[发明专利]工业质量数据指标智能预测方法、系统及介质

权利要求书

1.一种工业质量数据指标智能预测方法，其特征在于，包括：

步骤1：将工业数据接入到数据库中；

步骤2：对接入的数据进行加工与清洗；

步骤3：进行数据标准化；

步骤4：对标准化后的数据进行模型训练；

步骤5：根据模型训练结果选择模型并进行使用，对数据进行预测。

2.根据权利要求1所述的工业质量数据指标智能预测方法，其特征在于，所述步骤1包括：

步骤1.1：针对质检机实时数据，通过大数据网关实时录入数据库并加以计算，得到时序数据，包括产量、良品数、缺陷数、产线和产品信息；

计算方式包括对数据进行分类、聚合、计算平均值或者最大值的数据处理操作；

步骤1.2：针对线下数据，系统提供数据上传功能用于用户上传待预测的数据，包括产品销量数据和在线服务量。

3.根据权利要求1所述的工业质量数据指标智能预测方法，其特征在于，所述步骤2包括：

步骤2.1：针对缺失值使用填补方法进行填补，包括平均值、最大值、最小值、回归插值法、随机填补法和最近邻填补法；

步骤2.2：根据预设指标进行统计分析，判断数据是否为离群点，对离群点数据进行删除；

步骤2.3：根据关键字段信息，判断指标值是否重复，如果重复，则删除重复值。

4.根据权利要求1所述的工业质量数据指标智能预测方法，其特征在于，所述步骤3包括：

步骤3.1：将字符型数据转换成数值类型，对因子类型变量进行one-hot转换；

步骤3.2：采用0-1或者均值中心对数据进行标准化。

5.根据权利要求1所述的工业质量数据指标智能预测方法，其特征在于，所述步骤4包括：

步骤4.1：将数据集随机分割成训练集、验证集和测试集，三个数据集的数据量占比设置：0.7、0.2、0.1；

步骤4.2：分别调用备选模型，包括AR、MA、ARIMA、三阶指数平滑和季节分解法，使用训练集进行训练测试；

步骤4.3：存储训练后的模型，通过平均绝对误差和均方误差评估指标结果。

6.根据权利要求1所述的工业质量数据指标智能预测方法，其特征在于，所述步骤5包括：

步骤5.1：对比各个模型训练及测试结果，根据评估指标进行选择最佳模型；

步骤5.2：更新模型至线上系统，进行使用。

7.一种工业质量数据指标智能预测系统，其特征在于，包括：

模块M1：将工业数据接入到数据库中；

模块M2：对接入的数据进行加工与清洗；

模块M3：进行数据标准化；

模块M4：对标准化后的数据进行模型训练；

模块M5：根据模型训练结果选择模型并进行使用，对数据进行预测。

8.根据权利要求7所述的工业质量数据指标智能预测系统，其特征在于，所述模块M1包括：

模块M1.1：针对质检机实时数据，通过大数据网关实时录入数据库并加以计算，得到时序数据，包括产量、良品数、缺陷数、产线和产品信息；

计算方式包括对数据进行分类、聚合、计算平均值或者最大值的数据处理操作；

模块M1.2：针对线下数据，系统提供数据上传功能用于用户上传待预测的数据，包括产品销量数据和在线服务量；

所述模块M2包括：

模块M2.1：针对缺失值使用填补方法进行填补，包括平均值、最大值、最小值、回归插值法、随机填补法和最近邻填补法；

模块M2.2：根据预设指标进行统计分析，判断数据是否为离群点，对离群点数据进行删除；

模块M2.3：根据关键字段信息，判断指标值是否重复，如果重复，则删除重复值。