CN117196167A - 一种无人作业现场异常快速反应系统 - Google Patents
一种无人作业现场异常快速反应系统 Download PDFInfo
- Publication number
- CN117196167A CN117196167A CN202310599363.0A CN202310599363A CN117196167A CN 117196167 A CN117196167 A CN 117196167A CN 202310599363 A CN202310599363 A CN 202310599363A CN 117196167 A CN117196167 A CN 117196167A
- Authority
- CN
- China
- Prior art keywords
- abnormality
- abnormal
- site
- unmanned operation
- unmanned
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 170
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 61
- 238000012512 characterization method Methods 0.000 claims abstract description 33
- 230000004044 response Effects 0.000 claims abstract description 19
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 238000009825 accumulation Methods 0.000 claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims description 109
- 238000000034 method Methods 0.000 claims description 73
- 230000008569 process Effects 0.000 claims description 44
- 238000005516 engineering process Methods 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 43
- 238000007726 management method Methods 0.000 claims description 34
- 238000004519 manufacturing process Methods 0.000 claims description 28
- 230000036632 reaction speed Effects 0.000 claims description 26
- 238000012544 monitoring process Methods 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 18
- 239000000463 material Substances 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 239000000969 carrier Substances 0.000 claims description 4
- 238000007418 data mining Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000035484 reaction time Effects 0.000 claims description 4
- 238000007670 refining Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种无人作业现场异常快速反应系统,该系统包括无人作业现场异常表征模块、现场异常感知及反应模块、现场异常快速反应模块、异常快速反应优化模块。该系统能全面表征异常、实时感知判定异常、快速处置异常,而且随着异常预测判定知识、异常处置知识的积累,对异常的反应速度会逐步优化,为无人作业的顺利执行提供保障。
Description
技术领域
本发明涉及无人作业现场技术领域,特别是涉及一种基于物联网的无人作业现场异常快速反应系统。
背景技术
随着人工智能和无人化技术的发展,无人装备在高危作业现场应用越来越广泛。针对无人作业现场,作业流程严格按照业务逻辑闭环执行。任何环节、任何要素稍有异常将会影响整个作业任务流程的执行。为保证作业任务按预先设定的流程正常执行,对影响流程正常执行的异常提前判断、及时反应,是无人作业现场需要解决的核心问题。
在国家政策的指导下,通过采用自动化生产手段,高危行业已彻底改变原来的手工、半机械化生产方式,基本实现连续化、自动化生产,并向智能化、信息化发展迈出了步伐,无人化是高危行业发展的趋势。目前,部分场所使用机器人、自动化装备、物联网等实现了作业过程的全自动化、无人操作,极大地提高了生产过程的安全性。
申请号201610698267.1的专利文献中记载了一种面向工业生产的数字化车间建设方法。该方法的面向工业生产的数字化车间是一个典型的无人作业现场,包括传输带、数控机床、智能网关和生产控制室,特征在于:数控机床处设置有桁架和机械手,传输带、桁架、机械手、机床的控制电路均通过工业以太网和智能网关与上位PC机相通信。本发明的数字化车间的建设及控制方法,包括:a).通信连接;b).下发工件加工指令;c).工料运输;d).检测工料是否到位;e).桁架运送;f).机械手放置;g).工料加工;h).工件取下;i).判断工件是否完成。本发明的数字化车间建设方法,针对工厂生产实际问题,围绕制造业产业转型升级需求,打造智能工厂/数字化车间,提升企业研发、生产、管理和服务的智能化水平。
由于在高危产品实际作业过程中,现场设备可靠性、物料流转平稳性、环境适宜性、能源稳定性等均会影响现场作业的连续性、质量等,而上述方法缺少对作业现场影响因素的考虑,不能对现场异常快速反应、排除干扰,因此适用性需要进一步提升。
由于在高危产品无人作业现场,设备与物流需要节拍、能力匹配,才能保证自动化的生产流转,对应现场的温湿度、粉尘、静电等环境条件需要满足工艺规定的要求,才能保证安全生产。在实际无人作业现场,由于存在无人装备整体的可靠性、稳定性水平不高,容易出现以下现象:设备运行故障,需要暂停物料流转;物流设备停运,设备也需停机待料;环境参数出现偏差,继续生产就会出现安全风险,需要停线检查;能源供应不稳定,影响设备运行和加工质量。目前常用的高危产品无人作业方案,没有充分考虑作业现场设备、物流、环境、能源等多要素间互相影响、联控联动,存在以下技术缺点:
(1)无人作业自动执行的控制逻辑闭环执行,对现场设备、物流、环境、能源因素异常缺乏高效的反应处理流程,对干扰自动执行的因素反应速度慢;
(2)现场通信以工业总线为主,对现场生产要素物联需求缺乏灵活性和兼容性,难以满足现场要素感知对多种模式、多种感知设备的需求;
(3)缺乏对现场异常信息融合分析、快速反应相关知识的积累,难以自动优化对异常的反应速度和机制,提高无人作业的效率和质量。
发明内容
鉴于上述问题,本发明提供用于克服上述问题或者至少部分地解决上述问题的一种无人作业现场异常快速反应系统。
本发明提供了如下方案:
一种无人作业现场异常快速反应系统,包括:
无人作业现场异常表征模块,所述无人作业现场异常表征模块包括以工艺流程为核心的串行结构,所述无人作业现场异常表征模块用于实现工艺流程每一环节的异常要素的表征;
现场异常感知及反应模块,所述现场异常感知及反应模块用于根据无人作业现场异常的感知、接收、处置需求,采用目标感知技术、信息载体、物联控制、数据处理、综合应用,实现无人作业现场异常的感知和反应;
现场异常快速反应模块,所述现场异常快速反应模块用于以无人作业现场异常感知、接收、处理过程相关数据资源为基础,进行数据挖掘分析、知识积累,并形成异常处理专家知识库,用以支撑无人作业现场异常快速高效反应;
异常快速反应优化模块,所述异常快速反应优化模块用于针对异常事件日志的内容,从异常发生时间、异常接收时间、异常处置时间的时间维度对异常的反应速度进行监控和优化。
优选地:所述无人作业现场异常表征模块的表征过程包括:
获取产品生产的工艺流程中N个工艺步骤G1,G2,…,GN分别进行各自的异常表征;
由节点G1做出局部表征,形成异常判决U1;当U1为没有异常,将G1传递到节点G2,当U1为有异常,融合生成异常信息E,传递到无人作业现场异常管理进行处理;从G2重复局部表征的过程,信息继续向右传递,直到节点GN,最终GN判决UN为没有异常,正常结束无人作业。
优选地:所述局部表征包括设备异常d1,物料异常w1,环境en1,能源es1。
优选地:所述现场异常感知及反应模块包括基础技术层、信息载体层、物联控制层、数据层以及应用层。
优选地:所述基础技术层包括设备数字化技术、二维码信息技术和射频技术以及传感器技术;所述设备数字化技术用于实现设备运行状态和加工参数的自动感知,所述二维码信息技术和射频技术用于获取流程、位置、物料信息,所述传感器技术用于获取环境状态信息;
所述信息载体层用于现场设备、物流、环境、能源状态信息的自动识别提供载体;
所述物联控制层用于通过感知设备实现对要素信息的自动采集;
所述数据层用于通过感知设备和物联集成将收集到的数据进行分类收集、存储;
所述应用层用于基于异常管控目标将分类收集的数据进行分析、处理,将分析处理后的数据进行可视化展示。
优选地:所述现场异常感知及反应模块的反应流程包括:
针对选定的无人作业现场,结合专家知识库中无人作业现场异常分析预测模型、方案先验知识,对现场物联感知系统获取的现场实时数据进行异常在线分析预测;
基于生产现场的异常数据,进行生产异常监控;
针对异常的种类,结合专家知识库中的异常处置模型、预案知识,对特定的异常进行处理;
