异常数据监测方法、装置、设备、存储介质及程序产品

技术领域

本申请涉及数据处理领域，尤其涉及一种异常数据监测方法、装置、设备、存储介质及程序产品。

背景技术

现有价值流程图绘制工具通过手工采集数据进行价值流程图的绘制，并且在绘制出价值流程图后，需要通过人工对价值流程图中的数据进行分析，确定出价值流程图中的异常数据。由于人工处理时存在数据处理速度慢、分析准确度低等局限性，导致当前对价值流程图进行异常数据监测时的效率低下。

发明内容

本申请旨在至少解决相关技术中存在的技术问题之一。为此，本申请提出一种异常数据监测方法，可以快速进行价值流程图的异常数据监测并确定出异常节点，提高对价值流程图进行异常数据监测时的效率。

本申请还提出一种异常数据监测装置、电子设备、存储介质和计算机程序产品。

根据本申请第一方面实施例的异常数据监测方法，包括：

获取价值流程图中各流程节点的指标数据值；

根据所述流程节点的指标数据值，对所述价值流程图中的各所述流程节点进行异常数据监测，得到监测结果；

基于所述监测结果，确定所述价值流程图中的异常节点。

根据本申请实施例的异常数据监测方法，通过价值流程图中各流程节点的指标数据值快速进行流程节点的异常数据监测，并根据监测结果准确地确定出价值流程图中的异常节点，可以避免人工处理时的局限性，因此可以提高对价值流程图进行异常数据监测时的效率。

根据本申请的一个实施例，所述根据所述流程节点的指标数据值，对所述价值流程图中的各所述流程节点进行异常数据监测，得到监测结果，包括：

将任一流程节点的指标数据值与所述任一流程节点对应的指标阈值进行比较；

若所述任一流程节点的指标数据值大于所述任一流程节点对应的指标阈值，则确定所述任一流程节点存在内部爆炸。

根据本申请的一个实施例，所述根据所述流程节点的指标数据值，对所述价值流程图中的各所述流程节点进行异常数据监测，得到监测结果，还包括：

将所有流程节点中相邻的两个流程节点对应的指标数据值，输入至跨节点异常监测模型，获取所述跨节点异常监测模型输出的运算结果；

若所述运算结果大于预设运算阈值，则确定所述运算结果对应的两个相邻流程节点间存在关联爆炸。

根据本申请的一个实施例，所述基于所述监测结果，确定所述价值流程图中的异常节点，包括：

若确定所述监测结果为任一流程节点存在内部爆炸，则确定所述任一流程节点为所述价值流程图中的异常节点；

和/或，

若确定所述监测结果为任意两个流程节点间存在关联爆炸，则确定所述任意两个流程节点为所述价值流程图中的异常节点。

根据本申请的一个实施例，所述基于所述监测结果，确定所述价值流程图中的异常节点之后，还包括：

对所述价值流程图的异常节点进行异常范围追溯，得到所述价值流程图的节点异常范围。

在确定出异常节点后，可以确定由异常节点引起的节点异常范围，便于根据节点异常范围快速进行异常修复，可以提高价值流程图中各流程节点的工作效率。

根据本申请的一个实施例，所述基于所述监测结果，确定所述价值流程图中的异常节点之后，还包括：

对所述异常节点进行异常影响时间计算，得到所述异常节点的异常影响时间。

在确定出异常节点后，可以确定由异常节点引起的异常影响时间，便于根据异常影响时间准确地对正常的流程节点进行工作状态调整，避免资源浪费。

根据本申请的一个实施例，所述获取价值流程图中各流程节点的指标数据值，包括：

从多源异构数据库中获取价值流程图中流程节点的源数据；所述多源异构数据库包括APS数据库、ERP数据库、MES数据库、FEMS数据库、SCADA数据库；

对所述源数据进行数据关联，得到各所述流程节点的指标数据值。

根据本申请第二方面实施例的异常数据监测装置，包括：

获取模块，用于获取价值流程图中各流程节点的指标数据值；

监测模块，用于根据所述流程节点的指标数据值，对所述价值流程图中的各所述流程节点进行异常数据监测，得到监测结果；

确定模块，用于基于所述监测结果，确定所述价值流程图中的异常节点。

根据本申请第三方面实施例的电子设备，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，所述处理器执行所述程序时实现如上述任一种所述异常数据监测方法。

根据本申请第四方面实施例的非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述异常数据监测方法。

根据本申请第五方面实施例的计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述异常数据监测方法。

本申请实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：

通过价值流程图中各流程节点的指标数据值快速进行流程节点的异常数据监测，并根据监测结果准确地确定出价值流程图中的异常节点，可以避免人工处理时的局限性，因此可以提高对价值流程图进行异常数据监测时的效率。

进一步地，在确定出异常节点后，可以确定由异常节点引起的节点异常范围，便于根据节点异常范围快速进行异常修复，可以提高价值流程图中各流程节点的工作效率。

进一步地，在确定出异常节点后，可以确定由异常节点引起的异常影响时间，便于根据异常影响时间准确地对正常的流程节点进行工作状态调整，避免资源浪费。

本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的异常数据监测方法的流程示意图之一；

图2是本申请实施例提供的异常数据监测方法中步骤110的具体流程示意图；

图3是本申请实施例提供的异常数据监测方法中步骤120的具体流程示意图之一；

图4是本申请实施例提供的异常数据监测方法中步骤120的具体流程示意图之二；

图5是本申请实施例提供的异常数据监测方法的流程示意图之二；

图6是本申请实施例提供的异常数据监测方法的流程示意图之三；

图7是本申请实施例提供的异常数据监测装置的结构示意图；

图8是本申请提供的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本申请的实施方式作进一步详细描述。以下实施例用于说明本申请，但不能用来限制本申请的范围。

在本申请实施例的描述中，需要说明的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请实施例和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请实施例的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本申请实施例的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请实施例中的具体含义。

在本申请实施例中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

图1是本申请实施例提供的异常数据监测方法的流程示意图之一，如图1所示，该异常数据监测方法包括：

步骤110，获取价值流程图中各流程节点的指标数据值。

需要说明的是，本申请实施例提供的异常数据监测方法的执行主体可以是服务器、计算机设备，例如手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机（ultra-mobile personal computer，UMPC）、上网本或者个人数字助理（personal digital assistant，PDA）等。

其中，价值流程图（Value Stream Mapping，VSM）是丰田精益制造（LeanManufacturing）生产系统框架下的一种用来描述物流和信息流的形象化工具。VSM可以作为管理人员、工程师、生产制造人员、流程规划人员、供应商以及顾客发现浪费、寻找浪费根源的起点。

需要说明的是，现有价值流图绘制工具通过手工采集数据，数据采集过程繁冗复杂，更新频率低，分析滞后性强，存在数据失真问题，手工数据无法形成规模性数据沉淀。流程节点的问题依靠人工识别，对分析人员依赖性强、而人工分析与处理时存在数据处理速度慢、分析准确度低等局限性。

价值流程图中的流程节点可以包括但不限于为生产流程节点、库存节点等。

指标数据可以包括但不限定为工序后续库存量、每小时产量、设备利用率等。

指标数据值即指标数据所对应的具体数值，例如可以为工序后续库存数、每小时产量值等。

步骤120，根据流程节点的指标数据值，对价值流程图中的各流程节点进行异常数据监测，得到监测结果。

本实施例中异常数据监测可以为监测价值流程图中的各流程节点的内部是否存在数据异常，也可以监测价值流程图的各流程节点中的两相邻流程节点之间是否存在关联数据异常。还可以同时监测价值流程图中的各流程节点的内部是否存在数据异常，以及监测价值流程图的各流程节点中的两相邻流程节点之间是否存在关联数据异常。

