基于大数据的数字工厂设备巡检评估方法、系统和介质与流程

1.本技术涉及大数据及工厂设备维护技术领域，具体而言，涉及基于大数据的数字工厂设备巡检评估方法、系统和介质。


背景技术：

2.数字工厂的设备运行性能巡检是工厂运行监督和质量监管的核心之一，而由于工厂的各类设备的型号种类繁多，且各设备所处的工作运行环境和所属系统运行状况具有差异性，从而导致对设备的性能巡检存在不统一性和多变性，且各类设备由于自身工作属性或使用方式的不同，同类设备的各设备之间也存在性能优劣的差异性，这导致对同类设备的各个单个设备的性能判断和识别也存在评估复杂性和标准的非单一性，因此，导致对数字工厂的各类设备中单个设备的巡检存在评估手段和判断标准的空缺，缺乏可实现对数字工厂各设备根据其性能结合同类别设备性能偏离属性以及环境、工况、系统要素进行有效评估和精准判断其性能状况的技术手段。
3.针对上述问题，目前亟待有效的技术解决方案。


技术实现要素：

4.本技术的目的在于提供基于大数据的数字工厂设备巡检评估方法、系统和介质，可以通过大数据对工厂设备根据运行性能偏差情况结合环境工况和系统状况相关检测系数进行处理获得设备运行的检测指数对设备进行巡检评估，实现通过大数据对设备运行状况进行巡检评估的智能技术。
5.本技术还提供了基于大数据的数字工厂设备巡检评估方法，包括以下步骤：获取数字工厂各型号类别设备中单个设备在预设时间段内的设备运作监测信息和设备运行日志信息，并提取设备运行性能特征数据和设备运行异常日志信息数据；获取所述单个设备所属型号类别设备的预设设备标准运行指标数据，并与所述设备运行性能特征数据进行处理，获得所述单个设备的运行性能偏差度数据，再结合所述设备运行异常日志信息数据进行处理获得性能检测偏离度数据；获取所述预设时间段内与所述单个设备同型号类别设备的性能检测偏离度分布数据，并与所述性能检测偏离度数据进行对比，获得设备群性能差异离散指数；获取所述单个设备在所述预设时间段内的运行环境工况检测数据以及单个设备所在生产运行系统的系统状态监测数据，对运行环境工况检测数据以及系统状态监测数据分别进行处理，获得环况稳定性激励系数和系统稳定性补偿系数；根据所述设备群性能差异离散指数结合所述环况稳定性激励系数和系统稳定性补偿系数对所述性能检测偏离度数据进行修正处理，获得所述单个设备的性能有效运行检测指数；获取所述单个设备所属型号类别设备的预设性能检测阈值，并与所述性能检测偏离度分布数据进行加权修正，获得设备性能检测修正阈值；
根据所述单个设备的性能有效运行检测指数与所属型号类别设备的所述设备性能检测修正阈值进行阈值对比，根据阈值对比结果判断评估各型号类别设备中全部单个设备的运行状况并显示。
6.可选地，在本技术所述的基于大数据的数字工厂设备巡检评估方法中，所述获取数字工厂各型号类别设备中单个设备在预设时间段内的设备运作监测信息和设备运行日志信息，并提取设备运行性能特征数据和设备运行异常日志信息数据，包括：获取数字工厂内各型号类别设备中单个设备在预设时间段内的设备运作监测信息，根据设备运作监测信息提取设备运行性能特征数据，包括运行效率数据、加工残次率数据、运行功耗数据以及运行异常指标量数据；获取所述单个设备在预设时间段内的设备运行日志信息，并提取设备运行异常日志信息数据，包括出现异常提示的运行异常提示频次数以及异常告警级数。
7.可选地，在本技术所述的基于大数据的数字工厂设备巡检评估方法中，所述获取所述单个设备所属型号类别设备的预设设备标准运行指标数据，并与所述设备运行性能特征数据进行处理，获得所述单个设备的运行性能偏差度数据，再结合所述设备运行异常日志信息数据进行处理获得性能检测偏离度数据，包括：通过预设数字工厂设备生产参数数据库获取所述单个设备所属型号类别设备的预设设备标准运行指标数据，包括效率指标数据、残次率指标数据、功耗指标数据以及异常量指标数据；根据所述预设设备标准运行指标数据与所述设备运行性能特征数据进行处理，获得所述单个设备的运行性能偏差度数据；根据所述运行性能偏差度数据结合所述运行异常提示频次数以及异常告警级数进行处理，获得所述单个设备的性能检测偏离度数据；其中，所述性能检测偏离度数据的计算公式为：；其中，为性能检测偏离度数据，为运行性能偏差度数据，为运行异常提示频次数，为第i次异常提示的异常告警级数，n为预设时间段内异常提示次数，、为预设特征系数。
8.可选地，在本技术所述的基于大数据的数字工厂设备巡检评估方法中，所述获取所述预设时间段内与所述单个设备同型号类别设备的性能检测偏离度分布数据，并与所述性能检测偏离度数据进行对比，获得设备群性能差异离散指数，包括：获取所述数字工厂内与所述单个设备同型号类别设备在所述预设时间段内的性能检测偏离度分布数据，包括多个同型号类别设备的性能检测偏离度数据；根据所述多个同型号类别设备的性能检测偏离度数据集合成为性能检测偏离度数据集；根据所述性能检测偏离度数据集与所述单个设备的性能检测偏离度数据进行对比处理，获得所述单个设备的设备群性能差异离散指数；
所述设备群性能差异离散指数的计算公式为：；其中，为设备群性能差异离散指数，为第k个单个设备的性能检测偏离度数据，为第k个单个设备对应的预设特征系数，为单个设备所属型号类别设备的预设性能偏差度修正因子，为性能检测偏离度数据集，m为单个设备同型号类别设备中包含的单个设备个数，为m个单个设备中第j个单个设备的性能检测偏离度数据，为m个单个设备中第j个单个设备的预设特征系数。
9.可选地，在本技术所述的基于大数据的数字工厂设备巡检评估方法中，所述获取所述单个设备在所述预设时间段内的运行环境工况检测数据以及单个设备所在生产运行系统的系统状态监测数据，对运行环境工况检测数据以及系统状态监测数据分别进行处理，获得环况稳定性激励系数和系统稳定性补偿系数，包括：获取所述单个设备在所述预设时间段内的运行环境工况检测数据，包括温湿度环境数据、过载运行监测数据、时寿稳定指数以及预测故障率频数；获取所述单个设备所在生产运行系统在所述预设时间段内的系统状态监测数据，包括系统超负荷运行数据、系统故障率数据以及系统运行总效率数据；对所述运行环境工况检测数据以及所述系统状态监测数据分别进行处理，对应获得环况稳定性激励系数和系统稳定性补偿系数。
