CN117291582B - 一种基于数据分析的工业生产互联监控系统 - Google Patents
一种基于数据分析的工业生产互联监控系统 Download PDFInfo
- Publication number
- CN117291582B CN117291582B CN202311584753.7A CN202311584753A CN117291582B CN 117291582 B CN117291582 B CN 117291582B CN 202311584753 A CN202311584753 A CN 202311584753A CN 117291582 B CN117291582 B CN 117291582B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- value
- cutting
- product
- processing
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 79
- 238000007405 data analysis Methods 0.000 title claims abstract description 10
- 238000009776 industrial production Methods 0.000 title claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims abstract description 126
- 238000012545 processing Methods 0.000 claims abstract description 122
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 238000004519 manufacturing process Methods 0.000 claims abstract description 30
- 238000005520 cutting process Methods 0.000 claims description 79
- 238000000034 method Methods 0.000 claims description 47
- 230000005856 abnormality Effects 0.000 claims description 41
- 230000008569 process Effects 0.000 claims description 27
- 238000003801 milling Methods 0.000 claims description 22
- 238000010606 normalization Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012384 transportation and delivery Methods 0.000 claims description 7
- 239000000779 smoke Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000009792 diffusion process Methods 0.000 abstract description 4
- 238000012806 monitoring device Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007514 turning Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Probability & Statistics with Applications (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种基于数据分析的工业生产互联监控系统,涉及监控系统技术领域,处理模块将监测数据、运行数据以及产品数据进行预处理后,综合计算获取异常系数,异常系数信息发送至分析模块,分析模块将异常系数与异常阈值进行对比,根据异常系数与异常阈值的对比结果判断产品加工是否存在异常,判断结果发送至控制模块,当接收的判断结果为产品加工存在异常。本发明通过多个监测设备互联配合获取产品生产过程中的多项数据,并根据异常系数与异常阈值的对比结果判断产品加工是否存在异常,分析更为全面,能有效在产品加工出现异常时及时控制生产线停止运行,不仅保证产品生产质量,而且避免由于异常扩散引发更大的事故或造成经济损失。
