CN117522619A - 一种基于大数据的工业设备数据管理系统及方法 - Google Patents
一种基于大数据的工业设备数据管理系统及方法 Download PDFInfo
- Publication number
- CN117522619A CN117522619A CN202311416204.9A CN202311416204A CN117522619A CN 117522619 A CN117522619 A CN 117522619A CN 202311416204 A CN202311416204 A CN 202311416204A CN 117522619 A CN117522619 A CN 117522619A
- Authority
- CN
- China
- Prior art keywords
- inspection
- period
- industrial equipment
- industrial
- route
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000013523 data management Methods 0.000 title claims abstract description 20
- 238000007689 inspection Methods 0.000 claims abstract description 579
- 238000004519 manufacturing process Methods 0.000 claims abstract description 186
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000007726 management method Methods 0.000 claims abstract description 5
- 238000005457 optimization Methods 0.000 claims description 82
- 238000012544 monitoring process Methods 0.000 claims description 71
- 230000008569 process Effects 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000012546 transfer Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 239000002994 raw material Substances 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
Abstract
本发明涉及工业设备数据管理技术领域，具体为一种基于大数据的工业设备数据管理系统及方法，所述系统包括状态偏差分析模块，所述状态偏差分析模块提取最近一个已完成的巡检周期内，针对每个工业设备巡检后的各个生产条件信息，结合相应巡检周期内的各个工业设备对应生产条件相应的监测阈值区间及标准需求数值，得到最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值。本发明结合巡检方案对应巡检优化路线的稳定性影响评估值，实现对巡检方案对应巡检优化路线的准确筛选，进而实现对生产设备的巡检力度的实时调整，对巡检时间安排及巡检路线的优化规划；辅助管理员调节巡检设备巡检方案，实现对工业设备数据的有效管理。
Description
技术领域
本发明涉及工业设备数据管理技术领域，具体为一种基于大数据的工业设备数据管理系统及方法。
背景技术
现有生产设备在运行过程中，经常通过故障报警的形式提醒操作员对生产设备存在的故障进行检查，报警状态是由设备运行状态下内置的各个传感器监测数据与预置的各个监测阈值比较进行得到的；同时，在设备运行过程中，随着运行环境的改变(温湿度、设备连续运行时长及生产原料的材质影响等)，生产设备的运行条件对应的数据也是不断波动的，通常情况下，生产设备的某个运行条件的数据波动区间在相应监测阈值内时，反映相应产生设备的运行条件正常，得到的产品合格率相对比较高；但是，实际生产过程中，生产设备的生产状态不能仅依靠单一的生产条件来判断，而是根据所得生产条件综合分析得到的，在监测阈值范围内的实际生产条件与相应生产条件对应的标准需求数值之间的偏差不同，最终生产出来的实际产品的合格率可能存在较大的差异(即：可能生产设备的所有生产条件均处于正产范围内，但是实际生产的产品合格率与预期存在明显差异的情况)；针对这种情况，通常的解决办法是通过人为对生产设备进行巡检，并综合分析实际监测结果，实时调整对生产设备的巡检力度，但是人力巡检存在较大的缺陷，存在巡检时间安排不及时及巡检路线混乱的情况。
发明内容
本发明的目的在于提供一种基于大数据的工业设备数据管理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的工业设备数据管理方法，所述方法包括以下步骤：
S1、获取工业企业中的各个工业设备及相应工业设备在生产过程中对应的多个生产条件信息，每个生产条件信息通过巡检设备内置的一种类型的传感器进行监测；
S2、提取最近一个已完成的巡检周期内，针对每个工业设备巡检后的各个生产条件信息，结合相应巡检周期内的各个工业设备对应生产条件相应的监测阈值区间及标准需求数值，得到最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值；
所述每个生产条件对应一个监测阈值区间及一个标准需求数值，所述标准需求数值为相应生产条件对应传感器的理想监测结果，所述监测阈值为相应生产条件对应传感器的正常监测状态对应的数值监测区间，所述标准需求数值为相应的生产条件对应的监测阈值区间中的一个常数；当生产条件对应传感器的监测数值不属于监测阈值区间内时，则默认相应工业设备属于异常生产状态，相应工业设备进行故障报警；
S3、结合最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值，分析各个工业设备的巡检需求，并得到各个工业设备的巡检需求占比；提取数据库中预置的基础巡检周期，结合所得各个工业设备的巡检需求占比，优化下一个巡检周期对应的巡检时长及相应巡检周期内的巡检项目需求方案；
S4、根据下一巡检周期内的巡检项目需求方案，生成不同的巡检优化路线，并根据生成的每个巡检优化路线中的巡检特征，分析每个巡检优化路线的稳定性；将所得稳定性对应值最大的巡检优化路线作为下一巡检周期对应的最佳巡检路线；
S5、将下一巡检周期对应的巡检时长及最佳巡检路线进行汇总，生成巡检优化信息参照集合，反馈给管理员，辅助管理员调节巡检设备巡检方案。
进一步的，所述S1巡检设备在对工业设备进行巡检时，将第i个工业设备的第j个生产条件对应的编号记为Aij；
所述S2中生产条件信息包括巡检时间区间、生产条件编号、监测阈值区间、标准需求数值及不同巡检时间点分别对应的实际监测值，所述巡检时间点属于巡检时间区间。
进一步的，所述S2中得到最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值时，将Aij在最近一个已完成的巡检周期内巡检时间t时对应的生产状态偏差值，记为Ptij，所述Ptij＝|CStij-CBtij|/CYtij，
其中，CStij表示Aij在最近一个已完成的巡检周期内巡检时间t时对应的实际监测值，CBtij表示Aij在最近一个已完成的巡检周期内巡检时间t时对应的标准需求数值,CYtij表示Aij在最近一个已完成的巡检周期内巡检时间t时对应的监测阈值区间中，任意一点与CBtij之间对应差值的绝对值中的最大值。
本发明通过分析最近一个已完成的巡检周期内的工业设备的生产条件信息，分析生产条件监测结果与预置的生产条件之间的偏差情况，进而判断相应工业设备的生产状态，本发明默认工业设备的生产状态偏差值越小，则相应工业设备的生产状态越稳定。
进一步的，所述S3中分析各个工业设备的巡检需求的方法包括以下步骤：
S31、获取最近一个已完成的巡检周期内，Aij对应的生产条件信息中不同巡检时间对应的生产状态偏差值；
S32、获取Aij对应的每个生产状态偏差值在巡检时间区间内分别对应的持续时长，所述Aij对应的各个生产状态偏差值分别对应的持续时长之和等于相应巡检时间区间对应的时长；
S33、得到Aij对应的巡检需求，记为Bij，
其中，d1表示最近一个已完成的巡检周期内，Aij对应的生产条件信息中得到的生产状态偏差值的总个数；表示最近一个已完成的巡检周期内，Aij对应的生产条件信息中得到的第d个生产状态偏差值；/>表示最近一个已完成的巡检周期内，Aij对应的生产条件信息中得到的第d个生产状态偏差值对应的持续时长；BDij表示最近一个已完成的巡检周期内，Aij对应的生产条件信息相应的波动影响值；
所述
其中，LZij表示Aij在最近一个已完成的巡检周期内巡检时间t时对应的监测阈值区间对应的区间长度；
LSij表示最近一个已完成的巡检周期内，Aij对应的生产条件信息中巡检时间区间的不同巡检时间点分别对应的实际监测值构成区间的区间长度；
LCSij表示工业设备未出现故障报警的情况下，最近一个已完成的巡检周期内，Aij对应的监测阈值区间内的最大值减去相应生产条件信息中巡检时间区间对应的最大实际监测值的差值；
LCWij表示工业设备未出现故障报警的情况下，最近一个已完成的巡检周期内，Aij对应生产条件信息中巡检时间区间对应的最小实际监测值减去相应监测阈值区间内的最小值的差值；min{}表示求最小值的运算；
S34、得到第i个工业设备的巡检需求，所述第i个工业设备的巡检需求等于j为不同值时分别对应的各个Bij的累加和；
所述S3中得到各个工业设备的巡检需求占比时，计算最近一个已完成的巡检周期内，各个工业设备分别对应的巡检需求，得到的每个工业设备的巡检需求占比等于相应工业设备的巡检需求除以各个工业设备分别对应巡检需求的累加和后所得的商。
本发明从生产状态偏差值、相应生产状态偏差值的持续时长及生产条件信息相应的波动影响值这三方面因素进行综合分析，来判断工业设备的巡检需求；这三个因素中，生产状态偏差值的增加、持续时长的增加及生产条件信息相应波动影响值的变化，均在一定程度上能够反映出工业设备出现故障的概率增加；
进一步的，所述S3中优化下一个巡检周期对应的巡检时长及相应巡检周期内的巡检项目需求方案时，提取数据库中预置的基础巡检周期，获取所得各个工业设备的巡检需求占比；得到下一巡检周期内巡检第i个工业设备的次数，记为Qi，
其中，G{}表示向上进位取整函数；Fi表示最近一个已完成的巡检周期内，第i个工业设备对应巡检需求相同的巡检需求占比；TY表示数据库中预置的基础巡检周期；ji表示第i个工业设备对应生产条件的总个数；TXij表示最近一个已完成的巡检周期内，第i个工业设备对应生产条件在每次巡检过程中相应巡检时间区间对应巡检时长的平均值；
得到下一巡检周期对应的巡检时长，记为TM，
其中，i1表示工业企业中的工业设备总个数；
所述下一巡检周期内的巡检项目需求方案包括各个工业设备对应的生产条件，且每个工业设备的生产条件在下一巡检周期内需要巡检的次数大于等于一次；第i个工业设备的生产条件在下一巡检周期内需要巡检的次数等于Qi。
本发明获取各个工业设备的巡检需求占比，是考虑到实际生产过程中，不同设备的生产条件对应监测结果的波动情况是存在差异的，通常波动幅度越剧烈，在一定程度上反映出工业设备越容易出现故障，进而为降低工业设备故障造成的影响，对工业设备巡检的巡检频率越高(即巡检需求越高)；进而分析工业设备的巡检需求占比，为后续步骤生成下一巡检周期的巡检项目方案提供了数据参照。
进一步的，所述S4中生成不同的巡检优化路线时，获取下一巡检周期内的巡检项目方案，对下一巡检周期内的巡检项目方案进行元素划分，划分后的下一巡检周期内的巡检项目方案内包括一个或多个元素，每个元素对应一个工业设备，每个元素包括相应工业设备的所有生产条件且每个生产条件在相应元素中只含有一个；所述下一巡检周期内的巡检项目方案中存在对应多个元素对应的工业设备相同的情况；对下一巡检周期内的巡检项目需求方案内的元素进行排列组合，得到不同的排列组合方案；每个排列组合方案对应一种巡检优化路线，所述巡检优化路线通过查询数据库预置表单获取；
所述S4中每个巡检优化路线的巡检特征包括巡检中转时长的消耗占比及对应同一个工业设备的多个元素中相邻两次巡检过程中的最小间隔时长；所述巡检中转时长表示相应巡检优化路线中各个巡检间隔时长的累加和，所述巡检间隔时长表示巡检优化路线中巡检设备从一个巡检元素移动至另一个巡检元素过程中的移动间隔时长，所述移动间隔时长等于相邻两个元素之间的距离与巡检设备平均移动速度之间的比值，所述相邻两个元素之间的距离与巡检设备平均移动速度均为数据库中预置常数；所述巡检中转时长的消耗占比等于相应巡检中转时长除以所得下一巡检周期对应的巡检时长的比值；
所述S4中分析每个巡检优化路线的稳定性时，获取每个巡检优化路线的巡检特征，将第g个巡检优化路线的稳定性影响评估值记为Hg，
其中，ZBg表示第g个巡检优化路线对应巡检特征中的巡检中转时长的消耗占比，且ZBg大于0；fg表示第g个巡检优化路线对应的排列组合方案内，存在多个元素对应的工业设备相同的工业设备构成的集合Ufg中的元素个数；TW表示时间参照阈值常数且TW＞0；
max{}表示求最大值的运算；TWgf表示第g个巡检优化路线对应巡检特征中，对应Ufg中第f个工业设备的多个元素中相邻两次巡检过程中的最小间隔时长；
所述下一巡检周期对应的最佳巡检路线为对应稳定性影响评估值最大的巡检优化路线。
一种基于大数据的工业设备数据管理系统，所述系统包括以下模块：
生产信息采集模块，所述生产信息采集模块获取工业企业中的各个工业设备及相应工业设备在生产过程中对应的多个生产条件信息，每个生产条件信息通过巡检设备内置的一种类型的传感器进行监测；
状态偏差分析模块，所述状态偏差分析模块提取最近一个已完成的巡检周期内，针对每个工业设备巡检后的各个生产条件信息，结合相应巡检周期内的各个工业设备对应生产条件相应的监测阈值区间及标准需求数值，得到最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值；
巡检需求分析模块，所述巡检需求分析模块结合最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值，分析各个工业设备的巡检需求，并得到各个工业设备的巡检需求占比；提取数据库中预置的基础巡检周期，结合所得各个工业设备的巡检需求占比，优化下一个巡检周期对应的巡检时长及相应巡检周期内的巡检项目需求方案；
巡检路线稳定性预测模块，所述巡检路线稳定性预测模块根据下一巡检周期内的巡检项目需求方案，生成不同的巡检优化路线，并根据生成的每个巡检优化路线中的巡检特征，分析每个巡检优化路线的稳定性；将所得稳定性对应值最大的巡检优化路线作为下一巡检周期对应的最佳巡检路线；
巡检方案反馈管理模块，所述巡检方案反馈管理模块将下一巡检周期对应的巡检时长及最佳巡检路线进行汇总，生成巡检优化信息参照集合，反馈给管理员，辅助管理员调节巡检设备巡检方案。
进一步的，所述巡检需求分析模块包括需求占比分析单元及巡检项目需求方案生成单元，
所述需求占比分析单元结合最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值，分析各个工业设备的巡检需求，并得到各个工业设备的巡检需求占比；
所述巡检项目需求方案生成单元提取数据库中预置的基础巡检周期，结合所得各个工业设备的巡检需求占比，优化下一个巡检周期对应的巡检时长及相应巡检周期内的巡检项目需求方案。
进一步的，所述巡检路线稳定性预测模块包括巡检优化路线生成单元、路线稳定评估单元及最佳巡检路线筛选单元，
所述巡检优化路线生成单元根据下一巡检周期内的巡检项目需求方案，生成不同的巡检优化路线；
所述路线稳定评估单元根据生成的每个巡检优化路线中的巡检特征，分析每个巡检优化路线的稳定性；
所述最佳巡检路线筛选单元将所得稳定性对应值最大的巡检优化路线作为下一巡检周期对应的最佳巡检路线。
与现有技术相比，本发明所达到的有益效果是：本发明考虑到工业设备在生产过程中对应的生产条件的波动情况不同，进而从生产条件信息及其对应的生产状态偏差值着手，分析不同工业设备的巡检需求，构建与其巡检需求匹配的巡检方案；同时，结合巡检方案对应巡检优化路线的稳定性影响评估值，实现对巡检方案对应巡检优化路线的准确筛选，进而实现对生产设备的巡检力度的实时调整，对巡检时间安排及巡检路线的优化规划；辅助管理员调节巡检设备巡检方案，实现对工业设备数据的有效管理。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据的工业设备数据管理方法的流程示意图；
图2是本发明一种基于大数据的工业设备数据管理系统的结构示意图。
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。基于本发明中的实施例，本领域普通技术人员在没有做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。
请参阅图1，本发明提供技术方案：一种基于大数据的工业设备数据管理方法，所述方法包括以下步骤：
S1、获取工业企业中的各个工业设备及相应工业设备在生产过程中对应的多个生产条件信息，每个生产条件信息通过巡检设备内置的一种类型的传感器进行监测；
所述S1巡检设备在对工业设备进行巡检时，将第i个工业设备的第j个生产条件对应的编号记为Aij；
所述S2中生产条件信息包括巡检时间区间、生产条件编号、监测阈值区间、标准需求数值及不同巡检时间点分别对应的实际监测值，所述巡检时间点属于巡检时间区间。
本实施例中的工业设备为成人护理裤生产设备；而生产条件信息在监测过程中，默认不同的生产条件监测信息采用的传感器类型存在差异，如温度传感器、PH值传感器、湿度传感器、压力传感器等；生产条件信息中传感器监测的数据对应的为实际监测值，而巡检时间区间及生产条件编号则是实际环境与生产条件绑定的，其与传感器类型无关；监测阈值区间及标准需求数值则是与传感器的类型及生产条件绑定的，可以通过数据库查询获取。
S2、提取最近一个已完成的巡检周期内，针对每个工业设备巡检后的各个生产条件信息，结合相应巡检周期内的各个工业设备对应生产条件相应的监测阈值区间及标准需求数值，得到最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值；
所述每个生产条件对应一个监测阈值区间及一个标准需求数值，所述标准需求数值为相应生产条件对应传感器的理想监测结果，所述监测阈值为相应生产条件对应传感器的正常监测状态对应的数值监测区间，所述标准需求数值为相应的生产条件对应的监测阈值区间中的一个常数；当生产条件对应传感器的监测数值不属于监测阈值区间内时，则默认相应工业设备属于异常生产状态，相应工业设备进行故障报警；
所述S2中得到最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值时，将Aij在最近一个已完成的巡检周期内巡检时间t时对应的生产状态偏差值，记为Ptij，所述Ptij＝|CStij-CBtij|/CYtij，
其中，CStij表示Aij在最近一个已完成的巡检周期内巡检时间t时对应的实际监测值，CBtij表示Aij在最近一个已完成的巡检周期内巡检时间t时对应的标准需求数值,CYtij表示Aij在最近一个已完成的巡检周期内巡检时间t时对应的监测阈值区间中，任意一点与CBtij之间对应差值的绝对值中的最大值。
S3、结合最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值，分析各个工业设备的巡检需求，并得到各个工业设备的巡检需求占比；提取数据库中预置的基础巡检周期，结合所得各个工业设备的巡检需求占比，优化下一个巡检周期对应的巡检时长及相应巡检周期内的巡检项目需求方案；
所述S3中分析各个工业设备的巡检需求的方法包括以下步骤：
S31、获取最近一个已完成的巡检周期内，Aij对应的生产条件信息中不同巡检时间对应的生产状态偏差值；
S32、获取Aij对应的每个生产状态偏差值在巡检时间区间内分别对应的持续时长，所述Aij对应的各个生产状态偏差值分别对应的持续时长之和等于相应巡检时间区间对应的时长；
S33、得到Aij对应的巡检需求，记为Bij，
其中，d1表示最近一个已完成的巡检周期内，Aij对应的生产条件信息中得到的生产状态偏差值的总个数；表示最近一个已完成的巡检周期内，Aij对应的生产条件信息中得到的第d个生产状态偏差值；/>表示最近一个已完成的巡检周期内，Aij对应的生产条件信息中得到的第d个生产状态偏差值对应的持续时长；BDij表示最近一个已完成的巡检周期内，Aij对应的生产条件信息相应的波动影响值；
所述
其中，LZij表示Aij在最近一个已完成的巡检周期内巡检时间t时对应的监测阈值区间对应的区间长度；
LSij表示最近一个已完成的巡检周期内，Aij对应的生产条件信息中巡检时间区间的不同巡检时间点分别对应的实际监测值构成区间的区间长度；
LCSij表示工业设备未出现故障报警的情况下，最近一个已完成的巡检周期内，Aij对应的监测阈值区间内的最大值减去相应生产条件信息中巡检时间区间对应的最大实际监测值的差值；
LCWij表示工业设备未出现故障报警的情况下，最近一个已完成的巡检周期内，Aij对应生产条件信息中巡检时间区间对应的最小实际监测值减去相应监测阈值区间内的最小值的差值；min{}表示求最小值的运算；
S34、得到第i个工业设备的巡检需求，所述第i个工业设备的巡检需求等于j为不同值时分别对应的各个Bij的累加和；
所述S3中得到各个工业设备的巡检需求占比时，计算最近一个已完成的巡检周期内，各个工业设备分别对应的巡检需求，得到的每个工业设备的巡检需求占比等于相应工业设备的巡检需求除以各个工业设备分别对应巡检需求的累加和后所得的商。
所述S3中优化下一个巡检周期对应的巡检时长及相应巡检周期内的巡检项目需求方案时，提取数据库中预置的基础巡检周期，获取所得各个工业设备的巡检需求占比；得到下一巡检周期内巡检第i个工业设备的次数，记为Qi，
其中，G{}表示向上进位取整函数；Fi表示最近一个已完成的巡检周期内，第i个工业设备对应巡检需求相同的巡检需求占比；TY表示数据库中预置的基础巡检周期；ji表示第i个工业设备对应生产条件的总个数；TXij表示最近一个已完成的巡检周期内，第i个工业设备对应生产条件在每次巡检过程中相应巡检时间区间对应巡检时长的平均值；
得到下一巡检周期对应的巡检时长，记为TM，
其中，i1表示工业企业中的工业设备总个数；
所述下一巡检周期内的巡检项目需求方案包括各个工业设备对应的生产条件，且每个工业设备的生产条件在下一巡检周期内需要巡检的次数大于等于一次；第i个工业设备的生产条件在下一巡检周期内需要巡检的次数等于Qi。
S4、根据下一巡检周期内的巡检项目需求方案，生成不同的巡检优化路线，并根据生成的每个巡检优化路线中的巡检特征，分析每个巡检优化路线的稳定性；将所得稳定性对应值最大的巡检优化路线作为下一巡检周期对应的最佳巡检路线；
所述S4中生成不同的巡检优化路线时，获取下一巡检周期内的巡检项目方案，对下一巡检周期内的巡检项目方案进行元素划分，划分后的下一巡检周期内的巡检项目方案内包括一个或多个元素，每个元素对应一个工业设备，每个元素包括相应工业设备的所有生产条件且每个生产条件在相应元素中只含有一个；所述下一巡检周期内的巡检项目方案中存在对应多个元素对应的工业设备相同的情况；对下一巡检周期内的巡检项目需求方案内的元素进行排列组合，得到不同的排列组合方案；每个排列组合方案对应一种巡检优化路线，所述巡检优化路线通过查询数据库预置表单获取；
