一种装置报警的综合分析方法和系统与流程

1.本发明涉及自动化技术领域，尤其涉及一种装置报警的综合分析方法和系统。


背景技术：

2.工厂里报警总数一般一天几万起步，一个月也有几十万，甚至上百万的数据量，不合理无效报警占据了大部分。要从如此巨大的数量里分析出找出有效报警，评估生产状况，通过人工计算，难度很大。单一的统计算法只是分析报警数据的一方面，导致结果片面，误导判断，需要一种对装置的生产状况的综合评分，来量化生产指标状况。
3.目前对报警数据进行分析的方法有以下几种：
4.1.手动分析报警数据；
5.2.统计报警频率，找到次数最多的报警；
6.3.按持续时间进行统计，给出持续时间的分布；
7.4.其他单一统计分析方式；
8.5.计算多项指标方式，展示多项结果。
9.但是采用现有的报警数据分析方法有以下缺陷，采用手工统计耗时耗力，容易失误。
10.1、统计算法比较单一，容易出现判断失误，造成结果偏差很大。
11.2、单独的一种算法指标值无法给出定量评价结果。
12.3、多指标方式虽然结果很多，但是无法给出明确定量评级。


技术实现要素：

13.本发明为了克服以上技术的不足，提供了一种装置报警的综合分析方法和系统，对每种报警指标采用单独的算法脚本进行分析，并综合进行分析，在对数据进行分析时，进行时间分段，防止内存暴增，从而实现了对报警数据进行综合的量化评价。
14.本发明克服其技术问题所采用的技术方案是：本发明提出一种装置报警的综合分析方法，包括：配置综合分析方法的算法参数；基于统计间隔时间和统计时段窗口对报警数据的统计时间段进行分片；加载分片后的报警数据并基于位号过滤报警数据；基于过滤后的报警数据和算法参数进行整体算法分析、条件分组算法分析和层级分组算法分析，从而至少得到确认时间合格率、持续时长合格率、时间趋势合格率、条件分组合格率和层级分组合格率；基于预设权重和确认时间合格率、持续时长合格率、时间趋势合格率、条件分组合格率及层级分组合格率得到综合得分。
15.进一步的，所述综合分析方法的算法参数，至少包括报警趋势间隔时间p1、统计间隔时间d1、dcs装置对应的层级、预设过滤位号和预设报警优先级。
16.通过过滤减少数据处理量，过滤部分无效冗余数据，包括根据位号过滤配置，选取包含指定位号的报警。优先级过滤是根据报警优先级配置，选取包含指定优先级的报警，其他的都排除掉。
17.进一步的，所述基于统计间隔时间和统计时段窗口对报警数据的统计时间段进行分片，具体包括：基于统计间隔时间d1和统计时段窗口[s1,s2]，判断第n个统计时段窗口[s1+n
×
d1,s2+n
×
d1]是否超过统计时间段[t1,t2]，若第n个统计时段窗口[s1+n
×
d1,s2+n
×
d1]未超过统计时间段[t1,t2]，则n递增加1，其中，n的初始值为0，若第n个统计时段窗口[s1+n
×
d1,s2+n
×
d1]超过统计时间[t1,t2]，则结束报警数据的统计时间分片。
[0018]
对数据库中的数据分时间片段，防止一次性内存的暴增；
[0019]
进一步的，所述加载分片后的报警数据并基于位号过滤报警数据，具体包括：获取数据库中第n个时段[s1+n
×
d1,s2+n
×
d1]的报警数据，并将其对应的位号名、激活时间、报警描述、报警条件、消除时间、确认时间、装置名称，载入到第一内存；以及，至少基于预设过滤位号和预设报警优先级进行位号过滤和优先级过滤，并将过滤后的报警数据输出至第二内存。
[0020]
进一步的，所述基于过滤后的报警数据和算法参数进行整体算法分析，具体包括：加载整体算法分析脚本至第一内存，基于整体算法分析脚本遍历第n个时段[s1+n
×
d1,s2+n
×
d1]过滤后的报警数据，从而计算得到确认时间合格率，持续时长合格率和时间趋势合格率。
[0021]
进一步的，所述基于整体算法分析脚本计算得到确认时间合格率和持续时长合格率，具体包括：比较过滤后的报警数据的当前的确认时间与预设合格确认时间，并记录当前确认时间小于预设合格确认时间的报警数据个数作为确认时间合格个数，并将确认时间合格个数除以统计时间段[t1,t2]内的总报警数据个数，得到第n个时段[s1+n
×
d1,s2+n
×
d1]的确认时间合格率α1＝确认时间合格个数/总报警数据个数。比较过滤后的报警数据的持续时长与预设合格持续时长，并记录报警数据的持续时长小于预设合格持续时长的报警数据个数作为持续时长合格个数，并将持续时长合格个数除以统计时间段[t1,t2]内的总报警数据个数，得出持续时长合格率α2＝持续时长合格个数/总报警个数。
[0022]
进一步的，所述基于加载的整体算法脚本得到时间趋势合格率，具体包括：在第n个时段[s1+n
×
d1,s2+n
×
d1]内预设报警激活时间点m1＝s1+n
×
d1+mp1,m初始值为1；若当前的报警时间超过预设报警激活时间点m1，则将超过报警计数时间点m1的计数值记入对应第m个时间趋势统计时段[s1+n
×
d1+(m-1)
×
p1,s1+n
×
d1+m
×
p1]的合格个数，m递增加1，从而重新设定报警激活时间点m1，且计数值清0；若当前的报警时间未超过预设报警激活时间点m1，则计数值加1；则时间趋势统计时段[s1+n
×
d1+(m-1)
×
p1,s1+n
×
d1+m
×
p1]的单一时间点趋势合格率α3'＝(预设趋势合格值-合格个数)/预设趋势合格值；重复执行上述过程，直至完成第n个时段[s1+n
×
d1,s2+n
×
d1]内的所有时间趋势统计时段的时间趋势合格率的计算，并将单一时间点的趋势合格率求和后平均得到时间趋势合格率α3。
[0023]
进一步的，所述基于过滤后的报警数据和算法参数进行条件分组算法分析，具体包括：加载报警条件分组算法分析脚本至第一内存；遍历第n个时段[s1+n
×
d1,s2+n
×
d1]过滤后的报警数据，查询第一内存中对应报警数据的报警条件,若对应报警数据的报警条件不存在则设置对应的条件计数为1,若对应报警数据的报警条件存在，则对应的条件计数加1；循环遍历每个报警条件的分组，得到每个报警条件的分组的报警个数，从而得到每个报警条件分组合格率＝(预设条件分组合格个数-每个报警条件的分组的报警个数)/预设条件分组合格个数，第n个时段[s1+n
×
d1,s2+n
×
d1]的条件分组合格率β1＝所有报警条件
分组合格率之和/分组数。
[0024]
进一步的，所述基于过滤后的报警数据和算法参数进行层级分组算法分析，具体包括：加载层级分组算法分析脚本至第一内存；基于层级分组算法分析脚本遍历第n个时段[s1+n
×
d1,s2+n
×
d1]过滤后的报警数据，查询第一内存里是否有报警的装置对应的装置名称，如果装置名称不存在则设置为1,存在则加1；循环遍历dcs装置层级的每个层级的分组，计算得到每个层级分组的合格率＝(预设层级合格个数-层级报警个数)/预设层级合格个数，则层级分组合格率β2＝所有层级分组的合格率之和/层级数，其中，层级数对应dcs装置的个数。
[0025]
对每种算法单独设置脚本，方便算法升级，并且对报警指标进行多指标结果分析，从而实现多维度的分析。
[0026]
本技术还提出了一种装置报警的综合分析系统，包括耦接的报警数据采集装置、综合报警分析装置和评价装置，所述报警数据采集装置用于采集报警数据，并对报警数据进行过滤后输出至综合报警分析装置；所述综合报警分析装置至少用于进行上述的整体算法分析、条件分组算法分析和层级分组算法分析，从而得到至少包括确认时间合格率，持续时长合格率、时间趋势合格率、条件分组合格率和层级分组合格率的报警分析指标量，并将得到的报警分析指标量输出至评价装置；所述评价装置用于基于输入的报警分析指标量进行多维度综合分析，从而得到报警数据的评价指标。
[0027]
本发明的有益效果是：
[0028]
1.报警数据经过筛选进入综合报警分析装置，过滤部分无效冗余数据；
[0029]
2.装置中加载每个算法的单独脚本，脚本开发易于维护，热加载方便在线升级；
[0030]
3.分析装置进行算法分析时，对数据库中的数据分时间片段，防止一次性内存的暴增；
[0031]
4.装置报警的指标结果定量定性，清晰易懂，多维度的分析可以更全面的对报警数据进行评价。
附图说明
[0032]
图1为本发明实施例的装置报警的综合分析方法的流程图；
[0033]
图2为本发明实施例的装置报警的综合分析方法的原理示意图；
[0034]
图3为本发明实施例的报警数据的统计时间段进行分片示意图；
[0035]
图4为本发明实施例的报警数据的时间趋势合格率进行分段计算示意图；
[0036]
图5为本发明实施例的装置报警的综合分析系统的原理框图。
具体实施方式
[0037]
为了便于本领域人员更好的理解本发明，下面结合附图和具体实施例对本发明做进一步详细说明，下述仅是示例性的不限定本发明的保护范围。
[0038]
如图1和图2所示，本实施例所述的一种装置报警的综合分析方法的流程图和原理示意图，具体包括：
[0039]
s1，配置综合分析方法的算法参数；
[0040]
s2,基于统计间隔时间和统计时段窗口对报警数据的统计时间段进行分片；
[0041]
s3，加载分片后的报警数据并基于位号过滤报警数据；
[0042]
s4,基于过滤后的报警数据和算法参数进行整体算法分析、条件分组算法分析和层级分组算法分析，从而至少得到确认时间合格率、持续时长合格率、时间趋势合格率、条件分组合格率和层级分组合格率；
[0043]
s5，基于预设权重和确认时间合格率、持续时长合格率、时间趋势合格率、条件分组合格率和层级分组合格率得到综合得分。
[0044]
在本发明的一个实施例中，s1的具体表现为；
[0045]
读取数据库中的对应用户的算法参数，包括报警趋势间隔时间p1、统计间隔时间d1、dcs装置对应的层级、预设过滤位号和预设报警优先级。
[0046]
需要说明的是，装置对应的层级用于后续的层级分组算法分析，取上层下面所有的dcs层级，根据这些抽取出来的dcs层级来进行报警分组。
[0047]
在本发明的一个实施例中，报警趋势间隔时间p1预设置为1小时。
[0048]
在本发明的一个实施例中，s2的具体表现为：
[0049]
s21，基于统计间隔时间d1和统计时段窗口[s1,s2]，判断第n个时段统计时段窗口[s1+n
×
d1,s2+n
×
d1]是否超过统计时间段[t1,t2]；
[0050]
s22，若统计时段窗口[s1,s2]未超过统计时间段[t1,t2]，则n递增，直至统计时段的窗口[s1+n
×
d1,s2+n
×
d1]超过统计时间[t1,t2]，其中，n≥0，n的初始值为0，否则，则结束报警数据的统计时间分片。
[0051]
如图3所示，假定统计时间段是[t1,t2]，统计间隔时间d1，时间分片的开始阶段，统计时段的窗口的s1与时间t1重合，统计时间段为[s1,s2]作为第一时间分片，统计时段窗口[s1,s2]未超过统计时间段[t1,t2]，则统计时段窗口移动，每次移动统计间隔时间d1时间段，则第一次移动后的统计时段窗口为[s1+d1,s2+d1]。统计时段窗口[s1,s2]移动到图3所示的中途位置，则统计时间段为[s1+m
×
d1,s2+m
×
d1]作为第m时间分片，同理，则统计时间段[s1+n
×
d1,s2+n
×
d1]作为第n+1时间分片,重复移动统计时段窗口，直至统计时段窗口超过统计时间[t1,t2]，则时间分片结束，直接如图2所示进行综合评价，否则针对每个统计时间段的报警数据单独进行指标的分析计算。
[0052]
在本发明的一个实施例中，以对第一时间分片的报警数据进行处理为例，s3的具体表现为：
[0053]
通过数据库接口读取[s1,s2]时间段内的报警数据,将得到的位号名、激活时间、报警描述、报警条件、消除时间、确认时间、装置名称，载入到第一内存里。在脚本里执行位号排除过滤，优先级过滤，再把经过过滤的数据输出到第二内存。
[0054]
其中，位号过滤是根据位号过滤配置，选取包含指定位号的报警。优先级过滤是根据报警优先级配置，选取包含指定优先级的报警，其他的都排除掉。
[0055]
需要说明的是，过滤后的数据不是数据库中的原始数据，因此需要另开一个内存，用于后面进行综合分析使用。
[0056]
在本发明的一个实施例中，s4的具体表现为：
[0057]
s41，基于过滤后的报警数据和算法参数进行整体算法分析,包括如下步骤。
[0058]
s411，加载整体算法分析脚本至第一内存，
[0059]
s412，基于整体算法分析脚本遍历第一个时间分片中[s1,s2]过滤后的报警数据，
从而计算得到确认时间合格率，持续时长合格率和时间趋势合格率。
[0060]
其中，确认时间为报警的确认操作时间点减去报警开始时间点。持续时长是报警的消除时间点减去报警开始时间点。时间趋势是间隔一段时间报警的数量如果大于某个值，就算一个合格的点，均为分析报警的指标量。
[0061]
在本发明的一个实施例中，通过整体算法分析脚本得到确认时间合格率，具体包括如下步骤：
[0062]
比较过滤后的报警数据的当前的确认时间与预设合格确认时间，并记录当前确认时间小于预设合格确认时间的报警数据个数作为确认时间合格个数，并将确认时间合格个数除以除以统计时间段[t1,t2]内的总报警数据个数，得到[s1,s2]的确认时间合格率α1＝确认时间合格个数/总报警数据个数。
[0063]
在本发明的一个实施例中，通过整体算法分析脚本得到持续时长合格率，具体包括如下步骤：比较过滤后的报警数据的持续时长与预设合格持续时长，并记录报警数据的持续时长小于预设合格持续时长的报警数据个数作为持续时长合格个数，并将持续时长合格个数除以统计时间段[t1,t2]内的总报警数据个数，得出持续时长合格率α2＝持续时长合格个数/总报警个数。
[0064]
在本发明的一个实施例中，通过整体算法分析脚本得到时间趋势合格率，具体包括如下步骤：
[0065]
在第一个时段[s1,s2]预设报警激活时间点m1＝s1+mxp1,m初始值为1。
[0066]
如图4所示，若当前的报警时间超过预设报警激活时间点m1，则将超过报警计数时间点m1的计数值记入对应的时间趋势统计时段[s1,s1+p1]的合格个数，m递增加1，从而重新设定报警激活时间点m1，且计数值清0；
[0067]
若当前的报警时间未超过预设报警激活时间点m1，则计数值加1；
[0068]
则时间趋势统计时段[s1,s1+p1]的单一时间点趋势合格率α3'＝(预设趋势合格值-合格个数)/预设趋势合格值；
[0069]
重复执行上述过程，直至完成[s1,s2]内的所有时间趋势统计时段的时间趋势合格率的计算，并将单一时间点的趋势合格率求和后平均得到时间趋势合格率α3。
[0070]
s42，基于过滤后的报警数据和算法参数进行条件分组算法分析,包括如下步骤。
[0071]
加载模块根据算法分类，从本地磁盘里加载报警条件分组算法的脚本，load到内存里。
[0072]
遍历时间段[s1,s2]过滤后的报警数据，查询第一内存中对应报警数据的报警条件,若对应报警数据的报警条件不存在则设置对应的条件计数为1,若对应报警数据的报警条件存在，则对应的条件计数加1；
[0073]
循环遍历每个报警条件的分组，得到每个报警条件的分组的报警个数，从而得到每个报警条件分组合格率＝(预设条件分组合格个数-每个报警条件的分组的报警个数)/预设条件分组合格个数，
[0074]
[s1,s2]时间段的条件分组合格率β1＝所有报警条件分组合格率之和/分组数。
[0075]
需要说明的是，报警条件分组主要是为了体现出哪种条件的报警比较突出，用于分析削减报警量。
[0076]
s43，基于过滤后的报警数据和算法参数进行层级分组算法分析,包括如下步骤。
[0077]
加载模块根据算法分类，从本地磁盘里加载层级分组算法的脚本，load到内存里。
[0078]
遍历报警数据，查询内存里是否有当前报警的装置名称dcsname，如果不存在则设置为1,存在则加1。
[0079]
循环遍历dcs装置层级的每个层级的分组，计算得到每个层级分组的合格率＝(预设层级合格个数-层级报警个数)/预设层级合格个数，则层级分组合格率β2＝所有层级分组的合格率之和/层级数，其中，层级数对应dcs装置的个数。
[0080]
需要说明的是，层级分组是为了展示dcs报警层面的报警量排名，利于分析对比。
[0081]
需要说明的是，时间段[s1,s2]的报警数据计算完成后，继续时间段进行分片的操作，并重复执行后续分段的时间内的报警数据的分析，直到统计结束。
[0082]
在本发明的一个实施例中，s5的具体表现为，按预先分配的权重和上述过程得到的确认时间合格率，持续时长合格率、时间趋势合格率、条件分组合格率和层级分组合格率进行计算，得到和整体的确认时间、持续时间、间隔时间报警次数、条件分组次数和层级分组次数相关的统计结果。
[0083]
在本发明的一个实施例中，统计结果综合得分＝(确认时间合格率*权重1+持续时间合格率*权重2+间隔时间合格率*权重3+条件分组合格率*权重4+层级分组合格率*权重5)/(权重1+权重2+权重3+权重4+权重5)，并将得到的综合得分和每个数据量存储到数据库中。
[0084]
在一些实施方式中，还包括s6，对得到的统计结果进行二次处理，从而方便更直观的对报警数据进行分析。例如，将评价指标和分析结果整理成pdf，作为报表使用。
[0085]
本发明提出的一种装置报警的综合分析方法，将多个维度的报警数据指标进行分析，得出最终的评价指标，并且通过对分析数据进行时间分片处理，从而防止内存的暴增。通过调用每种指标单独的算法脚本，方便的进行算法更新，算法需要易于理解，定制方便，维护简单，构建方法简单易懂，可适用于同类评价分析。
[0086]
本发明另外提出了一种装置报警的综合分析系统，如图5所示，包括耦接的报警数据采集装置、综合报警分析装置和评价装置，
[0087]
其中，报警数据采集装置用于采集报警数据，并对报警数据进行过滤后输出至综合报警分析装置；
[0088]
综合报警分析装置至少用于进行上述步骤的s4整体算法分析、条件分组算法分析和层级分组算法分析，从而得到至少包括确认时间合格率，持续时长合格率、时间趋势合格率、条件分组合格率和层级分组合格率的报警分析指标量，并将得到的报警分析指标量输出至评价装置；
[0089]
评价装置用于基于输入的报警分析指标量进行多维度综合分析，从而得到报警数据的评价指标。
[0090]
需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。
[0091]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部
分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0092]
专业人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。