一种基于物联网和大数据分析的全闭环生产管理系统

摘要

本发明提供了一种基于物联网和大数据分析的全闭环生产管理系统，包括：数据中台构建模块，用于基于生产管理要求调用目标数据组件构建数据中台，并将数据中台与不同待管理系统进行对接；数据采集模块，用于基于对接结果根据数据中台接收不同待管理系统的生产运行数据，并对生产运行数据进行处理，得到对应的目标处理结果；数据应用模块，用于对目标处理结果进行数据挖掘，并基于挖掘结果对对应的待管理系统进行生产调控。通过数据中台对生产运行数据接收，消除系统与系统将强耦合的关联，对接收到的生产运行数据进行分析，挖掘其中有价值的数据，实现通过有价值的数据对不同待管理系统的生产过程进行调控，确保对各个生产环节进行准确有效的管理。

权利要求

1.一种基于物联网和大数据分析的全闭环生产管理系统，其特征在于，包括：

数据中台构建模块，用于基于生产管理要求调用目标数据组件构建数据中台，并将数据中台与不同待管理系统进行对接；

数据采集模块，用于基于对接结果根据数据中台接收不同待管理系统的生产运行数据，并对生产运行数据进行处理，得到对应的目标处理结果；

数据应用模块，用于对目标处理结果进行数据挖掘，并基于挖掘结果对对应的待管理系统进行生产调控；

所述数据应用模块，包括：

结果获取单元，用于获取处理后的生产运行数据，并基于数据中台接收不同待管理系统对生产运行数据的调用请求；

数据挖掘单元，用于对调用请求进行解析，确定调用请求中的检索关键词，并提取检索关键词对应的第一特征向量，同时，提取处理后的生产运行数据的第二特征向量，并将第一特征向量与第二特征向量进行匹配，得到初始调用数据集，且提取初始调用数据集各生产运行数据的属性值；

优化单元，用于基于预设价值评估模型对各生产运行数据的属性值进行分析，得到各生产运行数据对应的有效价值评估值，并基于有效价值评估值确定目标调用数据集，且将目标调用数据集经数据调用接口传输至对应的待管理系统进行生产调控；

其中，将目标调用数据集经数据调用接口传输至对应的待管理系统进行生产调控，包括：获取预设数据仓库中存储层接收到的初始生产运行数据的数据量，并基于初始生产运行数据的数据量计算预设数据仓库中应用层中保留的有价值生产运行数据的数据量，且基于有价值生产运行数据的数据量计算对待管理系统的生产调控效率，具体步骤包括：根据如下公式计算预设数据仓库中应用层中保留的有价值生产运行数据的数据量：

其中，m表示预设数据仓库中应用层中保留的有价值生产运行数据的数据量；M表示预设数据仓库中存储层接收到的初始生产运行数据的数据量；i表示当前对预设数据仓库中存储层接收到的初始生产运行数据进行筛选的次数，且取值范围为[1，n]；n表示需要对预设数据仓库中存储层接收到的初始生产运行数据进行筛选的总次数；Si表示第i次对生产运行数据剔除的数据量，且Si为整数；ki表示第i次对生产运行数据进行筛选时的误判率，且取值范围为(0.01，0.03)；ωi表示进行第i次筛选前生产运行数据的数据量；[·]表示取整函数，对ki*ωi的结果进行取整；

根据如下公式计算对待管理系统的生产调控效率：

其中，η表示对待管理系统的生产调控效率；μ表示误差因子，且取值范围为(0.02，

0.04)；T表示完成对待管理系统调控所需的预期时间长度值；γ表示待管理系统对有价值生产运行数据的调用比例，且取值范围为(0，1)；m表示预设数据仓库中应用层中保留的有价值生产运行数据的数据量；V表示待管理系统对预设数据仓库中应用层中保留的有价值生产运行数据的调用速率；

将计算得到的生产调控效率与预设阈值进行比较；

若计算得到的生产调控效率大于或等于预设阈值，判定基于数据中台对待管理系统的生产调控合格；

否则，判定基于数据中台对待管理系统的生产调控不合格，并提高待管理系统对数据中台中有价值生产运行数据的调用速率，直至计算得到的生产调控效率大于或等于预设阈值。

2.根据权利要求1所述的一种基于物联网和大数据分析的全闭环生产管理系统，其特征在于，所述数据中台构建模块，包括：结构分析单元，用于获取目标机构的结构图谱，并基于结构图谱确定目标机构包含的待管理系统集合，且分别提取待管理系统集合中各待管理系统的运行属性；

信息获取单元，用于基于运行属性确定各待管理系统的业务类型，并基于业务类型确定各待管理系统的生产管理要求；

数据中台构建单元，用于基于生产管理要求从预设组件库中匹配对应的目标数据组件，并基于待管理系统与目标数据组件的对应关系对目标数据组件进行标记，且基于标记结果根据预设数据组件组合逻辑对目标数据组件进行封装组合，得到最终的数据中台。

3.根据权利要求1所述的一种基于物联网和大数据分析的全闭环生产管理系统，其特征在于，所述数据中台构建模块，包括：中台配置单元，用于获取构建好的数据中台，并基于待管理系统的目标数量为数据中台分配对接端口，同时，获取待管理系统的配置参数，并基于配置参数对数据中台的对接端口进行适配；

对接关系确定单元，用于基于适配结果分别获取不同待管理系统的第一通讯地址和数据中台中不同对接端口的第二通讯地址，并为第一通讯地址和第二通讯地址的添加目标标识；

系统对接单元，用于基于目标标识确定第一通讯地址和第二通讯地址的对应关系，并基于对应关系将待管理系统与数据终端中对应的对接端口进行对接。

4.根据权利要求1所述的一种基于物联网和大数据分析的全闭环生产管理系统，其特征在于，所述数据采集模块，包括：数据推送类型分析单元，用于获取不同待管理系统与数据中台之间的交互模式，并基于交互模式确定不同待管理系统与数据中台之间的数据推送模式，其中，数据推送模式包括主动推送和非主动推送；

