本发明涉及药品质量检测系统,更具体地说,它涉及一种药品质量检测数据处理分析系统及方法。
背景技术:
1、药品检测的检测项目众多,有药品质量检测、药品成分检测、药品重金属检测、药品不良反应检测、药品密封性检测、生物药品检测、药品外观检测、药品常规检测、药品理化检测、药品安全检测和药品缺陷检测,药品检测的目的在于防止不合格药品流入市场,保证药品的安全性。
2、目前,传统的对药品进行质量检测的方式都是对生产后的药品进行抽样,然后对抽样的药品进行药品成分检测、药品重金属检测、药品不良反应检测等检测,以保障药品的安全性,但是现有的药品质量的检测只是着手于在药品生产完成后,进行抽样检查,并不能将检测的结果对生产的过程进行反馈以优化药品的生产过程以及各类生产药品的机械的参数,因此,现有的药品质量检测数据处理分析系统还具有较大的优化空间。
3、因此,为了解决上述技术问题本申请提出一种药品质量检测数据处理分析系统及方法。
技术实现思路
1、针对现有技术存在的不足,本发明的目的在于提供一种药品质量检测数据处理分析系统及方法。
2、为实现上述目的,本发明提供了如下技术方案:一种药品质量检测数据处理分析系统,包括;
3、检测模块,其用于对药品的生产过程中的参数和生产抽样后的质量进行检测,检测模块包括前端检测单元、药品参数检测单元和质量检测单元,前端检测单元用于检测生产药品的机械的实际生产参数,药品参数检测单元用于在生产过程中对药品的参数进行检测,所述质量检测单元则是对生产后的药品进行质量检测;
4、数据存储模块,其用于对检测模块检测的各项数据进行存储,数据存储模块包括三个存储单元,且三个存储单元分别与前端检测单元、药品参数检测单元和质量检测单元相对应并将数据记录为机械参数数据库、药品参数数据库和药品质量数据库,机械参数数据库、药品参数数据库和药品质量数据库汇总为综合数据库;
5、数据分析模块,用于对综合数据库进行分析,并建立关联模型。
6、其中需要说明的是,所述前端检测单元包括但不限于用于检测药品生产时机械温度、湿度、压力、流量数据的多个子单元,所述药品参数检测单元包括但不限于用于在药品生产过程中对药品的ph值、浓度和组分含量数据进行检测的多个子单元,所述质量检测单元用于对生产完成后的药品进行质量检测,并将药品分为良品和残次品。
7、其中,所述药品数量数据库包括良品库和残次品库,用于记录药品质量检测后良品率和残次品率,所述数据分析模块用于通过数据分析法分析良品率和残次品率与机械实际生产参数之间的关联,并通过统计分析法分析对药品质量影响较大的参数,并建立相应的关联模型,通过关联模型调整机器参数和药品生产参数,以优化生产过程,并提高良品率和质量稳定性。
8、一种药品检测数据处理分析方法,应用于权利要求1~3任一项所述一种药品检测数据处理分析系统,其特征在于,所述一种药品检测数据处理分析方法包括如下步骤:
9、s1:通过检测模块对药品的生产过程中的参数和生产抽样后的质量进行检测,其中,前端检测单元通过合适的传感器记录生产药品机器的关键参数,包括但不限于温度、湿度、压力和流量数据,以及药品参数检测单元通过合适的传感器记录药品生产关键参数,包括但不限于ph值、浓度和组分含量,最后在药品生产完成后,通过质量检测单元对药品的质量进行检测;
10、s2:将检测模块检测的记录进行存储,并将三个存储单元记录的数据记录为机械参数数据库、药品参数数据库和药品质量数据库,其中药品质量数据库分为良品库和残次品库,然后统合三个存储单元数据并形成汇总为综合数据库;
11、s3:通过数据分析模块对综合数据库数据进行分析,利用数据分析方法来研究机器参数和药品生产参数与药品质量之间的关联性,分析参数之间的相互作用、阈值和优化范围,以确定对药品质量影响较大的参数,然后通过数据分析模块的分析数据建立关联模型和预测模型;
12、s4:通过关联模型和预测模型,以及机器参数和药品生产参数与药品质量之间的关联性,将结果反馈,并对生产药品的机械的参数和药品生产过程中的参数进行调整,以优化生产过程,并提高良品率和质量稳定性。
13、其中,所述步骤s2中对检测模块检测的数据进行存储是通过分布式存储系统来实现的,使用分布式计算框架对数据进行处理,包括但不限于数据清洗、数据转换和数据聚合。
14、在其中的一个优选方案中,所述步骤s3的数据分析模块通过机器学习和深度学习技术来实现,通过机器学习和深度学习技术对数据进行分析,包括但不限于分析参数之间的相互作用、阈值和优化范围,并预测在生产药品的机械和生产药品时药品的参数更改后对药品良品率的改变。
15、需要理解的是,所述机器学习和深度学习技术通过tensorflow进行构建,识别综合数据库的趋势,并通过apriori算法和fp-growth算法对机器参数和药品生产参数与药品质量之间的关联性进行计算。
16、与现有技术相比,本发明具备以下有益效果:
17、1、本发明中,通过检测模块记录和分析机器参数和药品生产参数,结合质量检测数据,可以实现对整个生产过程的质量控制和追溯,从而可以追踪每个药品批次的生产条件和质量检测结果,确保产品符合质量标准,并能够追溯到具体的生产环节
18、2、本发明中,通过对记录的数据进行分析和关联性研究,可以揭示机器参数和药品生产参数与药品质量之间的关联关系,找到机械参数、药品参数和药品质量之间关联,这将能够基于数据做出有根据的决策,优化生产过程和调整参数,以提高良品率和生产效率,解决了背景技术中提出的现有的药品质量的检测只是着手于在药品生产完成后,进行抽样检查,并不能将检测的结果对生产的过程进行反馈以优化药品的生产过程以及各类生产药品的机械的参数的问题。
1.一种药品质量检测数据处理分析系统,其特征在于:包括;
2.根据权利要求1所述的一种药品质量检测数据处理分析系统,其特征在于:所述前端检测单元包括但不限于用于检测药品生产时机械温度、湿度、压力、流量数据的多个子单元,所述药品参数检测单元包括但不限于用于在药品生产过程中对药品的ph值、浓度和组分含量数据进行检测的多个子单元,所述质量检测单元用于对生产完成后的药品进行质量检测,并将药品分为良品和残次品。
3.根据权利要求2所述的一种药品质量检测数据处理分析系统,其特征在于:所述药品数量数据库包括良品库和残次品库,用于记录药品质量检测后良品率和残次品率,所述数据分析模块用于通过数据分析法分析良品率和残次品率与机械实际生产参数之间的关联,并通过统计分析法分析对药品质量影响较大的参数,并建立相应的关联模型,通过关联模型调整机器参数和药品生产参数,以优化生产过程,并提高良品率和质量稳定性。
4.一种药品检测数据处理分析方法,应用于权利要求1~3任一项所述一种药品检测数据处理分析系统,其特征在于,所述一种药品检测数据处理分析方法包括如下步骤:
5.根据权利要求4所述的一种药品质量检测数据处理分析系统,其特征在于:所述步骤s2中对检测模块检测的数据进行存储是通过分布式存储系统来实现的,使用分布式计算框架对数据进行处理,包括但不限于数据清洗、数据转换和数据聚合。
6.根据权利要求5所述的一种药品质量检测数据处理分析系统,其特征在于:所述步骤s3的数据分析模块通过机器学习和深度学习技术来实现,通过机器学习和深度学习技术对数据进行分析,包括但不限于分析参数之间的相互作用、阈值和优化范围,并预测在生产药品的机械和生产药品时药品的参数更改后对药品良品率的改变。
7.根据权利要求6所述的一种药品质量检测数据处理分析系统,其特征在于:所述机器学习和深度学习技术通过tensorflow进行构建,识别综合数据库的趋势,并通过apriori算法和fp-growth算法对机器参数和药品生产参数与药品质量之间的关联性进行计算。