圍繞產品全價值鏈過程中的仿真、采購、生產、倉儲、銷售、物流運輸等諸多環節,可對上述過程中的實時數據、靜態數據、業務數據等,進行動態變化感知。具備時序數據、結構數據、非結構數據等多類型數據接入能力,還具備多類型數據庫融合、同時在線連接查閱的能力。
基于開放數據庫連接訪問、可視化多元接口技術,通過工業領域知識圖譜文件管理與深度神經網絡算法進行機理與聚類分析,采用多元素融合與分析機制,構建可拓展的控制決策函數庫。結合函數庫和實際運行指標,對控制系統的設定值進行自適應調整,實現云-邊-端的閉環聯動。
采用機理建模、數據驅動的方法,通過構建精準的機理模型、數據特征模型,分析數據的各種統計特征,對模型輸出、實際輸出進行比較,并采用數學方法對殘差進行分析處理,實現故障診斷、故障預測,從而完成異常工況的排除,保證生產的穩定運行。
算法執行環境依托計算引擎Fcyber,該引擎一方面可以實現開發者的模塊化快速配置,形成多種數據模型;另一方面提供底層二次開發功能,支持動態庫方法調用,方便靈活處理現場復雜邏輯。同時,計算引擎支持Python等多種類編程語言。
力控工業智能解決方案,通過產學研用的合作體系,已在流程行業的局部場景進行了落地應用。應用實踐過程中,利用建模、深度學習等技術,結合計算引擎等工具,通過工業大數據積累,優化生產設備控制參數,進行過程控制監測-調節-反饋-優化-控制的閉環處理,迭代循環,從而提升局部工藝段內的產品良率、降低設備故障率、減少人工干預過程,最終實現典型場景下部分階段的提質增效項目目標。
隨著知識積累、算法優化、行業應用,未來,力控工業智能解決方案將依托生產情況和制造過程的實時運行情況,為企業提供綜合生產指標、計劃調度指標、生產全流程指標、運行指標、生產指標、控制指令的綜合優化決策。通過自學習和自優化決策,實現人與智能優化決策之間的協同,使管理者能在動態變化的環境中精準優化決策。