本发明涉及电子技术领域，特别是一种工业数据分析方法和系统。
背景技术：
随着信息技术的发展，越来越多的数据采用电子化形式存储，以提高数据存储的便捷高效性，同时可以根据这些数据进行后期的分析。在物联网时代，网络将发生深刻变革，idc的报告了四个网络趋势：未来网络流量的50％，将来自物联网；物联网会带来500亿的联接；未来会有40％的物联网流量在边缘进行处理；79％的物联网流量将通过网关接入。
在靠近设备或者数据源头的网络边缘侧提供融合网络、计算、存储、应用核心能力的开放平台，为工业现场就近提供边缘智能服务，满足现场设备或者工控数据的数据采集、清洗、整理、聚合、分发、传输等功能，为工业云或工业大数据平台高效、实时、安全和高质量的数据势在必行；这种平台靠近执行单元，是高价值数据的采集单元，可以更好的聚焦实时的、短周期的数据处理，与云端的数据分析相互补充，形成有机的整体。
数据采集之后，随着工业大数据的体量逐渐变大，根据梅特卡夫定律(metcalfe'slaw)，网络价值v＝(价值系数kx用户数量n)＾2，即网络价值和用户数的平方成正比，更多物联网设备会让整个网络增值。而工业大数据分析的数据量越大，从中分析得到的有效的、有价值的判断就越多。物联网所产生的数据是海量的，据第三方分析数据，物联网产生的数据23％以上的数据是具备分析价值的。
工业现场的机器数据包含传感器、仪器仪表和智能终端采集的数据，可以服务于智能生产和智能运维，这些数据是工业系统相关要素在赛博空间的数字化映射、运行轨迹和历史痕迹，往往是复杂动态系统的展示。而且工业大数据具备规模大、并发高、类型杂、质量低的特征，所以急需一种有别于传统数据分析的技术来解决工业大数据分析的问题，基于日志挖掘的分析技术具备强大的日志收集、检索、归集能力，而且日志挖掘技术采用集群化部署，通过横向扩展的能力增强大数据存储和计算能力，是工业大数据分析的一种很好的解决方案。
技术实现要素：
针对现有技术中存在的问题，本发明实施例的目的是提供一种工业数据分析方法和系统，至少部分的解决现有技术中存在的问题，实现基于工业设备数据采集的边缘计算和日志挖掘的工业数据分析方法和系统。
为了实现上述目的，本发明实施例提出了一种工业数据分析系统，包括：边缘计算子系统，其中所述边缘计算子系统用于针对工业设备数据采集的工作参数；其中所述边缘计算子系统包括：协议集成模块、数据处理模块、策略引擎模块、规则引擎模块、数据分发模块；
其中协议集成模块连接工业设备以实时读取工业设备的工作参数；
其中策略引擎模块用于存储预设的策略；
其中规则引擎模块用于存储预设的规则；
其中数据处理模块连接所述协议集成模块、策略引擎模块、策略引擎模块，以读取预建立的设备模型和工业设备的工作参数，并结合所述引擎策略模块和规则引擎模块的规则和策略以实现对工业设备的模拟以进行分析和预警；
其中所述数据分发模块连接所述数据处理模块，以将数据处理模块的分析和预警结果输出。
其中，协议集成模块内集成有opc协议、mqtt协议、机床通信协议、smt产线协议，还集成有以太网通讯协议、wi-fi网络通讯协议、蓝牙通讯协议、zigbee通讯协议。
其中，所述数据处理模块内的预建立的设备模型包括：生产设备模型、物流设备模型、检测装置模型。
其中，所述系统还包括即时数据洞查子系统；其中所述即时数据洞查子系统连接所述边缘计算子系统的数据分发模块，以对所述边缘计算子系统输出的数据进行分析并生成用于检索的索引；其中所述数据包括以下的至少一种：设备数据、工艺数据、时序数据。
其中，所述即时数据洞查子系统为基于开源搜索工具elasticsearch实现的。
同时，本发明实施例还提出了一种应用前述任一项所述的工业数据分析系统的工业数据分析方法，包括：
利用边缘计算子系统获取工业设备的工作参数，并通过协议集成模块根据工业设备的通信协议进行转换以将该工作参数输送到数据处理模块；
所述数据处理模块根据预建立的设备模型和工业设备的工作参数，并结合所述引擎策略模块和规则引擎模块的规则和策略以实现对工业设备的模拟以进行分析和预警；
将数据处理模块的分析和预警结果输出。
本发明的上述技术方案的有益效果如下：上述技术方案提出了一种工业数据分析方法和系统，能够对接工业现场的海量设备数据，可以应用于产品质量、设备健康状况、能耗及生产效率分析。
附图说明
图1是本发明实施例的系统架构图。
具体实施方式
为了说明本发明的一种基下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示的，本发明实施例提出了一种基于工业设备数据采集的边缘计算和日志挖掘的工业数据分析方法和系统，其中边缘计算主要用于实现设备连接的设备通道，处理数据和逻辑的策略设置、规则引擎、消息分发、设备建模等功能，可以完成工业现场设备数据实时的采集、传输和存储；而设备日志洞察分析技术主要通过针对采集的时序数据进行实时的洞察分析、可视化并反馈给边缘计算，根据规则进行实时的预警，形成一个设备实时采集分析的闭环过程。
本发明实施例提出了一种基于工业设备数据采集的边缘计算和日志挖掘的工业数据分析系统，其包括边缘计算子系统和即时数据洞查子系统。
(1)针对工业设备数据采集的边缘计算子系统：
边缘计算是部署在近设备端的数据采集技术，相对于云端部署或者集中部署，可以实现本地响应和触发，可以极大的摆脱网络对设备数据采集和处理的影响，在实时性和稳定性上具备极大优势。本发明实施例的边缘计算子系统可以提供设备数据采集、传输、存储和分发的功能，包括：协议集成模块、数据处理模块、策略引擎模块、规则引擎模块、数据分发模块；
其中协议集成模块连接工业设备以实时读取工业设备的工作参数；
其中策略引擎模块用于存储预设的策略；
其中规则引擎模块用于存储预设的规则；
其中数据处理模块连接所述协议集成模块、策略引擎模块、策略引擎模块，以读取预建立的设备模型和工业设备的工作参数，并结合所述引擎策略模块和规则引擎模块的规则和策略以实现对工业设备的模拟以进行分析和预警；
其中所述数据分发模块连接所述数据处理模块，以将数据处理模块的分析和预警结果输出。
其中，协议集成模块内集成有opc协议、mqtt协议、机床通信协议、smt产线协议，还集成有以太网通讯协议、wi-fi网络通讯协议、蓝牙通讯协议、zigbee通讯协议。
(2)基于日志挖掘的即时数据洞查子系统：
基于日志挖掘的即时数据洞查技术，可以针对边缘计算采集的设备数据或工艺数据或时序数据进行即时的分析。本发明实施例的即时数据洞查子系统是基于开源搜索工具elasticsearch实现的。
elasticsearch是一个基于lucene的搜索服务器，它提供了分布式搜索服务、基于restfulweb接口，采用多shard的方式保证数据安全；并且提供自动resharding的功能。elasticsearch是用java开发的，并作为apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。设计用于云计算中，能够达到实时搜索，稳定、可靠、快速、安装使用方便。本发明实施例的即时数据洞查子系统就是基于elasticsearch深度开发的一种数据洞察工具。elasticsearch有一种自动发现节点机制，这是一个基于p2p的系统，它先通过广播寻找存在的节点，再通过多播协议来进行节点之间的通信，同时也支持点对点的交互，这是一种强大的分部式数据存储技术，针对时序数据更为有效，因为工业大数据90％以上都是时序数据，所以有别于hadoop等大数据平台，本发明实施例的即时数据洞查子系统利用elasticsearch的特性用另一种方式实现了工业海量大数据的支持。
本发明实施例的即时数据洞查子系统具备强大的索引、查询功能，其利用通用搜索语言dsl(domainspecificlanguage特定领域语言)强大的搜索分析功能可以实现信息的实时检索，并可以针对各种数据格式实现多样化的搜索能力，包括聚合、下钻、后续处理、子查询、多管道查询等，可以提供完整的处理工业大数据的分析方案。
本发明实施例的即时数据洞查子系统具备强大的时间序列实时聚合功能，针对工业现场的时间序列数据分析和洞察非常有效，可以灵活的按照各种时间维度进行分析，同时可以使用本发明实施例的即时数据洞查子系统的强大的查询功能。
本发明实施例的即时数据洞查子系统还包括机器学习模块，可视化报表模块、可视化展板模板；且所述即时数据洞查子系统还包括实时监控和报警模块，以形成一个完整的包含算法、可视化、主动监控的数据分析工具。
直接和间接效益
1、直接效益
本发明可以对接工业现场的海量设备数据，可以应用于产品质量、设备健康状况、能耗及生产效率分析，包括以下场景：
1.1资产全生命周期管理：实时获取工业资产和工业产品的健康状况、协助纠正异常行动、提高设备可靠性和工作寿命；
1.2预测性维护：通过对资产部署、利用和资源消耗的实时探查。识别工作模式及运行趋势，结合营运数据，对工业资产进行前瞻性的管理
1.3业务数据优化：全面掌控业务数据，围绕机器数据提炼业务场景；
1.4海量数据高精度统计：tb级工业数据统计：基于时间序列的数据实时探查分析；
1.5生产数据监测：掌控实时工艺信息、记录关键工艺数据；
1.6业务系统运维：协助提高运维工作质量和效率、提供系统运维视角数据展示。
2、间接收益
将有助于企业的生产效率提升、产品质量提高、设备利用率提高，为企业的升级转型提供技术保障。为各种生产装备的智能化应用、运维提供可靠、稳定保障，有助于各行业的产业链数据的集成应用。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。