10.可选地，在本技术所述的基于大数据的数字工厂设备巡检评估方法中，所述根据所述设备群性能差异离散指数结合所述环况稳定性激励系数和系统稳定性补偿系数对所述性能检测偏离度数据进行修正处理，获得所述单个设备的性能有效运行检测指数，包括：根据所述设备群性能差异离散指数结合所述环况稳定性激励系数和系统稳定性补偿系数对所述单个设备的所述性能检测偏离度数据进行修正处理，获得所述单个设备的性能有效运行检测指数；所述性能有效运行检测指数的修正计算公式为：；其中，为性能有效运行检测指数，为性能检测偏离度数据，为设备群性能差异离散指数，为环况稳定性激励系数，为系统稳定性补偿系数，、、、为预设特征系数。
11.可选地，在本技术所述的基于大数据的数字工厂设备巡检评估方法中，所述获取所述单个设备所属型号类别设备的预设性能检测阈值，并与所述性能检测偏离度分布数据
进行加权修正，获得设备性能检测修正阈值，包括：通过所述预设数字工厂设备生产参数数据库获取所述单个设备所属型号类别设备的预设性能检测阈值；根据所述预设性能检测阈值与所述性能检测偏离度数据集进行加权修正，获得设备性能检测修正阈值；所述设备性能检测修正阈值的修正公式为：；其中，为设备性能检测修正阈值，为性能检测偏离度数据集，m为单个设备个数，为预设性能检测阈值。
12.第二方面，本技术提供了基于大数据的数字工厂设备巡检评估系统，该系统包括：存储器及处理器，所述存储器中包括基于大数据的数字工厂设备巡检评估方法的程序，所述基于大数据的数字工厂设备巡检评估方法的程序被所述处理器执行时实现以下步骤：获取数字工厂各型号类别设备中单个设备在预设时间段内的设备运作监测信息和设备运行日志信息，并提取设备运行性能特征数据和设备运行异常日志信息数据；获取所述单个设备所属型号类别设备的预设设备标准运行指标数据，并与所述设备运行性能特征数据进行处理，获得所述单个设备的运行性能偏差度数据，再结合所述设备运行异常日志信息数据进行处理获得性能检测偏离度数据；获取所述预设时间段内与所述单个设备同型号类别设备的性能检测偏离度分布数据，并与所述性能检测偏离度数据进行对比，获得设备群性能差异离散指数；获取所述单个设备在所述预设时间段内的运行环境工况检测数据以及单个设备所在生产运行系统的系统状态监测数据，对运行环境工况检测数据以及系统状态监测数据分别进行处理，获得环况稳定性激励系数和系统稳定性补偿系数；根据所述设备群性能差异离散指数结合所述环况稳定性激励系数和系统稳定性补偿系数对所述性能检测偏离度数据进行修正处理，获得所述单个设备的性能有效运行检测指数；获取所述单个设备所属型号类别设备的预设性能检测阈值，并与所述性能检测偏离度分布数据进行加权修正，获得设备性能检测修正阈值；根据所述单个设备的性能有效运行检测指数与所属型号类别设备的所述设备性能检测修正阈值进行阈值对比，根据阈值对比结果判断评估各型号类别设备中全部单个设备的运行状况并显示。
13.可选地，在本技术所述的基于大数据的数字工厂设备巡检评估系统中，所述获取数字工厂各型号类别设备中单个设备在预设时间段内的设备运作监测信息和设备运行日志信息，并提取设备运行性能特征数据和设备运行异常日志信息数据，包括：获取数字工厂内各型号类别设备中单个设备在预设时间段内的设备运作监测信息，根据设备运作监测信息提取设备运行性能特征数据，包括运行效率数据、加工残次率数
据、运行功耗数据以及运行异常指标量数据；获取所述单个设备在预设时间段内的设备运行日志信息，并提取设备运行异常日志信息数据，包括出现异常提示的运行异常提示频次数以及异常告警级数。
14.第三方面，本技术还提供了计算机可读存储介质，所述计算机可读存储介质中包括基于大数据的数字工厂设备巡检评估方法程序，所述基于大数据的数字工厂设备巡检评估方法程序被处理器执行时，实现如上述任一项所述的基于大数据的数字工厂设备巡检评估方法的步骤。
15.由上可知，本技术提供的基于大数据的数字工厂设备巡检评估方法、系统和介质，通过获取单个设备的设备运行性能特征数据和设备运行异常日志信息数据并结合设备所属型号类别设备的预设设备标准运行指标数据处理获得性能检测偏离度数据，获取与单个设备同型号类别设备的性能检测偏离度分布数据并对比获得设备群性能差异离散指数，再与通过运行环境工况检测数据和系统状态监测数据处理获得的环况稳定性激励系数和系统稳定性补偿系数进行结合对性能检测偏离度数据处理获得单个设备的性能有效运行检测指数，再与根据预设性能检测阈值与性能检测偏离度分布数据加权修正获得的设备性能检测修正阈值进行阈值对比，根据结果判断评估设备运行状况并显示；从而基于大数据对工厂设备根据运行性能偏差情况结合环境工况和系统状况相关检测系数进行处理获得设备运行的检测指数对设备进行巡检评估，实现通过大数据对设备运行状况进行巡检评估的智能技术。
16.本技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术了解。本技术的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
17.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
18.图1为本技术实施例提供的基于大数据的数字工厂设备巡检评估方法的流程图；图2为本技术实施例提供的基于大数据的数字工厂设备巡检评估方法的获取设备运行性能特征数据和设备运行异常日志信息数据的流程图；图3为本技术实施例提供的基于大数据的数字工厂设备巡检评估方法的获得性能检测偏离度数据的流程图；图4为本技术实施例提供的基于大数据的数字工厂设备巡检评估系统的结构示意图。
具体实施方式
19.下面将结合本技术实施例中附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因
此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
20.应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
