本发明涉及信息和通信技术的领域，尤其是涉及一种制药企业全面质量管理方法及机器人系统。
背景技术：
1、药品作为直接关系到患者生命安全的产品，其质量至关重要。全面质量管理通过对药品生产全过程的严格监控和持续改进，确保药品的原料、生产、包装等环节均符合高标准的质量要求，从而提高药品的整体质量水平，保障患者的用药安全。
2、近年来，智能制造理念在制药行业逐渐推广，旨在通过数字化、网络化、智能化手段提高制药企业运营效率和产品质量水平。机器人流程自动化作为新兴自动化技术，开始被应用于制造领域的智能管理。
3、目前的一些制药企业中，已经在进行自动化生产，通过在不同的生产环节设置自动化设备，对药材的加工和加工情况进行监控，从而能够在药材加工过程中及时发现问题。然而目前的自动化生产中，各个环节的数据都由独立的自动化设备进行监控，发现问题后多为发出警报，由人工干预处理。但是药材加工中，工艺参数的简单调整也会对药材后续制成的中药的药性存在明显的影响，而针对单一环节进行问题处理，无法对药材整体处理情况进行分析，从而导致制成的中药药性存在偏差。
技术实现思路
1、为了解决药材加工过程中由于分析不全面，导致制成的中药药性存在偏差的问题，本发明提供一种制药企业全面质量管理方法及机器人系统。
2、本发明提供一种制药企业全面质量管理方法，采用如下的技术方案：
3、一种制药企业全面质量管理方法，包括如下步骤：
4、获取工艺参数、质量检测数据和环境参数，对所述工艺参数、所述质量检测数据和所述环境参数进行清洗，然后存储在数据库中；
5、通过质量模型对所述工艺参数和所述环境参数制得的药品的质量进行预测，通过预设的指标区间进行异常值的判定，若存在异常值，则通过大语言模型分析异常原因；
6、通过优化算法对所述工艺参数和所述环境参数进行优化，获得最佳质量控制策略和最佳质量控制参数；
7、所述大语言模型获取所述最佳质量控制策略和所述最佳质量控制参数，拆解为控制指令向生产设备输出。
8、在一个具体的可实施方案中，获取所述工艺参数、所述质量检测数据和所述环境参数的方法为：
9、获取所述生产设备和检测设备的屏幕截图，通过图像处理算法提取所述屏幕截图中的参数。
10、在一个具体的可实施方案中，所述质量模型的构建方法为：
11、获取历史数据，通过聚类算法对所述历史数据进行聚类，所述历史数据包括历史工艺参数、历史质量检测数据和历史环境参数，
12、相互对应的一组所述历史工艺参数、所述历史质量检测数据和所述历史环境参数为一个数据点，随机选择k个所述数据点作为初始聚类中心，将所述数据点并分配给最近的所述初始聚类中心，形成聚类；
13、针对每个所述聚类，重新计算聚类中心，直到最大迭代次数。
14、在一个具体的可实施方案中，通过公式：
15、
16、计算所述数据点之间的欧氏距离dist，将所述数据点分配给最近的所述初始聚类中心，式中，x为所述数据点，ci为第i个所述初始聚类中心，i＝1，2，…，k，xj为所述数据点x在第j个维度上的值，cij为第i个所述初始聚类中心在第j个维度上的值。
17、在一个具体的可实施方案中，进行所述异常值的判断的方法为：
18、构建所述工艺参数和所述环境参数与所述质量检测数据的质量模型，并利用历史数据进行模型训练；
19、所述工艺参数、所述环境参数和所述质量检测数据输入所述质量模型后，输出预测质量数据，所述预测质量数据与所述指标区间进行比较，若所述预测质量数据处于所述指标区间内，则表明中药质量处于正常，若所述预测质量数据未处于所述指标区间内，则表明中药质量存在过大的波动，需要对所述工艺参数和所述环境参数进行调整。
20、在一个具体的可实施方案中，所述质量模型为多模态神经网络模型。
21、在一个具体的可实施方案中，包括移动端，所述移动端响应用户操作，获取所述最佳质量控制策略、所述工艺参数、所述质量检测数据和所述环境参数，生成图表并输出。
22、在一个具体的可实施方案中，对所述工艺参数、所述质量检测数据和所述环境参数进行清洗的方法为：
23、先通过中值滤波进行去噪，再删除重复数据，然后进行最大最小归一化。
24、本发明提供一种制药企业全面质量管理机器人系统，采用如下的技术方案：
25、一种制药企业全面质量管理机器人系统，包括：
26、数据采集模块，获取历史数据，获取生产设备和检测设备的屏幕截图，通过图像处理算法从所述屏幕截图中提取工艺参数、质量检测数据和环境参数，并上传；
27、数据处理分析模块，包括数据清洗单元、数据存储单元和数据分析单元，所述数据清洗单元获取所述数据采集模块上传的所述工艺参数、所述质量检测数据和所述环境参数，并进行数据清洗；所述数据存储单元获取完成数据清洗的所述工艺参数、所述质量检测数据和所述环境参数并存储在预设的数据库中；数据分析单元调用所述数据库中的所述工艺参数、所述质量检测数据和所述环境参数并进行分析；
28、质量决策与优化模块，包括质量模型构建单元、异常检测单元和优化算法单元，所述质量模型构建单元构建质量模型并通过所述历史数据进行模型训练；所述异常检测单元调用所述质量模型以及所述工艺参数、所述质量检测数据和所述环境参数，计算预测质量数据，并将所述预测质量数据与预设的指标区间进行比较，若所述预测质量数据处于所述指标区间内，则表明中药质量处于正常，若所述预测质量数据未处于所述指标区间内，则表明中药质量存在过大的波动，需要对所述工艺参数和所述环境参数进行调整；所述优化算法单元以提升质量和降低成本为优化目标，通过优化算法对所述工艺参数和所述环境参数进行优化，生成最佳质量控制策略和最佳质量控制参数；
29、控制执行模块，包括决策生成单元和设备控制单元，所述决策生成单元获取所述最佳质量控制策略，通过大语言模型将所述最佳质量控制策略和所述最佳质量控制参数拆解为控制指令；所述设备控制单元，获取所述控制指令并向所述生产设备输出。
30、在一个具体的可实施方案中，还包括移动控制模块和显示模块，所述移动控制模块响应用户操作，调用所述工艺参数、所述质量检测数据、所述环境参数和所述控制指令向所述显示模块输出；所述显示模块获取到所述工艺参数、所述质量检测数据、所述环境参数和所述控制指令后，进行可视化输出。
31、综上所述，本发明包括以下至少一种有益技术效果：
32、1.通过对工艺参数、质量检测数据和环境参数的自动化采集和多源融合，为质量管理提供全面准确数据支撑，提升药品质量。
33、2.通过对工艺参数、质量检测数据和环境参数的综合分析，能够发现影响药品质量的因素以及药品生产过程中的潜在问题，便于及时做出优化策略。
34、3.将提升质量和降低成本作为多元线性回归模型的优化目标，实现质量和成本双重优化。
35、4.控制执行模块自动生成控制指令，通过结合rpa技术可以实现质量管理自动化执行和闭环控制，减少人工干预。
36、5.通过显示模块直观呈现生产设备和检测设备的实时数据，为质量管理提供可视化、可预测、可诊断的决策支持工具。
1.一种制药企业全面质量管理方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的制药企业全面质量管理方法，其特征在于：获取所述工艺参数、所述质量检测数据和所述环境参数的方法为：
3.根据权利要求1所述的制药企业全面质量管理方法，其特征在于：所述质量模型的构建方法为：
4.根据权利要求3所述的制药企业全面质量管理方法，其特征在于：通过公式：
5.根据权利要求1所述的制药企业全面质量管理方法，其特征在于：进行所述异常值的判断的方法为：
6.根据权利要求5所述的制药企业全面质量管理方法，其特征在于：所述质量模型为多模态神经网络模型。
7.根据权利要求1所述的制药企业全面质量管理方法，其特征在于：包括移动端，所述移动端响应用户操作，获取所述最佳质量控制策略、所述工艺参数、所述质量检测数据和所述环境参数，生成图表并输出。
8.根据权利要求1所述的制药企业全面质量管理方法，其特征在于：对所述工艺参数、所述质量检测数据和所述环境参数进行清洗的方法为：
9.一种制药企业全面质量管理机器人系统，其特征在于：包括：
10.根据权利要求9所述的制药企业全面质量管理机器人系统，其特征在于：还包括移动控制模块(5)和显示模块(6)，所述移动控制模块(5)响应用户操作，调用所述工艺参数、所述质量检测数据、所述环境参数和所述控制指令向所述显示模块(6)输出；所述显示模块(6)获取到所述工艺参数、所述质量检测数据、所述环境参数和所述控制指令后，进行可视化输出。
