[发明专利]工业质量数据指标智能预测方法、系统及介质

说明书

本发明提供了一种工业质量数据指标智能预测方法、系统及介质，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。本发明通过大数据的管理技术，自动训练模型，自动选择模型，解决了实时质量指标预测及预警问题，为生产管理提供数据依据。

技术领域

本发明涉及工业大数据技术领域，具体地，涉及一种工业质量数据指标智能预测方法、系统及介质。

背景技术

工业现场，对电子产品质量要求很高，特别是精密电子产品；特别在一些外观件上，对表面的瑕疵是零容忍，目前通过检测可以过滤掉瑕疵品，但某些流程的不稳定性，导致质量水准有波动，生产部门希望知道未来的质量趋势，如果能加以预测，并能实时预警，那么对于生产管理者来说，可以更加精确的决策，如生产计划的排配，人员的招募，仓库的扩张等；另外其他场景如，对未来的销量，在线服务量等指标进行预测，均能给与管理者进行决策提供支持与依据。

专利文献CN111950854A(申请号：CN202010675306.2)公开了一种基于多层神经网络的焦炭质量指标预测方法，属于工业信息技术领域。采用工业实际生产数据，首先对数据进行清洗，采用梯度增强树对影响焦炭质量指标的因素进行相关性分析，选择出与灰分、硫分、M¹⁰、M⁴⁰、CRI和CSR等最相关的变量，进而构建训练样本，建立多层神经网络预测模型来对焦炭质量指标进行预测，并采用智能优化算法对模型中的变量进行优化，给出最终的焦炭质量指标预测结果。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种工业质量数据指标智能预测方法、系统及介质。

根据本发明提供的工业质量数据指标智能预测方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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；