CN117172431A - 一种食品加工器械设备管理方法及系统 - Google Patents

Abstract

本发明涉及设备数据处理技术领域，具体涉及一种食品加工器械设备管理方法及系统。该发明根据每个器械设备在每次故障过程下的故障记录获得每种故障类型的独立分析趋向和整体分析趋向；将每次故障过程作为一次故障模式，根据每个器械设备的所有次故障模式的差异和对应故障类型的数量获得独立与整体之间的动态系数；进而获得每种故障类型的权重系数；获得器械设备之间的相关性系数；根据每个器械设备之间的相关性系数对器械设备进行故障状态识别。本发明通过获取器械设备之间准确的相关性系数，更好的对故障状态进行预测和识别，提高对器械设备的管理。

Description

一种食品加工器械设备管理方法及系统

技术领域

本发明涉及设备数据处理技术领域，具体涉及一种食品加工器械设备管理方法及系统。

背景技术

食品加工器械设备管理可以帮助管理人员更好的了解设备状况，优化维护计划，预测故障风险并及时采取措施，从而提高食品加工器械设备的管理效率和生产安全。而基于场景特殊应用，通常所引起设备故障的类型都存在一定的相关特征，从而可以基于器械设备之间故障类型构建器械设备之间的相关系数，对故障进行预测。

在现有技术中，计算两两设备之间在故障类型的相似数量作为相关性差异，但不同设备相同故障类型的严重程度存在差异，或某一设备其可能存在的故障类型很多，便会导致仅仅根据设备之间故障类型的相似数量进行相关性分析时，获得的相关性系数不够准确，并不能达到较好的效果，对预测和识别故障的准确度不高。

发明内容

为了解决如何获取器械设备之间准确的相关性系数，提高对故障的预测和识别效率的技术问题，本发明的目的在于提供一种食品加工器械设备管理方法及系统，所采用的技术方案具体如下：

本发明提出了一种食品加工器械设备管理方法，所述方法包括：

获取每个器械设备的故障记录；所述故障记录包括故障运行数据和故障类型；

根据每个器械设备中在每次故障过程下的所有所述故障类型和对应的所述故障运行数据获得每种故障类型的独立分析趋向；根据每个器械设备在邻域范围内每次故障过程之间的时间变化特征和每种故障类型的分布获得每种故障类型的整体分析趋向；

将每次故障过程作为一次故障模式，根据每个器械设备的所有次故障模式的差异和对应所述故障类型的数量获得每种故障类型的独立与整体之间的动态系数；根据每个器械设备的每种故障类型在每次故障过程中的所述独立分析趋向、所述整体分析趋向以及所述动态系数，获得每种故障类型的权重系数；根据每个器械设备的所有故障类型的所述权重系数获得器械设备之间的相关性系数；

根据每个器械设备之间的所述相关性系数对器械设备进行故障状态识别。

进一步地，所述独立分析趋向的获取方法包括：

计算每个器械设备在每次故障过程中所有故障类型的次数，并对其进行负相关映射并归一化，作为故障类型相关度；

根据每次故障过程下每种故障类型的所述故障运行数据的预设异常判断方式确定对应的异常指标，并进行归一化，获得每种故障类型的严重程度；

计算所述故障类型相关度与所述严重程度的乘积，获得独立分析趋向。

进一步地，所述整体分析趋向的获取方法包括：

根据每个器械设备在每次故障过程与邻域范围内其他每次故障过程中每种故障类型的分布，获得每次故障过程与邻域范围内其他每次故障过程之间的故障类型相似度；

计算每个器械设备在每次故障过程与邻域范围内其他每次故障过程之间的时间差异，并进行归一化，作为时间变化特征；

将所述故障类型相似度与所述时间变化特征的倒数进行相乘，作为每次故障过程与邻域范围内其他每次故障过程之间的第一分析趋向；求所述每次故障过程与邻域范围内所有其他故障过程之间的第一分析趋向的均值获得每种故障类型的整体分析趋向。

进一步地，所述故障类型相似度的获取方法包括：

计算每个器械设备在每次故障过程与邻域范围内其他每次故障过程中所有故障类型的数量，获得每次故障过程与邻域范围内其他每次故障过程之间的所有故障类型数量；

计算每个器械设备在每次故障过程与邻域范围内每次故障过程中相同故障类型的数量，获得每次故障过程与邻域范围内其他每次故障过程之间的同种故障类型数量；

计算每次故障过程与邻域范围内每次故障过程之间的所述同种故障类型数量和所有故障类型数量之间的比值，获得每次故障过程与邻域范围内其他每次故障过程之间的故障类型相似度。

进一步地，所述动态系数的获取方法包括：

若每次故障过程与邻域范围内其他每次故障过程之间的所述相似度的值为1，则两次故障模式为同种故障模式；获取对应故障模式的所有故障类型数量，根据动态系数的获取公式获得动态系数，动态系数的获取公式为：；其中，/>表示每种故障类型中独立与整体之间的动态系数；/>表示每个器械设备的所有故障模式中第/>种故障模式的次数占比；/>则表示第/>种故障模式中的故障类型数量；表示以2为底的/>的对数函数；/>表示每个器械设备的所有故障模式的数量。

进一步地，所述权重系数的获取方法包括：

将每种故障类型在每次故障过程下的所述动态系数作为所述整体分析趋向的第一权重；根据整体分析趋向的所述第一权重获得所述独立分析趋向的第二权重；所述第一权重与所述第二权重的和为1；

计算每种故障类型在每次故障过程下的所述第二权重与所述独立分析趋向的乘积，作为每种故障类型在每次故障过程下的加权独立分析趋向；

计算每种故障类型在每次故障过程下的所述第一权重与所述整体分析趋向的乘积，作为每种故障类型在每次故障过程下的加权整体分析趋向；

计算每种故障类型在所有故障过程下所述加权独立分析趋向和所述加权整体分析趋向之和的累加，并进行归一化，获得每种故障类型的权重系数。

进一步地，所述相关性系数的获取方法包括：

计算两个器械设备的所有故障类型的所述权重系数的均值，获得器械设备之间的相关性系数。

进一步地，所述根据每个器械设备之间的所述相关性系数对器械设备进行故障状态识别包括：

根据所述相关性系数筛选出参考器械设备；

获取每个器械设备的预设经验阈值，将每个器械设备与对应每个所述参考器械设备之间的所述相关性系数进行归一化对所述预设经验阈值进行加权求均，作为优化经验阈值；若优化经验阈值小于所述预设经验阈值，对应的器械设备更易出现故障类型；若优化经验阈值大于所述预设经验阈值，对应的器械设备不易出现故障类型。

进一步地，根据所述相关性系数筛选出参考器械设备包括：

选取与每个器械设备相关性系数最大的五个器械设备，作为参考器械设备。

本发明还提出了一种食品加工器械设备管理系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现任意一项所述一种食品加工器械设备管理方法的步骤。

本发明具有如下有益效果：

本发明通过考虑到每一器械的每种故障类型在参与该器械设备的评估中都存在差异，根据每个器械设备中在每次故障过程下的所有故障类型和对应的故障运行数据获得每种故障类型的独立分析趋向，分析了每一器械设备的每种故障类型相对于其他故障类型的参考价值；根据每个器械设备在每个故障过程的邻域范围内每次故障过程之间的时间变化特征和每种故障类型的分布获得每种故障类型的整体分析趋向，分析每一器械设备的每种故障类型在多次故障过程之间的差异情况；将每次故障过程作为一次故障模式，根据每个器械设备的所有次故障模式的差异和对应故障类型的数量获得独立与整体之间的动态系数，为了能够对于不同类型的器械设备都能表现出较好的预警效果；根据每个器械设备的每种故障类型在每次故障过程中的独立分析趋向、整体分析趋向以及动态系数获得每种故障类型的权重系数，更好的了解设备工作的情况和每种故障类型的预警价值；根据每个器械设备的所有故障类型的权重系数获得器械设备之间的相关性系数，分析设备之间互相影响的程度；更好的对故障状态进行预测和识别，提高对器械设备的管理。

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和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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它附图。

图1为本发明一个实施例所提供的一种食品加工器械设备管理方法的流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种食品加工器械设备管理方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

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。

下面结合附图具体的说明本发明所提供的一种食品加工器械设备管理方法及系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种食品加工器械设备管理方法的流程图，该方法包括：

