[摘要] 工业自动化控制技术的广泛运用和海量制造过程数据的收集和分析，为现代中药制药工艺品质的大幅提升提供了宝贵的数据和信息资源。因此在中药制药企业建立数据集成与管理系统变得非常重要，它将使得工厂生产数据的收集、保存、分析、展示和交流变得简单、高效。通过数据集成、数据挖掘、数据可视化等技术的综合运用，可以打破数据孤岛，整合所有数据，提取出有用信息，并发现和沉淀生产知识，最终提高生产过程质量。该文分析了中药制药过程有关工业大数据分析的若干关键技术，重点就数据集成、数据挖掘与数据可视化技术进行了具体探讨。该文结合了生脉注射液生产历史数据，进行了数据挖掘与可视化实例分析，并展望了数据可视化技术在中药数字制药中的前景。
[关键词] 中药制药工程；过程分析；可视化技术；大数据
[收稿日期] 2014-03-28
[基金项目] 天津市应用基础与前沿技术研究计划项目（13JCYBJC42000）
[通信作者] 李正，研究员，主要从事中药网络药理学与中药数字制药技术研究，E-mail： lizheng1@gmail.com
1 中药生产过程工业大数据
中药为防病治病发挥了积极的作用，在我国的卫生医疗系统中占有重要的地位。中药产业是我国医药工业的重要组成部分，已被列入国家战略性新兴产业。但是，当前我国的中药制药工艺水平不高，过程质量监控手段缺乏，阻碍了中药制药质量的进一步提升。因此提升中药制造过程技术水平，实现中药质量的有效控制，有利于中药行业整体水平的提高，对于推动中药现代化进程具有重要意义。
现有的很多中药制药企业仍然停留在半自动的数据记录和收集阶段，很多的数据如批次操作记录等仍依赖人工手动记录。人工记录收集数据信息量有限，同时容易发生错误，如录错、漏记等，从而降低了数据的质量，另外人工记录造成信息传递延时，不能在第一时间分析、总结数据，提取信息，并作出及时的反应，对工厂的生产管理造成影响。工业自动化控制技术的广泛运用和海量制造过程数据的收集和分析，使得中药制药工艺走向“精密化，数字化，智能化”成为可能[1-3]。
2 中药生产过程数据集成、数据挖掘与数据可视化
在中药制药企业建立数字化全程质量控制和管理系统，将使得工厂生产数据的收集、保存、分析、展示和交流变得简单、高效。通过信息集成技术的运用，将打破数据孤岛，整合所有数据，提取出有用信息，并发现和沉淀生产知识，最终提高生产过程质量。具体而言，制造过程数据集成可以在以下几个方面起到重要的作用。首先，通过分析现场生产线监测数据，可以知道生产过程的具体情况，并可结合过程模型判定生产过程受控状态；其次可以通过大量的产品质量相关数据的收集、管理和分析，发现关键质量控制点及最优参数设定范围；最后还可以结合能源（用电、用水、用蒸气等）的使用情况和废水、废气的排放数据，综合优化达到工厂节能减排、绿色制造的整体优化目标（图1）。
数据集成（data integration） 如图1所示，制药过程中产品以物料流的形式在生产过程中传递，产品数据包括物料属性如药效成分的含量和工艺参数如温度、压力、流量、热焓、有效能等。现代工业在线传感器和实时分析工具（如近红外光谱、紫外光谱法等）的使用，大大增加了中药生产过程的数据采集量。另一方面与生产过程相关的设备、物资、人员、财务等数据也可以同时进行整合处理与综合分析。因此，数据集成模块涵盖从原料、提取液、浓缩液、醇沉上清液等中间体到最终成药的整个生产过程中所涉及的所有相关物料属性的收集，同时记录工艺操作参数等过程相关信息。这些数据的储存、管理和使用将成为现代中药制药企业的一个重要工作，它将直接反映一个企业的生产管理综合能力。因此实施中药制药企业生产数据电子化管理，将提高数据记录的准确性和方便历史生产记录的统计与回顾，从而大大提高中药制药企业的生产管理水平。
因此建立数据库系统，收集和管理从药材到药品整个过程中产生和涉及的所有相关数据，成为数据集成模块的主要工作。主要数据库包括药材种植与采购信息收集与管理系统、辅料信息收集与管理系统、生产记录录入与管理系统、质量检验信息录入与管理系统等。数据的完整性将直接影响后续大数据整体管理与分析的水平，一个好的数据集成系统将有效地帮助企业管理者全面、准确地了解企业生产状况，进而提供辅助决策以提高经济效益降低质量风险。
数据挖掘（data mining）是一个运用现代计算分析技术，从大量的数据中自动提取出有用的信息和知识的过程。它依据数理统计、机器学习、人工智能、模糊集合等理论，运用线性回归、聚类分析、人工神经网络、决策树、模式识别、关联网络等常用方法完成信息提取工作。
在数据集成的基础上，数据挖掘模块实现数据向信息、知识的转化过程，它帮助生产管理者从数据中发现、总结、提取出隐含的、未知的、并有潜在利用价值的生产相关模式和规律，可用于指导和支持生产决策。生产数据转化为生产信息和知识，需要借助信息学、统计学和计算机科学的手段及方法，深入研究数据之间的联系，挖掘隐藏在数据背后的过程特征和模式。例如可以分析工艺参数与物料参数之间的关系，建立工艺参数与提取液、浓缩液、醇沉上清液等中间体质量检测指标相关质量模型，进而辨识关键工艺点和优化工艺参数。产品质量模型通过数学公式、图表、规则等形式，描述产品质量影响因素同质量指标之间的关系。具体而言建立产品质量模型的方法有如下几种：①统计分析，对已有的大量生产数据进行统计分析，寻找影响质量指标的主要因素及其与产品质量间的关系进行函数拟合得到模型，质量=f（影响因素）；②机制模型，分析过程的质量传递和能量传递等物理和化学规律，建立质量指标和影响因素之间的关系描述生产过程，得到基于微分方程的机制模型；③实验设计，把产品质量看作几个主要影响因素的函数，通过实验设计，系统改变影响因素，观察质量的变化，获得输入和输出数据，再应用数学方法，如响应曲面法，确定质量模型的结构和参数；④数据挖掘，数据挖掘是运用基于计算机的方法，包括线性回归、概率统计、聚类分析、分类、机器学习等方法，从数据中获得有用信息和知识的过程，同时达到过程描述和预测2个功能。常用数据挖掘理论有模糊集合、粗糙集理论、数理统计、机器学习、人工神经网络、决策树、模式识别等。
更进一步，可以根据当前数据（包括物料属性和工艺参数），建立相关的数据挖掘与知识发现模型，预测当前生产状态相关的高层次信息（如安全性、物料平衡、能量平衡、产品质量、成本核算等）。这样生产信息就可以被加工与归纳成过程分析、工艺控制、质量管理、风险评估等模型，用于中药生产过程系统优化研究，从而在保证产品质量的基础上，实现经济效益最大化。因此在质量分析和优化系统中，采用数据挖掘技术是一个较好的解决方法。利用数据挖掘技术分析质量数据，建立质量模型，并以此为基础进行质量预报和质量改进。一个典型的产品质量分析优化系统包括质量数据预处理算法库、质量数据分析算法库、质量建模算法库、模型库，这样一个系统可以实现质量数据提取和保存、质量模型提取和保存、质量数据预处理、质量分析、质量建模和应用、图形展示等功能。
数据可视化（data visualization）的目标是通过图形的方式将大型数据库中的数据及其结构关系以直观的方式表现出来。将数据转换成图形的方式进行分析，能够更形象直观地实现数据的高效关联分析。可视化技术尤其适合将数据间的复杂关系按照人的思维关联模式，从不同的视角观察和深入分析数据，发现数据中隐含的有用规律和关键模式。本文将结合中药制药企业实际收集的历史生产数据，对数据可视化技术在中药制造技术品质提升中的运用进行初步探讨。
对于车间的生产数据可以进行如下几大类的可视化分析：生产过程监测，生产规律发现如关键质量控制点分析，历史数据回顾分析，车间整体优化分析等。
生产过程监测：指对生产过程中测定的工艺参数、物料参数等数据进行实时显示，操作员对仪表数据进行集中监测，直观地了解生产状况。通常可在自动控制系统的操作员工作站上选定需要监测的装置与位点，动态显示如温度、压力、流量等工艺参数。
关键质量控制点分析：在收集生产过程数据的基础上，可以对工艺参数和质量控制参数进行关联分析建立定量模型，从而发现和中药质量相关的关键工艺操作参数。可以采用的可视化方法包括统计分析模型、网络分析模型、统计回归树分析模型等。
（www.fabiaoba.com），是一个专门从事期刊推广期刊发表、投稿辅导、发表期刊的网站。
本站提供如何投稿辅导、发表期刊，寻求论文刊登合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级论文刊登/国家级论文刊登/
CSSCI核心/医学投稿辅导/职称投稿辅导。
投稿邮箱：fabiaoba365@126.com
在线咨询：
275774677、
1003180928
在线咨询：
610071587、
1003160816
联系电话：13775259981
