CN117094603B - 基于智能控制的医用功能食品生产线自动化管理系统 - Google Patents
基于智能控制的医用功能食品生产线自动化管理系统 Download PDFInfo
- Publication number
- CN117094603B CN117094603B CN202311343073.6A CN202311343073A CN117094603B CN 117094603 B CN117094603 B CN 117094603B CN 202311343073 A CN202311343073 A CN 202311343073A CN 117094603 B CN117094603 B CN 117094603B
- Authority
- CN
- China
- Prior art keywords
- production
- auxiliary
- raw material
- time
- functional food
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 318
- 235000013376 functional food Nutrition 0.000 title claims abstract description 58
- 239000002994 raw material Substances 0.000 claims abstract description 128
- 230000002159 abnormal effect Effects 0.000 claims abstract description 64
- 238000007726 management method Methods 0.000 claims abstract description 49
- 238000012544 monitoring process Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000005070 sampling Methods 0.000 claims description 71
- 102000004190 Enzymes Human genes 0.000 claims description 68
- 108090000790 Enzymes Proteins 0.000 claims description 68
- 238000007689 inspection Methods 0.000 claims description 35
- 238000001514 detection method Methods 0.000 claims description 30
- 238000011156 evaluation Methods 0.000 claims description 20
- 150000002978 peroxides Chemical class 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 18
- 230000005856 abnormality Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 10
- 238000012550 audit Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 7
- 238000005457 optimization Methods 0.000 abstract description 3
- RQFQJYYMBWVMQG-IXDPLRRUSA-N chitotriose Chemical compound O[C@@H]1[C@@H](N)[C@H](O)O[C@H](CO)[C@H]1O[C@H]1[C@H](N)[C@@H](O)[C@H](O[C@H]2[C@@H]([C@@H](O)[C@H](O)[C@@H](CO)O2)N)[C@@H](CO)O1 RQFQJYYMBWVMQG-IXDPLRRUSA-N 0.000 description 15
- 238000012360 testing method Methods 0.000 description 9
- 229920001661 Chitosan Polymers 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 235000013305 food Nutrition 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 241000238557 Decapoda Species 0.000 description 3
- -1 chitin Chemical compound 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 229920002101 Chitin Polymers 0.000 description 2
- 238000003556 assay Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 229920001542 oligosaccharide Polymers 0.000 description 2
- 150000002482 oligosaccharides Chemical class 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- RGHNJXZEOKUKBD-SQOUGZDYSA-M D-gluconate Chemical compound OC[C@@H](O)[C@@H](O)[C@H](O)[C@@H](O)C([O-])=O RGHNJXZEOKUKBD-SQOUGZDYSA-M 0.000 description 1
- 102000053187 Glucuronidase Human genes 0.000 description 1
- 108010060309 Glucuronidase Proteins 0.000 description 1
- 101000615488 Homo sapiens Methyl-CpG-binding domain protein 2 Proteins 0.000 description 1
