CN114493057A - 基于异常工况的生产工艺参数推荐方法及相关设备 - Google Patents

基于异常工况的生产工艺参数推荐方法及相关设备 Download PDF

Info

Publication number
CN114493057A
CN114493057A CN202210404765.6A CN202210404765A CN114493057A CN 114493057 A CN114493057 A CN 114493057A CN 202210404765 A CN202210404765 A CN 202210404765A CN 114493057 A CN114493057 A CN 114493057A
Authority
CN
China
Prior art keywords
value
process parameter
values
index evaluation
adjustment
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
CN202210404765.6A
Other languages
English (en)
Other versions
CN114493057B (zh
Inventor
郭传亮
童晓慧
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.)
Hope Zhizhou Technology Shenzhen Co ltd
Original Assignee
Hope Zhizhou Technology Shenzhen 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 Hope Zhizhou Technology Shenzhen Co ltd filed Critical Hope Zhizhou Technology Shenzhen Co ltd
Priority to CN202210404765.6A priority Critical patent/CN114493057B/zh
Priority to CN202210756462.0A priority patent/CN115204474A/zh
Publication of CN114493057A publication Critical patent/CN114493057A/zh
Application granted granted Critical
Publication of CN114493057B publication Critical patent/CN114493057B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Primary Health Care (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例提供一种基于异常工况的生产工艺参数推荐方法及相关设备，该方法包括：确定第一工艺参数的第一调整范围，第一工艺参数为影响生产中产品性能指标的可调整工艺参数；从第一调整范围中选择N+1个工艺参数值；将N+1个工艺参数值分别输入到第一数学模型，得到N+1组产品性能指标的预测值，将N+1组产品性能指标的预测值输入到指标评价模型得到N+1个指标评价值；根据N+1个指标评价值确定N+1个工艺参数值中的第一调整值；根据第一调整值确定产品的第一工艺参数的推荐值。采用本申请实施例能够通过预测算法得到可调整工艺参数的推荐值，提高生产的性能指标和效率。

Description

基于异常工况的生产工艺参数推荐方法及相关设备
技术领域
本申请涉及生产工艺领域，尤其涉及一种基于异常工况的生产工艺参数推荐方法及相关设备。
背景技术
随着科学技术的发展，对生产工艺的生产要求和需求越来越高，影响生产的因素过多导致生产时的工况情况比较复杂，生产时生产工艺参数的数量过多，当任一生产工艺参数（例如压力、含氢量）由于设备负荷等非可控因素发生异常变化时，继续生产会导致生产的指标受到影响。为了解决工艺参数变化的问题，通常生产人员在复杂的工况情况下根据自身积累的经验调整设备中的工艺参数，这样会导致调整不准确、调整的效率不高以及调整不够及时等问题，从而影响了生产工艺的生产品质和效率。
发明内容
本申请实施例公开了一种基于异常工况的生产工艺参数推荐方法及相关设备，可以实现在工艺参数发生异常变化时，通过预测算法得到生产设备的工艺参数的推荐值，提高产品的性能指标以及生产的效率。
第一方面，本申请实施例提供了一种基于异常工况的生产工艺参数推荐方法，其特征在于，包括：
确定第一工艺参数的第一调整范围，其中，所述第一工艺参数为影响生产中产品性能指标的可调整工艺参数，所述第一调整范围为根据设计计分卡中所述第一工艺参数的第一上限值和第一下限值确定的调整范围；
从所述第一调整范围中选择N+1个工艺参数值，N为大于1的整数；
将所述N+1个工艺参数值分别输入到第一数学模型，得到N+1组产品性能指标的预测值，将所述N+1组产品性能指标的预测值输入到指标评价模型得到N+1个指标评价值，其中，所述指标评价值用于评价所述N+1个工艺参数值对应的多组产品性能指标的预测值中的每一组产品性能指标的预测值与对应的一组产品性能目标值的综合接近程度；
根据所述N+1个指标评价值确定N+1个工艺参数值中的第一调整值，其中，所述第一调整值为N+1个指标评价值中最大的指标评价值对应的工艺参数值；
根据所述第一调整值确定所述产品的所述第一工艺参数的推荐值。
在上述方法中，当工艺参数发生异常变化时，预测第一工艺参数（即需要调整的可调整工艺参数）的推荐值，即在第一调整范围内选择指标评价值最大的工艺参数作为第一工艺参数的推荐值，而不是通过生产人员根据经验累计的经验手动调整工艺参数，将手动调节的工艺参数作为第一工艺参数的推荐值。该方法使得在生产工况发生复杂变化、多个可调整工艺参数需要调节的情况下，能及时且准确地获取需要调整的可调整工艺参数的推荐值，生产人员根据该推荐值调整工艺参数，提高产品的性能指标和调整效率。
需要说明的是，在复杂的工况情况下，针对需要调整的可调整工艺参数（第一工艺参数），通过预测方法获得第一工艺参数的推荐值；对于需要调整的不可调整工艺参数，通常将其作为异常参数，使用异常参数的预测值进行生产；对于不需要调整的参数，可以理解为正常工况下的参数，使用标杆工况计分卡中工艺参数目标值进行生产（即最优的产品性能指标对应的工艺参数值）。
需要说明的是，指标评价值用于评价工艺参数对应的多组产品性能指标的预测值中的每一组产品性能指标的预测值与对应的一组产品性能目标值的综合接近程度，可以理解为将每一组产品性能指标的预测值与每一组产品性能目标值进行接近程度的比较，最后将得到的多个比较结果作为综合接近程度，越接近则对应的指标评价值越高。
在第一方面又一种可能的实现方式中，所述将所述N+1个工艺参数值分别输入到第一数学模型，得到N+1组产品性能指标的预测值，包括：
确定第二工艺参数的第一参考值，其中，所述第一参考值为标杆工况计分卡中所述第二工艺参数的目标值；
确定第三工艺参数的第二参考值，以及第四工艺参数的异常预测值，其中，所述第三工艺参数的类型为所述可调整工艺参数，所述第四工艺参数值的类型为不可调整工艺参数，所述第二工艺参数、第三工艺参数、第四工艺参数、第一工艺参数属于所述第一数学模型的自变量集合；
若所述第三工艺参数存在所述推荐值，则所述第二参考值为所述第三工艺参数值的推荐值，若所述第三工艺参数值不存在推荐值，则所述第二参考值为所述第三工艺参数值的目标值，其中，所述第三工艺参数的目标值为所述标杆工况计分卡中所述第三工艺参数的目标值；
将所述N+1个工艺参数值、所述第一参考值、所述第二参考值和所述第四工艺参数的异常预测值分别输入到所述第一数学模型，得到N+1组产品性能指标的预测值。
在上述方法中，在出现复杂工况时，工艺参数的类型可能包括正常工况下对应的不需要调整的参数、异常工况下的需要调整的可调整工艺参数、异常工况下的需要调整的不可调整工艺参数，其中，第一工艺参数为正在进行产品性能指标的预测值计算的工艺参数；第二工艺参数为正常工况下对应的不需要调整的工艺参数；第三工艺参数为异常工况发生时，可能为已完成推荐值算法的第一工艺参数的推荐值或未完成推荐值算法的第一工艺参数的缺省值（标杆工况计分卡的目标值），此时对第三工艺参数进行判断，若存在推荐值就用推荐值，若不存在推荐值就用目标值；第四工艺参数为异常工况下的不可调整工艺参数。
具体地，第一数学模型的自变量集合通常为第一工艺参数、第二工艺参数、第三工艺参数、第四工艺参数的集合。在计算某一个第一工艺参数的第一调整范围的N+1个工艺参数值的产品性能指标的预测值时，需要先确定自变量集合中除该第一工艺参数之外的其余工艺参数的计算初始值，可以理解为若第三工艺参数存在推荐值，则将推荐值作为第三工艺参数的计算初始值，若其余第三工艺参数不存在推荐值，则将目标值作为第三工艺参数的计算初始值；第二工艺参数则使用标杆工况计分卡中的目标值作为计算初始值；第四工艺参数则使用异常预测值作为计算初始值。该方法考虑了产品性能指标的预测值受产品的所有工艺参数的影响，在计算调整范围内的多个工艺参数值的产品性能指标值的预测值时，同时也预先设置了其余工艺参数的取值，使得产品性能指标的预测值更精准。
在第一方面又一种可能的实现方案中，针对所述第一数学模型中的自变量集合中的第一工艺参数执行所述产品性能指标的预测值的参数计算操作，若所述第三工艺参数的第二参考值不存在推荐值，则所述不存在推荐值的第三工艺参数执行所述产品性能指标的预测值的参数计算操作流程，所述第三工艺参数的参数计算操作流程与所述第一工艺参数的参数计算流程相同。需要说明的是，自变量集合中的每一个还未存在推荐值的第三工艺参数均执行产品性能指标的预测值的参数计算操作，该参数计算操作与第一工艺参数的参数计算操作相同，直至自变量集合中的每一个可调整工艺参数均存在推荐值为止。
在第一方面的又一种可能的实现方案中，所述从所述第一调整范围中选择N+1个工艺参数值，包括：从所述第一调整范围中确定N-1个等分点；将所述N-1个等分点及所述第一调整范围的所述第一上限值和所述第一下限值确定为N+1个工艺参数值。
需要说明的是，在获取需要调整的可调整工艺参数（即第一工艺参数）的第一调整范围之后，需要在第一调整范围内确定N-1个等分点（N为大于1的正整数），将N-1个等分点以及第一调整范围的第一上限值和第一下限值确定为N+1个工艺参数值，可以将N+1个工艺参数值中指标评价值最大的工艺参数值作为第一调整值，根据第一调整值进一步选择第一工艺参数的推荐值。
在第一方面的又一种可能的实现方式中，所述根据所述第一调整值确定所述产品的所述第一工艺参数的推荐值，包括：
若所述第一调整值为所述第一上限值或第一下限值，则将所述第一调整值作为所述第一工艺参数的推荐值；
若所述第一调整值不为所述第一上限值或第一下限值，则将所述第一调整值进行优化得到第二调整值，根据所述第二调整值确定所述第一工艺参数的推荐值。
在上述方法中，第一调整值即为第一调整范围内的N+1个工艺参数值中最大的指标评价值对应的工艺参数值，若第一调整值为第一调整范围的第一上限值或第一下限值，则将第一调整值作为第一工艺参数的推荐值；若第一调整值不为第一上限值或第一下限值，则需要对第一调整值进行进一步优化得到第二调整值，再根据第二调整值确定第一工艺参数的推荐值，该方法能够在第一调整值的基础上继续精确第一调整值，得到第二调整值。
在第一方面又一种可能的实现方式中，所述将所述第一调整值进行优化得到第二调整值，根据所述第二调整值确定所述第一工艺参数的推荐值，包括：
根据所述第一调整值前后相邻的两个等分点对应的工艺参数值组成第二调整范围；
对所述第二调整范围迭代执行M次如下操作：
将所述第二调整范围划分为两个子范围；
分别将所述两个子范围的中间值输入到所述指标评价模型，得到两个指标评价值；
根据所述两个指标评价值从所述两个子范围中选择指标评价值最高的子范围作为新的所述第二调整范围；
迭代M次后的指标评价值最高的子范围的中间值作为所述第二调整值；
将所述第二调整值作为所述第一工艺参数的推荐值。
在上述方法中，若第一调整值不为第一上限值或第一下限值时，对第一调整值进行进一步优化得到第二调整值，具体过程为：在N+1个工艺参数值中选择第一调整值前后相邻的两个等分点对应的工艺参数值组成第二调整范围，将第二调整范围划分为两个子范围（通常为相等的两个子范围），每一个子范围的中间值对应的指标评价值作为该子范围的指标评价值，比较两个子范围的指标评价值的大小，选择指标评价值较大的子范围作为新的第二调整范围继续进行子范围的划分比较，第二调整范围和新的第二调整范围的个数之和为M次（总共迭代M次）。
需要说明的是，迭代M次的次数可调节，若需要第二工艺参数更准确，可以将M值设置得更大。该方法进一步地精确了第一调整值，迭代M次不断缩小第二调整范围的大小，在迭代的最后一次得到的指标评价值更大的范围中选择该范围的中间值作为第二调整值，能够得到更为精确的工艺参数的推荐值，更好地提高推荐值的精确度。
需要说明的是，该方法中，直接将第二调整值作为第一工艺参数的推荐值的条件为：第二调整值对应的指标评价值大于第一调整值对应的指标评价值和M个参考评价值，在复杂的工况下，多个工艺参数需要调整时，每一个可调整工艺参数对应一个第一调整值，多个第一调整值中会出现某一第一调整值为第一下限值或第一上限值的情况，也可以出现某一第一调整值对应的指标评价值大于第二调整值对应的指标评价值和M个参考评价值的情况，还可以出现别的情况，在实际生产的过程中，需要调整的可调整工艺参数过多时，整个生产过程中上述多种可能性可能会出现在不同的工艺参数上，因此该方法中直接使用第二调整值作为第一工艺参数的推荐值，默认为该生产过程中会出现第二调整值对应的指标评价值最大的情况。
在第一方面又一种可能的实现方式中，所述将所述第二调整值作为所述第一工艺参数的推荐值之前，还包括：
比较所述第一调整值对应的指标评价值和M个参考指标评价值，其中，所述M个参考指标评价值中的每个参考指标评价值为一轮迭代后得到两个子范围的中间值对应的两个指标评价值中较大的一个指标评价值，所述中间值为所述子范围中居中的工艺参数值；
若所述第二调整值对应的指标评价值不为所述第一调整值对应的指标评价值和M个参考指标评价值中最大的指标评价值，则将其中最大的指标评价值对应的工艺参数值作为所述第一工艺参数的推荐值；
若所述第二调整值对应的指标评价值为所述第一调整值对应的指标评价值和M个参考指标评价值中最大的指标评价值，则执行所述将所述第二调整值作为所述第一工艺参数的推荐值的步骤。
在上述方法中，若第二调整值对应的指标评价值大于第一调整值对应的指标评价值和M个参考评价值，则使用第二调整值作为第一工艺参数的推荐值；若第二调整值对应的指标评价值不为第一调整值对应的指标评价值和M个参考指标评价值中最大的指标评价值，则将其中最大的指标评价值对应的工艺参数值作为第一工艺参数的推荐值。该方法能够在第一调整范围内进一步得到具体的推荐值，使得推荐值对应的产品性能指标保持最优，更好地提高推荐值的精确度同时提高产品的品质。
在第一方面又一种可能的实现方式中，所述根据所述N+1个指标评价值确定N+1个工艺参数值中的第一调整值，包括：
确定所述N+1工艺参数值中每个工艺参数值对应的指标评价值；
选择N+1个指标评价值中最大的指标评价值对应的工艺参数值作为第一调整值。
在上述方法中，第一调整值为N+1个工艺参数值中指标评价值最大的工艺参数值，需要先确定N+1个工艺参数值中每个工艺参数值对应的指标评价值，再将每一个指标评价值进行比较得出最大的指标评价值对应的工艺参数值，能够对N+1个工艺参数值进行初步选择，缩小了第一调整范围的范围。
需要说明的是，产品性能指标为衡量产品生产的指标，例如产品最终的产量、生产之后的产品中化学物质的浓度等；指标评价值为根据第一数学模型以及指标评价模型确定的，用于衡量某一工艺参数值对产品的性能指标的影响好坏程度，即指标评价值用于评价所述N+1个工艺参数值对应的多组产品性能指标的预测值中的每一组产品性能指标的预测值与对应的一组产品性能目标值的综合接近程度，该综合接近程度可以理解为产品性能指标的预测值越接近产品性能指标的目标值，则影响产品最终的性能指标越好（指标评价值越高）。
第二方面，本申请实施例提供了一种基于异常工况的生产工艺参数推荐的装置，该装置包括：
调整单元，用于确定第一工艺参数的第一调整范围，其中，所述第一工艺参数为影响生产中产品性能指标的可调整工艺参数，所述第一调整范围为根据设计计分卡中所述第一工艺参数的第一上限值和第一下限值确定的调整范围；
选择单元，用于从所述第一调整范围中选择N+1个工艺参数值，N为大于1的整数；
评价单元，用于将所述N+1个工艺参数值分别输入到第一数学模型，得到N+1组产品性能指标的预测值，将所述N+1组产品性能指标的预测值输入到指标评价模型得到N+1个指标评价值，其中，所述指标评价值用于评价所述N+1个工艺参数值对应的多组产品性能指标的预测值中的每一组产品性能指标的预测值与对应的一组产品性能目标值的综合接近程度；
确定单元，用于根据所述N+1个指标评价值确定N+1个工艺参数值中的第一调整值；其中，所述第一调整值为N+1个指标评价值中最大的指标评价值对应的工艺参数值；
第一确定单元，用于根据所述第一调整值确定所述产品的所述第一工艺参数的推荐值。
可以看出，当工艺参数发生异常变化时，通过推荐值预测算法预测第一工艺参数（即需要调整的可调整工艺参数）的推荐值，即在第一调整范围内选择指标评价值最大的工艺参数值作为第一工艺参数的第一调整值，再根据第一调整值进一步得到第一工艺参数的推荐值，而不是通过生产人员根据经验累计的经验手动调整工艺参数，将手动调节的工艺参数作为第一工艺参数的推荐值。该方法使得在生产工况发生复杂变化、多个可调整工艺参数需要调节的情况下，能及时且准确地获取需要调整的可调整工艺参数的推荐值，生产人员根据该推荐值调整工艺参数，提高产品的性能指标和调整效率。
需要说明的是，在复杂的工况情况下，针对需要调整的可调整工艺参数（第一工艺参数），通过预测方法选择第二调整值作为第一工艺参数的推荐值；对于需要调整的不可调整工艺参数，通常将其作为异常参数，使用异常参数的异常预测值进行生产；对于不需要调整的参数，可以理解为正常工况下的参数，使用标杆工况计分卡中工艺参数目标值进行生产（即最大的产品性能指标对应的工艺参数值）。
需要说明的是，指标评价值用于评价工艺参数对应的多组产品性能指标的预测值中的每一组产品性能指标的预测值与对应的一组产品性能目标值的综合接近程度，可以理解为将每一组产品性能指标的预测值与每一组产品性能指标的目标值进行接近程度的比较，最后将得到的多个比较结果作为综合接近程度，越接近则对应的指标评价值越高。
在第二方面的一种可能的实现方式中，在所述将所述N+1个工艺参数值分别输入到第一数学模型，得到N+1组产品性能指标的预测值方面，所述评价单元具体用于：
确定第二工艺参数的第一参考值，其中，所述第一参考值为标杆工况计分卡中所述第二工艺参数的目标值；
确定第三工艺参数的第二参考值，以及第四工艺参数的异常预测值，其中，所述第三工艺参数的类型为所述可调整工艺参数，所述第四工艺参数的类型为不可调整工艺参数，所述第二工艺参数、第三工艺参数值、第四工艺参数、第一工艺参数属于所述第一数学模型的自变量集合；
若所述第三工艺参数存在所述推荐值，则所述第二参考值为所述第三工艺参数的推荐值，若所述第三工艺参数不存在推荐值，则所述第二参考值为所述第三工艺参数的目标值，其中，所述第三工艺参数的目标值为所述标杆工况计分卡中所述第三工艺参数的目标值；
将所述N+1个工艺参数值、所述第一参考值、所述第二参考值和所述第四工艺参数的异常预测值分别输入到所述第一数学模型，得到N+1组产品性能指标的预测值。
可以看出，在出现复杂工况时，工艺参数的类型可能包括正常工况下对应的不需要调整的参数、异常工况下的需要调整的可调整工艺参数、异常工况下的需要调整的不可调整工艺参数，其中，第一工艺参数为正在进行产品性能指标的预测值计算的工艺参数；第二工艺参数为正常工况下对应的不需要调整的工艺参数；第三工艺参数为异常工况发生时，可能为已完成推荐值算法的第一工艺参数的推荐值或未完成推荐值算法的第一工艺参数的缺省值（工况计分卡的目标值），此时对第三工艺参数进行判断，若存在推荐值就用推荐值，若不存在推荐值就用目标值；第四工艺参数为异常工况下的不可调整工艺参数。
具体地，第一数学模型的自变量集合通常为第一工艺参数、第二工艺参数、第三工艺参数、第四工艺参数的集合。在计算某一个第一工艺参数的第一调整范围的N+1个工艺参数值的产品性能指标的预测值时，需要先确定自变量集合中除该第一工艺参数之外的其余工艺参数的计算初始值，可以理解为若第三工艺参数存在推荐值，则将推荐值作为第三工艺参数的计算初始值，若其余第三工艺参数不存在推荐值，则将目标值作为第三工艺参数的计算初始值；第二工艺参数则使用标杆工况计分卡中的目标值作为计算初始值；第四工艺参数则使用异常预测值作为计算初始值。该方法考虑了产品性能指标的预测值受产品的所有工艺参数的影响，在计算调整范围内某一个工艺参数值的产品性能指标的预测值时，同时也预先设置了其余工艺参数的取值，使得产品性能指标的预测值的计算更精准。
在第二方面又一种可能的实现方案中，针对所述第一数学模型中的自变量集合中的第一工艺参数执行所述产品性能指标的预测值的参数计算操作，若所述第三工艺参数的第二参考值不存在推荐值，则所述不存在推荐值的第三工艺参数执行所述产品性能指标的预测值的参数计算操作流程，所述第三工艺参数的参数计算操作流程与所述第一工艺参数的参数计算流程相同。需要说明的是，自变量集合中的每一个还未存在推荐值的第三工艺参数均执行产品性能指标的预测值的参数计算操作，该参数计算操作与第一工艺参数的参数计算操作相同，直至自变量集合中的每一个可调整工艺参数均存在推荐值为止。
在第二方面的又一种可能的实现方式中，所述选择单元具体用于：
从所述第一调整范围中确定N-1个等分点；
将所述N-1个等分点及所述第一调整范围的所述第一上限值和所述第一下限值确定为N+1个工艺参数值。
需要说明的是，在获取需要调整的可调整工艺参数（即第一工艺参数）的第一调整范围之后，需要在第一调整范围内确定N-1个等分点（N为大于1的正整数），将N-1个等分点以及第一调整范围的第一上限值和第一下限值确定为N+1个工艺参数值，可以将N+1个工艺参数值中指标评价值最大的工艺参数值作为第一调整值，根据第一调整值进一步确定第一工艺参数的推荐值。
在第二方面的一种可能的实现方式中，所述第一确定单元具体用于：
若所述第一调整值为所述第一上限值或第一下限值，则将所述第一调整值作为所述第一工艺参数值的推荐值；
若所述第一调整值不为所述第一上限值或第一下限值，则将所述第一调整值进行优化得到第二调整值，根据所述第二调整值确定所述第一工艺参数的推荐值。
可以看出，第一调整值即为第一调整范围内的N+1个工艺参数值中最大的指标评价值对应的工艺参数值，若第一调整值为第一调整范围的第一上限值或第一下限值，则将第一调整值作为第一工艺参数的推荐值；若第一调整值不为第一上限值或第一下限值，则需要对第一调整值进行进一步优化得到第二调整值，再根据第二调整值确定第一工艺参数的推荐值，该方法能够在第一调整值的基础上继续精确第一调整值，得到第二调整值。
在第二方面一种可能的实现方式中，在所述将所述第一调整值进行优化得到第二调整值，根据所述第二调整值确定所述第一工艺参数的推荐值方面，所述第一确定单元具体用于：
根据所述第一调整值前后相邻的两个等分点对应的工艺参数值组成第二调整范围；
对所述第二调整范围迭代执行M次如下操作：
将所述第二调整范围划分为两个子范围；
分别将所述两个子范围的中间值输入到所述指标评价模型，得到两个指标评价值；
根据所述两个指标评价值从所述两个子范围中选择指标评价值最高的子范围作为新的所述第二调整范围；
迭代M次后的指标评价值最高的子范围的中间值作为所述第二调整值；
将所述第二调整值作为所述第一工艺参数的推荐值。
可以看出，若第一调整值不为第一上限值或第一下限值时，对第一调整值进行进一步优化得到第二调整值，具体过程为：在N+1个工艺参数值中选择第一调整值前后相邻的两个等分点对应的工艺参数值组成第二调整范围，将第二调整范围划分为两个子范围（通常为相等的两个子范围），每一个子范围的中间值对应的指标评价值作为该子范围的指标评价值，比较两个子范围的指标评价值的大小，选择指标评价值较大的子范围作为新的第二调整范围继续进行子范围的划分比较，第二调整范围和新的第二调整范围的个数之和为M次（总共迭代M次）。
需要说明的是，迭代M次的次数可调节，若需要第二工艺参数更准确，可以将M值设置得更大。该方法进一步地精确了第一调整值，迭代M次不断缩小第二调整范围的大小，在迭代的最后一次得到的指标评价值更大的范围中选择该范围的中间值作为第二调整值，能够得到更为精确的工艺参数的推荐值，更好地提高推荐值的精确度。
需要说明的是，该方法中，直接将第二调整值作为第一工艺参数的推荐值的条件为：第二调整值对应的指标评价值大于第一调整值对应的指标评价值和M个参考评价值，在复杂的工况下，多个工艺参数需要调整时，每一个可调整工艺参数对应一个第一调整值，多个第一调整值中会出现某一第一调整值为第一下限值或第一上限值的情况，也可以出现某一第一调整值对应的指标评价值大于第二调整值对应的指标评价值和M个参考评价值的情况，还可以出现别的情况，在实际生产的过程中，需要调整的可调整工艺参数过多时，整个生产过程中上述多种可能性可能会出现在不同的工艺参数上，因此该方法中直接使用第二调整值作为第一工艺参数的推荐值，默认为该生产过程中会出现第二调整值对应的产品性能指标最优的情况。
在第二方面又一种可能的实现方式中，所述装置还包括：
比较单元，用于在所述将所述第二调整值作为所述第一工艺参数的推荐值之前，比较所述第一调整值对应的指标评价值和M个参考指标评价值，其中所述M个参考指标评价值中的每个参考指标评价值为一轮迭代后得到两个子范围的中间值对应的两个指标评价值中较大的一个指标评价值，所述中间值为所述子范围中居中的工艺参数值；
第二确定单元，用于若所述第二调整值对应的指标评价值不为所述第一调整值对应的指标评价值和M个参考指标评价值中最大的指标评价值，则将其中最大的指标评价值对应的工艺参数值作为所述第一工艺参数的推荐值；
所述第一确定单元，具体用于若所述第二调整值对应的指标评价值为所述第一调整值对应的指标评价值和M个参考指标评价值中最大的指标评价值，则执行所述将所述第二调整值作为所述第一工艺参数的推荐值的步骤。
可以看出，若第二调整值对应的指标评价值大于第一调整值对应的指标评价值和M个参考评价值，则使用第二调整值作为第一工艺参数的推荐值；若第二调整值对应的指标评价值不为第一调整值对应的指标评价值和M个参考指标评价值中最大的指标评价值，则将其中最大的指标评价值对应的工艺参数值作为第一工艺参数的推荐值。该方法能够在第一调整范围内进一步得到具体的推荐值，使得推荐值对应的产品性能指标保持最优，更好地提高推荐值的精确度同时提高产品的品质。
第三方面，本申请实施例提供了一种电子设备，包括收发器、处理器和存储器，上述存储器用于存储计算机程序，上述处理器调用上述计算机程序，用于执行本申请实施例第一方面或第一方面的任意一种基于异常工况的生产工艺参数推荐方法。
第四方面，本申请实施例提供了一种计算机存储介质，该计算机存储介质存储有计算机程序，该计算机程序被处理器执行时，实现本申请实施例第一方面或第一方面的任意一种基于异常工况的生产工艺参数推荐的方法。
第五方面，本申请实施例提供了一种计算机程序产品，当该计算机程序产品在电子设备上运行时，使得该电子设备执行本申请实施例第一方面或第一方面的任意一种基于异常工况的生产工艺参数推荐的方法。
第六方面，本申请实施例提供一种电子设备，该电子设备包括执行本申请任一实施例所介绍的方法或装置。上述电子设备例如为芯片。
应当理解的是，本申请中对技术特征、技术方案、有益效果或类似语言的描述并不是暗示在任意的单个实施例中可以实现所有的特点和优点。相反，可以理解的是对于特征或有益效果的描述意味着在至少一个实施例中包括特定的技术特征、技术方案或有益效果。因此，本说明书中对于技术特征、技术方案或有益效果的描述并不一定是指相同的实施例。进而，还可以任何适当的方式组合本实施例中所描述的技术特征、技术方案和有益效果。本领域技术人员将会理解，无需特定实施例的一个或多个特定的技术特征、技术方案或有益效果即可实现实施例。在其他实施例中，还可在没有体现所有实施例的特定实施例中识别出额外的技术特征和有益效果。
附图说明
以下对本申请实施例用到的附图进行介绍。
图1是本申请实施例提供的一种基于异常工况的生产工艺参数推荐方法的装置10的结构示意图；
图2是本申请实施例提供的一种基于异常工况的生产工艺参数推荐方法的流程示意图；
图3为本申请实施例提供的一种关于获取第一工艺参数的场景示意图；
图4为本申请实施例提供的一种确定生产时间工艺参数的第一调整范围内的N+1个工艺参数值的场景示意图；
图5为本申请实施例提供的一种确定生产时间工艺参数的第一调整范围内的11个工艺参数值的场景示意图；
图6为本申请实施例提供的一种使用区块链存储产品数据的场景示意图；
图7为本申请实施例提供的一种循环次数第1次时对应的第二调整范围的场景示意图；
图8为本申请实施例提供的一种循环次数第2次时对应的第二调整范围的场景示意图；
图9为本申请实施例提供的一种循环次数第3次时对应的第二调整范围的场景示意图；
图10为本申请实施例提供的一种基于异常工况的生产工艺参数推荐方法的装置100的结构示意图。
具体实施方式
下面将结合附图对本申请实施例中的技术方案进行清楚、更加详细地描述。本申请实施例的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释，而非旨在限定本申请。
请参见图1，图1是本申请实施例提供的一种基于异常工况的生产工艺参数推荐方法的装置10的结构示意图。装置10包括处理器101、存储器102、计分器103、指标评价器104、参数推荐器105。生产设备的存储器102中通常存储有计算机存储程序或数据，例如包括生产时各个参数的取值和运行时缓存的相关数据等，处理器101调用存储器102中存储的计算机程序或数据进行生产，通常选择生产工艺参数对应的工艺参数的目标值（最优的产品性能指标对应的工艺参数）进行生产，使生产的产品性能指标保持最优。
但在复杂的工况生产条件下，生产工艺参数会随着工况的异常变化而发生变化，导致部分参数无法继续使用工艺参数的目标值进行生产，因此生产的产品性能指标会降低。若继续使用变化的工艺参数值可能导致产品具有较低的产品性能指标。为了让产品的性能指标保持在较高的水准，通常生产人员根据自身积累的历史经验手动调节，但这样会导致调节不及时且不准确、降低产品的生产效率。此外，需要调整的工艺参数无法继续使用原来的工艺参数目标值进行生产，这些需要调节的变化的工艺参数中包括可调整工艺参数Xm（m为大于等于1的正整数）和不可调整工艺参数Xn（n为大于等于1的正整数），其中，不可调整工艺参数为异常参数，只能使用异常参数的异常预测值进行生产，若生产人员强行将需要调整的参数调整为工艺参数的目标值（该目标值为标杆工况计分卡中的目标值），可能会导致生产无法继续或危险性事故，或生产的产品性能指标降低；此外，若生产人员依据自身经验给可调整工艺参数任意赋值，可能会导致生产的产品性能指标降低。因此，本申请实施例在上述方法的基础上对上述方法做出了改进，具体过程如下：
假设生产过程有e个流程（e为大于1的正整数），其中，e个流程中的某一个流程可以表示为流程Pb（1≤b≤e）。当生产进度到达流程Pk（1≤k≤e）时，若流程Pk的工艺参数发生异常（k为e范围内中的某一整数），确认需要调整工艺参数的流程为Pi（k≤i≤e），确认已经正常运行不需要优化的流程Pf（1≤f≤k-1）。如图1所示，存储器102中可以存储产品生产时缓存的相关数据或程序，处理器101调用存储器102中存储的相关程序或数据进行生产，同时计分器103中包括标杆工况计分卡和设计计分卡，其中，设计计分卡中存储了关于第一工艺参数（即需要调整的可调整工艺参数）的第一上限值和第一下限值，得到第一工艺参数的第一调整范围；标杆工况计分卡中存储产品性能指标的目标值、工艺参数的目标值等数据。
需要说明的是，不需要优化的流程Pf对应不需要调整的参数Xa（a为大于等于1的正整数），即不需要调整的参数Xa始终使用正常工况下的标杆工况计分卡中的工艺参数目标值生产；但在需要调整工艺参数的流程Pi（k≤i≤e）对应的需要调整的工艺参数中，需要调整的工艺参数的类型包括不可调整工艺参数Xn（n为正整数）和可调整工艺参数Xm（m为正整数）；若为不可调整工艺参数Xn，则使用不可调整工艺参数Xn通过算法预测获得的不可调整工艺参数Xn的异常参数的预测值进行生产，对于可调整工艺参数Xm（即第一工艺参数），需要获取可调整工艺参数Xm对应的使得产品性能指标最优的工艺参数值，并将该工艺参数值作为可调整工艺参数Xm的推荐值进行生产。
在选择可调整工艺参数Xm的最高指标评价值对应的推荐值时，通常需要在第一调整范围中选择多个工艺参数值，如图1所示，指标评价器104中包括第一数学模型和指标评价模型，通过推荐算法将多个工艺参数值中的每一个工艺参数值代入第一数学模型获得一组产品性能指标的预测值，将每一组产品性能指标的预测值和产品性能指标的目标值，代入指标评价模型得到指标评价值，并选择出第一调整值（即最大的指标评价值对应的工艺参数值），若第一调整值为第一上限值或第一下限值，则使用参数推荐器105将第一调整值作为第一工艺参数的推荐值，若第一调整值不为第一上限值或第一下限值，则对第一调整值进行进一步优化得到第二调整值，再将第二调整值对应的指标评价值、第一调整值对应的指标评价值以及优化迭代过程中每一次迭代的最大的指标评价值进行比较，选择出指标评价值最大的工艺参数值，如图1所示，通过参数推荐器105将指标评价值最的工艺参数值作为第一工艺参数的推荐值，该方法能够通过推荐方法向生产设备推荐指标评价值最大的工艺参数值作为推荐值，不断地缩小第一调整范围，使得推荐值更为精确，并确保了产品生产的性能指标以及效率。
下面对方法的具体流程展开描述：
请参见图2，图2是本申请实施例提供的一种基于异常工况的生产工艺参数推荐方法的流程示意图，该方法可以基于图1所示的装置10来实现，或者基于其他架构来实现，该方法包括但不限于如下步骤：
S201:确定第一工艺参数的第一调整范围。
确定第一工艺参数（需要调节的可调整工艺参数）的第一调整范围，也就是确定第一工艺参数的可选的工艺参数值的具体范围，第一调整范围为用于确定第一工艺参数的推荐值的调整范围。
在一些实施例中，在正常工况下，工艺参数的初始设置值为了达到最优的产品性能指标设置的目标值，实际值为在生产过程中工艺参数受复杂工况的影响从而偏离目标值的取值。其中，产品性能指标可以理解为产品生产之后的产品浓度或者产品产量等，初始设置值可以理解为工艺参数的目标值，即表征标杆工况计分卡中使得产品性能指标最优时对应的工艺参数的取值。如表1所示，表1为本申请实施例提供的一种关于生产过程中的多个工艺参数变化数据的参数表，例如工艺参数为生产时间时，在正常工况下，初始设置值为712.526（单位可以为分钟或秒等）；工艺参数为投大豆油量时，初始设置值为107.960（单位可以为千克或克等），对于其余工艺参数的设置值依次类推，不再赘述。
随着工况发生复杂的变化，各个工艺参数的实际值会发生变化，例如工艺参数为生产时间时，实际值变为714.991（单位可以为分钟或秒等）；工艺参数为投大豆油量时，实际值为107.992（单位可以为千克或克等），对于其余工艺参数的实际值依次类推，不再赘述。
名称 设置值（目标值） 实际值 标杆工况参数上下限范围
生产时间 712.526 714.991 [710.000,715.000]
投大豆油量 107.960 107.992 [107.000,108.000]
加氢量 218.004 219.715 [218.000,220.000]
加水量 76.000 76.009 [75.000,77.000]
通氢压力 294.000 210.000 [290.000,298.000]
通氢时间 59.500 59.431 [59.000，59.600]
水解温度 89.535 89.771 [89.000,90.000]
水解油水比 1.250 1.261 [1.240,1.270]
水解时间 664.820 664.339 [664.000,664.900]
表1
下面对第一工艺参数（可调整工艺参数）进行说明：
在一些实施例中，从需要调整的流程中确定第一工艺参数。也就是说，需要调整的流程中包括可调整工艺参数（即第一工艺参数）和不可调整工艺参数（即第四工艺参数），不需要调整的正常工况下的流程对应的参数值为第二参数值。通常在生产的工程中，在工况发生复杂变化的情况下，在生产过程中参数配置上会显示可调整工艺参数和不可调整工艺参数。引用上述假设例子，生产过程有Pe个流程（e为大于1的正整数），需要调整工艺参数的流程为Pi（k≤i≤e），例如当P（e=5）（总流程为5个流程，即p1、p2、p3、p4、p5）时，当其中P（k=3）（即p3）流程的工况对应的工艺参数发生异常，则已经生产的正常流程为p1、p2，正常工况下的流程对应的参数值为第二参数值，即p1和p2流程对应的参数值为标杆工况计分卡中的目标值；需要优化的流程为p3、p4、p5，上述需要优化的3个流程中对应的工艺参数若为9个，具体地，如图3所示，3个需要优化的生产流程中的9个工艺参数可以包括：生产时间、投大豆油量、加氢量、加水量、通氢压力、通氢时间、水解温度、水解油水比、水解时间。
需要说明的是，工艺参数的实际值发生变化后，若该工艺参数的实际值在标杆工况数据库的工艺参数的上下限的范围内，通常将该工艺参数视作可调整工艺参数（第一工艺参数）；若该工艺参数的实际值在标杆工况数据库的工艺参数的上下限的范围之外，通常将该工艺参数视作超出调节范围的异常参数，在生产过程中使用异常参数的预测值进行生产。举例来说，对于第四工艺参数而言，第四工艺参数可以为表1中所示的通氢压力，其中，通氢压力的大小为210（单位可以为Pa），对应的，通氢压力的标杆工况上下限范围为[290.000,298.000]，通氢压力的大小低于该范围，也就是说通氢压力此时的取值在标杆工况上下限范围之外，此时，氢气压力由基础设施的生产设备的产能决定不能被生产人员调整，通常会对生产氢气的装置的压力进行连续时间的预测，得到氢气压力在本批次生产时间段的预测压力值，代入模型进行计算，需要说明的是，此处的模型可以为第一数学模型或对第一数学模型进行异常推荐算法优化后的第二数学模型或重新进行异常推荐值学习的第三数学模型，本申请实施例对第二数学模型或第三数学模型的具体内容不展开描述。对于可调整工艺参数（第一工艺参数）而言，通常可调整工艺参数存在一个可调整的范围，即标杆工况数据库的工艺参数的上下限的范围，该可调整范围内存在多个工艺参数值，选择最优的产品性能指标对应的工艺参数值作为第一工艺参数的第一调整值，再根据第一调整值进一步得到第一工艺参数的推荐值。
表1所示的9个工艺参数中包括可调整工艺参数Xm（即正常、可变的第一工艺参数）和不可调整工艺参数Xn（即异常、不可变的第四工艺参数），如图3所示，图3为本申请实施例提供的一种关于获取第一工艺参数的场景示意图，对于可调整工艺参数Xm（即第一工艺参数），例如可以为生产时间、投大豆油量、加氢量、加水量、通氢时间、水解温度、水解油水比、水解时间等；不可调整工艺参数Xn（第四工艺参数）作为不可调整的异常参数，例如通氢压力等。举例来说，在需要调整的流程中的可调整工艺参数（即第一工艺参数）为Xm，m∈[1,8]，即第一工艺参数的数量为8个，可以理解为m=1时，X1=生产时间；m=2时，X2=投大豆油产量；m=3时，X3=加氢量；同理，X4=加水量、X5=通氢时间、X6=水解温度、X7=水解油水比、X8=水解时间，本申请实施例的通过推荐值预测算法得到推荐值，该过程针对第一工艺参数展开，不包括不可调整工艺参数、无需调整参数或异常参数等。
下面对第一工艺参数的第一调整范围展开描述：
在一些实施例中，通过计分器103中的设计计分卡选取第一工艺参数的第一上限值（upper spec limit，USL）和第一下限值（lower spec limit，LSL），以确定每一个第一工艺参数对应的第一调整范围Hm∈（LSL，USL），m的数值表征第一工艺参数的总数量。可以理解地是，每一个第一工艺参数对应一个可调节的范围（包括第一上限值USL和第一下限值LSL），不同的第一工艺参数的调整范围可以相同，也可以不同，本申请实施例对此不做限定。需要说明的是，第一工艺参数的目标值是直接从计分器103的设计计分卡中直接获取的，为在生产前就已经存储的数据，也可以通过其余方式获取，本申请实施例对此不做限定。例如表1所示，工艺参数为生产时间时，可调整范围H1可以为[710.000,715.000]；工艺参数为投大豆油量时，可调整范围H2可以为[107.000,108.000]；工艺参数为加氢量时，可调整范围H3可以为[218.000,220.000]；工艺参数为加水量时，可调整范围H4可以为[75.000,77.000]；工艺参数为通氢时间时，可调整范围H5可以为[59.000，59.600]；工艺参数为水解温度时，可调整范围H6可以为[89.000,90.000]；工艺参数为水解油水比时，可调整范围H7可以为 [1.240,1.270]；工艺参数为水解时间时，可调整范围H8可以为[664.000,664.900]。
下述方法流程选择第一工艺参数X1=生产时间的情况进行分析。
S202:从第一调整范围中选择N+1个工艺参数值。
在第一调整范围内选择某一工艺参数值时，若工艺参数值的产品性能指标越接近于产品性能指标的目标值，表明该工艺参数值的生产效果越好，保障了生产时的产品性能，需要说明的是，在第一调整范围内选择N+1个工艺参数值时，可以为任意选取，也可以在第一调整范围内划分N-1个等分点进行选取，还可以为其余方式选取，本申请实施例对此不做限定。在本申请实施例中选择在第一调整范围内划分N-1个等分点的方式进行分析。
在一些实施例中，从第一调整范围中选择N+1个工艺参数值，包括：从第一调整范围中确定N-1个等分点；将N-1个等分点及第一调整范围的第一上限值和第一下限值确定为N+1个工艺参数值。如图4所示，图4为本申请实施例提供的一种确定生产时间工艺参数的第一调整范围内的N+1个工艺参数值的场景示意图。在第一工艺参数X1：生产时间的第一调整范围内选取N-1个等分点，即1、2、3、4...N-3、N-2、N-1，并将第一调整范围的第一下限值LSL、第一上限值USL与N-1个等分点对应的工艺参数共同作为N+1个工艺参数值，N+1个工艺参数值分别为d1、d2、d3、...、dN、dN+1。第一工艺参数为生产时间时，可调整范围H1可以为[710.000,715.000]，则图4中的LSL=710.000，USL=715.000。需要说明的是，若第一工艺参数为其余类型的参数，例如投大豆油产量，则第一调整范围的第一下限值与第一上限值根据投大豆油产量的第一调整范围H2[107.000,108.000]来确定，即LSL=107.000、USL=108.000，同理，对投大豆油产量的第一调整范围内划分N-1个等分点，具体过程不再赘述。需要说明的是，不同的第一工艺参数对应的N-1个等分点的数量可以不同，也可以相同，本申请实施例对此不做限定。
本申请实施例中选择第一工艺参数为生产时间，N=10的情况来进行分析。
举例来说，如图5所示，图5为本申请实施例提供的一种确定生产时间工艺参数的第一调整范围内的11个工艺参数值的场景示意图。如图所示，生产时间工艺参数的第一调整范围的第一下限值和第一上限值对应的两个工艺参数分别为：d1=710.000（即LSL）、d11=715.000（即USL），在其中加入10-1=9个等分点，将第一调整范围等分成10段，其中，9个等分点对应的9个工艺参数分别为：d2=710.500、d3=711.000、d4=711.500、d5=712.000、d6=712.500、d7=713.000、d8=713.500、d9=714.000、d10=714.500。因此，得到生产时间工艺参数的第一调整范围内的11个工艺参数值。
需要说明的是，生产时间工艺参数的第一调整范围内的11个工艺参数值为可选的工艺参数值，需要分别计算11个工艺参数值中每一个工艺参数值的指标评价值，以确定生产指标评价值最大的工艺参数值，下面对计算工艺参数的指标评价值展开描述：
S203:将N+1个工艺参数值分别输入到第一数学模型，得到N+1组产品性能指标的预测值，将N+1组产品性能指标的预测值输入到指标评价模型得到N+1个指标评价值。
第一调整范围内的N+1个工艺参数值中的每一个工艺参数值均需要计算对应的指标评价值，指标评价值用于评价工艺参数对应的多个产品性能指标的预测值中的每一个产品性能指标的预测值与对应的产品性能目标值的综合接近程度，可以理解为将每一个产品性能指标的预测值与每一个产品性能指标的目标值进行接近程度的比较，最后将得到的多个比较结果作为综合接近程度，越接近则对应的指标评价值越高。需要说明的是，每一个第一工艺参数对应多个产品性能指标的预测值Y预测=Y1~Yj，其中，每一个产品性能指标的预测值Yj对应一个产品性能Yj目标值，每一个产品性能指标的预测值对应的目标值可以相同，也可以不同，本申请实施例对此不做限定。需要说明的是，产品性能目标值为使得生产的性能达到最好状态时（例如产量最高、效率最高、有效浓度最浓等）对应的产品性能值，该产品性能指标值可以从计分器103的标杆工况计分卡中获取，也可以通过其余方式获取，本申请实施例对此不做限定。
下面对计算工艺参数值的指标评价值作出具体介绍：
产品性能指标的预测值用于表征在选择N+1个工艺参数值中的某一工艺参数值作为第一工艺参数的可选的工艺参数值情况下，此时生产的产品性能指标值的大小。具体地，Y预测=Y1~Yj，其中，j为大于等于1的正整数，用于衡量产品性能指标的个数，可以理解为存在多个产品性能指标，若生产之后的产品性能指标为产品产量、含硫量的浓度、含氧量的浓度，杂质的质量，则j=4，即Y1=产品产量、Y2=含硫量的浓度、Y3=含氧量的浓度、Y4=杂质的质量。可以理解地，产品性能指标值的目标值个数也为j，即Y1=产品产量、Y2=含硫量的浓度、Y3=含氧量的浓度、Y4=杂质的质量，这4个产品性能指标分别对应4个产品性能指标值的目标值。
在一些实施例中，将N+1个工艺参数值分别输入到第一数学模型，得到N+1组产品性能指标的预测值，具体过程包括：确定第二工艺参数的第一参考值，其中，第一参考值为标杆工况计分卡中第二工艺参数的目标值；确定第三工艺参数的第二参考值，以及第四工艺参数的异常预测值，其中，第三工艺参数的类型为可调整工艺参数，第四工艺参数的类型为不可调整工艺参数，所述第二工艺参数、第三工艺参数、第四工艺参数、第一工艺参数属于所述第一数学模型的自变量集合；若第三工艺参数存在所述推荐值，则第二参考值为所述第三工艺参数值的推荐值，若第三工艺参数值不存在推荐值，则第二参考值为所述第三工艺参数值的目标值，其中，第三工艺参数的目标值为所述标杆工况计分卡中第三工艺参数的目标值；将N+1个工艺参数值、第一参考值、第二参考值和第四工艺参数的异常预测值分别输入到所述第一数学模型，得到N+1组产品性能指标的预测值。
具体地，Y预测=Y1~Yj=F1（X1、X2、X3、...、Xm+n）~Fj（X1、X2、X3、...、Xm+n），其中，F函数的括号内的自变量为X1至Xm+n，m+n的数量为不需要调整的参数、可调整工艺参数和不可调整工艺参数的总数量，即在计算F时，括号内的自变量为生产流程中所有工艺参数之和，F为第一数学模型中的评价函数，在此对该函数的具体公式不做限定，该函数F用于表征当自变量为X1、X2、X3、...、Xm+n时，产品性能指标的预测值的大小，可以理解地，j用于衡量产品性能指标的个数，同时也用于衡量产品性能指标的预测值的个数，即Y1的预测值为F1、Y2的预测值为F2，Yj的预测值为Fj以此类推，不再赘述。
具体地，在计算Y预测=Y1~Yj=F1（X1、X2、X3、...、Xm+n）~Fj（X1、X2、X3、...、Xm+n）时，计算某一第一工艺参数的产品性能指标的预测值时，需要先设定第一数学模型的自变量集合中其余工艺参数的计算初始值，也就是说，若此时正在进行产品性能指标的预测值计算的工艺参数为X1，则X2、X3、...、Xm+n为需要设置计算初始值的参数，可以理解地，此时计算X1（第一工艺参数）第一调整范围内的N+1个工艺参数中的某一工艺参数值的产品性能指标的预测值，N+1个工艺参数值即d1、d2、d3、...、dN、dN+1，具体来说，针对正在进行产品性能指标的预测值计算的第一工艺参数，分别将N+1个工艺参数代入F之中计算，即第一工艺参数X1：生产时间的第一调整范围内的d1工艺参数值的Y预测=Y1~Yj=F1（d1、X2、X3、...、Xm+n）~Fj（d1、X2、X3、...、Xm+n），其中，在设置X2、X3、...、Xm+n多个工艺参数的计算初始值的过程中，针对不需要调整的参数Xa（即第二工艺参数）使用标杆工况计分卡中的目标值进行计算初始值设置，针对不可调整工艺参数Xn（即第四工艺参数），则使用原本的不可调整工艺参数Xn的异常参数的预测值进行预测计算，针对可调整参数Xm（即第三工艺参数），第三工艺参数的种类为可调整工艺参数，若第三工艺参数存在推荐值，则使用推荐值进行计算，若第三工艺参数不存在推荐值，则使用标杆工况计分卡中的目标值进行预测计算。由此，可以得到第一工艺参数X1：生产时间的第一调整范围内的d2工艺参数的Y预测=Y1~Yj=F1（d2、X2、X3、...、Xm+n）~Fj（d2、X2、X3、...、Xm+n），由此还可以求出N+1个工艺参数d1、d2、d3、...、dN、dN+1中每一个工艺参数对应的Y预测值，具体步骤与d1类似，不再赘述。
举例来说，上述需要优化的3个流程中对应的工艺参数若为9个，其中，如图3所示，第一工艺参数（正常参数、可变）为8个（生产时间、投大豆油量、加氢量、加水量、通氢时间、水解温度、水解油水比、水解时间），不可调整工艺参数（异常参数、不可变）为1个（通氢压力），则针对8个第一工艺参数的产品性能指标的的预测值的计算公式为：Y预测=Y1~Yj=F1（X1、X2、X3、...、X9）~Fj（X1、X2、X3、...、X9），其中假设X1~X8为第一工艺参数，X9为不可调整工艺参数，如图5所示，则在分别计算工艺参数X1：生产时间的第一调整范围内的的11个工艺参数值d1~d11时，由于此时是针对生产时间X1的第一调整范围内的多个工艺参数值进行产品性能指标的预测值的计算，需要设置X2~X9参数值的计算初始值，在X2~X9多个工艺参数中，针对不可调整工艺参数X9（即第四工艺参数），则使用原本的不可调整工艺参数X9的异常参数的预测值进行预测计算，针对可调整工艺参数X2~X8（即第三工艺参数），若第三工艺参数存在推荐值，则第三工艺参数的第二参考值使用推荐值进行计算，若第三工艺参数不存在推荐值，则第三工艺参数的第二参考值为计分器103的标杆工况计分卡中存储的工艺参数的目标值进行预测计算，在给X2~X9参数的计算初始值赋值之后，分别计算生产时间工艺参数X1的第一调整范围的11个工艺参数值d1~d11的Y预测，生产时间的第一调整范围内的d1工艺参数的Y预测=Y1~Yj=F1（d1、X2、X3、...、X9）~Fj（d1、X2、X3、...、X9）；生产时间的第一调整范围内的d2工艺参数的Y预测=Y1~Yj=F1（d2、X2、X3、...、X9）~Fj（d2、X2、X3、...、X9），其余工艺参数值的Y预测的计算的具体步骤与d1类似，以此类推，不再赘述。
需要说明的是，区块链是一种按照时间顺序将数据区块以顺序相连的方式组合成的一种链式数据结构，本申请实施例中，在第一数学模型的自变量集合X1~Xm+n中，X1~Xm+n包括不需要调整的参数（第二工艺参数）、可调整工艺参数（第一工艺参数）和不可调整工艺参数（第四工艺参数），因此可以将第一工艺参数、第二工艺参数、第四工艺参数对应的数据区块分别按照时间顺序，且以顺序相连的方式组合成的一种链式数据结构，该链式数据作为第一数学模型的自变量集合中的相关数据存储，则在计算某一第一工艺参数的产品性能指标的预测值时，可以先设置其余参数的计算初始值，再进行第一工艺参数的第一调整范围内的N+1个工艺参数值的产品性能指标的预测值的计算，多个自变量集合彼此之间互不影响，分块存储，具有去中心化的特点。
具体地，如图6所示，图6为本申请实施例提供的一种使用区块链存储产品数据的场景示意图。当第一数学模型中的自变量的数量n+m=9时，假设此时工艺参数X1为第一工艺参数，即正在进行产品性能指标的预测值计算的可调整工艺参数，X2~X8为第三工艺参数，即需要设置计算初始值的可调整工艺参数，X9为第四工艺参数，即不可调整工艺参数。在一种可能的情况中，假设X2与X3为存在推荐值的工艺参数，X4~X8为不存在推荐值的工艺参数。则此时第一数据区块中存储有包括关于第一工艺参数X1第一调整范围内的11个工艺参数值d1~d11等数据；第二数据区块中存储有包括第三工艺参数X2已使用推荐值算法得到的推荐值等数据；第三数据区块中存储有包括第三工艺参数X3已使用推荐值算法得到的推荐值等数据；第四数据区块中存储有包括第三工艺参数X4的第一调整范围内的N+1个工艺参数值等数据；第五数据区块中存储有包括第三工艺参数X5的第一调整范围内的N+1个工艺参数值等数据；第六数据区块中存储有包括第三工艺参数X6的第一调整范围内的N+1个工艺参数值等数据；第七数据区块中存储有包括第三工艺参数X7的第一调整范围内的N+1个工艺参数值等数据；第八数据区块中存储有包括第三工艺参数X8的第一调整范围内的N+1个工艺参数值等数据；第九数据区块中存储有包括第四工艺参数X9异常参数的异常预测值等数据。第一数据区块至第九数据区块这九个数据区块是一种按照时间顺序将数据区块以顺序相连的方式组合成的一种链式数据结构，多组数据在不同的数据区块的存储彼此互不干扰，分开存储互不影响，具有去中心化的特点。
在确定第一工艺参数（生产时间）的第一调整范围内的N+1个工艺参数值中的每一个工艺参数值的产品性能指标的预测值之后，以确定每一个工艺参数值的指标评价值，具体步骤如下：
在一些实施例中，通过第一数学模型计算每一个第一工艺参数对应的产品性能指标的预测值，将产品性能指标的预测值输入指标评价模型中得到指标评价值P，具体地，根据每组产品性能指标的预测值和对应的每组产品性能指标的目标值得到指标评价值P，可以理解为，计算每一个工艺参数的一组产品性能指标的预测值，将该组产品性能指标的预测值与对应的一组产品性能目标值作比较，若某一工艺参数的一组产品性能指标的预测值越接近于对应的一组产品性能目标值，则该工艺参数的指标评价值越大，由此得到每一个工艺参数的指标评价值，具体过程不再赘述。处理器101通过计分器103的标杆工况计分卡获取关于产品性能指标的多个目标值Y1~Yj目标，多个目标值在生产前已存储在计分器103的标杆工况计分卡中，用于表征使得产品性能指标最优（例如产量最多、含有害物质最少等）时对应的产品性能指标。需要说明的是，计算某一个第一工艺参数的产品性能指标的预测值的公式为： Y预测=Y1~Yj，j用于衡量产品性能指标的个数，也可以用于衡量产品性能指标的预测值的个数，还可以同于衡量产品性能指标的目标值的个数，即Y1的预测值为F1、目标值为Y1目标；Y2的预测值为F2、目标值为Y2目标；Yj的预测值为Fj、Yj的目标值为Yj目标，依次类推，不再赘述。
具体地，在计算第一调整范围内的某一工艺参数值的指标评价值P时，将该某一工艺参数值的产品性能指标的一组预测值Y预测=Y1~Yj与产品性能指标的一组目标值=Y1~Yj目标进行比较，可以理解为Y1预测与Y1目标比较、Y2预测与Y2目标比较...Yj预测与Yj目标比较，最后得出一组预测值与一组目标值对比的综合结果，若该某一工艺参数的一组产品性能指标的预测值越接近于对应的一组产品性能指标的目标值，则该工艺参数的指标评价值越大，指标评价值可以理解为评价分数（例如可以为0分~100分）。
举例来说，如图5所示，针对第一工艺参数为生产时间的第一调整范围内的11个工艺参数值的指标评价值，生产时间的第一调整范围内的d1工艺参数的Y预测=Y1~Yj=F1（d1、X2、X3、...、X9）~Fj（d1、X2、X3、...、X9）与Y目标=Y1~Yj目标进行比较后，得出d1的指标评价值为89分；若生产时间的第一调整范围内的d2工艺参数的Y预测=Y1~Yj=F1（d2、X2、X3、...、X9）~Fj（d2、X2、X3、...、X9）与Y目标=Y1~Yj目标进行比较后，得出d2的指标评价值为88分，其余工艺参数值的指标评价值与上述过程一致，依次类推，不再赘述。
S204:根据N+1个指标评价值确定N+1个工艺参数值中的第一调整值。
第一调整值为N+1个指标评价值中最大的指标评价值对应的工艺参数值，可以理解为，计算某一第一工艺参数的第一范围内的每一个工艺参数值的指标评价值，将多个指标评价值互相进行比较并选择出最大的指标评价值对应的工艺参数值作为第一调整值。
举例来说，如图5所示，针对第一工艺参数为生产时间的第一调整范围内的11个工艺参数值的指标评价值P，生产时间的第一调整范围内的d1工艺参数的Y预测=Y1~Yj=F1（d1、X2、X3、...、X9）~Fj（d1、X2、X3、...、X9）与Y目标=Y1目标~Yj目标进行比较后，得出d1的指标评价值为89分；若生产时间的第一调整范围内的d2工艺参数的Y预测=Y1~Yj=F1（d2、X2、X3、...、X9）~Fj（d2、X2、X3、...、X9）与Y目标=Y1目标~Yj目标进行比较后，得出d2的指标评价值为88分，同理，得出d3工艺参数的指标评价值可以为90分、d4工艺参数的指标评价值可以为86分、d5工艺参数的指标评价值可以为99分、d6工艺参数的指标评价值可以为90分、d7工艺参数的指标评价值可以为77分、d8工艺参数的指标评价值可以为90分、d9工艺参数的指标评价值可以为89分、d10工艺参数的指标评价值可以为96分、d11工艺参数的指标评价值为90分，也可以为其余分数，本申请实施例对此不做限定。在对11个工艺参数值对应的指标评价值进行比较后，得出工艺参数d5的指标评价值99分为最大，确定d5为第一调整值。
S205:根据第一调整值确定产品的第一工艺参数的推荐值。
在选择出多个工艺参数值中的最大的指标评价值对应的第一调整值之后，该第一调整值表征在N+1个工艺参数值中，该第一调整值为使得产品性能指标最优的工艺参数值。需要说明的是，若第一调整值为第一上限值USL或第一下限值LSL，则将第一调整值作为第一工艺参数的推荐值，至此完成了发生复杂工况的情况下，得到某一第一工艺参数（可调整工艺参数）的推荐值目的，若还有其余未确定推荐值的第一工艺参数，针对未确定推荐值的第一工艺参数，通过预测算法得到其余第一工艺参数的推荐值，此时可以继续进行S201~S205的流程，完成其余第一工艺参数的推荐值的预测运算。若第一调整值不为第一上限值USL或第一下限值LSL，则将第一调整值进行优化得到第二调整值，根据第二调整值参数确定第一工艺参数的推荐值。
在一种可能的情况中，当第一工艺参数为表1中的生产时间时，N+1的数量取值为11，第一调整范围内包括d1~d11个工艺参数值，计算11个工艺参数值中每一个工艺参数值的指标评价值，选择指标评价值最大的工艺参数值作为第一调整值，若第一调整值为第一上限值或第一下限值，则将第一调整值作为第一工艺参数的推荐值，如图5所示，若d1工艺参数（即第一下限值LSL）的指标评价值或d11工艺参数（即第一上限值USL）的指标评价值为d1~d11的11个指标评价值中最大的，则选择d1工艺参数或d11工艺参数作为工艺参数X1：生产时间的推荐值，至此得到关于工艺参数X1：生产时间的推荐值，需要说明的是，上述过程在第一工艺参数为生产时间的情况下，计算了第一调整范围内的11个工艺参数值的指标评价值，并在第一调整值为d1（第一下限值）或d11（第一上限值）的情况下，完成了通过预测方法得到第一工艺参数为生产时间时的推荐值的操作，若还有其余未确定推荐值的第一工艺参数，针对未确定推荐值的第一工艺参数，通过预测算法得到第一工艺参数的推荐值，此时可以继续进行S201~S205的流程，完成其余第一工艺参数的推荐值的预测运算。
在一些实施例中，根据第一调整值确定第二调整值，可以理解为根据第一调整值前后相邻的两个等分点对应的工艺参数组成第二调整范围，并对第二调整范围迭代执行M次如下操作：将第二调整范围划分为两个子范围，分别将两个子范围的中间值输入到指标评价模型，得到两个指标评价值；根据两个指标评价值从两个子范围中选择指标评价值最高的子范围作为新的所述第二调整范围；迭代M次后的指标评价值最高的子范围的中间值作为第二调整值。需要说明的是，将第二调整范围划分为两个子范围，两个子范围的大小可以相等（例如二分法），也可以不等，本申请实施例选择范围相等的情况进行分析。可以理解的是，将第二调整范围划分为两个范围后，针对两个范围中的某一范围，可以选择该某一范围的中间值对应的指标评价值作为该某一范围的指标评价值，也可以为其余形式，本申请实施例对此不做限定。
需要说明的是，迭代M次不断地缩小第二调整范围，以得到在缩小的第二调整范围中最大的指标评价值对应的第二调整值，这样可以精确第二调整值的取值，更精确地提高生产的产品性能指标。
下面以工艺参数X1：生产时间且迭代次数M=3的情况进行说明：
如图5所示，由上述分析可知，d5为第一调整范围内的第一调整值≠第一上限值或第一下限值，如图7所示，图7为本申请实施例提供的一种循环次数第1次时对应的第二调整范围的场景示意图。需要将d5前后相邻的两个等分点d4和d6对应的两个工艺参数值组成第二调整范围∈[711.500,712.500]，将第二调整范围均分为两个子范围，得到区域S1∈[711.500,712.000]、区域S2∈[712.000、712.500]，将区域S1范围的中间值f1=711.750对应的指标评价值作为区域S1的指标评价值，将区域S2范围的中间值f2=712.750对应的指标评价值作为区域S2的指标评价值，例如将f1输入第一数学模型获取产品性能指标的预测值，将产品性能指标的预测值输入指标评价模型，根据产品性能指标的预测值和产品性能指标的目标值得到指标评价值为95分，将f2输入第一数学模型获取产品性能指标的预测值，将产品性能指标的预测值输入指标评价模型，根据产品性能指标的预测值和产品性能指标的目标值得到指标评价值为92分，比较得出f1的指标评价值更大，则选择区域S1作为新的第二调整范围，再进行第二次迭代，具体步骤如下：
如图8所示，图8为本申请实施例提供的一种循环次数第2次时对应的第二调整范围的场景示意图。此时新的第二调整范围为工艺参数d4~ d5形成的范围，该范围∈[711.500,712.000]，将新的第二调整范围均分为两个子范围，得到区域S1∈[711.500,711.750]、区域S2∈[711.750、712.000]，将区域S1范围的中间值g1=711.625对应的指标评价值作为区域S1的指标评价值，将区域S2范围的中间值g2=711.825对应的指标评价值作为区域S2的指标评价值，例如将g1输入第一数学模型获取产品性能指标的预测值，将产品性能指标的预测值输入指标评价模型，根据产品性能指标的预测值和产品性能指标的目标值得到指标评价值为92分，同理得到g2的指标评价值为97分，比较得出g2的指标评价值更大，则选择区域S2作为新的第二调整范围，再进行第三次迭代，具体步骤如下：
如图9所示，图9为本申请实施例提供的一种循环次数第3次时对应的第二调整范围的场景示意图。此时新的第二调整范围为工艺参数f1~工艺参数d5形成的范围，该范围∈[711.750,712.000]，将新的第二调整范围均分为两个子范围，得到区域S1∈[711.750,711.825]、区域S2∈[711.825、712.000]，将区域S1范围的中间值q1=711.7875对应的指标评价值作为区域S1的指标评价值，将区域S2范围的中间值q2=711.9125对应的指标评价值作为区域S2的指标评价值，例如将q1输入第一数学模型获取产品性能指标的预测值，将产品性能指标的预测值输入指标评价模型，根据产品性能指标的预测值和产品性能指标的目标值得到指标评价值为93分，同理，得到g2的指标评价值为98分，比较得出q2的指标评价值更大，此时迭代次数3次结束，则q2工艺参数为最终的第二调整值。
需要说明的是，迭代次数M的大小可以由用户自行设置，迭代次数设置得越大，则最终得到的第二调整值的数值越精确，相应地，进行的步骤也更多更复杂，具体的迭代次数的设置可以根据生产的操作人员自行设置，例如可以为8次，本申请实施例对此不做限定。
在一些实施例中，比较第一调整值对应的指标评价值和M个参考指标评价值，其中，M个参考指标评价值中的每个参考指标评价值为一轮迭代后得到两个子范围的中间值对应的两个指标评价值中较大的一个指标评价值，中间值为所述子范围中居中的工艺参数值；若第二调整值对应的指标评价值不为第一调整值对应的指标评价值和M个参考指标评价值中最大的指标评价值，则将其中最大的指标评价值对应的工艺参数值作为第一工艺参数的推荐值；若第二调整值对应的指标评价值为第一调整值对应的指标评价值和M个参考指标评价值中最大的指标评价值，则执行将所述第二调整值作为所述第一工艺参数的推荐值的步骤。
可以理解为，需要从第一调整值对应的指标评价值和M个参考指标评价值中选择最大的指标评价值，将其中最大的指标评价值对应的工艺参数值作为第一工艺参数的推荐值。举例来说，在上述例子中，第一调整值为d5，M=3次迭代的过程中的3个参考评价值为f1、g2、q2分别对应的三个指标评价值。根据上述举例，f1的指标评价值为95分、g2的指标评价值为97分、第二调整值q2的指标评价值为98分、第一调整值d5的指标评价值为99分，即第二调整值q2对应的指标评价值小于第一调整值d5对应的指标评价值，则将第一调整值d5作为第一工艺参数的推荐值，至此关于工艺参数X1：生产时间的推荐值的计算过程结束，若需要进行其余第一工艺参数的推荐值的计算可以继续进行S201~S205的步骤。
