CN116976861B - 一种铜管生产车间设备的养护数据管理方法及系统 - Google Patents
一种铜管生产车间设备的养护数据管理方法及系统 Download PDFInfo
- Publication number
- CN116976861B CN116976861B CN202311018689.6A CN202311018689A CN116976861B CN 116976861 B CN116976861 B CN 116976861B CN 202311018689 A CN202311018689 A CN 202311018689A CN 116976861 B CN116976861 B CN 116976861B
- Authority
- CN
- China
- Prior art keywords
- equipment
- data
- maintenance
- regional
- area
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 159
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 78
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 title claims abstract description 54
- 229910052802 copper Inorganic materials 0.000 title claims abstract description 54
- 239000010949 copper Substances 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000013523 data management Methods 0.000 title claims abstract description 16
- 230000000737 periodic effect Effects 0.000 claims abstract description 23
- 230000008439 repair process Effects 0.000 claims abstract description 9
- 238000012800 visualization Methods 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 19
- 230000001419 dependent effect Effects 0.000 claims description 17
- 238000012417 linear regression Methods 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 238000012804 iterative process Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005868 electrolysis reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及智慧车间技术领域，尤其涉及一种铜管生产车间设备的养护数据管理方法及系统，方法包括：对铜管生产车间设备按照生产要求进行区域划分，并获得区域划分方案；根据区域划分方案对各个区域内的设备进行设备参数采集，获得区域设备阶段性数据；建立设备信息数据库，对区域设备阶段性数据进行存储并管理；调取设备信息数据库中的区域设备阶段性数据，对设备养护周期进行预测，获得设备养护结果；将设备养护结果进行可视化，并判断各个区域内的设备是否需要养护或维修。通过本发明，有效解决了实际生产过程中问题发现不及时、故障分析不准确等问题，提高了设备运行效率，减少了故障停机时间，有效优化设备的养护，提升了核心产能。
Description
技术领域
本发明涉及智慧车间技术领域，尤其涉及铜管生产车间设备的养护数据管理方法及系统。
背景技术
获得成品铜管的生产过程通常包含电解、熔炼、铣面、三辊旋轧、联拉、盘拉、退火等一系列加工流程，工序繁多，所需用到得生产加工设备也因而十分多元化。在实际生产加工过程中，为了保证生产线的流畅，对各类设备的养护显得格外重要。
然而，由于加工设备的种类繁杂，一旦一个生产环节的设备出现故障，就会导致整个生产线陷入崩溃，影响生产进度。并且面临故障时还存在问题发现不及时、故障分析不准确等问题，容易将小问题放大化。
公开于该背景技术部分的信息仅仅旨在加深对本公开总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成本领域技术人员所公知的现有技术。
发明内容
本发明提供了铜管生产车间设备的养护数据管理方法及系统，可有效解决背景技术中的问题。
为了达到上述目的，本发明所采用的技术方案是：
铜管生产车间设备的养护数据管理方法，所述方法包括：
对铜管生产车间设备按照生产要求进行区域划分，并获得区域划分方案；
根据所述区域划分方案对各个区域内的设备进行设备参数采集，并获得区域设备阶段性数据；
