CN113760916B - 基于工业互联网标识和区块链的物资质量溯源方法和系统 - Google Patents

基于工业互联网标识和区块链的物资质量溯源方法和系统 Download PDF

Info

Publication number
CN113760916B
CN113760916B CN202111048719.9A CN202111048719A CN113760916B CN 113760916 B CN113760916 B CN 113760916B CN 202111048719 A CN202111048719 A CN 202111048719A CN 113760916 B CN113760916 B CN 113760916B
Authority
CN
China
Prior art keywords
data
production monitoring
verification
identification
quality detection
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
Application number
CN202111048719.9A
Other languages
English (en)
Other versions
CN113760916A (zh
Inventor
孙阳盛
胡永焕
卞龙江
吴佳梁
张行健
黄华
李秀金
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Chengxi Intelligent Technology Co ltd
State Grid Shanghai Electric Power Co Ltd
Original Assignee
Shanghai Chengxi Intelligent Technology Co ltd
State Grid Shanghai Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Chengxi Intelligent Technology Co ltd, State Grid Shanghai Electric Power Co Ltd filed Critical Shanghai Chengxi Intelligent Technology Co ltd
Priority to CN202111048719.9A priority Critical patent/CN113760916B/zh
Publication of CN113760916A publication Critical patent/CN113760916A/zh
Application granted granted Critical
Publication of CN113760916B publication Critical patent/CN113760916B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2255—Hash tables
    • 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
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/25—Manufacturing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/20—Information sensed or collected by the things relating to the thing itself
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/50—Safety; Security of things, users, data or systems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Probability & Statistics with Applications (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (AREA)
  • Bioethics (AREA)
  • Primary Health Care (AREA)
  • Accounting & Taxation (AREA)
  • Biomedical Technology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明涉及一种基于工业互联网标识和区块链的物资质量溯源方法和系统，方法包括：根据行业标识编码规范，构建物资的唯一标识码；获取物资技术规范数据，并根据物资的唯一标识码进行标识注册，根据技术要求参数名、上限和下限构建每个标识对应的标识映射数据；将标识、标识映射数据和标识映射数据的哈希值上传至区块链中；依次对物资生产监测数据和物资质量检测数据执行上述上链过程；根据物资技术规范数据、物资生产监测数据和物资质量检测数据的标识映射数据进行交叉验证；根据物资的唯一标识码，通过区块链进行验真结果和查询交叉验证结果。与现有技术相比，本发明实现了对物资质量全面、直观、透明的追溯，提升了数据流通的效率和安全性。

Description

基于工业互联网标识和区块链的物资质量溯源方法和系统
技术领域
本发明涉及物资质量溯源技术领域，尤其是涉及基于工业互联网标识和区块链的物资质量溯源方法和系统。
背景技术
目前实现物资质量溯源的目标是：通过工业互联网标识体系建设数据源服务，通过内外网数据源服务提供标识管理、数据转换、跨网闸传输等服务，以连接现有本地物资管理平台和企业节点，在满足网络安全规范前提下实现数据共享，与外部应用的对接和数据获取。
从技术层面来说，许多企业已经有意识的加入工业互联网的潮流中，并且已经完成了进一步的技术革新，这可以有效解决编码和赋码等多方面的难题。随着国家顶级节点和二级节点建设的推进与落实，技术层次的问题得以有效解决。但是其市场的推广应用需要得到进一步的解决。对企业的产品和机器进行编码标识不亚于一次更新迭代，这意味着企业需要花费一定成本来适应工业互联网标识体系。而且工业互联网标识体系处于初级阶段，在建设和应用上有一定的挑战，但这是实现对物资和商品进行更加有效管理所必不可少的一步。另一方面，区块链平台作为新型的质量业务管理的方式将供应商和检测机构数据进行上链，然而各机构由于数据来源不同，可能会面临上链数据格式和内容上的不统一问题。
公开号为CN110706006A的发明公开了一种区块链多链协同的供应链物流溯源系统，包括：资源管理层、区块信息层、系统管理层以及应用服务层四个层次，由底层向上层层支撑，从资源管理层到应用服务层逐渐接近用户应用，从应用服务层到资源管理层逐步靠近物理资源。
该方案通过区块链技术进行了物流溯源，但应用在实际物资质量溯源场景中时，同一物资对应有多个生产质量数据，仅仅将所有生产质量数据放入区块链中，并无法直观判别物资质量结果，存在改进需求。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种对物资质量全面、直观、透明的追溯基于工业互联网标识和区块链的物资质量溯源方法。
本发明的目的可以通过以下技术方案来实现：
一种基于工业互联网标识和区块链的物资质量溯源方法，包括以下步骤：
物资标识码构建步骤：根据预设的第一行业标识编码规范，构建每个物资对应的唯一标识码；
物资技术规范数据上链步骤：获取物资技术规范数据，并根据物资的唯一标识码进行标识注册，根据该物资技术规范数据构建每个标识对应的标识映射数据；将标识、标识映射数据和标识映射数据的哈希值上传至区块链中；
物资生产监测数据上链步骤：获取物资生产监测数据，并根据物资的唯一标识码进行标识注册，根据该物资生产监测数据构建每个标识对应的标识映射数据；将标识、标识映射数据和标识映射数据的哈希值上传至区块链中；
物资质量检测数据上链步骤：获取物资质量检测数据，并根据物资的唯一标识码进行标识注册，根据该物资质量检测数据构建每个标识对应的标识映射数据；将标识、标识映射数据和标识映射数据的哈希值上传至区块链中；
交叉验证步骤：经过对应的标识映射数据，对所述物资技术规范数据、物资生产监测数据和物资质量检测数据依次进行完整性验证、逻辑性验证和达标性验证，得到每个物资对应的交叉验证结果，并上传至区块链中；
所述完整性验证包括：对所述物资生产监测数据和物资质量检测数据中的字段进行不为空验证，以及验证在每个生产监测参数下，所述物资生产监测数据不少于预设的第一组数，相邻两个物资生产监测数据的采样时间间隔部不超过第一时间；若所述完整性验证中的各个验证均通过，则执行所述逻辑性验证，否则生成验证不通过的结果；
所述逻辑性验证包括：根据预设的时间先后顺序，对所述物资生产监测数据和物资质量检测数据中的时间数据进行验证；若所述逻辑性验证的验证通过，则执行所述达标性验证，否则生成验证不通过的结果；
所述达标性验证包括：以技术规范数据为标准，分别对所述物资生产监测数据和物资质量检测数据进行达标性验证，获取验证结果；
对所述物资生产监测数据进行达标性验证具体包括以下步骤：
S401：对于所述物资生产监测数据中的每个生产监测参数的参数值进行正态性检验，判断是否符合正态分布；
S402：若生产监测参数的参数值符合正态分布，则采用正态分布法估计该生产监测参数的参数值的置信区间的上下限；
若生产监测参数的参数值不符合正态分布，则采用百分位数法估计该生产监测参数的置信区间的上下限；
S403：根据预设的物资生产监测数据达标性验证规则，通过各个生产监测参数的参数值的置信区间的上下限、最大值和最小值，验证是否满足技术规范数据的标准；
对所述物资质量检测数据进行达标性验证具体包括：根据预设的物资质量检测数据达标性验证规则，验证物资质量检测数据是否满足技术规范数据的标准；
物资质量溯源步骤：根据物资的唯一标识码，获取对应的待检验物资质量检测数据，将待检验物资质量检测数据的哈希值与该物资的唯一标识码对应的区块链上的物资质量检测数据的哈希值对比，得到验真结果；根据物资的唯一标识码查询获取对应的交叉验证结果。
进一步地，步骤S401中，采用偏度峰度联合检验法进行正态性检验，所述正态性检验法包括：
将某一生产监测参数的参数值作为样本，计算JB统计量，该JB统计量的计算表达式为：
式中，n为观测数，S为样本偏度，K为样本峰度，为三阶中心矩的估计值，/>为四阶中心矩的估计值，/>为样本均值，xi为第i个样本的样本值，/>为二阶中心矩的估计值；
根据预设的显著性水平α，得到自由度为2的卡方卡方分布临界值
将所述JB统计量与临界值比较，若JB统计量小于临界值，则样本服从正态分布，否则样本不服从正态分布。
进一步地，步骤S402中，所述正态分布法具体为：根据预先设定的置信水平为1-α，获取置信区间的上下限为其中/>为样本均值，s为标准差。
进一步地，步骤S402中，所述百分位数法具体为：根据预先设定的置信水平为1-α，获取置信区间的上下限分别为和/>时对应的百分位数/>其中，Px是第x位百分位数，Lx是第x位百分位数所在组的下限，i是组距，fx是第x位百分位数所在组的频数，n是总频数，∑fx是第x位百分位数所在组前一组的累计频数。
进一步地，所述物资生产监测数据基于物联网直接从生产设备获取；所述物资质量检测数据基于物联网直接从检测设备获取。
进一步地，所述物资生产监测数据对应的标识映射数据还包括平均值、均方差和样本数。
本发明还提供一种基于工业互联网标识和区块链的物资质量溯源系统，包括：
核心企业模块，用于通过企业节点获取物资技术规范数据，并根据物资的唯一标识码进行标识注册，根据物资技术规范数据构建每个标识对应的标识映射数据；将标识、标识映射数据和标识映射数据的哈希值上传至区块链中；所述企业节点为物资生产企业，所述唯一标识码根据预设的第一行业标识编码规范构建，并与每个物资相对应；
供应商模块，用于通过企业节点获取物资生产监测数据，并根据物资的唯一标识码进行标识注册，根据物资生产监测数据构建每个标识对应的标识映射数据；将标识、标识映射数据和标识映射数据的哈希值上传至区块链中；
检测机构模块，用于通过企业节点获取物资质量检测数据，并根据物资的唯一标识码进行标识注册，根据物资质量检测数据构建每个标识对应的标识映射数据；将标识、标识映射数据和标识映射数据的哈希值上传至区块链中；
区块链平台，用于对所述物资技术规范数据、物资生产监测数据和物资质量检测数据的标识映射数据依次进行完整性验证、逻辑性验证和达标性验证，得到每个物资对应的交叉验证结果，并上传至区块链中；
所述完整性验证包括：对所述物资生产监测数据和物资质量检测数据中的字段进行不为空验证，以及验证在每个生产监测参数下，所述物资生产监测数据不少于预设的第一组数，相邻两个物资生产监测数据的采样时间间隔部不超过第一时间；若所述完整性验证中的各个验证均通过，则执行所述逻辑性验证，否则生成验证不通过的结果；
所述逻辑性验证包括：根据预设的时间先后顺序，对所述物资生产监测数据和物资质量检测数据中的时间数据进行验证；若所述逻辑性验证的验证通过，则执行所述达标性验证，否则生成验证不通过的结果；
所述达标性验证包括：以技术规范数据为标准，分别对所述物资生产监测数据和物资质量检测数据进行达标性验证，获取验证结果；
对所述物资生产监测数据进行达标性验证具体包括以下步骤：
S1：对于所述物资生产监测数据中的每个生产监测参数的参数值进行正态性检验，判断是否符合正态分布；
S2：若生产监测参数的参数值符合正态分布，则采用正态分布法估计该生产监测参数的参数值的置信区间的上下限；
若生产监测参数的参数值不符合正态分布，则采用百分位数法估计该生产监测参数的置信区间的上下限；
S3：根据预设的物资生产监测数据达标性验证规则，通过各个生产监测参数的参数值的置信区间的上下限、最大值和最小值，验证是否满足技术规范数据的标准；
对所述物资质量检测数据进行达标性验证具体包括：根据预设的物资质量检测数据达标性验证规则，验证物资质量检测数据是否满足技术规范数据的标准；
公共递归解析节点，用于根据物资查询请求中的唯一标识码，获取对应的待检验物资质量检测数据，并返回给节点单位模块；
节点单位模块，包含多个企业节点，用于生成物资查询请求，将公共递归解析节点返回的待检验物资质量检测数据，与区块链平台中该物资的唯一标识码对应的物资质量检测数据的哈希值对比，得到验真结果；根据物资的唯一标识码在区块链平台中查询获取对应的交叉验证结果。
进一步地，步骤S1中，采用偏度峰度联合检验法进行正态性检验，所述正态性检验法包括：
