CN116610081A - 一种饲料生产控制方法及系统 - Google Patents
一种饲料生产控制方法及系统 Download PDFInfo
- Publication number
- CN116610081A CN116610081A CN202310604301.4A CN202310604301A CN116610081A CN 116610081 A CN116610081 A CN 116610081A CN 202310604301 A CN202310604301 A CN 202310604301A CN 116610081 A CN116610081 A CN 116610081A
- Authority
- CN
- China
- Prior art keywords
- production
- equipment
- data
- control
- feed
- 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
- 238000000195 production control method Methods 0.000 title claims abstract description 13
- 238000004519 manufacturing process Methods 0.000 claims abstract description 293
- 238000005457 optimization Methods 0.000 claims abstract description 58
- 230000002159 abnormal effect Effects 0.000 claims abstract description 46
- 238000004458 analytical method Methods 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000007405 data analysis Methods 0.000 claims abstract description 14
- 230000003993 interaction Effects 0.000 claims abstract description 11
- 238000012795 verification Methods 0.000 claims abstract description 10
- 239000002245 particle Substances 0.000 claims description 63
- 238000009826 distribution Methods 0.000 claims description 61
- 230000007613 environmental effect Effects 0.000 claims description 30
- 239000002994 raw material Substances 0.000 claims description 24
- 238000012544 monitoring process Methods 0.000 claims description 22
- 230000005856 abnormality Effects 0.000 claims description 11
- 239000011164 primary particle Substances 0.000 claims description 8
- 238000003891 environmental analysis Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000035772 mutation Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 5
- 239000000047 product Substances 0.000 description 112
- 230000008859 change Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 7
- 238000009740 moulding (composite fabrication) Methods 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 239000010419 fine particle Substances 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000002156 mixing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000005469 granulation Methods 0.000 description 1
- 230000003179 granulation Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000009423 ventilation 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]
- G05B19/41865—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 job scheduling, process planning, material flow
-
- 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
- Y02P90/02—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)
- General Factory Administration (AREA)
Abstract
一种饲料生产控制方法及系统,属于智能生产领域,所述方法包括:交互生产设备基础信息,并配置生产设备的从属关系;采集获得饲料的生产工艺,定位生产设备,调用从属关系;进行设备交互,读取设备运行数据;进行产品数据采集,生成阶段产品数据;执行设备运行数据的数据分析,生成设备异常控制分析结果;执行阶段产品数据的数据采集验证,生成生产辅助信息;将从属关系、设备运行数据、生产辅助信息、异常控制分析结果输入智能优化模型,输出优化控制结果,基于此结果进行饲料的生产控制。本申请解决了现有技术中饲料生产效率低下,产品质量差的技术问题,达到了提高饲料的生产效率和产品质量的技术效果。
Description
技术领域
本发明涉及智能生产领域,具体涉及一种饲料生产控制方法及系统。
背景技术
在传统的饲料生产控制技术中,更多依赖人工经验与定期检修的管理方式,难以做到对生产控制的实时性与连续性,对生产设备的运行状态缺乏准确判断,难以对生产过程中出现的突发状况做出快速响应,从而导致饲料生产效率低下,产品质量差。因此,随着对饲料生产的要求提高,通过智能化生产技术提高饲料的生产效率和产品质量成为亟须解决的问题。
发明内容
本申请通过提供了一种饲料生产控制方法及系统,旨在解决现有技术中饲料生产效率低下,产品质量差的技术问题。
鉴于上述问题,本申请提供了一种饲料生产控制方法及系统。
本申请公开的第一个方面,提供了一种饲料生产控制方法,该方法包括交互生产设备基础信息,并配置生产设备的从属关系;采集获得饲料的生产工艺,并基于生产工艺定位生产设备,并调用从属关系;对生产设备进行设备交互,读取设备运行数据;对阶段生产产品进行产品数据采集,生成阶段产品数据,其中,阶段产品数据与设备运行数据具有映射关系;执行设备运行数据的数据分析,生成生产设备的设备异常控制分析结果;执行阶段产品数据的数据采集验证,生成生产辅助信息;将从属关系、设备运行数据、生产辅助信息、异常控制分析结果输入智能优化模型,输出优化控制结果;通过优化控制结果进行饲料的生产控制。
本申请公开的另一个方面,提供了一种饲料生产控制系统,该系统包括:从属关系配置模块,用于交互生产设备基础信息,并配置生产设备的从属关系;生产设备定位模块,用于采集获得饲料的生产工艺,并基于生产工艺定位生产设备,并调用从属关系;设备运行数据模块,用于对生产设备进行设备交互,读取设备运行数据;产品数据采集模块,用于对阶段生产产品进行产品数据采集,生成阶段产品数据,其中,阶段产品数据与设备运行数据具有映射关系;异常控制分析模块,执行设备运行数据的数据分析,生成生产设备的设备异常控制分析结果;生产辅助信息模块,用于执行阶段产品数据的数据采集验证,生成生产辅助信息;优化控制结果模块,用于将从属关系、设备运行数据、生产辅助信息、异常控制分析结果输入智能优化模型,输出优化控制结果;饲料生产控制模块,用于通过优化控制结果进行饲料的生产控制。
本申请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:
由于采用了获取设备基础信息和配置设备的从属关系,根据饲料的生产工艺定位生产设备,对生产设备进行交互并读取设备运行数据,同时采集阶段生产产品数据,对生产数据进行数据分析和异常控制分析,生成生产辅助信息并输入智能优化模型,最终优化生产控制的技术方案,解决了现有技术中饲料生产效率低下,产品质量差的技术问题,达到了提高饲料的生产效率和产品质量的技术效果。
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饲料生产控制方法可能的流程示意图;
图2为本申请实施例提供了一种饲料生产控制方法中生成阶段产品数据可能的流程示意图;
图3为本申请实施例提供了一种饲料生产控制方法中智能优化模型的模型初始化可能的流程示意图;
图4为本申请实施例提供了一种饲料生产控制系统可能的结构示意图。
附图标记说明:从属关系配置模块11,生产设备定位模块12,设备运行数据模块13,产品数据采集模块14,异常控制分析模块15,生产辅助信息模块16,优化控制结果模块17,饲料生产控制模块18。
具体实施方式
本申请提供的技术方案总体思路如下:
本申请实施例提供了一种饲料生产控制方法及系统,通过数据采集、数据分析和智能优化控制,实现了智能化的饲料生产过程控制。
通过采集饲料的生产工艺数据,定位生产设备位置以及设备的从属关系,建立生产设备信息的基础环境,利用设备交互,从生产设备中读取设备的运行数据,对阶段性的生产产品进行数据采集,生成相应的产品数据。在采集到相关数据后,使用数据分析方法,对设备运行数据进行异常控制分析,并生成相应的异常控制分析结果。同时,对阶段性的生产产品数据进行数据采集验证,以生成生产辅助信息,利用这些信息来优化生产决策。通过将设备运行数据、生产辅助信息、异常控制分析结果和从属关系输入智能优化模型,输出优化控制结果,通过优化控制结果进行控制,从而提高饲料的生产效率和产品质量。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种饲料生产控制方法,该生产控制方法包括:
步骤S100:交互生产设备基础信息,并配置生产设备的从属关系;
具体而言,收集生产设备的基本信息,如设备型号、设备功能、设备位置等,构成生产设备基础信息。基于生产设备基础信息确定生产设备之间的从属关系,例如上下游关系或主辅助关系。举例来说,饲料生产线的主要生产设备有:原料输送、破碎机、筛分机、混合机、成型机、烘干机、包装机,从饲料控制系统的数据库中提取这些设备的基础信息,根据饲料生产的工艺流程、设备功能、设备空间位置确定上下游关系,如原料输送设备向破碎设备供料,则原料输送设备是破碎设备的上游设备,破碎设备是原料输送设备的下游设备,原料输送给破碎机进行破碎,破碎机的输出是筛分机的输入等,实现配置生产设备的从属关系。通过确定各生产设备之间的从属关系,为饲料生产过程的控制和优化提供基础。
步骤S200:采集获得饲料的生产工艺,并基于所述生产工艺定位生产设备,并调用所述从属关系;
具体而言,在生产设计阶段将饲料生产工艺的相关设置确定和配置在饲料控制系统中,从饲料控制系统的数据库中获取生产工艺,通过生产工艺中的工艺参数可以确定各生产设备在生产工艺中的精确位置和作用。其中,生产加工饲料的生产工艺是指将原料通过一系列生产设备加工、处置后最终转换成饲料产品的整个生产过程。生产工艺参数包括工艺流程、工艺条件(温度、压力、时间、原料配比等)、设备运行参数(转速、功率等)等。
在生产过程控制中,调用生产工艺参数设置各生产设备的工作条件,并根据各设备在工艺流程中的位置,调用所配置的设备之间的从属关系,使生产线按预定的生产工艺运行。
通过确定生产工艺参数和设备从属关系的,为实现对饲料生产自动化精准控制提供基础。同时,可根据实际生产条件的变化进行动态调整对生产过程进行动态调整,提高生产效率。
步骤S300:对所述生产设备进行设备交互,读取设备运行数据;
具体而言,确定生产饲料的设备之间的从属关系和饲料的生产工艺后,对生产设备进行设备交互,即读取不同生产设备在运行过程中的具体数据。设备运行数据指生产设备在实际生产运行过程中产生的各种参数信息,包括设备的工作状态(打开/关闭)、工作温度、转速、电机电流等信息,反映生产设备的运转情况,是进行设备状态监测和精准控制的重要依据。
实现交互的方法有现场总线、工业以太网、无线通信、数据库共享,其中现场总线需要在各设备安装现场总线接口模块,将各设备通过现场总线连接,通过现场总线通信实现数据交互;工业以太网需要在各设备安装以太网接口,使用工业级以太网将各设备连接为网络,并通过TCP/IP协议实现数据通信;数据库共享是将各生产设备将运行数据写入统一的数据库服务器,其他设备或系统从数据库读取数据,实现数据共享。
通过实时读取各设备的运行数据,为进行设备状态监测、故障诊断和控制优化提供基础,这大大提高了生产过程优化和智能化控制的能力,进而提高饲料的生产效率和产品质量。
步骤S400:对阶段生产产品进行产品数据采集,生成阶段产品数据,其中,所述阶段产品数据与所述设备运行数据具有映射关系;
具体而言,阶段产品数据是指在生产过程的不同阶段,对生产线产出的半成品或产品进行检测,获取的关键参数。通过在线成分分析仪、硬度传感器、湿度床传感器等检测装置在生产工艺的不同加工段采集产品数据,如在破碎、混合、成型等工艺段。阶段产品数据包括阶段生产产品的粒度分布、混合均匀度、产品成型度等检测数据。这些检测数据与同一阶段的设备运行数据具有一一对应关系,例如混合机的转速(设备运行数据)的变化会导致混合均匀度(阶段产品数据)的变化。
通过不断监测采集阶段产品关键参数,可以准确反映出生产设备生产能力及产品质量的实时变化情况,为生产过程的优化控制提供重要依据。利用阶段产品数据与设备运行数据的对应关系,还可以进一步建立设备运行参数与产品质量参数之间的数学模型,最大限度地实现生产过程的智能监控与优化,提高饲料生产的效率和质量。
步骤S500:执行所述设备运行数据的数据分析,生成所述生产设备的设备异常控制分析结果;
具体而言,对读取的设备运行数据进行分析,判断设备是否处于正常工作状态,如果设备工作参数超出正常范围,表明设备工作异常,则生成设备异常控制分析结果。
根据每个设备的设备手册及生产数据设置各设备的正常工作区间的运行参数,如转速、功率等,如果运行参数超出该区间,表明设备工作异常。对设备的运行数据进行精准分析需要建立各设备的多参数状态监测模型。首先,选择与设备工作状态密切相关的关键运行参数作为模型输入,如转速、温度、功率、电流等;其次,收集设备在不同工作状态下的大量历史运行数据,并对数据进行预处理;然后,确定模型输出为设备的工作状态,如正常、性能下降、关键部件损坏等,状态类别由设备实际情况确定;最后,选择合适的模型类型,包括支持向量机、神经网络、决策树、贝叶斯网络等,并用大量历史运行数据训练选定的模型,获得多参数状态监测模型。通过状态监测模型对设备运行数据进行数据分析,获取设备异常控制分析结果。其中,设备异常控制分析的结果可能是设备工作正常、设备性能下降、设备关键部件损坏等。
通过对设备运行数据进行分析,得到异常控制分析结果,为生产过程控制与设备维护提供指导,实现生产设备的状态监测与先期预防性维护,保证生产过程连续稳定运行,提高饲料生产效率。
步骤S600:执行所述阶段产品数据的数据采集验证,生成生产辅助信息;
具体而言,对采集的阶段产品数据进行分析验证,判断产品质量是否达到预期要求,如果未达到要求则生成生产辅助信息,为生产过程的优化控制提供指导。
对采集的阶段产品数据进行清洗、过滤和归一化处理,去除无效和异常数据,为后续分析打好基础。检测产品关键参数是否达到相应的行业质量标准,如果未达标则,生成标准质检信息。将当前产品数据与该产品在相同生产条件下的历史质量数据进行比较,如果差异超过预定阈值,则表明产品质量异常,生成对比预警信息。对大批历史产品质量数据进行挖掘,识别不同质量水平的产品特征,将这些产品写进监测模型,建立产品质量的多参数监测模型,用于判断产品质量是否异常,得到模型判断信息。通过标准质检信息、对比预警信息、模型判断信息综合判断质量是否达标,是否存在异常,获得生产辅助信息,为生产过程优化控制提供依据。
将生产辅助信息上报至饲料生产控制系统,根据信息内容得出后续的控制优化措施,如调整设备参数或生产环境参数等,以将产品质量控制在合格范围,提高饲料的生产质量。
步骤S700:将所述从属关系、所述设备运行数据、所述生产辅助信息、所述异常控制分析结果输入智能优化模型,输出优化控制结果;
具体而言,从饲料生产控制系统及各设备确定设备从属关系、运行数据、生产辅助信息和异常控制分析结果等数据,构成智能优化模型输入。对设备从属关系、运行数据、生产辅助信息和异常控制分析结果进行清洗、过滤、融合和规范化处理,使其达到模型输入要求的格式和质量。利用大量历史运行数据和训练选定的智能优化模型,获得模型的参数和结构,并且参考产品订单和生产计划确定具体的生产目标,如产量、质量、成本等要求,为智能优化模型优化控制提供依据和方向。将预处理后的输入数据输入至训练得到的智能优化模型,模型根据输入信息和预定生产目标进行计算分析,产生优化控制结果。
经过智能优化模型的综合分析和计算,可以产生科学合理的控制策略和运行方案,优化生产控制,实现生产过程全局协调控制,提高饲料的生产质量和效率。
步骤S800:通过所述优化控制结果进行饲料的生产控制。
具体而言,饲料生产控制系统根据优化控制结果下达相关优化控制指令。包括设备参数控制指令、生产环境参数控制指令、设备状态监测指令、产品质量管控指令等。其中,设备参数控制指令将模型优化结果中设备控制参数的设置值,如转速、温度、压力等,下达给相关设备的自动控制系统,实现设备运行参数的自动调整,以保证其处于最优工作状态。生产环境参数控制指令根据模型输出的环境因素控制方案,手动或自动调整车间温度、湿度、照明等参数,为生产过程创造最适宜的环境条件。设备状态监测指令基于模型输出的设备性能监测预警信息,加强关键设备的状态监测频次和手段,确保设备稳定运行。
基于智能优化模型输出的优化控制结果实现闭环生产控制,通过设备控制和管理策略的调整实施,最大限度减少了人为因素对生产过程的干扰和影响,将人工智能与自动化技术融合应用于生产过程控制,大大提高饲料的生产效率和产品质量。
进一步的,如图2所示,本申请实施例还包括:
步骤S410:设置阶段产品的数据反馈节点;
步骤S420:在所述数据反馈节点通过图像采集单元进行原材的图像数据采集;
步骤S430:对图像采集结果进行粒度分布识别,获得粒度分布识别结果;
步骤S440:根据所述粒度分布识别结果生成所述阶段产品数据。
具体而言,数据反馈节点是指在饲料生产过程中不同阶段产品设置的质量检测位置,用于采集阶段产品的质量信息并反馈至饲料生产控制系统。首先,确定要检测的工艺环节和易变化的参数,为产品质量易发生变化的工序,如原料输送点、混合机出口、成型机入口等;对饲料阶段产品质量影响最大或变化比较敏感的因素设置数据反馈节点,如饲料的粒度和配比是主要的质量要素,对应工序优先设置节点。
图像采集单元是指使用图像采集技术获取饲料阶段产品或原料图像信息的装置系统,主要由工业相机、图像采集卡、图像存储设备等组成。选定可满足生产环境的工业相机,选择配套的图像采集卡及图像存储设备,安装于数据反馈节点,实现对原材的图像信息的采集。
利用数字图像处理技术对采集图像数据进行过滤、分割、特征提取等操作,识别饲料阶段产品中颗粒的大小、形状及空间分布特征,得出产品粒度的参数,如平均粒度、粒度标准差、细颗粒比例等,为粒度分布识别结果。根据得到的粒度分布识别结果,选取一定的特征参数作为阶段产品数据,如平均粒度和细粒比例等。将这些数据作为产品质量状况的量化指标,为饲料生产的优化控制提供基础。
进一步的,本申请实施例还包括:
步骤S441:设置多级粒度等级;
步骤S442:判断所述粒度分布识别结果中的粒度信息是否均满足同一粒度等级;
步骤S443:若不能满足均处于同一粒度等级时,则根据所述粒度分布识别结果确定主粒度等级,并记录主粒度分布值;
步骤S444:根据所述粒度分布识别结果确定子粒度等级,并根据子粒度等级与所述主粒度等级的等级差值生成等级关联系数,记录子粒度分布值;
步骤S445:根据所述主粒度分布值、所述子粒度分布值和所述等级关联系数生成所述阶段产品数据。
具体而言,根据产品质量要求和原料特性,设置多级粒度标准,每个标准对应一个粒度等级,判断所获得的粒度分布识别结果中,所有颗粒是否均属于同一预设的粒度等级,如果无法满足,则认为产品原料颗粒粒度不均或超出质量标准。若原料颗粒粒度不能满足属于同一等级,按照等级将颗粒粒度归级,将不同等级中数量占比最大的颗粒等级作为主粒度等级,并记录对应此等级的颗粒占总颗粒的比例,作为主颗粒分布值,反映产品原料中颗粒的主体特征。除主粒度等级外,根据剩余颗粒确定其属于的粒度子等级,并计算每个子等级与主粒度等级的等级差值,作为等级关联系数。记录每个子等级的颗粒参数作为子粒度分布值,反映产品原料中颗粒的次要特征。
基于主粒度分布值、子粒度分布值和对应子等级的等级关联系数,生成产品数据,反映产品原料中粒度的分类与分布信息,作为产品质量监测的判断依据。
例如,在饲料生产的成型工序阶段,按照某饲料品种的生产标准设置3级粒度等级:等级1,粒度在1—3mm,属正常颗粒;等级2,粒度在0.5—1mm,属细小颗粒;等级3,粒度在3—5mm,属较大颗粒。在成型机出口设置数据反馈节点,采用工业相机和图像识别技术采集成型饲料图像并识别粒度分布,得到识别结果如下:正常颗粒所占比例60%,平均粒度2mm;细小颗粒所占比例30%,平均粒度0.8mm;较大颗粒所占比例10%,平均粒度4mm。此时,将等级1确定为主粒度等级,记录正常颗粒比例60%和平均粒度2mm作为主粒度分布值。将等级2确定为子粒度等级1,记录细小颗粒比例30%和平均粒度0.8mm作为子粒度分布值1;计算等级2与主粒度等级的等级差值为1,作为关联系数1。将等级3确定为子粒度等级2,记录较大颗粒比例10%和平均粒度4mm作为子粒度分布值2,计算等级3与主粒度等级的等级差值为2,作为关联系数2。
最终得到的该饲料在成型阶段的阶段产品数据为:主粒度分布值为正常颗粒比例60%,平均粒度2mm;子粒度分布值1为细小颗粒比例30%,平均粒度0.8mm,等级关联系数1;子粒度分布值2为较大颗粒比例10%,平均粒度4mm,等级关联系数2。
通过设置粒度标准划分多级等级,实现了对产品原料中粒度信息的详细分类与刻画,实现了产品粒度信息的全面反映,可以细致地判定产品质量的变化趋势,为产品质量优化和生产效率提高提供了支持。
进一步的,本申请实施例还包括:
步骤S910:通过监测传感器进行生产环境数据采集,生成环境数据集合;
步骤S920:对所述环境数据集合进行单点环境和连续环境的环境分析,提取环境特征;
步骤S930:根据所述阶段产品数据和所述环境特征进行特征关联评价,根据特征关联值生成环境控制的反馈信息;
步骤S940:通过所述反馈信息进行饲料的生产环境优化。
具体而言,监测传感器是指用于检测环境条件的传感设备,如温湿度传感器、光照度传感器等。在饲料生产车间关键位置布设监测传感器,通过数据采集卡采集传感器信号,饲料生产控制系统对传感器信号进行处理,转换为温湿度、光照强度等环境参数数据,作为环境数据集合。
基于环境数据集合,选择一个环境参数,如温度,对其采集的数据进行统计分析,监测变化趋势,计算变化速率和波动频次,作为单点环境分析;选择不同环境参数组合,如温度、湿度,提取环境参数的变化特征,如上升速率、波动频次、相关系数等,作为连续环境分析;将单点环境分析和连续环境分析作为环境特征。
将获得的环境特征与对应工序的阶段产品数据进行关联度评估,计算环境特征对产品质量的影响程度,得到环境特征对产品质量的关联值,关联值越大,表明环境特征对产品质量的影响程度越大。饲料生产系统根据环境特征与产品质量的关联值下达反馈调整信息,优化生产环境参数,如调低温度或增加湿度、降低热源供热量或增加风机转速等。
通过环境监测传感器的数据采集,掌握了饲料生产环境的动态变化过程,通过阶段产品数据对环境特征进行关联评估,实现了生产环境对产品质量影响的量化判断,为调整生产环境,提高饲料产品质量提供支持。
进一步的,本申请实施例还包括:
步骤S931:根据所述生产设备的设备分布和环境调节装置的装置分布进行生产区域分割,生成N个分割区域;
步骤S932:基于所述环境调节装置的装置属性和所述装置分布生成所述分割区域的调节关联参数;
步骤S933:根据所述调节关联参数和所述特征关联值生成所述反馈信息。
具体而言,根据生产车间内设备的布局分布情况和各环境调节装置,如供暖系统、空调系统、通风系统的分布,将车间空间划分为N个相对独立的环境控制区域,每个区域对应一整套环境调节装置。基于各环境调节装置的性能参数,如供热量、制冷量、风量等,以及装置所处的空间区域,生成每个区域与相应环境调节装置之间的关联参数,表示该区域的环境调节装置对区域内环境条件的控制程度,为调节关联参数。
将环境特征与阶段产品质量的关联值对应到各生产设备的环境调节控制区域,根据区域与环境调节装置的关联参数,计算该装置对当前区域环境条件与产品质量的综合影响度。如果影响度超过预设标准,饲料生产控制系统生成要求该装置调整运行参数的环境控制反馈信息,下达至所在区域的环境调节系统。
通过环境调节与生产设备区域的动态关联,实现了车间空间的分区管理和针对性环境调控,对饲料生产实施精细化管理,从而提高饲料的生产质量。
进一步的,如图3所示,本申请实施例还包括:
步骤S710:根据所述生产工艺进行所述生产设备的设备协作关联,设置协作的强关联节点;
步骤S720:将所述强关联节点和所述从属关系、所述设备运行数据、所述生产辅助信息、所述异常控制分析结果同步输入所述智能优化模型;
步骤S730:通过初始化单元基于所述强关联节点和所述从属关系进行所述智能优化模型的模型初始化,其中,所述初始化单元为所述智能优化模型的子处理单元。
具体而言,根据饲料生产工艺流程,分析生产设备之间的协作依赖关系,确定直接影响下游设备运行或产品质量的上游关键设备,将其设置为强关联节点,强关联节点与下游设备或工序之间构成重要的依赖关系。例如,在饲料生产过程中,造粒机的转速直接影响颗粒的大小,且造粒机转速受原料投料系统的物料流速控制,所以,设置原料投料系统为强关联节点。
将设置的强关联节点、设备之间的从属关系、各设备的运行数据、生产现场的辅助信息如物料传送速度,以及异常分析模块输出的设备异常控制分析结果等信息同步输入智能优化模型。通过模型初始化单元,基于强关联节点和设备从属关系等信息,对智能优化模型的参数进行初始化设置,包括输入层、隐藏层和输出层的节点权重、阈值等。
例如,在饲料生产的造粒工序中,智能优化模型为3层神经网络模型,通过智能优化模型进行造粒机转速的优化控制。根据强关联节点和设备从属关系等信息。设置模型的输入层包括节点1:原料投料设备的物料流速设定值、节点2:原料投料系统实时物料流速、节点3:造粒机转速设定值、节点4:造粒机实时转速、节点5:生产线速度、节点6:开机时间,共6个输入节点。第一隐藏层也是6个节点,对应输入层6个输入消息;第二隐藏层建立物料流速与造粒机转速的匹配关系。模型的输出层为1个节点,输出最优造粒机转速控制信息。
进行模型初始化,首先设置输入层与第一隐藏层之间的节点权重,设置为节点1、2权重为0.8,节点3、4权重为0.6,节点5、6权重为0.3。这种设置赋予原料流速更大权重,造粒机转速次之,辅助信息最小。其次,设置第一隐藏层与第二隐藏层之间的节点权重,设置第一隐藏层前2个隐藏层节点分别与第二隐藏层的权重为0.8,建立原料流速与造粒机转速的强关联;第一隐藏层的中间2个隐藏层节点与第二隐藏层节点的权重为0.5;第一隐藏层的后2个隐藏层节点与第二隐藏层节点的权重为0.1。然后,设置第二隐藏层与输出层之间的节点权重,设置为1,以得出的造粒机转速控制信息为最终输出,同时,根据饲料的生产要求设置相应的阈值。
通过构建输入信息与智能优化模型结构的初步对应关系,通过权重的高低和阈值的选择实现对关键信息的关注或无关信息的过滤,有利于实现对饲料生产进行精准控制输出,提高生产质量。
进一步的,本申请实施例还包括:
步骤S810:判断所述优化控制结果是否对应异变值满足预设阈值;
步骤S820:若可以满足所述预设阈值时,则生成异常控制预警信息;
步骤S830:根据所述异常控制预警信息对所述生产设备进行设备停机,并进行异常预警。
具体而言,优化控制结果是指智能优化模型经过迭代得到的最优饲料生产控制参数。异变值是指饲料生产过程检测设备运行数据中的关键运行参数,关键运行参数测定值与正常范围发生较大偏差时,表示过程处于异变状态。预设阈值是指在饲料生产的各阶段,预先确定的各关键运行参数的允许偏差范围。
判断优化后的控制参数是否能够使得所检测到的关键运行参数的测定值处于正常预设范围之内,如果通过优化控制结果对参数异变值进行控制后,处于预设阈值限定,表明控制优化成功。判断结果为否定时,表明饲料生产工艺出现失控迹象,为避免导致生产事故或产品质量问题,饲料生产控制系统生成异常控制预警信息,通过声光报警方式对相关人员进行异常预警,以实现设备停机操作和后续的异常处理,同时进行生产设备的停机操作,防止设备损坏或工艺失控进一步加剧。异常控制预警信息可以为警示灯亮起,产生声光报警信号,同时显示具体的异常工艺参数信息,以利操作人员分析处理。设备停机操作可以切断设备电源或者运动部件,使设备处于静止状态,严重异常时需要断开主要工作节点的电力供应,在预警信息提示后立即启动。
通过对设置预设阈值,根据预设阈值对优化后的异变值进行判断,保障饲料生产设备和生产线的安全运行,为饲料生产的安全提供保障,同时生产异常控制预警信息并进行相应的停机操作,保护生产线,提高生产回复的效率。
综上所述,本申请实施例所提供的一种饲料生产控制方法具有如下技术效果:
交互生产设备基础信息,并配置生产设备的从属关系,采集获得饲料的生产工艺,并基于生产工艺定位生产设备,并调用从属关系,理清了生产设备之间的关系和工作流程,为后续对优化生产控制提供基础。对生产设备进行设备交互,读取设备运行数据,获取到生产全过程中的原始数据,为数据分析提供数据支持。对阶段生产产品进行产品数据采集,生成阶段产品数据,执行设备运行数据的数据分析,生成生产设备的设备异常控制分析结果,执行阶段产品数据的数据采集验证,生成生产辅助信息,通过数据分析与异常控制分析结果发现生产设备之间存在的问题,为优化控制提供支持。将从属关系、设备运行数据、生产辅助信息、异常控制分析结果输入智能优化模型,输出优化控制结果,利用算法模型对复杂生产过程进行优化,得到控制饲料生产的方案。通过优化控制结果进行饲料的生产控制,通过优化的生产控制指导生产设备之间协调工作,控制和改进生产过程,提高饲料的生产效率和产品质量。
实施例二
基于与前述实施例中一种饲料生产控制方法相同的发明构思,如图4所示,本申请实施例提供了一种饲料生产控制系统,该生产控制系统包括:
从属关系配置模块11,用于交互生产设备基础信息,并配置生产设备的从属关系;
生产设备定位模块12,用于采集获得饲料的生产工艺,并基于所述生产工艺定位生产设备,并调用所述从属关系;
设备运行数据模块13,用于对所述生产设备进行设备交互,读取设备运行数据;
产品数据采集模块14,用于对阶段生产产品进行产品数据采集,生成阶段产品数据,其中,所述阶段产品数据与所述设备运行数据具有映射关系;
异常控制分析模块15,用于执行所述设备运行数据的数据分析,生成所述生产设备的设备异常控制分析结果;
生产辅助信息模块16,用于执行所述阶段产品数据的数据采集验证,生成生产辅助信息;
优化控制结果模块17,用于将所述从属关系、所述设备运行数据、所述生产辅助信息、所述异常控制分析结果输入智能优化模型,输出优化控制结果;
饲料生产控制模块18,用于通过所述优化控制结果进行饲料的生产控制。
进一步的,本申请实施例还包括:
数据反馈节点模块,用于设置阶段产品的数据反馈节点;
图像数据采集模块,用于在所述数据反馈节点通过图像采集单元进行原材的图像数据采集;
粒度分布识别模块,用于对图像采集结果进行粒度分布识别,获得粒度分布识别结果;
阶段产品数据模块,用于根据所述粒度分布识别结果生成所述阶段产品数据。
进一步的,本申请实施例还包括:
多级粒度等级模块,用于设置多级粒度等级;
粒度信息判断模块,用于判断所述粒度分布识别结果中的粒度信息是否均满足同一粒度等级;
主粒度分布值模块,用于若不能满足均处于同一粒度等级时,则根据所述粒度分布识别结果确定主粒度等级,并记录主粒度分布值;
等级关联系数模块,用于根据所述粒度分布识别结果确定子粒度等级,并根据子粒度等级与所述主粒度等级的等级差值生成等级关联系数,记录子粒度分布值;
产品数据生成模块,用于根据所述主粒度分布值、所述子粒度分布值和所述等级关联系数生成所述阶段产品数据。
进一步的,本申请实施例还包括:
环境数据集合模块,用于通过监测传感器进行生产环境数据采集,生成环境数据集合;
环境特征提取模块,用于对所述环境数据集合进行单点环境和连续环境的环境分析,提取环境特征;
反馈信息生成模块,用于根据所述阶段产品数据和所述环境特征进行特征关联评价,根据特征关联值生成环境控制的反馈信息;
生产环境优化模块,用于通过所述反馈信息进行饲料的生产环境优化。
进一步的,本申请实施例还包括:
分割区域生成模块,用于根据所述生产设备的设备分布和环境调节装置的装置分布进行生产区域分割,生成N个分割区域;
调节关联参数模块,用于基于所述环境调节装置的装置属性和所述装置分布生成所述分割区域的调节关联参数;
反馈信息模块,用于根据所述调节关联参数和所述特征关联值生成所述反馈信息。
进一步的,本申请实施例还包括:
强关联节点模块,用于根据所述生产工艺进行所述生产设备的设备协作关联,设置协作的强关联节点;
优化模型输入模块,用于将所述强关联节点和所述从属关系、所述设备运行数据、所述生产辅助信息、所述异常控制分析结果同步输入所述智能优化模型;
模型初始化模块,用于通过初始化单元基于所述强关联节点和所述从属关系进行所述智能优化模型的模型初始化,其中,所述初始化单元为所述智能优化模型的子处理单元。
进一步的,本申请实施例还包括:
异变值判断模块,用于判断所述优化控制结果是否对应异变值满足预设阈值;
异常控制预警模块,用于若对应异变值可以满足所述预设阈值时,则生成异常控制预警信息;
异常预警模块,用于根据所述异常控制预警信息对所述生产设备进行设备停机,并进行异常预警。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中,并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法,在此不做多余限制。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种饲料生产控制方法,其特征在于,所述方法包括:
交互生产设备基础信息,并配置生产设备的从属关系;
采集获得饲料的生产工艺,并基于所述生产工艺定位生产设备,并调用所述从属关系;
对所述生产设备进行设备交互,读取设备运行数据;
对阶段生产产品进行产品数据采集,生成阶段产品数据,其中,所述阶段产品数据与所述设备运行数据具有映射关系;
执行所述设备运行数据的数据分析,生成所述生产设备的设备异常控制分析结果;
执行所述阶段产品数据的数据采集验证,生成生产辅助信息;
将所述从属关系、所述设备运行数据、所述生产辅助信息、所述异常控制分析结果输入智能优化模型,输出优化控制结果;
通过所述优化控制结果进行饲料的生产控制。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
设置阶段产品的数据反馈节点;
在所述数据反馈节点通过图像采集单元进行原材的图像数据采集;
对图像采集结果进行粒度分布识别,获得粒度分布识别结果;
根据所述粒度分布识别结果生成所述阶段产品数据。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
设置多级粒度等级;
判断所述粒度分布识别结果中的粒度信息是否均满足同一粒度等级;
若不能满足均处于同一粒度等级时,则根据所述粒度分布识别结果确定主粒度等级,并记录主粒度分布值;
根据所述粒度分布识别结果确定子粒度等级,并根据子粒度等级与所述主粒度等级的等级差值生成等级关联系数,记录子粒度分布值;
根据所述主粒度分布值、所述子粒度分布值和所述等级关联系数生成所述阶段产品数据。
4.如权利要求2所述的方法,其特征在于,所述方法还包括:
通过监测传感器进行生产环境数据采集,生成环境数据集合;
对所述环境数据集合进行单点环境和连续环境的环境分析,提取环境特征;
根据所述阶段产品数据和所述环境特征进行特征关联评价,根据特征关联值生成环境控制的反馈信息;
通过所述反馈信息进行饲料的生产环境优化。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
根据所述生产设备的设备分布和环境调节装置的装置分布进行生产区域分割,生成N个分割区域;
基于所述环境调节装置的装置属性和所述装置分布生成所述分割区域的调节关联参数;
根据所述调节关联参数和所述特征关联值生成所述反馈信息。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述生产工艺进行所述生产设备的设备协作关联,设置协作的强关联节点;
将所述强关联节点和所述从属关系、所述设备运行数据、所述生产辅助信息、所述异常控制分析结果同步输入所述智能优化模型;
通过初始化单元基于所述强关联节点和所述从属关系进行所述智能优化模型的模型初始化,其中,所述初始化单元为所述智能优化模型的子处理单元。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
判断所述优化控制结果是否对应异变值满足预设阈值;
若可以满足所述预设阈值时,则生成异常控制预警信息;
根据所述异常控制预警信息对所述生产设备进行设备停机,并进行异常预警。
8.一种饲料生产控制系统,其特征在于,所述系统包括:
从属关系配置模块,所述从属关系配置模块用于交互生产设备基础信息,并配置生产设备的从属关系;
生产设备定位模块,所述生产设备定位模块用于采集获得饲料的生产工艺,并基于所述生产工艺定位生产设备,并调用所述从属关系;
设备运行数据模块,所述设备运行数据模块用于对所述生产设备进行设备交互,读取设备运行数据;
产品数据采集模块,所述产品数据采集模块用于对阶段生产产品进行产品数据采集,生成阶段产品数据,其中,所述阶段产品数据与所述设备运行数据具有映射关系;
异常控制分析模块,所述异常控制分析模块用于执行所述设备运行数据的数据分析,生成所述生产设备的设备异常控制分析结果;
生产辅助信息模块,所述生产辅助信息模块用于执行所述阶段产品数据的数据采集验证,生成生产辅助信息;
优化控制结果模块,所述优化控制结果模块用于将所述从属关系、所述设备运行数据、所述生产辅助信息、所述异常控制分析结果输入智能优化模型,输出优化控制结果;
饲料生产控制模块,所述饲料生产控制模块用于通过所述优化控制结果进行饲料的生产控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310604301.4A CN116610081A (zh) | 2023-05-26 | 2023-05-26 | 一种饲料生产控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310604301.4A CN116610081A (zh) | 2023-05-26 | 2023-05-26 | 一种饲料生产控制方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116610081A true CN116610081A (zh) | 2023-08-18 |
Family
ID=87679680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310604301.4A Pending CN116610081A (zh) | 2023-05-26 | 2023-05-26 | 一种饲料生产控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116610081A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116945544A (zh) * | 2023-09-20 | 2023-10-27 | 张家港禾福新材料科技有限公司 | 一种基于用途的塑料母粒生产过程调节控制方法及系统 |
CN116954088A (zh) * | 2023-09-20 | 2023-10-27 | 南通新丰威机械科技有限公司 | 一种混合机的在线监控方法及系统 |
CN116993527A (zh) * | 2023-09-26 | 2023-11-03 | 深圳市金新农科技股份有限公司 | 一种生猪饲料生产数据优化采集监测方法 |
CN117950324A (zh) * | 2024-03-27 | 2024-04-30 | 东莞市尼嘉斯塑胶机械有限公司 | 一种智能化塑胶供料控制方法及装置 |
CN117970884A (zh) * | 2024-01-18 | 2024-05-03 | 济南璟晟化工有限公司 | 一种饲料自动化生产控制系统及方法 |
CN118244727A (zh) * | 2024-05-27 | 2024-06-25 | 江苏开启牧业有限公司 | 一种饲料生产控制方法、系统及存储介质 |
-
2023
- 2023-05-26 CN CN202310604301.4A patent/CN116610081A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116945544A (zh) * | 2023-09-20 | 2023-10-27 | 张家港禾福新材料科技有限公司 | 一种基于用途的塑料母粒生产过程调节控制方法及系统 |
CN116954088A (zh) * | 2023-09-20 | 2023-10-27 | 南通新丰威机械科技有限公司 | 一种混合机的在线监控方法及系统 |
CN116954088B (zh) * | 2023-09-20 | 2023-12-12 | 南通新丰威机械科技有限公司 | 一种混合机的在线监控方法及系统 |
CN116945544B (zh) * | 2023-09-20 | 2024-03-12 | 张家港禾福新材料科技有限公司 | 一种基于用途的塑料母粒生产过程调节控制方法及系统 |
CN116993527A (zh) * | 2023-09-26 | 2023-11-03 | 深圳市金新农科技股份有限公司 | 一种生猪饲料生产数据优化采集监测方法 |
CN116993527B (zh) * | 2023-09-26 | 2024-01-23 | 深圳市金新农科技股份有限公司 | 一种生猪饲料生产数据优化采集监测方法 |
CN117970884A (zh) * | 2024-01-18 | 2024-05-03 | 济南璟晟化工有限公司 | 一种饲料自动化生产控制系统及方法 |
CN117950324A (zh) * | 2024-03-27 | 2024-04-30 | 东莞市尼嘉斯塑胶机械有限公司 | 一种智能化塑胶供料控制方法及装置 |
CN117950324B (zh) * | 2024-03-27 | 2024-06-25 | 东莞市尼嘉斯塑胶机械有限公司 | 一种智能化塑胶供料控制方法及装置 |
CN118244727A (zh) * | 2024-05-27 | 2024-06-25 | 江苏开启牧业有限公司 | 一种饲料生产控制方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116610081A (zh) | 一种饲料生产控制方法及系统 | |
CN115309217B (zh) | 一种纺织车间的智能监测控制方法及系统 | |
EP3296822B1 (en) | Model-plant mismatch detection using model parameter data clustering for paper machines or other systems | |
CN115643159B (zh) | 一种基于边缘计算的设备异常预警方法及系统 | |
CN116661330B (zh) | 一种智能家居系统的协同运行方法及智能家居系统 | |
KR20180131246A (ko) | 빅데이터 분석을 통한 공정 관리 방법 | |
CN117314244B (zh) | 一种基于数据分析的工艺流程数据监管系统及方法 | |
CN116976862B (zh) | 一种工厂设备信息化管理系统及方法 | |
CN111948994A (zh) | 基于数据集成和关联分析工业产线闭环自动质量控制方法 | |
CN117171590A (zh) | 一种电机智能驱动优化方法及系统 | |
CN117399153B (zh) | 一种磨机自适应控制方法及系统 | |
CN111275331A (zh) | 一种生产系统的监控方法和装置 | |
CN118134458A (zh) | 智能设备监控与维护系统 | |
CN113063211A (zh) | 中央空调系统报警信息智能诊断及售后派单方法 | |
CN117674142A (zh) | 一种基于分时电量核算的电力调度方法及调度装置 | |
CN111624978B (zh) | 一种给水流量控制器性能评价方法及装置 | |
Danai | Machine tool monitoring and control | |
CN116520758A (zh) | 一种机加工设备远程控制方法及系统 | |
CN112883581B (zh) | 水电站生产控制处理方法及系统 | |
CN117391312B (zh) | 一种智慧建筑的告警智能处理方法及系统 | |
CN117348566A (zh) | 一种变性淀粉生产监控和预警系统 | |
Vannucci et al. | AI Data Analysis and SOM for the Monitoring and Improvement of Quality in Rolled Steel Bars | |
CN118623464A (zh) | 一种工业空调的热管理系统 | |
CN117420801A (zh) | 一种高效率氟化钾生产工艺控制系统 | |
CN117608329A (zh) | 基于边缘计算的温度控制方法、边缘计算节点设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |