CN115756745A - 一种制造业边缘人工智能管理平台和方法 - Google Patents
一种制造业边缘人工智能管理平台和方法 Download PDFInfo
- Publication number
- CN115756745A CN115756745A CN202211457959.9A CN202211457959A CN115756745A CN 115756745 A CN115756745 A CN 115756745A CN 202211457959 A CN202211457959 A CN 202211457959A CN 115756745 A CN115756745 A CN 115756745A
- Authority
- CN
- China
- Prior art keywords
- cluster
- module
- edge
- data
- message queue
- 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及云计算和工人智能技术领域,提供一种制造业边缘人工智能管理平台和方法,本发明的系统包括:中心集群,包括消息同步模块、Kafka消息队列、存储模块、ML训练模块、CI/CD模块、集群管理模块、代码仓库以及镜像仓库,用于从边缘集群中接收样本数据,根据样本数据生成ML模型,根据ML模型编译容器镜像;边缘集群,包括设备接入模块、HiveMQ消息队列、数据处理模块、ML推理模块、设备控制模块、GitOps模块以及集群管理代理模块。本发明的制造业边缘人工智能管理平台和方法,可以提升制造业边缘集群基础设施的管理效能。
Description
技术领域
本发明涉及云计算和人工智能技术领域,尤其涉及一种制造业边缘人工智能管理平台和方法。
背景技术
在制造业领域,将工业互联网相关的基础设施平台结合5G、大数据、人工智能等新一代信息技术,成为加速推进制造业转型升级的关键途径。其中,结合5G专网提升网络支撑能力,扩大制造业设备连接数量规模,加速拓展基于人工智能的预测性维护、异常检测等应用开发,推动边缘计算在制造业生产线环境的逐步落地,是领域内最重要的发展方向。
在实际应用和发展过程中,由于IT执行过程与制造业生产流程上的差异性,IT在制造业落地仍然欠缺弹性、韧性和敏捷等非功能特性,在制造业的升级和管理场景中存在以下不足:1.制造业产线的大量设备需要根据实时运行状况进行控制管理;2.机器学习模型演进机制待优化,模型更新与制造业设备数据的变化缺乏联动;3.生产线的边缘计算基础设施环境维护低效,缺少资源的弹性扩缩容能力。
因此,如何提供一种能够实现制造业边缘集群的设备闭环管理、通过数据驱动的机器学习模型训练和部署、提升制造业边缘集群基础设施管理效能的方法,成为亟待解决的技术问题。
发明内容
有鉴于此,本发明主要解决的是优化制造业产线大规模设备的管理和控制,采用机器学习模型依据设备数据实现自动更新,从而对边缘集群基础设施实现更加高效的维护。
一方面,本发明提供一种制造业边缘人工智能管理平台,包括:
中心集群,用于从边缘集群中接收样本数据,根据样本数据生成ML模型,根据ML模型编译容器镜像;
边缘集群,用于将设备发送的原始数据转换为样本数据,根据样本数据得到推理结果,将推理结果与预置规则进行匹配,生成设备兼容协议指令发送至设备;用于监听中心集群的ML模型的变更事件,将更新版本的容器镜像更新部署至边缘集群的数据处理模块、ML推理模块和设备控制模块;还用于监听中心集群的集群配置的变更事件,将更新版本的集群配置更新部署至边缘集群的基础设施。
进一步地,本发明制造业边缘人工智能管理平台的中心集群包括消息同步模块、Kafka消息队列与存储模块,其中,消息同步模块用于监听边缘集群的HiveMQ消息队列并接收样本数据,将样本数据转换为Kafka协议数据后发送至Kafka消息队列;Kafka消息队列用于接收消息同步模块发送的样本数据;存储模块用于从Kafka消息队列获得Kafka协议数据并保存为文本文件,将样本数据持久化保存在中心集群。
进一步地,本发明制造业边缘人工智能管理平台的中心集群包括ML训练模块和CI/CD模块,其中,ML训练模块用于从存储模块获取文本文件,执行ML训练任务生成ML模型,向CI/CD模块发送ML模型;CI/CD模块用于监听存储模块的Kafka协议数据,触发ML模型训练模块的ML训练任务执行,接收ML模型训练模块发送的ML模型,根据ML模型编译容器镜像,依次将ML模型推送至代码仓库,将容器镜像推送至镜像仓库。
进一步地,本发明制造业边缘人工智能管理平台的中心集群还包括集群管理模块、代码仓库和镜像仓库,其中,集群管理模块用于接收边缘集群的注册以及边缘集群的状态;代码仓库用于接收CI/CD模块推送的ML模型,接收管理员提交的集群配置;镜像仓库用于接收CI/CD模块推送的容器镜像。
进一步地,本发明制造业边缘人工智能管理平台的边缘集群包括设备接入模块,设备接入模块用于接收设备发送的协议相关的原始数据,根据数据协议将原始数据转换为平台内部使用的通用数据,将通用数据发送至HiveMQ消息队列,用于监听HiveMQ消息队列并从HiveMQ消息队列接收控制指令,将通用格式控制指令转换为设备兼容协议指令,将设备兼容协议指令发送至设备。
进一步地,本发明制造业边缘人工智能管理平台的边缘集群包括HiveMQ消息队列、数据处理模块、ML推理模块和设备控制模块,其中,HiveMQ消息队列作为边缘集群的消息总线,用于接收和转发通用数据、样本数据和控制指令;数据处理模块用于监听HiveMQ消息队列并从HiveMQ消息队列获取通用数据,将通用数据处理转换为样本数据后发送至HiveMQ消息队列,为ML推理模块提供数据的预处理;ML推理模块用于监听HiveMQ消息队列并从HiveMQ消息队列获取样本数据,根据样本数据执行ML推理程序得到推理结果,以httppost请求方式将推理结果发送至设备控制模块;设备控制模块用于将接收的推理结果与预置规则进行匹配,生成通用格式控制指令,将通用格式控制指令发送至HiveMQ消息队列。
进一步地,本发明制造业边缘人工智能管理平台的边缘集群还包括GitOps模块和集群管理代理模块,GitOps模块用于监听中心集群的代码仓库中ML模型的变更事件和集群配置的变更事件,分别拉取ML模型对应的容器镜像和集群配置,将容器镜像版本号和集群配置分别发送至集群管理代理模块;集群管理代理模块用于将更新版本的容器镜像更新部署至数据处理模块、ML推理模块和设备控制模块,用于将更新版本的集群配置更新部署至边缘集群的基础设施,用于将边缘集群注册到中心集群并向中心集群定时上报边缘集群的状态。
另一方面,本发明提供一种制造业边缘人工智能管理方法,包括:
采用中心集群的消息同步模块监听边缘集群的HiveMQ消息队列并接收样本数据,将样本数据转换为Kafka协议数据后发送至中心集群的Kafka消息队列;
采用中心集群的存储模块从Kafka消息队列获得Kafka协议数据并保存为文本文件;
采用中心集群的CI/CD模块监听中心集群的存储模块的Kafka协议数据,触发中心集群的ML模型训练模块的ML训练任务执行;
采用中心集群的ML模型训练模块从中心集群的存储模块获取文本文件,执行ML训练任务生成ML模型,向中心集群的CI/CD模块发送ML模型;
采用中心集群的CI/CD模块根据ML模型编译容器镜像,依次将ML模型推送至中心集群的代码仓库,将容器镜像推送至中心集群的镜像仓库;
采用边缘集群的GitOps模块监听中心集群的代码仓库中ML模型的变更事件,从镜像仓库拉取ML模型对应的容器镜像,将容器镜像版本号发送至边缘集群的集群管理代理模块;
采用边缘集群的集群管理代理模块,将更新版本的容器镜像更新部署至边缘集群的数据处理模块、ML推理模块和设备控制模块。
进一步地,本发明制造业边缘人工智能管理方法,包括:
采用边缘集群的GitOps模块监听中心集群的代码仓库中集群配置的变更事件,拉取集群配置并发送至边缘集群的集群管理代理模块;
采用边缘集群的集群管理代理模块将更新版本的集群配置更新部署至边缘集群的基础设施。
进一步地,本发明制造业边缘人工智能管理方法,包括:
通过设备接入模块接收设备发送的协议相关的原始数据,根据数据协议将原始数据转换为平台内部使用的通用数据,将通用数据发送至边缘集群的HiveMQ消息队列;
采用边缘集群的数据处理模块监听HiveMQ消息队列并从HiveMQ消息队列获取通用数据,将通用数据处理转换为样本数据后发送至HiveMQ消息队列;
采用边缘集群的ML推理模块监听HiveMQ消息队列并从HiveMQ消息队列获取样本数据,根据样本数据执行ML推理程序得到推理结果,以http post请求方式将推理结果发送至边缘集群的设备控制模块;
采用边缘集群的设备控制模块将接收的推理结果与预置规则进行匹配,生成通用格式控制指令,将通用格式控制指令发送至HiveMQ消息队列;
通过设备接入模块监听HiveMQ消息队列并从HiveMQ消息队列接收控制指令,将通用格式控制指令转换为设备兼容协议指令,将设备兼容协议指令发送至设备。
本发明制造业边缘人工智能管理平台和方法,具有以下有益效果:
1.实现制造业运用人工智能技术在制造业边缘集群的设备管理闭环。本发明采集代表设备运行温度的数据,执行机器学习推理运算,使用预置规则匹配推理运算结果得出控制指令,经协议转换后发送到设备,通过根据设备实时数据执行推理运算,进而控制设备。
2.实现制造业借助人工智能技术过程中涉及的机器学习模型的自动化更新。本发明通过在设备、边缘集群和中心集群运用消息转换和传输技术,在数据流转的过程中触发机器学习模型的训练、分发和部署,通过数据驱动的机器学习模型更新。
3.提升制造业边缘集群基础设施的管理效能。本发明通过感知管理员提交的集群配置变更,拉取集群配置更新部署到边缘集群的基础设施,借助云原生技术,自动更新制造业边缘集群的计算、存储和网络等基础设施配置。
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它的附图。
图1为本发明示例性第一实施例一种制造业边缘人工智能管理平台的架构图。
图2为本发明示例性第一实施例一种制造业边缘人工智能管理平台的应用原理图。
图3为本发明示例性第四实施例一种制造业边缘人工智能管理方法的流程图。
图4为本发明示例性第五实施例一种制造业边缘人工智能管理方法的流程图。
图5为本发明示例性第六实施例一种制造业边缘人工智能管理方法的流程图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合;并且,基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
图1为根据本发明示例性第一实施例的一种制造业边缘人工智能管理平台的架构图,如图1所示,本实施例的平台,包括:
中心集群,包括消息同步模块、Kafka消息队列、存储模块、ML训练模块、CI/CD模块、集群管理模块、代码仓库以及镜像仓库,用于从边缘集群中接收样本数据,根据样本数据生成ML模型,根据ML模型编译容器镜像;
边缘集群,包括设备接入模块、HiveMQ消息队列、数据处理模块、ML推理模块、设备控制模块、GitOps模块以及集群管理代理模块,用于将设备发送的原始数据转换为样本数据,根据样本数据得到推理结果,将推理结果与预置规则进行匹配,生成设备兼容协议指令发送至设备;用于监听中心集群的ML模型的变更事件,将更新版本的容器镜像更新部署至边缘集群的数据处理模块、ML推理模块和设备控制模块;还用于监听中心集群的集群配置的变更事件,将更新版本的集群配置更新部署至边缘集群的基础设施。
本发明示例性第二实施例提供一种制造业边缘人工智能管理平台,本实施例是图1所示平台的优选实施例。
本实施例制造业边缘人工智能管理平台的中心集群中,消息同步模块用于监听边缘集群的HiveMQ消息队列并接收样本数据,将样本数据转换为Kafka协议数据后发送至Kafka消息队列;Kafka消息队列用于接收消息同步模块发送的样本数据;存储模块用于从Kafka消息队列获得Kafka协议数据并保存为文本文件,将样本数据持久化保存在中心集群。
本实施例制造业边缘人工智能管理平台的中心集群中,ML训练模块用于从存储模块获取文本文件,执行ML训练任务生成ML模型,向CI/CD模块发送ML模型;CI/CD模块用于监听存储模块的Kafka协议数据,触发ML模型训练模块的ML训练任务执行,接收ML模型训练模块发送的ML模型,根据ML模型编译容器镜像,依次将ML模型推送至代码仓库,将容器镜像推送至镜像仓库。
本实施例制造业边缘人工智能管理平台的中心集群中,集群管理模块用于接收边缘集群的注册以及边缘集群的状态;代码仓库用于接收CI/CD模块推送的ML模型,接收管理员提交的集群配置;镜像仓库用于接收CI/CD模块推送的容器镜像。
本发明示例性第三实施例提供一种制造业边缘人工智能管理平台,本实施例是图1所示平台的优选实施例。
本实施例制造业边缘人工智能管理平台的边缘集群中,设备接入模块用于接收设备发送的协议相关的原始数据,根据数据协议将原始数据转换为平台内部使用的通用数据,将通用数据发送至HiveMQ消息队列,用于监听HiveMQ消息队列并从HiveMQ消息队列接收控制指令,将通用格式控制指令转换为设备兼容协议指令,将设备兼容协议指令发送至设备。
本实施例制造业边缘人工智能管理平台的边缘集群中,HiveMQ消息队列作为边缘集群的消息总线,用于接收和转发通用数据、样本数据和控制指令;数据处理模块用于监听HiveMQ消息队列并从HiveMQ消息队列获取通用数据,将通用数据处理转换为样本数据后发送至HiveMQ消息队列,为ML推理模块提供数据的预处理;ML推理模块用于监听HiveMQ消息队列并从HiveMQ消息队列获取样本数据,根据样本数据执行ML推理程序得到推理结果,以http post请求方式将推理结果发送至设备控制模块;设备控制模块用于将接收的推理结果与预置规则进行匹配,生成通用格式控制指令,将通用格式控制指令发送至HiveMQ消息队列。
本实施例制造业边缘人工智能管理平台的边缘集群中,GitOps模块用于监听中心集群的代码仓库中ML模型的变更事件和集群配置的变更事件,分别拉取ML模型对应的容器镜像和集群配置,将容器镜像版本号和集群配置分别发送至集群管理代理模块;集群管理代理模块用于将更新版本的容器镜像更新部署至数据处理模块、ML推理模块和设备控制模块,用于将更新版本的集群配置更新部署至边缘集群的基础设施,用于将边缘集群注册到中心集群并向中心集群定时上报边缘集群的状态。
图2为根据本发明示例性第一实施例的一种制造业边缘人工智能管理平台的应用原理图;图3为根据本发明示例性第四实施例的一种制造业边缘人工智能管理方法的流程图,本实施例方法基于图1所示平台的架构并按图2所示原理实施,如图3所示,本实施例的方法,包括:
采用中心集群的消息同步模块监听边缘集群的HiveMQ消息队列并接收样本数据,将样本数据转换为Kafka协议数据后发送至中心集群的Kafka消息队列;
采用中心集群的存储模块从Kafka消息队列获得Kafka协议数据并保存为文本文件;
采用中心集群的CI/CD模块监听中心集群的存储模块的Kafka协议数据,触发中心集群的ML模型训练模块的ML训练任务执行;
采用中心集群的ML模型训练模块从中心集群的存储模块获取文本文件,执行ML训练任务生成ML模型,向中心集群的CI/CD模块发送ML模型;
采用中心集群的CI/CD模块根据ML模型编译容器镜像,依次将ML模型推送至中心集群的代码仓库,将容器镜像推送至中心集群的镜像仓库;
采用边缘集群的GitOps模块监听中心集群的代码仓库中ML模型的变更事件,从镜像仓库拉取ML模型对应的容器镜像,将容器镜像版本号发送至边缘集群的集群管理代理模块;
采用边缘集群的集群管理代理模块,将更新版本的容器镜像更新部署至边缘集群的数据处理模块、ML推理模块和设备控制模块。
图4为根据本发明示例性第五实施例的一种制造业边缘人工智能管理方法的流程图,本实施例方法基于图1所示平台的架构并按图2所示原理实施,如图4所示,本实施例的方法,包括:
采用边缘集群的GitOps模块监听中心集群的代码仓库中集群配置的变更事件,拉取集群配置并发送至边缘集群的集群管理代理模块;
采用边缘集群的集群管理代理模块将更新版本的集群配置更新部署至边缘集群的基础设施。
图5为根据本发明示例性第六实施例的一种制造业边缘人工智能管理方法的流程图,本实施例方法基于图1所示平台的架构并按图2所示原理实施,如图5所示,本实施例的方法,包括:
通过设备接入模块接收设备发送的协议相关的原始数据,根据数据协议将原始数据转换为平台内部使用的通用数据,将通用数据发送至边缘集群的HiveMQ消息队列;
采用边缘集群的数据处理模块监听HiveMQ消息队列并从HiveMQ消息队列获取通用数据,将通用数据处理转换为样本数据后发送至HiveMQ消息队列;
采用边缘集群的ML推理模块监听HiveMQ消息队列并从HiveMQ消息队列获取样本数据,根据样本数据执行ML推理程序得到推理结果,以http post请求方式将推理结果发送至边缘集群的设备控制模块;
采用边缘集群的设备控制模块将接收的推理结果与预置规则进行匹配,生成通用格式控制指令,将通用格式控制指令发送至HiveMQ消息队列;
通过设备接入模块监听HiveMQ消息队列并从HiveMQ消息队列接收控制指令,将通用格式控制指令转换为设备兼容协议指令,将设备兼容协议指令发送至设备。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种制造业边缘人工智能管理平台,其特征在于,所述平台包括:
中心集群,用于从边缘集群中接收样本数据,根据样本数据生成ML模型,根据ML模型编译容器镜像;
边缘集群,用于将设备发送的原始数据转换为样本数据,根据样本数据得到推理结果,将推理结果与预置规则进行匹配,生成设备兼容协议指令发送至设备;用于监听中心集群的ML模型的变更事件,将更新版本的容器镜像更新部署至边缘集群的数据处理模块、ML推理模块和设备控制模块;还用于监听中心集群的集群配置的变更事件,将更新版本的集群配置更新部署至边缘集群的基础设施。
2.根据权利要求1所述的制造业边缘人工智能管理平台,其特征在于,中心集群包括消息同步模块、Kafka消息队列与存储模块,其中,消息同步模块用于监听边缘集群的HiveMQ消息队列并接收样本数据,将样本数据转换为Kafka协议数据后发送至Kafka消息队列;Kafka消息队列用于接收消息同步模块发送的样本数据;存储模块用于从Kafka消息队列获得Kafka协议数据并保存为文本文件,将样本数据持久化保存在中心集群。
3.根据权利要求1所述的制造业边缘人工智能管理平台,其特征在于,中心集群包括ML训练模块和CI/CD模块,其中,ML训练模块用于从存储模块获取文本文件,执行ML训练任务生成ML模型,向CI/CD模块发送ML模型;CI/CD模块用于监听存储模块的Kafka协议数据,触发ML模型训练模块的ML训练任务执行,接收ML模型训练模块发送的ML模型,根据ML模型编译容器镜像,依次将ML模型推送至代码仓库,将容器镜像推送至镜像仓库。
4.根据权利要求1所述的制造业边缘人工智能管理平台,其特征在于,中心集群还包括集群管理模块、代码仓库和镜像仓库,其中,集群管理模块用于接收边缘集群的注册以及边缘集群的状态;代码仓库用于接收CI/CD模块推送的ML模型,接收管理员提交的集群配置;镜像仓库用于接收CI/CD模块推送的容器镜像。
5.根据权利要求1所述的制造业边缘人工智能管理平台,其特征在于,边缘集群包括设备接入模块,设备接入模块用于接收设备发送的协议相关的原始数据,根据数据协议将原始数据转换为平台内部使用的通用数据,将通用数据发送至HiveMQ消息队列,用于监听HiveMQ消息队列并从HiveMQ消息队列接收控制指令,将通用格式控制指令转换为设备兼容协议指令,将设备兼容协议指令发送至设备。
6.根据权利要求1所述的制造业边缘人工智能管理平台,其特征在于,边缘集群包括HiveMQ消息队列、数据处理模块、ML推理模块和设备控制模块,其中,HiveMQ消息队列作为边缘集群的消息总线,用于接收和转发通用数据、样本数据和控制指令;数据处理模块用于监听HiveMQ消息队列并从HiveMQ消息队列获取通用数据,将通用数据处理转换为样本数据后发送至HiveMQ消息队列,为ML推理模块提供数据的预处理;ML推理模块用于监听HiveMQ消息队列并从HiveMQ消息队列获取样本数据,根据样本数据执行ML推理程序得到推理结果,以http post请求方式将推理结果发送至设备控制模块;设备控制模块用于将接收的推理结果与预置规则进行匹配,生成通用格式控制指令,将通用格式控制指令发送至HiveMQ消息队列。
7.权利要求1所述的制造业边缘人工智能管理平台,其特征在于,边缘集群还包括GitOps模块和集群管理代理模块,GitOps模块用于监听中心集群的代码仓库中ML模型的变更事件和集群配置的变更事件,分别拉取ML模型对应的容器镜像和集群配置,将容器镜像版本号和集群配置分别发送至集群管理代理模块;集群管理代理模块用于将更新版本的容器镜像更新部署至数据处理模块、ML推理模块和设备控制模块,用于将更新版本的集群配置更新部署至边缘集群的基础设施,用于将边缘集群注册到中心集群并向中心集群定时上报边缘集群的状态。
8.根据权利要求1-7任一所述平台的制造业边缘人工智能管理方法,其特征在于,所述方法,包括:
采用中心集群的消息同步模块监听边缘集群的HiveMQ消息队列并接收样本数据,将样本数据转换为Kafka协议数据后发送至中心集群的Kafka消息队列;
采用中心集群的存储模块从Kafka消息队列获得Kafka协议数据并保存为文本文件;
采用中心集群的CI/CD模块监听中心集群的存储模块的Kafka协议数据,触发中心集群的ML模型训练模块的ML训练任务执行;
采用中心集群的ML模型训练模块从中心集群的存储模块获取文本文件,执行ML训练任务生成ML模型,向中心集群的CI/CD模块发送ML模型;
采用中心集群的CI/CD模块根据ML模型编译容器镜像,依次将ML模型推送至中心集群的代码仓库,将容器镜像推送至中心集群的镜像仓库;
采用边缘集群的GitOps模块监听中心集群的代码仓库中ML模型的变更事件,从镜像仓库拉取ML模型对应的容器镜像,将容器镜像版本号发送至边缘集群的集群管理代理模块;
采用边缘集群的集群管理代理模块,将更新版本的容器镜像更新部署至边缘集群的数据处理模块、ML推理模块和设备控制模块。
9.根据权利要求1-7任一所述平台的制造业边缘人工智能管理方法,其特征在于,所述方法,包括:
采用边缘集群的GitOps模块监听中心集群的代码仓库中集群配置的变更事件,拉取集群配置并发送至边缘集群的集群管理代理模块;
采用边缘集群的集群管理代理模块将更新版本的集群配置更新部署至边缘集群的基础设施。
10.一种基于权利要求1-7任一所述平台的制造业边缘人工智能管理方法,其特征在于,所述方法,包括:
通过设备接入模块接收设备发送的协议相关的原始数据,根据数据协议将原始数据转换为平台内部使用的通用数据,将通用数据发送至边缘集群的HiveMQ消息队列;
采用边缘集群的数据处理模块监听HiveMQ消息队列并从HiveMQ消息队列获取通用数据,将通用数据处理转换为样本数据后发送至HiveMQ消息队列;
采用边缘集群的ML推理模块监听HiveMQ消息队列并从HiveMQ消息队列获取样本数据,根据样本数据执行ML推理程序得到推理结果,以http post请求方式将推理结果发送至边缘集群的设备控制模块;
采用边缘集群的设备控制模块将接收的推理结果与预置规则进行匹配,生成通用格式控制指令,将通用格式控制指令发送至HiveMQ消息队列;
通过设备接入模块监听HiveMQ消息队列并从HiveMQ消息队列接收控制指令,将通用格式控制指令转换为设备兼容协议指令,将设备兼容协议指令发送至设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211457959.9A CN115756745A (zh) | 2022-11-16 | 2022-11-16 | 一种制造业边缘人工智能管理平台和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211457959.9A CN115756745A (zh) | 2022-11-16 | 2022-11-16 | 一种制造业边缘人工智能管理平台和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115756745A true CN115756745A (zh) | 2023-03-07 |
Family
ID=85333915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211457959.9A Pending CN115756745A (zh) | 2022-11-16 | 2022-11-16 | 一种制造业边缘人工智能管理平台和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115756745A (zh) |
-
2022
- 2022-11-16 CN CN202211457959.9A patent/CN115756745A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112383416B (zh) | 基于KubeEdge和EdgeX Foundry的智能边缘设备控制平台 | |
CN112549029B (zh) | 一种基于行为树的机器人行为控制方法及装置 | |
CN113612820A (zh) | 基于SuperEdge和EdgeXFoundry的云边端设备平台控制架构和方法 | |
CN116319272A (zh) | 一种云边协同系统在智慧农业的应用方法及装置 | |
CN116149205B (zh) | 一种基于数字孪生的智能加工单元多策略组合仿真方法 | |
CN111324460B (zh) | 一种基于云计算平台的电力监测控制系统及方法 | |
Dunne et al. | A comparison of data streaming frameworks for anomaly detection in embedded systems | |
CN117473863A (zh) | 面向无人系统集群的多节点仿真测试方法和系统 | |
CN115756745A (zh) | 一种制造业边缘人工智能管理平台和方法 | |
CN114265601A (zh) | 管理人工智能应用的方法、设备和程序产品 | |
CN116755764A (zh) | 一种自动伸缩的无侵入式灰度发布系统 | |
CN115037769B (zh) | 一种基于soa的空中交通管制自动化系统及其实现方法 | |
CN110099116B (zh) | 一种基于大数据的子网安全性评估方法 | |
CN115755810A (zh) | 一种基于协同控制的分布式控制装置 | |
CN115907022A (zh) | 一种多量子业务转化及仿真调度方法、装置、设备及介质 | |
EP4071670A1 (en) | Technical system for a centralized generation of a plurality of trained, retrained and/or monitored machine learning models, wherein the generated machine learning models are executed decentral | |
CN103269327A (zh) | 一种基于代理机制的通用文件数据服务的实现方法 | |
CN116781476B (zh) | 一种节点型边缘计算系统 | |
CN116112375B (zh) | 一种航电嵌入式/非嵌入式联合仿真架构及其设计方法 | |
WO2024179066A1 (zh) | 用于轨道交通系统的工业互联网平台、方法及存储介质 | |
CN114371938B (zh) | 天基智能网联边缘计算框架 | |
CN110991676B (zh) | 一种基于模块化设计的运维管理平台 | |
CN115374234A (zh) | 一种基于地图的数据可视化系统 | |
CN115213907A (zh) | 基于边缘计算的运维机器人作业方法及系统 | |
CN118170566A (zh) | 面向边缘设备的消息处理方法及相关设备 |
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 |