- 102100021299 Methyl-CpG-binding domain protein 2 Human genes 0.000 description 1
- 239000003963 antioxidant agent Substances 0.000 description 1
- 230000003078 antioxidant effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229940050410 gluconate Drugs 0.000 description 1
- 150000004676 glycans Chemical class 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007407 health benefit Effects 0.000 description 1
- 230000008821 health effect Effects 0.000 description 1
- 230000007721 medicinal effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920001282 polysaccharide Polymers 0.000 description 1
- 239000005017 polysaccharide Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了基于智能控制的医用功能食品生产线自动化管理系统，属于生产管理技术领域；通过对医用功能食品生产线生产前期的原料实施监测统计以及有效性处理，可以有效提高后续医用功能食品生产数据分析的效率以及数据利用的准确性；通过对医用功能食品生产线的生产过程实施模块化的抽检，并根据抽检结果对后续的生产进行动态控制，可以及时高效的对出现异常的生产环节进行主动管控，可以为后续医用功能食品生产线的生产优化以及管理提供可靠的数据支持；本发明用于解决现有方案中不能在前期以及生产过程实施模块化的抽检以及数据分析，并根据数据分析的结果对后续的生产进行动态管控来提高生产的主动处理效果的技术问题。
Description
技术领域
本发明涉及生产管理技术领域，具体涉及基于智能控制的医用功能食品生产线自动化管理系统。
背景技术
医用功能食品是一种特定的营养成分或生物活性成分，可以提供健康益处或治疗特定疾病的食品，这些食品通常经过科学研究和临床试验，以确保其具有明确的医疗或健康效果。
现有的医用功能食品生产线自动化管理方案在实施时，大多数还是停留在通过物联网技术来对生产过程的各方面数据进行监测、比对、分析以及提示上，不能在前期以及生产过程实施模块化的抽检以及数据分析，并根据数据分析的结果对后续的生产进行动态管控，导致生产的主动处理的效果不佳。
发明内容
本发明的目的在于提供基于智能控制的医用功能食品生产线自动化管理系统，用于解决现有方案中不能在前期以及生产过程实施模块化的抽检以及数据分析，并根据数据分析的结果对后续的生产进行动态管控来提高生产的主动处理效果的技术问题。
本发明的目的可以通过以下技术方案实现：
基于智能控制的医用功能食品生产线自动化管理系统，包括：
原料监测统计处理模块，用于对医用功能食品生产线待生产的医用功能食品的原料进行监测统计，并对原料实施有效性处理，得到原料统计处理信息；包括：
对待生产的医用功能食品的原料类型以及重量进行监测，并将原料类型与数据库中预存储的原料类型权重表进行遍历匹配获取对应的原料类型权重；提取原料类型权重和重量的数值并排序组合得到原料监测数组；
对原料实施有效性处理时，对原料进行抽样检测获取对应的过氧化值，并将检测获取的过氧化值与原料对应的过氧化值标准值进行比对分类；
若过氧化值小于过氧化值标准值，则生成原料正常标签并将其关联的数值设置为1；若过氧化值不小于过氧化值标准值，则生成原料异常标签并将其关联的数值设置为0；
原料正常标签或者原料异常标签构成原料有效分析数据；
对原料监测数组中重量元素后面的位置增加新元素并标记为审核元素，并将原料有效分析数据中原料正常标签或者原料异常标签关联的数值添加到新元素，增加后的原料监测数组与原料有效分析数据构成原料统计处理信息并上传至云平台；
生产加工监控管理模块，用于根据原料统计处理信息对医用功能食品生产线的生产过程实施动态抽检并对自动生产进行动态控制。
优选地，生产加工监控管理模块的工作步骤包括：
获取原料统计处理信息中的原料监测数组并对审核元素进行验证，若审核元素为0，则不继续后续的生产；
若审核元素为1，则获取原料监测数组中原料类型权重和重量的数值，根据原料类型权重的数值获取对应的标准重量，通过计算原料监测数组中重量与标准重量的比值并标记为调整系数；
将调整系数与原料类型对应的原料条件表进行遍历匹配获取对应的主生产条件信息和辅生产条件信息；
根据主生产条件信息对应的主生产时长获取对应的第一抽检时间点并实施对应的第一抽检方案得到第一抽检结果；
根据第一抽检结果控制主生产结束后续的辅生产是否继续生产。
优选地，实施第一抽检方案时，根据第一抽检时间点获取在主生产条件下生产时的主目标物浓度，提取主目标物浓度的数值并与第一抽检时间点对应的标准主目标物浓度进行比对判断；
若主目标物浓度不低于标准主目标物浓度，则生成主生产正常标签；
若主目标物浓度低于标准主目标物浓度，则生成主生产异常标签；
主生产正常标签或者主生产异常标签构成第一抽检结果。
优选地，若第一抽检结果中包含主生产异常标签，则控制后续的辅生产停止生产并生成主生产异常的告警提示；
若第一抽检结果中包含主生产正常标签，则控制后续的辅生产继续生产，并获取辅生产条件信息中的所有辅助酶和辅助酶解条件数据，根据酶解的顺序依次对不同的辅助酶进行编号并标记为第一辅助酶、第二辅助酶、……、第N辅助酶，N为正整数；
根据第一辅助酶、第二辅助酶、……、第N辅助酶对应的辅助酶解条件数据包含的第一辅助酶解时长、第二辅助酶解时长、……、第N辅助酶解时长获取对应的第二抽检时间点、第三抽检时间点、……、第N+1抽检时间点，并根据第二抽检时间点实施对应的第二抽检方案得到第二抽检结果。
优选地，根据第二抽检结果控制第一辅助酶生产结束后续的辅生产是否继续生产时，实施第二抽检方案过程中，根据第二抽检时间点获取在第一辅助酶对应的辅助酶解条件下生产时的辅目标物浓度，提取辅目标物浓度的数值并与第二抽检时间点对应的标准辅目标物浓度进行比对判断；
若辅目标物浓度不低于标准辅目标物浓度，则生成辅生产正常标签；
若辅目标物浓度低于标准辅目标物浓度，则生成辅生产异常标签；
辅生产正常标签或者辅生产异常标签构成第二抽检结果。
