本发明涉及数据管理，具体为一种基于边缘计算的物联网数据管理系统及方法。
背景技术：
1、物联网技术已经在各行各业取得了广泛应用，为设备之间的信息交互提供了巨大的潜力；然而，传统的集中式数据管理方法在大规模、高密度的物联网环境中可能面临诸多挑战，包括数据延迟、网络瓶颈和隐私安全等问题，边缘计算技术应运而生，为解决这些问题提供了一种新的方法。
2、边缘计算是一种将计算能力推向网络边缘的模式，将处理数据的重要任务从传统的云计算中心转移到靠近数据源的边缘设备上；这种技术可以降低数据传输延迟，提高系统的响应速度，特别是在对实时性要求较高的物联网应用场景。
3、在工业生产中不可避免会出现生产设备故障的情况，对于出现故障时生产设备正在加工的产品的处理问题，现有技术通常通过舍弃这批产品或依赖人工判断是否可以继续加工；然而，直接舍弃产品会导致原材料和生产成本的浪费，对企业造成经济损失，依赖人工判断是否可以继续加工不仅会增加生产过程中的不确定性，还会容易出现主观偏差，从而降低生产效率。
技术实现思路
1、本发明的目的在于提供一种基于边缘计算的物联网数据管理系统及方法，以解决上述背景技术中提出的问题。
2、为了解决上述技术问题，本发明提供如下技术方案：
3、一种基于边缘计算的物联网数据管理方法，方法包括以下步骤：
4、s100.获取选定时间段内的工业生产线的历史数据，根据每条生产线的生产设备的故障日志，对历史数据进行分类，并构建历史测试数据库；
5、s200.根据历史测试数据库，在每一批次产品生产完成后，针对产品所在的生产线的生产设备进行故障风险评估，根据评估结果得到故障风险评分；
6、s300.根据每条生产线设备的故障日志，结合故障风险评分进行故障风险等级划分；获取每一故障风险等级的历史测试数据，计算相应的产品质量评分，从而得到故障风险等级对应的产品保留率；
7、s400.获取每条生产线的实时数据，在每一批次产品生产完成后，对生产线上的生产设备都计算相应的实时故障风险评分；根据实时故障风险评分得到实时故障风险等级，结合产品保留率，输出相应的提示信息，进行分析和处理。
8、进一步的，步骤s100包括：
9、s101.所述历史数据包括生产设备运行数据、生产数据以及环境数据；所述生产设备运行数据包括运行时间以及设备运行相关的传感器数据；所述生产数据包括生产产品的数量、质量数据，以及生产过程中的生产参数，例如生产速度、生产压力等；所述故障日志包括生产设备维护记录和故障数据；所述故障数据包括故障类型和故障发生的时间点；
10、s102.针对每条工业生产线的历史数据，根据生产批次进行划分，将相同批次的历史数据归为一组，且一个生产批次指的是一批相同产品进行的一个完整流程的生产过程；根据每组历史数据对应的时间段，所述时间段是指一个生产批次从开始到结束的时间段；将故障日志的时间点与对应的时间段进行匹配，选择不含有故障日志时间点匹配的对应时间段的历史数据作为历史模板数据，选择剩下的历史数据作为历史测试数据，从而构建历史测试数据库。
11、进一步的，步骤s200包括：
12、s201.针对每条工业生产线，按照时间顺序，计算相应的历史模板数据与理想标准数据的相似度，且对于历史模板数据中包括的生产设备运行数据、生产数据以及环境数据，都分别计算相似度；从而得到相似度阈值区间q1，且q1＝[q1_min,q1_max]，其中q1_min和q1_max分别表示历史模板数据与理想标准数据的相似度的最小值和最大值；并获取相似度阈值区间中的所有取值，计算历史模板数据与理想标准数据的相似度平均值μ；
13、s202.获取历史测试数据，在每一批次产品生产完成后，计算相应的历史测试数据与理想标准数据的相似度，且对于历史测试数据中包括的生产设备运行数据、生产数据以及环境数据，都分别计算相似度；分析每个批次对应的生产设备的故障风险，得到故障风险评分g，具体的计算公式为：
14、
