本申請涉及深度學習和工業(yè)數據評估，特別是涉及一種工業(yè)模型自動化部署及更新方法、系統(tǒng)、設備和存儲介質。

背景技術：

1、近年來，隨著工業(yè)4.0概念的興起，智能制造成為了全球制造業(yè)轉型的重要方向。在這個背景下，如何利用先進的信息技術來提升工業(yè)生產的效率、降低成本、提高產品質量，成為了眾多企業(yè)關注的焦點。特別是，深度學習作為一種強大的人工智能技術，已經在圖像識別、語音處理等多個領域展現了其巨大的潛力。然而，在實際工業(yè)應用中，傳統(tǒng)的模型訓練和部署方法面臨著諸多挑戰(zhàn)：首先，由于工業(yè)數據的多樣性和復雜性，傳統(tǒng)的統(tǒng)計分析方法難以有效提取特征，而深度學習則能更好地處理高維度、非結構化的數據，提供更精確的預測和決策支持。但是，深度學習模型的訓練往往需要大量的計算資源和支持，這對于資源有限的傳統(tǒng)工業(yè)企業(yè)來說是一個難題。其次，工業(yè)模型的更新通常依賴人工操作，不僅耗時長，而且容易出錯。尤其是在動態(tài)變化的工業(yè)環(huán)境中，模型需要根據新的數據快速調整以保持其有效性。在對訓練好的工業(yè)模型部署后，缺乏模型運行的持續(xù)監(jiān)控和評估。現行方案多采用周期性評估方式和日志記錄與分析。這兩種方式都存在一定的滯后性，無法實時反饋模型運行效果。

技術實現思路

1、基于此，有必要針對上述技術問題，提供一種能夠提高的工業(yè)生產的效率的工業(yè)模型自動化部署及更新方法、系統(tǒng)、設備和存儲介質。

2、一種工業(yè)模型自動化部署及更新方法，所述方法包括：

3、獲取指定生產環(huán)境中多種類型的原始數據，對所述原始數據進行預處理和清理處理后得到訓練數據，并構建對應的訓練數據集；

4、采用在線開發(fā)工具，針對所述指定生產環(huán)境生成對應的工業(yè)模型；

5、利用所述訓練數據集對所述工業(yè)模型進行訓練，得到訓練好的工業(yè)模型；

6、根據部署指令，通過云邊協(xié)同技術將與所述部署指令相關的工業(yè)模型以及數據采集工具自動部署至對應的生產環(huán)境中，根據該生產環(huán)境中的實時數據進行實時監(jiān)控；

7、所述數據采集工具對工業(yè)模型運行時的參數進行實時采集，得到工業(yè)模型運行參數；

8、根據所述工業(yè)模型運行參數對所述工業(yè)模型進行評估，若評估結果滿足優(yōu)化條件，則對所述工業(yè)模型進行在線優(yōu)化。

9、在其中一實施例中，所述指定生成環(huán)境中多種類型的原始數據包括傳感器數據、視頻數據以及業(yè)務數據。

10、在其中一實施例中，所述在線開發(fā)工具包括畫布建模和notebook建模。

11、在其中一實施例中，所述工業(yè)模型運行參數為預先設定的模型性能指標項，包括可行度、故障率以及響應時間。

12、在其中一實施例中，根據所述工業(yè)模型運行參數對所述工業(yè)模型進行評估包括：

13、基于所述工業(yè)模型運行參數以及模型運行評估等級模型對所述工業(yè)模型的運行狀態(tài)進行評估，所述評估結果包括運行狀態(tài)良好、運行狀態(tài)一般、以及運行狀態(tài)欠缺；

14、若所述評估結果為運行狀態(tài)欠缺，則滿足優(yōu)化條件。

15、在其中一實施例中，對所述工業(yè)模型進行在線優(yōu)化時，利用生產環(huán)境中當前獲取的實時數據作為訓練數據對所述工業(yè)模型進行在線訓練，得到優(yōu)化后的工業(yè)模型。

16、在其中一實施例中，針對不同的生產環(huán)境生成多個工業(yè)模型，根據所述部署指令將指定的工業(yè)模型部署到相應的生產環(huán)境中。

17、本申請還提供了一種工業(yè)模型自動化部署及更新系統(tǒng)，所述系統(tǒng)包括：

18、邊緣側數據采集和預處理模塊，用于獲取指定生產環(huán)境中多種類型的原始數據，對所述原始數據進行預處理和清理處理后得到訓練數據，并構建對應的訓練數據集；

19、云側模型開發(fā)模塊，用于提供在線開發(fā)工具，針對所述指定生產環(huán)境生成對應的工業(yè)模型；

20、云側模型訓練和優(yōu)化模塊，用于利用所述訓練數據集對所述工業(yè)模型進行訓練，得到訓練好的工業(yè)模型；

21、云側模型部署模塊，用于根據部署指令，通過云邊協(xié)同模塊將與所述部署指令相關的工業(yè)模型以及數據采集工具部署至對應的生產環(huán)境中，根據該生產環(huán)境中的實時數據進行實時監(jiān)控，并由所述數據采集工具對工業(yè)模型運行時的參數進行實時采集，得到工業(yè)模型運行參數；

22、云側模型管理與運行監(jiān)控模塊，用于根據所述工業(yè)模型運行參數對所述工業(yè)模型進行評估，若評估結果滿足優(yōu)化條件，則由所述模型訓練和優(yōu)化模塊對所述工業(yè)模型進行在線優(yōu)化。