在图2所示的方法中，当工艺参数发生异常变化时，预测第一工艺参数（即需要调整的可调整工艺参数）的推荐值，即在第一调整范围内选择指标评价值最大的工艺参数作为第一工艺参数的第一调整值，再根据第一调整值进一步确定第一工艺参数的推荐值，而不是通过生产人员根据经验累计的经验手动调整工艺参数，将手动调节的工艺参数作为第一工艺参数的推荐值。该方法使得在生产工况发生复杂变化、多个可调整工艺参数需要调节的情况下，能及时且准确地获取需要调整的可调整工艺参数的推荐值，生产人员根据该推荐值调整工艺参数，提高产品的性能指标和调整效率。
同时，在出现复杂工况时，工艺参数的类型可能包括正常工况下对应的不需要调整的参数、异常工况下的需要调整的可调整工艺参数、异常工况下的需要调整的不可调整工艺参数，其中，第一工艺参数为正在进行产品性能指标的预测值计算的工艺参数；第二工艺参数为正常工况下对应的不需要调整的工艺参数；第三工艺参数为异常工况发生时，可能为已完成推荐值算法的第一工艺参数的推荐值或未完成推荐值算法的第一工艺参数的缺省值（工况计分卡的目标值），此时对第三工艺参数进行判断，若存在推荐值就用推荐值，若不存在推荐值就用目标值；第四工艺参数为异常工况下的不可调整工艺参数。
同时，若第一调整值不为第一上限值或第一下限值时，对第一调整值进行进一步优化得到第二调整值，具体过程为：在N+1个工艺参数值中选择第一调整值前后相邻的两个等分点对应的工艺参数值组成第二调整范围，将第二调整范围划分为两个子范围（通常为相等的两个子范围），每一个子范围的中间值对应的指标评价值作为该子范围的指标评价值，比较两个子范围的指标评价值的大小，选择指标评价值较大的子范围作为新的第二调整范围继续进行子范围的划分比较，第二调整范围和新的第二调整范围的个数之和为M次（总共迭代M次）。
同时，若第二调整值对应的指标评价值大于第一调整值对应的指标评价值和M个参考评价值，则使用第二调整值作为第一工艺参数的推荐值；若第二调整值对应的指标评价值不为第一调整值对应的指标评价值和M个参考指标评价值中最大的指标评价值，则将其中最大的指标评价值对应的工艺参数值作为第一工艺参数的推荐值。该方法能够在第一调整范围内进一步得到具体的推荐值，使得推荐值对应的产品性能指标保持最优，更好地提高推荐值的精确度同时提高产品的品质。
上面介绍了关于一种基于异常工况的生产工艺参数推荐方法，下面介绍该方法的装置。
如图10所示，图10为本申请实施例提供的一种基于异常工况的生产工艺参数推荐方法的装置100的结构示意图，装置100包括：调整单元1001、选择单元1002、评价单元1003、确定单元1004、第一确定单元1005，该装置可以为上述设备或者设备中的器件或模块，上述各个单元（或模块）是根据功能划分出的功能模块，在具体实现中其中部分功能块可能被细分为更多细小的功能模块，部分功能模块也可能组合成一个功能模块，但无论这些功能模块是进行了细分还是组合，针对异常工况下的生产工艺参数的推荐值计算的过程中所执行的大致流程是相同的。通常，每个功能模块都对应有各自的程序代码（即设备的存储器中存储的计算机程序），这些功能模块各自对应的程序代码在处理器上运行时，使得功能模块执行相应的流程从而实现相应功能，各个单元的描述如下：
调整单元1001，用于确定第一工艺参数的第一调整范围，其中，所述第一工艺参数为影响生产中产品性能指标的可调整工艺参数，所述第一调整范围为根据设计计分卡中所述第一工艺参数的第一上限值和第一下限值确定的调整范围；
选择单元1002，用于从所述第一调整范围中选择N+1个工艺参数值，N为大于1的整数；
评价单元1003，用于将所述N+1个工艺参数值分别输入到第一数学模型，得到N+1组产品性能指标的预测值，将所述N+1组产品性能指标的预测值输入到指标评价模型得到N+1个指标评价值，其中，所述指标评价值用于评价所述N+1个工艺参数值对应的多组产品性能指标的预测值中的每一组产品性能指标的预测值与对应的一组产品性能目标值的综合接近程度；
确定单元1004，用于根据所述N+1个指标评价值确定N+1个工艺参数值中的第一调整值；其中，所述第一调整值为N+1个指标评价值中最大的指标评价值对应的工艺参数值；
第一确定单元1005，用于根据所述第一调整值确定所述产品的所述第一工艺参数的推荐值。
可以看出，当工艺参数发生变化时，预测第一工艺参数（即需要调整的可调整工艺参数）的推荐值，即在第一调整范围内选择指标评价值最大的工艺参数作为第一工艺参数的第一调整值，再根据第一调整值进一步确定推荐值，而不是通过生产人员根据经验累计的经验手动调整工艺参数，将手动调节的工艺参数作为第一工艺参数的推荐值。该方法使得在生产工况发生复杂变化、多个可调整工艺参数需要调节的情况下，能及时且准确地获取需要调整的可调整工艺参数的推荐值，生产人员根据该推荐值调整工艺参数，提高产品的性能指标和调整效率。
需要说明的是，在复杂的工况情况下，针对需要调整的可调整工艺参数（第一工艺参数），通过预测方法选择第二调整值作为第一工艺参数的推荐值；对于需要调整的不可调整工艺参数，通常将其作为异常参数，使用异常参数的异常预测值进行生产；对于不需要调整的参数，可以理解为正常工况下的参数，使用标杆工况计分卡中工艺参数目标值进行生产（即最大的产品性能指标对应的工艺参数值）。
需要说明的是，指标评价值用于评价工艺参数对应的多组产品性能指标的预测值中的每一组产品性能指标的预测值与对应的一组产品性能目标值的综合接近程度，可以理解为将每一组产品性能指标的预测值与每一组产品性能目标值进行接近程度的比较，最后将得到的多个比较结果作为综合接近程度，越接近则对应的指标评价值越高。
在一种可能的实现方式中，在所述将所述N+1个工艺参数值分别输入到第一数学模型，得到N+1组产品性能指标的预测值方面，所述评价单元1003具体用于：
确定第二工艺参数的第一参考值，其中，所述第一参考值为标杆工况计分卡中所述第二工艺参数的目标值；
确定第三工艺参数的第二参考值，以及第四工艺参数的异常预测值，其中，所述第三工艺参数的类型为所述可调整工艺参数，所述第四工艺参数的类型为不可调整工艺参数，所述第二工艺参数、第三工艺参数值、第四工艺参数、第一工艺参数属于所述第一数学模型的自变量集合；
若所述第三工艺参数存在所述推荐值，则所述第二参考值为所述第三工艺参数的推荐值，若所述第三工艺参数不存在推荐值，则所述第二参考值为所述第三工艺参数的目标值，其中，所述第三工艺参数的目标值为所述标杆工况计分卡中所述第三工艺参数的目标值；
将所述N+1个工艺参数值、所述第一参考值、所述第二参考值和所述第四工艺参数的异常预测值分别输入到所述第一数学模型，得到N+1组产品性能指标的预测值。
可以看出，在出现复杂工况时，工艺参数的类型可能包括正常工况下对应的不需要调整的参数、异常工况下的需要调整的可调整工艺参数、异常工况下的需要调整的不可调整工艺参数，其中，第一工艺参数为正在进行产品性能指标的预测值计算的工艺参数；第二工艺参数为正常工况下对应的不需要调整的工艺参数；第三工艺参数为异常工况发生时，可能为已完成推荐值算法的第一工艺参数的推荐值或未完成推荐值算法的第一工艺参数的缺省值（标杆工况计分卡的目标值），此时对第三工艺参数进行判断，若存在推荐值就用推荐值，若不存在推荐值就用目标值；第四工艺参数为异常工况下的不可调整工艺参数。
具体地，第一数学模型的自变量集合通常为第一工艺参数、第二工艺参数、第三工艺参数、第四工艺参数的集合。在计算某一个第一工艺参数的第一调整范围的N+1个工艺参数值的产品性能指标的预测值时，需要先确定自变量集合中除该第一工艺参数之外的其余工艺参数的计算初始值，可以理解为若第三工艺参数存在推荐值，则将推荐值作为第三工艺参数的计算初始值，若其余第三工艺参数不存在推荐值，则将目标值作为第三工艺参数的计算初始值；第二工艺参数则使用标杆工况计分卡中的目标值作为计算初始值；第四工艺参数则使用异常预测值作为计算初始值。该方法考虑了产品性能指标的预测值受产品的所有工艺参数的影响，在计算调整范围内工艺参数值的产品性能指标的预测值时，同时也预先设置了其余工艺参数的取值，使得产品性能指标的预测值更精准。
在一种可能的实现方案中，针对所述第一数学模型中的自变量集合中的第一工艺参数执行所述产品性能指标的预测值的参数计算操作，若所述第三工艺参数的第二参考值不存在推荐值，则所述不存在推荐值的第三工艺参数执行所述产品性能指标的预测值的参数计算操作流程，所述第三工艺参数的参数计算操作流程与所述第一工艺参数的参数计算流程相同。需要说明的是，自变量集合中的每一个还未存在推荐值的第三工艺参数均执行产品性能指标的预测值的参数计算操作，该参数计算操作与第一工艺参数的参数计算操作相同，直至自变量集合中的每一个可调整工艺参数均存在推荐值为止。
在一种可能的实现方式中，所述选择单元1002具体用于：
从所述第一调整范围中确定N-1个等分点；
将所述N-1个等分点及所述第一调整范围的所述第一上限值和所述第一下限值确定为N+1个工艺参数值。
需要说明的是，在获取需要调整的可调整工艺参数（即第一工艺参数）的第一调整范围之后，在选择若干个工艺参数时，通常可以在第一调整范围内确定N-1个等分点（N为大于1的正整数），将N-1个等分点以及第一调整范围的第一上限值和第一下限值确定为N+1个工艺参数值，分别计算N+1个工艺参数值的指标评价值。
在一种可能的实现方式中，所述第一确定单元1005具体用于：
若所述第一调整值为所述第一上限值或第一下限值，则将所述第一调整值作为所述第一工艺参数值的推荐值；
若所述第一调整值不为所述第一上限值或第一下限值，则将所述第一调整值进行优化得到第二调整值，根据所述第二调整值确定所述第一工艺参数的推荐值。
可以看出，第一调整值即为第一调整范围内的N+1个工艺参数值中最大的指标评价值对应的工艺参数值，若第一调整值为第一调整范围的第一上限值或第一下限值，则将第一调整值作为第一工艺参数的推荐值；若第一调整值不为第一上限值或第一下限值，则需要对第一调整值进行进一步优化得到第二调整值，再根据第二调整值确定第一工艺参数的推荐值，该方法能够在第一调整值的基础上继续精确第一调整值，得到第二调整值。
在第二方面一种可能的实现方式中，在所述将所述第一调整值进行优化得到第二调整值，根据所述第二调整值确定所述第一工艺参数的推荐值方面，所述第一确定单元1005具体用于：
根据所述第一调整值前后相邻的两个等分点对应的工艺参数值组成第二调整范围；
对所述第二调整范围迭代执行M次如下操作：
将所述第二调整范围划分为两个子范围；
分别将所述两个子范围的中间值输入到所述指标评价模型，得到两个指标评价值；
根据所述两个指标评价值从所述两个子范围中选择指标评价值最高的子范围作为新的所述第二调整范围；
迭代M次后的指标评价值最高的子范围的中间值作为所述第二调整值；
将所述第二调整值作为所述第一工艺参数的推荐值。
可以看出，若第一调整值不为第一上限值或第一下限值时，对第一调整值进行进一步优化得到第二调整值，具体过程为：在N+1个工艺参数值中选择第一调整值前后相邻的两个等分点对应的工艺参数值组成第二调整范围，将第二调整范围划分为两个子范围（通常为相等的两个子范围），每一个子范围的中间值对应的指标评价值作为该子范围的指标评价值，比较两个子范围的指标评价值的大小，选择指标评价值较大的子范围作为新的第二调整范围继续进行子范围的划分比较，第二调整范围和新的第二调整范围的个数之和为M次（总共迭代M次）。
需要说明的是，迭代M次的次数可调节，若需要第二工艺参数更准确，可以将M值设置得更大。该方法进一步地精确了第一调整值，迭代M次不断缩小第二调整范围的大小，在迭代的最后一次得到的指标评价值更大的范围中选择该范围的中间值作为第二调整值，能够得到更为精确的工艺参数的推荐值，更好地提高推荐值的精确度。
需要说明的是，该方法中，直接将第二调整值作为第一工艺参数的推荐值的条件为：第二调整值对应的指标评价值大于第一调整值对应的指标评价值和M个参考评价值，在复杂的工况下，多个工艺参数需要调整时，每一个可调整工艺参数对应一个第一调整值，多个第一调整值中会出现某一第一调整值为第一下限值或第一上限值的情况，也可以出现某一第一调整值对应的指标评价值大于第二调整值对应的指标评价值和M个参考评价值的情况，还可以出现别的情况，在实际生产的过程中，需要调整的可调整工艺参数过多时，整个生产过程中上述多种可能性可能会出现在不同的工艺参数上，因此该方法中直接使用第二调整值作为第一工艺参数的推荐值，默认为该生产过程中会出现第二调整值对应的产品性能指标最优的情况。
在一种可能的实现方式中，所述装置100还包括：
比较单元，用于在所述将所述第二调整值作为所述第一工艺参数的推荐值之前，比较所述第一调整值对应的指标评价值和M个参考指标评价值，其中所述M个参考指标评价值中的每个参考指标评价值为一轮迭代后得到两个子范围的中间值对应的两个指标评价值中较大的一个指标评价值，所述中间值为所述子范围中居中的工艺参数值；
第二确定单元，用于若所述第二调整值对应的指标评价值不为所述第一调整值对应的指标评价值和M个参考指标评价值中最大的指标评价值，则将其中最大的指标评价值对应的工艺参数值作为所述第一工艺参数的推荐值；
所述第一确定单元1005，具体用于若所述第二调整值对应的指标评价值为所述第一调整值对应的指标评价值和M个参考指标评价值中最大的指标评价值，则执行所述将所述第二调整值作为所述第一工艺参数的推荐值的步骤。
可以看出，若第二调整值对应的指标评价值大于第一调整值对应的指标评价值和M个参考评价值，则使用第二调整值作为第一工艺参数的推荐值；若第二调整值对应的指标评价值不为第一调整值对应的指标评价值和M个参考指标评价值中最大的指标评价值，则将其中最大的指标评价值对应的工艺参数值作为第一工艺参数的推荐值。该方法能够在第一调整范围内进一步得到具体的推荐值，使得推荐值对应的产品性能指标保持最优，更好地提高推荐值的精确度同时提高产品的品质。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当其在处理器上运行时，实现图2所示一种基于异常工况的生产工艺参数推荐的方法流程。
本发明实施例还提供一种计算机程序产品，当所述计算机程序产品在处理器上运行时，实现图2所示一种基于异常工况的生产工艺参数推荐的方法流程。
综上所述，通过实施本申请实施例，当工艺参数发生异常变化时，预测第一工艺参数（即需要调整的可调整工艺参数）的推荐值，即在第一调整范围内选择指标评价值最大的工艺参数作为第一工艺参数的第一调整值，再根据第一调整值进一步得到推荐值，而不是通过生产人员根据经验累计的经验手动调整工艺参数，将手动调节的工艺参数作为第一工艺参数的推荐值。该方法使得在生产工况发生复杂变化、多个可调整工艺参数需要调节的情况下，能及时且准确地获取需要调整的可调整工艺参数的推荐值，生产人员根据该推荐值调整工艺参数，提高产品的性能指标和调整效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来计算机程序相关的硬件完成，该计算机程序可存储于计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：只读存储记忆体ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储计算机程序代码的介质。

Claims (16)

1.一种基于异常工况的生产工艺参数推荐方法，其特征在于，包括：
确定第一工艺参数的第一调整范围，其中，所述第一工艺参数为影响生产中产品性能指标的可调整工艺参数，所述第一调整范围为根据设计计分卡中所述第一工艺参数的第一上限值和第一下限值确定的调整范围；
从所述第一调整范围中选择N+1个工艺参数值，N为大于1的整数；
将所述N+1个工艺参数值分别输入到第一数学模型，得到N+1组产品性能指标的预测值，将所述N+1组产品性能指标的预测值输入到指标评价模型得到N+1个指标评价值，其中，所述指标评价值用于评价所述N+1个工艺参数值对应的多组产品性能指标的预测值中的每一组产品性能指标的预测值与对应的一组产品性能目标值的综合接近程度；
根据所述N+1个指标评价值确定N+1个工艺参数值中的第一调整值，其中，所述第一调整值为N+1个指标评价值中最大的指标评价值对应的工艺参数值；
根据所述第一调整值确定所述产品的所述第一工艺参数的推荐值。
2.根据权利要求1所述的方法，其特征在于，所述将所述N+1个工艺参数值分别输入到第一数学模型，得到N+1组产品性能指标的预测值，包括：
确定第二工艺参数的第一参考值，其中，所述第一参考值为标杆工况计分卡中所述第二工艺参数的目标值；
确定第三工艺参数的第二参考值，以及第四工艺参数的异常预测值，其中，所述第三工艺参数的类型为所述可调整工艺参数，所述第四工艺参数的类型为不可调整工艺参数，所述第二工艺参数、第三工艺参数、第四工艺参数、第一工艺参数属于所述第一数学模型的自变量集合；
若所述第三工艺参数存在所述推荐值，则所述第二参考值为所述第三工艺参数值的推荐值，若所述第三工艺参数值不存在推荐值，则所述第二参考值为所述第三工艺参数值的目标值，其中，所述第三工艺参数的目标值为所述标杆工况计分卡中所述第三工艺参数的目标值；
将所述N+1个工艺参数值、所述第一参考值、所述第二参考值和所述第四工艺参数的异常预测值分别输入到所述第一数学模型，得到N+1组产品性能指标的预测值。
3.根据权利要求2所述的方法，其特征在于，
针对所述第一数学模型中的自变量集合中的第一工艺参数执行所述产品性能指标的预测值的参数计算操作，若所述第三工艺参数的第二参考值不存在推荐值，则所述不存在推荐值的第三工艺参数执行所述产品性能指标的预测值的参数计算操作流程，所述第三工艺参数的参数计算操作流程与所述第一工艺参数的参数计算流程相同。
4.根据权利要求1所述的方法，其特征在于，所述从所述第一调整范围中选择N+1个工艺参数值，包括：
从所述第一调整范围中确定N-1个等分点；
将所述N-1个等分点及所述第一调整范围的所述第一上限值和所述第一下限值确定为N+1个工艺参数值。
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一调整值确定所述产品的所述第一工艺参数的推荐值，包括：
若所述第一调整值为所述第一上限值或第一下限值，则将所述第一调整值作为所述第一工艺参数的推荐值；
若所述第一调整值不为所述第一上限值或第一下限值，则将所述第一调整值进行优化得到第二调整值，根据所述第二调整值确定所述第一工艺参数的推荐值。
6.根据权利要求5所述的方法，其特征在于，所述将所述第一调整值进行优化得到第二调整值，根据所述第二调整值确定所述第一工艺参数的推荐值，包括：
根据所述第一调整值前后相邻的两个等分点对应的工艺参数值组成第二调整范围；
对所述第二调整范围迭代执行M次如下操作：
将所述第二调整范围划分为两个子范围；
分别将所述两个子范围的中间值输入到所述指标评价模型，得到两个指标评价值；
根据所述两个指标评价值从所述两个子范围中选择指标评价值最高的子范围作为新的所述第二调整范围；
迭代M次后的指标评价值最高的子范围的中间值作为所述第二调整值；
将所述第二调整值作为所述第一工艺参数的推荐值。
7.根据权利要求6所述的方法，其特征在于，所述将所述第二调整值作为所述第一工艺参数的推荐值之前，还包括：
比较所述第一调整值对应的指标评价值和M个参考指标评价值，其中，所述M个参考指标评价值中的每个参考指标评价值为一轮迭代后得到两个子范围的中间值对应的两个指标评价值中较大的一个指标评价值，所述中间值为所述子范围中居中的工艺参数值；
若所述第二调整值对应的指标评价值不为所述第一调整值对应的指标评价值和M个参考指标评价值中最大的指标评价值，则将其中最大的指标评价值对应的工艺参数值作为所述第一工艺参数的推荐值；
若所述第二调整值对应的指标评价值为所述第一调整值对应的指标评价值和M个参考指标评价值中最大的指标评价值，则执行所述将所述第二调整值作为所述第一工艺参数的推荐值的步骤。
8.一种基于异常工况的生产工艺参数推荐的装置，其特征在于，包括：
调整单元，用于确定第一工艺参数的第一调整范围，其中，所述第一工艺参数为影响生产中产品性能指标的可调整工艺参数，所述第一调整范围为根据设计计分卡中所述第一工艺参数的第一上限值和第一下限值确定的调整范围；
选择单元，用于从所述第一调整范围中选择N+1个工艺参数值，N为大于1的整数；
评价单元，用于将所述N+1个工艺参数值分别输入到第一数学模型，得到N+1组产品性能指标的预测值，将所述N+1组产品性能指标的预测值输入到指标评价模型得到N+1个指标评价值，其中，所述指标评价值用于评价所述N+1个工艺参数值对应的多组产品性能指标的预测值中的每一组产品性能指标的预测值与对应的一组产品性能目标值的综合接近程度；
确定单元，用于根据所述N+1个指标评价值确定N+1个工艺参数值中的第一调整值；其中，所述第一调整值为N+1个指标评价值中最大的指标评价值对应的工艺参数值；
第一确定单元，用于根据所述第一调整值确定所述产品的所述第一工艺参数的推荐值。
9.根据权利要求8所述的装置，其特征在于，在所述将所述N+1个工艺参数值分别输入到第一数学模型，得到N+1组产品性能指标的预测值方面，所述评价单元具体用于：
确定第二工艺参数的第一参考值，其中，所述第一参考值为标杆工况计分卡中所述第二工艺参数的目标值；
确定第三工艺参数的第二参考值，以及第四工艺参数的异常预测值，其中，所述第三工艺参数的类型为所述可调整工艺参数，所述第四工艺参数的类型为不可调整工艺参数，所述第二工艺参数、第三工艺参数值、第四工艺参数、第一工艺参数属于所述第一数学模型的自变量集合；
若所述第三工艺参数存在所述推荐值，则所述第二参考值为所述第三工艺参数的推荐值，若所述第三工艺参数不存在推荐值，则所述第二参考值为所述第三工艺参数的目标值，其中，所述第三工艺参数的目标值为所述标杆工况计分卡中所述第三工艺参数的目标值；
将所述N+1个工艺参数值、所述第一参考值、所述第二参考值和所述第四工艺参数的异常预测值分别输入到所述第一数学模型，得到N+1组产品性能指标的预测值。
10.根据权利要求9所述的装置，其特征在于，
针对所述第一数学模型中的自变量集合中的第一工艺参数执行所述产品性能指标的预测值的参数计算操作，若所述第三工艺参数的第二参考值不存在推荐值，则所述不存在推荐值的第三工艺参数执行所述产品性能指标的预测值的参数计算操作流程，所述第三工艺参数的参数计算操作流程与所述第一工艺参数的参数计算流程相同。
11.根据权利要求8所述的装置，其特征在于，所述选择单元具体用于：
从所述第一调整范围中确定N-1个等分点；
将所述N-1个等分点及所述第一调整范围的所述第一上限值和所述第一下限值确定为N+1个工艺参数值。
12.根据权利要求11所述的装置，其特征在于，所述第一确定单元具体用于：
若所述第一调整值为所述第一上限值或第一下限值，则将所述第一调整值作为所述第一工艺参数值的推荐值；
若所述第一调整值不为所述第一上限值或第一下限值，则将所述第一调整值进行优化得到第二调整值，根据所述第二调整值确定所述第一工艺参数的推荐值。
13.根据权利要求12所述的装置，其特征在于，在所述将所述第一调整值进行优化得到第二调整值，根据所述第二调整值确定所述第一工艺参数的推荐值方面，所述第一确定单元具体用于：
根据所述第一调整值前后相邻的两个等分点对应的工艺参数值组成第二调整范围；
对所述第二调整范围迭代执行M次如下操作：
将所述第二调整范围划分为两个子范围；
分别将所述两个子范围的中间值输入到所述指标评价模型，得到两个指标评价值；
根据所述两个指标评价值从所述两个子范围中选择指标评价值最高的子范围作为新的所述第二调整范围；
迭代M次后的指标评价值最高的子范围的中间值作为所述第二调整值；
将所述第二调整值作为所述第一工艺参数的推荐值。
14.根据权利要求13所述的装置，其特征在于，所述装置还包括：
比较单元，用于在所述将所述第二调整值作为所述第一工艺参数的推荐值之前，比较所述第一调整值对应的指标评价值和M个参考指标评价值，其中所述M个参考指标评价值中的每个参考指标评价值为一轮迭代后得到两个子范围的中间值对应的两个指标评价值中较大的一个指标评价值，所述中间值为所述子范围中居中的工艺参数值；
第二确定单元，用于若所述第二调整值对应的指标评价值不为所述第一调整值对应的指标评价值和M个参考指标评价值中最大的指标评价值，则将其中最大的指标评价值对应的工艺参数值作为所述第一工艺参数的推荐值；
所述第一确定单元，具体用于若所述第二调整值对应的指标评价值为所述第一调整值对应的指标评价值和M个参考指标评价值中最大的指标评价值，则执行所述将所述第二调整值作为所述第一工艺参数的推荐值的步骤。
15.一种电子设备，其特征在于，包括收发器、处理器和存储器，所述存储器用于存储计算机程序，所述处理器调用所述计算机程序用于执行如权利要求1-7任一项所述的方法。
16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括计算机程序，所述计算机程序被处理器执行时，执行权利要求1-7任一项所述的方法。
CN202210404765.6A 2022-04-18 2022-04-18 基于异常工况的生产工艺参数推荐方法及相关设备 Active CN114493057B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210404765.6A CN114493057B (zh) 2022-04-18 2022-04-18 基于异常工况的生产工艺参数推荐方法及相关设备
CN202210756462.0A CN115204474A (zh) 2022-04-18 2022-04-18 生产工艺参数推荐方法及相关设备、程序产品和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210404765.6A CN114493057B (zh) 2022-04-18 2022-04-18 基于异常工况的生产工艺参数推荐方法及相关设备

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202210756462.0A Division CN115204474A (zh) 2022-04-18 2022-04-18 生产工艺参数推荐方法及相关设备、程序产品和存储介质

Publications (2)

Publication Number Publication Date
CN114493057A true CN114493057A (zh) 2022-05-13
CN114493057B CN114493057B (zh) 2022-07-22

Family

ID=81489618

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202210756462.0A Pending CN115204474A (zh) 2022-04-18 2022-04-18 生产工艺参数推荐方法及相关设备、程序产品和存储介质
CN202210404765.6A Active CN114493057B (zh) 2022-04-18 2022-04-18 基于异常工况的生产工艺参数推荐方法及相关设备

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202210756462.0A Pending CN115204474A (zh) 2022-04-18 2022-04-18 生产工艺参数推荐方法及相关设备、程序产品和存储介质

Country Status (1)

Country Link
CN (2) CN115204474A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5646870A (en) * 1995-02-13 1997-07-08 Advanced Micro Devices, Inc. Method for setting and adjusting process parameters to maintain acceptable critical dimensions across each die of mass-produced semiconductor wafers
CN102626557A (zh) * 2012-04-13 2012-08-08 长春工业大学 基于ga-bp算法的分子蒸馏工艺参数优化方法
CN106503389A (zh) * 2016-11-09 2017-03-15 湖南大学 一种快速确定热冲压生产线工艺参数的数值方法
CN106991242A (zh) * 2017-04-12 2017-07-28 柳州市同维达豪科技有限公司 一种钢板性能优化的控制方法
CN110210684A (zh) * 2019-06-12 2019-09-06 武汉轻工大学 粮食加工方案优化方法、装置、设备及存储介质
JP6599069B1 (ja) * 2018-12-13 2019-10-30 三菱電機株式会社 機械学習装置、加工プログラム生成装置および機械学習方法
CN112250538A (zh) * 2020-11-13 2021-01-22 万华化学集团股份有限公司 一种异丙苯精制工艺流程
CN113869603A (zh) * 2021-10-22 2021-12-31 中铁一局集团有限公司 一种基于掘进指数的异常工况预警方法
CN114356895A (zh) * 2022-03-16 2022-04-15 希望知舟技术(深圳)有限公司 基于异常工况数据库管理的方法、装置、设备及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5646870A (en) * 1995-02-13 1997-07-08 Advanced Micro Devices, Inc. Method for setting and adjusting process parameters to maintain acceptable critical dimensions across each die of mass-produced semiconductor wafers
CN102626557A (zh) * 2012-04-13 2012-08-08 长春工业大学 基于ga-bp算法的分子蒸馏工艺参数优化方法
CN106503389A (zh) * 2016-11-09 2017-03-15 湖南大学 一种快速确定热冲压生产线工艺参数的数值方法
CN106991242A (zh) * 2017-04-12 2017-07-28 柳州市同维达豪科技有限公司 一种钢板性能优化的控制方法
JP6599069B1 (ja) * 2018-12-13 2019-10-30 三菱電機株式会社 機械学習装置、加工プログラム生成装置および機械学習方法
US20210389753A1 (en) * 2018-12-13 2021-12-16 Mitsubishi Electric Corporation Machine learning device, machining program generation device, and machine learning method
CN110210684A (zh) * 2019-06-12 2019-09-06 武汉轻工大学 粮食加工方案优化方法、装置、设备及存储介质
CN112250538A (zh) * 2020-11-13 2021-01-22 万华化学集团股份有限公司 一种异丙苯精制工艺流程
CN113869603A (zh) * 2021-10-22 2021-12-31 中铁一局集团有限公司 一种基于掘进指数的异常工况预警方法
CN114356895A (zh) * 2022-03-16 2022-04-15 希望知舟技术(深圳)有限公司 基于异常工况数据库管理的方法、装置、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘其伦等: "注水井酸化参数优化和增注预测方法的应用", 《石油知识》 *
蒋晋文等: "XGBoost算法在制造业质量预测中的应用", 《智能计算机与应用》 *

Also Published As

Publication number Publication date
CN115204474A (zh) 2022-10-18
CN114493057B (zh) 2022-07-22

Similar Documents

Publication Publication Date Title
CN111625918B (zh) 一种工艺参数推荐方法、装置及电子设备
CN109870903A (zh) 参数优化方法、装置以及非瞬时计算机可读取介质
CN109343489B (zh) 烟草制丝工艺参数自愈控制方法及系统
CN115062480A (zh) 生产工艺参数的推荐方法及相关装置和程序介质
Jeang Production order quantity for economical and quality consideration
Giannetti et al. A novel variable selection approach based on co-linearity index to discover optimal process settings by analysing mixed data
CN109034941B (zh) 产品推荐方法、装置、计算机设备和存储介质
CN106022912A (zh) 评价模型的更新方法及系统
CN106909454A (zh) 一种规则处理方法和设备
CN112990888A (zh) 一种工艺参数的调节策略决策模型的确定方法及装置
JP4281842B2 (ja) 品質変動表示装置、品質変動表示方法、品質変動表示プログラム及び該プログラムを記録した記録媒体
JP2005519394A (ja) 実験の自動計画方法およびそのシステム
CN114493057B (zh) 基于异常工况的生产工艺参数推荐方法及相关设备
CN103497789B (zh) 基于Pareto优化准则的多目标非线性连续罐式柴油调合法
CN109870978A (zh) 一种基于熵权法和犹豫模糊语言项集的数控机床可靠性分配方法
CN104794366A (zh) 喷油嘴磨粒流加工全因子试验分析方法
CN110928265A (zh) 数据处理方法、装置与系统、以及计算器可读取记录介质
EP2983098A1 (en) Solution search system and method, and solution search program
WO2023175921A1 (ja) モデル分析装置、モデル分析方法、及び、記録媒体
JP2008084306A (ja) 工業製品の生産支援方法およびプログラム
CN118350514B (zh) 结合纯度检测的碳酸锂生产管理方法及系统
WO2023175922A1 (ja) モデル分析装置、モデル分析方法、及び、記録媒体
KR101067476B1 (ko) 용선의 탄소비율 예측방법
CN113592005B (zh) 一种转炉出钢参数推荐方法、系统、介质和终端
KR20180037848A (ko) 납사 품질 분석 시스템 및 그 품질 분석 방법

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