CN116909235A - 一种智能工厂的监控方法及其监控系统、电子设备 - Google Patents

Abstract

本发明公开了一种智能工厂的监控方法及其监控系统、电子设备，所述智能工厂的监控方法包括数据库建立步骤、数据采集步骤、数据统计步骤、报警步骤、风险判断步骤以及实时监控步骤，本发明能够实时采集危险区域的环境数据和重要仪表的工业数据，将实时数据和统计数据都实时显示在中心服务器的显示器上，根据异常数据及时发出报警信号，根据报警级别找出有效的应急预案，第一时间发布给有关人员，以便每个有关人员都能明确自己的工作和权责，实现高效快速的报警响应。

Description

一种智能工厂的监控方法及其监控系统、电子设备

技术领域

本发明涉及安全信息可视化领域，特别涉及一种智能工厂的监控方法及其监控系统、电子设备。

背景技术

物联网(Internet of Things，IoT)、云计算、大数据等新兴信息技术的出现，标志着智能制造时代的到来。而智能和互联的主旨都在于通过充分利用信息通讯技术，把资源、机器、产品和人有机结合在一起，推动制造业向基于大数据分析与应用智能化的方向转型。钢铁工业是自动化程度较高的流程式行业之一，也是发展我国先进制造业、打造先进制造业集群不可或缺的一部分。设备报警功能对于工业产线的正常运转、生产安全，甚至劳动者的生命，企业的财产保障都有着极高的重要性。报警功能的重点就是报警模块的稳定性，报警通知的实时性。

流程工业企业生产过程操作复杂，工艺条件苛刻，近年来事故频发，损失惨重，如何更高效合理地展开企业的安全监控，事故响应及应急救援已经成为研究热点。目前国内生产企业对于安全问题都有一定程度的管控，但大部分还停留在线下人工统计的层面，容易出现信息无法快速共享、线下文档整理杂乱易丢失、数据管理效率低下、异常信息处置不及时、应急处置缓慢等安全风险问题。

发明内容

本发明提供一种智能工厂的监控方法及其监控系统，用以解决现有技术中智能工厂环境下的安全监控响应不及时，需要人工干预或决策的环节较多的技术问题。

为了解决上述技术问题，本发明的实施例公开了如下技术方案：

本发明提供一种智能工厂的监控方法，具体包括数据库建立步骤，数据采集步骤，数据统计步骤，报警步骤，风险判断步骤以及实时监控步骤。

所述数据库建立步骤用以建立数据库，存储智能工厂的地图及至少一种实时数据的报警阈值，每一组报警阈值形成两个以上的报警阈值范围，每一报警阈值范围对应一个报警级别；所述数据采集步骤用以采集智能工厂的至少一种实时数据，包括工作数据及环境数据，所述数据统计步骤是将所述实时数据录入至数据库，根据预设的统计规则生成并发布统计数据；所述报警步骤是将所述实时数据录入至对比器，将每一实时数据与该实时数据对应的报警阈值对比，判断该实时数据是否在一报警阈值范围内，若是，判断该实时数据对应的报警等级，生成并发布报警信息，所述报警信息包括报警等级及该实时数据对应的报警位置；所述风险判断步骤是将所述智能工厂划分为两个以上区域，统计每一区域的报警信息，根据多组报警信息计算每一区域的风险值及判断每一区域的风险趋势；所述实时监控步骤用以判断每一区域的风险值是否大于一预设的风险阈值，若是，判断该区域为重点区域，对所述重点区域进行实时监控。

进一步地，所述数据采集步骤包括传感器设置步骤以及仪表设置步骤。所述传感器设置步骤，在重大危险源及危险区域安装传感器，用以采集环境数据；所述仪表设置步骤，在工厂的部分设备中安装仪表，用以采集设备的工作数据。

进一步地，在所述数据库建立步骤中，预设并存储两种以上的报警原因至所述数据库，每一报警级别对应至少一种报警原因；在所述报警步骤之后，还包括报警原因输出步骤，根据所述报警信息在数据库中搜索与该报警信息匹配的报警原因；当匹配成功时，输出该报警原因。

