[发明专利]一种基于历史生产数据监控制丝加料系统设备状态的方法

说明书

本发明公开了一种基于历史生产数据监控制丝加料系统设备状态的方法，属于烟草领域，所述的基于历史生产数据监控制丝加料系统设备状态的方法采用以下步骤实现：步骤1.对设备实时数据和历史故障数据进行清洗、解析、分类、补全，如果有新的故障类型出现则人工标注；步骤2.数据转发到数据存储区域后，根据数据的使用需求分别存储至分布式存储、时序数据库或实时缓存与关系型数据库中；步骤3.选择合适的人工智能算法大量数据进行统计分析、特征处理与机器学习建模；步骤4.对模型进行验证，之后将模型部署到于服务器中，提供接口接收实时数据和发送计算结果。对设备状态及故障发生点判断准确、及时，节省了故障发生时的处理时间。

技术领域

本发明属于烟草领域，更具体的说涉及一种基于历史生产数据监控制丝加料系统设备状态的方法。

背景技术

卷烟生产过程中，加料工序作为其中必不可少的关键工序，可达到调味、增香、保润、防霉等作用。目前，主流的加料系统的主要工作方式是，将电子秤测量的烟草物料瞬时流量乘以设定的施加比例，以此作为施加香精、香料的目标量，通过PLC较为准确的控制齿轮泵等执行结构，以质量流量计测量实际添加量，将香精、香料均匀地施加到烟草物料上，并将结果反馈至PLC，从而形成闭环控制系统。整个加料系统中还有多个阀门，由PLC输出的信号控制阀组件来驱动。由于控制精度要求高，且各元件相互作用关系紧密，设备故障加料精度影响很大，会导致加料精度偏差较大、瞬时加料精度不稳定等情况，造成卷烟产品内在质量波动。传统上，通过定期更换备件、操作人员巡检和维修人员经验等方法预防设备故障的发生，减少由于设备故障对加料工序质量的影响。

以往加料系统的设备状态，需要依靠人工点检、巡检，这是一项高度依赖人工责任心和专业技能的工作，及时责任性再高、技术再好，也无法连续不间断地监控设备的运行状态；当故障发生时，大量时间用于通过设备当前状态判断故障发生点，非常考验修理人员的经验和技术水平，即使最有经验的维修人员，也需要一定时间来判断故障的类型，停机时间过长造成的质量缺陷、生产线停工造成的损失；设备操作人员和维修人员的知识只属于个人，转岗、调动或退休等情况，新进入岗位人员需要大量时间累积经验，知识没有显性化。无法将不确定的信息确定化、将隐性的知识显性化，效率较低。

发明内容

本发明通过在PLC采集的加料系统各元件生产数据，通过维修记录结合专家经验，人工地将故障数据筛选出来，并按照故障类型进行分类，之后利用筛选出来的数据作为样本，使用机器学习的方法对样本特征进行提取，当系统老化或其他原因导致特征再次出现时，提前、自动地判断系统的故障类型，从而在系统影响较小时及时排除故障或者更加准确的定位故障出现的位置，方便排除。

为了实现上述目的，本发明是采用以下技术方案实现：所述方法采用以下步骤实现：步骤1.对设备实时数据和历史故障数据进行清洗、解析、分类、补全，如果有新的故障类型出现则人工标注；步骤2.采集到的数据进行处理后，数据转发到数据存储区域后，根据数据的使用需求分别存储至分布式存储、时序数据库或实时缓存与关系型数据库中；步骤3.选择合适的人工智能算法大量数据进行统计分析、特征处理与机器学习建模；步骤4.对模型进行验证，之后将模型部署到于服务器中，提供接口接收实时数据和发送计算结果。

优选的，所述的步骤1.在生产过程中，系统自动算出瞬时加料比例、瞬时加料精度、累计加料比例、累计加料精度指标，并将计算的指标与采集到的流量计瞬时流量、加料泵转速、阀门的开启关闭状态等存入数据库中，形成历史生产数据，按照一定规则进行编号以示区分。

优选的，对设备状态进行编号处理采用使用one-hot编码，将离散特征的取值扩展到了欧式空间，离散特征的某个取值就对应欧式空间的某个点，具体来说，如果标签制作了使用了0-9作为设备状态的区分，则0使用one-hot编码后为向量[1,0,0,0,0,0,0,0,0,0]，1使用one-hot编码后为向量[0,1,0,0,0,0,0,0,0,0]，其他类似。