[发明专利]一种基于制造企业数据空间的时空数据异常检测方法

说明书

本发明提出了一种基于制造企业数据空间的时空数据异常检测方法，包括以下步骤：从制造企业的数据空间中获取制造业时空数据；对数据进行数据清洗操作；对清洗后的数据进行数据预处理操作；构建无监督预测模型；对模型进行迭代训练，得到最优化的基于GCN‑LSTM的预测模型；预处理后制造业时空数据作为训练好的预测模型的输入，获取该未来时刻的预测值，计算差值，对差值取绝对值；重复K次步骤S6，得到数据集，利用基于Copula的异常检测方法对差值数据集进行异常检测操作，得到实时异常检测结果。本发明可辅助制造企业及时发现时空数据中的漏洞并找到所映射的制造机器可能出现故障的时间点及原因，迅速反馈给相关部门，实现工作效率最大化。

技术领域

本发明涉及制造企业数据空间和时空数据异常检测的技术与应用领域，更具体地，涉及一种基于制造企业数据空间的时空数据异常检测方法。

背景技术

在现在工业4.0的时代里，制造业的主要特征逐渐转向智能和互联，企业的运营越来越依靠信息技术。随着社会经济的快速发展，信息技术不断发展创新。随着智能制造的发展以及互联网技术的发展，制造业大数据作为贯穿整个产品生产的新的要素，在一定程度上推动了智能制造的升级。制造业在智能化的过程之中，会产生大量的制造数据，而想要实现智能制造，需要依靠大数据的技术对制造数据进行有效的分析处理，然后根据处理结果做出有利于制造业发展的决策，从而推动智能制造的发展、升级。

制造业的整个价值链和制造业产品的整个生命周期都涉及到诸多的数据，数据量的暴涨成了许多行业共同面对的严峻挑战和宝贵机遇。为了充分利用制造企业设计、制造、管理、服务过程中产生的海量数据，制造企业数据空间构建方法与技术已成为重要的基础前沿技术。在制造企业数据空间内包含了许多有关于设计、制造、管理、服务四大业务的时空数据，目前制造企业对于这类数据的有效利用率较低，没能有效结合好这类数据所带有的时间特征和空间特征来进行处理，现有的大数据处理技术大部分仅只针对时间特征来进行处理，常常忽略了其带有的空间特征，导致最终的处理效果也并不佳。因为时空数据通常映射着制造机器的运维情况，所以时空数据时空相关性的低效处理进而也降低了制造机器故障情况被检测出来的效率。

因此，急需一种可以对时空数据的时间特征和空间特征进行有效综合捕捉利用的基于制造企业数据空间的时空数据异常检测方法。

发明内容

本发明提供一种基于制造企业数据空间的时空数据异常检测方法，其目的在于弥补现有技术的缺陷，综合利用好制造业时空数据的时空相关性，提供一种可靠、高效的制造企业数据空间的时空数据异常检测方法，及时且有效地辅助制造企业检测出制造机器的故障，提供解决问题的方向及思路。

为了解决上述技术问题，实现上述目的，本发明所提供的技术方案为一种基于制造企业数据空间的时空数据异常检测方法，其特征在于，包括以下步骤：

S1、从制造企业的数据空间中获取制造业时空数据；

S2、对制造业时空数据进行数据清洗操作；

S3、对清洗后的制造业时空数据进行数据预处理操作；

S4、构建基于图卷积神经网络GCN和长短期记忆模型循环神经网络LSTM相结合的无监督预测模型；

S5、将预处理后得到的制造业时空数据投入构建的无监督预测模型中进行迭代训练，得到迭代训练后的无监督预测模型为最优化的基于GCN-LSTM的预测模型；

S6、将要预测的未来时刻之前的相邻连续T个等间隔时刻的经过预处理后的制造业时空数据作为最优化的基于GCN-LSTM的预测模型的输入，获取该未来时刻的预测值，计算该未来时刻预测值与真实值之间的差值，对差值取绝对值；

S7、根据制造企业业务需求，重复K次步骤S6，得到数据条数为K的差值数据集，利用基于Copula的异常检测方法对差值数据集进行异常检测操作，得到实时异常检测结果。