21.请参照图1，图1是本技术一些实施例中的基于大数据的数字工厂设备巡检评估方法的流程图。该基于大数据的数字工厂设备巡检评估方法用于终端设备中，例如电脑、手机终端等。该基于大数据的数字工厂设备巡检评估方法，包括以下步骤：s101、获取数字工厂各型号类别设备中单个设备在预设时间段内的设备运作监测信息和设备运行日志信息，并提取设备运行性能特征数据和设备运行异常日志信息数据；s102、获取所述单个设备所属型号类别设备的预设设备标准运行指标数据，并与所述设备运行性能特征数据进行处理，获得所述单个设备的运行性能偏差度数据，再结合所述设备运行异常日志信息数据进行处理获得性能检测偏离度数据；s103、获取所述预设时间段内与所述单个设备同型号类别设备的性能检测偏离度分布数据，并与所述性能检测偏离度数据进行对比，获得设备群性能差异离散指数；s104、获取所述单个设备在所述预设时间段内的运行环境工况检测数据以及单个设备所在生产运行系统的系统状态监测数据，对运行环境工况检测数据以及系统状态监测数据分别进行处理，获得环况稳定性激励系数和系统稳定性补偿系数；s105、根据所述设备群性能差异离散指数结合所述环况稳定性激励系数和系统稳定性补偿系数对所述性能检测偏离度数据进行修正处理，获得所述单个设备的性能有效运行检测指数；s106、获取所述单个设备所属型号类别设备的预设性能检测阈值，并与所述性能检测偏离度分布数据进行加权修正，获得设备性能检测修正阈值；s107、根据所述单个设备的性能有效运行检测指数与所属型号类别设备的所述设备性能检测修正阈值进行阈值对比，根据阈值对比结果判断评估各型号类别设备中全部单个设备的运行状况并显示。
22.需要说明的是，由于数字工厂中各型号类别的设备存在个体设备的性能差异性，且设备运行状况的评估还收到设备运行所处的环境工作状况以及设备所述系统状况的影响和干扰，同时，同型号类别的各个设备由于自身或环境、系统的影响存在不同的性能偏差，使得有的单个设备性能在同型号类别设备性能偏离度共性范围以内，而有的单个设备的性能偏离度超出了同型号类别的设备的偏离度共性范围，即偏离度不在偏离裕度范围内，导致各个独立设备之间也存在性能偏离，因此，为精准识别个体独立设备的性能，将设备所处的工作运行环境和所属系统运行状况以及单个设备与同类设备性能差异度的偏离情况进行考量，通过修正和补偿处理获得单个设备的精确性能检测结果，通过获取各型号类别设备中单个设备的设备运行性能特征数据和设备运行异常日志信息数据并结合设备所属型号类别设备的预设设备标准运行指标数据进行处理获得性能检测偏离度数据，再将单个设备的性能检测偏离度数据与同型号类别设备的性能检测偏离度的偏差分布情况进行对比处理获得单个设备与同型号类别设备群体之间的性能偏差度的离散情况，即设备群
性能差异离散指数，再通过获得的单个设备所在的运行环境工况检测数据和所处系统的系统状态监测数据进行处理获得环况稳定性激励系数和系统稳定性补偿系数，即环境工况对设备性能的稳定性影响系数以及系统运行对设备性能稳定性的影响补偿系数，将两系数结合性能检测偏离度数据对性能检测偏离度数据进行处理获得单个设备的性能有效运行检测指数，再与根据单个设备同型号类别设备的预设性能检测阈值与性能检测偏离度分布数据通过加权修正获得的设备性能检测修正阈值进行阈值对比，根据结果判断评估设备运行状况并显示，若性能有效运行检测指数符合设备性能检测修正阈值的阈值对比要求，则该巡检的单个设备的运行性能状况正常，否则，若不符合阈值对比要求，则说明该巡检的单个设备的运行性能状况异常，对巡检评估的结果进行显示，实现根据大数据对数字工厂设备根据运行性能偏差情况结合环境工况和系统状况相关检测系数进行处理获得设备运行的检测指数对设备进行巡检评估技术。
23.请参照图2，图2是本技术一些实施例中的基于大数据的数字工厂设备巡检评估方法的获取设备运行性能特征数据和设备运行异常日志信息数据的流程图。根据本发明实施例，所述获取数字工厂各型号类别设备中单个设备在预设时间段内的设备运作监测信息和设备运行日志信息，并提取设备运行性能特征数据和设备运行异常日志信息数据，具体为：s201、获取数字工厂内各型号类别设备中单个设备在预设时间段内的设备运作监测信息，根据设备运作监测信息提取设备运行性能特征数据，包括运行效率数据、加工残次率数据、运行功耗数据以及运行异常指标量数据；s202、获取所述单个设备在预设时间段内的设备运行日志信息，并提取设备运行异常日志信息数据，包括出现异常提示的运行异常提示频次数以及异常告警级数。
24.需要说明的是，为获得巡检的各个单个设备的性能偏离度状况，首先需获取数字工厂内各型号类别设备的单个设备在一定预设时间段内的设备运作监测信息和设备运行日志信息，设备运作监测信息是时间段内设备运行过程中监测采集的工作性能相关的信息，再通过该信息提取设备运行性能特征数据，该特征数据是反映设备运行中性能情况的特征数据，其中包括设备的运行效率数据、加工产品校验获得的残次率数据、运行功耗数据以及运行过程中出现的异常指标的数量的相关数据，设备运行日志信息是反映设备在时间段内运行过程中自动记录的异常情况日志，反映设备运行异常告警情况，通过日志信息提取出设备运行异常日志信息数据，包括设备出现异常提示的运行异常提示频次数以及异常告警级数，即通过日志信息提取设备异常提示的频次数以及发生提示所对应的异常告警级数，即设备在不同时间点发出异常提示的整体频率次数和异常告警级数。
25.请参照图3，图3是本技术一些实施例中的基于大数据的数字工厂设备巡检评估方法的获得性能检测偏离度数据的流程图。根据本发明实施例，所述获取所述单个设备所属型号类别设备的预设设备标准运行指标数据，并与所述设备运行性能特征数据进行处理，获得所述单个设备的运行性能偏差度数据，再结合所述设备运行异常日志信息数据进行处理获得性能检测偏离度数据，具体为：s301、通过预设数字工厂设备生产参数数据库获取所述单个设备所属型号类别设备的预设设备标准运行指标数据，包括效率指标数据、残次率指标数据、功耗指标数据以及异常量指标数据；s302、根据所述预设设备标准运行指标数据与所述设备运行性能特征数据进行处
理，获得所述单个设备的运行性能偏差度数据；s303、根据所述运行性能偏差度数据结合所述运行异常提示频次数以及异常告警级数进行处理，获得所述单个设备的性能检测偏离度数据；其中，所述性能检测偏离度数据的计算公式为：；其中，为性能检测偏离度数据，为运行性能偏差度数据，为运行异常提示频次数，为第i次异常提示的异常告警级数，n为预设时间段内异常提示次数，、为预设特征系数。
26.需要说明的是，在获得了单个设备的运行性能特征数据以及运行异常日志信息数据后，为评估单个设备性能的偏差情况，需获取单个设备所属型号类别对应预设的指标数据，再与指标数据进行对照处理，获得反映单个设备性能偏差情况的运行性能偏差度数据，即通过预设数字工厂设备生产参数数据库获取单个设备所属型号类别设备的预设设备标准运行指标数据，包括运行效率指标、加工产品残次率指标、运行功耗指标以及时间段内运行过程出现的异常指标数量的预设指标的相关数据，根据指标数据与性能特征数据进行处理获得单个设备的运行性能偏差度数据，进一步为获得单个设备精准的性能状态偏离情况，根据运行性能偏差度数据结合运行异常提示频次数以及异常告警级数进行处理，获得性能检测偏离度数据，该偏离度数据是反映时间段内单个设备运行过程中性能的偏离程度；其中，所述运行性能偏差度数据的计算公式为：；其中，为运行性能偏差度数据，、、、分别为运行效率数据、加工残次率数据、运行功耗数据、运行异常指标量数据，、、、分别为效率指标数据、残次率指标数据、功耗指标数据、异常量指标数据，为单个设备所属型号类别设备的预设性能偏差度修正因子，、、、为预设特征系数（性能偏差度修正因子和特征系数通过数字工厂设备生产参数数据库获取）。
27.根据本发明实施例，所述获取所述预设时间段内与所述单个设备同型号类别设备的性能检测偏离度分布数据，并与所述性能检测偏离度数据进行对比，获得设备群性能差异离散指数，具体为：获取所述数字工厂内与所述单个设备同型号类别设备在所述预设时间段内的性能检测偏离度分布数据，包括多个同型号类别设备的性能检测偏离度数据；根据所述多个同型号类别设备的性能检测偏离度数据集合成为性能检测偏离度
数据集；根据所述性能检测偏离度数据集与所述单个设备的性能检测偏离度数据进行对比处理，获得所述单个设备的设备群性能差异离散指数；所述设备群性能差异离散指数的计算公式为：；其中，为设备群性能差异离散指数，为第k个单个设备的性能检测偏离度数据，为第k个单个设备对应的预设特征系数，为单个设备所属型号类别设备的预设性能偏差度修正因子，为性能检测偏离度数据集，m为单个设备同型号类别设备中包含的单个设备个数，为m个单个设备中第j个单个设备的性能检测偏离度数据，为m个单个设备中第j个单个设备的预设特征系数。
28.需要说明的是，在获得了反映单个设备的性能偏离度状况的性能检测偏离度数据之后，为识别出同型号类别设备中各单个设备的性能偏离度与同型号类别其他设备的性能偏离度的偏差大小，即单个个体与群体之间的差异度，以识别出超出设备群的偏离度共性的某偏离超标的单个设备，将单个设备的性能检测偏离度数据与同型号类别设备的性能检测偏离度的偏差分布情况进行对比处理，获得单个设备与同型号类别设备群体之间的性能偏差度的离散情况，该性能检测偏离度分布数据包括同型号类别的多个设备的性能检测偏离度数据，体现出多个同型号类别设备的各个性能检测偏离度的分布情况，即设备群中各单个设备之间彼此离散分布的性能检测偏离度数据，将多个同型号类别设备的性能检测偏离度数据集合成为性能检测偏离度数据集，再与单个设备的性能检测偏离度数据进行对比处理，获得单个设备的设备群性能差异离散指数，即单个设备性能偏离度与设备群的偏离度集合之间的差异离散度的衡量指数，其反映出设备的各个个体与设备群体之间的性能偏差情况的离散度大小。
29.根据本发明实施例，所述获取所述单个设备在所述预设时间段内的运行环境工况检测数据以及单个设备所在生产运行系统的系统状态监测数据，对运行环境工况检测数据以及系统状态监测数据分别进行处理，获得环况稳定性激励系数和系统稳定性补偿系数，具体为：获取所述单个设备在所述预设时间段内的运行环境工况检测数据，包括温湿度环境数据、过载运行监测数据、时寿稳定指数以及预测故障率频数；获取所述单个设备所在生产运行系统在所述预设时间段内的系统状态监测数据，包括系统超负荷运行数据、系统故障率数据以及系统运行总效率数据；对所述运行环境工况检测数据以及所述系统状态监测数据分别进行处理，对应获得环况稳定性激励系数和系统稳定性补偿系数。
30.需要说明的是，设备运行的状况评估受设备所处运行环境和工况的影响，以及设备所处系统的系统状况的影响，因此，为评估设备的运行性能状况，需对环境工况和系统的
检测数据进行获取和处理，获得环境工况对设备性能的稳定性影响系数，以及系统运行对设备性能稳定性的影响补偿系数，通过获取单个设备在预设时间段内的运行环境工况检测数据，包括温湿度环境数据、设备过载运行时的监测数据、设备时寿状况下的预设性能稳定指数、以及预测的设备故障率的频数，并获取单个设备所在生产运行系统在预设时间段内的系统状态监测数据，包括系统超负荷运行数据、系统故障率数据、以及系统运行总效率数据，再分别对运行环境工况检测数据和系统状态监测数据进行处理，对应获得环况稳定性激励系数和系统稳定性补偿系数；其中，所述环况稳定性激励系数的计算公式为：；其中，为环况稳定性激励系数，、、、分别为温湿度环境数据、过载运行监测数据、时寿稳定指数、预测故障率频数，、、、为预设特征系数；其中，所述系统稳定性补偿系数的计算公式为：；其中，为系统稳定性补偿系数，、、分别为系统超负荷运行数据、系统故障率数据、系统运行总效率数据，为预设生产运行系统效率因子，、、为预设特征系数（生产运行系统效率因子和特征系数通过数字工厂设备生产参数数据库获取）。
31.根据本发明实施例，所述根据所述设备群性能差异离散指数结合所述环况稳定性激励系数和系统稳定性补偿系数对所述性能检测偏离度数据进行修正处理，获得所述单个设备的性能有效运行检测指数，具体为：根据所述设备群性能差异离散指数结合所述环况稳定性激励系数和系统稳定性补偿系数对所述单个设备的所述性能检测偏离度数据进行修正处理，获得所述单个设备的性能有效运行检测指数；所述性能有效运行检测指数的修正计算公式为：；其中，为性能有效运行检测指数，为性能检测偏离度数据，为设备群性能差异离散指数，为环况稳定性激励系数，为系统稳定性补偿系数，、、、为预设特征系数（特征系数通过数字工厂设备生产参数数据库获取）。
32.需要说明的是，在获得了设备所处运行环境工况以及设备所处系统的系统状况的影响的环况稳定性激励系数和系统稳定性补偿系数后，将单个设备所处的工作运行环境和所属系统运行状况以及单个设备与同型号类别设备性能差异度的偏离情况进行综合修正处理，获得单个设备的性能有效运行检测指数，该检测指数更加精准的反映出单个设备在环境工况以及系统状况影响下的性能有效检测状态指数，并将单个设备与同型号类别设备
的性能偏差度离散程度进行补偿考量。
33.根据本发明实施例，所述获取所述单个设备所属型号类别设备的预设性能检测阈值，并与所述性能检测偏离度分布数据进行加权修正，获得设备性能检测修正阈值，具体为：通过所述预设数字工厂设备生产参数数据库获取所述单个设备所属型号类别设备的预设性能检测阈值；根据所述预设性能检测阈值与所述性能检测偏离度数据集进行加权修正，获得设备性能检测修正阈值；所述设备性能检测修正阈值的修正公式为：；其中，为设备性能检测修正阈值，为性能检测偏离度数据集，m为单个设备个数，为预设性能检测阈值。
34.需要说明的是，为更加精准识别出各单个设备的性能评估结果，需对单个设备同型号类别设备的预设性能检测阈值进行修正已获得更加精准的修正阈值，通过设备群的性能检测偏离度数据集的平均偏离度与预设阈值进行加权修正，获得设备性能检测修正阈值，再根据修正阈值对单个设备进行阈值对比判断评估单个设备的性能状况。
35.如图4所示，本发明还公开了基于大数据的数字工厂设备巡检评估系统4，包括存储器41和处理器42，所述存储器中包括基于大数据的数字工厂设备巡检评估方法程序，所述基于大数据的数字工厂设备巡检评估方法程序被所述处理器执行时实现如下步骤：获取数字工厂各型号类别设备中单个设备在预设时间段内的设备运作监测信息和设备运行日志信息，并提取设备运行性能特征数据和设备运行异常日志信息数据；获取所述单个设备所属型号类别设备的预设设备标准运行指标数据，并与所述设备运行性能特征数据进行处理，获得所述单个设备的运行性能偏差度数据，再结合所述设备运行异常日志信息数据进行处理获得性能检测偏离度数据；获取所述预设时间段内与所述单个设备同型号类别设备的性能检测偏离度分布数据，并与所述性能检测偏离度数据进行对比，获得设备群性能差异离散指数；获取所述单个设备在所述预设时间段内的运行环境工况检测数据以及单个设备所在生产运行系统的系统状态监测数据，对运行环境工况检测数据以及系统状态监测数据分别进行处理，获得环况稳定性激励系数和系统稳定性补偿系数；根据所述设备群性能差异离散指数结合所述环况稳定性激励系数和系统稳定性补偿系数对所述性能检测偏离度数据进行修正处理，获得所述单个设备的性能有效运行检测指数；获取所述单个设备所属型号类别设备的预设性能检测阈值，并与所述性能检测偏离度分布数据进行加权修正，获得设备性能检测修正阈值；根据所述单个设备的性能有效运行检测指数与所属型号类别设备的所述设备性
能检测修正阈值进行阈值对比，根据阈值对比结果判断评估各型号类别设备中全部单个设备的运行状况并显示。
36.需要说明的是，由于数字工厂中各型号类别的设备存在个体设备的性能差异性，且设备运行状况的评估还收到设备运行所处的环境工作状况以及设备所述系统状况的影响和干扰，同时，同型号类别的各个设备由于自身或环境、系统的影响存在不同的性能偏差，使得有的单个设备性能在同型号类别设备性能偏离度共性范围以内，而有的单个设备的性能偏离度超出了同型号类别的设备的偏离度共性范围，即偏离度不在偏离裕度范围内，导致各个独立设备之间也存在性能偏离，因此，为精准识别个体独立设备的性能，将设备所处的工作运行环境和所属系统运行状况以及单个设备与同类设备性能差异度的偏离情况进行考量，通过修正和补偿处理获得单个设备的精确性能检测结果，通过获取各型号类别设备中单个设备的设备运行性能特征数据和设备运行异常日志信息数据并结合设备所属型号类别设备的预设设备标准运行指标数据进行处理获得性能检测偏离度数据，再将单个设备的性能检测偏离度数据与同型号类别设备的性能检测偏离度的偏差分布情况进行对比处理获得单个设备与同型号类别设备群体之间的性能偏差度的离散情况，即设备群性能差异离散指数，再通过获得的单个设备所在的运行环境工况检测数据和所处系统的系统状态监测数据进行处理获得环况稳定性激励系数和系统稳定性补偿系数，即环境工况对设备性能的稳定性影响系数以及系统运行对设备性能稳定性的影响补偿系数，将两系数结合性能检测偏离度数据对性能检测偏离度数据进行处理获得单个设备的性能有效运行检测指数，再与根据单个设备同型号类别设备的预设性能检测阈值与性能检测偏离度分布数据通过加权修正获得的设备性能检测修正阈值进行阈值对比，根据结果判断评估设备运行状况并显示，若性能有效运行检测指数符合设备性能检测修正阈值的阈值对比要求，则该巡检的单个设备的运行性能状况正常，否则，若不符合阈值对比要求，则说明该巡检的单个设备的运行性能状况异常，对巡检评估的结果进行显示，实现根据大数据对数字工厂设备根据运行性能偏差情况结合环境工况和系统状况相关检测系数进行处理获得设备运行的检测指数对设备进行巡检评估技术。
37.根据本发明实施例，所述获取数字工厂各型号类别设备中单个设备在预设时间段内的设备运作监测信息和设备运行日志信息，并提取设备运行性能特征数据和设备运行异常日志信息数据，具体为：获取数字工厂内各型号类别设备中单个设备在预设时间段内的设备运作监测信息，根据设备运作监测信息提取设备运行性能特征数据，包括运行效率数据、加工残次率数据、运行功耗数据以及运行异常指标量数据；获取所述单个设备在预设时间段内的设备运行日志信息，并提取设备运行异常日志信息数据，包括出现异常提示的运行异常提示频次数以及异常告警级数。
38.需要说明的是，为获得巡检的各个单个设备的性能偏离度状况，首先需获取数字工厂内各型号类别设备的单个设备在一定预设时间段内的设备运作监测信息和设备运行日志信息，设备运作监测信息是时间段内设备运行过程中监测采集的工作性能相关的信息，再通过该信息提取设备运行性能特征数据，该特征数据是反映设备运行中性能情况的特征数据，其中包括设备的运行效率数据、加工产品校验获得的残次率数据、运行功耗数据以及运行过程中出现的异常指标的数量的相关数据，设备运行日志信息是反映设备在时间
段内运行过程中自动记录的异常情况日志，反映设备运行异常告警情况，通过日志信息提取出设备运行异常日志信息数据，包括设备出现异常提示的运行异常提示频次数以及异常告警级数，即通过日志信息提取设备异常提示的频次数以及发生提示所对应的异常告警级数，即设备在不同时间点发出异常提示的整体频率次数和异常告警级数。
39.根据本发明实施例，所述获取所述单个设备所属型号类别设备的预设设备标准运行指标数据，并与所述设备运行性能特征数据进行处理，获得所述单个设备的运行性能偏差度数据，再结合所述设备运行异常日志信息数据进行处理获得性能检测偏离度数据，具体为：通过预设数字工厂设备生产参数数据库获取所述单个设备所属型号类别设备的预设设备标准运行指标数据，包括效率指标数据、残次率指标数据、功耗指标数据以及异常量指标数据；根据所述预设设备标准运行指标数据与所述设备运行性能特征数据进行处理，获得所述单个设备的运行性能偏差度数据；根据所述运行性能偏差度数据结合所述运行异常提示频次数以及异常告警级数进行处理，获得所述单个设备的性能检测偏离度数据；其中，所述性能检测偏离度数据的计算公式为：；其中，为性能检测偏离度数据，为运行性能偏差度数据，为运行异常提示频次数，为第i次异常提示的异常告警级数，n为预设时间段内异常提示次数，、为预设特征系数。
40.需要说明的是，在获得了单个设备的运行性能特征数据以及运行异常日志信息数据后，为评估单个设备性能的偏差情况，需获取单个设备所属型号类别对应预设的指标数据，再与指标数据进行对照处理，获得反映单个设备性能偏差情况的运行性能偏差度数据，即通过预设数字工厂设备生产参数数据库获取单个设备所属型号类别设备的预设设备标准运行指标数据，包括运行效率指标、加工产品残次率指标、运行功耗指标以及时间段内运行过程出现的异常指标数量的预设指标的相关数据，根据指标数据与性能特征数据进行处理获得单个设备的运行性能偏差度数据，进一步为获得单个设备精准的性能状态偏离情况，根据运行性能偏差度数据结合运行异常提示频次数以及异常告警级数进行处理，获得性能检测偏离度数据，该偏离度数据是反映时间段内单个设备运行过程中性能的偏离程度；其中，所述运行性能偏差度数据的计算公式为：；
其中，为运行性能偏差度数据，、、、分别为运行效率数据、加工残次率数据、运行功耗数据、运行异常指标量数据，、、、分别为效率指标数据、残次率指标数据、功耗指标数据、异常量指标数据，为单个设备所属型号类别设备的预设性能偏差度修正因子，、、、为预设特征系数（性能偏差度修正因子和特征系数通过数字工厂设备生产参数数据库获取）。
41.根据本发明实施例，所述获取所述预设时间段内与所述单个设备同型号类别设备的性能检测偏离度分布数据，并与所述性能检测偏离度数据进行对比，获得设备群性能差异离散指数，具体为：获取所述数字工厂内与所述单个设备同型号类别设备在所述预设时间段内的性能检测偏离度分布数据，包括多个同型号类别设备的性能检测偏离度数据；根据所述多个同型号类别设备的性能检测偏离度数据集合成为性能检测偏离度数据集；根据所述性能检测偏离度数据集与所述单个设备的性能检测偏离度数据进行对比处理，获得所述单个设备的设备群性能差异离散指数；所述设备群性能差异离散指数的计算公式为：；其中，为设备群性能差异离散指数，为第k个单个设备的性能检测偏离度数据，为第k个单个设备对应的预设特征系数，为单个设备所属型号类别设备的预设性能偏差度修正因子，为性能检测偏离度数据集，m为单个设备同型号类别设备中包含的单个设备个数，为m个单个设备中第j个单个设备的性能检测偏离度数据，为m个单个设备中第j个单个设备的预设特征系数。
42.需要说明的是，在获得了反映单个设备的性能偏离度状况的性能检测偏离度数据之后，为识别出同型号类别设备中各单个设备的性能偏离度与同型号类别其他设备的性能偏离度的偏差大小，即单个个体与群体之间的差异度，以识别出超出设备群的偏离度共性的某偏离超标的单个设备，将单个设备的性能检测偏离度数据与同型号类别设备的性能检测偏离度的偏差分布情况进行对比处理，获得单个设备与同型号类别设备群体之间的性能偏差度的离散情况，该性能检测偏离度分布数据包括同型号类别的多个设备的性能检测偏离度数据，体现出多个同型号类别设备的各个性能检测偏离度的分布情况，即设备群中各单个设备之间彼此离散分布的性能检测偏离度数据，将多个同型号类别设备的性能检测偏离度数据集合成为性能检测偏离度数据集，再与单个设备的性能检测偏离度数据进行对比处理，获得单个设备的设备群性能差异离散指数，即单个设备性能偏离度与设备群的偏离度集合之间的差异离散度的衡量指数，其反映出设备的各个个体与设备群体之间的性能偏
差情况的离散度大小。
43.根据本发明实施例，所述获取所述单个设备在所述预设时间段内的运行环境工况检测数据以及单个设备所在生产运行系统的系统状态监测数据，对运行环境工况检测数据以及系统状态监测数据分别进行处理，获得环况稳定性激励系数和系统稳定性补偿系数，具体为：获取所述单个设备在所述预设时间段内的运行环境工况检测数据，包括温湿度环境数据、过载运行监测数据、时寿稳定指数以及预测故障率频数；获取所述单个设备所在生产运行系统在所述预设时间段内的系统状态监测数据，包括系统超负荷运行数据、系统故障率数据以及系统运行总效率数据；对所述运行环境工况检测数据以及所述系统状态监测数据分别进行处理，对应获得环况稳定性激励系数和系统稳定性补偿系数。
44.需要说明的是，设备运行的状况评估受设备所处运行环境和工况的影响，以及设备所处系统的系统状况的影响，因此，为评估设备的运行性能状况，需对环境工况和系统的检测数据进行获取和处理，获得环境工况对设备性能的稳定性影响系数，以及系统运行对设备性能稳定性的影响补偿系数，通过获取单个设备在预设时间段内的运行环境工况检测数据，包括温湿度环境数据、设备过载运行时的监测数据、设备时寿状况下的预设性能稳定指数、以及预测的设备故障率的频数，并获取单个设备所在生产运行系统在预设时间段内的系统状态监测数据，包括系统超负荷运行数据、系统故障率数据、以及系统运行总效率数据，再分别对运行环境工况检测数据和系统状态监测数据进行处理，对应获得环况稳定性激励系数和系统稳定性补偿系数；其中，所述环况稳定性激励系数的计算公式为：；其中，为环况稳定性激励系数，、、、分别为温湿度环境数据、过载运行监测数据、时寿稳定指数、预测故障率频数，、、、为预设特征系数；其中，所述系统稳定性补偿系数的计算公式为：；其中，为系统稳定性补偿系数，、、分别为系统超负荷运行数据、系统故障率数据、系统运行总效率数据，为预设生产运行系统效率因子，、、为预设特征系数（生产运行系统效率因子和特征系数通过数字工厂设备生产参数数据库获取）。
45.根据本发明实施例，所述根据所述设备群性能差异离散指数结合所述环况稳定性激励系数和系统稳定性补偿系数对所述性能检测偏离度数据进行修正处理，获得所述单个设备的性能有效运行检测指数，具体为：根据所述设备群性能差异离散指数结合所述环况稳定性激励系数和系统稳定性补偿系数对所述单个设备的所述性能检测偏离度数据进行修正处理，获得所述单个设备的性能有效运行检测指数；所述性能有效运行检测指数的修正计算公式为：
；其中，为性能有效运行检测指数，为性能检测偏离度数据，为设备群性能差异离散指数，为环况稳定性激励系数，为系统稳定性补偿系数，、、、为预设特征系数（特征系数通过数字工厂设备生产参数数据库获取）。
46.需要说明的是，在获得了设备所处运行环境工况以及设备所处系统的系统状况的影响的环况稳定性激励系数和系统稳定性补偿系数后，将单个设备所处的工作运行环境和所属系统运行状况以及单个设备与同型号类别设备性能差异度的偏离情况进行综合修正处理，获得单个设备的性能有效运行检测指数，该检测指数更加精准的反映出单个设备在环境工况以及系统状况影响下的性能有效检测状态指数，并将单个设备与同型号类别设备的性能偏差度离散程度进行补偿考量。
47.根据本发明实施例，所述获取所述单个设备所属型号类别设备的预设性能检测阈值，并与所述性能检测偏离度分布数据进行加权修正，获得设备性能检测修正阈值，具体为：通过所述预设数字工厂设备生产参数数据库获取所述单个设备所属型号类别设备的预设性能检测阈值；根据所述预设性能检测阈值与所述性能检测偏离度数据集进行加权修正，获得设备性能检测修正阈值；所述设备性能检测修正阈值的修正公式为：；其中，为设备性能检测修正阈值，为性能检测偏离度数据集，m为单个设备个数，为预设性能检测阈值。
48.需要说明的是，为更加精准识别出各单个设备的性能评估结果，需对单个设备同型号类别设备的预设性能检测阈值进行修正已获得更加精准的修正阈值，通过设备群的性能检测偏离度数据集的平均偏离度与预设阈值进行加权修正，获得设备性能检测修正阈值，再根据修正阈值对单个设备进行阈值对比判断评估单个设备的性能状况。
49.本发明第三方面提供了可读存储介质，所述可读存储介质中包括基于大数据的数字工厂设备巡检评估方法程序，所述基于大数据的数字工厂设备巡检评估方法程序被处理器执行时，实现如上述任一项所述的基于大数据的数字工厂设备巡检评估方法的步骤。
50.本发明公开的基于大数据的数字工厂设备巡检评估方法、系统和介质，通过获取单个设备的设备运行性能特征数据和设备运行异常日志信息数据并结合设备所属型号类别设备的预设设备标准运行指标数据处理获得性能检测偏离度数据，获取与单个设备同型
号类别设备的性能检测偏离度分布数据并对比获得设备群性能差异离散指数，再与通过运行环境工况检测数据和系统状态监测数据处理获得的环况稳定性激励系数和系统稳定性补偿系数进行结合对性能检测偏离度数据处理获得单个设备的性能有效运行检测指数，再与根据预设性能检测阈值与性能检测偏离度分布数据加权修正获得的设备性能检测修正阈值进行阈值对比，根据结果判断评估设备运行状况并显示；从而基于大数据对工厂设备根据运行性能偏差情况结合环境工况和系统状况相关检测系数进行处理获得设备运行的检测指数对设备进行巡检评估，实现通过大数据对设备运行状况进行巡检评估的智能技术。
51.在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
52.上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
53.另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
54.本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
55.或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

技术特征：
1.基于大数据的数字工厂设备巡检评估方法，其特征在于，包括以下步骤：获取数字工厂各型号类别设备中单个设备在预设时间段内的设备运作监测信息和设备运行日志信息，并提取设备运行性能特征数据和设备运行异常日志信息数据；获取所述单个设备所属型号类别设备的预设设备标准运行指标数据，并与所述设备运行性能特征数据进行处理，获得所述单个设备的运行性能偏差度数据，再结合所述设备运行异常日志信息数据进行处理获得性能检测偏离度数据；获取所述预设时间段内与所述单个设备同型号类别设备的性能检测偏离度分布数据，并与所述性能检测偏离度数据进行对比，获得设备群性能差异离散指数；获取所述单个设备在所述预设时间段内的运行环境工况检测数据以及单个设备所在生产运行系统的系统状态监测数据，对运行环境工况检测数据以及系统状态监测数据分别进行处理，获得环况稳定性激励系数和系统稳定性补偿系数；根据所述设备群性能差异离散指数结合所述环况稳定性激励系数和系统稳定性补偿系数对所述性能检测偏离度数据进行修正处理，获得所述单个设备的性能有效运行检测指数；获取所述单个设备所属型号类别设备的预设性能检测阈值，并与所述性能检测偏离度分布数据进行加权修正，获得设备性能检测修正阈值；根据所述单个设备的性能有效运行检测指数与所属型号类别设备的所述设备性能检测修正阈值进行阈值对比，根据阈值对比结果判断评估各型号类别设备中全部单个设备的运行状况并显示。2.根据权利要求1所述的基于大数据的数字工厂设备巡检评估方法，其特征在于，所述获取数字工厂各型号类别设备中单个设备在预设时间段内的设备运作监测信息和设备运行日志信息，并提取设备运行性能特征数据和设备运行异常日志信息数据，包括：获取数字工厂内各型号类别设备中单个设备在预设时间段内的设备运作监测信息，根据设备运作监测信息提取设备运行性能特征数据，包括运行效率数据、加工残次率数据、运行功耗数据以及运行异常指标量数据；获取所述单个设备在预设时间段内的设备运行日志信息，并提取设备运行异常日志信息数据，包括出现异常提示的运行异常提示频次数以及异常告警级数。3.根据权利要求2所述的基于大数据的数字工厂设备巡检评估方法，其特征在于，所述获取所述单个设备所属型号类别设备的预设设备标准运行指标数据，并与所述设备运行性能特征数据进行处理，获得所述单个设备的运行性能偏差度数据，再结合所述设备运行异常日志信息数据进行处理获得性能检测偏离度数据，包括：通过预设数字工厂设备生产参数数据库获取所述单个设备所属型号类别设备的预设设备标准运行指标数据，包括效率指标数据、残次率指标数据、功耗指标数据以及异常量指标数据；根据所述预设设备标准运行指标数据与所述设备运行性能特征数据进行处理，获得所述单个设备的运行性能偏差度数据；根据所述运行性能偏差度数据结合所述运行异常提示频次数以及异常告警级数进行处理，获得所述单个设备的性能检测偏离度数据；其中，所述性能检测偏离度数据的计算公式为：
；其中，为性能检测偏离度数据，为运行性能偏差度数据，为运行异常提示频次数，为第i次异常提示的异常告警级数，n为预设时间段内异常提示次数，、为预设特征系数。4.根据权利要求3所述的基于大数据的数字工厂设备巡检评估方法，其特征在于，所述获取所述预设时间段内与所述单个设备同型号类别设备的性能检测偏离度分布数据，并与所述性能检测偏离度数据进行对比，获得设备群性能差异离散指数，包括：获取所述数字工厂内与所述单个设备同型号类别设备在所述预设时间段内的性能检测偏离度分布数据，包括多个同型号类别设备的性能检测偏离度数据；根据所述多个同型号类别设备的性能检测偏离度数据集合成为性能检测偏离度数据集；根据所述性能检测偏离度数据集与所述单个设备的性能检测偏离度数据进行对比处理，获得所述单个设备的设备群性能差异离散指数；所述设备群性能差异离散指数的计算公式为：；其中，为设备群性能差异离散指数，为第k个单个设备的性能检测偏离度数据，为第k个单个设备对应的预设特征系数，为单个设备所属型号类别设备的预设性能偏差度修正因子，为性能检测偏离度数据集，m为单个设备同型号类别设备中包含的单个设备个数，为m个单个设备中第j个单个设备的性能检测偏离度数据，为m个单个设备中第j个单个设备的预设特征系数。5.根据权利要求4所述的基于大数据的数字工厂设备巡检评估方法，其特征在于，所述获取所述单个设备在所述预设时间段内的运行环境工况检测数据以及单个设备所在生产运行系统的系统状态监测数据，对运行环境工况检测数据以及系统状态监测数据分别进行处理，获得环况稳定性激励系数和系统稳定性补偿系数，包括：获取所述单个设备在所述预设时间段内的运行环境工况检测数据，包括温湿度环境数据、过载运行监测数据、时寿稳定指数以及预测故障率频数；获取所述单个设备所在生产运行系统在所述预设时间段内的系统状态监测数据，包括系统超负荷运行数据、系统故障率数据以及系统运行总效率数据；对所述运行环境工况检测数据以及所述系统状态监测数据分别进行处理，对应获得环况稳定性激励系数和系统稳定性补偿系数。6.根据权利要求5所述的基于大数据的数字工厂设备巡检评估方法，其特征在于，所述
根据所述设备群性能差异离散指数结合所述环况稳定性激励系数和系统稳定性补偿系数对所述性能检测偏离度数据进行修正处理，获得所述单个设备的性能有效运行检测指数，包括：根据所述设备群性能差异离散指数结合所述环况稳定性激励系数和系统稳定性补偿系数对所述单个设备的所述性能检测偏离度数据进行修正处理，获得所述单个设备的性能有效运行检测指数；所述性能有效运行检测指数的修正计算公式为：；其中，为性能有效运行检测指数，为性能检测偏离度数据，为设备群性能差异离散指数，为环况稳定性激励系数，为系统稳定性补偿系数，、、、为预设特征系数。7.根据权利要求6所述的基于大数据的数字工厂设备巡检评估方法，其特征在于，所述获取所述单个设备所属型号类别设备的预设性能检测阈值，并与所述性能检测偏离度分布数据进行加权修正，获得设备性能检测修正阈值，包括：通过所述预设数字工厂设备生产参数数据库获取所述单个设备所属型号类别设备的预设性能检测阈值；根据所述预设性能检测阈值与所述性能检测偏离度数据集进行加权修正，获得设备性能检测修正阈值；所述设备性能检测修正阈值的修正公式为：；其中，为设备性能检测修正阈值，为性能检测偏离度数据集，m为单个设备个数，为预设性能检测阈值。8.基于大数据的数字工厂设备巡检评估系统，其特征在于，该系统包括：存储器及处理器，所述存储器中包括基于大数据的数字工厂设备巡检评估方法的程序，所述基于大数据的数字工厂设备巡检评估方法的程序被所述处理器执行时实现以下步骤：获取数字工厂各型号类别设备中单个设备在预设时间段内的设备运作监测信息和设备运行日志信息，并提取设备运行性能特征数据和设备运行异常日志信息数据；获取所述单个设备所属型号类别设备的预设设备标准运行指标数据，并与所述设备运行性能特征数据进行处理，获得所述单个设备的运行性能偏差度数据，再结合所述设备运行异常日志信息数据进行处理获得性能检测偏离度数据；获取所述预设时间段内与所述单个设备同型号类别设备的性能检测偏离度分布数据，
并与所述性能检测偏离度数据进行对比，获得设备群性能差异离散指数；获取所述单个设备在所述预设时间段内的运行环境工况检测数据以及单个设备所在生产运行系统的系统状态监测数据，对运行环境工况检测数据以及系统状态监测数据分别进行处理，获得环况稳定性激励系数和系统稳定性补偿系数；根据所述设备群性能差异离散指数结合所述环况稳定性激励系数和系统稳定性补偿系数对所述性能检测偏离度数据进行修正处理，获得所述单个设备的性能有效运行检测指数；获取所述单个设备所属型号类别设备的预设性能检测阈值，并与所述性能检测偏离度分布数据进行加权修正，获得设备性能检测修正阈值；根据所述单个设备的性能有效运行检测指数与所属型号类别设备的所述设备性能检测修正阈值进行阈值对比，根据阈值对比结果判断评估各型号类别设备中全部单个设备的运行状况并显示。9.根据权利要求8所述的基于大数据的数字工厂设备巡检评估系统，其特征在于，所述获取数字工厂各型号类别设备中单个设备在预设时间段内的设备运作监测信息和设备运行日志信息，并提取设备运行性能特征数据和设备运行异常日志信息数据，包括：获取数字工厂内各型号类别设备中单个设备在预设时间段内的设备运作监测信息，根据设备运作监测信息提取设备运行性能特征数据，包括运行效率数据、加工残次率数据、运行功耗数据以及运行异常指标量数据；获取所述单个设备在预设时间段内的设备运行日志信息，并提取设备运行异常日志信息数据，包括出现异常提示的运行异常提示频次数以及异常告警级数。10.计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于大数据的数字工厂设备巡检评估方法程序，所述基于大数据的数字工厂设备巡检评估方法程序被处理器执行时，实现如权利要求1至7中任一项所述的基于大数据的数字工厂设备巡检评估方法的步骤。

技术总结
本申请提供了基于大数据的数字工厂设备巡检评估方法、系统和介质。该方法包括：获取单个设备的运行性能和异常日志的数据并结合设备所属型号类别设备的标准指标数据处理获得性能检测偏离度数据，并与同型号类别设备的性能检测偏离度分布数据对比获得设备群性能差异离散指数，再与获得的环况稳定性激励系数和系统稳定性补偿系数结合对性能检测偏离度数据处理获得性能有效运行检测指数，再与获得的设备性能检测修正阈值进行对比判断评估设备运行状况；从而基于大数据对工厂设备根据运行性能偏差情况结合环境工况和系统状况相关检测系数进行处理获得设备运行的检测指数对设备进行巡检评估，实现通过大数据对设备运行状况进行巡检评估的智能技术。况进行巡检评估的智能技术。况进行巡检评估的智能技术。


技术研发人员：李大利 王毅 袁石安
受保护的技术使用者：深圳普菲特信息科技股份有限公司
技术研发日：2023.06.28
技术公布日：2023/8/1