进一步地，在所述数据库建立步骤中，预设并存储两种以上的应急预案至所述数据库，每一应急预案对应一种报警等级或报警原因；在所述报警步骤之后，还包括应急预案输出步骤，根据所述报警信息在数据库中搜索与该报警信息匹配的应急预案；当匹配成功时，输出该应急预案。

进一步地，所述报警步骤具体包括阈值对比步骤，报警位置判断步骤以及信息发布步骤。

所述阈值对比步骤是将一数据与该数据对应的一组报警阈值进行对比，根据该数据对应的报警阈值范围判定报警等级；所述报警位置判断步骤是根据采集该数据的传感器或仪表的位置，判断该数据对应的报警位置；所述信息发布步骤是将所述报警等级及所述报警位置发送至报警设备和/或报警中心，进行不同等级的报警。

进一步地，所述风险判断步骤具体包括模型建立步骤，风险值计算步骤以及风险趋势预估步骤。

所述模型建立步骤是以多个区域的报警信息及风险值为样本，采用基于蝴蝶模型的保护层风险分析法建立风险值预测模型；所述风险值计算步骤是将同一区域的两个以上报警信息录入至所述风险值预测模型，计算该区域的风险值；所述风险趋势预估步骤是根据同一区域一段时间内风险值制作曲线图，根据该曲线图生成风险趋势变化函数，预估风险变化趋势。

进一步地，在所述数据库建立步骤中，预设并存储风险等级阈值，按照从小到大的顺序分别定义为第一风险阈值及第二风险阈值；在所述风险值计算步骤之后还包括风险等级判断步骤，具体包括如下步骤：当所述风险值小于第一风险阈值时，判定风险等级为安全等级；当所述风险值小于第二风险阈值，且大于第一风险阈值时，判定风险等级为一般等级；当所述风险值大于第二风险阈值时，判定风险等级为重大风险。

本发明还包括一种电子设备，包括存储器以及处理器。所述存储器用于存储可执行程序代码；所述处理器读取所述可执行程序代码，以运行与所述可执行程序代码对应的计算机程序，以执行所述的智能工厂的监控方法中的至少一步骤。

本发明还包括一种智能工厂的监控系统，包括所述电子设备以及中心服务器。所述中心服务器连接至所述电子设备，用以获取实时数据、统计数据、报警信息、每一区域的风险值及每一区域的风险趋势；其中，所述中心服务器包括显示设备，所述显示设备的显示界面包括实时数据界面、统计数据界面、报警界面、异常信息推送界面。

进一步地，所述智能工厂的监控系统还包括客户端，连接至所述中心服务器，并与所述中心服务器实现双向通信。

按照工业物联网的要求，在设备发生故障，设备数据不在安全阈值范围内时，物联网平台、报警设备及相关负责人都要收到通知，并且能够及时查看报警数据，了解设备状态并对其进行相关处理，以免造成严重后果。

本发明的优点在于，提供一种智能工厂的监控方法及其监控系统、电子设备，实时采集危险区域的环境数据和重要仪表的工业数据，将实时数据和统计数据都实时显示在中心服务器的显示器上，根据异常数据及时发出报警信号，根据报警级别找出有效的应急预案，第一时间发布给有关人员，以便每个有关人员都能明确自己的工作和权责，实现高效快速的报警响应。

本发明能够判断智能工厂中每一区域的风险值及风险变化趋势，从而确保对高危的重点区域进行实时监控。

本发明结合安全应急预案和采集的信息，对事故演化态势在智能工厂的地图上进行实时可视化呈现，并采用信息可视化与交互方式，实现应急预案与现场事故的快速匹配，最终对应急抢险工作流进行可视化呈现，从而实现工厂安全信息多场景可视化以及应急预案可视化，提升工厂安全抢险决策可视化水平和效率。

