CN111950927A - 一种智能工厂多源异构大数据的获取与管理系统 - Google Patents

Abstract

本公开提供了一种智能工厂多源异构大数据的获取与管理系统，其中，包括：数据获取模块，用于获取企业的多源异构数据，所述多源异构数据包括企业外部数据、企业内部生产运营数据及企业生产活动数据；数据存储与分析模块，用于对所述多源异构的数据进行分析及处理，并进行存储，以便提供反馈或服务；以及数据应用模块，数据应用模块，用于根据企业不同业务的需求和应用需求获取所述数据存储与分析模块存储的数据，并将获取的所述数据用于支撑企业管理的应用程序。本公开的系统能够对接更多的数据源、承载更大的波动和数据量、流程，构建有效的数据存储与流通体系，支撑不同层级APP开发与应用，构建数据的高效率获取、存储、应用体系。

Description

一种智能工厂多源异构大数据的获取与管理系统

技术领域

本公开涉及智能制造领域，尤其涉及一种智能工厂多源异构大数据的获取与管理系统。

背景技术

随着制造业深度推进智能制造，积极推进智能工厂、工业互联网平台建设，一定数量的企业在基础自动化，装备智能化方面取得了较好进展。数据作为新的生产要素，成为制造业转型升级与优质发展的重要生产力，“数据驱动”型企业是未来制造业企业的重要发展方向。随着智能工厂和工业互联网普及，流程型制造业从制造车间到云平台，汇集了复杂的数据信息，如生产设备、工艺流程、管控系统、外部客户信息、市场信息、行业数据等跨度大的多源异构大数据。数据采集的最终目的是被理解和使用，传统流程型制造业企业的数据存储与应用体系缺乏与最新的大数据技术方案和生态对接。越来越多中小企业意识到数据的重要性，意愿投入大数据的获取与应用，但传统的工业大数据解决方案十分昂贵，很多企业难以接受。但大量企业在数据采集、管理与应用方面仍存在痛点和挑战。

具体到流程型制造型企业而言，其数据来源多样，种类复杂。在典型的部件级、设备级、产线级、车间级、工厂级、企业级的L0-L5信息化分层架构体系中，大量企业面临信息化系统对接不畅、数据孤岛问题。企业缺乏有效的数据收集、存储和管理系统，以及能够在实现企业数据的横向、纵向打通方面存在问题，缺乏快速、有效的数据分析与应用体系，因而数据对企业发展、业务拓展的支撑和驱动力没有充分发挥出价值。同时，企业面对获取的海量数据存在：不能用、不会用；数据不匹配，不能够有效对接、针对性的流动到业务需求端；应用滞后、需求与数据供给不协同等多个问题。

同时，流程型制造业企业不同的业务场景对应的应用系统，对数据属性的需求有很大差异，如对现场重大装备的运维要求实时的获取数据与响应，而企业的产品研发、业务洞察、市场预测需要更多的历史数据、更广的企业外部市场数据支撑，分析机理、构建模型、形成洞察。

面对车间测点数日益增多、数据采集频次不断提高、内外部经营数据大量积累的大数据变化，企业面临数据管理与处理缺乏高性能水平扩展能力，对分布式架构、云端部署、云原生的应用不足等问题。

发明内容

(一)要解决的技术问题

本公开提供了一种智能工厂多源异构大数据的获取与管理系统，以至少部分解决以上所提出的技术问题。

(二)技术方案

根据本公开的一个方面，提供了一种智能工厂多源异构大数据的获取与管理系统，其中，包括：

数据获取模块，用于获取企业的多源异构数据，所述多源异构数据包括企业外部数据、企业内部生产运营数据及企业生产活动数据；

数据存储与分析模块，用于对所述多源异构的数据进行分析及处理，并进行存储，以便提供反馈或服务；以及

数据应用模块，数据应用模块，用于根据企业不同业务的需求和应用需求获取所述数据存储与分析模块存储的数据，并将获取的所述数据用于支撑企业管理的应用程序。

根据本公开的实施例，所述数据存储与分析模块包括：

数据存储子模块，所述数据存储子模块包括关系型数据库及非关系型数据库；以及

数据分析子模块，所述数据分析子模块包括消息队列模块、实时计算模块及边缘计算模块。

根据本公开的实施例，所述数据存储子模块中，所述关系型数据库连接至所述数据获取模块，用于获取所述数据获取模块输出的结构化数据；所述非关系型数据库连接至所述消息队列模块或实时计算模块。

