CN117470300B - 一种成品铜管存储车间的环境监测方法及系统 - Google Patents
一种成品铜管存储车间的环境监测方法及系统 Download PDFInfo
- Publication number
- CN117470300B CN117470300B CN202311219996.0A CN202311219996A CN117470300B CN 117470300 B CN117470300 B CN 117470300B CN 202311219996 A CN202311219996 A CN 202311219996A CN 117470300 B CN117470300 B CN 117470300B
- Authority
- CN
- China
- Prior art keywords
- environment
- copper pipe
- time
- environment parameter
- finished copper
- 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
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 title claims abstract description 83
- 229910052802 copper Inorganic materials 0.000 title claims abstract description 83
- 239000010949 copper Substances 0.000 title claims abstract description 83
- 238000012544 monitoring process Methods 0.000 title claims abstract description 74
- 238000003860 storage Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000007613 environmental effect Effects 0.000 claims abstract description 79
- 230000006870 function Effects 0.000 claims description 20
- 238000013507 mapping Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 230000006872 improvement Effects 0.000 claims description 7
- 238000011056 performance test Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000010924 continuous production Methods 0.000 abstract description 4
- 230000002035 prolonged effect Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及车间智能管理技术领域，尤其涉及一种成品铜管存储车间的环境监测方法及系统，方法包括：根据成品铜管的种类差异，对成品铜管存储车间进行区域划分，获得区域划分结果；基于成品铜管的产品参数信息差异，设定各时间阶段产品环境参数的标准信息，并生成自动环境参数调整策略；根据自动环境参数调整策略，建立成品铜管存储车间环境的人机智能监测模型；基于区域划分结果，获取各区域实时环境参数信息，并通过人机智能监测模型对各区域实时环境参数进行自动调整和人工干预。通过本发明，有效解决了成品铜管存储车间环境因素导致的铜管存储不稳定的环境问题，且延长储存时间周期，为连续生产铜管提供保障。
Description
技术领域
本发明涉及车间智能管理技术领域，尤其涉及成品铜管存储车间的环境监测方法及系统。
背景技术
由于铜管在生产包装过后需要按客户的要求进行发货，期间为了保证连续生产需要将成品铜管存储在特定车间内，长时间存储的前提下，铜管对车间环境有着较高要求。
车间环境可能受到时间气候周围环境的影响，所产生的不同温度、湿度以及光照紫外线都会不同程度的对铜管造成影响，严重的则会导致铜管局部损伤，为下游产业带来布克估量的影响。
公开于该背景技术部分的信息仅仅旨在加深对本公开总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成本领域技术人员所公知的现有技术。
发明内容
本发明提供了成品铜管存储车间的环境监测方法，可有效解决背景技术中的问题。
为了达到上述目的，本发明所采用的技术方案是：
一种成品铜管存储车间的环境监测方法，所述方法包括：
根据成品铜管的种类差异，对所述成品铜管存储车间进行区域划分，获得区域划分结果；
基于成品铜管的产品参数信息差异，设定各时间阶段产品环境参数的标准信息，并获得各时间阶段模糊化环境参数信息；
根据所述各时间阶段产品环境参数的标准信息，建立环境参数推理引擎，并生成自动环境参数调整策略；
根据所述自动环境参数调整策略，建立所述成品铜管存储车间环境的人机智能监测模型；
基于所述区域划分结果，获取各区域实时环境参数信息，并通过所述人机智能监测模型对各区域实时环境参数进行自动调整和人工干预。
进一步地，所述基于成品铜管的产品参数信息差异，设定各时间阶段产品环境参数的标准信息，并获得各时间阶段模糊化环境参数信息，包括：
基于历史存储数据和时间阶段变化，设定所述各时间阶段产品环境参数的标准信息；
对所述各时间阶段产品环境参数的标准信息进行模糊化处理，获得所述各时间阶段模糊化环境参数信息。
进一步地，所述对所述各时间阶段产品环境参数的标准信息进行模糊化处理，获得所述各时间阶段模糊化环境参数信息，包括：
构建所述各时间阶段产品环境参数的标准信息数据集；
对所述各时间阶段产品环境参数的标准信息数据集中的数据进行排序，并基于数据范围，确定分组标准；
基于所述分组标准，定义每个环境参数的模糊集合；
对所述模糊集合设定隶属函数，基于所述隶属函数确定所述标准信息的模糊集合，获得所述各时间阶段模糊化环境参数信息。
进一步地，基于所述各时间阶段产品环境参数的标准信息，建立环境参数推理引擎，并生成自动环境参数调整策略，包括：
基于所述模糊集合和所述隶属函数，将实际环境参数值映射到模糊化的参数状态，获得模糊集合隶属度；
基于所述模糊集合、所述隶属函数和所述模糊集合隶属度，制定模糊化规则；
基于所述模糊化规则，建立环境参数的推理引擎；
将各时间阶段产品环境参数的标准信息和模糊集合隶属度输入所述推理引擎，生成相应的环境参数调整策略。
进一步地，所述基于所述模糊化规则，建立环境参数的推理引擎，包括：
将所述模糊化规则转化为计算机编程语言；
将输入数据的隶属度与所述模糊化规则中的隶属度进行匹配，并应用模糊逻辑操作获得输出隶属度；
根据推理得到的所述输出隶属度，进行解模糊化操作，获得具体的环境参数调整值；
基于所述环境参数调整值，生成所述环境参数调整策略。
进一步地，基于所述自动环境参数调整策略，建立所述成品铜管存储车间环境的人机智能监测模型，包括：
对实际用户需求进行调研，并基于调研结果设计用户界面；
将所述自动环境参数调整策略与所述用户界面进行集成，建立成品铜管存储车间环境的人机智能监测模型。
进一步地，基于所述自动环境参数调整策略，建立所述成品铜管存储车间环境的人机智能监测模型，进一步包括：
对所述人机智能监测模型进行性能测试，并基于性能测试结果，得到性能优化方案；
收集使用用户的反馈和建议，基于用户使用体验，得到用户体验改善方案；
基于所述性能优化方案和所述用户体验改善方案，对所述人机智能监测模型进行优化和改进。
进一步地，基于所述区域划分结果，获取各区域实时环境参数信息，并通过所述人机智能监测模型对各区域实时环境参数进行自动调整和人工干预，包括：
使用传感器对不同区域的环境参数进行采集，获得实时环境参数数据；
通过通信协议对所述实时环境参数数据进行传输，并在服务器端对所述实时环境参数数据进行解析，得到实时环境解析数据；
根据所述实时环境解析数据和所述区域划分结果，将所述实时环境参数映射到相应的区域，获得对应环境参数映射关系；
将所述实时环境解析数据输入所述人机智能监测模型，得到实时环境参数调整值；
基于所述环境参数调整值和所述对应环境参数映射关系，所述人机智能监测模型进行所述各区域实时环境参数的自动调整或基于用户界面对参数进行手动控制。
一种成品铜管存储车间的环境监测系统，所述系统包括：划分结果获取模块，根据成品铜管的种类差异，对所述成品铜管存储车间进行区域划分，获得区域划分结果；
模糊化信息获取模块，基于成品铜管的产品参数信息差异，设定各时间阶段产品环境参数的标准信息，并获得各时间阶段模糊化环境参数信息；
调整策略生成模块，建立环境参数预测模型，并根据所述各时间阶段产品环境参数的标准信息和模糊化环境参数信息，生成自动环境参数调整策略；
检测模型构建模块，基于所述自动环境参数调整策略，建立所述成品铜管存储车间环境的人机智能监测模型；
