CN116500981A - 基于工业互联网的智慧工厂生产系统和方法 - Google Patents
基于工业互联网的智慧工厂生产系统和方法 Download PDFInfo
- Publication number
- CN116500981A CN116500981A CN202310325708.3A CN202310325708A CN116500981A CN 116500981 A CN116500981 A CN 116500981A CN 202310325708 A CN202310325708 A CN 202310325708A CN 116500981 A CN116500981 A CN 116500981A
- Authority
- CN
- China
- Prior art keywords
- data
- intelligent
- production
- equipment
- terminal
- 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.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 165
- 238000000034 method Methods 0.000 title description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000012806 monitoring device Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- SNICXCGAKADSCV-UHFFFAOYSA-N nicotine Chemical compound CN1CCCC1C1=CC=CN=C1 SNICXCGAKADSCV-UHFFFAOYSA-N 0.000 description 9
- 238000011160 research Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 238000012797 qualification Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- 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
- G05B2219/32368—Quality control
-
- 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
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智能制造技术领域，尤其涉及一种基于工业互联网的智慧工厂生产系统，包括：智能运营终端，实时采集生产线车间布设的各个设备的数据；现场数据采集服务器，获取智能运营终端采集的数据，现场数据采集服务器对获取的数据预处理，并对预处理后的数据进行传输；移动终端，用于录入每个生产线车间的智能生产设备的唯一编码和企业数据；产能终端服务器，获取现场数据采集服务器处理后的数据和移动终端录入的唯一编码和企业数据，并进行算法分析，计算工厂实际生产的产能。本发明的一种基于工业互联网的智慧工厂生产系统，能够快速有效的实时精准计算出生产的产能。
Description
技术领域
本发明涉及智能制造技术领域，尤其涉及一种基于工业互联网的智慧工厂生产系统和方法。
背景技术
生产能力（产能）对于所有企业以及企业所有层级来说，都是一个重要的问题。生产能力是指一个作业单元满负荷生产所能处理的最大限度。现有技术中产能的计算逻辑为产量=产能×负荷率。在计算产能时，必须了解每条独立生产线的情况、每家独立工厂的生产水平以及整个生产系统的生产分配状况，一般可通过以下步骤来进行：
1、运用预测技术预测每条独立生产线的产品的生产数量；
2、计算为满足需求所需投入的设备和劳动力数量；
3、合理配置可获得的设备与劳动力数量。
企业常常还要考虑超过预期需求的生产富余能力作为平衡设计生产能力与实际生产能力的缓冲，因此无法准确的对工厂的产能进行计算。
发明内容
本发明要解决的技术问题是：为了解决现有技术中针对工厂的产能无法准确计算的技术问题，本发明提供一种基于工业互联网的智慧工厂生产系统，能够快速有效的实时精准计算出生产的产能。
