一种基于数据分析的新材料生产数据管理系统及方法技术方案

本发明专利技术公开了一种基于数据分析的新材料生产数据管理系统及方法，涉及生产数据管理技术领域，包括：

【技术实现步骤摘要】
一种基于数据分析的新材料生产数据管理系统及方法


[0001]本专利技术涉及生产数据管理
，具体为一种基于数据分析的新材料生产数据管理系统及方法
。

技术介绍

[0002]随着科技的发展，当今的主流生产材料也发生了变化，相对于传统材料而言，具有新的组成结构和性能的新材料越来越受到各行业的青睐，为各行业带来了新的发展和挑战
。
[0003]新材料回收再利用可以从源头减少资源浪费，将新材料产品回收并重新加工成新的材料或产品时，需要进行适当的处理和加工，以确保回收材料的质量和性能符合要求
。
新材料生产过程涉及材料混合
、
成型加工
、
表面处理
、
质量检测和包装储存等关键步骤
。
由于新材料的自身特性，在实际生产过程中，使用传统的生产数据管理方式将不足以对异常数据进行有效处理；现有的异常位置查询方法无法准确的判断新材料生产的异常范围，不能够及时对生产风险进行规避，甚至可能扩大对新材料生产的负面影响
。
[0004]因此，为了解决上述问题或部分问题，本专利技术提供了一种基于数据分析的新材料生产数据管理系统及方法
。

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分析的新材料生产数据管理系统及方法，以解决上述
技术介绍
中提出的问题
。
[0006]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于数据分析的新材料生产数据管理方法，包括以下步骤：
[0007]S1
：对新材料生产进程进行实时监控，通过传感器或机器视觉采集自动化生产相关数据集合；例如，温度
、
压力
、
速度等关键参数；
[0008]S2
：根据生产历史数据，对实时监控采集的生产相关数据集合进行分析，识别
、
筛选出生产相关数据集合中的异常数据；
[0009]S3
：基于生产相关数据集合中的异常数据，通过分析异常数据在生产进程中的产生路径和相关特征，确认异常数据生成相关元素；
[0010]S4
：根据对异常数据在生产进程中的分析结果，得到新材料生产状态异常的溯源结果，基于溯源结果，对新材料生产进行相应管理
。
[0011]进一步的，所述
S1
包括：
[0012]步骤
S1
‑1：采集到新材料生产的实时监控数据，对采集的实时监控数据进行预处理，包括数据清洗
、
缺失值处理
、
异常值处理等，以便于确保数据的一致性和准确性；
[0013]步骤
S1
‑2：监控数据中包括
l
种组成数据集，构建新材料生产相关数据集合
S
＝
S1,S2，
...
，
S
l
，其中，
S1、S2、...、S
l
分别表示生产相关数据集合中的一种数据集；
[0014]步骤
S1
‑3：设置
m
个数据检测点，对通过各检测点的生产数据添加标识，结合预设
数据检测标准，构建各数据检测点相对应的标准数据集合
Y
＝
Y1,Y2，
...
，
Y
m
，其中，
Y1、Y2、...、Y
m
分别表示第
1、2、...、m
个检测点对应的标准数据集，这些标准数据集合可以用于与实际采集到的数据进行比对和分析，以便于评估生产过程的质量和稳定性
。
所述标准数据集包含
n
个生产相关元素；所述预设的数据检测标准根据各检测点的历史数据均值进行设定，通过添加误差因子
α
将数据检测标准设定为，当任一检测点的实时监控数据内的各元素映射值处于该检测点的上下浮动大小为
α
的历史数据均值的范围内时，认为该检测点的当前监控数据正常
。
[0015]例如，温度检测点的标准可以是在一定范围内，湿度检测点的标准可以是低于某个阈值等
。
[0016]进一步的，所述
S2
包括：
[0017]步骤
S2
‑1：根据各数据检测点的标准数据集，构建概率分布模型；对于任一检测点
i
和其对应的标准数据集合
Y
i
，假设该数据符合正态分布，则可以使用正态分布的概率密度函数进行计算：
[0018][0019]其中，
P(X)
表示在给定的数据值
X
处的概率密度；
σ
是标准差，表示数据的离散程度；
μ
是均值，表示数据的期望值；在计算过程中，需要将具体的生产相关数据集合中的元素值带入该公式，以获得对应数据在模型中标准数据范围的分布概率
。
[0020]优选的，数据检测点的标准数据集可能包含多个维度的数据，可以根据实际情况将多个维度的概率密度函数进行联合计算，以得到更全面的分布概率信息；
[0021]步骤
S2
‑2：计算生产相关数据集合中的各元素映射在模型中标准数据范围的分布概率，根据预设的概率阈值
ω
，对生产相关数据集合中的
l
种组成数据集进行筛选，将各组成数据集分类为常规数据或异常数据；
[0022]步骤
S2
‑3：当组成生产相关数据集合的数据集超过
A
％以上比例被判定为异常数据，则需要进行第一应急反馈，紧急制动，对监控数据进行二次采集，以便于保障生产的安全
、
稳定和可靠性
。
[0023]进一步的，所述
S3
包括：
[0024]步骤
S3
‑1：对判定为异常数据的生产相关数据集合中的相应数据集进行提取，获取当前第一异常数据携带的数据标识和待解析的第一异常数据；
[0025]步骤
S3
‑2：根据数据检测点的排列顺序，对第一异常数据的生产路径
L
进行提取，得到关于第一异常数据的生产路径
L
，
L
＝
r1→
...
→
r
j
→
...
→
r
z
，其中
r1、...、r
j
、...、r
z
分别表示第
1、...j、...z
个数据检测点相对应位置的生产设备；
[0026]步骤
S3
‑3：对第一异常数据的生产路径涉及的生产设备进行分析，提取所涉及的各生产设备对当前材料的历史生产相关数据，对任一数据检测点相对应位置的生产设备
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于数据分析的新材料生产数据管理方法，其特征在于：包括以下步骤：
S1
：对新材料生产进程进行实时监控，通过传感器或机器视觉采集自动化生产相关数据集合；
S2
：根据生产历史数据，对实时监控采集的生产相关数据集合进行分析，识别
、
筛选出生产相关数据集合中的异常数据；
S3
：基于生产相关数据集合中的异常数据，通过分析异常数据在生产进程中的产生路径和相关特征，确认异常数据生成相关元素；
S4
：根据对异常数据在生产进程中的分析结果，得到新材料生产状态异常的溯源结果，基于溯源结果，对新材料生产进行相应管理
。2.
根据权利要求1所述的一种基于数据分析的新材料生产数据管理方法，其特征在于：所述
S1
包括：步骤
S1
‑1：采集到新材料生产的实时监控数据，对采集的实时监控数据进行预处理；步骤
S1
‑2：监控数据中包括
l
种组成数据集，构建新材料生产相关数据集合
S
＝
S1,S2，
...
，
S
l
，其中，
S1、S2、...、S
l
分别表示生产相关数据集合中的一种数据集；步骤
S1
‑3：设置
m
个数据检测点，对通过各检测点的生产数据添加标识，结合预设数据检测标准，构建各数据检测点相对应的标准数据集合
Y
＝
Y1,Y2，
...
，
Y
m
，其中，
Y1、Y2、...、Y
m
分别表示第
1、2、...、m
个检测点对应的标准数据集，所述标准数据集包含
n
个生产相关元素；所述预设的数据检测标准根据各检测点的历史数据均值进行设定，通过添加误差因子
α
将数据检测标准设定为，当任一检测点的实时监控数据内的各元素映射值处于该检测点的上下浮动大小为
α
的历史数据均值的范围内时，认为该检测点的当前监控数据正常
。3.
根据权利要求1所述的一种基于数据分析的新材料生产数据管理方法，其特征在于：所述
S2
包括：步骤
S2
‑1：根据各数据检测点的标准数据集，构建概率分布模型；步骤
S2
‑2：计算生产相关数据集合中的各元素映射在模型中标准数据范围的分布概率，根据预设的概率阈值
ω
，对生产相关数据集合中的
l
种组成数据集进行筛选，将各组成数据集分类为常规数据或异常数据；步骤
S2
‑3：当组成生产相关数据集合的数据集超过
A
％以上比例被判定为异常数据，则需要进行第一应急反馈，紧急制动，对监控数据进行二次采集
。4.
根据权利要求1所述的一种基于数据分析的新材料生产数据管理方法，其特征在于：所述
S3
包括：步骤
S3
‑1：对判定为异常数据的生产相关数据集合中的相应数据集进行提取，获取当前第一异常数据携带的数据标识和待解析的第一异常数据；步骤
S3
‑2：根据数据检测点的排列顺序，对第一异常数据的生产路径
L
进行提取，得到关于第一异常数据的生产路径
L
，
L
＝
r1→
...
→
r
j
→
...
→
r
z
，其中
r1、...、r
j
、...、r
z
分别表示第
1、...j、...z
个数据检测点相对应位置的生产设备；步骤
S3
‑3：对第一异常数据的生产路径涉及的生产设备进行分析，提取所...

【专利技术属性】
技术研发人员：李宗豪，赵雪楠，
申请(专利权)人：黑龙江黑格新材料科技有限公司，
类型：发明
国别省市：