[發明專利]工業質量數據指標智能預測方法、系統及介質

在審

• 申請號: 202110113891.1
• 申請日: 2021-01-27
• 公開（公告）號: CN112801366A
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 楊本法;馬元巍;潘正頤;侯大為
• 申請（專利權）人: 上海微億智造科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06F16/215;G06F16/906
• 代理公司: 上海段和段律師事務所 31334
• 代理人: 李佳俊;郭國中

1.一種工業質量數據指標智能預測方法，其特征在于，包括：

步驟1：將工業數據接入到數據庫中；

步驟2：對接入的數據進行加工與清洗；

步驟3：進行數據標準化；

步驟4：對標準化后的數據進行模型訓練；

步驟5：根據模型訓練結果選擇模型并進行使用，對數據進行預測。

2.根據權利要求1所述的工業質量數據指標智能預測方法，其特征在于，所述步驟1包括：

步驟1.1：針對質檢機實時數據，通過大數據網關實時錄入數據庫并加以計算，得到時序數據，包括產量、良品數、缺陷數、產線和產品信息；

計算方式包括對數據進行分類、聚合、計算平均值或者最大值的數據處理操作；

步驟1.2：針對線下數據，系統提供數據上傳功能用于用戶上傳待預測的數據，包括產品銷量數據和在線服務量。

3.根據權利要求1所述的工業質量數據指標智能預測方法，其特征在于，所述步驟2包括：

步驟2.1：針對缺失值使用填補方法進行填補，包括平均值、最大值、最小值、回歸插值法、隨機填補法和最近鄰填補法；

步驟2.2：根據預設指標進行統計分析，判斷數據是否為離群點，對離群點數據進行刪除；

步驟2.3：根據關鍵字段信息，判斷指標值是否重復，如果重復，則刪除重復值。

4.根據權利要求1所述的工業質量數據指標智能預測方法，其特征在于，所述步驟3包括：

步驟3.1：將字符型數據轉換成數值類型，對因子類型變量進行one-hot轉換；

步驟3.2：采用0-1或者均值中心對數據進行標準化。

5.根據權利要求1所述的工業質量數據指標智能預測方法，其特征在于，所述步驟4包括：

步驟4.1：將數據集隨機分割成訓練集、驗證集和測試集，三個數據集的數據量占比設置：0.7、0.2、0.1；

步驟4.2：分別調用備選模型，包括AR、MA、ARIMA、三階指數平滑和季節分解法，使用訓練集進行訓練測試；

步驟4.3：存儲訓練后的模型，通過平均絕對誤差和均方誤差評估指標結果。

6.根據權利要求1所述的工業質量數據指標智能預測方法，其特征在于，所述步驟5包括：

步驟5.1：對比各個模型訓練及測試結果，根據評估指標進行選擇最佳模型；

步驟5.2：更新模型至線上系統，進行使用。

7.一種工業質量數據指標智能預測系統，其特征在于，包括：

模塊M1：將工業數據接入到數據庫中；

模塊M2：對接入的數據進行加工與清洗；

模塊M3：進行數據標準化；

模塊M4：對標準化后的數據進行模型訓練；

模塊M5：根據模型訓練結果選擇模型并進行使用，對數據進行預測。

8.根據權利要求7所述的工業質量數據指標智能預測系統，其特征在于，所述模塊M1包括：

模塊M1.1：針對質檢機實時數據，通過大數據網關實時錄入數據庫并加以計算，得到時序數據，包括產量、良品數、缺陷數、產線和產品信息；

計算方式包括對數據進行分類、聚合、計算平均值或者最大值的數據處理操作；

模塊M1.2：針對線下數據，系統提供數據上傳功能用于用戶上傳待預測的數據，包括產品銷量數據和在線服務量；

所述模塊M2包括：

模塊M2.1：針對缺失值使用填補方法進行填補，包括平均值、最大值、最小值、回歸插值法、隨機填補法和最近鄰填補法；

模塊M2.2：根據預設指標進行統計分析，判斷數據是否為離群點，對離群點數據進行刪除；

模塊M2.3：根據關鍵字段信息，判斷指標值是否重復，如果重復，則刪除重復值。