一种工业物联网数据预测分析平台的制作方法

本发明涉及大数据处理领域，尤其涉及一种工业物联网数据预测分析平台。

背景技术：

我国的制造业企业大多数处于工业2.0与工业3.0之间，成本控制、生产效率和流程管理方面的水平较低。当前工厂生产设施大多独立运行，每台设备需要专人定期维护，非常依赖技术人员的管理经验。随着时代的发展，将智能传感器技术、工业物联网技术、信息融合等技术与生产管理相结合是大势所趋。因此，开发一种基于工业物联网的数据分析平台，取代人工手段为工厂提供装备的智能维护以及全局管控，是非常有必要的。

技术实现要素：

有鉴于此，本发明提出了一种具有设备故障预测分析能力、能为用户提供维护评估的工业物联网数据预测分析平台。

本发明的技术方案是这样实现的：一种工业物联网数据预测分析平台，包括数据来源模块、数据存储模块、数据分析模块和数据应用模块和用户接口，数据来源模块、数据存储模块、数据分析模块和数据应用模块和用户接口依次信号连接；

其中：数据来源模块，用于采集现场设备的输出数据，并将输出数据进行网络传输；

数据存储模块，接收数据来源模块传输的数据并进行分类存储；

数据分析模块，用于预设现场设备的重要性评价算法；

数据应用模块，利用数据分析模块的评价算法对数据存储模块中的数据进行分析，对现场设备进行分析评估，并将分析评估结果在数据存储模块中进行更新；

用户接口，允许用户访问数据存储模块储存的分析评估的结果和现场设备的输出数据。

在以上技术方案的基础上，优选的，所述数据来源模块包括现场数据传输网关和现场设备，现场设备与现场数据传输网关信号连接；现场设备工作时产生的数据统一通过现场数据网关进行数据传输。

进一步优选的，所述现场数据网关为lora无线网关。

在以上技术方案的基础上，优选的，所述数据存储模块包括数据缓冲池和数据库，数据缓冲池和数据库信号连接；数据缓冲池接收数据来源模块发送的输出数据，，删除重复和错误内容后转换成统一的数据格式，数据缓冲池将数据清洗后的数据发送至数据库中保存。

进一步优选的，所述数据库采用mysql结构。

在以上技术方案的基础上，优选的，所述数据分析模块预设的现场设备的评价算法，是将评价设备重要性的影响因素集u按类型分为m类，记为u＝{u1,u2,...um}；每一类设备重要性影响因素包括n个子因素，记为ui＝{ui1,ui2,...uin}(i＝1,2,...m)；其中n为因素子集ui所包含的子因素个数；uil(i＝1,2,...m；l＝1,2,...n)为影响子因素；对于影响因素集u，存在重要性评语集v＝{v1,v2,...vk},k为评语个数；利用重要性评语集v对因素子集ui中每一个影响子因素进行评价得到因素子集评价矩阵

silk(i＝1,2,...m；l＝1,2,...n；j＝1,2,...k)为因素子集ui中第l个子因素对第j个评语的隶属度；

令w为因素集u各因素子集的权重，w＝(w1,w2,...wm)，0≤wi≤1，为因素子集ui中各影响子因素的权重，其中0≤wil≤1，令权重矩阵与评价矩阵的合成作为因素子集ui的模糊评价bi：其中为模糊矩阵合成运算符；则因素集u的评价矩阵s为

因素集u的模糊综合评价

进一步优选的，所述权重矩阵与评价矩阵的合成，是按照相乘取小，相加取大的规则进行合成运算得到模糊评价bi。

更进一步优选的，所述数据应用模块对数据存储模块中的数据进行分析是将因素集u的模糊评价b中的最大值的重要性评语集v为评价结果，根据该评价结果、设备预设的维修周期和设备的输出数据，生成设备维护的评估结果。

在以上技术方案的基础上，优选的，所述用户接口是基于web界面的接口。

本发明提供的一种工业物联网数据预测分析平台，相对于现有技术，具有以下有益效果：

(1)本发明通过在采集现场设备输出数据，结合重要性评价算法，对现场设备进行维护评估，保证生产的连贯性；

(2)数据来源模块通过现场设备的通信接口和现场数据传输网关进行无线数据采集，相比现有的短距离数据传输方案更加可靠；

(3)数据存储模块将收到的数据进行统一转换，形成规范格式的数据，便于进一步处理；

(4)数据分析模块通过预设合理的评价算法，广泛收集网络评价和用于评价，对关键现场设备提出合理的维护评估结果，供用户决策使用。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种工业物联网数据预测分析平台的结构图。

具体实施方式

下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

如图1所示，本发明提供了一种工业物联网数据预测分析平台，包括数据来源模块、数据存储模块、数据分析模块和数据应用模块和用户接口，数据来源模块、数据存储模块、数据分析模块和数据应用模块和用户接口依次信号连接；

数据来源模块，用于采集现场设备的输出数据，并将输出数据进行网络传输；

数据存储模块，接收数据来源模块传输的数据并进行分类存储；

数据分析模块，用于预设现场设备的重要性评价算法；

数据应用模块，利用数据分析模块的评价算法对数据存储模块中的数据进行分析，对现场设备进行分析评估，并将分析评估结果在数据存储模块中进行更新；

用户接口，允许用户访问数据存储模块储存的分析评估的结果和现场设备的输出数据。

如图1所示，数据来源模块包括现场数据传输网关和现场设备，现场设备与现场数据传输网关信号连接；现场设备工作时产生的数据统一通过现场数据网关进行数据传输。现场数据网关为lora无线网关。lora无线网关传输距离远，信号传输可靠，不依赖电信运营商网络，信号质量可靠且更加安全。现场数据网关可对应一个区域的所有现场设备。现场数据网关再通过基于tcp/ip协议的有线或者无线网络将输出数据发送至数据存储模块中进行进一步处理。

数据存储模块包括数据缓冲池和数据库，数据缓冲池和数据库信号连接；数据缓冲池接收数据来源模块发送的输出数据，，删除重复和错误内容后转换成统一的数据格式，数据缓冲池将数据清洗后的数据发送至数据库中保存。本发明中，数据库采用mysql结构。存入数据库中的输出数据其结构基本相同。

本发明中，数据分析模块预设的现场设备的评价算法，是将评价设备重要性的影响因素集u按类型分为m类，记为u＝{u1,u2,...um}；每一类设备重要性影响因素包括n个子因素，记为ui＝{ui1,ui2,...uin}(i＝1,2,...m)；其中n为因素子集ui所包含的子因素个数；uil(i＝1,2,...m；l＝1,2,...n)为影响子因素；对于影响因素集u，存在重要性评语集v＝{v1,v2,...vk},k为评语个数；利用重要性评语集v对因素子集ui中每一个影响子因素进行评价得到因素子集评价矩阵

silk(i＝1,2,...m；l＝1,2,...n；j＝1,2,...k)为因素子集ui中第l个子因素对第j个评语的隶属度；

令w为因素集u各因素子集的权重，w＝(w1,w2,...wm)，0≤wi≤1，为因素子集ui中各影响子因素的权重，其中0≤wil≤1，令权重矩阵与评价矩阵的合成作为因素子集ui的模糊评价bi：其中为模糊矩阵合成运算符；则因素集u的评价矩阵s为

因素集u的模糊综合评价

上述权重矩阵与评价矩阵的合成，是按照相乘取小，相加取大的规则进行合成运算得到模糊评价bi。本发明采用zadeh算子的规则进行矩阵合成，即矩阵乘法时相乘项保留较小的值，相加项保留较大的值，从而得到新的合并后的矩阵；该算子是模糊矩阵运算的常用算子，在此不做详细说明。

因素集u各因素子集ui可根据维修性、可靠性和经济性分类。

重要性评语集v，可以广泛参考行业专家、同行业技术人员的意见或者维护管理人员的日常评价，样本数据尽可能的大。

如图1所示，数据应用模块对数据存储模块中的数据进行分析是将因素集u的模糊评价b中的最大值的重要性评语集v为评价结果，根据该评价结果、设备预设的维修周期和设备的输出数据，生成设备维护的评估结果。评估结果可参照出厂参数、上次维修后的输出数据、最近一次输出数据和维修周期，建议用户是否需要进行现场设备维护。评估结果可以是清洁、检查、调换、校准、润滑、一般性检修、大修等内容中的一项或者多项。

评估结果时根据设备对生产连贯的影响程度，将现场设备进行分类，比如特别重要的环节的现场设备可定义与a类，该设备故障会导致生产停滞；重要现场设备可定义为b类，该类现场设备故障会极大影响生产连贯性效率；其他不重要现场设备可定义为c类，该类现场设备对生产影响不大。不同现场设备根据其重要性，对应不同的维修周期。

用户接口是基于web界面的接口，可便于用户在各种可访问web界面的设备上进行访问数据库，查阅设备维护的评估结果。

本发明不仅可以为现场设备提供维护建议，还可根据现场设备输出数据，如功耗、生产节拍等数据，提出相应的功率补偿的建议，削减尖峰时段的用电量，为企业生产管理提供更多合理方案。

以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。