[发明专利]一种基于大数据的工业生产流水线的故障监测方法及系统

权利要求书

1.一种基于大数据的工业生产流水线的故障监测系统，其特征在于，包括：

多个传感器，i取1-m，依次按照i的取值范围从小到大的顺序以生产线流通的方向设置于生产线上，用于对相应的生产线的数据进行监测；

异常数据剔除模块，用于、获取传感器的n个测量数据得到n个采样值，将传感器的n个测量数据中的异常数据进行剔除；

异常数据剔除率计算模块，用于根据所述异常数据剔除模块所剔除的异常数据的数量，计算异常数据剔除率β，β=剔除的数据数/n；

故障风险判断模块，用于根据所述异常数据剔除率计算模块计算得到的异常数据剔除率β，判断所述传感器处是否存在故障风险；

故障排查次序排序模块，用于对存在故障的传感器的故障排查次序进行排序，并告知工作人员进行处理；

用于异常数据的剔除的模块具体包括：

用于将传感器的n个测量数据按照从小到大的顺序进行排列的模块；

用于计算传感器的n个测量数据的算术平均值以及测量数据的方差的模块：

，

；

用于判断是否大于第二阈值λ，若是则判定为异常数据，应当进行剔除，若否则判定不是异常数据，应当予以保留的模块，其中

λ=，

而可以通过查t分布表获得；

用于对存在故障的传感器的故障排查顺序进行排序的模块具体包括：

用于结合传感器处的故障风险情况以及传感器处的故障处理预测时间对存在故障的传感器的故障排查次序进行排序的模块；

用于所述传感器处的故障风险情况具体为传感器的编号大小的模块；

用于所述传感器处的故障处理预测时间通过以往处理该处传感器的故障时间的大数据来获取的模块；

用于以传感器编号从小到大优先处理的原则对存在故障的传感器进行处理，若存在生产线流通方向并联的情况，则优先处理故障处理预测时间较短的传感器的模块。

2.一种基于大数据的工业生产流水线的故障监测方法，其特征在于，包括以下：

步骤201、将工业生产流水线按照传感器的分布位置进行分段划分，每一段包含一个传感器，并按照生产线流通方向进行分段编号，i取1-m；

步骤202、获取传感器的n个测量数据得到n个采样值，将传感器的n个测量数据中的异常数据进行剔除，并计算异常数据剔除率β，β=剔除的数据数/n；

步骤203、判断剔除率β是否高于第一阈值，若是则判断所述传感器处存在故障风险，若否则判断所述传感器处不存在故障风险；

步骤204、重复上述步骤202至步骤203得到每个传感器处的故障风险情况；

步骤205、对存在故障的传感器的故障排查次序进行排序，并告知工作人员进行处理；

上述步骤202中的异常数据的剔除的方法具体包括以下：

步骤301、将传感器的n个测量数据按照从小到大的顺序进行排列；

步骤302、计算传感器的n个测量数据的算术平均值以及测量数据的方差：

，

；

步骤303、判断是否大于第二阈值λ，若是则判定为异常数据，应当进行剔除，若否则判定不是异常数据，应当予以保留，其中

λ=,

而可以通过查t分布表获得；

上述步骤205中对存在故障的传感器的故障排查顺序进行排序具体为：

结合传感器处的故障风险情况以及传感器处的故障处理预测时间对存在故障的传感器的故障排查次序进行排序；

所述传感器处的故障风险情况具体为传感器的编号大小；

所述传感器处的故障处理预测时间通过以往处理该处传感器的故障时间的大数据来获取；

以传感器编号从小到大优先处理的原则对存在故障的传感器进行处理，若存在生产线流通方向并联的情况，则优先处理故障处理预测时间较短的传感器。

3.根据权利要求2所述的一种基于大数据的工业生产流水线的故障监测方法，其特征在于，在完成传感器故障排查顺序的排序后，还会生成日志文件，所述日志文件具体包括：存在故障的传感器的编号，预测处理对应传感器所需要的预测时间，以及完成排序的排查次序情况。

4.根据权利要求2所述的一种基于大数据的工业生产流水线的故障监测方法，其特征在于，所述第一阈值为0.05。