建立设备信息数据库，对所述区域设备阶段性数据进行存储并管理；
调取所述设备信息数据库中的区域设备阶段性数据，并根据所述区域设备阶段性数据对设备养护周期进行预测，获得设备养护结果；
将所述设备养护结果进行可视化，并根据所述可视化对各个区域内的设备状态进行判断，通过判断结果对所述各个区域内的设备进行对应的养护或维修。
进一步地，所述对铜管生产车间设备按照生产要求进行区域划分，并获得区域划分方案，包括：
根据所述铜管生产车间设备之间的相互作用和依赖关系对所述铜管生产车间设备进行分组，得到设备分组结果；
获得所述铜管生产车间设备的养护项目信息；
根据所述设备分组结果和所述养护项目信息对所述铜管生产车间设备按照生产要求进行区域划分，并获得区域划分方案。
进一步地，所述根据所述区域划分方案对各个区域内的设备进行设备参数采集，并获得区域设备阶段性数据，包括：
根据所述铜管生产车间设备的养护项目信息，对每个区域内设备参数进行采集，获得第一区域设备数据；
采集所述每个区域内的环境数据，获得第二区域设备数据；
确定设备养护周期，且所述第一区域设备数据和第二区域设备数据的采集对应所述设备养护周期；
将所述第一区域设备数据和所述第二区域设备数据进行对应整合，获得所述区域设备阶段性数据。
进一步地，所述建立设备信息数据库，对所述区域设备阶段性数据进行存储并管理，包括：
确定需要存储的所述区域设备阶段性数据，并设计所述设备信息数据库表的字段和数据类型；
基于设计好的表结构，在所述数据库中创建相应的表来存储数据；
对所述区域设备阶段性数据采用聚类算法分类，得到不同的所述区域设备阶段性数据簇；
使用数据录入界面输入所述区域设备阶段性数据簇，并将所述区域设备阶段性数据簇保存到所述数据库中的不同表中进行存储和管理。
进一步地，所述区域设备阶段性数据进行存储并管理，可以进一步包括：
使用数据查询语句，根据所述区域设备阶段性数据的变化，对数据库中的数据进行更新操作；
根据一个或多个字段为所述设备信息数据库创建索引，进行排序和组织；
对所述设备信息数据库进行定期备份，备份数据用于灾难恢复和数据回滚操作。
对所述设备信息数据库进行加密处理，设定数据访问权限。
进一步地，调取所述设备信息数据库中的区域设备阶段性数据，并根据所述区域设备阶段性数据对设备养护周期进行预测，获得设备养护结果，包括：
从设备信息数据库中调取所需的区域设备阶段性数据，设置解释变量和因变量；
其中，所述解释变量为所述区域设备阶段性数据中的不同参数变量，所述因变量为设备养护周期预测结果；
将所述解释变量按列组成一个矩阵X，所述矩阵为；
其中每一行对应一个样本，每一列对应一个所述解释变量，其中，n是样本数量，k是所述解释变量的数量；
将因变量以列向量的形式组成向量Y，每个样本的因变量与解释变量的相应行对应；
使用最小二乘法估计多元线性回归模型的系数b0，b1，b2，……，bn，所述估计系数b的计算公式为：
b＝(X^T*X)^(-1)*X^T*Y
其中，X^T表示矩阵X的转置，(X^T*X)^(-1)表示矩阵X与其转置乘积的逆矩阵；
根据得到的所述估计系数b构建所述多元线性回归模型：
Y＝b0+b1*1+b2*2+…bn*n；
输入新的解释变量数据到自变量矩阵X中，利用所述多元线性回归模型预测所述设备养护周期，对所述设备养护周期进行分析调整，获得所述设备养护结果。
进一步地，所述将所述设备养护结果进行可视化，并根据所述可视化对各个区域内的设备状态进行判断，通过判断结果对所述各个区域内的设备进行对应的养护或维修，包括：
对所述设备养护结果使用可视化工具生成图表，获得设备状态；
设定针对不同区域的标准化阈值，所述标准化阈值为设备状态判断提供基准；
通过可视化结果对所述各个区域内的设备状态进行判断，若判断结果低于该区域的所述标准化阈值则需进行养护，若高于该区域的所述标准化阈值则进行维修。
进一步地，所述将所述设备养护结果进行可视化，包括：
对所述设备信息数据库进行所述设备养护结果的数据提取；
使用可视化工具，对所述设备养护结果数据进行预处理和转换；
使用所述可视化工具，根据数据和设计，绘制设备养护结果直方图；
根据所述不同区域的设备差异，为所述图表添加交互和动态效果，生成可视化图表。
铜管生产车间设备的养护数据管理系统，所述系统包括：
区域划分模块，对铜管生产车间设备按照生产要求进行区域划分，并获得区域划分方案；
数据采集模块，根据所述区域划分方案对各个区域内的设备进行设备参数采集，并获得区域设备阶段性数据；
信息数据库，建立设备信息数据库，对所述区域设备阶段性数据进行存储并管理；
设备养护模块，调取所述设备信息数据库中的区域设备阶段性数据，并根据所述区域设备阶段性数据对设备养护周期进行预测，获得设备养护结果；
状态判断模块，将所述设备养护结果进行可视化，并根据所述可视化对各个区域内的设备状态进行判断，通过判断结果对所述各个区域内的设备进行对应的养护或维修。
进一步地，所述状态判断模块包括：
信息可视化单元，对所述设备养护结果使用可视化工具生成图表，获得设备状态；
阈值设定单元，设定针对不同区域的标准化阈值，所述标准化阈值为设备状态判断提供基准；
状态判断单元，通过可视化结果对所述各个区域内的设备状态进行判断，若判断结果低于该区域的所述标准化阈值则需进行养护，若高于该区域的所述标准化阈值则进行维修。
通过本发明的技术方案，可实现以下技术效果：
有效解决了车间设备在实际生产过程中问题发现不及时、故障分析不准确等问题，提高了设备运行效率，减少了故障停机时间，有效优化设备的养护，提升了核心产能。
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
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为铜管生产车间设备的养护数据管理方法的流程示意图；
图2为获得区域划分方案的流程示意图；
图3为获得区域设备阶段性数据的流程示意图；
图4为对区域设备阶段性数据存储和管理的流程示意图；
图5为获得设备养护结果的流程示意图；
图6为获得设备状态判断结果的流程示意图；
图7为铜管生产车间设备的养护数据管理系统的结构示意图；
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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
如图1所示，本申请提供了一种铜管生产车间设备的养护数据管理方法，方法包括：
S100：对铜管生产车间设备按照生产要求进行区域划分，并获得区域划分方案；
具体而言，了解铜管生产车间的相关生产要求和流程，包括设备之间的依赖关系、工艺流程、工作负荷等信息，实地调研铜管生产车间，观察设备布置、操作流程以及可能的生产风险点，收集数据并记录下地理位置、设备名称和编号等关键信息，基于设备用途、重要性、工作流程等因素，确定划分区域的标准，结合划分区域的标准和调研数据，设计具体的区域划分方案，可以使用图纸、平面布局或软件工具来可视化和规划不同区域的设备布局和关系。
S200：根据区域划分方案对各个区域内的设备进行设备参数采集，并获得区域设备阶段性数据；
具体而言，根据设备的特点和养护需求，确定需要采集的设备参数，一般而言，采集的参数包括温度、压力、振动、电流。选择适合采集设备参数的方法和设备，例如传感器、测量仪器等，确保选择的采集设备能够准确地测量并记录所需的参数值。根据设备的工作状态和生产周期，设置合适的采集频率和时间间隔，使用采集设备按照预定计划采集设备的参数数据，保证数据的准确性和完整性。将采集到的参数数据记录下来，综合其他数据因素，得到区域设备阶段性数据。
S300：建立设备信息数据库，对区域设备阶段性数据进行存储并管理；
具体而言，根据需求设计包括设备ID、参数值、采集时间、区域等字段的表格，并与其他相关数据进行关联，使用适当的数据库管理系统创建数据库，按照设计好的结构创建相应的表格，将之前采集到的区域设备阶段性数据录入到数据库中，按照设备ID、参数值、采集时间和区域等字段，逐条将数据导入数据库，可以使用数据库工具或编程语言来批量导入数据，以提高效率；定期维护和更新数据库，这包括数据的备份、恢复、查询等操作。
S400：调取设备信息数据库中的区域设备阶段性数据，并根据区域设备阶段性数据对设备养护周期进行预测，获得设备养护结果；
具体而言，编写查询语句或使用数据库工具，从设备信息数据库中提取需要的区域设备阶段性数据；对获取到的数据进行清洗和处理，确保数据的质量和完整性；根据设备养护周期的特点和需求，选择适当的预测模型或算法，常用的方法包括时间序列分析、机器学习算法和统计模型等，基于历史数据和相关特征，建立设备养护周期的预测模型；使用历史数据对预测模型进行训练，并评估模型的准确性和性能，使用训练好的模型对新的区域设备阶段性数据进行预测；根据数据的特征和模型的输入要求，提供相应的数据作为输入，并获得设备养护周期的预测结果。
S500：将设备养护结果进行可视化，并根据可视化对各个区域内的设备状态进行判断，通过判断结果对各个区域内的设备进行对应的养护或维修。
具体而言，选择适合的数据可视化工具或软件，根据设备养护结果和需要判断的设备状态，确定需要展示的关键指标和图表类型，包括设备运行时间、故障次数、养护计划完成情况等；选择合适的图表类型，如柱状图、折线图、饼图等，从设备信息数据库中提取相关数据，确保数据与可视化工具的数据格式和要求相匹配；利用选定的数据可视化工具，根据设计需求和指标，创建相应的可视化图表和仪表盘，根据区域划分方案，将不同区域内的设备的养护结果进行可视化展示，根据可视化图表和指标，对各个区域内的设备状态进行判断；比较不同设备之间的运行情况、故障次数、养护计划完成情况等，识别出可能存在问题的设备或区域，基于设备状态的判断结果，制定相应的养护或维修计划。
通过本发明的技术方案，有效解决了车间设备的实际生产过程中问题发现不及时、故障分析不准确等问题，提高了设备运行效率，减少了故障停机时间，有效优化设备的养护，提升了核心产能。
进一步来说，如图2所示，对铜管生产车间设备按照生产要求进行区域划分，并获得区域划分方案，包括：
S110：根据铜管生产车间设备之间的相互作用和依赖关系对铜管生产车间设备进行分组，得到设备分组结果；
S120：获得铜管生产车间设备的养护项目信息；
S130：根据设备分组结果和养护项目信息对铜管生产车间设备按照生产要求进行区域划分，并获得区域划分方案。
具体而言，分析铜管生产车间设备之间的相互作用和依赖关系，了解不同设备之间的输入输出关系、工艺流程等，基于相互作用和依赖关系，将设备进行分组，将具有相关性和工艺联系的设备放在同一组内，调研铜管生产车间设备的养护需求，了解设备维护、保养、故障排除等方面的关键项目，确定适用于铜管生产车间设备的养护项目，结合设备分组结果和养护项目信息，制定铜管生产车间的区域划分方案，将具有相似养护项目的设备划分到同一个区域，确保具有相同或类似养护需求的设备在同一区域进行养护；考虑设备之间的空间布局和工艺流程，确定设备所在区域的位置和顺序，根据设计好的区域划分方案，对铜管生产车间进行物理布置和调整，将设备按照区域划分方案进行合理配置和安排，确保每个区域内的设备能够顺利进行养护操作，并满足生产要求和设备之间的协调工作。
进一步来说，如图3所示，根据区域划分方案对各个区域内的设备进行设备参数采集，并获得区域设备阶段性数据，包括：
S210：根据铜管生产车间设备的养护项目信息，对每个区域内设备参数进行采集，获得第一区域设备数据；
S220：采集每个区域内的环境数据，获得第二区域设备数据；
S230：确定设备养护周期，且第一区域设备数据和第二区域设备数据的采集对应设备养护周期；
S240：将第一区域设备数据和第二区域设备数据进行对应整合，获得区域设备阶段性数据。
具体而言，根据铜管生产车间设备的养护项目信息，确定每个区域内需要采集的设备参数；配备合适的传感器或监测设备，以实时或定期的方式采集设备参数数据，同时根据每个区域的特点和需求，确定需要采集的环境数据，例如温度、湿度、气压、噪音等环境指标。根据设备类型、工作强度、使用寿命等设备因素和环境数据对设备寿命的影响，来确定每个区域内设备的养护周期。根据养护项目信息，采集每个区域内设备的相关参数数据，将设备参数数据与所在区域对应，形成第一区域设备数据。采集每个区域内的环境数据。将环境数据与所在区域对应，形成第二区域设备数据。将第一区域设备数据和第二区域设备数据按照确定好的设备养护周期进行对应整合，形成区域设备阶段性数据。
进一步来说，如图4所示，建立设备信息数据库，对区域设备阶段性数据进行存储并管理，包括：
S310：确定需要存储的区域设备阶段性数据，并设计设备信息数据库表的字段和数据类型；
S320：基于设计好的表结构，在数据库中创建相应的表来存储数据；
S330：对区域设备阶段性数据采用聚类算法分类，得到不同的区域设备阶段性数据簇；
S340：使用数据录入界面输入区域设备阶段性数据簇，并将区域设备阶段性数据簇保存到数据库中的不同表中进行存储和管理。
具体而言，根据需求和分析结果，确定需要存储和管理的区域设备阶段性数据，通常包括设备参数数据、环境数据、设备状态等，根据确定的区域设备阶段性数据，设计设备信息数据库表的字段和数据类型，使得表结构能够满足存储需求，字段类型与数据格式匹配，基于设计好的表结构，在选定的数据库中创建相应的表，使用聚类算法对区域设备阶段性数据进行分类，首先确定需要进行聚类分析的特征变量，这可以是区域设备阶段性数据中具有代表性的参数或指标，并根据数据特点和需求，选择合适的聚类算法，常见的聚类算法包括层次聚类、密度聚类等，在选择聚类算法时应考虑算法的可解释性、计算复杂度、适应性等方面，对于选定的聚类算法，需要设置相应的参数，使用选定的聚类算法对区域设备阶段性数据进行聚类。将特征变量作为输入，在算法的迭代过程中，将样本分配到不同的簇中，将每个样本分配到其所属的簇，为每个簇分配一个标签或类别，创建数据录入界面，用于输入区域设备阶段性数据簇，在数据录入界面中，根据分类结果将不同类别的数据分配到相应的表中保存，根据分类结果，将区域设备阶段性数据簇保存到数据库中设计好的不同表中，进行必要的数据验证和格式转换，确保数据的完整性和一致性。
进一步来说，对区域设备阶段性数据进行存储并管理，可以进一步包括：
使用数据查询语句，根据区域设备阶段性数据的变化，对数据库中的数据进行更新操作；
根据一个或多个字段为设备信息数据库创建索引，进行排序和组织；
对设备信息数据库进行定期备份，备份数据用于灾难恢复和数据回滚操作。
对设备信息数据库进行加密处理，设定数据访问权限。
具体而言，使用数据查询语句，根据区域设备阶段性数据的变化，对数据库中的数据进行更新操作，使得数据库能够反映最新的设备信息，根据一个或多个字段的特点和查询需求，在设备信息数据库中为相应字段创建索引，索引的创建有助于提高查询效率和排序功能，设定定期备份策略，将设备信息数据库定期备份至安全存储介质中，例如备份到磁盘、云存储等，选择合适的备份频率和方式，确保备份数据是最新的，并能满足灾难恢复和数据回滚的需求，对设备信息数据库中的敏感数据进行加密处理，保护数据的机密性，可以通过使用加密算法对数据进行加密和解密，设定数据访问权限，只有经过授权的用户或角色才能访问设备信息数据库，根据用户或角色的需求和权限级别，对数据库中的表、字段进行细粒度的访问权限控制。
进一步来说，如图5所示，调取设备信息数据库中的区域设备阶段性数据，并根据区域设备阶段性数据对设备养护周期进行预测，获得设备养护结果，包括：
S410：从设备信息数据库中调取所需的区域设备阶段性数据，设置解释变量和因变量；
其中，解释变量为区域设备阶段性数据中的不同参数变量，因变量为设备养护周期预测结果；
S420：将解释变量按列组成一个自变量矩阵X，矩阵为；
其中每一行对应一个样本，每一列对应一个解释变量，其中，n是样本数量，k是解释变量的数量；
S430：将因变量以列向量的形式组成向量Y，每个样本的因变量与解释变量的相应行对应；
S440：使用最小二乘法估计多元线性回归模型的系数b0，b1，b2，……，bn，估计系数b的计算公式为：
b＝(X^T*X)^(-1)*X^T*Y
其中，X^T表示矩阵X的转置，(X^T*X)^(-1)表示矩阵X与其转置乘积的逆矩阵；
S450：根据得到的估计系数b构建多元线性回归模型：
Y＝b0+b1*1+b2*2+…bn*n；
S460：输入新的解释变量数据到自变量矩阵X中，利用多元线性回归模型预测设备养护周期，对设备养护周期进行分析调整，获得设备养护结果。
具体而言，使用适当的查询语句，一般而言，采用SELECT语句从设备信息数据库中调取所需的区域设备阶段性数据，并根据需要选择合适的解释变量和因变量，解释变量可以是区域设备阶段性数据中的不同参数变量，而因变量可以是设备养护周期，将解释变量按列组成一个自变量矩阵C。每一行对应一个样本，每一列对应一个解释变量，将因变量以列向量的形式组成向量Y，每个样本的因变量与解释变量的相应行对应；使用最小二乘法来估计多元线性回归模型的系数b。根据上述给出的公式，求解估计系数b，根据得到的估计系数b，构建多元线性回归模型。使用得到的多元线性回归模型，将新的解释变量数据代入模型中进行预测，根据模型公式，计算因变量的预测值，根据预测结果，进行分析和调整以获得设备养护结果。
进一步来说，如图6所示，将设备养护结果进行可视化，并根据可视化对各个区域内的设备状态进行判断，通过判断结果对各个区域内的设备进行对应的养护或维修，包括：
S510：对设备养护结果使用可视化工具生成图表，获得设备状态；
S520：设定针对不同区域的标准化阈值，标准化阈值为设备状态判断提供基准；
S530：通过可视化结果对各个区域内的设备状态进行判断，若判断结果低于该区域的标准化阈值则需进行养护，若高于该区域的标准化阈值则进行维修。
具体而言，使用适当的可视化工具将设备养护结果转化为图表形式，选择最适合该设备养护结果类型的图表，如折线图、柱状图、散点图等，以清晰地展示设备状态的变化，并针对每个区域，设定合适的标准化阈值作为设备状态判断的基准，此处的标准化阈值的计算通过以下步骤实现，收集与设备状态相关的历史数据，包括设备运行时间、故障次数、维修记录等；对历史数据进行分析，了解设备状态的变化趋势、故障模式和养护需求，根据历史数据分析的结果，确定用于评估设备状态的指标或特征，这些指标可以是设备利用率、故障率、维修间隔时间、关键部件寿命等；在确定评估指标后，可以计算每个指标的平均值、标准差、百分位数等统计量，从统计量中选择合适的阈值，例如以百分位数作为阈值，如设备状态低于80％为需要养护的阈值，根据可视化结果，观察设备状态的趋势和变化，将可视化结果与设定的标准化阈值进行比较，判断设备状态是否低于或高于预设的阈值，若设备状态低于该区域的标准化阈值，表示设备需要进行养护，可以提前进行维护或更换关键部件，若设备状态高于该区域的标准化阈值，表示设备需要进行紧急维修，可立即采取相应措施进行修复。
进一步来说，将设备养护结果进行可视化，包括：
对设备信息数据库进行设备养护结果的数据提取；
使用可视化工具，对设备养护结果数据进行预处理和转换；
使用可视化工具，根据数据和设计，绘制设备养护结果直方图；
根据不同区域的设备差异，为图表添加交互和动态效果，生成可视化图表。
具体而言，从设备信息数据库中提取包含设备养护结果的数据。
确保提取的数据包括所需的设备标识、养护结果、区域等关键字段，对提取的设备养护结果数据进行预处理，包括数据清洗、缺失值处理、数据格式转换等，将设备标识、养护结果等信息作为横轴或纵轴，并根据养护结果的分布情况绘制直方图，根据不同区域或其他设备特征的差异性，可以添加交互和动态效果来进一步展示设备养护结果。例如，使用可视化工具的交互功能，可以通过选择特定区域或设备类型来更新和显示相应的养护结果直方图，调整图表的样式、颜色、标签等，以便更清晰地传达养护结果的信息，最终获得针对不同区域设备的不同可视化直方图。
实施例二：
基于与前述实施例中一种铜管生产车间设备的养护数据管理方法同样发明构思，本发明还提供了一种铜管生产车间设备的养护数据管理系统，如图7所示，系统包括：
区域划分模块，对铜管生产车间设备按照生产要求进行区域划分，并获得区域划分方案；
数据采集模块，根据区域划分方案对各个区域内的设备进行设备参数采集，并获得区域设备阶段性数据；
信息数据库，建立设备信息数据库，对区域设备阶段性数据进行存储并管理；
设备养护模块，调取设备信息数据库中的区域设备阶段性数据，并根据区域设备阶段性数据对设备养护周期进行预测，获得设备养护结果；
状态判断模块，将设备养护结果进行可视化，并根据可视化对各个区域内的设备状态进行判断，通过判断结果对各个区域内的设备进行对应的养护或维修。
本发明中的上述调整系统可有效的实现铜管生产车间设备的养护管理方法，能够起到的技术效果如上述实施例所描述的，此处不再赘述。
进一步来说，状态判断模块包括：
信息可视化单元，对设备养护结果使用可视化工具生成图表，获得设备状态；
阈值设定单元，设定针对不同区域的标准化阈值，标准化阈值为设备状态判断提供基准；
状态判断单元，通过可视化结果对各个区域内的设备状态进行判断，若判断结果低于该区域的标准化阈值则需进行养护，若高于该区域的标准化阈值则进行维修。
同样地，对系统的上述优化方案，也分别地可对应实现实施例一中方法对应的优化效果，此处同样不再赘述。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。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 (7)
1.一种铜管生产车间设备的养护数据管理方法，其特征在于，所述方法包括：
对铜管生产车间设备按照生产要求进行区域划分，并获得区域划分方案，包括：
根据所述铜管生产车间设备之间的相互作用和依赖关系对所述铜管生产车间设备进行分组，得到设备分组结果；
获得所述铜管生产车间设备的养护项目信息；
根据所述设备分组结果和所述养护项目信息对所述铜管生产车间设备按照生产要求进行区域划分，并获得区域划分方案；
根据所述区域划分方案对各个区域内的设备进行设备参数采集，并获得区域设备阶段性数据，包括：
根据所述铜管生产车间设备的养护项目信息，对每个区域内设备参数进行采集，获得第一区域设备数据；
采集所述每个区域内的环境数据，获得第二区域设备数据；
确定设备养护周期，且所述第一区域设备数据和第二区域设备数据的采集对应所述设备养护周期；
将所述第一区域设备数据和所述第二区域设备数据进行对应整合，获得所述区域设备阶段性数据；
建立设备信息数据库，对所述区域设备阶段性数据进行存储并管理，包括：
确定需要存储的所述区域设备阶段性数据，并设计所述设备信息数据库表的字段和数据类型；
基于设计好的表结构，在所述数据库中创建相应的表来存储数据；
对所述区域设备阶段性数据采用聚类算法分类，对所述聚类算法设置相应参数对区域设备阶段性数据进行聚类，并将特征变量作为输入，在算法的迭代过程中，样本分配到不同的簇中，将每个样本分配到其所属的簇，且为每个簇分配一个标签或类别，得到不同的所述区域设备阶段性数据簇；
使用数据录入界面输入所述区域设备阶段性数据簇，并将所述区域设备阶段性数据簇保存到所述数据库中的不同表中进行存储和管理；
调取所述设备信息数据库中的区域设备阶段性数据，并根据所述区域设备阶段性数据对设备养护周期进行预测，获得设备养护结果，包括：
从所述设备信息数据库中提取需要的区域设备阶段性数据，并对所述区域设备阶段性数据进行清洗和处理；
根据所述设备养护周期的特点和需求，选择适当的预测算法；
基于历史数据和相关特征建立设备养护周期的预测模型；
使用所述历史数据对所述预测模型进行训练，并评估所述预测模型的准确性和性能；
提供相应的数据作为输入，并获得所述设备养护周期的预测结果；
将所述设备养护结果进行可视化，并根据所述可视化对各个区域内的设备状态进行判断，通过判断结果对所述各个区域内的设备进行对应的养护或维修。
2.根据权利要求1所述的铜管生产车间设备的养护数据管理方法，其特征在于，对所述区域设备阶段性数据进行存储并管理，还包括：
使用数据查询语句，根据所述区域设备阶段性数据的变化，对数据库中的数据进行更新操作；
根据一个或多个字段为所述设备信息数据库创建索引，进行排序和组织；
对所述设备信息数据库进行定期备份，备份数据用于灾难恢复和数据回滚操作；
对所述设备信息数据库进行加密处理，设定数据访问权限。
3.根据权利要求1所述的铜管生产车间设备的养护数据管理方法，其特征在于，调取所述设备信息数据库中的区域设备阶段性数据，并根据所述区域设备阶段性数据对设备养护周期进行预测，获得设备养护结果，包括：
从所述设备信息数据库中调取所需的区域设备阶段性数据，设置解释变量和因变量；
其中，所述解释变量为所述区域设备阶段性数据中的不同参数变量，所述因变量为设备养护周期预测结果；
将所述解释变量按列组成一个自变量矩阵X，所述矩阵为；
；
其中每一行对应一个样本，每一列对应一个所述解释变量，其中，n是样本数量，k是所述解释变量的数量；
将所述因变量以列向量的形式组成向量Y，每个样本的所述因变量与所述解释变量的相应行对应；
使用最小二乘法估计多元线性回归模型的系数b_0，b_1，b_2，……，b_n,所述估计系数b的计算公式为：
；
其中，X^T表示矩阵X的转置，(X^T*X)^(-1)表示矩阵X与其转置乘积的逆矩阵；
根据得到的所述估计系数b构建所述多元线性回归模型：
；
输入新的所述解释变量数据到所述自变量矩阵X中，利用所述多元线性回归模型预测所述设备养护周期，对所述设备养护周期进行分析调整，获得所述设备养护结果。
4.根据权利要求1所述的铜管生产车间设备的养护数据管理方法，其特征在于，所述将所述设备养护结果进行可视化，并根据所述可视化对各个区域内的设备状态进行判断，通过判断结果对所述各个区域内的设备进行对应的养护或维修，包括：
对所述设备养护结果使用可视化工具生成图表，获得设备状态；
设定针对不同区域的标准化阈值，所述标准化阈值为设备状态判断提供基准；
通过可视化结果对所述各个区域内的设备状态进行判断，若判断结果低于该区域的所述标准化阈值则需进行养护，若高于该区域的所述标准化阈值则进行维修。
5.根据权利要求4所述的铜管生产车间设备的养护数据管理方法，其特征在于，所述将所述设备养护结果进行可视化，包括：
对所述设备信息数据库进行所述设备养护结果的数据提取；
使用所述可视化工具，对所述设备养护结果数据进行预处理和转换；
使用所述可视化工具，根据数据和设计，绘制设备养护结果直方图；
根据所述不同区域的设备差异，为所述图表添加交互和动态效果，生成可视化图表。
6.一种铜管生产车间设备的养护数据管理系统，其特征在于，采用权利要求1所述的铜管生产车间设备的养护数据管理方法，所述系统包括：
区域划分模块，对铜管生产车间设备按照生产要求进行区域划分，并获得区域划分方案；
数据采集模块，根据所述区域划分方案对各个区域内的设备进行设备参数采集，并获得区域设备阶段性数据；
信息数据库，建立设备信息数据库，对所述区域设备阶段性数据进行存储并管理；
设备养护模块，调取所述设备信息数据库中的区域设备阶段性数据，并根据所述区域设备阶段性数据对设备养护周期进行预测，获得设备养护结果；
状态判断模块，将所述设备养护结果进行可视化，并根据所述可视化对各个区域内的设备状态进行判断，通过判断结果对所述各个区域内的设备进行对应的养护或维修。
7.根据权利要求6所述的铜管生产车间设备的养护数据管理系统，其特征在于，所述状态判断模块包括：
信息可视化单元，对所述设备养护结果使用可视化工具生成图表，获得设备状态；
阈值设定单元，设定针对不同区域的标准化阈值，所述标准化阈值为设备状态判断提供基准；
状态判断单元，通过可视化结果对所述各个区域内的设备状态进行判断，若判断结果低于该区域的所述标准化阈值则需进行养护，若高于该区域的所述标准化阈值则进行维修。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311018689.6A CN116976861B (zh) | 2023-08-14 | 2023-08-14 | 一种铜管生产车间设备的养护数据管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311018689.6A CN116976861B (zh) | 2023-08-14 | 2023-08-14 | 一种铜管生产车间设备的养护数据管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116976861A CN116976861A (zh) | 2023-10-31 |
| CN116976861B true CN116976861B (zh) | 2024-04-05 |
Family
ID=88484962
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311018689.6A Active CN116976861B (zh) | 2023-08-14 | 2023-08-14 | 一种铜管生产车间设备的养护数据管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116976861B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106383916A (zh) * | 2016-11-09 | 2017-02-08 | 北京许继电气有限公司 | 基于工业设备预测性维护的数据处理方法 |
| EP3675002A1 (en) * | 2018-12-28 | 2020-07-01 | Atos Spain S.A. | Transport tolling method using secure transport toll tokens |
| WO2020170713A1 (ja) * | 2019-02-21 | 2020-08-27 | 三菱重工環境・化学エンジニアリング株式会社 | プラント機器情報管理システム |
| CN114254779A (zh) * | 2021-12-23 | 2022-03-29 | 九号智能科技(上海)有限公司 | 一种基于预测性维护的生产设备健康管理系统 |
| CN114330780A (zh) * | 2021-12-31 | 2022-04-12 | 哈尔滨宇龙自动化有限公司 | 设备售后维护系统及方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6702180B2 (ja) * | 2016-12-28 | 2020-05-27 | 横河電機株式会社 | 保全管理装置、保全管理方法、保全管理プログラム及び記録媒体 |
| US11023486B2 (en) * | 2018-11-13 | 2021-06-01 | Thoughtspot, Inc. | Low-latency predictive database analysis |
-
2023
- 2023-08-14 CN CN202311018689.6A patent/CN116976861B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106383916A (zh) * | 2016-11-09 | 2017-02-08 | 北京许继电气有限公司 | 基于工业设备预测性维护的数据处理方法 |
| EP3675002A1 (en) * | 2018-12-28 | 2020-07-01 | Atos Spain S.A. | Transport tolling method using secure transport toll tokens |
| WO2020170713A1 (ja) * | 2019-02-21 | 2020-08-27 | 三菱重工環境・化学エンジニアリング株式会社 | プラント機器情報管理システム |
| CN114254779A (zh) * | 2021-12-23 | 2022-03-29 | 九号智能科技(上海)有限公司 | 一种基于预测性维护的生产设备健康管理系统 |
| CN114330780A (zh) * | 2021-12-31 | 2022-04-12 | 哈尔滨宇龙自动化有限公司 | 设备售后维护系统及方法 |
Non-Patent Citations (4)
| Title |
|---|
| "State of AI-Based Monitoring in Smart Manufacturing and Introduction to Focused Section";H Ding et al.;《IEEE/ASME Transactions on Mechatronics》;20200909;第25卷(第5期);第2143-2154页 * |
| "基于信息化与数字化的特种电缆智能制造车间方案";花季华 等;《制造业自动化》;20230625;第45卷(第6期);第63-66页 * |
| "流程工业生产设备管理系统的设计与实现";胡玉琴;黄振利;刘东坡;;《有色冶金设计与研究》;20130625;第34卷(第03期);第57-60页 * |
| 田维平等主编.《工程技术经济》.北京：中国铁道出版社有限公司,2019,第146-147页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116976861A (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5538597B2 (ja) | 異常検知方法及び異常検知システム | |
| WO2010095314A1 (ja) | 異常検知方法及び異常検知システム | |
| CN115630839B (zh) | 一种基于数据挖掘的生产智能反馈调控系统 | |
| Ungermann et al. | Data analytics for manufacturing systems–a data-driven approach for process optimization | |
| CN117393076B (zh) | 耐热环氧树脂生产过程智能监测方法及系统 | |
| CN113362199B (zh) | 基于用户采集电量与台区线损相关性的窃电用户核查方法 | |
| CN115438726A (zh) | 一种基于数字孪生技术的设备寿命与故障类型预测方法及系统 | |
| 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 | |
| CN117194919A (zh) | 一种生产数据分析系统 | |
| CN117172751A (zh) | 一种智慧运维信息分析模型的构建方法 | |
| Silva et al. | Availability forecast of mining equipment | |
| CN116976861B (zh) | 一种铜管生产车间设备的养护数据管理方法及系统 | |
| CN113628024A (zh) | 基于大数据平台系统的财务数据智能稽核系统及方法 | |
| CN115688016A (zh) | 一种用于大型数据库智能运维的一体化方法 | |
| WO2021242207A1 (en) | Automation of material flow analysis and its simulation | |
| CN113177040A (zh) | 铝/铜板带材生产全流程大数据清洗与分析方法 | |
| CN118011990B (zh) | 基于人工智能的工业数据品质监控与提升系统 | |
| Zhang et al. | ihppvis: Interactive visual analysis of industrial data in heavy plate production | |
| CN117962256B (zh) | 基于大数据信息进行的分析的注塑件翘曲模拟控制系统 | |
| Porzio et al. | Visually Mining Off‐line Data for Quality Improvement | |
| CN117745110B (zh) | 一种基于行为分析的智慧校园餐厅运行管控方法及系统 | |
| TWI230349B (en) | Method and apparatus for analyzing manufacturing data | |
| de Lacerda Queiroz | Data-driven Models for Predictive Quality in Precision Metalworking | |
| CN111833012B (zh) | 一种工业数据处理方法和装置 | |
| CN116911469B (zh) | 一种数控机床加工时间预测方法 |
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 |