附图说明

下面结合附图和具体实施例，对本发明的技术方案进行详细的说明。

图1为本发明实施例提供的智能工厂的监控系统的结构示意图

图2为本发明实施例提供的电子设备的结构示意图；

图3为本发明的实施例提供的智能工厂的监控方法流程图；

图4为本发明实施例提供的数据采集步骤方法流程图；

图5为本发明实施例提供的报警步骤方法流程图；

图6为本发明实施例提供的风险判断步骤方法流程图；

图中标识如下：

电子设备100，存储器110，处理器120；

智能工厂监控系统200，中心服务器210，客户端300。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本实施例提供一种智能工厂监控系统200，包括电子设备100、中心服务器210及客户端300。

本实施例中，在智能工厂的重大危险源及危险区域安装传感器，用以采集环境数据；所述环境数据包括但不限于煤气浓度、温度及湿度等；本实施例中，在智能工厂的部分设备中安装仪表，用以采集部分重要设备的工作数据，所述工作数据包括但不限于压力值(水压或气压)、液位值及电流值等等。

中心服务器210位于智能工厂的智慧运营中心，中心服务器210连接至电子设备100，本实施例的电子设备优选一台或多台PC计算机，也可以为其他种类的数据处理设备。中心服务器210从电子设备100获取实时数据、统计数据、报警信息、每一区域的风险值及每一区域的风险趋势；中心服务器210包括一个或多个显示设备，显示设备的显示界面包括实时数据界面、统计数据界面、报警界面、异常信息推送界面等等。智慧运营中心的值守人员，根据中心服务器的显示界面从而实时了解智能工厂各个区域是否存在异常情况、报警等级及报警原因或事故原因。

客户端300无线连接至中心服务器210，并与中心服务器210实现双向通信，在本实施例中，客户端300可以为手机或笔记本电脑，被智能工厂的工作人员所掌控。客户端300可以发送请求指令和作业信息至中心服务器210；中心服务器210根据所述请求指令的内容反馈指令和信息，以便一线的工作人员都能清楚自己的工作内容。

在危险作业流程中，智能工厂的工作人员A通过客户端300发送危险作业申请，其主管人员B利用另一客户端进行作业审批，工作人员A被批准后进行危险作业实施，并记录于客户端300。多个工作人员的客户端300的作业数据汇总至智慧运营中心的中心服务器210，中心服务器210进行作业实施率统计，将危险作业信息列表，在作业地图(智能工厂的地图)打点，进行作业数量统计，这些信息都可以显示在中心服务器210的显示设备上。

在隐患排查治理流程中，智能工厂的工作人员逐项排查安全隐患，通过客户端300将隐患检查结果上报，对有安全隐患的设备进行检修和维护，隐患处理，并记录于客户端300。多个工作人员的客户端300的作业数据汇总至智慧运营中心的中心服务器210，进行后期的进度跟踪和预警、隐患数量统计、隐患信息列表及作业地图打点，这些信息都可以显示在中心服务器210的显示设备上。

在危险区域管理流程中，通过二道门系统进行危险区域的人员、车辆管理，通过另一种形式的客户端，如车牌采集系统或身份识别设备，进行人员、车辆的身份信息采集。多个二道门系统采集到人员或车辆身份信息汇总到中心服务器210或电子设备100中的业务系统中进行统计分析，对于进出厂区的实时人员、车辆进行基础信息展示或实时数量展示，当人员、车辆实时数量超过一预设阈值时，进行超限预警，对于预警数量进行统计分析，这些信息都可以显示在中心服务器210的显示设备上。

在应急管理流程中，电子设备100实时获取环境数据及工作数据，如果上述数据在预设阈值范围内，说明设备的工作状态正常，进入正常模式。智慧运营中心的工作人员可以在此模式下人为调用应急预案展示信息、应急力量展示信息、应急事件分类统计信息，应急演练展示信息等，可以通过中心服务器210的显示设备看到这些信息，智能工厂的工作人员可以通过客户端300从中心服务器获取这些信息。

如果电子设备100实时获取的环境数据及工作数据在预设阈值范围之外，电子设备100会发布报警信号，分析其报警等级及报警原因，电子设备100或中心服务器210根据报警信号从数据库中挑选及调用与该报警信号匹配的应急预案，进入接警模式。智慧运营中心的工作人员可以在此模式下人为调用或自动调用应急时间展示信息、现场应急物资展示信息、警戒区域展示信息、处置流程实时跟踪信息及现场监控展示信息等，可以通过中心服务器210的显示设备看到这些信息，智能工厂的工作人员可以通过客户端300从中心服务器获取这些信息。

基于前文所述的智能工厂监控系统200，本发明还提供一种智能工厂的监控方法，其为一种软件方法，用以监控煤气等重大危险源的实时数据。

如图2所示，智能工厂监控系统200中的电子设备100，包括存储器110以及处理器120。存储器110用于存储可执行程序代码；处理器120读取所述可执行程序代码，以运行与所述可执行程序代码对应的计算机程序，以执行所述智能工厂的监控方法中的至少一步骤。

如图3所示，所述智能工厂的监控方法具体包括步骤S1)数据库建立步骤，步骤S2)数据采集步骤，步骤S3)数据统计步骤，步骤S4)报警步骤，步骤S5)报警原因输出步骤，步骤S6)应急预案输出步骤，步骤S7)风险判断步骤以及步骤S8)实时监控步骤。

步骤S1)数据库建立步骤，建立数据库，存储智能工厂的地图及至少一种实时数据的报警阈值，每一组报警阈值形成两个以上的报警阈值范围，每一报警阈值范围对应一个报警级别，在本实施例中，所述地图为2D或3D的智能工厂的厂区地图。以所述实时数据为煤气浓度为例，设置煤气浓度的一组报警阈值为24PPm、48PPm、500PPm，其报警阈值范围为0-24PPm，24-48PPm，48-500PPm以及500PPm以上。在步骤S1)数据库建立步骤中，每一种重大危险源的数据设置都三个报警阈值，按照从小到大的顺序分别定义为第一报警阈值、第二报警阈值及第三报警阈值。

在步骤S1)数据库建立步骤中，预设并存储两种以上的报警原因至所述数据库，每一报警级别对应至少一种报警原因，报警原因信息包括正常排放、泄漏、飘散、误报、仪表(故障或不准)、其它等几种。

在步骤S1)数据库建立步骤中，预设并存储两种以上的应急预案至所述数据库，每一应急预案对应一种报警等级或报警原因。

在步骤S1)数据库建立步骤中，预设并存储风险等级阈值，按照从小到大的顺序分别定义为第一风险阈值及第二风险阈值，在本实施例中，所述第一风险阈值为80，所述第二风险阈值为30。

步骤S2)数据采集步骤，采集智能工厂的至少一种实时数据，包括工作数据及环境数据，环境数据包括煤气浓度、温度、湿度，工作数据包括压力值(水压或气压)、液位值及电流值等。

如图4所示，步骤S2)数据采集步骤包括步骤S21)传感器设置步骤以及步骤S22)仪表设置步骤。

步骤S21)传感器设置步骤是在重大危险源及危险区域安装传感器，用以采集环境数据，如固定式煤气报警器采集的煤气浓度相关信息，重大危险源及危险区域的温度及湿度等相关信息；步骤S22)仪表设置步骤是在工厂的部分设备中安装仪表，用以采集设备的工作数据，如容易出现危险问题的压力设备中的压力信息、水压设备中液位信息或电子部件中的电流值等。数据采集步骤中采集设备(传感器或仪表)的位置数据也需要上传并存储。

步骤S3)数据统计步骤，所述数据统计步骤是将所述实时数据录入至数据库，根据预设的统计规则生成并发布统计数据，统计数据的信息包括步骤S2中多个危险区域或危险源的大量环境数据及工作数据，包括重大危险源的液位、温度以及压力等仪表信息，危险区域内相关的仪表信息以及定位重大危险源和危险区域在3D地图上的位置信息等。数据统计并不是仅统计当前时刻的数据，还包括之前一定时间段内采集的历史数据，工作人员可以从统计结果中判断出容易出现报警事件的危险区域或高危设备，对其进行重点监控。

步骤S4)报警步骤，将所述实时数据录入至对比器，将每一实时数据与该数据对应的报警阈值对比，判断该实时数据是否在一报警阈值范围内，若是，判断该实时数据对应的报警等级，生成并发布报警信息，所述报警信息包括报警等级及该数据对应的报警位置。所述对比器也可以被称为规则引擎，其中存储有关于不同种类数据的阈值范围，不同种类的数据其对比规则不同。

如图5所示，步骤S4)报警步骤具体包括步骤S41)阈值对比步骤，步骤S42)报警位置判断步骤以及步骤S43)信息发布步骤。

步骤S41)阈值对比步骤，将一实时数据与该实时数据对应的一组报警阈值进行对比，根据该实时数据对应的报警阈值范围判定报警等级。

在本实施例中，实时跟踪工厂安全信息及业务系统模块传来的数据，并进行事故演变态势分析；根据事故分析结果，将被监测的数据与其他数据绘制到坐标系中，观察其对应关系，横坐标为其他数据，纵坐标为被监测的数据，在坐标系中根据被监测的数据和报警规则，报警规则可根据实际情况采用行业标准绘制逼近曲线并将曲线转化为数学方程式的形式，具体方程式可采用三次样条法或其他的插值算法，通过采样点的坐标值进行计算，将方程式保存到报警阈值设置处，报警阈值设置此时是一个方程式，在实时监测时，每次通过给定的相关参数计算报警阈值。

所述三次样条插值方法为：假设有以下节点x：a＝x0＜x1＜...＜xn＝b y:y0y1...yn样条曲线S(x)是一个分段定义的公式,给定n+1个数据点，共有n个区间，三次样条方程满足以下条件：a.在每个分段区间[xi，xi+1](i＝0，1，...，n-1，x递增)，S(x)＝Si(x)都是一个三次多项式b.满足S(xi)＝yi(i＝0，1，...，n)c.S(x)，导数S′(x)，二阶导数S″(x)在[a，b]区间都是连续的，即S(x)曲线是光滑的，所以n个三次多项式分段可以写作：Si(x)＝ai+bi(x-xi)+ci(x-xi)2+di(x-xi)3，i＝0，1，...，n-1其中ai，bi，ci，di代表4n个未知系数。

在步骤S41)阈值对比步骤中，当所述阈值大于等于第一报警阈值，且小于第二报警阈值时，进行一级报警；当所述阈值大于等于第二报警阈值，且小于第三报警阈值时，进行二级报警；当所述阈值大于等于第三报警阈值，进行公司级报警。以所述实时数据为煤气浓度为例，若某一场景采集到的实时数据为煤气浓度，当煤气浓度低于24PPm时，为安全状态；当煤气浓度为24-48PPm的任一数值时，为一级报警；当煤气浓度为48-500PPm的任一数值时，为二级报警；当煤气浓度为500PPm以上时，为公司级报警。

步骤S42)报警位置判断步骤，根据采集该数据的传感器或仪表的位置，判断该数据对应的报警位置，在本实施例中，即在3D地图上对各生产厂和重要区域的监测点位和报警数量进行展示和定位，操作人员可以点击打点点位查看详细信息弹窗，当发生报警时根据报警点位自动匹配地图位置并自动弹出报警弹窗提示操作人员及时处置报警情况。

操作人员进行隐患排查、处理，并且通过手机终端上报排查结果，中心服务器对隐患进行跟踪预警，对隐患数量进行统计，生成隐患信息列表，并在3D地图上作业打点，对隐患进行展示和定位。

操作人员对隐患进行处理时，需在手机终端向中心服务器进行危险作业申请，中心服务器对危险作业申请进行审批，操作人员对危险作业实施情况上报至中心服务器，中心服务器对危险作业实施率进行统计，对危险作业信息进行统计，生成危险作业信息列表，并在3D地图上作业打点，对危险作业信息进行展示和定位。

步骤S43)信息发布步骤，电子设备100将所述报警等级及所述报警位置发送至报警设备和/或中心服务器，进行不同等级的报警。报警设备可以为报警装置，如蜂鸣器、红灯等，也可以与采集数据的传感器或仪表制作为一体化设备，接受报警信号后做出响应。报警信息可以通过中心服务器210第一时间发送至客户端300，让附近的每个工作人员都知道报警信息。

步骤S5)报警原因输出步骤，根据所述报警信息在数据库中搜索与该报警信息匹配的报警原因；当匹配成功时，输出该报警原因至报警设备和/或中心服务器。中心服务器可以将报警原因发送至智能工厂中特定工作人员的客户端中，比如距离危险源最近的工作人员或专职检修人员，以便此人可以在最短时间内做出检修作业。

步骤S6)应急预案输出步骤，根据所述报警信息在数据库中搜索与该报警信息匹配的应急预案；当匹配成功时，输出该应急预案至报警设备和/或中心服务器。中心服务器可以将与上述报警信息相应的应急预案发送至智能工厂中特定工作人员的客户端中，比如距离危险源比较近的多个工作人员，以便每个人都可以在最短时间内知道自己应该做什么，应该怎么做。

步骤S7)风险判断步骤，将所述智能工厂划分为两个以上区域，统计每一区域的报警信息，根据多组报警信息计算每一区域的风险值及判断每一区域的风险趋势。所述多组报警信息包括报警数值，报警等级，报警次数，报警原因，报警时长，报警间隔时长变化以及报警频次变化趋势。

在本实施例中，以煤气报警为例，煤气报警仪监测的数值大小，直观反映当前点位附近的煤气泄漏浓度，数值越大，可能导致的危害越大，隐患越大；根据报警数值确定煤气报警等级，反映点位的煤气泄漏程度。报警数值越大，等级越高，隐患越大，对应的处置要求和方案越严格，煤气含量24PPm以下时，为安全状态；24-48PPm时，为一级报警；48-500PPm时，为二级报警；500PPm以上时，为公司级报警；单位时间内的煤气报警次数。报警次数越多，说明煤气泄漏风险大，或者管控不到位，隐患较大，可以按点位或按区域两个方面进行评估按点位时，单位时间内该点位报警次数过多，可以认为该点位有安全隐患；按区域时，单位时间内该区域所有报警点位报警次数过多，可以认为该区域存在安全隐患；针对每次报警产生的原因进行统计分析，筛选某点位或区域产生煤气报警的原因占比，后期某点位或区域具备产生煤气报警的原因条件时，可以列为隐患评估参考；每次报警的持续时间，持续时间越长，隐患越大；根据煤气安全隐患评估模型的影响因素，确定评估指标，然后确定各评估指标的权重，最后建立隐患评估模型；两次报警之间间隔的时间变化；报警间隔时长呈不断下降趋势，说明报警时间缩短，判断风险增大，进行预警相比以往，单位时间内的报警次数变化；报警频次明显上升时，判断风险增大，进行预警。

如图6所示，步骤S7)风险判断步骤具体包括步骤S71)模型建立步骤，步骤S72)风险值计算步骤，步骤S73)风险等级判断步骤以及步骤S74)风险趋势预估步骤。

步骤S71)模型建立步骤，以多个区域的报警信息及风险值为样本，采用现有的基于蝴蝶模型的保护层风险分析法，建立风险值预测模型。所述风险值预测模型通过报警数值，报警等级，报警次数，报警原因，报警时长，报警间隔时长变化以及报警频次变化趋势等报警信息进行风险值预测，计算风险值。所述保护层风险分析法(LOPA)是半定量的工艺危害分析方法之一，用于确定发现的危险场景的危险程度，定量计算事故或危害发生的概率，也就是定量计算风险值。如果发现保护措施不足，可以推算出需要的保护措施的等级，可以根据风险值寻找恰当的保护措施以降低风险。在蝴蝶模型的左半边翅膀描述故障树，即事故的原因(报警原因)；蝴蝶的右半边翅膀描述事故迁移树，即事故的后果。这一蝴蝶模型将关键事件、基本事件、中间事件等全部联系在一起，分析和决策专家可以在左半边翅膀看到预防控制措施，可以在右半边翅膀看到减缓控制措施。保护层风险分析法(LOPA)为现有技术，在此不做赘述。

步骤S72)风险值计算步骤，将同一区域的两个以上报警信息录入至所述风险值预测模型，计算该区域的风险值。

所述风险值预测模型用于获取报警信息中存储的时间序列数据，实现对服务器中的目标的风险阈值大小的监测，判断此时获取的报警信息的风险等级，所述时间序列数据中存储有所述目标监测报警信息的历史监测数据，即报警数值，报警等级，报警次数，报警原因，报警时长，报警间隔时长变化以及报警频次变化趋势；从所述时间序列数据中提取所述历史监测数据；利用风险值预测模型，对所述历史监测数据进行分析，获得所述报警信息在不同时间点和/或不同时间段内的风险值。

时间序列，是一组按照时间发生先后顺序进行排列的数据点序列。通常一组时间序列的时间间隔为一恒定值(如1秒、5分钟、12小时、7天、1年、等等)，因此，时间序列可以作为离散时间数据进行分析处理。时间序列广泛应用于数理统计、信号处理、模式识别、计量经济学、数学金融、天气预报、地震预测、脑电图、控制工程、航空学、通信工程以及绝大多数涉及到时间数据测量的应用合理与工程学。

所述风险值预测模型用于对服务器中的多项监测指标(例如：CPU使用率，硬盘使用率、各种业务的实时数据、等等)进行监测，并将监测到的历史监测数据按照时间先后顺序存储起来，即获得上述时间序列数据。同时，每个监测指标都需要一个预设的风险阈值，当某一监测指标达到该预设的风险阈值，则需要进行风险等级提示。

在具体实施过程中，所述风险值预测模型是周期性执行的。若每3天执行一次，在每次执行时，则获取前3天的目标监测指标的历史监测数据；若每5天执行一次，在每次执行时，则获取前5天的目标监测指标的历史监测数据。

再从时间序列数据中提取历史监测数据，利用机器学习模型，对历史监测数据进行分析，获得监测指标在不同时间点和/或不同时间段内的风险值。

步骤S73)风险等级判断步骤，当所述风险值大于第一风险阈值80时，判定风险等级为安全等级；当所述风险值小于第一风险阈值80，大于第二风险阈值30时，判定风险等级为一般风险等级；当所述风险值小于第二风险阈值30且大于0时，判定风险等级为重大风险等级。

步骤S74)风险趋势预估步骤，根据同一区域一段时间内风险值制作曲线图，根据该曲线图生成风险趋势变化函数，预估风险变化趋势。

步骤S8)实时监控步骤，判断每一区域的风险值是否大于一预设的风险阈值，若是，判断该区域为重点区域，对所述重点区域进行实时监控。

在本实施例中，步骤S5)～S8)可以在同一电子设备100中执行，在其他实施例中，步骤S1)～S4)可以由电子设备100来执行，步骤S5)～S8)可以由中心服务器210来执行。

本发明的优点在于，提供一种智能工厂的监控方法及其监控系统、电子设备，实时采集危险区域的环境数据和重要仪表的工业数据，将实时数据和统计数据都实时显示在中心服务器的显示器上，根据异常数据及时发出报警信号，根据报警级别找出有效的应急预案，第一时间发布给有关人员，以便每个有关人员都能明确自己的工作和权责，实现高效快速的报警响应。

本发明结合安全应急预案和采集的信息，对事故演化态势在地图上进行实时可视化呈现，并采用信息可视化与交互方式，实现应急预案与现场事故的快速匹配，最终对应急抢险工作流进行可视化呈现，从而实现工厂安全信息多场景可视化以及应急预案可视化，提升工厂安全抢险决策可视化水平和效率。

以上对本申请实施例所提供的一种智能工厂的监控方法及其监控系统、电子设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种智能工厂的监控方法，其特征在于，具体包括如下步骤：

数据库建立步骤，建立数据库，存储智能工厂的地图及至少一种实时数据的报警阈值，每一组报警阈值形成两个以上的报警阈值范围，每一报警阈值范围对应一个报警级别；

数据采集步骤，采集智能工厂的至少一种实时数据，包括工作数据及环境数据；

数据统计步骤，将所述实时数据录入至数据库，根据预设的统计规则生成并发布统计数据；

报警步骤，将所述实时数据录入至对比器，将每一实时数据与该实时数据对应的报警阈值对比，判断该实时数据是否在一报警阈值范围内，若是，判断该实时数据对应的报警等级，生成并发布报警信息，所述报警信息包括报警等级及该实时数据对应的报警位置；

