基于智慧医疗的挂号服务系统的应用价值探析

本文主要探究基于智慧医疗优化挂号服务系统在门诊患者中的应用效果以及价值。通过以简单随机抽样法纳入2018年5～12月(期间采取人工挂号、等候就诊)至我院门诊就诊的120例患者作为研究对象,设置为参照组,另简单随机抽样法纳入2019年1～7月(期间采取智慧医疗优化挂号服务系统)至我院门诊就诊的120例患者作为研究对象,设置为优化组,以统计学对两组患者就诊各环节消耗时间、焦躁情绪、依从性、门诊服务满意度以及投诉事件等数据进行处理分析。结果发现,优化组患者挂号时间、候诊时间、收费时间、取药时间明显短于参照组(P 0.05)。优化组患者焦躁情绪评分明显低于参照组(P 0.05)。优化组依从性优良率95.83%、门诊服务满意率95.00%,明显高于参照组85.00%、83.33%,投诉率3.33%明显低于参照组17.50%(P 0.05)。由此可见,基于智慧医疗优化挂号服务系统在门诊中使用,能明显缩短患者就诊时间,避免患者出现焦躁情绪,就诊时依从性较好,能满足患者就诊需求且降低医院投诉率,建议优先选择。     

基于生产过程数据的关联分析算法研究

为了发现隐藏在生产过程数据中的关联关系,提出基于Apriori算法的改进算法Apriori Mask。该算法针对Apriori算法在处理生产过程数据时的性能瓶颈问题,结合生产过程数据特点,在由一阶频繁集生成二阶频繁侯选集的时候进行优化,去除不必要的"连接",以此减少二阶频繁侯选集的数量,提高算法效率。经对比分析显示,Apriori Mask在处理生产过程数据条件下具有较好的性能。     

过程工业设备维修智能决策系统的开发与应用

中国石化过程工业设备管理基本属于传统的事后维修模式,设备基础管理薄弱,依靠经验的、定性的方法确定设备检查/维护内容,缺乏对关键设备的识别和分类,维修资源不能合理分配,存在"维修不足"和"维修过剩",系统安全生产隐患大、事故多,设备可靠性、可用性和安全性难以控制和保证.为保证过程工业安全生产,减少安全事故和环境事故,建立了过程工业设备维修智能决策信息系统,它以设备完整性管理系统为架构,综合集成了企业资源计划系统(Enterprise resource planning,ERP)、企业生产执行系统(Manufacturing executive system,MES)和基于风险的检测(Risk-based inspection,RBI)、以可靠性为中心的维修(Reliability-centered maintenance,RCM)、安全完整性水平分析(Safety integrity level,SIL)等风险评估系统与预知维修信息系统(Predictive maintenance information systems,PMIS),为企业提供设备动态风险等级数据、预知维修信息数据和设备绩效指标数据,使各级人员能够通过网络平台及时准确地掌握设备风险状态和优化的维修任务排程,为设备维修决策提供科学支持.实践结果表明:建立的设备维修智能决策信息系统对于提高设备可靠性、可用性和安全性产生了积极效果,它使设备故障频率降低、故障后果减小,维修资源得到了合理利用;高层领导和工程师的强力支持、针对员工的系统教育培训是智能维修决策系统成功应用的重要保证.     

基于过程挖掘与复杂网络集成的制造过程资源建模与关键加工节点识别

为了解决多任务复杂制造过程中的工作流变异导致的流程和资源的不确定性,进而导致制造资源模型出现实时变化,提出了基于过程挖掘与复杂网络集成的制造过程资源模型,得到了流程与资源信息集成的资源复杂网络模型与分析方法。首先,从制造过程中实时产生的事件日志出发,提出了一种基于统计α算法的过程挖掘算法,解决了制造过程工作流重构问题,可实时发掘实际制造过程中的工作流模型。接着,通过集成过程挖掘算法和复杂网络理论,构建了集流程信息与资源信息于一体的资源网络模型,提出了资源节点与流程节点的关联性分析方法,识别制造过程中的关键加工节点。最后,结合一个复杂的锥齿轮轴-轴承套组件装配过程实例,全面验证了所提出方法在制造过程工作流重构、资源网络模型建模、资源特性分析与关键加工节点的识别上的有效性。     

产品开发活动的并行规划

针对并行工程产品开发过程中的活动规划问题,提出了一种启发式的规划方法,综合考虑了时序、信息、资源、活动执行时间、各活动的并行关系等关键因素,使算法能够保证资源的有效利用和信息的平滑流动,算例是某产品开发过程优化的一部分,结果表明了该算法的可行性。     

关联规则数据挖掘技术在中小企业ERP中的应用研究

为了挖掘现行企业资源计划(Enterprise Resource Planning,ERP)中海量数据的价值,运用关联规则数据挖掘技术,给出了构造产品销售数据集市以及运用Apriori算法进行挖掘处理的完整过程,为企业优化销售行为模式提供依据.     

流程挖掘在流程优化中的应用

企业信息系统产生的大量流程日志数据隐藏了一些有用的模式,流程挖掘从控制流、组织、资源等多个视图分析这些数据,发现流程中存在的问题,指导管理人员对流程进行优化。详细总结了近年来流程挖掘在流程优化中的应用,分析了利用流程挖掘优化业务流程的几种典型方法,论述了流程挖掘在改善流程结构、提升组织效率、优化资源配置和检测流程异常等领域的应用,并指出了进一步的研究方向。     

基于粗糙集的首台套重大装备信息系统数据挖掘关键技术研究

网络化项目信息管理过程中产生大量异构数据,采用传统方式对此类数据集进行分析和处理往往存在特征提取不充分、数据疏漏等问题。面向首台套重大装备信息系统项目管理数据关键技术研究,构建了结构化数据收集和规则的提取方法,并应用粗糙集理论和算法进行数据挖掘分析,提出了若干决策规则,可为项目评价和管理辅助决策提供依据。     

支持数据及人力资源绑定的业务过程建模语言

结合目前企业信息系统在工作流建模时对数据及人力资源管理上存在的实际需求,研究分析了各种常用的工作流建模语言在数据和人力资源管理上的优缺点,并基于JBoss业务过程定义语言扩展出一种支持数据及资源绑定的业务过程建模语言.该语言通过引入业务对象组、任务到业务对象组绑定等扩展标记,加强了传统JBoss业务过程定义语言的数据流调度控制精度、数据建模能力以及对外部数据和资源绑定能力,同时给出了基于WFD-nets的验证方法,以验证通过该语言建立的工作流模型的正确性.最后,基于所设计的语言建立了工作流管理系统,并在某企业得到了应用.     

面向制造业的集成化信息系统探讨

根据目前一些企业信息建设中的问题，指出集成化信息系统是未来企业信息系统研究与建设的方向。提出基于WEB与CORBA、以PDM作为企业应用平台的集成方案，从而实现企业有效的信息集成和过程集成，以有效地管理产品形成过程中的产品信息、生产数据和生产过程数据。     

虚拟企业经营过程管理信息系统的集成设计

研究了虚拟企业经营过程管理信息系统的集成设计方法,主要包括虚拟企业的信息系统集成技术、虚拟企业MIS集成的体系结构以及各成员企业MIS平台的更改,并结合虚拟企业经营过程管理信息系统的应用实例,给出了系统中的主要算法及程序。     

基于轨迹聚类种群的遗传过程混成挖掘算法

遗传过程挖掘算法以模型质量引导模型的发现,在挖掘模型的同时不断修正挖掘算法的执行,因此相比于其他挖掘算法,更容易生成高质量的过程模型。但由于其迭代发现的特性,对于大型日志,挖掘效率往往较低且生成模型质量不高。针对以上问题,提出一种基于轨迹聚类种群的遗传过程混成挖掘算法(GMTC)。该算法一方面通过轨迹聚类划分事件日志,简化挖掘环境,再使用归纳挖掘算法对事件日志进行预挖掘,为遗传挖掘算法准备高质初始种群;另一方面优化遗传算子,使用对齐日志得到的模型偏差信息指导突变操作,使得突变操作由随机变为有向,从而有效地提高种群的综合质量,使遗传挖掘算法加快收敛。基于过程日志生成器生成模拟日志、某市政府建筑许可申请过程的真实日志以及6个公开数据集的实验结果表明:基于轨迹聚类种群的遗传过程混成挖掘算法相较于其他挖掘算法不但在挖掘效率方面有较大提升,而且挖掘得到的模型质量也能够达到较高的水平。     

基于有限元模拟的Ti6Al4V铣削过程参数多目标优化

为使切削加工过程满足环境意识制造（ECM）的要求,针对质量指标（表面粗糙度）和ECM指标（能耗）,针对Ti6Al4V的铣削过程,采用人工蜂群（ABC）算法优化的高斯过程回归（GPR）方法构建有限元代理模型,并采用多目标粒子群优化（MOPSO）算法获得满足最优加工目标的加工参数。为减少试验成本,采用有限元仿真软件Deform-3D获取各铣削参数组合对应的表面粗糙度和能耗数据,并通过物理试验验证其有效性;基于仿真数据,利用改进的GPR方法构建预测表面粗糙度和能耗的代理模型,并对比了该模型与其他两种模型的性能,证明了改进模型在精度和响应时间上的优势;采用MOPSO算法,以最小能耗和优良表面质量为目标,优化得到加工参数的Pareto前沿,并用物理试验验证了ABC-GPR-MOPSO算法的有效性。     

基于过程的优化算法的研究及应用

针对传统机械优化算法所存在的问题，提出了一种基于过程的优化算法。它利用人工神经网络，构造过程系统结构空间，采用随机涨落机制，以模拟退火方式，模拟自然界演化过程进行优化，以过程的收敛性作为全局最优性判据。最终，过程的收敛点即优化问题的最优解。     

基于改进FP-growth算法的售后服务数据挖掘

针对产品在保养、维修等售后服务过程中产生海量数据,但对这些数据分析匮乏的问题,首先从售后服务角度对数据进行整理,构建结构化的售后服务数据集;然后对利用FP-growth算法挖掘售后服务数据时FP树构建效率低和生成频繁项集相关性低的问题进行优化,提出一种改进FP-growth算法;最后通过实验分析,表明改进FP-growth算法能有效提高售后服务数据的关联规则挖掘效率与规则相关性,能够获取服务质量的关联规则知识。     

优化控制在锅炉燃烧中的应用

锅炉燃烧优化控制技术是保证其在最佳情况下运行，提高其经济效益的关键技术。为了实现其过程预测优化控制，利用人工神经网络(ANN)来建立锅炉燃烧优化控制的模型，基于过程测量数据可以反映对象的规律和特性，提出采用过程测量数据检验对象模型的构想。并且提出了一种双ANN结构的锅炉燃烧控制模型，经模型预测-实测对比，其最大误差不过2％，较好地解决了锅炉燃烧控制模型地构造、学习算法和误差校正等问题。     

油水液位测量中数据优化算法研究

原油储罐油水液位测量技术在石油行业应用广泛,研究涉及油水液位数据的优化问题。针对电磁波油水液位测量中存在伪数据的问题,分析了油水液位测量过程和油水液位计算过程,对比了现有3种油水液位数据优化算法,因其应用存在一定范围的局限性,提出了一种新的油水液位数据优化算法。该算法运用模板求中间值遍历线性数据的方法,屏蔽油水液位数据中的伪数据。实验结果对比表明:该算法能解决油水液位数据中随机出现的普遍性伪数据,优化过的数据集合有利于获取油水液位阈值,确保最终计算得到的油水液位高度符合实际测量值。     

制造过程集成管理系统的研究与实现

为有效整合区域制造资源,实现制造过程各环节的协同,对基于制造资源优化配置的制造过程管理系统进行了深入研究,提出了集成系统的组织形式和体系结构,并重点解决了各异构系统的信息集成问题。集成系统包括可重构制造资源优化配置平台、基于知识的网络化协同工艺规划系统、集成化数控制造与仿真、基于构件的可重构制造执行系统、可视化制造过程项目管理与监控等5个子系统;在对各应用系统功能及数据交换进行需求分析的基础上,具体阐述了基于可扩展标记语言的信息集成的实现过程,包括基于可扩展标记语言的数据接口规范、接口处理工具和基于文档管理平台的集成方案。最后以模具企业中的实际生产过程验证了系统的集成应用。     

基于自适应进化多目标约束的青霉素发酵过程优化EI北大核心CSCD

发酵过程多目标优化控制是提高发酵过程生产水平和经济效益的有效途径。提出了一种自适应进化多目标约束粒子群优化算法,并应用于青霉素分批补料发酵过程多目标优化。该算法根据不符合约束条件粒子的约束违反程度,修正了多目标粒子群优化算法的进化学习公式,提高了算法在约束边界区域的搜索能力;引入基于拥挤距离的Pareto最优解分布性动态维护策略,改进了Pareto前沿的分布性。实验结果表明,该算法能获得具有较好分布性的Pareto前沿,给出的底物补料策略能够使青霉素发酵过程在消耗更少底物的同时获得更多的产物产量,实现了发酵过程的多目标优化。     

面向半导体制造的大数据分析平台

为充分利用半导体制造过程产生的大量数据,发掘数据中蕴含的价值,对半导体制造过程进行分析、预测和调控,建立了半导体制造大数据分析平台。归纳得出了半导体制造过程中大数据的特性,提出了半导体制造大数据分析体系架构,分析了其关键技术和实现方法。根据半导体制造过程中大数据的使用特点,将数据导入、去重、筛选、标准化等共性操作归入平台通用预处理层;预处理后的数据进入数据仓库层,在数据仓库中按主题进行组织;最上方的专用处理算法层根据上层应用的特定数据要求,从数据仓库中抽取数据,使用专用算法进行处理,为其提供标准化、可靠、可复用的数据资源。最后基于半导体制造企业的实际情况搭建了原型系统,对半导体制造过程产生的大量实际数据进行导入、存储、组织和预处理,并进行了性能测试和常用统计分析算法测试。