CN110019545A - 工业数据的处理及分析方法、工业数据的处理装置及数据仓库 - Google Patents
工业数据的处理及分析方法、工业数据的处理装置及数据仓库 Download PDFInfo
- Publication number
- CN110019545A CN110019545A CN201710978997.1A CN201710978997A CN110019545A CN 110019545 A CN110019545 A CN 110019545A CN 201710978997 A CN201710978997 A CN 201710978997A CN 110019545 A CN110019545 A CN 110019545A
- Authority
- CN
- China
- Prior art keywords
- data
- industrial
- production factors
- classification
- production
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 title claims abstract description 28
- 238000004519 manufacturing process Methods 0.000 claims abstract description 189
- 238000007405 data analysis Methods 0.000 claims abstract description 67
- 238000013499 data model Methods 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000003672 processing method Methods 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 20
- 239000000463 material Substances 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims 1
- 238000007689 inspection Methods 0.000 description 6
- 239000002994 raw material Substances 0.000 description 6
- 238000004513 sizing Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000012797 qualification Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000000465 moulding Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- TVZRAEYQIKYCPH-UHFFFAOYSA-N 3-(trimethylsilyl)propane-1-sulfonic acid Chemical group C[Si](C)(C)CCCS(O)(=O)=O TVZRAEYQIKYCPH-UHFFFAOYSA-N 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本申请提供了一种工业数据的处理方法及装置，从工业数据中抽取出属于生产要素类别的数据，并基于抽取出的数据建立生产要素类别的数据模型。本申请还提供了一种工业数据分析方法以及数据仓库，基于生产要素类别的数据模型，向用户提供数据分析需求的分析结果，因此，能够对工业数据进行大数据分析，满足用户的工业数据分析的需求。
Description
技术领域
本申请涉及电子信息领域，尤其涉及一种工业数据的处理及分析方法、工业数据的处理装置及数据仓库。
背景技术
目前，工业生产行业的各类数据分散在各个信息系统，例如文件系统，服务接口等。这些信息系统往往不具备大数据计算能力。
因此，基于工业的管道式物料输送、生产连续性强、流程规范、工艺柔性小、产品单一和原料稳定的特点，如何利用大数据处理能力，提供一种工业数据的数据处理能力，以对工业制造过程进行分析、流程优化或工业制造的监控等，是一种趋势。
但是，目前还没有一种适用于工业数据的大数据处理方案。
发明内容
本申请提供了一种工业数据的处理及分析方法、工业数据的处理装置及数据仓库，目的在于提供一种适用于工业数据的处理及分析技术。
为了实现上述目的，本申请提供了以下技术方案：
一种工业数据的处理方法，包括：
获取待处理的工业数据；
从所述工业数据中抽取属于多个生产要素类别的数据，其中，所述生产要素类别是指工业生产流程中生产一件产品或者运行一个生产过程所需的生产要素对应的类别；
