一种基于设备树的生产线设备生命周期感知方法和装置与流程

1.本技术涉及数据处理技术领域，尤其涉及一种基于设备树的生产线设备生命周期感知方法和装置。


背景技术：

2.工业机器人是面向工业领域的多关节机械手或多自由度的机器装置，它能自动执行工作，是靠自身动力和控制能力来实现各种功能的一种机器。
3.在现代生产制造行业，专业技术人员可以根据生产工艺的要求、通过整体规划设计，将机器人、自动化生产设备、传输线、控制系统等串联一起，建成基于机器人应用的自动化生产线。自动化生产线可以按照预先编排的程序运行，实现自动化生产，实现生产无人化。
4.基于机器人应用的自动化生产线在工业生产中能代替人做某些单调、频繁和重复的长时间作业，或是危险、恶劣环境下的作业，例如在冲压、焊接、涂装、机加工、铸造、热处理、自动化装配等生产工艺环节，替代人，实现自动化生产。
5.随着基于机器人应用的自动化生产线的自动化程度提高，机器人和自动化设备数量的增加，生产管理的“重心”发生转变，由“管人”转为“管设备”。
6.如何避免和降低非正常停机造成的损失、如何合理和充足的规划备件储备、如何准确预测设备风险和生命周期、如何安排设备大修和保养、如何制定设备停机应急预案、如何做到生产线设备的预测性维护管理等系列难题和工作，成为生产制造企业的生产和设备管理部门亟需解决的头等技术和管理工作。
7.目前，由于没有成熟的技术，实现对自动化生产线设备的生命周期和健康状态进行准确感知、分析，造成对设备的预防或预测性维护工作无法合理、科学、有效的开展。生产线的非正常停机，造成极大的直接、间接的生产经济损失和资源浪费。
8.如何及时发现或预测包括机器人在内的自动化生产线设备的生命周期和健康状态是目前亟需解决的技术问题。


技术实现要素：

9.本技术所要解决的技术问题是针对现有技术的不足，提供一种基于设备树的生产线设备生命周期感知方法和装置。
10.本技术解决上述技术问题的技术方案如下：
11.第一方面，本技术提供一种基于设备树的生产线设备生命周期感知方法，所述方法包括：
12.建立生产线设备的设备树，并利用所述生产线设备的历史运行数据建立所述设备树的专家库；
13.实时提取运行消息中的运行数据，根据生产线的设备树模型和细分颗粒度，进行数据关联和归属，根据类型实现标准化的机理模型、应用场景、环境参数、采集专项数据和
报警数据的大数据，进行离散模型分析，判定生产线设备的健康指数；
14.根据健康指数关联设备树的专家库，得到生产线设备的生命周期。
15.第二方面，本技术提供一种基于设备树的生产线设备生命周期感知装置，所述装置包括：
16.第一处理模块，用于建立生产线设备的设备树，并利用所述生产线设备的历史运行数据建立所述设备树的专家库；
17.第二处理模块，用于实时提取运行消息中的运行数据，根据生产线的设备树模型和细分颗粒度，进行数据关联和归属，根据类型实现标准化的机理模型、应用场景、环境参数、采集专项数据和报警数据的大数据，进行离散模型分析，判定生产线设备的健康指数；
18.第三处理模块，用于根据健康指数关联设备树的专家库，得到生产线设备的生命周期。
19.本技术的有益效果是：提出了一种基于设备树的生产线设备生命周期感知方法，实现了建立细分颗粒度的设备树模型和架构，将产线设备细分维度可无限细化和系统化，比如可实现：生产基地、车间、生产线、工艺段、工位、成套设备、设备、部件、组合套件、组件等；建立科学、细分颗粒度化的专家经验库；根据生产线的设备树模型和细分颗粒度，进行数据关联和归属，根据类型实现标准化的机理模型、应用场景、环境参数、采集专项数据和报警数据的大数据离散模型分析、关联系统专家库。本技术通过该种基于设备树模型算法的自动化生产线设备生命周期感知方法，可以有效、准确的感知自动化生产线设备的剩余生命周期，为生产制造企业的生产和设备管理部门合理安排预防或预测性维护计划，提供智能决策和数据支撑。并能达到如下变革性的技术效果：1、准确定位和评估设备故障点和风险点；2、精准预测设备风险变化趋势；3、设备风险点准确预判，降低突发故障停机风险；4、实现设备风险数据分析的小颗粒度化、全面化、系统化；5、实现设备风险的提前预警。
