一种车间设备运行的智能检测预警方法及系统

本发明涉及智能预警，具体是涉及一种车间设备运行的智能检测预警方法及系统。

背景技术：

1、在现代制造业中，车间设备的稳定高效运行是保障生产进度与产品质量的关键因素。然而，随着生产规模的扩大和设备的复杂化，车间设备的故障发生频率和维护难度也随之增加。传统的设备检测方法主要依赖于人工巡检和定期维护，这种方式不仅效率低下，且难以在设备出现故障前及时发现潜在问题。目前，通过物联网技术可以对设备数据进行实时检测，及时发现异常问题，但是，缺少对设备异常情况的快速响应预警机制。一旦设备发生故障，往往需要花费大量时间进行故障排查和维修，进而影响已排定的生产计划，可能会导致生产延误、订单取消或违约风险增加。因此，需要提供一种车间设备运行的智能检测预警方法及系统，旨在解决上述问题。

技术实现思路

1、针对现有技术存在的不足，本发明的目的在于提供一种车间设备运行的智能检测预警方法及系统，以解决上述背景技术中存在的问题。

2、本发明是这样实现的，一种车间设备运行的智能检测预警方法，所述方法包括以下步骤：

3、基于物联网采集设备检测数据信息，所述设备检测数据信息包括设备编号、检测项目和参数数据；

4、基于余弦相似性和som网络对设备检测数据信息进行分析处理，生成异常预警信息，所述异常预警信息包括设备编号、异常类型和异常程度；

5、根据异常预警信息确定维修时间和影响工序，调取排产计划信息，确定延期预警信息，所述延期预警信息包括延期产品型号和产品数量；

6、基于排产计划信息、延期预警信息和延期成本确定插入订单信息，所述插入订单信息包括插入时间和插入产线。

7、作为本发明进一步的方案：所述基于余弦相似性和som网络对设备检测数据信息进行分析处理，生成异常预警信息的步骤，具体包括：

8、计算设备检测数据信息中参数数据与正常状态数据之间的余弦相似度，当余弦相似度低于相似阈值，将设备检测数据信息输入至训练完成的som网络中；

9、通过som网络确定最匹配的网格点bmu，bmu的位置表征参数数据在som网格上的聚类中心，根据聚类中心确定异常类型；

10、根据bmu与异常区域之间的距离以及bmu周围数据点的分布密度确定异常程度，得到异常预警信息。

11、作为本发明进一步的方案：所述根据bmu与异常区域之间的距离以及bmu周围数据点的分布密度确定异常程度的步骤，具体包括：

12、选择bmu与已知异常区域中最近的一个进行距离计算，基于欧几里得距离计算bmu与异常区域之间的距离；

13、确定邻域区域，将邻域区域内的数据点数量除以邻域区域总面积，得到bmu周围数据点的分布密度；

14、基于所述距离和分布密度确定异常程度。

15、作为本发明进一步的方案：所述根据异常预警信息确定维修时间和影响工序，调取排产计划信息，确定延期预警信息的步骤，具体包括：

16、计算维修时间rt，rt=β0+β1×ft+β2×s，β0表示误差基数，β1和β2均为定系数，ft表示异常类型对应的类型基数，s表示异常程度对应的程度基数；

17、将设备编号输入至流水线库中，确定影响产线和影响工序；

18、调取排产计划信息，排产计划信息包括若干个排产订单，每个排产订单对应有生产产线、产品型号、产品数量和生产时间，根据维修时间、影响产线和影响工序确定延期预警信息。

19、作为本发明进一步的方案：所述基于排产计划信息、延期预警信息和延期成本确定插入订单信息的步骤，具体包括：

20、根据延期预警信息计算延期成本，延期成本=存储成本+资金占用成本+客户赔偿；

21、基于延期预警信息确定可利用产线，根据排产计划信息计算每个可利用产线的工作负载wli，

22、确定每个可利用产线的剩余生产能力rci=mci-wli，mci表示对应产线的最大产能；

23、基于延期成本、延期预警信息、可利用产线的最大产能以及加班工资确定插入订单信息。

24、作为本发明进一步的方案：所述基于延期成本、延期预警信息和剩余生产能力确定插入订单信息的步骤，具体包括：

25、根据延期预警信息确定所需生产力，根据延期成本确定最迟生产日期；

26、根据最迟生产日期将若干个剩余生产能力进行降序排列，根据所需生产力确定可利用的剩余生产能力，得到插入订单信息。

27、本发明的另一目的在于提供一种车间设备运行的智能检测预警系统，所述系统包括：

28、检测数据采集模块，用于基于物联网采集设备检测数据信息，所述设备检测数据信息包括设备编号、检测项目和参数数据；

29、异常预警信息模块，用于基于余弦相似性和som网络对设备检测数据信息进行分析处理，生成异常预警信息，所述异常预警信息包括设备编号、异常类型和异常程度；

30、延期预警信息模块，用于根据异常预警信息确定维修时间和影响工序，调取排产计划信息，确定延期预警信息，所述延期预警信息包括延期产品型号和产品数量；

31、插入订单信息模块，用于基于排产计划信息、延期预警信息和延期成本确定插入订单信息，所述插入订单信息包括插入时间和插入产线。

32、作为本发明进一步的方案：所述异常预警信息模块包括：

33、余弦相似度计算单元，用于计算设备检测数据信息中参数数据与正常状态数据之间的余弦相似度，当余弦相似度低于相似阈值，将设备检测数据信息输入至训练完成的som网络中；

34、异常类型确定单元，用于通过som网络确定最匹配的网格点bmu，bmu的位置表征参数数据在som网格上的聚类中心，根据聚类中心确定异常类型；

35、异常程度确定单元，用于根据bmu与异常区域之间的距离以及bmu周围数据点的分布密度确定异常程度，得到异常预警信息。

36、作为本发明进一步的方案：所述延期预警信息模块包括：

37、维修时间计算单元，用于计算维修时间rt，rt=β0+β1×ft+β2×s，β0表示误差基数，β1和β2均为定系数，ft表示异常类型对应的类型基数，s表示异常程度对应的程度基数；

38、影响产线工序单元，用于将设备编号输入至流水线库中，确定影响产线和影响工序；

39、延期预警信息单元，用于调取排产计划信息，排产计划信息包括若干个排产订单，每个排产订单对应有生产产线、产品型号、产品数量和生产时间，根据维修时间、影响产线和影响工序确定延期预警信息。

40、作为本发明进一步的方案：所述插入订单信息模块包括：

41、延期成本计算单元，用于根据延期预警信息计算延期成本，延期成本=存储成本+资金占用成本+客户赔偿；

42、工作负载计算单元，用于基于延期预警信息确定可利用产线，根据排产计划信息计算每个可利用产线的工作负载wli，

43、剩余生产能力单元，用于确定每个可利用产线的剩余生产能力rci=mci-wli，mci表示对应产线的最大产能；

44、插入订单信息单元，用于基于延期成本、延期预警信息、可利用产线的最大产能以及加班工资确定插入订单信息。

45、与现有技术相比，本发明的有益效果是：

46、本发明根据余弦相似性并结合som网络对设备检测数据信息进行分析处理，生成异常预警信息，检测结果精准，预警及时有效。然后会根据异常预警信息确定维修时间和影响工序，调取排产计划信息，确定延期预警信息，所述延期预警信息包括延期产品型号和产品数量，如此，能够对设备异常造成的生产延误进行及时预警。并根据排产计划信息、延期预警信息和延期成本确定插入订单信息，所述插入订单信息包括插入时间和插入产线，会自动将因为设备异常造成的延误订单插入到其它产线中进行及时生产，进行综合考量，尽可能减少订单延误造成的损失。