CN118644049B - 一种生产线管控系统、方法、电子设备及存储介质 - Google Patents
一种生产线管控系统、方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN118644049B CN118644049B CN202411103330.3A CN202411103330A CN118644049B CN 118644049 B CN118644049 B CN 118644049B CN 202411103330 A CN202411103330 A CN 202411103330A CN 118644049 B CN118644049 B CN 118644049B
- Authority
- CN
- China
- Prior art keywords
- production
- data
- production line
- strategy
- line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 450
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000003860 storage Methods 0.000 title claims abstract description 16
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 42
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 238000011958 production data acquisition Methods 0.000 claims abstract description 20
- 239000000463 material Substances 0.000 claims description 28
- 230000007613 environmental effect Effects 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 23
- 238000007726 management method Methods 0.000 claims description 21
- 238000012544 monitoring process Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000005265 energy consumption Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 2
- 238000004140 cleaning Methods 0.000 claims 2
- 230000001276 controlling effect Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000003993 interaction Effects 0.000 description 6
- 239000002737 fuel gas Substances 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000002994 raw material Substances 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012824 chemical production Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000002759 z-score normalization Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及制造业生产管理领域，公开了一种生产线管控系统、方法、电子设备及存储介质。该系统包括：生产数据采集模块用于通过数据采集装置分别采集数据采集装置对应生产段的生产数据，基于每一生产段的生产数据确定生产线的生产数据；数据处理模块用于将生产数据输入至至少一个生产要素预测模型，得到生产线在预测周期内的生产要素；利用预设优化算法，基于预测周期内的生产要素对生产线的生产参数进行优化处理，得到生产线的生产策略；生产策略包括至少一个目标生产参数；控制模块用于基于生产策略中的目标生产参数生成参数调节指令，基于参数调节指令控制生产线运行。本发明可以使生产线在提高能源利用效率的同时降低碳排放量。
Description
技术领域
本发明涉及制造业生产管理领域，尤其涉及一种生产线管控系统、方法、电子设备及存储介质。
背景技术
随着全球环保意识的提升和碳排放法规的日益严格，传统制造业由于生产技术落后、绿色转型动能不足等问题，面临着巨大的合规性挑战和压力，因此，该行业亟需寻求有效的技术方案以降低生产过程中的碳足迹，提高能源利用效率，推动行业绿色化、可持续化生产。