步骤S1：获取每个器械设备的故障记录；故障记录包括故障运行数据和故障类型。

在本发明的实施例中，从该食品加工厂系统中，食品加工器械设备管理主要分为设备的检查维护，故障处理以及记录与统计，通过上述管理环节，结合数据分析和智能预测功能，能够帮助管理人员更好的了解设备状况，优化维护计划，预测故障风险并及时采取措施，从而提高食品加工器械设备的管理效率和生产安全。所以在同一流水线上每个器械设备在每次故障过程中，获得每一次的故障运行数据，以及每一次故障类型，并进行统计，从而得到每个器械设备的故障记录。需要说明的是，在本发明的实施例中，对故障记录的获取方法为本领域技术人员熟知的技术手段，在此不做赘述。

需要说明的是，在本发明的实施例中，器械设备在运行中从出现故障到被修复的过程为一次故障过程，每次故障过程都存在对应的异常时序数据，为每一次故障运行数据；器械设备出现故障过程不仅由单一故障类型引起，也可能由多种故障类型共同引起，例如运行过热、异物卡死以及零件故障等，记录每次故障过程下的所有故障类型，为每一次的故障类型。

步骤S2：根据每个器械设备中在每次故障过程下的所有故障类型和对应的故障运行数据获得每种故障类型的独立分析趋向；根据每个器械设备在每次故障过程的邻域范围内每次故障过程之间的时间变化特征和每种故障类型的分布获得每种故障类型的整体分析趋向。

由于每一器械设备的每种故障类型在参与该器械设备的评估中都存在差异，如对于某些设备，其出现的多种故障类型中，出现次数存在差异；或同样的故障类型中，每次的故障严重程度也存在差异；或是否故障类型之间存在伴随效应，即某一故障是由另一故障所诱发的，所以需要对每一器械设备中存在的多种故障类型进行分析，根据每个器械设备中在每次故障过程下的所有故障类型和对应的故障运行数据获得每种故障类型的独立分析趋向，独立分析趋向越大，在每次故障过程下对应故障类型出现的次数越多；根据每个器械设备在每次故障过程的邻域范围内每次故障过程之间的时间变化特征和每种故障类型的分布获得每种故障类型的整体分析趋向，通过对故障数据的分析和处理，发现每种故障类型的分布趋势和发展方向，从而对未来的故障发生情况进行预测，有助于提前采取措施进行维护和预防。

优选地，在本发明的一个实施例中，独立分析趋向的获取方法包括：

计算每个器械设备在每次故障过程中所有故障类型的次数，并对其进行负相关映射并归一化，作为故障类型相关度，出现故障类型的次数越多，在该故障过程中越有可能是由其余故障类型引发的，独立分析时该故障过程下的故障类型表现的故障类型相关度不高；根据每次故障过程下每种故障类型的故障运行数据的预设异常判断方式确定对应的异常指标，并进行归一化，获得每种故障类型的严重程度，严重程度越高，进行独立分析时的参考价值越高；计算故障类型相关度与严重程度的乘积，获得独立分析趋向；故障类型相关度越高，且严重程度越高，则该故障类型的独立分析趋向越高，对于在对应器械设备该故障类型的参考价值更高。在本发明的一个实施例中，以第种故障类型为例，独立分析趋向的公式表示为：

；

其中，表示每个器械设备发生第/>种故障类型在第/>次故障过程中的故障类型数量；/>表示第/>种故障类型的严重程度；/>表示每个器械设备的故障过程次数；/>表示自然常数。

在独立分析趋向的公式中，通过以自然常数为底的指数函数对进行负相关映射归一化，当故障类型越少，即/>越接近1时，对应故障过程的故障类型在参与该种故障类型的独立分析时表现的权重更高。

需要说明的是，在本发明其他实施例中也可通过其他基础数学运算构建正负相关关系与归一化方法，具体手段为本领域技术人员熟知的技术手段，在此不做赘述。

需要说明的是，在本发明的一些实施例中，以运行过热故障对应的温度数据为例，预设异常判断方式为设置温度阈值，通过计算温度数据与温度阈值的差值获得异常指标，归一化获得温度数据的严重程度，异常指标越大，严重程度越大；以异物堵塞故障对应的振动数据为例，预设异常判断方式为求标准差，通过计算振动数据的标准差来表明振动信号的波动强弱，标准差越大，波动越大，严重程度越大。在本发明的实施例中，实施者可根据具体故障类型的故障运行数据自行设置判断方式，在此不做限定及赘述。

优选地，在本发明的一个实施例中，整体分析趋向的获取方法包括：

由于每种故障类型并不只存在一次故障过程中，对于多次故障过程都有不同数量的故障类型，根据每个器械设备在每次故障过程与邻域范围内其他每次故障过程中每种故障类型的分布，获得每次故障过程与邻域范围内每次故障过程之间的故障类型相似度；计算每个器械设备在每次故障过程与邻域范围内其他每次故障过程之间的时间差异，并进行归一化，作为时间变化特征，时间变化特征表明两次故障过程之间相隔的时间；将故障类型相似度与时间变化特征的倒数进行相乘，作为每次故障过程与邻域范围内其他每次故障过程之间的第一分析趋向，两次故障过程之间的故障类型相似度越高，时间变化特征越小，第一分析趋向越大，表面该器械设备在该故障过程下的该故障类型参与整体时的故障权重越大；求每次故障过程与邻域范围内所有其他故障过程之间的第一分析趋向的均值获得每种故障类型的整体分析趋向。在本发明的一个实施例中，以第次故障过程为中心的邻域范围，选取邻域范围内第/>次故障过程的相邻前后/>两次故障过程为例，整体分析取向的公式表示为：

；

其中，表示存在第/>种故障类型的多次故障过程中，第/>次与第/>次故障过程的故障类型相似度；/>表示存在第/>种故障类型的多次故障过程中，第/>次与第次故障过程的故障类型相似度；/>表示第/>次与第/>次故障过程的时间差异；/>表示第/>次与第/>次故障过程的时间差异。

在整体分析趋向的公式中，考虑时间差异信息，当连续的故障过程中其时间差异越小，表明此时这两次故障过程更接近于同一次故障过程，即上一次故障过程后，并未修复完全，导致再次出现同类情况。通过以自然常数为底的指数函数将/>进行负相关映射归一化，时间差异越小，/>越大；/>表示第/>次与第/>次故障过程之间的时间变化特征，该函数可以拉大数值之间的差异，与常规的线性归一化不同的是，该公式从0开始的增长速度是极快的，从而使得时间差异极近的故障过程之间得到的权重系数极小。

需要说明的是，在本发明其他实施例中也可通过其他基础数学运算构建正负相关关系与归一化方法，具体手段为本领域技术人员熟知的技术手段，在此不做赘述。

需要说明的是，在本发明的实施例中，选取了第次与相邻前后第/>次、第次故障过程，所以邻域范围的大小设置为3；在本发明的其他实施例中，邻域范围的大小可以根据具体情况具体设置，在次不做限定及赘述。

优选地，在本发明的一个实施例中，故障类型相似度的获取方法包括：

计算每个器械设备在每次故障过程与邻域范围内每次其他故障过程中所有故障类型的数量，获得每次故障过程与邻域范围内每次其他故障过程之间的所有故障类型数量，分析两次故障过程中所有故障类型的全局情况；计算每个器械设备在每次故障过程与邻域范围内每次其他故障过程中相同故障类型的数量，获得每次故障过程与邻域范围内每次其他故障过程之间的同种故障类型数量，分析两次故障过程中相同故障类型的局部情况；计算每次故障过程与邻域范围内每次其他故障过程之间的同种故障类型数量和所有故障类型数量之间的比值，获得每次故障过程与邻域范围内每次其他故障过程之间的故障类型相似度，反映两次故障过程之间的相似性程度，比值越大表示两次故障过程的故障类型相似度越高，反之则故障类型相似度越低。在本发明的一个实施例中，以第次与第/>次故障过程为例，故障类型相似度的公式表示为：

；

其中，表示第/>次与第/>次故障过程中的故障类型相似度；/>表示存在第/>种故障类型的多次故障过程中，第/>次与第/>次故障过程中相同故障类型的数量；/>表示存在第/>种故障类型的多次故障过程中，第/>次与第/>次故障过程中所有故障类型的数量。

在故障类型相似度的公式中，表示第/>次与第/>次故障过程的故障类型相似度，相同故障类型的数量越多，该相似度越大。

步骤S3：将每次故障过程作为一次故障模式，根据每个器械设备的每种故障模式对应的次数和故障类型对应的数量获得独立与整体之间的动态系数；根据每个器械设备的每种故障类型的独立分析趋向、整体分析趋向以及动态系数获得每种故障类型的权重系数；根据每个器械设备的所有故障类型的权重系数获得器械设备之间的相关性系数。

由于不同的器械设备之间存在的故障类型不同，在对不同器械设备作为分析参考时，对独立分析趋向和整体分析趋向有不同的侧重效果，需要综合考虑。将每次故障过程作为一次故障模式，根据每个器械设备的每种故障模式对应的次数和故障类型对应的数量获得独立与整体之间的动态系数，动态系数越小，包括故障类型越多的故障模式越有参考分析的价值；根据每个器械设备的每种故障类型的独立分析趋向、整体分析趋向以及动态系数获得每种故障类型的权重系数；根据每个器械设备的所有故障类型的权重系数获得器械设备之间的相关性系数。

优选地，在本发明的一个实施例中，动态系数的获取方法包括：

若每次故障过程与邻域范围内其他每次故障过程之间的相似度的值为1，则两次故障模式为同种故障模式；获取对应故障模式的所有故障类型数量，根据动态系数的获取公式获得动态系数，动态系数的获取公式为：；其中，/>表示每种故障类型中独立与整体之间的动态系数；/>表示每个器械设备的所有故障模式中第/>种故障模式的次数占比；/>则表示第/>种故障模式中的故障类型数量；表示归一化函数；/>表示以2为底的/>的对数；/>表示每个器械设备的所有故障模式的数量。

在动态系数的公式中，为了进一步增大器械设备之间的差异，引入归一化每种故障模式中的故障类型数量，表示第/>种故障模式中的故障类型数量的归一化；动态系数公式依据改进的信息熵公式，将故障类型数量作为每种故障模式的权重计算每个器械设备中故障模式的复杂度，故障模式越多，每个故障模式之间出现的次数越平均，复杂度越大，更可能是多种故障类型之间的组合分析，越趋向于整体分析；当每种故障模式下的故障模型数量越多，表明可以提供更大的特征，更准确地反映出设备的实际运行状况和特性，从而有助于设备故障的预防和发现。

需要说明的是，在本发明其他实施例中也可通过其他基础数学运算构建正负相关关系与归一化方法，具体手段为本领域技术人员熟知的技术手段，在此不做赘述。

优选地，在本发明的一个实施例中，权重系数的获取方法包括：

将每种故障类型在每次故障过程下的动态系数作为整体分析趋向的第一权重；根据整体分析趋向的第一权重获得独立分析趋向的第二权重；第一权重与第二权重的和为1；计算每种故障类型在每次故障过程下的第二权重与独立分析趋向的乘积，作为每种故障类型在每次故障过程下的加权独立分析趋向，动态系数越小，独立分析趋向越大，加权独立分析趋向越大，发生故障过程时越有可能是某种故障类型的作用；计算每种故障类型在每次故障过程下的第一权重与整体分析趋向的乘积，作为每种故障类型在每次故障过程下的加权整体分析趋向，动态系数越大，整体分析趋向越大，加权整体分析趋向越大，发生故障过程时越有可能是多种故障类型组合的作用；计算每种故障类型在所有故障过程下加权独立分析趋向和加权整体分析趋向之和的累加，并进行归一化，获得每种故障类型的权重系数，当加权独立分析趋向和加权整体分析趋向之和越高，则表征该种故障类型在后续参与故障预测时，参考价值更高，权重系数便越高。在本发明的一个实施例中，权重系数的公式表示为：

；

其中，表示第/>种故障类型的权重系数；/>表示第/>种故障类型在第/>次故障过程中得到的独立分析趋向；/>表示第/>种故障类型在第/>次故障过程中得到的整体分析趋向；/>表示独立与整体之间的动态系数；/>表示归一化函数。

在权重系数的公式中，k值越接近1时，表示该器械设备在故障过程中更偏向于多种故障组合发生，整体分析趋向的权重越高，第种故障类型分析趋向的权重系数就越高。

需要说明的是，在本发明其他实施例中也可通过其他基础数学运算构建正负相关关系与归一化方法，具体手段为本领域技术人员熟知的技术手段，在此不做赘述。

优选地，在本发明的一个实施例中，相关性系数的获取方法包括：

计算两个器械设备的所有故障类型的权重系数的均值，获得器械设备之间的相关性系数，相关性系数可以帮助管理人员更好的了解设备状况，相关性系数越大，可参考价值越高。在本发明的一个实施例中，以器械设备和/>为例，相关性系数的公式表示为:

