CN116795069A - 一种基于边缘计算的智能制造方法 - Google Patents

Abstract

本发明公开了一种基于边缘计算的智能制造方法，包括：提取智能制造任务中智能制造设备的标识信息，生成目标生产线的设备关联关系图；提取智能制造设备的工艺关联信息，生成针对每个智能制造设备的运行数据采集指令；接收智能制造设备传输的运行数据，根据运行数据采集指令，对运行数据进行预处理，根据预处理后的运行数据对智能制造设备进行运行状态监测。本发明通过考虑相同智能制造设备在不同生产线中的工艺成本量化值，以此来控制监测智能制造设备的数据采集频率，实现高适配性的智能制造设备监测，在网络带宽资源与云端运算资源的限制下，尽可能降低企业因设备故障带来的综合损失。

Description

一种基于边缘计算的智能制造方法

技术领域

本发明涉及智能制造技术领域，尤其涉及到一种基于边缘计算的智能制造方法。

背景技术

智能制造系统通常配置有多条不同的生产线，用于为不同客户的不同产品进行加工制造，每条生产线上又包含多台针对不同工艺加工的智能制造设备，而通常不同生产线上的智能制造设备是相同的，但其所处的加工步骤不同，例如：在零件A的加工工艺中，先利用切割设备进行切割加工、再利用焊接设备进行焊接加工，最后利用车床设备进行车加工；而零件B的加工工艺中，是先利用车床设备进行车加工，再利用切割设备进行切割加工，最后利用焊接设备进行焊接加工。

在一些复杂零部件加工中，加工工艺步骤多达10种以上，不同零部件加工时同样的智能制造设备在工艺流程中处于的位置和排列关系更加多样。而通常对于加工工艺步骤多的零部件加工生产线，由于后段的加工工艺品质影响着整个加工工艺的效率与质量，若后段智能制造设备出现故障或精度变差导致加工件报废，意味着前段所有智能制造设备对该加工件的加工变为无效加工，严重影响整体生产效率。另一方面，通常生产线中不同加工步骤对应的智能制造设备属于不同设备生产厂商，意味着每种智能制造设备具有专门的设备运行监测方案，当企业的云端运行生产线上所有智能制造设备的设备运行监测程序时，由于网络通信带宽和云端运算能力限制，无法实现对每台智能制造设备提供实时的监测。

因此，现有智能制造系统在对不同的智能制造设备进行状态运行监测时，具有监测复杂度高、监测适配性差等问题，将会降低企业对智能制造设备的监测力度，使得智能制造设备的故障率提升，影响企业的生产加工。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种基于边缘计算的智能制造方法、装置、设备及存储介质，旨在解决目前智能制造系统对智能制造设备的监测复杂度高、适配性差的技术问题。

为实现上述目的，本发明提供一种基于边缘计算的智能制造方法，用于智能制造系统，所述智能制造系统包括若干种智能制造设备、连接每种智能制造设备的边缘计算终端以及连接每个边缘计算终端的智能制造云端，包括以下步骤：

智能制造云端获取智能制造任务，提取所述智能制造任务中的智能制造设备的标识信息，根据标识信息，确定关联的智能制造设备，生成目标生产线的设备关联关系图；

智能制造云端将所述设备关联关系图发送至边缘计算终端，在接收到边缘计算终端传输的智能制造设备的预处理运行数据时，根据所述运行数据对智能制造设备进行运行状态监测；

边缘计算终端获取目标生产线的设备关联关系图，提取所述设备关联关系图中智能制造设备的工艺关联信息，基于所述工艺关联信息，生成针对每个智能制造设备的运行数据采集指令；其中，所述运行数据采集指令包括运行数据每次采集的间隔时间；

边缘计算终端接收智能制造设备传输的运行数据，根据所述运行数据采集指令，对所述运行数据进行预处理，获得预处理运行数据。

可选的，智能制造系统还包括控制终端；智能制造云端获取智能制造任务，提取所述智能制造任务中关联的智能制造设备的标识信息步骤之前，所述方法，还包括：

控制终端响应于企业用户的输入动作，生成智能制造任务；其中，所述智能制造任务包括若干个智能制造设备的标识信息；

控制终端将所述智能制造任务发送至智能制造云端。

可选的，所述标识信息包括智能制造设备的识别编号和所述智能制造设备在生产线的位置编号，所述位置编号包括生产线编号段和工艺顺序编号段。

可选的，根据标识信息，确定关联的智能制造设备，生成目标生产线的设备关联关系图步骤，具体包括：

根据所述识别编号和所述位置编号，生成目标生产线的设备关联关系图；

根据所述位置编号中的生产线编号段和工艺顺序编号段，在工艺加工数据库中匹配所述智能制造设备在目标生产线的工艺加工时间，并将所述工艺加工时间写入所述设备关联关系图中。

可选的，根据所述识别编号和所述位置编号，生成目标生产线的设备关联关系图步骤，具体包括：

提取智能制造设备的标识信息中位置编号的生产线编号段，在智能制造任务所有的智能制造设备中确定关联的智能制造设备；其中，关联的智能制造设备为具有相同生产线编号段的智能制造设备；

提取关联的智能制造设备标识信息中的工艺顺序编号段，根据所述工艺顺序编号段为每条生产线生成设备关联关系图；其中，所述设备关联关系图包括根据工艺顺序连接的若干个区域标识图形；

提取关联的智能制造设备标识信息中的识别编号，将所述识别编号写入每条生产线对应设备关联关系图中的区域标识图形中。

可选的，智能制造云端将所述设备关联关系图发送至边缘计算终端步骤，具体为：智能制造云端将生成的每条生产线的设备关联关系图发送至每一个边缘计算终端。

可选的，所述工艺关联信息包括工艺顺序编号段和工艺加工时间；边缘计算终端获取目标生产线的设备关联关系图，提取所述设备关联关系图中智能制造设备的工艺关联信息步骤，具体包括：

每一种智能制造设备对应的边缘计算终端提取每条生产线的设备关联关系图中该智能制造设备在其生产线中的工艺顺序编号段；

每一种智能制造设备对应的边缘计算终端提取每条生产线的设备关联关系图中该智能制造设备在目标生产线的工艺加工时间。

可选的，基于所述工艺关联信息，生成针对每个智能制造设备的运行数据采集指令步骤，具体包括：

根据工艺顺序编号段，获得每个类型的智能制造设备分别在其生产线中的工艺位置序号；

基于所述工艺位置序号与该生产线中的最大工艺位置序号的比值，确定智能制造设备在生产线中的第一工艺成本量化值；

基于智能制造设备在目标生产线之前所有工艺的工艺加工时间总和，确定智能制造设备在生产线中的第二工艺成本量化值；

根据所述第一工艺成本量化值和所述第二工艺成本量化值，确定智能制造设备在生产线中的工艺成本量化总值；

根据同一种类的每个智能制造设备在不同生产线中工艺成本量化总值的比例，生成用于针对每个智能制造设备的运行数据采集指令。

可选的，所述工艺成本量化总值为：第一工艺成本量化值与第二工艺成本量化值的乘积。

可选的，生成用于针对每个智能制造设备的运行数据采集指令步骤，具体包括：

根据每个智能制造设备的工艺成本量化总值，在工艺成本量化总值与运行数据采集间隔时间的对照表中，确定每个智能制造设备的运行数据采集间隔时间；

其中，所述对照表中，所述工艺成本量化总值与所述运行数据采集间隔时间呈预设负相关变化。

此外，为了实现上述目的，本发明还提供了一种基于边缘计算的智能制造装置，所述基于边缘计算的智能制造装置包括：

被配置于智能制造云端的生成模块，用于获取智能制造任务，提取所述智能制造任务中的智能制造设备的标识信息，根据标识信息，确定关联的智能制造设备，生成目标生产线的设备关联关系图；

被配置于智能制造云端的发送与监测模块，用于将所述设备关联关系图发送至边缘计算终端，在接收到边缘计算终端传输的智能制造设备的预处理运行数据时，根据所述运行数据对智能制造设备进行运行状态监测；

被配置于边缘计算终端的提取模块，用于获取目标生产线的设备关联关系图，提取所述设备关联关系图中智能制造设备的工艺关联信息，基于所述工艺关联信息，生成针对每个智能制造设备的运行数据采集指令；其中，所述运行数据采集指令包括运行数据每次采集的间隔时间；

被配置于边缘计算终端的预处理模块，用于接收智能制造设备传输的运行数据，根据所述运行数据采集指令，对所述运行数据进行预处理，获得预处理运行数据。

此外，为了实现上述目的，本发明还提供了一种基于边缘计算的智能制造设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于边缘计算的智能制造程序，所述基于边缘计算的智能制造程序被所述处理器执行时实现上述的基于边缘计算的智能制造方法的步骤。

此外，为了实现上述目的，本发明还提供了一种存储介质，所述存储介质上存储有基于边缘计算的智能制造程序，所述基于边缘计算的智能制造程序被处理器执行时实现上述的基于边缘计算的智能制造方法的步骤。

本发明的有益效果为：

本发明实施例提出的一种基于边缘计算的智能制造方法，通过考虑相同智能制造设备在其生产线中的工艺关联信息，以此衡量每个智能制造设备在其生产线中的工艺成本量化值，以此来控制监测智能制造设备的数据采集频率，实现高适配性的智能制造系统的设备监测，降低企业因设备故障带来的综合损失。

附图说明

图1为本发明实施例方案涉及的硬件运行环境的装置结构示意图；

图2为本发明基于边缘计算的智能制造方法实施例的流程示意图

图3为本发明实施例中一种基于边缘计算的智能制造装置的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图。

如图1所示，该装置可以包括：处理器1001，例如CPU，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选的用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的装置的结构并不构成对装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于边缘计算的智能制造程序。

在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的基于边缘计算的智能制造程序，并执行以下操作：

获取智能制造任务，提取所述智能制造任务中的智能制造设备的标识信息，根据标识信息，确定关联的智能制造设备，生成目标生产线的设备关联关系图；

将所述设备关联关系图发送至边缘计算终端，在接收到边缘计算终端传输的智能制造设备的预处理运行数据时，根据所述运行数据对智能制造设备进行运行状态监测；

获取目标生产线的设备关联关系图，提取所述设备关联关系图中智能制造设备的工艺关联信息，基于所述工艺关联信息，生成针对每个智能制造设备的运行数据采集指令；其中，所述运行数据采集指令包括运行数据每次采集的间隔时间；

接收智能制造设备传输的运行数据，根据所述运行数据采集指令，对所述运行数据进行预处理，获得预处理运行数据。

本发明应用于装置的具体实施例与下述应用基于边缘计算的智能制造方法的各实施例基本相同，在此不作赘述。

本发明实施例提供了一种基于边缘计算的智能制造方法，参照图2，图2为本发明基于边缘计算的智能制造方法实施例的流程示意图。

本实施例中，所述基于边缘计算的智能制造方法，用于智能制造系统，所述智能制造系统包括若干种智能制造设备、连接每种智能制造设备的边缘计算终端以及连接每个边缘计算终端的智能制造云端，包括以下步骤：

S1：智能制造云端获取智能制造任务，提取所述智能制造任务中的智能制造设备的标识信息，根据标识信息，确定关联的智能制造设备，生成目标生产线的设备关联关系图；

S2：智能制造云端将所述设备关联关系图发送至边缘计算终端，在接收到边缘计算终端传输的智能制造设备的预处理运行数据时，根据所述运行数据对智能制造设备进行运行状态监测；

S3：边缘计算终端获取目标生产线的设备关联关系图，提取所述设备关联关系图中智能制造设备的工艺关联信息，基于所述工艺关联信息，生成针对每个智能制造设备的运行数据采集指令；其中，所述运行数据采集指令包括运行数据每次采集的间隔时间；

S4：边缘计算终端接收智能制造设备传输的运行数据，根据所述运行数据采集指令，对所述运行数据进行预处理，获得预处理运行数据。

需要说明的是，由于智能制造企业在用于制造不同零部件的生产线中，相同智能制造设备可能会位于生产线中的不同加工工艺位置，而由于后段的加工工艺品质影响着整个加工工艺的效率与质量，若后段智能制造设备出现故障或精度变差导致加工件报废，由此，带来在不同生产线中的相同智能制造设备的重要性是不同的。并且由于不同的智能制造设备属于不同的设备生产厂商，意味着每种智能制造设备具有专门的设备运行监测方案，当企业的云端运行生产线上所有智能制造设备的设备运行监测程序时，由于网络通信带宽和云端运算能力限制，无法实现对每台智能制造设备提供实时的监测。

本实施例中，基于边缘计算的智能制造方法用于智能制造系统，所述智能制造系统包括若干种智能制造设备、连接每种智能制造设备的边缘计算终端以及连接每个边缘计算终端的智能制造云端。其中，智能制造云端配置有对应设备生产厂商提供的每种智能制造设备的运行监测程序，该运行监测程序在传统技术方案中是采用全数据或固定周期采集与运行监测，但随着零部件精密度与复杂度越来越高，智能制造企业规模越来越大，智能制造系统中的智能制造设备数量直线上升，传统运行监测方案将会导致智能制造云端的运算负荷以及网络通信带宽负荷越来越大，无法根据产线实际情况为不同智能制造设备分配运行监测资源，监测效率大大降低。

由此，本实施例通过考虑相同智能制造设备在其生产线中的工艺关联信息，以此衡量每个智能制造设备在其生产线中的工艺成本量化值，以此来控制监测智能制造设备的数据采集频率，实现高适配性的智能制造系统的设备监测，降低企业因设备故障带来的综合损失。

在优选的实施例中，智能制造系统还包括控制终端；智能制造云端获取智能制造任务，提取所述智能制造任务中关联的智能制造设备的标识信息步骤之前，所述方法，还包括：控制终端响应于企业用户的输入动作，生成智能制造任务；其中，所述智能制造任务包括若干个智能制造设备的标识信息；控制终端将所述智能制造任务发送至智能制造云端。

其中，所述标识信息包括智能制造设备的识别编号和所述智能制造设备在生产线的位置编号，所述位置编号包括生产线编号段和工艺顺序编号段。

在此基础上，根据标识信息，确定关联的智能制造设备，生成目标生产线的设备关联关系图步骤，具体包括：根据所述识别编号和所述位置编号，生成目标生产线的设备关联关系图；根据所述位置编号中的生产线编号段和工艺顺序编号段，在工艺加工数据库中匹配所述智能制造设备在目标生产线的工艺加工时间，并将所述工艺加工时间写入所述设备关联关系图中。

其中，根据所述识别编号和所述位置编号，生成目标生产线的设备关联关系图步骤，具体包括：

（1）提取智能制造设备的标识信息中位置编号的生产线编号段，在智能制造任务所有的智能制造设备中确定关联的智能制造设备；其中，关联的智能制造设备为具有相同生产线编号段的智能制造设备；

（2）提取关联的智能制造设备标识信息中的工艺顺序编号段，根据所述工艺顺序编号段为每条生产线生成设备关联关系图；其中，所述设备关联关系图包括根据工艺顺序连接的若干个区域标识图形；

（3）提取关联的智能制造设备标识信息中的识别编号，将所述识别编号写入每条生产线对应设备关联关系图中的区域标识图形中。

由此，本实施例通过从智能制造任务中提取当前具有加工任务的所有智能制造设备的标识信息，利用标识信息中的识别编号和位置编号，绘制生成设备关联关系图，再利用位置编号中的生产线编号段和工艺顺序编号段，在工艺加工数据库中匹配对应零部件加工时该工艺所耗费的工艺加工时间，并将该工艺加工时间写入设备关联关系图，为后续计算工艺成本量化值提供支持。

在优选的实施例中，智能制造云端将所述设备关联关系图发送至边缘计算终端步骤，具体为：智能制造云端将生成的每条生产线的设备关联关系图发送至每一个边缘计算终端。

在此基础上，所述工艺关联信息包括工艺顺序编号段和工艺加工时间；边缘计算终端获取目标生产线的设备关联关系图，提取所述设备关联关系图中智能制造设备的工艺关联信息步骤，具体包括：每一种智能制造设备对应的边缘计算终端提取每条生产线的设备关联关系图中该智能制造设备在其生产线中的工艺顺序编号段；每一种智能制造设备对应的边缘计算终端提取每条生产线的设备关联关系图中该智能制造设备在目标生产线的工艺加工时间。

在生成并将设备关联关系图发送至每一个边缘计算终端后，由于每个边缘计算终端对应于位于不同生产线中相同的一个种类的智能制造设备，因此，每个边缘计算终端从每个设备关联关系图中提取对应智能制造设备的工艺顺序编号段和工艺加工时间。

进一步的，基于所述工艺关联信息，生成针对每个智能制造设备的运行数据采集指令步骤，具体包括：根据工艺顺序编号段，获得每个类型的智能制造设备分别在其生产线中的工艺位置序号；基于所述工艺位置序号与该生产线中的最大工艺位置序号的比值，确定智能制造设备在生产线中的第一工艺成本量化值；基于智能制造设备在目标生产线之前所有工艺的工艺加工时间总和，确定智能制造设备在生产线中的第二工艺成本量化值；根据所述第一工艺成本量化值和所述第二工艺成本量化值，确定智能制造设备在生产线中的工艺成本量化总值；根据同一种类的每个智能制造设备在不同生产线中工艺成本量化总值的比例，生成用于针对每个智能制造设备的运行数据采集指令。

本实施例中，在通过边缘计算终端获取对应智能制造设备的工艺顺序编号段和工艺加工时间后，即可利用工艺顺序编号段确定第一工艺成本量化值，利用工艺加工时间确定第二工艺成本量化值，再基于第一工艺成本量化值与第二工艺成本量化值的乘积，确定工艺成本量化总值，以此衡量每个智能制造设备在其生产线中的重要性。具体而言，越靠近其生产线中工艺前段的智能制造设备的工艺成本量化总值越小，其重要性越小；当前工艺之前的工艺加工时间总和越长的智能制造设备的工艺成本量化总值越大，其重要性越大，由此，通过工艺成本量化总值，即可对智能制造设备在其生产线中的重要性进行衡量，以此根据工艺成本量化总值确定运行数据采集指令，能够实现为更重要的智能制造设备提供更多的监测资源，尽可能减少因更重要的智能制造设备故障带来的生产损失。

具体而言，生成用于针对每个智能制造设备的运行数据采集指令步骤，具体包括：根据每个智能制造设备的工艺成本量化总值，在工艺成本量化总值与运行数据采集间隔时间的对照表中，确定每个智能制造设备的运行数据采集间隔时间；其中，所述对照表中，所述工艺成本量化总值与所述运行数据采集间隔时间呈预设负相关变化。本实施例中，为智能制造设备提供不同的监测资源通过预设的工艺成本量化总值与运行数据采集间隔时间的对照表，具体而言，为更重要的智能制造设备提供更多的监测资源，即，工艺成本量化总值越高，运行数据采集与分析的频率越高，间隔时间越短。

参照图3，图3为本发明基于边缘计算的智能制造装置第一实施例的结构框图。

如图3所示，本发明实施例提出的基于边缘计算的智能制造装置包括：

被配置于智能制造云端的生成模块10，用于获取智能制造任务，提取所述智能制造任务中的智能制造设备的标识信息，根据标识信息，确定关联的智能制造设备，生成目标生产线的设备关联关系图；

被配置于智能制造云端的发送与监测模块20，用于将所述设备关联关系图发送至边缘计算终端，在接收到边缘计算终端传输的智能制造设备的预处理运行数据时，根据所述运行数据对智能制造设备进行运行状态监测；

被配置于边缘计算终端的提取模块30，用于获取目标生产线的设备关联关系图，提取所述设备关联关系图中智能制造设备的工艺关联信息，基于所述工艺关联信息，生成针对每个智能制造设备的运行数据采集指令；其中，所述运行数据采集指令包括运行数据每次采集的间隔时间；

被配置于边缘计算终端的预处理模块40，用于接收智能制造设备传输的运行数据，根据所述运行数据采集指令，对所述运行数据进行预处理，获得预处理运行数据。

本发明基于边缘计算的智能制造装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。

此外，本发明还提出一种基于边缘计算的智能制造设备，其特征在于，所述基于边缘计算的智能制造设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于边缘计算的智能制造程序，其中：所述基于边缘计算的智能制造程序被所述处理器执行时实现本发明各个实施例所述的基于边缘计算的智能制造方法。

本申请基于边缘计算的智能制造设备的具体实施方式与上述基于边缘计算的智能制造方法各实施例基本相同，在此不再赘述。

此外，本发明还提出一种可读存储介质，所述可读存储介质包括计算机可读存储介质，其上存储有基于边缘计算的智能制造程序。所述可读存储介质可以是图1的终端中的存储器1005，也可以是如ROM(Read-Only Memory，只读存储器)/RAM(Random AccessMemory，随机存取存储器)、磁碟、光盘中的至少一种，所述可读存储介质包括若干指令用以使得一台具有处理器的基于边缘计算的智能制造设备执行本发明各个实施例所述的基于边缘计算的智能制造方法。

本申请可读存储介质中基于边缘计算的智能制造程序的具体实施方式与上述基于边缘计算的智能制造方法各实施例基本相同，在此不再赘述。

可以理解的是，在本说明书的描述中，参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例～第N实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于边缘计算的智能制造方法，其特征在于，用于智能制造系统，所述智能制造系统包括若干种智能制造设备、连接每种智能制造设备的边缘计算终端以及连接每个边缘计算终端的智能制造云端，包括以下步骤：

智能制造云端获取智能制造任务，提取所述智能制造任务中的智能制造设备的标识信息，根据标识信息，确定关联的智能制造设备，生成目标生产线的设备关联关系图；

智能制造云端将所述设备关联关系图发送至边缘计算终端，在接收到边缘计算终端传输的智能制造设备的预处理运行数据时，根据所述运行数据对智能制造设备进行运行状态监测；

边缘计算终端获取目标生产线的设备关联关系图，提取所述设备关联关系图中智能制造设备的工艺关联信息，基于所述工艺关联信息，生成针对每个智能制造设备的运行数据采集指令；其中，所述运行数据采集指令包括运行数据每次采集的间隔时间；

边缘计算终端接收智能制造设备传输的运行数据，根据所述运行数据采集指令，对所述运行数据进行预处理，获得预处理运行数据。

2.如权利要求1所述的基于边缘计算的智能制造方法，其特征在于，智能制造系统还包括控制终端；智能制造云端获取智能制造任务，提取所述智能制造任务中关联的智能制造设备的标识信息步骤之前，所述方法，还包括：

控制终端响应于企业用户的输入动作，生成智能制造任务；其中，所述智能制造任务包括若干个智能制造设备的标识信息；

控制终端将所述智能制造任务发送至智能制造云端。

3.如权利要求2所述的基于边缘计算的智能制造方法，其特征在于，所述标识信息包括智能制造设备的识别编号和所述智能制造设备在生产线的位置编号，所述位置编号包括生产线编号段和工艺顺序编号段。

4.如权利要求3所述的基于边缘计算的智能制造方法，其特征在于，根据标识信息，确定关联的智能制造设备，生成目标生产线的设备关联关系图步骤，具体包括：

根据所述识别编号和所述位置编号，生成目标生产线的设备关联关系图；

根据所述位置编号中的生产线编号段和工艺顺序编号段，在工艺加工数据库中匹配所述智能制造设备在目标生产线的工艺加工时间，并将所述工艺加工时间写入所述设备关联关系图中。

5.如权利要求3所述的基于边缘计算的智能制造方法，其特征在于，根据所述识别编号和所述位置编号，生成目标生产线的设备关联关系图步骤，具体包括：

提取智能制造设备的标识信息中位置编号的生产线编号段，在智能制造任务所有的智能制造设备中确定关联的智能制造设备；其中，关联的智能制造设备为具有相同生产线编号段的智能制造设备；

提取关联的智能制造设备标识信息中的工艺顺序编号段，根据所述工艺顺序编号段为每条生产线生成设备关联关系图；其中，所述设备关联关系图包括根据工艺顺序连接的若干个区域标识图形；

提取关联的智能制造设备标识信息中的识别编号，将所述识别编号写入每条生产线对应设备关联关系图中的区域标识图形中。

6.如权利要求5所述的基于边缘计算的智能制造方法，其特征在于，智能制造云端将所述设备关联关系图发送至边缘计算终端步骤，具体为：智能制造云端将生成的每条生产线的设备关联关系图发送至每一个边缘计算终端。

7.如权利要求6所述的基于边缘计算的智能制造方法，其特征在于，所述工艺关联信息包括工艺顺序编号段和工艺加工时间；边缘计算终端获取目标生产线的设备关联关系图，提取所述设备关联关系图中智能制造设备的工艺关联信息步骤，具体包括：

每一种智能制造设备对应的边缘计算终端提取每条生产线的设备关联关系图中该智能制造设备在其生产线中的工艺顺序编号段；

每一种智能制造设备对应的边缘计算终端提取每条生产线的设备关联关系图中该智能制造设备在目标生产线的工艺加工时间。

8.如权利要求7所述的基于边缘计算的智能制造方法，其特征在于，基于所述工艺关联信息，生成针对每个智能制造设备的运行数据采集指令步骤，具体包括：

根据工艺顺序编号段，获得每个类型的智能制造设备分别在其生产线中的工艺位置序号；

基于所述工艺位置序号与该生产线中的最大工艺位置序号的比值，确定智能制造设备在生产线中的第一工艺成本量化值；

基于智能制造设备在目标生产线之前所有工艺的工艺加工时间总和，确定智能制造设备在生产线中的第二工艺成本量化值；

根据所述第一工艺成本量化值和所述第二工艺成本量化值，确定智能制造设备在生产线中的工艺成本量化总值；

根据同一种类的每个智能制造设备在不同生产线中工艺成本量化总值的比例，生成用于针对每个智能制造设备的运行数据采集指令。

9.如权利要求8所述的基于边缘计算的智能制造方法，其特征在于，所述工艺成本量化总值为：第一工艺成本量化值与第二工艺成本量化值的乘积。

10.如权利要求8所述的基于边缘计算的智能制造方法，其特征在于，生成用于针对每个智能制造设备的运行数据采集指令步骤，具体包括：

根据每个智能制造设备的工艺成本量化总值，在工艺成本量化总值与运行数据采集间隔时间的对照表中，确定每个智能制造设备的运行数据采集间隔时间；

其中，所述对照表中，所述工艺成本量化总值与所述运行数据采集间隔时间呈预设负相关变化。