一种智能制造装备流程的数据共享方法及系统与流程
本发明涉及智能制造相关领域，尤其涉及一种智能制造装备流程的数据共享方法及系统。
背景技术：
智能制造是一种由智能机器和人类专家共同组成的人机一体化智能系统，它在制造过程中能进行智能活动，诸如分析、推理、判断、构思和决策等。通过人与智能机器的合作共事，去扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动。它把制造自动化的概念更新，扩展到柔性化、智能化和高度集成化。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中对智能制造过程中的数据分析共享存在不够智能化、准确化，进而导致对设备的预测性分析不够智能准确的技术问题。
技术实现要素：
本申请实施例通过提供一种智能制造装备流程的数据共享方法及系统，解决了现有技术中对智能制造过程中的数据分析共享存在不够智能化、准确化，进而导致对设备的预测性分析不够智能准确的技术问题，达到智能化、准确化的进行设备的数据分析，对设备的参数进行预测性分析，帮助进行设备故障风险的规避的技术效果。
鉴于上述问题，提出了本申请实施例提供一种智能制造装备流程的数据共享方法及系统。
第一方面，本申请提供了一种智能制造装备流程的数据共享方法，所述方法应用于一数据共享系统，所述方法包括：获得第一数据采集指令，通过所述第一数据采集指令进行设备的数据采集，获得第一数据采集结果；获得第一数据标准化指令，根据所述第一数据标准化指令将所述第一数据采集结果进行标准化处理，获得第一处理数据集；获得第一参数故障对比数据集，其中，所述第一参数故障对比数据通过大数据进行数据的采集和整理获得；获得第一对比指令，通过所述第一对比指令对比所述第一处理数据集和所述第一参数故障对比数据集，获得第一设备风险因子；判断所述第一设备风险因子是否满足预设风险因子阈值，当所述第一设备风险因子满足所述预设风险因子阈值时，则获得第一特征对比指令；根据所述第一特征对比指令获得所述第一设备风险因子的多个比对特征，通过所述多个比对特征对所述第一处理数据集进行特征遍历，根据特征遍历结果获得第一数据风险分析结果；将所述第一数据风险分析结果共享至智能制造的金融风险控制平台。
另一方面，本申请还提供了一种智能制造装备流程的数据共享系统，所述系统包括：第一获得单元，所述第一获得单元用于获得第一数据采集指令，通过所述第一数据采集指令进行设备的数据采集，获得第一数据采集结果；第二获得单元，所述第二获得单元用于获得第一数据标准化指令，根据所述第一数据标准化指令将所述第一数据采集结果进行标准化处理，获得第一处理数据集；第三获得单元，所述第三获得单元用于获得第一参数故障对比数据集，其中，所述第一参数故障对比数据通过大数据进行数据的采集和整理获得；第四获得单元，所述第四获得单元用于获得第一对比指令，通过所述第一对比指令对比所述第一处理数据集和所述第一参数故障对比数据集，获得第一设备风险因子；第一判断单元，所述第一判断单元用于判断所述第一设备风险因子是否满足预设风险因子阈值，当所述第一设备风险因子满足所述预设风险因子阈值时，则获得第一特征对比指令；第五获得单元，所述第五获得单元用于根据所述第一特征对比指令获得所述第一设备风险因子的多个比对特征，通过所述多个比对特征对所述第一处理数据集进行特征遍历，根据特征遍历结果获得第一数据风险分析结果；第一共享单元，所述第一共享单元用于将所述第一数据风险分析结果共享至智能制造的金融风险控制平台。
第三方面，本发明提供了一种智能制造装备流程的数据共享系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了获得第一数据采集指令，通过所述第一数据采集指令进行设备的数据采集，获得第一数据采集结果；获得第一数据标准化指令，根据所述第一数据标准化指令将所述第一数据采集结果进行标准化处理，获得第一处理数据集；获得第一参数故障对比数据集，其中，所述第一参数故障对比数据通过大数据进行数据的采集和整理获得；获得第一对比指令，通过所述第一对比指令对比所述第一处理数据集和所述第一参数故障对比数据集，获得第一设备风险因子；判断所述第一设备风险因子是否满足预设风险因子阈值，当所述第一设备风险因子满足所述预设风险因子阈值时，则获得第一特征对比指令；根据所述第一特征对比指令获得所述第一设备风险因子的多个比对特征，通过所述多个比对特征对所述第一处理数据集进行特征遍历，根据特征遍历结果获得第一数据风险分析结果；将所述第一数据风险分析结果共享至智能制造的金融风险控制平台的方式，达到智能化、准确化的进行设备的数据分析，对设备的参数进行预测性分析，帮助进行设备故障风险的规避的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种智能制造装备流程的数据共享方法的流程示意图；
图2为本申请实施例一种智能制造装备流程的数据共享方法的进行特征遍历的流程示意图；
图3为本申请实施例一种智能制造装备流程的数据共享方法的对第二数据采集结果进行核验的流程示意图；
图4为本申请实施例一种智能制造装备流程的数据共享方法的获得第一设备风险因子的流程示意图；
图5为本申请实施例一种智能制造装备流程的数据共享方法的参数的异常判断的流程示意图；
图6为本申请实施例一种智能制造装备流程的数据共享方法的参数异常的进一步的判断的流程示意图；
图7为本申请实施例一种智能制造装备流程的数据共享系统的结构示意图；
图8为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第一判断单元15，第五获得单元16，第一共享单元17，电子设备50，处理器51，存储器52，输入装置53，输出装置54。
具体实施方式
本申请实施例通过提供一种智能制造装备流程的数据共享方法及系统，解决了现有技术中对智能制造过程中的数据分析共享存在不够智能化、准确化，进而导致对设备的预测性分析不够智能准确的技术问题，达到智能化、准确化的进行设备的数据分析，对设备的参数进行预测性分析，帮助进行设备故障风险的规避的技术效果。下面结合附图，对本申请的实施例进行描述。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本申请的说明书和权利要求书及上述附图中的术语“第一”、第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
申请概述
智能制造是一种由智能机器和人类专家共同组成的人机一体化智能系统，它在制造过程中能进行智能活动，诸如分析、推理、判断、构思和决策等。通过人与智能机器的合作共事，去扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动。它把制造自动化的概念更新，扩展到柔性化、智能化和高度集成化。现有技术中对智能制造过程中的数据分析共享存在不够智能化、准确化，进而导致对设备的预测性分析不够智能准确的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种智能制造装备流程的数据共享方法，所述方法应用于一数据共享系统，所述方法包括：获得第一数据采集指令，通过所述第一数据采集指令进行设备的数据采集，获得第一数据采集结果；获得第一数据标准化指令，根据所述第一数据标准化指令将所述第一数据采集结果进行标准化处理，获得第一处理数据集；获得第一参数故障对比数据集，其中，所述第一参数故障对比数据通过大数据进行数据的采集和整理获得；获得第一对比指令，通过所述第一对比指令对比所述第一处理数据集和所述第一参数故障对比数据集，获得第一设备风险因子；判断所述第一设备风险因子是否满足预设风险因子阈值，当所述第一设备风险因子满足所述预设风险因子阈值时，则获得第一特征对比指令；根据所述第一特征对比指令获得所述第一设备风险因子的多个比对特征，通过所述多个比对特征对所述第一处理数据集进行特征遍历，根据特征遍历结果获得第一数据风险分析结果；将所述第一数据风险分析结果共享至智能制造的金融风险控制平台。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种智能制造装备流程的数据共享方法，所述方法应用于一数据共享系统，所述方法包括：
步骤s100：获得第一数据采集指令，通过所述第一数据采集指令进行设备的数据采集，获得第一数据采集结果；
具体而言，所述数据共享系统为对数据进行智能化处理，进行分析后的数据共享的系统，它可将设备的数据分析结果共享至金融分析平台，对设备的维修、维护、工作量、工作状态的调整进行实时的数据共享，保证智能制造的稳定进行。所述第一数据采集指令为控制进行设备的数据采集的指令，通过所述第一数据采集指令进行智能制造的某一设备的数据采集，获得所述第一数据采集结果。通过数据的采集，为后续进行数据的分析和共享提供了设备的数据支持。
步骤s200：获得第一数据标准化指令，根据所述第一数据标准化指令将所述第一数据采集结果进行标准化处理，获得第一处理数据集；
具体而言，所述第一数据标准化指令为对数据的格式、单位、数值、数位等参数进行统一的指令，即便在同一设备中，为了更加清楚的表现控制参数，导致采集到的设备参数并不是标准化后的参数，因此需要对采集的参数进行标准化处理，即保证处理的数据在同一化的标准下进行。进一步来说，所述数据的标准化处理还包括对数据的属性标准、集成标准、管理标准等进行标准化的处理，通过所述第一数据标准化指令，将所述第一数据的采集结果中的各个数据进行标准化数值的转化，所述转化的结果为所述第一处理数据集。通过对数据的标准化处理，为后续进行准确的数据分析奠定了基础。
步骤s300：获得第一参数故障对比数据集，其中，所述第一参数故障对比数据通过大数据进行数据的采集和整理获得；
具体而言，所述第一参数故障对比数据集为对所述采集的参数对应的设备出现的故障进行参数汇总获得的数据集合。基于大数据对所述设备进行故障及对应的故障参数进行采集，根据所述故障和故障参数的采集结果，构建所述第一参数故障对比数据集，通过对所述故障参数的对比数据集的构建，为后续进行参数的比对和初步判断夯实了基础。
步骤s400：获得第一对比指令，通过所述第一对比指令对比所述第一处理数据集和所述第一参数故障对比数据集，获得第一设备风险因子；
具体而言，所述第一对比指令为对所述采集的设备的参数信息和第一参数故障对比数据集进行参数比对的指令，根据所述第一对比指令对所述进行处理后的第一处理数据集和所述第一参数故障对比数据集进行实时的参数比对，根据参数的比对结果来进行设备的故障的风险判断，获得所述第一设备风险因子。根据所述设备的参数变化的趋势和已有的参数信息，对所述第一参数故障对比数据集中的各个故障参数进行风险评估，根据所述风险评估结果获得所述第一设备风险因子。
步骤s500：判断所述第一设备风险因子是否满足预设风险因子阈值，当所述第一设备风险因子满足所述预设风险因子阈值时，则获得第一特征对比指令；
具体而言，所述预设风险因子为风险因子的预设值，即根据所述参数的比对结果，对所述参数的相似度进行评估，根据采集的参数与故障参数的相似度情况，对风险因子进行赋值，基于所述赋值的结果来进行设备风险的初步判断。所述预设风险因子为预设值，它可根据大数据下采集的相似度信息与故障的真实概率进行计算后设定获得，通过所述预设风险因子对所述第一设备风险因子进行监督，当所述第一设备风险因子满足所述预设风险因子阈值时，则对所述第一设备风险因子进行进一步的解析，当所述第一设备风险因子不满足所述预设风险因子阈值时，则不对所述第一设备风险因子进行处理。
步骤s600：根据所述第一特征对比指令获得所述第一设备风险因子的多个比对特征，通过所述多个比对特征对所述第一处理数据集进行特征遍历，根据特征遍历结果获得第一数据风险分析结果；
步骤s700：将所述第一数据风险分析结果共享至智能制造的金融风险控制平台。
具体而言，在对所述第一设备的风险因子进行初步分析过后，当所述初步分析的结果满足所述预设风险因子阈值，则对所述第一设备风险因子进行进一步的解析，即根据所述第一设备风险因子对应的故障，对所述故障进行特征分类，获得所述故障对应的多个故障特征。举例而言，当所述设备的故障为ccd检测设备的图像拍摄不够清晰，则所述多个特征可以是镜片的特征、参数设定特征、焦点特征、快门速度特征等，根据所述多个比对特征对所述第一处理数据集中的参数进行特征的遍历，根据所述特征的遍历结果来进行设备的风险评估，获得所述第一数据风险分析结果。将所述第一数据风险分析结果作为金融风险分析的数据，共享至所述智能制造的金融风险控制平台，对智能制造设备进行智能化的分析。达到智能化、准确化的进行设备的数据分析，对设备的参数进行预测性分析，帮助进行设备故障风险的规避的技术效果。
进一步而言，如图2所示，所述根据所述第一特征对比指令获得所述第一设备风险因子的多个比对特征，本申请实施例步骤s600还包括：
步骤s610：构建所述第一设备风险因子的关联特征集；
步骤s620：对所述关联特征集中的特征关联度进行计算，获得所述第一设备风险因子的关联度特征列表；
步骤s630：将所述关联度特征列表中的各个特征作为卷积特征，通过所述卷积特征对所述第一处理数据集中的数据进行卷积特征的遍历，获得所述特征遍历结果。
进一步而言，本申请实施例步骤s600还包括：
通过计算获得所述第一数据风险分析结果，计算公式如下：
其中，y为第一数据风险分析值，a为所述特征遍历结果中的遍历最大值，
具体而言，根据所述第一特征对比指令，对所述第一设备风险因子进行特征的各个关联度进行计算，获得所述第一设备风险因子的各个关联度特征的列表，即所述关联度特征的列表。进一步来说，首先根据所述第一设备的风险因子获得所述风险相关的各个特征集合，即所述关联特征集，对所述关联特征集中的各个特征与所述第一风险因子的关联度进行数据的计算，根据所述计算结果获得关联度特征列表，所述关联度特征列表中的各个特征的关联度数值，根据所述关联度的数值进行关联度的由大到小的顺序排序，根据所述排序的结果获得所述关联度特征的列表，将所述关联度特征列表中的各个特征作为卷积特征，根据所述卷积特征对所述第一处理数据集中的各个数据进行特征遍历，根据所述特征遍历获得特征遍历的结果。进一步来说，所述特征遍历结果为特征的卷积匹配值，根据所述卷积匹配值和所述特征关联度进行数据风险分析值的计算。计算的公式如下：
其中，y为第一数据风险分析值，a为所述特征遍历结果中的遍历最大值，
进一步的，如图3所示，本申请实施例步骤s800还包括：
步骤s810：获得第二数据采集指令，通过所述第二数据采集指令对进行数据采集，获得第二数据采集结果，其中，所述第二数据采集结果为所述第一数据采集结果的关联设备的数据；
步骤s820：对所述第二数据采集结果对应的数据与所述第一数据采集结果对应的设备进行关联度的信息编码论运算，获得信息编码论运算结果；
步骤s830：将所述信息编码论运算结果输入数值大小比对模型，获得信息编码论运算结果的熵值比对结果；
步骤s840：根据所述熵值比对结果按照熵值由小到大对对应的所述第二数据采集结果进行数据核验，根据所述核验结果获得第二数据风险分析结果，将所述第二数据风险分析结果共享至所述智能制造的金融风险控制平台。
具体而言，所述第二数据采集指令为对所述第一数据采集结果对应的设备的关联设备进行数据采集的指令，即所述第二数据采集结果为关联设备的数据，且所述关联设备至少为2个。当所述第一数据采集结果对应的设备存在风险时，此时需要对所述设备的关联设备进行实时的参数监督，判断所述关联设备是否存在风险。信息编码论运算是通过香农公式进行关联度的特征选择，即通过计算各个数据与所述设备的关联度的熵值，将所述熵值的计算结果输入大小的比对模型，进行熵值的大小比对，其中，熵值越小代表关联度越高，通过熵值的计算结果，按照熵值的有小到大的顺序进行熵值的排序，按照所述排序结果对所述采集的第二数据采集结果进行数据的核验，根据所述核验结果获得所述第二采集数据对应的数据风险的分析结果，并将所述第二采集数据中对应的风险分析结果共享至所述智能制造的金融风险控制平台。通过关联特征的熵值的计算，使得所述数据核验的顺序更加合理，进而可更早/给予更多的关注给关联程度较大的数据，达到所述风险评估更加智能准确的技术效果。
进一步的，如图4所示，所述获得第一对比指令，通过所述第一对比指令对比所述第一处理数据集和所述第一参数故障对比数据集，获得第一设备风险因子，本申请实施例步骤s400还包括：
步骤s410：根据所述第一对比指令，对所述第一处理数据集和所述第一参数故障对比数据集进行逐个故障参数比对，获得故障参数比对结果；
步骤s420：对所述故障参数比对结果中的各个故障的参数相似度进行评估，获得故障参数的相似度评估结果；
步骤s430：根据所述相似度评估结果获得所述第一设备风险因子。
具体而言，根据所述第一对比指令，对所述第一处理数据集中的参数进行参数的对比。进一步来说，获得所述第一参数故障对比数据集，将所述各个故障对应的变动参数进行组合，以此对各个故障对应的参数组合来对所述第一处理数据集中的参数进行参数比对，根据参数的变化情况、变化程度、变化的趋势等多个维度进行参数的相似度的比对，根据所述比对结果来进行相似度的评估，根据所述相似度的评估结果来进行所述第一设备的风险因子的确定。进一步来说，可根据所述第一采集参数与各个故障的相似情况，对所述相似度排名靠前的故障作为所述第一设备的风险因子。
进一步而言，如图5所示，本申请实施例步骤s400还包括：
步骤s440：获得所述第一处理数据集中的第一参数，其中，所述第一参数为所述第一处理数据集中异常程度最大的参数；
步骤s450：根据所述第一参数获得所述第一参数对应的时间参数变化集合，并根据所述时间参数变化集合绘制时间参数变化曲线；
步骤s460：根据所述时间参数变化曲线对所述第一参数的异常变化的起伏程度进行评估；
步骤s470：当所述起伏程度高于预设起伏阈值时，则对所述第一参数进行重新的参数采集。
具体而言，当对参数进行风险的评估时，还应该考虑参数采集异常的情况。即对所述第一处理数据集中与正常的参数数值偏离最大的参数进行提取，即所述第一参数，对所述第一参数进行基于时间的参数排列，获得所述第一参数的时间参数变化曲线。根据所述第一参数的持续的参数时间变化曲线的构建，对所述第一参数在不同时间节点的参数实时变化情况进行监督和判断，判断所述第一参数是否为采集异常。进一步来说，为了更好的对是否为参数采集异常进行判断，可设定一参数的起伏阈值，更进一步来说，所述参数的起伏阈值为曲线的斜率，当所述参数的变化曲线的起伏程度高于预设阈值时，说明参数的变化起伏异常，可能存在采集问题，此时对所述第一参数进行当前时间节点的备用参数采集，即所述重新参数采集，来保证数据的安全性和稳定性。
进一步的，如图6所示，本申请实施例步骤s460还包括：
步骤s461：当所述起伏程度不高于所述预设起伏阈值时，获得第二参数，其中，所述第二参数为所述第一参数的关联参数；
步骤s462：对所述第二参数的时间变化情况进行监督，获得所述第二参数的时间变化曲线；
步骤s463：判断所述第二参数的时间变化曲线是否与所述第一参数的时间参数变化曲线具有第一特征；
步骤s464：当所述第二参数的时间变化曲线与所述第一参数的时间参数变化曲线不具备第一特征时，则对所述第一参数进行重新的参数采集。
具体而言，当所述第一参数的曲线起伏变化未超过所述预设起伏阈值时，此时也并不能说明参数的采集一定是准确的，此时获得所述第二参数，所述第二参数为所述第一参数的关联参数，对所述第二参数进行时间的参数获取，根据所述第二参数的时间变化情况绘制第二参数的时间变化曲线。根据所述第二参数的时间变化曲线，判断所述第二参数的时间变化去下是否与所述第一参数的时间变化曲线具有相似的变化特征，即所述第一参数的异常时间节点后预定时间内所述第二参数是否也存在相同方向的异常变化。当所述第二参数的时间变化曲线与所述第一参数的时间参数变化曲线不具备第一特征时，即不具备相同方向的变化特征时，则对所述第一参数进行重新的参数采集。
综上所述，本申请实施例所提供的一种智能制造装备流程的数据共享方法及系统具有如下技术效果：
1、由于采用了获得第一数据采集指令，通过所述第一数据采集指令进行设备的数据采集，获得第一数据采集结果；获得第一数据标准化指令，根据所述第一数据标准化指令将所述第一数据采集结果进行标准化处理，获得第一处理数据集；获得第一参数故障对比数据集，其中，所述第一参数故障对比数据通过大数据进行数据的采集和整理获得；获得第一对比指令，通过所述第一对比指令对比所述第一处理数据集和所述第一参数故障对比数据集，获得第一设备风险因子；判断所述第一设备风险因子是否满足预设风险因子阈值，当所述第一设备风险因子满足所述预设风险因子阈值时，则获得第一特征对比指令；根据所述第一特征对比指令获得所述第一设备风险因子的多个比对特征，通过所述多个比对特征对所述第一处理数据集进行特征遍历，根据特征遍历结果获得第一数据风险分析结果；将所述第一数据风险分析结果共享至智能制造的金融风险控制平台的方式，达到智能化、准确化的进行设备的数据分析，对设备的参数进行预测性分析，帮助进行设备故障风险的规避的技术效果。
2、由于采用了通过进行特征的构建、数值计算的方式，为后续获得准确的第一数据风险分析结果夯实了基础，进而达到智能化、准确化的进行设备的数据分析，对设备的参数进行预测性分析，帮助进行设备故障风险的规避的技术效果。
实施例二
基于与前述实施例中一种智能制造装备流程的数据共享方法同样发明构思，本发明还提供了一种智能制造装备流程的数据共享系统，如图7所示，所述系统包括：
第一获得单元11，所述第一获得单元11用于获得第一数据采集指令，通过所述第一数据采集指令进行设备的数据采集，获得第一数据采集结果；
第二获得单元12，所述第二获得单元12用于获得第一数据标准化指令，根据所述第一数据标准化指令将所述第一数据采集结果进行标准化处理，获得第一处理数据集；
第三获得单元13，所述第三获得单元13用于获得第一参数故障对比数据集，其中，所述第一参数故障对比数据通过大数据进行数据的采集和整理获得；
第四获得单元14，所述第四获得单元14用于获得第一对比指令，通过所述第一对比指令对比所述第一处理数据集和所述第一参数故障对比数据集，获得第一设备风险因子；
第一判断单元15，所述第一判断单元15用于判断所述第一设备风险因子是否满足预设风险因子阈值，当所述第一设备风险因子满足所述预设风险因子阈值时，则获得第一特征对比指令；
第五获得单元16，所述第五获得单元16用于根据所述第一特征对比指令获得所述第一设备风险因子的多个比对特征，通过所述多个比对特征对所述第一处理数据集进行特征遍历，根据特征遍历结果获得第一数据风险分析结果；
第一共享单元17，所述第一共享单元17用于将所述第一数据风险分析结果共享至智能制造的金融风险控制平台。
进一步的，所述系统还包括：
第一构建单元，所述第一构建单元用于构建所述第一设备风险因子的关联特征集；
第六获得单元，所述第六获得单元用于对所述关联特征集中的特征关联度进行计算，获得所述第一设备风险因子的关联度特征列表；
第七获得单元，所述第七获得单元用于将所述关联度特征列表中的各个特征作为卷积特征，通过所述卷积特征对所述第一处理数据集中的数据进行卷积特征的遍历，获得所述特征遍历结果。
进一步的，所述系统还包括：
第一计算单元，所述第一计算单元用于通过计算获得所述第一数据风险分析结果，计算公式如下：
其中，y为第一数据风险分析值，a为所述特征遍历结果中的遍历最大值，
进一步的，所述系统还包括：
第八获得单元，所述第八获得单元用于获得第二数据采集指令，通过所述第二数据采集指令对进行数据采集，获得第二数据采集结果，其中，所述第二数据采集结果为所述第一数据采集结果的关联设备的数据；
第九获得单元，所述第九获得单元用于对所述第二数据采集结果对应的数据与所述第一数据采集结果对应的设备进行关联度的信息编码论运算，获得信息编码论运算结果；
第十获得单元，所述第十获得单元用于将所述信息编码论运算结果输入数值大小比对模型，获得信息编码论运算结果的熵值比对结果；
第二共享单元，所述第二共享单元用于根据所述熵值比对结果按照熵值由小到大对对应的所述第二数据采集结果进行数据核验，根据所述核验结果获得第二数据风险分析结果，将所述第二数据风险分析结果共享至所述智能制造的金融风险控制平台。
进一步的，所述系统还包括：
第十一获得单元，所述第十一获得单元用于根据所述第一对比指令，对所述第一处理数据集和所述第一参数故障对比数据集进行逐个故障参数比对，获得故障参数比对结果；
第十二获得单元，所述第十二获得单元用于对所述故障参数比对结果中的各个故障的参数相似度进行评估，获得故障参数的相似度评估结果；
第十三获得单元，所述第十三获得单元用于根据所述相似度评估结果获得所述第一设备风险因子。
进一步的，所述系统还包括：
第十四获得单元，所述第十四获得单元用于获得所述第一处理数据集中的第一参数，其中，所述第一参数为所述第一处理数据集中异常程度最大的参数；
第十五获得单元，所述第十五获得单元用于根据所述第一参数获得所述第一参数对应的时间参数变化集合，并根据所述时间参数变化集合绘制时间参数变化曲线；
第十六获得单元，所述第十六获得单元用于根据所述时间参数变化曲线对所述第一参数的异常变化的起伏程度进行评估；
第一采集单元，所述第一采集单元用于当所述起伏程度高于预设起伏阈值时，则对所述第一参数进行重新的参数采集。
进一步的，所述系统还包括：
第十七获得单元，所述第十七获得单元用于当所述起伏程度不高于所述预设起伏阈值时，获得第二参数，其中，所述第二参数为所述第一参数的关联参数；
第十八获得单元，所述第十八获得单元用于对所述第二参数的时间变化情况进行监督，获得所述第二参数的时间变化曲线；
第二判断单元，所述第二判断单元用于判断所述第二参数的时间变化曲线是否与所述第一参数的时间参数变化曲线具有第一特征；
第二采集单元，所述第二采集单元用于当所述第二参数的时间变化曲线与所述第一参数的时间参数变化曲线不具备第一特征时，则对所述第一参数进行重新的参数采集。
前述图1实施例一中的一种智能制造装备流程的数据共享方法的各种变化方式和具体实例同样适用于本实施例的一种智能制造装备流程的数据共享系统，通过前述对一种智能制造装备流程的数据共享方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种智能制造装备流程的数据共享系统的实施方法，所以为了说明书的简洁，在此不再详述。
示例性电子设备
下面参考图8来描述本申请实施例的电子设备。
图8图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种智能制造装备流程的数据共享方法的发明构思，本发明还提供一种智能制造装备流程的数据共享系统，下面，参考图8来描述根据本申请实施例的电子设备。该电子设备可以是可移动设备本身，或与其独立的单机设备，其上存储有计算机程序，该程序被处理器执行时实现前文所述方法的任一方法的步骤。
如图8所示，电子设备50包括一个或多个处理器51和存储器52。
处理器51可以是中央处理单元（cpu）或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备50中的其他组件以执行期望的功能。
存储器52可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器（ram）和/或高速缓冲存储器（cache）等。所述非易失性存储器例如可以包括只读存储器（rom）、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器51可以运行所述程序指令，以实现上文所述的本申请的各个实施例的方法以及/或者其他期望的功能。
在一个示例中，电子设备50还可以包括：输入装置53和输出装置54，这些组件通过总线系统和/或其他形式的连接机构（未示出）互连。
本发明实施例提供的一种智能制造装备流程的数据共享方法，所述方法应用于一数据共享系统，所述方法包括：获得第一数据采集指令，通过所述第一数据采集指令进行设备的数据采集，获得第一数据采集结果；获得第一数据标准化指令，根据所述第一数据标准化指令将所述第一数据采集结果进行标准化处理，获得第一处理数据集；获得第一参数故障对比数据集，其中，所述第一参数故障对比数据通过大数据进行数据的采集和整理获得；获得第一对比指令，通过所述第一对比指令对比所述第一处理数据集和所述第一参数故障对比数据集，获得第一设备风险因子；判断所述第一设备风险因子是否满足预设风险因子阈值，当所述第一设备风险因子满足所述预设风险因子阈值时，则获得第一特征对比指令；根据所述第一特征对比指令获得所述第一设备风险因子的多个比对特征，通过所述多个比对特征对所述第一处理数据集进行特征遍历，根据特征遍历结果获得第一数据风险分析结果；将所述第一数据风险分析结果共享至智能制造的金融风险控制平台。解决了现有技术中对智能制造过程中的数据分析共享存在不够智能化、准确化，进而导致对设备的预测性分析不够智能准确的技术问题，达到智能化、准确化的进行设备的数据分析，对设备的参数进行预测性分析，帮助进行设备故障风险的规避的技术效果。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用cpu、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本申请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可读取的存储介质中，如计算机的软盘、u盘、移动硬盘、rom、ram、磁碟或者光盘等，包括若干指令用以使得一台计算机设备执行本申请各个实施例所述的方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。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程序指令时，全部或部分地产生按照本申请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、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从计算机可读存储介质向另计算机可读存储介质传输，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，dvd）、或者半导体介质（例如固态硬盘（solidstatedisk，ssd））等。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
另外，本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“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。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
应理解，在本申请实施例中，“与a相应的b”表示b与a相关联，根据a可以确定b。但还应理解，根据a确定b并不意味着仅仅根据a确定b，还可以根据a和/或其它信息确定b。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
总之，以上所述仅为本申请技术方案的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！