当数据推送模式为主动推送时，获取不同待管理系统的生产运行数据，并基于数据中台对待接收数据的目标规范格式对生产运行数据进行规范化处理，同时，将规范化处理后的生产运行数据在的预设数据仓库进行存储，并基于推送插件将存储后的生产运行数据推送至数据中台；

当数据推送模式为非主动推送时，获取不同待管理系统的生产运行数据，并将生产运行数据上传至消息中间件进行缓存，且当缓存结束后基于消息中间件将生产运行数据传输至数据中台。

5.根据权利要求1所述的一种基于物联网和大数据分析的全闭环生产管理系统，其特征在于，所述数据采集模块，包括：数据接收单元，用于基于数据中台接收不同待管理系统产生的生产运行数据，并提取不同生产运行数据的数据特征，且基于数据特征确定不同生产运行数据的实时性等级；

数据分类单元，用于基于实时性等级构建第一等级聚类中心以及第二等级聚类中心，并基于第一等级聚类中心以及第二等级聚类中心对得到的生产运行数据进行聚类，得到第一数据集和第二数据集；

数据处理单元，用于基于实时性等级确定对第一数据集和第二数据集的第一目标处理模式和第二目标处理模式，并分别基于第一目标处理模式和第二目标处理模式对对应的数据集进行处理，且将处理后的生产运行数据进行存储。

6.根据权利要求5所述的一种基于物联网和大数据分析的全闭环生产管理系统，其特征在于，所述数据处理单元，包括：数据获取子单元，用于获取接收到的生产运行数据，并提取生产运行数据的属性信息，且基于属性信息确定不同生产运行数据对应的时间戳；

数据分析子单元，用于基于时间戳确定在预设时间段内接收到的生产运行数据是否包含更新数据，并在包含更新数据时触发预设数据仓库中的存储层对更新数据进行第一存储，同时，基于存储结果向预设数据仓库中的明细层发送计算指令；

规整子单元，用于基于计算指令控制明细层对存储层中的原始数据进行第一统计以及对更新数据进行第二统计，并基于第一统计以及第二统计确定最新版完整数据，且对最新版完整数据进行第二存储。

7.根据权利要求6所述的一种基于物联网和大数据分析的全闭环生产管理系统，其特征在于，所述规整子单元，包括：数据处理子单元，用于获取存储层中的原始数据和更新数据，并确定对原始数据和更新数据的查验维度，且基于查验维度对原始数据和更新数据进行数据遍历，确定异常数据字段；

数据清洗子单元，用于确定异常数据字段的字段类型，并基于字段类型从预设数据清洗规则库中匹配目标数据清洗规则对异常数据字段进行清洗，得到标准原始数据以及标准更新数据；

数据规范子单元，用于获取数据中台对不同待管理系统的生产运行数据的规范标准，并基于规范标准对不同系统产生的标准原始数据以及标准更新数据进行格式转换，得到最终的最新版完整数据。

8.根据权利要求6所述的一种基于物联网和大数据分析的全闭环生产管理系统，其特征在于，所述规整子单元，包括：信息获取子单元，用于获取明细层中得到的最新版完整数据，同时，获取不同待管理系统对应的业务主体以及业务类型；

建模子单元，用于分别确定业务主体以及业务类型对应的筛选指标，并基于筛选指标分别进行第一建模和第二建模，得到第一模型和第二模型；

数据筛选子单元，用于基于第一模型和第二模型分别对获取到的最新版完整数据进行第一抽离和第二抽离，得到第一抽离数据集和第二抽离数据集，并基于业务主体以及业务类型对应的聚合指标分别对第一抽离数据集和第二抽离数据集进行聚合，且将聚合后的第一抽离数据集和第二抽离数据集在预设数据仓库中的聚合层进行第三存储。

9.根据权利要求8所述的一种基于物联网和大数据分析的全闭环生产管理系统，其特征在于，所述数据筛选子单元，包括：数据对接子单元，用于获取第三存储结果对应的生产运行数据，并提取生产运行数据的关键字段，且基于关键字段确定不同生产运行数据的数据维度；

业务维度获取子单元，用于获取不同待管理系统对应的业务维度，并将数据维度与业务维度进行匹配，且基于匹配结果确定不同生产运行数据与不同待管理系统的数据调用关系；

数据存储子单元，用于基于数据调用关系为不同待管理系统分配目标数据存储库，并将对应的生产运行数据在对应的目标数据存储库中进行第四存储，且基于存储结果将目标数据存储库的数据接口与对应待管理系统数据调用接口进行对接。

说明书

一种基于物联网和大数据分析的全闭环生产管理系统

技术领域

[0001] 本发明涉及数据处理技术领域，特别涉及一种基于物联网和大数据分析的全闭环生产管理系统。

背景技术

[0002] 目前，工业是国民经济的主体，是城市经济社会发展的重要基础和命脉；

[0003] 随着制造业规模的日趋壮大，传统工厂内的网络性能、稳定性、维护成本、业务改造升级等方面已经逐渐无法跟上制造业本身的发展步伐，同时，工业设备种类繁杂、工业管理系统的不灵活互通，导致许许多多的数据无法被利用，从而造成了数据的浪费，丢失了巨大的商业价值；

[0004] 因此，本发明提供了一种基于物联网和大数据分析的全闭环生产管理系统。

发明内容

[0005] 本发明提供一种基于物联网和大数据分析的全闭环生产管理系统，用以通过构建数据中台，且通过数据中台对不同待管理系统的生产运行数据进行接收，从而消除系统与系统将强耦合的关联，也使系统与系统之间的数据更加透明，其次对接收到的生产运行数据进行分析处理，挖掘其中有价值的数据，实现通过有价值的数据对不同待管理系统的生产过程进行调控，确保对各个生产环节进行准确有效的管理，保障了各环节的稳定运行。

