CN111950166A - 一种基于数据挖掘的生活用纸造纸机成本优化方法 - Google Patents

一种基于数据挖掘的生活用纸造纸机成本优化方法 Download PDF

Info

Publication number
CN111950166A
CN111950166A CN202010870977.4A CN202010870977A CN111950166A CN 111950166 A CN111950166 A CN 111950166A CN 202010870977 A CN202010870977 A CN 202010870977A CN 111950166 A CN111950166 A CN 111950166A
Authority
CN
China
Prior art keywords
cost
parameters
data
parameter
making machine
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010870977.4A
Other languages
English (en)
Other versions
CN111950166B (zh
Inventor
洪蒙纳
满奕
胡松
李继庚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Poi Intelligent Information Technology Co ltd
Original Assignee
Guangzhou Poi Intelligent Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Poi Intelligent Information Technology Co ltd filed Critical Guangzhou Poi Intelligent Information Technology Co ltd
Priority to CN202010870977.4A priority Critical patent/CN111950166B/zh
Publication of CN111950166A publication Critical patent/CN111950166A/zh
Application granted granted Critical
Publication of CN111950166B publication Critical patent/CN111950166B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Manufacturing & Machinery (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于数据挖掘的生活用纸造纸机成本优化方法，包括下述步骤：S1、采集生活用纸造纸机运行过程的数据；S2、对采集到的数据进行数据探索和数据预处理，组建成历史参数数据库；S3、根据随机森林算法建立成本和参数之间的拟合模型，并判断参数对成本的重要性；S4、根据步骤S3建立的成本拟合模型，以相关指数R2为指标确定调节的参数，S5、根据步骤S4中确定调节的参数，从历史数据中确定参数的调节边界；S6、在步骤S5中确定参数的调节边界内寻找成本最低时的参数值；本发明方法基于历史生产数据组建成的数据库，建立生活用纸造纸机成本优化模型，模型简洁，并且泛化能力强，可以降低纸厂的生活成本。

