CN117132099A - 基于智能工作流的油气田生产运营管理系统及方法 - Google Patents
基于智能工作流的油气田生产运营管理系统及方法 Download PDFInfo
- Publication number
- CN117132099A CN117132099A CN202311102771.7A CN202311102771A CN117132099A CN 117132099 A CN117132099 A CN 117132099A CN 202311102771 A CN202311102771 A CN 202311102771A CN 117132099 A CN117132099 A CN 117132099A
- Authority
- CN
- China
- Prior art keywords
- data
- intelligent
- production operation
- gas field
- workflow
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000007726 management method Methods 0.000 claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 230000010354 integration Effects 0.000 claims abstract description 12
- 238000012423 maintenance Methods 0.000 claims abstract description 9
- 238000011161 development Methods 0.000 claims abstract description 7
- 230000008901 benefit Effects 0.000 claims abstract description 5
- 238000013461 design Methods 0.000 claims abstract description 4
- 238000007405 data analysis Methods 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000002347 injection Methods 0.000 claims description 4
- 239000007924 injection Substances 0.000 claims description 4
- 238000013079 data visualisation Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 239000007789 gas Substances 0.000 description 20
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000243 solution Substances 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种基于智能工作流的油气田生产运营管理系统及方法，该方法包括如下步骤：S 1：进行需求分析和流程建模的步骤；S 2：进行智能工作流设计的步骤；S 3：进行数据集成与分析的步骤；S 4：进行优化与调度的步骤；S 5：进行报告和监控的步骤；S 6：进行持续改进和维护的步骤。该基于智能工作流的油气田生产运营管理系统及方法具有的优点如下：全生命周期管理：系统涵盖油气田从勘探、开发到生产运营的全生命周期管理；智能调度和排程：基于实时数据和优化算法，自动调度设备运行和生产操作，提高效率；自动化与集成：实现设备自动化控制，整合不同设备和系统，减少人工操作。
Description
技术领域
本发明具体涉及一种基于智能工作流的油气田生产运营管理系统及方法。
背景技术
油气田企业勘探开发业务有物化探、分析化验、井筒工程、综合研究、开发生产、地面工程六大业务域，涉及的数据类型有结构化数据、文档数据、图形数据和体数据，其中体数据又包括地震体数据、测录井曲线数据、地质模型数据、网络数据等多种，并且体数据又有多种格式，数据类型的复杂性使数据资源管理的难度很大。同时石油天然气勘探开发是一个各种技术综合应用的专业，随时会出现新的技术和方法，随之会产生新的数据类型。因此，巨大的数据量对数据资源管理是一个巨大的挑战。因此本方案提出一种基于智能工作流的油气田生产运营管理系统及方法以解决上述问题。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于智能工作流的油气田生产运营管理系统及方法，该基于智能工作流的油气田生产运营管理系统及方法可以很好地解决上述问题。
为达到上述要求，本发明采取的技术方案是：提供一种基于智能工作流的油气田生产运营管理系统及方法，该基于智能工作流的油气田生产运营管理系统及方法，该方法包括如下步骤：
S1：进行需求分析和流程建模的步骤；
S2：进行智能工作流设计的步骤，具体如下：
进行流程分解：将整个生产运营流程分解为不同的任务和子流程，确定每个任务的输入、输出、执行条件；
进行任务自动化的操作：对于适合自动化的任务，设计智能工作流以实现任务的自动执行；
进行决策支持的步骤：在流程中加入决策节点，根据实时数据和预测模型，自动做出调整决策；
S 3：进行数据集成与分析的步骤，具体如下：
进行数据集成：整合来自不同设备、传感器和系统的数据，形成统一的数据源；
进行数据分析的步骤：对采集的数据进行分析，通过机器学习算法进行趋势预测、异常检测；
S 4：进行优化与调度的步骤；
S 5：进行报告和监控的步骤；
S 6：进行持续改进和维护的步骤。
该系统包括如下模块：
智能工作流引擎模块：用于设计和实施智能工作流，以自动化和协调生产运营流程；