本发明解决其技术问题所采用的技术方案是：一种基于工业互联网的智慧工厂生产系统，包括：智能运营终端，用于实时采集生产线车间布设的各个设备的数据，所述智能运营终端包括在生产线车间布设的智能生产设备；现场数据采集服务器，用于获取所述智能运营终端采集的数据，所述现场数据采集服务器对获取的数据预处理，并对预处理后的数据进行传输；移动终端，用于录入每个生产线车间的所述智能生产设备的唯一编码和企业数据；产能终端服务器，用于获取所述现场数据采集服务器处理后的数据和移动终端录入的唯一编码和企业数据，并进行算法分析，计算工厂实际生产的产能。
进一步，具体地，还包括监测终端，与所述产能终端服务器连接，所述监测终端获取并显示工厂实际生产的产能。
进一步，具体地，所述智能运营终端还包括在生产线车间布设的嵌入式硬件设备、监测设备以及智能网关设备；所述监测设备与所述智能生产设备连接；所述智能生产设备、所述嵌入式硬件设备和所述监测设备均与所述智能网关设备通信连接，所述智能网关设备设置有通信协议；所述现场数据采集服务器包括控制层；所述智能网关设备与所述现场数据采集服务器的所述控制层连接；
进一步，具体地，所述监测设备包括物联网电表，所述物联网电表采集所述智能生产设备的电表数据，并将采集的电表数据传输至所述智能网关设备，所述智能网关设备再将所述电表数据传输至所述控制层；所述嵌入式硬件设备包括红外检测传感器和图像采集传感器，所述红外检测传感器和所述图像采集传感器设置于生产线车间工人的工位处，所述红外检测传感器检测每个生产线车间工人的人体红外数据，所述图像采集传感器采集每个生产线车间工人的图像数据，所述嵌入式硬件设备将所述工人的人体红外数据和所述工人的图像数据传输至所述智能网关设备，所述智能网关设备再将所述工人的人体红外数据和所述工人的图像数据传输至所述控制层；所述智能生产设备将工作状态数据上传至所述控制层。
一种基于工业互联网的智慧工厂生产方法，所述生产方法采用如上所述的基于工业互联网的智慧工厂生产系统，所述生产方法包括：
步骤S1：首先通过移动终端录入每个生产线车间的智能生产设备的唯一编码和企业数据；
步骤S2：智能运营终端实时采集生产线车间布设的各个设备的数据，并将采集的各个设备的数据传输至现场数据采集服务器；
步骤S3：所述现场数据采集服务器获取所述智能运营终端采集的数据，所述现场数据采集服务器对获取的数据预处理，并对预处理后的数据进行传输；
步骤S4：产能终端服务器获取所述现场数据采集服务器处理后的数据和移动终端录入的唯一编码和企业数据，并进行算法分析，计算工厂实际生产的产能；
步骤S5：监测终端获取并显示工厂实际生产的产能。
进一步，具体地，所述步骤S2中，各个设备的数据包括电表数据、人体红外数据、图像数据和工作状态数据。
进一步，具体地，所述步骤S4具体包括以下步骤：
步骤S41：产能终端服务器获取并存储所述现场数据采集服务器处理后的电表数据、人体红外数据、图像数据和工作状态数据，和移动终端录入的唯一编码和企业数据；
步骤S42：对处理后的电表数据、人体红外数据、图像数据和工作状态数据，和移动终端录入的唯一编码和企业数据进行清洗、类型转换、异常值和去重处理；
步骤S43：将生产线车间的编号与布设在该生产线车间的智能生产设备的所述唯一编码绑定，将所述智能生产设备的唯一编码与对应的所述工作状态数据绑定；
步骤S44：结合设备工作状态数据、电表数据、人体红外数据、图像数据传和企业数据，产能算法模型对产能进行量化计算，动态获取工厂实际生产的产能。
进一步，具体地，所述步骤S4还包括：
步骤S45：产能终端服务器基于所述电表数据、人体红外数据、工作状态数据判断所述智能生产设备是否有异常，将异常结果所述监测终端显示。
进一步，具体地，所述步骤S4还包括：
步骤S46：产能终端服务器基于图像数据对人的工作行为进行分析，判断工作人员是否有按规范进行作业。
本发明的有益效果是，本发明的基于工业互联网的智慧工厂生产系统，包括现场采集服务终端、移动终端和产能终端服务器，通过三端数据实时交互模式，从不同维度、不同场景下对产能数据的全面感知，解决了产能数据收集和传输问题；还通过产能数据分析引擎，对产能进行管理，根据工厂管理者的需求，对产能信息数据进行全面全方位的分析应用，获取生产的产能，为工厂高层管理提供决策数据支持。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明实施例一的结构示意图。
图2是本发明实施例二的流程示意图。
