CN114415602A - 工业设备的监控方法、装置、***和存储介质 - Google Patents

工业设备的监控方法、装置、***和存储介质 Download PDF

Info

Publication number
CN114415602A
CN114415602A CN202111467368.5A CN202111467368A CN114415602A CN 114415602 A CN114415602 A CN 114415602A CN 202111467368 A CN202111467368 A CN 202111467368A CN 114415602 A CN114415602 A CN 114415602A
Authority
CN
China
Prior art keywords
industrial equipment
current
monitoring data
prediction
monitoring
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
Application number
CN202111467368.5A
Other languages
English (en)
Other versions
CN114415602B (zh
Inventor
钱兴华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Gree Electric Appliances Inc of Zhuhai, Zhuhai Lianyun Technology Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202111467368.5A priority Critical patent/CN114415602B/zh
Publication of CN114415602A publication Critical patent/CN114415602A/zh
Application granted granted Critical
Publication of CN114415602B publication Critical patent/CN114415602B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • 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"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32252—Scheduling production, machining, job shop
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Manufacturing & Machinery (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种工业设备的监控方法、装置、***和存储介质，包括：根据获取的当前业务的需求数据和当前工业设备的历史监测数据，确定当前工业设备是否能够完成当前业务；若是，将当前工业设备的第一实际监测数据输入预先训练的第一预测模型，以输出预设的预测时间段内当前工业设备的第一预测作业信息；若否，基于改造后的工业设备的第二实际监测数据，训练第二预测模型，并将改造后的工业设备的第三实际监测数据输入第二预测模型，以输出预设的预测时间段内改造后的工业设备的第二预测作业信息。本发明能够自动判断当前工业设备是否对新任务兼容，保证了完成新任务的时效性。同时，增强了业务功能扩展能力和组合能力。

Description

工业设备的监控方法、装置、***和存储介质
技术领域
本发明属于工业生产技术领域，具体涉及一种工业设备的监控方法、装置、***和存储介质。
背景技术
随着物联网、大数据、人工智能等高新技术的快速发展，以及国家对制造业实现数字化、网络化、智能化发展的大力推进，工业互联网的发展已经进入了快车道。在这个过程中，工业生产过程中产生的大量数据得到了最大化且最有价值的利用。如通过对工业设备的生产数据进行采集，如温度、转速等数据，然后将生产数据进行处理，用于工业设备状态监控或维保报警，提高工业设备生产效率，降低工业设备维护成本。
然而，工业生产过程中，可能面临不同的业务，不同的业务对应的生产数据等也是不同的，当有一项新的任务，相关人员并不清楚所使用的的工业设备能否兼容完成新任务，可能出现，在进行新任务的过程中，才发现所使用的工业设备无法对新任务兼容，需要对工业设备改造重新执行新任务，导致新任务的完成效率较低。
发明内容
本发明的主要目的是提供一种工业设备的监控方法、装置、***和存储介质，以解决现有技术中在工业生产过程中，若出现一项新任务，因使用的工业设备无法对新任务兼容，需要对工业设备改造重新执行新任务，导致新任务的完成效率较低的技术问题。
针对上述问题，本发明提供了一种工业设备的监控方法，包括：
获取当前业务的需求数据和当前工业设备的历史监测数据；
根据所述当前业务的需求数据和所述当前工业设备的历史监测数据，确定所述当前工业设备是否能够完成所述当前业务；
若所述当前工业设备能够完成所述当前业务，在利用所述当前工业设备进行所述当前业务过程中，将所述当前工业设备的第一实际监测数据输入预先训练的第一预测模型，以输出预设的预测时间段内所述当前工业设备的第一预测作业信息；
若所述当前工业设备不能完成所述当前业务，在利用改造后的工业设备进行所述当前业务过程中，基于所述改造后的工业设备的第二实际监测数据，训练第二预测模型，并将所述改造后的工业设备的第三实际监测数据输入所述第二预测模型，以输出所述预设的预测时间段内所述改造后的工业设备的第二预测作业信息；
其中，所述第三实际监测数据的采样时间晚于所述第二实际监测数据的采样时间；所述改造后的工业设备为对所述当前工业设备进行改造得到的工业设备；所述第一预测模型和所述第二预测模型为根据所述当前业务的监控需求进行训练得到的预测模型。
进一步地，上述所述的工业设备的监控方法中，在利用所述当前工业设备进行所述当前业务过程中，将所述当前工业设备的第一实际监测数据输入预先训练的第一故障预测模型，以输出所述当前工业设备的第一预警信息之前，还包括：
根据所述当前业务的需求数据和所述当前工业设备的历史监测数据，生成所述当前工业设备对应的改造方案；
输出所述改造方案。
进一步地，上述所述的工业设备的监控方法中，根据所述当前业务的需求数据和所述当前工业设备的历史监测数据，确定所述当前工业设备是否能够完成所述当前业务，包括：
若所述当前工业设备的历史监测数据对应的监测指标包括所述当前业务的需求数据对应的需求指标，和/或，若所述监测指标与所述需求指标之间存在转换关系，确定所述当前工业设备能够完成所述当前业务；
若所述监测指标不包括所述需求指标，且所述监测指标与所述需求指标之间不存在转换关系，确定所述当前工业设备不能完成所述当前业务。
进一步地，上述所述的工业设备的监控方法，还包括：
获取所述预设的预测时间段内所述当前工业设备的第一实际作业信息，并基于所述第一实际作业信息和所述第一预测作业信息对所述第一预测模型进行调整；和/或
获取所述预设的预测时间段内所述改造后的工业设备的第二实际作业信息，并基于所述第二实际作业信息和所述第二预测作业信息对所述第二预测模型进行调整。
进一步地，上述所述的工业设备的监控方法中，所述历史监测数据、所述第一实际监测数据、所述第二实际监测数据和所述第三实际监测数据均包括能耗指标、产能效率、良品率、次品率、稼动率、设备指定部位的采样数据以及故障率中的至少一种。
进一步地，上述所述的工业设备的监控方法中，所述第一预测模型和所述第二预测模型均包括：
故障预测模型、产能预测模型或维保预测模型。
本发明还提供了一种工业设备的监控装置，包括：
获取模块，用于获取当前业务的需求数据和当前工业设备的历史监测数据；
确定模块，用于根据所述当前业务的需求数据和所述当前工业设备的历史监测数据，确定所述当前工业设备是否能够完成所述当前业务；
第一预测模块，用于若所述当前工业设备能够完成所述当前业务，在利用所述当前工业设备进行所述当前业务过程中，将所述当前工业设备的第一实际监测数据输入预先训练的第一预测模型，以输出预设的预测时间段内所述当前工业设备的第一预测作业信息；
第二预测模块，用于若所述当前工业设备不能完成所述当前业务，在利用改造后的工业设备进行所述当前业务过程中，基于所述改造后的工业设备的第二实际监测数据，训练第二预测模型，并将所述改造后的工业设备的第三实际监测数据输入所述第二预测模型，以输出所述预设的预测时间段内所述改造后的工业设备的第二预测作业信息；
其中，所述第三实际监测数据的采样时间晚于所述第二实际监测数据的采样时间；所述改造后的工业设备为对所述改造后的工业设备进行改造得到的工业设备；所述第一预测模型和所述第二预测模型为根据所述当前业务的监控需求进行训练得到的预测模型。
进一步地，上述所述的工业设备的监控装置中，在利用所述当前工业设备进行所述当前业务过程中，将所述当前工业设备的第一实际监测数据输入预先训练的第一故障预测模型，以输出所述当前工业设备的第一预警信息之前，还包括：
改造模块，用于根据所述当前业务的需求数据和所述当前工业设备的历史监测数据，生成所述当前工业设备对应的改造方案，并输出所述改造方案。
本发明还提供了一种工业设备的监控***，包括存储器和控制器；
所述存储器上存储有计算机程序，所述计算机程序被控制器执行时实现如上任一项所述的工业设备的监控方法的步骤。
本发明还提供了一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上任一项所述的工业设备的监控方法的步骤。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
本发明的工业设备的监控方法、装置、***和存储介质，通过获取当前业务的需求数据和当前工业设备的历史监测数据后，根据所述当前业务的需求数据和所述当前工业设备的历史监测数据，确定所述当前工业设备是否能够完成所述当前业务；若所述当前工业设备能够完成所述当前业务，在利用所述当前工业设备进行所述当前业务过程中，将所述当前工业设备的第一实际监测数据输入预先训练的第一预测模型，以输出预设的预测时间段内所述当前工业设备的第一预测作业信息；若所述当前工业设备不能完成所述当前业务，在利用改造后的工业设备进行所述当前业务过程中，基于所述改造后的工业设备的第二实际监测数据，训练第二预测模型，并将所述改造后的工业设备的第三实际监测数据输入所述第二预测模型，以输出所述预设的预测时间段内所述改造后的工业设备的第二预测作业信息。本发明能够自动判断当前工业设备是否对新任务兼容，并在兼容情况下，利用训练好的第一预测模型，对当前工业设备进行监控预测，在不兼容的情况下，改造当前工业设备后，训练第二预测模型，利用第二预测模型，对改造后的工业设备进行监控预测，保证了完成新任务的时效性。同时，增强了业务功能扩展能力和组合能力。
本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
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，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明的工业设备的监控方法实施例的流程图；
图2为本发明的工业设备的监控装置实施例的结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
实施例一
为解决现有技术中存在的上述技术问题，本发明实施例提供了一种工业设备的监控方法。
图1为本发明的工业设备的监控方法实施例的流程图，如图1所示，本实施例的工业设备的监控方法具体可以包括如下步骤：
100、获取当前业务的需求数据和当前工业设备的历史监测数据；
在一个具体实现过程中，可以根据当前任务的类型等，获取当前业务的需求数据，对于业务A而言，为了保证工业设备正常运行，需要监测工业设备的温度，可以将监测工业设备的温度作为当前业务的需求数据。对于业务B而言，需要监测工业设备的温度和出气口的压力等，可以将工业设备的温度和出气口的压力作为当前业务的需求数据。
在一个具体实现过程中，可以将对工业设备运行影响较大的关键部位作为指定部位，并在指定部位安装对应的传感器，以获得设备指定部位的采样数据，还可以从其他数据源获得能耗指标、产能效率、良品率、次品率、稼动率、故障率等，并对这些数据进行抽取、清洗转换、加载等处理后，得到工业设备的监测数据，进行存储，构建多维度数据集合。这样，则可以从多维度数据集合中获取到当前工业设备的历史监测数据。
在一个具体实现过程中，常用的数据处理架构主要有ETL和ELT两种，可以针对实际业务场景，进行选择使用或混合使用。这两种架构都涉及到数据抽取、清洗转换、加载三个过程。ETL架构：用户从数据源抽取出所需的数据，经过数据清洗，最后按照预先定义好的数据仓库模型，将数据加载到数据仓库中去。ELT架构：1、通过提供图形化界面设计业务规则，数据的整个加工过程都在目标和源数据库间流动；2、协调相关数据库***来执行相关应用；3、数据加工过程既可以在源数据库端执行，也可以在目标数据仓库端执行。
101、根据所述当前业务的需求数据和所述当前工业设备的历史监测数据，确定所述当前工业设备是否能够完成所述当前业务；若是，执行步骤102，若否，执行步骤103；
在一个具体实现过程中，可以将所述当前业务的需求数据对应的指标和所述当前工业设备的历史监测数据对应的指标进行比对，以确定所述当前工业设备的历史监测数据对应的指标是否全部包括所述当前工业设备的历史监测数据对应的指标。例如，当前工业设备的历史监测数据对应的指标包括工业设备的温度和出气口的压力，当前业务的需求数据对应的指标也为工业设备的温度和出气口的压力，则说明当前工业设备的历史监测数据对应的指标是否全部包括所述当前工业设备的历史监测数据对应的指标，可以确定当前工业设备能够完成所述当前业务，否则，确定当前工业设备不能完成所述当前业务。
在一个具体实现过程中，还可以分析当前业务的需求数据对应的指标和所述当前工业设备的历史监测数据对应的指标之间是否存在一定的函数关系，若存在，可以确定当前工业设备能够完成所述当前业务，否则，确定当前工业设备不能完成所述当前业务。
例如，当前工业设备的历史监测数据对应的指标包括工业设备的温度，当前业务的需求数据对应的指标为工业设备的温度和出气口的压力，但是可以通过某一函数关系式，将工业设备的温度转换成出气口的压力，则可以确定当前工业设备能够完成所述当前业务，否则，确定当前工业设备不能完成所述当前业务。
102、在利用所述当前工业设备进行所述当前业务过程中，将所述当前工业设备的第一实际监测数据输入预先训练的第一预测模型，以输出预设的预测时间段内所述当前工业设备的第一预测作业信息；
在一个具体实现过程中，若所述当前工业设备能够完成所述当前业务，则说明当前工业设备能兼容完成当前任务，这样，在利用所述当前工业设备进行所述当前业务过程中，将所述当前工业设备的第一实际监测数据输入预先训练的第一预测模型，以输出预设的预测时间段内所述当前工业设备的第一预测作业信息。
具体地，可以当前业务的监控需求选取一个预设的待训练模型或者自定义一个待训练模型，并利用当前工业设备的历史监测数据对该待训练模型进行训练，得到第一预测模型。在利用所述当前工业设备进行所述当前业务过程中，可以实时获取当前工业设备的第一实际监测数据，然后输入第一预测模型进行分析，最终输出预设的预测时间段内所述当前工业设备的第一预测作业信息。例如，第一预测作业信息可以包括预测故障信息、预测维护计划信息等。
103、在利用改造后的工业设备进行所述当前业务过程中，基于所述改造后的工业设备的第二实际监测数据，训练第二预测模型，并将所述改造后的工业设备的第三实际监测数据输入所述第二预测模型，以输出所述预设的预测时间段内所述改造后的工业设备的第二预测作业信息。
在一个具体实现过程中，若所述当前工业设备不能完成所述当前业务，说明当前工业设备不能兼容完成当前任务，此时，需要对当前工业设备进行改造得改造后的工业设备，然后，在利用改造后的工业设备进行所述当前业务过程中，基于所述改造后的工业设备的第二实际监测数据，训练第二预测模型，并将所述改造后的工业设备的第三实际监测数据输入所述第二预测模型，以输出所述预设的预测时间段内所述改造后的工业设备的第二预测作业信息。
具体地，可以根据所述当前业务的需求数据和所述当前工业设备的历史监测数据，生成所述当前工业设备对应的改造方案，并输出所述改造方案。例如，当前工业设备的历史监测数据对应的指标包括工业设备的温度，当前业务的需求数据对应的指标为工业设备的温度和出气口的压力，则改造方案可以为在当前工业设备的出口增加压力传感器。相关人员根据改造方案进行改造当前工业设备后，利用改造后的工业设备进行所述当前业务并实时获取改造后的工业设备的第二实际监测数据。
在一个具体实现过程中，可以当前业务的监控需求选取一个预设的待训练模型或者自定义一个待训练模型，并利用改造后的工业设备的第二实际监测数据对该待训练模型进行训练，得到第二预测模型。然后实时获取改造后的工业设备的第三实际监测数据，输入第二预测模型进行分析，最终输出预设的预测时间段内所述当前工业设备的第二预测作业信息。例如，第二预测作业信息可以包括预测故障信息、预测维护计划信息等。
需要说明的是，所述第三实际监测数据的采样时间晚于所述第二实际监测数据的采样时间。也就是说，改造后的工业设备进行当前业务时，开始并没有当前任务的历史数据，需要获取一定量当前任务的监测数据进行第二预测模型的训练，之后再利用后续获取的当前任务的监测数据和第二预测模型进行预测。
在一个具体实现过程中，所述第一实际监测数据、所述第二实际监测数据和所述第三实际监测数据均包括能耗指标、产能效率、良品率、次品率、稼动率、设备指定部位的采样数据以及故障率中的至少一种。本实施例中，采用多维度数据源的整合分析，提高设备数据在监控预警、维保计划、报表分析等业务功能中的准确性、有效性。
在一个具体实现过程中，所述第一预测模型和所述第二预测模型均包括：故障预测模型、产能预测模型或维保预测模型。
本实施例的工业设备的监控方法，通过获取当前业务的需求数据和当前工业设备的历史监测数据后，根据所述当前业务的需求数据和所述当前工业设备的历史监测数据，确定所述当前工业设备是否能够完成所述当前业务；若所述当前工业设备能够完成所述当前业务，在利用所述当前工业设备进行所述当前业务过程中，将所述当前工业设备的第一实际监测数据输入预先训练的第一预测模型，以输出预设的预测时间段内所述当前工业设备的第一预测作业信息；若所述当前工业设备不能完成所述当前业务，在利用改造后的工业设备进行所述当前业务过程中，基于所述改造后的工业设备的第二实际监测数据，训练第二预测模型，并将所述改造后的工业设备的第三实际监测数据输入所述第二预测模型，以输出所述预设的预测时间段内所述改造后的工业设备的第二预测作业信息。本发明能够自动判断当前工业设备是否对新任务兼容，并在兼容情况下，利用训练好的第一预测模型，对当前工业设备进行监控预测，在不兼容的情况下，改造当前工业设备后，训练第二预测模型，利用第二预测模型，对改造后的工业设备进行监控预测，保证了完成新任务的时效性。同时，增强了业务功能扩展能力和组合能力。
在一个具体实现过程中，上述实施例的工业设备的监控方法中，还可以获取所述预设的预测时间段内所述当前工业设备的第一实际作业信息，并基于所述第一实际作业信息和所述第一预测作业信息对所述第一预测模型进行调整；和/或，获取所述预设的预测时间段内所述改造后的工业设备的第二实际作业信息，并基于所述第二实际作业信息和所述第二预测作业信息对所述第二预测模型进行调整。这样，第一预测模型和第二预测模型可以随着工业设备的使用过程，越来越优化，预测结果越来越准确。
在一个具体实现过程中，还可以根据所述第一实际监测数据、所述第二实际监测数据和所述第三实际监测数据，实现设备状态监控、设备产能分析报表等基础业务功能。
需要说明的是，本发明实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本发明实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成的方法。
实施例二
为解决现有技术中存在的上述技术问题，本发明实施例提供了一种工业设备的监控装置。
图2为本发明的工业设备的监控装置实施例的结构示意图，如图2所示，本实施例的工业设备的监控装置可以包括获取模块20、确定模块21、第一预测模块22和第二预测模块23。
获取模块20，用于获取当前业务的需求数据和当前工业设备的历史监测数据；
确定模块21，用于根据所述当前业务的需求数据和所述当前工业设备的历史监测数据，确定所述当前工业设备是否能够完成所述当前业务；
具体地，若所述当前工业设备的历史监测数据对应的监测指标包括所述当前业务的需求数据对应的需求指标，和/或，若所述监测指标与所述需求指标之间存在转换关系，确定所述当前工业设备能够完成所述当前业务。若所述监测指标不包括所述需求指标，且所述监测指标与所述需求指标之间不存在转换关系，确定所述当前工业设备不能完成所述当前业务。
第一预测模块22，用于若所述当前工业设备能够完成所述当前业务，在利用所述当前工业设备进行所述当前业务过程中，将所述当前工业设备的第一实际监测数据输入预先训练的第一预测模型，以输出预设的预测时间段内所述当前工业设备的第一预测作业信息；
第二预测模块23，用于若所述当前工业设备不能完成所述当前业务，在利用改造后的工业设备进行所述当前业务过程中，基于所述改造后的工业设备的第二实际监测数据，训练第二预测模型，并将所述改造后的工业设备的第三实际监测数据输入所述第二预测模型，以输出所述预设的预测时间段内所述改造后的工业设备的第二预测作业信息；
其中，所述第三实际监测数据的采样时间晚于所述第二实际监测数据的采样时间；所述改造后的工业设备为对所述改造后的工业设备进行改造得到的工业设备；所述第一预测模型和所述第二预测模型为根据所述当前业务的监控需求进行训练得到的预测模型。
在一个具体实现过程中，所述历史监测数据、所述第一实际监测数据、所述第二实际监测数据和所述第三实际监测数据均包括能耗指标、产能效率、良品率、次品率、稼动率、设备指定部位的采样数据以及故障率中的至少一种。所述第一预测模型和所述第二预测模型均包括：故障预测模型、产能预测模型或维保预测模型。
本实施例的工业设备的监控装置，通过获取当前业务的需求数据和当前工业设备的历史监测数据后，根据所述当前业务的需求数据和所述当前工业设备的历史监测数据，确定所述当前工业设备是否能够完成所述当前业务；若所述当前工业设备能够完成所述当前业务，在利用所述当前工业设备进行所述当前业务过程中，将所述当前工业设备的第一实际监测数据输入预先训练的第一预测模型，以输出预设的预测时间段内所述当前工业设备的第一预测作业信息；若所述当前工业设备不能完成所述当前业务，在利用改造后的工业设备进行所述当前业务过程中，基于所述改造后的工业设备的第二实际监测数据，训练第二预测模型，并将所述改造后的工业设备的第三实际监测数据输入所述第二预测模型，以输出所述预设的预测时间段内所述改造后的工业设备的第二预测作业信息。本发明能够自动判断当前工业设备是否对新任务兼容，并在兼容情况下，利用训练好的第一预测模型，对当前工业设备进行监控预测，在不兼容的情况下，改造当前工业设备后，训练第二预测模型，利用第而预测模型，对改造后的工业设备进行监控预测，保证了完成新任务的时效性。同时，增强了业务功能扩展能力和组合能力。
在一个具体实现过程中，上述实施例的工业设备的监控装置还可以包括改造模块(图中不再示出)。改造模块，用于根据所述当前业务的需求数据和所述当前工业设备的历史监测数据，生成所述当前工业设备对应的改造方案，并输出所述改造方案。
在一个具体实现过程中，上述实施例的工业设备的监控装置还可以包括调整模块(图中不再示出)，调整模块用于获取所述预设的预测时间段内所述当前工业设备的第一实际作业信息，并基于所述第一实际作业信息和所述第一预测作业信息对所述第一预测模型进行调整；和/或，获取所述预设的预测时间段内所述改造后的工业设备的第二实际作业信息，并基于所述第二实际作业信息和所述第二预测作业信息对所述第二预测模型进行调整。
上述实施例的装置用于实现前述实施例中相应的方法，其具体实现方案可以参见前述实施例记载的方法及方法实施例中的相关说明，并且具有相应的方法实施例的有益效果，在此不再赘述。
实施例三
为解决现有技术中存在的上述技术问题，本发明实施例提供了一种工业设备的监控***，该室温调节设备可以包括存储器和控制器。
所述存储器上存储有计算机程序，所述计算机程序被控制器执行时实现上述实施例的工业设备的监控方法的步骤。
实施例四
为解决现有技术中存在的上述技术问题，本发明实施例提供了一种存储介质。
本实施例的存储介质，上存储有计算机程序，计算机程序被控制器执行时实现上述实施例的工业设备的监控方法的步骤。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种工业设备的监控方法，其特征在于，包括：
获取当前业务的需求数据和当前工业设备的历史监测数据；
根据所述当前业务的需求数据和所述当前工业设备的历史监测数据，确定所述当前工业设备是否能够完成所述当前业务；
若所述当前工业设备能够完成所述当前业务，在利用所述当前工业设备进行所述当前业务过程中，将所述当前工业设备的第一实际监测数据输入预先训练的第一预测模型，以输出预设的预测时间段内所述当前工业设备的第一预测作业信息；
若所述当前工业设备不能完成所述当前业务，在利用改造后的工业设备进行所述当前业务过程中，基于所述改造后的工业设备的第二实际监测数据，训练第二预测模型，并将所述改造后的工业设备的第三实际监测数据输入所述第二预测模型，以输出所述预设的预测时间段内所述改造后的工业设备的第二预测作业信息；
其中，所述第三实际监测数据的采样时间晚于所述第二实际监测数据的采样时间；所述改造后的工业设备为对所述当前工业设备进行改造得到的工业设备；所述第一预测模型和所述第二预测模型为根据所述当前业务的监控需求进行训练得到的预测模型。
2.根据权利要求1所述的工业设备的监控方法，其特征在于，在利用所述当前工业设备进行所述当前业务过程中，将所述当前工业设备的第一实际监测数据输入预先训练的第一故障预测模型，以输出所述当前工业设备的第一预警信息之前，还包括：
根据所述当前业务的需求数据和所述当前工业设备的历史监测数据，生成所述当前工业设备对应的改造方案；
输出所述改造方案。
3.根据权利要求1所述的工业设备的监控方法，其特征在于，根据所述当前业务的需求数据和所述当前工业设备的历史监测数据，确定所述当前工业设备是否能够完成所述当前业务，包括：
若所述当前工业设备的历史监测数据对应的监测指标包括所述当前业务的需求数据对应的需求指标，和/或，若所述监测指标与所述需求指标之间存在转换关系，确定所述当前工业设备能够完成所述当前业务；
若所述监测指标不包括所述需求指标，且所述监测指标与所述需求指标之间不存在转换关系，确定所述当前工业设备不能完成所述当前业务。
4.根据权利要求1所述的工业设备的监控方法，其特征在于，还包括：
获取所述预设的预测时间段内所述当前工业设备的第一实际作业信息，并基于所述第一实际作业信息和所述第一预测作业信息对所述第一预测模型进行调整；和/或
获取所述预设的预测时间段内所述改造后的工业设备的第二实际作业信息，并基于所述第二实际作业信息和所述第二预测作业信息对所述第二预测模型进行调整。
5.根据权利要求1-4任一项所述的工业设备的监控方法，其特征在于，所述历史监测数据、所述第一实际监测数据、所述第二实际监测数据和所述第三实际监测数据均包括能耗指标、产能效率、良品率、次品率、稼动率、设备指定部位的采样数据以及故障率中的至少一种。
6.根据权利要求1-4任一项所述的工业设备的监控方法，其特征在于，所述第一预测模型和所述第二预测模型均包括：
故障预测模型、产能预测模型或维保预测模型。
7.一种工业设备的监控装置，其特征在于，包括：
获取模块，用于获取当前业务的需求数据和当前工业设备的历史监测数据；
确定模块，用于根据所述当前业务的需求数据和所述当前工业设备的历史监测数据，确定所述当前工业设备是否能够完成所述当前业务；
第一预测模块，用于若所述当前工业设备能够完成所述当前业务，在利用所述当前工业设备进行所述当前业务过程中，将所述当前工业设备的第一实际监测数据输入预先训练的第一预测模型，以输出预设的预测时间段内所述当前工业设备的第一预测作业信息；
第二预测模块，用于若所述当前工业设备不能完成所述当前业务，在利用改造后的工业设备进行所述当前业务过程中，基于所述改造后的工业设备的第二实际监测数据，训练第二预测模型，并将所述改造后的工业设备的第三实际监测数据输入所述第二预测模型，以输出所述预设的预测时间段内所述改造后的工业设备的第二预测作业信息；
其中，所述第三实际监测数据的采样时间晚于所述第二实际监测数据的采样时间；所述改造后的工业设备为对所述改造后的工业设备进行改造得到的工业设备；所述第一预测模型和所述第二预测模型为根据所述当前业务的监控需求进行训练得到的预测模型。
8.根据权利要求7所述的工业设备的监控装置，其特征在于，在利用所述当前工业设备进行所述当前业务过程中，将所述当前工业设备的第一实际监测数据输入预先训练的第一故障预测模型，以输出所述当前工业设备的第一预警信息之前，还包括：
改造模块，用于根据所述当前业务的需求数据和所述当前工业设备的历史监测数据，生成所述当前工业设备对应的改造方案，并输出所述改造方案。
9.一种工业设备的监控***，其特征在于，包括存储器和控制器；
所述存储器上存储有计算机程序，所述计算机程序被控制器执行时实现如权利要求1至6中任一项所述的工业设备的监控方法的步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的工业设备的监控方法的步骤。
CN202111467368.5A 2021-12-03 2021-12-03 工业设备的监控方法、装置、***和存储介质 Active CN114415602B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111467368.5A CN114415602B (zh) 2021-12-03 2021-12-03 工业设备的监控方法、装置、***和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111467368.5A CN114415602B (zh) 2021-12-03 2021-12-03 工业设备的监控方法、装置、***和存储介质

Publications (2)

Publication Number Publication Date
CN114415602A true CN114415602A (zh) 2022-04-29
CN114415602B CN114415602B (zh) 2023-09-26

Family

ID=81265161

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111467368.5A Active CN114415602B (zh) 2021-12-03 2021-12-03 工业设备的监控方法、装置、***和存储介质

Country Status (1)

Country Link
CN (1) CN114415602B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104144204A (zh) * 2013-05-09 2014-11-12 洛克威尔自动控制技术股份有限公司 针对工业模拟使用基于云的数据
CN109828888A (zh) * 2019-01-28 2019-05-31 中国联合网络通信集团有限公司 业务***状态监控方法、装置及计算机可读存储介质
CN110275814A (zh) * 2019-06-28 2019-09-24 深圳前海微众银行股份有限公司 一种业务***的监控方法及装置
CN111103811A (zh) * 2020-01-20 2020-05-05 清华大学 一种控制***半实物仿真平台
US20200184405A1 (en) * 2018-12-06 2020-06-11 At&T Intellectual Property I, L.P. Telecommunication network customer premises service dispatch optimization
US20210096541A1 (en) * 2019-09-30 2021-04-01 Rockwell Automation Technologies, Inc. Contextualization of industrial data at the device level
CN113268486A (zh) * 2021-06-07 2021-08-17 清华大学 智能工厂的一体化数据应用***

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104144204A (zh) * 2013-05-09 2014-11-12 洛克威尔自动控制技术股份有限公司 针对工业模拟使用基于云的数据
US20200184405A1 (en) * 2018-12-06 2020-06-11 At&T Intellectual Property I, L.P. Telecommunication network customer premises service dispatch optimization
CN109828888A (zh) * 2019-01-28 2019-05-31 中国联合网络通信集团有限公司 业务***状态监控方法、装置及计算机可读存储介质
CN110275814A (zh) * 2019-06-28 2019-09-24 深圳前海微众银行股份有限公司 一种业务***的监控方法及装置
US20210096541A1 (en) * 2019-09-30 2021-04-01 Rockwell Automation Technologies, Inc. Contextualization of industrial data at the device level
CN111103811A (zh) * 2020-01-20 2020-05-05 清华大学 一种控制***半实物仿真平台
CN113268486A (zh) * 2021-06-07 2021-08-17 清华大学 智能工厂的一体化数据应用***

Also Published As

Publication number Publication date
CN114415602B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
Christou et al. End-to-end industrial IoT platform for Quality 4.0 applications
US11886155B2 (en) Distributed industrial performance monitoring and analytics
Alaswad et al. A review on condition-based maintenance optimization models for stochastically deteriorating system
US11119451B2 (en) Apparatus, method, program, and recording medium
KR100934866B1 (ko) 전력 계통의 감시데이터 수집 및 운영 시스템과 그 방법
US20180224831A1 (en) Event analyzing device, event analyzing system, event analyzing method, and non-transitory computer readable storage medium
CN116647819B (zh) 基于传感器网络的仪器能耗监测方法及***
JP2017076385A (ja) 分散型工業パフォーマンス監視及び分析プラットフォーム
JP2017076386A (ja) 分散型工業パフォーマンス監視及び分析
Cupek et al. Determination of the machine energy consumption profiles in the mass-customised manufacturing
CN115617628A (zh) 一种数字孪生***、研发方法、设备和存储介质
US20180300637A1 (en) Domain knowledge integration into data-driven feature discovery
CN113946952A (zh) 风机孪生体的生成方法、装置及电子设备
US20200210881A1 (en) Cross-domain featuring engineering
CN113758704A (zh) 阀门智能诊断监测***、方法、终端以及智能终端
CN117829318A (zh) 一种基于大模型算法的数字孪生***
KR20220164976A (ko) 머신러닝 기반 클린룸 관리 시스템 및 방법
Schachinger et al. An advanced data analytics framework for energy efficiency in buildings
CN114415602A (zh) 工业设备的监控方法、装置、***和存储介质
US20190080259A1 (en) Method of learning robust regression models from limited training data
KR20180061119A (ko) Bems 예측평가 시스템 및 방법
KR20200002433A (ko) 빅데이터 분석을 이용한 통계적 품질 관리 시스템
CN115222069A (zh) 一种设备预诊维护算法及集成该算法的智能工厂管控架构
Borgia et al. The use of product information along its entire lifecycle: a practical framework for continuous development
Negulescu A Configuration Model of the Smart Manufacturing Company

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