[0006] 本发明提供了一种基于物联网和大数据分析的全闭环生产管理系统，包括：

[0007] 数据中台构建模块，用于基于生产管理要求调用目标数据组件构建数据中台，并将数据中台与不同待管理系统进行对接；

[0008] 数据采集模块，用于基于对接结果根据数据中台接收不同待管理系统的生产运行数据，并对生产运行数据进行处理，得到对应的目标处理结果；

[0009] 数据应用模块，用于对目标处理结果进行数据挖掘，并基于挖掘结果对对应的待管理系统进行生产调控。

[0010] 优选的，一种基于物联网和大数据分析的全闭环生产管理系统，所述数据中台构建模块，包括：

[0011] 结构分析单元，用于获取目标机构的结构图谱，并基于结构图谱确定目标机构包含的待管理系统集合，且分别提取待管理系统集合中各待管理系统的运行属性；

[0012] 信息获取单元，用于基于运行属性确定各待管理系统的业务类型，并基于业务类型确定各待管理系统的生产管理要求；

[0013] 数据中台构建单元，用于基于生产管理要求从预设组件库中匹配对应的目标数据组件，并基于待管理系统与目标数据组件的对应关系对目标数据组件进行标记，且基于标记结果根据预设数据组件组合逻辑对目标数据组件进行封装组合，得到最终的数据中台。

[0014] 优选的，一种基于物联网和大数据分析的全闭环生产管理系统，所述数据中台构建模块，包括：

[0015] 中台配置单元，用于获取构建好的数据中台，并基于待管理系统的目标数量为数据中台分配对接端口，同时，获取待管理系统的配置参数，并基于配置参数对数据中台的对接端口进行适配；

[0016] 对接关系确定单元，用于基于适配结果分别获取不同待管理系统的第一通讯地址和数据中台中不同对接端口的第二通讯地址，并为第一通讯地址和第二通讯地址的添加目标标识；

[0017] 系统对接单元，用于基于目标标识确定第一通讯地址和第二通讯地址的对应关系，并基于对应关系将待管理系统与数据终端中对应的对接端口进行对接。

[0018] 优选的，一种基于物联网和大数据分析的全闭环生产管理系统，所述数据采集模块，包括：

[0019] 数据推送类型分析单元，用于获取不同待管理系统与数据中台之间的交互模式，并基于交互模式确定不同待管理系统与数据中台之间的数据推送模式，其中，数据推送模式包括主动推送和非主动推送；

[0020] 当数据推送模式为主动推送时，获取不同待管理系统的生产运行数据，并基于数据中台对待接收数据的目标规范格式对生产运行数据进行规范化处理，同时，将规范化处理后的生产运行数据在的预设数据仓库进行存储，并基于推送插件将存储后的生产运行数据推送至数据中台；

[0021] 当数据推送模式为非主动推送时，获取不同待管理系统的生产运行数据，并将生产运行数据上传至消息中间件进行缓存，且当缓存结束后基于消息中间件将生产运行数据传输至数据中台。

[0022] 优选的，一种基于物联网和大数据分析的全闭环生产管理系统，所述数据采集模块，包括：

[0023] 数据接收单元，用于基于数据中台接收不同待管理系统产生的生产运行数据，并提取不同生产运行数据的数据特征，且基于数据特征确定不同生产运行数据的实时性等级；

[0024] 数据分类单元，用于基于实时性等级构建第一等级聚类中心以及第二等级聚类中心，并基于第一等级聚类中心以及第二等级聚类中心对得到的生产运行数据进行聚类，得到第一数据集和第二数据集；

[0025] 数据处理单元，用于基于实时性等级确定对第一数据集和第二数据集的第一目标处理模式和第二目标处理模式，并分别基于第一目标处理模式和第二目标处理模式对对应的数据集进行处理，且将处理后的生产运行数据进行存储。

[0026] 优选的，一种基于物联网和大数据分析的全闭环生产管理系统，所述数据处理单元，包括：

[0027] 数据获取子单元，用于获取接收到的生产运行数据，并提取生产运行数据的属性信息，且基于属性信息确定不同生产运行数据对应的时间戳；

[0028] 数据分析子单元，用于基于时间戳确定在预设时间段内接收到的生产运行数据是否包含更新数据，并在包含更新数据时触发预设数据仓库中的存储层对更新数据进行第一存储，同时，基于存储结果向预设数据仓库中的明细层发送计算指令；

[0029] 规整子单元，用于基于计算指令控制明细层对存储层中的原始数据进行第一统计以及对更新数据进行第二统计，并基于第一统计以及第二统计确定最新版完整数据，且对最新版完整数据进行第二存储。

[0030] 优选的，一种基于物联网和大数据分析的全闭环生产管理系统，所述规整子单元，包括：

[0031] 数据处理子单元，用于获取存储层中的原始数据和更新数据，并确定对原始数据和更新数据的查验维度，且基于查验维度对原始数据和更新数据进行数据遍历，确定异常数据字段；

[0032] 数据清洗子单元，用于确定异常数据字段的字段类型，并基于字段类型从预设数据清洗规则库中匹配目标数据清洗规则对异常数据字段进行清洗，得到标准原始数据以及标准更新数据；

[0033] 数据规范子单元，用于获取数据中台对不同待管理系统的生产运行数据的规范标准，并基于规范标准对不同系统产生的标准原始数据以及标准更新数据进行格式转换，得到最终的最新版完整数据。

[0034] 优选的，一种基于物联网和大数据分析的全闭环生产管理系统，所述规整子单元，包括：

[0035] 信息获取子单元，用于获取明细层中得到的最新版完整数据，同时，获取不同待管理系统对应的业务主体以及业务类型；

[0036] 建模子单元，用于分别确定业务主体以及业务类型对应的筛选指标，并基于筛选指标分别进行第一建模和第二建模，得到第一模型和第二模型；

[0037] 数据筛选子单元，用于基于第一模型和第二模型分别对获取到的最新版完整数据进行第一抽离和第二抽离，得到第一抽离数据集和第二抽离数据集，并基于业务主体以及业务类型对应的聚合指标分别对第一抽离数据集和第二抽离数据集进行聚合，且将聚合后的第一抽离数据集和第二抽离数据集在预设数据仓库中的聚合层进行第三存储。

[0038] 优选的，一种基于物联网和大数据分析的全闭环生产管理系统，所述数据筛选子单元，包括：

[0039] 数据对接子单元，用于获取第三存储结果对应的生产运行数据，并提取生产运行数据的关键字段，且基于关键字段确定不同生产运行数据的数据维度；

[0040] 业务维度获取子单元，用于获取不同待管理系统对应的业务维度，并将数据维度与业务维度进行匹配，且基于匹配结果确定不同生产运行数据与不同待管理系统的数据调用关系；

[0041] 数据存储子单元，用于基于数据调用关系为不同待管理系统分配目标数据存储库，并将对应的生产运行数据在对应的目标数据存储库中进行第四存储，且基于存储结果将目标数据存储库的数据接口与对应待管理系统数据调用接口进行对接。

[0042] 优选的，一种基于物联网和大数据分析的全闭环生产管理系统，所述数据应用模块，包括：

[0043] 结果获取单元，用于获取处理后的生产运行数据，并基于数据中台接收不同待管理系统对生产运行数据的调用请求；

[0044] 数据挖掘单元，用于对调用请求进行解析，确定调用请求中的检索关键词，并提取检索关键词对应的第一特征向量，同时，提取处理后的生产运行数据的第二特征向量，并将第一特征向量与第二特征向量进行匹配，得到初始调用数据集，且提取初始调用数据集各生产运行数据的属性值；

[0045] 优化单元，用于基于预设价值评估模型对各生产运行数据的属性值进行分析，得到各生产运行数据对应的有效价值评估值，并基于有效价值评估值确定目标调用数据集，且将目标调用数据集经数据调用接口传输至对应的待管理系统进行生产调控。

[0046] 本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

[0047] 下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

[0048] 附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

[0049] 图1为本发明实施例中一种基于物联网和大数据分析的全闭环生产管理系统的结构图；

[0050] 图2为本发明实施例中一种基于物联网和大数据分析的全闭环生产管理系统中数据中台模块的结构图；

[0051] 图3为本发明实施例中一种基于物联网和大数据分析的全闭环生产管理系统中数据采集模块的结构图。

具体实施方式

[0052] 以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

[0053] 实施例1：

[0054] 本实施例提供了一种基于物联网和大数据分析的全闭环生产管理系统，如图1所示，包括：

[0055] 数据中台构建模块，用于基于生产管理要求调用目标数据组件构建数据中台，并将数据中台与不同待管理系统进行对接；

[0056] 数据采集模块，用于基于对接结果根据数据中台接收不同待管理系统的生产运行数据，并对生产运行数据进行处理，得到对应的目标处理结果；

[0057] 数据应用模块，用于对目标处理结果进行数据挖掘，并基于挖掘结果对对应的待管理系统进行生产调控。

[0058] 该实施例中，生产管理要求指的是机构自身的信息化建设基础、数据基础和业务特征等，即涉及到的业务类型以及各业务类型对应的功能等。

[0059] 该实施例中，目标数据组件指的是能够对接不同业务类型数据以及能够对不同业务类型数据进行处理的模块，且目标数据组件不唯一。

[0060] 该实施例中，数据中台指的是能够对不同业务类型的系统进行对接，且能够对不同系统的生产运行数据进行统一处理，形成标准化数据，挖掘生产运行数据中最有价值的数据，建立企业数据资产库，提供一致、标准的数据服务。

[0061] 该实施例中，待管理系统指的是企业或机构在生产运行中包含的运行系统，具体可以是客户关系管理系统、企业资源计划系统以及生产执行系统等。

[0062] 该实施例中，将数据中台与不同待管理系统进行对接指的是将数据中台作为中间组件，，使其系统与系统不存在直接，而是都与数据中台进行直接关系，而从消除系统与系统将强耦合的关联，也使系统与系统之间的数据更加透明。

[0063] 该实施例中，生产运行数据指的是不同系统在运行过程中产生的运行数据，具体可以是对业务的执行情况以及企业当前资源的分布情况等。

[0064] 该实施例中，对生产运行数据进行处理指的是通过数据中台对不同系统的生产运行数据进行抽取、清洗、分类以及存储等。

[0065] 该实施例中，目标处理结果指的是通过数据中台对不同系统的上产运行数据进行处理后得到的最终处理结果。

[0066] 该实施例中，对目标处理结果进行数据挖掘指的是对抽取、清洗、分类以及存储后的数据进行分析，提取其中对不同系统的生产运行具有帮助的数据，从而便于根据挖掘到的数据对不同系统进行胜场优化等。

[0067] 该实施例中，基于挖掘结果对对应的待管理系统进行生产调控指的是根据挖掘到的数据对不同系统的生产运行模式或是流程等进行调整，从而实现对不同系统进行整合，确保系统的运行效果。

[0068] 上述技术方案的有益效果是：通过构建数据中台，且通过数据中台对不同待管理系统的生产运行数据进行接收，从而消除系统与系统强耦合的关联，也使系统与系统之间的数据更加透明，其次对接收到的生产运行数据进行分析处理，挖掘其中有价值的数据，实现通过有价值的数据对不同待管理系统的生产过程进行调控，确保对各个生产环节进行准确有效的管理，保障了各环节的稳定运行。

[0069] 实施例2：

[0070] 在实施例1的基础上，本实施例提供了一种基于物联网和大数据分析的全闭环生产管理系统，如图2所示，所述数据中台构建模块，包括：

[0071] 结构分析单元，用于获取目标机构的结构图谱，并基于结构图谱确定目标机构包含的待管理系统集合，且分别提取待管理系统集合中各待管理系统的运行属性；

[0072] 信息获取单元，用于基于运行属性确定各待管理系统的业务类型，并基于业务类型确定各待管理系统的生产管理要求；

[0073] 数据中台构建单元，用于基于生产管理要求从预设组件库中匹配对应的目标数据组件，并基于待管理系统与目标数据组件的对应关系对目标数据组件进行标记，且基于标记结果根据预设数据组件组合逻辑对目标数据组件进行封装组合，得到最终的数据中台。

[0074] 该实施例中，目标机构指的是需要进行生产管理的企业或者机构。

[0075] 该实施例中，结构图谱指的是采用图表的形式表征目标机构中包含的部门以及各部门对应的运行系统等。

[0076] 该实施例中，待管理系统集合指的是目标机构中需要进行管理的所有系统，包括客户关系管理系统、企业资源计划系统以及生产执行系统。

[0077] 该实施例中，运行属性指的是各待管理系统在生产运行过程中的运行特点，具体可以是业务性质以及运行的方式方法等。

[0078] 该实施例中，预设组件库是提前设定好的，用于存储不同的数据组件。

[0079] 该实施例中，基于待管理系统与目标数据组件的对应关系对目标数据组件进行标记的目的是便于在对不同的目标数据组件进行组合时，根据目标数据组件对应的待管理系统的类型对目标数据组件进行对应的组合，确保构建的数据中台能够有效与不同待管理系统的进行有效的对接。

[0080] 该实施例中，预设数据组件组合逻辑时提前设定好的，用于表征对不同目标数据组件组合时的组合方式等。

[0081] 该实施例中，对目标数据组件进行封装组合指的是将独立的目标数据组件进行封装，即将目标数据组件进行应用，从而便于与对应的待管理系统进行对接。

[0082] 上述技术方案的有益效果是：通过确定目标机构包含的待管理系统，并对待管理系统进行分析，实现对不同待管理系统的生产管理要求进行准确有效的获取，从而便于根据不同待管理系统的生产管理要求从预设数据组件库中匹配对应的目标数据组件，最终将匹配到的目标数据组件进行封装组合，保障了对数据中台构建的准确性以及可靠性，从而便于实现与不同待管理系统进行对接，实现对不同待管理系统进行有效的生产管理。

[0083] 实施例3：

[0084] 在实施例1的基础上，本实施例提供了一种基于物联网和大数据分析的全闭环生产管理系统，所述数据中台构建模块，包括：

[0085] 中台配置单元，用于获取构建好的数据中台，并基于待管理系统的目标数量为数据中台分配对接端口，同时，获取待管理系统的配置参数，并基于配置参数对数据中台的对接端口进行适配；

[0086] 对接关系确定单元，用于基于适配结果分别获取不同待管理系统的第一通讯地址和数据中台中不同对接端口的第二通讯地址，并为第一通讯地址和第二通讯地址的添加目标标识；

[0087] 系统对接单元，用于基于目标标识确定第一通讯地址和第二通讯地址的对应关系，并基于对应关系将待管理系统与数据终端中对应的对接端口进行对接。

[0088] 该实施例中，目标数量指的是待管理系统的数量。

[0089] 该实施例中，配置参数指的是不同待管理系统产生生产运行数据的类型以及在将生产运行数据传输至数据中台的要求等。

[0090] 该实施例中，基于配置参数对数据中台的对接端口进行适配指的是根据不同待管理系统对生产运行数据的传输要求对数据中台中的端口进行参数配置，目的是为了确保数据中台能够与不同的待管理系统进行有效对接。

[0091] 该实施例中，第一通讯地址指的是不同待管理系统对应的网络地址。

[0092] 该实施例中，第二通讯地址指的是数据中台中不同端口对应的网络地址。

[0093] 该实施例中，目标标识是用于标记不同通讯地址的一种标记标签，通过该标识可快速准确的确定待管理系统与对接端口之间通讯地址的匹配关系。

[0094] 上述技术方案的有益效果是：通过根据待管理系统的数量为数据终端分配对接端口，并根据不同待管理系统的配置参数对对接端口进行适配，其次，根据适配结果确定对接端口与对应待管理系统之间的对应关系，从而实现将不同的待管理系统与数据中台进行准确有效的对接，为实现对生产管理进行管理提供了有利保障。

[0095] 实施例4：

[0096] 在实施例1的基础上，本实施例提供了一种基于物联网和大数据分析的全闭环生产管理系统，所述数据采集模块，包括：

[0097] 数据推送类型分析单元，用于获取不同待管理系统与数据中台之间的交互模式，并基于交互模式确定不同待管理系统与数据中台之间的数据推送模式，其中，数据推送模式包括主动推送和非主动推送；

[0098] 当数据推送模式为主动推送时，获取不同待管理系统的生产运行数据，并基于数据中台对待接收数据的目标规范格式对生产运行数据进行规范化处理，同时，将规范化处理后的生产运行数据在的预设数据仓库进行存储，并基于推送插件将存储后的生产运行数据推送至数据中台；

[0099] 当数据推送模式为非主动推送时，获取不同待管理系统的生产运行数据，并将生产运行数据上传至消息中间件进行缓存，且当缓存结束后基于消息中间件将生产运行数据传输至数据中台。

[0100] 该实施例中，交互模式指的是不同待管理系统与数据中台之间进行数据交互的方式。

[0101] 该实施例中，数据推送模式包括主动推送和非主动推送，其中，主动推送指的是系统根据数据中台的规范将数据存储到某一个数据中台系统可以访问的仓库中，后通过flume将数据进行拉去至数据中台中；

[0102] 非主动推送指的是系统将生产的数据上传至Kafka中进行数据的缓存[kafak不做数据的处理，只做数据的传输与缓存]，后数据中台通过kafak去消费数据。

[0103] 该实施例中，目标规范格式指的是数据中台对待接收数据的格式的要求标准，从而便于将不同待管理系统的产生的生产运行数据的格式进行统一。

[0104] 该实施例中，预设数据仓库是提前设定好的，用于对不同待管理系统产生的生产运行数据进行清洗、分类以及存储等操作。

[0105] 该实施例中，推送插件指的是flume。

[0106] 该实施例中，消息中间件指的是在不同待管理系统与数据中台之间进行数据缓存的模块，可以是Kafka。

[0107] 上述技术方案的有益效果是：通过确定不同待管理系统与数据中台之间的数据推送模式，从而便于实现根据不同待管理系统的数据推送模式将产生的生产运行数据传输至数据中台，便于数据中台对生产运行数据进行处理，从而实现对生产运行中各个系统进行准确有效的生产调控，保障了对生产管理的效果。

[0108] 实施例5：

[0109] 在实施例1的基础上，本实施例提供了一种基于物联网和大数据分析的全闭环生产管理系统，如图3所示，所述数据采集模块，包括：

[0110] 数据接收单元，用于基于数据中台接收不同待管理系统产生的生产运行数据，并提取不同生产运行数据的数据特征，且基于数据特征确定不同生产运行数据的实时性等级；

[0111] 数据分类单元，用于基于实时性等级构建第一等级聚类中心以及第二等级聚类中心，并基于第一等级聚类中心以及第二等级聚类中心对得到的生产运行数据进行聚类，得到第一数据集和第二数据集；

[0112] 数据处理单元，用于基于实时性等级确定对第一数据集和第二数据集的第一目标处理模式和第二目标处理模式，并分别基于第一目标处理模式和第二目标处理模式对对应的数据集进行处理，且将处理后的生产运行数据进行存储。

[0113] 该实施例中，数据特征指的是生产运行数据的取值特征以及对应的数据类型等。

[0114] 该实施例中，实时性等级是用于表征不同生产运行数据需要进行处理的实时程度，具体包括需要实时处理的数据和非实时处理数据。

[0115] 该实施例中，第一等级聚类中心指的是需要进行实时处理的生产运行数据的数据中心，从而便于将需要进行实时处理的生产运行数据进行归类。

[0116] 该实施例中，第二等级聚类中心指的是不需要进行实时处理的生产运行数据的数据中心，从而便于将不需要进行实时处理的生产运行数据进行归类。

[0117] 该实施例中，第一数据集指的是需要进行实时处理的生产运行数据集合。

[0118] 该实施例中，第二数据集指的是不需要进行实时处理的生产运行数据集合。

[0119] 该实施例中，第一目标处理模式指的是对需要进行实时处理的生产运行数据的处理模式，具体可以是流处理，其中，流处理是将实时的数据进行实时处理并且在内存中进行存储。

[0120] 该实施例中，第二目标处理模式指的是对不需要进行实时处理的生产运行数据的处理模式，具体可以是批处理/微批处理，其中，批处理/微批处理是将获取到的数据先进行保存，后达到预设触发条件后进行统一处理，预设触发条件可以是数据中台发送数据处理指令等。

[0121] 上述技术方案的有益效果是：通过对数据中台中接收到的不同待管理系统的生产运行数据的实时性等级进行确定，从而实现对需要进行实时处理和非实时处理的数据进行分类，并对需要实时处理和非实时处理的生产运行数据设定不同的处理模式，实现根据需要将不同实时性等级的生产运行数据进行准确高效的处理，从而便于数据中台对不同待管理系统进行高效的生产管理，保障了对不同待管理系统的管理效果。

[0122] 实施例6：

[0123] 在实施例5的基础上，本实施例提供了一种基于物联网和大数据分析的全闭环生产管理系统，所述数据处理单元，包括：

[0124] 数据获取子单元，用于获取接收到的生产运行数据，并提取生产运行数据的属性信息，且基于属性信息确定不同生产运行数据对应的时间戳；

[0125] 数据分析子单元，用于基于时间戳确定在预设时间段内接收到的生产运行数据是否包含更新数据，并在包含更新数据时触发预设数据仓库中的存储层对更新数据进行第一存储，同时，基于存储结果向预设数据仓库中的明细层发送计算指令；

[0126] 规整子单元，用于基于计算指令控制明细层对存储层中的原始数据进行第一统计以及对更新数据进行第二统计，并基于第一统计以及第二统计确定最新版完整数据，且对最新版完整数据进行第二存储。

[0127] 该实施例中，属性信息指的是数据中台对不同生产运行数据的接收信息，具体包括接收的数据量以及接收的时间信息等。

[0128] 该实施例中，时间戳是用于表征数据中台对不同待管理系统的生产运行数据的具体接收时间，从而便于根据时间信息判断预设数据仓库中的存储层是否有新增的生产运行数据。

[0129] 该实施例中，预设时间段是提前设定好的。

[0130] 该实施例中，更新数据指的是在预设时间段内，预设数据仓库存储中的生产运行数据是否在原有的基础上产生新的生产运行数据。

[0131] 该实施例中，第一存储指的是控制预设数据仓库中的存储层对新增的胜场运行数据进行存储，其中，存储层是预设数据仓库中的数据存储模块，预设数据仓库中包括存储层、明细层、聚合层以及应用层，且生产运行数据由存储层开始处理，依次经历明细层、聚合层的处理后，最终在应用层对数据进行对接，便于不同待管理系统对生产运行数据进行调用，且每一层对生产运行数据的存储两依次减少。

[0132] 该实施例中，计算指令指的是控制明细层对当前最新版的完整数据进行统计。

[0133] 该实施例中，原始数据指的是存储层中原有的生产运行数据。

[0134] 该实施例中，第一统计指的是对存储层中原有的生产运行数据的数据量以及数据内容进行统计。

[0135] 该实施例中，第二统计指的是对存储中产生的更新数据的数据量以及数据内容进行统计。

[0136] 该实施例中，最版完整数据指的是原始数据与更新数据的总和。

[0137] 该实施例中，第二存储指的是在明细层中对最版完整数据进行存储。

[0138] 上述技术方案的有益效果是：通过确定不同生产运行数据的时间戳，实现对预设数据仓库中存储层是否由更新数据进行准确的判断，且在存储层中由更新数据产生时，通过预设数据仓库中的明细层对最新版完整数据进行统计并存储，便于数据中台对不同待管理系统产生的生产运行数据进行准确有效的获取，从而便于对最新版完整数据进行准确可靠的分析，为生产调控提供可靠有利的数据支撑。

[0139] 实施例7：

[0140] 在实施例6的基础上，本实施例提供了一种基于物联网和大数据分析的全闭环生产管理系统，所述规整子单元，包括：

[0141] 数据处理子单元，用于获取存储层中的原始数据和更新数据，并确定对原始数据和更新数据的查验维度，且基于查验维度对原始数据和更新数据进行数据遍历，确定异常数据字段；

[0142] 数据清洗子单元，用于确定异常数据字段的字段类型，并基于字段类型从预设数据清洗规则库中匹配目标数据清洗规则对异常数据字段进行清洗，得到标准原始数据以及标准更新数据；

[0143] 数据规范子单元，用于获取数据中台对不同待管理系统的生产运行数据的规范标准，并基于规范标准对不同系统产生的标准原始数据以及标准更新数据进行格式转换，得到最终的最新版完整数据。

[0144] 该实施例中，查验维度指的是原始数据和更新数据进行合格性查验的角度。

[0145] 该实施例中，异常数据字段指的是原始数据和更新数据中存在的字段缺失、数据字段不统一、格式错误以及关键信息丢失等。

[0146] 该实施例中，预设数据清洗规则库是提前设定好的，用于存储不同字段类型对应的数据清洗规则。

[0147] 该实施例中，目标数据清洗规则指的是适用于对当前异常数据字段进行数据清洗的数据清洗规则。

[0148] 该实施例中，标准原始数据以及标准更新数据指的是对原始数据和更新数据中的异常数据字段进行剔除后得到的数据。

[0149] 该实施例中，规范标准指的是数据中台对不同待管理系统的生产运行数据的数据格式进行统一的标准或方式方法等。

[0150] 上述技术方案的有益效果是：通过确定对原始数据和更新数据的查验维度，实现对原始数据和更新数据中的异常数据字段进行准确有效的确定，且对异常数据字段进行分析，实现从预设数据清洗规则库中匹配对应的数据清洗规则，实现对原始数据和更新数据进行严格有效的数据清洗，并在清洗后对不同待管理系统的生产运行数据的数据格式进行统一，从而保障了生产运行数据的准确性以及可靠性，同时，也便于数据中台对生产运行数据进行准确有效的处理，提高了对生产运行数据的处理效率。

[0151] 实施例8：

[0152] 在实施例6的基础上，本实施例提供了一种基于物联网和大数据分析的全闭环生产管理系统，所述规整子单元，包括：

[0153] 信息获取子单元，用于获取明细层中得到的最新版完整数据，同时，获取不同待管理系统对应的业务主体以及业务类型；

[0154] 建模子单元，用于分别确定业务主体以及业务类型对应的筛选指标，并基于筛选指标分别进行第一建模和第二建模，得到第一模型和第二模型；

[0155] 数据筛选子单元，用于基于第一模型和第二模型分别对获取到的最新版完整数据进行第一抽离和第二抽离，得到第一抽离数据集和第二抽离数据集，并基于业务主体以及业务类型对应的聚合指标分别对第一抽离数据集和第二抽离数据集进行聚合，且将聚合后的第一抽离数据集和第二抽离数据集在预设数据仓库中的聚合层进行第三存储。

[0156] 该实施例中，业务主体指的是不同待管理系统对应的生产主题。

[0157] 该实施例中，筛选指标指的是业务主体以及业务类型对应的数据筛选标准，目的是从预设数据仓库中筛选除与对应待管理系统的业务主体以及业务类型相关的生产运行数据。

[0158] 该实施例中，第一建模和第二建模分别是根据业务主体以及业务类型对应的筛选指标构建对应的数据筛选模型。

[0159] 该实施例中，第一模型和第二模型指的是根据筛选指标构建好的业务主体以及业务类型对应的数据筛选模型。

[0160] 该实施例中，第一抽离指的是通过第一模型从明细层中的生产运行数据中抽离出与业务主体相关的数据。

[0161] 该实施例中，第一抽离指的是通过第一模型从明细层中的生产运行数据中抽离出与业务类型相关的数据。

[0162] 该实施例中，第一抽离数据集和第二抽离数据集指的是通过第一模型和第二模型对明细层中的生产运行数据仅从抽离后得到的与业务主体相关的数据以及与业务类型相关的数据。

[0163] 该实施例中，聚合指标指的是对第一抽离数据集和第二抽离数据集进行聚合的标准，具体可以是将每日活跃用户进行聚合以及将运营位维度数据聚合等。

[0164] 该实施例中，第三存储指的是将抽离后且聚合后的生产运行数据在预设仓库中的聚合层进行存储。

[0165] 上述技术方案的有益效果是：通过确定不同待管理系统的业务主体以及业务类型，实现根据业务主体以及业务类型进行相应的数据建模，且通过构建好的模型对明细层中存储的生产运行数据进行抽离，实现从众多生产运行数据中抽离出与不同待管理系统业务主体相关的数据以及业务类型相关的数据，并根据聚合指标对抽离到的数据进行聚合存储，实现通过数据中台对不同待管理系统产生的生产运行数据进行进一步过滤，从而便于数据中台对生产运行数据进行准确高效的处理，实现对生产运行中各环节进行高效准确的管理。

[0166] 实施例9：

[0167] 在实施例8的基础上，本实施例提供了一种基于物联网和大数据分析的全闭环生产管理系统，所述数据筛选子单元，包括：

[0168] 数据对接子单元，用于获取第三存储结果对应的生产运行数据，并提取生产运行数据的关键字段，且基于关键字段确定不同生产运行数据的数据维度；

[0169] 业务维度获取子单元，用于获取不同待管理系统对应的业务维度，并将数据维度与业务维度进行匹配，且基于匹配结果确定不同生产运行数据与不同待管理系统的数据调用关系；

[0170] 数据存储子单元，用于基于数据调用关系为不同待管理系统分配目标数据存储库，并将对应的生产运行数据在对应的目标数据存储库中进行第四存储，且基于存储结果将目标数据存储库的数据接口与对应待管理系统数据调用接口进行对接。

[0171] 该实施例中，关键字段指的是能够表征生产运行数据内容以及取值特征的数据片段。

[0172] 该实施例中，数据维度指的是不同生产运行数据对应的生产运行过程中的不同业务类型。

[0173] 该实施例中，业务维度指的是不同待管理系统中涉及到的业务类型。

[0174] 该实施例中，目标数据存储库是提前设定好的，是在预设数据仓库中的应用层进行设定的，目的是为了将不同待管理系统对应的生产运行数据存储至相应的目标数据库，从而便于不同待管理系统对数据的调用。

[0175] 该实施例中，第四存储指的是将不同待管理系统对应的生产运行数据在对应的目标数据存储库中进行存储。

[0176] 上述技术方案的有益效果是：通过确定数据中台中不同生产运行数据对应的数据维度以及不同待管理系统对应的业务维度，从而实现对不同待管理系统对应的生产运行数据进行高效的确定，且将不同待管理系统对应的生产运行数据分别在对应的目标数据存储库中进行存储，并通过存储结果实现将目标存储数据库与对应的待管理系统进行对接，便于不同的待管理系统对生产运行数据进行调用，从而便于对生产运行中各环节进行调控，保障了对生产运行过程中各环节进行严格有效的管理。

[0177] 实施例10：

[0178] 在实施例1的基础上，本实施例提供了一种基于物联网和大数据分析的全闭环生产管理系统，所述数据应用模块，包括：

[0179] 结果获取单元，用于获取处理后的生产运行数据，并基于数据中台接收不同待管理系统对生产运行数据的调用请求；

[0180] 数据挖掘单元，用于对调用请求进行解析，确定调用请求中的检索关键词，并提取检索关键词对应的第一特征向量，同时，提取处理后的生产运行数据的第二特征向量，并将第一特征向量与第二特征向量进行匹配，得到初始调用数据集，且提取初始调用数据集各生产运行数据的属性值；

[0181] 优化单元，用于基于预设价值评估模型对各生产运行数据的属性值进行分析，得到各生产运行数据对应的有效价值评估值，并基于有效价值评估值确定目标调用数据集，且将目标调用数据集经数据调用接口传输至对应的待管理系统进行生产调控。

[0182] 该实施例中，调用请求包括不同待管理系统对数据中台中生产运行数据调用的数量以及调用的数据种类等。

[0183] 该实施例中，检索关键词指的是调用请求中表征对生产运行数据调用的种类以及数量的字段。

[0184] 该实施例中，第一特征向量指的是检索关键词对应的具体内容以及取值情况。

[0185] 该实施例中，第二特征向量指的是生产运行数据的的具体内容以及对应的取值情况。

[0186] 该实施例中，初始调用数据集指的是根据检索关键词从数据中台中匹配到的可以进行调用的生产运行数据，其中，包括无用或价值不大的生产运行数据。

[0187] 该实施例中，属性值指的是初始调用数据集各生产运行数据的取值以及种类。

[0188] 该实施例中，预设价值评估模型是提前设定好的，用于评估不同生产运行数据对待管理系统的有用程度或是与待管理系统工作性能的相关程度。

[0189] 该实施例中，有效价值评估值是表征不同生产运行数据的可用价值程度，取值越大表明可用价值越高。

[0190] 该实施例中，目标调用数据集指的是对初始调用数据集中的有价值生产运行数据进行挑选后得到的数据集。

[0191] 该实施例中，将目标调用数据集经数据调用接口传输至对应的待管理系统进行生产调控，包括：

[0192] 获取预设数据仓库中存储层接收到的初始生产运行数据的数据量，并基于初始生产运行数据的数据量计算预设数据仓库中应用层中保留的有价值生产运行数据的数据量，且基于有价值生产运行数据的数据量计算对待管理系统的生产调控效率，具体步骤包括：

[0193] 根据如下公式计算预设数据仓库中应用层中保留的有价值生产运行数据的数据量：

[0194]

[0195] 其中，m表示预设数据仓库中应用层中保留的有价值生产运行数据的数据量；M表示预设数据仓库中存储层接收到的初始生产运行数据的数据量；i表示当前对预设数据仓库中存储层接收到的初始生产运行数据进行筛选的次数，且取值范围为[1，n]；n表示需要对预设数据仓库中存储层接收到的初始生产运行数据进行筛选的总次数；Si表示第i次对生产运行数据剔除的数据量，且Si为整数；ki表示第i次对生产运行数据进行筛选时的误判率，且取值范围为(0.01，0.03)；ωi表示进行第i次筛选前生产运行数据的数据量；[·]表示取整函数，对ki*ωi的结果进行取整；

[0196] 根据如下公式计算对待管理系统的生产调控效率：

[0197]

[0198] 其中，η表示对待管理系统的生产调控效率；μ表示误差因子，且取值范围为(0.02，0.04)；T表示完成对待管理系统调控所需的预期时间长度值；γ表示待管理系统对有价值生产运行数据的调用比例，且取值范围为(0，1)；m表示预设数据仓库中应用层中保留的有价值生产运行数据的数据量；V表示待管理系统对预设数据仓库中应用层中保留的有价值生产运行数据的调用速率；

[0199] 将计算得到的生产调控效率与预设阈值进行比较；

[0200] 若计算得到的生产调控效率大于或等于预设阈值，判定基于数据中台对待管理系统的生产调控合格；

[0201] 否则，判定基于数据中台对待管理系统的生产调控不合格，并提高待管理系统对数据中台中有价值生产运行数据的调用速率，直至计算得到的生产调控效率大于或等于预设阈值。

[0202] 上述预设阈值是提前设定好的，用于衡量对待管理系统的调控效率是否合格提供判断依据，是可以进行调整的。

[0203] 上述技术方案的有益效果是：通过接收不同待管理系统的调用请求，且对调用请求进行分析，实现对初始调用数据集进行准确有效的确认，其次，通过预设价值评估模型对初始调用数据集中各生产运行数据的有效价值评估值进行分析，实现对最终的目标调用数据集进行准确有效的确认，便于通过目标调用数据集对待管理系统进行准确的调控，保障了调控的准确性，其次，还通过计算对待管理系统的生产调控效率，实现对待管理系统的生产运行状态进行准确有效的调控，保障了待管理系统饿稳定运行。

[0204] 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。