CN112947946B - 一种工业现场的服务、数据和模型部署、共享、分发系统 - Google Patents

Abstract

本发明提供了一种工业现场的服务、数据和模型部署、共享、分发系统，包含：部署在工业现场的5G Open CPE，所述5G Open CPE包括模型训练回溯验证平台、数据开放订阅平台、微服务部署验证平台、生产环境运行平台；部署在云端的5G Open CPE云端开发平台，所述5G Open CPE云端开发平台包括AI模型开发平台、数据标注和知识库、数据分析平台、微服务开发平台；一体机数据、模型和微服务市场平台，用于发布模型的镜像、数据分析的结果和分析流程、验证通过后的微服务。相对于现有技术，本发明大大提高了模型准确性和时效性，加快了工业现场自动化部署的节奏，且指标更实时、更准确。

Description

一种工业现场的服务、数据和模型部署、共享、分发系统

技术领域

本发明属于工业互联网领域，尤其涉及一种工业现场的服务、数据和模型部署、共享、分发系统。

背景技术

在工业现场的工业互联应用中，各设备厂商的数据、模型和应用都处于封闭的状态，没有在工业现场部署数据的采集、训练和分发的相关服务和软件平台，也没有构建相关数据、模型和应用的开发、共享和分发机制，这导致工业现场成为工业互联网部署的瓶颈。目前工业现场部署服务大概需要4-8周的时间，而相关服务的开发和调试需要长达3个月-6个月之久，极大地延误了企业生产效率的提升。这种困难具体表现在：

1.整个制造业的终端门类、品牌非常多，导致集成困难，根据中国工业互联网协会2019年的统计，我国各类制造设备如机床、磨床等的型号和品牌数量大约在5000个，这对工业互联网的普及造成了极大的困难。希望工业互联网的采集软件部署能够像App一样简单方便。

2.制造加工的设备众多，对于这些设备的监测模型也是五花八门，而寻找这些模型以及相应的部署调试需要花费大量时间。这些模型亟需被聚集起来，从而能够方便地查找和使用。

3.工业领域的开发者众多，由于制造业的细分行业很多，各细分行业使用到的设备也不一样，各种设备有各自的开发平台和开发语言，这导致开发零散，无法集中推进整个行业的软件开发速度。因此需要有一个聚集开发者的平台和环境。

发明内容

本发明的目的在于克服现有技术中存在的上述不足，提供一种工业现场的服务、数据和模型部署、共享、分发系统，其特征在于所述系统包含：

部署在工业现场的5G Open CPE，所述5G Open CPE包括模型训练回溯验证平台、数据开放订阅平台、微服务部署验证平台、生产环境运行平台，其中，

所述模型训练回溯验证平台，用于对于具备权限的AI用户，部署AI用户开发的模型；利用现场数据进行模型训练，并基于现场数据和存储的特征值库进行模型的回溯验证；以及根据现场情况进行模型训练策略和参数的调整；

所述数据开放订阅平台，用于为AI模型开发平台、数据标注和知识库、数据分析平台提供数据的订阅服务，其中所述数据根据其开放等级、访问权限和门类在数据开放订阅平台进行分模块部署和开放订阅；

所述微服务部署验证平台，用于进行业务的模拟运行，模拟传感器数据的上报、处理、告警以及对应终端的处理动作以实现微服务验证；

所述生产环境运行平台，用于将从一体机数据、模型和微服务市场平台获得的相关内容下载到一体机生产环境中进行使用；

部署在云端的5G Open CPE云端开发平台，所述5G Open CPE云端开发平台包括AI模型开发平台、数据标注和知识库、数据分析平台、微服务开发平台，其中，

所述AI模型开发平台，用于利用从数据开放订阅平台订阅的样本数据进行模型开发；

所述数据标注和知识库，用于对现场数据进行特征值标注，将数据进行筛选和分类，为后续的模型训练提供了数据基线；根据现场数据的特征值以及背后的业务逻辑进行归纳，形成行业数据知识库；

所述数据分析平台，用于提供数据分析工具，进行多维度的数据钻取和分析；提供报表呈现工具，将分析的结果进行快速呈现；以及根据现场情况进行计算规则和参数的调整；

所述微服务开发平台，用于对现场数据进行孪生建模，获取数字化工厂模型；根据工业现场的工作流程和设备属性，通过低代码编程的方式实现流程的设计；

一体机数据、模型和微服务市场平台，用于发布模型的镜像、数据分析的结果和分析流程、验证通过后的微服务。

优选的，所述5G Open CPE包括底层嵌入式计算硬件、底层操作系统、大容量存储系统以及适用于嵌入式系统的轻量级Docker容器服务，通过拖拉拽的方式将服务、数据和模型从云端部署到本地。

