CN117032139A - 一种基于物联网的工厂边端协同管理方法、设备及介质 - Google Patents
一种基于物联网的工厂边端协同管理方法、设备及介质 Download PDFInfo
- Publication number
- CN117032139A CN117032139A CN202311116883.8A CN202311116883A CN117032139A CN 117032139 A CN117032139 A CN 117032139A CN 202311116883 A CN202311116883 A CN 202311116883A CN 117032139 A CN117032139 A CN 117032139A
- Authority
- CN
- China
- Prior art keywords
- equipment
- production
- delivery date
- data
- internal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007726 management method Methods 0.000 title claims abstract description 31
- 238000004519 manufacturing process Methods 0.000 claims abstract description 272
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 80
- 238000001514 detection method Methods 0.000 claims abstract description 66
- 238000012544 monitoring process Methods 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000012423 maintenance Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012384 transportation and delivery Methods 0.000 claims description 184
- 238000003860 storage Methods 0.000 claims description 10
- 238000005520 cutting process Methods 0.000 claims description 2
- 230000006855 networking Effects 0.000 claims 1
- 230000009466 transformation Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 206010012186 Delayed delivery Diseases 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 5
- 230000002354 daily effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010304 firing Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 235000013618 yogurt Nutrition 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000855 fermentation Methods 0.000 description 1
- 230000004151 fermentation Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052573 porcelain Inorganic materials 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect 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]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于物联网的工厂边端协同管理方法、设备及介质,属于工厂智能化改造的技术领域。方法包括:获取端侧数据和生产数据,其中,端侧数据包括每台设备的设备内部数据和厂区内的监控数据,生产数据包括每台设备的生产任务和生产进度;基于预设的检测算法处理设备内部数据和监控数据,以判断设备是否存在故障;在设备存在故障时,关闭设备运行,并基于故障生成设备维修时间;基于设备维修时间和预设的生产任务安排算法处理生产任务和生产进度,以获取经济生产任务。本申请通过上述方法实现了在生产设备出现故障时保障生产任务的顺利进行的效果。
Description
技术领域
本申请涉及工厂智能化改造的技术领域,尤其涉及一种基于物联网的工厂边端协同管理方法、设备及介质。
背景技术
