通过力控工业智能解决方案，拟实现以下目标：
● 生产过程控制优化。采用PID参数优化、先进过程控制（APC）、工业大数据体系结合的方式，实现流程行业生产过程优化控制。
● 设备预测性维护。基于工业一体化管控平台，分析、预测设备的关键部件变化趋势、使用寿命和潜在风险，提前预判设备零部件的损坏时间，主动通知进行维护服务。
● 故障预诊断。利用大数据分析技术，对设备工作日志、历史故障、运行轨迹、实时位置等海量数据进行挖掘分析，基于知识库和自学习机制，建立故障智能诊断模型，实现设备故障预诊断并精准定位。
智能感知动态变化围绕产品全价值链过程中的仿真、采购、生产、仓储、销售、物流运输等诸多环节，可对上述过程中的实时数据、静态数据、业务数据等，进行动态变化感知。具备时序数据、结构数据、非结构数据等多类型数据接入能力，还具备多类型数据库融合、同时在线连接查阅的能力。
以优化运行指标为目标，对控制系统的设定值进行自适应决策基于开放数据库连接访问、可视化多元接口技术，通过工业领域知识图谱文件管理与深度神经网络算法进行机理与聚类分析，采用多元素融合与分析机制，构建可拓展的控制决策函数库。结合函数库和实际运行指标，对控制系统的设定值进行自适应调整，实现云-边-端的闭环联动。
预测和排除异常运行工况，使系统安全、优化运行采用机理建模、数据驱动的方法，通过构建精准的机理模型、数据特征模型，分析数据的各种统计特征，对模型输出、实际输出进行比较，并采用数学方法对残差进行分析处理，实现故障诊断、故障预测，从而完成异常工况的排除，保证生产的稳定运行。
开发环境封装算法执行环境依托计算引擎Fcyber，该引擎一方面可以实现开发者的模块化快速配置，形成多种数据模型；另一方面提供底层二次开发功能，支持动态库方法调用，方便灵活处理现场复杂逻辑。同时，计算引擎支持Python等多种类编程语言。
力控工业智能解决方案，通过产学研用的合作体系，已在流程行业的局部场景进行了落地应用。应用实践过程中，利用建模、深度学习等技术，结合计算引擎等工具，通过工业大数据积累，优化生产设备控制参数，进行过程控制监测-调节-反馈-优化-控制的闭环处理，迭代循环，从而提升局部工艺段内的产品良率、降低设备故障率、减少人工干预过程，最终实现典型场景下部分阶段的提质增效项目目标。
随着知识积累、算法优化、行业应用，未来，力控工业智能解决方案将依托生产情况和制造过程的实时运行情况，为企业提供综合生产指标、计划调度指标、生产全流程指标、运行指标、生产指标、控制指令的综合优化决策。通过自学习和自优化决策，实现人与智能优化决策之间的协同，使管理者能在动态变化的环境中精准优化决策。
京公网安备11010802042889号