CN103595416B - 压缩生产数据流并以不同标准过滤压缩数据的系统和方法 - Google Patents

压缩生产数据流并以不同标准过滤压缩数据的系统和方法 Download PDF

Info

Publication number
CN103595416B
CN103595416B CN201310356242.XA CN201310356242A CN103595416B CN 103595416 B CN103595416 B CN 103595416B CN 201310356242 A CN201310356242 A CN 201310356242A CN 103595416 B CN103595416 B CN 103595416B
Authority
CN
China
Prior art keywords
interval
compression
data
value
label
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201310356242.XA
Other languages
English (en)
Other versions
CN103595416A (zh
Inventor
保罗·奥米诺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN103595416A publication Critical patent/CN103595416A/zh
Application granted granted Critical
Publication of CN103595416B publication Critical patent/CN103595416B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/17—Details of further file system functions
    • G06F16/174—Redundancy elimination performed by the file system
    • G06F16/1744—Redundancy elimination performed by the file system using compression, e.g. sparse files
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24568—Data stream processing; Continuous queries
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
    • G05B19/058—Safety, monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B21/00—Systems involving sampling of the variable controlled
    • G05B21/02—Systems involving sampling of the variable controlled electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32404—Scada supervisory control and data acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
    • G06F11/3082—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting the data filtering being achieved by aggregating or compressing the monitored data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

一种压缩生产数据流并以不同标准过滤压缩数据的系统和方法。数据流以可变持续时间的现场数据间隔分割，每个现场数据间隔携带有标签，标签由初始时间戳so、最终时间戳eo、以及在eo与so处的读数之间监视的变量（例如生产计数）所经历的变化vo构成。处理器取得第一引入标签，并计算作为eo的函数的恒定持续时间y的数据压缩间隔，然后建立矢量[so,eo,vo,m=vo,n=eo‑so]。在引入标签落入当前压缩间隔之前，对随后的变化vo求和，并且更新随后的so和eo，获得更新后的矢量[s,e,v,m,n]；否则压缩矢量存储在SQL数据库中，并进入新压缩间隔。依赖于在过滤间隔的两端处的重叠条件、根据可选过滤标准、通过延后的过滤将压缩值进一步聚集到所计算的时间间隔中。

