[发明专利]一种烟草卷包车间异常质量数据模型的建立方法

权利要求书

1.一种烟草卷包车间异常质量数据模型的建立方法，其特征在于，包括以下步骤：

获取历史烟草卷包车间影响质量问题的质量因素；

所述质量因素包括设定数量的质量模式因素，依据各质量模式因素的特性，设定各质量模式因素所对应质量合格数据的阀值；

获取用户原始数据并依据所述质量模式因素确定相应的质量模式子数据集；

提取相应的质量模式子数据集中的数据与相应的质量模式因素所对应质量合格数据的阀值进行判断，若判断为否，则确定为该数据为质量异常数据，存入相应的质量模式因素异常数据集，并将设定时间段内的质量模式因素异常数据集依据时间顺序排为质量模式因素异常数据参考数列；

若判断为是，则放弃该数据，重新进行提取。

2.根据权利要求1所述的烟草卷包车间异常质量数据模型的建立方法，其特征在于，所述质量因素至少包括物理指标因素、生产过程实时状态因素、设备维修因素、辅料信息因素或外观缺陷因素中的一种或一种以上组合。

3.根据权利要求2所述的烟草卷包车间异常质量数据模型的建立方法，其特征在于，所述物理指标因素至少包括烟支圆周模式因素、烟支长度模式因素、烟支重量模式因素或吸阻模式因素中和一种或一种以上组合。

4.根据权利要求2所述的烟草卷包车间异常质量数据模型的建立方法，其特征在于，所述生产过程实时状态因素至少包括设备停机信息模式因素、产量信息模式因素、停机原因模式因素或设备有效作业率模式因素中的一种或一种以上组合。

5.根据权利要求2所述的烟草卷包车间异常质量数据模型的建立方法，其特征在于，所述外观缺陷因素至少包括条装外观缺陷模式因素、盒装外观缺陷模式因素或烟支外观缺陷模式因素中的一种或一种以上组合。

6.根据权利要求1所述的烟草卷包车间异常质量数据模型的建立方法，其特征在于，还包括对原始数据进行预处理，获得预处理数据。

7.根据权利要求6所述的烟草卷包车间异常质量数据模型的建立方法，其特征在于，所述预处理的方法，包括以下步骤：

1)提取原始数据，判断所提取的原始数据是否属于异常的业务数据，若是，

2)进行数据清洗，按设定的数据清洗规则，对提取的数据按数据清洗规则进行筛查，获得符合的预处理数据，保存到预处理数据库；

若否则，判断是否属于需要数据归约，若是，

3)根据影响质量问题的设定数量的特征，在保持数据原貌的前提下，与各个特征进行比对，删除与上述各个特征均不相关的数据，并将归约后的数据保存到预处理数据库；

若否则，判断是否属于需要集成数据，若是，

4)判断并提取与所述数据相关的存储于基础数据库中的相应数据，并通过设定的关联因素进行集成，将集成后的数据保存到预处理数据库；

若否则，判断是否属于需要变换数据，若是，

5)通过计算、统计或替换将该数据转换成能够直接使用的数据，并保存到预处理数据库；

若否则，则将该数据保存于非正常数据库。

8.根据权利要求7所述的烟草卷包车间异常质量数据模型的建立方法，其特征在于，所述异常的业务数据至少包括超出正常值的不合理数据、字段出现空值、人工填写缺失、其它相同状态下的矛盾数据、对比机台与当班排产对应牌号选错数据、偏差较大数据或字段缺失数据中的一种或一种以上组合。

9.根据权利要求8所述的烟草卷包车间异常质量数据模型的建立方法，其特征在于，所述异常的业务数据来源于综合测试台数据、MES系统填写的外观缺陷所涉及的数据、产量异常数据、设备有效作业率异常数据、停机时长异常数据或停机原因数据。

10.根据权利要求7所述的烟草卷包车间异常质量数据模型的建立方法，其特征在于，数据清洗规则采用比对校验法、剔空值法或设置阈值法中的一种或一种以上组合。