基于边缘计算工控机的数据智能分发方法与流程

本发明涉及数据管理，具体是基于边缘计算工控机的数据智能分发方法。

背景技术：

1、随着工业信息化的快速发展，大量的数据在工业控制系统中生成和传输，传统的数据处理方法通常将数据发送到云端进行处理和分发，这种方式存在数据传输延迟高、网络带宽压力大等问题，影响了工业控制系统的实时性和效率，难以实现数据的快速、准确分发，且无法对数据分发表现进行合理分析判断并持续优化分发算法，以及不能准确评估针对分发算法的优化性能状况，智能化程度低；

2、针对上述的技术缺陷，现提出一种解决方案。

技术实现思路

1、本发明的目的在于提供基于边缘计算工控机的数据智能分发方法，解决了现有技术难以实现数据的快速、准确分发，且无法对数据分发表现进行合理分析判断并持续优化分发算法，以及不能准确评估针对分发算法的优化性能状况，智能化程度低的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、基于边缘计算工控机的数据智能分发方法，包括以下步骤：

4、步骤一、在工业控制系统的各个节点部署边缘计算工控机；

5、步骤二、通过边缘计算工控机实时采集工业控制系统中的数据，并对数据进行预处理以提取出关键信息；

6、步骤三、根据数据的类型、重要性和目标接收者，设计智能分发算法，将数据智能地分发到相应的接收端；

7、步骤四、边缘计算工控机与云端服务器协同工作，以进行数据的备份、同步和更新；

8、步骤五、通过监控和分析数据分发过程中的相应性能指标，对智能分发算法进行持续优化。

9、进一步的，在步骤二中，对数据进行预处理的具体操作过程如下：

10、数据清洗：在数据清洗过程中，边缘计算工控机对采集到的数据进行检查，去除由于设备故障和传输错误原因导致的异常值或缺失值；

11、格式转换：数据格式转换用于将采集到的原始数据转换为适合后续分析和处理的格式，包括将数据从原始格式转换为结构化格式；

12、标准化：标准化操作是将数据按照一定的规则进行缩放或转换，使得不同来源、不同量纲的数据能够在一个统一的尺度上进行比较和分析；

13、关键信息提取：边缘计算工控机利用相应的数据分析算法和模型，对预处理后的数据进行深入的分析和挖掘；关键信息的提取涉及设备故障预警、生产效率优化和产品质量控制。

14、进一步的，步骤三的具体过程如下：

15、深入了解数据的类型和特性，数据类型包括文本、图像、视频和音频，每种类型的数据都有其独特的处理方式和传输要求；其中，文本数据需要进行文本分析和关键词提取，视频数据需要进行压缩和转码以适应不同的接收设备；

16、评估数据的重要性，重要性根据数据的紧急程度、对业务的影响程度因素来衡量；其中，对于高重要性的数据，需要优先处理并确保其快速、准确地到达目标接收者，而对于低重要性的数据，则选择采取延迟传输或批量处理的分发策略；

17、明确目标接收者的特征和需求，目标接收者包括不同的用户群体、设备或系统，不同目标接收者具有不同的接收能力和处理需求；

18、设计智能分发算法，算法的设计综合考虑数据的类型、重要性和目标接收者的需求，以制定合适的分发策略；其中，对于高重要性且需要实时处理的数据，采用优先队列的方式进行处理，确保其能够优先传输到目标接收者，而对于低重要性且允许批量处理的数据，则采用缓存或批量传输的方式进行处理以提高传输效率。

19、进一步的，在设计智能分发算法时，智能分发算法还具备自适应性和可扩展性，智能分发算法需要根据实际情况进行自适应调整，且随着业务规模的扩大和接收者的增多，智能分发算法需要支持水平扩展以满足更高的分发需求；

20、并且，需要对设计的智能分发算法进行充分的测试和验证，通过模拟实际场景中的数据传输和分发过程，评估智能分发算法的准确性和效率，以及根据测试结果对智能分发算法进行迭代和优化以提高其性能和稳定性。

21、进一步的，在步骤五中，通过监控和分析数据分发过程中的相应性能指标，基于相应性能指标数据并通过性况评估分析以确定异检时段；设定检测周期，获取到检测周期内异检时段的数量并将其与检测时段的总数量进行比值计算得到分发异占值，并将检测周期内所有检测时段的分发检测值进行均值计算得到分发检况值，以及将检测周期内数值最大的分发检测值标记为分发检幅值，通过将分发异占值、分发检况值和分发检幅值进行数值计算的得到分发表现值，将分发表现值与预设分发表现阈值进行数值比较，若分发表现值超过预设分发表现阈值，则生成算法优化信号。

22、进一步的，性况评估分析的具体分析过程如下：

23、采集到相应检测时段的分发速度、成功率、错误率和延迟时间，通过将分发速度、成功率、错误率和延迟时间进行数值计算得到分发检测值，将分发检测值与预设分发检测阈值进行数值比较，若分发检测值超过预设分发检测阈值，则将对应检测时段标记为异检时段。

24、进一步的，若分发表现值未超过预设分发表现阈值，则通过比较原始数据和分发后接收到的数据来判断数据在传输过程中的丢失损坏程度以得到准确性异检值，以及通过用户满意度反馈监测分析以得到检测周期内的满意度检测值，将准确性异检值和满意度检测值，将准确性异检值和满意度检测值进行数值计算得到分发评析值，将分发评析值与预设分发评阈值进行数值比较，若分发评析值超过预设分发评析阈值，则生成算法优化信号。

25、进一步的，用户满意度反馈监测分析的具体分析过程如下：

26、获取到检测周期内产生的所有用户反馈信息，将每条用户反馈信息进行逐一语义识别，将包含负面含义的用户反馈信息标记为负馈信息，将检测周期内负馈信息的数量标记为负馈检测值，以及将负馈检测值与检测周期内产生的用户反馈信息总数量的比值标记为负馈检占值，通过将负馈检测值和负馈检占值进行数值计算得到满意度检测值。

27、进一步的，在生成算法优化信号后，采集到算法优化信号的生成时刻并将其标记为第一时刻，以及采集到开始进行算法优化的时刻并将其标记为第二时刻，将第二时刻与第一时刻之间的间隔时长标记为算法优化缓冲时长；

28、设定优化监测周期，将优化监测周期内的所有算法优化缓冲时长建立优缓集合，将优缓集合进行均值计算得到优缓检测值，且将优缓集合中的所有子集按照算法优化缓冲时长的数值由大到小的顺序进行排序，并将预设算法优化缓冲时长阈值插入至优缓集合中，且将优缓集合中位于预设算法优化缓冲时长阈值前面的子集数量标记为优缓低效值；

29、以及通过分析获取到算法优化表现值，将优缓检测值、优缓低效值和算法优化表现值进行数值计算得到算法优化评测值，将算法优化评测值与预设算法优化评测阈值进行数值比较，若算法优化评测值超过预设算法优化评测阈值，则生成算法优化评测不合格信号；若算法优化评测值未超过预设算法优化评测阈值，则生成算法优化评测合格信号。

30、进一步的，算法优化表现值的分析获取方法如下：

31、将第一时刻与相邻上一组算法优化完成时刻之间的间隔时长标记为算法优隔值，将算法优隔值与预设算法优隔阈值进行数值比较，若算法优隔值未超过预设算法优隔阈值，则将对应算法优隔值标记为优化低隔值，获取到优化监测周期内优化低隔值的数量并将其标记为算法优化表现值。

32、与现有技术相比，本发明的有益效果是：

33、1、本发明中，通过在工业控制系统的各个节点部署边缘计算工控机，边缘计算工控机实时采集工业控制系统中的数据并提取关键信息，根据数据的类型、重要性和目标接收者来设计智能分发算法，基于智能分发算法将数据智能地分发到相应的接收端，实现数据的快速、准确分发，为工业自动化、智能制造等领域提供有力的技术支持；

34、2、本发明中，通过监控和分析数据分发过程中的相应性能指标，对数据分发表现进行合理分析判断并持续优化分发算法，进一步保证数据分发的效率和准确性，且通过评估针对分发算法的优化性能状况以及时提醒管理人员进行原因调查分析并作出相匹配的管理措施，智能化程度高。