CN113393216B - 一种实验室数字化系统 - Google Patents
一种实验室数字化系统 Download PDFInfo
- Publication number
- CN113393216B CN113393216B CN202110742620.2A CN202110742620A CN113393216B CN 113393216 B CN113393216 B CN 113393216B CN 202110742620 A CN202110742620 A CN 202110742620A CN 113393216 B CN113393216 B CN 113393216B
- Authority
- CN
- China
- Prior art keywords
- data
- service
- module
- business
- laboratory
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012545 processing Methods 0.000 claims abstract description 78
- 238000007726 management method Methods 0.000 claims abstract description 40
- 238000001514 detection method Methods 0.000 claims abstract description 36
- 238000013523 data management Methods 0.000 claims abstract description 29
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 36
- 238000003860 storage Methods 0.000 claims description 34
- 238000006243 chemical reaction Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 29
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000013500 data storage Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 14
- 230000010354 integration Effects 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 6
- 239000003550 marker Substances 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000003925 brain function Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000003908 quality control method Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种实验室数字化平台。业务应用层：用于接收用户的实验业务委托，并进行实验室的业务资源管理和业务数据监测；数据管理层：用于根据所述业务委托，进行用户画像，并进行业务数据采集和业务生产，确定实验室内的业务状态。战略支撑层：用于根据所述业务状态，进行业务智能检测和业务动态决策；数据中台：用于对所述业务应用层、数据管理层和战略支撑层的数据进行统一标准和口径，并形成实验室的标准数据，反馈至所述业务应用层、数据管理层和战略支撑层。
Description
技术领域
本发明涉及实验室数字化转型技术领域，特别涉及一种实验室数字化平台。
背景技术
目前，实验室数字化转型都是基于中台技术实现，中台作为一个中间集成的系统部件，可以实现快速部署，高效运维的功能。但是在实验室的技术领域，因为具有很多的检测业务，需要实时进行业务监测，这是传统数据中台技术不能做到的，现有的实验室数字化方案，虽然能实现部分数据处理的数字化，但是对于业务委托和业务处理以及业务实时方面，无法进行自主决策，主要是通过人的辅助进行决策，而且，现有的数据中台作为一个中间件，其虽然能够传输数据，但是无法对数据进行统一，实现数据的高效传输。
发明内容
本发明提供一种实验室数字化平台，用以解决上述背景技术中现有技术的不足。
一种实验室数字化平台，包括：
业务应用层：用于接收用户的实验业务委托，并进行实验室的业务资源管理和业务数据监测；
数据管理层：用于根据所述业务委托，进行用户画像，并进行业务数据采集和业务生产，确定实验室内的业务状态；
战略支撑层：用于根据所述业务状态，进行业务智能检测和业务动态决策；
数据中台：用于对所述业务应用层、数据管理层和战略支撑层的数据进行统一标准和口径，并形成实验室的标准数据，反馈至所述业务应用层、数据管理层和战略支撑层。
优选的：所述平台还包括：
智能化客服模块：用于构建个性化匹配需求知识库，并通过机器学习算法学习智能答复信息；
智能化委托模块：用于根据所述业务委托，构建任务池，并判断所述任务池内的关联任务，对所述关联任务进行批量处理；
智能化检测模块：用于通过实验室内的虚拟仪器对大型设备排程进行检测，确定检测数据，并通过预设的控制指标和检测数据对大型设备的排程进行调节；
智能化数据处理模块：用于根据实验室的基础数据和实验室指标体系建立数据仓库，并对所述数据仓库的数据进行分析，确定分析结果
智能化供应链模块：用于根据所述分析结果，进行设备整合和服务供应商整合，确定整合信息，并根据所述整合信息和分包质量控制，生成采购决策方案。
优选的：所述业务应用层包括：
业务闭环模块：用于根据所述业务委托，确定业务流程，根据所述业务流程，构成业务闭环子系统；其中，
所述业务流程包括：物资供应、成本控制、销售管理、质量监督、人事管理、安全管理；
资源管理模块：用于根据所述闭环子系统，对业务流程中不同步骤的资源进行管理；
数据看板模块：用于在资源管理的过程中，对资源管理的信息通过预设的数据看板进行显示。：
优选的：所述数据看板模块进行数据显示包括如下步骤：
撷取资源管理的数据中任意一点击数据序列，该点击数据序列包括多个点击数据；
将各该点击数据所对应的一第一序列区段与一区段样本进行比对，以产生各该点击数据所对应的一相似度；
撷取具有最大该相似度的多个点击数据，以及具有最大该相似度的该些点击数据分别
所对应的一第二序列区段；以及将各该第二序列区段可视化于一二维空间中，以于该二维空间中呈现各该第二序列区；
段所对应的一视觉序列数据，并使各该视觉序列数据中对应具有最大该相似度的该点击数据的一位置，对应于该第一维度上的一基准点；其中，
该二维空间的一第一维度关联于该些点击数据之间的一相对顺序，该二维空间的一第二维度关联于各该点击数据的一事件状态；
根据所述基准点，计算机根据属于多个项目的多个数据，以所述项目的数量与各所述项目的数据数量的乘积将三维对象分割为子区域，将各所述项目的各数据分配给各所述子区域，通过各所述子区域表示各数据的值和顺序进行数据显示。
优选的：所述数据管理层包括：
客户画像模块：用于获取客户的客户特征、业务流程信息和资源信息，构建所述客户的客户画像；其中，
所述客户特征表示客户的基本信息；
所述业务流程信息表示客户的业务处理流程和业务步骤；
所述资源信息表示客户的资源调度信息；
数据采集模块：用于在实验室平台进行业务处理时，根据业务处理步骤，采集产生的业务信息；其中，
所述业务信息包括：业务进度信息、业务资源调度信息、业务生产信息和业务处理数据；
精益生产模块：用于根据所述业务信息和物联网大数据进行数据业务优化，根据优化结果，提高生产效率。
优选的：所述战略支撑层包括：
精准营销模块：用于通过所述用户画像和业务状态，生成个性化用户标签和标签权重，根据所述用户标签和标签权重进行个性化营销模型搭建，进行精准营销；
智能检测模块：用于在进行精准营销时，对个性化营销模型和业务流程进行检测，判断营销业务处理进度和营销业务处理状态；
动态决策模块：用于在营销业务出现异常时，判断营销业务的异常出现的原因，并通过大数据对所述原因进行决策分析，生成动态营销业务调整策略。
优选的：所述数据中台包括：
数据智能分析模块：用于基于城市大脑功能进行企业业务处理；其中，
所述企业业务处理包括企业分析、管理决策、大数据营销；
服务引擎处理模块：用于作为服务引擎对服务数据进行处理；其中，
所述服务引擎包括：数据API、标签引擎、分析引擎、报表引擎、和大屏显示引擎；
数据存储模块：用于进行数据检测，并对全城数据和实时数据进行存储；
技术平台搭建模块：用于搭建分布式计算存储平台，并通过分布式计算存储平台进行数据处理；其中，
所述分布式计算平台包括：数据开发平台、数据科学平台和数据资产平台；
业务数据采集模块：用于根据实时处理的业务信息，进行业务数据采集；其中，
所述业务数据采集包括：传输数据采集、搜索引擎数据采集、文本文件数据采集、LOT数据采集、爬虫数据采集、埋点数据采集和API 数据采集；
云平台：用于通过私有云进行搭建资源池，并进行资源调度。
优选的：所述数据存储模块包括：
数据分析单元：用于获取待测数据的数据信息，所述数据信息包括所述待测数据的数据内容、数据类型、数据源；
规则配置单元：用于响应针对所述至少一个数据源的选择操作，输出针对所选择的目标数据源的数据检测的规则配置界面；
响应单元：响应于针对所述规则配置界面的操作，得到目标数据检测规则，所述目标数据检测规则包括所述目标数据对应的不同字段信息的规则配置信息；
脚本生成单元：利用结构化查询语言，将所述目标数据检测规则转换为目标数据检测脚本，并进行数据检测，并在检测后，将所述数据划分为全城数据和实时数据；
全城数据存储单元：用于搭建基于位置模型的全城数据库，对测试后的数据按照位置进行存储；
实时数据存储单元：用于对检测后的数据进行实时标记，并按照实时标记对检测后的数据进行增量存储。
优选的：所述实时数据存储单元进行增量存储包括以下步骤：
步骤1：根据所述全城数据库的数据种类和数据空间，构建数据库模型：
其中，Li表示全城数据库中第i类数据的数据特征；zi表示全城数据库中第i类数据的数据容量；Ci表示全城数据库中第i类数据的数据位置坐标；i＝1，2，3……N；N表示数据的类型数；maxAi表示全城数据库中第i类数据库的最高容量；minAi表示全城数据库中第i类数据库的最低容量；
步骤2：根据所述全城数据库，构建标记模型：
其中，kj表示全城数据库中第j个标记的标记类型；qj表示全城数据库中第j个标记的标记时间；Wj表示全城数据库中第j个标记的标记范围；Bj表示全城数据库中第j个标记的标记阈值；
步骤3：根据所述数据库模型和标记模型，判断是否能够进行增量存储：
其中，当X≥1时，表示可以进行增量存储；当X＜1时，不能进行增量存储。
优选的：所述数据中台统一标准和口径包括：
步骤S1：根据所述业务应用层、数据管理层和战略支撑层的数据，生成数据融合函数：
其中，F(i)表示数据融合函数；wi表示第i个数据为业务应用层的数据的判别系数；bi表示第i个数据为数据管理层的数据的判别系数；βi表示第i个数据为战略支撑层的数据的判别系数；ji表示第i个数据的内容特征；zi表示第i个数据的类型特征；i＝1，2，3……n； n表示数据的个数；S表示数据量；
步骤S2：根据所述统一标准和口径，搭建标准数据转化模型；
其中，δj表示第j种转化方式的转化特征；P(j|w)表示第j种转化方式能够转化业务应用层数据的概率；P(j|b)表示第j种转化方式能够转化数据管理层的数据的概率；P(j|β)表示第j种转化方式能够转化战略支撑层的数据的概率；j＝1，2，3……m；m表示转化方式的总个数；
步骤S3:根据所述数据融合函数和标准数据转化模型，确定所述业务应用层、数据管理层和战略支撑层的数据的转化方式：
其中，di，j表示第i个数据和第j种转化方式的距离参数；zi表示心第i个数据的特征参数；zj表示第j种转化方式的特征参数；当H＞1，第i个数据可以被第j种转化方式转化，当H≤1，第i个数据不可以被第j种转化方式转化。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种实验室数字化平台的组成图；
图2为本发明实施例中一种实验室数字化平台的附属组成图；
图3为本发明实施例中一种实验室数字化平台的业务应用层组成图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
如附图1所示，一种实验室数字化平台，包括：
业务应用层：用于接收用户的实验业务委托，并进行实验室的业务资源管理和业务数据监测；
数据管理层：用于根据所述业务委托，进行用户画像，并进行业务数据采集和业务生产，确定实验室内的业务状态；
战略支撑层：用于根据所述业务状态，进行业务智能检测和业务动态决策；
数据中台：用于对所述业务应用层、数据管理层和战略支撑层的数据进行统一标准和口径，并形成实验室的标准数据，反馈至所述业务应用层、数据管理层和战略支撑层。
上述技术方案的原理和有益效果在于：本发明是针对现有的实验室数字转型，进行技术升级而实施的新技的技术方案，本发明与传统技术相比，能够完全针对检验检测的行业场景开展定制化设计，通过中台配置和物联网传感器、大数据及云技术的集成计算，在符合实验室管理的基础上，进行实验室平台的数字化转型，具有快速部署、高效运维、功能全面、高扩展性和高安全性。
优选的：如附图2所示，所述平台还包括：
智能化客服模块：用于构建个性化匹配需求知识库，并通过机器学习算法学习智能答复信息；
智能化委托模块：用于根据所述业务委托，构建任务池，并判断所述任务池内的关联任务，对所述关联任务进行批量处理；
智能化检测模块：用于通过实验室内的虚拟仪器对大型设备排程进行检测，确定检测数据，并通过预设的控制指标和检测数据对大型设备的排程进行调节；
智能化数据处理模块：用于根据实验室的基础数据和实验室指标体系建立数据仓库，并对所述数据仓库的数据进行分析，确定分析结果
智能化供应链模块：用于根据所述分析结果，进行设备整合和服务供应商整合，确定整合信息，并根据所述整合信息和分包质量控制，生成采购决策方案。
上述技术方案的原理和有益效果在于：本发明通过智能化的数据处理功能，能够实现自动答复客户信息；自动对客户委托任务进行处理，自动对实验室设备进行检查，对实验室的数据和指标进行分析最后生成全面的采购决策方案。
优选的：如附图3所示，所述业务应用层包括：
业务闭环模块：用于根据所述业务委托，确定业务流程，根据所述业务流程，构成业务闭环子系统；其中，
所述业务流程包括：物资供应、成本控制、销售管理、质量监督、人事管理、安全管理；
资源管理模块：用于根据所述闭环子系统，对业务流程中不同步骤的资源进行管理；
数据看板模块：用于在资源管理的过程中，对资源管理的信息通过预设的数据看板进行显示。
上述技术方案的原理和有益效果在于：本发明再业务应用的时候通过构成业务闭环子系统可以实现业务不同步骤的管理，还可以观看业务在进行实施时的具体信息。相对于现有技术，本发明控制更精确，还可以观察业务状态和数据状态。
优选的：所述数据看板模块进行数据显示包括如下步骤：
撷取资源管理的数据中任意一点击数据序列，该点击数据序列包括多个点击数据；
将各该点击数据所对应的一第一序列区段与一区段样本进行比对，以产生各该点击数据所对应的一相似度；
撷取具有最大该相似度的多个点击数据，以及具有最大该相似度的该些点击数据分别
所对应的一第二序列区段；以及将各该第二序列区段可视化于一二维空间中，以于该二维空间中呈现各该第二序列区；
段所对应的一视觉序列数据，并使各该视觉序列数据中对应具有最大该相似度的该点击数据的一位置，对应于该第一维度上的一基准点；其中，
该二维空间的一第一维度关联于该些点击数据之间的一相对顺序，该二维空间的一第二维度关联于各该点击数据的一事件状态；
根据所述基准点，计算机根据属于多个项目的多个数据，以所述项目的数量与各所述项目的数据数量的乘积将三维对象分割为子区域，将各所述项目的各数据分配给各所述子区域，通过各所述子区域表示各数据的值和顺序进行数据显示。
优选的：所述数据管理层包括：
客户画像模块：用于获取客户的客户特征、业务流程信息和资源信息，构建所述客户的客户画像；其中，
所述客户特征表示客户的基本信息；
所述业务流程信息表示客户的业务处理流程和业务步骤；
所述资源信息表示客户的资源调度信息；
数据采集模块：用于在实验室平台进行业务处理时，根据业务处理步骤，采集产生的业务信息；其中，
所述业务信息包括：业务进度信息、业务资源调度信息、业务生产信息和业务处理数据；
精益生产模块：用于根据所述业务信息和物联网大数据进行数据业务优化，根据优化结果，提高生产效率。
上述技术方案的原理和有益效果在于：本发明通过对客户进行画像，从而确定客户的业务、业务流程和资源信息，画像主要是进行业务画像，进而再进行业务处理的流程中可以实现资源的优化处理，业务的高效调度。
优选的：所述战略支撑层包括：
精准营销模块：用于通过所述用户画像和业务状态，生成个性化用户标签和标签权重，根据所述用户标签和标签权重进行个性化营销模型搭建，进行精准营销；
智能检测模块：用于在进行精准营销时，对个性化营销模型和业务流程进行检测，判断营销业务处理进度和营销业务处理状态；
动态决策模块：用于在营销业务出现异常时，判断营销业务的异常出现的原因，并通过大数据对所述原因进行决策分析，生成动态营销业务调整策略。
上述技术方案的原理和有益效果在于：本发明具有精准营销，只能检测和动态决策的三大过程，再这个处理过程中，本发明可以通过用户画像对业务进行个性化的处理，实现精准营销，可以对业务进行实时检测，判断业务的处理状态，最后还可以再业务出现异常时，进行业务调整。
优选的：所述数据中台包括：
数据智能分析模块：用于基于城市大脑功能进行企业业务处理；其中，
所述企业业务处理包括企业分析、管理决策、大数据营销；
服务引擎处理模块：用于作为服务引擎对服务数据进行处理；其中，
所述服务引擎包括：数据API、标签引擎、分析引擎、报表引擎、和大屏显示引擎；
数据存储模块：用于进行数据检测，并对全城数据和实时数据进行存储；
技术平台搭建模块：用于搭建分布式计算存储平台，并通过分布式计算存储平台进行数据处理；其中，
所述分布式计算平台包括：数据开发平台、数据科学平台和数据资产平台；
业务数据采集模块：用于根据实时处理的业务信息，进行业务数据采集；其中，
所述业务数据采集包括：传输数据采集、搜索引擎数据采集、文本文件数据采集、LOT数据采集、爬虫数据采集、埋点数据采集和API 数据采集；
云平台：用于通过私有云进行搭建资源池，并进行资源调度。
上述技术方案的原理和有益效果在于：本发明的数据中台可以基于城市大脑实现对企业业务的管理，对企业业务进行分析决策和影像。可以作为服务引擎及时进行业务数据查询和调取。可以实现数据监测和存储，可以再业务数据采集的过程中通过多种方式进行精准采集，最后通过云平台公朴健的资源池实现资源调度。
优选的：所述数据存储模块包括：
数据分析单元：用于获取待测数据的数据信息，所述数据信息包括所述待测数据的数据内容、数据类型、数据源；
规则配置单元：用于响应针对所述至少一个数据源的选择操作，输出针对所选择的目标数据源的数据检测的规则配置界面；
响应单元：响应于针对所述规则配置界面的操作，得到目标数据检测规则，所述目标数据检测规则包括所述目标数据对应的不同字段信息的规则配置信息；
脚本生成单元：利用结构化查询语言，将所述目标数据检测规则转换为目标数据检测脚本，并进行数据检测，并在检测后，将所述数据划分为全城数据和实时数据；
全城数据存储单元：用于搭建基于位置模型的全城数据库，对测试后的数据按照位置进行存储；
实时数据存储单元：用于对检测后的数据进行实时标记，并按照实时标记对检测后的数据进行增量存储。
上述技术方案的原理和有益效果在于：本发明在进行数据存储的时候会根据数据的内容、数据源和数据类型，在一定的规则下进行数据监测之后，将数据进行划分，划分为全城数据和实时数据，全城数据存储后，实时数据采用增量存储的方式进行存储，提高存储效率。
优选的：所述实时数据存储单元进行增量存储包括以下步骤：
步骤1：根据所述全城数据库的数据种类和数据空间，构建数据库模型：
其中，Li表示全城数据库中第i类数据的数据特征；zi表示全城数据库中第i类数据的数据容量；Ci表示全城数据库中第i类数据的数据位置坐标；i＝1，2，3……N；N表示数据的类型数；maxAi表示全城数据库中第i类数据库的最高容量；minAi表示全城数据库中第i类数据库的最低容量；
步骤2：根据所述全城数据库，构建标记模型：
其中，kj表示全城数据库中第j个标记的标记类型；qj表示全城数据库中第j个标记的标记时间；Wj表示全城数据库中第j个标记的标记范围；Bj表示全城数据库中第j个标记的标记阈值；
步骤3：根据所述数据库模型和标记模型，判断是否能够进行增量存储：
其中，当X≥1时，表示可以进行增量存储；当X＜1时，不能进行增量存储。
上述技术方案的原理和有益效果在于：本发明在进行数据增量存储的过程中，可以构建数据库模型，从而判断哪些数据可以存储，那些数据不能存储，不同数据怎么划分，实现合理存储。标记模型用于标记实时数据，对于实时数据实现增量存储，从而减少存储空间的浪费。
优选的：所述数据中台统一标准和口径包括：
步骤S1：根据所述业务应用层、数据管理层和战略支撑层的数据，生成数据融合函数：
其中，F(i)表示数据融合函数；wi表示第i个数据为业务应用层的数据的判别系数；bi表示第i个数据为数据管理层的数据的判别系数；βi表示第i个数据为战略支撑层的数据的判别系数；ji表示第i个数据的内容特征；zi表示第i个数据的类型特征；i＝1，2，3……n； n表示数据的个数；S表示数据量；
步骤S2：根据所述统一标准和口径，搭建标准数据转化模型；
其中，δj表示第j种转化方式的转化特征；P(j|w)表示第j种转化方式能够转化业务应用层数据的概率；P(j|b)表示第j种转化方式能够转化数据管理层的数据的概率；P(j|β)表示第j种转化方式能够转化战略支撑层的数据的概率；j＝1，2，3……m；m表示转化方式的总个数；
步骤S3:根据所述数据融合函数和标准数据转化模型，确定所述业务应用层、数据管理层和战略支撑层的数据的转化方式：
其中，di，j表示第i个数据和第j种转化方式的距离参数；zi表示心第i个数据的特征参数；zj表示第j种转化方式的特征参数；当H＞1，第i个数据可以被第j种转化方式转化，当H≤1，第i个数据不可以被第j种转化方式转化。
上述技术方案的原理和有益效果在于：本发明再进行同一口径和标准的过程中，会通过业务应用层、数据管理层和战略支撑层的数据，生成数据融合函数，实现数据融合，而融合后的数据，会属于同一标准，然后搭建标准数据转化模型，对每一个数据进行一一判断，确定顶数据的具体类型，最后通过转化模型将融合后的数据进行转化为相同的口径和标准。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种实验室数字化系统，其特征在于，包括：
业务应用层：用于接收用户的实验业务委托，并进行实验室的业务资源管理和业务数据监测；
数据管理层：用于根据所述业务委托，进行用户画像，并进行业务数据采集和业务生产，确定实验室内的业务状态；
战略支撑层：用于根据所述业务状态，进行业务智能检测和业务动态决策；
数据中台：用于对所述业务应用层、数据管理层和战略支撑层的数据进行统一标准和口径，并形成实验室的标准数据，反馈至所述业务应用层、数据管理层和战略支撑层；
所述系统还包括：
智能化客服模块：用于构建个性化匹配需求知识库，并通过机器学习算法学习智能答复信息；
智能化委托模块：用于根据所述业务委托，构建任务池，并判断所述任务池内的关联任务，对所述关联任务进行批量处理；
智能化检测模块：用于通过实验室内的虚拟仪器对大型设备排程进行检测，确定检测数据，并通过预设的控制指标和检测数据对大型设备的排程进行调节；
智能化数据处理模块：用于根据实验室的基础数据和实验室指标体系建立数据仓库，并对所述数据仓库的数据进行分析，确定分析结果
智能化供应链模块：用于根据所述分析结果，进行设备整合和服务供应商整合，确定整合信息，并根据所述整合信息和分包质量控制，生成采购决策方案。
2.如权利要求1所述的一种实验室数字化系统，其特征在于，所述业务应用层包括：
业务闭环模块：用于根据所述业务委托，确定业务流程，根据所述业务流程，构成业务闭环子系统；其中，
所述业务流程包括：物资供应、成本控制、销售管理、质量监督、人事管理、安全管理；
资源管理模块：用于根据所述闭环子系统，对业务流程中不同步骤的资源进行管理；
数据看板模块：用于在资源管理的过程中，对资源管理的信息通过预设的数据看板进行显示。
3.如权利要求2所述的一种实验室数字化系统，其特征在于，所述数据看板模块进行数据显示包括如下步骤：
撷取资源管理的数据中任意一点击数据序列，该点击数据序列包括多个点击数据；
将各该点击数据所对应的一第一序列区段与一区段样本进行比对，以产生各该点击数据所对应的一相似度；
撷取具有最大该相似度的多个点击数据，以及具有最大该相似度的该些点击数据分别
所对应的一第二序列区段；以及将各该第二序列区段可视化于一二维空间中，以于该二维空间中呈现各该第二序列区；
段所对应的一视觉序列数据，并使各该视觉序列数据中对应具有最大该相似度的该点击数据的一位置，对应于第一维度上的一基准点；其中，
该二维空间的一第一维度关联于该些点击数据之间的一相对顺序，该二维空间的一第二维度关联于各该点击数据的一事件状态；
根据所述基准点，计算机根据属于多个项目的多个数据，以所述项目的数量与各所述项目的数据数量的乘积将三维对象分割为子区域，将各所述项目的各数据分配给各所述子区域，通过各所述子区域表示各数据的值和顺序进行数据显示。
4.如权利要求1所述的一种实验室数字化系统，其特征在于，所述数据管理层包括：
客户画像模块：用于获取客户的客户特征、业务流程信息和资源信息，构建所述客户的客户画像；其中，
所述客户特征表示客户的基本信息；
所述业务流程信息表示客户的业务处理流程和业务步骤；
所述资源信息表示客户的资源调度信息；
数据采集模块：用于在实验室平台进行业务处理时，根据业务处理步骤，采集产生的业务信息；其中，
所述业务信息包括：业务进度信息、业务资源调度信息、业务生产信息和业务处理数据；
精益生产模块：用于根据所述业务信息和物联网大数据进行数据业务优化，根据优化结果，提高生产效率。
5.如权利要求1所述的一种实验室数字化系统，其特征在于，所述战略支撑层包括：
精准营销模块：用于通过所述用户画像和业务状态，生成个性化用户标签和标签权重，根据所述用户标签和标签权重进行个性化营销模型搭建，进行精准营销；
智能检测模块：用于在进行精准营销时，对个性化营销模型和业务流程进行检测，判断营销业务处理进度和营销业务处理状态；
动态决策模块：用于在营销业务出现异常时，判断营销业务的异常出现的原因，并通过大数据对所述原因进行决策分析，生成动态营销业务调整策略。
6.如权利要求1所述的一种实验室数字化系统，其特征在于，所述数据中台包括：
数据智能分析模块：用于基于城市大脑功能进行企业业务处理；其中，
所述企业业务处理包括企业分析、管理决策、大数据营销；
服务引擎处理模块：用于作为服务引擎对服务数据进行处理；其中，
所述服务引擎包括：数据API、标签引擎、分析引擎、报表引擎、和大屏显示引擎；
数据存储模块：用于进行数据检测，并对全城数据和实时数据进行存储；
技术平台搭建模块：用于搭建分布式计算存储平台，并通过分布式计算存储平台进行数据处理；其中，
所述分布式计算平台包括：数据开发平台、数据科学平台和数据资产平台；
业务数据采集模块：用于根据实时处理的业务信息，进行业务数据采集；其中，
所述业务数据采集包括：传输数据采集、搜索引擎数据采集、文本文件数据采集、LOT数据采集、爬虫数据采集、埋点数据采集和API数据采集；
云平台：用于通过私有云进行搭建资源池，并进行资源调度。
7.如权利要求6所述的一种实验室数字化系统，其特征在于，所述数据存储模块包括：
数据分析单元：用于获取待测数据的数据信息，所述数据信息包括所述待测数据的数据内容、数据类型、数据源；
规则配置单元：用于响应针对所述至少一个数据源的选择操作，输出针对所选择的目标数据源的数据检测的规则配置界面；
响应单元：响应于针对所述规则配置界面的操作，得到目标数据检测规则，所述目标数据检测规则包括所述目标数据对应的不同字段信息的规则配置信息；
脚本生成单元：利用结构化查询语言，将所述目标数据检测规则转换为目标数据检测脚本，并进行数据检测，并在检测后，将所述数据划分为全城数据和实时数据；
全城数据存储单元：用于搭建基于位置模型的全城数据库，对测试后的数据按照位置进行存储；
实时数据存储单元：用于对检测后的数据进行实时标记，并按照实时标记对检测后的数据进行增量存储。
8.如权利要求7所述的一种实验室数字化系统，其特征在于，所述实时数据存储单元进行增量存储包括以下步骤：
步骤1：根据所述全城数据库的数据种类和数据空间，构建数据库模型：
其中，Li表示全城数据库中第i类数据的数据特征；zi表示全城数据库中第i类数据的数据容量；Ci表示全城数据库中第i类数据的数据位置坐标；i＝1，2，3……N；N表示数据的类型数；maxAi表示全城数据库中第i类数据库的最高容量；minAi表示全城数据库中第i类数据库的最低容量；
步骤2：根据所述全城数据库，构建标记模型：
其中，kj表示全城数据库中第j个标记的标记类型；qj表示全城数据库中第j个标记的标记时间；Wj表示全城数据库中第j个标记的标记范围；Bj表示全城数据库中第j个标记的标记阈值；
步骤3：根据所述数据库模型和标记模型，判断是否能够进行增量存储：
其中，当X≥1时，表示可以进行增量存储；当X＜1时，不能进行增量存储。
9.如权利要求1所述的一种实验室数字化系统，其特征在于，所述数据中台统一标准和口径包括：
步骤S1：根据所述业务应用层、数据管理层和战略支撑层的数据，生成数据融合函数：
其中，F(i)表示数据融合函数；wi表示第i个数据为业务应用层的数据的判别系数；bi表示第i个数据为数据管理层的数据的判别系数；βi表示第i个数据为战略支撑层的数据的判别系数；ji表示第i个数据的内容特征；zi表示第i个数据的类型特征；i＝1，2，3……n；n表示数据的个数；S表示数据量；
步骤S2：根据所述统一标准和口径，搭建标准数据转化模型；
其中，δj表示第j种转化方式的转化特征；P(j|w)表示第j种转化方式能够转化业务应用层数据的概率；P(j|b)表示第j种转化方式能够转化数据管理层的数据的概率；P(j|β)表示第j种转化方式能够转化战略支撑层的数据的概率；j＝1，2，3……m；m表示转化方式的总个数；
步骤S3:根据所述数据融合函数和标准数据转化模型，确定所述业务应用层、数据管理层和战略支撑层的数据的转化方式：
其中，di，j表示第i个数据和第j种转化方式的距离参数；zi表示心第i个数据的特征参数；zj表示第j种转化方式的特征参数；当H＞1，第i个数据可以被第j种转化方式转化，当H≤1，第i个数据不可以被第j种转化方式转化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110742620.2A CN113393216B (zh) | 2021-07-01 | 2021-07-01 | 一种实验室数字化系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110742620.2A CN113393216B (zh) | 2021-07-01 | 2021-07-01 | 一种实验室数字化系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113393216A CN113393216A (zh) | 2021-09-14 |
| CN113393216B true CN113393216B (zh) | 2022-03-08 |
Family
ID=77624857
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110742620.2A Active CN113393216B (zh) | 2021-07-01 | 2021-07-01 | 一种实验室数字化系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113393216B (zh) |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101256670A (zh) * | 2008-03-20 | 2008-09-03 | 华南师范大学 | 序列图像三维可视化的方法及装置 |
| TWI564831B (zh) * | 2015-12-11 | 2017-01-01 | 財團法人工業技術研究院 | 資料視覺化方法與資料視覺化裝置 |
| CN106296378B (zh) * | 2016-07-26 | 2021-06-01 | 四川长虹电器股份有限公司 | 基于xbrl的智能财务云平台系统、构建方法及业务实现方法 |
| CN109636170A (zh) * | 2018-12-06 | 2019-04-16 | 控福（上海）智能科技有限公司 | 共享实验室信息化数字平台、租赁系统及实验室管理系统 |
| CN112148582B (zh) * | 2019-06-27 | 2023-10-27 | 腾讯科技（深圳）有限公司 | 策略测试方法及装置、计算机可读介质和电子设备 |
| CN110766528A (zh) * | 2019-10-31 | 2020-02-07 | 瑞熙(苏州)智能科技有限公司 | 一种客户信用自评估工厂实时智能分析管理系统 |
| US20210133650A1 (en) * | 2019-11-05 | 2021-05-06 | Strong Force Vcn Portfolio 2019, Llc | Control tower and enterprise management platform with unified set of robotic process automation systems for coordinated automation among value chain applications |
| CN111461518A (zh) * | 2020-03-27 | 2020-07-28 | 机械工业仪器仪表综合技术经济研究所 | 一种应用于检测监测的智能实验室 |
| CN112465661A (zh) * | 2020-04-15 | 2021-03-09 | 国网浙江省电力有限公司经济技术研究院 | 基于用例图的资源统一规划系统及其工作方法 |
| CN111598751A (zh) * | 2020-05-15 | 2020-08-28 | 哈尔滨工业大学 | 一种基于实验场景的实验室管理系统 |
| CN111696310B (zh) * | 2020-06-10 | 2021-07-30 | 北京市燃气集团有限责任公司 | 一种燃气管网空天地立体安全风险防控系统和防控方法 |
| CN111915272A (zh) * | 2020-07-29 | 2020-11-10 | 南京朗赢信息技术有限公司 | 一种互联网检测平台及方法 |
| CN112163039A (zh) * | 2020-09-21 | 2021-01-01 | 国家电网有限公司大数据中心 | 基于企业级数据中台分析域的数据资源标准化管理系统 |
| CN112199430A (zh) * | 2020-10-15 | 2021-01-08 | 苏州龙盈软件开发有限公司 | 一种基于数据中台的业务数据处理系统及方法 |
| CN112507623A (zh) * | 2020-12-15 | 2021-03-16 | 交控科技股份有限公司 | 一种算法中台构建方法及系统 |
| CN112651840B (zh) * | 2021-01-13 | 2023-11-14 | 李青 | 基于区块链和数字金融的业务数据日志处理方法及系统 |
| CN112965855B (zh) * | 2021-02-02 | 2024-08-06 | 杭州城市大脑有限公司 | 城市大脑数字化管理系统 |
-
2021
- 2021-07-01 CN CN202110742620.2A patent/CN113393216B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113393216A (zh) | 2021-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112115198B (zh) | 一种城市遥感智能服务平台 | |
| CN108830837A (zh) | 一种用于检测钢包溶蚀缺陷的方法和装置 | |
| CN105761150B (zh) | 农作物信息及样本的采集方法和系统 | |
| CN112070135A (zh) | 电力设备图像检测方法、装置、电力设备及存储介质 | |
| CN114625901B (zh) | 一种多算法整合方法及装置 | |
| CN105787062A (zh) | 一种基于视频平台对目标对象进行搜索的方法和设备 | |
| CN112183916B (zh) | 土地储备生命周期管理系统 | |
| CN111914767A (zh) | 一种基于多源遥感数据的散乱污企业检测方法及系统 | |
| CN115686280A (zh) | 深度学习模型管理系统、方法、计算机设备及存储介质 | |
| CN110196886A (zh) | 农业面源污染多源异构大数据关联方法及采用该方法的大数据监管平台 | |
| CN116823793A (zh) | 设备缺陷检测方法、装置、电子设备和可读存储介质 | |
| CN113656477A (zh) | 一种国土空间多源异构数据的校验与融合方法 | |
| CN117237925B (zh) | 一种基于计算机视觉的智慧道路病害巡检方法及系统 | |
| CN106990724A (zh) | 环境监测云端服务平台及环境监测方法 | |
| CN113393216B (zh) | 一种实验室数字化系统 | |
| Tan et al. | Building defect inspection and data management using computer vision, augmented reality, and BIM technology | |
| CN112231430A (zh) | 一种地图数据管理方法及装置 | |
| CN111047731A (zh) | 一种基于ar技术的电信机房巡检方法及系统 | |
| CN112529836A (zh) | 高压线路缺陷检测方法、装置、存储介质及电子设备 | |
| CN112668365A (zh) | 一种物料入库识别方法、装置、设备及存储介质 | |
| CN115938009A (zh) | 一种智能电子巡检定位方法及系统 | |
| CN115618040A (zh) | 一种基于数据分析的遥感样本库综合管理系统 | |
| CN114494850A (zh) | 一种村庄无人居住院落智能识别方法及系统 | |
| Gavrilov et al. | Automated visual information processing using artificial intelligence | |
| Grabis et al. | A Smart Winter Road Maintenance Platform to Balance Monitoring Accuracy and Cost |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP02 | Change in the address of a patent holder |
Address after: 201400 room 2468, 4th floor, building 2, No. 1599, Fengpu Avenue, Fengxian District, Shanghai Patentee after: SHANGHAI QWINGS NETWORK TECHNOLOGY CO.,LTD. Address before: 201499 1-27, building 3, No. 913, Fengpu Guoshun Road, Fengxian District, Shanghai Patentee before: SHANGHAI QWINGS NETWORK TECHNOLOGY CO.,LTD. |
|
| CP02 | Change in the address of a patent holder |