一种贵金属冶炼全流程数据采集与质量追溯系统的制作方法
本发明涉及数据管理，具体涉及一种贵金属冶炼全流程数据采集与质量追溯系统。
背景技术：
1、贵金属冶炼过程通常包括原料预处理、配矿、焙烧、浸出、萃取、置换或电解、精炼及铸锭等多个工序，物料在不同工序之间会发生形态和状态变化。例如，多个原料批次可能合并形成一个配矿批或焙烧批，一个浸出批又可能拆分形成贵液批、贵金属泥批和尾渣批，后续多个粗金属批还可能进一步合并形成成品批。因此，贵金属冶炼过程中的物料流转并非简单的一对一批次传递，而是具有频繁拆分、合并和状态转换的复杂批次关系。
2、现有技术通常按照单一批次编号或工序记录对生产数据进行管理，主要采集dcs、plc等设备运行数据，或者分别保存化验数据、人工操作数据和物料转移数据。由于不同数据来源缺少统一的批次标识、工序标识和时间关联关系，难以准确建立原料批次、过程批次和成品批次之间的连续对应关系。当发生批次拆分或合并时，现有系统通常只能记录简单的出入库或转移信息，无法进一步记录各子批次之间的物料来源关系和质量分配关系。
3、由此，当成品出现纯度不合格、金属回收率下降或杂质含量超标等质量问题时，难以从成品批次准确追溯至对应的原料批次、具体工序、设备状态、工艺参数及操作事件，也难以从原料批次正向追踪其对多个下游产品的影响范围。尤其是在批次拆分、合并及质量分配过程中，若缺少统一的批次谱系和质量分配记录，将导致冶炼全流程的质量追溯链条中断，无法为质量偏差定位和责任分析提供完整依据。为此，提出一种贵金属冶炼全流程数据采集与质量追溯系统。
技术实现思路
1、本发明为解决上述技术问题，提供了一种贵金属冶炼全流程数据采集与质量追溯系统，能够在成品发生质量异常时准确定位其上游物料来源及相关工序、设备和工艺参数，或者从原料批次追踪其影响的全部下游产品，解决现有技术中因批次拆分、合并导致的质量追溯链条中断问题。
2、本发明采用的技术方案如下：
3、一种贵金属冶炼全流程数据采集与质量追溯系统，包括数据采集模块、数据治理模块、批次谱系构建模块、质量追溯图谱模块、区块链存证模块以及追溯查询与质量分析模块。
4、所述数据采集模块用于采集贵金属冶炼各工序的多源异构数据，并为每条数据附加时间戳、工序编码、设备编码和批次标识，得到带上下文的结构化数据。
5、所述多源异构数据包括但不限于：
6、dcs或plc采集的温度、压力、流量、液位、ph值、氧化还原电位、搅拌转速、电流、电压、加药量和设备运行状态；
7、lims采集的金、银、铂、钯及杂质元素的品位、纯度、含水率、粒度、酸耗、浸出率和化验结论；
8、通过移动终端、二维码或rfid采集的投料、出料、取样、转移、称重、设备切换和操作确认事件；
9、通过视频监控和人工智能识别获取的关键工位操作行为、人员进入、投料动作、取样动作、容器切换和安全操作事件；
10、设备管理系统、生产执行系统或企业资源计划系统提供的设备、人员、工单和生产计划信息。
11、所述数据采集模块包括工业协议采集单元、化验数据采集单元、操作记录采集单元、视频识别采集单元以及上下文注入单元。
12、工业协议采集单元通过opcua、modbus、工业以太网或其他工业通信协议与dcs、plc或现场仪表连接。化验数据采集单元通过restapi、数据库接口、消息接口或文件接口与lims连接。操作记录采集单元通过移动终端、二维码、条形码或rfid获取现场操作信息。视频识别采集单元根据视频流识别关键操作行为，并将识别结果转换为带有时间和位置标识的事件数据。
13、上下文注入单元用于向原始数据附加至少一种上下文信息，所述上下文信息包括采集时间、工序编码、设备编码、批次标识、班次、操作员、数据来源、数据质量标识和采集点位。
14、优选地，所述带上下文的结构化数据采用统一数据对象表示，至少包括：
15、
16、其中，表示数据记录标识，表示时间戳，表示工序编码，表示设备编码，表示批次标识，表示操作员标识，表示数据来源，表示数据值，表示数据质量标识。
17、所述数据治理模块用于对带上文的结构化数据进行清洗、去噪、插值、时空对齐和特征提取，并按照工序工艺模板进行统一存储，得到标准化数据。数据清洗单元根据工艺参数的允许范围、设备量程、历史统计分布和数据来源标识，对异常值进行识别。所述异常值识别方式包括3σ准则、箱线图法、孤立森林算法或其组合。
18、当某一工艺参数满足：时，将所述工艺参数标记为统计异常值，其中，为当前数据值，为同一工序、同一设备或同一工艺阶段的历史均值，为对应标准差。对于同时违反设备量程和工艺约束的数据，可进一步标记为无效数据。去噪单元采用小波阈值去噪、savitzky-golay滤波、移动平均滤波或中值滤波中的至少一种方式，去除由于传感器抖动、通信干扰或瞬时采样造成的高频噪声。插值单元根据缺失时长和工艺变量类型选择插值方式。
19、对于短时缺失数据，采用线性插值或样条插值；对于长时缺失数据，采用基于历史生产批次的lstm时间序列预测方式进行填补。对于无法可靠填补的数据，保留缺失标识，并禁止将其直接作为关键质量判断依据。
20、时空对齐单元将具有不同采集频率的数据重采样至统一时间轴，并根据批次开始时间、批次结束时间、投料时间、出料时间、取样时间和转移时间确定批次生产时间区间，从而将连续工艺参数与离散化验结果关联至对应批次。
21、特征提取单元从标准化数据中提取至少一种工艺特征，包括峰值温度、平均温度、有效反应时间、升温速率、最大压力、ph稳定时间、加药累计量、金属回收率、杂质去除率和设备停机次数。
22、其中，金属回收率可表示为：
23、
24、其中，为目标金属回收率，为进入当前工序的目标金属量，为从当前工序产出的目标金属量。
25、数据治理模块按照工序工艺模板对数据进行统一存储。所述工序工艺模板至少包括工序名称、数据项名称、数据类型、单位、采样频率、合理范围、关联设备、关联批次、质量等级和数据来源。
26、所述批次谱系构建模块用于根据标准化数据、贵金属冶炼物料状态机以及批次拆分和合并规则，构建从原料批到成品批的批次谱系，并记录批次之间的质量分配系数。
27、物料状态机用于描述不同物料状态及其转换关系。所述物料状态包括原料批、配矿批、焙烧批、浸出批、贵液批、贵金属泥批、粗金属批、成品批和尾渣批。
28、所述物料状态机可以表示为：
29、
30、其中，各状态分别表示原料、配矿物料、焙烧物料、浸出物料、贵液、贵金属泥、粗金属、成品和尾渣。批次谱系构建模块通过识别切换料事件、出料事件、称重事件、容错转移事件、工单事件、化验事件和人工确认事件，确定批次之间的父子关系。
31、当多个父批次进入同一生产工序并形成一个新批次时，建立多个父批次指向一个子批次的合并关系。当一个批次经处理形成多个产物流向时，建立一个父批次指向多个子批次的拆分关系。质量分配计算单元按照重量、目标金属品位和目标金属量守恒计算批次之间的质量分配系数。对于父批次向子批次的目标金属量分配系数，可表示为：
32、
33、其中，为父批次分配至子批次的目标金属量分配系数，为子批次的重量，为子批次中目标金属的质量分数，为由同一父批次产生的子批次数量。
34、在批次拆分或合并过程中，系统生成质量平衡表，所述质量平衡表至少包括父批次标识、子批次标识、父批次重量、子批次重量、目标金属品位、目标金属量、分配系数、损失量、损失率、计算时间和数据来源。
35、当质量平衡存在超过预设阈值的差异时，生成偏差事件，并将所述偏差事件关联至相应批次、工序、设备、操作员和质量指标。
36、所述质量追溯图谱模块基于批次谱系和图数据库构建质量追溯图谱。
37、所述质量追溯图谱中的节点包括：
38、批次节点batch；
39、工序节点process；
40、设备节点equipment；
41、操作人员节点operator；
42、工艺参数节点parameter；
43、质量指标节点qualityindex；
44、事件节点event。
45、所述质量追溯图谱中的边包括：
46、input_to，用于表示物料批次进入工序；
47、output，用于表示工序产生物料批次；
48、parent_of，用于表示父批次与子批次关系；
49、child_of，用于表示子批次与父批次关系；
50、has_quality，用于表示批次与质量指标的关联；
51、operated_by，用于表示工序或事件与操作人员的关联；
52、executed_on，用于表示工序或事件与设备的关联；
53、has_parameter，用于表示工序与工艺参数的关联；
54、triggered，用于表示事件之间的触发关系。
55、每一条图边至少包含关系类型、发生时间、有效时间区间、数据来源、置信度和关联批次信息。对于批次拆分和合并关系，还记录重量分配系数、品位分配系数和目标金属量分配系数。
56、追溯查询与质量分析模块通过图数据库的路径查询实现正向追溯和反向追溯。正向追溯用于根据原料批查询其下游的配矿批、焙烧批、浸出批、贵液批、粗金属批和成品批；反向追溯用于根据成品批查询其上游原料批、相关工艺参数、设备状态、操作记录和质检结果。
57、根因分析单元根据质量异常节点沿工序、设备、人员、参数、事件和批次关系进行路径扩展，筛选与质量偏差具有时间相关性、批次关联性和工艺相关性的候选原因，并依据关联规则、统计分析结果或图算法计算候选原因的影响程度。
58、所述区块链存证模块采用联盟链架构，联盟链参与节点包括冶炼厂、检测机构、监管部门和客户中的至少两种。区块链存证模块对关键追溯数据进行规范化编码和哈希计算，所述关键追溯数据包括批次谱系根哈希、质检报告哈希、关键工艺参数哈希、操作记录哈希和偏差事件哈希。在一种实施方式中，批次谱系根哈希通过对批次谱系中的批次记录、父子关系、质量分配系数和时间信息进行排序编码后，采用哈希算法逐级计算得到。所述哈希算法包括sm3、sha-256或其他具有完整性校验功能的哈希算法。对于同一批次的多项追溯数据，可以采用默克尔树方式构建根哈希：
59、
60、其中，为第项追溯数据的哈希值，表示数据拼接操作，为批次追溯数据的根哈希。
61、区块链存证模块包括存证智能合约、验证智能合约和权限智能合约。存证智能合约用于提交关键数据哈希、提交时间、提交节点和数据类型；验证智能合约用于将链上哈希与本地重新计算的哈希进行比对；权限智能合约用于根据冶炼厂、检测机构、监管部门和客户的角色控制不同数据的查询范围。
62、区块链中原则上保存追溯数据的哈希、索引和必要的元数据，原始工艺数据、质检报告和视频文件可以保存在企业数据库、对象存储或分布式文件系统中，从而降低链上存储压力。
63、所述追溯查询与质量分析模块包括正向追溯单元、反向追溯单元、根因分析单元、质量预测单元和预警单元。
64、正向追溯单元根据原料批次标识查询其下游的全部批次、工序、质量数据、设备信息、操作记录和成品信息。
65、反向追溯单元根据成品批次标识查询其上游的原料批次、供应来源、配矿比例、工艺参数、操作记录、设备状态和偏差事件。
66、根因分析单元根据目标质量指标的异常情况，从质量追溯图谱中提取相关批次、工序、参数、设备、操作人员和事件，并按照时间窗口、工艺关联程度、历史异常频次和关联规则进行排序，输出候选根因。
67、质量预测单元基于历史批次数据训练机器学习模型，对成品纯度、目标金属回收率、合格率或杂质含量进行预测。所述机器学习模型包括随机森林、梯度提升树、支持向量机、神经网络或其组合。
68、预警单元对实时采集的工艺参数进行监控。当实时参数超出对应工艺模板中的工艺窗口，或者根据质量预测结果判断成品合格率低于预设阈值时，生成预警信息。所述预警信息至少包括预警等级、关联批次、关联工序、异常参数、当前值、工艺窗口、发生时间和建议处置对象。
69、本发明的有益效果：
70、本发明通过构建适用于贵金属冶炼物料状态变化以及批次拆分、合并过程的批次谱系，并结合重量、品位和目标金属量对批次间质量进行分配，使原料批次、过程批次、成品批次及尾渣批次之间形成连续、可计算和可查询的关联关系；在此基础上，将工艺参数、化验结果、设备状态、操作记录和质量事件关联至所述批次谱系，从而能够在成品发生质量异常时准确定位其上游物料来源及相关工序、设备和工艺参数，或者从原料批次追踪其影响的全部下游产品，解决现有技术中因批次拆分、合并导致的质量追溯链条中断问题。