基于大数据的医疗器械生产环节风险预警方法及装置与流程

本发明涉及医疗器械生产环节风险预警，特别涉及一种基于大数据的医疗器械生产环节风险预警方法、装置、存储介质。

背景技术：

1、医疗器械的生产安全愈发被人们重视，当前对于医疗器械生产环节的风险评估和预警主要依靠人为去监控预警，然后手动输入相关数据进行汇总，这会耗费大量的人工，效率也非常低下，并且很容易出现遗漏。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于大数据的医疗器械生产环节风险预警方法及装置，能够实现对医疗器械生产环节风险的高效预警。

2、第一方面，本发明实施例提供了一种基于大数据的医疗器械生产环节风险预警方法，所述方法包括：

3、获取各个医疗器械生产地每个月的医疗器械生产数据集，对所述医疗器械生产数据集进行预处理得到多模态生产数据集；

4、通过hadoop hdfs框架中的主节点，基于预设的生产关键环节库对所述多模态生产数据集进行划分，得到多个分区数据集，并将所述分区数据集进行存储；

5、通过主节点，基于预设的关键词库将所述分区数据集进行划分，得到分区子数据集，将所述分区子数据集分别输入到spark框架中的从属节点进行存储，其中，各个所述从属节点分别与所述主节点相连接，各个所述从属节点之间互相连接；

6、通过所述从属节点中的本地分类器对所述分区子数据集进行分类，得到本地分类器特征，所述本地分类器特征表征所述医疗器械生成环节的风险特征；

7、将所述本地分类特征发送到中心终端，通过所述中心终端对各个所述医疗器械生产地的所述本地分类器特征进行汇总，得到医疗器械生产风险预警报告。

8、在本发明的一些实施例中，所述方法还包括：

9、通过所述从属节点将所述本地分类器特征发送给所述主节点；

10、通过所述主节点对所述分区数据集和所述本地分类器特征进行备份。

11、在本发明的一些实施例中，所述通过所述从属节点将所述本地分类器特征发送给所述主节点，包括：

12、获取从属节点中的所述本地分类器特征，当所述本地分类器特征的数据量大于预设数据量阈值，将所述本地分类器特征进行划分，得到多个本地分类器子特征；

13、通过数据传输分区中的处理器将所述本地分类器子特征发送到所述主节点，所述数据传输分区中的处理器用于在所述主节点与所述从属节点之间进行数据传输。

14、在本发明的一些实施例中，所述通过数据传输分区中的处理器将所述本地分类器子特征发送到所述主节点，包括：

15、增加薄分区中的处理器的空闲时长，将增加的空闲时长作为目标时长，所述薄分区表征处理任务少于预设任务阈值的分区；

16、根据所述目标时长增加所述数据传输分区中的处理器的工作时间。

17、在本发明的一些实施例中，所述获取各个医疗器械生产地每个月的医疗器械生产数据集，对所述医疗器械生产数据集进行预处理得到多模态生产数据集，包括：

18、获取各个医疗器械生产地中所述医疗器械生产数据集的数据密度和监测站的监测站密度，其中，所述监测站包括所述主节点和从属节点；

19、根据所述监测站密度和所述数据密度对所述医疗器械生产地进行划分；

20、将所述监测站密度相同的所述医疗器械生产地，以及所述数据密度相同的所述医疗器械生产地，确定为同类型生产地；

21、将所述同类型生产地对应的所述医疗器械生产数据集输入到相同的神经网络模型结构进行处理，得到多模态生产数据集。

22、在本发明的一些实施例中，所述从属节点中的所述本地分类器的训练方法包括：

23、基于分布式drf算法，对样本分区子数据集进行袋装采样，通过所述从属节点对袋装采样的结果进行训练所述本地分类器，所述本地分类器包括多个参数；

24、设定各个所述参数的权重，将各个所述参数和对应的权重输入到预设的奖励函数中，得到奖励值，其中所述奖励值表征所述本地分类器的准确度和在训练过程中收敛速度；

25、对比不同权重的所述参数的情况下的所述奖励值，获取所述奖励值的数值最高时，各个所述参数对应的权重，并确定为所述分类器中各个所述参数的最终的权重。

26、在本发明的一些实施例中，所述将所述本地分类特征发送到中心终端，通过所述中心终端对各个所述医疗器械生产地的所述本地分类器特征进行汇总，得到医疗器械生产风险预警报告后，包括：

27、根据预设的生产关键环节风险等级对所述医疗器械生产风险预警报告进行评估，生成并显示医疗器械生产环节风险预警等级评估报告。

28、第二方面，本发明实施例提供了一种基于大数据的医疗器械生产环节风险预警装置，包括少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如上述第一方面所述的基于大数据的医疗器械生产环节风险预警方法。

29、第三方面，本发明实施例提供了一种电子设备，包括有如上述第二方面所述的基于大数据的医疗器械生产环节风险预警装置。

30、第四方面，本发明实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如上述第一方面所述的基于大数据的医疗器械生产环节风险预警方法。

31、根据本发明实施例的基于大数据的医疗器械生产环节风险预警方法，至少具有如下有益效果：获取各个医疗器械生产地每个月的医疗器械生产数据集，对所述医疗器械生产数据进行预处理得到多模态生产数据集；基于hadoop hdfs框架中根据预设的生产关键环节库对所述多模态生产数据集进行划分，得到多个分区数据集，并将所述分区数据集输入到hadoop hdfs框架中的主节点进行存储，其中，各个所述分区数据集与所述主节点中的分区相对应；根据预设的关键词库将所述数据节点中的所述分区数据集进行划分，得到分区子数据集，将所述分区子数据集分别输入到spark框架中的从属节点进行存储，其中，各个所述从属节点分别与所述主节点相连接，各个所述从属节点之间互相连接；通过所述从属节点中的本地分类器对所述分区子数据集进行分类，得到本地分类器特征，所述本地分类器特征表征所述医疗器械生成环节的风险特征；将所述本地分类特征发送到中心终端，通过所述中心终端对各个所述医疗器械生产地的所述本地分类器特征进行汇总，得到医疗器械生产风险预警报告。因为医疗器械生产数据集随着医疗器械生产地的区别和生产月份的区别都会发生一定的变化，为了减少数据不均衡的影响，需要对医疗器械生产数据集进行预处理得到多模态生产数据集；因为各地医疗器械生产地遍布在不同的地方，并且每个生产地都存储有大量数据，因此通过hadoop hdfs框架和spark框架来进行分布式数据处理，提高对多模态数据集处理的效率，同时利用分布在hadoop hdfs框架和spark框架中的主节点和从属节点对数据进行进一步处理，主节点进行数据的存储和传递，起到协调的作用，确保信息传递的有效性和可靠性，避免了数据的混乱传输，提高数据传输效率，将分区数据集根据关键词再次划分为分区子数据集后发送给从属节点，从属节点之间具有连接，具有紧密的联系，从属节点中的分类器对分区子数据集进行分类得到本地分类器特征，之后将本地分类器特征发送给中心终端进行整合，得到最终的医疗生产风险预警报告。