[发明专利]一种智能数据演化系统及方法

权利要求书

1.一种智能数据演化系统，其特征在于，包括：用于基于控制系统传递的运行装置运行数据往复优化投入与产出之间价值关系的数据处理单元，

所述数据处理单元包括：

监测模块，用于基于预设的目标和效益以及判断模块、分析模块、优化模块的需求，设定监测对象和指标，即设定被监测运行装置的运行数据；

判断模块，用于基于预设的目标和效益以及分析模块、优化模块的需求，对监测模块采集的数据进行判断；

分析模块，用于基于预设的目标和效益以及优化模块的需求，对经过监测模块采集、判断模块处理的数据进行分析；具体地，通过设定分析方法和分析模型进行包括价值分析、问题分析、因果分析、历史比较和标杆比较在内的多种分析；

优化模块，用于基于预设的目标和效益，对经过监测模块、判断模块、分析模块的数据进行优化和仿真，得出高精度仿真模型，通过求解该仿真模型，得出该装置工艺参数的更优解。

2.根据权利要求1所述的智能数据演化系统，其特征在于，所述优化模块对装置进行高精度仿真，形成该装置的高精度运行模型，在得出各装置高精度运行模型的基础上，组成生产工艺全流程的高精度运行模型，构筑的所述模型为非线性模型或线性模型。

3.根据权利要求1或2所述的智能数据演化系统，其特征在于，所述优化模块基于生产工艺全流程的高精度运行模型和预设的投入产出模型、设备运维模型组成完整的计算机虚拟工厂非线性规划模型，采用预设的方法和算法对其进行求解，实时将结果反馈至监测模块、判断模块、分析模块。

4.根据权利要求3所述的智能数据演化系统，其特征在于，所述采用预设的方法和算法包括机器学习、深度学习、强化学习中的至少一种。

5.根据权利要求1所述的智能数据演化系统，其特征在于，智能数据演化系统通过可视化和表格的形式，整体提供给各部门和企业生产经营决策层。

6.一种智能数据演化方法，其特征在于，包括如下步骤：

步骤1、设定监测模块需要监测的数据；根据产物最小测量周期，依据监测数据系统绘制催化剂生命周期工艺参数与产物的相关曲线，将测量产物的最小时间点设定为△X，将该时间对应产物设定为△Y，当△Y/△X发生明显变化的时候，将此时的上一个测量周期的时间△Xi和产物△Yi，作为催化剂生命周期和工艺装置运行周期对应产物变化的分界点，将步骤1的曲线按时间进行分段，对分段曲线采用如下三种方法拟合，具体为线性拟合方法、抛物线拟合方法和机器学习拟合方法；

步骤2、递归拟合，将第i条实测曲线作为i+1预测曲线，用i+1曲线的实测值修正其预测值，不断循环修正；

将大数据下拟合曲线按产出值分成至少两个区域，即普通区和优选区；

步骤3、用预测装置/催化剂产出生命周期曲线和数据，计算产出经济效益∑△A和成本费用∑△B，求解∑△A＝∑△B时，装置/催化剂优化产出周期；

步骤4、采用递归插值算法，求解装置/催化剂优化使用时间；

步骤5、用步骤3的实测值修正步骤3的预测值；

步骤6、把修正后的预测值与步骤2的划分标准进行比较，判定该预测值所在区间；

步骤7、用步骤2所在区间的拟合曲线再次修正步骤6的预测曲线；

步骤8、用步骤7得出预测曲线再次修正步骤4的装置/催化剂使用时间；

步骤9、预测结果和实际结果全部记录，对比、分析、优化；

步骤10、通过人机交互界面显示出计算机虚拟工厂的运行情况、存在问题和优化路径。

7.根据权利要求6所述的智能数据演化方法，其特征在于，所述步骤6具体包括：判断模块判断出的新情况和新问题输入分析模块，进行因果分析、价值分析，并形成因果网络、价值网络，将因果网络、价值网络结果输入优化模块，求出优化结果。