一种多源数据融合的制糖质量预警方法与流程

摘要: 本技术涉及信息,尤其涉及一种制糖质量预警方法,具体涉及一种多源数据融合的制糖质量预警方法。背景技术:1、制糖是关系国计民生的基础加工产业,成品糖的糖分纯度、色值...
一种多源数据融合的制糖质量预警方法与流程

本技术涉及信息,尤其涉及一种制糖质量预警方法,具体涉及一种多源数据融合的制糖质量预警方法。

背景技术:

1、制糖是关系国计民生的基础加工产业,成品糖的糖分纯度、色值、灰分和还原糖等指标不仅直接决定产品能否达到食品级标准,也影响一批原料能否顺利进入下游流通环节。甘蔗和甜菜均属于易劣变的农产品,从田间收获到成品出厂,需要经过产地种植、长途运输、堆场存放、榨汁澄清、蒸发结晶和成品检验等多个环节,其中任何一个环节的偏差都可能在最终质量上留下痕迹。因此,对制糖全流程的质量波动进行提前感知,是行业中被长期关注的一项能力。随着信息技术、传感器技术和深度学习方法在流程工业中的推广,越来越多的糖厂开始尝试借助数据手段对生产状态进行监测与预测,以期在质量偏差扩散之前及早发现并加以干预。

2、在现有技术中,糖厂较为常见的做法是依靠车间内的温度、压力、糖度等仪表读数,配合班组化验室的定时取样,对当前生产状态进行判断。近年来也出现了利用神经网络等深度学习模型,由车间自动测量变量对糖损或部分质量指标进行预测的方案。然而,这类方案通常把车间当作一个相对封闭的场景来观察,原料进厂之前的产地气候、田间成熟度、运输途中的日晒雨淋以及堆场堆存天数等信息很少被纳入判断依据。由于原料产地信息缺失,同样的车间参数在面对不同来源、不同新鲜度的原料时,往往会得出不一致甚至相互矛盾的结论。目前在将产地气象、堆存记录等跨环节信息与车间参数统一纳入质量判断这一方面,现有技术仍存在明显不足。

3、更为棘手的是时间维度上的对齐问题。原料从进厂到最终检验往往要经过十几个甚至几十个小时的连续加工,中间还夹杂着堆存、缓冲罐停留、结晶罐养晶等具有不确定性的等待时间,同一批原料在不同工序之间的停留时长会随设备负荷和物料混合情况而变化。早班进厂的一车含糖偏低的甘蔗,可能要到夜班才在成品检验中反映为色值偏高,而当化验数据回传时,问题批次的物料早已流入下一道工序。现有的数据处理方式大多按固定时间戳或统一时延来关联生产参数与检验结果,难以刻画随工况变化的动态停留时间。上述方案在存在不确定停留时间的连续流程场景下,难以将不同时刻采集到的产地气象、堆存记录、车间参数和检验结果准确对应到同一批原料上,工序间时滞对齐困难的问题始终未能得到有效解决。

4、与时滞对齐相伴的还有批次追溯不清的问题。在实际生产中,多车、多产地的原料会在堆场和缓冲容器中不断混合与分流,一部分物料还会经由回流环节重新进入前道工序,使得进厂批次与检验样本之间的对应关系变得错综复杂。现有技术在描述物料流向时,往往只能给出笼统的先后顺序,缺乏对批次之间混合比例和分流关系的清晰刻画。当成品检验出现质量偏差时,操作工既说不清究竟是哪一车原料引发的偏差,也无从判断眼下的参数调整究竟是在纠正过去的问题还是在制造新的问题。由于产地信息、堆存记录、工艺参数和检验结果之间对不上时间,也理不清批次之间的混合与分流关系,风险来源常常被淹没在时间错位的数据之中,难以被准确定位。

5、此外,制糖过程遵循糖分物料平衡、纯度变化等明确的工艺物理规律,而现有的数据驱动预测方案大多仅从历史数据中学习统计关联,并未将这些工艺机理约束纳入模型。目前在使预测结果符合蔗糖守恒等物理规律、并据此对风险传导过程进行合理约束这一方面仍存在不足,导致模型在原料状况波动或工况切换时容易给出偏离实际的判断,可解释性和可靠性均受到限制。同时,这类方案通常只输出一个概率或数值结果,难以进一步指出引发偏差的具体环节、影响因素以及风险在各工序之间的传播路径,也难以据此形成可供现场执行的分级预警和工艺调整依据。

6、综上所述,甘蔗或甜菜制糖过程因产地气候差异、堆存时长、设备工况波动和取样滞后等多重因素相互叠加,其质量波动具有跨环节、跨时段传导的特殊性。现有技术在原料产地信息缺失、工序间时滞对齐困难、批次混合追溯不清以及缺乏工艺机理约束等方面均存在不足,难以在质量偏差向成品端传导的过程中及早识别风险、定位引发偏差的具体环节并提供可执行的干预方案。如何将从产地到成品的全过程物料流向、每一段停留时间以及批次之间的混合关系整理清楚,使不同时刻采集的多源信息能够对应到同一批原料上,并在此基础上提升制糖过程的质量管控水平,成为本领域亟待解决的技术问题。

技术实现思路

1、针对甘蔗或甜菜制糖过程中因产地气候差异、堆存时长、设备工况波动和取样滞后等多重因素导致质量波动,且产地信息、堆存记录、工艺参数与检验结果之间对不上时间、理不清批次混合与分流关系,使风险来源淹没在时间错位的数据中的技术问题,本发明提供一种制糖质量预警方法,通过构建从原料产地到成品检验的全链路物料谱系映射,结合工序间停留时间分布计算实现生产参数与检验结果的时滞对齐,进而在时空因果图张量上以时滞感知图注意力模型建立符合制糖工艺物理规律的质量风险传播模型,并经四分支动态路由融合、关键风险因子追溯和边界校验,实现对糖分纯度、色值、灰分和还原糖等关键质量指标的提前预警与精准干预。

2、本发明的一方面,提供一种制糖质量预警方法,包括以下步骤。

3、步骤s1,采集产地、物流、制糖设备与检验样本的流转关系,生成原料至样本的物料谱系映射表。具体地,该步骤以产地编码、地理信息和采集时刻标识原料来源,以物流车辆和入厂批次标识运输环节,以制糖设备和检验样本标识加工与检验环节,按流转先后建立各标识之间的关联关系,生成表征原料至样本对应关系的物料谱系映射表。通过该物料谱系映射表,使原料进厂之前的产地气候、田间成熟度信息,运输途中的日晒雨淋、堆场堆存天数信息,以及车间工艺参数和最终检验结果均能对应到同一批原料上,为后续跨环节的质量溯源建立统一的物料主线。

4、步骤s2,根据输送速度、物料流量、容器液位、设备容积和回流比例求解工序间停留时间分布概率密度函数,据其确定生产参数与检验结果的时间轴偏移量并映射至对应原料批次。进一步地,该步骤获取时间窗口内的输送速度、物料流量、容器液位、设备容积、回流比例和批次混合比例;由所述容器液位和所述设备容积计算物料滞留量;由所述物料滞留量、所述物料流量和所述回流比例通过微积分方程求解所述停留时间分布概率密度函数;根据所述停留时间分布概率密度函数确定生产参数及检验结果在时间轴上的偏移量,并将偏移后的生产参数及检验结果映射至对应原料批次。由于原料从进厂到最终检验往往要经过十几个甚至几十个小时的连续加工,中间夹杂堆存、缓冲罐停留、结晶罐养晶等不确定的等待时间,同一批物料在不同工序之间的停留时长会随设备负荷和物料混合情况变化,通过对滞留量与流量、回流比例建立微积分方程并求解概率密度函数,能够刻画每一段工序停留时间的分布规律,从而把早班进厂原料在夜班检验中反映出的偏差沿时间轴回溯至真实的引发批次,解决生产参数与检验结果的时滞对齐难题。

5、步骤s3,以产地、物流批次、制糖设备和检验样本为节点,以物流、混合、制糖和取样关系为有向边,构建包含节点场景特征及边时滞、混合比例和置信度特征的时空因果图张量。进一步地,该步骤将产地、物流批次、制糖设备和检验样本实例化为异构图节点;将物流、混合、制糖和取样关系实例化为有向边;将气象、土壤、堆存、流量、温度、酸碱度、浓度、纯度和色值编码为节点场景特征;将所述停留时间分布概率密度函数、批次混合比例和传感器状态分别编码为边的时滞特征、混合比例特征和置信度特征。如此构建的时空因果图张量既承载了各环节的场景观测量,又通过有向边上的时滞特征、混合比例特征和置信度特征表达了批次之间的先后传导、混合分流以及观测可信程度,使批次混合与分流关系得以显式建模。

6、步骤s4,采用时滞感知图注意力模型处理所述时空因果图张量,以质量指标预测误差、蔗糖输入输出守恒残差、纯度变化边界残差和非因果边稀疏惩罚构建联合损失函数,训练得到质量风险传播模型。具体地,该步骤将所述时空因果图张量输入所述时滞感知图注意力模型,以边的时滞特征所表征的停留时间分布概率密度函数为核,将相邻节点的注意力权重计算为沿边时滞分布对上游节点场景特征的时滞卷积期望;根据所述注意力权重聚合并更新节点场景特征,输出质量指标预测值;计算所述质量指标预测误差,并按所述停留时间分布概率密度函数加权逐路径核算所述蔗糖输入输出守恒残差;将所述质量指标预测误差、蔗糖输入输出守恒残差、纯度变化边界残差和非因果边稀疏惩罚加权求和构成所述联合损失函数,反向传播训练得到所述质量风险传播模型。其中,以停留时间分布概率密度函数为核进行时滞卷积期望的计算,使注意力聚合过程与真实的工序停留时间相匹配;引入蔗糖输入输出守恒残差和纯度变化边界残差,令模型在数据驱动之外受到制糖工艺物质守恒与纯度变化物理规律的约束;非因果边稀疏惩罚则抑制虚假关联,使训练得到的质量风险传播模型符合真实的因果传播结构。

7、步骤s5,根据目标批次所处工序、预警时域、模态完整率、工况稳定度和切换状态,对产地气象、物流堆存、制糖过程和检验校准四分支动态路由得到融合风险表征。进一步地,该步骤提取目标批次当前所处的工序节点;分别计算产地气象、物流堆存、制糖过程和检验校准四个分支的模态完整率和工况稳定度;根据所述模态完整率、工况稳定度、预警时域和所述切换状态,通过门控机制为所述四个分支分配动态路由权重;按所述动态路由权重加权融合各分支的特征向量,生成所述融合风险表征。由于目标批次在不同工序节点、不同预警时域下,产地气象、物流堆存、制糖过程和检验校准各分支所能提供的有效信息量并不相同,某些分支还可能因传感器缺失或工况切换而模态不完整、工况不稳定,故通过门控机制依据模态完整率和工况稳定度动态调整各分支权重,避免同样的车间参数面对不同来源、不同新鲜度原料时得出相互矛盾的结论。

8、步骤s6,由所述融合风险表征确定质量风险的概率、等级、对应原料批次、设备节点、作用时段及风险传播路径。具体地,该步骤将所述融合风险表征输入多任务分类回归网络,输出所述质量风险的概率和等级;采用梯度积分算法计算所述时空因果图张量中各节点和各边的贡献度;将贡献度大于贡献度阈值的节点和边确定为关键风险因子;沿有向边反向追溯所述关键风险因子,生成包含对应原料批次、设备节点和作用时段的风险传播路径。借助多任务分类回归网络同时输出风险概率与等级,并以梯度积分算法量化各节点和各边对风险预测的贡献度,能够从众多环节中筛选出真正引发偏差的关键风险因子,并沿有向边反向追溯定位到具体的原料批次、设备节点和作用时段,使操作工得以明确是哪一车原料、哪一台设备、哪一时段引发了偏差。

9、步骤s7,利用糖分物料平衡边界和设备运行边界校验风险传播路径,映射为分级预警指令和工艺调整方案。进一步地,该步骤将所述风险传播路径预测的成分变化量与所述糖分物料平衡边界比对,将所述风险传播路径预测的设备参数与所述设备运行边界比对,剔除超出边界的无效路径;将通过校验的风险传播路径输入规则映射引擎,输出包含调整采集顺序、缩短堆存时间、改变入料顺序、调整制糖负荷和修改添加剂投加量的所述分级预警指令和工艺调整方案。通过糖分物料平衡边界和设备运行边界对模型给出的风险传播路径进行物理合理性校验,剔除与物料守恒或设备运行约束相矛盾的无效路径,再由规则映射引擎将保留的有效路径转化为可执行的分级预警指令和工艺调整方案,使预警结果既可解释又可落地。

10、步骤s8,根据检验实测值和执行结果更新边时滞、混合比例权重及风险阈值,在图结构漂移或蔗糖输入输出守恒残差大于阈值时切换至规则预警模式。具体地,该步骤接收后续检验实测值和工艺调整执行结果,计算预警偏差;采用强化学习算法根据所述预警偏差更新工序边时滞、混合比例权重、风险阈值和传感器置信度;实时监测所述时空因果图张量的拓扑结构变化率和蔗糖输入输出守恒残差;当所述拓扑结构变化率或所述蔗糖输入输出守恒残差大于阈值时,阻断模型输出并激活所述规则预警模式。通过强化学习依据预警偏差持续更新边时滞、混合比例权重、风险阈值和传感器置信度,使模型能够随生产工况和原料来源的变化不断自适应校正;同时以拓扑结构变化率和蔗糖输入输出守恒残差作为可信度监测指标,一旦出现图结构漂移或守恒残差越限即阻断模型输出并切换至规则预警模式兜底,保证在异常工况下预警方法仍然可靠可用。

11、本发明通过构建从原料产地到成品检验的全链路物料谱系映射,将产地气象、堆存记录、车间参数和检验结果统一到同一批原料主线上,克服了以往把车间当成封闭场景观察、忽略进厂前信息的局限;结合工序间停留时间分布概率密度函数的计算,实现了生产参数与检验结果在时间轴上的对齐,使不同时刻采集的数据能够对应到真实的引发批次,理清了批次之间的混合与分流关系,从而把风险来源从时间错位的数据中还原出来。在此基础上,利用时滞感知图注意力模型处理包含节点场景特征及边时滞、混合比例和置信度特征的时空因果图张量,并引入蔗糖输入输出守恒残差、纯度变化边界残差和非因果边稀疏惩罚构建联合损失函数,建立了符合制糖工艺物理规律的质量风险传播模型;通过门控动态路由融合产地气象、物流堆存、制糖过程和检验校准四个分支的风险表征,结合梯度积分算法追溯关键风险因子并生成风险传播路径,再经糖分物料平衡边界和设备运行边界校验后映射为分级预警指令和工艺调整方案,实现了对糖分纯度、色值、灰分和还原糖等关键质量指标正在向成品端传导偏差的提前识别、精准溯源与可执行干预;同时借助强化学习反馈更新和规则预警兜底机制,使所述方法在生产工况变化和图结构漂移的情况下仍能保持自适应与可靠性,整体上显著提升了制糖过程的质量管控水平。