[发明专利]一种工业设备数据的重要性评估方法

说明书

本发明技术方案公开了一种工业设备数据的重要性评估方法，其步骤如下：S1：收集工业设备样本数据集，记录样本数据集的基本情况，并对该数据集的质量评估指标的重要性进行打分，形成样本打分数据评分表；S2：建立基于样本数据的虚拟打分模型；S3：根据虚拟打分模型对待评估数据集进行打分；S4：基于打分结果并结合数据质量评估模型，得到待评估数据集的数据质量评估得分。本发明技术方案实现了工业设备数据重要性的实时评估，避免了需要邀请实体专家的情况，降低了人力成本，评估结果准确可靠。

技术领域

本发明涉及工业设备数据处理技术领域，尤其涉及一种工业设备数据的重要性评估方法。

背景技术

在现代社会，数据是工业企业走向信息化的必要基础，然而随着企业设备的不断老化、传感器失效、传输网络的不稳定性等情况的发生，数据质量问题变得日益突出。在对数据质量情况进行评估时，会涉及到多种数据质量评估指标，比如完整性、准确性、一致性、可靠性等，每种指标对数据质量情况都有一定的影响，影响有大有小，想要得到数据质量情况的准确评估结果，首先需要准确的衡量不同指标的重要性对最终数据质量评估结果的影响情况，并将此影响情况以定量化的形式进行表示。

目前对指标重要性的评价，主要依靠邀请行业经验丰富的专家，专家的经验知识对不同指标的重要性进行打分，以此得到各指标的重要性量化结果。通过实体专家基于专家经验进行打分的方式虽然是一种有效的评分方式，但是在数据质量评估过程中，仅靠实体专家基于经验进行指标重要性打分具有较大风险。这种方式的主要缺点有：人力成本投入巨大、经验依赖性强、处理滞后。

发明内容

本发明技术方案所要解决的技术问题是提供一种工业设备数据的重要性评估方法，该方法可以在不邀请实体专家的情况下，实时对待评估数据的重要性进行评估。

为解决上述技术问题，本发明技术方案提供了一种工业设备数据的重要性评估方法，包括如下步骤：

S1：收集工业设备样本数据集，对该数据集的质量评估指标的重要性进行打分，形成样本打分数据评分表；

S2：建立基于样本数据的虚拟打分模型；

S3：根据虚拟打分模型对待评估数据集进行打分；

S4：基于打分结果并结合数据质量评估模型，得到待评估数据集的数据质量评估得分。

可选的，步骤S1具体为：收集若干组不同的样本数据集，记录样本数据集的类型、大小、数据变量个数、数据分析目的，选取若干名专家针对若干组样本数据集的质量评估指标的重要性分别进行打分，形成样本打分数据评分表。

进一步可选的，所述质量评估指标包括准确性、完整性、可靠性及冗余性中的至少一种。

进一步可选的，步骤S2具体为：建立样本数据集与相应样本打分数据之间的若干非线性映射模型，即为若干基于样本数据的虚拟打分模型。

进一步可选的，采用神经网络、支持向量机、随机森林中的至少一种模型进行建模。

可选的，步骤S3具体为：通过若干基于样本数据的虚拟打分模型对待评估数据集进行打分，得到若干打分结果。

可选的，在步骤S4中，所述数据质量评估模型如下：

其中，其中，S表示数据集的数据质量评估得分；N表示虚拟打分模型的个数；R_ij表示第i个专家对第j个评估指标的打分；w_i为第i个专家的权重系数；S_i为第i个虚拟打分模型的打分结果得到的数据质量评估得分；B₂和B₁为设定参数。

可选的，还包括步骤S5：重复步骤S3和步骤S4若干次，获得若干组数据质量评估得分，并对每个得分的权重进行迭代调整。