CN116149272A - 一种云边协同的生产线监控方法、装置及系统 - Google Patents

Abstract

本发明公开了一种云边协同的生产线监控方法、装置及系统，方法包括：接收数据采集端发送的生产线数据，对生产线数据进行解析，确定标准数据，并将标准数据发送至云端；接收配置文件，利用配置文件确定工作流任务；将工作流任务中满足预设条件的服务节点加入到任务队列；将生产线监控模型存储至镜像仓库中；接收云端发送的生产线监控模型，利用Docker容器以及生产线监控模型；获取云端的任务队列，利用微服务对任务队列进行轮询；根据轮询结果执行对应的任务，确定工作流结果；接收边缘端发送的工作流结果，并对工作流结果进行存储。本发明充分利用边缘端和云端协同的优势，在边缘端实现产线及时监测和控制，提高了数据处理效率。

Description

一种云边协同的生产线监控方法、装置及系统

技术领域

本发明涉及智能生产线监控工作流技术领域，具体涉及一种云边协同的生产线监控方法、装置及系统。

背景技术

随着智能制造的发展，工厂将云计算，大数据，云边协同的生产线监控，物联网等新兴技术与现有系统进行深度融合，实现工厂生产系统进一步智能化。制造产业应当革新商业模式，通过对生产系统架构的改进，从而提高生产系统各层次的柔性化程度，使生产系统能够根据客户个性化需求进行定制产品的生产。如今，随着社会的发展，传统的制造系统不能满足市场对多品种小批量产品的需求，这就使系统的柔性对系统的生存越来越重要。

智能生产产线监控系统作为智能生产系统的重要子系统，它可以实现对现场设备，生产状况，产品状态进行监测和控制，实现数据采集、设备控制、缺陷与故障检测以及各类信号的报警等功能，从而为生产全局提供统一数据服务，实现生产数据可视化展示。然而目前的产线监控工系统存在各个模块耦合度高，数据处理不及时，边缘端计算能力不足等问题，无法实现监控系统工作流的动态改变，将难以满足生产和产品的柔性需求。

发明内容

有鉴于此，本发明实施例提供了一种云边协同的生产线监控方法、装置及系统，解决了现有的方法各个模块耦合度高，数据处理不及时，边缘端计算能力不足等问题。

根据第一方面，本发明实施例提供了一种云边协同的生产线监控方法，应用于边缘端，包括：

接收数据采集端发送的生产线数据，对所述生产线数据进行解析，确定标准数据，并将所述标准数据发送至云端；

接收云端发送的生产线监控模型，利用Docker容器以及所述生产线监控模型，搭载生产线任务执行微服务；

获取所述云端的任务队列，利用所述微服务对所述任务队列进行轮询，确定轮询结果；

根据所述轮询结果执行对应的任务，确定工作流结果，并将所述工作流结果发送至云端。

结合第一方面，在第一方面第一实施方式中，所述利用所述微服务对所述任务队列进行轮询，确定轮询结果，包括：

判断所述任务队列中是否存在待执行任务；

当不存在所述待执行任务时，返回继续获取所述云端的任务队列；

当存在所述待执行任务时，确定工作流程。

结合第一方面，在第一方面第二实施方式中，所述将所述标准数据发送至云端，包括：通过HTTP协议将所述标准数据作为参数传入工作流引擎服务的接口，所述工作流引擎服务在所述云端存放工作流的配置文件，通过非关系型数据库进行文件查找匹配。

结合第一方面第一实施方式，在第一方面第三实施方式中，所述对所述生产线数据进行解析，确定标准数据，包括：

对所述生产线数据进行数据清洗和数据集成，确定预处理数据；

通过对所述预处理数据进行解析，对设备的所述工作流程进行识别和绑定，确定标准数据。

结合第一方面，在第一方面第四实施方式中，所述利用Docker容器以及所述生产线监控模型，搭载生产线任务执行微服务，包括：

将所述标准数据作为传入参数，利用所述传入参数获取对应的所述生产线监控模型进行监控，确定监控结果；

利用Docker容器以及所述监控结果，执行工作流中由预设产线操作指令，以确定生产线任务执行微服务。

根据第二方面，本发明实施例提供了一种云边协同的生产线监控方法，应用于云端，包括：

接收配置文件，利用所述配置文件确定工作流任务；

利用工作流引擎服务，将所述工作流任务中满足预设条件的服务节点加入到任务队列；

接收训练后的生产线监控模型，将所述生产线监控模型存储至镜像仓库中，并将所述镜像仓库中的所述生产线监控模型发送至边缘端；

接收所述边缘端发送的工作流结果，并对所述工作流结果进行存储，以实现生产线监控。

本发明实施例提供的云边协同的生产线监控方法，相较于现有技术，充分利用边缘端和云端协同的优势，在边缘端实现产线及时监测和控制，提高了数据处理效率，在云端利用云计算能力进行算法模型训练，同时实现智能生产线监控数据可视化展示。本发明对于智能生产线监控工作流编排不需要再局限于本地，通过云端工作流引擎暴露的HTTP接口即可实现远程工作流编排。本发明通过边缘端数据与协议解析模块实现异构设备，异构网络的接入，转换后以统一的数据与协议标准接入到系统中，实现即插即用。边缘端和云端的微服务都采用Docker容器运行，充分利用了服务器资源，便于系统资源管理。

结合第二方面，在第二方面第一实施方式中，所述工作流引擎服务包括工作流执行引擎以及工作流注册引擎，所述配置文件包括边缘端配置文件和用户端配置文件，所述接收配置文件，包括：

接收所述边缘端发送的标准数据，通过所述工作流执行引擎将所述标准数据确定为所述边缘端配置文件；

通过HTTP协议通过所述工作流注册引擎，将用户端的JSON文件确定为所述用户端配置文件。

结合第二方面，在第二方面第二实施方式中，所述方法还包括：根据需求变化，更改所述配置文件，实现对所述任务队列的更新。

本发明实施例提供的云边协同的生产线监控方法，相较于现有技术方法而言，能够实现不停产，不重启系统的情况下进行智能生产线监控工作流的编排，从而动态的适配丰富多变的生产业务场景，实现智能生产线监控能够有效兼容产品柔性，工艺柔性，扩展柔性。当产品发生更换，生产工艺逻辑变更，智能生产线监控流程发生变换，只需要上传变更的任务模块，并注册到工作流引擎中，在不修改其他任务模块源代码的情况下，仅通过重写该工作流的JSON编排文件即可实现产线监控工作流变更。该方法实现了各任务执行模块完全解耦合，彼此不存在依赖，从而使各任务微服务模块便于更换，并重复利用。工作流引擎采用反转控制法获取工作流编排文件，在运行中读取配置文件信息形成执行工作流流程，实现能够动态更改现有生产监控工作流。

根据第三方面，本发明实施例提供了一种云边协同的生产线监控装置，应用于边缘端，包括：

解析模块，用于接收数据采集端发送的生产线数据，对所述生产线数据进行解析，确定标准数据，并将所述标准数据发送至云端；

监控模块，用于接收云端发送的生产线监控模型，利用Docker容器以及所述生产线监控模型，搭载生产线任务执行微服务；

轮询模块，用于获取所述云端的任务队列，利用所述微服务对所述任务队列进行轮询，确定轮询结果；

执行模块，用于根据所述轮询结果执行对应的任务，确定工作流结果，并将所述工作流结果发送至云端。

根据第四方面，本发明实施例提供了一种云边协同的生产线监控装置，应用于云端，包括：

第一处理模块，用于接收配置文件，利用所述配置文件确定工作流任务；

第二处理模块，用于利用工作流引擎服务，将所述工作流任务中满足预设条件的服务节点加入到任务队列；

第三处理模块，用于接收训练后的生产线监控模型，将所述生产线监控模型存储至镜像仓库中，并将所述镜像仓库中的所述生产线监控模型发送至边缘端；

第四处理模块，用于接收所述边缘端发送的工作流结果，并对所述工作流结果进行存储，以实现生产线监控。

根据第五方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的云边协同的生产线监控方法，或者执行第二方面或者第二方面的任意一种实施方式中所述的云边协同的生产线监控方法。

根据第六方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的云边协同的生产线监控方法，或者执行第二方面或者第二方面的任意一种实施方式中所述的云边协同的生产线监控方法。

根据第七方面，本发明实施例提供了一种云边协同的生产线监控系统，包括：

至少一个边缘端，所述边缘端用于执行第一方面或者第一方面的任意一种实施方式中所述的云边协同的生产线监控方法；

云端，与所述至少一边缘端连接，所述云端用于执行第二方面或者第二方面的任意一种实施方式中所述的云边协同的生产线监控方法；

至少一用户端，与所述云端连接，所述用户端用于进行JSON文件的确定。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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是根据本发明实施例的云边协同的生产线监控方法应用于边缘端的流程图；

图2是根据本发明优选实施例的边缘端产线监控任务执行微服务的流程图；

图3是根据本发明实施例的云边协同的生产线监控方法应用于云端的流程图；；

图4是根据本发明实施例的决策任务队列服务的流程图；

图5是根据本发明实施例的云边协同的生产线监控方法的流程图；

图6是根据本发明实施例的云边协同的生产线监控方法的另一具体流程图；

图7是根据本发明实施例的云边协同的生产线监控装置的示意图；

图8是根据本发明实施例的云边协同的生产线监控装置的另一示意图；

图9是根据本发明实施例的云边协同的生产线监控系统的示意图；

图10是根据本发明实施例的云边协同的生产线监控系统的另一示意图；

图11是本发明实施例提供的电子设备的硬件结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供的云边协同的生产线监控方法，实现产线监控工作流可动态调整和更换，具有流程柔性高，结构重构便捷，数据处理实时，适应丰富生产业务场景的优点，解决了现有技术中的问题。

根据本发明实施例，提供了一种云边协同的生产线监控方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中提供了一种云边协同的生产线监控方法，可用于云边协同的生产线监控设备，例如电脑、手机、平板电脑等。图1是根据本发明实施例的云边协同的生产线监控方法的流程图，如图1所示，该流程包括如下步骤：

S11，接收数据采集端发送的生产线数据，对生产线数据进行解析，确定标准数据，并将标准数据发送至云端。

本实施例中，通过数据与协议解析模块对采集的数据进行解析与转换；智能生产线监控系统需要连接不同厂家，不同类别，不同接口风格的产线设备，传感器及其他系统，具有很高的异构性，为了能使智能生产线监控系统适配不同设备和系统，并且可以柔性更改智能生产线监控工作流，需要对传输的数据与协议进行标准化，最终能作为智能生产线监控工作流的传入参数。以上工作将由边缘端网关的数据与协议解析模块来完成。

其中，边缘端网关对外提供RS485，串口，USB，Modbus等通信接口，数据与协议解析模块会根据对应的传输协议将传输数据进行拆包，然后通过数据映射转为编程语言的实体类对象和边缘端数据库的格式进行存储。当需要向云端或者其他设备进行通讯时，则通过采用统一的MQTT协议，经由EMQX平台的MQTT broker代理进行信息订阅与发布。每个MQTT客户端都有一个唯一的客户端ID，以及订阅的主题。通过MQTT客户端发往指定主题通道，订阅该主题的客户端就能收到信息。从而实现以统一的数据格式和传输协议在边缘端与云端之间，设备与设备之间，系统与系统之间进行通信。

S12，接收云端发送的生产线监控模型，利用Docker容器以及生产线监控模型，搭载生产线任务执行微服务。其中，边缘端接收云端发送过来的生产线监控模型后，根据解析获得的标准格式数据作为云端工作流引擎接口参数传入，再由工作流引擎选择对应匹配工作流执行；通过工作流事件监听器感知数据预处理事件和缺陷监测事件，当事件发生时拉取对应生产线监控模型的镜像，并以Docker容器进行运行，搭载生产线任务执行微服务。

S13，获取云端的任务队列，利用微服务对任务队列进行轮询，确定轮询结果。

边缘端产线监控任务执行微服务通过HTTP方式在云端工作流引擎中任务队列进行注册并执行长轮询。在注册的过程中，通过设置线程数，限定在边缘端实现任务的工作线程数量。将编写的实现了Worker接口的任务执行微服务以队列的方式作为参数放入到任务运行配置函数中完成连接执行。其中任务名参数需要和JSON配置文件注册时的任务名保持一致。如图2所示，任务执行模块连接完成后，边缘端的任务模块会对工作流引擎中任务队列进行长轮询，当发现任务队列中有同名的任务时，会根据任务队列中传入的参数由边缘端任务执行模块进行执行，并返回结果到工作流引擎中。

产线监控工作流的输入，输出及流程结构的构建需要通过用户编写的JSON配置文件发送到云端工作流引擎进行构建。首先构建统一任务执行模板，通过抽取任务执行微服务的共同特征设计一个统一的JSON模板，其中服务名

“serviceName”和方法名“methodName”参数来确定具体调用的微服务方法，5参数实体全限定名“className”作为传入参数实体“params”解析实体，最后任务微服务执行完的结果，将存入到结果参数“resultObject”中。下面给出场景任务执行模块配置文件的一个实例性描述，该示例的场景配置文件的定义及含义如下所示：

[

0{

#任务名

"name":"taskTemplate",

#任务描述

"description":"任务执行模板",

5#重连次数

"retryCount":3,

#超时重连时间

"timeoutSeconds":1000,

#输入参数

0"inputKeys":[

"serviceName",

"methodName",

"className",

"params"

5],

#输出参数

"outputKeys":[

"resultObject"

],

#超时重连策略

"timeoutPolicy":"TIME_OUT_WF",

"retryLogic":"FIXED",

"retryDelaySeconds":600,

"responseTimeoutSeconds":900

}

]

上述参数名和参数实体都会以Key-Value的方式进行存储。任务模板上传后，用户再通过编写JSON文件描述产线监控工作流，经过工作流引擎自带的工作流关系描述语句进行任务的工作流编排，最后通过HTTP方式传入到云端非关系型数据库中进行存储，工作流引擎根据该配置文件生成工作流流程结构，并在运行中将需要执行的任务放入到队列中等待边缘端的任务执行模块进行轮询执行。

S14，根据轮询结果执行对应的任务，确定工作流结果，并将工作流结果发送至云端。

云边协同的生产线监控设备在上述S13中确定轮询结果之后，工作流结果回调是智能生产线监控工作流的最后处理环节，该模块也是由用户自行编写并上传注册。工作流结果回调模块主要是对工作流的结果进行自定义处理。比如，可以对工作流处理结果进行进一步封装，也可以将处理的结果存放在边缘端数据库进行保存，也可以通过MQTT客户端以MQTT协议发布到云端进行可视化展示或者做进一步分析计算。该模块也是由工作流引擎管理，随时可以进行更换，同时也可以根据不同的工作流采用不同的回调模块。

本实施例提供的云边协同的生产线监控方法，相较于现有技术，充分利用边缘端和云端协同的优势，在边缘端实现产线及时监测和控制，提高了数据处理效率，在云端利用云计算能力进行算法模型训练，同时实现智能生产线监控数据可视化展示。本发明对于智能生产线监控工作流编排不需要再局限于本地，通过云端工作流引擎暴露的HTTP接口即可实现远程工作流编排。本发明通过边缘端数据与协议解析模块实现异构设备，异构网络的接入，转换后以统一的数据与协议标准接入到系统中，实现即插即用。边缘端和云端的微服务都采用Docker容器运行，充分利用了服务器资源，便于系统资源管理。

在本实施例中提供了一种云边协同的生产线监控方法，该流程包括如下步骤：

S21，接收数据采集端发送的生产线数据，对生产线数据进行解析，确定标准数据，并将标准数据发送至云端。

具体地，上述步骤S21还包括如下步骤：

S211，对生产线数据进行数据清洗和数据集成，确定预处理数据；

S212，通过对预处理数据进行解析，对设备的工作流程进行识别和绑定，确定标准数据。

本实施例中，通过数据与协议解析模块对监控设备和传感器所采集的数据进行解析和转换，通过解析数据，对产品，设备，执行流程信息进行识别和绑定；通过HTTP协议将信息作为参数传入工作流引擎的接口，工作流引擎在云端中存放工作流配置文件的非关系型数据库中进行查找匹配。根据匹配到的工作流配置文件在决策队列服务中进行方案选择，根据方案将需要执行的任务模块放入到任务队列中。

S22，接收云端发送的生产线监控模型，利用Docker容器以及生产线监控模型，搭载生产线任务执行微服务。

具体地上述步骤S22还包括如下步骤：

S221，将标准数据作为传入参数，利用传入参数获取对应的生产线监控模型进行监控，确定监控结果；

S222，利用Docker容器以及监控结果，执行工作流中由预设产线操作指令，以确定生产线任务执行微服务。

详细请参见图1所示实施例的S12，在此不再赘述。

S23，获取云端的任务队列，利用微服务对任务队列进行轮询，确定轮询结果。判断任务队列中是否存在待执行任务；当不存在待执行任务时，返回继续获取云端的任务队列；当存在待执行任务时，确定工作流程。

详细请参见图1所示实施例的S13，在此不再赘述。

S24，根据轮询结果执行对应的任务，确定工作流结果，并将工作流结果发送至云端。

详细请参见图1所示实施例的S14，在此不再赘述。

在本实施例中提供了一种云边协同的生产线监控方法，可用于云端，例如电脑、手机、平板电脑等。图3是根据本发明实施例的云边协同的生产线监控方法的流程图，如图3所示，该流程包括如下步骤：

S31，接收配置文件，利用配置文件确定工作流任务。

其中，将智能生产线监控任务执行模块微服务和监控工作流流程进行注册；通过Docker容器技术搭载智能生产线监控任务模块，实现任务资源隔离和进程隔离。由于监控任务微服务之间不存在依赖，可单独进行编写，之后通过使用DockerFile对编写的微服务进行镜像制造，并上传到镜像仓库，根据需求拉取对应的镜像并在边缘端以容器方式进行运行。各智能生产线监控任务微服务模块采用Nacos作为配置中心，代码配置通过Nacos实现远程配置和热部署更新。

S32，利用工作流引擎服务，将工作流任务中满足预设条件的服务节点加入到任务队列。

根据智能生产线监控流程与产品情况在本地编写好JSON文件,将JSON文件发送至云端工作流编排接口，工作流引擎通过JSON文件中工作流名称查找工作流配置文件非关系性数据库匹配项，如果不存在匹配项则进行新工作流创建，而如果存在匹配项则将JSON文件里的内容更新到匹配项的配置文件里。

当数据与协议解析模块完成智能生产线监控数据的解析，并根据解析数据进行识别，获取里面对应的产品信息，工作流名称等，再以工作流名称作为请求名，通过HTTP的POST请求方式执行对应请求名称的智能生产线监控工作流，而其他参数则作为工作流编排的第一个任务执行模块的传入参数。当POST请求返回状态码为“200”时则代表工作流执行请求成功，否则执行错误，需要进行排查。

如图2所示，工作流引擎通过反转控制执行请求的工作流配置文件后将开始进行任务决策调度。如图4所示，决策任务队列服务是在同一个名称中的任务队列里选择一个任务执行微服务进行执行，任务调度器会根据任务执行微服务所在的边缘服务器CPU使用率情况进行排序调用，同一个任务执行模块微服务所在的边缘服务器整体CPU使用率越低，被调用执行的概率就会越大。

S33，接收训练后的生产线监控模型，将生产线监控模型存储至镜像仓库中，并将镜像仓库中的生产线监控模型发送至边缘端。

首先，根据传入工作流数据类型判断是否要对数据进行数据预处理，如果是则进一步判断需要执行哪一种数据预处理模型。以上是否要进行数据预处理判断将由工作流引擎的事件监测模块进行实时感知完成。而决策使用哪种模型利用了工作流引擎的Decide决策功能，根据传入的参数赋值到决策参数caseValueParam这个Key值的Value中，再通过工作流引擎的Switch选择功能的参数decisionCases值进行匹配，选择对应的任务执行模块或者工作流分支进行执行，实现运行中的决策与工作流分流。

当数据预处理完成之后会将结果返回到工作流引擎，其结果会作为下一个任务执行模块的传入参数。接下来仍然会对传入参数做同样的判断，传入监测压缩算法模型执行模块的数据类型判断是否要对数据进行监测算法模型运算，比如，判断数据是需要进行产品缺陷监测或者设备的故障检查则会执行该任务模块。如果需要执行该部分，则进一步判断需要执行哪一种监测算法模型。由于边缘端计算能力不足，算法的模型训练将会放到云端进行，当模型训练完后的压缩模型会通过DockerFile打包成镜像文件并存储在镜像仓库中。发生新镜像创建或者更新时，云端会主动将最新版本的算法模型镜像推送到边缘端的本地镜像仓库进行存储。确定完要执行哪一种监测算法模型后，边缘端先判断该模型容器是否已经在运行，如果有则直接进行调用，若没有则需要拉取该模型的最新镜像进行容器运行。

S34，接收边缘端发送的工作流结果，并对工作流结果进行存储，以实现生产线监控。

当监测结果出来后则进入产线反馈控制环节，即监测数据结果到达产线操作指令模块，该模块由用户自行编写并上传。产线操作指令模块会根据产品的变动，监测结果的异常等对产线工艺参数，工艺执行流程进行调整。该模块可以由多个子微服务组成，用户可根据需求上传不同情况下的产线操作任务执行微服务，并按上面方式进行任务注册。最后只需调整原工作流JOSN文件，而不需要改动其他微服务的源代码就可以实现智能生产线监控工作流的更改。由于工作流引擎是通过反转控制的方法读取配置文件，因此用户可以在不停止生产，不重启系统的情况下就能对工作流的任务执行模块和任务执行顺序进行更换和升级，从而达到柔性适配丰富多样的生产业务环境。

本实施例提供的云边协同的生产线监控方法，相较于现有技术方法而言，能够实现不停产，不重启系统的情况下进行智能生产线监控工作流的编排，从而动态的适配丰富多变的生产业务场景，实现智能生产线监控能够有效兼容产品柔性，工艺柔性，扩展柔性。当产品发生更换，生产工艺逻辑变更，智能生产线监控流程发生变换，只需要上传变更的任务模块，并注册到工作流引擎中，在不修改其他任务模块源代码的情况下，仅通过重写该工作流的JSON编排文件即可实现产线监控工作流变更。该方法实现了各任务执行模块完全解耦合，彼此不存在依赖，从而使各任务微服务模块便于更换，并重复利用。工作流引擎采用反转控制法获取工作流编排文件，在运行中读取配置文件信息形成执行工作流流程，实现能够动态更改现有生产监控工作流。

在本实施例中提供了一种云边协同的生产线监控方法，可以应用与云端，该流程包括如下步骤：

S41，接收配置文件，利用配置文件确定工作流任务。

工作流引擎服务包括工作流执行引擎以及工作流注册引擎，配置文件包括边缘端配置文件和用户端配置文件，具体地，上述步骤S41还包括如下步骤：

S411，接收边缘端发送的标准数据，通过工作流执行引擎将标准数据确定为边缘端配置文件；

S412，通过HTTP协议通过工作流注册引擎，将用户端的JSON文件确定为用户端配置文件。

详细请参见图3所示实施例的S31，在此不再赘述。

本实施例中，在接收配置文件后，根据需求变化，更改配置文件，实现对任务队列的更新。

S42，利用工作流引擎服务，将工作流任务中满足预设条件的服务节点加入到任务队列。

详细请参见图3所示实施例的S32，在此不再赘述。

S43，接收训练后的生产线监控模型，将生产线监控模型存储至镜像仓库中，并将镜像仓库中的生产线监控模型发送至边缘端。

详细请参见图3所示实施例的S33，在此不再赘述。

S44，接收边缘端发送的工作流结果，并对工作流结果进行存储，以实现生产线监控。

详细请参见图3所示实施例的S34，在此不再赘述。

在本实施例中提供了一种云边协同的生产线监控方法，如图5所示，通过云端及边缘端进行数据通信及数据处理，实现云边协同的生产线监控。

S1，接收数据采集端发送的生产线数据，对生产线数据进行解析，确定标准数据，并将标准数据发送至云端；详细请参见图1所示实施例的S11，在此不再赘述。

S2，接收配置文件，利用配置文件确定工作流任务；其中配置文件是用户端发送的；详细请参见图3所示实施例的S31，在此不再赘述。

S3，利用工作流引擎服务，将工作流任务中满足预设条件的服务节点加入到任务队列；详细请参见图3所示实施例的S32，在此不再赘述。

S4，接收训练后的生产线监控模型，将生产线监控模型存储至镜像仓库中，并将镜像仓库中的生产线监控模型发送至边缘端；其中模型训练过程是在用户端进行，并且训练过程为现有的模型训练技术，本实施例不在论述；详细请参见图3所示实施例的S33，在此不再赘述。

S5，接收云端发送的生产线监控模型，利用Docker容器以及生产线监控模型，搭载生产线任务执行微服务；详细请参见图1所示实施例的S12，在此不再赘述。

S6，获取云端的任务队列，利用微服务对任务队列进行轮询，确定轮询结果；详细请参见图1所示实施例的S13，在此不再赘述。

S7，根据轮询结果执行对应的任务，确定工作流结果，并将工作流结果发送至云端；详细请参见图1所示实施例的S14，在此不再赘述。

S8，接收边缘端发送的工作流结果，并对工作流结果进行存储，以实现生产线监控；详细请参见图3所示实施例的S34，在此不再赘述。

在实际应用中，可以详细参见图6，其中感知层主要包括采集设备、传感器等，具体实现过程详细参见上述方法实施例，本实施例不再赘述。

在本实施例中还提供了一种云边协同的生产线监控装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

本实施例提供一种云边协同的生产线监控装置，如图7所示，包括：解析模块1，用于接收数据采集端发送的生产线数据，对生产线数据进行解析，确定标准数据，并将标准数据发送至云端；监控模块2，用于接收云端发送的生产线监控模型，利用Docker容器以及生产线监控模型，搭载生产线任务执行微服务；轮询模块3，用于获取云端的任务队列，利用微服务对任务队列进行轮询，确定轮询结果；执行模块4，用于根据轮询结果执行对应的任务，确定工作流结果，并将工作流结果发送至云端。

本实施例提供一种云边协同的生产线监控装置，如图8所示，包括：第一处理模块01，用于接收配置文件，利用配置文件确定工作流任务；第二处理模块02，用于利用工作流引擎服务，将工作流任务中满足预设条件的服务节点加入到任务队列；第三处理模块03，用于接收训练后的生产线监控模型，将生产线监控模型存储至镜像仓库中，并将镜像仓库中的生产线监控模型发送至边缘端；第四处理模块04，用于接收边缘端发送的工作流结果，并对工作流结果进行存储，以实现生产线监控。

本实施例中的云边协同的生产线监控装置是以功能单元的形式来呈现，这里的单元是指ASIC电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。

上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。

本实施例还提供一种云边协同的生产线监控系统，如图9所示，包括：

至少一个边缘端010，边缘端010用于执行第一方面或者第一方面的任意一种实施方式中的云边协同的生产线监控方法。

上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。

云端020，与至少一边缘端010连接，云端020用于执行第二方面或者第二方面的任意一种实施方式中的云边协同的生产线监控方法。

上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。

至少一用户端030，与云端020连接，用户端030用于进行JSON文件的确定。

上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。

具体地，如图10所示，本实施例提供一种基于边云协同的智能生产线监控工作流编排系统，包括以下部分：边缘端和云端。智能生产线监控工作流编排系统的边缘微服务包括：数据与协议解析模块，数据预处理模块，监测压缩算法模型执行模块，产线指令操作模块，工作流结果回调模块。智能生产线监控工作流编排系统的云端微服务包括：工作流引擎模块，监测算法压缩模型镜像仓库，工作流配置文件非关系性数据库，数据可视化面板模块。

数据与协议解析模块，对接入智能生产线监控系统的传感器，设备，以及其他系统的采集的数据和传输协议进行识别和转换，以标准数据格式和统一协议进行输出。数据预处理模块，根据数据与协议解析模块解析得到的数据进行数据清洗和数据集成。监测压缩算法模型执行模块根据数据清洗和数据集成后的数据作为传入参数，拉取对应的产品和设备监测算法模型镜像进行缺陷和故障检测。产线指令操作模块，根据监测结果，决策选择工作流中由用户编写和上传的产线操作指令代码。工作流结果回调模块对工作流执行后的结果进行处理并通过MQTT客户端发布到云端。

工作流引擎模块提供智能生产线监控工作流的创建，编排，管理和维护操作，同时对外暴露能够实现操作的HTTP接口。监测算法压缩模型镜像仓库存储已完成训练的产线监测算法，并根据版本的更新向边缘端推送最新版本的监测算法压缩模型镜像。非关系性数据库存储智能生产线监控工作流配置文件。数据可视化面板模块对边缘端通过MQTT客户端推送上来的智能生产线监控信息进行数据可视化展示。

本发明实施例还提供一种移动终端，具有上述图11所示的云边协同的生产线监控装置。

请参阅图11，图11是本发明可选实施例提供的一种终端的结构示意图，如图11所示，该终端可以包括：至少一个处理器601，例如CPU(Central Processing Unit，中央处理器)，至少一个通信接口603，存储器604，至少一个通信总线602。其中，通信总线602用于实现这些组件之间的连接通信。其中，通信接口603可以包括显示屏(Display)、键盘(Keyboard)，可选通信接口603还可以包括标准的有线接口、无线接口。存储器604可以是高速RAM存储器(Random Access Memory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器604可选的还可以是至少一个位于远离前述处理器601的存储装置。其中处理器601可以结合上述装置，存储器604中存储应用程序，且处理器601调用存储器604中存储的程序代码，以用于执行上述任一方法步骤。

其中，通信总线602可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。通信总线602可以分为地址总线、数据总线、控制总线等。为便于表示，图11中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器604可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard diskdrive，缩写：HDD)或固态硬盘(英文：solid-state drive，缩写：SSD)；存储器604还可以包括上述种类的存储器的组合。

其中，处理器601可以是中央处理器(英文：central processing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。

其中，处理器601还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：ASIC)，可编程逻辑器件(英文：programmable logic device，缩写：PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：CPLD)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：FPGA)，通用阵列逻辑(英文：generic arraylogic,缩写：GAL)或其任意组合。

可选地，存储器604还用于存储程序指令。处理器601可以调用程序指令，实现如本申请图1和3实施例中所示的方法。

本发明实施例还提供了一种非暂态计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的云边协同的生产线监控方法。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard DiskDrive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种云边协同的生产线监控方法，其特征在于，应用于边缘端，所述方法包括：

接收数据采集端发送的生产线数据，对所述生产线数据进行解析，确定标准数据，并将所述标准数据发送至云端；

接收云端发送的生产线监控模型，利用Docker容器以及所述生产线监控模型，搭载生产线任务执行微服务；

获取所述云端的任务队列，利用所述微服务对所述任务队列进行轮询，确定轮询结果；

根据所述轮询结果执行对应的任务，确定工作流结果，并将所述工作流结果发送至云端。

2.根据权利要求1所述的方法，其特征在于，所述利用所述微服务对所述任务队列进行轮询，确定轮询结果，包括：

判断所述任务队列中是否存在待执行任务；

当不存在所述待执行任务时，返回继续获取所述云端的任务队列；

当存在所述待执行任务时，确定工作流程。

3.根据权利要求1所述的方法，其特征在于，所述将所述标准数据发送至云端，包括：通过HTTP协议将所述标准数据作为参数传入工作流引擎服务的接口，所述工作流引擎服务在所述云端存放工作流的配置文件，通过非关系型数据库进行文件查找匹配。

4.根据权利要求2所述的方法，其特征在于，所述对所述生产线数据进行解析，确定标准数据，包括：

对所述生产线数据进行数据清洗和数据集成，确定预处理数据；

通过对所述预处理数据进行解析，对设备的所述工作流程进行识别和绑定，确定标准数据。

5.根据权利要求1所述的方法，其特征在于，所述利用Docker容器以及所述生产线监控模型，搭载生产线任务执行微服务，包括：

将所述标准数据作为传入参数，利用所述传入参数获取对应的所述生产线监控模型进行监控，确定监控结果；

利用Docker容器以及所述监控结果，执行工作流中由预设产线操作指令，以确定生产线任务执行微服务。

6.一种云边协同的生产线监控方法，其特征在于，应用于云端，所述方法包括：

接收配置文件，利用所述配置文件确定工作流任务；

利用工作流引擎服务，将所述工作流任务中满足预设条件的服务节点加入到任务队列；

接收训练后的生产线监控模型，将所述生产线监控模型存储至镜像仓库中，并将所述镜像仓库中的所述生产线监控模型发送至边缘端；

接收所述边缘端发送的工作流结果，并对所述工作流结果进行存储，以实现生产线监控。

7.根据权利要求6所述的方法，其特征在于，所述工作流引擎服务包括工作流执行引擎以及工作流注册引擎，所述配置文件包括边缘端配置文件和用户端配置文件，所述接收配置文件，包括：

接收所述边缘端发送的标准数据，通过所述工作流执行引擎将所述标准数据确定为所述边缘端配置文件；

通过HTTP协议通过所述工作流注册引擎，将用户端的JSON文件确定为所述用户端配置文件。

8.一种云边协同的生产线监控装置，其特征在于，包括：

解析模块，用于接收数据采集端发送的生产线数据，对所述生产线数据进行解析，确定标准数据，并将所述标准数据发送至云端；

监控模块，用于接收云端发送的生产线监控模型，利用Docker容器以及所述生产线监控模型，搭载生产线任务执行微服务；

轮询模块，用于获取所述云端的任务队列，利用所述微服务对所述任务队列进行轮询，确定轮询结果；

执行模块，用于根据所述轮询结果执行对应的任务，确定工作流结果，并将所述工作流结果发送至云端。

9.一种云边协同的生产线监控装置，其特征在于，包括：

第一处理模块，用于接收配置文件，利用所述配置文件确定工作流任务；

第二处理模块，用于利用工作流引擎服务，将所述工作流任务中满足预设条件的服务节点加入到任务队列；

第三处理模块，用于接收训练后的生产线监控模型，将所述生产线监控模型存储至镜像仓库中，并将所述镜像仓库中的所述生产线监控模型发送至边缘端；

第四处理模块，用于接收所述边缘端发送的工作流结果，并对所述工作流结果进行存储，以实现生产线监控。

10.一种云边协同的生产线监控系统，其特征在于，包括：

至少一个边缘端，所述边缘端用于执行权利要求1-5中任一项所述的云边协同的生产线监控方法；

云端，与所述至少一边缘端连接，所述云端用于执行权利要求6-7中任一项所述的云边协同的生产线监控方法；

至少一用户端，与所述云端连接，所述用户端用于进行JSON文件的确定。

Images