CN115239186A - 工业互联网平台、应用创建方法、装置和存储介质 - Google Patents

Abstract

本公开提供了一种工业互联网平台、应用创建方法、装置和存储介质，涉及烟草领域。该平台包括：数据建模模块，被配置为对烟草相关的建模对象进行建模，并对各模型进行标准化存储；模型汇聚模块，被配置为根据应用需求，调用数据建模模块中的模型，对模型进行汇聚处理；应用开发模块，被配置为调用模型汇聚模块，利用模型汇聚模块中的汇聚的模型进行应用开发；数据分析模块，被配置为对应用运行的数据进行分析，得到烟草加工工序各个数据之间的关联性。本公开通过数据建模模块、模型汇聚模块、应用开发模块和数据分析模块，能够实现烟草行业的生产全要素的互联互通，推动形成要素共享、能力互补、价值共创、高效协同的行业数字化产业链供应链。

Description

工业互联网平台、应用创建方法、装置和存储介质

技术领域

本公开涉及烟草领域，尤其涉及一种工业互联网平台、应用创建方法、装置和存储介质。

背景技术

云+工业互联网(Cloud+industrial Internet)，是支撑烟草行业十四五信息化建设的新型基础设施，并作为五大重点工程之一进行打造。

相关技术中，仅仅是对如何进行云平台以及工业互联网平台的建设提供了建设方向，以更好的支撑卷烟生产的全产业全供应链的协同，在烟草行业，并没有具体实现工业生产全要素的互联互通的平台。

发明内容

本公开要解决的一个技术问题是，提供一种工业互联网平台、应用创建方法、装置和存储介质，能够实现烟草行业的生产全要素的互联互通。

根据本公开一方面，提出一种工业互联网平台，包括：数据建模模块，被配置为对烟草相关的建模对象进行建模，并对各模型进行标准化存储；模型汇聚模块，被配置为根据应用需求，调用数据建模模块中的模型，对模型进行汇聚处理；应用开发模块，被配置为调用模型汇聚模块，利用模型汇聚模块中的汇聚的模型进行应用开发；数据分析模块，被配置为对应用运行的数据进行分析，得到烟草加工工序各个数据之间的关联性。

在一些实施例中，数据处理模块，被配置为进行数据连接、数据采集和边缘计算，并对处理后的数据进行存储，其中，数据建模模块调用数据处理模块的数据进行建模。

在一些实施例中，数据处理模块包括：数据连接单元，被配置为与建模对象进行多源数据连接和通信；数据采集单元，被配置为通过配置接口和通讯协议采集建模对象的数据；边缘计算单元，被配置为对建模对象的数据进行边缘计算，得到处理后的数据。

在一些实施例中，数据建模模块还被配置为采用嵌入式的图数据库作为底层的存储引擎构建模型。

在一些实施例中，数据建模模块还被配置为对建模对象的运行状态进行监测、状态预警、特征趋势变化预测、故障事件管理与分析中的一种或多种处理，得到建模对象的关键工艺参数，基于建模对象的关键工艺参数进行建模。

在一些实施例中，数据建模模块还被配置为将建模对象的操作技术数据、信息技术数据、处理逻辑、业务逻辑作为属性、订阅、服务和事件中的至少一种映射到模型中。

在一些实施例中，数据建模模块还被配置为通过接口向业务系统提供建模对象对应的模型。

在一些实施例中，应用开发模块还被配置为通过组态界面、图表、交互界面、增强现实AR应用中的一种或多种展示开发后的应用。

在一些实施例中，数据分析模块还被配置基于机器学习算法对应用运行的数据进行分析，实现关键参数和指标的自动识别、监视、预警、报警、分析和诊断中的至少一项。

在一些实施例中，数据连接单元被配置为根据不同的数据源对应的组件和连接方式，与建模对象进行连接和通信。

在一些实施例中，数据采集单元被配置为对烟草相关的人员、设备、物料、工艺标准、环境和监测数据中的一项或多项进行数据采集。

在一些实施例中，边缘计算单元被配置为对设备进行注册管理，对数据进行轻量级运算和实时分析，构建行业应用统一技术环境，对数据进行压缩、加密和断点续传，以及数据挖掘处理。

在一些实施例中，通过数据建模模块、模型汇聚模块、应用开发模块和数据分析模块，在工业互联网平台的设备层构建数字化装备应用、在感知层建立车间物联环境应用、在决策层建立大数据应用分析应用以及建立数字化生产管控设备应用、建立数字化服务设备应用、和建立设备过程评价系统应用中的一种或多种。

根据本公开的另一方面，还提出一种基于工业互联网平台的应用创建方法，包括：数据建模模块对烟草相关的建模对象进行建模，并对各模型进行标准化存储；模型汇聚模块根据应用需求，调用数据建模模块中的模型，对模型进行汇聚处理；应用开发模块调用模型汇聚模块，利用模型汇聚模块中的汇聚的模型进行应用开发；数据分析模块对应用运行的数据进行分析，实现关键参数和指标的自动识别、监视、预警、报警、分析和诊断中的至少一项。

在一些实施例中，数据处理模块进行数据连接、数据采集和边缘计算，并对挖掘后的数据进行存储，其中，数据建模模块调用数据处理模块的数据进行建模。

在一些实施例中，数据处理模块基于数据连接单元与建模对象进行多源数据连接和通信，基于数据采集单元通过配置接口和通讯协议采集建模对象的数据，基于边缘计算单元对建模对象的数据进行边缘计算，得到处理后的数据。

根据本公开的另一方面，还提出一种基于工业互联网平台的应用创建装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行如上述的应用创建方法。

根据本公开的另一方面，还提出一种非瞬时性计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述的应用创建方法。

通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。

附图说明

构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：

图1为本公开的工业互联网平台的一些实施例的结构示意图；

图2为本公开的工业互联网平台的另一些实施例的结构示意图；

图3为本公开的工业互联网平台的另一些实施例的结构示意图；

图4为本公开的工业互联网平台的另一些实施例的结构示意图；

图5为本公开的工业互联网平台的另一些实施例的结构示意图；

图6为本公开的工业互联网平台的另一些实施例的结构示意图；

图7为本公开的工业互联网平台的另一些实施例的结构示意图；

图8为本公开的基于工业互联网平台的应用创建方法的一些实施例的流程示意图；以及

图9为本公开的基于工业互联网平台的应用创建装置的一些实施例的结构示意图。

具体实施方式

现在将参照附图来详细描述本公开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公开的范围。

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，决不作为对本公开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。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

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。

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

图1为本公开的工业互联网平台的一些实施例的结构示意图。该工业互联网平台可以基于ThingWorx实现，包括数据建模模块110、模型汇聚模块120、应用开发模块130和数据分析模块140。

数据建模模块110被配置为对烟草相关的建模对象进行建模，并对各模型进行标准化存储。

在一些实施例中，烟草相关的建模对象包括物理设备(如机器，设备，传感器等)，人员，组织元素(部门或产品线)，甚至是代表工作流的一部分，可以有数据，可以发送和接收数据，也可以执行服务。该数据建模模块能够实现生产要素的统一建模。

在一些实施例中，数据建模模块110还被配置为采用嵌入式的图数据库作为底层的存储引擎构建模型。这使得平台在对现实生产进行建模的时候可以比使用传统关系数据库能有更丰富更具表现力的方式。该工业互联网平台不但自身要具备数据存储能力，也要能方便地集成外部数据库资源，使用外部各种数据库进行读取、存储。可以将数据集中或分布地放在任何合适的地点，同时提供数据存储管理工具。同时支持海量数据库扩展，具备同时支撑百万级设备接入时的连接、存储、分析、执行和协同能力。

在一些实施例中，数据建模模块110还被配置为对建模对象的运行状态进行监测、状态预警、特征趋势变化预测、故障事件管理与分析中的一种或多种处理，得到建模对象的关键工艺参数，基于建模对象的关键工艺参数进行建模。例如，利用数字孪生组件和智能分析等技术，针对制丝区开展压力传感器、检测和执行元器件(如阀门、泵、流量计)、水分仪、疏水阀等的运行状态进行监测、预警、特征趋势变化预测、故障事件管理与分析等，增强对过程中关键元器件的检测和感知。该平台对IT(Information Technology，信息技术)和OT(Operational Technology，操作技术)多源数据进行聚合应用，实现制丝区关键工艺参数层层下达的校核和预警(MES、集控、电控)，增强对参数下达过程的防差错力。该平台补充集控电控在工艺参数超差报警的应用短板，实现关键工艺参数的超差预警、预警事件管理和趋势分析；建立关键工艺参数的实时趋势，结合工艺超差报警、关键元器件预警，实现工艺参数控制过程的动态监测。进而基于建模对象的关键工艺参数进行建模。

在一些实施例中，如图2所示，数据建模模块110还被配置为将建模对象的操作技术数据、信息技术数据、处理逻辑、业务逻辑作为属性、订阅、服务和事件中的至少一种映射到模型中。模型具有封装、继承、多态的特性，封装了属性数据、服务，事件和安全能力。通过建模，将连接到平台的各种设备单元以及业务对象抽象出事物模板与事物形态，从而使之具备更高的配置性扩展性，可以在动态创建模型实例时将属性与多源数据进行一一绑定。

在一些实施例中，数据建模模块110还被配置为通过接口向业务系统提供建模对象对应的模型。

在一些实施例中，如图2和图3所示，通过RESTFul API的通用标准接口协议方式，在保证AES(Advanced Encryption Standard，Advanced Encryption Standard)128位加密并具备SSL(Secure Socket Layer，安全套接层)认证基础上分享给PasS层的微服务和SasS层的应用APP等第三方，实现模型和模型功能的复用。第三方可以通过RESTFul APIs和平台进行交互和集成，可以轻松地通过平台服务器的命名空间查询平台内模型和模型的功能。其中，REST接口有一套完整定义的方法来罗列模型集、数据和服务列表。

例如，连接制丝线PLC，数据汇集存储至开源时序库,根据场景需要，通过RESTAPI等接口方式适时打通与现有MES、批次管理系统等公司现有业务系统；建立制丝、卷包、动力、物流等车间产线、设备等信息模型，所有IT和OT数据、处理逻辑、业务逻辑等作为属性、方法或事件绑定或映射在信息模型中，信息模型通过RESTAPI统一对外提供接口访问。

该数据建模模块110为模型和应用程序创建提供集成的开发环境，用户对IoT程序所需的所有资产和业务逻辑进行建模。通过模型方式连接数据、清洗数据、汇集和组织数据，形成标准化数据存储，有利于公司数据和方法沉淀，并提供高效服务，数据和业务需求应用将以最小的成本被即时响应并构建，这不仅能降低重复建设、减少烟囱式协作的成本，也是差异化竞争优势所在。

模型汇聚模块120被配置为根据应用需求，调用数据建模模块中的模型，对模型进行汇聚处理。

在一些实施例中，数据建模模块已构建烟草行业相关的多个数据模型，但在具体应用时，可能仅需要一个或几个模型，因此，需要对模型进行汇聚处理。实现数据、服务以及模型的聚合和发布。

应用开发模块130被配置为调用模型汇聚模块，利用模型汇聚模块中的汇聚的模型进行应用开发。例如，利用聚合页面构建器，通过拖拽将封装有数据和服务的物添加到网页应用程序。

在一些实施例中，应用开发模块130还被配置为通过组态界面、图表、交互界面、AR(Augmented Reality，增强现实)应用中的一种或多种展示开发后的应用。

例如，PI-View组件采用当前最先进的前端技术，实现基于Web的组态界面开发，界面精美、数据实时驱动、配备编辑器方便修改。再例如，PI-Chart Widget精美图表套装，支持开发者开发各种图表应用，实现数据的分析统计应用。再例如，基于H5的界面产出，可以使用手机浏览器直接登陆访问，无需安装任何APP，也可以通过APP框架封装，快速融入其他已有APP中，在移动端能实现公司各种生产应用操作。再例如，AR是通过技术手段将数字信息叠加到现实世界上，使用者通过设备(如智能手机相机)，看到的是一个增强版的现实世界。与虚拟现实完全虚拟的沉浸式体验不同，增强现实通过日常使用的智能手机、平板或网络提像机将电脑产生的图像叠加到真实世界的不同地点和物体上。

该应用开发模块130通过控件进行低代码开发，形成智能图表等图形化应用编程设计，支持补充个性化的仪表板来可视化系统中的IoT数据，帮助快速新建Web展示或交互页面。该工业物联网平台能够提供基于模型的互联应用程序快速开发，相较传统的开发方式，能倍减程序开发时间。通过使用建模开发来替换传统的编码开发，内容开发人员可以将精力放在应用程序的敏捷构建而非不停地排查代码错误。模型像一套可以重复利用的应用模块，应用程序开发人员可以便宜地利用它们来组装新的应用程序。该工业互联网平台提供聚合页面构建器，可以通过简单的拖拽将封装有数据和服务的物添加到网页应用程序。该平台通过在线第三方应用库和可重用元素库，可以轻易添加第三方用户体验组件和功能，集成在平台中作为扩展应用。

数据分析模块140被配置为对应用运行的数据进行分析，得到烟草加工工序各个数据之间的关联性。

在一些实施例中，数据分析模块140还被配置基于机器学习算法对应用运行的数据进行分析，实现关键参数和指标的自动识别、监视、预警、报警、分析和诊断中的至少一项。

在一些实施例中，数据分析建立在智能化卷烟工厂全数据采集的基础上，运用分析模型，理清智能化卷烟工厂加工工序各个数据之间的关联性，展现设备运行状态、分析产品加工过程一致性、追溯产品质量。针对制丝过程、卷包过程、嘴棒成型过程关键工序设备运行参数、工艺参数、质量指标海量数据，实现在线采集和离线数据的适时整理。实现关键参数和指标的自动识别、监视、预警、报警、分析、诊断。并且为大数据集提供图形化、可视化的高级分析工具，能够自动在机器学习和高级分析模型中使用序列数据，并分配适当的机器学习和集成技巧来构建分析模型。

相关技术中，各个平台无法实现整体的互联互通，而该实施例中，通过数据建模模块、模型汇聚模块、应用开发模块和数据分析模块，能够实现烟草行业的生产全要素的互联互通，推动形成要素共享、能力互补、价值共创、高效协同的行业数字化产业链供应链。

图4为本公开的工业互联网平台的另一些实施例的结构示意图，该工业互联网平台还包括数据处理模块410，被配置为进行数据连接、数据采集和边缘计算，并对处理后的数据进行存储，其中，数据建模模块调用数据处理模块的数据进行建模。

在一些实施例中，通过数据处理模块410能够打造IT和OT层面系统及设备的泛在数据连接、数据采集和边缘计算，为模型创建提供基础。在建模时，用户无需每次都进行数据连接、采集和边缘计算，而是直接利用挖掘后的数据进行建模，能够提高建模效率。

该平台能够实现模型构建与管理、模型与服务聚合、应用快速构建、创新技术集成等能力，实现面向生产、质量、设备、能源等领域快速构建和部署变革性的工业应用程序、解决方案和用户体验。依托平台对IT和OT多源数据的解构、汇集，以物模型的构建和管理为核心，实现数据、服务以及模型的聚合和发布，实现面向对象的数据集成与管理、语法统一和语义统一，在此基础上，通过模型调用和服务编排，快速敏捷的构建前端工业级应用APP，降低工业应用创新门槛和试错成本，提升应用构建效率。另外，平台在工厂侧既是数据集成平台也是技术集成平台，通过集成数据连接组件、建模组件、数据可视化组件、数字孪生引擎组件、智能分析组件等新兴物联网技术，使得面向生产各领域的技术应用集成创新成为可能。再者，作为边缘侧应用创新平台，能够提供统一的厂级数据汇集、交互平台，增强边云协同能力，还能够为公司生产、工艺、质量、设备、能管等领域的生产应用创新提供统一的技术集成平台、数据支持平台和应用支撑平台。能为公司提供一个全员参与、场景驱动的OT与IT数据融合应用创新平台，更聚焦“实时、小数据”，针对场景层面的工业APP应用，满足工业应用高可靠、低延迟、安全性等应用要求，弥补现有信息化自动化技术架构的能力瓶颈和技术短板，提升数据服务化、数据及时性、数据协同性的能力，加速从数据到价值的过程。

图5为本公开的工业互联网平台的另一些实施例的结构示意图，其中，数据处理模块410包括数据连接单元411、数据采集单元412和边缘计算单元413。

数据连接单元410被配置为与建模对象进行多源数据连接和通信。

在一些实施例中，数据连接单元410被配置为根据不同的数据源对应的组件和连接方式，与建模对象进行连接和通信。

例如，如图6所示，通过KepServer EX(Industrial Connectivity，工业连通性模块)实现多源数据连接和通信，能够快速配置并重新组态后，实现与PLC实时连接通讯，在满足数据汇聚要求的同时，实现成本最小化。数据连接方式包括多种，例如，主流数据库厂商数据库互联、工业级时序数据库互联、JDBC Connnetor、HBASE等大数据库互联等；数据连接单元410还支持新型的系统互联接口架构标准，提供完整的RESTFul API，通过URL定位资源，用HTTP动词描述动作，实现快速接入和发布；数据连接单元410还支持SDK远程绑定方法，支持C、C#、LUA、JAVA的SDK定制接口。

数据采集单元412被配置为通过配置接口和通讯协议采集建模对象的数据。

在一些实施例中，数据采集单元412被配置为对烟草相关的人员、设备、物料、工艺标准、环境和监测数据中的一项或多项进行数据采集。实现卷烟厂“人、机、料、法、环、测”等设备数据和信息系统数据的标准化规范化采集。例如，采用OPC(Object Linking andEmbedding for Process Control，对象链接与嵌入的过程控制)方式采集实时数据，并将数据汇总到平台，进行后续建模使用。其中，设备数据的采集模块部署在机台侧的通用工控设备上，实现卷烟厂制丝、成型、卷接包、辅连、能源等设备数据采集。信息系统的数据采集模块部署在厂侧的通用服务器上，实现对于厂侧集控系统、物流系统等信息系统的采集。

边缘计算单元413被配置为对建模对象的数据进行边缘计算，得到挖掘后的数据。

边缘计算单元413是通过平台内置主流算法融合网络、计算、存储、应用核心能力的边缘层设备端数字化底座，部署在机台侧的通用工控机上。该主流算法例如为机器学习算法，能够对数据进行实时性的挖掘和利用。

在一些实施例中，边缘计算单元413被配置为对设备进行注册管理，对数据进行轻量级运算和实时分析，构建行业应用统一技术环境，对数据进行压缩、加密和断点续传，以及数据挖掘处理。

例如，设备注册是指实现工业生产设备在设备端的注册管理，并与标识解析体系下发的设备标识进行关联。实现数据在生产现场的轻量级运算和实时分析，缓解数据向云端传输、存储和计算压力，是数据预处理过程。构建行业应用统一技术环境，能够支撑卷烟二维码项目“盒条件”关联系统、全国统一工业生产经营管理平台前端部署系统等的运行。边缘计算还包括运用工业网络、5G等网络通讯技术，将数据传输至卷烟厂数据汇聚层，具备断点续传、数据压缩、数据加密等能力，确保数据传输高效、完整、安全。对数据挖掘处理以达到分析建模、异常检测和结果预测等数据分析能力，旨在为不了解复杂算法、统计学或机器学习的人员服务。

在上述实施例中，通过数据连接、数据采集、边缘计算、数据建模、数据汇聚、应用快速开发和数据分析，能够实现通过数据建模模块、模型汇聚模块、应用开发模块和数据分析模块，在工业互联网平台的设备层构建数字化装备应用、在感知层建立车间物联环境应用、在决策层建立大数据应用分析设备应用、以及建立数字化生产管控设备应用、建立数字化服务设备应用、和建立设备过程评价模块应用。下面将以具体应用为例进行介绍。

在一些实施例中，在设备层建立数字化智能装备应用。数字化智能装备除完成本工序自动化加工任务外，还需要向网络提供有效的生产数据、质量指标数据、过程参数数据，具备一定的人机交互能力，实现自我诊断、推送工作要求。设备层的智慧化是整个产线层和工厂层实现全面智慧化的总体基础与实施关键，其落实程度与进展将直接关系、影响到以该设备为要素的上层产线级工厂层面的智慧化推进。智慧设备层的建设将以公司各厂的工厂和产线级的需求为前提、以设备级的组织架构为基础，结合全厂统一的信息化平台、系统及各设备自身的特点开展；针对卷包部、制丝部、嘴棒车间、动力部等生产过程数据、模式及信息特点完成各自边缘计算功能的开发，使其能基于各自数据及信息系统能在底层智能感知的基础上实现数据融合、信号融合、特征提取、数据压缩和安全传输等功能，为相互间更进一步的互联与融合打定技术基础。

在一些实施例中，在感知层建立车间物联环境应用。除了目前设备本体因加工需求所装备的传感仪器外，还需要进一步研究先进的传感技术，丰富对主机设备的感知内容，增加对主机设备的状态把握。除此以外，还要扩大感知范围，增加对固定和流动物体的感知，实现人物交互感知。增加振动传感器、声音传感器以及采集主机设备的电机振动以及噪声数据，通过声音和振动情况来识别主机设备的运行情况。通过数据分析模型对设备的健康情况进行预测。增加摄像头，通过图像识别的方法，监控设备是否有冒烟等物理现象，以此来判定设备的运行情况。

在一些实施例中，建立数字化生产管控设备应用。该数字化生产管控设备应用包括生产与物流一体化设备应用、生产管控一体化设备应用和物流管控一体化设备应用。

通过构建生产与物流一体化设备应用，能够为车间提供高效的生产排产、计划执行跟踪、准确的生产报表输出、日常管理事务流程化和标准化等服务。不断优化制丝集控系统，根据装备升级、技术改造所带来的设备基础变化，及时调整系统功能，满足生产执行需求。

构建生产管控一体化设备应用包括：制丝生产管控系统接收来自MES的生产计划，并将计划分解到各条生产线的各工艺段。各工艺段接收任务后，由操作人员启动设备，各主机设备按既定程序进行自动化生产，辅联设备联动运行。在产品质量支撑上依靠SPC系统监控过程质量，提供历史数据的查询和统计。在MES解构后，工厂MES管理执行层的应用，按照多租户的模式以SAAS的方式运行在上级的云平台之上，并与上级自身的生产管控业务形成烟草行业的生产管理应用集群；现场执行作业、实时数据采集应用(例如：SPC，以及实时生产监控、实时质量预测和工艺参数优化等需要实时数采数据支撑的功能)运行在各工厂的边缘云端。与此同时，通过统一的计划和数据服务能够获取各工厂即时的生产能力与生产计划执行进度，可以推进统一集中的工厂生产监控应用，以及实现多工厂协同生产计划和半成品物流运输调度的统一管控，促进全面的生产管理数字化。

构建物流管控一体化设备应用包括：物流综合管控平台基于物流管理体系现状和数字化转型挑战，以物流高质量发展纲要中信息化建设规划要求及智慧物流方案为技术依据，建设物流仓储、运输、养护、资源、成本、绩效等工业应用，通过统一标准和口径汇集全省原料、辅料、成品等自有、外租库存资源数据，横向实现物流资源调度与供应需求有效匹配，纵向实现统一调度、集中调配、智能指挥，整合物流仓储、运输业务数据，覆盖物流人员、费用、资源等指标的物流绩效成本管理和对标数据采集机制，面对中心、分中心两级管理要求，全面掌握物流整体运营状况，支撑物流决策。

在一些实施例中，建立数字化服务设备应用。该应用能够为设备层、感知层、管控层提供数据采集和存储服务。目前大型企业都建有自己的数据中心，存储内容也极为丰富，包括生产数据、设备数据、质量数据、图片数据、视频数据等。卷烟厂制丝车间在技改中也提出了全数据采集的要求，即全面采集PLC模块数据、制丝集控数据、全过程批次数据、MES生产制造数据、环境温湿度数据等，这样一来，新厂的数据采集规模将达到万点级。结合工厂多年专业数据业务应用经验，贴合实际的业务场景，从数据的“收”、“存”、“管”、“用”着手，搭建从原始数据燃料的筛选提炼，到快速高效地转化数据原材料，并结合AI建模与流计算输出，形成企业所需要的数字化动能，企业数字化服务平台将提供一整套端到端的专业化数据服务，将数据资源有效转化为强大的数字化引擎助推力，为企业解决不同业务领域的数据相关问题，诸如精准营销投放、产品销量预测、物流网络规划、门户网站线上用户行为分析等。

在一些实施例中，在决策层建立大数据应用分析应用。如图7所示，该模型能够实现生产制造过程关键环节的工序分析。在制丝车间全数采的基础上，运用当前成熟的分析模型，理清制丝加工工序各个数据之间的关联性，展现设备运行状态、分析产品加工过程一致性、追溯产品质量。针对制丝过程、卷包过程、嘴棒成型过程关键工序设备运行参数、工艺参数、质量指标海量数据，实现在线采集和离线数据的适时整理。实现关键参数和指标的自动识别、监视、预警、报警、分析、诊断。

该应用还能够实现生产制造过程关键要素的关联分析。充分结合工艺指标、质检指标、生产指标等数据信息和专家经验，对生产制造过程各个目标环节进行梳理、筛选出关键的影响要素，利用工业大数据分析技术，以目标导向、问题导向的数据分析模型，基于生产制造过程产量、质量、消耗、效率等参数进行多指标协同分析，构建关联分析功能。

该应用还能够建立综合数据分析。根据操作、管理、决策三级岗位需求，设计和开发定制化的功能、界面和服务，建立个性化的辅助决策模块。为企业提供基于生产全过程的“一站式”数据推送服务，实现信息的透明感知，为企业各级用户提供全面的工厂信息服务，对生产中积累的经验进行归纳总结，通过数据加工整合，有效打通生产、工艺、质量、设备、能源、物流等业务关联环节，构建信息输出的综合网，提供一体化的数据支撑，帮助管理者从不同管理角度轻松识别相关问题，针对具体情况制定有效的改进措施。

该应用对现有的制丝集控三层网络架构进行创新。增加智能控制层，利用大数据分析技术和深度学习技术为生产、设备控制参数调整提供决策服务。这种控制方式将有别于现有的PID调节模式，对产品的控制将不再直接依赖于设备厂家的控制程序，产品质量控制将通过加工经验数据积累，用深度学习的方法找到最优方案，从而保障产品加工过程的一致性和对加工来料的适应性。

在一些实施例中，建立设备过程评价系统应用。该应用能够采集PLC数据，完成设备过程参数数据的采集和监控。采集MES系统的工单数据以及工艺参数进行生产前的配方校验，实现生产过程防差错。存储设备工艺参数历史数据，通过大数据分析算法，预测设备工艺参数的设置值，提升产品质量。通过传感器收集设备运行过程数据以及采集设备运维数据，采用数据分析模型预测设备健康度，降低设备的故障率，提升设备效率

该应用以设备各类数据为基础，解决设备管理过程中面临的具体问题，有效支持决策，改进管理，科学评价。基于设备过程评价系统对设备管理业务过程数据进行科学辨识，明确设备需要的数据和应用方向，实现由定性要求向定量任务、经验管理向科学管理的转变。

该应用围绕设备管理体系标准，结合现有历史数据、生产过程数据，建立设备运维知识库模型，不断总结与优化，梳理影响设备运行要素、设备停机因素等，形成设备故障网络，结合设备健康模型、运行评价分析模型，对设备故障进行溯因，并推送“病历式”信息，指导设备运维人员，使得设备维护更加科学，维保时效性更能满足生产、质量需求，实现设备自诊断、自分析、自评价的设备管理模式，通过设备故障模型不断优化、不断学习驱动设备预防性维修，延长设备的使用寿命和降低设备故障率保障设备运行时长

该应用通过收集设备执行器件工作数据与控制目标的结果数据，建立设备评价分析模型，可及时反映设备本体性能状态和劣化趋势，为设备维保提供数据支撑。通过系统评价，采用以问题为导向的拉动式维保工作推送机制，实现80％的维修工作由系统自主推送，让维保工作周期更加科学，维保时效性更能满足生产、质量需求。

本公开的上述工业物联网平台，可实现将智能设备融入传统自动化制造过程、制造场景，与传统工控网络优势互补、合作互助的角度，利用“智能设备”高速、高精度、自适应性、自学习性等优势，加深基于工业互联网的智能设备与传统自动化设备的合作程度，将工业互联网、大数据和人工智能与制造业行业背景有机结合，对海量的需求进行精准匹配，使得“智能设备”和“自动化设备”之间能够形成双向的链接与互动。将智能设备的处理能力、推理能力、学习能力与传统自动化控制的PID负反馈控制相融合，协同处理控制问题，自动化设备有效地支持完成控制的任务，智能设备有效辅助监管机器进行任务执行和学习，在制造系统设备维护和生产执行等方面实现有效互补融合应用。

另外，本公开的基于Thingworx的云+工业互联网平台支持虚拟化部署、私有云部署、公有云部署及三种混合部署，应用程序中不同的组件可以根据其性能需要，自各自运行在不同的服务器，对于模型或数据来说，不管放在哪个应用服务器，他们都是一个整体，内部和外部可以相互便捷访问的，对于各应用服务器来说都是这种部署方式可以轻松提供分布式、分层的数据连接和通信、建模应用、数据存储和分析的能力。另外，本发明还公开了通过根据生产现场实际加设机器视觉、振动传感器等智能硬件，结合图像处理算法、模式识别算法等智能技术完成人工视觉、听觉模拟，并将信息进行个性化数据化反馈，代替传统人工识别，促进人机协同，最终提高生产效率以及产线的自动化程度和柔性，为生产线数字化转型提供有效的数据基础。

图8为本公开的基于工业互联网平台的应用创建方法的一些实施例的流程示意图。

在步骤810，数据建模模块对烟草相关的建模对象进行建模，并对各模型进行标准化存储。

在一些实施例中，烟草相关的建模对象包括物理设备(如机器，设备，传感器等)，人员，组织元素(部门或产品线)，甚至是代表工作流的一部分，可以有数据，可以发送和接收数据，也可以执行服务。该数据建模模块能够实现生产要素的统一建模。

在一些实施例中，数据建模模块采用嵌入式的图数据库作为底层的存储引擎构建模型。

在一些实施例中，数据建模模块对建模对象的运行状态进行监测、状态预警、特征趋势变化预测、故障事件管理与分析中的一种或多种处理，得到建模对象的关键工艺参数，基于建模对象的关键工艺参数进行建模。

在一些实施例中，数据建模模块将建模对象的操作技术数据、信息技术数据、处理逻辑、业务逻辑作为属性、订阅、服务和事件中的至少一种映射到模型中。

在一些实施例中，数据建模模块通过接口向业务系统提供建模对象对应的模型。

在步骤820，模型汇聚模块根据应用需求，调用数据建模模块中的模型，对模型进行汇聚处理。

在一些实施例中，数据建模模块已构建烟草行业相关的多个数据模型，但在具体应用时，可能仅需要一个或几个模型，因此，需要对模型进行汇聚处理。

在步骤830，应用开发模块调用模型汇聚模块，利用模型汇聚模块中的汇聚的模型进行应用开发。

在一些实施例中，应用开发模块还被配置为通过组态界面、图表、交互界面、AR应用中的一种或多种展示开发后的应用。

在步骤840，数据分析模块对应用运行的数据进行分析，得到烟草加工工序各个数据之间的关联性。

在一些实施例中，数据分析模块基于机器学习算法对应用运行的数据进行分析，实现关键参数和指标的自动识别、监视、预警、报警、分析和诊断中的至少一项。

在上述实施例中，通过数据建模模块、模型汇聚模块、应用开发模块和数据分析模块，能够为烟草行业的生产全要素的互联互通提供依据。

在本公开的另一些实施例中，该方法还包括数据处理模块进行数据连接、数据采集和边缘计算，并对挖掘后的数据进行存储，其中，数据建模模块调用数据处理模块的数据进行建模。

在一些实施例中，数据处理模块基于数据连接单元与建模对象进行多源数据连接和通信，基于数据采集单元通过配置接口和通讯协议采集建模对象的数据，基于边缘计算单元对建模对象的数据进行边缘计算，得到处理后的数据。

在一些实施例中，数据连接单元根据不同的数据源对应的组件和连接方式，与建模对象进行连接和通信。

在一些实施例中，数据采集单元对烟草相关的人员、设备、物料、工艺标准、环境和监测数据中的一项或多项进行数据采集。

在一些实施例中，边缘计算单元对设备进行注册管理，对数据进行轻量级运算和实时分析，构建行业应用统一技术环境，对数据进行压缩、加密和断点续传，以及数据挖掘处理。

图9为本公开的基于工业互联网平台的应用创建装置的一些实施例的结构示意图。该装置900包括存储器910和处理器920。其中：存储器910可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储上述实施例中的指令。处理器920耦接至存储器910，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器920用于执行存储器中存储的指令。

在一些实施例中，处理器920通过BUS总线930耦合至存储器910。该装置900还可以通过存储接口940连接至外部存储系统950以便调用外部数据，还可以通过网络接口960连接至网络或者另外一台计算机系统(未标出)。此处不再进行详细介绍。

在该实施例中，通过存储器存储数据指令，再通过处理器处理上述指令，能够实现烟草行业的生产全要素的互联互通。

在另一些实施例中，一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述实施例中的方法的步骤。本领域内的技术人员应明白，本公开的实施例可提供为方法、装置、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本公开的工业互联网平台有助于公司掌握各部门的生产经营情况以及资源使用状态，可在公司层面实现信息流、物流、数据流的实时集成、数据共享，实现资源的全局优化以及有规划的扩容升级。从卷烟厂管理层面看，围绕生产制造、降本增效、质量至上的原则，需要对于生产相关的智能化系统建设提供及时快速的响应。而传统的独立建设的单体IT系统，面临着实施流程长，系统独立建设费用高，专业管理及系统运营人员缺乏，以及随着技术的快速迭代而导致的系统投资过时等问题。云+工业互联网可使得卷烟厂从繁琐的IT基础设施的建设、管理、运维中释放出来，把有限的人财物资源投入到生产经营的创新过程中，实现生产制造的高质量发展。

ThingWorx是一个用来实现工业生产全要素的互联互通的平台。基于工业互联网平台，能够连接机台、车间、工厂，实现设备、生产、产品等生产要素的互联互通、数据流动和流程协同，推动工业制造能力标准化、服务化，工业经验知识模型化、软件化，以“数据+模型”赋能卷烟智能制造，推动形成要素共享、能力互补、价值共创、高效协同的行业数字化产业链供应链。

ThingWorx可用于推动工业生产经营的应用创新。基于工业互联网和生产要素的互联互通，支撑开展烟机设备及零配件管理、工业数据分析等应用，推动企业开展“标准统一、功能规范、自主可控、安全可靠”的工业APP创新应用，逐步实现智能化制造、网络化协同、服务化延伸、数字化管理等新模式。

ThingWorx可实现支撑供应链模块快速响应。为满足全流程供应链管理需求，推进服务模式升级，实现对营销、生产等服务需求快速分析转化，运用云计算、大数据、移动互联等新一代技术，解决现有物流平台协同性不足、业务需求响应迟缓、业务经验无法持续沉淀等问题，实现数据的开放共享与实时互通，进一步提高物流效率，提升对需求变化的响应速度和服务保障能力，为物流服务质量的全面升级奠定坚实基础和可靠保障。

ThingWorx可用于提升行业内设备国产化替代和自主可控水平。通过建设工业互联网平台，实现传统MES系统、工控系统的应用解构，形成自主可控的工业应用软件资源库，推动工业应用软件国产化替代，化解工业核心系统及关键技术被有限的第三方厂商把控的重大隐患和风险，以更高水平的自立自主开发为行业新发展格局提供技术支持。

本公开是参照根据本公开实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。

虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (18)

1.一种工业互联网平台，包括：

数据建模模块，被配置为对烟草相关的建模对象进行建模，并对各模型进行标准化存储；

模型汇聚模块，被配置为根据应用需求，调用所述数据建模模块中的模型，对模型进行汇聚处理；

应用开发模块，被配置为调用模型汇聚模块，利用所述模型汇聚模块中的汇聚的模型进行应用开发；以及

数据分析模块，被配置为对应用运行的数据进行分析，得到烟草加工工序各个数据之间的关联性。

2.根据权利要求1所述的工业互联网平台，还包括：

数据处理模块，被配置为进行数据连接、数据采集和边缘计算，并对处理后的数据进行存储，其中，所述数据建模模块调用所述数据处理模块的数据进行建模。

3.根据权利要求2所述的工业互联网平台，其中，所述数据处理模块包括：

数据连接单元，被配置为与建模对象进行多源数据连接和通信；

数据采集单元，被配置为通过配置接口和通讯协议采集所述建模对象的数据；以及

边缘计算单元，被配置为对所述建模对象的数据进行边缘计算，得到处理后的数据。

4.根据权利要求1所述的工业互联网平台，其中，

所述数据建模模块还被配置为采用嵌入式的图数据库作为底层的存储引擎构建模型。

5.根据权利要求4所述的工业互联网平台，其中，

所述数据建模模块还被配置为对建模对象的运行状态进行监测、状态预警、特征趋势变化预测、故障事件管理与分析中的一种或多种处理，得到建模对象的关键工艺参数，基于所述建模对象的关键工艺参数进行建模。

6.根据权利要求5所述的工业互联网平台，其中，

所述数据建模模块还被配置为将所述建模对象的操作技术数据、信息技术数据、处理逻辑、业务逻辑作为属性、订阅、服务和事件中的至少一种映射到模型中。

7.根据权利要求4所述的工业互联网平台，其中，

所述数据建模模块还被配置为通过接口向业务系统提供所述建模对象对应的模型。

8.根据权利要求1所述的工业互联网平台，其中，

所述应用开发模块还被配置为通过组态界面、图表、交互界面、增强现实AR应用中的一种或多种展示开发后的应用。

9.根据权利要求1所述的工业互联网平台，其中，

所述数据分析模块还被配置基于机器学习算法对应用运行的数据进行分析，实现关键参数和指标的自动识别、监视、预警、报警、分析和诊断中的至少一项。

10.根据权利要求3所述的工业互联网平台，其中，

所述数据连接单元被配置为根据不同的数据源对应的组件和连接方式，与所述建模对象进行连接和通信。

11.根据权利要求3所述的工业互联网平台，其中，

所述数据采集单元被配置为对烟草相关的人员、设备、物料、工艺标准、环境和监测数据中的一项或多项进行数据采集。

12.根据权利要求3所述的工业互联网平台，其中，

所述边缘计算单元被配置为对设备进行注册管理，对数据进行轻量级运算和实时分析，构建行业应用统一技术环境，对数据进行压缩、加密和断点续传，以及数据挖掘处理。

13.根据权利要求1至12任一所述的工业互联网平台，其中，

通过所述数据建模模块、所述模型汇聚模块、所述应用开发模块和所述数据分析模块，在所述工业互联网平台的设备层构建数字化装备应用、在感知层建立车间物联环境应用、在决策层建立大数据应用分析应用以及建立数字化生产管控设备应用、建立数字化服务设备应用、和建立设备过程评价系统应用中的一种或多种。

14.一种基于工业互联网平台的应用创建方法，包括：

数据建模模块对烟草相关的建模对象进行建模，并对各模型进行标准化存储；

模型汇聚模块根据应用需求，调用所述数据建模模块中的模型，对模型进行汇聚处理；

应用开发模块调用模型汇聚模块，利用所述模型汇聚模块中的汇聚的模型进行应用开发；以及

数据分析模块对应用运行的数据进行分析，实现关键参数和指标的自动识别、监视、预警、报警、分析和诊断中的至少一项。

15.根据权利要求14所述的应用创建方法，还包括：

数据处理模块进行数据连接、数据采集和边缘计算，并对挖掘后的数据进行存储，其中，所述数据建模模块调用所述数据处理模块的数据进行建模。

16.根据权利要求15所述的应用创建方法，其中，

所述数据处理模块基于数据连接单元与建模对象进行多源数据连接和通信，基于数据采集单元通过配置接口和通讯协议采集所述建模对象的数据，基于边缘计算单元对所述建模对象的数据进行边缘计算，得到处理后的数据。

17.一种基于工业互联网平台的应用创建装置，包括：

存储器；以及

耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如权利要求14至16任一项所述的应用创建方法。

18.一种非瞬时性计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求14至16任一项所述的应用创建方法。

Images