【技術(shù)實現(xiàn)步驟摘要】
本申請涉及工業(yè)數(shù)據(jù)處理的領(lǐng)域，尤其是涉及一種工業(yè)數(shù)據(jù)智能管理方法及系統(tǒng)。
技術(shù)介紹
1、隨著工業(yè)技術(shù)、機械技術(shù)等的發(fā)展，加工設(shè)備在工業(yè)生產(chǎn)中的自動化程度越來越高，加工設(shè)備的集成度也越來越高，現(xiàn)在的加工設(shè)備通常能夠?qū)崿F(xiàn)多個功能，例如同時進行物料抓取、運輸以及加工等，又例如集成機械臂功能的車床，通過機械臂抓取物料并且機械臂和車床上控制道具動作的部件同時運行實行加工生產(chǎn)，這些功能同時配合加工從而提高了生產(chǎn)效率。
2、目前判斷車間內(nèi)的加工設(shè)備是否存在異常，只是根據(jù)每個加工設(shè)備加工出的成品的良品率判斷加工設(shè)備的運行狀態(tài)是否存在異常，或者在加工設(shè)備上安裝傳感器，通過加工設(shè)備上的傳感器的數(shù)據(jù)判斷加工設(shè)備是否存在異常。但對于集成度高的加工設(shè)備，這些設(shè)備中集成了實現(xiàn)不同功能的運行部件，根據(jù)多個不同功能的運行部件判斷整體加工設(shè)備的異常程度較為不便且準確度不高，因此，如何便于對具有多個不同功能的運行部件的加工設(shè)備進行準確地異常判斷成為一個問題。
技術(shù)實現(xiàn)思路
1、為了便于對具有多個不同功能的運行部件的高度集成的加工設(shè)備進行更準確地異常判斷，本申請?zhí)峁┮环N工業(yè)數(shù)據(jù)智能管理方法及系統(tǒng)。
2、第一方面，本申請?zhí)峁┮环N工業(yè)數(shù)據(jù)智能管理方法，采用如下的技術(shù)方案：
3、一種工業(yè)數(shù)據(jù)智能管理方法，包括：
4、獲取預(yù)設(shè)歷史時間段內(nèi)每個車間設(shè)備的總加工次數(shù)以及加工異常次數(shù)；
5、確定任一車間設(shè)備的關(guān)鍵運行部件，并獲取所述任一車間設(shè)備每次加工異常時每個關(guān)鍵運行部件
6、基于所述加工視頻以及傳感器數(shù)據(jù)確定所述任一車間設(shè)備的第一異常程度；
7、獲取每次加工異常時所述任一車間設(shè)備生產(chǎn)的成品的圖像；
8、基于所述圖像確定所述任一車間設(shè)備的第二異常程度；
9、基于所述總加工次數(shù)、加工異常次數(shù)、第一異常程度以及第二異常程度確定所述任一車間設(shè)備運行異常等級。
10、通過采用上述技術(shù)方案，獲取預(yù)設(shè)歷史時間段內(nèi)車間設(shè)備的總加工次數(shù)以及加工異常次數(shù)，便于后續(xù)分析加工出的異常成品的占比，對任一車間設(shè)備確定出全部的關(guān)鍵運行部件，關(guān)鍵運行部件之間相互配合從而起到同時加工生產(chǎn)的效果，獲取每次加工異常時每個關(guān)鍵運行部件的加工視頻以及傳感器數(shù)據(jù)，傳感器數(shù)據(jù)表征每個關(guān)鍵運行部件由傳感器采集的動作量，加工視頻記載了每次加工異常時關(guān)鍵運行部件加工運行的具體情況，因此根據(jù)加工視頻以及傳感器數(shù)據(jù)能夠準確地確定出第一異常程度，獲取每次加工異常時車間設(shè)備生產(chǎn)的成品的圖像，該圖像記載了成品的具體情況，從而便于根據(jù)圖像確定出車間設(shè)備的第二異常程度，也即通過成品的異常程度表征車間設(shè)備的異常程度，結(jié)合總加工次數(shù)、加工異常次數(shù)、關(guān)鍵運行部件方面表征的第一異常程度以及成品方面表征的第二異常程度確定出集成度較高的、具有多個不同功能的運行部件的車間設(shè)備整體的運行異常等級更準確方便。
11、在另一種可能實現(xiàn)的方式中，所述基于所述加工視頻以及傳感器數(shù)據(jù)確定所述任一車間設(shè)備的第一異常程度，包括：
12、對所述加工視頻進行特征識別，得到每個關(guān)鍵運行部件的特征點；
13、對每個關(guān)鍵運行部件的特征點進行連線，并基于所述加工視頻進行特征點追蹤，得到所述連線的動作軌跡；
14、計算每個關(guān)鍵運行部件的每次加工異常時動作軌跡與對應(yīng)的標準軌跡的第一相似度；
15、基于所述第一相似度以及所述傳感器數(shù)據(jù)從全部關(guān)鍵運行部件中確定出基準部件和參考部件；
16、將全部的關(guān)鍵運行部件在每個時刻的動作軌跡映射到同一坐標系中，并確定出每個參考部件到基準部件的距離以及角度；
17、基于所述角度、距離以及傳感器數(shù)據(jù)確定出每個參考部件的特征值；
18、基于每個時刻的所述特征值確定出每次加工異常時每個參考部件的子異常程度；
19、基于所述子異常程度確定出所述第一異常程度。
20、在另一種可能實現(xiàn)的方式中，所述基于所述第一相似度以及所述傳感器數(shù)據(jù)從全部關(guān)鍵運行部件中確定出基準部件和參考部件，包括：
21、基于每個關(guān)鍵運行部件在全部加工異常時的第一相似度確定出第一相似度平均值；
22、基于所述動作軌跡反推出對應(yīng)的傳感器采集的數(shù)據(jù)種類的反推數(shù)據(jù)；
23、基于所述反推數(shù)據(jù)以及所述傳感器數(shù)據(jù)判斷是否存在不一致數(shù)據(jù)；
24、若存在，則確定出不一致數(shù)據(jù)的數(shù)據(jù)量以及數(shù)據(jù)偏差量；
25、基于所述數(shù)據(jù)量以及數(shù)據(jù)偏差量確定出所述傳感器的信任值；
26、基于所述信任值以及第一相似度平均值確定出每個關(guān)鍵運行部件的運行情況值；
27、將所述運行情況值最高的關(guān)鍵運行部件確定為基準部件，除基準部件外的關(guān)鍵運行部件確定為參考部件。
28、在另一種可能實現(xiàn)的方式中，所述基于所述角度、距離以及傳感器數(shù)據(jù)確定出每個參考部件的特征值；基于每個時刻的所述特征值確定出每次加工異常時每個參考部件的子異常程度，包括：
29、確定所述角度與所在時刻的標準角度的第一差值，所述距離與所在時刻的標準距離的第二差值；
30、確定出每個時刻的傳感器數(shù)據(jù)以及反推數(shù)據(jù)，計算每個時刻的反推數(shù)據(jù)與傳感器數(shù)據(jù)的第三差值；
31、計算所述第一差值和第二差值的乘積，并將所述乘積與所述第三差值的第一比值確定為每個參考部件在每個時刻的特征值；
32、基于每個時刻的特征值確定出每次加工異常時全部時刻的特征值平均值以及方差；
33、基于所述特征值平均值、方差以及各自對應(yīng)的系數(shù)確定出表征所述子異常程度的分值。
34、在另一種可能實現(xiàn)的方式中，所述基于所述圖像確定所述任一車間設(shè)備的第二異常程度，包括：
35、計算所述圖像與所述任一車間設(shè)備生產(chǎn)的標準成品的標準圖像的第二相似度；
36、對所述圖像與所述標準圖像進行對比，確定出不一致的圖像區(qū)域；
37、基于所述第二相似度以及圖像區(qū)域的數(shù)量確定出每次加工異常時的成品異常值；
38、對全部加工異常時的成品異常值求平均值得到所述第二異常程度。
39、在另一種可能實現(xiàn)的方式中，所述基于所述總加工次數(shù)、加工異常次數(shù)、第一異常程度以及第二異常程度確定所述任一車間設(shè)備運行異常等級，包括：
40、確定所述加工異常次數(shù)與總加工次數(shù)的第二比值；
41、基于所述第一比值、第一異常程度、第二異常程度以及各自對應(yīng)的系數(shù)確定出整體異常分值；
42、從多個預(yù)設(shè)分值區(qū)間中確定出所述整體異常分值所在的目標預(yù)設(shè)分值區(qū)間，每個預(yù)設(shè)分值區(qū)間對應(yīng)有預(yù)設(shè)異常等級；
43、將所述目標預(yù)設(shè)分值區(qū)間的預(yù)設(shè)異常等級確定為所述任一車間設(shè)備的異常等級。
44、在另一種可能實現(xiàn)的方式中，所述方法還包括：
45、將所述異常等級達到預(yù)設(shè)異常等級閾值的車間設(shè)備的設(shè)備信息發(fā)送至管理人員本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種工業(yè)數(shù)據(jù)智能管理方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種工業(yè)數(shù)據(jù)智能管理方法，其特征在于，所述基于所述加工視頻以及傳感器數(shù)據(jù)確定所述任一車間設(shè)備的第一異常程度，包括：
3.根據(jù)權(quán)利要求2所述的一種工業(yè)數(shù)據(jù)智能管理方法，其特征在于，所述基于所述第一相似度以及所述傳感器數(shù)據(jù)從全部關(guān)鍵運行部件中確定出基準部件和參考部件，包括：
4.根據(jù)權(quán)利要求2所述的一種工業(yè)數(shù)據(jù)智能管理方法，其特征在于，所述基于所述角度、距離以及傳感器數(shù)據(jù)確定出每個參考部件的特征值；基于每個時刻的所述特征值確定出每次加工異常時每個參考部件的子異常程度，包括：
5.?根據(jù)權(quán)利要求1所述的一種工業(yè)數(shù)據(jù)智能管理方法，其特征在于，?所述基于所述圖像確定所述任一車間設(shè)備的第二異常程度，包括：
6.?根據(jù)權(quán)利要求1所述的一種工業(yè)數(shù)據(jù)智能管理方法，其特征在于，?所述基于所述總加工次數(shù)、加工異常次數(shù)、第一異常程度以及第二異常程度確定所述任一車間設(shè)備運行異常等級，包括：
7.根據(jù)權(quán)利要求1或6所述的一種工業(yè)數(shù)據(jù)智能管理方法，其特征在于，所述方
8.一種工業(yè)數(shù)據(jù)智能管理系統(tǒng)，其特征在于，包括：
9.一種電子設(shè)備，其特征在于，其包括：
10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，當所述計算機程序在計算機中執(zhí)行時，令所述計算機執(zhí)行權(quán)利要求1～7任一項所述的一種工業(yè)數(shù)據(jù)智能管理方法。
...【技術(shù)特征摘要】
1.一種工業(yè)數(shù)據(jù)智能管理方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種工業(yè)數(shù)據(jù)智能管理方法，其特征在于，所述基于所述加工視頻以及傳感器數(shù)據(jù)確定所述任一車間設(shè)備的第一異常程度，包括：
3.根據(jù)權(quán)利要求2所述的一種工業(yè)數(shù)據(jù)智能管理方法，其特征在于，所述基于所述第一相似度以及所述傳感器數(shù)據(jù)從全部關(guān)鍵運行部件中確定出基準部件和參考部件，包括：
4.根據(jù)權(quán)利要求2所述的一種工業(yè)數(shù)據(jù)智能管理方法，其特征在于，所述基于所述角度、距離以及傳感器數(shù)據(jù)確定出每個參考部件的特征值；基于每個時刻的所述特征值確定出每次加工異常時每個參考部件的子異常程度，包括：
5.?根據(jù)權(quán)利要求1所述的一種工業(yè)數(shù)據(jù)智能管理方法，...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：武昊，白云鵬，于皓，邢偉，白海波，鄭敬樺，郭巍，郭艷青，王娟娟，楊旭輝，史夢瑤，劉力偉，李振興，蔣振峰，
申請(專利權(quán))人：山西陽煤聯(lián)創(chuàng)信息技術(shù)有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。