一种药物的生产流程监管平台
文献发布时间:2023-06-19 19:37:02
技术领域
本发明涉及监控及数据处理技术领域,特别涉及一种药物的生产流程监管平台。
背景技术
随着医疗水平的不断提高,越来越多的病症有对应的治疗药物,合格的治疗药物是治疗相应疾病的基本条件,因此,对药物的生产流程进行监管显得格外重要;
目前,随着药物生产的智能化,治疗药物多采用流水线生产而来,但是,目前在对药物的生产流程监管多采用人工抽样检测,不仅不能保证检测的准确性,而且浪费大量的人力物理,同时,由于是人工抽样检测,不能时刻确保药物生产流程的合格性,从而导致对药物的生产过程监管效果较差,一旦出现事物将造成不可估量的严重后果;
因此,本发明提供了一种药物的生产流程监管平台。
发明内容
本发明提供一种药物的生产流程监管平台,用以通过对目标药物的生产流程的子生产图像以及药物形态图像进行分析,实现对目标药物生产流程对应的综合监控模型进行准确有效的构建,最后,通过综合监控模型对目标药物的生产流程进行监控,实现在出现生产误差时及时报警操作,保障了对目标药物的生产可靠性以及生产准确性,也确保了目标药物的生产安全,提高了对目标药物生产流程的监管效果。
本发明提供了一种药物的生产流程监管平台,包括:
流程获取模块,用于获取对目标药物进行生产的生产流程,并确定生产流程中每一个子生成流程对应的子生产图像,同时,确定每一个子生产流程对应于目标药物的药物形态图像;
学习模块,用于对子生产图像进行第一学习,并对药物形态图像进行第二学习,同时,基于第一学习结果与第二学习结果建立对对应子生产流程进行监控的子监控模型;
模型构建模块,用于获取生产流程的生产顺序,并基于生产流程的生产顺序,将每个子监控模型进行关联,同时,基于关联结果构建综合监控模型;
监管模块,用于根据综合监控模型对目标药物进行生产的生产流程进行监控,并基于监控结果生成监管报告,同时,当生产流程中存在生产误差时生成报警控制指令,并根据报警控制指令控制报警装置进行报警操作。
优选的,一种药物的生产流程监管平台,流程获取模块,包括:
特征获取单元,用于获取目标药物的药物属性,并根据目标药物的药物属性确定目标药物的药物特征标识;
第一匹配单元,用于根据目标药物的药物特征标识在预设药物生产管理库中进行第一匹配,并基于第一匹配结果获得目标药物的生产文件;
第二匹配单元,用于获取用户的生产需求,并基于用户的生产需求在目标药物的生产文件中进行第二匹配,并基于第二匹配结果获得对目标药物进行生产的生产流程。
优选的,一种药物的生产流程监管平台,流程获取模块,包括:
流程读取单元,用于对目标药物进行生产的生产流程进行读取,确定每一个子生产流程对应的操作过程;
图像生成单元,用于:
将每一个子生产流程对应的操作过程在计算机中进行过程模拟,并基于模拟结果确定每一个子生产流程对应的子生产图像;
基于模拟结果确定每一个子生产流程中对应目标药物的药物形态图像。
优选的,一种药物的生产流程监管平台,学习模块,包括:
第一学习单元,用于:
将子生产图像进行灰度化处理,获得第一目标灰度图像,同时,在第一目标灰度图像中对目标药物进行定位,且基于第一目标灰度图像的像素点颜色分布特征获取目标药物在第一目标灰度图像中的轮廓像素点;
基于第一目标灰度图像中的轮廓像素点对目标药物在第一目标灰度图像中进行第一标记,并基于第一标记结果生成第一追踪因子;
对子生产流程进行读取,确定子生产流程的操作姿态,同时,基于子生产流程的操作姿态确定在第一目标灰度图像中作用于目标药物的区域,并将在第一目标灰度图像中作用于目标药物的区域作为感兴趣区域;
对感兴趣区域进行读取,确定感兴趣区域的边缘像素点以及感兴趣区域内部像素点的分布特征,并对感兴趣区域的边缘像素点进行第二标记以及根据感兴趣区域内部像素点的分布特征对感兴趣区域内部的像素点进行第三标记,同时,基于第二标记结果以及第三标记结果生成第二追踪因子;
获取子生产流程中操作姿态与目标药物的药物形态的目标关联关系,基于目标关联关系将第二追踪因子在第一追踪因子中进行映射,并基于映射结果生成第三追踪因子;
第二学习单元,用于对子生产流程对应于目标药物的药物形态图像进行灰度化处理,获得第二目标灰度图像,对第二目标灰度图像进行读取,确定目标药物在第二目标灰度图像中的像素点分布,并基于像素点分布对目标药物在第二目标灰度图像的像素点进行第四标记,并基于第四标记结果生成第四追踪因子;
子监控模型构建单元,用于基于第一追踪因子、第二追踪因子、第三追踪因子以及第四追踪因子构建对对应子生产流程进行监控的子监控模型。
优选的,一种药物的生产流程监管平台,子监控模型构建单元,包括:
网络节点确定子单元,用于基于第三追踪因子构建第一网络节点,基于第一追踪因子构建第二网络节点,基于第二追踪因子构建第三网络节点,同时,基于第四追踪因子构建第四网络节点;
连接关系建立子单元,用于将第一网络节点与第二网络节点建立第一连接关系,将第一网络节点与第三网络节点建立第二连接关系;同时,将第四网络节点与第一网络节点建立第三连接关系;
模型构建子单元,用于基于第一网络节点、第二网络节点、第三网络节点、第四网络节点、第一连接关系、第二连接关系以及第三连接关系建立子监控模型。
优选的,一种药物的生产流程监管平台,模型构建模块,包括:
生产顺序确定单元,用于对生产流程进行读取,确定生产流程中的逻辑关键词,同时,根据生产流程中的逻辑关键词确定生产流程的生产顺序;
排序单元,用于基于生产流程的生产顺序对生成流程中每一个子生产流程进行排序,同时,基于排序结果对每一个子生产流程对应的子监控模型进行编号;
综合监控模型生成单元,用于将编号结果由小到大的顺序将子监控模型进行排序并进行关联,同时,根据关联结果生成综合监控模型。
优选的,一种药物的生产流程监管平台,监管模块,包括:
监测单元,用于获取对目标药物的生产任务,并基于生产任务确定对目标药物的生产环节,且提取生产环节的环节标识;
图像采集单元,用于将环节标识与预设监控终端标识进行匹配,并基于匹配结果启动对应生产环节的目标预设监控终端实时采集生产环节对应的实时生产图像,且将实时生产图像基于预设事件输入接口输入至综合监控模型;
模型触动单元,用于在综合监控模型中配置主动探测针,并将主动探测针与综合监控模型进行关联部署,且基于关联部署结果根据主动探测针对综合监控模型的预设事件输入接口进行主动探测;
分析单元,用于:
当主动探测到预设事件输入接口有实时生产图像输入时,产生触发信号,并基于触发信号启动综合监控模型内部的监控分析流程,且基于监控分析流程对输入的实时生产图像进行像素点扫描,提取各实时生产图像的目标图像特征;
基于目标图像特征确定当前生产环节对目标药物的生产工艺以及生产标准,并将得到的生产工艺以及生产标准与对应的实时生产图像进行关联,同时,基于关联结果对实时生产图像添加目标时间戳,并基于添加结果根据目标时间戳发展顺序将实时生产图像和对应的生产工艺以及生产标准进行记录存储。
优选的,一种药物的生产流程监管平台,所述分析单元,包括:
结果获取子单元,用于获取得到的分析结果,并提取分析结果中实时生产图像对应的目标时间戳;
比较子单元,用于基于目标时间戳将各实时生产图像对应的生产工艺以及生产标准与预设生产要求进行比较,并基于比较结果确定标准实时生产图像和异常生产图像;
报告生成子单元,用于从预设模板库中调取目标模板,并基于时间戳发展顺序将得到的实时生产图像与对应的生产工艺及生产标准在目标模板中进行记录,且基于第一标注方式和第二标注方式对实时生产图像中的标准实时生产图像和异常生产图像进行标注,得到监管报告。
优选的,一种药物的生产流程监管平台,监管模块,包括:
报告获取单元,用于获取得到的监管报告,并提取监管报告中记录的异常生产流程对应的生产参数,同时,提取异常生产流程的配置参数,并基于配置参数确定异常生产流程对应的标准参数;
指令生成单元,用于将生产参数与标准参数进行作差运算,得到生产误差,并当生产误差大于预设阈值时,基于异常生产流程对应的生产类型调取预设指令元,且基于预设逻辑组合规则将指令元进行组合,生成报警控制指令;
报警单元,用于基于报警控制指令控制报警装置根据异常生产流程对应的生产类型进行相应的报警操作。
与现有技术相比本发明的有益效果为:
通过对目标药物的生产流程的子生产图像以及药物形态图像进行分析,实现对目标药物生产流程对应的综合监控模型进行准确有效的构建,最后,通过综合监控模型对目标药物的生产流程进行监控,实现在出现生产误差时及时报警操作,保障了对目标药物的生产可靠性以及生产准确性,也确保了目标药物的生产安全,提高了对目标药物生产流程的监管效果。
通过确定第一追踪因子、第二追踪因子、第三追踪因子以及第四追踪因子,从而有效实现对目标药物在对应子生产流程中对操作姿态以及药物形态的全面追踪,进而使得构建的子监控模型实现全面的监控,有利于提高对目标药物的生产流程监控的准确性。
通过确定对目标药物的生产任务,实现根据生产任务确定对目标药物的生产环节进行准确有效的确认,并根据确认结果启动相应的预设监控终端对目标药物的生产环节进行实时监控,并将得到的实时生产图像输入至综合监控模型进行分析处理,从而实现对当前生产环节生产工艺以及生产标准进行准确有效的确定,最后,将分析结果进行记录,为准确判断对目标药物的生产流程进行监管提供了数据支撑,也便于及时发现生产异常,保障了目标药物的生产可靠性。
通过对得到的监管报告进行分析,实现对异常生产流程对应的生产参数与标准参数的生产误差进行准确有效的确定,并在生产误差大于预设阈值,及时生成相应的报警控制质量,实现根据报警控制指令控制报警装置进行相应的报警操作,便于管理人员及时发现异常情况,从而便于及时采取相应的应急措施,保障了对药物生产流程的监管力度,确保了药物的生产可靠性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种药物的生产流程监管平台的结构图;
图2为本发明实施例中一种药物的生产流程监管平台中流程获取模块的结构图;
图3为本发明实施例中一种药物的生产流程监管平台中学习模块的结构图。
图4为本发明实施例中一种药物的生产流程监管平台中生产全流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
本实施例提供了一种药物的生产流程监管平台,如图1所示,包括:
流程获取模块,用于获取对目标药物进行生产的生产流程,并确定生产流程中每一个子生成流程对应的子生产图像,同时,确定每一个子生产流程对应于目标药物的药物形态图像;
学习模块,用于对子生产图像进行第一学习,并对药物形态图像进行第二学习,同时,基于第一学习结果与第二学习结果建立对对应子生产流程进行监控的子监控模型;
模型构建模块,用于获取生产流程的生产顺序,并基于生产流程的生产顺序,将每个子监控模型进行关联,同时,基于关联结果构建综合监控模型;
监管模块,用于根据综合监控模型对目标药物进行生产的生产流程进行监控,并基于监控结果生成监管报告,同时,当生产流程中存在生产误差时生成报警控制指令,并根据报警控制指令控制报警装置进行报警操作。
该实施例中,目标药物可以是需要进行生产的药品,例如可以是治疗糖尿病所需的药物。
该实施例中,生产流程可以是表征对目标药物进行生产的步骤以及各步骤的具体生产内容等。
该实施例中,子生产流程可以是生产流程中包含的一小生产步骤。
该实施例中,子生产图像可以是每一个子生产流程对应的生产图像,即对每一步骤的生产过程进行图像采集后得到的图像,且不唯一。
该实施例中,药物形态图像可以是表征每一子生产流程对应的目标药物的形状以及外观特征对应的图像。
该实施例中,第一学习可以是对每一个子生产流程对应的子生产图像进行训练和处理,从而便于建立对不同子生产流程进行监控的子监控模型。
该实施例中,第二学习可以是对药物形态图像进行训练和处理,便于建立对不同子生产流程进行监控的子监控模型。
该实施例中,子监控模型可以是用于监控不同子生产流程的监控模型,每一子监控模型对应一个子生产流程。
该实施例中,综合监控模型可以是根据生产流程的生产顺序将得到的子监控模型进行关联后得到的整体模型。
该实施例中,监管报告可以是根据监控结果生成的报告,用于记录生产流程对目标药物的生产情况。
该实施例中,报警控制指令可以是控制报警装置进行报警操作的。
该实施例中,目标药物(糖尿病药物)的生产流程(生产全流程)包括:GMP-iPSC种子库构建——iPSC建库——iPSC工作库复苏扩大化培养——iPSC分化PP PP分化胰岛beta冷冻运输,其中,GMP-iPSC种子库构建与iPSC工作库复苏扩大化培养需要qPCR,流式细胞术,OCT4,SOX2,Nanog等进行鉴定;iPSC建库需要三级库进行质量检测(需要技术为:qPCR,流式细胞术,OCT4,SOX2,Nanog以及iPSC三胚层鉴定,STEMdiff分化鉴定,qPCR,流式细胞术,AFP,Tuj1,SMA等;iPSC分化PP PP分化胰岛beta 冷冻运输的检测包括(移植后检验:细胞活性检验,组织学检验:双硫腙染色,分析学检验:人源基因表达和人源胰岛细胞特异性因子检验,安全性检验:免疫抗性和免疫反应检验,血常规等。还包括市场模块:产品出库——产品追踪——产品销售——产品售后:生产全流程以及市场模块,具体如图4所示。
上述技术方案的有益效果是:通过对目标药物的生产流程的子生产图像以及药物形态图像进行分析,实现对目标药物生产流程对应的综合监控模型进行准确有效的构建,最后,通过综合监控模型对目标药物的生产流程进行监控,实现在出现生产误差时及时报警操作,保障了对目标药物的生产可靠性以及生产准确性,也确保了目标药物的生产安全,提高了对目标药物生产流程的监管效果。
实施例2
在实施例1的基础上,本实施例提供了一种药物的生产流程监管平台,如图2所示,流程获取模块,包括:
特征获取单元,用于获取目标药物的药物属性,并根据目标药物的药物属性确定目标药物的药物特征标识;
第一匹配单元,用于根据目标药物的药物特征标识在预设药物生产管理库中进行第一匹配,并基于第一匹配结果获得目标药物的生产文件;
第二匹配单元,用于获取用户的生产需求,并基于用户的生产需求在目标药物的生产文件中进行第二匹配,并基于第二匹配结果获得对目标药物进行生产的生产流程。
该实施例中,药物属性可以是表征目标药物的药物类型等。
该实施例中,药物特征标识可以是标记不同目标药物的一种标记标签,通过该标识可快速对目标药物进行区分。
该实施例中,预设药物生产管理库是提前设定好的,用于存储不同药物对应的生产文件。
该实施例中,第一匹配可以是将药物特征标识与预设药物生产管理库进行匹配。
该实施例中,生产文件可以是记录目标药物的生产流程,且每一生产文件对应一目标药物。
该实施例中,生产需求可以是表征用户对目标药物的生产速度、生产量的要求。
该实施例中,第二匹配可以是将生产需求和生产文件进行匹配,从而实现对目标药物的生产流程进行确定。
上述技术方案的有益效果是:通过对目标药物的药物属性进行确定和分析,实现对目标药物对应的生产文件进行锁定,其次,将目标药物的生产需求与对应的生产文件进行匹配,实现对目标药物的生产流程进行锁定,从而便于根据生产流程对药物的生产过程进行准确监测。
实施例3
在实施例1的基础上,本实施例提供了一种药物的生产流程监管平台,流程获取模块,包括:
流程读取单元,用于对目标药物进行生产的生产流程进行读取,确定每一个子生产流程对应的操作过程;
图像生成单元,用于:
将每一个子生产流程对应的操作过程在计算机中进行过程模拟,并基于模拟结果确定每一个子生产流程对应的子生产图像;
基于模拟结果确定每一个子生产流程中对应目标药物的药物形态图像。
该实施例中,操作过程可以是每一子生产流程对应的具体操作步骤,即执行的具体内容。
该实施例中,过程模拟可以是对子生产流程对应的具体操作在计算中进行虚拟仿真,从而便于确定子生产流程的生产情况。
上述技术方案的有益效果是:通过对目标药物的生产流程进行读取,实现对目标药物的操作过程进行准确可靠的确定,其次,将操作过程在计算机中进行过程模拟,实现通过模拟对每一个子生产流程对应的子生产图像以及目标药物的药物形态图像进行准确可靠的获取,从而便于构建综合监控模型,实现对目标药物的生产过程进行准确监控,确保目标药物的生产可靠性以及生产准确性。
实施例4
在实施例1的基础上,本实施例提供了一种药物的生产流程监管平台,如图3所示,学习模块,包括:
第一学习单元,用于:
将子生产图像进行灰度化处理,获得第一目标灰度图像,同时,在第一目标灰度图像中对目标药物进行定位,且基于第一目标灰度图像的像素点颜色分布特征获取目标药物在第一目标灰度图像中的轮廓像素点;
基于第一目标灰度图像中的轮廓像素点对目标药物在第一目标灰度图像中进行第一标记,并基于第一标记结果生成第一追踪因子;
对子生产流程进行读取,确定子生产流程的操作姿态,同时,基于子生产流程的操作姿态确定在第一目标灰度图像中作用于目标药物的区域,并将在第一目标灰度图像中作用于目标药物的区域作为感兴趣区域;
对感兴趣区域进行读取,确定感兴趣区域的边缘像素点以及感兴趣区域内部像素点的分布特征,并对感兴趣区域的边缘像素点进行第二标记以及根据感兴趣区域内部像素点的分布特征对感兴趣区域内部的像素点进行第三标记,同时,基于第二标记结果以及第三标记结果生成第二追踪因子;
获取子生产流程中操作姿态与目标药物的药物形态的目标关联关系,基于目标关联关系将第二追踪因子在第一追踪因子中进行映射,并基于映射结果生成第三追踪因子;
第二学习单元,用于对子生产流程对应于目标药物的药物形态图像进行灰度化处理,获得第二目标灰度图像,对第二目标灰度图像进行读取,确定目标药物在第二目标灰度图像中的像素点分布,并基于像素点分布对目标药物在第二目标灰度图像的像素点进行第四标记,并基于第四标记结果生成第四追踪因子;
子监控模型构建单元,用于基于第一追踪因子、第二追踪因子、第三追踪因子以及第四追踪因子构建对对应子生产流程进行监控的子监控模型。
该实施例中,第一目标灰度图像可以是将子生产图像进行灰度化处理后获得的图像。
该实施例中,在第一灰度图像中对目标药物进行定位可以是对目标药物在第一灰度图像中的位置进行定位,可以是根据目标药物的形状等特征。
该实施例中,第一目标灰度图像的像素点颜色分布特征可以是通过对目标药品的像素点的颜色(如白色)的确定,从而确定在第一目标灰度图像中的分布情况,即通过目标药品的像素点的颜色特征确定在第一目标灰度图像中的区域,从而确定目标药物在第一目标灰度图像中的轮廓像素点。
该实施例中,第一追踪因子可以是用来在第一目标灰度图像中对目标药物大的轮廓像素点进行标记后(第一标记)获得的,用来实现对目标药物在第一目标灰度图像的追踪(由于目标药物在进行生产过程中,每一个子生产流程是一个动态的操作环境,目标药物的形态在也发生动态变化,因此,通过第一追踪因子有效实现对目标药物的形态的追踪与识别)。
该实施例中,操作姿态可以是子生产流程的操作动作。
该实施例中,基于子生产流程的操作姿态确定在第一目标灰度图像中作用于目标药物的区域可以是例如在第一目标灰度图像中进行ipsc工作库复苏扩大化培养过程中作用于目标药物(对目标药物产生影响)的区域。
该实施例中,感兴趣区域即在第一目标灰度图像中作用于目标药物的区域,且感兴趣区域中包含目标药物所在的区域。
该实施例中,感兴趣区域的边缘像素点可以是在第一目标灰度图像中感兴趣区域的轮廓像素点为边缘像素点。
该实施例中,感兴趣区域内部像素点的分布特征可以是内部像素点的颜色分布状况,以及每一种颜色下像素点的分布密度等。
该实施例中,第二追踪因子可以是基于对感兴趣区域的边缘像素点进行标记(第二标记)以及基于对感兴趣区域内部的像素点进行标记(第三标记)后确定的,用来实现对感兴趣区域在第一目标灰度图像的追踪。
该实施例中,目标关联关系可以是子生产流程中每一个操作姿态对应于目标药物的药物形态变化的关系。
该实施例中,第三追踪因子可以是将第二追踪因子在第一追踪因子中进行映射后确定的,用来实现每一个操作姿态对应的目标药物的药物形态的追踪。
该实施例中,第二目标灰度图像可以是对目标药物的药物形态图像进行灰度化处理后的结果。
该实施例中,第四追踪因子可以是基于目标药物在第二目标灰度图像中的像素点进行标记(第四标记)后确定的,用来实现在第二目标灰度图像中对目标药物的形态的追踪,且第二目标灰度图像中目标药物的形态是一种状态,即执行每一个子生产流程后目标药物在子生产流程过后的最终形态。
上述技术方案的有益效果是:通过确定第一追踪因子、第二追踪因子、第三追踪因子以及第四追踪因子,从而有效实现对目标药物在对应子生产流程中对操作姿态以及药物形态的全面追踪,进而使得构建的子监控模型实现全面的监控,有利于提高对目标药物的生产流程监控的准确性。
实施例5
在实施例4的基础上,本实施例提供了一种药物的生产流程监管平台,子监控模型构建单元,包括:
网络节点确定子单元,用于基于第三追踪因子构建第一网络节点,基于第一追踪因子构建第二网络节点,基于第二追踪因子构建第三网络节点,同时,基于第四追踪因子构建第四网络节点;
连接关系建立子单元,用于将第一网络节点与第二网络节点建立第一连接关系,将第一网络节点与第三网络节点建立第二连接关系;同时,将第四网络节点与第一网络节点建立第三连接关系;
模型构建子单元,用于基于第一网络节点、第二网络节点、第三网络节点、第四网络节点、第一连接关系、第二连接关系以及第三连接关系建立子监控模型。
该实施例中,第一网络节点、第二网络节点、第三网络节点以及第四网络节点的连接关系如下:第四网络节点与第一网络节点连接,而且第一网络节点分别与第二网络节点与第三网络节点连接。
上述技术方案的有益效果是:通过构建第一网络节点、第二网络节点、第三网络节点以及第四网络节点之间的连接关系,从而实现对网络节点间的联动,进而提高了子监控模型的监控效率。
实施例6
在实施例1的基础上,本实施例提供了一种药物的生产流程监管平台,模型构建模块,包括:
生产顺序确定单元,用于对生产流程进行读取,确定生产流程中的逻辑关键词,同时,根据生产流程中的逻辑关键词确定生产流程的生产顺序;
排序单元,用于基于生产流程的生产顺序对生成流程中每一个子生产流程进行排序,同时,基于排序结果对每一个子生产流程对应的子监控模型进行编号;
综合监控模型生成单元,用于将编号结果由小到大的顺序将子监控模型进行排序并进行关联,同时,根据关联结果生成综合监控模型。
该实施例中,逻辑关键词可以是表征生产流程的具体执行步骤的关键数据片段以及衔接生产流程中各执行步骤的关联词。
该实施例中,基于排序结果对每一个子生产流程对应的子监控模型进行编号可以是为每一个子监控模型设置一个序号,从而实现对子监控模型进行区分和关联。
上述技术方案的有益效果是:通过对生产流程进行读取,实现对生产流程中的逻辑关键词进行确定,其次,根据逻辑关键词确定生产流程的生产顺序,最后,根据生产顺序将每一子生产流程对应的子监控模型进行关联,实现对综合监控模型进行准确有效的构建,也为实现对药物的生产流程进行有效监管提供了便利与保障。
实施例7
在实施例1的基础上,本实施例提供了一种药物的生产流程监管平台,监管模块,包括:
监测单元,用于获取对目标药物的生产任务,并基于生产任务确定对目标药物的生产环节,且提取生产环节的环节标识;
图像采集单元,用于将环节标识与预设监控终端标识进行匹配,并基于匹配结果启动对应生产环节的目标预设监控终端实时采集生产环节对应的实时生产图像,且将实时生产图像基于预设事件输入接口输入至综合监控模型;
模型触动单元,用于在综合监控模型中配置主动探测针,并将主动探测针与综合监控模型进行关联部署,且基于关联部署结果根据主动探测针对综合监控模型的预设事件输入接口进行主动探测;
分析单元,用于:
当主动探测到预设事件输入接口有实时生产图像输入时,产生触发信号,并基于触发信号启动综合监控模型内部的监控分析流程,且基于监控分析流程对输入的实时生产图像进行像素点扫描,提取各实时生产图像的目标图像特征;
基于目标图像特征确定当前生产环节对目标药物的生产工艺以及生产标准,并将得到的生产工艺以及生产标准与对应的实时生产图像进行关联,同时,基于关联结果对实时生产图像添加目标时间戳,并基于添加结果根据目标时间戳发展顺序将实时生产图像和对应的生产工艺以及生产标准进行记录存储。
该实施例中,生产任务可以是表征需要对目标药物的生产量以及当前目标药物需要进行的生产流程等。
该实施例中,生产环节可以是表征对目标药物生产时,当前需要进行的生产步骤,从而便于对目标药物的生产过程进行监控。
该实施例中,环节标识可以是用于标记不同生产环节的一种标记标签,通过该标识可快速对生产环节进行区分。
该实施例中,预设监控终端标识是提前设定好的,用于标记不同预设监控终端的一种标记标签,且一个标识对应一个预设监控终端。
该实施例中,目标预设监控终端可以是适用于对目标药物的生产环节进行监控的监控终端,每一生产环节对应的预设监控终端存在区别。
该实施例中,实时生产图像可以是通过目标预设监控终端对对应的生产环节进行监控后得到的监控图像,用于记录当前生产环节的生产情况。
该实施例中,预设事件输入接口是提前设定好的,用于将采集到的实时生产图像输入构建的综合监控模型,即是用于导通目标预设监控终端和综合监控模型的。
该实施例中,主动探测针是设置在综合监控模型中,用于实时监测预设事件输入接口的工作状态,即在存在实时生产图像输入时,及时产生一个触发信号,触发综合监控模型对得到实时生产图像进行分析。
该实施例中,关联部署可以是将主动探测针在综合监控模型中进行部署,从而便于与综合监控模型进行配合工作。
该实施例中,触发信号是用于触发综合监控模型对接收到的实时生产图像进行分析和处理。
该实施例中,监控分析流程是综合监控模型中对不同生产环节对应的实时生产图像进行识别、分析和处理的流程。
该实施例中,目标图像特征可以是实时生产图像中与生产工艺或生产标准有关的关键图像区域中记录的主体姿态或是当前生产行为等。
该实施例中,目标时间戳是用于表征每一实时生产图像的采集时间,从而便于对不同时刻的实时生产情况进行记录。
该实施例中,目标时间戳发展顺序可以是时间先后顺序。
上述技术方案的有益效果是:通过确定对目标药物的生产任务,实现根据生产任务确定对目标药物的生产环节进行准确有效的确认,并根据确认结果启动相应的预设监控终端对目标药物的生产环节进行实时监控,并将得到的实时生产图像输入至综合监控模型进行分析处理,从而实现对当前生产环节生产工艺以及生产标准进行准确有效的确定,最后,将分析结果进行记录,为准确判断对目标药物的生产流程进行监管提供了数据支撑,也便于及时发现生产异常,保障了目标药物的生产可靠性。
实施例8
在实施例7的基础上,本实施例提供了一种药物的生产流程监管平台,所述分析单元,包括:
结果获取子单元,用于获取得到的分析结果,并提取分析结果中实时生产图像对应的目标时间戳;
比较子单元,用于基于目标时间戳将各实时生产图像对应的生产工艺以及生产标准与预设生产要求进行比较,并基于比较结果确定标准实时生产图像和异常生产图像;
报告生成子单元,用于从预设模板库中调取目标模板,并基于时间戳发展顺序将得到的实时生产图像与对应的生产工艺及生产标准在目标模板中进行记录,且基于第一标注方式和第二标注方式对实时生产图像中的标准实时生产图像和异常生产图像进行标注,得到监管报告。
该实施例中,预设生产要求是当前生产环节对应的标准生产标准,是提前设定好的。
该实施例中,基于比较结果确定标准实时生产图像和异常生产图像可以是根据生产工艺以及生产标准与预设生产要求的一致程度进行确定,当生产工艺以及生产标准与预设生产要求一致时,则判定当前实时生产图像为标准实时生产图像,当生产工艺以及生产标准与预设生产要求存在误差时,即判定当前实时生产图像为异常生产图像。
该实施例中,预设模板库是提前设定好的,用于存储不同的记录模板。
该实施例中,目标记录模板可以是适用于对当前实时生产图像和对应的生产工艺以及生产标准进行记录的模板,是预设模板库中的一种。
该实施例中,第一标注方式和第二标注方式是提前设定好的,是两中不同的标记方式,分别标记标准实时生产图像和异常生产图像,从而便于管理人员直观有效的查看记录情况。
上述技术方案的有益效果是:通过将得到的实时生产图像的生产工艺和生产标准与对应的预设生产要求进行比较,实现对生产环境中存在的异常情况进行及时有效的确认,并将确认结果生成相应的监管报告,便于管理人员根据监管报告及时进行相应的管理操作,保障了对目标药物的生产可靠性,也提高了对目标药物生产流程的监管有效性。
实施例9
在实施例1的基础上,本实施例提供了一种药物的生产流程监管平台,监管模块,包括:
报告获取单元,用于获取得到的监管报告,并提取监管报告中记录的异常生产流程对应的生产参数,同时,提取异常生产流程的配置参数,并基于配置参数确定异常生产流程对应的标准参数;
指令生成单元,用于将生产参数与标准参数进行作差运算,得到生产误差,并当生产误差大于预设阈值时,基于异常生产流程对应的生产类型调取预设指令元,且基于预设逻辑组合规则将指令元进行组合,生成报警控制指令;
报警单元,用于基于报警控制指令控制报警装置根据异常生产流程对应的生产类型进行相应的报警操作。
该实施例中,异常生产流程可以是对目标药物生产过程中不满足生产要求的生产流程。
该实施例中,生产参数可以是表征异常生产流程目前对目标药物的生产情况,具体可以是规格或是药物成分含量等。
该实施例中,配置参数可以是表征异常生产流程理论上对目标药物的生产标准。
该实施例中,标准参数可以是异常生产流程对应的标准的目标药物的规格以及成分含量。
该实施例中,预设阈值是提前设定好的,用于表征允许生产误差的最大取值,是可以进行调整的。
该实施例中,指令元是用于构成报警控制指令的组成成分,是提前设定好的。
该实施例中,预设逻辑组合规则是提前设定好的,用于限定预设指令元之间的结合方式。
上述技术方案的有益效果是:通过对得到的监管报告进行分析,实现对异常生产流程对应的生产参数与标准参数的生产误差进行准确有效的确定,并在生产误差大于预设阈值,及时生成相应的报警控制质量,实现根据报警控制指令控制报警装置进行相应的报警操作,便于管理人员及时发现异常情况,从而便于及时采取相应的应急措施,保障了对药物生产流程的监管力度,确保了药物的生产可靠性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
- 一种酒产品生产流程监管方法及装置
- 一种对药品的生产环境及生产流程实时远程监管的方法