图中1、智能运营终端；2、现场数据采集服务器；3、移动终端；4、产能终端服务器；5、监测终端；11、智能生产设备；12、嵌入式硬件设备；13、监测设备；14、智能网关设备。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1：如图1所示，是本发明实施例一，一种基于工业互联网的智慧工厂生产系统，包括：智能运营终端1，用于实时采集生产线车间布设的各个设备的数据，智能运营终端1包括在生产线车间布设的智能生产设备11；现场数据采集服务器2，用于获取智能运营终端1采集的数据，现场数据采集服务器2对获取的数据预处理，并对预处理后的数据进行传输；移动终端3，用于录入每个生产线车间的智能生产设备12的唯一编码和企业数据；产能终端服务器4，用于获取现场数据采集服务器2处理后的数据和移动终端3录入的唯一编码和企业数据，并进行算法分析，计算工厂实际生产的产能。
在一些实施例中，还包括监测终端5，与产能终端服务器4连接，获取并显示工厂实际生产的产能，监测终端5可以是显示器或PC机，但不仅限如此，便于及时查看生产的产能。
智能运营终端1包括在生产线车间布设的嵌入式硬件设备12、监测设备13以及智能网关设备14；监测设备与智能生产设备连接；智能生产设备11、嵌入式硬件设备12和监测设备13均与智能网关设备14通信连接，智能网关设备14采用但不限于5G网络，减少数据传输时间的延迟，智能网关设备14设置有通信协议；通信协议采用但不限于Lonworks、Modbus、BACnet、RS485、RS232、Sedona/SOX、TCP/IP、RWNS或opc等协议，在本发明一具体实施例中，优选Modbus协议，Modbus协议安全可靠，保证智能生产设备11、嵌入式硬件设备12以及监测设备13采集的数据被智能网关设备14有效传输至现场数据采集服务器2。现场数据采集服务器2包括控制层，控制层采用但不限于Niagara控制层，减少设备底层驱动通讯的繁琐，降低了采集数据的难度；智能生产设备11、嵌入式硬件设备12以及监测设备13通过智能网关设备14与现场数据采集服务器2的Niagara控制层信号连接。
需要说明的是，Niagara控制层是java语言所研发设计用于解决设备连接应用的软件框架平台技术，Niagara控制层是一种应用框架，强调软件的设计重用性和系统的可扩展性，以缩短开发周期，提高开发质量。Niagara控制层创造了一个通用的开发环境，可以与各种设备和系统通信，数据和属性将被转换成为标准的软件组件，几乎可以连接所有嵌入式设备或系统，且不用太多考虑设备使用的通信协议，便于设备间的信号连接。
监测设备13包括物联网电表，物联网电表安装在每个生产线车间，物联网电表内置采集端采集智能生产设备11的电表数据进行数据采集，物联网电表与智能网关设备14通信连接，将采集的数据传输至智能网关设备14，智能网关设备14再将电表数据传输至Niagara控制层，便于数据的快速传输。物联网电表内置无线能够直接与智能网关设备通信，不需要额外增加无线通信模块。
嵌入式硬件设备12包括红外检测传感器和图像采集传感器，红外检测传感器和图像采集传感器设置于生产线车间工人的工位处，红外检测传感器检测每个生产线车间工人的人体红外数据，图像传感器采集每个生产线车间工人的图像数据，嵌入式硬件设备12将工人的人体红外数据和图像数据传输至智能网关设备14，智能网关设备14再将人体红外数据和工人的图像数据传输至Niagara控制层；具体的，嵌入式硬件设备包括无线通信模块，无线通信模块与智能网关设备14通信连接，红外检测传感器和图像采集传感器采集的数据经无线通信模块传输至智能网关设备14，智能网关设备14再将采集的数据传输至Niagara控制层。其中，红外检测传感器优选但不限于Imec的Si-CIS传感器；图像采集传感器优选但不限于海康威视AI摄像头。
在本发明一具体实施例中，红外检测传感器和图像采集传感器可集成在一个嵌入式硬件设备12中，嵌入式硬件设备12安装在于生产线车间工人的工位处，便于安装以及实现对工人的工作行为数据进行采集，且嵌入式硬件设备12内只需设置一个无线通信模块就能与智能网关14通信连接，嵌入式硬件设备12结构简单，且便于数据传输，能够降低设备成本。
智能生产设备12用于制造产品，每台智能生产设备12都有唯一编码，智能生产设备12与现场数据采集服务器2之间的信号连接采用但不限于有线连接线，智能生产设备12将工作状态数据传输至Niagara控制层。
