CN117234170B - 一种钢铁关键工艺参数监测管理方法和装置 - Google Patents
一种钢铁关键工艺参数监测管理方法和装置 Download PDFInfo
- Publication number
- CN117234170B CN117234170B CN202311522929.6A CN202311522929A CN117234170B CN 117234170 B CN117234170 B CN 117234170B CN 202311522929 A CN202311522929 A CN 202311522929A CN 117234170 B CN117234170 B CN 117234170B
- Authority
- CN
- China
- Prior art keywords
- monitoring data
- equipment
- monitoring
- data
- steel
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 262
- 238000000034 method Methods 0.000 title claims abstract description 99
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 42
- 239000010959 steel Substances 0.000 title claims abstract description 42
- 238000013507 mapping Methods 0.000 claims abstract description 70
- 230000008569 process Effects 0.000 claims abstract description 60
- 230000006870 function Effects 0.000 claims description 33
- 238000011144 upstream manufacturing Methods 0.000 claims description 24
- 238000004519 manufacturing process Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 11
- 238000013210 evaluation model Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 238000012502 risk assessment Methods 0.000 claims description 5
- 230000005611 electricity Effects 0.000 claims description 3
- 238000000227 grinding Methods 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 13
- 238000002485 combustion reaction Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 239000000446 fuel Substances 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005338 heat storage Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 241000283973 Oryctolagus cuniculus Species 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 238000004939 coking Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005453 pelletization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
Classifications
-
- 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]
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及钢铁风险管控技术领域，提供了一种钢铁关键工艺参数监测管理方法和装置。所述方法包括：若第一设备是要进行替换，记录历史第一设备中各个传感器在第一设备中的位置参数，以及用于更替的第二设备中各个传感器在第二设备中的位置参数，对于位置参数的相差小于预设值的关键工艺参数监测点和位置参数的相差大于等于预设值的关键工艺参数监测点分别得到对应的映射关系，使用映射关系将历史监测数据转换为第二设备可用的监测数据。本发明对更换前后的监测数据进行比对、映射，从而确定相互之间的关系，根据该关系进行更换前的监测数据的转换，从而使历史的监测数据能够被用于后续的参数监测过程中，从而避免数据资源的浪费。
Description
技术领域
本发明涉及钢铁风险管控技术领域，特别是涉及一种钢铁关键工艺参数监测管理方法和装置。
背景技术
目前，钢铁企业一般内设石灰、烧结、球团、焦化、炼铁、炼钢、轧钢、能源等厂区；不同厂区设置有不同的作业区，如高炉风口平台、出铁区、炉基区、炉身区等作业区域；作业区内存在不同的设备，而设备本体监测参数也有所不同，如转炉氧枪氧气压力、冷却水流量、流量差、连锁状态等。
钢铁企业工艺流程长、影响因素多、作业环境复杂、各类事件频发，且各钢铁企业虽然不同程度上建设有分散控制***（Distributed Control System，简称为：DCS***），但未充分运用***中监测的工艺参数数据来改善和预防事件发生，监测预警***覆盖范围小、功能单一、无法支撑安全决策。
其中，尤其是出现设备故障，更替零部件或者成品组件更换的情况下，若新设备的传感器布局位置出现与历史传感器布局位置存在位置偏差，或者，更替后的设备存在检测数据与当前已有设备检测数据存在检测对象内容交叉时，对于现有技术而言很难有一套行之有效的方式解决上述问题。
鉴于此，克服该现有技术所存在的缺陷是本技术领域亟待解决的问题。
发明内容
本发明要解决的技术问题是出现设备故障，更替零部件或者成品组件更换的情况下，若新设备的传感器布局位置出现与历史传感器布局位置存在位置偏差，或者，更替后的设备存在检测数据与当前已有设备检测数据存在检测对象内容交叉时，对于现有技术而言很难有一套行之有效的方式解决上述问题。
本发明采用如下技术方案：
第一方面，本发明提供了一种钢铁关键工艺参数监测管理方法，在包含关键工艺参数监测的第一设备要进行维修或者替换时，若第一设备是要进行替换，管理方法包括：
先记录历史第一设备中各个传感器在第一设备中的位置参数，以及用于更替的第二设备中各个传感器在第二设备中的位置参数；
对于位置参数的相差小于预设值的关键工艺参数监测点，进行第一轮的替换前后监测数据匹配；其中，所述监测数据匹配是在完成了整个产线所加工生产内容相同、所述第一设备的上游/下游节点设备的监测数据分别与第二设备的上游/下游节点设备的监测数据相同的筛选条件后进行的；
若匹配结果小于第一预设值，则确定所述第一设备和第二设备在满足位置条件和筛选条件后，所得到的关键工艺参数监测是一致的，从而进一步针对位置参数的相差大于等于预设值的关键工艺参数监测点，进行第二轮的替换前后监测数据匹配，分析相应数据的第一映射关系；通过上述第一轮和第二轮的替换前后监测数据匹配后，将第一设备历史监测数据转换为第二设备可用的监测数据；
若匹配结果大于等于第一预设值，则分析相应第一轮匹配数据之间是否存在第二映射关系，若存在则将所述第二映射关系中的加权值作为可用补偿参数，带入到第二轮匹配数据的第三映射关系建立；其中，若所述第二映射关系不成立，则确定第一设备历史监测数据无法直接转换为第二设备可用的监测数据，需要原始积累起第二设备的监测数据。
优选的，所述位置参数包括：设置所在设备的腔室内位置、设置所在管道上离开关阀距离、设置所在管道上离进出口距离中的一项或者多项。
优选的，所述监测数据匹配是在完成了整个产线所加工生产内容相同、所述第一设备的上游/下游节点设备的监测数据分别与第二设备的上游/下游节点设备的监测数据相同的筛选条件，具体包括：
用于第一轮匹配的数据要同时满足第一条件：整个产线所加工生产内容相同；以及第二条件：所述第一设备的上游/下游节点设备的监测数据分别与第二设备的上游/下游节点设备的监测数据相同；
其中，第二条件中进行比对的监测数据具体指代会被第一设备/第二设备承接的监测数据和关联的监测数据；所述承接的监测数据包括被加工产品对象自身的材料、磨具和尺寸型号中的一项或者多项，会从上游节点设备传递给第一设备/第二设备的产品对象；所述关联的监测数据是指共享的特定要素，所述共享的特定要素包括供气、供水和供电中的一项或者多项。
优选的，所述通过上述第一轮和第二轮的替换前后监测数据匹配后，将第一设备历史监测数据转换为第二设备可用的监测数据，还包括；
通过第一设备历史监测数据转换为第二设备可用的监测数据，会被打上转换标签；
若所述第二设备积累的源自自身的监测数据小于等于第二预设值，则在需要对整个***的预警模型进行生成或更新操作时，使用转换得到的第二设备可用的监测数据；
若所述第二设备积累的源自自身的监测数据大于第二预设值，则在需要对整个***的预警模型进行生成或更新操作时，直接使用第二设备自身产出的监测数据。
优选的，对于第一设备的历史告警的监测数据在转换为第二设备的告警监测数据时，所述方法还包括：
以第一设备的历史告警的监测数据时间节点为参考，获取其周边预设时间长度内的关联监测数据；
以所述关联监测数据为关键词，以所述第一映射关系或者第二映射关系为索引逻辑，寻找第二设备自身所生成的目标监测数据；
若相应的目标监测数据生成数量达到拟合要求，并且，最终拟合得到的曲线趋势和关联监测数据所拟合出来的趋势一致，则将所述历史告警的监测数据转换为第二设备的告警监测数据。
优选的，所述第一映射关系和第二映射关系均为线性相关关系。
优选的，所述监测数据包括设备的温度、压力、液位、转速、容积、流量、气体浓度、联锁状态、高度、速度、风压、电流、电压、料位、重量、频率、震动、开合度中的一项或者多项。
优选的，监测***使用RabbitMQ消息中间件与各数据采集模块进行通信，以便于数据采集模块将相应传感器所采集的监测数据通过AMQP协议传输至监测***，其中，监测***使用topic主题交换机向各数据采集模块分发消息。
优选的，所述第二设备可用的监测数据用于后续的告警风险评估，所述告警风险评估使用动态评估模型实现；
动态评估模型中的指标函数公式为，式中/>为监测数据，/>为告警数据，其中，/>为告警等级，/>为告警次数，/>为告警时长，i为区域号，j为设备号，k为指标类型，m为指标序号，n为告警类型，/>为当前指标序号为m的指标修正系数；
动态评估模型中设备函数公式为，式中/>为当前设备号为j的设备修正系数，f(m)为指标函数值；
动态评估模型中区域函数公式为，式中/>为当前区域号i的区域修正系数，/>为设备函数值。
第二方面，本发明还提供了一种钢铁关键工艺参数监测管理方法和装置，用于实现第一方面所述的钢铁关键工艺参数监测管理方法，所述装置包括：
至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述处理器执行，用于执行第一方面所述的钢铁关键工艺参数监测管理方法。
第三方面，本发明还提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，用于完成第一方面所述的钢铁关键工艺参数监测管理方法。
本发明通过对更换前后的监测数据进行比对、映射，从而确定相互之间的关系，根据该关系进行更换前的监测数据的转换，从而使历史的监测数据能够被用于后续的参数监测过程中，从而避免数据资源的浪费。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种钢铁关键工艺参数监测管理方法的流程示意图；
图2是本发明实施例提供的一种钢铁关键工艺参数监测管理方法中所使用的热风炉的结构示意图；
图3是本发明实施例提供的一种钢铁关键工艺参数监测管理方法中数据模型的示意图；
图4是本发明实施例提供的一种钢铁关键工艺参数监测管理方法中第一映射关系的示意图；
图5是本发明实施例提供的一种钢铁关键工艺参数监测管理方法中第二映射关系的示意图；
图6是本发明实施例提供的一种钢铁关键工艺参数监测管理方法中第三映射关系的示意图；
图7是本发明实施例提供的又一种钢铁关键工艺参数监测管理方法的流程示意图；
图8是本发明实施例提供的再一种钢铁关键工艺参数监测管理方法的流程示意图；
图9是本发明实施例提供的一种钢铁关键工艺参数监测管理方法的示意图；
图10是本发明实施例提供的一种钢铁关键工艺参数监测管理装置的架构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明中术语“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”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本申请中，除非另有明确的规定和限定，术语“连接”应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或成一体；可以是直接相连，也可以通过中间媒介间接相连。此外，术语“耦接”可以是实现信号传输的电性连接的方式。
此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1:
本发明实施例1提供了一种钢铁关键工艺参数监测管理方法，在包含关键工艺参数监测的第一设备要进行维修或者替换时，若第一设备是要进行替换，如图1所示，管理方法包括：
在步骤201中，先记录历史第一设备中各个传感器在第一设备中的位置参数，以及用于更替的第二设备中各个传感器在第二设备中的位置参数。
所述位置参数包括：设置所在设备的腔室内位置、设置所在管道上离开关阀距离、设置所在管道上离进出口距离中的一项或者多项。
在步骤202中，对于位置参数的相差小于预设值的关键工艺参数监测点，进行第一轮的替换前后监测数据匹配；其中，所述监测数据匹配是在完成了整个产线所加工生产内容相同、所述第一设备的上游/下游节点设备的监测数据分别与第二设备的上游/下游节点设备的监测数据相同的筛选条件后进行的；其中，所述预设值由本领域技术人员根据相应工艺参数的监测需求分析得到。当第一设备中相应传感器的位置参数与第二设备中相应传感器的位置参数相差小于预设值时，则认为该传感器的安装位置在设备更换前没有太大变化。
所述监测数据包括设备的温度、压力、液位、转速、容积、流量、气体浓度、联锁状态、高度、速度、风压、电流、电压、料位、重量、频率、震动、开合度中的一项或者多项。
正如上述实施例中所提到的，由于钢铁生产线中多个设备之间相互影响，故而所述筛选条件是为了确保第一设备和第二设备的工作环境一致，即排除外界其他设备的变动对所更替设备的监测数据分析造成影响的可能。
在步骤203中，若匹配结果小于第一预设值，则确定所述第一设备和第二设备在满足位置条件和筛选条件后，所得到的关键工艺参数监测是一致的，从而进一步针对位置参数的相差大于等于预设值的关键工艺参数监测点，进行第二轮的替换前后监测数据匹配，分析相应数据的第一映射关系；通过上述第一轮和第二轮的替换前后监测数据匹配后，将第一设备历史监测数据转换为第二设备可用的监测数据；所述第一预设值由本领域技术人员根据经验分析得到。当匹配结果小于第一预设值时，认为在设备更换前后安装在同位置的传感器所得的监测数据是一致的，当匹配结果大于第一预设值时，认为在设备更换前后安装在同位置的传感器所得的监测数据不一致。
在步骤204中，若匹配结果大于等于第一预设值，则分析相应第一轮匹配数据之间是否存在第二映射关系，若存在则将所述第二映射关系中的加权值作为可用补偿参数，带入到第二轮匹配数据的第三映射关系建立；其中，若所述第二映射关系不成立，则确定第一设备历史监测数据无法直接转换为第二设备可用的监测数据，需要原始积累起第二设备的监测数据。
其中，上述步骤203和上述步骤204可理解为以下两种情况：
第一种情况：若在设备更换前后，安装在同位置的传感器所检测得到的工艺参数是一致的，则认为这些传感器替换前后参数完全匹配，无需对历史的监测数据进行转换即可得到后续告警监测所需的监测数据；在上述设备更换前后同位置的传感器的参数匹配的情况下，而对于安装在不同位置的传感器，这些传感器在设备更替前后监测数据之间的区别仅仅由设备更换和安装位置引起，故而这些传感器基于自身替换前后的监测数据进行映射分析，从而得到替换前后监测数据之间的关系，即所述步骤203中的第一映射关系。
第二种情况：若在设备更换前后，安装在同位置的传感器所检测得到的工艺参数是不一致的，则认为这些传感器的监测参数由于设备的更换而带来了变化，优先为这些安装在同位置的传感器进行映射分析，得到同位置的传感器的监测参数更替前后之间的关系，即所述步骤404中的第二映射关系；在分析得到第二映射关系后，对于安装在不同位置的传感器，使用第二映射关系和更替前后的监测数据，生成所述第三映射关系。
在实际使用中，落脚于设备本身来看，单一设备中的多个关键工艺参数之间还可能相互影响，以炼铁工艺中所需使用到的热风炉举例而言，如图2所示为一种用于高炉炼铁的热风炉主体的简易结构示意图，其工作原理可描述为：从燃料入口将燃料传输至燃料室，从空气入口将空气传输至燃烧室，使燃料与空气在燃烧室中发生燃烧反应，燃烧反应所产生的热量传导至蓄热室，在蓄热室蓄热达到相应温度后，从冷风入口传输冷风（也即室温风），使冷风经过蓄热室后温度上升，并最终从热风出口导出所需温度的热风；其中，依据蓄热室、燃烧室、冷风入口、热风入口之间的热传导路径和导风路径，还可将蓄热室划分为高温区域、中温区域和低温区域。
热风炉正常运行所需的关键工艺参数包括：燃料入量、空气入气量、冷风入风量、热风出风量、冷风温度、热风温度、燃烧室温度、蓄热室高温区域的温度、蓄热室中温区域的温度和蓄热室低温区域的温度等；其中，燃料入量和空气入气量决定了燃烧反应的程度，燃烧反应的程度会引起燃烧室温度的变化，燃烧室温度会影响蓄热室三个区域的温度，从而影响热风温度，与之同时，冷风温度也会对蓄热室三个区域的温度以及最终输出的热风温度产生影响。
正是由于单一设备中的多个关键工艺参数之间可能相互影响，所以在步骤404中，当确认得到设备更换前后安装在同位置的传感器监测数据不一致时，认为这些不一致的监测数据还可能对其他传感器的监测数据产生影响，于是使第二映射关系参与到第三映射关系的建立中。
在此需要说明的是，所述安装在同位置的传感器和安装在不同位置的传感器均是针对同用途的传感器而言的，如在热风炉的冷风出口安装流量传感器A，用于测量热风炉的冷风进风量，当热风炉发生更换后，更换后的热风炉中同样安装有用于测量热风炉的冷风进风量的流量传感器B，则流量传感器A和流量传感器B构成一对在设备更替前后的传感器，当两者的位置参数的相差小于预设值时，即为上述安装在同位置的传感器，当两者的位置参数的相差大于等于预设值时，即为上述安装在不同位置的传感器。
在实际使用中，所述第一映射关系、第二映射关系和第三映射关系均表现在设备更替前后所对应关系模型之间的关系，其中，所述关系模型是指表现设备的关联监测数据与设备自身的监测数据之间的关系模型，所述关系模型如图3所示，其中，data为设备自身的某一监测数据，以数学公式的形式表现为：
其中，、/>、…、/>为来自设备上游的监测数据，/>、/>、…、/>和b为关系模型中的相应参数，通过拟合得到。
所述第一映射关系和第二映射关系均为线性相关关系。所述第一映射关系如图4所示，以数学公式的形式表现为：
其中，为设备更换后的关系模型中的第i个参数，其中，i为正整数，且i小于等于n，n为关系模型中的参数数量，/>为拟合得到的加权值。
所述第二映射关系如图5所示，以数学公式的形式表现为：
其中，为设备更换后的关系模型中的第i个参数，/>为拟合得到的加权值。
所述第三映射关系如图6所示，以数学公式的形式表现为：
其中，当为第二映射关系中相关的参数时，/>，否则，/>。
为设备更换后的关系模型中的第i个参数，/>为拟合得到的加权值。
其中，均代指设备更换前关系模型中的相应参数，但根据data的不同，所对应的参数矩阵（即各/>）和b值也不同，本实施例以/>泛指设备更换前关系模型中的相应参数，而并非代指某一特定的参数。
当相应监测数据在第二映射关系中被使用，且所对应的参数被更新为时，若在分析第三映射关系时，发现使用了同一监测数据，则将第二映射关系中的加权值代入到第三映射关系的分析中，即令/>，在该加权的基础上，再分析是否满足第三映射关系，其中，若相应监测数据未在第二映射关系中被使用到，则所对应的/>，即不使用第二映射关系中的加权值，在拟合得到第一映射关系、第二映射关系和第三映射关系时，不仅仅是参数矩阵的更新，还更新所对应的b值。
经建立得到第一映射关系，或者第二映射关系和第三映射关系后，即可使用相应的映射关系更新关系模型，从而使用关系模型将第一设备历史监测数据转换为第二设备可用的监测数据。
本实施例通过对更换前后的监测数据进行比对、映射，从而确定相互之间的关系，根据该关系进行更换前的监测数据的转换，从而使历史的监测数据能够被用于后续的参数监测过程中，从而避免数据资源的浪费。
其中，所述监测数据匹配是在完成了整个产线所加工生产内容相同、所述第一设备的上游/下游节点设备的监测数据分别与第二设备的上游/下游节点设备的监测数据相同的筛选条件，具体包括：
用于第一轮匹配的数据要同时满足第一条件：整个产线所加工生产内容相同；以及第二条件：所述第一设备的上游/下游节点设备的监测数据分别与第二设备的上游/下游节点设备的监测数据相同；以图3为例，第二条件即确保设别更换前后所对应的上游设备的监测数据矩阵一致。
其中，第二条件中进行比对的监测数据具体指代会被第一设备/第二设备承接的监测数据和关联的监测数据；所述承接的监测数据包括被加工产品对象自身的材料、磨具和尺寸型号中的一项或者多项，会从上游节点设备传递给第一设备/第二设备的产品对象；所述关联的监测数据是指共享的特定要素，所述共享的特定要素包括供气、供水和供电中的一项或者多项。
在优选的实施方式中，所述通过上述第一轮和第二轮的替换前后监测数据匹配后，将第一设备历史监测数据转换为第二设备可用的监测数据，如图7所示，还包括；
在步骤301中，通过第一设备历史监测数据转换为第二设备可用的监测数据，会被打上转换标签；其中，所述第二预设值由本领域技术人员根据告警监测所需求的数据量和经验分析得到。
在步骤302中，若所述第二设备积累的源自自身的监测数据小于等于第二预设值，则在需要对整个***的预警模型进行生成或更新操作时，使用转换得到的第二设备可用的监测数据；其中，所述第二预设值由本领域技术人员根据告警监测所需求的数据量和经验分析得到。
在步骤303中，若所述第二设备积累的源自自身的监测数据大于第二预设值，则在需要对整个***的预警模型进行生成或更新操作时，直接使用第二设备自身产出的监测数据。从而确保告警模型使用尽可能大的同一标准下的数据进行更新生成。其中，当一个设备更换了多次时，每一次更换所对应监测数据对应一个不同的转换标签。
对于第一设备的历史告警的监测数据在转换为第二设备的告警监测数据时，如图8所示，所述方法还包括：
在步骤401中，以第一设备的历史告警的监测数据时间节点为参考，获取其周边预设时间长度内的关联监测数据；所述预设时间由本领域技术人员根据经验分析得到。
在步骤402中，以所述关联监测数据为关键词，以所述第一映射关系或者第二映射关系为索引逻辑，寻找第二设备自身所生成的目标监测数据；即使用图3所示的上游设备的监测数据矩阵、图3所示的历史监测数据的数据模型、图4所示的第一映射关系、图5所示的第二映射关系和图6所示的第三映射关系，计算第二设备所可能生成的监测数据，并寻找所对应实际生成的目标检测数据。
其中，若对于位置参数的相差小于预设值的关键工艺参数监测点，进行第一轮的替换前后监测数据匹配所得的结果为小于第一预设值，则使用第一映射关系为索引逻辑，寻找第二设备中位置参数的相差大于等于预设值的关键工艺参数监测点的监测数据。
否则，以第二映射关系为索引逻辑，寻找第二设备中位置参数的相差小于预设值的关键工艺参数监测点的监测数据，并以第三映射关系为索引逻辑，寻找第二设备中位置参数的相差大于等于预设值的关键工艺参数监测点的监测数据。
在步骤403中，若相应的目标监测数据生成数量达到拟合要求，并且，最终拟合得到的曲线趋势和关联监测数据所拟合出来的趋势一致，则将所述历史告警的监测数据转换为第二设备的告警监测数据。即当目标监测数据与计算得到可能生成的监测数据一致时，可进行数据的转换，从而使用转换后的数据进行后续的告警监测。
在实际使用中，本实施例所述的钢铁关键工艺参数监测管理方法主要通过监测***进行承载实现，并在各个设备中设置数据采集模块和传感器，由数据采集模块负责与监测***进行交互，将传感器的监测数据传输至监测***。在可选的实施方式中，监测***使用Rabbit消息队列（Rabbit Message Queue，简称为：RabbitMQ）消息中间件与各数据采集模块进行通信，以便于数据采集模块将相应传感器所采集的监测数据通过高级消息队列协议（Advanced Message Queuing Protocol，简称为：AMQP）协议传输至监测***，其中，监测***使用主题交换机（简称为：topic交换机）向各数据采集模块分发消息。
在实际使用中，所述第二设备可用的监测数据用于后续的告警风险评估，所述告警风险评估使用如图9所示的动态评估模型实现。
动态评估模型中的指标函数公式为，式中/>为监测数据，也叫工艺数据，由各类监测数据加权求和计算得到，/>为告警数据，其中，为告警等级，/>为告警次数，/>为告警时长，i为区域号，j为设备号，k为指标类型，m为指标序号，n为告警类型，/>为当前指标序号为m的指标修正系数。
动态评估模型中设备函数公式为，式中/>为当前设备号为j的设备修正系数，f(m)为指标函数值。
动态评估模型中区域函数公式为，式中/>为当前区域号i的区域修正系数，/>为设备函数值。
将计算得到的指标函数值、设备函数值和区域函数值与相应的预设等级标准比对，判断是否发布告警，且确定发布的告警的等级，将告警等级对别对应到红色、橙色和黄色中的一种或多种后发布告警信息，若达不到预设等级则不产生告警，所述预设等级由本领域技术人员根据经验分析得到，、/>和/>由本领域技术人员根据经验分析得到。
所述监测***中所执行的方法具体包括：获取监测数据，使用监测数据带入动态评估模型计算指标函数值、设备函数值和区域函数值，按照提前设定的数据报警规则进行逐一处理，对是否关联其他指标数据进行判断，若经过判断指标数据B未联锁其他指标数据，则报警触发模块3进行报警等级判断，若指标数据B达到报警等级则对应处理数据标识、采集时间、数据阈值、报警等级、报警频次过滤细则等指标。其中，在处理时，还同时对应结合基础信息、风险信息、风险分级信息。其中，对指标函数f(m)进行计算时还结合指标修正系数进行修正得到指标函数值，将指标函数值加入指标数据池中，利用池中所有指标数据对设备函数g（j）进行计算，并在计算时结合/>修正系数进行修正，得到设备函数值g（j），将设备函数值g（j）加入设备数据池中，利用池中所有设备数据对区域函数h(i)进行计算，并在计算时结合/>修正系数进行修正后得到区域函数值g（j）。在获取到指标函数值、设备函数值和区域函数值后将各值与预设等级标准比对，将分数对应分为红色、橙色、黄色中的一种并发布预警信息，若达不到分级等级则不进行预警，流程结束进入监测状态。
在按照提前设定的数据报警规则进行逐一处理时，还对是否关联其他指标数据进行判断。若经过判断指标数据C联锁了指标数据D，则优先进行联锁条件判断，若联锁条件满足要求，则不进行报警处理，流程结束进入监测状态。若联锁条件不满足要求，则进行报警等级判断，若指标数据C达到报警等级则对应处理数据标识、采集时间、数据阈值、报警等级、报警频次过滤细则等指标。
实施例2:
如图10所示，是本发明实施例的钢铁关键工艺参数监测管理装置的架构示意图。本实施例的钢铁关键工艺参数监测管理装置包括一个或多个处理器21以及存储器22。其中，图10中以一个处理器21为例。
处理器21和存储器22可以通过总线或者其他方式连接，图10中以通过总线连接为例。
存储器22作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序和非易失性计算机可执行程序，如实施例1中的钢铁关键工艺参数监测管理方法。处理器21通过运行存储在存储器22中的非易失性软件程序和指令，从而执行钢铁关键工艺参数监测管理方法。
存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器22可选包括相对于处理器21远程设置的存储器，这些远程存储器可以通过网络连接至处理器21。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述程序指令/模块存储在所述存储器22中，当被所述一个或者多个处理器21执行时，执行上述实施例1中的钢铁关键工艺参数监测管理方法。
值得说明的是，上述装置和***内的模块、单元之间的信息交互、执行过程等内容，由于与本发明的处理方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器（ROM，Read Only Memory）、随机存取存储器（RAM，Random AccessMemory）、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种钢铁关键工艺参数监测管理方法，其特征在于，在包含关键工艺参数监测的第一设备要进行维修或者替换时，若第一设备是要进行替换，管理方法包括：
先记录历史第一设备中各个传感器在第一设备中的位置参数，以及用于更替的第二设备中各个传感器在第二设备中的位置参数；
对于位置参数的相差小于预设值的关键工艺参数监测点，进行第一轮的替换前后监测数据匹配；其中，所述监测数据匹配是在完成了整个产线所加工生产内容相同、所述第一设备的上游/下游节点设备的监测数据分别与第二设备的上游/下游节点设备的监测数据相同的筛选条件后进行的；
若匹配结果小于第一预设值，则确定所述第一设备和第二设备在满足位置条件和筛选条件后，所得到的关键工艺参数监测是一致的，从而进一步针对位置参数的相差大于等于预设值的关键工艺参数监测点，进行第二轮的替换前后监测数据匹配，分析相应数据的第一映射关系；通过上述第一轮和第二轮的替换前后监测数据匹配后，将第一设备历史监测数据转换为第二设备可用的监测数据；
若匹配结果大于等于第一预设值，则分析相应第一轮匹配数据之间是否存在第二映射关系，若存在则将所述第二映射关系中的加权值作为可用补偿参数，带入到第二轮匹配数据的第三映射关系建立；其中，若所述第二映射关系不成立，则确定第一设备历史监测数据无法直接转换为第二设备可用的监测数据，需要原始积累起第二设备的监测数据。
2.根据权利要求1所述的钢铁关键工艺参数监测管理方法，其特征在于，所述位置参数包括：设置所在设备的腔室内位置、设置所在管道上离开关阀距离、设置所在管道上离进出口距离中的一项或者多项。
3.根据权利要求1所述的钢铁关键工艺参数监测管理方法，其特征在于，所述监测数据匹配是在完成了整个产线所加工生产内容相同、所述第一设备的上游/下游节点设备的监测数据分别与第二设备的上游/下游节点设备的监测数据相同的筛选条件，具体包括：
用于第一轮匹配的数据要同时满足第一条件：整个产线所加工生产内容相同；以及第二条件：所述第一设备的上游/下游节点设备的监测数据分别与第二设备的上游/下游节点设备的监测数据相同；
其中，第二条件中进行比对的监测数据具体指代会被第一设备/第二设备承接的监测数据和关联的监测数据；所述承接的监测数据包括被加工产品对象自身的材料、磨具和尺寸型号中的一项或者多项，会从上游节点设备传递给第一设备/第二设备的产品对象；所述关联的监测数据是指共享的特定要素，所述共享的特定要素包括供气、供水和供电中的一项或者多项。
4.根据权利要求1所述的钢铁关键工艺参数监测管理方法，其特征在于，所述通过上述第一轮和第二轮的替换前后监测数据匹配后，将第一设备历史监测数据转换为第二设备可用的监测数据，还包括；
通过第一设备历史监测数据转换为第二设备可用的监测数据，会被打上转换标签；
若所述第二设备积累的源自自身的监测数据小于等于第二预设值，则在需要对整个***的预警模型进行生成或更新操作时，使用转换得到的第二设备可用的监测数据；
若所述第二设备积累的源自自身的监测数据大于第二预设值，则在需要对整个***的预警模型进行生成或更新操作时，直接使用第二设备自身产出的监测数据。
5.根据权利要求4所述的钢铁关键工艺参数监测管理方法，其特征在于，对于第一设备的历史告警的监测数据在转换为第二设备的告警监测数据时，所述方法还包括：
以第一设备的历史告警的监测数据时间节点为参考，获取其周边预设时间长度内的关联监测数据；
以所述关联监测数据为关键词，以所述第一映射关系或者第二映射关系为索引逻辑，寻找第二设备自身所生成的目标监测数据；
若相应的目标监测数据生成数量达到拟合要求，并且，最终拟合得到的曲线趋势和关联监测数据所拟合出来的趋势一致，则将所述历史告警的监测数据转换为第二设备的告警监测数据。
6.根据权利要求1-5任一所述的钢铁关键工艺参数监测管理方法，其特征在于，所述第一映射关系和第二映射关系均为线性相关关系。
7.根据权利要求1-5任一所述的钢铁关键工艺参数监测管理方法，其特征在于，所述监测数据包括设备的温度、压力、液位、转速、容积、流量、气体浓度、联锁状态、高度、速度、风压、电流、电压、料位、重量、频率、震动和开合度中的一项或者多项。
8.根据权利要求1-5任一所述的钢铁关键工艺参数监测管理方法，其特征在于，监测***使用RabbitMQ消息中间件与各数据采集模块进行通信，以便于数据采集模块将相应传感器所采集的监测数据通过AMQP协议传输至监测***，其中，监测***使用topic主题交换机向各数据采集模块分发消息。
9.根据权利要求1-5任一所述的钢铁关键工艺参数监测管理方法，其特征在于，所述第二设备可用的监测数据用于后续的告警风险评估，所述告警风险评估使用动态评估模型实现；
动态评估模型中的指标函数公式为，式中/>为监测数据，其中，/>为告警等级，/>为告警次数，/>为告警时长，i为区域号，j为设备号，k为指标类型，m为指标序号，/>为当前指标序号为m的指标修正系数；
动态评估模型中设备函数公式为，式中/>为当前设备号为j的设备修正系数，f(m)为指标函数值；
动态评估模型中区域函数公式为，式中/>为当前区域号i的区域修正系数，/>为设备函数值。
10.一种钢铁关键工艺参数监测管理装置，其特征在于，所述装置包括：
至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述处理器执行，用于执行权利要求1-9任一所述的钢铁关键工艺参数监测管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311522929.6A CN117234170B (zh) | 2023-11-16 | 2023-11-16 | 一种钢铁关键工艺参数监测管理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311522929.6A CN117234170B (zh) | 2023-11-16 | 2023-11-16 | 一种钢铁关键工艺参数监测管理方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117234170A CN117234170A (zh) | 2023-12-15 |
| CN117234170B true CN117234170B (zh) | 2024-01-12 |
Family
ID=89095264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311522929.6A Active CN117234170B (zh) | 2023-11-16 | 2023-11-16 | 一种钢铁关键工艺参数监测管理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117234170B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117804552B (zh) * | 2024-03-01 | 2024-05-07 | 吉林省柏汇物联科技有限公司 | 一种基于物理数据采集分析的钢铁生产检测评估*** |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5796602A (en) * | 1996-02-06 | 1998-08-18 | Fisher-Rosemount Systems, Inc. | Method and apparatus using a device description for a conventional device |
| CN105830417A (zh) * | 2013-11-22 | 2016-08-03 | Abb技术有限公司 | 用于替换和调试现场设备的方法和*** |
| JP2020075225A (ja) * | 2018-11-09 | 2020-05-21 | 株式会社東芝 | 交換部品検出装置、情報分析装置、及び交換部品検出方法 |
| CN113454552A (zh) * | 2019-02-19 | 2021-09-28 | 应用材料公司 | 传感器计量数据整合 |
| CN114063046A (zh) * | 2020-08-05 | 2022-02-18 | 北京万集科技股份有限公司 | 参数标定方法、装置、计算机设备和存储介质 |
| CN115164969A (zh) * | 2022-08-10 | 2022-10-11 | 深圳市商汤科技有限公司 | 参数标定方法、装置、设备及介质 |
| CN116795049A (zh) * | 2022-03-21 | 2023-09-22 | Abb瑞士股份有限公司 | 工业厂房中替换现场设备的自动配置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200047414A1 (en) * | 2017-01-17 | 2020-02-13 | Hewlett-Packard Development Company, L.P. | Fabricating a replacement component |
| DE102021112142A1 (de) * | 2021-05-10 | 2022-11-10 | Vega Grieshaber Kg | Messdatenvalidierungssystem |
-
2023
- 2023-11-16 CN CN202311522929.6A patent/CN117234170B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5796602A (en) * | 1996-02-06 | 1998-08-18 | Fisher-Rosemount Systems, Inc. | Method and apparatus using a device description for a conventional device |
| CN105830417A (zh) * | 2013-11-22 | 2016-08-03 | Abb技术有限公司 | 用于替换和调试现场设备的方法和*** |
| JP2020075225A (ja) * | 2018-11-09 | 2020-05-21 | 株式会社東芝 | 交換部品検出装置、情報分析装置、及び交換部品検出方法 |
| CN113454552A (zh) * | 2019-02-19 | 2021-09-28 | 应用材料公司 | 传感器计量数据整合 |
| CN114063046A (zh) * | 2020-08-05 | 2022-02-18 | 北京万集科技股份有限公司 | 参数标定方法、装置、计算机设备和存储介质 |
| CN116795049A (zh) * | 2022-03-21 | 2023-09-22 | Abb瑞士股份有限公司 | 工业厂房中替换现场设备的自动配置 |
| CN115164969A (zh) * | 2022-08-10 | 2022-10-11 | 深圳市商汤科技有限公司 | 参数标定方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117234170A (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117234170B (zh) | 一种钢铁关键工艺参数监测管理方法和装置 | |
| CN116772944B (zh) | 配气站的智能监控***及其方法 | |
| CN102925602B (zh) | 高炉操作炉型维护方法 | |
| US20150241304A1 (en) | Method for the computer-assisted monitoring of the operation of a technical system, particularly of an electrical energy-generating installation | |
| Li et al. | A combined fuzzy DEMATEL and cloud model approach for risk assessment in process industries to improve system reliability | |
| CN105608842A (zh) | 一种核反应堆燃料破损在线监测报警装置 | |
| US20220390928A1 (en) | Production facilities monitoring method, production facilities monitoring device, and operation method for production facilities | |
| CN116664113A (zh) | 一种面向电力计量标准化作业的智能****** | |
| CN113703410B (zh) | 一种智慧电厂的智慧运行平台 | |
| CN105758661A (zh) | 一种锅炉受热面寿命评估***和方法 | |
| CN111596643A (zh) | 一种基于大数据的可视化动态能耗诊断、分析和预控*** | |
| CN113128707A (zh) | 一种配电自动化终端态势风险评估方法 | |
| US20220390930A1 (en) | Operation method and operation system for production facilities | |
| CN114185976A (zh) | 一种高炉可视化智能感知平台 | |
| CN114943281A (zh) | 一种热管冷却反应堆智能决策方法及*** | |
| Tao et al. | [Retracted] Optimization Analysis of Power Coal‐Blending Model and Its Control System Based on Intelligent Sensor Network and Genetic Algorithm | |
| Wang et al. | Real-time Blast Furnace Monitoring based on Temporal Sub-mode Recognition | |
| CN111178768A (zh) | 一种基于云平台的智慧能源管理*** | |
| US11898212B1 (en) | Method and device for monitoring blast furnace state based on multi-modes fusion | |
| Yin et al. | Design of MEWMA control chart for process subject to quality shift and equipment failure | |
| US20240176324A1 (en) | Methods and internet of things systems for monitoring the reliability of self-closing valves for smart gas | |
| CN117639246A (zh) | 一种基于人工智能的变压器安全检测*** | |
| RU122131U1 (ru) | Автоматизированная система управления технологическими потерями газа газоперекачивающих агрегатов дожимных компрессорных станций | |
| CN118224891A (zh) | 一种炉衬损耗在线监测***和方法 | |
| CN117035657A (zh) | 基于大数据的供热远程监管及分析*** |
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 |