CN117891223A - 一种基于工业物联网的设备管理方法、系统、设备及介质 - Google Patents
一种基于工业物联网的设备管理方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117891223A CN117891223A CN202410291267.4A CN202410291267A CN117891223A CN 117891223 A CN117891223 A CN 117891223A CN 202410291267 A CN202410291267 A CN 202410291267A CN 117891223 A CN117891223 A CN 117891223A
- Authority
- CN
- China
- Prior art keywords
- obtaining
- target
- response time
- acquiring
- equipment
- 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000012423 maintenance Methods 0.000 claims abstract description 7
- 230000004044 response Effects 0.000 claims description 54
- 238000012797 qualification Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 5
- 230000006855 networking Effects 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010924 continuous production Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于工业物联网的设备管理方法、系统、设备及介质,包括以下步骤:获取目标设备的运行状态数据;根据运行状态数据,获取目标设备的故障预测系数S;将故障预测系数S与预设的标准系数S'比较;若S>S',则获取故障预测系数S与标准系数S'的差值;根据差值,获取目标设备的检修优先级,并发送警报信息;其中,差值的大小与检修优先级成正比,本申请具有可准确评估设备的潜在故障程度、便于根据设备的潜在故障程度进行优先级规划的优点。
Description
技术领域
本申请涉及工业物联网技术领域,尤其涉及一种基于工业物联网的设备管理方法、系统、设备及介质。
背景技术
工业物联网是将具有感知、管控能力的各类采集、控制传感器或控制器,通过物联感知和通信技术融入到工业生产过程各个环节,从而提高生产效率,改善产品质量,降低产品成本和资源消耗,最终实现将传统工业提升到智能化的新阶段。
目前将工业物联网运用在智能制造车间内时,可便于后台管理人员实时掌握车间设备运行状况,以便快速统一调度和设备检修维护,以保证生产正常运行,而在制造流程中,制造车间一般配置多台生产设备运行,以形成自动化生产线,现有技术中,可基于物联网系统实现对生产设备的故障预测,但是当同时预测到多台生产设备出现潜在故障时,维护人员一般是随机逐个对设备进行故障检修,难以准确评估潜在故障程度,从而难以根据潜在故障程度大小来进行检修顺序的优先级判断,容易导致检修过程中潜在故障程度较大的设备直接发生故障,难以满足连续生产需求,从而影响生产效率。
发明内容
本申请的主要目的在于提供一种基于工业物联网的设备管理方法、系统、设备及介质,旨在解决现有设备管理方法难以准确评估设备的潜在故障程度的技术问题。
为实现上述目的,本申请提供一种基于工业物联网的设备管理方法,包括以下步骤:
获取目标设备的运行状态数据;
根据运行状态数据,获取目标设备的故障预测系数S;
将故障预测系数S与预设的标准系数S'比较;
若S>S',则获取故障预测系数S与标准系数S'的差值;
根据差值,获取目标设备的检修优先级,并发送警报信息;其中,差值的大小与检修优先级成正比。
可选地,获取目标设备的运行状态数据,包括:
获取目标设备产出预设数量的目标产品的合格率P;
获取目标设备在预设时间产出目标产品的产量值Q;
获取目标设备的外观完整度r;
获取目标设备的响应时间T;
获取目标设备的历史检修次数N;
将合格率P、产量值Q、外观完整度r、响应时间T和历史检修次数N输出为运行状态数据。
可选地,故障预测系数S的表达式为:
S=TN/PQr。
可选地,获取目标设备的响应时间T,包括:
获取目标设备执行各项运行指令的响应时间,以获得响应时间集{T1,T2,T3,...,Tn};其中,n为多项运行指令的数量;
获取响应时间集{T1,T2,T3,...,Tn}中的最大值Tmax;
将最大值Tmax与预设的响应时间阈值T'比较;
若Tmax≥T',则将最大值Tmax作为目标设备的响应时间T;
若Tmax<T',则获取响应时间平均值,并将响应时间平均值/>作为目标设备的响应时间T;其中,/>=(T1+T2+T3+...+Tn)/n。
可选地,获取目标设备的外观完整度r,包括:
获取目标设备在不同工作面的特征图像;
根据多张特征图像,获取多张特征图像对应的外观完整度,以获得完整度集{r1,r2,r3,...,rm};其中,m为多张特征图像的数量;
获取完整度集{r1,r2,r3,...,rm}中的最小值rmin;
将最小值rmin与预设的完整度阈值r'比较;
若rmin≤r',则将最小值rmin作为目标设备的外观完整度r。
可选地,若rmin>r',则获取完整度平均值,并将完整度平均值/>作为目标设备的外观完整度r;其中,/>=(r1+r2+r3+...+rm)/m。
可选地,外观完整度r的表达式为:
式中,A m,n和B m,n分别为图像A和图像B在(m,n)点的灰度值,图像A为目标设备在对应工作面的标准图像,图像B为特征图像。
为实现上述目的,本申请还提供一种基于工业物联网的设备管理系统,包括依次通信连接的用户平台、服务平台、管理平台、传感网络平台和设备对象平台,设备对象平台包括:
数据获取模块,用于获取目标设备的运行状态数据;
系数获取模块,用于根据运行状态数据,获取目标设备的故障预测系数S;
比较模块,用于将故障预测系数S与预设的标准系数S'比较;
差值获取模块,用于若S>S',则获取故障预测系数S与标准系数S'的差值;
信息发送模块,用于根据差值,获取目标设备的检修优先级,并发送警报信息;其中,差值的大小与检修优先级成正比。
为实现上述目的,本申请还提供一种计算机设备,该计算机设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现上述的方法。
为实现上述目的,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,处理器执行所述计算机程序,实现上述的方法。
本申请所能实现的有益效果如下:
本申请通过目标设备的运行状态数据,可计算目标设备的故障预测系数S,通过故障预测系数S可量化表征设备的潜在故障程度,从而可准确评估设备的潜在故障程度,并将故障预测系数S与预设的标准系数S'比较,若S>S',说明设备的潜在故障程度已经超出临界值,需要进行提前检修排查,此时通过计算故障预测系数S与标准系数S'的差值,从而根据差值大小形成目标设备对应的检修优先级信息,实现根据设备的潜在故障程度进行优先级规划,并发送警报信息,警报信息中即包含检修优先级信息,维护人员即可根据检修优先级信息优先选择潜在故障程度较高的设备进行检修,以满足连续生产需求。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本申请的实施例中涉及的硬件运行环境的计算机设备结构示意图;
图2为本申请的实施例中一种基于工业物联网的设备管理方法的流程示意图;
图3为本申请的实施例中涉及到的物联网系统的框架示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
在本申请中,除非另有明确的规定和限定,术语“连接”、“固定”等应做广义理解,例如,“固定”可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
另外,若本申请实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,全文中出现的“和/或”的含义,包括三个并列的方案,以“A和/或B”为例,包括A方案、或B方案、或A和B同时满足的方案。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
实施例1
参照图1,图1为本实施例方案涉及的硬件运行环境的计算机设备结构示意图,如图1所示,该计算机设备可以包括:处理器1001,例如中央处理器(Central ProcessingUnit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Tolatile Memory,NTM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及电子程序。
在图1所示的计算机设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本实施例计算机设备中的处理器1001、存储器1005可以设置在计算机设备中,计算机设备通过处理器1001调用存储器1005中存储的基于工业物联网的设备管理系统,并执行本实施例提供的基于工业物联网的设备管理方法。
参照图2,基于前述硬件环境,本实施例提供一种基于工业物联网的设备管理方法,包括以下步骤:
获取目标设备的运行状态数据;
根据运行状态数据,获取目标设备的故障预测系数S;
将故障预测系数S与预设的标准系数S'比较;
若S>S',则获取故障预测系数S与标准系数S'的差值;
根据差值,获取目标设备的检修优先级,并发送警报信息;其中,差值的大小与检修优先级成正比。
在本实施例中,通过目标设备的运行状态数据,可计算目标设备的故障预测系数S,通过故障预测系数S可量化表征设备的潜在故障程度,从而可准确评估设备的潜在故障程度,并将故障预测系数S与预设的标准系数S'比较,这里标准系数S'为根据具体设备设置的产生潜在故障时的临界值,若S>S',说明设备的潜在故障程度已经超出临界值,需要进行提前检修排查,此时通过计算故障预测系数S与标准系数S'的差值,从而根据差值大小形成目标设备对应的检修优先级信息,实现根据设备的潜在故障程度进行优先级规划,并发送警报信息,警报信息中即包含检修优先级信息,维护人员即可根据检修优先级信息优先选择潜在故障程度较高的设备进行检修,以满足连续生产需求。
需要说明的是,检修优先级可根据预设的阈值范围确定,差值在对应阈值范围内,即可确定对应的检修优先级;警报信息中还可包括设备信息(型号、编号等)和故障信息等,以协助维护人员快速了解设备状况。
作为一种可选的实施方式,获取目标设备的运行状态数据,包括:
获取目标设备产出预设数量的目标产品的合格率P;
获取目标设备在预设时间产出目标产品的产量值Q;
获取目标设备的外观完整度r;
获取目标设备的响应时间T;
获取目标设备的历史检修次数N;
将合格率P、产量值Q、外观完整度r、响应时间T和历史检修次数N输出为运行状态数据。
在本实施方式中,合格率P可体现设备在产出预设数量的产品时的合格程度,从而表征设备在产品质量的功能,产量值Q可体现设备在预设时间产出产品的生产能力,而外观完整度r可体现当前设备在使用一段时间产生磨损、变形或断裂等缺陷后的完整度,从而表征设备完好程度,响应时间T可体现设备执行各运行指令时的反应灵敏度,历史检修次数N可体现设备是否存在多次检修的情况,根据上述合格率P、产量值Q、外观完整度r、响应时间T和历史检修次数N作为运行状态数据,来计算故障预测系数S,充分考虑到了各种参数因子与设备功能的关联性,从而可全面提高故障预测系数S的估算准确性,即可准确评估设备的潜在故障程度,为合理规划检修优先级提供了先决保障。
作为一种可选的实施方式,故障预测系数S的表达式为:
S=TN/PQr。
在本实施方式中,根据上述表达式,响应时间T和历史检修次数N与故障预测系数S成正比,即响应时间T的值越大,代表目标设备执行一次运行指令的响应时间越久,设备反应灵敏度越低,历史检修次数N越多,设备故障率越高,潜在故障发生率就越高,则故障预测系数S越高,同理,合格率P、产量值Q、外观完整度r应当与故障预测系数S成反比,即合格率P、产量值Q和外观完整度r越低,潜在故障发生率就越高,则故障预测系数S越高,通过本实施例故障预测系数S的公式结构,并充分考虑到了各参数因子与对设备功能的关联性影响,从而可有效且准确计算得到故障预测系数S。
需要说明的是,由于合格率P、产量值Q、外观完整度r、响应时间T和历史检修次数N属于不同级的参数因子,可通过赋予给参数因子转换系数(分别为ε1、ε2、ε3、ε4和ε5),使各参数因子可属于同级参数,从而提高故障预测系数S的计算合理性,此时故障预测系数S的表达式为;
另外,上式各参数中可对应设置权重值,即表征不同参数因子对故障预测系数S的影响程度,例如合格率P和产量值Q的权重值均为30%,外观完整度r的权重值为20%,响应时间T和历史检修次数N的权重值均为10%,根据具体设备情况具体设置即可。
作为一种可选的实施方式,获取目标设备的响应时间T,包括:
获取目标设备执行各项运行指令的响应时间,以获得响应时间集{T1,T2,T3,...,Tn};其中,n为多项运行指令的数量;
获取响应时间集{T1,T2,T3,...,Tn}中的最大值Tmax;
将最大值Tmax与预设的响应时间阈值T'比较;
若Tmax≥T',则将最大值Tmax作为目标设备的响应时间T;
若Tmax<T',则获取响应时间平均值,并将响应时间平均值/>作为目标设备的响应时间T;其中,/>=(T1+T2+T3+...+Tn)/n。
在本实施方式中,计算响应时间T时,可通过采集目标设备执行各项运行指令的响应时间,以形成响应时间集,从中筛选出最大值Tmax,即设备对某项运行指令的响应时间最慢,反应灵敏度最差,最可能存在潜在故障,因此将最大值Tmax与预设的响应时间阈值T'比较,若Tmax≥T',即设备对某项运行指令的反应灵敏度低于正常灵敏度,此时则将最大值Tmax代表性地作为响应时间T,若Tmax<T',则说明每项运行指令的响应时间都处于正常水平,此时可通过计算响应时间平均值来作为目标设备的响应时间T,可提高数据准确性。
作为一种可选的实施方式,获取目标设备的外观完整度r,包括:
获取目标设备在不同工作面的特征图像;
根据多张特征图像,获取多张特征图像对应的外观完整度,以获得完整度集{r1,r2,r3,...,rm};其中,m为多张特征图像的数量;
获取完整度集{r1,r2,r3,...,rm}中的最小值rmin;
将最小值rmin与预设的完整度阈值r'比较;
若rmin≤r',则将最小值rmin作为目标设备的外观完整度r。
在本实施方式中,计算外观完整度r时,可通过采集目标设备在不同工作面的特征图像,可从设备不同角度感知其完整度情况,从而提高数据准确性,这里可采用CCD工业相机进行图像采集,其内置图像处理软件,可进行图像分析,以分析出目标设备的外观完整度情况,根据采集的多张特征图像,从而可形成完整度集{r1,r2,r3,...,rm},从中筛选出最小值rmin,即设备某一位置的外观完整度最低,若rmin≤r',极有可能存在设备主部件缺损或缺失的情况,此时将最小值rmin作为目标设备的外观完整度r,比较有代表性。
需要说明的是,这里工作面指的是可显示目标设备的工作活动部件的一面,例如某一侧面、顶面、底面等,若目标设备某侧面或顶面或底面不存在活动部件(例如仅仅为箱体外壳),则无需采集对应图像,特征图像则为具有目标设备的工作活动部件的图像,这里特征图像可为目标设备的局部图像,显示工作活动部件即可。
作为一种可选的实施方式,若rmin>r',则获取完整度平均值,并将完整度平均值作为目标设备的外观完整度r;其中,/>=(r1+r2+r3+...+rm)/m。
在本实施方式中,若rmin>r',则说明所有特征图像对应的外观完整度均满足要求,此时可通过计算完整度平均值作为目标设备的外观完整度r,可表征设备整体完整度情况,从而提高数据准确性。
作为一种可选的实施方式,外观完整度r的表达式为:
式中,A m,n和B m,n分别为图像A和图像B在(m,n)点的灰度值,图像A为目标设备在对应工作面的标准图像,图像B为特征图像。
在本实施方式中,外观完整度r的计算是通过对比采集的图像与标准图像的相似度来实现,即判断两组图片的相似度,上式即为相似度模型公式。具体的实现流程为:将采集的图片进行灰度处理,以得到灰度图像,灰度图像的像素可看作二维矩阵,A m,n和B m,n分别为图像A和图像B在(m,n)点的灰度值;利用上述相似度模型公式计算式可对比计算两组图片在(m,n)点灰度值的相关度,从而计算图像A与图像B提取点灰度值的相似度,若相似度r大于预设的阀值,则判断两组图像中的事物相似,例如阀值设置为0.7(即r'=0.7),相似度越接近1表明两组图像越相似,若相似度低于0.7,则可判定存在一个rmin作为目标设备的外观完整度r,从而实现根据图像处理技术实现对设备的外观完整度r的准确计算。
实施例2
基于与前述实施例相同的发明思路,本实施例还提供一种基于工业物联网的设备管理系统,包括依次通信连接的用户平台、服务平台、管理平台、传感网络平台和设备对象平台,设备对象平台包括:
数据获取模块,用于获取目标设备的运行状态数据;
系数获取模块,用于根据运行状态数据,获取目标设备的故障预测系数S;
比较模块,用于将故障预测系数S与预设的标准系数S'比较;
差值获取模块,用于若S>S',则获取故障预测系数S与标准系数S'的差值;
信息发送模块,用于根据差值,获取目标设备的检修优先级,并发送警报信息;其中,差值的大小与检修优先级成正比。
本实施例的装置中各模块的相关解释和举例可参照前述实施例的方法,这里不再赘述。
需要说明的是,本实施例中的基于工业物联网的设备管理系统可联入物联网系统,从而形成标准的物联网五平台结构,如图3所示。其中,用户平台的物理实体包括各种用户终端,如手机、电脑、专用终端等,通过与用户信息系统软件的结合,实现用户端的服务。
服务平台是实现服务通信的功能平台。在一些实施例中,服务平台可以包括运营服务和安全服务等服务端。
管理平台是实现物联网系统运行管理的功能平台,管理平台包括设备运行状态监控管理模块、故障数据监控管理模块、设备参数管理模块、设备生命周期管理模块和数据中心模块等,数据中心模块用于进行设备数据的交互和处理,通过各功能模块可对设备各项指标数据进行管理和监控。
传感网络平台是实现传感通信的功能平台,传感网络平台包括设备管理模块和数据传输管理模块,其中设备管理模块包括网络管理模块、指令管理模块和设备状态管理模块,数据传输管理模块包括数据协议管理模块、数据解析模块、数据分类模块、数据传输监控模块和数据传输安全模块。
设备对象平台是实现感知控制的功能平台。在一些实施例中,设备对象平台可以包括多个设备,每个设备分别对应一个数据获取模块、一个系数获取模块、一个比较模块、一个差值获取模块和一个信息发送模块。
在一些实施例中,设备对象平台不仅包括上述各模块,还包括MCU控制模块。因此通过上述各功能模块的协同作用,实现物联网的可交互物联网五平台结构,为基于工业物联网的设备管理系统提供了框架基础。
实施例3
基于与前述实施例相同的发明思路,本实施例提供一种计算机设备,该计算机设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现上述的方法。
实施例4
基于与前述实施例相同的发明思路,本实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,处理器执行所述计算机程序,实现上述的方法。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种基于工业物联网的设备管理方法,其特征在于,包括以下步骤:
获取目标设备的运行状态数据;
根据所述运行状态数据,获取所述目标设备的故障预测系数S;
将所述故障预测系数S与预设的标准系数S'比较;
若S>S',则获取所述故障预测系数S与所述标准系数S'的差值;
根据所述差值,获取所述目标设备的检修优先级,并发送警报信息;其中,所述差值的大小与所述检修优先级成正比。
2.如权利要求1所述的一种基于工业物联网的设备管理方法,其特征在于,所述获取目标设备的运行状态数据,包括:
获取目标设备产出预设数量的目标产品的合格率P;
获取所述目标设备在预设时间产出所述目标产品的产量值Q;
获取所述目标设备的外观完整度r;
获取所述目标设备的响应时间T;
获取所述目标设备的历史检修次数N;
将所述合格率P、所述产量值Q、所述外观完整度r、所述响应时间T和所述历史检修次数N输出为运行状态数据。
3.如权利要求2所述的一种基于工业物联网的设备管理方法,其特征在于,所述故障预测系数S的表达式为:
S=TN/PQr。
4.如权利要求2或3所述的一种基于工业物联网的设备管理方法,其特征在于,所述获取所述目标设备的响应时间T,包括:
获取所述目标设备执行各项运行指令的响应时间,以获得响应时间集{T1,T2,T3,...,Tn};其中,n为多项所述运行指令的数量;
获取所述响应时间集{T1,T2,T3,...,Tn}中的最大值Tmax;
将所述最大值Tmax与预设的响应时间阈值T'比较;
若Tmax≥T',则将所述最大值Tmax作为所述目标设备的响应时间T;
若Tmax<T',则获取响应时间平均值,并将所述响应时间平均值/>作为所述目标设备的响应时间T;其中,/>=(T1+T2+T3+...+Tn)/n。
5.如权利要求2或3所述的一种基于工业物联网的设备管理方法,其特征在于,所述获取所述目标设备的外观完整度r,包括:
获取所述目标设备在不同工作面的特征图像;
根据多张所述特征图像,获取多张所述特征图像对应的外观完整度,以获得完整度集{r1,r2,r3,...,rm};其中,m为多张所述特征图像的数量;
获取所述完整度集{r1,r2,r3,...,rm}中的最小值rmin;
将所述最小值rmin与预设的完整度阈值r'比较;
若rmin≤r',则将所述最小值rmin作为所述目标设备的外观完整度r。
6.如权利要求5所述的一种基于工业物联网的设备管理方法,其特征在于,若rmin>r',则获取完整度平均值,并将所述完整度平均值/>作为所述目标设备的外观完整度r;其中,/>=(r1+r2+r3+...+rm)/m。
7.如权利要求6所述的一种基于工业物联网的设备管理方法,其特征在于,所述外观完整度r的表达式为:
式中,A m,n和B m,n分别为图像A和图像B在(m,n)点的灰度值,所述图像A为所述目标设备在对应工作面的标准图像,所述图像B为所述特征图像。
8.一种基于工业物联网的设备管理系统,其特征在于,包括依次通信连接的用户平台、服务平台、管理平台、传感网络平台和设备对象平台,所述设备对象平台包括:
数据获取模块,用于获取目标设备的运行状态数据;
系数获取模块,用于根据所述运行状态数据,获取所述目标设备的故障预测系数S;
比较模块,用于将所述故障预测系数S与预设的标准系数S'比较;
差值获取模块,用于若S>S',则获取所述故障预测系数S与所述标准系数S'的差值;
信息发送模块,用于根据所述差值,获取所述目标设备的检修优先级,并发送警报信息;其中,所述差值的大小与所述检修优先级成正比。
9.一种计算机设备,其特征在于,该计算机设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,处理器执行所述计算机程序,实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410291267.4A CN117891223B (zh) | 2024-03-14 | 一种基于工业物联网的设备管理方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410291267.4A CN117891223B (zh) | 2024-03-14 | 一种基于工业物联网的设备管理方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117891223A true CN117891223A (zh) | 2024-04-16 |
CN117891223B CN117891223B (zh) | 2024-06-21 |
Family
ID=
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180306476A1 (en) * | 2017-04-19 | 2018-10-25 | International Business Machines Corporation | Anomaly detection in a refrigeration condensor system |
KR102055915B1 (ko) * | 2018-11-14 | 2019-12-13 | 주식회사 케이티 | 오토인코더 기반 코어망 장애 예측 시스템 및 방법 |
KR20200071876A (ko) * | 2018-12-06 | 2020-06-22 | 주식회사 씨에스앤씨 | 공정 중 생산품 불량 예측시스템 및 불량 예측을 위한 학습모델 생성방법 |
CN114237087A (zh) * | 2021-11-09 | 2022-03-25 | 深圳市移动力量科技有限公司 | 监控系统预警方法、装置及计算机可读存储介质 |
US20230064656A1 (en) * | 2021-08-31 | 2023-03-02 | Accenture Global Solutions Limited | Predictive maintenance of equipment |
CN115933593A (zh) * | 2022-11-30 | 2023-04-07 | 珠海格力电器股份有限公司 | 设备故障修复方法、装置、计算机设备和存储介质 |
US20230315062A1 (en) * | 2022-07-15 | 2023-10-05 | Chengdu Qinchuan Iot Technology Co., Ltd. | Industrial internet of things, mthods and mediums for early warning of descending function fault of equipment |
CN117196251A (zh) * | 2023-09-27 | 2023-12-08 | 宁夏众合远大电力设计有限公司 | 一种园区配电设施监控方法、系统、设备及介质 |
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180306476A1 (en) * | 2017-04-19 | 2018-10-25 | International Business Machines Corporation | Anomaly detection in a refrigeration condensor system |
KR102055915B1 (ko) * | 2018-11-14 | 2019-12-13 | 주식회사 케이티 | 오토인코더 기반 코어망 장애 예측 시스템 및 방법 |
KR20200071876A (ko) * | 2018-12-06 | 2020-06-22 | 주식회사 씨에스앤씨 | 공정 중 생산품 불량 예측시스템 및 불량 예측을 위한 학습모델 생성방법 |
US20230064656A1 (en) * | 2021-08-31 | 2023-03-02 | Accenture Global Solutions Limited | Predictive maintenance of equipment |
CN114237087A (zh) * | 2021-11-09 | 2022-03-25 | 深圳市移动力量科技有限公司 | 监控系统预警方法、装置及计算机可读存储介质 |
US20230315062A1 (en) * | 2022-07-15 | 2023-10-05 | Chengdu Qinchuan Iot Technology Co., Ltd. | Industrial internet of things, mthods and mediums for early warning of descending function fault of equipment |
CN116940956A (zh) * | 2022-07-15 | 2023-10-24 | 成都秦川物联网科技股份有限公司 | 用于设备功能下降型故障预警的工业物联网、方法及介质 |
CN115933593A (zh) * | 2022-11-30 | 2023-04-07 | 珠海格力电器股份有限公司 | 设备故障修复方法、装置、计算机设备和存储介质 |
CN117196251A (zh) * | 2023-09-27 | 2023-12-08 | 宁夏众合远大电力设计有限公司 | 一种园区配电设施监控方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108446864B (zh) | 基于大数据分析的轨道交通设备的故障预警系统及方法 | |
CN113190886A (zh) | 一种基于快速仿真数字孪生技术的设备健康监测方法 | |
CN111368980A (zh) | 状态检测方法、装置、设备及存储介质 | |
CN114444231B (zh) | 模具剩余寿命在线自适应预测方法、装置、设备及介质 | |
CN117010532B (zh) | 基于多模态深度学习的综合管廊火灾趋势预测方法 | |
CN116185757B (zh) | 机房能耗智能监测系统 | |
CN115640860B (zh) | 一种工业云服务的机电设备远程维护方法及系统 | |
CN117240887B (zh) | 一种智慧物联网能源管理平台系统 | |
CN114143220A (zh) | 实时数据可视化平台 | |
CN116070802A (zh) | 一种基于数据孪生的智能监控运维方法和系统 | |
CN112991096A (zh) | 配置式桥梁集群结构监测管理装置和方法 | |
CN116885858A (zh) | 一种基于数字孪生技术的配电网故障处理方法及系统 | |
CN117891223B (zh) | 一种基于工业物联网的设备管理方法、系统、设备及介质 | |
CN114357567A (zh) | 基于bim的风振监测、系统、存储介质及计算机设备 | |
CN116681426B (zh) | 一种工业互联网设备预测性维护系统及方法 | |
US20210027463A1 (en) | Video image processing and motion detection | |
CN117891223A (zh) | 一种基于工业物联网的设备管理方法、系统、设备及介质 | |
CN110675427B (zh) | 智能振动检测方法及相关产品 | |
CN116714469A (zh) | 充电桩健康监测方法、装置、终端及存储介质 | |
CN110751055A (zh) | 一种智能制造系统 | |
CN115641549A (zh) | 一种主推进柴油机组健康监测方法和系统 | |
CN116697647B (zh) | 一种建筑热泵的节能管理分析系统 | |
CN117852896B (zh) | 一种施工监理风险控制预警系统及方法 | |
CN117237357B (zh) | 一种基于机器视觉的钢丝绳在线监测系统和方法 | |
CN113657429B (zh) | 面向数字孪生城市物联网的数据融合方法及装置 |
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 |