CN113918211B - 一种工业设备对象数据模型的执行方法、装置及设备 - Google Patents
一种工业设备对象数据模型的执行方法、装置及设备 Download PDFInfo
- Publication number
- CN113918211B CN113918211B CN202111516250.7A CN202111516250A CN113918211B CN 113918211 B CN113918211 B CN 113918211B CN 202111516250 A CN202111516250 A CN 202111516250A CN 113918211 B CN113918211 B CN 113918211B
- Authority
- CN
- China
- Prior art keywords
- model
- industrial equipment
- object data
- equipment object
- data model
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
- G06F8/72—Code refactoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/40—Transformation of program code
- G06F8/41—Compilation
- G06F8/44—Encoding
- G06F8/443—Optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45504—Abstract machines for programme code execution, e.g. Java virtual machine [JVM], interpreters, emulators
- G06F9/45508—Runtime interpretation or emulation, e g. emulator loops, bytecode interpretation
- G06F9/45512—Command shells
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Stored Programmes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种工业设备对象数据模型的执行方法、装置及设备,所述方法包括:获取工业设备对象数据模型,所述工业设备对象数据模型用于描述工业设备的数据之间的逻辑关系;确定所述工业设备对象数据模型对应的目标语言类型;确定所述工业设备对象数据模型对应的目标模型类型;根据所述目标模型类型,确定所述工业设备对象数据模型的执行计划的目标计算框架;根据所述目标计算框架将所述工业设备对象数据模型的节点调度到目标执行环境中进行执行。本发明提供的方案,降低工业设备使用率差异化,提高数据模型的运行效率。
Description
技术领域
本发明涉及工业设备数据处理技术领域,特别是指一种工业设备对象数据模型的执行方法、装置及设备。
背景技术
工业设备领域中,一些分析科学家会沉淀大量的设备数据资产模型以及沉淀行业中算法模型,这些大量的设备资产模型和算法模型,要转换为高效有价值的模型的,面临着模型由简单到复杂,由几个节点到几十个节点构成的拓扑图。拓扑图复杂程度不一的模型,将会占用硬件资源和硬件投入成本产生差异。
发明内容
本发明要解决的技术问题是提供一种工业设备对象数据模型的执行方法、装置及设备,以减少硬件资源使用率差异化,提高模型运行效率。
为解决上述技术问题,本发明的实施例提供一种工业设备对象数据模型的执行方法,所述方法包括:
获取工业设备对象数据模型,所述工业设备对象数据模型用于描述工业设备的数据之间的逻辑关系;
确定所述工业设备对象数据模型对应的目标语言类型;
确定所述工业设备对象数据模型对应的目标模型类型;
根据所述目标模型类型,确定所述工业设备对象数据模型的执行计划的目标计算框架;
根据所述目标计算框架将所述工业设备对象数据模型的节点调度到目标执行环境中进行执行。
可选的,所述工业设备对象数据模型包括:原始数据、根据原始数据计算得到的特征算子、根据特征算子计算得到的至少一个征兆算子、根据征兆算子计算得到的研判算子以及原始数据、特征算子、征兆算子和研判算子之间的逻辑关系。
可选的,确定所述工业设备对象数据模型的对应的目标语言类型,包括:
获取所述工业设备对象数据模型的节点的语言类型;
若所述工业设备对象数据模型的所有节点的语言类型均相同,确定所述工业设备对象数据模型对应的目标语言模型为单一语言类型;