将异常的感知、分析、处理等方式方法进行提炼总结,形成特定作业现场的异常反应专家知识,积累进专家知识库中;
建立无人作业现场异常处理专家知识管理系统,实现对所有知识进行管理,并分类存放,包括设备异常库、物流异常库、环境异常库、能源异常库、关联异常库以及基础标注管理生成的异常定义库;
将专家知识库中无人作业现场异常分析预测模型、方案与无人作业现场的异常判定场景进行匹配,实现异常判定知识的重用;
将专家知识库中的无人作业现场异常处置模型、预案与无人作业现场的异常类型及应用场景进行匹配,实现异常处置知识的重用。
优选地:所述异常事件日志的内容包括无人作业现场的设备、物流、环境、能源要素出现异常的情况的发生时间、异常内容以及地点,后端异常接收情况的发生时间、异常内容、地点、接收终端、接收人、接收时间,异常处置情况的发生时间、异常内容、地点、接收终端、接收人、接收时间、处置方式、处置开始时间、处置结束时间、处置内容、处置人。
优选地:所述监控和优化包括:
看板管理,所述看板管理用于实现反应速度的透明化,异常发生、接收、处理的时间在看板上显示出来,实现透明化、可视化监控;
异常反应过程速度管理,所述异常反应过程速度管理用于将异常反应速度管理导入异常反应的过程中,预先设置异常反应每步的标准间隔时间,作为反应速度的衡量指标,在系统中对反应速度进行监管;
速度优化,所述速度优化用于通过分析反应时间数据,确定影响因素进行改进,提升对异常的反映速度,持续优化异常反应系统的应用。
优选地:当间隔时间大于标准间隔时间,表示速度滞后,查找原因。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本申请实施例提供的一种无人作业现场异常快速反应系统,该系统能全面表征异常、实时感知判定异常、快速处置异常,而且随着异常预测判定知识、异常处置知识的积累,对异常的反应速度会逐步优化,为无人作业的顺利执行提供保障。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
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的一些实施例,对于本领域普通技术人员来说,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是本发明实施例提供的无人作业现场异常表征模型示意图;
图2是本发明实施例提供的基于物联网的现场异常感知-反应体系架构示意图;
图3是本发明实施例提供的基于知识的无人作业现场异常快速反应流程示意图。
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的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种无人作业现场异常快速反应系统,该系统可以包括:
无人作业现场异常表征模块,所述无人作业现场异常表征模块包括以工艺流程为核心的串行结构,所述无人作业现场异常表征模块用于实现工艺流程每一环节的异常要素的表征;具体的,所述无人作业现场异常表征模块的表征过程包括:
获取产品生产的工艺流程中N个工艺步骤G1,G2,…,GN分别进行各自的异常表征;
由节点G1做出局部表征,形成异常判决U1;当U1为没有异常,将G1传递到节点G2,当U1为有异常,融合生成异常信息E,传递到无人作业现场异常管理进行处理;从G2重复局部表征的过程,信息继续向右传递,直到节点GN,最终GN判决UN为没有异常,正常结束无人作业。
进一步的,所述局部表征包括设备异常d1,物料异常w1,环境en1,能源es1。
现场异常感知及反应模块,所述现场异常感知及反应模块用于根据无人作业现场异常的感知、接收、处置需求,采用目标感知技术、信息载体、物联控制、数据处理、综合应用,实现无人作业现场异常的感知和反应;具体的,所述现场异常感知及反应模块包括基础技术层、信息载体层、物联控制层、数据层以及应用层。
所述基础技术层包括设备数字化技术、二维码信息技术和射频技术以及传感器技术;所述设备数字化技术用于实现设备运行状态和加工参数的自动感知,所述二维码信息技术和射频技术用于获取流程、位置、物料信息,所述传感器技术用于获取环境状态信息;
所述信息载体层用于现场设备、物流、环境、能源状态信息的自动识别提供载体;
所述物联控制层用于通过感知设备实现对要素信息的自动采集;
所述数据层用于通过感知设备和物联集成将收集到的数据进行分类收集、存储;
所述应用层用于基于异常管控目标将分类收集的数据进行分析、处理,将分析处理后的数据进行可视化展示。
现场异常快速反应模块,所述现场异常快速反应模块用于以无人作业现场异常感知、接收、处理过程相关数据资源为基础,进行数据挖掘分析、知识积累,并形成异常处理专家知识库,用以支撑无人作业现场异常快速高效反应;具体的,所述现场异常感知及反应模块的反应流程包括:
针对选定的无人作业现场,结合专家知识库中无人作业现场异常分析预测模型、方案先验知识,对现场物联感知系统获取的现场实时数据进行异常在线分析预测;
基于生产现场的异常数据,进行生产异常监控;
针对异常的种类,结合专家知识库中的异常处置模型、预案知识,对特定的异常进行处理;
将异常的感知、分析、处理等方式方法进行提炼总结,形成特定作业现场的异常反应专家知识,积累进专家知识库中;
建立无人作业现场异常处理专家知识管理系统,实现对所有知识进行管理,并分类存放,包括设备异常库、物流异常库、环境异常库、能源异常库、关联异常库以及基础标注管理生成的异常定义库;
将专家知识库中无人作业现场异常分析预测模型、方案与无人作业现场的异常判定场景进行匹配,实现异常判定知识的重用;
将专家知识库中的无人作业现场异常处置模型、预案与无人作业现场的异常类型及应用场景进行匹配,实现异常处置知识的重用。
异常快速反应优化模块,所述异常快速反应优化模块用于针对异常事件日志的内容,从异常发生时间、异常接收时间、异常处置时间的时间维度对异常的反应速度进行监控和优化。具体的,所述异常事件日志的内容包括无人作业现场的设备、物流、环境、能源要素出现异常的情况的发生时间、异常内容以及地点,后端异常接收情况的发生时间、异常内容、地点、接收终端、接收人、接收时间,异常处置情况的发生时间、异常内容、地点、接收终端、接收人、接收时间、处置方式、处置开始时间、处置结束时间、处置内容、处置人。
所述监控和优化包括:
看板管理,所述看板管理用于实现反应速度的透明化,异常发生、接收、处理的时间在看板上显示出来,实现透明化、可视化监控;
异常反应过程速度管理,所述异常反应过程速度管理用于将异常反应速度管理导入异常反应的过程中,预先设置异常反应每步的标准间隔时间,作为反应速度的衡量指标,在系统中对反应速度进行监管;进一步的,当间隔时间大于标准间隔时间,表示速度滞后,查找原因。
速度优化,所述速度优化用于通过分析反应时间数据,确定影响因素进行改进,提升对异常的反映速度,持续优化异常反应系统的应用。
本申请实施例提供的无人作业现场异常快速反应系统,可以实现根据高危作业流程控制需求,集成设备、物流、环境、能源等多种要素监测手段,实时采集、分析、判断数据异常,达到预测预警、快速反应、及时纠偏,保证无人作业流程正常执行的目的。
本申请实施例提供的系统针对一般无人作业现场对设备、物流、环境、能源等要素异常缺乏高效的反应处理流程、现场通信缺乏灵活性和兼容性、缺乏对现场异常信息融合分析、缺乏快速反应相关知识的积累等问题,创新设计一种基于物联网的无人作业现场异常快速反应系统,主要包括:
(1)以工艺流程为核心的无人作业现场异常表征模型,实现工艺流程每一环节异常要素的全面表征,作为异常管理的基础和依据。
(2)基于物联网的现场异常感知-反应体系架构,支持根据无人作业现场异常的感知、接收、处置需求,采用合适的感知技术、信息载体、物联控制、数据处理、综合应用等技术,实现无人作业现场异常的自动感知和快速反应。
(3)基于知识库的无人作业现场异常快速反应机制,当现场的要素状态数据出现变化时,基于知识库分析模型进行预测预警,当感知到异常时,基于知识库自动匹配推荐相应的处理措施,实现异常的快速处置。
(4)基于异常事件日志的异常快速反应优化方法,分为三个梯级实现反应速度管理目标和持续优化,稳步提升反应速度。
下面对本申请实施例提供的系统进行详细说明。
1、以工艺流程为核心的无人作业现场异常表征模型
工艺流程是无人作业现场的中枢,工艺流程每一环节的异常都将影响作业的正常执行。因此无人作业现场异常表征模型采用以工艺流程为核心的串行结构,实现工艺流程每一环节的异常要素的全面表征。
如图1所示,具体内容:产品生产的工艺流程中,N个工艺步骤G1,G2,…,GN分别进行各自的异常表征,首先由节点G1做出局部表征(设备异常d1,物料异常w1,环境en1,能源es1),然后形成异常判决U1,当U1为没有异常(真T),将它传递到节点G2,当U1为有异常(假F),融合生成异常信息E(t ime,[d1,w1,en1,es1],G1),传递到无人作业现场异常管理进行处理;从G2重复前面的过程,信息继续向右传递,直到节点GN,最终GN判决UN为没有异常(真T),正常结束无人作业。
2、基于物联网的现场异常感知-反应体系架构
在无人作业现场,异常快速反应是整个无人作业能够正常执行的必要保证。每个生产环节的设备、物流、环境、能源等生产要素状态信息是主要的数据来源,同时也是生产过程异常监控和处置的重要基础,需要根据无人作业现场异常的感知、接收、处置需求,采用合适的感知技术、信息载体、物联控制、数据处理、综合应用等技术,实现无人作业现场异常的自动感知和快速反应。基于物联网的现场异常感知-反应体系架构如图2所示。
在整个基于物联网的现场异常感知-反应体系架构中,各层的内容和作用如下:
基础技术层为整个系统提供技术和规范的保障,设备数字化技术为实现设备运行状态和加工参数的自动感知提供保障,二维码信息技术和射频技术为流程、位置、物料等信息的自动获取提供保障,传感器技术为环境状态信息的自动获取提供保障;
信息载体层为现场设备、物流、环境、能源等状态信息的自动识别提供各种载体,包括二维码标签、二维码本体标识、射频卡、射频标签、仪器仪表、温湿度传感器等;
物联控制层通过各类感知设备实现对要素信息的自动采集,包括扫码枪、读卡器、物联终端、摄像机、设备感知等终端设备,所有设备通过物联集成实现异构感知设备数据统一集成;
数据层通过感知设备和物联集成将收集到的数据进行分类收集、存储,主要包括物流数据、设备数据、环境数据、过程数据、异常数据等;
应用层主要是基于异常管控目标将分类收集的数据进行分析、处理,将分析处理后的数据以直观、生动的方式进行可视化展示。主要功能包括无人作业现场基础标准数据的维护、异常的定义,生产要素的综合监控、电子看板、异常处理、统计分析,以及从流程、设备、物流、环境、能源、异常等不同维度进行监控,实现状态的实时监控和异常的快速反应。
3、基于知识的无人作业现场异常快速反应流程
针对无人作业过程的异常判定及处理方式方法建设知识管理系统,以无人作业现场异常感知、接收、处理过程相关数据资源为基础,进行数据挖掘分析、知识积累,并形成异常处理专家知识库,用以支撑无人作业现场异常快速高效反应。基于知识的无人作业现场异常快速反应流程如图3所示。
流程描述如下:
①针对特定的无人作业现场,结合⑥获取专家知识库中无人作业现场异常分析预测模型、方案等先验知识,对现场物联感知系统获取的现场实时数据进行异常在线分析预测;
②基于生产现场的异常数据,进行生产异常监控;
③针对异常的种类,结合⑦获取专家知识库中的异常处置模型、预案等知识,对特定的异常进行处理;
④将异常的感知、分析、处理等方式方法进行提炼总结,形成特定作业现场的异常反应专家知识,积累进专家知识库中;
⑤建立无人作业现场异常处理专家知识管理系统,实现对所有知识进行管理,并分类存放,包括设备异常库、物流异常库、环境异常库、能源异常库、关联异常库、以及基础标注管理生成等异常定义库;
⑥将专家知识库中无人作业现场异常分析预测模型、方案等,与无人作业现场的异常判定场景进行匹配,实现异常判定知识的重用;
⑦将专家知识库中的无人作业现场异常处置模型、预案等,与无人作业现场的异常类型及应用场景进行匹配,实现异常处置知识的重用。
4、基于异常事件日志的异常快速反应优化方法
采用异常事件日志记录以下情况:一是无人作业现场的设备、物流、环境、能源等要素出现异常的情况(发生时间、异常内容、地点);二是后端异常接收情况(发生时间、异常内容、地点、接收终端、接收人、接收时间);三是异常处置情况(发生时间、异常内容、地点、接收终端、接收人、接收时间、处置方式、处置开始时间、处置结束时间、处置内容、处置人)。针对以上异常事件日志的内容,从异常发生时间、异常接收时间、异常处置时间等时间维度对异常的反应速度进行监控和优化。
在对异常反应速度管理的总体规划上,分为三个梯级实现反应速度管理目标和持续优化:
(1)看板管理:初始目标,首先实现反应速度的透明化,异常发生、接收、处理的时间在看板上清晰显示出来,实现透明化、可视化监控;
(2)异常反应过程速度管理:将异常反应速度管理导入异常反应的过程中,预先设置异常反应每步的标准间隔时间,作为反应速度的衡量指标,能在系统中对反应速度进行监管。当间隔时间大于标准间隔时间,则表示速度滞后,查找原因。
(3)速度优化:通过分析反应时间数据,找准影响因素进行改进,进一步提升对异常的反映速度,持续优化异常反应系统的应用。
总之,本申请提供的无人作业现场异常快速反应系统,能全面表征异常、实时感知判定异常、快速处置异常,而且随着异常预测判定知识、异常处置知识的积累,对异常的反应速度会逐步优化,为无人作业的顺利执行提供保障。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加上必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
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。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (9)
1.一种无人作业现场异常快速反应系统,其特征在于,包括:
无人作业现场异常表征模块,所述无人作业现场异常表征模块包括以工艺流程为核心的串行结构,所述无人作业现场异常表征模块用于实现工艺流程每一环节的异常要素的表征;
现场异常感知及反应模块,所述现场异常感知及反应模块用于根据无人作业现场异常的感知、接收、处置需求,采用目标感知技术、信息载体、物联控制、数据处理、综合应用,实现无人作业现场异常的感知和反应;
现场异常快速反应模块,所述现场异常快速反应模块用于以无人作业现场异常感知、接收、处理过程相关数据资源为基础,进行数据挖掘分析、知识积累,并形成异常处理专家知识库,用以支撑无人作业现场异常快速高效反应;
异常快速反应优化模块,所述异常快速反应优化模块用于针对异常事件日志的内容,从异常发生时间、异常接收时间、异常处置时间的时间维度对异常的反应速度进行监控和优化。
2.根据权利要求1所述的无人作业现场异常快速反应系统,其特征在于,所述无人作业现场异常表征模块的表征过程包括:
获取产品生产的工艺流程中N个工艺步骤G1,G2,…,GN分别进行各自的异常表征;
由节点G1做出局部表征,形成异常判决U1;当U1为没有异常,将G1传递到节点G2,当U1为有异常,融合生成异常信息E,传递到无人作业现场异常管理进行处理;从G2重复局部表征的过程,信息继续向右传递,直到节点GN,最终GN判决UN为没有异常,正常结束无人作业。
3.根据权利要求2所述的无人作业现场异常快速反应系统,其特征在于,所述局部表征包括设备异常d1,物料异常w1,环境en1,能源es1。
4.根据权利要求1所述的无人作业现场异常快速反应系统,其特征在于,所述现场异常感知及反应模块包括基础技术层、信息载体层、物联控制层、数据层以及应用层。
5.根据权利要求4所述的无人作业现场异常快速反应系统,其特征在于,所述基础技术层包括设备数字化技术、二维码信息技术和射频技术以及传感器技术;所述设备数字化技术用于实现设备运行状态和加工参数的自动感知,所述二维码信息技术和射频技术用于获取流程、位置、物料信息,所述传感器技术用于获取环境状态信息;
所述信息载体层用于现场设备、物流、环境、能源状态信息的自动识别提供载体;
所述物联控制层用于通过感知设备实现对要素信息的自动采集;
所述数据层用于通过感知设备和物联集成将收集到的数据进行分类收集、存储;
所述应用层用于基于异常管控目标将分类收集的数据进行分析、处理,将分析处理后的数据进行可视化展示。
6.根据权利要求1所述的无人作业现场异常快速反应系统,其特征在于,所述现场异常感知及反应模块的反应流程包括:
针对选定的无人作业现场,结合专家知识库中无人作业现场异常分析预测模型、方案先验知识,对现场物联感知系统获取的现场实时数据进行异常在线分析预测;
基于生产现场的异常数据,进行生产异常监控;
针对异常的种类,结合专家知识库中的异常处置模型、预案知识,对特定的异常进行处理;
将异常的感知、分析、处理等方式方法进行提炼总结,形成特定作业现场的异常反应专家知识,积累进专家知识库中;
建立无人作业现场异常处理专家知识管理系统,实现对所有知识进行管理,并分类存放,包括设备异常库、物流异常库、环境异常库、能源异常库、关联异常库以及基础标注管理生成的异常定义库;
将专家知识库中无人作业现场异常分析预测模型、方案与无人作业现场的异常判定场景进行匹配,实现异常判定知识的重用;
将专家知识库中的无人作业现场异常处置模型、预案与无人作业现场的异常类型及应用场景进行匹配,实现异常处置知识的重用。
7.根据权利要求1所述的无人作业现场异常快速反应系统,其特征在于,所述异常事件日志的内容包括无人作业现场的设备、物流、环境、能源要素出现异常的情况的发生时间、异常内容以及地点,后端异常接收情况的发生时间、异常内容、地点、接收终端、接收人、接收时间,异常处置情况的发生时间、异常内容、地点、接收终端、接收人、接收时间、处置方式、处置开始时间、处置结束时间、处置内容、处置人。
8.根据权利要求7所述的无人作业现场异常快速反应系统,其特征在于,所述监控和优化包括:
看板管理,所述看板管理用于实现反应速度的透明化,异常发生、接收、处理的时间在看板上显示出来,实现透明化、可视化监控;
异常反应过程速度管理,所述异常反应过程速度管理用于将异常反应速度管理导入异常反应的过程中,预先设置异常反应每步的标准间隔时间,作为反应速度的衡量指标,在系统中对反应速度进行监管;
速度优化,所述速度优化用于通过分析反应时间数据,确定影响因素进行改进,提升对异常的反映速度,持续优化异常反应系统的应用。
9.根据权利要求7所述的无人作业现场异常快速反应系统,其特征在于,当间隔时间大于标准间隔时间,表示速度滞后,查找原因。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310599363.0A CN117196167A (zh) | 2023-05-25 | 2023-05-25 | 一种无人作业现场异常快速反应系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310599363.0A CN117196167A (zh) | 2023-05-25 | 2023-05-25 | 一种无人作业现场异常快速反应系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117196167A true CN117196167A (zh) | 2023-12-08 |
Family
ID=88994920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310599363.0A Pending CN117196167A (zh) | 2023-05-25 | 2023-05-25 | 一种无人作业现场异常快速反应系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117196167A (zh) |
-
2023
- 2023-05-25 CN CN202310599363.0A patent/CN117196167A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Javaid et al. | Exploring impact and features of machine vision for progressive industry 4.0 culture | |
Javaid et al. | Upgrading the manufacturing sector via applications of Industrial Internet of Things (IIoT) | |
Ding et al. | RFID-based production data analysis in an IoT-enabled smart job-shop | |
Ćwikła | Methods of manufacturing data acquisition for production management-a review | |
CN106598791B (zh) | 一种基于机器学习的工业设备故障预防性识别方法 | |
KR101104118B1 (ko) | Cpm 공법을 이용한 지능형 생산 관리 방법 및 시스템 | |
US20170351226A1 (en) | Industrial machine diagnosis and maintenance using a cloud platform | |
KR20190088581A (ko) | Fbd 머신러닝 기반의 동적 모니터링 시스템 및 그 방법 | |
US20110166912A1 (en) | Plant analysis system | |
May et al. | Zero defect manufacturing strategies and platform for smart factories of industry 4.0 | |
Massaro et al. | Sensing and quality monitoring facilities designed for pasta industry including traceability, image vision and predictive maintenance | |
EP2037369A2 (en) | System and method for optimizing resources in a supply or production chain using rfid and artificial intelligence | |
KR102419053B1 (ko) | 통합 제조 운영 관리 시스템 및 방법 | |
Chongwatpol | Prognostic analysis of defects in manufacturing | |
KR20090001710A (ko) | 제조 공정 관리 시스템 | |
CN112712314A (zh) | 一种基于物联网传感器的物流数据推荐方法 | |
CN114995302A (zh) | 一种智能控制方法及系统 | |
zu Wickern | Challenges and reliability of predictive maintenance | |
Kumar et al. | Machine Vision and Radio-Frequency Identification (RFID) based Real-Time Part Traceability in a Learning Factory | |
RU2699330C1 (ru) | Программно-аппаратный управленческий комплекс, интегрированный в производство керамических изделий | |
CN117196167A (zh) | 一种无人作业现场异常快速反应系统 | |
CN114815760A (zh) | 一种安全生产追踪处置系统及方法 | |
Hongyan et al. | Research on the construction and key technologies of cloud manufacturing platform for intelligent manufacturing | |
Chhotaray et al. | Enhancement of Manufacturing Sector Performance with the Application of Industrial Internet of Things (IIoT) | |
Hribernik et al. | Unified Predictive Maintenance System-Findings Based on its Initial Deployment in Three Use Case |
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 |