[发明专利]一种智能工厂异常数据处理方法、装置、系统及存储介质

说明书

本申请提供一种智能工厂异常数据处理方法、装置、系统及存储介质所述方法包括：实时获取关键参数；依据历史数据建立关键参数的数据关联模型；依据所述数据关联模型以及关键参数的逻辑关系建立业务模型；依据所述业务模型及关键参数的实时关联参数，计算并输出关键参数的实时的补偿或修正数据。一方面，数据关联模型的建立实现了关键参数与关联参数的计算关系建立；另一方面，业务模型的建立，能够更加符合工业现场的实际情况，使得补偿或修正数据的计算结果更加贴合关键参数的实际数值；最后，由于输出的是补偿或修正数据，实现了对关键参数的实时修正，在智能工厂的异常数据处理过程中，保证了参与计算的数据的准确性、连续性与实时性。

技术领域

本申请涉及异常数据采集技术领域，尤其是涉及一种智能工厂异常数据处理方法、装置、系统及存储介质。

背景技术

智能工厂作为未来发展的主流，其主要实现了对工厂数据资产的合理利用。在智能工厂落地的过程中，需要采集工厂中各工艺流程的数据。然而，任何对数据的分析过程，均需要保证数据的准确性与实时性，这将直接关系到过程控制是否能实现自动化、智能化，以及大数据分析与挖掘的基础条件是否可靠。

在实际工业生产过程中，大多通过仪表升级、优化工艺管理等方式提高数据的准确性和实时性，一旦数据异常工况出现，如数据突变、数据缺失或中断、数据不匹配等，异常的数据仍会导致数据处理与计算的过程不可信，无论是工厂的自动化、智能化还是大数据的应用，均受到影响，一方面降低了智能工厂数据资源应用能效，另一方面也影响了智能工厂的智能化落地。

发明内容

为了提高智能工厂异常数据的可靠性，本申请目的是提供一种智能工厂异常数据处理方法、装置、系统及存储介质。

第一方面，本申请提供一种智能工厂异常数据处理方法，其特征在于，包括：

实时获取关键参数；

依据历史数据建立关键参数的数据关联模型；

依据所述数据关联模型以及关键参数的逻辑关系建立业务模型；

依据所述业务模型及关键参数的实时关联参数，计算并输出关键参数的实时的补偿或修正数据。

通过采用上述技术方案，一方面，数据关联模型的建立实现了关键参数与关联参数的计算关系建立；另一方面，业务模型的建立，能够更加符合工业现场的实际情况，使得补偿或修正数据的计算结果更加贴合关键参数的实际数值；最后，由于输出的是补偿或修正数据，实现了对关键参数的异常值的实时修正，在智能工厂的异常数据处理过程中，保证了参与计算的数据的准确性、连续性与实时性。

在一个优选的可实施方案中，获取关键参数的方法包括：

实时获取工艺参数；

当所述工艺参数与预设流程规则不同时，将所述工艺参数作为所述关键参数。

通过采用上述技术方案，通过对比实时的工艺参数与流程规则，实现了对每一工艺参数的实时分析，当工艺参数出现异常时，则将工艺参数作为关键参数计算相应的补偿或修正数据。这一对工艺参数的实时计算过程摆脱了对其余智能控制系统的数据依赖，自主的从工艺参数中获取关键参数。

在一个优选的可实施方案中，获取关键参数的方法包括：

获取与工艺参数匹配的报警信息或操作信息，当报警信息或操作信息存在时，将所述工艺参数作为所述关键参数；

所述报警信息为智能系统中依据所述工艺参数自动输出的报警信息；

所述操作信息为人为输入的表征对应工艺参数异常的操作指令。

通过采用上述技术方案，报警信息与操作信息可直接明确关键参数，节约了从工艺参数中选取关键参数的步骤和时间，不但提高了关键参数获取的速度，同时，也提高了由关键参数计算补偿或修正数据的灵活性。