TWI810853B - 具有工業物聯網模型預測與行動稽核功能的雲端平台 - Google Patents
具有工業物聯網模型預測與行動稽核功能的雲端平台 Download PDFInfo
- Publication number
- TWI810853B TWI810853B TW111110385A TW111110385A TWI810853B TW I810853 B TWI810853 B TW I810853B TW 111110385 A TW111110385 A TW 111110385A TW 111110385 A TW111110385 A TW 111110385A TW I810853 B TWI810853 B TW I810853B
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- audit
- cloud platform
- client
- module
- Prior art date
Links
- 238000012550 audit Methods 0.000 title claims abstract description 147
- 238000001514 detection method Methods 0.000 claims abstract description 70
- 238000012544 monitoring process Methods 0.000 claims abstract description 37
- 238000004891 communication Methods 0.000 claims abstract description 30
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 230000002159 abnormal effect Effects 0.000 claims description 42
- 238000007689 inspection Methods 0.000 claims description 19
- 238000012790 confirmation Methods 0.000 claims description 13
- 239000010865 sewage Substances 0.000 claims description 13
- 230000005856 abnormality Effects 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 40
- 239000003795 chemical substances by application Substances 0.000 description 28
- 238000007726 management method Methods 0.000 description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000001364 causal effect Effects 0.000 description 6
- 239000007789 gas Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 239000002912 waste gas Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012372 quality testing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000000554 iris Anatomy 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Exhaust Gas Treatment By Means Of Catalyst (AREA)
- Stored Programmes (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本發明提出一種具有工業物聯網模型預測與行動稽核功能的雲端平台。雲端平台具有監測資料讀寫應用程式介面、影像資料寫入應用程式介面、數位稽核代理模組、圖形使用者介面模組、現地感測計量通訊模組、預測模組及異常偵測代理模組。
Description
本發明係與雲端平台有關,特別有關於具有工業物聯網模型預測與行動稽核功能的雲端平台。
現有的工業物聯網的自動管理系統可以透過設置在不同位置的感測器來取得工廠的即時排放資料,並於排放資料不符規定時,即時發出警告。
由於不符規定的排放已經發生(即已造成環境汙染),上述警告機制僅能對違規排放的工廠進行事後究責,而無法預防違規排放的發生(即無法避免環境汙染)。
是以,現有工業物聯網的自動管理系統存在上述問題,而亟待更有效的方案被提出。
本發明之主要目的,係在於提供一種具有工業物聯網模型預測與行動稽核功能的雲端平台,可主動預測異常排放的發生,並進行主動稽核。
