CN117348503B - 一种环氧丙烷生产数据监控系统及方法 - Google Patents
一种环氧丙烷生产数据监控系统及方法 Download PDFInfo
- Publication number
- CN117348503B CN117348503B CN202311657952.6A CN202311657952A CN117348503B CN 117348503 B CN117348503 B CN 117348503B CN 202311657952 A CN202311657952 A CN 202311657952A CN 117348503 B CN117348503 B CN 117348503B
- Authority
- CN
- China
- Prior art keywords
- data
- analysis
- module
- sub
- technology
- 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 123
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 title claims abstract description 57
- GOOHAUXETOMSMM-UHFFFAOYSA-N Propylene oxide Chemical compound CC1CO1 GOOHAUXETOMSMM-UHFFFAOYSA-N 0.000 title claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 165
- 238000005516 engineering process Methods 0.000 claims abstract description 136
- 238000005457 optimization Methods 0.000 claims abstract description 87
- 230000006872 improvement Effects 0.000 claims abstract description 57
- 230000004044 response Effects 0.000 claims abstract description 53
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 230000010354 integration Effects 0.000 claims abstract description 23
- 238000007418 data mining Methods 0.000 claims abstract description 20
- 238000010801 machine learning Methods 0.000 claims abstract description 20
- 238000005265 energy consumption Methods 0.000 claims abstract description 17
- 230000007246 mechanism Effects 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 94
- 238000004422 calculation algorithm Methods 0.000 claims description 58
- 238000010223 real-time analysis Methods 0.000 claims description 41
- 238000007405 data analysis Methods 0.000 claims description 32
- 230000000007 visual effect Effects 0.000 claims description 30
- 238000007781 pre-processing Methods 0.000 claims description 23
- 230000005856 abnormality Effects 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 19
- 239000002994 raw material Substances 0.000 claims description 18
- 238000012800 visualization Methods 0.000 claims description 18
- 238000010191 image analysis Methods 0.000 claims description 16
- 238000013079 data visualisation Methods 0.000 claims description 15
- 238000003909 pattern recognition Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 11
- 238000005065 mining Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 10
- 238000007726 management method Methods 0.000 claims description 10
- 238000007621 cluster analysis Methods 0.000 claims description 9
- 238000003745 diagnosis Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 8
- 238000007619 statistical method Methods 0.000 claims description 8
- 238000012300 Sequence Analysis Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000000611 regression analysis Methods 0.000 claims description 7
- 230000008451 emotion Effects 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000003139 buffering effect Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000007635 classification algorithm Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000003066 decision tree Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 4
- 238000012417 linear regression Methods 0.000 claims description 4
- 238000007477 logistic regression Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000002922 simulated annealing Methods 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000013433 optimization analysis Methods 0.000 claims description 3
- 238000012536 packaging technology Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims 1
- 238000004134 energy conservation Methods 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 7
- 230000008676 import Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000000540 analysis of variance Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000012731 temporal analysis Methods 0.000 description 2
- 238000000700 time series analysis Methods 0.000 description 2
- 208000025174 PANDAS Diseases 0.000 description 1
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010297 mechanical methods and process Methods 0.000 description 1
- 230000005226 mechanical processes and functions Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- 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
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及数控系统技术领域，具体为一种环氧丙烷生产数据监控系统及方法，系统包括边缘计算处理模块、实时视觉监测模块、生产过程优化模块、数据挖掘分析模块、能效监控优化模块、数据集成模块、报警与响应模块。本发明中，通过数据驱动的决策支持技术，生产过程得以精准优化，提升效率和质量，数据挖掘分析模块深度挖掘大数据，为决策提供支持，能效监控优化模块运用机器学习，实时监测和优化能源利用，助力降低能耗，数据集成模块整合和可视化各类数据和报告，便于监控和分析，报警与响应模块的智能报警和自动响应机制，迅速处理异常情况，确保连续性和安全性，综合解决方案为生产提供了完善的支持，促进了效率、质量和节能降耗的提升。
Description
技术领域
本发明涉及数控系统技术领域，尤其涉及一种环氧丙烷生产数据监控系统及方法。
背景技术
在数控系统技术领域，环氧丙烷生产数据监控系统代表了一种先进的工业自动化解决方案。数控系统，即数字控制系统，主要涉及利用计算机和专门的软件来控制复杂的机械过程和工业操作。这个领域包括从基本的机械控制到复杂的过程自动化和数据监测。数控系统的核心优势在于其能够提高生产效率、减少人为错误，并增强过程的可重复性和精确性，系统通常包含传感器、执行器、控制单元和用户界面，共同工作以实现精确和自动化的生产控制。
具体到环氧丙烷生产数据监控系统，这是一种专为环氧丙烷生产设计的自动化监控系统。其目的是实时收集和分析生产过程中的关键数据，如温度、压力、流量和化学反应速率，以确保生产过程的效率和安全。这种系统通常通过安装在生产线上的传感器来收集数据，然后将这些数据发送到中央控制系统进行处理和分析。中央控制系统使用先进的算法，如机器学习和模式识别，来识别生产过程中的异常情况，并自动调整控制参数或提醒操作员采取措施。这样，环氧丙烷生产数据监控系统不仅能够提高生产效率和产品质量，还能够降低生产过程中的风险，确保人员和环境的安全。
传统的环氧丙烷生产监控系统存在多方面的不足。首先，传统系统在生产过程优化方面多依赖人工经验，缺乏精准的数据驱动决策支持，导致优化效果有限。在数据分析方面，由于缺乏深入的大数据挖掘能力，难以全面分析和利用生产数据，限制了决策的准确性和全面性。能效方面，传统系统常常缺乏有效的监测和优化机制，导致能源浪费和成本增加。数据集成和可视化方面的不足，也使得数据管理和利用效率低下。最后，传统系统的报警和响应机制多依赖于人工干预，响应速度慢，准确性和效率低，影响了生产的安全性和连续性。总的来说，传统系统在生产优化、数据分析、能效管理、数据集成和应急响应等方面的不足，限制了其在提升生产效率、降低成本、提高质量和安全性方面的能力。
发明内容
本发明的目的是解决现有技术中存在的缺点，而提出的一种环氧丙烷生产数据监控系统及方法。
为了实现上述目的，本发明采用了如下技术方案：一种环氧丙烷生产数据监控系统包括所述系统包括边缘计算处理模块、实时视觉监测模块、生产过程优化模块、数据挖掘分析模块、能效监控优化模块、数据集成模块、报警与响应模块；
所述边缘计算处理模块基于环氧丙烷生产线，采用流数据处理和实时分析算法，进行数据的实时处理和分析，生成边缘处理数据；
所述实时视觉监测模块基于边缘处理数据，采用图像处理和模式识别技术，对生产过程进行实时监控和分析，生成视觉监测报告；
所述生产过程优化模块基于视觉监测报告，采用数据驱动的决策支持技术，对生产过程进行优化分析，生成优化方案；
所述数据挖掘分析模块基于优化方案，采用大数据挖掘和分析技术，深入挖掘生产数据，生成深度分析报告；
所述能效监控优化模块基于深度分析报告，采用机器学习算法，实时监测和优化能效，生成能效改进方案；
所述数据集成模块基于能效改进方案，采用数据集成和可视化技术，统一所述边缘处理数据、视觉监测报告优化方案、深度分析报告、能效改进方案，生成综合监控数据；
所述报警与响应模块基于综合监控数据，采用智能报警和自动响应机制，对生产中的异常情况进行实时响应，生成响应策略。
作为本发明的进一步方案，所述边缘计算处理模块包括数据采集子模块、本地处理子模块、实时分析子模块、数据同步子模块基于环氧丙烷生产线，采用流数据处理技术，生成原始数据集；
所述数据采集子模块基于环氧丙烷生产线，采用流数据处理技术，生成原始数据集；
所述本地处理子模块基于原始数据集，采用数据预处理方法，进行本地处理，并生成处理后数据；
所述实时分析子模块基于处理后数据，采用实时分析算法，进行数据分析，并生成实时分析结果；
所述数据同步子模块基于实时分析结果，采用数据同步技术，完成边缘处理数据同步，生成边缘处理数据；
所述流数据处理技术包括实时数据流捕获、数据缓冲和流控制，所述数据预处理方法包括数据清洗、格式标准化和数据归一化，所述实时分析算法包括数据模式识别、异常检测和数据聚类，所述数据同步技术具体为网络通信优化和数据打包技术。
作为本发明的进一步方案，所述实时视觉监测模块包括摄像头部署子模块、图像采集子模块、图像分析子模块、异常识别子模块；
所述摄像头部署子模块基于边缘处理数据，采用摄像头布局策略，进行摄像头部署，并生成摄像头部署方案；
所述图像采集子模块基于摄像头部署方案，采用图像采集技术，进行图像采集，并生成实时图像数据；
所述图像分析子模块基于实时图像数据，采用图像处理技术，生成图像分析报告；
所述异常识别子模块基于图像分析报告，采用模式识别技术，进行异常监测和识别，并生成视觉监测报告；
所述摄像头布局策略包括视角优化、遮挡最小化和光线条件考虑，所述图像采集技术包括图像捕获和实时图像流传输，所述图像处理技术具体为边缘检测、图像分割和颜色分析，所述模式识别技术具体为机器学习分类算法、特征提取和异常模式匹配。
作为本发明的进一步方案，所述生产过程优化模块包括效率分析子模块、原材料消耗分析子模块、能耗分析子模块、优化方案生成子模块；
所述效率分析子模块基于视觉监测报告，采用统计分析方法，进行生产流程评估，并生成效率分析结果；
所述原材料消耗分析子模块基于效率分析结果，采用资源优化算法，评估物料使用率，并生成原材料消耗分析结果；
所述能耗分析子模块基于原材料消耗分析结果，采用能效评估技术，进行能源使用分析，并生成能耗分析结果；
所述优化方案生成子模块基于能耗分析结果，采用决策模型，生成优化方案；
所述统计分析方法包括方差分析和时间序列分析，所述资源优化算法具体为线性规划和库存管理模型，所述能效评估技术包括负荷分析和能源平衡计算，所述决策模型具体为多目标优化和风险评估模型。
作为本发明的进一步方案，所述数据挖掘分析模块包括数据预处理子模块、聚类分析子模块、关联规则学习子模块、洞见提取子模块；
所述数据预处理子模块基于优化方案，采用数据标准化技术，准备分析数据，并生成预处理数据；
所述聚类分析子模块基于预处理数据，采用机器学习聚类方法，进行数据划分，并生成聚类分析结果；
所述关联规则学习子模块基于聚类分析结果，采用规则挖掘技术，生成关联规则学习结果；
所述洞见提取子模块基于关联规则学习结果，采用数据分析技术，提取业务洞见，并生成深度分析报告；
所述数据标准化技术包括缺失值处理和异常检测，所述机器学习聚类方法具体为谱聚类和密度聚类，所述规则挖掘技术具体为序列模式挖掘和交叉销售分析，所述数据分析技术包括预测建模和情感分析。
作为本发明的进一步方案，所述能效监控优化模块包括实时监控子模块、数据分析子模块、能效改进子模块、自动调整子模块；
所述实时监控子模块基于深度分析报告，采用异常检测算法，进行能效实时监控，并生成实时监控结果；
所述数据分析子模块基于实时监控结果，采用回归分析技术，进行能效趋势分析，并生成数据分析结果；
所述能效改进子模块基于数据分析结果，采用优化算法，制定能效改进措施，并生成能效改进结果；
所述自动调整子模块基于能效改进结果，采用自适应控制技术，实施能效优化调整，并生成能效改进方案；
所述异常检测算法包括神经网络和支持向量机，所述回归分析技术具体为线性回归和逻辑回归，所述优化算法具体为遗传算法和模拟退火算法，所述自适应控制技术具体为PID控制和模糊控制。
作为本发明的进一步方案，所述数据集成模块包括数据汇总子模块、数据标准化子模块、数据可视化子模块、综合报告生成子模块；
所述数据汇总子模块基于能效改进方案，采用数据融合技术，整合多维数据，并生成数据汇总结果；
所述数据标准化子模块基于数据汇总结果，采用规范化处理技术，统一数据格式，并生成数据标准化结果；
所述数据可视化子模块基于数据标准化结果，采用可视化工具，创建图表和仪表板，并生成数据可视化结果；
所述综合报告生成子模块基于数据可视化结果，采用报告自动生成工具，汇总分析数据，并生成综合监控数据；
所述数据融合技术包括数据对齐和时间同步，所述规范化处理技术具体为数据编码和数据筛选，所述可视化工具包括散点图和热力图，所述报告自动生成工具具体为模板驱动的文档生成和自动摘要技术。
作为本发明的进一步方案，所述报警与响应模块包括报警生成子模块、异常分析子模块、响应指令生成子模块、紧急处理子模块；
所述报警生成子模块基于综合监控数据，采用异常模式识别技术，识别异常情况，并生成报警信息；
所述异常分析子模块基于报警信息，采用故障诊断方法，分析异常原因，并生成异常分析结果；
所述响应指令生成子模块基于异常分析结果，采用智能决策算法，制定应对措施，并生成响应指令；
所述紧急处理子模块基于响应指令，采用即时响应机制，实施紧急措施，并生成响应策略；
所述异常模式识别技术包括时间序列分析和异常点检测，所述故障诊断方法具体为故障树分析和相关性分析，所述智能决策算法具体为决策树分析和权重评分模型，所述即时响应机制具体为自动化流程控制和预设应急方案激活。
一种环氧丙烷生产数据监控方法，所述环氧丙烷生产数据监控方法基于上述环氧丙烷生产数据监控系统执行，包括以下步骤：
S1：基于环氧丙烷生产线，采用流数据处理技术，进行数据采集，生成原始生产数据集；
S2：基于所述原始生产数据集，采用数据预处理方法，进行本地处理，生成处理后的数据集；
S3：基于所述处理后的数据集，采用实时分析算法，进行深入分析，生成实时分析结果；
S4：基于所述实时分析结果，采用数据挖掘技术，深入挖掘生产数据，生成深度分析报告；
S5：基于所述深度分析报告，采用机器学习算法，对能效进行监测和优化，生成能效改进方案；
S6：基于所述能效改进方案，采用数据集成和可视化技术，协同处理分析结果，生成综合监控数据。
作为本发明的进一步方案，所述原始生产数据集包括生产线的温度、压力、流量和化学反应数据，所述处理后的数据集具体为去噪声、标准化和格式化后的生产数据，所述实时分析结果包括数据的趋势分析、异常点识别和关键参数监控，所述深度分析报告包括生产效率分析、原料消耗模式和潜在风险点，所述能效改进方案包括节能措施、能源分配优化和改进方案，所述综合监控数据包括整合的生产数据视图、效率指标和能效报告。
与现有技术相比，本发明的优点和积极效果在于：
本发明中，生产过程优化模块的数据驱动决策支持技术，为生产过程提供了精准的优化方案，有效提升了生产效率和质量。数据挖掘分析模块的大数据挖掘能力能深入分析生产数据，为决策提供更全面的信息支持。能效监控优化模块运用机器学习算法，实现能效的实时监测和优化，助力节能降耗。数据集成模块的集成和可视化技术，使得各类数据和报告统一管理，便于监控和分析。报警与响应模块的智能报警和自动响应机制，对生产中的异常情况进行快速准确的处理，保障了生产的连续性和安全性。
附图说明
图1为本发明的系统流程图；
图2为本发明的系统框架示意图；
图3为本发明的边缘计算处理模块流程图；
图4为本发明的实时视觉监测模块流程图；
图5为本发明的生产过程优化模块流程图；
图6为本发明的数据挖掘分析模块流程图；
图7为本发明的能效监控优化模块流程图；
图8为本发明的数据集成模块流程图；
图9为本发明的报警与响应模块流程图；
图10为本发明的方法步骤示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
实施例一：请参阅图1至图2，本发明提供一种技术方案：一种环氧丙烷生产数据监控系统包括边缘计算处理模块、实时视觉监测模块、生产过程优化模块、数据挖掘分析模块、能效监控优化模块、数据集成模块、报警与响应模块；
边缘计算处理模块基于环氧丙烷生产线，采用流数据处理和实时分析算法，进行数据的实时处理和分析，生成边缘处理数据；
实时视觉监测模块基于边缘处理数据，采用图像处理和模式识别技术，对生产过程进行实时监控和分析，生成视觉监测报告；
生产过程优化模块基于视觉监测报告，采用数据驱动的决策支持技术，对生产过程进行优化分析，生成优化方案；
数据挖掘分析模块基于优化方案，采用大数据挖掘和分析技术，深入挖掘生产数据，生成深度分析报告；
能效监控优化模块基于深度分析报告，采用机器学习算法，实时监测和优化能效，生成能效改进方案；
数据集成模块基于能效改进方案，采用数据集成和可视化技术，统一边缘处理数据、视觉监测报告优化方案、深度分析报告、能效改进方案，生成综合监控数据；
报警与响应模块基于综合监控数据，采用智能报警和自动响应机制，对生产中的异常情况进行实时响应，生成响应策略。
通过实时监控和数据分析，提升生产效率，减少停机时间，从而提高产能和生产效益。通过实时视觉监测和质量控制改进，有助于提高产品质量，减少次品率，提高客户满意度。能源效益提高模块将有助于节约能源成本，提高能源利用效率。数据驱动的决策支持则提供了更明智的管理决策，增强了生产决策的准确性。通过预防性维护，系统降低设备维修成本，延长设备寿命。数据集成和可视化技术的应用，使管理层更好地了解生产状况，提高管理效率。
请参阅图3，边缘计算处理模块包括数据采集子模块、本地处理子模块、实时分析子模块、数据同步子模块基于环氧丙烷生产线，采用流数据处理技术，生成原始数据集；
数据采集子模块基于环氧丙烷生产线，采用流数据处理技术，生成原始数据集；
本地处理子模块基于原始数据集，采用数据预处理方法，进行本地处理，并生成处理后数据；
实时分析子模块基于处理后数据，采用实时分析算法，进行数据分析，并生成实时分析结果；
数据同步子模块基于实时分析结果，采用数据同步技术，完成边缘处理数据同步，生成边缘处理数据；
流数据处理技术包括实时数据流捕获、数据缓冲和流控制，数据预处理方法包括数据清洗、格式标准化和数据归一化，实时分析算法包括数据模式识别、异常检测和数据聚类，数据同步技术具体为网络通信优化和数据打包技术。
数据采集子模块基于环氧丙烷生产线，采用流数据处理技术，实时捕获并处理生产线上的数据流。通过数据缓冲和流控制，确保数据的可靠性和完整性，生成原始数据集。这个数据集包含了关键的生产过程数据和传感器数据，为后续的本地处理和实时分析提供了基础。
本地处理子模块基于原始数据集，采用数据预处理方法，如数据清洗、格式标准化和数据归一化，对数据进行处理。这个过程提高了数据的质量和一致性，使得数据更易于分析和理解。处理后的数据包括经过清洗和标准化的数据以及归一化后的特征，为实时分析提供了更可靠的输入数据。
实时分析子模块基于处理后的数据，采用实时分析算法，包括数据模式识别、异常检测和数据聚类等技术，进行数据分析。实时识别生产线上的数据模式，检测异常情况，并将数据聚合成有意义的信息。实时分析结果为生产线的实时监控和决策提供了关键支持。
数据同步子模块基于实时分析结果，采用数据同步技术，包括网络通信优化和数据打包技术，将边缘处理数据同步到目标位置。这确保了实时分析结果能够及时传送到中央系统或其他设备，以支持进一步的决策和控制。数据同步是边缘计算的重要环节，确保了信息的及时共享和利用。
请参阅图4，实时视觉监测模块包括摄像头部署子模块、图像采集子模块、图像分析子模块、异常识别子模块；
摄像头部署子模块基于边缘处理数据，采用摄像头布局策略，进行摄像头部署，并生成摄像头部署方案；
图像采集子模块基于摄像头部署方案，采用图像采集技术，进行图像采集，并生成实时图像数据；
图像分析子模块基于实时图像数据，采用图像处理技术，生成图像分析报告；
异常识别子模块基于图像分析报告，采用模式识别技术，进行异常监测和识别，并生成视觉监测报告；
摄像头布局策略包括视角优化、遮挡最小化和光线条件考虑，图像采集技术包括图像捕获和实时图像流传输，图像处理技术具体为边缘检测、图像分割和颜色分析，模式识别技术具体为机器学习分类算法、特征提取和异常模式匹配。
摄像头部署子模块基于边缘处理数据和监测需求，采用摄像头布局策略，确定摄像头的位置、朝向和数量，以生成最佳的摄像头部署方案。此方案考虑视角优化，遮挡最小化和光线条件，以确保监测系统能够捕获关键区域，并在不同环境条件下工作。
图像采集子模块基于摄像头部署方案，采用图像采集技术，实时捕获图像数据。这包括捕获图像帧或实时图像流传输。通过这个子模块，生成实时的图像数据，为后续的图像分析提供输入。
图像分析子模块接收实时图像数据，利用图像处理技术，如边缘检测、图像分割和颜色分析，对图像进行分析。这个过程生成图像分析报告，其中包括检测到的边缘、分割的区域和颜色信息。这些报告提供了对图像内容的详细理解，为后续的异常识别提供基础。
异常识别子模块利用图像分析报告，采用模式识别技术，包括机器学习分类算法、特征提取和异常模式匹配，进行异常监测和识别。这允许系统检测到图像中的异常情况，识别异常类型，并提供位置信息。生成的视觉监测报告用于实时决策和警报，帮助及时采取必要的措施。
请参阅图5，生产过程优化模块包括效率分析子模块、原材料消耗分析子模块、能耗分析子模块、优化方案生成子模块；
效率分析子模块基于视觉监测报告，采用统计分析方法，进行生产流程评估，并生成效率分析结果；
原材料消耗分析子模块基于效率分析结果，采用资源优化算法，评估物料使用率，并生成原材料消耗分析结果；
能耗分析子模块基于原材料消耗分析结果，采用能效评估技术，进行能源使用分析，并生成能耗分析结果；
优化方案生成子模块基于能耗分析结果，采用决策模型，生成优化方案；
统计分析方法包括方差分析和时间序列分析，资源优化算法具体为线性规划和库存管理模型，能效评估技术包括负荷分析和能源平衡计算，决策模型具体为多目标优化和风险评估模型。
效率分析子模块中，
技术：统计分析方法
步骤：
方差分析：分析生产流程中的效率变化。
时间序列分析：评估效率随时间的变化趋势。
生成效率分析结果：基于统计分析生成报告。
代码示例（Python）：
import pandas as pd
import statsmodels.api as sm
from statsmodels.formula.api import ols
# 假设data为视觉监测报告数据
# 方差分析
anova_results = ols('Efficiency ~ C(Process)', data=data).fit()
anova_table = sm.stats.anova_lm(anova_results, typ=2)
# 时间序列分析
time_series_model = sm.tsa.statespace.SARIMAX(data['Efficiency'],
order=(1, 1, 1),
seasonal_order=(1, 1, 1, 12))
time_series_results = time_series_model.fit()
原材料消耗分析子模块中，
技术：资源优化算法
步骤：
线性规划：优化物料使用率。
库存管理模型应用：确保原材料使用的经济性。
生成原材料消耗分析结果：基于资源优化算法。
代码示例：
from scipy.optimize import linprog
# 线性规划
# 假设c为成本向量，A为约束系数，b为约束值
c = [-1, -2] # 优化目标的系数（最大化）
A = [[2, 1], [1, 1], [0, 1]] # 约束的系数
b = [20, 16, 4] # 约束的值
res = linprog(c, A_ub=A, b_ub=b, method='highs')
能耗分析子模块中，
技术：能效评估技术
步骤：
负荷分析：分析能源的使用情况。
能源平衡计算：计算能源的输入和输出。
生成能耗分析结果：基于能效评估。
优化方案生成子模块中，
技术：决策模型
步骤：
多目标优化：平衡不同的优化目标。
风险评估模型应用：评估优化方案的潜在风险。
生成优化方案：结合前述分析制定综合优化方案。
代码示例：
from sklearn.ensemble import RandomForestRegressor
# 多目标优化示例
# 假设X为特征集，y为优化目标
model = RandomForestRegressor()
model.fit(X, y)
# 预测优化结果
optimized_results = model.predict(X)
请参阅图6，数据挖掘分析模块包括数据预处理子模块、聚类分析子模块、关联规则学习子模块、洞见提取子模块；
数据预处理子模块基于优化方案，采用数据标准化技术，准备分析数据，并生成预处理数据；
聚类分析子模块基于预处理数据，采用机器学习聚类方法，进行数据划分，并生成聚类分析结果；
关联规则学习子模块基于聚类分析结果，采用规则挖掘技术，生成关联规则学习结果；
洞见提取子模块基于关联规则学习结果，采用数据分析技术，提取业务洞见，并生成深度分析报告；
数据标准化技术包括缺失值处理和异常检测，机器学习聚类方法具体为谱聚类和密度聚类，规则挖掘技术具体为序列模式挖掘和交叉销售分析，数据分析技术包括预测建模和情感分析。
数据预处理子模块基于优化方案，采用数据标准化技术，处理原始数据以准备进行分析。这包括处理缺失值和异常检测，以确保数据的完整性和质量。通过数据预处理，生成了清洁、一致的预处理数据，为后续的分析提供了可靠的基础。
聚类分析子模块基于预处理数据，采用机器学习聚类方法，如谱聚类和密度聚类，将数据划分为不同的簇或群组。这有助于揭示数据内部的相似性和关联性。聚类分析结果包括各个簇的成员和特征，为进一步的分析和决策提供了见解。
关联规则学习子模块采用规则挖掘技术，如序列模式挖掘和交叉销售分析，发现数据点之间的关联规则。这揭示数据之间的依赖性和相关性，帮助识别潜在的关键业务因素。关联规则学习结果包括发现的规则及其支持度和置信度等指标。
洞见提取子模块基于关联规则学习结果，采用数据分析技术，如预测建模和情感分析，提取具有业务价值的深度洞见。这包括预测未来趋势、识别关键业务驱动因素或情感分析文本数据。生成的深度分析报告包括提取的业务洞见、相关的数据可视化以及解释和建议，有助于支持决策制定和战略规划。
请参阅图7，能效监控优化模块包括实时监控子模块、数据分析子模块、能效改进子模块、自动调整子模块；
实时监控子模块基于深度分析报告，采用异常检测算法，进行能效实时监控，并生成实时监控结果；
数据分析子模块基于实时监控结果，采用回归分析技术，进行能效趋势分析，并生成数据分析结果；
能效改进子模块基于数据分析结果，采用优化算法，制定能效改进措施，并生成能效改进结果；
自动调整子模块基于能效改进结果，采用自适应控制技术，实施能效优化调整，并生成能效改进方案；
异常检测算法包括神经网络和支持向量机，回归分析技术具体为线性回归和逻辑回归，优化算法具体为遗传算法和模拟退火算法，自适应控制技术具体为PID控制和模糊控制。
实时监控子模块基于深度分析报告，采用异常检测算法，包括神经网络和支持向量机，来进行能效的实时监控。此子模块检测实时数据中的异常情况，识别能效问题，并生成实时监控结果。这些结果提供了及时的反馈，有助于快速响应潜在问题。
数据分析子模块基于实时监控结果，采用回归分析技术，包括线性回归和逻辑回归，进行能效趋势分析。这有助于理解能效的演变趋势和关键影响因素，生成数据分析结果。这些结果提供了对能效问题的深入了解，为制定改进措施提供了基础。
能效改进子模块基于数据分析结果，采用优化算法，如遗传算法和模拟退火算法，制定能效改进措施。这包括识别潜在的改进机会，制定具体的改进方案，并生成能效改进结果。这些结果包括计划的改进措施和预期的效益，为能效改进提供了指导。
自动调整子模块基于能效改进结果，采用自适应控制技术，如PID控制和模糊控制，自动调整系统参数以实现能效的优化。此模块自动化了能效优化的过程，根据实时监控和数据分析结果，调整系统以达到预定的能效目标，生成能效改进方案的执行计划。
请参阅图8，数据集成模块包括数据汇总子模块、数据标准化子模块、数据可视化子模块、综合报告生成子模块；
数据汇总子模块基于能效改进方案，采用数据融合技术，整合多维数据，并生成数据汇总结果；
数据标准化子模块基于数据汇总结果，采用规范化处理技术，统一数据格式，并生成数据标准化结果；
数据可视化子模块基于数据标准化结果，采用可视化工具，创建图表和仪表板，并生成数据可视化结果；
综合报告生成子模块基于数据可视化结果，采用报告自动生成工具，汇总分析数据，并生成综合监控数据；
数据融合技术包括数据对齐和时间同步，规范化处理技术具体为数据编码和数据筛选，可视化工具包括散点图和热力图，报告自动生成工具具体为模板驱动的文档生成和自动摘要技术。
数据汇总子模块基于能效改进方案，采用数据融合技术，包括数据对齐和时间同步，将多维数据来源整合在一起。这包括实时监控数据、能效改进数据以及其他相关数据。数据汇总子模块的目标是生成数据汇总结果，将多源数据集成到一个统一的数据存储中，以便后续处理和分析。
数据标准化子模块采用规范化处理技术，如数据编码和数据筛选，以确保各种数据的格式和结构一致性。数据标准化子模块的任务是统一各种数据的标准，以便进行比较和分析。通过这一步骤，数据变得更加一致，可比性更强，生成了数据标准化结果，为后续处理提供了稳定的数据基础。
数据可视化子模块采用可视化工具，如散点图、热力图和仪表板创建工具，用于生成图表、图形和仪表板。此子模块的目标是使数据更容易理解和分析，将数据转化为有意义的视觉呈现，生成数据可视化结果。
综合报告生成子模块基于数据可视化结果，采用报告自动生成工具，如模板驱动的文档生成和自动摘要技术，以汇总分析数据并生成综合监控数据报告。这些报告为决策者提供了对数据集成、标准化和可视化的综合分析，有助于决策制定和战略规划。
请参阅图9，报警与响应模块包括报警生成子模块、异常分析子模块、响应指令生成子模块、紧急处理子模块；
报警生成子模块基于综合监控数据，采用异常模式识别技术，识别异常情况，并生成报警信息；
异常分析子模块基于报警信息，采用故障诊断方法，分析异常原因，并生成异常分析结果；
响应指令生成子模块基于异常分析结果，采用智能决策算法，制定应对措施，并生成响应指令；
紧急处理子模块基于响应指令，采用即时响应机制，实施紧急措施，并生成响应策略；
异常模式识别技术包括时间序列分析和异常点检测，故障诊断方法具体为故障树分析和相关性分析，智能决策算法具体为决策树分析和权重评分模型，即时响应机制具体为自动化流程控制和预设应急方案激活。
报警生成子模块基于综合监控数据，并采用异常模式识别技术，如时间序列分析和异常点检测，来识别任何异常情况。此子模块的目标是及时检测异常，并生成相应的报警信息，其中包括异常类型、位置以及严重程度。通过这个过程，系统能够快速发现潜在问题，以便后续的分析和应对。
异常分析子模块根据报警信息，采用故障诊断方法，如故障树分析和相关性分析，来深入分析异常情况的根本原因。通过进一步的数据分析和故障诊断，该子模块生成异常分析结果，有助于明确问题的起因，为制定应对措施提供了基础。
响应指令生成子模块根据异常分析结果，采用智能决策算法，如决策树分析和权重评分模型，制定应对措施。这包括制定响应指令，明确定义需要采取的行动以应对异常情况。生成的响应指令可供操作人员执行，以迅速应对问题。
紧急处理子模块基于生成的响应指令，采用即时响应机制，包括自动化流程控制和预设应急方案激活，来实施紧急措施。此子模块确保了及时的响应，以采取必要的行动来处理异常情况。生成响应策略，以帮助系统尽快恢复到正常状态，确保业务的持续运行。
请参阅图10，一种环氧丙烷生产数据监控方法，环氧丙烷生产数据监控方法基于上述环氧丙烷生产数据监控系统执行，包括以下步骤：
S1：基于环氧丙烷生产线，采用流数据处理技术，进行数据采集，生成原始生产数据集；
S2：基于原始生产数据集，采用数据预处理方法，进行本地处理，生成处理后的数据集；
S3：基于处理后的数据集，采用实时分析算法，进行深入分析，生成实时分析结果；
S4：基于实时分析结果，采用数据挖掘技术，深入挖掘生产数据，生成深度分析报告；
S5：基于深度分析报告，采用机器学习算法，对能效进行监测和优化，生成能效改进方案；
S6：基于能效改进方案，采用数据集成和可视化技术，协同处理分析结果，生成综合监控数据。
原始生产数据集包括生产线的温度、压力、流量和化学反应数据，处理后的数据集具体为去噪声、标准化和格式化后的生产数据，实时分析结果包括数据的趋势分析、异常点识别和关键参数监控，深度分析报告包括生产效率分析、原料消耗模式和潜在风险点，能效改进方案包括节能措施、能源分配优化和改进方案，综合监控数据包括整合的生产数据视图、效率指标和能效报告。
通过实时数据采集和分析，此方法有助于提高生产效率，减少停机时间，从而提高产量和生产效益。通过数据预处理和深入分析，改善质量控制，减少产品缺陷，提高产品质量。通过能效改进和节能措施的实施，有望减少能源消耗和环境影响，降低能源成本。数据驱动的决策支持和预防性维护有助于提高管理层的决策能力和设备可用性。通过综合监控数据的可视化，管理团队可以更好地了解生产状况，实时调整操作，提高效率。
以上，仅是本发明的较佳实施例而已，并非对本发明作其他形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其他领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。
Claims (8)
1.一种环氧丙烷生产数据监控系统，其特征在于：所述系统包括边缘计算处理模块、实时视觉监测模块、生产过程优化模块、数据挖掘分析模块、能效监控优化模块、数据集成模块、报警与响应模块；
所述边缘计算处理模块基于环氧丙烷生产线，采用流数据处理和实时分析算法，进行数据的实时处理和分析，生成边缘处理数据；
所述边缘计算处理模块包括数据采集子模块、本地处理子模块、实时分析子模块、数据同步子模块基于环氧丙烷生产线；
所述数据采集子模块基于环氧丙烷生产线，采用流数据处理技术，生成原始数据集；
所述本地处理子模块基于原始数据集，采用数据预处理方法，进行本地处理，并生成处理后数据；
所述实时分析子模块基于处理后数据，采用实时分析算法，进行数据分析，并生成实时分析结果；
所述数据同步子模块基于实时分析结果，采用数据同步技术，完成边缘处理数据同步，生成边缘处理数据；
所述流数据处理技术包括实时数据流捕获、数据缓冲和流控制，所述数据预处理方法包括数据清洗、格式标准化和数据归一化，所述实时分析算法包括数据模式识别、异常检测和数据聚类，所述数据同步技术具体为网络通信优化和数据打包技术；
所述实时视觉监测模块基于边缘处理数据，采用图像处理和模式识别技术，对生产过程进行实时监控和分析，生成视觉监测报告；
所述实时视觉监测模块包括摄像头部署子模块、图像采集子模块、图像分析子模块、异常识别子模块；
所述摄像头部署子模块基于边缘处理数据，采用摄像头布局策略，进行摄像头部署，并生成摄像头部署方案；
所述图像采集子模块基于摄像头部署方案，采用图像采集技术，进行图像采集，并生成实时图像数据；
所述图像分析子模块基于实时图像数据，采用图像处理技术，生成图像分析报告；
所述异常识别子模块基于图像分析报告，采用模式识别技术，进行异常监测和识别，并生成视觉监测报告；
所述摄像头布局策略包括视角优化、遮挡最小化和光线条件考虑，所述图像采集技术包括图像捕获和实时图像流传输，所述图像处理技术具体为边缘检测、图像分割和颜色分析，所述模式识别技术具体为机器学习分类算法、特征提取和异常模式匹配；
所述生产过程优化模块基于视觉监测报告，采用数据驱动的决策支持技术，对生产过程进行优化分析，生成优化方案；
所述数据挖掘分析模块基于优化方案，采用大数据挖掘和分析技术，深入挖掘生产数据，生成深度分析报告；
所述能效监控优化模块基于深度分析报告，采用机器学习算法，实时监测和优化能效，生成能效改进方案；
所述数据集成模块基于能效改进方案，采用数据集成和可视化技术，统一所述边缘处理数据、视觉监测报告优化方案、深度分析报告、能效改进方案，生成综合监控数据；
所述报警与响应模块基于综合监控数据，采用智能报警和自动响应机制，对生产中的异常情况进行实时响应，生成响应策略。
2.根据权利要求1所述的环氧丙烷生产数据监控系统，其特征在于：所述生产过程优化模块包括效率分析子模块、原材料消耗分析子模块、能耗分析子模块、优化方案生成子模块；
所述效率分析子模块基于视觉监测报告，采用统计分析方法，进行生产流程评估，并生成效率分析结果；
所述原材料消耗分析子模块基于效率分析结果，采用资源优化算法，评估物料使用率，并生成原材料消耗分析结果；
所述能耗分析子模块基于原材料消耗分析结果，采用能效评估技术，进行能源使用分析，并生成能耗分析结果；
所述优化方案生成子模块基于能耗分析结果，采用决策模型，生成优化方案；
所述统计分析方法包括方差分析和时间序列分析，所述资源优化算法具体为线性规划和库存管理模型，所述能效评估技术包括负荷分析和能源平衡计算，所述决策模型具体为多目标优化和风险评估模型。
3.根据权利要求1所述的环氧丙烷生产数据监控系统，其特征在于：所述数据挖掘分析模块包括数据预处理子模块、聚类分析子模块、关联规则学习子模块、洞见提取子模块；
所述数据预处理子模块基于优化方案，采用数据标准化技术，准备分析数据，并生成预处理数据；
所述聚类分析子模块基于预处理数据，采用机器学习聚类方法，进行数据划分，并生成聚类分析结果；
所述关联规则学习子模块基于聚类分析结果，采用规则挖掘技术，生成关联规则学习结果；
所述洞见提取子模块基于关联规则学习结果，采用数据分析技术，提取业务洞见，并生成深度分析报告；
所述数据标准化技术包括缺失值处理和异常检测，所述机器学习聚类方法具体为谱聚类和密度聚类，所述规则挖掘技术具体为序列模式挖掘和交叉销售分析，所述数据分析技术包括预测建模和情感分析。
4.根据权利要求1所述的环氧丙烷生产数据监控系统，其特征在于：所述能效监控优化模块包括实时监控子模块、数据分析子模块、能效改进子模块、自动调整子模块；
所述实时监控子模块基于深度分析报告，采用异常检测算法，进行能效实时监控，并生成实时监控结果；
所述数据分析子模块基于实时监控结果，采用回归分析技术，进行能效趋势分析，并生成数据分析结果；
所述能效改进子模块基于数据分析结果，采用优化算法，制定能效改进措施，并生成能效改进结果；
所述自动调整子模块基于能效改进结果，采用自适应控制技术，实施能效优化调整，并生成能效改进方案；
所述异常检测算法包括神经网络和支持向量机，所述回归分析技术具体为线性回归和逻辑回归，所述优化算法具体为遗传算法和模拟退火算法，所述自适应控制技术具体为PID控制和模糊控制。
5.根据权利要求1所述的环氧丙烷生产数据监控系统，其特征在于：所述数据集成模块包括数据汇总子模块、数据标准化子模块、数据可视化子模块、综合报告生成子模块；
所述数据汇总子模块基于能效改进方案，采用数据融合技术，整合多维数据，并生成数据汇总结果；
所述数据标准化子模块基于数据汇总结果，采用规范化处理技术，统一数据格式，并生成数据标准化结果；
所述数据可视化子模块基于数据标准化结果，采用可视化工具，创建图表和仪表板，并生成数据可视化结果；
所述综合报告生成子模块基于数据可视化结果，采用报告自动生成工具，汇总分析数据，并生成综合监控数据；
所述数据融合技术包括数据对齐和时间同步，所述规范化处理技术具体为数据编码和数据筛选，所述可视化工具包括散点图和热力图，所述报告自动生成工具具体为模板驱动的文档生成和自动摘要技术。
6.根据权利要求1所述的环氧丙烷生产数据监控系统，其特征在于：所述报警与响应模块包括报警生成子模块、异常分析子模块、响应指令生成子模块、紧急处理子模块；
所述报警生成子模块基于综合监控数据，采用异常模式识别技术，识别异常情况，并生成报警信息；
所述异常分析子模块基于报警信息，采用故障诊断方法，分析异常原因，并生成异常分析结果；
所述响应指令生成子模块基于异常分析结果，采用智能决策算法，制定应对措施，并生成响应指令；
所述紧急处理子模块基于响应指令，采用即时响应机制，实施紧急措施，并生成响应策略；
所述异常模式识别技术包括时间序列分析和异常点检测，所述故障诊断方法具体为故障树分析和相关性分析，所述智能决策算法具体为决策树分析和权重评分模型，所述即时响应机制具体为自动化流程控制和预设应急方案激活。
7.一种环氧丙烷生产数据监控方法，其特征在于，根据权利要求1-6任一项所述的环氧丙烷生产数据监控系统执行，包括以下步骤：
基于环氧丙烷生产线，采用流数据处理技术，进行数据采集，生成原始生产数据集；
基于所述原始生产数据集，采用数据预处理方法，进行本地处理，生成处理后的数据集；
基于所述处理后的数据集，采用实时分析算法，进行深入分析，生成实时分析结果；
基于所述实时分析结果，采用数据挖掘技术，深入挖掘生产数据，生成深度分析报告；
基于所述深度分析报告，采用机器学习算法，对能效进行监测和优化，生成能效改进方案；
基于所述能效改进方案，采用数据集成和可视化技术，协同处理分析结果，生成综合监控数据。
8.根据权利要求7所述的环氧丙烷生产数据监控方法，其特征在于：所述原始生产数据集包括生产线的温度、压力、流量和化学反应数据，所述处理后的数据集具体为去噪声、标准化和格式化后的生产数据，所述实时分析结果包括数据的趋势分析、异常点识别和关键参数监控，所述深度分析报告包括生产效率分析、原料消耗模式和潜在风险点，所述能效改进方案包括节能措施、能源分配优化和改进方案，所述综合监控数据包括整合的生产数据视图、效率指标和能效报告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311657952.6A CN117348503B (zh) | 2023-12-06 | 2023-12-06 | 一种环氧丙烷生产数据监控系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311657952.6A CN117348503B (zh) | 2023-12-06 | 2023-12-06 | 一种环氧丙烷生产数据监控系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117348503A CN117348503A (zh) | 2024-01-05 |
| CN117348503B true CN117348503B (zh) | 2024-02-20 |
Family
ID=89367196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311657952.6A Active CN117348503B (zh) | 2023-12-06 | 2023-12-06 | 一种环氧丙烷生产数据监控系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117348503B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117575108B (zh) * | 2024-01-16 | 2024-05-14 | 山东三岳化工有限公司 | 一种化工厂能源数据分析系统 |
| CN117933827A (zh) * | 2024-03-13 | 2024-04-26 | 深圳市吉方工控有限公司 | 计算机终端工控信息数据处理方法、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101187803A (zh) * | 2007-12-06 | 2008-05-28 | 宁波思华数据技术有限公司 | 基于数据挖掘技术的氨合成装置生产优化方法 |
| CN113778034A (zh) * | 2021-09-14 | 2021-12-10 | 宏普科技（扬州）有限公司 | 一种基于边缘计算的智能制造监测工业互联网平台 |
| CN115047834A (zh) * | 2022-06-22 | 2022-09-13 | 江苏京源环保股份有限公司 | 一种基于下位机的智慧工业水处理管控系统及其方法 |
| CN116841262A (zh) * | 2023-06-27 | 2023-10-03 | 北京红山信息科技研究院有限公司 | 基于机器视觉的智慧工厂生产在线监测分析系统 |
| CN117132421A (zh) * | 2023-10-28 | 2023-11-28 | 广东天圣网络科技有限公司 | 一种智慧水务综合管理系统、方法、设备及介质 |
| CN117152893A (zh) * | 2023-10-31 | 2023-12-01 | 广州市林业和园林科学研究院 | 一种森林防灾方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7805382B2 (en) * | 2005-04-11 | 2010-09-28 | Mkt10, Inc. | Match-based employment system and method |
-
2023
- 2023-12-06 CN CN202311657952.6A patent/CN117348503B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101187803A (zh) * | 2007-12-06 | 2008-05-28 | 宁波思华数据技术有限公司 | 基于数据挖掘技术的氨合成装置生产优化方法 |
| CN113778034A (zh) * | 2021-09-14 | 2021-12-10 | 宏普科技（扬州）有限公司 | 一种基于边缘计算的智能制造监测工业互联网平台 |
| CN115047834A (zh) * | 2022-06-22 | 2022-09-13 | 江苏京源环保股份有限公司 | 一种基于下位机的智慧工业水处理管控系统及其方法 |
| CN116841262A (zh) * | 2023-06-27 | 2023-10-03 | 北京红山信息科技研究院有限公司 | 基于机器视觉的智慧工厂生产在线监测分析系统 |
| CN117132421A (zh) * | 2023-10-28 | 2023-11-28 | 广东天圣网络科技有限公司 | 一种智慧水务综合管理系统、方法、设备及介质 |
| CN117152893A (zh) * | 2023-10-31 | 2023-12-01 | 广州市林业和园林科学研究院 | 一种森林防灾方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117348503A (zh) | 2024-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117348503B (zh) | 一种环氧丙烷生产数据监控系统及方法 | |
| US20110166912A1 (en) | Plant analysis system | |
| CN116841262A (zh) | 基于机器视觉的智慧工厂生产在线监测分析系统 | |
| CN117393076B (zh) | 耐热环氧树脂生产过程智能监测方法及系统 | |
| CN117389236B (zh) | 一种环氧丙烷生产过程优化方法及系统 | |
| CN117055502A (zh) | 基于物联网和大数据分析的智能控制系统 | |
| CN116882426A (zh) | 基于标识解析的机电设备管理平台 | |
| CN117151345A (zh) | 一种基于ai技术的企业管理智能决策平台 | |
| CN116703303A (zh) | 基于多层感知机与rbf的仓储可视化监管系统及方法 | |
| CN117118781A (zh) | 一种智能化工业网关设计方法及装置 | |
| CN116993003A (zh) | 一种设备故障预测系统及方法 | |
| CN117236894A (zh) | 基于bim的工程监测管理方法及系统 | |
| CN117056688A (zh) | 一种基于数据分析的新材料生产数据管理系统及方法 | |
| CN115114856A (zh) | 一种基于数字孪生的智能制造产线运行系统 | |
| CN117234785B (zh) | 基于人工智能自查询的集控平台错误分析系统 | |
| KR102586845B1 (ko) | 딥러닝을 이용하여 예지보전이 가능한 설비관리시스템 | |
| CN116560326B (zh) | 一种智慧工厂管理平台 | |
| Elbazi et al. | Digital Twin-Enabled Monitoring of Mining Haul Trucks with Expert System Integration: A Case Study in an Experimental Open-Pit Mine | |
| Crespino et al. | Anomaly detection in aerospace product manufacturing: Initial remarks | |
| Mendia et al. | An Intelligent Procedure for the Methodology of Energy Consumption in Industrial Environments | |
| CN117473241B (zh) | 基于大数据的临床试验进度统计与分析工具 | |
| CN117389237B (zh) | 一种实现mvc的工业流程控制平台 | |
| CN113828638B (zh) | 一种轧钢工艺流程复合故障追溯方法 | |
| CN118011990A (zh) | 基于人工智能的工业数据品质监控与提升系统 | |
| Yue et al. | Big data for furniture intelligent manufacturing: conceptual framework, technologies, applications, and challenges |
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 |