基于抽取得到的所述属于多个生产要素类别的数据，建立多个生产要素类别的数据模型，以便基于建立的所述数据模型对用户所需要的分析需求进行分析。
可选的，所述工业生产流程中生产一件产品或者运行一个生产过程所需的各生产要素所属的类别包括：
生产一件产品或者运行一个生产过程，涉及的人、机、料、法、环、能、废中的一个或多个。
可选的，所述获取待处理的工业数据包括：
从数据源获取所述数据源输出的工业数据；
基于设定的过滤规则，对所述工业数据进行过滤处理，得到所述待处理的工业数据。
可选的，在所述建立各生产要素类别的数据模型之前，还包括：
将属于同一生产要素类别的数据统一为预设格式的数据。
一种工业数据分析方法，包括：
获取数据分析需求，所述数据分析需求包括待分析的数据类型；
基于所述待分析的数据类型，从预先建立的多个生产要素类别的数据模型中获取相关联的数据；
对获取的所述相关联的数据进行分析，并将得到的分析结果提供给用户；
其中，所述生产要素类别是指工业生产流程中生产一件产品或者运行一个生产过程所需的生产要素对应的类别；所述生产要素类别的数据模型基于从工业数据中抽取的属于生产要素类别的数据确定。
可选的，所述获取数据分析需求包括：
接收所述用户输入的所述数据分析需求，或者，依据所述预先建立所述生产要素类别的数据模型以及工业对应的数据分析需求，确定所述数据模型对应的所述数据分析需求。
一种工业数据的处理装置，包括：
获取模块，用于获取待处理的工业数据；
抽取模块，用于从所述工业数据中抽取属于多个生产要素类别的数据，其中，所述生产要素类别是指工业生产流程中生产一件产品或者运行一个生产过程所需的生产要素对应的类别；
建立模块，用于基于抽取得到的所述属于多个生产要素类别的数据，建立多个生产要素类别的数据模型，以便基于建立的所述数据模型对用户所需要的分析需求进行分析。
可选的，所述工业生产流程中生产一件产品或者运行一个生产过程所需的生产要素多个的类别包括：
生产一件产品或者运行一个生产过程，涉及的人、机、料、法、环、能、废中的一个或多个。
一种数据仓库，包括：
第一获取模块，用于获取数据分析需求，所述数据分析需求包括待分析的数据类型；
第二获取模块，用于基于所述待分析的数据类型，从预先建立的多个生产要素类别的数据模型中获取相关联的数据；
分析模块，用于对获取的所述相关联的数据进行分析，并将得到的分析结果提供给用户；
其中，所述生产要素类别是指工业生产流程中生产一件产品或者运行一个生产过程所需的生产要素对应的类别；所述生产要素类别的数据模型基于从所述工业数据中抽取的属于生产要素类别的数据确定。
可选的，所述第一获取模块具体用于：
接收所述用户输入的所述数据分析需求，或者，依据所述预先建立所述生产要素类别的数据模型以及工业对应的数据分析需求，确定所述数据模型对应的所述数据分析需求。
本申请所述的工业数据的处理方法及装置，从工业数据中抽取出属于生产要素类别的数据，并基于抽取出的数据建立生产要素类别的数据模型。本申请所述的工业数据分析方法以及数据仓库，基于生产要素类别的数据模型，向用户提供数据分析需求的分析结果，因此，能够对工业数据进行大数据分析，满足用户的工业数据分析的需求。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本申请的一些实施例，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为本申请实施例公开的数据仓库的架构图；
图2为本申请实施例公开的数据仓库的结构示意图；
图3为本申请实施例公开的工业数据分析方法的示例流程图；
图4为本申请实施例公开的工业数据的处理装置的结构示意图。
具体实施方式
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，都属于本申请保护的范围。
由于数据仓库是进行大数据处理的基础，其实是决策支持系统和联机分析应用数据源的结构化数据环境。数据仓库的特征在于面向主题、集成性、稳定性和时变性。本申请利用数据仓库的这些特点，可以对工业大数据进行处理，以提升工业大数据的处理能力。具体而言，本申请通过对工业大数据的分析，建立以基于对象的数据处理方式，也就是基于生产要素类别来建立数据模型，从而可以对工业中产生的大量数据进行一定的处理，使得用户可以基于该建立的数据模型，进行数据分析等，可以为工业制造提供数据分析能力，例如工业制造的报表，工业监控的实时信息，等等。
图1为本申请实施例公开的一种数据仓库，包括五层结构，分别为：临时层、运营层、明细层、汇总层和应用层。在本实施例中，所述“层”相当于“模块”。
图1所示的数据仓库可以设置在云平台上，基于云平台的计算能力对数据进行处理。
下面以工业中的流程制造业为例，将分别对这五层的数据处理功能进行详细说明。
1、临时层用于从数据源获取数据，作为数据仓库的原料数据。
具体的，如图1所示，数据源包括但不限于流程制造业的数据库、各个信息系统、设备的接口以及开放协议连接(open protocol connection，OPC)设备。通常，各个数据源的数据以数据表的形式存储，所以，临时层获取的原料数据可以为各个数据表。
2、运营层用于依据流程制造业的行业标准，过滤不符合行业标准的数据。
行业标准可以为现有的协议或者流程，运营层基于行业标准中数据的规范，删除一些不符合行业标准的数据。
具体的，如图1所示，行业标准包括但不限于采购、配方、生产、质检以及销售方面的标准。
3、明细层用于依据流程制造业的各个生产要素类别，使用运营层清洗后的数据，建立数据模型。
流程制造业的生产要素类别是指，流程制造业中出产一件产品或者运行一个生产过程，所需的各个生产要素对应的类别，具体包括：参与的人(属于该类别的生产要素包括员工基本情况，部门，生产换班，员工技术职称级别)、使用的机器或工具(属于该类别的生产要素包括设备基本情况，设备类型，生产使用情况，故障停机情况，维修保养情况)、使用的原材料(属于该类别的生产要素包括采购渠道，物流运输，来料检测，准入标准)、采用的工序流程或工业方法、需要的车间环境或设备环境、需要的能源(属于该类别的生产要素例如水、电、气、网络等)以及涉及的废料(属于该类别的生产要素包括产生、存储、申报、转移、处置或次生废料)。图1中，上述生成要素类别分别简称为人、机、料、法、环、能、废。
具体的，将清洗后的数据依据生产要素类别，建立各生产要素类别的数据模型的方式为：从清洗后的各个数据中，抽取出属于相同的生产要素类别的数据(简称为类别数据)并将类别数据对应存储，形成该生产要素类别的数据模型。
举例说明，临时层从人力资源系统获取到如下员工数据表1，从制造执行系统(manufacturing execution system，MES)获取到如下员工数据表2。
表1：员工数据表1：
| 姓名 | 性别 | 年龄 |
| 张三 | 0 | 30 |
| 李四 | 1 | 25 |
表2：员工数据表1：
| 姓名 | 性别 | 负责的工序编号 |
| 张三 | 男 | 1 |
| 李四 | 男 | 2 |
在运营层对这两张员工数据表进行清洗后，明细层从两张数据表中均查询到属于生产要素类别“人”的字段：“姓名”和“性别”，因此，明细层抽取两张数据表中的“姓名”和“性别”字段，合并在一张数据表中，并将表1和表2中与“姓名”和“性别”相关的字段对应存储，形成表3，即在一张数据表中建立表1和表2中不相同的字段“年龄”和“负责的工序编号”的关联关系，形成人员类别的数据模型。
表3：生产要素“人”的数据模型
| 姓名 | 性别 | 年龄 | 负责的工序编号 |
| 张三 | 男 | 30 | 1 |
| 李四 | 男 | 25 | 2 |
可以看出，建立的数据模型，将原本两张不相关的数据表中的数据整合对应存储在一张数据表中，即依据生产要素类别，建立了原本不相关的数据表之间的关联关系，也就是说，打通了原本不相关的各个数据表。
进一步的，明细层还用于统一数据模型中的数据的格式，接上例，两张数据表中，“性别”字段的数值格式不同，一张数据表中使用0和1区分男女，而另一张数据表中使用汉字“男”和“女”。所以，明细层还可以将“性别”字段的数值统一为预先设置的性别格式：汉字“男”和“女”后，再将与“人”相关的字段，合并在一张数据表中。
4、汇总层用于依据数据分析需求，使用建立的数据模型，得到数据分析结果。
数据分析需求可以为从客户端获取的用户的数据分析需求，例如，用户希望得到员工的年龄与能够负责的工序之间的关系曲线。
可选的，汇总层还可以自主确定一些数据分析需求：即汇总层已知工业流程中一些固有的数据分析需求，并结合已有的数据模型，分析出数据模型能够可以支持固有的数据分析需求中的某些数据分析需求。例如，如图1中所示，可以将与流程制造业中的“成型”等一些工艺流程相关的数据关系作为数据分析需求，例如，“成型”工艺的各个环节使用的人员数量，使用建立的数据模型，得到数据分析结果。
依据数据分析需求，使用建立的数据模型计算数据分析结果的具体算法可以预先存储在汇总层中，汇总层依据数据分析需求和建立的数据模型选择相应的算法。
5、应用层用于接收用户的需求，将用户的需求反馈到汇总层，并将汇总层得到的数据分析结果发送到客户端。
也就是说，应用层相当于一个接口，用于连接客户端和汇总层，使得数据仓库可以对接各种客户端。
图1中，应用层接收用户的需求包括：工艺推荐、成本优化、参数分数等，将需要反馈到汇总层后，输出汇总层依据用户的需求反馈的数据表。
除了图1中所示的用户的需求之外，图1所示的数据仓库还可以提供以下业务需求：
生产监控报警：通过模型学习优良参数曲线生成实时生产管控线做监控报警。
工艺参数推荐：通过模型学习优良工艺参数，推荐优化工艺参数组合。
备件损耗预测：通过模型学习备件辅料生命周期，全频预测(从实时到离线)。
产品良率预测：通过模型实时对比优良参数曲线，实时预测本批次良率。
故障诊断分析：通过模型学习机器故障树，根据输入故障表现分析故障根因。
以上各层在对数据进行处理后，均可以将处理后的数据进行存储。
可以看出，图1所示的数据仓库，面向流程制造业，解决了流程制造业中的数据在云端如何处理、如果关联以及如何进行数据分析的问题。
图1所示的数据仓库可以抽象得到图2所示的结构，包括：
第一获取模块、第二获取模块和分析模块。
其中，第一获取模块用于获取数据分析需求，所述数据分析需求包括待分析的数据类型。第二获取模块用于基于所述待分析的数据类型，从预先建立的工业数据中的至少一个生产要素类别的数据模型获取相关联的数据。分析模块，用于对获取的所述相关联的数据进行分析，并将得到的分析结果发送给用户。其中，所述生产要素类别是指工业生产流程中生产一件产品或者运行一个生产过程所需的各生产要素对应的类别；所述生产要素类别的数据模型基于从所述工业数据中抽取的属于所述生产要素类别的数据确定。
可见，第一获取模块实现的功能包括应用层获取用户的分析需求以及汇总层自主确定数据分析需求的功能。第二获取模块用于实现的功能包括临时层、运营层和明细层的功能(三层联合预先建立数据模型)。分析模块用于实现的功能包括汇总层得到分析结果以及应用层发送分析结果的功能。各个模块的功能的具体实现方式可以参见图1对应的实施例，这里不再赘述。
下面以一个例子，说明图2所示的数据仓库对工业数据进行分析的过程。
假设橡胶轮胎生产企业需要查看每日工厂生产的胶料的产品合格率报表，则图2所示的数据仓库，输出产品合格率报表的过程如图3所示，包括以下步骤：
S301:第二获取模块从生产制造执行系统(MES)获取生产批次表，从质量管理系统(QM)获取质检明细表。
其中，生产批次表中包括：生产日期、批次号码、车编号(车为用于承载胶料的工具，一个批次往往生产多车胶料)、原材料类型。
质检明细表中包括：批次号码、车编号(车为用于承载胶料的工具，一个批次往往生产多车胶料)，用于表示是否合格的标志。
S302：第二获取模块根据行业标准过滤掉脏数据或者错误数据。
举例说明，行业标准中规定批次号码的使用时间表示，如：20170707001，但实际发现临时层获取的表格中包括格式为XXXXX110QPX的数据，则确定不符合行业标准，则删除。
进一步的，为了保证数据删除的严谨性，还可以将待删除的数据发送到客户端，由用户确认为错误数据，并接收到客户端反馈的错误数据确认信息后，数据处理模块再删除数据。
S303：第二获取模块从生产批次表和质检明细表中均查找到与“机”相关的数据“车编号”，从生产批次表和质检明细表中抽取“车编号”字段，并以“车编号”字段为关联依据，建立生产批次表和质检明细表中的其它字段的对应关系，形成一张数据表，即建立的数据模型。
形成的数据表中包括：车编号、生产日期、批次号码、原材料类型和用于表示是否合格的标志字段。
其中，S301-S303为第二获取模块预先生成数据模型的过程。
S304：第一获取模块从客户端接收用户的数据分析需求：每日工厂生产的胶料的产品合格率报表(即待分析的数据类型)，并将该需求发送到数据分析模块。
S305：分析模块依据用户的数据分析需求，按照生产日期分组，分别对合格车次和不合格车次正对车次编号计数，得到新的聚合计算表，包括生产日期，合格车车数，不合格车数字段。再将合格车数除以不合格车数乘以100％得到日合格率报表，包括生产日期和合格率两个字段。
S306：分析模块将日合格率报表发给客户端。
从图3所示的过程可以看出，本实施例中，给出了一种针对工业数据的数据分析方法，能够向用户提供工业数据的大数据分析结果，满足用户的需求。
图1所示的临时层、运营层和明细层可以抽象为图4所示的工业数据的处理装置，包括：获取模块(对应临时层和运营层)、抽取模块(对应明细层的部分功能)和建立模块(对应明细层的部分功能)。
具体的，获取模块用于获取待处理的工业数据。从数据源获取所述数据源输出的工业数据，并基于预先设定的过滤规则，对所述工业数据进行过滤处理，得到所述待处理的工业数据。其中，过滤规则可以依据工业的行业标准设置。
抽取模块用于从所述工业数据中抽取属于各生产要素类别的数据，其中，所述各生产要素类别是指工业生产流程中生产一件产品或者运行一个生产过程所需的各生产要素对应的类别。
建立模块用于基于抽取得到的所述属于各生产要素类别的数据，建立各生产要素类别的数据模型，以便基于建立的所述数据模型对用户所需要的分析需求进行分析。进一步的，建立模块还用于：在所述建立各生产要素类别的数据模型之后，将所述各生产要素类别的数据模型中属于同一个生产要素类别的数据的格式统一为预设格式(例如图1所示的实施例中的性别格式为“男”和“女”)。
图4所示的工业数据的处理装置，能够基于工业数据建立数据模型，为工业数据的大数据分析奠定基础。
