中药制药过程大数据挖掘技术可分为数据准备、数据挖掘、结果表达和解释 3 个部分。数据
准备部分的工作主要为选取目标数据及数据预处理，随后在数据挖掘部分进行数学模型的建立，
最后根据模型结果给出分析和解释，由决策层形成优化方案并应用于生产，以质量优化为目标，
力争实现动态预警和趋势预报。其中，数据预处理又包括数据清洗、探索性数据分析等处理方式，
涉及可视化、统计描述、通过数据归约和变换满足假设条件或异常检测等手段；在数据挖掘过程
中，又需要基于数据特点选择合适的算法建模，从拟合优度、问题诊断等角度评估模型效果，根
据评估结果不断做出优化，直到达到满意的精度。最后通过结合关键参数的相关性，使用质量预
测反馈模型给出某个或某几个关键参数的智能调参建议，并实时反馈至执行系统，指导生产系统
进行合规性自适应调整，从而避免质量事故的发生。最终达到提高生产效率和产品质量均一性，
降低不良品率、综合能耗和运营成本的目的。
下载app