15、其中，α、β以及γ分别表示历史测试数据中的生产设备运行数据、生产数据以及环境数据的评分参数；p表示历史测试数据中的生产设备运行数据与理想标准数据的相似度；r表示历史测试数据中生产数据与理想标准数据的相似度；e表示历史测试数据中的环境数据与理想标准数据的相似度；μ1、μ2以及μ3分别表示历史模板数据中的生产设备运行数据、生产数据以及环境数据对应的阈值区间q1的平均值；q11_min、q12_min以及q13_min分别表示历史模板数据中的生产设备运行数据、生产数据以及环境数据对应的阈值区间q1的最小值；q11_max、q12_max以及q13_max分别表示历史模板数据中的生产设备运行数据、生产数据以及环境数据对应的阈值区间q1的最大值；σ表示误差因子。
16、由上述故障风险评分g的计算公式可知，p表示历史测试数据中的生产设备运行数据与理想标准数据的相似度；r表示历史测试数据中生产数据与理想标准数据的相似度；e表示历史测试数据中的环境数据与理想标准数据的相似度；分别计算p、r以及e与历史模板数据中相应的阈值区间q1的平均值的偏差值，偏差值越大说明设备故障风险越高，所以故障风险评分g越大，故障风险越高。
17、进一步的，步骤s300包括：
18、s301.获取每条生产线的每个批次的历史测试数据匹配的故障时间点，在相应生产线的生产设备的故障日志查找故障记录，得到生产设备故障发生的次数、故障持续时间段以及故障类型；计算故障等级指数z，计算公式为：
19、
20、其中，w表示生产设备故障发生的次数，t表示故障持续时间段，f表示故障类型系数；故障等级指数z是用来评估生产设备的可靠性和稳定性的指标，且上述计算公式中包含了三个参数，即生产设备故障发生的次数w、故障持续时间段t和故障类型系数f；生产设备故障发生的次数w越多，说明设备的故障率越高，可靠性越低；故障持续时间段t表示设备发生故障后需要维修的时间，持续时间越长则设备的可用性越低；故障类型系数f用于考虑不同类型故障的不同影响程度，不同类型的故障对于设备的影响程度不同，因此f取值与具体的故障类型有关；因此故障等级指数越大，对应的设备可靠性和稳定性就越低，也就是设备故障风险也越高。
21、根据上述计算同一条生产线的所有故障等级指数，并根据故障等级指数划分故障风险等级，且故障风险等级的个数等于故障等级指数的个数；将故障等级指数按照从大到小的顺序排列，依次进行数据编号；根据每个批次的历史测试数据匹配的故障时间点，将故障风险评分与对应的故障等级指数进行对应，根据故障等级指数的数据编号得到故障风险等级；
22、s302.针对相同生产线不同批次的历史测试数据中的产品质量数据，将产品质量数据与产品的生产标准进行对比，计算相应的产品质量评分l，计算公式为：
23、
24、其中，li表示产品质量数据中的第i类检测数据，bμi表示产品的生产标准中的第i类检测数据的平均值，bi_min和bi_max分别表示产品的生产标准中的第i类检测数据的最大值和最小值，i表示产品质量数据的检测数据的类别数，取1到n的正整数，且产品质量数据的检测数据的类别数与产品的生产标准中的检测数据的类别数是相等的；产品质量评分l根据产品质量数据中的检测数据的种类计算，其中质量数据是由专门的产品质量检测设备进行采集的，避免了人工判断带来的主观偏差；
25、s303.将历史模板数据中的产品质量数据都根据步骤s302的计算公式计算得到相应的产品质量评分，并将每条生产线的产品质量评分的平均值作为产品质量评分阈值l0；将相同生产线不同批次的产品质量评分l与对应的产品质量评分阈值l0进行比较，统计l≥l0的产品数量m，获取对应批次的生产产品的总数量m，计算产品保留率p1，计算公式为：p1＝m/m；将故障风险评分与产品保留率进行关联，且一个故障风险评分对应一个产品保留率。
26、通过计算产品保留率可以得到每个故障风险评分对应的产品的可靠性和稳定性，若产品保留率高，则说明产品质量较好，可靠性和稳定性较高；反之，若产品保留率低，则说明产品质量较差，可靠性和稳定性较低。
27、进一步的，步骤s400包括：
28、s401.获取实时数据，所述实时数据包括生产设备运行数据、生产数据以及环境数据；在每条生产线每一批次的产品生产完成后，对生产线上的生产设备都计算相应的实时故障风险评分；
29、s402.将实时故障风险评分g1与相同生产线上的历史数据计算得到的故障风险评分g进行匹配；若匹配结果满足g＝k*g1，且k表示匹配系数；则输出故障风险评分g对应的故障风险等级作为实时故障风险等级，可以让管理人员快速得到实时故障风险等级，管理人员可以做好维修准备；并将故障风险评分g关联的产品保留率p2也进行输出；若匹配结果不满足g＝k*g1，则不输出提示信息；
30、s403.针对相同生产线不同批次的历史数据，都获取故障风险评分与相应的产品保留率；按照故障风险等级的划分，统计相同故障风险等级所有的产品保留率，并计算平均值；将不同故障风险等级的产品保留率的平均值按照从大到小的顺序排列，记录前a％的故障风险等级对应的产品保留率的平均值p3，且a表示常数；比较p2与p3的大小关系，若p2≥p3，则输出产品可保留的提示信息；若p2＜p3，则输出产品舍弃的提示信息。
31、其中，前a％的故障风险等级对应的产品保留率的平均值p3反映的是故障风险等级对应的产品质量较好，且对应的产品可以继续使用；比较p2与p3的大小关系，可以得到实时故障风险等级对应的产品保留率与p2的关系，若p2≥p3，说明实时故障风险等级对应生产的产品可以保留，且数目较多，则需要进行产品质量检测；若p2＜p3，说明实时故障风险等级对应生产的产品可以保留，且数目较少，为了提高生产效率可以直接舍弃，并不会造成成本的浪费；因此，比较p2与p3的大小关系对于产品保留率较低的批次可以省略一步产品质量检测，从而提高了生产效率。
32、一种基于边缘计算的物联网数据管理系统，系统包括：数据获取模块、历史数据分类模块、故障风险评估模块、故障风险等级划分模块以及实时故障风险评估模块；
33、数据获取模块负责从边缘计算设备获取工业生产线的实时数据和历史数据，包括生产设备运行数据、生产数据和环境数据；
34、历史数据分类模块根据每条生产线的生产设备故障日志，对历史数据进行分类，并构建历史测试数据库；将故障日志中的故障时间点与历史数据的时间段进行匹配，选择不含有故障时间点的历史数据作为历史模板数据，剩下的历史数据作为历史测试数据；
35、故障风险评估模块根据历史测试数据库，在每一批次产品生产完成后，针对相应生产设备进行故障风险评估，得到故障风险评分，且根据历史模板数据与理想标准数据的相似度计算故障风险评分；
36、故障风险等级划分模块根据生产设备的故障日志和故障风险评分，进行故障风险等级划分；根据故障等级指数计算故障等级，统计每个批次的产品质量数据与生产标准的差异，计算产品质量评分，并计算产品保留率；
37、实时故障风险评估模块获取生产线的实时数据，在每一批次产品生产完成后，计算实时故障风险评分；将实时故障风险评分与历史数据计算得到的故障风险评分进行匹配，输出实时故障风险等级和关联的产品保留率。
38、进一步的，数据获取模块包括历史数据获取单元和实时数据获取单元；
39、历史数据获取单元从边缘计算设备获取工业生产线的历史数据；历史数据包括包括生产设备运行数据、生产数据和环境数据；实时数据获取单元从边缘计算设备获取工业生产线的实时数据；
40、历史数据分类模块包括批次划分单元和匹配单元；
41、批次划分单元将历史数据按照生产批次进行划分，将相同批次的数据归为一组；匹配单元根据故障日志的时间点与对应的时间段进行匹配，选择不含有故障日志时间点的对应时间段的历史数据作为历史模板数据，剩下的数据作为历史测试数据。
42、进一步的，故障风险评估模块包括相似度计算单元和故障风险分析单元；
43、相似度计算单元比较历史模板数据与理想标准数据的相似度，并计算相似度阈值区间；故障风险分析单元分析每个批次对应的生产设备的故障风险，结合生产设备运行数据、生产数据以及环境数据和相似度阈值区间的平均值，得到故障风险评分；
44、故障风险等级划分模块包括等级指数计算单元、风险等级划分单元以及产品保留率计算单元；
45、等级指数计算单元根据故障等级指数的计算公式，计算每条生产线的故障等级指数；风险等级划分单元根据故障等级指数进行排序，并根据故障等级指数划分故障风险等级；产品保留率计算单元计算产品质量评分，并产品质量评分阈值，根据产品质量评分阈值计算产品保留率。
46、进一步的，实时故障风险评估模块包括实时故障风险评估单元和匹配与输出单元；
47、实时故障风险评估单元在每一批次产品生产完成后，计算实时故障风险评分；匹配与输出单元将实时故障风险评分与历史数据计算得到的故障风险评分进行匹配，输出实时故障风险等级和关联的产品保留率。
48、与现有技术相比，本发明所达到的有益效果是：
49、本发明通过从边缘计算设备获取物联网数据，避免了将物联网传输至云平台，从而实现了降低网络延迟、减少数据传输量、提高数据处理效率等优点；这种边缘计算的方式可以将物联网数据的处理和分析任务直接在边缘设备上完成，避免了将大量数据传输至云平台进行处理的过程；通过在边缘设备上进行数据处理，可以更快速地获取到实时的数据结果，并且可以根据需要进行即时的决策和响应；同时，由于边缘设备通常与物联网设备更近，可以更加有效地利用局域网等本地网络资源，降低了网络延迟，提高了数据处理的实时性；
50、基于边缘计算的物联网数据管理方法，能够实时评估产品的故障风险等级和质量评分，从而更准确地判断出现故障时产品的处理方式；这样可以避免不必要的产品舍弃，减少原材料和生产成本的浪费，对企业造成的经济损失；
51、本发明能够实时监测生产设备的故障风险，及时输出相应的提示信息，进行分析和处理；相比传统依赖人工判断的方式，本发明的方法更加客观、准确，避免了主观偏差，提高了生产过程中的确定性，有利于提高生产效率和整体质量控制水平；
52、通过故障等级指数和故障风险评分的计算，本发明提供了对生产设备可靠性和稳定性的评估指标；通过实时监测和故障风险等级划分，有助于及时发现故障设备，减少故障带来的影响，提高生产设备的可靠性和稳定性。
1.一种基于边缘计算的物联网数据管理方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的一种基于边缘计算的物联网数据管理方法，其特征在于：所述步骤s100包括：
3.根据权利要求1所述的一种基于边缘计算的物联网数据管理方法，其特征在于：所述步骤s200包括：
4.根据权利要求1所述的一种基于边缘计算的物联网数据管理方法，其特征在于：所述步骤s300包括：
5.根据权利要求1所述的一种基于边缘计算的物联网数据管理方法，其特征在于：所述步骤s400包括：
6.一种基于边缘计算的物联网数据管理系统，应用于权利要求1-5中任一项所述的一种基于边缘计算的物联网数据管理方法，其特征在于：所述系统包括：数据获取模块、历史数据分类模块、故障风险评估模块、故障风险等级划分模块以及实时故障风险评估模块；
7.根据权利要求6所述的一种基于边缘计算的物联网数据管理系统，其特征在于：所述数据获取模块包括历史数据获取单元和实时数据获取单元；
8.根据权利要求6所述的一种基于边缘计算的物联网数据管理系统，其特征在于：所述故障风险评估模块包括相似度计算单元和故障风险分析单元；
9.根据权利要求6所述的一种基于边缘计算的物联网数据管理系统，其特征在于：所述故障风险等级划分模块包括等级指数计算单元、风险等级划分单元以及产品保留率计算单元；
10.根据权利要求9所述的一种基于边缘计算的物联网数据管理系统，其特征在于：所述实时故障风险评估模块包括实时故障风险评估单元和匹配与输出单元；