将某一生产监测参数的参数值作为样本，计算JB统计量，该JB统计量的计算表达式为：
式中，n为观测数，S为样本偏度，K为样本峰度，为三阶中心矩的估计值，/>为四阶中心矩的估计值，/>为样本均值，xi为第i个样本的样本值，/>为二阶中心矩的估计值；
根据预设的显著性水平α，得到自由度为2的卡方卡方分布临界值
将所述JB统计量与临界值比较，若JB统计量小于临界值，则样本服从正态分布，否则样本不服从正态分布；
步骤S2中，所述正态分布法具体为：根据预先设定的置信水平为1-α，获取置信区间的上下限为其中/>为样本均值，s为标准差；
步骤S2中，所述百分位数法具体为：根据预先设定的置信水平为1-α，获取置信区间的上下限分别为和/>时对应的百分位数/> 其中，Px是第x位百分位数，Lx是第x位百分位数所在组的下限，i是组距，fx是第x位百分位数所在组的频数，n是总频数，∑fx是第x位百分位数所在组前一组的累计频数。
进一步地，所述物资生产监测数据基于物联网直接从生产设备获取；所述物资质量检测数据基于物联网直接从检测设备获取；
所述物资生产监测数据对应的标识映射数据还包括平均值、均方差和样本数。
与现有技术相比，本发明具有以下优点：
(1)本发明通过区块链中的物资技术规范数据、物资生产监测数据和物资质量检测数据进行交叉验证，自动得出物资的交叉验证结果，用户能对物资质量结果直观地进行判断，并能追溯物资对应的具体数据，实现对物资质量全面、直观、透明的追溯。
(2)本发明具体规范了物资技术规范数据、物资生产监测数据和物资质量检测数据的交叉验证过程，包括完整性验证、逻辑性验证和达标性验证；完整性验证实现确保参数的非空，保障所采集样本的典型性，并保障样本数量足够多，以在达标性验证中得到相对准确的区间估计；
逻辑性验证实现验证不同字段之间是否符合业务逻辑关系，实现逻辑验证；
达标性验证以技术规范数据为标准，对物资生产监测数据和物资质量检测数据进行验证；并且本发明考虑到物联网采集数据有时间间隔，而生产是连续不断的，如果单纯以采集的数据的最大值和最小值进行达标性验证，可能存在遗漏，不能反映真实情况；本发明增加通过计算置信区间与技术规范数据的对比，通过统计学方法更准确地反映生产的真实情况，一定程度上避免遗漏不符合标准却未采集到的数据。
(3)除了验证物联网按照一定频次采集的数据以外，还将物联网采集的数据视为总体样本进行区间估计，填补了现有技术仅靠采集技术所无法覆盖的物资质量情况；同时，为获取数据的置信区间，本发明从两种情况实现全面考虑，对于符合正态分布的数据，采用正态分布法进行估计，对于不符合正态分布的数据，采用百分位数法进行估计，适用于任意分布情况的计算。
(4)本发明通过统一的行业标识编码规范，构建物资的唯一标识码，进一步打破行业全链路中，由于协议标准不一、接口不同、行业复杂形成的“数据孤岛”，实现信息的准确关联和自动获取，增加数据之间的流通，提升业务流转效率，助力企业转型升级。
(5)本发明将采集到的原始数据直接上传区块链，通过计算机系统设备之间的对接进行数据传输，消除了线下人员参与过程，规避了人为篡改数据的风险。
(6)本发明整体上通过标识访问保存设备、物料、零部件和产品等相关信息的服务器，进行信息的智能关联，并通过区块链特有的“账本式”记录方式，为信息共享以及全生命周期管理提供重要手段和支撑，推动供应链上下游协同互通,使企业实现设备物资质量全程可追溯，促进产业升级健康发展。
附图说明
图1为本发明实施例中提供的一种基于工业互联网标识和区块链的物资质量溯源方法的流程示意图；
图2为本发明实施例中提供的一种物资生产监测数据和物资质量检测数据的产品和验证过程的流程图；
图3为本发明实施例中提供的一种物资质量溯源系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
实施例1
参考图1所示，本实施例提供一种基于工业互联网标识和区块链的物资质量溯源方法，包括以下步骤：
物资标识码构建步骤：根据预设的第一行业标识编码规范，构建每个物资对应的唯一标识码；物资生产各部门共用同一行业标识编码规范，进一步打破行业全链路中，由于协议标准不一、接口不同、行业复杂形成的“数据孤岛”，以此作为数据互联互通的基础
物资技术规范数据上链步骤S1：获取物资技术规范数据，并根据物资的唯一标识码进行标识注册，根据该物资技术规范数据构建每个标识对应的标识映射数据；将标识、标识映射数据和标识映射数据的哈希值上传至区块链中；
物资生产监测数据上链步骤S2：通过物联网从生产设备获取物资生产监测数据，并根据物资的唯一标识码进行标识注册，根据该物资生产监测数据构建每个标识对应的标识映射数据；将标识、标识映射数据和标识映射数据的哈希值上传至区块链中；物资数据的传输仅在两种计算机系统设备之间，消除了线下人员参与过程，规避了人为篡改数据的风险，实现了数据流转过程中的保真；
物资质量检测数据上链步骤S3：通过物联网从检测设备获取物资质量检测数据，并根据物资的唯一标识码进行标识注册，根据该物资质量检测数据构建每个标识对应的标识映射数据；将标识、标识映射数据和标识映射数据的哈希值上传至区块链中；
交叉验证步骤S4：经过对应的标识映射数据，对物资技术规范数据、物资生产监测数据和物资质量检测数据依次进行完整性验证、逻辑性验证和达标性验证，得到每个物资对应的交叉验证结果，并上传至区块链中；
完整性验证包括：对物资生产监测数据和物资质量检测数据的标识映射数据中的字段进行不为空验证，以及验证在每个生产监测参数下，物资生产监测数据不少于预设的第一组数，相邻两个物资生产监测数据的采样时间间隔部不超过第一时间；若完整性验证中的各个验证均通过，则执行逻辑性验证，否则生成验证不通过的结果；
逻辑性验证包括：根据预设的时间先后顺序，对物资生产监测数据和物资质量检测数据中的时间数据进行验证；若逻辑性验证的验证通过，则执行达标性验证，否则生成验证不通过的结果；
达标性验证包括：以技术规范数据为标准，分别对物资生产监测数据和物资质量检测数据进行达标性验证，获取验证结果；
对物资生产监测数据进行达标性验证具体包括以下步骤：
S401：对于物资生产监测数据中的每个生产监测参数的参数值进行正态性检验，判断是否符合正态分布；
S402：若生产监测参数的参数值符合正态分布，则采用正态分布法估计该生产监测参数的参数值的置信区间的上下限；
若生产监测参数的参数值不符合正态分布，则采用百分位数法估计该生产监测参数的置信区间的上下限；
S403：根据预设的物资生产监测数据达标性验证规则，通过各个生产监测参数的参数值的置信区间的上下限、最大值和最小值，验证是否满足技术规范数据的标准；
对物资质量检测数据进行达标性验证具体包括：根据预设的物资质量检测数据达标性验证规则，验证物资质量检测数据是否满足技术规范数据的标准；
物资质量溯源步骤S5：根据物资的唯一标识码，获取对应的待检验物资质量检测数据，将待检验物资质量检测数据的哈希值与该物资的唯一标识码对应的区块链上的物资质量检测数据的哈希值对比，得到验真结果；根据物资的唯一标识码查询获取对应的交叉验证结果。
具体地，步骤S401中，采用偏度峰度联合检验法进行正态性检验，正态性检验法包括：
将某一生产监测参数的参数值作为样本，计算JB统计量，该JB统计量的计算表达式为：
式中，n为观测数，S为样本偏度，K为样本峰度，为三阶中心矩的估计值，/>为四阶中心矩的估计值，/>为样本均值，xi为第i个样本的样本值，/>为二阶中心矩的估计值；