若所述工业设备对象数据模型的节点的语言类型包括至少两种不同的语言类型,确定所述工业设备对象数据模型对应的目标语言模型为混合语言类型;其中,所述节点包括特征算子、征兆算子和研判算子中的至少一种。
可选的,确定所述工业设备对象数据模型对应的目标模型类型,包括:
若所述工业设备对象数据模型中的各子模型并行计算,则确定所述工业设备对象数据模型对应的目标模型类型为流模型;
若所述工业设备对象数据模型中的各子模型整体计算,则确定所述工业设备对象数据模型对应的目标模型类型为批模型;
所述子模型用于描述所述工业设备对象数据模型包括的部分工业设备的数据之间的逻辑关系。
可选的,根据所述目标模型类型,确定所述工业设备对象数据模型的执行计划的目标计算框架,包括:
若所述目标模型类型为流模型,确定所述工业设备对象数据模型优化后的执行计划的目标计算框架为第一计算框架;
若所述目标模型类型为批模型,确定所述工业设备对象数据模型优化后的执行计划的目标计算框架为第一计算框架或者第二计算框架。
可选的,所述目标模型类型为流模型时,得到所述工业设备对象数据模型优化后的执行计划,包括:
对所述工业设备对象数据模型进行解析,生成模型脚本;
根据所述模型脚本,生成所述工业设备对象数据模型的执行计划;
对所述执行计划进行节点合并优化处理,得到优化后的执行计划。
可选的,所述目标模型类型为批模型时,得到所述工业设备对象数据模型优化后的执行计划,包括:
对所述工业设备对象数据模型进行解析,生成模型脚本;
根据所述模型脚本,生成所述工业设备对象数据模型的执行计划;
对所述执行计划进行输入源、输出源以及节点优化到单个大脚本中,得到优化后的执行计划。
本发明的实施例还提供一种工业设备对象数据模型的执行装置,所述装置包括:
获取模块,用于获取工业设备对象数据模型,所述工业设备对象数据模型用于描述工业设备的数据之间的逻辑关系;
处理模块,用于确定所述工业设备对象数据模型对应的目标语言类型;确定所述工业设备对象数据模型对应的目标模型类型;根据所述目标模型类型,确定所述工业设备对象数据模型的执行计划的目标计算框架;根据所述目标计算框架将所述工业设备对象数据模型的节点调度到目标执行环境中进行执行。
本发明的又一实施例还提一种计算设备,包括:处理器、存储有计算机程序的存储器,所述计算机程序被处理器运行时,执行如上述实施例所述的工业设备对象数据模型的执行方法。
本发明的再一实施例还提一种计算机可读存储介质,存储指令,当所述指令在计算机上运行时,使得计算机执行如上述实施例所述的工业设备对象数据模型的执行方法。
本发明的上述方案至少包括以下有益效果:
本发明的上述方案通过获取工业设备对象数据模型,所述工业设备对象数据模型用于描述工业设备的数据之间的逻辑关系;确定所述工业设备对象数据模型对应的目标语言类型;以及所述工业设备对象数据模型对应的目标模型类型;根据所述目标模型类型,确定所述工业设备对象数据模型的执行计划的目标计算框架;并根据所述目标计算框架将所述工业设备对象数据模型的节点调度到目标执行环境中进行执行,提高所述工业设备对象模型的执行效率,降低硬件资源使用率,降低了对于系统硬件的投入成本以及硬件资源使用率差异化。
附图说明
图1是本发明的实施例提出的工业设备对象数据模型的执行方法流程图;
图2是本发明一可选实施例提供的所述工业设备对象数据模型视图;
图3是本发明一可实施例提供的数据模型为流模型时的优化示意图;
图4是本发明一可实施例提供的数据模型为批模型时的优化示意图;
图5是本发明一可选实施例提供的所述工业设备对象数据模型视图;
图6是本发明一可实施例提供的单一语言类型的流模型或批模型运行示意图;
图7是本发明一可实施例提供的混合语言类型的流模型或批模型运行示意图;
图8是本发明的实施例提出的工业设备对象数据模型的执行装置结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
如图1所示,本发明的实施例提出一种工业设备对象数据模型的执行方法,所述方法包括:
步骤11,获取工业设备对象数据模型,所述工业设备对象数据模型用于描述工业设备的数据之间的逻辑关系;
步骤12,确定所述工业设备对象数据模型对应的目标语言类型;
步骤13,确定所述工业设备对象数据模型对应的目标模型类型;
步骤14,根据所述目标模型类型,确定所述工业设备对象数据模型的执行计划的目标计算框架;
步骤15,根据所述目标计算框架将所述工业设备对象数据模型的节点调度到目标执行环境中进行执行。
该实施例中,步骤12与步骤13的先后顺序不受序号限制,在不影响本发明目的的前提下,步骤12与步骤13可以调换;所述工业设备对象数据模型,可以是依据工业业务模型中的原始数据及原始数据间的关系,对工业业务模型进行可视化图形界面构建得到的,此外,可以通过运行所述工业设备对象数据模型,或者识别器识别所述工业设备对象数据模型以验证模型的正确性;所述目标执行环境为:满足所述工业设备对象数据模型对应的目标语言类型的运行环境,所述目标执行环境可以是一个,也可以是多个,也即是所述目标执行环境可以与所述目标语言类型是一一对应的关系,以提高所述工业设备对象数据模型在所述目标执行环境中执行效率;
所述目标模型类型可以是依据所述工业设备对象数据模型的处理方式进行划分得到的;所述目标计算框架可以是计算引擎,如:Spark、Flink等,根据所述目标模型类型,确定所述目标计算框架,以降低在执行过程中模型和计算框架之间的依赖性。
如图2所示,本发明的一可选实施例中,对所述工业设备对象数据模型进行说明,所述工业设备对象数据模型包括:原始数据、根据原始数据计算得到的特征算子、根据特征算子计算得到的至少一个征兆算子、根据征兆算子计算得到的研判算子以及原始数据、特征算子、征兆算子和研判算子之间的逻辑关系。
该实施例中,所述原始数据可以是工业设备在运行过程的判断标准,或者在运行过程中产生的数据,对所述原始数据进行预设处理程序进行预计算处理,得到特征算子;对所述特征算子按照不同的处理程序进行计算处理,得到至少一个征兆算子;再对所述至少一个征兆算子进行合并计算处理,得到研判算子;对所述研判算子进行处理得到模型的最终输出结果;所述原始数据、所述特征增算子、所述至少一个征兆算子、所述研判算子以及所述输出结果为组成所述工业设备对象数据模型的基本单元,所述原始数据、所述特征算子、所述至少一个征兆算子、所述研判算子以及所述输出结果之间的逻辑关系形成模型结构视图,其中,所述输出结果作为模型的数据输出源;所述原始数据作为模型的数据输入源,所述原始数据可以是不同类型的多个原始数据,一种类型的原始数据对应一个子数据模型,则所述工业设备对象数据模型可以是多种不同类型的原始数据对应的不同子数据模型的合集,当然所述工业设备对象模型也可以仅是一种类型的原始数据对应的一个数据模型。
本发明的一可选实施例中,所述步骤12可以包括:获取所述工业设备对象数据模型的节点的语言类型;若所述工业设备对象数据模型的所有节点的语言类型均相同,确定所述工业设备对象数据模型对应的目标语言模型为单一语言类型;若所述工业设备对象数据模型的节点的语言类型包括至少两种不同的语言类型,确定所述工业设备对象数据模型对应的目标语言模型为混合语言类型;其中,所述节点包括特征算子、征兆算子和研判算子中的至少一种。
该实施例中,根据所述工业设备对象数据模型中各节点的初始语言类型对模型进行分类,通过对模型进行语言类型的划分,保证在后续进行运行时计算框架能够正确的调度模型节点到相应的目标执行环境中,以提高模型运行的准确率及效率。
本发明的一可选实施例中,所述步骤13可以包括:
步骤131,若所述工业设备对象数据模型中的各子模型并行计算,则确定所述工业设备对象数据模型对应的目标模型类型为流模型;
步骤132,若所述工业设备对象数据模型中的各子模型整体计算,则确定所述工业设备对象数据模型对应的目标模型类型为批模型;所述子模型用于描述所述工业设备对象数据模型包括的部分工业设备的数据之间的逻辑关系。
该实施例中,所述流模型可以是单一语言类型或者混合语言类型的流模型,所述批模型可以是单一语言类型或者混合语言类型的批模型。
如图3所示,工业设备对象数据模型包括:第一原始数据、第一特征算子、第一征兆算子、第二征兆算子、第i征兆算子,第一研判算子、第一输出结果构成第一子模型;第二原始数据、第二特征算子、第i+1征兆算子,第i+2征兆算子直到第N研判算子、第二输出结果构成第二子模型;当然这里的工业设备对象数据模型不限于包括两个子模型,可以包括至少两个子模型;一种可选的方式,工业设备对象数据模型也可以退化为一个单模型,即和一个子模型的架构相同。
本发明的一可选实施例中,所述步骤14可以包括:
步骤141,若所述目标模型类型为流模型,确定所述工业设备对象数据模型优化后的执行计划的目标计算框架为第一计算框架;若所述目标模型类型为批模型,确定所述工业设备对象数据模型优化后的执行计划的目标计算框架为第一计算框架或者第二计算框架。
该实施例中,用“第一”、“第二”进行描述,只是为了便于区分不同类型的所述目标计算框架,所述目标计算框架包括但不限于第一计算框架以及第二计算框架,如Spark、Flink等计算框架;当所述目标模型类型为流模型时,根据优化后模型执行计划,调度模型节点的目标计算框架只能为一种类型的计算框架,即为第一计算框架;当所述目标模型类型为批模型时,根据优化后模型执行计划,调度模型节点的目标计算框架可以是多种类型的计算框架,即为第一计算框架或第二计算框架,或者其他类型的计算框架。
进一步的,所述目标模型类型为流模型时,得到所述工业设备对象数据模型优化后的执行计划,包括:
步骤31,对所述工业设备对象数据模型进行解析,生成模型脚本;
