CN111552246A - 应用于智慧园区的设备生产线调度方法及云计算服务器 - Google Patents
应用于智慧园区的设备生产线调度方法及云计算服务器 Download PDFInfo
- Publication number
- CN111552246A CN111552246A CN202010380910.2A CN202010380910A CN111552246A CN 111552246 A CN111552246 A CN 111552246A CN 202010380910 A CN202010380910 A CN 202010380910A CN 111552246 A CN111552246 A CN 111552246A
- Authority
- CN
- China
- Prior art keywords
- state
- target
- matrix
- production line
- feature
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 167
- 238000000034 method Methods 0.000 title claims abstract description 90
- 239000011159 matrix material Substances 0.000 claims abstract description 219
- 238000013507 mapping Methods 0.000 claims description 67
- 238000003860 storage Methods 0.000 claims description 37
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000010586 diagram Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000012937 correction Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- 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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- 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
- G05B2219/32252—Scheduling production, machining, job shop
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本申请是关于应用于智慧园区的设备生产线调度方法及云计算服务器时。首先获取每个工业设备的运行参数并确定对应的目标工业设备的多个状态类别以及目标工业设备在每个状态类别下的关联信息，其次确定每个工业设备在相同状态类别下的设备运行数据并基于每个工业设备在相同状态类别下的关联信息以及设备运行数据生成在每个状态类别下的状态特征矩阵并进行导入，然后基于目标状态矩阵在匹配终端中进行查找，基于查找结果确定目标生产线的目标状态数据，最后在目标状态数据满足设定条件时将当前生产线切换为目标生产线。这样以来，能够减少获取目标生产线的状态数据时所耗费的时间成本和人力成本，进而确保设备生产线的及时切换和调度。
Description
技术领域
本申请涉及智慧园区生产技术领域，尤其涉及应用于智慧园区的设备生产线调度方法及云计算服务器。
背景技术
智慧园区的快速发展为现代工业生产提供了诸多便利，能够有效提高现代工业的生产制造效率。随着智能化集成技术的广泛应用，现如今的工业设备具备一机多用的功能，能够使得智慧园区基于一整套系列的工业设备实现不同生产线的切换。智慧园区在进行不同生产线的切换时，需要预先获取切换之后的目标生产线的状态数据以确定是否满足生产线切换的先决条件。但是，现有技术在获取目标生产线的状态数据时会耗费大量的时间成本和人力成本，从而难以确保设备生产线的及时切换和调度。
发明内容
本申请提供应用于智慧园区的设备生产线调度方法及云计算服务器，以改善现有技术存在的上述技术问题。
第一个技术方案，用于揭示一种应用于智慧园区的设备生产线调度方法，应用于与配置终端和匹配终端通信的云计算服务器，所述配置终端还与多个工业设备通信，所述方法包括：
通过所述配置终端获取每个工业设备的运行参数；
从每组运行参数中确定对应的目标工业设备的多个状态类别以及所述目标工业设备在每个状态类别下的关联信息；
根据所述运行参数，确定每个工业设备在相同状态类别下的设备运行数据；基于每个工业设备在相同状态类别下的关联信息以及设备运行数据，生成在每个状态类别下的状态特征矩阵，将所述状态特征矩阵存入所述匹配终端中；
在检测到存在生产线切换指令时，解析所述生产线切换指令得到目标生产线对应的目标状态矩阵；
在所述匹配终端中查找是否存在与所述目标状态矩阵相同的第一状态特征矩阵；若存在，则根据所述第一状态特征矩阵确定所述目标生产线对应的目标状态数据；若不存在，则在所述匹配终端中确定与所述目标状态矩阵的相似度最大的第二状态特征矩阵；根据所述目标状态矩阵与所述第二状态特征矩阵之间的相似度对所述第二状态特征矩阵对应的样本状态数据进行修正，得到目标状态数据；
在所述目标状态数据满足设定条件时，将当前生产线切换为所述目标生产线。
优选地，所述方法还包括：
在所述目标状态数据不满足设定条件时，保持当前生产线的运行。
优选地，将当前生产线切换为所述目标生产线，包括：
向所述配置终端发送每个工业设备对应的目标运行参数；
使所述配置终端将每个目标运行参数发送给对应的工业设备。
优选地，使所述配置终端将每个目标运行参数发送给对应的工业设备，包括：
向所述配置终端发送目标指令；
使所述配置终端根据目标指令中携带的延时时长将每个目标运行参数延时发送给对应的工业设备。
优选地，基于每个工业设备在相同状态类别下的关联信息以及设备运行数据，生成在每个状态类别下的状态特征矩阵，包括：
统计每个状态类别下的每个工业设备的关联信息以及设备运行数据，确定每个工业设备在所述多个状态类别中的第一状态类别下的第一设备运行数据的第一时序特征以及每个工业设备在所述多个状态类别中的第二状态类别下的第二设备运行数据的第二时序特征；
基于每个工业设备在所述第一状态类别下的第一关联信息以及每个工业设备在所述第二状态类别下的第二关联信息确定所述第一时序特征和所述第二时序特征之间的第一相似度权重；
根据所述第一相似度权重判断所述每个工业设备在所述第一状态类别下或所述第二状态类别下是否存在可调状态特征类别，在确定出存在所述可调状态特征类别的前提下，将所述第一时序特征和所述第二时序特征映射至所述可调状态特征类别下得到第一映射特征和第二映射特征，并根据所述第一映射特征和所述第二映射特征计算得到所述可调状态特征类别下的第三映射特征；
计算所述第一时序特征与所述第三映射特征的第一相似度值以及所述第二时序特征与所述第三映射特征的第二相似度值，通过所述第一相似度值和所述第二相似度值计算所述第一时序特征和所述第二时序特征之间的第二相似度权重；
计算所述第一相似度权重和所述第二相似度权重之间的差值；若所述差值在设定范围内，则根据所述第二相似度权重对所述第一时序特征进行加权得到第一目标特征并根据所述第一相似度权重对所述第二时序特征进行加权得到第二目标特征，将确定出的所有第一目标特征和所有第二目标特征进行整合得到每个状态类别下的状态特征矩阵；若所述差值在设定范围外，将确定出的所有第一时序特征和所有第二时序特征进行整合得到每个状态类别下的状态特征矩阵。
优选地，在解析所述生产线切换指令得到目标生产线对应的目标状态矩阵之前，所述方法还包括：
判断缓存的当前存储百分比是否达到设定阈值；
若当前存储百分比达到所述设定阈值，则将所述缓存中的存储时长最长的历史状态矩阵进行删除，并继续判断当前存储百分比是否达到设定阈值，若否，则进入到对所述生产线切换指令进行解析的步骤，若是，继续将所述缓存中的存储时长最长的历史状态矩阵进行删除，直至当前存储百分比低于所述设定阈值。
优选地，解析所述生产线切换指令得到目标生产线对应的目标状态矩阵，包括：
获取解析进程的多个进程参数组，确定各个进程参数组的参数变化轨迹并根据所述参数变化轨迹生成参数变化图；其中，所述参数变化图为分块图，每块子图对应一个分块标识，每个分块标识对应至少一个参数变化轨迹；
读取所述生产线切换指令的指令流编码，并基于所述指令流编码和所述参数变化图确定映射清单，根据该映射清单生成参数调整线程；其中，根据该映射清单生成参数调整线程，包括：将每个进程参数组转换为字符编码串；分别生成每个字符编码串的至少一个字符特征；获取所述进程参数组的互不重复的字符特征构成字符特征集；将所述字符特征集中的各个字符特征映射到所述参数变化图中，得到参数调整线程对应的目标编码信息，根据所述目标编码信息确定所述参数调整线程；
将各个进程参数组对应的参数变化轨迹与所述参数调整线程中的各个参数变化轨迹进行一一比对，得到多个比对结果；根据多个比对结果，对所述参数变化图进行修正，得到目标参数变化图；基于所述目标参数变化图得到多个目标进行参数组，通过所述多个目标进行参数组启动所述解析进程以对所述生产线切换指令进行解析得到所述目标生产线对应的所述目标状态矩阵。
优选地，将所述状态特征矩阵存入所述匹配终端中，包括：
获取所述状态特征矩阵的第一数据格式以及所述匹配终端的第二数据格式；
判断所述第一数据格式和所述第二数据格式是否相同；
若相同，则将所述状态特征矩阵存入所述匹配终端中；
若不相同，启动预设的格式转换线程以将所述状态特征矩阵进行格式转换，得到当前状态特征矩阵，并将所述当前特征矩阵存入所述匹配终端中。
第二个技术方案，用于揭示一种云计算服务器，包括：处理器，以及
与处理器连接的内存和网络接口；所述网络接口与云计算服务器中的非易失性存储器连接；
所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行上述方法。
第三个技术方案，用于揭示一种应用于计算机的可读存储介质，所述可读存储介质烧录有计算机程序，所述计算机程序在云计算服务器的内存中运行时实现上述方法。
应用本申请实施例应用于智慧园区的设备生产线调度方法及云计算服务器时，首先获取每个工业设备的运行参数并从每组运行参数中确定对应的目标工业设备的多个状态类别以及目标工业设备在每个状态类别下的关联信息，其次确定每个工业设备在相同状态类别下的设备运行数据并基于每个工业设备在相同状态类别下的关联信息以及设备运行数据生成在每个状态类别下的状态特征矩阵并将状态特征矩阵导入匹配终端中，然后基于目标状态矩阵在匹配终端中进行查找，并基于查找结果确定目标生产线的目标状态数据，最后在目标状态数据满足设定条件时将当前生产线切换为目标生产线。
如此，若目标生产线对应的目标状态矩阵与预先设置的状态特征矩阵一致，则可以直接根据预先设置的状态特征矩阵确定目标生产线的状态数据，若目标生产线对应的目标状态矩阵与预先设置的状态特征矩阵不一致，可以基于目标状态矩阵与状态特征矩阵之间的相似性确定目标生产线的状态数据。这样以来，能够减少获取目标生产线的状态数据时所耗费的时间成本和人力成本，进而确保设备生产线的及时切换和调度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是本申请根据一示例性实施例示出的一种应用于智慧园区的设备生产线调度系统示意图。
图2是本申请根据一示例性实施例示出的一种应用于智慧园区的设备生产线调度方法的流程图。
图3是本申请根据一示例性实施例示出的一种应用于智慧园区的设备生产线调度装置的一个实施例框图。
图4为本申请装置所在云计算服务器的一种硬件结构图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
为减少获取目标生产线的状态数据时所耗费的时间成本和人力成本，进而确保设备生产线的及时切换和调度，本发明公开了一种应用于智慧园区的设备生产线调度方法及云计算服务器，能够预先将每个工业设备在多个生产线的场景下的运行参数进行整合，进而形成不同生产线对应的状态特征矩阵。这样，在进行不同生产线的切换时，若目标生产线对应的目标状态矩阵与预先设置的状态特征矩阵一致，则可以直接根据预先设置的状态特征矩阵确定目标生产线的状态数据，若目标生产线对应的目标状态矩阵与预先设置的状态特征矩阵不一致，可以基于目标状态矩阵与状态特征矩阵之间的相似性确定目标生产线的状态数据。如此，能够减少获取目标生产线的状态数据时所耗费的时间成本和人力成本，进而确保设备生产线的及时切换和调度。
请参阅图1，为本发明提供的应用于智慧园区的设备生产线调度系统100的通信连接示意图，所述设备生产线调度系统100包括云计算服务器110、配置终端120、匹配终端130以及多个工业设备140。其中，云计算服务器110与配置终端120以及匹配终端130通信连接，配置终端120与多个工业设备140通信连接。
在本实施例中，配置终端120和匹配终端130可以是具有数据传输和处理能力的电子设备，在此不作限定。工业设备140可以应用于多个制造领域，例如新能源汽车制造、智能医疗设备制造、5G设备制造、电商直播设备制造和无人机制造等。当工业设备140应用于不同的制造领域时，工业设备140的型号和类型也不同，在此不一一列举。
在上述基础上，请结合参阅图2，为本发明提供的应用于智慧园区的设备生产线调度方法的流程图，所述方法可以应用于图1中的云计算服务器110，所述方法具体包括以下步骤。
步骤S210，通过所述配置终端获取每个工业设备的运行参数。
在本发明中，所述运行参数是所述配置终端从每个工业设备处实时采集得到的。工业设备的运行参数包括但不限于电压数据、电流数据、有功功率、运行时长以及机械损耗值等。
步骤S220，从每组运行参数中确定对应的目标工业设备的多个状态类别以及所述目标工业设备在每个状态类别下的关联信息。
在步骤S220中，所述关联信息用于表征与所述目标工业设备存在连接关系的第一工业设备和第二工业设备，所述第一工业设备是所述目标工业设备的上游工业设备，所述第二工业设备是所述目标工业设备的下游工业设备。
进一步地，上游工业设备表征第一工业设备位于目标工业设备的生产线的上游节点，下游工业设备表征第二工业设备位于目标工业设备的生产线的下游节点。
步骤S230，根据所述运行参数，确定每个工业设备在相同状态类别下的设备运行数据；基于每个工业设备在相同状态类别下的关联信息以及设备运行数据，生成在每个状态类别下的状态特征矩阵，将所述状态特征矩阵存入所述匹配终端中。
在本发明中，例如工业设备为10个，且每个工业设备存在3个状态类别：A状态类别、B状态类别和C状态类别，则可以分别统计10个工业设备在A状态类别、B状态类别以及C状态类别下的设备运行数据。其中，设备运行数据用于表征工业设备在不同状态类别下的运行参数。
在本发明中，可以对每个状态类别下的每组设备运行数据进行特征提取，从而得到运行特征向量，然后根据每组运行特征向量对应的工业设备在每个状态类别下的关联信息将运行特征向量进行整合，从而得到状态特征矩阵。
在本发明中，根据所述运行参数，确定每个工业设备在相同状态类别下的设备运行数据具体可以包括：将运行参数的参数状态类别列出，然后按照所列出的参数状态类别统计每个工业设备在相同状态类别下的设备运行数据。
步骤S240，在检测到存在生产线切换指令时，解析所述生产线切换指令得到目标生产线对应的目标状态矩阵。
步骤S250，在所述匹配终端中查找是否存在与所述目标状态矩阵相同的第一状态特征矩阵；若存在，则根据所述第一状态特征矩阵确定所述目标生产线对应的目标状态数据；若不存在，则在所述匹配终端中确定与所述目标状态矩阵的相似度最大的第二状态特征矩阵；根据所述目标状态矩阵与所述第二状态特征矩阵之间的相似度对所述第二状态特征矩阵对应的样本状态数据进行修正，得到目标状态数据。
步骤S260，在所述目标状态数据满足设定条件时，将当前生产线切换为所述目标生产线。
可以理解，通过上述步骤S210-步骤S260，首先获取每个工业设备的运行参数并从每组运行参数中确定对应的目标工业设备的多个状态类别以及目标工业设备在每个状态类别下的关联信息，其次确定每个工业设备在相同状态类别下的设备运行数据并基于每个工业设备在相同状态类别下的关联信息以及设备运行数据生成在每个状态类别下的状态特征矩阵并将状态特征矩阵导入匹配终端中，然后基于目标状态矩阵在匹配终端中进行查找，并基于查找结果确定目标生产线的目标状态数据，最后在目标状态数据满足设定条件时将当前生产线切换为目标生产线。
如此，若目标生产线对应的目标状态矩阵与预先设置的状态特征矩阵一致，则可以直接根据预先设置的状态特征矩阵确定目标生产线的状态数据，若目标生产线对应的目标状态矩阵与预先设置的状态特征矩阵不一致，可以基于目标状态矩阵与状态特征矩阵之间的相似性确定目标生产线的状态数据。这样以来，能够减少获取目标生产线的状态数据时所耗费的时间成本和人力成本，进而确保设备生产线的及时切换和调度。
可选地，在所述目标状态数据不满足设定条件时，保持当前生产线的运行。如此，能够避免随意切换生产线带来的生产事故，确保智慧园区的正常生产。
发明人在将上述方法应用到实际的智慧园区中发现，由于每个状态类别下的设备运行数据可能存在部分重叠，这样可能会降低每个状态类别下的状态特征矩阵的准确性。为改善上述问题，在步骤S230中，基于每个工业设备在相同状态类别下的关联信息以及设备运行数据，生成在每个状态类别下的状态特征矩阵，具体还可以包括以下步骤所描述的内容。
步骤S231，统计每个状态类别下的每个工业设备的关联信息以及设备运行数据，确定每个工业设备在所述多个状态类别中的第一状态类别下的第一设备运行数据的第一时序特征以及每个工业设备在所述多个状态类别中的第二状态类别下的第二设备运行数据的第二时序特征。
在本发明中，第一状态类别和第二状态类别为不同的状态类别。
步骤S232，基于每个工业设备在所述第一状态类别下的第一关联信息以及每个工业设备在所述第二状态类别下的第二关联信息确定所述第一时序特征和所述第二时序特征之间的第一相似度权重。
步骤S233，根据所述第一相似度权重判断所述每个工业设备在所述第一状态类别下或所述第二状态类别下是否存在可调状态特征类别，在确定出存在所述可调状态特征类别的前提下，将所述第一时序特征和所述第二时序特征映射至所述可调状态特征类别下得到第一映射特征和第二映射特征，并根据所述第一映射特征和所述第二映射特征计算得到所述可调状态特征类别下的第三映射特征。
步骤S234，计算所述第一时序特征与所述第三映射特征的第一相似度值以及所述第二时序特征与所述第三映射特征的第二相似度值，通过所述第一相似度值和所述第二相似度值计算所述第一时序特征和所述第二时序特征之间的第二相似度权重。
步骤S235，计算所述第一相似度权重和所述第二相似度权重之间的差值；若所述差值在设定范围内，则根据所述第二相似度权重对所述第一时序特征进行加权得到第一目标特征并根据所述第一相似度权重对所述第二时序特征进行加权得到第二目标特征，将确定出的所有第一目标特征和所有第二目标特征进行整合得到每个状态类别下的状态特征矩阵；若所述差值在设定范围外，将确定出的所有第一时序特征和所有第二时序特征进行整合得到每个状态类别下的状态特征矩阵。
可以理解，通过上述内容，能够基于相似度权重和映射处理确定每个状态类别下的设备运行数据是否存在重叠，从而在设备运行数据存在重叠时进行修正，这样能够确保每个状态类别下的状态特征矩阵的准确性。
在具体实施时，发明人经研究还发现，在对生产线切换指令进行解析时，常常出现解析进程缓慢的情况，究其原因，是由于与解析进程对应的缓存中存储了大量的历史状态矩阵，这会导致对当前生产线切换指令进行解析时，缓存无法存储目标状态矩阵，而不得不将目标状态矩阵的一部分向量存储到其他存储空间中。为了改善上述问题，步骤S240中，在解析所述生产线切换指令得到目标生产线对应的目标状态矩阵之前，所述方法还可以包括以下内容。
步骤S310，判断缓存的当前存储百分比是否达到设定阈值。
步骤S320，若当前存储百分比达到所述设定阈值，则将所述缓存中的存储时长最长的历史状态矩阵进行删除，并继续判断当前存储百分比是否达到设定阈值，若否，则进入到对所述生产线切换指令进行解析的步骤，若是，继续将所述缓存中的存储时长最长的历史状态矩阵进行删除，直至当前存储百分比低于所述设定阈值。
可以理解，通过上述内容，能够对缓存进行释放，从而确保目标状态矩阵全部存入缓存，这样能够确保解析进程的效率。
在实际应用中，为了确保解析得到的目标状态矩阵的准确性和全面性，需要对解析进程进行参数调整，为此，在步骤S240中，所述解析所述生产线切换指令得到目标生产线对应的目标状态矩阵，具体还可以包括以下步骤所描述的内容。
步骤S241，获取解析进程的多个进程参数组，确定各个进程参数组的参数变化轨迹并根据所述参数变化轨迹生成参数变化图；其中，所述参数变化图为分块图，每块子图对应一个分块标识，每个分块标识对应至少一个参数变化轨迹。
步骤S242，读取所述生产线切换指令的指令流编码，并基于所述指令流编码和所述参数变化图确定映射清单，根据该映射清单生成参数调整线程；其中，根据该映射清单生成参数调整线程，包括：将每个进程参数组转换为字符编码串；分别生成每个字符编码串的至少一个字符特征；获取所述进程参数组的互不重复的字符特征构成字符特征集；将所述字符特征集中的各个字符特征映射到所述参数变化图中，得到参数调整线程对应的目标编码信息，根据所述目标编码信息确定所述参数调整线程。
步骤S243，将各个进程参数组对应的参数变化轨迹与所述参数调整线程中的各个参数变化轨迹进行一一比对，得到多个比对结果；根据多个比对结果，对所述参数变化图进行修正，得到目标参数变化图；基于所述目标参数变化图得到多个目标进行参数组，通过所述多个目标进行参数组启动所述解析进程以对所述生产线切换指令进行解析得到所述目标生产线对应的所述目标状态矩阵。
在应用上述步骤所描述的内容时，能够基于解析进程的进程参数组对解析进程进行参数调整，这样可以通过完成参数调整的解析进程对生产线切换指令进行解析，从而确保解析得到的目标状态矩阵的准确性和全面性。
在一个具体的实施方式中，为了提高云计算服务器的运行效率，步骤S260所描述的将当前生产线切换为所述目标生产线，具体包括以下内容：向所述配置终端发送每个工业设备对应的目标运行参数，使所述配置终端将每个目标运行参数发送给对应的工业设备。
在本发明中，目标运行参数可以根据目标生产线对应的目标状态数据得到，在此不作更多说明。可以理解，通过上述内容，能够通过配置终端进行目标运行参数的下发，这样，可以避免云计算服务器分配过多的时间片资源进行目标运行参数的下发，从而提高云计算服务器的运行效率。
进一步地，为了提高生产线切换(调度)的灵活性，在上述基础上，使所述配置终端将每个目标运行参数发送给对应的工业设备，具体还可以包括：向所述配置终端发送目标指令，使所述配置终端根据目标指令中携带的延时时长将每个目标运行参数延时发送给对应的工业设备。如此，通过对发送延时进行设置，能够提高生产线切换(调度)的灵活性。
在具体实施时，为了确保状态特征矩阵在存入匹配终端的过程中的完整性，步骤S230所描述的将所述状态特征矩阵存入所述匹配终端中，进一步可以包括：获取所述状态特征矩阵的第一数据格式以及所述匹配终端的第二数据格式；判断所述第一数据格式和所述第二数据格式是否相同；若相同，则将所述状态特征矩阵存入所述匹配终端中；若不相同，启动预设的格式转换线程以将所述状态特征矩阵进行格式转换，得到当前状态特征矩阵，并将所述当前特征矩阵存入所述匹配终端中。
在上述内容中，当前状态特征矩阵的数据格式与匹配终端的数据格式一致，如此，通过上述步骤所描述的内容，能够确保状态特征矩阵与匹配终端的数据格式的一致性，从而确保状态特征矩阵在存入匹配终端的过程中的完整性，避免状态特征矩阵在存入过程中由于数据格式不匹配产生的数据丢失。
在一种可替换的实施方式中，为了准确地得到目标状态数据，步骤S250所描述的根据所述目标状态矩阵与所述第二状态特征矩阵之间的相似度对所述第二状态特征矩阵对应的样本状态数据进行修正，得到目标状态数据，具体可以包括以下步骤所描述的内容。
步骤S251，统计目标状态矩阵对应的第一矩阵描述信息以及第二状态特征矩阵对应的第二矩阵描述信息，所述第一矩阵描述信息和所述第二矩阵描述信息分别包括多个具有不同信息标签值的信息包。
步骤S252，计算所述目标状态矩阵在所述第一矩阵描述信息的任一信息包的第一数据容量值，将所述第二矩阵描述信息中具有最小信息标签值的信息包确定为第一目标信息包；将所述第一数据容量值导入所述第一目标信息包以在所述第一目标信息包中得到第二数据容量值；依据所述第一数据容量值以及所述第二数据容量值建立所述目标状态矩阵和所述第二状态特征矩阵之间的目标列表；其中，所述目标列表为所述目标状态矩阵和所述第二状态特征矩阵在不同相似度下的状态数据的差异的集合。
步骤S253，以所述第二数据容量值为参考值在所述第一目标信息包中获取第三数据容量值，通过所述目标列表将所述第三数据容量值导入所述第一数据容量值所在信息包，在所述第一数据容量值所在信息包中得到所述第三数据容量值对应的第二目标信息包，并确定所述第二目标信息包为所述第二状态特征矩阵对应的样本状态数据的修正信息。
步骤S254，确定所述第二目标信息包中与所述样本状态数据存在对应关系的多个信息字段并计算每个信息字段的优先级，按照每个信息字段的优先级由大到小的顺序依次对所述样本状态数据中与每个信息字段对应的状态数据集进行修正，将完成修正的状态数据集进行整合得到目标状态数据。
通过执行上述步骤S251-步骤S254所描述的内容，能够对目标状态矩阵的第一矩阵描述信息以及第二状态特征矩阵的第二矩阵描述信息进行分析，从而确定出样本状态数据对应的修正信息。这样，可以基于修正信息对样本状态数据进行完整、准确地修正，从而准确地得到目标状态数据。
在另一个可替换的实施方式中，所述目标状态数据是否满足设定条件，具体可以通过以下步骤实现。
(1)提取生产线程切换记录，从所述生产线程记录中确定出状态数据变化轨迹，获取基于状态数据变化轨迹所划分得到的轨迹节点。
(2)针对所述轨迹节点中的当前轨迹节点，基于当前轨迹节点在预设间隔内更新的第一频率以及各所述轨迹节点在所述预设间隔内更新的第二频率，确定当前轨迹节点在所述预设间隔内的更新权重。
(3)根据当前轨迹节点在两个相邻的预设间隔内的更新权重确定当前轨迹节点在两个相邻的预设间隔之间更新的更新频率变化曲线。
(4)基于所述更新频率变化曲线确定所述当前轨迹节点是否为异常轨迹节点。
(5)在当前轨迹节点为异常轨迹节点时，将所述目标状态数据映射至所述状态数据变化轨迹中得到第一目标节点；计算所述第一目标节点在所述状态数据变化轨迹中的第一节点度；若所述第一节点度大于第一设定节点度，则确定所述目标状态数据满足设定条件，否则确定所述目标状态数据不满足设备条件。
(6)在当前轨迹节点为正常轨迹节点时，将所述目标状态数据映射至所述状态数据变化轨迹中得到第二目标节点；计算所述第二目标节点在所述状态数据变化轨迹中的第二节点度；若所述第二节点度小于等于第二设定节点度，则确定所述目标状态数据满足设定条件，否则确定所述目标状态数据不满足设备条件。
可以理解，通过上述内容，能够对状态数据变化轨迹中的轨迹节点进行分析，从而在判定出当前轨迹节点为异常轨迹节点或正常轨迹节点时计算目标状态数据对应的不同的节点度，并基于节点度判断目标状态数据是否满足设备条件。如此，可以准确、可靠地判断目标状态数据是否满足设备条件，避免随意切换生产线带来的故障。
在上述基础上，请结合参阅图3，还提供了一种应用于智慧园区的设备生产线调度装置300，关于设备生产线调度装置300的描述请参阅如下内容。
A1.一种应用于智慧园区的设备生产线调度装置，应用于与配置终端和匹配终端通信的云计算服务器，所述配置终端还与多个工业设备通信，所述装置包括：
参数获取模块310，用于通过所述配置终端获取每个工业设备的运行参数；
类别确定模块320，用于从每组运行参数中确定对应的目标工业设备的多个状态类别以及所述目标工业设备在每个状态类别下的关联信息；
特征生成模块330，用于根据所述运行参数，确定每个工业设备在相同状态类别下的设备运行数据；基于每个工业设备在相同状态类别下的关联信息以及设备运行数据，生成在每个状态类别下的状态特征矩阵，将所述状态特征矩阵存入所述匹配终端中；
指令解析模块340，用于在检测到存在生产线切换指令时，解析所述生产线切换指令得到目标生产线对应的目标状态矩阵；
数据确定模块350，用于在所述匹配终端中查找是否存在与所述目标状态矩阵相同的第一状态特征矩阵；若存在，则根据所述第一状态特征矩阵确定所述目标生产线对应的目标状态数据；若不存在，则在所述匹配终端中确定与所述目标状态矩阵的相似度最大的第二状态特征矩阵；根据所述目标状态矩阵与所述第二状态特征矩阵之间的相似度对所述第二状态特征矩阵对应的样本状态数据进行修正，得到目标状态数据；
产线调度模块360，用于在所述目标状态数据满足设定条件时，将当前生产线切换为所述目标生产线。
A2.如A1所述的装置，所述产线调度模块360，还用于：
在所述目标状态数据不满足设定条件时，保持当前生产线的运行。
A3.如A1所述的装置，所述产线调度模块360，进一步用于：
向所述配置终端发送每个工业设备对应的目标运行参数；
使所述配置终端将每个目标运行参数发送给对应的工业设备。
A4.如A3所述的装置，所述产线调度模块360，进一步用于：
向所述配置终端发送目标指令；
使所述配置终端根据目标指令中携带的延时时长将每个目标运行参数延时发送给对应的工业设备。
A5.如A1-A4任一项所述的装置，所述特征生成模块330，具体用于：
统计每个状态类别下的每个工业设备的关联信息以及设备运行数据，确定每个工业设备在所述多个状态类别中的第一状态类别下的第一设备运行数据的第一时序特征以及每个工业设备在所述多个状态类别中的第二状态类别下的第二设备运行数据的第二时序特征；
基于每个工业设备在所述第一状态类别下的第一关联信息以及每个工业设备在所述第二状态类别下的第二关联信息确定所述第一时序特征和所述第二时序特征之间的第一相似度权重；
根据所述第一相似度权重判断所述每个工业设备在所述第一状态类别下或所述第二状态类别下是否存在可调状态特征类别，在确定出存在所述可调状态特征类别的前提下，将所述第一时序特征和所述第二时序特征映射至所述可调状态特征类别下得到第一映射特征和第二映射特征，并根据所述第一映射特征和所述第二映射特征计算得到所述可调状态特征类别下的第三映射特征；
计算所述第一时序特征与所述第三映射特征的第一相似度值以及所述第二时序特征与所述第三映射特征的第二相似度值，通过所述第一相似度值和所述第二相似度值计算所述第一时序特征和所述第二时序特征之间的第二相似度权重；
计算所述第一相似度权重和所述第二相似度权重之间的差值；若所述差值在设定范围内，则根据所述第二相似度权重对所述第一时序特征进行加权得到第一目标特征并根据所述第一相似度权重对所述第二时序特征进行加权得到第二目标特征，将确定出的所有第一目标特征和所有第二目标特征进行整合得到每个状态类别下的状态特征矩阵；若所述差值在设定范围外，将确定出的所有第一时序特征和所有第二时序特征进行整合得到每个状态类别下的状态特征矩阵。
A6.如A1所述的装置，所述装置还包括缓存释放模块370，用于：
在解析所述生产线切换指令得到目标生产线对应的目标状态矩阵之前，判断缓存的当前存储百分比是否达到设定阈值；
若当前存储百分比达到所述设定阈值，则将所述缓存中的存储时长最长的历史状态矩阵进行删除，并继续判断当前存储百分比是否达到设定阈值，若否，则进入到对所述生产线切换指令进行解析的步骤，若是，继续将所述缓存中的存储时长最长的历史状态矩阵进行删除，直至当前存储百分比低于所述设定阈值。
A7.如A6所述的装置，所述指令解析模块340，具体用于：
获取解析进程的多个进程参数组，确定各个进程参数组的参数变化轨迹并根据所述参数变化轨迹生成参数变化图；其中，所述参数变化图为分块图，每块子图对应一个分块标识，每个分块标识对应至少一个参数变化轨迹；
读取所述生产线切换指令的指令流编码，并基于所述指令流编码和所述参数变化图确定映射清单，根据该映射清单生成参数调整线程；其中，根据该映射清单生成参数调整线程，包括：将每个进程参数组转换为字符编码串；分别生成每个字符编码串的至少一个字符特征；获取所述进程参数组的互不重复的字符特征构成字符特征集；将所述字符特征集中的各个字符特征映射到所述参数变化图中，得到参数调整线程对应的目标编码信息，根据所述目标编码信息确定所述参数调整线程；
将各个进程参数组对应的参数变化轨迹与所述参数调整线程中的各个参数变化轨迹进行一一比对，得到多个比对结果；根据多个比对结果，对所述参数变化图进行修正，得到目标参数变化图；基于所述目标参数变化图得到多个目标进行参数组，通过所述多个目标进行参数组启动所述解析进程以对所述生产线切换指令进行解析得到所述目标生产线对应的所述目标状态矩阵。
A8.如A1所述的装置，所述特征生成模块330，进一步用于：
获取所述状态特征矩阵的第一数据格式以及所述匹配终端的第二数据格式；
判断所述第一数据格式和所述第二数据格式是否相同；
若相同，则将所述状态特征矩阵存入所述匹配终端中；
若不相同，启动预设的格式转换线程以将所述状态特征矩阵进行格式转换，得到当前状态特征矩阵，并将所述当前特征矩阵存入所述匹配终端中。
A9.如A1所述的装置，所述数据确定模块350，具体用于：
统计目标状态矩阵对应的第一矩阵描述信息以及第二状态特征矩阵对应的第二矩阵描述信息，所述第一矩阵描述信息和所述第二矩阵描述信息分别包括多个具有不同信息标签值的信息包；
计算所述目标状态矩阵在所述第一矩阵描述信息的任一信息包的第一数据容量值，将所述第二矩阵描述信息中具有最小信息标签值的信息包确定为第一目标信息包；将所述第一数据容量值导入所述第一目标信息包以在所述第一目标信息包中得到第二数据容量值；依据所述第一数据容量值以及所述第二数据容量值建立所述目标状态矩阵和所述第二状态特征矩阵之间的目标列表；其中，所述目标列表为所述目标状态矩阵和所述第二状态特征矩阵在不同相似度下的状态数据的差异的集合；
以所述第二数据容量值为参考值在所述第一目标信息包中获取第三数据容量值，通过所述目标列表将所述第三数据容量值导入所述第一数据容量值所在信息包，在所述第一数据容量值所在信息包中得到所述第三数据容量值对应的第二目标信息包，并确定所述第二目标信息包为所述第二状态特征矩阵对应的样本状态数据的修正信息；
确定所述第二目标信息包中与所述样本状态数据存在对应关系的多个信息字段并计算每个信息字段的优先级，按照每个信息字段的优先级由大到小的顺序依次对所述样本状态数据中与每个信息字段对应的状态数据集进行修正，将完成修正的状态数据集进行整合得到目标状态数据；
A10.如A1所述的装置，所述产线调度模块360，具体用于：
提取生产线程切换记录，从所述生产线程记录中确定出状态数据变化轨迹，获取基于状态数据变化轨迹所划分得到的轨迹节点；
针对所述轨迹节点中的当前轨迹节点，基于当前轨迹节点在预设间隔内更新的第一频率以及各所述轨迹节点在所述预设间隔内更新的第二频率，确定当前轨迹节点在所述预设间隔内的更新权重；
根据当前轨迹节点在两个相邻的预设间隔内的更新权重确定当前轨迹节点在两个相邻的预设间隔之间更新的更新频率变化曲线；
基于所述更新频率变化曲线确定所述当前轨迹节点是否为异常轨迹节点；
在当前轨迹节点为异常轨迹节点时，将所述目标状态数据映射至所述状态数据变化轨迹中得到第一目标节点；计算所述第一目标节点在所述状态数据变化轨迹中的第一节点度；若所述第一节点度大于第一设定节点度，则确定所述目标状态数据满足设定条件，否则确定所述目标状态数据不满足设备条件；
在当前轨迹节点为正常轨迹节点时，将所述目标状态数据映射至所述状态数据变化轨迹中得到第二目标节点；计算所述第二目标节点在所述状态数据变化轨迹中的第二节点度；若所述第二节点度小于等于第二设定节点度，则确定所述目标状态数据满足设定条件，否则确定所述目标状态数据不满足设备条件。
关于上述功能模块的说明请参阅对应的方法步骤的描述，在此不作更多说明。
在上述基础上，还提供了一种应用于智慧园区的设备生产线调度系统，关于该系统的功能性描述如下所示。
B1.一种应用于智慧园区的设备生产线调度系统，包括云计算服务器、配置终端、匹配终端和多个工业设备；所述配置终端和所述匹配终端均与所述云计算服务器通信，所述配置终端还与多个工业设备通信；
配置终端，用于：
从每个工业设备处采集运行参数；
云计算服务器，用于：
通过所述配置终端获取每个工业设备的运行参数；从每组运行参数中确定对应的目标工业设备的多个状态类别以及所述目标工业设备在每个状态类别下的关联信息；根据所述运行参数，确定每个工业设备在相同状态类别下的设备运行数据；基于每个工业设备在相同状态类别下的关联信息以及设备运行数据，生成在每个状态类别下的状态特征矩阵，将所述状态特征矩阵存入所述匹配终端中；
匹配终端，用于：
对所述状态特征矩阵进行存储；
云计算服务器，用于：
在检测到存在生产线切换指令时，解析所述生产线切换指令得到目标生产线对应的目标状态矩阵；
在所述匹配终端中查找是否存在与所述目标状态矩阵相同的第一状态特征矩阵；若存在，则根据所述第一状态特征矩阵确定所述目标生产线对应的目标状态数据；若不存在，则在所述匹配终端中确定与所述目标状态矩阵的相似度最大的第二状态特征矩阵；根据所述目标状态矩阵与所述第二状态特征矩阵之间的相似度对所述第二状态特征矩阵对应的样本状态数据进行修正，得到目标状态数据；
在所述目标状态数据满足设定条件时，将当前生产线切换为所述目标生产线。
B2.如B1所述的系统，所述云计算服务器，还用于：
在所述目标状态数据不满足设定条件时，保持当前生产线的运行。
B3.如B1所述的系统，所述云计算服务器，进一步用于：
向所述配置终端发送每个工业设备对应的目标运行参数；
使所述配置终端将每个目标运行参数发送给对应的工业设备。
B4.如B3所述的系统，所述云计算服务器，进一步用于：
向所述配置终端发送目标指令；
使所述配置终端根据目标指令中携带的延时时长将每个目标运行参数延时发送给对应的工业设备。
B5.如B1-B4任一项所述的系统，所述云计算服务器，进一步用于：
统计每个状态类别下的每个工业设备的关联信息以及设备运行数据，确定每个工业设备在所述多个状态类别中的第一状态类别下的第一设备运行数据的第一时序特征以及每个工业设备在所述多个状态类别中的第二状态类别下的第二设备运行数据的第二时序特征；
基于每个工业设备在所述第一状态类别下的第一关联信息以及每个工业设备在所述第二状态类别下的第二关联信息确定所述第一时序特征和所述第二时序特征之间的第一相似度权重；
根据所述第一相似度权重判断所述每个工业设备在所述第一状态类别下或所述第二状态类别下是否存在可调状态特征类别，在确定出存在所述可调状态特征类别的前提下，将所述第一时序特征和所述第二时序特征映射至所述可调状态特征类别下得到第一映射特征和第二映射特征，并根据所述第一映射特征和所述第二映射特征计算得到所述可调状态特征类别下的第三映射特征；
计算所述第一时序特征与所述第三映射特征的第一相似度值以及所述第二时序特征与所述第三映射特征的第二相似度值，通过所述第一相似度值和所述第二相似度值计算所述第一时序特征和所述第二时序特征之间的第二相似度权重；
计算所述第一相似度权重和所述第二相似度权重之间的差值；若所述差值在设定范围内，则根据所述第二相似度权重对所述第一时序特征进行加权得到第一目标特征并根据所述第一相似度权重对所述第二时序特征进行加权得到第二目标特征，将确定出的所有第一目标特征和所有第二目标特征进行整合得到每个状态类别下的状态特征矩阵；若所述差值在设定范围外，将确定出的所有第一时序特征和所有第二时序特征进行整合得到每个状态类别下的状态特征矩阵。
B6.如B1所述的系统，所述云计算服务器，还用于：
在解析所述生产线切换指令得到目标生产线对应的目标状态矩阵之前，判断缓存的当前存储百分比是否达到设定阈值；
若当前存储百分比达到所述设定阈值，则将所述缓存中的存储时长最长的历史状态矩阵进行删除，并继续判断当前存储百分比是否达到设定阈值，若否，则进入到对所述生产线切换指令进行解析的步骤，若是，继续将所述缓存中的存储时长最长的历史状态矩阵进行删除，直至当前存储百分比低于所述设定阈值。
B7.如B6所述的系统，所述云计算服务器，进一步用于：
获取解析进程的多个进程参数组，确定各个进程参数组的参数变化轨迹并根据所述参数变化轨迹生成参数变化图；其中，所述参数变化图为分块图，每块子图对应一个分块标识，每个分块标识对应至少一个参数变化轨迹；
读取所述生产线切换指令的指令流编码，并基于所述指令流编码和所述参数变化图确定映射清单，根据该映射清单生成参数调整线程；其中，根据该映射清单生成参数调整线程，包括：将每个进程参数组转换为字符编码串；分别生成每个字符编码串的至少一个字符特征；获取所述进程参数组的互不重复的字符特征构成字符特征集；将所述字符特征集中的各个字符特征映射到所述参数变化图中，得到参数调整线程对应的目标编码信息，根据所述目标编码信息确定所述参数调整线程；
将各个进程参数组对应的参数变化轨迹与所述参数调整线程中的各个参数变化轨迹进行一一比对，得到多个比对结果；根据多个比对结果，对所述参数变化图进行修正，得到目标参数变化图；基于所述目标参数变化图得到多个目标进行参数组，通过所述多个目标进行参数组启动所述解析进程以对所述生产线切换指令进行解析得到所述目标生产线对应的所述目标状态矩阵。
B8.如B1所述的系统，所述云计算服务器，进一步用于：
获取所述状态特征矩阵的第一数据格式以及所述匹配终端的第二数据格式；
判断所述第一数据格式和所述第二数据格式是否相同；
若相同，则将所述状态特征矩阵存入所述匹配终端中；
若不相同，启动预设的格式转换线程以将所述状态特征矩阵进行格式转换，得到当前状态特征矩阵，并将所述当前特征矩阵存入所述匹配终端中。
B9.如B1所述的系统，所述云计算服务器，进一步用于：
统计目标状态矩阵对应的第一矩阵描述信息以及第二状态特征矩阵对应的第二矩阵描述信息，所述第一矩阵描述信息和所述第二矩阵描述信息分别包括多个具有不同信息标签值的信息包；
计算所述目标状态矩阵在所述第一矩阵描述信息的任一信息包的第一数据容量值，将所述第二矩阵描述信息中具有最小信息标签值的信息包确定为第一目标信息包；将所述第一数据容量值导入所述第一目标信息包以在所述第一目标信息包中得到第二数据容量值；依据所述第一数据容量值以及所述第二数据容量值建立所述目标状态矩阵和所述第二状态特征矩阵之间的目标列表；其中，所述目标列表为所述目标状态矩阵和所述第二状态特征矩阵在不同相似度下的状态数据的差异的集合；
以所述第二数据容量值为参考值在所述第一目标信息包中获取第三数据容量值，通过所述目标列表将所述第三数据容量值导入所述第一数据容量值所在信息包，在所述第一数据容量值所在信息包中得到所述第三数据容量值对应的第二目标信息包，并确定所述第二目标信息包为所述第二状态特征矩阵对应的样本状态数据的修正信息；
确定所述第二目标信息包中与所述样本状态数据存在对应关系的多个信息字段并计算每个信息字段的优先级，按照每个信息字段的优先级由大到小的顺序依次对所述样本状态数据中与每个信息字段对应的状态数据集进行修正，将完成修正的状态数据集进行整合得到目标状态数据；
B10.如B1所述的系统，所述云计算服务器，进一步用于：
提取生产线程切换记录，从所述生产线程记录中确定出状态数据变化轨迹，获取基于状态数据变化轨迹所划分得到的轨迹节点；
针对所述轨迹节点中的当前轨迹节点，基于当前轨迹节点在预设间隔内更新的第一频率以及各所述轨迹节点在所述预设间隔内更新的第二频率，确定当前轨迹节点在所述预设间隔内的更新权重；
根据当前轨迹节点在两个相邻的预设间隔内的更新权重确定当前轨迹节点在两个相邻的预设间隔之间更新的更新频率变化曲线；
基于所述更新频率变化曲线确定所述当前轨迹节点是否为异常轨迹节点；
在当前轨迹节点为异常轨迹节点时，将所述目标状态数据映射至所述状态数据变化轨迹中得到第一目标节点；计算所述第一目标节点在所述状态数据变化轨迹中的第一节点度；若所述第一节点度大于第一设定节点度，则确定所述目标状态数据满足设定条件，否则确定所述目标状态数据不满足设备条件；
在当前轨迹节点为正常轨迹节点时，将所述目标状态数据映射至所述状态数据变化轨迹中得到第二目标节点；计算所述第二目标节点在所述状态数据变化轨迹中的第二节点度；若所述第二节点度小于等于第二设定节点度，则确定所述目标状态数据满足设定条件，否则确定所述目标状态数据不满足设备条件。
关于上述系统的描述请参阅对图2所示的方法的描述，在此不作更多说明。
在上述基础上，本公开还揭示了一种云计算服务器的硬件结构图，如图4所示，所述云计算服务器110可以包括：处理器111以及与处理器111连接的内存112和网络接口113；所述网络接口113与云计算服务器110中的非易失性存储器114连接。
进一步地，所述处理器111在运行时通过所述网络接口113从所述非易失性存储器114中调取计算机程序，并通过所述内存112运行所述计算机程序，以执行上述方法。
在上述基础上，还揭示了一种应用于计算机的可读存储介质，所述可读存储介质烧录有计算机程序，所述计算机程序在云计算服务器110的内存112中运行时实现上述方法。
综上，在应用本申请实施例应用于智慧园区的设备生产线调度方法及云计算服务器时，首先获取每个工业设备的运行参数并从每组运行参数中确定对应的目标工业设备的多个状态类别以及目标工业设备在每个状态类别下的关联信息，其次确定每个工业设备在相同状态类别下的设备运行数据并基于每个工业设备在相同状态类别下的关联信息以及设备运行数据生成在每个状态类别下的状态特征矩阵并将状态特征矩阵导入匹配终端中，然后基于目标状态矩阵在匹配终端中进行查找，并基于查找结果确定目标生产线的目标状态数据，最后在目标状态数据满足设定条件时将当前生产线切换为目标生产线。
如此，若目标生产线对应的目标状态矩阵与预先设置的状态特征矩阵一致，则可以直接根据预先设置的状态特征矩阵确定目标生产线的状态数据，若目标生产线对应的目标状态矩阵与预先设置的状态特征矩阵不一致，可以基于目标状态矩阵与状态特征矩阵之间的相似性确定目标生产线的状态数据。这样以来，能够减少获取目标生产线的状态数据时所耗费的时间成本和人力成本，进而确保设备生产线的及时切换和调度。
以上实施方式中的各种技术特征可以任意进行组合，只要特征之间的组合不存在冲突或矛盾，但是限于篇幅，未进行一一描述，因此上述实施方式中的各种技术特征的任意进行组合也属于本说明书公开的范围。
Claims (10)
1.一种应用于智慧园区的设备生产线调度方法，应用于与配置终端和匹配终端通信的云计算服务器，所述配置终端还与多个工业设备通信，所述方法包括：
通过所述配置终端获取每个工业设备的运行参数；
从每组运行参数中确定对应的目标工业设备的多个状态类别以及所述目标工业设备在每个状态类别下的关联信息；
根据所述运行参数，确定每个工业设备在相同状态类别下的设备运行数据；基于每个工业设备在相同状态类别下的关联信息以及设备运行数据，生成在每个状态类别下的状态特征矩阵，将所述状态特征矩阵存入所述匹配终端中；
在检测到存在生产线切换指令时，解析所述生产线切换指令得到目标生产线对应的目标状态矩阵；
在所述匹配终端中查找是否存在与所述目标状态矩阵相同的第一状态特征矩阵；若存在，则根据所述第一状态特征矩阵确定所述目标生产线对应的目标状态数据；若不存在，则在所述匹配终端中确定与所述目标状态矩阵的相似度最大的第二状态特征矩阵；根据所述目标状态矩阵与所述第二状态特征矩阵之间的相似度对所述第二状态特征矩阵对应的样本状态数据进行修正，得到目标状态数据；
在所述目标状态数据满足设定条件时，将当前生产线切换为所述目标生产线。
2.如权利要求1所述的方法，所述方法还包括：
在所述目标状态数据不满足设定条件时，保持当前生产线的运行。
3.如权利要求1所述的方法，将当前生产线切换为所述目标生产线，包括：
向所述配置终端发送每个工业设备对应的目标运行参数；
使所述配置终端将每个目标运行参数发送给对应的工业设备。
4.如权利要求3所述的方法，使所述配置终端将每个目标运行参数发送给对应的工业设备，包括：
向所述配置终端发送目标指令；
使所述配置终端根据目标指令中携带的延时时长将每个目标运行参数延时发送给对应的工业设备。
5.如权利要求1-4任一项所述的方法，基于每个工业设备在相同状态类别下的关联信息以及设备运行数据，生成在每个状态类别下的状态特征矩阵，包括：
统计每个状态类别下的每个工业设备的关联信息以及设备运行数据，确定每个工业设备在所述多个状态类别中的第一状态类别下的第一设备运行数据的第一时序特征以及每个工业设备在所述多个状态类别中的第二状态类别下的第二设备运行数据的第二时序特征；
基于每个工业设备在所述第一状态类别下的第一关联信息以及每个工业设备在所述第二状态类别下的第二关联信息确定所述第一时序特征和所述第二时序特征之间的第一相似度权重；
根据所述第一相似度权重判断所述每个工业设备在所述第一状态类别下或所述第二状态类别下是否存在可调状态特征类别，在确定出存在所述可调状态特征类别的前提下，将所述第一时序特征和所述第二时序特征映射至所述可调状态特征类别下得到第一映射特征和第二映射特征，并根据所述第一映射特征和所述第二映射特征计算得到所述可调状态特征类别下的第三映射特征；
计算所述第一时序特征与所述第三映射特征的第一相似度值以及所述第二时序特征与所述第三映射特征的第二相似度值，通过所述第一相似度值和所述第二相似度值计算所述第一时序特征和所述第二时序特征之间的第二相似度权重；
计算所述第一相似度权重和所述第二相似度权重之间的差值；若所述差值在设定范围内，则根据所述第二相似度权重对所述第一时序特征进行加权得到第一目标特征并根据所述第一相似度权重对所述第二时序特征进行加权得到第二目标特征，将确定出的所有第一目标特征和所有第二目标特征进行整合得到每个状态类别下的状态特征矩阵；若所述差值在设定范围外，将确定出的所有第一时序特征和所有第二时序特征进行整合得到每个状态类别下的状态特征矩阵。
6.如权利要求1所述的方法，在解析所述生产线切换指令得到目标生产线对应的目标状态矩阵之前，所述方法还包括：
判断缓存的当前存储百分比是否达到设定阈值；
若当前存储百分比达到所述设定阈值，则将所述缓存中的存储时长最长的历史状态矩阵进行删除，并继续判断当前存储百分比是否达到设定阈值，若否，则进入到对所述生产线切换指令进行解析的步骤，若是，继续将所述缓存中的存储时长最长的历史状态矩阵进行删除，直至当前存储百分比低于所述设定阈值。
7.如权利要求6所述的方法，解析所述生产线切换指令得到目标生产线对应的目标状态矩阵，包括：
获取解析进程的多个进程参数组，确定各个进程参数组的参数变化轨迹并根据所述参数变化轨迹生成参数变化图；其中，所述参数变化图为分块图，每块子图对应一个分块标识，每个分块标识对应至少一个参数变化轨迹；
读取所述生产线切换指令的指令流编码，并基于所述指令流编码和所述参数变化图确定映射清单，根据该映射清单生成参数调整线程；其中，根据该映射清单生成参数调整线程，包括：将每个进程参数组转换为字符编码串；分别生成每个字符编码串的至少一个字符特征；获取所述进程参数组的互不重复的字符特征构成字符特征集；将所述字符特征集中的各个字符特征映射到所述参数变化图中，得到参数调整线程对应的目标编码信息，根据所述目标编码信息确定所述参数调整线程；
将各个进程参数组对应的参数变化轨迹与所述参数调整线程中的各个参数变化轨迹进行一一比对，得到多个比对结果；根据多个比对结果，对所述参数变化图进行修正，得到目标参数变化图；基于所述目标参数变化图得到多个目标进行参数组，通过所述多个目标进行参数组启动所述解析进程以对所述生产线切换指令进行解析得到所述目标生产线对应的所述目标状态矩阵。
8.如权利要求1所述的方法，将所述状态特征矩阵存入所述匹配终端中，包括：
获取所述状态特征矩阵的第一数据格式以及所述匹配终端的第二数据格式；
判断所述第一数据格式和所述第二数据格式是否相同；
若相同，则将所述状态特征矩阵存入所述匹配终端中；
若不相同，启动预设的格式转换线程以将所述状态特征矩阵进行格式转换，得到当前状态特征矩阵，并将所述当前特征矩阵存入所述匹配终端中。
9.一种云计算服务器，包括：
处理器，以及
与处理器连接的内存和网络接口；
所述网络接口与云计算服务器中的非易失性存储器连接；
所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行上述权利要求1-8任一项所述的方法。
10.一种应用于计算机的可读存储介质，所述可读存储介质烧录有计算机程序，所述计算机程序在云计算服务器的内存中运行时实现上述权利要求1-8任一项所述的方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011212738.6A CN112306027A (zh) | 2020-05-08 | 2020-05-08 | 应用于智慧园区的设备生产线调度方法及系统 |
| CN202010380910.2A CN111552246B (zh) | 2020-05-08 | 2020-05-08 | 应用于智慧园区的设备生产线调度方法及云计算服务器 |
| CN202011212718.9A CN112306026A (zh) | 2020-05-08 | 2020-05-08 | 基于智慧园区的设备生产线调度方法及云计算服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010380910.2A CN111552246B (zh) | 2020-05-08 | 2020-05-08 | 应用于智慧园区的设备生产线调度方法及云计算服务器 |
Related Child Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011212738.6A Division CN112306027A (zh) | 2020-05-08 | 2020-05-08 | 应用于智慧园区的设备生产线调度方法及系统 |
| CN202011212718.9A Division CN112306026A (zh) | 2020-05-08 | 2020-05-08 | 基于智慧园区的设备生产线调度方法及云计算服务器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111552246A true CN111552246A (zh) | 2020-08-18 |
| CN111552246B CN111552246B (zh) | 2021-01-15 |
Family
ID=72008037
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011212718.9A Withdrawn CN112306026A (zh) | 2020-05-08 | 2020-05-08 | 基于智慧园区的设备生产线调度方法及云计算服务器 |
| CN202011212738.6A Withdrawn CN112306027A (zh) | 2020-05-08 | 2020-05-08 | 应用于智慧园区的设备生产线调度方法及系统 |
| CN202010380910.2A Active CN111552246B (zh) | 2020-05-08 | 2020-05-08 | 应用于智慧园区的设备生产线调度方法及云计算服务器 |
Family Applications Before (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011212718.9A Withdrawn CN112306026A (zh) | 2020-05-08 | 2020-05-08 | 基于智慧园区的设备生产线调度方法及云计算服务器 |
| CN202011212738.6A Withdrawn CN112306027A (zh) | 2020-05-08 | 2020-05-08 | 应用于智慧园区的设备生产线调度方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (3) | CN112306026A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112198846A (zh) * | 2020-09-24 | 2021-01-08 | 临沂大学 | 一种用于流水线作业的自适应调度系统及方法 |
| CN112215518A (zh) * | 2020-10-24 | 2021-01-12 | 陈龙龙 | 结合云计算的化妆品生产链调度方法及人工智能云平台 |
| CN112214496A (zh) * | 2020-10-24 | 2021-01-12 | 陈龙龙 | 基于大数据分析的化妆品生产线安全监测方法及云服务器 |
| CN113487193A (zh) * | 2020-09-19 | 2021-10-08 | 杨伟深 | 基于云计算的大数据处理方法及云计算平台 |
| CN113655767A (zh) * | 2021-10-15 | 2021-11-16 | 格创东智(深圳)科技有限公司 | 生产线控制方法、装置、设备和计算机可读存储介质 |
| CN114488979A (zh) * | 2022-01-21 | 2022-05-13 | 珠海格力电器股份有限公司 | 检测方法、装置、电子设备及存储介质 |
| CN117151314A (zh) * | 2023-11-01 | 2023-12-01 | 深圳市普朗医疗科技发展有限公司 | 透明质酸钠的生产管理方法及相关装置 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114167775B (zh) * | 2021-11-30 | 2024-04-26 | 上海德衡数据科技有限公司 | 基于机器人的实时外部控制方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5777876A (en) * | 1995-12-29 | 1998-07-07 | Bull Hn Information Systems Inc. | Database manufacturing process management system |
| JP2002297216A (ja) * | 2001-03-29 | 2002-10-11 | Pfu Ltd | 差し立てシミュレーションシステムとその制御方法ならびにそのプログラム |
| CN102183931A (zh) * | 2011-03-24 | 2011-09-14 | 平高集团有限公司 | 基于时间约束的机械加工生产过程优化调度方法 |
| CN108022019A (zh) * | 2017-12-14 | 2018-05-11 | 西南石油大学 | 基于风电机组分类的风电场调度方法和系统 |
| CN108053108A (zh) * | 2017-12-07 | 2018-05-18 | 公安部第三研究所 | 一种基于装备体系状态特征的定型列装决策管理方法及系统 |
| CN108460207A (zh) * | 2018-02-28 | 2018-08-28 | 上海华电电力发展有限公司 | 一种基于运行数据模型的发电机组的故障预警方法 |
-
2020
- 2020-05-08 CN CN202011212718.9A patent/CN112306026A/zh not_active Withdrawn
- 2020-05-08 CN CN202011212738.6A patent/CN112306027A/zh not_active Withdrawn
- 2020-05-08 CN CN202010380910.2A patent/CN111552246B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5777876A (en) * | 1995-12-29 | 1998-07-07 | Bull Hn Information Systems Inc. | Database manufacturing process management system |
| JP2002297216A (ja) * | 2001-03-29 | 2002-10-11 | Pfu Ltd | 差し立てシミュレーションシステムとその制御方法ならびにそのプログラム |
| CN102183931A (zh) * | 2011-03-24 | 2011-09-14 | 平高集团有限公司 | 基于时间约束的机械加工生产过程优化调度方法 |
| CN108053108A (zh) * | 2017-12-07 | 2018-05-18 | 公安部第三研究所 | 一种基于装备体系状态特征的定型列装决策管理方法及系统 |
| CN108022019A (zh) * | 2017-12-14 | 2018-05-11 | 西南石油大学 | 基于风电机组分类的风电场调度方法和系统 |
| CN108460207A (zh) * | 2018-02-28 | 2018-08-28 | 上海华电电力发展有限公司 | 一种基于运行数据模型的发电机组的故障预警方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈明 等: "基于MDP 的多Agent 生产线动态调度策略", 《电子技术及信息科学》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113487193A (zh) * | 2020-09-19 | 2021-10-08 | 杨伟深 | 基于云计算的大数据处理方法及云计算平台 |
| CN113487193B (zh) * | 2020-09-19 | 2022-07-01 | 重庆华唐云树科技有限公司 | 基于云计算的大数据处理方法及云计算平台 |
| CN112198846A (zh) * | 2020-09-24 | 2021-01-08 | 临沂大学 | 一种用于流水线作业的自适应调度系统及方法 |
| CN112198846B (zh) * | 2020-09-24 | 2021-11-05 | 临沂大学 | 一种用于流水线作业的自适应调度系统的调度方法 |
| CN112215518A (zh) * | 2020-10-24 | 2021-01-12 | 陈龙龙 | 结合云计算的化妆品生产链调度方法及人工智能云平台 |
| CN112214496A (zh) * | 2020-10-24 | 2021-01-12 | 陈龙龙 | 基于大数据分析的化妆品生产线安全监测方法及云服务器 |
| CN112215518B (zh) * | 2020-10-24 | 2022-01-11 | 陈龙龙 | 结合云计算的化妆品生产链调度方法及人工智能云平台 |
| CN113655767A (zh) * | 2021-10-15 | 2021-11-16 | 格创东智(深圳)科技有限公司 | 生产线控制方法、装置、设备和计算机可读存储介质 |
| CN114488979A (zh) * | 2022-01-21 | 2022-05-13 | 珠海格力电器股份有限公司 | 检测方法、装置、电子设备及存储介质 |
| CN117151314A (zh) * | 2023-11-01 | 2023-12-01 | 深圳市普朗医疗科技发展有限公司 | 透明质酸钠的生产管理方法及相关装置 |
| CN117151314B (zh) * | 2023-11-01 | 2024-04-05 | 深圳市普朗医疗科技发展有限公司 | 透明质酸钠的生产管理方法及相关装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112306026A (zh) | 2021-02-02 |
| CN112306027A (zh) | 2021-02-02 |
| CN111552246B (zh) | 2021-01-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111552246B (zh) | 应用于智慧园区的设备生产线调度方法及云计算服务器 | |
| CN110445653B (zh) | 网络状态预测方法、装置、设备及介质 | |
| CN110889323A (zh) | 通用车牌的识别方法、装置、计算机设备及存储介质 | |
| US20230073813A1 (en) | Method and Device for Detecting User Data of User Equipment UE, and Storage Medium | |
| CN112131004A (zh) | 基于物联网通信的数据处理方法及云计算服务器 | |
| CN111654538B (zh) | 基于区块链及大数据的通信处理方法及云边端计算服务器 | |
| CN111475562B (zh) | 应用于业务处理系统的数据格式优化方法及业务服务器 | |
| CN108063685B (zh) | 日志分析方法及装置 | |
| CN113556253A (zh) | 预测交换机端口实时流量的方法、系统、设备和存储介质 | |
| CN112765217A (zh) | 基于边缘计算和路径分析的数据处理方法及系统 | |
| CN112784025A (zh) | 一种目标事件的确定方法和装置 | |
| CN117131100A (zh) | 电力设备故障数据的挖掘方法、装置、设备及存储介质 | |
| Pasteris et al. | Data distribution and scheduling for distributed analytics tasks | |
| CN113448747B (zh) | 数据传输方法、装置、计算机设备和存储介质 | |
| CN112235397A (zh) | 应用于互联网通信的大数据传输处理方法及云计算中心 | |
| CN112925831A (zh) | 基于云计算服务的大数据挖掘方法及大数据挖掘服务系统 | |
| CN113660286A (zh) | 结合卡尔曼滤波数据融合的通信协议融合方法及相关设备 | |
| CN108737522B (zh) | 一种消息的处理方法、装置和系统 | |
| CN112069220B (zh) | 一种工业大数据平台快速查询方法 | |
| CN117453577B (zh) | 基于流量录制生成接口自动化用例的方法、装置和计算机设备 | |
| CN116248579B (zh) | 一种多必经点的通信路径规划方法及装置 | |
| CN116366478B (zh) | 一种基于fpga的数据包对比去重方法 | |
| CN114430398B (zh) | 面向标识解析请求聚合压缩的带宽效率优化方法及装置 | |
| CN112600282B (zh) | 一种智能太阳能箱包充放电控制方法及系统 | |
| CN116682272A (zh) | 一种交通控制方法、装置、设备及存储介质 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Kunming Institute of information engineering and automation, 253 Xuefu Road, Wuhua District, Kunming City, Yunnan Province 650091 Applicant after: Chen Xiaoqing Address before: Tongda Institute of information science and technology, No.9, Siyuan Road, Chongchuan District, Nantong City, Jiangsu Province, 226019 Applicant before: Chen Xiaoqing |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201203 Address after: No. 617, Lijiagou village, Heshun Town, Linzhou City, Anyang City, Henan Province Applicant after: Wang Rui Address before: Kunming Institute of information engineering and automation, 253 Xuefu Road, Wuhua District, Kunming City, Yunnan Province 650091 Applicant before: Chen Xiaoqing |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |