用于分散机群分析的技术的制作方法

技术特征：
1.一种用于分析多个工厂站点中的一个工厂站点中的数据的计算机实现的方法，所述方法包括：由计算设备构建与所述多个工厂站点中的所述一个工厂站点相关联的一个或多个第一数据流的第一机器学习模型；由所述计算设备将所述第一机器学习模型发送给云服务；由所述计算设备从所述云服务接收第二机器学习模型，所述第二机器学习模型根据所述第一机器学习模型和由所述多个工厂站点中的其他工厂站点构建的一个或多个机器学习模型而被训练；以及由所述计算设备基于所述第二机器学习模型来更新所述第一机器学习模型。2.根据权利要求1所述的方法，其中构建所述第一机器学习模型包括：由所述计算设备将所述一个或多个第一数据流中的每个第一数据流作为输入提供给与所述第一机器学习模型相关联的机器学习函数；由所述计算设备从所述机器学习函数生成一个或多个结果；以及由所述计算设备基于所述一个或多个结果来更新所述第一机器学习模型。3.根据权利要求2所述的方法，其中将所述第一机器学习模型发送给所述云服务包括将所述第一机器学习模型和所述一个或多个结果发送给所述云服务。4.根据前述权利要求中任一项所述的方法，还包括：由所述计算设备确定一个或多个历史数据流是否可用于所述多个工厂站点中的所述一个工厂站点，其中构建所述第一机器学习模型还基于所述历史数据流。5.根据前述权利要求中任一项所述的方法，还包括：由所述计算设备从所述多个工厂站点中的所述一个工厂站点中的多个边缘设备中的每个边缘设备接收一个或多个数据流。6.根据前述权利要求中任一项所述的方法，其中从所述云服务接收所述第二机器学习模型包括：接收所述第二机器学习模型，所述第二机器学习模型根据所述机器学习模型和所述多个工厂站点中的所述其他工厂站点的所述一个或多个机器学习模型在所述机器学习模型上使用集成技术而被训练。7.根据前述权利要求中任一项所述的方法，其中从所述云服务接收所述第二机器学习模型包括：接收所述第二机器学习模型，所述第二机器学习模型由所述多个工厂站点中的所述其他工厂站点中的每个工厂站点递增地训练。8.一种计算机可读存储介质，所述计算机可读存储介质包括多个指令，所述多个指令在处理器上被执行时，使在多个工厂站点中的一个工厂站点处的计算设备：构建与所述多个工厂站点中的所述一个工厂站点相关联的一个或多个第一数据流的第一机器学习模型；将所述第一机器学习模型发送给云服务；从所述云服务接收第二机器学习模型，所述第二机器学习模型根据所述第一机器学习模型和由所述多个工厂站点中的其他工厂站点构建的一个或多个机器学习模型而被训练；以及基于所述第二机器学习模型来更新所述第一机器学习模型。9.根据权利要求8所述的计算机可读存储介质，其中构建第一机器学习模型包括：将所述一个或多个第一数据流中的每个第一数据流作为输入提供给与所述第一机器
学习模型相关联的机器学习函数；从所述机器学习函数生成一个或多个结果；以及基于所述一个或多个结果来更新所述第一机器学习模型。10.根据权利要求9所述的计算机可读存储介质，其中将所述第一机器学习模型发送给所述云服务包括将所述第一机器学习模型和所述一个或多个结果发送给所述云服务。11.根据权利要求8至10中任一项所述的计算机可读存储介质，其中所述多个指令还使所述计算设备确定一个或多个历史数据流是否可用于所述多个工厂站点中的所述一个工厂站点，其中构建所述第一机器学习模型还基于所述历史数据流。12.根据权利要求8至11中任一项所述的计算机可读存储介质，其中所述多个指令还使所述计算设备从所述多个工厂站点中的所述一个工厂站点中的多个边缘设备中的每个边缘设备接收一个或多个数据流。13.根据权利要求8至12中任一项所述的计算机可读存储介质，其中从所述云服务接收所述第二机器学习模型包括：接收所述第二机器学习模型，所述第二机器学习模型根据所述机器学习模型和所述多个工厂站点中的所述其他工厂站点的所述一个或多个机器学习模型在所述机器学习模型上使用集成技术而被训练。14.根据权利要求8至13中任一项所述的计算机可读存储介质，其中从所述云服务接收所述第二机器学习模型包括：接收所述第二机器学习模型，所述第二机器学习模型由所述多个工厂站点中的所述其他工厂站点中的每个工厂站点递增地训练。15.一种多个工厂站点中的一个工厂站点的计算设备，所述计算设备包括：处理器；以及存储多个指令的存储器，所述多个指令在所述处理器上被执行时，使所述计算设备：构建与所述多个工厂站点中的所述一个工厂站点相关联的一个或多个第一数据流的第一机器学习模型；将所述第一机器学习模型发送给云服务；从所述云服务接收第二机器学习模型，所述第二机器学习模型根据所述第一机器学习模型和由所述多个工厂站点中的其他工厂站点构建的一个或多个机器学习模型而被训练；以及基于所述第二机器学习模型来更新所述第一机器学习模型。16.根据权利要求15的所述计算设备，其中构建第一机器学习模型包括：将所述一个或多个第一数据流中的每个第一数据流作为输入提供给与所述第一机器学习模型相关联的机器学习函数；从所述机器学习函数生成一个或多个结果；以及基于所述一个或多个结果来更新所述第一机器学习模型。17.根据权利要求16所述的计算设备，其中将所述第一机器学习模型发送给所述云服务包括将所述第一机器学习模型和所述一个或多个结果发送给所述云服务。18.根据权利要求15至17中任一项所述的计算设备，其中所述多个指令还使所述计算设备确定一个或多个历史数据流是否可用于所述多个工厂站点中的所述一个工厂站点，其中构建所述第一机器学习模型还基于所述历史数据流。19.根据权利要求15至18中任一项所述的计算设备，其中所述多个指令还使所述计算
设备从所述多个工厂站点中的所述一个工厂站点中的多个边缘设备中的每个边缘设备接收一个或多个数据流。20.根据权利要求15至19中任一项所述的计算设备，其中从所述云服务接收所述第二机器学习模型包括：接收所述第二机器学习模型，所述第二机器学习模型根据所述机器学习模型和所述多个工厂站点中的所述其他工厂站点的所述一个或多个机器学习模型在所述机器学习模型上使用集成技术而被训练。21.根据权利要求15至20中任一项所述的计算设备，其中从所述云服务接收所述第二机器学习模型包括：接收所述第二机器学习模型，所述第二机器学习模型由所述多个工厂站点中的所述其他工厂站点中的每个工厂站点递增地训练。

技术总结
公开了用于分散机群分析的技术。在至少一个实施例中，工厂站点处的本地云服务构建与工厂站点相关联的一个或多个第一数据流的第一机器学习模型。本地云服务将第一机器学习模型发送给与工厂站点和其他工厂站点相连接的云服务。本地云服务从云服务接收第二机器学习模型。第二机器学习模型根据第一机器学习模型和由其他工厂站点建立的一个或多个机器学习模型而被训练。本地云服务基于第二机器学习模型来更新第一机器学习模型。来更新第一机器学习模型。来更新第一机器学习模型。


技术研发人员：米森
受保护的技术使用者：ABB瑞士股份有限公司
技术研发日：2020.11.18
技术公布日：2023/2/3