CN117331361B - 一种基于物联网技术的沥青生产管理系统 - Google Patents
一种基于物联网技术的沥青生产管理系统 Download PDFInfo
- Publication number
- CN117331361B CN117331361B CN202311633799.3A CN202311633799A CN117331361B CN 117331361 B CN117331361 B CN 117331361B CN 202311633799 A CN202311633799 A CN 202311633799A CN 117331361 B CN117331361 B CN 117331361B
- Authority
- CN
- China
- Prior art keywords
- module
- production
- transportation
- monitoring
- management module
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 280
- 239000010426 asphalt Substances 0.000 title claims abstract description 63
- 238000005516 engineering process Methods 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 90
- 239000000428 dust Substances 0.000 claims abstract description 87
- 238000009430 construction management Methods 0.000 claims abstract description 20
- 230000006378 damage Effects 0.000 claims abstract description 19
- 238000007726 management method Methods 0.000 claims description 148
- 239000002245 particle Substances 0.000 claims description 75
- 238000010276 construction Methods 0.000 claims description 52
- 238000000034 method Methods 0.000 claims description 40
- 239000002994 raw material Substances 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000005303 weighing Methods 0.000 claims description 23
- 239000012530 fluid Substances 0.000 claims description 21
- 238000005265 energy consumption Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000011835 investigation Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 14
- 238000009423 ventilation Methods 0.000 claims description 12
- 238000006073 displacement reaction Methods 0.000 claims description 9
- 238000013439 planning Methods 0.000 claims description 9
- 238000004886 process control Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 8
- 230000006698 induction Effects 0.000 claims description 7
- 230000006399 behavior Effects 0.000 claims description 6
- 238000013179 statistical model Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 4
- 235000015076 Shorea robusta Nutrition 0.000 claims description 3
- 244000166071 Shorea robusta Species 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012384 transportation and delivery Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 2
- 208000027418 Wounds and injury Diseases 0.000 claims 5
- 208000014674 injury Diseases 0.000 claims 5
- 230000002265 prevention Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000002156 mixing 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
- 239000008239 natural water Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000012056 semi-solid material Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000004078 waterproofing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于物联网技术的沥青生产管理系统,涉及沥青生产管理技术领域,该基于物联网技术的沥青生产管理系统包括物联网平台、生产项目管理模块、生产施工管控模块、监控预警模块、运输车辆管理模块;物联网平台与生产项目管理模块连接,生产项目管理模块与生产施工管控模块连接,生产施工管控模块与监控预警模块连接,监控预警模块与运输车辆管理模块连接。本发明基于粉尘浓度标准与人体损伤影响关系,建立自动判断人体风险指数的关联规则,能够实时监测沥青生产车间的工作环境,及时警告避免事故发生,并且使得防控决策更具针对性。
Description
技术领域
本发明涉及沥青生产管理技术领域,具体来说,涉及一种基于物联网技术的沥青生产管理系统。
背景技术
沥青是一种重要的建筑材料,其是由石脑油和天然或人造的矿物粉末混合后经加热而成的一种半流体或半固体材料,主要成分为石脑油和矿物粉末。沥青的分类根据使用条件可以分为路面沥青、建筑沥青、航空场沥青等,主要用于公路、机场跑道、停车场等道路建设,也用于屋面防水等建筑用途。随着城市化水平提高,沥青需求还将持续增长。
物联网是将各种物理对象连接到互联网上的一种信息技术,它通过各种传感器将所有连接的物体链接起来,实现信息感知、集成和交换,通过物联网技术的沥青生产管理系统能够提高生产效率,并通过实时监控和优化生产参数,提高各个工序的效率和产能利用率,实时监测原料质量和产品质量指标,有效降低不合格产品率等。
然而,由于沥青粉尘中主要包含矿物粉尘和石脑油气化物等,长期吸入可能增加疾病风险,在现有技术中的沥青生产管理系统中,无法及时评估粉尘浓度是否超标,以及难以预测粉尘浓度变化及其传播趋势,当粉尘浓度严重超标时,使得无法及时采取有效降尘措施,导致粉尘控制效果不佳,进而给工作人员健康和安全带来隐患。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题,本发明提出一种基于物联网技术的沥青生产管理系统,以克服现有相关技术所存在的上述技术问题。
为此,本发明采用的具体技术方案如下:
一种基于物联网技术的沥青生产管理系统,该基于物联网技术的沥青生产管理系统包括物联网平台、生产项目管理模块、生产施工管控模块、监控预警模块及运输车辆管理模块;
物联网平台与生产项目管理模块连接,生产项目管理模块与生产施工管控模块连接,生产施工管控模块与监控预警模块连接,监控预警模块与运输车辆管理模块连接;
物联网平台,用于利用物联网技术建立集中管理的信息交换平台;
生产项目管理模块,用于管理沥青生产项目及追踪生产项目进度;
生产施工管控模块,用于实时监测沥青生产过程及分配生产施工资源;
监控预警模块,用于实时获取硬件设备的监测数据,并对异常情况进行及时预警,辅助生产决策及故障处理;
运输车辆管理模块,用于管理和调度生产运输车辆,并实时掌握车辆运输情况及运输到达时间。
优选地,生产项目管理模块包括合同管理模块、订单管理模块、生产情况表生成模块、生产项目追踪模块及结算管理模块;
合同管理模块与订单管理模块连接,订单管理模块与生产情况表生成模块连接,生产情况表生成模块与生产项目追踪模块连接,生产项目追踪模块与结算管理模块连接;
合同管理模块,用于管理生产项目的合同内容,确保合同的有效执行;
订单管理模块,用于管理沥青生产过程中的订单信息,跟踪订单的生产进度及交付状态;
生产情况表生成模块,用于实时更新和生成生产情况表,对生产数据进行统计、分析及报告;
生产项目追踪模块,用于记录生产项目信息,对生产进度设置阶段和节点,并追踪生产项目中每个阶段的完成情况;
结算管理模块,用于根据生产情况及施工进度,发起生产项目结算,并根据生产情况及施工量自动计算结算生产成本。
优选地,生产施工管控模块包括生产计划制定模块、生产工艺管控模块、原材料管控模块、施工班组调度模块、施工勘察模块、产量管理模块及能耗统计模块;
生产计划制定模块与生产工艺管控模块连接,生产工艺管控模块与原材料管控模块连接,原材料管控模块与施工班组调度模块连接,施工班组调度模块与施工勘察模块连接,施工勘察模块与产量管理模块连接,产量管理模块与能耗统计模块连接;
生产计划制定模块,用于基于生产项目制定生产计划,布置生产任务及追踪生产计划执行情况;
生产工艺管控模块,用于配置生产工艺参数和操作流程,监控各工序的运行状态和质量参数,并调整生产工艺以保证产品质量;
原材料管控模块,用于依据生产计划中设定的产量目标和生产工艺要求,预估原材料需求量;
施工班组调度模块,用于依据生产计划安排施工任务;
施工勘察模块,用于安排和调度施工人员,对施工环境进行勘察并记录勘察结果、勘察地点及勘察项目;
产量管理模块,用于统计和汇总产量数据,并对产量完成情况进行分析评估;
能耗统计模块,用于统计管理生产过程中的能耗数据,计算平均吨产能耗情况,并将能耗情况与生产成本进行关联统计。
优选地,监控预警模块包括出料口温度预警模块、卸油池预警模块、料仓预警模块、生产车间监测模块及预警处理模块;
出料口温度预警模块与卸油池预警模块连接,卸油池预警模块与料仓预警模块连接,料仓预警模块与生产车间监测模块连接,生产车间监测模块与预警处理模块连接;
出料口温度预警模块,用于与出料口温度传感器进行互联,实时获取并监测出料口的温度数据;
卸油池预警模块,用于与卸油池温度传感器进行互联,实时获取并监测卸油池的温度数据;
料仓预警模块,用于与料仓雷达料位机进行互联,实时获取并监测料仓的料位数据;
生产车间监测模块,用于实时监测生产车间内部的环境参数;
预警处理模块,用于对预警信息记录对应的处理措施,并对处理措施提供可视化。
优选地,生产车间监测模块在实时监测生产车间内部的环境参数时包括:
对沥青生产车间内部进行监测区域划分,部署粉尘浓度传感器的监测点,并实时获取各监测点的粉尘浓度监测数据;
利用时空统计模型对粉尘浓度监测数据进行分析,识别粉尘浓度的时空变化规律,并判断粉尘浓度的波动周期及高浓度区分布;
结合沥青生产车间内部的温度、湿度及通风情况建立基于拉格朗日理论的流体动力学模型,预测粉尘浓度变化及其传播趋势;
基于粉尘浓度标准与人体损伤影响关系,建立自动判断人体风险指数的关联规则,若监测到粉尘浓度对人体损伤产生影响时,则及时发出预警并采取降尘措施。
优选地,结合沥青生产车间内部的温度、湿度及通风情况建立基于拉格朗日理论的流体动力学模型,预测粉尘浓度变化及其传播趋势包括以下步骤:
建立基于拉格朗日理论的流体动力学模型,并将沥青生产车间内部的温度、湿度及通风速度作为初值条件输入;
跟踪初始时刻在监测点内分布的布朗粒子,将监测点划分为中心区及边缘区,并分别模拟布朗粒子在中心区及边缘区的运动行为;
求解拉格朗日理论的流体动力学模型,并分别计算布朗粒子在中心区及边缘区质点的均方位移及标度指数值;
利用有限差分预测修正法及时间步进迭代算法对每次时间步进行计算,预测粉尘浓度在中心区及边缘区的浓度变化值;
基于浓度变化值推导布朗粒子的等效扩散率,并结合布朗粒子之间的相互碰撞反应分析粉尘浓度传播的传播趋势。
优选地,求解拉格朗日理论的流体动力学模型,并分别计算布朗粒子在中心区及边缘区质点的均方位移及标度指数值包括以下步骤:
根据中心区及边缘区的边界条件及初值条件输入,生成构成边界的布朗粒子;
根据布朗粒子间的相对位置进行邻近粒子搜索,得到每个布朗粒子在支持域内的布朗粒子编号;
计算支持域内布朗粒子间的距离,并结合核函数计算得到每个布朗粒子对应的核函数导数值,并基于核函数导数值计算各个边界的空间导数;
判断是否进行边界的不可压隐式计算,若进行边界的隐式计算则利用边界求解算法得到布朗粒子速度的未修正值;
基于布朗粒子速度的未修正值计算布朗粒子压力,并结合布朗粒子压力对布朗粒子速度进行修正得到新的布朗粒子速度;
若进行边界的可压计算,则基于空间导数进行求解得到新的布朗粒子压力,并通过时间积分对边界变量进行更新,得到新的布朗粒子位置;
基于新的布朗粒子位置分别计算布朗粒子在中心区及边缘区质点的均方位移及标度指数值。
优选地,运输车辆管理模块包括运输费用管理模块、运输车辆称重模块、运输过程管控模块及运输装车流水模块;
运输费用管理模块与运输车辆称重模块连接,运输车辆称重模块与运输过程管控模块连接,运输过程管控模块与运输装车流水模块连接;
运输费用管理模块,用于根据运输订单内的运输信息,并结合运输费用计算规则统计运输费用信息;
运输车辆称重模块,用于管理运输车辆信息,并与称重地磅进行联动,控制车辆称重准入规则;
运输过程管控模块,用于监控运输车辆的定位信息,并结合最优运输路径预测运输总时长;
运输装车流水模块,用于展示运输装车流水记录,确保准确统计运输装车记录并展示。
优选地,运输过程管控模块在监控运输车辆的定位信息,并结合最优运输路径预测运输总时长时包括:
实时获取运输车辆的定位信息,并结合驾驶员行为特性对目标运输路网进行优化,划分出目标运输路网中的主要道路及次要道路;
对目标运输路网中的主要道路和次要道路进行权重分配,分别得到主要道路和次要道路的权重值,依据权重值大小对运输路径进行优化;
结合交通流诱导技术分析优化后的运输路径的平均交通流量数据,并利用行程时间预测模型对优化后的运输路径进行运输时长预测;
对运输车辆在优化后的运输路径上行驶的平均延误时长进行计算,得到运输车辆的平均延误时长;
平均延误时长的计算公式为:
;
式中,d表示运输车辆在优化后的运输路径上行驶的平均延误时长;
i,j均表示优化后的运输路径的交叉口的数量;
表示有效绿灯时间;
Q表示优化后的运输路径的交通量;
X表示饱和度;
T表示时间周期长度;
将运输时长预测结果减去平均延误时长,得到运输车辆的运输总时长。
优选地,结合交通流诱导技术分析优化后的运输路径的平均交通流量数据,并利用行程时间预测模型对优化后的运输路径进行运输时长预测包括:
采用聚类算法对交通流量进行聚类,并通过引入时间基线将整个交通数据域按时间进行序列分割;
利用极限学习算法对各分割序列建立行程时间预测模型,并结合优化后的运输路径的历史交通流量对行程时间预测模型进行训练;
结合行程时间预测模型的隐含层神经元及激活函数,分别利用行程时间预测模型中的训练集计算隐含层输出矩阵及隐含层和输出层的连接权值、再利用行程时间预测模型中的测试集计算未来连续时间段的交通流量;
将未来连续时间段的交通流量作为输出,将历史交通流量作为输入,利用行程时间预测模型对优化后的运输路径的运输时长进行预测。
