应用于绞股蓝制备场景下的设备关联关系分析方法及系统技术方案

本发明专利技术涉及药物制备技术领域，揭露了一种应用于绞股蓝制备场景下的设备关联关系分析方法及系统，包括：查询药物制备流程对应的制备要求，计算药物制备设备在制备流程中的功能关联系数；调度绞股蓝药物对应的历史制备数据，对历史制备数据进行数据聚类处理，得到聚类制备数据，提取聚类制备数据对应的主元特征，得到数据主元特征，计算药物制备设备对应的设备贡献度，确定药物制备设备之间的贡献度关联性；提取药物制备设备对应的设备参数，分析药物制备设备之间的运行关联性；对药物制备设备进行关联性分析，得到关联分析结果，确定药物制备设备对应的制备序列

【技术实现步骤摘要】
应用于绞股蓝制备场景下的设备关联关系分析方法及系统


[0001]本专利技术涉及药物制备
，尤其涉及一种应用于绞股蓝制备场景下的设备关联关系分析方法及系统
。

技术介绍

[0002]绞股蓝药物指的是从绞股蓝植物中提取或合成出来的药物，主要成分是长春碱，长春碱则是一种抗肿瘤药物，常用于治疗某些恶性肿瘤，如淋巴瘤和白血病，因此对于绞股蓝的制备效率把控非常严格，为了提高绞股蓝药物的制备效率，需要对绞股蓝制备中的设备进行关联性分析，从而提高绞股蓝的生产效率
。
[0003]现有的绞股蓝制备的设备关联关系分析方法主要是采用变量统计分析方法，结合绞股蓝制备的流程分析设备关联性的方法，即将一组相关的设备指标转换为少数几个的主成分，通过变量统计分析方法，确定设备指标之间的主要关联模式，并减少数据的维度，从而更好地理解设备之间的关联关系，但是该方法只是考虑设备本体之间的指标参数，从而导致设备关联性分析不准确，从而使得绞股蓝制备的制备效率得不到明显提高，因此需要一种能够提高绞股蓝制备场景下的设备关联关系分析准确性的方法
。

技术实现思路

[0004]本专利技术提供一种应用于绞股蓝制备场景下的设备关联关系分析方法及系统，其主要目的在于提高绞股蓝制备场景下的设备关联关系分析的准确性
。
[0005]为实现上述目的，本专利技术提供的一种应用于绞股蓝制备场景下的设备关联关系分析方法，包括：获取绞股蓝药物制备场景下的药物制备流程，根据所述药物制备流程，调度绞股蓝制备场景下的药物制备设备，查询所述药物制备流程对应的制备要求，根据所述制备要求，计算所述药物制备设备在制备流程中的功能关联系数；调度所述绞股蓝药物对应的历史制备数据，对所述历史制备数据进行数据聚类处理，得到聚类制备数据，提取所述聚类制备数据对应的主元特征，得到数据主元特征，根据所述数据主元特征，计算所述药物制备设备对应的设备贡献度，根据所述设备贡献度，确定所述药物制备设备之间的贡献度关联性；提取所述药物制备设备对应的设备参数，根据所述设备参数，分析所述药物制备设备之间的运行关联性；结合所述功能关联系数
、
所述贡献度关联性以及所述运行关联性，对所述药物制备设备进行关联性分析，得到关联分析结果，根据所述关联分析结果，确定所述药物制备设备对应的制备序列
。
[0006]可选地，所述根据所述制备要求，计算所述药物制备设备在制备流程中的功能关联系数，包括：提取所述制备要求中的要求文本信息，提取所述要求文本信息的关键要求信息；
对所述关键要求信息进行语义解析，得到信息语义，根据所述信息语义，确定所述关键要求信息中的功能信息；构建所述功能信息对应的信息矩阵，计算所述信息矩阵之间的关联系数，得到矩阵关联系数；根据所述矩阵关联系数，得到所述药物制备设备在制备流程中的功能关联系数
。
[0007]可选地，所述计算所述信息矩阵之间的关联系数，得到矩阵关联系数，包括：通过下述公式计算所述信息矩阵之间的关联系数：；其中，
F
表示信息矩阵之间的关联系数，表示信息矩阵对应的矩阵维度，表示信息矩阵中的元素数量和，
i
表示信息矩阵的矩阵序列号，
t
表示信息矩阵的矩阵数量，表示第
i
个信息矩阵对应的标准差与协方差的比例系数，表示第
i+1
个信息矩阵对应的标准差与协方差的比例系数，表示第
i
个和第
i+1
个信息矩阵对应的标准差与协方差的比例系数差值的两级最小差值，表示第
i
个和第
i+1
个信息矩阵对应的标准差与协方差的比例系数差值的两级最大差值
。
[0008]可选地，所述对所述历史制备数据进行数据聚类处理，得到聚类制备数据，包括：对所述历史制备数据进行数据清洗，得到清洗制备数据；对所述清洗制备数据进行标准化处理，得到标准清洗数据；计算所述标准清洗数据中每个数据之间的距离值，得到数据距离值，并设置所述标准清洗数据对应的初始聚类中心；根据所述数据距离值，对所述初始聚类中心进行迭代计算处理，得到目标聚类中心；根据所述目标聚类中心，计算所述标准清洗数据与所述目标聚类中心对应的损失值；根据所述损失值，对所述标准清洗数据进行数据聚类处理，得到聚类制备数据
。
[0009]可选地，所述根据所述目标聚类中心，计算所述标准清洗数据与所述目标聚类中心对应的损失值，包括：通过下述公式计算所述标准清洗数据与所述目标聚类中心对应的损失值：；其中，表示标准清洗数据与目标聚类中心对应的损失值，
a
表示标准清洗数据的序列号，
A
表示标准清洗数据的数据数量，
b
表示目标聚类中心的序列号，
B
表示目标聚类中心的数量，表示标准清洗数据中第
a
个数据属于第
b
个目标聚类中心的概率，表示标准清洗数据中第
a
个数据对应的数据点，表示第
b
个目标聚类中心对应的质心
。
[0010]可选地，所述提取所述聚类制备数据对应的主元特征，得到数据主元特征，包括：提取所述聚类制备数据对应的数据特征，得到制备数据特征；
构建所述制备数据特征对应的向量矩阵，得到数据特征矩阵；分别计算所述数据特征矩阵中每列向量对应的向量期望值和向量标准差；结合所述向量期望值和所述向量标准差，对所述数据特征矩阵中的每个矩阵向量进行标准化处理，得到标准化向量；根据所述标准化向量，构建所述数据特征矩阵对应的标准化矩阵，计算所述标准化矩阵对应的矩阵均值；根据所述矩阵均值，对所述标准化矩阵进行矩阵更新，得到目标矩阵；根据所述目标矩阵，生成所述聚类制备数据对应的主元特征，得到数据主元特征
。
[0011]可选地，所述结合所述向量期望值和所述向量标准差，对所述数据特征矩阵中的每个矩阵向量进行标准化处理，得到标准化向量，包括：通过下述公式对所述数据特征矩阵中的每个矩阵向量进行标准化处理：；其中，表示数据特征矩阵中的每个矩阵向量经过标准化处理的标准化向量，表示数据特征矩阵第
j
个矩阵向量的向量值，
m
和
n
分别表示数据特征矩阵行数和列数，
j
表示数据特征矩阵中矩阵向量的序列号，表示数据特征矩阵中第
r
列的向量期望值，表示数据特征矩阵中第
r
列的向量标准差
。
[0012]可选地，所述根据所述数据主元特征，计算所述药物制备设备对应的设备贡献度，包括：计算所述数据主元特征对应的特征协方差，根据所述特征协方差，构建所述数据主元特征对应的协方差矩阵；对所述协方差矩阵进行特征值分解，得到矩阵特征值和特征向量，计算所述矩阵特征值中每个特征值对应的占比系数；根据所述特征向量，对所述矩阵特征值进行降序处理，得到降序特征值；结合所述降序特征值和所述占比系数，计算所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种应用于绞股蓝制备场景下的设备关联关系分析方法，其特征在于，所述方法包括：获取绞股蓝药物制备场景下的药物制备流程，根据所述药物制备流程，调度绞股蓝制备场景下的药物制备设备，查询所述药物制备流程对应的制备要求，根据所述制备要求，计算所述药物制备设备在制备流程中的功能关联系数；调度所述绞股蓝药物对应的历史制备数据，对所述历史制备数据进行数据聚类处理，得到聚类制备数据，提取所述聚类制备数据对应的主元特征，得到数据主元特征，根据所述数据主元特征，计算所述药物制备设备对应的设备贡献度，根据所述设备贡献度，确定所述药物制备设备之间的贡献度关联性；提取所述药物制备设备对应的设备参数，根据所述设备参数，分析所述药物制备设备之间的运行关联性；结合所述功能关联系数
、
所述贡献度关联性以及所述运行关联性，对所述药物制备设备进行关联性分析，得到关联分析结果，根据所述关联分析结果，确定所述药物制备设备对应的制备序列
。2.
如权利要求1所述的一种应用于绞股蓝制备场景下的设备关联关系分析方法，其特征在于，所述根据所述制备要求，计算所述药物制备设备在制备流程中的功能关联系数，包括：提取所述制备要求中的要求文本信息，提取所述要求文本信息的关键要求信息；对所述关键要求信息进行语义解析，得到信息语义，根据所述信息语义，确定所述关键要求信息中的功能信息；构建所述功能信息对应的信息矩阵，计算所述信息矩阵之间的关联系数，得到矩阵关联系数；根据所述矩阵关联系数，得到所述药物制备设备在制备流程中的功能关联系数
。3.
如权利要求2所述的一种应用于绞股蓝制备场景下的设备关联关系分析方法，其特征在于，所述计算所述信息矩阵之间的关联系数，得到矩阵关联系数，包括：通过下述公式计算所述信息矩阵之间的关联系数：；其中，
F
表示信息矩阵之间的关联系数，表示信息矩阵对应的矩阵维度，表示信息矩阵中的元素数量和，
i
表示信息矩阵的矩阵序列号，
t
表示信息矩阵的矩阵数量，表示第
i
个信息矩阵对应的标准差与协方差的比例系数，表示第
i+1
个信息矩阵对应的标准差与协方差的比例系数，表示第
i
个和第
i+1
个信息矩阵对应的标准差与协方差的比例系数差值的两级最小差值，表示第
i
个和第
i+1
个信息矩阵对应的标准差与协方差的比例系数差值的两级最大差值
。4.
如权利要求1所述的一种应用于绞股蓝制备场景下的设备关联关系分析方法，其特征在于，所述对所述历史制备数据进行数据聚类处理，得到聚类制备数据，包括：对所述历史制备数据进行数据清洗，得到清洗制备数据；
对所述清洗制备数据进行标准化处理，得到标准清洗数据；计算所述标准清洗数据中每个数据之间的距离值，得到数据距离值，并设置所述标准清洗数据对应的初始聚类中心；根据所述数据距离值，对所述初始聚类中心进行迭代计算处理，得到目标聚类中心；根据所述目标聚类中心，计算所述标准清洗数据与所述目标聚类中心对应的损失值；根据所述损失值，对所述标准清洗数据进行数据聚类处理，得到聚类制备数据
。5.
如权利要求4所述的一种应用于绞股蓝制备场景下的设备关联关系分析方法，其特征在于，所述根据所述目标聚类中心，计算所述标准清洗数据与所述目标聚类中心对应的损失值，包括：通过下述公式计算所述标准清洗数据与所述目标聚类中心对应的损失值：；其中，
D
表示标准清洗数据与目标聚类中心对应的损失值，
a
表示标准清洗数据的序列号，
A
表示标准清洗数据的数据数量，
b
表示目标聚类中心的序列号，
B
表示目标聚类中心的数量，表示标准清洗数据中第
a
个数据属于第
b
个目标聚类中心的概率，...

【专利技术属性】
技术研发人员：张钊，
申请(专利权)人：陕西女娲神草农业科技有限公司，
类型：发明
国别省市：