根据预设的显著性水平α，得到自由度为2的卡方卡方分布临界值
将JB统计量与临界值比较，若JB统计量小于临界值，则样本服从正态分布，否则样本不服从正态分布。
具体地，步骤S402中，正态分布法具体为：根据预先设定的置信水平为1-α，获取置信区间的上下限为其中/>为样本均值，s为标准差。
具体地，步骤S402中，百分位数法具体为：根据预先设定的置信水平为1-α，获取置信区间的上下限分别为和/>时对应的百分位数/> 其中，Px是第x位百分位数，Lx是第x位百分位数所在组的下限，i是组距，fx是第x位百分位数所在组的频数，n是总频数，∑fx是第x位百分位数所在组前一组的累计频数。
具体地，根据物资技术规范数据和物资生产监测数据的标识映射数据进行符合性验证，包括：判断物资生产监测数据的最大值和最小值是否在物资技术规范数据的上限和下限内。
根据物资技术规范数据和物资质量检测数据的标识映射数据进行符合性验证，包括判断物资质量检测数据的结果值是否在物资技术规范数据的上限和下限内。
根据物资生产监测数据和物资质量检测数据的标识映射数据进行真实性验证，包括判断物资质量检测数据的结果值是否在物资生产监测数据的最大值和最小值范围以内。
本实施例还提供一种基于工业互联网标识和区块链的物资质量溯源系统，包括：
核心企业模块，用于通过企业节点获取物资技术规范数据，并根据物资的唯一标识码进行标识注册，根据该物资技术规范数据构建每个标识对应的标识映射数据；将标识、标识映射数据和标识映射数据的哈希值上传至区块链中；企业节点为物资生产企业，唯一标识码根据预设的第一行业标识编码规范构建，并与每个物资相对应；
供应商模块，用于通过企业节点通过物联网从生产设备获取物资生产监测数据，并根据物资的唯一标识码进行标识注册，根据该物资生产监测数据构建每个标识对应的标识映射数据；将标识、标识映射数据和标识映射数据的哈希值上传至区块链中；
检测机构模块，用于通过企业节点通过物联网从检测设备获取物资质量检测数据，并根据物资的唯一标识码进行标识注册，根据该物资质量检测数据构建每个标识对应的标识映射数据；将标识、标识映射数据和标识映射数据的哈希值上传至区块链中；
区块链平台，用于执行上述交叉验证步骤S4；
公共递归解析节点，用于根据物资查询请求中的唯一标识码，获取对应的待检验物资质量检测数据，并返回给节点单位模块；
节点单位模块，包含多个企业节点，用于生成物资查询请求，将公共递归解析节点返回的待检验物资质量检测数据，与区块链平台中该物资的唯一标识码对应的物资质量检测数据的哈希值对比，得到验真结果；根据物资的唯一标识码在区块链平台中查询获取对应的交叉验证结果。
具体地，根据物资技术规范数据和物资生产监测数据的标识映射数据进行符合性验证，包括：判断物资生产监测数据的最大值和最小值是否在物资技术规范数据的上限和下限内；
根据物资技术规范数据和物资质量检测数据的标识映射数据进行符合性验证，包括判断物资质量检测数据的结果值是否在物资技术规范数据的上限和下限内；
根据物资生产监测数据和物资质量检测数据的标识映射数据进行真实性验证，包括判断物资质量检测数据的结果值是否在物资生产监测数据的最大值和最小值范围以内。
下面结合基于工业互联网标识和区块链的物资质量溯源系统描述其具体操作过程：
1)核心企业模块通过企业节点对物资技术规范数据进行标识注册，将物资的唯一识别码作为标识，将技术要求参数名、上限、下限等作为标识映射数据；
2)核心企业模块将物资技术规范数据的标识、标识映射数据、标识映射数据的哈希值上传至区块链平台；
3)供应商模块的数据采集中心基于物联网技术从生产设备上获取物资生产监测数据；
4)供应商模块的数据采集中心通过企业节点对物资生产监测数据进行标识注册，将物资的唯一识别码作为标识，将生产监测参数名、生产监测参数值、生产监测数据采集时间、生产监测开始时间、生产监测结束时间等作为标识映射数据；
5)供应商模块的数据采集中心将物资生产监测数据的标识、标识映射数据、标识映射数据的哈希值上传至区块链平台；
6)检测机构模块的数据采集中心基于物联网技术从检测设备上获取物资质量检测数据；
7)检测机构模块的数据采集中心通过企业节点对物资质量检测数据进行标识注册，将物资的唯一识别码作为标识，将质量检测参数名、质量检测结果值、质量检测数据采集时间、质量检测开始时间、质量检测结束时间等作为标识映射数据；
8)检测机构模块的数据采集中心将物资质量检测数据的标识、标识映射数据、标识映射数据的哈希值上传至区块链；
9)核心企业模块在区块链平台生成质量数据交叉验证策略，包括完整性验证规则、逻辑性验证规则、达标性验证规则，如图2所示，具体如下：
a)完整性验证规则：用于验证各单位是否按照要求的字段和频次上传质量数据，通过完整性验证是进行逻辑性验证和达标性验证的前提，具体包括：
i.以下字段不为空：技术要求参数名、技术要求上限、技术要求下限、生产监测参数名、生产监测参数值、生产监测数据采集时间、生产监测开始时间、生产监测结束时间、质量检测参数名、质量检测结果值、质量检测数据采集时间、质量检测开始时间、质量检测结束时间。
ii.对于每个生产监测参数，上传相应的生产监测数据采集时间、生产监测参数值不少于50组，且每两组的生产监测数据采集时间相隔不超过60秒。此条规则用于保障所采集样本的典型性，并保障样本数量足够多，以在达标性验证中得到相对准确的区间估计。
b)逻辑性验证规则：用于验证不同字段之间是否符合业务逻辑关系。
i.根据质量数据产生的时间先后顺序对上传的时间数据进行验证，根据以下规则进行比较：生产监测开始时间≤生产监测数据采集时间最小值＜生产监测数据采集时间最大值≤生产监测结束时间＜质量检测开始时间＜质量检测数据采集时间＜质量检测结束时间。如果以上比较结果均为真，则验证通过；否则不通过。
c)达标性验证规则：用于验证物资质量是否达到业务所要求的标准。
i.以技术规范数据为标准，对生产监测数据进行达标性验证。
第一步，对于每个生产监测参数，对相应的生产监测参数值进行正态性检验。由于样本数大于50个，因此采用偏度峰度联合检验。根据公式计算得到JB统计量：其中n是观测数(或自由度)；S是样本偏度，K是样本峰度，其中/>和/>分别是三阶中心矩和四阶中心矩的估计值，/>是样本均值，/>是二阶中心矩(即方差)的估计值。根据设定的显著性水平α，得到自由度为2的卡方分布临界值/>将统计量JB与临界值/>相比较，如果统计量小于临界值，则样本服从正态分布；否则，样本不服从正态分布。
第二步，对生产监测参数的总体参数取值区间进行估计。①样本服从正态分布的情况下，采用正态分布法进行估计，根据设定的置信水平1-α得到置信区间上下限为其中/>是样本均值，s是标准差。②样本不服从正态分布的情况下，采用百分位数法进行估计，根据设定的置信水平1-α，得到置信区间上下限分别为/>和/>时的百分位数/>其中Px是第x位百分位数，Lx是第x位百分位数所在组的下限，i是组距，fx是第x位百分位数所在组的频数，n是总频数，∑fx是第x位百分位数所在组前一组的累计频数。
第三步，验证生产监测数据的估计区间、最大值和最小值是否满足技术规范数据的标准。根据以下规则进行比较：生产监测数据估计区间下限≥技术规范下限，生产监测数据估计区间上限≤技术规范上限，生产监测数据最小值≥技术规范下限，生产监测数据最大值≤技术规范上限。如果以上比较结果均为真，则验证通过；否则不通过。
ii.以技术规范数据为标准，对质量检测数据进行达标性验证。根据以下规则进行比较：技术规范下限≤质量检测数据≤技术规范上限。如果以上比较结果均为真，则验证通过；否则不通过。
10)区块链平台根据质量数据交叉验证策略，对核心企业模块、供应商模块、检测机构模块的上链数据进行交叉验证，分别得到各条策略“通过”或“不通过”的验证结果，并在链上存储验证结果；
11)节点单位通过公共递归解析节点查询标识，获取该标识对应的物资质量数据，节点单位是指任何需要查询物资质量数据且已加入企业节点和区块链的单位；
12)节点单位通过区块链平台对所获取的标识对应的物资质量数据进行验真，区块链比对待验真数据的哈希值和该标识对应的链上数据的哈希值，并返回验真结果，验真结果为“一致”或“不一致”；
13)节点单位通过区块链平台查询标识对应的物资质量数据的交叉验证结果，区块链平台返回验证结果。
所述的步骤1)、4)、7)中物资的唯一识别码是指根据行业标识编码规范对每个物资实体生成的唯一识别码。
所述的步骤11)中节点单位用标识向公共递归解析节点发起查询请求，公共递归解析节点根据标识前缀解析得到企业节点地址，用标识向企业节点发起查询请求，获得标识对应的物资质量数据，并将数据返回给节点单位。
下面以物资的唯一识别码Key01、技术要求参数名JYPXD为例，对以下物资质量追溯步骤进行详细描述：
在步骤401中，核心企业模块通过企业节点对物资技术规范数据进行标识注册，将物资的唯一识别码作为标识，标识映射数据包括技术要求参数名、上限、下限等。其中，核心企业模块根据行业标识编码规范生成物资的唯一识别码、标识、技术要求参数名，与供应商模块、检测机构模块等共用同一行业标识编码规范，以此作为数据互联互通的基础。在本实施例中，物资的唯一识别码为Key01，标识为88.563.11111/Key01，技术要求参数名为JYPXD，技术要求上限为8，技术要求下限为0，标识映射数据为包含技术要求参数名＝JYPXD、技术要求上限＝8、技术要求下限＝0的数据对象Value01。然后执行步骤402。
在步骤402中，核心企业模块将标识映射数据Value01进行哈希，得到哈希值Hash01，并将物资技术规范数据的唯一识别码Key01、标识映射数据Value01、标识映射数据的哈希值Hash01上传至区块链，然后执行步骤403。
在步骤403中，供应商模块的数据采集中心基于物联网技术从生产设备上获取物资生产监测数据。在本实施例中，所监测物资的唯一识别码为Key01，主要运用到传感网技术，在绝缘挤出设备上安装偏心轴传感器，传感器以每5秒1个数值的频率，获取生产过程中设备上产生的绝缘偏心度实时数据，并将数据发送给数据采集中心。数据采集中心采集到生产监测开始时间2021-01-10 09:00:00，生产监测结束时间2021-01-10 13:00:00，生产监测参数名JYPXD，生产监测数据采集时间、生产监测参数值所组成的数组为{(2021-01-1009:00:05,6.54),(2021-01-10 09:00:10,5.26),……}共2880组数据。然后执行步骤404。
在步骤404中，供应商模块的数据采集中心通过企业节点对物资生产监测数据进行标识注册，将物资的唯一识别码作为标识，将生产监测参数名、生产监测参数值、生产监测数据采集时间、生产监测开始时间、生产监测结束时间等作为标识映射数据。在本实施例中，供应商模块根据行业标识编码规范生成物资的唯一识别码为Key01，标识为88.563.11112/Key01，标识映射数据为Value02。然后执行步骤405中。
在步骤405中，供应商模块的数据采集中心将标识映射数据Value02进行哈希，得到哈希值Hash02。数据采集中心通过网关与区块链集成，将物资生产监测数据的标识88.563.11112/Key01、标识映射数据Value02、标识映射数据的哈希值Hash02上传至区块链，通过这种计算机系统设备之间的对接进行数据传输，消除了线下人员参与过程，规避了人为篡改数据的风险，实现了数据流转过程中的保真。然后执行步骤406。
在步骤406中，检测机构模块的数据采集中心基于物联网技术从检测设备上获取物资质量检测数据。在本实施例中，所监测物资的唯一识别码为Key01，偏心度测试仪将偏心度检测结果值发送给数据采集中心，数据采集中心采集到质量检测开始时间2021-01-1209:00:00，质量检测结束时间2021-01-12 11:00:00，质量检测参数名JYPXD，质量检测结果值为6，质量检测数据采集时间2021-01-12 10:00:00。然后执行步骤407。
在步骤407中，检测机构模块的数据采集中心通过企业节点对物资质量检测数据进行标识注册，将物资的唯一识别码作为标识，将质量检测参数名、质量检测结果值、质量检测数据采集时间、质量检测开始时间、质量检测结束时间等作为标识映射数据。在本实施例中，检测机构模块根据行业标识编码规范生成物资的唯一识别码为Key01，标识为88.563.11113/Key01，标识映射数据为Value03。然后执行步骤408。
在步骤408中，检测机构模块的数据采集中心将标识映射数据Value03进行哈希，得到哈希值Hash03。数据采集中心通过网关与区块链集成，将物资质量检测数据的标识88.563.11113/Key01、标识映射数据Value03、标识映射数据的哈希值Hash03上传至区块链，通过这种计算机系统设备之间的对接进行数据传输，消除了线下人员参与过程，规避了人为篡改数据的风险，实现了数据流转过程中的保真。然后执行步骤409。
在步骤409中，核心企业根据业务需求，在区块链平台上定义并生成质量数据交叉验证策略。在本实施例中，包括完整性验证规则、逻辑性验证规则、达标性验证规则，具体如下：
a)完整性验证规则：用于验证各单位是否按照要求的字段和频次上传质量数据，通过完整性验证是进行逻辑性验证和达标性验证的前提，具体包括：
i.以下字段不为空：技术要求参数名＝JYPXD，技术要求上限＝8，技术要求下限＝0，生产监测参数名＝JYPXD，生产监测数据采集时间、生产监测参数值＝{(2021-01-10 09:00:05,6.54),(2021-01-10 09:00:10,5.26),……}，生产监测开始时间＝2021-01-10 09:00:00、生产监测结束时间＝2021-01-10 13:00:00、质量检测参数名＝JYPXD、质量检测结果值＝6、质量检测数据采集时间＝2021-01-12 10:00:00、质量检测开始时间＝2021-01-12 09:00:00、质量检测结束时间＝2021-01-12 11:00:00。以上字段均不为空，验证通过。
ii.对于每个生产监测参数，上传相应的生产监测数据采集时间、生产监测参数值不少于50组，且每两组的生产监测数据采集时间相隔不超过60秒。此条规则用于保障所采集样本的典型性，并保障样本数量足够多，以在达标性验证中得到相对准确的区间估计。上传的生产监测数据采集时间、生产监测参数值共2880组数据，验证通过。
b)逻辑性验证规则：用于验证不同字段之间是否符合业务逻辑关系。
i.根据质量数据产生的时间先后顺序对上传的时间数据进行验证，根据以下规则进行比较：生产监测开始时间(2021-01-10 09:00:00)≤生产监测数据采集时间最小值(2021-01-10 09:00:05)＜生产监测数据采集时间最大值(2021-01-10 13:00:00)≤生产监测结束时间(2021-01-10 13:00:00)＜质量检测开始时间(2021-01-1209:00:00)＜质量检测数据采集时间(2021-01-12 10:00:00)＜质量检测结束时间(2021-01-12 11:00:00)。以上比较结果均为真，验证通过。
c)达标性验证规则：用于验证物资质量是否达到业务所要求的标准。
i.以技术规范数据为标准，对生产监测数据进行达标性验证。
第一步，对于每个生产监测参数，对相应的生产监测参数值进行正态性检验。由于样本数为2880个(较大)，因此采用偏度峰度联合检验。根据公式计算得到JB统计量：根据设定的显著性水平α＝0.05，得到自由度为2的卡方分布临界值/>由于统计量JB小于临界值/>因此样本服从正态分布。
第二步，对生产监测参数的总体参数取值区间进行估计。由于样本服从正态分布，因此采用正态分布法进行估计，根据设定的置信水平1-α＝0.95，得到置信区间上限为下限为/>
第三步，验证生产监测数据的估计区间、最大值和最小值是否满足技术规范数据的标准。根据以下规则进行比较：生产监测数据估计区间下限(0.12)≥技术规范下限(0)，生产监测数据估计区间上限(7.76)≤技术规范上限(8)，生产监测数据最小值(0)≥技术规范下限(0)，生产监测数据最大值(7.1)≤技术规范上限(8)。以上比较结果均为真，验证通过。
ii.以技术规范数据为标准，对质量检测数据进行达标性验证。根据以下规则进行比较：技术规范下限(0)≤质量检测数据(6)≤技术规范上限(8)。以上比较结果均为真，验证通过。
在步骤410中，区块链平台根据质量数据交叉验证策略，对核心企业模块、供应商模块、检测机构模块的上链数据进行交叉验证，得到所有验证结果均为“通过”，并在链上存储验证结果。然后执行步骤411。
在步骤411中，节点单位D通过公共递归解析节点查询Key01对应的标识88.563.11111/Key01、88.563.11112/Key01、88.563.11113/Key01，获取该标识对应的物资质量数据：技术规范数据Value01、生产监测数据Value02、质量检测数据Value03，然后执行步骤412。
在步骤412中，节点单位通过区块链平台对Key01对应的Value01-1、Value02-1、Value03-1进行验真。区块链平台对待验真数据Value01-1、Value02-1、Value03-1分别哈希，得到Hash01-1、Hash02-1、Hash03-1。区块链平台通过标识88.563.11111/Key01、88.563.11112/Key01、88.563.11113/Key01获取链上存储的相应哈希值Hash01、Hash02、Hash03，比对待验真数据的哈希值和该标识对应的链上数据的哈希值，得到验真结果为“一致”，并将验真结果返回给节点单位。
在步骤413中，节点单位通过区块链平台查询Key01对应的物资质量数据的交叉验证结果，区块链平台将验证结果，即所有“通过”结果返回给节点单位。
如图3所示，本发明由数据采集中心、区块链、工业互联网标识体系相关设施组成，在本实施例中，本发明包括供应商模块和检测机构模块的数据采集中心、供应商模块和检测机构模块的企业节点、区块链、节点单位的标识查询应用、公共递归解析节点。供应商模块和检测机构模块的数据采集中心基于物联网技术采集物资生产监测数据、物资质量检测数据；供应商模块和检测机构模块的企业节点为物资生产监测数据、物资质量检测数据进行标识注册和标识数据写入；区块链对物资生产监测数据、物资质量检测数据的标识、标识映射数据、标识映射数据的哈希值进行保真存储，基于核心企业模块设定的质量数据交叉验证策略对上链数据进行交叉验证，并提供数据查询、数据验真结果、交叉验证结果查询能力；节点单位的标识查询应用用标识对公共递归解析节点发起查询请求；公共递归解析节点提供标识数据查询能力。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种基于工业互联网标识和区块链的物资质量溯源方法，其特征在于，包括以下步骤：
物资标识码构建步骤：根据预设的第一行业标识编码规范，构建每个物资对应的唯一标识码；
数据上链步骤：分别获取物资技术规范数据、物资生产监测数据和物资质量检测数据，并根据物资的唯一标识码进行标识注册，根据获取的数据构建每个标识对应的标识映射数据；将标识、标识映射数据和标识映射数据的哈希值上传至区块链中；
交叉验证步骤：经过对应的标识映射数据，对所述物资技术规范数据、物资生产监测数据和物资质量检测数据依次进行完整性验证、逻辑性验证和达标性验证，得到每个物资对应的交叉验证结果，并上传至区块链中；
所述完整性验证包括：对所述物资生产监测数据和物资质量检测数据中的字段进行不为空验证，以及验证在每个生产监测参数下，所述物资生产监测数据不少于预设的第一组数，相邻两个物资生产监测数据的采样时间间隔部不超过第一时间；若所述完整性验证中的各个验证均通过，则执行所述逻辑性验证，否则生成验证不通过的结果；
所述逻辑性验证包括：根据预设的时间先后顺序，对所述物资生产监测数据和物资质量检测数据中的时间数据进行验证；若所述逻辑性验证的验证通过，则执行所述达标性验证，否则生成验证不通过的结果；
所述达标性验证包括：以技术规范数据为标准，分别对所述物资生产监测数据和物资质量检测数据进行达标性验证，获取验证结果；
对所述物资生产监测数据进行达标性验证具体包括以下步骤：
S401：对于所述物资生产监测数据中的每个生产监测参数的参数值进行正态性检验，判断是否符合正态分布；
S402：若生产监测参数的参数值符合正态分布，则采用正态分布法估计该生产监测参数的参数值的置信区间的上下限；
若生产监测参数的参数值不符合正态分布，则采用百分位数法估计该生产监测参数的置信区间的上下限；
S403：根据预设的物资生产监测数据达标性验证规则，通过各个生产监测参数的参数值的置信区间的上下限、最大值和最小值，验证是否满足技术规范数据的标准；
对所述物资质量检测数据进行达标性验证具体包括：根据预设的物资质量检测数据达标性验证规则，验证物资质量检测数据是否满足技术规范数据的标准；
物资质量溯源步骤：根据物资的唯一标识码，获取对应的待检验物资质量检测数据，将待检验物资质量检测数据的哈希值与该物资的唯一标识码对应的区块链上的物资质量检测数据的哈希值对比，得到验真结果；根据物资的唯一标识码查询获取对应的交叉验证结果。
2.根据权利要求1所述的一种基于工业互联网标识和区块链的物资质量溯源方法，其特征在于，步骤S401中，采用偏度峰度联合检验法进行正态性检验，所述正态性检验法包括：
将某一生产监测参数的参数值作为样本，计算JB统计量，该JB统计量的计算表达式为：
式中，n为观测数，S为样本偏度，K为样本峰度，为三阶中心矩的估计值，/>为四阶中心矩的估计值，/>为样本均值，xi为第i个样本的样本值，/>为二阶中心矩的估计值；
根据预设的显著性水平α，得到自由度为2的卡方卡方分布临界值
将所述JB统计量与临界值x2比较，若JB统计量小于临界值，则样本服从正态分布，否则样本不服从正态分布。
3.根据权利要求1所述的一种基于工业互联网标识和区块链的物资质量溯源方法，其特征在于，步骤S402中，所述正态分布法具体为：根据预先设定的置信水平为1-α，获取置信区间的上下限为其中/>为样本均值，s为标准差。
4.根据权利要求1所述的一种基于工业互联网标识和区块链的物资质量溯源方法，其特征在于，步骤S402中，所述百分位数法具体为：根据预先设定的置信水平为1-α，获取置信区间的上下限分别为和/>时对应的百分位数/>其中，Px是第x位百分位数，Lx是第x位百分位数所在组的下限，i是组距，fx是第x位百分位数所在组的频数，n是总频数，∑fx是第x位百分位数所在组前一组的累计频数。
5.根据权利要求1所述的一种基于工业互联网标识和区块链的物资质量溯源方法，其特征在于，所述物资生产监测数据基于物联网直接从生产设备获取；所述物资质量检测数据基于物联网直接从检测设备获取。
6.根据权利要求1所述的一种基于工业互联网标识和区块链的物资质量溯源方法，其特征在于，所述物资生产监测数据对应的标识映射数据还包括平均值、均方差和样本数。
7.一种基于工业互联网标识和区块链的物资质量溯源系统，其特征在于，包括：
核心企业模块，用于通过企业节点分别获取物资技术规范数据、物资生产监测数据和物资质量检测数据，并根据物资的唯一标识码进行标识注册，根据获取的数据构建每个标识对应的标识映射数据；将标识、标识映射数据和标识映射数据的哈希值上传至区块链中；所述企业节点为物资生产企业，所述唯一标识码根据预设的第一行业标识编码规范构建，并与每个物资相对应；
供应商模块，用于通过企业节点获取物资生产监测数据，并根据物资的唯一标识码进行标识注册，根据物资生产监测数据构建每个标识对应的标识映射数据；将标识、标识映射数据和标识映射数据的哈希值上传至区块链中；
检测机构模块，用于通过企业节点获取物资质量检测数据，并根据物资的唯一标识码进行标识注册，根据物资质量检测数据构建每个标识对应的标识映射数据；将标识、标识映射数据和标识映射数据的哈希值上传至区块链中；
区块链平台，用于对所述物资技术规范数据、物资生产监测数据和物资质量检测数据的标识映射数据依次进行完整性验证、逻辑性验证和达标性验证，得到每个物资对应的交叉验证结果，并上传至区块链中；
所述完整性验证包括：对所述物资生产监测数据和物资质量检测数据中的字段进行不为空验证，以及验证在每个生产监测参数下，所述物资生产监测数据不少于预设的第一组数，相邻两个物资生产监测数据的采样时间间隔部不超过第一时间；若所述完整性验证中的各个验证均通过，则执行所述逻辑性验证，否则生成验证不通过的结果；
所述逻辑性验证包括：根据预设的时间先后顺序，对所述物资生产监测数据和物资质量检测数据中的时间数据进行验证；若所述逻辑性验证的验证通过，则执行所述达标性验证，否则生成验证不通过的结果；
所述达标性验证包括：以技术规范数据为标准，分别对所述物资生产监测数据和物资质量检测数据进行达标性验证，获取验证结果；
对所述物资生产监测数据进行达标性验证具体包括以下步骤：
S1：对于所述物资生产监测数据中的每个生产监测参数的参数值进行正态性检验，判断是否符合正态分布；
S2：若生产监测参数的参数值符合正态分布，则采用正态分布法估计该生产监测参数的参数值的置信区间的上下限；
若生产监测参数的参数值不符合正态分布，则采用百分位数法估计该生产监测参数的置信区间的上下限；
S3：根据预设的物资生产监测数据达标性验证规则，通过各个生产监测参数的参数值的置信区间的上下限、最大值和最小值，验证是否满足技术规范数据的标准；
对所述物资质量检测数据进行达标性验证具体包括：根据预设的物资质量检测数据达标性验证规则，验证物资质量检测数据是否满足技术规范数据的标准；
公共递归解析节点，用于根据物资查询请求中的唯一标识码，获取对应的待检验物资质量检测数据，并返回给节点单位模块；
节点单位模块，包含多个企业节点，用于生成物资查询请求，将公共递归解析节点返回的待检验物资质量检测数据，与区块链平台中该物资的唯一标识码对应的物资质量检测数据的哈希值对比，得到验真结果；根据物资的唯一标识码在区块链平台中查询获取对应的交叉验证结果。
8.根据权利要求7所述的一种基于工业互联网标识和区块链的物资质量溯源系统，其特征在于，步骤S1中，采用偏度峰度联合检验法进行正态性检验，所述正态性检验法包括：
将某一生产监测参数的参数值作为样本，计算JB统计量，该JB统计量的计算表达式为：
式中，n为观测数，S为样本偏度，K为样本峰度，为三阶中心矩的估计值，/>为四阶中心矩的估计值，/>为样本均值，xi为第i个样本的样本值，/>为二阶中心矩的估计值；
根据预设的显著性水平α，得到自由度为2的卡方卡方分布临界值
将所述JB统计量与临界值χ2比较，若JB统计量小于临界值，则样本服从正态分布，否则样本不服从正态分布。
9.根据权利要求8所述的一种基于工业互联网标识和区块链的物资质量溯源系统，其特征在于，步骤S2中，所述正态分布法具体为：根据预先设定的置信水平为1-α，获取置信区间的上下限为其中/>为样本均值，s为标准差；
步骤S2中，所述百分位数法具体为：根据预先设定的置信水平为1-α，获取置信区间的上下限分别为和/>时对应的百分位数/> 其中，Px是第x位百分位数，Lx是第x位百分位数所在组的下限，i是组距，fx是第x位百分位数所在组的频数，n是总频数，∑fx是第x位百分位数所在组前一组的累计频数。
10.根据权利要求7所述的一种基于工业互联网标识和区块链的物资质量溯源系统，其特征在于，所述物资生产监测数据基于物联网直接从生产设备获取；所述物资质量检测数据基于物联网直接从检测设备获取；
所述物资生产监测数据对应的标识映射数据还包括平均值、均方差和样本数。
CN202111048719.9A 2021-09-08 2021-09-08 基于工业互联网标识和区块链的物资质量溯源方法和系统 Active CN113760916B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111048719.9A CN113760916B (zh) 2021-09-08 2021-09-08 基于工业互联网标识和区块链的物资质量溯源方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111048719.9A CN113760916B (zh) 2021-09-08 2021-09-08 基于工业互联网标识和区块链的物资质量溯源方法和系统

Publications (2)

Publication Number Publication Date
CN113760916A CN113760916A (zh) 2021-12-07
CN113760916B true CN113760916B (zh) 2024-03-29

Family

ID=78793805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111048719.9A Active CN113760916B (zh) 2021-09-08 2021-09-08 基于工业互联网标识和区块链的物资质量溯源方法和系统

Country Status (1)

Country Link
CN (1) CN113760916B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117455312B (zh) * 2023-12-12 2024-03-08 国网信通亿力科技有限责任公司 基于区块链技术的电网智慧供应链质量检测方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111209596A (zh) * 2020-04-21 2020-05-29 国网电子商务有限公司 一种基于区块链的工业互联网标识解析访问控制方法
CN112243023A (zh) * 2020-08-05 2021-01-19 宁夏无线互通信息技术有限公司 基于工业互联网标识解析的产品追溯系统及追溯方法
CN112347194A (zh) * 2021-01-08 2021-02-09 南京锦隆金属制品有限公司 一种基于区块链技术的钢铁供应链产品溯源系统
CN112418659A (zh) * 2020-11-20 2021-02-26 上海魔橙网络科技有限公司 基于区块链系统的跨境商品溯源方法、系统及装置
AU2020104272A4 (en) * 2020-12-23 2021-03-11 Hunan Tian He Guo Yun Technology Co., Ltd. Blockchain-based industrial internet data security monitoring method and system
CN112950229A (zh) * 2021-03-15 2021-06-11 杭州云象网络技术有限公司 区块链复合溯源方法及溯源与标识解析系统
CN113055179A (zh) * 2021-02-21 2021-06-29 西安电子科技大学 一种链上结算数据的多类函数零知识审计方法、系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111209596A (zh) * 2020-04-21 2020-05-29 国网电子商务有限公司 一种基于区块链的工业互联网标识解析访问控制方法
CN112243023A (zh) * 2020-08-05 2021-01-19 宁夏无线互通信息技术有限公司 基于工业互联网标识解析的产品追溯系统及追溯方法
CN112418659A (zh) * 2020-11-20 2021-02-26 上海魔橙网络科技有限公司 基于区块链系统的跨境商品溯源方法、系统及装置
AU2020104272A4 (en) * 2020-12-23 2021-03-11 Hunan Tian He Guo Yun Technology Co., Ltd. Blockchain-based industrial internet data security monitoring method and system
CN112347194A (zh) * 2021-01-08 2021-02-09 南京锦隆金属制品有限公司 一种基于区块链技术的钢铁供应链产品溯源系统
CN113055179A (zh) * 2021-02-21 2021-06-29 西安电子科技大学 一种链上结算数据的多类函数零知识审计方法、系统
CN112950229A (zh) * 2021-03-15 2021-06-11 杭州云象网络技术有限公司 区块链复合溯源方法及溯源与标识解析系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于区块链的农业科学数据溯源应用初探;王姝;孙善鹏;樊景超;刘佳;郭志斌;王丽娟;李成赞;周国民;周园春;;农业大数据学报;20200626(第02期);全文 *

Also Published As

Publication number Publication date
CN113760916A (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
CN110992068B (zh) 基于区块链的疫苗全生命周期管理方法及系统
Shahbazi et al. Smart manufacturing real-time analysis based on blockchain and machine learning approaches
US10375171B2 (en) Iterative learning for reliable sensor sourcing systems
CN105868373B (zh) 电力业务信息系统关键数据处理方法及装置
US20140188563A1 (en) Customer demographic data change detection based on monitored utility consumption
CN111915143B (zh) 一种基于智能合约的复杂产品装配管控系统
CN109791808A (zh) 远程数据分析和诊断
CN113760916B (zh) 基于工业互联网标识和区块链的物资质量溯源方法和系统
CA2937919A1 (en) Evaluating data quality of clinical trials
CN112686717B (zh) 一种广告召回的数据处理方法及系统
Marie et al. QoCIM: a meta-model for quality of context
CN113793091A (zh) 冷链供应链可信监控与冷链仓储智能决策方法
CN116932523A (zh) 一种整合和监管第三方环境检测机构的平台
CN114061728A (zh) 一种动态汽车衡远程计量及监测系统
CN117893220A (zh) 一种产品碳足迹管理方法、装置、设备和存储介质
Zhu Research on evolutionary game of digital twin data information sharing based on blockchain technology
Song et al. A Dynamic Source Tracing Method for Food Supply Chain Quality and Safety Based on Big Data
US20240177841A1 (en) Medical supply inventory management system
CN116827808B (zh) 一种基于工业物联网的多设备联合通讯系统、方法及设备
US20240354778A1 (en) Object story signaling to track object lifecycle
CN116968583A (zh) 充电桩故障确定方法及装置、存储介质、计算机设备
US20240013232A1 (en) Conditional performance of actions based on product object story
CN117575626A (zh) 产品管理方法、装置、电子设备和计算机可读存储介质
CN107562553A (zh) 数据中心管理方法和设备
Luong et al. longSil: An evaluation metric to assess quality of clustering longitudinal clinical data

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