当前位置: 首页 > 专利查询>浙江大学专利>正文

一种智能工厂多源安全大数据结构化管理方法技术

技术编号:18894639 阅读:23 留言:0更新日期:2018-09-08 11:01
本发明专利技术公开了一种智能工厂多源安全大数据结构化管理方法,包括以下步骤:(1)通过多源数据采集模块采集智能工厂的多源安全大数据,并按更新时间尺度将多源安全大数据分为静态数据和动态数据,建立智能工厂安全数据库;(2)分析静态数据和动态数据的组成要素、现有数据组织结构,分别建立静态数据和动态数据的结构化模型;(3)基于静态数据和动态数据的结构化模型,得到智能工厂安全数据库的主数据表定义,实现对多源安全大数据的结构化管理。本发明专利技术的多源安全大数据结构化管理方法对各类数据进行结构化建模与描述,将非结构化数据转化为结构化数据,从而实现对多源安全大数据的结构化管理,最大程度实现安全大数据的应用价值。

A method of multi source large data structure management in intelligent factory

The invention discloses a structured management method for multi-source safety large data of an intelligent factory, which comprises the following steps: (1) collecting multi-source safety large data of an intelligent factory through a multi-source data acquisition module, and dividing the multi-source safety large data into static data and dynamic data according to the updated time scale, and establishing an intelligent factory safety database. (3) Based on the structured model of static data and dynamic data, the main data table definition of intelligent factory security database is obtained, and the structure of multi-source security large data is realized. Management. The method for structured management of multi-source secure large data of the invention can model and describe various kinds of data structurally, and convert unstructured data into structured data, thereby realizing structured management of multi-source secure large data and maximizing the application value of secure large data.

【技术实现步骤摘要】
一种智能工厂多源安全大数据结构化管理方法
本专利技术涉及工业安全数据管理方法,尤其涉及一种智能工厂多源安全大数据结构化管理方法。
技术介绍
随着智能制造时代的来临,智能工厂工业大数据技术及实践应用将成为未来提升企业竞争力、生产力和创新力的重要驱动力。工业大数据一般可分为企业信息化数据、工业物联网数据以及外部跨界数据。其中,企业信息化和工业物联网中设备运行过程所产生的海量生产时序数据是导致工业数据规模变大的主要来源。在工业大数据背景下,安全数据涵盖生产作业安全、企业安全规范制度等各领域,如事故调查报告、安全应急预案、工艺流程安全数据、视频监控数据、生产图纸信息等;数据载体的表现形式也更为丰富,包括数值、文本、语音、视频、图片等;数据的获取手段更为全面,包括物联网技术下的移动终端采集系统、视频监控系统、生产实时数据采集系统,以及互联网等。为加快工业大数据在安全生产领域的发展,国家安全监督管理总局于近年提出建立安全生产数据库的目标,同时指出目前安全生产大数据面临的主要问题包括缺乏统一的标准、部门协调能力不足、信息化能力弱、分析工具欠缺、专业人员缺乏和数据规模小而缺乏原始信息等。王秉等在文献“基于安全大数据的安全科学创新发展探讨”中提出安全大数将对安全科学领域产生深远影响,表现在改变人们对安全现象的思考方式、提升安全科学研究的时效性、增强安全分析结果的客观性等诸多方面。李金诺在文献“浅谈石油行业大数据的发展趋势”中充分肯定工业大数据应用价值的同时,指出工业大数据目前需要解决的问题主要有数据的采集与存储、数据分析及可视化、数据开放共享等。苏鑫等在文献“大数据技术在过程工业中的应用研究进展”中指出工业大数据除了具有一般大数据的4V特性,即海量性(Volume)、多样性(Variety)、高速性(Velocity)、易变性(Variability)外,还具有样本分布不均匀、强非线性、高维度等特点。刘强等在文献“过程工业大数据建模研究展望”中指出工业大数据的采样率高、数据源广,数据大量以图片、视频、文档等非结构化形式存在,其具有多层面不规则采样性、多时空时间序列性和不真实数据混杂性等特性。公开号为CN201710766584.7的中国专利文献公开了一种安全数据管理方法、终端及计算机可读存储介质,该安全数据管理方法通过监测安全数据是否被调用,在监测到安全数据被调用时,控制终端通过所使用的数据网络接入VPN,然后通过VPN,使用安全数据完成业务。公开号为CN201710627875.8的中国专利文献公开了一种智能工厂系统,包括下层SCADA过程控制系统、中层MES制造执行系统、上层ERP业务计划系统。公开号为CN201510770114.9的中国专利文献公开了一种面向工业大数据的知识表示及其自动化应用方法。包括创建智能对象库、相应的各种判定条件和计算模型及自动化规则、业务流程等内容。综上可知,目前所存在的工业大数据通常是多源异构的,如果不对数据格式进行统一结构化管理,则无法实现价值挖掘。如何合理有效地实现多源工业大数据的结构化建模和管理成为目前亟需解决的问题。
技术实现思路
针对工业大数据具有多源异构的特点,本专利技术提供了一种智能工厂多源安全大数据结构化管理方法,从智能工厂安全大数据的定义及类别作为切入点,对各类数据进行结构化建模与描述,从而实现对多源安全大数据的结构化管理。本专利技术提供了如下技术方案:一种智能工厂多源安全大数据结构化管理方法,包括以下步骤:(1)通过多源数据采集模块采集智能工厂的多源安全大数据,并按更新时间尺度将多源安全大数据分为静态数据和动态数据,建立智能工厂安全数据库;(2)分析静态数据和动态数据的组成要素、现有数据组织结构,分别建立静态数据和动态数据的结构化模型;(3)基于静态数据和动态数据的结构化模型,得到智能工厂安全数据库的主数据表定义,实现对多源安全大数据的结构化管理。所述的多源数据采集模块包括物联网技术下的移动终端采集系统、视频监控系统、生产实时数据采集系统等;采集的多源安全大数据涵盖工业生产作业安全、企业安全文化制度等各领域,包括事故调查报告、安全管理静态和动态信息、视频监控数据、生产图纸信息等多种形式的数据。由于安全大数据的数据源具有多样性,其主要存在形式为数值、文本、语音、视频、图片等多种形式,本专利技术的管理方法将非结构化数据转化为结构化数据,最大程度实现安全大数据的应用价值。按更新时间尺度差异可将安全数据分为静态和动态安全数据两大类。静态安全数据是指更新时间尺度相对较长(如年、季、月)的安全数据,如设备设计、检修与维护记录材料、工厂设计规划图纸、危化品管理信息、安全应急预案、历史事故记录数据等。动态安全数据是指更新时间尺度相对较短(如日、时、分、秒)的安全数据,如视频监控、DCS过程监控、人工巡检、卫星遥感、GIS地理信息、移动终端采集数据等。优选的,所述的静态安全数据包括工厂设计数据、安全事故记录数据、安全应急预案数据及安全失效数据。建立工厂设计数据模型,表达为:PlantDesignData=(eID,elayoutdata,esizedata,eprocessdata,etechnicaldata)其中eID为TE工厂生产线设备编号,elayoutdata为设备布局,esizedata为设备外形尺寸,eprocessdata为设备工艺参数,包括原料产品、加工工艺等,etechnicaldata为设备安全技术参数,包括设备可靠性参数等。工厂安全事故是由人机料法环五个维度综合影响产生的意外事件。根据工厂安全事故的基础特征,将事故数据从非结构化到结构化转变,可解决事故记录数据的不规范和不统一等缺点,提高事故数据的检索、关联分析等其他应用价值。安全事故一般具有几个重要元素,即事故编号、事故时间、事故地点、事故等级、事故类型、事故起因和事故后果等。优选的,建立安全事故记录数据模型,表达为:AccidentData=(aID,aDatetime,aPlace,aEnvironment,aLevel,aType,aCause,aLoss)其中aID为事故编号,aDatetime为事故发生时间,aPlace为事故发生地点,aEnvironment为事故发生的气象条件以及周边环境,aLevel为事故等级,aType为事故类型,aCause为事故起因,aLoss为事故所造成的后果损失。安全应急预案元素分为应急事件、应急组织机构、应急资源和应急响应过程。优选的,建立安全应急预案模型,表达为:EmergencyPlan=(Event,Organzation,Resource,ResponseProcess)其中,Event为应急事件,Organzation是应急组织架构,Resource是应急资源,ResponseProcess是应急响应过程。安全失效数据也被称为可靠性数据,主要可分为安全设备失效数据和人员失效数据,分别描述设备、人员或其他因素的可靠性程度。安全失效数据对于评估系统可靠性和风险水平具有重要作用。安全设备主要是指安全仪表系统中所包含的控制器、传感器、执行器等设备,是保证安全生产的重要措施。优选的,建立安全设备失效数据模型,表达为:SEFailureData=(ID,Name,Locat本文档来自技高网
...

【技术保护点】
1.一种智能工厂多源安全大数据结构化管理方法,其特征在于,包括以下步骤:(1)通过多源数据采集模块采集智能工厂的多源安全大数据,并按更新时间尺度将多源安全大数据分为静态数据和动态数据,建立智能工厂安全数据库;(2)分析静态数据和动态数据的组成要素、现有数据组织结构,分别建立静态数据和动态数据的结构化模型;(3)基于静态数据和动态数据的结构化模型,得到智能工厂安全数据库的主数据表定义,实现对多源安全大数据的结构化管理。

【技术特征摘要】
1.一种智能工厂多源安全大数据结构化管理方法,其特征在于,包括以下步骤:(1)通过多源数据采集模块采集智能工厂的多源安全大数据,并按更新时间尺度将多源安全大数据分为静态数据和动态数据,建立智能工厂安全数据库;(2)分析静态数据和动态数据的组成要素、现有数据组织结构,分别建立静态数据和动态数据的结构化模型;(3)基于静态数据和动态数据的结构化模型,得到智能工厂安全数据库的主数据表定义,实现对多源安全大数据的结构化管理。2.根据权利要求1所述的智能工厂多源安全大数据结构化管理方法,其特征在于,所述的静态安全数据包括工厂设计数据、安全事故记录数据、安全应急预案数据及安全失效数据。3.根据权利要求2所述的智能工厂多源安全大数据结构化管理方法,其特征在于,建立工厂设计数据模型,表达为:PlantDesignData=(eID,elayoutdata,esizedata,eprocessdata,etechnicaldata)其中eID为TE工厂生产线设备编号,elayoutdata为设备布局,esizedata为设备外形尺寸,eprocessdata为设备工艺参数,包括原料产品、加工工艺等,etechnicaldata为设备安全技术参数,包括设备可靠性参数等。4.根据权利要求2所述的智能工厂多源安全大数据结构化管理方法,其特征在于,建立安全事故记录数据模型,表达为:AccidentData=(aID,aDatetime,aPlace,aEnvironment,aLevel,aType,aCause,aLoss)其中aID为事故编号,aDatetime为事故发生时间,aPlace为事故发生地点,aEnvironment为事故发生的气象条件以及周边环境,aLevel为事故等级,aType为事故类型,aCause为事故起因,aLoss为事故所造成的后果损失。5.根据权利要求2所述的智能工厂多源安全大数据结构化管理方法,其特征在于,所述的安全失效数据包括安全设备失效数据和人员失效数据;建立安全设备失效数据模型,表达为:SEFailureData=(ID,Name,Location,ServiceTime,Inventory,Failure,Maintenance)其中ID是安全设备在厂区的唯一标识;Name是设备名称;Location是地理数据;ServiceTime为累积服役时间;Inventory是编目数据;Failure是失效数据;Maintena...

【专利技术属性】
技术研发人员:冯毅萍冯海杰荣冈
申请(专利权)人:浙江大学
类型:发明
国别省市:浙江,33

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1