CN116880365B - 设备生产过程的监控方法、系统和可读存储介质 - Google Patents
设备生产过程的监控方法、系统和可读存储介质 Download PDFInfo
- Publication number
- CN116880365B CN116880365B CN202310573046.1A CN202310573046A CN116880365B CN 116880365 B CN116880365 B CN 116880365B CN 202310573046 A CN202310573046 A CN 202310573046A CN 116880365 B CN116880365 B CN 116880365B
- Authority
- CN
- China
- Prior art keywords
- data
- product
- equipment
- model
- monitoring
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 237
- 238000012544 monitoring process Methods 0.000 title claims abstract description 233
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005259 measurement Methods 0.000 claims abstract description 107
- 238000001514 detection method Methods 0.000 claims description 141
- 230000002159 abnormal effect Effects 0.000 claims description 49
- 230000005856 abnormality Effects 0.000 claims description 32
- 239000007788 liquid Substances 0.000 claims description 29
- 238000012216 screening Methods 0.000 claims description 25
- 238000012797 qualification Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000007405 data analysis Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 8
- 230000000149 penetrating effect Effects 0.000 claims description 5
- 238000013079 data visualisation Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 3
- 238000009960 carding Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012847 fine chemical Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000004044 response Effects 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]
- G05B19/4183—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 data acquisition, e.g. workpiece identification
-
- 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
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31282—Data acquisition, BDE MDE
-
- 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
本发明公开的一种设备生产过程的监控方法、系统和可读存储介质,其中方法包括:获取生产设备的产品参数并采集设备生产过程中的点位数据,所述产品参数包括设备信息以及产品信息,所述点位数据包括测控点信息以及关键点信息;基于所述产品参数以及所述点位数据进行数字孪生,从而建立生产数字点云模型,其中,基于所述产品参数生成设备端模型;基于所述生产数字点云模型获取生产过程中的监控数据;基于所述监控数据进行错模识别,从而基于识别结果进行输出。本发明可以有效对生产过程中的设备进行监控,并且通过多方位的监控利用数字孪生可以实现数据可视化,能够帮助用户直观地对设备监控数据进行分析,从而提高设备利用率和生产效率。
Description
技术领域
本发明涉及设备生产和数据处理技术领域,更具体的,涉及一种设备生产过程的监控方法、系统和可读存储介质。
背景技术
在精细化工及生产制造行业,设备生产监控是生产安全最重要的环节,并且涉及设备的类型多,设备的监控点位各不相同;因此在生产过程中如何有效监控设备,确保生产正常运行及生产安全 显得尤为重要。
目前工厂采取传统DCS(Distributed Control System)系统和人工巡视的方式来控制及监测,在这个过程中显得相对滞后,对设备部门和生产部门都产生不良的影响,存在不足和弊端,例如:监控实时性及处理响应不足;又或者全方位监控设备能力欠缺以及设备影响因素无法实时反应生产,影响生产质量和效能。
发明内容
本发明的目的是提供一种设备生产过程的监控方法、系统和可读存储介质,可以有效对生产过程中的设备进行监控,并且通过多方位的监控利用数字孪生可以实现数据可视化,能够帮助用户直观地对设备监控数据进行分析,从而提高设备利用率和生产效率。
本发明第一方面提供了一种设备生产过程的监控方法,包括以下步骤:
获取生产设备的产品参数并采集设备生产过程中的点位数据,所述产品参数包括设备信息以及产品信息,所述点位数据包括测控点信息以及关键点信息;
基于所述产品参数以及所述点位数据进行数字孪生,从而建立生产数字点云模型,其中,基于所述产品参数生成设备端模型,基于所述点位数据生成模型数据库;
基于所述生产数字点云模型获取生产过程中的监控数据,其中,所述监控数据包括设备运转数据,产品检测数据,测控点监测数据;
基于所述监控数据进行错模识别,从而基于识别结果进行输出,其中,错模识别的方式至少包括错模数据识别、穿模数据识别以及异常数据识别。
本方案中,所述获取生产设备的产品参数并采集设备生产过程中的点位数据,具体包括:
获取生产设备的属性数据以得到所述设备信息,基于用户端输入的产品规格获取所述产品信息;
建立与设置在生产设备上的传感装置的通信连接,从而获取所述传感装置采集到的所述测控点信息;
基于用户端输入的建模关键点云数据包进行数据分析采集,从而得到所述关键点信息。
本方案中,所述基于所述产品参数以及所述点位数据进行数字孪生,从而建立生产数字点云模型,具体包括:
基于所述产品参数生成设备端模型,其中,基于所述设备信息建立生产设备孪生子模型,基于所述产品信息建立产品检测孪生子模型;
基于所述点位数据生成模型数据库,其中,基于所述测控点信息建立生产过程中的测控点监测数据子数据库,基于所述关键点信息建立生产过程中的关键点监测数据子数据库;
通过将所述测控点监测数据子数据库与所述关键点监测数据子数据库应用到所述生产设备孪生子模型以及所述产品检测孪生子模型中进行数据嵌套,从而建立所述生产数字点云模型。
本方案中,在进行数据嵌套时,所述测控点监测数据子数据库嵌套于所述生产设备孪生子模型以及所述产品检测孪生子模型中,所述关键点监测数据子数据库嵌套于所述产品检测孪生子模型中。
本方案中,所述基于所述生产数字点云模型获取生产过程中的监控数据,具体包括:
基于所述生产设备孪生子模型获取设备运转数据;
基于所述产品检测孪生子模型获取产品检测数据;
基于所述测控点监测数据子数据库获取测控点监测数据;
基于所述关键点监测数据子数据库获取关键点监测数据。
本方案中,所述基于所述监控数据进行错模识别,从而基于识别结果进行输出,具体包括:
基于所述设备运转数据进行异常数据识别,从而筛选得到设备运转异常数据进行告警输出;
基于所述产品检测数据进行错模数据识别和/或关键点监测从而获取产品检测值,基于所述产品检测值进行产品合格率输出;
基于所述测控点监测数据进行穿模数据识别和/或异常数据识别和/或错模数据识别,从而获取生产过程中的测控点异常监测数据进行告警,所述测控点异常监测数据包括温度异常、压力异常、液位异常以及限位异常。
本发明第二方面还提供一种设备生产过程的监控系统,包括存储器和处理器,所述存储器中包括设备生产过程的监控方法程序,所述设备生产过程的监控方法程序被所述处理器执行时实现如下步骤:
获取生产设备的产品参数并采集设备生产过程中的点位数据,所述产品参数包括设备信息以及产品信息,所述点位数据包括测控点信息以及关键点信息;
基于所述产品参数以及所述点位数据进行数字孪生,从而建立生产数字点云模型,其中,基于所述产品参数生成设备端模型,基于所述点位数据生成模型数据库;
基于所述生产数字点云模型获取生产过程中的监控数据,其中,所述监控数据包括设备运转数据,产品检测数据,测控点监测数据;
基于所述监控数据进行错模识别,从而基于识别结果进行输出,其中,错模识别的方式至少包括错模数据识别、穿模数据识别以及异常数据识别。
本方案中,所述获取生产设备的产品参数并采集设备生产过程中的点位数据,具体包括:
获取生产设备的属性数据以得到所述设备信息,基于用户端输入的产品规格获取所述产品信息;
建立与设置在生产设备上的传感装置的通信连接,从而获取所述传感装置采集到的所述测控点信息;
基于用户端输入的建模关键点云数据包进行数据分析采集,从而得到所述关键点信息。
本方案中,所述基于所述产品参数以及所述点位数据进行数字孪生,从而建立生产数字点云模型,具体包括:
基于所述产品参数生成设备端模型,其中,基于所述设备信息建立生产设备孪生子模型,基于所述产品信息建立产品检测孪生子模型;
基于所述点位数据生成模型数据库,其中,基于所述测控点信息建立生产过程中的测控点监测数据子数据库,基于所述关键点信息建立生产过程中的关键点监测数据子数据库;
通过将所述测控点监测数据子数据库与所述关键点监测数据子数据库应用到所述生产设备孪生子模型以及所述产品检测孪生子模型中进行数据嵌套,从而建立所述生产数字点云模型。
本方案中,在进行数据嵌套时,所述测控点监测数据子数据库嵌套于所述生产设备孪生子模型以及所述产品检测孪生子模型中,所述关键点监测数据子数据库嵌套于所述产品检测孪生子模型中。
本方案中,所述基于所述生产数字点云模型获取生产过程中的监控数据,具体包括:
基于所述生产设备孪生子模型获取设备运转数据;
基于所述产品检测孪生子模型获取产品检测数据;
基于所述测控点监测数据子数据库获取测控点监测数据;
基于所述关键点监测数据子数据库获取关键点监测数据。
本方案中,所述基于所述监控数据进行错模识别,从而基于识别结果进行输出,具体包括:
基于所述设备运转数据进行异常数据识别,从而筛选得到设备运转异常数据进行告警输出;
基于所述产品检测数据进行错模数据识别和/或关键点监测从而获取产品检测值,基于所述产品检测值进行产品合格率输出;
基于所述测控点监测数据进行穿模数据识别和/或异常数据识别和/或错模数据识别,从而获取生产过程中的测控点异常监测数据进行告警,所述测控点异常监测数据包括温度异常、压力异常、液位异常以及限位异常。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括机器的一种设备生产过程的监控方法程序,所述设备生产过程的监控方法程序被处理器执行时,实现如上述任一项所述的一种设备生产过程的监控方法的步骤。
本发明公开的一种设备生产过程的监控方法、系统和可读存储介质,可以有效对生产过程中的设备进行监控,并且通过多方位的监控利用数字孪生可以实现数据可视化,能够帮助用户直观地对设备监控数据进行分析,从而提高设备利用率和生产效率。
附图说明
图1示出了本发明一种设备生产过程的监控方法的流程图;
图2示出了本发明一种设备生产过程的监控系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本申请一种设备生产过程的监控方法的流程图。
如图1所示,本申请公开了一种设备生产过程的监控方法,包括以下步骤:
S102,获取生产设备的产品参数并采集设备生产过程中的点位数据,所述产品参数包括设备信息以及产品信息,所述点位数据包括测控点信息以及关键点信息;
S104,基于所述产品参数以及所述点位数据进行数字孪生,从而建立生产数字点云模型,其中,基于所述产品参数生成设备端模型,基于所述点位数据生成模型数据库;
S106,基于所述生产数字点云模型获取生产过程中的监控数据,其中,所述监控数据包括设备运转数据,产品检测数据,测控点监测数据;
S108,基于所述监控数据进行错模识别,从而基于识别结果进行输出,其中,错模识别的方式至少包括错模数据识别、穿模数据识别以及异常数据识别。
需要说明的是,于本实施例中,在对设备生产过程进行监控时,利用的是点云模型对生产过程进行数字孪生后,通过对模型上的数据进行监控从而实现监控可视化的目标,具体地,首先需要获取生产设备的产品参数,其中,所述产品参数包括了设备信息(例如当前生产设备的型号)以及产品信息(例如当前生产产品的规格),基于生产设备的型号可以获取对应的设备模型,即对应上述基于所述产品参数生成设备端模型,而产品信息中的产品规格可以用来检测生产出来的产品是否符合当前的规格,同步地,还需要获取点位数据,而所述点位数据包括测控点信息以及关键点信息,测控点信息即用于来监测生产过程中的生产参数,例如温度、压力以及液位等等,而关键点信息用于监测生产产品上的关键点是否达标(例如产品上需要有特定的标记或者logo,相应地,可以对标记和logo进行关键点监测),在获取到所述产品参数以及所述点位数据后,可以利用模型和数据进行数字孪生,将实际生产状态下的设备和生产参数利用生产数字点云模型进行可视化,其中,基于所述产品参数生成设备端模型,基于所述点位数据生成模型数据库,而在可视化的过程中,具体通过所述生产数字点云模型来获取生产过程中的监控数据,从而基于监控数据进行数据分析得到分析结果进行输出,以供用户端进行及时查看,其中,监控数据包括设备运转数据,产品检测数据,测控点监测数据,通过对不同的监控数据进行不同的分析梳理来得到对应的识别结果进行输出,例如进行错模识别,具体包括错模数据识别、穿模数据识别以及异常数据识别,以穿模数据识别为例,当生产参数中的液位参数设定为“30cm”时,通过对生产参数中的液位参数进行识别,当液位高于“30cm”时,在穿模数据识别的情况下即表示当前液位参数为穿模成功,此时,获取当前液位与“30cm”的液位差,并在输出液位告警的同时将所述液位差也进行输出,以提醒用户端当前设备生产存在液位告警的问题,以便于用户及时发现问题,且了解具体的问题情况,从而更好地制定解决方案。
根据本发明实施例,所述获取生产设备的产品参数并采集设备生产过程中的点位数据,具体包括:
获取生产设备的属性数据以得到所述设备信息,基于用户端输入的产品规格获取所述产品信息;
建立与设置在生产设备上的传感装置的通信连接,从而获取所述传感装置采集到的所述测控点信息;
基于用户端输入的建模关键点云数据包进行数据分析采集,从而得到所述关键点信息。
需要说明的是,于本实施例中,每个设备在出厂时都会有设备铭牌,在数字时代中,可以通过扫描二维码的方式来获取设备的数字数据,例如属性数据,设备型号或者设备的数字模型,因此通过获取生产设备的属性数据以得到所述设备信息,而后基于用户端输入的产品规格获取所述产品信息,不同的产品对应的产品信息不尽相同,因此具体的产品规格需要获取用户端输入的信息得到,至此可以得到所述产品参数,而所述点位数据具体是通过获取所述传感装置采集到的测控点信息以及用户端输入的关键字信息得到,其中,所述传感装置例如各类传感器,包括温度传感器,压力传感器,液位传感器等等,通过建立与各类传感装置的通信连接,可以获取对应装置采集到的测控点信息,例如测控点的温度信息、压力信息等等,而所述关键点信息则是基于用户端输入的建模关键点云数据包进行数据分析采集得到的,其中,建模关键点云数据包则囊括了产品的关键点或者设备建模的关键点,具体的分析过程见后述说明。
根据本发明实施例,所述基于所述产品参数以及所述点位数据进行数字孪生,从而建立生产数字点云模型,具体包括:
基于所述产品参数生成设备端模型,其中,基于所述设备信息建立生产设备孪生子模型,基于所述产品信息建立产品检测孪生子模型;
基于所述点位数据生成模型数据库,其中,基于所述测控点信息建立生产过程中的测控点监测数据子数据库,基于所述关键点信息建立生产过程中的关键点监测数据子数据库;
通过将所述测控点监测数据子数据库与所述关键点监测数据子数据库应用到所述生产设备孪生子模型以及所述产品检测孪生子模型中进行数据嵌套,从而建立所述生产数字点云模型。
需要说明的是,于本实施例中,建立所述生产数字点云模型需要应用到设备模型和模型数据,其中,基于所述产品参数生成设备端模型,基于所述点位数据生成模型数据库,具体地,利用所述设备信息建立所述生产设备孪生子模型,基于所述产品信息建立所述产品检测孪生子模型,而所述模型数据库包括所述测控点监测数据子数据库以及所述关键点监测数据子数据库,其中,基于所述测控点信息可以建立生产过程中对应的所述测控点监测数据子数据库,基于所述关键点信息可以建立生产过程中对应的关键点监测数据子数据库,而后将不同的数据库嵌套至对应的设备端模型中以得到所述生产数字点云模型。
根据本发明实施例,在进行数据嵌套时,所述测控点监测数据子数据库嵌套于所述生产设备孪生子模型以及所述产品检测孪生子模型中,所述关键点监测数据子数据库嵌套于所述产品检测孪生子模型中。
需要说明的是,于本实施例中,上述实施例中说明了将不同的数据库嵌套至对应的设备端模型中以得到所述生产数字点云模型,具体地,将所述测控点监测数据子数据库嵌套于所述生产设备孪生子模型以及所述产品检测孪生子模型中,从而可以在生产设备以及产品检测时,利用所述测控点监测数据完成对应的监测,所述关键点监测数据子数据库嵌套于所述产品检测孪生子模型中,从而可以在产品检测时利用关键点监测数据完成关键点监测,例如特定logo监测。
根据本发明实施例,所述基于所述生产数字点云模型获取生产过程中的监控数据,具体包括:
基于所述生产设备孪生子模型获取设备运转数据;
基于所述产品检测孪生子模型获取产品检测数据;
基于所述测控点监测数据子数据库获取测控点监测数据;
基于所述关键点监测数据子数据库获取关键点监测数据。
需要说明的是,于本实施例中,所述监控数据包括所述设备运转数据、所述产品检测数据、所述测控点监测数据以及所述关键点监测数据,具体地,设备在 生产过程中,设备本身对应有设备运转数据,因此可以通过所述生产设备孪生子模型获取设备运转数据,相应地,通过所述产品检测孪生子模型可以获取产品检测数据,例如通过检测产品规格来获取对应的规格检测数据,而通过数据一端进行应用时,可以利用测控点监测数据子数据库获取测控点监测数据,即通过不同的测控点对应的传感装置采集到的数据来得到所述测控点监测数据,而关键点监测数据则是通过所述关键点监测数据子数据库获取的,在对产品进行产品规格检测的同时,还需要利用关键点检测,从而来识别产品上的特有标记,以确保产品符合客户要求。
根据本发明实施例,所述基于所述监控数据进行错模识别,从而基于识别结果进行输出,具体包括:
基于所述设备运转数据进行异常数据识别,从而筛选得到设备运转异常数据进行告警输出;
基于所述产品检测数据进行错模数据识别和/或关键点监测从而获取产品检测值,基于所述产品检测值进行产品合格率输出;
基于所述测控点监测数据进行穿模数据识别和/或异常数据识别和/或错模数据识别,从而获取生产过程中的测控点异常监测数据进行告警,所述测控点异常监测数据包括温度异常、压力异常、液位异常以及限位异常。
需要说明的是,于本实施例中,基于识别结果进行输出时,可以输出告警提醒也可以输出产品合格率,具体地,当基于所述设备运转数据进行异常数据识别,从而筛选得到设备运转异常数据进行告警输出,设备运转异常数据例如设备异响、设备转速异常等等,因此设备运转异常时,需要进行告警提醒,将设备异响或者设备转速异常作告警提醒输出,以便于用户端可以及时发现问题并解决,而基于所述产品检测数据进行错模数据识别和/或关键点监测从而获取产品检测值,基于所述产品检测值进行产品合格率输出,具体地,每个产品有对应的产品规格,以正方体产品(接线盒)为例,可以将生产出来的产品在生产数字孪生模型端的模型与对应规格的模型进行比对,以进行错模数据识别从而识别出每一批产品对应规格的产品检测值,而正方体产品(接线盒)需要对应有不同的特殊标记(对应于关键点),例如品牌上的logo,因此对生产出来的产品作关键点监测从而获取每一批产品对应的logo的产品检测值,从而基于产品检测值进行产品合格率输出;而基于测控点监测数据进行识别时,可以利用穿模数据识别和/或异常数据识别和/或错模数据识别来获取对应的测控点异常监测数据进行告警,相应地,所述测控点异常监测数据包括温度异常、压力异常、液位异常以及限位异常。
值得一提的是,所述方法还包括在获取生产过程中的测控点异常监测数据进行告警时,动态更新错模识别的优先级,具体包括:基于用户端输入的产品规格来动态更新错模识别的优先级。
需要说明的是,于本实施例中,在对测控点进行异常监测时,上述实施例中说明了可以利用穿模数据识别和/或异常数据识别和/或错模数据识别来获取对应的测控点异常监测数据进行告警,而不同的产品对应的生产要求不同,因此需要根据不同的产品来动态更新穿模数据识别、异常数据识别以及错模数据识别的优先级,例如生产A产品时,对应的优先级先后为穿模数据识别优先级高于异常数据识别优先级,异常数据识别优先级高于错模数据识别优先级,即表明当同时出现穿模异常和错模异常时,优先进行穿模异常的告警提醒,而当生产B产品时,对应的优先级先后为异常数据识别优先级高于错模数据识别优先级,错模数据识别优先级高于穿模数据识别优先级,则表明当同时出现穿模异常和错模异常时,优先进行错模异常的告警提醒。
值得一提的是,所述基于用户端输入的建模关键点云数据包进行数据分析采集,从而得到所述关键点信息,具体包括:
基于所述建模关键点云数据包提取不同文件命名,基于不同的文件命名作数据关键词匹配分析;
基于匹配分析后的初步结果进行二次后缀名筛选,以从所述初步结果中筛选掉错误文件得到筛选结果;
基于所述筛选结果得到对应的设备建模用数据以及产品检测用数据。
需要说明的是,于本实施例中,上述实施例中说明建模关键点云数据包中囊括了产品检测用的关键点或者设备建模用的关键点,因此需要在获取到所述建模关键点云数据包后对数据包进行文件筛选,其中,首先通过提取不同的文件命名作关键词匹配分析得到不同的初步结果,以将所述关键点云数据包划分为不同的类型,例如设备建模用的关键点云或者产品检测用的关键点云,而后以设备建模用数据为例,初步结果中包括了不同的文件格式,例如点云数据格式“pts、LAS、xyz、PCD以及txt”或者文本类格式“word、pdf”等等,因此需要进行二次筛选,利用文件后缀名从所述初步结果中筛选掉错误文件得到筛选结果,相应地,本实施例中的错误文件对应的后缀名格式例如文本类格式“word、pdf”,从而基于分别从初步结果中对文件命名区分后二次筛选得到对应的设备建模用数据以及产品检测用数据。
值得一提的是,所述基于所述产品检测数据进行错模数据识别和/或关键点监测从而获取产品检测值,具体包括:
基于用户端输入的产品规格得到产品的目标模型以及目标关键点模型;
基于生产数字孪生模型对已生产的产品利用目标模型进行错模数据识别,其中,通过模型的重合度来获取每一批产品对应规格的产品检测值;
基于生产数字孪生模型对已生产的产品利用目标关键点进行关键点监测,其中,通过模型的重合度来获取每一批产品对应关键点的产品检测值。
需要说明的是,于本实施例中,在生产数字孪生模型中,通过对产品三维模型的对比以及关键点模型的对比可以得到不同的产品检测值,其中,在做对比时,需要获取对比双方,其中,一方是基于用户端输入的产品规格得到产品的目标模型以及目标关键点模型,另一方是基于生产数字孪生模型得到的已生产产品模型,基于已生产产品模型与所述目标模型进行错模数据识别,从而利用模型的重合度来获取每一批产品对应规格的产品检测值,其中,当模型的重合度超过“98%”时,表示当前产品符合规格,相应地,取“100”个产品作为每一批次,相应地,“100”个产品中有“99”个符合规格,则当前批次产品对应规格的产品检测值为“99%”,相应地,关键点监测时,具体对比的是关键点模型,例如品牌方的logo,通过已生产产品的关键点模型与所述目标关键点模型进行对比,同样基于对比后的重合度来获取每一批产品对应关键点的产品检测值,当模型的重复度超过“75%”时,则表明当前产品的关键点符合规格。
值得一提的是,所述基于所述产品检测值进行产品合格率输出,具体包括:
基于规格产品检测值以及关键点产品检测值进行组合以划分不同的产品检测值组合;
基于用户端输入的客户要求明细匹配当前的产品检测值输出对应的产品合格率。
需要说明的是,于本实施例中,由于产品合格率受到规格产品检测值以及关键点产品检测值的双重影响,因此需要基于用户端输入的客户要求明细来针对性输出产品合格率,例如同一批次的产品,对应的规格产品检测值为“96%”,而关键点产品检测值为“80%”,若当前产品的客户要求明细中要求规格产品检测值需要不低于“95%”,关键点产品检测值需要不低于“95%”,那么表明这一批次的产品不符合客户要求,若当前产品的客户要求明细中要求规格产品检测值需要不低于“99%”,关键点产品检测值不作要求,那么同样表明这一批次的产品不符合客户要求,即可以用公式进行表达,其中,一个已生产产品对应的规格产品检测值记作,已生产产品对应的关键点产品检测值记作/>,相对应的客户要求明细中的规格产品检测值记作/>,关键点产品检测值记作/>,那么产品合格率/>即等于整体批次/>中满足要求的批次/>与整体批次的比值,具体为:
;
其中,为整体批次/>中的批次数量,/>表示第/>个批次中已生产产品对应的规格产品检测值,/>表示第/>个批次中已生产产品对应的关键点产品检测值,且/>。
图2示出了本发明一种设备生产过程的监控系统的框图。
如图2所示,本发明公开了一种设备生产过程的监控系统,包括存储器和处理器,所述存储器中包括设备生产过程的监控方法程序,所述设备生产过程的监控方法程序被所述处理器执行时实现如下步骤:
获取生产设备的产品参数并采集设备生产过程中的点位数据,所述产品参数包括设备信息以及产品信息,所述点位数据包括测控点信息以及关键点信息;
基于所述产品参数以及所述点位数据进行数字孪生,从而建立生产数字点云模型,其中,基于所述产品参数生成设备端模型,基于所述点位数据生成模型数据库;
基于所述生产数字点云模型获取生产过程中的监控数据,其中,所述监控数据包括设备运转数据,产品检测数据,测控点监测数据;
基于所述监控数据进行错模识别,从而基于识别结果进行告警,其中,错模识别的方式至少包括错模数据识别、穿模数据识别以及异常数据识别。
需要说明的是,于本实施例中,在对设备生产过程进行监控时,利用的是点云模型对生产过程进行数字孪生后,通过对模型上的数据进行监控从而实现监控可视化的目标,具体地,首先需要获取生产设备的产品参数,其中,所述产品参数包括了设备信息(例如当前生产设备的型号)以及产品信息(例如当前生产产品的规格),基于生产设备的型号可以获取对应的设备模型,即对应上述基于所述产品参数生成设备端模型,而产品信息中的产品规格可以用来检测生产出来的产品是否符合当前的规格,同步地,还需要获取点位数据,而所述点位数据包括测控点信息以及关键点信息,测控点信息即用于来监测生产过程中的生产参数,例如温度、压力以及液位等等,而关键点信息用于监测生产产品上的关键点是否达标(例如产品上需要有特定的标记或者logo,相应地,可以对标记和logo进行关键点监测),在获取到所述产品参数以及所述点位数据后,可以利用模型和数据进行数字孪生,将实际生产状态下的设备和生产参数利用生产数字点云模型进行可视化,其中,基于所述产品参数生成设备端模型,基于所述点位数据生成模型数据库,而在可视化的过程中,具体通过所述生产数字点云模型来获取生产过程中的监控数据,从而基于监控数据进行数据分析得到分析结果进行输出,以供用户端进行及时查看,其中,监控数据包括设备运转数据,产品检测数据,测控点监测数据,通过对不同的监控数据进行不同的分析梳理来得到对应的识别结果进行输出,例如进行错模识别,具体包括错模数据识别、穿模数据识别以及异常数据识别,以穿模数据识别为例,当生产参数中的液位参数设定为“30cm”时,通过对生产参数中的液位参数进行识别,当液位高于“30cm”时,在穿模数据识别的情况下即表示当前液位参数为穿模成功,此时,获取当前液位与“30cm”的液位差,并在输出液位告警的同时将所述液位差也进行输出,以提醒用户端当前设备生产存在液位告警的问题,以便于用户及时发现问题,且了解具体的问题情况,从而更好地制定解决方案。
根据本发明实施例,所述获取生产设备的产品参数并采集设备生产过程中的点位数据,具体包括:
获取生产设备的属性数据以得到所述设备信息,基于用户端输入的产品规格获取所述产品信息;
建立与设置在生产设备上的传感装置的通信连接,从而获取所述传感装置采集到的所述测控点信息;
基于用户端输入的建模关键点云数据包进行数据分析采集,从而得到所述关键点信息。
需要说明的是,于本实施例中,每个设备在出厂时都会有设备铭牌,在数字时代中,可以通过扫描二维码的方式来获取设备的数字数据,例如属性数据,设备型号或者设备的数字模型,因此通过获取生产设备的属性数据以得到所述设备信息,而后基于用户端输入的产品规格获取所述产品信息,不同的产品对应的产品信息不尽相同,因此具体的产品规格需要获取用户端输入的信息得到,至此可以得到所述产品参数,而所述点位数据具体是通过获取所述传感装置采集到的测控点信息以及用户端输入的关键字信息得到,其中,所述传感装置例如各类传感器,包括温度传感器,压力传感器,液位传感器等等,通过建立与各类传感装置的通信连接,可以获取对应装置采集到的测控点信息,例如测控点的温度信息、压力信息等等,而所述关键点信息则是基于用户端输入的建模关键点云数据包进行数据分析采集得到的,其中,建模关键点云数据包则囊括了产品的关键点或者设备建模的关键点,具体的分析过程见后述说明。
根据本发明实施例,所述基于所述产品参数以及所述点位数据进行数字孪生,从而建立生产数字点云模型,具体包括:
基于所述产品参数生成设备端模型,其中,基于所述设备信息建立生产设备孪生子模型,基于所述产品信息建立产品检测孪生子模型;
基于所述点位数据生成模型数据库,其中,基于所述测控点信息建立生产过程中的测控点监测数据子数据库,基于所述关键点信息建立生产过程中的关键点监测数据子数据库;
通过将所述测控点监测数据子数据库与所述关键点监测数据子数据库应用到所述生产设备孪生子模型以及所述产品检测孪生子模型中进行数据嵌套,从而建立所述生产数字点云模型。
需要说明的是,于本实施例中,建立所述生产数字点云模型需要应用到设备模型和模型数据,其中,基于所述产品参数生成设备端模型,基于所述点位数据生成模型数据库,具体地,利用所述设备信息建立所述生产设备孪生子模型,基于所述产品信息建立所述产品检测孪生子模型,而所述模型数据库包括所述测控点监测数据子数据库以及所述关键点监测数据子数据库,其中,基于所述测控点信息可以建立生产过程中对应的所述测控点监测数据子数据库,基于所述关键点信息可以建立生产过程中对应的关键点监测数据子数据库,而后将不同的数据库嵌套至对应的设备端模型中以得到所述生产数字点云模型。
根据本发明实施例,在进行数据嵌套时,所述测控点监测数据子数据库嵌套于所述生产设备孪生子模型以及所述产品检测孪生子模型中,所述关键点监测数据子数据库嵌套于所述产品检测孪生子模型中。
需要说明的是,于本实施例中,上述实施例中说明了将不同的数据库嵌套至对应的设备端模型中以得到所述生产数字点云模型,具体地,将所述测控点监测数据子数据库嵌套于所述生产设备孪生子模型以及所述产品检测孪生子模型中,从而可以在生产设备以及产品检测时,利用所述测控点监测数据完成对应的监测,所述关键点监测数据子数据库嵌套于所述产品检测孪生子模型中,从而可以在产品检测时利用关键点监测数据完成关键点监测,例如特定logo监测。
根据本发明实施例,所述基于所述生产数字点云模型获取生产过程中的监控数据,具体包括:
基于所述生产设备孪生子模型获取设备运转数据;
基于所述产品检测孪生子模型获取产品检测数据;
基于所述测控点监测数据子数据库获取测控点监测数据;
基于所述关键点监测数据子数据库获取关键点监测数据。
需要说明的是,于本实施例中,所述监控数据包括所述设备运转数据、所述产品检测数据、所述测控点监测数据以及所述关键点监测数据,具体地,设备在 生产过程中,设备本身对应有设备运转数据,因此可以通过所述生产设备孪生子模型获取设备运转数据,相应地,通过所述产品检测孪生子模型可以获取产品检测数据,例如通过检测产品规格来获取对应的规格检测数据,而通过数据一端进行应用时,可以利用测控点监测数据子数据库获取测控点监测数据,即通过不同的测控点对应的传感装置采集到的数据来得到所述测控点监测数据,而关键点监测数据则是通过所述关键点监测数据子数据库获取的,在对产品进行产品规格检测的同时,还需要利用关键点检测,从而来识别产品上的特有标记,以确保产品符合客户要求。
根据本发明实施例,所述基于所述监控数据进行错模识别,从而基于识别结果进行输出,具体包括:
基于所述设备运转数据进行异常数据识别,从而筛选得到设备运转异常数据进行告警输出;
基于所述产品检测数据进行错模数据识别和/或关键点监测从而获取产品检测值,基于所述产品检测值进行产品合格率输出;
基于所述测控点监测数据进行穿模数据识别和/或异常数据识别和/或错模数据识别,从而获取生产过程中的测控点异常监测数据进行告警,所述测控点异常监测数据包括温度异常、压力异常、液位异常以及限位异常。
需要说明的是,于本实施例中,基于识别结果进行输出时,可以输出告警提醒也可以输出产品合格率,具体地,当基于所述设备运转数据进行异常数据识别,从而筛选得到设备运转异常数据进行告警输出,设备运转异常数据例如设备异响、设备转速异常等等,因此设备运转异常时,需要进行告警提醒,将设备异响或者设备转速异常作告警提醒输出,以便于用户端可以及时发现问题并解决,而基于所述产品检测数据进行错模数据识别和/或关键点监测从而获取产品检测值,基于所述产品检测值进行产品合格率输出,具体地,每个产品有对应的产品规格,以正方体产品(接线盒)为例,可以将生产出来的产品在生产数字孪生模型端的模型与对应规格的模型进行比对,以进行错模数据识别从而识别出每一批产品对应规格的产品检测值,而正方体产品(接线盒)需要对应有不同的特殊标记(对应于关键点),例如品牌上的logo,因此对生产出来的产品作关键点监测从而获取每一批产品对应的logo的产品检测值,从而基于产品检测值进行产品合格率输出;而基于测控点监测数据进行识别时,可以利用穿模数据识别和/或异常数据识别和/或错模数据识别来获取对应的测控点异常监测数据进行告警,相应地,所述测控点异常监测数据包括温度异常、压力异常、液位异常以及限位异常。
值得一提的是,所述方法还包括在获取生产过程中的测控点异常监测数据进行告警时,动态更新错模识别的优先级,具体包括:基于用户端输入的产品规格来动态更新错模识别的优先级。
需要说明的是,于本实施例中,在对测控点进行异常监测时,上述实施例中说明了可以利用穿模数据识别和/或异常数据识别和/或错模数据识别来获取对应的测控点异常监测数据进行告警,而不同的产品对应的生产要求不同,因此需要根据不同的产品来动态更新穿模数据识别、异常数据识别以及错模数据识别的优先级,例如生产A产品时,对应的优先级先后为穿模数据识别优先级高于异常数据识别优先级,异常数据识别优先级高于错模数据识别优先级,即表明当同时出现穿模异常和错模异常时,优先进行穿模异常的告警提醒,而当生产B产品时,对应的优先级先后为异常数据识别优先级高于错模数据识别优先级,错模数据识别优先级高于穿模数据识别优先级,则表明当同时出现穿模异常和错模异常时,优先进行错模异常的告警提醒。
值得一提的是,所述基于用户端输入的建模关键点云数据包进行数据分析采集,从而得到所述关键点信息,具体包括:
基于所述建模关键点云数据包提取不同文件命名,基于不同的文件命名作数据关键词匹配分析;
基于匹配分析后的初步结果进行二次后缀名筛选,以从所述初步结果中筛选掉错误文件得到筛选结果;
基于所述筛选结果得到对应的设备建模用数据以及产品检测用数据。
需要说明的是,于本实施例中,上述实施例中说明建模关键点云数据包中囊括了产品检测用的关键点或者设备建模用的关键点,因此需要在获取到所述建模关键点云数据包后对数据包进行文件筛选,其中,首先通过提取不同的文件命名作关键词匹配分析得到不同的初步结果,以将所述关键点云数据包划分为不同的类型,例如设备建模用的关键点云或者产品检测用的关键点云,而后以设备建模用数据为例,初步结果中包括了不同的文件格式,例如点云数据格式“pts、LAS、xyz、PCD以及txt”或者文本类格式“word、pdf”等等,因此需要进行二次筛选,利用文件后缀名从所述初步结果中筛选掉错误文件得到筛选结果,相应地,本实施例中的错误文件对应的后缀名格式例如文本类格式“word、pdf”,从而基于分别从初步结果中对文件命名区分后二次筛选得到对应的设备建模用数据以及产品检测用数据。
值得一提的是,所述基于所述产品检测数据进行错模数据识别和/或关键点监测从而获取产品检测值,具体包括:
基于用户端输入的产品规格得到产品的目标模型以及目标关键点模型;
基于生产数字孪生模型对已生产的产品利用目标模型进行错模数据识别,其中,通过模型的重合度来获取每一批产品对应规格的产品检测值;
基于生产数字孪生模型对已生产的产品利用目标关键点进行关键点监测,其中,通过模型的重合度来获取每一批产品对应关键点的产品检测值。
需要说明的是,于本实施例中,在生产数字孪生模型中,通过对产品三维模型的对比以及关键点模型的对比可以得到不同的产品检测值,其中,在做对比时,需要获取对比双方,其中,一方是基于用户端输入的产品规格得到产品的目标模型以及目标关键点模型,另一方是基于生产数字孪生模型得到的已生产产品模型,基于已生产产品模型与所述目标模型进行错模数据识别,从而利用模型的重合度来获取每一批产品对应规格的产品检测值,其中,当模型的重合度超过“98%”时,表示当前产品符合规格,相应地,取“100”个产品作为每一批次,相应地,“100”个产品中有“99”个符合规格,则当前批次产品对应规格的产品检测值为“99%”,相应地,关键点监测时,具体对比的是关键点模型,例如品牌方的logo,通过已生产产品的关键点模型与所述目标关键点模型进行对比,同样基于对比后的重合度来获取每一批产品对应关键点的产品检测值,当模型的重复度超过“75%”时,则表明当前产品的关键点符合规格。
值得一提的是,所述基于所述产品检测值进行产品合格率输出,具体包括:
基于规格产品检测值以及关键点产品检测值进行组合以划分不同的产品检测值组合;
基于用户端输入的客户要求明细匹配当前的产品检测值输出对应的产品合格率。
需要说明的是,于本实施例中,由于产品合格率受到规格产品检测值以及关键点产品检测值的双重影响,因此需要基于用户端输入的客户要求明细来针对性输出产品合格率,例如同一批次的产品,对应的规格产品检测值为“96%”,而关键点产品检测值为“80%”,若当前产品的客户要求明细中要求规格产品检测值需要不低于“95%”,关键点产品检测值需要不低于“95%”,那么表明这一批次的产品不符合客户要求,若当前产品的客户要求明细中要求规格产品检测值需要不低于“99%”,关键点产品检测值不作要求,那么同样表明这一批次的产品不符合客户要求,即可以用公式进行表达,其中,一个已生产产品对应的规格产品检测值记作,已生产产品对应的关键点产品检测值记作/>,相对应的客户要求明细中的规格产品检测值记作/>,关键点产品检测值记作/>,那么产品合格率/>即等于整体批次/>中满足要求的批次/>与整体批次的比值,具体为:
;
其中,为整体批次/>中的批次数量,/>表示第/>个批次中已生产产品对应的规格产品检测值,/>表示第/>个批次中已生产产品对应的关键点产品检测值,且/>。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括一种设备生产过程的监控方法程序,所述设备生产过程的监控方法程序被处理器执行时,实现如上述任一项所述的一种设备生产过程的监控方法的步骤。
本发明公开的一种设备生产过程的监控方法、系统和可读存储介质,可以有效对生产过程中的设备进行监控,并且通过多方位的监控利用数字孪生可以实现数据可视化,能够帮助用户直观地对设备监控数据进行分析,从而提高设备利用率和生产效率。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种设备生产过程的监控方法,其特征在于,包括以下步骤:
获取生产设备的产品参数并采集设备生产过程中的点位数据,所述产品参数包括设备信息以及产品信息,所述点位数据包括测控点信息以及关键点信息,所述关键点信息是基于用户端输入的建模关键点云数据包进行数据分析采集得到的,其中,基于用户端输入的建模关键点云数据包进行数据分析采集,从而得到所述关键点信息,具体包括基于所述建模关键点云数据包提取不同文件命名,基于不同的文件命名作数据关键词匹配分析;基于匹配分析后的初步结果进行二次后缀名筛选,以从所述初步结果中筛选掉错误文件得到筛选结果;基于所述筛选结果得到对应的设备建模用数据以及产品检测用数据;
基于所述产品参数以及所述点位数据进行数字孪生,从而建立生产数字点云模型,其中,基于所述产品参数生成设备端模型,基于所述点位数据生成模型数据库;
基于所述生产数字点云模型获取生产过程中的监控数据,其中,所述监控数据包括设备运转数据,产品检测数据,测控点监测数据;
基于所述监控数据进行错模识别,从而基于识别结果进行输出,其中,错模识别的方式至少包括错模数据识别、穿模数据识别以及异常数据识别。
2.根据权利要求1所述的一种设备生产过程的监控方法,其特征在于,所述获取生产设备的产品参数并采集设备生产过程中的点位数据,具体包括:
获取生产设备的属性数据以得到所述设备信息,基于用户端输入的产品规格获取所述产品信息;
建立与设置在生产设备上的传感装置的通信连接,从而获取所述传感装置采集到的所述测控点信息;
基于用户端输入的建模关键点云数据包进行数据分析采集,从而得到所述关键点信息。
3.根据权利要求2所述的一种设备生产过程的监控方法,其特征在于,所述基于所述产品参数以及所述点位数据进行数字孪生,从而建立生产数字点云模型,具体包括:
基于所述产品参数生成设备端模型,其中,基于所述设备信息建立生产设备孪生子模型,基于所述产品信息建立产品检测孪生子模型;
基于所述点位数据生成模型数据库,其中,基于所述测控点信息建立生产过程中的测控点监测数据子数据库,基于所述关键点信息建立生产过程中的关键点监测数据子数据库;
通过将所述测控点监测数据子数据库与所述关键点监测数据子数据库应用到所述生产设备孪生子模型以及所述产品检测孪生子模型中进行数据嵌套,从而建立所述生产数字点云模型。
4.根据权利要求3所述的一种设备生产过程的监控方法,其特征在于,在进行数据嵌套时,所述测控点监测数据子数据库嵌套于所述生产设备孪生子模型以及所述产品检测孪生子模型中,所述关键点监测数据子数据库嵌套于所述产品检测孪生子模型中。
5.根据权利要求3所述的一种设备生产过程的监控方法,其特征在于,所述基于所述生产数字点云模型获取生产过程中的监控数据,具体包括:
基于所述生产设备孪生子模型获取设备运转数据;
基于所述产品检测孪生子模型获取产品检测数据;
基于所述测控点监测数据子数据库获取测控点监测数据;
基于所述关键点监测数据子数据库获取关键点监测数据。
6.根据权利要求5所述的一种设备生产过程的监控方法,其特征在于,所述基于所述监控数据进行错模识别,从而基于识别结果进行输出,具体包括:
基于所述设备运转数据进行异常数据识别,从而筛选得到设备运转异常数据进行告警输出;
基于所述产品检测数据进行错模数据识别和/或关键点监测从而获取产品检测值,基于所述产品检测值进行产品合格率输出;
基于所述测控点监测数据进行穿模数据识别和/或异常数据识别和/或错模数据识别,从而获取生产过程中的测控点异常监测数据进行告警,所述测控点异常监测数据包括温度异常、压力异常、液位异常以及限位异常。
7.一种设备生产过程的监控系统,其特征在于,包括存储器和处理器,所述存储器中包括设备生产过程的监控方法程序,所述设备生产过程的监控方法程序被所述处理器执行时实现如下步骤:
获取生产设备的产品参数并采集设备生产过程中的点位数据,所述产品参数包括设备信息以及产品信息,所述点位数据包括测控点信息以及关键点信息,所述关键点信息是基于用户端输入的建模关键点云数据包进行数据分析采集得到的,其中,基于用户端输入的建模关键点云数据包进行数据分析采集,从而得到所述关键点信息,具体包括基于所述建模关键点云数据包提取不同文件命名,基于不同的文件命名作数据关键词匹配分析;基于匹配分析后的初步结果进行二次后缀名筛选,以从所述初步结果中筛选掉错误文件得到筛选结果;基于所述筛选结果得到对应的设备建模用数据以及产品检测用数据;
基于所述产品参数以及所述点位数据进行数字孪生,从而建立生产数字点云模型,其中,基于所述产品参数生成设备端模型,基于所述点位数据生成模型数据库;
基于所述生产数字点云模型获取生产过程中的监控数据,其中,所述监控数据包括设备运转数据,产品检测数据,测控点监测数据;
基于所述监控数据进行错模识别,从而基于识别结果进行告警,其中,错模识别的方式至少包括错模数据识别、穿模数据识别以及异常数据识别。
8.根据权利要求7所述的一种设备生产过程的监控系统,其特征在于,所述获取生产设备的产品参数并采集设备生产过程中的点位数据,具体包括:
获取生产设备的属性数据以得到所述设备信息,基于用户端输入的产品规格获取所述产品信息;
建立与设置在生产设备上的传感装置的通信连接,从而获取所述传感装置采集到的所述测控点信息;
基于用户端输入的建模关键点云数据包进行数据分析采集,从而得到所述关键点信息。
9.根据权利要求8所述的一种设备生产过程的监控系统,其特征在于,所述基于所述产品参数以及所述点位数据进行数字孪生,从而建立生产数字点云模型,具体包括:
基于所述产品参数生成设备端模型,其中,基于所述设备信息建立生产设备孪生子模型,基于所述产品信息建立产品检测孪生子模型;
基于所述点位数据生成模型数据库,其中,基于所述测控点信息建立生产过程中的测控点监测数据子数据库,基于所述关键点信息建立生产过程中的关键点监测数据子数据库;
通过将所述测控点监测数据子数据库与所述关键点监测数据子数据库应用到所述生产设备孪生子模型以及所述产品检测孪生子模型中进行数据嵌套,从而建立所述生产数字点云模型。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括一种设备生产过程的监控方法程序,所述设备生产过程的监控方法程序被处理器执行时,实现如权利要求1至6中任一项所述的一种设备生产过程的监控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310573046.1A CN116880365B (zh) | 2023-05-22 | 2023-05-22 | 设备生产过程的监控方法、系统和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310573046.1A CN116880365B (zh) | 2023-05-22 | 2023-05-22 | 设备生产过程的监控方法、系统和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116880365A CN116880365A (zh) | 2023-10-13 |
CN116880365B true CN116880365B (zh) | 2024-02-23 |
Family
ID=88264989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310573046.1A Active CN116880365B (zh) | 2023-05-22 | 2023-05-22 | 设备生产过程的监控方法、系统和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116880365B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110989507A (zh) * | 2019-11-02 | 2020-04-10 | 温州大学 | 一种断路器自动化检测生产数字孪生车间生成装置 |
WO2020120001A1 (de) * | 2018-12-13 | 2020-06-18 | Siemens Aktiengesellschaft | Verfahren zum bestimmen einer identität eines produkts durch erfassung eines optisch sichtbaren und eines nicht sichtbaren merkmals, sowie identifizierungssystem |
CN111539583A (zh) * | 2020-05-13 | 2020-08-14 | 中国电子科技集团公司第十四研究所 | 一种基于数字孪生的生产过程仿真优化方法 |
CN111968004A (zh) * | 2020-08-07 | 2020-11-20 | 东华大学 | 一种基于数字孪生的高精密产品装调一体化系统 |
CN112153150A (zh) * | 2020-09-28 | 2020-12-29 | 惠州市新一代工业互联网创新研究院 | 一种适用于工业互联网的工业现场监测方法 |
CN112288168A (zh) * | 2020-10-30 | 2021-01-29 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 基于数字孪生的smt产线质量分析平台 |
CN113569453A (zh) * | 2021-07-30 | 2021-10-29 | 东华大学 | 一种面向加工的数字孪生产品模型的迁移方法 |
WO2022236064A2 (en) * | 2021-05-06 | 2022-11-10 | Strong Force Iot Portfolio 2016, Llc | Quantum, biological, computer vision, and neural network systems for industrial internet of things |
-
2023
- 2023-05-22 CN CN202310573046.1A patent/CN116880365B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020120001A1 (de) * | 2018-12-13 | 2020-06-18 | Siemens Aktiengesellschaft | Verfahren zum bestimmen einer identität eines produkts durch erfassung eines optisch sichtbaren und eines nicht sichtbaren merkmals, sowie identifizierungssystem |
CN110989507A (zh) * | 2019-11-02 | 2020-04-10 | 温州大学 | 一种断路器自动化检测生产数字孪生车间生成装置 |
CN111539583A (zh) * | 2020-05-13 | 2020-08-14 | 中国电子科技集团公司第十四研究所 | 一种基于数字孪生的生产过程仿真优化方法 |
CN111968004A (zh) * | 2020-08-07 | 2020-11-20 | 东华大学 | 一种基于数字孪生的高精密产品装调一体化系统 |
CN112153150A (zh) * | 2020-09-28 | 2020-12-29 | 惠州市新一代工业互联网创新研究院 | 一种适用于工业互联网的工业现场监测方法 |
CN112288168A (zh) * | 2020-10-30 | 2021-01-29 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 基于数字孪生的smt产线质量分析平台 |
WO2022236064A2 (en) * | 2021-05-06 | 2022-11-10 | Strong Force Iot Portfolio 2016, Llc | Quantum, biological, computer vision, and neural network systems for industrial internet of things |
CN113569453A (zh) * | 2021-07-30 | 2021-10-29 | 东华大学 | 一种面向加工的数字孪生产品模型的迁移方法 |
Non-Patent Citations (1)
Title |
---|
基于影像点云的三维激光扫描仪成图与建模软件;杨晶;刘守军;;测绘通报(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116880365A (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3547057A1 (en) | Abnormality detection system, support device, and abnormality detection method | |
EP2492767B1 (en) | Inspection system, management server, inspection apparatus and method for managing inspection data | |
CN113066254B (zh) | 核电设备工作环境异常预警方法、装置、设备和存储介质 | |
JP2006318263A (ja) | 情報分析システム、情報分析方法及びプログラム | |
CN115828145B (zh) | 一种电子设备的在线监测方法、系统及介质 | |
CN111274218A (zh) | 一种电力信息系统多源日志数据处理方法 | |
CN115524002B (zh) | 一种电厂旋转设备的运行状态预警方法、系统及存储介质 | |
CN112817814A (zh) | 异常监控方法、系统、存储介质及电子装置 | |
CN113934720A (zh) | 一种数据清洗方法、设备及计算机存储介质 | |
CN117056688A (zh) | 一种基于数据分析的新材料生产数据管理系统及方法 | |
CN116010456A (zh) | 设备的处理方法、服务器和轨道交通系统 | |
CN114610553A (zh) | 一种智能设备检测系统及其检测方法 | |
CN117311295B (zh) | 基于无线网络设备的生产质量提升方法及系统 | |
CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控系统和方法 | |
CN116880365B (zh) | 设备生产过程的监控方法、系统和可读存储介质 | |
CN113609216A (zh) | 基于区块链的产品质量诊断方法、装置、设备及存储介质 | |
US20070282920A1 (en) | Job management system and method for minimizing log data | |
CN112416896A (zh) | 数据异常的报警方法和装置、存储介质、电子装置 | |
CN115545452A (zh) | 运维方法、运维系统、设备及存储介质 | |
CN115788771A (zh) | 一种基于物联网技术的风力发电系统的智能运维管理系统 | |
CN113407520A (zh) | 一种基于机器学习的电力网络安全数据清洗系统及方法 | |
CN114430421A (zh) | 一种基于多种车型功能集自动产生告警规则的方法和系统 | |
JP5034447B2 (ja) | データ送信システム | |
CN110991940A (zh) | 海洋观测数据产品质量在线检验方法、装置及服务器 | |
CN111539642A (zh) | 一种基于面向对象的电厂数据采集处理系统及其方法 |
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 |