CN110674302A - 一种基于大数据分析的数据智能分类及协同方法 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及一种基于大数据分析的数据智能分类及协同方法，包括S100在企业的工业控制过程中，通过采集端从设定数据、运行数据和评价数据三个维度采集工业控制的数据并发送至后台端，在采集设定数据后添加评价标签，在采集运行数据添加设定标签，在采集评价数据后添加运行标签；S200在后台端收到数据后，截取收到数据的标签并进行更换，将评价标签更换成设定标签，将设定标签更换成运行标签，将运行标签更换成评价标签。本发明标签便于收到数据后的分类协同，减少重复数据，提高数据分类准确性。

Description

一种基于大数据分析的数据智能分类及协同方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于大数据分析的数据智能分类及协同方法。

背景技术

随着互联网的快速发展，企业的网络办公也越来越普遍，由此而来产生的数据量也很巨大，部分企业还在不同地方设立分支机构或子公司，分支机构或子公司的数据需要与企业进行汇合汇总，然后由企业进行总的数据的管理，例如企业的工业控制数据，数据的格式、类型和大小等可以由企业进行统一规定，以方便企业的后续管理。

目前，针对某些行业，需要将不同企业的数据综合起来，通过分析多个企业的数据来得到行业性的指导信息，但是来自于不同企业数据源的数据难以统一，分析这种不统一的数据容易得到错误的指导信息。

发明内容

本发明意在提供一种基于大数据分析的数据智能分类及协同方法，以对来自于不同数据源的数据进行协同。

本方案中的基于大数据分析的数据智能分类及协同方法，括以下内容：

S100，在企业的工业控制过程中，通过采集端从设定数据、运行数据和评价数据三个维度采集工业控制的数据并发送至后台端，在采集设定数据后添加评价标签，在采集运行数据添加设定标签，在采集评价数据后添加运行标签；

S200，在后台端收到数据后，截取收到数据的标签并进行更换，将评价标签更换成设定标签，将设定标签更换成运行标签，将运行标签更换成评价标签。

本法方案的有益效果是：将采集到的各种数据通过添加换位后的标签进行发送，以此来混乱数据，降低数据被截取后被准确识别后的几率，提高数据安全性，并在后台端收到数据后更换标签，标签便于收到数据后进行分类，数据在采集时就自动添加了混淆的标签并在后续自动将标签归位，在提高数据安全性的同时，数据分类更智能。

进一步，所述内容S100中，在采集数据同时通过采集端对工业控制的现场图片进行采集，将现场图片添加实际标签发送至后台端。

有益效果是：在采集数据的同时采集现场图片，通过现场图片来印证工业控制的过程，便于企业收集相应的宣传信息。

进一步，还包括内容S300，由云网络端获取后台端的现场图片和运行数据，通过云网络端将现场图片与购物网络传输的功能图片进行匹配，当匹配成功时，暂停功能图片的传送。

有益效果是：将现场图片与功能图片进行匹配，匹配成功即是现场图片被盗，此时停止功能图片的传送，防止现场图片被盗，减少名不符实的产品宣传，还能减少网络上的重复图片，提高现场图片在网络传播时的协同性，由此来引导企业主动记录工业生产过程中的现场图片，以提高自身产品的宣传效果。

进一步，当匹配成功时，由云网络端获取匹配成功的功能图片的地址信息，将功能图片和地址信息发送至后台端。

有益效果是：将功能图片的地址信息发送至后台端，能够让企业及时知晓有人盗图，便于企业在数据分类过程中监控盗版情况。

进一步，还包括S400，由后台端对三个维度的数据进行两两匹配，当任意两个维度的数据匹配失败时，将匹配失败的数据添加异常标签并进行存储。

有益效果是：将三个维度的数据进行两两匹配，并在匹配失败时添加异常标签进行存储，将存在异常的数据与正常数据分开，便于对不同数据进行分类分析。

进一步，所述内容S400中，在任意两个维度的数据匹配成功时，将匹配成功的数据添加时间信息并进行存储。

有益效果是：将匹配成功的数据添加时间信息后存储，能够直观地分辨数据类别。

进一步，所述内容S100中，在发送数据时，将单一的设定数据、连续的运行数据和单一的评价数据成组地发送。

有益效果是：将同一个设定数据和针对同一设定数据的评价数据产生的运行数据成组发送，能够直观地分辨设定数据带来的工业控制效果，避免不同设定数据对应不同的运行数据带来的混乱。