优选地，根据第二抽检结果控制第一辅助酶生产结束后续的辅生产是否继续生产，以此类推后续的若干辅助酶的辅生产，直至第N辅助酶的辅生产结束。
优选地，生产加工管理评估模块，用于对医用功能食品生产线自动化生产的全过程实施稳定性评估，并根据评估结果对生产线的生产进行动态告警提示。
优选地，对生产线实施主生产条件和辅生产条件的全过程进行监测以及数据统计分析，获取主生产条件和不同辅生产条件实施生产温度控制时的实时生产温度和实时时间并通过预构建的生产温度坐标系构建对应的实时生产温度曲线，将构建的实时生产温度曲线与对应的标准生产温度曲线进行比对匹配；
若实时生产温度曲线与对应的标准生产温度曲线完全重叠，则生成控制正常标签；若实时生产温度曲线与对应的标准生产温度曲线不完全重叠，则生成控制异常标签。
优选地，根据控制异常标签对出现的生产温度异常进行追溯评估时，将不完全重叠开始出现的时间点标记为第一时间，以及将不完全重叠停止出现的时间点标记第二时间，根据第一时间和第二时间之间的时间段获取实时生产温度曲线和标准生产温度曲线形成的区域面积值；
根据区域面积值对生产温度异常的程度进行评估时，将区域面积值与预设的面积阈值进行比对分类，得到由轻度异常标签或者重度异常标签以及对应的第一时间和第二时间构成异常追溯分析数据；
控制正常标签或者控制异常标记以及对应的异常追溯分析数据构成评估结果，根据评估结果对生产线的生产进行动态告警提示时，根据异常追溯分析数据中的向轻度异常标签或者重度异常标签以及对应的第一时间和第二时间向管理员提示对应生产过程的异常时间以及异常程度。
为了解决上述问题，本发明还提供了一种存储介质，包括至少一个处理器；以及，与至少一个处理器通信连接的存储器；
其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行上述的基于智能控制的医用功能食品生产线自动化管理系统。
相比于现有方案，本发明实现的有益效果：
本发明通过对医用功能食品生产线生产前期的原料实施监测统计以及有效性处理，可以有效提高后续医用功能食品生产数据分析的效率以及数据利用的准确性；通过对医用功能食品生产线的生产过程实施模块化的抽检，并根据抽检结果对后续的生产进行动态控制，可以及时高效的对出现异常的生产环节进行主动管控，避免异常的生产环节造成更大的影响和损失，达到及时止损的目的的同时，还可以为后续医用功能食品生产线的生产优化以及管理提供可靠的数据支持，提高了生产线生产监测数据分析利用的可靠性和多样性。
本发明通过对医用功能食品生产线自动化生产的全过程实施稳定性评估，可以获取不同生产环节生产温度方面的实施是否稳定，并且通过对出现异常的生产温度实施追溯评估，确定对应异常生产温度的异常程度和异常时间，以便可以及时高效的发出预警提示管理人员当下的控制管理以及后续的升级管理，提高了医用功能食品生产线自动化生产稳定方面监测分析的可靠性。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明基于智能控制的医用功能食品生产线自动化管理系统的模块框图。
图2为本发明中对原料实施有效性处理的流程框图。
图3为本发明中根据控制异常标签对出现的生产温度异常进行追溯评估的流程框图。
图4为本发明基于智能控制的医用功能食品生产线自动化管理方法的流程框图。
图5为实现基于智能控制的医用功能食品生产线自动化管理系统的计算机设备的结构示意图。
具体实施方式
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，本领域普通运维人员在没有作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。
实施例1：如图1所示，本发明为基于智能控制的医用功能食品生产线自动化管理系统，包括原料监测统计处理模块、生产加工监控管理模块和云平台；
原料监测统计处理模块，用于对医用功能食品生产线待生产的医用功能食品的原料进行监测统计，并对原料实施有效性处理，得到原料统计处理信息；包括：
对待生产的医用功能食品的原料类型以及重量进行监测，并将原料类型与数据库中预存储的原料类型权重表进行遍历匹配获取对应的原料类型权重；
提取原料类型权重和重量的数值并排序组合得到原料监测数组；
本发明实施例中，医用功能食品具体的可以为高活性壳寡糖；我国具有丰富的壳寡糖生产的天然原料资源——甲壳素，甲壳素来源于水产废弃物的虾壳和蟹壳，经脱乙酰后获得一种碱性多糖——壳聚糖，壳聚糖经降解后得到壳寡糖，有研究显示分子量1000 Da左右的壳寡糖可显著降低血糖、提高抗氧化能力并起到保健作用；
此外，原料类型权重表中包含若干不同的原料类型以及对应的原料类型权重，原料类型包括但不限于虾壳和蟹壳；不同的原料类型预先设置一个对应的原料类型权重，原料类型权重的具体数值可以由本领域的技术人员根据经验进行自定义，通过原料类型权重可以对文本类的不同原料类型进行数字化、差异化的表示；
如图2所示，对原料实施有效性处理时，对原料进行抽样检测获取对应的过氧化值，原料的过氧化值的获取可以通过现有的检测技术实现，具体的步骤这里不做赘述，抽样检测可以为随机抽或者系统抽样，并将检测获取的过氧化值与原料对应的过氧化值标准值进行比对分类，过氧化值标准值根据原料的前期测试化验数据来获取；
若过氧化值小于过氧化值标准值，则生成原料正常标签并将其关联的数值设置为1；
若过氧化值不小于过氧化值标准值，则生成原料异常标签并将其关联的数值设置为0；
原料正常标签或者原料异常标签构成原料有效分析数据；
对原料监测数组中重量元素后面的位置增加新元素并标记为审核元素，并将原料有效分析数据中原料正常标签或者原料异常标签关联的数值添加到新元素，增加后的原料监测数组与原料有效分析数据构成原料统计处理信息并上传至云平台；
本发明实施例中，通过对医用功能食品生产线生产前期的原料实施监测统计以及有效性处理，可以有效提高后续医用功能食品生产数据分析的效率以及数据利用的准确性。
生产加工监控管理模块，用于根据原料统计处理信息对医用功能食品生产线的生产过程实施动态抽检并对自动生产进行动态控制；包括：
获取原料统计处理信息中的原料监测数组并对审核元素进行验证，若审核元素为0，则不继续后续的生产；
若审核元素为1，则获取原料监测数组中原料类型权重和重量的数值，根据原料类型权重的数值获取对应的标准重量，标准重量根据原料的前期测试化验数据来获取，通过计算原料监测数组中重量与标准重量的比值并标记为调整系数；
将调整系数与原料类型对应的原料条件表进行遍历匹配获取对应的主生产条件信息和辅生产条件信息；
