CN115630877A - 一种用于透明质酸钠生产的质量检测方法及系统 - Google Patents
一种用于透明质酸钠生产的质量检测方法及系统 Download PDFInfo
- Publication number
- CN115630877A CN115630877A CN202211630004.9A CN202211630004A CN115630877A CN 115630877 A CN115630877 A CN 115630877A CN 202211630004 A CN202211630004 A CN 202211630004A CN 115630877 A CN115630877 A CN 115630877A
- Authority
- CN
- China
- Prior art keywords
- data
- production
- product
- score
- quality
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 182
- 229920002385 Sodium hyaluronate Polymers 0.000 title claims abstract description 57
- 229940010747 sodium hyaluronate Drugs 0.000 title claims abstract description 57
- YWIVKILSMZOHHF-QJZPQSOGSA-N sodium;(2s,3s,4s,5r,6r)-6-[(2s,3r,4r,5s,6r)-3-acetamido-2-[(2s,3s,4r,5r,6r)-6-[(2r,3r,4r,5s,6r)-3-acetamido-2,5-dihydroxy-6-(hydroxymethyl)oxan-4-yl]oxy-2-carboxy-4,5-dihydroxyoxan-3-yl]oxy-5-hydroxy-6-(hydroxymethyl)oxan-4-yl]oxy-3,4,5-trihydroxyoxane-2- Chemical compound [Na+].CC(=O)N[C@H]1[C@H](O)O[C@H](CO)[C@@H](O)[C@@H]1O[C@H]1[C@H](O)[C@@H](O)[C@H](O[C@H]2[C@@H]([C@@H](O[C@H]3[C@@H]([C@@H](O)[C@H](O)[C@H](O3)C(O)=O)O)[C@H](O)[C@@H](CO)O2)NC(C)=O)[C@@H](C(O)=O)O1 YWIVKILSMZOHHF-QJZPQSOGSA-N 0.000 title claims abstract description 57
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000012549 training Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 9
- 238000000855 fermentation Methods 0.000 claims description 8
- 230000004151 fermentation Effects 0.000 claims description 8
- 239000002131 composite material Substances 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 238000001035 drying Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 4
- 239000007788 liquid Substances 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 claims description 2
- 238000012258 culturing Methods 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims description 2
- 238000003801 milling Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 3
- 238000013480 data collection Methods 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000006243 chemical reaction Methods 0.000 description 10
- 230000001954 sterilising effect Effects 0.000 description 6
- 238000004659 sterilization and disinfection Methods 0.000 description 6
- 238000001816 cooling Methods 0.000 description 5
- 238000003756 stirring Methods 0.000 description 4
- 238000009423 ventilation Methods 0.000 description 4
