智慧化工厂生产管控系统的制作方法

1.本发明涉及一种工厂信息化技术领域，特别涉及一种智慧化工厂生产管控系统。


背景技术：

2.传统的化工厂基本上需要人工进行管控，特别的，在生产线控制中，不能够实现自动监控，在引进数字化和信息化后，工厂控制可以形成一个灵活柔性的系统，它能自我优化整个网络的表现，自适应、实时或近实时学习新环境条件，并自动运行整个生产过程。每个特性都有助于管理层做出明智的决策，并帮助企业改善其生产流程。在建立智慧工厂时，现有的手段是通过采集生产线上各种设备的运行参数来监控设备运行状态，其仅能对单一设备的运行状态进行调控和控制，而在生产线上，当前一个设备运行出现问题后，往往会导致其连接的下游设备也出现故障。


技术实现要素：

3.有鉴于此，本发明的目的在于提供一种智慧化工厂生产管控系统。
4.为实现上述目的，本发明提供了一种智慧化工厂生产管控系统，包括：
5.生产线，在生产线上设置有多个设备节点；
6.采集器，设置在每一设备节点上，用于获取设备节点的至少一个监测数据；
7.上位机，在上位机中配置多个独立的数采通道，并将每一采集器与一个数采通道连接，设置数采通道与采集器之间的配置表，所述上位机通过独立的数采通道获取对应的采集器采集的设备节点的监测数据；
8.模拟模型，具有任务监测单元、任务分配器以及模拟矩阵，其中，
9.所述任务监测单元与上位机连接，用于监测上位机中数采通道的采集动作；
10.所述任务分配器连接所述任务监测单元，基于所述任务监测单元对上位机中数采通道的采集动作的监测结果来对应的启用模拟矩阵；
11.所述模拟矩阵具有若干个模拟单元，且基于所述配置表将所述模拟单元与数采通道进行一一对应；
12.所述任务监测单元根据所述监测结果对应的将数采通道与所述模拟单元之间通过启闭程序来设定启用状态，每一所述模拟单元用于基于对应的所述监测数据来得到设备节点运行状态的模拟数据；
13.生产线管控模型，基于每一设备节点运行状态的模拟数据来判断设备节点的运行状况，并基于设备节点的运行状况的判断来对生产线进行生产管控。
14.进一步地，所述生产线管控模型具有模型组合部分和控制组合部分：
15.所述模型组合部分包括模型链路部和模型部；
16.所述控制组合部分包括控制模块和联动管控模块，所述控制模块和联动管控模块配置到生产线模型并应用在生产线模型中形成所述生产线管控模型；
17.所述控制模块具有若干个与模拟单元对应的控制单元，每一控制单元依据对应的
模拟单元的模拟数据与设定阈值进行比较，以查看对应的设备节点的运行状态，基于运行状态以判断是否对设备节点的运行参数进行调控；
18.所述联动管控模块内部设置有一逻辑控制程序，通过逻辑控制程序来设定控制单元之间的关联关系，并基于其中至少一个控制单元对设备节点运行参数的调控来判断与之关联的其他控制单元的影响状况，并基于所述影响状况来决定是否启用联动管控；或，基于其中至少一个控制单元获取的模拟数据来判断与之关联的其他控制单元的影响状况，并基于所述影响状况来决定是否启用联动管控。
19.进一步地，所述模型部包括设备模型、管路模型、安装配件模型、电气装置模型、控制设备模型、采集器模型以及通信装置模型，并通过所述模型链路部来将设备模型、管路模型、安装配件模型、电气装置模型、控制设备模型、采集器模型以及通信装置模型组合成生产线模型。
20.进一步地，所述逻辑控制程序基于所述模型链路部来设定控制单元之间的关联关系，并根据控制单元所对应的设备节点的运行参数来设定相关联的控制单元之间的影响系数；
21.所述影响状况基于所述影响系数来设定。
22.进一步地，所述模型链路部包括：
23.基于建生产线装配文件设定的生产设备之间的连接关系；
24.基于电气拓扑图设定的生产设备之间的电气控制关系；
25.基于监测拓扑图设定的生产设备之间的监测控制关系；
26.基于控制拓扑图设定的上位机与生产设备之间的控制关系；
27.基于通信拓扑图设定的上位机、通信装置与生产设备之间的通信控制关系。
28.进一步地，所述模拟矩阵由m行n列模拟单元构成，其中，m≥2，n≥2，且m、n均为整数。
29.进一步地，所述控制模块由a行b列控制单元构成，其中，a≥2，b≥2，且a、b均为整数。
30.进一步地，所述控制组合部分内还设置有记录模块和人工智能系统；
31.所述记录模块用于按照时序记录每一控制单元得到的设备节点的运行状态数据，以及基于运行状态数据对设备节点的运行参数的调控指令；
32.所述人工智能系统连接所述联动管控模块，并调用设置在所述联动管控模块内的逻辑控制程序，通过逻辑控制程序并按照记录时序获取设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令进行综合分析，以得到在设定周期内对生产线上的设备节点进行设备故障预测。
33.进一步地，所述人工智能系统对生产线上的设备节点进行设备故障预测的方法如下：
34.a1)获取历史设备节点基础数据、历史设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令，经过人工专家标注后确认生产线上的设备节点的生命周期阶段；
35.a2)将人工专家标注后的历史设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令输入至人工智能系统中的神经元网络模型中进行迭代训
练得到生产线上的设备节点的生命周期预测模型；
36.a3)基于生命周期预测模型并通过逻辑控制程序并按照记录时序获取设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令进行综合分析，以得到在设定周期内对生产线上的设备节点进行设备故障预测。
37.进一步地，所述设备节点基础数据包括设备的基础信息、设备参数、维保记录文件以及运行状态数据、历史故障记录文件、历史调控记录文件。
38.本技术通过构建生产管控模型，在对单一的设备节点进行运行状态监控时，能够对其相关联的设备节点进行联动分析和管控，确保生产线在运行时，处于最佳的运行状态下，同时，通过人工智能系统能够对生产线上的设备进行设备故障预测，保障生产线设备的安全、稳定运行。
附图说明
39.图1为本发明的方法流程图；
40.图2为本发明中人工智能系统对生产线上的设备节点进行设备故障预测的方法流程图；
41.图3为本发明中系统的框架原理示意图。
具体实施方式
42.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
43.实施例1
44.请参阅图1，为了实现对生产线进行全方位的监控，包括设备运行状态、运行数据监控、运行调控、预设故障预测的实施，本技术基于生产线来构建了生产线的管控模型，以对现实中生产线运行工况进行模拟。也就是说生产线的管控模型是对现实生产线的仿真，为此，本技术提供了一种智慧化工厂生产管控方法，包括如下步骤：
45.1)在bim中依次构建生产设备的设备模型、管路模型、安装配件模型、电气装置模型、控制设备模型、采集器模型以及通信装置模型，构建好之后暂存在存储库；
46.2)依次构建生产线装配文件、电气拓扑图、监测拓扑图、控制拓扑图以及通信拓扑图，在bim中依次加载生产线装配文件、电气拓扑图、监测拓扑图、控制拓扑图以及通信拓扑图并依次调用存储库中的设备模型、管路模型、安装配件模型、电气装置模型、控制设备模型、采集器模型以及通信装置模型进行对应的组合形成生产线管控模型；
47.3)设置多个独立采集器与生产线上的设备节点连接，在上位机中配置多个独立的数采通道，并将每一采集器与一个数采通道连接，设置数采通道与采集器之间的配置表，所述上位机通过独立的数采通道获取对应的采集器采集的设备节点的监测数据；
48.4)在上位机中配置以模拟模型，所述模拟模型通过监测上位机中数采通道的动作，基于对上位机中数采通道的动作的监测结果来对应的启用模拟矩阵；其中，所述模拟矩阵由若干个模拟单元构成，根据所述监测结果对应的将上位机中的数采通道与所述模拟单
元通过启闭程序来设定启用状态；每一所述模拟单元用于基于对应的所述监测数据来得到设备节点运行状态的模拟数据；
49.5)将所述模拟矩阵对应的配置到生产线管控模型，生产线管控模型基于每一设备节点运行状态的模拟数据来判断设备节点的运行状况，并基于设备节点的运行状况的判断来对生产线进行生产管控。
50.进一步地，所述模拟模型具有：
51.任务监测单元，与上位机连接，用于监测上位机中数采通道的采集动作；
52.任务分配器，连接所述任务监测单元，基于所述任务监测单元对上位机中数采通道的采集动作的监测结果来对应的启用模拟矩阵；
53.所述模拟矩阵由m行n列模拟单元构成，其中，m≥2，n≥2，且m、n均为整数，所述任务监测单元根据所述监测结果对应的将上位机中的数采通道与所述模拟单元通过启闭程序来设定启用状态。
54.进一步地，生产管控包括：
55.所述控制模块具有若干个与模拟单元对应的控制单元，每一控制单元依据对应的模拟单元的模拟数据与设定阈值进行比较，以查看对应的设备节点的运行状态，基于运行状态以判断是否对设备节点的运行参数进行调控；
56.所述联动管控模块内部设置有一逻辑控制程序，通过逻辑控制程序来设定控制单元之间的关联关系，并基于其中至少一个控制单元对设备节点运行参数的调控来判断与之关联的其他控制单元的影响状况，并基于所述影响状况来决定是否启用联动管控；或，基于其中至少一个控制单元获取的模拟数据来判断与之关联的其他控制单元的影响状况，并基于所述影响状况来决定是否启用联动管控。
57.所述人工智能系统连接所述联动管控模块，并调用设置在所述联动管控模块内的逻辑控制程序，通过逻辑控制程序并按照记录时序获取设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令进行综合分析，以得到在设定周期内对生产线上的设备节点进行设备故障预测。
58.参照图2，所述人工智能系统对生产线上的设备节点进行设备故障预测的方法如下：
59.a1)获取历史设备节点基础数据、历史设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令，经过人工专家标注后确认生产线上的设备节点的生命周期阶段；
60.a2)将人工专家标注后的历史设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令输入至人工智能系统中的神经元网络模型中进行迭代训练得到生产线上的设备节点的生命周期预测模型；
61.a3)基于生命周期预测模型并通过逻辑控制程序并按照记录时序获取设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令进行综合分析，以得到在设定周期内对生产线上的设备节点进行设备故障预测。
62.进一步地，所述设备节点基础数据包括设备的基础信息、设备参数、维保记录文件以及运行状态数据、历史故障记录文件、历史调控记录文件。
63.实施例2
64.参照图3和图2，本实施例是基于实施例1提供的一种生产线管控模型的基础上形成的管控系统，具体的方案包括：
65.一种智慧化工厂生产管控系统，包括：
66.生产线，在生产线上设置有多个设备节点；
67.采集器，设置在每一设备节点上，用于获取设备节点的至少一个监测数据；
68.上位机，在上位机中配置多个独立的数采通道，并将每一采集器与一个数采通道连接，设置数采通道与采集器之间的配置表，所述上位机通过独立的数采通道获取对应的采集器采集的设备节点的监测数据；
69.模拟模型，具有任务监测单元、任务分配器以及模拟矩阵，其中，
70.所述任务监测单元与上位机连接，用于监测上位机中数采通道的采集动作；
71.所述任务分配器连接所述任务监测单元，基于所述任务监测单元对上位机中数采通道的采集动作的监测结果来对应的启用模拟矩阵；
72.所述模拟矩阵具有若干个模拟单元，且基于所述配置表将所述模拟单元与数采通道进行一一对应；
73.所述任务监测单元根据所述监测结果对应的将数采通道与所述模拟单元之间通过启闭程序来设定启用状态，每一所述模拟单元用于基于对应的所述监测数据来得到设备节点运行状态的模拟数据；
74.生产线管控模型，基于每一设备节点运行状态的模拟数据来判断设备节点的运行状况，并基于设备节点的运行状况的判断来对生产线进行生产管控。
75.在上述中，所述生产线管控模型具有模型组合部分和控制组合部分：
76.所述模型组合部分包括模型链路部和模型部；
77.所述模型部包括设备模型、管路模型、安装配件模型、电气装置模型、控制设备模型、采集器模型以及通信装置模型，并通过所述模型链路部来将设备模型、管路模型、安装配件模型、电气装置模型、控制设备模型、采集器模型以及通信装置模型组合成生产线模型；
78.所述控制组合部分包括控制模块、联动管控模块、记录模块以及人工智能系统，所述控制模块、联动管控模块、记录模块以及人工智能系统配置到生产线模型并应用在生产线模型中形成所述生产线管控模型；
79.所述控制模块具有若干个与模拟单元对应的控制单元，每一控制单元依据对应的模拟单元的模拟数据与设定阈值进行比较，以查看对应的设备节点的运行状态，基于运行状态以判断是否对设备节点的运行参数进行调控；
80.所述联动管控模块内部设置有一逻辑控制程序，通过逻辑控制程序来设定控制单元之间的关联关系，并基于其中至少一个控制单元对设备节点运行参数的调控来判断与之关联的其他控制单元的影响状况，并基于所述影响状况来决定是否启用联动管控；或，基于其中至少一个控制单元获取的模拟数据来判断与之关联的其他控制单元的影响状况，并基于所述影响状况来决定是否启用联动管控；
81.所述记录模块用于按照时序记录每一控制单元得到的设备节点的运行状态数据，以及基于运行状态数据对设备节点的运行参数的调控指令；
82.所述人工智能系统连接所述联动管控模块，并调用设置在所述联动管控模块内的
逻辑控制程序，通过逻辑控制程序并按照记录时序获取设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令进行综合分析，以得到在设定周期内对生产线上的设备节点进行设备故障预测。
83.在上述中，所述人工智能系统对生产线上的设备节点进行设备故障预测的方法如下：
84.a1)获取历史设备节点基础数据、历史设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令，经过人工专家标注后确认生产线上的设备节点的生命周期阶段；
85.a2)将人工专家标注后的历史设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令输入至人工智能系统中的神经元网络模型中进行迭代训练得到生产线上的设备节点的生命周期预测模型；
86.a3)基于生命周期预测模型并通过逻辑控制程序并按照记录时序获取设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令进行综合分析，以得到在设定周期内对生产线上的设备节点进行设备故障预测。
87.进一步地，所述设备节点基础数据包括设备的基础信息、设备参数、维保记录文件以及运行状态数据、历史故障记录文件、历史调控记录文件。
88.进一步地，所述逻辑控制程序基于所述模型链路部来设定控制单元之间的关联关系，并根据控制单元所对应的设备节点的运行参数来设定相关联的控制单元之间的影响系数；
89.所述影响状况基于所述影响系数来设定。
90.进一步地，所述模型链路部包括：
91.基于建生产线装配文件设定的生产设备之间的连接关系；
92.基于电气拓扑图设定的生产设备之间的电气控制关系；
93.基于监测拓扑图设定的生产设备之间的监测控制关系；
94.基于控制拓扑图设定的上位机与生产设备之间的控制关系；
95.基于通信拓扑图设定的上位机、通信装置与生产设备之间的通信控制关系。
96.进一步地，所述模拟矩阵由m行n列模拟单元构成，其中，m≥2，n≥2，且m、n均为整数。
97.进一步地，所述控制模块由a行b列控制单元构成，其中，a≥2，b≥2，且a、b均为整数。
98.本技术通过构建生产管控模型，在对单一的设备节点进行运行状态监控时，能够对其相关联的设备节点进行联动分析和管控，确保生产线在运行时，处于最佳的运行状态下，同时，通过人工智能系统能够对生产线上的设备进行设备故障预测，保障生产线设备的安全、稳定运行。
99.实施例3
100.本实施例是基于实施例1和实施例2，对本技术进行进一步的解释说明。
101.本技术可以对生产线上的设备节点进行监测、管控、调节、联动管控以及设备故障预测，比如在实施例2中，所述控制组合部分包括控制模块、联动管控模块、记录模块以及人工智能系统，所述控制模块、联动管控模块、记录模块以及人工智能系统配置到生产线模型
并应用在生产线模型中形成所述生产线管控模型。
102.在进行单一设备节点控制时，控制单元依据对应的模拟单元的模拟数据与设定阈值进行比较，以查看对应的设备节点的运行状态，基于运行状态以判断是否对设备节点的运行参数进行调控。
103.在进行联动控制时，通过逻辑控制程序来设定控制单元之间的关联关系，并基于其中至少一个控制单元对设备节点运行参数的调控来判断与之关联的其他控制单元的影响状况，并基于所述影响状况来决定是否启用联动管控；或，基于其中至少一个控制单元获取的模拟数据来判断与之关联的其他控制单元的影响状况，并基于所述影响状况来决定是否启用联动管控；
