這是描述信息

華洋產品

全部分類
1/1
瀏覽量:
1000

煤礦大數據分析平臺

瀏覽量:
1000
數量
-
+
1
產品描述

系統通過信息集成,采集各自動化子系統生產工藝、工控、管理、設備故障等各類數據,研制各種大數據分析模型包括故障分類挖、故障關聯分析、信號序列趨勢分析、異常狀態檢測等,并基于大數據分析模型及故障模式,建立實時監測系統,實現自動化子系統的在線狀態評估與診斷。通過對自動化機電設備健康狀態的樣本學習和預測,自動給出自動化機電設備劣化情況、故障提示以及運行指導信息,為自動化子系統的安全管理、生產運行等提供監測與診斷技術支持。

1.生產數據采集。自動對接已建成的綜合自動化平臺對各自動化子系統的各點位信息進行高效采集,對采集信息的類型、來源等信息都要通過系統加以管理以實現高可靠、高柔性的信息獲取,系統以元數據的形式對自動化子系統的設備、點位配置信息進行管

2.生產數據儲存。自動化子系統生產數據的主體是時序列數據,主要由各類型實時監測、檢查與分析系統采集、產生的數據。將基于時序進行充分優化、以自動按時間、空間進行分片,并支持內部寫優化(批量提交、內存索引、事務支持、數據倒灌)支持與時間相關的函數的靈活使用(例如最大、最小、求和等);支持對實時大量數據進行度量計算(Metrics

3.生產數據的統計分析。在數據積累到一定程度后,系統可以對自動化子系統的各變量進行深度的統計分析,可以分析各模擬變量的最大值、最小值、平均值,并評估數據的分布匯智分布曲線,并根據正常狀態下的歷史數據,統計出適當的報警、預警區間。

4.數據的分類挖掘。分類挖掘出的規則可以用多種形式表示,如分類(IF-THEN)規則、判定樹、數學公式或神經網絡等。系統將根據自動化子系統數據的特點,選擇最有效的決策模式挖掘算法進行故障的分類。主要的算法包括ID3、C4.5CART。

5.數據的序列和趨勢分析。系統現趨勢分析( Trend Analysis)。包括長期趨勢變化、循環變化、季節性變化、隨機變化的分析。趨勢分析主要針對連續型數值,獲得屬性隨時間變化的趨勢,從而制定出長期或短期的預測。

6.數據的異常檢測( Outlier Detection)。異常是在數據集中偏離大部分數據的數據,這些數據可能并非隨機偏差導致,而是由不同機制所產生,其中可能包含些特殊信息。系統將實現異常檢測中的序列異常、點異常和模式異常等。時間序列的異常檢測是在給定的時間序列數據集中發現顯著不同于其他大多數數據的時間序列對象,進而分析這些異常所隱含的信息。

7.性能監控和預測。自動化子系統性能監控是根據檢測到的工作狀態信號,、狀態參數的變化情況,來監控自動化子系統的性能變化趨勢。由于自動化子系統是個非常復雜的系統,反映其工作狀態的參數較多,為了對整體性能提供較合理的評價,通過綜合自動化子系統多項指標得出定量反映子系統工作性能的綜合特征參數(或性能綜合指數),反映出皮帶系統性能的好壞程度。

8.運行數據大屏展示。采用綜合大屏展示技術,對自動化子系統運行的狀態和動畫進行可視化,并對各類監控數據、KPI指標、關鍵參數、報警數量、預警數量、故障統計值以可視化形式進行展示和提醒,對不同的狀態進行不同顏色的渲染。

未找到相應參數組,請于后臺屬性模板中添加
色五月丁香六月欧美综合,欧美疯狂XXXXBBBB牲交,二次元裸体无奶罩自慰,japanese护士高潮
<蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>