Description

压缩生产数据流并以不同标准过滤压缩数据的系统和方法
技术领域
本发明涉及数据记录和检索，并且更确切地涉及一种用于压缩生产数据流并且采用不同标准过滤压缩数据的系统和方法。
下面的文章是所涉及的主题的有效介绍：DATA COMPRESSION FOR PROCESSHISTORIANS，Peter A.James著，Copyright1995，Chevron Research and TechnologyCompany，Richmond，CA 94802-0627。
背景技术
生产数据(例如，机器状态或生产计数)是以非常高的速率(例如，每10分钟可以有数百条记录)从工作场所(存放机器的工厂的部分)所生成的信息标签，并且需要收集以及仔细地分析生产数据。在由ANSI/ISA/95所标准化的“企业控制系统一体化”中，数据收集是非常重要的活动，“企业控制系统一体化”的部分1包括工厂活动的四级层级模型。可编程逻辑控制器(PLC)以及与监视控制和数据获取(SCADA)和分布式控制系统(DCS)的连接性位于此模型的下级，用于与上级的制造执行系统(MES)和商业系统(例如，企业资源规划(ERP))交换工厂场所数据。
在James Finnerty 2008年9月30日的题为：“Automated Collection of real-time production data”的文章(http://www.thefabricator.com/author/james-finnerty)中概述(resume)了数据收集系统。
在此文章中所描述的示例性的系统包括连接到一些客户端的中心式服务器。该服务器存放有：数据记录器、交易管理器、可扩展数据库、以及报告生成器。客户端部分由接收报告的电子邮件客户端和网页浏览器构成。浏览器用作系统的前端，并且被用于查看实时数据，以及用于设置和维护、安全访问等等。数据记录器具有收集生产数据并且将该生产数据放入数据库的程序。可以采用分布式数据记录器和中心式数据记录器。交易管理器接收来自于数据记录器的生产数据，对该生产数据进行解析，对该生产数据执行操作，以及将该生产数据存储在数据库中。数据库存储全部的生产信息，并且馈送给报告生成器和网页浏览器前端。结构化查询语言(SQL)数据库简化了到其他软件的数据传输和来自其他软件的数据传输。报告生成器包括图形接口单元(GUI)或Workbench，其允许用户根据数据库中的信息建立表格式和图形化报告。通常，报告可以配置成根据日期范围、轮班、机器、工具/零件、操作员来显示数据。例如，报告可以示出，当在规定的轮班上、由所选择的操作员运行的多个机器正在制造多个特定的零件时，用于该多个机器的生产数据。报告生成器还控制报告分发。通常，报告可以被发送至打印机、经由电子邮件被发送至任何所选择的收件人、以及作为HTML文件而被发布在网络上，该HTML文件可以由具有适当访问权的任何人在网页浏览器中查看。另外，当分发报告时报告生成器进行日程安排。
根据所收集的生产信息，可得到检验(test)生产工厂的效率的一些重要参数。如在Finnerty的文章中所评论地，可以采用所收集的数据建立的最重要的测度(metric)之一是被称为总体装备效能(OEE)的简单百分比，该简单百分比指示实际装备产量与其理论最大值的比例。装备可用性、速度性能、以及质量是基于如下前提的三个OEE因子，该前提为：关于机器和处理的全部生产损失是可以测量和量化的。当每个机器生产每个零件时，数据收集软件将测量每个机器关于时间的生产速率。另外，当每个机器从一个零件改变为下一个零件时，数据收集软件可以跟踪每个机器的转换时间。系统对机器的跟踪时间越长，则此数据变得越精确。给定此信息，交易管理器可以精确地预测作业将何时完成(安排日程)。
当原始数据来自于现场时对其进行存储给予了开发用于访问和过滤的琐碎过程的可能性。其还给予了更新现有数据的可能性，对于生产数据不总是要求更新现有数据，因为关于查询数据的性能，由于过度的时间消耗，大量存储消耗可以很快变为关键的。有利地，为了减少位准(level)起伏(噪声)并且节约空间，需要过滤并且存储原始数据以用于连续的查询。过滤和聚集是几乎所有数据收集系统执行的任务。发布在http:// www.iconics.com/Home/Products/Historians.aspx、IOCONICS，Inc.的题为“HyperHistorian”V.10.6(2011年7月)的手册关于过滤和聚集来自于现场的数据的主题给予了概述(panoramic view)。Hyper Historian具有独特的、自动存档的特征，该特征允许数据存档的触发日程安排的例程、释放磁盘空间以及备份文件以用于长期存储和依照需求进行的随后的检索。存在如下不同过滤器范围：其可以施加在收集器侧，以减少总体数据存储需要并且优化收集器与记录器之间的通信。基于每个标签，可以获得下面的过滤选项：最大值、最小值、平均、标准偏差、累积器、运行最大值、运行最小值、运行平均、移动最大值、移动最小值、移动平均、时间上最新。除了以上过滤器之外，针对给定的标签，用户可以选出将摘要聚集记录到磁盘。这不但允许用户依然捕获和重放原始数据值，并且还允许用户使用下面的聚集类型中的任一个从更高层级来分析趋势。
为了处理所过滤的原始数据并且提供高效的记录，Hyper Historian使用WindowsServer 2008和在专利文献US 4,669,097(1987)中所描述的、被称为“摇摆门(SwingingDoor)”的高数据压缩算法。此文献的导论部分指出过滤、平均以及压缩之间的细微差别。过滤消除表象(presentation)中的一些点，但是剩余的全部是真实点。平均采用虚假(false)点来取代真实点。压缩对数据流进行分析，以从处理中提取关键方面，并且以需要较少存储器的格式来存储该关键方面(示例为声音和运动图像压缩)。在较大重新采样间隔上的插值建立了多个虚构点，该虚构点少于原始点的数量，所以在较大重新采样间隔上的插值同时为平均和压缩两者，因为通过来自现场的点的回归线提取了处理的统计趋势。实际上，没有很好地描绘聚集的各种模式(过滤、平均、压缩)之间的分界，在实际中过滤、聚集、压缩被用作同义词。在所引用的US 4,669,097中所描述的发明包括：数据压缩设备，具有数据输入通道；一系列逻辑和存储器单元，用于计算与数据流的趋势线表示相对应的一系列分割结束点；数据输出装置，用于与显示器或存储器设备通信。所包括的方法将输入数据流减少为与代表数据流的、动态确定的趋势线相对应的分割结束点的输出系列。更具体地，该方法根据第一点建立偏移，该偏移然后限定上界与下界之间的通道(corridor)。接收随后的点以通过逐步细化来动态地限定最终通道方向。调整边界，以在接收到不可以被包括在动态限定的通道中的点之前，容许连续点。然后生成用于通道的结束点。然后，两个通道结束点作为输出信号的压缩数据取代介于原始数据值的多个点。
用于节约存储器的不同于旋转门算法的其他解决方案是：
i.当原始数据来自于现场时，如已经讨论地过滤原始数据并且查询所过滤的数据。