目前，传统制造业缺乏生产线的合理管控方法，以使生产线在提高能源利用效率的同时降低碳排放量。
发明内容
本发明提供了一种生产线管控系统、方法、电子设备及存储介质，以使生产线在提高能源利用效率的同时降低碳排放量。
根据本发明的一方面，提供了一种生产线管控系统，包括：生产数据采集模块、数据处理模块和控制模块，所述生产数据采集模块包括至少一个数据采集装置，所述数据采集装置设置于所述生产线的各生产段；所述生产数据采集模块用于通过所述数据采集装置分别采集所述数据采集装置对应生产段的生产数据，基于每一所述生产段的生产数据确定所述生产线的生产数据，并将所述生产线的生产数据传输至数据处理模块；所述数据处理模块用于接收所述生产线的生产数据，将所述生产数据输入至至少一个生产要素预测模型，得到所述生产线在预测周期内的生产要素；利用预设优化算法，基于所述预测周期内的生产要素对所述生产线的生产参数进行优化处理，得到所述生产线的生产策略，将所述生产策略传输至所述控制模块；所述生产策略包括至少一个目标生产参数；所述控制模块用于接收所述生产策略，基于所述生产策略中的所述目标生产参数生成参数调节指令，基于所述参数调节指令控制所述生产线运行。
根据本发明的另一方面，提供了一种生产线管控方法，应用于所述生产线管控系统，包括：通过数据采集装置分别采集所述数据采集装置对应生产段的生产数据，基于每一所述生产段的生产数据确定所述生产线的生产数据；将所述生产数据输入至至少一个生产要素预测模型，得到所述生产线在预测周期内的生产要素；利用预设优化算法，基于所述预测周期内的生产要素对所述生产线的生产参数进行优化处理，得到所述生产线的生产策略；所述生产策略包括至少一个目标生产参数；基于所述生产策略中的所述目标生产参数生成参数调节指令，基于所述参数调节指令控制所述生产线运行。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的生产线管控方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的生产线管控方法。
本发明实施例的技术方案，生产数据采集模块用于通过数据采集装置分别采集数据采集装置对应生产段的生产数据，基于每一生产段的生产数据确定生产线的生产数据；数据处理模块用于将生产数据输入至至少一个生产要素预测模型，得到生产线在预测周期内的生产要素；利用预设优化算法，基于预测周期内的生产要素对生产线的生产参数进行优化处理，得到生产线的生产策略；生产策略包括至少一个目标生产参数；控制模块用于基于生产策略中的目标生产参数生成参数调节指令，基于参数调节指令控制生产线运行。对生产线预先进行调节，可以使生产线在提高能源利用效率的同时降低碳排放量。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种生产线管控系统的结构示意图；
图2是本发明实施例二提供的一种生产线管控方法的流程图；
图3是本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是本发明实施例一提供的一种生产线管控系统的结构示意图，本实施例可适用于传统制造业的生产线进行管控的情况，该系统可以执行生产线管控方法，该生产线管控系统可以采用硬件和/或软件的形式实现。
如图1所示，该系统包括：生产数据采集模块110、数据处理模块120和控制模块130，生产数据采集模块110包括至少一个数据采集装置111，数据采集装置111设置于所述生产线的各生产段；生产数据采集模块110用于通过所述数据采集装置分别采集所述数据采集装置对应生产段的生产数据，基于每一所述生产段的生产数据确定所述生产线的生产数据，并将所述生产线的生产数据传输至数据处理模块120；数据处理模块120用于接收所述生产线的生产数据，将所述生产数据输入至至少一个生产要素预测模型，得到所述生产线在预测周期内的生产要素；利用预设优化算法，基于所述预测周期内的生产要素对所述生产线的生产参数进行优化处理，得到所述生产线的生产策略，将所述生产策略传输至控制模块130；所述生产策略包括至少一个目标生产参数；控制模块130用于接收所述生产策略，基于所述生产策略中的所述目标生产参数生成参数调节指令，基于所述参数调节指令控制所述生产线运行。
其中，生产数据采集模块110用于通过数据采集装置111采集生产线上的生产数据，具体的，数据采集装置111包括温度传感器、压力传感器和化学传感器中的一种或多种，温度传感器用于精准地捕捉生产环境以及设备运行时的温度变化；例如，在某些需要特定温度条件的生产环节中，温度传感器可以及时反馈温度波动，确保生产过程在理想的温度范围内进行，这不仅有助于保证产品质量，还能对能源消耗产生影响。压力传感器则专注于测量设备内部或生产流程中关键部位的压力情况；例如，在气体压缩或液体输送的环节，准确的压力监测可以帮助优化能源使用，避免过高或过低的压力导致能源浪费和设备损耗。化学传感器用于检测生产过程中所涉及的各种化学物质的浓度和成分变化；例如，在化工生产中，化学传感器可以及时发现原材料的成分偏差，从而调整生产参数，减少不合格产品的产生，同时降低因原材料浪费而导致的碳排放增加。
其中，生产数据是指生产数据采集模块110采集的传感器数据，具体的，生产数据包括但不限于温度、压力、化学物质的浓度等，这里不做限定。
本实施例中，数据采集装置111分别设置于生产线的各生产段，生产数据采集模块110通过各生产段的数据采集装置111分别采集对应生产段的生产数据，并对各生产段的生产数据进行整合，得到生产线的生产数据，将生产线的生产数据传输至数据处理模块120进行处理。
其中，生产要素包括能源使用量、生产材料使用量和碳排放量中的一项或多项，每一生产要素对应一个生产要素预测模型，生产要素预测模型可以是神经网络模型、支持向量机等初始模型。本实施例中，数据处理模块120为中央数据处理中心，数据处理模块120接收生产数据采集模块110传输的生产线的生产数据，将生产数据分别输入至生产要素预测模型进行预测，得到生产线在预测周期内的生产要素；预测周期是预测生产要素的周期，具体的，预测周期可以是一天、两天或者一周、两周等，这里不做限定。进一步的，利用预设优化算法，基于预测周期内的生产要素对生产线的生产参数进行迭代更新，在满足迭代终止条件的情况下，确定生产线的生产策略，并将生产策略传输至控制模块130。其中，预设优化算法包括但不限于线性规划算法、遗传算法、退火算法等，这里不做限定。生产参数是指生产线的运行参数，具体的，生产参数包括但不限于环境温度、环境湿度、生产机器的工作速度、材料输入量等，这里不做限定。生产策略用于指导生产线的实际运行，生产策略包括至少一个目标生产参数，目标生产参数为预设优化算法优化后的生产参数。迭代终止条件可以是预设优化算法的目标函数的函数值小于或大于预设阈值，也可以是迭代次数大于预设迭代次数，由本领域技术人员设置。
在上述实施例的基础上，可选的，所述预设优化算法的优化目标包括最小化能源使用量、最小化碳排放量和最大化成本效益。
具体的，最小化能源使用量的目标函数为：；其中，，。
其中，表示总能源消耗成本，表示电能消耗成本，表示燃气消耗成本，表示总电能消耗量（单位：kWh），表示电能成本的单位成本,表示总燃气消耗量（单位：m³），表示燃气的单位成本。可以理解的是，可以通过电表读取的电能的总能耗值，通过燃气表读取的燃气的总燃气消耗值。
最小化碳排放量的目标函数为：。
其中，表示生产线的总碳排放量，表示电能的碳强度（单位：kgCO2/kWh），表示燃气的碳强度（单位：kgCO2/m³）。
最大化成本效益的目标函数为：，。
其中，表示生产线的总收益，N表示生产线生产的产品数量，表示每一产品的利润，表示每一产品的成本。
在上述实施例的基础上，可选的，数据处理模块120包括数据预处理单元121，用于对所述生产数据进行预处理操作；所述预处理操作包括数据清洗操作、数据归一化操作和数据分析操作。
其中，数据清洗是指识别并纠正数据中的错误、不一致性和异常值的过程，旨在提高数据质量。数据清洗操作包括但不限于缺失值处理、异常值处理、数据格式转换、重复数据处理等，这里不做限定。
数据归一化操作是将数据按比例缩放，使之落入一个小的特定区间（通常是[0,1]或[-1,1]），以消除不同量纲的影响。常用的归一化方法包括但不限于最小-最大归一化、Z-score标准化等，这里不做限定。
数据分析操作是对数据的基本特性和分布情况进行探索的过程，目的是对数据有一个大致的了解，并为后续的数据处理和建模提供指导。数据分析操作包括但不限于描述性统计分析、数据可视化、相关性分析等，这里不做限定；具体的，可以计算生产数据的中心趋势（如均值、中位数）、分散程度（如标准差、方差）、偏度、峰度等基本统计量，实现描述性统计分析。可以通过绘制直方图、箱线图、散点图、热力图等图表来直观地展示数据的分布、趋势和关系，实现数据可视化。可以分析变量之间的相关性，了解变量之间的关联程度和方向，为后续的特征选择或降维提供依据，实现相关性分析。
在上述实施例的基础上，可选的，数据处理模块120还包括生产要素预测模型训练单元122，用于基于历史生产数据建立能源数据集；建立初始模型，基于能源数据集对所述初始模型进行训练，得到能源预测模型；和/或，基于历史生产数据建立生产材料数据集；建立初始模型，基于生产材料数据集对所述初始模型进行训练，得到生产材料预测模型；和/或，基于历史生产数据建立碳排放数据集；建立初始模型，基于碳排放数据集对所述初始模型进行训练，得到碳排放预测模型。
其中，历史生产数据是指生产数据采集模块采集的生产数据的历史数据。初始模型是未进行训练的模型，具体的，初始模型可以为机器学习模型，初始模型包括但不限于神经网络模型、支持向量机等，这里不做限定。本实施例中，生产要素预测模型训练单元122包括能源预测模型训练子单元、生产材料预测模型训练子单元和碳排放预测模型训练子单元，能源预测模型训练子单元用于基于历史生产数据中与能源使用相关的历史数据建立能源数据集，建立初始模型，基于能源数据集对初始模型进行训练，调整模型参数以优化预测性能，得到能源预测模型。其中，能源数据集包括历史生产数据中电力、燃气、燃油等不同类型能源的消耗量。能源预测模型用于预测预测周期内的能源使用量。
生产材料预测模型训练子单元用于基于历史生产数据中与生产材料使用相关的历史数据建立生产材料数据集，建立初始模型，基于生产材料数据集对初始模型进行训练，调整模型参数以优化预测性能，得到生产材料预测模型；其中，生产材料数据集包括历史生产数据中原材料、辅助材料等生产材料的消耗量。生产材料预测模型用于预测预测周期内的生产材料使用量。
碳排放预测模型训练子单元用于基于历史生产数据中与碳排放相关的历史数据建立碳排放数据集，建立初始模型，基于碳排放数据集对初始模型进行训练，调整模型参数以优化预测性能，得到碳排放预测模型；其中，碳排放数据集包括历史生产数据中的碳排放数据。碳排放预测模型用于预测预测周期内的碳排放量。
需要说明的是，历史生产数据为数据预处理单元121进行预处理后的历史生产数据。
其中，生产参数调节指令用于调节生产线的实际生产参数，以达到或者接近目标生产参数。本实施例中，控制模块130用于接收生产策略，以生产策略中的目标生产参数为目标，基于生产线的实际生产参数生成生产参数调节指令，基于生产参数调节指令控制生产线运行。示例性的，以目标温度为30℃为例，若实际温度为25℃，则温度调节指令用于调节温度升高，以达到30℃。
在上述实施例的基础上，可选的，可以对生产参数进行人工调节，因此，控制模块130还包括人机交互界面，控制模块130还用于响应于操作人员在所述人机交互界面的生产参数调节操作，生成生产参数调节指令，基于所述生产参数调节指令控制所述生产线运行。
其中，生产参数调节操作是指生产线的操作人员在人机交互界面生产参数调节控件的控制操作，具体的，生产参数调节控件可以是生产参数对应的按钮、滑块、输入框等调节控件，相应的，生产参数调节操作可以是对按钮的触发操作、对滑块的滑动操作、对输入框的输入操作等。本实施例中，控制模块130响应于操作人员在人机交互界面的生产参数调节操作，生成生产参数调节指令，并将生产参数调节指令发送到生产线的各个控制单元，控制单元根据指令调节生产线的执行机构，控制生产线运行。其中，执行机构包括但不限于电机、加热元件等。
在一些实施例中，可选的，所述系统还包括环境监测模块，环境监测模块与生产数据采集模块110连接，所述生产数据包括环境数据；所述生产数据采集模块还用于将所述环境数据传输至所述环境监测模块；所述环境监测模块用于接收所述环境数据，基于所述环境数据生成环境监测报告。
其中，环境数据是指生产数据中与环境相关的数据，具体的，环境数据包括但不限于包括但不限于温度、湿度、空气质量（如PM2.5、CO2浓度）等。
本实施例中，环境监测模块接收生产数据采集模块110传输的环境数据，基于环境数据生成环境监测报告。其中，环境监测报告包括环境参数的历史趋势图、当前状态评估、异常警报（如当温度超过预设阈值时发出警告）、以及建议措施（如推荐开启通风设备以降低室内温度）等信息。环境监测报告不仅为生产管理者提供了实时的环境状况反馈，还为其制定和调整生产计划、优化生产环境、确保产品质量提供了重要的决策依据。
需要说明的是，为了确保环境监测的实时性和准确性，生产数据采集模块110需要定期或按需向环境监测模块发送最新的环境数据。同时，环境监测模块也需要具备快速处理和分析这些数据的能力，以便及时生成监测报告。
本实施例的技术方案，生产数据采集模块用于通过数据采集装置分别采集数据采集装置对应生产段的生产数据，基于每一生产段的生产数据确定生产线的生产数据；数据处理模块用于将生产数据输入至至少一个生产要素预测模型，得到生产线在预测周期内的生产要素；利用预设优化算法，基于预测周期内的生产要素对生产线的生产参数进行优化处理，得到生产线的生产策略；生产策略包括至少一个目标生产参数；控制模块用于基于生产策略中的目标生产参数生成参数调节指令，基于参数调节指令控制生产线运行。对生产线预先进行调节，可以使生产线在提高能源利用效率的同时降低碳排放量。
实施例二
图2是本发明实施例二提供的一种生产线管控方法的流程图。本实施例可适用于传统制造业的生产线进行管控的情况，该方法可以由生产线管控系统来执行，该生产线管控系统可以采用硬件和/或软件的形式实现。如图2所示，该方法包括：
S210、通过数据采集装置分别采集所述数据采集装置对应生产段的生产数据，基于每一所述生产段的生产数据确定所述生产线的生产数据；所述数据采集装置设置于所述生产线的各所述生产段。
S220、将所述生产数据输入至至少一个生产要素预测模型，得到所述生产线在预测周期内的生产要素；利用预设优化算法，基于所述预测周期内的生产要素对所述生产线的生产参数进行优化处理，得到所述生产线的生产策略；所述生产策略包括至少一个目标生产参数。
S230、基于所述生产策略中的所述目标生产参数生成参数调节指令，基于所述参数调节指令控制所述生产线运行。
在上述实施例的基础上，可选的，所述数据采集装置包括温度传感器、压力传感器和化学传感器中的一种或多种。
在上述实施例的基础上，可选的，在得到所述生产线的生产数据之后，所述方法还包括：对所述生产数据进行预处理操作；所述预处理操作包括数据清洗操作、数据归一化操作和数据分析操作。
在上述实施例的基础上，可选的，所述生产要素包括能源使用量、生产材料使用量和碳排放量中的一项或多项；所述方法还包括：基于历史生产数据建立能源数据集，建立初始模型，基于能源数据集对所述初始模型进行训练，得到能源预测模型；和/或，基于历史生产数据建立生产材料数据集，建立初始模型，基于生产材料数据集对所述初始模型进行训练，得到生产材料预测模型；和/或，基于历史生产数据建立碳排放数据集，建立初始模型，基于碳排放数据集对所述初始模型进行训练，得到碳排放预测模型。
在上述实施例的基础上，可选的，所述预设优化算法的优化目标包括最小化能源使用量、最小化碳排放量和最大化成本效益。
在上述实施例的基础上，可选的，所述方法还包括：响应于操作人员在所述人机交互界面的生产参数调节操作，生成参数调节指令，基于所述参数调节指令控制所述生产线运行。
在上述实施例的基础上，可选的，所述生产数据包括环境数据；所述方法还包括：所述生产数据采集模块还用于将所述环境数据传输至所述环境监测模块；所述环境监测模块用于接收所述环境数据，基于所述环境数据生成环境监测报告。
本实施例的技术方案，通过数据采集装置分别采集数据采集装置对应生产段的生产数据，基于每一生产段的生产数据确定生产线的生产数据；将生产数据输入至至少一个生产要素预测模型，得到生产线在预测周期内的生产要素；利用预设优化算法，基于预测周期内的生产要素对生产线的生产参数进行优化处理，得到生产线的生产策略；生产策略包括至少一个目标生产参数；基于生产策略中的目标生产参数生成参数调节指令，基于参数调节指令控制生产线运行。对生产线预先进行调节，可以使生产线在提高能源利用效率的同时降低碳排放量。
实施例三
图3是本发明实施例三提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备（如头盔、眼镜、手表等）和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器（ROM）12、随机访问存储器（RAM）13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器（ROM）12中的计算机程序或者从存储单元18加载到随机访问存储器（RAM）13中的计算机程序，来执行各种适当的动作和处理。在RAM13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM12以及RAM13通过总线14彼此相连。输入/输出（I/O）接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如生产线管控方法。
在一些实施例中，生产线管控方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时，可以执行上文描述的生产线管控方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行生产线管控方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的生产线管控方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
实施例四
本发明实施例四还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行一种生产线管控方法，该方法应用于生产线管控系统，包括：通过数据采集装置分别采集数据采集装置对应生产段的生产数据，基于每一生产段的生产数据确定生产线的生产数据；将生产数据输入至至少一个生产要素预测模型，得到生产线在预测周期内的生产要素；利用预设优化算法，基于预测周期内的生产要素对生产线的生产参数进行优化处理，得到生产线的生产策略；生产策略包括至少一个目标生产参数；基于生产策略中的目标生产参数生成参数调节指令，基于参数调节指令控制生产线运行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (8)
1.一种生产线管控系统，其特征在于，包括：生产数据采集模块、数据处理模块和控制模块，所述生产数据采集模块包括至少一个数据采集装置，所述数据采集装置设置于所述生产线的各生产段；
所述生产数据采集模块用于通过所述数据采集装置分别采集所述数据采集装置对应生产段的生产数据，基于每一所述生产段的生产数据确定所述生产线的生产数据，并将所述生产线的生产数据传输至数据处理模块；
所述数据处理模块用于接收所述生产线的生产数据，将所述生产数据输入至至少一个生产要素预测模型，得到所述生产线在预测周期内的生产要素；利用预设优化算法，基于所述预测周期内的生产要素对所述生产线的生产参数进行优化处理，得到所述生产线的生产策略，将所述生产策略传输至所述控制模块；所述生产策略包括至少一个目标生产参数；
所述控制模块用于接收所述生产策略，基于所述生产策略中的所述目标生产参数生成参数调节指令，基于所述参数调节指令控制所述生产线运行；
其中，所述数据处理模块包括数据预处理单元，用于对所述生产数据进行预处理操作；所述预处理操作包括数据清洗操作、数据归一化操作和数据分析操作；
所述生产要素包括能源使用量、生产材料使用量和碳排放量中的一项或多项；所述数据处理模块还包括生产要素预测模型训练单元，用于基于历史生产数据建立能源数据集，建立初始模型，基于能源数据集对所述初始模型进行训练，得到能源预测模型；和/或，基于历史生产数据建立生产材料数据集，建立初始模型，基于生产材料数据集对所述初始模型进行训练，得到生产材料预测模型；和/或，基于历史生产数据建立碳排放数据集，建立初始模型，基于碳排放数据集对所述初始模型进行训练，得到碳排放预测模型。
2.根据权利要求1所述的系统，其特征在于，所述数据采集装置包括温度传感器、压力传感器和化学传感器中的一种或多种。
3.根据权利要求1所述的系统，其特征在于，所述预设优化算法的优化目标包括最小化能源使用量、最小化碳排放量和最大化成本效益。
4.根据权利要求1所述的系统，其特征在于，所述控制模块包括人机交互界面，所述控制模块还用于响应于操作人员在所述人机交互界面的生产参数调节操作，生成参数调节指令，基于所述参数调节指令控制所述生产线运行。
5.根据权利要求1所述的系统，其特征在于，所述系统还包括环境监测模块，所述环境监测模块与所述生产数据采集模块连接，所述生产数据包括环境数据；
所述生产数据采集模块还用于将所述环境数据传输至所述环境监测模块；
所述环境监测模块用于接收所述环境数据，基于所述环境数据生成环境监测报告。
6.一种生产线管控方法，其特征在于，应用于生产线管控系统，包括：
通过数据采集装置分别采集所述数据采集装置对应生产段的生产数据，基于每一所述生产段的生产数据确定所述生产线的生产数据；所述数据采集装置设置于所述生产线的各所述生产段；
将所述生产数据输入至至少一个生产要素预测模型，得到所述生产线在预测周期内的生产要素；利用预设优化算法，基于所述预测周期内的生产要素对所述生产线的生产参数进行优化处理，得到所述生产线的生产策略；所述生产策略包括至少一个目标生产参数；
基于所述生产策略中的所述目标生产参数生成参数调节指令，基于所述参数调节指令控制所述生产线运行；
其中，在得到所述生产线的生产数据之后，所述方法还包括：对所述生产数据进行预处理操作；所述预处理操作包括数据清洗操作、数据归一化操作和数据分析操作；
所述生产要素包括能源使用量、生产材料使用量和碳排放量中的一项或多项；所述方法还包括：基于历史生产数据建立能源数据集，建立初始模型，基于能源数据集对所述初始模型进行训练，得到能源预测模型；和/或，基于历史生产数据建立生产材料数据集，建立初始模型，基于生产材料数据集对所述初始模型进行训练，得到生产材料预测模型；和/或，基于历史生产数据建立碳排放数据集，建立初始模型，基于碳排放数据集对所述初始模型进行训练，得到碳排放预测模型。
7.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；
以及与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求6中所述的生产线管控方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求6中所述的生产线管控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411103330.3A CN118644049B (zh) | 2024-08-13 | 2024-08-13 | 一种生产线管控系统、方法、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411103330.3A CN118644049B (zh) | 2024-08-13 | 2024-08-13 | 一种生产线管控系统、方法、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118644049A CN118644049A (zh) | 2024-09-13 |
| CN118644049B true CN118644049B (zh) | 2024-10-29 |
Family
ID=92667560
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202411103330.3A Active CN118644049B (zh) | 2024-08-13 | 2024-08-13 | 一种生产线管控系统、方法、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118644049B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018151693A1 (en) * | 2017-02-15 | 2018-08-23 | Polkar Orman Ürünleri̇ Ve Enerji̇ A.Ş | Green mdf production technique from sustainable source and energy |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009149519A1 (en) * | 2008-06-12 | 2009-12-17 | Winwick Business Solutions Pty Ltd | System for cultivation and processing of microorganisms and products therefrom |
| AU2011200090B2 (en) * | 2008-06-12 | 2016-01-07 | Winwick Business Solutions Pty Ltd | System for cultivation and processing of microorganisms, processing of products therefrom, and processing in drillhole reactors |
| CN111103860A (zh) * | 2020-01-15 | 2020-05-05 | 江苏古卓科技有限公司 | 一种基于数字孪生平台的工厂管理系统及方法 |
| CN113888132A (zh) * | 2021-10-11 | 2022-01-04 | 国网综合能源服务集团有限公司 | 一种大型工业企业的能源管理系统 |
| CN113821008A (zh) * | 2021-10-11 | 2021-12-21 | 国网综合能源服务集团有限公司 | 一种大型工业企业的能源管理控制方法及能源管理中心 |
| CN115423289B (zh) * | 2022-08-29 | 2023-05-12 | 广东鑫光智能系统有限公司 | 智能板材加工车间数据处理方法及终端 |
| CN116540584A (zh) * | 2023-03-13 | 2023-08-04 | 重庆大学 | 熔铸装药无人生产线的智能管控系统 |
| CN116562156B (zh) * | 2023-05-15 | 2024-02-06 | 南栖仙策(南京)高新技术有限公司 | 一种控制决策模型的训练方法、装置、设备及存储介质 |
| CN117727378A (zh) * | 2023-11-07 | 2024-03-19 | 熊霆 | 一种氯化聚乙烯的生产方法 |
| CN117932868A (zh) * | 2023-12-08 | 2024-04-26 | 云南电网有限责任公司信息中心 | 一种用于计算电网物资产品碳足迹通用模型的方法及系统 |
| CN117974053A (zh) * | 2024-01-31 | 2024-05-03 | 福建省中电海峡智能装备研究院 | 大数据驱动的节能减排决策支持系统 |
| CN118071374A (zh) * | 2024-03-26 | 2024-05-24 | 钱林海 | 一种全生命周期工业产品碳排放核算及碳交易方法 |
| CN118350659A (zh) * | 2024-04-03 | 2024-07-16 | 国网浙江省电力有限公司 | 一种水泥行业生产负荷控制方法、装置及计算机设备 |
| CN118134696B (zh) * | 2024-04-08 | 2024-10-25 | 杭州鲸云智能工业科技有限公司 | 一种基于机器学习的能耗管理方法 |
| CN118261302A (zh) * | 2024-04-30 | 2024-06-28 | 阳光慧碳科技有限公司 | 碳减排方案的生成方法、设备及存储介质 |
| CN118134210B (zh) * | 2024-05-07 | 2024-07-05 | 深圳碳中和生物燃气股份有限公司 | 钢铁生产的碳足迹管理方法及系统 |
| CN118396169A (zh) * | 2024-05-07 | 2024-07-26 | 深圳市益普科技有限公司 | 智能制造工厂的数据处理方法、系统、装置及储存介质 |
| CN118393962B (zh) * | 2024-06-24 | 2024-09-24 | 江西江铃集团晶马汽车有限公司 | 一种客车生产线能耗智能监控与能效提升方法及系统 |
| CN118469755B (zh) * | 2024-07-09 | 2024-10-11 | 江门市赛为电力科技有限公司 | 基于大数据的厂区电能管理方法、系统、介质及设备终端 |
-
2024
- 2024-08-13 CN CN202411103330.3A patent/CN118644049B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018151693A1 (en) * | 2017-02-15 | 2018-08-23 | Polkar Orman Ürünleri̇ Ve Enerji̇ A.Ş | Green mdf production technique from sustainable source and energy |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118644049A (zh) | 2024-09-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20240210061A1 (en) | Cloud and edge integrated energy optimizer | |
| EP3361343B1 (en) | Event analyzing device, event analyzing system, event analyzing method, and non-transitory computer readable storage medium | |
| Xu et al. | Mid-term prediction of electrical energy consumption for crude oil pipelines using a hybrid algorithm of support vector machine and genetic algorithm | |
| JP2023017888A (ja) | 根本的原因分析を実行してプラントワイド操業での希少イベントの発生の予測モデルを構築するコンピュータシステムおよび方法 | |
| US20210056430A1 (en) | Intelligent time-series analytic engine | |
| CN117176560B (zh) | 一种基于物联网的监测设备监管系统及其方法 | |
| CN114819385A (zh) | 风电功率预测方法、装置、电子设备及存储介质 | |
| CN115915708A (zh) | 制冷设备控制参数预测方法、装置、电子设备及存储介质 | |
| CN104991984A (zh) | 一种用于煮糖结晶的数据监测方法和系统 | |
| US20230335225A1 (en) | Method and system for virtual inspection and simulation of rare earth production process | |
| CN118644049B (zh) | 一种生产线管控系统、方法、电子设备及存储介质 | |
| CN114881167A (zh) | 异常检测方法、装置、电子设备和介质 | |
| CN118261302A (zh) | 碳减排方案的生成方法、设备及存储介质 | |
| CN118278620A (zh) | 基础设施电能消耗监测与管理系统 | |
| CN116050955B (zh) | 基于数字孪生的二氧化碳排放量统计方法、装置及设备 | |
| CN115456168B (zh) | 强化学习模型的训练方法、能耗确定方法和装置 | |
| JP2015225637A (ja) | 相関分析装置、相関分析方法、および相関分析用プログラム | |
| CN116777536A (zh) | 挤塑机生产成本的确定方法、装置、设备及存储介质 | |
| Hu et al. | The early warning model of dust concentration in smart construction sites based on long short term memory network | |
| CN118394017B (zh) | 一种用于药品生产能耗优化调控的智能机器人及运行方法 | |
| CN118536410B (zh) | 基于大数据驱动建模的能耗优化决策分析方法及系统 | |
| Si et al. | Design and application of quality early warning system based on PLC and iFIX learning | |
| CN115358889A (zh) | 一种基于bp神经元网络的工业装置能耗管控方法 | |
| Guo | PERCEPTION SYSTEM OF GARMENT MACHINERY PRODUCTION LINE BASED ON THE INTERNET OF THINGS | |
| CN111948992B (zh) | 对工业批产型大数据进行多级递进建模的方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |