在通用、智能系统中使用智能节点用于监测工业过程的制作方法

本发明涉及一种用于使用智能节点监测工业过程的通用、智能系统。

背景技术：

工业生产线通常包括涉及各种参与者或各种实体的多个步骤。每个参与者都产生数据，而这些数据通常都是在本地管理的。

例如，在水处理过程和来自处理的资源的定价(valorization)的情况下，废水处理工厂使用所考虑站点的本地的实践和运行经验在本地控制工业过程(监测、控制)。在数据级别，站点(工厂)独立发展，特别是在区域(领土)或全球(网络和国家资源)级别没有接口。

然而，汇集各种信息来源(本地、区域和全球资源)是必要的，因为它们将以减少生态足迹和运营成本的目的确保比较、交换和估价数据的可能性。这种方法的好处集中在工业过程的全球优化上，可能既环境又经济。

数据/信息通常被批存储(贮存(siloed))，很难有针对业务管理的即用型使用/应用的案例的“目录”。

出于同样的原因，很难具有按需可用的开发环境，完全适应正在开发的应用(hadoop、spark、datascience等)，并且成为可能的是，重新使用已经开发的应用的部分，以仅聚焦新应用的开发。

最后，部署成本通常是“隐藏成本”，这可能在组织的数字战略中变得非常重要，该数字战略被限制以在各种环境(云、内部基础设施、容器等)中部署更多应用。这些部署虽然经常和重复，但很难自动化。

本发明提供了单个硬件和软件平台，能够解决这三个问题，以确保企业的大数据应用的产业化。

用于在工业过程的各种实体之间建立接口的一种解决方案将是使用标准客户端/服务器架构，其利用安装虚拟专用网络(vpn)。

然而，设置vpn会导致过多的延迟和成本，因为部署可能涉及众多站点和不同的实体。

申请tw201445929(a)教导了智能网格网络中节点的使用。然而，鉴于缺乏可能的可升级性，监测工业过程的范围是不可想象的。

技术实现要素：

本发明的目的是通过提供一种用于监测适应于更广泛的数据生态系统的工业过程的系统来克服现有技术的一些缺点，使得可以考虑区域和全球级别的多站点维度和数据接口。

该目的通过一种用于监测工业过程的系统来实现，该系统使用可升级的同功能智能节点的集合，用于分布式网格网络(8)，每个节点包括计算机硬件架构和软件栈，所述系统还包括过程监测传感器或过程监测可编程控制器或用于数据采集的执行器，来自后者的数据经由网格网络被注入数据湖中，大规模数据管理(大数据管理)的中央平台允许管理和存储该湖，所述系统用于监测工业过程的特征在于每个节点从由网格的另一节点托管的程序接收执行顺序，所述程序与以下内容相关联：每个节点的通信模块，特定于该节点的标识符以及用于通过在每个节点的硬件架构上的执行来实现的邻域标识符，功能集合，该功能集合包括软件栈的以下功能中的至少一个：

·以时间序列的形式，通过组合两种数据扩散模式，由智能节点收集或计算的数据扩散：“系统型”数据扩散模式，其中数据以给定的分辨率或标准被扩散，并且被扩散到网格中给定的深度(例如邻域的3或4级别)；以及“机会型”扩散模式，其中与初始数据请求相关的另一节点的至少一个邻近节点自主地将通过其中的信息或数据记录在其存储器中，以便当与初始请求的类似请求被重复时，重播所述数据或信息；

·除了来自传感器或执行器或过程的可编程控制器的信息之外，还存储指示相关节点是对象的亲本(parent)(被称为“父节点”)的字段或属性；

·通过发送要修改的节点的标识符将所述平台连接到网格的任何节点，即使用户被连接到不是他们期望修改的对象的父节点的节点，所述节点也被远程地以及动态地修改。

根据另一个特征，该功能集合包括数据日志和格式化分散化计算。

根据另一个特征，数据湖包括与由智能节点形成的分布式网格网络同步或异步通信的装置，用于允许将数据注入湖中。

根据另一个特征，管理数据湖的平台由三个部分或“层”组成，每个部分或“层”包括至少一个计算机硬件架构，以及至少一个软件层，每个计算机硬件架构上的每个软件层的执行在平台的每个部分或层中实现用于管理问题的功能，所解决的问题一方面是从一个平台层到另一个平台层的不同，另一方面，与需要与企业中的大数据交互的不同人员相关联：业务用户、开发人员和管理员/devops(开发人员和业务用户之间的调节者)。

根据另一个特征，平台在数据湖中生成网络的构造和状态以及连接到网络的过程的表示，并在每次改变时更新所述表示。

根据另一个特征，用于测量的数据湖和过程控制由用于存储和处理或日志来自工业过程的数据的一组工具组成。

根据另一个特征，该功能集合包括在中央平台的计算机硬件架构上实现的功能，用于创建和管理适用于用于控制所述过程的工业过程的对象。

根据另一个特征，每个对象属于至少一个类，该类是对代表工业过程的一个或更多个对象的特征的描述，每个对象是从该类中被创建的并且形成所讨论的类的实例、由智能节点或平台中包含的方法所处理的对象的特征以及状态，与给定时刻存储的信息对应的对象的状态，如其属性集合的值所描述的，还称为字段或属性。

根据另一个特征，对象是定义变量和/或服务的业务或技术数据的表示，变量和/或服务包括：

·技术服务，其由用于与工业设备通信的协议服务层组成；

·“主要”变量，其是存储由技术服务收集的数据的变量；

·计算服务，其用于计算指示符，并基于主要变量的值实现逻辑；

·次要变量，其用于存储来自计算服务的值的结果。因此，它们是从主要变量(通过计算)导出的变量；

·杂项服务，其称为“一般”服务(例如存档、打印、拍照或录像、特定算法)，其用于补充由业务或媒体服务的控制和数据采集系统(scada)。

根据另一个特征，每个智能节点包括中间件，该中间件允许通过临界质量和邻域效应在分布式网格中部署多个节点，包括通过在硬件架构上执行的算法优化要部署的智能节点的数量和它们经由邻域互连的数量，用于实现特定服务的服务质量所需的可用性、部署的稳健性和服务的连续性。

根据另一个特征，每个节点包括用于存储和管理至少一个对象的装置，用于维护对象的当前状态，并使用其自身所连接的节点的邻域的存储列表，来向每个邻近节点通知对象的状态的可能改变。

根据另一个特征，该功能集合包括在每个节点的计算机硬件架构上实现的功能，用于通知其邻域中的每个节点，使得邻近节点通知沿着取决于网格的拓扑或特定架构的方向定向的路径的其他节点，定义网络节点之间的链接，或者如果必要的话，沿着面向中央平台定向的路径，因此每个节点通知网络和网格的其余部分，以及因此每个节点存储对象、其当前状态以及对象被分配到的父节点。

根据另一个特征，节点具有给定的有限存储容量，每个节点用于将信息或数据直接转移到数据湖或邻近节点，信息或数据不被保留在它们的高速缓存存储器中。

根据另一个特征，每个节点具有至少一个用于访问其“对象字典”的图像的接口，该接口允许定义新节点或为节点定义新对象，如果对字典所做的修改不与管理器被访问的节点有关，则针对该修改的请求在网格中扩散并且从一个节点传输到另一个节点直到相关的父节点，然后对象的父节点继续执行该请求，然后执行的结果反过来在网格的其余部分中被扩散，接收该结果的每个节点更新其自己的“对象字典”图像。

根据另一个特征，在不对对象的状态进行修改的情况下处理对象，不使用另一个对象的状态或影响该对象，每个对象具有对工业过程的任何使用或任何实体可能的访问权限，对象的属性或定义字段以及处理对象的方法由节点管理器动态改变。

根据另一个特征，每个对象使用定义质量参数的属性，该质量参数表示对象的状态的期望目标值与值的实际状态(实际状况)之间的差，对象的期望状态由修改所述对象的状态的请求形式化，所述请求能够从任何远程节点(即使它不是该对象的父节点)制定，然后被传输到网格并从一个节点传输到另一个节点直到相关的父节点，由相关节点执行所述请求，从而允许网格的每个节点检索对象的实际状态，并且因此计算其质量。

附图说明

通过参考附图阅读以下描述，本发明的其他特征和优点将变得更加清楚，其中：

-图1a表示根据第一实施例的智能节点的架构的示意图，

-图1b表示根据第二实施例的智能节点的操作示意图，

-图2表示根据第三实施例的智能节点的操作示意图，

-图3表示根据一个实施例的使用通用、智能系统中智能节点用于监测工业过程的示意图。

具体实施方式

本发明使用至少一个智能节点(图1a中的1)与其他节点一起构成如图1b所表示的分布式网格网络(8)。

在一些实施例中，智能节点(1)包括计算机硬件架构和小占用空间(footprint)(10到300兆字节)的软件栈(2、3、4、5、6)，该软件栈在硬件架构上运行时具有低资源消耗。所述架构被硬式化(harden)(未表示)为x86类型或armraspberry或mips类型，节能并且能够抵抗在linux操作系统或类似系统下运行的恶劣环境条件(冲击和振动，从-40℃至+80℃的温度)。

智能节点将符合微服务类型的架构。它包括主干，节点管理器(12)围绕该主干构建。所述节点管理器被编程用于按需动态激活以下类别中的功能范围或集合：

·采集和仪表化能力(例如modbus或物理信号)，

·数据和消息日志，对数据的格式化和分散化计算，

·针对移动中的操作者的web仪表板，

·网关和机器对机器(m2m)互操作性。

在一些实施例中，用于分布式网络的每个智能节点(例如，图1b中的1a)包括一块中间件(2)，其包含通信代理，用于与其他节点(1b、1c、1d)到中央平台(10)的双向通信(11)，以及根据需要，通过邻近节点(1d)到每个邻近节点(1e)或(1f)的双向通信(11)。因此，该中间件(2)允许通过临界质量和邻域效应在分布式网格网络(8)中部署多个节点，包括通过在硬件架构上执行的算法优化要部署的智能节点的数量和它们经由邻域互连的数量，以实现由特定服务的服务质量所需的可用性、部署的稳健性和服务的连续性。

该网格通常被称为智能节点网络[智能节点网格](snm)。

部署通常以下列方式进行：每个节点(1)的软件在工厂时经配置，具有最小范围的功能，允许其启动并在其直接邻域进行通信。这些基本功能允许渐进地(gradual)首先扩散节点的特征，即其标识符和已经配置的对象。

因此，每个节点(1a、...、1f)包含包括至少一个软件层的装置，用于存储(3)和管理(4)至少一个配置的对象，在每个时刻保持对象的状态，其被称为“当前状态”并实现至少一种监测对象的状态变化的方法。该方法使用节点(例如1d)本身连接到的节点(例如，1c、1e、1f)的领域标识符的存储列表，用于通过使用领域的这个列表，向每个邻近节点通知对象的状态的可能改变。

对象是定义变量和/或服务的业务或技术数据的表示，变量和/或服务包括：

-技术服务，其由用于与工业设备通信的协议服务层(例如modbus、opcua、canopen、can应用层)组成；

-“主要”变量，其是存储由技术服务收集的数据的变量；

-计算服务，其用于计算指示符，并且基于主要变量的值实施逻辑；

-次要变量，其用于存储来自计算服务的值的结果。因此，它们是从主要变量(通过计算)导出的变量；

-杂项服务，其称为“一般”服务(例如存档、打印、拍照或录像、特定算法)，其用于补充由业务或媒体服务的控制和数据采集系统(scada)。例如，如果振动指示符(次要变量)超过某个阈值，那么通过一般服务一次突发拍摄10张照片，并且这些照片被传输到网格的其余部分。

在一些实施例中，所述智能节点，例如，(1a或1f)包含包括至少一个软件层(5、4、3)的装置，由于日志软件层(3)，使得可以存储除了来自过程(7a或相应地7b)传感器的信息和填写分配给该节点的对象的字段之外，还存储表示所述节点(1a或相应地1f)的标识符并指示相关的节点是对象的亲本的属性，所述节点被称为“父节点”。

在一些实施例中，所述节点的软件栈(5、6)使得作为由处理引擎(4)执行的处理结果，可以由处理引擎(4)经由软件层(6)将控制信号发送到传感器或可编程控制器或致动器，以用于监测连接到节点(1a相应地1f)的过程(7a或7b)，并且经由另一个软件层(5)从过程(7a、7b)的传感器或致动器或可编程控制器采集数据。相反地，过程(7a、7b)将能够经由邻域中的其相应邻域节点(1a、1f)将信息反馈到平台(10)，然后是数据湖(9)。

在一些实施例中，节点(1)可以在用于监测工业过程的通用、智能系统中使用，该系统包括：用于采集、管理和存储数据湖(图2中的9)的大规模数据管理(大数据管理)的中央平台(10)，以及与由智能节点(1a至1f)组成的分布式网格网络(8)的通信(11)的装置。在所谓的对象字典中构造监测逻辑使得可以使用“原子部分”(主要是服务和对象变量)来定义在工业监测系统的现有技术中通常被定义为单片式(monolithic)应用的内容。这套服务形成了所谓的“监测情报”。由于中间件(2)，使后者是“可移植的”，能够在网络(8)的不同节点(1)上分布数据和“情报”二者，从而形成监测网络。本地服务的嵌入式引擎能够均匀地管理不同类型的服务(不仅是计算)，而与硬件平台无关。负责服务的引擎的主要优点在于它们可以在小型硬件单元(低cpu[中央处理单元]和存储器资源)上运行。

在一些实施例中，该功能集合包括在每个节点(1)(例如1f)的计算机硬件架构上实现的功能，用于通知其邻域(例如1d)中的每个节点(1)，以便邻近节点(1)通知沿着取决于网格的拓扑或特定架构的方向定向的路径的其他节点(1)，定义网络节点之间的链路，或者如果必要，沿着朝向中央平台(10)定向的路径，因此，每个节点(1)通知网络(8)的其余部分以及网格并且每个节点(1)因此存储对象、其当前状态和对象被分配到的父节点。

对象的集合被一起收集在共享的对象字典中并且对于网格的每个节点是已知的。基于使用存储器中nosql数据库的该字典的实施方式是创新的，因为它非常紧凑并且独立于预定的对象模型。因此，字典的这种紧凑性允许遍及网格(8)的扩散。

一旦节点(1)首次投入使用，则它就变得可见和/或可从网格(8)的任何其他节点(1)访问。包含在每个节点中的本地图形接口使得可以在最容易访问的节点上工作，同时允许配置和修改远程智能节点的服务和功能。最常见的修改是：

-添加附加的对象，

-修改数据的扩散策略，

-激活和/或安装附加的软件模块(例如，智能节点成为web服务器的能力、与新系统互操作的能力等)。首先以由节点管理器识别的模块的形式实现附加功能。因此，通过监测和控制已被中断或死机的软件模块的重新启动和安全更新，所述节点管理器(12)管理在计算机硬件架构上执行的由软件模块实现的新功能和功能的动态部署。因此，给定节点(1)[智能节点]被配置为在节点管理器的监测和控制下与特定范围的软件模块一起操作。

本发明的非常创新的因素中的一个是，以下不是绝对必要的：用户正在其上工作的节点(1)[智能节点]是他期望修改的节点，或者是在相同网络上或者在“直接ip可见性”中作为将使用传统服务器的客户端。实际上，网格中的通信依赖于渐进通信。例如，并且非限制性地，在节点a上对节点e进行本地修改。节点a与具有邻域(vb，a；vb，c；vb，d)的节点b共享相同的邻域(va，b)。节点b与节点c和d共享相同的邻域。节点d与节点e共享相同的邻域。节点b被通知对节点a进行修改以引起e的注意。因为这与它无关，它仅仅通知该节点(即b)的其邻域，b然后通知c和d等。因此，渐进地，修改请求到达相关的邻域和相关节点(e)。节点e继续执行修改，并且如果成功，则通知其领域其配置已更改。因此，修改成功的通知被传播回网格的其余部分。

在一些实施例中，由智能节点(1)收集或计算的数据的扩散(以时间序列的形式扩散)通过组合两个数据扩散模式来执行：“系统型”扩散模式，其中数据在给定分辨率下被扩散，并且被扩散到网格中的给定深度；以及“机会型”扩散模式，其中由初始数据请求相关的另一节点(1)的至少一个邻近节点自主地将通过其中的信息或数据记录在其存储器中，以便当与初始请求类似的请求被重复时，重播所述数据或信息，由节点(1)扩散的数据的扩散模式或方案不同于系统型复制方案，其中数据扩散方案对于所有节点是相同的复制。

系统型扩散，其通过配置节点(1)的扩散模块来进行，该扩散模块最初被配置用于以一定分辨率扩散变量或给定的一组变量并且扩散到一定的“网格中的深度”，例如邻域的3或4级别。因此，此系统型策略允许在网格的任何点处具有一定级别的超视图hypervision(不是具有最佳粒度或分辨率的优化，但是整体视图都是相同的)。

机会型扩散，其为网格动态响应问题的能力。例如，它可能涉及从节点a在2:03pm至2:08pm之间到秒精确跟踪，由节点e以半秒的间隔获取的压力p1的值，但是仅在一个20分钟的间隔被系统地扩散到a所属的第三和第四级别邻域。在这种情况下，在节点a本地，数据不可用，因此该节点将形成特定请求以尝试检索所请求的值。请求将渐进地从邻域传递到邻域，直到找到能够返回符合标准的时间序列的节点。如果问题是第一次提出，那么响应肯定会由节点e给出。通过扩散响应，“机会型”策略包含针对网格(8)的其他节点，在其高速缓存存储器中(从代理高速缓存(cache)意义上来说)以非常精确的分辨率记录在2:03pm至下午2:08之间的这部分时间序列。下一次在网格(8)中再次询问相同的问题(这很可能因为它肯定是一个可能引起其他节点的其他用户感兴趣的附带现象)，它将获得更快的响应，因为响应已经由邻近节点预先存储。

工厂内配置能力，特别是在沿途改变节点(1)的配置时，允许节点的网络(8)被扩展，以便适应任何情况并处理任何工业过程。

在一些实施例中，节点是同功能的，每个节点从由网格的另一个节点托管的程序接收执行顺序，从一个节点到另一个节点的执行顺序相同或不同。所述程序与每个节点的通信模块、特定于节点的标识符和邻域标识符相关联。具有其节点标识符和邻域标识符的通信模块通过有线或无线方式向其已经具有的所有连接传输消息或请求，传输节点在其高速缓存存储器中记录与其通信的节点的邻域标识符。例如，并且非限制性地，如果请求涉及测量的结果，则将其发送到邻域的所有节点。如果在邻域的节点中，在传输节点的直接邻域中存在至少一个具有结果在存储器中的节点，则这些结果被转移到相关节点。如果邻域的节点不能响应于请求，则将该请求转移到它们各自的邻域的节点，直到被执行测量的节点响应于它。结果从邻域传输到邻域直到传输请求的节点。

在一些实施例中，节点(1)具有给定的有限存储容量，每个节点(1)用于将信息或数据直接转移到数据湖或邻近节点，该信息或数据不保留在其高速缓存存储器中。

在一些实施例中，平台(10)在湖(9)中生成网络的构造和状态以及连接到网络的过程的表示，并在每次改变时更新所述表示。

在一些实施例中，用于测量和过程控制的所述数据湖(9)由一组工具(91、92a、92b、93、94)组成，用于存储和处理或记录来自工业过程的数据。同步(92b)或异步(92a)双向(11)通信装置一方面直接与网络(8)的节点通信，另一方面通过平台(10)与网络(8)的节点通信，以允许尤其是将数据注入所述湖(9)中，但也允许在对象中并因此在控制指令中的改变。

在一些实施例中，该功能集合包括在中央平台(10)的计算机硬件架构上实现的功能，这些功能创建和管理适用于控制所述过程的工业过程的对象(监测电力传输和分布综合设施、监测一组工厂、监测一组石油平台、监测水处理和分布综合设施等)。

在一些实施例中，每个对象属于至少一个类，该类是对表示工业过程的一个或更多个对象的特征的描述，每个对象是从该类创建的并且形成所讨论的类的实例，由包含在智能节点(1)或平台(10)中的方法处理的对象的特征和状态，对象的状态对应于在给定时刻存储的信息，如其属性集的值所描述的，也称为字段或属性。

在一些实施例中，每个节点(1)具有至少一个用于访问其“对象字典”的图像的接口，该接口允许定义新节点或为节点定义新对象，如果对字典所做的修改不与管理器(12)被访问的节点有关，则针对该修改的请求在网格中扩散并且从一个节点传输到另一个节点直到相关的父节点，对象的父节点继续执行该请求，然后执行的结果反过来在网格的其余部分中被扩散，接收该结果的每个节点(1)更新其自己的“对象字典”图像。这种新的架构范例允许通过消除单个中心节点的使用来实现由网格共同确保的监测逻辑的实际分布。

在一些实施例中，可以在不对对象的状态进行修改的情况下处理对象，不使用另一个对象的状态或影响该对象，每个对象具有对工业过程的任何使用或任何实体可能的访问权限，对象的属性或定义字段以及处理对象的方法由节点管理器(12)动态改变。

在一些实施例中，每个对象使用定义质量参数的属性，该质量参数表示在对象的状态的期望目标值和该值的实际的状态(实际状况)之间的差，通过修改所述对象的状态的请求将对象所期望的状态形式化，所述请求能够从任何远程节点(即使它不是该对象的父节点)制定，然后被传输到网格并从一个节点传输到另一个节点直到相关的父节点，由相关的节点执行请求，从而允许网格的每个节点检索对象的实际状态，并且因此计算其质量。

智能节点网格(snm)网络使得可以部署工业监测基础设施，用于模拟或收集和分析特别适用于物理上非常分散的过程的数据(小型发电厂、物联网(iot)、配电、风力或波浪发电厂、开放场传感器、过程模拟)。

智能节点网格网络是在工业监测领域中的创新软件解决方案。其目标是补充对市场上的scada系统，以用于允许快速和灵活部署永久的或暂时的监测方案。

与基于中央和非常纵向服务类型系统的传统的scada系统不同，智能节点网格网络使得可以定义由经由智能中间件连接的一组软件节点承载的监测策略。因此，可以定义最适合过程并且具有非常精细粒度的监测逻辑。该粒度使得可以尤其是能够在每个监测元素(变量、算法)上定义单独的许可，该许可使智能节点网格网络成为多用户，但尤其是多实体系统。监测元素的原子操纵还允许热部署和监测的扩展(scaling)，同时限制现有逻辑的回归风险。

软件节点可以在各种硬件上运行，特别是包括移动装置(智能手机和平板电脑)，还包括嵌入式工业领域设备。因此，智能节点网格网络本身引入移动性，同时不管它们的连接点而为每个用户提供与中央系统相同的整体超视图hypervision的质量。

最后，智能节点网格网络在最具约束力的网络拓扑(复杂路由，减少带宽)上提供各种远程部署功能，而无需使用vpn。这些创新尤其是通过消除对在现场中的计算机技能、plc(可编程逻辑控制器或可编程控制器)或scada的需要，实现了维护和扩展动作的时间和作用的去相关。因此，智能节点网格网络因此提供即插即用解决方案，其中操作被限制以将现场装置连接到电网络和通信网络。然后，通过远程用户提供其余部署(软件和监测逻辑块)。

因此，智能节点网格网络特别适合于物理地分散工业过程，并且其中维护和扩展的成本是重要因素。

然而，在工厂监测的背景下，智能节点网格网络也提供许多优点。

作为革新或升级现有工业监测系统的一部分，向智能节点网格网络添加软件节点使得可以遍及工厂区域快速实施高级移动功能。该解决方案的网格结构还允许向根据来自用户的初始反馈进行的策略修改开放的逐步部署。

许多功能也可以用作智能维护或预测性维护的一部分。可以在运行中创建附加的工具(传感器、集线器)和分析(跟踪、日志、警报、仪表板)，并且在多个用户之间进行积极协作，为了优化过程或设置资产跟踪(电子文档，qr码)。

被视为动态工具的智能节点网格网络还允许部署非常适合审计阶段(能效、模拟、安全和工业安全)的监测和临时分析策略。特别是对于这种类型的部署，智能节点网格网络与ism频带[工业科学和医学频带](169mhz、868mhz、969mhz)中的各种无线通信兼容，特别是与sigfox*(超窄带)和lora*技术兼容。

在一些实施例中，中央平台包含包括至少一个软件层的装置，所述软件层通过在计算机硬件架构上执行，实现连接到网格(8)的任何节点(1)的功能，通过发送要修改的节点的标识符，以便远程地和动态地修改相关的节点(1)，即使用户被连接到的节点(1)不是他希望修改的对象的父节点。

因此，例如但不限于，作为工业废水处理过程的整体监测的一部分，所开发的解决方案能够从工厂内部或其在自然环境中的上游和下游的处理方法中获取数据。

另一方面，它还能够集成与数据生态系统相关的其他数据，并与其智能和端到端运行相关。在本文件的其余部分中，这些称为外部来源(例如天气预报、贸易、能源市场)。

因此，数据来源具有非常多样性。值得注意的是，需要了解如何在开放场(例如sigfox或lora无线链路)中与专用传感器接合，以便与各种仪器或工业互操作性协议(例如modbus*，opc*，opcua*)兼容，与移动中的对象或人员的互操作性标准兼容(etsim2m*)，最后是询问在云中的第三方系统的可能性(例如，分析和开发web内容、rest[表述性状态转移]api、水文数据库，(例如，水处理厂的洪水管理))。

因此，用于将控制信号发送到过程的传感器或致动器或可编程控制器的软件层(6)和用于从过程的传感器或致动器或可编程控制器获取数据的软件层(5)必须与允许除有线链路之外的无线链路的硬件协作并且与用于移动对象或人员的一系列仪器或互操作性协议兼容。

网络(8)的网格部署使得可以在各种聚合级别(现场、交通工具、工厂、偏远区域、全球级别或云级别)创建与数据生态系统的接口。因此，这种类型的架构使得可以以最合适的级别收集数据。因此，在大数据管理(bdm)中央平台(10)可用于定价之前，数据的传输可能涉及多个节点。

在定价和创建(例如构成对象的字段的相关指示符)之后，为了运行该过程，可以再次使用节点间通信，但是这次“向下方向”用于将优化的指令向下传输到该字段。网格架构再次使得可以取消全球级别和字段之间的直接通信链路。

因此，该全球信息系统的功能层的实施方式具有不同的聚合级别，因此它不仅涉及传统的中央系统，而且涉及能够解决高度分布的基础设施(自然环境中的传感器、移动的交通工具或人、不同站点的工厂、与第三方区域系统或中央系统的互操作性)和高度动态的问题(新服务的部署、扩展、对超视图hypervision或运行过程优化所需的参数的可用性或不可用性的适应性)。

根据本发明，来自获取阶段的数据被存储在数据湖(9)中，该数据湖(9)包括用于存储本身和处理或充实数据的一组工具。

在一些实施例中，管理数据湖(9)的平台(10)由三个部分或“层”(10a、10b、10c)组成，每个部分或“层”包括至少一个计算机硬件架构和至少一个软件层，每个计算机硬件架构上的每个软件层执行在平台(10)的每个部分或层(10a、10b、10c)中实现用于管理问题的功能，所解决的问题一方面是从一个平台层到另一个平台层的不同，另一方面，与需要与企业中的大数据交互的不同人员相关联：业务用户(13)、开发人员(14)和管理员/devops(开发人员和业务用户之间的调节者)(15)。

这些层使得可以使用下面的工具实现数据的生命周期过程，以便管理数据湖(9)并根据技术或业务约束来开发数据。

从端到端存储的数据的控制和质量是一个主要问题，以及对通过被称为“lambda架构”的架构实现的处理的掌握和控制，其是同步和异步过程，由经验证的基本组件驱动。这些检查、控制和校正程序在整个数据处理链中执行。

api(应用程序编程接口)服务将管理与系统组件和管理控制台的接口。

由节点(1)[智能节点]收集的数据通过nosql*数据库(服务器层)中的同步(92b)[速度层或实时处理]或异步(92a)[批量层(batchlayer)或批处理]过程被注入存储系统中。选择的nosql*基础是maprhadoop*分布，提供生产数据库必须具备的所有安全性和工业化保障。它确实是唯一本机地提供远程站点上的复制管理功能的hadoop*分布。

kafka*软件(91)将用于数据注入功能，并与节点(1)(智能节点)和其他内部或外部数据源，其中一些是(社交网络和其他网络)可用的连接器接合。kafka*(91)还具有相当大的优势是水平地可扩展，使其适合于要处理的信息量。

关于批处理，使用flume*软件允许注入模块和处理模块之间的链路，从而具有到这些分析模块的分布式系统。spark*和“r*”软件程序分别对数据运行“机器学习”算法和复杂算法。

spark软件(具有spark-streaming)用于实时处理，这使得不仅可以应用“机器学习”算法，而且可以应用当今可用的大量模型。

最后，服务器层(93)由maprnosqlbase*(hadoop分布)和数据索引模块elasticsearch*组成。

整个解决方案由hadoopselfservice*(hss)软件包精心编排，用于按需创建完整的hadoop平台。该软件服务提供以下可能性：

·创建和管理其集群的生命周期，

·导入和导出数据，

·自动化部署hadoop生态系统常用工具以及任何其他工具，

·通过应用模板为项目团队提供按需创建它们的集群的机会，

·定义部署期间要遵守的规则和条件(例如，用于hadoop实例的ram的最小量)，

·定义生命周期作用：群集的配置、按需部署、监测。

hadoop自助服务*方法使得可以创建可以一次点击就被部署的应用拓扑，这将满足工业化的需求以及对简单快速方法的新需求。此外，除了hadoop*集群之外，这种方法还可以部署项目所必要的其他工具，所述工具不属于所使用的hadoop分布的一部分，并且其不能通过像ambari*或clouderamanager*等工具进行部署。最后，自助服务方法可以包括并提供多种其他服务，诸如高可用性和安全性。借助alien4cloud*工具(由atos集团的研发(r&d)团队开发)，hadoop自助服务方法是可能的。

在中央级别进行的估值数据或“数据可视化”的渲染(rendering)经由两个模块进行：

·经由kibana*门户(94)进行的简单渲染，直接链接到elasticsearch*。该门户提供实例化指示符和数据的静态和动态图形渲染(d3js的集成)。

·更高级的渲染，例如，使用dataiku“数据科学工作室”(dss)软件，以便利用更先进的“机器学习”算法和可用的统计算法来预测故障和系统故障。dss模块使得利用交互式数据准备为不同的数据源(nosql、sql、hadoop)创建单一视点成为可能。

针对bdm块提供的解决方案主要由已经集成的软件或者存在这些块之间的连接器组成。对于那些必须开发的，该软件足够开放以创建这些连接器，特别是在zeromq*和kafka*之间。

本发明提供了一种以双向方式通信的信息系统，特别是允许收集和多站点hypervision，以及通过“大数据”块从数据的全球分析向下反馈到给定站点的优化运行指令的能力。

在全球级别，该系统将包括与来自“外部”全球来源(天气预报、市场)的数据耦合的工厂过程数据(所有站点)的长期日志。

智能概念主要涵盖从这个庞大的生态系统中摄取数据的能力，在其日志和分析或学习(机器学习)算法的基础上对其进行定价，然后以各种形式渲染这种定价，就像“经验丰富和知识渊博的专业合作伙伴”会做的那样。

本申请参考附图和/或各种实施例描述了各种技术特征和优点。本领域技术人员将理解，实际上，给定实施例的技术特征可以与另一个实施例的特征组合，除非另有明确提及或者显然这些特征不兼容或者组合不提供对本申请中提到的至少一个技术问题的解决方案。另外，除非另有明确说明，否则在给定实施例中描述的技术特征可以与其他特征隔离。

对于本领域技术人员来说显而易见的是，在不脱离所要求保护的本发明的范围的情况下，本发明允许具有许多其他特定形式的实施例。因此，必须通过说明的方式考虑本发明的实施例，但是可以在由所附权利要求的范围限定的领域中对其进行修改，并且本发明不应限于上面给出的细节。

在上面的描述中表示为xxx*的词语或缩略词xxx是注册商标。