CN109710239A - 工业模型生成方法及装置、数字资产处理方法及电子设备 - Google Patents

Abstract

本发明提供了一种工业模型生成方法及装置、数字资产处理方法及电子设备，该方法包括：在算法编辑器中编辑多个算法，将多个算法保存在算法列表中；从算法列表中选择算法对预设的训练数据进行处理，得到算法列表中每个算法对应的算法文件；对多个算法文件进行对比，根据对比结果从算法列表中选择一种算法，根据选择的算法生成算法模型；将算法模型分别与预设的数据单元及知识单元相连得到工业模型；本发明通过该方法能够构建工业模型，通过该工业模型能够对数字资产进行处理，使得数字资产能够循环利用，提高了企业对数字资产的管理效率，发挥了数字资产的市场价值，进一步实现了数字资产的保存及流传。

Description

工业模型生成方法及装置、数字资产处理方法及电子设备

技术领域

本发明涉及工业互联网技术领域，尤其是涉及一种工业模型生成方法及装置、数字资产处理方法及电子设备。

背景技术

随着工业互联网的飞速发展，工业领域的知识库、模型库、机理模型以及工艺流程等企业的数字资产在呈级数增长，在现有技术中，企业主要靠各种各样的信息化系统去管理这些数字资产，但是没有统一的体系进行统一管理，各个信息化系统的数据彼此分离，且没有合适的方式让企业的数字资产变成企业的技术传承和经验的迭代更新。同时，目前没有一个比较完善的方案将企业的数字资产进行商业化，变成可以自由交易或者转让的商业模式。因此，企业的数字资产既不能形成可以循环利用、不断提升技术水平的企业经验，也不利于数字资产的商业化，进而发挥其市场价值，进一步的也不利于企业的数字资产的保存和流传。

发明内容

有鉴于此，本发明的目的在于提供一种工业模型生成方法，以缓解了现有技术中存在的企业的数字资产既不能形成可以循环利用、不断提升技术水平的企业经验，也不利于数字资产的商业化，进而发挥其市场价值，进一步的也不利于企业的数字资产的保存和流传的技术问题。

第一方面，本发明实施例提供了一种工业模型生成方法，所述工业模型用于对数字资产进行处理，所述方法包括：

在算法编辑器中编辑多个算法，将所述多个算法保存在算法列表中；

从所述算法列表中选择算法对预设的训练数据进行处理，得到所述算法列表中每个算法对应的算法文件；

对多个所述算法文件进行对比，根据对比结果从所述算法列表中选择一种算法，根据选择的所述算法生成算法模型；

将所述算法模型分别与预设的数据单元及知识单元相连得到所述工业模型。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述在算法编辑器中编辑多个算法，将所述多个算法保存在算法列表中，包括：

所述算法编辑器中集成了算法引擎技术；

通过所述算法引擎技术，在所述算法编辑器中在线编辑算法代码，对所述算法代码进行在线调试、在线执行，在线得到输出结果；

在所述算法编辑器中编辑算法代码时，对所述算法代码的事件属性进行设置，在所述算法代码运行过程中根据所述事件属性自动执行预设的操作；

在所述算法编辑器上配置所述算法代码的基础属性；

将所述事件属性、所述基础属性与对应的所述算法代码进行保存，形成算法，将所述算法保存在所述算法列表中。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述对所述算法文件进行对比，根据对比结果从所述算法列表中选择一种算法，根据选择的所述算法生成算法模型，包括：

所述算法文件中包括所述算法运行的准确率；

对所述算法文件进行对比，比较所述算法文件中算法运行的准确率，选择算法运行的准确率最高的算法，根据选择的所述算法生成算法模型。

结合第一方面至第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，在所述知识单元中配置地址信息及字段信息；

所述知识单元用于获取所述算法模型的运行结果；

所述知识单元对所述运行结果配置地址信息，通过查询所述地址信息实现对所述运行结果的查询；

通过将所述知识单元中配置的所述字段信息与所述算法模型的运行结果进行关联，将查询的所述运行结果在所述知识单元中进行可视化显示。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，预设的所述数据单元用于将处理后的数据输入到所述算法模型；

