一种面向金属包装设备的专家智库系统的管理方法，判断模型判断金属包装设备的实时参数，提取故障信息；故障信息库中查找相对应的故障事实，得出故障结论；故障知识库扫描故障定位结论并判断是否为新故障，是，补充至故障知识库；不是，取出该规则加入已使用规则链表中；规则是否可以作为结论性规则，是，将该规则的结论作为最终结论；判断故障知识库扫描故障定位结论是否结束，若未结束，判断是否还有可以匹配成功的规则，若没有，操作人员是否有可补充的新的故障事实，若是，则输入所要补充的新的故障事实；若不是，则结束故障判断。本发明提出一种面向金属包装设备的专家智库系统的管理方法，使操作人员能够快速高效的解决金属包装设备的故障。
1.一种面向金属包装设备的专家智库系统的管理方法，其特征在于：包括对金属包装设备进行故障判断的过程，具体步骤如下：步骤一：智能网关采集金属包装设备的实时参数，并发送至云端；
步骤二：通过判断模型判断金属包装设备的实时参数，提取故障信息；
步骤三：根据所提取的故障信息在故障信息库中查找相对应的故障事实，根据故障事实得出故障结论；
步骤四：故障知识库扫描故障定位结论并判断是否为新故障，若是，则将该故障定位结论以规则的形式补充至故障知识库；若不是，则从故障知识库中取出该故障定位结论的规则，并将它加入已使用规则链表中；
步骤五：判断步骤四中所取出的该故障定位结论的规则是否可以作为结论性规则，若是，则将该规则的结论作为最终结论；若不是则转至步骤六；
步骤六：判断故障知识库扫描故障定位结论是否结束，若已结束，则处理下一条故障信息并转至步骤二；若未结束，则故障知识库继续判断故障定位结论是否还有可以匹配成功的规则，若还有匹配成功的规则，则转至步骤二；若没有匹配成功的规则，转至步骤七；
步骤七：操作人员是否有可补充的新的故障事实，若是，则输入所要补充的新的故障事实并转至步骤二；若不是，则结束故障判断。
2.根据权利要求1所述一种面向金属包装设备的专家智库系统的管理方法，其特征在于：在步骤一中，智能网关采集金属包装设备的实时参数，并发送至云端具体包括：采集金属包装设备运行时的工控数据，依据工控数据判断金属包装设备的运行状况，根据运行状况判断是否采集金属包装设备的全面数据，将金属包装设备的全面数据上传至云端，云端接收全面数据并进行处理；
金属包装设备的全面数据包括产线状态数据、产线故障码和产线传感器数据。
3.根据权利要求2所述一种面向金属包装设备的专家智库系统的管理方法，其特征在于：产线状态数据包括但不限于产线上金属包装设备的生产状态数据和运行状态数据。
4.根据权利要求2所述一种面向金属包装设备的专家智库系统的管理方法，其特征在于：产线故障码包括但不限于产线控制设备的故障代码和系统状态故障代码。
5.根据权利要求2所述一种面向金属包装设备的专家智库系统的管理方法，其特征在于：产线传感器数据包括但不限于金属包装设备的开关量数据和模拟量数据。
6.根据权利要求2所述一种面向金属包装设备的专家智库系统的管理方法，其特征在于：云端接收全面数据并进行处理包括部件特征信息提取、故障逻辑判断、部件健康监测与趋势分析、故障信息与维护信息存储和故障原因深度分析；
部件特征信息提取包括在金属包装设备的全面数据中，提取出金属包装设备特定部件工作状态的特征信息，并转化为产线质量变化。
7.根据权利要求6所述一种面向金属包装设备的专家智库系统的管理方法，其特征在于：故障逻辑判断包括解读故障代码并对故障代码进行逻辑判断和故障定位，基于概率统计对故障进行分析，根据故障分析结果给出解决方案。
8.根据权利要求6所述一种面向金属包装设备的专家智库系统的管理方法，其特征在于：部件健康监测与趋势分析包括提取金属包装设备的关键部件的特征信息，根据机械故障诊断理论建立机器学习模型，使用二分类逻辑回归算法计算关键部件的健康度并进行趋势分析。
9.根据权利要求6所述一种面向金属包装设备的专家智库系统的管理方法，其特征在于：故障信息与维护信息存储包括将故障信息和维护信息存储在云端，包括但不限于故障具体内容、原因、处理结果，关键部件发生故障时的特征值数据、健康度及设备连续运行时间、运行速度和参数设置。
10.根据权利要求6所述一种面向金属包装设备的专家智库系统的管理方法，其特征在于：故障原因深度分析包括：云端存储故障信息和维护信息后，利用统计分析实现对设备故障的关联分析，查找故障发生的深层次原因，将故障发生的深层次原因进行存储。
一种面向金属包装设备的专家智库系统的管理方法
技术领域
[0001] 本发明涉及金属包装技术领域，尤其涉及一种面向金属包装设备的专家智库系统的管理方法。
背景技术
[0002] 金属包装行业已经实现高自动化、全天候不间断生产的态势，在大大减少生产人员需求的同时，也对管理维护人员的专业素质做出了很高要求。但是在传统的金属包装行业的设备维护中，仍然存在以下问题：
[0003] 1、传统设备的可视化程度低，对于不在现场的管理人员无法快速获取到生产线上的实时信息；
[0004] 2、由于很多金属包装设备往往是进口设备，在出现故障的时候通常显示的是外文，而且没有故障处理方法，操作人员在碰到故障的时候，没有一个正确的故障处理指引；
[0005] 3、设备的故障历史数据是分析设备的运行情况的重要支撑，但是大部分的设备故障历史数据并没有很好地被保存。
发明内容
[0006] 本发明的目的在于针对背景技术中的缺陷，提出一种面向金属包装设备的专家智库系统的管理方法，以解决背景技术中的问题。
[0007] 为达此目的，本发明采用以下技术方案：
[0008] 一种面向金属包装设备的专家智库系统的管理方法，包括对金属包装设备进行故障判断的过程，具体步骤如下：
[0009] 步骤一：智能网关采集金属包装设备的实时参数，并发送至云端；
[0010] 步骤二：通过判断模型判断金属包装设备的实时参数，提取故障信息；
[0011] 步骤三：根据所提取的故障信息在故障信息库中查找相对应的故障事实，根据故障事实得出故障结论；
[0012] 步骤四：故障知识库扫描故障定位结论并判断是否为新故障，若是，则将该故障定位结论以规则的形式补充至故障知识库；若不是，则从故障知识库中取出该故障定位结论的规则，并将它加入已使用规则链表中；
[0013] 步骤五：判断步骤四中所取出的该故障定位结论的规则是否可以作为结论性规则，若是，则将该规则的结论作为最终结论；若不是则转至步骤六；
[0014] 步骤六：判断故障知识库扫描故障定位结论是否结束，若已结束，则处理下一条故障信息并转至步骤二；若未结束，则故障知识库继续判断故障定位结论是否还有可以匹配成功的规则，若还有匹配成功的规则，则转至步骤二；若没有匹配成功的规则，转至步骤七；
[0015] 步骤七：操作人员是否有可补充的新的故障事实，若是，则输入所要补充的新的故障事实并转至步骤二；若不是，则结束故障判断。
[0016] 优选的，在步骤一中，智能网关采集金属包装设备的实时参数，并发送至云端具体包括：
[0017] 采集金属包装设备运行时的工控数据，依据工控数据判断金属包装设备的运行状况，根据运行状况判断是否采集金属包装设备的全面数据，将金属包装设备的全面数据上传至云端，云端接收全面数据并进行处理；
[0018] 金属包装设备的全面数据包括产线状态数据、产线故障码和产线传感器数据。
[0019] 优选的，产线状态数据包括但不限于产线上金属包装设备的生产状态数据和运行状态数据。
[0020] 优选的，产线故障码包括但不限于产线控制设备的故障代码和系统状态故障代码。
[0021] 优选的，产线传感器数据包括但不限于金属包装设备的开关量数据和模拟量数据。
[0022] 优选的，云端接收全面数据并进行处理包括部件特征信息提取、故障逻辑判断、部件健康监测与趋势分析、故障信息与维护信息存储和故障原因深度分析；
[0023] 部件特征信息提取包括在金属包装设备的全面数据中，提取出金属包装设备特定部件工作状态的特征信息，并转化为产线质量变化。
[0024] 优选的，故障逻辑判断包括解读故障代码并对故障代码进行逻辑判断和故障定位，基于概率统计对故障进行分析，根据故障分析结果给出解决方案。
[0025] 优选的，部件健康监测与趋势分析包括提取金属包装设备的关键部件的特征信息，根据机械故障诊断理论建立机器学习模型，使用二分类逻辑回归算法计算关键部件的健康度并进行趋势分析。
[0026] 优选的，故障信息与维护信息存储包括将故障信息和维护信息存储在云端，包括但不限于故障具体内容、原因、处理结果，关键部件发生故障时的特征值数据、健康度及设备连续运行时间、运行速度和参数设置。
[0027] 优选的，故障原因深度分析包括：云端存储故障信息和维护信息后，利用统计分析实现对设备故障的关联分析，查找故障发生的深层次原因，将故障发生的深层次原因进行存储。
[0028] 有益效果：
[0029] 1、通过智能网关实时采集生产线的数据，用户只需通过客户端即可对金属包装设备进行实时监控和管理；
[0030] 2、管理和维护人员可以及时获取到设备的故障内容、故障等级和故障原因等重要信息，并未现场操作人员如何进行故障处理提供准确的，重要的知道建议，大大减少现场操作人员决策时间和降低决策错误的几率；
[0031] 3、对设备故障历史数据进行自动保存，利用统计算法实现对故障的统计及故障根源分析，实现故障的准确诊断和预测。
附图说明
[0032] 图1是本发明的金属包装设备进行故障判断流程图；
[0033] 图2是本发明的金属包装设备产线状态故障分析框架图。
具体实施方式
[0034] 下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
[0035] 本实施例中的方位均以说明书附图为准。
[0036] 本实施例的一种面向金属包装设备的专家智库系统的管理方法，如图1所示，包括对金属包装设备进行故障判断的过程，具体步骤如下：
[0037] 步骤一：智能网关采集金属包装设备的实时参数，并发送至云端；
[0038] 步骤二：通过判断模型判断金属包装设备的实时参数，提取故障信息；
[0039] 步骤三：根据所提取的故障信息在故障信息库中查找相对应的故障事实，根据故障事实得出故障结论；
[0040] 步骤四：故障知识库扫描故障定位结论并判断是否为新故障，若是，则将该故障定位结论以规则的形式补充至故障知识库；若不是，则从故障知识库中取出该故障定位结论的规则，并将它加入已使用规则链表中；
[0041] 步骤五：判断步骤四中所取出的该故障定位结论的规则是否可以作为结论性规则，若是，则将该规则的结论作为最终结论；若不是则转至步骤六；
[0042] 步骤六：判断故障知识库扫描故障定位结论是否结束，若已结束，则处理下一条故障信息并转至步骤二；若未结束，则故障知识库继续判断故障定位结论是否还有可以匹配成功的规则，若还有匹配成功的规则，则转至步骤二；若没有匹配成功的规则，转至步骤七；
[0043] 步骤七：操作人员是否有可补充的新的故障事实，若是，则输入所要补充的新的故障事实并转至步骤二；若不是，则结束故障判断。
[0044] 金属包装设备在工作过程中有很多控制参数和状态参数，这些控制参数和状态参数能够反应金属包装设备的工作状态，通过智能网关收集这些参数传送至云端，在云端进行故障分析，并且通过建立故障数据库查找金属包装设备的故障事实，根据故障事实实现对金属包装设备的准确定位，方便操作人员在第一时间内查找到故障，并针对性进行处理。
[0045] 优选的，在步骤一中，智能网关采集金属包装设备的实时参数，并发送至云端具体包括：
[0046] 采集金属包装设备运行时的工控数据，依据工控数据判断金属包装设备的运行状况，根据运行状况判断是否采集金属包装设备的全面数据，将金属包装设备的全面数据上传至云端，云端接收全面数据并进行处理；
[0047] 为了适应不同的金属包装设备的实际情况，智能网关在数据采集端能够支持modbus、RS-232/485、Ethernet、profibus多种通信协议，但不限于上述通信协议，在数据上传至云端的过程中，同时也支持MQTT、UDP、Modbus-TCP/MAC 多种通信协议，但是不限于上述通信协议，使得智能网关具有通用性，能够满足大部分金属包装设备的通信要求。
[0048] 如图2所示，金属包装设备的全面数据包括产线状态数据、产线故障码和产线传感器数据。
[0049] 优选的，产线状态数据包括但不限于产线上金属包装设备的生产状态数据和运行状态数据。
[0050] 优选的，产线故障码包括但不限于产线控制设备的故障代码和系统状态故障代码。
[0051] 产线故障代码通常代表着金属包装设备的外文原始故障信息解释，但是这对操作人员来说，解读外文原始故障信息要求过高，因此针对外文原始故障信息，以产线故障代码作为指引翻译成中文故障信息，方便不懂外文的操作人员解读故障信息。
[0052] 优选的，产线传感器数据包括但不限于金属包装设备的开关量数据和模拟量数据。
[0053] 优选的，云端接收全面数据并进行处理包括部件特征信息提取、故障逻辑判断、部件健康监测与趋势分析、故障信息与维护信息存储和故障原因深度分析；
[0054] 部件特征信息提取包括在金属包装设备的全面数据中，提取出金属包装设备特定部件工作状态的特征信息，并转化为产线质量变化。
[0055] 在金属包装设备的全面数据中，可以提取出某些部件工作状态的特征信息，然后这些信息可以用来表示包装产线质量的变化，如金属包装设备冲杯机的出杯通道出杯时间，通过统计分析方法实现对出杯时间的准确监测，可以预测出出杯质量的好坏以及出杯通道的故障。
[0056] 优选的，故障逻辑判断包括解读故障代码并对故障代码进行逻辑判断和故障定位，基于概率统计对故障进行分析，根据故障分析结果给出解决方案。
[0057] 金属包装设备出现故障时，会生成一系列的故障代码，云端会将这些故障代码进行解读与逻辑判断，准确对故障进行分析。分析的基础是基于概率统计。如冲杯机常出现出口卡杯的故障，其故障代码为9023，造成该故障的原因有两个，一个是出杯通道不通畅，另一个脱杯气压不足，上述两个原因所占的概率在不同的情况下存在着区别，当脱杯气压不足时，此时也会有脱杯气压不足的故障，其故障代码为9029，出口卡杯的有90％以上概率是由于脱杯压力不足造成的；当脱杯气压充足时，出口卡杯有70％的概率是由于出杯通道不通畅造成的，上述概率均为多次故障实验总结结果。
[0058] 并且在确定故障原因后，会根据故障原因给出相应的故障处理步骤，如上述的冲杯机确定是出杯通道不畅通，给出的相应处理步骤是：
[0059] 停机、打开出杯通道口处门、检查出杯通道情况，观察有无堵塞物，如有堵塞物，用气枪吹走并涂刷润滑油、关闭出杯通道口出门、开机检验；
[0060] 根据故障原因给出相应的解决操作，降低对操作人员的要求，操作人员只需按照提示即可完成操作；而针对严重的故障，操作人员无法解决的，需要专业维修人员进行维修的，会给出针对性的专业建议供维修人员参考。
[0061] 优选的，部件健康监测与趋势分析包括提取金属包装设备的关键部件的特征信息，根据机械故障诊断理论建立机器学习模型，使用二分类逻辑回归算法计算关键部件的健康度并进行趋势分析。
[0062] 通过提取设备关键部件的特征信息，根据传统的机械故障诊断理论并建立机器学习模型，使用二分类逻辑回归算法计算部件的健康度并进行趋势分析。例如，冲杯机主驱动轴承是关键是冲杯机的关键部件，通过外接振动传感器获取的振动信号，结合冲杯机的运行速度、运行时间、冲击次数等PLC的内部数据，对主驱动轴承的健康度和趋势进行分析。
[0063] 优选的，故障信息与维护信息存储包括将故障信息和维护信息存储在云端，包括但不限于故障具体内容、原因、处理结果，关键部件发生故障时的特征值数据、健康度及设备连续运行时间、运行速度和参数设置。
[0064] 将生成的故障信息以及产线维护信息存储在云端，储存的故障信息不仅包括故障具体内容、原因、处理结果，还有各关键部件的发生故障时特征值数据、健康度以及设备连续运行时间、运行速度、参数设置等。以上数据均会自动存储，无需用户手动录入，并且储存的故障信息更为全面，为往后深度故障原因分析提供坚实的数据支撑。
[0065] 优选的，故障原因深度分析包括：云端存储故障信息和维护信息后，利用统计分析实现对设备故障的关联分析，查找故障发生的深层次原因，将故障发生的深层次原因进行存储。
[0066] 在自动存储故障信息后，利用统计分析方法实现对设备故障的关联分析，通过相关故障的相关分析，查找故障发生的深层次原因，将故障原因输入故障逻辑判断模块，方便后续故障的准确定位，节省维护人员的维护时间。
[0067] 用户可以通过网页或手机app等方式实现对金属包装产线的实时监测，当发生故障时候，故障消息通过短信或者网页上告警显示推送给生产人员以及维修人员，不用生产人员和维修人员进行巡视检查，降低了生产人员和维护人员的工作强度。
[0068] 以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。