需要说明的是，主生产条件信息包括但不限于主体酶以及对应的第一酶体积、第一酶浓度、第一pH浓度、不同的生产温度以及不同生产温度对应的持续时长；主体酶具体的为壳寡糖酶，能够将壳寡糖源中的壳聚糖酶解成壳寡糖，选择高效的壳寡糖酶非常关键，因为它直接影响到壳寡糖的产率和质量；
根据第一酶体积、第一酶浓度、第一pH浓度、不同的生产温度以及不同生产温度对应的持续时长控制主体酶与原料进行生产，第一酶体积、第一酶浓度、第一pH浓度不同的生产温度以及不同生产温度对应的持续时长对应的具体数值根据原料的前期测试化验数据来获取；
辅生产条件信息包括但不限于若干不同的辅助酶以及对应的辅助酶体积、辅助酶浓度、辅助pH浓度、不同的生产温度以及不同生产温度对应的持续时长；辅助酶具体的可以为葡萄糖醛酸酶、葡萄糖酸酶、去乙酰酶、脱甲基酶；
值得注意的是，在设计复合酶配方时，需要根据壳寡糖源的类型和要求来选择合适的酶组合，不同来源的壳寡糖（例如虾壳、螃蟹壳等）其化学结构和组成可能会有所不同，因此，酶的选择和配比需要根据具体的化学结构来进行优化；同时，酶的活性、稳定性和适应生产温度等特性也需要考虑，以保证酶解反应的高效性和壳寡糖的高活性；在通过生产线投入生产前，需要在实验室或生产实践中进行一系列的试验，以确定最佳的复合酶配方；
此外，制备高活性壳寡糖的复合酶是通过多种不同酶协同作用来实现的；这些酶各自担负着特定的任务，相互之间协同合作，最终将壳寡糖源中的壳聚糖分解成壳寡糖；
根据主生产条件信息对应的主生产时长获取对应的第一抽检时间点并实施对应的第一抽检方案得到第一抽检结果，第一抽检时间点根据原料的前期测试化验数据来获取；
其中，实施第一抽检方案时，根据第一抽检时间点获取在主生产条件下生产时的主目标物浓度，主目标物浓度可以为壳寡糖浓度，提取主目标物浓度的数值并与第一抽检时间点对应的标准主目标物浓度进行比对判断，标准主目标物浓度根据原料的前期测试化验数据来获取；
若主目标物浓度不低于标准主目标物浓度，则生成主生产正常标签；
若主目标物浓度低于标准主目标物浓度，则生成主生产异常标签；
主生产正常标签或者主生产异常标签构成第一抽检结果；
根据第一抽检结果控制主生产结束后续的辅生产是否继续生产；
具体的，若第一抽检结果中包含主生产异常标签，则控制后续的辅生产停止生产并生成主生产异常的告警提示；
本发明实施例中，通过对医用功能食品生产线的不同生产环节自适应的实施对应的抽检方案来分析对应的生产状态是否正常，以便可以及时停止异常生产状态后续的生产，避免产生更大的损失以及资源的浪费，提高了异常生产监测处理的主动性和高效性。
若第一抽检结果中包含主生产正常标签，则控制后续的辅生产继续生产，并获取辅生产条件信息中的所有辅助酶和辅助酶解条件数据，根据酶解的顺序依次对不同的辅助酶进行编号并标记为第一辅助酶、第二辅助酶、……、第N辅助酶，N为正整数；
根据第一辅助酶、第二辅助酶、……、第N辅助酶对应的辅助酶解条件数据包含的第一辅助酶解时长、第二辅助酶解时长、……、第N辅助酶解时长获取对应的第二抽检时间点、第三抽检时间点、……、第N+1抽检时间点，并根据第二抽检时间点实施对应的第二抽检方案得到第二抽检结果，根据第二抽检结果控制第一辅助酶生产结束后续的辅生产是否继续生产，以此类推后续的若干辅助酶的辅生产，直至第N辅助酶的辅生产结束；
需要说明的是，若干辅助酶以及对应的具体生产参数根据实际生产要求以及实际原料的前期测试化验数据来获取；
其中，根据第二抽检结果控制第一辅助酶生产结束后续的辅生产是否继续生产时，实施第二抽检方案过程中，根据第二抽检时间点获取在第一辅助酶对应的辅助酶解条件下生产时的辅目标物浓度，提取辅目标物浓度的数值并与第二抽检时间点对应的标准辅目标物浓度进行比对判断；
若辅目标物浓度不低于标准辅目标物浓度，则生成辅生产正常标签；
若辅目标物浓度低于标准辅目标物浓度，则生成辅生产异常标签；
辅生产正常标签或者辅生产异常标签构成第二抽检结果；
根据第二抽检结果辅生产正常标签或者辅生产异常标签控制第一辅助酶生产结束后续的辅生产机械生产或者停止生产。
本发明实施例中，通过对医用功能食品生产线的生产过程实施模块化的抽检，并根据抽检结果对后续的生产进行动态控制，可以及时高效的对出现异常的生产环节进行主动管控，避免异常的生产环节造成更大的影响和损失，达到及时止损的目的的同时，还可以为后续医用功能食品生产线的生产优化以及管理提供可靠的数据支持，提高了生产线生产监测数据分析利用的可靠性和多样性。
实施例2：在实施例1的技术方案基础上，还包括生产加工管理评估模块，用于对医用功能食品生产线自动化生产的全过程实施稳定性评估，并根据评估结果对生产线的生产进行动态告警提示；包括：
对生产线实施主生产条件和辅生产条件的全过程进行监测以及数据统计分析，获取主生产条件和不同辅生产条件实施生产温度控制时的实时生产温度和实时时间并通过预构建的生产温度坐标系构建对应的实时生产温度曲线，其中，生产温度坐标系的横坐标为实时的时间、纵坐标为预设的规律递增的生产温度值，将构建的实时生产温度曲线与对应的标准生产温度曲线进行比对匹配；
若实时生产温度曲线与对应的标准生产温度曲线完全重叠，则生成控制正常标签；
若实时生产温度曲线与对应的标准生产温度曲线不完全重叠，则生成控制异常标签；
如图3所示，根据控制异常标签对出现的生产温度异常进行追溯评估时，将不完全重叠开始出现的时间点标记为第一时间，以及将不完全重叠停止出现的时间点标记第二时间，根据第一时间和第二时间之间的时间段获取实时生产温度曲线和标准生产温度曲线形成的区域面积值；
根据区域面积值对生产温度异常的程度进行评估时，将区域面积值与预设的面积阈值进行比对分类，面积阈值根据对应酶的前期测试化验数据来获取；
若区域面积值小于面积阈值，则生成轻度异常标签；
若区域面积值不小于面积阈值，则生成重度异常标签；
轻度异常标签或者重度异常标签以及对应的第一时间和第二时间构成异常追溯分析数据；
控制正常标签或者控制异常标记以及对应的异常追溯分析数据构成评估结果；
根据评估结果对生产线的生产进行动态告警提示时，根据异常追溯分析数据中的向轻度异常标签或者重度异常标签以及对应的第一时间和第二时间向管理员提示对应生产过程的异常时间以及异常程度。
本发明实施例中，通过对医用功能食品生产线自动化生产的全过程实施稳定性评估，可以获取不同生产环节生产温度方面的实施是否稳定，并且通过对出现异常的生产温度实施追溯评估，确定对应异常生产温度的异常程度和异常时间，以便可以及时高效的发出预警提示管理人员当下的控制管理以及后续的升级管理，提高了医用功能食品生产线自动化生产稳定方面监测分析的可靠性。
此外，上述中涉及的公式均是去除量纲取其数值计算，是由采集大量数据进行软件通过模拟软件模拟得到最接近真实情况的一个公式。
实施例3：如图4所示，本发明为基于智能控制的医用功能食品生产线自动化管理方法，包括：
对医用功能食品生产线待生产的医用功能食品的原料进行监测统计，并对原料实施有效性处理，得到原料统计处理信息；
根据原料统计处理信息对医用功能食品生产线的生产过程实施动态抽检并对自动生产进行动态控制；
对医用功能食品生产线自动化生产的全过程实施稳定性评估，并根据评估结果对生产线的生产进行动态告警提示。
实施例4：如图5所示，是本发明实施例提供的实现基于智能控制的医用功能食品生产线自动化管理系统的计算机设备的结构示意图。
计算机设备可以包括处理器、存储器和总线，还可以包括存储在存储器中并可在处理器上运行的计算机程序，如基于智能控制的医用功能食品生产线自动化管理系统的程序。
其中，存储器至少包括一种类型的可读存储介质，可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器在一些实施例中可以是计算机设备的内部存储单元，例如该计算机设备的移动硬盘。存储器在另一些实施例中也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（Secure Digital， SD）卡、闪存卡（Flash Card）等。进一步地，存储器还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器不仅可以用于存储安装于计算机设备的应用软件及各类数据，例如基于智能控制的医用功能食品生产线自动化管理系统的程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同位置或不同位置封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器是所述计算机设备的控制核心（Control Unit），利用各种接口和线路连接整个计算机设备的各个部件，通过运行或执行存储在存储器内的程序或者模块（例如基于智能控制的医用功能食品生产线自动化管理系统的程序等），以及调用存储在存储器内的数据，以执行计算机设备的各种位置和处理数据。
总线可以是外设部件互连标准（peripHeral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。总线被设置为实现所述存储器以及至少一个处理器等之间的连接通信。
图5仅示出了具有部件的计算机设备，本领域技术人员可以理解的是，图5示出的结构并不构成对计算机设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，计算机设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与至少一个处理器逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等位置。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。计算机设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，计算机设备还可以包括网络接口，可选地，网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该计算机设备与其他计算机设备之间建立通信连接。
可选地，该计算机设备还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在计算机设备中处理的信息以及用于显示可视化的用户界面。
应该了解，上述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
计算机设备中的存储器存储的基于智能控制的医用功能食品生产线自动化管理系统的程序是多个指令的组合。
具体地，处理器对上述指令的具体实现方法可参考图1至图4对应实施例中相关步骤的描述，在此不赘述。
进一步地，计算机设备集成的模块/单元如果以软件位置单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，可读存储介质存储有计算机程序，计算机程序在被计算机设备的处理器所执行。
在本发明所提供的几个实施例中，应该理解到，所揭露的方法，可以通过其它的方式实现。例如，以上所描述的发明实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑位置划分，实际实现时可以有另外的划分方式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各位置模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件位置模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，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案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (6)
1.基于智能控制的医用功能食品生产线自动化管理系统，其特征在于，包括原料监测统计处理模块，用于对医用功能食品生产线待生产的医用功能食品的原料进行监测统计，并对原料实施有效性处理，得到原料统计处理信息；包括：
对待生产的医用功能食品的原料类型以及重量进行监测，并将原料类型与数据库中预存储的原料类型权重表进行遍历匹配获取对应的原料类型权重；提取原料类型权重和重量的数值并排序组合得到原料监测数组；
对原料实施有效性处理时，对原料进行抽样检测获取对应的过氧化值，并将检测获取的过氧化值与原料对应的过氧化值标准值进行比对分类，得到由原料正常标签或者原料异常标签构成的原料有效分析数据；
对原料监测数组中重量元素后面的位置增加新元素并标记为审核元素，并将原料有效分析数据中原料正常标签或者原料异常标签关联的数值添加到新元素，增加后的原料监测数组与原料有效分析数据构成原料统计处理信息并上传至云平台；
生产加工监控管理模块，用于根据原料统计处理信息对医用功能食品生产线的生产过程实施动态抽检并对自动生产进行动态控制；包括：
获取原料统计处理信息中的原料监测数组并对审核元素进行验证，若审核元素为0，则不继续后续的生产；
若审核元素为1，则获取原料监测数组中原料类型权重和重量的数值，根据原料类型权重的数值获取对应的标准重量，通过计算原料监测数组中重量与标准重量的比值并标记为调整系数；
将调整系数与原料类型对应的原料条件表进行遍历匹配获取对应的主生产条件信息和辅生产条件信息；
根据主生产条件信息对应的主生产时长获取对应的第一抽检时间点并实施对应的第一抽检方案得到第一抽检结果；
根据第一抽检结果控制主生产结束后续的辅生产是否继续生产；
若第一抽检结果中包含主生产异常标签，则控制后续的辅生产停止生产并生成主生产异常的告警提示；
若第一抽检结果中包含主生产正常标签，则控制后续的辅生产继续生产，并获取辅生产条件信息中的所有辅助酶和辅助酶解条件数据，根据酶解的顺序依次对不同的辅助酶进行编号并标记为第一辅助酶、第二辅助酶、……、第N辅助酶，N为正整数；
根据第一辅助酶、第二辅助酶、……、第N辅助酶对应的辅助酶解条件数据包含的第一辅助酶解时长、第二辅助酶解时长、……、第N辅助酶解时长获取对应的第二抽检时间点、第三抽检时间点、……、第N+1抽检时间点，并根据第二抽检时间点实施对应的第二抽检方案得到第二抽检结果；
根据第二抽检结果控制第一辅助酶生产结束后续的辅生产是否继续生产，以此类推后续的若干辅助酶的辅生产，直至第N辅助酶的辅生产结束。
2.根据权利要求1所述的基于智能控制的医用功能食品生产线自动化管理系统，其特征在于，实施第一抽检方案时，根据第一抽检时间点获取在主生产条件下生产时的主目标物浓度，提取主目标物浓度的数值并与第一抽检时间点对应的标准主目标物浓度进行比对判断；
若主目标物浓度不低于标准主目标物浓度，则生成主生产正常标签；
若主目标物浓度低于标准主目标物浓度，则生成主生产异常标签；
主生产正常标签或者主生产异常标签构成第一抽检结果。
3.根据权利要求1所述的基于智能控制的医用功能食品生产线自动化管理系统，其特征在于，根据第二抽检结果控制第一辅助酶生产结束后续的辅生产是否继续生产时，实施第二抽检方案过程中，根据第二抽检时间点获取在第一辅助酶对应的辅助酶解条件下生产时的辅目标物浓度，提取辅目标物浓度的数值并与第二抽检时间点对应的标准辅目标物浓度进行比对判断；
若辅目标物浓度不低于标准辅目标物浓度，则生成辅生产正常标签；
若辅目标物浓度低于标准辅目标物浓度，则生成辅生产异常标签；
辅生产正常标签或者辅生产异常标签构成第二抽检结果。
4.根据权利要求1所述的基于智能控制的医用功能食品生产线自动化管理系统，其特征在于，还包括生产加工管理评估模块，用于对医用功能食品生产线自动化生产的全过程实施稳定性评估，并根据评估结果对生产线的生产进行动态告警提示；包括：对生产线实施主生产条件和辅生产条件的全过程进行监测以及数据统计分析，获取主生产条件和不同辅生产条件实施生产温度控制时的实时生产温度和实时时间并通过预构建的生产温度坐标系构建对应的实时生产温度曲线，将构建的实时生产温度曲线与对应的标准生产温度曲线进行比对匹配；
若实时生产温度曲线与对应的标准生产温度曲线完全重叠，则生成控制正常标签；若实时生产温度曲线与对应的标准生产温度曲线不完全重叠，则生成控制异常标签。
5.根据权利要求4所述的基于智能控制的医用功能食品生产线自动化管理系统，其特征在于，根据控制异常标签对出现的生产温度异常进行追溯评估时，将不完全重叠开始出现的时间点标记为第一时间，以及将不完全重叠停止出现的时间点标记第二时间，根据第一时间和第二时间之间的时间段获取实时生产温度曲线和标准生产温度曲线形成的区域面积值；
根据区域面积值对生产温度异常的程度进行评估时，将区域面积值与预设的面积阈值进行比对分类，得到由轻度异常标签或者重度异常标签以及对应的第一时间和第二时间构成异常追溯分析数据；
控制正常标签或者控制异常标记以及对应的异常追溯分析数据构成评估结果，根据评估结果对生产线的生产进行动态告警提示时，根据异常追溯分析数据中的轻度异常标签或者重度异常标签以及对应的第一时间和第二时间向管理员提示对应生产过程的异常时间以及异常程度。
6.一种存储介质，其特征在于，包括至少一个处理器；以及，与至少一个处理器通信连接的存储器；
其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行权利要求1-5任一项所述的基于智能控制的医用功能食品生产线自动化管理系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311343073.6A CN117094603B (zh) | 2023-10-17 | 2023-10-17 | 基于智能控制的医用功能食品生产线自动化管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311343073.6A CN117094603B (zh) | 2023-10-17 | 2023-10-17 | 基于智能控制的医用功能食品生产线自动化管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117094603A CN117094603A (zh) | 2023-11-21 |
| CN117094603B true CN117094603B (zh) | 2024-01-05 |
Family
ID=88772019
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311343073.6A Active CN117094603B (zh) | 2023-10-17 | 2023-10-17 | 基于智能控制的医用功能食品生产线自动化管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117094603B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001067109A (ja) * | 1999-08-26 | 2001-03-16 | Matsushita Electric Works Ltd | 品質管理方法及びその装置、並びに品質管理プログラムを記録した記録媒体 |
| JP2002236511A (ja) * | 2001-02-07 | 2002-08-23 | Murata Mfg Co Ltd | 工程管理システムおよび工程管理方法 |
| CN101592927A (zh) * | 2009-07-09 | 2009-12-02 | 中国农业科学院饲料研究所 | 一种配方产品生产过程的控制方法 |
| CN105388876A (zh) * | 2015-12-22 | 2016-03-09 | 蓝星（北京）技术中心有限公司 | 获得基于班组的间歇型化工生产工艺符合度的方法及装置 |
| CN112163688A (zh) * | 2019-08-16 | 2021-01-01 | 重庆华森制药股份有限公司 | 多剂型中西药产品全流程智能制造系统及建造方法 |
| AU2020103340A4 (en) * | 2020-11-10 | 2021-01-21 | Guizhou Provincial Center For Disease Control And Prevention | A Physical and Chemical Data Analysis System for Food Safety Risk Monitoring |
| WO2021212756A1 (zh) * | 2020-04-23 | 2021-10-28 | 平安科技（深圳）有限公司 | 指标异常分析方法、装置、电子设备及存储介质 |
| CN114240211A (zh) * | 2021-12-22 | 2022-03-25 | 重庆至信实业集团有限公司 | 一种智能生产管理系统及管理方法 |
| KR20220109796A (ko) * | 2021-01-29 | 2022-08-05 | 농업회사법인 주식회사 솔오토메틱 | 스마트 팩토리 구축을 위한 IoT기반의 전통유지 생산공정 자동화 모니터링 시스템 |
| CN115907279A (zh) * | 2022-09-08 | 2023-04-04 | 蚌埠中企东方孵化器有限公司 | 基于物联网的工业生产产品用质量检测系统及方法 |
| WO2023114121A1 (en) * | 2021-12-13 | 2023-06-22 | Mars, Incorporated | A computer-implemented method of predicting quality of a food product sample |
| CN116300758A (zh) * | 2023-03-28 | 2023-06-23 | 菏泽浦谦网络科技有限公司 | 基于云计算的智能制造工业生产数据采集分析系统及方法 |
| CN116339253A (zh) * | 2023-01-07 | 2023-06-27 | 南京市永信合智能科技有限公司 | 一种基于物联网的智能化机械生产监测管控系统 |
| CN116384944A (zh) * | 2023-05-26 | 2023-07-04 | 中建中新建设工程有限公司 | 用于接线暗盒智能生产线的执行管理系统及执行管理方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11874652B2 (en) * | 2021-10-07 | 2024-01-16 | Noodle Analytics, Inc. | Artificial intelligence (AI) based anomaly signatures warning recommendation system and method |
| KR20230133703A (ko) * | 2022-03-11 | 2023-09-19 | 주식회사 아이로나 | 웹 및 모바일 기반의 자동화 공정개선 모니터링 시스템 |
-
2023
- 2023-10-17 CN CN202311343073.6A patent/CN117094603B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001067109A (ja) * | 1999-08-26 | 2001-03-16 | Matsushita Electric Works Ltd | 品質管理方法及びその装置、並びに品質管理プログラムを記録した記録媒体 |
| JP2002236511A (ja) * | 2001-02-07 | 2002-08-23 | Murata Mfg Co Ltd | 工程管理システムおよび工程管理方法 |
| CN101592927A (zh) * | 2009-07-09 | 2009-12-02 | 中国农业科学院饲料研究所 | 一种配方产品生产过程的控制方法 |
| CN105388876A (zh) * | 2015-12-22 | 2016-03-09 | 蓝星（北京）技术中心有限公司 | 获得基于班组的间歇型化工生产工艺符合度的方法及装置 |
| CN112163688A (zh) * | 2019-08-16 | 2021-01-01 | 重庆华森制药股份有限公司 | 多剂型中西药产品全流程智能制造系统及建造方法 |
| WO2021212756A1 (zh) * | 2020-04-23 | 2021-10-28 | 平安科技（深圳）有限公司 | 指标异常分析方法、装置、电子设备及存储介质 |
| AU2020103340A4 (en) * | 2020-11-10 | 2021-01-21 | Guizhou Provincial Center For Disease Control And Prevention | A Physical and Chemical Data Analysis System for Food Safety Risk Monitoring |
| KR20220109796A (ko) * | 2021-01-29 | 2022-08-05 | 농업회사법인 주식회사 솔오토메틱 | 스마트 팩토리 구축을 위한 IoT기반의 전통유지 생산공정 자동화 모니터링 시스템 |
| WO2023114121A1 (en) * | 2021-12-13 | 2023-06-22 | Mars, Incorporated | A computer-implemented method of predicting quality of a food product sample |
| CN114240211A (zh) * | 2021-12-22 | 2022-03-25 | 重庆至信实业集团有限公司 | 一种智能生产管理系统及管理方法 |
| CN115907279A (zh) * | 2022-09-08 | 2023-04-04 | 蚌埠中企东方孵化器有限公司 | 基于物联网的工业生产产品用质量检测系统及方法 |
| CN116339253A (zh) * | 2023-01-07 | 2023-06-27 | 南京市永信合智能科技有限公司 | 一种基于物联网的智能化机械生产监测管控系统 |
| CN116300758A (zh) * | 2023-03-28 | 2023-06-23 | 菏泽浦谦网络科技有限公司 | 基于云计算的智能制造工业生产数据采集分析系统及方法 |
| CN116384944A (zh) * | 2023-05-26 | 2023-07-04 | 中建中新建设工程有限公司 | 用于接线暗盒智能生产线的执行管理系统及执行管理方法 |
Non-Patent Citations (1)
| Title |
|---|
| 统计过程控制应用于水磨糯米粉微生物监控;万方云;丁文平;;中国酿造;第32卷(第12期);74-78 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117094603A (zh) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| BR0108783A (pt) | Esquema de dados para o diagnóstico de uma doença, método de diagnóstico automatizado, método de diagnóstico computadorizado, método para a reutilização de objetos de roteiros médicos utilizados no diagnóstico automatizado ou no gerenciamento de uma condição médica e sistema de diagnóstico automatizado | |
| CN105094698A (zh) | 一种基于历史监测数据的磁盘容量预测方法 | |
| CN117094603B (zh) | 基于智能控制的医用功能食品生产线自动化管理系统 | |
| CN116755985A (zh) | 基于大数据和数据分析的平台智能监测管理系统 | |
| Sydykova et al. | Calculating site-specific evolutionary rates at the amino-acid or codon level yields similar rate estimates | |
| CN114116400A (zh) | 基于日志打印的应用异常处理方法、装置、设备及介质 | |
| CN103019908A (zh) | 一种基于多总线下vxworks多任务监控技术的方法 | |
| Robinson et al. | Novel techniques for mapping infectious diseases using point of care diagnostic sensors | |
| CN1529816A (zh) | 临床检查分析设备、临床检查分析方法、以及临床检查分析程序 | |
| Park et al. | Automatic method for distinguishing hardware and software faults based on software execution data and hardware performance counters | |
| CN115055289A (zh) | 样本的离心控制方法、装置、设备及介质 | |
| CN114743657A (zh) | 一种医学实验室的数字孪生系统与方法 | |
| Song et al. | Consumers’ attitudes to food traceability system in China: evidences from the pork market in Beijing | |
| CN115222181A (zh) | 机器人运营状态监控系统及方法 | |
| Bottlender et al. | The effect of selective serotonin-reuptake inhibitors in blood coagulation | |
| Chavez-Velado et al. | Bio-Mapping Salmonella and Campylobacter Loads in Three Commercial Broiler Processing Facilities in the United States to Identify Strategic Intervention Points | |
| CN112927812A (zh) | 治疗策略的动态干预方法、装置、电子设备及存储介质 | |
| Vargas et al. | Data-Mining Poultry Processing Bio-Mapping Counts of Pathogens and Indicator Organisms for Food Safety Management Decision Making | |
| Kopanitsa et al. | Implementation of fast healthcare interoperability resources for an integration of laboratory and hospital information systems | |
| CN104337504A (zh) | 一种基于嵌入式微处理器的监护系统 | |
| Han | Application of intelligent mobile terminal in animal epidemic prevention and animal health supervision. | |
| Van Vliet et al. | Thrombelastographic diagnosis of blood coagulation in two freshwater fish species. | |
| Arnold et al. | Comment on randomized intervention study of solar disinfection of drinking water in the prevention of dysentery in Kenyan children aged under 5 years | |
| Ma et al. | Research on pork quality traceability system based on RFID | |
| Kang et al. | Machine Learning in Healthcare: Two Case Studies |
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 |