本申请中的监测结果可以为流程节点存在内部爆炸、两相邻流程节点间存在关联爆炸、流程节点存在内部爆炸及两相邻流程节点间存在关联爆炸、不存在数据异常等。

其中，内部爆炸即流程节点内部存在数据异常；关联爆炸即两相邻流程节点间存在关联数据的异常。

不存在数据异常即各流程节点均不存在内部的数据异常，且相邻两流程节点间也均不存在关联数据的异常。

步骤130，基于监测结果，确定价值流程图中的异常节点。

异常节点即存在内部爆炸的流程节点，或者存在关联爆炸的两相邻流程节点，或者存在内部爆炸的流程节点与存在关联爆炸的两相邻流程节点。

可以理解地，在价值流程图中，异常节点也可以称为爆炸点。

需要说明的是，若监测结果为不存在数据异常，则说明价值流程图中的各流程节点及流程节点间均正常运行，因此可以确定价值流程图中不存在异常节点。

根据本申请实施例的异常数据监测方法，通过价值流程图中各流程节点的指标数据值快速进行流程节点的异常数据监测，并根据监测结果准确地确定出价值流程图中的异常节点，可以避免人工处理时的局限性，因此可以提高对价值流程图进行异常数据监测时的效率。

基于上述实施例，图2是本申请实施例提供的异常数据监测方法中步骤110的具体流程示意图，如图2所示，上述步骤110可以包括：

步骤111，从多源异构数据库中获取价值流程图中流程节点的源数据；

需要说明的是，现有价值流程图需要通过人工进行指标数据获取，再由人工根据获取的指标数据进行异常数据分析。

本申请中可以通过设置定时器任务，从多源异构数据库中获取价值流程图中所有流程节点的作业过程信息、设备时序信息等源数据。

其中，定时器任务可以为设置获取数据的时间间隔，例如间隔两小时获取一次、间隔4小时获取一次等。

其中，多源异构数据库在本申请中可以包括但不限于APS（American PhysicalSociety，美国物理学会）数据库、ERP（Enterprise Resource Planning,企业资源计划系统）数据库、MES（manufacturing execution system,工厂制造执行系统）数据库、FEMS（Federation of European Microbiological Societies，欧洲微生物学会联合会）数据库、SCADA（Supervisory Control And Data Acquisition,数据采集与监视控制系统）数据库等。

本申请可以从APS数据库、ERP数据库、MES数据库、FEMS数据库等多源异构数据库中获取价值流程图的所有流程节点的作业过程信息，以及从SCADA数据库中获取价值流程图的所有流程节点的设备时序信息，由此得到价值流程图中流程节点的源数据。

其中，作业过程信息可以包括每小时产量、设备利用率等，设备时序信息可以包括工序后续库存量等。

步骤112，对源数据进行数据关联，得到各流程节点的指标数据值。

在得到所有流程节点的源数据后，本申请可以根据各流程节点的标签，对源数据进行数据关联，得到各流程节点的指标数据值。具体地，对于每一流程节点，可以根据该流程节点的标签，将源数据中与该流程节点对应的多种信息均关联到该流程节点上，得到该流程节点的指标数据值。

其中，流程节点的标签可以为根据实际需求对流程节点配置的，用于对流程节点进行标识的信息。例如可以为节点序号、坐标信息等等，本申请中不进行具体限定。

可以理解地，在得到各流程节点的指标数据值后，本申请还可以对指标数据值进行数据质量校验，具体可以为进行数据一致性、完整性校验等。

若确定指标数据值未通过质量校验，则确定数据存疑，可以将指标数据值舍弃，并可以重新进行数据获取。

若确定指标数据值通过校验，则可以将指标数据值从设备级三阶指标数据聚合为工序级一阶指标，得到各流程节点最终的指标数值并存入数据湖。

数据湖是一个以原始格式存储数据的存储库或系统。

本实施例可以快速从多源异构数据库中获取到价值流程图中各流程节点的源数据并进行数据关联得到各流程节点的指标数据值，实现指标数据值的自动读取，可以提高价值流程图的异常数据监测效率。

基于上述实施例，图3是本申请实施例提供的异常数据监测方法中步骤120的具体流程示意图之一，如图3所示，上述步骤120可以包括：

步骤1211，将任一流程节点的指标数据值与任一流程节点对应的指标阈值进行比较；

对于任一的流程节点，本申请可以获取该流程节点对应指标元数据中的指标阈值，其中指标阈值为与该流程节点的指标数据值的类型对应的指标值，并且数值可以根据实际需求设置与调整。

其中，指标元数据可以包括单流程节点的指标阈值以及相邻流程节点间的预设运算阈值。

进一步地，可以将该流程节点的指标数据值与相对应的指标阈值进行比较，以此确定出该指标数据值与指标阈值之间的大小关系。

需要说明的是，若该流程节点中包括多种指标数据值，则需要将每一种指标数据值分别与该指标数据值的类型对应的指标阈值进行比较，由此确定出该流程节点中每一指标数据值与相对应指标阈值之间的大小关系。

可以理解地，不同指标数据值对应的指标阈值可以相同或不同；不同流程节点中相同指标数据值对应的指标阈值可以相同或不同。

步骤1212，若任一流程节点的指标数据值大于任一流程节点对应的指标阈值，则确定任一流程节点存在内部爆炸。

进一步地，若确定任一流程节点的指标数据值大于该流程节点对应的指标阈值，说明该流程节点的指标不满足要求即存在数据异常，因此可以确定监测结果为该流程节点存在内部爆炸。

可以理解地，若该流程节点的多种指标数据值之中存在任一指标数据值大于对应的指标阈值，则可以确定该流程节点存在内部爆炸。

若确定该流程节点中所有的指标数据值均小于或等于对应的指标阈值，则确定该流程节点不存在数据异常。

本申请在进行内部爆炸计算时，还可以将流程节点当前的指标数据值与其在前一段时间内例如前10天、前半个月或前一个月等时段内指标数据值的平均值进行比较，若流程节点当前的指标数据值大于平均值，则确定该流程节点存在内部爆炸。

其中，还可以对一段时间内的平均值设置浮动范围，例如上下浮动n%，其中n可以根据实际需求设置相应的数值。并确定当前指标数据值是否大于平均值及浮动范围的最小值，若是则确定该流程节点存在内部爆炸。

本申请可以准确地确定价值流程图中的各流程节点是否存在内部爆炸，以便于在确定存在内部爆炸时确定出异常节点，实现价值流程图的异常数据监测，可以提高对价值流程图进行异常数据监测时的效率。

基于上述实施例，图4是本申请实施例提供的异常数据监测方法中步骤120的具体流程示意图之二，如图4所示，上述步骤120还可以包括：

步骤1221，将所有流程节点中相邻的两个流程节点对应的指标数据值，输入至跨节点异常监测模型，获取跨节点异常监测模型输出的运算结果；

本申请中还可以将价值流程图所有流程节点中的两两相邻流程节点对应的指标数据分别输入至包含预设跨节点异常监测公式的跨节点异常监测模型中进行运算，并获取由跨节点异常监测模型计算的两两相邻流程节点之间的指标数据值的运算结果。

需要说明的是，预设跨节点异常监测公式是预先根据相邻两流程节点设置的，用于确定相邻两流程节点间是否存在关联数据异常的公式。

进一步需要说明的是，不同的相邻流程节点对应的预设跨节点异常监测公式可能相同或不同，可以根据实际需求设置。因此，不同的相邻流程节点对应的指标数据值需要通过相对应的预设跨节点异常监测公式进行计算。

在得到运算结果后，本申请可以获取预设运算阈值，并将各运算结果分别与预设运算阈值进行比较，以此确定各运算结果与预设运算阈值之间的大小关系。

其中，预设运算阈值为可以根据实际需求设置与调整的数值。并且，不同流程节点间的预设运算阈值可以为相同或不同的数值。

步骤1222，若运算结果大于预设运算阈值，则确定运算结果对应的两个相邻流程节点间存在关联爆炸。

进一步地，若经比较后确定运算结果大于预设运算阈值，说明两相邻流程节点的指标数据值之间不满足要求，因此可以确定监测结果为运算结果对应的两相邻流程节点间存在关联爆炸。

若确定价值流程图中所有相邻流程节点之间的运算结果均小于或等于预设运算阈值，说明价值流程图中所有相邻流程节点之间的指标数据值之间均满足要求，可以确定两相邻流程节点之间不存在数据异常。

本申请可以准确地确定价值流程图中的两相邻流程节点是否存在关联爆炸，以便于在确定存在关联爆炸时确定出异常节点，实现价值流程图的异常数据监测，可以提高对价值流程图进行异常数据监测时的效率。

基于上述实施例，上述步骤130还可以包括：

步骤131，若确定所监测结果为任一流程节点存在内部爆炸，则确定任一流程节点为价值流程图中的异常节点；

和/或，

步骤132，若确定监测结果为任意两个流程节点间存在关联爆炸，则确定任意两个流程节点为价值流程图中的异常节点。

在确定监测结果为任一流程节点存在内部爆炸，则将存在内部爆炸的流程节点确定为异常节点，或监测结果为任意两流程节点间存在关联爆炸，则将存在关联爆炸的所有关联节点均确定为异常节点，由此确定出价值流程图中的所有异常节点。

即若只有部分流程节点存在内部爆炸，则将内部爆炸对应的流程节点确定为异常节点。

若只有部分相邻节点间存在关联爆炸，则将关联爆炸对应的流程节点确定为异常节点。

若同时存在内部爆炸与关联爆炸，则将内部爆炸对应的流程节点与关联爆炸对应的流程节点均确定为异常节点。

本申请在确定价值流程图的各流程节点中存在异常数据时，可以准确地确定出价值流程图各流程节点中的所有异常节点，实现价值流程图的异常数据监测，可以提高对价值流程图进行异常数据监测时的效率。

基于上述实施例，图5是本申请实施例提供的异常数据监测方法的流程示意图之二，如图5所示，上述步骤130之后，还可以包括：

步骤140，基于马尔科夫链对价值流程图的异常节点进行异常范围追溯，得到价值流程图的节点异常范围。

本申请中，在确定出价值流程图的异常节点后，可以对异常节点进行爆炸点追溯，以此确定出异常节点所引起的节点异常范围。

本申请可以根据价值流程图中的所有流程节点生成马尔科夫链，并对于异常节点，追溯与异常节点直接连接即马尔科夫距离为1的流程节点（例如定义为流程节点1）是否为异常节点，若流程节点1也为异常节点，则进一步追溯与流程节点1的马尔科夫距离为1的流程节点（例如定义为流程节点2）是否为异常节点，若流程节点2也为异常节点，则进一步追溯与流程节点2的马尔科夫距离为1的流程节点，以此类推，直至最新追溯的流程节点不为异常节点，并由此确定出价值流程图的节点异常范围。

本申请在确定出异常节点后，可以确定由异常节点引起的节点异常范围，便于根据节点异常范围快速进行异常修复，可以提高价值流程图中各流程节点的工作效率。

基于上述实施例，图6是本申请实施例提供的异常数据监测方法的流程示意图之三，如图6所示，上述步骤130之后，还可以包括：

步骤150，基于马尔科夫链对异常节点进行异常影响时间计算，得到异常节点的异常影响时间。

本申请可以在确定出异常节点后，根据价值流程图中的所有流程节点生成马尔科夫链，将马尔科夫链中最边缘的异常节点确定为目标节点，或将节点异常范围中最边缘的异常节点确定为目标节点。

进一步地，对于目标节点，可以计算出与目标节点的马尔科夫距离为1的流程节点被目标节点影响的时间，若与目标节点的马尔科夫距离为1的流程节点被目标节点影响的时间小于预设时间阈值，则可以计算出与目标节点的马尔科夫距离为2的流程节点被目标节点影响的时间，以此类推，确定出受目标节点影响的所有流程节点的被影响时间，以对各流程节点进行适应性调整。其中，预设时间阈值可以为根据实际需求设置的时间值。

需要说明的是，本申请中可以根据场景与流程信息，预先设置用于计算不同流程节点之间的影响时间的规则，通过该规则可以计算受一流程节点影响的其他流程的受影响时间。在此不对具体的影响时间计算过程进行限定。

本申请在确定出异常节点后，可以确定由异常节点引起的异常影响时间，便于根据异常影响时间准确地对正常的流程节点进行工作状态调整，避免资源浪费。

在一些实施例中，本申请进行爆炸根因溯源时，可以获取有直接箭头链接关系的节点列表；查询关联节点中是否有满足CT、U/T、库存等特定单项指标内部爆炸现象。如有关联节点内特定单项指标内部爆炸，则以该节点为中心，再次做一次马尔科夫计算，直到直接关联节点内无特定单项指标内部爆炸现象。

其中，CT为处理周期，U/T为设备利用率。

在一些实施例中，本申请在进行爆炸波及范围预测时，可以可以获取有直接箭头链接关系的节点列表；查询关联节点中是否有满足CT、U/T、库存等特定单项指标内部爆炸现象。如有关联节点内特定单项指标内部爆炸，则以该节点为中心，再次做一次马尔科夫计算，直到直接关联节点内无特定单项指标内部爆炸现象。进一步地，根据关联节点间的库存数量，预测所有一次马尔科夫距离内直接关联的节点受到影响的时间。当一次马尔科夫距离内直接关联的节点的受影响时间低于预设值h时，判断其关联所有节点的受影响时间。

在一些实施例中，若价值流程图的A、B、C节点中，仅A节点指标受影响，B节点和C节点指标尚未被影响，可以根据A节点情况预测B节点受影响情况。

其中，A节点指标受影响的触发信号可以为A节点的CT、U/T、I1库存等3个指标中有一个超过阈值。

具体地，可以进行基于第一次马尔科夫的向后预测影响：若A节点的工序后续库存量为I1，A节点的CT目标值为CT1，实际值为CT1

I1/（V2*W1-CT1

其中，W1为A节点后续工位标准用量。

也可以进行基于第一次马尔科夫的向前预测影响：若A节点工序前续库存量为I0，最大库存为I0max，A节点的CT目标值为CT1，实际值为CT1

（I0max-I0）/（V0-CT1

其中，W0为A节点前续工位的后续工位标准用量。

在一些实施例中，若价值流程图的A、B、C节点中，A节点与B节点指标受影响，C节点指标尚未被影响，可以根据A节点、B节点的情况预测C节点受影响情况。

其中，A节点与B节点指标受影响的触发信号可以为A节点与B节点的CT、U/T、I1库存等3个指标中有一个超过阈值。

具体地，可以进行基于第次马尔科夫的向后预测影响：若A节点工序前续库存量为I0，最大库存为I0max，A节点的CT目标值为为CT1，实际值为CT1

（I0max-I0）/（V0-CT1

其中，W0为A节点前续工位的后续工位标准用量。

也可以进行基于第二次马尔科夫的向前预测影响：当经过时间节点：

I1/（V2*W1-CT1

I1降为0后，B节点的产量和CT受到A节点影响变化，变为CT2

（I3max-I3）/（V3-CT2

其中，W3为C节点的后续工位标准用量。

本申请的服务器、计算机设备等执行主体中可以设置主界面，并可以在主界面中展示当前所选产品的全制造价值链路流程信息。使用主界面可以直观查看现存的流程、状态，以及问题提示，可以从宏观及微观维度审视当前的制造流程。

主界面展示上主要分为三个功能模块：

1.流程节点区。这一区域主要展现了当前价值链路中所有的生产流程节点及库存节点。通过点击每一个节点图标，可以查看该节点的当前状态及多项参数信息。

2.爆炸点信息汇总区。所有当前被触发的爆炸点即异常节点（直接触发，连锁触发）信息（位置，连锁原因）都在这个区域显示。其中可以通过设置红色标签代表是连锁触发，设置黄色标签代表是由本工序触发。点击爆炸点标签可以查看更详细的爆炸点触发原因。

3.工具栏区域。工具栏区域可以打开动态指标统计图，也可以上传，下载模板数据。为还没有建立数据库数采的用户提供试用接口。

进一步地，本申请中因为流程中的节点、指标过于繁多，因此可以进行爆炸点触发设计，可以通过配置自动显示爆炸点功能实现，以向用户展示当前存在的所有问题。

具体地，爆炸点触发设计的内容可以包括：

爆炸点分为两类：直接爆炸点与连锁爆炸点。

直接爆炸点为某一个节点中，某一参数超过阈值设定的情况。该情况下，在界面上设置黄色爆炸标识，并于界面右侧设立黄色警示框，标明问题发生节点名称。

间接爆炸点为节点和节点之间的参数条件触发。定义为根因追溯及可能被其他爆炸点影响的范围。当满足条件时，触发红色爆炸标识，并于界面右侧设立红色警示框，标明问题发生节点名称，提示触发原因。

对于间接爆炸点，设立日志，记录发生频率。

对于直接爆炸点，因参数过多，在这一阶段暂不设立日志。

爆炸点的触发条件在后台进行统一管理。

针对每个节点的每个数据，都有阈值设定。阈值的数值和触发条件都可以在后台进行修改。

当发现爆炸点后，想查看其节点具体信息，可以直接点击图上的流程节点。

每个节点代表了流程中所有相同的制造工序的整合。在节点中有进一步下钻查看具体机台参数的功能。

界面上显示参数的目标值，当前值，过去30天平均值。

当指标项/目标值/数据超过设定阈值或超过30天均值10%时，数据字体颜色显示警告色。

节点数据可以下钻到更下一级别的机台，显示机台级别的相应字段信息。

图7是本申请实施例提供的异常数据监测装置的结构示意图，如图7所示，该异常数据监测装置，包括：

获取模块710，用于获取价值流程图中各流程节点的指标数据值；

监测模块720，用于根据所述流程节点的指标数据值，对所述价值流程图中的各所述流程节点进行异常数据监测，得到监测结果；

确定模块730，用于基于所述监测结果，确定所述价值流程图中的异常节点。

根据本申请实施例的异常数据监测装置，通过价值流程图中各流程节点的指标数据值快速进行流程节点的异常数据监测，并根据监测结果准确地确定出价值流程图中的异常节点，可以避免人工处理时的局限性，因此可以提高对价值流程图进行异常数据监测时的效率。

基于上述任一实施例，获取模块710具体用于：

从多源异构数据库中获取价值流程图中流程节点的源数据；所述多源异构数据库包括APS数据库、ERP数据库、MES数据库、FEMS数据库、SCADA数据库；

对所述源数据进行数据关联，得到各所述流程节点的指标数据值。

基于上述任一实施例，监测模块720具体用于：

将任一流程节点的指标数据值与所述任一流程节点对应的指标阈值进行比较；

若所述任一流程节点的指标数据值大于所述任一流程节点对应的指标阈值，则确定所述任一流程节点存在内部爆炸。

基于上述任一实施例，监测模块720具体还用于：

将所有流程节点中相邻的两个流程节点对应的指标数据值，输入至跨节点异常监测模型，获取所述跨节点异常监测模型输出的运算结果；

若所述运算结果大于预设运算阈值，则确定所述运算结果对应的两个相邻流程节点间存在关联爆炸。

基于上述任一实施例，确定模块730具体用于：

若确定所述监测结果为任一流程节点存在内部爆炸，则确定所述任一流程节点为所述价值流程图中的异常节点；

和/或，

若确定所述监测结果为任意两个流程节点间存在关联爆炸，则确定所述任意两个流程节点为所述价值流程图中的异常节点。

基于上述任一实施例，确定模块730还包括追溯单元，所述追溯单元具体用于：

基于马尔科夫链对所述价值流程图的异常节点进行异常范围追溯，得到所述价值流程图的节点异常范围。

基于上述任一实施例，确定模块730还包括计算单元，所述计算单元具体用于：

基于马尔科夫链对所述异常节点进行异常影响时间计算，得到所述异常节点的异常影响时间。

图8示例了一种电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行如下方法：获取价值流程图中各流程节点的指标数据值；

根据所述流程节点的指标数据值，对所述价值流程图中的各所述流程节点进行异常数据监测，得到监测结果；

基于所述监测结果，确定所述价值流程图中的异常节点。

此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对相关技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本申请实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：获取价值流程图中各流程节点的指标数据值；

根据所述流程节点的指标数据值，对所述价值流程图中的各所述流程节点进行异常数据监测，得到监测结果；

基于所述监测结果，确定所述价值流程图中的异常节点。

又一方面，本申请实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法，例如包括：获取价值流程图中各流程节点的指标数据值；

根据所述流程节点的指标数据值，对所述价值流程图中的各所述流程节点进行异常数据监测，得到监测结果；

基于所述监测结果，确定所述价值流程图中的异常节点。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是，以上实施方式仅用于说明本申请，而非对本申请的限制。尽管参照实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，对本申请的技术方案进行各种组合、修改或者等同替换，都不脱离本申请技术方案的精神和范围，均应涵盖在本申请的权利要求范围中。