基于工业互联网平台的数据处理方法、装置及电子设备

技术领域

本公开涉及数据处理领域，尤其涉及基于工业互联网平台的数据处理方法、装置、电子设备及存储介质。

背景技术

依赖工业互联网平台的数据采集和数据治理能力，可以获得各个设备采集点的数据，但是如果工厂需要有综合使用各类数据并且运算后得到的指标(比如OEE)，这类数据则不能直接支持。相关技术中，通常是开发应用，直接查询数据库或者采用接口调用的方式，在代码中固化计算，并且需要开发对应的页面才能看到结果。

然而，上述方式往往存在开发周期长、开发难度大等问题，不适合工厂个性化应用的快速落地。

发明内容

本公开提供一种基于工业互联网平台的数据处理方法、装置、电子设备及存储介质。

根据本公开实施例的第一方面，提供一种基于工业互联网平台的数据处理方法，包括：

确定第一工业设备的物理模型和数据模型，其中，物理模型存在于数据采集模块，数据模型存在于数据治理模块，且数据模型包括原始数据模型；

将物理模型和数据模型同步，并利用数据采集模块进行数据采集，得到第一工业设备的原始工业数据；

根据原始数据模型，采用原始数据模型的相关字段建立运算规则；其中，原始数据模型用于规范原始工业数据的采集以及定义运算表达式；

基于原始工业数据和运算规则，生成第一工业设备的预测分析结果。

根据本公开实施例的第二方面，提供一种基于工业互联网平台的数据处理装置，包括：

确定模块，用于确定第一工业设备的物理模型和数据模型，其中，物理模型存在于数据采集模块，数据模型存在于数据治理模块，且数据模型包括原始数据模型；

同步模块，用于将物理模型和数据模型同步；

数据采集模块，用于利用数据采集模块进行数据采集，得到第一工业设备的原始工业数据；

建立模块，用于根据原始数据模型，采用原始数据模型的相关字段建立运算规则；其中，原始数据模型用于规范原始工业数据的采集以及定义运算表达式；

生成模块，用于基于原始工业数据和运算规则，生成第一工业设备的预测分析结果。

根据本公开实施例的第三方面，提供一种电子设备，包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的指令，所述指令被至少一个处理器执行，以使至少一个处理器能够执行上述第一方面的方法。

根据本公开实施例的第四方面，提供一种存储有计算机指令的非瞬时计算机可读存储介质，其存储有计算机指令，计算机指令用于使计算机执行如上述第一方面的方法。

根据本公开实施例的第五方面，提供一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时可实现上述第一方面的方法。

本公开实施例提供的技术方案可以包括以下有益效果：

通过自定义构建第一工业设备的物理模型和数据模型，可以持续扩展模型体系，可以使模型更加贴合实际应用场景，适合工厂个性化应用的快速落地。通过将物理模型和数据模型同步，并利用数据采集模块进行数据采集，得到第一工业设备的原始工业数据。根据原始数据模型，采用原始数据模型的相关字段建立运算规则。通过构建原始数据模型，可以实现直观快速地获取所需的设备数据。通过建立运算规则，可以计算综合使用各类数据进行运算得到的指标。基于原始工业数据和运算规则，生成第一工业设备的预测分析结果。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据本公开实施例提供的一种基于工业互联网平台的数据处理方法的流程图。

图2是根据本公开实施例提供的另一种基于工业互联网平台的数据处理方法的流程图。

图3是根据本公开实施例提供的又一种基于工业互联网平台的数据处理方法的流程图。

图4是根据本公开实施例提供的又一种基于工业互联网平台的数据处理方法的流程图。

图5是根据本公开实施例提供的一种基于工业互联网平台的数据处理装置的框图。

图6是根据本公开实施例提供的一种电子设备的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。其中，在本公开的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；本文中的“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。

本公开实施例中涉及的工业互联网平台可以用于获取采集数据，并通过该平台定义的算法优化相关模型，得到预测分析结果以实现数据治理，所述工业互联网平台可以包括数据采集模块、数据治理模块、数据传输模块、数据服务模块以及数据存储模块。其中，数据采集模块可以用于定义物理模型并对设备进行数据采集；数据治理模块可以用于定义数据模型，并进行数据处理与分析；数据传输模块可以用于物理模型与数据模型的同步；数据服务模块可以用于通过接口方式输出数据；数据存储模块可以用于工业互联网平台数据的归档存储。

图1是根据本公开实施例提供的一种基于工业互联网平台的数据处理方法的流程图。如图1所示，该基于工业互联网平台的数据处理方法，包括但不限于以下步骤：

在步骤S101中，确定第一工业设备的物理模型和数据模型。

在本公开一些实施例中，物理模型存在于数据采集模块。所述物理模型可以用于定义设备的现有属性。举例而言，现有属性可以是设备额定速度、计划停机时间、设备故障时间以及设备调整时间等属性。

在本公开一些实施例中，数据模型存在于数据治理模块。所述数据模型可以包括原始数据模型。原始数据模型用于规范原始工业数据的采集以及定义运算规则，可以通过自定义字段关联原始工业数据。举例而言，原始工业数据可以包括设备的生产数据、运行数据、状态数据以及环境数据。

在本公开一些实施例中，基于对工业领域各行业设备的分析，提供多个不同设备类型的物理模型和数据模型。

可选的，基于第一工业设备的设备类型，可以确定第一工业设备的设备类型是否存在于工业互联网平台中。当第一工业设备的设备类型存在于工业互联网平台时，可以从工业互联网平台提供的多个不同设备类型的物理模型和/或数据模型中，选出与第一工业设备的设备类型对应的物理模型和/或数据模型，并将该物理模型确定为第一工业设备的物理模型和/或数据模型。当第一工业设备的设备类型未存在于工业互联网平台时，获取第一工业设备的相关信息，构建为第一工业设备的物理模型和/或数据模型。可选的，当工业互联网平台完成构建第一工业设备的物理模型和/或数据模型后，可以将该第一工业设备的设备类型以及所构建的物理模型和/或数据模型更新至工业互联网平台中，并将构建的物理模型和/或数据模型与第一工业设备的设备类型进行绑定。

在步骤S102中，将物理模型和数据模型同步，并利用数据采集模块进行数据采集，得到第一工业设备的原始工业数据。

在本公开一些实施例中，可以将物理模型同步为数据模型以便于快速定义运算规则，也可以将数据模型同步为物理模型以方便数据采集。

在本公开一些实施例中，可以通过SCADA(Supervisory Control And DataAcquisition，数据采集与监视控制)系统，同步数据治理物理模型，并将采集到的设备属性信息数据同步到数据治理模块中，与本地设备数据模型进行关联。

可选的，SCADA系统用于从工厂或其他远程位置的各种传感器采集数据，然后将这些数据发送到工业互联网平台，然后由工业互联网平台管理和控制数据。SCADA系统可以包括SCADA采集客户端以及SCADA客户端。

举例而言，SCADA采集客户端可以被配置在需要采集数据的设备端，用于对设备属性信息的采集，并将采集到的设备属性信息上报到SCADA客户端。SCADA客户端接收到设备属性信息后，可以将设备属性信息同步到所述工业互联网的数据治理模块中。通过数据治理模块关联的设备采集点，将采集到的设备属性信息的数据映射关联到设备的数据模型中。

在步骤S103中，根据原始数据模型，采用原始数据模型的相关字段建立运算规则。

在本公开一些实施例中，通过原始数据模型的相关字段建立运算规则，并将运算规则通过系统接口保存至后台。

在步骤S104中，基于原始工业数据和运算规则，生成第一工业设备的预测分析结果。

在本公开一些实施例中，基于原始工业数据和运算规则，结合与数据模型关联的预测函数，生成第一工业设备的预测分析结果。其中，预测函数可以是在构建数据模型时，为该数据模型配置的预测函数。

在本公开一些实施例中，数据模型还可以包括数据输出模型。数据输出模型可用于规范数据的输出，还可以通过自定义字段关联原始工业数据，也可以通过自定义字段关联通过运算规则得到的结果集，在数据服务模块通过接口的方式输出数据结果。

在本公开一些实施例中，对数据进行输出的具体实现方式可如下：将数据输出模型，将原始工业数据、预测分析结果进行关联对照；将关联对照的记录进行保存；基于服务调用接口获取到数据请求，从保存的关联对照的记录中获取对应的数据进行输出。

举例而言，在平台的数据服务模块中，可以自定义接口实体类，配置需要输出的相关属性。通过该接口实体类定义的接口请求路径获取数据输出模型的数据。

在本公开的实施例中，通过自定义构建第一工业设备的物理模型和数据模型，可以持续扩展模型体系，可以使模型更加贴合实际应用场景，适合工厂个性化应用的快速落地。通过将物理模型和数据模型同步，并利用数据采集模块进行数据采集，得到第一工业设备的原始工业数据。根据原始数据模型，采用原始数据模型的相关字段建立运算规则。通过构建原始数据模型，可以实现直观快速地获取所需的设备数据。通过建立运算规则，可以计算综合使用各类数据进行运算得到的指标。基于原始工业数据和运算规则，生成第一工业设备的预测分析结果。

需要说明的是，根据第一工业设备的设备类型，可以确定工业互联网平台是否包括第一工业设备的设备类型。当工业互联网平台包括第一工业设备的设备类型时，从工业互联网平台提供的多个不同设备类型的物理模型和/或数据模型中确定第一工业设备的物理模型和/或数据模型。当工业互联网平台不包括第一工业设备的设备类型时，基于第一工业设备的相关信息，构建第一工业设备的物理模型和/或数据模型。可选的，图2是根据本公开实施例提供的另一种基于工业互联网平台的数据处理方法的流程图。如图2所示，该基于工业互联网平台的数据处理方法，包括但不限于以下步骤：

在步骤S201中，确定第一工业设备的物理模型。

在本公开一些实施例中，工业互联网平台包括多个不同设备类型的物理模型。

需要说明的是，工业互联网平台通过分析市场上多种设备类型，划分设备的属性信息，可以在各分类属性下选取设备基础信息、设备调整因子以及设备数据分析预测算法等，以便于设备可以快速选取对应的物理模型进行接入计算。针对工厂的特殊设备，工业互联网平台提供定制化定义模型的功能。工业互联网平台用户可以自定义模型及相关属性信息，进行设备匹配接入。针对用户自定义的模型，将添加到平台基础模型库中，不断训练优化模型体系，兼容各类设备的接入。

在本公开一些实施例中，基于工业互联网平台包括的设备类型以及第一工业设备的设备类型，确定第一工业设备的物理模型。

在一种可能的实现方式中，基于工业互联网平台包括的设备类型以及第一工业设备的设备类型，将第一工业设备的设备类型与工业互联网平台包括的设备类型进行匹配，确定第一工业设备的物理模型的具体实现方式可以为：确定第一工业设备的设备类型；确定第一工业设备的设备类型存在于工业互联网平台中；基于第一工业设备的设备类型，从工业互联网平台中的多个不同设备类型的物理模型中，确定出第一工业设备的物理模型。

举例而言，将第一工业设备的设备类型与工业互联网平台包括的设备类型进行匹配，如果匹配到，则确定第一工业设备的设备类型存在于工业互联网平台中。例如，工业互联网平台包括数控机床、工业机器人、检测设备等设备类型的物理模型。第一工业设备的设备类型为数控机床。因此，将工业互联网平台中数控机床对应的物理模型确定为第一工业设备的物理模型。

在一种可能的实现方式中，基于工业互联网平台包括的设备类型以及第一工业设备的设备类型，将第一工业设备的设备类型与工业互联网平台包括的设备类型进行匹配，确定第一工业设备的物理模型的具体实现方式可以为：确定第一工业设备的设备类型；确定第一工业设备的设备类型未存在于工业互联网平台中；提供定制化界面，并基于定制化界面获取对第一工业设备的定制化信息；基于定制化信息，构建第一工业设备的物理模型。

举例而言，将第一工业设备的设备类型与工业互联网平台包括的设备类型进行匹配，如果未匹配到，则确定第一工业设备的设备类型未存在于工业互联网平台中。例如，工业互联网平台包括数控机床、工业机器人、检测设备等设备类型的物理模型。第一工业设备的设备类型为自动化生产线。第一工业设备的设备类型未包括在工业互联网平台上。根据工业互联网平台提供的定制化界面，获取第一工业设备的定制化信息。基于第一工业设备的定制化信息，构建第一工业设备的物理模型。

需要说明的是，所述定制化界面可以用于获取第一工业设备的定制化信息。第一工业设备的定制化信息包括但不限于物理模型、相关属性以及算法规则等信息，可以用于构建第一工业设备的物理模型。

在本公开一些实施例中，在基于定制化信息构建第一工业设备的物理模型后，可以将构建的第一工业设备的物理模型更新至工业互联网平台中，并将构建的第一工业设备的物理模型与第一工业设备的设备类型进行绑定。

在步骤S202中，确定第一工业设备的数据模型。

在本公开一些实施例中，工业互联网平台包括多个不同设备类型的数据模型。

需要说明的是，工业互联网对设备状态信息进行监控采集，并将获取的数据上报到工业互联网平台。平台通过将多元异构数据，多协议设备与数据模型进行绑定，将数据采集点位与模型属性进行映射，实现设备抽象与实时数据流处理、存储与转发。

在本公开一些实施例中，基于工业互联网平台包括的设备类型以及第一工业设备的设备类型，确定第一工业设备的数据模型。

在一种可能的实现方式中，基于工业互联网平台包括的设备类型以及第一工业设备的设备类型，将第一工业设备的设备类型与工业互联网平台包括的设备类型进行匹配，确定第一工业设备的数据模型的具体实现方式可以为：确定第一工业设备的设备类型；确定第一工业设备的设备类型存在于工业互联网平台中；基于第一工业设备的设备类型，从工业互联网平台中的多个不同设备类型的数据模型中，确定出第一工业设备的数据模型。

举例而言，将第一工业设备的设备类型与工业互联网平台包括的设备类型进行匹配，如果匹配到，则确定第一工业设备的设备类型存在于工业互联网平台中。例如，工业互联网平台包括数控机床、工业机器人、检测设备等设备类型的物理模型。第一工业设备的设备类型为数控机床。因此，将工业互联网平台中数控机床对应的数据模型确定为第一工业设备的数据模型。

在一种可能的实现方式中，基于工业互联网平台包括的设备类型以及第一工业设备的设备类型，将第一工业设备的设备类型与工业互联网平台包括的设备类型进行匹配，确定第一工业设备的数据模型的具体实现方式可以为：确定工业互联网平台中不存在第一工业设备的数据模型；获取第一工业设备的第一配置信息，第一配置信息包括以下至少一项：模型的分类、名称、字段属性和备注信息；基于第一配置信息构建第一工业设备的数据模型。

可选的，在基于第一配置信息构建第一工业设备的数据模型后，可以将构建的第一工业设备的数据模型更新至工业互联网平台中，并将构建的第一工业设备的数据模型与第一工业设备的设备类型进行绑定。

举例而言，将第一工业设备的设备类型与工业互联网平台包括的设备类型进行匹配，如果未匹配到，则确定第一工业设备的设备类型未存在于工业互联网平台中。例如，工业互联网平台包括数控机床、工业机器人、检测设备等设备类型的物理模型。第一工业设备的设备类型为自动化生产线。第一工业设备的设备类型未包括在工业互联网平台上。因此，可以在工业互联网平台新增一个自动化生产线的数据模型实体类。基于获取到的第一工业设备的第一配置信息，可以给该数据模型实体类添加与自动化生产线相关的自定义字段，并配置自定义字段的相关属性，以构建第一工业设备的数据模型。

在本公开一些实施例中，在确定第一工业设备的数据模型后，将数据采集模块采集的第一工业设备的设备信息与数据模型进行关系映射；获取第二配置信息，第二配置信息包括以下至少一项：数据模型的字段属性的权值参数、预测函数、字段属性之间的偏差值。

举例而言，通过将数据采集模块采集的第一工业设备的设备信息与第一工业设备的数据模型进行关系映射，配置自定义字段属性的权值参数与预测函数，得到第一工业设备的数据模型的各属性的权值参数与偏差值。在获取到第一工业设备的数据模型以及第一工业设备的数据模型与自定义字段的关系信息存储到平台，平台自动将第一工业设备的设备类型与第一工业设备的数据模型进行绑定。当第一工业设备的设备信息上报到平台时，将自动运算分析原始工业数据。

在步骤S203中，将物理模型和数据模型同步，并利用数据采集模块进行数据采集，得到第一工业设备的原始工业数据。

在本公开的实施例中，步骤S203可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。

在步骤S204中，根据原始数据模型，采用原始数据模型的相关字段建立运算规则。

在本公开一些实施例中，基于字段属性的权值参数和/或字段属性之间的偏差值，调整原始数据模型；基于调整后的原始数据模型，采用原始数据模型的相关字段建立运算规则。

在本公开一些实施例中，在调整原始数据模型后，基于调整后的原始数据模型，建立运算表达式，其中，运算表达式的等号右边均为原始数据模型的字段或由原始数据模型字段定义而来的中间字段，运算表达式的等号左边均为可得出运算结果的数据；根据需要分析的实际特征值对运算结果影响程度的大小，调整响应特征值的回归系数，以得到运算规则。

举例而言，平台创建一个自定义规则实体类，配置关联第一工业设备的数据模型，以获取数据模型关联的权值参数和预测函数。根据获取数据模型关联的权值参数和预测函数，得到字段属性的权值参数以及字段属性之间的偏差值。基于字段属性的权值参数和/或字段属性之间的偏差值，调整原始数据模型。基于调整后数据模型的相关自定义字段建立运算表达式。根据需要分析的实际特征值对运算结果影响程度的大小，调整响应特征值的回归系数，以得到运算规则。

在步骤S205中，基于原始工业数据和运算规则，生成第一工业设备的预测分析结果。

在本公开的实施例中，步骤S205可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。

在本公开的实施例中，针对多种工业领域设备类型，提供了一种可扩展的设备模型体系，可以自定义构建模型，精细化模型的管理接入，让模型的使用越来越贴合工厂实际场景的使用。针对获取到的采集数据，工业互联网平台提供多种接入方式，设备接入后可快捷与设备的数据模型进行匹配映射，执行分析算法模型，降低了学习使用成本，并为用户提供多种数据分析解决方案，提高了平台利用率。在完成构建或选择模型后，可以将模型与对应的设备类型进行绑定，并将数据采集点与模型的属性进行映射，实现设备抽象化与实时数据流的处理、存储与转发。基于原始数据模型的字段属性的权值参数与字段属性之间的偏差值，调整原始数据模型。基于调整后的原始数据模型，采用原始数据模型的相关字段建立运算规则，以实现运算规则与平台已有的分析模型的关联，提供多样化的分析方案，无需繁琐的配置流程。

需要说明的是，在实际工作环境中，当需要进行设备对接时，数据模型可以直接同步为物理模型进行数据采集；当工业互联网平台不包括该设备类型的设备时，可以在物理模型完成模型数据点配置后，直接同步到数据治理模块的数据模型。可选的，图3是根据本公开实施例提供的又一种基于工业互联网平台的数据处理方法的流程图。如图3所示，该基于工业互联网平台的数据处理方法，包括但不限于以下步骤：

在步骤S301中，确定第一工业设备的物理模型和数据模型。

在本公开的实施例中，步骤S301可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。

在步骤S302中，在第一工业设备所在的工业设备网络下，配置数据采集与监视控制系统SCADA采集服务节点，在需要采集的设备端配置SCADA采集客户端。

在本公开一些实施例中，针对第一工业设备所在的工业设备网络环境，可以采用不同的部署方式。

可选的，当工业设备网络环境为强网环境时，可以采用单节点部署的方案。举例而言，在第一工业设备所在的工业设备网络下，可以配置一个SCADA采集服务节点，在不同SCADA采集客户端汇聚采集信息，进行初步的数据分析以及判定，再将业务所需采集数据汇聚到各SCADA采集客户端采集的信息汇聚到一个SCADA采集服务节点。

可选的，当工业设备网络环境为弱网环境时，可以采用多节点部署，分布式采集设备属性信息的方案。举例而言，在第一工业设备所在的工业设备网络下，可以配置多个SCADA采集服务节点，在不同SCADA采集客户端汇聚采集信息，进行初步的数据分析以及判定，再将业务所需采集数据汇聚到多个SCADA采集服务节点，由SCADA采集服务节点汇聚后统一进行上报。

在步骤S303中，获取在SCADA采集客户端中的配置信息，并关联设备状态属性信息、采集频率、数据上报规则。其中，配置信息包括需要采集的节点信息。

在步骤S304中，通过SCADA采集客户端基于配置信息将采集到的设备属性信息上报到SCADA客户端中，通过SCADA将数据同步到数据治理模块中。

在步骤S305中，通过数据治理模块根据关联的设备采集点，将原始数据信息映射关联到的设备数据模型中，进行初步的清洗和分析。

在本公开一些实施例中，在将数据同步到数据治理模块后，可以自动将原始数据信息与设备数据模型中的属性进行映射关联，并执行初步的数据清洗和分析。

在步骤S306中，根据原始数据模型，采用原始数据模型的相关字段建立运算规则；其中，原始数据模型用于规范原始工业数据的采集以及定义运算表达式。

在本公开的实施例中，步骤S306可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。

在步骤S307中，基于原始工业数据和运算规则，生成第一工业设备的预测分析结果。

本公开的实施例中，步骤S307可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。

在本公开的实施例中，通过数据采集与监视控制系统SCADA实现了设备在弱网环境下的实时数据信息采集，并针对不同实际应用场景，可以动态扩容或缩减SCADA采集服务节点，解决设备数据发送频率过高导致的性能问题。通过数据治理模块根据关联的设备采集点，将原始数据信息映射关联到的设备数据模型中，进行初步的清洗和分析实现了在设备采集端的初步逻辑判定，只采集业务所需的数据或对数据进行初步的加工转换，降低了平台的计算压力。

需要说明的是，基于原始工业数据和运算规则，可以通过将原始工业数据与工业互联网平台已有设备分析模型进行关联，并将运算规则与原始工业数据进行对照关联，以生成第一工业设备的预测分析结果。可选的，图4是根据本公开实施例提供的又一种基于工业互联网平台的数据处理方法的流程图。如图4所示，该基于工业互联网平台的数据处理方法，包括但不限于以下步骤：

在步骤S401中，确定第一工业设备的物理模型和数据模型。

在本公开的实施例中，步骤S401可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。

在步骤S402中，将物理模型和数据模型同步，并利用数据采集模块进行数据采集，得到第一工业设备的原始工业数据。

在本公开的实施例中，步骤S402可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。

在步骤S403中，根据原始数据模型，采用原始数据模型的相关字段建立运算规则；其中，原始数据模型用于规范原始工业数据的采集以及定义运算表达式

在本公开的实施例中，步骤S403可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。

在步骤S404中，基于原始工业数据和运算规则，结合与数据模型关联的预测函数，生成第一工业设备的预测分析结果。

在本公开一些实施例中，将运算规则与原始工业数据进行关联；基于运算规则与原始工业数据之间的关联关系，生成定时任务，并基于定时任务运行对应的运行规则；获取运行规则的运行结果，并基于与数据模型关联的预测函数对运算结果进行分析，获得第一工业设备的预测分析结果。

在一种可能的实现方式中，可以将运算规则与原始工业数据进行对照关联，完成运算规则与原始工业数据的绑定，并保存对照记录。

举例而言，自定义一个对照记录实体类，并选择一个与规则实体类关联的数据模型，将数据模型中的多个自定义字段与原始工业数据进行关联对照，并设置关联对照规则。在完成运算规则与原始工业数据的关联对照后，保存该对照记录实体类信息。

在一种可能的实现方式中，通过任务调度功能，设定CRON表达式配置运算频率生成定时任务，并执行定时任务对应的运行规则。在完成定时任务后，将运行规则的运行结果储存在数据库中。

举例而言，自定义定时任务实体类，并配置该定时任务实体类的相关属性以及关联的对照记录。基于该定时任务实体类的相关属性以及关联的对照记录设置该定时任务实体类的运行规则。在完成该定时任务实体类的运行规则配置后，运行关联的对照记录关联的规则实体类，执行相应的运算表达式，并将运算表达式的运算结果作为运行规则的运行结果。

需要说明的是，在一些实施例中，在将运算规则与原始工业数据进行对照关联后，工业互联网平台可以通过输入与数据模型关联的预测函数所需的调整因子参数，对运算结果进行分析，得到第一工业设备的预测分析结果，并生成相关分析报告。

在本公开一些实施例中，基于与数据模型关联的预测函数对运算结果进行分析，获得第一工业设备的预测分析结果。

举例而言，在获取运算规则的运算结果后，基于与数据模型关联的预测函数对运算结果进行分析，获得第一工业设备的预测分析结果。其中，预测分析结果可以进行归档存储，示例性的，可以自定义一运算结果记录实体类，将该预测分析结果关联的相关字段封装在该运算结果记录实体类中，并归档存储，这样，可以与二次分析模型的输出结果进行对照。

在本公开一些实施例中，还可以配置二次分析模型。也就是说，通过不同的分析模型对运算结果进行分析。

可选的，基于用户需求，从工业互联网平台提供的设备分析模型中确定第一工业设备的二次分析模型。基于第一工业设备的二次分析模型，确定与该二次分析模型对应的预测函数。将二次分析模型的预测函数与第一工业设备的数据模型进行关联，完成第一工业设备的二次分析模型的关联配置。

可选的，在完成第一工业设备的二次分析模型的关联配置后，可以基于第一工业设备的二次分析模型对运算结果进行分析，得到二次分析模型的输出结果。在获得第一工业设备的预测分析结果后，工业互联网平台可以将归档存储的预测分析结果及其相关字段与二次分析模型的输出结果进行对照分析，以满足用户的多场景分析需求。

在本公开的实施例中，通过将运算规则与原始工业数据进行关联，并使用平台已有的数据分析模型，得到预测分析结果，提供了多样化的分析方案，适合个性化应用的快速落地。在得到分析结果后，还可以配置二次分析模型以满足多场景分析需求。

为方便理解该基于工业互联网平台的数据处理方法，以OEE(Overall EquipmentEffectiveness，设备综合效率)运算为例，特进行举例说明。

(1)建立第一工业设备的OEE物理模型。在数据采集模块配置第一工业设备的物理模型，其数据点位可以包括：设备额定速度、设备低速平均值、设备额定速度、低速运行时间、不合格品数、设备额定能力、计划停机时间，外部因素引起停机时间、启动损失时间、设备故障时间、设置调整时间、空转暂停时间。

(2)建立第一工业设备的OEE原始数据模型，其相关属性可以包括：设备额定速度、设备低速平均值、设备额定速度、低速运行时间、不合格品数、设备额定能力、计划停机时间，外部因素引起停机时间、启动损失时间、设备故障时间、设置调整时间、空转暂停时间。

(3)建立第一工业设备的OEE数据输出模型，其相关属性包括：低速运行损失时间、不合格品损失时间、计划生产时间、运行时间、净运行时间、有效运行时间、设备利用率、时间开动率、性能开动率、合格品率。

需要说明的是，可以手动构建第一工业设备的OEE原始数据模型，也可以将该设备的OEE物理模型同步为该设备的OEE原始数据模型，还可以将该设备的OEE原始数据模型同步为其他设备的OEE原始数据模型。

(4)建立OEE运算规则。其中，等号右边可以为原始数据模型的字段，或者由原始数据模型字段定义而来的中间字段，所有等于号左边的数据可以为可得出运算结果的数据。根据OEE的概念，定义以下规则：

其中，低速运行损失时间可以用字符tl表示，不合格品损失时间可以用字符td表示。其他几类损失可以直接用时间衡量，在此定义：计划停机时间可以用字符tp表示，外部因素引起停机时间可以用字符to表示，启动损失时间可以用字符ts表示，设备故障时间可以用字符tf表示，设置调整时间可以用字符ta表示，空转暂停时间可以用字符tn表示。总时间可以用字符SWST表示，计划生产时间可以用字符PPT表示，运行时间可以用字符OT表示，净运行时间可以用字符NOT表示，有效运行时间可以用字符VOT表示，由此可得：

计划生产时间(PPT)＝SWST-tp-to(3)

运行时间(OT)＝PPT-tf-ta(4)

净运行时间(NOT)＝OT-ts-tl–tn (5)

有效运行时间(VOT)＝NOT-td(6)

根据上述式(1)、式(2)、式(3)、式(4)、式(5)、式(6)、式(7)、式(8)、式(9)以及式(10)，可以进一步将OEE的运算公式如下式(11)进行分解：

(5)实现OEE运算规则与OEE数据对照：将OEE运算规则与原始工业数据进行对照，完成运算规则与原始工业数据的绑定；并将对照记录通过系统接口进行保存。

(6)通过定时任务运行OEE运算规则：通过任务调度功能，设定CRON表达式配置运算频率，得到OEE运算结果并储存在数据库中。

(7)输出OEE数据：在数据服务模块，通过数据输出模型与数据库中的原始工业数据、预测分析结果进行对照，并将对照记录通过系统接口进行保存以实现数据模型与原始工业数据的绑定并通过系统接口进行输出。

图5是根据本公开实施例提供的一种基于工业互联网平台的数据处理装置的框图。如图5所示，该基于工业互联网平台的数据处理装置包括确定模块501，同步模块502、数据采集模块503、建立模块504以及生成模块505。

确定模块501，用于确定第一工业设备的物理模型和数据模型，其中，物理模型存在于数据采集模块，数据模型存在于数据治理模块，且数据模型包括原始数据模型。

同步模块502，用于将物理模型和数据模型同步。

数据采集模块503，用于利用数据采集模块进行数据采集，得到第一工业设备的原始工业数据。

建立模块504，用于根据原始数据模型，采用原始数据模型的相关字段建立运算规则；其中，原始数据模型用于规范原始工业数据的采集以及定义运算表达式。

生成模块505，用于基于原始工业数据和运算规则，生成第一工业设备的预测分析结果。

作为一种示例，确定模块501还可以用于：确定第一工业设备的设备类型；确定第一工业设备的设备类型存在于工业互联网平台中；基于第一工业设备的设备类型，从工业互联网平台中的多个不同设备类型的物理模型中，确定出第一工业设备的物理模型。

作为一种示例，确定模块501还可以用于：确定第一工业设备的设备类型；确定第一工业设备的设备类型未存在于工业互联网平台中；提供定制化界面，并基于定制化界面获取对第一工业设备的定制化信息；基于定制化信息，构建第一工业设备的物理模型。

作为一种示例，确定模块501还可以用于：将构建的第一工业设备的物理模型更新至工业互联网平台中，并将构建的第一工业设备的物理模型与第一工业设备的设备类型进行绑定。

作为一种示例，确定模块501还可以用于：确定工业互联网平台中不存在第一工业设备的数据模型；获取第一工业设备的第一配置信息，第一配置信息包括以下至少一项：模型的分类、名称、字段属性和备注信息；基于第一配置信息构建第一工业设备的数据模型。

作为一种示例，同步模块502还可以用于：在第一工业设备所在的工业设备网络下，配置数据采集与监视控制系统SCADA采集服务节点，在需要采集的设备端配置SCADA采集客户端；通过SCADA客户端，同步数据治理物理模型，与本地设备数据模型进行关联；获取在SCADA采集客户端中的配置信息，并关联设备状态属性信息、采集频率、数据上报规则；其中，配置信息包括需要采集的节点信息；通过SCADA采集客户端基于配置信息将采集到的设备属性信息上报到SCADA客户端中，通过SCADA将数据同步到数据治理模块中；通过数据治理模块根据关联的设备采集点，将原始数据信息映射关联到的设备数据模型中，进行初步的清洗和分析。

作为一种示例，建立模块504还可以用于：基于字段属性的权值参数和/或字段属性之间的偏差值，调整原始数据模型；基于调整后的原始数据模型，采用原始数据模型的相关字段建立运算规则。

作为一种示例，建立模型504还可以用于：基于调整后的原始数据模型，建立运算表达式，其中，运算表达式的等号右边均为原始数据模型的字段或由原始数据模型字段定义而来的中间字段，运算表达式的等号左边均为可得出运算结果的数据；根据需要分析的实际特征值对运算结果影响程度的大小，调整响应特征值的回归系数，以得到运算规则。

作为一种示例，生成模块505还可以用于：基于原始工业数据和运算规则，结合与数据模型关联的预测函数，生成第一工业设备的预测分析结果。

作为一种示例，生成模块505还可以用于：将运算规则与原始工业数据进行关联；基于运算规则与原始工业数据之间的关联关系，生成定时任务，并基于定时任务运行对应的运行规则；获取运行规则的运行结果，并基于与数据模型关联的预测函数对运算结果进行分析，获得第一工业设备的预测分析结果。

作为一种示例，生成模块505还可以用于：将数据输出模型，将原始工业数据、预测分析结果进行关联对照；将关联对照的记录进行保存；基于服务调用接口获取到数据请求，从保存的关联对照的记录中获取对应的数据进行输出。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

根据本公开的实施例，本公开还提供了一种电子设备和一种非瞬时计算机可读存储介质。

图6是根据本公开实施例提供的一种电子设备的框图。如图6所示，电子设备600可以包括：处理器、存储器电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。

存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的基于工业互联网平台的数据处理方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的基于工业互联网平台的数据处理方法。

存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中基于工业互联网平台的数据处理方法对应的程序指令/模块(例如，图5所示的包括确定模块501，同步模块502、数据采集模块503、建立模块504以及生成模块505)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的基于工业互联网平台的数据处理方法。

存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据基于工业互联网平台的数据处理方法的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至基于工业互联网平台的数据处理方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

基于工业互联网平台的数据处理方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置603可接收输入的数字或字符信息，以及产生与基于工业互联网平台的数据处理方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。

输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

本公开还提供一种计算机程序产品，该计算机程序产品被计算机执行时实现上述任一方法实施例的功能。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。