【技术实现步骤摘要】
本专利技术涉及一种工业互联网大数据处理及决策支持系统，特别涉及一种基于工业互联网ai大模型的工业互联网大数据处理及决策支持系统。
技术介绍
1、随着工业互联网的快速发展和物联网设备的普及应用，工业生产过程中产生的数据规模呈现爆发式增长，这些数据被称为工业互联网大数据，这些数据涵盖了从设备监测数据到生产过程中的各个环节的数据，如传感器数据、机器状态数据、生产计划数据等，这些数据对于工业企业的决策和优化具有重要的意义。
2、然而，面对庞大且不断增长的工业互联网大数据，传统的数据处理和分析方法已经无法满足需求，例如计算速度较慢、对不同数据类型的适应能力有限、无法有效处理数据的关联性和复杂性等，为了更高效地处理和分析工业互联网大数据，ai大模型技术应运而生，ai大模型是一种针对海量数据进行处理和分析的人工智能技术，它能够通过训练和学习，从数据中挖掘出潜在的规律和关联，为工业互联网平台提供精确的数据分析结果，通过ai大模型的分析和预测能力，系统可以在复杂的决策环境中提供精确的建议和优化方案，帮助企业制定更具竞争力的决策，并提升资源利用效率和生产效益，通过应用ai大模型技术，工业互联网平台可以更准确地预测设备故障、优化生产计划、提高产品质量等。
技术实现思路
1、为了解决上述现有技术问题，本专利技术提供了一种基于工业互联网ai大模型的工业互联网大数据处理及决策支持系统，其特征在于，应用于企业支持决策，包括工业互联网大数据处理及决策支持系统和工业互联网ai大模型，所述工业互联网大数据
2、作为本专利技术基于工业互联网ai大模型的工业互联网大数据处理及决策支持系统的改进，所述工业数据预处理模块执行的工业数据预处理包含以下五个步骤：
3、第一步、工业数据清洗，对采集到的工业数据进行补缺失、去重、去噪、去异常、归一化等处理，以提高工业数据的质量和可用性。
4、第二步、特征选择，根据实际需求和问题的特点，对采集到的工业数据进行特征选择，选择对问题有重要影响的特征进行进一步处理和分析，减少冗余和无关的特征，提高模型的效果和计算效率。
5、第三步、工业数据集成，将来自不同工业数据源的工业数据进行集成和合并，以形成一个完整的工业数据集，便于后续的工业数据分析和建模。
6、第四步、工业数据转换，将原始工业数据转换成适合分析的格式或形式的过程，具体步骤包括：工业数据格式转换、工业数据统一、工业数据规范化、工业数据离散化。
7、第五步、工业数据规约，将工业数据集中的工业数据缩减到合理的范围内，以便于分析和处理：
8、具体步骤包括：工业数据抽样、工业数据聚集、工业数据规则建立。
9、作为本专利技术基于工业互联网ai大模型的工业互联网大数据处理及决策支持系统的改进，所述构建工业互联网ai大模型包括：
10、第一步、选择ai大模型：选择可应用于工业互联网大数据处理的ai大模型：对国内、国外的第三方ai大模型进行选择，用准确性、响应速度、多样性指标来衡量；
11、第二步、构建环境：安装python、依赖库、cuda等环境，确保模型能在目标设备上正常运行。
12、第三步、模型下载：从huggingface平台下载模型。
13、第四步、准备数据集：将训练工业数据集模块和验证工业数据集模块中的工业数据导入到ai大模型中用于模型训练。
14、第五步、模型训练：使用训练代码和准备好的工业数据对模型进行训练，监控训练过程中的损失和指标，调整超参数以优化模型性能，保存训练好的模型权重和配置文件。
15、第六步、模型推理：使用已经训练好的chatglm2-6b ai模型进行推理，输入待处理的文本工业数据，调用模型的推理接口或方法，获取模型对输入文本的回复或预测结果。
16、第七步、模型评估和验证：根据验证工业数据集模块的使用评估指标对模型的性能进行评估，如准确率、召回率、f1值等，通过决策支持系统的验证集对模型进行验证，确保模型的泛化能力。
17、第八步、模型部署和维护：根据实际需求和部署场景，将训练好的chatglm2-6bai模型部署到生产环境中的企业用户移动终端或企业用户固定终端，配置模型的服务器和运行环境，确保模型在生产环境中的稳定运行，定期监控模型的性能和输出结果，检测和解决潜在的问题，并进行必要的模型更新和维护。
18、作为本专利技术基于工业互联网ai大模型的工业互联网大数据处理及决策支持系统的改进，所述第一步选择可应用于工业大数据处理的ai大模型，选择的是chatglm2-6b的ai大模型，该ai大模型参数如下：
19、模型架构：基于glm框架，模型由28个glm层组成，每个glm层包括多层感知机(mlp)和自注意力机制，自注意力机制的头部数为32。
20、预训练数据：经过1.4t中英标识符的预训练，使用了人类偏好对齐训练，模型参数量：约62亿个参数。
21、注意力机制：引入了multi-query attention(mqa)机制，提高了生成速度，并降低了生成过程中kv cache的显存占用，采用causal mask进行对话训练，连续对话时可复用前面轮次的kv cache，进一步优化了显存占用。
22、性能：评测结果显示，chatglm2-6b在mmlu(23％)、ceval(33％)、gsm8k(571％)、bbh(60％)等数据集上的性能取得了大幅度的提升。
23、部署本文档来自技高网...
【技术保护点】
1.一种基于工业互联网AI大模型的工业互联网大数据处理及决策支持系统，其特征在于，应用于企业支持决策，包括工业互联网大数据处理及决策支持系统和工业互联网AI大模型，所述工业互联网大数据处理及决策支持系统包括工业数据采集模块、工业数据预处理模块、工业数据存储及管理模块、训练工业数据集模块和验证工业数据集模块，所述工业数据采集模块、所述工业数据预处理模块、所述工业数据存储及管理模块、所述训练工业数据集模块、所述验证工业数据集模块之间依次电性连接，所述工业数据采集模块用于收集工业互联网大数据，所述工业数据预处理模块用于对收集的工业互联网大数据进行预处理，所述工业数据存储及管理模块用于对预处理的工业互联网大数据进行存储及管理，所述训练工业数据集模块用于对存储及管理的工业互联网大数据进行训练，所述验证工业数据集模块用于对训练工业数据集模块中的工业互联网大数据进行验证，所述工业互联网AI大模型对所述训练工业数据集模块和所述验证工业数据集模块导入的准备工业数据集进行分析训练生成适合企业需求的新的企业决策支持系统，并将所述企业决策支持系统通过无线通信模块发送至企业用户移动终端或企业用户固定终端，
2.根据权利要求1所述的一种基于工业互联网AI大模型的工业互联网大数据处理及决策支持系统，其特征在于，所述工业数据预处理模块执行的工业数据预处理包含以下五个步骤：
3.根据权利要求1所述的一种基于工业互联网AI大模型的工业互联网大数据处理及决策支持系统，其特征在于，所述构建工业互联网AI大模型包括：
4.根据权利要求3所述的一种基于工业互联网AI大模型的工业互联网大数据处理及决策支持系统，其特征在于：所述第一步选择可应用于工业大数据处理的AI大模型，选择的是ChatGLM2-6B的AI大模型，该AI大模型参数如下：
5.根据权利要求4所述的一种基于工业互联网AI大模型的工业互联网大数据处理及决策支持系统，其特征在于：所述第五步模型训练过程如下：
6.根据权利要求5所述的一种基于工业互联网AI大模型的工业互联网大数据处理及决策支持系统，其特征在于：所述第六步模型推理，使用推理代码和训练好的模型权重对新的输入数据进行推理，输出模型的预测结果，如生成图表、文本、图片、音频、视频或者3D模型格式形式。
7.根据权利要求1所述的一种基于工业互联网AI大模型的工业互联网大数据处理及决策支持系统，其特征在于，所述调用工业互联网AI大模型能够将工业数据转化为有价值的信息和见解，为决策者提供科学依据和决策支持，帮助优化工业生产和运营的效率和质量，所述调用工业互联网AI大模型具体步骤如下：
8.根据权利要求1所述的一种基于工业互联网AI大模型的工业互联网大数据处理及决策支持系统，其特征在于，用户调用基于工业互联网AI大模型的工业互联网大数据处理及决策支持系统并进行工业数据更新与迭代具体流程如下：
...【技术特征摘要】
1.一种基于工业互联网ai大模型的工业互联网大数据处理及决策支持系统，其特征在于，应用于企业支持决策，包括工业互联网大数据处理及决策支持系统和工业互联网ai大模型，所述工业互联网大数据处理及决策支持系统包括工业数据采集模块、工业数据预处理模块、工业数据存储及管理模块、训练工业数据集模块和验证工业数据集模块，所述工业数据采集模块、所述工业数据预处理模块、所述工业数据存储及管理模块、所述训练工业数据集模块、所述验证工业数据集模块之间依次电性连接，所述工业数据采集模块用于收集工业互联网大数据，所述工业数据预处理模块用于对收集的工业互联网大数据进行预处理，所述工业数据存储及管理模块用于对预处理的工业互联网大数据进行存储及管理，所述训练工业数据集模块用于对存储及管理的工业互联网大数据进行训练，所述验证工业数据集模块用于对训练工业数据集模块中的工业互联网大数据进行验证，所述工业互联网ai大模型对所述训练工业数据集模块和所述验证工业数据集模块导入的准备工业数据集进行分析训练生成适合企业需求的新的企业决策支持系统，并将所述企业决策支持系统通过无线通信模块发送至企业用户移动终端或企业用户固定终端，所述工业互联网ai大模型生成适合企业用户需求的新的企业决策支持系统包括两个步骤：构建工业互联网ai大模型和调用工业互联网ai大模型，所述构建工业互联网ai大模型包含八个步骤：选择ai大模型、构建环境、模型下载、导入数据集、模型训练、模型推理、模型评估和验证、模型部署和维护，所述调用工业互联网ai大模型是指企业用户调用训练好的工业互联网ai大模型对企业用户提供的自己企业的工业数据进行分析和预测获得满足企业用户需求的新的企业决策支持系统。
2.根据权利...
【专利技术属性】
技术研发人员：李卫忠，曹春华，
申请(专利权)人：广州市拓璞互联科技有限公司，
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。