【技术实现步骤摘要】
本专利技术涉及智能制造数据监测领域，尤其涉及基于物联网技术的智能制造数据实时监测方法及系统。
技术介绍
1、随着机械制造智能化的迅速发展，工程机械行业各主机厂纷纷进行转型升级，以提高生产精益化水平为目标，塑造精致智能的生产车间。通过配置非标自动化设备，提升生产效率，减少人工干预的程度。
2、然而，在实施现有的智能化机械生产监测管控方案时，存在一定的缺陷。一方面，依赖人工经验定期或不定期地巡检机械设备损耗；另一方面，通过摄像设备对机械设备的运行状态进行智能分析，并自动识别和定位已发生故障的设备；还有通过不同的传感器监测数据，并进行单一的比对以输出异常情况。然而，以上方法无法从多个维度对智能化机械生产过程中各个设备的生产状态进行监测分析，也不能将不同维度的分析结果整合起来，以实现对机械设备生产过程的动态管控。这导致智能化机械生产监测管控的整体效果不佳。
3、中国专利cn116611953a《基于物联网的电能表生产制造实时数据管理方法和系统》公开了一种基于物联网的电能表生产制造实时数据管理方法，通过对数据标准化来进行数据管理和实时监控，然而该专利并未从多维度对设备的运行进行整体的监测分析，准确性难以保证。
技术实现思路
1、有鉴于此，本专利技术提出了基于物联网技术的智能制造数据实时监测方法及系统，用于解决现有方案中不能从不同的维度对智能化机械生产过程中各个机械设备的生产状态实施监测分析，并将不同维度的分析结果进行整合来对机械设备的生产实施动态管控，导致智能化机械生
2、本专利技术的技术方案是这样实现的：一方面，本专利技术提供了一种基于物联网技术的智能制造数据实时监测方法，包括以下步骤：
3、s1，对智能化机械生产的不同区域实施模块化处理并实施不同维度的数据统计，得到划分监测集；
4、s2，对划分监测集中监测统计的各项数据进行预处理和分析，包括：
5、根据温度监测数据和响度监测数据建立温度监测表和响度监测表；将温度监测表中的实时温度进行连线获取监测温度曲线，以及将响度监测表中的实时响度进行连线获取监测响度曲线；分别将监测温度曲线和监测响度曲线与预设的温度警戒值和响度警戒值进行匹配；
6、若监测温度曲线不超出温度警戒值且监测响度曲线不超出响度警戒值，则生成正常信号，根据正常信号对对应机械设备的生产状态进行监测；
7、若监测温度曲线超出温度警戒值，或者监测响度曲线超出响度警戒值，则生成预警信号；
8、s3，根据预警信号对对应机械设备的生产状态进行分析评估，得到包含异常持续度以及安全数据信号、亚安全数据信号和危险数据信号的状态分析数据并上传至数据库和云平台；
9、s4，根据状态分析数据判断机械设备工作状态是否异常，对工作状态异常的设备进行检修，在检修完成后对机械设备进行再次评估，将评估结果上传至数据库和云平台。
10、优选的，步骤s1包括以下步骤：
11、根据智能化机械生产的职能对机械设备所处的区域进行标记和划分，同时将智能化机械生产的职能与数据库中预存储的职能权重表进行匹配获取对应的职能权重并与划分后的区域相关联；
12、通过传感器对机械设备上预设的监测点监测统计实时温度和实时响度并按时间的顺序排列组合，得到温度监测数据和响度监测数据；
13、若干划分后的区域以及对应的职能权重、温度监测数据和响度监测数据构成划分监测集并上传至数据库和云平台。
14、优选的，获取温度监测数据和响度监测数据，分别将温度监测数据中的实时温度和响度监测数据中的实时响度分别设定为纵坐标，同时将实时北京时间设定为横坐标建立温度监测表和响度监测表。
15、优选的，步骤s3包括以下步骤：
16、统计监测温度曲线超出温度警戒值的总次数并标记为第一警戒总次数wz；以及统计监测响度曲线超出响度警戒值的总次数并标记为第二警戒总次数xz；
17、统计监测温度曲线每次超出温度警戒值持续的总时长并标记为温度警戒时长ws；以及统计监测响度曲线每次超出响度警戒值持续的总时长并标记为响度警戒时长xs；
18、统计监测温度曲线每次超出温度警戒值后与其之间的最大差值并标记为温度差值wc；以及统计监测响度曲线每次超出响度警戒值后与其之间的最大差值并标记为响度差值xc；
19、提取标记的各项数据的数值并联立整合，通过计算获取对应机械设备对应的异常持续度yzd。
20、优选的，异常持续度yzd的计算公式为：
21、
22、式中，c1、c2、c3、c4为预设的不同比例系数，且0＜c3＜c1＜c4＜c2；zq为机械设备对应的职能权重；
23、预设的不同比例系数满足：
24、
25、其中，ci为预设的不同比例系数，sj为相似因子，且：
26、s1＝ws,s2＝wc,s3＝xs,s4＝xc；
27、根据权重分配规则得到所述职能权重zq：
28、zq＝zyd+yxd+fxd；
29、其中，zyd为机械设备对应的重要程度，当机械设备对应的重要程度分别为高、中、低时，zyd分别为3、2、1，yxd为机械设备对应的影响程度，当机械设备对应的影响程度分别为高、中、低时，yxd分别为3、2、1，fxd为机械设备对应的风险程度，当机械设备对应的风险程度分别为高、中、低时，fxd分别为3、2、1；
30、根据异常持续度对对应机械设备的生产状态进行分析时，根据机械设备的职能权重获取对应的异常持续阈值，将异常持续度与异常持续阈值进行匹配得到安全数据信号、亚安全数据信号和危险数据信号。
31、优选的，所述异常持续阈值获取过程为：根据职能权重zq的权重分配，对机械装备的异常持续时间进行加权计算，职能权重zq越高则异常持续阈值越大。
32、优选的，若异常持续度小于异常持续阈值，则生成安全数据信号；若异常持续度不小于异常持续阈值且不大于异常持续阈值的a倍，a为大于1的实数，则生成亚安全数据信号；若异常持续度大于异常持续阈值的a倍，则生成危险数据信号。
33、优选的，步骤s4包括以下步骤：
34、根据状态分析数据判断机械设备工作状态是否异常，当判断机械设备工作异常时，对工作状态异常的设备进行检修，检修完成后，若异常消失，则检修成功并记录为绿色信号；若异常未消失，但机械设备具备正常工作的能力，则检修合格并记录为黄色信号；若异常未消失，且机械设备不具备正常工作的能力，则检修失败并记录为红色信号；上传信号至数据库和云平台并对检修结果进行评估；
35、当云平台接收到绿色信号后，将对应机械设备标记为维修良好的设备，按照正常设备的规定年限维修；当云平台接收到黄色信号后，将对应机械设备标记为维修合格的设备，按照有危险隐患设备的规定年限维修；当云平台接收到红色信号后，将对应机械设备标记为维修本文档来自技高网...
【技术保护点】
1.一种基于物联网技术的智能制造数据实时监测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于物联网技术的智能制造数据实时监测方法，其特征在于，步骤S1包括以下步骤：
3.如权利要求1所述的基于物联网技术的智能制造数据实时监测方法，其特征在于，获取温度监测数据和响度监测数据，分别将温度监测数据中的实时温度和响度监测数据中的实时响度分别设定为纵坐标，同时将实时北京时间设定为横坐标建立温度监测表和响度监测表。
4.如权利要求1所述的基于物联网技术的智能制造数据实时监测方法，其特征在于，步骤S3包括以下步骤：
5.如权利要求4所述的基于物联网技术的智能制造数据实时监测方法，其特征在于，异常持续度YZD的计算公式为：
6.如权利要求5所述的基于物联网技术的智能制造数据实时监测方法，其特征在于，所述异常持续阈值获取过程为：根据职能权重ZQ的权重分配，对机械装备的异常持续时间进行加权计算，职能权重ZQ越高则异常持续阈值越大。
7.如权利要求6所述的基于物联网技术的智能制造数据实时监测方法，其特征在于，若异常持续
8.如权利要求1所述的基于物联网技术的智能制造数据实时监测方法，其特征在于，步骤S4包括以下步骤：
9.如权利要求8所述的基于物联网技术的智能制造数据实时监测方法，其特征在于，对于二次检修的设备，在检修完成后再次判断机械设备工作状态是否异常，若异常消失则上传绿色信号至数据库和云平台，将对应机械设备标记为维修良好的设备，按照正常设备的规定年限维修；若异常仍存在，则上传黑色信号至数据库和云平台，将对应机械设备标记为二次维修失败的设备，生成异常报告并发出示警，通知维修人员立刻维修。
10.一种基于物联网技术的智能制造数据实时监测系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种基于物联网技术的智能制造数据实时监测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于物联网技术的智能制造数据实时监测方法，其特征在于，步骤s1包括以下步骤：
3.如权利要求1所述的基于物联网技术的智能制造数据实时监测方法，其特征在于，获取温度监测数据和响度监测数据，分别将温度监测数据中的实时温度和响度监测数据中的实时响度分别设定为纵坐标，同时将实时北京时间设定为横坐标建立温度监测表和响度监测表。
4.如权利要求1所述的基于物联网技术的智能制造数据实时监测方法，其特征在于，步骤s3包括以下步骤：
5.如权利要求4所述的基于物联网技术的智能制造数据实时监测方法，其特征在于，异常持续度yzd的计算公式为：
6.如权利要求5所述的基于物联网技术的智能制造数据实时监测方法，其特征在于，所述异常持续阈值获取过程为：根据职能权重zq的权重分配，对机械装备的异常持续时间进行加权计算，职能权重zq越高则异常持续阈值越大。...
【专利技术属性】
技术研发人员：周烈华，李贝，周雯，周继中，
申请(专利权)人：纬创软件武汉有限公司，
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。