CN111736821A - 可视化建模分析方法、***、计算机设备和可读存储介质 - Google Patents
可视化建模分析方法、***、计算机设备和可读存储介质 Download PDFInfo
- Publication number
- CN111736821A CN111736821A CN202010596867.3A CN202010596867A CN111736821A CN 111736821 A CN111736821 A CN 111736821A CN 202010596867 A CN202010596867 A CN 202010596867A CN 111736821 A CN111736821 A CN 111736821A
- Authority
- CN
- China
- Prior art keywords
- model
- visual modeling
- user
- components
- modeling analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 217
- 238000004458 analytical method Methods 0.000 title claims abstract description 157
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000013507 mapping Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 19
- 238000013499 data model Methods 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 8
- 238000011161 development Methods 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 238000012800 visualization Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 3
- 241000220317 Rosa Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- WVCHIGAIXREVNS-UHFFFAOYSA-N 2-hydroxy-1,4-naphthoquinone Chemical compound C1=CC=C2C(O)=CC(=O)C(=O)C2=C1 WVCHIGAIXREVNS-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/10—Requirements analysis; Specification techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据建模技术领域，具体公开一种可视化建模分析方法、***、计算机设备和可读存储介质。该方法包括根据用户需求在可视化建模分析界面建立可视化建模分析模型，可视化建模分析模型包括若干用户组件；根据预设的用户组件与可视化建模组件间的映射关系，确定与若干用户组件关联的若干可视化建模组件；根据若干可视化建模组件确定案例模型；确定与案例模型关联的领域知识模型；确定与领域知识模型关联的业务链模型和数据链模型；确定与业务链模型和数据链模型关联的微服务组件模型，基于微服务组件模型进行建模分析并可视化展示模型结果。在建模过程中结合用户需求及领域知识，使构建出的数据模型在精度和行业适用度方面满足实际需求。
Description
技术领域
本发明涉及数据建模技术领域，特别是涉及一种可视化建模分析方法、***、计算机设备和可读存储介质。
背景技术
可视化建模语言是采用图形化方式对***/软件进行描述的语言，目前主流的包括统一建模语言(UML)、传统的数据流语言和工作流建模语言等。可视化建模具有直观、便于理解的优点。可视化建模工具目前分为自由编辑型和语法制导型两大类，前者允许用户随意建模，类似图形编辑器，如Microsoft公司的Visio等，后者帮助用户在编辑过程中建立语法正确的可视化模型，有利于用户对可视化建模语言的掌握和使用，如IBM公司的Rational Rose系列、Together Soft公司的Together系列、Select Software公司的SelectEnterprise、AST公司的Graphical Designer Pro 2.0等。
但是，随着目前业务需求的多样化发展趋势，业务流程越来越复杂，进而对业务流程中的数据分析功能提出了更为复杂的动态需求。而采用现有的可视化建模工具进行的建模分析方法大多依赖于开发人员的专业技能，而无法真正结合用户的业务需求以及领域知识，这将导致构建的数据模型在精度和行业适用度等方面难以满足实际需求。
发明内容
基于此，有必要针对现有的建模分析方法无法真正结合用户的业务需求以及领域知识，导致构建的数据模型在精度和行业适用度等方面难以满足实际需求的问题，提供一种可视化建模分析方法、***、计算机设备和可读存储介质。
一种可视化建模分析方法，包括：
根据用户需求在可视化建模分析界面建立可视化建模分析模型，所述可视化建模分析模型中包括若干用户组件；
根据预设的用户组件与可视化建模组件之间的映射关系，确定与所述若干用户组件相关联的若干可视化建模组件；
