[發(fā)明專利]一種基于工業(yè)互聯(lián)網(wǎng)的企業(yè)資產管理智能決策系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110909428.8
• 申請日: 2021-08-09
• 公開（公告）號: CN113627784A
• 公開（公告）日: 2021-11-09
• 發(fā)明（設計）人: 王飛;陳之泳;許立峰
• 申請（專利權）人: 浙江天能優(yōu)品網(wǎng)絡科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/10;G06Q30/02;G06Q50/06;G06N20/00;G06K9/62
• 代理公司: 合肥洪雷知識產權代理事務所(普通合伙) 34164
• 代理人: 郎海云

1.一種基于工業(yè)互聯(lián)網(wǎng)的企業(yè)資產管理智能決策系統(tǒng)，包括部署在本地的數(shù)據(jù)資源管理系統(tǒng)、基于云端機器學習的智能決策系統(tǒng)和智能設備管理平臺，其特征在于：

所述數(shù)據(jù)資源管理系統(tǒng)包括：用于對企業(yè)數(shù)據(jù)進行可視化分析的企業(yè)經(jīng)營駕駛艙模塊；用于對企業(yè)生產過程進行優(yōu)化的智能排產排程模塊；用于對企業(yè)生產設備進行健康監(jiān)控的設備故障預警模塊；用于對企業(yè)的生產銷售數(shù)據(jù)進行分析的渠道消費洞察模塊；用于對企業(yè)產能銷量進行智能預測的產品銷量預測模塊；用于對企業(yè)產品模型智能算法進行選擇的智能模型引擎模塊；

所述智能決策系統(tǒng)，用于向預先訓練的算法模型導入企業(yè)數(shù)據(jù)，并根據(jù)企業(yè)數(shù)據(jù)信息輸出故障決策方案；

所述智能設備管理平臺包括資產管理、運維管理和故障診斷；

所述算法模型的訓練流程如下：

步驟S1：獲取企業(yè)數(shù)據(jù)、設備數(shù)據(jù)及方案數(shù)據(jù)；

步驟S2：對企業(yè)數(shù)據(jù)、設備數(shù)據(jù)和方案數(shù)據(jù)進行預處理，分別提取企業(yè)標簽、設備標簽和方案標簽；

步驟S3：定義匹配規(guī)則，并對設備標簽賦予權重值；

步驟S4：基于匹配規(guī)則和權重值，建立設備匹配分析模型并計算匹配結果；

步驟S5：針對設備數(shù)據(jù)，定義各項指標的初始權重，并獲得初始權重下的方案分數(shù)；

步驟S6：建立DEA-WEI模型反映各方案的最大期望；

步驟S7：利用極小極大方法優(yōu)化權重，并計算最終方案分數(shù)。

2.根據(jù)權利要求1所述的一種基于工業(yè)互聯(lián)網(wǎng)的企業(yè)資產管理智能決策系統(tǒng)，其特征在于，所述數(shù)據(jù)資源管理系統(tǒng)還設置有可視化模塊，用于實現(xiàn)智能BI、3D模型預覽，便于企業(yè)管理人員實時在線查看企業(yè)可視化數(shù)據(jù)。

3.根據(jù)權利要求1所述的一種基于工業(yè)互聯(lián)網(wǎng)的企業(yè)資產管理智能決策系統(tǒng)，其特征在于，所述步驟S4中，設備匹配分析模型包括Additive MAVF模型、有效標簽匹配度模型以及故障推理模型；所述Additive MAVF模型具體為：

4.根據(jù)權利要求1所述的一種基于工業(yè)互聯(lián)網(wǎng)的企業(yè)資產管理智能決策系統(tǒng)，其特征在于，所述資產管理包括設備臺賬模塊、編碼管理模塊、文檔管理模塊、知識管理模塊和培訓管理模塊；所述設備臺賬，用于對企業(yè)設備的信息進行存儲管理；所述編碼管理，用于給企業(yè)設備分配的唯一ID進行管理；所述文檔管理模塊，用于對企業(yè)文檔進行管理；所述知識管理模塊，用于對企業(yè)知識進行管理；所述培訓管理模塊，用于對企業(yè)培訓資料進行管理。

5.根據(jù)權利要求1所述的一種基于工業(yè)互聯(lián)網(wǎng)的企業(yè)資產管理智能決策系統(tǒng)，其特征在于，所述運維管理包括保養(yǎng)內容配置模塊、保養(yǎng)任務管理模塊、保養(yǎng)提醒推送模塊、保養(yǎng)工單填報模塊、保養(yǎng)評價確認模塊、故障人工報修模塊、系統(tǒng)智能報修模塊、智能派單模塊、維修工單填報模塊、和維修評價確認模塊。

6.根據(jù)權利要求1所述的一種基于工業(yè)互聯(lián)網(wǎng)的企業(yè)資產管理智能決策系統(tǒng)，其特征在于，所述故障診斷包括故障樹模板管理模塊、故障樹實例管理模塊、元器件管理模塊和智能推薦模塊；所述故障樹模板管理模塊，用于對歷史故障數(shù)據(jù)進行統(tǒng)計分析，并將故障設備制成故障樹進行儲存；所述故障樹能夠比對現(xiàn)有設備的故障數(shù)據(jù)，實時對設備健康程度進行智能監(jiān)控。

7.根據(jù)權利要求5所述的一種基于工業(yè)互聯(lián)網(wǎng)的企業(yè)資產管理智能決策系統(tǒng)，其特征在于，所述故障診斷模塊采用無監(jiān)督的異常檢測模型對設備的歷史數(shù)據(jù)進行建模，得到區(qū)分正常工況于異常工況的邊界閾值，然后對實時數(shù)據(jù)進行檢測為異常或正常，并建立一條故障預警規(guī)則存在至故障樹實例管理模塊。

8.根據(jù)權利要求5所述的一種基于工業(yè)互聯(lián)網(wǎng)的企業(yè)資產管理智能決策系統(tǒng)，其特征在于，所述智能推薦模塊先獲取設備信息以及相關工藝參數(shù)及環(huán)境參數(shù)數(shù)據(jù)，通過合適的回歸算法訓練該數(shù)據(jù)機得到設備的擬合模型，在根據(jù)數(shù)據(jù)的目標信息，將該問題描述為帶約束的最優(yōu)化問題，通過智能優(yōu)化算法進行求解，獲得該工藝的推薦參數(shù)。