於一實施例中,一種具有工業物聯網模型預測與行動稽核功能的雲端平台,包含:一監測資料讀寫應用程式介面、一影像資料寫入應用程式介面、一外部環境資料庫非同步模組、一數位稽核代理模組、一圖形使用者介面模組、
一現地感測計量通訊模組、一預測模組及一異常偵測代理模組。該監測資料讀寫應用程式介面用以供一客端上傳或查詢一感測排放資料。該影像資料寫入應用程式介面,用以接收一現場影像資料。該外部環境資料庫非同步模組,用以自一外部環境資料庫取得一外部環境資料。該數位稽核代理模組,用以產生一稽核需求並透過一第三方通訊服務發送該稽核需求至一稽核端,並用以自該稽核端接收一現場稽核資料。該圖形使用者介面模組,用以透過一網站服務提供一圖形使用者介面。該現地感測計量通訊模組,用以接收該感測排放資料。該預測模組,用以基於該外部環境資料及該感測排放資料,產生一預測排放資料。該異常偵測代理模組,於該感測排放資料或該預測排放資料符合一異常排放事件時,產生該稽核需求。
於一實施例中,該感測排放資料包含一識別資料、一位置資料、一計量資料、一時間資料、一通訊品質資料、一電量資料、一警報資料及一組態設定資料的至少其中之一。
於一實施例中,該現地感測計量通訊模組是透過MQTT或MQTTS來與該客端進行通訊,並使用JSON格式的一訊息內容來與該客端進行通訊。
於一實施例中,該雲端平台透過該現地感測計量通訊模組每隔一預設身分驗證時間自該客端接收一令牌請求,並於該客端通過驗證後發送一令牌至該客端,作為一身分確認證明。
於一實施例中,該感測排放資料是由該客端的一邊緣運算閘道器對多個感測器的資料執行一轉換融合或一離群冗餘處理所產生。
於一實施例中,該現場稽核資料包含該客端的一識別資料、一時間資料、一稽核內容及一警報資料的至少其中之一。
於一實施例中,該雲端平台被設定來於超過一預設回報時間未收到一數位確認時,基於一預設周期持續進行示警推播或執行通報。
於一實施例中,該數位確認包含一現場巡檢資料、該現場影像資料、該現場稽核資料及一現場排放資料的至少其中之一。
於一實施例中,該預測排放資料是由該預測模組透過一預測演算法或一機器學習演算法所產生。
於一實施例中,該監測資料讀寫應用程式介面包含Web API、OGC SensorThings API、Open API及RESTful API的至少其中之一。
本發明可於異常排放發生前主動進行稽核,以避免異常排放的發生。
1:自動管理系統
100:雲端平台
101:外部環境資料庫
11:客端
110:客端模組
12:稽核端
120:稽核模組
13:感測器
14:網路
20:外部環境資料庫非同步模組
21:異常偵測代理模組
22:監測資料讀寫應用程式介面
23:影像資料寫入應用程式介面
24:圖形使用者介面模組
25:現地感測計量通訊模組
26:數位稽核代理模組
27:預測模組
28:資料庫
30:水質感測器
31:流量感測器
32:空氣品質感測器
33:熱影像儀
34:攝影機
35:巡檢裝置
40:即時通訊程式
41:第三方通訊服務
42:稽核設備
圖1為本發明一實施例的自動管理系統的架構圖。
圖2為本發明一實施例的雲端平台的架構圖。
圖3為本發明一實施例的客端的架構圖。
圖4為本發明一實施例的稽核端的架構圖。
茲就本發明之一較佳實施例,配合圖式,詳細說明如後。
本發明主要是提出一種自動管理系統中的雲端平台,具有工業物聯網模型預測與行動稽核功能。
雲端平台可透過預測模組所建立的工業物聯網的資料模型(例如為排放模型)來預測未來的工業物聯網的感測值(例如為排放資料),並結合行動稽核來預防違規事件的發生。
請同時參閱圖1至圖4,圖1為本發明一實施例的自動管理系統的架構圖。圖2為本發明一實施例的雲端平台的架構圖。圖3為本發明一實施例的客端的架構圖。圖4為本發明一實施例的稽核端的架構圖。
本實施例的自動管理系統1可包含透過網路14(例如為網際網路或工業區域網路)連接的雲端平台100、一或多個客端11及稽核端12。
本發明的自動管理系統可以用於工業區的自動化監測與管理(如工業排放監測與管理),但亦可用於企業的自動化監管(如企業財務資料的監管),不加以限定。
後續將以自動管理系統用於工業排放監測與管理來進行說明。
於一實施例中,當用於工業區的自動化監測與管理時,雲端平台100可以為工業區的管理電腦或雲端管理服務(例如為民生公共物聯網服務或經濟環保相關單位的雲端資料收集服務)。
各客端11可以為各廠區的管理電腦或閘道器,並分別連接設置在一或多個檢測點一或多個感測器13,以將感測器13的資料上傳至雲端平台100,或由雲端平台100自行至各客端11抓取。
稽核端12可為由公正第三方(如工業區的管理員、內部稽核或外部稽核等稽核人員)所持有的行動電腦。前述公正第三方於收到稽核指示後可前往指定檢測點來對對應的感測器13及/或客端11進行稽核檢查,並將客端11的排放資料是否符合規定的判斷結果回報給雲端平台100。
於一實施例中,上述雲端平台100可為雲端運算服務(如Amazon Web Services、Microsoft Azure或Google Cloud Platform)、叢集系統、資料中心、網路伺服器等。
於一實施例中,上述客端11可為平板電腦、筆記型電腦、個人桌上型電腦、工業電腦、嵌入式系統、雲端服務、叢集系統、資料中心等。
於一實施例中,上述稽核端12可為智慧型手機、平板電腦、筆記型電腦、穿戴裝置或其他通用行動電腦,或者為便攜式的工業量測設備(如可連網的水質檢測設備、空氣品質檢測設備、攝影機、熱影像儀等)。
於一實施例中,雲端平台100可透過網際網路連接外部環境資料庫101。
外部環境資料庫101,例如為網路資料庫,用來儲存外部環境資料。外部環境資料庫101用來收集並儲存即時/歷史外部環境資料。前述外部環境資料可包含氣象資訊、水資源、空氣品質資訊、地震預警資訊與災害資訊等。
雲端平台100用來取得與管理資料。
於一實施例中,雲端平台100可包含預測模組27(雲端平台100的子模組)。預測模組27用來預測未來資料,以供預測未來是否發生違規排放事件。
於一實施例中,雲端平台100可供客端11的使用者在同一介面即時監測多種排放資料,如廢氣排放資料、汙水排放資料與水質監測資料。
更進一步地,於本發明中,雲端平台100可透過預測模組27對客端11的歷史排放資料進行分析,來預測客端11未來是否會發生違規排放事件,例如為廢氣排放或污水排放超過標準或超過最大污染處理能力,並於違規排放事件發生前,通知稽核端12前往查核客端11並要求改善。
藉此,本發明可有效預防違規排放事件發生。
於一實施例中,客端11可包含客端模組110。
客端模組110用以控制客端11透過連接網路14上傳各檢測點的感測器13所產生的感測排放資料至雲端平台100。
於一實施例中,前述感測排放資料可包含感測器13及/或客端11的識別資料(如ID、裝置名稱等)、位置資料(如檢測點位置或工廠位置)、計量資料(如排放值)、時間資料(如感測時間及/或上傳時間)、通訊品質資料(如感測器13與客端11之間的連線品質及/或客端11與雲端平台100之間的連線品質)、電量資料(如感測器13的剩餘電量)、警報資料(如感測器13及/或客端11是否異常的指示)及組態設定資料(如感測器13及/或客端11的設定參數)的至少其中之一。
於一實施例中,客端11與雲端平台100的現地感測計量通訊模組25可透過MQTT、MQTTS或其他傳輸協議來進行通訊。
於一實施例中,前述通訊中,傳遞的訊息內容可為JSON格式,但不加以限定。
於一實施例中,當任一客端11是連接多個感測器13時,可對多個感測器13所產生的資料執行轉換融合(Data Conversion)及/或離群(Data Outlier)冗餘處理,來減少資料量。
於一實施例中,客端11可具有資料記憶用的軟/硬體模組,可透過即時儲存/備份資料,並於非預期斷電時自動回復資料,來避免資料斷層。
稽核端12可包含稽核模組120。
稽核人員可透過稽核模組120查看雲端平台100發出的稽核需求,並於查核結束後透過稽核模組120上傳所查核的檢測點的稽核報告(可還現場稽核資料或事後稽核報告)至雲端平台100。
於一實施例中,於查核過程中,稽核人員必須主動向雲端平台100進行安全回報(數位確認)。若雲端平台100超過預設時間未收到數位確認,將會執行通報機制(例如為週期性推播警告給稽核端12、工業區管理單位及/或警政單位)。
藉此,本發明可提升稽核人員的人身安全。
請參閱圖2,雲端平台100可包含外部環境資料庫非同步模組20、異常偵測代理模組21、監測資料讀寫應用程式介面22、影像資料寫入應用程式介面23、圖形使用者介面模組、數位稽核代理模組26、預測模組27及/或資料庫28。
外部環境資料庫非同步模組20可用來透過非同步手段取得外部環境資料。
具體而言,外部環境資料庫非同步模組20可用來透過外部環境資料庫101所提供之資料擷取介面,定期自動擷取外部環境資料庫101的外部環境資料,並儲存至雲端平台100的資料庫28。
於一實施例中,外部環境資料庫101包含多個資料庫或伺服器,例如為氣象資料庫、空氣品質資料庫、水資源監測伺服器、地震預警伺服器資訊與災害資訊伺服器等等。
外部環境資料庫非同步模組20可透過不同的資料擷取介面來存取不同的外部環境資料庫101,例如第一資料擷取介面用來存取氣象資料庫,第二資料擷取介面用來存取空氣品質資料庫,以此類推。
於一實施例中,前述資料擷取介面可包含Web API、OGC SensorThings API、Open API及RESTful API的至少其中之一。
監測資料讀寫應用程式介面22用以連接外部裝置(如客端11或稽核端12),以與外部裝置進行通訊。
具體而言,監測資料讀寫應用程式介面22作為資料存取介面,用來供外部裝置或內部模組(如異常偵測代理模組21及/或預測模組27)存取資料庫28。
舉例來說,外部裝置或內部模組可透過前述監測資料讀寫應用程式介面22來連接資料庫28,並對資料庫28進行存取,如上傳或查詢感測排放資料。
影像資料寫入應用程式介面23用以接收現場影像資料。
於一實施例中,影像資料寫入應用程式介面23用以於數位稽核代理模組26發出稽核需求至稽核任務完成期間,自客端11接收現場影像資料。
舉例來說,客端模組110可取得熱影像儀33的即時熱影像及/或攝影機34的即時可見光影像,並透過網路14連接以及影像資料寫入應用程式介面23上傳即時熱影像及/或即時可見光影像至雲端平台100。
於一實施例中,客端11與雲端平台100的監測資料讀寫應用程式介面22與影像資料寫入應用程式介面23可透過Web API、HTTP或其他傳輸協議來進行通訊。
圖形使用者介面模組24用以透過網站服務提供圖形使用者介面。
於一實施例中,雲端平台100可包含網頁伺服器或架站軟體。前述網頁伺服器或架站軟體用來提供網站服務。
於一實施例中,圖形使用者介面模組24可產生圖形使用者介面的程式碼或可執行程式。
網站服務用來透過網站提供前述圖形使用者介面給遠端的使用者,如傳送程式碼或可執行程式至遠端執行並於遠端渲染圖形使用者介面。
藉此,遠端的使用者可透過圖形使用者介面與網站來操作雲端平台100所提供的資料上傳、查詢、設定、控制等功能。
於一實施例中,網站服務提供帳號驗證機制,可依據使用者帳號的權限來提供對應的操作介面。
舉例來說,於客端帳號登入時,網站服務可基於客端帳號的權限提供操作介面,如僅能查詢排放資料與變更基本資料,不可竄改歷史排放資料。
於另一例子中,於稽核帳號登入時,網站服務可基於稽核帳號的權限提供操作介面,如允許上傳資料(稽核報告)、允許查詢檢測點的基本資料、允許查詢排放資料,不允許變更基本資料等。
於一實施例中,現地感測計量通訊模組25可透過網路14連接客端11,自客端11同步檢測點現場的感測排放資料,並將感測排放資料存入至資料庫28作為歷史排放資料。
於一實施例中,客端模組110可先對要上傳的資料執行客端資料處理來使資料符合所使用的傳輸協定的格式要求,再透過現地感測計量通訊模組25上傳資料至雲端平台100。
於一實施例中,雲端平台100可透過現地感測計量通訊模組25每隔預設身分驗證時間(如30秒、5分鐘、1小時或一天)自客端11接收令牌請求,並於客端11通過驗證後發送令牌(token)至客端11,作為身分確認證明。藉此,客端11可於後續發送的資料中夾帶令牌來做為通過驗證的證明。
於一實施例中,客端11可包含邊緣運算閘道器。邊緣運算閘道器可對多個感測器的資料執行轉換融合或離群冗餘處理所產生要上傳至雲端平台100的感測排放資料。
於一實施例中,現地感測計量通訊模組25可連接客端11的資料庫以擷取資料,例如為汙水資料庫、廢氣資料庫。汙水資料庫用來儲存客端11的各檢測點的汙水歷史排放資料。廢氣資料庫用來儲存客端11的各檢測點的廢氣歷史排放資料。
於一實施例中,前述各檢測點的基本資料可包含各檢測點的識別資料、位置資料及/或組態設定資料。
預測模組27可基於外部環境資料及檢測點的歷史排放資料產生檢測點的預測排放資料,並透過監測資料讀寫應用程式介面22將預測資料寫入資料庫28。前述預測排放資料及是用來判斷各檢測點於未來時點是否會發生異常排放事件。
具體而言,預測模組27可透過監測資料讀寫應用程式介面22從資料庫28取得外部環境資料與檢測點的歷史排放資料,計算檢測點的預測排放資料,並將檢測點的預測排放資料透過監測資料讀寫應用程式介面22非同步地寫回資料庫28。
預測模組27可計算未來的預測排放資料,如前述之汙水預測排放資料及/或廢氣預測排放資料。預測模組27主要是透過資料統計、資料分析與資料學習來產生預測資料。
於一實施例中,預測模組27可儲存預測演算法,例如為迴歸分析、函數關係分析、線性系統分析、多變數系統分析、系統動力學分析、因果模式預測演算法等。
於一實施例中,預測模組27可儲存機器學習演算法,例如為深度學習(Deep Learning)、長短期記憶模型(Long Short-Term Memory)模型、卷積神經網路(convolutional neural networks)、遞歸神經網路(recurrent neural networks,RNN)或其他機器學習演算法。
預測模組27可透過對大量歷史排放資料執行前述預測演算法及/或機器學習演算法來建立排放模型。排放模型是用來呈現各檢測點的排放慣性,透過上述排放慣性可以計算出各檢測點於未來的預測排放資料。
於一實施例中,預測模組27可儲存校正演算法。校正演算法可與前述預測演算法及/或機器學習演算法相同或相似,但是用來對已建立的排放模型進行修正。
舉例來說,當獲得新的歷史排放資料及/或外部環境資料時,預測模組27可對排放模型執行校正演算法來修正排放模型。
於一實施例中,預測模組27可儲存外部環境模型。外部環境模型可透過對外部環境資料庫的歷史外部環境資料與即時外部環境資料執行前述預測演算法及/或機器學習演算法來加以獲得。外部環境模型是用來呈現各檢測點
的外部環境變化慣性,並可用來計算各檢測點於未來的預測外部環境資料。前述預測外部環境資料可輸入至排放模型進行訓練來提升預測排放資料的精確度。
舉例來說,預測模組27可計算各檢測點的外部環境資料(歷史外部環境資料)及歷史排放資料之間的因果關聯,並基於因果關聯計算排放模型。
並且,預測模組27可透過外部環境模型產生預測外部環境資料,並將預測外部環境資料輸入至排放模型來獲得預測排放資料。
舉例來說,工廠可能於夜間違規增加汙水排放量來,這使得外部環境資料(時間-夜間)與排放資料產生關連性,而可以預測未來夜間時,汙水排放量可能違規地增加。
於另一例子中,工廠可能於大雨時違規增加廢氣排放量來,這使得外部環境資料(天氣-雨)與排放資料產生關連性,而可以預測未來下雨時,廢氣排放量可能違規地增加。
於一實施例中,預測模組27可儲存異常模型。異常模型可透過對違規的歷史排放資料執行前述預測演算法及/或機器學習演算法來加以獲得。異常模型是用來呈現各檢測點的違規排放慣性(如違規前排放頻率、違規前排放規模、違規時間點、違規時天氣等),並可用來計算各檢測點於未來的預測違規項目(如於非允許時間排放,或者是超出排放量超標)。前述預測違規項目可輸入至排放模型進行訓練來提升預測排放資料的精確度,如可針對預測違規項目執行更精確的分析。
異常偵測代理模組21用來於即時的感測排放資料或預測模組27所計算的預測排放資料符合異常排放事件時,產生稽核需求。
異常偵測代理模組21可於任一檢測點的即時資料,或經由預測模組27所產生之預測排放資料符合預設的異常排放事件時,產生對此檢測點的稽核需求。
於一實施例中,以汙水排放的預測為例,異常偵測代理模組21,可透過監測資料讀寫應用程式介面22,讀取由預測模組27所產生各檢測點之預測資料,來獲得各檢測點的於未來時點的汙水預測排放資料。
於一實施例中,以廢氣排放的預測為例,異常偵測代理模組21,可讀取由預測模組27所產生之各檢測點的廢氣排放預測資料,來獲得各檢測點的於未來時點的廢氣預測排放資料。
於一實施例中,異常偵測代理模組21可於判斷任一檢測點可能發生異常排放事件時,觸發數位稽核代理模組26。
於一實施例中,異常偵測代理模組21可於汙水預測排放資料符合預設的汙水異常排放事件(如預測排水量超標或異常增加)或廢氣預測排放資料符合預設的廢氣異常排放事件(如預測排氣量超標或異常增加或預測空氣品質異常降低)時,判定可能發生異常排放事件。
數位稽核代理模組26用來基於此檢測點的基本資料產生稽核需求,並可透過第三方通訊服務41來發出稽核需求至稽核端12。
並且,於發出稽核需求至稽核任務完成期間,數位稽核代理模組26可透過網路14連接稽核端12,並自稽核端12同步檢測點的現場稽核資料。
於一實施例中,前述現場稽核資料可例如為稽核人員於現場透過稽核端12輸入的稽核報告或現場狀況。
於一實施例中,現場稽核資料可包含感測器13或客端11的識別資料、時間資料、稽核內容及/或警報資料。
值得一提的是,前述客端模組110、稽核模組120、外部環境資料庫非同步模組20、異常偵測代理模組21、監測資料讀寫應用程式介面22、影像資料寫入應用程式介面23、圖形使用者介面24、現地感測計量通訊模組25、數位稽核代理模組26與預測模組27可以是彼此連接(可為電性連接或資訊連接),並可為硬體模組(如電子電路模組、積體電路模組、SoC等等)、軟體模組或軟硬體模組混搭,不加以限定。
當前述應用程式介面/模組為軟體模組(如韌體、作業系統或應用程式)時,對應的電腦(如客端11、稽核端12與雲端平台100)的儲存裝置可包含非暫態電腦可讀取記錄媒體,前述非暫態電腦可讀取記錄媒體儲存有電腦程式,電腦程式記錄有電腦可執行之程式碼,當對應的電腦的處理器執行前述程式碼後,可實現前述各模組之功能。
如圖3所示,於一實施例中,客端11所連接的多個感測器13可為但不限於水質感測器30、流量感測器31、空氣品質感測器32、熱影像儀33及/或攝影機34。
水質感測器30用來感測各檢測點的水質資料(感測排放資料),例如水硬度、酸鹼度及/或總溶解固體(TDS)等。
流量感測器31用來感測各檢測點的單位時間排水量(感測排放資料)。
空氣品質感測器32用來感測各檢測點的空氣品質(感測排放資料),例如PM2.5濃度、PM10濃度、一氧化碳濃度、二氧化硫濃度、二氧化氮濃度及/或臭氧濃度等。
熱影像儀33用來感測各檢測點的熱影像(現場資料)。前述熱影像可用來取得各檢測點的或分析各檢測點是否有人員進入。
攝影機34用來感測各檢測點的可見光影像(現場資料)。前述熱影像可用來分析各檢測點是否有人員進入及目前狀態。
於一實施例中,客端11可連接用來供客端人員或稽核人員輸入數位確認的巡檢裝置35,如觸控板(用來輸入數位簽名)、生物辨識設備(用來輸入指紋、掌靜脈、臉部影像或虹膜等生物特徵)、RFID設備(用來感應RFID卡或NFC模組)。
客端模組110可將所產生的數位確認上傳至雲端平台100,以驗證上傳的感測排放資料的可靠度(經過巡檢確認),或者回報稽核人員的安全。
於一實施例中,客端模組110可將現場資料(如現場可見光影像、現場熱影像)加入監控資料,來一併回傳至雲端平台100以作為數位確認。
如圖4所示,於一實施例中,稽核端12可透過即時通訊程式40來透過網路14連接第三方通訊服務41,例如為SMS伺服器、郵件伺服器、即時通訊伺服器(如Line、微信、Messager、telegram等服務)等。
第三方通訊服務41可提供用來發送訊息的應用程式介面。數位稽核代理模組26透過第三方通訊服務41發送稽核需求至稽核端12。
於一實施例中,稽核端12可連接稽核設備42,如水質計、空氣品質感測器、水量計等。稽核設備42用來對檢測點進行感測或採樣分析,並可將
感測資料透過監測資料讀寫應用程式介面22傳送至資料庫,或由稽核人員透過圖形使用介面模組23手動輸入,以供製作稽核報告。
於一實施例中,本發明可透過以下方式來實現自動管理。
客端11透過監測資料讀寫應用程式介面22上傳各檢測點的感測器13的感測排放資料至雲端平台100。
接著,雲端平台100將感測排放資料儲存至資料庫28做為歷史排放資料。
雲端平台100透過預測模組27對歷史排放資料執行預測處理來產生檢測點未來的預測排放資料並儲存至資料庫。
雲端平台100透過異常偵測代理模組21判斷所產生的預測排放資料是否符合預設的一或多個異常排放事件,例如為預測排放量超過規定時,預測排放時間不符規定時間等。
若預測排放資料不符所有異常排放事件,則持續監測。
若任一檢測點的預測排放資料符合任一異常排放事件,雲端平台100透過數位稽核代理模組26,基於預測排放資料及/或異常排放事件產生對此檢測點的稽核需求,並透過網路14與第三方通訊服務41發出稽核需求至稽核端12。
稽核端12顯示所收到的稽核需求。接著,稽核人員前往檢測檢進行查核,透過稽核端12輸入檢測點的稽核報告,並透過數位稽核代理模組26上傳稽核報告至雲端平台100來完成本次稽核任務。
最後,雲端平台100基於收到的稽核報告設定稽核需求的處理狀態。
於一實施例中,稽核報告中包含稽核人員現場取樣/量測的現場排放資料。
雲端平台100可於稽核報告符合異常排放事件時(例如現場排放資料符合異常排放事件),設定處理狀態為已確認,來判定此檢測點是異常排放。
並且,雲端平台100可於稽核報告不符合異常排放事件時(例如現場排放資料不符異常排放事件),設定處理狀態為已排除,來判定此檢測點無異常排放。
本發明可於異常排放發生前主動進行稽核,來避免異常排放的發生。
於一實施例中,本發明可透過以下方式來實現感測排放資料的上傳。
客端模組110控制客端11透過預先設定的監測資料讀寫應用程式介面22連接資料庫28。
客端模組110控制客端11自各檢測點的感測器13取得感測排放資料。
客端模組110控制客端11對所取得的感測排放資料執行客端資料處理,來使感測排放資料符合應用程式介面的格式要求,例如排列方式、資料型態、資料格式、資料大小等。
客端模組110控制客端11上傳處理後的感測排放資料至資料庫28,作為歷史排放資料。
於一實施例中,本發明可透過以下方式來實現預測排放。
預測模組27透過監測資料讀寫應用程式介面22自資料庫28取得指定的檢測點的歷史排放資料與相關的外部環境資料。
預測模組27基於歷史排放資料與外部環境資料建立模型,例如外部環境模型、排放模型及/或異常模型。前述模型可透過執行前述的預測演算法、機器學習演算法及/或校正演算法來獲得。
於一實施例中,當應用因果模式預測演算法時,預測模組27可取得檢測點的外部環境資料,計算外部環境資料及歷史排放資料之間的因果關聯,並基於因果關聯計算排放模型。
最後,預測模組27基於排放模型產生檢測點的預測排放資料,並可將預測排放資料儲存至資料庫28。
於一實施例中,本發明可透過以下方式來實現稽核需求的發送。
雲端平台100於預測排放資料符合異常排放事件時產生稽核需求。
雲端平台100使用數位稽核代理模組26發送稽核需求至稽核端12。
於一實施例中,本發明可透過以下方式來實現稽核報告的上傳。
稽核端12可透過執行即時通訊程式40,來接收第三方通訊服務41所轉傳的稽核需求,並顯示所收到的稽核需求。
稽核模組120控制稽核端12接受稽核人員操作,來透過網路14連接雲端平台100。
於一實施例中,稽核人員可操作稽核端12來以所配發的稽核帳號登入雲端平台100的圖形使用者介面模組24。
接著,稽核人員可前往檢測點現場進行查核,並於完成查核後建立稽核報告。
稽核模組120控制稽核端12基於稽核人員輸入的稽核輸入資料產生對應的稽核報告。
稽核模組120控制稽核端12以稽核帳號的身分透過數位稽核代理模組26上傳稽核報告至雲端平台100。
於一實施例中,本發明可透過以下方式來實現異常稽核事件的監測。
雲端平台100連接稽核端12或用以管理被查核的檢測點的客端11。
雲端平台100透過連線取得客端11的監控資料(如熱影像儀33的即時熱影像、攝影機34的即時畫面等)或稽核端12的監控資料(如稽核端12的麥克風或相機所感測的聲音資料或影像資料)。
雲端平台100透過即時分析所取得的監控資料,來判斷檢測點現場是否發生異常稽核事件。
於一實施例中,前述異常稽核事件可包含雲端平台100超過預設回報時間(如30分鐘、1小時或3小時)未收到稽核人員的數位確認。
於一實施例中,前述數位確認可記錄於監控資料,並包含現場巡檢資料(如稽核人員對客端11的巡檢裝置35進行簽到所產生的資料)、現場影像資料(如客端11所回傳的熱影像或可見光影像中稽核人員的影像)、現場稽核資料(如稽核人員透過稽核端12輸入的稽核內容)及現場排放資料(如稽核人員透過稽核端12上傳的排放資料)的至少其中之一。
舉例來說,如客端11的監控資料沒有拍攝到稽核人員、稽核端12的監控資料沒有畫面、或者稽核人員沒有對客端11的巡檢裝置35進行簽到、超過預設回報時間沒有從現場上傳排放資料等,雲端平台100可判定檢測點現場發生異常稽核事件。
若雲端平台100判斷檢測點現場發生異常稽核事件,則基於預設周期(如每分鐘、每15分鐘、每30分鐘、每小時等)持續進行示警推播或執行通報。
於一實施例中,雲端平台100可將此異常稽核事件通報給稽核管理單位、工業區管理單位及/或警政單位,以使上述單位派員前往確認稽核人員安全。
若雲端平台100判斷檢測點現場未發生異常稽核事件或者發生異常稽核事件但已完成通報,則判斷是否完成稽核,如已收到稽核報告、稽核人員已回覆完成稽核等。
若雲端平台100判斷未完成稽核,則持續監測。
若雲端平台100判斷完成稽核,則結束執行。
以上所述僅為本發明之較佳具體實例,非因此即侷限本發明之申請專利範圍,故舉凡運用本發明內容所為之等效變化,均同理皆包含於本發明之範圍內,合予陳明。
100:雲端平台
101:外部環境資料庫
11:客端
12:稽核端
20:外部環境資料庫非同步模組
21:異常偵測代理模組
22:監測資料讀寫應用程式介面
23:影像資料寫入應用程式介面
24:圖形使用者介面模組
25:現地感測計量通訊模組
26:數位稽核代理模組
27:預測模組
28:資料庫
41:第三方通訊服務
Claims (9)
- 一種具有工業物聯網模型預測與行動稽核功能的雲端平台,包括:一監測資料讀寫應用程式介面,用以供一客端上傳或查詢該客端的一感測排放資料;一影像資料寫入應用程式介面,用以接收一現場影像資料;一外部環境資料庫非同步模組,用以自一外部環境資料庫取得一外部環境資料;一數位稽核代理模組,用以產生一稽核需求並透過一第三方通訊服務發送該稽核需求至一稽核端,並用以自該稽核端接收一現場稽核資料;一圖形使用者介面模組,用以透過一網站服務提供一圖形使用者介面;一現地感測計量通訊模組,用以接收該客端的該感測排放資料;一預測模組,用以基於該外部環境資料及該感測排放資料,產生一預測排放資料,其中該預測排放資料為該客端未來將產生的該感測排放資料;以及一異常偵測代理模組,於該感測排放資料或該預測排放資料符合一異常排放事件時,產生該稽核需求,其中該異常排放事件包括汙水異常排放事件及廢氣異常排放事件中的至少一者,其中該現場稽核資料包括該客端的一識別資料、一時間資料、一稽核內容及一警報資料的至少其中之一,該雲端平台根據該現場稽核資料於發生該異常排放事件後判斷是否有發生一異常稽核事件。
- 如請求項1所述之雲端平台,其中該感測排放資料包括一識別資料、一位置資料、一計量資料、一時間資料、一通訊品質資料、一電量資料、一警報資料及一組態設定資料的至少其中之一。
- 如請求項1所述之雲端平台,其中該現地感測計量通訊模組是透過MQTT或MQTTS來與該客端進行通訊,並使用JSON格式的一訊息內容來與該客端進行通訊。
- 如請求項1所述之雲端平台,其中該雲端平台透過該現地感測計量通訊模組每隔一預設身分驗證時間自該客端接收一令牌請求,並於該客端通過驗證後發送一令牌至該客端,作為一身分確認證明。
- 如請求項1所述之雲端平台,其中該感測排放資料是由該客端的一邊緣運算閘道器對多個感測器的資料執行一轉換融合或一離群冗餘處理所產生。
- 如請求項1所述之雲端平台,其中該雲端平台被設定來於超過一預設回報時間未收到一數位確認時,基於一預設周期持續進行示警推播或執行通報。
- 如請求項6所述之雲端平台,其中該數位確認包括一現場巡檢資料、該現場影像資料、該現場稽核資料及一現場排放資料的至少其中之一。
- 如請求項1所述之雲端平台,其中該預測排放資料是由該預測模組透過一預測演算法或一機器學習演算法所產生。
- 如請求項1所述之雲端平台,其中該監測資料讀寫應用程式介面包括Web API、OGC SensorThings API、Open API及RESTful API的至少其中之一。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111110385A TWI810853B (zh) | 2022-03-21 | 2022-03-21 | 具有工業物聯網模型預測與行動稽核功能的雲端平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111110385A TWI810853B (zh) | 2022-03-21 | 2022-03-21 | 具有工業物聯網模型預測與行動稽核功能的雲端平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI810853B true TWI810853B (zh) | 2023-08-01 |
TW202338726A TW202338726A (zh) | 2023-10-01 |
Family
ID=88585471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111110385A TWI810853B (zh) | 2022-03-21 | 2022-03-21 | 具有工業物聯網模型預測與行動稽核功能的雲端平台 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI810853B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1922845A (zh) * | 2004-02-23 | 2007-02-28 | 弗里塞恩公司 | 令牌验证系统和方法 |
CN108510146A (zh) * | 2017-12-28 | 2018-09-07 | 国家安全生产监督管理总局通信信息中心 | 煤矿安全生产风险预警方法和系统 |
TW201835784A (zh) * | 2016-12-30 | 2018-10-01 | 美商英特爾公司 | 物聯網 |
TW202147185A (zh) * | 2020-05-01 | 2021-12-16 | 馬爾他商優奈有限公司 | 用於基於硬體之可解釋神經網路之架構 |
CN114153920A (zh) * | 2021-11-19 | 2022-03-08 | 国家电投集团新疆能源化工有限责任公司 | 大数据边平台与方法 |
CN114169579A (zh) * | 2021-11-15 | 2022-03-11 | 中核武汉核电运行技术股份有限公司 | 核电工业互联网综合智能平台 |
-
2022
- 2022-03-21 TW TW111110385A patent/TWI810853B/zh active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1922845A (zh) * | 2004-02-23 | 2007-02-28 | 弗里塞恩公司 | 令牌验证系统和方法 |
TW201835784A (zh) * | 2016-12-30 | 2018-10-01 | 美商英特爾公司 | 物聯網 |
CN108510146A (zh) * | 2017-12-28 | 2018-09-07 | 国家安全生产监督管理总局通信信息中心 | 煤矿安全生产风险预警方法和系统 |
TW202147185A (zh) * | 2020-05-01 | 2021-12-16 | 馬爾他商優奈有限公司 | 用於基於硬體之可解釋神經網路之架構 |
CN114169579A (zh) * | 2021-11-15 | 2022-03-11 | 中核武汉核电运行技术股份有限公司 | 核电工业互联网综合智能平台 |
CN114153920A (zh) * | 2021-11-19 | 2022-03-08 | 国家电投集团新疆能源化工有限责任公司 | 大数据边平台与方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202338726A (zh) | 2023-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10425771B2 (en) | Real-time, location-aware mobile device data breach prevention | |
WO2020253230A1 (zh) | 基于区块链的巡检存证方法、装置和电子设备 | |
CN109302405A (zh) | 基于边缘计算的工业数据检测区块链网络架构及检测方法 | |
US10317858B2 (en) | Architecture and method for centrally controlling a plurality of building automation systems | |
US10915358B2 (en) | Systems and methods of data acquisition | |
US20190027018A1 (en) | Artificial intelligence based service control and home monitoring | |
CN103020780A (zh) | 一种特种设备检测和维修管理系统及其方法 | |
CN103274272A (zh) | 一种电梯综合管理系统及电梯综合管理方法 | |
CN102598074A (zh) | 摄像机系统 | |
US10541892B2 (en) | System and method for monitoring, sensing and analytics of collaboration devices | |
CN110995695A (zh) | 异常账户检测方法及装置、电子设备及存储介质 | |
US9396447B2 (en) | Systems and methods for monitoring a headcount | |
CN104025516A (zh) | 远程通信的系统和方法 | |
US10884059B2 (en) | Determining the integrity of a computing device | |
JP2017527052A (ja) | 接続監視に基づく故障診断 | |
CN110598474B (zh) | 基于区块链的数据获取方法、系统、装置及存储介质 | |
KR20140036398A (ko) | 감시카메라 통합관리시스템 | |
CN110012018A (zh) | 一种工业网络安全系统 | |
US20230308881A1 (en) | System and method for encounter identity verification | |
CA3139747A1 (en) | System and method for certifying integrity of data assets | |
CN107491821B (zh) | 工厂现场巡查方法及系统 | |
CN110825776A (zh) | 空气质量检测报告处理方法、装置及计算设备、存储介质 | |
CN113506096B (zh) | 一种基于工业互联网标识解析体系的系统间接口方法 | |
TWI810853B (zh) | 具有工業物聯網模型預測與行動稽核功能的雲端平台 | |
CN117833464A (zh) | 一种用电信息采集终端在线运行状态安全监测方法 |