23、一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現以下步驟：

24、獲取指定生產環(huán)境中多種類型的原始數據，對所述原始數據進行預處理和清理處理后得到訓練數據，并構建對應的訓練數據集；

25、采用在線開發(fā)工具，針對所述指定生產環(huán)境生成對應的工業(yè)模型；

26、利用所述訓練數據集對所述工業(yè)模型進行訓練，得到訓練好的工業(yè)模型；

27、根據部署指令，通過云邊協(xié)同技術將與所述部署指令相關的工業(yè)模型以及數據采集工具自動部署至對應的生產環(huán)境中，根據該生產環(huán)境中的實時數據進行實時監(jiān)控；

28、所述數據采集工具對工業(yè)模型運行時的參數進行實時采集，得到工業(yè)模型運行參數；

29、根據所述工業(yè)模型運行參數對所述工業(yè)模型進行評估，若評估結果滿足優(yōu)化條件，則對所述工業(yè)模型進行在線優(yōu)化。

30、一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現以下步驟：

31、獲取指定生產環(huán)境中多種類型的原始數據，對所述原始數據進行預處理和清理處理后得到訓練數據，并構建對應的訓練數據集；

32、采用在線開發(fā)工具，針對所述指定生產環(huán)境生成對應的工業(yè)模型；

33、利用所述訓練數據集對所述工業(yè)模型進行訓練，得到訓練好的工業(yè)模型；

34、根據部署指令，通過云邊協(xié)同技術將與所述部署指令相關的工業(yè)模型以及數據采集工具自動部署至對應的生產環(huán)境中，根據該生產環(huán)境中的實時數據進行實時監(jiān)控；

35、所述數據采集工具對工業(yè)模型運行時的參數進行實時采集，得到工業(yè)模型運行參數；

36、根據所述工業(yè)模型運行參數對所述工業(yè)模型進行評估，若評估結果滿足優(yōu)化條件，則對所述工業(yè)模型進行在線優(yōu)化。

37、上述工業(yè)模型自動化部署及更新方法、系統(tǒng)、設備和存儲介質，通過對指定生產環(huán)境中多種類型的原始數據進行預處理和清理處理后得到訓練數據，并構建對應的訓練數據集，采用在線開發(fā)工具，針對指定生產環(huán)境生成對應的工業(yè)模型，利用訓練數據集對工業(yè)模型進行訓練得到訓練好的工業(yè)模型，根據部署指令，通過云邊協(xié)同技術將與部署指令相關的工業(yè)模型以及數據采集工具自動部署至對應的生產環(huán)境中，根據該生產環(huán)境中的實時數據進行實時監(jiān)控，數據采集工具對工業(yè)模型運行時的參數進行實時采集，得到工業(yè)模型運行參數，根據工業(yè)模型運行參數對工業(yè)模型進行評估，若評估結果滿足優(yōu)化條件，則對工業(yè)模型進行在線優(yōu)化。采用本方法能夠高效且智能的工業(yè)生產場景進行有效檢測。

技術特征：

1.一種工業(yè)模型自動化部署及更新方法，其特征在于，所述方法包括：

2.根據權利要求1所述的工業(yè)模型自動化部署及更新方法，其特征在于，所述指定生成環(huán)境中多種類型的原始數據包括傳感器數據、視頻數據以及業(yè)務數據。

3.根據權利要求2所述的工業(yè)模型自動化部署及更新方法，其特征在于，所述在線開發(fā)工具包括畫布建模和notebook建模。

4.根據權利要求3所述的工業(yè)模型自動化部署及更新方法，其特征在于，所述工業(yè)模型運行參數為預先設定的模型性能指標項，包括可行度、故障率以及響應時間。

5.根據權利要求4所述的工業(yè)模型自動化部署及更新方法，其特征在于，根據所述工業(yè)模型運行參數對所述工業(yè)模型進行評估包括：

6.根據權利要求5所述的工業(yè)模型自動化部署及更新方法，其特征在于，對所述工業(yè)模型進行在線優(yōu)化時，利用生產環(huán)境中當前獲取的實時數據作為訓練數據對所述工業(yè)模型進行在線訓練，得到優(yōu)化后的工業(yè)模型。

7.根據權利要求1-6任一項所述的工業(yè)模型自動化部署及更新方法，其特征在于，針對不同的生產環(huán)境生成多個工業(yè)模型，根據所述部署指令將指定的工業(yè)模型部署到相應的生產環(huán)境中。

8.工業(yè)模型自動化部署及更新系統(tǒng)，其特征在于，所述系統(tǒng)包括：

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現權利要求1至7中任一項所述方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現權利要求1至7中任一項所述的方法的步驟。

技術總結
本申請涉及一種工業(yè)模型自動化部署及更新方法、系統(tǒng)、設備和存儲介質，通過對指定生產環(huán)境中多種類型的原始數據進行預處理和清理處理后得到訓練數據，對采用在線開發(fā)工具，針對指定生產環(huán)境生成對應的工業(yè)模型進行訓練得到訓練好的工業(yè)模型，根據部署指令，通過云邊協(xié)同技術將與部署指令相關的工業(yè)模型以及數據采集工具自動部署至對應的生產環(huán)境中，根據該生產環(huán)境中的實時數據進行實時監(jiān)控，數據采集工具對工業(yè)模型運行時的參數進行實時采集，得到工業(yè)模型運行參數，根據工業(yè)模型運行參數對工業(yè)模型進行評估，若評估結果滿足優(yōu)化條件，則對工業(yè)模型進行在線優(yōu)化。采用本方法能夠高效且智能的工業(yè)生產環(huán)境進行有效檢測。

技術研發(fā)人員：胡丹,田煒,謝宇,楊翔,滕磊
受保護的技術使用者：中電工業(yè)互聯(lián)網有限公司
技術研發(fā)日：
技術公布日：2025/1/6