本技術涉及數(shu)據采集領域，特別是涉一(yi)種智能(neng)采集多設(she)備數(shu)據的方法及裝置(zhi)。

背景技術：

1、工業(ye)(ye)(ye)(ye)產業(ye)(ye)(ye)(ye)大腦是一(yi)種對生產過程中的(de)數據進(jin)行(xing)實(shi)時采集(ji)、分析和決(jue)策(ce)，通(tong)過整合和分析工業(ye)(ye)(ye)(ye)數據，支持工業(ye)(ye)(ye)(ye)企業(ye)(ye)(ye)(ye)創(chuang)新、產業(ye)(ye)(ye)(ye)鏈優化和政府(fu)決(jue)策(ce)的(de)智能系統，近年(nian)來，工業(ye)(ye)(ye)(ye)產業(ye)(ye)(ye)(ye)大腦系統的(de)發(fa)展較(jiao)快，并且在在推動產業(ye)(ye)(ye)(ye)數字化和數字產業(ye)(ye)(ye)(ye)化方(fang)面發(fa)揮了重要作用，并且將朝著技術(shu)創(chuang)新、應用領域(yu)拓展進(jin)行(xing)持續(xu)發(fa)展。

2、工(gong)業(ye)產(chan)(chan)(chan)業(ye)大腦(nao)系(xi)(xi)統(tong)(tong)其技(ji)術(shu)實(shi)(shi)(shi)現(xian)架(jia)構主要(yao)包(bao)括(kuo)數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)采(cai)集(ji)與(yu)整合、數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)存儲與(yu)管理(li)(li)、數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)分(fen)析與(yu)挖掘以及(ji)應用(yong)(yong)與(yu)服務四個層次。其中，數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)采(cai)集(ji)與(yu)整合層是(shi)實(shi)(shi)(shi)現(xian)產(chan)(chan)(chan)業(ye)大腦(nao)的(de)(de)基礎(chu)，負(fu)責從各(ge)種(zhong)來源收集(ji)數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)，包(bao)括(kuo)企(qi)業(ye)內部(bu)數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)、外(wai)部(bu)市場(chang)數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)、政府公開數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)等(deng)。并對數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)進(jin)行清洗、標準化(hua)(hua)和(he)整合等(deng)工(gong)作，再(zai)由產(chan)(chan)(chan)業(ye)大腦(nao)數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)倉進(jin)行相關(guan)的(de)(de)分(fen)析及(ji)應用(yong)(yong)，工(gong)業(ye)產(chan)(chan)(chan)業(ye)大腦(nao)需(xu)要(yao)采(cai)集(ji)生(sheng)產(chan)(chan)(chan)現(xian)場(chang)的(de)(de)相關(guan)制造數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)，包(bao)括(kuo)與(yu)各(ge)種(zhong)自(zi)動化(hua)(hua)設備(bei)的(de)(de)連接(jie)，各(ge)種(zhong)生(sheng)產(chan)(chan)(chan)現(xian)場(chang)管理(li)(li)軟(ruan)件的(de)(de)連接(jie)等(deng)，現(xian)主要(yao)使(shi)用(yong)(yong)的(de)(de)數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)采(cai)集(ji)手段和(he)方法包(bao)括(kuo)：傳(chuan)感(gan)(gan)器(qi)(qi)技(ji)術(shu)：利用(yong)(yong)各(ge)種(zhong)傳(chuan)感(gan)(gan)器(qi)(qi)（如溫度傳(chuan)感(gan)(gan)器(qi)(qi)、壓力(li)傳(chuan)感(gan)(gan)器(qi)(qi)、光電傳(chuan)感(gan)(gan)器(qi)(qi)等(deng)）直接(jie)采(cai)集(ji)生(sheng)產(chan)(chan)(chan)現(xian)場(chang)的(de)(de)數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)。自(zi)動化(hua)(hua)控制系(xi)(xi)統(tong)(tong)集(ji)成(cheng)：通(tong)過(guo)與(yu)現(xian)有的(de)(de)自(zi)動化(hua)(hua)控制系(xi)(xi)統(tong)(tong)（如plc、dcs等(deng)）集(ji)成(cheng)，獲取生(sheng)產(chan)(chan)(chan)線的(de)(de)實(shi)(shi)(shi)時運(yun)行數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)。機器(qi)(qi)視(shi)覺系(xi)(xi)統(tong)(tong)：通(tong)過(guo)機器(qi)(qi)視(shi)覺系(xi)(xi)統(tong)(tong)采(cai)集(ji)圖像和(he)視(shi)頻數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)，用(yong)(yong)于產(chan)(chan)(chan)品質量檢測(ce)、生(sheng)產(chan)(chan)(chan)過(guo)程監控等(deng)。rfid和(he)條形(xing)碼(ma)技(ji)術(shu)：使(shi)用(yong)(yong)rfid標簽或(huo)條形(xing)碼(ma)標識產(chan)(chan)(chan)品、設備(bei)和(he)人(ren)員，通(tong)過(guo)掃描設備(bei)自(zi)動采(cai)集(ji)相關(guan)信(xin)息。人(ren)工(gong)錄入與(yu)數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)接(jie)口：在某些情況下(xia)，仍(reng)然需(xu)要(yao)人(ren)工(gong)錄入數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)或(huo)使(shi)用(yong)(yong)數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)接(jie)口從其他系(xi)(xi)統(tong)(tong)導入數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)。

3、工業產業大腦系(xi)統在數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)融合方面主要(yao)采(cai)用數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)清(qing)洗(xi)、數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)標(biao)(biao)準(zhun)化(hua)(hua)等(deng)技術對(dui)數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)進行預處理，再將(jiang)清(qing)洗(xi)和(he)(he)標(biao)(biao)準(zhun)化(hua)(hua)后的(de)(de)數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)整合到(dao)一(yi)(yi)(yi)個(ge)統一(yi)(yi)(yi)的(de)(de)數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)庫(ku)或(huo)數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)倉庫(ku)中。從(cong)而(er)實現提高數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)質(zhi)量，促(cu)進數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)共享(xiang)，支持決策分析(xi)等(deng)目標(biao)(biao)。其主要(yao)內(nei)容(rong)及(ji)實現技術包(bao)括：數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)清(qing)洗(xi)：作為(wei)數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)標(biao)(biao)準(zhun)化(hua)(hua)的(de)(de)第一(yi)(yi)(yi)步，包(bao)括去(qu)除重復(fu)數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)、處理缺失值和(he)(he)異常值等(deng)數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)轉(zhuan)換：將(jiang)數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)從(cong)一(yi)(yi)(yi)種格式(shi)(shi)或(huo)結構(gou)轉(zhuan)化(hua)(hua)為(wei)另一(yi)(yi)(yi)種，如數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)格式(shi)(shi)轉(zhuan)換、數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)編碼轉(zhuan)換等(deng)數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)規范化(hua)(hua)：將(jiang)數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)轉(zhuan)化(hua)(hua)為(wei)特(te)定的(de)(de)規范和(he)(he)標(biao)(biao)準(zhun)格式(shi)(shi)，如日期(qi)格式(shi)(shi)化(hua)(hua)、貨幣統一(yi)(yi)(yi)編碼等(deng)數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)映(ying)射(she)和(he)(he)整合：建立數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)之間的(de)(de)映(ying)射(she)關系(xi)，將(jiang)來自不同數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)源的(de)(de)數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)合并為(wei)一(yi)(yi)(yi)個(ge)統一(yi)(yi)(yi)的(de)(de)數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)集數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)質(zhi)量管理：通過制定數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)質(zhi)量規則和(he)(he)指標(biao)(biao)，對(dui)數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)(ju)(ju)進行評估、監(jian)控和(he)(he)改進。

