基于算子组态的工业数据分析平台关键技术研究

发布时间：2020-06-27 23:13

【摘要】：随着互联网技术的迅速发展,数据分析领域越来越得到大家的重视,数据分析技术已经取得长足的进步。工业领域具有大量场景需要使用数据分析技术。2015年,国务院提出“中国制造2025”计划,工业领域的数据分析技术得到国家的关注和支持。相比于互联网行业中数据分析技术的百花齐放,工业领域进展还有较大提升空间,工业现场的质量问题分析、工艺调参等工作,多采用参考经验的方式进行处理。随着工业设备自动化程度的提升,工业设备数据采集程度越来越高,利用互联网软件技术和机器学习方法,可以在一定程度上提高工业数据分析的效率和准确率。流程化的软件平台可以将繁琐的数据读取、数据预处理、数据分析以及数据存储的过程自动化,而机器学习算法可以使数据分析的过程侧重于数据本身规律,而非业务人员的经验。工业领域的数据分析平台,对数据分析工作的简易程度、数据分析结果的准确程度有较高的要求,本课题实现了一套基于算子组态模式的工业数据分析平台。平台实现了工业数据分析流程的统一化,包括数据源管理模块、算子管理模块、任务管理模块,以及相匹配的人机交互页面。平台实现中,采用了 SpringBoot后端Web框架,采用React前端框架作为软件项目研发的基础设施。数据源管理模块帮助平台实现MySQL、CSV等数据源的抽象化,使平台适配更多数据源。不同业务场景的数据分析工作,需要不同的算法组合来完成,算子管理模块,通过对算法要素的抽象,实现了可组合的算子概念,算子之间通过不同的组合方式来适应各式的应用场景。本课题通过Java编程语言的类加载功能实现了算子的热加载功能,Jar包形式的算子可以在服务器不重启的情况下加载进平台。选用了 Spark大数据处理框架的Dataframe作为算子通用性和算法基础。平台以RocketMQ消息队列为基础,将数据源、算子列表等信息合成可执行任务,由任务消费者完成任务的执行。通过自动拧紧扳手所收集螺栓数据作为质量分析作为案例,验证了平台的实用性。
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP311.52
【图文】：

架构图,工业数据,架构,平台

逦Ｕｂｕｎｔｕ邋Ｓｅｒｖｅｒ逡逑图２－丨工业数据分析平台分层架构逡逑如图２－１所示，表示工业数据分析平台的架构分层方式。根据实现功能以及逡逑相互协作的程度不同，将架构分成了五个不同的层次：业务领域、业务流程、业逡逑务服务、基础架构服务和运维于支撑系统。每一个层次都使用它的下一层次的功逡逑能，形成更高的抽象。平台总体可以分为Ｗｅｂ处理后端、Ｗｅｂ前端展示、算子逡逑６逡逑

架构图,工业数据,架构,框架

２．３系统架构技术选型逡逑课题开发过程中，使用了大量开源软件与开源类库，这些开源软件为本平台逡逑的开发提供了坚实的基础，下面将对课题开发中使用到的主要软件、类库的选型逡逑，工作进行介绍。逦，逡逑１）逦Ｓｐｒｉｎｇ邋与邋Ｓｐｒｉｎｇ邋Ｂｏｏｔ逡逑Ｓｐｒｉｎｇ邋Ｗｅｂ是Ｊａｖａ开发框架的事实标准，占据了邋Ｊａｖａ邋Ｗｅｂ大多数市场。逡逑Ｓｐｒｉｎｇ核心使用了控制反转（ＩＯＣ）和面向切面编程（ＡＯＰ）的概念，极大地提逡逑供了邋Ｊａｖａ编程的效率［１３］。逡逑Ｓｐｒｉｎｇ邋Ｂｏｏｔ框架［１４］是Ｓｐｒｉｎｇ生态系统的集大成者，使Ｓｐｒｉｎｇ邋ＭＶＣ、Ｓｐｒｉｎｇ逡逑ＡＯＰ、ＳｐｎｎｇＤａｔａ等框架已统一的形式呈现出来，提供了简便的编程接口，对开逡逑发效率地提商具有很大意义。逡逑除Ｓｐｒｉｎｇ框架之外，还有Ｐｌａｙ、Ｖｅｒｔ．ｘ、ＪＦｉｎａｌ等较为流行的Ｊａｖａ框架，在逡逑

【参考文献】