一种数据流通市场的数据质量监管平台及数据监管方法

本发明涉及数据处理，具体涉及一种数据流通市场的数据质量监管平台及数据监管方法。

背景技术：

1、数据流通市场通常指的是一个允许数据交换、共享和交易的市场或平台，它为企业和组织提供了更便捷和经济高效的方式来获取和利用大量的数据资源，在企业内部，不同部门或不同工厂之间的数据流通可以帮助实现跨部门的协同和生产优化，例如在工业自动化和制造业中，设备运行数据通常需要进行流通和共享，用以进行生产计划的调整、设备的预测性维护等。

2、现有的问题：但由于工厂环境中的温度和湿度变化、电磁信号干扰源以及设备可能安装在振动强烈的环境中，这会导致设备运行过程中实时采集的数据中存在一些噪声数据，降低数据质量。现有的使用加权移动平均算法对设备运行的时序数据进行滤波去噪，该算法受时间窗口大小的影响，固定且不合适的时间窗口大小，会降低噪声数据去除的效果，从而使得数据质量监管效率较差。

技术实现思路

1、本发明提供一种数据流通市场的数据质量监管平台及数据监管方法，以解决现有的问题。

2、本发明的一种数据流通市场的数据质量监管平台及数据监管方法采用如下技术方案：

3、本发明一个实施例提供了一种数据流通市场的数据监管方法，该方法包括以下步骤：

4、获取工厂多线程生产线上同一批次工件在每种加工环节中每个设备的压力时序数据序列；

5、获取每个压力时序数据序列分解出的趋势分量与季节性分量；以趋势分量中所有局部极值对应的时间，分别将每个压力时序数据序列与季节性分量划分为若干个压力数据序列段与季节性分量段；根据每个季节性分量段内的局部极值数量以及相邻局部极值的差异，得到每个压力数据序列段的疑似噪声影响程度；

6、根据每个压力数据序列段的疑似噪声影响程度以及同一加工环节中所有设备的压力时序数据序列中同时段内的压力数据，得到每个压力时序数据序列的疑似噪声影响程度；

7、根据同一加工环节中所有设备的压力时序数据序列的趋势分量之间的差异，得到每个压力时序数据序列的差异性；根据每个压力时序数据序列的疑似噪声影响程度以及相邻加工环节中同序数值的压力时序数据序列的差异性的差异，得到每个压力时序数据序列的最终噪声影响程度；

8、根据每个压力时序数据序列的最终噪声影响程度，得到每个压力时序数据序列对应的高质量压力时序数据序列；将高质量压力时序数据存储至数据质量监管平台的数据库，用于工厂多线程生产线上的设备调试。

9、进一步地，所述根据每个季节性分量段内的局部极值数量以及相邻局部极值的差异，得到每个压力数据序列段的疑似噪声影响程度，包括的具体步骤如下：

10、将第个压力时序数据序列的季节性分量中第个季节性分量段内的局部极值数量与第个压力时序数据序列中第个压力数据序列段内的压力数据数量的比值，记为第个压力时序数据序列中第个压力数据序列段内的波动程度；

11、根据第个压力时序数据序列中第个压力数据序列段内的波动程度以及第个压力时序数据序列的季节性分量中第个季节性分量段内相邻局部极值的差异，得到第个压力时序数据序列中第个压力数据序列段内的疑似噪声影响程度。

12、进一步地，所述第个压力时序数据序列中第个压力数据序列段内的疑似噪声影响程度，包括的具体步骤如下：

13、计算第个压力时序数据序列的季节性分量中第个季节性分量段内所有相邻局部极值的差值绝对值的方差，将所述方差与第个压力时序数据序列中第个压力数据序列段内的波动程度的乘积，记为第个压力时序数据序列中第个压力数据序列段内的疑似噪声影响程度。

14、进一步地，所述根据每个压力数据序列段的疑似噪声影响程度以及同一加工环节中所有设备的压力时序数据序列中同时段内的压力数据，得到每个压力时序数据序列的疑似噪声影响程度，包括的具体步骤如下：

15、在第个加工环节中所有设备的压力时序数据序列中，以第个压力时序数据序列中第个压力数据序列段的起始时间和终止时间，从除第个压力时序数据序列之外每个压力时序数据序列中划分出参考压力数据序列段；

16、将第个压力时序数据序列中第个压力数据序列段与所有参考压力数据序列段的均值，记为标准数据序列段；

17、使用dtw算法对每个压力数据序列段与其对应的标准数据序列段进行匹配，得到每个压力数据序列段与其对应的标准数据序列段的dtw距离值；

18、根据每个压力数据序列段的疑似噪声影响程度以及每个压力数据序列段与其对应的标准数据序列段的dtw距离值，得到每个压力时序数据序列的疑似噪声影响程度。

19、进一步地，所述根据每个压力数据序列段的疑似噪声影响程度以及每个压力数据序列段与其对应的标准数据序列段的dtw距离值，得到每个压力时序数据序列的疑似噪声影响程度，包括的具体步骤如下：

20、在第个加工环节中的第个压力时序数据序列中，计算所有压力数据序列段内的疑似噪声影响程度的和值，再计算第个压力数据序列段内的疑似噪声影响程度与所述和值的比值，将第个压力数据序列段与其对应的标准数据序列段的dtw距离值与所述比值的乘积，记为第个压力数据序列段的修正疑似噪声影响程度，将所有压力数据序列段的修正疑似噪声影响程度的和值，记为第个加工环节中第个压力时序数据序列的疑似噪声影响程度。

21、进一步地，所述根据同一加工环节中所有设备的压力时序数据序列的趋势分量之间的差异，得到每个压力时序数据序列的差异性，包括的具体步骤如下：

22、在第个加工环节中的所有设备的压力时序数据序列中，使用dtw算法，获取任意两个压力时序数据序列的趋势分量之间的dtw距离值，将第个压力时序数据序列与除个压力时序数据序列之外的所有压力时序数据序列的趋势分量之间的dtw距离值的和值的归一化值，记为第个压力时序数据序列的差异性。

23、进一步地，所述根据每个压力时序数据序列的疑似噪声影响程度以及相邻加工环节中同序数值的压力时序数据序列的差异性的差异，得到每个压力时序数据序列的最终噪声影响程度，包括的具体步骤如下：

24、在第个加工环节以及第个加工环节之后所有加工环节中，计算相邻两个加工环节中每个同序数值的压力时序数据序列的差异性的差值，将所有相邻两个加工环节中每个同序数值的压力时序数据序列的差异性的差值的均值，记为第个加工环节中每个压力时序数据序列的故障程度；

25、根据每个加工环节中每个压力时序数据序列的故障程度以及每个压力时序数据序列的疑似噪声影响程度，得到每个压力时序数据序列的最终噪声影响程度。

26、进一步地，所述根据每个加工环节中每个压力时序数据序列的故障程度以及每个压力时序数据序列的疑似噪声影响程度，得到每个压力时序数据序列的最终噪声影响程度，包括的具体步骤如下：

27、在第个加工环节中，将第个压力时序数据序列的故障程度的反比例归一化值与第个压力时序数据序列的疑似噪声影响程度的乘积，记为第个加工环节中第个压力时序数据序列的最终噪声影响程度。

28、进一步地，所述根据每个压力时序数据序列的最终噪声影响程度，得到每个压力时序数据序列对应的高质量压力时序数据序列，包括的具体步骤如下：

29、使用每个压力时序数据序列的最终噪声影响程度对预设时间窗口大小进行调整，得到每个压力时序数据序列需要的时间窗口大小；

30、根据每个压力时序数据序列需要的时间窗口大小，使用加权移动平均算法对每个压力时序数据序列进行运算，得到每个压力时序数据序列对应的高质量压力时序数据序列。

31、本发明还提出了一种数据流通市场的数据质量监管平台，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述存储器存储的计算机程序，以实现前述所述的一种数据流通市场的数据监管方法的步骤。

32、本发明的技术方案的有益效果是：

33、在本发明实施例中，获取工厂多线程生产线上同一批次工件在每种加工环节中每个设备的压力时序数据序列，从而得到每个压力时序数据序列的疑似噪声影响程度，其通过相同加工环节中同型号的不同设备的运行数据之间的分析，结合噪声的随机性，对噪声数据进行初步检测，保障了噪声数据检测的准确性。获取每个压力时序数据序列的差异性，根据每个压力时序数据序列的疑似噪声影响程度以及相邻加工环节中同序数值的压力时序数据序列的差异性的差异，得到每个压力时序数据序列的最终噪声影响程度，由此进一步根据不同加工环节中同一设备的运行数据之间的分析，区分故障数据，从而更精准的确定噪声数据，保障了后续高质量数据获取的准确性。获取高质量压力时序数据序列，将高质量压力时序数据存储至数据质量监管平台的数据库，用于工厂多线程生产线上的设备调试，实现工厂多线程生产线上不同加工环节中设备的数据流通。至此本发明通过自适应时间窗口大小，获取高质量压力时序数据序列，进而保障了数据流通的准确性。