现场数据采集服务器2的Niagara控制层获取物联网电表的数据、智能生产设备12的数据以及嵌入式硬件设备12的数据，对获取的各个数据进数据转换，将转换后的数据传输至产能终端服务器4。
现场数据采集服务器2还对转换后数据缓存，便于将数据传输至产能终端服务器。
移动设备为便携式手持设备，移动设备与产能终端服务器4连接，移动设备可以是手机，通过手机摄像头扫描智能生产设备12上二维码，将智能生产设备12的唯一编码传输至产能终端服务器4，企业数据包括企业基本信息数据和其他企业相关数据，企业基本信息数据通过手机上的app、pc网页、微信小程序调用企查查第三方接口，手机抓获收集工厂企业相关的注册和经营信息信息，初步录入工厂的，企业基本信息数据包括但不限于企业人员人数，注册资本，企业规模，企业成立年份，年销售额，企业性质，质量管理水平，地域，进出口权，企业信誉，自主品牌，一线品牌合作模式，运营经验，仓库管理经验，物流管理经验，主要市场，主要客户等，其他的企业相关数据通过手机人工录入，其他的企业相关数据包括产能的信息数据、科研能力的信息数据、生产产品的信息数据，通过手机将企业数据录入传输至产能终端服务器4，产能终端服务器4基于手机录入的信息数据对产能算法模型进行分析。
在一些实施例中，智能生产设备12唯一编码的获取还可以是手持终端PDA设备，通过人工手持终端PDA设备获取每个生产线车间的智能生产设备12的唯一编码。
实施例2：如图2所示，一种基于工业互联网的智慧工厂生产方法，采用如上所述的基于基于工业互联网的智慧工厂生产系统，生产方法包括：
步骤S1：首先通过移动终端3录入每个生产线车间的智能生产设备12的唯一编码和企业数据；
步骤S2：智能运营终端1采集生产线车间布设的各个设备的数据，并将采集的各个设备的数据传输至现场数据采集服务器2；
在所述步骤S2中，各个设备的数据包括电表数据、人体红外数据、图像数据和工作状态数据。
步骤S3：现场数据采集服务器2获取智能运营终端1采集的数据，现场数据采集服务器2对获取的数据预处理，并对预处理后的数据进行传输；
步骤S4：产能终端服务器4获取现场数据采集服务器2处理后的数据和移动终端3录入的唯一编码和企业数据，并进行算法分析，计算工厂实际生产的产能；
步骤S5：监测终端5获取并显示工厂实际生产的产能。
在实施例中，步骤S4具体包括以下步骤：
步骤S41：产能终端服务器4获取并存储现场数据采集服务器2处理后的电表数据、人体红外数据、图像数据和工作状态数据，和移动终端3录入的唯一编码和企业数据；
步骤S42：对处理后的电表数据、人体红外数据、图像数据和工作状态数据，和移动终端3录入的唯一编码和企业数据进行清洗、类型转换、异常值或去重处理以及数据处理；
步骤S43：将生产线车间的编号与布设在该生产线车间的智能生产设备12的唯一编码绑定，将智能生产设备12的唯一编码与对应的工作状态数据绑定；
步骤S44：结合设备工作状态数据、电表数据、人体红外数据、图像数据传输至产能算法模型对产能进行量化计算，获取工厂实际生产的产能；
具体的，产能终端服务器根据企业基本信息的数据或其他企业相关数据计算影响产能算法模型的标准因子，标准因子包括企业基本因子、产能分析因子、科研能力因子、设备因子、产品因子以及资质因子，具体的：
企业基本因子根据企业基本信息的数据在产能终端服务器4中计算，具体的，产能终端服务器4根据获取的企业人员人数，注册资本，企业规模，企业成立年份，年销售额，企业性质，质量管理水平，地域，进出口权，企业信誉等数据，计算影响产能的企业基本因子W1=P11*A1+P12*A2+P13*A3+P14*A4+……+P1n*An；具体的，P11～P1n表示企业基本因子的数据种类，如P11为企业人员人数，P12为注册资本等等，A1、A2、A3至An为各个数据种类对应的的系数，在初步对数据进行录入时，各个系数值均为1，当其中一个数据种类的值发生变化时，对应的系数值变化，如初步录入的企业人数P11为100人，若企业人数P11发生变化，对应的系数A1由1变为2。
