[发明专利]时序数据流驱动的工业制造流程运行监测系统

说明书

一种时序数据流驱动的工业制造流程运行监测系统，包括：依次连接的数据解析模块、时序数据补全模块、数据缓存分发模块、时序数据流增量聚类模块和离群点挖掘模块，以及动态优化监测模块。本发明在云边协同的工业制造场景下，以边缘计算节点上传的时序数据流作为输入，云端系统将对输入数据流进行解析和补全，并有序分发到云端分布式计算节点实施在线分析，以实时监测流程运行的异常情况，最终输出完整流程运行数据的可视化展示和分级异常预警信息。

技术领域

本发明涉及的是一种信息技术领域的技术，具体是一种时序数据流驱动的工业制造流程运行监测系统。

背景技术

在工业4.0时代现行的趋势是利用信息化技术促进产业变革，利用物联网和云边协同实现对工业设备、数据和服务的互联互通，进而实现工业生产流程的自动化和智能化执行。在云边协同的工业制造场景下，每个生产流程可以由若干部署在边缘计算节点上的微服务按照一定的逻辑顺序编排而成。各个边缘计算节点微服务靠近生产设备端，与对应的生产设备绑定，生产设备响应边缘节点微服务的调用请求，同时返回设备执行状态数据，边缘节点进而将采集的设备状态数据传输至云端。在云端根据事先编排好的生产流程实现完整的数据监听、处理和分析，从而实现基于云边协同的工业制造流程的执行与监测过程。

现有对于基于云边协同的工业制造流程监测过程仍存在以下难题：首先，在设备端有着大量的不同种类的生产设备，不同设备产生的数据格式也各有不同，而且为了保证数据能够实时且详细地反映设备状态，边缘节点对设备数据的采集频率往往十分密集，从而导致从边缘节点传输至云端的时序数据流是海量且混杂的，因此如何高效地管理和分发这些海量时序数据是实现流程状态监测实时性的一大挑战。其次，在实际生产过程中由于网络波动等原因，最终传输到云端的数据流普遍存在缺失值现象，缺失值的存在将模糊和削弱数据集反映生产流程整体运行情况的精确度，降低监测的准确性，并且难以构造完整流程运行状态的可视化输出，从而无法为从业人员提供高质量的决策辅助。最后，现有的流程监测方式往往是基于人工定义的静态规则，一经创建，在之后的运行和监测过程中就不再更改，无法灵活适应实际生产状况的变更，而且人工定义的监测规则往往精细度不高，尤其欠缺在时间维度上的细分考量，因此对某些异常情况存在漏判的可能。

发明内容

本发明针对现有技术存在的上述不足，提出一种时序数据流驱动的工业制造流程运行监测系统，在云边协同的工业制造场景下，以边缘计算节点上传的时序数据流作为输入，云端系统将对输入数据流进行解析和补全，并有序分发到云端分布式计算节点实施在线分析，以实时监测流程运行的异常情况，最终输出完整流程运行数据的可视化展示和分级异常预警信息。

本发明是通过以下技术方案实现的：

本发明包括：依次连接的数据解析模块、时序数据补全模块、数据缓存分发模块、时序数据流增量聚类模块和离群点挖掘模块，以及动态优化监测模块，其中：数据解析模块接收流程状态时序数据，进行数据解析、清洗和分组，输出排序后的时序数据序列；时序数据补全模块接收时序数据流，进行缺失值补全，输出完整的时序数据数列；数据缓存分发模块接收补全后的完整时序数据数列，进行缓存和分发，维护数据管道注册表和订阅表，输出可视化的流程运行数据；时序数据流增量聚类模块接收流程运行的时序数据流，进行增量聚类，输出数据在时间维度分布规律的增量结果；动态优化监测模块分别与数据缓存分发模块和时序数据流增量聚类模块相连，接收时序数据流增量聚类模块实时输出的聚类结果，对监测规则进行动态优化，输出流程异常预警信息；离群点挖掘模块接收基于时序数据流增量聚类模块实时输出的聚类结果，进行离群点挖掘，输出流程异常预警信息。

所述的数据解析模块根据边缘节点上传的数据包信息，分别对多源异构数据和同源数据进行数据清洗和格式统一，并对数据进行分组和排序，得到唯一的时序数据序列。

所述的多源异构数据的具体操作为：进行解析和清洗，统一数据格式，将流程模型和服务模型作为标签标识唯一的数据源，使每个时序数据点都分属于唯一的数据源。