本发明的有益效果为:
1、本发明将沥青生产车间内部的温度、湿度及通风情况相结合建立基于拉格朗日理论的流体动力学模型,预测粉尘浓度变化和传播趋势,从而能够科学描述粉尘作为流体微粒的运动规律,同时考虑温度、湿度、通风等多种影响因素,使得建立的模型描述力更强,能够精确预测不同位置和时间的粉尘浓度值,防控工作提供决策支持,并且为预防和控制粉尘浓度提供理论依据。
2、本发明基于粉尘浓度标准与人体损伤影响关系,建立自动判断人体风险指数的关联规则,能够实时监测沥青生产车间的工作环境,及时警告避免事故发生,并且使得防控决策更具针对性,根据不同风险指数定向采取相应的降尘措施,提高防控效率及有效控制粉尘污染,从源头上达到控制目的。
3、本发明结合交通流诱导技术分析优化后的运输路径的平均交通流量数据,并利用行程时间预测模型对优化后的运输路径进行运输时长预测,能够提供更科学合理的运输路径规划,提高运输效率,不仅能够精准预测运输车辆的最快到达时长,并且能够为沥青生产计划和运输安排提供参考,同时通过监测交通流变化,可以针对性规划高峰时段的车辆调度,降低延误风险。
4、本发明通过更好的管控车间生产,确保生产过程中的安全性保障、优化生产管理流程、提高生产运输效率、降低人工成本,建设符合实际需要的智能化沥青生产管理系统。
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他的附图。
图1是根据本发明实施例的一种基于物联网技术的沥青生产管理系统的原理框图;
图2是根据本发明实施例的一种基于物联网技术的沥青生产管理系统中生产项目管理模块的原理框图;
图3是根据本发明实施例的一种基于物联网技术的沥青生产管理系统中生产施工管控模块的原理框图;
图4是根据本发明实施例的一种基于物联网技术的沥青生产管理系统中监控预警模块的原理框图;
图5是根据本发明实施例的一种基于物联网技术的沥青生产管理系统中运输车辆管理模块的原理框图。
图中:
1、物联网平台;2、生产项目管理模块;201、合同管理模块;202、订单管理模块;203、生产情况表生成模块;204、生产项目追踪模块;205、结算管理模块;3、生产施工管控模块;301、生产计划制定模块;302、生产工艺管控模块;303、原材料管控模块;304、施工班组调度模块;305、施工勘察模块;306、产量管理模块;307、能耗统计模块;4、监控预警模块;401、出料口温度预警模块;402、卸油池预警模块;403、料仓预警模块;404、生产车间监测模块;405、预警处理模块;5、运输车辆管理模块;501、运输费用管理模块;502、运输车辆称重模块;503、运输过程管控模块;504、运输装车流水模块。
具体实施方式
为进一步说明各实施例,本发明提供有附图,这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理,配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
根据本发明的实施例,提供了一种基于物联网技术的沥青生产管理系统。
现结合附图和具体实施方式对本发明进一步说明,如图1所示,根据本发明实施例的基于物联网技术的沥青生产管理系统,该基于物联网技术的沥青生产管理系统包括物联网平台1、生产项目管理模块2、生产施工管控模块3、监控预警模块4及运输车辆管理模块5。
物联网平台1与生产项目管理模块2连接,生产项目管理模块2与生产施工管控模块3连接,生产施工管控模块3与监控预警模块4连接,监控预警模块4与运输车辆管理模块5连接。
物联网平台1,用于利用物联网技术建立集中管理的信息交换平台。
具体的,物联网平台1用于对信息进行设置管理,内容包括:平台设置、账号管理、权限管理,平台设置模块可设置内容包括地磅信息设置、用水量设置;账号管理用于对所有平台用户的登录账号进行管理,账号信息包括用户名、手机号、密码、账号权限,支持账号的新增、编辑、删除操作。
生产项目管理模块2,用于管理沥青生产项目及追踪生产项目进度。
具体的,生产项目管理模块2用于管理沥青项目中的项目信息,是沥青生产过程中各环节的数据串联基础。
其中,如图2所示,生产项目管理模块2包括合同管理模块201、订单管理模块202、生产情况表生成模块203、生产项目追踪模块204及结算管理模块205。
合同管理模块201与订单管理模块202连接,订单管理模块202与生产情况表生成模块203连接,生产情况表生成模块203与生产项目追踪模块204连接,生产项目追踪模块204与结算管理模块205连接。
合同管理模块201,用于管理生产项目的合同内容,确保合同的有效执行。
具体的,合同管理模块201实现对于建设项目的合同内容管理,包括合同关键内容提取,合同履约情况汇总,合同到期提醒等,合同列表展示合同签订日期、合同编号、里程数、工程名称、收货单位、收货地址、联系人、联系方式等字段内容。
订单管理模块202,用于管理沥青生产过程中的订单信息,跟踪订单的生产进度及交付状态。
生产情况表生成模块203,用于实时更新和生成生产情况表,对生产数据进行统计、分析及报告。
具体的,生产情况表生成模块203中能够展示全部已完成出货的生产情况表,生产情况表在当日的生产计划结束后自动生成,所有生产情况数据都可根据日期、生产计划流水号、工程名称等多维度条件搜索查询。生产情况表的汇总展示,完全替代了原先的人工订单统计,大大节约了工作时间成本,提高了数据的查询便捷性、准确性和可追溯性,也解决了人工统计易出错、易丢失的问题,同时也为后期的数据统计分析提供数据支撑。
生产情况表功能包括:每日生产情况数据的展示,字段包括生产日期、合同编号、生产计划流水号、工程名称、收货单位、工程等级等;可点击生产详情按钮查看生产详情;可通过生产日期、生产计划流水号、收货单位、工程名称等字段进行订单的搜索筛选。
生产项目追踪模块204,用于记录生产项目信息,对生产进度设置阶段和节点,并追踪生产项目中每个阶段的完成情况。
结算管理模块205,用于根据生产情况及施工进度,发起生产项目结算,并根据生产情况及施工量自动计算结算生产成本。
具体的,结算管理模块205能够根据生产情况及施工进度,发起工程项目结算,根据生产情况及施工量自动计算结算成本,结算价格等。
生产施工管控模块3,用于实时监测沥青生产过程及分配生产施工资源。
其中,如图3所示,生产施工管控模块3包括生产计划制定模块301、生产工艺管控模块302、原材料管控模块303、施工班组调度模块304、施工勘察模块305、产量管理模块306及能耗统计模块307。
生产计划制定模块301与生产工艺管控模块302连接,生产工艺管控模块302与原材料管控模块303连接,原材料管控模块303与施工班组调度模块304连接,施工班组调度模块304与施工勘察模块305连接,施工勘察模块305与产量管理模块306连接,产量管理模块306与能耗统计模块307连接。
生产计划制定模块301,用于基于生产项目制定生产计划,布置生产任务及追踪生产计划执行情况。
具体的,生产计划制定模块301能够确保生产过程的高效性、准确性和可持续性,以满足客户需求并维护竞争力。
生产工艺管控模块302,用于配置生产工艺参数和操作流程,监控各工序的运行状态和质量参数,并调整生产工艺以保证产品质量。
具体的,生产工艺管控模块302对沥青生产过程中的温度控制,搅拌时长的参数进行监控预警,提高生产质量。
原材料管控模块303,用于依据生产计划中设定的产量目标和生产工艺要求,预估原材料需求量。
具体的,原材料管控模块303管理沥青生产过程中的沥青使用情况,根据生产计划进行原材料用料的预估预警,对库存原材料进行环节监测,余量监测等。
具体的,原材料库存数据包括展示每种类型原料的剩余库存信息,根据原料的消耗趋势和剩余库存,提醒管理者及时补充原料,为原料的采购计划做科学准确的数据支撑。
施工班组调度模块304,用于依据生产计划安排施工任务。
具体的,施工班组调度模块304能够管理施工人员,合理分配施工资源,保证施工工作的正常运行,帮助施工质量的管理追溯。
施工勘察模块305,用于安排和调度施工人员,对施工环境进行勘察并记录勘察结果、勘察地点及勘察项目。
具体的,施工勘察模块305能够对施工环境进行勘察并记录勘察结果,勘察地点,勘察项目等,为施工工艺提供可靠数据支撑。
产量管理模块306,用于统计和汇总产量数据,并对产量完成情况进行分析评估。
具体的,产量管理模块306能够实现产量数据的汇总统计,针对不同材料类型,不同合同数据,不同生产计划的数据统计,产量数据包括展示每种物料类型的产量数据信息,便于了解掌握产量趋势信息,为后续的产量规划安排做数据支撑。
具体的,产量数据页面分为图表展示模块和列表数据展示模块,图表展示模块以折线图的方式展示最近七天的各类型物料的产量变化趋势,列表展示模块以列表的方式展示每日各类型物料的具体产量数值,默认按照日报进行统计,可切换成月报展示,也可支持筛选日期区间查看指定日期区间的数据。
能耗统计模块307,用于统计管理生产过程中的能耗数据,计算平均吨产能耗情况,并将能耗情况与生产成本进行关联统计。
具体的,能耗统计模块307能够统计管理生产过程中的能耗数据,自动计算平均吨产能耗情况,将能耗数据与生产成本数据进行关联统计。
具体的,能耗数据包括展示天然气、水、电三种能源的消耗信息,便于了解生产过程中各类型能源的消耗量及每产一吨需消耗的能源量,为产能的优化、节能环保做科学的数据支撑。
监控预警模块4,用于实时获取硬件设备的监测数据,并对异常情况进行及时预警,辅助生产决策及故障处理。
其中,如图4所示,监控预警模块4包括出料口温度预警模块401、卸油池预警模块402、料仓预警模块403、生产车间监测模块404及预警处理模块405。
出料口温度预警模块401与卸油池预警模块402连接,卸油池预警模块402与料仓预警模块403连接,料仓预警模块403与生产车间监测模块404连接,生产车间监测模块404与预警处理模块405连接。
出料口温度预警模块401,用于与出料口温度传感器进行互联,实时获取并监测出料口的温度数据。
具体的,通过与出料口温度传感器的互联,实时获取并监测出料口的温度数据,一旦温度出现过高或过低的情况,立即给出相对应的预警提醒,并记录每次的预警参数数据,记录的预警参数包括预警时间、物料类型、预警类型、预警值、报警温度。
卸油池预警模块402,用于与卸油池温度传感器进行互联,实时获取并监测卸油池的温度数据。
具体的,通过与卸油池温度传感器的互联,实时获取并监测卸油池的温度数据,一旦温度出现过高或过低的情况,立即给出相对应的预警提醒,并记录每次的预警参数数据,记录的预警参数包括预警时间、卸油池编号、预警类型、预警值、报警温度。
料仓预警模块403,用于与料仓雷达料位机进行互联,实时获取并监测料仓的料位数据。
具体的,通过与料仓雷达料位机的设备互联,实时获取并监测料仓的料位数据,一旦出现满溢或者容量过低的情况,立即给出相对应的预警提醒,并记录每次的预警参数数据,记录的预警参数包括预警时间、料仓号、预警类型、预警值及报警值。
生产车间监测模块404,用于实时监测生产车间内部的环境参数。
具体的,生产车间监测模块404通过相关环境监测硬件设备,实时监测生产车间的环境数据,包括生产车间温度,生产车间粉尘浓度,生产车间湿度等数据,对超标数据进行预警,一旦出现监控数据超过预警值的情况,立即给出相对应的预警提醒,并记录每次的预警参数数据,记录的预警参数包括预警时间、预警类型、设备号、设备位置、预警值、报警值。
其中,生产车间监测模块404在实时监测生产车间内部的环境参数时包括:
对沥青生产车间内部进行监测区域划分,部署粉尘浓度传感器的监测点,并实时获取各监测点的粉尘浓度监测数据。
利用时空统计模型对粉尘浓度监测数据进行分析,识别粉尘浓度的时空变化规律,并判断粉尘浓度的波动周期及高浓度区分布。
需要说明的是,时空统计模型是一种利用时空位置信息来研究和描述变量变化规律的统计分析方法,它通过观察和分析变量在不同时间和空间点的值,来识别出变量随时间和位置的变化趋势,主要应用时空统计模型来分析和处理粉尘浓度监测数据,具体步骤包括:收集区域内不同监测点,长期以来记录的粉尘浓度数据;将粉尘浓度数据按时间序列和空间位置进行编码;应用时空统计模型对编码后的粉尘浓度数据进行分析计算;从分析结果中识别出粉尘浓度随时间和位置的变化规律;判断粉尘浓度的周期性波动特征及区域内浓度高区的分布;总结粉尘污染的时空特征,为后续工作提供参考。
结合沥青生产车间内部的温度、湿度及通风情况建立基于拉格朗日理论的流体动力学模型,预测粉尘浓度变化及其传播趋势。
其中,结合沥青生产车间内部的温度、湿度及通风情况建立基于拉格朗日理论的流体动力学模型,预测粉尘浓度变化及其传播趋势包括以下步骤:
建立基于拉格朗日理论的流体动力学模型,并将沥青生产车间内部的温度、湿度及通风速度作为初值条件输入。
需要说明的是,拉格朗日理论的流体动力学模型是指在拉格朗日理论的框架下,利用拉格朗日函数描述一个流体模型,拉格朗日理论是流体动力学的基本理论之一。
跟踪初始时刻在监测点内分布的布朗粒子,将监测点划分为中心区及边缘区,并分别模拟布朗粒子在中心区及边缘区的运动行为。
求解拉格朗日理论的流体动力学模型,并分别计算布朗粒子在中心区及边缘区质点的均方位移及标度指数值。
其中,求解拉格朗日理论的流体动力学模型,并分别计算布朗粒子在中心区及边缘区质点的均方位移及标度指数值包括以下步骤:
根据中心区及边缘区的边界条件及初值条件输入,生成构成边界的布朗粒子。
根据布朗粒子间的相对位置进行邻近粒子搜索,得到每个布朗粒子在支持域内的布朗粒子编号。
计算支持域内布朗粒子间的距离,并结合核函数计算得到每个布朗粒子对应的核函数导数值,并基于核函数导数值计算各个边界的空间导数。
判断是否进行边界的不可压隐式计算,若进行边界的隐式计算则利用边界求解算法得到布朗粒子速度的未修正值。
需要说明的是,不可压隐式计算(Implicit Computation)是一种计算模型,其主要特征是不存在显式的计算步骤描述。计算过程是隐式进行的,无法用明确的步骤来表示,计算结果与输入之间没有显式函数关系,无法通过输入直接计算或推导出结果,需要通过迭代逼近的方式,逐步得到计算结果。
基于布朗粒子速度的未修正值计算布朗粒子压力,并结合布朗粒子压力对布朗粒子速度进行修正得到新的布朗粒子速度。
若进行边界的可压计算,则基于空间导数进行求解得到新的布朗粒子压力,并通过时间积分对边界变量进行更新,得到新的布朗粒子位置。
基于新的布朗粒子位置分别计算布朗粒子在中心区及边缘区质点的均方位移及标度指数值。
利用有限差分预测修正法及时间步进迭代算法对每次时间步进行计算,预测粉尘浓度在中心区及边缘区的浓度变化值。
需要说明的是,有限差分预测修正法(Finite Difference PredictionCorrection Method)是一种利用有限差分近似解微分方程的数值方法,首先根据已知时刻点的值,采用有限差分近似进行预测,得到下一个时刻点的值,然后利用预测值和实际观测值进行修正,求出修正值,再进行下一次预测,通过预测和修正的迭代,逼近解微分方程的数值解。
需要说明的是,时间步进迭代算法(Time Stepping Iteration Algorithm)是一种通过时间步进迭代求解动力学问题的数值算法,将时间区间分成等时间间隔的若干小步长,在每个时间步内,采用迭代算法求解动力学方程,得到该时间步的解,以该时间步的解作为下一个时间步的初始值,继续迭代求解,重复这个过程,直到全部时间步迭代完毕,求解问题在整个时间区间内的数值解。
基于浓度变化值推导布朗粒子的等效扩散率,并结合布朗粒子之间的相互碰撞反应分析粉尘浓度传播的传播趋势。
基于粉尘浓度标准与人体损伤影响关系,建立自动判断人体风险指数的关联规则,若监测到粉尘浓度对人体损伤产生影响时,则及时发出预警并采取降尘措施。
需要说明的是,基于粉尘浓度标准与人体损伤影响关系,建立自动判断人体风险指数的关联规则,若监测到粉尘浓度对人体损伤产生影响时,则及时发出预警并采取降尘措施的具体步骤如下:
收集不同粉尘浓度下对人体不同部位产生不同程度损伤的临床数据。
根据数据建立粉尘浓度与各种人体损伤之间的定量关联模型,将不同程度的人体损伤定量程度分为不同等级,如轻度、中度、重度等。
根据等级定级标准,编制粉尘浓度及人体风险指数对应表,在监测点设置粉尘浓度传感器实时监测浓度数据。
每收到一次监测数据,根据浓度自动在对应表中查询对应的人体风险指数,当风险指数高于预设阈值时,触发预警。
预警信息同时触发自动降尘,采取相应降尘措施,如加强通风、喷洒消尘剂等,重复监测和预警流程,直至粉尘浓度下降到安全范围内结束预警。
预警处理模块405,用于对预警信息记录对应的处理措施,并对处理措施提供可视化。
具体的,预警处理模块405支持针对每一条预警信息记录对应的处理情况,保障每次的处理过程和结果可记录可查询。
运输车辆管理模块5,用于管理和调度生产运输车辆,并实时掌握车辆运输情况及运输到达时间。
其中,如图5所示,运输车辆管理模块5包括运输费用管理模块501、运输车辆称重模块502、运输过程管控模块503及运输装车流水模块504。
运输费用管理模块501与运输车辆称重模块502连接,运输车辆称重模块502与运输过程管控模块503连接,运输过程管控模块503与运输装车流水模块504连接。
运输费用管理模块501,用于根据运输订单内的运输信息,并结合运输费用计算规则统计运输费用信息,为运输费用的结算、费用数据的查询分析提供准确的数据支撑,运输费用管理分为每月汇总数据、车辆费用汇总、车辆费用明细三个模块,三个模块数据层层递进,可相互钻取查看。
具体的,每月汇总数据以月为维度,展示每月各项数据的总和,展示字段包括:月份、总装车次数、总里程数、总运输吨数、总费用。
具体的,车辆费用汇总以车辆的指定日期区间为统计维度,展示日期区间内的各项数据的总和,日期区间默认为当前月份的第一天到当前日期,可自行筛选日期区间。展示字段包括:开始日期、结束日期、车牌号、总装车次数、总里程数、总运输吨数、总费用。
具体的,车辆费用明细以车辆的运输订单为统计维度,展示车辆每个运输订单的具体详细。展示字段包括:流水号、类型、过磅时间、合同编号、车牌号、里程数、运输吨数、费用调整、费用。
具体的,运输费用管理模块501能够实现车辆运输费用计算,运输费用统计,可实现不同车辆的计费规则的调整,运费规则周期调整等。
运输车辆称重模块502,用于管理运输车辆信息,并与称重地磅进行联动,控制车辆称重准入规则。
具体的,运输车辆称重模块502用于管理厂内的运输车辆信息,包括车辆车牌,车辆皮重等,实现与地磅的联动控制车辆称重准入规则。
运输过程管控模块503,用于监控运输车辆的定位信息,并结合最优运输路径预测运输总时长。
其中,运输过程管控模块503在监控运输车辆的定位信息,并结合最优运输路径预测运输总时长时包括:
实时获取运输车辆的定位信息,并结合驾驶员行为特性对目标运输路网进行优化,划分出目标运输路网中的主要道路及次要道路。
对目标运输路网中的主要道路和次要道路进行权重分配,分别得到主要道路和次要道路的权重值,依据权重值大小对运输路径进行优化。
结合交通流诱导技术分析优化后的运输路径的平均交通流量数据,并利用行程时间预测模型对优化后的运输路径进行运输时长预测。
需要说明的是,交通流诱导技术是指通过一定的手段来引导和优化交通流量的分布,实现交通流量的有效监控和管理。
其中,结合交通流诱导技术分析优化后的运输路径的平均交通流量数据,并利用行程时间预测模型对优化后的运输路径进行运输时长预测包括:
采用聚类算法对交通流量进行聚类,并通过引入时间基线将整个交通数据域按时间进行序列分割。
需要说明的是,聚类算法包括K-Means聚类算法,K-Means聚类算法是一种无监督学习的算法,用于将数据样本分为不同的类簇。
利用极限学习算法对各分割序列建立行程时间预测模型,并结合优化后的运输路径的历史交通流量对行程时间预测模型进行训练。
结合行程时间预测模型的隐含层神经元及激活函数,分别利用行程时间预测模型中的训练集计算隐含层输出矩阵及隐含层和输出层的连接权值、再利用行程时间预测模型中的测试集计算未来连续时间段的交通流量。
将未来连续时间段的交通流量作为输出,将历史交通流量作为输入,利用行程时间预测模型对优化后的运输路径的运输时长进行预测。
对运输车辆在优化后的运输路径上行驶的平均延误时长进行计算,得到运输车辆的平均延误时长。
平均延误时长的计算公式为:
;
式中,d表示运输车辆在优化后的运输路径上行驶的平均延误时长;
i,j均表示优化后的运输路径的交叉口的数量;
表示有效绿灯时间;
Q表示优化后的运输路径的交通量;
X表示饱和度;
T表示时间周期长度;
将运输时长预测结果减去平均延误时长,得到运输车辆的运输总时长。
运输装车流水模块504,用于展示运输装车流水记录,确保准确统计运输装车记录并展示。
具体的,运输装车流水模块504能够展示全部的成品运输装车流水记录,确保每辆车每次的装车记录准确的统计并展示,方便装车流水的查询搜索。装车记录以列表的方式展示,展示内容包括:流水号、过磅时间、车牌号、毛重、皮重、净重、合同编号、收货单位、收货地址、物料类型、工程名称及车次信息。
综上所述,借助于本发明的上述技术方案,本发明将沥青生产车间内部的温度、湿度及通风情况相结合建立基于拉格朗日理论的流体动力学模型,预测粉尘浓度变化和传播趋势,从而能够科学描述粉尘作为流体微粒的运动规律,同时考虑温度、湿度、通风等多种影响因素,使得建立的模型描述力更强,能够精确预测不同位置和时间的粉尘浓度值,防控工作提供决策支持,并且为预防和控制粉尘浓度提供理论依据;本发明基于粉尘浓度标准与人体损伤影响关系,建立自动判断人体风险指数的关联规则,能够实时监测沥青生产车间的工作环境,及时警告避免事故发生,并且使得防控决策更具针对性,根据不同风险指数定向采取相应的降尘措施,提高防控效率及有效控制粉尘污染,从源头上达到控制目的;本发明结合交通流诱导技术分析优化后的运输路径的平均交通流量数据,并利用行程时间预测模型对优化后的运输路径进行运输时长预测,能够提供更科学合理的运输路径规划,提高运输效率,不仅能够精准预测运输车辆的最快到达时长,并且能够为沥青生产计划和运输安排提供参考,同时通过监测交通流变化,可以针对性规划高峰时段的车辆调度,降低延误风险;本发明通过更好的管控车间生产,确保生产过程中的安全性保障、优化生产管理流程、提高生产运输效率、降低人工成本,建设符合实际需要的智能化沥青生产管理系统。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于物联网技术的沥青生产管理系统,其特征在于,该基于物联网技术的沥青生产管理系统包括物联网平台(1)、生产项目管理模块(2)、生产施工管控模块(3)、监控预警模块(4)及运输车辆管理模块(5);
所述物联网平台(1)与所述生产项目管理模块(2)连接,所述生产项目管理模块(2)与所述生产施工管控模块(3)连接,所述生产施工管控模块(3)与所述监控预警模块(4)连接,所述监控预警模块(4)与所述运输车辆管理模块(5)连接;
所述物联网平台(1),用于利用物联网技术建立集中管理的信息交换平台;
所述生产项目管理模块(2),用于管理沥青生产项目及追踪生产项目进度;
所述生产施工管控模块(3),用于实时监测沥青生产过程及分配生产施工资源;
所述监控预警模块(4),用于实时获取硬件设备的监测数据,并对异常情况进行及时预警,辅助生产决策及故障处理;
所述运输车辆管理模块(5),用于管理和调度生产运输车辆,并实时掌握车辆运输情况及运输到达时间;
所述监控预警模块(4)包括出料口温度预警模块(401)、卸油池预警模块(402)、料仓预警模块(403)、生产车间监测模块(404)及预警处理模块(405);
所述出料口温度预警模块(401)与所述卸油池预警模块(402)连接,所述卸油池预警模块(402)与所述料仓预警模块(403)连接,所述料仓预警模块(403)与所述生产车间监测模块(404)连接,所述生产车间监测模块(404)与所述预警处理模块(405)连接;
所述出料口温度预警模块(401),用于与出料口温度传感器进行互联,实时获取并监测出料口的温度数据;
所述卸油池预警模块(402),用于与卸油池温度传感器进行互联,实时获取并监测卸油池的温度数据;
所述料仓预警模块(403),用于与料仓雷达料位机进行互联,实时获取并监测料仓的料位数据;
所述生产车间监测模块(404),用于实时监测生产车间内部的环境参数;
所述预警处理模块(405),用于对预警信息记录对应的处理措施,并对处理措施提供可视化;
所述生产车间监测模块(404)在实时监测生产车间内部的环境参数时包括:
对沥青生产车间内部进行监测区域划分,部署粉尘浓度传感器的监测点,并实时获取各监测点的粉尘浓度监测数据;
利用时空统计模型对粉尘浓度监测数据进行分析,识别粉尘浓度的时空变化规律,并判断粉尘浓度的波动周期及高浓度区分布;
结合沥青生产车间内部的温度、湿度及通风情况建立基于拉格朗日理论的流体动力学模型,预测粉尘浓度变化及其传播趋势;
基于粉尘浓度标准与人体损伤影响关系,建立自动判断人体风险指数的关联规则,若监测到粉尘浓度对人体损伤产生影响时,则及时发出预警并采取降尘措施;
所述基于粉尘浓度标准与人体损伤影响关系,建立自动判断人体风险指数的关联规则,若监测到粉尘浓度对人体损伤产生影响时,则及时发出预警并采取降尘措施包括以下步骤:
收集不同粉尘浓度对人体损伤的临床数据;
根据临床数据建立粉尘浓度与人体损伤之间的定量关联模型,并对人体损伤定量程度进行划分;
编制粉尘浓度及人体风险指数对应表,并依据实时获取的各监测点的粉尘浓度监测数据,在对应表中匹配对应的人体风险指数;
当人体风险指数高于预设阈值时,触发预警,在预警同时触发降尘措施,并持续监测粉尘浓度监测数据,直至粉尘浓度下降到安全范围内结束预警;
所述结合沥青生产车间内部的温度、湿度及通风情况建立基于拉格朗日理论的流体动力学模型,预测粉尘浓度变化及其传播趋势包括以下步骤:
建立基于拉格朗日理论的流体动力学模型,并将沥青生产车间内部的温度、湿度及通风速度作为初值条件输入;
跟踪初始时刻在监测点内分布的布朗粒子,将监测点划分为中心区及边缘区,并分别模拟布朗粒子在中心区及边缘区的运动行为;
求解拉格朗日理论的流体动力学模型,并分别计算布朗粒子在中心区及边缘区质点的均方位移及标度指数值;
利用有限差分预测修正法及时间步进迭代算法对每次时间步进行计算,预测粉尘浓度在中心区及边缘区的浓度变化值;
基于浓度变化值推导布朗粒子的等效扩散率,并结合布朗粒子之间的相互碰撞反应分析粉尘浓度传播的传播趋势。
2.根据权利要求1所述的一种基于物联网技术的沥青生产管理系统,其特征在于,所述生产项目管理模块(2)包括合同管理模块(201)、订单管理模块(202)、生产情况表生成模块(203)、生产项目追踪模块(204)及结算管理模块(205);
所述合同管理模块(201)与所述订单管理模块(202)连接,所述订单管理模块(202)与所述生产情况表生成模块(203)连接,所述生产情况表生成模块(203)与所述生产项目追踪模块(204)连接,所述生产项目追踪模块(204)与所述结算管理模块(205)连接;
所述合同管理模块(201),用于管理生产项目的合同内容,确保合同的有效执行;
所述订单管理模块(202),用于管理沥青生产过程中的订单信息,跟踪订单的生产进度及交付状态;
所述生产情况表生成模块(203),用于实时更新和生成生产情况表,对生产数据进行统计、分析及报告;
所述生产项目追踪模块(204),用于记录生产项目信息,对生产进度设置阶段和节点,并追踪生产项目中每个阶段的完成情况;
所述结算管理模块(205),用于根据生产情况及施工进度,发起生产项目结算,并根据生产情况及施工量自动计算结算生产成本。
3.根据权利要求2所述的一种基于物联网技术的沥青生产管理系统,其特征在于,所述生产施工管控模块(3)包括生产计划制定模块(301)、生产工艺管控模块(302)、原材料管控模块(303)、施工班组调度模块(304)、施工勘察模块(305)、产量管理模块(306)及能耗统计模块(307);
所述生产计划制定模块(301)与所述生产工艺管控模块(302)连接,所述生产工艺管控模块(302)与所述原材料管控模块(303)连接,所述原材料管控模块(303)与所述施工班组调度模块(304)连接,所述施工班组调度模块(304)与所述施工勘察模块(305)连接,所述施工勘察模块(305)与所述产量管理模块(306)连接,所述产量管理模块(306)与所述能耗统计模块(307)连接;
所述生产计划制定模块(301),用于基于生产项目制定生产计划,布置生产任务及追踪生产计划执行情况;
所述生产工艺管控模块(302),用于配置生产工艺参数和操作流程,监控各工序的运行状态和质量参数,并调整生产工艺以保证产品质量;
所述原材料管控模块(303),用于依据生产计划中设定的产量目标和生产工艺要求,预估原材料需求量;
所述施工班组调度模块(304),用于依据生产计划安排施工任务;
所述施工勘察模块(305),用于安排和调度施工人员,对施工环境进行勘察并记录勘察结果、勘察地点及勘察项目;
所述产量管理模块(306),用于统计和汇总产量数据,并对产量完成情况进行分析评估;
所述能耗统计模块(307),用于统计管理生产过程中的能耗数据,计算平均吨产能耗情况,并将能耗情况与生产成本进行关联统计。
4.根据权利要求3所述的一种基于物联网技术的沥青生产管理系统,其特征在于,所述求解拉格朗日理论的流体动力学模型,并分别计算布朗粒子在中心区及边缘区质点的均方位移及标度指数值包括以下步骤:
根据中心区及边缘区的边界条件及初值条件输入,生成构成边界的布朗粒子;
根据布朗粒子间的相对位置进行邻近粒子搜索,得到每个布朗粒子在支持域内的布朗粒子编号;
计算支持域内布朗粒子间的距离,并结合核函数计算得到每个布朗粒子对应的核函数导数值,并基于核函数导数值计算各个边界的空间导数;
判断是否进行边界的不可压隐式计算,若进行边界的隐式计算则利用边界求解算法得到布朗粒子速度的未修正值;
基于布朗粒子速度的未修正值计算布朗粒子压力,并结合布朗粒子压力对布朗粒子速度进行修正得到新的布朗粒子速度;
若进行边界的可压计算,则基于空间导数进行求解得到新的布朗粒子压力,并通过时间积分对边界变量进行更新,得到新的布朗粒子位置;
基于新的布朗粒子位置分别计算布朗粒子在中心区及边缘区质点的均方位移及标度指数值。
5.根据权利要求4所述的一种基于物联网技术的沥青生产管理系统,其特征在于,所述运输车辆管理模块(5)包括运输费用管理模块(501)、运输车辆称重模块(502)、运输过程管控模块(503)及运输装车流水模块(504);
所述运输费用管理模块(501)与所述运输车辆称重模块(502)连接,所述运输车辆称重模块(502)与所述运输过程管控模块(503)连接,所述运输过程管控模块(503)与所述运输装车流水模块(504)连接;
所述运输费用管理模块(501),用于根据运输订单内的运输信息,并结合运输费用计算规则统计运输费用信息;
所述运输车辆称重模块(502),用于管理运输车辆信息,并与称重地磅进行联动,控制车辆称重准入规则;
所述运输过程管控模块(503),用于监控运输车辆的定位信息,并结合最优运输路径预测运输总时长;
所述运输装车流水模块(504),用于展示运输装车流水记录,确保准确统计运输装车记录并展示。
6.根据权利要求5所述的一种基于物联网技术的沥青生产管理系统,其特征在于,所述运输过程管控模块(503)在监控运输车辆的定位信息,并结合最优运输路径预测运输总时长时包括:
实时获取运输车辆的定位信息,并结合驾驶员行为特性对目标运输路网进行优化,划分出目标运输路网中的主要道路及次要道路;
对目标运输路网中的主要道路和次要道路进行权重分配,分别得到主要道路和次要道路的权重值,依据权重值大小对运输路径进行优化;
结合交通流诱导技术分析优化后的运输路径的平均交通流量数据,并利用行程时间预测模型对优化后的运输路径进行运输时长预测;
对运输车辆在优化后的运输路径上行驶的平均延误时长进行计算,得到运输车辆的平均延误时长;
所述平均延误时长的计算公式为:
;
式中,d表示运输车辆在优化后的运输路径上行驶的平均延误时长;
i,j均表示优化后的运输路径的交叉口的数量;
表示有效绿灯时间;
Q表示优化后的运输路径的交通量;
X表示饱和度;
T表示时间周期长度;
将运输时长预测结果减去平均延误时长,得到运输车辆的运输总时长。
7.根据权利要求6所述的一种基于物联网技术的沥青生产管理系统,其特征在于,所述结合交通流诱导技术分析优化后的运输路径的平均交通流量数据,并利用行程时间预测模型对优化后的运输路径进行运输时长预测包括:
采用聚类算法对交通流量进行聚类,并通过引入时间基线将整个交通数据域按时间进行序列分割;
利用极限学习算法对各分割序列建立行程时间预测模型,并结合优化后的运输路径的历史交通流量对行程时间预测模型进行训练;
结合行程时间预测模型的隐含层神经元及激活函数,分别利用行程时间预测模型中的训练集计算隐含层输出矩阵及隐含层和输出层的连接权值、再利用行程时间预测模型中的测试集计算未来连续时间段的交通流量;
将未来连续时间段的交通流量作为输出,将历史交通流量作为输入,利用行程时间预测模型对优化后的运输路径的运输时长进行预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311633799.3A CN117331361B (zh) | 2023-12-01 | 2023-12-01 | 一种基于物联网技术的沥青生产管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311633799.3A CN117331361B (zh) | 2023-12-01 | 2023-12-01 | 一种基于物联网技术的沥青生产管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117331361A CN117331361A (zh) | 2024-01-02 |
CN117331361B true CN117331361B (zh) | 2024-03-08 |
Family
ID=89279710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311633799.3A Active CN117331361B (zh) | 2023-12-01 | 2023-12-01 | 一种基于物联网技术的沥青生产管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117331361B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5640331A (en) * | 1993-07-30 | 1997-06-17 | Gas Research Institute | Method and apparatus for obtaining species concentrations and reaction rates in a turbulent reacting flow |
CN1702670A (zh) * | 2005-06-21 | 2005-11-30 | 沈阳中百软件有限公司 | 拌合站管控一体化系统 |
WO2012126089A1 (en) * | 2011-03-18 | 2012-09-27 | Futurestate It Incorporated | System and method for information technology asset migration and lifecycle management |
US8577120B1 (en) * | 2009-11-05 | 2013-11-05 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Methods and systems for characterization of an anomaly using infrared flash thermography |
CN108121850A (zh) * | 2017-11-16 | 2018-06-05 | 哈尔滨理工大学 | 地下粮道的空间粉尘分布规律分析方法 |
CN108536940A (zh) * | 2018-03-29 | 2018-09-14 | 北京工业大学 | 一种室内烟雾扩散模型的建立方法 |
CN109655113A (zh) * | 2019-01-30 | 2019-04-19 | 广州轨道交通建设监理有限公司 | 一种施工环境监测系统 |
CN110032152A (zh) * | 2019-03-27 | 2019-07-19 | 陈文武 | 一种基于物联网的智能车间管理系统及使用方法 |
CN110135682A (zh) * | 2019-04-03 | 2019-08-16 | 中交一公局第七工程有限公司 | 基于bim技术的危大工程项目监测管理方法 |
CN110287590A (zh) * | 2019-06-24 | 2019-09-27 | 天津大学 | 基于算子分裂及改进半拉格朗日求解污染物传播的方法 |
CN113177370A (zh) * | 2021-04-07 | 2021-07-27 | 山东科技大学 | 考虑环境湿度因素风流-粉尘气固两相流动数值模拟方法 |
CN116087220A (zh) * | 2022-11-05 | 2023-05-09 | 北京市永康药业有限公司 | 一种制药车间的除尘分析方法及系统 |
WO2023086027A2 (en) * | 2021-11-10 | 2023-05-19 | National University Of Singapore | Iot sensors for monitoring curing of concrete and monitoring health of resulting concrete structure |
CN116611355A (zh) * | 2023-04-21 | 2023-08-18 | 燕山大学 | 用于堆场起尘的监控方法及其监控装置 |
JP2023138371A (ja) * | 2022-03-16 | 2023-10-02 | 広東石油化工学院 | 石油化学プロセスの異常変化予測及び故障早期警報方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101453774B1 (ko) * | 2013-06-12 | 2014-10-22 | 한국지질자원연구원 | 개선된 라그랑지안-율러리안 기법을 이용한 총유량 경계조건을 가지는 오염물 거동의 분석방법 |
-
2023
- 2023-12-01 CN CN202311633799.3A patent/CN117331361B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5640331A (en) * | 1993-07-30 | 1997-06-17 | Gas Research Institute | Method and apparatus for obtaining species concentrations and reaction rates in a turbulent reacting flow |
CN1702670A (zh) * | 2005-06-21 | 2005-11-30 | 沈阳中百软件有限公司 | 拌合站管控一体化系统 |
US8577120B1 (en) * | 2009-11-05 | 2013-11-05 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Methods and systems for characterization of an anomaly using infrared flash thermography |
WO2012126089A1 (en) * | 2011-03-18 | 2012-09-27 | Futurestate It Incorporated | System and method for information technology asset migration and lifecycle management |
CN108121850A (zh) * | 2017-11-16 | 2018-06-05 | 哈尔滨理工大学 | 地下粮道的空间粉尘分布规律分析方法 |
CN108536940A (zh) * | 2018-03-29 | 2018-09-14 | 北京工业大学 | 一种室内烟雾扩散模型的建立方法 |
CN109655113A (zh) * | 2019-01-30 | 2019-04-19 | 广州轨道交通建设监理有限公司 | 一种施工环境监测系统 |
CN110032152A (zh) * | 2019-03-27 | 2019-07-19 | 陈文武 | 一种基于物联网的智能车间管理系统及使用方法 |
CN110135682A (zh) * | 2019-04-03 | 2019-08-16 | 中交一公局第七工程有限公司 | 基于bim技术的危大工程项目监测管理方法 |
CN110287590A (zh) * | 2019-06-24 | 2019-09-27 | 天津大学 | 基于算子分裂及改进半拉格朗日求解污染物传播的方法 |
