边缘计算与云计算协同的智能工厂自动化系统体系架构的制作方法

本发明涉及一种工业自动化领域，具体地说是一种边缘计算与云计算协同的智能工厂自动化体系架构。

背景技术：

全球数字化革命正在引领新一轮产业变革，行业数字化转型的浪潮正在孕育兴起。边缘计算是在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

在现有的工业生产体系架构中，普遍采用的是isa95的系统模型，工业生产数据无法与erp、mes系统相互融通，并且在对优化决策的计算中普遍采用人工的经验计算所得，并且需要大量的数据信息进行辅助，这样增加了决策计算的时间以及工业生产效率的提升，并且工业的数据并没有融合在一起，数据获取方面同样需要大量的时间

技术实现要素：

针对现有技术的不足，本发明提供一种边缘计算与云计算协同的智能工厂自动化系统体系架构,

本发明为实现上述目的所采用的技术方案是：

一种边缘计算与云计算协同的智能工厂自动化系统体系架构，包括数据采集层、数据高并发接入层、边缘计算处理层、工业sdn网络层和云计算处理层；其中

数据采集层，用于采集工厂数据发送到数据高并发接入层；

数据高并发接入层，用于将接收到的工厂数据传递给边缘计算处理层；

边缘计算处理层，用于将数据进行语义化处理，形成边缘事件、语义化边缘场景和边缘决策，通过工业sdn网络层发送到云计算处理层；

云计算处理层，用于将边缘计算处理层的边缘事件、语义化边缘场景和边缘决策进行云计算，将数据信息通过边缘侧上下文迭代解析模块进行处理，通过全局优化知识库以及服务组合模块形成优化决策事件，通过全局决策模块将优化决策事件通过工业sdn网络层下发给边缘计算处理层。

所述将数据进行语义化处理，形成边缘事件、语义化边缘场景和边缘决策包括以下过程：

步骤1：通过边缘知识库将数据进行语义信息处理，通过边缘知识库生成的本体文件，再将数据经过本体文件实例化形成三元组语义数据，并进行存储；

步骤2：将每一条三元组语义数据进行事件封装，形成边缘事件；

步骤3：并将边缘事件通过复杂事件处理传递到事件总线中，按照事件的复杂程度形成语义化边缘场景，并有边缘场景生成边缘决策。

边缘场景将边缘事件进行统计而形成的一种专家知识模型，边缘场景是由一系列边缘事件所构成，通过边缘事件之间的关联关系形成的上下文迭代的一种关联，是由边缘事件关联组合形成的一种虚拟场景。

边缘决策是边缘场景所产生的，边缘场景根据自身的上下文迭代关系，根据现有的生产环境以及状态，自动的做出边缘决策来指导生产，有利于提高生产效率。

所述边缘计算处理层包括若干边缘侧，每个边缘侧由语义编程接口模块、边缘决策下发模块、关联检索模块、边缘知识库、事件封装模块以及边缘终端管理模块组成；其中

语义编程接口模块用于将数据信息语义化处理。

边缘决策下发模块用于将云计算处理层发送的优化决策事件进行解析，通过数据高并发接入层将优化决策事件下发到底层设备或者生产系统来指导生产；

关联检索模块用于将数据采集层采集的数据语义化封装，形成边缘事件，通过边缘知识库语义化的边缘事件之间的关联关系，通过推理机来对各个边缘事件进行关系检索，得到边缘事件关系，即边缘场景。

边缘知识库为将生产经验形成的知识建立关联关系，形成的知识模型；

事件封装模块用于将数据采集层的数据信息通过边缘知识库进行语义化处理，添加语义信息形成三元组语义数据并且存储到语义本体库中；

边缘终端管理模块用于将边缘决策下发模块中的决策时间进行具体的解析，形成相对应的设备控制顺序，按照设备控制顺序管理终端设备。

所述工厂数据包括实时的生产数据、历史数据以及erp、mes的生产数据。所述云计算处理层包括全局优化知识库、服务组合模块、全局决策模块以及边缘侧上下文迭代解析模块；其中

全局优化知识库模块是基于全局相关设备、业务的机理模型、机器学习模型，实现对全局业务进行优化计算的功能并对与其对应的边缘知识库运行参数及内容进行反馈与调整；

服务组合模块用于将边缘事件根据上下文关系进行编排，将一系列的边缘事件组合成服务，用于指导生产；

全局决策模块是在云计算处理层中将大量的历史数据进行统计形成的一种推理模型，将一系列的优化决策事件输入到全局决策模块中；通过全局决策模块进行统一的决策事件编排输出；用于将云计算处理层处理得出的生产决策下发给边缘侧进行生产；

边缘侧上下文迭代解析模块用于对边缘计算处理层的边缘事件、边缘场景进行解析，得出边缘侧的上下文信息，实现边缘事件、边缘场景与云计算处理层的各个模块进行交互。

所述云计算处理层发给边缘计算处理层中边缘侧的知识库同步对边缘知识库进行更新。

本发明具有以下有益效果及优点：

1.通过边缘计算与云计算系统架构能够减少工业生产中的能耗，实时有效的监控能耗的消耗，节约能源。

2.通过该系统架构能够打破isa95系统模型的生产数据与mes、erp数据的不兼容性质，使得工业数据的扁平化，能够更有效的控制工业生产，提供更高的可靠性和更低的维护成本。

附图说明

图1是本发明的边缘计算与云计算协同的智能工厂自动化体系架构图；

图2是本发明的工作体系流程图；

图3是边缘计算处理层中工作体系流程图。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

如图1所示为边缘计算与云计算协同的智能工厂自动化体系架构图，该系统架构共有五层，从下往上依次为数据采集层、数据高并发接入层、边缘计算处理层、工业sdn网络层和云计算处理层。

该系统架构打破了isa95模型的数据结构，将工厂数据信息扁平化，并且在边缘侧添加了边缘计算处理层，将数据信息进行处理，与云计算处理层协同工作，形成了一种新型的智能工厂自动化体系架构。本发明解决了工厂生产中生产信息与mes、erp信息不兼容的问题，以及通过边缘侧进行数据处理，减少了云计算的数据处理量，提高了智能工厂的生产效率以及节约生产成本。

本发明将边缘计算与云计算相互协同作用，共同使能将工厂向智能工厂自动化转型。

边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

边缘计算靠近执行单元，可以更好地支撑云端应用的大数据分析；云计算通过大数据分析优化输出的业务规则下发到边缘侧，边缘计算基于新的业务规则进行业务执行的优化处理。

数据采集层，数据不仅包括了工业生产中底层设备信息，同时包括了工业生产的mes以及erp系统中的信息；该系统架构打破了isa95提出的系统集成模型，将该模型进行扁平化处理。

数据高并发接入层，通过高并发无线接入技术以、现场总线技术、工业无线技术将底层的数据信息传递到边缘计算处理层进行数据分析以及业务的实时智能化处理与执行。

边缘计算处理层，向下其接收底层的数据信息，可以将数据进行实时处理分析，并且将分析的业务下发给底层进行智能化处理。向上边缘计算处理层将云端所需要的高价值数据通过工业sdn网络传递到云端，并且云计算通过大数据分析将优化决策通过工业sdn网络返回给边缘计算处理层。

云计算处理层，接收边缘计算处理层的高价值数据，并且通过大数据处理将优化决策以及知识库同步下发给边缘计算处理层进行优化控制。

边缘计算处理层包括了许多边缘侧，每个边缘侧由语义编程接口、边缘决策下发、边缘场景识别与生成、关联检索、边缘知识库、事件封装以及边缘终端管理模块组成。

边缘侧，具体工作流程为：

(1)底层数据上来以后，通过边缘知识库进行语义标注，将数据信息语义化。

(2)将语义化的数据进行封装，形成边缘事件。

(3)边缘事件通过复杂事件处理(cep)传递到事件总线，形成了边缘场景以及边缘决策。

(4)将边缘决策、边缘事件以及语义化的边缘场景通过工业sdn网络传递到云计算处理层。

(5)云计算处理层返回的知识库同步、优化决策进入边缘侧事件总线。

(6)通过事件监听形成实时事件可视化通过边缘决策下发传递给底层设备以及生产系统中。

(7)同时事件监听通过关联检索，语义推理技术控制事件的触发，将触发的事件如同步骤(6)一样下发到设备以及生产系统中。

边缘决策下发是指将云计算处理层发送的优化决策事件进行解析，通过数据高并发接入层将优化决策事件下发到底层设备或者生产系统来指导生产。

事件封装是将底层的数据信息通过边缘知识库进行处理，添加语义信息形成三元组数据并且存储到语义本体库中。

边缘知识库是通过工作人员多年累计的生产经验所形成的知识汇总，通过将这些知识建立关联关系，并且形成统一的知识模型，即边缘知识库。

边缘终端管理模型是将边缘决策下发模块中的决策时间进行具体的解析，并且形成相对应的设备控制顺序，通过边缘终端管理来按照既定顺序管理终端设备。

关联检索模型是指将底层数据语义化封装后，形成边缘事件，通过边缘知识库语义化的边缘事件之间包含着知识库中的关联关系，该模型通过推理机来对各个边缘事件进行关系检索，发掘隐藏的边缘事件关系，形成了边缘场景识别与生成。

云计算处理层由全局优化知识库、服务组合、全局决策以及边缘侧上下文迭代解析等模块组成。

云计算处理层的工作流程为：

(1)边缘侧提供高价值数据到云计算处理层，其中包括语义化边缘场景、边缘事件以及边缘决策。

(2)将数据信息通过边缘侧上下文迭代解析进行处理，再通过全局优化知识库以及服务组合形成决策。

(3)再通过全局决策模块将决策下发给边缘侧指导工业生产。

云计算处理层，下发给边缘侧的优化决策是一种事件，通过事件总线进行汇总以及触发。

云计算处理层，下发给边缘侧的知识库同步将边缘侧的边缘知识库进行更新，改变了对底层数据的语义化封装。

服务组合模块是将边缘事件通过全局优化知识库进行智能的编排。

全局优化知识库模块是基于全局相关设备、业务的机理模型、机器学习模型等，实现对全局业务进行优化计算的功能并对与其对应的边缘知识库运行参数及内容进行反馈与调整。

边缘侧上下文迭代解析模块是通过对所有与云端进行交互的边缘侧事件进行解析，以实现边缘侧事件与全局决策、全局优化知识库与服务组合模块的交互。

边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

边缘计算与云计算互相协同，共同使能行业数字化转型。云计算聚焦非实时、长周期数据的大数据分析，能够在周期性维护、业务决策支撑等领域发挥特长。边缘计算聚焦实时、短周期数据的分析，能更好地支撑本地业务的实时智能化处理与执行。此外，两者还存在紧密的互动协同关系。边缘计算既靠近执行单元，更是云端所需高价值数据的采集单元，可以更好地支撑云端应用的大数据分析；反之，云计算通过大数据分析优化输出的业务规则也可以下发到边缘侧，边缘计算基于新的业务规则进行业务执行的优化处理。

图2是本发明的工作体系流程图。

首先数据采集层采集数据，该数据包括了工业生产数据、erp数据信息以及mes数据信息；通过数据高并发接入层采集到边缘计算处理层；在边缘计算处理层中，通过知识库将数据信息语义化形成边缘场景以及边缘决策这类高价值数据；将该数据通过工业sdn网络传输到云计算处理层中，通过云计算得出工业生产的优化决策数据；将该优化决策通过工业sdn网络返回给边缘侧进行解析，将解析出的优化决策下发到工厂进行实时的指导生产，这样的系统架构不仅打破了工厂之间数据信息的壁垒，而且通过边缘侧的数据计算减少了云计算的计算量，减少了整个优化决策的信息处理周期，能够减少大量的经济与能耗，并且能够提高生产效率。

图3是边缘计算处理层中工作体系流程图。

首先将数据进行语义化处理，通过边缘知识库将数据进行处理，形成三元组的数据进行存储；将每一条的三元组的语义数据进行事件封装，形成了边缘事件；将边缘事件通过复杂事件处理(cep)传递到事件总线中，按照事件的复杂程度形成了语义化边缘场景以及边缘决策。

在云计算处理层中，首先将边缘侧提供的边缘事件、语义化边缘场景以及边缘决策进行云计算，将数据信息通过边缘侧上下文迭代解析进行处理，再通过全局优化知识库以及服务组合形成决策，再通过决策模块将决策下发给边缘侧指导工业生产。