【技术实现步骤摘要】
本专利技术涉及工业生产监控，尤其涉及一种基于人工智能的工业数据品质监控与提升系统。
技术介绍
1、随着工业4.0时代的到来，自动化和信息化已成为现代工业生产的标志。在这个过程中，生产线上的传感器、控制系统和智能设备产生了海量的数据。这些数据包括但不限于机器性能参数、生产过程监控数据、产品质量指标等，它们是实现高效生产管理和质量控制的关键。
2、然而，传统的数据监控和分析方法存在诸多不足。首先，它们通常依赖于人工操作，这不仅耗时耗力，而且由于人为因素，容易产生误差。其次，传统方法在处理大规模数据时效率低下，难以实现实时监控和快速响应。此外。传统的数据质量控制方法主要依赖专家经验规则进行数据校验，但该方法存在以下几个明显不足：规则设置所需的工作量较大，且难以覆盖所有可能出现的异常情况；无法识别新型异常，只能检测已知的异常模式；各规则独立设置，无法考虑数据之间的相关性；数据质量分析和提升缺乏系统性和智能化支持。
技术实现思路
1、基于此，本专利技术有必要提供一种基于人工智能的工业数据品质监控与提升系统，以解决至少一个上述技术问题。
2、为实现上述目的，一种基于人工智能的工业数据品质监控与提升系统，所述系统包括以下模块：
3、工业数据采集模块s1，用于获取车间设备空间布局数据；根据车间设备空间布局数据对目标生产车间进行高密度感知工业数据采集，得到异构多源工业数据集，其中异构多源工业数据集包括产品生产数据、设备性能参数与产品质量指标；
4、数据
5、数据品质评估模块s3，用于根据产品生产数据品质影响因子集对产品生产数据进行数据品质量化评估，得到产品生产数据品质指数；将产品生产数据品质指数与生产数据可接受品质区间进行比较；
6、数据品质提升决策模块s4，用于当产品生产数据品质指数小于生产数据可接受品质区间下限时，对目标生产车间进行智能生产停线作业，并对产品生产数据进行数据异常根源追溯，得到生产数据异常诱因数据；基于历史产品生产数据、历史低品质生产数据与生产数据异常诱因数据对目标生产车间进行数据质量提升优化决策，得到生产数据质量增强策略；根据生产数据质量增强策略对目标生产车间进行策略深度融合实施；
7、生产过程知识图谱构建模块s5，对产品生产数据品质指数、生产数据异常诱因数据与生产数据质量增强策略进行因果关系动态知识图谱构建，得到动态数据品质因果知识图谱；
8、生产数据态势可视化模块s6，用于当产品生产数据品质指数等于或大于生产数据可接受品质区间数据时，对生产数据设备性能参数与产品质量指标进行时空标注，得到实时生产环境状态画像数据；对动态数据品质因果知识图谱与实时生产环境状态画像数据进行多维数据融合，得到生产质量可视化态势图；将生产质量可视化态势图上传至预设的工业数据监控平台。
9、本专利技术中，工业数据采集模块通过高密度感知工业数据采集，系统能够及时获取车间设备的实时数据，包括产品生产数据、设备性能参数和产品质量指标。这可以提供准确的、实时的生产数据，消除了传统依赖人工操作的缺点，提高了数据获取的效率和准确性。这样的实时监测和采集能够帮助解决传统方法在处理大规模数据时效率低下的问题，并实现对生产线的实时监控和快速响应。该模块通过获取异构多源工业数据集，包括来自不同设备和系统的数据。这样的数据集成能够提供全面的数据视角，使得后续的数据分析和决策可以综合考虑不同数据源的信息，更全面地了解整个生产线上的相关数据。数据品质影响因子挖掘模块通过对历史数据进行分析和建模，系统能够挖掘出数据品质的影响因子集。这些影响因子可以用于后续的数据品质量化评估和提升决策，为评估数据品质提供了依据和参考。基于历史数据，系统可以计算生产数据的可接受品质区间。这个区间可以用作衡量当前数据品质的标准，帮助判断数据是否符合预设的品质要求。该模块能够更全面、系统地考虑数据之间的相关性，并能够识别新型异常，不仅减少了人工规则设置的工作量，还提高了数据质量分析的准确性和智能化水平。数据品质评估模块通过对产品生产数据进行数据品质量化评估，并与生产数据可接受品质区间进行比较，实现了对产品生产数据的自动化评估。通过自动化评估，系统能够快速而准确地对产品生产数据的品质进行量化评估。相比于人工评估，自动化评估可以提高评估的准确性和效率，节省人力资源。通过与可接受品质区间进行比较，系统能够判断产品生产数据是否符合预设的品质要求。这为后续的数据品质提升决策提供了依据，帮助用户及时采取措施来改善数据品质。数据品质提升决策模块通过对产品生产数据品质指数与生产数据可接受品质区间的比较，判断是否需要进行数据质量提升优化决策。当品质指数低于可接受品质区间下限时，系统会进行智能生产停线作业，并追溯数据异常根源，得到异常诱因数据。这样可以帮助用户及时发现和处理生产线上的数据质量异常，减少不合格产品的生产和流通。基于历史数据和异常诱因数据，系统能够生成针对性的生产数据质量增强策略。这些策略可以包括设备维护、工艺优化等方面的改进措施，帮助提升数据品质和生产线的稳定性。该模块能够更加系统地基于历史数据和异常诱因数据生成策略，提高了数据质量的改进效果和生产线的稳定性。生产过程知识图谱构建模块构建因果关系动态知识图谱，将产品生产数据品质指数、异常诱因数据和质量增强策略进行关联，形成动态数据品质因果知识图谱。将数据品质相关的信息进行结构化和可视化表示，帮助用户更好地理解数据品质的影响因素和改进策略。知识图谱的形式可以呈现数据之间的联系和关联，使得用户可以直观地掌握数据品质的整体情况。构建动态数据品质因果知识图谱可以促进知识的共享和传播。知识图谱的形式可以直观地呈现数据之间的联系和关联，帮助用户更好地理解数据品质的影响因素和改进策略，并促进知识的共享和传播。不同利益相关者可以通过知识图谱了解数据品质的相关信息，共同探讨和改进数据品质的方案。生产数据态势可视化模块通过对产品生产数据进行时空标注，并与动态数据品质因果知识图谱进行多维数据融合，生成生产质量可视化态势图。通过将多源数据进行综合分析和可视化展示，帮助用户直观地了解生产数据的状态和趋势。通过可视化态势图，用户可以一目了然地把握生产线上的数据品质情况，快速发现异常情况和改进方向。综上所述，本专利技术能够实现高效的自动化数据监控和分析，减少人工操作的繁琐和误差，提高数据处理的效率。智能数据质量控制方法能够减少专家规则设置的工作量，识别新型异常，并考虑数据之间的相关性，提高数据质量分析的准确性和全面性。系统性和智能化的数据质量提升方法提供全面的支持和指导，帮助改进数据质量，增强生产线的稳定性。此外，结构化和可视化的数据品质信息表示形式本文档来自技高网...
【技术保护点】
1.一种基于人工智能的工业数据品质监控与提升系统，其特征在于，所述系统包括以下模块：
2.根据权利要求1所述的基于人工智能的工业数据品质监控与提升系统，其特征在于，工业数据采集模块S1具体为：
3.根据权利要求1所述的基于人工智能的工业数据品质监控与提升系统，其特征在于，数据品质影响因子挖掘模块S2具体为：
4.根据权利要求3所述的基于人工智能的工业数据品质监控与提升系统，其特征在于，S25具体为：
5.根据权利要求3所述的基于人工智能的工业数据品质监控与提升系统，其特征在于，S26具体为：
6.根据权利要求1所述的基于人工智能的工业数据品质监控与提升系统，其特征在于，数据品质评估模块S3具体为：
7.根据权利要求1所述的基于人工智能的工业数据品质监控与提升系统，其特征在于，数据品质提升决策模块S4具体为：
8.根据权利要求7所述的基于人工智能的工业数据品质监控与提升系统，其特征在于，S44具体为：
9.根据权利要求8所述的基于人工智能的工业数据品质监控与提升系统，其特征在于，S447
10.根据权利要求1所述的基于人工智能的工业数据品质监控与提升系统，其特征在于，生产过程知识图谱构建模块S5具体为：
...【技术特征摘要】
1.一种基于人工智能的工业数据品质监控与提升系统，其特征在于，所述系统包括以下模块：
2.根据权利要求1所述的基于人工智能的工业数据品质监控与提升系统，其特征在于，工业数据采集模块s1具体为：
3.根据权利要求1所述的基于人工智能的工业数据品质监控与提升系统，其特征在于，数据品质影响因子挖掘模块s2具体为：
4.根据权利要求3所述的基于人工智能的工业数据品质监控与提升系统，其特征在于，s25具体为：
5.根据权利要求3所述的基于人工智能的工业数据品质监控与提升系统，其特征在于，s26具体为：
6.根据...
【专利技术属性】
技术研发人员：岳高峰，李文武，高亮，王淑敏，
申请(专利权)人：中国标准化研究院，
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。