[发明专利]一种智能生产线异常数据的处理方法及装置

说明书

本发明涉及自动化生产线技术领域，具体涉及一种智能生产线异常数据的处理方法及装置，首先获取对生产线设备监测所得到的历史数据集，进而提取所述历史数据集中的样本数据集，对所述样本数据集进行归一化处理，生成训练数据集；接着建立神经网络模型，将所述训练数据集输入所述神经网络模型，训练得到所述监测部位、运行周期和预测数据的对应关系；并在线监测所述生产线设备的实时数据，根据所述对应关系实时判定所述实时数据中的异常数据；最终生成数据报表，所述数据报表包括异常数据、异常数据对应的监测部位、运行周期和实时数据有效性，本发明可以快速的为管理人员提供直观有效的判断依据。

技术领域

本发明涉及自动化生产线技术领域，具体涉及一种智能生产线异常数据的处理方法及装置。

背景技术

传统制造业生产线模式中，生产过程是否出现异常情况只能靠人为主观描述记录，这种人为记录的处理方法很难客观的评判当前生产线是否出现问题，而且有些问题是随机出现，人工记录之后很难复现，从而严重降低了对生产线设备监测的有效性。

在先进制造业中，决策的制定要由生产线生产过程中提供的海量数据作为基础的。在生产线的生产和运行过程中，管理人员要对生产线的运行管理、事故处理、日常维护等做出决策，这就依赖对实时数据的快速处理，从而快速的为管理人员提供直观有效的判断依据。

发明内容

为解决上述问题，本发明提供一种智能生产线异常数据的处理方法及装置，可以快速的为管理人员提供直观有效的判断依据。

本发明提供以下技术方案：

一种智能生产线异常数据的处理方法，包括：

获取对生产线设备监测所得到的历史数据集，所述历史数据集包括历史数据，以及所述历史数据对应的监测部位、运行周期；

提取所述历史数据集中的样本数据集，对所述样本数据集进行归一化处理，生成训练数据集；

建立神经网络模型，将所述训练数据集输入所述神经网络模型，训练得到所述监测部位、运行周期和预测数据的对应关系；

在线监测所述生产线设备的实时数据，根据所述对应关系实时判定所述实时数据中的异常数据；

生成数据报表，所述数据报表包括异常数据、异常数据对应的监测部位、运行周期和实时数据有效性。

进一步，所述提取所述历史数据集中的样本数据集包括：

计算所述历史数据集在各个运行周期对应的平均值和方差；

根据所述平均值和方差计算所述历史数据集的概率密度函数；

比较所述概率密度函数与阈值ε的大小，其中，ε∈[0.8,0.99]，将所述概率密度函数大于阈值ε的历史数据集作为样本数据集。

进一步，所述神经网络模型采用RBF神经网络模型。

进一步，所述根据所述对应关系实时判定所述实时数据中的异常数据包括：

根据所述对应关系实时预测所述监测部位对应的预测数据；

获取所述预测数据对应的运行周期，所述运行周期对应的方差；

将所述预测数据与对所述生产线设备在线监测的实时数据进行比对，判断所述实时数据是否在所述预测数据的方差范围内，

若所述实时数据超过所述预测数据的方差范围，则判定所述实时数据为异常数据。

进一步，所述生成数据报表包括：

统计在设定时间段内所述实时数据的总数量C、异常数据的总数量Cf；

通过以下公式计算实时数据有效性Q：