本發(fā)明涉及監(jiān)測技術(shù)和維護管理，具體地說是一種廠區(qū)間資訊信息監(jiān)測維護管理系統(tǒng)。

背景技術(shù)：

1、隨著工業(yè)自動化和信息化的發(fā)展，工廠內(nèi)的設備、生產(chǎn)過程和質(zhì)量控制等方面都需要進行實時監(jiān)測和管理。廠區(qū)間資訊信息包括了設備狀態(tài)信息、生產(chǎn)進度信息、質(zhì)量數(shù)據(jù)、物料信息、人員信息、能源消耗信息和環(huán)境監(jiān)測信息等，這些信息對于工廠的高效運行、質(zhì)量保障、成本控制和持續(xù)發(fā)展都起著至關(guān)重要的作用。

2、廠區(qū)間資訊信息監(jiān)測維護管理系統(tǒng)是一個復雜的系統(tǒng)工程，需要綜合運用多種技術(shù)和手段。傳統(tǒng)的廠區(qū)資訊信息監(jiān)測維護方式通常依賴于人工巡檢和紙質(zhì)記錄，這種方式不僅效率低下，而且容易出錯，難以適應現(xiàn)代工業(yè)生產(chǎn)對高效、準確、實時的需求。目前已有一些相關(guān)的技術(shù)和產(chǎn)品應用于廠區(qū)間資訊信息的監(jiān)測和管理，這些技術(shù)和產(chǎn)品在一定程度上提高了工廠的生產(chǎn)效率和管理水平。

3、現(xiàn)有專利（專利公開號：cn108693808a）公布了一種智能廠區(qū)環(huán)境監(jiān)測系統(tǒng)，該監(jiān)測系統(tǒng)綜合監(jiān)控當前環(huán)境溫度、濕度、噪聲、空氣質(zhì)量以及車位使用情況，將采集到的信息推送至各廠房的顯示屏上，使工作人員實時了解周邊環(huán)境信息；同時單片機根據(jù)傳感器獲取的信息綜合分析光照強度，在最合理的時間進行照明路燈開關(guān)；對車位進行智能化管理，有序、高效的方便員工停車；將以往滯后的信息提前獲取，使其能快速且準確的監(jiān)測廠區(qū)及周邊環(huán)境狀況，并作出相應的處理，使管理人員能更加方便的了解關(guān)系到生產(chǎn)運行的各種環(huán)境指數(shù)，合理安排生產(chǎn)計劃。

4、但是現(xiàn)有背景技術(shù)中仍有以下不足之處：

5、1.系統(tǒng)分析不夠全面：現(xiàn)有系統(tǒng)大多只是對部分資訊信息進行監(jiān)測，進行單一的故障識別、預測或分析廠區(qū)信息，無法全面的了解廠區(qū)間的各種情況和信息，不利于提高管理效率和廠區(qū)間整體的統(tǒng)籌規(guī)劃。

6、2.信息限制不足：現(xiàn)有系統(tǒng)中沒有對不同職位的工作人員獲取到的資訊信息進行限制，傳統(tǒng)的人工管理可能導致資料資訊錯誤或資料遺失的情況發(fā)生，甚至可能出現(xiàn)人為蓄意破壞的行為，有可能導致敏感信息的泄露和不當使用。一旦關(guān)鍵信息被不法分子獲取或篡改，這會對管理層級的判斷和決策產(chǎn)生誤導，進而帶來無法挽回的經(jīng)濟損失，將對廠區(qū)的生產(chǎn)和運營造成嚴重影響，甚至可能引發(fā)安全事故。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種廠區(qū)間資訊信息監(jiān)測維護管理系統(tǒng)，通過多模塊協(xié)同，利用多種算法模型實現(xiàn)廠區(qū)間資訊信息監(jiān)測、分析與維護管理，并基于人員職位進行權(quán)限管控，以解決現(xiàn)有技術(shù)中的問題。

2、本發(fā)明技術(shù)方案如下；

3、一種廠區(qū)間資訊信息監(jiān)測維護管理系統(tǒng)，包括：

4、資訊監(jiān)測模塊，用于實時監(jiān)測和接收廠區(qū)間資訊信息數(shù)據(jù)，并支持對數(shù)據(jù)信息的整理和傳輸；

5、數(shù)據(jù)分析模塊，所述數(shù)據(jù)分析模塊與資訊監(jiān)測模塊數(shù)據(jù)連接，根據(jù)資訊監(jiān)測模塊傳輸?shù)臄?shù)據(jù)構(gòu)建回歸模型進行生產(chǎn)效率分析、構(gòu)建多層感知機模型進行故障識別、構(gòu)建時間序列算法進行狀態(tài)預測；

6、決策與限制模塊，所述決策與限制模塊與數(shù)據(jù)分析模塊和資訊監(jiān)測模塊數(shù)據(jù)連接，根據(jù)數(shù)據(jù)分析模塊分析結(jié)果和資訊監(jiān)測模塊生成廠區(qū)間資訊報表和權(quán)限限制令牌；

7、用戶操作模塊，所述用戶操作模塊與決策與限制模塊數(shù)據(jù)連接，基于權(quán)限限制令牌和數(shù)據(jù)分析模塊的分析結(jié)果和預測結(jié)果，對不同權(quán)限用戶展示其相應權(quán)限能夠獲知的廠區(qū)間資訊分析信息，并根據(jù)數(shù)據(jù)分析模塊中的故障識別結(jié)果發(fā)送預警信息。

8、優(yōu)選的，所述資訊監(jiān)測模塊包括傳感器和信息采集單元；

9、所述傳感器監(jiān)測并收集的數(shù)據(jù)信息包括但不限于環(huán)境信息、設備狀態(tài)信息、能源消耗信息、產(chǎn)品合格率數(shù)據(jù)信息和原料利用率數(shù)據(jù)信息；

10、所述信息采集單元依據(jù)人工輸入的數(shù)據(jù)信息包括但不限于廠區(qū)間歷史生產(chǎn)進度數(shù)據(jù)信息和工作人員職位情況。

11、優(yōu)選的，所述數(shù)據(jù)分析模塊包括分析單元、識別單元、預測單元、維護管理單元和操作權(quán)限單元；

12、所述分析單元用于分析生產(chǎn)效率變化，并生成生產(chǎn)效率變化圖；

13、所述識別單元用于對設備狀態(tài)進行故障識別；

14、所述預測單元用于對目前正常狀態(tài)的設備狀態(tài)進行狀態(tài)預測。

15、優(yōu)選的，所述分析單元通過線性回歸算法構(gòu)建并訓練模型用于計算出生產(chǎn)效率，通過資訊監(jiān)測模塊實時收集的生產(chǎn)數(shù)據(jù)信息，繪制出生產(chǎn)效率的變化圖：

16、

17、其中，x表示自變量，自變量信息包括但不限于能源消耗數(shù)據(jù)、生產(chǎn)進度數(shù)據(jù)、產(chǎn)品合格率數(shù)據(jù)和原料利用率數(shù)據(jù)；表示自變量能源消耗信息；表示自變量生產(chǎn)進度信息；表示自變量產(chǎn)品合格率數(shù)據(jù)信息；表示自變量原料利用率數(shù)據(jù)信息，其中y表示生產(chǎn)效率；表示截距，意為所有自變量都為0時，對應的生產(chǎn)效率也為0，、、、表示回歸系數(shù)，表示每個自變量對因變量的影響程度，回歸系數(shù)越大，代表影響程度越深；

18、通過大量的廠區(qū)間歷史生產(chǎn)數(shù)據(jù)，利用均方誤差來確定這些回歸系數(shù)的值；誤差函數(shù)公式為：

19、

20、其中i表示每組數(shù)據(jù)樣本的樣本索引，意為第i個樣本，即用于標識和區(qū)分數(shù)據(jù)集中各個樣本的編號，e為誤差的總和，訓練的過程即為尋求總和的最小值，在訓練過程中，通過調(diào)整回歸系數(shù)、、、，使得誤差函數(shù)最小化，得到最優(yōu)的線性回歸模型，這個過程使用最小二乘法找到回歸系數(shù)、、、來實現(xiàn)：

21、

22、h是由不同的自變量x生成的自變量矩陣，根據(jù)自變量矩陣z和因變量生產(chǎn)效率y計算得出、、、，t是矩陣的轉(zhuǎn)置符號，通過對自變量矩陣h進行轉(zhuǎn)置并與自身相乘，得到一個矩陣，然后求其逆矩陣；接著，將因變量y與自變量矩陣h進行轉(zhuǎn)置相乘，得到一個向量；最后，將逆矩陣與這個向量相乘，即得到回歸系數(shù)β；

23、對每一個自變量矩陣計算得到（、、、），不斷調(diào)整（、、、）的值代入誤差函數(shù)公式中，通過對誤差函數(shù)求導計算來得到誤差函數(shù)最小值，最小值時的、、、代入線性回歸公式構(gòu)建線性回歸模型。

24、優(yōu)選的，所述識別單元通過多層感知機進行故障識別：神經(jīng)元是構(gòu)成多層感知機的基本單元；

25、一個神經(jīng)元為一個函數(shù)，這個函數(shù)將多個輸入特征通過加權(quán)求和，并經(jīng)過激活函數(shù)f的處理，變換成一個輸出z，多層感知機由多個神經(jīng)元組成；

26、對于單個神經(jīng)元，其函數(shù)表示為：

27、

28、其中，n是樣本的數(shù)量，i是樣本索引，意為第i個樣本，是輸入特征，是對應的權(quán)重，b是偏置項，f是relu激活函數(shù)；

29、對于整個多層感知機，由多個上述神經(jīng)元通過有層次的結(jié)構(gòu)連接而成，不同層次包括輸入層和輸出層，輸入層接收輸入特征，輸出層產(chǎn)生最終的輸出結(jié)果；

30、將資訊監(jiān)測模塊中傳感器監(jiān)測并收集的設備狀態(tài)信息中的各種參數(shù)作為輸入特征，通過大量已知正常和故障狀態(tài)下的參數(shù)數(shù)據(jù)來訓練多層感知機；在訓練過程中，使用反向傳播算法來不斷調(diào)整權(quán)重和偏置項b；反向傳播算法由前向傳播和反向傳播兩個步驟組成：

31、在前向傳播階段，輸入數(shù)據(jù)經(jīng)過神經(jīng)元逐層傳遞，最終得到輸出結(jié)果；在反向傳播階段，根據(jù)廠區(qū)間實際獲取的真實值，計算輸出層與真實值之間的誤差，并將誤差反向傳播回多層感知機，以更新權(quán)重和偏置項b，使得訓練后的多層感知機能夠?qū)W習到正常狀態(tài)和故障狀態(tài)各自的特征模式；當有新的數(shù)據(jù)輸入時，根據(jù)學習到的模式和權(quán)重信息進行計算和輸出；

32、relu激活函數(shù)的數(shù)學表達式為：f(z)=max(0,z)；

33、在多層感知機中，對于每一個神經(jīng)元，在計算出神經(jīng)元學習的輸出結(jié)果后，將輸出結(jié)果輸入到relu函數(shù)中進行處理；計算結(jié)果大于0，則輸出該值；計算結(jié)果小于等于0，則輸出0；

34、這種激活操作在多層感知機的每個神經(jīng)元都進行，實現(xiàn)對輸入數(shù)據(jù)的非線性處理和特征提?。?/p>

35、神經(jīng)元學習后的輸出結(jié)果為z，經(jīng)過relu函數(shù)處理后輸出結(jié)果z為0，0代表故障，表明該數(shù)據(jù)與學習到的故障模式0相同，判斷為存在故障；反之，則判斷為正常狀態(tài)。

36、優(yōu)選的，所述預測單元根據(jù)設備狀態(tài)數(shù)據(jù)使用時間序列算法對設備狀態(tài)關(guān)于運行時間方向的維護預測，公式表示為：

37、

38、其中，表示時間序列數(shù)據(jù)中的各個數(shù)據(jù)點，k表示不同的時間點r的序號，s表示為參與計算平均值的歷史數(shù)據(jù)的數(shù)量的個數(shù)，從時間序列數(shù)據(jù)中，選取當前時刻r以及往前s+1個數(shù)據(jù)點，將這些數(shù)據(jù)相加求和，再除以s，得到當前時刻r的移動平均值；隨著時間的推移，不斷重復這個過程，得到一系列移動平均值；能基于獲取到的歷史數(shù)據(jù)中的變化模式來對未來的設備狀態(tài)和維護需求進行預測和判斷；

39、優(yōu)選的，所述預測單元判斷和預測遵循以下規(guī)則：

40、移動平均值呈現(xiàn)出持續(xù)上升趨勢，代表設備在逐漸變差，需要安排維護；

41、移動平均值穩(wěn)定，表明設備當前處于穩(wěn)定的運行狀態(tài)，維護按照既定計劃進行，或不需要進行額外的緊急維護；

42、移動平均值變化幅度越大，說明設備狀態(tài)變化越劇烈，需要及時調(diào)整維護策略；變化幅度小，則相對平穩(wěn)，按照常規(guī)節(jié)奏進行維護規(guī)劃。

43、優(yōu)選的，所述決策與限制模塊包括維護管理單元和操作權(quán)限單元；

44、所述維護管理單元根據(jù)識別單元識別和預測單元的預測結(jié)果結(jié)合人員相關(guān)信息生成廠區(qū)維護管理計劃；

45、所述操作權(quán)限單元用于根據(jù)工作人員的數(shù)據(jù)信息生成權(quán)限限制信息和權(quán)限限制令牌，權(quán)限限制的依據(jù)和工作人員的職位有關(guān)。

46、優(yōu)選的，所述操作權(quán)限單元根據(jù)人員職位信息進行權(quán)限規(guī)則匹配；

47、操作權(quán)限單元中預設有不同職位對應的權(quán)限規(guī)則，系統(tǒng)根據(jù)采集到的人員職位信息，與這些預設的權(quán)限規(guī)則進行匹配，確定該人員應具有的操作權(quán)限范圍和級別；確定人員的操作權(quán)限后，系統(tǒng)生成包含權(quán)限信息的數(shù)據(jù)；這些數(shù)據(jù)包括但不限于人員的唯一標識、員工編號、權(quán)限范圍、有效時間和權(quán)限級別；

48、根據(jù)權(quán)限信息數(shù)據(jù)生成權(quán)限限制令牌；權(quán)限限制令牌的驗證包括但不限于人臉識別、指紋驗證和密碼。

49、優(yōu)選的，所述用戶操作模塊包括預警單元、用戶展示界面和權(quán)限驗證單元；

50、所述預警單元根據(jù)數(shù)據(jù)分析模塊的識別單元的識別結(jié)果進行預警；

51、所述用戶展示界面用于展示廠區(qū)數(shù)據(jù)分析模塊中分析的結(jié)果，包括生產(chǎn)效率變化圖、故障識別結(jié)果、維護預測結(jié)果和廠區(qū)維護管理計劃；

52、所述權(quán)限驗證單元根據(jù)權(quán)限信息數(shù)據(jù)對用戶進行權(quán)限驗證，對不同權(quán)限的操作人員通過用戶展示界面對用戶進行選擇性展示。

53、權(quán)限驗證單元在接收到用戶的請求時，首先驗證用戶的權(quán)限；如果用戶沒有相應的權(quán)限，不會將對應的模塊數(shù)據(jù)進行展示。

54、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：

55、1、本發(fā)明通過數(shù)據(jù)分析模塊全面監(jiān)測廠區(qū)間的各種資訊信息，不再局限于部分內(nèi)容，可對生產(chǎn)過程中的多類數(shù)據(jù)進行整合與分析，實現(xiàn)故障識別、狀態(tài)預測、生產(chǎn)效率分析以及廠區(qū)信息綜合統(tǒng)籌等功能，有助于全面了解廠區(qū)間的所有情況，極大的提高了管理效率和廠區(qū)間整體的統(tǒng)籌規(guī)劃能力。

56、2、本發(fā)明通過決策與限制模塊和用戶操作模塊，針對不同職位的工作人員設置了嚴格的資訊信息獲取權(quán)限限制，有效避免敏感信息的泄露和不當使用，防止關(guān)鍵信息被非法獲取或篡改，從而為廠區(qū)的生產(chǎn)和運營提供安全穩(wěn)定的信息環(huán)境，降低安全事故發(fā)生的風險，保障廠區(qū)生產(chǎn)運營的正常進行。