一种基于工业现场数据的物联网监督系统技术方案

本发明专利技术公开了一种基于工业现场数据的物联网监督系统，包括：数据收集模块，用于收集工业现场数据并进行预处理，将预处理得到的精准的工业现场数据存储到数据库中；异常检测模块，用于检测工业现场数据中的异常数据，获取数据库中的工业现场数据，物联网监督系统将工业现场数据进行分类处理，检测工业产品在加工过程中存在的异常状态；监督定位模块，用于定位异常数据，通过预设混淆矩阵与评价指标查找工业现场数据中的异常变量并进行输出，并定位异常变量在工业现场数据中的所属类别；问题推测模块，用于对工业产品存在的质量问题进行推测，通过产品抽检对工业产品进行质检并由在线评审专家对产品参数进行评选

【技术实现步骤摘要】
一种基于工业现场数据的物联网监督系统


[0001]本专利技术涉及物联网数据监督技术，具体涉及一种基于工业现场数据的物联网监督系统
。

技术介绍

[0002]在现代的工业流程中，建立准确可靠的工业现场数据在早期规划中起着至关重要的作用
。
性能与质量是提供有工业现场数据的关键问题，随着工业生产的发展，使用某些事件的概率较低或者受物理限制导致部分数据的获取成本较高，导致工业现场数据的收集出现匮乏的问题，严重制约了数据获取的成本的问题
。
工业产品的质量监督在工业生产的过程中是一项非常重要的流程，在工业生产中，通过传感器
、
工业软件
、
信息技术能获取许多与质量相关的数据，通过充分利用这些信息可以有效的在生产过程中遇到的问题进行及时预警，降低不良产品的比例，并避免加工原材料的浪费，从而提高产品的收益，在制造的过程中，随着材料
、
装配
、
加工工序等数据的改变，并由于受制造设备
、
生产环境等各种因素的影响，都会产生不同的产品质量问题，所以需要使用一种机器学习的方式通过工业现场数据检测工业产品在加工过程中产生的异常
。
[0003]申请号为：
CN202211267230.5
的专利技术公开了一种基于区块链的工业互联网数据安全管控系统，工业数据输入模块
、
工业数据加密模块
、
区块链服务器上传模块和数据备份保护模块，工业数据输入模块用于：将所需保护的工业数据依次输入至电脑内部，并根据工厂内的实际使用环境进行分类，然后将分类后的数据整合为一体文件
。
[0004]但是，上述现有技术中，在工业数据的收集过程中未进行预处理，因此对数据分类不能达到准确性，以及工业数据的安全问题并不能得到良好的保障，且在工业数据出现异常的情况下不能准确的监测出来并进行定位
。
[0005]为了解决这一问题，本专利技术提出了一种基于工业现场数据的物联网监督系统
。

技术实现思路

[0006]本专利技术提供一种基于工业现场数据的物联网监督系统，对工业现场数据进行收集，并对异常数据进行监测，定位异常数据的类别，最终进行数据加密，提高了数据操作的准确性与可靠性，以解决现有技术中存在的上述问题
。
[0007]一种基于工业现场数据的物联网监督系统，其特征在于，包括：
[0008]数据收集模块，用于收集工业现场数据并进行预处理，将预处理得到的精准的工业现场数据存储到数据库中；
[0009]异常检测模块，用于检测工业现场数据中的异常数据，获取数据库中的工业现场数据，物联网监督系统将工业现场数据进行分类处理，检测工业产品在加工过程中存在的异常状态；
[0010]监督定位模块，用于定位异常数据，通过预设混淆矩阵与评价指标查找工业现场数据中的异常变量并进行输出，定位异常变量在工业现场数据中的所属类别；
[0011]问题推测模块，用于对工业产品存在的质量问题进行推测，通过产品抽检对工业产品进行质检并由在线评审专家对产品参数进行评选
。
[0012]优选的，所述数据收集模块，包括：
[0013]数据学习单元，用于对工业现场数据进行训练，构建集成学习模型，获取由物联网监督系统收集的工业现场数据，在集成学习模型中预设有若干个不同类型的学习器，工业现场数据使用对应类型的个体学习器进行训练，训练内容包括弥补工业现场数据由于测量不准带来的误差，最终得到训练后的数据集；
[0014]样本生成单元，用于检测并解决数据集的质量问题，获取集成学习模型中的数据集作为样本，计算样本中信息的特征分布，根据特征分布对数据集进行数据扩充，数据扩充包括检测学习模型并解决内部数据集中存在的质量问题，最终将检测符合特征条件的工业现场数据形成验证集存储到物联网监督系统的数据库中
。
[0015]优选的，所述样本生成单元，包括：
[0016]数据确定子单元，用于确定验证集的生成方法，构建样本生成模型，获取集成学习模型中的数据集，根据数据集的特征分布在样本生成模型中预设对应的验证集生成方法，使用生成方法生成验证集；
[0017]数据评价子单元，用于对样本生成模型进行性能差异评价，确定样本生成模型所需的验证集并预设评价规则，使用数据扩充的方式对样本生成模型的作用效果以及验证集生成方法进行完善，使用评价规则对样本生成模型进行性能差异评价，根据评价结果将验证集中标准的工业现场数据存储到数据库中
。
[0018]优选的，所述异常检测模块，包括：
[0019]数据分类单元，用于对工业现场数据进行分类，获取数据库中的工业现场数据，物联网监督系统将工业现场数据进行分类并通过定义不同的标签对不同的数据类型使用编码进行唯一标识，数据类型包括壳体上料
、
产品装配
、
组件上料以及产品喷涂；
[0020]离线训练单元，用于构建不同类型工业现场数据的模型，对工业现场数据进行离线训练，根据唯一标识获取每种不同类型的工业现场数据作为训练样本数据；构建工业产品在生产过程中由训练样本数据组成的物联网模型，物联网模型根据数据类型的不同包括壳体上料子模型
、
装配子模型
、
组件上料子模型以及喷涂子模型
。
[0021]优选的，所述异常检测模块，还包括：
[0022]在线监测单元，用于对工业产品加工过程中产生的工业现场数据进行实时处理，收集工业产品在加工过程中产生的实时工业数据作为过程样本，在工业产品加工过程中每完成一道工序，则将加工过程中产生的过程样本数据输入到物联网模型中与训练样本数据进行对比计算；
[0023]异常计算单元，用于监测物联网模型中的异常变量，获取物联网模型的对比计算结果，预设物联网模型的偏差阈值，当计算的偏差大于偏差阈值时，则判定当前工业产品在加工过程中出现异常并发出异常信号；物联网监督系统接收异常信号后，对物联网模型中的每个子模型中的变量进行异常权值计算，权值最大的则为异常变量，并将异常变量进行输出
。
[0024]优选的，所述监督定位模块，包括：
[0025]矩阵监测单元，用于预设混淆矩阵对物联网模型的计算效率进行评估，混淆矩阵
包括真阳性
、
真阴性
、
假阳性以及假阴性；
[0026]指标计算单元，用于预设评价指标衡量物联网模型的监测能力，评价指标包括召回率
、
准确率以及误判率；召回率为定义物联网模型的加工出现异常的次数与实际加工异常出现的次数的比值；准确率为定义物联网模型中检测结果正确的样本占样本总数的比值；误报率为定义物联网模型误判加工异常的次数与实际正常运行次数的比值；
[0027]异常定位单元，用于定位出现异常的具体工业现场数据所属类别
。
[0028]优选的，所述异常本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于工业现场数据的物联网监督系统，其特征在于，包括：数据收集模块，用于收集工业现场数据并进行预处理，将预处理得到的精准的工业现场数据存储到数据库中；异常检测模块，用于检测工业现场数据中的异常数据，获取数据库中的工业现场数据，物联网监督系统将工业现场数据进行分类处理，检测工业产品在加工过程中存在的异常状态；监督定位模块，用于定位异常数据，通过预设混淆矩阵与评价指标查找工业现场数据中的异常变量并进行输出，定位异常变量在工业现场数据中的所属类别；问题推测模块，用于对工业产品存在的质量问题进行推测，通过产品抽检对工业产品进行质检并由在线评审专家对产品参数进行评选
。2.
根据权利要求1所述的一种基于工业现场数据的物联网监督系统，其特征在于，所述数据收集模块，包括：数据学习单元，用于对工业现场数据进行训练，构建集成学习模型，获取由物联网监督系统收集的工业现场数据，在集成学习模型中预设有若干个不同类型的学习器，工业现场数据使用对应类型的个体学习器进行训练，训练内容包括弥补工业现场数据由于测量不准带来的误差，最终得到训练后的数据集；样本生成单元，用于检测并解决数据集的质量问题，获取集成学习模型中的数据集作为样本，计算样本中信息的特征分布，根据特征分布对数据集进行数据扩充，数据扩充包括检测学习模型并解决内部数据集中存在的质量问题，最终将检测符合特征条件的工业现场数据形成验证集存储到物联网监督系统的数据库中
。3.
根据权利要求2所述的一种基于工业现场数据的物联网监督系统，其特征在于，所述样本生成单元，包括：数据确定子单元，用于确定验证集的生成方法，构建样本生成模型，获取集成学习模型中的数据集，根据数据集的特征分布在样本生成模型中预设对应的验证集生成方法，使用生成方法生成验证集；数据评价子单元，用于对样本生成模型进行性能差异评价，确定样本生成模型所需的验证集并预设评价规则，使用数据扩充的方式对样本生成模型的作用效果以及验证集生成方法进行完善，使用评价规则对样本生成模型进行性能差异评价，根据评价结果将验证集中标准的工业现场数据存储到数据库中
。4.
根据权利要求1所述的一种基于工业现场数据的物联网监督系统，其特征在于，所述异常检测模块，包括：数据分类单元，用于对工业现场数据进行分类，获取数据库中的工业现场数据，物联网监督系统将工业现场数据进行分类并通过定义不同的标签对不同的数据类型使用编码进行唯一标识，数据类型包括壳体上料
、
产品装配
、
组件上料以及产品喷涂；离线训练单元，用于构建不同类型工业现场数据的模型，对工业现场数据进行离线训练，根据唯一标识获取每种不同类型的工业现场数据作为训练样本数据；构建工业产品在生产过程中由训练样本数据组成的物联网模型，物联网模型根据数据类型的不同包括壳体上料子模型
、
装配子模型
、
组件上料子模型以及喷涂子模型
。5.
根据权利要求1所述的一种基于工业现场数据的物联网监督系统，其特征在于，所述
异常检测模块，还包括：在线监测单元，用于对工业产品加工过程中产生的工业现场数据进行实时处理，收集工业产品在加工过程中产生的实时工业数据作为过程样本，在工业产品加工过程中每完成一道工序，则将加工过程中产生的过程样本数据输入到物联网模型中与训练样本数据进行对比计算；异常计算单元，用于监测物联网模型中的异常变量，获取物联网模型的对比计算结果，预设物联网模型的偏差阈值，当计算的偏差大于偏差阈值时，则判定当前工业产品在加工过程中出现异常并发出异常信号；物联网监督系统接收异常信号后，对物联网模型中的每个子模型中的变量进行异常权值计算，权值最大的则为异常变量，并将异常变量进行输出
。6.
根据权利要求1所述的一种基于工业现场数据的物联网监督系统，其特征在于，所述监督定位模块，包括：矩阵监测单元，用于预设混淆矩阵对...

【专利技术属性】
技术研发人员：王志秦，叶双，张雅静，
申请(专利权)人：唐山学院，
类型：发明
国别省市：