CN112288342B - 一种提高多中心协作质量控制的数据处理方法和*** - Google Patents
一种提高多中心协作质量控制的数据处理方法和*** Download PDFInfo
- Publication number
- CN112288342B CN112288342B CN202011595444.6A CN202011595444A CN112288342B CN 112288342 B CN112288342 B CN 112288342B CN 202011595444 A CN202011595444 A CN 202011595444A CN 112288342 B CN112288342 B CN 112288342B
- Authority
- CN
- China
- Prior art keywords
- processing flow
- data processing
- data
- center
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种提高多中心协作质量控制的数据处理方法和***,所述方法包括:获得协作中心数据库;获得所述协作中心数据库中各协作中心的职能信息;获得第一数据集;获得所述第一数据集的处理流程信息;将所述职能信息和所述处理流程信息输入神经网络模型,获得所述各协作中心的分类结果;根据所述第一数据集的处理流程信息,获得数据处理流程对接点;根据所述分类结果按照所述数据处理流程对接点对所述第一数据集进行处理。解决了现有技术中存在数据处理效率低、数据处理不准确的技术问题,达到通过多中心协作质量控制,提高数据处理的效率、数据交接的准确性的技术效果。
Description
技术领域
本发明涉及数据处理相关领域,尤其涉及一种提高多中心协作质量控制的数据处理方法和***。
背景技术
数据处理是***工程和自动控制的基本环节。数据处理贯穿于社会生产和社会生活的各个领域。数据处理技术的发展及其应用的广度和深度,极大地影响了人类社会发展的进程。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中存在数据处理效率低、数据交接不准确的技术问题。
发明内容
本申请实施例通过提供一种提高多中心协作质量控制的数据处理方法和***,解决了现有技术中存在数据处理效率低、数据处理不准确的技术问题,达到通过多中心协作质量控制,提高数据处理的效率、数据交接的准确性的技术效果。
鉴于上述问题,提出了本申请实施例提供一种提高多中心协作质量控制的数据处理方法和***。
第一方面,本申请实施例提供了一种提高多中心协作质量控制的数据处理方法,所述方法包括:获得协作中心数据库;获得所述协作中心数据库中各协作中心的职能信息;获得第一数据集;获得所述第一数据集的处理流程信息;将所述职能信息和所述处理流程信息输入神经网络模型,获得所述各协作中心的分类结果;根据所述第一数据集的处理流程信息,获得数据处理流程对接点;根据所述分类结果按照所述数据处理流程对接点对所述第一数据集进行处理。
另一方面,本申请还提供了一种提高多中心协作质量控制的数据处理***,所述***包括:第一获得单元,所述第一获得单元用于获得协作中心数据库;第二获得单元,所述第二获得单元用于获得所述协作中心数据库中各协作中心的职能信息;第三获得单元,所述第三获得单元用于获得第一数据集;第四获得单元,所述第四获得单元用于获得所述第一数据集的处理流程信息;第一输入单元,所述第一输入单元用于将所述职能信息和所述处理流程信息输入神经网络模型,获得所述各协作中心的分类结果;第五获得单元,所述第五获得单元用于根据所述第一数据集的处理流程信息,获得数据处理流程对接点;第一处理单元,所述第一处理单元用于根据所述分类结果按照所述数据处理流程对接点对所述第一数据集进行处理。
第三方面,本发明提供了一种提高多中心协作质量控制的数据处理***,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了获得协作中心数据库,根据所述协作中心数据库的各协作中心职能信息,根据所述第一数据集的获得所述数据集的处理流程信息,将所述职能信息和所述处理流程信息输入神经网络模型,获得各协作中心的分类结果,根据所述分类结果按照所述数据处理流程对接点对所述第一数据集进行处理的方式,达到通过多中心协作质量控制,提高数据处理的效率、数据交接的准确性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种提高多中心协作质量控制的数据处理方法的流程示意图;
图2为本申请实施例一种提高多中心协作质量控制的数据处理***的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第一输入单元15,第五获得单元16,第一处理单元17,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本申请实施例通过提供一种提高多中心协作质量控制的数据处理方法和***,解决了现有技术中存在数据处理效率低、数据处理不准确的技术问题,达到通过多中心协作质量控制,提高数据处理的效率、数据交接的准确性的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
数据处理是***工程和自动控制的基本环节。数据处理贯穿于社会生产和社会生活的各个领域。数据处理技术的发展及其应用的广度和深度,极大地影响了人类社会发展的进程。但现有技术中存在数据处理效率低、数据交接不准确的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种提高多中心协作质量控制的数据处理方法,所述方法包括:获得协作中心数据库;获得所述协作中心数据库中各协作中心的职能信息;获得第一数据集;获得所述第一数据集的处理流程信息;将所述职能信息和所述处理流程信息输入神经网络模型,获得所述各协作中心的分类结果;根据所述第一数据集的处理流程信息,获得数据处理流程对接点;根据所述分类结果按照所述数据处理流程对接点对所述第一数据集进行处理。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种提高多中心协作质量控制的数据处理方法,其中,所述方法包括:
步骤S100:获得协作中心数据库;
具体而言,所述协作中心是指在目标实施过程中,部门与部门之间、个人与个人之间的协调与配合的中心,此处为进行数据处理时进行协调和配合处理的控制中心,所述数据库是指按照数据结构来组织、存储和管理数据的仓库。它是一个长期存储在计算机内的、有组织的、可共享的、统一管理的大量数据的集合。获得所述协调处理数据控制中心的数据库。
步骤S200:获得所述协作中心数据库中各协作中心的职能信息;
具体而言,所述职能信息为在进行数据交接和数据处理的过程中,各司其职时所应有的职责与功能,获得所述各协作中心的职能信息。
步骤S300:获得第一数据集;
具体而言,所述第一数据集为要进行数据处理的数据集,它是一个有由数据组成的集合,通常以表格形式出现。每一列代表一个特定变量。
步骤S400:获得所述第一数据集的处理流程信息;
步骤S500:将所述职能信息和所述处理流程信息输入神经网络模型,获得所述各协作中心的分类结果;
具体而言,所述第一数据集的处理流程为常规所述第一数据的处理流程信息,所述神经网络模型为不断进行学习进步的模型。
进一步而言,所述将所述职能信息和所述处理流程信息作为输入数据,输入神经网络模型,本申请实施例步骤S500还包括:
步骤S510:将所述职能信息和所述处理流程信息作为输入数据,输入神经网络模型,其中,所述神经网络模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述职能信息和所述处理流程信息和用来标识分类结果的标识信息;
步骤S520:获得所述神经网络模型的第一输出信息,所述第一输出信息包括所述各协作中心的分类结果;
具体而言,所述神经网络模型即机器学习中的神经网络模型,神经网络(NeuralNetworks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络***,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习***。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial NeuralNetworks),是对人类大脑***的一阶特性的一种描述。简单地讲,它是一个数学模型。通过大量训练数据的训练,将所述职能信息和所述处理流程信息输入神经网络模型,则输出各协作中心的分类结果。
更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述职能信息和所述处理流程信息和用来标识分类结果的标识信息,将所述职能信息和所述处理流程信息输入到神经网络模型中,根据用来标识分类结果的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而获得更加准确的分类结果,根据所述协作中心的分类结果,进而可进行更加准确高效的数据集的处理。
步骤S600:根据所述第一数据集的处理流程信息,获得数据处理流程对接点;
具体而言,所述数据处理流程的对接点为在进行数据交互处理的过程中的数据的对接点,所述对接点具体为各职能部门进行数据处理对接的节点信息。
步骤S700:根据所述分类结果按照所述数据处理流程对接点对所述第一数据集进行处理。
具体而言,根据所述基于神经网络模型获得的分类结果,对所述数据处理流程的对接点进行优化处理,进而达到通过多中心协作质量控制,提高数据处理的效率、数据交接的准确性的技术效果。
进一步而言,本申请实施例还包括:
步骤S810:根据所述第一数据集的处理流程信息,获得第一数据处理流程对接点、第二数据处理流程对接点,直到第N数据处理流程对接点;
步骤S820:根据所述第一数据处理流程对接点生成第一验证码,其中,所述第一验证码与所述第一数据处理流程对接点相对应;
步骤S830:根据所述第二数据处理流程对接点和第一验证码生成第二验证码;以此类推,根据所述第N数据处理流程对接点和第N-1验证码生成第N验证码,其中,N为大于1的自然数;
步骤S840:将各数据处理流程对接点和其相对应的验证码作为一个存储单元,将各存储单元分别复制保存在M台设备上,其中,M为大于1的自然数。
具体而言,区块链技术也被称之为分布式账本技术,是一种由若干台计算设备共同参与“记账”,共同维护一份完整的分布式数据库的新兴技术。由于区块链技术具有去中心化、公开透明、每台计算设备可以参与数据库记录、并且各计算设备之间可以快速的进行数据同步的特性,使得区块链技术已在众多的领域中广泛的进行应用。根据所述第一数据处理流程对接点生成第一验证码,所述第一验证码与第一数据处理流程对接点一一对应;根据所述第二数据处理流程对接点和第一验证码生成第二验证码,第二验证码与第二数据处理流程对接点一一对应;以此类推,根据所述第N数据处理流程对接点和第N-1验证码生成第N验证码,其中,N为大于1的自然数,将所有数据处理流程对接点和验证码分别复制保存在M台设备上,其中,所述第一处理流程对接点和所述第一验证码作为第一存储单元保存在一台设备上,所述第二处理流程对接点和所述第二验证码作为第二存储单元保存在一台设备上,所述第N处理流程对接点和所述第N验证码作为第N存储单元保存在一台设备上,当需要调用所述处理流程对接点时,每后一个节点接收前一节点存储的数据后,通过“共识机制”进行校验后保存,通过哈希函数对于每一存储单元进行串接,使得处理流程对接点不易丢失和遭到破坏,通过区块链的逻辑对所述处理流程对接点进行加密处理,保证了所述处理流程对接点的安全性,为后续准确、高效的进行数据处理夯实了基础。
进一步而言,本申请实施例步骤S840还包括:
步骤S841:根据所述第一数据处理流程对接点,获得第一协作中心;
步骤S842:获得第一校验码,所述第一校验码为所述第一协作中心的校验码;
步骤S843:判断所述第一校验码是否与所述第一验证码相同;
步骤S844:如果所述第一校验码与所述第一验证码相同,确定所述第一协作中心与所述第一数据处理流程对接点对接成功。
具体而言,根据所述第一数据处理流程的对接点,获得与所述对接点进行对接的第一协作中心,获得所述第一协作中心的第一校验码,其中,所述第一校验码与所述第一协作中心一一对应,根据所述第一校验码对所述第一验证码进行校验,即判断所述第一校验码与所述第一验证码是否相同,当相同时,确定所述第一协作中心与所述第一数据处理流程对接点对接成功。
进一步而言,所述判断所述第一校验码是否与所述第一验证码相同之后,本申请实施例步骤S843还包括:
步骤S8431:如果所述第一校验码与所述第一验证码不同,确定所述第一协作中心与所述第一数据处理流程对接点对接失败,获得第一提醒信息;
步骤S8432:根据所述第一提醒信息,提醒所述第一协作中心禁止与所述第一数据处理流程对接点进行对接。
具体而言,当根据所述第一校验码对所述第一验证码进行校验时,所述校验未通过,即所述第一校验码与所述第一验证码不同,此时所述第一协作中心与所述第一数据流程对接点的对接过程被判定为失败,根据所述判定失败的结果获得第一提醒信息,根据所述第一提醒信息,提醒所述第一协作中心禁止与所述第一数据处理流程对接点对接。通过对第一协作中心的校验码和对接点的校验码的校验的方式,保证所述数据的处理流程的对接点和协作中心的匹配,进而达到准确高效处理所述数据的技术效果。
进一步而言,本申请实施例还包括:
步骤S845:将所述第N数据处理流程对接点和第N验证码作为第N存储单元;
步骤S846:获得所述第N存储单元记录时间,所述第N存储单元记录时间表示第N存储单元需要记录的时间;
步骤S847:根据所述第N存储单元记录时间,获得所述M台设备中内存最大的第一设备;
步骤S848:将所述第N存储单元的记录权发送给所述第一设备。
具体而言,将所述第一数据处理流程对接点和所述第一验证码作为第一存储单元,将不能在预定时间内完成记录所述第一存储单元的设备排除,获得M台设备中内存最大的第一设备,将所述第一存储单元的记录权给所述设备。进一步而言,根据所述第二数据处理流程对接点和所述第二验证码作为第二存储单元,第三数据处理流程对接点和所述第三验证码作为第三存储单元,第N数据处理流程对接点和所述第N验证码作为第N存储单元,所述第二存储单元、第三存储单元、··· 第N存储单元均采用如第一存储单元的记录方法,进而保证了去中心化区块链***的安全、有效和稳定运行,能够保证所述存储单元能够被快速准确的记录在设备中,进而保证了数据处理流程对接点的安全性。
进一步而言,所述获得第一数据集之后,本申请实施例步骤S300还包括:
步骤S310:获得第一预定筛选规律;
步骤S320:对所述第一数据集按照所述第一预定筛选规律进行筛选过滤。
具体而言,所述第一预定筛选规律为预先设定的筛选规则,举例而言,所述筛选规律可以为数据清洗,将所述第一数据集中的数据进行检测,删除无效数据,及缺失重要项的数据,以保证数据的完整性和可靠性将所述进行筛选过滤后的数据集继续进行处理。通过所述数据的筛选处理,保证所述数据的完整性和可靠性,为后续准确、高效的进行数据处理夯实了基础。
综上所述,本申请实施例所提供的一种提高多中心协作质量控制的数据处理方法和***具有如下技术效果:
1、由于采用了获得协作中心数据库,根据所述协作中心数据库的各协作中心职能信息,根据所述第一数据集的获得所述数据集的处理流程信息,将所述职能信息和所述处理流程信息输入神经网络模型,获得各协作中心的分类结果,根据所述分类结果按照所述数据处理流程对接点对所述第一数据集进行处理的方式,达到通过多中心协作质量控制,提高数据处理的效率、数据交接的准确性的技术效果。
2、由于采用了通过区块链的逻辑对所述处理流程对接点进行加密处理的方式,保证了所述处理流程对接点的安全性,为后续准确、高效的进行数据处理夯实了基础。
3、由于采用了通过对第一协作中心的校验码和对接点的校验码的校验的方式,保证所述数据的处理流程的对接点和协作中心的匹配,进而达到准确高效处理所述数据的技术效果。
4、由于采用了通过所述数据的筛选处理的方式,保证所述数据的完整性和可靠性,为后续准确、高效的进行数据处理夯实了基础。
实施例二
基于与前述实施例中一种提高多中心协作质量控制的数据处理方法同样发明构思,本发明还提供了一种提高多中心协作质量控制的数据处理***,如图2所示,所述***包括:
第一获得单元11,所述第一获得单元11用于获得协作中心数据库;
第二获得单元12,所述第二获得单元12用于获得所述协作中心数据库中各协作中心的职能信息;
第三获得单元13,所述第三获得单元13用于获得第一数据集;
第四获得单元14,所述第四获得单元14用于获得所述第一数据集的处理流程信息;
第一输入单元15,所述第一输入单元15用于将所述职能信息和所述处理流程信息输入神经网络模型,获得所述各协作中心的分类结果;
第五获得单元16,所述第五获得单元16用于根据所述第一数据集的处理流程信息,获得数据处理流程对接点;
第一处理单元17,所述第一处理单元17用于根据所述分类结果按照所述数据处理流程对接点对所述第一数据集进行处理。
进一步的,所述***还包括:
第二输入单元,所述第二输入单元用于将所述职能信息和所述处理流程信息作为输入数据,输入神经网络模型,其中,所述神经网络模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述职能信息和所述处理流程信息和用来标识分类结果的标识信息;
第六获得单元,所述第六获得单元用于获得所述神经网络模型的第一输出信息,所述第一输出信息包括所述各协作中心的分类结果。
进一步的,所述***还包括:
第七获得单元,所述第七获得单元用于根据所述第一数据集的处理流程信息,获得第一数据处理流程对接点、第二数据处理流程对接点,直到第N数据处理流程对接点;
第八获得单元,所述第八获得单元用于根据所述第一数据处理流程对接点生成第一验证码,其中,所述第一验证码与所述第一数据处理流程对接点相对应;
第九获得单元,所述第九获得单元用于根据所述第二数据处理流程对接点和第一验证码生成第二验证码;以此类推,根据所述第N数据处理流程对接点和第N-1验证码生成第N验证码,其中,N为大于1的自然数;
第一保存单元,所述第一保存单元用于将各数据处理流程对接点和其相对应的验证码作为一个存储单元,将各存储单元分别复制保存在M台设备上,其中,M为大于1的自然数。
进一步的,所述***还包括:
第十获得单元,所述第十获得单元用于根据所述第一数据处理流程对接点,获得第一协作中心;
第十一获得单元,所述第十一获得单元用于获得第一校验码,所述第一校验码为所述第一协作中心的校验码;
第一判断单元,所述第一判断单元用于判断所述第一校验码是否与所述第一验证码相同;
第一确定单元,所述第一确定单元用于如果所述第一校验码与所述第一验证码相同,确定所述第一协作中心与所述第一数据处理流程对接点对接成功。
进一步的,所述***还包括:
第二确定单元,所述第二确定单元用于如果所述第一校验码与所述第一验证码不同,确定所述第一协作中心与所述第一数据处理流程对接点对接失败,获得第一提醒信息;
第一提醒单元,所述第一提醒单元用于根据所述第一提醒信息,提醒所述第一协作中心禁止与所述第一数据处理流程对接点进行对接。
进一步的,所述***还包括:
第十二获得单元,所述第十二获得单元用于将所述第N数据处理流程对接点和第N验证码作为第N存储单元;
第十三获得单元,所述第十三获得单元用于获得所述第N存储单元记录时间,所述第N存储单元记录时间表示第N存储单元需要记录的时间;
第十四获得单元,所述第十四获得单元用于根据所述第N存储单元记录时间,获得所述M台设备中内存最大的第一设备;
第一发送单元,所述第一发送单元用于将所述第N存储单元的记录权发送给所述第一设备。
进一步的,所述***还包括:
第十五获得单元,所述第十五获得单元用于获得第一预定筛选规律;
第一筛选单元,所述第一筛选单元用于对所述第一数据集按照所述第一预定筛选规律进行筛选过滤。
前述图1实施例一中的一种提高多中心协作质量控制的数据处理方法的各种变化方式和具体实例同样适用于本实施例的一种提高多中心协作质量控制的数据处理***,通过前述对一种提高多中心协作质量控制的数据处理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种提高多中心协作质量控制的数据处理***的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种提高多中心协作质量控制的数据处理方法的发明构思,本发明还提供一种提高多中心协作质量控制的数据处理***,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种提高多中心协作质量控制的数据处理方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他***通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种提高多中心协作质量控制的数据处理方法,所述方法包括:获得协作中心数据库;获得所述协作中心数据库中各协作中心的职能信息;获得第一数据集;获得所述第一数据集的处理流程信息;将所述职能信息和所述处理流程信息输入神经网络模型,获得所述各协作中心的分类结果;根据所述第一数据集的处理流程信息,获得数据处理流程对接点;根据所述分类结果按照所述数据处理流程对接点对所述第一数据集进行处理。解决了现有技术中存在数据处理效率低、数据处理不准确的技术问题,达到通过多中心协作质量控制,提高数据处理的效率、数据交接的准确性的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的***。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令***的制造品,该指令***实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种提高多中心协作质量控制的数据处理方法,其中,所述方法包括:
获得协作中心数据库;
获得所述协作中心数据库中各协作中心的职能信息;
获得第一数据集;
获得所述第一数据集的处理流程信息;
将所述职能信息和所述处理流程信息输入神经网络模型,获得所述各协作中心的分类结果;
根据所述第一数据集的处理流程信息,获得数据处理流程对接点;以及
根据所述分类结果按照所述数据处理流程对接点对所述第一数据集进行处理,
其中,所述根据所述第一数据集的处理流程信息,获得数据处理流程对接点包括:
根据所述第一数据集的处理流程信息,获得第一数据处理流程对接点、第二数据处理流程对接点,直到第N数据处理流程对接点;
根据所述第一数据处理流程对接点生成第一验证码,其中,所述第一验证码与所述第一数据处理流程对接点相对应;
根据所述第二数据处理流程对接点和第一验证码生成第二验证码;以此类推,根据所述第N数据处理流程对接点和第N-1验证码生成第N验证码,其中,N为大于1的自然数;
将各数据处理流程对接点和其相对应的验证码作为一个存储单元,将各存储单元分别复制保存在M台设备上,其中,M为大于1的自然数,
根据所述第一数据处理流程对接点,获得第一协作中心;
获得第一校验码,所述第一校验码为所述第一协作中心的校验码;
判断所述第一校验码是否与所述第一验证码相同;
如果所述第一校验码与所述第一验证码相同,确定所述第一协作中心与所述第一数据处理流程对接点对接成功。
2.如权利要求1所述的方法,其中,所述方法包括:
将所述职能信息和所述处理流程信息作为输入数据,输入神经网络模型,其中,所述神经网络模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述职能信息和所述处理流程信息和用来标识分类结果的标识信息;
获得所述神经网络模型的第一输出信息,所述第一输出信息包括所述各协作中心的分类结果。
3.如权利要求1所述的方法,其中,所述判断所述第一校验码是否与所述第一验证码相同之后,包括:
如果所述第一校验码与所述第一验证码不同,确定所述第一协作中心与所述第一数据处理流程对接点对接失败,获得第一提醒信息;
根据所述第一提醒信息,提醒所述第一协作中心禁止与所述第一数据处理流程对接点进行对接。
4.如权利要求1所述的方法,其中,所述方法包括:
将所述第N数据处理流程对接点和第N验证码作为第N存储单元;
获得所述第N存储单元记录时间,所述第N存储单元记录时间表示第N存储单元需要记录的时间;
根据所述第N存储单元记录时间,获得所述M台设备中内存最大的第一设备;
将所述第N存储单元的记录权发送给所述第一设备。
5.如权利要求1所述的方法,其中,所述获得第一数据集之后,包括:
获得第一预定筛选规律;
对所述第一数据集按照所述第一预定筛选规律进行筛选过滤。
6.一种提高多中心协作质量控制的数据处理***,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011595444.6A CN112288342B (zh) | 2020-12-29 | 2020-12-29 | 一种提高多中心协作质量控制的数据处理方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011595444.6A CN112288342B (zh) | 2020-12-29 | 2020-12-29 | 一种提高多中心协作质量控制的数据处理方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112288342A CN112288342A (zh) | 2021-01-29 |
CN112288342B true CN112288342B (zh) | 2021-03-26 |
Family
ID=74426303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011595444.6A Active CN112288342B (zh) | 2020-12-29 | 2020-12-29 | 一种提高多中心协作质量控制的数据处理方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112288342B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113556769B (zh) * | 2021-07-21 | 2022-04-22 | 湖南人文科技学院 | 一种基于干扰控制的计算机数据传输通信方法及*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886119A (zh) * | 2019-01-22 | 2019-06-14 | 深圳市永达电子信息股份有限公司 | 一种基于工控信号的控制功能分类方法及*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160180214A1 (en) * | 2014-12-19 | 2016-06-23 | Google Inc. | Sharp discrepancy learning |
CN109063752B (zh) * | 2018-07-17 | 2022-06-17 | 华北水利水电大学 | 基于神经网络的多源高维多尺度实时数据流的分拣方法 |
CN110661875B (zh) * | 2019-09-29 | 2022-02-25 | 青岛科技大学 | 一种基于Word2Vec的云制造服务协作相似度计算方法 |
CN112053164A (zh) * | 2020-08-19 | 2020-12-08 | 吴晓庆 | 一种基于区块链的电子商务数据处理方法及*** |
-
2020
- 2020-12-29 CN CN202011595444.6A patent/CN112288342B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886119A (zh) * | 2019-01-22 | 2019-06-14 | 深圳市永达电子信息股份有限公司 | 一种基于工控信号的控制功能分类方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN112288342A (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11308399B2 (en) | Method for topological optimization of graph-based models | |
CN110929886A (zh) | 模型训练、预测方法及其*** | |
CN111950068A (zh) | 一种基于Bim的维护建筑设备的方法和装置 | |
CN111523648B (zh) | 含有聚类拓扑耦合的神经网络脉冲同步方法及*** | |
CN112085560A (zh) | 一种基于云计算的智能教育方法及*** | |
CN112053164A (zh) | 一种基于区块链的电子商务数据处理方法及*** | |
Guido | Paraconsistent feature engineering [lecture notes] | |
CN112288342B (zh) | 一种提高多中心协作质量控制的数据处理方法和*** | |
CN114565255B (zh) | 一种企业集群协同的供应链管理方法及*** | |
WO2019111327A1 (ja) | 技工料金自動算出システム、技工料金自動算出方法及びプログラム | |
CN111954209A (zh) | 一种提高无线传感器节点安全性的信息处理方法及装置 | |
CN114510867A (zh) | 一种3d模拟配电柜电路接线方法及*** | |
CN112232891B (zh) | 一种基于大数据分析的客户匹配方法和装置 | |
CN112712264A (zh) | 一种智慧社区信息共享方法及*** | |
CN111859094A (zh) | 一种基于云计算的信息分析方法*** | |
CN116823026B (zh) | 一种基于区块链的工程数据处理***及方法 | |
CN111026569B (zh) | 一种在联盟链中修复指定区块数据的方法 | |
CN110688368B (zh) | 一种构件行为模型挖掘方法与装置 | |
CN112148759A (zh) | 一种基于云平台的择偶方法及*** | |
CN112116515A (zh) | 一种疫情后社区大健康信息处理方法及*** | |
CN112102139A (zh) | 一种闲置物品交易扶贫管理方法及*** | |
CN111106953A (zh) | 一种异常根因分析的方法及装置 | |
CN113487200B (zh) | 一种公路工程的项目质量评定方法及*** | |
CN112487780A (zh) | 一种订单数据排版优化方法及*** | |
CN112798955B (zh) | 一种特种电机的故障检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |