基于生成式AI技术的化工生产操作优化方法和系统技术方案

本发明专利技术提供基于生成式AI技术的化工生产操作优化方法和系统，该方法包括通过数据采集模块采集的数据输入生成式AI模型中；生成式AI模型通过深度学习的方法，对整个生产系统中的设备数据进行分析后显示检修点；实时监测和预警模块根据分析的最优操作参数以及检修点向操作人员发出预警并进行检修；通过多次测试，判断分析出的操作参数是否为最优的操作参数、检修点是否会与实际出现的检修点不同；在测试过程中将需要联动的操作设置为预锁定状态；本发明专利技术生成式AI模型通过学习机器的参数以及过往的操作数据不断训练优化，直至生成的操作参数准确，从而代替有经验的操作人员进行实验以及根据自己的经验进行判断。及根据自己的经验进行判断。及根据自己的经验进行判断。

【技术实现步骤摘要】
基于生成式AI技术的化工生产操作优化方法和系统


[0001]本专利技术涉及化工生产操作优化
，具体为基于生成式AI技术的化工生产操作优化方法和系统。

技术介绍

[0002]化工生产过程复杂，操作规程繁多，设备及管道再生产阶段高温高压的状态比较普遍，一旦出现操作失误对上生产系统中的设备甚至操作人员的人身安全都会产生较大的安全隐患。
[0003]尽管现有的MIS系统和DCS系统已经能够支撑高度自动化的生产，但操作人员在生产波动、特请处理以及维修检修等非常情况出现时仍可能因为操作或操作顺序错误而引发生产问题，甚至可能导致安全事故。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供了基于生成式AI技术的化工生产操作优化方法和系统，有助于解决操作人员在生产波动、特请处理以及维修检修等非常情况出现时仍可能因为操作或操作顺序错误而引发生产问题，甚至可能导致安全事故的问题。
[0005]为实现以上目的，本专利技术通过以下技术方案予以实现，基于生成式AI技术的化工生产操作优化方法，包括如下步骤：通过数据采集模块采集数据，并将采集到的数据输入生成式AI模型中；生成式AI模型通过深度学习的方法，对整个生产系统中的设备数据进行分析后显示最优操作参数、检修点以及检修点的检修顺序；实时监测和预警模块根据分析的最优操作参数以及检修点向操作人员发出预警并进行检修；通过多次测试，判断分析出的操作参数是否为最优的操作参数、检修点是否会与实际出现的检修点不同；在测试过程中将需要联动的操作设置为预锁定状态；对分析失误的最优参数以及检修点改变算法进行分析，直到分析的检修点与实际一样；采用反馈循环不断通过新的操作数据以及结果更新和优化生成式AI模型。
[0006]通过采用上述技术方案，生成式AI模型通过学习机器的参数以及过往的操作数据不断训练优化，直至生成的操作参数准确，从而代替有经验的操作人员进行实验以及根据自己的经验进行判断。
[0007]进一步的，所述数据采集模块从MIS系统、DCS系统以及生产调度信息系统中获取数据。
[0008]进一步的，其特征在于，所述生成式AI模型采用深度神经网络，如循环神经网络或者变分自编码器。
[0009]进一步的，所述数据收集模块收集的数据包括操作人员的操作记录、操作结果以及操作时间。
[0010]进一步的，所述数据收集模块收集的数据需要进行预处理。
[0011]进一步的，所述向操作人员发出预警的方式包括通过智能移动设备的显示屏进行显示。
[0012]进一步的，所述预锁定状态需要在授权或者允许联动的状态下才能够实施操作。
[0013]进一步的，所述预锁定状态下至少需要设定一名超级用户能够解锁所有的预锁定。
[0014]本专利技术还提供基于生成式AI技术的化工生产操作优化系统，包括数据采集模块、生成式AI模型、实时监控预警模块、操作辅助模块以及反馈循环，其中：所述数据采集模块，通过接口与MIS系统、DCS系统以及生成调度信息系统连接；所述生成式AI模型，能够处理复杂的序列数据，并能根据现有的生产环境和历史数据生成最优化的操作序列；所述实时监控预警模块，用于实时监控现场的生产状态，根据生成式AI模型预测问题及时向工作人员发出报警；所述操作辅助模块，用于将生成式AI模型生成的操作参数以易于理解的方式展示给操作人员；所述反馈循环，用于将更新的操作数据对生成式AI模型进行优化。
[0015]通过采用上述技术方案，在操作开始之前，数据采集模块首先从MIS和DCS系统中获取所有必要的操作数据，然后，生成式AI模型根据这些数据生成最优的操作序列，操作人员通过操作辅助模块看到这个操作序列，并按照其进行操作，同时，实时监控和预警模块监控生产状态，如果出现异常情况，将及时发出预警，操作结束后，所有的操作数据和生产结果将反馈给生成式AI模型，用于更新和优化模型。
[0016]本专利技术提供了基于生成式AI技术的化工生产操作优化方法和系统，具备以下有益效果：1、本专利技术提供基于生成式AI技术的化工生产操作优化方法，在操作开始之前，数据采集模块首先从MIS和DCS系统中获取所有必要的操作数据，然后，生成式AI模型根据这些数据生成最优的操作序列，操作人员通过操作辅助模块看到这个操作序列，并按照其进行操作，同时，实时监控和预警模块监控生产状态，如果出现异常情况，将及时发出预警，操作结束后，所有的操作数据和生产结果将反馈给生成式AI模型，用于更新和优化模型。
[0017]2、本专利技术提供基于生成式AI技术的化工生产操作优化系统，在操作开始之前，数据采集模块首先从MIS和DCS系统中获取所有必要的操作数据，然后，生成式AI模型根据这些数据生成最优的操作序列，操作人员通过操作辅助模块看到这个操作序列，并按照其进行操作，同时，实时监控和预警模块监控生产状态，如果出现异常情况，将及时发出预警，操作结束后，所有的操作数据和生产结果将反馈给生成式AI模型，用于更新和优化模型。
附图说明
[0018]图1为本专利技术实施例示出的基于生成式AI技术的化工生产操作优化方法的流程图。
具体实施方式
[0019]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一个实施例，而不是所有的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0020]如图1所示，本专利技术实施例提供基于生成式AI技术的化工生产操作优化方法，包括如下步骤：通过数据采集模块采集数据，并将采集到的数据输入生成式AI模型中；其中，数据采集模块从MIS系统、DCS系统以及生产调度信息系统中获取数据，收集的数据包括但不限于操作人员的操作记录、操作结果以及操作时间，对收集的数据进行预处理，包括数据清洗以及数据标准化，数据清洗包括去掉重复的数据以及不具有参考意义的数据，设置过滤模块进行过滤。
[0021]生成式AI模型通过深度学习的方法，对整个生产系统中的设备数据进行分析后显示最优操作参数、检修点以及检修点的检修顺序；现实中，需要提供多次实际的实验才能够得到比较优化的操作数据，采用训练好的模型进行分析得到最优的操作参数，减少实验成本及时间。
[0022]实时监测和预警模块根据分析的最优操作参数以及检修点向操作人员发出预警并进行检修；在生成式AI模型分析出最优操作参数以及检修点后会通知操作人员操作。
[0023]通过多次测试，判断分析出的操作参数是否为最优的操作参数、检修点是否会与实际出现的检修点不同；对分析失误的最优参数以及检修点改变算法进行分析，直到分析的检修点与实际一样；将生成式AI模型分析的操作参数操作后，按照检修点检修后的设备的生产状况与之前的进行对比，并进行调整，直至最优化，具体操作步骤为：基于设备数据分析的结果，识别需要进行检修的关键点，如阀门、传感器、管道等，利用生成式AI技术，分析历史数据和操作规则，生成优化的检修计划和顺序，针对检修点的优化，考虑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于生成式AI技术的化工生产操作优化方法，其特征在于，包括如下步骤：通过数据采集模块采集数据，并将采集到的数据输入生成式AI模型中；生成式AI模型通过深度学习的方法，对整个生产系统中的设备数据进行分析后显示最优操作参数、检修点以及检修点的检修顺序；实时监测和预警模块根据分析的最优操作参数以及检修点向操作人员发出预警并进行检修；通过多次测试，判断分析出的操作参数是否为最优的操作参数、检修点是否会与实际出现的检修点不同；在测试过程中将需要联动的操作设置为预锁定状态；对分析失误的最优参数以及检修点改变算法进行分析，直到分析的检修点与实际一样；采用反馈循环不断通过新的操作数据以及结果更新和优化生成式AI模型。2.根据权利要求1所述的基于生成式AI技术的化工生产操作优化方法，其特征在于，所述数据采集模块从MIS系统、DCS系统以及生产调度信息系统中获取数据。3.根据权利要求2所述的基于生成式AI技术的化工生产操作优化方法，其特征在于，所述生成式AI模型采用深度神经网络，如循环神经网络或者变分自编码器。4.根据权利要求3所述的基于生成式AI技术的化工生产操作优化方法，其特征在于，所述数据收集模块收集的数据包括操作人员的操作记录、操作结果以及操作时间。5.根据权利要求4所述的基于...

【专利技术属性】
技术研发人员：周涌，宋子兴，
申请(专利权)人：济南明泉数字商务有限公司，
类型：发明
国别省市：