一种医药包装产线用多智能体协同运维系统及方法与流程

摘要: 本发明涉及包装线运行检测系统,具体为一种医药包装产线用多智能体协同运维系统及方法。背景技术:1、医药制造是关系国计民生的战略性产业,药品包装作为制药生产的最后一...
一种医药包装产线用多智能体协同运维系统及方法与流程

本发明涉及包装线运行检测系统,具体为一种医药包装产线用多智能体协同运维系统及方法。

背景技术:

1、医药制造是关系国计民生的战略性产业,药品包装作为制药生产的最后一道关口,其设备运行稳定性直接影响药品质量和患者用药安全。目前,医药包装产线运维主要存在以下问题:

2、一、设备状态感知能力弱:当前医药包装产线主要依赖人工巡检和定期保养,设备温度、振动等关键参数无法实时获取,往往等到故障发生才被发现,导致非计划停机损失严重;

3、二、故障预警能力不足:现有系统普遍采用“事后维修”模式,缺乏对设备运行数据的持续分析和趋势预测能力,无法提前识别设备异常征兆,难以实现预测性维护;

4、三、维修经验沉淀困难:关键维修知识主要依赖资深技师的经验积累,缺乏系统化的知识管理平台;

5、四、质量追溯不可信:70%以上企业维修记录仍存放在纸质档案或excel表格中,数据易篡改、难追溯,一旦发生质量事故无法提供完整证据链,可能面临停产整顿甚至吊销gmp证书的风险。

6、因此,针对上述技术问题,有必要提供一种医药包装产线用多智能体协同运维系统及方法。

技术实现思路

1、针对上述现有技术存在的不足,本发明的目的是提供一种医药包装产线用多智能体协同运维系统及方法,以解决上述背景技术中提出的问题。

2、为解决上述技术问题,本发明采用如下技术方案:

3、本发明提供一种医药包装产线用多智能体协同运维系统,包括感知层、数据层和分析层,所述感知层包括物联网传感器和ai视觉系统,用于采集医药包装产线设备的运行参数数据和药品位置数据;所述数据层包括大数据存储模块、区块链存证模块和运维知识库,所述大数据存储模块用于存储感知层传输的运行参数数据和药品位置数据,所述区块链存证模块用于存储维修过程的关键证据数据,所述运维知识库用于存储设备手册、sop操作规程和维修案例文档;所述分析层包括智脑中枢、故障预测引擎和专业智能体,所述智脑中枢分别与故障预测引擎和专业智能体通信连接,所述故障预测引擎用于根据大数据存储模块中的历史运行数据和实时运行数据预测设备故障风险并输出预警信息,所述智脑中枢用于根据预警信息调用对应的专业智能体进行协同分析并生成诊断报告与处置方案;应用层,所述应用层包括数字孪生可视化大屏、智能运维app和ai语音助手,所述数字孪生可视化大屏与感知层和数据层通信连接,用于根据所述运行参数数据和药品位置数据实时映射产线物理设备的运动状态,所述智能运维app与分析层通信连接,用于接收并显示诊断报告与处置方案,所述ai语音助手集成于智能运维app中,用于接收自然语言语音指令并调用对应的专业智能体执行相应操作;所述区块链存证模块与应用层通信连接,用于将维修全流程数据存证。

4、在本发明的一个或多个实施例中,所述物联网传感器包括温湿度传感器、振动变送器和工业噪声变送器,振动变送器和工业噪声变送器通过数据采集器和lora网关构成数据采集网络,所述lora网关将采集到的所述运行参数数据加密传输至所述数据层;

5、所述ai视觉系统包括工业面阵相机和rgb-d深度相机,所述rgb-d深度相机安装于机械臂末端,用于采集药品包装图像。

6、在本发明的一个或多个实施例中,所述大数据存储模块基于hadoop分布式环境构建,用于存储所述感知层采集的海量设备运行数据;

7、所述区块链存证模块基于fiscobcos联盟链构建,所述维修全流程数据包括设备编号、故障原因、维修方法、维修结果、操作人员和时间戳;

8、所述运维知识库用于存储非结构化的设备手册文档、sop操作规程文档和维修案例文档,为所述专业智能体提供推理依据。

9、在本发明的一个或多个实施例中,所述故障预测引擎用于读取大数据存储模块中不少于30天的历史运行数据,融合设备机理知识,训练时序预测模型,对设备运行趋势进行预测分析并输出提前24小时的预警信息;

10、所述专业智能体包括数据可信度巡检智能体、设备状态巡检智能体、异常证据解释智能体、运维知识问答智能体和管理态势报告智能体。

11、在本发明的一个或多个实施例中,所述数字孪生可视化大屏基于unity3d引擎构建,用于实现产线物理设备的1:1数字孪生模型映射和虚实联动显示;

12、所述ai语音助手用于接收运维人员的自然语言问答和语音指令,调用运维知识问答智能体从运维知识库中检索匹配方案,并将检索结果输出至智能运维app。

13、一种医药包装产线用多智能体协同运维方法,包括以下步骤:

14、步骤s1,通过感知层的物联网传感器实时采集医药包装产线设备的运行参数数据,通过感知层的ai视觉系统采集药品位置数据,将所述运行参数数据和药品位置数据经lora网关加密传输至数据层;

15、步骤s2,基于unity3d引擎构建产线数字孪生模型,通过应用层的数字孪生可视化大屏实时映射产线物理设备的运动状态;

16、步骤s3,分析层的故障预测引擎读取所述数据层的大数据存储模块中存储的历史运行数据和实时运行数据,对所述历史运行数据和实时运行数据进行融合分析,预测设备故障风险并输出预警信息;

17、步骤s4,分析层的智脑中枢接收步骤s3输出的所述预警信息,根据所述预警信息调用对应的专业智能体进行协同分析,所述专业智能体从数据层的运维知识库中读取设备手册、sop操作规程和维修案例文档作为推理依据,生成诊断报告与处置方案;

18、步骤s5,应用层的智能运维app接收并显示步骤s4生成的所述诊断报告与处置方案,运维人员通过所述智能运维app确认执行处置方案,根据确认指令调用执行智能体完成设备操作;

19、步骤s6,将步骤s1至步骤s5全流程中的维修数据自动上传至所述数据层的区块链存证模块进行上链存证,形成不可篡改的可信维修档案。

20、在本发明的一个或多个实施例中,所述步骤s1中,所述运行参数数据包括设备温度数据、振动数据、噪声数据和电流数据;

21、所述ai视觉系统采用yolo目标检测算法识别药品位置并输出像素坐标,通过手眼标定矩阵将所述像素坐标转换为机械臂基坐标系下的三维抓取坐标。

22、在本发明的一个或多个实施例中,所述步骤s3中,所述故障预测引擎读取大数据存储模块中不少于30天的历史运行数据,融合设备机理知识,训练时序预测模型,对设备运行趋势进行预测分析;

23、当所述时序预测模型检测到设备运行参数呈现异常变化趋势且预测达到警戒值时,所述故障预测引擎自动生成所述预警信息,所述预警信息包含预计到达警戒值的时间。

24、在本发明的一个或多个实施例中,所述步骤s4中,所述智脑中枢调用异常证据解释智能体,所述异常证据解释智能体读取实时运行数据、对比历史运行数据并匹配所述运维知识库中的设备手册、sop操作规程和维修案例文档,分析异常原因并生成诊断报告;

25、所述智脑中枢调用设备状态巡检智能体,所述设备状态巡检智能体根据所述运行参数数据评估设备健康度并输出健康度评分;

26、所述智脑中枢将诊断报告和健康度评分整合后推送至智能运维app。

27、在本发明的一个或多个实施例中,所述步骤s5中,运维人员通过所述智能运维app中的ai语音助手输入自然语言语音指令,所述ai语音助手调用运维知识问答智能体从所述运维知识库中检索匹配所述诊断报告对应的处置方案,并将检索结果输出至所述智能运维app供运维人员确认。

28、本发明的有益效果在于:

29、1.设备状态可视化:通过数字孪生大屏实现产线1:1虚实联动,设备健康度、运行参数一目了然,彻底解决“设备状态看不见”的问题;

30、2.故障精准预警:基于“智脑中枢+多智能体”协同架构,设备状态巡检智能体持续监测设备健康度,千问大模型驱动的故障预测引擎提前24小时预测设备风险,预警准确率达91.2%,有效避免非计划停机损失;

31、3.运维效率显著提升:排查时间缩短65%,维修响应时间缩短60%,一次性修复率提升35%;

32、4.维修经验数字化传承:基于运维知识问答智能体的自然语言问答能力,解决新人维修经验缺乏问题;

33、5.维修记录可信追溯:基于数据可信度巡检智能体的数据校验和fiscobcos联盟链的全流程上链存证,满足gmp合规要求,为质量审计提供完整证据链;

34、6.智能体协同闭环运维:构建“感知-映射-分析-决策-执行-存证”六位一体闭环,智脑中枢统一调度多个专业智能体协同工作,实现从“被动维修”到“预测性维护”再到“可信协同维护”的范式跃迁。