CN113177370A (zh) * | 2021-04-07 | 2021-07-27 | 山东科技大学 | 考虑环境湿度因素风流-粉尘气固两相流动数值模拟方法 |
WO2023086027A2 (en) * | 2021-11-10 | 2023-05-19 | National University Of Singapore | Iot sensors for monitoring curing of concrete and monitoring health of resulting concrete structure |
JP2023138371A (ja) * | 2022-03-16 | 2023-10-02 | 広東石油化工学院 | 石油化学プロセスの異常変化予測及び故障早期警報方法 |
CN116087220A (zh) * | 2022-11-05 | 2023-05-09 | 北京市永康药业有限公司 | 一种制药车间的除尘分析方法及系统 |
CN116611355A (zh) * | 2023-04-21 | 2023-08-18 | 燕山大学 | 用于堆场起尘的监控方法及其监控装置 |
Non-Patent Citations (4)
Title |
---|
基于组合模型的短时交通流量预测算法;芮兰兰等;《电子与信息学报》;第1227-1233页 * |
基于行程时间预测的物流运输车辆路径优化研究;焦云龙;《中国优秀硕士学位论文全文数据库 经济与管理科学辑》;第29-33页 * |
基于随机服务理论的智能交通应用研究;李莎;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;第12-17页 * |
拉格朗日流体声学模型建立及其粒子算法研究;张咏鸥;DOI: 10.7666/d.D01194157;第42-62页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117331361A (zh) | 2024-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Johnston | The urban transportation planning process | |
US9262559B2 (en) | Management tools for quantification and simulation of performance and outcome of winter transportation infrastructure maintenance activities | |
CN102982081A (zh) | 道路交通安全隐患路段甄别方法和系统 | |
Chou et al. | Establishing expert system for prediction based on the project-oriented data warehouse | |
Davies et al. | The effect of skid resistance and texture on crash risk | |
Khalek et al. | Identify and prioritize the major influencing causes of automated concrete mixing system for mega construction projects using analytic hierarchy process | |
Al-Qadi et al. | Truck platooning on flexible pavements in Illinois | |
Singh et al. | Modelling and analysis of urban traffic noise system using algebraic graph theoretic approach | |
CN117331361B (zh) | 一种基于物联网技术的沥青生产管理系统 | |
Obaidat et al. | Integration of geographic information system (GIS) and PAVER system toward efficient pavement maintenance management system (PMMS) | |
Salem et al. | Fuzzy-based configuration of automated data acquisition systems for earthmoving operations. | |
Veneziano et al. | Development of a toolkit for cost-benefit analysis of specific winter maintenance practices, equipment and operations. | |
Aziz et al. | Suitably selection for earthwork equipment in Egyptian sites | |
Al-Qadi et al. | Development of overweight vehicle permit fee structure in illinois | |
Cambridge Systematics et al. | Traffic data collection, analysis, and forecasting for mechanistic pavement design | |
Codd et al. | Performance measures and framework for decision making under the national transportation system | |
Alam-Khan et al. | Development of Granular Roads Asset Management System | |
Al-Ansi et al. | Intelligent risk analysis of investment projects in the extractive industry | |
Odoki et al. | Case Study: HDM-4 adaptation for analyzing Kenya roads | |
Adams et al. | Issues and Challenges in Using Existing Data and Tools for Performance Measurement | |
Chaudhary | Developing predictive models for fuel consumption and maintenance cost using equipment fleet data | |
Shabani et al. | Behavioral/Agent-Based Supply Chain Modeling Research Synthesis and Guide | |
Awuku et al. | Conceptual cost estimation of highway bid items–A systematic literature review | |
Sarja et al. | European guide for life time design and management of civil infrastructures and buildings | |
Mishra et al. | Developing Statewide Land Use Forecasting Model and Integrate with TDOT’s Statewide Travel Demand Model |
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 |