；

其中，表明器械设备/>和/>之间的相关性系数；/>表示器械设备/>中第/>种故障类型的权重系数；/>表示器械设备/>中第/>种故障类型的权重系数；/>表示所有故障类型的种类。

步骤S4：根据每个器械设备之间的相关性系数对器械设备进行故障状态识别。

相关性系数根据器械设备之间的故障模式的相关性来反映设备在不同应用场景下对各种故障的响应度的相似程度，及时对可能发生的故障类型进行关注，根据每个器械设备之间的相关性系数对器械设备进行故障状态识别。

优选地，在本发明的一个实施例中，根据每个器械设备之间的相关性系数对器械设备进行故障状态识别包括：

相关性系数就是找到故障模式最接近的几个器械设备，当接近的那几个器械设备容易出问题，那就认为当前设备也容易出现故障，那就对应的将对于异常的判断标准进行对应的调整。根据相关性系数筛选出参考器械设备；获取每个器械设备的预设经验阈值，将每个器械设备与对应每个参考器械设备之间的相关性系数进行归一化对预设经验阈值进行加权求均，作为优化经验阈值；若优化经验阈值小于预设经验阈值，对应的器械设备更易出现参考器械设备中的故障类型；若优化经验阈值大于预设经验阈值，对应的器械设备不易出现参考器械设备中的故障类型，相应的提高故障类型的敏感度，对设备进行故障状态识别。

优选地，在本发明的一个实施例中，参考器械设备的获取方法包括：

为了更准确的预测出现故障类型的可能性，选取与每个器械设备相关性系数最大的五个器械设备，作为参考器械设备。

需要说明的是，在本发明的实施例中，预设经验阈值的大小需根据具体情况具体设置，在此不再限定及赘述。

综上所述，本发明根据每个器械设备在每次故障过程下的故障记录获得每种故障类型的独立分析趋向和整体分析趋向；将每次故障过程出现的所有故障类型作为一次故障模式，根据每个器械设备的每种故障模式对应的次数和故障类型对应的数量获得独立与整体之间的动态系数；进而获得每种故障类型的权重系数；获得器械设备间的相关性系数；筛选出参考器械设备，根据每个器械设备与对应的每个参考器械设备间的相关性系数对预设经验阈值进行优化，获得器械设备之间的优化经验阈值。本发明通过获取器械设备之间准确的相关性系数，更好的对故障状态进行预测和识别，提高对器械设备的管理。

本发明还提出了一种食品加工器械设备管理系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任意一项一种食品加工器械设备管理方法的步骤。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书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。

Claims (10)

1.一种食品加工器械设备管理方法，其特征在于，所述方法包括：

获取每个器械设备的故障记录；所述故障记录包括故障运行数据和故障类型；

根据每个器械设备中在每次故障过程下的所有所述故障类型和对应的所述故障运行数据获得每种故障类型的独立分析趋向；根据每个器械设备在每次故障过程的邻域范围内每次故障过程之间的时间变化特征和每种故障类型的分布获得每种故障类型的整体分析趋向；

将每次故障过程作为一次故障模式，根据每个器械设备的所有次故障模式的差异和对应所述故障类型的数量获得每种故障类型的独立与整体之间的动态系数；根据每个器械设备的每种故障类型在每次故障过程中的所述独立分析趋向、所述整体分析趋向以及所述动态系数，获得每种故障类型的权重系数；根据每个器械设备的所有故障类型的所述权重系数获得器械设备之间的相关性系数；

根据每个器械设备之间的所述相关性系数对器械设备进行故障状态识别。

2.根据权利要求1所述的一种食品加工器械设备管理方法，其特征在于，所述独立分析趋向的获取方法包括：

计算每个器械设备在每次故障过程中所有故障类型的次数，并对其进行负相关映射并归一化，作为故障类型相关度；

根据每次故障过程下每种故障类型的所述故障运行数据的预设异常判断方式确定对应的异常指标，并进行归一化，获得每种故障类型的严重程度；

计算所述故障类型相关度与所述严重程度的乘积，获得独立分析趋向。

3.根据权利要求1所述的一种食品加工器械设备管理方法，其特征在于，所述整体分析趋向的获取方法包括：

根据每个器械设备在每次故障过程与邻域范围内其他每次故障过程中每种故障类型的分布，获得每次故障过程与邻域范围内其他每次故障过程之间的故障类型相似度；

计算每个器械设备在每次故障过程与邻域范围内其他每次故障过程之间的时间差异，并进行归一化，作为时间变化特征；

将所述故障类型相似度与所述时间变化特征的倒数进行相乘，作为每次故障过程与邻域范围内其他每次故障过程之间的第一分析趋向；求所述每次故障过程与邻域范围内所有其他故障过程之间的第一分析趋向的均值获得每种故障类型的整体分析趋向。

4.根据权利要求3所述的一种食品加工器械设备管理方法，其特征在于，所述故障类型相似度的获取方法包括：

计算每个器械设备在每次故障过程与邻域范围内其他每次故障过程中所有故障类型的数量，获得每次故障过程与邻域范围内其他每次故障过程之间的所有故障类型数量；

计算每个器械设备在每次故障过程与邻域范围内每次故障过程中相同故障类型的数量，获得每次故障过程与邻域范围内其他每次故障过程之间的同种故障类型数量；

计算每次故障过程与邻域范围内每次故障过程之间的所述同种故障类型数量和所有故障类型数量之间的比值，获得每次故障过程与邻域范围内其他每次故障过程之间的故障类型相似度。

5.根据权利要求4所述的一种食品加工器械设备管理方法，其特征在于，所述动态系数的获取方法包括：

若每次故障过程与邻域范围内其他每次故障过程之间的所述相似度的值为1，则两次故障模式为同种故障模式；获取对应故障模式的所有故障类型数量，根据动态系数的获取公式获得动态系数，动态系数的获取公式为：；其中，/>表示每种故障类型中独立与整体之间的动态系数；/>表示每个器械设备的所有故障模式中第/>种故障模式的次数占比；/>则表示第/>种故障模式中的故障类型数量；表示以2为底的/>的对数函数；/>表示每个器械设备的所有故障模式的数量。

6.根据权利要求1所述的一种食品加工器械设备管理方法，其特征在于，所述权重系数的获取方法包括：

将每种故障类型在每次故障过程下的所述动态系数作为所述整体分析趋向的第一权重；根据整体分析趋向的所述第一权重获得所述独立分析趋向的第二权重；所述第一权重与所述第二权重的和为1；

计算每种故障类型在每次故障过程下的所述第二权重与所述独立分析趋向的乘积，作为每种故障类型在每次故障过程下的加权独立分析趋向；

计算每种故障类型在每次故障过程下的所述第一权重与所述整体分析趋向的乘积，作为每种故障类型在每次故障过程下的加权整体分析趋向；

计算每种故障类型在所有故障过程下所述加权独立分析趋向和所述加权整体分析趋向之和的累加，并进行归一化，获得每种故障类型的权重系数。

7.根据权利要求1所述的一种食品加工器械设备管理方法，其特征在于，所述相关性系数的获取方法包括：

计算两个器械设备的所有故障类型的所述权重系数的均值，获得器械设备之间的相关性系数。

8.根据权利要求1所述的一种食品加工器械设备管理方法，其特征在于，所述根据每个器械设备之间的所述相关性系数对器械设备进行故障状态识别包括：

根据所述相关性系数筛选出参考器械设备；

获取每个器械设备的预设经验阈值，将每个器械设备与对应每个所述参考器械设备之间的所述相关性系数进行归一化对所述预设经验阈值进行加权求均，作为优化经验阈值；若优化经验阈值小于所述预设经验阈值，对应的器械设备更易出现参考器械设备中的故障类型；若优化经验阈值大于所述预设经验阈值，对应的器械设备不易出现参考器械设备中的故障类型。

9.根据权利要求8所述的一种食品加工器械设备管理方法，其特征在于，根据所述相关性系数筛选出参考器械设备包括：

选取与每个器械设备相关性系数最大的五个器械设备，作为参考器械设备。

10.一种食品加工器械设备管理系统，所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~9任意一项所述一种食品加工器械设备管理方法的步骤。