一种基于数据挖掘的生产智能反馈调控系统技术方案

本发明专利技术公开了一种基于数据挖掘的生产智能反馈调控系统，属于数据处理智能调控技术领域，包括SCADA数据库、海量数据预处理模块、数据挖掘分析模块和数据可视化调控模块。为了解决在制药生产各流程中，不能为制药生产工艺的改进和质量的提高提供依据和指导，不能智能调控制药生产的整个过程，降低了制药生产各流程效率及制药生产各流程质量的问题，本发明专利技术的基于数据挖掘的生产智能反馈调控系统，采用关联分析、聚类分析、回归分析及预测分析，研究制药生产各流程的工艺参数与质量指标之间的关联规律，并建立相应的数学模型，形成可视化的知识，为生产工艺的改进和质量的提高提供依据和指导，提高制药生产各流程效率及各流程质量。提高制药生产各流程效率及各流程质量。提高制药生产各流程效率及各流程质量。

【技术实现步骤摘要】
一种基于数据挖掘的生产智能反馈调控系统


[0001]本专利技术涉及数据处理智能调控
，特别涉及一种基于数据挖掘的生产智能反馈调控系统。

技术介绍

[0002]工时计算和生产进度预测是制造企业制定总体生产计划、确定产品生产节点和成本控制等事项的重要参考，当前以经验为主的生产计划制定及排产方式，一方面对生产过程诸如加工工时和资源使用等要素缺乏科学分析，另一方面对生产进度情况也无法科学预测和准确把握，导致难以制定科学合理的生产计划或根据生产任务调整的再生产计划，由此也无法准确控制生产节点和产品交货期。
[0003]公开号为CN110414727A的中国专利公开了一种基于数据挖掘的生产进度预测方法及系统，属于自动化
，该专利建立数据库，存储零件加工的历史数据和车间资源数据；基于历史数据和预测算法，计算零件加工工时和工时影响参数之间的函数关系；基于当前在加工零件工序和工步，接收零件生产计划和零件工艺规程，得到当前在加工零件的工时影响参数和待加工工序；计算所有当前在加工零件的待加工工序的工时；计算所有当前在加工零件的待加工工序的开始加工时间和结束加工时间，实现零件生产进度的预测，提出了不同加工状态下零件生产进度计算方法，为准确预测零件生产进度提供了依据。
[0004]该专利虽然解决了生产过程缺乏科学分析，无法科学预测和准确把握，导致难以制定科学合理的生产计划或根据生产任务调整的再生产计划的问题，但是该专利存在以下缺陷：在制药生产各流程中，不能为制药生产工艺的改进和质量的提高提供依据和指导，不能智能调控制药生产的整个过程，降低了制药生产各流程效率及制药生产各流程质量。

技术实现思路

[0005]本专利技术的目的在于提供一种基于数据挖掘的生产智能反馈调控系统，采用关联分析、聚类分析、回归分析及预测分析，研究制药生产各流程的工艺参数与质量指标之间的关联规律，并建立相应的数学模型，形成可视化的知识，为生产工艺的改进和质量的提高提供依据和指导，提高制药生产各流程效率及各流程质量，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于数据挖掘的生产智能反馈调控系统，包括SCADA数据库、海量数据预处理模块、数据挖掘分析模块和数据可视化调控模块，其中，SCADA数据库用于存储基础信息数据、控制数据、检测数据及信息管理数据，在数据采集与监控系统的基础上，对基础信息数据、控制数据、检测数据及信息管理数据进行采集监控，且将采集监控的数据信息存放在SCADA数据库中的对应存放单元内；海量数据预处理模块用于对SCADA数据库内存放的海量信息数据进行预处理，其
中海量信息数据进行预处理的手段包括去噪、过滤、提取、清理、规约及变换；数据挖掘分析模块用于对预处理后的数据进行数据挖掘分析，其中数据挖掘分析的手段为关联分析、聚类分析、回归分析及预测分析，研究制药生产各流程的工艺参数与质量指标之间的关联规律，并建立相应的数学模型，形成可视化的知识；数据可视化调控模块用于对制药生产的整个过程进行智能化地反馈调控，根据形成的可视化的知识，为生产工艺的改进和质量的提高提供依据和指导，智能调控制药生产的整个过程。
[0007]进一步地，所述SCADA数据库包括基础信息数据存放单元、控制数据存放单元、检测数据存放单元及信息管理数据存放单元，其中，基础信息数据存放单元用于存放基础信息数据；控制数据存放单元用于存放控制数据；检测数据存放单元用于存放检测数据；信息管理数据存放单元用于存放信息管理数据。
[0008]进一步地，在数据采集与监控系统的基础上，数据采集并存放，执行以下操作：数据采集与监控系统自动采集数据信息，根据采集的多个数据信息，确定信息列表；根据信息列表，对信息列表内的多个数据信息进行划分归类，其中数据划分归类时，从信息列表中逐一提取出单个数据信息，且参照存储有对照信息的对照列表对提取的单个数据信息进行划分归类，确定数据信息类别；根据确定的数据信息类别，对多个数据信息类别进行统计，确定信息类别列表；根据信息类别列表，逐一提取出单个的数据信息类别，且将该类别的数据信息存放在对应地基础信息数据存放单元、控制数据存放单元、检测数据存放单元或信息管理数据存放单元内。
[0009]进一步地，所述海量数据预处理模块包括数据去噪单元、数据过滤单元、数据提取单元、数据清理单元、数据规约单元及数据变换单元，其中，数据去噪单元用于对海量信息数据中的干扰数据进行去除，其中数据去噪方法为对于正态数据，利用三个标准差原则进行去噪，或使用四分位差进行去噪，对于偏态数据则用分箱方法进行去噪；数据过滤单元用于对去噪后的信息数据进行数据过滤，其中数据过滤方法为通过设定特定的查询条件将满足过滤条件的信息数据筛选出来，可根据灵活的过滤顺序，进行多层行列维度字段之间由上至下或由下至上的过滤；数据提取单元用于对过滤后的信息数据进行数据提取，便于信息数据的后续处理，其中数据提取方法为增量提取方法，信息数据自上次成功提取后，将跟踪源数据中的更改，不会在每次更改时都执行提取所有数据的过程；数据清理单元用于对提取后的信息数据进行数据清理，不让有错误或有问题的数据进入运算过程，包括数据有效范围的清理、数据逻辑一致性的清理和数据质量的抽查；数据规约单元用于对清理后的信息数据进行数据规约，采用较小的数据集来保持原始数据的完整性，数据归约的途径为属性选择和数据采样，分别针对原始数据集中的属性和记录；
数据变换单元用于对规约后的信息数据进行数据变换，通过平滑聚集、数据概化及规范化方式将数据转换成适用于数据挖掘的形式。
[0010]进一步地，海量数据预处理时，执行以下操作：获取海量信息数据，利用数据去噪方法对海量信息数据中的干扰数据进行去除，确定出真实数据列表；根据真实数据列表，利用数据过滤方法且通过设定特定的查询条件对真实数据列表内的真实数据进行数据过滤，将满足过滤条件的真实数据筛选出来，确定出满足过滤条件的数据过滤集；根据数据过滤集，利用数据提取方法对数据过滤集进行数据提取，将提取出来的信息数据填入数据提取列表内，便于信息数据的后续处理，确定出数据提取列表；根据数据提取列表，利用数据清理方法对数据提取列表内的信息数据进行数据清理，不让有错误或有问题的数据进入运算过程，确定出数据清理库；根据数据清理库，利用数据规约方法对数据清理库内的信息数据进行数据规约，采用较小的数据集来保持原始数据的完整性，确定出数据规约列表；根据数据规约列表，通过平滑聚集、数据概化及规范化方式将数据规约列表内的信息数据转换成适用于数据挖掘的形式。
[0011]进一步地，所述数据挖掘分析模块包括数据关联单元、数据聚类单元、数据回归单元及数据预测单元，其中，数据关联单元用于对预处理后的信息数据进行数据关联分析，研究制药生产各流程的工艺参数与质量指标之间的关联规律，其中采用Apriori算法进行数据关联分析，根据所挖掘的关联关系，可以从一个属性的信息来推断另一个属性的信息，当置信度达到某一阈值时，可以认为关联规则成立；数据聚类单元用于对预处理后的信息数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据挖掘的生产智能反馈调控系统，包括SCADA数据库、海量数据预处理模块、数据挖掘分析模块和数据可视化调控模块，其特征在于，其中，SCADA数据库用于存储基础信息数据、控制数据、检测数据及信息管理数据，在数据采集与监控系统的基础上，对基础信息数据、控制数据、检测数据及信息管理数据进行采集监控，且将采集监控的数据信息存放在SCADA数据库中的对应存放单元内；海量数据预处理模块用于对SCADA数据库内存放的海量信息数据进行预处理，其中海量信息数据进行预处理的手段包括去噪、过滤、提取、清理、规约及变换；数据挖掘分析模块用于对预处理后的数据进行数据挖掘分析，其中数据挖掘分析的手段为关联分析、聚类分析、回归分析及预测分析，研究制药生产各流程的工艺参数与质量指标之间的关联规律，并建立相应的数学模型，形成可视化的知识；数据可视化调控模块用于对制药生产的整个过程进行智能化地反馈调控，根据形成的可视化的知识，为生产工艺的改进和质量的提高提供依据和指导，智能调控制药生产的整个过程；所述数据挖掘分析模块包括数据关联单元、数据聚类单元、数据回归单元及数据预测单元，其中，数据关联单元用于对预处理后的信息数据进行数据关联分析，研究制药生产各流程的工艺参数与质量指标之间的关联规律，其中采用Apriori算法进行数据关联分析，根据所挖掘的关联关系，从一个属性的信息来推断另一个属性的信息，当置信度达到某一阈值时，认为关联规则成立；数据聚类单元用于对预处理后的信息数据进行数据聚类分析，根据数据的内在性质将数据分成一些聚合类，每一聚合类中的元素具有相同的特性，不同聚合类之间的特性差别大，数据聚类分析作为一个独立的工具来获得数据的分布情况，通过观察每个簇的特点，集中对特定的某些簇再作进一步分析，以获得需要的信息；数据回归单元用于对预处理后的信息数据进行数据回归分析，确定两种或两种以上变量间相互依赖的定量关系，建立相应的数学模型，将一系列影响因素和结果进行一个拟合，拟合出一个方程，然后通过将这个方程应用到其他同类事件中，形成可视化的知识；数据预测单元用于对预处理后的信息数据进行数据预测分析，根据形成的可视化的知识进行相应地预测，形成预测结果，其中数据预测分析方法为因果关系预测法，假定需求预测与某些因素相关，因果关系预测法可以找到这些因素与需求的关联性，通过预测这些外界因素的变化来预测未来。2.如权利要求1所述的一种基于数据挖掘的生产智能反馈调控系统，其特征在于，所述SCADA数据库包括基础信息数据存放单元、控制数据存放单元、检测数据存放单元及信息管理数据存放单元，其中，基础信息数据存放单元用于存放基础信息数据；控制数据存放单元用于存放控制数据；检测数据存放单元用于存放检测数据；信息管理数据存放单元用于存放信息管理数据。3.如权利要求2所述的一种基于数据挖掘的生产智能反馈调控系统，其特征在于，在数据采集与监控系统的基础上，数据采集并存放，执行以下操作：
数据采集与监控系统自动采集数据信息，根据采集的多个数据信息，确定信息列表；根据信息列表，对信息列表内的多个数据信息进行划分归类，其中数据划分归类时，从信息列表中逐一提取出单个数据信息，且参照存储有对照信息的对照列表对提取的单个数据信息进行划分归类，确定数据信息类别；根据确定的数据信息类别，对多个数据信息类别进行统计，确定信息类别列表；根据信息类别列表，逐一提取出单个的数据信息类别，且将该类别的数据信息存放在对应地基础信息数据存放单元、控制数据存放单元、检测数据存放单元或信息管理数据存放单元内。4.如权利要求1所述的一种基于数据挖掘的生产智能反馈调控系统，其特征在于，所述海量数据预处理模块包括数据去噪单元、数据过滤单元、数据提取单元、数据清理单元、数据规约单元及数据变换单元，其中，数据去噪单元用于对海量信息数据中的干扰数据进行去除，其中数据去噪方法为对于正态数据，利用三个标准差原则进行去噪，或使用四分位差进行去噪，对于偏态数据则用分箱方法进行去噪；数据过滤单元用于对去噪后的信息数据进行数据过滤，其中数据过滤方法为通过设定特定的查询条件将满足过滤条件的信息数据筛选出来，可根据灵活的过滤顺序，进行多层行列维度字段之间由上至下或由下至上的过滤；数据提取单元用于对过滤后的信息数据进行数据提取，便于信息数据的后续处理，其中数据提取方法为增量提取方法，信息数据自上次成功提取后，将跟踪源数据中的更改，不会在每次更改时都执行提取所有数据的过程；数据清理单元用于对提取后的信息数据进行数据清理，不让有错误或有问题的数据进入运算过程，包括数据有效范围的清理、数据逻辑一致性的清理和数据质量的抽查；数据规约单元用于对清理后的信息数据进行数据规约，采用较小的数据集来保持原始数据的完整性，数据归约的途径为属性选择和数据采样，分别针对原始数据集中的属性和记录；数据变换单元用于对规约后的信息数据进行数据变换，通过平滑聚集、数据概化及规范化方式将数据转换成适用于数据挖掘的形式。5.如权利要求4所述的一种基于数据挖掘的生产智能反馈调控系统，其特征在于，海量数据预处理时，执行以下操作：获取海量信息数据，利用数据去噪方法对海量信息数据中的干扰数据进行去除，确定出真实数据列表；根据真实数据列表，利用数据过滤方法且通过设定特定的查询条件对真实数据列表内的真实数据进行数据过滤，将满足过滤条件的真实数据筛选出来，确定出满足过滤条件的数据过滤集；根据数据过滤集，利用数据提取方法对数据过滤集进行数据提取，将提取出来的信息数据填入数据提取列表内，便于信息数据的后续处理，确定出数据提取列表；根据数据提取列表，利用数据清理方法对数据提取列表内的信息数据进行数据清理，不让有错误或有问题的数据进入运算过程，确定出数据清理库；根据数据清理库，利用数据规约方法对数据清理库内的信息数据进行数据规约，采用
较小的数据集来保持原始数据的完整性，确定出数据...

【专利技术属性】
技术研发人员：王钧，罗香，杨嘉伟，刘雪松，李页瑞，黄家鹏，骆牛，边雷，
申请(专利权)人：苏州泽达兴邦医药科技有限公司，
类型：发明
国别省市：