通過力控工業(yè)智能解決方案,擬實現(xiàn)以下目標:
● 生產過程控制優(yōu)化。采用PID參數(shù)優(yōu)化、先進過程控制(APC)、工業(yè)大數(shù)據體系結合的方式,實現(xiàn)流程行業(yè)生產過程優(yōu)化控制。
● 設備預測性維護?;诠I(yè)一體化管控平臺,分析、預測設備的關鍵部件變化趨勢、使用壽命和潛在風險,提前預判設備零部件的損壞時間,主動通知進行維護服務。
● 故障預診斷。利用大數(shù)據分析技術,對設備工作日志、歷史故障、運行軌跡、實時位置等海量數(shù)據進行挖掘分析,基于知識庫和自學習機制,建立故障智能診斷模型,實現(xiàn)設備故障預診斷并精準定位。
圍繞產品全價值鏈過程中的仿真、采購、生產、倉儲、銷售、物流運輸?shù)戎T多環(huán)節(jié),可對上述過程中的實時數(shù)據、靜態(tài)數(shù)據、業(yè)務數(shù)據等,進行動態(tài)變化感知。具備時序數(shù)據、結構數(shù)據、非結構數(shù)據等多類型數(shù)據接入能力,還具備多類型數(shù)據庫融合、同時在線連接查閱的能力。
基于開放數(shù)據庫連接訪問、可視化多元接口技術,通過工業(yè)領域知識圖譜文件管理與深度神經網絡算法進行機理與聚類分析,采用多元素融合與分析機制,構建可拓展的控制決策函數(shù)庫。結合函數(shù)庫和實際運行指標,對控制系統(tǒng)的設定值進行自適應調整,實現(xiàn)云-邊-端的閉環(huán)聯(lián)動。
采用機理建模、數(shù)據驅動的方法,通過構建精準的機理模型、數(shù)據特征模型,分析數(shù)據的各種統(tǒng)計特征,對模型輸出、實際輸出進行比較,并采用數(shù)學方法對殘差進行分析處理,實現(xiàn)故障診斷、故障預測,從而完成異常工況的排除,保證生產的穩(wěn)定運行。
算法執(zhí)行環(huán)境依托計算引擎Fcyber,該引擎一方面可以實現(xiàn)開發(fā)者的模塊化快速配置,形成多種數(shù)據模型;另一方面提供底層二次開發(fā)功能,支持動態(tài)庫方法調用,方便靈活處理現(xiàn)場復雜邏輯。同時,計算引擎支持Python等多種類編程語言。
力控工業(yè)智能解決方案,通過產學研用的合作體系,已在流程行業(yè)的局部場景進行了落地應用。應用實踐過程中,利用建模、深度學習等技術,結合計算引擎等工具,通過工業(yè)大數(shù)據積累,優(yōu)化生產設備控制參數(shù),進行過程控制監(jiān)測-調節(jié)-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品良率、降低設備故障率、減少人工干預過程,最終實現(xiàn)典型場景下部分階段的提質增效項目目標。
隨著知識積累、算法優(yōu)化、行業(yè)應用,未來,力控工業(yè)智能解決方案將依托生產情況和制造過程的實時運行情況,為企業(yè)提供綜合生產指標、計劃調度指標、生產全流程指標、運行指標、生產指標、控制指令的綜合優(yōu)化決策。通過自學習和自優(yōu)化決策,實現(xiàn)人與智能優(yōu)化決策之間的協(xié)同,使管理者能在動態(tài)變化的環(huán)境中精準優(yōu)化決策。