CN116308295A - 一种工业生产数据管理方法及系统 - Google Patents

一种工业生产数据管理方法及系统 Download PDF

Info

Publication number
CN116308295A
CN116308295A CN202310322374.4A CN202310322374A CN116308295A CN 116308295 A CN116308295 A CN 116308295A CN 202310322374 A CN202310322374 A CN 202310322374A CN 116308295 A CN116308295 A CN 116308295A
Authority
CN
China
Prior art keywords
data
abnormal
abnormality
target
field
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
Application number
CN202310322374.4A
Other languages
English (en)
Inventor
崔翔
崔毕方
蔡小刚
林洲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yundy Intelligent Technology Co ltd
Original Assignee
Yundy Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yundy Intelligent Technology Co ltd filed Critical Yundy Intelligent Technology Co ltd
Priority to CN202310322374.4A priority Critical patent/CN116308295A/zh
Publication of CN116308295A publication Critical patent/CN116308295A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766—Error or fault reporting or storing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/258—Data format conversion from or to a database
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/26—Visual data mining; Browsing structured data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Factory Administration (AREA)

Abstract

本发明涉及数据管理领域，公开了一种工业生产数据管理方法及系统，用于提高工业生产数据管理的效率。方法包括：从工业智能机中采集初始数据，并通过通信网关对初始数据进行数据转换和数据传输，得到目标数据；根据预设数据异常分析模型，对目标数据进行数据异常分析，确定目标数据对应的数据异常分析结果，其中，数据异常分析结果包括：异常评价指标以及异常字段；基于异常评价指标以及异常字段，对目标数据进行异常诊断，确定与目标数据对应的异常根因；对异常根因进行运维处理，得到目标数据的运维反馈信息；对目标数据及运维反馈信息进行分类处理，生成对应的数据管理日志，并通过工业智能机对数据管理日志进行存储。

Description

一种工业生产数据管理方法及系统
技术领域
本发明涉及数据管理领域，尤其涉及一种工业生产数据管理方法及系统。
背景技术
工业生产数据管理是指对工业生产过程中所产生的各种数据进行采集、整理、分析和利用的过程，其目的是为了帮助企业更好地掌握生产过程、提高生产效率、降低成本、提高质量以及优化生产流程等。
工业生产数据管理是一个系统性的过程，需要采用多种方法和工具进行管理和分析，以实现对生产过程的全面掌控和优化。但是现有方案的准确率较低，导致工业生产数据的运维效率低。
发明内容
本发明提供了一种工业生产数据管理方法及系统，用于提高工业生产数据管理的效率。
本发明第一方面提供了一种工业生产数据管理方法，所述工业生产数据管理方法包括：
从预置的工业智能机中采集初始数据，并通过预置的通信网关对所述初始数据进行数据转换和数据传输，得到目标数据；
根据预设数据异常分析模型，对所述目标数据进行数据异常分析，确定所述目标数据对应的数据异常分析结果，其中，所述数据异常分析结果包括：异常评价指标以及异常字段；
基于所述异常评价指标以及所述异常字段，对所述目标数据进行异常诊断，确定与所述目标数据对应的异常根因；
对所述异常根因进行运维处理，得到所述目标数据的运维反馈信息；
对所述目标数据及所述运维反馈信息进行分类处理，生成对应的数据管理日志，并通过所述工业智能机对所述数据管理日志进行存储。
结合第一方面，在本发明第一方面的第一实施方式中，所述根据预设数据异常分析模型，对所述目标数据进行数据异常分析，确定所述目标数据对应的数据异常分析结果，其中，所述数据异常分析结果包括：异常评价指标以及异常字段，包括：
基于预置的字段识别算法，对所述目标数据进行异常字段提取，得到至少一个异常字段；
调用预设的数据异常分析模型，对所述至少一个异常字段进行异常评价指标计算，确定所述至少一个异常字段对应的异常评价指标；
将所述至少一个异常字段和所述异常评价指标输出为所述目标数据对应的数据异常分析结果。
结合第一方面，在本发明第一方面的第二实施方式中，所述调用预设的数据异常分析模型，对所述至少一个异常字段进行异常评价指标计算，确定所述至少一个异常字段对应的异常评价指标，包括：
对所述至少一个异常字段进行字段属性扫描，得到目标字段属性，其中，所述目标字段属性包括异常时间及异常触发阈值；
通过所述预设的数据异常分析模型，计算所述异常时间及所述异常触发阈值对应的异常评价指标。
结合第一方面，在本发明第一方面的第三实施方式中，所述基于所述异常评价指标以及所述异常字段，对所述目标数据进行异常诊断，确定与所述目标数据对应的异常根因，包括：
基于所述异常评价指标以及所述异常字段，确定与所述目标数据对应的第一异常信息；
从预置的至少一个候选异常信息中匹配所述目标数据对应的第二异常信息；
根据预设的第二异常信息与异常根因之间的映射关系，确定所述第二异常信息对应的目标标识；
基于所述目标标识和所述映射关系，查找与所述第一异常信息对应的异常根因。
结合第一方面，在本发明第一方面的第四实施方式中，所述对所述异常根因进行运维处理，得到所述目标数据的运维反馈信息，包括：
对所述异常根因进行异常类型分析，得到目标异常类型；
根据所述目标异常类型，查询所述目标数据对应的目标处理方案；
根据所述目标处理方案，对所述目标数据进行运维处理，得到运维反馈信息。
结合第一方面，在本发明第一方面的第五实施方式中，所述对所述目标数据及所述运维反馈信息进行分类处理，生成对应的数据管理日志，并通过所述工业智能机对所述数据管理日志进行存储，包括：
获取所述目标数据及预置的运维分类模板，其中，所述运维分类模板包括：多个候选分类模板；
分别获取每个候选分类模板的模板评价参数；
通过所述模板评价参数，从所述多个候选分类模板中确定与所述目标数据匹配的多个目标数据维度；
通过所述多个目标数据维度及所述运维反馈信息对所述目标数据进行分类，生成对应的数据管理日志，并通过所述工业智能机对所述数据管理日志进行存储。
本发明第二方面提供了一种工业生产数据管理系统，所述工业生产数据管理系统包括：
采集模块，用于从预置的工业智能机中采集初始数据，并通过预置的通信网关对所述初始数据进行数据转换和数据传输，得到目标数据；
分析模块，用于根据预设数据异常分析模型，对所述目标数据进行数据异常分析，确定所述目标数据对应的数据异常分析结果，其中，所述数据异常分析结果包括：异常评价指标以及异常字段；
诊断模块，用于基于所述异常评价指标以及所述异常字段，对所述目标数据进行异常诊断，确定与所述目标数据对应的异常根因；
运维模块，用于对所述异常根因进行运维处理，得到所述目标数据的运维反馈信息；
存储模块，用于对所述目标数据及所述运维反馈信息进行分类处理，生成对应的数据管理日志，并通过所述工业智能机对所述数据管理日志进行存储。
本发明提供的技术方案中，从工业智能机中采集初始数据，并通过通信网关对初始数据进行数据转换和数据传输，得到目标数据；根据预设数据异常分析模型，对目标数据进行数据异常分析，确定目标数据对应的数据异常分析结果，其中，数据异常分析结果包括：异常评价指标以及异常字段；基于异常评价指标以及异常字段，对目标数据进行异常诊断，确定与目标数据对应的异常根因；对异常根因进行运维处理，得到目标数据的运维反馈信息；对目标数据及运维反馈信息进行分类处理，生成对应的数据管理日志，并通过工业智能机对数据管理日志进行存储，本发明对工业智能机中的目标数据进行数据异常分析以及异常诊断，进而实现对目标数据进行运维管理，提高了工业生产数据管理的效率。
附图说明
图1为本发明实施例中工业生产数据管理方法的一个实施例示意图；
图2为本发明实施例中数据异常分析的流程图；
图3为本发明实施例中异常评价指标计算的流程图；
图4为本发明实施例中异常诊断的流程图；
图5为本发明实施例中工业生产数据管理系统的一个实施例示意图。
具体实施方式
本发明实施例提供了一种工业生产数据管理方法及系统，用于提高工业生产数据管理的效率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中工业生产数据管理方法的一个实施例包括：
S101、从预置的工业智能机中采集初始数据，并通过预置的通信网关对初始数据进行数据转换和数据传输，得到目标数据；
可以理解的是，本发明的执行主体可以为工业生产数据管理系统，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的，服务器选择合适的工业智能机设备，根据实际需要进行配置和设置，确保其能够准确采集需要的初始数据，并进行初步处理和存储。服务器对所采集的初始数据，设计并实现数据转换方案，将其转换为目标数据格式，以便于后续的分析和处理。可以选择使用开源的数据转换工具，也可以根据需求自行开发。服务器配置和设置通信网关，确保其能够与工业智能机设备进行通信，并将转换后的数据传输到目标系统中。可以选择不同的通信协议和接口，如MQTT、MODBUS、OPC UA等，根据实际需要进行配置和设置。服务器部署数据存储和处理系统，对传输过来的目标数据进行存储、分析和处理。可以选择云端或本地部署的存储和处理平台，如Hadoop、Spark、Elasticsearch等。服务器根据实际需求，设计和实现数据可视化方案，将处理后的数据以图表、报表等形式展现出来，以便于用户进行分析和决策。可以选择不同的数据可视化工具和平台，如Kibana、Grafana等。服务器进行系统测试和优化，确保整个数据采集、转换和传输过程的稳定性和可靠性。对系统进行不断优化，以提高数据采集和处理的效率和精度。
S102、根据预设数据异常分析模型，对目标数据进行数据异常分析，确定目标数据对应的数据异常分析结果，其中，数据异常分析结果包括：异常评价指标以及异常字段；
具体的，服务器确定数据异常分析模型，包括异常检测算法、异常评价指标和异常字段定义等。根据实际应用场景和数据特点，选择合适的异常检测算法，如基于统计方法的异常检测、基于机器学习的异常检测等。同时，确定异常评价指标，如异常分数、异常程度、异常类型等。最后，定义异常字段，即异常数据所对应的数据字段。服务器针对目标数据，进行数据预处理，包括数据清洗、数据归一化、数据采样等。确保数据的质量和可用性，以便于后续的数据异常分析。服务器进行数据异常分析，根据预设的数据异常分析模型，对目标数据进行异常检测和异常评价。通过计算异常评价指标，得出目标数据对应的异常程度和异常类型。同时，标记目标数据所对应的异常字段。服务器对数据异常分析结果进行可视化展示，以便于用户进行分析和决策。可以选择不同的数据可视化工具和平台，如Kibana、Grafana等。将异常评价指标以图表、报表等形式呈现，同时将异常字段标记在原始数据中，以便于用户进行查看和处理。服务器进行异常数据处理和修正，根据异常程度和异常类型，对异常数据进行处理和修正。可以选择不同的异常处理策略，如剔除异常数据、替换异常数据等。同时，对数据异常分析模型进行优化和调整，以提高异常检测和评价的准确性和效率。
S103、基于异常评价指标以及异常字段，对目标数据进行异常诊断，确定与目标数据对应的异常根因；
需要说明的是，服务器确定异常诊断模型，包括异常根因识别算法、异常特征提取和异常根因定义等。根据实际应用场景和数据特点，选择合适的异常根因识别算法，如基于统计方法的异常根因诊断、基于机器学习的异常根因诊断等。同时，确定异常特征提取方法，如主成分分析、独立成分分析等。最后，定义异常根因，即导致异常数据出现的具体原因。服务器针对目标数据，进行异常特征提取，提取与目标数据对应的异常特征。可以选择不同的特征提取方法，根据实际情况进行选择。服务器进行异常根因诊断，根据异常评价指标和异常字段，对目标数据进行异常根因诊断。通过计算异常评价指标和异常特征，得出目标数据对应的异常根因。同时，标记异常根因所对应的数据字段。服务器对异常根因进行可视化展示，以便于用户进行分析和决策。可以选择不同的数据可视化工具和平台，如Kibana、Grafana等。将异常根因以图表、报表等形式呈现，同时将异常根因标记在原始数据中，以便于用户进行查看和处理。服务器进行异常根因处理和修正，根据异常根因，对异常数据进行处理和修正。可以选择不同的异常处理策略，如剔除异常数据、替换异常数据等。同时，对异常诊断模型进行优化和调整，以提高异常根因识别的准确性和效率。
S104、对异常根因进行运维处理，得到目标数据的运维反馈信息；
具体的，服务器设计异常根因处理流程，明确异常根因的处理流程和责任人。例如，对于不同的异常根因，需要采取不同的处理策略和流程，同时需要明确责任人和工作流程，以确保异常根因得到及时、准确的处理。服务器针对不同的异常根因，制定相应的运维处理策略。例如，对于数据异常根因，可以采用数据清洗、数据修复等策略，对于设备异常根因，可以采用设备维修、设备更换等策略。同时，需要考虑处理策略的效果和成本，以及对业务的影响。服务器实施异常根因处理，根据异常根因处理流程和策略，对异常根因进行处理。在处理过程中，需要注意处理的时效性、准确性和可靠性。同时，需要记录处理过程和结果，以便于后续的跟踪和分析。服务器对处理结果进行评估和反馈，评估异常根因处理的效果和成果。根据评估结果，对处理策略和流程进行优化和调整，以适应不同的业务需求和数据特征。同时，对处理结果进行反馈，通知相关责任人和运维人员，以便于进行后续的跟踪和处理。服务器对异常根因进行持续监控和分析，以便于及时发现和处理异常。通过数据监控和分析工具，对异常数据和异常事件进行实时监控和分析，及时发现异常根因并进行处理。同时，对异常根因的处理结果进行跟踪和分析，以便于进行后续的优化和改进。
S105、对目标数据及运维反馈信息进行分类处理，生成对应的数据管理日志，并通过工业智能机对数据管理日志进行存储。
具体的，服务器设计数据分类处理流程，明确数据分类处理的目的和流程。例如，将目标数据和运维反馈信息按照数据类型、来源、处理方式等进行分类，以便于后续对数据进行管理和分析。服务器制定数据管理日志生成方案，确定数据管理日志的格式和内容。例如，需要记录数据的来源、时间、类型、处理方式、处理结果等信息，以便于对数据进行管理和分析。服务器部署工业智能机，选择合适的工业智能机，并进行部署。工业智能机需要具备数据存储、处理、分析等功能，以便于对数据管理日志进行存储和分析。服务器实施数据分类处理，根据数据分类处理流程，对目标数据和运维反馈信息进行分类处理。对于不同的数据类型和来源，采用不同的处理流程和方式。同时，需要记录处理过程和结果，以便于后续的跟踪和分析。服务器生成数据管理日志，根据数据管理日志生成方案，将分类处理的数据记录到数据管理日志中。需要确保数据管理日志的格式和内容的一致性和准确性，以便于后续的分析和管理。服务器存储数据管理日志，通过工业智能机对数据管理日志进行存储。需要确保数据的安全性和可靠性，以避免数据丢失和泄露等问题。服务器对数据管理日志进行分析和管理，通过工业智能机对数据管理日志进行分析和管理。可以通过数据分析工具对数据进行分析和挖掘，以发现数据的规律和异常。同时，需要对数据进行管理和维护，以确保数据的可靠性和准确性。服务器不断优化和改进数据管理方案，通过持续的优化和改进，不断提高数据管理的效率和质量。可以根据数据管理日志的分析结果，对数据分类处理流程和数据管理日志生成方案进行优化和改进，以适应不同的业务需求和数据特征。
本发明实施例中，从工业智能机中采集初始数据，并通过通信网关对初始数据进行数据转换和数据传输，得到目标数据；根据预设数据异常分析模型，对目标数据进行数据异常分析，确定目标数据对应的数据异常分析结果，其中，数据异常分析结果包括：异常评价指标以及异常字段；基于异常评价指标以及异常字段，对目标数据进行异常诊断，确定与目标数据对应的异常根因；对异常根因进行运维处理，得到目标数据的运维反馈信息；对目标数据及运维反馈信息进行分类处理，生成对应的数据管理日志，并通过工业智能机对数据管理日志进行存储，本发明对工业智能机中的目标数据进行数据异常分析以及异常诊断，进而实现对目标数据进行运维管理，提高了工业生产数据管理的效率。
在一具体实施例中，如图2所示，执行步骤S102的过程可以具体包括如下步骤：
S201、基于预置的字段识别算法，对目标数据进行异常字段提取，得到至少一个异常字段；
S202、调用预设的数据异常分析模型，对至少一个异常字段进行异常评价指标计算，确定至少一个异常字段对应的异常评价指标；
S203、将至少一个异常字段和异常评价指标输出为目标数据对应的数据异常分析结果。
具体的，服务器确定目标字段，首先需要确定要进行字段属性扫描的目标字段。可以通过分析数据集，找到可能存在异常的字段进行扫描。选择一个字段作为目标字段，对其进行属性扫描。服务器设计异常触发阈值，根据数据特性和实际需求，设计异常触发阈值。可以采用统计方法，如平均值、标准差等，或者基于业务经验进行设定。异常触发阈值的设定直接影响到异常的检测效果，需要根据实际情况进行调整。服务器进行字段属性扫描，利用数据分析工具，对目标字段进行字段属性扫描。扫描结果包括目标字段的数据分布情况、统计指标等信息。同时，需要针对异常字段进行特别处理，记录下异常时间等信息。服务器计算异常评价指标，根据预设的数据异常分析模型，计算异常时间及异常触发阈值对应的异常评价指标。评价指标可以是单一指标，如异常程度、异常频率等，也可以是综合指标，如综合异常评分等。评价指标的设定需要考虑业务需求和实际情况。服务器异常检测与处理，根据异常评价指标，对目标字段进行异常检测和处理。可以采用多种方法，如规则引擎、机器学习模型等，对异常进行识别和分类，进一步分析异常原因，并采取相应的处理措施。
在一具体实施例中，如图3所示，执行步骤S202的过程可以具体包括如下步骤：
S301、对至少一个异常字段进行字段属性扫描，得到目标字段属性，其中，目标字段属性包括异常时间及异常触发阈值；
S302、通过预设的数据异常分析模型，计算异常时间及异常触发阈值对应的异常评价指标。
具体的，服务器确定异常字段：首先需要确定需要进行异常属性分析的字段，可以根据业务需求和数据特征进行选择，一般选择数据波动较大的字段进行分析。服务器字段属性扫描：对所选字段进行属性扫描，获取字段的基本属性，包括数据类型、数据范围、数据波动情况等。同时，需要针对异常情况进行扫描，获取异常时间及异常触发阈值等属性。服务器预设异常分析模型：根据业务需求和数据特征，选择合适的异常分析模型进行预设。可以采用统计学方法、机器学习方法、神经网络方法等，以计算异常评价指标。服务器计算异常评价指标：根据异常分析模型，对异常时间及异常触发阈值进行计算，得到对应的异常评价指标。常用的异常评价指标包括异常程度、异常频率、异常持续时间等。服务器分析异常原因：通过对异常评价指标的分析，可以发现异常的原因。可以采用数据可视化工具，对异常数据进行可视化展示，以发现异常数据的规律和特征。服务器预测异常趋势：根据异常数据的规律和特征，可以预测异常趋势。可以采用时间序列分析、回归分析等方法，以预测异常数据的未来趋势。服务器实施异常处理：根据异常分析的结果，需要对异常数据进行处理。可以通过修改阈值、调整数据采集频率等方式，以减少或消除异常数据的发生。服务器持续优化异常分析模型：异常数据是随着业务和数据的变化而变化的，因此需要持续优化异常分析模型，以适应不同的业务需求和数据特征。优化的方式可以包括增加新的异常分析模型、调整异常评价指标等。
在一具体实施例中，如图4所示，执行步骤S103的过程可以具体包括如下步骤：
S401、基于异常评价指标以及异常字段，确定与目标数据对应的第一异常信息；
S402、从预置的至少一个候选异常信息中匹配目标数据对应的第二异常信息；
S403、根据预设的第二异常信息与异常根因之间的映射关系，确定第二异常信息对应的目标标识；
S404、基于目标标识和映射关系，查找与第一异常信息对应的异常根因。
具体的，服务器确定异常评价指标，根据业务需求，确定异常评价指标。评价指标可以是单一指标或综合指标。根据评价指标，对异常数据进行分析和处理，确定目标数据对应的第一异常信息。服务器匹配候选异常信息，从预置的至少一个候选异常信息中匹配目标数据对应的第二异常信息。候选异常信息可以是已有的异常记录、异常规则等。匹配方法可以采用基于关键词匹配、文本相似度等方法。服务器映射目标标识，根据预设的第二异常信息与异常根因之间的映射关系，确定第二异常信息对应的目标标识。映射关系可以通过专家经验、机器学习等方法进行建模和训练。目标标识可以是设备编号、部门代码等。服务器查找异常根因，基于目标标识和映射关系，查找与第一异常信息对应的异常根因。异常根因可以是设备故障、人为误操作等。根据异常根因，进一步分析异常原因和影响，并采取相应的处理措施。
在一具体实施例中，执行步骤S104的过程可以具体包括如下步骤：
（1）对异常根因进行异常类型分析，得到目标异常类型；
（2）根据目标异常类型，查询目标数据对应的目标处理方案；
（3）根据目标处理方案，对目标数据进行运维处理，得到运维反馈信息。
具体的，服务器异常类型细分，在对异常根因进行异常类型分析的基础上，对异常类型进行细分，以便更精准地匹配目标处理方案。例如，可以将异常类型分为硬件故障、软件故障、网络故障等多个细分类型。目标处理方案知识库，建立目标处理方案知识库，对每种异常类型对应的处理方案进行归档和整理。在此基础上，可以建立自动化的查询系统，根据异常类型自动匹配对应的处理方案。运维处理流程优化，根据目标处理方案，优化运维处理流程，确保处理过程高效、规范。例如，可以建立自动化的处理流程，将人工操作降至最小，提高处理速度和准确性。运维反馈信息采集，建立运维反馈信息采集系统，对处理过程中的数据进行监控和采集。通过对采集数据的分析，可以及时发现运维处理中存在的问题，并进行改进，提高处理效率和质量。数据挖掘和分析，对运维反馈信息进行数据挖掘和分析，发现异常处理中的规律和趋势，帮助优化运维处理流程和目标处理方案。例如，可以通过数据分析发现某种处理方案效果更好，或者某种异常类型出现的频率更高，以便进行进一步的优化和改进。自动化异常处理，在建立了目标处理方案知识库和运维处理流程优化的基础上，可以进一步实现自动化的异常处理。例如，可以建立自动化的异常处理系统，根据异常类型自动匹配对应的处理方案，并自动执行处理流程，提高异常处理的效率和准确性。
在一具体实施例中，执行步骤S105的过程可以具体包括如下步骤：
（1）获取目标数据及预置的运维分类模板，其中，运维分类模板包括：多个候选分类模板；
（2）分别获取每个候选分类模板的模板评价参数；
（3）通过模板评价参数，从多个候选分类模板中确定与目标数据匹配的多个目标数据维度；
（4）通过多个目标数据维度及运维反馈信息对目标数据进行分类，生成对应的数据管理日志，并通过工业智能机对数据管理日志进行存储。
具体的，服务器收集目标数据和预置的运维分类模板，通过与业务部门沟通，获取目标数据的相关信息，并进行收集和整理；从已有的运维分类模板库中，选择适当的模板作为候选分类模板，并进行预置。服务器获取每个候选分类模板的模板评价参数，针对每个候选分类模板，设定相应的模板评价参数，包括数据类型、数据格式、数据来源、数据质量等；服务器通过对实际数据进行测试和评估，对每个模板评价参数进行打分，得出每个候选分类模板的评估结果。服务器确定与目标数据匹配的多个目标数据维度，根据每个候选分类模板的评估结果，选取评价分数最高的若干个模板，作为与目标数据匹配的候选分类模板；对每个候选分类模板，分别根据其评价参数确定与目标数据匹配的多个目标数据维度。服务器对目标数据进行分类，并生成数据管理日志，根据确定的多个目标数据维度，结合运维反馈信息，对目标数据进行分类；生成对应的数据管理日志，包括数据分类信息、分类依据、分类结果等。服务器存储数据管理日志，服务器将生成的数据管理日志通过工业智能机进行存储；对数据管理日志进行定期备份和清理，保障数据安全和存储效率。持续优化和更新运维分类模板库，结合实际运维经验和数据特点，持续优化和更新运维分类模板库；定期进行评估和调整，确保分类效果和运维效率的不断提升。
上面对本发明实施例中工业生产数据管理方法进行了描述，下面对本发明实施例中工业生产数据管理系统进行描述，请参阅图5，本发明实施例中工业生产数据管理系统一个实施例包括：
采集模块501，用于从预置的工业智能机中采集初始数据，并通过预置的通信网关对所述初始数据进行数据转换和数据传输，得到目标数据；
分析模块502，用于根据预设数据异常分析模型，对所述目标数据进行数据异常分析，确定所述目标数据对应的数据异常分析结果，其中，所述数据异常分析结果包括：异常评价指标以及异常字段；
诊断模块503，用于基于所述异常评价指标以及所述异常字段，对所述目标数据进行异常诊断，确定与所述目标数据对应的异常根因；
运维模块504，用于对所述异常根因进行运维处理，得到所述目标数据的运维反馈信息；
存储模块505，用于对所述目标数据及所述运维反馈信息进行分类处理，生成对应的数据管理日志，并通过所述工业智能机对所述数据管理日志进行存储。
通过上述各个组成部分的协同合作，从工业智能机中采集初始数据，并通过通信网关对初始数据进行数据转换和数据传输，得到目标数据；根据预设数据异常分析模型，对目标数据进行数据异常分析，确定目标数据对应的数据异常分析结果，其中，数据异常分析结果包括：异常评价指标以及异常字段；基于异常评价指标以及异常字段，对目标数据进行异常诊断，确定与目标数据对应的异常根因；对异常根因进行运维处理，得到目标数据的运维反馈信息；对目标数据及运维反馈信息进行分类处理，生成对应的数据管理日志，并通过工业智能机对数据管理日志进行存储，本发明对工业智能机中的目标数据进行数据异常分析以及异常诊断，进而实现对目标数据进行运维管理，提高了工业生产数据管理的效率。
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。
所述集成的单元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全部或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、只读存储器（read-only memory，ROM）、随机存取存储器（randomacceS memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种工业生产数据管理方法，其特征在于，所述工业生产数据管理方法包括：
从预置的工业智能机中采集初始数据，并通过预置的通信网关对所述初始数据进行数据转换和数据传输，得到目标数据；
根据预设数据异常分析模型，对所述目标数据进行数据异常分析，确定所述目标数据对应的数据异常分析结果，其中，所述数据异常分析结果包括：异常评价指标以及异常字段；
基于所述异常评价指标以及所述异常字段，对所述目标数据进行异常诊断，确定与所述目标数据对应的异常根因；
对所述异常根因进行运维处理，得到所述目标数据的运维反馈信息；
对所述目标数据及所述运维反馈信息进行分类处理，生成对应的数据管理日志，并通过所述工业智能机对所述数据管理日志进行存储。
2.根据权利要求1所述的工业生产数据管理方法，其特征在于，所述根据预设数据异常分析模型，对所述目标数据进行数据异常分析，确定所述目标数据对应的数据异常分析结果，其中，所述数据异常分析结果包括：异常评价指标以及异常字段，包括：
基于预置的字段识别算法，对所述目标数据进行异常字段提取，得到至少一个异常字段；
调用预设的数据异常分析模型，对所述至少一个异常字段进行异常评价指标计算，确定所述至少一个异常字段对应的异常评价指标；
将所述至少一个异常字段和所述异常评价指标输出为所述目标数据对应的数据异常分析结果。
3.根据权利要求2所述的工业生产数据管理方法，其特征在于，所述调用预设的数据异常分析模型，对所述至少一个异常字段进行异常评价指标计算，确定所述至少一个异常字段对应的异常评价指标，包括：
对所述至少一个异常字段进行字段属性扫描，得到目标字段属性，其中，所述目标字段属性包括异常时间及异常触发阈值；
通过所述预设的数据异常分析模型，计算所述异常时间及所述异常触发阈值对应的异常评价指标。
4.根据权利要求1所述的工业生产数据管理方法，其特征在于，所述基于所述异常评价指标以及所述异常字段，对所述目标数据进行异常诊断，确定与所述目标数据对应的异常根因，包括：
基于所述异常评价指标以及所述异常字段，确定与所述目标数据对应的第一异常信息；
从预置的至少一个候选异常信息中匹配所述目标数据对应的第二异常信息；
根据预设的第二异常信息与异常根因之间的映射关系，确定所述第二异常信息对应的目标标识；
基于所述目标标识和所述映射关系，查找与所述第一异常信息对应的异常根因。
5.根据权利要求1所述的工业生产数据管理方法，其特征在于，所述对所述异常根因进行运维处理，得到所述目标数据的运维反馈信息，包括：
对所述异常根因进行异常类型分析，得到目标异常类型；
根据所述目标异常类型，查询所述目标数据对应的目标处理方案；
根据所述目标处理方案，对所述目标数据进行运维处理，得到运维反馈信息。
6.根据权利要求1所述的工业生产数据管理方法，其特征在于，所述对所述目标数据及所述运维反馈信息进行分类处理，生成对应的数据管理日志，并通过所述工业智能机对所述数据管理日志进行存储，包括：
获取所述目标数据及预置的运维分类模板，其中，所述运维分类模板包括：多个候选分类模板；
分别获取每个候选分类模板的模板评价参数；
通过所述模板评价参数，从所述多个候选分类模板中确定与所述目标数据匹配的多个目标数据维度；
通过所述多个目标数据维度及所述运维反馈信息对所述目标数据进行分类，生成对应的数据管理日志，并通过所述工业智能机对所述数据管理日志进行存储。
7.一种工业生产数据管理系统，其特征在于，所述工业生产数据管理系统包括：
采集模块，用于从预置的工业智能机中采集初始数据，并通过预置的通信网关对所述初始数据进行数据转换和数据传输，得到目标数据；
分析模块，用于根据预设数据异常分析模型，对所述目标数据进行数据异常分析，确定所述目标数据对应的数据异常分析结果，其中，所述数据异常分析结果包括：异常评价指标以及异常字段；
诊断模块，用于基于所述异常评价指标以及所述异常字段，对所述目标数据进行异常诊断，确定与所述目标数据对应的异常根因；
运维模块，用于对所述异常根因进行运维处理，得到所述目标数据的运维反馈信息；
存储模块，用于对所述目标数据及所述运维反馈信息进行分类处理，生成对应的数据管理日志，并通过所述工业智能机对所述数据管理日志进行存储。
8.根据权利要求7所述的工业生产数据管理装置，其特征在于，所述分析模块还包括：
提取单元，用于基于预置的字段识别算法，对所述目标数据进行异常字段提取，得到至少一个异常字段；
计算单元，用于调用预设的数据异常分析模型，对所述至少一个异常字段进行异常评价指标计算，确定所述至少一个异常字段对应的异常评价指标；
输出单元，用于将所述至少一个异常字段和所述异常评价指标输出为所述目标数据对应的数据异常分析结果。
9.根据权利要求8所述的工业生产数据管理装置，其特征在于，所述计算单元具体用于：
对所述至少一个异常字段进行字段属性扫描，得到目标字段属性，其中，所述目标字段属性包括异常时间及异常触发阈值；
通过所述预设的数据异常分析模型，计算所述异常时间及所述异常触发阈值对应的异常评价指标。
10.根据权利要求7所述的工业生产数据管理装置，其特征在于，所述诊断模块具体用于：
基于所述异常评价指标以及所述异常字段，确定与所述目标数据对应的第一异常信息；
从预置的至少一个候选异常信息中匹配所述目标数据对应的第二异常信息；
根据预设的第二异常信息与异常根因之间的映射关系，确定所述第二异常信息对应的目标标识；
基于所述目标标识和所述映射关系，查找与所述第一异常信息对应的异常根因。
CN202310322374.4A 2023-03-29 2023-03-29 一种工业生产数据管理方法及系统 Pending CN116308295A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310322374.4A CN116308295A (zh) 2023-03-29 2023-03-29 一种工业生产数据管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310322374.4A CN116308295A (zh) 2023-03-29 2023-03-29 一种工业生产数据管理方法及系统

Publications (1)

Publication Number Publication Date
CN116308295A true CN116308295A (zh) 2023-06-23

Family

ID=86818572

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310322374.4A Pending CN116308295A (zh) 2023-03-29 2023-03-29 一种工业生产数据管理方法及系统

Country Status (1)

Country Link
CN (1) CN116308295A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117196405A (zh) * 2023-09-26 2023-12-08 机械工业仪器仪表综合技术经济研究所 一种钢铁工业生产数据质量评价方法和评价系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117196405A (zh) * 2023-09-26 2023-12-08 机械工业仪器仪表综合技术经济研究所 一种钢铁工业生产数据质量评价方法和评价系统
CN117196405B (zh) * 2023-09-26 2024-05-14 机械工业仪器仪表综合技术经济研究所 一种钢铁工业生产数据质量评价方法和评价系统

Similar Documents

Publication Publication Date Title
US8868985B2 (en) Supervised fault learning using rule-generated samples for machine condition monitoring
CN117151345A (zh) 一种基于ai技术的企业管理智能决策平台
CN106708738B (zh) 一种软件测试缺陷预测方法及系统
CN117196066A (zh) 智慧运维信息分析模型
CN116629627A (zh) 输电在线监测装置的智能检测系统
CN116992346A (zh) 一种基于人工智能大数据分析的企业生产数据处理系统
US20170236071A1 (en) Alarm management system
CN118011990B (zh) 基于人工智能的工业数据品质监控与提升系统
CN116485020B (zh) 一种基于大数据的供应链风险识别预警方法、系统及介质
CN116308295A (zh) 一种工业生产数据管理方法及系统
CN117172751A (zh) 一种智慧运维信息分析模型的构建方法
CN115719283A (zh) 一种智能化会计管理系统
CN118244709A (zh) 关联故障设备及影响因素获取方法、装置及异常处理系统
CN118245264A (zh) 服务器故障处理方法、装置、电子设备及介质
CN118260695A (zh) 一种用于数字化在线业务的大数据异常分析方法及系统
CN114118222A (zh) 一种磨煤机状态预警系统及故障识别诊断方法
CN115098336A (zh) 数仓任务监控方法、系统、设备及存储介质
CN118094168B (zh) 一种电力数据的修正方法及装置
CN110569277A (zh) 一种配置数据信息自动识别与归类方法及系统
CN118311914B (zh) 一种智能化车间的生产线数据采集控制方法及系统
CN118504794B (zh) 电火花成型机智能故障诊断系统
CN118071156B (zh) 基于大数据的企业风险内控自动化预警系统及方法
CN117453721B (zh) 一种基于大数据的生产经营数据采集系统
CN118365316B (zh) 一种机器人的预测性维护系统及方法
CN117745110B (zh) 一种基于行为分析的智慧校园餐厅运行管控方法及系统

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