CN117784742A - 脂肪酸生物饲料生产监控系统的故障诊断方法 - Google Patents
脂肪酸生物饲料生产监控系统的故障诊断方法 Download PDFInfo
- Publication number
- CN117784742A CN117784742A CN202410212160.6A CN202410212160A CN117784742A CN 117784742 A CN117784742 A CN 117784742A CN 202410212160 A CN202410212160 A CN 202410212160A CN 117784742 A CN117784742 A CN 117784742A
- Authority
- CN
- China
- Prior art keywords
- production
- target
- link
- scheduling
- level
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 833
- 238000003745 diagnosis Methods 0.000 title claims abstract description 216
- 238000000034 method Methods 0.000 title claims abstract description 95
- 238000012544 monitoring process Methods 0.000 title claims abstract description 90
- 235000014113 dietary fatty acids Nutrition 0.000 title claims abstract description 86
- 229930195729 fatty acid Natural products 0.000 title claims abstract description 86
- 239000000194 fatty acid Substances 0.000 title claims abstract description 86
- 150000004665 fatty acids Chemical class 0.000 title claims abstract description 86
- 230000007704 transition Effects 0.000 claims abstract description 51
- 230000005012 migration Effects 0.000 claims description 28
- 238000013508 migration Methods 0.000 claims description 28
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 238000013507 mapping Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 10
- 230000001174 ascending effect Effects 0.000 claims description 8
- 238000005192 partition Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims description 7
- 238000001212 derivatisation Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000007257 malfunction Effects 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 4
- 238000010977 unit operation Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 12
- 230000003993 interaction Effects 0.000 abstract description 11
- 230000000007 visual effect Effects 0.000 abstract description 4
- 230000006641 stabilisation Effects 0.000 abstract description 3
- 238000011105 stabilization Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 53
- 239000000047 product Substances 0.000 description 43
- 239000002994 raw material Substances 0.000 description 32
- 238000006243 chemical reaction Methods 0.000 description 19
- 238000005886 esterification reaction Methods 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 11
- 230000032050 esterification Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000000926 separation method Methods 0.000 description 9
- 238000000746 purification Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 238000002156 mixing Methods 0.000 description 7
- 238000004806 packaging method and process Methods 0.000 description 6
- 238000005520 cutting process Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000007795 chemical reaction product Substances 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000003925 fat Substances 0.000 description 2
- 238000000855 fermentation Methods 0.000 description 2
- 230000004151 fermentation Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 239000000419 plant extract Substances 0.000 description 1
- 238000010298 pulverizing process Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000007086 side reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Abstract
本申请提供一种脂肪酸生物饲料生产监控系统的故障诊断方法,本申请通过获取脂肪酸生物饲料生产流程中的故障监测节点,确定用于故障诊断的目标生产调度链路,并利用该链路的运行变迁信息和装置级作业数据,调整生产轨迹并输出故障诊断数据。这种方法能够有效地在生产全域视野下追踪和分析故障监测节点对应生产环节的生产轨迹,同时结合装置级作业数据所反映的生产层级交互情况,精准地诊断出故障节点和故障原因,从而可以显著提高脂肪酸生物饲料生产流程的故障诊断效率和准确性,降低生产过程中的故障率和成本损失,为生产过程的优化和稳定提供有力支持。
Description
技术领域
本申请涉及故障诊断技术领域,具体而言,涉及一种脂肪酸生物饲料生产监控系统的故障诊断方法。
背景技术
随着生物技术的不断发展和应用,脂肪酸生物饲料作为一种高效、环保的饲料产品,在畜牧业中得到了广泛的应用。然而,在脂肪酸生物饲料的生产过程中,由于生产流程的复杂性和设备的多样性,难免会出现各种故障和问题,这些故障不仅会影响生产效率和产品质量,还可能造成资源浪费和环境污染。
目前,传统的脂肪酸生物饲料生产监控系统通常只能对生产过程中的设备进行简单的状态监测和故障报警,无法对故障进行深入的分析和诊断。当出现故障时,生产管理人员往往需要依靠经验和直觉来判断故障的原因和位置,这种方式不仅效率低下,而且准确性也无法保证。
因此,如何对脂肪酸生物饲料生产流程中的故障进行快速、准确的诊断,成为当前生物饲料生产领域亟待解决的问题。
发明内容
为了至少克服现有技术中的上述不足,本申请的目的在于提供一种脂肪酸生物饲料生产监控系统的故障诊断方法。
第一方面,本申请提供一种脂肪酸生物饲料生产监控系统的故障诊断方法,应用于故障诊断系统,所述方法包括:
获取脂肪酸生物饲料生产流程中的故障监测节点,并基于所述故障监测节点从所述脂肪酸生物饲料生产流程中确定用于进行故障诊断的目标生产调度链路;
获取所述目标生产调度链路的运行变迁信息;所述运行变迁信息用于反映所述目标生产调度链路从原始运行模式变迁到当前运行模式的变迁信息;
获取所述目标生产调度链路在所述原始运行模式下时在所述目标生产调度链路的单位生产路径中的装置级作业数据;
基于所述运行变迁信息,调整在生产全域视野下从所述故障监测节点所对应的生产环节产生的生产轨迹,输出在所述单位生产路径中的目标生产轨迹;
依据所述装置级作业数据所对应的生产层级中与所述目标生产轨迹相交互的生产层级,输出所述故障监测节点在所述脂肪酸生物饲料生产流程中的故障诊断数据。
在第一方面的一种可能的实施方式中,所述方法还包括:
在所述目标生产调度链路所处的单位生产路径中先验生产知识空间中构建作业点阵,输出单位作业点阵;
确定处于原始运行模式的所述目标生产调度链路在所述先验生产知识空间上的映射分区覆盖的每个单位生产环节,输出各目标单位生产环节;
对于每个所述目标单位生产环节,依据从所述目标单位生产环节产生的生产轨迹和所述目标生产调度链路,输出所述目标单位生产环节对应的点阵单元级作业数据;
基于各所述目标单位生产环节对应的点阵单元级作业数据,输出所述目标生产调度链路的装置级作业数据。
在第一方面的一种可能的实施方式中,所述依据从所述目标单位生产环节产生的生产轨迹和所述目标生产调度链路,输出所述目标单位生产环节对应的点阵单元级作业数据,包括:
依据所述目标单位生产环节生成第一生产轨迹;所述第一生产轨迹从所述目标单位生产环节生成且与所述先验生产知识空间存在交互;
获取所述第一生产轨迹切入所述目标生产调度链路时的调度层级参数以及所述第一生产轨迹切出所述目标生产调度链路时的调度层级参数,输出各调度层级参数;
获取各所述调度层级参数的调度字段;每个所述调度层级参数的调度字段为第一设定调度字段或第二设定调度字段中的一个,所述第一设定调度字段,用于反映切入所述目标生产调度链路,所述第二设定调度字段,用于反映切出所述目标生产调度链路;
基于各所述调度层级参数的调度字段,输出所述目标单位生产环节对应的点阵单元级作业数据。
在第一方面的一种可能的实施方式中,所述基于各所述调度层级参数的调度字段,输出所述目标单位生产环节对应的点阵单元级作业数据,包括:
基于升序规则对各所述调度层级参数进行升序整理,输出调度层级参数列表;
从所述调度层级参数列表中确定目标调度层级参数;所述目标调度层级参数的调度字段为第二设定调度字段,且所述目标调度层级参数的下一调度层级参数的调度字段为第一设定调度字段;
在所述目标调度层级参数和所述目标调度层级参数的下一调度层级参数之间,将所述调度层级参数列表拆分生成多个调度层级参数子列表;
对于每个所述调度层级参数子列表,将所述调度层级参数子列表中起始调度层级参数作为生产层级的前向调度层级参数,并将所述调度层级参数子列表中终止调度层级参数作为生产层级的后向调度层级参数,输出所述调度层级参数子列表对应的生产层级信息;
基于每个所述调度层级参数子列表对应的生产层级信息生成所述目标单位生产环节对应的点阵单元级作业数据。
在第一方面的一种可能的实施方式中,所述基于所述故障监测节点从所述脂肪酸生物饲料生产流程中确定用于进行故障诊断的目标生产调度链路,包括:
确定所述故障监测节点在所述脂肪酸生物饲料生产流程所处生产全域视野中设定生产知识空间上的映射坐标所处的全局生产环节,输出目标全局生产环节;所述全局生产环节用于表示全局作业点阵中的生产环节,所述全局作业点阵是在所述设定生产知识空间中构建的作业点阵;
依据所述目标全局生产环节生成第二生产轨迹;所述第二生产轨迹从所述目标全局生产环节生成且交互于所述设定生产知识空间;
从所述脂肪酸生物饲料生产流程中获取与所述第二生产轨迹相交互的生产调度链路,输出用于进行故障诊断的目标生产调度链路。
在第一方面的一种可能的实施方式中,所述基于所述运行变迁信息,调整在生产全域视野下从所述故障监测节点所对应的生产环节产生的生产轨迹,输出在所述单位生产路径中的目标生产轨迹,包括:
基于所述运行变迁信息对所述第二生产轨迹进行负维迁移;所述负维迁移是与正维迁移反向维度的迁移,所述正维迁移用于表示基于所述运行变迁信息对所述目标生产调度链路进行的迁移;
将负维迁移后所生成的生产轨迹,变换为所述单位生产路径中的目标生产轨迹。
在第一方面的一种可能的实施方式中,所述故障监测节点对应有多个目标生产调度链路,所述多个目标生产调度链路中包括至少一个调度标准化的目标生产调度链路和至少一个调度非标准化的目标生产调度链路,所述装置级作业数据是在所述目标生产调度链路为非标准化状态下获取的;
所述依据所述装置级作业数据所对应的生产层级中与所述目标生产轨迹相交互的生产层级,输出所述故障监测节点在所述脂肪酸生物饲料生产流程中的故障诊断数据,包括:
对于调度非标准化的所述目标生产调度链路,依据所述装置级作业数据所对应的生产层级中与所述目标生产轨迹相交互的生产层级,输出目标生产层级;所述装置级作业数据所对应的生产层级,用于表示所述目标生产调度链路在先验生产知识空间上映射分区覆盖的生产环节所扩展生成的生产环节单元中的生产层级,所述生产环节单元中的生产层级用于反映所述目标生产调度链路在所述生产环节单元中覆盖的层级;
获取调度标准化的所述目标生产调度链路与关联所述故障监测节点的生产轨迹的各依赖关系,输出各目标依赖关系;
基于各所述目标生产层级和各所述目标依赖关系,确定所述故障监测节点所对应的生产环节单元中的各生产层级;
依据所述故障监测节点所对应的生产环节单元中的各生产层级,确定所述故障监测节点在所述脂肪酸生物饲料生产流程中的故障诊断数据。
在第一方面的一种可能的实施方式中,所述运行变迁信息中包括目标变迁向量上的衍生参数,所述目标变迁向量用于表示在所述在生产全域视野下从所述故障监测节点所对应的生产环节产生的生产轨迹的通道;
所述依据所述装置级作业数据所对应的生产层级中与所述目标生产轨迹相交互的生产层级,输出目标生产层级,包括:
从所述装置级作业数据所对应的生产层级中获取与所述目标生产轨迹相交互的生产层级,输出交互生产层级;
基于所述衍生参数对所述交互生产层级进行衍生处理生成目标生产层级。
在第一方面的一种可能的实施方式中,所述方法还包括:
基于在所述脂肪酸生物饲料生产流程中触发的生产操作事件,获取所述生产操作事件的生产节点得到目标生产节点;
从所述脂肪酸生物饲料生产流程的观测生产节点至所述目标生产节点确定生产轨迹,输出观测生产轨迹,从所述脂肪酸生物饲料生产流程中各生产调度链路的异常路径中确定所述观测生产轨迹命中的首个异常路径,输出目标异常路径,将所述目标异常路径所属的生产调度链路,确定为用于进行故障诊断的故障诊断链路;
基于所述故障诊断链路的运行变迁信息,将所述观测生产轨迹变换为所述故障诊断链路的单位生产路径中的单位观测生产轨迹;
基于所述单位观测生产轨迹与所述故障诊断链路的装置级作业数据指示的生产层级之间的关系,输出所述目标生产节点的故障诊断数据;
在所述故障诊断数据为存在故障时,对于所述故障诊断链路执行的所述生产操作事件进行修复。
第二方面,本申请实施例还提供一种故障诊断系统,所述故障诊断系统包括处理器和机器可读存储介质,所述机器可读存储介质中存储有计算机程序,所述计算机程序依据该处理器加载并执行以实现以上第一方面的脂肪酸生物饲料生产监控系统的故障诊断方法。
基于以上任意一个方面,本申请的有益效果如下:
本申请实施例通过获取脂肪酸生物饲料生产流程中的故障监测节点,确定用于故障诊断的目标生产调度链路,并利用该链路的运行变迁信息和装置级作业数据,调整生产轨迹并输出故障诊断数据。这种方法能够有效地在生产全域视野下追踪和分析故障监测节点对应生产环节的生产轨迹,同时结合装置级作业数据所反映的生产层级交互情况,精准地诊断出故障节点和故障原因,从而可以显著提高脂肪酸生物饲料生产流程的故障诊断效率和准确性,降低生产过程中的故障率和成本损失,为生产过程的优化和稳定提供有力支持。
也即,通过获取生产流程中的故障监测节点,并基于此确定用于进行故障诊断的目标生产调度链路。进一步,通过获取该链路的运行变迁信息以及装置级作业数据,可以反映链路从原始运行模式到当前运行模式的变迁情况。然后,基于这些信息,对生产全域视野下的生产轨迹进行调整,并输出在单位生产路径中的目标生产轨迹。最后,依据与目标生产轨迹相交互的生产层级,输出故障监测节点在生物饲料生产流程中的故障诊断数据,从而有助于实现精准的故障诊断,优化生产流程,降低由设备故障引起的生产损失。同时,能够动态调整生产轨迹,使得生产流程更加适应各类故障状况的变化,从而提高了生产效率和产品质量。
附图说明
图1为本申请实施例提供的脂肪酸生物饲料生产监控系统的故障诊断方法的流程示意图;
图2为本申请实施例提供的用于实现上述的脂肪酸生物饲料生产监控系统的故障诊断方法的故障诊断系统的功能结构示意框图。
具体实施方式
参见图1所示,本申请提供一种脂肪酸生物饲料生产监控系统的故障诊断方法,包括以下步骤。
步骤S110,获取脂肪酸生物饲料生产流程中的故障监测节点,并基于所述故障监测节点从所述脂肪酸生物饲料生产流程中确定用于进行故障诊断的目标生产调度链路。
其中,脂肪酸生物饲料生产流程是一个特定的生产流程,用于制造含有脂肪酸成分的生物饲料。这个流程可能包括原料准备、发酵、提取、混合、干燥、粉碎和包装等多个步骤,每个步骤都有特定的设备和操作要求。比如,在一个典型的脂肪酸生物饲料生产流程中,可能首先从油脂或脂肪酸丰富的植物中提取原料,通过微生物发酵过程增加生物活性成分,再经过混合和干燥等步骤,最终形成可供动物食用的饲料。
在生产流程中,故障监测节点指的是那些被特别监控的关键点,这些点通常是设备、工艺步骤或质量控制点,其运行状态直接影响到整个生产流程的稳定性和产品质量。例如,在脂肪酸生物饲料生产流程中,一个酯化反应釜可能就是一个故障监测节点。因为这个设备的正常运行对于确保饲料中脂肪酸成分的正确含量至关重要。如果这个反应釜出现故障,如温度控制失灵,就可能导致整批饲料的质量不达标。
在生产流程中,目标生产调度链路是指从故障监测节点出发,沿着生产流程路径,所经过的一系列相互关联的生产环节。这个链路是故障发生时最直接受影响的部分,也是进行故障诊断和调整的关键路径。以酯化反应釜为例,从原料投放到酯化反应、再到后续的分离提纯和产品包装,这一系列环节就构成了一个目标生产调度链路。当酯化反应釜出现故障时,这个链路上的其他环节都可能受到影响,需要进行相应的调整和优化。
详细地,在一种示例中,故障诊断系统通过接入脂肪酸生物饲料生产流程的自动化监控系统(如SCADA系统),实时获取生产线上各个环节的状态数据。这些数据包括设备的运行时间、温度、压力、流量等关键参数。
例如,通过数据分析,故障诊断系统检测到某个环节的参数频繁超出正常范围,如反应釜的温度持续偏高。这个环节被标记为一个故障监测节点。
接下来,故障诊断系统查询生产流程数据库,确定该环节在生产流程中的位置和作用。例如,检测到这个环节是脂肪酸酯化反应的关键步骤,其稳定性和效率直接影响到后续的生产过程。故障诊断系统进一步分析该环节与其他生产环节之间的依赖关系,确定了一条从原料投放到产品包装的关键生产调度链路,即目标生产调度链路。这条目标生产调度链路包括原料投放、酯化反应、分离提纯、产品调和以及包装等多个环节。
步骤S120,获取所述目标生产调度链路的运行变迁信息。所述运行变迁信息用于反映所述目标生产调度链路从原始运行模式变迁到当前运行模式的变迁信息。
其中,所述运行变迁信息指的是目标生产调度链路在生产过程中从一种运行模式转变到另一种运行模式时所产生的数据和信息。这些变迁可能包括设备状态的变化、生产速度的调整、原料配比的改变等。例如,假设在正常生产模式下,酯化反应釜的运行温度为80℃,但在某个时刻,由于冷却系统故障,反应釜的温度逐渐升高到90℃。这个温度变化的过程以及由此引发的其他生产参数的变化(如反应速度加快、产品成分变化等)就构成了运行变迁信息。这些运行变迁信息对于分析故障原因和制定调整策略至关重要。
详细地,在一种示例中,故障诊断系统访问生产调度系统的历史数据库,提取目标生产调度链路在过去一段时间内的运行数据。这些运行数据包括各个环节的生产速度、设备状态、原料投入量、产品产出量等。通过对比分析历史数据,故障诊断系统检测到目标生产调度链路在故障发生前后经历了明显的运行模式变迁。例如,在故障发生前,酯化反应环节的生产速度保持稳定,而在故障发生后,生产速度出现了大幅度的波动。
故障诊断系统将这些变迁信息记录下来,包括生产速度的变化趋势、设备状态的转换过程以及原料投入和产品产出的调整情况等。
步骤S130,获取所述目标生产调度链路在所述原始运行模式下时在所述目标生产调度链路的单位生产路径中的装置级作业数据。
其中,所述单位生产路径指的是生产流程中从原料到最终产品的一个具体、明确的路径,包含了生产过程中一系列相互关联的步骤和操作,每个步骤都对产品的最终形成起着重要作用。在这个单位生产路径上,原料经过加工、转换和组装等过程,最终成为符合质量要求的成品。例如,在脂肪酸生物饲料的生产中,一个单位生产路径可能包括从原料(如油脂、植物提取物)的接收和储存开始,经过特定的化学反应(如酯化)和物理处理(如分离、提纯),再到混合、干燥、粉碎和包装等步骤,最终形成袋装或散装的饲料产品。
所述装置级作业数据指的是在生产过程中,由各个生产设备或装置产生的详细操作数据。这些数据通常包括设备的运行状态、工艺参数(如温度、压力、流量)、原料和产品的实时质量数据等。这些数据对于监控生产过程的稳定性和产品质量至关重要。例如,在酯化反应这一步骤中,装置级作业数据可能包括反应釜内的温度读数、压力传感器的数据、原料和催化剂的投入量以及反应产物的实时分析结果等。这些数据可以帮助操作人员精确控制反应条件,确保产品质量和生产效率。
由此,为了更深入地确定故障对生产流程的影响,故障诊断系统需要获取目标生产调度链路在原始运行模式下的详细作业数据。这些详细作业数据包括酯化反应釜的温度和压力曲线、分离提纯设备的运行参数、产品调和配方的详细记录等。
故障诊断系统通过查询生产数据仓库,获取了这些装置级作业数据。这些装置级作业数据以时间序列的形式记录了各个生产环节在正常状态下的运行过程,为后续的故障分析和诊断提供了重要的参考依据。
步骤S140,基于所述运行变迁信息,调整在生产全域视野下从所述故障监测节点所对应的生产环节产生的生产轨迹,输出在所述单位生产路径中的目标生产轨迹。
所述生产全域视野指的是对整个生产流程的全面、整体性的观察和理解,不仅仅局限于单个设备或生产环节,而是将整个生产流程看作一个有机整体,关注各个环节之间的相互关系和影响。这种视野有助于发现生产过程中的瓶颈和问题,制定全局性的优化策略。例如,在脂肪酸生物饲料的生产中,生产全域视野可能涉及到从原料采购到产品销售的每一个环节。例如,通过分析原料价格波动对生产成本的影响,调整采购策略;通过监控生产过程中的能耗和排放数据,优化环保措施;通过实时跟踪市场需求和客户反馈,调整产品配方和生产计划等。
所述生产轨迹是指在生产过程中,由各个生产环节产生的数据点所形成的一条路径或轨迹。这些数据点反映了产品在生产过程中的状态变化和历史记录,包括原料投入、工艺参数调整、质量检测结果等关键信息。例如,在脂肪酸生物饲料的生产中,一个生产轨迹可能从原料的投入开始记录,包括原料的种类、数量和质量;然后记录各个生产环节的操作参数和工艺条件;最后记录产品的产出数量、质量指标和检测结果等信息。这个轨迹可以帮助管理人员追溯产品的生产历史,分析生产过程中的问题和改进措施。
由此,在本实施例中,故障诊断系统利用获取的运行变迁信息,结合生产全域视野下的数据模型,对目标生产调度链路的生产轨迹进行调整。这个调整过程考虑了故障发生后的生产调整策略和生产流程的动态变化。
具体来说,故障诊断系统根据故障监测节点的实时数据和历史变迁信息,预测了在当前故障状态下,为了保持生产效率和产品质量所需的最优生产路径。这个最优生产路径即目标生产轨迹,它考虑了设备状态、原料投入量、生产速度等多个因素的综合影响。其中,故障诊断系统可以将目标生产轨迹以可视化的形式呈现出来,包括生产速度曲线、设备状态变化图等,以便生产管理人员直观地了解当前的生产情况和调整策略。
步骤S150,依据所述装置级作业数据所对应的生产层级中与所述目标生产轨迹相交互的生产层级,输出所述故障监测节点在所述脂肪酸生物饲料生产流程中的故障诊断数据。
其中,所述生产层级指的是在生产流程中,不同级别的生产组织或生产环节。这些层级可以是设备级、工序级、车间级、工厂级等,每个层级都有其特定的功能和作用,共同构成完整的生产系统。例如,在脂肪酸生物饲料生产流程中,生产层级可能包括原料准备工序(如破碎、混合)、反应工序(如酯化反应)、分离提纯工序、产品调和与包装工序等。每个工序内部又可能包含多个设备或操作单元,如反应釜、分离塔、干燥机等。
由此,与目标生产轨迹相交互的生产层级是指那些与目标生产轨迹直接相关或相互影响的生产层级。在生产过程中,目标生产轨迹可能会受到其他生产层级的影响,或者对其他生产层级产生影响。因此,分析这些交互关系对于理解生产过程的整体性能和诊断故障至关重要。例如,假设目标生产轨迹涉及脂肪酸生物饲料生产中的酯化反应环节,那么与该环节相交互的生产层级可能包括提供原料的上游工序(如油脂提取)、控制反应条件的自动化系统、以及接收反应产物的下游工序(如分离提纯)。任何这些层级的变化都可能对酯化反应环节的性能产生影响。
所述故障诊断数据是指通过分析生产过程中的各种信息(如设备状态、工艺参数、产品质量等),得出的关于故障原因、性质和影响的数据。这些数据通常用于指导维修人员定位故障源、制定维修计划和采取适当的修复措施。例如,在脂肪酸生物饲料生产流程中,如果酯化反应釜出现故障导致反应温度异常升高,那么故障诊断数据可能包括反应釜内的实时温度读数、温度控制系统的状态信息、以及由此引发的产品质量变化数据(如脂肪酸含量超标)。这些数据可以帮助维修人员迅速定位到温度控制系统的问题,并采取相应的修复措施。
在一个详细的示例中,故障诊断系统依据装置级作业数据所对应的生产层级中与目标生产轨迹相交互的生产层级,进行深入的分析和诊断。例如,可以比较故障发生前后的作业数据差异,识别出了故障对生产流程的具体影响。
例如,故障诊断系统检测到酯化反应釜的温度持续偏高导致了反应速度加快,但同时也增加了副反应的风险。这个故障不仅影响了酯化反应环节的生产效率,还可能对后续分离提纯和产品调和环节的产品质量造成不良影响。
基于这些分析,故障诊断系统输出了详细的故障诊断数据,包括故障的类型(如温度偏高)、故障发生的原因(如冷却系统故障)、故障对生产流程的影响程度(如生产效率下降10%,产品质量风险增加)以及推荐的故障处理措施(如检修冷却系统,调整反应温度控制策略)等。这些数据为生产管理人员提供了有力的决策支持,帮助他们快速制定并执行有效的故障应对措施。
基于以上步骤,本申请实施例通过获取脂肪酸生物饲料生产流程中的故障监测节点,确定用于故障诊断的目标生产调度链路,并利用该链路的运行变迁信息和装置级作业数据,调整生产轨迹并输出故障诊断数据。这种方法能够有效地在生产全域视野下追踪和分析故障监测节点对应生产环节的生产轨迹,同时结合装置级作业数据所反映的生产层级交互情况,精准地诊断出故障节点和故障原因,从而可以显著提高脂肪酸生物饲料生产流程的故障诊断效率和准确性,降低生产过程中的故障率和成本损失,为生产过程的优化和稳定提供有力支持。
也即,通过获取生产流程中的故障监测节点,并基于此确定用于进行故障诊断的目标生产调度链路。进一步,通过获取该链路的运行变迁信息以及装置级作业数据,可以反映链路从原始运行模式到当前运行模式的变迁情况。然后,基于这些信息,对生产全域视野下的生产轨迹进行调整,并输出在单位生产路径中的目标生产轨迹。最后,依据与目标生产轨迹相交互的生产层级,输出故障监测节点在生物饲料生产流程中的故障诊断数据,从而有助于实现精准的故障诊断,优化生产流程,降低由设备故障引起的生产损失。同时,能够动态调整生产轨迹,使得生产流程更加适应各类故障状况的变化,从而提高了生产效率和产品质量。
在一种可能的实施方式中,所述方法还包括:
步骤A110,在所述目标生产调度链路所处的单位生产路径中先验生产知识空间中构建作业点阵,输出单位作业点阵。
本实施例中,故障诊断系统首先识别出目标生产调度链路,这是脂肪酸生物饲料生产流程中的一个关键路径,涉及从原料投放到最终产品包装的一系列步骤。接着,故障诊断系统访问先验生产知识空间,这是一个存储了历史生产数据、工艺参数、设备性能等信息的数据库。在这个空间中,故障诊断系统根据目标生产调度链路的特性,构建一个作业点阵。这个点阵可以看作是一个二维网格,每个格子代表一个生产环节或设备,格子内的信息反映了该环节或设备的作业状态。故障诊断系统输出这个构建好的单位作业点阵,供后续步骤使用。
步骤A120,确定处于原始运行模式的所述目标生产调度链路在所述先验生产知识空间上的映射分区覆盖的每个单位生产环节,输出各目标单位生产环节。
本实施例中,故障诊断系统现在需要确定在原始运行模式下,目标生产调度链路在先验生产知识空间上的映射分区。这意味着故障诊断系统要找出在历史数据中,与目标生产调度链路相对应的那些生产环节。通过对比和分析,故障诊断系统识别出这些环节,并将它们定义为目标单位生产环节。这些环节是生产流程中的关键部分,它们的性能直接影响到整个生产过程的稳定性和产品质量。故障诊断系统输出这些目标单位生产环节的信息,以便进行更深入的分析。
步骤A130,对于每个所述目标单位生产环节,依据从所述目标单位生产环节产生的生产轨迹和所述目标生产调度链路,输出所述目标单位生产环节对应的点阵单元级作业数据。
本实施例中,针对每一个识别出的目标单位生产环节,故障诊断系统开始收集和分析从该环节产生的生产轨迹数据。这些数据包括设备运行状态、工艺参数变化、原料和产品的实时质量信息等。故障诊断系统将这些数据与目标生产调度链路相结合,进行深入的数据挖掘和分析。最终,故障诊断系统为每个目标单位生产环节生成了一份点阵单元级作业数据报告。这份点阵单元级作业数据报告详细记录了该环节在生产过程中的各项作业数据,为后续的故障诊断和优化提供了重要依据。
步骤A140,基于各所述目标单位生产环节对应的点阵单元级作业数据,输出所述目标生产调度链路的装置级作业数据。
本实施例中,在收集了所有目标单位生产环节的点阵单元级作业数据后,故障诊断系统开始对这些点阵单元级作业数据进行整合和处理。通过数据清洗、转换和聚合等操作,故障诊断系统将这些分散的点阵单元级作业数据整合成一份完整的装置级作业数据报告。这份装置级作业数据报告详细描述了目标生产调度链路中各个设备的运行状态、工艺参数的变化趋势以及产品质量的实时情况。这份装置级作业数据不仅为生产管理人员提供了全面的生产情况概览,还为后续的故障诊断和生产优化提供了有力的数据支持。
在一种可能的实施方式中,步骤A130可以包括:
步骤A131,依据所述目标单位生产环节生成第一生产轨迹。所述第一生产轨迹从所述目标单位生产环节生成且与所述先验生产知识空间存在交互。
在故障诊断系统中,当目标单位生产环节(例如脂肪酸生物饲料生产中的酯化反应环节)开始运行时,会产生一系列的生产数据,这些数据包括设备状态、工艺参数、原料投入量、产品产出量等。故障诊断系统根据这些数据实时生成第一生产轨迹。这个轨迹不仅记录了该生产环节内部的操作过程,还与先验生产知识空间存在交互,即故障诊断系统会将这个轨迹与历史数据、工艺规范等进行比对和分析,以评估当前生产的稳定性和效率。
步骤A132,获取所述第一生产轨迹切入所述目标生产调度链路时的调度层级参数以及所述第一生产轨迹切出所述目标生产调度链路时的调度层级参数,输出各调度层级参数。
本实施例中,当第一生产轨迹切入目标生产调度链路(如从酯化反应环节进入到分离提纯环节)时,故障诊断系统会捕获并记录切入点的调度层级参数,如切入时间、切入点的设备状态、工艺参数等。同样地,当第一生产轨迹从目标生产调度链路切出时(如从分离提纯环节进入到产品调和环节),故障诊断系统也会记录切出点的调度层级参数。这些参数对于理解生产过程中的物流、信息流和能量流至关重要。
步骤A133,获取各所述调度层级参数的调度字段。每个所述调度层级参数的调度字段为第一设定调度字段或第二设定调度字段中的一个,所述第一设定调度字段,用于反映切入所述目标生产调度链路,所述第二设定调度字段,用于反映切出所述目标生产调度链路。
本实施例中,每个调度层级参数都有一个或多个与之关联的调度字段。这些字段用于描述参数的具体含义和用途。例如,切入时间可能关联一个时间戳字段,设备状态可能关联一个设备编号和状态码字段等。故障诊断系统会根据预设的规则或数据字典,获取并解析各调度层级参数的调度字段。这些字段可以是第一设定调度字段(用于反映切入目标生产调度链路的情况)或第二设定调度字段(用于反映切出目标生产调度链路的情况)。
步骤A134,基于各所述调度层级参数的调度字段,输出所述目标单位生产环节对应的点阵单元级作业数据。
本实施例中,将收集到的各调度层级参数的调度字段进行整合和处理,生成一份点阵单元级作业数据报告。这份报告详细描述了目标单位生产环节在生产过程中的作业情况,包括切入和切出目标生产调度链路的时间、设备状态变化、工艺参数调整等关键信息。这份数据不仅为生产管理人员提供了实时的生产监控和故障诊断能力,还为后续的生产优化和决策支持提供了重要的数据基础。
在一种可能的实施方式中,步骤A134可以包括:
步骤A1341,基于升序规则对各所述调度层级参数进行升序整理,输出调度层级参数列表。
故障诊断系统首先收集到目标单位生产环节(如脂肪酸生物饲料生产中的某个具体工序)在生产过程中产生的各调度层级参数。这些参数可能包括时间戳、设备状态码、工艺参数值等,它们反映了生产过程中的不同方面和阶段。为了确保后续处理的准确性和一致性,故障诊断系统需要按照升序规则(如时间先后顺序)对这些参数进行整理。通过排序算法,故障诊断系统将这些参数按照升序排列,并输出一个有序的调度层级参数列表。
步骤A1342,从所述调度层级参数列表中确定目标调度层级参数。所述目标调度层级参数的调度字段为第二设定调度字段,且所述目标调度层级参数的下一调度层级参数的调度字段为第一设定调度字段。
在排序后的调度层级参数列表中,故障诊断系统需要找到特定的目标调度层级参数。这个参数的特点是它的调度字段为第二设定调度字段(表示切出目标生产调度链路),并且它的下一个调度层级参数的调度字段为第一设定调度字段(表示切入目标生产调度链路)。换句话说,故障诊断系统在寻找一个生产过程的结束点,该点之后紧接着是一个新的生产过程的开始点。找到这样的目标调度层级参数后,故障诊断系统将其记录下来。
步骤A1343,在所述目标调度层级参数和所述目标调度层级参数的下一调度层级参数之间,将所述调度层级参数列表拆分生成多个调度层级参数子列表。
一旦确定了目标调度层级参数及其下一个调度层级参数,故障诊断系统就在它们之间将原始的调度层级参数列表拆分成多个子列表。每个子列表代表了一个相对独立的生产过程或阶段。这样的拆分有助于更细粒度地分析和理解生产过程中的各个环节和它们之间的关联。
步骤A1344,对于每个所述调度层级参数子列表,将所述调度层级参数子列表中起始调度层级参数作为生产层级的前向调度层级参数,并将所述调度层级参数子列表中终止调度层级参数作为生产层级的后向调度层级参数,输出所述调度层级参数子列表对应的生产层级信息。
对于拆分得到的每一个调度层级参数子列表,故障诊断系统会进一步处理以提取生产层级信息。具体来说,故障诊断系统将子列表中的起始调度层级参数(即子列表中的第一个参数)视为该生产层级的开始点或前向调度层级参数;同样地,将子列表中的终止调度层级参数(即子列表中的最后一个参数)视为该生产层级的结束点或后向调度层级参数。通过这种方式,故障诊断系统为每个子列表生成了相应的生产层级信息,这些信息描述了在该生产层级内发生的具体生产活动和它们的时间顺序。
步骤A1345,基于每个所述调度层级参数子列表对应的生产层级信息生成所述目标单位生产环节对应的点阵单元级作业数据。
最后,故障诊断系统利用前面步骤中生成的生产层级信息来构建目标单位生产环节对应的点阵单元级作业数据。这些数据以二维表格或其他结构化形式呈现,其中每个单元格代表了特定时间点和特定设备或工艺参数的状态或值。通过这样的点阵单元级作业数据,生产管理人员可以直观地看到生产过程中各个环节的详细情况,包括设备运行状态、工艺参数变化等关键信息,从而为故障诊断和生产优化提供有力支持。
在一种可能的实施方式中,步骤S110可以包括:
步骤S111,确定所述故障监测节点在所述脂肪酸生物饲料生产流程所处生产全域视野中设定生产知识空间上的映射坐标所处的全局生产环节,输出目标全局生产环节。所述全局生产环节用于表示全局作业点阵中的生产环节,所述全局作业点阵是在所述设定生产知识空间中构建的作业点阵。
在脂肪酸生物饲料生产过程中,故障诊断系统持续地监测各个生产节点的状态。当某个节点(故障监测节点)出现异常或故障时,故障诊断系统会立即响应。首先,故障诊断系统会确定这个故障监测节点在生产全域视野中的位置,这通常是通过映射到一个设定的生产知识空间来实现的。在这个空间中,每个生产节点都有一个唯一的坐标或标识符。故障诊断系统通过查询或计算,找到故障监测节点在这个生产知识空间上的映射坐标,并进一步确定这个坐标所对应的全局生产环节。这个全局生产环节是全局作业点阵中的一个单元,代表了生产流程中的一个具体步骤或操作。故障诊断系统将这个全局生产环节作为目标全局生产环节输出,为后续的故障诊断提供了重要的上下文信息。
步骤S112,依据所述目标全局生产环节生成第二生产轨迹。所述第二生产轨迹从所述目标全局生产环节生成且交互于所述设定生产知识空间。
确定了目标全局生产环节后,故障诊断系统开始生成与该环节相关的第二生产轨迹。这个轨迹记录了从目标全局生产环节开始的一系列生产活动和数据,包括设备状态、工艺参数、原料和产品的流动情况等。与第一生产轨迹类似,第二生产轨迹也是与生产知识空间存在交互的,这意味着故障诊断系统会实时地将这个轨迹与历史数据、工艺规范等进行比对和分析,以评估当前生产的稳定性和效率。通过这种方式,故障诊断系统能够更全面地了解目标全局生产环节以及与之相关的生产过程和上下文信息。
步骤S113,从所述脂肪酸生物饲料生产流程中获取与所述第二生产轨迹相交互的生产调度链路,输出用于进行故障诊断的目标生产调度链路。
在生成了第二生产轨迹后,故障诊断系统开始分析这个轨迹与脂肪酸生物饲料生产流程中的其他生产调度链路之间的交互关系。生产调度链路是生产流程中一系列相互关联的生产活动和操作的集合,它们共同完成了从原料投入到产品产出的整个过程。故障诊断系统通过比对和分析第二生产轨迹与各生产调度链路的交互数据(如物流、信息流、能量流等),找到与第二生产轨迹紧密相关或受其影响的生产调度链路。这些链路可能是直接导致故障发生的原因所在,也可能是故障传播的路径或受故障影响的区域。故障诊断系统将这些与第二生产轨迹相交互的生产调度链路作为用于进行故障诊断的目标生产调度链路输出,为后续的故障定位、原因分析和解决方案制定提供了重要的线索和依据。
在一种可能的实施方式中,步骤S140可以包括:
步骤S141,基于所述运行变迁信息对所述第二生产轨迹进行负维迁移。所述负维迁移是与正维迁移反向维度的迁移,所述正维迁移用于表示基于所述运行变迁信息对所述目标生产调度链路进行的迁移。
在故障诊断系统中,当收集到故障监测节点的运行变迁信息后,这些信息反映了生产过程中的变化和调整。故障诊断系统首先分析这些信息,理解生产环节之间的动态关系和相互影响。然后,它使用这些信息来对第二生产轨迹进行负维迁移。负维迁移是与正维迁移反向维度的迁移,它意味着故障诊断系统在多维度的生产数据空间中,根据运行变迁信息,将第二生产轨迹向相反的方向调整。这种调整可能是时间上的回溯、设备状态的逆转或工艺参数的调整等。通过负维迁移,故障诊断系统能够模拟出在没有故障影响的情况下,生产环节本应呈现的状态和轨迹。
步骤S142,将负维迁移后所生成的生产轨迹,变换为所述单位生产路径中的目标生产轨迹。
完成负维迁移后,故障诊断系统得到了一个新的生产轨迹,这个轨迹去除了故障影响,更真实地反映了生产环节的实际状态和性能。接下来,故障诊断系统需要将这个轨迹变换为单位生产路径中的目标生产轨迹。单位生产路径是生产流程中的一个标准化或基准化的路径,它定义了从原料到产品的标准转换过程和关键节点。故障诊断系统通过比对和分析负维迁移后的生产轨迹与单位生产路径之间的差异和相似性,进行必要的调整和转换。这可能包括时间轴的对齐、数据格式的转换、参数单位的统一等。最终,故障诊断系统输出了一个与单位生产路径相匹配的目标生产轨迹,这个轨迹可以用于后续的生产分析、优化和故障预防。
在一种可能的实施方式中,所述故障监测节点对应有多个目标生产调度链路,所述多个目标生产调度链路中包括至少一个调度标准化的目标生产调度链路和至少一个调度非标准化的目标生产调度链路,所述装置级作业数据是在所述目标生产调度链路为非标准化状态下获取的。
其中,在工业生产流程中,调度标准化和调度非标准化是对生产调度链路状态的描述,反映了生产过程中的组织、协调和控制方式是否遵循既定的标准和规范。
调度标准化指的是生产调度链路按照既定的标准、规范和流程进行组织和执行。这通常意味着生产过程中的各个环节、设备、工艺参数等都遵循统一的标准进行操作和管理,以确保生产过程的稳定性、一致性和可预测性。标准化的调度有助于减少操作误差、提高生产效率、降低成本,并有利于问题的快速诊断和解决。
在标准化的生产调度链路中,各个环节之间的衔接和协调都经过精心设计和优化,以确保生产流程的顺畅进行。此外,标准化还有助于实现生产过程的自动化和智能化,因为标准化的流程和参数更容易被计算机系统和智能算法理解和处理。
调度非标准化则与调度标准化相对,指的是生产调度链路中存在不符合既定标准、规范或流程的情况。这可能是由于生产过程中的特殊情况、设备故障、原料变化、工艺调整等原因导致的。非标准化的调度可能会增加生产过程的复杂性和不确定性,给生产管理和故障诊断带来挑战。
在非标准化的生产调度链路中,可能需要更多的人工干预和判断来处理异常情况,以确保生产的顺利进行。同时,非标准化的调度也可能为生产过程带来一定的灵活性和适应性,使其能够更好地应对复杂多变的生产环境和需求。
步骤S150可以包括:
步骤S151,对于调度非标准化的所述目标生产调度链路,依据所述装置级作业数据所对应的生产层级中与所述目标生产轨迹相交互的生产层级,输出目标生产层级。所述装置级作业数据所对应的生产层级,用于表示所述目标生产调度链路在先验生产知识空间上映射分区覆盖的生产环节所扩展生成的生产环节单元中的生产层级,所述生产环节单元中的生产层级用于反映所述目标生产调度链路在所述生产环节单元中覆盖的层级。
在脂肪酸生物饲料生产流程中,故障诊断系统监测到一个故障监测节点,该故障监测节点对应多个目标生产调度链路。这些目标生产调度链路中既有调度标准化的,也有调度非标准化的。对于调度非标准化的链路,故障诊断系统需要特别处理。首先,故障诊断系统会获取该节点在非标准化状态下的装置级作业数据。这些数据反映了在该生产环节中的实际作业情况,包括设备状态、工艺参数、原料和产品流动等。然后,故障诊断系统会分析这些数据所对应的生产层级,找到与目标生产轨迹相交互的生产层级。这些生产层级可能是在先验生产知识空间上映射分区覆盖的生产环节所扩展生成的生产环节单元中的层级。通过分析和比对,故障诊断系统能够确定出哪些生产层级是与目标生产轨迹紧密相关的,并将这些层级作为目标生产层级输出。
步骤S152,获取调度标准化的所述目标生产调度链路与关联所述故障监测节点的生产轨迹的各依赖关系,输出各目标依赖关系。
对于调度标准化的目标生产调度链路,故障诊断系统会进一步分析其与关联故障监测节点的生产轨迹之间的依赖关系。这些依赖关系可能包括时间依赖、设备依赖、工艺依赖等。时间依赖指的是生产活动之间的先后顺序和时间间隔;设备依赖指的是不同设备之间的运行和协作关系;工艺依赖则指的是生产工艺流程中的各个环节之间的关联和影响。故障诊断系统通过收集和分析生产数据、工艺规范等信息,能够确定出这些依赖关系,并将它们作为目标依赖关系输出。这些目标依赖关系为后续的故障诊断提供了重要的线索和依据。
步骤S153,基于各所述目标生产层级和各所述目标依赖关系,确定所述故障监测节点所对应的生产环节单元中的各生产层级。
在确定了目标生产层级和目标依赖关系后,故障诊断系统开始综合分析这些信息,以确定故障监测节点所对应的生产环节单元中的各生产层级。这个过程可能涉及到多维度的数据融合和复杂的逻辑推理。故障诊断系统需要综合考虑装置级作业数据、目标生产轨迹、目标生产层级和目标依赖关系等多方面的信息,通过数据比对、模式识别、关联分析等方法,逐步缩小故障范围,定位到具体的生产环节单元和生产层级。这个过程可能需要反复迭代和优化,以提高故障诊断的准确性和效率。
步骤S154,依据所述故障监测节点所对应的生产环节单元中的各生产层级,确定所述故障监测节点在所述脂肪酸生物饲料生产流程中的故障诊断数据。
最后,故障诊断系统根据故障监测节点所对应的生产环节单元中的各生产层级,生成故障诊断数据。这些数据可能包括故障类型、故障位置、故障原因、影响范围等信息。故障诊断系统通过将这些数据与先验知识库、历史故障案例等进行比对和分析,能够进一步验证和完善故障诊断结果。同时,故障诊断系统还可以将这些数据反馈给生产管理人员或自动化系统,以便及时采取相应的措施进行故障处理和预防。通过这种方式,故障诊断系统能够有效地支持脂肪酸生物饲料生产流程中的故障诊断工作,提高生产效率和产品质量。
在一种可能的实施方式中,所述运行变迁信息中包括目标变迁向量上的衍生参数,所述目标变迁向量用于表示在所述在生产全域视野下从所述故障监测节点所对应的生产环节产生的生产轨迹的通道。
步骤S151可以包括:
步骤S1511,从所述装置级作业数据所对应的生产层级中获取与所述目标生产轨迹相交互的生产层级,输出交互生产层级。
步骤S1512,基于所述衍生参数对所述交互生产层级进行衍生处理生成目标生产层级。
在脂肪酸生物饲料的生产流程中,故障诊断系统持续收集并分析来自各个生产环节的数据。当某个故障监测节点发出异常信号时,故障诊断系统立即进入故障诊断模式。它首先获取该节点对应的装置级作业数据,这些数据详细记录了生产环节中的各项操作和设备状态。然后,故障诊断系统分析这些数据所对应的生产层级,这些层级在生产流程中形成了复杂的网络结构。通过比对和分析,故障诊断系统能够识别出哪些生产层级与目标生产轨迹发生了交互。这些交互可能表现为数据流的交换、设备状态的相互影响或工艺流程的衔接等。故障诊断系统将这些与目标生产轨迹相交互的生产层级提取出来,作为交互生产层级输出。
在获取了交互生产层级后,故障诊断系统进一步利用运行变迁信息中的衍生参数对这些层级进行衍生处理。衍生参数是描述生产轨迹通道变化规律的数值或指标,它们反映了生产过程中的动态特性和调整趋势。故障诊断系统根据这些衍生参数对交互生产层级进行数学运算、逻辑推导或模式转换等处理,以生成新的生产层级。这些新的生产层级可能代表了故障传播的路径、影响范围或潜在的生产瓶颈等关键信息。故障诊断系统将这些经过衍生处理的生产层级作为目标生产层级输出,为后续的故障诊断和优化提供了更精确和全面的数据支持。
通过这样的处理流程,故障诊断系统能够深入挖掘生产数据中的潜在价值,准确识别并定位生产流程中的故障和问题,从而有效提升脂肪酸生物饲料生产的稳定性和效率。
在一种可能的实施方式中,所述方法还包括:
步骤B110,基于在所述脂肪酸生物饲料生产流程中触发的生产操作事件,获取所述生产操作事件的生产节点得到目标生产节点。
在脂肪酸生物饲料的生产流程中,故障诊断系统实时监控着各个生产环节的状态。当某个生产操作事件被触发时,如原料投放、设备启动或工艺参数调整等,故障诊断系统立即捕获该事件,并确定该事件所关联的生产节点。这个生产节点就是在当前操作事件发生的位置,也是故障诊断系统需要关注的目标生产节点。
步骤B120,从所述脂肪酸生物饲料生产流程的观测生产节点至所述目标生产节点确定生产轨迹,输出观测生产轨迹,从所述脂肪酸生物饲料生产流程中各生产调度链路的异常路径中确定所述观测生产轨迹命中的首个异常路径,输出目标异常路径,将所述目标异常路径所属的生产调度链路,确定为用于进行故障诊断的故障诊断链路。
确定了目标生产节点后,故障诊断系统开始回溯生产流程,从观测生产节点(可能是某个监控点或数据收集点)出发,沿着生产流程的路径,逐步追踪到目标生产节点。在这个过程中,故障诊断系统记录下了所经过的各个生产环节、设备状态、工艺参数等信息,形成了一条完整的生产轨迹。这条轨迹反映了从观测节点到目标节点之间生产活动的连续性和变化规律,是故障诊断系统进行故障诊断的重要依据。故障诊断系统将这条轨迹作为观测生产轨迹输出。
故障诊断系统拥有脂肪酸生物饲料生产流程中各生产调度链路的异常路径库。这些异常路径是在历史生产过程中被识别和记录下来的,代表了生产流程中可能出现的各种问题和故障。故障诊断系统将观测生产轨迹与这些异常路径进行比对和分析,寻找是否存在匹配或相似的情况。一旦发现观测生产轨迹与某个异常路径相吻合或高度相似,故障诊断系统就认为找到了一个潜在的故障点,并将这个异常路径作为目标异常路径输出。
确定了目标异常路径后,故障诊断系统进一步确定该路径所属的生产调度链路。这个链路包含了目标异常路径所涉及的所有生产环节和设备,是故障传播和影响的主要通道。故障诊断系统将这个生产调度链路作为故障诊断链路,后续的故障诊断工作将围绕这个链路展开。
步骤B130,基于所述故障诊断链路的运行变迁信息,将所述观测生产轨迹变换为所述故障诊断链路的单位生产路径中的单位观测生产轨迹。
在确定了故障诊断链路后,故障诊断系统获取该链路的运行变迁信息。这些信息反映了链路中生产活动的动态变化和调整规律。故障诊断系统利用这些信息对观测生产轨迹进行变换和处理,将其映射到故障诊断链路的单位生产路径上。单位生产路径是标准化或基准化的生产流程路径,它定义了从原料到产品的标准转换过程和关键节点。通过变换处理,故障诊断系统得到了与单位生产路径相匹配的单位观测生产轨迹,这个轨迹可以用于后续的故障分析和诊断。
步骤B140,基于所述单位观测生产轨迹与所述故障诊断链路的装置级作业数据指示的生产层级之间的关系,输出所述目标生产节点的故障诊断数据。
故障诊断系统进一步分析单位观测生产轨迹与故障诊断链路的装置级作业数据之间的关系。装置级作业数据详细记录了链路中各生产环节的设备状态、工艺参数和作业情况等信息。故障诊断系统通过比对和分析这些数据与单位观测生产轨迹之间的差异和关联性,能够识别出故障的具体位置、类型和原因等信息。这些信息构成了目标生产节点的故障诊断数据,故障诊断系统将这些数据输出以供生产管理人员或自动化系统采取相应的措施进行故障处理和预防。
步骤B150,在所述故障诊断数据为存在故障时,对于所述故障诊断链路执行的所述生产操作事件进行修复。
如果故障诊断系统输出的故障诊断数据表明存在故障,那么故障诊断系统会进一步分析故障诊断链路中执行的生产操作事件,确定导致故障的具体操作或参数设置。然后,故障诊断系统会根据先验知识库、历史故障案例或专家系统等资源提供的信息和建议,生成相应的修复方案或调整建议。这些方案或建议可能包括调整设备状态、修改工艺参数、更换原料或产品批次等。故障诊断系统将这些修复方案或调整建议发送给生产管理人员或自动化系统执行,以尽快恢复生产流程的正常运行并防止类似故障的再次发生。
图2本申请实施例中提供了一种故障诊断系统100,包括处理器1001和存储器1003及存储在存储器1003上的程序代码,该处理器1001执行上述程序代码以实现脂肪酸生物饲料生产监控系统的故障诊断方法的步骤。
图2所示的故障诊断系统100包括:处理器1001和存储器1003。其中,处理器1001和存储器1003相连,如通过总线1002相连。可选地,故障诊断系统100还可以包括收发器1004,收发器1004可以用于该故障诊断系统100与其它故障诊断系统100之间的数据交互,如数据的发送和/或数据的接收等。需要说明的是,实际调度中收发器1004不限于一个,该故障诊断系统100的结构并不构成对本申请实施例的限定。
处理器1001可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其它可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器1001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线1002可包括一通路,在上述组件之间传送信息。总线1002可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线1002可以分为地址总线、数据总线、控制总线等。为便于表示,图2中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器1003可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其它类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其它类型的动态存储设备,也可以是EEPROM(ElectricallyErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(CompactDiscRead Only Memory,只读光盘)或其它光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质、其它磁存储设备、或者能够用于携带或存储程序代码并能够由计算机读取的任何其它介质,在此不做限定。
存储器1003用于存储执行本申请实施例的程序代码,并由处理器1001来控制执行。处理器1001用于执行存储器1003中存储的程序代码,以实现前述方法实施例所示的步骤。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有程序代码,程序代码被处理器执行时可实现前述方法实施例的步骤及相应内容。
以上所述仅是本申请部分实施场景的可选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请的方案技术构思的前提下,基于依据本申请技术思想的其它类似实施手段,同样属于本申请实施例的保护范畴。
Claims (10)
1.一种脂肪酸生物饲料生产监控系统的故障诊断方法,其特征在于,应用于故障诊断系统,所述方法包括:
获取脂肪酸生物饲料生产流程中的故障监测节点,并基于所述故障监测节点从所述脂肪酸生物饲料生产流程中确定用于进行故障诊断的目标生产调度链路;
获取所述目标生产调度链路的运行变迁信息;所述运行变迁信息用于反映所述目标生产调度链路从原始运行模式变迁到当前运行模式的变迁信息;
获取所述目标生产调度链路在所述原始运行模式下时在所述目标生产调度链路的单位生产路径中的装置级作业数据;
基于所述运行变迁信息,调整在生产全域视野下从所述故障监测节点所对应的生产环节产生的生产轨迹,输出在所述单位生产路径中的目标生产轨迹;
依据所述装置级作业数据所对应的生产层级中与所述目标生产轨迹相交互的生产层级,输出所述故障监测节点在所述脂肪酸生物饲料生产流程中的故障诊断数据。
2.根据权利要求1所述的脂肪酸生物饲料生产监控系统的故障诊断方法,其特征在于,所述方法还包括:
在所述目标生产调度链路所处的单位生产路径中先验生产知识空间中构建作业点阵,输出单位作业点阵;
确定处于原始运行模式的所述目标生产调度链路在所述先验生产知识空间上的映射分区覆盖的每个单位生产环节,输出各目标单位生产环节;
对于每个所述目标单位生产环节,依据从所述目标单位生产环节产生的生产轨迹和所述目标生产调度链路,输出所述目标单位生产环节对应的点阵单元级作业数据;
基于各所述目标单位生产环节对应的点阵单元级作业数据,输出所述目标生产调度链路的装置级作业数据。
3.根据权利要求2所述的脂肪酸生物饲料生产监控系统的故障诊断方法,其特征在于,所述依据从所述目标单位生产环节产生的生产轨迹和所述目标生产调度链路,输出所述目标单位生产环节对应的点阵单元级作业数据,包括:
依据所述目标单位生产环节生成第一生产轨迹;所述第一生产轨迹从所述目标单位生产环节生成且与所述先验生产知识空间存在交互;
获取所述第一生产轨迹切入所述目标生产调度链路时的调度层级参数以及所述第一生产轨迹切出所述目标生产调度链路时的调度层级参数,输出各调度层级参数;
获取各所述调度层级参数的调度字段;每个所述调度层级参数的调度字段为第一设定调度字段或第二设定调度字段中的一个,所述第一设定调度字段,用于反映切入所述目标生产调度链路,所述第二设定调度字段,用于反映切出所述目标生产调度链路;
基于各所述调度层级参数的调度字段,输出所述目标单位生产环节对应的点阵单元级作业数据。
4.根据权利要求3所述的脂肪酸生物饲料生产监控系统的故障诊断方法,其特征在于,所述基于各所述调度层级参数的调度字段,输出所述目标单位生产环节对应的点阵单元级作业数据,包括:
基于升序规则对各所述调度层级参数进行升序整理,输出调度层级参数列表;
从所述调度层级参数列表中确定目标调度层级参数;所述目标调度层级参数的调度字段为第二设定调度字段,且所述目标调度层级参数的下一调度层级参数的调度字段为第一设定调度字段;
在所述目标调度层级参数和所述目标调度层级参数的下一调度层级参数之间,将所述调度层级参数列表拆分生成多个调度层级参数子列表;
对于每个所述调度层级参数子列表,将所述调度层级参数子列表中起始调度层级参数作为生产层级的前向调度层级参数,并将所述调度层级参数子列表中终止调度层级参数作为生产层级的后向调度层级参数,输出所述调度层级参数子列表对应的生产层级信息;
基于每个所述调度层级参数子列表对应的生产层级信息生成所述目标单位生产环节对应的点阵单元级作业数据。
5.根据权利要求1所述的脂肪酸生物饲料生产监控系统的故障诊断方法,其特征在于,所述基于所述故障监测节点从所述脂肪酸生物饲料生产流程中确定用于进行故障诊断的目标生产调度链路,包括:
确定所述故障监测节点在所述脂肪酸生物饲料生产流程所处生产全域视野中设定生产知识空间上的映射坐标所处的全局生产环节,输出目标全局生产环节;所述全局生产环节用于表示全局作业点阵中的生产环节,所述全局作业点阵是在所述设定生产知识空间中构建的作业点阵;
依据所述目标全局生产环节生成第二生产轨迹;所述第二生产轨迹从所述目标全局生产环节生成且交互于所述设定生产知识空间;
从所述脂肪酸生物饲料生产流程中获取与所述第二生产轨迹相交互的生产调度链路,输出用于进行故障诊断的目标生产调度链路。
6.根据权利要求5所述的脂肪酸生物饲料生产监控系统的故障诊断方法,其特征在于,所述基于所述运行变迁信息,调整在生产全域视野下从所述故障监测节点所对应的生产环节产生的生产轨迹,输出在所述单位生产路径中的目标生产轨迹,包括:
基于所述运行变迁信息对所述第二生产轨迹进行负维迁移;所述负维迁移是与正维迁移反向维度的迁移,所述正维迁移用于表示基于所述运行变迁信息对所述目标生产调度链路进行的迁移;
将负维迁移后所生成的生产轨迹,变换为所述单位生产路径中的目标生产轨迹。
7.根据权利要求1所述的脂肪酸生物饲料生产监控系统的故障诊断方法,其特征在于,所述故障监测节点对应有多个目标生产调度链路,所述多个目标生产调度链路中包括至少一个调度标准化的目标生产调度链路和至少一个调度非标准化的目标生产调度链路,所述装置级作业数据是在所述目标生产调度链路为非标准化状态下获取的;
所述依据所述装置级作业数据所对应的生产层级中与所述目标生产轨迹相交互的生产层级,输出所述故障监测节点在所述脂肪酸生物饲料生产流程中的故障诊断数据,包括:
对于调度非标准化的所述目标生产调度链路,依据所述装置级作业数据所对应的生产层级中与所述目标生产轨迹相交互的生产层级,输出目标生产层级;所述装置级作业数据所对应的生产层级,用于表示所述目标生产调度链路在先验生产知识空间上映射分区覆盖的生产环节所扩展生成的生产环节单元中的生产层级,所述生产环节单元中的生产层级用于反映所述目标生产调度链路在所述生产环节单元中覆盖的层级;
获取调度标准化的所述目标生产调度链路与关联所述故障监测节点的生产轨迹的各依赖关系,输出各目标依赖关系;
基于各所述目标生产层级和各所述目标依赖关系,确定所述故障监测节点所对应的生产环节单元中的各生产层级;
依据所述故障监测节点所对应的生产环节单元中的各生产层级,确定所述故障监测节点在所述脂肪酸生物饲料生产流程中的故障诊断数据。
8.根据权利要求7所述的脂肪酸生物饲料生产监控系统的故障诊断方法,其特征在于,所述运行变迁信息中包括目标变迁向量上的衍生参数,所述目标变迁向量用于表示在所述在生产全域视野下从所述故障监测节点所对应的生产环节产生的生产轨迹的通道;
所述依据所述装置级作业数据所对应的生产层级中与所述目标生产轨迹相交互的生产层级,输出目标生产层级,包括:
从所述装置级作业数据所对应的生产层级中获取与所述目标生产轨迹相交互的生产层级,输出交互生产层级;
基于所述衍生参数对所述交互生产层级进行衍生处理生成目标生产层级。
9.根据权利要求1所述的脂肪酸生物饲料生产监控系统的故障诊断方法,其特征在于,所述方法还包括:
基于在所述脂肪酸生物饲料生产流程中触发的生产操作事件,获取所述生产操作事件的生产节点得到目标生产节点;
从所述脂肪酸生物饲料生产流程的观测生产节点至所述目标生产节点确定生产轨迹,输出观测生产轨迹,从所述脂肪酸生物饲料生产流程中各生产调度链路的异常路径中确定所述观测生产轨迹命中的首个异常路径,输出目标异常路径,将所述目标异常路径所属的生产调度链路,确定为用于进行故障诊断的故障诊断链路;
基于所述故障诊断链路的运行变迁信息,将所述观测生产轨迹变换为所述故障诊断链路的单位生产路径中的单位观测生产轨迹;
基于所述单位观测生产轨迹与所述故障诊断链路的装置级作业数据指示的生产层级之间的关系,输出所述目标生产节点的故障诊断数据;
在所述故障诊断数据为存在故障时,对于所述故障诊断链路执行的所述生产操作事件进行修复。
10.一种故障诊断系统,其特征在于,所述故障诊断系统包括处理器和机器可读存储介质,该机器可读存储介质中存储有机器可执行指令,该机器可执行指令由该处理器加载并执行以实现权利要求1-9中任意一项所述的脂肪酸生物饲料生产监控系统的故障诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410212160.6A CN117784742A (zh) | 2024-02-27 | 2024-02-27 | 脂肪酸生物饲料生产监控系统的故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410212160.6A CN117784742A (zh) | 2024-02-27 | 2024-02-27 | 脂肪酸生物饲料生产监控系统的故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117784742A true CN117784742A (zh) | 2024-03-29 |
Family
ID=90383820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410212160.6A Pending CN117784742A (zh) | 2024-02-27 | 2024-02-27 | 脂肪酸生物饲料生产监控系统的故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117784742A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002055717A (ja) * | 2000-08-10 | 2002-02-20 | Mitsubishi Electric Corp | 故障診断システム |
CN102637019A (zh) * | 2011-02-10 | 2012-08-15 | 武汉科技大学 | 一种工业生产过程智能集成故障诊断方法及装置 |
CN103455015A (zh) * | 2013-09-12 | 2013-12-18 | 内蒙古科技大学 | 一种钕铁硼氢粉碎设备的安全生产监控系统和方法 |
CN104267711A (zh) * | 2014-11-03 | 2015-01-07 | 四川烟草工业有限责任公司 | 烟草物流系统运行状态监测及故障诊断方法 |
CN110333709A (zh) * | 2019-06-19 | 2019-10-15 | 北京科技大学 | 一种轧钢过程故障诊断方法及系统 |
CN115857461A (zh) * | 2023-03-02 | 2023-03-28 | 东莞正大康地饲料有限公司 | 小猪预混合饲料生产在线监控方法及系统 |
-
2024
- 2024-02-27 CN CN202410212160.6A patent/CN117784742A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002055717A (ja) * | 2000-08-10 | 2002-02-20 | Mitsubishi Electric Corp | 故障診断システム |
CN102637019A (zh) * | 2011-02-10 | 2012-08-15 | 武汉科技大学 | 一种工业生产过程智能集成故障诊断方法及装置 |
CN103455015A (zh) * | 2013-09-12 | 2013-12-18 | 内蒙古科技大学 | 一种钕铁硼氢粉碎设备的安全生产监控系统和方法 |
CN104267711A (zh) * | 2014-11-03 | 2015-01-07 | 四川烟草工业有限责任公司 | 烟草物流系统运行状态监测及故障诊断方法 |
CN110333709A (zh) * | 2019-06-19 | 2019-10-15 | 北京科技大学 | 一种轧钢过程故障诊断方法及系统 |
CN115857461A (zh) * | 2023-03-02 | 2023-03-28 | 东莞正大康地饲料有限公司 | 小猪预混合饲料生产在线监控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nurprihatin et al. | Total productive maintenance policy to increase effectiveness and maintenance performance using overall equipment effectiveness | |
Hu et al. | Design of machine learning models with domain experts for automated sensor selection for energy fault detection | |
JP5577087B2 (ja) | 運転中の化学プラントのエネルギー消費をモニタリングしかつ分析することにより当該エネルギー消費に関するグラフを生成するための、コンピュータによって実行される方法、プログラムを記録したコンピュータ読み取り可能な記録媒体、および、エネルギー管理システム | |
CN111553590A (zh) | 一种雷达嵌入式健康管理系统 | |
CN113361139B (zh) | 一种基于数字孪生的产线仿真滚动优化系统及方法 | |
CN106161138A (zh) | 一种智能自动计量方法及装置 | |
CN105467953A (zh) | 一种面向工业大数据的知识表示及其自动化应用方法 | |
US20170357240A1 (en) | System and method supporting exploratory analytics for key performance indicator (kpi) analysis in industrial process control and automation systems or other systems | |
CN111786385B (zh) | 一种电网运维方案规划方法、系统及设备 | |
Galar et al. | Fusion of maintenance and control data: a need for the process | |
Ramesh et al. | Reliability assessment of cogeneration power plant in textile mill using fault tree analysis | |
CN113673842A (zh) | 基于大数据的生产效率诊断方法、装置、设备及存储介质 | |
Ingemansson et al. | Reducing bottle‐necks in a manufacturing system with automatic data collection and discrete‐event simulation | |
Zhang et al. | Smart production line: common factors and data-driven implementation method | |
CN117784742A (zh) | 脂肪酸生物饲料生产监控系统的故障诊断方法 | |
CN116976839A (zh) | 一种基于网络协同制造的铅蓄电池生产管控方法 | |
Li et al. | Real-time OEE visualisation for downtime detection | |
CN114897394A (zh) | 用电量监管系统及方法 | |
Bántay et al. | Simultaneous Process Mining of Process Events and Operator Actions for Alarm Management | |
Marinkovic et al. | Digital Twins for Internal Transport Systems: Use Cases, Functions, and System Architecture | |
Ohtani | Application of AI to Oil Refineries and Petrochemical Plants | |
Golpour Kandeh et al. | Design of a fault detection expert system to diagnose errors in the polypropylene production process | |
Borgia et al. | The use of product information along its entire lifecycle: a practical framework for continuous development | |
Liu et al. | Manufacturing Execution System Driven by Industrial Big Data | |
CN117909383A (zh) | 工业设备稼动率的计算方法和系统 |
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 |