数据集成与采集模块：用于整合来自不同设备、传感器和系统的数据，包括生产数据、设备状态、地质信息；
预测和优化模块：用于基于历史数据和模型，预测生产趋势和设备故障，并进行生产优化，以提高产量和降低成本；
实时监控与警报模块：用于实时监测生产情况，设定警报条件，及时发出警报并提供相关信息；
报告和分析模块：用于生成生产报告、数据分析和可视化，帮助管理层做出决；
人工智能和机器学习模块：用于运用AI和ML技术进行设备故障预测、优化决策等；
远程操作模块：用于实现远程控制和操作，以减少人员现场操作，提高安全性和效率。
该基于智能工作流的油气田生产运营管理系统及方法具有的优点如下：
1.全生命周期管理：系统涵盖油气田从勘探、开发到生产运营的全生命周期管理；
2.智能调度和排程：基于实时数据和优化算法，自动调度设备运行和生产操作，提高效率；
3.自动化与集成：实现设备自动化控制，整合不同设备和系统，减少人工操作；
4.数据驱动决策：利用数据驱动的方法，提供生产决策的基础，支持实时调整和优化；
5.预测和预防维护：预测设备故障，提前进行维护，避免停机时间和损失；
6.监控和报警：实时监控设备状态，设定警报条件，确保安全生产；
7.数据分析与洞察：对生产数据进行深度分析，寻找潜在问题和改进机会；
8.可视化界面：提供直观的可视化界面，方便用户监控和操作生产运营。
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，在这些附图中使用相同的参考标号来表示相同或相似的部分，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示意性地示出了根据本申请一个实施例的基于智能工作流的油气田生产运营管理方法的流程示意图。
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，以下结合附图及具体实施例，对本申请作进一步地详细说明。
在以下描述中，对“一个实施例”、“实施例”、“一个示例”、“示例”等等的引用表明如此描述的实施例或示例可以包括特定特征、结构、特性、性质、元素或限度，但并非每个实施例或示例都必然包括特定特征、结构、特性、性质、元素或限度。另外，重复使用短语“根据本申请的一个实施例”虽然有可能是指代相同实施例，但并非必然指代相同的实施例。
为简单起见，以下描述中省略了本领域技术人员公知的某些技术特征。
根据本申请的一个实施例，提供一种基于智能工作流的油气田生产运营管理系统及方法，如图1所示，包括如下步骤：
S1：进行需求分析和流程建模的步骤；
S2：进行智能工作流设计的步骤，具体如下：
进行流程分解：将整个生产运营流程分解为不同的任务和子流程，确定每个任务的输入、输出、执行条件；
进行任务自动化的操作：对于适合自动化的任务，设计智能工作流以实现任务的自动执行；
进行决策支持的步骤：在流程中加入决策节点，根据实时数据和预测模型，自动做出调整决策；
S 3：进行数据集成与分析的步骤，具体如下：
进行数据集成：整合来自不同设备、传感器和系统的数据，形成统一的数据源；
进行数据分析的步骤：对采集的数据进行分析，通过机器学习算法进行趋势预测、异常检测；
S 4：进行优化与调度的步骤；
S 5：进行报告和监控的步骤；
S 6：进行持续改进和维护的步骤。
根据本申请的一个实施例，该基于智能工作流的油气田生产运营管理方法的步骤S1进行需求分析和流程建模的步骤具体包括：
S11：进行需求分析的步骤，确定油气田生产运营的需求，包括设备管理、作业流程、数据监控；
S12：进行流程建模的步骤，建立整个生产运营流程的模型，涵盖勘探、开发、生产、维护等环节。
根据本申请的一个实施例，该基于智能工作流的油气田生产运营管理方法的步骤S 4进行优化与调度的步骤具体包括：
S 41：进行优化模型的步骤，基于数据分析和实时信息，建立优化模型，最大化生产效率，如设备的开启与关闭时间、产量调整。
S 42：进行自动调度的步骤，设计智能工作流以自动调度设备的运行，确保合理的设备利用率。
根据本申请的一个实施例，该基于智能工作流的油气田生产运营管理方法的步骤S 5进行报告和监控的步骤具体包括：
S 51：进行报告生成的步骤，根据数据分析结果，生成生产报告，反映生产效益、资源利用情况；
S 52：进行实时监控的步骤，设计智能工作流以实时监控设备状态、生产数据，及时检测异常。
根据本申请的一个实施例，该基于智能工作流的油气田生产运营管理方法的步骤S 6进行持续改进和维护的步骤具体包括：
S 61：进行数据反馈的步骤：将生产数据和运营结果反馈到智能工作流，用于模型的改进和优化；
S 62：进行持续改进的步骤：基于数据分析和运营经验，不断优化工作流程和决策模型，提高系统性能。
根据本申请的一个实施例，该基于智能工作流的油气田生产运营管理系统的包括如下模块：
智能工作流引擎模块：用于设计和实施智能工作流，以自动化和协调生产运营流程；
数据集成与采集模块：用于整合来自不同设备、传感器和系统的数据，包括生产数据、设备状态、地质信息；
预测和优化模块：用于基于历史数据和模型，预测生产趋势和设备故障，并进行生产优化，以提高产量和降低成本；
实时监控与警报模块：用于实时监测生产情况，设定警报条件，及时发出警报并提供相关信息；
报告和分析模块：用于生成生产报告、数据分析和可视化，帮助管理层做出决；
人工智能和机器学习模块：用于运用AI和ML技术进行设备故障预测、优化决策等；
远程操作模块：用于实现远程控制和操作，以减少人员现场操作，提高安全性和效率。
根据本申请的一个实施例，该基于智能工作流的油气田生产运营管理系统的智能工作流包括采油、注水、注气、管线运输能工作流。
根据本申请的一个实施例，该基于智能工作流的油气田生产运营管理系统的人工智能和机器学习模块利用如下公式进行故障率的预测计算：
P＝1+e-(β0+β1*X1+β2*X2+...βn*Xn)
P：设备发生故障的概率；
β0,β1,…,βn：模型的参数，由机器学习算法学习得出；
X1,X2,…,Xn：特征变量，包括设备状态、运行时间、环境条件等。
P(故障)是一个介于0和1之间的概率，表示设备会发生故障的可能性。
β0,β1,…,βn是逻辑回归模型的参数，通过机器学习算法学习得出，用于调整特征变量对预测概率的影响。X1,X2,…,Xn是设备特征变量，可能包括设备的运行状态、温度、压力等。基于训练好的模型，通过输入设备特征变量，可以计算得出设备发生故障的概率。如果概率超过一个设定的阈值，可以认为设备可能会发生故障，从而采取预防性维护措施。
以上所述实施例仅表示本发明的几种实施方式，其描述较为具体和详细，但并不能理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明保护范围。因此本发明的保护范围应该以所述权利要求为准。
Claims (8)
1.一种基于智能工作流的油气田生产运营管理方法，其特征在于，包括如下步骤：
S1：进行需求分析和流程建模的步骤；
S2：进行智能工作流设计的步骤，具体如下：
进行流程分解：将整个生产运营流程分解为不同的任务和子流程，确定每个任务的输入、输出、执行条件；
进行任务自动化的操作：对于适合自动化的任务，设计智能工作流以实现任务的自动执行；
进行决策支持的步骤：在流程中加入决策节点，根据实时数据和预测模型，自动做出调整决策；
S3：进行数据集成与分析的步骤，具体如下：
进行数据集成：整合来自不同设备、传感器和系统的数据，形成统一的数据源；
进行数据分析的步骤：对采集的数据进行分析，通过机器学习算法进行趋势预测、异常检测；
S4：进行优化与调度的步骤；
S5：进行报告和监控的步骤；
S6：进行持续改进和维护的步骤。
2.根据权利要求1所述的基于智能工作流的油气田生产运营管理系统及方法，其特征在于，步骤S1进行需求分析和流程建模的步骤具体包括：
S11：进行需求分析的步骤，确定油气田生产运营的需求，包括设备管理、作业流程、数据监控；
S12：进行流程建模的步骤，建立整个生产运营流程的模型，涵盖勘探、开发、生产、维护等环节。
3.根据权利要求1所述的基于智能工作流的油气田生产运营管理系统及方法，其特征在于，步骤S4进行优化与调度的步骤具体包括：
S41：进行优化模型的步骤，基于数据分析和实时信息，建立优化模型，最大化生产效率，如设备的开启与关闭时间、产量调整。
S42：进行自动调度的步骤，设计智能工作流以自动调度设备的运行，确保合理的设备利用率。
4.根据权利要求1所述的基于智能工作流的油气田生产运营管理系统及方法，其特征在于，步骤S5进行报告和监控的步骤具体包括：
S51：进行报告生成的步骤，根据数据分析结果，生成生产报告，反映生产效益、资源利用情况；
S52：进行实时监控的步骤，设计智能工作流以实时监控设备状态、生产数据，及时检测异常。
5.根据权利要求1所述的基于智能工作流的油气田生产运营管理系统及方法，其特征在于，步骤S6进行持续改进和维护的步骤具体包括：
S61：进行数据反馈的步骤：将生产数据和运营结果反馈到智能工作流，用于模型的改进和优化；
S62：进行持续改进的步骤：基于数据分析和运营经验，不断优化工作流程和决策模型，提高系统性能。
6.一种基于智能工作流的油气田生产运营管理系统，其特征在于，包括如下模块：
智能工作流引擎模块：用于设计和实施智能工作流，以自动化和协调生产运营流程；
数据集成与采集模块：用于整合来自不同设备、传感器和系统的数据，包括生产数据、设备状态、地质信息；
预测和优化模块：用于基于历史数据和模型，预测生产趋势和设备故障，并进行生产优化，以提高产量和降低成本；
实时监控与警报模块：用于实时监测生产情况，设定警报条件，及时发出警报并提供相关信息；
报告和分析模块：用于生成生产报告、数据分析和可视化，帮助管理层做出决；
人工智能和机器学习模块：用于运用AI和ML技术进行设备故障预测、优化决策等；
远程操作模块：用于实现远程控制和操作，以减少人员现场操作，提高安全性和效率。
7.根据权利要求6所述的基于智能工作流的油气田生产运营管理系统，其特征在于：所述智能工作流包括采油、注水、注气、管线运输能工作流。
8.根据权利要求6所述的基于智能工作流的油气田生产运营管理系统，其特征在于：所述人工智能和机器学习模块利用如下公式进行故障率的预测计算：
P＝1+e-(β0+β1*X1+β2*X2+...βn*Xn)
P：设备发生故障的概率；
β0,β1,…,βn：模型的参数；
X1,X2,…,Xn：特征变量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311102771.7A CN117132099A (zh) | 2023-08-29 | 2023-08-29 | 基于智能工作流的油气田生产运营管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311102771.7A CN117132099A (zh) | 2023-08-29 | 2023-08-29 | 基于智能工作流的油气田生产运营管理系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117132099A true CN117132099A (zh) | 2023-11-28 |
Family
ID=88862514
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311102771.7A Pending CN117132099A (zh) | 2023-08-29 | 2023-08-29 | 基于智能工作流的油气田生产运营管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117132099A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117829884A (zh) * | 2024-03-04 | 2024-04-05 | 山东港源管道物流有限公司 | 一种智慧油库建设运营管理系统 |
| CN117973634A (zh) * | 2024-03-27 | 2024-05-03 | 无锡云数工业技术有限公司 | 一种制造运营管理的优化控制方法及系统 |
| CN117973634B (zh) * | 2024-03-27 | 2024-05-31 | 无锡云数工业技术有限公司 | 一种制造运营管理的优化控制方法及系统 |
-
2023
- 2023-08-29 CN CN202311102771.7A patent/CN117132099A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117829884A (zh) * | 2024-03-04 | 2024-04-05 | 山东港源管道物流有限公司 | 一种智慧油库建设运营管理系统 |
| CN117829884B (zh) * | 2024-03-04 | 2024-05-14 | 山东港源管道物流有限公司 | 一种智慧油库建设运营管理系统 |
| CN117973634A (zh) * | 2024-03-27 | 2024-05-03 | 无锡云数工业技术有限公司 | 一种制造运营管理的优化控制方法及系统 |
| CN117973634B (zh) * | 2024-03-27 | 2024-05-31 | 无锡云数工业技术有限公司 | 一种制造运营管理的优化控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111985561B (zh) | 一种智能电表的故障诊断方法、系统及电子装置 | |
| US20190347590A1 (en) | Intelligent Decision Synchronization in Real Time for both Discrete and Continuous Process Industries | |
| US9280517B2 (en) | System and method for failure detection for artificial lift systems | |
| CN117132099A (zh) | 基于智能工作流的油气田生产运营管理系统及方法 | |
| CN104392752A (zh) | 一种实时在线的核反应堆故障诊断与监测系统 | |
| CN102032115A (zh) | 用于分析报告数据的系统和方法 | |
| CN115097788A (zh) | 一种基于数字孪生工厂的智能管控平台 | |
| CN111651530A (zh) | 一种智能化港口监测系统 | |
| Patwardhan et al. | Applications of advanced analytics at Saudi Aramco: A practitioners’ perspective | |
| CN114169570A (zh) | 一种基于物联网与云计算技术的智慧能源管理平台 | |
| CN117348503B (zh) | 一种环氧丙烷生产数据监控系统及方法 | |
| Peco Chacón et al. | False alarms management by data science | |
| CN116755964A (zh) | 一种加固服务器的故障预测与健康管理系统 | |
| CN115114856A (zh) | 一种基于数字孪生的智能制造产线运行系统 | |
| Latiffianti et al. | Wind turbine gearbox failure detection through cumulative sum of multivariate time series data | |
| Liu et al. | Risk-informed multi-objective decision-making of emergency schemes optimization | |
| Ariansyah et al. | Enhancing interoperability of digital twin in the maintenance phase of lifecycle | |
| CN115222069A (zh) | 一种设备预诊维护算法及集成该算法的智能工厂管控架构 | |
| Bellini et al. | A Deep Learning Approach for Short Term Prediction of Industrial Plant Working Status | |
| Alzawaideh et al. | Wind turbine failure prediction model using scada-based condition monitoring system | |
| CN117376108B (zh) | 一种物联网设备智能运维方法与系统 | |
| Chen et al. | Distributed System Monitoring and Fault Diagnosis Based on Causal Graphical Model | |
| He et al. | An adaptive interval forecast CNN model for fault detection method | |
| Arunkumar | AI-Based Predictive Maintenance Strategies for Electrical Equipment and Power Networks | |
| Xuefeng et al. | Study on Multi-Sensor Parameter Warning Based on Gaussian Mixed Model and Nonlinear State Estimation Technique |
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 |