进一步，所述内容S200中，通过后台端对连续的运行数据求平均值，由后台端判断平均值是否在阈值范围内，当平均值偏离于阈值范围时，由后台端判断每个运行数据是否在阈值范围内，当有至少一个运行数据位于阈值范围外时，由后台端将该组数据添加部分标签进行存储。

有益效果是：对运行数据具有部分异常的数据单独存储，避免具有异常的数据被混合在无异常数据中造成的分析错误。

进一步，先通过后台端将设定数据与预存的限定范围相匹配，当设定数据位于限定范围外时，将该组数据添加错误标签进行存储。

有益效果是：先判断设定数据是否正确，再添加错误标签进行存储，在设定数据错误时就直接不判断其他数据了，节省程序。

进一步，当设定数据位于限定范围外时，由后台端获取评价数据中的人员信息作为错误标签进行添加。

有益效果是：在设定数据错误时将人员信息作为错误标签添加，能够直观地看到责任人，方便后续追责。

附图说明

图1为本发明基于大数据分析的数据智能分类及协同方法实施例一的流程框图；

图2为本发明基于大数据分析的数据智能分类及协同方法实施例二中转向机构的前视图。

具体实施方式

下面通过具体实施方式进一步详细说明。

说明书附图中的附图标记包括：支撑板1、转轴2、从动齿轮3、主动齿轮4、电机5、转动轴承6。

实施例一

基于大数据分析的数据智能分类及协同方法，如附图1所示，包括以下内容：

S100，在企业的工业控制过程中，通过采集端从设定数据、运行数据和评价数据三个维度采集工业控制的数据并发送至后台端，工业控制的数据采集可用现有NORCO华北工控工业控制***，数据通过C-4017+型号的采集模块进行数据采集，在采集设定数据后添加评价标签，在采集运行数据添加设定标签，在采集评价数据后添加运行标签，标签可以数字序列的形式进行表示，如评价标签表示为0104，设定标签表示为0203，运行标签表示为0502，将单一的设定数据、连续的运行数据和单一的评价数据成组地发送，在采集数据同时通过采集端对工业控制的现场图片进行采集，将现场图片添加实际标签发送至后台端，采集端与后台端的数据发送可通过总线方式进行；

S200，在后台端收到数据后，截取收到数据的标签并进行更换，将评价标签更换成设定标签，将设定标签更换成运行标签，将运行标签更换成评价标签，通过后台端对连续的运行数据求平均值，运行数据可以是运行时的功率和转速等，由后台端判断平均值是否在阈值范围内，当平均值偏离于阈值范围时，由后台端判断每个运行数据是否在阈值范围内，当有至少一个运行数据位于阈值范围外时，由后台端将该组数据添加部分标签进行存储；

S300，通过采集端采集控制的现场图片发送至后台端，现场图片的采集可用摄像头进行，由云网络端获取后台端的现场图片和运行数据，后台端与云网络端的通信可用互联网进行，通过云网络端将现场图片与购物网络传输的功能图片进行匹配，功能图片可以是网络购物时的展示图片，尤其是针对一些有机或绿色产品的生产加工过程记录，当匹配成功时，暂停功能图片的传送，并由云网络端获取匹配成功的功能图片的地址信息，将功能图片和地址信息发送至后台端；

S400，先通过后台端将设定数据与预存的限定范围相匹配，当设定数据位于限定范围外时，将该组数据添加错误标签进行存储，并由后台端获取评价数据中的人员信息作为错误标签进行添加，再由后台端对三个维度的数据进行两两匹配，当任意两个维度的数据匹配失败时，将匹配失败的数据添加异常标签并进行存储，并将匹配成功的数据添加时间信息并进行存储。

本实施例一将采集到的各种数据通过添加换位后的标签进行发送，以此来混乱数据，降低数据被截取后被准确识别后的几率，并在后台端收到数据后更换标签，标签便于收到数据后的分类协同，将现场图片与功能图片进行匹配，匹配成功即是现场图片被盗，此时停止功能图片的传送，防止现场图片被盗，减少名不符实的产品宣传，并引导企业主动记录工业生产过程中的现场图片，避免被他人盗取图片用于宣传，减少虚假宣传和名不符实的产品宣传，以提高自身产品的宣传效果。

实施例二

与实施例一的区别在于，如图2所示，在工业控制的数据采集过程中，通过转向机构对生产的工件进行转向扫描，转向机构包括支撑板1，工件放置在支撑板1上进行扫描，支撑板1底部焊接有转轴2，转轴2中部键连接有从动齿轮3，转轴2端部键连接有转动轴承6，转动轴承6可安装到其他支撑架上，从动齿轮3啮合有主动齿轮4，主动齿轮4直径小于从动齿轮3，对支撑板1的转动进行降速，主动齿轮4键连接有支撑轴，支撑轴底部安装有电机5，电机5可用现有SM130-100-15LFB型号的伺服电机，还包括扫描模块，扫描模块位置固定在支撑板1的任一侧上且位于工件正投影的方向上，扫描模块用于扫描工件的侧面图像，扫描模块可用现有TCD1209D型号的图像传感器，扫描模块电连接有处理模块，处理模块可用现有I7-620LM型号的处理器，处理模块获取侧面图像并进行灰度处理，灰度处理可用现有的图像处理软件，例如PS，处理模块将灰度处理后的侧面图像划分成预定的区域，并向区域中添加能够叠加成新颜色的第一对比色和第二对比色，第一对比色和第二对比色分别位于侧面图像的相邻区域中，如第一对比色为红色和第二对比色为绿色叠加成黑色，处理模块预存有按照预定区域添加完颜色的参照图片，参照图片与侧面图像中同一区域的颜色相反，处理模块将参照图片与侧面图像叠加后识别颜色，颜色的识别可用现有的ColorsMiniLab软件，若处理模块识别的颜色为单一颜色，即颜色种类等于一，说明侧面图像与参照图片完全吻合，工件生产符合要求，若处理模块识别的颜色种类大于一，说明侧面图像与参照图片不吻合，工件存在瑕疵，处理模块在颜色种类大于一时使用实施例一的方法发送侧面图像至后台端进行监控，方便对工件进行分类，自动对工业生产后的工件缺陷进行监控，提高数据分类的智能性，方便后台端对工件缺陷数据的记录，以快速追查缺陷工件，提高工业控制数据采集的完整性，同时，还能在数据分析时调取相应的工件缺陷进行分析，将企业工业控制的各个方面连通起来，提高数据的协同性。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (10)

1.一种基于大数据分析的数据智能分类及协同方法，其特征在于，包括以下内容：

S100，在企业的工业控制过程中，通过采集端从设定数据、运行数据和评价数据三个维度采集工业控制的数据并发送至后台端，在采集设定数据后添加评价标签，在采集运行数据添加设定标签，在采集评价数据后添加运行标签；

S200，在后台端收到数据后，截取收到数据的标签并进行更换，将评价标签更换成设定标签，将设定标签更换成运行标签，将运行标签更换成评价标签。

2.根据权利要求1所述的基于大数据分析的数据智能分类及协同方法，其特征在于：所述内容S100中，在采集数据同时通过采集端对工业控制的现场图片进行采集，将现场图片添加实际标签发送至后台端。

3.根据权利要求2所述的基于大数据分析的数据智能分类及协同方法，其特征在于：还包括内容S300，由云网络端获取后台端的现场图片和运行数据，通过云网络端将现场图片与购物网络传输的功能图片进行匹配，当匹配成功时，暂停功能图片的传送。

4.根据权利要求3所述的基于大数据分析的数据智能分类及协同方法，其特征在于：当匹配成功时，由云网络端获取匹配成功的功能图片的地址信息，将功能图片和地址信息发送至后台端。

5.根据权利要求3所述的基于大数据分析的数据智能分类及协同方法，其特征在于：还包括S400，由后台端对三个维度的数据进行两两匹配，当任意两个维度的数据匹配失败时，将匹配失败的数据添加异常标签并进行存储。

6.根据权利要求5所述的基于大数据分析的数据智能分类及协同方法，其特征在于：所述内容S400中，在任意两个维度的数据匹配成功时，将匹配成功的数据添加时间信息并进行存储。

7.根据权利要求1所述的基于大数据分析的数据智能分类及协同方法，其特征在于：所述内容S100中，在发送数据时，将单一的设定数据、连续的运行数据和单一的评价数据成组地发送。

8.根据权利要求7所述的基于大数据分析的数据智能分类及协同方法，其特征在于：所述内容S200中，通过后台端对连续的运行数据求平均值，由后台端判断平均值是否在阈值范围内，当平均值偏离于阈值范围时，由后台端判断每个运行数据是否在阈值范围内，当有至少一个运行数据位于阈值范围外时，由后台端将该组数据添加部分标签进行存储。

9.根据权利要求5所述的基于大数据分析的数据智能分类及协同方法，其特征在于：先通过后台端将设定数据与预存的限定范围相匹配，当设定数据位于限定范围外时，将该组数据添加错误标签进行存储。

10.根据权利要求9所述的基于大数据分析的数据智能分类及协同方法，其特征在于：当设定数据位于限定范围外时，由后台端获取评价数据中的人员信息作为错误标签进行添加。

Images