块用于根据所述第i加工状态对所述第i功能模块的上游功能链进行影响指数分析,获取第一影响指数;
第二指数分析模块,所述第二指数分析模块用于根据所述第i加工状态对所述第i功能模块的下游功能链进行影响指数分析,获取第二影响指数;
所述第二影响指数与所述第一影响指数的获得方式相同;
约束指标获取模块,所述约束指标获取模块用于获取加工约束指标,其中,所述加工约束指标包括约束效率参数,约束效率参数用于衡量加工过程中的性能或效率受到约束的程度;
根据约束效率参数获取加工约束指标,其中,所述加工约束指标包括:设备使用率、生产速度、加工精度、生产稳定性,用于评估加工过程中的限制因素;
加工预测模块,所述加工预测模块用于根据所述第一影响指数和所述第二影响指数遍历所述约束效率参数对所述第一功能链进行加工预测,当加工预测结果满足所述加工约束指标时,按照所述第一功能链进行生产管理;
关联性分析模块,用于采集所述第i功能模块的加工故障类型集进行关联性分析,获取加工状态故障基线;
维修方案匹配模块,用于将所述第i加工状态和所述加工状态故障基线进行比对,获取第i加工状态归类故障进行维修方案匹配,获取维修方案匹配结果,所述维修方案匹配结果包括维修预估时长和维修停产范围;
影响指数分析模块,用于根据所述维修预估时长和所述维修停产范围对所述第i功能模块的上游功能链进行影响指数分析,获取所述第一影响指数;
其中,根据所述维修预估时长和所述维修停产范围对所述第i功能模块的上游功能链进行影响指数分析,获取所述第一影响指数,包括:
根据维修预估时长,评估设备故障对上游生产过程的影响;
根据维修停产范围,评估设备故障对上游功能链的影响范围;
根据实际生产情况对维修预估时长和维修停产范围上游功能链的影响进行权重分配得到第一影响指数;
第一属性数据获取模块,用于对所述加工故障类型集的第k个故障类型设定第一属性数据,其中,所述第一属性数据表征所述第k个故障类型的触发频率;
第二属性数据获取模块,用于对所述第i功能模块的加工状态参数设定第二属性数据,其中,所述第二属性数据表征一个或多个所述加工状态参数的状态集的出现频率;
参数信息获取模块,用于将所述加工状态参数的一个或多个参数类型设为变量参数信息,将其它参数类型设为定量参数信息,所述定量参数信息的状态为标准参数状态;
记录数据获取模块,用于以所述变量参数信息的第n加工状态为约束变量数据采集所述第二属性数据,获取第一记录数据,以所述第k个故障类型为跟随变量采集所述第一属性数据,获取第二记录数据;
相关系数获取模块,用于根据所述第一记录数据和所述第二记录数据的皮尔逊相关系数,获取所述第k个故障类型与所述第n加工状态的相关系数;
故障基线获取模块,用于根据所述相关系数确定所述第k个故障类型加工状态故障基线,添加进所述加工状态故障基线,包括,
当所述相关系数大于或等于预设数值时,将所述第n加工状态添加进所述第k个故障类型加工状态故障基线,其中,0<预设数值≤1;
停产信息获取模块,用于根据所述第一影响指数和所述第二影响指数确定所述第一功能链的停产时长参数和停产功能模块编号;
生产预测模块,用于根据所述停产时长参数和所述停产功能模块编号进行生产预测,获取加工预测时长,添加进所述加工预测结果;
生产管理模块,用于当所述加工预测结果满足所述约束效率参数,按照所述第一功能链进行生产管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310747272.7A CN116485578B (zh) | 2023-06-25 | 2023-06-25 | 一种钢材冶炼车间的集成管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310747272.7A CN116485578B (zh) | 2023-06-25 | 2023-06-25 | 一种钢材冶炼车间的集成管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116485578A CN116485578A (zh) | 2023-07-25 |
CN116485578B true CN116485578B (zh) | 2023-10-27 |
Family
ID=87223611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310747272.7A Active CN116485578B (zh) | 2023-06-25 | 2023-06-25 | 一种钢材冶炼车间的集成管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116485578B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117312816B (zh) * | 2023-11-28 | 2024-04-02 | 张家港广大特材股份有限公司 | 一种特种钢材的冶炼效果评估方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261695A (zh) * | 2007-03-07 | 2008-09-10 | 杭州电子科技大学 | 一种流程工业生产调度系统的实时动态再调度方法 |
KR20140038265A (ko) * | 2012-09-20 | 2014-03-28 | 한국전력공사 | 고장관리장치 및 이의 고장관리방법 |
CN105046375A (zh) * | 2015-09-01 | 2015-11-11 | 景德金 | 无缝钢管生产重点设备物联网维修预测系统 |
CN205050188U (zh) * | 2015-09-01 | 2016-02-24 | 景德金 | 无缝钢管生产重点设备物联网维修预测系统 |
CN109840718A (zh) * | 2019-02-28 | 2019-06-04 | 东北大学 | 一种基于组态的生产指标可视化监控系统及方法 |
CN111913458A (zh) * | 2020-08-28 | 2020-11-10 | 华中科技大学 | 一种基于深度学习的车间控制方法及系统 |
CN112184473A (zh) * | 2020-08-28 | 2021-01-05 | 江苏科技大学 | 一种多规格船用管材智能成形车间及控制方法 |