104.其中，所述逻辑控制程序基于所述模型链路部来设定控制单元之间的关联关系，并根据控制单元所对应的设备节点的运行参数来设定相关联的控制单元之间的影响系数；所述影响状况基于所述影响系数来设定。
105.人工智能系统对生产线上的设备节点进行设备故障预测时：a1)获取历史设备节点基础数据、历史设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令，经过人工专家标注后确认生产线上的设备节点的生命周期阶段；a2)将人工专家标注后的历史设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令输入至人工智能系统中的神经元网络模型中进行迭代训练得到生产线上的设备节点的生命周期预测模型；a3)基于生命周期预测模型并通过逻辑控制程序并按照记录时序获取设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令进行综合分析，以得到在设定周期内对生产线上的设备节点进行设备故障预测。
106.除上述之外，本技术还能实现如下功能：我们假设生产线有设备节点a、设备节点b以及设备节点c组成，当设备节点a投入设定量的初始物料后，经过设备节点b以及设备节点c的加工得到化工产品，当设备节点a投入的初始物料不足后(或者小于设定的设定量)，此时，当监控到设备节点a的物料投入量小于设定的设定量后，一方面要控制设备节点a处投料设备加大投料，另一方面，为了保障产品的良品率，设备节点b以及设备节点c也需要进行联动控制，在本实施例中，先控制设备节点b以及设备节点c按照投料量进行等比例控制，待物料投入量达到设定量的过程中，在同步调控设备节点b以及设备节点c的运行状态逐步提升加工效率。
107.除上述之外，本技术还能实现如下功能：当监控到设备节点的电气部分出现故障后，比如电压、电流过小或者过大，当对其中一个设备节点的电压和电流调节时，还需要通过联动控制来查看，调控电压和电流后，是否对联动设备之间造成影响。
108.上述仅对一些常见问题的分析和描述，不代表本技术只按照公开的具体实例实施，还包括了能够利用本技术对其他方面的调控。
109.需要说明的是，上述的各种模型的建立可以通过bim软件或者嵌入在bim软件中的三维设计软件来构建，其通过设备的三维设计图纸或者由生产方提供的三维图纸或者模型。各种模型的构建只是为了形成管控模型的搭建，其模型的构建属于现有的技术手段。
110.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：
1.智慧化工厂生产管控系统，其特征在于，包括：生产线，在生产线上设置有多个设备节点；采集器，设置在每一设备节点上，用于获取设备节点的至少一个监测数据；上位机，在上位机中配置多个独立的数采通道，并将每一采集器与一个数采通道连接，设置数采通道与采集器之间的配置表，所述上位机通过独立的数采通道获取对应的采集器采集的设备节点的监测数据；模拟模型，具有任务监测单元、任务分配器以及模拟矩阵，其中，所述任务监测单元与上位机连接，用于监测上位机中数采通道的采集动作；所述任务分配器连接所述任务监测单元，基于所述任务监测单元对上位机中数采通道的采集动作的监测结果来对应的启用模拟矩阵；所述模拟矩阵具有若干个模拟单元，且基于所述配置表将所述模拟单元与数采通道进行一一对应；所述任务监测单元根据所述监测结果对应的将数采通道与所述模拟单元之间通过启闭程序来设定启用状态，每一所述模拟单元用于基于对应的所述监测数据来得到设备节点运行状态的模拟数据；生产线管控模型，基于每一设备节点运行状态的模拟数据来判断设备节点的运行状况，并基于设备节点的运行状况的判断来对生产线进行生产管控。2.根据权利要求1所述的智慧化工厂生产管控系统，其特征在于，所述生产线管控模型具有模型组合部分和控制组合部分：所述模型组合部分包括模型链路部和模型部；所述控制组合部分包括控制模块和联动管控模块，所述控制模块和联动管控模块配置到生产线模型并应用在生产线模型中形成所述生产线管控模型；所述控制模块具有若干个与模拟单元对应的控制单元，每一控制单元依据对应的模拟单元的模拟数据与设定阈值进行比较，以查看对应的设备节点的运行状态，基于运行状态以判断是否对设备节点的运行参数进行调控；所述联动管控模块内部设置有一逻辑控制程序，通过逻辑控制程序来设定控制单元之间的关联关系，并基于其中至少一个控制单元对设备节点运行参数的调控来判断与之关联的其他控制单元的影响状况，并基于所述影响状况来决定是否启用联动管控；或，基于其中至少一个控制单元获取的模拟数据来判断与之关联的其他控制单元的影响状况，并基于所述影响状况来决定是否启用联动管控。3.根据权利要求2所述的智慧化工厂生产管控系统，其特征在于，所述模型部包括设备模型、管路模型、安装配件模型、电气装置模型、控制设备模型、采集器模型以及通信装置模型，并通过所述模型链路部来将设备模型、管路模型、安装配件模型、电气装置模型、控制设备模型、采集器模型以及通信装置模型组合成生产线模型。4.根据权利要求2所述的智慧化工厂生产管控系统，其特征在于，所述逻辑控制程序基于所述模型链路部来设定控制单元之间的关联关系，并根据控制单元所对应的设备节点的运行参数来设定相关联的控制单元之间的影响系数；所述影响状况基于所述影响系数来设定。5.根据权利要求2或3或4所述的智慧化工厂生产管控系统，其特征在于，所述模型链路
部包括：基于建生产线装配文件设定的生产设备之间的连接关系；基于电气拓扑图设定的生产设备之间的电气控制关系；基于监测拓扑图设定的生产设备之间的监测控制关系；基于控制拓扑图设定的上位机与生产设备之间的控制关系；基于通信拓扑图设定的上位机、通信装置与生产设备之间的通信控制关系。6.根据权利要求1所述的智慧化工厂生产管控系统，其特征在于，所述模拟矩阵由m行n列模拟单元构成，其中，m≥2，n≥2，且m、n均为整数。7.根据权利要求2所述的智慧化工厂生产管控系统，其特征在于，所述控制模块由a行b列控制单元构成，其中，a≥2，b≥2，且a、b均为整数。8.根据权利要求2所述的智慧化工厂生产管控系统，其特征在于，所述控制组合部分内还设置有记录模块和人工智能系统；所述记录模块用于按照时序记录每一控制单元得到的设备节点的运行状态数据，以及基于运行状态数据对设备节点的运行参数的调控指令；所述人工智能系统连接所述联动管控模块，并调用设置在所述联动管控模块内的逻辑控制程序，通过逻辑控制程序并按照记录时序获取设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令进行综合分析，以得到在设定周期内对生产线上的设备节点进行设备故障预测。9.根据权利要求8所述的智慧化工厂生产管控系统，其特征在于，所述人工智能系统对生产线上的设备节点进行设备故障预测的方法如下：a1)获取历史设备节点基础数据、历史设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令，经过人工专家标注后确认生产线上的设备节点的生命周期阶段；a2)将人工专家标注后的历史设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令输入至人工智能系统中的神经元网络模型中进行迭代训练得到生产线上的设备节点的生命周期预测模型；a3)基于生命周期预测模型并通过逻辑控制程序并按照记录时序获取设备节点的运行状态数据以及基于运行状态数据对设备节点的运行参数的调控指令进行综合分析，以得到在设定周期内对生产线上的设备节点进行设备故障预测。10.根据权利要求9所述的智慧化工厂生产管控系统，其特征在于，所述设备节点基础数据包括设备的基础信息、设备参数、维保记录文件以及运行状态数据、历史故障记录文件、历史调控记录文件。

技术总结
本发明公开了一种智慧化工厂生产管控系统，包括：生产线，在生产线上设置有多个设备节点；采集器，设置在每一设备节点上，用于获取设备节点的至少一个监测数据；上位机，在上位机中配置多个独立的数采通道，并将每一采集器与一个数采通道连接，设置数采通道与采集器之间的配置表，所述上位机通过独立的数采通道获取对应的采集器采集的设备节点的监测数据；模拟模型，具有任务监测单元、任务分配器以及模拟矩阵，生产线管控模型，基于每一设备节点运行状态的模拟数据来判断设备节点的运行状况，并基于设备节点的运行状况的判断来对生产线进行生产管控。行生产管控。行生产管控。


技术研发人员：任国玉 肖婕
受保护的技术使用者：武汉慧友佳华电子有限公司
技术研发日：2023.04.26
技术公布日：2023/7/12