一种基于大数据的工业生产流水线的故障监测方法及系统技术方案

本发明专利技术涉及一种基于大数据的工业生产流水线的故障监测方法及系统，包括以下：步骤201、将工业生产流水线按照传感器的分布位置进行分段划分，并按照生产线流通方向进行分段编号M

【技术实现步骤摘要】
一种基于大数据的工业生产流水线的故障监测方法及系统
本专利技术涉及人工智能领域，尤其涉及一种基于大数据的工业生产流水线的故障监测方法及系统。
技术介绍
工业流水线在工业生产中是即为重要的，一旦其中的任何一个环节出现问题的话，将会导致部分生产线停滞甚至整个生产线停滞，在维修期间所产生的损失是不可估量的，所以必须对整个生产线进行故障监测，在出现隐患时就提醒相关工作人员进行处理，确保生产线的稳定进行。
技术实现思路
本专利技术的目的是解决现有技术的不足，提供一种基于大数据的工业生产流水线的故障监测方法及系统，能够通过在生产流水线处设立多个传感器，并由流通方向设定优先级，通过计算每个传感器的异常数据剔除率来判断该传感器是否存在故障风险，若存在则提醒工作人员进行处理，能够确保生产线的稳定进行。为了实现上述目的，本专利技术采用以下的技术方案：提出一种基于大数据的工业生产流水线的故障监测系统，包括：多个传感器Mi，i取1-m，依次按照i的取值范围从小到大的顺序以生产线流通的方向设置于生产线上，用于对相应的生产线的数据进行监测；异常数据剔除模块，用于、获取传感器Mi的n个测量数据得到n个采样值将传感器Mi的n个测量数据中的异常数据进行剔除；异常数据剔除率计算模块，用于根据所述异常数据剔除模块所剔除的异常数据的数量，计算异常数据剔除率β，β＝剔除的数据数/n；故障风险判断模块，用于根据所述异常数据剔除率计算模块计算得到的异常数据剔除率β，判断所述传感器Mi处是否存在故障风险；故障排查次序排序模块，用于对存在故障的传感器的故障排查次序进行排序，并告知工作人员进行处理。还提出一种基于大数据的工业生产流水线的故障监测方法，包括以下：步骤201、将工业生产流水线按照传感器的分布位置进行分段划分，每一段包含一个传感器，并按照生产线流通方向进行分段编号Mi，i取1-m；步骤202、获取传感器Mi的n个测量数据得到n个采样值将传感器Mi的n个测量数据中的异常数据进行剔除，并计算异常数据剔除率β，β＝剔除的数据数/n；步骤203、判断剔除率β是否高于第一阈值，若是则判断所述传感器Mi处存在故障风险，若否则判断所述传感器Mi处不存在故障风险；步骤204、重复上述步骤202至步骤203得到每个传感器处的故障风险情况；步骤205、对存在故障的传感器的故障排查次序进行排序，并告知工作人员进行处理。进一步，上述步骤202中的异常数据的剔除的方法具体包括以下：步骤301、将传感器Mi的n个测量数据按照从小到大的顺序进行排列；步骤302、计算传感器Mi的n个测量数据的算术平均值以及测量数据的方差S2：步骤303、判断是否大于第二阈值λ，若是则判定Mi为异常数据，应当进行剔除，若否则判定Mi不是异常数据，应当予以保留，其中而可以通过查t分布表获得。进一步，上述步骤205中对存在故障的传感器的故障排查顺序进行排序具体为：结合传感器Mi处的故障风险情况以及传感器Mi处的故障处理预测时间对存在故障的传感器的故障排查次序进行排序；所述传感器Mi处的故障风险情况具体为传感器的编号大小；所述传感器Mi处的故障处理预测时间通过以往处理该处传感器的故障时间的大数据来获取；以传感器编号从小到大优先处理的原则对存在故障的传感器进行处理，若存在生产线流通方向并联的情况，则优先处理故障处理预测时间较短的传感器。进一步，在完成传感器故障排查顺序的排序后，还会生成日志文件，所述日志文件具体包括：存在故障的传感器的编号Mi，预测处理对应传感器所需要的预测时间，以及完成排序的排查次序情况。进一步，所述第一阈值为0.05。本专利技术在采用上述的系统以及方法时能够获得以下有益效果：本专利技术能够通过在生产流水线处设立多个传感器，并由流通方向设定优先级，通过计算每个传感器的异常数据剔除率来判断该传感器是否存在故障风险，若存在故障风险则提醒工作人员进行处理，能够确保生产线的稳定进行。附图说明图1所示为本专利技术一种基于大数据的工业生产流水线的故障监测方法流程图。具体实施方式以下将结合实施例和附图对本专利技术的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本专利技术的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。附图中各处使用的相同的附图标记指示相同或相似的部分。参照图1，本专利技术提出一种基于大数据的工业生产流水线的故障监测系统，包括：多个传感器Mi，i取1-m，依次按照i的取值范围从小到大的顺序以生产线流通的方向设置于生产线上，用于对相应的生产线的数据进行监测；异常数据剔除模块，用于、获取传感器Mi的n个测量数据得到n个采样值将传感器Mi的n个测量数据中的异常数据进行剔除；异常数据剔除率计算模块，用于根据所述异常数据剔除模块所剔除的异常数据的数量，计算异常数据剔除率β，β＝剔除的数据数/n；故障风险判断模块，用于根据所述异常数据剔除率计算模块计算得到的异常数据剔除率β，判断所述传感器Mi处是否存在故障风险；故障排查次序排序模块，用于对存在故障的传感器的故障排查次序进行排序，并告知工作人员进行处理。还提出一种基于大数据的工业生产流水线的故障监测方法，包括以下：步骤201、将工业生产流水线按照传感器的分布位置进行分段划分，每一段包含一个传感器，并按照生产线流通方向进行分段编号Mi，i取1-m；步骤202、获取传感器Mi的n个测量数据得到n个采样值将传感器Mi的n个测量数据中的异常数据进行剔除，并计算异常数据剔除率β，β＝剔除的数据数/n；步骤203、判断剔除率β是否高于第一阈值，若是则判断所述传感器Mi处存在故障风险，若否则判断所述传感器Mi处不存在故障风险；步骤204、重复上述步骤202至步骤203得到每个传感器处的故障风险情况；步骤205、对存在故障的传感器的故障排查次序进行排序，并告知工作人员进行处理。作为本方案的优选实施方式，上述步骤202中的异常数据的剔除的方法具体包括以下：步骤301、将传感器Mi的n个测量数据按照从小到大的顺序进行排列；步骤302、计算传感器Mi的n个测量数据的算术平均值以及测量数据的方差S2：步骤303、判断是否大于第二阈值λ，若是则判定Mi为异常数据，应当进行剔除，若否则判定Mi不是异常数据，应当予以保留，其中而可以通过查t分布表获得。作为本方案的优选实施方式，上述步骤205中对存在故障的传感器的故障排查顺序进行排序具体为：结合传感器Mi处的故障风险情况以及传感器Mi处的故障处理预测时间对存在故障的传感器的故障排查次序进行排序；所述传感器Mi处的故障风险情况具体为传感器的编号本文档来自技高网...

【技术保护点】
1.一种基于大数据的工业生产流水线的故障监测系统，其特征在于，包括：/n多个传感器M

【技术特征摘要】
1.一种基于大数据的工业生产流水线的故障监测系统，其特征在于，包括：
多个传感器Mi，i取1-m，依次按照i的取值范围从小到大的顺序以生产线流通的方向设置于生产线上，用于对相应的生产线的数据进行监测；
异常数据剔除模块，用于、获取传感器Mi的n个测量数据得到n个采样值将传感器Mi的n个测量数据中的异常数据进行剔除；
异常数据剔除率计算模块，用于根据所述异常数据剔除模块所剔除的异常数据的数量，计算异常数据剔除率β，β＝剔除的数据数/n；
故障风险判断模块，用于根据所述异常数据剔除率计算模块计算得到的异常数据剔除率β，判断所述传感器Mi处是否存在故障风险；
故障排查次序排序模块，用于对存在故障的传感器的故障排查次序进行排序，并告知工作人员进行处理。


2.一种基于大数据的工业生产流水线的故障监测方法，其特征在于，包括以下：
步骤201、将工业生产流水线按照传感器的分布位置进行分段划分，每一段包含一个传感器，并按照生产线流通方向进行分段编号Mi，i取1-m；
步骤202、获取传感器Mi的n个测量数据得到n个采样值将传感器Mi的n个测量数据中的异常数据进行剔除，并计算异常数据剔除率β，β＝剔除的数据数/n；
步骤203、判断剔除率β是否高于第一阈值，若是则判断所述传感器Mi处存在故障风险，若否则判断所述传感器Mi处不存在故障风险；
步骤204、重复上述步骤202至步骤203得到每个传感器处的故障风险情况；
步骤205、对存在故障的传感器的故障排查次序进行排序，并告知工作人员进行处理。


3.根据权利要求2所述的一种基于大数据的工业生产流水线...

【专利技术属性】
技术研发人员：张彩霞，王向东，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：广东;44