买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中科力祥电气(山东)有限公司申请的专利机械制造生产数据的大数据分析管理方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121434274B 。

龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511596635.7，技术领域涉及：G06F16/2458；该发明授权机械制造生产数据的大数据分析管理方法及系统是由王英睿;王卫振;苗颜伟;尚兴华;吴刚设计研发完成，并于2025-11-04向国家知识产权局提交的专利申请。

本机械制造生产数据的大数据分析管理方法及系统在说明书摘要公布了：本发明公开了一种机械制造生产数据的大数据分析管理方法及系统，涉及机械制造生产数据管理技术领域。所述方法包括：步骤100：首先采集多源生产数据，再对所述多源生产数据进行标准化预处理，得到标准化数据序列；步骤200：基于工业时序因果熵算法，对所述标准化数据序列中因变量数据与果变量数据的工艺时序因果强度进行量化分析，输出因果权重作为分析结果。本发明通过构建基于因果关联的结构化索引体系与自学习适配的工艺时序语义库，结合工业时序因果熵算法及实时预判检索，解决传统生产数据索引维度单一、系统参数固定的问题，实现因果关联数据高效定位、核心参数动态适配工艺变化及生产异常快速响应，为生产数据精准管理与高效处理提供支撑。

本发明授权机械制造生产数据的大数据分析管理方法及系统在权利要求书中公布了：1.一种机械制造生产数据的大数据分析管理方法，其特征在于，包括以下步骤： 步骤100：首先采集多源生产数据，再对所述多源生产数据进行标准化预处理，得到标准化数据序列，实现数据全流程管控； 步骤200：基于工业时序因果熵算法，对所述标准化数据序列中因变量数据与果变量数据的工艺时序因果强度进行量化分析，输出因果权重作为分析结果，为后续管理提供量化依据； 步骤300：基于所述因果权重，构建融合工艺属性、设备运行状态、数据时序范围和因果权重的四维动态索引键，并按因果关联强度分层构建时序因果树索引，实现索引体系结构化管理； 步骤400：基于所述标准化数据序列的历史数据、分析结果及实时反馈数据，构建并自学习更新工艺时序语义库，同步校准算法核心参数，保障分析与管理的动态适配； 步骤500：实时监测所述标准化数据序列，获取触发波动阈值的实时异常数据，基于更新后的工艺时序语义库和所述时序因果树索引触发预判式检索，加载对应关联数据并输出，实现异常数据的快速响应管理； 其中，所述步骤200还包括： 步骤210：时序关联度量化，计算因变量数据序列与果变量数据序列的波动协同性关联度，其中为波动协同性关联度，为滞后时间且满足，捕捉异常波动的关联关系； 步骤220：工艺约束修正，引入工艺因果约束因子对所述波动协同性关联度进行修正，得到工艺适配关联度，区分统计关联与工艺因果； 步骤230：工业时序因果熵计算，基于所述工艺适配关联度，计算因果熵，量化因果关联确定性； 步骤240：因果权重映射，将所述因果熵转化为所述因果权重，所述因果权重总和为1，为索引分层管理提供优先级依据； 所述步骤210中，波动协同性关联度的计算公式为： ； 式中，为时序窗口起始时间，为因变量数据序列在时序窗口内的均值，为果变量数据序列在时序窗口内的均值，为因变量数据波动阈值，为果变量数据波动阈值；当或时，波动协同性关联度计算公式分子中，对应时间点的乘积项取0； 所述步骤220中，工艺适配关联度的计算公式为： ； 式中，为工艺适配系数，为符号函数；仅当时，进入步骤230； 所述步骤230中，因果熵的计算公式为： ； 式中，为波动平滑因子且，为波动放大因子且，为指数函数，，为强因果，为弱因果，为非因果； 所述步骤240中，因果权重的计算公式为： ； 式中，为与所述因变量数据序列存在时序关联的所有果变量数据序列，为果变量数据序列的数量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中科力祥电气(山东)有限公司，其通讯地址为：271204 山东省泰安市新泰市翟镇J01县道298号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。