- KIUKXJAPPMFGSW-DNGZLQJQSA-N (2S,3S,4S,5R,6R)-6-[(2S,3R,4R,5S,6R)-3-Acetamido-2-[(2S,3S,4R,5R,6R)-6-[(2R,3R,4R,5S,6R)-3-acetamido-2,5-dihydroxy-6-(hydroxymethyl)oxan-4-yl]oxy-2-carboxy-4,5-dihydroxyoxan-3-yl]oxy-5-hydroxy-6-(hydroxymethyl)oxan-4-yl]oxy-3,4,5-trihydroxyoxane-2-carboxylic acid Chemical compound CC(=O)N[C@H]1[C@H](O)O[C@H](CO)[C@@H](O)[C@@H]1O[C@H]1[C@H](O)[C@@H](O)[C@H](O[C@H]2[C@@H]([C@@H](O[C@H]3[C@@H]([C@@H](O)[C@H](O)[C@H](O3)C(O)=O)O)[C@H](O)[C@@H](CO)O2)NC(C)=O)[C@@H](C(O)=O)O1 KIUKXJAPPMFGSW-DNGZLQJQSA-N 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000005273 aeration Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229920002674 hyaluronan Polymers 0.000 description 2
- 229960003160 hyaluronic acid Drugs 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- -1 pH value Chemical compound 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 230000004580 weight loss Effects 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000013019 agitation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000009837 dry grinding Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000002778 food additive Substances 0.000 description 1
- 235000013402 health food Nutrition 0.000 description 1
- 239000003906 humectant Substances 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance 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
- G06Q10/06—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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
Abstract
本发明公开了一种用于透明质酸钠生产的质量检测方法及系统，涉及质量检测技术领域，解决了现有技术无法对生产过程进行有效评估，导致透明质酸钠的产出比例和产品质量难以保证的技术问题；本发明综合透明质酸钠的生产过程及其本身参数来进行质量分析；主要通过对数据采集模块采集的生产数据进行划分获取若干阶段数据，整合若干阶段数据生产流程序列，结合成品预测模型确定产品预测产量，进而获取生产得分；通过对生产过程中条件数据和成分数据进行分析获取产品预测产量，对生产过程的成品出产率进行评估，联合分析产品数据获取的质量得分对透明质酸钠整个生产过程进行分析，保证产品比例和产品质量，提高对透明质酸钠生产过程质量监控的便捷性。
Description
技术领域
本发明属于质量检测领域，涉及透明质酸钠的质量检测技术，具体是一种用于透明质酸钠生产的质量检测方法及系统。
背景技术
透明质酸钠是今年迅速发展起来的新型保健食品添加剂，是一种优良的天然保湿剂，广泛应用于化妆品、食品、药品和临床医学领域。透明质酸钠在生产过程中，无论是通过生物提取法还是微生物发酵法，均需要经过多重工序，因此如何高效准确地对生产的透明质酸钠进行质量检测是非常重要的。
现有技术在对生产的透明质酸钠进行质量检测时，一般是分析成品的相关参数来判断透明质酸钠的质量，如pH值、透光率、干燥失重等，该方式仅从产品角度进行质量检测，其得出的结论是生成的透明质酸钠是否符合理化特性要求，而没有考虑产出比例和反应条件的问题，无法有效评估整个生产过程，难以及时调整生产过程以提高透明质酸钠的产出比例和产品质量；因此，亟须一种能够结合反应过程的透明质酸钠的质量检测方法及系统。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种用于透明质酸钠生产的质量检测方法及系统，用于解决现有技术仅能够的单一评估产品的理化特性，而无法对生产过程进行有效评估，导致透明质酸钠的产出比例和产品质量难以保证的技术问题。
为实现上述目的，本发明的第一方面提供了一种用于透明质酸钠生产的质量检测系统，包括中枢控制模块，以及与之相连接的数据采集模块和动态显示模块；数据采集模块与若干类型数据传感器相连接；
数据采集模块通过若干类型的数据传感器依次采集生产数据和产品数据，并将采集的生产数据和产品数据进行预处理之后发送至中枢控制模块；其中，生产数据在生产过程中采集，产品数据在分析产品质量过程中获取；
中枢控制模块按照生产阶段将生产数据划分成若干阶段数据；整理若干阶段数据，整合拼接生成生产流程序列；将生产流程序列与成品预测模型结合起来预测对应生产过程的产品预测产量；其中，成品预测模型基于人工智能模型构建；
中枢控制模块将产品预测产量和产品实际产量进行比较，获取生产得分；以及分析产品数据，获取质量得分；将生产得分和质量得分结合计算综合得分，进而判断质量是否合格，并通过动态显示模块对判断结果进行动态显示。
优选的，所述中枢控制模块分别与数据采集模块和动态显示模块通信和/或电气连接；其中，动态显示模块通过控制显示屏对分析结果进行动态显示；
所述数据采集模块与若干类型的数据传感器通信和/或电气连接；其中，若干类型数据传感器用于监测生产过程和检测透明质酸钠成品。
优选的，所述中枢控制模块根据划分获取的若干阶段数据进行整合拼接，生成生产流程序列；包括：
根据生产阶段将生产数据划分为若干阶段数据；其中，生产阶段包括配置摇瓶种子液、配置种子罐种子液、发酵培养、发酵液提纯和干燥制粉；
对所述阶段数据中的条件数据与对应标准条件比较，确定条件偏离系数；将条件偏离系数与阶段数据中的成分数据拼接生成阶段流程序列；
将若干阶段数据对应的阶段流程序列拼接，生成生产流程序列。
优选的，所述中枢控制模块计算阶段数据中条件数据的条件偏离系数，包括：
从阶段数据中提取条件数据，将条件数据按照类型区分之后标记为i；其中，i=1，2，……，n，n为正整数；
判断条件数据i与对应标准条件之间的差值是否满足误差要求；是，则将差值映射为条件数据的条件得分TFi；否，将条件数据的得分TFi赋值为0；
通过公式TPX=β×∑(αi×TFi)计算条件偏离系数TPX；其中，β为根据经验设定的比例系数，αi为对应条件数据i的权重系数，且∑αi=1。
优选的，所述中枢控制模块基于成品预测模型和生产流程序列获取产品预测产量，包括：
获取训练完成的成品预测模型；其中，成品预测模型通过标准训练数据训练获取，标准训练数据包括若干组生成流程序列以及对应的产品实际产量；
将生产流程序列输入至成品预测模型，获取输出的产品预测产量；其中，成品预测模型基于BP神经网络模型或者RBF神经网络模型构建。
优选的，所述中枢控制模块将产品预测产量和产品实际产量进行比较，获取生产得分，包括：
计算产品实际产量和产品预测产量的差值，标记为产量误差；
将产量误差带入至生产得分曲线获取对应的生产得分；其中，生产得分曲线以产量误差为自变量，生产得分为因变量构建的以自然数e为底的对数曲线。
优选的，所述中枢控制模块根据生产得分和质量得分计算综合得分，包括：
将生产得分和质量得分分别标记为SF和ZF；
通过公式HF=γ1×SF+γ2×ZF计算综合得分HF；根据综合得分判断透明质酸钠生产过程是否合格；其中，γ1和γ2分别为权重系数，且γ1+γ2=1。
本发明的第二方面提供了一种用于透明质酸钠生产的质量检测方法，包括：
数据采集模块通过若干类型的数据传感器依次采集生产数据和产品数据；中枢控制模块按照生产阶段将生产数据整合拼接生成生产流程序列；将生产流程序列与成品预测模型结合起来预测对应生产过程的产品预测产量；
中枢控制模块将产品预测产量和产品实际产量进行比较，获取生产得分；分析产品数据，获取对应的质量得分；将生产得分和质量得分结合计算综合得分，进而判断质量是否合格，并通过动态显示模块对判断结果进行动态显示。
本发明的第三方面提供了一种用于透明质酸钠生产的质量检测装置，包括存储介质和处理器，所述存储介质存储操作质量，所述处理器执行操作指令控制一种用于透明质酸钠生产的质量检测系统工作。
本发明的第四方面提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被执行时实现一种用于透明质酸钠生产的质量检测系统的工作。
与现有技术相比，本发明的有益效果是：本发明通过对数据采集模块采集的生产数据进行划分获取若干阶段数据，整合若干阶段数据生产流程序列，结合成品预测模型确定产品预测产量，进而获取生产得分；通过对生产过程中条件数据和成分数据进行分析获取产品预测产量，对生产过程的成品出产率进行评估，联合分析产品数据获取的质量得分对透明质酸钠整个生产过程进行分析，保证产品比例和产品质量，提高了对透明质酸钠生产过程质量监控的便捷性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的系统原理示意图；
图2为本发明的工作步骤示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1-图2，本发明第一方面实施例提供了一种用于透明质酸钠生产的质量检测系统，包括中枢控制模块，以及与之相连接的数据采集模块和动态显示模块；数据采集模块与若干类型数据传感器相连接；数据采集模块通过若干类型的数据传感器依次采集生产数据和产品数据，并将采集的生产数据和产品数据进行预处理之后发送至中枢控制模块；中枢控制模块按照生产阶段将生产数据划分成若干阶段数据；整理若干阶段数据，整合拼接生成生产流程序列；将生产流程序列与成品预测模型结合起来预测对应生产过程的产品预测产量；中枢控制模块将产品预测产量和产品实际产量进行比较，获取生产得分；以及分析产品数据，获取质量得分；将生产得分和质量得分结合计算综合得分，进而判断质量是否合格，并通过动态显示模块对判断结果进行动态显示。