风险判断步骤，将所述智能工厂划分为两个以上区域，统计每一区域的报警信息，根据多组报警信息计算每一区域的风险值及判断每一区域的风险趋势；以及

实时监控步骤，判断每一区域的风险值是否大于一预设的风险阈值，若是，判断该区域为重点区域，对所述重点区域进行实时监控。

2.如权利要求1所述的智能工厂的监控方法，其特征在于，

所述数据采集步骤包括：

传感器设置步骤，在危险源及危险区域安装传感器，用以采集环境数据；所述环境数据包括但不限于煤气浓度、温度及湿度；以及

仪表设置步骤，在智能工厂的部分设备中安装仪表，用以采集设备的工作数据，所述工作数据包括但不限于压力值、液位值及电流值。

3.如权利要求1所述的智能工厂的监控方法，其特征在于，

在所述数据库建立步骤中，预设并存储两种以上的报警原因至所述数据库，每一报警级别对应至少一种报警原因；

在所述报警步骤之后，还包括报警原因输出步骤，根据所述报警信息在数据库中搜索与该报警信息匹配的报警原因；当匹配成功时，输出该报警原因。

4.如权利要求1所述的智能工厂的监控方法，其特征在于，

在所述数据库建立步骤中，预设并存储两种以上的应急预案至所述数据库，每一应急预案对应一种报警等级或报警原因；

在所述报警步骤之后，还包括应急预案输出步骤，根据所述报警信息在数据库中搜索与该报警信息匹配的应急预案；当匹配成功时，输出该应急预案。

5.如权利要求1所述的智能工厂的监控方法，其特征在于，

所述报警步骤具体包括如下步骤：

阈值对比步骤，将一数据与该数据对应的一组报警阈值进行对比，根据该数据对应的报警阈值范围判定报警等级；

报警位置判断步骤，根据采集该数据的传感器或仪表的位置，判断该数据对应的报警位置；以及

信息发布步骤，将所述报警等级及所述报警位置发送至报警设备和/或报警中心，进行不同等级的报警。

6.如权利要求1所述的智能工厂的监控方法，其特征在于，

所述风险判断步骤具体包括如下步骤：

模型建立步骤，以多个区域的报警信息及风险值为样本，采用基于蝴蝶模型的保护层风险分析法建立风险值预测模型；

风险值计算步骤，将同一区域的两个以上报警信息录入至所述风险值预测模型，计算该区域的风险值；

风险趋势预估步骤，根据同一区域一段时间内风险值制作曲线图，根据该曲线图生成风险趋势变化函数，预估风险变化趋势。

7.如权利要求1所述的智能工厂的监控方法，其特征在于，

在所述数据库建立步骤中，预设并存储风险等级阈值，按照从小到大的顺序分别定义为第一风险阈值及第二风险阈值；

在所述风险值计算步骤之后，还包括

风险等级判断步骤，具体包括如下步骤：

当所述风险值小于第一风险阈值时，判定风险等级为安全等级；

当所述风险值小于第二风险阈值，且大于第一风险阈值时，判定风险等级为一般等级；以及

当所述风险值大于第二风险阈值时，判定风险等级为重大风险。

8.一种电子设备，其特征在于，包括

存储器，用于存储可执行程序代码；

处理器，读取所述可执行程序代码，以运行与所述可执行程序代码对应的计算机程序，以执行权利要求1-7中任一项所述的智能工厂的监控方法中的至少一步骤。

9.一种智能工厂的监控系统，其特征在于，包括

如权利要求8所述的电子设备；以及

中心服务器，连接至所述电子设备，用以获取实时数据、统计数据、报警信息、每一区域的风险值及每一区域的风险趋势；所述中心服务器包括显示设备。

10.如权利要求9所述的智能工厂的监控系统，其特征在于，还包括

客户端，连接至所述中心服务器，并与所述中心服务器实现双向通信。