CN117140186A - 一种基于人工智能的机械加工车间在线监测系统及方法 - Google Patents

Abstract

本发明涉及在线监测系统领域，尤其涉及一种基于人工智能的机械加工车间在线监测系统及方法。其包括分区模块、数据采集模块、在线监测平台、预警模块、反馈模块以及数据存储模块。本发明先对车间分区，再通过采集对应区域内生产设备的工作性能相关数据，采集操作该生产设备的工作人员相关数据，采集对应区域内工作环境数据，并通过在线监测平台处理三类数据，全面综合对比、分析，智能判断机械加工车间的生产是否正常。并在异常发生后，自动预警，反馈调整方案。通过数据采集及时发现生产设备、生产环境以及工作人员的异常，通过大数据综合评估车间工作状态，最终实现对机械加工车间的全面、智能在线监测。

Description

一种基于人工智能的机械加工车间在线监测系统及方法

技术领域

本发明涉及在线监测系统领域，尤其涉及一种基于人工智能的机械加工车间在线监测系统及方法。

背景技术

机械加工车间是机械生产的基本单位，由若干工段或生产班组构成，拥有完成机械加工任务所必需的场地、机器设备和生产人员，同时还要配备管理人员对车间进行监测。

由于现有机械加工车间中生产设备类型、工作人员、工作环境差异都会造成对机械加工车间的工作影响大，因此需要一种基于人工智能的机械加工车间在线监测系统，将上述的各影响因素统一监测，联合分析，得到精准监测效果，以达到机械加工智能化的需求。

发明内容

针对背景技术中存在的问题，提出一种基于人工智能的机械加工车间在线监测系统及方法。通过数据采集及时发现生产设备、生产环境以及工作人员的异常，通过大数据综合评估车间工作状态，最终实现对机械加工车间的全面、智能在线监测。

本发明提出一种基于人工智能的机械加工车间在线监测系统，包括分区模块、数据采集模块、在线监测平台、预警模块、反馈模块以及数据存储模块。

分区模块根据车间进行的机械加工类型、设备类型进行车间区域划分。

数据采集模块采集对应区域内生产设备的工作性能相关数据，采集操作该生产设备的工作人员相关数据，采集对应区域内工作环境数据。

在线监测平台分析生产设备、工作环境以及工作人员的工作数据，与规范数据进行对比，判断机械加工车间的生产是否正常，并分析异常产生的原因。

预警模块在生产设备、生产环境或工作人员存在异常情况时，发出预警信号，提醒监测人员前去对应区域。

反馈模块在出现异常情况时，将调整方案反馈至生产设备、工作人员处。

数据存储模块存储、备份系统运行数据。

优选的，车间区域划后，需要对每个车间区域进一步划分为多个层级；每个层级内包含多台同类型的生产设备以及对应的操作人员，还布置有多个数据采集端。

优选的，数据采集端采集的内容包括生产设备和工作人员的工作图像、生产设备的基本性能参数、区域内的环境数据以及工作人员的基本信息。

优选的，线监测平台对采集的生产设备数据、工作人员数据以及生产环境数据进行归一化处理，并按照区域，分别提取三类数据的特征表征。

优选的，归一化处理时需要将生产设备数据、工作人员数据以及生产环境数据特 征中的重复的、误差大的特征值除去，再将特征值缩放到0-1之间，并记为f₁、f₂……f_n；最后 通过带入函数进行归一化处理；公式如下：，得到各车间区域内生产设 备数据特征集（、……）、各车间区域内工作人员数据特征集（、……）和各车 间区域内生产环境数据特征集（、……）。

优选的，线监测平台上建立基于深度学习的监测模型，自动进行数据特征学习，同 时对生产设备数据特征、工作人员数据特征和生产环境数据特征进行矩阵构建；，其中（A、B……I）为各车间区域内生产设备、工作人员以及工作环境 对机械加工车间的影响因子；（1、2……i）为各车间区域标号；M_it为t时刻，车间内所有区域 的生产设备、工作人员和生产环境的工作状态评分。

优选的，监测人员向在线监测平台输入分数阈值，并根据机械加工实际需求手动调节各车间区域内生产设备、工作人员以及工作环境对机械加工车间的影响因子。

优选的，在车间工作状态分数低于阈值时，在线监测平台自动分析生产设备的性能参数、区域内的环境数据以及工作人员的操作流程，并将调整方案通过反馈模块发送至对应区域，同时通过预警模块发出预警信号，提醒监测人员前去对应区域进行安全维护。

优选的，在线监测平台上设置有数据展示模块，通过横向、纵向比较车间区域内生产设备、工作人员和生产环境数据特征，沿时间线制成实时图表，实现机械加工车间数据的可视化。

优选的，监测人员通过智能设备远程登录在线监测平台，查看数据展示模块，获得继续加工车间的实时数据。

本发明又提出一种包括上述基于人工智能的机械加工车间在线监测系统的在线监测方法，步骤如下：

S1、根据车间进行的机械加工类型、设备类型进行车间区域划分；

S2、采集对应区域内生产设备的工作性能相关数据，采集操作该生产设备的工作人员相关数据，采集对应区域内工作环境数据；

S3、对采集的生产设备数据、工作人员数据以及生产环境数据进行归一化处理，并按照区域，分别提取三类数据的特征表征；

S4、通过监测模型自动进行数据特征学习，同时对生产设备数据特征、工作人员数据特征和生产环境数据特征进行矩阵构建，得到车间内所有区域的生产设备、工作人员和生产环境的工作状态评分；

S5、在车间工作状态分数低于阈值时，自动分析异常原因，并将调整方案通过反馈模块发送至对应区域；

S6、通过预警模块发出预警信号，提醒监测人员前去对应区域进行安全维护。

与现有技术相比，本发明具有如下有益的技术效果：本发明先对车间分区，再通过采集对应区域内生产设备的工作性能相关数据，采集操作该生产设备的工作人员相关数据，采集对应区域内工作环境数据，并通过在线监测平台处理三类数据，全面综合对比、分析，智能判断机械加工车间的生产是否正常。并在异常发生后，自动预警，反馈调整方案。通过数据采集及时发现生产设备、生产环境以及工作人员的异常，通过大数据综合评估车间工作状态，最终实现对机械加工车间的全面、智能在线监测。

附图说明

图1为本发明一种实施例中系统的结构框图；

图2为本发明一种实施例中系统的工作方法流程图。

具体实施方式

实施例一，如图1所示，本发明提出的一种基于人工智能的机械加工车间在线监测系统，包括分区模块、数据采集模块、在线监测平台、预警模块、反馈模块以及数据存储模块。分区模块根据车间进行的机械加工类型、设备类型进行车间区域划分。数据采集模块采集对应区域内生产设备的工作性能相关数据，采集操作该生产设备的工作人员相关数据，采集对应区域内工作环境数据。在线监测平台分析生产设备、工作环境以及工作人员的工作数据，与规范数据进行对比，判断机械加工车间的生产是否正常，并分析异常产生的原因。预警模块在生产设备、生产环境或工作人员存在异常情况时，发出预警信号，提醒监测人员前去对应区域。反馈模块在出现异常情况时，将调整方案反馈至生产设备、工作人员处。数据存储模块存储、备份系统运行数据。

本实施例中的系统先对车间分区，再通过采集对应区域内生产设备的工作性能相关数据，采集操作该生产设备的工作人员相关数据，采集对应区域内工作环境数据，并通过在线监测平台处理三类数据，全面综合对比、分析，智能判断机械加工车间的生产是否正常。并在异常发生后，自动预警，反馈调整方案。

实施例二，如图1所示，本发明提出的一种基于人工智能的机械加工车间在线监测系统，包括分区模块、数据采集模块、在线监测平台、预警模块、反馈模块以及数据存储模块。分区模块根据车间进行的机械加工类型、设备类型进行车间区域划分。数据采集模块采集对应区域内生产设备的工作性能相关数据，采集操作该生产设备的工作人员相关数据，采集对应区域内工作环境数据。在线监测平台分析生产设备、工作环境以及工作人员的工作数据，与规范数据进行对比，判断机械加工车间的生产是否正常，并分析异常产生的原因。预警模块在生产设备、生产环境或工作人员存在异常情况时，发出预警信号，提醒监测人员前去对应区域。反馈模块在出现异常情况时，将调整方案反馈至生产设备、工作人员处。数据存储模块存储、备份系统运行数据。