20.本技术附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术实践了解到。
附图说明
21.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
22.图1为本技术实施例一种基于设备树的生产线设备生命周期感知方法的流程示意图；
23.图2为本技术另一实施例一种基于设备树的生产线设备生命周期感知装置的模块示意图。
具体实施方式
24.下面将结合本技术实施例中的附图，对本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技术的一部分实施例，而不是全部实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实
施例，都应属于本技术保护的范围。
25.如图1所述，本技术实施例所述的一种基于设备树的生产线设备生命周期感知方法，所述方法包括以下步骤：
26.110、建立生产线设备的设备树，并利用所述生产线设备的历史运行数据建立所述设备树的专家库。
27.120、实时提取运行消息中的运行数据，根据生产线的设备树模型和细分颗粒度，进行数据关联和归属，根据类型实现标准化的机理模型、应用场景、环境参数、采集专项数据和报警数据的大数据，进行离散模型分析，判定生产线设备的健康指数。
28.130、根据健康指数关联设备树的专家库，得到生产线设备的生命周期。
29.基于上述实施例，进一步地，所述建立生产线设备的设备树，具体包括：
30.获取所述生产线设备的部件组成单元，所述部件组成单元包括电机、齿轮箱、控制柜和轨道和传动机构；
31.获取各部件组成单元的所有单位部件；
32.将所述生产线设备作为根节点，所述部件组成单元作为茎节点，每一个所述部件组成单元中的所有单位部件作为叶节点，构建所述生产线设备的设备树。
33.基于上述实施例，进一步地，所述建立生产线设备的设备树，具体包括：
34.获取所述生产线设备的部件组成单元，所述部件组成单元包括电机、齿轮箱、控制柜和轨道和传动机构；
35.获取各部件组成单元的所有单位部件；
36.将所述生产线设备作为根节点，所述部件组成单元作为茎节点，每一个所述部件组成单元中的所有单位部件作为叶节点，构建所述生产线设备的设备树。
37.基于上述实施例，进一步地，所述利用所述生产线设备的历史运行数据建立所述设备树的专家库，具体包括：
38.以所述叶节点为对象，检索所述历史运行数据，得到每一个所述叶节点的原始运行数据；
39.以所述茎节点为对象，检索所述历史运行数据，得到每一个所述茎节点的原始运行数据；
40.将每一个所述茎节点下的所有叶节点的原始运行数据汇总到所述茎节点的原始运行数据；
41.基于所述茎节点的专项数据，对所述茎节点下的叶节点的原始运行数据进行过滤，并对所述茎节点的原始运行数据进行过滤；
42.针对过滤后的所述茎节点的原始运行数据的运行数据类型建立专家库；
43.利用所述叶节点的原始运行数据，计算所述茎节点下的所有叶节点的各运行数据类型的风险分数值，以及各所述叶节点的时间寿命值；
