潘建双

(首钢京唐钢铁联合有限责任公司信息计量部,河北唐山 063200)

0 引言

随着工业智能化的不断发展,智能制造热潮持续升温,不同类型的数据量呈现指数增长,但采集到的数据准确性确难以得到保障。因此,需要对采集的数据进行实时监测,将数据采集[1]过程中的异常数据识别出来进行及时处理。本文运用控制图的判异准则和轨道衡皮重历史计量数据建立数据动态识别模型,用以自动快速识别实时计量数据是否正常,以保证轨道衡计量数据的准确性,并通过在轨道衡的应用,来辐射冶金及其他行业数据监测领域,为识别不同领域的不同类型数据提供可靠的技术支持。

1 实施方案

选用一台轨道衡进行实验,通过采集该衡器的皮重历史计量数据,并按月、季度和年进行归纳和整理,计算皮重的平均值和标准差,来确定控制图的中心线、制上限以及控制下限,用于识别轨道衡测量的实时计量数据中的异常数据。当识别过程达到预设的更新阈值时,对控制图进行更新,获得控制图新的中心线、控制上限以及控制下限,并运用新的控制图识别轨道衡测量的实时计量数据中的异常数据,以实现对计量数据的实时识别,并在轨道衡计量系统中进行显示、控制与处理。其次,根据每个月的历史计量数据和计算出的结果调整控制上、下限,直至确定常规皮重的波动范围。

2 建立数据识别模型[2]

2.1 确定皮重计量数据常规波动范围

以9月的历史计量数据为例,利用六西格玛工具计算出控制图的中心线、控制上限以及控制下限。……