设计应用

基于云平台的压砖设备健康状态分析方法设计

作者：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
发布日期：2020-12-15
来源：2020年信息技术与网络安全第10期

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。
设备健康状态分析 工业大数据 机器学习 云平台 压砖设备

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2

Baidu
map