根据所述若干可视化建模组件确定案例模型；
确定与所述案例模型相关联的领域知识模型；
确定与所述领域知识模型相关联的业务链模型和数据链模型；
确定与所述业务链模型和数据链模型相关联的微服务组件模型，基于所述微服务组件模型进行建模分析，并可视化展示模型结果。
在其中一个实施例中，所述根据用户需求在可视化建模分析界面建立可视化建模分析模型的步骤包括:
根据用户的输入指令，在可视化建模分析界面将若干用户组件组合形成可视化建模分析模型；
或，根据用户需求自动生成与用户需求相匹配的可视化建模分析案例，以所述可视化建模分析案例作为可视化建模分析模型；
或，根据用户需求自动生成与用户需求相匹配的可视化建模分析案例，并根据用户的输入信号，对所述可视化建模分析案例中的参数和/或用户组件进行修改，以形成可视化建模分析模型。
在其中一个实施例中，所述根据预设的用户组件与可视化建模组件之间的映射关系，确定与所述若干用户组件相关联的若干可视化建模组件的步骤包括：
根据预设的用户组件与可视化建模组件之间的映射关系，并基于神经网络的自动关联匹配方法，确定与所述若干用户组件相关联的若干可视化建模组件。
在其中一个实施例中，所述根据所述若干可视化建模组件确定案例模型的步骤包括：
根据预设的可视化建模组件与实例库中存储的案例模型之间的映射关系，并基于神经网络的自动关联匹配方法，从所述实例库中自动匹配得到与所述若干可视化建模组件相关联的案例模型。
在其中一个实施例中，所述根据所述若干可视化建模组件确定案例模型的步骤包括：
根据用户的输入指令，并结合所述若干可视化建模组件建立符合用户需求的案例模型；
在根据所述若干可视化建模组件确定案例模型的步骤之后，还包括：
将建立好的所述案例模型补充至实例库中。
在其中一个实施例中，所述领域知识模型是结合领域专家知识将所述业务链模型和所述数据链模型融合关联后而形成，所述业务链模型是基于所述微服务组件模型，并结合领域内业务的核心概念及其关系而形成，所述数据链模型是基于所述微服务组件模型，并结合企业的静态数据、数据关联、数据语义以及一致性约束而形成，所述微服务组件模型是通过将质量特性设计资源固化而形成。
在其中一个实施例中，所述微服务组件模型包括数据采集模型、数据处理模型以及算法模型。
一种可视化建模分析***，包括：
构建单元，用于根据用户需求在可视化建模分析界面建立可视化建模分析模型，所述可视化建模分析模型中包括若干用户组件；
第一确定单元，用于根据预设的用户组件与可视化建模组件之间的映射关系，确定与所述若干用户组件相关联的若干可视化建模组件；
第二确定单元，用于根据所述若干可视化建模组件确定案例模型；
第三确定单元，用于确定与所述案例模型相关联的领域知识模型；
第四确定单元，用于确定与所述领域知识模型相关联的业务链模型和数据链模型；
第五确定单元，确定与所述业务链模型和数据链模型相关联的微服务组件模型，基于所述微服务组件模型进行建模分析，并可视化展示模型结果。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
上述可视化建模分析方法，首先根据用户需求在可视化建模分析界面建立可视化建模分析模型，然后根据预设的映射关系依次确定与可视化建模分析模型中的用户组件对应的可视化建模组件、与可视化建模组件关联的案例模型、与案例模型关联的领域知识模型、与领域知识模型关联的业务链模型和数据链模型，最终确定与业务链模型和数据链模型关联的最底层的微服务组件模型，完成建模分析。上述可视化建模分析方法将用户需求转换为对应的可视化建模需求，根据层层映射规则向底层的微服务组件模型发出建模分析调用需求，并在调用过程中结合应用领域知识模型，由此，在建模分析过程中结合了用户需求以及领域知识，使得构建出的数据模型在精度和行业适用度方面能够满足实际需求。
附图说明
图1为可视化建模分析框架的结构示意图；
图2为可视化建模分析框架中模型微服务化层的结构示意图；
图3为实施例一所提供的可视化建模分析方法的流程框图；
图4为实施例二所提供的可视化建模分析***的结构示意图；
图5为实施例三所提供的计算机设备的结构示意图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的优选实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反的，提供这些实施方式的目的是为了对本发明的公开内容理解得更加透彻全面。
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”、“前”、“后”、“周向”以及类似的表述是基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
近年来，全球掀起以智能制造为主导的工业革命新浪潮，工业数字化、网络化和智能化成为未来工业体系建设的关键点。工业大数据作为工业智能化时代新驱动要素，其作用日益凸显，逐渐成为传统制造业与新一代信息技术深度融合的落脚点。随着工业大数据领域进入快速发展时期，对海量异构的工业现场数据和***信息进行智能分析并处理，将成为推动制造业创新发展的重要支撑，为中国制造业升级和转型注入强大的驱动力。经过多年的学术研究和技术积累，工业大数据的建模方法和流程已日趋成熟，但是在工业互联网大数据的处理与分析过程中，仍存在数据建模难度大、门槛高，缺乏自动化、智能化的方法与工具等问题，建立的模型在精度、行业适用性等方面也不尽人意，导致模型的迭代和优化难以满足工业环境复杂多变的要求。因此，亟需实现领域知识驱动的质量大数据智能建模方法的突破。
目前，国内外许多行业已经开展了对工业互联网大数据分析方面的大量研究，取得了一定的技术突破，并形成了一系列的成果。在国外，美国通用电气(GE)公司的Predix云可以提供一系列快速实现集成的货架式微服务，但在领域知识支撑方面尚有不足，而且可视化建模分析能力仍有欠缺，难以满足编程基础差的用户进行工业互联网大数据建模分析的需求。德国SAP公司的HANA大数据平台集成基于Cloud Foundry的新架构扩展应用服务和高级模型(XS Advanced)，在一定程度上能够支持开放、灵活的微服务架构，实现应用程序的独立部署，但是存在***过于重量级，配置、操作异常复杂，实施成本、二次开发成本和使用成本相对较高，并且尚未有效解决数据割裂、建模困难等问题。在国内，航天科工集团的航天云网大数据平台、昆仑数据的KMX机器大数据管理分析平台和三一重工的装备工况大数据平台是较为知名的工业大数据平台，这些平台基于领域知识的自动化、智能化建模、分析及架构技术仍处于探索阶段，难以应对大数据处理与分析的适时性、多变性等方面的需求。
可视化建模语言是采用图形化方式对***/软件进行描述的语言，目前主流的包括统一建模语言(UML)、传统的数据流语言和工作流建模语言等。可视化建模具有直观、便于理解的优点。可视化建模工具目前分为自由编辑型和语法制导型两大类，前者允许用户随意建模，类似图形编辑器，如Microsoft公司的Visio等，后者帮助用户在编辑过程中建立语法正确的可视化模型，有利于用户对可视化建模语言的掌握和使用，如IBM公司的Rational Rose系列、Together Soft公司的Together系列、Select Software公司的SelectEnterprise、AST公司的Graphical Designer Pro 2.0等。不同的可视化建模工具存在共性特点，这使得开发通用的、可配置的可视化建模工具成为可能。
北京航空航天大学姜可等人对可视化建模工具及其开发技术进行研究，定义了一套支持静态语义的可视化建模语言描述方法，利用模型驱动的方法，通过配置目标编辑器，生成一个通用的、可配置的可视化建模工具。该工具由“可视化建模工具框架+语言配置项+编辑器配置项”构成，其开发环境主要提供可视化建模语言的描述方法和目标编辑器的配置和实现。其中，可视化建模工具框架是目标编辑器的核心驱动部分，由模型、转化模块、目标编辑器配置等部分组成。模型部分包括对可视化建模语言的描述，转化模块部分包括将模型描述信息转化为代码，目标编辑器的配置包括语言配置和编辑器配置，实现了对可视化建模语言和编辑器的定制，其基本设计思想是将所有可视化建模工具中通用性功能和专用性功能这两部分分离，由基础框架实现通用性功能部分，模型驱动或***配置的方法实现专用性功能部分。
上述可视化建模分析工具是语法制导型的可视化建模语言编辑器，主要采用Java语言并基于Eclipse平台开发。虽然该工具支持静态语义定义的可视化建模语言描述方法，并且具有良好的扩展性，但仍存在以下问题：
(1)在数据建模分析过程中缺少领域知识的支撑，构建的数据模型在精度和行业的适用度等方面难以满足实际要求。
(2)多样化的业务需求会导致业务流程复杂化，进而对业务流程中的数据分析功能提出更复杂的动态需求。现有的数据建模分析手段多依赖于开发人员的专业技能，极少甚至没有意识到领域知识对数据建模的重要性，无法发挥出领域知识的巨大利用价值，这也直接影响到构建的数据模型在特定领域下的真实性能水平。
(3)缺少支持频繁迭代、快速部署的微服务体系架构的强有力支撑，无法形成面向异构工业大数据的微服务化封装、调用及发布等一体化服务能力。
现有的工业互联网大数据应用平台大多基于面向服务的体系架构，因此尽管部分大数据应用平台能够提供一系列的数据可视化建模分析服务，但是在建模分析算法的动态组合能力方面仍存在较大的不足，无法提供支持频繁迭代、快速部署的建模分析组件微服务的能力，从而极大地限制了工业大数据分析对需求变化的快速、动态响应，最终影响到业务价值的实现。
基于此，本申请提供了一种可视化建模分析方法、***、计算机设备以及计算机可读存储介质。
实施例一
首先以“自下而上”的顺序对可视化建模分析框架进行介绍：
如图1所示，本实施例采用的可视化建模分析框架，由下向上依次包括模型微服务化层、***模型层、业务逻辑层以及用户交互层。
其中，如图2所示，模型微服务化层包括若干微服务组件模型。具体地，在基于云边协同模式的微服务架构下，将多元的工业互联网大数据可视化建模工作内容，按照微服务最佳实践原则，以适当的微服务粒度进行拆分，形成一系列可复用的工业互联网大数据可视化建模分析微服务组件模型，这些微服务组件模型按类别可分为算法模型、数据处理模型以及数据采集模型。算法模型包括K最近邻(KNN)模型、拟合回归模型、线性支持向量机(LSVM)模型、类神经网络模型、主成分分析/因子模型等算法模型；数据处理模型包括数据融合、数据类型转换、数据集成、数据排序、数据过滤以及数据填充等数据处理模型；数据采集模型包括关系型数据库接口模型、文档型数据库接口模型以及图数据库接口模型等数据采集模型。
开发者或使用者能够按照特定的工业互联网大数据可视化建模分析应用场景，例如面向机电、电子行业的质量设计、工艺升级或流程优化等应用场景的实际需求，将上述微服务组件模型通过可视化界面组合起来，以容器化编排部署微服务组件模型的方式，构建出面向特定工业互联网大数据分析应用场景的模型微服务化层。
另外，模型微服务化层还包括业务链模型和数据链模型。具体地，通过梳理与分析工业领域内例如机电、电子行业的业务流与数据流，然后提炼领域内业务的核心概念及其关系，并基于微服务组件模型框架构建形成业务链模型；通过描述企业的静态数据、数据联系、数据语义以及一致性约束进而形成数据链模型。即，业务链模型和数据链模型均与微服务组件模型相互关联。
***模型层包括领域知识模型。领域知识模型是通过领域知识图谱技术将业务链模型和数据链模型关联映射处理后自动化构建而成。具体地，领域知识模型的构建需要结合面向机电、电子行业的领域专家知识，先提取出业务链模型和数据链模型之间的关键属性，再自动化构建出融合工业知识模型和工业数据模型的领域知识模型。即，领域知识模型与业务链模型以及数据链模型相互关联。
业务逻辑层包括案例模型。具体地，通过业务链模型和数据链模型，并结合领域知识模型处理得到案例模型，并形成实例库，以备建模分析时调用。
用户交互层直接面向用户，包括可视化建模分析界面、用户组件库以及可视化建模组件数据库。具体地，可视化建模组件数据库中包括若干可视化建模组件，可视化建模组件与业务逻辑层中的案例模型通过基于神经网络的方法自动关联匹配方法建立起模型映射规则，即，可视化建模组件与案例模型相互匹配。用户组件库中包括若干用户组件，用户组件可供用户在可视化建模分析界面上支配使用，例如拖拽和连接等操作。其中，用户组件与可视化建模组件通过基于神经网络的自动关联匹配方法形成映射关系，以便用户在用户交互层建模操作时，通过用户组件可调用可视化建模组件。
基于上述可视化建模分析框架，本实施例提供了一种“自上而下”的可视化建模分析方法，如图1和图3所示，该方法包括以下步骤：
步骤S10、根据用户需求在可视化建模分析界面建立可视化建模分析模型，可视化建模分析模型中包括若干用户组件。
具体地，用户需求指的是用户梳理分析得到的企业项目业务环节对应的业务需求。根据业务需求在可视化建模分析界面建立可视化建模分析模型可以有多种实施方式。
在其中一种实施例中，步骤S10包括：根据用户的输入指令，在可视化建模分析界面将若干用户组件组合形成可视化建模分析模型。
在用户交互层中，用户在基于拖拽式布局的可视化建模分析界面自主建模，根据用户的专业知识选择用户组件库中的用户组件，并拖拽选好的用户组件，以连接方式连接各个用户组件，以形成可视化建模分析模型。
在另一种实施例中，步骤S10包括：根据用户需求自动生成与用户需求相匹配的可视化建模分析案例，以可视化建模分析案例作为可视化建模分析模型。
即，在用户交互层中预先存储有若干可视化建模分析案例，在实际应用时，可根据用户需求自动匹配得到与用户需求相关联的可视化建模分析案例，直接以可视化建模分析案例作为可视化建模分析模型，由此可便于可视化建模分析模型的快速建立。
在又一种实施例中，步骤S10包括：根据用户需求自动生成与用户需求相匹配的可视化建模分析案例，并根据用户的输入信号，对可视化建模分析案例中的参数和/或用户组件进行修改，以形成可视化建模分析模型。
该种方式属于辅助建模，当自动匹配到的可视化建模分析案例不完全符合用户需求时，用户可直接基于该可视化建模分析案例进行更改，可以调整可视化建模分析案例中各用户组件的参数，也可以直接将可视化建模分析案例中的用户组件替换为实际所需用户组件，以修改后的模型作为可视化建模分析模型。
若采用自主建模和辅助建模的方式，建立好的可视化建模分析模型是之前没有的。作为一种优选的实施方式，可以将建立好的可视化建模分析模型补充至可视化建模分析案例库中，后续遇到相同业务需求时可以直接使用，由此可提高建模效率，降低建模分析的时间成本。
上述三种可视化建模分析模型的形成方式均适用于本申请。在实际应用中，用户可根据实际需求进行选择，提高建模方法的灵活性和适用性。
步骤S20、根据预设的用户组件与可视化建模组件之间的映射关系，确定与若干用户组件相关联的若干可视化建模组件。
由于用户组件与可视化建模组件之间具有预先形成的映射关系，因此当用户交互层建立好可视化建模分析模型之后，用户组件即可自动映射到可视化建模组件，即可确定与上述可视化建模分析模型中各用户组件相关的可视化建模组件。具体地，可以根据预设的用户组件与可视化建模组件之间的映射关系，并基于神经网络的自动关联匹配方法，确定与若干用户组件相关联的若干可视化建模组件。由此，可提高用户组件和可视化建模组件的匹配速度和精度。
当然，也不排除采用其他的匹配方法，只要能够确定出与用户组件相关联的可视化建模组件即可。
步骤S30、根据若干可视化建模组件确定案例模型。
结合前述“自下而上”的可视化建模分析框架可知，实例库中的案例模型与可视化建模组件之间具有预设的映射关系，因此，当确定了可视化建模组件后，可根据预设的可视化建模组件与实例库中存储的案例模型之间的映射关系，并基于神经网络的自动关联匹配方法，从实施例中自动匹配得到与若干可视化建模组件相关联的案例模型。例如，数据采集建模组件与机电、电子等行业数据采集案例模型相匹配，当步骤S20中确定有数据采集建模组件时，即可自动匹配到与数据采集建模组件相关联的数据采集案例模型。由此，可提高建模分析效率。
在其中一个实施例中，当实例库中不存在与可视化建模组件相匹配的案例模型，即，不存在与用户个性化需求相符的案例模型时，用户也可以自行建立案例模型，即，步骤S30可以包括：
根据用户的输入指令，并结合若干可视化建模组件建立符合用户需求的案例模型。具体地，用户可以在可视化建模分析界面对确定好的可视化建模组件执行拖拽和连线等操作，建立符合自身需求的新的案例模型。
在其中一个实施例中，当用户自行建立新的案例模型后，还可以将建立好的案例模型补充至实例库中，以便后续使用，由此形成一个能够不断迭代更新的实例库。
