基于云平台的压砖设备健康状态分析方法设计
2020年信息技术与网络安全第10期
李晓昌1,徐哲壮1,谢仁栩1,王 毅1,刘 兴1,王宏飞1,夏玉雄2
1.福州大学 电气工程与自动化学院,福建 福州350108; 2.福建华鼎智造技术有限公司,福建 福州350003
摘要: 基于运行数据对压砖设备健康状态进行分析,对于降低设备故障率、提升压砖成品质量具有重要意义。现有方案大多数局限于离线人工分析,实时性差且推广效率低。针对上述问题,基于阿里云机器学习平台设计了压砖设备健康状态分析方法,基于聚类方法构建了压砖设备健康状态模型,在无需先验知识的情况下,对于压砖设备的工作、待机、异常等健康状态实现了建模。进而,将该模型部署于云计算平台上,通过周期性的数据导入与分析实现了压砖设备健康状态的在线分析。最后通过实例证明了该方法的有效性。
中图分类号: TP393
文献标识码: A
DOI: 10.19358/j.issn.2096-5133.2020.10.012
引用格式: 李晓昌,徐哲壮,谢仁栩,等. 基于云平台的压砖设备健康状态分析方法设计[J].信息技术与网络安全,2020,39(10):61-66.
文献标识码: A
DOI: 10.19358/j.issn.2096-5133.2020.10.012
引用格式: 李晓昌,徐哲壮,谢仁栩,等. 基于云平台的压砖设备健康状态分析方法设计[J].信息技术与网络安全,2020,39(10):61-66.
Design of health status analysis method for brick pressing machine based on cloud platform
Li Xiaochang1,Xu Zhezhuang1,Xie Renxu1,Wang Yi1,Liu Xing1,Wang Hongfei1,Xia Yuxiong2
1.School of Electrical Engineering and Automation,Fuzhou University,Fuzhou 350108,China; 2.Fujian Huading Intelligent Manufacturing Technology Co.,Ltd.,Fuzhou 350003,China
Abstract: The analysis of the health status of the brick pressing machine based on the operating data is of great significance for reducing the failure rate of the machine and improving the quality of the finished brick press. Most existing solutions are limited to offline manual analysis, which has poor real-time performance and low promotion efficiency. In response to the above problems, this paper designed an analysis method of the health status of brick press machine based on the Alibaba Cloud machine learning platform. Based on the clustering method, the health state model of the brick press machine was constructed. Without prior knowledge, the health status of the brick press machine such as work, standby, and abnormality was modeled. Furthermore, the model was deployed on a cloud computing platform, and the online analysis of the health status of brick press machine was realized through periodic data import and analysis. An example was provided to prove the effectiveness of the proposed method.
Key words : machine health status analysis;industrial big data;machine learning;cloud platform;brick pressing machine
0 引言
工业设备的健康状态对于生产流程的稳定性与可靠性具有重要作用,单个设备故障会导致整条生产线停产,造成巨大的经济损失。因此,基于运行数据对工业设备健康状态进行分析,对于降低设备故障率、提升产品质量具有重要意义[1-3]。目前我国压砖产业已具备较大规模,新型压砖设备已能够通过工业物联网模块采集设备运行数据。但现有数据主要限于售后维护时使用,大量实时累计的运行数据并没有得到有效利用。另一方面,现有数据分析方案大多仍局限于离线人工分析,实时性差且推广效率低。因此,利用云平台[4-5]和机器学习技术[6-7]对设备健康状态进行在线分析已成为迫切需求[8]。
针对上述需求,本文基于阿里云机器学习平台设计了压砖设备健康状态分析方法,构建了压砖设备数据聚类分析模型,在无需专家先验知识的情况下,完成了压砖设备的工作、待机、异常等健康状态的建模。进一步地,通过将训练好的压砖设备健康状态模型部署至DataWorks平台,同时周期性地从保存压砖设备实时运行数据的MySQL数据库导出数据至该平台进行分析计算,实现了对压砖设备健康状态的在线分析。最后,本文通过实例证明了该方法的有效性。
本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003142
作者信息:
李晓昌1,徐哲壮1,谢仁栩1,王 毅1,刘 兴1,王宏飞1,夏玉雄2
(1.福州大学 电气工程与自动化学院,福建 福州350108;
2.福建华鼎智造技术有限公司,福建 福州350003)
此内容为AET网站原创,未经授权禁止转载。