一种基于时效周期规则的制造大数据质量鉴定方法技术

本发明专利技术提供了一种基于时效周期规则的制造大数据质量鉴定方法，涉及数据质量鉴定技术领域。本发明专利技术实施例中，针对周期性数据生成的特点，提出了时效周期规则。这些规则定义了周期性数据时效性鉴定值的变化规律，即在每个数据更新周期内时效性鉴定值应服从指数衰减，并且每个更新周期初始的时效性鉴定值应根据数据发生更新时刻与设定周期之间的具体关系来确定。基于此，本发明专利技术实施例进一步根据生产的实际确定了两种时效性异常情况：第一种情况是数据更新后的时效鉴定值小于下限；第二种情况是时效性鉴定值超过上限的次数达到设定的阈值。值。值。

【技术实现步骤摘要】
一种基于时效周期规则的制造大数据质量鉴定方法


[0001]本专利技术实施例涉及数据质量鉴定
，尤其涉及一种基于时效周期规则的制造大数据质量鉴定方法。

技术介绍

[0002]随着制造业变得越来越智能，大量传感器将在工件生产过程中收集各种类型的数据。与互联网上的流量数据不同，制造业生产过程中产生的数据通常是结构化的、周期性的，并且具有明确的时间戳，可以形成一个规则的时间序列。由各种类型的传感器收集的这些数据往往包含关于每个生产实体有价值的信息。通过这些数据，我们可以了解生产线的产量、发生的故障及对工厂运行至关重要的许多其他信息，从而做出相应地决策。因此，在根据这些数据做出决策之前，对数据质量进行有效的鉴定就显得尤为重要。数据质量的鉴定有多个维度，数据的时效性是数据质量的一个重要维度，因此如何鉴定周期性制造数据的时效性至关重要。现有的时效性鉴定方法绝大部分都是对数据库中单一数据进行的鉴定，并不适用于在制造业生产过程中实时产生地周期性数据的时效性鉴定。
[0003]因此，目前亟需一种新的时效性鉴定方法。

技术实现思路

[0004]本专利技术实施例提供一种基于时效周期规则的制造大数据质量鉴定方法，以至少部分解决相关技术中存在的问题。
[0005]本专利技术实施例第一方面提供了一种基于时效周期规则的制造大数据质量鉴定方法，所述方法包括：
[0006]在更新数据产生时，判断当前更新数据的更新时刻是否符合预设周期；
[0007]在当前更新数据的更新时刻不符合预设周期的情况下，对当前数据下一周期初始的时效性鉴定值进行更新；
[0008]判断更新后的时效性鉴定值是否大于时效性鉴定值上限；
[0009]在大于时效性鉴定值上限的情况下，记录时效性鉴定值大于时效性鉴定值上限的次数；
[0010]在时效性鉴定值大于时效性鉴定值上限的次数达到预设次数阈值的情况下，鉴定当前数据失去时效性；
[0011]在不大于时效性鉴定值上限的情况下，判断更新后的时效性鉴定值是否小于时效性鉴定值下限；
[0012]在更新后的时效性鉴定值小于时效性鉴定值下限的情况下，鉴定当前数据失去时效性。
[0013]可选地，在仅考虑一个属性的情况下，对当前数据下一周期初始的时效性鉴定值进行更新，包括：
[0014]按照下式对下一周期初始的时效性鉴定值进行更新：
[0015]f
n+1
(t，λ|A)＝f
n
(t，λ|A)+α
×
Q
decay
(t，λ|A)
[0016]其中，f
n+1
(t，λ|A)是下一周期初始的时效性鉴定值，f
n
(t，λ|A)是当前周期初始的时效性鉴定值，α为预设的周期更新率，表示时效性鉴定值的迭代速度，Q
decay
(t，λ|A)表示当前周期内衰减后的时效性鉴定值，t为进行数据时效性鉴定的时刻，A表示数据属性，λ表示数据变化频率，具体表示数据在单位时间内的更新次数。
[0017]可选地，按照下式对当前周期内衰减后的时效性鉴定值进行计算：
[0018][0019]其中，T
life
为数据更新对应的预设周期，fall(A)表示在一个预设周期内属性A时效性的衰减率；age(t，λ)表示数据的期望年龄，采用下式计算得到：
[0020][0021]其中，x表示数据在x时刻开始失效。
[0022]可选地，在考虑多个属性的情况下，对当前数据下一周期初始的时效性鉴定值进行更新，包括：
[0023]按照下式对下一周期初始的时效性鉴定值进行更新：
[0024][0025]其中，表示属性A
i
在当前周期初始的时效性鉴定值，表示属性A
i
下一周期初始的时效性鉴定值，α
i
表示针对不同属性A
i
所设定的周期更新率，Q(A
i
)表示A
i
在当前周期内衰减后的时效性鉴定值。
[0026]可选地，所述判断更新后的时效性鉴定值是否小于时效性鉴定值下限，包括：
[0027]计算所述多个属性更新后的时效性鉴定值的最小时效性鉴定值；
[0028]判断所述最小时效性鉴定值是否小于时效性鉴定值下限。
[0029]可选地，所述方法还包括：
[0030]在当前更新数据的更新时刻符合预定周期的情况下，当前数据的时效性鉴定值等于当前预定周期的初始时效性分值。
[0031]可选地，采用下式确定预设次数阈值：
[0032][0033]其中，N(A)表示预设次数阈值，T表示预设周期的时长。
[0034]基于同一专利技术构思，本专利技术实施例第二方面提供了一种基于时效周期规则的制造大数据质量鉴定装置，所述装置包括：
[0035]第一判断模块，用于在更新数据产生时，判断当前更新数据的更新时刻是否符合预设周期；
[0036]更新模块，用于在当前更新数据的更新时刻不符合预设周期的情况下，对当前数据下一周期初始的时效性鉴定值进行更新；
[0037]第二判断模块，用于判断更新后的时效性鉴定值是否大于时效性鉴定值上限；
[0038]记录模块，用于在大于时效性鉴定值上限的情况下，记录时效性鉴定值大于时效性鉴定值上限的次数；
[0039]第一鉴定模块，用于在时效性鉴定值大于时效性鉴定值上限的次数达到预设次数阈值的情况下，鉴定当前数据失去时效性；
[0040]第三判断模块，用于在不大于时效性鉴定值上限的情况下，判断更新后的时效性鉴定值是否小于时效性鉴定值下限；
[0041]第二鉴定模块，用于在更新后的时效性鉴定值小于时效性鉴定值下限的情况下，鉴定当前数据失去时效性。
[0042]可选地，在仅考虑一个属性的情况下，所述更新模块，具体用于：
[0043]按照下式对下一周期初始的时效性鉴定值进行更新：
[0044]f
n+1
(t，λ|A)＝f
n
(t，λ|A)+α
×
Q
decay
(t，λ|A)
[0045]其中，f
n+1
(t，λ|A)是下一周期初始的时效性鉴定值，f
n
(t，λ|A)是当前周期初始的时效性鉴定值，α为预设的周期更新率，表示时效性鉴定值的迭代速度，Q
decay
(t，λ|A)表示当前周期内衰减后的时效性鉴定值，t为进行数据时效性鉴定的时刻，A表示数据属性，λ表示数据变化频率，具体表示数据在单位时间内的更新次数。
[0046]可选地，按照下式对当前周期内衰减后的时效性鉴定值进行计算：
[0047][0048]其中，T
life
为数据更新对应的预设周期，fall(A)表示在一个预设周期内属性A时效性的衰减率；age(t，λ)表示数据的期望年龄，采用下式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时效周期规则的制造大数据质量鉴定方法，其特征在于，所述方法包括：在更新数据产生时，判断当前更新数据的更新时刻是否符合预设周期；在当前更新数据的更新时刻不符合预设周期的情况下，对当前数据下一周期初始的时效性鉴定值进行更新；判断更新后的时效性鉴定值是否大于时效性鉴定值上限；在大于时效性鉴定值上限的情况下，记录时效性鉴定值大于时效性鉴定值上限的次数；在时效性鉴定值大于时效性鉴定值上限的次数达到预设次数阈值的情况下，鉴定当前数据失去时效性；在不大于时效性鉴定值上限的情况下，判断更新后的时效性鉴定值是否小于时效性鉴定值下限；在更新后的时效性鉴定值小于时效性鉴定值下限的情况下，鉴定当前数据失去时效性。2.根据权利要求1所述的基于时效周期规则的制造大数据质量鉴定方法，其特征在于，在仅考虑一个属性的情况下，对当前数据下一周期初始的时效性鉴定值进行更新，包括：按照下式对下一周期初始的时效性鉴定值进行更新：f
n+1
(t，λ|A)＝f
n
(t，λ|A)+α
×
Q
decay
(t，λ|A)其中，f
n+1
(t，λ|A)是下一周期初始的时效性鉴定值，f
n
(t，λ|A)是当前周期初始的时效性鉴定值，α为预设的周期更新率，表示时效性鉴定值的迭代速度，Q
decay
(t，λ|A)表示当前周期内衰减后的时效性鉴定值，t为进行数据时效性鉴定的时刻，A表示数据属性，λ表示数据变化频率，具体表示数据在单位时间内的更新次数。3.根据权利要求2所述的基于时效周期规则的制造大数据质量鉴定...

【专利技术属性】
技术研发人员：胡大裟，蒋玉明，刘泽华，丁雪峰，
申请(专利权)人：四川大学，
类型：发明
国别省市：