本发明涉及设备控制，具体为一种基于大数据的智能化管理系统及方法。
背景技术：
1、随着现代工业的发展，机械设备在生产过程中扮演着重要的角色。然而，由于机械设备的长时间运行和高负荷工作，内部零件温度的升高可能导致机械设备的过热、损坏甚至停机，给生产带来严重影响。因此，对机械设备内零件的温度进行预测和异常处理具有重要意义。
2、现阶段，针对零件异常温度所带来的设备故障问题主要通过定期维护和故障修复来解决。定期维护是指每隔一段时间由人工对机械设备进行一次检修维护，人工凭借维修经验判断机械设备内各零件是否存在明显故障，是否需要更换。这种方法过于依赖人工的经验和直觉，在面对一些只有在运行过程中才会产生的问题，人工往往很难快速定位到问题零件，造成问题忽视。故障修复是指在机械设备运行过程中进行故障监测，当监测到故障发生时则通知人工对故障零件进行维修。这种方法虽然能够快速发现并解决问题，但是在故障发生时以及后续的维修行为就已经对生产进度造成了影响，甚至若维修不及时还会进一步导致机械设备内其他零件的损坏。以上两种方法虽然在一定层面上能够解决零件异常温度所带来的设备故障问题，但是由于方案自身的局限性，不能更加精准的定位到故障零件，也不能提前预测各零件的故障发生概率，无法做到针对性的避免措施。所以，现阶段需要一种更加高效的机械设备故障预测方案来解决上述问题。
技术实现思路
1、本发明的目的在于提供一种基于大数据的智能化管理系统及方法，以解决上述背景技术中提出的问题。
2、为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的智能化管理方法，该方法包括以下步骤：
3、s1、采集生产区域内各设备不同零件的温度，以及每个零件的参数记录；
4、s2、根据参数记录计算各零件的限定温度和限定时长；
5、s3、分析生产任务中各零件的调用时长，预测各零件最终达到的温度；
6、s4、筛选出预测温度大于限定温度的零件，重新选择其他控制策略。
7、在s1中，温度是指零件在被调用期间的温度值，当零件被调用时，与零件接触的温度传感器自动收集温度信息。参数记录包括调用记录、温度记录和维修记录。调用记录是指零件被调用的开始时间和结束时间，温度记录是指零件在调用开始时间到调用结束时间内的温度变化值，维修记录是指零件维修时间。
8、零件被调用是指当设备运行时，设备激活自身部分零件协同完成工作，被激活零件作为调用零件，记录调用开始时间。当设备调整工作状态不再需要之前激活的零件协同工作时，之前被激活的零件停止工作，记录调用结束时间。
9、在s2中，具体步骤如下：
10、s201、分析每个零件的维修记录，计算每次维修时间距离上一次维修时间的时长，选择最大时长对应的时间段作为最大使用时间段，每个零件对应一个最大使用时间段。
11、s202、获取每个零件在对应最大使用时间段中的所有调用记录，以及每条调用记录下调用开始时间和调用结束时间的温度记录，计算每条调用记录的工作温度和工作时长，计算步骤如下：
12、s202-1、将调用记录中调用开始时间到调用结束时间作为调用时间段，调用时间段均匀划分为n个时间段，在温度记录中分别检索每个时间段开始时间和结束时间的温度，将开始时间与结束时间的温度差值除以对应时间段的时长得到温度变化速度。
13、s202-2、标记温度变化速度小于温度变化速度阈值所对应的时间段，将所有标记时间段开始时间的温度和结束时间的温度求和后计算平均值得到工作温度。
14、s202-3、将每个时间段开始时间的温度和结束时间的温度求取平均值后得到平均温度，筛选出平均温度大于工作温度的时间段，判断这些时间段的温度变化速度是否大于温度变化速度阈值，结果为是，则将大于温度变化速度阈值的时间段按照时间段开始时间的时间先后顺序进行排序，将排名第一时间段的开始时间减去对应调用时间段的调用开始时间得到工作时长；结果为否，则将这些平均温度大于工作温度的时间段按照时间段开始时间的时间先后顺序进行排序，将排名第一时间段的开始时间减去对应调用时间段的调用开始时间得到工作时长。
15、s203、所有调用记录的工作温度求和并计算平均值后得到限定温度；所有调用记录的工作时长求和并计算平均值后得到限定时长；每个零件对应一个限定温度和一个限定时长。
16、在s3中，具体步骤如下：
17、s301、获取每个零件的所有调用记录，对每条调用记录逐个分析，以调用记录中调用开始时间作为起始时间，当调用开始时间与调用结束时间差值小于或等于对应限定时长，则将调用结束时间作为结束时间；当调用开始时间与调用结束时间差值大于对应限定时长，则将调用开始时间加上对应限定时长作为结束时间。
18、s302、将每条调用记录的起始时间到结束时间内的温度与时间进行关联，得到关联数据，同一个零件下所有调用记录下的关联数据进行拟合，得到温度关系公式，每个零件对应一个温度关系公式。
19、s303、对生产任务中各步骤需要用到的设备进行分析，得到需要调用的设备以及设备下各零件的调用时长，将调用时长带入零件对应的温度关系公式中，计算每个零件的增幅温度；公式如下：
20、wzf＝a×logft+1
21、式中，wzf为增幅温度，单位为℃，a为温度影响系数，f为大于1的常数，t为调用时长，单位为min，将增幅温度加上室温得到预测温度。
22、在s4中，具体步骤如下：
23、s401、筛选出预测温度大于限定温度的零件进行标记，判断每个标记零件对应设备是否可以在不影响生产进度的同时避开标记零件完成任务，结果为是，则调整对应设备的工作状态使之避开标记零件，新工作状态下涉及的零件不存在预测温度大于限定温度的情况；结果为否，则进入下一步骤。
24、s402、判断标记零件对应设备是否可以在不影响生产进度的同时拆分任务分时进行，结果为是，则拆分对应设备的工作任务使之分时完成，拆分后的工作任务对应预测温度都不大于零件对应的限定温度，且工作任务之间留有足够冷却至室温的时长；结果为否，则进入下一步骤。
25、s403、判断标记零件对应设备是否可以在不影响生产进度的同时替换为其他同类设备，结果为是，则将对应设备的工作任务交由其他同类设备完成，其他同类设备所涉及零件的预测温度都不大于对应的限定温度；结果为否，则进入下一步骤。
26、s404、提高标记零件对应的预测温度，直到满足步骤s401-s403中任意一个条件，使生产任务能够顺利执行。
27、s405、生产任务执行完成后，将所有被调用零件的调用记录、维修记录和温度记录存入参数记录中，为后续提供数据支持。
28、一种基于大数据的智能化管理系统，该系统包括数据采集模块、数据处理模块、生产分析模块和设备控制模块。
29、数据采集模块用于采集生产区域内各设备不同零件的温度，以及每个零件的参数记录。数据处理模块对参数记录进行分析，计算每个零件的限定温度和限定时长。生产分析模块拆解生产任务中每一步骤需要调用的设备以及零件，预估各零件的调用时长并计算预测温度。设备控制模块对预测温度大于限定温度的零件进行标记，根据实际情况为标记零件选择合适的控制策略。
30、数据采集模块包括调用记录采集单元、温度记录采集单元和历史记录采集单元。
31、调用记录采集单元用于采集被调用零件的时间信息，时间信息包括调用开始时间和调用结束时间。
32、温度记录采集单元用于采集被调用零件在调用开始时间到调用结束时间内的温度变化值，通过与零件接触的温度传感器自动收集温度信息。
33、历史记录采集单元用于采集每个零件的历史参数记录，参数记录包括调用记录、温度记录和维修记录，维修记录是指零件的维修时间。
34、数据处理模块包括限定温度计算单元和限定时长计算单元。
35、限定温度计算单元用于计算每个零件的限定温度。首先，计算每个零件下相邻维修时间的时长，获取时长最大的两个维修时间内所有调用记录。其次，将每条调用记录中调用开始时间到调用结束时间作为调用时间段并划分为n个时间段，计算每个时间段的温度变化速度，获取所有温度变化速度小于温度变化速度阈值所对应的时间段，将这些时间段开始时间的温度和结束时间的温度求取平均值后得到工作温度。最后，同一个零件下所有调用记录的工作温度求平均值后得到限定温度。
36、n的取值参考各零件的导热性能。调用时间段的时长一致时，导热性能好的零件在运行时温度上升速度快，n取值大；导热性能差的零件在运行时温度上升速度慢，n取值小。
37、零件的温度与磨损速度和老化速度息息相关，不同温度下的磨损速度和老化速度不同，三者呈正比关系。在高温情况下，零件磨损速度和老化速度会加快，但零件工作效率反而会降低。
38、限定温度是指零件工作的最佳温度，最佳温度是指刚好能够满足零件正常工作，不会由于温度过高带来较大的磨损速度和老化速度，也不会降低工作效率。
39、限定时长计算单元用于计算每个零件的限定时长。
40、首先，计算每个零件下相邻维修时间的间隔时长，获取间隔时长最大的两个维修时间内所有调用记录。
41、选择间隔时长最大的两个维修时间内的调用记录能够更好获取零件的最佳温度。
42、其次，将每条调用记录中调用开始时间到调用结束时间作为调用时间段并划分为n个时间段，计算每个时间段的温度变化速度，获取所有温度变化速度小于温度变化速度阈值所对应的时间段，将这些时间段开始时间的温度和结束时间的温度求取平均值后得到工作温度。
43、然后，将每个时间段开始时间的温度和结束时间的温度求取平均值后得到平均温度，筛选出平均温度大于工作温度的时间段，判断这些时间段的温度变化速度是否大于温度变化速度阈值，结果为是，则将大于温度变化速度阈值的时间段按照时间先后顺序进行排序，将排名第一时间段的开始时间减去对应调用时间段的调用开始时间得到工作时长；结果为否，则将这些平均温度大于工作温度的时间段按照时间先后顺序进行排序，将排名第一时间段的开始时间减去对应调用时间段的调用开始时间得到工作时长。
44、零件在工作过程中，温度先是快速由室温上升至一个稳定值后，由于散热设备等多方面影响，一段时间内会在一个稳定温度区间内上下浮动。但随着工作时间的延长，散热设备性能的下降以及其他零件的热传导现象导致热量快速积累，温度又会逐渐上升。
45、工作时长是指温度从开始上升的时间到稳定一段时间后再次上升的时间之间的间隔时长，这段间隔时长内，温度通常小于或等于限定温度。
46、最后，同一个零件下所有调用记录的工作时长求平均值后得到限定时长。
47、生产分析模块包括生产任务拆分单元和运行状态预测单元。
48、生产任务拆分单元用于分析各零件的调用时长。当系统接收到生产任务时，对生产任务中各步骤需要用到的设备进行分析，得到需要调用的设备以及设备下各零件的调用时长。
49、运行状态预测单元用于预测被调用零件的状态。首先，获取每个被调用零件的历史参数记录中所有调用记录，以每条调用记录中调用开始时间作为起始时间，当调用开始时间与调用结束时间差值小于或等于对应限定时长，则将调用结束时间作为结束时间；当调用开始时间与调用结束时间差值大于对应限定时长，则将调用开始时间加上对应限定时长作为结束时间。其次，将每条调用记录的起始时间到结束时间内的温度与时间进行关联后得到关联数据，同一个零件下所有调用记录下的关联数据进行拟合，得到温度关系公式。最后，将调用时长带入零件对应的温度关系公式中，计算每个零件的预测温度，当零件预测温度大于限定温度时则为异常状态。
50、设备控制模块用于针对异常状态的零件选择合适的控制策略。
51、当异常状态零件对应设备可以在不影响生产进度的同时避开异常状态零件完成任务时，则调整对应设备的工作状态使之避开异常状态零件，新工作状态下涉及的零件不存在预测温度大于限定温度的情况。
52、机械设备通常存在冗余设计，在合适场景中利用这种冗余设计避开异常状态零件能够减少零件出现温度超限情况。
53、当异常状态零件对应设备可以在不影响生产进度的同时拆分任务分时进行时，则拆分对应设备的工作任务使之分时完成，拆分后的工作任务对应预测温度都不大于零件对应的限定温度，且工作任务之间留有足够冷却至室温的时长。
54、步骤顺序要求不严格的生产任务过程中，适当调整任务执行步骤，停一段时间等零件冷却后再继续执行同一个任务能够减少零件出现温度超限情况。
55、当异常状态零件对应设备可以在不影响生产进度的同时替换为其他同类设备时，则将对应设备的工作任务交由其他同类设备完成，其他同类设备所涉及零件的预测温度都不大于对应的限定温度。
56、存在其他替补设备时，利用同类替补设备代替执行生产任务，能够减少零件出现温度超限情况。
57、当上述条件都无法满足时，则提高异常状态零件对应的预测温度，直到满足上述任意一个条件，使生产任务能够顺利执行。
58、通过不断降低或提高预测温度取值，寻找合适的预测温度，增加维修间隔时长，提高零件的使用寿命。
59、与现有技术相比，本发明所达到的有益效果是：
60、1、限定温度适应化设定：本技术通过对每台设备不同零件的维修记录单独进行分析，选择维修时间间隔最长时间段内的调用记录作为限定温度参考依据，提高限定温度的精准程度，针对不同环境下的零件设定不同的限定温度也能够更好的适应实际情况，在后续的控制策略中也会不断调整限定温度，提高零件的维修时间间隔时长。
61、2、故障精准预测：本技术对零件异常温度所带来的设备故障采用了预测的方式，通过对生产任务中各步骤需要用到的设备进行分析，得到需要调用的设备以及设备下各零件的调用时长，代入温度关系公式中计算各零件的预测温度，提前发现温度超限的零件，针对这些零件重新选择控制策略，降低了由于温度超限加快零件磨损速度和老化速度从而导致的故障风险。
62、3、多样化控制策略：本技术对于预测温度超限的零件提供多种控制策略，采用避开预测温度超限的零件、拆分任务分时完成、同类设备替换等多种方式来解决温度超限零件的问题，提高每个零件的使用寿命。
63、综上所述，本发明相比于传统技术具有限定温度适应化设定、故障精准预测和多样化控制策略的优势，能够提高机械设备故障检测效率。
1.一种基于大数据的智能化管理方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于大数据的智能化管理方法，其特征在于：在s1中，温度是指零件在被调用期间的温度值，当零件被调用时，与零件接触的温度传感器自动收集温度信息；参数记录包括调用记录、温度记录和维修记录；调用记录是指零件被调用的开始时间和结束时间，温度记录是指零件在调用开始时间到调用结束时间内的温度变化值，维修记录是指零件维修时间。
3.根据权利要求2所述的一种基于大数据的智能化管理方法，其特征在于：在s2中，具体步骤如下：
4.根据权利要求3所述的一种基于大数据的智能化管理方法，其特征在于：在s3中，具体步骤如下：
5.根据权利要求4所述的一种基于大数据的智能化管理方法，其特征在于：在s4中，具体步骤如下：
6.一种基于大数据的智能化管理系统，其特征在于：该系统包括数据采集模块、数据处理模块、生产分析模块和设备控制模块；
7.根据权利要求6所述的一种基于大数据的智能化管理系统，其特征在于：数据采集模块包括调用记录采集单元、温度记录采集单元和历史记录采集单元；
8.根据权利要求7所述的一种基于大数据的智能化管理系统，其特征在于：数据处理模块包括限定温度计算单元和限定时长计算单元；
9.根据权利要求8所述的一种基于大数据的智能化管理系统，其特征在于：生产分析模块包括生产任务拆分单元和运行状态预测单元；
10.根据权利要求9所述的一种基于大数据的智能化管理系统，其特征在于：设备控制模块用于针对异常状态的零件选择合适的控制策略；
