一种基于人工智能的设备巡检优先度评估方法及系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于人工智能的设备巡检优先度评估方法及系统：获取N个产品均依次经过M个加工设备加工过程中M个加工设备对应的状态参数序列和最终N个产品的表面图像；确定各状态参数序列对应的设备异常程度值，根据每张表面图像确定N个产品的缺陷程度值；根据各设备异常程度值和缺陷程度值，确定M个加工设备的设备本身异常程度对产品缺陷影响指标和设备本身异常程度对后续设备的影响程度值，并结合M个加工设备的故障发生概率，确定各加工设备的巡检优先度指标值，进而确定巡检优先度。本发明专利技术统筹考虑了设备本身异常对产品缺陷的影响和各设备异常对后置设备的影响，提高了各个设备巡检优先度的确定准确性。的确定准确性。的确定准确性。

【技术实现步骤摘要】
一种基于人工智能的设备巡检优先度评估方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的设备巡检优先度评估方法及系统。

技术介绍

[0002]在各个机械加工产品的加工过程中，由于生产设备发生故障，导致制造出的产品易产生缺陷，当缺陷程度较大时，会使得生产成本增加，造成巨大的资源浪费和经济损失。因此，需要对生产设备进行巡检和维修，从而提高产品的生产质量，节约资源。
[0003]同时，由于工作人员的时间和精力有限，且各个设备的异常情况及其对产品缺陷的影响不同，因此，为了提高工作人员的工作效率和工作质量，就需要分析对不同设备的不同关注程度，合理且针对性地进行巡检和维修的优先度判断，并为各设备分配巡检和维修时间，以提高工作效率和工作质量。
[0004]在现有分析对各设备的关注程度时，一般只根据设备发生异常的情况和设备本身重要程度来进行判断。但是，由于该现有分析对各设备的关注程度的方法只是定性地给出如何来确定设备的关注程度，且由于考虑因素单一，导致最终无法精确地确定不同设备的关注程度。

技术实现思路

[0005]本专利技术的目的在于提供一种基于人工智能的设备巡检优先度评估方法及系统，用于解决现有无法精确地确定不同设备的关注程度的问题。
[0006]为了解决上述技术问题，本专利技术提供了一种基于人工智能的设备巡检优先度评估方法，包括以下步骤：分别获取N个产品均依次经过M个加工设备加工过程中M个加工设备对应的状态参数序列以及均依次经过M个加工设备加工后最终得到产品的表面图像；根据M个加工设备各自对应的N个状态参数序列，确定M个加工设备各自对应的N个状态参数序列所对应的设备异常程度值；根据N个产品均依次经过M个加工设备加工后最终得到产品的表面图像，确定N个产品的缺陷程度值；根据M个加工设备各自对应的N个状态参数序列所对应的设备异常程度值以及N个产品的缺陷程度值，确定M个加工设备各自对应的设备本身异常程度对产品缺陷影响指标和设备本身异常程度对后续设备的影响程度值；根据设备本身异常程度对产品缺陷影响指标、设备本身异常程度对后续设备的影响程度值以及预先确定的M个加工设备各自对应的故障发生概率，确定M个加工设备各自的巡检优先度指标值，进而确定M个加工设备的巡检优先度。
[0007]进一步的，确定M个加工设备各自对应的N个状态参数序列所对应的设备异常程度值的步骤包括：
将M个加工设备各自对应的N个状态参数序列分别与预先确定的对应加工设备的表征设备正常状态的状态参数序列进行混合；利用局部异常因子算法对混合后的状态参数序列进行异常值检测，从而得到M个加工设备各自对应的N个状态参数序列所对应的设备异常程度值。
[0008]进一步的，确定M个加工设备各自对应的故障发生概率的步骤包括：在M个加工设备的历史加工过程中，在设定时间段内，每隔设定时间间隔，获取一次M个加工设备对应的状态参数序列；根据在设定时间段内的M个加工设备对应的状态参数序列，确定在设定时间段内的每个状态参数序列所对应的设备异常程度值；根据在设定时间段内的每个状态参数序列所对应的设备异常程度值，确定各个状态参数序列对应的加工设备的设备状态，所述设备状态为设备正常状态或设备异常状态；统计M个加工设备各自在设定时间段内的状态参数序列对应的加工设备为设备异常状态的状态参数序列占比，从而确定M个加工设备各自对应的故障发生概率。
[0009]进一步的，确定M个加工设备各自对应的设备本身异常程度对产品缺陷影响指标的步骤包括：根据M个加工设备各自对应的N个状态参数序列所对应的设备异常程度值，确定各个状态参数序列所对应的加工设备的设备状态，所述设备状态为设备正常状态或设备异常状态；根据M个加工设备各自对应的N个状态参数序列所对应的加工设备的设备状态、所对应的设备异常程度值以及N个产品的缺陷程度值，确定M个加工设备的各个异常二元组；根据M个加工设备的各个异常二元组，确定M个加工设备的设备异常产品缺陷程度函数；根据M个加工设备的设备异常产品缺陷程度函数，确定M个加工设备各自对应的设备本身异常程度对产品缺陷影响指标。
[0010]进一步的，加工设备的各个异常二元组的确定步骤包括：根据M个加工设备各自对应的N个状态参数序列所对应的加工设备的设备状态，确定第m个加工设备对应的各个目标状态参数序列，在同一产品加工过程中的M个状态参数序列中，第m个加工设备对应的目标状态参数序列为仅有的一个所对应的加工设备的设备状态为设备异常状态的状态参数序列；根据第m个加工设备对应的各个目标状态参数序列的设备异常程度值以及所对应的产品的缺陷程度值，构造第m个加工设备的各个异常二元组。
[0011]进一步的，确定M个加工设备各自对应的设备本身异常程度对后续设备的影响程度值的步骤包括：根据M个加工设备各自对应的N个状态参数序列所对应的加工设备的设备状态、所对应的设备异常程度值以及N个产品的缺陷程度值，确定前M
‑
1个加工设备各自对应其后续任意一个加工设备的各个异常三元组；根据前M
‑
1个加工设备各自对应其后续任意一个加工设备的各个异常三元组，确定前M
‑
1个加工设备各自对其后续任意一个加工设备的产品缺陷差值程度函数；根据前M
‑
1个加工设备各自对其后续任意一个加工设备的产品缺陷差值程度函
数，确定前M
‑
1个加工设备各自对其后续任意一个加工设备的影响程度值；根据前M
‑
1个加工设备各自对应其后续加工设备的影响程度值，确定前M
‑
1个加工设备各自对应的设备本身异常程度对后续设备的影响程度值。
[0012]进一步的，加工设备对应其后续任意一个加工设备的异常三元组的确定步骤包括：根据M个加工设备各自对应的N个状态参数序列所对应的加工设备的设备状态，确定第j个加工设备对应其后续第i个加工设备的各个目标状态参数序列组，所述目标状态参数序列组包括第j个加工设备的状态参数序列和第i个加工设备的状态参数序列，第i个加工设备为第j个加工设备的后续加工设备，在同一产品加工过程中的M个状态参数序列中，第j个加工设备对应的状态参数序列和第i个加工设备对应的状态参数序列为仅有的两个所对应的加工设备的设备状态为设备异常状态的状态参数序列；根据第j个加工设备对应其后续第i个的各个目标状态参数序列组、第j个加工设备的设备异常产品缺陷程度函数、第i个加工设备的设备异常产品缺陷程度函数以及所对应的产品的缺陷程度值，确定第j个加工设备对应其后续第i个加工设备的各个目标状态参数序列组对应的产品缺陷程度差值；根据第j个加工设备对应其后续第i个加工设备的各个目标状态参数序列组中第j个加工设备的状态参数序列的设备异常程度值和第i个加工设备的状态参数序列的设备异常程度以及第j个加工设备对应其后续第i个加工设备的各个目标状态参数序列组对应的产品缺陷程度差值，构造第j个加工设备对应其后续第i个的各个异常三元组。
[0013]进一步的，确定M个加工设备各自对应的设备本身异常本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的设备巡检优先度评估方法，其特征在于，包括以下步骤：分别获取N个产品均依次经过M个加工设备加工过程中M个加工设备对应的状态参数序列以及均依次经过M个加工设备加工后最终得到产品的表面图像；根据M个加工设备各自对应的N个状态参数序列，确定M个加工设备各自对应的N个状态参数序列所对应的设备异常程度值；根据N个产品均依次经过M个加工设备加工后最终得到产品的表面图像，确定N个产品的缺陷程度值；根据M个加工设备各自对应的N个状态参数序列所对应的设备异常程度值以及N个产品的缺陷程度值，确定M个加工设备各自对应的设备本身异常程度对产品缺陷影响指标和设备本身异常程度对后续设备的影响程度值；根据设备本身异常程度对产品缺陷影响指标、设备本身异常程度对后续设备的影响程度值以及预先确定的M个加工设备各自对应的故障发生概率，确定M个加工设备各自的巡检优先度指标值，进而确定M个加工设备的巡检优先度。2.根据权利要求1所述的基于人工智能的设备巡检优先度评估方法，其特征在于，确定M个加工设备各自对应的N个状态参数序列所对应的设备异常程度值的步骤包括：将M个加工设备各自对应的N个状态参数序列分别与预先确定的对应加工设备的表征设备正常状态的状态参数序列进行混合；利用局部异常因子算法对混合后的状态参数序列进行异常值检测，从而得到M个加工设备各自对应的N个状态参数序列所对应的设备异常程度值。3.根据权利要求1所述的基于人工智能的设备巡检优先度评估方法，其特征在于，确定M个加工设备各自对应的故障发生概率的步骤包括：在M个加工设备的历史加工过程中，在设定时间段内，每隔设定时间间隔，获取一次M个加工设备对应的状态参数序列；根据在设定时间段内的M个加工设备对应的状态参数序列，确定在设定时间段内的每个状态参数序列所对应的设备异常程度值；根据在设定时间段内的每个状态参数序列所对应的设备异常程度值，确定各个状态参数序列对应的加工设备的设备状态，所述设备状态为设备正常状态或设备异常状态；统计M个加工设备各自在设定时间段内的状态参数序列对应的加工设备为设备异常状态的状态参数序列占比，从而确定M个加工设备各自对应的故障发生概率。4.根据权利要求1所述的基于人工智能的设备巡检优先度评估方法，其特征在于，确定M个加工设备各自对应的设备本身异常程度对产品缺陷影响指标的步骤包括：根据M个加工设备各自对应的N个状态参数序列所对应的设备异常程度值，确定各个状态参数序列所对应的加工设备的设备状态，所述设备状态为设备正常状态或设备异常状态；根据M个加工设备各自对应的N个状态参数序列所对应的加工设备的设备状态、所对应的设备异常程度值以及N个产品的缺陷程度值，确定M个加工设备的各个异常二元组；根据M个加工设备的各个异常二元组，确定M个加工设备的设备异常产品缺陷程度函数；根据M个加工设备的设备异常产品缺陷程度函数，确定M个加工设备各自对应的设备本
身异常程度对产品缺陷影响指标。5.根据权利要求4所述的基于人工智能的设备巡检优先度评估方法，其特征在于，加工设备的各个异常二元组的确定步骤包括：根据M个加工设备各自对应的N个状态参数序列所对应的加工设备的设备状态，确定第m个加工设备对应的各个目标状态参数序列，在同一产品加工过程中的M个状态参数序列中，第m个加工设备对应的目标状态参数序列为仅有的一个所对应的加工设备的设备状态为设备异常状态的状态参数序列；根据第m个加工设备对应的各个目标状态参数序列的设备异常程度值以及所对应的产品的缺陷程度值，构造第m个加工设备的各个异常二元组。6.根据权利要求5所述的基于人工智能的设备巡检优先度评估方法，其特征在于，确定M个加工设备各自对应的设备本身异常程度对后续设备的影响程度值的步骤包括：根据M个加工设备各自对应的N个状态参数序列所对应的加工设备的设备状态、所对应的设备异常程度值以及N个产品的缺陷程度值，确定前M
‑
1个加工设备各自对应其后续任意一个加工设备的各个异常三元组；根据前M
‑
1个加工设备各自对应其后续任意一个加工设备的各个异常三元组，确定前M
...

【专利技术属性】
技术研发人员：蔡丽清，何炳辰，
申请(专利权)人：南通俊朗智能科技有限公司，
类型：发明
国别省市：