CN117875795B - 一种基于实时数据分析的工厂经营状况分析方法及系统 - Google Patents

一种基于实时数据分析的工厂经营状况分析方法及系统 Download PDF

Info

Publication number
CN117875795B
CN117875795B CN202410270824.4A CN202410270824A CN117875795B CN 117875795 B CN117875795 B CN 117875795B CN 202410270824 A CN202410270824 A CN 202410270824A CN 117875795 B CN117875795 B CN 117875795B
Authority
CN
China
Prior art keywords
plant
cluster
target
factory
sample
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
CN202410270824.4A
Other languages
English (en)
Other versions
CN117875795A (zh
Inventor
张智良
李晶
林莎
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.)
Chengdu Gongxi Technology Co ltd
Original Assignee
Chengdu Gongxi Technology 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 Chengdu Gongxi Technology Co ltd filed Critical Chengdu Gongxi Technology Co ltd
Priority to CN202410270824.4A priority Critical patent/CN117875795B/zh
Publication of CN117875795A publication Critical patent/CN117875795A/zh
Application granted granted Critical
Publication of CN117875795B publication Critical patent/CN117875795B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0475—Generative networks
    • 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
    • G06N3/094—Adversarial learning
    • 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
    • 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
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Manufacturing & Machinery (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于实时数据分析的工厂经营状况分析方法及系统，涉及数据处理领域，该系统包括：信息获取模块，用于获取待分析工厂的生产相关数据，至少包括原料用量数据、产品产出数据、水电气用量数据、废水排放数据、废气排放数据、危废排放数据、废气排放监测数据及废水排放监测数据；状况分析模块，用于基于原料用量数据、产品产出数据、水电气用量数据、废水排放数据、废气排放数据及危废排放数据，确定待分析工厂在多个绿色工厂评价指标的指标分值，基于废气排放监测数据及废水排放监测数据确定待分析工厂在多个绿色工厂评价指标的指标分值的可靠性参数，生成综合评价结果，具有提高工厂经营状况分析的实时性及准确性的优点。

Description

一种基于实时数据分析的工厂经营状况分析方法及系统
技术领域
本发明涉及数据处理领域，特别涉及一种基于实时数据分析的工厂经营状况分析方法及系统。
背景技术
随着工业的发展，化石燃料的大量使用，排放于空气中的二氧化碳浓度不断增加，造成全球气候变化。气候变化导致恶劣气候事件频发，影响日渐深重。绿色制造是在产品从设计、制造、使用到报废整个产品的生命周期中，综合考虑环境影响和资源效率的现代制造模式，它不产生环境污染或使环境污染最小化，符合环境保护要求，对生态环境无害或危害极少，节约资源和能源，使资源利用率最高，能源消耗最低。
绿色制造是解决国家的资源和环境问题的重要手段。绿色工厂作为绿色制造的主体，通过实现用地集约化、原料无害化、生产洁净化、废物资源化、能源低碳化，成为能够提高资源利用率、降低能源消耗的主要实施方，因此，如何为其制定标准以及如何评价显得尤为重要。
当前已经建立了针对绿色工厂的评价体系，但是现有技术的评价体系固定，无法灵活调整以匹配工厂的实际情况且主要依赖人工实施，并且需要线下进行评审，这样的方案不仅耗时耗力、效率低下；并且，由于人工实施可能带来误操作且具有一定的主观性，使得指标数据的可信度不高，从而影响评审结果的准确性。
因此，需要提供一种基于实时数据分析的工厂经营状况分析方法，用于实现工厂经营状况进行实时分析，以解决现有技术中绿色工厂评价体系依赖人工评审导致的效率低且准确性低的缺陷。
发明内容
本发明提供一种基于实时数据分析的工厂经营状况分析系统，包括：信息获取模块，用于获取待分析工厂的生产相关数据，其中，所述生产相关数据至少包括原料用量数据、产品产出数据、水电气用量数据、废水排放数据、废气排放数据、危废排放数据、废气排放监测数据及废水排放监测数据；状况分析模块，用于建立所述待分析工厂对应的绿色工厂评价体系，其中，所述绿色工厂评价体系包括多个绿色工厂评价指标及每个所述绿色工厂评价指标对应的权重；所述状况分析模块还用于基于所述原料用量数据、产品产出数据、水电气用量数据、废水排放数据、废气排放数据及危废排放数据，确定所述待分析工厂在所述多个绿色工厂评价指标的指标分值，基于所述废气排放监测数据及废水排放监测数据确定所述待分析工厂在所述多个绿色工厂评价指标的指标分值的可靠性参数；所述状况分析模块还用于基于所述待分析工厂在所述多个绿色工厂评价指标的指标分值及可靠性参数，生成所述待分析工厂的综合评价结果。
进一步地，所述状况分析模块建立绿色工厂评价体系，包括：建立初始工厂评价体系，其中，所述初始工厂评价体系包括多个候选绿色工厂评价指标及每个所述候选绿色工厂评价指标的初始权重；获取多个样本工厂的生产相关数据及基础信息，其中，所述基础信息至少包括设备信息及基础设施信息；基于所述多个样本工厂的生产相关数据及基础信息，对所述多个样本工厂进行聚类，确定多个工厂聚类簇；对于每个所述工厂聚类簇，从所述多个候选绿色工厂评价指标中确定所述工厂聚类簇对应的多个目标绿色工厂评价指标及每个所述目标绿色工厂评价指标的目标权重；基于所述待分析工厂的生产相关数据及基础信息和所述多个工厂聚类簇的聚类中心的生产相关数据及基础信息，从所述多个工厂聚类簇中确定至少一个目标工厂聚类簇；基于每个所述目标工厂聚类簇对应的多个目标绿色工厂评价指标及每个所述目标绿色工厂评价指标的目标权重，建立所述待分析工厂对应的绿色工厂评价体系。
进一步地，所述状况分析模块基于所述多个样本工厂的生产相关数据及基础信息，对所述多个样本工厂进行聚类，确定多个工厂聚类簇，包括：对每个所述样本工厂的生产相关数据及基础信息进行预处理，生成所述样本工厂对应的多个生产信息标签及多个画像标签；对于任意两个样本工厂，基于所述两个样本工厂对应的多个生产信息标签，计算所述两个样本工厂的生产相似度，基于所述两个样本工厂对应的多个画像标签，计算所述两个样本工厂的画像相似度；通过k均值聚类算法基于任意两个样本工厂的生产相似度及画像相似度，对所述多个样本工厂进行聚类，确定多个工厂聚类簇。
进一步地，所述状况分析模块从所述多个候选绿色工厂评价指标中确定所述工厂聚类簇对应的多个目标绿色工厂评价指标及每个所述目标绿色工厂评价指标的目标权重，包括：对于每个所述候选绿色工厂评价指标，基于所述工厂聚类簇包括的多个样本工厂的生产相关数据，确定所述工厂聚类簇包括的多个样本工厂在所述候选绿色工厂评价指标的得分，基于所述工厂聚类簇包括的多个样本工厂在所述候选绿色工厂评价指标的得分，确定所述候选绿色工厂评价指标与所述工厂聚类簇的相关系数；基于每个所述候选绿色工厂评价指标与所述工厂聚类簇的相关系数，从所述多个候选绿色工厂评价指标中确定所述工厂聚类簇对应的多个目标绿色工厂评价指标；基于每个所述目标绿色工厂评价指标与所述工厂聚类簇的相关系数，对每个所述目标绿色工厂评价指标的初始权重进行调整，确定每个所述目标绿色工厂评价指标的目标权重。
进一步地，所述状况分析模块基于所述待分析工厂的生产相关数据及基础信息和所述多个工厂聚类簇的聚类中心的生产相关数据及基础信息，从所述多个工厂聚类簇中确定至少一个目标工厂聚类簇，包括：对每个所述待分析工厂的生产相关数据及基础信息进行预处理，生成所述待分析工厂对应的多个生产信息标签及多个画像标签；对于每个所述工厂聚类簇，基于所述工厂聚类簇的聚类中心对应的多个生产信息标签和所述待分析工厂对应的多个生产信息标签，计算所述工厂聚类簇与所述待分析工厂的生产相似度，基于所述工厂聚类簇的聚类中心对应的多个基础信息标签和所述待分析工厂对应的多个基础信息标签，计算所述工厂聚类簇与所述待分析工厂的画像相似度；基于每个所述工厂聚类簇与所述待分析工厂的生产相似度及画像相似度，从所述多个工厂聚类簇中确定至少一个目标工厂聚类簇。
进一步地，所述状况分析模块基于每个所述目标工厂聚类簇对应的多个目标绿色工厂评价指标及每个所述目标绿色工厂评价指标的目标权重，建立所述待分析工厂对应的绿色工厂评价体系，包括：对每个所述目标工厂聚类簇对应的多个目标绿色工厂评价指标进行融合，确定多个绿色工厂评价指标；对于每个所述绿色工厂评价指标，基于每个所述工厂聚类簇与所述待分析工厂的生产相似度及画像相似度和每个所述目标绿色工厂评价指标的目标权重，确定所述绿色工厂评价指标的最大化权重；对所述多个绿色工厂评价指标的最大化权重进行归一化，确定每个所述绿色工厂评价指标对应的权重。
进一步地，所述状况分析模块根据以下公式对所述多个绿色工厂评价指标的最大化权重进行归一化，确定每个所述绿色工厂评价指标对应的权重：；其中，/>为第i个绿色工厂评价指标对应的权重，/>为第i个绿色工厂评价指标对应的最大化权重，/>为第/>个绿色工厂评价指标对应的最大化权重，/>为绿色工厂评价指标的总数。
进一步地，所述信息获取模块获取待分析工厂的废气排放监测数据及废水排放监测数据，包括：对于每个所述工厂聚类簇，建立所述工厂聚类簇对应的监测点确定模型，对所述工厂聚类簇包括的多个样本工厂进行第二次聚类，生成所述工厂聚类簇包括的多个工厂聚类子簇；对于每个所述工厂聚类子簇，基于所述工厂聚类子簇包括的任意两个所述样本工厂的生产相似度及画像相似度，确定所述工厂聚类子簇包括的每个所述样本工厂的目标采样空间；对于每个所述工厂聚类子簇，通过线性插值基于所述工厂聚类子簇包括的每个所述样本工厂的目标采样空间，生成所述工厂聚类子簇对应的训练样本；对于每个所述工厂聚类簇，基于所述工厂聚类簇包括的每个所述工厂聚类子簇对应的训练样本对所述监测点确定模型进行训练，生成训练后的监测点确定模型；对于每个所述目标工厂聚类簇，通过所述目标工厂聚类簇对应的训练后的监测点确定模型基于所述待分析工厂的基础信息，确定至少一个候选废气排放监测点及至少一个候选废水排放监测点；对所述至少一个候选废气排放监测点进行融合，确定至少一个目标废气排放监测点；对所述至少一个候选废水排放监测点进行融合，确定至少一个目标废水排放监测点；在每个所述目标废气排放监测点获取所述废气排放监测数据；在每个所述候选废水排放监测点获取所述废水排放监测数据。
进一步地，所述信息获取模块根据以下公式通过线性插值基于所述工厂聚类子簇包括的每个所述样本工厂的目标采样空间，生成所述工厂聚类子簇对应的训练样本：；其中，/>为生成的第q个工厂聚类子簇对应的第p个训练样本，/>为第q个工厂聚类子簇包括的第g个样本工厂，/>为第g个样本工厂的目标采样空间中的第h个样本工厂，/>为第g个样本工厂和第h个样本工厂的综合相似度，/>为第g个样本工厂和第g个样本工厂的目标采样空间中的第k个样本工厂的综合相似度，K为第g个样本工厂的目标采样空间中的样本工厂的总数。
本发明提供一种基于实时数据分析的工厂经营状况分析方法，应用于上述的一种基于实时数据分析的工厂经营状况分析系统，包括：获取待分析工厂的生产相关数据，其中，所述生产相关数据至少包括原料用量数据、产品产出数据、水电气用量数据、废水排放数据、废气排放数据、危废排放数据、废气排放监测数据及废水排放监测数据；建立绿色工厂评价体系，其中，所述绿色工厂评价体系包括多个绿色工厂评价指标及每个所述绿色工厂评价指标对应的权重；基于所述原料用量数据、产品产出数据、水电气用量数据、废水排放数据、废气排放数据及危废排放数据，确定所述待分析工厂在所述多个绿色工厂评价指标的指标分值，基于所述废气排放监测数据及废水排放监测数据确定所述待分析工厂在所述多个绿色工厂评价指标的指标分值的可靠性参数；基于所述待分析工厂在所述多个绿色工厂评价指标的指标分值及可靠性参数，生成所述待分析工厂的综合评价结果。
相比于现有技术，本发明提供的一种基于实时数据分析的工厂经营状况分析方法，至少具备以下有益效果：
1、通过建立待分析工厂对应的绿色工厂评价体系，并基于待分析工厂的生产相关数据，确定待分析工厂在多个绿色工厂评价指标的指标分值及可靠性参数，生成待分析工厂的综合评价结果，实现了工厂经营状况的自动化实时分析，无需依赖人工评审，提高了工厂经营状况分析的效率及实时性。
2、基于待分析工厂的生产相关数据及基础信息和多个工厂聚类簇的聚类中心的生产相关数据及基础信息，从多个工厂聚类簇中确定至少一个目标工厂聚类簇，基于每个目标工厂聚类簇对应的多个目标绿色工厂评价指标及每个目标绿色工厂评价指标的目标权重，实现快速且准确地建立待分析工厂对应的绿色工厂评价体系。
3、通过目标工厂聚类簇对应的训练后的监测点确定模型基于待分析工厂的基础信息，确定至少一个候选废气排放监测点及至少一个候选废水排放监测点，对至少一个候选废气排放监测点进行融合，确定至少一个目标废气排放监测点，对至少一个候选废水排放监测点进行融合，确定至少一个目标废水排放监测点，从而较为准确地确定容易发生废水泄露和废气泄露的位置，保证了采集的废气排放监测数据和废水排放监测数据的准确性。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的一种基于实时数据分析的工厂经营状况分析系统的模块示意图；
图2是根据本说明书一些实施例所示的建立绿色工厂评价体系的流程示意图；
图3是根据本说明书一些实施例所示的获取待分析工厂的废气排放监测数据及废水排放监测数据的流程示意图；
图4是根据本说明书一些实施例所示的一种基于实时数据分析的工厂经营状况分析方法的流程示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
图1是根据本说明书一些实施例所示的一种基于实时数据分析的工厂经营状况分析系统的模块示意图，如图1所示，一种基于实时数据分析的工厂经营状况分析系统可以包括信息获取模块及状况分析模块。
信息获取模块可以用于获取待分析工厂的生产相关数据。
生产相关数据至少包括原料用量数据、产品产出数据、水电气用量数据、废水排放数据、废气排放数据、危废排放数据、废气排放监测数据及废水排放监测数据。
在一些实施例中，信息获取模块包括混排监测单元、废水泄露监测单元及废气监测单元；混排监测单元包括设置在雨水排放管道的第一排水监测组件；废水泄露监测单元包括设置在废水排放管道的第二排水监测组件；废气监测单元包括设置在废气排放管道的废气排放监测组件。
状况分析模块可以用于建立待分析工厂对应的绿色工厂评价体系。
绿色工厂评价体系包括多个绿色工厂评价指标及每个绿色工厂评价指标对应的权重。
在一些实施例中，多个绿色工厂评价指标至少包括原料投入产出比值指标、废水产出比值指标、废气产出比值指标、危废产出比值指标及水电气投入产出比值指标等。
其中，待分析工厂在原料投入产出比值指标的得分=（产品产出量*产品合格率）/原料投入量；
待分析工厂在废水产出比值指标的得分=（排水排放量*产品合格率）/废水排放量；
待分析工厂在废气产出比值指标的得分=（排气排放量*产品合格率）/废气排放量；
待分析工厂在危废产出比值指标的得分=（危废排放量*产品合格率）/危废排放量；
待分析工厂在水电气投入产出比值指标的得分=（产品产出量*产品合格率）/水电气投入量。
图2是根据本说明书一些实施例所示的建立绿色工厂评价体系的流程示意图，如图2所示，在一些实施例中，状况分析模块建立绿色工厂评价体系，包括：
建立初始工厂评价体系，其中，初始工厂评价体系包括多个候选绿色工厂评价指标及每个候选绿色工厂评价指标的初始权重，初始权重可以至少包括容积率、单位产品污染物产生量、单位产品综合能耗、原料投入产出比值指标、废水产出比值指标、废气产出比值指标、危废产出比值指标及水电气投入产出比值指标等；
获取多个样本工厂的生产相关数据及基础信息，其中，基础信息至少包括设备信息及基础设施信息，例如，样本工厂包括的全部设备的信息、样本工厂的激光雷达扫描数据、样本工厂的排气管道路线图、排气管道路线图、样本工厂的生产产品的信息、工厂近三年事故率、绿色工厂管理信息、建筑信息、设备管理信息、管理体系信息、能源资源投入数值、环境排放量、绩效等；
基于多个样本工厂的生产相关数据及基础信息，对多个样本工厂进行聚类，确定多个工厂聚类簇；
对于每个工厂聚类簇，从多个候选绿色工厂评价指标中确定工厂聚类簇对应的多个目标绿色工厂评价指标及每个目标绿色工厂评价指标的目标权重；
基于待分析工厂的生产相关数据及基础信息和多个工厂聚类簇的聚类中心的生产相关数据及基础信息，从多个工厂聚类簇中确定至少一个目标工厂聚类簇；
基于每个目标工厂聚类簇对应的多个目标绿色工厂评价指标及每个目标绿色工厂评价指标的目标权重，建立待分析工厂对应的绿色工厂评价体系。
具体的，状况分析模块可以将主观与客观相结合，以确定每个候选绿色工厂评价指标的初始权重。信息熵可以既能体现决策者对于评估指标的主观意愿，又能反映指标权重系数的客观真实性。熵表征了一个物质系统中能量衰竭程度的度量。信息熵反映了信息无序化的程度，具有一定的客观性。当信息熵越小，熵权越大时，信息向决策者提供的信息效用值就会越大。基于信息熵理论的改进熵权法，将采集专家意见的德尔菲专家调查法与模糊分析法相结合，用熵理论对权重排序进行定量化分析，能够消除指标权重分配中的不确定性问题，从而确定每个候选绿色工厂评价指标的初始权重。
在一些实施例中，状况分析模块基于多个样本工厂的生产相关数据及基础信息，对多个样本工厂进行聚类，确定多个工厂聚类簇，包括：
对每个样本工厂的生产相关数据及基础信息进行预处理，生成样本工厂对应的多个生产信息标签及多个画像标签；
对于任意两个样本工厂，基于两个样本工厂对应的多个生产信息标签，计算两个样本工厂的生产相似度，基于两个样本工厂对应的多个画像标签，计算两个样本工厂的画像相似度；
通过k均值聚类算法基于任意两个样本工厂的生产相似度及画像相似度，对多个样本工厂进行聚类，确定多个工厂聚类簇。
具体的，可以通过生产相似度确定模型基于两个样本工厂对应的多个生产信息标签，计算两个样本工厂的生产相似度，可以通过画像相似度确定模型基于两个样本工厂对应的多个生产信息标签，计算两个样本工厂的画像相似度，其中，生产相似度确定模型及画像相似度确定模型可以为循环神经网络(Recurrent Neural Networks，RNN)模型。
可以基于任意两个样本工厂的生产相似度及画像相似度，计算两个样本工厂的综合相似度。例如，对两个样本工厂的生产相似度及画像相似度进行加权求和，得到两个样本工厂的综合相似度。通过k均值聚类算法基于任意两个样本工厂的综合相似度对多个样本工厂进行聚类，确定多个工厂聚类簇。
在一些实施例中，状况分析模块从多个候选绿色工厂评价指标中确定工厂聚类簇对应的多个目标绿色工厂评价指标及每个目标绿色工厂评价指标的目标权重，包括：
对于每个候选绿色工厂评价指标，基于工厂聚类簇包括的多个样本工厂的生产相关数据，确定工厂聚类簇包括的多个样本工厂在候选绿色工厂评价指标的得分，基于工厂聚类簇包括的多个样本工厂在候选绿色工厂评价指标的得分，确定候选绿色工厂评价指标与工厂聚类簇的相关系数；
基于每个候选绿色工厂评价指标与工厂聚类簇的相关系数，从多个候选绿色工厂评价指标中确定工厂聚类簇对应的多个目标绿色工厂评价指标；
基于每个目标绿色工厂评价指标与工厂聚类簇的相关系数，对每个目标绿色工厂评价指标的初始权重进行调整，确定每个目标绿色工厂评价指标的目标权重。
具体的，可以基于以下公式确定候选绿色工厂评价指标与工厂聚类簇的相关系数：
；
其中，为第f个候选绿色工厂评价指标与第e个工厂聚类簇的相关系数，为第e个工厂聚类簇包括的第t个样本工厂在第f个候选绿色工厂评价指标的得分，T为第e个工厂聚类簇包括的样本工厂的总数。
可以基于每个候选绿色工厂评价指标与工厂聚类簇的相关系数，计算相关系数均值，选择相关系数大于相关系数均值的候选绿色工厂评价指标作为目标绿色工厂评价指标。
可以根据以下公式基于每个目标绿色工厂评价指标与工厂聚类簇的相关系数，对每个目标绿色工厂评价指标的初始权重进行调整，确定每个目标绿色工厂评价指标的目标权重：
；
其中，为第e个工厂聚类簇对应的第m个目标绿色工厂评价指标的目标权重，/> 为第e个工厂聚类簇对应的第m个目标绿色工厂评价指标的初始权重，为第e个工厂聚类簇对应的第m个目标绿色工厂评价指标与第e个工厂聚类簇的相关系数，/>为，/>为第e个工厂聚类簇对应的第n个目标绿色工厂评价指标与第e个工厂聚类簇的相关系数，/>为第e个工厂聚类簇对应的目标绿色工厂评价指标的总数。
在一些实施例中，状况分析模块基于待分析工厂的生产相关数据及基础信息和多个工厂聚类簇的聚类中心的生产相关数据及基础信息，从多个工厂聚类簇中确定至少一个目标工厂聚类簇，包括：
对每个待分析工厂的生产相关数据及基础信息进行预处理，生成待分析工厂对应的多个生产信息标签及多个画像标签；
对于每个工厂聚类簇，基于工厂聚类簇的聚类中心对应的多个生产信息标签和待分析工厂对应的多个生产信息标签，计算工厂聚类簇与待分析工厂的生产相似度，基于工厂聚类簇的聚类中心对应的多个基础信息标签和待分析工厂对应的多个基础信息标签，计算工厂聚类簇与待分析工厂的画像相似度；
基于每个工厂聚类簇与待分析工厂的生产相似度及画像相似度，从多个工厂聚类簇中确定至少一个目标工厂聚类簇。
例如，可以基于每个工厂聚类簇的聚类中心与待分析工厂的生产相似度及画像相似度，确定每个工厂聚类簇与待分析工厂的综合相似度，将综合相似度大于预设综合相似度阈值的工厂聚类簇作为目标工厂聚类簇。
在一些实施例中，状况分析模块基于每个目标工厂聚类簇对应的多个目标绿色工厂评价指标及每个目标绿色工厂评价指标的目标权重，建立待分析工厂对应的绿色工厂评价体系，包括：
对每个目标工厂聚类簇对应的多个目标绿色工厂评价指标进行融合，确定多个绿色工厂评价指标，例如，基于每个目标工厂聚类簇对应的多个目标绿色工厂评价指标，生成多个目标绿色工厂评价指标，并对多个目标绿色工厂评价指标进行去重，确定多个绿色工厂评价指标；
对于每个绿色工厂评价指标，基于每个工厂聚类簇与待分析工厂的生产相似度及画像相似度和每个目标绿色工厂评价指标的目标权重，确定绿色工厂评价指标的最大化权重；
对多个绿色工厂评价指标的最大化权重进行归一化，确定每个绿色工厂评价指标对应的权重。
具体的，对于每个目标工厂聚类簇，可以基于该目标工厂聚类簇与待分析工厂的综合相似度和目标工厂聚类簇对应的每个目标绿色工厂评价指标的目标权重的乘积作为目标工厂聚类簇对应的每个目标绿色工厂评价指标的综合权重，选择综合权重的最大值对应的目标权重作为该绿色工厂评价指标对应的最大化权重。例如，绿色工厂评价指标1对应目标工厂聚类簇1的目标权重为0.6，综合权重为0.36，绿色工厂评价指标1对应目标工厂聚类簇2的目标权重为0.5，综合权重为0.4，则选择0.5作为绿色工厂评价指标1的最大化权重。
在一些实施例中，状况分析模块根据以下公式对多个绿色工厂评价指标的最大化权重进行归一化，确定每个绿色工厂评价指标对应的权重：
；
其中，为第i个绿色工厂评价指标对应的权重，/>为第i个绿色工厂评价指标对应的最大化权重，/>为第/>个绿色工厂评价指标对应的最大化权重，/>为绿色工厂评价指标的总数。
图3是根据本说明书一些实施例所示的获取待分析工厂的废气排放监测数据及废水排放监测数据的流程示意图，如图3所示，在一些实施例中，信息获取模块获取待分析工厂的废气排放监测数据及废水排放监测数据，包括：
对于每个工厂聚类簇，建立工厂聚类簇对应的监测点确定模型，对工厂聚类簇包括的多个样本工厂进行第二次聚类，生成工厂聚类簇包括的多个工厂聚类子簇，其中，监测点确定模型可以为GAN（Generative Adversarial Networks）模型；
对于每个工厂聚类子簇，基于工厂聚类子簇包括的任意两个样本工厂的生产相似度及画像相似度，确定工厂聚类子簇包括的每个样本工厂的目标采样空间，例如，基于工厂聚类子簇包括的任意两个样本工厂的生产相似度及画像相似度，计算任意两个样本工厂的综合相似度，基于工厂聚类子簇中与目标样本工厂的综合相似度大于预设综合相似度阈值的样本工厂，生成目标采样空间；
对于每个工厂聚类子簇，通过线性插值基于工厂聚类子簇包括的每个样本工厂的目标采样空间，生成工厂聚类子簇对应的训练样本；
对于每个工厂聚类簇，基于工厂聚类簇包括的每个工厂聚类子簇对应的训练样本对监测点确定模型进行训练，生成训练后的监测点确定模型；
对于每个目标工厂聚类簇，通过目标工厂聚类簇对应的训练后的监测点确定模型基于待分析工厂的基础信息，确定至少一个候选废气排放监测点及至少一个候选废水排放监测点；
对至少一个候选废气排放监测点进行融合，确定至少一个目标废气排放监测点；
对至少一个候选废水排放监测点进行融合，确定至少一个目标废水排放监测点；
在每个目标废气排放监测点获取废气排放监测数据；
在每个候选废水排放监测点获取废水排放监测数据。
在一些实施例中，信息获取模块根据以下公式通过线性插值基于工厂聚类子簇包括的每个样本工厂的目标采样空间，生成工厂聚类子簇对应的训练样本：
；
其中，为生成的第q个工厂聚类子簇对应的第p个训练样本，/>为第q个工厂聚类子簇包括的第g个样本工厂，/>为第g个样本工厂的目标采样空间中的第h个样本工厂，/>为第g个样本工厂和第h个样本工厂的综合相似度，/>为第g个样本工厂和第g个样本工厂的目标采样空间中的第k个样本工厂的综合相似度，K为第g个样本工厂的目标采样空间中的样本工厂的总数。
状况分析模块还可以用于基于原料用量数据、产品产出数据、水电气用量数据、废水排放数据、废气排放数据及危废排放数据，确定待分析工厂在多个绿色工厂评价指标的指标分值，基于废气排放监测数据及废水排放监测数据确定待分析工厂在多个绿色工厂评价指标的指标分值的可靠性参数。
具体的，可以通过可靠性确定模型基于废气排放监测数据及废水排放监测数据确定待分析工厂在多个绿色工厂评价指标的指标分值的可靠性参数，其中，可靠性确定模型可以为长短时记忆网络(Long Short-Term Memory，LSTM)模型。
状况分析模块还可以用于基于待分析工厂在多个绿色工厂评价指标的指标分值及可靠性参数，生成待分析工厂的综合评价结果。
具体的，可以基于待分析工厂在多个绿色工厂评价指标的指标分值及每个所述绿色工厂评价指标对应的权重，确定待分析工厂的初始综合评价分值，将初始综合评价分值与可靠性参数的乘积作为待分析工厂的综合评价分值。待分析工厂的综合评价结果可以包括待分析工厂的综合评价分值。
在一些实施例中，当待分析工厂的综合评价分值小于预设综合评价分值阈值时，待分析工厂的经营存在一定的问题，可以通过工厂优化模型基于待分析工厂在多个绿色工厂评价指标的指标分值及可靠性参数，确定待分析工厂的优化方案，工厂优化模型可以为长短时记忆网络(Long Short-Term Memory，LSTM)模型。其中，预设综合评价分值阈值可以为每个目标工厂聚类簇包括的样本工厂在待分析工厂对应的绿色工厂评价体系的综合评价分值的均值。
图4是根据本说明书一些实施例所示的一种基于实时数据分析的工厂经营状况分析方法的流程示意图，如图4所示，一种基于实时数据分析的工厂经营状况分析方法可以包括以下步骤。
步骤410，获取待分析工厂的生产相关数据。
步骤420，建立绿色工厂评价体系。
步骤430，基于原料用量数据、产品产出数据、水电气用量数据、废水排放数据、废气排放数据及危废排放数据，确定待分析工厂在多个绿色工厂评价指标的指标分值，基于废气排放监测数据及废水排放监测数据确定待分析工厂在多个绿色工厂评价指标的指标分值的可靠性参数。
步骤440，基于待分析工厂在多个绿色工厂评价指标的指标分值及可靠性参数，生成待分析工厂的综合评价结果。
一种基于实时数据分析的工厂经营状况分析方法可以由一种基于实时数据分析的工厂经营状况分析系统执行，关于一种基于实时数据分析的工厂经营状况分析方法的更多描述可以参见一种基于实时数据分析的工厂经营状况分析系统的相关描述，此处不再赘述。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (4)

1.一种基于实时数据分析的工厂经营状况分析系统，其特征在于，包括：
信息获取模块，用于获取待分析工厂的生产相关数据，其中，所述生产相关数据至少包括原料用量数据、产品产出数据、水电气用量数据、废水排放数据、废气排放数据、危废排放数据、废气排放监测数据及废水排放监测数据；
状况分析模块，用于建立所述待分析工厂对应的绿色工厂评价体系，其中，所述绿色工厂评价体系包括多个绿色工厂评价指标及每个所述绿色工厂评价指标对应的权重；
所述状况分析模块还用于基于所述原料用量数据、产品产出数据、水电气用量数据、废水排放数据、废气排放数据及危废排放数据，确定所述待分析工厂在所述多个绿色工厂评价指标的指标分值，基于所述废气排放监测数据及废水排放监测数据确定所述待分析工厂在所述多个绿色工厂评价指标的指标分值的可靠性参数；
所述状况分析模块还用于基于所述待分析工厂在所述多个绿色工厂评价指标的指标分值及可靠性参数，生成所述待分析工厂的综合评价结果；
所述状况分析模块建立绿色工厂评价体系，包括：
建立初始工厂评价体系，其中，所述初始工厂评价体系包括多个候选绿色工厂评价指标及每个所述候选绿色工厂评价指标的初始权重；
获取多个样本工厂的生产相关数据及基础信息，其中，所述基础信息至少包括设备信息及基础设施信息；
基于所述多个样本工厂的生产相关数据及基础信息，对所述多个样本工厂进行聚类，确定多个工厂聚类簇；
对于每个所述工厂聚类簇，从所述多个候选绿色工厂评价指标中确定所述工厂聚类簇对应的多个目标绿色工厂评价指标及每个所述目标绿色工厂评价指标的目标权重；
基于所述待分析工厂的生产相关数据及基础信息和所述多个工厂聚类簇的聚类中心的生产相关数据及基础信息，从所述多个工厂聚类簇中确定至少一个目标工厂聚类簇；
基于每个所述目标工厂聚类簇对应的多个目标绿色工厂评价指标及每个所述目标绿色工厂评价指标的目标权重，建立所述待分析工厂对应的绿色工厂评价体系；
所述状况分析模块基于所述待分析工厂的生产相关数据及基础信息和所述多个工厂聚类簇的聚类中心的生产相关数据及基础信息，从所述多个工厂聚类簇中确定至少一个目标工厂聚类簇，包括：
对每个所述待分析工厂的生产相关数据及基础信息进行预处理，生成所述待分析工厂对应的多个生产信息标签及多个画像标签；
对于每个所述工厂聚类簇，基于所述工厂聚类簇的聚类中心对应的多个生产信息标签和所述待分析工厂对应的多个生产信息标签，计算所述工厂聚类簇与所述待分析工厂的生产相似度，基于所述工厂聚类簇的聚类中心对应的多个基础信息标签和所述待分析工厂对应的多个基础信息标签，计算所述工厂聚类簇与所述待分析工厂的画像相似度；
基于每个所述工厂聚类簇与所述待分析工厂的生产相似度及画像相似度，从所述多个工厂聚类簇中确定至少一个目标工厂聚类簇；
所述信息获取模块获取待分析工厂的废气排放监测数据及废水排放监测数据，包括：
对于每个所述工厂聚类簇，建立所述工厂聚类簇对应的监测点确定模型，对所述工厂聚类簇包括的多个样本工厂进行第二次聚类，生成所述工厂聚类簇包括的多个工厂聚类子簇；
对于每个所述工厂聚类子簇，基于所述工厂聚类子簇包括的任意两个所述样本工厂的生产相似度及画像相似度，确定所述工厂聚类子簇包括的每个所述样本工厂的目标采样空间；
对于每个所述工厂聚类子簇，通过线性插值基于所述工厂聚类子簇包括的每个所述样本工厂的目标采样空间，生成所述工厂聚类子簇对应的训练样本；
对于每个所述工厂聚类簇，基于所述工厂聚类簇包括的每个所述工厂聚类子簇对应的训练样本对所述监测点确定模型进行训练，生成训练后的监测点确定模型；
对于每个所述目标工厂聚类簇，通过所述目标工厂聚类簇对应的训练后的监测点确定模型基于所述待分析工厂的基础信息，确定至少一个候选废气排放监测点及至少一个候选废水排放监测点；
对所述至少一个候选废气排放监测点进行融合，确定至少一个目标废气排放监测点；
对所述至少一个候选废水排放监测点进行融合，确定至少一个目标废水排放监测点；
在每个所述目标废气排放监测点获取所述废气排放监测数据；
在每个所述候选废水排放监测点获取所述废水排放监测数据；
所述信息获取模块根据以下公式通过线性插值基于所述工厂聚类子簇包括的每个所述样本工厂的目标采样空间，生成所述工厂聚类子簇对应的训练样本：
其中，x(q,p)为生成的第q个工厂聚类子簇对应的第p个训练样本，x(q,g)为第q个工厂聚类子簇包括的第g个样本工厂，x(g,h)为第g个样本工厂的目标采样空间中的第h个样本工厂，S(g,h)为第g个样本工厂和第h个样本工厂的综合相似度，S(g,k)为第g个样本工厂和第k个样本工厂的目标采样空间中的第k个样本工厂的综合相似度，K为第g个样本工厂的目标采样空间中的样本工厂的总数；
所述状况分析模块基于每个所述目标工厂聚类簇对应的多个目标绿色工厂评价指标及每个所述目标绿色工厂评价指标的目标权重，建立所述待分析工厂对应的绿色工厂评价体系，包括：
对每个所述目标工厂聚类簇对应的多个目标绿色工厂评价指标进行融合，确定多个绿色工厂评价指标；
对于每个所述绿色工厂评价指标，基于每个所述工厂聚类簇与所述待分析工厂的生产相似度及画像相似度和每个所述目标绿色工厂评价指标的目标权重，确定所述绿色工厂评价指标的最大化权重；
对所述多个绿色工厂评价指标的最大化权重进行归一化，确定每个所述绿色工厂评价指标对应的权重；
所述状况分析模块根据以下公式对所述多个绿色工厂评价指标的最大化权重进行归一化，确定每个所述绿色工厂评价指标对应的权重：
其中，a(i,final)为第i个绿色工厂评价指标对应的权重，a(i,max)为第i个绿色工厂评价指标对应的最大化权重，a(j,max)为第j个绿色工厂评价指标对应的最大化权重，J为绿色工厂评价指标的总数；
所述状况分析模块从所述多个候选绿色工厂评价指标中确定所述工厂聚类簇对应的多个目标绿色工厂评价指标及每个所述目标绿色工厂评价指标的目标权重，包括：
对于每个所述候选绿色工厂评价指标，基于所述工厂聚类簇包括的多个样本工厂的生产相关数据，确定所述工厂聚类簇包括的多个样本工厂在所述候选绿色工厂评价指标的得分，基于所述工厂聚类簇包括的多个样本工厂在所述候选绿色工厂评价指标的得分，确定所述候选绿色工厂评价指标与所述工厂聚类簇的相关系数；
基于每个所述候选绿色工厂评价指标与所述工厂聚类簇的相关系数，从所述多个候选绿色工厂评价指标中确定所述工厂聚类簇对应的多个目标绿色工厂评价指标；
基于每个所述目标绿色工厂评价指标与所述工厂聚类簇的相关系数，对每个所述目标绿色工厂评价指标的初始权重进行调整，确定每个所述目标绿色工厂评价指标的目标权重；
基于以下公式确定候选绿色工厂评价指标与工厂聚类簇的相关系数：
其中，R(e,f)为第f个候选绿色工厂评价指标与第e个工厂聚类簇的相关系数，S(t,f)为第e个工厂聚类簇包括的第t个样本工厂在第f个候选绿色工厂评价指标的得分，T为第e个工厂聚类簇包括的样本工厂的总数；
根据以下公式基于每个目标绿色工厂评价指标与工厂聚类簇的相关系数，对每个目标绿色工厂评价指标的初始权重进行调整，确定每个目标绿色工厂评价指标的目标权重：
其中，a(m,final)为第e个工厂聚类簇对应的第m个目标绿色工厂评价指标的目标权重，a(m,initial)为第e个工厂聚类簇对应的第m个目标绿色工厂评价指标的初始权重，R(e,m)为第e个工厂聚类簇对应的第m个目标绿色工厂评价指标与第e个工厂聚类簇的相关系数，a(n,initial)为，R(e,n)为第e个工厂聚类簇对应的第n个目标绿色工厂评价指标与第e个工厂聚类簇的相关系数，N为第e个工厂聚类簇对应的目标绿色工厂评价指标的总数。
2.根据权利要求1所述的一种基于实时数据分析的工厂经营状况分析系统，其特征在于，所述状况分析模块基于所述多个样本工厂的生产相关数据及基础信息，对所述多个样本工厂进行聚类，确定多个工厂聚类簇，包括：
对每个所述样本工厂的生产相关数据及基础信息进行预处理，生成所述样本工厂对应的多个生产信息标签及多个画像标签；
对于任意两个样本工厂，基于所述两个样本工厂对应的多个生产信息标签，计算所述两个样本工厂的生产相似度，基于所述两个样本工厂对应的多个画像标签，计算所述两个样本工厂的画像相似度；
通过k均值聚类算法基于任意两个样本工厂的生产相似度及画像相似度，对所述多个样本工厂进行聚类，确定多个工厂聚类簇。
3.根据权利要求1所述的一种基于实时数据分析的工厂经营状况分析系统，其特征在于，所述状况分析模块基于所述待分析工厂的生产相关数据及基础信息和所述多个工厂聚类簇的聚类中心的生产相关数据及基础信息，从所述多个工厂聚类簇中确定至少一个目标工厂聚类簇，包括：
对每个所述待分析工厂的生产相关数据及基础信息进行预处理，生成所述待分析工厂对应的多个生产信息标签及多个画像标签；
对于每个所述工厂聚类簇，基于所述工厂聚类簇的聚类中心对应的多个生产信息标签和所述待分析工厂对应的多个生产信息标签，计算所述工厂聚类簇与所述待分析工厂的生产相似度，基于所述工厂聚类簇的聚类中心对应的多个基础信息标签和所述待分析工厂对应的多个基础信息标签，计算所述工厂聚类簇与所述待分析工厂的画像相似度；
基于每个所述工厂聚类簇与所述待分析工厂的生产相似度及画像相似度，从所述多个工厂聚类簇中确定至少一个目标工厂聚类簇。
4.一种基于实时数据分析的工厂经营状况分析方法，应用于权利要求1-3中任意一项所述的一种基于实时数据分析的工厂经营状况分析系统，其特征在于，包括：
获取待分析工厂的生产相关数据，其中，所述生产相关数据至少包括原料用量数据、产品产出数据、水电气用量数据、废水排放数据、废气排放数据、危废排放数据、废气排放监测数据及废水排放监测数据；
建立绿色工厂评价体系，其中，所述绿色工厂评价体系包括多个绿色工厂评价指标及每个所述绿色工厂评价指标对应的权重；
基于所述原料用量数据、产品产出数据、水电气用量数据、废水排放数据、废气排放数据及危废排放数据，确定所述待分析工厂在所述多个绿色工厂评价指标的指标分值，基于所述废气排放监测数据及废水排放监测数据确定所述待分析工厂在所述多个绿色工厂评价指标的指标分值的可靠性参数；
基于所述待分析工厂在所述多个绿色工厂评价指标的指标分值及可靠性参数，生成所述待分析工厂的综合评价结果；
基于所述待分析工厂的生产相关数据及基础信息和所述多个工厂聚类簇的聚类中心的生产相关数据及基础信息，从所述多个工厂聚类簇中确定至少一个目标工厂聚类簇，包括：
对每个所述待分析工厂的生产相关数据及基础信息进行预处理，生成所述待分析工厂对应的多个生产信息标签及多个画像标签；
对于每个所述工厂聚类簇，基于所述工厂聚类簇的聚类中心对应的多个生产信息标签和所述待分析工厂对应的多个生产信息标签，计算所述工厂聚类簇与所述待分析工厂的生产相似度，基于所述工厂聚类簇的聚类中心对应的多个基础信息标签和所述待分析工厂对应的多个基础信息标签，计算所述工厂聚类簇与所述待分析工厂的画像相似度；
基于每个所述工厂聚类簇与所述待分析工厂的生产相似度及画像相似度，从所述多个工厂聚类簇中确定至少一个目标工厂聚类簇；
获取待分析工厂的废气排放监测数据及废水排放监测数据，包括：
对于每个所述工厂聚类簇，建立所述工厂聚类簇对应的监测点确定模型，对所述工厂聚类簇包括的多个样本工厂进行第二次聚类，生成所述工厂聚类簇包括的多个工厂聚类子簇；
对于每个所述工厂聚类子簇，基于所述工厂聚类子簇包括的任意两个所述样本工厂的生产相似度及画像相似度，确定所述工厂聚类子簇包括的每个所述样本工厂的目标采样空间；
对于每个所述工厂聚类子簇，通过线性插值基于所述工厂聚类子簇包括的每个所述样本工厂的目标采样空间，生成所述工厂聚类子簇对应的训练样本；
对于每个所述工厂聚类簇，基于所述工厂聚类簇包括的每个所述工厂聚类子簇对应的训练样本对所述监测点确定模型进行训练，生成训练后的监测点确定模型；
对于每个所述目标工厂聚类簇，通过所述目标工厂聚类簇对应的训练后的监测点确定模型基于所述待分析工厂的基础信息，确定至少一个候选废气排放监测点及至少一个候选废水排放监测点；
对所述至少一个候选废气排放监测点进行融合，确定至少一个目标废气排放监测点；
对所述至少一个候选废水排放监测点进行融合，确定至少一个目标废水排放监测点；
在每个所述目标废气排放监测点获取所述废气排放监测数据；
在每个所述候选废水排放监测点获取所述废水排放监测数据；
根据以下公式通过线性插值基于所述工厂聚类子簇包括的每个所述样本工厂的目标采样空间，生成所述工厂聚类子簇对应的训练样本：
其中，x(q,p)为生成的第q个工厂聚类子簇对应的第p个训练样本，x(q,g)为第q个工厂聚类子簇包括的第g个样本工厂，x(g,h)为第g个样本工厂的目标采样空间中的第h个样本工厂，S(g,h)为第g个样本工厂和第h个样本工厂的综合相似度，S(g,k)为第g个样本工厂和第g个样本工厂的目标采样空间中的第k个样本工厂的综合相似度，K为第g个样本工厂的目标采样空间中的样本工厂的总数；
基于每个所述目标工厂聚类簇对应的多个目标绿色工厂评价指标及每个所述目标绿色工厂评价指标的目标权重，建立所述待分析工厂对应的绿色工厂评价体系，包括：
对每个所述目标工厂聚类簇对应的多个目标绿色工厂评价指标进行融合，确定多个绿色工厂评价指标；
对于每个所述绿色工厂评价指标，基于每个所述工厂聚类簇与所述待分析工厂的生产相似度及画像相似度和每个所述目标绿色工厂评价指标的目标权重，确定所述绿色工厂评价指标的最大化权重；
对所述多个绿色工厂评价指标的最大化权重进行归一化，确定每个所述绿色工厂评价指标对应的权重；
根据以下公式对所述多个绿色工厂评价指标的最大化权重进行归一化，确定每个所述绿色工厂评价指标对应的权重：
其中，a(i,final)为第i个绿色工厂评价指标对应的权重，a(i,max)为第i个绿色工厂评价指标对应的最大化权重，a(j,max)为第j个绿色工厂评价指标对应的最大化权重，J为绿色工厂评价指标的总数；
从所述多个候选绿色工厂评价指标中确定所述工厂聚类簇对应的多个目标绿色工厂评价指标及每个所述目标绿色工厂评价指标的目标权重，包括：
对于每个所述候选绿色工厂评价指标，基于所述工厂聚类簇包括的多个样本工厂的生产相关数据，确定所述工厂聚类簇包括的多个样本工厂在所述候选绿色工厂评价指标的得分，基于所述工厂聚类簇包括的多个样本工厂在所述候选绿色工厂评价指标的得分，确定所述候选绿色工厂评价指标与所述工厂聚类簇的相关系数；
基于每个所述候选绿色工厂评价指标与所述工厂聚类簇的相关系数，从所述多个候选绿色工厂评价指标中确定所述工厂聚类簇对应的多个目标绿色工厂评价指标；
基于每个所述目标绿色工厂评价指标与所述工厂聚类簇的相关系数，对每个所述目标绿色工厂评价指标的初始权重进行调整，确定每个所述目标绿色工厂评价指标的目标权重；
基于以下公式确定候选绿色工厂评价指标与工厂聚类簇的相关系数：
其中，R(e,f)为第f个候选绿色工厂评价指标与第e个工厂聚类簇的相关系数，S(t,f)为第e个工厂聚类簇包括的第t个样本工厂在第f个候选绿色工厂评价指标的得分，T为第e个工厂聚类簇包括的样本工厂的总数；
根据以下公式基于每个目标绿色工厂评价指标与工厂聚类簇的相关系数，对每个目标绿色工厂评价指标的初始权重进行调整，确定每个目标绿色工厂评价指标的目标权重：
其中，a(m,final)为第e个工厂聚类簇对应的第m个目标绿色工厂评价指标的目标权重，a(m,initial)为第e个工厂聚类簇对应的第m个目标绿色工厂评价指标的初始权重，R(e,m)为第e个工厂聚类簇对应的第m个目标绿色工厂评价指标与第e个工厂聚类簇的相关系数，a(n,initial)为，R(e,n)为第e个工厂聚类簇对应的第n个目标绿色工厂评价指标与第e个工厂聚类簇的相关系数，N为第e个工厂聚类簇对应的目标绿色工厂评价指标的总数。
CN202410270824.4A 2024-03-11 2024-03-11 一种基于实时数据分析的工厂经营状况分析方法及系统 Active CN117875795B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410270824.4A CN117875795B (zh) 2024-03-11 2024-03-11 一种基于实时数据分析的工厂经营状况分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410270824.4A CN117875795B (zh) 2024-03-11 2024-03-11 一种基于实时数据分析的工厂经营状况分析方法及系统

Publications (2)

Publication Number Publication Date
CN117875795A CN117875795A (zh) 2024-04-12
CN117875795B true CN117875795B (zh) 2024-05-28

Family

ID=90592281

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410270824.4A Active CN117875795B (zh) 2024-03-11 2024-03-11 一种基于实时数据分析的工厂经营状况分析方法及系统

Country Status (1)

Country Link
CN (1) CN117875795B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006011715A (ja) * 2004-06-24 2006-01-12 Tokyo Electric Power Co Inc:The 資源消費量の推定方法及び装置
CN103617447A (zh) * 2013-11-27 2014-03-05 广东电网公司电力科学研究院 智能变电站的评价系统及评价方法
CN107133745A (zh) * 2017-05-26 2017-09-05 辽宁科技学院 一种矿井通风系统评价方法
CN111932067A (zh) * 2020-07-03 2020-11-13 中国电子技术标准化研究院 一种基于层次分析法的绿色工厂评价方法
CN113298874A (zh) * 2021-07-26 2021-08-24 广东工业大学 基于无人机巡检的输电线路安全距离风险评估方法及装置
CN114626662A (zh) * 2021-11-30 2022-06-14 阿里云计算有限公司 绿色工厂评价方法和界面及计算机可读存储介质
CN117151505A (zh) * 2023-07-19 2023-12-01 中国民航科学技术研究院 基于聚类方法与组合权重的事件调查体系评价方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12106101B2 (en) * 2020-12-23 2024-10-01 Intel Corporation Vector processor supporting linear interpolation on multiple dimensions

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006011715A (ja) * 2004-06-24 2006-01-12 Tokyo Electric Power Co Inc:The 資源消費量の推定方法及び装置
CN103617447A (zh) * 2013-11-27 2014-03-05 广东电网公司电力科学研究院 智能变电站的评价系统及评价方法
CN107133745A (zh) * 2017-05-26 2017-09-05 辽宁科技学院 一种矿井通风系统评价方法
CN111932067A (zh) * 2020-07-03 2020-11-13 中国电子技术标准化研究院 一种基于层次分析法的绿色工厂评价方法
CN113298874A (zh) * 2021-07-26 2021-08-24 广东工业大学 基于无人机巡检的输电线路安全距离风险评估方法及装置
CN114626662A (zh) * 2021-11-30 2022-06-14 阿里云计算有限公司 绿色工厂评价方法和界面及计算机可读存储介质
CN117151505A (zh) * 2023-07-19 2023-12-01 中国民航科学技术研究院 基于聚类方法与组合权重的事件调查体系评价方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GSM-R服务质量评价体系的研究;马良德;《铁道通信信号》;20191117;第55卷(第S1期);第21-28页 *
Quality evaluation of power cable based on combined weighting and adaptive gray clustering;Kan Xu;《2021 IEEE 4th International Electrical and Energy Conference》;20211231;第1-5页 *

Also Published As

Publication number Publication date
CN117875795A (zh) 2024-04-12

Similar Documents

Publication Publication Date Title
CN115358332A (zh) 面向多源数据的大气污染溯源方法
CN110705727A (zh) 基于随机森林算法的光伏电站阴影遮挡诊断方法及系统
CN110298488A (zh) 一种基于数据挖掘的能源数据分析方法及系统
CN116957838A (zh) 一种基于知识图表示学习的农作物生长环境监测方法
Fong et al. Forecasting of particulate matter (PM10) concentration based on gaseous pollutants and meteorological factors for different monsoons of urban coastal area in Terengganu
CN114169254A (zh) 基于短期建筑能耗预测模型的异常能耗诊断方法及系统
CN116862081B (zh) 一种污染治理设备运维方法及系统
CN117171546A (zh) 一种结合污染扩散指数的城市空气质量预测方法
CN108830405B (zh) 基于多指标动态匹配的实时电力负荷预测系统及其方法
CN116090821A (zh) 一种考虑极端天气的配电网线路安全风险评估方法
CN113281229A (zh) 一种基于小样本下多模型自适应大气pm2.5浓度预测方法
CN114217025B (zh) 评估空气质量浓度预测中气象数据对其影响的分析方法
CN113537336A (zh) 基于XGBoost的短临雷雨大风的预测方法
CN117875795B (zh) 一种基于实时数据分析的工厂经营状况分析方法及系统
CN115879379B (zh) 一种设备的腐蚀智能监测预警方法及系统
Guo et al. Wind speed forecasting of genetic neural model based on rough set theory
CN112418662A (zh) 一种利用人工神经网络的配电网运行可靠性分析方法
CN116663393A (zh) 一种基于随机森林的配电网持续高温下故障风险等级预测方法
CN114693175A (zh) 一种基于网源涉网试验的机组状态分析方法与系统
CN113742641A (zh) 一种基于模糊逼近应用的企业环境风险评估系统和方法
CN113902327A (zh) 一种海上风电场基础结构腐蚀健康状态的评估方法及系统
Karaca et al. Application of inductive learning: air pollution forecast in Istanbul, Turkey
CN109214685A (zh) 一种重型柴油车减排技术的最佳可行性评估方法
CN117828490B (zh) 一种基于集成学习的对台风灾害预报方法及系统
CN117252337A (zh) 一种可提前评估单变量时间序列建筑能耗预测精度的方法、装置及计算机系统

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