步骤32,根据所述模型脚本,生成所述工业设备对象数据模型的执行计划;
步骤33,对所述执行计划进行节点合并优化处理,得到优化后的执行计划。
该实施例中,所述模型脚本可以是统一通用的DAG(有向无环图)模型脚本,所述执行计划是所述工业设备对象数据模型通过统一通用的脚本识别出的计划,也即是所述工业设备对象数据模型中的各个节点经统一通用的脚本识别后,生成与所述工业设备对象数据模型具有相同结构视图的执行计划中的各个算子,如图3所示,对所述执行计划中的各个算子进行合并优化,数据输入源(source)经过系统划分形成原始数据流(ODS),原始数据流经过计算输出结果集(O-DF),作为特征算子流(F-DS)的输入,经过计算,输出特征结果集(F-DF)。征兆结果集中的输出变量(F-DF-V1、F-DF-V2... F-DF-VN), 依次作为征兆算子数据流(S-DS-1、S-DS-2... S-DS-N)输入,经过计算形成征兆结果集(S-DF-1、S-DF-2 ... S-DF-N),作为研判算子数据流(S-DS)输入,计算形成研判结果集(R-DF),作为数据输出源的节点,即生成优化后的执行计划;对所述述执行计划中的各个算子进行合并优化处理,从而减少模型执行脚本的数量,降低模型中脚本之间的数据流交互,提高模型运行效率。
进一步的,当所述目标模型类型为批模型时,得到所述工业设备对象数据模型优化后的执行计划,包括:
步骤41,对所述工业设备对象数据模型进行解析,生成模型脚本;
步骤42,根据所述模型脚本,生成所述工业设备对象数据模型的执行计划;
步骤43,对所述执行计划进行输入源、输出源以及节点优化到单个大脚本中,得到优化后的执行计划。
该实施例中,当所述工业设备对象数据模型为批模型时,对应所述执行计划的生成与所述流模型对应的执行计划生成步骤一致,在此不再赘述;如图4所示,对所述执行计划进行输入源、输出源以及各个节点优化到单个大脚本中,得到优化后的执行计划,从而减少模型与计算框架(如:Flink,Spark等)的依赖性;应当知道,当所述工业设备对象数据模型为混合语言类型的模型时,在进行模型运行时,可以直接根据模型中各节点的语言类型,由计算框架直接将该节点调度到相应的语言类型目标执行环境中进行执行,也即是在执行的过程中完成优化。
以下结合具体示例对上述方法进行说明,以机械泵断泵诊断模型为例:
步骤S1,根据模型的原始数据进行处理,得到如下表所示的各节点;
步骤S2,依据表中各节点间的逻辑关系,通过可视化图形界面,生成如图5所示的模型视图;
步骤S3,对所述模型通过统一通用的脚本进行解析处理,生成执行计划,并对所述执行计划进行优化处理,得到优化后的执行计划;
步骤S4,将优化后的执行计划在目标执行环境中进行执行:当所述模型为单一语言类型且为流模型或者批模型时,执行步骤如图6所示,该优化后的执行计划为单一语言类型,当该单一语言类型为第一语言时,若模型为流模型,则选择第一计算框架将所述模型中的算子调度到第一语言运行环境中执行;其中,第一语言运行环境可以是R语言运行环境;
当所述模型为混合语言类型且为流模型或者批模型时,执行步骤如图7所示,该优化后的执行计划为混合语言类型,若模型为流模型,选择第一计算框架将所述模型中第一语言的算子调度到第一语言运行环境中执行,将第二语言的算子调度到第二语言运行环境中执行,将第三语言的算子调度到第三语言运行环境中执行;若模型为批模型,可以选择第一计算框架或者第二计算框架将所述模型中第一语言的算子调度到第一语言运行环境中执行,将第二语言的算子调度到第二语言运行环境中执行,将第三语言的算子调度到第三语言运行环境中执行;其中,第一语言运行环境可以是R语言运行环境,第二语言运行环境可以是Python2语言运行环境,第三语言运行环境可以是Python3语言运行环境。
该实施例中,通过使用同一通用脚本,减少模型执行脚本数量,从而降低模型中脚本之间的数据流交互;对所述执行计划进行优化处理,减少模型和计算框架之间的依赖,提高模型运行效率。
如图8所示,本发明的实施例还提供一种工业设备对象数据模型的执行装置80,所述装置80包括:
获取模块81,用于获取工业设备对象数据模型,所述工业设备对象数据模型用于描述工业设备的数据之间的逻辑关系;
处理模块82,用于确定所述工业设备对象数据模型对应的目标语言类型;确定所述工业设备对象数据模型对应的目标模型类型;根据所述目标模型类型,确定所述工业设备对象数据模型的执行计划的目标计算框架;根据所述目标计算框架将所述工业设备对象数据模型的节点调度到目标执行环境中进行执行。
可选的,所述工业设备对象数据模型包括:原始数据、根据原始数据计算得到的特征算子、根据特征算子计算得到的至少一个征兆算子、根据征兆算子计算得到的研判算子以及原始数据、特征算子、征兆算子和研判算子之间的逻辑关系。
可选的,确定所述工业设备对象数据模型的对应的目标语言类型,包括:
获取所述工业设备对象数据模型的节点的语言类型;
若所述工业设备对象数据模型的所有节点的语言类型均相同,确定所述工业设备对象数据模型对应的目标语言模型为单一语言类型;
若所述工业设备对象数据模型的节点的语言类型包括至少两种不同的语言类型,确定所述工业设备对象数据模型对应的目标语言模型为混合语言类型;其中,所述节点包括特征算子、征兆算子和研判算子中的至少一种。
可选的,确定所述工业设备对象数据模型对应的目标模型类型,包括:
若所述工业设备对象数据模型中的各子模型并行计算,则确定所述工业设备对象数据模型对应的目标模型类型为流模型;
若所述工业设备对象数据模型中的各子模型整体计算,则确定所述工业设备对象数据模型对应的目标模型类型为批模型;所述子模型用于描述所述工业设备对象数据模型包括的部分工业设备的数据之间的逻辑关系。
可选的,根据所述目标模型类型,确定所述工业设备对象数据模型的执行计划的目标计算框架,包括:
若所述目标模型类型为流模型,确定所述工业设备对象数据模型优化后的执行计划的目标计算框架为第一计算框架;
若所述目标模型类型为批模型,确定所述工业设备对象数据模型优化后的执行计划的目标计算框架为的第一计算框架或者第二计算框架。
可选的,所述目标模型类型为流模型时,得到所述工业设备对象数据模型优化后的执行计划,包括:
对所述工业设备对象数据模型进行解析,生成模型脚本;
根据所述模型脚本,生成所述工业设备对象数据模型的执行计划;
对所述执行计划进行节点合并优化处理,得到优化后的执行计划。
可选的,所述目标模型类型为批模型时,得到所述工业设备对象数据模型优化后的执行计划,包括:
对所述工业设备对象数据模型进行解析,生成模型脚本;
根据所述模型脚本,生成所述工业设备对象数据模型的执行计划;
对所述执行计划进行输入源、输出源以及节点优化到单个大脚本中,得到优化后的执行计划。
该装置是与上述方法对应的装置,上述方法实施例中的所有实现方式均适用于该装置的实施例中,也能达到相同的技术效果。
本发明的实施例还提供一种计算设备,包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如上所述的工业设备对象数据模型的执行方法的步骤;上述实施例中的所有实现方式均适用于该实施例中,也能达到相同的技术效果。
本发明的实施例还提供一种计算机可读存储介质,存储有指令,所述指令在计算机上运行时,使得计算机执行如上所述的工业设备对象数据模型的执行方法。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外,需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行,某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言,能够理解本发明的方法和装置的全部或者任何步骤或者部件,可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中,以硬件、固件、软件或者它们的组合加以实现,这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此,本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此,本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说,这样的程序产品也构成本发明,并且存储有这样的程序产品的存储介质也构成本发明。显然,所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种工业设备对象数据模型的执行方法,其特征在于,所述方法包括:
获取工业设备对象数据模型,所述工业设备对象数据模型用于描述工业设备的数据之间的逻辑关系;
确定所述工业设备对象数据模型对应的目标语言类型;
确定所述工业设备对象数据模型对应的目标模型类型;所述目标模型类型根据工业设备对象数据模型的处理方式进行划分得到,具体包括流模型或者批模型,所述流模型是对工业设备对象数据模型中的各子模型并行计算得到的,所述批模型是对所述工业设备对象数据模型中的各子模型整体计算得到的;
根据所述目标模型类型,确定所述工业设备对象数据模型的执行计划的目标计算框架;根据所述目标计算框架将所述工业设备对象数据模型的节点调度到目标执行环境中进行执行,所述目标执行环境为:满足所述工业设备对象数据模型对应的目标语言类型的运行环境;
其中,根据所述目标模型类型,确定所述工业设备对象数据模型的执行计划的目标计算框架,包括:
若所述目标模型类型为流模型,确定所述工业设备对象数据模型优化后的执行计划的目标计算框架为第一计算框架;
若所述目标模型类型为批模型,确定所述工业设备对象数据模型优化后的执行计划的目标计算框架为第一计算框架或者第二计算框架;
其中,所述目标模型类型为流模型时,得到所述工业设备对象数据模型优化后的执行计划,包括:
对所述工业设备对象数据模型进行解析,生成模型脚本;具体的,所述工业设备对象数据模型中的各个节点经统一通用的脚本识别后,生成与所述工业设备对象数据模型具有相同结构视图的执行计划中的各个算子;
根据所述模型脚本,生成所述工业设备对象数据模型的执行计划;
对所述执行计划进行节点合并优化处理,得到优化后的执行计划;对所述执行计划中的各个算子进行合并优化,数据输入源经过系统划分形成原始数据流,原始数据流经过计算输出结果集,作为特征算子流的输入,经过计算,输出特征结果集;征兆结果集中的输出变量,依次作为征兆算子数据流输入,经过计算形成征兆结果集,作为研判算子数据流输入,计算形成研判结果集,作为数据输出源的节点,即生成优化后的执行计划;
其中,所述目标模型类型为批模型时,得到所述工业设备对象数据模型优化后的执行计划,包括:
对所述工业设备对象数据模型进行解析,生成模型脚本;
根据所述模型脚本,生成所述工业设备对象数据模型的执行计划;
对所述执行计划进行输入源、输出源以及节点优化到单个大脚本中,得到优化后的执行计划。
2.根据权利要求1所述的工业设备对象数据模型的执行方法,其特征在于,所述工业设备对象数据模型包括:原始数据、根据原始数据计算得到的特征算子、根据特征算子计算得到的至少一个征兆算子、根据征兆算子计算得到的研判算子以及原始数据、特征算子、征兆算子和研判算子之间的逻辑关系。
3.根据权利要求2所述的工业设备对象数据模型的执行方法,其特征在于,确定所述工业设备对象数据模型的对应的目标语言类型,包括:
获取所述工业设备对象数据模型的节点的语言类型;
若所述工业设备对象数据模型的所有节点的语言类型均相同,确定所述工业设备对象数据模型对应的目标语言模型为单一语言类型;
若所述工业设备对象数据模型的节点的语言类型包括至少两种不同的语言类型,确定所述工业设备对象数据模型对应的目标语言模型为混合语言类型;其中,所述节点包括特征算子、征兆算子和研判算子中的至少一种。
4.根据权利要求1所述的工业设备对象数据模型的执行方法,其特征在于,确定所述工业设备对象数据模型对应的目标模型类型,包括:
若所述工业设备对象数据模型中的各子模型并行计算,则确定所述工业设备对象数据模型对应的目标模型类型为流模型;
若所述工业设备对象数据模型中的各子模型整体计算,则确定所述工业设备对象数据模型对应的目标模型类型为批模型;
所述子模型用于描述所述工业设备对象数据模型包括的部分工业设备的数据之间的逻辑关系。
5.一种工业设备对象数据模型的执行装置,其特征在于,所述装置包括:
获取模块,用于获取工业设备对象数据模型,所述工业设备对象数据模型用于描述工业设备的数据之间的逻辑关系;
处理模块,用于确定所述工业设备对象数据模型对应的目标语言类型;确定所述工业设备对象数据模型对应的目标模型类型;所述目标模型类型根据工业设备对象数据模型的处理方式进行划分得到,具体包括流模型或者批模型,所述流模型是对工业设备对象数据模型中的各子模型并行计算得到的,所述批模型是对所述工业设备对象数据模型中的各子模型整体计算得到的;根据所述目标模型类型,确定所述工业设备对象数据模型的执行计划的目标计算框架;根据所述目标计算框架将所述工业设备对象数据模型的节点调度到目标执行环境中进行执行,所述目标执行环境为:满足所述工业设备对象数据模型对应的目标语言类型的运行环境;
其中,根据所述目标模型类型,确定所述工业设备对象数据模型的执行计划的目标计算框架,包括:
若所述目标模型类型为流模型,确定所述工业设备对象数据模型优化后的执行计划的目标计算框架为第一计算框架;
若所述目标模型类型为批模型,确定所述工业设备对象数据模型优化后的执行计划的目标计算框架为第一计算框架或者第二计算框架;
其中,所述目标模型类型为流模型时,得到所述工业设备对象数据模型优化后的执行计划,包括:
对所述工业设备对象数据模型进行解析,生成模型脚本;具体的,所述工业设备对象数据模型中的各个节点经统一通用的脚本识别后,生成与所述工业设备对象数据模型具有相同结构视图的执行计划中的各个算子;
根据所述模型脚本,生成所述工业设备对象数据模型的执行计划;
对所述执行计划进行节点合并优化处理,得到优化后的执行计划;对所述执行计划中的各个算子进行合并优化,数据输入源经过系统划分形成原始数据流,原始数据流经过计算输出结果集,作为特征算子流的输入,经过计算,输出特征结果集;征兆结果集中的输出变量,依次作为征兆算子数据流输入,经过计算形成征兆结果集,作为研判算子数据流输入,计算形成研判结果集,作为数据输出源的节点,即生成优化后的执行计划;
其中,所述目标模型类型为批模型时,得到所述工业设备对象数据模型优化后的执行计划,包括:
对所述工业设备对象数据模型进行解析,生成模型脚本;
根据所述模型脚本,生成所述工业设备对象数据模型的执行计划;
对所述执行计划进行输入源、输出源以及节点优化到单个大脚本中,得到优化后的执行计划。
6.一种计算设备,其特征在于,包括:处理器、存储有计算机程序的存储器,所述计算机程序被处理器运行时,执行如权利要求1至4任一项所述的方法。
7.一种计算机可读存储介质,其特征在于,存储指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1至4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111516250.7A CN113918211B (zh) | 2021-12-13 | 2021-12-13 | 一种工业设备对象数据模型的执行方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111516250.7A CN113918211B (zh) | 2021-12-13 | 2021-12-13 | 一种工业设备对象数据模型的执行方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113918211A CN113918211A (zh) | 2022-01-11 |
CN113918211B true CN113918211B (zh) | 2022-06-07 |
Family
ID=79249000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111516250.7A Active CN113918211B (zh) | 2021-12-13 | 2021-12-13 | 一种工业设备对象数据模型的执行方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113918211B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020200750A1 (de) * | 2019-04-01 | 2020-10-08 | Siemens Aktiengesellschaft | Verfahren und system zum betreiben eines industriellen automatisierungssystems |
EP3917114A1 (en) * | 2020-05-27 | 2021-12-01 | Siemens Aktiengesellschaft | Method, device and system for establishing connectivity between industrial environment and computing platform |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109933306B (zh) * | 2019-02-11 | 2020-07-14 | 山东大学 | 一种基于作业类型识别的自适应混合云计算框架生成方法 |
CN110109748B (zh) * | 2019-05-21 | 2020-03-17 | 星环信息科技(上海)有限公司 | 一种混合语言任务执行方法、装置及集群 |
CN110287171B (zh) * | 2019-06-28 | 2020-05-26 | 北京九章云极科技有限公司 | 一种数据处理方法及系统 |
CN111709528B (zh) * | 2020-08-18 | 2021-01-05 | 北京工业大数据创新中心有限公司 | 一种专家规则的保护方法及装置 |
CN111767032B (zh) * | 2020-09-02 | 2022-03-11 | 北京工业大数据创新中心有限公司 | 一种工业设备故障的专家规则的处理方法及装置 |
CN112947914A (zh) * | 2021-03-31 | 2021-06-11 | 中国建设银行股份有限公司 | 一种基于模型的代码生成方法、装置、计算机设备及介质 |
-
2021
- 2021-12-13 CN CN202111516250.7A patent/CN113918211B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020200750A1 (de) * | 2019-04-01 | 2020-10-08 | Siemens Aktiengesellschaft | Verfahren und system zum betreiben eines industriellen automatisierungssystems |
EP3917114A1 (en) * | 2020-05-27 | 2021-12-01 | Siemens Aktiengesellschaft | Method, device and system for establishing connectivity between industrial environment and computing platform |
Also Published As
Publication number | Publication date |
---|---|
CN113918211A (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | On complexity and optimization of expensive queries in complex event processing | |
Burattin et al. | PLG: A framework for the generation of business process models and their execution logs | |
US11314808B2 (en) | Hybrid flows containing a continous flow | |
CN108664241B (zh) | 一种将SysML模型进行仿真验证的方法 | |
Marzolla | Simulation-based performance modeling of UML software architectures. | |
Balbo et al. | Understanding parallel program behavior through petri net models | |
CN114168998A (zh) | 数据处理方法和装置 | |
CN107704235A (zh) | 图形化建模中数据流程图的解析方法、系统及存储介质 | |
Tapia-Flores et al. | Discovering petri net models of discrete-event processes by computing T-invariants | |
CN112463143A (zh) | 一种基于dag的动态可重排方法 | |
Seol et al. | Design process modularization: concept and algorithm | |
CN111460620A (zh) | 一种试验评估模型构建方法及系统 | |
CN112685004B (zh) | 一种基于实时流计算的在线组件编排计算方法及系统 | |
Nidumolu et al. | Object-oriented business process modeling and simulation:: A discrete event system specification framework | |
CN114138274A (zh) | 一种深度学习编译器的高层中间表示转换方法及相关装置 | |
CN111444635B (zh) | 一种基于xml语言的系统动力学仿真建模方法及系统 | |
CN113918211B (zh) | 一种工业设备对象数据模型的执行方法、装置及设备 | |
CN115658021B (zh) | 动态模型的确定方法、装置、存储介质及电子设备 | |
CN113986908B (zh) | 一种工业设备数据的处理方法、装置及设备 | |
CN116401025A (zh) | 一种数据处理系统及数据处理方法 | |
CN114757124B (zh) | 一种基于xml的cfd工作流建模方法、装置、计算机及存储介质 | |
Ara et al. | Compositional dataflow modelling for cyclo-static applications | |
CN114925591A (zh) | 基于多面体模型建模的自动并行策略搜索方法及相关设备 | |
CN110472292B (zh) | 工业设备数据仿真配置系统及方法 | |
Scheinert et al. | Perona: Robust infrastructure fingerprinting for resource-efficient big data analytics |
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 |