CN116127695A (zh) * | 2022-11-17 | 2023-05-16 | 华中科技大学 | 一种基于综合性能评价的生产线构建方法及系统 |
CN116128102A (zh) * | 2022-12-09 | 2023-05-16 | 常熟中佳新材料有限公司 | 一种制冷设备用异形铜管生产优化方法及系统 |
CN116149282A (zh) * | 2023-04-18 | 2023-05-23 | 张家港广大特材股份有限公司 | 一种基于流程管控钢材冶炼的加工控制方法及系统 |
CN116165988A (zh) * | 2023-04-24 | 2023-05-26 | 格拉默汽车内饰部件(北京)有限公司 | 一种汽车中控台的生产质量管控方法及系统 |
-
2023
- 2023-06-25 CN CN202310747272.7A patent/CN116485578B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261695A (zh) * | 2007-03-07 | 2008-09-10 | 杭州电子科技大学 | 一种流程工业生产调度系统的实时动态再调度方法 |
KR20140038265A (ko) * | 2012-09-20 | 2014-03-28 | 한국전력공사 | 고장관리장치 및 이의 고장관리방법 |
CN105046375A (zh) * | 2015-09-01 | 2015-11-11 | 景德金 | 无缝钢管生产重点设备物联网维修预测系统 |
CN205050188U (zh) * | 2015-09-01 | 2016-02-24 | 景德金 | 无缝钢管生产重点设备物联网维修预测系统 |
CN109840718A (zh) * | 2019-02-28 | 2019-06-04 | 东北大学 | 一种基于组态的生产指标可视化监控系统及方法 |
CN111913458A (zh) * | 2020-08-28 | 2020-11-10 | 华中科技大学 | 一种基于深度学习的车间控制方法及系统 |
CN112184473A (zh) * | 2020-08-28 | 2021-01-05 | 江苏科技大学 | 一种多规格船用管材智能成形车间及控制方法 |
CN116127695A (zh) * | 2022-11-17 | 2023-05-16 | 华中科技大学 | 一种基于综合性能评价的生产线构建方法及系统 |
CN116128102A (zh) * | 2022-12-09 | 2023-05-16 | 常熟中佳新材料有限公司 | 一种制冷设备用异形铜管生产优化方法及系统 |
CN116149282A (zh) * | 2023-04-18 | 2023-05-23 | 张家港广大特材股份有限公司 | 一种基于流程管控钢材冶炼的加工控制方法及系统 |
CN116165988A (zh) * | 2023-04-24 | 2023-05-26 | 格拉默汽车内饰部件(北京)有限公司 | 一种汽车中控台的生产质量管控方法及系统 |
Non-Patent Citations (1)
Title |
---|
离散智能车间扰动预测与高效运行管控方法研究;仇永涛;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;C028-52 * |
Also Published As
Publication number | Publication date |
---|---|
CN116485578A (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113255795B (zh) | 一种基于多指标集群分析的设备状态监测方法 | |
CN111639921B (zh) | 一种基于专家系统的设备故障智判与辅助处置方法 | |
CN116485578B (zh) | 一种钢材冶炼车间的集成管理方法及系统 | |
CN105759201A (zh) | 基于异常样本识别的高压断路器自诊断方法 | |
CN107403279B (zh) | 一种输油泵工况自适应状态预警系统及方法 | |
CN113762604B (zh) | 一种工业互联网大数据服务系统 | |
CN109507992B (zh) | 一种机车制动系统部件的故障预测方法、装置及设备 | |
CN115238829B (zh) | 一种热轧机的轧辊磨损程度分析方法 | |
CN117235649A (zh) | 一种基于大数据的工业设备状态智能监测系统及方法 | |
CN116468427B (zh) | 一种基于大数据的设备运维智能监管系统及方法 | |
CN111913443A (zh) | 基于相似性的工业设备故障预警方法 | |
CN111984705A (zh) | 一种电能质量监测装置的精度评估管理方法和装置 | |
CN112561289A (zh) | 一种能源管理体系认证中的能源绩效集成验证方法 | |
CN117394337A (zh) | 一种电网负荷预警方法及其系统 | |
CN112417627A (zh) | 一种基于四维指标体系配电网运行可靠性分析方法 | |
CN115510990A (zh) | 一种模型训练方法和相关装置 | |
CN115441456A (zh) | 一种电网调度支持系统故障诊断方法及装置 | |
CN116244765A (zh) | 一种基于工业互联网的设备维护管理方法 | |
CN117436846A (zh) | 基于神经网络的设备预测性维护方法及系统 | |
CN117113104A (zh) | 一种应用数据分析技术的智能化管理系统及方法 | |
CN114167837B (zh) | 一种铁路信号系统的智能故障诊断方法及系统 | |
CN116346405A (zh) | 基于数据统计的网络安全运维能力评估系统及方法 | |
CN115774159A (zh) | 高压变频器功率单元故障检测系统 | |
CN117662510B (zh) | 一种风机故障诊断系统及其方法 | |
CN116756619B (zh) | 一种基于大数据的设备智能诊断方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |