CN116894542A - 成套设备系统、成套设备控制方法及计算机可读取存储介质 - Google Patents

成套设备系统、成套设备控制方法及计算机可读取存储介质 Download PDF

Info

Publication number
CN116894542A
CN116894542A CN202310269195.9A CN202310269195A CN116894542A CN 116894542 A CN116894542 A CN 116894542A CN 202310269195 A CN202310269195 A CN 202310269195A CN 116894542 A CN116894542 A CN 116894542A
Authority
CN
China
Prior art keywords
plant
information
condition
set value
value
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
Application number
CN202310269195.9A
Other languages
English (en)
Inventor
吉村英朗
栗山勘卫
广冈勲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yokogawa Electric Corp
Original Assignee
Yokogawa Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yokogawa Electric Corp filed Critical Yokogawa Electric Corp
Publication of CN116894542A publication Critical patent/CN116894542A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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]
    • G05B19/4189—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 the transport system
    • 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]
    • G05B19/4185—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 the network communication
    • 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
    • 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]
    • G05B19/41885—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 modeling, simulation of the manufacturing system
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0833—Tracking
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • G05B2219/31457—Factory remote control, monitoring through internet

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Manufacturing & Machinery (AREA)
  • Tourism & Hospitality (AREA)
  • Automation & Control Theory (AREA)
  • Game Theory and Decision Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Mining & Mineral Resources (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供成套设备系统、成套设备控制方法及计算机可读取存储介质。CI服务器(10)包括：取得部，从成套设备(5)取得第一信息，从成套设备(5)以外的来源取得第二信息；决定部，基于第一信息以及第二信息，决定成套设备(5)的设定值、以及用于将设定值反映到成套设备(5)的第一条件；以及发送部，向成套设备(5)发送设定值以及第一条件，成套设备(5)基于设定值以及第一条件进行作业。进而，CI服务器(10)基于在成套设备(5)内得到的信息生成第二条件，成套设备(5)基于设定值、第一条件以及第二条件进行作业。

Description

成套设备系统、成套设备控制方法及计算机可读取存储介质
技术领域
本发明成套设备系统、成套设备控制方法以及计算机可读取存储介质。
背景技术
在使用石油、石油化学、化学、煤气等的各种成套设备(plant)中，为了进行安全作业，实施了各种措施。例如，已知监视用于成套设备的作业的设备、装置、传感器等各种设备的监视技术、使用各种设备的实测值等计算用于进行成套设备的运转控制的控制值、预测成套设备的状态的模拟技术等。
专利文献1：日本专利公开公报特开2019-220220号
专利文献2：日本专利公开公报特开2004-362256号
专利文献3：日本专利公开公报特开2018-112829号
专利文献4：日本专利公开公报特开2020-140253号
发明内容
但是，在上述模拟技术中，由于仅使用在成套设备内得到的数据决定设定值，所以存在设定值未必合适的问题。这是因为，存在由于设置成套设备的环境、需求和供给的状况、原料的价格变化等在成套设备外产生的主要因素而导致运转计划被迫重新修改等问题。
进而，还存在很难说由上述模拟技术决定的设定值反映到成套设备作业的定时也合适的问题。这是因为，设定值在怎样的定时反映到成套设备作业是合适的，不仅受到成套设备内的主要因素的影响，还受到成套设备外的主要因素的影响。
从这些观点来看，在上述模拟技术中，存在未必能够实现成套设备优选的作业状态的问题。
本发明的目的在于实现成套设备的更优选的作业状态。
本发明成套设备系统具备成套设备和云服务器，所述云服务器包括：取得部，从所述成套设备取得第一信息，从所述成套设备以外的来源取得第二信息；决定部，基于所述第一信息以及所述第二信息，决定所述成套设备的设定值、以及用于将所述设定值反映到所述成套设备的第一条件；以及发送部，向所述成套设备发送所述设定值以及所述第一条件，所述成套设备基于所述设定值以及所述第一条件进行作业。
在本发明的成套设备控制方法中，云服务器进行如下动作：从成套设备取得第一信息；从所述成套设备以外的来源取得第二信息；基于所述第一信息以及所述第二信息，决定所述成套设备的设定值、以及用于将所述设定值反映到所述成套设备的第一条件；以及向所述成套设备发送所述设定值以及所述第一条件，所述成套设备基于所述设定值以及所述第一条件进行作业。
本发明的计算机可读取存储介质记录有成套设备控制程序，所述成套设备控制程序使云服务器执行如下处理：从成套设备取得第一信息；从所述成套设备以外的来源取得第二信息；基于所述第一信息以及所述第二信息，决定所述成套设备的设定值、以及用于将所述设定值反映到所述成套设备的第一条件；以及向所述成套设备发送所述设定值以及所述第一条件。
根据本发明的实施方式，能够实现成套设备的更优选的作业状态。
附图说明
图1是表示综合管理系统的整体构成例的图。
图2是表示综合管理系统的处理流程的图。
图3是表示CI服务器的功能构成的功能框图。
图4是表示成套设备控制处理的顺序的流程图。
图5是表示取得部的动作例的示意图。
图6是表示决定部的动作例的示意图。
图7是表示输入到模拟器中的过程值的输入例的示意图。
图8是表示取得部的动作例的示意图。
图9是表示决定部的动作例的示意图。
图10是说明硬件构成例的图。
附图标记说明：
1：综合管理系统；5：成套设备；5a：设备；5b：现场设备；5c：传感器；7：成套设备外源；10：CI服务器；11：通信控制部；13：存储部；13A：第一信息；13B：第二信息；15：控制部；15A：取得部；15B：决定部；15C：发送部。
具体实施方式
以下，参照附图对本申请的成套设备系统(plant system)、成套设备控制方法以及计算机可读取存储介质的实施方式进行说明。在各实施方式中，只不过是表示一个例子或方面，而不由这样的例示限定数值、功能的范围、利用场景等。并且，各实施方式能够在不使处理内容矛盾的范围内适当组合。
<整体构成>
图1是表示综合管理系统1的整体构成例的图。如图1所示，综合管理系统1具有CI(Collaborative Information，协作信息)服务器10，经由网络N与多个成套设备5的每个连接。另外，网络N能够采用专用线路、互联网、LTE(Long Term Evolution，长期演进)网等各种通信网。
综合管理系统1是综合管理多个成套设备5的系统，能够通过物理服务器来实现，也能够通过利用了云系统的虚拟机等来实现。
CI服务器10是与成套设备5内的各种设备、系统连接并综合管理它们的云服务器等信息处理装置的一例。具体而言，CI服务器10执行远程操作环境的提供、决策支持的服务提供、成套设备整体的综合操作监视环境的提供。
例如，远程操作环境按每个成套设备5提供管理成套设备的状态等的监视系统，并且提供警报的报告、向操作人员的通知等服务。决策支持按每个成套设备5模拟成套设备5的状态、成套设备5内的控制值，并且基于模拟结果，提供成套设备5的操作控制、操作人员通知等服务。综合操作监视环境综合监视多个成套设备5，并且在多个成套设备5整体中提供成套设备的产物的管理、供给控制、成本管理等服务。这样，CI服务器10还能够执行向指定用户的警告报告、各种信息的发送、生产活动整体的信息管理的最佳化和安全有效的作业的支持。
各成套设备5是使用石油、石油化学、化学、煤气等各种成套设备的一例，包括具备用于得到产物的各种设施的工厂等。产物的例子是LNG(液化天然气)、树脂(塑料、尼龙等)、化学产品等。设施的例子是工厂设施、机械设施、生产设施、发电设施、储存设施、开采石油、天然气等的井场中的设施等。
成套设备5内使用未图示的分布控制系统(Distributed Control Systems：DCS)等来构建，执行设备5a、现场设备5b、传感器5c等的运转控制。例如，成套设备5内的控制系统使用在成套设备5中利用的过程数据，对在进行控制的对象设备中设置的现场设备5b等的控制设备、与进行控制的对象设备对应的操作设备等执行各种控制。
另外，设备5a例如包括发出警报等的扬声器等警报器、在成套设备5中生成的产物的搬运中利用的搬运路径等。现场设备5b包括马达以及由致动器等驱动的阀、泵以及风扇等。传感器5c包括如压力传感器、温度传感器、流量传感器、pH传感器、速度传感器、加速度传感器等那样的、取得、检测、测定例如物理量的设备。
另外，在成套设备5内产生并由CI服务器10收集的数据包含过程值PV、设定值SV和执行值MV等控制数据。过程值PV是表示成套设备5中的过程的状态的数据。过程值PV例如由对应的现场设备5b取得。过程值PV的例子是压力、温度、流量、pH值、速度和加速度等。
设定值SV是表示成套设备5中的过程值PV的目标的数据(目标值)。设定值SV例如提供给执行成套设备5的运转控制的模拟，用于成套设备5的控制。设定值SV的例子与过程值PV同样，是压力、温度、流量、pH、速度以及加速度等。操作值MV是表示成套设备5中的操作的数据。操作值MV例如从对应的现场设备5b取得，或者在模拟执行后提供给现场设备5b。现场设备5b根据所提供的操作值MV进行动作。操作值MV的例子是阀操作量(例如阀开度)、泵操作量以及风扇操作量等。
在这样的系统构成下，CI服务器10从用于成套设备5的作业的设备5a、现场设备5b、传感器5c等各种设备取得被赋予了表示设备的状态的属性信息的、与成套设备5的作业相关的数据。并且，CI服务器10能够按所取得的数据的每个属性信息对数据进行分类，并且使用所分类的每个属性信息的数据来执行成套设备5的作业。
此处，本实施方式的综合管理系统1通过执行图2所示的处理，实现成套设备5的更优选的作业状态。图2是表示综合管理系统1的处理流程的图。在图2中，仅作为一例，摘录并示出了对三个成套设备5中的一个成套设备5的控制，但CI服务器10作为控制对象的成套设备5并不限定于一个。
如图2所示，CI服务器10从成套设备5取得现场设备5b的现状的设定值等第一信息(步骤S1A)。另外，CI服务器10从作为成套设备5以外的来源的成套设备外源7取得正在由成套设备5制造的产品的销售量及需求预测、以及天气预报等第二信息(步骤S1B)。
此处，CI服务器10基于在步骤S1A中取得的第一信息以及在步骤S1B中取得的第二信息，决定成套设备5的设定值和用于将设定值反映到成套设备5的第一条件(步骤S2)。在此基础上，CI服务器10将在步骤S2中决定的设置值以及第一条件发送到成套设备5(步骤S3)。然后，成套设备5基于在步骤S3中发送的设置值以及第一条件进行作业(步骤S4)。
这样，CI服务器10基于第一信息以及第二信息决定向成套设备5反映的设定值，因此能够根据设置成套设备5的环境、需求和供给的状况、原料的价格变化等在成套设备5外产生的主要因素决定设定值。进而，CI服务器10基于第一信息以及第二信息决定用于将设定值反映到成套设备5的第一条件，因此能够不仅考虑到成套设备5内的主要因素的影响，还考虑到成套设备5外的主要因素的影响来决定第一条件。
因此，根据本实施方式的综合管理系统1，能够实现成套设备5的更优选的作业状态。
<功能构成>
图3是表示CI服务器10的功能构成的功能框图。另外，此处，作为一例，说明CI服务器10执行远程操作环境的提供、决策支持的服务提供、成套设备整体的综合操作监视环境的提供的例子，但是各服务也可以由不同的装置执行。
通信控制部11是控制与成套设备5的设备等其他装置之间的通信的功能部。作为一例，通信控制部11可以通过LAN卡等网络接口卡来实现。作为一个方面，通信控制部11从成套设备5接收第一信息，或者从成套设备外源7接收第二信息。作为另一方面，通信控制部11向成套设备5输出现场设备5b等的设定值。
存储部13是存储各种数据的功能部。仅作为一例，存储部13通过CI服务器10的内部、外部的或者辅助的存储器来实现。例如，存储部13存储第一信息13A以及第二信息13B。另外，第一信息13A以及第二信息13B的说明与在存储部13中保存第一信息13A以及第二信息13B的说明一并进行。
控制部15是进行CI服务器10的整体控制的功能部。例如，控制部15可以由硬件处理器实现。如图3所示，控制部15具有取得部15A、决定部15B以及发送部15C。另外，控制部15也可以由硬连线逻辑实现。
取得部15A是从成套设备5取得第一信息、从成套设备以外的来源取得第二信息的处理部。例如，第一信息可以是成套设备5中的现场设备5b的现状的设定值等。另外，第二信息可以是制造中的产品的销售量及需求预测、以及天气预报等信息。这样取得的第一信息以及第二信息追加保存到存在于存储部13的第一信息13A以及第二信息13B中。
决定部15B是基于第一信息以及第二信息决定成套设备5的设定值和用于将设定值反映到成套设备5的第一条件的处理部。仅作为一例，第一条件可以是将设定值的变更反映到成套设备的定时等。此处所说的“定时”未必限于时间或以时间为准的条件，也可以是与成套设备5相关的任意条件。
发送部15C是向成套设备5发送设定值以及第一条件的处理部。作为一例，发送部15C能够在由决定部15B决定了设定值以及第一条件的阶段向成套设备5发送设定值以及第一条件。在该情况下，是否满足第一条件的条件判定能够委托给成套设备5。作为另一例，发送部15C也能够监视是否满足由决定部15B决定的第一条件，在满足第一条件的阶段向成套设备5发送设定值。在该情况下，是否满足第一条件的条件判定能够委托给CI服务器10。
<处理流程>
图4是表示成套设备控制处理的顺序的流程图。如图4所示，取得部15A从成套设备5取得第一信息，并且从成套设备外源7取得第二信息(步骤S101以及步骤S102)。
这样在步骤S101中取得的第一信息以及在步骤S102取得的第二信息追加保存到存储于存储部13的第一信息13A以及第二信息13B中(步骤S103)。
此处，决定部15B判定是否满足被规定为执行步骤S105以及步骤S106的处理的触发的条件(步骤S104)。作为这样的“条件”的例子，在进行了以一定周期、例如一小时周期等执行处理的情况下，判定是否从上次的执行起经过了一定周期。另外，在进行了在定时、例如9点、12点、18点等执行处理的情况下，判定时刻是否为定时。
在满足这样的规定条件的情况下(步骤S104为“是”)，决定部15B基于第一信息以及第二信息决定成套设备5的设定值和用于将设定值反映到成套设备5的第一条件(步骤S105以及步骤S106)。之后，发送部15C向成套设备5发送设定值以及第一条件(步骤S107)，转移到步骤S101的处理。
<具体例(1)>
接下来，举出与成套设备控制相关的具体例。图5是表示取得部15A的动作例的示意图。在图5中，作为成套设备外源7的例子，例示了接受成套设备5制造的产品的订货的接受订货系统7A以及公开天气预报等气象信息的气象服务器7B。
如图5所示，作为第一信息的一例，取得部15A从成套设备5取得现场设备5b的过程值等。进而，作为第一信息的其他例子，取得部15A取得成套设备5正在制造的产品(以下，记载为“半成品”)的信息、例如品种等。这样取得的过程值、半成品等的信息追加到存储于存储部13的第一信息13A中。
另外，在从成套设备5取得第一信息的情况下，可以从成套设备5实时取得，也可以通过批处理取得一定期间的数据。例如，如果以过程值为例，则可以从成套设备信息管理系统(PIMS：Plant Information Management System，工厂信息管理系统)取得过程值的时间序列数据作为过程数据。
作为第二信息的一例，取得部15A从接受订货系统7A取得产品的销售量等。这样从接受订货系统7A取得的信息可以是基于历史的销售量的实绩，但可以取得已接受订货的接受订货量或取消订货的订货取消次数，也可以取得它们全部。以下，有时将销售量、接受订货量、订货取消次数等统一记载为“销售量等”。
作为第二信息的其他例子，取得部15A从气象服务器7B取得天气预报等。此处取得的天气预报的目标可以是气象服务器7B公开中的与日历相关的所有信息，也可以是缩小到对制造造成影响的范围的信息，还可以是与上次访问气象服务器7B时的差值。
这样取得的销售量等、天气预报等信息追加到存储于存储部13的第二信息13B中。在取得了这些第一信息以及第二信息的条件下，决定部15B通过图6所示的动作决定设定值以及第一条件。
图6是表示决定部15B的动作例的示意图。如图6所示，决定部15B基于第二信息的销售量等以及天气预报，执行第一信息的半成品的需求预测。由此，得到半成品的需求预测趋势、例如接受订货数的预测值的时间序列数据。
在这样的需求预测中，能够使用机器学习模型。在这样的机器学习模型的训练中，能够使用被赋予了接受订货数的预测值的时间序列数据的正解标签的预测值的销售量等以及天气预报作为训练数据。即，将训练数据中包含的销售量等以及天气预报作为机器学习模型的解释变量，将正解标签作为机器学习模型的目标变量，按照任意的机械学习算法、例如深度学习等来训练机器学习模型。由此，得到训练完毕的机器学习模型。通过向这样的训练完毕的机器学习模型输入销售量等以及天气预报，能够得到该机器学习模型输出的接受订货数的预测值的时间序列数据作为需求预测趋势。另外，上述机器学习模型当然能够按产品的每个品种生成。
接下来，决定部15B基于半成品的需求预测趋势，执行是否继续制造半成品的继续判定。仅作为一例，决定部15B判定半成品的需求预测趋势的梯度是否为减少趋势。例如，在通过需求预测趋势的回归分析得到的近似直线的斜率的符号为负的情况下，能够识别为减少趋势。此时，在半成品的需求预测趋势的梯度为减少趋势的情况下，能够预测半成品的需求减少。在该情况下，决定终止制造半成品。另一方面，在半成品的需求预测趋势的梯度不为减少趋势的情况下，决定继续制造半成品。
以下，仅作为一个方面，例示了决定终止制造半成品的情况。在该情况下，决定部15B决定将由成套设备5制造的产品从半成品变更为另一产品。
例如，当决定产品变更时，决定部15B通过将第一信息的过程值输入到模拟器中，模拟出伴随产品变更而使成套设备5的现场设备5b变更的设定值。
作为这样的模拟器的例子，可举出实时地使成套设备的作业最佳化的在线模拟器之一即RTO(Real Time Optimizer实时优化器)。仅作为一例，RTO基于第一信息的过程值的时间系列数据、所谓的过程数据，按运转条件不同的多个事例的每个执行模拟成套设备的举动的模拟。作为其模拟结果，得到按每个事例模拟的过程数据的预测值作为控制变量CV，并且将该控制变量CV输入到目标函数，由此作为目标函数值的一例输出利益。这样，RTO通过按每个事例执行模拟的事例研究，计算控制变量CV的变动与利益的变动之比、即增益。之后，RTO使用计算出的增益，计算利益成为最佳值、例如最大值的CV目标。根据以上述方式计算出的CV目标，计算与向过程的输入变量对应的操作变量MV、或成套设备5的控制系统例如DCS的设定值SV。
此处，上述RTO是以不是正在变更过程的运转条件的稳定状态为前提来执行模拟的。因此，决定部15B将与第一信息对应的过程数据中的、被赋予了正常以外的状态(status)的过程值除外，将被赋予了正常的状态的过程值输入到模拟器中，从而能够决定成套设备的设定值。
图7是表示输入到模拟器中的过程值的输入例的示意图。在图7中，示出了与第一信息的过程数据P1对应的曲线图G1。如图7所示，作为属性信息的一例，由成套设备5对过程数据P1中包含的过程值赋予状态的标签。例如，作为标签的例子，可举出“正常(稳定)”、“异常”、“不稳定”或者“不明”等。如图7所示，决定部15B将过程数据P1中被赋予了标签“正常”外的标签的过程值除外。以图7所示的例子进行说明，将被赋予了标签“不稳定”的过程值从输入中除外。另一方面，决定部15B将被赋予了标签“正常”的状态的过程值输入到线模拟器15B1中。通过这样的过程值的输入控制，能够抑制由在线模拟器15B1进行的模拟精度降低，实现精度提高。
这样计算设定值，另一方面，决定部15B决定将设定值反映到成套设备5的定时。仅作为一例，决定部15B判定半成品的需求预测趋势的梯度是否超过阈值。此时，在半成品的需求预测趋势的梯度超过阈值的情况下，能够预测半成品的需求急剧减少，因此决定立即终止制造半成品。在该情况下，决定部15B决定将尽快的定时、即所谓的ASAP(As Soon AsPossible)作为第一条件。另一方面，在半成品的需求预测趋势的梯度不超过阈值的情况下，能够预测半成品的需求平稳地减少。在该情况下，决定部15B将制造半成品之后的定时决定为第一条件。
如以上那样决定设定值以及第一条件。之后，发送部15C经由网络N向成套设备5发送由决定部15B决定的设定值以及第一条件。
另外，在上述具体例(1)中，举出将从成套设备5取得的成套设备值输入到模拟器中的例子，但并不限定于此。例如，也可以去除不确定的数据，并且从补充去除的数据的方面考虑，将其他数据输入到模拟器中。仅作为一例，如果在成套设备5中同一过程被双重化，则输入正常一方的系统的过程值，或者，如果有面向安全的相同或类似的设备，则输入其过程值。另外，也能够基于可利用的其他正常的数据来制作数据。例如，作为其他正常的数据的例子，可举出管道前后的数据、材料平衡等。
<具体例(2)>
图8是表示取得部15A的动作例的示意图。在图8中，作为成套设备外源7的例子，除了图5所示的气象服务器7B之外，还例示了对向交货目的地运输由成套设备5制造的产品的移动体的动态信息进行管理的动态管理系统7C、以及对道路的交通量等交通信息进行管理的交通信息服务器7D。
如图8所示，作为第一信息的一例，取得部15A从成套设备5取得现场设备5b的过程值等。将这样取得的过程值等信息追加到存储于存储部13的第一信息13A中。
作为第二信息一例，取得部15A从气象服务器7B取得天气预报等。此处取得的天气预报的目标可以是气象服务器7B公开中的与日历相关的所有信息，也可以是缩小到对制造造成影响的范围的信息，还可以是与上次访问气象服务器7B时的差值。
作为第二信息的又例子，取得部15A从动态管理系统7C取得移动体的动态信息。此处所说的“移动体”并不限定于油罐车等所有车辆，也可以包括邮轮等船舶和飞机等。另外，“动态信息”是指移动体及其乘务员的位置信息。
作为第二信息的再一例，取得部15A从交通信息服务器7D取得交通信息。在此处所说的“交通信息”中，可以包含以道路网络上的行驶台数和流量等交通量为代表的拥堵、事故等信息。
将这样取得的天气预报、动态信息以及交通信息等信息追加到存储于存储部13的第二信息13B中。在取得了这些第一信息以及第二信息的环境下，决定部15B通过图9所示的动作决定设定值以及第一条件。
图9是表示决定部15B的动作例的示意图。如图9所示，决定部15B基于第二信息的天气预报、动态信息以及交通信息，预测向交货目的地运输由成套设备5制造的产品的移动体到达成套设备5的时间。有时将这样得到的到达时间记载为“预定到达时间”。与这样的预定到达时间对应的定时被决定为第一条件。
这样的到达时间预测可以通过通用的导航功能来实现，或者经由搭载于移动体的任意装置，例如以车载机为代表、经由包括智能手机等移动终端的终端取得预定到达时间来实现。此外，到达时间预测也能够使用机器学习模型。这样的机器学习模型也能够使用GNN(Graph Neural Networks，图形神经网络)等。例如，以移动体的位置信息为出发地、以成套设备5为目的地，通过将道路的交通信息输入到训练完毕的GNN中，能够将GNN输出的路径的所需时间决定为预定到达时间。
进而，决定部15B将第一信息的过程值以及与预定到达时间对应的预定制造完成时间输入到模拟器中。由此，模拟在预定制造完成时间完成成套设备5的制造时使物流成本以及成套设备运用成本最小化的设定值。
如以上那样决定设定值以及第一条件。之后，发送部15C经由网络N向成套设备5发送由决定部15B决定的设定值以及第一条件。
另外，上述具体例(2)只不过是一例。例如，作为第一信息，取得部15A能够取得在制的产品(油种)的制造完成预测时刻、储藏设施(油罐)的容量余量等。另外，作为第二信息，取得部15A能够实时取得下述信息。例如，从制造所到交货目的地的交通路径信息(事故、拥堵、封锁海域信息等)。另外，可举出陆运用车辆(油罐车)的运作信息(GPS位置、预测到达时刻、台数、产品(油种))、海运用船舶(邮轮)的运行信息(GPS位置、进出港时刻、产品(油种))等。在该情况下，决定部15B能够通过获取路径检索信息，增加求解器的约束条件，获取交货的最佳计划，来决定如下的第一条件。作为第一条件的例子，可举出“因为来不及交货，所以希望将搭载货物的时刻延期到○○点。”、“希望在指定的制造完成预测时刻，针对多个成套设备/设备将运转计划最佳化。”等。接收到这样的设定值以及第一条件的成套设备5针对各个成套设备5中的设备5a修正制造完成预测时刻，使制造量减少。
<效果>
如上所述，本实施方式的CI服务器10基于第一信息以及第二信息决定反映到成套设备5的设定值，因此能够根据设置成套设备5的环境、需求和供给的状况、原料的价格变化等在成套设备5外产生的主要因素来决定设定值。进而，本实施方式的CI服务器10基于第一信息以及第二信息决定用于将设定值反映到成套设备5的第一条件，因此能够不仅考虑到成套设备5内的主要因素的影响，还考虑到成套设备5外的主要因素的影响来决定第一条件。因此，根据本实施方式的CI服务器10，能够实现成套设备5的更优选的作业状态。
<其他实施方式>
到此为止说明了本发明的实施方式，但是本发明可以进行各种应用，进而，除了上述实施方式之外，还可以以各种不同的方式实施。
(第二条件的追加)
成套设备5也能够基于在成套设备5内得到的信息生成第二条件、例如根据成套设备内的状态决定的条件等，基于设定值、第一条件以及第二条件进行作业。
即，在上述实施方式中，成套设备基于所取得的设定值、第一条件以及第二条件进行作业。例如，在成套设备中执行工序1～3的情况下，在各工序的处理中途有可能发生无法变更设定值的情况。作为这种情况下的第二条件的一例，可举出“各工序处理完成后”这样的条件。另外，在过程的控制不稳定的情况下，例如像不稳定时等那样，也可能发生无法变更设定值的情况。作为这种情况下的第二条件的一例，可举出“过程控制的稳定度收敛在规定范围内”这样的条件。
(应用范围)
图1或图2所示的综合管理系统1除了同一成套设备内的产品类别变更之外，还能够应用于跨多个成套设备的最佳化。此时，能够活用CI服务器10上的信息、例如供应商保持的所有成套设备5的信息、需求信息(在联合企业等中有交货目的地的成套设备的情况下，为联合企业的需求方的信息)、与生态系统、供应链相关的信息)。例如，通过优先控制性良好的成套设备、或减少总停止成套设备5的次数、或与运输和生态系统建立关联，能够排除浪费。另外，也能够评价对SDGs的贡献。进而，在生产计划、生产计划的变更、特定成套设备的不正常、停产等的情况下，也能够根据云信息和现场的成套设备5的状况，进行汇总多个成套设备的最佳操作。
(数值等)
在上述实施方式中说明的成套设备、设备、现场设备以及传感器的数量、综合处理的内容、或者第一信息、第二信息、第一条件以及第二条件等的具体例等仅为一例，能够进行变更。此外，在实施方式中说明的流程图也能够在不矛盾的范围内变更处理的顺序。
(系统)
除了特别说明的情况以外，可以任意改变上述说明书、附图中所示的处理步骤、控制步骤、具体名称、包含各种的数据、参数的信息。例如，取得部15A、决定部15B、发送部15C也可以由不同的装置构成。
此外，图示的各装置的各构成要素是功能概念性的要素，不一定需要在物理上如图示那样的构成。即，各装置的分散或合并的具体方式并不限定于图示的方式。即，能够根据各种负载、使用状况等，将其全部或一部分以任意的单位在功能上或物理上分散及合并而构成。
此外，由各装置进行的各处理功能的全部或任意的一部分可以通过CPU(CentralProcessing Unit中央处理器)以及由该CPU分析执行的程序来实现，或者作为基于布线逻辑的硬件来实现。
(硬件)
接着，说明在实施方式中说明的计算机的硬件构成例。图10是说明硬件构成例的图。如图10所示，CI服务器10具有通信装置10a、HDD(Hard Disk Drive硬盘驱动器)10b、存储器10c、处理器10d。此外，图10所示的各部分通过总线等相互连接。
通信装置10a是网络接口卡等，进行与其他服务器的通信。HDD10b存储使图3所示的功能动作的程序、DB等。
处理器10d通过将执行与图3所示的处理部相同的处理的程序从HDD10b等读出并在存储器10c中展开，使执行在图3等中说明的功能的过程动作。例如，该过程执行与CI服务器10所具有的处理部相同的功能。具体而言，处理器10d从HDD10b等读出具有与取得部15A、决定部15B、发送部15C等相同的功能的程序。然后，处理器10d执行过程，该过程执行与取得部15A、决定部15B、发送部15C等相同的处理。
这样，CI服务器10作为通过读出并执行程序来执行成套设备控制方法的信息处理装置而动作。此外，CI服务器10通过介质读取装置从记录介质读出上述程序并执行所读出的上述程序，由此也能够实现与上述实施方式相同的功能。另外，在其他实施方式中所说的程序不限定于由CI服务器10执行的程序。例如，在其他计算机或服务器执行程序的情况下，或者在它们协作执行程序的情况下，也能够同样地应用本发明。
该程序能够经由互联网等网络来分发。此外，该程序能够记录于硬盘、软盘(FD)、CD-ROM、MO(Magneto-Optical disk磁光盘)、DVD(Digital Versatile Disc数字多功能光盘)等计算机可读取的记录介质，通过计算机从记录介质读出来执行。

Claims (7)

1.一种成套设备系统，其特征在于，
所述成套设备系统具备成套设备和云服务器，
所述云服务器包括：
取得部，从所述成套设备取得第一信息，从所述成套设备以外的来源取得第二信息；
决定部，基于所述第一信息以及所述第二信息，决定所述成套设备的设定值、以及用于将所述设定值反映到所述成套设备的第一条件；以及
发送部，向所述成套设备发送所述设定值以及所述第一条件，
所述成套设备基于所述设定值以及所述第一条件进行作业。
2.根据权利要求1所述的成套设备系统，其特征在于，
所述成套设备基于在所述成套设备内得到的信息生成第二条件，基于所述设定值、所述第一条件以及所述第二条件进行作业。
3.根据权利要求1所述的成套设备系统，其特征在于，
所述第一信息包含用于所述成套设备的作业的设备的过程值以及被赋予给所述过程值的所述设备的状态，
所述决定部将被赋予了正常以外的状态的过程值除外，将被赋予了所述正常的状态的过程值输入到模拟器中，由此决定所述成套设备的设定值。
4.根据权利要求1所述的成套设备系统，其特征在于，
所述第二信息包含通过所述成套设备的作业而制造的产品的销售量或需求预测或者天气预报的信息，
所述决定部基于根据正在制造的第一产品的销售量或需求预测或者所述天气预报求出的所述第一产品的销售量或需求预测的减少趋势的梯度，将所述成套设备从所述第一产品的制造向与所述第一产品不同的第二产品的制造变更的定时决定为所述第一条件。
5.根据权利要求1所述的成套设备系统，其特征在于，
所述第二信息包含运输移动体的动态信息，所述运输移动体向交货目的地运输通过所述成套设备的作业而制造的产品，
所述决定部将与根据所述运输移动体的动态信息求出的向所述产品的集货地点的预定到达时间对应的所述成套设备的预定制造完成时间决定为所述第一条件，并且将所述成套设备的预定制造完成时间输入到模拟器中，由此决定所述成套设备的设定值。
6.一种成套设备控制方法，其特征在于，
云服务器进行如下动作：
从成套设备取得第一信息；
从所述成套设备以外的来源取得第二信息；
基于所述第一信息以及所述第二信息，决定所述成套设备的设定值、以及用于将所述设定值反映到所述成套设备的第一条件；以及
向所述成套设备发送所述设定值以及所述第一条件，
所述成套设备基于所述设定值以及所述第一条件进行作业。
7.一种计算机可读取存储介质，记录有成套设备控制程序，其特征在于，
所述成套设备控制程序使云服务器执行如下处理：
从成套设备取得第一信息；
从所述成套设备以外的来源取得第二信息；
基于所述第一信息以及所述第二信息，决定所述成套设备的设定值、以及用于将所述设定值反映到所述成套设备的第一条件；以及
向所述成套设备发送所述设定值以及所述第一条件。
CN202310269195.9A 2022-03-30 2023-03-15 成套设备系统、成套设备控制方法及计算机可读取存储介质 Pending CN116894542A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022-057388 2022-03-30
JP2022057388A JP2023149050A (ja) 2022-03-30 2022-03-30 プラントシステム、プラント制御方法及びプラント制御プログラム

Publications (1)

Publication Number Publication Date
CN116894542A true CN116894542A (zh) 2023-10-17

Family

ID=85511053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310269195.9A Pending CN116894542A (zh) 2022-03-30 2023-03-15 成套设备系统、成套设备控制方法及计算机可读取存储介质

Country Status (4)

Country Link
US (1) US20230315075A1 (zh)
EP (1) EP4254283A1 (zh)
JP (1) JP2023149050A (zh)
CN (1) CN116894542A (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4413534B2 (ja) 2003-06-04 2010-02-10 株式会社東芝 プラント最適運用システム
US9558220B2 (en) * 2013-03-04 2017-01-31 Fisher-Rosemount Systems, Inc. Big data in process control systems
US10386827B2 (en) * 2013-03-04 2019-08-20 Fisher-Rosemount Systems, Inc. Distributed industrial performance monitoring and analytics platform
JP6673227B2 (ja) 2017-01-10 2020-03-25 横河電機株式会社 クラウドサービス制御装置、クラウドサービス制御システム、クラウドサービス制御方法、クラウドサービス制御プログラム及び記録媒体
JP7233964B2 (ja) * 2019-02-26 2023-03-07 三菱重工業株式会社 運転指標提示装置、運転指標提示方法、およびプログラム

Also Published As

Publication number Publication date
JP2023149050A (ja) 2023-10-13
US20230315075A1 (en) 2023-10-05
EP4254283A1 (en) 2023-10-04

Similar Documents

Publication Publication Date Title
Subramaniyan et al. A data-driven algorithm to predict throughput bottlenecks in a production system based on active periods of the machines
Andersson et al. Big data in spare parts supply chains: The potential of using product-in-use data in aftermarket demand planning
KR20180010321A (ko) 예측 모델들의 동적 실행
US20140088865A1 (en) Apparatus and method for predicting arrival times in a transportation network
EP3427200B1 (en) Handling of predictive models based on asset location
Kian et al. Optimal spare parts management for vessel maintenance scheduling
Fazlollahtabar et al. Integration of fault tree analysis, reliability block diagram and hazard decision tree for industrial robot reliability evaluation
EP3907646A1 (en) Operations optimization assignment control system with coupled subsystem models and digital twins
Novaes et al. Dynamic milk-run OEM operations in over-congested traffic conditions
Salem et al. AI-based cloud computing application for smart earthmoving operations
Wang et al. Optimizing the maintenance schedule for a vehicle fleet: a simulation-based case study
El Mekkaoui et al. Deep learning models for vessel’s ETA prediction: bulk ports perspective
Mazurenko et al. Development of a simulation model of a cargo customs complex operation as a link of a logistic supply chain
Dehdari et al. An updated literature review of CO2e calculation in road freight transportation
CN116501002B (zh) 智慧码头载运危险货物集装箱agv安全诱导配置方法
US20230267400A1 (en) Artificially intelligent warehouse management system
CN116308000B (zh) 物流方案评估方法、装置、电子设备及可读存储介质
CN116894542A (zh) 成套设备系统、成套设备控制方法及计算机可读取存储介质
Miranda et al. Handbook of research on computational simulation and modeling in engineering
US11598282B1 (en) Systems and methods for optimizing vessel fuel consumption
US20210390795A1 (en) Distributed System
CN105474252A (zh) 资产管理系统及资产管理方法
US11120174B1 (en) Methods and apparatus for evaluation of combinatorial processes using simulation and multiple parallel statistical analyses of real data
Mandala et al. Advancing Predictive Failure Analytics in Automotive Safety: AI-Driven Approaches for School Buses and Commercial Trucks
Islam et al. Condition-based multi-component maintenance decision support under degradation uncertainties

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