本实施例中存在两个工业设备，分别记为甲与乙；
若甲中包含两个生产条件，分别为R1与R2；若乙中包含两个生产条件，分别为R3与R4；
若下一巡检周期内的巡检项目方案为{R1，R1，R2，R2，R3，R4}；
则下一巡检周期内的巡检项目方案划分的元素为{R1，R2}及{R3，R4}；
则元素划分后的下一巡检周期内的巡检项目方案为{{R1，R2}，{R1，R2}，{R3，R4}}；
进而可知元素划分后的下一巡检周期内的巡检项目方案包含三个元素，其元素排列组合方案为三种，分别为：
第一种：{R1，R2}、{R1，R2}、{R3，R4}；
第二种：{R1，R2}、{R3，R4}、{R1，R2}；
第三种：{R3，R4}、{R1，R2}、{R1，R2}；
所述S4中每个巡检优化路线的巡检特征包括巡检中转时长的消耗占比及对应同一个工业设备的多个元素中相邻两次巡检过程中的最小间隔时长；所述巡检中转时长表示相应巡检优化路线中各个巡检间隔时长的累加和，所述巡检间隔时长表示巡检优化路线中巡检设备从一个巡检元素移动至另一个巡检元素过程中的移动间隔时长，所述移动间隔时长等于相邻两个元素之间的距离与巡检设备平均移动速度之间的比值，所述相邻两个元素之间的距离与巡检设备平均移动速度均为数据库中预置常数；所述巡检中转时长的消耗占比等于相应巡检中转时长除以所得下一巡检周期对应的巡检时长的比值；
所述S4中分析每个巡检优化路线的稳定性时，获取每个巡检优化路线的巡检特征，将第g个巡检优化路线的稳定性影响评估值记为Hg，
其中，ZBg表示第g个巡检优化路线对应巡检特征中的巡检中转时长的消耗占比，且ZBg大于0；fg表示第g个巡检优化路线对应的排列组合方案内，存在多个元素对应的工业设备相同的工业设备构成的集合Ufg中的元素个数；TW表示时间参照阈值常数且TW＞0；
max{}表示求最大值的运算；TWgf表示第g个巡检优化路线对应巡检特征中，对应Ufg中第f个工业设备的多个元素中相邻两次巡检过程中的最小间隔时长；
所述下一巡检周期对应的最佳巡检路线为对应稳定性影响评估值最大的巡检优化路线。
S5、将下一巡检周期对应的巡检时长及最佳巡检路线进行汇总，生成巡检优化信息参照集合，反馈给管理员，辅助管理员调节巡检设备巡检方案。
如图2所示，一种基于大数据的工业设备数据管理系统，所述系统包括以下模块：
生产信息采集模块，所述生产信息采集模块获取工业企业中的各个工业设备及相应工业设备在生产过程中对应的多个生产条件信息，每个生产条件信息通过巡检设备内置的一种类型的传感器进行监测；
状态偏差分析模块，所述状态偏差分析模块提取最近一个已完成的巡检周期内，针对每个工业设备巡检后的各个生产条件信息，结合相应巡检周期内的各个工业设备对应生产条件相应的监测阈值区间及标准需求数值，得到最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值；
巡检需求分析模块，所述巡检需求分析模块结合最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值，分析各个工业设备的巡检需求，并得到各个工业设备的巡检需求占比；提取数据库中预置的基础巡检周期，结合所得各个工业设备的巡检需求占比，优化下一个巡检周期对应的巡检时长及相应巡检周期内的巡检项目需求方案；
巡检路线稳定性预测模块，所述巡检路线稳定性预测模块根据下一巡检周期内的巡检项目需求方案，生成不同的巡检优化路线，并根据生成的每个巡检优化路线中的巡检特征，分析每个巡检优化路线的稳定性；将所得稳定性对应值最大的巡检优化路线作为下一巡检周期对应的最佳巡检路线；
巡检方案反馈管理模块，所述巡检方案反馈管理模块将下一巡检周期对应的巡检时长及最佳巡检路线进行汇总，生成巡检优化信息参照集合，反馈给管理员，辅助管理员调节巡检设备巡检方案。
所述巡检需求分析模块包括需求占比分析单元及巡检项目需求方案生成单元，
所述需求占比分析单元结合最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值，分析各个工业设备的巡检需求，并得到各个工业设备的巡检需求占比；
所述巡检项目需求方案生成单元提取数据库中预置的基础巡检周期，结合所得各个工业设备的巡检需求占比，优化下一个巡检周期对应的巡检时长及相应巡检周期内的巡检项目需求方案。
所述巡检路线稳定性预测模块包括巡检优化路线生成单元、路线稳定评估单元及最佳巡检路线筛选单元，
所述巡检优化路线生成单元根据下一巡检周期内的巡检项目需求方案，生成不同的巡检优化路线；
所述路线稳定评估单元根据生成的每个巡检优化路线中的巡检特征，分析每个巡检优化路线的稳定性；
所述最佳巡检路线筛选单元将所得稳定性对应值最大的巡检优化路线作为下一巡检周期对应的最佳巡检路线。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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 (9)
1.一种基于大数据的工业设备数据管理方法，其特征在于，所述方法包括以下步骤：
S1、获取工业企业中的各个工业设备及相应工业设备在生产过程中对应的多个生产条件信息，每个生产条件信息通过巡检设备内置的一种类型的传感器进行监测；
S2、提取最近一个已完成的巡检周期内，针对每个工业设备巡检后的各个生产条件信息，结合相应巡检周期内的各个工业设备对应生产条件相应的监测阈值区间及标准需求数值，得到最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值；
所述每个生产条件对应一个监测阈值区间及一个标准需求数值，所述标准需求数值为相应生产条件对应传感器的理想监测结果，所述监测阈值为相应生产条件对应传感器的正常监测状态对应的数值监测区间，所述标准需求数值为相应的生产条件对应的监测阈值区间中的一个常数；当生产条件对应传感器的监测数值不属于监测阈值区间内时，则默认相应工业设备属于异常生产状态，相应工业设备进行故障报警；
