-
公开(公告)号:CN114064611A
公开(公告)日:2022-02-18
申请号:CN202111369011.3
申请日:2021-11-18
申请人: 中冶赛迪重庆信息技术有限公司
摘要: 本发明提供一种元数据可复用的数据建模方法及系统,首先获取多个类别的原始数据,其中,每种原始数据至少包括有多个元数据;根据元数据特性对每种原始数据进行分组,获取每种原始数据对应的多个元数据组,包括:能够进行复用的一个或多个基础元数据组、不能进行复用的一个或多个专有元数据组;再对基础元数据组和专有元数据组进行组件配置;并基于组件配置后的元数据组进行元数据组组合、排序,生成每个类别的原始数据定义;最后根据所有类别的原始数据定义生成数据库表,完成数据建模。本发明通过有效复用元数据配置实现快速数据建模并减少数据库表冗余,根据元数据配置和数据建模,自动生成数据应用的界面和相关功能,提高开发效率。
-
公开(公告)号:CN110688376B
公开(公告)日:2021-01-22
申请号:CN201910924857.5
申请日:2019-09-27
申请人: 中冶赛迪重庆信息技术有限公司
IPC分类号: G06F16/215 , G01K13/00 , G01K7/02
摘要: 本发明提供一种温度数据清洗方法、系统及设备,包括有:采集高炉冶炼过程中所有温度检测单元检测的炉体温度值;筛选出位于预设温度区间内的温度值和位于预设温度区间内的温度值对应的温度检测单元;根据位于预设温度区间内的温度值和其对应的温度检测单元,标记温度检测单元出现偏差的次数;若偏差标记总次数超出设定值,则剔除偏差标记总次数超出设定值的温度检测单元和该温度检测单元检测的炉体温度值。本发明能够对炉体温度数据进行清洗,排除掉异常的、错误的数据,保留正确的、合理的数据。本发明通过对炉体温度数据进行过滤和清洗,确保使用炉体温度数据的下游模型能正常计算,提高了操作效率,增加了炉体温度监控的实时性和准确性。
-
公开(公告)号:CN114238467A
公开(公告)日:2022-03-25
申请号:CN202111459043.2
申请日:2021-12-01
申请人: 中冶赛迪重庆信息技术有限公司
IPC分类号: G06F16/25 , G06F16/33 , G06F40/211 , G06F40/295 , G06F40/30
摘要: 本发明提供一种结构化数据分析方法及系统,首先对结构化数据的分析操作进行自然语言语义转换定义,并确定转化逻辑;获取待分析结构化数据;并对待分析结构化数据进行元数据定义以及进行实体关系设定;根据自然语言语义转换定义、转化逻辑、元数据定义和实体关系确定出待分析结构化数据的分析逻辑,并按照分析逻辑对待分析结构化数据进行分析,获取待分析结构化数据的分析结果。本发明通过预先设定结构化数据、元数据及相关数据的实体关系,来提供非技术开发人员可以理解的自然语言词汇作为查询统计操作设定,使业务数据分析人员可以自主快速设定相关数据分析操作,最终通过语义转换生成相关结构化数据分析操作逻辑完成数据分析。
-
公开(公告)号:CN113792090A
公开(公告)日:2021-12-14
申请号:CN202111092038.2
申请日:2021-09-17
申请人: 中冶赛迪重庆信息技术有限公司
IPC分类号: G06F16/2458 , G06Q50/04
摘要: 本发明提供一种轧钢数据监控方法、系统、介质及电子终端,轧钢数据监控方法包括:采集轧钢数据;按照轧钢生产时间顺序,对轧钢数据进行切分,获取多个数据片段;根据数据片段和预设的数据阈值范围,进行数据异常判定,获取判定结果,数据异常判定的步骤至少包括以下之一:数据范围检验、波动性检验、趋势性检验和不同类别数据的逻辑关联检验;根据判定结果,进行数据异常预警,完成轧钢数据监控;本发明中的轧钢数据监控方法、系统、介质及电子终端,实现了对轧钢数据的实时监测,避免采用人工监测的方式导致数据监测出现失误,能够有效识别出数据异常并进行警示,自动化程度较高,监测准确度较高。
-
公开(公告)号:CN113420652A
公开(公告)日:2021-09-21
申请号:CN202110693414.7
申请日:2021-06-22
申请人: 中冶赛迪重庆信息技术有限公司
摘要: 本发明提供一种时序信号片段异常识别方法、系统、介质及终端,方法包括:获取原始时序信号,进行切片处理,切分为m个时序信号片段;预先设置n个维度,对时序信号片段分别进行每个维度的特征抽取,以一时序信号片段为一样本,以一维度为一特征列,获取m*n维的截面数据,建立孤立森林模型,并获取每个样本在孤立森林模型中的路径长度,根据路径长度对异常程度进行评分,完成异常识别;本发明无需积累及标记异常数据,即可实现异常片段的自动捕捉,实用性及落地性大大提高,支持自动识别所有类型的异常,在所有场景通用,不依赖于具体场景的前期知识库的建立,大大降低了前期准备工作的工作量及工作难度。
-
-
-
-