CN108804668A - 数据处理方法及装置 - Google Patents

Abstract

本申请公开了一种数据处理方法及装置。该方法包括：采集预设时间周期内的设备层中的目标设备的数据信息，得到数据信息集合，其中，不同的目标设备类型对应不同类型的数据，数据信息集合中包括多种类型的数据；通过边缘计算设备获取数据信息集合中每种类型的数据对应的数据处理模型；通过边缘计算设备根据数据处理模型对数据信息集合中数据处理模型对应的类型的数据进行处理，得到目标数据；将目标数据上传至云端。通过本申请，解决了相关技术中对终端设备的大批量的数据上传至云端造成数据暴涨，增加网络流量压力的问题。

Description

数据处理方法及装置

技术领域

本申请涉及工业数据处理分析领域，具体而言，涉及一种数据处理方法及装置。

背景技术

随着底层机加工设备数量以及与设备生产、维护、管控的相关数据种类和数据量呈指数式增长，针对大量已实现网络互连设备的数据采集根据其内参与者的特性生成大量的数据，数据已成为影响工业改造和升级的重要因素。常见工业设备的控制系统具有以下特点：设备控制系统类型多、设备工艺参数类型繁多、设备位置布局相对比较分散、独立设备及协同设备参差不齐，建立对设备数据的提取、预测分析及建立预防性维护模型、批量存储等机制就变得异常困难。而且如此大批量的数据上传至云端必然会对接入带宽和流量以及成本、能耗等条件提出更高的要求，将造成应用程序服务等待时间拉长、网络速度下降等问题，同时边缘侧需要支持多种网络接口、协议与拓扑，业务实时处理与确定性时延，数据处理与分析，分布式智能和安全与隐私保护。

针对相关技术中对终端设备的大批量的数据上传至云端造成数据暴涨，增加网络流量压力的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种数据处理方法及装置，以解决相关技术中对终端设备的大批量的数据上传至云端造成数据暴涨，增加网络流量压力的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种数据处理方法。该方法包括：采集预设时间周期内的设备层中的目标设备的数据信息，得到数据信息集合，其中，不同的目标设备类型对应不同类型的数据，所述数据信息集合中包括多种类型的数据；通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型；通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据；将目标数据上传至云端。

进一步地，在通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型之前，还包括：对预设时间段内的历史数据中每种类型的数据进行学习训练，得到每种类型的数据对应的数据处理模型。

进一步地，在通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型之前，还包括：对所述数据信息集合中进行预处理，以分析得出每种类型的数据，其中，所述预处理至少包括以下处理方式：过滤、聚合、语义解析。

进一步地，采集预设时间周期内的设备层中的目标设备的数据信息，得到数据信息集合包括：检测所述目标设备是否存在满足预设条件的接口；若所述目标设备不存在满足所述预设条件的接口，则对所述目标设备的接口进行扩充，以使所述目标设备的接口符合所述预设条件。

进一步地，所述目标设备为数控机床，采集设备层中的目标设备的数据信息，得到数据信息集合包括：采集预设时间周期内的所述数控机床的数据信息，得到所述数据信息集合，其中，所述数据信息集合中至少包括：运行状态参数和各个运行状态的运行时间；通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型包括：获取所述运行状态参数和各个运行状态的运行时间对应的运行效率模型；通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据包括：根据所述运行效率模型对所述运行状态参数和各个运行状态的运行时间进行计算，得到所述数控机床的运行效率；将目标数据上传至云端包括：将所述数控机床的运行效率上传至所述云端。

进一步地，在通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据之后，还包括：判断所述目标数据是否超过预设数值；若所述目标数据超过预设数值，触发报警提醒。

进一步地，在采集设备层中的目标设备的数据信息之前，通过工业交换机和工业以太网，将所述设备层中各个设备进行联网。

进一步地，所述设备层中的设备至少包括以下：数控机床(CNC)、检测设备、环境监测设备、机器人、自动引导运输车(AGV)、注塑机。

为了实现上述目的，根据本申请的另一方面，提供了一种数据处理装置，其特征在于，包括：采集单元，用于采集预设时间周期内的设备层中的目标设备的数据信息，得到数据信息集合，其中，不同的目标设备类型对应不同类型的数据，所述数据信息集合中包括多种类型的数据；获取单元，用于通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型；处理单元，用于通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据；上传单元，用于将目标数据上传至云端。

进一步地，还包括：学习单元，用于在通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型之前，对预设时间段内的历史数据中每种类型的数据进行学习训练，得到每种类型的数据对应的数据处理模型。

进一步地，还包括：预处理单元，用于在通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型之前，对所述数据信息集合中进行预处理，以分析得出每种类型的数据，其中，所述预处理至少包括以下处理方式：过滤、聚合、语义解析。

进一步地，所述采集单元包括：检测模块，用于检测所述目标设备是否存在满足预设条件的接口；扩充模块，用于在所述目标设备不存在满足所述预设条件的接口的情况下，则对所述目标设备的接口进行扩充，以使所述目标设备的接口符合所述预设条件。

进一步地，所述目标设备为数控机床，所述采集单元还用于采集预设时间周期内的所述数控机床的数据信息，得到所述数据信息集合，其中，所述数据信息集合中至少包括：运行状态参数和各个运行状态的运行时间；所述获取单元还用于获取所述运行状态参数和各个运行状态的运行时间对应的运行效率模型；所述处理单元还用于根据所述运行效率模型对所述运行状态参数和各个运行状态的运行时间进行计算，得到所述数控机床的运行效率；所述上传单元还用于将所述数控机床的运行效率上传至所述云端。

进一步地，还包括：判断单元，用于在通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据之后，判断所述目标数据是否超过预设数值；触发提醒单元，用于若所述目标数据超过预设数值，触发报警提醒。

为了实现上述目的，根据本申请的另一方面，提供了一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行上述任意一项所述的数据处理方法。

为了实现上述目的，根据本申请的另一方面，提供了一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行上述任意一项所述的数据处理方法。

通过本申请，采用以下步骤：采集预设时间周期内的设备层中的目标设备的数据信息，得到数据信息集合，其中，不同的目标设备类型对应不同类型的数据，所述数据信息集合中包括多种类型的数据；通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型；通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据；将目标数据上传至云端，解决了相关技术中对终端设备的大批量的数据上传至云端造成数据暴涨，增加网络流量压力的问题。通过对采集到的目标设备的数据通过边缘设备进行处理，将处理后的目标数据上传云端，也即对终端设备的数据进行筛选，不必每条原始数据都传送到云端，充分利用边缘计算设备的空闲资源，在边缘节点处进行处理，节能省时，进而达到了减少从设备到云端的数据流量，通过边缘计算设备增强了数据的计算能力的效果。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例提供的数据处理方法的流程图；

图2是根据本申请实施例提供的数据处理方法的网络架构图；以及

图3是根据本申请实施例提供的数据处理装置的示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

下面结合优选的实施步骤对本发明进行说明，图1是根据本申请实施例提供的数据处理方法的流程图，如图1所示，该方法包括如下步骤：

步骤S101，采集预设时间周期内的设备层中的目标设备的数据信息，得到数据信息集合，其中，不同的目标设备类型对应不同类型的数据，所述数据信息集合中包括多种类型的数据。

例如，预设时间周期为1天，采集1天内设备层中数控机床的基本参数信息，运行状态信息，运行时间，开机时间等，设备层中机器人的运行状态信息，当前产量信息等，得到数据信息集合。不同的目标设备类型对应不同类型的数据。

步骤S102，通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型。

例如，对于数据机床为了获取反映设备生产能力，运行效率等数据，需要获取该数据对应的处理模型，例如，根据采集到的运行时间和开机时间获取器对应的数据模型，以获取运行效率，运行效率的计算公式为：运行时间/开机时间，也即运行时间和开机时间对应的数据处理模型为运行时间/开机时间。

步骤S103，通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据。

例如，上述的目标数据为数控机床的运行效率，根据采集到的运行时间和开机时间，以及其对应的数据处理模型，计算出数控机床的运行效率。

步骤S104，将目标数据上传至云端。

例如，将数控机床的运行效率上传至云端。

通过上述方案，替代以往的批量数据未经处理直接上传至云端，造成的传输带宽增加、网络响应速度降低、应用程序服务等待时间拉长和能源损耗的问题。

本申请实施例提供的数据处理方法，通过采集预设时间周期内的设备层中的目标设备的数据信息，得到数据信息集合，其中，不同的目标设备类型对应不同类型的数据，所述数据信息集合中包括多种类型的数据；通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型；通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据；将目标数据上传至云端，解决了相关技术中对终端设备的大批量的数据上传至云端造成数据暴涨，增加网络流量压力的问题。通过对采集到的目标设备的数据通过边缘设备进行处理，将处理后的目标数据上传云端，也即对终端设备的数据进行筛选，不必每条原始数据都传送到云端，充分利用边缘计算设备的空闲资源，在边缘节点处进行处理，节能省时，进而达到了减少从设备到云端的数据流量，通过边缘计算设备增强了数据的计算能力的效果。

可选地，在本申请实施例提供的数据处理方法中，在通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型之前，还包括：对预设时间段内的历史数据中每种类型的数据进行学习训练，得到每种类型的数据对应的数据处理模型。

通过上述方案，预先根据历史数据中每种类型的数据进行学习训练分析，得到每种类型的数据对应的数据处理模型，从而后续根据每种类型的数据对应的数据处理模型对每种类型的数据进行处理，提升处理效率。

可选地，在本申请实施例提供的数据处理方法中，在通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型之前，还包括：对所述数据信息集合中进行预处理，以分析得出每种类型的数据，其中，所述预处理至少包括以下处理方式：过滤、聚合、语义解析。

例如，采集到机器人的数据信息，数控机床的数据信息以及扫描枪的数据信息等，汇总为数据信息集合，对数据信息集合中的数据进行预处理，分析出各种设备类型对应的数据，从而用于后续对各种设备类型的数据进行处理。

可选地，在本申请实施例提供的数据处理方法中，采集预设时间周期内的设备层中的目标设备的数据信息，得到数据信息集合包括：检测所述目标设备是否存在满足预设条件的接口；若所述目标设备不存在满足所述预设条件的接口，则对所述目标设备的接口进行扩充，以使所述目标设备的接口符合所述预设条件。

例如，在运行时首先对首次接入的设备进行审计，检验在是否有标准化和组件化接口实现对设备数据采集，若有则实现对接入设备的数据提取，否则对接口进行扩充，完成设备注册。在本申请实施例中的设备层，可按需为客户部署行业应用，支持常见工业控制系统通讯特定及标准通用OPC DA/UA等20种以上的协议与接口规范，通过标准化和组件化的接口可向下兼容接入CNC、PLC、检测设备、环境监测设备、机器人、AGV、注塑机等工业设备。这些设备的数据采集根据其内参与者的特性生成高通量、类型多样、关联性强、流动速度快和分析处理实时性要求高、需要大量的计算、存储资源。

可选地，在本申请实施例提供的数据处理方法中，所述目标设备为数控机床，采集设备层中的目标设备的数据信息，得到数据信息集合包括：采集预设时间周期内的所述数控机床的数据信息，得到所述数据信息集合，其中，所述数据信息集合中至少包括：运行状态参数和各个运行状态的运行时间；通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型包括：获取所述运行状态参数和各个运行状态的运行时间对应的运行效率模型；通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据包括：根据所述运行效率模型对所述运行状态参数和各个运行状态的运行时间进行计算，得到所述数控机床的运行效率；将目标数据上传至云端包括：将所述数控机床的运行效率上传至所述云端。

需要说明的是，在本申请实施例中，还可以基于目标数据进行可视化展示，以便用户直观的获取到各个设备对应的数据信息。

可选地，在本申请实施例提供的数据处理方法中，在通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据之后，还包括：判断所述目标数据是否超过预设数值；若所述目标数据超过预设数值，触发报警提醒。

例如，对于目标设备中的一些核心部件，当对采集到的数据进行处理后，根据得到的目标数据即判断对应的核心部件的是否正常工作，若目标数据超过了预设数值，则会进行报警提醒，以提醒该核心部件存在异常。

可选地，在本申请实施例提供的数据处理方法中，在采集设备层中的目标设备的数据信息之前，通过工业交换机和工业以太网，将所述设备层中各个设备进行联网。

作为工业大数据提取的前提，借助工业交换机和工业以太网，在网络层实现底层接入设备的联网，保证设备通讯网络的畅通。

可选地，在本申请实施例提供的数据处理方法中，所述设备层中的设备至少包括以下：数控机床(CNC)、检测设备、环境监测设备、机器人、自动引导运输车(AGV)、注塑机。

如图2所示，在本申请实施例提供的数据处理方法适用于业务部署比较集中，业务流量规模较大的工业智能制造场景。设备层可按需为客户部署行业应用，支持常见工业控制系统通讯特定及标准通用OPC DA/UA等20种以上的协议与接口规范，通过标准化和组件化的接口可向下兼容接入常见CNC、PLC、检测设备、环境监测设备、机器人、AGV、注塑机等工业设备。这些设备的数据采集根据其内参与者的特性生成高通量、类型多样、关联性强、流动速度快和分析处理实时性要求高、需要大量的计算、存储资源。网络层：作为工业大数据提取的前提，借助工业交换机和工业以太网，在网络层实现底层接入设备的联网，保证设备通讯网络的畅通。边缘计算设备：一种基于边缘计算的工业大数据分析装置可提供数据全生命周期的服务。运行时首先对首次接入的设备进行审计，检验在本装置中是否有标准化和组件化接口实现数据采集，若有则实现数据提取，否则对接口进行扩充，完成设备注册；设备审计通过后，根据底层设备差异，实现反映设备生产能力、性能参数、报警信息等不同类型参数的批量数据采集；在数据预处理部分会对上一步采集过来的原始数据进行过滤、清洗、聚合、质量优化和语义解析；数据分析部分根据实际需求支持常用模型灵活选择，集成统计模型、事件模型、算法模型等，并不断完善模型训练方法，快速响应时间和不断变化的业务条件和需求，加速对数据执行持续分析；数据分发和策略执行是基于预定义规则和数据分析结果，在本地进行策略执行，或者将数据转发给云端或其它边缘计算节点进行处理；可视化和存储依托于时序数据库等技术可以大大节省存储空间并满足高速的读写操作需求，根据应用场景实际需求，实现智造场景可视化。

通过上述方案，对设备终端数据过滤、筛选，传输有效数据至云端；替代以往的批量数据未经处理直接上传至云端，从而节能省时，节省带宽；在设备侧建立预防性维护模型，降低时延，提高数据响应速度，实时决策；兼容工业应用场景中常见底层设备，以设备为中心的安全隐私保护。通过本申请实施例中的标准化和组件化的接口可向下兼容20种以上的协议与接口规范，涵盖常见工业设备。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请实施例还提供了一种数据处理装置，需要说明的是，本申请实施例的数据处理装置可以用于执行本申请实施例所提供的用于数据处理方法。以下对本申请实施例提供的数据处理装置进行介绍。

图3是根据本申请实施例的数据处理装置的示意图。如图3所示，该装置包括：采集单元10、获取单元20、处理单元30和上传单元40。

采集单元10，用于采集预设时间周期内的设备层中的目标设备的数据信息，得到数据信息集合，其中，不同的目标设备类型对应不同类型的数据，所述数据信息集合中包括多种类型的数据；获取单元20，用于通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型；处理单元30，用于通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据；上传单元40，用于将目标数据上传至云端。

可选地，在本申请实施例提供的数据处理装置中，还包括：学习单元，用于在通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型之前，对预设时间段内的历史数据中每种类型的数据进行学习训练，得到每种类型的数据对应的数据处理模型。

可选地，在本申请实施例提供的数据处理装置中，还包括：预处理单元，用于在通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型之前，对所述数据信息集合中进行预处理，以分析得出每种类型的数据，其中，所述预处理至少包括以下处理方式：过滤、聚合、语义解析。

可选地，在本申请实施例提供的数据处理装置中，所述采集单元包括：检测模块，用于检测所述目标设备是否存在满足预设条件的接口；扩充模块，用于在所述目标设备不存在满足所述预设条件的接口的情况下，则对所述目标设备的接口进行扩充，以使所述目标设备的接口符合所述预设条件。

可选地，在本申请实施例提供的数据处理装置中，所述目标设备为数控机床，所述采集单元还用于采集预设时间周期内的所述数控机床的数据信息，得到所述数据信息集合，其中，所述数据信息集合中至少包括：运行状态参数和各个运行状态的运行时间；所述获取单元还用于获取所述运行状态参数和各个运行状态的运行时间对应的运行效率模型；所述处理单元还用于根据所述运行效率模型对所述运行状态参数和各个运行状态的运行时间进行计算，得到所述数控机床的运行效率；所述上传单元还用于将所述数控机床的运行效率上传至所述云端。

可选地，在本申请实施例提供的数据处理装置中，还包括：判断单元，用于在通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据之后，判断所述目标数据是否超过预设数值；触发提醒单元，用于若所述目标数据超过预设数值，触发报警提醒。

本申请实施例提供的数据处理装置，通过采集单元10采集预设时间周期内的设备层中的目标设备的数据信息，得到数据信息集合，其中，不同的目标设备类型对应不同类型的数据，所述数据信息集合中包括多种类型的数据；获取单元20通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型；处理单元30通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据；上传单元40将目标数据上传至云端，解决了相关技术中对终端设备的大批量的数据上传至云端造成数据暴涨，增加网络流量压力的问题。通过对采集到的目标设备的数据通过边缘设备进行处理，将处理后的目标数据上传云端，也即对终端设备的数据进行筛选，不必每条原始数据都传送到云端，充分利用边缘计算设备的空闲资源，在边缘节点处进行处理，节能省时，进而达到了减少从设备到云端的数据流量，通过边缘计算设备增强了数据的计算能力的效果。

所述数据处理装置包括处理器和存储器，上述采集单元10、获取单元20、处理单元30和上传单元40等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来减少从设备到云端的数据流量，通过边缘计算设备增强了数据的计算能力。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述数据处理方法。

本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述数据处理方法。

本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：采集预设时间周期内的设备层中的目标设备的数据信息，得到数据信息集合，其中，不同的目标设备类型对应不同类型的数据，所述数据信息集合中包括多种类型的数据；通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型；通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据；将目标数据上传至云端。

在通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型之前，还包括：对预设时间段内的历史数据中每种类型的数据进行学习训练，得到每种类型的数据对应的数据处理模型。

在通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型之前，还包括：对所述数据信息集合中进行预处理，以分析得出每种类型的数据，其中，所述预处理至少包括以下处理方式：过滤、聚合、语义解析。

采集预设时间周期内的设备层中的目标设备的数据信息，得到数据信息集合包括：检测所述目标设备是否存在满足预设条件的接口；若所述目标设备不存在满足所述预设条件的接口，则对所述目标设备的接口进行扩充，以使所述目标设备的接口符合所述预设条件。

所述目标设备为数控机床，采集设备层中的目标设备的数据信息，得到数据信息集合包括：采集预设时间周期内的所述数控机床的数据信息，得到所述数据信息集合，其中，所述数据信息集合中至少包括：运行状态参数和各个运行状态的运行时间；通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型包括：获取所述运行状态参数和各个运行状态的运行时间对应的运行效率模型；通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据包括：根据所述运行效率模型对所述运行状态参数和各个运行状态的运行时间进行计算，得到所述数控机床的运行效率；将目标数据上传至云端包括：将所述数控机床的运行效率上传至所述云端。

在通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据之后，还包括：判断所述目标数据是否超过预设数值；若所述目标数据超过预设数值，触发报警提醒。

在采集设备层中的目标设备的数据信息之前，通过工业交换机和工业以太网，将所述设备层中各个设备进行联网。

所述设备层中的设备至少包括以下：数控机床(CNC)、检测设备、环境监测设备、机器人、自动引导运输车(AGV)、注塑机。本文中的设备可以是服务器、PC、PAD、手机等。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：采集预设时间周期内的设备层中的目标设备的数据信息，得到数据信息集合，其中，不同的目标设备类型对应不同类型的数据，所述数据信息集合中包括多种类型的数据；通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型；通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据；将目标数据上传至云端。

在通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型之前，还包括：对预设时间段内的历史数据中每种类型的数据进行学习训练，得到每种类型的数据对应的数据处理模型。

在通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型之前，还包括：对所述数据信息集合中进行预处理，以分析得出每种类型的数据，其中，所述预处理至少包括以下处理方式：过滤、聚合、语义解析。

采集预设时间周期内的设备层中的目标设备的数据信息，得到数据信息集合包括：检测所述目标设备是否存在满足预设条件的接口；若所述目标设备不存在满足所述预设条件的接口，则对所述目标设备的接口进行扩充，以使所述目标设备的接口符合所述预设条件。

所述目标设备为数控机床，采集设备层中的目标设备的数据信息，得到数据信息集合包括：采集预设时间周期内的所述数控机床的数据信息，得到所述数据信息集合，其中，所述数据信息集合中至少包括：运行状态参数和各个运行状态的运行时间；通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型包括：获取所述运行状态参数和各个运行状态的运行时间对应的运行效率模型；通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据包括：根据所述运行效率模型对所述运行状态参数和各个运行状态的运行时间进行计算，得到所述数控机床的运行效率；将目标数据上传至云端包括：将所述数控机床的运行效率上传至所述云端。

在通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据之后，还包括：判断所述目标数据是否超过预设数值；若所述目标数据超过预设数值，触发报警提醒。

在采集设备层中的目标设备的数据信息之前，通过工业交换机和工业以太网，将所述设备层中各个设备进行联网。

所述设备层中的设备至少包括以下：数控机床(CNC)、检测设备、环境监测设备、机器人、自动引导运输车(AGV)、注塑机。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (16)

1.一种数据处理方法，其特征在于，包括：

采集预设时间周期内的设备层中的目标设备的数据信息，得到数据信息集合，其中，不同的目标设备类型对应不同类型的数据，所述数据信息集合中包括多种类型的数据；

通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型；

通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据；

将目标数据上传至云端。

2.根据权利要求1所述的方法，其特征在于，在通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型之前，还包括：对预设时间段内的历史数据中每种类型的数据进行学习训练，得到每种类型的数据对应的数据处理模型。

3.根据权利要求1所述的方法，其特征在于，在通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型之前，还包括：

对所述数据信息集合中进行预处理，以分析得出每种类型的数据，其中，所述预处理至少包括以下处理方式：过滤、聚合、语义解析。

4.根据权利要求1所述的方法，其特征在于，采集预设时间周期内的设备层中的目标设备的数据信息，得到数据信息集合包括：

检测所述目标设备是否存在满足预设条件的接口；

若所述目标设备不存在满足所述预设条件的接口，则对所述目标设备的接口进行扩充，以使所述目标设备的接口符合所述预设条件。

5.根据权利要求1所述的方法，其特征在于，所述目标设备为数控机床，

采集设备层中的目标设备的数据信息，得到数据信息集合包括：

采集预设时间周期内的所述数控机床的数据信息，得到所述数据信息集合，其中，所述数据信息集合中至少包括：运行状态参数和各个运行状态的运行时间；

通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型包括：

获取所述运行状态参数和各个运行状态的运行时间对应的运行效率模型；

通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据包括：根据所述运行效率模型对所述运行状态参数和各个运行状态的运行时间进行计算，得到所述数控机床的运行效率；

将目标数据上传至云端包括：将所述数控机床的运行效率上传至所述云端。

6.根据权利要求1所述的方法，其特征在于，在通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据之后，还包括：

判断所述目标数据是否超过预设数值；

若所述目标数据超过预设数值，触发报警提醒。

7.根据权利要求1所述的方法，其特征在于，在采集设备层中的目标设备的数据信息之前，通过工业交换机和工业以太网，将所述设备层中各个设备进行联网。

8.根据权利要求1所述的方法，其特征在于，所述设备层中的设备至少包括以下：数控机床(CNC)、检测设备、环境监测设备、机器人、自动引导运输车(AGV)、注塑机。

9.一种数据处理装置，其特征在于，包括：

采集单元，用于采集预设时间周期内的设备层中的目标设备的数据信息，得到数据信息集合，其中，不同的目标设备类型对应不同类型的数据，所述数据信息集合中包括多种类型的数据；

获取单元，用于通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型；

处理单元，用于通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据；

上传单元，用于将目标数据上传至云端。

10.根据权利要求9所述的装置，其特征在于，还包括：学习单元，用于在通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型之前，对预设时间段内的历史数据中每种类型的数据进行学习训练，得到每种类型的数据对应的数据处理模型。

11.根据权利要求9所述的装置，其特征在于，还包括：

预处理单元，用于在通过边缘计算设备获取所述数据信息集合中每种类型的数据对应的数据处理模型之前，对所述数据信息集合中进行预处理，以分析得出每种类型的数据，其中，所述预处理至少包括以下处理方式：过滤、聚合、语义解析。

12.根据权利要求9所述的装置，其特征在于，所述采集单元包括：

检测模块，用于检测所述目标设备是否存在满足预设条件的接口；

扩充模块，用于在所述目标设备不存在满足所述预设条件的接口的情况下，则对所述目标设备的接口进行扩充，以使所述目标设备的接口符合所述预设条件。

13.根据权利要求9所述的装置，其特征在于，所述目标设备为数控机床，

所述采集单元还用于采集预设时间周期内的所述数控机床的数据信息，得到所述数据信息集合，其中，所述数据信息集合中至少包括：运行状态参数和各个运行状态的运行时间；

所述获取单元还用于获取所述运行状态参数和各个运行状态的运行时间对应的运行效率模型；

所述处理单元还用于根据所述运行效率模型对所述运行状态参数和各个运行状态的运行时间进行计算，得到所述数控机床的运行效率；

所述上传单元还用于将所述数控机床的运行效率上传至所述云端。

14.根据权利要求9所述的装置，其特征在于，还包括：

判断单元，用于在通过所述边缘计算设备根据所述数据处理模型对所述数据信息集合中所述数据处理模型对应的类型的数据进行处理，得到目标数据之后，判断所述目标数据是否超过预设数值；

触发提醒单元，用于若所述目标数据超过预设数值，触发报警提醒。

15.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至8中任意一项所述的数据处理方法。

16.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至8中任意一项所述的数据处理方法。