Description

一种基于数据挖掘的生活用纸造纸机成本优化方法
技术领域
本发明涉及造纸领域，特别涉及一种基于数据挖掘的生活用纸造纸机成本优化方法。
背景技术
目前生活用纸企业对于纸机参数的调控多依据于人工经验。并且对于同一纸种而言，生产的工况也存在差异。虽然在不同的生产参数下生产的纸张质量都符合企业的标准，但是不同的生产参数对于企业来说会造成企业生产成本的不一致。对于企业来说如何在保证产品质量的情况下，降低生产成本是十分重要的。
造纸过程中主要消耗的能源为电和蒸汽。除了原材料的成本，电和蒸汽在生存成本中也占据了非常大的位置。据了解，大多数造纸厂针对纸机的工况调节，全部通过一线工人手动操作肉眼观察，导致企业生产过程成本较高。基于生产的历史数据选取出最合适的生产工况，以达到降低企业生产成本的目的。
发明内容
本发明的目的是为了解决现有技术中的上述缺陷，本发明提出的种基于数据挖掘的生活用纸造纸机成本优化方法，可以在实际生产过程中对纸张横向伸长率进行实时测量，为操作工人修改生产工艺参数提供可靠的参考。
本发明的目的可以通过采取如下技术方案达到：
一种基于数据挖掘的生活用纸造纸机成本优化方法，其特征在于，包括下述步骤：
S1、确定生活用纸造纸机中可以调节的参数，采集数据：目标优化工艺参数在上浆浓度、车速、卷速、网笼真空度、托辊真空度、低压蒸汽流量、高压蒸汽流量、闪罐压力和烘缸压力中选取；
S2、对采集到的数据进行数据探索和数据预处理，组建成历史参数数据库；
S3、根据随机森林算法建立成本和参数之间的拟合模型，并判断参数对成本的重要性：步骤S1中确定看优化工艺参数和计算出来的实时成本利用随机森林算法进行拟合，并且判断参数的重要性；
S4、根据步骤S3建立的成本拟合模型，以相关指数R2为指标确定调节的参数：依次剔除重要性小的参数，再次判断拟合模型的评价指标相关指数，确定需要优化的工艺参数；
S5、根据步骤S4中确定调节的工艺参数，从历史数据中确定参数的调节边界；
S6、在步骤S5中确定参数的调节边界内，在S2中建立的数据库中进行寻找成本最低时的参数值，作为参数调节的目标。
进一步的，步骤S1中，确定生活用纸造纸机中可以调节的参数，采集数据，组成数据库，具体步骤如下：
生活用纸造纸机目标优化工艺参数为上浆浓度、车速、卷速、网笼真空度、托辊真空度、低压蒸汽流量、高压蒸汽流量、闪罐压力和烘缸压力，然后利用MES系统采集纸机生产过程中的生产数据。
进一步的，步骤S2中，对采集到的数据进行数据探索和数据预处理，组建成历史参数数据库，具体步骤如下：
检查原始数据中是否存在脏数据以及无法进行直接分析的数据，所述脏数据包括缺失值、异常值以及含有特殊字符的数据。利用单变量的散点图和箱形图对异常数据的判断。对于上述的脏数据和异常数据给予剔除。
进一步的，步骤S3中，根据随机森林算法建立成本和参数之间的拟合模型，并判断参数对成本的重要性，具体步骤如下：
S31、计算实时成本，对于实时成本的计算公式如下：
Figure BDA0002651097890000021
其中ap，CNY/kWh，是电单价；bpd，CNY/t，是低压蒸汽单价；bpg，CNY/t，是高压蒸汽单价；Fe，kWh，是抄纸部总功率；Fsd，kWh，是低压水蒸汽的瞬时质量流量，Fsg，t/h，是高压水蒸汽的瞬时质量流量，G，t/h，是产品每小时的产量。S32、随机森林算法的一般步骤如下：
(1)选择样本个数为N的样本集，M表示变量的数目。
(2)设置参数，决策树的数目m(m＜M)。通过计算m取不同数值的均方根误差RMSE，找到最优的决策树数目。随机选取最佳变量的数目为d1，d2，设置默认值d/3(d为特征量)，同时决策树的节点至少包含5个样本。其中均方根误差RMSE计算公式如下：
Figure BDA0002651097890000022
其中，Xi为第i个特征数值，
Figure BDA0002651097890000023
为样本均值，n为样本个数。
(3)从样本集中以可放回取样的方式取样N次，产生一个bootstarp的取样样本集合SN。
(4)在SN上训练一个决策树Tj，聚合m棵决策树T1，T2，...，Tm。
(5)棵决策树都最大可能地进行生长而不进行剪枝，对m棵决策树进行加总来预测新的数据。对于回归预测问题，输出结果为：
Figure BDA0002651097890000031
S33、计算某个特征X的重要性时，具体步骤如下：
(1)对每一颗决策树，选择相应的袋外数据(out of bag，OOB)计算袋外数据误差，记为errOOB1。所谓袋外数据是指，每次建立决策树时，通过重复抽样得到一个数据用于训练决策树，这时还有大约1/3的数据没有被利用，没有参与决策树的建立。这部分数据可以用于对决策树的性能进行评估，计算模型的预测错误率，称为袋外数据误差。
2)随机对袋外数据OOB所有样本的特征X加入噪声干扰(可以随机改变样本在特征X处的值)，再次计算袋外数据误差，记为errOOB2。
3)假设森林中有N棵树，则特征X的重要性
Figure BDA0002651097890000032
进一步的，步骤S4中，以相关指数R2为指标确定调节的参数，具体如下：
根据步骤S3中获得参数重要性，并且由高到低进行排序，依次剔除重要性小的参数，再利用随机森林进行参数和成本的拟合，利用相关指数R2，对随机森林算法拟合效果进行判断。相关指数R2计算公式如下：
Figure BDA0002651097890000033
其中yi为真值，
Figure BDA0002651097890000034
为拟合值，
Figure BDA0002651097890000035
为样本均值，n为样本个数。
进一步的，步骤S5中，根据步骤S4中确定调节的工艺参数，从历史数据中确定参数的调节边界，具体如下：
车速和卷速是主要调节参数，其余参数控制在调节边界内进行寻优。随机选取一个小时，计算这一个小时内参数的变化率σ，变化率σ的计算公式如下：
Figure BDA0002651097890000036
其中Xmax为这一个小时内参数的最大数值，Xmax为这一小时内参数的最小数值。
取720个小时(对应30天)的变化率的均值σmean，以-σmean/2作为调节下限，+σmean/2作为调节上限。
进一步的，步骤S6中，在步骤S5中确定参数的调节边界内，在S2中建立的数据库中进行寻找成本最低时的参数值，作为参数调节的目标，具体如下：
根据步骤S6中确定的调节上、下限，从步骤S2中建立的参数数据库中以成本最低为目标进行寻找。成本最低时的参数，即为优化结果。
本发明方法基于历史生产数据组建成的数据库，建立生活用纸造纸机成本优化模型，模型简洁，并且泛化能力强，可以降低纸厂的生活成本。
附图说明
图1是本发明方法流程图；
图2是实施例随机森林算法选择的参数重要性结果。
具体实施方式
使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明的目的可以通过采取如下技术方案达到：
S1、确定生活用纸造纸机中可以调节的参数，采集数据：目标优化工艺参数在上浆浓度、车速、卷速、网笼真空度、托辊真空度、低压蒸汽流量、高压蒸汽流量、闪罐压力和烘缸压力中选取；
S2、对采集到的数据进行数据探索和数据预处理，组建成历史参数数据库；
S3、根据随机森林算法建立成本和参数之间的拟合模型，并判断参数对成本的重要性：步骤S1中确定看优化工艺参数和计算出来的实时成本利用随机森林算法进行拟合，并且判断参数的重要性；
S4、根据步骤S3建立的成本拟合模型，以相关指数R2为指标确定调节的参数：依次剔除重要性小的参数，再次判断拟合模型的评价指标相关指数，确定需要优化的工艺参数；
S5、根据步骤S4中确定调节的工艺参数，从历史数据中确定参数的调节边界；
S6、在步骤S5中确定参数的调节边界内，在S2中建立的数据库中进行寻找成本最低时的参数值，作为参数调节的目标。
2、步骤S1中，确定生活用纸造纸机中可以调节的参数，采集数据，组成数据库，具体步骤如下：
生活用纸造纸机目标优化工艺参数为上浆浓度、车速、卷速、网笼真空度、托辊真空度、低压蒸汽流量、高压蒸汽流量、闪罐压力和烘缸压力，然后利用MES系统采集的到纸机生产过程中的生产数据。
采集到的数据名称和单位如表1所示。
表1标签名称
Figure BDA0002651097890000051
3、步骤S2中，对采集到的数据进行数据探索和数据预处理，组建成历史参数数据库，具体步骤如下：
检查原始数据中是否存在脏数据以及无法进行直接分析的数据，所述脏数据包括缺失值、异常值以及含有特殊字符的数据。利用单变量的散点图和箱形图对异常数据的判断。对于上述的脏数据和异常数据给予剔除。
4、步骤S3中，根据随机森林算法建立成本和参数之间的拟合模型，并判断参数对成本的重要性，具体步骤如下：
S31、计算实时成本，对于实时成本的计算公式如下：
Figure BDA0002651097890000052
其中αp，CNY/kWh，是电单价；bpd，CNY/t，是低压蒸汽单价；bpg，CNY/t，是高压蒸汽单价；Fe，kWh，是抄纸部总功率；Fsd，kWh，是低压水蒸汽的瞬时质量流量，Fsg，t/h，是高压水蒸汽的瞬时质量流量，G，t/h，是产品每小时的产量。
S32、随机森林算法的一般步骤如下：
(1)选择样本个数为N的样本集，M表示变量的数目。
(2)设置参数，决策树的数目m(m＜M)。通过计算m取不同数值的均方根误差RMSE，找到最优的决策树数目。随机选取最佳变量的数目为d1，d2，设置默认值d/3(d为特征量)，同时决策树的节点至少包含5个样本。其中均方根误差RMSE计算公式如下：
Figure BDA0002651097890000061
其中，Xi为第i个特征数值，
Figure BDA0002651097890000062
为样本均值，n为样本个数。
(3)从样本集中以可放回取样的方式取样N次，产生一个bootstarp的取样样本集合SN。
(4)在SN上训练一个决策树Tj，聚合m棵决策树T1，T2，…，Tm。
(5)棵决策树都最大可能地进行生长而不进行剪枝，对m棵决策树进行加总来预测新的数据。对于回归预测问题，输出结果为：
Figure BDA0002651097890000063
结果如图2所示。
S33、计算某个特征X的重要性时，具体步骤如下：
(1)对每一颗决策树，选择相应的袋外数据(out of bag，OOB)计算袋外数据误差，记为errOOB1。所谓袋外数据是指，每次建立决策树时，通过重复抽样得到一个数据用于训练决策树，这时还有大约1/3的数据没有被利用，没有参与决策树的建立。这部分数据可以用于对决策树的性能进行评估，计算模型的预测错误率，称为袋外数据误差。
2)随机对袋外数据OOB所有样本的特征X加入噪声干扰(可以随机改变样本在特征X处的值)，再次计算袋外数据误差，记为errOOB2。
3)假设森林中有N棵树，则特征X的重要性
Figure BDA0002651097890000064
随机森林算法得到的参数重要性如图1所示
5、步骤S4中，以相关指数R2为指标确定调节的参数，具体如下：
根据步骤S3中获得参数重要性，并且由高到低进行排序，依次剔除重要性小的参数，再利用随机森林进行参数和成本的拟合，利用相关指数R2，对随机森林算法拟合效果进行判断。相关指数R2计算公式如下：
Figure BDA0002651097890000065
其中yi为真值,
Figure BDA0002651097890000066
为拟合值,
Figure BDA0002651097890000067
为样本均值，n为样本个数。
参数与相关指数之间的关系如表2所示。
表2参数数目与相关指数之间的关系
Figure BDA0002651097890000071
6、步骤S5中，根据步骤S4中确定调节的工艺参数，从历史数据中确定参数的调节边界，具体如下：
车速和卷速是主要调节参数，其余参数控制在调节边界内进行寻优。调节边的制定具体步骤如下：随机选取一个小时，计算这一个小时内参数的变化率σ，变化率σ的计算公式如下：
Figure BDA0002651097890000072
其中Xmax为这一个小时内参数的最大数值，Xmax为这一小时内参数的最小数值。
取720个小时(对应30天)的变化率的均值σmean，以-σmean/2作为调节下限，+σmean/2作为调节上限。确定的变化率如表3所示。
表3参数的调节范围
Figure BDA0002651097890000073
7、步骤S6中，在步骤S5中确定参数的调节边界内，在S2中建立的数据库中进行寻找成本最低时的参数值，作为参数调节的目标，具体如下：
根据步骤S6中确定的调节上、下限，从步骤S2中建立的参数数据库中以成本最低为目标进行寻找。成本最低时的参数，即为优化结果。优化结果如表4所示：
表4优化结果
Figure BDA0002651097890000081
最后所应说明的是：以上实施例仅用以说明而非限制本发明的技术方案，尽管参照上述实施例对本发明进行了详细说明，本领域的普通技术人员应该理解：依然可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围的任何修改或局部替换，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于数据挖掘的生活用纸造纸机成本优化方法，其特征在于，包括下述步骤：
S1、确定生活用纸造纸机中可以调节的参数，采集数据；
S2、对采集到的数据进行数据探索和数据预处理，组建成历史参数数据库；
S3、根据随机森林算法建立成本和参数之间的拟合模型，并判断参数对成本的重要性：步骤S1中确定看优化工艺参数和计算出来的实时成本利用随机森林算法进行拟合，并且判断参数的重要性；
S4、根据步骤S3建立的成本拟合模型，以相关指数R2为指标确定调节的参数：依次剔除重要性小的参数，再次判断拟合模型的评价指标相关指数，确定需要优化的工艺参数；
S5、根据步骤S4中确定调节的工艺参数，从历史数据中确定参数的调节边界；
S6、在步骤S5中确定参数的调节边界内，在步骤S2中建立的数据库中进行寻找成本最低时的参数值，作为参数调节的目标。
2.根据权利要求1所述的基于数据挖掘的生活用纸造纸机成本优化方法，其特征在于，步骤S1中，确定生活用纸造纸机中可以调节的参数，采集数据，具体步骤如下：
生活用纸造纸机目标优化工艺参数为：上浆浓度、车速、卷速、网笼真空度、托辊真空度、低压蒸汽流量、高压蒸汽流量、闪罐压力和烘缸压力，然后利用MES系统采集纸机生产过程中的生产数据。
3.根据权利要求1所述的基于数据挖掘的生活用纸造纸机成本优化方法，其特征在于，步骤S2具体步骤包括：
检查原始数据中是否存在脏数据以及无法进行直接分析的数据，所述脏数据包括缺失值、异常值以及含有特殊字符的数据；利用单变量的散点图和箱形图对异常数据的判断；对于所述的脏数据和异常数据给予剔除。
4.根据权利要求1所述的基于数据挖掘的生活用纸造纸机成本优化方法，其特征在于，步骤S3中，根据随机森林算法建立成本和参数之间的拟合模型，并判断参数对成本的重要性，具体步骤包括：
对于实时成本的计算公式如下：
Figure FDA0002651097880000011
其中ap，CNY/kWh，是电单价；bpd，CNY/t，是低压蒸汽单价；bpg，CNY/t，是高压蒸汽单价；Fe，kWh，是抄纸部总功率；Fsd，kWh，是低压水蒸汽的瞬时质量流量，Fsg，t/h，是高压水蒸汽的瞬时质量流量，G，t/h，是产品每小时的产量。
5.根据权利要求4所述的基于数据挖掘的生活用纸造纸机成本优化方法，其特征在于其特征在于，步骤S4中，以相关指数R2为指标确定调节的参数，具体步骤包括：
根据步骤S3中获得参数重要性，并且由高到低进行排序，依次剔除重要性小的参数，再利用随机森林进行参数和成本的拟合，利用相关指数R2，对随机森林算法拟合效果进行判断；相关指数R2计算公式如下：
Figure FDA0002651097880000021
其中yi为真值,
Figure FDA0002651097880000023
为拟合值,
Figure FDA0002651097880000024
为样本均值，n为样本个数。
6.根据权利要求5所述的基于数据挖掘的生活用纸造纸机成本优化方法，其特征在于，步骤S5具体步骤包括：
车速和卷速是主要调节参数，其余参数控制在调节边界内进行寻优；随机选取一个小时，计算这一个小时内参数的变化率σ，变化率σ的计算公式如下：
Figure FDA0002651097880000022
其中Xmax为这一个小时内参数的最大数值，Xmax为这一小时内参数的最小数值；
取720个小时的变化率的均值σmean，以-σmean/2作为调节下限，+σmean/2作为调节上限。
7.根据权利要求6所述的基于数据挖掘的生活用纸造纸机成本优化方法，其特征在于，步骤S6具体步骤包括：
根据步骤S6中确定的调节上、下限，从步骤S2中建立的参数数据库中以成本最低为目标进行寻找；成本最低时的参数，即为优化结果。
CN202010870977.4A 2020-08-26 2020-08-26 一种基于数据挖掘的生活用纸造纸机成本优化方法 Active CN111950166B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010870977.4A CN111950166B (zh) 2020-08-26 2020-08-26 一种基于数据挖掘的生活用纸造纸机成本优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010870977.4A CN111950166B (zh) 2020-08-26 2020-08-26 一种基于数据挖掘的生活用纸造纸机成本优化方法

Publications (2)

Publication Number Publication Date
CN111950166A true CN111950166A (zh) 2020-11-17
CN111950166B CN111950166B (zh) 2021-04-02

Family

ID=73366525

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010870977.4A Active CN111950166B (zh) 2020-08-26 2020-08-26 一种基于数据挖掘的生活用纸造纸机成本优化方法

Country Status (1)

Country Link
CN (1) CN111950166B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560294A (zh) * 2021-02-19 2021-03-26 浙江大胜达包装股份有限公司 基于智能预测建模的纸品生产工艺控制方法及系统
CN113255159A (zh) * 2021-06-16 2021-08-13 浙江大胜达包装股份有限公司 一种基于成本模型的纸品包装自动匹配设计方法与系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106022960A (zh) * 2016-05-19 2016-10-12 武汉大学 一种基于数据挖掘的水库多目标调度规则参数优选方法
CN107194736A (zh) * 2017-05-25 2017-09-22 重庆汇集源科技有限公司 一种基于随机森林的房地产估价方法、系统及存储介质
US20180204126A1 (en) * 2017-01-17 2018-07-19 Xerox Corporation Method and system for assisting users in an automated decision-making environment
CN108921364A (zh) * 2018-09-30 2018-11-30 中冶华天工程技术有限公司 基于人工智能的污水处理厂鼓风机节能降耗方法
CN110298485A (zh) * 2019-05-29 2019-10-01 国电联合动力技术有限公司 基于改进深度随机森林算法的变桨系统故障预测方法
CN110662232A (zh) * 2019-09-25 2020-01-07 南昌航空大学 一种采用多粒度级联森林评估链路质量的方法
CN110910014A (zh) * 2019-11-20 2020-03-24 广州博依特智能信息科技有限公司 一种基于nsga-ii算法的造纸碎浆调度方法及装置
CN111237988A (zh) * 2020-01-15 2020-06-05 北京天泽智云科技有限公司 地铁车载空调机组控制方法及系统
CN111241717A (zh) * 2020-03-11 2020-06-05 广州博依特智能信息科技有限公司 基于机理模型的卫生纸机干燥部操作参数优化方法
CN111401427A (zh) * 2020-03-12 2020-07-10 华中科技大学 一种基于工业大数据的产品成本评估方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106022960A (zh) * 2016-05-19 2016-10-12 武汉大学 一种基于数据挖掘的水库多目标调度规则参数优选方法
US20180204126A1 (en) * 2017-01-17 2018-07-19 Xerox Corporation Method and system for assisting users in an automated decision-making environment
CN107194736A (zh) * 2017-05-25 2017-09-22 重庆汇集源科技有限公司 一种基于随机森林的房地产估价方法、系统及存储介质
CN108921364A (zh) * 2018-09-30 2018-11-30 中冶华天工程技术有限公司 基于人工智能的污水处理厂鼓风机节能降耗方法
CN110298485A (zh) * 2019-05-29 2019-10-01 国电联合动力技术有限公司 基于改进深度随机森林算法的变桨系统故障预测方法
CN110662232A (zh) * 2019-09-25 2020-01-07 南昌航空大学 一种采用多粒度级联森林评估链路质量的方法
CN110910014A (zh) * 2019-11-20 2020-03-24 广州博依特智能信息科技有限公司 一种基于nsga-ii算法的造纸碎浆调度方法及装置
CN111237988A (zh) * 2020-01-15 2020-06-05 北京天泽智云科技有限公司 地铁车载空调机组控制方法及系统
CN111241717A (zh) * 2020-03-11 2020-06-05 广州博依特智能信息科技有限公司 基于机理模型的卫生纸机干燥部操作参数优化方法
CN111401427A (zh) * 2020-03-12 2020-07-10 华中科技大学 一种基于工业大数据的产品成本评估方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
NAVEEN BHUTANI: ""Case study for performance assessment and benefit estimation in paper machines by data mining"", 《THE 7TH INTERNATIONAL CONFERENCE ON APPLIED ENERGY – ICAE2015》 *
杨致富 等: "生活用纸生产过程节能降耗实践", 《造纸科学与技术》 *
辛辰 等: "预测造纸废水出水指标的随机森林建模方法", 《中国造纸》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560294A (zh) * 2021-02-19 2021-03-26 浙江大胜达包装股份有限公司 基于智能预测建模的纸品生产工艺控制方法及系统
CN112560294B (zh) * 2021-02-19 2021-05-25 浙江大胜达包装股份有限公司 基于智能预测建模的纸品生产工艺控制方法及系统
CN113255159A (zh) * 2021-06-16 2021-08-13 浙江大胜达包装股份有限公司 一种基于成本模型的纸品包装自动匹配设计方法与系统
CN113255159B (zh) * 2021-06-16 2021-10-08 浙江大胜达包装股份有限公司 一种基于成本模型的纸品包装自动匹配设计方法与系统

Also Published As

Publication number Publication date
CN111950166B (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
CN111950166B (zh) 一种基于数据挖掘的生活用纸造纸机成本优化方法
CN109602062B (zh) 基于数字物理模型的松散回潮自适应水分控制方法及系统
CN111144667A (zh) 一种基于梯度提升树的烟草回潮机出料含水率预测方法
CN112036701A (zh) 一种面向多工序工业生产过程的工艺参数优化方法
CN109861310B (zh) 超临界火电机组一次调频系统辨识变量选择方法
CN114115393A (zh) 一种制丝线薄板烘丝机出口水分和温度的控制方法
Dewi et al. Evaluation of effectiveness and cost of machine losses using Overall Equipment Effectiveness (OEE) and Overall Equipment Cost Loss (OECL) methods, a case study on Toshiba CNC Machine
CN116956120A (zh) 一种基于改进的tft模型对水质非平稳时间序列的预测方法
CN112167201A (zh) 烟虫预警反馈系统
CN116339253A (zh) 一种基于物联网的智能化机械生产监测管控系统
CN112132316A (zh) 制丝环节在线设备异常监控系统及方法
CN111950795A (zh) 基于随机森林的松散回潮加水比例的预测方法
CN115204583A (zh) 化工园区区域风险分级管控评估分析方法、系统及装置
CN114154692A (zh) 一种与生产用能端的压力协同匹配的空压机开动优化方法
CN115994692B (zh) 基于5g和大数据的智慧河湖管理平台
CN113876008B (zh) 一种控制松散回潮烟片含水率稳定性的方法
CN116268521A (zh) 一种加料机自适应智能控制系统
CN115905319A (zh) 一种海量用户电费异常的自动识别方法及系统
CN115496293A (zh) 一种基于极端森林算法的干损疏解机用水量预测模型
CN114997470A (zh) 基于lstm神经网络的短期用电负荷预测方法
CN109034486A (zh) 一种基于大数据分层聚类的棉花生产工艺优化方法
CN114351496A (zh) 一种网压部真空系统压力自动整定方法及系统
CN117332993B (zh) 基于物联网的金融机具控制管理方法及系统
US11853019B1 (en) Intelligent control of spunlace production line using classification of current production state of real-time production line data
CN113361661B (zh) 一种数据协同能力评价的建模方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant