本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域。更具體地，本發(fā)明涉及一種智能熱干面流水線生產(chǎn)監(jiān)控方法。

背景技術(shù)：

1、隨著科技的發(fā)展，熱干面流水線的無人化管理趨勢越來越明顯。而要實現(xiàn)無人化管理，需要實現(xiàn)熱干面流水線的智能監(jiān)控。例如熱干面流水線出現(xiàn)異常時，需及時給人們預(yù)警，從而讓人們及時的做出應(yīng)對措施，防止因生產(chǎn)異常造成較大的經(jīng)濟損失。

2、熱干面生產(chǎn)線出現(xiàn)異常時，會產(chǎn)生異常的指標(biāo)數(shù)據(jù)。例如熱干面的烘干工位處出現(xiàn)異常時，會表現(xiàn)出異常的濕度或者溫度數(shù)據(jù)，因而可以通過異常檢測的方式來判斷是否有異常數(shù)據(jù)出現(xiàn)，從而判斷熱干面生產(chǎn)線中烘干工位處是否出現(xiàn)異常。

3、孤立森林算法作為常用的異常檢測算法，其具有較高的檢測精度。該算法是通過在數(shù)據(jù)點的所有維度中任選一個維度的數(shù)據(jù)作為分割維度，在分割維度的數(shù)據(jù)的取值范圍中任選一個位置作為分割點，利用該分割點將所有數(shù)據(jù)點分割成兩類，不斷迭代分割，直至到達(dá)截止條件。由于異常數(shù)據(jù)點會表現(xiàn)出離群性，因而通過該分割方式很快就將異常數(shù)據(jù)點與其他數(shù)據(jù)點分割開，通過該特征來實現(xiàn)異常數(shù)據(jù)點檢測。通過該實現(xiàn)過程可以看出，維度選取的好壞會影響其異常檢測精度。例如烘干工位處出現(xiàn)烘干異常時，其溫度和濕度存在異常，但是進(jìn)面速度等不會出現(xiàn)異常，因而利用溫度和濕度維度的數(shù)據(jù)將烘干工位處異常的數(shù)據(jù)點分割出來。因而如何選擇合適的維度，從而將異常數(shù)據(jù)點更容易精準(zhǔn)的分割出來成為本發(fā)明的研究重點。

4、公開號為cn115454505a的專利申請文件中公開了一種監(jiān)測流水線指令執(zhí)行的方法，該專利申請文件中方法僅利用異常分析算法對流水線數(shù)據(jù)進(jìn)行異常分析，該專利申請文件中方法未涉及“如何選擇合適的維度”的內(nèi)容，因而利用該專利申請文件中方法不能較好的解決該技術(shù)問題。

技術(shù)實現(xiàn)思路

1、為解決如何選擇合適的維度，從而將異常數(shù)據(jù)點更容易精準(zhǔn)的分割出來的問題，本發(fā)明提出一種智能熱干面流水線生產(chǎn)監(jiān)控方法，該方法包括以下步驟：

2、獲取數(shù)據(jù)集合，所述數(shù)據(jù)集合中包含熱干面流水線的質(zhì)量監(jiān)控數(shù)據(jù)點；

3、將數(shù)據(jù)集合中所有質(zhì)量監(jiān)控數(shù)據(jù)點中一個維度的數(shù)據(jù)記為目標(biāo)維度數(shù)據(jù)，將各目標(biāo)維度數(shù)據(jù)與兩側(cè)相鄰目標(biāo)維度數(shù)據(jù)的距離的累加和除以目標(biāo)維度數(shù)據(jù)的取值范圍長度得到各目標(biāo)維度數(shù)據(jù)的孤立程度；將所有目標(biāo)維度數(shù)據(jù)的孤立程度最大值和孤立程度均值的比值記為異常可能性，將異?？赡苄孕∮陬A(yù)設(shè)可能性閾值的維度去除；

4、將異常可能性不小于預(yù)設(shè)可能性閾值的維度作為待分析維度；根據(jù)孤立程度對待分析維度的數(shù)據(jù)進(jìn)行降序排列，并將孤立程度出現(xiàn)突變之前的數(shù)據(jù)記為單邊異常數(shù)據(jù)，將包含單邊異常數(shù)據(jù)的質(zhì)量監(jiān)控數(shù)據(jù)點作為可能異常數(shù)據(jù)點；將一個維度與可能異常數(shù)據(jù)點的交集數(shù)量最大的其他維度組合，若維度組合中兩維度的可能異常數(shù)據(jù)點的交集比例小于預(yù)設(shè)比例閾值，將兩個維度均保留；若維度組合中兩維度的可能異常點的交集比例不小于預(yù)設(shè)比例閾值，只保留維度組合中孤立程度均值大的維度；

5、基于保留維度，利用孤立森林算法對質(zhì)量監(jiān)控數(shù)據(jù)點進(jìn)行異常檢測，以實現(xiàn)熱干面流水線的生產(chǎn)監(jiān)控。

6、本發(fā)明通過分析數(shù)據(jù)集合中所有質(zhì)量監(jiān)控數(shù)據(jù)點的各維度對異常數(shù)據(jù)點的離群程度的表征情況，將表征程度差的維度去除，從而防止表征程度差的維度的數(shù)據(jù)對異常檢測的干擾，提高異常檢測的精度；同時再對剩余的維度之間的關(guān)聯(lián)情況進(jìn)行分析，將部分關(guān)聯(lián)維度去除，從而排除一些不必要維度數(shù)據(jù)的干擾，提高異常檢測準(zhǔn)確性；進(jìn)一步地，在分析各維度對異常數(shù)據(jù)點的離群程度的表征情況時，通過引入孤立程度等來對各維度表征異常數(shù)據(jù)點的離群程度的情況進(jìn)行準(zhǔn)確描述，從而提高選取維度的準(zhǔn)確性。

7、優(yōu)選的，所述單邊異常數(shù)據(jù)的獲取方法，包括：

8、根據(jù)孤立程度將待分析維度的數(shù)據(jù)進(jìn)行降序排列得到的序列記為待分析時序序列；

9、計算待分析時序序列中各數(shù)據(jù)與前一數(shù)據(jù)的差值記為待分析時序序列中各數(shù)據(jù)的第一差值，獲取第一差值大于預(yù)設(shè)差值閾值的數(shù)據(jù)位置記為可能突變位置，將之后再未出現(xiàn)可能突變位置的可能突變位置作為突變位置，將待分析時序序列中突變位置之前的數(shù)據(jù)作為單邊異常數(shù)據(jù)。

10、本發(fā)明通過排序?qū)⒋治鼍S度中的正常數(shù)據(jù)和異常數(shù)據(jù)隔離開，從而為后續(xù)對待分析維度中的正常數(shù)據(jù)和異常數(shù)據(jù)進(jìn)行準(zhǔn)確區(qū)分提供基礎(chǔ)；進(jìn)一步地，通過引入相鄰數(shù)據(jù)的差異分析以及各數(shù)據(jù)之后突變情況分析準(zhǔn)確的篩選出能將正常數(shù)據(jù)和異常數(shù)據(jù)隔離開的突變位置，為準(zhǔn)確的異常數(shù)據(jù)篩選提供基礎(chǔ)。

11、優(yōu)選的，所述獲取數(shù)據(jù)集合，包括：

12、獲取熱干面流水線的一個工位處的各時刻的質(zhì)量監(jiān)控數(shù)據(jù)點，所述質(zhì)量監(jiān)控數(shù)據(jù)點包含多個維度的質(zhì)量監(jiān)控數(shù)據(jù)；將采集的所有質(zhì)量監(jiān)控數(shù)據(jù)點構(gòu)成的時序序列分割成若干周期段，將各周期段與其他周期段進(jìn)行dtw匹配，將所有周期段中對應(yīng)匹配數(shù)據(jù)點構(gòu)成的集合記為數(shù)據(jù)集合。

13、本發(fā)明通過將周期段之間的對應(yīng)匹配數(shù)據(jù)點放置在一個集合中，從而將取值相似的數(shù)據(jù)點放置在一起，為后續(xù)準(zhǔn)確進(jìn)行異常數(shù)據(jù)分析提供數(shù)據(jù)基礎(chǔ)。

14、優(yōu)選的，所述將采集的所有質(zhì)量監(jiān)控數(shù)據(jù)點構(gòu)成的時序序列分割成若干周期段，包括：

15、將采集的所有質(zhì)量監(jiān)控數(shù)據(jù)點構(gòu)成的時序序列記為質(zhì)量監(jiān)控時序序列，在質(zhì)量檢測時序序列中截取前預(yù)設(shè)數(shù)量個數(shù)據(jù)點構(gòu)成的數(shù)據(jù)段作為匹配基準(zhǔn)段，利用匹配基準(zhǔn)段在質(zhì)量監(jiān)控時序序列上滑動，若待匹配數(shù)據(jù)段與對應(yīng)滑動位置處的數(shù)據(jù)段的相似度大于預(yù)設(shè)相似閾值，將對應(yīng)滑動位置處的數(shù)據(jù)段的起始數(shù)據(jù)段作為周期起始點，利用周期起始點將質(zhì)量監(jiān)控時序序列分割成若干周期段。

16、本發(fā)明根據(jù)周期段之間的數(shù)據(jù)相似性關(guān)系這一特征，從而利用能夠體現(xiàn)數(shù)據(jù)相似性特征的匹配分析方法來完成周期段劃分。

17、優(yōu)選的，所述將一個維度與可能異常數(shù)據(jù)點的交集數(shù)量最大的其他維度組合，包括：

18、計算一個維度的可能異常數(shù)據(jù)點與其他維度的可能異常數(shù)據(jù)點的交集數(shù)據(jù)點數(shù)量，記為交集數(shù)量；將可能異常數(shù)據(jù)點的交集數(shù)量最大的其他維度與該維度組合。

19、本發(fā)明通過將維度強相關(guān)的維度進(jìn)行組合處理，為后續(xù)可替換強相關(guān)維度去除提供基礎(chǔ)。

20、優(yōu)選的，所述交集比例的獲取方法，包括：

21、將維度組合中兩維度的可能異常數(shù)據(jù)點的交集數(shù)量與兩維度的可能異常數(shù)據(jù)點的均值的比值記為交集比例。

22、優(yōu)選的，所述基于保留維度，利用孤立森林算法對質(zhì)量監(jiān)控數(shù)據(jù)點進(jìn)行異常檢測，以實現(xiàn)熱干面流水線的生產(chǎn)監(jiān)控，包括：

23、孤立森林算法在保留維度中選取維度對質(zhì)量監(jiān)控數(shù)據(jù)點進(jìn)行分割檢測，直至滿足預(yù)設(shè)截止條件，完成異常檢測模型的擬合；

24、將當(dāng)前時刻的該工位的質(zhì)量監(jiān)控數(shù)據(jù)點輸入到對應(yīng)數(shù)據(jù)集擬合出的異常檢測模型中得到異常檢測結(jié)果，其中當(dāng)異常檢測結(jié)果為異常時發(fā)出預(yù)警，當(dāng)異常檢測結(jié)果為正常時不發(fā)出預(yù)警。

25、優(yōu)選的，所述對應(yīng)數(shù)據(jù)集的獲取方法，包括：

26、獲取當(dāng)前時刻的前一個時刻的質(zhì)量監(jiān)控數(shù)據(jù)點所屬的數(shù)據(jù)集合，獲取前一時刻的質(zhì)量監(jiān)控數(shù)據(jù)點所屬數(shù)據(jù)集合中各質(zhì)量監(jiān)控數(shù)據(jù)點的時刻位置，將前一時刻的質(zhì)量監(jiān)控數(shù)據(jù)點所屬的數(shù)據(jù)集合中質(zhì)量監(jiān)控數(shù)據(jù)點的時刻位置的下一個時刻位置作為備選時刻位置，在其他所有數(shù)據(jù)集中獲取包含備選時刻位置的質(zhì)量監(jiān)控數(shù)據(jù)點數(shù)量最多的數(shù)據(jù)集作為對應(yīng)數(shù)據(jù)集。

27、本發(fā)明具有以下有益效果：

28、本發(fā)明通過分析數(shù)據(jù)集合中所有質(zhì)量監(jiān)控數(shù)據(jù)點的各維度對異常數(shù)據(jù)點的離群程度的表征情況，將表征程度差的維度去除，從而防止表征程度差的維度的數(shù)據(jù)對異常檢測的干擾，提高異常檢測的精度；同時再對剩余的維度之間的關(guān)聯(lián)情況進(jìn)行分析，將部分關(guān)聯(lián)維度去除，從而排除一些不必要維度數(shù)據(jù)的干擾，提高異常檢測準(zhǔn)確性；

29、進(jìn)一步地，在分析各維度對異常數(shù)據(jù)點的離群程度的表征情況時，通過引入孤立程度等來對各維度表征異常數(shù)據(jù)點的離群程度的情況進(jìn)行準(zhǔn)確描述，從而提高選取維度的準(zhǔn)確性。