CN114722037A - 工业互联网中间件数据处理方法、中间件和可读存储介质 - Google Patents

Abstract

本发实施例公开了一种工业互联网中设备与中间件数据处理的方法，其中，对企业工业数据进行数据清洗，将不完整工业数据进行统计得到第一数据集，将错误值工业数据进行统计得到第二数据集，将重复记录工业数据进行统计得到第三数据集，将不一致性工业数据进行统计得到第四数据集；对所述数据清洗后的工业数据利用分析判断模型进行分类，划分出企业设备运行信息和业务处理信息，获得第五和第六数据集；利用异常检测模型对所述第一到第六数据集进行检测，对所述企业设备运行信息进行异常判断，得到检测结果。设备与中间件实现了边缘计算，对工业互联网中的企业设备进行快速定位，减轻了核心网络计算压力，帮助企业快速获取解决故障办法。

Description

工业互联网中间件数据处理方法、中间件和可读存储介质

技术领域

本发明涉及数据处理技术，尤其是一种工业互联网中间件数据处理方法、中间件和可读存储介质。

背景技术

工业互联网标识解析体系的核心包括由标识编码、标识载体、标识解析系统、标识数据服务4个部分。标识编码能够唯一识别机器、产品等物理资源和算法、工序、标识数据等虚拟资源的身份符号，类似于“身份证”。标识载体能够承载标识编码的标签或存储装置，包括主动标识载体和被动标识载体两类。标识解析系统能够根据标识编码查询目标对象网络位置或者相关信息的系统，对机器和物品进行唯一性的定位和信息查询，是实现全球供应链系统和企业生产系统的精准对接、产品全生命周期管理和智能化服务的前提和基础。标识数据服务能够借助标识编码资源和标识解析系统开展工业标识数据管理和跨企业、跨行业、跨地区、跨国家的数据共享共用。

工业互联网中存在多种标准和体系，导致标识数据格式多样化和异构化。异构标识互操作是实现不同标识系统编码兼容和系统互联互通的关键，通过对各个标识体系间建立数据互认、数据映射以及交互协议等，解决标识体系之间由于数据定义、数据结构等差异造成的体系不互通、不兼容问题。

发明内容

本发明实施例提供一种工业互联网中间件数据处理方法和装置，提高多标识体系间的互操作能力，建立将标识映射到标识、标识映射到地址、标识映射到数据的综合性解析服务，形成统一管理、异构兼容的标识解析节点服务网络，促进多标识体系的互联和互通。

根据本发明实施例的一个方面，提供的一种工业互联网中设备与中间件（102）数据处理的方法，包括：

依据设定的数据划分标准对采集到的原始企业工业数据进行划分，并将各种企业设备的通讯接口协议转换为统一的标准协议格式；

对所述标准协议格式企业工业数据进行数据清洗，对工业数据重新审查和校验，将不完整工业数据进行统计得到第一数据集，将错误值工业数据进行统计得到第二数据集，将重复记录工业数据进行统计得到第三数据集，将不一致性工业数据进行统计得到第四数据集；

对所述数据清洗后的工业数据利用分析判断模型工业数据进行分类，划分出企业设备运行信息和业务处理信息，进行数据规约最大限度地精简数据量，获得企业设备运行信息的第五数据集和企业设备业务处理信息的第六数据集；

利用异常检测模型对所述第一数据集、第二数据集、第三数据集、第四数据集、所述第五数据集和第六数据集进行检测，对工业设备运行信息进行异常判断，得到检测结果；

若检测结果为异常，则通过企业工业数据获得企业设备相关方，把检测结果发送给企业设备相关方进行报警。

可选地，在本发明任一实施例的方法中，依据设定的数据划分标准对采集到的原始企业工业数据进行划分，并将各种企业设备的通讯接口协议转换为统一的标准协议格式之前，进一步包括企业设备要根据企业自身的数据库类型选择创建匹配的工业数据采集方式，将配置信息进行存储。

可选地，在本发明任一实施例的方法中，根据类型字典将处理后的工业数据按照先行业、后类型的顺序进行分类存储。

可选地，在本发明任一实施例的方法中，二级节点下企业可以对所述分类存储数据进行数据订阅和数据查询。

可选地，在本发明任一实施例的方法中，所述利用异常检测模型对所述第一数据集、第二数据集、第三数据集、第四数据集进行检测，对工业设备运行信息进行异常判断，得到检测结果，具备包括：

针对所述第一数据集，统计采集到所述工业设备规定时间段内错误值数据采集的次数，当规定时间段内采集到错误值数据的次数大于预设阈值时，所述工业设备处于离线状态；

针对所述第二数据集，统计采集到所述工业设备连续不完整数据的次数，当连续采集到不完成数据的次数大于预设阈值时，所述工业设备处于故障状态；

针对所述第三数据集，统计采集到所述工业设备规定时间段内重复数据采集的次数，当规定时间段内采集到重复数据的次数大于预设阈值时，所述工业设备处于异常状态；

针对所述第四数据集，统计采集到所述工业设备连续不一致性的次数，当连续采集到不一致性数据的次数大于预设阈值时，所述工业设备处于故障状态。

可选地，在本发明任一实施例的方法中，所述利用异常检测模型对所述第五数据集和第六数据集进行检测，对工业设备运行信息进行异常判断，得到检测结果，具备包括：

其中，X为第五数据集数据，Y为第六数据集数据，COV表示协方差，

为标准差，

为皮尔逊相关系数，

为均值，E为期望。

可选地，当所述皮尔逊相关系数大于6%，则判断所述工业设备运行异常。

可选地，在本发明任一实施例的方法中，所述企业工业数据为工业互联网中的标识数据，所述标识数据包括前缀字段、后缀字段，以及安全字段三个部分。

根据本发明实施例的第二个方面，提供的一种工业互联网中设备与中间件（102），包括：

数据采集模块（201），用于依据设定的数据划分标准对采集到的原始企业工业数据进行划分，并将各种企业设备的通讯接口协议转换为统一的标准协议格式；

数据处理模块（202），用于对所述标准协议格式企业工业数据进行数据清洗，对工业数据重新审查和校验，将不完整工业数据进行统计得到第一数据集，将错误值工业数据进行统计得到第二数据集，将重复记录工业数据进行统计得到第三数据集，将不一致性工业数据进行统计得到第四数据集；对所述数据清洗后的工业数据利用分析判断模型进行分类，划分出企业设备运行信息和业务处理信息，进行数据规约精简数据量，获得企业设备运行信息的第五数据集和企业设备业务处理信息的第六数据集；

数据分析模块（203），用于利用异常检测模型对所述第一数据集、第二数据集、第三数据集、第四数据集、所述第五数据集和所述第六数据集进行检测，对工业设备运行信息进行异常判断，得到检测结果；

数据存储模块（204），将处理后的工业数据通过类型字典，对工业数据按照先行业后类型的顺序进行分类存储；

数据交互模块（205），用于与企业节点（101）下企业进行数据订阅和数据查询；

节点管理模块（206），用于存储和认证企业节点（101）、存储二级节点（103）和国家顶级节点（104）相关信息。

根据本发明实施例的第三个方面，提供的一种计算机可读介质，该计算机程序被处理器执行时，实现如上述第一方面的工业互联网中设备与中间件（102）数据处理的方法中任一实施例的方法。

基于本发明上述实施例提供的工业互联网中间件数据处理方法和装置，本公开实施例通过“可以依据设定的数据划分标准对采集到的原始企业工业数据进行划分，并将各种企业设备的通讯接口协议转换为统一的标准协议格式；对所述标准协议格式企业工业数据进行数据清洗；对所述数据清洗后的工业数据利用分析判断模型工业数据进行分类，划分出企业设备运行信息和业务处理信息”，设备与中间件实现系统软件和应用软件之间数据传输、过滤、转换等功能的工业互联网标识解析服务设备，是解决数据交互、多源异构标识互通，实现多系统部件之间的互通和资源共享的有效手段，促进工业互联网各软硬件间的数据互通和资源共享；同时，设备与中间件提供了异构标识互操作，实现不同标识系统编码兼容和系统互联互通的关键，通过对各个标识体系间建立数据互认、数据映射以及交互协议等，解决标识体系之间由于数据定义、数据结构等差异造成的体系不互通、不兼容问题。

本公开实施例通过“利用异常检测模型对所述第一数据集、第二数据集、第三数据集、第四数据集、所述第五数据集和第六数据集进行检测，对工业设备运行信息进行异常判断”，设备与中间件实现了边缘计算，对工业互联网中的企业设备进行快速定位，减轻了核心网络计算压力；同时“则通过企业工业数据获得企业设备相关方，把检测结果发送给企业设备相关方进行报警”帮助企业快速获取解决故障办法。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：

图1为本发明工业互联网标识解析部署架构图；

图2是本发明设备与中间件结构示意图；

图3为本发明设备与中间件工作流程图；

图4为本发明标识数据结构示意图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。

还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。

还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。

另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。

还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本发明实施例可以应用于终端设备、计算机系统和服务器中的至少一种电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统和服务器中的至少一种电子设备一起使用的众所周知的计算环境和/或配置的例子包括但不限于：个人计算机服务器计算机瘦客户机、厚客户机、手持或膝上设备、基于微处理器的机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。

终端设备、计算机系统和服务器中的至少一种电子设备可以在由计算机系统执行的计算机系统可执行指令（诸如程序模块）的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

请参考图1，示出了根据本公开的工业互联网标识解析部署架构图，包括：企业节点（101）、设备与中间件（102）、二级节点（103）、国家顶级节点（104）、国际根节点（105）。

其中，国际根节点（105）：是指一种标识体系管理的最高层级服务节点，提供面向全球范围公共的根层级的标识服务，并不限于特定国家或地区。

国家顶级节点（104）：是指一个国家或地区内部最顶级的标识服务节点，能够面向全国范围提供顶级标识解析服务，以及标识备案、标识认证等管理能力。

二级节点（103）：是面向特定行业或者多个行业提供标识服务的公共节点。二级节点既要向上与国家顶级节点对接，又要向下为工业企业分配标识编码及提供标识注册、标识解析、标识数据服务等，同时满足安全性、稳定性和扩展性等方面的要求。

企业节点（101）：是指一个企业内部的标识服务节点，能够面向特定企业提供标识注册、标识解析服务、标识数据服务等，既可以独立部署，也可以作为企业信息系统的组成要素。

设备与中间件（102）：是指标识解析体系的关键性入口设施，能够通过缓存等技术手段提升整体服务性能。指提供系统软件和应用软件之间数据传输、过滤、转换等功能的工业互联网标识解析服务设备，是解决数据交互、多源异构标识互通，实现多系统部件之间的互通和资源共享的有效手段。

在设备与中间件（102）中只要实现边缘分析和边缘计算，边缘分析可以调用预先定义的分析算法，从边缘侧对标识数据进行实时分析，例如对原始工业数据进行协议转换、数据清洗、数据规约和数据归一化处理。

边缘计算利用分析判断模型（例如神经网络模型，并可以进行模型优化更新）对经过处理后的原始工业数据进行分类，划分出设备运行信息和业务处理信息；利用异常检测模型对设备运行信息进行异常判断，得到检测结果，若检测结果为异常，则把检测结果并进行报警。

此外，标识解析服务的查询触发，可以是来自企业信息系统、工业互联网平台、工业互联网APP等多种不同形式。

请参考图2，示出了根据本公开的设备与中间件（102）结构示意图，企业用户通过设备与中间件（102）添加数据源和设备，设备与中间件（102）根据不同数据源和不同网络协议建立连接，对目标中的数据进行采集，通过对数据的协议转换以及异构数据的处理后，将标准化数据存储在数据库中；并且提供标准化数据的订阅，满足企业用户对数据利用的需求。设备与中间件（102）具体包括：数据采集模块（201）、数据处理模块（202）、数据分析模块（203）、数据存储模块（204）、数据交互模块（205）和节点管理模块（206）。

数据采集模块（201），用于采集企业节点（101）下的企业数据，企业数据是指现场数据，数据采集模块包括但不仅限于现场仪表、PLC、摄像头。企业节点（101）下的企业设备在接入设备与中间件（102）进行数据采集时，首先要根据企业自身的数据库类型选择创建匹配的数据采集方式。设备与中间件（102）支持但不限于Oracle、SqlServer、MySQL、PostgreSQL等数据库的配置与连接，企业需配置数据库的连接地址、账号和密码，指定需要采集的数据库表和SQL查询语句。创建数据采集的工作流程，企业设备可以根据采集需求进行相应设置。企业设备在接入设备与中间件（102）进行数据采集时，需要在中间件创建设备，设置设备的通信协议、数据协议，设备支持主动或被动的心跳检测，若企业设备使用的是国内/国际的标准协议，可以根据标准协议进行自动快速配置；若企业设备使用非标准协议，可以对非标准协议进行数据报文截取、转义等配置。

数据处理模块（202）用于对数据采集模块（201）采集到企业数据进行协议转换、数据清洗、数据规约和数据归一化处理。

依据设定的数据划分标准对采集到的原始企业数据进行划分，并将各种企业设备的通讯接口协议转换为统一的标准协议格式；协议转换是一种映射，就是把某一协议的收发信息或事件序列映射为另一协议的收发信息序列。在接入各种智能化系统的终端设备时，存在多种协议，如OPC、Bacnet、ModBus、HTTP、MQTT、企业自有SDK、DLL动态链接库等，企业设备系统彼此之间存在协议壁垒，造成对接打通困难。本实施例通过将各种通讯接口协议均转换成HTTP协议格式，由于HTTP协议格式是软件应用平台中使用十分广泛、标准又易用的协议格式，因此能够为后续数据使用、传输、第三方应用平台对接等带来极大的方便，使设备之间的信息传输成本、计算成本、运维巡检成本都得到降低。当然，在这里只是进行示例性的说明，本领域技术人员完全有能力根据实际情况进行相应的协议设计。

数据清洗对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。

解决不完整数据（即值缺失）的方法，大多数情况下，缺失的值必须手工填入（即手工清理）。当然，某些缺失值可以从本数据源或其它数据源推导出来，这就可以用平均值、最大值、最小值或更为复杂的概率估计代替缺失的值，从而达到清理的目的。将不完整数据进行统计得到第一数据集。

错误值的检测及解决方法，用统计分析的方法识别可能的错误值或异常值，如偏差分析、识别不遵守分布或回归方程的值，也可以用简单规则库（常识性规则、业务特定规则等）检查数据值，或使用不同属性间的约束、外部的数据来检测和清理数据。将错误值数据进行统计得到第二数据集。

重复记录的检测及消除方法，数据库中属性值相同的记录被认为是重复记录，通过判断记录间的属性值是否相等来检测记录是否相等，相等的记录合并为一条记录（即合并/清除），合并/清除是消重的基本方法。将重复记录数据进行统计得到第三数据集。

不一致性（数据源内部及数据源之间）的检测及解决方法，从多数据源集成的数据可能有语义冲突，可定义完整性约束用于检测不一致性，也可通过分析数据发现联系，从而使得数据保持一致。将不一致性数据进行统计得到第四数据集。

数据规约是指利用分析判断模型（例如神经网络模型，并可以进行模型优化更新）对经过清洗后的工业数据进行分类，划分出设备运行信息和业务处理信息，最大限度地精简数据量。获得设备运行信息数据的第五数据集和业务处理信息数据的第六数据集。

国际相关标准化工作主要在集中在ISO/IEC（国际标准化组织和国际电工委员会）的ISO/IEC JTC1信息技术委员下设SC6系统间远程通信和信息交换技术委员会和SC31自动识别与数据采集技术委员会，IEC（国际电工委员会）的TC3文献资料、图形符号及技术资料表示法委员会，TC65工业过程测量、控制和自动化技术委员会。ITU（国际电信联盟）的ITU-T国际电信联盟电信标准分局下设SG2业务提供和电信管理运营工作组、SG17安全工作组、SG20智慧城市工作组。IETF（互联网工程任务组）的DETNET确定性网络组、LPWAN低功耗广域网上IPv6组、LISP定位器/ID分离协议组，NWG网络工作组。

国内从国家、行业、地方、团体和企业标准五个层级开展标准化工作，相关标准化工作主要集中在全国物品编码标准化技术委员会（TC287）、全国信息技术标准化技术委员会（TC28），全国通信标准化技术委员会（TC485）、中国通信标准化协会（CCSA）、全国信息安全标准化技术委员会（TC260）、全国物流信息管理标准化技术委员会（TC267）、全国工业过程测量控制和自动化标准化技术委员会（TC124）、全国防伪标准化技术委员会（TC218）、全国自动化系统与集成标准化技术委员会（TC159）等委员会以及行业协会。

由于，全球存在多种标识解析架构，以EPCglobal架构、OID架构、DOA架构等为主，其中EPCglobal由国际物品编码协会组织推进，OID由 ISO/IEC和ITU-T国际标准化组织推进，DOA的主要实现系统Handle由 DONA基金会组织运行。因此，设备与中间件（102）采集到的标识数据格式存在多样性，数据处理模块（202）进行数据规约对后续数据处理、利用十分必要。

数据归一化就是在数据整合和合并之后，每一个收集到的衍射点的强度可能带有多种测量误差以及多种物理因子所引起的系统性变化，需要将数据进行处理的过程。首先，同一个衍射点可能被收集了多次；其次，理论上一组由对称性相联系的衍射点的衍射强度应该是相同的，将这些理论上衍射强度相同的点的实验测量值进行统计平均，并辅以针对辐射损伤和吸收的校正。

数据分析模块（203）用于通过所述第一数据集、第二数据集、第三数据集、第四数据集和所述第五数据集，利用异常检测模型对设备运行信息进行异常判断，得到检测结果，若检测结果为异常，则把检测结果并进行报警。

针对第一数据集，可以统计采集到设备规定时间段内错误值数据采集的次数，当规定时间段内采集到错误值数据的次数大于预设阈值时，说明该设备处于离线状态，则设备与中间件（102）向企业用户发送报警提示，以提醒企业用户及时检查设备。

针对第二数据集，可以统计采集到设备连续不完整数据的次数，当连续采集到不完成数据的次数大于预设阈值时，说明该设备处于错误状态，则设备与中间件（102）向企业用户和设备维修方或设备生产方发送报警提示，以提醒企业用户及时检查设备。

针对第三数据集，可以统计采集到设备规定时间段内重复数据采集的次数，当规定时间段内采集到重复数据的次数大于预设阈值时，说明该设备处于异常状态，则设备与中间件（102）向企业用户发送报警提示，以提醒企业用户及时检查设备。

针对第四数据集，可以统计采集到设备连续不一致性的次数，当连续采集到不一致性数据的次数大于预设阈值时，说明该设备处于错误状态，则设备与中间件（102）向企业用户和设备维修方或设备生产方发送报警提示，以提醒企业用户及时检查设备。

根据所述第五、六数据集中的数据判断所述工业设备运行异常的方式可以是根据预设算法从设备运行信息数据和业务处理信息数据中筛选出与所述待预测工业设备是否异常的相关性超过预设值，其中，所述预设算法包括皮尔逊相关系数算法；其中，所述皮尔逊相关系数算法对应的公式为：

其中，X为第五数据集数据，Y为第六数据集数据，COV表示协方差，

为标准差，

为皮尔逊相关系数，

为均值，E为期望；当所述皮尔逊相关系数大于6%，则判断所述工业设备运行异常。计算设备运行信息数据和业务处理信息数据两两之间的特征相关性，可以准确判断设备运行情况。

数据存储模块（204），对数据采集模块（201）采集的数据经过数据处理模块（202）处理后，制定类型字典，对数据按照先行业后类型的顺序进行分类存储。其中，各企业本地布置数据平台可以存储从其他企业数据平台交换过来的数据。在各企业数据平台之间进行每次数据交换时，设备与中间件（102）的数据存储模块（204）存储各企业数据平台的原始交换消息。同时可以通过创建数据模型，将交换过来的数据直接映射到自身的数据库表中。二级节点（103）应与设备与中间件（102）建立数据同步的机制，获取所属企业节点的所有数据，建立行业资源池。二级节点（103）应可以按类型分类存储这些数据，同时需保证数据的传输、存储的安全。

数据交互模块（205）和企业节点（101）相连接，用于企业节点（101）下企业的数据订阅和数据查询。数据订阅，例如行业周刊或月刊模式的数据订阅，仅获取各企业合法公开的数据，在数据订阅时保证数据获取的合法性，标识解析中间件具备数据订阅能力，提供包括路由、匹配、广播等多种消息订阅模式，具备完善的消息确认机制、消息重试机制保证传输数据的完整性。企业节点（101）下的企业节点若需对采集的数据再次使用和存储时，需要订阅设备与中间件（102）的数据采集消息，设备与中间件（102）在数据采集后发布消息通知，订阅了该消息的企业节点（101）下的企业节点会收到自己企业的数据，在收到消息后应对消息进行确认回复。

数据查询针对接入和非接入设备与中间件（102）的使用者提供数据查询服务，支持标识查询，包括精准查询和模糊查询。标识查询支持通过企业名称、标识前缀、关键字对企业节点信息进行查询。企业节点对数据模板应对标识模板设置开放权限。数据查询者应按照设备与中间件（102）的对接要求完成身份识别，方可调用数据查询接口，设备与中间件（102）按照数据归属者设置的开放权限返回数据。

节点管理模块（206），用于存储和认证企业节点、存储二级节点（103）和国家顶级节点（104）相关信息。二级节点（103）和国家顶级节点（104）接入设备与中间件（102），需要登记节点的基本信息，数据库地址及账号密码，审核通过后生成秘钥证书，二级节点（103）和国家顶级节点（104）向设备与中间件（102）发起请求时需要使用证书按照认证的要求进行身份认证。

通过采用本实施例的技术方案，能够将不同品牌、不同型号、不同协议等各种智能化系统的企业设备协议转化为软件应用平台的通用协议，并根据业务和应用需求开放接口授权，将IoT通讯能力开放给外部应用服务使用，相较于现有的数据集成方法，在实时性、稳定性和扩展性方面都得到显著的提升，能够适用于中大型工业互联网使用。

请参考图3示出了基于本公开的设备与中间件（102）工作流程。

在工业互联网解析体系内，存在N个企业设备，上述企业设备个数N可以大于或等于2。在本示例中，我们假设存在三个企业设备，企业设备A、企业设备B和企业设备C。

步骤S301，企业设备A、企业设备B和企业设备C要根据企业自身的数据库类型选择创建匹配的数据采集方式。设备与中间件（102）支持但不限于Oracle、SqlServer、MySQL、PostgreSQL等数据库的配置与连接，企业需配置数据库的连接地址、账号和密码，指定需要采集的数据库表和SQL查询语句。创建数据采集的工作流程，企业设备可以根据采集需求进行相应设置。企业设备在接入设备与中间件（102）（与多源数据采集的设备与中间件（102）是否为一个）进行数据采集时，需要在中间件创建设备，设置设备的通信协议、数据协议，设备支持主动或被动的心跳检测，若企业设备使用的是国内/国际的标准协议，可以根据标准协议进行自动快速配置；若企业设备使用非标准协议，可以对非标准协议进行数据报文截取、转义等配置。设备与中间件（102）上述配置信息存储到数据存储模块（204）中。

步骤S302，设备与中间件（102）采用主动或者被动方式采集企业设备A、企业设备B和企业设备C数据。企业设备A、企业设备B和企业设备C通过接入接口向企业设备A、企业设备B和企业设备C发送标识数据。在接入各种智能化系统的企业设备时，存在多种协议，如OPC、Bacnet、ModBus、HTTP、MQTT、企业自有SDK、DLL动态链接库等，企业设备系统彼此之间存在协议壁垒。

步骤S303，设备与中间件（102）依据设定的数据划分标准对采集到的原始企业数据进行划分，并将各种企业设备的通讯接口协议转换为统一的标准协议格式。本实施例通过将各种通讯接口协议均转换成HTTP协议格式，由于HTTP协议格式是软件应用平台中使用十分广泛、标准又易用的协议格式，因此能够为后续数据使用、传输、第三方应用平台对接等带来极大的方便，使设备之间的信息传输成本、计算成本、运维巡检成本都得到降低。当然，在这里只是进行示例性的说明，本领域技术人员完全有能力根据实际情况进行相应的协议设计。

如图4所示，所述标识数据包括多包括前缀字段、后缀字段，以及可选的安全字段等三个部分。前缀字段用于唯一标识企业主体，后缀字段用于识别标识对象和属性，安全字段用于进行安全认证，例如数字签名等。在本实施例中，所述后缀字段包括但不限于设备编号、设备名称、设备使用企业、设备制造企业、设备状态或者设备型号。当然，本发明在具体实施时，并不仅限于包括以上模型字段内容，还可以根据实际需要设置其他的模型字段内容。

步骤S304，设备与中间件（102）数据清洗对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性，将不完整数据进行统计得到第一数据集，将错误值数据进行统计得到第二数据集，将重复记录数据进行统计得到第三数据集，将不一致性数据进行统计得到第四数据集。

步骤S305，设备与中间件（102）利用分析判断模型（例如神经网络模型，并可以进行模型优化更新）对数据清洗后的工业数据进行分类，划分出设备运行信息和业务处理信息，进行数据规约最大限度地精简数据量。获得企业设备标识数据的第五数据集和业务处理信息数据的第六数据集。

全球存在多种标识解析架构，以EPC global架构、OID架构、DOA架构等为主，其中EPC global由国际物品编码协会组织推进，OID由ISO/IEC和ITU-T国际标准化组织推进，DOA的主要实现系统Handle由DONA基金会组织运行。因此，设备与中间件（102）采集到的标识数据格式存在多样性，进行数据规约对后续数据处理、利用十分必要。

在本实施例的一个具体分析判断模型实施例中，既可以征对非结构化工业数据，也可以针对结构化工业数据。

针对非结构化工业数据，获取工业数据中包含的设备运行和业务处理关键词，对所有获取到的关键词对应类别ID进行划分，完成类别1、类别2到类别N的划分，所述N为大于等于3的整数，加载与类别ID对应的训练库，并生成训练库分析器，对数据进行分词处理，选择过滤词进行调用；将现场采集的工业数据与训练库分析器进行计算，并比较其赋权值，若结果与权值最高的类相符，则直接将其结果输出，若结果与权值最高的类不相符，则重新返回，重复上述操作，直到将所有工业数据当中的关键词全部提取完毕，完成数据的分类处理。

针对结构化工业数据，将采集到的工业数据，通过数据字典映射到语义描述框架中。将数据中的数据名称通过数据字典的数据名称进行匹配，匹配出最符合的数据名称映射到语义描述框架数据名称字段，如果数据字典有该数据的工业互联网标识，则将工业互联网标识映射到语义描述框架标识字段中，形成了清洗后第五数据集和第六数据集的元数据模板。

在本实施例中数据清洗后的工业数据可以由下表数据组成：

步骤S306，设备与中间件（102）用于通过所述第一数据集、第二数据集、第三数据集、第四数据集和所述第五数据集，利用异常检测模型对设备运行信息进行异常判断，得到检测结果，若检测结果为异常，则把检测结果并进行报警。

步骤S307，设备与中间件（102）进行数据归一化处理，以方便后续系统统计。

步骤S308，设备与中间件（102）将处理后的数据通过制定的类型字典，对数据按照先行业后类型的顺序进行分类存储。

在本实施例中，设备与中间件（102）和企业节点（101）相连接，用于企业节点（101）下企业的数据订阅和数据查询。数据订阅，例如行业周刊或月刊模式的数据订阅，仅获取各企业合法公开的数据，在数据订阅时保证数据获取的合法性，标识解析中间件具备数据订阅能力，提供包括路由、匹配、广播等多种消息订阅模式，具备完善的消息确认机制、消息重试机制保证传输数据的完整性。企业节点（101）下的企业节点若需对采集的数据再次使用和存储时，需要订阅设备与中间件（102）的数据采集消息，设备与中间件（102）在数据采集后发布消息通知，订阅了该消息的企业节点（101）下的企业节点会收到自己企业的数据，在收到消息后应对消息进行确认回复。

数据查询针对接入和非接入设备与中间件（102）的使用者提供数据查询服务，支持标识查询，包括精准查询和模糊查询。标识查询支持通过企业名称、标识前缀、关键字对企业节点信息进行查询。企业节点对数据模板应对标识模板设置开放权限。数据查询者应按照设备与中间件（102）的对接要求完成身份识别，方可调用数据查询接口，设备与中间件（102）按照数据归属者设置的开放权限返回数据。

在本实施例中，在设备与中间件（102）对外部提供统一的数据格式和标准接口服务时，根据业务和应用要求开放接口授权，设置安全认证机制，可以同时区分不同的接口设置分级权限，即对不同的接口设置不同的权限级别，保证只有达到指定权限级别的应用才能够调用对应的服务接口。

本公开实施例通过“可以依据设定的数据划分标准对采集到的原始企业工业数据进行划分，并将各种企业设备的通讯接口协议转换为统一的标准协议格式；对所述标准协议格式企业工业数据进行数据清洗；对所述数据清洗后的工业数据利用分析判断模型工业数据进行分类，划分出企业设备运行信息和业务处理信息”，设备与中间件实现系统软件和应用软件之间数据传输、过滤、转换等功能的工业互联网标识解析服务设备，是解决数据交互、多源异构标识互通，实现多系统部件之间的互通和资源共享的有效手段，促进工业互联网各软硬件间的数据互通和资源共享；同时，设备与中间件提供了异构标识互操作，实现不同标识系统编码兼容和系统互联互通的关键，通过对各个标识体系间建立数据互认、数据映射以及交互协议等，解决标识体系之间由于数据定义、数据结构等差异造成的体系不互通、不兼容问题。

本公开实施例通过“利用异常检测模型对所述第一数据集、第二数据集、第三数据集、第四数据集、所述第五数据集和第六数据集进行检测，对工业设备运行信息进行异常判断”，设备与中间件实现了边缘计算，对工业互联网中的企业设备进行快速定位，减轻了核心网络计算压力；同时“则通过企业工业数据获得企业设备相关方，把检测结果发送给企业设备相关方进行报警”帮助企业快速获取解决故障办法。

除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的用于生成视频的方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的用于生成视频的方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。

本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

可能以许多方式来实现本发明的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。

本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (10)

1.一种工业互联网中设备与中间件（102）数据处理的方法，其特征在于，包括：

依据设定的数据划分标准对采集到的原始企业工业数据进行划分，并将各种企业设备的通讯接口协议转换为统一的标准协议格式；

对所述标准协议格式企业工业数据进行数据清洗，对工业数据重新审查和校验，将不完整工业数据进行统计得到第一数据集，将错误值工业数据进行统计得到第二数据集，将重复记录工业数据进行统计得到第三数据集，将不一致性工业数据进行统计得到第四数据集；

对所述数据清洗后的工业数据利用分析判断模型进行分类，划分出所述企业设备运行信息和业务处理信息，进行数据规约精简数据量，获得所述企业设备运行信息的第五数据集和所述企业设备业务处理信息的第六数据集；

利用异常检测模型对所述第一数据集、第二数据集、第三数据集、第四数据集、所述第五数据集和所述第六数据集进行检测，对所述企业设备运行信息进行异常判断，得到检测结果；

若检测结果为异常，则通过企业工业数据获得企业设备相关方，将检测结果发送给企业设备相关方进行报警。

2.根据权利要求1所述的方法，其特征在于，依据设定的数据划分标准对采集到的原始企业工业数据进行划分，并将各种企业设备的通讯接口协议转换为统一的标准协议格式之前，进一步包括：

所述企业设备要根据企业自身的数据库类型选择创建匹配的工业数据采集方式，将配置信息进行存储。

3.根据权利要求2所述的方法，其特征在于，进一步包括：

根据类型字典将处理后的工业数据按照先行业、后类型的顺序进行分类存储。

4.根据权利要求3所述的方法，其特征在于，进一步包括：

企业对所述分类存储工业数据进行数据订阅和数据查询。

5.根据权利要求4所述的方法，其特征在于，所述利用异常检测模型对所述第一数据集、第二数据集、第三数据集、第四数据集进行检测，对工业设备运行信息进行异常判断，得到检测结果，具备包括：

针对所述第一数据集，统计采集到所述企业设备规定时间段内错误值数据采集的次数，当规定时间段内采集到错误值数据的次数大于预设阈值时，所述企业设备处于离线状态；

针对所述第二数据集，统计采集到所述企业设备连续不完整数据的次数，当连续采集到不完成数据的次数大于预设阈值时，所述企业设备处于故障状态；

针对所述第三数据集，统计采集到所述企业设备规定时间段内重复数据采集的次数，当规定时间段内采集到重复数据的次数大于预设阈值时，所述企业设备处于异常状态；

针对所述第四数据集，统计采集到所述企业设备连续不一致性的次数，当连续采集到不一致性数据的次数大于预设阈值时，所述企业设备处于故障状态。

6.根据权利要求5所述的方法，其特征在于，所述利用异常检测模型对所述第五数据集和第六数据集进行检测，对企业设备运行信息进行异常判断，得到检测结果，具备包括：

其中，X为第五数据集数据，Y为第六数据集数据，COV表示协方差，

为标准差，

为皮尔逊相关系数，

为均值，E为期望。

7.根据权利要求6所述的方法，其特征在于，当所述皮尔逊相关系数大于6%，则判断所述企业设备运行异常。

8.根据权利要求1所述的方法，其特征在于，所述企业工业数据为工业互联网中的标识数据，所述标识数据包括前缀字段、后缀字段，以及安全字段。

9.一种工业互联网中设备与中间件（102），其特征在于，包括：

数据采集模块（201），用于依据设定的数据划分标准对采集到的原始企业工业数据进行划分，并将各种企业设备的通讯接口协议转换为统一的标准协议格式；

数据处理模块（202），用于对所述标准协议格式企业工业数据进行数据清洗，对工业数据重新审查和校验，将不完整工业数据进行统计得到第一数据集，将错误值工业数据进行统计得到第二数据集，将重复记录工业数据进行统计得到第三数据集，将不一致性工业数据进行统计得到第四数据集；对所述数据清洗后的工业数据利用分析判断模型进行分类，划分出企业设备运行信息和业务处理信息，进行数据规约精简数据量，获得企业设备运行信息的第五数据集和企业设备业务处理信息的第六数据集；

数据分析模块（203），用于利用异常检测模型对所述第一数据集、第二数据集、第三数据集、第四数据集、所述第五数据集和所述第六数据集进行检测，对工业设备运行信息进行异常判断，得到检测结果；

数据存储模块（204），将处理后的工业数据通过类型字典，对工业数据按照先行业后类型的顺序进行分类存储；

数据交互模块（205），用于与企业节点（101）下企业进行数据订阅和数据查询；

节点管理模块（206），用于存储和认证企业节点（101）、存储二级节点（103）和国家顶级节点（104）相关信息。

10.一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，该计算机程序被处理器执行时，实现上述权利要求1-8任一所述的方法。

Images