CN117591700A - 工业互联网平台的实现方法、装置、设备及存储介质 - Google Patents
工业互联网平台的实现方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117591700A CN117591700A CN202311753694.1A CN202311753694A CN117591700A CN 117591700 A CN117591700 A CN 117591700A CN 202311753694 A CN202311753694 A CN 202311753694A CN 117591700 A CN117591700 A CN 117591700A
- Authority
- CN
- China
- Prior art keywords
- data
- production
- image
- protocol
- cloud
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000003860 storage Methods 0.000 title claims abstract description 26
- 238000004519 manufacturing process Methods 0.000 claims abstract description 204
- 230000006854 communication Effects 0.000 claims abstract description 61
- 238000004891 communication Methods 0.000 claims abstract description 61
- 238000007726 management method Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000013499 data model Methods 0.000 claims abstract description 37
- 238000013507 mapping Methods 0.000 claims abstract description 28
- 230000015654 memory Effects 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 14
- 230000007246 mechanism Effects 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000007405 data analysis Methods 0.000 claims description 11
- 238000007689 inspection Methods 0.000 claims description 5
- 230000001360 synchronised effect Effects 0.000 abstract description 6
- 238000011161 development Methods 0.000 description 12
- 230000018109 developmental process Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 238000004806 packaging method and process Methods 0.000 description 5
- 239000008186 active pharmaceutical agent Substances 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000005886 esterification reaction Methods 0.000 description 4
- 239000000835 fiber Substances 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 230000032050 esterification Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 229920000728 polyester Polymers 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 1
- 238000002377 Fourier profilometry Methods 0.000 description 1
- 238000012351 Integrated analysis Methods 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Factory Administration (AREA)
Abstract
本公开提供了工业互联网平台的实现方法、装置、设备以及存储介质。该方法包括:基于工业通信协议获取第一生产设备的第一数据;通过图像采集装置获取第二生产设备的第二数据;采集第一生产设备与管理系统之间的通信消息,得到第三数据;将第一数据、第二数据以及第三数据映射到标准数据模型上,得到生产数据;将生产数据上传至云端;通过部署于云端的平台层对生产数据进行分析或处理,得到加工数据,以用于提供服务或业务应用。根据本公开的方案,可以在不同网络中对异构的数据源进行数据同步与集成,使得多种业务的生产管理数据以统一的方式接入工业互联网平台。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及智能制造、智慧工厂、工业互联网技术领域。
背景技术
数字化转型是制造行业实现智能制造主要途径,数字化转型不仅仅意味着企业简单地数字化,而是把数据作为智能制造的核心驱动力。如何高效、准确、及时地采集现有的多种不同系统、设备的数据,是进行后续数据分析、互联互通互操作等智能化升级的前提条件,数据采集与汇聚的能力是智能制造的最基础也是最重要的工作。
发明内容
本公开提供了一种工业互联网平台的实现方法、装置、设备以及存储介质,以解决或缓解现有技术中的一项或更多项技术问题。
第一方面,本公开提供了一种工业互联网平台的实现方法,包括:
基于工业通信协议获取第一生产设备的第一数据;
通过图像采集装置获取第二生产设备的第二数据;
采集所述第一生产设备与管理系统之间的通信消息,得到第三数据;
将所述第一数据、所述第二数据以及所述第三数据映射到标准数据模型上,得到生产数据;
将所述生产数据上传至云端;
通过部署于云端的平台层对所述生产数据进行分析或处理,得到加工数据,以用于提供服务或业务应用。
第二方面,本公开提供了一种工业互联网平台的实现装置,包括:
第一采集模块,用于基于工业通信协议获取第一生产设备的第一数据;
第二采集模块,用于通过图像采集装置获取第二生产设备的第二数据;
第三采集模块,用于采集所述第一生产设备与管理系统的通信消息,得到第三数据;
数据转换模块,用于将所述第一数据、所述第二数据以及所述第三数据映射到标准数据模型上,得到生产数据;
数据上云模块,用于将所述生产数据上传至云端;
数据加工模块,用于通过部署于云端的平台层对所述生产数据进行分析或处理,得到加工数据,以用于提供服务或业务应用。
第三方面,提供了一种工业互联网平台系统,包括:
数据采集单元,用于采集生产设备的数据;
智能网关单元,用于对从多种异构的数据源获取的数据进行解析和转换;
数据上云单元,用于将多种生产设备的数据及数据库中的数据传输至云端;
数据分析单元,用于对多种数据进行分析和处理,得到分析数据;以及
业务应用单元,用于基于所述生产数据和/或所述分析数据,提供业务功能。
第四方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开实施例中任一的方法。
第五方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,该计算机指令用于使该计算机执行根据本公开实施例中任一的方法。
本公开提供的技术方案的有益效果至少包括:可以在不同网络中对异构的数据源进行数据同步与集成,使得多种业务的生产管理数据以统一的方式接入工业互联网平台,通过统一化的数据技术服务反哺业务,形成完整的数据生态。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据本公开提供的一些实施方式,而不应将其视为是对本公开范围的限制。
图1是根据本公开一实施例的工业互联网平台的实现方法的流程示意图;
图2是根据本公开一实施例提供的数据存储物理架构图;
图3是根据本公开一实施例的工业互联网平台的实现装置的结构示意图;
图4是根据本公开一实施例提供的工业互联网平台系统的架构示意图;
图5是用来实现本公开实施例的电子设备的框图。
具体实施方式
下面将参考附图对本公开作进一步地详细描述。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路等未作详细描述,以便于凸显本公开的主旨。
相关技术中,工业企业需要对生产过程中的多源异构数据进行实时采集,从而用于实现工作流调度与监控、多层次的整合分析挖掘,以支持业务决策。因此,如何打通这些数据、以统一的标准进行建设并提供丰富的数据服务,以达到技术降本、应用提效、业务赋能的目标,是目前数据中台建设的重要工作。
为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个问题,本公开的实施方式提供一种工业互联网平台的实现方法,利用本公开的实施方式的技术方案,可以在复杂网络情况下对异构的数据源进行数据同步与集成,包括对关系型数据库、NoSQL数据库、大数据数据库、文本存储(FTP)、DCS系统等数据库类型的支持。
图1是本公开一实施例提供的工业互联网平台的实现方法的流程示意图。如图1所示,该方法至少包括以下步骤:
S110、基于工业通信协议获取第一生产设备的第一数据。
本公开实施例中,工业通信协议包括以下至少一种:ModBus协议、Profibus DP协议、IEC104协议、OPC DA协议、OPC UA协议、HART协议、Profinet协议、EtherCAT协议、S7单边协议、S7双边协议。
第一生产设备包括基于上述通信协议实现自动化控制的生产设备。以化纤行业为例,第一生产设备包括但不限于:聚酯设备(例如,酯化反应釜、酯化搅拌器等)、纺丝箱体、卷绕机、自动落筒机、自动传送设备、转运设备、包装设备以及生产线中涉及的各种传感器等。
第一数据包括第一生产设备的工作状态数据、控制数据以及第一生产设备内部部件的工作状态数据等。具体而言,聚酯设备的第一数据可以包括:粘度计的粘度值、酯化反应釜内熔体的温度、酯化搅拌器电机的电流、电压、转速、变频器设定频率、实际频率等。自动落筒机的第一数据可以包括:每台伺服电机的状态、运行时间、激光雷达、安全雷达的工作状态、可编程逻辑控制器(Programmable Logic Controller,PLC)的状态,例如,卷绕机呼叫信号、批号、落次信息等;自动包装线的第一数据可以包括:其中PLC设备的状态、当前执行的包装批号、每台电机的电流、电压、负载等。对于PLC设备,第一数据进一步包括其包含的每台交流电机的电流、电压、负载等、每台伺服电机的状态、运行时间、所接各个传感器的工作状态,例如,丝锭包装任务量、包装批号、在线辅材规格信息等。
采集第一生产设备的第一数据,可以通过配置相应的设备的IP地址与端口号、变量名和变量绝对地址实现。
S120、通过图像采集装置获取第二生产设备的第二数据。
图像采集装置包括拍照装置和摄像装置。图像采集装置可以拍摄包含第二生产设备的生产环境,也可以直接拍摄第二生产设备。
第二生产设备包括不能基于上述通信协议采集数据的生产设备。第二生产设备可以是非自动化的生产设备,也可以是自动化控制的生产设备,但无法直接基于工业通信协议获取其数据。对于此类生产设备,可以通过图像采集装置拍摄其用于输入、输出或操作的部位的图像。然后从图像中识别出相关的数据信息,得到第二数据。
S130、采集第一生产设备与管理系统之间的通信消息,得到第三数据。
对于第一生产设备还需要记录其与管理系统之间的通信消息,以便于实现工作流的全方位监控。管理系统可以包括多种涉及生产数据的管理系统,例如制造执行系统(Manufacturing Execution System,MES)、仓储管理系统(Warehouse ManagementSystem,WMS)、设备管理系统、企业资源计划系统等。
S140、将第一数据、第二数据以及第三数据映射到标准数据模型上,得到生产数据。
本公开实施例中,为了确保数据的一致性、可理解性和高效性,可以定义标准数据模型,包括设备类型、变量名称、单位、数据类型等信息,以确保不同系统的数据能够被正确理解和处理。然后通过开发的协议适配器,将不同协议的数据映射到标准数据模型上,确保数据的一致性。
S150、将生产数据上传至云端。
本公开实施例中,将经过协议解析和本地处理的数据上传至云端。可以使用标准的云通信协议,如MQTT、HTTP等。生产数据包括两部分数据,第一部分是通过工业通信协议和图像采集装置得到的数据;第二部分是生产设备在对应的数据库中实时产生的数据。根据实际需求,可以控制数据上传的频率。对于实时性要求较高的数据,可以选择更频繁的上传;对于周期性变化不大的数据,可以进行压缩和定时上传。
S160、通过部署于云端的平台层对生产数据进行分析或处理,得到加工数据,以用于提供服务或业务应用。
本公开实施例中,将生产数据上传至云端,并在部署于云端的平台层对数据进行分析处理,实现了工业数据分析与智能服务云化,提供了一个可视化、低门槛的数据平台,让工业数据整理与应用分析变得可传输、可调度,成为可随时获取的服务能力。在平台层可以开发数据分析算法,运用数学统计、机器学习及人工智能算法实现面向历史数据、实时数据、时序数据的聚类、关联和预测分析。还可以利用机械、电子、物理、化学等领域专业知识,结合工业生产实践经验,基于已知工业机理构建各类模型,实现智能化的业务应用。在工业互联网平台上开发微服务和工业APP,实现生产经营和制造执行能力的提升。
根据本公开实施例的方案,化纤工业互联网平台能将各类业务共享到同一平台上,从数据收集,上云,核心的数字化模型创建,各种各样的微服务和业务场景运用。各种业务数据,按统一的方式接入工业互联网平台,之后通过统一化的数据技术服务反哺业务,形成一个完整的数据生态。
在一种可能的实现方式中,第一生产设备包括基于PLC系统、分布式控制系统(Distributed Control System,DCS)或数据采集与监视控制系统(Supervisory Controland Data Acquisition,SCADA)系统的自动化控制设备。
S110基于工业通信协议获取第一生产设备的第一数据,进一步包括:
S111、基于开放性生产控制和统一架构(Open Platform CommunicationsUnified Architecture,OPC UA)协议采集基于DCS系统或SCADA系统的自动化控制设备的第一数据。
S112、基于OPC UA协议、PROFINET或S7协议采集基于PLC系统的自动化控制设备的第一数据。
本公开实施例中,DCS系统通常涉及大规模的工厂过程控制,包括多个分布式控制器和设备。OPC UA可以用于连接和采集这些分布式设备的数据。同时,DCS通常涉及大量实时数据,而且上述数据可能具有不同的数据类型和结构。OPC UA能够支持实时数据的高效传输,并提供了一种灵活的方式来表示和处理不同类型的数据。
SCADA系统用于监视和控制工业过程,OPC UA可用于实现SCADA系统中各种设备之间的数据通信,包括传感器、仪表和执行器。对于SCADA系统,通信的安全性是一个关键考虑因素。OPC UA提供了强大的安全功能,包括加密和身份验证,以确保通信的安全性。
PLC通常负责实时控制和执行任务,OPC UA可以用于实现与PLC之间的实时数据通信,包括传感器数据、执行器状态等。OPC UA提供了灵活的数据建模和通信机制,适用于不同类型和品牌的PLC。这种灵活性对于与不同制造商的设备集成和通信非常重要。
OPC UA作为一个开放的、跨平台的通信协议,为不同类型的设备提供了标准化的通信接口,促进了设备之间的互操作性。
对于一些特定的PLC设备,可能需要使用PROFINET、S7单边协议、S7双边协议采集其传感器数据、执行器状态。
在一种可能的实现方式中,S120通过图像采集装置获取生产环境中第二生产设备的第二数据,进一步包括:
S121、基于对生产环境进行拍摄的图像采集装置,得到第二生产设备的图像数据。其中,第二生产设备位于该生产环境中。
S122、基于对第二生产设备进行拍摄的图像采集装置,得到第二生产设备的图像数据。
本公开实施例中,根据生产环境和第二生产设备的特点,选择适合的图像采集装置,可能包括摄像头、相机等设备。针对特定的生产环境和设备,配置图像采集装置的参数,如分辨率、曝光时间、帧率等,以确保获得清晰且合适的图像。可以通过定时拍摄、事件触发等方式使用图像采集装置对生产环境中的第二生产设备进行拍摄,获取图像数据。S121和S122可以根据不同场景中各种第二生产设备的具体类型进行选用。
S123、根据图像数据,得到第二生产设备的第二数据。
本公开实施例中,对采集到的图像利用计算机视觉技术进行目标检测和分割,定位和识别第二生产设备在图像中的位置。还可以进一步提取图像中与第二生产设备相关的特征,例如形状、颜色、纹理等。然后,使用图像处理算法,对图像中的特征进行识别和解析,从而获取与第二生产设备相关的第二数据。
在一种可能的实现方式中,第二生产设备包括外观检测设备、传统仪表、机柜、显示设备或不具有通信和数据交换功能的可移动设备中的至少一种。
本公开实施例中,对于不具有通信功能传统仪表、机柜可以通过加装图像采集装置的方式,实现远程数据采集。对于不具有通信和数据交换功能的可移动设备,例如丝锭转运车,可以基于对生产环境进行拍摄的图像采集装置,获取其位置、状态、装载量等信息。
S123根据图像数据,得到第二生产设备的第二数据,包括以下至少一种:
根据从显示设备采集的图像数据,识别出显示设备展示的文本信息。
根据从传统仪表采集的图像数据,识别出仪表读数信息。
根据从机柜采集的图像数据,识别出指示灯状态信息和/或按钮的状态信息。
根据从生产环境采集的图像数据,识别出可移动设备的设备位置信息。
根据从外观检测设备采集的图像数据,得到被检测产品的图像信息。
本公开实施例中,部分传统设备不具有通信功能,部分设备采用非开放式的通信方式,无法通过工业通信协议直接采集数据,针对这种设备,可以在对应的操作装置、显示装置处设置图像采集装置,识别出显示设备展示的文本信息或其它图表信息。
需要说明的是,对于扫码设备,尤其是二维码扫码设备,并不属于本公开实施例所描述的图像采集装置,虽然扫码设备具有图像采集功能,但其扫码的对象通常是工件,并非生产设备。而且其并采集图像的过程以及识别出图像信息的原理也与本公开实施例不同。
在一种示例中,第二生产设备可以是外观检测设备,被检测产品的图像信息可以是丝锭的任一侧面或局部的图像。聚酯化纤行业中,丝锭的外观检测均采用人工检测,漏检、误检和误判时有发生,且该工序为劳动密集型工序,一线操作工人多,良莠不齐,质量检测存在诸多隐患。通过外观检测设备采集丝锭的图像数据进行自动化检测是一种全新的检测方式,通过传感器采集工件到位信息,并由此信号触发相机,系统对工件进行在线拍照,针对此系统开发的图像处理软件实时对采集到的图片根据客户提出的工艺标准进行处理和分析,并将处理结果输至分选控制系统和人机界面,提高了检测效率,而且准确度高。
根据本公开实施例的方案,通过图像采集和处理,实现对第二生产设备的实时监测和数据采集,图像采集方式相对灵活,适用于各种类型的设备,无论其是否支持标准的通信协议。
在一种可能的实现方式中,S130采集第一生产设备与管理系统之间的通信消息,得到第三数据,进一步包括:
S131、在第一生产设备将变量数据通过MQTT订阅协议或Restful接口写入消息队列后,通过日志记录变量数据。
S132、管理系统对消息队列中的写接口变量数据进行读操作和处理。
S133、在管理系统将处理完成得到的结果数据写回消息队列的读变量接口中后,通过日志记录结果数据。
S134、根据变量数据和结果数据,得到第三数据。
本公开实施例中,消息队列遥测传输(Message Queuing Telemetry Transport,MQTT)协议是一种轻量级的、开放的、基于发布-订阅模式的消息传递协议。Restful+MQ是一种结合RESTful API和消息队列的架构模式。它将基于HTTP的RESTful API与消息队列结合在一起,用于实现系统间的异步通信。
在采集PLC与管理系统之间的通信时,通过在OPC软件中配置或按照OPC协议格式编写程序,将PLC中的变量(含PLC的IP地址、端口号、变量名称、变量的绝对地址)通过MQTT订阅协议或Restful接口写入开源MQ(如RabbliMQ、RocketMQ、Kafa等)中,管理系统对MQ中的写接口变量数据进行读操作,处理完成后,将数据写入MQ中的读变量接口中,读变量即可将数据写入PLC中对应的变量中。
OPC软件作为通信中介,允许其他系统通过OPC协议与PLC进行通信,具体实现过程包括以下步骤:
在OPC软件中,需要配置连接到PLC的相关参数,包括PLC的IP地址、端口号、变量名称以及变量的绝对地址,确保OPC软件能够正确地连接到PLC并读取/写入变量数据。
选择使用MQTT订阅协议或Restful接口,将PLC中的变量数据发布到消息队列中。
将开源消息队列(如RabbitMQ、RocketMQ、Kafka等)充当中间件,接收并存储通过OPC软件发布的PLC变量数据。MQ保证了异步、松耦合的数据传输,即使管理系统不在线,数据也会得到存储,确保不会丢失。
管理系统订阅MQ中的数据,通过读取MQ中的写接口变量数据,进行相应的处理。这可能涉及数据分析、转换、存储等操作,根据具体需求完成相应的业务逻辑。
处理完成后,管理系统将结果数据写回MQ的读变量接口中,确保处理结果能够被PLC获取并更新到对应的变量中。
PLC通过订阅MQ的读变量接口,获取处理完成的数据,然后将这些数据写入PLC的对应变量中,实现了双向通信。
在上述过程中,可以使用统一的日志系统(如ELK Stack、Splunk等),集成PLC和管理系统的日志信息,可以将PLC和管理系统的通信消息集中到一个日志存储中,并提供搜索和分析功能。
根据本公开实施例的方案,可以全面采集并监控PLC和管理系统之间的通信消息。
在一种可能的实现方式中,S140将第一数据、第二数据以及第三数据映射到标准数据模型上,得到生产数据,进一步包括步骤:
S141、将第一数据、第二数据以及第三数据中的实时数据采用实时同步机制映射到预设的标准数据模型,得到第一生产数据。标准数据模型包括生产数据的通用结构、字段和关系。
S142、将第一数据、第二数据以及第三数据中的非实时数据写入中间数据队列。
S143、将中间数据队列中的非实时数据异步地映射到标准数据模型,得到第二生产数据。
S144、根据第一生产数据和第二生产数据,得到生产数据。
本公开实施例中,考虑到各种数据类型和来源的差异,需要制定一个标准数据模型,定义生产数据的通用结构、字段和关系,确保标准数据模型足够灵活以容纳不同类型的数据。标准数据模型的设计需要对每个数据源进行详细分析,包括第一、第二和第三生产设备的数据源,确定每个数据源的字段、数据类型、单位等信息。分析不同数据源之间的关系和关联,考虑数据之间的逻辑连接,例如标识设备、时间戳、位置信息等。在制定标准数据模型时,需要从需求和数据源分析中确定核心实体和属性,包括设备、事件、测量、状态等。定义实体之间的关系和连接,确保能够在数据模型中表示数据之间的逻辑关联。确定每个属性的数据类型和单位,保证数据在模型中的一致性。
为了实现将实时数据采用实时同步机制映射到预设的标准数据模型,需要利用本地计算模块,例如在智能网关上部署本地计算模块,处理边缘计算任务,如数据聚合、单位转换、数据格式转换、数据类型匹配、异常检测等操作,提高实时性。
根据本公开实施例的方案,针对实时数据采用实时同步机制,确保数据及时传输。对于非实时数据,可以采用异步处理机制,降低对系统性能的影响。
在一种可能的实现方式中,S140将第一数据、第二数据以及第三数据映射到标准数据模型上,得到生产数据,进一步包括:
S145、基于通信适配器,将第一数据、第二数据以及第三数据采用对应的协议解析器,解析成通用的中间表示形式,以得到中间数据。
S146、基于预设的映射规则,将中间数据包含的多种标准字段,映射到标准数据模型中的对应字段,以得到第一生产数据。
本公开实施例中,为每种数据源的协议设计通信适配器,负责处理不同通信协议的数据传输,将原始数据解析成通用的中间表示形式,从而在解析过程中存储数据。该格式可以是JSON、XML或其他通用的数据表示形式。然后,为每个数据源中的字段定义映射规则,将中间数据包含的多种标准字段映射到标准数据模型中的对应字段。
在一种可能的实现方式中,S150将生产数据上传至云端,进一步包括:
通过JDBC定期获取本地数据库中新增数据,将数据库实时产生的数据通过加密通道推送到云端数据库。
本公开实施例中,如图2所示的数据存储物理架构图中,包括办公网、生产网和隔离区(DMZ),办公网包括各系统数据库,例如SAP、单锭数据库、OA等系统的数据库。上述数据库可能包含企业的管理信息、生产数据、办公流程等。
生产网包括各种现场设备,现场设备可能通过工业协议(如MODBUS、OPC UA等)通信,生产数据用于实时监控和生产过程控制。
DMZ充当了客户内外网络的缓冲区,包含了上云的架构和其他重要区域。通过内网防火墙或网关与办公网及生产网隔离,同时通过外网防火墙与公网隔离。数据上云集群通过JDBC连接内网的关系型数据库,从中获取系统数据库的数据。实时数据采集群通过工业通信协议对接DCS、SCADA、PLC系统,获取设备的实时数据。
数据库实时产生的数据上云,使用Datahub SDK推送数据到Datahub完成上云:
利用Datahub的SDK,通过加密通道HTTPS将采集到的实时数据推送到Datahub,实现数据上云。Datahub作为一个数据中台,支持结构化和非结构化数据的大规模存储。Datahub具备对接各种计算和存储平台的能力,可以实现数据的多源多目标传输和整合。
Datahub可以通过DataConnector将数据实时推送到各个计算和存储平台,为后续的数据处理提供数据源。
根据本公开实施例的方案,通过DMZ、内外网防火墙的设置,保障了网络安全,同时数据上云过程采用HTTPS加密通道,确保数据传输的安全性。实时数据采集群通过工业协议和定期JDBC获取实时数据,以保证实时性要求。通过Datahub数据通道,实现了对各种数据源的整合、存储和实时传输,为后续的数据处理提供了基础。Datahub数据通道可以对接各种计算和存储平台,使系统具备较好的灵活性和可扩展性,适应不同的业务需求。
图3是本公开一实施例提供的工业互联网平台的实现装置的结构示意图。如图3所示,该装置包括:
第一采集模块301,用于基于工业通信协议获取第一生产设备的第一数据。
第二采集模块302,用于通过图像采集装置获取第二生产设备的第二数据。
第三采集模块303,用于采集第一生产设备与管理系统的通信消息,得到第三数据。
数据转换模块304,用于将第一数据、第二数据以及第三数据映射到标准数据模型上,得到生产数据。
数据上云模块305,用于将生产数据上传至云端。
数据加工模块306,用于通过部署于云端的平台层对生产数据进行分析或处理,得到加工数据,以用于提供服务或业务应用。
在一种可能的实现方式中,第一生产设备包括基于PLC系统、DCS系统或SCADA系统的自动化控制设备。
第一采集模块301用于:
基于OPC UA协议采集基于DCS系统或SCADA系统的自动化控制设备的第一数据。
基于OPC UA协议、PROFINET或S7协议采集基于PLC系统的自动化控制设备的第一数据。
在一种可能的实现方式中,第二采集模块302用于:
基于对生产环境进行拍摄的图像采集装置,得到第二生产设备的图像数据。其中,第二生产设备位于生产环境中。或
基于对第二生产设备进行拍摄的图像采集装置,得到第二生产设备的图像数据。
根据图像数据,得到第二生产设备的第二数据。
在一种可能的实现方式中,第二生产设备包括外观检测设备、传统仪表、机柜、显示设备或不具有通信和数据交换功能的可移动设备中的至少一种。
第二采集模块302用于以下至少一项:
根据从显示设备采集的图像数据,识别出显示设备展示的文本信息。
根据从传统仪表采集的图像数据,识别出仪表读数信息。
根据从机柜采集的图像数据,识别出指示灯状态信息和/或按钮的状态信息。
根据从生产环境采集的图像数据,识别出可移动设备的设备位置信息。
根据从外观检测设备采集的图像数据,得到被检测产品的图像信息。
在一种可能的实现方式中,第三采集模块303用于:
在第一生产设备将变量数据通过MQTT订阅协议或Restful接口写入消息队列后,通过日志记录变量数据。
管理系统对消息队列中的写接口变量数据进行读操作和处理。
在管理系统将处理完成得到的结果数据写回消息队列的读变量接口中后,通过日志记录结果数据。
根据变量数据和结果数据,得到第三数据。
在一种可能的实现方式中,数据转换模块304用于:
将第一数据、第二数据以及第三数据中的实时数据采用实时同步机制映射到预设的标准数据模型,得到第一生产数据。标准数据模型包括生产数据的通用结构、字段和关系。
将第一数据、第二数据以及第三数据中的非实时数据写入中间数据队列。
将中间数据队列中的非实时数据异步地映射到标准数据模型,得到第二生产数据。
根据第一生产数据和第二生产数据,得到生产数据。
在一种可能的实现方式中,数据转换模块304用于:
基于通信适配器,将第一数据、第二数据以及第三数据采用对应的协议解析器,解析成通用的中间表示形式,以得到中间数据。
基于预设的映射规则,将中间数据包含的多种标准字段,映射到标准数据模型中的对应字段,以得到第一生产数据。
在一种可能的实现方式中,数据上云模块305用于:
通过JDBC定期获取本地数据库中新增数据,将数据库实时产生的数据通过加密通道推送到云端数据库。
本公开实施例的装置的各模块、子模块的具体功能和示例的描述,可以参见上述方法实施例中对应步骤的相关描述,在此不再赘述。
图4是本公开一实施例提供的工业互联网平台系统的架构示意图。如图4所示,该系统包括边缘层、IaaS层、平台层和应用层,边缘层包括数据采集单元和智能网关单元,其中:
数据采集单元,用于采集生产设备的数据。具体地,可以用于执行上述S110至S130的数据采集步骤,以获取第一数据、第二数据及第三数据。
智能网关单元,用于对从多种异构的数据源获取的数据进行解析和转换。具体地,可以用于执行上述S140的数据转换步骤,将所述第一数据、所述第二数据以及所述第三数据映射到标准数据模型上,得到生产数据。
数据上云单元,位于IaaS层,用于将多种生产设备的数据及数据库中的数据传输至云端。具体地,可以用于执行上述S150的数据上云步骤
数据分析单元,位于平台层,用于对多种数据进行分析和处理,得到分析数据。
业务应用单元,位于应用层,用于基于生产数据和/或分析数据,提供业务功能。
本公开实施例中,边缘层通过数据采集单元实现工厂设备数据采集,智能网关作为边缘计算节点,在工厂内部对数据进行初步处理和过滤,减轻云端负担,提高实时性。智能网关可包含本地存储、数据缓存和轻量级计算模块,以满足工厂内部的实时需求。
IaaS层作为数据上云基础设备,负责将边缘层采集到的数据传输至云端。使用云服务提供商的基础设施服务,通过云端API实现数据的上传和管理。
平台层进一步包括微服务组件云服务层、工业大数据智能算法服务层、平台资源部署和管理层,以下对各层进行功能性介绍。
微服务组件云服务层:
1.应用开发模块:
开发工件:提供开发工件,包括开发工具、集成开发环境(IDE)、模板等,用于简化和加速工业应用程序的开发。
微服务框架:提供微服务框架,支持微服务架构的设计、开发和部署,使开发者能够构建灵活、可伸缩的应用。
2.工业微服务组件库:
工业知识组件:提供工业领域专业知识的组件,帮助开发者快速集成相关领域的专业知识,如工艺知识、设备特性等。
算法组件:包含各种工业智能算法的组件,支持机理建模、机器学习等,为平台层提供智能化的数据分析和处理能力。
原理模型组件:集成各种原理性模型的组件,用于模拟和预测工业过程中的各种变量和参数。
在微服务和工业APP开发方面,提供标准的边缘侧和PaaS平台侧的开发环境、SDK、API和开发工具,让平台开发方、系统实施方、用户在同样的开发环境中进行一致的开发,形成基于平台统一标准的微服务和工业APP,既可以方便开发者和使用者之间进行双向选择和替换,又可以在ET工业大脑平台中以标准的微服务、工业APP的管理库进行行业知识的积累。进一步借助开放的工业互联网应用市场,可以让开发者和使用者双方都能在相同的平台中交换需求,促进工业互联网产业的发展。
工业大数据智能算法服务层:
1.工业智能算法分析:
机理建模:提供机理模型的建立与分析工具,支持对工业过程的物理机理进行建模,用于深入理解和优化生产过程。
机器学习:集成机器学习算法,用于从大规模工业数据中发现模式、预测趋势、优化决策,提高生产效率和质量。
可视化:提供可视化分析工具,以直观方式呈现工业数据的分析结果,帮助用户理解数据背后的信息。
2.工业大数据系统:
工业数据清洗:提供数据清洗和预处理工具,确保从工厂数据采集到的数据质量良好,减少噪声和异常值的影响。
数据管理:实现工业数据的有效管理,包括存储、检索、备份、恢复等,确保数据的安全性和可用性。
数据分析:提供强大的数据分析工具,支持对工业数据进行多维度、多角度的分析,为用户提供深入的业务洞察。
可视化:集成可视化工具,以图形化的方式展示工业数据,方便用户直观地理解数据的含义和趋势。
平台资源部署和管理层:
1.设备管理:提供设备注册和发现的机制,使平台能够自动识别和管理接入的工业设备。实时监控工业设备的状态,包括运行状态、健康状况、连接状态等,为运维提供及时的反馈。
2.资源管理:管理平台上的计算资源、存储资源,包括云计算资源的分配、调度和监控,以确保应用程序的高效运行和大规模工业数据的高效存储和检索。
3.运维管理:记录平台运行时的日志信息,同时提供监控工具,帮助运维人员实时了解平台的运行状态。
4.故障恢复:设计故障恢复策略,使平台在发生故障时能够迅速自愈,减少对生产过程的影响。
上述平台层为工业互联网平台提供了丰富的工具和服务,支持各种工业应用的开发、智能算法的应用,以及工业大数据的管理与分析。平台层的强大功能和灵活性有助于实现工业生产的智能化和高效化。
在应用层中,可以基于平台层提供的服务构建具体应用。使用工业SaaS模式,用户通过浏览器访问,无需关注底层实现,专注于业务逻辑。
还可以基于平台层提供的数据分析和预测结果实现产品品质、流程提升,实现数据驱动的品质改进、实时监测、反馈迭代等流程。
在一种示例中,应用层包括单锭数据流应用,单锭数据流是指通过对生产流程中每个丝锭的生产全过程进行数据采集,实现以单个丝锭为最小的管理单元,让每一个丝锭都有一个唯一的身份证,从批量管理到单锭管理,从业务驱动到数据驱动,打破信息孤岛形成信息链的全流动。解决企业管理的痛点和难点。
单锭数据流通过对单锭进行赋码,采集每锭在各个工序的相关数据,如:质量、成本、人员、设备、原辅料等,这些数据将集成在生产执行系统(MES)中,构建大量的单锭实时数据,形成数据驱动模式下的基础数据单元,实现“数据资产”管理。
图5为根据本公开一实施例的电子设备的结构框图。如图5所示,该电子设备包括:存储器510和处理器520,存储器510内存储有可在处理器520上运行的计算机程序。存储器510和处理器520的数量可以为一个或多个。存储器510可以存储一个或多个计算机程序,当该一个或多个计算机程序被该电子设备执行时,使得该电子设备执行上述方法实施例提供的方法。该电子设备还可以包括:通信接口530,用于与外界设备进行通信,进行数据交互传输。
如果存储器510、处理器520和通信接口530独立实现,则存储器510、处理器520和通信接口530可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5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。
可选的,在具体实现上,如果存储器510、处理器520及通信接口530集成在一块芯片上,则存储器510、处理器520及通信接口530可以通过内部接口完成相互间的通信。
应理解的是,上述处理器可以是中央处理器(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是,处理器可以是支持进阶精简指令集机器(Advanced RISC Machines,ARM)架构的处理器。
进一步地,可选的,上述存储器可以包括只读存储器和随机存取存储器,还可以包括非易失性随机存取存储器。该存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以包括只读存储器(Read-OnlyMemory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以包括随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用。例如,静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic Random Access Memory,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Date SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(Direct RAMBUS RAM,DR RAM)。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意结合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时,全部或部分地产生按照本公开实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络或其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如:同轴电缆、光纤、数据用户线(Digital Subscriber Line,DSL))或无线(例如:红外、蓝牙、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质,或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如:软盘、硬盘、磁带)、光介质(例如:数字通用光盘(Digital Versatile Disc,DVD))或半导体介质(例如:固态硬盘(Solid State Disk,SSD))等。值得注意的是,本公开提到的计算机可读存储介质可以为非易失性存储介质,换句话说,可以是非瞬时性存储介质。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本公开实施例的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本公开的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本公开实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B。本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
在本公开实施例的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
以上所述仅为本公开的示例性实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (19)
1.一种工业互联网平台的实现方法,包括:
基于工业通信协议获取第一生产设备的第一数据;
通过图像采集装置获取第二生产设备的第二数据;
采集所述第一生产设备与管理系统之间的通信消息,得到第三数据;
将所述第一数据、所述第二数据以及所述第三数据映射到标准数据模型上,得到生产数据;
将所述生产数据上传至云端;以及
通过部署于云端的平台层对所述生产数据进行分析或处理,得到加工数据,以用于提供服务或业务应用。
2.根据权利要求1所述的方法,其中,所述第一生产设备包括基于PLC系统、DCS系统或SCADA系统的自动化控制设备;
所述基于工业通信协议获取第一生产设备的第一数据,包括:
基于OPC UA协议采集基于DCS系统或SCADA系统的自动化控制设备的第一数据;
基于OPC UA协议、PROFINET或S7协议采集基于PLC系统的自动化控制设备的第一数据。
3.根据权利要求1所述的方法,其中,所述通过图像采集装置获取生产环境中第二生产设备的第二数据,包括:
基于对生产环境进行拍摄的图像采集装置,得到第二生产设备的图像数据;其中,所述第二生产设备位于所述生产环境中;或
基于对第二生产设备进行拍摄的图像采集装置,得到第二生产设备的图像数据;
根据所述图像数据,得到所述第二生产设备的第二数据。
4.根据权利要求3所述的方法,其中,所述第二生产设备包括外观检测设备、传统仪表、机柜、显示设备或不具有通信和数据交换功能的可移动设备中的至少一种;
所述根据所述图像数据,得到所述第二生产设备的第二数据,包括以下至少一种:
根据从显示设备采集的图像数据,识别出所述显示设备展示的文本信息;
根据从传统仪表采集的图像数据,识别出仪表读数信息;
根据从机柜采集的图像数据,识别出指示灯状态信息和/或按钮的状态信息;
根据从生产环境采集的图像数据,识别出可移动设备的设备位置信息;
根据从外观检测设备采集的图像数据,得到被检测产品的图像信息。
5.根据权利要求1所述的方法,其中,所述采集所述第一生产设备与管理系统之间的通信消息,得到第三数据,包括:
在所述第一生产设备将变量数据通过MQTT订阅协议或Restful接口写入消息队列后,通过日志记录所述变量数据;
所述管理系统对消息队列中的写接口变量数据进行读操作和处理;
在所述管理系统将处理完成得到的结果数据写回消息队列的读变量接口中后,通过日志记录所述结果数据;
根据所述变量数据和所述结果数据,得到第三数据。
6.根据权利要求1所述的方法,其中,所述将所述第一数据、所述第二数据以及所述第三数据映射到标准数据模型上,得到生产数据,包括:
将所述第一数据、所述第二数据以及所述第三数据中的实时数据采用实时同步机制映射到预设的标准数据模型,得到第一生产数据;所述标准数据模型包括生产数据的通用结构、字段和关系;
将所述第一数据、所述第二数据以及所述第三数据中的非实时数据写入中间数据队列;
将所述中间数据队列中的非实时数据异步地映射到所述标准数据模型,得到第二生产数据;
根据所述第一生产数据和所述第二生产数据,得到生产数据。
7.根据权利要求1或6所述的方法,其中,所述将所述第一数据、所述第二数据以及所述第三数据映射到标准数据模型上,得到生产数据,包括:
基于通信适配器,将所述第一数据、所述第二数据以及所述第三数据采用对应的协议解析器,解析成通用的中间表示形式,以得到中间数据;
基于预设的映射规则,将所述中间数据包含的多种标准字段,映射到标准数据模型中的对应字段,以得到第一生产数据。
8.根据权利要求1所述的方法,其中,将所述生产数据上传至云端,包括:
通过JDBC定期获取本地数据库中新增数据,将所述数据库实时产生的数据通过加密通道推送到云端数据库。
9.一种工业互联网平台的实现装置,包括:
第一采集模块,用于基于工业通信协议获取第一生产设备的第一数据;
第二采集模块,用于通过图像采集装置获取第二生产设备的第二数据;
第三采集模块,用于采集所述第一生产设备与管理系统的通信消息,得到第三数据;
数据转换模块,用于将所述第一数据、所述第二数据以及所述第三数据映射到标准数据模型上,得到生产数据;
数据上云模块,用于将所述生产数据上传至云端;
数据加工模块,用于通过部署于云端的平台层对所述生产数据进行分析或处理,得到加工数据,以用于提供服务或业务应用。
10.根据权利要求9所述的装置,其中,所述第一生产设备包括基于PLC系统、DCS系统或SCADA系统的自动化控制设备;
所述第一采集模块用于:
基于OPC UA协议采集基于DCS系统或SCADA系统的自动化控制设备的第一数据;
基于OPC UA协议、PROFINET或S7协议采集基于PLC系统的自动化控制设备的第一数据。
11.根据权利要求9所述的装置,其中,所述第二采集模块用于:
基于对生产环境进行拍摄的图像采集装置,得到第二生产设备的图像数据;其中,所述第二生产设备位于所述生产环境中;或
基于对第二生产设备进行拍摄的图像采集装置,得到第二生产设备的图像数据;
根据所述图像数据,得到所述第二生产设备的第二数据。
12.根据权利要求11所述的方法,其中,所述第二生产设备包括外观检测设备、传统仪表、机柜、显示设备或不具有通信和数据交换功能的可移动设备中的至少一种;
所述第二采集模块用于以下至少一项:
根据从显示设备采集的图像数据,识别出所述显示设备展示的文本信息;
根据从传统仪表采集的图像数据,识别出仪表读数信息;
根据从机柜采集的图像数据,识别出指示灯状态信息和/或按钮的状态信息;
根据从生产环境采集的图像数据,识别出可移动设备的设备位置信息;
根据从外观检测设备采集的图像数据,得到被检测产品的图像信息。
13.根据权利要求9所述的装置,其中,所述第三采集模块用于:
在所述第一生产设备将变量数据通过MQTT订阅协议或Restful接口写入消息队列后,通过日志记录所述变量数据;
所述管理系统对消息队列中的写接口变量数据进行读操作和处理;
在所述管理系统将处理完成得到的结果数据写回消息队列的读变量接口中后,通过日志记录所述结果数据;
根据所述变量数据和所述结果数据,得到第三数据。
14.根据权利要求9所述的装置,其中,所述数据转换模块用于:
将所述第一数据、所述第二数据以及所述第三数据中的实时数据采用实时同步机制映射到预设的标准数据模型,得到第一生产数据;所述标准数据模型包括生产数据的通用结构、字段和关系;
将所述第一数据、所述第二数据以及所述第三数据中的非实时数据写入中间数据队列;
将所述中间数据队列中的非实时数据异步地映射到所述标准数据模型,得到第二生产数据;
根据所述第一生产数据和所述第二生产数据,得到生产数据。
15.根据权利要求9或14所述的装置,其中,所述数据转换模块用于:
基于通信适配器,将所述第一数据、所述第二数据以及所述第三数据采用对应的协议解析器,解析成通用的中间表示形式,以得到中间数据;
基于预设的映射规则,将所述中间数据包含的多种标准字段,映射到标准数据模型中的对应字段,以得到第一生产数据。
16.根据权利要求9所述的装置,其中,所述数据上云模块用于:
通过JDBC定期获取本地数据库中新增数据,将所述数据库实时产生的数据通过加密通道推送到云端数据库。
17.一种工业互联网平台系统,包括:
数据采集单元,用于采集生产设备的数据;
智能网关单元,用于对从多种异构的数据源获取的数据进行解析和转换;
数据上云单元,用于将多种生产设备的数据及数据库中的数据传输至云端;
数据分析单元,用于对多种数据进行分析和处理,得到分析数据;以及
业务应用单元,用于基于所述生产数据和/或所述分析数据,提供业务功能。
18.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
19.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311753694.1A CN117591700A (zh) | 2023-12-18 | 2023-12-18 | 工业互联网平台的实现方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311753694.1A CN117591700A (zh) | 2023-12-18 | 2023-12-18 | 工业互联网平台的实现方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117591700A true CN117591700A (zh) | 2024-02-23 |
Family
ID=89920219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311753694.1A Pending CN117591700A (zh) | 2023-12-18 | 2023-12-18 | 工业互联网平台的实现方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117591700A (zh) |
-
2023
- 2023-12-18 CN CN202311753694.1A patent/CN117591700A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7460237B2 (ja) | 分散型工業パフォーマンス監視及び分析 | |
JP7226905B2 (ja) | 分散型工業システムにおけるソース非依存クエリ | |
US10387011B2 (en) | System and method to capture and document cross-product compatibility status information for industrial devices | |
EP3285127B1 (en) | Remote industrial automation site operation in a cloud platform | |
EP3018597A1 (en) | Crawler for discovering control system data in an industrial automation environment | |
US9762454B2 (en) | System and method to capture and document cross-product compatibility status information for industrial devices | |
US10387392B2 (en) | Method to automate historian configuration using controller based tag meta attribute | |
US10545492B2 (en) | Selective online and offline access to searchable industrial automation data | |
JP2021121954A (ja) | データモデリングスタジオ、コンピュータシステム、及びコンピュータで実装される方法 | |
US10609185B2 (en) | Method for topology tree to learn about, present, and configure device information by automatically uploading device description files from device | |
US10812605B2 (en) | Message queue-based systems and methods for establishing data communications with industrial machines in multiple locations | |
US9886012B2 (en) | Component factory for human-machine interface migration to a cloud platform | |
US20170351226A1 (en) | Industrial machine diagnosis and maintenance using a cloud platform | |
EP1624351B1 (en) | Dynamic schema for unified plant model | |
EP3285182B1 (en) | Multimodal search input for an industrial search platform | |
US10739746B2 (en) | Using soft-sensors in a programmable logic controller | |
CN107908166B (zh) | 一种基于工业互联网的汽车制造mes数据采集系统 | |
EP2908196A1 (en) | Industrial monitoring using cloud computing | |
EP3335083B1 (en) | Rich contextualization of automation data | |
EP3262818B1 (en) | Distributed data management system and associated method for embedded controllers | |
EP1903411A1 (en) | Proxy server for integration of industrial automation data over multiple networks | |
CN110678848B (zh) | 跨装置的通用数据访问 | |
CN117591700A (zh) | 工业互联网平台的实现方法、装置、设备及存储介质 | |
WO2023021838A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
Helu et al. | CIRP Annals Manufacturing Technology |
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 |