CN112651520B - 基于数据和知识驱动的工业物联网设备协同管控系统 - Google Patents
基于数据和知识驱动的工业物联网设备协同管控系统 Download PDFInfo
- Publication number
- CN112651520B CN112651520B CN202110025599.4A CN202110025599A CN112651520B CN 112651520 B CN112651520 B CN 112651520B CN 202110025599 A CN202110025599 A CN 202110025599A CN 112651520 B CN112651520 B CN 112651520B
- Authority
- CN
- China
- Prior art keywords
- model
- data
- management
- information
- equipment
- 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.)
- Active
Links
- 238000007418 data mining Methods 0.000 claims abstract description 116
- 238000011156 evaluation Methods 0.000 claims abstract description 59
- 238000011217 control strategy Methods 0.000 claims abstract description 42
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000007726 management method Methods 0.000 claims description 146
- 238000010276 construction Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000005065 mining Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 8
- 238000013500 data storage Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 238000011157 data evaluation Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000009826 distribution Methods 0.000 abstract description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000010354 integration Effects 0.000 abstract 1
- 238000009776 industrial production Methods 0.000 description 18
- 238000004519 manufacturing process Methods 0.000 description 11
- 238000011161 development Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于物联网、人工智能领域，具体涉及了一种基于数据和知识驱动的工业物联网设备协同管控系统，旨在解决现有系统物联网设备数量众多且物理分布广泛、数据复杂多样，导致难以实现物联网设备的有效协同管理，并且管理效率低、安全性低的问题。本发明包括：数据仓库模块进行数据筛选整合；模型管理模块选择相应的数据挖掘模型；数据挖掘模块进行数据挖掘；知识管理模块管理数据；在线评价与决策模块对挖掘后的数据进行在线评价，并生成各设备、系统的智能管控策略；协同调度台进行各设备、系统的协同调度和信息显示管理。本发明通过数据挖掘技术对系统及各设备的信息进行有效分析，给出在线控制决策，实现系统高效、智能化的运行，安全性高。
Description
技术领域
本发明属于物联网、人工智能领域，具体涉及了一种基于数据和知识驱动的工业物联网设备协同管控系统。
背景技术
随着信息科学技术的飞速发展，工业生产作业系统的规模和复杂程度日益提高，现在的生产管理任务已经不再是由同一生产区域、同一功能子系统中的一个或者几个设备协同就能完成的，而是由位于不同生产区域的众多独立设备共同完成。此外，由于设备分布广泛、数量众多、工作环境多样，单纯依靠人工对设备进行管控，不仅成本较高，而且可靠性、安全性、时效性以及设备之间协同程度都较低。虽然，现有的在线监测系统在保证工业安全生产方面发挥了重大作用，但也存在着监测方法简单、对象单一、数据利用率低等问题，难以真正意义上的满足工业生产作业的安全、高效和智能的需求。主要是因为现有在线监测系统主要利用专业人员对数据进行分析、数据建模、决策和控制，这种方法只适合简单的工业生产系统。然而，现有工业生产作业系统趋向于规模化、复杂化、智能化方向发展，生产作业任务需要跨区域、跨系统、众多设备协同完成，传统的工业生产设备管控方法已经满足不了现代化工业生产作业系统的发展需求。
为了节约人力成本，提高企业的信息化程度，企业一方面在在工业生产作业系统中大规模采用物联网设备，另一方面对非物联网设备采用物联网监测设备，实现非物联网设备物联网化。因此，企业积累了大量的物联网数据，其涵盖了设备、系统、环境、业务、管理等多个方面[1]，然而，其数据分析是需要人为进行后将相应分析结果传到专家决策平台，进行讨论和共享，最终形成一个方案，无法进行自主智能决策，数据没有得到充分利用，不适用大规模工业生产系统，并且其数据挖掘时采用的模型和数据不同，无法解决不同业务的模型选择及数据选择问题随着工业生产作业系统的越来越庞大，物联网设备越来越多，也越来越难以进行有效的协同管控，严重限制了企业的发展。为此，学术界和企业界将目光转向数据挖掘技术，一些文献提出基于数据驱动的动态柔性作业车间调度控制方法[2]，然而仅以系统调度时间最小为目标进行优化调度系统，评价依据过于单一，因为系统的调度不单单涉及调度时间，而且涉及产能、耗能、环境污染等多个层面，是一个综合评价的过程，并且通过数据模型对新增加的机器进行调整调度方案，不适合大规模工业生产系统。
数据挖掘技术是一种数据处理的技术，利用该技术可以从工业物联网数据挖掘出潜在的有用信息和知识，如设备与设备、设备与系统、系统与系统、设备运行状态之间的关联关系模型，为工业生产作业过程中的风险预警、智能分析、群体决策提供支持。面向企业信息化、智能化的应用需求，如何利用物联网数据和知识，辅助或者替代人工对工业生产作业系统中的物联网设备进行有效的协同管控，已经成为当前工业物联网研究和应用领域亟待解决的重要问题。
以下文献是与本发明相关的技术背景资料：
[1]邱儒义，一种井场数据一体化协同工作平台，20170308，CN106897839B.
[2]张国辉、葛晓梅、王佳佳、党世杰、吴立辉、宋晓辉，一种基于数据驱动的动态柔性作业车间调度控制方法，20160715，CN106094757A.
发明内容
为了解决现有技术中的上述问题，即现有系统物联网设备数量众多且物理分布广泛、数据复杂多样，导致难以实现物联网设备的有效协同管理，并且管理效率低、安全性低的问题，本发明提供了一种基于数据和知识驱动的工业物联网设备协同管控系统，该系统包括以下模块：
数据仓库模块，用于进行系统中物联网设备以及物联网监测设备的多源异构数据的筛选和整合，获得用于数据挖掘和在线评价与智能决策的结构化数据；
模型管理模块，用于根据协同调度台模块发送的描述数据挖掘模型及其参数设置的规范格式模型字段选择对应的数据挖掘模型并进行参数设置；
数据挖掘模块，用于通过所述模型管理模块选择的数据挖掘模型进行所述数据仓库发送的历史结构化数据的数据挖掘，获得用于系统各设备的运行状态在线自主评价和设备管控策略智能分析的协同管控模型；
知识管理模块，用于管理所述数据仓库的结构化数据、模型管理模块的模型描述和模型构建知识以及数据挖掘模块的历史案例信息；
在线评价与决策模块，用于根据所述数据挖掘获得的设备协同管控模型以及数据仓选择的实时结构化数据对系统中的各设备运行状态信息进行在线评价，并生成各设备、系统的智能管控策略；
协同调度台模块，用于将系统的协同管控策略解析为执行器可以识别和执行的规范格式设备字段、服务字段、协同字段，并生成执行器执行指令，显示各设备信息及其运行状态的在线评价结果、管控信息、模型信息以及生成描述数据挖掘模型及其参数设置的模型字段。
在一些优选的实施例中，所述系统还包括管控策略冲突择优模块；
所述管控策略冲突择优模块，用于在系统同时接收到人工管控策略和智能管控策略的指令时，择优选择执行人工管控策略的指令。
在一些优选的实施例中，所述用于数据挖掘的历史结构化数据，其获取方法为：
步骤A10，按照业务主题进行系统的协同调度任务的分类，并进行不同业务主题的多源异构数据的数据抽取、冗余/错误/歧义数据删减/填充/修改，获得不同主题的清洗数据；
步骤A20，基于不同主题数据的特征选择对应的数据存储模型进行所述不同主题的清洗数据的结构化存储，并将对应的数据来源、主题、数据清洗规则、存储位置及数据存储模型信息存储为源数据，获得用于数据挖掘的历史结构化数据。
在一些优选的实施例中，所述模型管理模块包括模型查询字典、模型库、模型存取单元和模型输出管理单元；
所述模型查询字典，用于根据系统的协同调度台模块发送的模型字段，在模型字典中查找对应字段的模型在所述模型库中的位置；
所述模型字段，用于描述数据挖掘模型及其参数设置；
所述模型库，用于存储系统的各数据挖掘模型；
所述模型存取单元，用于根据查找的模型在所述模型库中的位置提取对应的数据挖掘模型并进行参数设置；
所述模型输出管理单元，用于输出数据挖掘使用的模型，并将模型的模型描述和模型构建知识存储到知识管理模块。
在一些优选的实施例中，所述模型管理模块还包括模型进化单元；
所述模型进化单元，用于所述模型查询字典在模型字典中查找不到相应模型时，生成模型字段确认消息发送至协同调度台并执行：
若模型字段有误，则修正模型字段信息，并重新在模型字典中查找对应字段的模型在所述模型库中的位置；
若模型字段为新型模型的模型字段，则基于知识管理模块中的模型、建模方法以及专家知识构建新型的数据挖掘模型和/或利用数据挖掘得到的知识对模型库中的现有数据挖掘模型进行丰富和优化，获得新型的数据挖掘模型。
在一些优选的实施例中，所述数据挖掘模块包括数据选择单元、数据集构建单元、数据挖掘单元、案例管理单元；
所述数据选择单元，用于根据输入的模型信息从数据仓库中选择相应的历史结构化数据；
所述数据集构建单元，用于根据模型管理模块输出的数据挖掘模型，从数据仓中选择对应数据挖掘模型的历史结构化数据，并进行数据评估、信息提取和信息标注，构建数据挖掘所需的数据集；
所述数据挖掘单元，用于在所述数据集中获取协同管控模型；所述协同管控模型包括设备与设备、设备与系统、系统与系统以及各设备运行状态信息之间的关联关系模型；
所述案例管理单元，用于将数据挖掘时所使用的模型信息、数据信息以及挖掘得到的待决策数据进行记录、存储管理，作为深度挖掘具体案例，用于相同的深度挖掘任务。
在一些优选的实施例中，所述在线评价与决策模块包括在线评价单元、关系模型管理单元和在线智能决策单元；
所述在线评价单元，将数据仓中选择的系统各设备实时运行状态信息，结合评价指标体系，对设备指标、系统指标、环境指标进行评价，获得智能分析结果和风险预警，并输出到协同调度台进行展示；
所述关系模型管理单元，将数据挖掘得到的设备与设备、设备与系统、系统与系统、设备运行状态信息之间的关联协同关系模型中相同关系模型进行合并、相似关系模型进行融合、不同关系模型进行分类存储，并更新现有关系模型库；
所述在线智能决策单元，结合数据挖掘得到的设备与设备、设备与系统、系统与系统以及设备运行状态信息之间的关联协同关系模型，给出综合评价，并将评价结果输入到决策模型中，获得设备、系统的智能管控策略。
在一些优选的实施例中，所述决策模型包括专家模型、专业知识模型、历史经验模型以及分析推理模型。
在一些优选的实施例中，所述协同调度台模块包括模型字段构建单元、协同管控策略管理单元、执行器指令生成单元和信息显示单元；
所述模型字段构建单元，用于根据数据挖掘目标选择合适的模型指令，生成模型描述和参数描述的文件，并按照规范的格式整合成描述数据挖掘模型及其参数设置的模型字段；
所述协同管控策略管理单元，用于管理所述智能管控策略以及人工管控策略，基于管控策略冲突智能管控策略优先准则，确定协同管控策略，进行各设备、系统的智能协同管控；
所述执行器指令生成单元，用于将系统的协同管控策略转化为规范格式的设备字段、服务字段以及协同字段，字段经过解析和条件检查，转化为执行器可以执行的指令；
所述信息显示单元，用于显示各设备信息及运行状态的在线评价结果信息、模型信息、管控信息；
所述设备字段，为用于描述设备基本信息、功能和控制使用的规范格式字段；
所述服务字段，为用于描述应用服务基本信息、功能信息和操作的规范格式字段；
所述协同字段，为用于描述设备、服务、系统之间协同工作方式的规范格式字段。
在一些优选的实施例中，所述系统还包括信息管理模块；
所述信息管理模块，用于系统各模块信息的信息云存储、远程查看以及自定义格式的数据下载。
本发明的有益效果：
(1)本发明基于数据和知识驱动的工业物联网设备协同管控系统，通过数据仓获取系统各设备实时运行状态信息，并通过显性化的知识描述，利用评价指标体系，对设备指标、系统指标、环境指标等进行评价，并结合数据挖掘得到的设备与设备、设备与系统、系统与系统以及设备的运行状态之间的关联协同关系模型，给出综合评价，并将评价结果输入到决策模型中，给出设备、系统的具体管控决策信息，实现系统设备的协同管控，提高系统的智能化程度和运行效率。
(2)本发明基于数据和知识驱动的工业物联网设备协同管控系统，根据系统管控的需求，利用模型字段构建单元生成描述数据挖掘模型及其参数设置的规范化模型字段，输入到模型管理模块中的字段解析单元，解析为模型字典的查询字段和模型参数，基于模型字典字段，从模型库中调用相应模型，并给模型设置为解析的模型参数，进而生成设置相应参数的模型并传递给数据挖掘模块。对于解析的模型字典字段不存的现象，一方面和协同调度台模块确认下达的模型字段是否正确，且符合规范；另一方面，对于新型模型的模型字段在模型库中不存在的问题，结合知识管理和模型字段构建新型模型。
(3)本发明基于数据和知识驱动的工业物联网设备协同管控系统，利用数据挖掘模块中的模型解析单元，得到数据挖掘所需的历史数据信息、数据挖掘模型及其参数设置等模型信息，并通过数据挖掘得出数据中隐藏的设备与设备、设备与系统、系统与系统、设备运行状态之间的关联协同关系模型，并以案例的形式存储在知识管理中的知识库中，并对知识库现有知识进行丰富和优化，实现知识进化。
(4)本发明基于数据和知识驱动的工业物联网设备协同管控系统，根据数据仓中系统各设备运行状态信息，结合评价指标体系，对设备指标、系统指标、环境指标等进行具体评价，同时，结合数据挖掘得到的设备与设备、设备与系统、系统与系统、设备运行状态之间的关联协同关系模型，给出综合评价，并将评价结果输入到决策模型中，给出设备、系统的具体管控策略。
(5)本发明基于数据和知识驱动的工业物联网设备协同管控系统，通过数据挖掘、在线评价、决策控制等实现对整个生产作业各个子系统中的设备进行全面智能化协同管控，避免了常规人工管理和控制的局限性，极大提高了系统运行的安全性。同时，协同调度台模块同时设置了智能管控和人工管控方式，当同时对同一设备、系统下达管控不同管控指令时，设备和系统均只执行人工管控指令，确保系统的运行是人为可控的。
(6)基于数据和知识驱动的工业物联网设备协同管控系统，将协同管控策略转化为对设备运行控制和使用描述的设备字段、系统应用服务描述的服务字段以及设备、系统之间协同的协同字段，经过字段的解析、条件检查，转化为执行器可以识别和执行的指令，实现设备、系统的协同管控。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本发明基于数据和知识驱动的工业物联网设备协同管控系统的框架示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了提高生产作业和管理效率，完整的现代化工业生产作业系统大规模采用了物联网设备。然而，由于工业生产作业区域和功能子系统的物联网设备多种多样，物理空间分布广泛和底层数据复杂多样，难以对物联网设备进行有效的管控。现有的工业物联网设备在线监测系统虽然在保证企业安全生产方面发挥了重大作用，但也存在着监测方法简单、对象单一、数据利用率低、物联网设备协作水平低等问题，难以真正意义上的满足工业的安全、高效和智能生产作业。
本发明提供一种基于数据和知识驱动的工业物联网设备协同管控系统，该系统通过大数据挖掘技术对传感器采集的工业生产作业过程中的设备物联网数据进行有效分析，挖掘设备与设备、设备与系统、系统与系统、设备运行状态之间的关联协同关系模型，结合系统各设备实时数据对工业生产系统的设备运行状态进行实时评价，给出在线决策控制结果，自动自主调整和控制相应执行器的运行状态，实现系统智能化运行。在安全性方面，通过数据挖掘、在线评价、决策控制等实现对整个生产作业各个子系统中的设备进行全面智能化协同管控，避免了纯人工管理和控制的局限性，极大提高了系统运行的安全性。工作效率方面，系统采用了智能化管理和控制，包括模型智能匹配和构建、知识库智能管理、数据集智能构建、知识智能管理、在线智能评价与决策、执行器指令智能生成等，确保了系统的高效运行。
本发明的一种基于数据和知识驱动的工业物联网设备协同管控系统，该系统包括以下模块：
数据仓库模块，用于进行系统中物联网设备以及物联网监测设备的多源异构数据的筛选和整合，获得用于数据挖掘和在线评价与智能决策的结构化数据；
模型管理模块，用于根据协同调度台模块发送的描述数据挖掘模型及其参数设置的规范格式模型字段选择对应的数据挖掘模型并进行参数设置；
数据挖掘模块，用于通过所述模型管理模块选择的数据挖掘模型进行所述数据仓库发送的历史结构化数据的数据挖掘，获得用于系统各设备的运行状态在线自主评价和设备管控策略智能分析的协同管控模型；
知识管理模块，用于管理所述数据仓库的结构化数据、模型管理模块的模型描述和模型构建知识以及数据挖掘模块的历史案例信息；
在线评价与决策模块，用于根据所述数据挖掘获得的设备协同管控模型以及数据仓选择的实时结构化数据对系统中的各设备运行状态信息进行在线评价，并生成各设备、系统的智能管控策略；
协同调度台模块，用于将系统的协同管控策略解析为执行器可以识别和执行的规范格式设备字段、服务字段、协同字段，并生成执行器执行指令，显示各设备信息及其运行状态的在线评价结果、管控信息、模型信息以及生成描述数据挖掘模型及其参数设置的模型字段。
为了更清晰地对本发明基于数据和知识驱动的工业物联网设备协同管控系统进行说明，下面结合图1对本发明实施例中各模块展开详述。
本发明第一实施例的基于数据和知识驱动的工业物联网设备协同管控系统，包括数据仓库模块、模型管理模块、数据挖掘模块、知识管理模块、在线评价与决策模块和协同调度台模块，各模块详细描述如下：
数据仓库模块，用于进行系统中物联网设备以及物联网监测设备的多源异构数据的筛选和整合，获得用于数据挖掘和在线评价与智能决策的结构化数据。
数据仓库模块主要是根据协同调度任务将工业物联网及其设备产生的多源异构数据进行筛选和整合，输出用于数据挖掘和在线评价与决策的结构化数据。对协同调度任务按照不同业务主题进行分类，基于不同业务主题对工业物联网及其设备产生的多源异构数据进行抽取，冗余/错误/歧义数据进行删减/填充/修改，得到不同业务主题的清洗数据，针对各类数据的特征设计合适的数据存储模型对清洗后的数据进行结构化存储。同时，将数据来源、业务主题、数据清洗规则、存储位置、存储模型等数据信息记录在元数据中，支持用户使用数据以及对数据的管理和维护。
模型管理模块，用于根据协同调度台模块发送的描述数据挖掘模型及其参数设置的规范格式模型字段选择对应的数据挖掘模型并进行参数设置。
模型管理模块主要是根据协同调度台模块发送的模型字段选择合适的数据挖掘所使用的模型，其由模型查询字典、模型库、模型构建、模型存取单元、模型输出管理单元组成。协同调度台将数据挖掘模型及其参数设置描述为规范格式的模型字段，在模型字典中查找对应字段的模型在模型库中的具体位置，然后，利用模型存取单元从模型库中取得模型，并设置相应的参数，最后，通过模型输出管理将设置参数的模型输出到数据挖掘模块进行使用，同时将调度任务以及使用的模型及其参数设置等先关信息存储到在知识管理模块中，作为历史案例进行管理，以便以后有相同或者类似调度任务进行使用。
本发明的协同管控系统还包括模型进化单元：
针对模型库中不存在的模型，模型管理模块会将相应信息回传到协同调度台，一方面确认模型字段信息是否有误，如果确认模型字段信息有误，修正模型字段信息，重新在模型字典查到相应模型；另一方面，确认下达的任务是新型模型的模型字段，模型字典中查找不到相应模型，为此，将利用知识管理中的模型算法知识、建模知识、专家知识等构建新型模型。同时，利用数据挖掘得到的知识对模型库中的现有模型进行丰富和优化，实现模型进化。
数据挖掘模块，用于通过所述模型管理模块选择的数据挖掘模型进行所述数据仓库发送的历史结构化数据的数据挖掘，获得用于系统各设备的运行状态在线自主评价和设备管控策略智能分析的协同管控模型。
数据挖掘模块主要是利用数据挖掘技术从数据中挖掘出潜在的价值信息，其由模型解析单元、数据选择单元、数据集构建单元、数据挖掘单元、案例管理单元组成。利用模型解析对从模型管理选择输入的模型进行解析，得到数据挖掘所需的数据、数据挖掘模型及其参数设置等模型信息，进而通过数据选择从数据仓库中选择相应的历史结构化数据，进行数据评估、信息提取和信息标注，构建数据挖掘所需的数据集，并通过数据挖掘得出数据中隐藏的价值信息，如设备与设备、设备与系统、系统与系统、设备运行状态之间的关联关系模型，并进行显性化的知识描述。同时，一方面将相应信息输入到在线评价与决策模块中，用于支持对相关工业物联网设备进行协同管控；另一方面，将相应信息输入到知识管理模块中，丰富和优化现有知识库。通过案例管理将数据挖掘时所使用的模型信息、数据信息以及挖掘得到的价值信息等进行记录、存储管理，作为深度挖掘具体案例，支持相同深度挖掘任务使用。
知识管理模块，用于管理所述数据仓库的结构化数据、模型管理模块的模型描述和模型构建知识以及数据挖掘模块的历史案例信息。
调度任务进行数据挖掘所需的模型在模型库中不存在的情况，利用知识检索从知识库中选择合适的模型算法知识、建模知识、专家知识用于构建新型模型。知识检索主要是在知识库检索相应知识，检索方式主要包括两种方式，一种是字典检索，通过输入相应的字段，在知识库中查找到相应字段的知识，通常系统会自动选择该种知识检索方式；另一种是语义检索，输入相应自然语言描述，利用知识图谱从知识库中选择相应的知识，利用知识图谱从知识库中选择相应的知识，该检索方式主要是针对不确定知识检索相应字典字段的情况。基于存储数据仓库构建知识，指导数据仓库模块选择合适的数据进行结构化存储。
在线评价与决策模块，用于根据所述数据挖掘获得的设备协同管控模型以及数据仓选择的实时结构化数据对系统中的各设备运行状态信息进行在线评价，并生成各设备、系统的智能管控策略。
在线评价与决策模块主要基于数据挖掘得到的隐藏价值信息对系统的设备运行状态进行在线评价以及给出设备、系统给出协同管控策略，其由在线评价、关系模型管理、在线智能决策三个主要功能单元组成。将数据挖掘得到的协同管控模型输入到在线评价中，并从数据仓选择设备实时结构化数据，结合评价指标体系，对设备指标、系统指标、环境指标等进行评价，实现智能分析和风险预警，并将相关信息输出到协同调度台进行展示。对数据挖掘得到的协同管控模型进行存储和管理，通过对相同关系模型进行合并、相似关系模型进行融合、不同关系模型进行分类存储等方式，实现现有关系模型库进行更新。同时，结合数据挖掘得到的设备与设备、设备与系统、系统与系统、设备运行状态之间的关联协同关系模型，给出综合评价，并将评价结果输入到决策模型中，给出设备、系统的具体管控决策信息，并输入到协同调度台，支持设备、系统的协同管控。其中，决策模型主要是专家模型、专业知识模型、历史经验模型以及分析推理模型。
协同调度台模块，用于将系统的协同管控策略解析为执行器可以识别和执行的规范格式设备字段、服务字段、协同字段，并生成执行器执行指令，显示各设备信息及其运行状态的在线评价结果、管控信息、模型信息以及生成描述数据挖掘模型及其参数设置的模型字段。
协同调度台模块主要对工业生产过程中的设备和系统进行管控，并对相关信息进行管理，其由模型字段构建单元、协同管控策略管理单元、执行器指令生成单元和信息显示单元组成。基于评价与决策模块输出的设备与系统的具体评价结果与管控策略信息，结合智能管控单元实现设备与系统运行状态的智能协同管控，这一过程无需人为干预；为了确保工业生产系统是人为可控的，设立了人工管控单元，且当人工管控和智能管控单元同时下达设备与系统运行管控指令时，人工管控的指令将被执行，而智能管控的指令将被舍弃。根据生产管理的需求，利用模型字段构建单元为系统建立规范化的描述数据挖掘模型及其参数设置的模型字段，下达给模型管理模块中的模型解析功能单元，支持模型选择及其参数设置。信息显示单元对设备和系统的运行状况以及在线评价、风险预警、智能决策、协同管控等信息进行可视化显示。
本发明的协同管控系统还包括信息管理模块；
信息管理模块支持信息云存储和远程查看以及自定义格式的数据下载。
需要说明的是，上述实施例提供的基于数据和知识驱动的工业物联网设备协同管控系统及方法，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，例如，上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块，以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (6)
1.一种基于数据和知识驱动的工业物联网设备协同管控系统，其特征在于，该系统包括以下模块：
数据仓库模块，用于进行系统中物联网设备以及物联网监测设备的多源异构数据的筛选和整合，获得用于数据挖掘和在线评价与智能决策的结构化数据；
模型管理模块，用于根据协同调度台模块发送的描述数据挖掘模型及其参数设置的规范格式模型字段选择对应的数据挖掘模型并进行参数设置；
数据挖掘模块，用于通过所述模型管理模块选择的数据挖掘模型进行所述数据仓库发送的历史结构化数据的数据挖掘，获得用于系统各设备的运行状态在线自主评价和设备管控策略智能分析的协同管控模型；
知识管理模块，用于管理所述数据仓库的结构化数据、模型管理模块的模型描述和模型构建知识以及数据挖掘模块的历史案例信息；
在线评价与决策模块，用于根据所述数据挖掘获得的设备协同管控模型以及数据仓选择的实时结构化数据对系统中的各设备运行状态信息进行在线评价，并生成各设备、系统的智能管控策略；
协同调度台模块，用于将系统的协同管控策略解析为执行器可以识别和执行的规范格式设备字段、服务字段、协同字段，并生成执行器执行指令，显示各设备信息及其运行状态的在线评价结果、管控信息、模型信息以及生成描述数据挖掘模型及其参数设置的模型字段；
所述模型管理模块包括模型查询字典、模型库、模型存取单元和模型输出管理单元；
所述模型查询字典，用于根据系统的协同调度台模块发送的模型字段，在模型字典中查找对应字段的模型在所述模型库中的位置；
所述模型字段，用于描述数据挖掘模型及其参数设置；
所述模型库，用于存储系统的各数据挖掘模型；
所述模型存取单元，用于根据查找的模型在所述模型库中的位置提取对应的数据挖掘模型并进行参数设置；
所述模型输出管理单元，用于输出数据挖掘使用的模型，并将模型的模型描述和模型构建知识存储到知识管理模块；所述模型管理模块还包括模型进化单元；
所述模型进化单元，用于所述模型查询字典在模型字典中查找不到相应模型时，生成模型字段确认消息发送至协同调度台并执行：
若模型字段有误，则修正模型字段信息，并重新在模型字典中查找对应字段的模型在所述模型库中的位置；
若模型字段为新型模型的模型字段，则基于知识管理模块中的模型、建模方法以及专家知识构建新型的数据挖掘模型和/或利用数据挖掘得到的知识对模型库中的现有数据挖掘模型进行丰富和优化，获得新型的数据挖掘模型；所述数据挖掘模块包括数据选择单元、数据集构建单元、数据挖掘单元、案例管理单元；
所述数据选择单元，用于根据输入的模型信息从数据仓库中选择相应的历史结构化数据；
所述数据集构建单元，用于根据模型管理模块输出的数据挖掘模型，从数据仓中选择对应数据挖掘模型的历史结构化数据，并进行数据评估、信息提取和信息标注，构建数据挖掘所需的数据集；
所述数据挖掘单元，用于在所述数据集中获取协同管控模型；所述协同管控模型包括设备与设备、设备与系统、系统与系统以及各设备运行状态信息之间的关联关系模型；
所述案例管理单元，用于将数据挖掘时所使用的模型信息、数据信息以及挖掘得到的待决策数据进行记录、存储管理，作为深度挖掘具体案例，用于相同的深度挖掘任务；所述在线评价与决策模块包括在线评价单元、关系模型管理单元和在线智能决策单元；
所述在线评价单元，将数据仓中选择的系统各设备实时运行状态信息，结合评价指标体系，对设备指标、系统指标、环境指标进行评价，获得智能分析结果和风险预警，并输出到协同调度台进行展示；
所述关系模型管理单元，将数据挖掘得到的设备与设备、设备与系统、系统与系统、设备运行状态信息之间的关联协同关系模型中相同关系模型进行合并、相似关系模型进行融合、不同关系模型进行分类存储，并更新现有关系模型库；
所述在线智能决策单元，结合数据挖掘得到的设备与设备、设备与系统、系统与系统以及设备运行状态信息之间的关联协同关系模型，给出综合评价，并将评价结果输入到决策模型中，获得设备、系统的智能管控策略。
2.根据权利要求1所述的基于数据和知识驱动的工业物联网设备协同管控系统，其特征在于，所述系统还包括管控策略冲突择优模块；
所述管控策略冲突择优模块，用于在系统同时接收到人工管控策略和智能管控策略的指令时，择优选择执行人工管控策略的指令。
3.根据权利要求1所述的基于数据和知识驱动的工业物联网设备协同管控系统，其特征在于，所述用于数据挖掘的历史结构化数据，其获取方法为：
步骤A10，按照业务主题进行系统的协同调度任务的分类，并进行不同业务主题的多源异构数据的数据抽取、冗余/错误/歧义数据删减/填充/修改，获得不同主题的清洗数据；
步骤A20，基于不同主题数据的特征选择对应的数据存储模型进行所述不同主题的清洗数据的结构化存储，并将对应的数据来源、主题、数据清洗规则、存储位置及数据存储模型信息存储为源数据，获得用于数据挖掘的历史结构化数据。
4.根据权利要求1所述的基于数据和知识驱动的工业物联网设备协同管控系统，其特征在于，所述决策模型包括专家模型、专业知识模型、历史经验模型以及分析推理模型。
5.根据权利要求1所述的基于数据和知识驱动的工业物联网设备协同管控系统，其特征在于，所述协同调度台模块包括模型字段构建单元、协同管控策略管理单元、执行器指令生成单元和信息显示单元；
所述模型字段构建单元，用于根据数据挖掘目标选择合适的模型指令，生成模型描述和参数描述的文件，并按照规范的格式整合成描述数据挖掘模型及其参数设置的模型字段；
所述协同管控策略管理单元，用于管理所述智能管控策略以及人工管控策略，基于管控策略冲突智能管控策略优先准则，确定协同管控策略，进行各设备、系统的智能协同管控；
所述执行器指令生成单元，用于将系统的协同管控策略转化为规范格式的设备字段、服务字段以及协同字段，字段经过解析和条件检查，转化为执行器可以执行的指令；
所述信息显示单元，用于显示各设备信息及运行状态的在线评价结果信息、模型信息、管控信息；
所述设备字段，为用于描述设备基本信息、功能和控制使用的规范格式字段；
所述服务字段，为用于描述应用服务基本信息、功能信息和操作的规范格式字段；
所述协同字段，为用于描述设备、服务、系统之间协同工作方式的规范格式字段。
6.根据权利要求1所述的基于数据和知识驱动的工业物联网设备协同管控系统，其特征在于，所述系统还包括信息管理模块；
所述信息管理模块，用于系统各模块信息的信息云存储、远程查看以及自定义格式的数据下载。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110025599.4A CN112651520B (zh) | 2021-01-08 | 2021-01-08 | 基于数据和知识驱动的工业物联网设备协同管控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110025599.4A CN112651520B (zh) | 2021-01-08 | 2021-01-08 | 基于数据和知识驱动的工业物联网设备协同管控系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112651520A CN112651520A (zh) | 2021-04-13 |
| CN112651520B true CN112651520B (zh) | 2023-11-17 |
Family
ID=75367801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110025599.4A Active CN112651520B (zh) | 2021-01-08 | 2021-01-08 | 基于数据和知识驱动的工业物联网设备协同管控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112651520B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113111261A (zh) * | 2021-04-20 | 2021-07-13 | 树根互联股份有限公司 | 一种云平台的数据处理方法、云平台及全景分析系统 |
| CN113052269B (zh) * | 2021-04-29 | 2022-09-20 | 上海德衡数据科技有限公司 | 智能协同识别方法、系统、设备及介质 |
| CN114168166B (zh) * | 2022-02-11 | 2022-05-24 | 杭州斯诺康技术有限公司 | 一种室内智能无线接入设备的安装配置方法及系统 |
| CN115314499B (zh) * | 2022-10-10 | 2023-01-24 | 国网浙江省电力有限公司嵊州市供电公司 | 适用于电力领域的多终端协同工作方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1480870A (zh) * | 2003-07-16 | 2004-03-10 | 中南大学 | 基于互联网结构的群体智能决策支持系统生成器及其应用方法 |
| CN106815338A (zh) * | 2016-12-25 | 2017-06-09 | 北京中海投资管理有限公司 | 一种大数据的实时存储、处理和查询系统 |
| CN109558395A (zh) * | 2018-10-17 | 2019-04-02 | 中国光大银行股份有限公司 | 数据处理系统及数据挖掘方法 |
| CN109993662A (zh) * | 2017-12-30 | 2019-07-09 | 广州明领基因科技有限公司 | 面向采矿作业安全监测信息的大数据挖掘系统 |
| CN111724028A (zh) * | 2020-05-08 | 2020-09-29 | 中海创科技(福建)集团有限公司 | 一种基于大数据技术的机器设备运行分析与挖掘系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110191277A1 (en) * | 2008-06-16 | 2011-08-04 | Agundez Dominguez Jose Luis | Automatic data mining process control |
-
2021
- 2021-01-08 CN CN202110025599.4A patent/CN112651520B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1480870A (zh) * | 2003-07-16 | 2004-03-10 | 中南大学 | 基于互联网结构的群体智能决策支持系统生成器及其应用方法 |
| CN106815338A (zh) * | 2016-12-25 | 2017-06-09 | 北京中海投资管理有限公司 | 一种大数据的实时存储、处理和查询系统 |
| CN109993662A (zh) * | 2017-12-30 | 2019-07-09 | 广州明领基因科技有限公司 | 面向采矿作业安全监测信息的大数据挖掘系统 |
| CN109558395A (zh) * | 2018-10-17 | 2019-04-02 | 中国光大银行股份有限公司 | 数据处理系统及数据挖掘方法 |
| CN111724028A (zh) * | 2020-05-08 | 2020-09-29 | 中海创科技(福建)集团有限公司 | 一种基于大数据技术的机器设备运行分析与挖掘系统 |
Non-Patent Citations (4)
| Title |
|---|
| 基于物联网的矿山机械设备状态智能感知与诊断;丁恩杰;俞啸;廖玉波;吴传龙;陈伟;郁万里;王威;;煤炭学报(第06期);全文 * |
| 智慧矿山顶层架构设计及其关键技术;吴群英;蒋林;王国法;叶鸥;蒋泽军;董立红;郭建军;符立梅;史晓楠;习晓;薜忠新;;煤炭科学技术(第07期);全文 * |
| 矿山物联网生产设备协同管控系统设计;李学恩等;工矿自动化;第44卷(第6期);"1 矿山物联网生产设备协同管控需求"部分，"2 矿山物联网生产设备协同管控系统架构"部分，第3页右栏第1段 * |
| 矿用设备检测实验室智慧服务体系;陈峤鹰;;工矿自动化(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112651520A (zh) | 2021-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112651520B (zh) | 基于数据和知识驱动的工业物联网设备协同管控系统 | |
| Rosin et al. | Impacts of Industry 4.0 technologies on Lean principles | |
| Pereira et al. | How Industry 4.0 can enhance lean practices | |
| Gröger | Building an Industry 4.0 analytics platform: practical challenges, approaches and future research directions | |
| Lu | The current status and developing trends of Industry 4.0: A Review | |
| CN112800668A (zh) | 基于数字孪生的复杂产品运维与制造集成总体模型 | |
| Edis et al. | A combined integer/constraint programming approach to a resource-constrained parallel machine scheduling problem with machine eligibility restrictions | |
| JP2020507157A (ja) | システムの自動化および制御に対するコグニティブエンジニアリング技術のためのシステムおよび方法 | |
| Cakmakci | Interaction in project management approach within industry 4.0 | |
| CN116485576A (zh) | 一种航空制造业知源大脑数据智能制造管理平台 | |
| Colace et al. | A multilevel graph representation for big data interpretation in real scenarios | |
| CN113822585A (zh) | 一种智能冶炼工厂信息化管理系统 | |
| Zhang et al. | The integrated process planning and scheduling of flexible job-shop-type remanufacturing systems using improved artificial bee colony algorithm | |
| Alqoud et al. | Industry 4.0: a systematic review of legacy manufacturing system digital retrofitting | |
| Liu et al. | A multi-MILP model collaborative optimization method for integrated process planning and scheduling problem | |
| CN115965154A (zh) | 一种基于知识图谱的数字孪生机械加工过程调度方法 | |
| Jing et al. | Intelligent generation method of 3D machining process based on process knowledge | |
| Sorensen et al. | Classification coding of production systems for identification of platform candidates | |
| Liu et al. | Digital Twin-based manufacturing system: A survey based on a novel reference model | |
| Herrmann et al. | Approaches of production planning and control under industry 4.0: A literature review | |
| CN117151415A (zh) | 一种面向城乡融合发展的基础设施规划系统 | |
| Wang et al. | Research on association rules of course grades based on parallel fp-growth algorithm | |
| El Kammouni et al. | Value stream mapping 4.0: a structural modeling approach | |
| CN102270190B (zh) | 一种复杂决策问题的计算机建模与求解处理方法 | |
| Nakagawa et al. | Mape-k loop-based goal model generation using generative ai |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |