基于多设备信息的检修时间预测方法、装置和设备与流程

本技术涉及数据分析的，尤其是涉及一种基于多设备信息的检修时间预测方法、装置和设备。

背景技术：

1、在矿业生产过程中，通常使用矿山设备进行矿料的采掘、筛选、运输。一般的，矿山设备同时存在多个，且，多个矿山设备以“生产线”形式运行。需要注意的是，本方案提及矿山设备为用于破碎或筛选的矿山设备。一般的，在矿山生产过程中，矿山设备常基于以下“生产线”形式排列并工作：大块砂石料由振动给料机传送至颚式破碎机进行粗碎，得到粗碎后的砂石料；将粗碎后的砂石料由皮带传送机传送至反击式破碎机进行细碎，得到细碎后的砂石料；将细碎后的砂石料传送至筛料机，得到合格砂石料和不合格砂石料；将不合格砂石料传送回反击式破碎机直至合格；将合格砂石料经由皮带传输机传送至振动筛，振动筛对合格砂石料进行分类，得到成品料堆，其中，成品料堆为分类后的合格砂石料，分类标准可由技术人员预先设定并存储在震动筛后振动筛的控制设备中。

2、由目前存在的多种确定设备检修时间的方式可知，通过为生产线确定检修时间，来保证生产线整体安全运行与高效运行是十分重要的，具体的，可以基于设备工作状态数据确定设备检修时间。

技术实现思路

1、为了提供并更加准确的预测生产线检修时间，本技术提供一种基于多设备信息的检修时间预测方法、装置和设备。

2、第一方面，本技术提供一种基于多设备信息的检修时间预测方法，采用如下的技术方案：

3、一种基于多设备信息的检修时间预测方法，包括：

4、获取每一矿山设备的实际实时处理砂石数据与预测实时处理砂石数据；

5、根据所述每一矿山设备对应的实际实时处理砂石数据与预测实时处理砂石数据，确定矿山设备实时工作效率；

6、根据全部矿山设备各自对应的实时处理砂石数据与矿山设备实时工作效率，确定生产线检修时间，其中，所述实时处理砂石数据包括实际实时处理砂石数据或预测实时处理砂石数据。

7、本技术在一较佳示例中可以进一步配置为：

8、所述根据全部矿山设备各自对应的实时处理砂石数据与矿山设备实时工作效率，确定生产线检修时间，包括：

9、根据全部矿山设备各自对应的实时处理砂石数据与矿山设备实时工作效率，得到生产线工作效率偏差模型，其中，所述生产线工作效率偏差模型表征生产线对应的实际的相关数据偏离预测的相关数据的整体偏离程度；

10、根据所述生产线工作效率偏差模型，得到生产线工作效率偏差预测模型；并基于所述生产线工作效率偏差预测模型，确定所述生产线检修时间。

11、本技术在一较佳示例中可以进一步配置为：

12、在所述基于所述生产线工作效率偏差预测模型，确定所述生产线检修时间之后，还包括：

13、根据新获取的多个矿山设备各自的实时处理砂石数据和新获取的所述多个矿山设备各自的所述矿山设备实时工作效率，判断所述生产线工作效率偏差预测模型是否需要被校正；

14、若是，则基于新获取的所述多个矿山设备各自的实时处理砂石数据和新获取的所述多个矿山设备各自的矿山设备实时工作效率，对所述生产线工作效率偏差预测模型进行校正，得到新的生产线工作效率偏差预测模型。

15、本技术在一较佳示例中可以进一步配置为：

16、在根据多个矿山设备各自的实时处理砂石数据与全部所述矿山设备实时工作效率，得到生产线工作效率偏差模型之后，还包括：

17、根据所述生产线工作效率偏差模型，通过平滑处理，得到新的生产线工作效率偏差模型；

18、相应的，所述根据所述生产线工作效率偏差模型，得到生产线工作效率偏差预测模型，包括：

19、根据所述生产线工作效率偏差模型和所述新的生产线工作效率偏差模型，得到新的生产线工作效率偏差预测模型。

20、本技术在一较佳示例中可以进一步配置为：

21、在所述生产线工作效率偏差模型中生产线工作时刻为工作效率偏差值的自变量，

22、所述根据所述生产线工作效率偏差模型和所述新的生产线工作效率偏差模型，得到新的生产线工作效率偏差预测模型，包括：

23、确定目标时刻与目标时刻对应的工作效率偏差值，其中，所述新的生产线工作效率偏差模型与所述生产线工作效率偏差模型在所述目标时刻的工作效率偏差值相同，且，所述目标时刻至最新已发生时刻之间不存在任一时刻满足所述新的生产线工作效率偏差模型与所述生产线工作效率偏差模型的工作效率偏差值相同的情况；

