一种基于工业物联网和大数据的智能质量控制系统及其控制方法

本发明属于物联网大数据，具体涉及一种基于工业物联网和大数据的智能质量控制系统及其控制方法。

背景技术：

1、在质量控制领域，传统的质量管理方法通常依赖于人工操作和离线数据分析，存在以下几个问题：

2、首先，传统的质量控制方法通常依赖于离线数据分析，无法实时监测和及时响应生产过程中的质量异常。这导致企业难以迅速发现和解决质量问题，增加了生产成本和质量风险。

3、其次，由于传统质量控制方法缺乏实时数据采集和分析能力，企业对于生产过程中的异常情况和潜在问题往往无法及时发现和识别。这使得企业无法进行及时的调整和改进，导致质量问题的积累和生产效率的下降。

4、此外，传统的质量控制方法往往依赖于人工操作和主观判断，容易受到人为因素的影响。这种主观性和不确定性会影响质量控制的准确性和一致性，降低了质量管理的效果和可靠性。

5、因此，现有技术需要一种新的智能质量控制方法，能够实时采集和分析生产过程中的数据，并能够自动识别和响应质量异常，提高质量控制的准确性和效率。

技术实现思路

1、本发明要解决的问题是有效提升质量监控和分析的效率和准确性，提出一种基于工业物联网和大数据的智能质量控制系统及其控制方法。

2、为实现上述目的，本发明通过以下技术方案实现：

3、一种基于工业物联网和大数据的智能质量控制系统，包括数据采集设备、工业互联网平台、数据分析模块、质量控制系统；

4、所述数据采集设备连接工业互联网平台，所述工业互联网平台连接数据分析模块，所述数据分析模块连接质量控制系统；

5、所述数据采集设备包括传感器、监测设备，所述数据采集设备用于实时采集生产过程中的温度、压力、湿度、振动数据；

6、所述工业互联网平台用于接收、存储和传输数据，所述工业互联网平台接收数据采集设备采集的数据，存储到数据库中，将存储的数据传输到数据分析模块进行数据分析，所述工业互联网平台具备实时监控和远程访问功能；

7、所述数据分析模块用于对工业互联网平台传输的数据进行处理和分析，利用大数据技术对数据进行存储、处理和分析，输出生产过程中的质量信息数据和质量趋势数据结果；

8、所述质量控制系统基于数据分析模块输出的质量信息数据和质量趋势数据结果进行质量控制和管理，通过实时质量监控界面展示生产过程中的质量状态和趋势，并对质量异常进行自动报警，进行质量缺陷检测和质量分析。

9、进一步的，所述传感器包括温度传感器、压力传感器、湿度传感器、振动传感器。

10、进一步的，传感器产生的电信号经过模数转换，转换为数字信号，然后通过通信网络传输到工业互联网平台。

11、一种基于工业物联网和大数据的智能质量控制方法，依托于所述的一种基于工业物联网和大数据的智能质量控制系统实现，包括如下步骤：

12、s1.采集生产过程中的数据，包括温度、压力、湿度、振动数据；

13、s2.对步骤s1采集的生产过程中的数据上传到工业互联网平台，进行数据预处理和数据存储，得到预处理后的生产过程中的数据；

14、s3.将步骤s2得到的预处理后的生产过程中的数据输入到数据分析模块中，进行数据分析和挖掘，输出生产过程中的质量信息数据和质量趋势数据结果；

15、s4.将步骤s3得到的生产过程中的质量信息数据和质量趋势数据结果输入到质量控制系统，进行实施生产过程的质量监控，提取异常数据；

16、s5.基于步骤s4得到的异常数据，利用异常检测算法，进行生产过程中的缺陷检测，得到缺陷检测数据，并进行异常报警；

17、s6.基于步骤s5得到的缺陷检测数据进行生产过程中的质量分析。

18、进一步的，步骤s2的具体实现方法包括如下步骤：

19、s2.1.数据预处理：对步骤s1采集的生产过程中的数据进行数据清洗、数据归一化、异常值处理，数据归一化处理的计算表达式为：

20、

21、其中，xnormalized为归一化处理后的生产过程中的数据，x为原始生产过程中的数据，μ为生产过程中的数据的均值，σ为生产过程中的数据的标准差；

22、s2.2.数据集成：采用数据转换和合并的数据集成技术，将步骤s2.1数据归一化处理后的生产过程中的数据进行合并；

23、s2.3.数据存储：将步骤s2.2合并后的生产过程中的数据存储到工业互联网平台的数据库中，使用基于云的存储系统或本地服务器来实现。

24、进一步的，步骤s3的具体实现方法包括如下步骤：

25、s3.1.采用eda方法进行数据分析，使用统计技术和可视化方法分析数据，计算汇总统计量、创建直方图或生成散点图，计算均值μ、方差σ2和协方差cov(x,y)，计算表达式分别为：

26、

27、

28、

29、s3.2.利用主成分分析方法进行数据特征提取，从数据集中提取主成分，计算主成分的公式如下：

30、

31、其中，wij表示特征xj在主成分pci上的权重或载荷；

32、s3.3.根据问题的性质采用线性回归建模技术进行模型建立，计算表达式为：

33、y＝β0+β1x1+β2x2+…+βnxn

34、其中，y为因变量，(x1,x2,…,xn)为自变量，(β0,β1,…,βn)为待估计的系数；

35、s3.4.对步骤s3.3构建的模型进行训练，利用输入特征和对应的输出值学习潜在的模式和关系，通过迭代调整模型参数来最小化预测误差，训练神经网络使用反向传播算法，计算表达式为：

36、δwij＝η·δj·xi

37、其中，wij为输入的第i个神经元和第j个隐藏层/输出层神经元之间的权重，η为学习率，δj为第j个神经元的误差项，xi为第i个输入值；

38、s3.5.对步骤s3.5训练的模型进行评估，将模型的预测结果与来自独立验证或测试数据集的实际输出值进行比较，计算准确率、精确率、召回率或均方误差，计算均方误差mse的计算表达式为：

39、

40、计算准确率accuracy的计算表达式为：

41、

42、计算精确率precision的计算表达式为：

43、

44、计算召回率recall的计算表达式为：

45、

46、其中，tp为被模型预测为正类的正样本，tn为被模型预测为负类的负样本，fp为被模型预测为正类的负样本，fn为被模型预测为负类的正样本；

47、s3.6.对步骤s3.5评估后的模型进行调优，采用正则化技术提取模型超参数的最佳值，以改善模型的泛化能力并避免过拟合，正则化技术的计算表达式为：

48、

49、其中，loss为原始的损失函数，λ为正则化参数，βi为模型的系数；

50、s3.7.将步骤s3.6调优后的模型集成到数据分析模块中，用于接收新的输入数据并根据学习到的模式和关系生成预测或决策。

51、进一步的，步骤s4的质量控制系统统计过程控制，检测数据中的偏差或异常，提取异常数据的表达式为：

52、

53、其中，为样本均值，m为样本大小。

54、进一步的，步骤s5的具体实现方法包括如下步骤：

55、s5.1.收集实时数据并进行预处理，构建由n个样本组成的数据集x＝{x1,x2,…,xn}，其中每个样本的维度为d；

56、s5.2.基于预处理后的数据，构建gmm异常检测模型，gmm异常检测模型的概率密度函数p(x)，计算表达式为：

57、

58、其中，πk为第k个高斯分布的权重，满足μk和σk分别为第k个高斯分布的均值和协方差矩阵；

59、s5.3.根据gmm异常检测模型，计算每个样本属于各个高斯分布的概率，计算表达式为：

60、

61、s5.4.基于步骤s5.3计算的每个样本属于各个高斯分布的概率计算所有高斯分布中的最大概率k*，计算表达式为：

62、

63、当对应的概率p(x|k*)低于预先定义的阈值，对应样本x将被标记为异常；

64、s5.5.基于步骤s5.4标记的异常样本生成异常报警或警报，通过最大期望算法，估计gmm异常检测模型的参数π，μ和σ，质量控制系统触发报警发送报警通知。

65、进一步的，步骤s6的具体实现方法包括如下步骤：

66、s6.1.识别步骤s5测到的异常样本；

67、s6.2.基于异常样本与正常样本行为之间的偏差，计算每个异常样本的异常分数，计算表达式为：

68、异常分数＝f(x)

69、s6.3.分析异常分数的分布，得到异常分数的特征；

70、s6.4.基于异常分数特征，将异常分数特征分类为高严重性阈值、中严重性阈值、低严重性阈值；

71、s6.5.进行生产过程中的质量分析，包括基于步骤s6.4得到的高严重性阈值、中严重性阈值、低严重性阈值评估数据集中异常样本的百分比、空间或时间分布以及变量的相关性，检查与高严重性阈值异常相关的数据点，调查异常原因。

72、本发明的有益效果：

73、本发明所述的一种基于工业物联网和大数据的智能质量控制方法，采用工业物联网和大数据技术的结合，实现了实时的质量监控和分析。通过实时采集和传输生产过程中的数据，结合大数据技术的处理和分析能力，能够及时掌握生产过程中的质量状态和趋势。相较于传统的离线数据分析方法，本发明可以实现更快速、准确的质量监控，有助于企业及时发现和解决质量问题。

74、本发明所述的一种基于工业物联网和大数据的智能质量控制方法，利用机器学习和人工智能技术，能够自动检测和识别生产过程中的质量缺陷和异常情况。通过建立质量模型和算法，能够对大量的质量数据进行分析和模式识别，从而减少了人工判断的主观性和不确定性，提高了质量检测的准确性和一致性。这有助于企业避免不合格产品的生产和流入市场，提高产品质量和客户满意度；

75、本发明所述的一种基于工业物联网和大数据的智能质量控制方法，结合了实时数据分析和可视化技术，能够以直观的方式展示生产过程中的质量状态和趋势。通过实时监控和预警机制，企业能够在质量异常发生时及时采取纠正措施，避免质量问题扩大和影响生产效率；

76、本发明所述的一种基于工业物联网和大数据的智能质量控制方法，利用大数据技术对历史质量数据进行深入分析，挖掘质量问题的根本原因和影响因素。通过分析质量数据的相关性和趋势，可以为企业提供针对性的改进措施和决策支持，帮助企业优化生产流程、提高质量控制效率和降低质量风险。

77、综上所述，本发明所述的一种基于工业物联网和大数据的智能质量控制方法，智能质量控制方法结合了工业物联网和大数据技术，具有实时监控、自动检测、数据可视化和深度分析的优势。通过提高质量监控的准确性和效率，本发明有助于企业提高产品质量、降低质量风险、提升生产效率和客户满意度，具有广泛的应用前景和经济效益。