44.根据所述茎节点下的所有叶节点的各运行数据类型的风险分数值，得到所述茎节点的各运行数据类型的风险分数值；
45.根据所述茎节点下的所有叶节点的时间寿命值，得到所述茎节点的时间寿命值；
46.将所有所述茎节点的各运行数据类型的风险分数值和所述茎节点的时间寿命值汇总到所述专家库中，并将所有所述叶节点的各运行数据类型的风险分数值和所述叶节点
的时间寿命值汇总到所述专家库中，得到所述设备树的专家库。
47.基于上述实施例，所述实时提取运行消息中的运行数据，根据生产线的设备树模型和细分颗粒度，进行数据关联和归属，根据类型实现标准化的机理模型、应用场景、环境参数、采集专项数据和报警数据的大数据，进行离散模型分析，判定生产线设备的健康指数，具体包括：
48.提取所述运行数据中的单位部件和所述单位部件所属部件组成单元；
49.将所述单位部件匹配到所述设备树中的叶节点，并将所述部件组成单元匹配到所述设备树的茎节点；
50.遍历所述设备树，判断所述设备树中是否存在所述部件组成单元，若存在，在所述部件组成单元对应的茎节点下查找所述单位部件，若找到，则将所述单位部件的实时运行数据保存至所述专家库中；
51.若未找到，则在所述茎节点下新建叶节点，并基于所述设备树中与所述新建叶节点同类型的单位部件的机理模型、应用场景、环境参数、采集专项数据和报警数据，确定所述新建叶节点的机理模型、应用场景、环境参数、采集专项数据和报警数据；
52.若所述设备树中不存在与所述新建叶节点同类型的单位部件，则根据预设规则，设置所述新建叶节点的机理模型、应用场景、环境参数、采集专项数据和报警数据；
53.若所述设备树中不存在所述部件组成单元，则在根节点下新建茎节点，并在所述新建茎节点下新建叶节点，并基于所述设备树中与所述新建茎节点同类型的部件组成单元的机理模型、应用场景、环境参数、采集专项数据和报警数据，确定所述新建茎节点的机理模型、应用场景、环境参数、采集专项数据和报警数据，若所述设备树中不存在与所述新建茎节点同类型的单位部件，则根据预设规则，设置所述新建茎节点的各运行数据类型的机理模型、应用场景、环境参数、采集专项数据和报警数据；
54.将所述设备树输入所述离散模型中，得到所述生产线设备的健康指数。
55.基于上述实施例，进一步地，所述基于所述设备树中与所述新建茎节点同类型的部件组成单元的机理模型、应用场景、环境参数、采集专项数据和报警数据，确定所述新建茎节点的机理模型、应用场景、环境参数、采集专项数据和报警数据，具体包括：
56.根据所述设备树的茎节点下的所有叶节点的机理模型、应用场景、环境参数、采集专项数据和报警数据，得到所述新建茎节点的机理模型、应用场景、环境参数、采集专项数据和报警数据。
57.基于上述实施例，进一步地，所述根据所述设备树的茎节点下的所有叶节点的机理模型、应用场景、环境参数、采集专项数据和报警数据，得到所述新建茎节点的机理模型、应用场景、环境参数、采集专项数据和报警数据，具体包括：
58.将所述设备树的茎节点下的所有叶节点的环境参数分别输入至预设统计公式，得到所述新建茎节点的环境参数；
59.将所述设备树的茎节点下的所有叶节点的采集专项数据和报警数据分别输入至预设统计公式，得到所述茎节点的采集专项数据；
60.将所述设备树的茎节点下的所有叶节点的报警数据分别输入至预设统计公式，得到所述茎节点的报警数据；
61.根据所述设备树的茎节点下的所有叶节点的机理模型，确定所述茎节点的机理模
型；
62.根据所述设备树的茎节点下的所有叶节点的应用场景，确定所述茎节点的应用场景。
63.基于上述实施例提出的一种基于设备树的生产线设备生命周期感知方法，实现了建立细分颗粒度的设备树模型和架构，将产线设备细分维度可无限细化和系统化，比如可实现：生产基地、车间、生产线、工艺段、工位、成套设备、设备、部件、组合套件、组件等；建立科学、细分颗粒度化的专家经验库；根据生产线的设备树模型和细分颗粒度，进行数据关联和归属，根据类型实现标准化的机理模型、应用场景、环境参数、采集专项数据和报警数据的大数据离散模型分析、关联系统专家库。本技术通过该种基于设备树模型算法的自动化生产线设备生命周期感知方法，可以有效、准确的感知自动化生产线设备的剩余生命周期，为生产制造企业的生产和设备管理部门合理安排预防或预测性维护计划，提供智能决策和数据支撑。并能达到如下变革性的技术效果：1、准确定位和评估设备故障点和风险点；2、精准预测设备风险变化趋势；3、设备风险点准确预判，降低突发故障停机风险；4、实现设备风险数据分析的小颗粒度化、全面化、系统化；5、实现设备风险的提前预警。
64.如图2所示，一种基于设备树的生产线设备生命周期感知装置，所述装置包括：
65.第一处理模块，用于建立生产线设备的设备树，并利用所述生产线设备的历史运行数据建立所述设备树的专家库；
66.第二处理模块，用于实时提取运行消息中的运行数据，根据生产线的设备树模型和细分颗粒度，进行数据关联和归属，根据类型实现标准化的机理模型、应用场景、环境参数、采集专项数据和报警数据的大数据，进行离散模型分析，判定生产线设备的健康指数；
67.第三处理模块，用于根据健康指数关联设备树的专家库，得到生产线设备的生命周期。
68.基于上述实施例，进一步地，所述第一处理模块，具体用于获取所述生产线设备的部件组成单元，所述部件组成单元包括电机、齿轮箱、控制柜和轨道和传动机构；
69.获取各部件组成单元的所有单位部件；
70.将所述生产线设备作为根节点，所述部件组成单元作为茎节点，每一个所述部件组成单元中的所有单位部件作为叶节点，构建所述生产线设备的设备树。
71.基于上述实施例，进一步地，所述第一处理模块，具体用于以所述叶节点为对象，检索所述历史运行数据，得到每一个所述叶节点的原始运行数据；
72.以所述茎节点为对象，检索所述历史运行数据，得到每一个所述茎节点的原始运行数据；
73.将每一个所述茎节点下的所有叶节点的原始运行数据汇总到所述茎节点的原始运行数据；
74.基于所述茎节点的专项数据，对所述茎节点下的叶节点的原始运行数据进行过滤，并对所述茎节点的原始运行数据进行过滤；
75.针对过滤后的所述茎节点的原始运行数据的运行数据类型建立专家库；
76.利用所述叶节点的原始运行数据，计算所述茎节点下的所有叶节点的各运行数据类型的风险分数值，以及各所述叶节点的时间寿命值；
77.根据所述茎节点下的所有叶节点的各运行数据类型的风险分数值，得到所述茎节
点的各运行数据类型的风险分数值；
78.根据所述茎节点下的所有叶节点的时间寿命值，得到所述茎节点的时间寿命值；
79.将所有所述茎节点的各运行数据类型的风险分数值和所述茎节点的时间寿命值汇总到所述专家库中，并将所有所述叶节点的各运行数据类型的风险分数值和所述叶节点的时间寿命值汇总到所述专家库中，得到所述设备树的专家库。
80.基于上述实施例，进一步地，征在于，
81.所述第二处理模块，具体用于提取所述运行数据中的单位部件和所述单位部件所属部件组成单元；
82.将所述单位部件匹配到所述设备树中的叶节点，并将所述部件组成单元匹配到所述设备树的茎节点；
83.遍历所述设备树，判断所述设备树中是否存在所述部件组成单元，若存在，在所述部件组成单元对应的茎节点下查找所述单位部件，若找到，则将所述单位部件的实时运行数据保存至所述专家库中；
84.若未找到，则在所述茎节点下新建叶节点，并基于所述设备树中与所述新建叶节点同类型的单位部件的机理模型、应用场景、环境参数、采集专项数据和报警数据，确定所述新建叶节点的机理模型、应用场景、环境参数、采集专项数据和报警数据；
85.若所述设备树中不存在与所述新建叶节点同类型的单位部件，则根据预设规则，设置所述新建叶节点的机理模型、应用场景、环境参数、采集专项数据和报警数据；
86.若所述设备树中不存在所述部件组成单元，则在根节点下新建茎节点，并在所述新建茎节点下新建叶节点，并基于所述设备树中与所述新建茎节点同类型的部件组成单元的机理模型、应用场景、环境参数、采集专项数据和报警数据，确定所述新建茎节点的机理模型、应用场景、环境参数、采集专项数据和报警数据，若所述设备树中不存在与所述新建茎节点同类型的单位部件，则根据预设规则，设置所述新建茎节点的各运行数据类型的机理模型、应用场景、环境参数、采集专项数据和报警数据；
87.将所述设备树输入所述离散模型中，得到所述生产线设备的健康指数。
88.以上，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。

技术特征：
1.一种基于设备树的生产线设备生命周期感知方法，其特征在于，所述方法包括：建立生产线设备的设备树，并利用所述生产线设备的历史运行数据建立所述设备树的专家库；实时提取运行消息中的运行数据，根据生产线的设备树模型和细分颗粒度，进行数据关联和归属，根据类型实现标准化的机理模型、应用场景、环境参数、采集专项数据和报警数据的大数据，进行离散模型分析，判定生产线设备的健康指数；根据健康指数关联设备树的专家库，得到生产线设备的生命周期。2.根据权利要求1所述的基于设备树的生产线设备生命周期感知方法，其特征在于，所述建立生产线设备的设备树，具体包括：获取所述生产线设备的部件组成单元，所述部件组成单元包括电机、齿轮箱、控制柜和轨道和传动机构；获取各部件组成单元的所有单位部件；将所述生产线设备作为根节点，所述部件组成单元作为茎节点，每一个所述部件组成单元中的所有单位部件作为叶节点，构建所述生产线设备的设备树。3.根据权利要求2所述的基于设备树的生产线设备生命周期感知方法，其特征在于，所述利用所述生产线设备的历史运行数据建立所述设备树的专家库，具体包括：以所述叶节点为对象，检索所述历史运行数据，得到每一个所述叶节点的原始运行数据；以所述茎节点为对象，检索所述历史运行数据，得到每一个所述茎节点的原始运行数据；将每一个所述茎节点下的所有叶节点的原始运行数据汇总到所述茎节点的原始运行数据；基于所述茎节点的专项数据，对所述茎节点下的叶节点的原始运行数据进行过滤，并对所述茎节点的原始运行数据进行过滤；针对过滤后的所述茎节点的原始运行数据的运行数据类型建立专家库；利用所述叶节点的原始运行数据，计算所述茎节点下的所有叶节点的各运行数据类型的风险分数值，以及各所述叶节点的时间寿命值；根据所述茎节点下的所有叶节点的各运行数据类型的风险分数值，得到所述茎节点的各运行数据类型的风险分数值；根据所述茎节点下的所有叶节点的时间寿命值，得到所述茎节点的时间寿命值；将所有所述茎节点的各运行数据类型的风险分数值和所述茎节点的时间寿命值汇总到所述专家库中，并将所有所述叶节点的各运行数据类型的风险分数值和所述叶节点的时间寿命值汇总到所述专家库中，得到所述设备树的专家库。4.根据权利要求3所述的基于设备树的生产线设备生命周期感知方法，其特征在于，所述实时提取运行消息中的运行数据，根据生产线的设备树模型和细分颗粒度，进行数据关联和归属，根据类型实现标准化的机理模型、应用场景、环境参数、采集专项数据和报警数据的大数据，进行离散模型分析，判定生产线设备的健康指数，具体包括：提取所述运行数据中的单位部件和所述单位部件所属部件组成单元；将所述单位部件匹配到所述设备树中的叶节点，并将所述部件组成单元匹配到所述设