24、基于所述新的生产线工作效率偏差模型，得到生产线工作效率偏差预测模型斜率；

25、根据所述生产线工作效率偏差预测模型斜率、所述目标时刻与所述目标时刻对应的工作效率偏差值，得到所述新的生产线工作效率偏差预测模型。

26、本技术在一较佳示例中可以进一步配置为：

27、在获取每一矿山设备对应的预测实时处理砂石数据之前，还包括：

28、获取生产线对应的实时待处理砂石数据，其中，生产线至少包括以固定顺序设置的多个矿山设备；

29、相应的，获取每一矿山设备对应的预测实时处理砂石数据，包括：

30、根据所述生产线对应的实时待处理砂石数据，以所述固定顺序依次确定每一矿山设备的预测实时处理砂石数据。

31、本技术在一较佳示例中可以进一步配置为：

32、在所述根据所述生产线的待处理砂石数据，以所述固定顺序依次确定每一矿山设备的预测处理砂石数据之前，还包括：

33、实时获取全部矿山设备各自对应的工作功率；

34、相应的，所述根据所述生产线的待处理砂石数据，以所述固定顺序依次确定每一矿山设备的预测处理砂石数据，包括：

35、基于所述生产线的待处理砂石数据和所述全部矿山设备各自对应的工作功率，以所述固定顺序确定每一矿山设备的预测处理砂石数据。

36、本技术在一较佳示例中可以进一步配置为：

37、在所述获取每一矿山设备的实际实时处理砂石数据之前，还包括：

38、获取每一矿山设备对应的设备输出端砂石影像，其中，所述设备输出端砂石影像的拍摄角度垂直于设备输出端砂石的传送方向；

39、相应的，获取每一矿山设备的实际实时处理砂石数据，包括：

40、根据所述生产线的实时待处理砂石数据、全部所述矿山设备对应的输出端砂石影像，以所述固定顺序依次得到每一矿山设备的实际处理砂石数据。

41、第二方面，本技术提供一种基于多设备信息的检修时间预测装置，采用如下的技术方案：

42、一种基于多设备信息的检修时间预测装置，包括：

43、实时数据获取模块，用于获取每一矿山设备的实际实时处理砂石数据与预测实时处理砂石数据；

44、实时工作效率获取模块，用于根据所述每一矿山设备对应的实际实时处理砂石数据与预测实时处理砂石数据，确定矿山设备实时工作效率；

45、生产线检修时间确定模块，用于根据全部矿山设备各自对应的实时处理砂石数据与矿山设备实时工作效率，确定生产线检修时间，其中，所述实时处理砂石数据包括实际实时处理砂石数据或预测实时处理砂石数据。

46、第三方面，本技术提供一种电子设备，采用如下的技术方案：

47、至少一个处理器；

48、存储器；

49、至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行如第一方面任一项所述的基于多设备信息的检修时间预测方法。

50、第四方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：

51、一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令所述计算机执行如第一方面任一项所述的基于多设备信息的检修时间预测方法。

52、综上所述，本技术包括以下有益技术效果：

53、通过获取生产线中每一矿山设备的实际实时处理砂石数据与预测实时处理砂石数据，以确定每一矿山设备的实际工作量与预测工作量；基于每一矿山设备的预测工作量与实际工作量，确定矿山设备实时工作效率；由于零部件老化或设备磨损等原因，随矿山设备使用时间的增长，矿山设备运行的安全性与矿山设备实时工作效率均可能出现降低的情况，甚至可能出现由于安全性降低导致生产线发生安全事故概率升高的情况，本方案根据全部矿山设备各自对应的实时处理砂石数据与矿山设备实时工作效率，确定生产线检修时间，基于生产线检修时间及时检修生产线上的矿山设备，可以减少矿山设备以较低的实时工作效率的时间，且，可以提升生产线运行过程的安全性。