参数调整干预模块，基于所述区域划分结果，获取各区域实时环境参数信息，并通过所述人机智能监测模型对各区域实时环境参数进行自动调整和人工干预。
进一步地，所述调整策略生成模块，包括：
隶属度获取单元，基于模糊集合和隶属函数，将实际环境参数值映射到模糊化的参数状态，获得模糊集合隶属度；
模糊化规则制定单元，基于所述模糊集合、所述隶属函数和所述模糊集合隶属度，制定模糊化规则；
推理引擎建立单元，基于所述模糊化规则，建立环境参数的推理引擎；
调整策略生成单元，将各时间阶段产品环境参数的标准信息和模糊集合隶属度输入所述推理引擎，生成相应的环境参数调整策略。
通过本发明的技术方案，可实现以下技术效果：
有效解决了成品铜管存储车间环境因素导致的铜管存储不稳定的环境问题，且保证成品铜管的发货质量，调控存储车间的内部环境至事宜铜管储存的环境，延长储存时间周期，为连续生产铜管提供保障。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
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，下面将对实施例或现有技术描述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，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为成品铜管存储车间的环境监测方法的流程示意图；
图2为获得各时间阶段模糊化环境参数信息的流程示意图；
图3为生成自动环境参数调整策略的流程示意图；
图4为获取各区域实时环境参数信息的流程示意图；
图5为成品铜管存储车间的环境监测系统的结构示意图。
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一部分实施例，而不是全部的实施例。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
如图1所示，本申请提供了一种成品铜管存储车间的环境监测方法，方法包括：
S100：根据成品铜管的种类差异，对成品铜管存储车间进行区域划分，获得区域划分结果；
具体而言，考虑到不同种类的成品铜管以及存储时间的不同，将存储车间根据需要和出入库时间分成不同区域，以满足不同产品对于车间环境质量的不同要求，同时也可以为存储车间的环境监测提供更好的依据，例如，一些下游企业需求高精度的铜管，则对于环境监控的标准要略高一些；一些需要在存储车间时间周期长的成品铜管则需要考虑周期内的季节气候影响，在监测过程中需要为其设定特殊的监控体系。
S200：基于成品铜管的产品参数信息差异，设定各时间阶段产品环境参数的标准信息，并获得各时间阶段模糊化环境参数信息；
具体而言，各时间阶段模糊化环境参数信息是指根据不同时间段内产品需求的不确定性和变化性，将环境参数信息进行模糊化处理，以适应不同时间阶段的需求变化，这样的模糊化方法可以更好地应对实际环境的波动性，从而更有效地调整存储车间的环境。
S300：根据各时间阶段产品环境参数的标准信息，建立环境参数推理引擎，并生成自动环境参数调整策略；
具体而言，环境参数推理引擎是一种基于逻辑、规则和数据的系统，用于根据输入的信息和条件，推断出适当的环境参数调整策略；它是一种智能化的决策系统，通过分析输入的数据和规则，产生相应的输出，以实现系统的自动化调整和优化，建立环境参数推理引擎可以基于时间阶段模糊化环境参数信息，根据设定的时间阶段，其中时间阶段例如白天黑夜，节气，季节，天气等，根据环境变化得出存储车间需要的标准信息，通过环境参数推理引擎得到自动环境参数调整策略。
S400：根据自动环境参数调整策略，建立成品铜管存储车间环境的人机智能监测模型；
具体而言，将上述得到的自动环境参数调整策略转化为一个更为实际、可操作的监测系统，既包括自动化的环境参数调整，也考虑了人工的干预和决策；成品铜管存储车间的环境是复杂多变的，自动环境参数调整策略虽然可以智能化地处理很多情况，但仍有可能遇到未预料的情况，人机智能监测模型将综合自动化的智能决策和人工的实际判断，以便更好地应对各种情况。
S500：基于区域划分结果，获取各区域实时环境参数信息，并通过人机智能监测模型对各区域实时环境参数进行自动调整和人工干预。
具体而言，通过上述得到的区域划分结果，实时获取各区域的环境参数信息，系统能够实现精细化管理，针对不同区域的需求进行针对性调整，并在实时监测下及时发现异常情况；结合人机智能监测模型，环境参数自动调整与人工干预相结合，保持稳定的环境条件，提高生产效率和产品质量，此外，操作员的参与和实时干预提升了系统的灵活性和安全性，同时收集的数据也有助于后续的数据分析和系统改进，从而持续优化区域划分、调整策略等，全面提升系统的性能和适应能力。
通过本发明的技术方案，有效解决了成品铜管存储车间环境因素导致的铜管存储不稳定的环境问题，且保证成品铜管的发货质量，调控存储车间的内部环境至事宜铜管储存的环境，延长储存时间周期，为连续生产铜管提供保障。
进一步来说，基于成品铜管的产品参数信息差异，设定各时间阶段产品环境参数的标准信息，并获得各时间阶段模糊化环境参数信息，包括：
基于历史存储数据和时间阶段变化，设定各时间阶段产品环境参数的标准信息；
对各时间阶段产品环境参数的标准信息进行模糊化处理，获得各时间阶段模糊化环境参数信息。
具体而言，收集和分析历史存储数据可以从存储车间管理日志中获取，了解不同时间阶段内环境参数的变化趋势，以及这些变化如何影响成品铜管的质量基于历史数据的分析，制定各时间阶段产品环境参数的标准信息，这些标准信息可以是更加精细化和准确的数据，反映出每个时间阶段内所需的环境要求；
对各时间阶段产品环境参数的标准信息进行模糊化处理，这可以通过模糊集合理论，将标准信息转化为模糊集合，以便更好地与实际环境参数数据进行匹配。
进一步地，如图2所示，对各时间阶段产品环境参数的标准信息进行模糊化处理，获得各时间阶段模糊化环境参数信息，包括：
S210：构建各时间阶段产品环境参数的标准信息数据集；
S220：对各时间阶段产品环境参数的标准信息数据集中的数据进行排序，并基于数据范围，确定分组标准；
S230：基于分组标准，定义每个环境参数的模糊集合；
S240：对模糊集合设定隶属函数，基于隶属函数确定标准信息的模糊集合，获得各时间阶段模糊化环境参数信息。
具体而言，可以按照设定的时间阶段对该时间模块下的存储车间环境参数进行标准化并形成数据集，其数据集可以按照时间规律进行集合，也可以按照环境异常情况进行集合，且通过排序和分组，将环境参数的范围划分为不同的区间，使得模糊集合的定义更有针对性，更加符合实际情况，同时能够更好地与实际环境数据匹配，继而通过设定隶属函数，将模糊集合与实际数据关联起来，将标准信息的模糊集合更精确地映射到实际情况，获得更为准确的模糊化环境参数信息。
进一步地，如图3所示，基于各时间阶段产品环境参数的标准信息，建立环境参数推理引擎，并生成自动环境参数调整策略，包括：
S310：基于模糊集合和隶属函数，将实际环境参数值映射到模糊化的参数状态，获得模糊集合隶属度；
S320：基于模糊集合、隶属函数和模糊集合隶属度，制定模糊化规则；
S330：基于模糊化规则，建立环境参数的推理引擎；
S340：将各时间阶段产品环境参数的标准信息和模糊集合隶属度输入推理引擎，生成相应的环境参数调整策略。
在上述实施方式的基础之上，具体而言，本实施方式首先需要定义模糊集合，即不同状态下的环境参数值，并根据隶属函数将实际环境参数值映射到模糊化的状态，计算出环境参数值对应各个模糊集合的隶属度；模糊化规则描述了不同模糊集合隶属度和参数值之间的关系。例如，可以使用"If-Then"规则，如"如果温度较高且湿度较低，则增加通风量"，这些规则可以基于领域专家的经验或使用数据驱动的方法制定，该引擎用于将模糊化规则转化为可执行的推理过程，推理引擎可以采用模糊逻辑系统，这个引擎将根据输入的模糊集合隶属度和规则，生成相应的环境参数调整策略，实现了环境参数的智能化推理和自动调整，提升了环境监测和调整方案的精确性和适应性，有助于实现更高质量的产品存储、减少不良影响，提升了整个生产流程的效率和稳定性。
进一步地，基于模糊化规则，建立环境参数的推理引擎，包括：
将模糊化规则转化为计算机编程语言；
将输入数据的隶属度与模糊化规则中的隶属度进行匹配，并应用模糊逻辑操作获得输出隶属度；
根据推理得到的输出隶属度，进行解模糊化操作，获得具体的环境参数调整值；
基于环境参数调整值，生成环境参数调整策略。
具体而言，计算机编程语言可以选用Python来实现，编程语言能够将环境参数调整过程更加精确地表达，其中，隶属度反应了某个模糊集合中的隶属程度或归属程度，在模糊逻辑中，往往属性不是绝对的，而是具有模糊性质的，因此隶属度用来量化一个元素与某个模糊集合之间的关联程度，并根据隶属度输出环境参数的调整值，进而调整车间的环境管理策略。
进一步地，基于自动环境参数调整策略，建立成品铜管存储车间环境的人机智能监测模型，包括：
对实际用户需求进行调研，并基于调研结果设计用户界面；
将自动环境参数调整策略与用户界面进行集成，建立成品铜管存储车间环境的人机智能监测模型。
具体而言，人机智能监测模型是一个机器学习模型，初始进行应用时可以对过去的时间阶段环境车间的不同状态进行大量的数据收集，通过学习数据了解过去时间阶段的存储车间的环境信息，并结合自动环境参数调整策略与人工的主动调整模式，生成了成品铜管存储车间环境的人机智能监测模型，该模型长期运行下，积累了大量的环境参数数据和调整策略的反馈信息，这些数据可以用于分析系统的性能和效果，从而进行系统优化和改进，使环境监测和调整更加智能和精准。
进一步地，基于自动环境参数调整策略，建立成品铜管存储车间环境的人机智能监测模型，进一步包括：
对人机智能监测模型进行性能测试，并基于性能测试结果，得到性能优化方案；
收集使用用户的反馈和建议，基于用户使用体验，得到用户体验改善方案；
基于性能优化方案和用户体验改善方案，对人机智能监测模型进行优化和改进。
具体而言，对于人机智能监测模型的建立，在其投入使用过程中，从开始时期的半智能化，逐渐转型到完全智能化，这期间需要人为对其性能测试，基于测试结果的准确程度，通过调研结果设计用户界面改变并干预人机智能的监测轨迹，帮助机器进行一定时间内的深入学习，从而使得人机智能监测模型得到一定程度的优化和改进。
进一步地，如图4所示，基于区域划分结果，获取各区域实时环境参数信息，并通过人机智能监测模型对各区域实时环境参数进行自动调整和人工干预，包括：
S510：使用传感器对不同区域的环境参数进行采集，获得实时环境参数数据；
S520：通过通信协议对实时环境参数数据进行传输，并在服务器端对实时环境参数数据进行解析，得到实时环境解析数据；
S530：根据实时环境解析数据和区域划分结果，将实时环境参数映射到相应的区域，获得对应环境参数映射关系；
S540：将实时环境解析数据输入人机智能监测模型，得到实时环境参数调整值；
S550：基于环境参数调整值和对应环境参数映射关系，人机智能监测模型进行各区域实时环境参数的自动调整或基于用户界面对参数进行手动控制。
具体而言，多种传感器的布置可以对存储车间的实时环境参数数据进行采集，并通过通信传输至服务器，并将不同区域内的数据进行关联，实现数据的精确对应，进而通过模型的推理得出实时环境参数调整值，以实现智能化的环境参数调整，最后，在基于对应映射关系的基础上，模型自动调整各区域实时环境参数，或者允许操作人员通过用户界面进行手动控制完成监测过程。
实施例二：
基于与前述实施例中一种成品铜管存储车间的环境监测方法同样发明构思，本发明还提供了一种成品铜管存储车间的环境监测系统，如图5所示，系统包括：
划分结果获取模块，根据成品铜管的种类差异，对成品铜管存储车间进行区域划分，获得区域划分结果；
模糊化信息获取模块，基于成品铜管的产品参数信息差异，设定各时间阶段产品环境参数的标准信息，并获得各时间阶段模糊化环境参数信息；
调整策略生成模块，建立环境参数预测模型，并根据各时间阶段产品环境参数的标准信息和模糊化环境参数信息，生成自动环境参数调整策略；
检测模型构建模块，基于自动环境参数调整策略，建立成品铜管存储车间环境的人机智能监测模型；
参数调整干预模块，基于区域划分结果，获取各区域实时环境参数信息，并通过人机智能监测模型对各区域实时环境参数进行自动调整和人工干预。
本发明中的上述调整系统可有效的实现成品铜管存储车间的环境监测方法，能够起到的技术效果如上述实施例所描述的，此处不再赘述。
进一步地，调整策略生成模块，包括：
隶属度获取单元，基于模糊集合和隶属函数，将实际环境参数值映射到模糊化的参数状态，获得模糊集合隶属度；
模糊化规则制定单元，基于模糊集合、隶属函数和模糊集合隶属度，制定模糊化规则；
推理引擎建立单元，基于模糊化规则，建立环境参数的推理引擎；
调整策略生成单元，将各时间阶段产品环境参数的标准信息和模糊集合隶属度输入推理引擎，生成相应的环境参数调整策略。
同样地，对系统的上述优化方案，也分别地可对应实现实施例一中方法对应的优化效果，此处同样不再赘述。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (5)
1.一种成品铜管存储车间的环境监测方法，其特征在于，所述方法包括：
根据成品铜管的种类差异，对所述成品铜管存储车间进行区域划分，获得区域划分结果；
基于成品铜管的产品参数信息差异，设定各时间阶段产品环境参数的标准信息，并获得各时间阶段模糊化环境参数信息，包括：
基于历史存储数据和时间阶段变化，设定所述各时间阶段产品环境参数的标准信息；
对所述各时间阶段产品环境参数的标准信息进行模糊化处理，获得所述各时间阶段模糊化环境参数信息，包括：
构建所述各时间阶段产品环境参数的标准信息数据集；
对所述各时间阶段产品环境参数的标准信息数据集中的数据进行排序，并基于数据范围，确定分组标准；
基于所述分组标准，定义每个环境参数的模糊集合；
对所述模糊集合设定隶属函数，基于所述隶属函数确定所述标准信息的模糊集合，获得所述各时间阶段模糊化环境参数信息；
根据所述各时间阶段产品环境参数的标准信息，建立环境参数推理引擎，并生成自动环境参数调整策略，包括：
基于所述模糊集合和所述隶属函数，将实际环境参数值映射到模糊化的参数状态，获得模糊集合隶属度；
基于所述模糊集合、所述隶属函数和所述模糊集合隶属度，制定模糊化规则；
基于所述模糊化规则，建立环境参数的推理引擎；
将各时间阶段产品环境参数的标准信息和模糊集合隶属度输入所述推理引擎，生成相应的环境参数调整策略；
建立环境参数的推理引擎，包括：
将所述模糊化规则转化为计算机编程语言；
将输入数据的隶属度与所述模糊化规则中的隶属度进行匹配，并应用模糊逻辑操作获得输出隶属度；
根据推理得到的所述输出隶属度，进行解模糊化操作，获得具体的环境参数调整值；
基于所述环境参数调整值，生成所述环境参数调整策略；
根据所述自动环境参数调整策略，建立所述成品铜管存储车间环境的人机智能监测模型；
基于所述区域划分结果，获取各区域实时环境参数信息，并通过所述人机智能监测模型对各区域实时环境参数进行自动调整和人工干预。
2.根据权利要求1所述的成品铜管存储车间的环境监测方法，其特征在于，基于所述自动环境参数调整策略，建立所述成品铜管存储车间环境的人机智能监测模型，包括：
对实际用户需求进行调研，并基于调研结果设计用户界面；
将所述自动环境参数调整策略与所述用户界面进行集成，建立成品铜管存储车间环境的人机智能监测模型。
3.根据权利要求2所述的成品铜管存储车间的环境监测方法，其特征在于，基于所述自动环境参数调整策略，建立所述成品铜管存储车间环境的人机智能监测模型，进一步包括：
对所述人机智能监测模型进行性能测试，并基于性能测试结果，得到性能优化方案；
收集使用用户的反馈和建议，基于用户使用体验，得到用户体验改善方案；
基于所述性能优化方案和所述用户体验改善方案，对所述人机智能监测模型进行优化和改进。
4.根据权利要求1所述的成品铜管存储车间的环境监测方法，其特征在于，基于所述区域划分结果，获取各区域实时环境参数信息，并通过所述人机智能监测模型对各区域实时环境参数进行自动调整和人工干预，包括：
使用传感器对不同区域的环境参数进行采集，获得实时环境参数数据；
通过通信协议对所述实时环境参数数据进行传输，并在服务器端对所述实时环境参数数据进行解析，得到实时环境解析数据；
根据所述实时环境解析数据和所述区域划分结果，将所述实时环境参数映射到相应的区域，获得对应环境参数映射关系；
将所述实时环境解析数据输入所述人机智能监测模型，得到实时环境参数调整值；
基于所述环境参数调整值和所述对应环境参数映射关系，所述人机智能监测模型进行所述各区域实时环境参数的自动调整或基于用户界面对参数进行手动控制。
5.一种成品铜管存储车间的环境监测系统，其特征在于，采用权利要求1所述的成品铜管存储车间的环境监测方法，所述系统包括：划分结果获取模块，根据成品铜管的种类差异，对所述成品铜管存储车间进行区域划分，获得区域划分结果；
模糊化信息获取模块，基于成品铜管的产品参数信息差异，设定各时间阶段产品环境参数的标准信息，并获得各时间阶段模糊化环境参数信息；
调整策略生成模块，建立环境参数预测模型，并根据所述各时间阶段产品环境参数的标准信息和模糊化环境参数信息，生成自动环境参数调整策略；
检测模型构建模块，基于所述自动环境参数调整策略，建立所述成品铜管存储车间环境的人机智能监测模型；
参数调整干预模块，基于所述区域划分结果，获取各区域实时环境参数信息，并通过所述人机智能监测模型对各区域实时环境参数进行自动调整和人工干预；
所述调整策略生成模块，包括：
隶属度获取单元，基于模糊集合和隶属函数，将实际环境参数值映射到模糊化的参数状态，获得模糊集合隶属度；
模糊化规则制定单元，基于所述模糊集合、所述隶属函数和所述模糊集合隶属度，制定模糊化规则；
推理引擎建立单元，基于所述模糊化规则，建立环境参数的推理引擎；
调整策略生成单元，将各时间阶段产品环境参数的标准信息和模糊集合隶属度输入所述推理引擎，生成相应的环境参数调整策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311219996.0A CN117470300B (zh) | 2023-09-21 | 2023-09-21 | 一种成品铜管存储车间的环境监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311219996.0A CN117470300B (zh) | 2023-09-21 | 2023-09-21 | 一种成品铜管存储车间的环境监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117470300A CN117470300A (zh) | 2024-01-30 |
| CN117470300B true CN117470300B (zh) | 2024-04-26 |
Family
ID=89624573
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311219996.0A Active CN117470300B (zh) | 2023-09-21 | 2023-09-21 | 一种成品铜管存储车间的环境监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117470300B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120000367A (ko) * | 2010-06-25 | 2012-01-02 | 건국대학교 산학협력단 | 사용자 중심의 상황 인지 시스템, 이에 적합한 상황 정보 변환 방법 및 사례 기반 추론 방법 |
| WO2015192807A1 (zh) * | 2014-06-20 | 2015-12-23 | 北京贝虎物联技术有限公司 | 智能环境调控引擎、智能环境调节系统和设备 |
| CN111507508A (zh) * | 2020-03-26 | 2020-08-07 | 冶金自动化研究设计院 | 一种数据和知识结合的防护决策分析方法 |
| CN115309217A (zh) * | 2022-10-12 | 2022-11-08 | 北京聚新工程技术有限公司 | 一种纺织车间的智能监测控制方法及系统 |
| CN115394444A (zh) * | 2022-09-06 | 2022-11-25 | 广东技术师范大学 | 基于模糊理论的健康状况分层量化评估实现方法及系统 |
| CN115857314A (zh) * | 2022-11-17 | 2023-03-28 | 四川德立凯软件有限公司 | 一种基于边缘计算的养殖管理方法及系统 |
| CN116594313A (zh) * | 2023-07-18 | 2023-08-15 | 合肥战聚智能科技有限公司 | 一种智能家居设备管理方法、系统、设备及介质 |
| CN116629726A (zh) * | 2023-05-31 | 2023-08-22 | 常州润来科技有限公司 | 一种精密铜管包装车间的环境监测管理方法及系统 |
-
2023
- 2023-09-21 CN CN202311219996.0A patent/CN117470300B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120000367A (ko) * | 2010-06-25 | 2012-01-02 | 건국대학교 산학협력단 | 사용자 중심의 상황 인지 시스템, 이에 적합한 상황 정보 변환 방법 및 사례 기반 추론 방법 |
| WO2015192807A1 (zh) * | 2014-06-20 | 2015-12-23 | 北京贝虎物联技术有限公司 | 智能环境调控引擎、智能环境调节系统和设备 |
| CN111507508A (zh) * | 2020-03-26 | 2020-08-07 | 冶金自动化研究设计院 | 一种数据和知识结合的防护决策分析方法 |
| CN115394444A (zh) * | 2022-09-06 | 2022-11-25 | 广东技术师范大学 | 基于模糊理论的健康状况分层量化评估实现方法及系统 |
| CN115309217A (zh) * | 2022-10-12 | 2022-11-08 | 北京聚新工程技术有限公司 | 一种纺织车间的智能监测控制方法及系统 |
| CN115857314A (zh) * | 2022-11-17 | 2023-03-28 | 四川德立凯软件有限公司 | 一种基于边缘计算的养殖管理方法及系统 |
| CN116629726A (zh) * | 2023-05-31 | 2023-08-22 | 常州润来科技有限公司 | 一种精密铜管包装车间的环境监测管理方法及系统 |
| CN116594313A (zh) * | 2023-07-18 | 2023-08-15 | 合肥战聚智能科技有限公司 | 一种智能家居设备管理方法、系统、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于物联网的日光温室智能监控系统设计与实现;韩毅;许春雨;宋建成;施苗苗;;北方园艺;20160515(09);第207-210页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117470300A (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116341771B (zh) | 一种耐低温电缆生产工艺智能优化方法及系统 | |
| CN101383023B (zh) | 基于样本动态组织与温度补偿的神经网络短期电力负荷预测 | |
| Cárdenas et al. | Load forecasting framework of electricity consumptions for an Intelligent Energy Management System in the user-side | |
| CN112712189B (zh) | 一种供热需求负荷预测方法 | |
| CN112547807B (zh) | 一种基于决策树算法的热轧带钢质量精准判定方法 | |
| CN114219181B (zh) | 基于迁移学习的风电功率概率预测方法 | |
| CN114022021A (zh) | 一种基于集成学习的在线机组负荷预测方法 | |
| CN112733440A (zh) | 海上油气水井智能故障诊断方法、系统、存储介质、设备 | |
| CN116665808A (zh) | 基于邻域粗糙集与模糊神经网络的NOx排放预测方法及设备 | |
| CN111723085A (zh) | 公共建筑空调用电能耗数据清洗方法及系统 | |
| CN117470300B (zh) | 一种成品铜管存储车间的环境监测方法及系统 | |
| CN109726505B (zh) | 一种基于智能故障树的锻压机床主传动机构故障诊断系统 | |
| CN112183878B (zh) | 一种结合知识图谱与神经网络的电力负荷预测方法 | |
| CN116826745B (zh) | 一种电力系统背景下的分层分区短期负荷预测方法及系统 | |
| CN117369391A (zh) | 一种端边云协同的流程工艺参数优化系统、方法 | |
| CN109578264B (zh) | 芯片生产用空压机的稳压方法、系统、装置及存储介质 | |
| CN117311422A (zh) | 一种农作物种植的大棚内部环境的调控方法及系统 | |
| CN117113086A (zh) | 一种储能机组负荷预测方法、系统、电子设备及介质 | |
| CN116485582A (zh) | 一种基于深度学习的供热优化调控方法及装置 | |
| Sagdatullin | Application of fuzzy logic and neural networks methods for industry automation of technological processes in oil and gas engineering | |
| CN113530921A (zh) | 基于es-mlstm的液压机故障诊断方法 | |
| CN114169730B (zh) | 一种基于机器学习的城市垃圾分类工作的评估方法及系统 | |
| Shalaby et al. | A neuro-fuzzy based approach for energy consumption and profit operation forecasting | |
| dos Santos et al. | Decision support systems in multicriteria groups: An approach based on fuzzy rules | |
| Yang et al. | Application of mamdani fuzzy system amendment on load forecasting 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 |