4、但是，隨著工(gong)業自(zi)動化和(he)物(wu)聯網技術的(de)(de)飛(fei)速發展，工(gong)業產(chan)業大腦作為新(xin)型(xing)的(de)(de)工(gong)業數據(ju)處理平臺，面臨(lin)著海量且多樣化的(de)(de)數據(ju)采集(ji)與處理挑戰。其中典(dian)型(xing)的(de)(de)問題就(jiu)包(bao)括：

5、1.對數(shu)(shu)據(ju)(ju)多樣性(xing)的(de)(de)處(chu)理不(bu)夠(gou)靈活：工(gong)業產業大腦需要處(chu)理來自(zi)各(ge)種源的(de)(de)數(shu)(shu)據(ju)(ju)，包括自(zi)動化設(she)備、物聯網節點和(he)(he)信息(xi)化系(xi)統等。這(zhe)些數(shu)(shu)據(ju)(ju)類型的(de)(de)差異導致了(le)數(shu)(shu)據(ju)(ju)集(ji)(ji)成和(he)(he)分析(xi)的(de)(de)復雜(za)性(xing)。而且在不(bu)同的(de)(de)應用場景中，數(shu)(shu)據(ju)(ju)源的(de)(de)特性(xing)（如更(geng)新(xin)頻率、數(shu)(shu)據(ju)(ju)量大小、數(shu)(shu)據(ju)(ju)質量等）可能會(hui)有很(hen)大的(de)(de)差異。傳統的(de)(de)數(shu)(shu)據(ju)(ju)采集(ji)(ji)策略往(wang)(wang)往(wang)(wang)采用固(gu)定的(de)(de)參(can)數(shu)(shu)設(she)置（如固(gu)定的(de)(de)采集(ji)(ji)頻率），這(zhe)可能會(hui)導致在某些情況下(xia)采集(ji)(ji)到(dao)的(de)(de)數(shu)(shu)據(ju)(ju)過多而浪費(fei)資(zi)源，或者(zhe)數(shu)(shu)據(ju)(ju)更(geng)新(xin)過快(kuai)而采集(ji)(ji)不(bu)及時，從(cong)而影響數(shu)(shu)據(ju)(ju)的(de)(de)實用性(xing)和(he)(he)處(chu)理效率、

6、2.數(shu)(shu)(shu)(shu)據(ju)清(qing)洗和融合(he)效率較低：工業產業大腦(nao)(nao)需要(yao)處(chu)理的(de)數(shu)(shu)(shu)(shu)據(ju)量呈指數(shu)(shu)(shu)(shu)級(ji)增長(chang)。傳(chuan)統的(de)數(shu)(shu)(shu)(shu)據(ju)處(chu)理方法(fa)都是(shi)由現(xian)場(chang)的(de)數(shu)(shu)(shu)(shu)據(ju)采(cai)集端(duan)采(cai)集完(wan)成后再發到(dao)產業大腦(nao)(nao)數(shu)(shu)(shu)(shu)據(ju)倉進行處(chu)理，當所有的(de)現(xian)場(chang)端(duan)都將數(shu)(shu)(shu)(shu)據(ju)傳(chuan)送(song)到(dao)產業大腦(nao)(nao)進行處(chu)理，必然導致(zhi)產業大腦(nao)(nao)難以高(gao)效處(chu)理如此龐大的(de)數(shu)(shu)(shu)(shu)據(ju)規模。同時數(shu)(shu)(shu)(shu)據(ju)源(yuan)數(shu)(shu)(shu)(shu)據(ju)清(qing)洗和融合(he)是(shi)確保(bao)數(shu)(shu)(shu)(shu)據(ju)質量的(de)重要(yao)步驟，但傳(chuan)統方法(fa)往(wang)往(wang)需要(yao)大量的(de)人(ren)工參(can)與，效率低下，且容易受到(dao)個人(ren)經驗的(de)影響(xiang)，導致(zhi)數(shu)(shu)(shu)(shu)據(ju)處(chu)理的(de)不一致(zhi)性。

7、綜上(shang)所述，工(gong)業(ye)(ye)(ye)產業(ye)(ye)(ye)大(da)(da)腦系(xi)統在數(shu)(shu)據(ju)采(cai)集、數(shu)(shu)據(ju)傳輸(shu)、數(shu)(shu)據(ju)處(chu)理(li)方面(mian)均面(mian)臨著壓力和問題(ti)，其中典型的(de)(de)問題(ti)包括數(shu)(shu)據(ju)采(cai)集的(de)(de)目標數(shu)(shu)據(ju)多、類型亂、業(ye)(ye)(ye)務目標不明確；數(shu)(shu)據(ju)傳輸(shu)的(de)(de)數(shu)(shu)據(ju)量大(da)(da)、數(shu)(shu)據(ju)丟失現象經(jing)常發(fa)生；數(shu)(shu)據(ju)分(fen)析的(de)(de)數(shu)(shu)據(ju)處(chu)理(li)量大(da)(da)、對(dui)服務器的(de)(de)處(chu)理(li)壓力過大(da)(da)等問題(ti)，如何提高(gao)工(gong)業(ye)(ye)(ye)產業(ye)(ye)(ye)大(da)(da)腦對(dui)多樣化數(shu)(shu)據(ju)的(de)(de)采(cai)集和處(chu)理(li)效率，降低人工(gong)成本、提升(sheng)數(shu)(shu)據(ju)質量，從而幫助提升(sheng)數(shu)(shu)據(ju)分(fen)析、決策的(de)(de)質量和速度是(shi)現有技(ji)術亟需解(jie)決的(de)(de)難題(ti)。

技術實現思路

1、本(ben)技(ji)術實施例提供了一種智能(neng)采集(ji)多設備數(shu)(shu)(shu)(shu)(shu)據(ju)的(de)方法及裝置，采用自適(shi)應(ying)(ying)數(shu)(shu)(shu)(shu)(shu)據(ju)采集(ji)策略對(dui)產業(ye)大腦(nao)需要對(dui)接(jie)的(de)多樣性(xing)源數(shu)(shu)(shu)(shu)(shu)據(ju)進(jin)行智能(neng)化(hua)(hua)的(de)采集(ji)策略設定以(yi)適(shi)應(ying)(ying)不同的(de)數(shu)(shu)(shu)(shu)(shu)據(ju)采集(ji)場景，并(bing)通過在工業(ye)現場進(jin)行智能(neng)化(hua)(hua)的(de)數(shu)(shu)(shu)(shu)(shu)據(ju)清洗和融合，包括(kuo)實現數(shu)(shu)(shu)(shu)(shu)據(ju)采集(ji)的(de)異常檢測(ce)與自動修復、數(shu)(shu)(shu)(shu)(shu)據(ju)質(zhi)(zhi)量評估(gu)、上下文相(xiang)關的(de)數(shu)(shu)(shu)(shu)(shu)據(ju)處理(li)、交互式學(xue)習(xi)與優化(hua)(hua)，從而提高工業(ye)產業(ye)大腦(nao)對(dui)多樣化(hua)(hua)數(shu)(shu)(shu)(shu)(shu)據(ju)的(de)采集(ji)和處理(li)效率、降低人工成本(ben)、提升數(shu)(shu)(shu)(shu)(shu)據(ju)質(zhi)(zhi)量，幫助(zhu)提升數(shu)(shu)(shu)(shu)(shu)據(ju)分析(xi)、決策的(de)質(zhi)(zhi)量和速度。

2、第一(yi)方(fang)面，本技術實(shi)施例提供了一(yi)種(zhong)智能采(cai)集(ji)多設備數據的方(fang)法，所述方(fang)法包括：

3、設置至少一(yi)智能(neng)采(cai)集(ji)節(jie)點(dian)，所(suo)述(shu)智能(neng)采(cai)集(ji)節(jie)點(dian)接(jie)入工業現場的每一(yi)數(shu)據(ju)源節(jie)點(dian)，所(suo)述(shu)數(shu)據(ju)源節(jie)點(dian)使用(yong)初始采(cai)集(ji)策(ce)略采(cai)集(ji)工業設備的生產數(shu)據(ju)；

4、所(suo)述智能采集節(jie)(jie)點(dian)(dian)(dian)獲取所(suo)述數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)源節(jie)(jie)點(dian)(dian)(dian)實(shi)時(shi)采集的生產(chan)數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)，并(bing)對生產(chan)數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)進行清洗后上(shang)傳(chuan)至(zhi)工業(ye)產(chan)業(ye)大(da)腦進行數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)分析，其中(zhong)智能采集節(jie)(jie)點(dian)(dian)(dian)基于工業(ye)產(chan)業(ye)大(da)腦進行數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)分析時(shi)的數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)應用情(qing)況、每(mei)一(yi)數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)源節(jie)(jie)點(dian)(dian)(dian)在數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)采集時(shi)的實(shi)時(shi)狀態以及每(mei)一(yi)數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)源節(jie)(jie)點(dian)(dian)(dian)的數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)上(shang)下文信息(xi)為(wei)(wei)每(mei)一(yi)數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)源節(jie)(jie)點(dian)(dian)(dian)分配(pei)更新(xin)的采集策略，使(shi)用更新(xin)的采集策略作(zuo)為(wei)(wei)對應數(shu)(shu)(shu)(shu)據(ju)(ju)(ju)源節(jie)(jie)點(dian)(dian)(dian)的新(xin)的初始采集策略。

5、第二方面，本技(ji)術實施例提(ti)供了一種(zhong)智能采集多設備數據的裝置(zhi)，包(bao)括：

6、設置模塊，用(yong)(yong)于設置至(zhi)少(shao)一(yi)智能采集(ji)節(jie)點，所述(shu)智能采集(ji)節(jie)點接入工業(ye)現場(chang)的每一(yi)數據(ju)源節(jie)點，所述(shu)數據(ju)源節(jie)點使用(yong)(yong)初始采集(ji)策略(lve)采集(ji)工業(ye)設備的生產數據(ju)；

7、更(geng)新模塊，用(yong)(yong)于通過(guo)所(suo)述(shu)智(zhi)能采(cai)(cai)(cai)集(ji)(ji)節(jie)點(dian)獲(huo)取所(suo)述(shu)數(shu)據(ju)源(yuan)節(jie)點(dian)實時(shi)采(cai)(cai)(cai)集(ji)(ji)的(de)(de)生產數(shu)據(ju)，并(bing)對生產數(shu)據(ju)進(jin)(jin)行(xing)(xing)清洗后(hou)上傳至(zhi)工業產業大腦(nao)進(jin)(jin)行(xing)(xing)數(shu)據(ju)分(fen)(fen)析，其中智(zhi)能采(cai)(cai)(cai)集(ji)(ji)節(jie)點(dian)基(ji)于工業產業大腦(nao)進(jin)(jin)行(xing)(xing)數(shu)據(ju)分(fen)(fen)析時(shi)的(de)(de)數(shu)據(ju)應用(yong)(yong)情況、每一數(shu)據(ju)源(yuan)節(jie)點(dian)在數(shu)據(ju)采(cai)(cai)(cai)集(ji)(ji)時(shi)的(de)(de)實時(shi)狀態以及每一數(shu)據(ju)源(yuan)節(jie)點(dian)的(de)(de)數(shu)據(ju)上下文(wen)信息為每一數(shu)據(ju)源(yuan)節(jie)點(dian)分(fen)(fen)配更(geng)新的(de)(de)采(cai)(cai)(cai)集(ji)(ji)策略，使用(yong)(yong)更(geng)新的(de)(de)采(cai)(cai)(cai)集(ji)(ji)策略作為對應數(shu)據(ju)源(yuan)節(jie)點(dian)的(de)(de)新的(de)(de)初始(shi)采(cai)(cai)(cai)集(ji)(ji)策略。

8、第(di)三方面，本技術實施(shi)例提供了(le)一種(zhong)電子裝置，包括存儲(chu)器(qi)(qi)和(he)處理器(qi)(qi)，所述(shu)存儲(chu)器(qi)(qi)中存儲(chu)有計(ji)算機程(cheng)序，所述(shu)處理器(qi)(qi)被設置為(wei)運(yun)行所述(shu)計(ji)算機程(cheng)序以執(zhi)行一種(zhong)智能采集多設備數據(ju)的方法。

9、第四方面，本技術實施(shi)例(li)提供了一(yi)種可讀存(cun)儲(chu)介質(zhi)，所(suo)述(shu)(shu)可讀存(cun)儲(chu)介質(zhi)中存(cun)儲(chu)有計(ji)算機(ji)程(cheng)(cheng)序，所(suo)述(shu)(shu)計(ji)算機(ji)程(cheng)(cheng)序包括用于控制過(guo)(guo)程(cheng)(cheng)以執行過(guo)(guo)程(cheng)(cheng)的程(cheng)(cheng)序代碼，所(suo)述(shu)(shu)過(guo)(guo)程(cheng)(cheng)包括一(yi)種智(zhi)能采(cai)集多設(she)備數據的方法。

10、本發明的(de)主要貢獻和創新(xin)點如下：

11、本(ben)技術(shu)實(shi)(shi)施例(li)通過設置智(zhi)(zhi)能采(cai)(cai)集節(jie)(jie)(jie)點來(lai)根據(ju)(ju)(ju)(ju)(ju)工(gong)(gong)業現(xian)場的(de)(de)數(shu)據(ju)(ju)(ju)(ju)(ju)內容來(lai)自動(dong)生成采(cai)(cai)集策(ce)略匹配(pei)現(xian)場的(de)(de)需求(qiu)，并(bing)根據(ju)(ju)(ju)(ju)(ju)工(gong)(gong)業現(xian)場每一數(shu)據(ju)(ju)(ju)(ju)(ju)源(yuan)節(jie)(jie)(jie)點的(de)(de)實(shi)(shi)時數(shu)據(ju)(ju)(ju)(ju)(ju)采(cai)(cai)集情(qing)況、數(shu)據(ju)(ju)(ju)(ju)(ju)的(de)(de)應用情(qing)況以(yi)及(ji)數(shu)據(ju)(ju)(ju)(ju)(ju)的(de)(de)上(shang)下(xia)文情(qing)況來(lai)對(dui)不(bu)同(tong)數(shu)據(ju)(ju)(ju)(ju)(ju)源(yuan)節(jie)(jie)(jie)點的(de)(de)采(cai)(cai)集策(ce)略進(jin)行自動(dong)更新(xin)，優化(hua)數(shu)據(ju)(ju)(ju)(ju)(ju)采(cai)(cai)集的(de)(de)效(xiao)(xiao)果和效(xiao)(xiao)率；本(ben)方案通過智(zhi)(zhi)能采(cai)(cai)集節(jie)(jie)(jie)點在工(gong)(gong)業現(xian)場對(dui)數(shu)據(ju)(ju)(ju)(ju)(ju)進(jin)行智(zhi)(zhi)能化(hua)的(de)(de)清洗會再存入數(shu)據(ju)(ju)(ju)(ju)(ju)庫中，而不(bu)是(shi)把數(shu)據(ju)(ju)(ju)(ju)(ju)發送到工(gong)(gong)業產業大腦中進(jin)行處(chu)理，從而解(jie)決上(shang)傳的(de)(de)數(shu)據(ju)(ju)(ju)(ju)(ju)質(zhi)量不(bu)高、聯網傳輸數(shu)據(ju)(ju)(ju)(ju)(ju)量大，后續數(shu)據(ju)(ju)(ju)(ju)(ju)分析效(xiao)(xiao)率低等問題。

12、本技術(shu)的一個或(huo)多個實施例的細節在(zai)以(yi)(yi)下附圖(tu)和描述中提出，以(yi)(yi)使本技術(shu)的其他特征、目的和優點更加簡明易懂(dong)。