Description
技术领域
本发明涉及监控系统技术领域,具体涉及一种基于数据分析的工业生产互联监控系统。
背景技术
角阀生产线是指专门用于制造各种角阀产品的生产线,角阀是一种常用的阀门类型,广泛应用于工业管道系统、建筑和家用水暖系统中,角阀生产线通常包括切割机、数控铣床、组装机等,切割机对角阀的金属原材料进行切割处理,按照设计要求制作成所需的零部件,数控铣床对零部件做钻孔、铣削、车削等加工,以获得所需的形状和尺寸,最后,通过组装机将多种零部件进行组装完成角阀的生产,角阀生产过程中,通过监控系统实时监控。
现有技术存在以下不足:
现有监控系统通常是获取角阀生产过程中,角阀加工设备的数据后进行分析,并在角阀加工设备出现异常时作出相应控制和警报,然而,单一数据分析会导致分析不够全面,使得监控存在疏漏,不仅容易导致角阀成品质量低,而且单异常为被监测时,异常扩散会引发安全事故或造成更严重的经济损失。
发明内容
本发明的目的是提供一种基于数据分析的工业生产互联监控系统,以解决背景技术中不足。
为了实现上述目的,本发明提供如下技术方案:一种基于数据分析的工业生产互联监控系统,包括车间监测模块、设备监测模块、产品监测模块、处理模块、分析模块、控制模块;
车间监测模块:监测和定位各个加工设备;
设备监测模块:监测加工设备的运行数据;
产品监测模块:监测处于加工过程中的产品数据;
处理模块:将监测数据、运行数据以及产品数据进行预处理后,综合计算获取异常系数;
分析模块:将异常系数与异常阈值进行对比,根据异常系数与异常阈值的对比结果判断产品加工是否存在异常;
控制模块:当接收的判断结果为产品加工存在异常,控制产品生产线停机,并向远程管控中心发出预警信号。
在一个优选的实施方式中,所述车间监测模块监测和定位各个加工设备,监测数据包括加工设备外观异常归一化数值,所述设备监测模块监测加工设备的运行数据,运行数据包括加工设备运行异常指数,所述产品监测模块监测处于加工过程中的产品数据,产品数据包括产品输送偏差欧氏距离。
在一个优选的实施方式中,所述处理模块将加工设备外观异常归一化数值、加工设备运行异常指数以及产品输送偏差欧氏距离去除量纲后,综合计算获取异常系数,计算表达式为:
;
式中,为加工设备外观异常归一化数值,/>为加工设备运行异常指数,为产品输送偏差欧氏距离,/>、/>分别为加工设备运行异常指数、产品输送偏差欧氏距离的比例系数,且/>、/>均大于0。
在一个优选的实施方式中,所述分析模块获取异常系数后,将异常系数与异常阈值进行对比;
若异常系数小于异常阈值,分析模块判断产品加工存在异常;
若异常系数大于等于异常阈值,分析模块判断产品加工不存在异常。
在一个优选的实施方式中,所述加工设备外观异常归一化数值的获取逻辑为:
若车间监测模块监测到任一加工设备的外观出现冒烟或起火时,加工设备外观异常归一化数值;
若车间监测模块监测到任一加工设备的外观未出现冒烟或起火时,加工设备外观异常归一化数值。
在一个优选的实施方式中,所述产品输送偏差欧氏距离的计算表达式为:
;
式中,表示角阀的理想目标位置坐标,表示角阀的实际位置坐标。
在一个优选的实施方式中,所述加工设备运行异常指数的计算表达式为:
;
式中,为设备监测模块监测加工设备的数量,且/>,/>为大于0的正整数,/>表示第/>台加工设备的异常指数和,/>为第/>台加工设备的权重。
在一个优选的实施方式中,所述设备监测模块对产品加工设备中的切割机、数控铣床、组装机进行运行状态监测,因此,,则更新后的加工设备运行异常指数和计算表达式为:
;
式中,、/>、/>分别为切割机运行异常指数、数控铣床运行异常指数、组装机运行异常指数,/>、/>、/>分别为切割机运行异常指数、数控铣床运行异常指数、组装机运行异常指数的权重,且/>、/>、/>分别为0.3、0.4、0.3。
在上述技术方案中,本发明提供的技术效果和优点:
1、本发明通过处理模块将监测数据、运行数据以及产品数据进行预处理后,综合计算获取异常系数,异常系数信息发送至分析模块,分析模块将异常系数与异常阈值进行对比,根据异常系数与异常阈值的对比结果判断产品加工是否存在异常,判断结果发送至控制模块,当接收的判断结果为产品加工存在异常,控制模块控制产品生产线停机,并向远程管控中心发出预警信号,远程管控中心收到预警信号后作出相应的管理策略,该监控系统通过多个监测设备互联配合获取产品生产过程中的多项数据,并根据异常系数与异常阈值的对比结果判断产品加工是否存在异常,分析更为全面,能有效在产品加工出现异常时及时控制生产线停止运行,不仅保证产品生产质量,而且避免由于异常扩散引发更大的事故或造成经济损失;
2、本发明通过处理模块将加工设备外观异常归一化数值、加工设备运行异常指数以及产品输送偏差欧氏距离去除量纲后,综合计算获取异常系数,不仅有效提高数据处理效率,而且分析更为全面,并且,将异常系数与异常阈值进行对比,当异常系数小于异常阈值时,分析模块判断产品加工存在异常,从而能够及时作出处理。
附图说明
为了更清楚地说明本申请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中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明的系统模块图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,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在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:请参阅图1所示,本实施例所述一种基于数据分析的工业生产互联监控系统,包括车间监测模块、设备监测模块、产品监测模块、处理模块、分析模块、控制模块;
车间监测模块:设置在车间内部,用于监测和定位各个加工设备,监测数据发送至处理模块;
车间监测模块监测和定位各个加工设备,监测数据包括加工设备外观异常归一化数值;
加工设备外观异常归一化数值的获取逻辑为:
若车间监测模块监测到任一加工设备的外观出现冒烟或起火时,加工设备外观异常归一化数值;
若车间监测模块监测到任一加工设备的外观未出现冒烟或起火时,加工设备外观异常归一化数值。
设备监测模块:设置在加工设备中,用于监测加工设备的运行数据,运行数据发送至处理模块;
设备监测模块监测加工设备的运行数据,运行数据包括加工设备运行异常指数;
加工设备运行异常指数的计算表达式为:
;
式中,为设备监测模块监测加工设备的数量,且/>,/>为大于0的正整数,/>表示第/>台加工设备的异常指数和,/>为第/>台加工设备的权重;
本申请中,主要对角阀加工设备中的切割机、数控铣床、组装机进行运行状态监测,因此,,则更新后的加工设备运行异常指数和计算表达式为:
;
式中,、/>、/>分别为切割机运行异常指数、数控铣床运行异常指数、组装机运行异常指数,/>、/>、/>分别为切割机运行异常指数、数控铣床运行异常指数、组装机运行异常指数的权重,依据切割机、数控铣床、组装机在角阀生产中的重要性,本申请中,、/>、/>分别为0.3、0.4、0.3。
切割机运行异常指数的计算逻辑为:
1)首先,收集切割机在一定时间范围内进行的多次切割操作,记录每次切割的深度值;
2)计算切割深度的平均值mean:
mean=(切割深度值1+切割深度值2+...+切割深度值a)/a;
其中,a为切割次数,切割深度值1至切割深度值a为每次切割的深度值;
3)计算每次切割深度与平均值之差的平方cpf:
cpf=(切割深度值1-mean)2+(切割深度值2-mean)2+...+(切割深度值a-mean)2;
4)计算切割机运行异常指数:;
式中,为每次切割深度与平均值之差的平方,a为切割次数,较小的切割机运行异常指数表示切割深度的变动较小,切割质量更加稳定。
数控铣床运行异常指数的计算逻辑为:
1)收集数控铣床在一定时间范围内进行的多次切削操作,记录每次切削的切削力值;
2)计算切削力的平均值qxl:
qxl=(切削力值1+切削力值2+...+切削力值b)/b;
其中,b为切削次数,切削力值1至切削力值b为每次切削的切削力值;
3)计算每次切削力与平均值之差的平方qxp:
qxp=(切削力值1-qxl)2+(切削力值2-qxl)2+...+(切削力值b-qxl)2;
4)计算数控铣床运行异常指数:;
式中,qxp为每次切削力与平均值之差的平方,b为切削次数,较大的标准差表示切削力的变动较大,切削质量可能不稳定,而较小的标准差表示切削力的变动较小,切削质量更加稳定。
组装机运行异常指数的计算逻辑为:
1)收集组装机在一定时间范围内进行的多次组装操作,记录每次组装的压力值;
2)计算组装压力的平均值zyl:
zyl=(组装压力值1+组装压力值2+...+组装压力值c)/c
其中,c为组装次数,组装压力值1至组装压力值c为每次组装的压力值;
3)计算每次组装压力与平均值之差的平方zyp:
zyp=(组装压力值1-zyl)2+(组装压力值2-zyl)2+...+(组装压力值c-zyl)2;
4)计算数控铣床运行异常指数:;
式中,zyp为每次组装压力与平均值之差的平方,c为组装次数,较大的标准差表示组装压力的变动较大,组装质量可能不稳定,而较小的标准差表示组装压力的变动较小,组装质量更加稳定。
产品监测模块:设置在加工设备外侧,用于监测处于加工过程中的产品数据,产品数据发送至处理模块;
产品监测模块监测处于加工过程中的产品数据,产品数据包括产品输送偏差欧氏距离;
产品输送偏差欧氏距离的计算表达式为:
;
式中,表示角阀的理想目标位置坐标,表示角阀的实际位置坐标;
角阀输送偏差欧氏距越小,表示实际位置与目标位置越接近,角阀的输送偏差越小,距离越大,表示实际位置与目标位置之间的差异越大,角阀的输送偏差越大。
处理模块:将监测数据、运行数据以及产品数据进行预处理后,综合计算获取异常系数,异常系数信息发送至分析模块;
分析模块:将异常系数与异常阈值进行对比,根据异常系数与异常阈值的对比结果判断产品加工是否存在异常,判断结果发送至控制模块;
控制模块:当接收的判断结果为产品加工存在异常,控制模块控制产品生产线停机,并向远程管控中心发出预警信号,远程管控中心收到预警信号后作出相应的管理策略。
本申请通过处理模块将监测数据、运行数据以及产品数据进行预处理后,综合计算获取异常系数,异常系数信息发送至分析模块,分析模块将异常系数与异常阈值进行对比,根据异常系数与异常阈值的对比结果判断产品加工是否存在异常,判断结果发送至控制模块,当接收的判断结果为产品加工存在异常,控制模块控制产品生产线停机,并向远程管控中心发出预警信号,远程管控中心收到预警信号后作出相应的管理策略,该监控系统通过多个监测设备互联配合获取产品生产过程中的多项数据,并根据异常系数与异常阈值的对比结果判断产品加工是否存在异常,分析更为全面,能有效在产品加工出现异常时及时控制生产线停止运行,不仅保证产品生产质量,而且避免由于异常扩散引发更大的事故或造成经济损失。
实施例2:处理模块:将监测数据、运行数据以及产品数据进行预处理后,综合计算获取异常系数,异常系数信息发送至分析模块;
分析模块:将异常系数与异常阈值进行对比,根据异常系数与异常阈值的对比结果判断产品加工是否存在异常,判断结果发送至控制模块;
处理模块将加工设备外观异常归一化数值、加工设备运行异常指数以及产品输送偏差欧氏距离去除量纲后,综合计算获取异常系数,计算表达式为:
;
式中,为加工设备外观异常归一化数值,/>为加工设备运行异常指数,为产品输送偏差欧氏距离,/>、/>分别为加工设备运行异常指数、产品输送偏差欧氏距离的比例系数,且/>、/>均大于0。
分析模块获取异常系数后,将异常系数与异常阈值进行对比;
若异常系数小于异常阈值,分析模块判断产品加工存在异常;
若异常系数大于等于异常阈值,分析模块判断产品加工不存在异常。
本申请通过处理模块将加工设备外观异常归一化数值、加工设备运行异常指数以及产品输送偏差欧氏距离去除量纲后,综合计算获取异常系数,不仅有效提高数据处理效率,而且分析更为全面,并且,将异常系数与异常阈值进行对比,当异常系数小于异常阈值时,分析模块判断产品加工存在异常,从而能够及时作出处理。
当接收的判断结果为产品加工存在异常,控制模块控制产品生产线停机,并向远程管控中心发出预警信号,远程管控中心收到预警信号后作出相应的管理策略。
远程管控中心收到预警信号后作出相应的管理策略,管理策略包括:
1)远程故障诊断:远程管控中心可以远程访问角阀生产线的设备和控制系统,对异常进行故障诊断,通过实时监测数据和远程诊断工具,可以快速确定异常的原因和位置,为后续处理提供准确的指导;
2)远程调整和校准:在诊断确定异常原因后,远程管控中心可以通过远程控制接口对角阀生产线的设备进行调整和校准,例如,对切割机、数控铣床等设备的参数进行调整,对组装机的位置进行校准,以修复异常和提高生产线的稳定性;
3)远程指导和培训:远程管控中心可以通过远程视频会议或实时通讯工具,与现场操作人员进行沟通和指导,提供技术支持和培训,帮助操作人员快速应对异常情况,减少停机时间和生产线的损失;
4)数据分析和优化:远程管控中心可以收集和分析角阀生产线的运行数据,进行统计和趋势分析,通过对数据的深入挖掘和分析,发现潜在问题和改进机会,制定相应的优化方案,提高生产线的效率和质量;
5)维护计划和预防性维护:基于远程监测数据和设备状态,远程管控中心可以制定维护计划和预防性维护策略,定期进行设备检查、保养和维修,预防潜在故障的发生,降低生产线的故障率和停机时间。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系,但也可能表示的是一种“和/或”的关系,具体可参考前后文进行理解。
本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-onlymemory,ROM)、随机存取存储器(randomaccessmemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (2)
1.一种基于数据分析的工业生产互联监控系统,其特征在于:包括车间监测模块、设备监测模块、产品监测模块、处理模块、分析模块、控制模块;
车间监测模块:监测和定位各个加工设备;
设备监测模块:监测加工设备的运行数据;
产品监测模块:监测处于加工过程中的产品数据;
处理模块:将监测数据、运行数据以及产品数据进行预处理后,综合计算获取异常系数;
分析模块:将异常系数与异常阈值进行对比,根据异常系数与异常阈值的对比结果判断产品加工是否存在异常;
控制模块:当接收的判断结果为产品加工存在异常,控制产品生产线停机,并向远程管控中心发出预警信号;
所述车间监测模块监测和定位各个加工设备,监测数据包括加工设备外观异常归一化数值,所述设备监测模块监测加工设备的运行数据,运行数据包括加工设备运行异常指数,所述产品监测模块监测处于加工过程中的产品数据,产品数据包括产品输送偏差欧氏距离;
所述处理模块将加工设备外观异常归一化数值、加工设备运行异常指数以及产品输送偏差欧氏距离去除量纲后,综合计算获取异常系数,计算表达式为:
;
式中,为加工设备外观异常归一化数值,/>为加工设备运行异常指数,/>为产品输送偏差欧氏距离,/>、/>分别为加工设备运行异常指数、产品输送偏差欧氏距离的比例系数,且/>、/>均大于0;
所述分析模块获取异常系数后,将异常系数与异常阈值进行对比;
若异常系数小于异常阈值,分析模块判断产品加工存在异常;
若异常系数大于等于异常阈值,分析模块判断产品加工不存在异常;
所述产品输送偏差欧氏距离的计算表达式为:
;
式中,表示角阀的理想目标位置坐标,/>表示角阀的实际位置坐标;
所述加工设备运行异常指数的计算表达式为:
;
式中,为设备监测模块监测加工设备的数量,且/>,/>为大于0的正整数,/>表示第/>台加工设备的异常指数和,/>为第/>台加工设备的权重;
所述设备监测模块对产品加工设备中的切割机、数控铣床、组装机进行运行状态监测,因此,,则更新后的加工设备运行异常指数和计算表达式为:
;
式中,、/>、/>分别为切割机运行异常指数、数控铣床运行异常指数、组装机运行异常指数,/>、/>、/>分别为切割机运行异常指数、数控铣床运行异常指数、组装机运行异常指数的权重,且/>、/>、/>分别为0.3、0.4、0.3;
切割机运行异常指数的计算逻辑为:
收集切割机在一定时间范围内进行的多次切割操作,记录每次切割的深度值,计算切割深度的平均值mean,mean=(切割深度值1+切割深度值2+...+切割深度值a)/a,其中,a为切割次数,切割深度值1至切割深度值a为每次切割的深度值,计算每次切割深度与平均值之差的平方cpf,cpf=(切割深度值1-mean)2+(切割深度值2-mean)2+...+(切割深度值a-mean)2,计算切割机运行异常指数:,式中,/>为每次切割深度与平均值之差的平方,a为切割次数;
数控铣床运行异常指数的计算逻辑为:
收集数控铣床在一定时间范围内进行的多次切削操作,记录每次切削的切削力值,计算切削力的平均值qxl,qxl=(切削力值1+切削力值2+...+切削力值b)/b,其中,b为切削次数,切削力值1至切削力值b为每次切削的切削力值,计算每次切削力与平均值之差的平方qxp,qxp=(切削力值1-qxl)2+(切削力值2-qxl)2+...+(切削力值b-qxl)2,计算数控铣床运行异常指数:,式中,qxp为每次切削力与平均值之差的平方,b为切削次数;
组装机运行异常指数的计算逻辑为:
收集组装机在一定时间范围内进行的多次组装操作,记录每次组装的压力值,计算组装压力的平均值zyl,zyl=(组装压力值1+组装压力值2+...+组装压力值c)/c,其中,c为组装次数,组装压力值1至组装压力值c为每次组装的压力值,计算每次组装压力与平均值之差的平方zyp,zyp=(组装压力值1-zyl)2+(组装压力值2-zyl)2+...+(组装压力值c-zyl)2,计算数控铣床运行异常指数:。
2.根据权利要求1所述的一种基于数据分析的工业生产互联监控系统,其特征在于:所述加工设备外观异常归一化数值的获取逻辑为:
若车间监测模块监测到任一加工设备的外观出现冒烟或起火时,加工设备外观异常归一化数值;
若车间监测模块监测到任一加工设备的外观未出现冒烟或起火时,加工设备外观异常归一化数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311584753.7A CN117291582B (zh) | 2023-11-27 | 2023-11-27 | 一种基于数据分析的工业生产互联监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311584753.7A CN117291582B (zh) | 2023-11-27 | 2023-11-27 | 一种基于数据分析的工业生产互联监控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117291582A CN117291582A (zh) | 2023-12-26 |
CN117291582B true CN117291582B (zh) | 2024-03-29 |
Family
ID=89252169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311584753.7A Active CN117291582B (zh) | 2023-11-27 | 2023-11-27 | 一种基于数据分析的工业生产互联监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117291582B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117908485A (zh) * | 2024-01-16 | 2024-04-19 | 南京速冠信息技术有限公司 | 一种智能工厂数据采集与分析系统及其方法 |
CN117930897B (zh) * | 2024-01-25 | 2024-06-25 | 山东中科绿碳科技有限公司 | 一种用于食品级碳酸氢铵工艺的智能监测系统 |
CN117930785B (zh) * | 2024-03-21 | 2024-06-07 | 西安易诺敬业电子科技有限责任公司 | 基于大数据的车间生产安全监控系统 |
CN118153821A (zh) * | 2024-05-09 | 2024-06-07 | 南昌大学 | 燃料棒耐刮擦涂层加工监测管理方法及系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1406158A (zh) * | 2000-02-29 | 2003-03-26 | Pcc特制品公司 | 智能机加工系统 |
US7933679B1 (en) * | 2007-10-23 | 2011-04-26 | Cessna Aircraft Company | Method for analyzing and optimizing a machining process |
CN106141808A (zh) * | 2016-07-12 | 2016-11-23 | 北京理工大学 | 一种变切深调节装置及径向切削参数优化工艺方法 |
CN108788756A (zh) * | 2018-08-01 | 2018-11-13 | 福建天广消防有限公司 | 一种室内栓阀体自动化生产线 |
CN109240244A (zh) * | 2018-10-26 | 2019-01-18 | 云达世纪(北京)科技有限公司 | 基于数据驱动的设备运行状态健康度分析方法及系统 |
CN109375595A (zh) * | 2018-10-25 | 2019-02-22 | 北京理工大学 | 一种车间可视化监控方法、装置及设备 |
CN111061238A (zh) * | 2019-12-26 | 2020-04-24 | 远景智能国际私人投资有限公司 | 锂电池的生产安全监测方法、装置、设备及介质 |
CN112016652A (zh) * | 2020-08-26 | 2020-12-01 | 昆山同日工业自动化有限公司 | 一种基于5g网络的车间智能化制造系统 |
CN113609108A (zh) * | 2020-05-05 | 2021-11-05 | 广州宁基智能系统有限公司 | 电子开料锯数据采集系统 |
WO2022105318A1 (zh) * | 2020-11-18 | 2022-05-27 | 长鑫存储技术有限公司 | 监测机台运行状况的方法及装置、存储介质及电子设备 |
WO2023040575A1 (zh) * | 2021-09-17 | 2023-03-23 | 中通服和信科技有限公司 | 基于物联网的特殊作业现场异常预警分析系统及方法 |
CN116320832A (zh) * | 2023-05-23 | 2023-06-23 | 常州指尖互动网络科技有限公司 | 一种监控设备故障监测方法及装置 |
CN116700193A (zh) * | 2023-07-20 | 2023-09-05 | 江西斯源科技股份有限公司 | 工厂车间智能化监控管理系统及其方法 |
CN116757648A (zh) * | 2023-08-18 | 2023-09-15 | 天津市职业大学 | 基于人工智能的生产制造管理系统及方法 |
CN116896860A (zh) * | 2023-07-20 | 2023-10-17 | 深圳信恳智能电子有限公司 | 一种基于5g的smt生产线质量监测与分析方法和系统 |
CN117092979A (zh) * | 2023-07-06 | 2023-11-21 | 浙江浙能迈领环境科技有限公司 | 船舶脱硫控制系统的异常状态监控方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007047375A1 (en) * | 2005-10-14 | 2007-04-26 | Fisher-Rosemount Systems, Inc. | Statistical signatures used with multivariate statistical analysis for fault detection and isolation and abnormal condition prevention in a process |
US11300949B2 (en) * | 2017-08-11 | 2022-04-12 | Jtekt Corporation | Data processing device of production equipment |
TWI650625B (zh) * | 2017-11-16 | 2019-02-11 | 財團法人工業技術研究院 | 刀具磨耗檢測裝置、其檢測方法及刀具磨耗補償方法 |
-
2023
- 2023-11-27 CN CN202311584753.7A patent/CN117291582B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1406158A (zh) * | 2000-02-29 | 2003-03-26 | Pcc特制品公司 | 智能机加工系统 |
US7933679B1 (en) * | 2007-10-23 | 2011-04-26 | Cessna Aircraft Company | Method for analyzing and optimizing a machining process |
CN106141808A (zh) * | 2016-07-12 | 2016-11-23 | 北京理工大学 | 一种变切深调节装置及径向切削参数优化工艺方法 |
CN108788756A (zh) * | 2018-08-01 | 2018-11-13 | 福建天广消防有限公司 | 一种室内栓阀体自动化生产线 |
CN109375595A (zh) * | 2018-10-25 | 2019-02-22 | 北京理工大学 | 一种车间可视化监控方法、装置及设备 |
CN109240244A (zh) * | 2018-10-26 | 2019-01-18 | 云达世纪(北京)科技有限公司 | 基于数据驱动的设备运行状态健康度分析方法及系统 |
CN111061238A (zh) * | 2019-12-26 | 2020-04-24 | 远景智能国际私人投资有限公司 | 锂电池的生产安全监测方法、装置、设备及介质 |
CN113609108A (zh) * | 2020-05-05 | 2021-11-05 | 广州宁基智能系统有限公司 | 电子开料锯数据采集系统 |
CN112016652A (zh) * | 2020-08-26 | 2020-12-01 | 昆山同日工业自动化有限公司 | 一种基于5g网络的车间智能化制造系统 |
WO2022105318A1 (zh) * | 2020-11-18 | 2022-05-27 | 长鑫存储技术有限公司 | 监测机台运行状况的方法及装置、存储介质及电子设备 |
WO2023040575A1 (zh) * | 2021-09-17 | 2023-03-23 | 中通服和信科技有限公司 | 基于物联网的特殊作业现场异常预警分析系统及方法 |
CN116320832A (zh) * | 2023-05-23 | 2023-06-23 | 常州指尖互动网络科技有限公司 | 一种监控设备故障监测方法及装置 |
CN117092979A (zh) * | 2023-07-06 | 2023-11-21 | 浙江浙能迈领环境科技有限公司 | 船舶脱硫控制系统的异常状态监控方法及系统 |
CN116700193A (zh) * | 2023-07-20 | 2023-09-05 | 江西斯源科技股份有限公司 | 工厂车间智能化监控管理系统及其方法 |
CN116896860A (zh) * | 2023-07-20 | 2023-10-17 | 深圳信恳智能电子有限公司 | 一种基于5g的smt生产线质量监测与分析方法和系统 |
CN116757648A (zh) * | 2023-08-18 | 2023-09-15 | 天津市职业大学 | 基于人工智能的生产制造管理系统及方法 |
Non-Patent Citations (4)
Title |
---|
变电站设备状态检修技术解析;李华威;王振华;李端;;民营科技;20141220(12);全文 * |
基于SCADA数据的风电机组传动系统故障状态监测;李霸军;杨茜芝;;西北水电;20180228(01);全文 * |
智能监测系统在固结法大面积软基处理监测中的应用;张鹏飞;;广东土木与建筑;20200425(04);全文 * |
阀体自动生产线系统构建与实现;康传勇;汪木兰;季颖;殷俊;;机械设计与制造工程;20181115(11);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117291582A (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117291582B (zh) | 一种基于数据分析的工业生产互联监控系统 | |
US10695884B2 (en) | Tool wear monitoring and predicting method | |
US9405291B2 (en) | Systems and methods to monitor an asset in an operating process unit | |
CN116664113A (zh) | 一种面向电力计量标准化作业的智能安全监管系统 | |
CN108765889B (zh) | 基于大数据技术的油气生产运行安全预警方法 | |
US11687069B2 (en) | Identification of facility state and operating mode in a particular event context | |
CN116820050A (zh) | 一种基于工业互联网的生产线用自动控制系统 | |
CN116044802B (zh) | 一种矿用通风机状态故障监测诊断系统 | |
CN106933097B (zh) | 一种基于多层优化pcc-sdg的化工过程故障诊断方法 | |
CN116757648B (zh) | 基于人工智能的生产制造管理系统及方法 | |
CN104456092A (zh) | 一种石油天然气管道报警优先级多维评定方法 | |
CN117032004A (zh) | 基于物联网的工业生产自动化控制平台 | |
KR101915236B1 (ko) | 스마트 팩토리를 위한 통합 보안 관리 시스템 | |
CN117331344A (zh) | 数控加工过程多信号质量监测与控制系统 | |
CN114135477A (zh) | 一种机泵设备状态监测动态阈值预警方法 | |
CN114973149A (zh) | 智慧矿山的ai设备故障监测方法、系统及计算机可读存储介质 | |
CN116483054A (zh) | 一种工业机器人运行状态监测预警系统及方法 | |
CN113723726A (zh) | 化工装置运行过程风险预警与管控的方法及系统 | |
CN111611751A (zh) | 一种基于贝叶斯与事故树的化工过程风险动态分析方法 | |
CN118309644A (zh) | 基于数字孪生的管道泵运行流量监测方法及系统 | |
CN110208028A (zh) | 基于粉尘浓度的混凝土生产设备在线故障检测方法及系统 | |
CN117072460B (zh) | 一种基于振动数据和专家经验的离心泵状态监测方法 | |
CN117540315A (zh) | 一种过程工业设备系统健康度在线诊断方法 | |
CN115578841A (zh) | 基于Z-score模型的盾构异常数据检测方法及系统 | |
CN116976863B (zh) | 基于互联网的比例阀门卡件数据分析系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |