【技术实现步骤摘要】
一种基于总线电流数据的工厂产能评估方法
[0001]本专利技术属于工厂产能监测与评估
,具体涉及一种基于总线电流数据的工厂产能评估方法。
技术介绍
[0002]随着物联网技术和信息技术的快速发展,建立有效信息技术平台和管理工具,实现企业经营状况实时监测和贷后风险管理工作的系统化成为趋势。
[0003]生产型企业的工厂车间每天的实际产能情况能够有效反映企业的经营状况,现有技术主要通过传感器或者人工方式采集与工厂产能相关的多种数据,结合机器学习的方法实现产能评估和预测。例如,利用机器视觉进行产品中良品、次品的检测以及数据统计,结合深度学习网络实现产能评估预测(CN202010442738.9)。利用电耗单耗、设备运转、工艺仪表等海量数据为信息来源,运用机器学习的方法来实现产能预测(CN201911224534.1)。利用厂房因素、人员因素、设备因素和物料因素、操作岗位人员数量、设备损耗率等影响产能的因素作为评估依据,结合神经网络实现产能评估预测(CN202010774588.1)。
[0004]以上现有技术由于统计因素较多,需要布置较多的传感器,并且某些因素还需要人工的介入。同时由于统计因素较多,产能评估方法往往比较复杂。并且需要量身定制,方法通用性差。
[0005]而针对一些自动化程度较高的行业,例如电子产品、医药、汽车、造纸等,大多采用自动化生产线进行生产,完全可以通过工厂中生产设备的总体功耗来判断工厂的实际生产状况,而工厂总线电流正比于设备总体功耗,因此本专利技术提出了一种基于总线电流 ...
【技术保护点】
【技术特征摘要】
1.一种基于总线电流数据的工厂产能评估方法,其特征在于,包括以下步骤:步骤S1、定时采集工厂供电总线的瞬时电流数据,将满足预设条件的瞬时电流数据求取平均值i(k),k=1,2,
…
,m,以该平均值i(k)作为该次采集的电流值数据;步骤S2、选取当天以前N天内采集的所有电流值数据作为样本,并计算出前N天内每一天的电流和数据I(h)=∑i(k),h=1,2,
…
,N;步骤S3、于步骤S2中所有电流和数据I(h)中选取最大值Imax(h)和最小值Imin(h)并在两者之间划分K个区间,计算前N天内每一天的电流和落在每个区间的概率值p
i
=n(j)/N,(i=1,2,
…
,K),n(j),j=1,2,
…
,K;步骤S4、基于步骤S3中获得的概率值p
i
构建正态分布模型M(μ,σ2);步骤S5、设定置信水平值并推算出置信区间下限I
min
=u
‑
2σ和置信区间上限I
max
=u+2σ;步骤S6、将当天采集并计算出的电流和数据I与步骤S5中计算出的置信区间下限I
min
=u
‑
2σ和置信区间上限I
max
=u+2σ进行对比分析,当I<I
min
时判定当天为低产能状态,当I>I
max
时判定当天为高产能状态,当I
min
≤I≤I
max
时判定当天为正常产能状态。2.根据权利要求1所述的一种基于总线电流数据的工厂产能评估方法,其特征在于:所述步骤S1中的预设条件为瞬时电流数据的采样率为f
s
,采集时长为T。3.根据权利要求1所述的一种基于总线电流数据的工厂产能评估方法,其特征在于:步骤S4中基于概率值p
i
构建正态分布模型M(μ,σ2)时,采用最小二乘法拟合概率值p
i
,得到正态分布模型M(μ,σ2)...
【专利技术属性】
技术研发人员:刘方,滕繁荣,翟中平,
申请(专利权)人:智寰科技常州有限公司,
类型:发明
国别省市:
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。