ii.当原始数据来自于现场时，存储原始数据并且采用延后的离线过程压缩该原始数据。
iii.根据所选择的方法进行原始数据的聚集，并且查询所聚集的数据。
iv.将来自非聚集域的数据与来自聚集域的数据进行混合(或对具有不同粒度的数据进行混合)，并且检索所需要的信息。
概述技术问题
摇摆门算法是实时压缩算法，该算法具有明确的优点、基于开始点与连续点之间的一对斜率(被称为门的两条线的斜率)的比较，需要绝对地恒定的采样间隔。对于大多数现代化的工作场所数据收集器，需要绝对地恒定的采样间隔构成了不可接受的限制，因为在监视时间期间，来自现场的标签通常不是以恒定速率发出的。另一缺点是，作为初始条件的、设置门的最大开口的误差是任意地决定的，并且这引起了可变压缩速率。为了实现固定的压缩速率，需要动态地改变误差，只要已知可用的存储运行时间和到要更新存储的时间两者，则这可以清楚地被预见。对于在剩余的时间上重新分配剩余的存储器，连续地需要额外的处理。
考虑点i)至iv)：
i.此处的过程由过多的时间消耗所表征。
ii.此处的过程解决了性能的问题，但是因为载入阶段消耗时间，所以引入了更多的系统开销和更大的数据访问延迟。另外，其未解决关于必须包含数据的两份副本的大量存储使用率的问题。可以解决数据的更新需要，但是仅是借助于复杂的并且消耗时间的压缩过程。
iii.此处的方法可以使得压缩更快速，但是对非聚集数据的可能的查询在聚集之后变为不可能。
iv.此处的方法被证明是不合适的并且未与技术的进展良好的整合，在技术的进展中，更多同种的解决方案是优选的。混合方法使用难以被移植(port)到高级开发环境的困难实施方式(例如，需要克服安全问题的对于两个数据库的不同的查询，或必须通过使用范围构造所合并的微软SSAS事实表)。
发明目的
本发明的目的是指出能够克服以上所列出的缺陷的一种系统和方法，并且具体地能够压缩不规则地来自于生产线(现场)的数据标签的一种系统和方法。
本发明的另一目的是提供用于进一步聚集压缩数据的不同标准，以使得减弱对所聚集的数据的压缩与查询之间固有的不相容。
发明内容
本发明通过提供一种用于压缩来自于工厂的工作场所(也被称作现场)的数据流的系统实现所述目的，该数据流以现场数据间隔被分割，每个现场数据间隔携带有标签，该标签至少由与所监视的变量相关联的值vo和当记录或计算该变量时的时间戳构成，该系统包括：
-第一缓冲器装置，用于暂时存储来自于现场的所述标签；
-可编程处理装置，包括如下固件，该固件被配置成访问第一缓冲器装置并且取得随后的值vo、以及在压缩时间间隔中累积随后的值vo作为也被称为压缩值v的求和数据值v；
-数据库，由处理装置所访问、用于存储从第二缓冲器装置所取得的压缩值v；
-后处理装置，用于查询所述数据库，
其中，依照本发明，可编程处理装置的所述固件还配置成：
-借助于w(eo)＝z+ceiling[(eo–z)/y]×y计算当前压缩间隔的结束，
其中：w是当前压缩间隔的结束，z指示压缩处理的开始，y是指示每个压缩间隔的持续时间的预定常数，eo是指示首先进入当前压缩间隔的当前现场数据间隔的结束的时间戳、并且还包括指示开始的时间戳so；
-计算首先进入当前压缩间隔的数据间隔的持续时间n＝eo-so；
-将每个随后的时间戳eo与值w进行比较并且更新so、eo，直到检测到eo≤w；一旦此条件为假，就将矢量[s,e,v,vo,n]存储在所述数据库中并且进入新的压缩间隔，其中，s，e，v是更新后的so，eo以及累积的vo；测度vo/n构成了如下乘数，每当需要时，该乘数可用于在一个或更多个过滤间隔的两端中的至少一个上对值vo进行线性插值，以预示进入的压缩值v的延缓聚集。
本发明的目的还在于提供一种用于压缩来自于工厂的工作场所(也被称为现场)的数据流的方法，该数据流以现场数据间隔被分割，每个现场数据间隔携带有标签，该标签至少由与所监视的变量相关联的值vo和当记录或计算该变量时的时间戳构成，该方法包括如下步骤：
a)接收从现场所发送的标签；
b)在压缩时间间隔期间累积随后的值vo，以便获得也被称为压缩值v的求和数据值v；
c)将压缩值v存储在数据库中，并且重复步骤a)至c)直到压缩处理结束；
其中，依照本发明的方法，步骤b)还包括如下步骤：
-借助于w(eo)＝z+ceiling[(eo–z)/y]×y计算当前压缩间隔的结束，
其中：w是当前压缩间隔的结束，z指示所述压缩处理的开始，y是指示每个压缩间隔的持续时间的预定常数，eo是指示首先进入当前压缩间隔的当前现场数据间隔的结束的时间戳、并且还包括指示开始的时间戳so；
-计算首先进入当前压缩间隔的数据间隔的持续时间n＝eo-so；
-将每个随后的时间戳eo与值w进行比较并且更新so、eo，直到检测到eo≤w；一旦此条件为假，就在步骤c)期间将矢量[s,e,v,vo,n]存储在所述数据库中并且进入新的压缩间隔，其中，s,e,v,是更新后的so,eo以及累积的vo；测度vo/n构成了如下乘数，每当需要时，该乘数可用于在一个或更多个过滤间隔的两端中的至少一个上对值vo进行线性插值，以预示进入的压缩值v的延缓聚集。
根据本发明的一个方面，到过滤间隔的聚集依赖于所述持续时间n关于过滤间隔的边界的位置，利用可选择的过滤标准。
根据本发明的另一方面：
-以(a–z)/y和(b–z)/y为整数这样的方式计算所述过滤间隔的下端a和上端b，以及
-每当所选择的过滤标准需要其时，通过将vo乘以(a-so)与(eo-so)之间的比例执行在下端a处的值vo的插值，同时通过将vo乘以(b-so)与(eo-so)之间的比例执行在上端b处的插值。
根据本发明的另一方面，通过累积贡献的各个线性组合，针对所选择的过滤标准并且针对每个压缩间隔执行所述进一步聚集，每个贡献的线性组合属于与压缩间隔整体地或部分地重叠的时间切片的子集，并且与过滤标准的边界条件相关联。
发明的优点
·本发明给予如下可能性：在不同的持续时间的不规则间隔上，一旦原始生产数据来自于现场，就对该原始生产数据进行聚集。
·不同于用于聚集测量的已知模式，本发明还采取了新的测度n/m＝vo/(eo-so)，其对应于来自于现场、进入压缩间隔的第一间隔的平均生产速度。此新的测度允许在时间恒定的聚集间隔的边界上的实时测量的插值，从而允许根据不同的可选择过滤标准、在任意长度的延缓聚集间隔的边界上的插值。在两端的线性插值引起了聚集的更精确的评估并且使用户能够计算统计上可能的贡献，尽管未确实地确定。
·用于访问压缩值的本发明允许用户在较短时间内，对与他们可以对原始现场数据进行的检索相等的聚集值进行检索。
·最后，相对于浮点运算的增加数量，与简单存储相比，实时压缩和存储具有如下益处：节省存储，并且以此方式，与压缩比例成正比地减少系统开销，因为全部现代化处理器容易处理数学运算。
附图说明
参照结合仅出于非限制性说明目的而给出的附图所进行的本发明的实施例的下面的详细描述可以理解本发明及其优点，并且在附图中：
-图1是典型的MES/ERP情景的示意图，在该MES/ERP情景中，工作场所连接到数据压缩处理器，该数据压缩处理器依照本发明执行用于压缩来自现场的原始数据的程序；
-图2是来自现场的数据采样(标签)的图示；
-图3是当前压缩间隔范围的图示；
-图4是由图1的服务器所执行的数据压缩方法的流程图；
-图5是根据不同地可选择过滤标准，进一步被聚集到整体地或部分地与过滤间隔(a-b)重叠地对应的过滤范围中的邻近压缩间隔In的图示；
-图6是在图5的过滤范围(a-b)上直接对来自现场的原始数据操作的“上限”过滤标准的图示；
-图7是被分解为不同时间切片的示例压缩间隔的图示；
-图8是在图5的聚合范围上对压缩间隔的操作的“上限”过滤标准的图示。
具体实施方式
在信息技术(IT)的背景下，图1扼要地表示了依照ANSI/ISA95标准而操作的工厂的工作场所和其MES/ERP控制面板。专属数据压缩解决方案由此标准所容许。参照图1，块1(机器)代表整个生产组件，即用于制造产品、在工作场所使用的装备和单独的设备。块1在装备内部包括传感器2和所激励的致动器3。典型的生产组件是：光电管、压力计、温度计、马达、步进驱动器、传送机、阀、泵等。各种传感器2生成了朝向监督控制和数据获取(SCADA)功能块4的数据流量，该监督控制和数据控制(SCADA)功能块4在通常限制为基本撤销或监督级干预的反馈控制回路中执行控制功能。可编程逻辑控制器(PLC)池5由SCADA 4所使能以发挥本地控制。PLC 5还可以收集感测数据并且使用该感测数据用于直接地操作驱动器3，或替选地将该感测数据发送至SCADA 4。SCADA 4收集被称作标签的信息元素，并且在将该信息元素存储在标签数据库7中以用于较长的刷新时间之前，将其暂时存储在标签缓冲器6中。标签与代表由系统所监视的或控制的单个输入或输出值的点相关联。标签通常被存储为值-时间戳配对：值，以及当记录或计算该值时的时间戳。一系列值-时间戳配对给出了该点的历史。通常从现场所获取的间隔是与之前的间隔邻接的间隔，以使得间隔的持续时间或范围不是固定的，但是间隔的结束等于下面的间隔的开始。但是因为在很多情形下，可以发生错误或其他中断原因，所以生产处理受限于不可预期的时间跨度而连续地工作。应当考虑可能的中断，并且从而采取监视活动。替选是：在每个随后的获取间隔处收集标签，该标签包括初始时间戳、结束时间戳、以及所监视的变量的相关联的变化。相对于少量增长的生产量，此替选能够将所监视的变量的真实值分配到其真实的生产数据间隔。
由于大量连续地存储的原始数据，数据库7的空间将倾向于不确定地增长，并且很快地，存储和查询将会成为问题，除非在周期的刷新之前维持所包含的数据的压缩表示。仍然参照图1，在MES/ERP面板处配置服务器/客户端架构，以用于执行所期望的数据压缩和存储处理。服务器8包括数据压缩处理器10，其依次包括(未示出)：算术和逻辑单元(ALU)、RAM/ROM、寄存器、I/O端口、总线驱动器、中断控制器等。数据压缩处理器10还包括存储器，该存储器包含用于执行图4中所示的数据压缩算法的固件。服务器8还包括数据压缩缓冲器11，该数据压缩缓冲器11用于暂时存储以由数据压缩处理器10所压缩的格式而详述的标签信息。在服务器8侧处，还实现了用于管理SQL数据库12的相关数据库管理系统(RDBMS)，SQL数据库12永久地存储来自数据压缩缓冲器11的压缩信息。还是在服务器8中，报告生成器13与安装在位于客户端侧的个人计算机9中的网页浏览器14相接。SQL数据库12与数据压缩处理器10相接以被更新和被查询，并且与在客户端9侧处所存在的报告递送终端15(优选地能够运行电子邮件协议)相接。在操作中，网页浏览器14用作服务器8的前端，其被用于初始化压缩处理，并且通过报告生成器13和数据压缩处理器10发出针对SQL数据库12的查询，以及用于设置并且维护安全访问等等。更确切地，网页浏览器14通过将两个数字z、y发送至数据压缩处理器10来初始化压缩处理；如果需要压缩值的进一步聚集(过滤)，则可以发送另外两个数字a、b以及代码crn。数据压缩处理器10涉及连续地检查标签缓冲器6，以用于捕捉新标签并且立即将新标签提交至图4中所详述的压缩算法。出于本发明的目的，报告生成器12将关于压缩值和所过滤的压缩值的信息报告给网页浏览器14。报告生成器12还控制经由电子邮件发送至递送终端15的报告、和/或发送至网页浏览器14以作为HTML文件而发布在网络上的报告，该HTML文件可以由具有适当的访问权的任何人查看。连续的图2至图8用于详细地说明压缩算法。
图2在两个正交轴即时间、值v(由实心点所指示)上表示了携带有标签的现场数据间隔Fn的模型。此模型可以被解释为[so,eo,vo]形式的矢量，该矢量包含下面的信息：初始时间戳so、最终时间戳eo以及在eo处的读数与在so处的读数之间由所监视的变量所经历的变化vo。后缀o只是用于指示直接从现场所获取的时间戳和值的图解，以便将其与关于压缩间隔的同音值进行区分。示例：生产装备上的设备将“从2：49PM至2：53PM，150个咖啡封包通过传送器”类型的信息传送至某一点。时间和数量的这些测量是从现场所获取的时间戳so、eo以及值vo。
未对本发明进行限制，从现场所获取的间隔Fn是与之前的间隔邻接的间隔，并且其范围不必为常数，通常但是不作为规则，间隔的结束等于下面的间隔的开始，并且在类似的情况下可以仅从现场发送副本eo和vo。
图3是根据本发明、在两个正交轴即时间、值v上的压缩间隔In的模型。压缩间隔In具有恒定的持续时间y，y跨越了时间戳s-e之间的若干现场数据间隔Fn。持续时间y典型地跨越几分钟(例如，10分钟)：y越大则压缩速率越大。开始时间z具有基准时间坐标(诸如，2000/01/01–00：00：00)。先验地限定持续时间y和第一开始z。
每个压缩间隔收集在范围[x,w]中结束的现场间隔[s,e]，其中w–x＝y(例如，如果y＝2分钟并且z＝00：00：00，则对于x和w的可能值为00：02：00和00：04：00)。值w是时间戳eo的函数。在瞬时eo终止的标签将落入在w(eo)终止的压缩间隔中，w(eo)按照如下计算：
w(eo)＝z+ceiling((eo–z)/y)×y,(1)
其中，函数ceiling(.)返回等于或小于实数的下一个整数值。
对之前的示例进行扩展：生产系统的设备传送“从2：49PM至2：53PM，150个咖啡封包通过传送带”类型的信息。不久之后，该生产系统的设备传送“从2：53PM至2：56PM，10个咖啡封包通过传送带”。最终，“从2：56PM至2：59PM，5个咖啡封包通过传送带”。
假设想要压缩在从14:00(z)起的五分钟间隔(y)中的这些数据。在来自现场的各种间隔的情况下(星标表示乘积)：
w(14:53)＝14:00+ceiling((14:53–14:00)/5)*5＝14:00+ceiling(53/5)*5＝14:00+ceiling(10.6)*5＝14:00+11*5＝14:55；
w(14:56)＝14:00+ceiling((14:56–14:00)/5)*5＝14:00+ceiling(56/5)*5＝14:00+ceiling(11.2)*5＝14:00+12*5＝15:00；
w(14:59)＝14:00+ceiling((14:59–14:00)/5)*5＝14:00+ceiling(59/5)*5＝14:00+ceiling(11.8)*5＝14:00+12*5＝15:00。
将仅对第一间隔进行压缩，而同时第二和第三间隔将给予单一压缩间隔。
图3的压缩间隔模型还包括：被任意地称为进入持续时间n和进入变化m、在图中所描述的两个辅助标志n和m；构成了如下乘数的测度m/n：该乘数将被用于在预定的和延后的聚集间隔(过滤间隔)的任一端或两端对进入新压缩间隔的第一值vo进行线性插值。
图4是被存储到数据压缩处理器10(图1)中的计算机程序的流程图，数据压缩处理器10运行该计算机程序以用于执行实时数据压缩。由流程图所指定的步骤与三个标题相关联：现场数据缓冲、压缩数据缓冲、以及压缩数据存储。参照图4和图1两者，在程序的开始瞬间进入第一初始化步骤S1以用于：清除所有存储器寄存器；将对应的预定值z和y写入z和y的寄存器；将其最大所允许的负值写入变量w的寄存器；清除引入标签的缓冲器6；清除数据压缩缓冲器11。在相继的步骤S2期间，程序等待接收来自于现场的标签。出于简化图示的目的，采用由圆圈所包围的A来表示进入S2。如果在S2中标签从现场到达，则在步骤S3期间矢量[so,eo,vo]被存储在缓冲器6中，否则在步骤S4中检查最大允许等待时间以用于如果此看门狗时间失效则停止程序，或将控制返回至等待步骤S2。基于在步骤S5中所检查的边界条件来对在步骤S2中所接收的矢量进行不同地处理。如果在步骤S5中，条件eo>w为真，则进入步骤S6以检查当前标签是否属于第一绝对压缩间隔。如果还满足此条件，则进入步骤S7，以用于计算表达式(1)并且然后建立由矢量[s,e,v,m,n]所表征的新压缩间隔(x,w)，该矢量[s,e,v,m,n]按照如下方式建立：s＝so,e＝eo,v+＝vo,m＝vo,n＝eo–so；项v+＝vo指示在缓冲器11中对随后的值vo进行求和(累积)，然后程序返回至点A。否则，如果在S6中答案是否，则进入步骤S9以将属于之前的压缩间隔的矢量[s,e,v,m,n]永久地存储在SQL数据库12中，并且之后程序返回至点A。
每当返回至点A时，如果未经过最大等待时间，则循环地重复步骤S2、S3、S5，以检验步骤S5中的边界条件eo≤w。在此条件为真之前，在缓冲器11中累积当前值vo，并且当前时间戳eo替换在相关寄存器中所存储的被称为e的之前的时间戳。一旦所检验的条件eo≤w为假，就进入新压缩间隔，并且如步骤S9中所示地存储之前的压缩间隔，其被确定地执行，因为当前压缩间隔不是步骤S6中的第一绝对压缩间隔。图4的程序连续地工作以用于产生顺序的压缩间隔In(如在图5中所示的顺序的压缩间隔一样)，并且计算要被存储在SQL数据库12中的相关的压缩矢量[s,e,v,m,n]。
下面是在图4的流程图中的伪代码中的描述。
在图5中，六个邻近的压缩间隔I0至I5被叠加在来自现场的数据的时间-值表示上。间隔I0至I5中的每个持续两分钟，并且第一I0在时间原点处开始。压缩间隔的全体扩展覆盖8分钟的间隔a-b，该间隔a-b从2分钟处开始并且在10分钟处结束。压缩间隔{I0,I1,I2,I3,I4,I5}写作其矢量形式[s,e,v,m,n]为：
I0＝[0.0,1.2,2.0,2.0,1.2],
I1＝[1.2,2.6,1.6,1.2,0.6],
I2＝[3.2,4.4,0.4,0.4,0.4],
I3＝[4.4,9.0,0.0,0.0,2.0],
I4＝[4.4,9.0,0.4,0.4,1.0],
I5＝[9.0,10.2,0.4,0.4,0.2].
这些矢量存储在SQL数据库12中，以提供所监视的标签的历史。压缩间隔主要被设计成用于示范构造规则，因为跨越相同间隔a-b的现场间隔的数量与现场间隔的数量之间的小的差异引起小的压缩速率。
现在，参照图5，描述了被称为“过滤”的聚集延缓模式。给定范围[a,b]，其中a和b使得(a–z)/y和(b–z)/y为整数，如在下面的表格1中所规定的(与不同的事件有关的数字指标均在后缀中，或被表示在方括号中)，对于现场数据限定由cr所指示的不同聚集标准。
表格1
标题“聚集政策”对插值和变化进行区分。来自于现场、由与过滤间隔a-b部分重叠的两个间隔[so[i],eo[i]]所携带的值vo[i]经历线性插值，以获得对应的中间值v[a]和v[b]。插值后的值为：
v[a]＝(vo[i]/(eo[i]–so[i]))×(a–so[i]), (2)
v[b]＝(vo[i]/(eo[i]–so[i]))×(b–so[i]). (3)
插值后的值v[a]和v[b]表示，将生产平均速度分别乘以与在a和b中的过滤范围重叠的现场间隔的持续时间。
在图5的底部部分，示出了与间隔a-b有关的表格1的八个可选择过滤标准(cr＝0-7)。必须注意，标准cr＝0和cr＝4是等价的，因为他们整体地落入a-b内部，所不存在插值。
还必须注意，可以通过如下两种方法中的任一种计算在过滤间隔a-b的端点处的总聚集：累积从现场直接地获取的值vi，或累积与如图4中所描述地计算的恒定宽度压缩间隔(例如，I0-I5)相关联的、并且以矢量形式存储在数据库12中的压缩值Vi。仅第二方法是与本发明有关的方法。
在第一情况中使用如下记号：
●Vi(filtering_interval_start,filtering_interval_end,criterion)＝根据给定的标准，在filtering_interval_start处开始并且在filtering_interval_end处结束的过滤间隔上，关于现场间隔i的相关变化，并且
●V(filtering_interval_start,filtering_interval_end,criterion)＝根据给定的标准，在filtering_interval_start处开始并且在filtering_interval_end处结束的过滤间隔上，关于现场间隔的总变化，
总变化，即压缩，为：
U＝{i|Fi(overlaps)[a，b]} (5)
在第二情况中使用如下记号：
●Cj(filtering_interval_start,filtering_interval_end,criterion)＝根据给定的标准，在filtering_interval_start处开始并且在filtering_interval_end处结束的过滤间隔上，关于压缩间隔j的相关变化，并且
●C(filtering_interval_start,filtering_interval_end,criterion)＝根据给定的标准，在filtering_interval_start处开始并且在filtering_interval_end处结束的过滤间隔上，关于压缩间隔的总变化，
总变化，即压缩，为：
J＝{j|Yj(overlaps)[a，b]}. (7)
依照本发明，压缩间隔Yj不应该在由表达式(1)所引入的规则之外。
图6示出了根据“上限”标准(cr＝1)对现场数据的聚集的结果。通过根据表达式(4)和(5)，在第一间隔上线性地对来自现场的第一变化vo进行插值，并且将所插值的值与相继的现场数据vi进行聚集，完成对现场数据的聚集。计算必须返回在给定的范围[2,10]中结束的现场间隔中的总变化。过程是示范的“捷径”以实现通过依照本发明对压缩间隔(I0-In或Y0-Yn)进行聚集所计算的相同的总变化。
现场间隔：
{F0,F1,F2,F3,F4,F5}≡{[0.0,1.2,2.0],[1.2,2.6,1.2],[2.6,3.0,0.4],[3.2,4.4,0.4],[4.4,9.0,0.4],[9.2,10.2,0.4]}。
相关间隔变化：
V0(2,10,1)＝0因为在下限a之前间隔F0终止。
V1(2,10,1)＝(eo 1–a)×(vo 1/(eo 1–so 1))
＝0.6×(1.2/1.4)
＝0.5143…在[a,eo 1]上所插值的部分间隔F1。
V2(2,10,1)＝0.4全部间隔F2。
V3(2,10,1)＝0.4全部间隔F3。
V4(2,10,1)＝0.4全部间隔F4。
V5(2,10,1)＝0在上限b之后间隔F5结束。
因此：
V(2,10,1)＝V0(2,10,1)+V1(2,10,1)+V2(2,10,1)+V3(2,10,1)+V4(2,10,1)+V5(2,10,1)相关变化的和
＝0+0.5143…+0.4+0.4+0.4+0＝1.7143…
参照图7，每个压缩间隔In可以被分割为在此被称为贡献(contribution)的更小的部分cn。假定下面的五个贡献：
c0.非最终现场数据间隔。
c1.最终现场数据间隔的左(内部)边缘。
c2.最终现场数据间隔。
c3.最初现场数据间隔。
c4.最初现场间隔的左(内部)边缘。
如在以下的表格2中一样，可以依据过滤端点a、b以及发起压缩间隔的矢量[s,e,v,m,n]来表示贡献cn。
表格2
贡献 条件 贡献值
c0 e≤b v
c1 e>b (m/n)×(b–s)
c2 e>b m
c3 s<a m
c4 s<a (m/n)×(a–s)
如在下面的表格3中所描述地，可以依据表格2的贡献cn来表示表格1的不同的过滤标准cr。
表格3
cr 贡献的组合 内部命名
0 c0–c3 (内部时间跨越)
1 c0–c4 上限
2 c0+c1–c3 下限
3 c0+c1–c4 线性插值
4 c0–c3 内部时间跨越
5 c0 内部时间跨越和上限
6 c0+c2–c3 内部时间跨越和下限
7 c0+c2 内部时间跨越和边界
根据表达式(6)和(7)的过滤标准必须基于压缩间隔Cj(a,b,cr)的分解而计算。
从表格1开始并且还考虑表格2和表格3，可以限定求和函数以再生压缩间隔上的过滤标准cr。考虑到：
V(a,b,cr)＝summation Fi in[a,b]＝ (8)
＝C(a,b,cr)＝summation Yj in[a,b],
通过将求和函数施加至与过滤间隔[a,b]重叠的所有压缩间隔Yj，可以从其压缩格式C获得关于[a,b]中现场数据的原始过滤的变化V。在如上所述地继续之前，应当限定下面的布尔(Boolean)函数：
sign(条件)≡1当条件为真时,
否则0, (9)
“条件”是在表格2中所给定的条件。函数(9)从布尔域被限定到数值值域。
具有：
Cj(a,b,0)≡c0–c3≡sign(e≤b)×v–sign(s<a)×m.
Cj(a,b,1)≡c0–c4≡sign(e≤b)×v–sign(s<a)×(m/n)×(a–s).
Cj(a,b,2)≡c0+c1–c3≡sign(e≤b)×v+sign(e<b)×(m/n)×(b–s)–sign(s<a)×m.
Cj(a,b,3)≡c0+c1–c4≡sign(e≤b)×v+sign(e<b)×(m/n)×(b–s)–sign(s<a)×(m/n)×(a–s).
Cj(a,b,4)≡c0–c3≡sign(e≤b)×v–sign(s<a)×m.
Cj(a,b,5)≡c0≡sign(e≤b)×v.
Cj(a,b,6)≡c0+c2–c3≡sign(e≤b)×v–sign(s<a)×m.
Cj(a,b,7)≡c0+c2≡sign(e≤b)×v–sign(s<a)×m.
伪代码中的描述
图8示出了如何使用“上限”标准cr＝1对所压缩的值进行过滤。计算必须返回在给定的范围(2，10]中结束的间隔中的所谓的“插值变化”。压缩间隔Yj被给予[sj,ej,vj,nj,mj]的形式。因为表达式(8)，所以根据本发明，可以在现场数据域{F0,F1,F2,F3,F4,F5}(作为示范的捷径)中或在压缩间隔的域{I0,I1,I2,I3,I4,I5}中获得在这些间隔中所施加的压缩。依赖于其落入间隔[2,4]中的结束时间坐标，现场间隔F1,F2,F3合并到Y1中。
数值如下：
{F0,F1,F2,F3,F4,F5}≡[sj,ej,vj]≡{[0.0,1.2,2.0],[1.2,2.6,1.2],[2.6,3.0,0.4],[3.2,4.4,0.4],[4.4,9.0,0.4],[9.0,10.2,0.4]}.
{Y0,Y1,Y2,Y3,Y4}≡[sj,ej,vj,nj,mj]≡
{[0.0,1.2,2.0,2.0,1.2],[1.2,3.2,1.6,1.2,1.4],
[3.2,4.4,0.4,0.4,1.2],[4.4,9.0,0.4,0.4,4.6],[9.0,10.2,0.4,0.4,1.2]}.
相关的间隔变化：
C0(2,10,1)＝0 间隔Y0在a之前结束。
C1(2,10,1)＝c0,1–c4,1 Y1的贡献。
＝sign(e0≤b)×v0–sign(s0<a)×(m0/n0)×(a–s0)
＝sign(3.2≤10)×1.6–sign(1.2<2.0)×(1.2
/1.4)×(2.0–1.2)
＝1×1.6–1×(0.8571…)×(0.8)
＝1.6–0,6857…
＝0,9143…
C2(2,10,1)＝c0,2–c4,2 Y2的贡献。
＝sign(4.4≤10)×0.4–sign(3.2<2.0)×
(0.4/1.2)×(2.0–3.2)
＝1×0.4–0×(0.3333…)×(-1.2)
＝0.4
C3(2,10,1)＝c0,3–c4,3 Y3的贡献。
＝sign(9.2≤10)×0.4–sign(4.4<2.0)×
(0.4/4.6)×(2.0–4.4)
＝1×0.4–0×(0,087…)×(-2.4)
＝0.4
C4(2,10,1)＝c0,4–c4,4 Y4的贡献。
＝sign(10.2≤10)×0.4–sign(9.0<2.0)×
(0.4/1.2)×(2.0–9.0)
＝0×0.4–0×(0.3333…)×(-7.0)
＝0
因此：
C(2,10,1)＝C0(2,10,1)+C1(2,10,1)+C2(2,10,1)+C3(2,10,1)+C4(2,10,1)
相关变量的求和
＝0+0,9143…+0.4+0.4+0
＝1.7143…
总变化与关于现场数据的计算相匹配。对于本领域技术人员而言，采用“上界”标准进行过滤的详细描述足以使其根据其他标准进行过滤。
尽管具体地参照优选实施例描述了本发明，但是对于本领域技术人员明显的是：本发明不限于此，而是可以施加进一步的变型和修改而不背离由所附的权利要求所限定的本发明的范围。

Claims (5)

1.一种用于压缩来自于工厂的工作场所(1，2，3，4，5)、也被称为现场的数据流的系统(8，9，12)，所述数据流以现场数据间隔(Fn)被分割，每个现场数据间隔(Fn)携带有标签，所述标签至少由与所监视的变量相关联的值v°和当记录或计算所述变量时的时间戳构成，所述系统包括：
-第一缓冲装置(6)，用于暂时存储来自于所述现场的所述标签；
-可编程处理装置(10)，包括如下固件：所述固件被配置成访问所述第一缓冲装置(6)并且取得随后的值v°、以及在压缩时间间隔中累积所述随后的值v°作为也被称为压缩值v的求和数据值v；
-数据库(12)，由所述处理装置(10)所访问、用于存储从第二缓冲装置(11)所取得的压缩值v；
-后处理装置(13、14、15)，用于查询所述数据库(12)，
其特征在于，所述可编程处理装置(10)的所述固件还被配置成：
-借助于w(e°)＝z+ceiling[(e°-z)/y]×y计算当前压缩间隔(In)的结束，
其中：w是所述当前压缩间隔(In)的结束，z指示压缩处理的开始，y是指示每个压缩间隔的持续时间的预定常数，e°是指示首先进入所述当前压缩间隔的当前现场数据间隔的结束的时间戳、并且还包括指示所述开始的时间戳s°；
-计算首先进入所述当前压缩间隔的数据间隔的持续时间n＝e°-s°；
-将每个随后的时间戳e°与值w进行比较并且更新s°、e°，直到检测到e°≤w；一旦此条件为假，就将矢量[s,e,v,v°,n]存储在所述数据库中并且进入新的压缩间隔，其中，s，e，v是更新后的s°，e°以及累积的v°；测度v°/n构成了如下乘数，每当需要时，所述乘数可用于在一个或更多个过滤间隔(a,b)的两端中的至少一个上对所述值v°进行线性插值，以预示进入的压缩值v的延缓聚集。
2.一种用于压缩来自于工厂的工作场所(1，2，3，4，5)、也被称为现场的数据流的方法，所述数据流以现场数据间隔(Fn)被分割，每个现场数据间隔(Fn)携带有标签，所述标签至少由与所监视的变量相关联的值v°和当记录或计算所述变量时的时间戳构成，所述方法包括如下步骤：
a)接收从所述现场所发送的标签(S2，S3)；
b)在压缩时间间隔(In)期间累积(S8)随后的值v°，以便获得也被称为压缩值v的求和数据值v；
c)将所述压缩值v存储(S9)在数据库(12)中，并且重复步骤a)至c)直到压缩处理结束；
其特征在于，步骤b)还包括如下步骤：
-借助于w(e°)＝z+ceiling[(e°–z)/y]×y计算(S7)当前压缩间隔(In)的结束，
其中：w是所述当前压缩间隔(In)的结束，z指示所述压缩处理的开始，y是指示每个压缩间隔的持续时间的预定常数，e°是指示首先进入所述当前压缩间隔的现场数据间隔的结束的时间戳、并且还包括指示所述开始的时间戳s°；
-计算(S7)首先进入所述当前压缩间隔的数据间隔的持续时间n＝e°-s°；
-将每个随后的时间戳e°与值w进行比较(S5)并且更新s°、e°，直到检测到e°≤w；一旦此条件为假，就在步骤c)期间将矢量[s,e,v,v°,n]存储在所述数据库(12)中并且进入新的压缩间隔，其中，s,e,v,是更新后的s°,e°以及累积的v°；测度v°/n构成了如下乘数，每当需要时，所述乘数可用于在一个或更多个过滤间隔(a,b)的两端中的至少一个上对所述值v°进行线性插值，以预示进入的压缩值v的延缓聚集。
3.根据权利要求2所述的方法，其特征在于，到过滤间隔的聚集依赖于所述持续时间n关于所述过滤间隔的边界的位置，利用可选择的过滤标准。
4.根据权利要求3所述的方法，其特征在于：
-以(a–z)/y和(b–z)/y为整数这样的方式计算所述过滤间隔的下端a和上端b；
-每当所选择的过滤标准要求其时，通过将v°乘以(a-s°)与(e°-s°)之间的比例执行在所述下端a处的值v°的插值，同时通过将v°乘以(b-s°)与(e°-s°)之间的比例执行在所述上端b处的插值。
5.根据权利要求4所述的方法，其特征在于，通过累积贡献的各个线性组合，针对所选择的过滤标准并且针对每个压缩间隔执行所述进一步聚集，每个贡献的线性组合属于与所述压缩间隔整体地或部分地重叠的时间切片的子集、并且与该过滤标准的边界条件相关联。
CN201310356242.XA 2012-08-16 2013-08-15 压缩生产数据流并以不同标准过滤压缩数据的系统和方法 Expired - Fee Related CN103595416B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP20120180689 EP2698679A1 (en) 2012-08-16 2012-08-16 System and method for compressing production data stream and filtering compressed data with different criteria.
EP12180689.7 2012-08-16

