【技术实现步骤摘要】
本专利技术涉及数据管理，具体为一种基于边缘计算的物联网数据管理系统及方法。
技术介绍
1、物联网技术已经在各行各业取得了广泛应用，为设备之间的信息交互提供了巨大的潜力；然而，传统的集中式数据管理方法在大规模、高密度的物联网环境中可能面临诸多挑战，包括数据延迟、网络瓶颈和隐私安全等问题，边缘计算技术应运而生，为解决这些问题提供了一种新的方法。
2、边缘计算是一种将计算能力推向网络边缘的模式，将处理数据的重要任务从传统的云计算中心转移到靠近数据源的边缘设备上；这种技术可以降低数据传输延迟，提高系统的响应速度，特别是在对实时性要求较高的物联网应用场景。
3、在工业生产中不可避免会出现生产设备故障的情况，对于出现故障时生产设备正在加工的产品的处理问题，现有技术通常通过舍弃这批产品或依赖人工判断是否可以继续加工；然而，直接舍弃产品会导致原材料和生产成本的浪费，对企业造成经济损失，依赖人工判断是否可以继续加工不仅会增加生产过程中的不确定性，还会容易出现主观偏差，从而降低生产效率。
技术实现思路
1、本专利技术的目的在于提供一种基于边缘计算的物联网数据管理系统及方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：
3、一种基于边缘计算的物联网数据管理方法，方法包括以下步骤：
4、s100.获取选定时间段内的工业生产线的历史数据，根据每条生产线的生产设备的故障日志，对历史数据进行分类，并构建历史测
5、s200.根据历史测试数据库，在每一批次产品生产完成后，针对产品所在的生产线的生产设备进行故障风险评估，根据评估结果得到故障风险评分；
6、s300.根据每条生产线设备的故障日志，结合故障风险评分进行故障风险等级划分；获取每一故障风险等级的历史测试数据，计算相应的产品质量评分，从而得到故障风险等级对应的产品保留率；
7、s400.获取每条生产线的实时数据，在每一批次产品生产完成后，对生产线上的生产设备都计算相应的实时故障风险评分；根据实时故障风险评分得到实时故障风险等级，结合产品保留率，输出相应的提示信息，进行分析和处理。
8、进一步的，步骤s100包括：
9、s101.所述历史数据包括生产设备运行数据、生产数据以及环境数据；所述生产设备运行数据包括运行时间以及设备运行相关的传感器数据；所述生产数据包括生产产品的数量、质量数据，以及生产过程中的生产参数，例如生产速度、生产压力等；所述故障日志包括生产设备维护记录和故障数据；所述故障数据包括故障类型和故障发生的时间点；
10、s102.针对每条工业生产线的历史数据，根据生产批次进行划分，将相同批次的历史数据归为一组，且一个生产批次指的是一批相同产品进行的一个完整流程的生产过程；根据每组历史数据对应的时间段，所述时间段是指一个生产批次从开始到结束的时间段；将故障日志的时间点与对应的时间段进行匹配，选择不含有故障日志时间点匹配的对应时间段的历史数据作为历史模板数据，选择剩下的历史数据作为历史测试数据，从而构建历史测试数据库。
11、进一步的，步骤s200包括：
12、s201.针对每条工业生产线，按照时间顺序，计算相应的历史模板数据与理想标准数据的相似度，且对于历史模板数据中包括的生产设备运行数据、生产数据以及环境数据，都分别计算相似度；从而得到相似度阈值区间q1，且q1＝[q1_min,q1_max]，其中q1_min和q1_max分别表示历史模板数据与理想标准数据的相似度的最小值和最大值；并获取相似度阈值区间中的所有取值，计算历史模板数据与理想标准数据的相似度平均值μ；
13、s202.获取历史测试数据，在每一批次产品生产完成后，计算相应的历史测试数据与理想标准数据的相似度，且对于历史测试数据中包括的生产设备运行数据、生产数据以及环境数据，都分别计算相似度；分析每个批次对应的生产设备的故障风险，得到故障风险评分g，具体的计算公式为：
14、
15、其中，α、β以及γ分别表示历史测试数据中的生产设备运行数据、生产数据以及环境数据的评分参数；p表示历史测试数据中的生产设备运行数据与理想标准数据的相似度；r表示历史测试数据中生产数据与理想标准数据的相似度；e表示历史测试数据中的环境数据与理想标准数据的相似度；μ1、μ2以及μ3分别表示历史模板数据中的生产设备运行数据、生产数据以及环境数据对应的阈值区间q1的平均值；q11_min、q12_min以及q13_min分别表示历史模板数据中的生产设备运行数据、生产数据以及环境数据对应的阈值区间q1的最小值；q11_max、q12_max以及q13_max分别表示历史模板数据中的生产设备运行数据、生产数据以及环境数据对应的阈值区间q1的最大值；σ表示误差因子。
16、由上述故障风险评分g的计算公式可知，p表示历史测试数据中的生产设备运行数据与理想标准数据的相似度；r表示历史测试数据中生产数据与理想标准数据的相似度；e表示历史测试数据中的环境数据与理想标准数据的相似度；分别计算p、r以及e与历史模板数据中相应的阈值区间q1的平均值的偏差值，偏差值越大说明设备故障风险越高，所以故障风险评分g越大，故障风险越高。
17、进一步的，步骤s300包括：
18、s301.获取每条生产线的每个批次的历史测试数据匹配的故障时间点，在相应生产线的生产设备的故障日志查找故障记录，得到生产设备故障发生的次数、故障持续时间段以及故障类型；计算故障等级指数z，计算公式为：
19、
20、其中，w表示生产设备故障发生的次数，t表示故障持续时间段，f表示故障类型系数；故障等级指数z是用来评估生产设备的可靠性和稳定性的指标，且上述计算公式中包含了三个参数，即生产设备故障发生的次数w、故障持续时间段t和故障类型系数f；生产设备故障发生的次数w越多，说明设备的故障率越高，可靠性越低；故障持续时间段t表示设备发生故障后需要维修的时间，持续时间越长则设备的可用性越低；故障类型系数f用于考虑不同类型故障的不同影响程度，不同类型的故障对于设备的影响程度不同，因此f取值与具体的故障类型有关；因此故障等级指数越大，对应的设备可靠性和稳定性就越低，也就是设备故障风险也越高。
21、根据上述计算同一条生产线的所有故障等级指数，并根据故障等级指数划分故障风险等级，且故障风险等级的个数等于故障等级指数的个数；将故障等级指数按照从大到小的顺序排列，依次进行数据编号；根据每个批次的历史测试数据匹配的故障时间点，将故障风险评分与对应的故障等级指数进行对应，根据故障等级指数的数据编号得到故障风险等级；
22、s302.针对相同生产线不同批次的历史测试数据中的产品质量数据，将产品质量数据与产品的生产标准进行对比，计算相应的产品质量评分l，计算公式为：
23、
24、其中，li本文档来自技高网...
【技术保护点】
1.一种基于边缘计算的物联网数据管理方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的一种基于边缘计算的物联网数据管理方法，其特征在于：所述步骤S100包括：
3.根据权利要求1所述的一种基于边缘计算的物联网数据管理方法，其特征在于：所述步骤S200包括：
4.根据权利要求1所述的一种基于边缘计算的物联网数据管理方法，其特征在于：所述步骤S300包括：
5.根据权利要求1所述的一种基于边缘计算的物联网数据管理方法，其特征在于：所述步骤S400包括：
6.一种基于边缘计算的物联网数据管理系统，应用于权利要求1-5中任一项所述的一种基于边缘计算的物联网数据管理方法，其特征在于：所述系统包括：数据获取模块、历史数据分类模块、故障风险评估模块、故障风险等级划分模块以及实时故障风险评估模块；
7.根据权利要求6所述的一种基于边缘计算的物联网数据管理系统，其特征在于：所述数据获取模块包括历史数据获取单元和实时数据获取单元；
8.根据权利要求6所述的一种基于边缘计算的物联网数据管理系统，其特征在
9.根据权利要求6所述的一种基于边缘计算的物联网数据管理系统，其特征在于：所述故障风险等级划分模块包括等级指数计算单元、风险等级划分单元以及产品保留率计算单元；
10.根据权利要求9所述的一种基于边缘计算的物联网数据管理系统，其特征在于：所述实时故障风险评估模块包括实时故障风险评估单元和匹配与输出单元；
...【技术特征摘要】
1.一种基于边缘计算的物联网数据管理方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的一种基于边缘计算的物联网数据管理方法，其特征在于：所述步骤s100包括：
3.根据权利要求1所述的一种基于边缘计算的物联网数据管理方法，其特征在于：所述步骤s200包括：
4.根据权利要求1所述的一种基于边缘计算的物联网数据管理方法，其特征在于：所述步骤s300包括：
5.根据权利要求1所述的一种基于边缘计算的物联网数据管理方法，其特征在于：所述步骤s400包括：
6.一种基于边缘计算的物联网数据管理系统，应用于权利要求1-5中任一项所述的一种基于边缘计算的物联网数据管理方法，其特征在于：所述系统包括：数据获取模块、历史数据分...
【专利技术属性】
技术研发人员：朱荣辉，
申请(专利权)人：珠海爱浦京软件股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。