[发明专利]一种基于工业过程数据的报警限自学习系统的方法

说明书

技术领域

本发明属于工业制造业自动化技术领域，特别是提供了一种基于工业过程数据的报警限自学习系统的方法，以达到在生产领域中为更准确地对生产状态进行预报而智能修正报警限的目的。

背景技术：

在当前工业制造业中，生产过程非常复杂，在生产过程中不可避免会出现各种突发性生产故障和错误，为了有效地捕获和展示这些信息，大都引入了计算机监控系统，在监控系统中一般都内置了报警模块用来捕获生产异常信息，为生产调度人员提供警示，让他们及时采取措施对工艺设备和生产节奏进行合理的调整，避免发生生产事故导致损失。一种常用的报警规则是人工根据数据的变化范围将整个报警区域划分为若干区间，当前数据在不同的区间显示不同的状态，不同的状态提供不同的警示功能。一种常见的划分报警限的方法是先制定四个阀值，分别为高报限H(也称上限)、高高报限HH(也称上超限)、低报限L(也称下限)、低低报限LL(也称下超限)，然后根据四个阀值将数据划分为五个区：

1、正常区。低报阀值到高报阀值之间的数据为正常区；

2、高报区。大于高报小于高高报阀值之间的数据为高报区；该区属于普通报警区，也叫黄区，也称预报警状态；

3、高高报区。大于高高报阀值的数据为高高报区，属于危险区，需要采取措施，也叫红区；

4、低报区。小于低报阀值大于低低报阀值之间的数据为低保区；该区属于普通报警区黄区，也称预报警状态；

5、低低报区。小于低低报阀值的数据为低低报区。和高高报区一样同属危险区，需要调度人员采取措施，也属于红区。

概括起来，报警限可以使用一个四元组(LL，L，H，HH)来表示，小于LL的数据区域为低低报区，大于等于LL小于L的区域是低报区，大于等于L小于等于H的区域为正常区，大于H小于等于HH的区域为高报区，大于HH的区域为高高报区。

报警的数据来源是工业过程数据，主要是工业生产中的实时数据，还有来自ERP和MES系统中的生产状态数据等。

在实际的生产过程中，为了帮助生产调度人员合理地判断生产过程中出现的问题，及时采取有效的措施，合理地设置每个报警限非常重要。报警点的各个限值一般是根据工艺经验或者人工设定的，和实际的数据波动情况比较常有一定的误差。生产设备的工艺数据的波动曲线所受的影响因子很多，单纯根据人工设定参数进行预报，在某些时候数据的状态并不能真实反映报警状态，可能会发生假报警或者给出错误的报警提示，影响系统调度人员对系统状态的判断，可能会打乱正常的生产节奏，为正常的生产经营活动带来不利的影响。

一种计算计算机报警限的方法是离线方法。该方法需要报警点过去历史数据的所有实时状态值，这些数据可以脱离具体的工业信息系统，可在计算之前预先从工业数据库或者专门的监控系统中加载该报警点一段时期的所有实时数据再进行计算。该方法的缺点是需要一次加载全部的离线数据，占用的计算机资源开销比较大，而且由于数据点比较多，计算速度比较慢，在实际的工业现场，检测的数据点很多，要求比较高的计算速度，离线计算方法效率很低。

在工业现场需要对计算机报警限进行实时的计算和预报，为了达到比较高的处理速度和较好的准确性，必须要处理即时的在线数据，而且对于报警限的计算需要采用周期性增量式的学习方法来完成。报警限自学习的概念就是按照一定的周期和频率计算与报警限相关的一些统计量，在周期结束的时候根据上次的计算结果和本次的中间结果计算得出本周期的各个报警限的值，到下个周期开始的时候又可以使用本轮的计算结果进行初始化，执行新一轮的计算。通过自学习方法，可以更智能对报警限进行调整，即时反映系统状态变化的规律，为生产过程预测和调度提供指导。

发明内容

本发明的目的在于提供一种基于工业过程数据的报警限自学习系统的方法，解决了人工方式设定报警限的局限性，实现在线计算报警限的方法。计算机可以按照一定周期(如一个小时)记录对报警点的数据进行统计并存储统计数据；在一个比较长的周期(比如一个月)周期结束时刻读取所有小区间的统计数据，结合上次计算的报警限数据，计算得到新的报警限，作为下一期报警状态计算和判断的基础。通过这种方式，可以确保计算机报警限的设定体现了报警点数据的正常波动情况，为科学设定合理的报警限信息提供参考。

本发明的主要思想是将数据根据不同的算法规则分成不同的区间，然后按照一定周期计算数据累计量和数据落在每个区间的频度值，然后按照这个周期持续运行，直到一个大的周期的结束(比如一个月的月底)计算得到整个大周期(月)的累计值和每个区间的数据分布情况，然后可以使用算法根据累计数据和频次数据计算报警限信息。