Publications (2)

Publication Number Publication Date
CN103595416A CN103595416A (zh) 2014-02-19
CN103595416B true CN103595416B (zh) 2018-04-20

Family

ID=46690410

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310356242.XA Expired - Fee Related CN103595416B (zh) 2012-08-16 2013-08-15 压缩生产数据流并以不同标准过滤压缩数据的系统和方法

Country Status (3)

Country Link
US (1) US9116907B2 (zh)
EP (1) EP2698679A1 (zh)
CN (1) CN103595416B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015114821A1 (ja) * 2014-01-31 2015-08-06 三菱電機株式会社 監視制御システム及び制御装置
EP2980995A1 (de) * 2014-07-29 2016-02-03 Siemens Aktiengesellschaft Automatisierungsgerät
EP3001361A1 (en) * 2014-09-23 2016-03-30 Siemens Aktiengesellschaft Collecting by a MES system time-stamps of working-statuses
EP3575904B1 (de) * 2018-05-30 2023-06-28 Siemens Aktiengesellschaft Verfahren zur erstellung eines rezeptes für eine verfahrenstechnische prozessanlage
US20200081873A1 (en) * 2018-09-10 2020-03-12 Aveva Software, Llc System and server for best-fit data storage
CN112955838A (zh) * 2018-09-10 2021-06-11 阿韦瓦软件有限责任公司 处理数据的动态汇总的系统和方法
CN111061722B (zh) * 2018-10-16 2023-06-06 阿里巴巴集团控股有限公司 一种数据压缩、数据解压缩方法、装置及设备
CN109542059B (zh) * 2018-11-19 2022-04-01 国核自仪系统工程有限公司 历史数据压缩装置和方法
CN109933568A (zh) * 2019-03-13 2019-06-25 安徽海螺集团有限责任公司 一种工业大数据平台系统及其查询方法
EP3917014A4 (en) * 2019-04-23 2022-11-16 Siemens Aktiengesellschaft DATA PROCESSING SYSTEM AND PROCEDURES
US11610126B1 (en) * 2019-06-20 2023-03-21 Amazon Technologies, Inc. Temporal-clustering invariance in irregular time series data
CN110633277B (zh) * 2019-08-13 2024-05-03 平安科技（深圳）有限公司 时序数据存储方法、装置、计算机设备和存储介质
US11403310B2 (en) * 2020-02-28 2022-08-02 Verizon Patent And Licensing Inc. Systems and methods for enhancing time series data compression for improved data storage
DE102020113786A1 (de) * 2020-05-21 2021-11-25 Elpro Gmbh Verfahren zum Erfassen und Darstellen von Messdaten
CN111702944B (zh) * 2020-06-29 2021-11-26 重庆中科建筑科技(集团)有限公司 一种混凝土预制件生产追溯系统及控制方法
CN115407747B (zh) * 2022-07-26 2024-05-17 中国第一汽车股份有限公司 数据处理方法、装置以及一种车辆

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4669097A (en) * 1985-10-21 1987-05-26 The Foxboro Company Data compression for display and storage

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4699097A (en) 1984-08-31 1987-10-13 Mazda Motor Corporation Means for suppressing engine output torque fluctuations
US4920489A (en) * 1987-08-14 1990-04-24 Cardiodata Inc. Apparatus and method for solid state storage of episodic signals
US5784631A (en) * 1992-06-30 1998-07-21 Discovision Associates Huffman decoder
US20030105535A1 (en) * 2001-11-05 2003-06-05 Roman Rammler Unit controller with integral full-featured human-machine interface
DE102007040676A1 (de) * 2006-11-13 2008-05-15 Abb Technology Ag Optimiertes Speicherungs- und Zugriffsverfahren in einem Historienspeicher eines Automatisierungssystems
RU2424568C2 (ru) * 2006-12-28 2011-07-20 Арксайт, Инк. Эффективное хранение данных регистрации с поддержкой запроса, способствующее безопасности компьютерных сетей

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4669097A (en) * 1985-10-21 1987-05-26 The Foxboro Company Data compression for display and storage

Also Published As

Publication number Publication date
EP2698679A1 (en) 2014-02-19
US9116907B2 (en) 2015-08-25
US20140052701A1 (en) 2014-02-20
CN103595416A (zh) 2014-02-19

Similar Documents

Publication Publication Date Title
CN103595416B (zh) 压缩生产数据流并以不同标准过滤压缩数据的系统和方法
CN105224445B (zh) 分布式跟踪系统
US11151014B2 (en) System operational analytics using additional features for health score computation
CN111077870A (zh) 一种基于流计算的opc数据实时采集监控智能系统及方法
CN201993755U (zh) 实时数据库的数据过滤压缩存储系统
CN108833184A (zh) 服务故障定位方法、装置、计算机设备及存储介质
CN101673100B (zh) 一种工艺过程参数的采集方法及系统
CN107193266A (zh) 一种大数据的平台监控系统
US20060074621A1 (en) Apparatus and method for prioritized grouping of data representing events
CN106656536A (zh) 一种用于处理服务调用信息的方法与设备
KR100982034B1 (ko) 데이터베이스 성능 모니터링 방법 및 시스템
CN102333007B (zh) 在线Web服务质量监测系统及方法
US7496590B2 (en) System and method for applying deadband filtering to time series data streams to be stored within an industrial process manufacturing/production database
CN107979477A (zh) 一种业务监控的方法及系统
CN107480244A (zh) 一种工业数据汇集与处理系统及其处理方法
CN105302697A (zh) 一种密集数据模型数据库的运行状态监控方法及系统
CN113468019A (zh) 基于Hbase的指标监控方法、装置、设备及存储介质
CN107631754A (zh) 基于大数据平台的边坡监测方法及系统
CN108664603A (zh) 一种修复时序数据的异常聚合值的方法及装置
CN108984333A (zh) 用于大数据实时计算的方法及装置
CN109831316A (zh) 海量日志实时分析系统、实时分析方法及可读存储介质
CN108932241A (zh) 日志数据统计方法、装置及节点
CN111339052A (zh) 一种非结构化日志数据处理方法及装置
CN102930046B (zh) 数据处理方法、计算节点及系统
CN106603396B (zh) 一种基于总线型数据交换的物联网接入网关

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180420

Termination date: 20190815

CF01 Termination of patent right due to non-payment of annual fee