CN111160781B - 一种羊绒纺织生产计算投入量的复合动态制成率模型 - Google Patents

Abstract

本发明涉及一种羊绒纺织生产计算投入量的复合动态制成率模型，具体为：先以纺纱生产的实际成纱为指标，以批量、成分、颜色浓度、支数为纺纱制成率的第一批影响因素，进行多元回归线性分析并结合决策树分析，建立第一计算公式；然后根据第一计算公式，初步计算所述实际成纱所需原料的投入量，并进行原料的配投，再计算原料的质量指标和原料配比；再以原料的质量指标和原料的配比以及第一批影响因素为纺纱制成率的第二批影响因素；重复上述分析，建立第二计算公式，计算出所述实际成纱所需原料的投入量。本发明提供的复合动态制成率模型可有效提高生产计划的精准性，大大降低羊绒生产的成本，减少余纱量。

Description

一种羊绒纺织生产计算投入量的复合动态制成率模型

技术领域

本发明属于羊绒纺织领域，具体涉及一种羊绒纺织生产计算投入量的复合动态制成率模型。

背景技术

羊绒是生长在山羊外表皮层，掩在山羊粗毛根部的一层薄薄的细绒，入冬寒冷时长出抵御风寒开春转暖后脱落，自然适应气候属于稀有的特种动物纤维；而每只山羊身上每年只能收获几十克羊绒，由于产量稀少，羊绒被誉为服装原料中的软黄金。对于羊绒制品而言，原料的成本占生产成本的70％以上；且羊绒制品的成衣投入多数都是从纺纱环节开始计算，若造成余纱往往都会成为小管纱，多数都是无法继续使用的。因此，精确计算原料的投入，是控制成本，降低损耗至关重要的因素。

通常来讲，长度越长、细度越细的羊绒就越贵，且也是最有品质的羊绒。但每年采购的羊绒的质量却会有参差不齐，有差别的；并且，原绒通过梳理后也会产生不同指标的无毛绒。羊绒加工企业就会根据不同类型的羊绒产品来采购和使用不同类型的羊绒。而且，羊绒加工企业在纺纱投入的时候，还会根据客户的要求，以及最终产品质量的要求来搭配使用各种指标的羊绒。因此从原料中选用可合理搭配的无毛绒，且又能满足客户需求，是羊绒加工企业不断优化成本的重要路劲之一。

在此过程中，就存在纺纱时，会有不同质量指标的原料投入，即，不同的长细度，不同的短绒率，以及不同结构的搭配。本领域公知，一旦羊绒的长度过短，或是长短差异太大，短绒也多，就难以纺纱，不仅影响制成率，严重的时候都会退车。

发明内容

基于上述背景技术，发明人为了提高纱线计划的精准性，减少余纱，降低成本和库存，提供了一种先进的生产管理方法。并且在实际研发过程中，发现羊绒原料中的多种影响因素会产生交叉影响，直接影响到羊绒生产过程中的经济成本和时间成本。

本发明提供的一种羊绒纺织生产计算投入量的复合动态纺纱制成率模型，采用两步获得制成率：一)以羊绒衫生产所需的羊绒纱线(实际成纱)为目标，根据羊绒纱线的要求(如成分、颜色、支数等)初步分析计算获得目标纱线所需原料的投入量以及配绒情况；二)然后再进一步根据配绒原料的情况，以及目标纱线的要求(即综合原料和目标成纱的影响因素)，重复上述分析过程，分析并精确计算羊绒原料的投入量；本发明采用两步分析运算的方式，为目标成纱更精确的计算出羊绒纱线的投入量，大大减少原料的浪费。

该模型以纺纱生产的实际成纱为指标，以影响纺纱制成率的影响因素为依据，根据多元回归线性分析和决策树分析，建立复合动态制成率模型，并根据该模型计算羊绒的投入产出数；本发明提供的一种羊绒纺织生产计算投入量的复合动态制成率模型，具体采用如下步骤进行构建：

1)以纺纱生产的实际成纱为指标，以批量、成分、颜色浓度、支数为第一批影响因素，进行多元回归线性分析和决策树分析；根据多元回归线性分析和决策树分析调整投料区间，并对应所述投料区间建立第一计算公式；

2)根据所述第一计算公式，初步计算所述实际成纱所需原料的投入量，并进行原料的配投；

3)根据步骤2)所述配投的情况，计算获得所述原料的质量指标和原料配比；

4)以步骤3)获得的原料的质量指标和原料的配比以及第一批影响因素为纺纱制成率的第二批影响因素；进一步进行多元回归线性分析和决策树分析；根据多元回归线性分析和决策树分析，调整投料区间，并对应所述投料区间建立第二计算公式；

5)根据所述第二计算公式，计算出所述实际成纱所需原料的投入量。

其中，所述批量即为投料的数量。

其中，在实际成纱与投料的关系来看，是一种线性关系，因此本发明采用多元回归线性分析。既可以将影响纺纱的因子统一纳入模型进行分析，来观察这些因素的影响显著性；又可以观测这些因素的交互作用，从而让模型更为准确，因素间的相互作用得到更为直观的体现。

其中，本发明多元线性回归分析的基本任务包括根据因变量与多个自变量的实际观测值建立因变量对多个自变量的多元线性回归方程；检验、分析各个自变量对因自变量的综合线性影响的显著性；检验、分析各个自变量对因变量的单纯线性影响的显著性，选择对因变量有显著线性影响的自变量，建立最优多元线性回归方程；评定各个自变量对因变量影响的相对重要性以及测定最优多元线性回归方程的偏离度等。

优选的，所述多元线性分析采用的多元线性回归方程为：

y＝β₀+β₁x₁+β₂x₂++β₃x₃+.......+β_mx_m+ε

其中，y为因变量；x为自变量；β为回归系数；ε称为误差项，为随机误差或其他因素的变化而引起的y的线性变化部分。

实际操作中，原料在投入的时候，通常会选取几批进行搭配使用，不仅选用无毛绒，对有些产品，也会使用精短和开松回丝。这样搭配后，一批纱使用的原料的质量指标就又会发生变化。而搭配开松回丝的时候，所占的比例超过一定限度，纺纱的生产效率就会降低，制成率会受到影响，而且纱线的各项质量指标也会受到影响，即平均长度对纱线制成率的影响就不是各类绒平均长度加权之后的指标影响了。因此，为了提高纱线生产的效率、降低成本，本发明进一步增加原料的质量指标和原料的配比作为影响因素。

发明人研究发现，在成纱要求(批量、成分、颜色浓度、支数)的基础上，进一步引入原料的质量指标以及原料配比为影响因素，对提高建模运算的准确性有非常重要的影响。发明人将原料的质量情况，以及原料的搭配情况增加为影响因素中，不仅运用原料的指标对纺纱的制成率进行数据化的指导，同时也告诉原料上游采购，如何精准的采购下游产品所需要的原料，还可以在承接订单的时候更精准的计算成本。如此，采购、供应、销售打通，让整个生产供应链的加工成本得到整体的优化，和精准的计算。

优选的，所述原料的质量指标为原料纤维的平均细度、短绒率、平均含粗、平均长度、长度整齐度(长度CVH％)和平均含粗；具体为原料中所包含的无毛绒、羊毛等纤维。

优选的，所述原料的配比具体为：各类无毛绒、羊毛以及其他纤维所占的比例。包含开松回丝占比、精短回丝占比。

其中，所述开松回丝占比具体为：开松回丝指羊绒生产加工中产生的余料、下脚料通过分选、开松加工后再次投入的原料。开松回丝占比就是指这样的原料占总投入原料的比例。精短回丝是指纤维在经过粗梳和精梳之后的落短通过分选、加工后再次投入的原料。精短回丝占比就是这样的原料占总投入原料的比例。

发明人研究发现，上述影响因素并非单一因素，尤其是在批量、成分、颜色浓度、支数的基础上，原料的质量指标为平均长度、长度整齐度(长度CVH％)时，原料配比为开松回丝占比时，影响因素间相互交叉作用，对制成率的影响非常显著。本发明综合分析原料和成纱的共同影响，多个影响因素交叉作用，进一步提高制成率的精准性。

在现有的生产应用中，除了纱线的批量是直接采用数字量化表示的，并且拿来进行计算制成率的，其他的因子或是因为采用文字表述，且格式不统一，难以带入计算，或是因为还没有找到合适的计算办法以及无法准确了解到每个因素的影响程度，而使传统制成率一直采用静态的，固定的制成率难以突破，使其投料、产出的数额差异大，造成大量的浪费。

为了改进传统制成率的阻碍，使其模型更为精确，本发明进一步提出了，将影响因素采用数字量化的形式表现。

其中，所述成分中，成分100％即为纯羊绒，成分50％即为羊绒含量为50％。且羊绒含量本身也代表了纱线的可纺性。

其中，所述颜色浓度，不同颜色有不同的染色处方，具备了不同的浓度.这些浓度表示了添加的各种染料占到索要染色绒质量的百分比的加权百分数。比如，7表示染料的质量占到染色绒质量的7％。

其中，所述支数，12S/2表示12支双股纱线，代表了纱线的细度以及纱线的结构，因此就通过支数的数字代码这个共同特性建立量化转化维度。

其中，所述原料的长度、细度以及短绒率是在无毛绒采购检验时通过检测机构获得的纤维的指标数据，是一个平均指标，比如平均长度为33.5，是指这批无毛绒纤维的平均长度为33.5毫米，长度整齐度CVH是指纤维长度与均值波动的CV值。目前，这些原料的指标均为数值，可以用来直接计算。整批纱线的平均长度、长度整齐度是指各类纤维的平均长度、长度整齐度指标与其数量所占比例加权平均后的结果。由于纺纱订单下达后先要进行配绒(即配投什么样比例的原料)，然后引入各项原料的长度、细度、短绒率等指标后才能知道整批纱线使用原料的平均指标，所以复合动态制成率建模后，就需要改变原来计算投料的流程，在纺纱订单下达的时候就需要配绒的大框架，以便于计算原料的各项指标和配比结构。

即，所述影响因素采用如下方式转化：

表1

本发明进一步提出的，为了更精确的求得纺纱成纱与投料之间的关系模型，根据每个批次的羊绒，复合动态制成率对原批量划段区间进行了重新调整。调整的依据就是观测实际成纱与投料差异率变化的拐点。即求函数y＝f(x)在c点一侧是凸，另一侧是凹的拐点。求得实验数据中实际成纱与投料差异的百分比后带入统计分析软件JMP进行分析。得出了新的制成率发现显著变化的区间。

该区间是可以实时调整的，根据历史数据每次更新模型的时候都可以重新计算，重新设定。

本发明进一步提出的，为了模型进一步精确，还包括模型的修正。

模型刚刚建立完成后，为了缓解小批量区间成纱不够会造成重纺的生产压力，特赋予小批量区间修正值。即给予小批量纺纱通过模型得出投料后，再赋予一定额外的投料。这部分额外的投料主要考虑一些特殊用绒、染色工艺等造成纤维损伤可能会导致成纱不足的经验数据。修正值的增加，既给模型刚实施启动增加了灵活调节的余地，又减轻了操作人员的陌生性。

修正值是通过于模拟成纱与实际成纱小于0部分的中位数与投料系数的乘积得来的。根据模型预测，修正部分为N≤66公斤的区间，计划成纱18吨，修正后多成纱0.7吨，一般是生产过程中可以接受的余量。

本发明所提供的动态制成率模型建立完成后，会产生一套自动运算匹配表。有效的解决了现有生产运行中，纱线计划流程是需要对照制成率表，每批线下先计算大致投料数，然后根据投料区间在精准计算投料，运算复杂，且容易出错，效率难以提高。本发明提供的运算匹配表是采用公式运算，只需要带入纺纱订单的基本数据，不用线下运算，直接可求得原料投入量，极大的提高了生产计划工作的效率。

此外，采用本发明所述提供的模型，还可有效的解决现有的羊绒生产过程中，数据管理的混乱；可协助管理者更好的找到并查阅相关数据。

本次研究由于带入了原料的指标，而这些指标之间又存在相互的依存或是内生关系，因此，本次建模利用mintab的软件功能，通过多元回归以及决策树分析可以某些因素的交互作用，综合分析其影响因素对制成率的影响。

本发明提供一种优选方案，所述复合动态制成率模型采用如下方式构建：

1)以纺纱生产的实际成纱为指标，以批量、成分、颜色浓度、支数为第一批影响因素；进行多元回归线性分析，并采用如下多元线性回归方程：

y＝β₀+β₁x₁+β₂x₂++β₃x₃+......+β_mx_m+ε

其中，y为因变量；x为自变量；β为回归系数；ε称为误差项；

2)结合决策树分析，根据每个批次的羊绒纱线，依据观测实际成纱与投料差异率变化的拐点，调整批量划段区间；并对应所述投料区间建立第一计算公式；

其中，所述区间具体采用如下方式获得：求函数y＝f(x)在c点一侧是凸，另一侧是凹的拐点，求得实验数据中实际成纱与投料差异的百分比后带入统计分析软件JMP进行决策树分析；

3)根据所述第一计算公式，初步计算所述实际成纱所需原料的投入量，并进行原料的配投；

4)根据步骤5)所述配投的情况，计算获得所述原料的质量指标和原料配比；

5)以步骤4)获得的原料的质量指标和原料的配比以及以及第一批影响因素为纺纱制成率的第二批影响因素；重复步骤1)～2)所述的多元回归线性分析和决策树分析；根据每个批次的羊绒纱线，依据观测实际成纱与投料差异率变化的拐点，调整批量划段区间；并对应所述投料区间建立第二计算公式；

其中，所述质量指标为原料纤维的平均平度、长度整齐度；所述原料的配比为开松回丝占比；

6)对模型进行修正，修正值通过于模拟成纱与实际成纱小于0部分的中位数与投料系数的乘积得来的；

7)根据步骤6)修正后的第二计算公式，计算出所述实际成纱所需原料投入量。

本发明提供的复合动态制成率模型可有效提高生产计划的精准性，大大降低羊绒生产的成本，减少余纱量。在实际生产中，可有效节约人员成本，具有显著的经济效益和时间成本效益。

附图说明

图1为JMP软件显示实际成纱与投料的差异分割情况图；

图2为复合动态制成率、动态制成率与实际制成率的对比情况图。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。

实施例1

本实施例提供一种羊绒纺织生产计算投入量的复合动态制成率模型(复合动态制成率)，具体采用如下方式构建：

步骤1)选取纺纱制成率的影响因素；所述影响因素为批量、成分、颜色浓度、支数(实际成纱)，以及所述原料的质量指标和原料的配比(原料)；

根据客户要求，试验相应产品的不同的原料配比结构，找到可以进行生产的原料配比，然后采集生产数据，以及原料数据和纱线指标数据。对合格后的纱线的各项纺纱参数进行统计。

其中，所述质量指标为平均长度、长度整齐度；

所述原料的配比为开松回丝占比；

步骤2)以批量、成分、颜色浓度、支数为第一批影响因素；

步骤3)以所述第一批影响因素为依据，多元回归线性分析，并采用如下多元线性回归方程：

y＝β₀+β₁x₁+β₂x₂++β₃x₃+......+β_mx_m+ε

其中，y为因变量；x为自变量；β为回归系数；ε称为误差项；

步骤4)结合决策树分析，根据每个批次的羊绒，依据观测实际成纱与投料差异率变化的拐点，调整动态制成率对原批量划段区间的划分；并对应所述投料区间建立第一计算公式；

其中，所述区间具体采用如下方式获得：求函数y＝f(x)在c点一侧是凸，另一侧是凹的拐点，求得实验数据中实际成纱与投料差异的百分比后带入统计分析软件JMP进行分析；带入实际成纱与投料差异的数据，进行区间划分，如图1所示，获得个区间的拐点，分别为37、66、116、204、509；

所述决策树分析采用Mintab软件实现，将所有数据带入到Mintab软件中，进行线性回归分析；

分析如下：

1、N<37

表2

2、37≤N＜66

表3

3、66≤N＜116

表4

4、N＞509

表5

模式如下：

表6

步骤5)根据上述第一计算公式(模型)，初步计算所述实际成纱所需原料的投入量，并进行原料的配投；

步骤6)根据步骤5)所述配投的情况，计算获得所述原料的质量指标和原料配比；

步骤7)以步骤6)获得的原料的质量指标和原料的配比以及以及第一批影响因素为纺纱制成率的第二批影响因素；重复上述步骤中所述的多元回归线性分析和决策树分析；根据每个批次的羊绒纱线，依据观测实际成纱与投料差异率变化的拐点，调整批量划段区间；并对应所述投料区间建立第二计算公式；

分析如下：

1、N＜37

表7N＜37kg纺纱数据方差分析结果

/>

在这个区间内，批量、浓度、成分和长度整齐度CVH％是显著影响因素。

2、37≤N＜66

表8 37≤N＜66纺纱数据方差分析结果

这个区间只有批量和浓度是显著影响因素。

3、66≤N＜116

表9 66≤N＜116纺纱数据方差分析结果

/>

在这个区间内，批量、浓度、成分、支数以及原料的平均长度和长度整齐度CVH％是显著影响因素。

4、116≤N＜204

表10 116≤N＜204纺纱数据方差分析结果

/>

在这个区间内，批量、浓度、支数是显著影响因素。

5、204≤N＜509

表11 204≤N＜509纺纱数据方差分析结果

在这个区间内，批量、浓度、成分和支数是显著影响因素。

6、N≥509

表12N≥509纺纱数据方差分析结果

/>

在这个区间内，批量、浓度、成分和支数和原料的平均长度和长度整齐度CVH以及原料配比中开松回丝占比是显著影响因素。

步骤8)对模型进行修正，修正值通过于模拟成纱与实际成纱小于0部分的中位数与投料系数的乘积得来的；

模型刚刚建立完成后，为了缓解小批量区间成纱不够会造成重纺的生产压力，特赋予小批量区间修正值。即给予小批量纺纱通过模型得出投料后，再赋予一定额外的投料。这部分额外的投料主要考虑一些特殊用绒、染色工艺等造成纤维损伤可能会导致成纱不足的经验数据。修正值的增加，既给模型刚实施启动增加了灵活调节的余地，又减轻了操作人员的陌生性。

修正值是通过于模拟成纱与实际成纱小于0部分的中位数与投料系数的乘积得来的。根据模型预测，修正部分为N≤66公斤的区间，计划成纱18吨，修正后多成纱0.7吨，一般是生产过程中可以接受的余量。

步骤9)根据所述计算公式，计算羊绒的投入产出数。

模型如下：

表13

其中，Y＝实际成纱、X1＝批量、X2＝颜色浓度、X3＝成分、X4＝支数；

X5＝平均长度、X6＝CVH％、X7＝开松回丝占比

从S值和R-sq值可以看出，关键影响因素的深入分析，使得模型对实际数据模拟的更加准确。

但是N＜37这个小批量区间，模型的拟合度还是80％，其他区间都在93％以上，甚至99％，所以小批量区间目前还存在无法精准拟合的问题，但是由于小批量及时有10％的差异，仍旧是1-2kg的差异，所以总量上还可以接受。

通过建模，对原料配投分析：

从模型上看，在N＜37这个区间内，从模型上看出，CVH变动3个单位(标准差)，成纱减少0.15kg，投料多投0.16kg。在纱线批量66≤N＜116内，CVH增加3个单位，成纱减少0.6kg，投料多投0.6kg，平均长度增加1个单位的长度，实际成纱多增加0.4kg，投料减少0.4kg的投入。在批量N＞509区间内，开松回丝占比增加10％，投料需多投3kg，占比为15％，需多投4.5kg，占比为18％时，需多投5kg。平均长度增加2.4个单位，少投3kg，CVH增加4个单位，多投3kg。

因此，原料的指标，以及原料的配比对纱线制成率的影响是可以数据化的，把原料的指标带入纺纱制成率的运算中，可以使纺纱计划更精准。而且这样的模型，也在指导着如何进行成本核算以及如何依据客户价值进行配绒。进而对客户进行细分，不仅为客户降低成本，精准的定价还可以正确到更多的订单。

在实际应用中，2019年的1～11月间，共纺2055批纱线，全部执行复合动态制成率，根据模型投料为300.7吨，实际制成率为96.6％，比复合动态计划制成率95.9％提高0.7个百分点，比旧制成率(没有执行动态制成率之前的平均制成率)93.9％提高2.7个百分点。按照旧制成率投料为295.2吨，减少投料5.5吨，按照当前无毛绒的成本69万元/吨，可减少投入380万元。

实施例2

本实施例提供一种羊绒纺织生产计算投入量的复合动态制成率模型，与实施例1的区别仅在于，影响因素的调整；

具体如下表：

表14

将所有指标带入总体数据去看，原料的平均细度、短绒率、平均含粗以及原料配比中精短回丝占比、本白绒占比、漂白绒和脱色绒占比，以及染色绒整体占比对制成率并没有显著影响。

对比例1

本对比例提供一种羊绒纺织生产计算投入量的动态制成率模型，与实施例1的区别仅在于，影响因素为：批量(实际投料)，成分，颜色浓度(浓度)、支数。

仅采用一步分析方式；

步骤1)～4)以及8)～9)与实施例1相同，不实施第二步分析，即步骤5)～7)

即为动态制成率。采用的模型为第一计算公式。

模型对比

将实施例1提供的复合动态制成率、对比例1提供的动态制成率，以及传统的旧制成率与实际制成率进行对比，情况如下(如图2所示)。

表15

/>

由此可见，复合动态制成率与实际制成率相差0.7个半分点，动态制成率与实际制成率相差1.3个半分点。复合动态制成率在原动态制成率的基础上，更接近实际动态制成率了。

从以下数据可以看出，复合动态制成率模型下的投料和动态制成率因为加入了原料指标的因素，所以在制成率上已经有了不一样的变化，从数据可以看出，复合动态制成率更接近实际。

表16

/>

2、复合动态制成率的精准度统计

旧制成率的计划成纱与实际成纱平均波动(成纱波动是指即实际成纱与计划成纱的差异率)为3.9％，执行复合动态制成率后，计划成纱与实际成纱平均波动降低到1.3％，比动态制成率的成纱波动降低了0.8个百分点，纺纱计划精准度在旧制成率的基础上提高了66.7％，在动态制成率的基础上提高了38％，执行复合动态制成率更接近于真实制成。

表17

以下为具体示例明细：

从数据看，复合动态制成率下的实际成纱与计划成纱的波动(即实际成纱与计划成纱的差异率)更小，当然在某几批次上，复合动态制成率的计划成纱与实际成纱的偏差不及动态制成率，但是总体上，复合动态制成率由于加入了原料的质量指标以及原料配比的情况，所以这个模型算出了计划成纱更接近实际成纱。

表18

由此可见，复合动态制成率在加入了原料指标后的应用使实际成纱与计划成纱的偏差波动在动态制成率的基础上又进一步降低了，也就是生产计划的精准性提高了。要想进一步提升动态制成率模型的精准性，还需要不断跟踪历史数据，调整参数，同时，保证原始数据录入的准确性，才可以使模型进一步的准确。

复合动态制成率就是在应用数据，将企业的管理又传统的经验型管理逐步向数字化管理推进。复合动态制成率不仅在原动态制成率的基础上，进一步提升纺纱计划的精准性，减少多余的原料投入，进而降低成本，减少余纱，同时，复合动态制成率还将原料的质量因素进行数据化量化管理，使原本羊绒成本这个占生产成本最重要的因素可以进行量化计算，而且还可以指导销售部门进行客户细分接单，由此，打通原料采购，生产，销售一体化，让整个生产单元的成本管理、生产管理和销售管理得到进一步的提升。

虽然，上文中已经用一般性说明、具体实施方式及试验，对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (2)

1.一种羊绒纺织生产计算投入量的复合动态制成率模型，其特征在于，包括如下步骤：

1）选取纺纱制成率的影响因素；所述影响因素为批量、成分、颜色浓度、支数，以及原料的质量指标和原料的配比；

根据客户要求，试验相应产品的不同的原料配比结构，找到进行生产的原料配比，然后采集生产数据，以及原料数据和纱线指标数据，对合格后的纱线的各项纺纱参数进行统计；

其中，所述质量指标为平均长度、长度整齐度；

所述原料的配比为开松回丝占比；

2）以批量、成分、颜色浓度、支数为第一批影响因素；

3）以所述第一批影响因素为依据，多元回归线性分析，并采用如下多元线性回归方程：

其中，y为因变量；x为自变量；β为回归系数； ε称为误差项；

4）结合决策树分析，根据每个批次的羊绒，依据观测实际成纱与投料差异率变化的拐点，调整动态制成率对原批量划段区间的划分；并对应所述投料区间建立第一计算公式；

其中，所述区间具体采用如下方式获得：求函数y=f(x)在c点一侧是凸，另一侧是凹的拐点，求得实验数据中实际成纱与投料差异的百分比后带入统计分析软件JMP进行分析；带入实际成纱与投料差异的数据，进行区间划分，获得个区间的拐点；

所述决策树分析采用Mintab软件实现，将所有数据带入到Mintab软件中，进行线性回归分析；

5）根据上述第一计算公式，初步计算所述实际成纱所需原料的投入量，并进行原料的配投；

6）根据步骤5）所述配投的情况，计算获得所述原料的质量指标和原料配比；

7）以步骤6）获得的原料的质量指标和原料的配比以及以及第一批影响因素为纺纱制成率的第二批影响因素；重复上述步骤中所述的多元回归线性分析和决策树分析；根据每个批次的羊绒纱线，依据观测实际成纱与投料差异率变化的拐点，调整批量划段区间；并对应所述投料区间建立第二计算公式；

8）对模型进行修正，修正值通过于模拟成纱与实际成纱小于0部分的中位数与投料系数的乘积得来的；

9）根据步骤8）修正后的第二计算公式，计算出所述实际成纱所需原料的投入量。

2.根据权利要求1所述的复合动态制成率模型，其特征在于，所述的第一批影响因素和第二批影响因素采用数字量化的形式表现。