需要进一步说明的是，车间区域划后，需要对每个车间区域进一步划分为多个层级；每个层级内包含多台同类型的生产设备以及对应的操作人员，还布置有多个数据采集端。数据采集端采集的内容包括生产设备和工作人员的工作图像、生产设备的基本性能参数、区域内的环境数据以及工作人员的基本信息。机械加工工艺类型很多，例如打磨、切割、钻孔等，有全自动设备、半自动设备。数据采集端通过摄像机采集图像数据，例如工作人员的操作工作，生产设备的工作过程。通过环境采集器采集工作环境的温度、湿度等。通过电流、电压监测器，监测生产设备的性能数据。

需要进一步说明的是，线监测平台对采集的生产设备数据、工作人员数据以及生 产环境数据进行归一化处理，并按照区域，分别提取三类数据的特征表征。归一化处理时需 要将生产设备数据、工作人员数据以及生产环境数据特征中的重复的、误差大的特征值除 去，再将特征值缩放到0-1之间，并记为f₁、f₂……f_n；最后通过带入函数进行归一化处理；公 式如下：，得到各车间区域内生产设备数据特征集（、……）、各 车间区域内工作人员数据特征集（、……）和各车间区域内生产环境数据特征集（ 、……）。

需要进一步说明的是，线监测平台上建立基于深度学习的监测模型，自动进行数 据特征学习，同时对生产设备数据特征、工作人员数据特征和生产环境数据特征进行矩阵 构建；，其中（A、B……I）为各车间区域内生产设备、工作人员以及工 作环境对机械加工车间的影响因子；（1、2……i）为各车间区域标号；M_it为t时刻，车间内所 有区域的生产设备、工作人员和生产环境的工作状态评分。

需要进一步说明的是，监测人员向在线监测平台输入分数阈值，并根据机械加工实际需求手动调节各车间区域内生产设备、工作人员以及工作环境对机械加工车间的影响因子。

需要进一步说明的是，在车间工作状态分数低于阈值时，在线监测平台自动分析生产设备的性能参数、区域内的环境数据以及工作人员的操作流程，并将调整方案通过反馈模块发送至对应区域，同时通过预警模块发出预警信号，提醒监测人员前去对应区域进行安全维护。

需要进一步说明的是，在线监测平台上设置有数据展示模块，通过横向、纵向比较车间区域内生产设备、工作人员和生产环境数据特征，沿时间线制成实时图表，实现机械加工车间数据的可视化。

需要进一步说明的是，监测人员通过智能设备远程登录在线监测平台，查看数据展示模块，获得继续加工车间的实时数据。

实施例三，如图2所示，本实施例中提出一种基于人工智能的机械加工车间在线监测系统的监测方法，步骤如下：

S1、根据车间进行的机械加工类型、设备类型进行车间区域划分；

S2、采集对应区域内生产设备的工作性能相关数据，采集操作该生产设备的工作人员相关数据，采集对应区域内工作环境数据；

S3、对采集的生产设备数据、工作人员数据以及生产环境数据进行归一化处理，并按照区域，分别提取三类数据的特征表征；

S4、通过监测模型自动进行数据特征学习，同时对生产设备数据特征、工作人员数据特征和生产环境数据特征进行矩阵构建，得到车间内所有区域的生产设备、工作人员和生产环境的工作状态评分；

S5、在车间工作状态分数低于阈值时，自动分析异常原因，并将调整方案通过反馈模块发送至对应区域；

S6、通过预警模块发出预警信号，提醒监测人员前去对应区域进行安全维护。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于此，在所属技术领域的技术人员所具备的知识范围内，在不脱离本发明宗旨的前提下还可以作出各种变化。

Claims (10)

1.一种基于人工智能的机械加工车间在线监测系统，其特征在于，包括：

分区模块，根据车间进行的机械加工类型、设备类型进行车间区域划分；

数据采集模块，采集对应区域内生产设备的工作性能相关数据，采集操作该生产设备的工作人员相关数据，采集对应区域内工作环境数据；

在线监测平台，分析生产设备、工作环境以及工作人员的工作数据，与规范数据进行对比，判断机械加工车间的生产是否正常，并分析异常产生的原因；

预警模块，在生产设备、生产环境或工作人员存在异常情况时，发出预警信号，提醒监测人员前去对应区域；

反馈模块，在出现异常情况时，将调整方案反馈至生产设备、工作人员处；

以及数据存储模块，存储、备份系统运行数据。

2.根据权利要求1所述的一种基于人工智能的机械加工车间在线监测系统，其特征在于，车间区域划后，需要对每个车间区域进一步划分为多个层级；每个层级内包含多台同类型的生产设备以及对应的操作人员，还布置有多个数据采集端。

3.根据权利要求2所述的一种基于人工智能的机械加工车间在线监测系统，其特征在于，数据采集端采集的内容包括生产设备和工作人员的工作图像、生产设备的基本性能参数、区域内的环境数据以及工作人员的基本信息。

4.根据权利要求3所述的一种基于人工智能的机械加工车间在线监测系统，其特征在于，线监测平台对采集的生产设备数据、工作人员数据以及生产环境数据进行归一化处理，并按照区域，分别提取三类数据的特征表征。

5.根据权利要求4所述的一种基于人工智能的机械加工车间在线监测系统，其特征在于，归一化处理时需要将生产设备数据、工作人员数据以及生产环境数据特征中的重复的、误差大的特征值除去，再将特征值缩放到0-1之间，并记为f₁、f₂……f_n；最后通过带入函数进行归一化处理；公式如下：，得到各车间区域内生产设备数据特征集（/>、/>……/>）、各车间区域内工作人员数据特征集（/>、/>……/>）和各车间区域内生产环境数据特征集（/>、/>……/>）。

6.根据权利要求5所述的一种基于人工智能的机械加工车间在线监测系统，其特征在于，线监测平台上建立基于深度学习的监测模型，自动进行数据特征学习，同时对生产设备数据特征、工作人员数据特征和生产环境数据特征进行矩阵构建；，其中（A、B……I）为各车间区域内生产设备、工作人员以及工作环境对机械加工车间的影响因子；（1、2……i）为各车间区域标号；M_it为t时刻，车间内所有区域的生产设备、工作人员和生产环境的工作状态评分。

7.根据权利要求6所述的一种基于人工智能的机械加工车间在线监测系统，其特征在于，监测人员向在线监测平台输入分数阈值，并根据机械加工实际需求手动调节各车间区域内生产设备、工作人员以及工作环境对机械加工车间的影响因子。

8.根据权利要求7所述的一种基于人工智能的机械加工车间在线监测系统，其特征在于，在车间工作状态分数低于阈值时，在线监测平台自动分析生产设备的性能参数、区域内的环境数据以及工作人员的操作流程，并将调整方案通过反馈模块发送至对应区域，同时通过预警模块发出预警信号，提醒监测人员前去对应区域进行安全维护。

9.根据权利要求5所述的一种基于人工智能的机械加工车间在线监测系统，其特征在于，在线监测平台上设置有数据展示模块，通过横向、纵向比较车间区域内生产设备、工作人员和生产环境数据特征，沿时间线制成实时图表，实现机械加工车间数据的可视化；监测人员通过智能设备远程登录在线监测平台，查看数据展示模块，获得继续加工车间的实时数据。

10.一种基于人工智能的机械加工车间在线监测方法，其特征在于，基于权利要求1-9任一项所述的一种基于人工智能的机械加工车间在线监测系统，方法步骤如下：

S1、根据车间进行的机械加工类型、设备类型进行车间区域划分；

S2、采集对应区域内生产设备的工作性能相关数据，采集操作该生产设备的工作人员相关数据，采集对应区域内工作环境数据；

S3、对采集的生产设备数据、工作人员数据以及生产环境数据进行归一化处理，并按照区域，分别提取三类数据的特征表征；

S4、通过监测模型自动进行数据特征学习，同时对生产设备数据特征、工作人员数据特征和生产环境数据特征进行矩阵构建，得到车间内所有区域的生产设备、工作人员和生产环境的工作状态评分；

S5、在车间工作状态分数低于阈值时，自动分析异常原因，并将调整方案通过反馈模块发送至对应区域；

S6、通过预警模块发出预警信号，提醒监测人员前去对应区域进行安全维护。