使用本地设备和云计算平台进行数据分析的系统

摘要

本发明涉及一种用于在一个或多个本地设备(130)与云计算平台(120)之间的网络中进行数据分析的系统，其中由分析算法(A)来处理在一个或多个本地设备(130)上收集的和/或存储的和/或在云计算平台(120)上存储的数据，该分析算法被细分成至少两个子算法(SA1、SA2)，其中在一个或多个本地设备(130)上执行一个子算法(SA1)并且在云计算平台(120)上执行另一个子算法(SA2)。

说明书

技术领域

本发明主要涉及一种用于在一个或多个本地设备与一个云计算平台之间的网络中进行数据分析的系统，其中由分析算法(A)来执行对在一个或多个本地设备上收集的和/或存储的和/或在云计算平台上存储的数据的处理的请求。

背景技术

在基于云计算技术的系统中，大量设备经由互联网连接至云计算系统。这些设备可以位于连接至云计算系统的远程设施中。例如，这些设备可包括或由一种或多种工业装置里的器材、传感器、致动器、机器人和/或机械组成。这些设备可是医疗保健单位里的医疗设备和器材。这些设备可以是住宅/商业机构里的家用电器或办公电器。

云计算系统可以实现远程配置、监控、控制以及维护连接设备(通常还称为“资产”)。同样地，云计算系统可以利于存储定期从设备收集的大量数据、分析大量数据并通过图形用户界面(例如，网络应用的)向操作者、现场工程师或设备所有者提供见解(例如，关键性能指标、异常值)和警报。这些见解和警报可以实现对设备的控制和维护，从而实现设备的高效和故障安全操作。云计算系统还可以允许修改与设备相关联的参数，并基于见解和警报经由图形用户界面发布控制命令。

云计算系统可以包括多个服务器或处理器(还称为“云基础设施”)，它们在地理上是分布式的，经由网络相互连接。专用平台(在下文中，称为“云计算平台”)被安装在服务器/处理器上，用于提供上述功能，作为服务(在下文中，称为“云服务”)。云计算平台可以包括在云计算系统的一个或多个服务器或处理器上执行的多个软件程序，以实现向设备及其用户传送请求的服务。

在云计算系统中部署一个或多个应用编程接口(API)，以向例如一个或多个用户提供各种云服务。

工业自动化系统、资产、机器、传感器、移动设备等呈增长趋势。在工业生产、能源、交通以及其它领域，如银行、零售、酒店和医疗保健系统等所有领域中，都经由网络连接直接地或经由云网关连接至工业物联网(IIoT)。数据分析(数据挖掘、深度学习、人工智能)是整个互联事物领域的核心方面，并产生了新层次的知识和使用性。

一方面，可以在IIoT设备或IIoT网关或作为中央计算基础设施的云计算平台的边缘对收集的数据进行分析。如果数据分析是在本地IIoT设备本身的边缘执行的，那么它可以实现实时分析操作。由于数据是在本地设备上执行或处理的，因此避免了将原始数据发送到云，从而保留了网络带宽，并对网络问题具有抵抗性。尤其，为了能够使用云应用，不需要提供到互联网的永久、不间断的连接，这对于可用性有很高的要求，例如，在汽车或移动电话行业中的设备的情况下。

如果数据分析在云计算平台中执行，则允许一个或多个IIoT平台提供商更好地保护和确保其分析算法的专有技术和知识产权，因为没有必要向云外部的环境公开这些算法。由于分析算法是在云计算平台中集中执行的，因此不需要部署在本地边缘设备上，这些设备通常不属于IIoT平台提供商。此外，需要更高计算速度和更多存储空间的其它类型的算法和软件应用，例如汽车领域或科学或医学领域(扫描显微术、放射诊断学、磁共振成像)中的图像识别和分析，可在IIoT平台上使用，从而使得数据分析的质量更高且更快。

这意味着在本地设备的边缘或在云计算平台上执行数据分析既存在优势也存在劣势。

专利申请US 2017083312A1中提供了这种实现方式的示例，其中可穿戴感测设备可被配置为在一种或多种操作模式下操作，例如，取决于操作模式，每种模式可被配置为使用一个或多个传感器来收集和处理传感器信号，并产生传感器信号数据，该传感器信号数据可以由可穿戴感测设备处理，或者传输至智能手机或中心进行处理，或者随后传输至云平台进行处理。

发明内容

鉴于前述内容，因此本发明的目的是提供有助于使用本地设备的相应边缘和云计算平台两者来改进数据分析并确保最大程度地利用整个网络的技术。

根据第一方面，本发明提供了一种用于在一个或多个本地设备与一个云计算平台之间的网络中进行数据分析的系统，其中由分析算法来处理在一个或多个本地设备上收集的和/或存储的和/或在云计算平台上储存的数据，该分析算法被细分为至少两个子算法，其中，在一个或多个本地设备上执行至少一个子算法，并且在云计算平台上执行至少一个另一个子算法。

在一些有利的实施例中，至少两个子算法中的至少一个将至少两个子算法中的至少另一个的结果作为输入。换句话说，至少两个子算法中的至少一个可以取决于至少两个子算法中的至少另一个的结果。

在其它有利的实施例中，子算法彼此独立地起作用，即不需要来自任何其它子算法的任何结果来执行它们的预期功能。在这种情况下，有利的是，所有子算法可以同时执行(或者换句话说，并行执行)。

在任何情况下，(总)分析算法包括或由至少两个子算法组成。(总)分析算法可以被划分成这两个或多个的子算法。例如，用户或管理员可以将(总)分析算法划分成两个或多个子算法。从而，子算法因此服务于相同的目的，或者换另一种说法，生成与(总)分析算法相同的结果，例如，产生相同的结果。通过将分析算法划分成两个或多个子算法而模块化(总)分析算法。子算法可以由一个或多个软件模块实现，即由计算机实现，其实现自主的任务。(总)分析算法的总任务可以通过两个或多个子算法的组合来实现。

举例来说，本发明的实施方式可被用于分析和评估例如工业工厂中的振动和其它数据、科学和医学领域中的图像数据、制药领域中使用医疗设备的药物开发和临床试验数据、导航领域中的路线计算数据、汽车领域和计算机游戏中的图像识别数据等。

通过将分析算法分解成子算法，提供了混合和分布式分析方法，其可在本地设备的边缘上执行以获得实时特性和边缘优势，以及在云计算平台上执行以获得云优势。

利用这种用于将分析算法分解成子算法的混合方法，可定义子算法的串行和/或并行执行顺序。具体地，可以将多个子算法中的至少第一个分配到边缘(例如，本地设备或网关)上执行，而可以将多个子算法中的至少第二个分配到云计算平台上执行。随后，可以根据它们的分配将多个子算法分布于它们的执行位置，即部署。(总)分析算法的划分可基于将使用(总)分析算法的特定应用。例如，当将(总)分析算法划分成多个子算法时，可考虑本地设备和/或网关上可用的资源。附加地或替代地，可以为(总)分析算法和/或多个子算法的一个或多个子算法确定或分配喜好指标，如下面将要描述的。

此外，分析算法可以包括至少一个喜好指标(或：偏好指标)，其中针对分析算法的至少一个子算法，或分析算法本身，喜好指标进行指示，其中子算法应该按理论的方式执行，即在云计算平台、网关和/或一个或多个本地设备上执行。还可以将该信息分别指定为分析算法或任何子算法的喜好/偏好。

在一些实施方式中，分析算法和/或至少一个子算法的喜好指标可以指示的是，特定的子算法可以在具体的设备或位置上执行。在一些实施方式中，分析算法和/或至少一个子算法的喜好指标可以指示的是，特定的子算法必须在具体的设备或位置上执行。