优选的，所述AI模型开发平台集成了数据处理工具、数据挖掘工具、建模用AI算子，以使AI用户使用所述工具进行模型开发。

优选的，所述微服务开发平台提供了适用于5G Open CPE开发、编译、部署规则的微服务开发套件，以开发符合5G Open CPE现网应用的微服务。

本发明还提供一种利用上述系统进行模型部署、共享、分发的方法，其特征在于所述方法包括如下步骤：

AI用户权限管理步骤，具体为：AI用户进行注册，审核通过之后对AI用户进行权限设置；

数据订阅步骤，具体为：AI用户从数据开放订阅平台订阅样本数据，用于模型开发；

模型训练和回溯步骤，具体为：对于具备权限的AI用户，利用5G Open CPE提供的模型训练回溯验证平台部署AI用户开发的模型，利用现场数据进行模型训练，并基于现场数据和存储的特征值库进行模型的回溯验证，以及根据现场情况进行模型训练策略和参数的调整；

模型发布步骤，具体为：进行模型标准化封装和发布；发布成功后的模型在一体机数据、模型和微服务市场平台中形成镜像，以供查看和下载。

本发明还提供一种利用上述系统进行数据部署、共享、分发的方法，其特征在于所述方法包括如下步骤：

现场数据特征值标注步骤，具体为：对现场数据进行特征值标注，将数据进行筛选和分类，为后续的模型训练提供了数据基线；

行业数据知识库形成步骤，具体为：根据现场数据的特征值以及背后的业务逻辑进行归纳，形成行业数据知识库；

数据分析步骤，具体为：利用数据分析平台提供的数据分析工具，进行多维度的数据钻取和分析；利用数据分析平台提供的报表呈现工具，将分析的结果进行快速呈现；以及根据现场情况进行计算规则和参数的调整；

数据发布步骤，具体为：将分析的结果以及分析流程发布在一体机数据、模型和微服务市场平台中，以供后续使用。

本发明还提供一种利用上述系统进行服务部署、共享、分发的方法，其特征在于所述方法包括如下步骤：

数字化工厂模型获取步骤，具体为：利用微服务开发平台提供的系统，对现场数据进行孪生建模，获取数字化工厂模型；

流程设计步骤，具体为：根据工业现场的工作流程和设备属性，通过低代码编程的方式实现流程的设计；

微服务验证步骤，具体为：在微服务部署验证平台进行业务的模拟运行，模拟传感器数据的上报、处理、告警以及对应终端的处理动作以实现微服务验证；

微服务发布步骤，具体为：将验证通过后的微服务发布在一体机数据、模型和微服务市场平台中，以供用户选择对应的微服务进行现场部署。

本发明还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述方法的步骤。

相对于现有技术，通过本发明所述的工业现场的服务、数据和模型部署、共享、分发系统，AI用户可以基于工业现场数据和环境进行建模、训练、回溯工作，大大提高了模型准确性和时效性，加快了工业现场自动化部署的节奏。工业现场的客户可以通过平台进行对应的模型、服务下载，从而快速的查找和验证各类适用于客户工厂环境的模型和服务，大幅降低了AI的经济成本和时间成本，提高了工厂车间数字化、智能化的建设节奏。数据分析师用户可以根据工业现场的数据进行实时的数据分析，如OEE、OPE等各类指标，从而使得所述指标更实时、更准确。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例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发明的一些实施例，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是本发明所述的工业现场的服务、数据和模型部署、共享、分发系统；

图2是本发明所述的各类用户使用所述系统的示意图。

具体实施方式

鉴于上述问题，本发明提供一套聚焦工业现场的服务、数据和模型部署、共享、分发系统。如附图1所示，这个系统包含三个部分：

第一部分是部署在工业现场的5G Open CPE，所述5G Open CPE包括模型训练回溯验证平台、数据开放订阅平台、微服务部署验证平台、生产环境运行平台。所述模型训练回溯验证平台，用于对于具备权限的AI用户，部署AI用户开发的模型；利用现场数据进行模型训练，并基于现场数据和存储的特征值库进行模型的回溯验证；以及根据现场情况进行模型训练策略和参数的调整。所述数据开放订阅平台，用于为AI模型开发平台、数据标注和知识库、数据分析平台提供数据的订阅服务，其中所述数据根据其开放等级、访问权限和门类在数据开放订阅平台进行分模块部署和开放订阅。所述微服务部署验证平台，用于进行业务的模拟运行，模拟传感器数据的上报、处理、告警以及对应终端的处理动作以实现微服务验证。所述生产环境运行平台，用于将从一体机数据、模型和微服务市场平台获得的相关内容下载到一体机生产环境中进行使用。

5G Open CPE部署在工业现场，通过5G、LoRa、WiFi、有线等通信手段获取工厂设备的状态数据，并存储在5G Open CPE机器内部。5G Open CPE内置大容量存储介质，可以存储3个月以上的现场数据。5G Open CPE可以通过5G、有线等方式和远端进行通信，通过多用户VPN、API的方式实现多用户接入和数据访问，为后续所述的数据开放订阅、模型训练、模型回溯提供了硬件平台基础。5G Open CPE包括底层嵌入式计算硬件、底层操作系统、大容量存储系统以及适用于嵌入式系统的轻量级Docker容器服务，使得服务、数据和模型可以通过拖拉拽的方式从云端部署到本地，这样就能够让相关开发人员通过远程访问工业现场进行数据建模、回溯验证，极大简化了当前需要人到现场部署安装软件服务的时间和工作量。

第二部分是部署在云端的5G Open CPE云端开发平台，所述5G Open CPE云端开发平台包括AI模型开发平台、数据标注和知识库、数据分析平台、微服务开发平台。所述AI模型开发平台，用于利用从数据开放订阅平台订阅的样本数据进行模型开发。所述数据标注和知识库，用于对现场数据进行特征值标注，将数据进行筛选和分类，为后续的模型训练提供了数据基线；根据现场数据的特征值以及背后的业务逻辑进行归纳，形成行业数据知识库。所述数据分析平台，用于提供数据分析工具，进行多维度的数据钻取和分析；提供报表呈现工具，将分析的结果进行快速呈现；以及根据现场情况进行计算规则和参数的调整。所述微服务开发平台，用于对现场数据进行孪生建模，获取数字化工厂模型；根据工业现场的工作流程和设备属性，通过低代码编程的方式实现流程的设计。

该AI模型开发平台主要用于现网协同，从现场订阅至少部分现网开放的样本数据用于模型的开发。该AI模型开发平台提供模型开发，该平台集成了数据处理工具、数据挖掘工具、建模用AI算子，这样AI科学家可以使用平台工具进行模型开发。该微服务开发平台提供了适用于5G Open CPE开发、编译、部署规则的微服务开发的套件，让微服务开发者能够快速开发符合5G Open CPE现网应用的微服务，降低开发难度，提高开发效率。

如附图2所示，服务开发者、AI科学家、数据分析师、知识库开发者会通过IPVPN的方式登录到5G Open CPE工业现场的系统内各自的平台去提交各自的工作，做出相应产品后将产品上传到服务、数据和模型的交易平台。用户可以登录到平台申请对应用和数据的下载或访问权限。

第三部分是一体机数据、模型和微服务市场平台，用于发布模型的镜像、数据分析的结果和分析流程、验证通过后的微服务。通过这个市场平台实现需求方和提供方的对接，以实现整个工业领域细分行业软件服务的快速普及。

AI用户可以通过上述系统进行如下操作

该系统为AI用户，例如AI科学家，提供了用于训练模型的数据开放订阅平台，AI科学家可以根据其角色、权限、研究领域访问不同的数据，并通过如下功能支撑AI科学家进行模型训练和模型发布：

1.用户权限管理功能：AI科学家需要先在平台进行注册，注册其所属的组织、行业、角色等，后台进行审核之后，对AI科学家进行权限设置。

2.数据订阅功能：AI科学家可以从数据开放订阅平台订阅样本数据，用来支撑模型的开发。

3.模型训练和回溯验证功能：对于具备权限的AI科学家，5G Open CPE提供了模型训练回溯验证平台，该平台可以部署AI科学家开发的模型，并提供现场数据进行模型训练。现场数据更加丰富和准确，因此有利于提高模型的训练精度和效率。该平台基于现场数据和存储的特征值库进行模型的回溯验证，能够快速提高模型训练的有效性。并且一体机部署在现场，AI科学家可以通过现场的实际环境进行模型训练策略和参数的快速调整，大大提高AI科学家对模型训练和回溯验证的效率。

4.模型发布功能：所述系统提供了模型打包发布套件，AI科学家可以根据模型发布平台的指导进行模型标准化封装和发布。发布成功后模型会在一体机市场平台中形成镜像，并供一体机客户查看和下载。

5.模块交互的各类接口：模型训练回溯验证平台和对应的模型发布平台之间提供Web API接口、文件接口，从而可以发布开发的针对某领域的AI模型。

数据标注用户和知识库开发者可以通过上述系统进行如下操作

5G Open CPE提供了现场数据特征值的标注功能。通过特征值的标注可以将数据进行有效的筛选和分类，从而为后续的模型训练提供了数据基线。例如对于辨别磨具的加工尺寸的精度范围进行标注，数据标注用户可以通过对合理范围(+\-0.5mm)的标注构建辨别基线。其次，该系统提供面向行业的知识库，知识库开发者可以根据现场数据的特征值以及背后的业务逻辑进行归纳，并形成行业数据知识库，这样可以提高AI模型的开发效率。

数据分析用户可以通过上述系统进行如下操作

该系统提供来源于5G Open CPE在工业现场采集的数据和长期存储，数据根据其开放等级、访问权限和门类在数据订阅开放平台进行分模块部署和开放订阅。数据分析平台基于对工业现场各类监控指标的理解和积累，提供了面向工业现场的元数据管理平台，例如针对OEE的数据分析和计算，该平台提供了和稼动率、良率、有效工作时间等一系列指标相关的计算规则和数据模型，数据分析用户可以利用这些工具快速地分析工业现场的各类指标。数据分析平台提供了各种数据分析工具，可以进行多维度的数据钻取。数据分析平台提供报表呈现工具，可以将分析的结果进行快速呈现。数据分析用户可以将分析的结果、报告以及分析流程发布在市场平台，供现场客户进行使用。

该数据分析平台和现有技术中的数据分析平台的主要区别在于，该平台是基于现网数据进行分析，并且可以将数据产品部署在现场，根据现场情况进行快速的计算规则、参数调整，使得数据分析更加符合现场的使用。

微服务开发用户可以通过上述系统进行如下操作

微服务开发平台提供了面向微服务开发者的系统，基于工业现场的数据进行孪生建模，获取1：1的数字化工厂模型，根据工业现场的工作流程和设备属性，微服务开发者可以通过低代码编程的方式(例如：托拉拽)实现流程的设计，流程的设计完成后在微服务部署验证平台进行业务的模拟运行，微服务部署验证平台可以模拟传感器数据的上报、处理、相关告警以及对应终端的处理动作(例如：临时停机，告警，短信邮件通知等)，在微服务部署验证平台获得验证。微服务开发者可以将其服务发布到容器化微服务市场平台。用户可以选择对应的微服务进行现场部署。

工业现场客户可以通过上述系统进行如下操作

工业现场客户可以远程登陆到一体机数据、模型、微服务市场平台进行相关产品的浏览，并下载到一体机生产环境进行使用。

要理解本文所述的实施例可以由硬件、软件、固件、中间件、微代码或其任意组合来实现。对于硬件实现方式，处理单元可以在一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理器件(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计以执行本文所述功能的其他电子单元、或其组合内实现。当以软件、固件、中间件或微代码、程序代码或代码段来实现实施例时，可以将它们存储在诸如存储组件的机器可读介质中。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (8)

1.一种工业现场的服务、数据和模型部署、共享、分发系统，所述系统包含：部署在云端的5G Open CPE云端开发平台，部署在工业现场的现场5G Open CPE，以及一体机数据、模型和微服务市场平台，其特征在于：

所述5G Open CPE云端开发平台包括AI模型开发平台、数据标注和知识库、数据分析平台、微服务开发平台以及一体机数据、模型和微服务市场平台，其中，

所述AI模型开发平台，用于利用从数据开放订阅平台订阅的样本数据进行模型开发；

所述数据标注和知识库，用于对现场数据进行特征值标注，将数据进行筛选和分类，为后续的模型训练提供了数据基线；根据现场数据的特征值以及背后的业务逻辑进行归纳，形成行业数据知识库；

所述数据分析平台，用于提供数据分析工具，进行多维度的数据钻取和分析；提供报表呈现工具，将分析的结果进行快速呈现；以及根据现场情况进行计算规则和参数的调整；

所述微服务开发平台，用于对现场数据进行孪生建模，获取数字化工厂模型；根据工业现场的工作流程和设备属性，通过低代码编程的方式实现流程的设计；

所述现场5G Open CPE包括模型训练回溯验证平台、数据开放订阅平台、微服务部署验证平台、生产环境运行平台，其中，

所述模型训练回溯验证平台，用于对于具备权限的AI用户，部署AI用户开发的模型；利用现场数据进行模型训练，并基于现场数据和存储的特征值库进行模型的回溯验证；以及根据现场情况进行模型训练策略和参数的调整；

所述数据开放订阅平台，用于为AI模型开发平台、数据标注和知识库、数据分析平台提供数据的订阅服务，其中所述数据根据其开放等级、访问权限和门类在数据开放订阅平台进行分模块部署和开放订阅；

所述微服务部署验证平台，用于进行业务的模拟运行，模拟传感器数据的上报、处理、告警以及对应终端的处理动作以实现微服务验证；

所述生产环境运行平台，用于将从一体机数据、模型和微服务市场平台获得的相关内容下载到一体机生产环境中进行使用；

所述一体机数据、模型和微服务市场平台，用于发布模型的镜像、数据分析的结果和分析流程、验证通过后的微服务。

2.根据权利要求1所述的工业现场的服务、数据和模型部署、共享、分发系统，其特征在于：所述现场5G Open CPE包括底层嵌入式计算硬件、底层操作系统、大容量存储系统以及适用于嵌入式系统的轻量级Docker容器服务，通过拖拉拽的方式将服务、数据和模型从云端部署到本地。

3.根据权利要求1所述的工业现场的服务、数据和模型部署、共享、分发系统，其特征在于：所述AI模型开发平台集成了数据处理工具、数据挖掘工具、建模用AI算子，以使AI用户使用所述工具进行模型开发。

4.根据权利要求1所述的工业现场的服务、数据和模型部署、共享、分发系统，其特征在于：所述微服务开发平台提供了适用于5G Open CPE开发、编译、部署规则的微服务开发套件，以开发符合5G Open CPE现网应用的微服务。

5.一种利用权利要求1的所述系统进行模型部署、共享、分发的方法，其特征在于所述方法包括如下步骤：

AI用户权限管理步骤，具体为：AI用户进行注册，审核通过之后对AI用户进行权限设置；

数据订阅步骤，具体为：AI用户从数据开放订阅平台订阅样本数据，用于模型开发；

模型训练和回溯步骤，具体为：对于具备权限的AI用户，利用5G Open CPE提供的模型训练回溯验证平台部署AI用户开发的模型，利用现场数据进行模型训练，并基于现场数据和存储的特征值库进行模型的回溯验证，以及根据现场情况进行模型训练策略和参数的调整；

模型发布步骤，具体为：进行模型标准化封装和发布；发布成功后的模型在一体机数据、模型和微服务市场平台中形成镜像，以供查看和下载。

6.一种利用权利要求1的所述系统进行数据部署、共享、分发的方法，其特征在于所述方法包括如下步骤：

现场数据特征值标注步骤，具体为：对现场数据进行特征值标注，将数据进行筛选和分类，为后续的模型训练提供了数据基线；

行业数据知识库形成步骤，具体为：根据现场数据的特征值以及背后的业务逻辑进行归纳，形成行业数据知识库；

数据分析步骤，具体为：利用数据分析平台提供的数据分析工具，进行多维度的数据钻取和分析；利用数据分析平台提供的报表呈现工具，将分析的结果进行快速呈现；以及根据现场情况进行计算规则和参数的调整；

数据发布步骤，具体为：将分析的结果以及分析流程发布在一体机数据、模型和微服务市场平台中，以供后续使用。

7.一种利用权利要求1的所述系统进行服务部署、共享、分发的方法，其特征在于所述方法包括如下步骤：

数字化工厂模型获取步骤，具体为：利用微服务开发平台提供的系统，对现场数据进行孪生建模，获取数字化工厂模型；

流程设计步骤，具体为：根据工业现场的工作流程和设备属性，通过低代码编程的方式实现流程的设计；

微服务验证步骤，具体为：在微服务部署验证平台进行业务的模拟运行，模拟传感器数据的上报、处理、告警以及对应终端的处理动作以实现微服务验证；

微服务发布步骤，具体为：将验证通过后的微服务发布在一体机数据、模型和微服务市场平台中，以供用户选择对应的微服务进行现场部署。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求5-7中任一项所述方法的步骤。

Images