S3、结合最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值，分析各个工业设备的巡检需求，并得到各个工业设备的巡检需求占比；提取数据库中预置的基础巡检周期，结合所得各个工业设备的巡检需求占比，优化下一个巡检周期对应的巡检时长及相应巡检周期内的巡检项目需求方案；
S4、根据下一巡检周期内的巡检项目需求方案，生成不同的巡检优化路线，并根据生成的每个巡检优化路线中的巡检特征，分析每个巡检优化路线的稳定性；将所得稳定性对应值最大的巡检优化路线作为下一巡检周期对应的最佳巡检路线；
S5、将下一巡检周期对应的巡检时长及最佳巡检路线进行汇总，生成巡检优化信息参照集合，反馈给管理员，辅助管理员调节巡检设备巡检方案。
2.根据权利要求1所述的一种基于大数据的工业设备数据管理方法，其特征在于：所述S1巡检设备在对工业设备进行巡检时，将第i个工业设备的第j个生产条件对应的编号记为Aij；
所述S2中生产条件信息包括巡检时间区间、生产条件编号、监测阈值区间、标准需求数值及不同巡检时间点分别对应的实际监测值，所述巡检时间点属于巡检时间区间。
3.根据权利要求1所述的一种基于大数据的工业设备数据管理方法，其特征在于：所述S2中得到最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值时，将Aij在最近一个已完成的巡检周期内巡检时间t时对应的生产状态偏差值，记为Ptij，所述Ptij＝|CStij-CBtij|/CYtij，
其中，CStij表示Aij在最近一个已完成的巡检周期内巡检时间t时对应的实际监测值，CBtij表示Aij在最近一个已完成的巡检周期内巡检时间t时对应的标准需求数值,CYtij表示Aij在最近一个已完成的巡检周期内巡检时间t时对应的监测阈值区间中，任意一点与CBtij之间对应差值的绝对值中的最大值。
4.根据权利要求1所述的一种基于大数据的工业设备数据管理方法，其特征在于：所述S3中分析各个工业设备的巡检需求的方法包括以下步骤：
S31、获取最近一个已完成的巡检周期内，Aij对应的生产条件信息中不同巡检时间对应的生产状态偏差值；
S32、获取Aij对应的每个生产状态偏差值在巡检时间区间内分别对应的持续时长，所述Aij对应的各个生产状态偏差值分别对应的持续时长之和等于相应巡检时间区间对应的时长；
S33、得到Aij对应的巡检需求，记为Bij，
其中，d1表示最近一个已完成的巡检周期内，Aij对应的生产条件信息中得到的生产状态偏差值的总个数；表示最近一个已完成的巡检周期内，Aij对应的生产条件信息中得到的第d个生产状态偏差值；/>表示最近一个已完成的巡检周期内，Aij对应的生产条件信息中得到的第d个生产状态偏差值对应的持续时长；BDij表示最近一个已完成的巡检周期内，Aij对应的生产条件信息相应的波动影响值；
所述
其中，LZij表示Aij在最近一个已完成的巡检周期内巡检时间t时对应的监测阈值区间对应的区间长度；
LSij表示最近一个已完成的巡检周期内，Aij对应的生产条件信息中巡检时间区间的不同巡检时间点分别对应的实际监测值构成区间的区间长度；
LCSij表示工业设备未出现故障报警的情况下，最近一个已完成的巡检周期内，Aij对应的监测阈值区间内的最大值减去相应生产条件信息中巡检时间区间对应的最大实际监测值的差值；
LCWij表示工业设备未出现故障报警的情况下，最近一个已完成的巡检周期内，Aij对应生产条件信息中巡检时间区间对应的最小实际监测值减去相应监测阈值区间内的最小值的差值；min{}表示求最小值的运算；
S34、得到第i个工业设备的巡检需求，所述第i个工业设备的巡检需求等于j为不同值时分别对应的各个Bij的累加和；
所述S3中得到各个工业设备的巡检需求占比时，计算最近一个已完成的巡检周期内，各个工业设备分别对应的巡检需求，得到的每个工业设备的巡检需求占比等于相应工业设备的巡检需求除以各个工业设备分别对应巡检需求的累加和后所得的商。
5.根据权利要求4所述的一种基于大数据的工业设备数据管理方法，其特征在于：所述S3中优化下一个巡检周期对应的巡检时长及相应巡检周期内的巡检项目需求方案时，提取数据库中预置的基础巡检周期，获取所得各个工业设备的巡检需求占比；得到下一巡检周期内巡检第i个工业设备的次数，记为Qi，
其中，G{}表示向上进位取整函数；Fi表示最近一个已完成的巡检周期内，第i个工业设备对应巡检需求相同的巡检需求占比；TY表示数据库中预置的基础巡检周期；ji表示第i个工业设备对应生产条件的总个数；TXij表示最近一个已完成的巡检周期内，第i个工业设备对应生产条件在每次巡检过程中相应巡检时间区间对应巡检时长的平均值；
得到下一巡检周期对应的巡检时长，记为TM，
其中，i1表示工业企业中的工业设备总个数；
所述下一巡检周期内的巡检项目需求方案包括各个工业设备对应的生产条件，且每个工业设备的生产条件在下一巡检周期内需要巡检的次数大于等于一次；第i个工业设备的生产条件在下一巡检周期内需要巡检的次数等于Qi。
6.根据权利要求1所述的一种基于大数据的工业设备数据管理方法，其特征在于：所述S4中生成不同的巡检优化路线时，获取下一巡检周期内的巡检项目方案，对下一巡检周期内的巡检项目方案进行元素划分，划分后的下一巡检周期内的巡检项目方案内包括一个或多个元素，每个元素对应一个工业设备，每个元素包括相应工业设备的所有生产条件且每个生产条件在相应元素中只含有一个；所述下一巡检周期内的巡检项目方案中存在对应多个元素对应的工业设备相同的情况；对下一巡检周期内的巡检项目需求方案内的元素进行排列组合，得到不同的排列组合方案；每个排列组合方案对应一种巡检优化路线，所述巡检优化路线通过查询数据库预置表单获取；
所述S4中每个巡检优化路线的巡检特征包括巡检中转时长的消耗占比及对应同一个工业设备的多个元素中相邻两次巡检过程中的最小间隔时长；所述巡检中转时长表示相应巡检优化路线中各个巡检间隔时长的累加和，所述巡检间隔时长表示巡检优化路线中巡检设备从一个巡检元素移动至另一个巡检元素过程中的移动间隔时长，所述移动间隔时长等于相邻两个元素之间的距离与巡检设备平均移动速度之间的比值，所述相邻两个元素之间的距离与巡检设备平均移动速度均为数据库中预置常数；所述巡检中转时长的消耗占比等于相应巡检中转时长除以所得下一巡检周期对应的巡检时长的比值；
所述S4中分析每个巡检优化路线的稳定性时，获取每个巡检优化路线的巡检特征，将第g个巡检优化路线的稳定性影响评估值记为Hg，
其中，ZBg表示第g个巡检优化路线对应巡检特征中的巡检中转时长的消耗占比，且ZBg大于0；fg表示第g个巡检优化路线对应的排列组合方案内，存在多个元素对应的工业设备相同的工业设备构成的集合Ufg中的元素个数；TW表示时间参照阈值常数且TW＞0；max{}表示求最大值的运算；TWgf表示第g个巡检优化路线对应巡检特征中，对应Ufg中第f个工业设备的多个元素中相邻两次巡检过程中的最小间隔时长；
所述下一巡检周期对应的最佳巡检路线为对应稳定性影响评估值最大的巡检优化路线。
7.一种基于大数据的工业设备数据管理系统，所述系统应用权利要求1-6中任意一项所述的一种基于大数据的工业设备数据管理方法实现，其特征在于，所述系统包括以下模块：
生产信息采集模块，所述生产信息采集模块获取工业企业中的各个工业设备及相应工业设备在生产过程中对应的多个生产条件信息，每个生产条件信息通过巡检设备内置的一种类型的传感器进行监测；
状态偏差分析模块，所述状态偏差分析模块提取最近一个已完成的巡检周期内，针对每个工业设备巡检后的各个生产条件信息，结合相应巡检周期内的各个工业设备对应生产条件相应的监测阈值区间及标准需求数值，得到最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值；
巡检需求分析模块，所述巡检需求分析模块结合最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值，分析各个工业设备的巡检需求，并得到各个工业设备的巡检需求占比；提取数据库中预置的基础巡检周期，结合所得各个工业设备的巡检需求占比，优化下一个巡检周期对应的巡检时长及相应巡检周期内的巡检项目需求方案；
巡检路线稳定性预测模块，所述巡检路线稳定性预测模块根据下一巡检周期内的巡检项目需求方案，生成不同的巡检优化路线，并根据生成的每个巡检优化路线中的巡检特征，分析每个巡检优化路线的稳定性；将所得稳定性对应值最大的巡检优化路线作为下一巡检周期对应的最佳巡检路线；
巡检方案反馈管理模块，所述巡检方案反馈管理模块将下一巡检周期对应的巡检时长及最佳巡检路线进行汇总，生成巡检优化信息参照集合，反馈给管理员，辅助管理员调节巡检设备巡检方案。
8.根据权利要求7所述的一种基于大数据的工业设备数据管理系统，其特征在于：所述巡检需求分析模块包括需求占比分析单元及巡检项目需求方案生成单元，
所述需求占比分析单元结合最近一个已完成的巡检周期内，每个工业设备的生产状态偏差值，分析各个工业设备的巡检需求，并得到各个工业设备的巡检需求占比；
所述巡检项目需求方案生成单元提取数据库中预置的基础巡检周期，结合所得各个工业设备的巡检需求占比，优化下一个巡检周期对应的巡检时长及相应巡检周期内的巡检项目需求方案。
9.根据权利要求7所述的一种基于大数据的工业设备数据管理系统，其特征在于：所述巡检路线稳定性预测模块包括巡检优化路线生成单元、路线稳定评估单元及最佳巡检路线筛选单元，
所述巡检优化路线生成单元根据下一巡检周期内的巡检项目需求方案，生成不同的巡检优化路线；
所述路线稳定评估单元根据生成的每个巡检优化路线中的巡检特征，分析每个巡检优化路线的稳定性；
所述最佳巡检路线筛选单元将所得稳定性对应值最大的巡检优化路线作为下一巡检周期对应的最佳巡检路线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311416204.9A CN117522619A (zh) | 2023-10-30 | 2023-10-30 | 一种基于大数据的工业设备数据管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311416204.9A CN117522619A (zh) | 2023-10-30 | 2023-10-30 | 一种基于大数据的工业设备数据管理系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117522619A true CN117522619A (zh) | 2024-02-06 |
Family
ID=89765411
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311416204.9A Pending CN117522619A (zh) | 2023-10-30 | 2023-10-30 | 一种基于大数据的工业设备数据管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117522619A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020052147A1 (zh) * | 2018-09-11 | 2020-03-19 | 清华大学合肥公共安全研究院 | 监测设备故障检测方法及装置 |
| WO2020093969A1 (zh) * | 2018-11-05 | 2020-05-14 | 山东科技大学 | 一种基于大数据驱动的城市电梯智能派工检验系统 |
| CN115373403A (zh) * | 2022-09-19 | 2022-11-22 | 太平洋建设集团有限公司 | 一种建筑机械设备巡检服务系统 |
| CN116227752A (zh) * | 2023-05-09 | 2023-06-06 | 安徽必喀秋软件技术有限公司 | 一种基于物联网的园区设施管理系统 |
| CN116645010A (zh) * | 2023-07-21 | 2023-08-25 | 金正大生态工程集团股份有限公司 | 一种化工安全生产巡控系统 |
| CN116681320A (zh) * | 2023-04-07 | 2023-09-01 | 中宬建设管理有限公司 | 一种工程监控一体化的智能管理方法及系统 |
| CN116934029A (zh) * | 2023-07-20 | 2023-10-24 | 南京海汇装备科技有限公司 | 一种基于人工智能的地空协作管理系统及方法 |
-
2023
- 2023-10-30 CN CN202311416204.9A patent/CN117522619A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020052147A1 (zh) * | 2018-09-11 | 2020-03-19 | 清华大学合肥公共安全研究院 | 监测设备故障检测方法及装置 |
| WO2020093969A1 (zh) * | 2018-11-05 | 2020-05-14 | 山东科技大学 | 一种基于大数据驱动的城市电梯智能派工检验系统 |
| CN115373403A (zh) * | 2022-09-19 | 2022-11-22 | 太平洋建设集团有限公司 | 一种建筑机械设备巡检服务系统 |
| CN116681320A (zh) * | 2023-04-07 | 2023-09-01 | 中宬建设管理有限公司 | 一种工程监控一体化的智能管理方法及系统 |
| CN116227752A (zh) * | 2023-05-09 | 2023-06-06 | 安徽必喀秋软件技术有限公司 | 一种基于物联网的园区设施管理系统 |
| CN116934029A (zh) * | 2023-07-20 | 2023-10-24 | 南京海汇装备科技有限公司 | 一种基于人工智能的地空协作管理系统及方法 |
| CN116645010A (zh) * | 2023-07-21 | 2023-08-25 | 金正大生态工程集团股份有限公司 | 一种化工安全生产巡控系统 |
Non-Patent Citations (1)
| Title |
|---|
| 杨志淳等: "周期及路径综合优化的配电设备巡检策略", 《高电压技术》, vol. 46, no. 04, 30 April 2020 (2020-04-30), pages 1424 - 1433 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20180260723A1 (en) | Anomaly detection for context-dependent data | |
| CN111555716B (zh) | 光伏阵列工作状态的确定方法、装置、设备及存储介质 | |
| EP3236398A1 (en) | A system for maintenance recommendation based on maintenance effectiveness estimation | |
| CN111047082A (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
| CN103345209B (zh) | 生产监控方法及系统 | |
| CN111126824A (zh) | 多指标关联模型训练方法及多指标异常分析方法 | |
| CN111865407B (zh) | 光通道性能劣化智能预警方法、装置、设备及存储介质 | |
| CN116633816A (zh) | 一种基于企业数字化的传媒展示终端安全监管预警系统 | |
| CN114838767B (zh) | 一种冷链物流用温湿度智能化监测系统及方法 | |
| US9299051B2 (en) | Methods and systems for evaluating the performance of building processes | |
| CN108921305B (zh) | 一种部件生命期监测方法 | |
| CN111950577A (zh) | 一种点检方法及装置 | |
| CN114625097B (zh) | 一种基于工业互联网的生产工艺控制方法 | |
| CN112561289A (zh) | 一种能源管理体系认证中的能源绩效集成验证方法 | |
| CN116680113A (zh) | 一种设备检测实施控制系统 | |
| CN116051037A (zh) | 基于数据分析的项目进度监管系统 | |
| CN117076258A (zh) | 一种基于互联网云端的远程监控方法及系统 | |
| CN111813644A (zh) | 系统性能的评价方法、装置、电子设备和计算机可读介质 | |
| CN117522619A (zh) | 一种基于大数据的工业设备数据管理系统及方法 | |
| CN113448808A (zh) | 一种批处理任务中单任务时间的预测方法、系统及存储介质 | |
| CN116681307B (zh) | 基于多端融合反馈的河道四乱监管追溯显示方法及系统 | |
| CN116232851A (zh) | 一种网络异常的预警方法、装置、电子设备和存储介质 | |
| CN111143160B (zh) | 一种系统全链路监控方法及装置 | |
| CN116773238B (zh) | 一种基于工业数据的故障监测方法及系统 | |
| CN116777086B (zh) | 基于多模数据的钢结构智能生产线预测性维护方法及系统 |
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 |