通過(guò)力控工業(yè)智能解決方案,擬實(shí)現以下目標:
● 生產(chǎn)過(guò)程控制優(yōu)化。采用PID參數優(yōu)化、先進(jìn)過(guò)程控制(APC)房包、工業(yè)大數據體系結合的方式徘钻,實(shí)現流程行業(yè)生產(chǎn)過(guò)程優(yōu)化控制。
● 設備預測性維護】Э鳎基于工業(yè)一體化管控平臺删性,分析膀斋、預測設備的關(guān)鍵部件變化趨勢图压、使用壽命和潛在風(fēng)險,提前預判設備零部件的損壞時(shí)間紊竹,主動(dòng)通知進(jìn)行維護服務(wù)娱两。
● 故障預診斷。利用大數據分析技術(shù)炊篱,對設備工作日志骨纠、歷史故障占钦、運行軌跡啤它、實(shí)時(shí)位置等海量數據進(jìn)行挖掘分析,基于知識庫和自學(xué)習機制溃耸,建立故障智能診斷模型若战,實(shí)現設備故障預診斷并精準定位伞访。
圍繞產(chǎn)品全價(jià)值鏈過(guò)程中的仿真、采購、生產(chǎn)输职、倉儲、銷(xiāo)售、物流運輸等諸多環(huán)節,可對上述過(guò)程中的實(shí)時(shí)數據、靜態(tài)數據、業(yè)務(wù)數據等,進(jìn)行動(dòng)態(tài)變化感知。具備時(shí)序數據槽更、結構數據、非結構數據等多類(lèi)型數據接入能力,還具備多類(lèi)型數據庫融合穿汽、同時(shí)在線(xiàn)連接查閱的能力。
基于開(kāi)放數據庫連接訪(fǎng)問(wèn)这嚣、可視化多元接口技術(shù),通過(guò)工業(yè)領(lǐng)域知識圖譜文件管理與深度神經(jīng)網(wǎng)絡(luò )算法進(jìn)行機理與聚類(lèi)分析,采用多元素融合與分析機制泻罗,構建可拓展的控制決策函數庫。結合函數庫和實(shí)際運行指標,對控制系統的設定值進(jìn)行自適應調整,實(shí)現云-邊-端的閉環(huán)聯(lián)動(dòng)。
采用機理建模、數據驅動(dòng)的方法罕报,通過(guò)構建精準的機理模型、數據特征模型婶喘,分析數據的各種統計特征,對模型輸出泽示、實(shí)際輸出進(jìn)行比較,并采用數學(xué)方法對殘差進(jìn)行分析處理弥统,實(shí)現故障診斷、故障預測镇纳,從而完成異常工況的排除,保證生產(chǎn)的穩定運行卢俯。
算法執行環(huán)境依托計算引擎Fcyber,該引擎一方面可以實(shí)現開(kāi)發(fā)者的模塊化快速配置,形成多種數據模型;另一方面提供底層二次開(kāi)發(fā)功能褥琐,支持動(dòng)態(tài)庫方法調用,方便靈活處理現場(chǎng)復雜邏輯垢揩。同時(shí),計算引擎支持Python等多種類(lèi)編程語(yǔ)言侣沐。
力控工業(yè)智能解決方案半鄙,通過(guò)產(chǎn)學(xué)研用的合作體系,已在流程行業(yè)的局部場(chǎng)景進(jìn)行了落地應用崖对。應用實(shí)踐過(guò)程中,利用建模、深度學(xué)習等技術(shù)隐辟,結合計算引擎等工具,通過(guò)工業(yè)大數據積累,優(yōu)化生產(chǎn)設備控制參數,進(jìn)行過(guò)程控制監測-調節-反饋-優(yōu)化-控制的閉環(huán)處理,迭代循環(huán),從而提升局部工藝段內的產(chǎn)品良率托茅、降低設備故障率掌绝、減少人工干預過(guò)程,最終實(shí)現典型場(chǎng)景下部分階段的提質(zhì)增效項目目標胚宦。
隨著(zhù)知識積累、算法優(yōu)化惯悠、行業(yè)應用,未來(lái),力控工業(yè)智能解決方案將依托生產(chǎn)情況和制造過(guò)程的實(shí)時(shí)運行情況佑力,為企業(yè)提供綜合生產(chǎn)指標、計劃調度指標、生產(chǎn)全流程指標、運行指標、生產(chǎn)指標溺蕉、控制指令的綜合優(yōu)化決策。通過(guò)自學(xué)習和自?xún)?yōu)化決策,實(shí)現人與智能優(yōu)化決策之間的協(xié)同仲器,使管理者能在動(dòng)態(tài)變化的環(huán)境中精準優(yōu)化決策。