[发明专利]基于物联网和人工智能的安全生产指标异常快速感知方法

说明书

本发明提供了一种基于物联网和人工智能的安全生产指标异常快速感知方法，该方法包括：基于生产流程对生产工序进行层次划分，每个层次中包括若干生产工序；基于生产工序的累积偏差和所处层次计算每个生产工序对应的多米诺指数，基于多米诺指数和与生产工序直接相连的生产工序的个数计算每个生产工序对生产结果的影响程度；基于影响程度在所有生产工序中选择有效生产工序，基于所述有效生产工序处的实际偏差进行生产工序异常感知并获取异常生产工序的位置和异常类型。本发明仅需对个别生产工序进行相关数据的监测就可以快速、高效的对生产过程中的异常进行感知，并判断生产工序的异常类型和发生异常的位置。

技术领域

本发明涉及生产控制领域，具体为一种基于物联网和人工智能的安全生产指标异常快速感知方法。

背景技术

生产过程中的异常包括生产工序导致的异常和累积偏差导致的异常；目前，往往是通过实时监测相关数据并设定相应的阈值来判断生产过程是否存在异常，耗时耗力且该方法仅能判断异常，并不能感知出异常的产生方式及实际来源，使得生产工序的检修不能及时进行。

发明内容

为了解决上述问题，本发明提出一种基于物联网和人工智能的安全生产指标异常快速感知方法，该方法包括：

步骤一，基于生产流程对生产工序进行层次划分，每个层次中包括若干生产工序；

步骤二，基于生产工序的累积偏差和所处层次计算每个生产工序的多米诺指数，基于多米诺指数和与生产工序直接相连的生产工序的个数计算每个生产工序对生产结果的影响程度；

步骤三，基于影响程度在所有生产工序中选择有效生产工序，基于所述有效生产工序处的实际偏差进行生产工序异常感知并获取异常生产工序的位置和异常类型。

进一步地，每个生产工序的多米诺指数的计算方法为：

D_A为生产工序A的多米诺指数；在生产工序A所处层次之后的所有生产工序构成工序集合B，B_i为工序集合中第i个生产工序，S_A为工序集合B中生产工序的个数；为生产工序A与B_i之间的间隔层次数；G_A为生产工序A所处层次与最终层次之间的间隔层次数；为生产工序A与B_i之间的关联程度。

进一步地，每个生产工序对生产结果的影响程度的计算方法为：

O_A为生产工序A对生产结果的影响程度；ω、为权值；E_A为与生产工序A直接相连的生产工序的个数；μ_A为生产工序A的时序系数，生产流程执行到生产工序A所需生产时间越长，μ_A越小。

进一步地，关联程度的计算方法为：

根据生产工序A和生产工序A所处层次中其他生产工序的累积偏差计算生产工序B_i的累积偏差，基于生产工序A和生产工序B_i的累积偏差计算关联度

进一步地，每两个相邻的层次对应一个偏差推理神经网络；所述偏差推理神经网络的输入为前一层次中每个生产工序生产指标的累积偏差，输出为后一层次中每个生产工序生产指标的累积偏差；基于若干偏差推理神经网络得到所述生产工序Bi的累积偏差。

进一步地，基于影响程度在所有生产工序中选择有效生产工序的具体过程为：

按照影响程度从大到小的顺序多次进行生产工序的选择，每次选择后基于所选生产工序的生产指标推测生产流程中其他生产工序的生产指标，并对推测过程进行评价，基于评价值确定最优生产工序；其中，下一次选择的生产工序的个数大于上一次选择的生产工序的个数且下一次选择的生产工序中包括上一次选择的生产工序；