本发明涉及数据处理,特别是涉及一种工业生产异常行为态势检测方法及系统。
背景技术:
1、随着经济和科学技术的不断发展,工业产品的生产也从数量为先转变为质量为先,企业的生产活动也随着需求的转变进行适应性调整。因此,研究工业生产的生产过程对于提高产品质量,满足人们需求有着十分重要的意义。
2、目前,随着产品工艺越来越复杂,产品设备的种类以及设备之间的关联关系日益增多,对制造过程中的产品生产情况往往采用人工记录的方式。也有通过传感器对设备情况进行采集,将记录数据进行汇总,供日后进行查找。
3、然而,依靠人工记录生产情况,非常容易发生疏漏和错误,同时记录信息传递周期长,数据的可靠程度和时效性都无法保障。设备生产过程中产生大量数据,在发现产品出现异常时对生产数据进行回溯分析时,往往无法准确找到相关数据,从而不能快速找到异常原因,导致生产损失。现有技术中存在工业生产中异常行为检测反馈周期长,异常分析准确率低的技术问题。
技术实现思路
1、为了克服现有技术的不足,本发明的目的是提供一种工业生产异常行为态势检测方法及系统,用以解决现有技术中存在工业生产中异常行为检测反馈周期长,异常分析准确率低的技术问题。
2、为实现上述目的,本发明提供了如下方案:
3、本发明第一方面提供了一种工业生产异常行为态势检测方法,所述方法应用于异常识别系统,所述异常识别系统分别与图像采集装置和数据交互装置通信连接,所述方法包括:
4、获得目标工厂的工业生产信息,并通过大数据和所述工业生产信息构建设备异常行为态势特征集合;
5、通过所述图像采集装置进行生产产品的图像采集,获得图像采集结果;
6、对所述图像采集结果进行产品的质量识别,生成质量识别结果;
7、通过所述数据交互装置进行设备的运行数据采集,获得设备运行数据集合;
8、通过所述设备异常行为态势特征集合进行所述设备运行数据集合的数据匹配,获得注意时间窗口;
9、根据所述质量识别结果和所述注意时间窗口进行关联评价,得到关联评价结果,并根据所述关联评价结果得到异常预测结果。
10、优选地,所述质量识别结果具有时间标识和设备标识。
11、优选地,所述根据所述质量识别结果和所述注意时间窗口进行关联评价,得到关联评价结果,包括:
12、基于所述设备标识进行所述质量识别结果的同设备质量分类,获得同设备质量识别结果;
13、通过所述时间标识进行所述同设备质量识别结果的顺序排序,获得顺序质量识别结果;
14、通过所述注意时间窗口进行所述顺序质量识别结果的质量异常分析,得到质量异常分析结果;
15、根据所述质量异常分析结果获得所述关联评价结果。
16、优选地,通过所述注意时间窗口进行所述顺序质量识别结果的质量异常分析,基于质量异常分析结果获得所述关联评价结果,包括:
17、获得所述注意时间窗口对应的设备异常行为态势特征;
18、对所述设备异常行为态势特征进行异常趋势分析,获得第一异常趋势分析结果;
19、对所述顺序质量识别结果进行产品异常趋势分析,获得第二异常趋势分析结果;
20、基于所述第一异常趋势分析结果和所述第二异常趋势分析结果进行异常一致性评价,得到一致性评价结果;
21、根据所述一致性评价结果获得所述关联评价结果。
22、优选地,根据所述一致性评价结果获得所述关联评价结果,包括:
23、设定一致性趋势评价阈值;
24、判断所述第一异常趋势分析结果和所述第二异常趋势分析结果中的趋势分析是否满足所述一致性趋势评价阈值;
25、若是,则输出异常一致结果,并输出初始关联值;
26、通过所述初始关联值获得所述关联评价结果。
27、优选地,通过所述初始关联值获得所述关联评价结果,包括:
28、根据所述第一异常趋势分析结果获得异常节点集合;
29、基于所述异常节点集合进行所述第二异常趋势分析结果的节点匹配,获得节点匹配数量和节点相似值;
30、根据所述节点匹配数量和所述节点相似值进行所述初始关联值的加权计算,并根据加权计算结果获得所述关联评价结果。
31、优选地,在判断所述第一异常趋势分析结果和所述第二异常趋势分析结果中的趋势分析是否满足所述一致性趋势评价阈值之后,还包括:
32、若否,则输出异常不一致结果,并输出初始非关联值;
33、通过所述初始非关联值获得所述关联评价结果。
34、优选地,通过所述设备异常行为态势特征集合进行所述设备运行数据集合的数据匹配,获得注意时间窗口,包括:
35、通过所述设备异常行为态势特征集合构建设备异常识别模型;
36、获得所述目标工厂的设备历史运行信息,并根据所述历史运行信息生成设备特征数据;
37、基于所述设备特征数据构建隐含层,将所述隐含层添加至所述设备异常识别模型;
38、将所述设备运行数据输入所述设备异常识别模型,获得输出结果;
39、根据所述输出结果获得所述注意时间窗口。
40、本发明另一方面提供了一种工业生产异常行为态势检测系统,包括:
41、态势特征构建模块,用于获得目标工厂的工业生产信息,通过大数据和所述工业生产信息构建设备异常行为态势特征集合;
42、采集结果获得模块,用于通过图像采集装置进行生产产品的图像采集,获得图像采集结果;
43、识别结果生成模块,用于对所述图像采集结果进行产品的质量识别,生成质量识别结果;
44、运行数据采集模块,用于通过数据交互装置进行设备的运行数据采集,获得设备运行数据集合;
45、时间窗口获得模块,用于通过所述设备异常行为态势特征集合进行所述设备运行数据的数据匹配,获得注意时间窗口;
46、关联评价模块,用于根据所述质量识别结果和所述注意时间窗口进行关联评价,得到关联评价结果,并根据关联评价结果获得异常预测结果。
47、优选地,所述质量识别结果具有时间标识和设备标识。
48、根据本发明提供的具体实施例,本发明公开了以下技术效果:
49、本发明提供了一种工业生产异常行为态势检测方法及系统,通过获得目标工厂的工业生产信息,基于大数据和工业生产信息构建设备异常行为态势特征集合,然后根据图像采集装置采集生产产品的图像,得到图像采集结果,进而对图像采集结果进行产品的质量识别,生成质量识别结果,然后通过对数据交互装置进行设备的运行数据采集,获得设备运行数据集合,进而根据设备异常行为态势特征集合进行设备运行数据的数据匹配,获得注意时间窗口,然后根据质量识别结果和注意时间窗口进行关联评价,基于关联评价结果获得异常预测结果。本发明能够提高异常行为及时采集分析,且提高异常预测的准确程度。