[发明专利]一种工业互联网平台数据的质量治理及提升方法

说明书

本发明提供一种工业互联网平台数据的质量治理及提升方法，数据源来自工业互联网平台所监控的企业生产设备侧的相关能效数据；采用聚类分析与局部异常因子算法对遥测量中产生的不良数据进行检测辨识；完成不良数据的检测和辩识后，对不良数据进行较高精度的修正，根据不良数据的个数、类型以及相关性的不同，提出不同的修正方法，达到对工业不良数据的有效治理；并通过日志记录修正前后的数据状态。结合运用大数据统计分析技术手段，通过机器学习的方法对工业生产中不良数据进行辩识，并根据不同的业务数据类型采用不同的数据治理及修复手段，以便满足在工业生产这种恶劣环境中的不良能源数据的自动修正的需求，提高工业数据的质量水平。

技术领域

本发明涉及工业互联网平台的能效数据质量管理技术领域，特别涉及一种工业互联网平台数据的质量治理及提升方法。

背景技术

工业互联网已成为发达国家推进“再工业化”战略、抢占新一轮科技革命和产业变革制高点的必争之地，更是我国深入推进供给侧结构性改革，助力我国工业面向数字化、网络化、智能化新旧动能转换，实现换道超车、制造企业转型升级的重要机遇。工业数据的深度开发利用，是工业领域针对工业现场的“痛点”采取的分析解决问题的有效手段。

在工业生产领域，由于制造工艺、生产环节等更加复杂，数据种类繁多，要获得完整、精准的生产经营数据难度更高，整个工业制造领域对数据应用的专业性和精准性要求更高。而企业的生产能源使用情况，直接关系到企业生产的产品的成本计算，只有相对精确计算出产品的平均能耗使用情况，再结合其他成本，才能相对准备的计算出一件产品的平均成本。但是在工业环境中，企业的生产环境相对比较复杂，存在各种干扰，较为频繁的产生不良数据。数据碎片化的缺陷也会对数据质量产生影响，也就是说数据的量并不能保障数据的质，甚至导致了数据的低质性，从而会对分析过程造成不良影响，这将会给企业的成本核算、用能优化带来较大的困扰。

发明内容

为了解决背景技术提出的技术问题，本发明提供一种工业互联网平台数据的质量治理及提升方法，结合运用大数据统计分析技术手段，通过机器学习的方法对工业生产中不良数据进行辩识，并根据不同的业务数据类型采用不同的数据治理及修复手段，以便满足在工业生产这种恶劣环境中的不良能源数据的自动修正的需求，提高工业数据的质量水平。

为了达到上述目的，本发明采用以下技术方案实现：

一种工业互联网平台数据的质量治理方法，所述的方法包括如下：

1)数据源：所述方法中的数据源来自工业互联网平台所监控的企业生产设备侧的相关能效数据；

2)不良数据检测辩识：采用聚类分析与局部异常因子算法对遥测量中产生的不良数据进行检测辨识，此算法是一种无监督的学习方法；通过统计学方法对遥测数据进行预处理，聚类分析是对预处理后的数据进行聚类，最后使用局部异常因子算法检测和辨识出遥测数据中的不良数据；

3)不良数据智能修正：完成不良数据的检测和辩识后，需对不良数据进行较高精度的修正，根据不良数据的个数、类型以及相关性的不同，提出不同的修正方法：利用“拉格朗日插值法”对具有时间序列特征的不良电量数据进行修改；利用改进的引入负荷水平映射关系和考虑特征值影响的加权均值法对对企业生产设备的不良负荷数据进行修正；而对于较复杂的多个相关不良数据的修正则采用人工神经网络的方法；从而达到对工业不良数据的有效治理；

4)修正数据输出：对工业互联网平台中的不良业务数据进行修正，并通过日志记录修正前后的数据状态，用于系统后续核查。

进一步地，所述的聚类分析包括如下方法：