产能分析因子根据产能的信息数据在产能终端服务器4中计算，具体的，产能终端服务器4根据获取的公司总人数、生产人员数量、生产管理人员、品管人员数量、工程人员数量、行政人员数量、其他人数、工厂总面积、生产区面积、检验区面积、行政区面积、自有面积、租赁面积、设备总数量、设备利用率、月工作天数、班次、是否有专门的模具房/车间、是否有专门的质量检测室、是否为智能制造工厂、是否采用ERPII/ERP系统、是否采用MES系统以及是否接入了工业标识解析节点的数据，计算产能分析因子W2=P21*B1+P22*B2+P23*B3 +P24*B4+……+P2n*Bn；具体的，P21～P2n表示产能分析因子的数据种类，如P21为公司总人数，P22为生产人员数量等等，B1、B2、B3至Bn为各个数据种类对应的的系数，在初步对数据进行录入时，各个系数值均为1，当其中一个数据种类的值发生变化时，对应的系数值变化，如初步录入的生产人员数量P22为50人，若生产人员数量P22发生变化，对应的系数B2由1变为2。
科研能力因子根据科研能力的信息数据在产能终端服务器4中计算，具体的，产能终端服务器4根据获取企业是否有自己的研发中心、是否有专门的研发实验室、样品制作周期、是否有样品接单以及制作及送样流程的数据，计算科研能力因子W3=P31*C1+P32*C2+P33*C3+P34*C4+……+P3n*Cn；具体的，P31～P3n表示产能分析因子的数据种类，如P31为企业是否有自己的研发中心，P32为是否有专门的研发实验室，P33为样品制作周期等等，C1、C2、C3至Cn为各个数据种类对应的的系数，在初步对数据进行录入时，各个系数值均为1，当其中一个数据种类的值发生变化时，对应的系数值变化，如初步录入的样品制作周期P33为7周，若样品制作周期P33发生变化，对应的系数C3由1变为2。
设备因子根据智能生产设备的信息数据在产能终端服务器4中计算，具体的，产能终端服务器4根据获取的设备名称、设备类型、制造商、设备型号、设备数量、设备规格以及设备图片等等，计算设备因子W4=P41*D1+P42*D2+P43*D3+P44*D4+……+P4n*Dn；具体的，P41～P4n表示设备因子的数据种类，如P41为设备名称，P42为设备类型等等，D1、D2、D3至Dn为各个数据种类对应的的系数，在初步对数据进行录入时，各个系数值均为1，当其中一个数据种类的值发生变化时，对应的系数值变化，如初步录入智能生产设备数量为10台，实际在智能生产设备时仅有7台，对应的系数将随之变化。
产品因子根据生产产品的信息数据在产能终端服务器4中计算，具体的，产能终端服务器4根据获取的产品名称、产品一二三级品类、日标注产能、最大产能、开模周期、交货周期、核心部件生产，其他表面工艺、主要工艺、主要材料、产品图片计算产品因子W5=P51*E1+P52*E2+P53*E3+P54*E4+……+P5n*En；具体的，P51～P5n表示产品因子的数据种类，如P51为产品名称，P52为产品一二三级品类等等，E1、E2、E3至En为各个数据种类对应的的系数，在初步对数据进行录入时，各个系数值均为1，当其中一个数据种类的值发生变化时，对应的系数值变化。
资质因子根据企业基本的信息数据在产能终端服务器4中计算，产能终端服务器4根据获取的质量认证名称、产品认证名称、专利名称以及获取时间计算资质因子W6=P61*F1+P62*F2+P63*F3+P64*F4+……+P6n*Fn；具体的，P61～P6n表示资质因子的数据种类，如P61为质量认证名称，P62为产品认证名称等等，F1、F2、F3至Fn为各个数据种类对应的的系数，在初步对数据进行录入时，各个系数值均为1，当其中一个数据种类的值发生变化时，对应的系数值变化。
结合企业基本因子、产能分析因子、科研能力因子、设备因子、产品因子、资质因子，获取产能算法公式，产能P=（（W1+W2+W3+W4+W5+W6）/总标准因子 ）*预生产系数。
需要说明的是W1+W2+W3+W4+W5+W6为各数据种类对应系数均为1时计算的标准因子，实际真实企业基本的信息数据或其他企业相关数据指标和属性作为总标准因子。预生产系数是通过大量数据对该工厂的产能进行线性回归处理，即通过随机森林、SVM向量机、朴素贝叶斯、决策树等算法计算找出预生产系数影响最大因子，由于工厂的需求的动态性，智能生产设备12和生产线的因素，生产的订单需求（预测/订单/备库）长期处于一个等待的队列中，需要对生产计划和智能生产设备12进行编排，结合复杂的订单(多种产品组合)生产组合路径，利用信息系统动态监控订单的需求和订单完成的状态，计算出日计划与生产的偏差，严格控制产出率TH和CT加工周期，获取预生产系数。
在步骤S44中，结合设备工作状态数据、电表数据、人体红外数据、图像数据更新设备数量，结合实际数据对产能进行量化计算，提高产能计算的准确性，相对于现有的产能降低现有产能计算的风险，提高产能计算的准确性。
步骤S45：产能终端服务器4基于所述电表数据、人体红外数据、图像数据和工作状态数据判断智能生产设备12是否有异常，将异常结果所述监测终端5显示。
具体的，物联网电表的电表数据包括电压值和电流值，以电压值为例对物联网电表异常说明，物联网电表正常工作时供电电压为380V，当物联网电表的采集的电压值大于380V时则判定异常，设备会自我保护状态；物联网电表的电压值低于设备使用的正常电压，如220V市电，设备不能正常使用，则判定异常；物联网电表的电压值为0或者未检测到电压值数据，则根据人体数据判断当前设备是否有人或当前设备是否有工作状态数据，若无人或者无工作状态数据则判定设备未工作，若有人或者有工作状态数据则判定异常。
在实施例中，还会判断工厂的高低负荷运转设备运行时长，通过班次来调整维护设备，以保障智能生产设备11的正常高效安全的运行，具体的，排班应该工作智能生产设备11的数量为10台，通过调取系统的排班表，获取排班应该工作智能生产设备11的数量，根据嵌入式设备12采集的数据以及物联网电表采集电表数据，判断智能生产设备11是否有投入生产，获取实际工作智能生产设备11的数量，根据智能生产设备11的运行时间判断智能生产设备是高负荷运转还是低负荷运转，对智能生产设备11班次进行调整，保障智能生产设备11能够正常高效安全的运行。
步骤S46：产能终端服务器4基于图像数据对人的工作行为进行分析，判断工作人员是否有按规范进行作业，及时发现作业过程中存在的各方面问题，以方便及时消除各种隐患，提高生产安全性。
本发明的基于工业互联网的智慧工厂生产系统，包括现场采集服务终端、移动终端和产能终端服务器，通过三端数据实时交互模式，从不同维度、不同场景下对产能数据的全面感知，解决了产能数据收集和传输问题；还通过产能数据分析引擎，对产能进行管理，根据工厂管理者的需求，对产能信息数据进行全面全方位的分析应用，获取生产的产能，工厂高层管理提供决策数据支持。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
Claims (9)
1.一种基于工业互联网的智慧工厂生产系统，其特征在于，包括：
智能运营终端（1），用于实时采集生产线车间布设的各个设备的数据，所述智能运营终端（1）包括在生产线车间布设的智能生产设备（11）；
现场数据采集服务器（2），用于获取所述智能运营终端（1）采集的数据，所述现场数据采集服务器（2）对获取的数据预处理，并对预处理后的数据进行传输；
移动终端（3），用于录入每个生产线车间的所述智能生产设备（11）的唯一编码和企业数据；
产能终端服务器（4），用于获取所述现场数据采集服务器（2）处理后的数据和移动终端（3）录入的唯一编码和企业数据，并进行算法分析，计算工厂实际生产的产能。
2.如权利要求1所述的基于工业互联网的智慧工厂生产系统，其特征在于，还包括监测终端（5），与所述产能终端服务器（4）连接，所述监测终端（5）获取并显示工厂实际生产的产能。
3.如权利要求2所述的基于工业互联网的智慧工厂生产系统，其特征在于，所述智能运营终端（1）还包括在生产线车间布设的嵌入式硬件设备（12）、监测设备（13）以及智能网关设备（14）；
所述监测设备（13）与所述智能生产设备（11）连接；
所述智能生产设备（11）、所述嵌入式硬件设备（12）和所述监测设备（13）均与所述智能网关设备（14）通信连接，所述智能网关设备（14）设置有通信协议；
所述现场数据采集服务器（2）包括控制层；
所述智能网关设备（14）与所述现场数据采集服务器（2）的所述控制层连接。
4.如权利要求3所述的基于工业互联网的智慧工厂生产系统，其特征在于，所述监测设备（13）包括物联网电表，所述物联网电表采集所述智能生产设备（11）的电表数据，并将采集的电表数据传输至所述智能网关设备（14），所述智能网关设备（14）再将所述电表数据传输至所述控制层；
所述嵌入式硬件设备（12）包括红外检测传感器和图像采集传感器，所述红外检测传感器和所述图像采集传感器设置于生产线车间工人的工位处，所述红外检测传感器检测每个生产线车间工人的人体红外数据，所述图像采集传感器采集每个生产线车间工人的图像数据，所述嵌入式硬件设备（12）将所述工人的人体红外数据和所述工人的图像数据传输至所述智能网关设备（14），所述智能网关设备（14）再将所述工人的人体红外数据和所述工人的图像数据传输至所述控制层；
所述智能生产设备（11）将工作状态数据上传至所述控制层。
5.一种基于工业互联网的智慧工厂生产方法，其特征在于，所述生产方法采用如权利要求4中所述的基于工业互联网的智慧工厂生产系统，所述生产方法包括：
步骤S1：首先通过移动终端（3）录入每个生产线车间的智能生产设备（11）的唯一编码和企业数据；
步骤S2：智能运营终端（1）实时采集生产线车间布设的各个设备的数据，并将采集的各个设备的数据传输至现场数据采集服务器（2）；
步骤S3：所述现场数据采集服务器（2）获取所述智能运营终端（1）采集的数据，所述现场数据采集服务器（2）对获取的数据预处理，并对预处理后的数据进行传输；
步骤S4：产能终端服务器（4）获取所述现场数据采集服务器（2）处理后的数据和移动终端（3）录入的唯一编码和企业数据，并进行算法分析，计算工厂实际生产的产能；
步骤S5：监测终端（5）获取并显示工厂实际生产的产能。
6.如权利要求5所述的基于工业互联网的智慧工厂生产方法，其特征在于，所述步骤S2中，各个设备的数据包括电表数据、人体红外数据、图像数据和工作状态数据。
7.如权利要求6所述的基于工业互联网的智慧工厂生产方法，其特征在于，所述步骤S4具体包括以下步骤：
步骤S41：产能终端服务器（4）获取并存储所述现场数据采集服务器（2）处理后的电表数据、人体红外数据、图像数据和工作状态数据，和移动终端（3）录入的唯一编码和企业数据；
步骤S42：对处理后的电表数据、人体红外数据、图像数据和工作状态数据，和移动终端（3）录入的唯一编码和企业数据进行清洗、类型转换、异常值和去重处理；
步骤S43：将生产线车间的编号与布设在该生产线车间的智能生产设备（11）的所述唯一编码绑定，将所述智能生产设备（11）的唯一编码与对应的所述工作状态数据绑定；
步骤S44：结合设备工作状态数据、电表数据、人体红外数据、图像数据传和企业数据，产能算法模型对产能进行量化计算，动态获取工厂实际生产的产能。
8.如权利要求7所述的基于工业互联网的智慧工厂生产方法，其特征在于，所述步骤S4还包括：
步骤S45：产能终端服务器（4）基于所述电表数据、人体红外数据、工作状态数据判断所述智能生产设备（11）是否有异常，将异常结果所述监测终端（5）显示。
9.如权利要求8所述的基于工业互联网的智慧工厂生产方法，其特征在于，所述步骤S4还包括：
步骤S46：产能终端服务器（4）基于图像数据对人的工作行为进行分析，判断工作人员是否有按规范进行作业。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310325708.3A CN116500981A (zh) | 2023-03-30 | 2023-03-30 | 基于工业互联网的智慧工厂生产系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310325708.3A CN116500981A (zh) | 2023-03-30 | 2023-03-30 | 基于工业互联网的智慧工厂生产系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116500981A true CN116500981A (zh) | 2023-07-28 |
Family
ID=87315792
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310325708.3A Pending CN116500981A (zh) | 2023-03-30 | 2023-03-30 | 基于工业互联网的智慧工厂生产系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116500981A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117421705A (zh) * | 2023-11-02 | 2024-01-19 | 升励五金（深圳）有限公司 | 应用于智能化生产的信息分析方法及系统 |
| CN117611103A (zh) * | 2023-12-18 | 2024-02-27 | 广州春晓信息科技有限公司 | 一种基于5g技术的数据采集分析方法及装置 |
| CN117892929A (zh) * | 2024-03-18 | 2024-04-16 | 德阳经开智航科技有限公司 | 基于产能规划的异地生产线智能控制方法和系统 |
| CN117952562A (zh) * | 2024-03-15 | 2024-04-30 | 厦门美契信息技术有限公司 | 一种基于mes和agv的工业智能制造管理系统 |
-
2023
- 2023-03-30 CN CN202310325708.3A patent/CN116500981A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117421705A (zh) * | 2023-11-02 | 2024-01-19 | 升励五金（深圳）有限公司 | 应用于智能化生产的信息分析方法及系统 |
| CN117611103A (zh) * | 2023-12-18 | 2024-02-27 | 广州春晓信息科技有限公司 | 一种基于5g技术的数据采集分析方法及装置 |
| CN117952562A (zh) * | 2024-03-15 | 2024-04-30 | 厦门美契信息技术有限公司 | 一种基于mes和agv的工业智能制造管理系统 |
| CN117892929A (zh) * | 2024-03-18 | 2024-04-16 | 德阳经开智航科技有限公司 | 基于产能规划的异地生产线智能控制方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116500981A (zh) | 基于工业互联网的智慧工厂生产系统和方法 | |
| KR102126692B1 (ko) | IoT기반 실시간 에너지 모니터링 및 데이터 분석 시스템 | |
| CN110535845A (zh) | 一种基于物联网的水电站群远程数据服务方法、系统、终端及存储介质 | |
| US6931445B2 (en) | User interface for monitoring remote devices | |
| CN102804211B (zh) | 信息处理设备、信息处理系统、信息处理方法和信息处理程序 | |
| CN110796339A (zh) | 一种基于工业互联网的智能化纤生产运营平台 | |
| DE102004036300A1 (de) | Wirtschaftlichkeitsbeschreibung in einem Prozeßsteuerungssystem | |
| JP2012099071A (ja) | プラント解析システム | |
| CN111639885A (zh) | 一种农污管理系统及管理方法 | |
| CN110855012A (zh) | 一种台区实时线损智能分析系统 | |
| CN109615090A (zh) | 设备维保智能控制系统及方法 | |
| CN114781933A (zh) | 一种机电设备监测管理系统与方法 | |
| CN115047834A (zh) | 一种基于下位机的智慧工业水处理管控系统及其方法 | |
| CN1474328A (zh) | 生产信息实时管理方法以及系统 | |
| CN103051708A (zh) | 基于Zigbee技术的电梯物联网系统 | |
| CN212990152U (zh) | 一种农污管理系统 | |
| WO2003040882A2 (en) | Monitoring and controlling independent systems in a factory | |
| KR101857341B1 (ko) | 제조업 설비 생산 정보 모니터링 시스템 | |
| CN116911803A (zh) | 餐饮综合操作管理系统 | |
| CN116823211A (zh) | 一种设备设施智慧运维管理方法及其系统 | |
| KR20160108883A (ko) | 사물 인터넷과 아이티 기술을 이용한 건물 설비 안전 안전 관리 시스템 | |
| CN114626954A (zh) | 一种智能制造协同系统 | |
| Wang et al. | A RFID-enabled MES for real-time pharmaceutical manufacturing supervision | |
| CN112200476A (zh) | 一种基于物联网的装配式建筑全生命周期质量监控平台及监控方法 | |
| CN215416373U (zh) | 一种数字化工厂智能交互系统 |
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 |