优选地，分析算法包括指示分析算法可以细分(或：分离)成哪些子算法的数据。更优选地，为指示的每个这样的子算法，提供喜好指标。

在一些有利的实施方式中，子算法能够基于诸如喜好/偏好(即基于喜好指标)、可用资源和计算机性能等考量，在云、一个或多个网关和/或一个或多个本地设备之间动态移动或被移动。具体子算法是否可移动可以由子算法或分析算法本身的相应可移动性指标来指示。

附加地，可以创建工作流引擎来定义子算法，分配它们的执行顺序，以及为某些类型的IIoT设备分配喜好/偏好。

在另一有利的实施方式中，指定在本地设备上执行的子算法可被转移到网关。

根据其它有利的实施方式，子算法以串行和/或并行顺序来执行。

该系统还可以包括软件应用，该软件应用控制关于执行子算法的顺序和位置的工作流。

该软件应用可以有利地被存储在一个或多个本地设备和/或一个或多个网关和/或云计算平台的分析运行时模块ARM中。

根据其它有利的实施方式，例如在喜好指标中，针对每个子算法的执行位置和运行时来定义喜好/偏好。

喜好/偏好(或者换句话说，喜好指标)的定义可以基于计算机性能和资源和/或云计算平台的可用性和/或经处理的数据的数据结构。

根据其它有利的实施方式，分析算法被配置为聚类和/或神经网络和/或支持向量机和/或区块链，它们被细分成子算法。

在一些有利的实施方式中，从振动传感器和/或声学传感器和/或光学传感器和/或温度传感器和/或压力传感器和/或化学和/或压电传感器中收集经处理的数据。

在其它有利的实施方式中，多个本地设备连接在网络中。喜好指标可以被配置为不仅指示子算法将在未指定的本地设备上执行并且由未指定的本地设备执行，而且还可以指示子算法将由多个本地设备中的哪个特定的本地设备执行。

一个或多个本地设备可以被配置为工业泵、医疗设备、成像设备、移动设备、汽车设备和/或分析科学仪器。

根据第二方面，本发明提供了一种用于在一个或多个本地设备与云计算平台之间的网络中进行数据分析的方法，其中由分析算法(A)来处理在一个或多个本地设备上收集的或存储的和/或在云计算平台上存储的数据，该分析算法(A)被细分成至少两个子算法(SA1、SA2)，其中，在一个或多个本地设备上执行至少一个子算法(SA1)，并且在云计算平台上执行至少一个另一个子算法(SA2)。

附加地，根据第三方面，本发明提供了一种被配置用于根据本发明第一方面的系统的本地设备。尤其是，该本地设备可以被配置为工业泵、医疗设备、成像设备、移动设备、汽车设备和/或分析科学仪器。

根据第四方面，本发明提供了一种云计算平台，该云计算平台被配置用于在根据本发明第一方面的系统中使用。

根据第五方面，本发明提供了一种计算机程序产品，该计算机程序产品包括可执行程序代码，该可执行程序代码被配置为在执行时执行根据第二方面的方法。

根据第六方面，本发明提供了一种非瞬时计算机可读数据存储介质，其包括可执行程序代码，该可执行程序代码被配置为在执行时执行根据第二方面的方法。该非瞬时计算机可读数据存储介质可以包括或由任何类型的计算机存储器组成，尤其是半导体存储器。

根据第七方面，本发明提供了一种数据流，该数据流表示或被配置为提供程序代码，该程序代码被配置为在执行时执行根据第二方面的方法。

附图说明

结合以下附图阅读详细描述，本发明或其实施方式的附加特征、方面和优点将变得显而易见：

图1提供了根据本发明第一方面的实施方式的系统的总体概览；

图2示出了根据本发明的实施方式的用于执行数据分析的工作流；

图3示意性地示出了云计算平台和示例性工业工厂中的多个数据分析模块；

图4示出了描绘根据本发明第二方面的实施方式的方法的实施方式的示意性流程图；

图5示意性地描绘了根据本发明第五方面的实施方式的计算机程序产品；以及

图6示意性地描绘了根据本发明第六方面的实施方式的非瞬时计算机可读数据存储介质。

具体实施方式

在以下描述中，出于解释而非限制的目的，阐述了具体细节以便提供对本发明的全面理解。对于本领域技术人员显而易见的是，本发明可以在脱离这些具体细节的其它实施方式中实践。

图1提供了用于在工业工厂110和云计算平台120的网络中进行数据分析的系统100的总体概览。该实施方式中的工业工厂110包括作为本地设备130的工业泵。然而，可向系统100添加额外的本地设备130。加速度传感器140(加速度计)被放置在泵130上作为机械部件的示例，以捕获旋转和振动数据，这有助于在旋转机械器材中遇到的各种故障模式的早期检测。

在简化视图中，工业泵130具有机械系统150和控制器160。在图示的示例中，四个加速度计140被安装在泵130的机械旋转部分150上，以捕获加速度/振动测量数据。传感器140被连接至泵控制器160。泵控制器160包括IIoT代理161，并被连接至IIoT网关170，该IIoT网关又通过网络190连接至IIoT云120。

IIoT网关170可包括多个IIoT网关模块171。可在泵控制器160和/或IIoT网关170和/或其它一个或多个数据存储器和/或IIoT云计算平台120上存储和处理收集和生成的数据。存储的数据可包含重建数据、压缩数据、分段数据以及与本地设备130相关的其它数据。网络190可以包含一个或多个广域网(WAN)，诸如互联网、局域网(LAN)或可以利于数据通信的其它网络。

网络190可以被划分为允许访问连接至网络190的所有其它部件的子网。网络190可以包含可以在公共互联网上使用的加密方案。可以支持数据传输的有线的和/或无线的配置来配置网络190。

显示的表示旨在说明系统100的一种可能的配置。其它配置可包含更少的部件，并且在其它配置中，可以利用额外的资产180。配置和部件的这些改变可增加或更改系统100的性能。特别是在用于捕获患者的高分辨率医学图像的医学成像设备领域中，诸如磁共振成像(MRI)机器、计算机断层摄影、x射线、正电子发射断层摄影、扫描显微术、超声成像系统，被配置为捕获图像数据的传感器，例如，诸如电荷耦合器件(CCD)之类的传感器。还可使用其它类型的传感器，诸如声学、光学、压电、压力、温度、化学传感器来收集具体的本地设备130的额外的数据。

图2是表示在系统100的本地设备130和云计算平台120两者上执行数据处理和分析的工作流200的示意图。工作流200还可以作为根据本发明第二方面的实施方式的方法的一部分来执行。

对于图1所示的振动情况来说，作为示例，分析算法A被分解成以下子算法：

生成第一子算法1(SA1.1和SA1.2)，用于对时间序列振动数据进行上采样或降采样，并以标准化格式对数据进行归一化。

生成第二子算法2(SA2)，用于计算频域变换或频谱。这种算法的示例是快速傅里叶变换(FFT)。

生成第三子算法3(SA3)，用于分析振动频谱中的频率分量，以确定机械器材中的故障模式。

可在单独的计算单元上执行这三个子算法SA1.1+SA1.2、SA2、SA3。然而，可以为其它分析算法A或其它数据结构提供三个以上的子算法SAn。在本发明的框架中可使用多种分析算法A，诸如聚类、神经网络、支持向量机和/或区块链。此外，对于处理子算法SA1、SA2、SA3、...San的工作流200来说，可以创建具有可以动态方式执行的多种喜好级别的网络或树状结构。

在该图示的示例中，有必要实时地执行SA1，但是子算法SA1在计算上不是非常复杂，也不需要大量的计算机性能/资源。此外，从分析算法A的提供商的角度来看，子算法SA1没有包含具体的知识或知识产权。因此，其喜好指标可以指示的是，子算法SA1可以(且应该)在本地设备130或泵控制器160上执行。

然而，进一步地，在图示的示例中，SA2需要更加多的计算机性能，但是不包括任何具体的专有技术或知识产权。因此，其喜好指标可以指示的是，子算法SA2可以(且应该)在与本地设备130相比具有更多计算资源的IIoT网关170上执行。

进一步地，在图示的示例中，SA3涉及到频率分量的分析，其需要具体领域知识，即一个或多个分析提供商的专有技术和/或知识产权。其还可能涉及到其它类似工业资产的频率分量的基准测试或比较。因此，其喜好指标可以指示的是，子算法SA3可以(且应该)在IIoT云计算平台120中执行该步骤。

工作流200以输入的原始数据210开始，并以一种或多种分析算法A的结果220结束。第一行230列出了一个或多个总分析算法A的各种子算法(SA1、SA2、...SAn)以及这些子算法的执行顺序。例如，在描绘的示例中，在SA1.2完成执行之前不能执行SA2，因为它需要SA1.2的输出作为输入。

应当理解，在系统100的其它实现方式中，子算法SA1、SA2、...SAn还可以以并行顺序来执行，并且该顺序还可根据应用情况以动态方式改变。此外，在描绘的示例中，仅使用了一个本地设备130。然而，可能存在与云计算平台120连接的多个本地设备130的网络和/或本地设备130之间可能有连接。

图2中的第二行240定义了在具体设备130和/或网关170和/或云120上执行特定SA的喜好/偏好(即，相应喜好指标的内容)。对本地设备130的喜好意味着该具体SA具有在工业泵本身(例如，泵130的控制器160)上执行的偏好。同样地，SA可具有在IIoT网关170或IIoT云计算平台120上执行的偏好。

此外，由于IIoT云计算平台120的性能或可用性或者诸如运行时或经处理的数据的数据结构的其它标准，SA的执行可以动态方式改变。

图2中的第三行250表示特征“可移动”，其定义了特定SA是否可移动或被移动至另一个可能的计算单元，即可选的可移动性指标的内容。如果相应的SA是可移动的，这由图2中的“+”号表示；如果相应的SA不可移动，这由图2中用“-”号表示。例如，如果本地设备130负载过多或无足够的计算资源，则子算法SA1.2可以移动或被移动至IIoT网关170。同样地，如果IIoT网关170负载过多，SA2可以移动或被移动至云计算平台120来执行。

图3示出了具有被配置为实现分布式分析方法的模块的整个系统100的示意图。

IIoT系统100的每个部分，云120、一个或多个IIoT网关170以及一个或多个本地设备130，都包括分析运行时模块(ARM)300。也就是说，提供了在其中运行一个或多个不同子算法的运行时环境。该ARM 300执行不同的子算法SA1、SA2、SA3。在本地设备130中，ARM 300还可以是IIoT代理161的一部分。然而，也可能是其它配置。工业工厂110和云计算平台120可以通过防火墙105分开。视情况而定，可以在本地设备、网关或云计算平台中的运行时环境中执行两个或多个子算法。这可能是因为运行时环境在架构上是相同或相似的，因此允许将子算法部署在相应的位置。此时，如果例如本地设备和/或网关的资源的可用性改变，例如由于本地设备执行的其它任务而降低，则可以将部署在本地设备和/或网关处的一个或多个子算法重新分配在云中执行，即将其移动至云。反之亦然，即当资源在本地设备和/或网关处释放时，可以将一个或多个子算法从云移动至本地设备或网关。

云计算平台120附加地包含分析工作流模块(AWM)310和分析调度器320。AWM 310管理多个SA，并提供用于定义图2所示的SA的用户界面。在另一实施方式中，调度器320还可以是IIoT网关170的一部分，以提供本地调度能力。此外，云计算平台120包括数据库330、分析配置数据库340、通信模块350以及其它IIoT模块360。

下文中描述了如何使用该系统的步骤：管理员或数据科学家可以使用由AWM 310提供的用户界面来提供(尤其是定义)分析算法A连同不同的SA、它们的执行顺序、它们对IIoT设备的喜好等。诸如计算机性能、与专有技术和知识产权的相关性等标准优选地被用于定义SA及它们对云120或本地设备130的喜好(喜好指标)和/或它们的可移动性指标。

AWM 310将该配置保存在分析配置数据库340中。然而，可以在AWM 310中实施另一软件应用，AWM可根据诸如云计算平台120的可用性之类的标准来动态地调整子算法的执行顺序。在可移动本地设备130对云120的访问受限的情况下，这特别有用。

在生成分析算法A和SA之后，管理员触发算法A连同SA的部署。这还可以基于一些其它分析结果或标准来自动地触发。

分析调度器320从分析配置数据库340中读取分析配置。其通过查询这些实体来确定其它标准，诸如IIoT网关170和本地设备130上的资源可用性。基于配置规则和资源可用性，分析调度器320为SA生成调度计划。

根据调度计划，分析调度器320向云计算平台120上的分析运行时模块ARM 300、IIoT网关170或一个或多个本地设备130提供SA定义，用于SA的执行。通过定义多个子算法SA1、SA2、...SAn，可创建分布式分析框架。通过将分析算法A分离成子算法SA1、SA2、...SAn，可基于业务和/或性能要求在云计算平台120中和/或一个或多个本地设备130上执行分析数据。

利用这种方法，当分析算法A的领域特定部分在她/他的控制下在云计算平台120中执行时，分析提供商可更好地保存她的/他的领域知识或知识产权。这还允许在IIoT方法中增强分析模型的数据安全性。

附加地，由于子算法SA1、SA2、...SAn可以基于资源可用性而在不同的本地IIoT设备之间动态地转移，这提高了IIoT系统的性能并最小化了瓶颈。

特别是，分布式分析方法可被用于像

关于振动数据的上述实施方式示出了如何将分析算法A分解成子算法SA1、SA2、...SAn，然后可以在IIoT环境中的不同设备上执行这些子算法。类似地，可以使用其它分析算法(聚类、神经网络、支持向量机、区块链等)并将其分解成子算法SA1、SA2、...SAn。

图4示出了描绘根据本发明第二方面的实施方式的方法的示意性流程图。将使用图1至图3的附图标记部分地描述图4的方法，尽管图4的方法不局限于图1至图3中描述的实施方式。另一方面，图4的方法可以使用参考图1至图3描述的任何实施方式来执行，并且相应地，可以根据前面内容中描述的任何变化和修改来调整和修改该方法。

在步骤S10中，在一个或多个本地设备130与云计算平台120之间的网络中提供(例如定义、接收或存储)算法A，该分析算法被配置为处理在一个或多个本地设备130上收集的和/或存储的和/或在云计算平台120上存储的数据。

在步骤S20中，分析算法A被细分(或：分离)成至少两个子算法SA1、SA2。步骤S20可以与步骤S10同时执行。例如，当定义分析算法时，其可以连同子算法一起定义。

在步骤S30中，在一个或多个本地设备130上(或由一个或多个本地设备)执行至少两个子算法SA1、SA2中的至少一个。尤其是，可以提供根据本发明第三方面的本地设备130来执行步骤S30。

在步骤S40中，在云计算平台120上(或由云计算平台)执行至少两个子算法中的至少另一个子算法SA2。优选地，所有没有在本地设备130上执行的子算法SA2都在云计算平台120上执行。尤其是，可以提供根据本发明第四方面的云计算120来执行步骤S40。

图5示意性地描绘了包括可执行程序代码450的计算机程序产品400，该可执行程序代码被配置为在执行时执行根据本发明第二方面的方法，尤其是如参考图3和/或图4所描述的。

图6示意性地描绘了包括可执行程序代码550的非瞬时计算机可读数据存储介质500，该可执行程序代码被配置为在执行时执行根据本发明第二方面的方法，尤其是如参考图3和/或图4所描述的。