【技术实现步骤摘要】
本专利技术创造涉及生物制药纯化领域，具体涉及一种基于大数据的生物制药智能纯化工艺控制系统。
技术介绍
1、近年来，生物制药行业快速发展，对纯化工艺的要求也越来越高。传统的纯化工艺主要依赖于操作人员的经验和一些简单的控制手段，这种方式在应对复杂的生产环境和不断变化的市场需求时显得力不从心。随着大数据和人工智能技术的迅猛发展，利用机器学习技术对生物制药纯化工艺进行控制变得可行且高效。通过对大量的历史数据和实时监测数据进行深入分析，机器学习算法能够准确预测生物制品的产量、纯度和质量，从而优化生产过程中的参数设置，提高整体生产效率和产品质量。该系统能够通过智能化的调整和优化，实现对生产过程中关键参数的精确控制。具体而言，机器学习算法可以捕捉到影响药物纯度和产量的各种关键因素，建立参数与纯化结果之间的关系模型，并在生产过程中实时监控和调整这些参数。这不仅能够确保在不同的生产条件下都能保持稳定高效的运行，还能够大幅度提高药物的纯度和生产效率，满足日益严格的质量要求。此外，系统还可以通过不断学习和更新数据，持续优化算法模型，适应生产工艺的变化。这种动态调整的能力使得系统在面对不同批次、不同条件的生产任务时，依然能够保持高水平的稳定性和可靠性。通过应用大数据和人工智能技术，生物制药行业的纯化工艺正在迈向更加智能化、精细化的未来。
2、一种基于大数据的生物制药智能纯化工艺控制系统，该系统包括了数据采集模块、质量控制模块、系统管理模块、数据可视化与报告模块。其中质量控制模块提出了通过cnn-lstm算法提高系统纯化效果的技术。卷积神经网
技术实现思路
1、针对上述问题，本专利技术旨在提供一种基于大数据的生物制药智能纯化工艺控制系统。
2、本专利技术创造的目的通过以下技术方案实现：
3、一种基于大数据的生物制药智能纯化工艺控制系统，包括数据采集模块、质量控制模块、系统管理模块、数据可视化与报告模块，其中：
4、数据采集模块，用于使用传感技术采集生物制药纯化过程中的参数，并记录在控制系统中；质量控制模块有两个功能，首先将历史数据进行分组，其次，通过历史分组数据，利用机器学习算法建立控制工艺中的参数与药物纯度的函数关系，实现对生产过程的智能化调整和优化，提高药物纯度；系统管理模块，包括系统维护与监控功能和安全与权限控制功能，系统维护与监控功能起到监控系统性能和故障检测的作用，安全与权限控制功能起到用户身份验证和权限控制的作用；数据可视化与报告模块，提供直观的数据可视化界面，展示控制过程中的数据和分析结果，并生成分析报告。
5、进一步的，所述数据采集模块包括传感技术应用单元、实时数据采集单元、数据记录与存储单元、数据预处理单元、接口与通信单元，其中：传感技术应用单元，用于监测和采集生物制药纯化过程中的温度、压力、流速、ph值、溶解氧含量，传感器布置在纯化设备内部；实时数据采集单元，通过高速数据接口与数据采集模块相连，实现毫秒级的数据采集频率，并通过数据采集系统实时传输到中央控制系统；数据记录与存储单元，具备数据存储能力，对采集到的数据进行分类和存储，采用冗余存储技术，并定期备份数据；数据预处理单元，在数据采集过程中对数据进行预处理，包括去除噪声、异常值检测和数据校正，并标记时间戳；接口与通信单元，支持与质量控制模块、系统管理模块、数据可视化与报告模块进行对接，通过网络接口实现与远程服务器连接，对数据进行远程监控和分析。
6、进一步的，所述质量控制模块包括历史数据分组单元、机器学习算法单元、模型训练与更新单元、数据反馈与预警单元、用户定义参数设置单元，其中：历史数据分组单元，用于将历史数据根据温度、压力、流速、ph值、溶解氧含量特征(溶解氧含量为溶解于水中的氧气的含量，单位为mg/l)进行分组，以便于分析和比较生产结果，提供数据基础；机器学习算法单元，通过对历史分组数据进行分析，利用机器学习算法建立控制工艺中的特征与药物纯度之间的函数关系，能够捕捉数据特征的变化对药物纯度的影响；智能调整与优化单元，基于机器学习算法建立的模型，对生产过程进行实时监控和智能化调整，智能调整与优化单元能够自动识别和调整参数；模型训练与更新单元能够利用新数据不断改进和优化模型，适应生产工艺的变化，控制温度、压力、流速、ph值、溶解氧含量特征在预设范围内能精确预测生物药物的产量和纯度；数据反馈与预警单元，通过对实时数据的监测和分析，当发现生产过程中的参数出现异常和偏离预设范围时，系统能够及时发出预警并反馈给操作人员，确保能够迅速采取措施，避免生产事故和质量问题的发生；用户定义参数设置单元，允许用户根据需求调整参数设置，并通过机器学习算法的优化，结合历史数据和实时监测结果，提供个性化的参数优化方案，提高生产灵活性和效率。
7、进一步的，质量控制模块中的历史数据分组单元将系统中数据采集模块的数据从数据库中获取，模块读取历史数据集，历史数据自变量集记为x＝{x1，x2，x3，...，xp，...，xn}，历史数据因变量集记为y＝{y1，y2，y3，...，yp，...，yn}，其中xp，yp为提纯类型设计特征类型集合，x，y集合中的编号1，2，3，..，p，..，n别为历史数据中第1，2，3，..，p，...，n条数据本文档来自技高网...
【技术保护点】
1.基于大数据的生物制药纯化工艺控制系统，包括以下模块：数据采集模块，用于使用传感技术采集生物制药纯化过程中的参数，并记录在控制系统中；质量控制模块有两个功能，首先将历史数据进行分组，其次，通过历史分组数据，利用机器学习算法建立控制工艺中的参数与药物纯度的函数关系，实现对生产过程的智能化调整和优化，提高药物纯度；系统管理模块，包括系统维护与监控功能和安全与权限控制功能，系统维护与监控功能起到监控系统性能和故障检测的作用，安全与权限控制功能起到用户身份验证和权限控制的作用；数据可视化与报告模块，提供直观的数据可视化界面，展示控制过程中的数据和分析结果，并生成分析报告。
2.根据权利要求1所述的一种基于大数据的生物制药纯化工艺控制系统，其特征在于，所述数据采集模块包括传感技术应用单元、实时数据采集单元、数据记录与存储单元、数据预处理单元、接口与通信单元，其中：传感技术应用单元，用于监测和采集生物制药纯化过程中的温度、压力、流速、pH值、溶解氧含量，传感器布置在纯化设备内部；实时数据采集单元，通过高速数据接口与数据采集模块相连，实现毫秒级的数据采集频率，并通过数据采集系统实
3.根据权利要求1所述的一种基于大数据的生物制药纯化工艺控制系统，其特征在于，所述质量控制模块包括历史数据分组单元、机器学习算法单元、模型训练与更新单元、数据反馈与预警单元、用户定义参数设置单元，其中：历史数据分组单元，用于将历史数据根据温度、压力、流速、pH值、溶解氧含量特征(溶解氧含量为溶解于水中的氧气的含量，单位为mg/L)进行分组，以便于分析和比较生产结果，提供数据基础；机器学习算法单元，通过对历史分组数据进行分析，利用机器学习算法建立控制工艺中的特征与药物纯度之间的函数关系，能够捕捉数据特征的变化对药物纯度的影响；智能调整与优化单元，基于机器学习算法建立的模型，对生产过程进行实时监控和智能化调整，智能调整与优化单元能够自动识别和调整参数；模型训练与更新单元能够利用新数据不断改进和优化模型，适应生产工艺的变化，控制温度、压力、流速、pH值、溶解氧含量特征在预设范围内能精确预测生物药物的产量和纯度；数据反馈与预警单元，通过对实时数据的监测和分析，当发现生产过程中的参数出现异常和偏离预设范围时，系统能够及时发出预警并反馈给操作人员，确保能够迅速采取措施，避免生产事故和质量问题的发生；用户定义参数设置单元，允许用户根据需求调整参数设置，并通过机器学习算法的优化，结合历史数据和实时监测结果，提供个性化的参数优化方案，提高生产灵活性和效率。
4.根据权利要求3所述的一种基于大数据的生物制药纯化工艺控制系统，其特征在于，所述历史数据分组单元具体如下：将系统中数据采集模块的数据从数据库中获取，模块读取历史数据集，历史数据自变量集记为X＝{x1，x2，x3，...，xp，...，xn}，历史数据因变量集记为Y＝{y1，y2，y3，...，yp，...，yn}，其中xp，yp为提纯类型设计特征类型集合，X，Y集合中的编号1，2，3，..，p，..，n别为历史数据中第1，2，3，..，p，..，n条数据，记为xp＝{xw1，xw2，xw3，xw4，xw5}，其中，xw1为温度特征、xw2为压力特征、xw3为流速特征、xw4为pH值、xw5为溶解氧含量特征，将生物药物的纯化结果yp特征视为因变量集合，记为yp＝{yw1，yw2}，其中，yw1为药物的纯度，yw2为药物产量，记为分类区间集合其中1，2，…，n1为分类区间的编号，m记为分组编号，k记为分类方式，为分类数据，在本系统中，使用经验公式分组、聚类分组、分类树分组三种进行分类，其中，经验公式的分组方法具体为：确定温度、压力、流速、pH值、溶解氧含量的具体范围，设置温度(T)的范围为Tmin至Tmax，其中Tmin为纯化过程的最低温度，Tmax为纯化过程的最高温度，设置压力(P)的范围为Pmin至Pmax，其中Pmin为纯化过程的最低压力，Pmax为纯化过程的最高压力，设置流速(F)的范围为Fmin至Fmax，其中Fmin为纯化过程的最低流速，Fmax为纯化过程的最高流速，设置pH值(pH)的范围为pHmin至pHmax，其中pHmin为纯化过程的最低pH值，pHmax为纯化过程的最高pH值，设置溶解氧含量(DO)的范围为D...
【技术特征摘要】
1.基于大数据的生物制药纯化工艺控制系统，包括以下模块：数据采集模块，用于使用传感技术采集生物制药纯化过程中的参数，并记录在控制系统中；质量控制模块有两个功能，首先将历史数据进行分组，其次，通过历史分组数据，利用机器学习算法建立控制工艺中的参数与药物纯度的函数关系，实现对生产过程的智能化调整和优化，提高药物纯度；系统管理模块，包括系统维护与监控功能和安全与权限控制功能，系统维护与监控功能起到监控系统性能和故障检测的作用，安全与权限控制功能起到用户身份验证和权限控制的作用；数据可视化与报告模块，提供直观的数据可视化界面，展示控制过程中的数据和分析结果，并生成分析报告。
2.根据权利要求1所述的一种基于大数据的生物制药纯化工艺控制系统，其特征在于，所述数据采集模块包括传感技术应用单元、实时数据采集单元、数据记录与存储单元、数据预处理单元、接口与通信单元，其中：传感技术应用单元，用于监测和采集生物制药纯化过程中的温度、压力、流速、ph值、溶解氧含量，传感器布置在纯化设备内部；实时数据采集单元，通过高速数据接口与数据采集模块相连，实现毫秒级的数据采集频率，并通过数据采集系统实时传输到中央控制系统；数据记录与存储单元，具备数据存储能力，对采集到的数据进行分类和存储，采用冗余存储技术，并定期备份数据；数据预处理单元，在数据采集过程中对数据进行预处理，包括去除噪声、异常值检测和数据校正，并标记时间戳；接口与通信单元，支持与质量控制模块、系统管理模块、数据可视化与报告模块进行对接，通过网络接口实现与远程服务器连接，对数据进行远程监控和分析。
3.根据权利要求1所述的一种基于大数据的生物制药纯化工艺控制系统，其特征在于，所述质量控制模块包括历史数据分组单元、机器学习算法单元、模型训练与更新单元、数据反馈与预警单元、用户定义参数设置单元，其中：历史数据分组单元，用于将历史数据根据温度、压力、流速、ph值、溶解氧含量特征(溶解氧含量为溶解于水中的氧气的含量，单位为mg/l)进行分组，以便于分析和比较生产结果，提供数据基础；机器学习算法单元，通过对历史分组数据进行分析，利用机器学习算法建立控制工艺中的特征与药物纯度之间的函数关系，能够捕捉数据特征的变化对药物纯度的影响；智能调整与优化单元，基于机器学习算法建立的模型，对生产过程进行实时监控和智能化调整，智能调整与优化单元能够自动识别和调整参数；模型训练与更新单元能够利用新数据不断改进和优化模型，适应生产工艺的变化，控制温度、压力、流速、ph值、溶解氧含量特征在预设范围内能精确预测生物药物的产量和纯度；数据反馈与预警单元，通过对实时数据的监测和分析，当发现生产过程中的参数出现异常和偏离预设范围时，系统能够及时发出预警并反馈给操作人员，确保能够迅速采取措施，避免生产事故和质量问题的发生；用户定义参数设置单元，允许用户根据需求调整参数设置，并通过机器学习算法的优化，结合历史数据和实时监测结果，提供个性化的参数优化方案，提高生产灵活性和效率。
4.根据权利要求3所述的一种基于大数据的生物制药纯化工艺控制系统，其特征在于，所述历史数据分组单元具体如下：将系统中数据采集模块的数据从数据库中获取，模块读取历史数据集，历史数据自变量集记为x＝{x1，x2，x3，...，xp，...，xn}，历史数据因变量集记为y＝{y1，y2，y3，...，yp，...，yn}，其中xp，yp为提纯类型设计特征类型集合，x，y集合中的编号1，2，3，..，p，..，n别为历史数据中第1，2，3，..，p，..，n条数据，记为xp＝{xw1，xw2，xw3，xw4，xw5}，其中，xw1为温度特征、xw2为压力特征、xw3为流速特征、xw4为ph值、xw5为溶解氧含量特征，将生物药物的纯化结果yp特征视为因变量集合，记为yp＝{yw1，yw2}，其中，yw1为药物的纯度，yw2为药物产量，记为分类区间集合其中1，2，…，n1为分类区间的编号，m记为分组编号，k记为分类方式，为分类数据，在本系统中，使用经验公式分组、聚类分组、分类树分组三种进行分类，其中，经验公式的分组方法具体为：确定温度、压力、流速、ph值、溶解氧含量的具体范围，设置温度(t)的范围为tmin至tmax，其中tmin为纯化过程的最低温度，tmax为纯化过程的最高温度，设置压力(p)的范围为pmin至pmax，其中pmin为纯化过程的最低压力，pmax为纯化过程的最高压力，设置流速(f)的范围为fmin至fmax，其中fmin为纯化过程的最低流速，fmax为纯化过程的最高流速，设置ph值(ph)的...
【专利技术属性】
技术研发人员：李页瑞，朱莉，麻良良，陈冠君，陈洁，
申请(专利权)人：苏州茂可科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。