工业互联网设备数据模型开发系统及其开发方法技术方案

本发明专利技术提供了一种工业互联网设备数据模型开发系统及其开发方法，数据模型开发系统包括模型开发平台，模型开发平台用于接收数据对象。还包括预处理模块、训练模块、模型实例库、应用部署模块。预处理模块将数据对象预处理为满足预设规则的训练样本数据。训练模块生成待训练模型；训练模块接收训练样本数据，并使用训练样本数据对待训练模型进行训练，得到满足目标条件的目标模型。模型实例库与训练模块连接，以接收并存储目标模型。应用部署模块从模型实例库中选取满足预设应用条件的目标模型，并部署满足预设应用条件的目标模型处理目标任务。使现场运营人员能够依据目标模型，对故障进行预测。能够沉淀转换成资产。提高效率。提高效率。提高效率。

【技术实现步骤摘要】
工业互联网设备数据模型开发系统及其开发方法


[0001]本专利技术涉及工业互联网
，尤其涉及一种工业互联网设备数据模型开发系统及其开发方法。

技术介绍

[0002]在由工业互联网设备组成的工业互联网的运行过程中，无论工业互联网设备的正常运行或非正常运行，都会产生大量的数据对象，每个数据对象中均包含有外部实体、事物、偶发事件或事件、角色、组织单位、地点或结构等工业数据。这些数据对象内容丰富，但质量残次不齐和结构复杂，数据存储、处理、计算难度大。目前对这些数据对象进行管理过程中，存在如下问题：现场运营人员对故障预测靠经验实施，没数据科学依据；解决方案无法沉淀转换成资产，导致经验流失严重；企业整体运营信息分散管理，存在数据到辅助决策信息转化周期长，效率低等问题。

技术实现思路

[0003]本专利技术提供了一种工业互联网设备数据模型开发系统及其开发方法，以实现对不同数据对象的管理，生成不同的目标模型，对目标模型进行存储和调取应用，使现场运营人员能够依据目标模型，对故障进行预测，具有数据科学依据；还使解决方案能够沉淀转换成资产，防止经验流失；且还能够对企业整体运营工业互联网产生的数据对象进行集中管理，缩短数据到辅助决策信息转化周期，提高效率。
[0004]第一方面，本专利技术提供了一种工业互联网设备数据模型开发系统，该数据模型开发系统包括模型开发平台，模型开发平台用于接收采集于工业互联网设备的数据对象。该数据模型开发系统还包括均嵌设在模型开发平台内的预处理模块、训练模块、模型实例库、应用部署模块。其中，预处理模块用于将数据对象预处理为满足预设规则的训练样本数据。训练模块用于生成待训练模型；且训练模块与预处理模型连接，以接收训练样本数据，并使用训练样本数据对待训练模型进行训练，得到满足目标条件的目标模型。模型实例库与训练模块连接，以接收并存储目标模型。应用部署模块与模型实例库连接，用于从模型实例库中选取满足预设应用条件的目标模型，并部署满足预设应用条件的目标模型处理目标任务。
[0005]在上述的方案中，通过模型开发平台，能够收集各种类型的数据对象；通过预处理模型，能够对不同类型的数据对象预处理为均符合预设规则的训练样本数据，从而能够使用不同来源的数据对象对待训练模型训练得到目标模型，以实现对不同数据对象的管理，生成不同的目标模型，对目标模型进行存储和调取应用，使现场运营人员能够依据目标模型，对故障进行预测，具有数据科学依据。还使解决方案能够沉淀转换成资产，防止经验流失。且还能够对企业整体运营工业互联网产生的数据对象进行集中管理，使得数据模型构建更为便利，可以更加直接调用模型以及更加直观查阅数据模型各个环节所表征的意义，调用方法简单快速，从而缩短数据到辅助决策信息转化周期，提高效率。
[0006]在一个具体的实施方式中，预处理模块包括：重命名组件、与重命名组件连接的并集组件、自定义特征组件、第一自定义过滤组件。其中，重命名组件用于对模型开发平台所接收的每个数据对象进行重命名。并集组件用于将重命名后的所有数据对象合并到同一数据表中。自定义特征组件用于设定预设规则。第一自定义过滤组件用于按照预设规则，过滤数据表中的每个数据对象，以识别出数据表中所有满足预设规则的数据对象，并将部分满足预设规则的数据对象定义为训练样本数据。以便于对不同类型的数据对象预处理为均满足预设规则的样本训练数据。
[0007]在一个具体的实施方式中，预处理模块还包括执行结果可视化模块，执行结果可视化模块用于显示所有的训练样本数据。以便于使用者观察预处理进度和效果。
[0008]在一个具体的实施方式中，训练模块包括梯度提升树分类组件、训练模型组件、与训练模型组件连接的第一二分类评估器。其中，梯度提升树分类组件用于生成待训练模型。训练模型组件与梯度提升树分类组件连接，以接收梯度提升树分类组件生成的待训练模型；且训练模型组件还与第一自定义过滤组件连接，以接收训练样本数据，并针对每个训练样本数据生成预测结果。第一二分类评估器用于生成第一分类结果，第一分类结果包括训练模型组件所接收的每个训练样本数据为正样本还是负样本。且梯度提升树分类组件还根据每个训练样本数据对应的第一分类结果和预测结果，修改待训练模型，并将修改后模型传送给训练模型组件继续训练，直到参与训练的训练样本数据量达到阈值量，使训练模型组件输出训练完成后模型为止。以便于将待训练模型训练成目标模型。
[0009]在一个具体的实施方式中，该数据模型开发系统还包括：与训练模型组件连接的测试模块，测试模块用于测试训练模型组件输出的训练完成后模型是否满足目标条件。以便于将验证训练模型组件在一轮训练后得到的训练完成后模型是否为目标模型。
[0010]在一个具体的实施方式中，第一自定义过滤组件还用于将所有满足预设规则的数据对象中除训练样本数据外的其他数据对象定义为测试样本数据。测试模块包括：应用模型组件、以及与应用模型组件连接的第二二分类评估器。其中，应用模型组件与训练模型组件连接，以接收训练模型组件输出的训练完成后模型；且应用模块组件还与第一自定义过滤组件连接，以接收测试样本数据，并针对每个测试样本数据生成测试结果。第二二分类评估器用于生成第二分类结果，第二分类结果包括应用模型组件所接收的每个测试样本数据为正样本还是负样本。简化测试模块，便于验证训练模型组件在一轮训练后得到的训练完成后模型是否为目标模型。
[0011]在一个具体的实施方式中，测试模块还包括：Float类型转换组件、第二自定义过滤组件。其中，Float类型转换组件与应用模型组件连接，以将应用模型组件针对每个测试样本数据生成的测试结果、和第二二分类评估器针对每个测试样本数据生成的第二分类结果，从string格式转为float格式。第二自定义过滤组件与Float类型转换组件连接，以接收应用模型组件针对每个测试样本数据生成的测试结果、和第二二分类评估器针对每个测试样本数据生成的第二分类结果。第二自定义过滤组件还用于将所有的测试样本数据过滤出第一过滤类型和第二过滤类型；其中，第一过滤类型中的每个测试样本数据对应的测试结果和第二分类结果一致，第二过滤类型中的每个测试样本数据对应的测试结果和第二分类结果不一致。第二自定义过滤组件还用于生成目标条件，根据第一过滤类型和第二过滤类型的数量，判断训练完成后模型是否满足目标条件。简化测试模块，便于准确的判断训练模
型组件一轮训练后生成的训练完成后模型是否满足目标条件。
[0012]在一个具体的实施方式中，第二自定义过滤组件还用于在判断训练完成后模型满足目标条件时，则将训练完成后模型确认为目标模型，并将目标模型传输给模型实例库。第二自定义过滤组件还用于在判断训练完成后模型不满足目标条件时，将则将训练完成后模型传输给训练模型组件继续训练，直到判断训练完成后模型满足目标条件为止。简化测试模块，同时便于使训练模型组件能够最终生成满足目标条件的目标模型。
[0013]在一个具体的实施方式中，模型实例库中设置有权限设置模块，权限设置模块用于接收设置指令，并按照设置指令，设置针对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业互联网设备数据模型开发系统，其特征在于，包括：模型开发平台，用于接收采集于工业互联网设备的数据对象；嵌设在所述模型开发平台内的预处理模块，所述预处理模块用于将所述数据对象预处理为满足预设规则的训练样本数据；嵌设在所述模型开发平台内的训练模块，所述训练模块用于生成待训练模型；且所述训练模块与所述预处理模型连接，以接收所述训练样本数据，并使用所述训练样本数据对所述待训练模型进行训练，得到满足目标条件的目标模型；嵌设在所述模型开发平台内的模型实例库，且所述模型实例库与所述训练模块连接，以接收并存储所述目标模型；嵌设在所述模型开发平台内且与所述模型实例库连接的应用部署模块，所述应用部署模块用于从所述模型实例库中选取满足预设应用条件的目标模型，并部署所述满足预设应用条件的目标模型处理目标任务。2.如权利要求1所述的数据模型开发系统，其特征在于，所述预处理模块包括：重命名组件，用于对所述模型开发平台所接收的每个数据对象进行重命名；与所述重命名组件连接的并集组件，所述并集组件用于将重命名后的所有数据对象合并到同一数据表中；自定义特征组件，用于设定所述预设规则；第一自定义过滤组件，用于按照所述预设规则，过滤所述数据表中的每个数据对象，以识别出所述数据表中所有满足所述预设规则的数据对象，并将部分满足所述预设规则的数据对象定义为训练样本数据。3.如权利要求2所述的数据模型开发系统，其特征在于，所述预处理模块还包括：执行结果可视化模块，用于显示所有的所述训练样本数据。4.如权利要求2所述的数据模型开发系统，其特征在于，所述训练模块包括：梯度提升树分类组件，用于生成所述待训练模型；训练模型组件，所述训练模型组件与所述梯度提升树分类组件连接，以接收所述梯度提升树分类组件生成的所述待训练模型；且所述训练模型组件还与所述第一自定义过滤组件连接，以接收所述训练样本数据，并针对每个训练样本数据生成预测结果；与所述训练模型组件连接的第一二分类评估器，所述第一二分类评估器用于生成第一分类结果，所述第一分类结果包括所述训练模型组件所接收的每个训练样本数据为正样本还是负样本；且所述梯度提升树分类组件还根据每个训练样本数据对应的所述第一分类结果和所述预测结果，修改所述待训练模型，并将修改后模型传送给所述训练模型组件继续训练，直到参与训练的训练样本数据量达到阈值量，使所述训练模型组件输出训练完成后模型为止。5.如权利要求4所述的数据模型开发系统，其特征在于，还包括：与所述训练模型组件连接的测试模块，所述测试模块用于测试所述训练模型组件输出的所述训练完成后模型是否满足所述目标条件。6.如权利要求5所述的数据模型开发系统，其特征在于，所述第一自定义过滤组件还用于将所有满足所述预设规则的数据对象中除所述训练样本数...

【专利技术属性】
技术研发人员：胡钢，陈超，沈航，陈志列，庞观士，林诗美，
申请(专利权)人：研祥智能科技股份有限公司，
类型：发明
国别省市：