CN116028887B - 一种连续性工业生产数据的分析方法 - Google Patents
一种连续性工业生产数据的分析方法 Download PDFInfo
- Publication number
- CN116028887B CN116028887B CN202310322045.XA CN202310322045A CN116028887B CN 116028887 B CN116028887 B CN 116028887B CN 202310322045 A CN202310322045 A CN 202310322045A CN 116028887 B CN116028887 B CN 116028887B
- Authority
- CN
- China
- Prior art keywords
- production
- maintained
- industrial equipment
- raw material
- material supply
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 37
- 238000009776 industrial production Methods 0.000 title claims abstract description 11
- 238000004519 manufacturing process Methods 0.000 claims abstract description 232
- 239000002994 raw material Substances 0.000 claims abstract description 127
- 230000002159 abnormal effect Effects 0.000 claims abstract description 83
- 238000005265 energy consumption Methods 0.000 claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 230000005856 abnormality Effects 0.000 claims description 50
- 238000012544 monitoring process Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012797 qualification Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 230000003862 health status Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种连续性工业生产数据的分析方法,通过利用待维修工业设备所处工作环境的运行状态和人工操作流程分析出生产效能,由此得到待维修工业设备在当前生产效能下各产量信息的标准值,进而根据实际产量信息与相应产量信息的标准值对比结果实现了问题原材料供应信息的可靠识别,大大提高了识别结果与实际生产效能的贴合度,能够最大限度提高生产数据异常原因的评估效率,同时在进行问题原材料供应信息异常生产分析时充分考虑到生产状态异常和生产能耗异常均有可能造成生产数据异常,由此从以上两个方面进行综合分析,使得问题原材料供应信息异常生产的分析维度更加全面。
Description
技术领域
本发明工业生产数据分析领域,尤其涉及一种连续性工业生产数据的分析方法。
背景技术
在工业生产数据异常分析中,通常由测试站对产品生产数据进行异常分析,一般采用两种分析方式:一是最直接的方式即是否超上下限来判定数据的异常情况,可以快速拦截不良品:二是由品质管理员抽检,同时绘制SPC管制图来判断当前生产状态,从而保证生产产品的质量。第一种异常分析方式重点在于单台产品,没有覆盖整批产品的分析,品质缺乏一致性,容易流出低质量产品,第二种人工抽检无法保证整批产品都是符合规格的,实时性太差,同样会流出不良品和低质量产品。由于工业化和信息化深度融合的门槛相当高,导致人工智能、云计算、物联网等新一代信息技术无法快速贴切地引入到工厂的实际生产中,以至于目前工厂对产品质量的管控还停留在以上传统做法,无法快速响应客户高质量和多样化需求。
发明内容
为此,本申请实施例的一个目的在于提供一种连续性工业生产数据的分析方法及***,可以有效解决背景技术提到的问题。
本发明的目的可以通过以下技术方案来实现:第一方面,本发明提出一种连续性工业生产数据的分析方法,包括以下步骤:步骤A1:对待进行生产数据异常分析的工业设备记为待维修工业设备,并统计待维修工业设备单位时间内的产量信息,同时从云端设备管理平台中调取各产量信息对应的关联原材料供应信息。
步骤A2:在待维修工业设备内外分别设置设备运行监测单元和人为操作监控单元,并在待维修工业设备内部布设不同类型设备监测传感器和工人操控界面。
步骤A3:在待维修工业设备生产过程中通过设备运行监测单元和人为操作监控单元按照设定的在运行周期监测待维修工业设备对应各产量信息的测量值,并将其与该运行周期对应各产量信息的标准值进行对比,以此确定待维修工业设备是否存在生产数据异常,若确定存在生产数据异常,则识别数据异常生产时刻和数据异常时的产量信息。
步骤A6:根据数据异常时的产量信息获取数据异常时的产量信息对应的关联原材料供应信息,将其记为问题原材料供应信息,与此同时获取问题原材料供应信息的生产能耗和设备生产状态流程。
步骤A7:对问题原材料供应信息对应的生产能耗和设备生产状态流程进行解析,评估数据异常时的产量信息的数据异常原因,并将其产生评估报告。
在本发明第一方面的一种能够实现的方式中,所述运行状态包括设备负荷率和运行环境控制,人工操作流程包括工人操作熟练度、操作流程的合规性和工人健康状态。
在本发明第一方面的一种能够实现的方式中,所述分析待维修工业设备所处工作环境在运行周期的生产效能具体包括以下步骤:
步骤B1:将待维修工业设备对应启停状态的异常声响进行噪声抓取,进而从噪声中追踪启停状态的异响位置。
步骤B2:根据待维修工业设备所处工作环境在运行周期的运行环境控制与启停状态的异响位置获取运行周期的运行环境控制与启停状态异响位置之间的关联性,将其记为关联性因子;
步骤B3:将待维修工业设备所处工作环境在运行周期的设备负荷率和关联性因子代入公式,计算出待维修工业设备所处工作环境在运行周期的产品合格率,其中,/>表示产品合格率,x表示设备运行周期编号,ε表示关联性因子,/>表示运行周期数量,h表示待维修工业设备对应的额定设备负荷率;
步骤B4:将待维修工业设备所处工作环境在运行周期的人工操作流程与云端设备管理平台中待维修工业设备处于正常生产状态下的人工操作流程进行对比,计算待维修工业设备所处工作环境在运行周期的外界环境干扰度,其计算公式为,,其中,W l 表示外界环境干扰度,Y表示环境变化因子,B表示环境稳定常量,F表示人工操作流程的正确性,j1表示工人操作熟练度矩阵,j2表示操作流程的合规性矩阵,j3表示工人健康状态矩阵。
在本发明第一方面的一种能够实现的方式中,所述计算待维修工业设备在运行周期对应各产量信息的标准值的具体确定方法如下:步骤C1:从云端设备管理平台中提取待维修工业设备在额定产量状态下的需求生产效能,并将其与待维修工业设备在运行周期的生产效能进行对比,计算待维修工业设备在运行周期的生产效能误差量。
步骤C2:根据待维修工业设备在运行周期的生产效能误差量获取待维修工业设备在运行周期的生产效能误差级别。
步骤C3:将待维修工业设备在运行周期的生产效能误差级别与云端设备管理平台中各产量信息在各生产效能误差级别下的标准值进行匹配,从中匹配出待维修工业设备在运行周期对应各产量信息的标准值。
在本发明第一方面的一种能够实现的方式中,所述确定待维修工业设备是否存在生产数据异常,若确定存在生产数据异常,则识别数据异常生产时刻和数据异常时的产量信息对应的执行步骤如下:步骤D1:从云端设备管理平台中提取待维修工业设备对应各产量信息的额定值,进而将运行周期待维修工业设备对应各产量信息的测量值与待维修工业设备在运行周期对应各产量信息的标准值进行对比。
步骤D2:将运行周期待维修工业设备对应各产量信息的方差与设定的各产量信息的允许方差进行对比,若某运行周期待维修工业设备对应某产量信息的方差大于该产量信息的允许方差,则确定待维修工业设备存在生产数据异常,并将该运行周期记为数据异常生产时刻,将该产量信息记为数据异常时的产量信息。
在本发明第一方面的一种能够实现的方式中,所述获取问题原材料供应信息的生产能耗和设备生产状态流程的具体获取方法如下:步骤E1:利用待维修工业设备内部设置的工人操控界面在数据异常生产时刻采集待维修工业设备的设备生产状态流程,并从中提取问题原材料供应信息对应的自动生产步骤和人为操作步骤,由此按照问题原材料供应信息对应的人为操作步骤将待维修工业设备的设备生产状态流程进行评估,得到问题原材料供应信息对应的设备生产状态流程。
步骤E2:利用待维修工业设备内部设置的不同类型设备监测传感器在数据异常生产时刻采集待维修工业设备机舱的运行流程,并基于问题原材料供应信息对应的自动生产步骤将运行流程定位在问题原材料供应信息所在时间,从而从运行流程中提取问题原材料供应信息所在时间的消耗量。
步骤E3:将问题原材料供应信息所在时间的消耗量与数据库中各种消耗量对应的步骤进行匹配,进而将匹配成功的步骤作为问题原材料供应信息对应的生产能耗。
在本发明第一方面的一种能够实现的方式中,所述评估数据异常时的产量信息的数据异常原因具体参照如下步骤:步骤F1:将问题原材料供应信息对应的设备生产状态流程与云端设备管理平台中问题原材料供应信息对应的正常设备生产状态流程进行对比,识别是否存在异常,若存在异常,则评估数据异常时的产量信息的数据异常原因为问题原材料供应信息的生产状态存在异常。
步骤F2:将问题原材料供应信息对应的生产能耗与云端设备管理平台中问题原材料供应信息对应的适宜生产能耗区间进行对比,若问题原材料供应信息对应的生产能耗不处于适宜生产能耗区间内,则评估数据异常时的产量信息的数据异常原因为问题原材料供应信息的生产能耗存在异常。
在本发明第一方面的一种能够实现的方式中,所述步骤A6:还包括当问题原材料供应信息的数量不止一个时对各问题原材料供应信息的分析步骤进行智能排布,其具体排布方法如下:步骤G1:基于问题原材料供应信息的名称从云端设备管理平台中提取各问题原材料供应信息在产量过程中的关键度。
步骤G2:基于问题原材料供应信息的名称从各产量信息对应的关联原材料供应信息中识别问题原材料供应信息被关联的产量信息。
步骤G3:计算出各问题原材料供应信息对应的生产步骤。
步骤G4:将各问题原材料供应信息按照生产步骤由先到后的顺序进行评估,得到各问题原材料供应信息的分析步骤。
有益效果:
1.本发明利用待维修工业设备所处工作环境的运行状态和人工操作流程分析出生产效能,并由此得到待维修工业设备在当前生产效能下各产量信息的标准值,进而根据实际产量信息与相应产量信息的标准值对比结果实现了问题原材料供应信息的精准可靠识别,大大提高了识别结果与实际生产效能的贴合度,有效避免了问题原材料供应信息无效分析的发生,能够最大限度提高生产数据异常原因的评估效率。
2.本发明在进行问题原材料供应信息异常生产分析时充分考虑到生产状态异常和生产能耗异常均有可能造成生产数据异常,由此从以上两个方面进行综合分析,使得问题原材料供应信息异常生产的分析维度更加全面,实现了分析范围的扩展,在一定程度上减少了无法评估出生产数据异常原因的发生率,从而能够有效实现生产数据异常分析目的。
3.本发明在当问题原材料供应信息的数量不止一个时对各问题原材料供应信息的分析步骤进行智能排布,从而依据排布顺序进行问题原材料供应信息异常生产分析,在一定程度上减少了生产数据异常原因的分析时间,进一步加强了生产数据异常原因的评估效率,具有一定的实用性价值。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的方法步骤流程图;
图2为本发明的方法实现模块组成图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明提出一种连续性工业生产数据的分析方法,包括以下步骤:步骤A1:对待进行生产数据异常分析的工业设备记为待维修工业设备,并统计待维修工业设备单位时间内的产量信息,同时从云端设备管理平台中调取各产量信息对应的关联原材料供应信息。
步骤A2:在待维修工业设备内外分别设置设备运行监测单元和人为操作监控单元,并在待维修工业设备内部布设不同类型设备监测传感器和工人操控界面。
步骤A3:在待维修工业设备生产过程中通过设备运行监测单元和人为操作监控单元按照设定的设备运行周期采集待维修工业设备所处工作环境的运行状态和人工操作流程,其中运行状态包括设备负荷率和运行环境控制,人工操作流程包括工人操作熟练度、操作流程的合规性和工人健康状态,以此分析待维修工业设备所处工作环境在运行周期的生产效能,具体包括以下步骤:步骤B1:将待维修工业设备对应启停状态的异常声响进行噪声抓取,进而从噪声中追踪启停状态的异响位置。
步骤B2:根据待维修工业设备所处工作环境在运行周期的运行环境控制与启停状态的异响位置获取运行周期的运行环境控制与启停状态异响位置之间的关联性,将其记为关联性因子。
步骤B3:将待维修工业设备所处工作环境在运行周期的设备负荷率和关联性因子代入公式,计算出待维修工业设备所处工作环境在运行周期的产品合格率,其中,/>表示产品合格率,x表示设备运行周期编号,ε表示关联性因子,/>表示运行周期数量,h表示待维修工业设备对应的额定设备负荷率。
需要说明的是,上述产品合格率计算公式中待维修工业设备所处工作环境在某运行周期的设备负荷率越接近额定设备负荷率,关联性因子越接近90度,产品合格率越大。
步骤B4:将待维修工业设备所处工作环境在运行周期的人工操作流程与云端设备管理平台中待维修工业设备处于正常生产状态下的人工操作流程进行对比,计算待维修工业设备所处工作环境在运行周期的外界环境干扰度,其计算公式为,,其中,W l 表示外界环境干扰度,Y表示环境变化因子,B表示环境稳定常量,F表示人工操作流程的正确性,j1表示工人操作熟练度矩阵,j2表示操作流程的合规性矩阵,j3表示工人健康状态矩阵。
在上述外界环境干扰度计算公式中,待维修工业设备所处工作环境在某运行周期的工人操作熟练度、操作流程的合规性与待维修工业设备处于正常生产状态下的工人操作熟练度、操作流程的合规性之间差距越大,待维修工业设备所处工作环境在该运行周期的外界环境干扰度越大。
步骤A4:利用待维修工业设备所处工作环境在运行周期的生产效能计算待维修工业设备在运行周期对应各产量信息的标准值,具体确定方法如下:步骤C1:从云端设备管理平台中提取待维修工业设备在额定产量状态下的需求生产效能,并将其与待维修工业设备在运行周期的生产效能进行对比,计算待维修工业设备在运行周期的生产效能误差量。
步骤C2:根据待维修工业设备在运行周期的生产效能误差量获取待维修工业设备在运行周期的生产效能误差级别,其获取方式为将待维修工业设备在运行周期的生产效能误差量与设定的各生产效能误差级别对应的生产效能误差量范围进行匹配,从中匹配出待维修工业设备在运行周期的生产效能误差级别。
步骤C3:将待维修工业设备在运行周期的生产效能误差级别与云端设备管理平台中各产量信息在各生产效能误差级别下的标准值进行匹配,从中匹配出待维修工业设备在运行周期对应各产量信息的标准值。
步骤A5:在运行周期监测待维修工业设备对应各产量信息的测量值,并将其与该运行周期对应各产量信息的标准值进行对比,以此确定待维修工业设备是否存在生产数据异常,若确定存在生产数据异常,则识别数据异常生产时刻和数据异常时的产量信息,其具体执行步骤如下:
步骤D1:从云端设备管理平台中提取待维修工业设备对应各产量信息的额定值,进而将运行周期待维修工业设备对应各产量信息的测量值与待维修工业设备在运行周期对应各产量信息的标准值进行对比。
步骤D2:将运行周期待维修工业设备对应各产量信息的方差与设定的各产量信息的允许方差进行对比,若某运行周期待维修工业设备对应某产量信息的方差大于该产量信息的允许方差,则确定待维修工业设备存在生产数据异常,并将该运行周期记为数据异常生产时刻,将该产量信息记为数据异常时的产量信息。
步骤A6:根据数据异常时的产量信息从各产量信息对应的关联原材料供应信息中提取数据异常时的产量信息对应的关联原材料供应信息,将其记为问题原材料供应信息,与此同时获取问题原材料供应信息的生产能耗和设备生产状态流程。
上述中本发明利用待维修工业设备所处工作环境的运行状态和人工操作流程分析出生产效能,并由此得到待维修工业设备在当前生产效能下各产量信息的标准值,进而根据实际产量信息与相应产量信息的标准值对比结果实现了问题原材料供应信息的精准可靠识别,大大提高了识别结果与实际生产效能的贴合度,有效避免了问题原材料供应信息无效分析的发生,能够最大限度提高生产数据异常原因的评估效率。
作为本发明的优选实施方案,获取问题原材料供应信息的生产能耗和设备生产状态流程的具体获取方法如下:步骤E1:利用待维修工业设备内部设置的工人操控界面在数据异常生产时刻采集待维修工业设备的设备生产状态流程,并从中提取问题原材料供应信息对应的自动生产步骤和人为操作步骤,由此按照问题原材料供应信息对应的人为操作步骤将待维修工业设备的设备生产状态流程进行评估,得到问题原材料供应信息对应的设备生产状态流程。
步骤E2:利用待维修工业设备机舱设置的不同类型设备监测传感器在数据异常生产时刻采集待维修工业设备机舱的运行流程,并基于问题原材料供应信息对应的自动生产步骤将运行流程定位在问题原材料供应信息所在时间,从而从运行流程中提取问题原材料供应信息所在时间的消耗量。
步骤E3:将问题原材料供应信息所在时间的消耗量与数据库中各种消耗量对应的步骤进行匹配,进而将匹配成功的步骤作为问题原材料供应信息对应的生产能耗。
作为本发明的又一优选实施例,当问题原材料供应信息的数量不止一个时对各问题原材料供应信息的分析步骤进行智能排布,其具体排布方法如下:步骤G1:基于问题原材料供应信息的名称从云端设备管理平台中提取各问题原材料供应信息在产量过程中的关键度。
步骤G2:基于问题原材料供应信息的名称从各产量信息对应的关联原材料供应信息中识别问题原材料供应信息被关联的产量信息。
步骤G3:计算出各问题原材料供应信息对应的生产步骤。
步骤G4:将各问题原材料供应信息按照生产步骤由先到后的顺序进行评估,得到各问题原材料供应信息的分析步骤。
本发明在当问题原材料供应信息的数量不止一个时对各问题原材料供应信息的分析步骤进行智能排布,从而依据排布顺序进行问题原材料供应信息异常生产分析,在一定程度上减少了生产数据异常原因的分析时间,进一步加强了生产数据异常原因的评估效率,具有一定的实用性价值。
步骤A7:对问题原材料供应信息对应的生产能耗和设备生产状态流程进行解析,评估数据异常时的产量信息的数据异常原因,并将其产生评估报告。
上述中评估数据异常时的产量信息的数据异常原因具体参照如下步骤:步骤F1:将问题原材料供应信息对应的设备生产状态流程与云端设备管理平台中问题原材料供应信息对应的正常设备生产状态流程进行对比,识别是否存在异常,若存在异常,则评估数据异常时的产量信息的数据异常原因为问题原材料供应信息的生产状态存在异常。
步骤F2:将问题原材料供应信息对应的生产能耗与云端设备管理平台中问题原材料供应信息对应的适宜生产能耗区间进行对比,若问题原材料供应信息对应的生产能耗不处于适宜生产能耗区间内,则评估数据异常时的产量信息的数据异常原因为问题原材料供应信息的生产能耗存在异常。
本发明在进行问题原材料供应信息异常生产分析时充分考虑到生产状态异常和生产能耗异常均有可能造成生产数据异常,由此从以上两个方面进行综合分析,使得问题原材料供应信息异常生产的分析维度更加全面,实现了分析范围的扩展,在一定程度上减少了无法评估出生产数据异常原因的发生率,从而能够有效实现生产数据异常分析目的。
如图2所示,本发明提供一种连续性工业生产数据的分析方法,通过以下单元实现:
产量信息关联原材料供应信息统计获取单元,与云端设备管理平台连接,用于对待进行生产数据异常分析的工业设备记为待维修工业设备,并统计待维修工业设备单位时间内的产量信息,同时从云端设备管理平台中调取各产量信息对应的关联原材料供应信息。
待维修工业设备监测设备设置单元,用于在待维修工业设备内外分别设置设备运行监测单元和人为操作监控单元,并在待维修工业设备内部布设不同类型设备监测传感器和工人操控界面。
生产效能监测分析单元,分别与待维修工业设备监测设备设置单元和云端设备管理平台连接,用于在待维修工业设备生产过程中通过设备运行监测单元和人为操作监控单元按照设定的设备运行周期采集待维修工业设备所处工作环境的运行状态和人工操作流程,以此分析待维修工业设备所处工作环境在运行周期的生产效能。
待维修工业设备正常产量信息计算单元,分别与生产效能监测分析单元和云端设备管理平台连接,用于利用待维修工业设备所处工作环境在运行周期的生产效能计算待维修工业设备在运行周期对应各产量信息的标准值。
云端设备管理平台,用于存储各产量信息对应的关联原材料供应信息,存储待维修工业设备处于正常生产状态下的人工操作流程,存储待维修工业设备在额定产量状态下的需求生产效能,存储待维修工业设备对应各产量信息的额定值及各产量信息在各生产效能误差级别下的标准值,并存储待维修工业设备中各原材料供应信息对应的正常设备生产状态流程、适宜生产能耗区间及其对应的关键度。
数据库,与问题原材料供应信息生产信息获取单元连接,用于存储各种消耗量对应的步骤。
待维修工业设备生产数据异常确定单元,与待维修工业设备正常产量信息计算单元连接,用于在运行周期监测待维修工业设备对应各产量信息的测量值,并将其与该运行周期对应各产量信息的标准值进行对比,以此确定待维修工业设备是否存在生产数据异常,若确定存在生产数据异常,则识别数据异常生产时刻和数据异常时的产量信息。
问题原材料供应信息生产信息获取单元,分别与产量信息关联原材料供应信息统计获取单元、待维修工业设备监测设备设置单元和待维修工业设备生产数据异常确定单元连接,用于根据数据异常时的产量信息获取数据异常时的产量信息对应的关联原材料供应信息,将其记为问题原材料供应信息,与此同时获取问题原材料供应信息的生产能耗和设备生产状态流程。
数据异常时的产量信息缺失原因评估显示终端,分别与问题原材料供应信息生产信息获取单元和云端设备管理平台连接,用于对问题原材料供应信息对应的生产能耗和设备生产状态流程进行解析,评估数据异常时的产量信息的数据异常原因,并将数据异常时的产量信息的数据异常原因产生评估报告。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (1)
1.一种连续性工业生产数据的分析方法,其特征在于,包括以下步骤:
步骤A1:对待进行生产数据异常分析的工业设备记为待维修工业设备,并统计待维修工业设备单位时间内的产量信息,同时从云端设备管理平台中调取各产量信息对应的关联原材料供应信息;
步骤A2:在待维修工业设备内外分别设置设备运行监测单元和人为操作监控单元,并在待维修工业设备内部布设不同类型设备监测传感器和工人操控界面;
步骤A3:在待维修工业设备生产过程中通过设备运行监测单元和人为操作监控单元按照设定的设备运行周期采集待维修工业设备所处工作环境的运行状态和人工操作流程,以此分析待维修工业设备所处工作环境在运行周期的生产效能;
步骤A4:利用待维修工业设备所处工作环境在运行周期的生产效能计算待维修工业设备在运行周期对应各产量信息的标准值;
步骤A5:在运行周期监测待维修工业设备对应各产量信息的测量值,并将其与该运行周期对应各产量信息的标准值进行对比,以此确定待维修工业设备是否存在生产数据异常,若确定存在生产数据异常,则识别数据异常生产时刻和数据异常时的产量信息;
步骤A6:根据数据异常时的产量信息获取数据异常时的产量信息对应的关联原材料供应信息,将其记为问题原材料供应信息,与此同时获取问题原材料供应信息的生产能耗和设备生产状态流程;
步骤A7:对问题原材料供应信息对应的生产能耗和设备生产状态流程进行解析,评估数据异常时的产量信息的数据异常原因,并将其产生评估报告;
所述运行状态包括设备负荷率和运行环境控制,人工操作流程包括工人操作熟练度、操作流程的合规性和工人健康状态;
所述分析待维修工业设备所处工作环境在运行周期的生产效能具体包括以下步骤:
步骤B1:将待维修工业设备对应启停状态的异常声响进行噪声抓取,进而从噪声中追踪启停状态的异响位置;
步骤B2:根据待维修工业设备所处工作环境在运行周期的运行环境控制与启停状态的异响位置获取运行周期的运行环境控制与启停状态异响位置之间的关联性,将其记为关联性因子;
步骤B3:将待维修工业设备所处工作环境在运行周期的设备负荷率和关联性因子代入公式,计算出待维修工业设备所处工作环境在运行周期的产品合格率,其中,/>表示产品合格率,x表示设备运行周期编号,ε表示关联性因子,/>表示运行周期数量,h表示待维修工业设备对应的额定设备负荷率;
步骤B4:将待维修工业设备所处工作环境在运行周期的人工操作流程与云端设备管理平台中待维修工业设备处于正常生产状态下的人工操作流程进行对比,计算待维修工业设备所处工作环境在运行周期的外界环境干扰度,其计算公式为,;
其中,W l 表示外界环境干扰度,Y表示环境变化因子,B表示环境稳定常量,F表示人工操作流程的正确性,j1表示工人操作熟练度矩阵,j2表示操作流程的合规性矩阵,j3表示工人健康状态矩阵;
所述计算待维修工业设备在运行周期对应各产量信息的标准值的具体确定方法如下:
步骤C1:从云端设备管理平台中提取待维修工业设备在额定产量状态下的需求生产效能,并将其与待维修工业设备在运行周期的生产效能进行对比,计算待维修工业设备在运行周期的生产效能误差量;
步骤C2:根据待维修工业设备在运行周期的生产效能误差量获取待维修工业设备在运行周期的生产效能误差级别;
步骤C3:将待维修工业设备在运行周期的生产效能误差级别与云端设备管理平台中各产量信息在各生产效能误差级别下的标准值进行匹配,从中匹配出待维修工业设备在运行周期对应各产量信息的标准值;
所述确定待维修工业设备是否存在生产数据异常,若确定存在生产数据异常,则识别数据异常生产时刻和数据异常时的产量信息对应的执行步骤如下:
步骤D1:从云端设备管理平台中提取待维修工业设备对应各产量信息的额定值,进而将运行周期待维修工业设备对应各产量信息的测量值与待维修工业设备在运行周期对应各产量信息的标准值进行对比,计算出运行周期待维修工业设备对应各产量信息的方差;
步骤D2:将运行周期待维修工业设备对应各产量信息的方差与设定的各产量信息的允许方差进行对比,若某运行周期待维修工业设备对应某产量信息的方差大于该产量信息的允许方差,则确定待维修工业设备存在生产数据异常,并将该运行周期记为数据异常生产时刻,将该产量信息记为数据异常时的产量信息;
所述获取问题原材料供应信息的生产能耗和设备生产状态流程的具体获取方法如下:
步骤E1:利用待维修工业设备内部设置的工人操控界面在数据异常生产时刻采集待维修工业设备的设备生产状态流程,并从中提取问题原材料供应信息对应的自动生产步骤和人为操作步骤,由此按照问题原材料供应信息对应的人为操作步骤将待维修工业设备的设备生产状态流程进行评估,得到问题原材料供应信息对应的设备生产状态流程;
步骤E2:利用待维修工业设备内部设置的不同类型设备监测传感器在数据异常生产时刻采集待维修工业设备内部的运行流程,并基于问题原材料供应信息对应的自动生产步骤将运行流程定位在问题原材料供应信息所在时间,从而从运行流程中提取问题原材料供应信息所在时间的消耗量;
步骤E3:将问题原材料供应信息所在时间的消耗量与数据库中各种消耗量对应的步骤进行匹配,进而将匹配成功的步骤作为问题原材料供应信息对应的生产能耗;
所述评估数据异常时的产量信息的数据异常原因具体参照如下步骤:
步骤F1:将问题原材料供应信息对应的设备生产状态流程与云端设备管理平台中问题原材料供应信息对应的正常设备生产状态流程进行对比,识别是否存在异常,若存在异常,则评估数据异常时的产量信息的数据异常原因为问题原材料供应信息的生产状态存在异常;
步骤F2:将问题原材料供应信息对应的生产能耗与云端设备管理平台中问题原材料供应信息对应的适宜生产能耗区间进行对比,若问题原材料供应信息对应的生产能耗不处于适宜生产能耗区间内,则评估数据异常时的产量信息的数据异常原因为问题原材料供应信息的生产能耗存在异常;
所述步骤A6:还包括当问题原材料供应信息的数量不止一个时对各问题原材料供应信息的分析步骤进行智能排布,其具体排布方法如下:
步骤G1:基于问题原材料供应信息的名称从云端设备管理平台中提取各问题原材料供应信息在产量过程中的关键度;
步骤G2:基于问题原材料供应信息的名称从各产量信息对应的关联原材料供应信息中识别问题原材料供应信息被关联的产量信息;
步骤G3:计算出各问题原材料供应信息对应的生产步骤;
步骤G4:将各问题原材料供应信息按照生产步骤由先到后的顺序进行评估,得到各问题原材料供应信息的分析步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310322045.XA CN116028887B (zh) | 2023-03-29 | 2023-03-29 | 一种连续性工业生产数据的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310322045.XA CN116028887B (zh) | 2023-03-29 | 2023-03-29 | 一种连续性工业生产数据的分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116028887A CN116028887A (zh) | 2023-04-28 |
CN116028887B true CN116028887B (zh) | 2023-06-30 |
Family
ID=86072669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310322045.XA Active CN116028887B (zh) | 2023-03-29 | 2023-03-29 | 一种连续性工业生产数据的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116028887B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116579769B (zh) * | 2023-07-13 | 2023-11-24 | 南通远征冷冻设备有限公司 | 一种冷冻设备的生产控制方法 |
CN116822998B (zh) * | 2023-08-30 | 2023-11-14 | 山东太祥阀门有限公司 | 一种基于大数据的全焊接球阀生产数据分析方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950073A (zh) * | 2021-03-29 | 2021-06-11 | 杭州吉易物联科技有限公司 | 一种施工升降机健康评价指标选取方法 |
CN114859845A (zh) * | 2022-06-09 | 2022-08-05 | 中用科技有限公司 | 基于物联网控制器的智能工业数据管理*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766528A (zh) * | 2019-10-31 | 2020-02-07 | 瑞熙(苏州)智能科技有限公司 | 一种客户信用自评估工厂实时智能分析管理*** |
CN112183997A (zh) * | 2020-09-23 | 2021-01-05 | 万洲电气股份有限公司 | 一种用能单位异常状态的监测分析*** |
CN115596620B (zh) * | 2022-12-15 | 2023-03-07 | 深圳鹏锐信息技术股份有限公司 | 基于人工智能的风力发电机组故障智能分析方法及*** |
-
2023
- 2023-03-29 CN CN202310322045.XA patent/CN116028887B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950073A (zh) * | 2021-03-29 | 2021-06-11 | 杭州吉易物联科技有限公司 | 一种施工升降机健康评价指标选取方法 |
CN114859845A (zh) * | 2022-06-09 | 2022-08-05 | 中用科技有限公司 | 基于物联网控制器的智能工业数据管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN116028887A (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN109711659B (zh) | 一种工业生产的良率提升管理***和方法 | |
CN108363836B (zh) | 多工况自适应的工业机器人健康度评估方法及*** | |
CN115100600B (zh) | 一种电池包的产线智能检测方法及*** | |
CN107679715A (zh) | 一种基于spc的电能表综合误差过程能力评价方法及评价*** | |
CN116742799A (zh) | 一种基于物联网技术的配电辅助监测预警*** | |
CN113420162B (zh) | 一种基于知识图谱的设备运行链状态监测方法 | |
CN117406026A (zh) | 一种适用于分布式电源的配电网故障检测方法 | |
CN111666978B (zh) | 一种it***运维大数据的智能故障预警*** | |
CN112001511A (zh) | 基于数据挖掘的设备可靠性及动态风险评价方法、***和设备 | |
CN117056688A (zh) | 一种基于数据分析的新材料生产数据管理***及方法 | |
CN116992346A (zh) | 一种基于人工智能大数据分析的企业生产数据处理*** | |
CN112803587A (zh) | 一种基于诊断决策库的自动化设备状态智能巡视方法 | |
CN116720983A (zh) | 一种基于大数据分析的供电设备异常检测方法及*** | |
CN116861503A (zh) | 一种基于大数据的电力变压器数字孪生模型的构建方法 | |
CN116566839A (zh) | 一种电力企业通信资源质量评估*** | |
CN116611953A (zh) | 基于物联网的电能表生产制造实时数据管理方法和*** | |
CN115809805A (zh) | 基于边缘计算的电网多源数据处理方法 | |
CN115392663A (zh) | 一种基于大数据的数据采集处理方法 | |
CN110569277A (zh) | 一种配置数据信息自动识别与归类方法及*** | |
CN117932501B (zh) | 一种电能表运行状态管理方法和*** | |
CN117591507B (zh) | 一种用于测控装备的数据质量特性自动化构建方法和*** | |
CN117391357B (zh) | 一种基于大数据的电网调度运行管理的调度自查*** | |
CN117311295B (zh) | 基于无线网络设备的生产质量提升方法及*** |
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 |