一种智能装备全生命周期综合保障数据管理方法与流程

1.本发明属于设备管理技术领域，具体涉及一种智能装备全生命周期综合保障数据管理方法的设计。


背景技术：

2.智能装备是具有感知、分析、推理、决策和控制功能的制造装备，它是先进制造技术、信息技术和智能技术的集成和深度融合。目前国家在重点推进智能装备的发展，以实现生产过程自动化、智能化、精密化和绿色化，带动工业整体技术水平的提升。
3.智能装备的全生命周期包括采购、部署、使用、维修、报废和回收等阶段，现有的智能装备管理方法均是针对智能装备全生命周期中的各个阶段分别进行独立的数据管理，各个阶段之间缺乏有效联系，导致各个阶段的管理数据相互独立，难以相互利用，导致针对智能装备全生命周期的管理效率降低，缺少一套高效率且流程化的针对智能装备全生命周期的数据管理方法。


技术实现要素：

4.本发明的目的是为了解决现有技术中缺少一套高效率且流程化的针对智能装备全生命周期的数据管理方法的问题，提出了一种智能装备全生命周期综合保障数据管理方法。
5.本发明的技术方案为：一种智能装备全生命周期综合保障数据管理方法，包括以下步骤：
6.s1、基于协同过滤算法对智能装备采购阶段进行数据管理。
7.s2、通过构建多维约束条件对智能装备部署阶段进行数据管理。
8.s3、基于数字孪生技术对智能装备使用和维修阶段进行数据管理。
9.s4、基于深度强化学习对智能装备报废和回收阶段进行数据管理。
10.s5、将智能装备采购、部署、使用、维修、报废和回收阶段的相关数据进行归档，构建智能装备全生命周期历史数据集并存储在数据库中。
11.进一步地，步骤s1包括以下分步骤：
12.s11、从用户的智能装备采购申请中获取用户所需智能装备的性能、价格和售后服务年限数据。
13.s12、根据用户所需智能装备的性能、价格和售后服务年限数据构建用户智能装备特征向量x：
14.x＝concat[wo,p,q]
[0015]
其中concat[
·
]表示向量拼接函数，w表示线性变换向量，o＝[o1,o2,...,on]表示智能装备性能向量，oi表示智能装备的第i个性能参数，i＝1,2,...,n，n表示智能装备的性能参数数量，p＝[p]表示智能装备价格向量，p表示用户对智能装备的价格预算上限，q＝[q]表示智能装备售后向量，q表示用户所需智能装备的售后服务年限。
[0016]
s13、从智能装备全生命周期历史数据集中获取各个供应商的智能装备特征向量。
[0017]
s14、计算用户智能装备特征向量x与各个供应商的智能装备特征向量之间的相似度距离：
[0018][0019]
其中d(x,xj)表示用户智能装备特征向量x与第j个供应商的智能装备特征向量xj之间的相似度距离，上标t表示转置，s表示用户智能装备特征向量x的协方差矩阵。
[0020]
s15、将相似度距离d(x,xj)最小的三个供应商推荐给用户，根据用户选择采购智能装备。
[0021]
进一步地，步骤s2中构建的多维约束条件为：
[0022][0023]
其中lk表示第k个智能装备的最大长度，ls表示部署智能装备的车间的长度，wk表示第k个智能装备的最大宽度，ws表示部署智能装备的车间的宽度，hk表示第k个智能装备的最大长度，hs表示部署智能装备的车间的高度，pk表示第k个智能装备的额定功率，es表示部署智能装备的车间单位时间所能提供的最大电能，bk表示第k个智能装备的最大带宽需求，bs表示部署智能装备的车间所能提供的最大带宽，n表示车间部署的智能装备数量。
[0024]
进一步地，步骤s3包括以下分步骤：
[0025]
s31、根据智能装备性能向量o得到智能装备的运行参数，构建智能装备的数字孪生体。
[0026]
s32、在智能装备投入使用的同时对智能装备的数字孪生体进行仿真运行，并实时采集智能装备及其数字孪生体的各项运行参数。
[0027]
s33、当智能装备的任意一项运行参数与其数字孪生体的运行参数之间的差值超过设定阈值时，提醒工作人员对智能装备进行维修。
[0028]
进一步地，步骤s4包括以下分步骤：
[0029]
s41、根据智能装备的各项运行参数构建状态集合c＝{c1,c2,...,cm}，其中ch表示智能装备第h个运行参数的状态，ch＝0表示智能装备的第h个运行参数异常，ch＝1表示智能装备的第h个运行参数正常，h＝1,2,...,m，m为智能装备的运行参数数量。
[0030]
s42、根据每次针对智能装备的维修方案构建动作集合a＝{a1,a2,...,am}，其中a
l
表示对智能装备的第l次维修方案，h＝1,2,...,m，m表示智能装备的维修次数。
[0031]
s43、根据状态集合c和动作集合a构建策略函数π：
[0032]
π＝p(a＝a
l
c＝ch)
[0033]
其中p(
·
)表示概率密度函数。
[0034]
s44、监测智能装备每个监测时间段的产量，构建奖励集合r＝{r1,r2,...,r
t
}，其中r
t
表示智能装备第t个监测时间段的产量，t＝1,2,...,t，t为智能装备监测总时长。
[0035]
s45、计算每个监测时间段的回报函数u
t
：
[0036][0037]
s46、判断回报函数u
t
是否大于设定阈值，若是则维持智能装备继续运行使用，否则进入步骤s47。
[0038]
s47、根据策略函数π和回报函数u
t
构建状态价值函数v：
[0039][0040]
其中e(
·
)表示条件期望。
[0041]
s48、判断价值函数v是否大于设定阈值，若是则对智能装备进行回收处理，否则对智能装备进行报废处理。
[0042]
本发明的有益效果是：
[0043]
(1)本发明针对智能装备包括采购、部署、使用、维修、报废和回收等阶段的全生命周期提出了一套流程化的数据管理方法，通过对每一个智能装备全生命周期的相关数据进行归档，进而构建智能装备全生命周期历史数据集，使得用户后续使用的智能装备各阶段的数据可以交互使用，能够对智能装备全生命周期进行高效的综合保障数据管理。
[0044]
(2)本发明基于协同过滤算法对智能装备采购阶段进行数据管理，能够结合智能装备全生命周期历史数据集为用户推荐最适配的3个智能装备供应商，供用户选择采购。
[0045]
(3)本发明通过构建多维约束条件对智能装备部署阶段进行数据管理，综合考虑了智能装备及其工作车间的尺寸、供电、网络等因素，在保证每个智能装备能够正常运行的前提下，使得每个工作车间能尽可能多地部署智能装备。
[0046]
(4)本发明基于数字孪生技术对智能装备使用和维修阶段进行数据管理，通过在数字空间创建与智能装备实体等价的数字孪生体，对智能装备实体进行同步仿真运行，并根据智能装备与其数字孪生体的运行差异为工作人员提供精确的运行与维修决策。
[0047]
(5)本发明基于深度强化学习对智能装备报废和回收阶段进行数据管理，能够准确地区分出智能装备是否能够继续运行使用，并能够准确地甄别出无法继续运行使用的智能装备应当进行回收处理还是报废处理。
附图说明
[0048]
图1所示为本发明实施例提供的一种智能装备全生命周期综合保障数据管理方法流程图。
具体实施方式
[0049]
现在将参考附图来详细描述本发明的示例性实施方式。应当理解，附图中示出和描述的实施方式仅仅是示例性的，意在阐释本发明的原理和精神，而并非限制本发明的范围。
[0050]
本发明实施例提供了一种智能装备全生命周期综合保障数据管理方法，如图1所
示，包括以下步骤s1～s5：
[0051]
s1、基于协同过滤算法对智能装备采购阶段进行数据管理。
[0052]
步骤s1包括以下分步骤s11～s15：
[0053]
s11、从用户的智能装备采购申请中获取用户所需智能装备的性能、价格和售后服务年限数据。
[0054]
s12、根据用户所需智能装备的性能、价格和售后服务年限数据构建用户智能装备特征向量x：
[0055]
x＝concat[wo,p,q]
[0056]
其中concat[
·
]表示向量拼接函数，w表示线性变换向量，o＝[o1,o2,...,on]表示智能装备性能向量，oi表示智能装备的第i个性能参数，i＝1,2,...,n，n表示智能装备的性能参数数量，p＝[p]表示智能装备价格向量，p表示用户对智能装备的价格预算上限，q＝[q]表示智能装备售后向量，q表示用户所需智能装备的售后服务年限。
[0057]
本发明实施例中，采用向量拼接函数concat[
·
]能够简单高效地对智能装备性能向量o、智能装备价格向量p和智能装备售后向量q进行特征融合，同时在向量拼接函数中采用了线性变换向量w将智能装备性能向量o变换为与智能装备价格向量p和智能装备售后向量q相同的维度，保证了特征融合的准确性。
[0058]
s13、从智能装备全生命周期历史数据集中获取各个供应商的智能装备特征向量。
[0059]
s14、计算用户智能装备特征向量x与各个供应商的智能装备特征向量之间的相似度距离：
[0060][0061]
其中d(x,xj)表示用户智能装备特征向量x与第j个供应商的智能装备特征向量xj之间的相似度距离，上标t表示转置，s表示用户智能装备特征向量x的协方差矩阵。
[0062]
s15、将相似度距离d(x,xj)最小的三个供应商推荐给用户，根据用户选择采购智能装备。
[0063]
s2、通过构建多维约束条件对智能装备部署阶段进行数据管理。
[0064]
本发明实施例中，多维约束条件具体为：
[0065][0066]
其中lk表示第k个智能装备的最大长度，ls表示部署智能装备的车间的长度，wk表示第k个智能装备的最大宽度，ws表示部署智能装备的车间的宽度，hk表示第k个智能装备的最大长度，hs表示部署智能装备的车间的高度，pk表示第k个智能装备的额定功率，es表示部
署智能装备的车间单位时间所能提供的最大电能，bk表示第k个智能装备的最大带宽需求，bs表示部署智能装备的车间所能提供的最大带宽，n表示车间部署的智能装备数量。
[0067]
通过构建多维约束条件，从智能装备及其工作车间的尺寸、供电和网络进行综合考虑，在保证每个智能装备能够正常运行的前提下，使得每个工作车间能尽可能多地部署智能装备。
[0068]
s3、基于数字孪生技术对智能装备使用和维修阶段进行数据管理。
[0069]
步骤s3包括以下分步骤s31～s33：
[0070]
s31、根据智能装备性能向量o得到智能装备的运行参数，构建智能装备的数字孪生体。
[0071]
s32、在智能装备投入使用的同时对智能装备的数字孪生体进行仿真运行，并实时采集智能装备及其数字孪生体的各项运行参数。
[0072]
s33、当智能装备的任意一项运行参数与其数字孪生体的运行参数之间的差值超过设定阈值时，提醒工作人员对智能装备进行维修。
[0073]
s4、基于深度强化学习对智能装备报废和回收阶段进行数据管理。
[0074]
步骤s4包括以下分步骤s41～s48：
[0075]
s41、根据智能装备的各项运行参数构建状态集合c＝{c1,c2,...,cm}，其中ch表示智能装备第h个运行参数的状态，ch＝0表示智能装备的第h个运行参数异常，ch＝1表示智能装备的第h个运行参数正常，h＝1,2,...,m，m为智能装备的运行参数数量。
[0076]
s42、根据每次针对智能装备的维修方案构建动作集合a＝{a1,a2,...,am}，其中a
l
表示对智能装备的第l次维修方案，h＝1,2,...,m，m表示智能装备的维修次数。
[0077]
s43、根据状态集合c和动作集合a构建策略函数π：
[0078]
π＝p(a＝a
l
c＝ch)
[0079]
其中p(
·
)表示概率密度函数。
[0080]
s44、监测智能装备每个监测时间段的产量，构建奖励集合r＝{r1,r2,...,r
t
}，其中r
t
表示智能装备第t个监测时间段的产量，t＝1,2,...,t，t为智能装备监测总时长。
[0081]
s45、计算每个监测时间段的回报函数u
t
：
[0082][0083]
s46、判断回报函数u
t
是否大于设定阈值，若是则维持智能装备继续运行使用，否则进入步骤s47。
[0084]
本发明实施例中，若回报函数u
t
大于设定阈值，则说明该智能装备当前监测时间段的产量合格，可以继续运行使用，否则说明该智能装备在经历了若干维修方案的情况下，产量依旧无法达标，需要进行后续判断进行回收或报废处理。
[0085]
s47、根据策略函数π和回报函数u
t
构建状态价值函数v：
[0086][0087]
其中e(
·
)表示条件期望。
[0088]
s48、判断价值函数v是否大于设定阈值，若是则对智能装备进行回收处理，否则对智能装备进行报废处理。
[0089]
本发明实施例中，若价值函数v大于设定阈值，则说明智能装备还存在回收价值，
对其进行回收处理，否则说明智能装备已经没有回收价值，对其进行报废处理。
[0090]
s5、将智能装备采购、部署、使用、维修、报废和回收阶段的相关数据进行归档，构建智能装备全生命周期历史数据集并存储在数据库中。
[0091]
本发明实施例中，归档并存储的智能装备全生命周期历史数据集为用户后续对智能装备的管理提供了有效的数据支持。
[0092]
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

技术特征：
1.一种智能装备全生命周期综合保障数据管理方法，其特征在于，包括以下步骤：s1、基于协同过滤算法对智能装备采购阶段进行数据管理；s2、通过构建多维约束条件对智能装备部署阶段进行数据管理；s3、基于数字孪生技术对智能装备使用和维修阶段进行数据管理；s4、基于深度强化学习对智能装备报废和回收阶段进行数据管理；s5、将智能装备采购、部署、使用、维修、报废和回收阶段的相关数据进行归档，构建智能装备全生命周期历史数据集并存储在数据库中。2.根据权利要求1所述的智能装备全生命周期综合保障数据管理方法，其特征在于，所述步骤s1包括以下分步骤：s11、从用户的智能装备采购申请中获取用户所需智能装备的性能、价格和售后服务年限数据；s12、根据用户所需智能装备的性能、价格和售后服务年限数据构建用户智能装备特征向量x：x＝concat[wo,p,q]其中concat[
·
]表示向量拼接函数，w表示线性变换向量，o＝[o1,o2,...,o
n
]表示智能装备性能向量，o
i
表示智能装备的第i个性能参数，i＝1,2,...,n，n表示智能装备的性能参数数量，p＝[p]表示智能装备价格向量，p表示用户对智能装备的价格预算上限，q＝[q]表示智能装备售后向量，q表示用户所需智能装备的售后服务年限；s13、从智能装备全生命周期历史数据集中获取各个供应商的智能装备特征向量；s14、计算用户智能装备特征向量x与各个供应商的智能装备特征向量之间的相似度距离：其中d(x,x
j
)表示用户智能装备特征向量x与第j个供应商的智能装备特征向量x
j
之间的相似度距离，上标t表示转置，s表示用户智能装备特征向量x的协方差矩阵；s15、将相似度距离d(x,x
j
)最小的三个供应商推荐给用户，根据用户选择采购智能装备。3.根据权利要求1所述的智能装备全生命周期综合保障数据管理方法，其特征在于，所述步骤s2中构建的多维约束条件为：其中l
k
表示第k个智能装备的最大长度，l
s
表示部署智能装备的车间的长度，w
k
表示第k
个智能装备的最大宽度，w
s
表示部署智能装备的车间的宽度，h
k
表示第k个智能装备的最大长度，h
s
表示部署智能装备的车间的高度，p
k
表示第k个智能装备的额定功率，e
s
表示部署智能装备的车间单位时间所能提供的最大电能，b
k
表示第k个智能装备的最大带宽需求，b
s
表示部署智能装备的车间所能提供的最大带宽，n表示车间部署的智能装备数量。4.根据权利要求2所述的智能装备全生命周期综合保障数据管理方法，其特征在于，所述步骤s3包括以下分步骤：s31、根据智能装备性能向量o得到智能装备的运行参数，构建智能装备的数字孪生体；s32、在智能装备投入使用的同时对智能装备的数字孪生体进行仿真运行，并实时采集智能装备及其数字孪生体的各项运行参数；s33、当智能装备的任意一项运行参数与其数字孪生体的运行参数之间的差值超过设定阈值时，提醒工作人员对智能装备进行维修。5.根据权利要求4所述的智能装备全生命周期综合保障数据管理方法，其特征在于，所述步骤s4包括以下分步骤：s41、根据智能装备的各项运行参数构建状态集合c＝{c1,c2,...,c
m
}，其中c
h
表示智能装备第h个运行参数的状态，c
h
＝0表示智能装备的第h个运行参数异常，c
h
＝1表示智能装备的第h个运行参数正常，h＝1,2,...,m，m为智能装备的运行参数数量；s42、根据每次针对智能装备的维修方案构建动作集合a＝{a1,a2,...,a
m
}，其中a
l
表示对智能装备的第l次维修方案，h＝1,2,...,m，m表示智能装备的维修次数；s43、根据状态集合c和动作集合a构建策略函数π：π＝p(a＝a
l
|c＝c
h
)其中p(
·
)表示概率密度函数；s44、监测智能装备每个监测时间段的产量，构建奖励集合r＝{r1,r2,...,r
t
}，其中r
t
表示智能装备第t个监测时间段的产量，t＝1,2,...,t，t为智能装备监测总时长；s45、计算每个监测时间段的回报函数u
t
：s46、判断回报函数u
t
是否大于设定阈值，若是则维持智能装备继续运行使用，否则进入步骤s47；s47、根据策略函数π和回报函数u
t
构建状态价值函数v：其中e(
·
)表示条件期望；s48、判断价值函数v是否大于设定阈值，若是则对智能装备进行回收处理，否则对智能装备进行报废处理。

技术总结
本发明公开了一种智能装备全生命周期综合保障数据管理方法，针对智能装备包括采购、部署、使用、维修、报废和回收等阶段的全生命周期，结合协同过滤算法、多维约束条件、数字孪生技术以及深度强化学习技术，提出了一套流程化的数据管理方法，通过对每一个智能装备全生命周期的相关数据进行归档，进而构建智能装备全生命周期历史数据集，使得用户后续使用的智能装备各阶段的数据可以交互使用，能够对智能装备全生命周期进行高效的综合保障数据管理。备全生命周期进行高效的综合保障数据管理。备全生命周期进行高效的综合保障数据管理。


技术研发人员：魏强 易明权 杨金龙
受保护的技术使用者：四川观想科技股份有限公司
技术研发日：2023.06.09
技术公布日：2023/9/6