一种基于AP算法的工业生产KPI报警值生成方法技术

本发明专利技术提供一种基于AP算法的工业生产KPI报警值生成方法，涉及工业生产技术领域，该基于AP算法的工业生产KPI报警值生成方法，包括以下步骤：采集设备的运行过程中产生的不同日期的同一时间段历史数据；对历史数据进行预处理得到新数据集；使用AP算法对新数据集做聚类处理；通过使用AP算法对设备不同日期的同一时间段历史数据进行采集，并对其进行聚类，求出其聚类中心中最大的类中所有能耗数值的平均值作为报警上限值SH，求聚类中心最小的类中中所有能耗数值的平均值作为报警下限值SL，能够在对设置进行动态监控过程中，对于大于SH和小于SL的能耗数值进行报警，以便于使用者及时对设备进行检修维护，达到了便于检修的目的。达到了便于检修的目的。达到了便于检修的目的。

【技术实现步骤摘要】
一种基于AP算法的工业生产KPI报警值生成方法


[0001]本专利技术涉及工业生产
，具体是一种基于AP算法的工业生产KPI报警值生成方法。

技术介绍

[0002]工业生产过程中，往往数据量庞大，工序发杂，设备繁多，且运行过程中，容易会产生高温、耗电情况异常等安全问题。依靠人工检查统计效率低下，不能够及时发现出现故障的设备以对其进行及时维护。针对上述问题，设计一款对机械设备运行状态动态监控的系统具有切实的应用价值。本专利技术以设备运行过程中的历史能耗数据为样本数据，提出了一种基于AP（Affinity Propagation）算法的工业生产关键绩效指标（KPI）报警值生成方法。

技术实现思路

[0003]本专利技术的目的在于提供一种基于AP算法的工业生产KPI报警值生成方法，旨在解决现有技术中的工业生产过程中不能够及时发现出现故障的设备以对其进行及时维护的问题。
[0004]为实现上述目的，本专利技术采用如下技术方案：所述基于AP算法的工业生产KPI报警值生成方法，包括以下步骤：采集设备的运行过程中产生的不同日期的同一时间段历史数据；对历史数据进行预处理得到新数据集；使用AP算法对新数据集做聚类处理，将新数据集聚为n类，并找出n类聚类结果中最大的聚类中心和最小的聚类中心；求聚类中心最大的类中包含的所有能耗数值的平均值，将该值设置为报警上限值SH；求聚类中心最小的类中包含的所有能耗数值的平均值，将该值设置为报警下限值SL；根据报警上限值SH和报警下限值SL对工业生产中的异常数据进行动态监控，当系统中返回的能耗数据大于SH或小于SL时，系统就会自动发生报警。
[0005]本专利技术的进一步的技术方案为，所述新数据集是通过正态分布的拉依达准则将历史运行数据的离群数据点剔除以得到，离群数据点指机器故障或者宕机情况发生时的数据。
[0006]本专利技术的进一步的技术方案为，所述离群数据点剔除的步骤为：S1、计算历史数据的均值μ和方差σ2；S2、计算出正常区间（μ
‑
3σ,μ+3σ)；S3、剔除目标数据中不在区间（μ
‑
3σ,μ+3σ)的异常值得到新的数据集。
[0007]本专利技术的进一步的技术方案为，所述AP算法对新数据集做聚类处理包括输入、初始化、迭代和输出等步骤，具体为：S1、输入：{s(i,k)
i,k∈{1,2
…
N
}}，其中包括相似度与偏向参数p{p=(pk,pk)=s(k,k)}；S2、初始化：
∀
i,k：a(i,k)=0；
S3、迭代：更新吸引度矩阵r(i,k)和归属度矩阵a(i,k)；S4、输出：每个点i对应的类代表c
i
。
[0008]本专利技术的进一步的技术方案为,其中矩阵r(i,k)反映了数据对象k适合作为数据对象i的聚类中心的程度，矩阵a(i,k)描述了数据对象i选择数据对象k作为其据聚类中心的适合程度。
[0009]本专利技术的进一步的技术方案为，所述s(i,k)表示点i和点k之间的相似性。
[0010]本专利技术的进一步的技术方案为，所述s(k,k)表示点k作为聚类中心的可能程度。
[0011]本专利技术的有益效果是：通过使用AP算法对设备不同日期的同一时间段历史数据进行采集，并对其进行聚类，求出其聚类中心中最大的类中所有能耗数值的平均值作为报警上限值SH，求聚类中心最小的类中中所有能耗数值的平均值作为报警下限值SL，能够在对设置进行动态监控过程中，对于大于SH和小于SL的能耗数值进行报警，以便于使用者及时对设备进行检修维护。
附图说明
[0012]图1是本专利技术提出的一种基于AP算法的工业生产KPI报警值生成方法的流程图。
[0013]图2是本专利技术的具体实施例中吸引度矩阵r(i,k)的计算公式示意图。
[0014]图3是本专利技术的具体实施例中归属度矩阵a(i,k)的计算公式示意图。
[0015]图4是本专利技术的具体实施例中点i对应的类代表ci的计算公式示意图。
具体实施方式
[0016]下面结合附图对本专利技术的具体实施方式作进一步的说明。
[0017]如图1所示，一种基于AP算法的工业生产KPI报警值生成方法，包括以下步骤：采集设备的运行过程中产生的不同日期的同一时间段历史数据；对历史数据进行预处理，使用正态分布的拉依达准则将历史运行数据的离群数据点剔除以得到新数据集，离群数据点指机器故障或者宕机情况发生时的数据；使用AP算法对新数据集做聚类处理，将新数据集聚为n类，并找出n类聚类结果中最大的聚类中心和最小的聚类中心；求聚类中心最大的类中包含的所有能耗数值的平均值，将该值设置为报警上限值SH；求聚类中心最小的类中包含的所有能耗数值的平均值，将该值设置为报警下限值SL；根据报警上限值SH和报警下限值SL对工业生产中的异常数据进行动态监控，当系统中返回的能耗数据大于SH或小于SL时，系统就会自动发生报警。
[0018]离群数据点剔除的步骤为：S1、计算历史数据的均值μ和方差σ2；S2、计算出正常区间（μ
‑
3σ,μ+3σ)；S3、剔除目标数据中不在区间（μ
‑
3σ,μ+3σ)的异常值得到新的数据集。
[0019]如图2
‑
4所示，使用AP算法对新数据集做聚类处理包括输入、初始化、迭代和输出等步骤，具体为：S1、输入：{s(i,k)
i,k∈{1,2
…
N}
}，其中包括相似度与偏向参数p{p=(pk,pk)=s(k,k)}；S2、初始化：
∀
i,k：a(i,k)=0；
S3、迭代：更新吸引度矩阵r(i,k)和归属度矩阵a(i,k),其中矩阵r(i,k)反映了数据对象k适合作为数据对象i的聚类中心的程度，矩阵a(i,k)描述了数据对象i选择数据对象k作为其据聚类中心的适合程度；S4、输出：每个点i对应的类代表c
i
；s(i,k)表示点i和点k之间的相似性，表示点k适合作为点i的聚类中心的程度，越大表示越适合；s(k,k)表示点k作为聚类中心的可能程度；r(i,k)称为吸引度，从点i发送至候选聚类中心点k，反映了在考虑其他潜在聚类中心后，点k适合作为点i的聚类中心的程度；a(i,k)称为归属度，从候选聚类中心点k发送至点i，反映了在考虑其他点对点k成为聚类中心的支持后，点i选择点k作为聚类中心的合适程度。
[0020]在本具体实施例中，通过使用AP算法对设备不同日期的同一时间段历史数据进行采集，并对其进行聚类，求出其聚类中心中最大的类中所有能耗数值的平均值作为报警上限值SH，求聚类中心最小的类中中所有能耗数值的平均值作为报警下限值SL，能够在对设置进行动态监控过程中，对于大于SH和小于SL的能耗数值进行报警，以便于使用者及时对设备进行检修维护，达到了便于检修的目的。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AP算法的工业生产KPI报警值生成方法，其特征是，包括以下步骤：采集设备的运行过程中产生的不同日期的同一时间段历史数据；对历史数据进行预处理得到新数据集；使用AP算法对新数据集做聚类处理，将新数据集聚为n类，并找出n类聚类结果中最大的聚类中心和最小的聚类中心；求聚类中心最大的类中包含的所有能耗数值的平均值，将该值设置为报警上限值SH；求聚类中心最小的类中包含的所有能耗数值的平均值，将该值设置为报警下限值SL；根据报警上限值SH和报警下限值SL对工业生产中的异常数据进行动态监控，当系统中返回的能耗数据大于SH或小于SL时，系统就会自动发生报警。2.根据权利要求1所述的一种基于AP算法的工业生产KPI报警值生成方法，其特征是，所述新数据集是通过正态分布的拉依达准则将历史运行数据的离群数据点剔除以得到，离群数据点指机器故障或者宕机情况发生时的数据。3.根据权利要求1所述的一种基于AP算法的工业生产KPI报警值生成方法，其特征是，所述离群数据点剔除的步骤为：S1、计算历史数据的均值μ和方差σ2；S2、计算出正常区间（μ
‑
3σ,μ+3σ)；S3、剔除目标数据中不在区间（μ
‑
...

【专利技术属性】
技术研发人员：龙晓云，李永丰，陈毅红，周雪云，郑浩，
申请(专利权)人：广州接点智能科技有限公司，
类型：发明
国别省市：