论文部分内容阅读
工业4.0的提出,给传统制造业带来了巨大的机遇与挑战。企业急需对生产制造过程进行深入的自动化,信息化改造。同时,面对市场持续的通货膨胀,物价上涨,劳动力成本越来越高,用户个性化需求越来越强等现状。如何用更少的人力、物料、设备生产出数量更多、质量更好、满足个性化需求的产品已经成为制造企业面临的主要问题。制造业物联网在生产过程中实时采集人,物料,设备等信息,将这些信息进行处理和分析,达到对生产过程的精准控制,在减少了人工干预的情况下,可以快速有效的保证产品质量、设备安全性,是解决现今制造业困境的好办法。然而制造物联网中的数据有海量多源,高时空关联,强不确定性等特征。如何处理好制造物联网采集到的数据,获取其中有价值的信息是制造物联网的关键。现有数据处理方法难以满足制造物联网数据的强关联性和实时性的要求。因此,本文结合复杂事件处理,提出制造物联网中的分布式复杂事件处理研究,主要研究工作有:(1)分析制造物联网数据处理的现状和需求,结合复杂事件处理的功能特点,提出并设计基于制造物联网的分布式复杂事件处理框架;充分利用节点的计算资源和存储资源。通过在节点上运行轻量级复杂事件处理引擎,将节点采集的数据格式化为系统需要的数据模型并进行初步的数据过滤,有效的提高了复杂事件处理的效率,同时减少了数据传输的数据量。(2)针对基于事件优先级的复杂事件检测中,如何将海量事件流快速、高效地划分为多条事件队列这一关键问题。设计了基于布隆过滤器的优先级判定引擎,通过该引擎实现事件优先级的快速判定,从而提高复杂事件处理的速度。(3)设计一种高吞吐率复杂事件检测算法。提出通过聚集连接来提高复杂事件检测的吞吐率。我们建议推迟模式匹配构造,让它批量执行。通过减少AIS中遍历连接的花费,实现吞吐率的提高。通过上述研究工作,可以有效解决制造物联网中复杂事件处理系统的拓展性及数据处理的实时性问题,并为进一步的制造物联网中复杂事件处理研究提供了平台和理论基础。