CN112346727A - 一种生产系统中离散随机问题与连续问题统一建模的方法 - Google Patents

Abstract

本发明提出一种生产系统中离散随机问题与连续问题统一建模的方法，所述建模方法通过数据梳理，把离散随机问题整理为建模数据；所述建模数据具备时间维度上的连续确定性；所述连续问题为生产系统在时间维度上具备连续确定性的连续确定问题；所述离散随机问题通过建模数据在时间维度上的连续确定性来与连续问题进行统一建模；本发明能够对离散随机和连续确定两类问题进行统一描述和模型处理，能够有效解决工业生产系统中IT和OT系统之间数据共享实时性弱，以及互操作能力不足等技术问题。

Description

一种生产系统中离散随机问题与连续问题统一建模的方法

技术领域

本发明涉及数据建模技术领域，尤其是一种生产系统中离散随机问题与连续问题统一建模的方法。

背景技术

IT与OT两类系统的融合问题是当前工业互联网发展面临的重大挑战。前者代表着与生产设备的数据连接，后者代表生产人员的活动信息。

工业互联网对IT与OT的融合有着强烈的互操作需求。然而，当前两者融合程度较低，许多场合下两类业务系统的交互操作需要依靠人工来完成，主要难点是：（a）IT系统数据的产生和衍化与人类活动习性关联程度高，具有显著的离散和随机特性。例如生产系统订单的管理，每个订单的产生有很大的随机因素，通常情况下很难预测下一个订单的获得时间、目标产出量、开始加工和完成加工的时间点，而且连续两个订单产生的时间间隔内订单系统的状态并不会发生改变。这类问题通常在时间轴上呈现出的是离散的分布状态而非连续状态，且常采用Oracle、Sybase、MySQL、Access、Excel等传统的关系型数据库来管理，很难对数据做出实时响应；（b）OT系统数据主要由工业设备产生，与设备运行机理有关，常表现为连续且确定的时间序列数据。例如，工业现场常见的工业传感器，就是以预先设定的数据传输周期为单位连续发出数据。这类数据的采样频率一般在毫秒级，常使用工业实时数据库或时序数据库进行管理。因此，上述两类数据在数据特性和存储结构上都存在较大的差异。这种差异严重阻碍了IT与OT系统之间的互操作。

目前，解决这项问题常用的技术方法有3种。第一种是通过互操作接口技术调用IT或OT系统的内部函数。它的基本原理是通过特定的数据接口规范（如OPC-UA、API应用程序接口、HTTP等），调用IT或OT系统内部函数进行数据交换，进而实现两类系统数据的互联互通。应用这些接口时只需要将IT或OT应用的其中一方作为数据源，另一方作为数据目的地，按照标准协议格式在两者之间进行数据传输即可。第二种是利用中间数据交换平台或文件进行数据交换。即利用中间数据交换平台或文件定义和管理IT应用和OT应用之间数据结构映射关系，并据此完成有关的数据交换任务。第三种是直接访问数据库。应用这种方法的前提是IT系统或OT系统已知对方的数据结构定义。

以上方法在一定程度上能够解决工业互联网IT系统和OT系统的融合问题。但是，由于需要依赖额外的数据查询、转换操作或依赖第三方平台，企业生产管理等IT系统获得的数据实时性并没有得到最大程度地保证。而生产控制等OT系统大都依靠预设值操作指令的方式实现，在设备处于实时运行状态时也很难将生产管理系统的生产计划、物料和人员安排等信息，实时地转换为影响生产状态的操控指令。因此，很难在最大程度上保证IT和OT系统的实时共享与互操作的能力。

发明内容

本发明提出一种生产系统中离散随机问题与连续问题统一建模的方法，能够对离散随机和连续确定两类问题进行统一描述和模型处理，能够有效解决工业生产系统中IT和OT系统之间数据共享实时性弱，以及互操作能力不足等技术问题。

本发明采用以下技术方案。

一种生产系统中离散随机问题与连续问题统一建模的方法，所述建模方法通过数据梳理，把离散随机问题整理为建模数据；所述建模数据具备时间维度上的连续确定性；所述连续问题为生产系统在时间维度上具备连续确定性的连续确定问题；所述离散随机问题通过建模数据在时间维度上的连续确定性来与连续问题进行统一建模。

所述数据梳理包括以下步骤；

步骤A1、收集生产系统的生产管理系统离散随机问题所包含的离散随机事件，并对其归类；

步骤A2、遍历各类离散随机事件的所有属性及所有状态，对各类离散事件的所有属性和所有状态进行数值化编码；

步骤A3、按预设的时间周期，针对需建模的离散随机事件，循环扫描其属性和所有状态，并把扫描所得数据与扫描时间组合，以持续产生在时间维度上具备连续确定性的信号数据，所述信号数据即该离散随机事件的建模数据。

所述统一建模采用图形建模开发环境进行，所述图形建模开发环境包括图形建模元件、连接器元件，还包括与图形建模元件、连接器元件相应的编辑模块、编译模块和链接模块。

所述生产管理系统为工业生产系统，所述图形建模开发环境使用图形建模元件和连接器元件的连接关系来描述工业生产系统中离散随机问题和连续确定问题的语义。

所述图形建模开发环境以可使用工业生产系统的计算器件上的计算引擎进行承载运行；所述计算器件包括计算机、服务器、IPC和PLC控制器；所述计算引擎支持离散随机和连续确定两类业务问题数据模型的计算处理。

所述统一建模方法的实施步骤如下：

步骤B1、获取生产系统中生产管理系统所包含的离散随机事件；同时一并获取各个离散随机事件之间的关联关系；

步骤B2、选择指定的图形建模元件和连接器元件，对各个离散随机事件的实时状态进行建模，生成图形组态数据模型；所述图形组态数据模型是由大量小颗粒度的图形建模元件组态而成；所述图形建模元件包括布尔逻辑元件、函数发生器元件和时间步进元件；

步骤B3、从生产系统的生产控制系统的连续数据采集与设备控制的功能中归纳连续问题；；

步骤B4、选择指定的图形建模元件和连接器元件，对连续问题的实时状态进行建模，生成图形组态数据模型；所述图形建模元件和连接器元件的数据结构定义，与步骤B2中的元件数据结构定义相同，其数据结构定义包含输入输出数据、约束条件的定义、约束参数的定义和数据操作算法的描述；

步骤B5、通过工程数据点关联通道接口，将生产管理系统与控制系统数据模型中对应的数据点进行链接，生成离散随机问题和连续确定问题的融合模型；

步骤B6、将生成的融合模型下载到计算引擎处理；所述计算引擎将按照预先设定时间周期的计算时序，对融合模型中每一个元件算法进行循环计算，并在时间维度上生成连续的信号数据。

所述计算引擎包括分布式设置的子计算引擎；当离散随机事件数量超出阈值时，将生产系统中的离散随机事件集合分解为独立的子事件进行处理，其处理方法是让不同的子事件之间按照预设的逻辑建立时间上的依存关系，并将所有子事件分发到各个子计算引擎中处理。其实施步骤如下：

步骤C1、针对离散随机事件集合中的每一个子事件，设定计算优先级，并标记唯一的流水序列码，其中每个子事件的计算优先等级既可人为设定，也可按照预设算法自动设定；

步骤C2、由调度引擎读取离散随机事件集合内所有子事件的数据模型，并按照一定的规则，将数据模型分发到各个子计算引擎中；

步骤C3、每个子计算引擎在预设的时间周期内，扫描指定子事件的数据模型，并通过基于内存的循环计算，产生一组连续的时间信号数据；不同子事件的数据模型将按照计算优先级，依次完成运算；

步骤C4、每个子事件处理的数据模型在处理完成之后将存入数据库中，等待下一个周期被触发后，再导入到指定子计算引擎的计算单元中处理。

所述生产系统中，离散随机问题来源于IT系统，连续问题来源于OT系统。

所述建模方法通过把IT系统、OT系统的异构数据映射和转换到统一的数据框架中，来消除IT系统信息事件的数据和OT系统实时控制的数据在数据结构逻辑上的差异，进而实现IT系统数据模型和OT系统数据模型的一致性。

本发明具有如下优点：

1、本发明方法采用图形组态建模方法，用统一的方式表达工业生产系统中离散和连续两类数据问题，将异构数据映射和转换到统一的数据框架中，实现IT和OT数据模型的一致性。采用统一数据模型之后，IT信息事件和OT实时控制的数据在数据结构逻辑上将不存在本质上的差异。它们的数据模型都以组态元件的形态呈现，都可以载入到计算环境中执行。这种模式下，工业用户在使用IT和OT数据时，不必关心两者在数据模式、数据操作转换和数据存储结构等方面的差异。同时也可以在相同的软件环境下对IT和OT数据进行融合、更新和重构等操作处理，最大程度提高了IT和OT融合互操作的深度。

2、本发明提出的将离散随机问题变换为连续确定问题的方法，在为IT和OT数据的融合提供基础的同时，也能够有效避免数据的失真。另外，本发明还提出了一种针对离散随机事件的分布式处理方法。采用这种方法，可以充分利用计算机的分布计算能力，将IT系统的离散随机问题转换为连续确定的问题进行高效的处理。

附图说明

下面结合附图和具体实施方式对本发明进一步详细的说明：

附图1是本发明对离散随机事件进行数据梳理的原理示意图；

附图2是实施例针对某一订单的随机问题事件生成连续信号数据的示意图；

附图3是离散随机问题与连续确定问题的统一建模原理示意图；

附图4是对离散随机事件进行分布计算的原理示意图；

附图5离散随机事件的分布计算示例说明示意图。

具体实施方式

如图所示，一种生产系统中离散随机问题与连续问题统一建模的方法，所述建模方法通过数据梳理，把离散随机问题整理为建模数据；所述建模数据具备时间维度上的连续确定性；所述连续问题为生产系统在时间维度上具备连续确定性的连续确定问题；所述离散随机问题通过建模数据在时间维度上的连续确定性来与连续问题进行统一建模。

所述数据梳理包括以下步骤；

步骤A1、收集生产系统的生产管理系统离散随机问题所包含的离散随机事件，并对其归类；

步骤A2、遍历各类离散随机事件的所有属性及所有状态，对各类离散事件的所有属性和所有状态进行数值化编码；

步骤A3、按预设的时间周期，针对需建模的离散随机事件，循环扫描其属性和所有状态，并把扫描所得数据与扫描时间组合，以持续产生在时间维度上具备连续确定性的信号数据，所述信号数据即该离散随机事件的建模数据。

所述统一建模采用图形建模开发环境进行，所述图形建模开发环境包括图形建模元件、连接器元件，还包括与图形建模元件、连接器元件相应的编辑模块、编译模块和链接模块。

所述生产管理系统为工业生产系统，所述图形建模开发环境使用图形建模元件和连接器元件的连接关系来描述工业生产系统中离散随机问题和连续确定问题的语义。

所述图形建模开发环境以可使用工业生产系统的计算器件上的计算引擎进行承载运行；所述计算器件包括计算机、服务器、IPC和PLC控制器；所述计算引擎支持离散随机和连续确定两类业务问题数据模型的计算处理。

所述统一建模方法的实施步骤如下：

步骤B1、获取生产系统中生产管理系统所包含的离散随机事件；同时一并获取各个离散随机事件之间的关联关系；

步骤B2、选择指定的图形建模元件和连接器元件，对各个离散随机事件的实时状态进行建模，生成图形组态数据模型；所述图形组态数据模型是由大量小颗粒度的图形建模元件组态而成；所述图形建模元件包括布尔逻辑元件、函数发生器元件和时间步进元件；

步骤B3、从生产系统的生产控制系统的连续数据采集与设备控制的功能中归纳连续问题；；

步骤B4、选择指定的图形建模元件和连接器元件，对连续问题的实时状态进行建模，生成图形组态数据模型；所述图形建模元件和连接器元件的数据结构定义，与步骤B2中的元件数据结构定义相同，其数据结构定义包含输入输出数据、约束条件的定义、约束参数的定义和数据操作算法的描述；

步骤B5、通过工程数据点关联通道接口，将生产管理系统与控制系统数据模型中对应的数据点进行链接，生成离散随机问题和连续确定问题的融合模型；

步骤B6、将生成的融合模型下载到计算引擎处理；所述计算引擎将按照预先设定时间周期的计算时序，对融合模型中每一个元件算法进行循环计算，并在时间维度上生成连续的信号数据。

所述计算引擎包括分布式设置的子计算引擎；当离散随机事件数量超出阈值时，将生产系统中的离散随机事件集合分解为独立的子事件进行处理，其处理方法是让不同的子事件之间按照预设的逻辑建立时间上的依存关系，并将所有子事件分发到各个子计算引擎中处理。其实施步骤如下：

步骤C1、针对离散随机事件集合中的每一个子事件，设定计算优先级，并标记唯一的流水序列码，其中每个子事件的计算优先等级既可人为设定，也可按照预设算法自动设定；

步骤C2、由调度引擎读取离散随机事件集合内所有子事件的数据模型，并按照一定的规则，将数据模型分发到各个子计算引擎中；

步骤C3、每个子计算引擎在预设的时间周期内，扫描指定子事件的数据模型，并通过基于内存的循环计算，产生一组连续的时间信号数据；不同子事件的数据模型将按照计算优先级，依次完成运算；

步骤C4、每个子事件处理的数据模型在处理完成之后将存入数据库中，等待下一个周期被触发后，再导入到指定子计算引擎的计算单元中处理。

所述生产系统中，离散随机问题来源于IT系统，连续问题来源于OT系统。

所述建模方法通过把IT系统、OT系统的异构数据映射和转换到统一的数据框架中，来消除IT系统信息事件的数据和OT系统实时控制的数据在数据结构逻辑上的差异，进而实现IT系统数据模型和OT系统数据模型的一致性。

实施例1：

本例如图2所示，某工厂生产管理系统包含五类事件，包括物料管理、订单管理、排产调度、质量管理和生产报表。其中生产订单就是一种典型的离散随机数据。该工厂的订单管理模型包含6种属性，包括订单编号、生产时间、产品规格、订货数量、当前状态、客户编号，可对每种属性进行数字编码处理。例如，可将订单事件的数据模型表征为 [1008302，202007131118，1，200，3，15310],，其中：

（a）1008302代表订单编号；

（b）202007131118代表订单生成事件；

（c）1代表订单对应的产品规格；

（d）200代表订货总数量；

（e）3代表订单的当前状态；

（f）15310代表该订单的客户编号。

假设某企业每年的订单数上限为n，那么Xj（t）（称为订单事件状态），其中j=1,2,3，……，n，t=T1,T2,T3,……，T，即可用来表示t时刻所有可能存在的订单数据状态。其中，订单事件状态的输出可进一步定义为：

（a）0表示尚未激活的订单；

（b）1表示正在执行的订单；

（c）2表示生产过程出现了问题的订单；

（d）3表示中途撤单；

（e）5表示顺利完成的订单；

（f）9表示经过特殊的处理才完成的订单。

如图2所示，若某订单在T1到T2时间段内均处于“正在执行”的状态，可将该时间区域内订单状态的实时值均设置为1。那么在以m为扫描周期的实时计算环境中，将持续产生T1-T2/m个信号为1的订单状态数据。经过这样的处理，离散的订单数据就能够同连续生产数据一样，被当作可输出连续信号的数据类型进行处理。

实施例2：

本例如图5所示，以某工厂生产调度的管理任务为例，其离散事件处理的工艺流程如下：

（1）当某个订单生产计划下达后，即产生生产计划事件p1；

（2）根据计划事件p1，产生相应的物料事件p2；

（3）根据物料清单和工艺流程，判断A类生产设备的工作状态，选择指定的空闲设备发送工单，产生工单执行事件p3；

（4）以此类推，判断其他类型生产设备的工作状态，选择指定的空闲设备发送工单，产生工单执行事件p4、p5、…、pn-1；

（5）最后，所有工单执行完毕，产生订单结束事件pn。

如图5所示，以上生产事件{p1，p2，p3，…，pn}构成了一个生产调度过程的集合，不同事件之间可依靠时间标签相互关联。而每一个事件被触发后，均可通过调度模块，按照一定的规则和计算优先级，将其编码后的数据模型，提交到独立的分布式的计算引擎中周期性执行。每个事件在某个时刻处理完成之后将存入数据库中，等待下一次再次调用。

Claims (9)

1.一种生产系统中离散随机问题与连续问题统一建模的方法，其特征在于：所述建模方法通过数据梳理，把离散随机问题整理为建模数据；所述建模数据具备时间维度上的连续确定性；所述连续问题为生产系统在时间维度上具备连续确定性的连续确定问题；所述离散随机问题通过建模数据在时间维度上的连续确定性来与连续问题进行统一建模。

2.根据权利要求1所述的一种生产系统中离散随机问题与连续问题统一建模的方法，其特征在于：所述数据梳理包括以下步骤；

步骤A1、收集生产系统的生产管理系统离散随机问题所包含的离散随机事件，并对其归类；

步骤A2、遍历各类离散随机事件的所有属性及所有状态，对各类离散事件的所有属性和所有状态进行数值化编码；

步骤A3、按预设的时间周期，针对需建模的离散随机事件，循环扫描其属性和所有状态，并把扫描所得数据与扫描时间组合，以持续产生在时间维度上具备连续确定性的信号数据，所述信号数据即该离散随机事件的建模数据。

3.根据权利要求2所述的一种生产系统中离散随机问题与连续问题统一建模的方法，其特征在于：所述统一建模采用图形建模开发环境进行，所述图形建模开发环境包括图形建模元件、连接器元件，还包括与图形建模元件、连接器元件相应的编辑模块、编译模块和链接模块。

4.根据权利要求3所述的一种生产系统中离散随机问题与连续问题统一建模的方法，其特征在于：所述生产管理系统为工业生产系统，所述图形建模开发环境使用图形建模元件和连接器元件的连接关系来描述工业生产系统中离散随机问题和连续确定问题的语义。

5.根据权利要求3所述的一种生产系统中离散随机问题与连续问题统一建模的方法，其特征在于：所述图形建模开发环境以可使用工业生产系统的计算器件上的计算引擎进行承载运行；所述计算器件包括计算机、服务器、IPC和PLC控制器；所述计算引擎支持离散随机和连续确定两类业务问题数据模型的计算处理。

6.根据权利要求5所述的一种生产系统中离散随机问题与连续问题统一建模的方法，其特征在于：所述统一建模方法的实施步骤如下：

步骤B1、获取生产系统中生产管理系统所包含的离散随机事件；同时一并获取各个离散随机事件之间的关联关系；

步骤B2、选择指定的图形建模元件和连接器元件，对各个离散随机事件的实时状态进行建模，生成图形组态数据模型；所述图形组态数据模型是由大量小颗粒度的图形建模元件组态而成；所述图形建模元件包括布尔逻辑元件、函数发生器元件和时间步进元件；

步骤B3、从生产系统的生产控制系统的连续数据采集与设备控制的功能中归纳连续问题；；

步骤B4、选择指定的图形建模元件和连接器元件，对连续问题的实时状态进行建模，生成图形组态数据模型；所述图形建模元件和连接器元件的数据结构定义，与步骤B2中的元件数据结构定义相同，其数据结构定义包含输入输出数据、约束条件的定义、约束参数的定义和数据操作算法的描述；

步骤B5、通过工程数据点关联通道接口，将生产管理系统与控制系统数据模型中对应的数据点进行链接，生成离散随机问题和连续确定问题的融合模型；

步骤B6、将生成的融合模型下载到计算引擎处理；所述计算引擎将按照预先设定时间周期的计算时序，对融合模型中每一个元件算法进行循环计算，并在时间维度上生成连续的信号数据。

7.根据权利要求6所述的一种生产系统中离散随机问题与连续问题统一建模的方法，其特征在于：所述计算引擎包括分布式设置的子计算引擎；当离散随机事件数量超出阈值时，将生产系统中的离散随机事件集合分解为独立的子事件进行处理，其处理方法是让不同的子事件之间按照预设的逻辑建立时间上的依存关系，并将所有子事件分发到各个子计算引擎中处理；

其实施步骤如下：

步骤C1、针对离散随机事件集合中的每一个子事件，设定计算优先级，并标记唯一的流水序列码，其中每个子事件的计算优先等级既可人为设定，也可按照预设算法自动设定；

步骤C2、由调度引擎读取离散随机事件集合内所有子事件的数据模型，并按照一定的规则，将数据模型分发到各个子计算引擎中；

步骤C3、每个子计算引擎在预设的时间周期内，扫描指定子事件的数据模型，并通过基于内存的循环计算，产生一组连续的时间信号数据；不同子事件的数据模型将按照计算优先级，依次完成运算；

步骤C4、每个子事件处理的数据模型在处理完成之后将存入数据库中，等待下一个周期被触发后，再导入到指定子计算引擎的计算单元中处理。

8.根据权利要求6所述的一种生产系统中离散随机问题与连续问题统一建模的方法，其特征在于：所述生产系统中，离散随机问题来源于IT系统，连续问题来源于OT系统。

9.根据权利要求8所述的一种生产系统中离散随机问题与连续问题统一建模的方法，其特征在于：所述建模方法通过把IT系统、OT系统的异构数据映射和转换到统一的数据框架中，来消除IT系统信息事件的数据和OT系统实时控制的数据在数据结构逻辑上的差异，进而实现IT系统数据模型和OT系统数据模型的一致性。

Images