相较于现有技术仅根据透明质酸钠本身参数进行质量分析，本发明综合透明质酸钠的生产过程及其本身参数来进行质量分析。本发明通过对数据采集模块采集的生产数据进行划分获取若干阶段数据，整合若干阶段数据生产流程序列，结合成品预测模型确定产品预测产量，进而获取生产得分；通过对生产过程中条件数据和成分数据进行分析获取产品预测产量，对生产过程的成品出产率进行评估，联合分析产品数据获取的质量得分对透明质酸钠整个生产过程进行分析，保证产品比例和产品质量。
本发明中生产数据在生产过程中采集，主要采集添加的成分数据和设置的条件数据；成分数据如培养液、糖、乙醇、硅藻土等，条件数据如灭菌条件、冷却条件、pH条件、干燥条件等。产品数据在分析产品质量过程中获取，主要包括生产的透明质酸钠的理化特性，如气味、pH值、澄清度、透光率、干燥失重、蛋白质含量等。具体的生产数据和条件数据可参考申请号为CN2010103010647的发明专利，具体为一种微生物发酵法生产透明质酸的方法，公开了基于生物发酵法的透明质酸生产方法。
本发明中中枢控制模块分别与数据采集模块和动态显示模块通信和/或电气连接；数据采集模块与若干类型的数据传感器通信和/或电气连接；其中，若干类型数据传感器用于监测生产过程和检测透明质酸钠成品。需要说明的是，本发明的数据传感器包括温度传感器、压力传感器以及各种仪器仪表，必要时候还包括智能手机和电脑等，工作人员可以通过智能手机输入相关数据。
动态显示模块通过控制显示屏对分析结果进行动态显示，对每个生产过程的工艺流程、成分数据、条件数据以及质量检测结果进行动态展示，而且对于不符合要求的数据进行标记预警。
本发明中中枢控制模块根据划分获取的若干阶段数据进行整合拼接，生成生产流程序列；包括：根据生产阶段将生产数据划分为若干阶段数据；对阶段数据中的条件数据与对应标准条件比较，确定条件偏离系数；将条件偏离系数与阶段数据中的成分数据拼接生成阶段流程序列；将若干阶段数据对应的阶段流程序列拼接，生成生产流程序列。
上述生产阶段包括配置摇瓶种子液、配置种子罐种子液、发酵培养、发酵液提纯和干燥制粉，当然在另外一些优选的实施例中生产阶段可能略有不同。每个阶段对应的成分数据和条件数据均不相同，成分数据一般按照设定值来条件即可，而条件数据主要是对反应条件的控制，并不是单纯设置一个值能够解决的，本发明通过条件偏离系数来描述对应阶段数据反应条件较标准值的偏离程度。
在一个可选的实施例中，中枢控制模块计算阶段数据中条件数据的条件偏离系数，包括：从阶段数据中提取条件数据，将条件数据按照类型区分之后标记为i；判断条件数据i与对应标准条件之间的差值是否满足误差要求；是，则将差值映射为条件数据的条件得分TFi；否，将条件数据的得分TFi赋值为0；通过公式TPX=β×∑(αi×TFi)计算条件偏离系数TPX。
各生产阶段中的每个反应条件均设置对应的标准条件，但是受限于设备表现以及环境影响，很难刚好处于标准条件，反应条件的偏离会影响反应进度和反应效率，因此需要对反应条件的偏离程度进行分析，以保证透明质酸钠的产出效率和产出比例。
举例说明上述实施例：假设发酵培养阶段的标准条件包括121℃灭菌30分钟、冷却至37℃、通气量400-600升/分钟、搅拌转速140-160/分钟、37℃培养24-26小时；而实际的条件数据(实际测得的)是115℃灭菌30分钟、冷却至35℃、通气量500升/分钟、搅拌转速150/分钟、37℃培养24小时。
i=1，2，3，4，5分别表示灭菌条件、冷却条件、通气量条件、搅拌条件和培养条件。在一个优选的实施例中，利用0和1来表示各条件数据是否符合要求，如灭菌条件不符合要求，则TF1=0；冷却条件不符合要求，则TF1=0；通气量条件符合，则TF3=1；搅拌转速符合要求，则TF4=1；培养条件符合要求，TF1=1。
在另外一个优选的实施例中，根据偏离程度对条件数据进行打分，如上述假设，温度控制的允许误差为10摄氏度，灭菌条件在允许误差内每差1℃则扣除10分(满分100分)，则TF1=40，TF2=80；通气量每偏离中心值1升扣除1分，TF3=100分；搅拌速度可参考通气量来映射，TF4=100；培养时间每偏离中心值一小时扣除50分，则TF5=50。
而αi为对应条件数据i的权重系数，反应条件越重要，对应的权重系数越大；β根据经验设定，一般取默认值1，当对应生产阶段越重要，则β越大。
本发明中中枢控制模块基于成品预测模型和生产流程序列获取产品预测产量，包括：获取训练完成的成品预测模型；将生产流程序列输入至成品预测模型，获取输出的产品预测产量。
成品预测模型通过标准训练数据训练获取，标准训练数据包括若干组生成流程序列以及对应的产品实际产量，标准训练数据是从日常正常的生产过程提取的，数据量越大越能够保证成品预测模型的精度。
需要说明的是，对各阶段数据进行分析整合最终生成生产流程序列，实质就是将各生产阶段的成分数据和条件偏离系数拼接起来，如[(一阶段的成分数据，一阶段的条件偏离系数),(二阶段的成分数据，二阶段的条件偏离系数),(三阶段的成分数据，三阶段的条件偏离系数),(四阶段的成分数据，四阶段的条件偏离系数),(五阶段的成分数据，五阶段的条件偏离系数)]。
本发明中中枢控制模块将产品预测产量和产品实际产量进行比较，获取生产得分，包括：计算产品实际产量和产品预测产量的差值，标记为产量误差；将产量误差带入至生产得分曲线获取对应的生产得分。
根据产品实际产量和产品预测产量的差值来确定该生产过程对应的生产得分，产量误差越大则对应的生产得分越低，反之生产得分越高。本发明中的产量误差是绝对值，即无论是产品实际产量比产品预测产量低或者高都说明生产过程的控制有问题，均需要及时定位问题。
值得注意的是，本发明中的生产得分曲线以产量误差为自变量，生产得分为因变量构建的以自然数e为底的对数曲线，具体形式如y=ψ×lnx，y为因变量，x为自变量，ψ为模拟得到的比例系数。
在一个优选的实施例中，中枢控制模块根据生产得分和质量得分计算综合得分，包括：将生产得分和质量得分分别标记为SF和ZF；通过公式HF=γ1×SF+γ2×ZF计算综合得分HF；根据综合得分判断透明质酸钠生产过程是否合格。
质量得分是对透明质酸钠成品的各项理化指标分析得到的评分，用于表示成品质量。在计算综合得分之前，可以将生产得分和质量得分均归一化处理到100分制度。
用综合得分来表征生产得分和质量得分，当综合得分比设定的分数值高时，则表示生产过程和透明质酸钠的质量是合格的；而当综合得分不高于设定的分数值时，则说明生产过程或者透明质酸钠成品质量至少有一个不合格，此时即可进行预警，以便于工作人员对生产过程进行及时调控。
本发明的第二方面实施例提供了一种用于透明质酸钠生产的质量检测方法，包括：数据采集模块通过若干类型的数据传感器依次采集生产数据和产品数据；中枢控制模块按照生产阶段将生产数据整合拼接生成生产流程序列；将生产流程序列与成品预测模型结合起来预测对应生产过程的产品预测产量；中枢控制模块将产品预测产量和产品实际产量进行比较，获取生产得分；分析产品数据，获取对应的质量得分；将生产得分和质量得分结合计算综合得分，进而判断质量是否合格，并通过动态显示模块对判断结果进行动态显示。
本发明的第三方面实施例提供了一种用于透明质酸钠生产的质量检测装置，包括存储介质和处理器，存储介质存储操作质量，处理器执行操作指令控制一种用于透明质酸钠生产的质量检测系统工作。
本发明的第四方面实施例提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被执行时实现一种用于透明质酸钠生产的质量检测系统的工作。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (10)
1.一种用于透明质酸钠生产的质量检测系统，包括中枢控制模块，以及与之相连接的数据采集模块和动态显示模块；数据采集模块与若干类型数据传感器相连接；其特征在于：
数据采集模块通过若干类型的数据传感器依次采集生产数据和产品数据，并将采集的生产数据和产品数据进行预处理之后发送至中枢控制模块；其中，生产数据在生产过程中采集，产品数据在分析产品质量过程中获取；
中枢控制模块按照生产阶段将生产数据划分成若干阶段数据；整理若干阶段数据，整合拼接生成生产流程序列；将生产流程序列与成品预测模型结合起来预测对应生产过程的产品预测产量；其中，成品预测模型基于人工智能模型构建；
中枢控制模块将产品预测产量和产品实际产量进行比较，获取生产得分；以及分析产品数据，获取质量得分；将生产得分和质量得分结合计算综合得分，进而判断质量是否合格，并通过动态显示模块对判断结果进行动态显示。
2.根据权利要求1所述的一种用于透明质酸钠生产的质量检测系统，其特征在于，所述中枢控制模块分别与数据采集模块和动态显示模块通信和/或电气连接；其中，动态显示模块通过控制显示屏对分析结果进行动态显示；
所述数据采集模块与若干类型的数据传感器通信和/或电气连接；其中，若干类型数据传感器用于监测生产过程和检测透明质酸钠成品。
3.根据权利要求1所述的一种用于透明质酸钠生产的质量检测系统，其特征在于，所述中枢控制模块根据划分获取的若干阶段数据进行整合拼接，生成生产流程序列；包括：
根据生产阶段将生产数据划分为若干阶段数据；其中，生产阶段包括配置摇瓶种子液、配置种子罐种子液、发酵培养、发酵液提纯和干燥制粉；
对所述阶段数据中的条件数据与对应标准条件比较，确定条件偏离系数；将条件偏离系数与阶段数据中的成分数据拼接生成阶段流程序列；
将若干阶段数据对应的阶段流程序列拼接，生成生产流程序列。
4.根据权利要求3所述的一种用于透明质酸钠生产的质量检测系统，其特征在于，所述中枢控制模块计算阶段数据中条件数据的条件偏离系数，包括：
从阶段数据中提取条件数据，将条件数据按照类型区分之后标记为i；其中，i=1，2，……，n，n为正整数；
判断条件数据i与对应标准条件之间的差值是否满足误差要求；是，则将差值映射为条件数据的条件得分TFi；否，将条件数据的得分TFi赋值为0；
通过公式TPX=β×∑(αi×TFi)计算条件偏离系数TPX；其中，β为根据经验设定的比例系数，αi为对应条件数据i的权重系数，且∑αi=1。
5.根据权利要求4所述的一种用于透明质酸钠生产的质量检测系统，其特征在于，所述中枢控制模块基于成品预测模型和生产流程序列获取产品预测产量，包括：
获取训练完成的成品预测模型；其中，成品预测模型通过标准训练数据训练获取，标准训练数据包括若干组生成流程序列以及对应的产品实际产量；
将生产流程序列输入至成品预测模型，获取输出的产品预测产量；其中，成品预测模型基于BP神经网络模型或者RBF神经网络模型构建。
6.根据权利要求5所述的一种用于透明质酸钠生产的质量检测系统，其特征在于，所述中枢控制模块将产品预测产量和产品实际产量进行比较，获取生产得分，包括：
计算产品实际产量和产品预测产量的差值，标记为产量误差；
将产量误差带入至生产得分曲线获取对应的生产得分；其中，生产得分曲线以产量误差为自变量，生产得分为因变量构建的以自然数e为底的对数曲线。
7.根据权利要求6所述的一种用于透明质酸钠生产的质量检测系统，其特征在于，所述中枢控制模块根据生产得分和质量得分计算综合得分，包括：
将生产得分和质量得分分别标记为SF和ZF；
通过公式HF=γ1×SF+γ2×ZF计算综合得分HF；根据综合得分判断透明质酸钠生产过程是否合格；其中，γ1和γ2分别为权重系数，且γ1+γ2=1。
8.一种用于透明质酸钠生产的质量检测方法，基于权利要求1至7任意一项所述的一种用于透明质酸钠生产的质量检测系统执行，其特征在于，包括：
数据采集模块通过若干类型的数据传感器依次采集生产数据和产品数据；中枢控制模块按照生产阶段将生产数据整合拼接生成生产流程序列；将生产流程序列与成品预测模型结合起来预测对应生产过程的产品预测产量；
中枢控制模块将产品预测产量和产品实际产量进行比较，获取生产得分；分析产品数据，获取对应的质量得分；将生产得分和质量得分结合计算综合得分，进而判断质量是否合格，并通过动态显示模块对判断结果进行动态显示。
9.一种用于透明质酸钠生产的质量检测装置，其特征在于，包括存储介质和处理器，所述存储介质存储操作质量，所述处理器执行操作指令控制权利要求1-7任意一项所述的一种用于透明质酸钠生产的质量检测系统工作。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，该计算机程序被执行时实现权利要求1-7任意一项所述的一种用于透明质酸钠生产的质量检测系统的工作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211630004.9A CN115630877B (zh) | 2022-12-19 | 2022-12-19 | 一种用于透明质酸钠生产的质量检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211630004.9A CN115630877B (zh) | 2022-12-19 | 2022-12-19 | 一种用于透明质酸钠生产的质量检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115630877A true CN115630877A (zh) | 2023-01-20 |
| CN115630877B CN115630877B (zh) | 2023-03-21 |
Family
ID=84910072
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211630004.9A Active CN115630877B (zh) | 2022-12-19 | 2022-12-19 | 一种用于透明质酸钠生产的质量检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115630877B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116739351A (zh) * | 2023-08-10 | 2023-09-12 | 山东凯大新型材料科技有限公司 | 一种基于人工智能的硅藻泥管理系统及其方法 |
| CN116739304A (zh) * | 2023-07-20 | 2023-09-12 | 紫灿科技(上海)股份有限公司 | 一种基于产品历史数据的生产误差监控系统及方法 |
| CN116823065A (zh) * | 2023-08-28 | 2023-09-29 | 山东省中源联科生物工程集团有限公司 | 一种基于数据分析的透明质酸钠生产质量智能管理系统 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101190852A (zh) * | 2006-11-27 | 2008-06-04 | 张天德 | 一种利用甘氨酸生产废水制造复混肥的方法 |
| US20080160523A1 (en) * | 2006-08-10 | 2008-07-03 | Brent Woodward | Association of Single Nucleotide Polymorphisms, Dairy Form and Productive Life |
| CN101937212A (zh) * | 2009-07-03 | 2011-01-05 | 中芯国际集成电路制造(上海)有限公司 | 过程检测方法和装置 |
| CN103019094A (zh) * | 2011-09-19 | 2013-04-03 | 费希尔-罗斯蒙特系统公司 | 使用多阶段数据分离的推理过程建模、质量预测及故障检测 |
| RU2531500C1 (ru) * | 2013-05-06 | 2014-10-20 | Генрих Саакович Абрамов | Способ идентификации скважины с измененной объемной обводненностью куста нефтяных скважин |
| CN104792726A (zh) * | 2015-04-30 | 2015-07-22 | 西安近代化学研究所 | 一种乙醇胺胺化反应工艺物流的快速分析方法 |
| CN109738435A (zh) * | 2018-12-13 | 2019-05-10 | 成都信息工程大学 | 一种荞麦生长监测诊断及产量预测方法 |
| CN111798134A (zh) * | 2020-07-06 | 2020-10-20 | 青岛洪锦智慧能源技术有限公司 | 一种基于数据驱动模型的提高污水处理厂甲烷产量方法 |
| CN112101625A (zh) * | 2020-08-13 | 2020-12-18 | 重庆地质矿产研究院 | 一种页岩气井生产动态预测方法及系统 |
| CN113065784A (zh) * | 2021-04-13 | 2021-07-02 | 义乌市禾煜智能装备科技有限公司 | 一种基于大数据的汽车制造业汽车零部件产品生产质量全周期监测分析系统 |
| CN113159439A (zh) * | 2021-04-30 | 2021-07-23 | 兰州里丰正维智能科技有限公司 | 一种作物产量的预测方法、系统、存储介质和电子设备 |
| CN113435718A (zh) * | 2021-06-15 | 2021-09-24 | 北京百度网讯科技有限公司 | 玻璃的生成方法、装置、电子设备及存储介质 |
| CN113988597A (zh) * | 2021-10-26 | 2022-01-28 | 广州春晓信息科技有限公司 | 一种基于预定动作的工艺分析系统 |
| CN114399086A (zh) * | 2021-12-22 | 2022-04-26 | 浙江中控技术股份有限公司 | 甲基氯硅烷粗单体的产量预测方法及装置 |
| CN114971378A (zh) * | 2022-06-16 | 2022-08-30 | 慧之安信息技术股份有限公司 | 一种基于深度学习的农牧产品质量分析系统 |
| CN114998695A (zh) * | 2022-07-18 | 2022-09-02 | 深圳市前海泽金产融科技有限公司 | 一种提高图像识别速度的方法及系统 |
-
2022
- 2022-12-19 CN CN202211630004.9A patent/CN115630877B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080160523A1 (en) * | 2006-08-10 | 2008-07-03 | Brent Woodward | Association of Single Nucleotide Polymorphisms, Dairy Form and Productive Life |
| CN101190852A (zh) * | 2006-11-27 | 2008-06-04 | 张天德 | 一种利用甘氨酸生产废水制造复混肥的方法 |
| CN101937212A (zh) * | 2009-07-03 | 2011-01-05 | 中芯国际集成电路制造(上海)有限公司 | 过程检测方法和装置 |
| CN103019094A (zh) * | 2011-09-19 | 2013-04-03 | 费希尔-罗斯蒙特系统公司 | 使用多阶段数据分离的推理过程建模、质量预测及故障检测 |
| RU2531500C1 (ru) * | 2013-05-06 | 2014-10-20 | Генрих Саакович Абрамов | Способ идентификации скважины с измененной объемной обводненностью куста нефтяных скважин |
| CN104792726A (zh) * | 2015-04-30 | 2015-07-22 | 西安近代化学研究所 | 一种乙醇胺胺化反应工艺物流的快速分析方法 |
| CN109738435A (zh) * | 2018-12-13 | 2019-05-10 | 成都信息工程大学 | 一种荞麦生长监测诊断及产量预测方法 |
| CN111798134A (zh) * | 2020-07-06 | 2020-10-20 | 青岛洪锦智慧能源技术有限公司 | 一种基于数据驱动模型的提高污水处理厂甲烷产量方法 |
| CN112101625A (zh) * | 2020-08-13 | 2020-12-18 | 重庆地质矿产研究院 | 一种页岩气井生产动态预测方法及系统 |
| CN113065784A (zh) * | 2021-04-13 | 2021-07-02 | 义乌市禾煜智能装备科技有限公司 | 一种基于大数据的汽车制造业汽车零部件产品生产质量全周期监测分析系统 |
| CN113159439A (zh) * | 2021-04-30 | 2021-07-23 | 兰州里丰正维智能科技有限公司 | 一种作物产量的预测方法、系统、存储介质和电子设备 |
| CN113435718A (zh) * | 2021-06-15 | 2021-09-24 | 北京百度网讯科技有限公司 | 玻璃的生成方法、装置、电子设备及存储介质 |
| CN113988597A (zh) * | 2021-10-26 | 2022-01-28 | 广州春晓信息科技有限公司 | 一种基于预定动作的工艺分析系统 |
| CN114399086A (zh) * | 2021-12-22 | 2022-04-26 | 浙江中控技术股份有限公司 | 甲基氯硅烷粗单体的产量预测方法及装置 |
| CN114971378A (zh) * | 2022-06-16 | 2022-08-30 | 慧之安信息技术股份有限公司 | 一种基于深度学习的农牧产品质量分析系统 |
| CN114998695A (zh) * | 2022-07-18 | 2022-09-02 | 深圳市前海泽金产融科技有限公司 | 一种提高图像识别速度的方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 石华: "使用BP神经网络预测FCC柴油类型硫含量及其加氢脱硫性能" * |
| 苏晓爽: "基于灰色模型和贝叶斯定理的统计过程质量控制研究" * |
| 赫君菲: "建立凝固型酸奶质构参数对感官性质的预测模型" * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116739304A (zh) * | 2023-07-20 | 2023-09-12 | 紫灿科技(上海)股份有限公司 | 一种基于产品历史数据的生产误差监控系统及方法 |
| CN116739351A (zh) * | 2023-08-10 | 2023-09-12 | 山东凯大新型材料科技有限公司 | 一种基于人工智能的硅藻泥管理系统及其方法 |
| CN116739351B (zh) * | 2023-08-10 | 2023-11-21 | 山东凯大新型材料科技有限公司 | 一种基于人工智能的硅藻泥管理系统及其方法 |
| CN116823065A (zh) * | 2023-08-28 | 2023-09-29 | 山东省中源联科生物工程集团有限公司 | 一种基于数据分析的透明质酸钠生产质量智能管理系统 |
| CN116823065B (zh) * | 2023-08-28 | 2023-12-15 | 山东省中源联科生物工程集团有限公司 | 一种基于数据分析的透明质酸钠生产质量智能管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115630877B (zh) | 2023-03-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115630877B (zh) | 一种用于透明质酸钠生产的质量检测方法及系统 | |
| Jiang et al. | Three-dimensional time-lapse analysis reveals multiscale relationships in maize root systems with contrasting architectures | |
| CN110161194A (zh) | 一种基于气味信息bp神经模糊识别的水果鲜度识别方法、装置及系统 | |
| CN117391482B (zh) | 一种基于大数据监测的大棚温度智能预警方法及系统 | |
| EP2737075B1 (en) | Apparatus and method for monitoring autotroph cultivation | |
| CN112579807A (zh) | 一种基于云计算和大数据分析的智慧农业全周期种植数据云共享平台 | |
| Ho et al. | Stochastic modelling for virtual engineering of controlled atmosphere storage of fruit | |
| CN112396131A (zh) | 一种木瓜丝质量监控方法和装置 | |
| CN111881864A (zh) | 一种智慧农业种植农作物生长全周期全动态监测管理系统 | |
| CN101929993A (zh) | 基于动态模糊神经网络的青霉素发酵过程软测量建模方法 | |
| CN110245460A (zh) | 一种基于多阶段oica的间歇过程故障监测方法 | |
| CN116300774A (zh) | 基于主元分析与核密度估计的间歇过程可视化监控方法 | |
| CN115793756A (zh) | 用于调节植物生长周期的种植柜环境控制系统 | |
| CN113587986B (zh) | 一种自适应自调整的多维度养殖环境质量评估方法及系统 | |
| CN110163459A (zh) | 一种构建多指标评价模型对小麦品质分级的方法 | |
| CN117029927A (zh) | 一种基于数据分析的鹿茸菇养殖环境智能监控系统 | |
| CN116665805A (zh) | 一种基于数字孪生的白酒发酵预测和反馈干预系统 | |
| CN116307384A (zh) | 一种基于物联网的智慧农业土壤培养在线监测系统及方法 | |
| CN116702584A (zh) | 一种用于养殖集装箱的水质监测系统 | |
| CN115617089A (zh) | 基于传感器状态变化的温度控制方法、装置、设备及介质 | |
| CA2791211A1 (en) | Metabolic rate indicator for cellular populations | |
| CN115586321A (zh) | 油中溶解气在线监测数据识别方法、系统、存储器及设备 | |
| CN110490260B (zh) | 一种识别铁包空包温降的方法和装置 | |
| CN113539397A (zh) | 一种仅利用患者样本的实时质量控制体系 | |
| CN112990682A (zh) | 一种基于大数据的化工装置控制参数优化方法和系统 |
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 |