步骤S40、确定与案例模型相关联的领域知识模型。
结合前述“自下而上”的可视化建模分析框架可知，***模型层中预先形成有领域知识模型，且领域知识模型与业务逻辑层中的案例模型相关联。因此，当确定好案例模型后，即可自动从***模型层中调用与案例模型相匹配的领域知识模型。例如，案例模型中包括数据采集、数据处理以及数据分析三个阶段，***模型层中则应预先存储有分别与这三个阶段内容相对应的领域知识模型。当确定了案例模型后，则可直接从***模型层中调用到与数据采集、数据处理以及数据分析分别对应的领域知识模型。关于领域知识模型的具体描述，可参见前文，在此不赘述。
步骤S50、确定与领域知识模型相关联的业务链模型和数据链模型。
结合前述“自下而上”的可视化建模分析框架可知，领域知识模型是通过领域知识图谱技术将业务链模型和数据链模型关联映射处理后构建而成，领域知识模型与业务链模型、数据链模型之间存在预设的映射关系。当确定了领域知识模型后，可根据预设的映射关系，确定与领域知识模型相关联的业务链模型和数据链模型。
步骤S60、确定与业务链模型和数据链模型相关联的微服务组件模型，基于所述微服务组件模型进行建模分析，并可视化展示模型结果。
由于业务链模型和数据链模型是由最底层的微服务组件模型构建而成，即，微服务组件模型与业务链模型、数据链模型之间均具有对应关系，当确定了业务链模型和数据链模型，即可确定与之对应的微服务组件模型。其中，微服务组件模型可以包括数据采集模型、数据处理模型以及算法模型等。在一个具体示例中，首先可通过数据采集模型可获取生产环境信息数据、设备故障运维数据、产品零部件装配工序参数以及生产执行***设备信息数据等多源异构数据，然后通过数据处理模型中的数据集成、数据类型转换和数据融合等模型，对多源异构数据执行数据处理，再通过KNN、拟合回归以及LSVM等算法模型执行数据建模分析，最终将建模分析结果可视化输出展示。
上述可视化建模分析方法，首先根据用户需求在可视化建模分析界面建立可视化建模分析模型，然后根据预设的映射关系依次确定与可视化建模分析模型中的用户组件对应的可视化建模组件、与可视化建模组件关联的案例模型、与案例模型关联的领域知识模型、与领域知识模型关联的业务链模型和数据链模型，最终确定与业务链模型和数据链模型关联的最底层的微服务组件模型，完成建模分析。上述可视化建模分析方法将用户需求转换为对应的可视化建模需求，根据层层映射规则向底层的微服务组件模型发起建模分析调用请求，并在调用过程中结合应用领域知识模型。由此，在建模分析过程中结合了用户需求以及领域知识，使得构建出的数据模型在精度和行业适用度方面能够满足实际需求。
实施例二
本实施例提供了一种可视化建模***，如图4所示，该***包括构建单元10、第一确定单元20、第二确定单元30、第三确定单元40、第四确定单元50以及第五确定单元60。
其中，构建单元10用于根据用户需求在可视化建模分析界面建立可视化建模分析模型，可视化建模分析模型中包括若干用户组件；
第一确定单元20用于根据预设的用户组件与可视化建模组件之间的映射关系，确定与若干用户组件相关联的若干可视化建模组件；
第二确定单元30用于根据若干可视化建模组件确定案例模型；
第三确定单元40用于确定与案例模型相关联的领域知识模型；
第四确定单元50用于确定与领域知识模型相关联的业务链模型和数据链模型；
第五确定单元60用于确定与业务链模型和数据链模型相关联的微服务组件模型，基于所述微服务组件模型进行建模分析，并可视化展示模型结果。
关于上述构建单元10、第一确定单元20、第二确定单元30、第三确定单元40、第四确定单元50以及第五确定单元60的具体内容可参见实施例一中的相关描述，在此不赘述。
上述可视化建模分析***，首先通过构建单元根据用户需求在可视化建模分析界面建立可视化建模分析模型，然后根据预设的映射关系依次确定与可视化建模分析模型中的用户组件对应的可视化建模组件、与可视化建模组件关联的案例模型、与案例模型关联的领域知识模型、与领域知识模型关联的业务链模型和数据链模型，最终确定与业务链模型和数据链模型关联的最底层的微服务组件模型，完成建模分析。通过上述可视化建模分析***可将用户需求转换为对应的可视化建模需求，根据层层映射规则向底层的微服务组件模型发起建模分析调用请求，并在调用过程中结合应用领域知识模型，由此，在建模分析过程中结合了用户需求以及领域知识，使得构建出的数据模型在精度和行业适用度方面能够满足实际需求。
实施例三
本实施例提供了一种计算机设备，如图5所示，包括存储器200和处理器300，存储器200和处理器300之间互相通信连接，可以通过总线或者其他方式连接，图5中以通过总线连接为例。
处理器300可以为中央处理器(Central Processing Unit，CPU)。处理器300还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器200作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的可视化建模分析方法对应的程序指令。处理器300通过运行存储在存储器200中的非暂态软件程序、指令以及模块，从而执行处理器300的各种功能应用以及数据处理，即可视化建模分析方法。
存储器200可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储处理器300所创建的数据等。此外，存储器200可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器200可选包括相对于处理器300远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种可视化建模分析方法，其特征在于，包括：
根据用户需求在可视化建模分析界面建立可视化建模分析模型，所述可视化建模分析模型中包括若干用户组件；
根据预设的用户组件与可视化建模组件之间的映射关系，确定与所述若干用户组件相关联的若干可视化建模组件；
根据所述若干可视化建模组件确定案例模型；
确定与所述案例模型相关联的领域知识模型；
确定与所述领域知识模型相关联的业务链模型和数据链模型；
确定与所述业务链模型和数据链模型相关联的微服务组件模型，基于所述微服务组件模型进行建模分析，并可视化展示模型结果。
2.根据权利要求1所述的可视化建模分析方法，其特征在于，所述根据用户需求在可视化建模分析界面建立可视化建模分析模型的步骤包括：
根据用户的输入指令，在可视化建模分析界面将若干用户组件组合形成可视化建模分析模型；
或，根据用户需求自动生成与用户需求相匹配的可视化建模分析案例，以所述可视化建模分析案例作为可视化建模分析模型；
或，根据用户需求自动生成与用户需求相匹配的可视化建模分析案例，并根据用户的输入信号，对所述可视化建模分析案例中的参数和/或用户组件进行修改，以形成可视化建模分析模型。
3.根据权利要求1所述的可视化建模分析方法，其特征在于，所述根据预设的用户组件与可视化建模组件之间的映射关系，确定与所述若干用户组件相关联的若干可视化建模组件的步骤包括：
根据预设的用户组件与可视化建模组件之间的映射关系，并基于神经网络的自动关联匹配方法，确定与所述若干用户组件相关联的若干可视化建模组件。
4.根据权利要求1所述的可视化建模分析方法，其特征在于，所述根据所述若干可视化建模组件确定案例模型的步骤包括：
根据预设的可视化建模组件与实例库中存储的案例模型之间的映射关系，并基于神经网络的自动关联匹配方法，从所述实例库中自动匹配得到与所述若干可视化建模组件相关联的案例模型。
5.根据权利要求1所述的可视化建模分析方法，其特征在于，所述根据所述若干可视化建模组件确定案例模型的步骤包括：
根据用户的输入指令，并结合所述若干可视化建模组件建立符合用户需求的案例模型；
在根据所述若干可视化建模组件确定案例模型的步骤之后，还包括：
将建立好的所述案例模型补充至实例库中。
6.根据权利要求1所述的可视化建模分析方法，其特征在于，所述领域知识模型是结合领域专家知识将所述业务链模型和所述数据链模型融合关联后而形成，所述业务链模型是基于所述微服务组件模型，并结合领域内业务的核心概念及其关系而形成，所述数据链模型是基于所述微服务组件模型，并结合企业的静态数据、数据关联、数据语义以及一致性约束而形成，所述微服务组件模型是通过将质量特性设计资源固化而形成。
7.根据权利要求1所述的可视化建模分析方法，其特征在于，所述微服务组件模型包括数据采集模型、数据处理模型以及算法模型。
8.一种可视化建模分析***，其特征在于，包括：
构建单元，用于根据用户需求在可视化建模分析界面建立可视化建模分析模型，所述可视化建模分析模型中包括若干用户组件；
第一确定单元，用于根据预设的用户组件与可视化建模组件之间的映射关系，确定与所述若干用户组件相关联的若干可视化建模组件；
第二确定单元，用于根据所述若干可视化建模组件确定案例模型；
第三确定单元，用于确定与所述案例模型相关联的领域知识模型；
第四确定单元，用于确定与所述领域知识模型相关联的业务链模型和数据链模型；
第五确定单元，确定与所述业务链模型和数据链模型相关联的微服务组件模型，基于所述微服务组件模型进行建模分析，并可视化展示模型结果。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010596867.3A CN111736821B (zh) | 2020-06-28 | 2020-06-28 | 可视化建模分析方法、***、计算机设备和可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010596867.3A CN111736821B (zh) | 2020-06-28 | 2020-06-28 | 可视化建模分析方法、***、计算机设备和可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111736821A true CN111736821A (zh) | 2020-10-02 |
| CN111736821B CN111736821B (zh) | 2024-01-09 |
Family
ID=72651311
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010596867.3A Active CN111736821B (zh) | 2020-06-28 | 2020-06-28 | 可视化建模分析方法、***、计算机设备和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111736821B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112380199A (zh) * | 2020-11-10 | 2021-02-19 | 珠海市新德汇信息技术有限公司 | 一种大数据端到端的数据对账编排方法 |
| CN112667205A (zh) * | 2020-12-19 | 2021-04-16 | 南方电网数字电网研究院有限公司 | 停电编排微服务的开发方法、装置和计算机设备 |
| CN113050846A (zh) * | 2021-04-09 | 2021-06-29 | 北京科电亿网互联网科技有限公司 | 一种基于组件的时空大数据可视化配置方法及*** |
| CN114266324A (zh) * | 2021-12-30 | 2022-04-01 | 智慧眼科技股份有限公司 | 模型可视化建模方法、装置、计算机设备及存储介质 |
| CN115509523A (zh) * | 2022-11-24 | 2022-12-23 | 湖南创星科技股份有限公司 | 一种api服务快速组建方法以及*** |
| CN115756595A (zh) * | 2022-11-07 | 2023-03-07 | 苏州数设科技有限公司 | 工业软件的重构方法、装置、电子设备及可读存储介质 |
| CN116627030A (zh) * | 2023-06-02 | 2023-08-22 | 浙江同本科技有限公司 | 一种智能制造mes*** |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1952882A (zh) * | 2006-11-16 | 2007-04-25 | 武汉大学 | 一种基于本体元模型的领域建模方法 |
| US20100318957A1 (en) * | 2009-06-16 | 2010-12-16 | International Business Machines Corporation | System, method, and apparatus for extensible business transformation using a component-based business model |
| CN103294475A (zh) * | 2013-06-08 | 2013-09-11 | 北京邮电大学 | 基于图形化业务场景和领域模板的业务自动生成***和方法 |
| CN107807954A (zh) * | 2017-09-28 | 2018-03-16 | 广东亿迅科技有限公司 | 可视化建模多维分析***及其方法 |
| CN108121773A (zh) * | 2017-12-05 | 2018-06-05 | 广东京信软件科技有限公司 | 一种基于可视化拖拽式的大数据分析任务构建方法 |
| CN109710701A (zh) * | 2018-12-14 | 2019-05-03 | 浪潮软件股份有限公司 | 一种用于公共安全领域大数据知识图谱的自动化构建方法 |
| CN110058846A (zh) * | 2019-04-19 | 2019-07-26 | 深圳市康拓普信息技术有限公司 | 一种业务应用软件开发***和方法 |
| CN110086853A (zh) * | 2019-03-28 | 2019-08-02 | 浙江明度智控科技有限公司 | 一种工业物联网信息可视化方法、服务器和存储介质 |
-
2020
- 2020-06-28 CN CN202010596867.3A patent/CN111736821B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1952882A (zh) * | 2006-11-16 | 2007-04-25 | 武汉大学 | 一种基于本体元模型的领域建模方法 |
| US20100318957A1 (en) * | 2009-06-16 | 2010-12-16 | International Business Machines Corporation | System, method, and apparatus for extensible business transformation using a component-based business model |
| CN103294475A (zh) * | 2013-06-08 | 2013-09-11 | 北京邮电大学 | 基于图形化业务场景和领域模板的业务自动生成***和方法 |
| CN107807954A (zh) * | 2017-09-28 | 2018-03-16 | 广东亿迅科技有限公司 | 可视化建模多维分析***及其方法 |
| CN108121773A (zh) * | 2017-12-05 | 2018-06-05 | 广东京信软件科技有限公司 | 一种基于可视化拖拽式的大数据分析任务构建方法 |
| CN109710701A (zh) * | 2018-12-14 | 2019-05-03 | 浪潮软件股份有限公司 | 一种用于公共安全领域大数据知识图谱的自动化构建方法 |
| CN110086853A (zh) * | 2019-03-28 | 2019-08-02 | 浙江明度智控科技有限公司 | 一种工业物联网信息可视化方法、服务器和存储介质 |
| CN110058846A (zh) * | 2019-04-19 | 2019-07-26 | 深圳市康拓普信息技术有限公司 | 一种业务应用软件开发***和方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112380199A (zh) * | 2020-11-10 | 2021-02-19 | 珠海市新德汇信息技术有限公司 | 一种大数据端到端的数据对账编排方法 |
| CN112667205A (zh) * | 2020-12-19 | 2021-04-16 | 南方电网数字电网研究院有限公司 | 停电编排微服务的开发方法、装置和计算机设备 |
| CN112667205B (zh) * | 2020-12-19 | 2023-10-10 | 南方电网数字平台科技(广东)有限公司 | 停电编排微服务的开发方法、装置和计算机设备 |
| CN113050846A (zh) * | 2021-04-09 | 2021-06-29 | 北京科电亿网互联网科技有限公司 | 一种基于组件的时空大数据可视化配置方法及*** |
| CN114266324A (zh) * | 2021-12-30 | 2022-04-01 | 智慧眼科技股份有限公司 | 模型可视化建模方法、装置、计算机设备及存储介质 |
| CN115756595A (zh) * | 2022-11-07 | 2023-03-07 | 苏州数设科技有限公司 | 工业软件的重构方法、装置、电子设备及可读存储介质 |
| CN115756595B (zh) * | 2022-11-07 | 2023-12-12 | 苏州数设科技有限公司 | 工业软件的重构方法、装置、电子设备及可读存储介质 |
| CN115509523A (zh) * | 2022-11-24 | 2022-12-23 | 湖南创星科技股份有限公司 | 一种api服务快速组建方法以及*** |
| CN116627030A (zh) * | 2023-06-02 | 2023-08-22 | 浙江同本科技有限公司 | 一种智能制造mes*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111736821B (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111736821A (zh) | 可视化建模分析方法、***、计算机设备和可读存储介质 | |
| CN113033001B (zh) | 一种面向数字孪生应用的三维数字工厂建模方法及*** | |
| CN105094818B (zh) | 基于soa的自然资源综合应用构建方法及*** | |
| CN107632845B (zh) | 一种转轮叶片多轴铣削加工的集成知识云服务方法和*** | |
| CN101777004A (zh) | 面向服务环境中基于模板实现bpel子流程复用的方法及*** | |
| CN113010598B (zh) | 面向遥感大数据处理的动态自适应分布式协同工作流*** | |
| CN109981692A (zh) | 一种新型工业物联网架构及其实现方法 | |
| CN113656021A (zh) | 一种面向业务场景的油气大数据分析***及方法 | |
| Gujarathi et al. | Generative CAD and CAE integration using common data model | |
| KR100910336B1 (ko) | 논리 프로세스 및 물리 프로세스 모델을 맵핑한 비즈니스 프로세스 모델을 관리하기 위한 시스템 및 방법 | |
| CN108170855B (zh) | 一种CityGML与IFC数据统一查询及数据抽取方法 | |
| CN116774977A (zh) | 基于低代码的煤矿工业物联网开发平台的设计方法 | |
| WO2023004806A1 (zh) | Ai模型的设备部署方法、***及存储介质 | |
| CN111273900A (zh) | 基于gitlab实时代码共享的在线拖拽编码生成方法 | |
| CN114117645A (zh) | 一种舰船总体性能预报集成应用*** | |
| CN103971225A (zh) | 一种工作流动态扩展方法及*** | |
| US9177277B2 (en) | Workflow modeling with worklets and transitions | |
| Xudong et al. | User interface design model | |
| CN111291444B (zh) | 飞机装配的建模方法、装置、设备及存储介质 | |
| Essawy et al. | Elemental graph data model: a semantic and topological representation of building elements | |
| CN104660697B (zh) | 基于Kepler科学工作流传感网服务组合方法 | |
| KR20090073061A (ko) | 논리 프로세스 및 물리 프로세스 모델을 맵핑한 비즈니스 프로세스 모델을 관리하기 위한 시스템 및 방법 | |
| CN111639128A (zh) | 一种基于分布式的电商数据整合***及方法 | |
| CN110377934A (zh) | 船用机电产品的设计计算方法及装置 | |
| Pinto et al. | Generating Simulation Models From CAD-Based Facility Layouts |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |