一种基于大数据的纺织品溯源系统及方法与流程

本技术涉及纺织品溯源，具体而言，涉及一种基于大数据的纺织品溯源系统及方法。

背景技术：

1、随着全球经济的发展和消费者对产品质量和安全的关注不断增加，纺织品溯源成为了一个备受关注的话题。传统的生产模式存在着信息不对称和供应链不透明的问题，导致了产品质量无法保证和不可控的风险。

2、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本技术实施例提供了一种基于大数据的纺织品溯源系统及方法，以解决上述技术问题。

2、本技术提供了一种基于大数据的纺织品溯源系统，包括数据采集与整合单元、数据清洗与预处理单元、数据分析与挖掘单元、模型建立与优化单元以及链接追溯单元，其中，

3、所述数据采集与整合单元，用于从纺织品生产的各个环节收集溯源数据；其中，所述纺织品生产的各个环节包括原材料采购环节、生产加工环节、质量检验环节以及物流运输环节；所述溯源数据包括供应商信息、生产批次信息、生产工艺参数以及质检报告；

4、所述数据清洗与预处理单元，用于对所述溯源数据进行清洗与预处理，去除无效数据以及异常数据，根据上下时序对存在缺失的数据进行均值填补；其中，所述预处理包括归一化、配准以及空间化；

5、所述数据分析与挖掘单元，用于对经过清洗与预处理的所述溯源数据进行分析和挖掘，包括：通过聚类分析将所述纺织品分为不同的类别；对经过清洗与预处理的所述溯源数据进行时空变化特征分析；通过fp-growth关联规则挖掘所述纺织品生产的各个环节之间的关联关系；其中，对所述溯源数据进行时空变化特征分析，包括：对于不同环节的所述溯源数据进行时序匹配；按照环节由前到后的顺序对经过清洗与预处理的所述溯源数据进行排序，对经过清洗与预处理的所述溯源数据所包括的各个环节的数据之间的时间间隔进行平滑处理，得到平滑处理后的时间间隔序列；对平滑处理后的所述时间间隔序列中的各个数据进行符号化处理；其中，环节按由前到后的顺序依次为：所述原材料采购环节、所述生产加工环节、所述质量检验环节以及所述物流运输环节；

6、所述模型建立与优化单元，用于基于对所述溯源数据进行分析和挖掘的结果，建立纺织品预测模型，其中，所述纺织品预测模型用于预测所述纺织品的质量等级信息和生产效率信息；

7、所述链接追溯单元，用于将所述纺织品与所述纺织品的数据信息进行关联，建立所述纺织品的链路追溯系统，其中，所述纺织品的链路追溯系统包括与所述纺织品对应的二维码标识；所述纺织品的数据信息包括所述纺织品在所述各个环节的溯源数据、质量等级信息和生产效率信息。

8、进一步地，所述基于大数据的纺织品溯源系统还包括：可视化与监控单元，用于在所述将所述纺织品与所述纺织品的数据信息进行关联，建立所述纺织品的链路追溯系统之后，基于建立好的所述纺织品的链路追溯系统，利用仪表盘、图表以及报表的形式将所述纺织品的生产过程进行可视化展示，以对纺织品的生产过程进行实时监控。

9、进一步地，所述基于大数据的纺织品溯源系统还包括：反馈优化单元，用于基于从所述纺织品的链路追溯系统获取到的消费者的反馈意见和建议，改进和优化所述纺织品的生产过程。

10、本技术还提供了一种基于大数据的纺织品溯源方法，包括：从纺织品生产的各个环节收集溯源数据；其中，所述纺织品生产的各个环节包括原材料采购环节、生产加工环节、质量检验环节以及物流运输环节；所述溯源数据包括供应商信息、生产批次信息、生产工艺参数以及质检报告；

11、对所述溯源数据进行清洗与预处理，去除无效数据以及异常数据，根据上下时序对存在缺失的数据进行均值填补；其中，所述预处理包括归一化、配准以及空间化；

12、对经过清洗与预处理的所述溯源数据进行分析和挖掘，包括：通过聚类分析将所述纺织品分为不同的类别；对经过清洗与预处理的所述溯源数据进行时空变化特征分析；通过fp-growth关联规则挖掘所述纺织品生产的各个环节之间的关联关系；

13、其中，对所述溯源数据进行时空变化特征分析，包括：对于不同环节的所述溯源数据进行时序匹配；按照环节由前到后的顺序对经过清洗与预处理的所述溯源数据进行排序，对经过清洗与预处理的所述溯源数据所包括的各个环节的数据之间的时间间隔进行平滑处理，得到平滑处理后的时间间隔序列；对平滑处理后的所述时间间隔序列中的各个数据进行符号化处理；其中，环节按由前到后的顺序依次为：所述原材料采购环节、所述生产加工环节、所述质量检验环节以及所述物流运输环节；

14、基于对所述溯源数据进行分析和挖掘的结果，建立纺织品预测模型，其中，所述纺织品预测模型用于预测所述纺织品的质量等级信息和生产效率信息；

15、将所述纺织品与所述纺织品的数据信息进行关联，建立所述纺织品的链路追溯系统，其中，所述纺织品的链路追溯系统包括与所述纺织品对应的二维码标识；所述纺织品的数据信息包括所述纺织品在所述各个环节的溯源数据、质量等级信息和生产效率信息。

16、进一步地，所述通过fp-growth关联规则挖掘所述纺织品生产的各个环节之间的关联关系，包括：根据符号化处理的结果构建频繁模式树，利用大数据平台各计算节点统计各环节数据项的出现频次；基于所述各环节数据项的出现频次采用fp-growth关联规则从所述频繁模式树中筛选出频繁项集；根据筛选出的所述频繁项集构造环节关联规则；根据所述环节关联规则挖掘所述纺织品生产的各个环节之间的关联关系。

17、进一步地，所述纺织品预测模型包括生产效率识别网络以及质量等级识别模型，基于对所述溯源数据进行分析和挖掘的结果，建立所述生产效率识别网络，包括：根据挖掘到的所述纺织品生产的各个环节之间的关联关系，对经过清洗与预处理的所述溯源数据进行极限特征抓取，并根据抓取差值确定时间划分结果；对所述时间划分结果进行上下时间分割节点间的变化寻优搜索，根据搜索结果确定分割时间节点；

18、基于所述分割时间节点搭建生产效率识别子网络；

19、将经过清洗与预处理的所述溯源数据根据所述时间间隔序列映射至预设坐标系中，以构建多个线性回归方程；其中，计算所述预设坐标系的坐标距离密度p；

20、将所述多个线性回归方程合并到所述生产效率识别子网络中，得到所述生产效率识别网络。

21、进一步地，所述质量等级识别模型执行如下步骤：

22、根据预设样本量约束计算经过清洗与预处理的所述溯源数据的初步稳态系数；

23、以纺织品质量标准信息作为预设稳态评价结果，对经过清洗与预处理的所述溯源数据进行评价；

24、若评价结果不满足预设条件，调整所述预设样本量约束，直至评价结果满足所述预设条件。

25、进一步地，在所述将所述纺织品与所述纺织品的数据信息进行关联，建立所述纺织品的链路追溯系统之后，所述方法还包括：基于建立好的所述纺织品的链路追溯系统，利用仪表盘、图表以及报表的形式将所述纺织品的生产过程进行可视化展示，以对纺织品的生产过程进行实时监控。

26、进一步地，消费者通过扫描与所述纺织品对应的二维码标识，获取所述纺织品在所述各个环节的溯源数据信息、质量等级信息和生产效率信息，并将对所述纺织品的反馈意见和建议反馈至所述纺织品的链路追溯系统。

27、进一步地，基于从所述纺织品的链路追溯系统获取到的消费者的反馈意见和建议，改进和优化所述纺织品的生产过程。

28、基于本技术提供的实施例，可以保障产品质量和安全，具体来讲，纺织品是与人们日常生活息息相关的产品，其质量和安全直接关系到消费者的健康和权益。建立基于大数据的纺织品溯源系统可以帮助企业及时发现和解决生产过程中的质量问题，确保产品符合标准和规定；可以提升供应链管理效率，也即，传统的供应链管理存在信息不对称和流程不透明的问题，导致了生产效率低下和成本增加。通过大数据技术，可以实现供应链的实时监控和数据分析，优化生产流程和资源配置，提高供应链管理的效率和灵活性；可以满足消费者需求，具体地，消费者对产品质量和安全的关注日益增加，他们希望能够了解产品的生产过程和来源。建立基于大数据的纺织品溯源系统可以满足消费者的需求，提高产品的透明度和信任度，增强品牌竞争力。