所述数据单元，包括：字段映射表、原始数据源及目标数据源；

所述字段映射表用于将原始数据源中的数据进行处理，并将处理后的所述数据输入到所述目标数据源中保存。

结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，得到所述工业模型之后，所述方法还包括：调用所述工业模型；

调用所述工业模型时，将预设的测试数据通过加密的方式发送给的所述工业模型中，并在云端运行所述工业模型；

所述工业模型运行过程中，所述云端不断的加密回传所述工业模型运行的实时状况；

当所述工业模型运行结束时，所述云端会将运行的结果及所述工业模型的运行报告已加密的方式回传给用户，并对所述测试数据进行销毁处理。

结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，得到所述工业模型之后，所述方法还包括：

当一个用户引擎调度系统同时调用多个工业模型时，则采用模型并行调度技术调用所述工业模型；

所述并行调度技术包括：

将所述多个工业模型与用户进行对象化加载，将对象化加载后的所述多个工业模型进行模型数据序列化处理；

对模型数据序列化处理后的所述多个工业模型的相互依赖关系进行判断，根据所述多个工业模型的相互依赖关系，进行时序调度；

实时对外反馈调度的状态信息。

第二方面，本发明实施例还提供一种工业模型数字资产处理方法，所述方法包括：

获取数字资产的原始数据，配置所述原始数据的信息；

所述工业模型中的数据单元根据所述原始数据的信息获取所述原始数据，对所述原始数据进行处理，生成预设格式的目标数据；

将所述目标数据输入到所述工业模型的算法模型中进行处理，得到所述算法模型的运行结果；

将所述运行结果输入到所述工业模型的知识单元中，在所述知识单元中查询并可视化显示所述运行结果。

第三方面，本发明实施例还提供一种工业模型生成装置，所述工业模型用于对数字资产进行处理，所述装置包括：

算法编辑模块，用于在算法编辑器中编辑多个算法，将所述多个算法保存在算法列表中；

数据处理模块，用于从所述算法列表中选择算法对预设的训练数据进行处理，得到所述算法列表中每个算法对应的算法文件；

算法模型生成模块，用于对多个所述算法文件进行对比，根据对比结果从所述算法列表中选择一种算法，根据选择的所述算法生成算法模型；

模型构建模块，用于将所述算法模型分别与预设的数据单元及知识单元相连得到所述工业模型。

第四方面，本发明实施例还提供一种电子设备，所述电子设备包括存储器和处理器；所述存储器用于存储支持处理器执行权利要求1至7任一项所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

本发明实施例带来了以下有益效果：本发明提供了一种工业模型生成方法及装置、数字资产处理方法及电子设备，该工业模型用于对数字资产进行处理，该方法包括：在算法编辑器中编辑多个算法，将多个算法保存在算法列表中；从算法列表中选择算法对预设的训练数据进行处理，得到算法列表中每个算法对应的算法文件；对多个算法文件进行对比，根据对比结果从算法列表中选择一种算法，根据选择的算法生成算法模型；将算法模型分别与预设的数据单元及知识单元相连得到所述工业模型；本发明通过提供一种工业模型生成方法及装置，通过该方法能够构建工业模型，通过该工业模型能够对数字资产进行处理，使得数字资产能够循环利用，提高了企业对数字资产的管理效率，发挥了数字资产的市场价值，进一步实现了数字资产的保存及流传。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种工业模型生成方法的流程图；

图2为本发明实施例提供的另一种工业模型生成方法的流程图；

图3为本发明实施例提供的一种工业模型数字资产处理方法的流程图；

图4为本发明实施例提供的一种工业模型生成装置的结构示意图。

图标：41-算法编辑模块；42-数据处理模块；43-算法模型生成模块；44-模型构建模块。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

目前在现有技术中，企业主要靠各种各样的信息化系统去管理这些数字资产，但是没有统一的体系进行统一管理，各个信息化系统的数据彼此分离，且没有合适的方式让企业的数字资产变成企业的技术传承和经验的迭代更新。同时，目前没有一个比较完善的方案将企业的数字资产进行商业化，变成可以自由交易或者转让的商业模式，基于此，本发明实施例提供的一种工业模型生成方法及装置、数字资产处理方法及电子设备，可以实现数字资产的循环利用，提高了企业对数字资产的管理效率，发挥了数字资产的市场价值，进一步实现了数字资产的保存及流传。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种工业模型生成方法进行详细介绍。

实施例一：

本发明实施例提供了一种工业模型生成方法，该工业模型用于对数字资产进行处理，参见图1所示的一种工业模型生成方法的流程图，该方法包括：

步骤S101，在算法编辑器中编辑多个算法，将多个算法保存在算法列表中；

具体的，参见图2所示的另一种工业模型生成方法的流程图，在算法编辑器中编辑多个算法，将多个算法保存在算法列表中，包括：

步骤S1011，算法编辑器中集成了算法引擎技术；

步骤S1012，通过算法引擎技术，在算法编辑器中在线编辑算法代码，对算法代码进行在线调试、在线执行，在线得到输出结果；

步骤S1013，在算法编辑器中编辑算法代码时，对算法代码的事件属性进行设置，在算法代码运行过程中根据事件属性自动执行预设的操作；

具体的，事件属性包括：前置算法、后置算法、执行成功、执行失败、执行超时等，事件属性值包括：发送邮件、中止算法、等待等，若事件属性为执行超时，则可根据预设的发送邮件这一事件属性值做出发送邮件提醒的操作。

步骤S1014，在算法编辑器上配置算法代码的基础属性；

具体的，基础属性包括算法的名称、算法的版本、算法的创建时间、参数列表等，在算法编辑器上配置算法代码的基础属性便于对算法代码进行管理及查询。

步骤S1015，将事件属性、基础属性与对应的算法代码进行保存，形成算法，将算法保存在算法列表中。

步骤S102，从算法列表中选择算法对预设的训练数据进行处理，得到算法列表中每个算法对应的算法文件；

具体的，训练数据中包括多个标注了处理结果的历史数据，从算法列表中选择一个算法对预设的训练数据进行处理，得到该算法对应的处理结果及算法文件，算法文件中包括算法的运行准确率，具体的，将该算法的处理结果与标注的处理结果进行分析，得到该算法的运行准确率；以此类推，获取算法列表中的每一个算法对训练数据进行处理，得到每一个算法对应的处理结果及算法文件。

步骤S103，对多个算法文件进行对比，根据对比结果从算法列表中选择一种算法，根据选择的算法生成算法模型；

具体的，该算法文件中包括算法的运行准确率、算法的运行时间等；对多个算法文件进行对比，比较算法文件中算法的运行准确率，选择算法的运行准确率最高的算法，根据选择的算法生成算法模型。

步骤S104，将算法模型分别与预设的数据单元及知识单元相连得到工业模型。

具体的，知识单元用于获取算法模型的运行结果；在知识单元中配置地址信息及字段信息，知识单元对运行结果配置地址信息，通过查询地址信息实现对运行结果的查询；通过将知识单元中配置的字段信息与算法模型的运行结果进行关联，将查询的运行结果在知识单元中进行可视化显示。

在本发明实施例中，预设的数据单元用于将处理后的数据输入到算法模型；数据单元包括字段映射表、原始数据源及目标数据源；其中，字段映射表包含了字段的对应关系，字段映射表用于将原始数据源中的数据进行处理，并将处理后的数据输入到目标数据源中保存。

在本发明实施例中，工业模型建立之后可以对该工业模型进行修改，例如，可以修改工业模型的训练数据，使用不同的训练数据对工业模型的算法进行训练，可以根据算法模型中算法的参数列表对算法的参数进行修改。

本发明实施例通过提供了一种工业模型生成方法，该工业模型用于对数字资产进行处理，该方法包括：在算法编辑器中编辑多个算法，将多个算法保存在算法列表中；从算法列表中选择算法对预设的训练数据进行处理，得到算法列表中每个算法对应的算法文件；对算法文件进行对比，根据对比结果从算法列表中选择一种算法，根据选择的算法生成算法模型；将算法模型分别与预设的数据单元及知识单元相连得到所述工业模型；本发明通过提供一种工业模型生成方法，通过该方法能够构建工业模型，该工业模型能够将企业的数字资产转换成工业模型，进而可以将转换成的工业模型放到模型集市上进行交易，使得数字资产能够循环利用，发挥了数字资产的市场价值，同时提高了企业对数字资产的管理效率，进一步实现了数字资产的保存及流传。

作为一个可选实施例，得到工业模型之后，该方法还包括：步骤S201，调用工业模型；

调用工业模型包括：

步骤S2011，调用工业模型时，将预设的测试数据通过加密的方式发送给的工业模型中，并在云端运行工业模型；

测试数据为调用模型的用户需要进行处理或测试的数据，通过加密的方式将测试数据发送至工业模型，实现了对测试数据的保护，防止传输测试数据的过程造成数据的泄露，给用户带来不良的影响。

步骤S2012，工业模型运行过程中，云端不断的加密回传工业模型运行的实时状况；

实时状况包括运行的节点、运行结束、运行超时等，例如运行的节点可以为运行到数据单元或运行到算法模型等，将工业模型运行的实时状况反馈给用户，使得用户能够及时作出处理，例如，若运行超时，则云端会发送邮件给用户，使得用户能够及时作出处理。

步骤S2013，当工业模型运行结束时，云端会将运行的结果及工业模型的运行报告已加密的方式回传给用户，并对测试数据进行销毁处理。

在本发明实施例中，将运行报告通过加密的方式回传给用户，并将测试数据进行销毁处理，避免运行报告或测试数据的泄露为用户带来损害，提高了工业模型调用过程的安全性，提高了用户的体验度。

作为一个可选实施例，得到工业模型之后，该方法还包括：

步骤S202，当一个用户通过引擎调度系统同时调用多个工业模型时，则采用模型并行调度技术调用工业模型；

具体的，当多个用户同时调用一个工业模型时，则将该工业模型进行复制，生成多个相同的工业模型，进而采用模型并行调度技术调用工业模型，其中，引擎调度系统同时运行多个工业模型，可能为同时运行多个不同的模型，也可能为同时运行多个相同的模型。

并行调度技术包括：

步骤S2021，将多个工业模型与用户进行对象化加载，将对象化加载后的多个工业模型进行模型数据序列化处理；

将多个工业模型与用户的信息进行关联，实现多个工业模型的对象化加载，用户的信息包括用户提供的数据、运行的配置信息等，将对象化加载后的多个工业模型进行数据序列化处理，生成引擎调度系统可识别的序列语句。

步骤S2022，对模型数据序列化处理后的多个工业模型的相互依赖关系进行判断，根据多个工业模型的相互依赖关系，进行时序调度；

判断多个工业模型的相互依赖关系，相互依赖关系包括并行状态及互斥状态，将处于并行状态的工业模型进行并行调度，处于互斥状态的工业模型进行分时调度，具体的，根据工业模型中的算法判断工业模型是互斥状态还是并行状态，若工业模型中的算法一致，则工业模型处于互斥状态，若工业模型中的算法不一致，则工业模型处于并行状态，其中，若多个用户同时调用一个工业模型时，则工业模型之间的关系为互斥状态。

步骤S2023，实时对外反馈调度的状态信息。

在本发明实施例中，调度的状态信息包括正在调度、调度成功、调度失败等，正在调度包括用户正在调用的模型信息、算法信息等，将调度的状态信息实时的发送给用户，方便用户对调用的工业模型进行实时的了解，并根据了解的信息及时的作出处理。

在本发明实施例中，并发混合调度的策略包括先进先出策略、先进后出策略、优先级策略等，先进先出策略为在一定时间段内，按时间先后顺序依次调用工业模型，先进入引擎调度系统的用户，优先调用工业模型；优先级策略为引擎调度系统对需要调用工业模型的用户设置优先级，按照优先级的顺序调用工业模型，具体的，并发混合调度策略可以根据实际需要进行设置及修改。

实施例二：

在上述实施例的基础上，本发明实施例还提供了一种工业模型数字资产处理方法，如图3所示，图中示出的是一种工业模型数字资产处理方法的流程图，该方法包括：

步骤S301，获取数字资产的原始数据，配置原始数据的信息；

从企业的数字资产中获取原始数据，配置原始数据的信息，所述原始数据的信息包括地址信息、辅助信息等，配置地址信息用于实现原始数据的获取，辅助信息用于实现对原始数据的处理，例如，若想对某公司8月份的经济指标进行预测，则获取该公司8月份与该经济指标相关的数据，该数据为原始数据，并配置该原始数据的信息。

步骤S302，工业模型中的数据单元根据原始数据的信息获取原始数据，对原始数据进行处理，生成预设格式的目标数据；

具体的，数据单元中的原始数据源根据原始数据的地址信息获取原始数据，将获取到的原始数据输入到字段映射表中进行处理，数据单元根据原始数据的辅助信息以及字符映射表中字段的对应关系对原始数据进行处理，生成预设格式的目标数据，并将目标数据输入到数据单元的目标数据源中报错，例如，若原始数据源中有20个字段，但是字段映射表提前设置有10个字段以及每个字段的格式，则根据字段映射表对原始数据中的字段进行处理，得到需要的字段，并根据原始数据的辅助信息对获取到的字段进行处理，生成预设的字段格式，即得到预设格式的目标数据，具体的，以预测刀具的寿命为例，原始数据中的字段包括刀具的材料、出厂日期、形状、组成成分、数量、用途等，字段映射表提前设置的字段有刀具的材料、形状、出厂日期，将原始数据输入到数据单元中，字段映射表根据提前设置的字段对原始数据进行处理，提取出原始数据中的刀具的材料、形状、出厂日期，即提取出需要的字段，将其他不需要的字段删除，并根据辅助信息对提取出的字段进行处理，将提取的字段的格式转换为预设的格式，得到了预设格式的目标数据，例如，若出厂日期的格式为2018年9月1日，辅助信息中关于日期的格式为XXXX-XX-XX，则根据辅助信息对出厂日期进行处理，得到出厂日期为2018-09-01。

步骤S303，将目标数据输入到工业模型的算法模型中进行处理，得到算法模型的运行结果；

具体的，算法模型为一个规律性或公式性文件，以预测某个公司8月份的经济指标为例，将获取到的8月份与该经济指标相关的数据输入到数据单元进行处理后，将处理后的数据输入到算法模型中进行运行，预测得到该公司8月份的经济指标的值。

步骤S304，将运行结果输入到工业模型的知识单元中，在知识单元中查询并可视化显示运行结果。

具体的，算法模型的运行结果为具体的数字，通过在知识单元中配置字段信息将算法模型的运行结果与字段信息进行关联，实现对运行结果的可视化显示，例如，对某公司8月份的经济指标进行预测，算法模型输出结果为85.1，则可以将知识单元中的字段信息配置为8月份的经济指标，知识单元接收了算法模型的运行结果后显示为：某公司8月份的经济指标85.1，实现了对算法模型的运行结果的可视化展示，具体的，知识库中的字段信息可以根据实际需要进行设置，在此本发明实施例不作具体限制。

本发明实施例通过提供了一种工业模型数字资产处理方法，该方法包括获取数字资产的原始数据，配置原始数据的信息；工业模型中的数据单元根据原始数据的信息获取原始数据，对原始数据进行处理，生成预设格式的目标数据；将目标数据输入到工业模型的算法模型中进行处理，得到算法模型的运行结果；将运行结果输入到工业模型的知识单元中，在知识单元中查询并可视化显示运行结果；该方法通过生成的工业模型对企业的数字资产进行处理，通过该工业模型实现对数字资产的处理，使得数字资产能够循环利用，提高了企业对数字资产的管理效率，发挥了数字资产的市场价值，进一步实现了数字资产的保存及流传。

实施例三：

在上述实施例的基础上，本发明实施例还提供了一种工业模型生成装置，如图4所示，图中示出的是一种工业模型生成装置的结构示意图，该装置包括：

算法编辑模块41，用于在算法编辑器中编辑多个算法，将多个算法保存在算法列表中；

数据处理模块42，用于从算法列表中选择算法对预设的训练数据进行处理，得到算法列表中每个算法对应的算法文件；

算法模型生成模块43，用于对多个算法文件进行对比，根据对比结果从算法列表中选择一种算法，根据选择的算法生成算法模型；

模型构建模块44，用于将算法模型分别与预设的数据单元及知识单元相连得到所述工业模型。

作为一可选实施例，算法编辑模块41，包括：

算法编辑器，用于集成算法引擎技术；通过算法引擎技术，在算法编辑器中在线编辑算法代码，对算法代码进行在线调试、在线执行，在线得到输出结果；在算法编辑器中编辑算法代码时，对算法代码的事件属性进行设置，在算法代码运行过程中根据事件属性自动执行预设的操作；在算法编辑器上配置算法代码的基础属性；将事件属性、基础属性与对应的算法代码进行保存，形成算法，将算法保存在算法列表中。

作为一可选实施例，算法模型生成模块43，包括：

算法选择单元，用于对算法文件进行对比，比较算法文件中算法运行的准确率，选择算法运行的准确率最高的算法，根据选择的算法生成算法模型。

作为一可选实施例，所述装置还包括：

工业模型调用模块，用于调用工业模型；

具体的，工业模型调用模块，包括：

测试数据发送单元，用于调用工业模型时，将预设的测试数据通过加密的方式发送给的工业模型中，并在云端运行工业模型；

实时状况回传单元，用于工业模型运行过程中，云端不断的加密回传工业模型运行的实时状况；

结果回传单元，用于当工业模型运行结束时，云端会将运行的结果及工业模型的运行报告已加密的方式回传给用户，并对测试数据进行销毁处理。

作为一可选实施例，所述装置还包括：

并行调度模块，用于当一个用户同时调用多个工业模型时，则采用模型并行调度技术调用所述工业模型；

具体的，并行调度模块，包括：

序列化处理单元，用于将多个工业模型与用户进行对象化加载，将对象化加载后的多个工业模型进行模型数据序列化处理；

依赖关系判断单元，用于对模型数据序列化处理后的多个工业模型的相互依赖关系进行判断，根据多个工业模型的相互依赖关系，进行时序调度；

状态信息反馈单元，用于实时对外反馈调度的状态信息。

本发明实施例提供的工业模型生成装置，与实施例一提供的工业模型生成方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。

本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

实施例四：

在上述实施例的基础上，本发明实施例还提供了一种电子设备，电子设备包括存储器和处理器；存储器用于存储支持处理器执行实施例一所述方法的程序，处理器被配置为用于执行存储器中存储的程序。

本发明实施例所提供的进行工业模型生成方法的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种工业模型生成方法，其特征在于，所述工业模型用于对数字资产进行处理，所述方法包括：

在算法编辑器中编辑多个算法，将所述多个算法保存在算法列表中；

从所述算法列表中选择算法对预设的训练数据进行处理，得到所述算法列表中每个算法对应的算法文件；

对多个所述算法文件进行对比，根据对比结果从所述算法列表中选择一种算法，根据选择的所述算法生成算法模型；

将所述算法模型分别与预设的数据单元及知识单元相连得到所述工业模型。

2.根据权利要求1所述的方法，其特征在于，所述在算法编辑器中编辑多个算法，将所述多个算法保存在算法列表中，包括：

所述算法编辑器中集成了算法引擎技术；

通过所述算法引擎技术，在所述算法编辑器中在线编辑算法代码，对所述算法代码进行在线调试、在线执行，在线得到输出结果；

在所述算法编辑器中编辑算法代码时，对所述算法代码的事件属性进行设置，在所述算法代码运行过程中根据所述事件属性自动执行预设的操作；

在所述算法编辑器上配置所述算法代码的基础属性；

将所述事件属性、所述基础属性与对应的所述算法代码进行保存，形成算法，将所述算法保存在所述算法列表中。

3.根据权利要求1所述的方法，其特征在于，所述对多个所述算法文件进行对比，根据对比结果从所述算法列表中选择一种算法，根据选择的所述算法生成算法模型，包括：

所述算法文件中包括所述算法运行的准确率；

对所述算法文件进行对比，比较所述算法文件中算法运行的准确率，选择算法运行的准确率最高的算法，根据选择的所述算法生成算法模型。

4.根据权利要求1-3任一项所述的方法，其特征在于，

在所述知识单元中配置地址信息及字段信息；

所述知识单元用于获取所述算法模型的运行结果；

所述知识单元对所述运行结果配置地址信息，通过查询所述地址信息实现对所述运行结果的查询；

通过将所述知识单元中配置的所述字段信息与所述算法模型的运行结果进行关联，将查询的所述运行结果在所述知识单元中进行可视化显示。

5.根据权利要求1所述的方法，其特征在于，预设的所述数据单元用于将处理后的数据输入到所述算法模型；

所述数据单元，包括：字段映射表、原始数据源及目标数据源；

所述字段映射表用于将原始数据源中的数据进行处理，并将处理后的所述数据输入到所述目标数据源中保存。

6.根据权利要求1所述的方法，其特征在于，得到所述工业模型之后，所述方法还包括：调用所述工业模型；

调用所述工业模型时，将预设的测试数据通过加密的方式发送给的所述工业模型中，并在云端运行所述工业模型；

所述工业模型运行过程中，所述云端不断的加密回传所述工业模型运行的实时状况；

当所述工业模型运行结束时，所述云端会将运行的结果及所述工业模型的运行报告已加密的方式回传给用户，并对所述测试数据进行销毁处理。

7.根据权利要求1所述的方法，其特征在于，得到所述工业模型之后，所述方法还包括：

当一个用户通过引擎调度系统同时调用多个工业模型时，则采用模型并行调度技术调用所述工业模型；

所述并行调度技术包括：

将所述多个工业模型与用户进行对象化加载，将对象化加载后的所述多个工业模型进行模型数据序列化处理；

对模型数据序列化处理后的所述多个工业模型的相互依赖关系进行判断，根据所述多个工业模型的相互依赖关系，进行时序调度；

实时对外反馈调度的状态信息。

8.一种工业模型数字资产处理方法，其特征在于，所述方法包括：

获取数字资产的原始数据，配置所述原始数据的信息；

所述工业模型中的数据单元根据所述原始数据的信息获取所述原始数据，对所述原始数据进行处理，生成预设格式的目标数据；

将所述目标数据输入到所述工业模型的算法模型中进行处理，得到所述算法模型的运行结果；

将所述运行结果输入到所述工业模型的知识单元中，在所述知识单元中查询并可视化显示所述运行结果。

9.一种工业模型生成装置，其特征在于，所述工业模型用于对数字资产进行处理，所述装置包括：

算法编辑模块，用于在算法编辑器中编辑多个算法，将所述多个算法保存在算法列表中；

数据处理模块，用于从所述算法列表中选择算法对预设的训练数据进行处理，得到所述算法列表中每个算法对应的算法文件；

算法模型生成模块，用于对多个所述算法文件进行对比，根据对比结果从所述算法列表中选择一种算法，根据选择的所述算法生成算法模型；

模型构建模块，用于将所述算法模型分别与预设的数据单元及知识单元相连得到所述工业模型。

10.一种电子设备，其特征在于，所述电子设备包括存储器和处理器；所述存储器用于存储支持处理器执行权利要求1至7任一项所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。