根据本公开的实施例，所述关系型数据库包括Mysql；所述非关系型数据库包括MongoDB及Hbase。

根据本公开的实施例，所述数据分析子模块中，

所述消息队列模块连接至所述数据获取模块，用于将所述数据获取模块输出的结构化数据或非结构化数据写入消息；

所述实时计算模块连接至所述消息队列模块，用于对所述消息队列中连续性的实时数据进行实时摄取、分析和处理；

所述边缘计算模块连接至所述非关系型数据库，用于将云端训练的数据模型部署到边缘侧。

根据本公开的实施例，所述消息队列模块采用Kafka，实时计算模块采用Flink。

根据本公开的实施例，边缘计算模块包括容器化应用、边缘侧平台、私有云或公有云数据服务器，其中，容器化应用采用Kubernetes，Kubernetes向上通过私有云或公有云数据服务器承载App开发及AI架构部署，向下对接边缘侧平台的KubeEdge，加强云边协同。

根据本公开的实施例，所述数据获取模块包括：

第一数据获取子模块，所述第一数据获取子模块用于采集所述企业外部数据，所述企业外部数据包括工控设备数据、工艺参数、产线装备数据、可移动装备数据、人员操作数据、业务系统数据及商务数据中的至少一种；

第二数据获取子模块，所述第二数据获取子模块用于采集所述企业生产活动数据，所述企业生产活动数据包括智能装备采集数据或制造加工过程采用的多类型传感器数据；及

第三数据获取子模块，所述第三数据获取子模块用于采集所述企业外部数据，所述企业外部数据包括市场需求数据、原材料价格数据和供应链数据中至少一种。

根据本公开的实施例，所述第一数据获取子模块和/或第二数据获取子模块为数据传输模块，所述数据传输模块采用Profinet/MOdbus/Ethercat、OPC UA、TCP/IP、MQTT、Zigbee及蓝牙协议中至少一种进行数据传输；所述第三数据获取子模块包括应用数据接口或爬虫系统。

根据本公开的实施例，所述数据应用模块包括：

企业信息化系统子模块，连接至数据存储与分析模块中的关系型数据库、非关系型数据库以及私有云或公有云数据服务器，所述企业信息化系统子模块根据企业不同业务的需求和应用需求，有针对性的进行数据提取与应用；及

应用分析子模块，连接至所述企业信息化系统子模块、数据存储与分析模块中的非关系型数据库以及私有云或公有云数据服务器，用于获取所述企业信息化系统子模块或数据存储与分析模块中的数据，通过工业机理分析及模型优化，达到企业生产工艺参数的最优化控制。

(三)有益效果

从上述技术方案可以看出，本公开智能工厂多源异构大数据的获取与管理系统至少具有以下有益效果其中之一：

(1)平衡了数据安全、数据洞察、成本控制之间的切实需求；本系统的构建具有可选择性、可随业务需求弹性变化，且大量应用开源部件，能够降低成本；

(2)数据获取、存储与应用实现了隔离与解耦，按需应用使用数据，为日后的体统迭代升级与开发，企业的知识沉淀、知识转化为企业生产经营驱动力，提供弹性、更优的方案；

(2)支撑了边缘计算、云原生、AI的融合、应用开发与部署之间高效防同；同时，将企业的多源异构数据全面地获取与存储，按照企业应用端需求的不同，差异化的进行数据供给。

附图说明

图1为本公开实施例智能工厂多源异构大数据的获取与管理系统的结构示意图。

图2为本公开实施例第一数据获取子模块的结构示意图。

图3为本公开实施例第二数据获取子模块的结构示意图。

图4为本公开实施例第三数据获取子模块的结构示意图。

具体实施方式

本公开提供了一种智能工厂多源异构大数据的获取与管理系统，通过分类梳理企业数据来源种类，有针对性地构建快捷的数据获取与分类存储架构体系，形成便捷的应用方案。针对传统流程型制造企业多层级信息化数据流动与应用中存在的不足，构建对接更多的数据源、承载更大的波动和数据量、流程，构建有效的数据存储与流通体系，打通数据孤岛，支撑不同层级APP开发与应用，构建数据的高效率获取、存储、应用体系。

本公开为企业的生产管理、运营维护、经营决策提供快捷、直接的工厂内外部运营数据，为企业数据的高价值挖掘与应用提供基础支撑。

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

本公开某些实施例于后方将参照所附附图做更全面性地描述，其中一些但并非全部的实施例将被示出。实际上，本公开的各种实施例可以由许多不同形式实现，而不应被解释为限于此处所阐述的实施例；相对地，提供这些实施例使得本公开满足适用的法律要求。

在本公开的一个示例性实施例中，提供了一种智能工厂多源异构大数据的获取与管理系统。

图1为本公开实施例智能工厂多源异构大数据的获取与管理系统的结构示意图。如图1所示，本公开智能工厂多源异构大数据的获取与管理系统包括数据获取模块、数据存储与分析模块以及数据应用模块。

其中，数据获取模块用于获取企业的多源异构数据，主要包括企业外部数据、企业内部生产运营数据及企业生产活动数据。

具体地，所述数据获取模块包括第一数据获取子模块、第二数据获取子模块及第三数据获取子模块。

图2为本公开实施例第一数据获取子模块的结构示意图。如图2所示，第一数据获取子模块用于采集企业外部数据。示例性的，所述企业外部数据可以包括PLC、工控设备数据、工艺参数、产线装备数据、可移动装备数据、人员操作数据、业务系统数据及商务数据等。所述第一数据获取子模块可以为数据传输模块，所述数据传输模块可以采用工业以太网、5G、物联网、WiFi、蓝牙无线网络搭建安全、可靠、高速的网络体系，并采用例如Profinet/MOdbus/Ethercat、OPC UA、TCP/IP、MQTT等协议进行数据传输，实现企业生产经营数据的采集与传输。

在一实施例中，所述第一数据获取子模块通过OPC UA获取现场不同厂家设备的数据，OPC UA数据交互标准为互操作性提供了进一步的支持，实现了在机器间交互和垂直业务过程中独立于供应商和平台的通信。流程行业车间硬件设备厂商较多，过去不同设备之间的通讯及互操作困难，常需要开发大量的驱动程序来连接这些设备，OPC UA独立于平台，通过部署客户端和服务端获取多厂家的设备数据。同时，OPC UA支持跨硬件、软件平台的安装部署。

图3为本公开实施例第二数据获取子模块的结构示意图。如图3所示，第二数据获取子模块用于采集企业生产活动数据。示例性的，所述企业生产活动数据可以包括智能装备采集数据或制造加工过程采用的多类型传感器(例如温度传感器、压力传感器或震动传感器)等。所述第一数据获取子模块也可以为数据传输模块，所述数据传输模块采用例如MQTT、Zigbee或蓝牙等无线通信协议，从而方便在生产场景下进行数据传输。

图4为本公开实施例第三数据获取子模块的结构示意图。如图4所示，第三数据获取子模块用于采集企业外部数据。示例性地，所述企业外部数据可以包括市场需求数据、原材料价格数据和供应链数据等。第三数据获取子模块可以为数据接口，用于对接外部第三方API接入企业外部市场数据，或者第三数据获取子模块可以为爬虫系统，通过爬取网页内容实现所需数据的抓取。

由于本公开实施例的数据获取模块不是先对数据进行组织和加工，而是直接获取和使用原始数据，从而减少了处理时间和降低数据损失。

由于流程型制造业的工业大数据存在如下特点：来源广、时序性、结构化与非结构化交叉融合、采集频率高、数据量巨大、具备典型特征。流程制造业大数据常面临数据格式不统一，难以融合的问题。不同的资源数据的数据类型和结构也有所不同，难以实现数据融合、有效存储、高效应用。在构建原始数据的高效率获取后，为了进一步构建灵活和可扩展的应用体系，通过数据存储与分析模块把多源异构的数据(PLC、RFID、工艺、仓储物流、文本、视频等)转换为平台可以处理的数据，该些数据可以在平台、分析、可视化和交互等多个层面实现，立刻提供反馈或服务。

数据存储与分析模块包括数据存储子模块与数据分析子模块。其中，数据存储子模块包括关系型数据库及非关系型数据库。示例性的，关系型数据库采用Mysql等，非关系型数据库包括MongoDB及Hbase等。数据分析子模块包括消息队列模块、实时计算模块及边缘计算模块。示例性地，所述消息队列模块采用Kafka，实时计算模块采用Flink，边缘计算模块采用KubeEdge。

以下结合附图对数据存储与分析模块进行详细说明。

数据获取模块输出的数据包括结构化数据及非结构化数据，一部分结构化数据可以直接传输至关系型数据库Mysql进行存储；另一部分结构化数据和非结构化数据可以通过消息队列Kafka进行分流。示例性的，运营业务数据、产销数据、生产工艺非时序数据、人员操作数据可存入关系型数据库；装备产生的时序数据、传感器数据、边缘侧IOT、移动装备数据需要送入消息队列。由于Kafka是一个分布式消息队列，在企业数据流通过程中能够起到解耦、削峰、异步处理的作用。Kafka具有高性能、持久化、多副本备份、横向扩展能力，通过Kafka可以实现企业大量的实时现场数据的分流，企业底层的生产运营数据和外部数据往队列里写消息，并将数据分发给关系型数据库Mysql及非关系型数据库MongoDB及实时计算模块Flink。具体地，与MES、ERP系统关联的数据可发往Mysql；IoT、设备数据、企业外部数据等可流入MongoDB，为数据分析与建模、AI应用等提供支撑；装备运营数据、生产工艺总体运行数据流入Flink，用于建模和性能优化。

非关系型数据库MongoDB用于分布式存储企业内部生产运营数据及企业生产活动数据，包括：传感器、PLC、工控设备、工艺参数、产线装备智能设备运营、以及设备汇报的日志信息，并对这些信息进行多维度的分析。同时，MongoDB还用于分布式存储企业外部数据，包括：市场需求数据、原材料价格数据、供应链数据。由于MongoDB具有高性能和高度伸缩性，支持多种功能和查询语言。MongoDB对IoT、边缘数据无缝对接，分析增加了新的维度，通过从数据中获取新的见解，有助于提高其数据分析的质量，深度和灵活性。

实时计算模块Flink用于对工艺生产中的连续性实时数据进行实时摄取、分析和处理。由于实时计算模块Flink在数据摄取方面非常准确，因而在保持状态的同时能轻松地从故障中恢复。实时计算模块Flink在对数据进行分析处理后可将处理后的数据存入非关系型数据库Hbase，以供应用程序调用。

针对车间生产设备繁杂、生产环境复杂，难以对全部的生产设备情况进行监控，不能适应现代制造高效、实时和快速响应的需求问题，数据分析子模块利用现场总线、工业以太网、无线传感器网络技术和物联网技术传输的数据，使企业的每一个设备的运行数据自动、实时、准确，传送到非关系型数据库MongoDB和实时计算模块Flink中，用于分析与洞察，优化设备运营与工艺参数。

边缘计算模块用于将云端训练的数据模型部署到边缘侧。边缘计算模块包括容器化应用、边缘侧平台、私有云或公有云数据服务器。其中容器化应用采用Kubernetes和docker，形成与云资源、云原生开发和应用方式的高效协同，将基于云原生的技术和产品融入到企业数据治理和应用中。Kubernetes向上通过私有云或公有云数据服务器承载App开发、AI架构部署，向下对接边缘侧平台的KubeEdge，加强云边协同。

边缘计算模块边缘侧平台为KubeEdge。通过KubeEdge，在Edge上运行业务逻辑，在生成数据的本地保护和处理大量数据。编写基于常规http或mqtt的应用程序，对其进行容器化，在Edge节点上编排应用，管理设备并监视应用和设备状态，将机器学习，图像识别，事件处理和其他高级应用程序部署和部署到Edge。

本公开的实施例中，数据存储与分析模块将数据存储、分析、展示与App开发与应用解耦，并通过结构化数据库、非结构化数据库将实时数据与历史数据分类存储，同时实现分布式与集中式存储相结合，加速企业AI的应用落地。根据企业不同业务的需求和应用需求，有针对性的进行数据提取与应用，从而方便了应用程序对数据的调用。

数据存储与分析模块通过从底层到应用层多层次的数据获取和存储，实现更加优化的数据展示，支撑更快速的数据理解、认知和决策。边缘侧、Kafka、MongoDB、Flink、Mysql、Hbase实现生产过程数据全覆盖和市场数据的及时跟踪，透明化掌控生产线的实时状态，实时跟进市场动态。有效地识别用户所需要的信息，快速、自动地从数据库中提取出相关信息，更加简洁、直接的呈现出来，提升洞察与决策的效率。

数据应用模块包括企业信息化系统子模块及应用分析子模块。企业信息化系统子模块根据企业不同业务的需求和应用需求，有针对性的进行数据提取与应用。示例性地，采用MES、ERP、CRM、PLM等生产管理系统对接生产线数据实时数据和市场需求，灵活调用实时数据和历史数据，并对其进行分析决策，对决策结果以指令形式下发、动态调整生产线，实现生产管理系统与生产线之间的深度集成。

应用分析子模块用于获取所述数据存储与分析模块中的数据，通过工业机理分析、模型优化，推进AI落地。通过基于Kubernetes上部署机器学习、强化学习计算框架，根据实时采集的数据调整设备控制参数，挖掘知识、工艺理论和经验，开展基于大数据和知识相融合的协同驱动建模。根据历史数据展开机器学习，优化专家系统数据模型，实现模型工艺参数的在线辨识和自适应调整，达到工艺参数的最优化控制，提升工厂工艺过程控制水平，使产品质量、性能得到有效控制，提高工厂柔性化生产水平。

本公开智能工厂多源异构大数据的获取与管理系统能够有效地推进IT(Information Technology)与OT(Operation Technology)的融合，提升企业价值。通过该系统能依据数据与计算量的变化，分阶段的增加或更替部分硬件设备，提高了硬件资源的使用率，降低资源浪费。本公开是面对数字化、信息化的技术、产品和系统更新快、迭代频繁的特点，提出的一种能够轻量级运维、易扩充、易伸缩、成本可控的数字化系统，以支撑数字化企业打造。

至此，已经结合附图对本公开实施例进行了详细描述。需要说明的是，在附图或说明书正文中，未绘示或描述的实现方式，均为所属技术领域中普通技术人员所知的形式，并未进行详细说明。此外，上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式，本领域普通技术人员可对其进行简单地更改或替换。

还需要说明的是，实施例中提到的方向用语，例如“上”、“下”、“前”、“后”、“左”、“右”等，仅是参考附图的方向，并非用来限制本公开的保护范围。贯穿附图，相同的元素由相同或相近的附图标记来表示。在可能导致对本公开的理解造成混淆时，将省略常规结构或构造。

并且图中各部件的形状和尺寸不反映真实大小和比例，而仅示意本公开实施例的内容。另外，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。

再者，单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。

说明书与权利要求中所使用的序数例如“第一”、“第二”、“第三”等的用词，以修饰相应的元件，其本身并不意味着该元件有任何的序数，也不代表某一元件与另一元件的顺序、或是制造方法上的顺序，该些序数的使用仅用来使具有某命名的一元件得以和另一具有相同命名的元件能做出清楚区分。

此外，除非特别描述或必须依序发生的步骤，上述步骤的顺序并无限制于以上所列，且可根据所需设计而变化或重新安排。并且上述实施例可基于设计及可靠度的考虑，彼此混合搭配使用或与其他实施例混合搭配使用，即不同实施例中的技术特征可以自由组合形成更多的实施例。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本公开也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本公开的内容，并且上面对特定语言所做的描述是为了披露本公开的最佳实施方式。

本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。本公开的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本公开实施例的相关设备中的一些或者全部部件的一些或者全部功能。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。并且，在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。

类似地，应当理解，为了精简本公开并帮助理解各个公开方面中的一个或多个，在上面对本公开的示例性实施例的描述中，本公开的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本公开要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，公开方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本公开的单独实施例。

以上所述的具体实施例，对本公开的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本公开的具体实施例而已，并不用于限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种智能工厂多源异构大数据的获取与管理系统，其中，包括：

数据获取模块，用于获取企业的多源异构数据，所述多源异构数据包括企业外部数据、企业内部生产运营数据及企业生产活动数据；

数据存储与分析模块，用于对所述多源异构的数据进行分析及处理，并进行存储，以便提供反馈或服务；以及

数据应用模块，用于根据企业不同业务的需求和应用需求获取所述数据存储与分析模块存储的数据，并将获取的所述数据用于支撑企业管理的应用程序。

2.根据权利要求1所述的智能工厂多源异构大数据的获取与管理系统，其中，所述数据存储与分析模块包括：

数据存储子模块，所述数据存储子模块包括关系型数据库及非关系型数据库；以及

数据分析子模块，所述数据分析子模块包括消息队列模块、实时计算模块及边缘计算模块。

3.根据权利要求2所述的智能工厂多源异构大数据的获取与管理系统，其中，所述数据存储子模块中，

所述关系型数据库连接至所述数据获取模块，用于存储所述数据获取模块输出的结构化数据；

所述非关系型数据库连接至所述消息队列模块或实时计算模块。

4.根据权利要求3所述的智能工厂多源异构大数据的获取与管理系统，其中，所述关系型数据库包括Mysql，所述非关系型数据库包括MongoDB及Hbase。

5.根据权利要求2所述的智能工厂多源异构大数据的获取与管理系统，其中，所述数据分析子模块中，

所述消息队列模块连接至所述数据获取模块，用于将所述数据获取模块输出的结构化数据或非结构化数据写入消息；

所述实时计算模块连接至所述消息队列模块，用于对所述消息队列中连续性的实时数据进行实时摄取、分析和处理；

所述边缘计算模块连接至所述非关系型数据库，用于将云端训练的数据模型部署到边缘侧。

6.根据权利要求5所述的智能工厂多源异构大数据的获取与管理系统，其中，所述消息队列模块采用Kafka，实时计算模块采用Flink。

7.根据权利要求5所述的智能工厂多源异构大数据的获取与管理系统，其中，边缘计算模块包括容器化应用、边缘侧平台、私有云或公有云数据服务器，其中，容器化应用采用Kubernetes，Kubernetes向上通过私有云或公有云数据服务器承载App开发及AI架构部署，向下对接边缘侧平台的KubeEdge，加强云边协同。

8.根据权利要求1所述的智能工厂多源异构大数据的获取与管理系统，其中，所述数据获取模块包括：

第一数据获取子模块，所述第一数据获取子模块用于采集所述企业外部数据，所述企业外部数据包括工控设备数据、工艺参数、产线装备数据、可移动装备数据、人员操作数据、业务系统数据及商务数据中的至少一种；

第二数据获取子模块，所述第二数据获取子模块用于采集所述企业生产活动数据，所述企业生产活动数据包括智能装备采集数据或制造加工过程采用的多类型传感器数据；及

第三数据获取子模块，所述第三数据获取子模块用于采集所述企业外部数据，所述企业外部数据包括市场需求数据、原材料价格数据和供应链数据中至少一种。

9.根据权利要求8所述的智能工厂多源异构大数据的获取与管理系统，其中，

所述第一数据获取子模块和/或第二数据获取子模块为数据传输模块，所述数据传输模块采用Profinet/MOdbus/Ethercat、OPC UA、TCP/IP、MQTT、Zigbee及蓝牙协议中至少一种进行数据传输；

所述第三数据获取子模块包括应用数据接口或爬虫系统。

10.根据权利要求1所述的智能工厂多源异构大数据的获取与管理系统，其中，所述数据应用模块包括：

企业信息化系统子模块，连接至数据存储与分析模块中的关系型数据库、非关系型数据库以及私有云或公有云数据服务器，所述企业信息化系统子模块根据企业不同业务的需求和应用需求，有针对性的进行数据提取与应用；及

应用分析子模块，连接至所述企业信息化系统子模块、数据存储与分析模块中的非关系型数据库以及私有云或公有云数据服务器，用于获取所述企业信息化系统子模块或数据存储与分析模块中的数据，通过工业机理分析及模型优化，达到企业生产工艺参数的最优化控制。

Images