【技术实现步骤摘要】
一种药物颗粒流化床制粒过程塌床预警及时长优化方法
[0001]本专利技术涉及工业时序数据分析在制药领域应用的领域,具体涉及一种药物颗粒流化床制粒过程塌床预警及时长优化方法。
技术介绍
[0002]工业时序数据是指在完整的产业链或产品的全生命周期中够通过物联网、互联网等技术采集到的在逻辑上有先后序列关系的数据的总称。工业数据不只以时间为特征点,任何逻辑上呈序列分布的数据都属于工业时序大数据的范畴。工业时序数据的来源主要有三个方面:企业管理类时序数据、装备物联类时序数据和外部时序数据。工业时序数据的特性主要有:大数据量性、快速性、准确性、闭环性、时序性、强关联性和高维度性。工业时序数据的特征表示是指对工业中的时序数据进行分析,通过各种手段寻找时序数据的特征并将其表示出来,用于后续时序数据挖掘的研究。这种方式从整体上描绘了时序数据的趋势特征,但是每段的长度以及分段的数量这两个参数的确定增加了特征表示的难度。
[0003]中国专利技术专利CN111815053B公开了一种针对工业时序数据的预测方法及系统。该方法不依赖于精确数学模型,可以针对传感器监测值存在误差问题进行滤波矫正。
[0004]在国家政策推动、质量监管加强以及生产效率提升等需求环境下,不少中药生产企业已走上了数字化转型道路。目前,基于数据采集及监控系统(SCADA)集成中药生产的提取、浓缩、制粒等环节中温度、压力、流量等实时数据以及监控生产是常用的手段。随着生产的进行,大量工业时序生产数据被存储在系统中。将这些数据加以利用,经数据预处理、特征提取 ...
【技术保护点】
【技术特征摘要】
1.一种药物颗粒制粒过程塌床预警及时长优化的方法,其特征在于,包括以下步骤:步骤S1:导出SCADA系统中药物颗粒制粒阶段时序数据,进行数据预处理;步骤S2:设定两种黄金批次选取模式及具体参数;步骤S3:对数据进行相关性分析,并提取特征;步骤S4:构建数据集,并采用线性SVC方法建立预警模型。2.根据权利要求1所述的方法,其特征在于,所述步骤S1具体包括:步骤S11:从SCADA系统中导出药物颗粒制粒喷液阶段床层压差、喷枪压力、蠕动泵流量、物料温度、进风温度、风量、出风温度共7个参数的时序数据;步骤S12:时序数据自动切段,依据蠕动泵流量Q特征确定各批药物颗粒制粒过程中喷液起始时刻;步骤S13:根据蠕动泵流量Q特征区分有塌床风险批次和无塌床风险批次,并记录有塌床风险批次首次出现塌床趋势时间及具有塌床趋势次数。3.根据权利要求2所述的方法,其特征在于,步骤S12所述的各批药物颗粒制粒过程中喷液起始时刻的规则为:设置二值化阈值将蠕动泵流量Q转换为二值化变量Qbinary,表达式如下:式中,i为喷液时间点;t为喷液过程的前20分钟;计算Qbinary的一阶差分,记为diff(Qbinary),根据diff(Qbinary)值确定喷液起始点、喷液终止点、喷液时长及喷液阶段塌床时间点。4.根据权利要求1所述的方法,其特征在于,步骤S2所述的黄金批次为无塌床风险且喷液时长较短的批次,所述的两种黄金批次选取模式具体如下:模式一黄金批次选取依据为:1)无塌床趋势;2)喷液时长处于平均喷液时长3倍标准差范围内,即:D
gk,1
∈|mean(D)
±
3σ(D)|#(2)式中,D为各批次喷液时长,D
hk,1
为按模式一选取的黄金批次喷液时长;模式一中步骤S11所述的7个参数的时序数据的黄金区间定义为黄金批次各参数均值上下n倍标准差范围为参数黄金范围,即:P
g,1
∈|Mean(P)
±
n*σ(P)|#(3)式中,P为时序参数值,P
g,1
为按模式一定义的参数黄金范围;模式二黄金批次选取依据为:1)无塌床趋势;2)喷液时长小于平均喷液时长
‑
平均喷液时长与历史最短喷液时长差值的C%,3)剔除2)筛选后喷液时长超过3倍标准差的异常值,即,D
gk,2
∈|Mean(D
k,2
)
±
3σ(D
k,2
)|#(5)式中,D
k,2
是按模式二选取的黄金批次喷液时长,D
gk,2
为在D
k,2
的基础...
【专利技术属性】
技术研发人员:朱炳洁,沈金芳,李思磊,朱捷强,顾佳丽,许文祥,仲怿,文武,蒋斯怡,裴玉,
申请(专利权)人:正大青春宝药业有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。