备树的茎节点；遍历所述设备树，判断所述设备树中是否存在所述部件组成单元，若存在，在所述部件组成单元对应的茎节点下查找所述单位部件，若找到，则将所述单位部件的实时运行数据保存至所述专家库中；若未找到，则在所述茎节点下新建叶节点，并基于所述设备树中与所述新建叶节点同类型的单位部件的机理模型、应用场景、环境参数、采集专项数据和报警数据，确定所述新建叶节点的机理模型、应用场景、环境参数、采集专项数据和报警数据；若所述设备树中不存在与所述新建叶节点同类型的单位部件，则根据预设规则，设置所述新建叶节点的机理模型、应用场景、环境参数、采集专项数据和报警数据；若所述设备树中不存在所述部件组成单元，则在根节点下新建茎节点，并在所述新建茎节点下新建叶节点，并基于所述设备树中与所述新建茎节点同类型的部件组成单元的机理模型、应用场景、环境参数、采集专项数据和报警数据，确定所述新建茎节点的机理模型、应用场景、环境参数、采集专项数据和报警数据，若所述设备树中不存在与所述新建茎节点同类型的单位部件，则根据预设规则，设置所述新建茎节点的各运行数据类型的机理模型、应用场景、环境参数、采集专项数据和报警数据；将所述设备树输入所述离散模型中，得到所述生产线设备的健康指数。5.根据权利要求4所述的基于设备树的生产线设备生命周期感知方法，其特征在于，所述基于所述设备树中与所述新建茎节点同类型的部件组成单元的机理模型、应用场景、环境参数、采集专项数据和报警数据，确定所述新建茎节点的机理模型、应用场景、环境参数、采集专项数据和报警数据，具体包括：根据所述设备树的茎节点下的所有叶节点的机理模型、应用场景、环境参数、采集专项数据和报警数据，得到所述新建茎节点的机理模型、应用场景、环境参数、采集专项数据和报警数据。6.根据权利要求5所述的基于设备树的生产线设备生命周期感知方法，其特征在于，所述根据所述设备树的茎节点下的所有叶节点的机理模型、应用场景、环境参数、采集专项数据和报警数据，得到所述新建茎节点的机理模型、应用场景、环境参数、采集专项数据和报警数据，具体包括：将所述设备树的茎节点下的所有叶节点的环境参数分别输入至预设统计公式，得到所述新建茎节点的环境参数；将所述设备树的茎节点下的所有叶节点的采集专项数据和报警数据分别输入至预设统计公式，得到所述茎节点的采集专项数据；将所述设备树的茎节点下的所有叶节点的报警数据分别输入至预设统计公式，得到所述茎节点的报警数据；根据所述设备树的茎节点下的所有叶节点的机理模型，确定所述茎节点的机理模型；根据所述设备树的茎节点下的所有叶节点的应用场景，确定所述茎节点的应用场景。7.一种基于设备树的生产线设备生命周期感知装置，其特征在于，所述装置包括：第一处理模块，用于建立生产线设备的设备树，并利用所述生产线设备的历史运行数据建立所述设备树的专家库；第二处理模块，用于实时提取运行消息中的运行数据，根据生产线的设备树模型和细
分颗粒度，进行数据关联和归属，根据类型实现标准化的机理模型、应用场景、环境参数、采集专项数据和报警数据的大数据，进行离散模型分析，判定生产线设备的健康指数；第三处理模块，用于根据健康指数关联设备树的专家库，得到生产线设备的生命周期。8.根据权利要求7所述的基于设备树的生产线设备生命周期感知装置，其特征在于，所述第一处理模块，具体用于获取所述生产线设备的部件组成单元，所述部件组成单元包括电机、齿轮箱、控制柜和轨道和传动机构；获取各部件组成单元的所有单位部件；将所述生产线设备作为根节点，所述部件组成单元作为茎节点，每一个所述部件组成单元中的所有单位部件作为叶节点，构建所述生产线设备的设备树。9.根据权利要求8所述的基于设备树的生产线设备生命周期感知装置，其特征在于，所述第一处理模块，具体用于以所述叶节点为对象，检索所述历史运行数据，得到每一个所述叶节点的原始运行数据；以所述茎节点为对象，检索所述历史运行数据，得到每一个所述茎节点的原始运行数据；将每一个所述茎节点下的所有叶节点的原始运行数据汇总到所述茎节点的原始运行数据；基于所述茎节点的专项数据，对所述茎节点下的叶节点的原始运行数据进行过滤，并对所述茎节点的原始运行数据进行过滤；针对过滤后的所述茎节点的原始运行数据的运行数据类型建立专家库；利用所述叶节点的原始运行数据，计算所述茎节点下的所有叶节点的各运行数据类型的风险分数值，以及各所述叶节点的时间寿命值；根据所述茎节点下的所有叶节点的各运行数据类型的风险分数值，得到所述茎节点的各运行数据类型的风险分数值；根据所述茎节点下的所有叶节点的时间寿命值，得到所述茎节点的时间寿命值；将所有所述茎节点的各运行数据类型的风险分数值和所述茎节点的时间寿命值汇总到所述专家库中，并将所有所述叶节点的各运行数据类型的风险分数值和所述叶节点的时间寿命值汇总到所述专家库中，得到所述设备树的专家库。10.根据权利要求9所述的基于设备树的生产线设备生命周期感知装置，其特征在于，所述第二处理模块，具体用于提取所述运行数据中的单位部件和所述单位部件所属部件组成单元；将所述单位部件匹配到所述设备树中的叶节点，并将所述部件组成单元匹配到所述设备树的茎节点；遍历所述设备树，判断所述设备树中是否存在所述部件组成单元，若存在，在所述部件组成单元对应的茎节点下查找所述单位部件，若找到，则将所述单位部件的实时运行数据保存至所述专家库中；若未找到，则在所述茎节点下新建叶节点，并基于所述设备树中与所述新建叶节点同类型的单位部件的机理模型、应用场景、环境参数、采集专项数据和报警数据，确定所述新建叶节点的机理模型、应用场景、环境参数、采集专项数据和报警数据；若所述设备树中不存在与所述新建叶节点同类型的单位部件，则根据预设规则，设置
所述新建叶节点的机理模型、应用场景、环境参数、采集专项数据和报警数据；若所述设备树中不存在所述部件组成单元，则在根节点下新建茎节点，并在所述新建茎节点下新建叶节点，并基于所述设备树中与所述新建茎节点同类型的部件组成单元的机理模型、应用场景、环境参数、采集专项数据和报警数据，确定所述新建茎节点的机理模型、应用场景、环境参数、采集专项数据和报警数据，若所述设备树中不存在与所述新建茎节点同类型的单位部件，则根据预设规则，设置所述新建茎节点的各运行数据类型的机理模型、应用场景、环境参数、采集专项数据和报警数据；将所述设备树输入所述离散模型中，得到所述生产线设备的健康指数。

技术总结
本申请涉及一种基于设备树的生产线设备生命周期感知方法和装置，包括实时提取运行消息中的运行数据，根据生产线的设备树模型和细分颗粒度，进行数据关联和归属，对标准化的机理模型、应用场景、环境参数、采集专项数据和报警数据进行离散模型分析，判定生产线设备的健康指数；从而得到生产线设备的生命周期。实现了建立细分颗粒度的设备树模型和架构，将产线设备细分维度可无限细化和系统化；建立科学、细分颗粒度化的专家经验库；根据生产线的设备树模型和细分颗粒度，进行数据关联和归属，根据类型实现标准化的机理模型、应用场景、环境参数、采集专项数据和报警数据的大数据，进行离散模型分析，关联系统专家库，得到生产线设备的生命周期。备的生命周期。备的生命周期。


技术研发人员：郭广平
受保护的技术使用者：青岛诚广丰自动化工程有限公司
技术研发日：2023.04.17
技术公布日：2023/7/21