本申请实施例还公开了一种工业数据的处理装置，包括处理器和存储器。
其中，存储器用于存储应用程序。处理器，用于运行所述应用程序，以实现如下功能：获取待处理的工业数据；从所述工业数据中抽取属于多个生产要素类别的数据，其中，所述生产要素类别是指工业生产流程中生产一件产品或者运行一个生产过程所需的生产要素对应的类别；基于抽取得到的所述属于多个生产要素类别的数据，建立所述多个生产要素类别的数据模型，以便基于建立的所述数据模型对用户所需要的分析需求进行分析。
以上功能的具体实现方式可以参见上述方法实施例，这里不再赘述。
本申请实施例还公开了一种数据仓库，包括处理器和存储器。
其中，存储器用于存储应用程序。处理器，用于运行所述应用程序，以实现如下功能：获取数据分析需求，所述数据分析需求包括待分析的数据类型；基于所述待分析的数据类型，从预先建立的多个生产要素类别的数据模型中获取相关联的数据；对获取的所述相关联的数据进行分析，并将得到的分析结果提供给用户；其中，所述生产要素类别是指工业生产流程中生产一件产品或者运行一个生产过程所需的生产要素对应的类别；所述生产要素类别的数据模型基于从工业数据中抽取的属于生产要素类别的数据确定。
以上功能的具体实现方式可以参见上述方法实施例，这里不再赘述。
本申请实施例公开的又一种数据仓库，包括：包括处理器和存储器。
其中，存储器用于存储应用程序。处理器，用于运行所述应用程序，以实现图1中的应用层(模块)、汇总层(模块)以及明细层(模块)的功能，可选的，还可以实现运营层(模块)的功能。
本申请实施例方法所述的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，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本申请实施例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设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请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。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (15)
1.一种工业数据的处理方法，其特征在于，包括：
获取待处理的工业数据；
从所述工业数据中抽取属于多个生产要素类别的数据，其中，所述生产要素类别是指工业生产流程中生产一件产品或者运行一个生产过程所需的生产要素对应的类别；
基于抽取得到的所述属于多个生产要素类别的数据，建立多个生产要素类别的数据模型，以便基于建立的所述数据模型对用户所需要的分析需求进行分析。
2.根据权利要求1所述的方法，其特征在于，所述工业生产流程中生产一件产品或者运行一个生产过程所需的生产要素对应的类别包括：
生产一件产品或者运行一个生产过程中，涉及的人、机、料、法、环、能、废中的一个或多个。
3.根据权利要求1所述的方法，其特征在于，所述获取待处理的工业数据包括：
从数据源获取所述数据源输出的工业数据；
基于设定的过滤规则，对所述工业数据进行过滤处理，得到所述待处理的工业数据。
4.根据权利要求1-3任一项所述的方法，其特征在于，在所述建立多个生产要素类别的数据模型之前，还包括：
将属于同一生产要素类别的数据统一为预设格式的数据。
5.一种工业数据分析方法，其特征在于，包括：
获取数据分析需求，所述数据分析需求包括待分析的数据类型；
基于所述待分析的数据类型，从预先建立的多个生产要素类别的数据模型中获取相关联的数据；
对获取的所述相关联的数据进行分析，并将得到的分析结果提供给用户；
其中，所述生产要素类别是指工业生产流程中生产一件产品或者运行一个生产过程所需的生产要素对应的类别；所述生产要素类别的数据模型基于从工业数据中抽取的属于生产要素类别的数据确定。
6.根据权利要求5所述的方法，其特征在于，所述获取数据分析需求包括：
接收所述用户输入的所述数据分析需求；
或者，依据所述预先建立所述生产要素类别的数据模型以及工业对应的数据分析需求，确定所述数据模型对应的所述数据分析需求。
7.一种工业数据的处理装置，其特征在于，包括：
获取模块，用于获取待处理的工业数据；
抽取模块，用于从所述工业数据中抽取属于多个生产要素类别的数据，其中，所述生产要素类别是指工业生产流程中生产一件产品或者运行一个生产过程所需的生产要素对应的类别；
建立模块，用于基于抽取得到的所述属于多个生产要素类别的数据，建立多个生产要素类别的数据模型，以便基于建立的所述数据模型对用户所需要的分析需求进行分析。
8.根据权利要求7所述的装置，其特征在于，所述工业生产流程中生产一件产品或者运行一个生产过程所需的生产要素对应的类别包括：
生产一件产品或者运行一个生产过程，涉及的人、机、料、法、环、能、废中的一个或多个。
9.一种数据仓库，其特征在于，包括：
第一获取模块，用于获取数据分析需求，所述数据分析需求包括待分析的数据类型；
第二获取模块，用于基于所述待分析的数据类型，从预先建立的多个生产要素类别的数据模型中获取相关联的数据；
分析模块，用于对获取的所述相关联的数据进行分析，并将得到的分析结果提供给用户；
其中，所述生产要素类别是指工业生产流程中生产一件产品或者运行一个生产过程所需的生产要素对应的类别；所述生产要素类别的数据模型基于从工业数据中抽取的属于生产要素类别的数据确定。
10.根据权利要求9所述的装置，其特征在于，所述第一获取模块具体用于：
接收所述用户输入的所述数据分析需求，或者，依据所述预先建立所述生产要素类别的数据模型以及工业对应的数据分析需求，确定所述数据模型对应的所述数据分析需求。
11.一种数据仓库，其特征在于，包括：应用模块、汇总模块和明细模块；其中，
所述明细模块用于依据工业流程的生产要素类别，使用从所述工业数据中抽取的属于所述生产要素类别的数据，建立所述生产要素类别的数据模型；其中，所述生产要素类别是指工业生产流程中生产一件产品或者运行一个生产过程所需的生产要素对应的类别；
所述应用模块用于获取数据分析需求；
所述汇总模块用于接收所述应用模块反馈的所述数据分析需求，并使用所述明细模块建立的数据模型，得到数据分析结果。
12.根据权利要求11所述的数据仓库，其特征在于，还包括：
运营模块，用于依据工业标准，过滤所述工业数据中不满足所述工业标准的数据。
13.一种工业数据的处理装置，其特征在于，包括：
存储器，用于存储应用程序；
处理器，用于运行所述应用程序，以实现如下功能：获取待处理的工业数据；从所述工业数据中抽取属于多个生产要素类别的数据，其中，所述生产要素类别是指工业生产流程中生产一件产品或者运行一个生产过程所需的生产要素对应的类别；基于抽取得到的所述属于多个生产要素类别的数据，建立所述多个生产要素类别的数据模型，以便基于建立的所述数据模型对用户所需要的分析需求进行分析。
14.一种数据仓库，其特征在于，包括：
存储器，用于存储应用程序；
处理器，用于运行所述应用程序，以实现如下功能：获取数据分析需求，所述数据分析需求包括待分析的数据类型；基于所述待分析的数据类型，从预先建立的多个生产要素类别的数据模型中获取相关联的数据；对获取的所述相关联的数据进行分析，并将得到的分析结果提供给用户；其中，所述生产要素类别是指工业生产流程中生产一件产品或者运行一个生产过程所需的生产要素对应的类别；所述生产要素类别的数据模型基于从工业数据中抽取的属于生产要素类别的数据确定。
15.一种数据仓库，其特征在于，包括：
存储器，用于存储应用程序；
处理器，用于运行所述应用程序，以实现如下功能：依据工业流程的生产要素类别，使用从所述工业数据中抽取的属于所述生产要素类别的数据，建立所述生产要素类别的数据模型；其中，所述生产要素类别是指工业生产流程中生产一件产品或者运行一个生产过程所需的生产要素对应的类别；获取数据分析需求；接收所述数据分析需求，并使用所述数据模型，得到数据分析结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710978997.1A CN110019545A (zh) | 2017-10-19 | 2017-10-19 | 工业数据的处理及分析方法、工业数据的处理装置及数据仓库 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710978997.1A CN110019545A (zh) | 2017-10-19 | 2017-10-19 | 工业数据的处理及分析方法、工业数据的处理装置及数据仓库 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110019545A true CN110019545A (zh) | 2019-07-16 |
Family
ID=67186659
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710978997.1A Pending CN110019545A (zh) | 2017-10-19 | 2017-10-19 | 工业数据的处理及分析方法、工业数据的处理装置及数据仓库 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110019545A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110688424A (zh) * | 2019-09-25 | 2020-01-14 | 浙江中控技术股份有限公司 | 一种生产监控方法及装置 |
| CN110765139A (zh) * | 2019-10-31 | 2020-02-07 | 中冶赛迪重庆信息技术有限公司 | 一种工业数据分析方法及系统 |
| CN111815146A (zh) * | 2020-07-02 | 2020-10-23 | 上海微亿智造科技有限公司 | 质检机模拟测试数据方法及系统 |
| CN112183876A (zh) * | 2020-10-13 | 2021-01-05 | 上海喆塔信息科技有限公司 | 一种基于信息融合的良率损失根因分析方法 |
| CN112565404A (zh) * | 2020-12-02 | 2021-03-26 | 中国联合网络通信集团有限公司 | 数据处理方法、边缘服务器、中心服务器和介质 |
| CN112948480A (zh) * | 2021-04-21 | 2021-06-11 | 平安好医投资管理有限公司 | 数据抽取方法、装置、电子设备及存储介质 |
| CN116090789A (zh) * | 2023-03-03 | 2023-05-09 | 麦高(广东)数字科技有限公司 | 一种基于数据分析的精益制造生产管理系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102855354A (zh) * | 2012-08-21 | 2013-01-02 | 南京南瑞继保电气有限公司 | 一种面向工业企业在线多维能耗数据统计建模方法 |
| CN104699777A (zh) * | 2015-03-10 | 2015-06-10 | 中国联合网络通信集团有限公司 | 大数据分析挖掘管理面与业务面的关联方法及系统 |
| CN105260835A (zh) * | 2015-10-13 | 2016-01-20 | 北京凯行同创科技有限公司 | 多来源业务大数据的建模、分析、自我优化的方法 |
-
2017
- 2017-10-19 CN CN201710978997.1A patent/CN110019545A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102855354A (zh) * | 2012-08-21 | 2013-01-02 | 南京南瑞继保电气有限公司 | 一种面向工业企业在线多维能耗数据统计建模方法 |
| CN104699777A (zh) * | 2015-03-10 | 2015-06-10 | 中国联合网络通信集团有限公司 | 大数据分析挖掘管理面与业务面的关联方法及系统 |
| CN105260835A (zh) * | 2015-10-13 | 2016-01-20 | 北京凯行同创科技有限公司 | 多来源业务大数据的建模、分析、自我优化的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘同等: "《黄河信息化典型系统研究》", 31 January 2011, 黄河水利出版社 * |
| 陈平等, 北京理工大学出版社 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110688424A (zh) * | 2019-09-25 | 2020-01-14 | 浙江中控技术股份有限公司 | 一种生产监控方法及装置 |
| CN110765139A (zh) * | 2019-10-31 | 2020-02-07 | 中冶赛迪重庆信息技术有限公司 | 一种工业数据分析方法及系统 |
| CN111815146A (zh) * | 2020-07-02 | 2020-10-23 | 上海微亿智造科技有限公司 | 质检机模拟测试数据方法及系统 |
| CN112183876A (zh) * | 2020-10-13 | 2021-01-05 | 上海喆塔信息科技有限公司 | 一种基于信息融合的良率损失根因分析方法 |
| CN112565404A (zh) * | 2020-12-02 | 2021-03-26 | 中国联合网络通信集团有限公司 | 数据处理方法、边缘服务器、中心服务器和介质 |
| CN112948480A (zh) * | 2021-04-21 | 2021-06-11 | 平安好医投资管理有限公司 | 数据抽取方法、装置、电子设备及存储介质 |
| CN112948480B (zh) * | 2021-04-21 | 2023-11-14 | 平安好医投资管理有限公司 | 数据抽取方法、装置、电子设备及存储介质 |
| CN116090789A (zh) * | 2023-03-03 | 2023-05-09 | 麦高(广东)数字科技有限公司 | 一种基于数据分析的精益制造生产管理系统及方法 |
| CN116090789B (zh) * | 2023-03-03 | 2023-08-29 | 麦高(广东)数字科技有限公司 | 一种基于数据分析的精益制造生产管理系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110019545A (zh) | 工业数据的处理及分析方法、工业数据的处理装置及数据仓库 | |
| Chien et al. | A system for online detection and classification of wafer bin map defect patterns for manufacturing intelligence | |
| Sadeghi et al. | A fuzzy grey goal programming approach for aggregate production planning | |
| CN109597936B (zh) | 一种新用户筛选系统及方法 | |
| CN105467953A (zh) | 一种面向工业大数据的知识表示及其自动化应用方法 | |
| CN115423289B (zh) | 智能板材加工车间数据处理方法及终端 | |
| Klimecka-Tatar | Context of production engineering in management model of Value Stream Flow according to manufacturing industry | |
| CN104346698A (zh) | 基于云计算和数据挖掘的餐饮会员大数据分析和考核系统 | |
| CN116662577A (zh) | 基于知识图谱的大型语言模型训练方法及装置 | |
| CN113627784A (zh) | 一种基于工业互联网的企业资产管理智能决策系统 | |
| CN115587295A (zh) | 一种基于机器自学习的供应链策略智能生成方法和系统 | |
| CN116468460A (zh) | 基于人工智能的消费金融客户画像识别系统及其方法 | |
| CN109241117A (zh) | 一种画师匹配的方法和装置 | |
| Hsu et al. | Deploying Industry 4.0 enablers to strengthen supply chain resilience to mitigate ripple effects: an empirical study of top relay manufacturer in China | |
| CN109409780B (zh) | 变更处理方法、装置、计算机设备和存储介质 | |
| Ghaleb et al. | Reinforcement learning-based real-time scheduling under random machine breakdowns and other disturbances: A case study | |
| Büyüközkan et al. | Extending QFD with pythagorean fuzzy sets for sustainable supply chain management | |
| JP2013033450A (ja) | 製造工期予測装置、製造工期予測方法、及びコンピュータプログラム | |
| Triantis | Fuzzy non-radial data envelopment analysis (DEA) measures of technical efficiency in support of an integrated performance measurement system | |
| CN116992350A (zh) | 一种基于大数据的产业供应链优化方法及系统 | |
| CN116739332A (zh) | 一种基于大数据的产业链智能管理方法、系统及介质 | |
| CN115471148A (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN116012109A (zh) | 基于元宇宙的订单生成方法及定制生产方法 | |
| CN108009224A (zh) | 电力客户的分类方法和装置 | |
| CN114626901A (zh) | 多价值链数字生态系统模型建立方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40010871 Country of ref document: HK |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190716 |