[發明專利]一種工廠智能預警系統

在審

• 申請號: 201710322901.6
• 申請日: 2017-05-09
• 公開（公告）號: CN107146027A
• 公開（公告）日: 2017-09-08
• 發明（設計）人: 史建琦;李志輝;黃滟鴻;王祥豐;吳苑斌
• 申請（專利權）人: 華東師范大學;上海豐蕾信息科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F17/30;G06N3/04
• 代理公司: 北京辰權知識產權代理有限公司11619
• 代理人: 董李欣

技術領域

本發明涉及工業控制和機器學習領域，尤其涉及一種基于多元異構數據處理與深度學習技術的工廠智能預警系統。

背景技術

在傳統的制造生產領域，制造系統依賴人的判斷過多，而且此種判斷與特定人員的實際控制管理經驗相關性很大，同時現有的ERP系統無法高效整合制造過程中產生的多源異構數據，以至于生產中的預警不夠智能，高效。例如，中國實用新型專利申請號201220224902.X公開了一種基于ERP系統的機動物資倉儲系統，涉及一種物資管理系統，包括ERP系統，所述的ERP系統通過網絡與多個倉庫的數據管理系統通信連接，數據管理系統包括入庫系統、出庫系統、移庫系統和預警系統；入庫系統掃描入庫貨物上的條碼將貨物信息記錄在數據管理系統中，出庫系統掃描出庫貨物上的條碼將貨物信息記錄在數據管理系統中并對貨物數量進行調整，移庫系統將所要調撥的貨物進行掃描并通過數據管理系統對貨物的數量進行調整，預警系統監控貨物儲備的數量，低于設置值時預警系統發出警報；所述的數據管理系統將采集的數據通過網絡傳至ERP系統。

發明內容

為了克服現有技術中的上述缺陷，同時結合智能制造的大趨勢，本發明提出了一種基于多元異構數據處理與深度學習技術的工廠智能預警系統。本發明構造一個可高速挖掘制造過程中產生的多元異構數據的關系并對生產過程中的潛在失敗做出預測，通過將多元異構數據處理與深度學習技術相結合，實現高效，自主的學習和自主預測判斷，減少制造過程中的失敗，減輕人類管理控制負擔，降低制造成本，提高生產效率。

本發明公開了一種基于多元異構數據處理與深度學習技術的工廠智能預警系統，包括：多元異構數據融合處理模塊，其將制造過程產生的海量多元異構數據進行融合處理，分類，抽樣，輔助進行數據的整理；基于循環神經網絡(RNN)的機器學習模塊，其通過訓練好的神經網絡模型，根據當前產生的數據預測制造過程中可能產生的失敗，系統基于循環積神經網絡，用于提高系統的預測精度，有高度的可擴展性，高并發性，達到高效的機器學習，精準預測的目的；信息預警模塊，用于將機器學習模塊產生的預警信息，精準分發給相關管理人員，達到高效，及時的調整與控制。

本發明提出的基于多元異構數據處理與深度學習技術的工廠智能預警系統中，所述多元異構數據融合處理模塊結合統計學方法技術，對待分析的數據進行融合處理，利用BIRCH算法即平衡迭代削減聚類法，將數據分類，利用典型相關分析(Canonical Correlation Analysis)方法進行相關性分析，分析傳感器數據和可能產生的結果之間的相關性，利用SimHash算法進行非結構數據去重，利用xml技術對數據進行統一的結構化定義，統一采集格式，解析格式，存儲格式，實現數據融合。

本發明提出的基于多元異構數據處理與深度學習技術的工廠智能預警系統中，所述多元異構數據融合處理模塊，自動收集制造過程中產生的海量數據，進行去重，結構化等融合處理，快速提取有用信息。

本發明提出的基于多元異構數據處理與深度學習技術的工廠智能預警系統中，所述基于循環神經網絡的機器學習模塊,利用循環神經網絡，引入長短時記憶(LSTM)單元解決上記憶消失的問題，同時隱含層中的節點之間采取有連接形式，克服數據特征提取困難的缺點，達到特征的高效提取，引入定向循環，所謂定向循環是節點之間的連接結構，處理輸入之間前后關聯的問題。

本發明提出的基于多元異構數據處理與深度學習技術的工廠智能預警系統中，所述基于循環神經網絡的機器學習模塊，利用共軛梯度法訓練分布式神經網絡，每個節點存儲一個模型的備份，在各節點上并行處理數據集的不同部分，并在參數更新時同步模型參數到其他節點，最后組合各個節點的輸出結果，可滿足大規模高并發數據處理的要求。

本發明提出的基于多元異構數據處理與深度學習技術的工廠智能預警系統中，所述基于循環神經網絡的機器學習模塊，針對特征規模可能較小的情況，引入循環神經網絡，將特征進行合理的擴充，同時引入多層隱含層，完善整體神經網絡體系。

本發明提出的基于多元異構數據處理與深度學習技術的工廠智能預警系統中，所述基于循環神經網絡的機器學習模塊，通過對大規模制造過程中產生的數據進行處理，用共軛梯度法訓練所涉及的神經網絡，實現在訓練過程中自動調整完善神經網絡。

本發明提出的基于多元異構數據處理與深度學習技術的工廠智能預警系統中，所述實時信息預警模塊利用預測分析結果，精準分發到相關管理人員；實現對問題及時反應，動態調整控制。