在现有技术中,工厂对于生产设备的监控还停留在人工巡检的阶段,在大型制造企业,工厂管理人员和设备维修人员需要在一天内巡视十余个大型车间内的生产设备,这不仅会耗费大量的人力物力,且巡检不能时刻注意到生产设备的运行状态。当工厂内的生产设备出现故障需要维修时,工厂的生产任务将会被耽误,则为了保障生产任务的顺利进行需要制定新的生产计划。
因此如何在生产设备出现故障时保障生产任务的顺利进行成为一个亟待解决的问题。
发明内容
本申请实施例提供了一种基于物联网的工厂边端协同管理方法、设备及介质,用以解决如下技术问题:如何在生产设备出现故障时保障生产任务的顺利进行。
第一方面,本申请实施例提供了一种基于物联网的工厂边端协同管理方法,其特征在于,所述方法包括:获取端侧数据和生产数据,其中,所述端侧数据包括每台设备的设备内部数据和厂区内的监控数据,所述生产数据包括每台设备的生产任务和生产进度;基于预设的检测算法处理所述设备内部数据和监控数据,以判断所述设备是否存在故障,其中,检测算法包括内部检测算法和外部检测算法,故障包括内部故障和外部故障;在所述设备存在故障时,关闭所述设备运行,并基于所述故障生成设备维修时间;基于所述设备维修时间和预设的生产任务安排算法处理所述生产任务和生产进度,以获取经济生产任务。
在本申请的一种实现方式中,基于预设的检测算法处理所述设备内部数据和口岸咯麻花试剂库,以判断所述设备是否存在故障,具体包括:基于所述内部检测算法处理所述设备内部数据,以判断所述设备是否存在内部故障;基于所述外部检测算法处理所述监控数据,以判断所述设备是否存在外部故障。
在本申请的一种实现方式中,基于所述内部检测算法处理所述设备内部数据,以判断所述设备是否存在内部故障,具体包括:获取当前时间和设备运行时间;基于当前时间和设备运行时间,通过设备内部数据对比预设的设备数据库,以判断设备内部数据是否处于正常范围,其中,设备数据库记载有设备在不同时间段和运行时间下的设备内部数据的正常范围;在存在设备内部数据超过正常范围时,判断与所述设备内部数据关联的其他设备内部数据是否处于正常范围;在其他设备内部数据处于正常范围且在预设的第一时间段内所述设备内部数据回归正常值,判断所述设备不存在内部故障;在与所述设备内部数据关联的其他设备内部数据不处于正常范围或在预设的时间内设备内部数据没有回归正常值,判断所述设备存在内部故障。
在本申请的一种实现方式中,基于所述外部检测算法处理所述监控数据,以判断所述设备是否存在外部故障,具体包括:按照预设第二的时间段裁剪所述监控数据,以获取多张监控图片;基于预设的图片检测算法处理所述监控图片,删去其中不清晰的监控图片,以获取清晰的监控图片;对比所述清晰的监控图片和预存的设备运行图片的不同,并标注所述不同的区域,其中,所述设备运行图片为设备正常运行时的图片;基于所述不同的区域判断所述设备是否存在外部故障。
在本申请的一种实现方式中,基于所述设备维修时间和预设的生产任务安排算法处理所述生产任务和生产进度,以获取经济生产任务,具体包括:获取所述设备的生产任务、生产效率和签约信息,其中,所述签约信息包括交付日期、延期交付日期和延期交付违约金;基于所述签约信息、设备的生产任务以及判断所述设备能否在交付日期或延期交付日期前完成生产任务;在所述设备能够在交付日期或延期交付日期之间完成生产任务前完成生产任务,生成经济生产任务;在所述设备在交付日期或延期交付日期之间完成生产任务时,获取同类设备的交付日期和延期交付日期,并基于预设的分担算法判断所述同类设备能否在交付日期或延期交付日期之间完成生产任务时,同类设备能否生产所述设备产品的设备;在所述同类设备能否在交付日期或延期交付日期之前完成生产任务时,生成经济生产任务;在所述同类设备不能否在交付日期或延期交付日期之前完成生产任务时,基于所述设备、所述设备的延期交付违约金、同类设备、同类设备的延期交付违约金生成经济生产任务。
在本申请的一种实现方式中,基于所述签约信息、设备的生产任务以及生产效率判断所述设备能否在交付日期或延期交付日期前完成生产任务,具体包括:基于所述设备的生产任务、交付日期、生产进度和设备维修时间判断所述设备是否能够在交付日期前完成所述生产任务;在所述设备不能在交付日期前完成所述生产任务时,基于所述签约信息判断所述设备能否延期生产;在所述设备能够延期生产时,将所述延期交付时间作为所述交付日期,并判断在延期交付时间内所述设备能否完成生产任务。
在本申请的一种实现方式中,在所述设备在交付日期或延期交付日期之间完成生产任务时,获取同类设备的交付日期和延期交付日期,并判断所述同类设备能否在交付日期或延期交付日期之前完成生产任务,具体包括:基于预设的商品生产数据库获取在交付日期或延期交付日期前能否完成自身生产任务的同类设备,并获取同类设备对所述产品的生产效率和空闲时间;基于交付日期和延期交付日期,以获取所述产品的生产任务在交付日期或延期交付日期前生产的产品数量;基于产品数量和生产任务确定第一剩余产品数量;基于第一剩余产品数量、同类设备、同类设备的生产效率和空闲时间判断所述同类设备能否交付日期或延期交付日期之前完成生产任务。
在本申请的一种实现方式中,在所述同类设备不能否在交付日期或延期交付日期之前完成生产任务时,基于所述设备、所述设备的延期交付违约金、同类设备、同类设备的延期交付违约金生成经济生产任务,具体包括:获取交付日期或延期交付日期时所述设备和所述同类设备生产的产品数量,并计算第二剩余产品数量;基于第二剩余产品数量、所述设备的生产效率和同类设备的生产效率确定赔偿日期;基于所述设备的延期交付违约金、同类设备的延期交付赔偿金和赔偿日期确定经济生产任务。
第二方面,本申请实施例还提供了一种基于物联网的工厂边端协同管理设备,其特征在于,设备包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:获取端侧数据和生产数据,其中,端侧数据包括每台设备的设备内部数据和厂区内的监控数据,生产数据包括每台设备的生产任务和生产进度;基于预设的检测算法处理设备内部数据和监控数据,以判断设备是否存在故障,其中,检测算法包括内部检测算法和外部检测算法,故障包括内部故障和外部故障;在设备存在故障时,关闭设备运行,并基于故障生成设备维修时间;基于设备维修时间和预设的生产任务安排算法处理生产任务和生产进度,以获取经济生产任务。
第三方面,本申请实施例还提供了一种基于物联网的工厂边端协同管理.的非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,计算机可执行指令设置为:获取端侧数据和生产数据,其中,端侧数据包括每台设备的设备内部数据和厂区内的监控数据,生产数据包括每台设备的生产任务和生产进度;基于预设的检测算法处理设备内部数据和监控数据,以判断设备是否存在故障,其中,检测算法包括内部检测算法和外部检测算法,故障包括内部故障和外部故障;在设备存在故障时,关闭设备运行,并基于故障生成设备维修时间;基于设备维修时间和预设的生产任务安排算法处理生产任务和生产进度,以获取经济生产任务。
本申请实施例提供的一种基于物联网的工厂边端协同管理方法、设备及介质,通过获取端侧数据和生产数据,根据端侧数据判断设备是否发生故障,从而减轻巡检人员的工作负担并提高监测效率,在设备发生故障时可能会影响生产数据,则基于生产数据和设备故障生成经济生产任务,从而在一定程度上减少因为设备故障导致的对生产数据的影响,进而根据不同车间、工厂的生产水平、日生产量、运行状态等进行合理的安排生产规划。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种基于物联网的工厂边端协同管理方法流程图;
图2为本申请实施例提供的一种基于物联网的工厂边端协同管理设备内部结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供了一种基于物联网的工厂边端协同管理方法、设备及介质,用以解决如下技术问题:如何根据不同车间、工厂的生产水平、日生产量、运行状态等进行合理的安排生产规划。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种基于物联网的工厂边端协同管理流程图。如图1所示,本申请实施例提供的一种基于物联网的工厂边端协同管理方法,具体包括以下步骤:
步骤1、获取端侧数据和生产数据,其中,端侧数据包括每台设备的设备内部数据和厂区内的监控数据,生产数据包括每台设备的生产任务和生产进度。
在本实施例中,通过在具有多工厂、多车间的工厂内安装有端侧一体机。具体情况下在为在每一个车间或工厂内设置一个端侧一体机,该端侧一体机包括监控设备和传感器设备,监控设备包括多个摄像头,摄像头用于监测工厂内设备的外部特征、监测工厂内的物品摆放以及人员流动,即监控设备用于获取监控数据。
传感器设备包括多个传感器,传感器设置在车间或工厂内的设备上,用于监测设备运行的各项数据,传感器包括但不限于温度传感器、湿度传感器以及电流传感器,即传感器设备用于获取设备内部数据。
在具体的事例中,端侧一体机通常的配置为8C处理器、32G内存、3块960SSD硬盘,25G抗震设计,便携式机箱设计,可在车间或工厂的现场使用。
在端侧一体机设备获取了工厂内所有数据后,将数据实时上传至边侧一体机,边侧一体机设置在生产制造企业总部或某工厂总部,但该边侧一体机具备更高资源配置,推荐配置为服务器2台,单台12核处理器、64G内存、SSD系统盘960G*2、数据盘4.8T,24口千兆交换机、新一代安全防火墙,支持不同工厂或车间的数据存储、数据处理与可视化展示。
在分工程或者工厂总部接到生产任务时,将会按照实际工厂实际情况、产品需求厂家和工厂双方磋谈,从而制定生产计划,生产计划将会细分并下发至每台设备,设备在生产物品时,将会记录生产进度。
例如工厂总部在7月05日洽谈了一笔生意,要求7月18日之前生产2000个电机b,其中将生产任务分成10份,分别分给工厂1至工厂10,每个工厂有一个专门负责生产电机b的车间,该车间每天可以生产20个电机b。
工厂总部制定的生产计划为7月06日至7月15日工程1至工厂10中所有负责生产电机b的车间生产电机b。
其中工厂7中的负责生产电机b的车间在7月08日结束时的生产进度为生产30个。
步骤2、基于预设的检测算法处理设备内部数据和监控数据,以判断设备是否存在故障,其中,检测算法包括内部检测算法和外部检测算法,故障包括内部故障和外部故障。
在工厂中,尤其是设计多个工厂、多个车间的大型企业。工厂管理人员、监督管理人员很难在一天内巡视完一个由十余个以上的大型车间组成的工厂,同时对于设备内部的损坏,监督管理人员仅凭肉眼难以发现设备是否发生故障,所以可以通过端侧数据来判断设备是否发生损坏。
内部检测算法用于检测工厂内设备的内部零件是否发生损坏,外部检测算法用于检测工厂内设备的外部特征和外部零件是否发生损坏。
步骤21、基于内部检测算法处理设备内部数据,以判断设备是否存在内部故障。
通过内部检测算法处理设备的内部数据,实时监控设备内部数据,能够在设备内部数据发生异常时,通知并判断设备内部零件是否发生损坏。
内部检测算法具体步骤由步骤211至步骤214展现。
步骤211、基于当前时间和设备运行时间,通过设备内部数据对比预设的设备数据库,以判断设备内部数据是否处于正常范围,其中,设备数据库记载有设备在不同时间段和运行时间下的设备内部数据的正常范围。
设备数据库为记载有设备在不同时间段和运行时间下的设备内部数据的正常范围的数据库,通过对比设备数据库,能够得知当前设备内部数据是否处于正常范围,从而能够判断设备是否发生故障。
设备在生产产品时,在不同的时间段、在进行不同的生产任务时,设备内部数据是存在不同数据范围的,例如用于烧瓷的设备,在烧制初期和烧制末期的设备温度、设备内氧气含量是不同的。所以要基于不同时间判断设备内部数据是否处于正常范围。
同时,设备的运行时间的长短也会影响设备内部数据,例如烧制玻璃的设备,在启动初期,设备内部温度是逐步上升的,当设备温度上升至一定温度时将会保持不变,所以要基于设备运行时间来判断设备内部数据是否处于正常范围。
步骤212、在存在设备内部数据超过正常范围时,判断与设备内部数据关联的其他设备内部数据是否处于正常范围。
设备内部数据超过正常范围,可以理解的是,这里的“超过”为不在正常范围内,即若设备内部数据中的某数据的正常范围为4至6,则当该数据为3或7时,均为设备内部数据超过正常范围。
在一个设备运行时,通过会包括多种数据。当其中一项数据超过正常范围时,如果是设备发生故障,则与该超过正常范围的数据关联的数据也应当超过正常范围。
在具体的事例中,设备c用于发酵酸奶。因为温度、湿度、压力和菌种数量均会影响设备内酸奶的发酵过程,所以设备c内设置有温度传感器、湿度传感器、压力传感器和菌种数据检测传感器,其中,温度传感器用于检测设备c内的温度,湿度传感器用于检测设备c内湿度,压力传感器用于检测设备c内的湿度,菌种数量检测传感器用于检测设备c内菌种的数量。在d时刻,温度传感器检测到的温度大于正常范围,则在此时检测湿度、压力和菌种数量。因为发酵酸奶需要再密闭的空间内,当温度上升时,湿度、压力均应大于正常范围,同时因为菌种适宜的环境被破坏,菌种的数量应小于正常范围。
当存在事例中的状况时,可以判断设备发生损坏,损坏的原因可能是设备内部的加热设备发生损坏,具体损坏原因应有专业人员前往鉴定。
步骤213、在其他设备内部数据处于正常范围且在预设的第一时间段内设备内部数据回归正常值,判断设备不存在内部故障。
为了避免传感器的偶发错误性数据,设置预设的时间,若在预设的时间内设备内部数据回到正常范围,则说明设备内部不存在故障。预设的时间应大于传感器上传数据的时间间隔。例如,传感器每隔2s上传数据至端侧一体机,端侧一体机每隔6s上传数据至边侧一体机,在端侧一体机内部设置有内部检测算法,则预设的时间应大于2s,且通常预设的时间为传感器上传时间间隔的3倍,即预设的时间为6s。若仅在边侧一体机内设置有内部检测算法,则预设的时间应大于端侧一体机的上传时间,即为18s。
该判断的前提是设备内部数据仅有一项大于正常范围,其与该设备内部数据关联的其他设备内部数据均处于正常范围内。通过步骤213可知,若温度大于正常范围,同时湿度、压力和菌种数量均处于正常范围内,则可初步判断温度传感器出现偶发性错误,若在预设的时间内温度传感器上传的温度回归正常范围,则可判断设备正常。
步骤214、在与设备内部数据关联的其他设备内部数据不处于正常范围或在预设的时间内设备内部数据没有回归正常值,判断设备存在内部故障。
当设备内部数据在预设的时间内无法回归正常范围,例如,若在预设的时间内温度传感器上传的温度均超过正常范围(大于或小于正常范围),则判断设备出现故障,可以理解的是,设备的故障有较大的可能为温度传感器出现故障。
同时参照步骤212,若温度、湿度、压力和菌种数量均超过正常范围,则极大可能是设备内部的加热装置出现故障。
步骤22、基于外部检测算法处理监控数据,以判断设备是否存在外部故障。
通过外部检测算法实时检测设备的外部特征,能够在设备外部特征发生异常时,通知并判断设备外部特征是否发生故障。
外部检测算法具体算法由步骤221至步骤224展现。
步骤221、按照预设第二的时间段裁剪监控数据,以获取多张监控图片。
监控数据为摄像头拍摄的设备外部特征,设备周围的环境。实时获取监控数据,并按照预设的第二时间段裁剪监控数据,通常第二段设置为0.1s,即1s的监控数据将被裁剪为10张监控图片。
步骤222、基于预设的图片检测算法处理监控图片,删去其中不清晰的监控图片,以获取清晰的监控图片。
因为各种因素的影响,例如摄像头被物品击中,摄像头的旋转杆滑杆,导致摄像头偏移,均会导致监控数据模糊,从而导致监控图片模块,所以基于图片检测算法检测监控图片,以删除不清晰的监控图片。
图片检测算法为现有技术,用于检测图片的清晰度,在此不做赘述。
步骤223、对比清晰的监控图片和预存的设备运行图片的不同,并标注不同的区域,其中,设备运行图片为设备正常运行时的图片。
设备运行图片为设备在正常运行时,设备的外部特征的图片,设备运行图片为标准图片,并在标准图片中标注中重点关注的区域,例如标注设备a的插头与插孔的连接关系,标注设备a的观察窗,已关注设备a的观察窗是否开裂。
通过对比清晰的监控图片和设备运行图片,发现其不同的区域并标注,例如在清晰的监控图片中,设备a的观察窗发生破裂,与设备运行图片存在不同,则标注存在不同的区域,即标注清晰的监控图片的观察窗。
步骤224、基于不同的区域判断设备是否存在外部故障。
在标注了不同的区域后,通过人工检测的方式检测不同的区域是否存在外部故障,也可通过将不同的区域去匹配预设的故障图片,以获取不同的区域存在哪些故障,其中,预设的故障图片为各种区域发生外部故障时的图片,例如观察窗开裂图片,插头与插孔断开连接的图片,在此不做赘述。
步骤3、在设备存在故障时,关闭设备运行,并基于故障生成设备维修时间。
当设备存在故障时,该故障包括内部故障和外部故障,则需要关闭设备的运行,以免设备故障继续运行造成更大的损失,同时要基于设备的故障生成设备维修时间,该设备维修时间为维修人员在现场检查后上传的数据。
步骤4、基于设备维修时间和预设的生产任务安排算法处理生产任务和生产进度,以获取经济生产任务。
当设备发生故障从而需要维修时,可能会影响设备的生产任务导致设备无法在预设的时间内完成生产任务,所以需要生成经济生产任务,从而在一定程度上减少因为设备故障造成的经济损失。
步骤41、获取设备的生产任务、生产效率和签约信息,其中,签约信息包括交付日期、延期交付日期和延期交付违约金。
在工厂或业务人员签约了商品的生产任务时,将会生成纸质合同和电子合同,工厂或业务人员将会将电子合同上传至边侧一体机。签约信息包括交付日期、延期交付日期和延期交付违约金。其中,交付日期为签约时设定的交付日期,延期交付日期为发生不可抗力或其他因素造成不能按照预设的交付日期进行交付时,可以进行延期角度的日期,延期交付违约金为不能按时交付时需要支付的违约金。需要说明的是,在签约信息中,有的具有延期交付日期,有的不具有延期交付日期,具体看签约情况而定。
步骤42、基于签约信息、设备的生产任务、设备维修时间以及生产效率判断设备能否在交付日期或延期交付日期前完成生产任务。
首先需要判断设备在发生故障后,设备还能否在交付日期或延期交付日期之前完成交付任务,以在一定程度上避免经济损失。
步骤421、基于设备的生产任务、交付日期、生产进度和设备维修时间判断设备是否能否在交付日期前完成生产任务。
在具体的事例中,在签约信息中,设备a的生产任务为在7月30日交付300件商品b。设备a的生产效率是每天能够生产20件商品b,设备a从7月13日开始生产,在7月18日时,基于内部检测算法发现设备a的加热系统出现故障,在检查后发现需要7天的时间才能维修完毕,则设备a的总共生产时间为18天,维修时间为7天,则设备a的总共生产时间为11天,即设备a在交付日期之前仅能生产220件商品b,则设备a无法在交付日期前完成生产任务。
步骤422、在设备不能在交付日期前完成生产任务时,基于签约信息判断设备能否延期生产。
在签约之初,签约信息的合同中标注有存在不可抗力或其他因素,导致设备不能在交付日期前完成生产任务时,是否可以延期生产。
步骤423、在设备能够延期生产时,将延期交付时间作为交付日期,并判断在延期交付时间内设备能否完成生产任务。
若在签约信息中说明遭遇不可抗力或特殊情况时,可以延期一段时间至延期交付时间提交产品,则将延期交付日期作为交付日期。
步骤43、在设备能够在交付日期或延期交付日期之间完成生产任务前完成生产任务,生成经济生产任务。
当设备能够在交付日期或延期交付日期之前完成生产任务时,说明设备的损坏对生产任务的交付并不会产生影响,则保留原有的生产任务和计划,即生成的经济生产任务为原生产任务。
步骤44、在设备在交付日期或延期交付日期之间完成生产任务时,获取同类设备的交付日期和延期交付日期,并基于预设的分担算法判断同类设备能否在交付日期或延期交付日期之间完成生产任务时,同类设备能够生产设备产品的设备。
当设备无法在交付日期或延期交付日期之前完成交付任务,此时仅凭借设备自身很难完成原有的生产任务,所以可以借助能够生产同类产品的设备来协助生产,统称此类设备为同类设备,寻找具有空闲时间的同类设备,判断同类设备能否帮助从而在交付日期或待交付日期之前完成交付任务。
步骤441、基于预设的商品生产数据库获取在交付日期或延期交付日期前能否完成自身生产任务的同类设备,并获取同类设备对产品的生产效率和空闲时间。
商品生产数据库为存储有所有设备生产任务的数据库,同时商品生产数据库记载有所有设备能够生产物品的种类以及生产物品对应的生产效率。
通过对比商品生产数据库,获取能够生产同类商品的所有设备,筛选在交付日期或延期交付日期之前具有空闲生产时间的设备并获得该设备生产给该商品的生产效率。
步骤442、基于交付日期和延期交付日期,以获取产品的生产任务在交付日期或延期交付日期前生产的产品数量。
在获取了交付日期或延期交付日期后,获取产品的生产任务以及设备对应的在交付日期或延期交付日期之前能够生产的产品数量,参照步骤421,能够生产的产品数量为220件。
步骤443、基于产品数量和生产任务确定第一剩余产品数量。
第一剩余产品数量为需要同类设备生产的产品数量,沿用步骤421,生产任务为300件,产品数量为220件,则第一剩余产品数量为80件。
步骤444、基于第一剩余产品数量、同类设备、同类设备的生产效率和空闲时间判断同类设备能否交付日期或延期交付日期之前完成生产任务。
在获取了第一剩余产品数量后,通过获取的同类设备以及同类设备对该商品的生产效率确定能不能在交付日期或延期交付日期之前完成生产任务。
沿用步骤443中的事例,第一剩余产品数量为80件,同时获取的同类设备为同类设备a和同类设备c,同类设备a的空余时间为3天,生产效率为10件每天,同类设备c的空余事件为4天,生产效率为15件每天,则同类设备a和同类设备c能够在交付日期或延期交付日期之前完成生产任务。
步骤45、在同类设备能够在交付日期或延期交付日期之前完成生产任务时,生成经济生产任务。
沿用步骤444中的事例,则该经济生产任务为,同类设备a在交付日期7月30日之前的3天空余时间用于生产商品b,同类设备c在交付日期7月30日之前的4天空余时间用于生产商品b,设备a在维修好后继续生产商品b直至7月30日、
步骤46、在同类设备不能够在交付日期或延期交付日期之前完成生产任务时,基于设备、设备的延期交付违约金、同类设备、同类设备的延期交付违约金生成经济生产任务。
当同类设备和设备同时生产产品,但是通过计算得知不能在交付日或延期交付日期之前完成任务,则必定违约,需要计算违约资金并生成经济生产任务。
步骤461、获取交付日期或延期交付日期时设备和同类设备生产的产品数量,并计算第二剩余产品数量。
在确定了交付日期或延期交付日期后,如果在交付日期或延期交付日期时设备和同类设备均无法完成生产任务,则需要计算无法完成的商品数量。
例如,在交付日期时,设备a、同类设备b和同类设备c能够生产300件商品,生产任务为350件,则第二剩余产品数量为50件。
步骤462、基于第二剩余产品数量、设备的生产效率和同类设备的生产效率确定赔偿日期。
赔偿日期为超过交付日期或延期交付日期的天数。当所有能够生产产品的设备均不能在交付日期或在延期交付日期之前完成交付任务时,则根据交付之日或延期交付之日计算超期天数,以便于计算赔偿金额。
沿用步骤461,第二剩余产品数量为50件,设备a的生产效率为20、同类设备b的生产效率为15,同类设备c的生产效率为10,则需要进行的赔偿天数为2天。
步骤463、基于设备的延期交付违约金、同类设备的延期交付赔偿金和赔偿日期确定经济生产任务。
在确定了赔偿的日期后,则根据所有生产设备的延期交付赔偿金确定需要赔偿的金额,然后生成经济生产任务。
以上为本申请提出的方法实施例。基于同样的发明构思,本申请实施例还提供了一种基于物联网的工厂边端协同管理设备,其结构如图2所示。
图2为本申请实施例提供的一种基于物联网的工厂边端协同管理设备内部结构示意图。如图2所示,设备包括:
至少一个处理器201;
以及,与至少一个处理器通信连接的存储器202;
其中,存储器202存储有可被至少一个处理器执行的指令,指令被至少一个处理器201执行,以使至少一个处理器201能够:获取端侧数据和生产数据,其中,端侧数据包括每台设备的设备内部数据和厂区内的监控数据,生产数据包括每台设备的生产任务和生产进度;基于预设的检测算法处理设备内部数据和监控数据,以判断设备是否存在故障,其中,检测算法包括内部检测算法和外部检测算法,故障包括内部故障和外部故障;在设备存在故障时,关闭设备运行,并基于故障生成设备维修时间;基于设备维修时间和预设的生产任务安排算法处理生产任务和生产进度,以获取经济生产任务。
本申请的一些实施例提供的对应于图1的一种基于物联网的工厂边端协同管理的非易失性计算机存储介质,存储有计算机可执行指令,计算机可执行指令设置为:获取端侧数据和生产数据,其中,端侧数据包括每台设备的设备内部数据和厂区内的监控数据,生产数据包括每台设备的生产任务和生产进度;基于预设的检测算法处理设备内部数据和监控数据,以判断设备是否存在故障,其中,检测算法包括内部检测算法和外部检测算法,故障包括内部故障和外部故障;在设备存在故障时,关闭设备运行,并基于故障生成设备维修时间;基于设备维修时间和预设的生产任务安排算法处理生产任务和生产进度,以获取经济生产任务。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于物联网设备和介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的系统和介质与方法是一一对应的,因此,系统和介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述系统和介质的有益技术效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于物联网的工厂边端协同管理方法,其特征在于,所述方法包括:
获取端侧数据和生产数据,其中,所述端侧数据包括每台设备的设备内部数据和厂区内的监控数据,所述生产数据包括每台设备的生产任务和生产进度;
基于预设的检测算法处理所述设备内部数据和监控数据,以判断所述设备是否存在故障,其中,检测算法包括内部检测算法和外部检测算法,故障包括内部故障和外部故障;
在所述设备存在故障时,关闭所述设备运行,并基于所述故障生成设备维修时间;
基于所述设备维修时间和预设的生产任务安排算法处理所述生产任务和生产进度,以获取经济生产任务。
2.根据权利要求1所述的一种基于物联网的工厂边端协同管理方法,其特征在于,基于预设的检测算法处理所述设备内部数据和监控数据,以判断所述设备是否存在故障,具体包括:
基于所述内部检测算法处理所述设备内部数据,以判断所述设备是否存在内部故障;
基于所述外部检测算法处理所述监控数据,以判断所述设备是否存在外部故障。
3.根据权利要求2所述的一种基于物联网的工厂边端协同管理方法,其特征在于,基于所述内部检测算法处理所述设备内部数据,以判断所述设备是否存在内部故障,具体包括:
获取当前时间和设备运行时间;
基于当前时间和设备运行时间,通过设备内部数据对比预设的设备数据库,以判断设备内部数据是否处于正常范围,其中,设备数据库记载有设备在不同时间段和运行时间下的设备内部数据的正常范围;
在存在设备内部数据超过正常范围时,判断与所述设备内部数据关联的其他设备内部数据是否处于正常范围;
若其他设备内部数据处于正常范围且在预设的第一时间段内所述设备内部数据回归正常范围,则所述设备不存在内部故障;
若与所述设备内部数据关联的其他设备内部数据不处于正常范围或在预设的第一时间段内设备内部数据没有回归正常范围,则所述设备存在内部故障。
4.根据权利要求2所述的一种基于物联网的工厂边端协同管理方法,其特征在于,基于所述外部检测算法处理所述监控数据,以判断所述设备是否存在外部故障,具体包括:
按照预设第二的时间段裁剪所述监控数据,以获取多张监控图片;
基于预设的图片检测算法处理所述监控图片,删去其中不清晰的监控图片,以获取清晰的监控图片;
对比所述清晰的监控图片和预存的设备运行图片,并标注不同的区域,其中,所述设备运行图片为设备正常运行时的外部图片;
基于所述不同的区域判断所述设备是否存在外部故障。
5.根据权利要求1所述的一种基于物联网的工厂边端协同管理方法,其特征在于,基于所述设备维修时间和预设的生产任务安排算法处理所述生产任务和生产进度,以获取经济生产任务,具体包括:
获取所述设备的生产任务、生产效率和签约信息,其中,所述签约信息包括交付日期、延期交付日期和延期交付违约金;
基于所述设备维修时间、签约信息、设备的生产任务以及生产效率判断所述设备能否在交付日期或延期交付日期前完成生产任务;
在所述设备能够在交付日期或延期交付日期之间完成生产任务前完成生产任务时,生成经济生产任务;
在所述设备不能在交付日期或延期交付日期之前完成生产任务时,获取同类设备的交付日期和延期交付日期,并基于预设的分担算法判断所述同类设备和设备能否在交付日期或延期交付日期之间完成生产任务,其中,所述同类设备为能够生产所述设备产品的设备;
在所述同类设备和设备能够在交付日期或延期交付日期之前完成生产任务时,生成经济生产任务;
在所述同类设备和设备不能在交付日期或延期交付日期之前完成生产任务时,基于所述设备、所述设备的延期交付违约金、所述同类设备、所述同类设备的延期交付违约金生成经济生产任务。
6.根据权利要求5所述的一种基于物联网的工厂边端协同管理方法,其特征在于,基于所述设备维修时间、签约信息、设备的生产任务以及生产效率判断所述设备能否在交付日期或延期交付日期前完成生产任务,具体包括:
基于所述设备的生产任务、交付日期、生产进度和设备维修时间判断所述设备是否能够在交付日期前完成所述生产任务;
在所述设备不能在交付日期前完成生产任务时,基于所述签约信息判断所述设备能否延期生产;
在所述设备能够延期生产时,将所述延期交付时间作为交付日期,并判断在延期交付时间前所述设备能否完成生产任务。
7.根据权利要求5所述的一种基于物联网的工厂边端协同管理方法,其特征在于,在所述设备不能在交付日期或延期交付日期之前完成生产任务时,获取同类设备的交付日期和延期交付日期,并基于预设的分担算法判断所述同类设备和设备能否在交付日期或延期交付日期之间完成生产任务,具体包括:
基于预设的商品生产数据库获取在交付日期或延期交付日期前能够完成自身生产任务的同类设备,并获取同类设备对所述产品的生产效率和空闲时间;
基于所述设备的生产效率、生产任务、设备维修时间和交付日期和延期交付日期计算所述设备在交付日期或延期交付日期前生产的产品数量;
基于产品数量和生产任务确定第一剩余产品数量;
基于第一剩余产品数量、同类设备、同类设备的生产效率和空闲时间判断所述同类设备能否在交付日期或延期交付日期之前完成生产任务。
8.根据权利要求5所述的一种基于物联网的工厂边端协同管理方法,其特征在于,在所述同类设备和设备不能在交付日期或延期交付日期之前完成生产任务时,基于所述设备、所述设备的延期交付违约金、所述同类设备、所述同类设备的延期交付违约金生成经济生产任务,具体包括:
获取交付日期或延期交付日期前所述设备和所述同类设备生产的产品数量,并计算第二剩余产品数量;
基于第二剩余产品数量、所述设备的生产效率和同类设备的生产效率确定赔偿日期;
基于所述设备的延期交付违约金、同类设备的延期交付赔偿金和赔偿日期确定经济生产任务。
9.一种基于物联网的工厂边端协同管理设备,其特征在于,所述设备包括:
至少一个处理器;
以及,与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能否:
获取端侧数据和生产数据,其中,所述端侧数据包括每台设备的设备内部数据和监控数据,所述生产数据包括每台设备的生产任务和生产进度;
基于预设的检测算法处理所述设备内部数据和监控数据,以判断所述设备是否存在故障,其中,检测算法包括内部检测算法和外部检测算法,故障包括内部故障和外部故障;
在所述设备存在故障时,关闭所述设备运行,并基于所述故障生成设备维修时间;
基于所述设备维修时间和预设的生产任务安排算法处理所述生产任务和生产进度,以获取经济生产任务。
10.一种基于物联网的工厂边端协同管理.的非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:
获取端侧数据和生产数据,其中,所述端侧数据包括每台设备的设备内部数据和监控数据,所述生产数据包括每台设备的生产任务和生产进度;
基于预设的检测算法处理所述设备内部数据和监控数据,以判断所述设备是否存在故障,其中,检测算法包括内部检测算法和外部检测算法,故障包括内部故障和外部故障;
在所述设备存在故障时,关闭所述设备运行,并基于所述故障生成设备维修时间;
基于所述设备维修时间和预设的生产任务安排算法处理所述生产任务和生产进度,以获取经济生产任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311116883.8A CN117032139A (zh) | 2023-08-31 | 2023-08-31 | 一种基于物联网的工厂边端协同管理方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311116883.8A CN117032139A (zh) | 2023-08-31 | 2023-08-31 | 一种基于物联网的工厂边端协同管理方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117032139A true CN117032139A (zh) | 2023-11-10 |
Family
ID=88624604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311116883.8A Pending CN117032139A (zh) | 2023-08-31 | 2023-08-31 | 一种基于物联网的工厂边端协同管理方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117032139A (zh) |
-
2023
- 2023-08-31 CN CN202311116883.8A patent/CN117032139A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11755604B2 (en) | Building management system with declarative views of timeseries data | |
CA3155689A1 (en) | Early-warning method for commodity inventory risk based on a statistical interquartile range, and system and computer-readable storage medium thereof | |
KR20220143954A (ko) | 광 발전 어레이의 작동 상태를 결정하기 위한 방법 및 장치와, 디바이스 및 저장매체 | |
US7853568B2 (en) | High speed data historian | |
US20170132724A1 (en) | Defect management | |
CN115454162B (zh) | 一种储粮智能控温方法、设备及介质 | |
US11875419B1 (en) | Virtual property appraisals and/or inspections | |
CN105573892A (zh) | 业务数据跑批方法和系统 | |
CN114201090A (zh) | 产品生产异常预警系统、方法、计算机设备和存储介质 | |
CN115689207A (zh) | 风电场运维管理方法、装置、计算机设备和存储介质 | |
CN116307460A (zh) | 一种用于安全生产的化工设备管理方法、设备及介质 | |
JP2021089116A (ja) | 情報処理装置、情報処理方法、プログラム及び学習済みモデルの生成方法 | |
CN112132492B (zh) | 一种基于区块链的生物质燃料追溯管理方法、装置及系统 | |
CN117032139A (zh) | 一种基于物联网的工厂边端协同管理方法、设备及介质 | |
WO2024098668A1 (zh) | 基于5g的核电设备异常诊断方法、装置和计算机设备 | |
CN116168462A (zh) | 基于智能巡检设备的安全隐患识别方法、装置和设备 | |
US20150134399A1 (en) | Information model for supply chain risk decision making | |
Raj et al. | On the Impact of ML use cases on Industrial Data Pipelines | |
Chen et al. | Integration of FDD data to aid HVAC system maintenance | |
CN117094606B (zh) | 基于bim的建筑构件全生命周期质量跟踪的方法及系统 | |
US20230230007A1 (en) | Systems and methods for predictive holistic facility management | |
CN113342599B (zh) | It设备故障率自动监测方法、装置、设备及存储介质 | |
Dobrovolschi | Risk Assessment in the Planning of Development Projects | |
CN117764451A (zh) | 一种基于区块链的产线质量管理方法及系统 | |
CN115526663A (zh) | 一种策划文案的推广效果量化方法、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |