针对数字化工厂运行数据的人工智能分析方法及系统与流程

本发明涉及数字化工厂领域，特别是涉及针对数字化工厂运行数据的人工智能分析方法及系统。

背景技术：

1、数字化工厂的具体内容是建立一个以三维虚拟炼为基础的集成管理平台，集成工程设计、生产运营、机动设备、环保安全等各种动态静态数据，运用二维可视化技术，提供企业资产信息全生命周期管理、具备高度可配置化应用的系统，是对企业信息管理系统的扩充应用。在物理资产从产生、运营到退役的全过程中，提供资产信息的工程设计、数字资产移交、整合与生命周期管理、技改变更、运行维护、动态展示、信息查询和模拟演示，能够为规划、设计、施工、运营等部门提供准确数据支持的管理环境。

2、当下，随着数字化工厂的不断普及，针对数字化工厂运行数据的人工智能分析方法及系统尤为重要。

技术实现思路

1、（一）解决的技术问题

2、为了克服现有技术的不足，本发明提供针对数字化工厂运行数据的人工智能分析方法及系统，已解决背景技术提出的问题。

3、（二）技术方案

4、为解决上述技术问题，本发明提供如下技术方案：针对数字化工厂运行数据的人工智能分析方法，该方法包括以下步骤：s1、通过数据采集设备从数字化工厂的设备、生产系统、物料系统、质量检测系统和车间环境参数采集工厂运行数据；

5、s2、对采集到的设备、生产系统、物料系统、质量检测系统和车间环境参数数据进行预处理、数据分层、自定义特征值计算，通过异常值、数据特征计算、数据筛选方法进行清洗、处理和转换，从而提高数据的质量和准确性；

6、s3、采用主成分分析和特征工程提取方法从预处理后的数据中提取出与设备运行状态、生产流程、产品质量和车间环境参数的特征信息；

7、s4、将s3步骤提取出的数据信息，根据问题的特点和数据的性质，选择深度学习模型进行构建，所述深度学习模型包括卷积神经网络（cnn）或循环神经网络（rnn）或长短期记忆网络（lstm）模型；

8、s5、采用批量标准化或优化器技术对提取的特征和构建的深度学习模型进行训练，得到预测模型；

9、s6、将训练好的模型应用于数字化工厂的运行数据，对设备的状态、生产流程和产品质量进行预测；

10、s7、通过对比历史数据不断优化质量管理、数据采集步骤、告警管理、生产操作效率以及工艺参数提高生产效率。

11、作为本发明所述的针对数字化工厂运行数据的人工智能分析方法的优选方案，其中：所述数据采集设备包括环境传感器、监控设备、生产控制系统和物料控制系统，所述环境传感器、监控设备、生产控制系统和物料控制系统通过无线信号与数据中心信号连接。

12、作为本发明所述的针对数字化工厂运行数据的人工智能分析方法的优选方案，其中：所述s2步骤数据处理步骤为：（1）选择分析时间；

13、（2）根据工厂单元选择采集的表计设备参数；

14、（3）可以通过【最小值】~【最大值】手动过滤异常干扰值；

15、（4）点击开始分析展示对应的趋势，可以查看在同一时段内不同参数随时间的变化情况，对比走势找出异常值和相近走势，从中找出相关关系。

16、作为本发明所述的针对数字化工厂运行数据的人工智能分析方法的优选方案，其中：所述s6中训练好的模型应用于数字化工厂的运行数据，通过采集企业的实时参数和指标进行监控，对比历史数据，出现异常及时推送信息至系统终端，帮助客户实时掌握生产情况，及时排查异常，让车间如期稳定生产。

17、作为本发明所述的针对数字化工厂运行数据的人工智能分析方法的优选方案，其中：所述历史数据包括人员要素、设备要素、物料要素、工艺参数要素、环境要素的数据以及要素之间相关的数据的一种或多种。

18、作为本发明所述的针对数字化工厂运行数据的人工智能分析方法的优选方案，其中：所述s3中主成分析步骤为：1、数据预处理；2、计算协方差矩阵；3、计算特征值和特征向量；4、选择主成分；5、数据投影；6、解释主成分；7、模型评估。

19、针对数字化工厂运行数据的人工智能分析系统，包括数据采集模块、数据预处理模块、特征提取模块、深度学习模型构建模块、模型训练模块和预测应用模块；

20、其中数据采集模块负责从数字化工厂的设备、生产系统、质量检测系统等采集运行数据，保证数据的实时性和完整性；

21、其中数据预处理模块对采集到的数据进行清洗、处理和转换，以提高数据的质量和准确性；

22、其中特征提取模块从预处理后的数据中提取出与设备运行状态、生产流程、产品质量相关的特征；

23、其中深度学习模型构建模块根据问题的特点和数据的性质，选择合适的深度学习模型进行构建；

24、作为本发明所述的数字化工厂运行数据的人工智能分析系统的优选方案，其中：所述数据采集模块、数据预处理模块、特征提取模块、深度学习模型构建模块、模型训练模块和预测应用模块直接通过无线传输网络与数据中心连接，所述数据中心与终端系统通过有线网络或无线传输网络连接。

25、作为本发明所述的数字化工厂运行数据的人工智能分析系统的优选方案，其中：所述终端系统显示终端和主机，所述显示终端与主机信号连接。

26、（三）有益效果

27、与现有技术相比，本发明能达到的有益效果是：

28、本发明通过人工智能技术对数字化工厂运行数据进行实时、准确的分析，能够提高设备的维护效率、优化生产流程、控制产品质量，为企业决策提供有力支持，同时数据中心通过将历史数据以及实时数据储存，设定标准数值，针对数字化工厂运行数据进行实时数据与历史数据对比参考标准数值，大大提高了管理能力以及管理效率。同时，本发明还具有操作简便、适用范围广的优点。

技术特征：

1.针对数字化工厂运行数据的人工智能分析方法，其特征在于：该方法包括以下步骤：s1、通过数据采集设备从数字化工厂的设备、生产系统、物料系统、质量检测系统和车间环境参数采集工厂运行数据；

2.根据权利要求1所述的针对数字化工厂运行数据的人工智能分析方法，其特征在于：所述数据采集设备包括环境传感器、监控设备、生产控制系统和物料控制系统，所述环境传感器、监控设备、生产控制系统和物料控制系统通过无线信号与数据中心信号连接。

3.根据权利要求1所述的针对数字化工厂运行数据的人工智能分析方法，其特征在于：所述s2步骤数据处理步骤为：（1）选择分析时间；

4.根据权利要求1所述的针对数字化工厂运行数据的人工智能分析方法，其特征在于：所述s6中训练好的模型应用于数字化工厂的运行数据，通过采集企业的实时参数和指标进行监控，对比历史数据，出现异常及时推送信息至系统终端，帮助客户实时掌握生产情况，及时排查异常，让车间如期稳定生产。

5.根据权利要求4所述的针对数字化工厂运行数据的人工智能分析方法，其特征在于：所述历史数据包括人员要素、设备要素、物料要素、工艺参数要素、环境要素的数据以及要素之间相关的数据的一种或多种。

6.根据权利要求1所述的数字化工厂运行数据的人工智能分析方法，其特征在于：所述s3中主成分析步骤为：1、数据预处理；2、计算协方差矩阵；3、计算特征值和特征向量；4、选择主成分；5、数据投影；6、解释主成分；7、模型评估。

7.针对数字化工厂运行数据的人工智能分析系统，其特征在于：包括数据采集模块、数据预处理模块、特征提取模块、深度学习模型构建模块、模型训练模块和预测应用模块；

8.根据权利要求7所述的数字化工厂运行数据的人工智能分析系统，其特征在于：所述数据采集模块、数据预处理模块、特征提取模块、深度学习模型构建模块、模型训练模块和预测应用模块直接通过无线传输网络与数据中心连接，所述数据中心与终端系统通过有线网络或无线传输网络连接。

9.根据权利要求8所述的数字化工厂运行数据的人工智能分析系统，其特征在于：所述终端系统显示终端和主机，所述显示终端与主机信号连接。

技术总结
本发明公开了针对数字化工厂运行数据的人工智能分析方法，其特征在于：该方法包括以下步骤：S1、通过数据采集设备从数字化工厂的设备、生产系统、物料系统、质量检测系统和车间环境参数采集工厂运行数据。本发明通过人工智能技术对数字化工厂运行数据进行实时、准确的分析，能够提高设备的维护效率、优化生产流程、控制产品质量，为企业决策提供有力支持，同时数据中心通过将历史数据以及实时数据储存，设定标准数值，针对数字化工厂运行数据进行实时数据与历史数据对比参考标准数值，大大提高了管理能力以及管理效率。同时，本发明还具有操作简便、适用范围广的优点。

技术研发人员：李继庚,洪蒙纳,严斌,陈怡,梁广智
受保护的技术使用者：广州博依特智能信息科技有限公司
技术研发日：
技术公布日：2024/5/10