CN109034662A - 一种基于工艺流程的生产指标可视化监控***及方法 - Google Patents
一种基于工艺流程的生产指标可视化监控***及方法 Download PDFInfo
- Publication number
- CN109034662A CN109034662A CN201811010246.1A CN201811010246A CN109034662A CN 109034662 A CN109034662 A CN 109034662A CN 201811010246 A CN201811010246 A CN 201811010246A CN 109034662 A CN109034662 A CN 109034662A
- Authority
- CN
- China
- Prior art keywords
- index
- data
- production target
- production
- node
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 249
- 238000000034 method Methods 0.000 title claims abstract description 183
- 230000008569 process Effects 0.000 title claims abstract description 154
- 238000012544 monitoring process Methods 0.000 title claims abstract description 56
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 37
- 238000012800 visualization Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 31
- 238000004088 simulation Methods 0.000 claims abstract description 18
- 238000013461 design Methods 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims abstract description 7
- 230000002452 interceptive effect Effects 0.000 claims abstract description 6
- 239000000725 suspension Substances 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 239000003086 colorant Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000010835 comparative analysis Methods 0.000 claims description 7
- 230000003203 everyday effect Effects 0.000 claims description 6
- 238000012098 association analyses Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 4
- 230000000052 comparative effect Effects 0.000 claims description 3
- 230000002354 daily effect Effects 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000011112 process operation Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 abstract description 16
- 239000011707 mineral Substances 0.000 abstract description 16
- 230000000007 visual effect Effects 0.000 abstract description 13
- 239000012141 concentrate Substances 0.000 description 19
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 16
- 230000008859 change Effects 0.000 description 9
- 229910052681 coesite Inorganic materials 0.000 description 8
- 229910052906 cristobalite Inorganic materials 0.000 description 8
- 239000000377 silicon dioxide Substances 0.000 description 8
- 235000012239 silicon dioxide Nutrition 0.000 description 8
- 229910052682 stishovite Inorganic materials 0.000 description 8
- 229910052905 tridymite Inorganic materials 0.000 description 8
- 238000005188 flotation Methods 0.000 description 6
- 238000007885 magnetic separation Methods 0.000 description 6
- 238000000227 grinding Methods 0.000 description 5
- 238000011084 recovery Methods 0.000 description 5
- 239000002184 metal Substances 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 239000006148 magnetic separator Substances 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008719 thickening Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012360 testing method Methods 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
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种基于工艺流程的生产指标可视化监控***及方法,包括:数据采集模块、生产指标管理模块、生产指标可视化组态设计模块、生产指标监控配置模块、算法管理模块、数据处理模块、生产指标可视化模块和生产指标多视图交互模块;数据采集模块:采集选矿生产全流程生产指标数据,并将其存储到本地数据库,包括PLC和数据采集传感器;实现了对生产指标的可视化监控,提升用户对生产指标的监控效率,提升指标监控的交互性和便捷性。
Description
技术领域
本发明属于生产指标监控领域,具体涉及一种基于工艺流程的生产指标可视化监控***及方法。
背景技术
目前国内关于生产全流程生产指标可视化监控***及方法的研究和应用为数不多且功能单一。“201310723320.5(可视化选矿生产全流程工艺指标优化决策***)”从选矿生产现场控制***获取选矿生产全流程控制策略所需数据并从本地获取离线数据,对算法进行封装,或者对封装好的算法进行模块化修改,组态形成选矿生产全流程控制策略,该专利主要针对选矿生产指标的优化。“201610807805.6(一种基于物联网和工业云的选矿设备移动监测***及方法)”提供一种基于物联网和工业云的选矿设备移动监测***及方法,实现了使设备的监控不必在固定场所内进行,可以向企业管理人员和科研人员提供随时随地监测数据。“201711283037.X(一种选矿生产指标可视化分析***与方法)”实现对选矿生产各工序指标的整合和配置并对指标异常进行分析可视,该专利主要针对选矿生产指标异常情况进行可视分析。但是上述专利没有涉及到选矿生产指标可视化监控的可配置和组态化。针对生产指标可视化监控,虽然201711283037.X专利涉及到了生产指标可视化,但是其仅仅使用雷达图对生产指标进行可视化,并没有根据生产指标监控实际需求采用不同的可视化方案。此外,上述专利都没有涉及到生产指标可视化与指标监控算法结合的情况。针对上述专利中存在的问题,本发明提出了一种基于工艺流程图的生产指标可视化监控***及方法。
本发明具有以下创新点:
提供了基于生产工艺流程的生产指标可视化组态设计模块,根据生产工艺以组态方式绘制工艺流程图,并通过可视界面定义其节点功能、触发事件、报警信息、提示信息、工艺规则,建立工艺与设备、工艺与生产指标间的关联关系,从而实现对生产指标的可视化监控;
将生产指标按工序和指标类型进行分类,实现对不同分类指标的多视图监控,提升指标监控的交互性和便捷性;
支持实时数据、历史数据、历史数据统计特性、多指标综合对比分析、数据关联关系分析的可视化方案,提升生产过程中对生产指标的监控功能和效率;支持自定义可视化方案,用户借助可视化组态设计模块和所监控的生产指标,实现个性化定制生产指标可视化方案,提升用户对生产指标的监控效率;
支持通过可视化的方式为生产指标监控配置生产指标监控算法,实现对生产指标的监控。
发明内容
针对现有技术,本发明提供一种基于工艺流程的生产指标可视化监控***及方法:
一种基于工艺流程的生产指标可视化监控***,包括:数据采集模块、生产指标管理模块、生产指标可视化组态设计模块、生产指标监控配置模块、算法管理模块、数据处理模块、生产指标可视化模块和生产指标多视图交互模块;
数据采集模块:采集企业生产全流程生产指标数据,并将其存储到本地数据库,包括PLC(Programmable Logic Controller,可编程逻辑控制器)和数据采集传感器;
所述数据采集传感器从工业现场采集设备实时运行状态数据;
所述PLC,用于将传感器采集的生产过程实时数据保存至本地数据库;
生产指标管理模块:对指标进行编码和数据源绑定,包括创建生产指标、编辑生产指标、删除生产指标、查看生产指标;
所述生产指标包括:指标编码、指标名称、指标数据、采集时间以及指标单位;
所述指标编码是多位数字组合而成的代表指标的唯一ID(identification);
所述指标名称是工厂对全流程工艺指标的命名;
所述指标数据是从数据采集模块采集来的代表该指标大小、高低的数字值;
所述采集时间是所述指标数据从采集模块中被采集时的时间;
所述指标单位是所述指标数据所采用的量化单位;
所述创建生产指标是指在本地数据库中创建一个由指标编码、指标名称、指标数据、采集时间以及指标单位的向量并存储;
所述编辑生产指标是指对本地数据库中已创建指标的指标编码、指标名称、指标数据、采集时间以及指标单位的已有赋值进行改变;
所述删除生产指标是指删除本地数据库中关于已创建指标的指标编码、指标名称、指标数据、采集时间以及指标单位已有信息;
所述查看生产指标是指对本地数据库中已创建指标的指标编码、指标名称、指标数据、采集时间以及指标单位已有赋值进行查看;
生产指标可视化组态设计模块:将生产工序以组态化的方式绘制成流程图,展示给用户;
所述工艺流程图包括:可视化组态工具、工序节点、连接线、端点、锚点和覆盖物;
所述可视化组态工具,包括功能栏、图元库、绘制面板三个部分;
所述功能栏包括保存、清除、刷新、导入、图元配置功能;
所述图元库,包括常见形状图元节点,并可根据需求自定义图元形状添加至图元库中;
所述绘制面板用于绘制工艺流程,用户通过鼠标拖拽方式将图元库中节点拖至绘制面板中,在配置界面配置端点、锚点相应属性,并通过鼠标进行各个图元节点间的连线,绘制好的流程图以特定格式保存至数据库或导出为文本文件保存至本地;
所述工序节点是指流程图中用图元表示的有实际物理意义的生产工序,工序节点包括工序文本信息、工序状态和工序事件绑定;
所述工序文本信息表示工序名称,通过拖动图元节点到绘制面板中,弹出输入框用于设置工序节点文本信息;
所述工序状态是指工序节点通过设置闪烁不同颜色边框和添加提示图标表示工序中设备、生产指标的状态通知信息;
所述工序事件绑定是指对每个工序节点可绑定事件,包括“单击”事件、“双击”事件、鼠标“悬浮”事件;
所述鼠标“单击”事件为进入子工序操作,使当前界面跳转至工序子界面,在工序子界面中绘制工序更加详细的子流程图,使工序流程图具有嵌套功能;
所述鼠标“双击”事件可设置为弹出对话框展示提示信息;
所述鼠标“悬浮”事件可定义为浮出提示框展示工序基本信息;
所述连接线是指节点与节点之间的连线,通过连接线不同颜色表示该工序节点输出是否存在异常;
所述端点是指连接工序节点的连接线的起始点;自定义端点形状、大小、样式以及端点个数;
所述锚点指明端点在节点上出现的位置,通过区分起始锚点和结束锚点来指明连接线的走向;
所述覆盖物是指连接线上添加装饰物,包括标签文本和连接点的箭头;
生产指标监控配置模块:配置用户想要监测的生产指标和指标的可视化方案,支持对生产指标配置监控算法,可实现对指标的诊断与趋势预测,包括生产指标列表、工序列表和可视化方案列表;
所述生产指标列表用于显示所有可监控指标;
所述工序列表显示所有可监控工序,用户通过选中所述生产指标列表中需要监控的指标,将其配置给相应工序;
所述可视化方案列表显示所有可视化方案,用户通过选中具体的可视化方案配置给监控的指标;
所述算法管理模块用于对所述模块提到的所有算法进行统一管理,包括增加、删除、修改功能;
所述数据处理模块用于计算处理所采集的数据,包括日均值和日方差;
所述生产指标可视化模块用于显示数据采集模块产生的原始数据和数据处理模块产生的对比数据、预测数据。包括实时数据曲线图、历史数据曲线图、日均值趋势折线图、日方差趋势柱状图;
所述实时数据曲线图以时间(小时)为横轴,指标值为纵轴显示实时数据,鼠标悬浮在数据点时会显示数据采集时间、指标名称和指标值;
所述历史数据曲线图以时间(日期)为横轴,指标值为纵轴,用户可选择小于两个月的一段范围内的数据进行查看;
所述日均值趋势折线图以时间(日期)为横轴,指标数据日均值为纵轴显示,显示范围为历史数据所选范围,鼠标悬浮会显示日期、指标名称和数据日均值;
所述日方差趋势柱状图以时间(日期)为横轴,指标数据日方差为纵轴显示,显示范围为历史数据所选范围,鼠标悬浮会显示日期、指标名称和数据日方差值。
生产指标多视图交互模块:对指标进行多视图显示,包括指标总览视图和指标分类视图;
所述的总览视图用于显示所有用户配置的监控指标,对所有监控指标的概览;
所述的指标分类视图用于显示用户配置的不同分类的指标,包括根据工序和指标类型分类的各类指标,实现对具体工序或者某一类型所包含指标的显示,以方便用户查看某一工序或者某一类别的指标,用户可以同时显示多个分类视图,用户可以在多个分类视图和总览视图间进行交互切换,提高用户对指标监控的便捷性。此外,不同分类指标监控视图为不同用户的监控需求提供很好的途径,使得用户可以仅仅选择自己关心的指标进行监控。
采用所述的基于工艺流程图的生产指标可视化监控***进行生产全流程生产指标监控,包括如下步骤:
步骤1:采集企业生产全流程生产指标数据并存储到本地数据库。
步骤2:对生产指标进行编码及数据源配置。
步骤2.1:为生产过程所有生产指标分配唯一指标编码,将企业生产全流程的生产指标进行统一管理。
步骤2.2:将唯一编码的生产指标与数据采集模块通过所述步骤1采集到的数据源进行绑定,使得调用生产指标编码就可以查看数据源。
步骤3:对生产工序进行流程图式组态。展示生产过程中前后工序间逻辑关系,展现整个生产工艺流程。
步骤3.1:如果数据库中已有的生产流程图,跳至步骤3.3,否则执行下一步。
步骤3.2:新建生产流程图。
步骤3.2.1:通过拖拽搭建企业全流程生产工序节点。
步骤3.2.2:为工序节点配置关键指标,同时设置样式、事件通知、报警上下限、连接线状态,使得流程图在运行态时可以监视指标实时状态,实现事件通知、连接线闪烁、超限报警功能。
步骤3.2.3:绘制好的流程图可以封装成图元,规定输入输出。然后此图元可以被当作子工序添加到更高一级的流程图中去。
步骤3.2.4:根据企业全流程生产工序间的逻辑关系,将各个生产工序节点连接成一条完整的生产流程图。
步骤3.3:增加新的节点或删除不必要的节点,调整生产流程图内逻辑关系。
步骤3.4:保存生产流程图至本地数据库。
步骤4:管理和配置***中的所有算法。
步骤5:对工艺流程图中每道生产工序进行算法配置,确定对各个工序所监测指标采用的算法。
步骤5.1:从本地数据库读取生产流程图。
步骤5.2:为生产流程图上需要监测的生产指标添加算法并保存配置。
步骤5.3:将算法所得数据保存至本地数据库。
步骤6:对本地数据库中已采集的数据进行计算处理,得到所需数据。
步骤6.1:根据本地数据库中相应指标的历史数据计算每天数据的均值。
步骤6.2:根据本地数据库中相应指标的历史数据计算每天数据的方差。
步骤6.3:保存所有计算数据。
步骤7:将所有所需数据通过不同的可视化方案显示给工作人员。
步骤7.1:选择已配置的生产指标,从数据库读取该生产指标的实时数据,监控实时数据。
步骤7.1.1:选择指标总览视图对所有用户配置的指标进行监控,对所有监控指标的概览。
步骤7.1.2:选择指标分类视图,根据工序和指标类型分类,对具体工序或者某一类型所包含指标的监控。
步骤7.1.3:选择不同的视图方式可以同时监控多个视图,在多个分类视图和总览视图间进行交互切换。
步骤7.2:选择不同的可视化方案实现历史数据查看、对比分析和关联分析。
步骤7.2.1:为指标配置可视化方案,使得在后续步骤中可以为指标选择相应的可视化方案,如历史数据、对比分析、关联分析以及自定义方案。
步骤7.2.2:指定需要查看的某个生产指标,生成历史数据图表。
步骤7.2.2.1:从本地数据库读取该生产指标的历史数据,通过时间选择器选择时间范围,生成历史数据曲线。
步骤7.2.2.2:从本地数据库读取该生产指标的日均值数据,生成日数据均值趋势折线。
步骤7.2.2.3:从本地数据库读取该生产指标的日方差数据,生成日数据方差趋势柱状图。
步骤7.2.3:选择多个生产指标对比分析,生成雷达图。
步骤7.2.3.1:进行指标选择。
步骤7.2.3.2:设置指标上下限。
步骤7.2.3.3:选择历史时间,生成指定时间的指标雷达图。
步骤7.2.4:生成工序指标与生产指标关联关系图。
步骤7.2.4.1:在影响综合生产指标的众多工序生产指标中选出少数的主要影响指标,并计算出每个工序指标对综合生产指标的贡献率。
步骤7.2.4.2:根据各工序指标对综合生产指标影响的贡献率,确定各个指标的比例关系。根据不同颜色区分不同指标,生成工序指标与生产指标关联关系图。有益效果:综上,本发明针对复杂工业过程流程长、工序多、生产指标多的特点,结合数据可视化在流程工业中应用的技术需求,提出一种基于工艺流程图的生产指标可视化监控***及方法。首先设计了基于生产工艺流程图的生产指标可视化组态工具,它可以根据生产工艺以组态方式绘制工艺流程图,并能通过可视界面自定义其节点功能、触发事件、提示信息、指标分析算法,从而实现对生产指标的可视化监控,同时由于该工具以组态方式提供,使其可以快速应用于其他流程行业,实现生产指标可视化监控的组态化。对于复杂过程生产指标监控而言,工艺流程图除了可用于表达工艺流程的逻辑关系之外,还可以用于显示工序中的设备运行状态、设备报警信息、指标异常信息、生产通知信息,进而实现对整个生产过程的可视化监控。其次,将生产指标按工序进行分类,以分类的生产指标为基础,以提升生产过程中对生产指标的监控功能和效率为目标,设计了对实时数据、历史数据、历史数据统计特性、多指标综合对比分析、数据关联关系分析的可视化方案,以实现对生产指标的可视化监控。
说明书附图
图1本发明***功能模块图
图2本发明方法步骤流程图
图3可视化组态设计工具图元连接图
图4可视化组态设计工具节点提示信息图
图5选矿综精S历史数据曲线图(2018/7/4-2018/8/4)
图6选矿综精S日均值变化趋势曲线图(2018/7/4-2018/8/4)
图7选矿综精S日方差变化趋势柱状图(2018/7/4-2018/8/4)
具体实施方式
下面对本发明的具体实施方式做详细说明。
本实施方式是将基于工艺流程图的生产指标可视化监控***及方法应用于选矿工业流程的选矿综合生产指标和工序生产指标的监控。
如图1所示;本实施方式的基于工艺流程图的选矿生产指标可视化监控***,包括数据采集模块、生产指标管理模块、生产指标可视化组态设计模块、生产指标配置模块、算法管理模块、数据处理模块和可视化模块;
数据采集模块用于采集选矿生产全流程生产指标数据,并将其存储到本地数据库,包括PLC(Programmable Logic Controller,可编程逻辑控制器)和数据采集传感器。数据采集传感器用于从工业现场采集设备实时运行状态数据;PLC,用于将传感器采集的设备实时运行状态数据保存至本地数据库。
本实施方式中,数据采集传感器采用典型的OPC工业标准。
本实施方式中,监控的设备,包括球磨机、竖炉、过滤机、强磁选机、弱磁选机、高梯度磁选机、高频细筛。
生产指标管理模块用于对指标进行编码和数据源绑定。包括创建、编辑、删除、查看操作。
生产指标具体包括:指标编码、指标名称、指标数据、采集时间、停用标记以及指标单位。
指标编码是用12位十进制数字编码而成,例如“选矿综精S”指标ID为“020206000104”(如表1)。
指标名称是选矿厂对全流程选矿工艺指标的命名(如表1)。
指标数据是从数据采集模块采集来的该指标的值(如表1)。
采集时间是所述指标数据从采集模块中被采集时的时间。
本实施方式中,采集时间以“2018/8/4 13:00:00”格式表示(如表1)。
停用标记是所述指标的停用状态。
本实施方式中,停用标记用0表示停用,1表示启用。
指标单位是所述指标数据所采用的量化单位。
本实施方式中,指标单位有百分比(%)、吨(t)、千瓦时(kwh)、立方米(m3)、小时(h)、焦耳(GJ)、米(m)、赫兹(HZ)等。
数据源是用来保存指标数据的数据库表名。
本实施方式中,数据源包括SAPDATA、PIKDATA、STRAPDATAHOUR、REALTIMEDATAHOUR、ENERGYDATAHOUR、INDEXRUNTIME、REPORTCELLDATA。
生产指标可视化组态设计模块用于将生产工序以组态化的方式绘制成流程图,展示给用户。工艺流程图包括:可视化组态工具、工序节点、连接线、端点、锚点和覆盖物;如图3所示;
可视化组态工具,包括功能栏、图元库、绘制面板三个部分。
本实施方式中,用户通过鼠标拖拽方式将图元库中节点拖至绘制面板中,在配置界面配置端点、锚点属性,并通过鼠标进行各个图元节点间的连线。绘制好的流程图以json格式保存至数据库或导出为文本文件保存至本地。
功能栏包括保存、清除、刷新、导入、图元配置功能。
图元库包括常见形状图元节点,可根据需求自定义图元形状添加至图元库中。
本实施方式中,默认有常见图元节点包括正方形、矩形、菱形和圆。
工序节点是指流程图中用图元表示的有实际物理意义的生产工序,工序节点包括工序文本信息、工序状态和工序事件绑定。
本实施方式中,用户通过拖动图元节点到绘制面板中,弹出输入框用于设置工序节点文本信息。
本实施方式中,工序状态是指工序节点通过设置闪烁不同颜色边框和添加提示图标表示工序中设备、生产指标的状态通知信息。当工序节点正常时边框不闪烁,有提示时以黄色边框显示,有警告时以紫色边框显示,出现异常时则用红色边框显示。上述提示信息分为三种:通知、设备、指标,以红色背景白色字体显示在节点右上角,以醒目地提示操作人员,如图4所示。
工序事件绑定是指对每个工序节点可绑定事件,包括“单击”事件、“双击”事件、鼠标“悬浮”事件。
本实施方式中,鼠标“单击”事件为进入子工序操作,使之当前界面跳转至工序子界面,在工序子界面中如上述方式绘制该工序更加详细的子流程图,从而实现工序流程图嵌套功能;鼠标“双击”事件可设置为弹出对话框展示提示信息;鼠标“悬浮”事件可定义为浮出提示框展示工序基本信息。
连接线是指节点与节点之间的连线,通过连接线不同颜色表示该工序节点输出是否存在异常。
本实施方式中,连接线为灰色时表示输出指标正常,当连接线为红色时,表示该工序的输出指标存在异常。
端点是指连接工序节点的连接线的起始点。可自定义端点形状、大小、样式以及端点个数。
锚点指明端点在节点上出现的位置,通过区分起始锚点和结束锚点来指明连接线的走向。
覆盖物是指连接线上添加装饰物。
本实施方式中,用户可以为连接线添加标签文本和连接点的箭头。
生产指标监控配置模块用于配置用户想要监测的生产指标,还支持对生产指标***算法,对指标做预测、诊断。生产指标监控配置模块包括生产指标列表和工序列表,用户通过选中所述生产指标列表中需要监控的指标,将其配置给相应工序。例如,选中选矿综精S、选矿综精CaO、选矿综精产量(湿重)、选矿综精烧损Ig,将其配置给选矿综合指标工序。
本实施方式中,生产指标列表用于显示所有可监控指标(见表2)。
本实施方式中,工序列表显示所有可监控工序(见表3)。
算法管理模块用于对所述模块提到的所有算法进行统一管理,包括增加、删除、修改功能。
本实施方式中,算法有主元分析法PCA(Principal Component Analysis)等。
数据处理模块用于计算处理所采集的数据。
本实施方式中,计算处理的数据包括日均值和日方差。例如选矿综精SiO2在“2018/8/3”的日均值为8.134,日方差为0.016338(见表4)。
可视化模块用于显示数据采集模块产生的原始数据和数据处理模块产生的对比数据、预测数据。包括实时数据曲线图、历史数据曲线图、日均值趋势折线图、日方差趋势柱状图。
本实施方式中,实时数据曲线图以时间(小时)为横轴,指标值为纵轴显示实时数据,鼠标悬浮在数据点时会显示数据采集时间、指标名称和指标值。
本实施方式中,历史数据曲线图以时间(日期)为横轴,指标值为纵轴,用户可选择小于两个月的一段范围内的数据进行查看。
本实施方式中,日均值趋势折线图以时间(日期)为横轴,指标数据日均值为纵轴显示,显示范围为历史数据所选范围,鼠标悬浮会显示日期、指标名称和数据日均值。
本实施方式中,日方差趋势柱状图以时间(日期)为横轴,指标数据日方差为纵轴显示,显示范围为历史数据所选范围,鼠标悬浮会显示日期、指标名称和数据日方差值。
生产指标多视图交互模块用于对指标进行多视图显示,包括指标总览视图和指标分类视图。
本实施方式中,总览视图用于显示所有用户配置的监控指标(如表2),实现对所有监控指标的概览。
指标分类视图用于显示用户配置的不同分类的指标,包括根据工序和指标类型分类的指标。
本实施方式中,根据工序(见表3)可将指标分为综合生产指标、原矿信息指标、筛分过程指标、粉矿指标、块矿指标、竖炉焙烧指标、强磁磨矿指标、弱磁磨矿指标、废石指标、强磁选别指标、弱磁选别指标、中矿浓缩指标、反浮选指标、精矿浓缩指标、尾矿浓缩指标、精矿过滤指标。
本实施方式中,根据指标类型可将指标分为计划生产指标、设备指标、全厂生产指标、实时指标、化检验指标等。
采用上述基于工艺流程图的选矿生产指标可视化监控***及方法进行选矿工业流程的选矿综合生产指标和工序生产指标的监控,如图2所示;具体实施步骤如下:
步骤1:采集选矿生产全流程生产指标数据并存储到本地数据库。
步骤2:对生产指标进行编码及数据源配置。
步骤2.1:为选矿过程所有生产指标分配唯一指标编码,便于将选矿全流程的生产指标进行统一管理,选矿综精S编码020206000104。
步骤2.2:将唯一编码的生产指标与数据采集模块通过所述步骤1采集到的数据源进行绑定,使得调用生产指标编码就可以查看数据源,选矿综精S配置数据源为SAPDATA。
步骤3:对生产工序进行流程图式组态。指明生产过程中前后工序间逻辑关系,展现整个生产工艺流程。
步骤3.1:如果数据库中已有的生产流程图,跳至步骤3.3,否则执行下一步。
步骤3.2:新建生产流程图。
步骤3.2.1:通过拖拽搭建选矿全流程生产工序节点。
步骤3.2.2:为工序节点配置关键指标,同时设置样式、事件通知、报警上下限、连接线状态,使得流程图在运行态时可以监视指标实时状态,实现事件通知、连接线闪烁、超限报警功能。
步骤3.2.3:绘制好的流程图可以封装成图元,规定输入输出。然后此图元可以被当作子工序添加到更高一级的流程图中去。
步骤3.2.4:根据选矿全流程生产工序间的逻辑关系,将各个生产工序节点连接成一条完整的生产流程图。
步骤3.3:增加新的节点或删除不必要的节点,调整生产流程图内逻辑关系。
步骤3.4:保存生产流程图至本地数据库。
步骤4:管理和配置***中的所有算法。
步骤4.1:默认有算法供用户使用,同时用户也可新增、删除和修改算法。
步骤4.2:为新增算法配置可应用的生产指标,使得用户在相关生产指标下可通过步骤5.3选择添加该算法。
步骤5:对工艺流程图中每道生产工序进行算法配置,即确定需要对各个工序所监测指标采用的算法。
步骤5.1:从本地数据库读取生产流程图。
步骤5.2:为生产流程图上需要监测的生产指标添加算法并保存配置。
步骤5.3:将算法所得数据保存至本地数据库。
步骤6:对本地数据库中已采集的数据进行计算处理,得到所需数据。
步骤6.1:根据本地数据库中相应指标的历史数据计算每天数据的均值,选矿综精S在“2018/8/1”的日均值为0.277。
步骤6.2:根据本地数据库中相应指标的历史数据计算每天数据的方差,选矿综精S在“2018/8/1”的日方差为0.003536。
步骤6.3:保存所有计算数据。
步骤7:将所需数据通过不同的可视化方案显示给工作人员。
步骤7.1:选择已配置的生产指标,从数据库读取该生产指标的实时数据,监控实时数据。
步骤7.1.1:选择指标总览视图对所有用户配置的指标进行监控,实现对所有监控指标的概览。
步骤7.1.2:选择指标分类视图,根据工序和指标类型分类,实现对具体工序或者某一类型所包含指标的监控。
步骤7.1.3:选择总览视图、工序分类视图、指标类型分类视图同时监控多个视图,用户可以在多个分类视图和总览视图间进行交互切换。
步骤7.2:选择不同的可视化方案。
步骤7.2.1:为指标配置可视化方案,使得在后续步骤中可以为指标选择相应的可视化方案,包括历史数据、对比分析、关联分析以及自定义方案。
步骤7.2.2:指定需要查看的生产指标,选择时间范围,生成历史数据图表。
步骤7.2.2.1:从本地数据库读取该生产指标的历史数据,通过时间选择器选择时间范围,生成历史数据曲线(选矿综精S在2018年7月4日到2018年8月4日的历史数据曲线,见图5)。
步骤7.2.2.2:从本地数据库读取该生产指标的日均值数据,生成日数据均值趋势折线(选矿综精S在2018年7月4日到2018年8月4日的日数据均值趋势折线图,见图6)。
步骤7.2.2.3:从本地数据库读取该生产指标的日方差数据,生成日数据方差趋势柱状图(选矿综精S在2018年7月4日到2018年8月4日的日数据方差趋势柱状图,见图7)。
步骤7.2.3:选择选矿综精品位(Tfe)、选矿综***分、选矿综精烧损Ig、选矿综精S、选矿综精CaO、选矿综精SiO2、测算烧结矿品位多个生产指标对比分析,生成雷达图。
步骤7.2.3.1:选择选矿综精品位(Tfe)、选矿综***分、选矿综精烧损Ig、选矿综精S、选矿综精CaO、选矿综精SiO2、测算烧结矿品位等生产指标。
步骤7.2.3.2:设置指标上下限[a,b],其中a表示指标下限,b表示指标上限。
选矿综精品位(Tfe)[50.00%-61.40%]、选矿综***分[11.20%-15.60%]、选矿综精烧损Ig[9.00%-9.80%]、选矿综精S[0.23%-0.31%]、选矿综精CaO[1.80%-1.98%]、选矿综精SiO2[7.10%-8.40%]、测算烧结矿品位[48.00%-51.00%]。
步骤7.2.3.3:选择历史时间2018年7月20日到2018年8月4日,生成指定时间的指标雷达图。
步骤7.2.4:生成工序指标与生产指标关联关系。
步骤7.2.4.1:在影响综合精矿品位的众多工序生产指标中选出少数的主要影响指标一次溢流回收率、强磁选理论金属回收率、强磁球磨机给矿量、弱磁选理论金属回收率、旋流器给矿流量、旋流器给矿压力、浮选选比、综合尾矿品位,并计算出每个工序指标对综合精矿品位的贡献率,如表5所示。
步骤7.2.4.2:根据各工序指标对综合生产指标影响的贡献率,确定各个指标的比例关系。根据不同颜色区分不同指标,生成工序指标与生产指标关联关系图。
表格1选矿综精S指标历史数据(2018/7/4-2018/8/4)
指标ID | 指标名称 | 采集时间 | 数据 |
020206000104 | 选矿综精S | 2018/8/4 1:00:00 | 0.29 |
020206000104 | 选矿综精S | 2018/8/3 13:00:00 | 0.292 |
020206000104 | 选矿综精S | 2018/8/2 13:00:00 | 0.27 |
020206000104 | 选矿综精S | 2018/8/2 1:00:00 | 0.271 |
020206000104 | 选矿综精S | 2018/8/1 13:00:00 | 0.282 |
020206000104 | 选矿综精S | 2018/8/1 1:00:00 | 0.272 |
020206000104 | 选矿综精S | 2018/7/31 13:00:00 | 0.267 |
020206000104 | 选矿综精S | 2018/7/30 13:00:00 | 0.268 |
020206000104 | 选矿综精S | 2018/7/30 1:00:00 | 0.255 |
020206000104 | 选矿综精S | 2018/7/29 13:00:00 | 0.254 |
020206000104 | 选矿综精S | 2018/7/29 1:00:00 | 0.262 |
020206000104 | 选矿综精S | 2018/7/28 13:00:00 | 0.268 |
020206000104 | 选矿综精S | 2018/7/28 1:00:00 | 0.288 |
020206000104 | 选矿综精S | 2018/7/27 13:00:00 | 0.278 |
020206000104 | 选矿综精S | 2018/7/27 1:00:00 | 0.281 |
020206000104 | 选矿综精S | 2018/7/26 13:00:00 | 0.275 |
020206000104 | 选矿综精S | 2018/7/26 1:00:00 | 0.276 |
020206000104 | 选矿综精S | 2018/7/25 13:00:00 | 0.286 |
020206000104 | 选矿综精S | 2018/7/24 13:00:00 | 0.292 |
020206000104 | 选矿综精S | 2018/7/24 1:00:00 | 0.276 |
020206000104 | 选矿综精S | 2018/7/23 13:00:00 | 0.274 |
020206000104 | 选矿综精S | 2018/7/23 1:00:00 | 0.268 |
020206000104 | 选矿综精S | 2018/7/22 13:00:00 | 0.26 |
020206000104 | 选矿综精S | 2018/7/22 1:00:00 | 0.256 |
020206000104 | 选矿综精S | 2018/7/21 13:00:00 | 0.273 |
020206000104 | 选矿综精S | 2018/7/21 1:00:00 | 0.292 |
020206000104 | 选矿综精S | 2018/7/20 13:00:00 | 0.277 |
020206000104 | 选矿综精S | 2018/7/20 1:00:00 | 0.254 |
020206000104 | 选矿综精S | 2018/7/19 13:00:00 | 0.252 |
020206000104 | 选矿综精S | 2018/7/19 1:00:00 | 0.26 |
020206000104 | 选矿综精S | 2018/7/18 13:00:00 | 0.255 |
020206000104 | 选矿综精S | 2018/7/17 13:00:00 | 0.28 |
020206000104 | 选矿综精S | 2018/7/17 1:00:00 | 0.274 |
020206000104 | 选矿综精S | 2018/7/16 13:00:00 | 0.274 |
020206000104 | 选矿综精S | 2018/7/15 13:00:00 | 0.267 |
020206000104 | 选矿综精S | 2018/7/14 13:00:00 | 0.249 |
020206000104 | 选矿综精S | 2018/7/13 13:00:00 | 0.26 |
020206000104 | 选矿综精S | 2018/7/13 1:00:00 | 0.27 |
020206000104 | 选矿综精S | 2018/7/11 13:00:00 | 0.276 |
020206000104 | 选矿综精S | 2018/7/10 13:00:00 | 0.27 |
020206000104 | 选矿综精S | 2018/7/9 13:00:00 | 0.277 |
020206000104 | 选矿综精S | 2018/7/9 1:00:00 | 0.272 |
020206000104 | 选矿综精S | 2018/7/8 13:00:00 | 0.277 |
020206000104 | 选矿综精S | 2018/7/7 13:00:00 | 0.274 |
020206000104 | 选矿综精S | 2018/7/6 13:00:00 | 0.28 |
020206000104 | 选矿综精S | 2018/7/6 1:00:00 | 0.274 |
020206000104 | 选矿综精S | 2018/7/5 13:00:00 | 0.286 |
020206000104 | 选矿综精S | 2018/7/5 1:00:00 | 0.31 |
020206000104 | 选矿综精S | 2018/7/4 13:00:00 | 0.3 |
020206000104 | 选矿综精S | 2018/7/3 1:00:00 | 0.308 |
表格2可监控指标列表(部分)
指标ID | 指标名称 |
20204000106 | 弱精品位 |
20204000107 | 弱尾品位 |
20204000108 | 弱磁磁尾品位 |
20204000109 | 三磁精品位 |
20204000110 | 弱精品位合格率 |
20204000111 | 浮选给矿品位 |
20204000112 | 浮选给矿SiO2 |
20204000113 | 弱磁浮尾品位 |
20204000114 | 弱磁浮精SiO2 |
20203000101 | 强磁入磨品位 |
20203000102 | 强精品位 |
20203000103 | 强磁综合尾矿品位 |
20203000104 | 平环精矿品位 |
20203000106 | 高梯度精矿品位 |
20203000108 | 强精品位合格率 |
20203000109 | 强精SiO2 |
20203000702 | 强磁入选粒度 |
20203000703 | 强磁入选浓度 |
20203000704 | 1-2旋溢粒度(-200目) |
20203000705 | 1-2旋溢浓度 |
20203000707 | 2-2旋溢浓度 |
20203000708 | 弱磁三次粒度(-300目) |
20203000709 | 弱磁三次浓度 |
20206000117 | 磁选尾矿品位 |
20206000118 | 磁选尾矿浓度 |
20106000105 | 选3# |
20106000106 | 块1# |
20106000107 | 粉2# |
20106000108 | 成品-2#矿量 |
20106000109 | 废石-1#矿量 |
20106000110 | 2X精4# |
…… | …… |
表格3工序列表
工序ID | 工序名称 |
200001 | 综合生产指标 |
201001 | 原矿信息 |
201002 | 筛分过程 |
201003 | 粉矿 |
201004 | 块矿 |
201006 | 竖炉焙烧 |
201005 | 强磁磨矿 |
201007 | 弱磁磨矿 |
201008 | 废石 |
201009 | 强磁选别 |
201010 | 弱磁选别 |
201011 | 中矿浓缩 |
201012 | 反浮选 |
201013 | 精矿浓缩 |
201014 | 尾矿浓缩 |
201015 | 精矿过滤 |
表格4选矿综精SiO2指标日均值和方差(2018/8/3)
表5影响综合精矿品位的主要指标贡献率
指标名称 | 贡献率 |
一次溢流回收率 | 19.30% |
强磁选理论金属回收率 | 18.40% |
强磁球磨机给矿量 | 3.20% |
弱磁选理论金属回收率 | 12.50% |
旋流器给矿流量 | 6.00% |
旋流器给矿压力 | 11.40% |
浮选选比 | 18.40% |
综合尾矿品位 | 10.80% |
Claims (6)
1.一种基于工艺流程的生产指标可视化监控***,其特征在于,包括:数据采集模块、生产指标管理模块、生产指标可视化组态设计模块、生产指标监控配置模块、算法管理模块、数据处理模块、生产指标可视化模块和生产指标多视图交互模块;
数据采集模块:采集企业生产全流程生产指标数据,并将其存储到本地数据库,包括PLC和数据采集传感器;
生产指标管理模块:对指标进行编码和数据源绑定,包括创建生产指标、编辑生产指标、删除生产指标、查看生产指标;
生产指标可视化组态设计模块:将生产工序以组态化的方式绘制成流程图,展示给用户;
算法管理模块:用于对所述模块提到的所有算法进行统一管理,包括增加、删除、修改功能;
数据处理模块:计算处理所采集的数据,包括日均值和日方差;
生产指标可视化模块:显示数据采集模块产生的原始数据和数据处理模块产生的对比数据、预测数据;包括实时数据曲线图、历史数据曲线图、日均值趋势折线图、日方差趋势柱状图。
2.根据权利要求1所述的一种基于工艺流程的生产指标可视化监控***,其特征在于,所述数据采集传感器从工业现场采集设备实时运行状态数据;所述PLC,用于将传感器采集的生产过程实时数据保存至本地数据库。
3.根据权利要求1所述的一种基于工艺流程的生产指标可视化监控***,其特征在于,所述生产指标包括:指标编码、指标名称、指标数据、采集时间以及指标单位;
所述指标编码是多位数字组合而成的代表指标的唯一ID;
所述指标名称是工厂对全流程工艺指标的命名;
所述指标数据是从数据采集模块采集来的代表该指标大小、高低的数字值;
所述采集时间是所述指标数据从采集模块中被采集时的时间;
所述指标单位是所述指标数据所采用的量化单位;
所述创建生产指标是指在本地数据库中创建一个由指标编码、指标名称、指标数据、采集时间以及指标单位的向量并存储;
所述编辑生产指标是指对本地数据库中已创建指标的指标编码、指标名称、指标数据、采集时间以及指标单位的已有赋值进行改变;
所述删除生产指标是指删除本地数据库中关于已创建指标的指标编码、指标名称、指标数据、采集时间以及指标单位已有信息;
所述查看生产指标是指对本地数据库中已创建指标的指标编码、指标名称、指标数据、采集时间以及指标单位已有赋值进行查看。
4.根据权利要求1所述的一种基于工艺流程的生产指标可视化监控***,其特征在于,所述工艺流程图包括:可视化组态工具、工序节点、连接线、端点、锚点和覆盖物;
所述可视化组态工具,包括功能栏、图元库、绘制面板三个部分;
所述功能栏包括保存、清除、刷新、导入、图元配置功能;
所述图元库,包括常见形状图元节点,并可根据需求自定义图元形状添加至图元库中;
所述绘制面板用于绘制工艺流程,用户通过鼠标拖拽方式将图元库中节点拖至绘制面板中,在配置界面配置端点、锚点相应属性,并通过鼠标进行各个图元节点间的连线,绘制好的流程图以特定格式保存至数据库或导出为文本文件保存至本地;
所述工序节点是指流程图中用图元表示的有实际物理意义的生产工序,工序节点包括工序文本信息、工序状态和工序事件绑定;
所述工序文本信息表示工序名称,通过拖动图元节点到绘制面板中,弹出输入框用于设置工序节点文本信息;
所述工序状态是指工序节点通过设置闪烁不同颜色边框和添加提示图标表示工序中设备、生产指标的状态通知信息;
所述工序事件绑定是指对每个工序节点可绑定事件,包括“单击”事件、“双击”事件、鼠标“悬浮”事件;
所述鼠标“单击”事件为进入子工序操作,使当前界面跳转至工序子界面,在工序子界面中绘制工序更加详细的子流程图,使工序流程图具有嵌套功能;
所述鼠标“双击”事件可设置为弹出对话框展示提示信息;
所述鼠标“悬浮”事件可定义为浮出提示框展示工序基本信息;
所述连接线是指节点与节点之间的连线,通过连接线不同颜色表示该工序节点输出是否存在异常;
所述端点是指连接工序节点的连接线的起始点;自定义端点形状、大小、样式以及端点个数;
所述锚点指明端点在节点上出现的位置,通过区分起始锚点和结束锚点来指明连接线的走向;
所述覆盖物是指连接线上添加装饰物,包括标签文本和连接点的箭头;
生产指标监控配置模块:配置用户想要监测的生产指标和指标的可视化方案,支持对生产指标配置监控算法,可实现对指标的诊断与趋势预测,包括生产指标列表、工序列表和可视化方案列表;
所述生产指标列表用于显示所有可监控指标;
所述工序列表显示所有可监控工序,用户通过选中所述生产指标列表中需要监控的指标,将其配置给相应工序;
所述可视化方案列表显示所有可视化方案,用户通过选中具体的可视化方案配置给监控的指标。
5.根据权利要求1所述的一种基于工艺流程的生产指标可视化监控***,其特征在于,所述实时数据曲线图以时间为横轴,指标值为纵轴显示实时数据,鼠标悬浮在数据点时会显示数据采集时间、指标名称和指标值;
所述历史数据曲线图以时间为横轴,指标值为纵轴,用户可选择小于两个月的一段范围内的数据进行查看;
所述日均值趋势折线图以时间为横轴,指标数据日均值为纵轴显示,显示范围为历史数据所选范围,鼠标悬浮会显示日期、指标名称和数据日均值;
所述日方差趋势柱状图以时间为横轴,指标数据日方差为纵轴显示,显示范围为历史数据所选范围,鼠标悬浮会显示日期、指标名称和数据日方差值;
生产指标多视图交互模块:对指标进行多视图显示,包括指标总览视图和指标分类视图;
所述的总览视图用于显示所有用户配置的监控指标,对所有监控指标的概览;
所述的指标分类视图用于显示用户配置的不同分类的指标,包括根据工序和指标类型分类的各类指标,实现对具体工序或者某一类型所包含指标的显示,查看某一工序或者某一类别的指标,可以同时显示多个分类视图,在多个分类视图和总览视图间进行交互切换。
6.采用所述的基于工艺流程图的生产指标可视化监控***进行企业生产全流程生产指标监控,包括如下步骤:
步骤1:采集企业生产全流程生产指标数据并存储到本地数据库;
步骤2:对生产指标进行编码及数据源配置;
步骤2.1:为生产过程所有生产指标分配唯一指标编码,将企业生产全流程的生产指标进行统一管理;
步骤2.2:将唯一编码的生产指标与数据采集模块通过所述步骤1采集到的数据源进行绑定,使得调用生产指标编码就可以查看数据源;
步骤3:对生产工序进行流程图式组态;展示生产过程中前后工序间逻辑关系,展现整个生产工艺流程;
步骤3.1:如果数据库中已有的生产流程图,跳至步骤3.3,否则执行下一步;
步骤3.2:新建生产流程图;
步骤3.2.1:通过拖拽搭建企业全流程生产工序节点;
步骤3.2.2:为工序节点配置关键指标,同时设置样式、事件通知、报警上下限、连接线状态,使得流程图在运行态时可以监视指标实时状态,实现事件通知、连接线闪烁、超限报警功能;
步骤3.2.3:绘制好的流程图可以封装成图元,规定输入输出;然后此图元可以被当作子工序添加到更高一级的流程图中去;
步骤3.2.4:根据企业全流程生产工序间的逻辑关系,将各个生产工序节点连接成一条完整的生产流程图;
步骤3.3:增加新的节点或删除不必要的节点,调整生产流程图内逻辑关系;
步骤3.4:保存生产流程图至本地数据库;
步骤4:管理和配置***中的所有算法;
步骤5:对工艺流程图中每道生产工序进行算法配置,确定对各个工序所监测指标采用的算法;
步骤5.1:从本地数据库读取生产流程图;
步骤5.2:为生产流程图上需要监测的生产指标添加算法并保存配置;
步骤5.3:将算法所得数据保存至本地数据库;
步骤6:对本地数据库中已采集的数据进行计算处理,得到所需数据;
步骤6.1:根据本地数据库中相应指标的历史数据计算每天数据的均值;
步骤6.2:根据本地数据库中相应指标的历史数据计算每天数据的方差;
步骤6.3:保存所有计算数据;
步骤7:将所需数据通过不同的可视化方案显示给工作人员;
步骤7.1:选择已配置的生产指标,从数据库读取该生产指标的实时数据,监控实时数据;
步骤7.1.1:选择指标总览视图对所有用户配置的指标进行监控,对所有监控指标的概览;
步骤7.1.2:选择指标分类视图,根据工序和指标类型分类,对具体工序或者某一类型所包含指标的监控;
步骤7.1.3:选择不同的视图方式可以同时监控多个视图,在多个分类视图和总览视图间进行交互切换;
步骤7.2:选择不同的可视化方案实现历史数据查看、对比分析和关联分析;
步骤7.2.1:为指标配置可视化方案,使得在后续步骤中可以为指标选择相应的可视化方案,如历史数据、对比分析、关联分析以及自定义方案;
步骤7.2.2:指定需要查看的某个生产指标,生成历史数据图表;
步骤7.2.2.1:从本地数据库读取该生产指标的历史数据,通过时间选择器选择时间范围,生成历史数据曲线;
步骤7.2.2.2:从本地数据库读取该生产指标的日均值数据,生成日数据均值趋势折线;
步骤7.2.2.3:从本地数据库读取该生产指标的日方差数据,生成日数据方差趋势柱状图;
步骤7.2.3:选择多个生产指标对比分析,生成雷达图;
步骤7.2.3.1:进行指标选择;
步骤7.2.3.2:设置指标上下限;
步骤7.2.3.3:选择历史时间,生成指定时间的指标雷达图;
步骤7.2.4:生成工序指标与生产指标关联关系图;
步骤7.2.4.1:在影响综合生产指标的众多工序生产指标中选出少数的主要影响指标,并计算出每个工序指标对综合生产指标的贡献率;
步骤7.2.4.2:根据各工序指标对综合生产指标影响的贡献率,确定各个指标的比例关系;根据不同颜色区分不同指标,生成工序指标与生产指标关联关系图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811010246.1A CN109034662B (zh) | 2018-08-31 | 2018-08-31 | 一种基于工艺流程的生产指标可视化监控***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811010246.1A CN109034662B (zh) | 2018-08-31 | 2018-08-31 | 一种基于工艺流程的生产指标可视化监控***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109034662A true CN109034662A (zh) | 2018-12-18 |
CN109034662B CN109034662B (zh) | 2022-03-25 |
Family
ID=64623011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811010246.1A Active CN109034662B (zh) | 2018-08-31 | 2018-08-31 | 一种基于工艺流程的生产指标可视化监控***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109034662B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109840718A (zh) * | 2019-02-28 | 2019-06-04 | 东北大学 | 一种基于组态的生产指标可视化监控***及方法 |
CN110222100A (zh) * | 2019-04-26 | 2019-09-10 | 广州明珞汽车装备有限公司 | 基于大数据显示工艺时序图的处理方法、***及存储介质 |
CN110320842A (zh) * | 2019-07-16 | 2019-10-11 | 东北大学 | 用于氧化铝生产过程的多尺度数据采集与处理装置及方法 |
CN110531723A (zh) * | 2019-09-12 | 2019-12-03 | 东北大学 | 一种选矿设备故障状态可视分析***与方法 |
CN110619465A (zh) * | 2019-09-16 | 2019-12-27 | 上海移远通信科技有限公司 | 数据存储、查询方法、***、电子设备和存储介质 |
CN111611301A (zh) * | 2020-06-16 | 2020-09-01 | 武汉虹信通信技术有限责任公司 | 无线通信设备的kpi指标表示方法、计算方法及*** |
CN111985890A (zh) * | 2020-08-05 | 2020-11-24 | 上海卫星装备研究所 | 卫星装配定额工时估算方法、***及工时管理*** |
CN112068534A (zh) * | 2020-09-11 | 2020-12-11 | 中国石油天然气集团有限公司 | 一种工业控制逻辑的图形化展示***及方法 |
CN112632162A (zh) * | 2020-12-16 | 2021-04-09 | 上海华力集成电路制造有限公司 | 制造业生产监控报表*** |
CN112767513A (zh) * | 2020-12-31 | 2021-05-07 | 浙江中控技术股份有限公司 | 一种可视化流程图和事件同步组态工具及流程图绘制方法 |
CN112785165A (zh) * | 2021-01-27 | 2021-05-11 | 重庆工业大数据创新中心有限公司 | 一种中小制造型企业的产能数据管理方法 |
CN113077139A (zh) * | 2021-03-30 | 2021-07-06 | 深圳市智莱科技股份有限公司 | 流程配置方法、装置、设备及计算机可读存储介质 |
CN113128942A (zh) * | 2019-12-30 | 2021-07-16 | 北京国双科技有限公司 | 可视化的工作流程处理方法及装置 |
CN113342327A (zh) * | 2020-03-02 | 2021-09-03 | 中国科学院沈阳自动化研究所 | 一种生成可视化工业组态交互图形的方法 |
CN113906356A (zh) * | 2019-06-10 | 2022-01-07 | 三菱电机株式会社 | 指标管理***、指标管理方法、工程设计装置及工程设计程序 |
CN116775750A (zh) * | 2023-08-15 | 2023-09-19 | 中钢集团武汉安全环保研究院有限公司 | 一种基于冶金行业的数据管理方法和装置 |
CN116996746A (zh) * | 2023-07-19 | 2023-11-03 | 苏州旭智设计营造有限公司 | 一种工艺全流程展示雷达感应交互*** |
CN117085833A (zh) * | 2023-08-24 | 2023-11-21 | 上海晨洋新材料有限公司 | 一种基于数据分析的铝粉分类过程监测*** |
CN117085833B (zh) * | 2023-08-24 | 2024-07-09 | 上海晨洋新材料有限公司 | 一种基于数据分析的铝粉分类过程监测*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472807A (zh) * | 2013-09-23 | 2013-12-25 | 雅化集团绵阳实业有限公司 | 一种起爆药连续化自动化生产监控*** |
CN103745406A (zh) * | 2013-12-23 | 2014-04-23 | 东北大学 | 可视化选矿生产全流程工艺指标优化决策***及方法 |
CN104142897A (zh) * | 2013-05-06 | 2014-11-12 | 沈阳中科博微自动化技术有限公司 | 集成电路生产线监控***的可视化配置方法 |
CN105630962A (zh) * | 2015-12-25 | 2016-06-01 | 甘肃万维信息技术有限责任公司 | 一种可自定义组态的数据可视化展示*** |
CN108108880A (zh) * | 2017-12-07 | 2018-06-01 | 东北大学 | 一种选矿生产指标可视化分析***与方法 |
-
2018
- 2018-08-31 CN CN201811010246.1A patent/CN109034662B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104142897A (zh) * | 2013-05-06 | 2014-11-12 | 沈阳中科博微自动化技术有限公司 | 集成电路生产线监控***的可视化配置方法 |
CN103472807A (zh) * | 2013-09-23 | 2013-12-25 | 雅化集团绵阳实业有限公司 | 一种起爆药连续化自动化生产监控*** |
CN103745406A (zh) * | 2013-12-23 | 2014-04-23 | 东北大学 | 可视化选矿生产全流程工艺指标优化决策***及方法 |
CN105630962A (zh) * | 2015-12-25 | 2016-06-01 | 甘肃万维信息技术有限责任公司 | 一种可自定义组态的数据可视化展示*** |
CN108108880A (zh) * | 2017-12-07 | 2018-06-01 | 东北大学 | 一种选矿生产指标可视化分析***与方法 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109840718A (zh) * | 2019-02-28 | 2019-06-04 | 东北大学 | 一种基于组态的生产指标可视化监控***及方法 |
WO2020172913A1 (zh) * | 2019-02-28 | 2020-09-03 | 东北大学 | 一种基于组态的生产指标可视化监控***及方法 |
CN110222100A (zh) * | 2019-04-26 | 2019-09-10 | 广州明珞汽车装备有限公司 | 基于大数据显示工艺时序图的处理方法、***及存储介质 |
CN113906356B (zh) * | 2019-06-10 | 2024-04-19 | 三菱电机株式会社 | 指标管理***、指标管理方法、工程设计装置及计算机可读取的记录介质 |
CN113906356A (zh) * | 2019-06-10 | 2022-01-07 | 三菱电机株式会社 | 指标管理***、指标管理方法、工程设计装置及工程设计程序 |
CN110320842A (zh) * | 2019-07-16 | 2019-10-11 | 东北大学 | 用于氧化铝生产过程的多尺度数据采集与处理装置及方法 |
CN110531723A (zh) * | 2019-09-12 | 2019-12-03 | 东北大学 | 一种选矿设备故障状态可视分析***与方法 |
CN110531723B (zh) * | 2019-09-12 | 2022-07-05 | 东北大学 | 一种选矿设备故障状态可视分析***与方法 |
CN110619465A (zh) * | 2019-09-16 | 2019-12-27 | 上海移远通信科技有限公司 | 数据存储、查询方法、***、电子设备和存储介质 |
CN113128942A (zh) * | 2019-12-30 | 2021-07-16 | 北京国双科技有限公司 | 可视化的工作流程处理方法及装置 |
CN113342327A (zh) * | 2020-03-02 | 2021-09-03 | 中国科学院沈阳自动化研究所 | 一种生成可视化工业组态交互图形的方法 |
CN111611301A (zh) * | 2020-06-16 | 2020-09-01 | 武汉虹信通信技术有限责任公司 | 无线通信设备的kpi指标表示方法、计算方法及*** |
CN111611301B (zh) * | 2020-06-16 | 2023-12-08 | 武汉虹信科技发展有限责任公司 | 无线通信设备的kpi指标表示方法、计算方法及*** |
CN111985890A (zh) * | 2020-08-05 | 2020-11-24 | 上海卫星装备研究所 | 卫星装配定额工时估算方法、***及工时管理*** |
CN111985890B (zh) * | 2020-08-05 | 2023-12-08 | 上海卫星装备研究所 | 卫星装配定额工时估算方法、***及工时管理*** |
CN112068534A (zh) * | 2020-09-11 | 2020-12-11 | 中国石油天然气集团有限公司 | 一种工业控制逻辑的图形化展示***及方法 |
CN112068534B (zh) * | 2020-09-11 | 2022-02-01 | 中国石油天然气集团有限公司 | 一种工业控制逻辑的图形化展示***及方法 |
CN112632162A (zh) * | 2020-12-16 | 2021-04-09 | 上海华力集成电路制造有限公司 | 制造业生产监控报表*** |
CN112767513A (zh) * | 2020-12-31 | 2021-05-07 | 浙江中控技术股份有限公司 | 一种可视化流程图和事件同步组态工具及流程图绘制方法 |
CN112785165A (zh) * | 2021-01-27 | 2021-05-11 | 重庆工业大数据创新中心有限公司 | 一种中小制造型企业的产能数据管理方法 |
CN113077139A (zh) * | 2021-03-30 | 2021-07-06 | 深圳市智莱科技股份有限公司 | 流程配置方法、装置、设备及计算机可读存储介质 |
CN116996746A (zh) * | 2023-07-19 | 2023-11-03 | 苏州旭智设计营造有限公司 | 一种工艺全流程展示雷达感应交互*** |
CN116775750B (zh) * | 2023-08-15 | 2023-10-31 | 中钢集团武汉安全环保研究院有限公司 | 一种基于冶金行业的数据管理方法和装置 |
CN116775750A (zh) * | 2023-08-15 | 2023-09-19 | 中钢集团武汉安全环保研究院有限公司 | 一种基于冶金行业的数据管理方法和装置 |
CN117085833A (zh) * | 2023-08-24 | 2023-11-21 | 上海晨洋新材料有限公司 | 一种基于数据分析的铝粉分类过程监测*** |
CN117085833B (zh) * | 2023-08-24 | 2024-07-09 | 上海晨洋新材料有限公司 | 一种基于数据分析的铝粉分类过程监测*** |
Also Published As
Publication number | Publication date |
---|---|
CN109034662B (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034662A (zh) | 一种基于工艺流程的生产指标可视化监控***及方法 | |
CN109840718B (zh) | 一种基于组态的生产指标可视化监控***及方法 | |
Leal-Ayala et al. | Mapping the global flow of tungsten to identify key material efficiency and supply security opportunities | |
CN109948932B (zh) | 基于大数据的风险监控分析*** | |
Dubreuil et al. | Metals recycling maps and allocation procedures in life cycle assessment | |
Lu et al. | Trajrank: Exploring travel behaviour on a route by trajectory ranking | |
CN108108880A (zh) | 一种选矿生产指标可视化分析***与方法 | |
CN103198147B (zh) | 自动化监测异常数据的判别及处理方法 | |
CN108595687A (zh) | 用水量异常检测方法和数据库服务器 | |
CN110531723B (zh) | 一种选矿设备故障状态可视分析***与方法 | |
Kapur et al. | The contemporary copper cycle of Asia | |
JP2007199783A (ja) | エネルギー監視装置 | |
Walters | Driving productivity by increasing feed quality through application of innovative grade engineering® technologies | |
da Rocha et al. | Wet High-Intensity Magnetic Separators (WHIMS) for recovering iron from tailings deposited in dams | |
Lishchuk et al. | Classification of geometallurgical programs based on approach and purpose | |
CN107121490B (zh) | 一种湿法冶金过程中运行状态的评价方法 | |
CN109360079A (zh) | 一种基于风险计算的税务指标稽查风险管控方法 | |
CN106843656A (zh) | 一种数据展示及交互的方法 | |
Cai et al. | Mapping the global flows of steel scraps: an alloy elements recovery perspective | |
CN112508315A (zh) | 一种防汛会商*** | |
CN106886154B (zh) | 基于区间数的湿法冶金全流程建模方法与优化方法 | |
CN104484581B (zh) | 生物信息项目的自动化分析方法及*** | |
CN111091407A (zh) | 一种航线客座率预测方法及*** | |
KR101457073B1 (ko) | 산업군에 대한 위기지수 산출방법 및 장치 | |
Brittan, MI & van Vuuren | Computer analysis, modelling and optimisation of gold recovery plants of the Anglo American Group |
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 |