一种基于总线电流数据的工厂产能评估方法技术

本发明专利技术涉及一种基于总线电流数据的工厂产能评估方法，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；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，并计算出每一天的电流和；步骤S3、统计前N天电流和的概率分布密度p

【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的工厂产能评估方法，来解决传统方法无法实现实时监测以及现有方法需要花费较大的人力物力、方法复杂、适应性不广的问题。

技术实现思路

[0006]针对以上现有的工厂产能监测技术中存在的不足，本专利技术提出一种基于总线电流数据的工厂产能评估方法。方法中先用电流卡钳传感器采集电流，将电流求和作为当天的参数指标，统计过去一段时间的电流分布；然后利用最小二乘法对电流分布进行正态分布拟合；接着通过置信区间的划分判断当天的工作状态；最后通过当天监测的电流数据，判断工厂的生产状况。
[0007]本专利技术提供了一种全新的工厂产能评估方法，与现有技术相比，本专利技术可用于工厂产能的实时有效评估并且数据采集方便、成本低、适用性广。能够依据历史数据和正态分布模型统计理论进行科学合理的产能评估。评估模型能够随时间推移进行实时更新，实现产能的动态实时跟踪和准确评估。
[0008]本专利技术通过以下技术方案来实现上述目的：
[0009]一种基于总线电流数据的工厂产能评估方法，包括以下步骤：
[0010]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；
[0011]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；
[0012]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；
[0013]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)；
[0014]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；
[0015]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。
[0016]作为本专利技术的进一步优化方案，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。
[0017]作为本专利技术的进一步优化方案，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)。
[0018]作为本专利技术的进一步优化方案，所述步骤S4中构建正态分布模型M(μ，σ2)的具体步骤如下：
[0019]步骤S4.1、将步骤S3中K个区间的中点作为新的横坐标x＝{I
min
(h)+(I
max
(h)
‑
I
min
(h))/2*K，I
min
(h)+3*(I
max
(h)
‑
I
min
(h))/2*K，
…
，I
max
(h)}，并将步骤S3中获得的概率值p
i
除以(I
max
(h)
‑
I
min
(h))/K作为新的纵坐标y；
[0020]步骤S4.2、将新坐标(x，y)作为观测量数据，建立目标函数求解参数并拟合得到均值为u，方差为σ的正态分布模型。
[0021]作为本专利技术的进一步优化方案，所述目标函数公式如下：
[0022]y＝f(x,w)
[0023][0024]其中，x＝[x1，x2，...，x
n
]T∈
R
n
，y＝R，w＝[w1，w2，...w
m
]T
为待定参数矩阵，且n>m，当目标函数取得最小值时对应的w＝[w1，w2，...w
m
]T
即为所求参数，拟合获得均值为u，方差为σ的正态分布模型。
[0025]作为本专利技术的进一步优化方案，所述置信水平值p
c
设定为95％。
[0026]作为本专利技术的进一步优化方案，所述步骤S1中定时采集工厂供电总线的瞬时电流数据，具体为，采用在工厂供电总线挂置电流卡钳传感器的方式进行数据采集。
[0027]本专利技术的有益效果在于：
[0028]1)本专利技术数据采集方便，不需要进行设备改造以安装各类传感器，仅需采集总线电流，采用电流卡钳实现无接触式安装；
[0029]2)本专利技术通用性强，仅需采集工厂车间总线电流，技术实施难度低，适用于各类自动化生产型企业；
[0030]3)本专利技术成本低，维护方便。仅需采集总线电流，数本文档来自技高网...

【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：