CN114861997B - 一种生产工艺指标分析方法、系统、设备和介质 - Google Patents
一种生产工艺指标分析方法、系统、设备和介质 Download PDFInfo
- Publication number
- CN114861997B CN114861997B CN202210425395.4A CN202210425395A CN114861997B CN 114861997 B CN114861997 B CN 114861997B CN 202210425395 A CN202210425395 A CN 202210425395A CN 114861997 B CN114861997 B CN 114861997B
- Authority
- CN
- China
- Prior art keywords
- target
- obtaining
- factors
- analysis
- achievement rate
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 53
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 154
- 238000000556 factor analysis Methods 0.000 claims abstract description 13
- 238000009826 distribution Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012797 qualification Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Abstract
本发明提出一种生产工艺指标分析方法、系统、设备和介质，包括：获取包含各工艺指标的目标数据，将所述目标数据划分为多个次级目标；其中，所述次级目标与所述工艺指标相对应；获取各所述次级目标的影响因素，并根据所述影响因素与对应次级目标的相关性对影响因素进行重要度排序，获取排序结果中前N个影响因素作为关键因素；根据预设的最大工艺窗口对各次级目标的关键因素进行单因素分析，获取工艺指标分析结果；根据所述分析结果输出对应工艺指标的最优工艺区间；本发明可有效分析各工艺指标是的最优工艺区间，协助工作人员进行指标分析以及工艺参数设置，提高生产控制精度，提高生产效率。
Description
技术领域
本发明涉及智能生产应用领域，尤其涉及一种生产工艺指标分析方法、系统、设备和介质。
背景技术
随着时代的发展，在工艺生产过程中的工艺指标分析需求愈发重要，想找到最优目标参数，是一大难点。针对此问题，现有技术的缺点有如下待优化点：第一，现工艺指标数据量过于庞大，仅由人工分析指标的效率较低，且容易产生遗漏；第二，部分现有技术给出的目标参数结果为模板固定，不可根据实际工艺生产过程的需求灵活把控。第三，对工艺指标在分析过程中，未能全面分析达到全局最优。第四，开发人力和时间成本较高。
发明内容
鉴于以上现有技术存在的问题，本发明提出一种生产工艺指标分析方法、系统、设备和介质，主要解决现有工艺指标分析依赖人工且准确率不高的问题。
为了实现上述目的及其他目的，本发明采用的技术方案如下。
一种生产工艺指标分析方法，包括：
获取包含各工艺指标的目标数据，将所述目标数据划分为多个次级目标；其中，所述次级目标与所述工艺指标相对应；
获取各所述次级目标的影响因素，并根据所述影响因素与对应次级目标的相关性对影响因素进行重要度排序，获取排序结果中前N个影响因素作为关键因素；
根据预设的最大工艺窗口对各次级目标的关键因素进行单因素分析，获取工艺指标分析结果；
根据所述分析结果输出对应工艺指标的最优工艺区间。
可选地，获取包含各工艺指标的目标数据，将所述目标数据划分为多个次级目标，包括：
将连续数据进行离散化处理，获取离散数据作为所述目标数据；
对所述目标数据进行分类获取多个所述次级目标。
可选地，获取各所述次级目标的影响因素，并根据所述影响因素与对应次级目标的相关性对影响因素进行重要度排序，包括：
获取所述次级目标中符合正态分布的参数作为目标变量；
获取所述目标变量对应的影响因素，其中所述影响因素为对应目标变量的关联参数；
对所述目标变量与对应影响因素之间的相关性进行评分得到评分结果或者获取所述目标变量与对应影响因素之间的分布的相似度；
将所述评分结果或相似度作为对应影响因素的重要度值，并根据所述重要度值进行重要度排序。
可选地，得到评分结果的计算方式，包括：
Y1＝A×y1+B×y2
其中，Y1为评分结果，y1为所述目标变量与对应影响因素的标准化后的相关性；y2对应影响因素的专家评分，A、B分别为y1，y2的权重。
可选地，获取所述分布的相似度的方式，包括：
其中，Y2表示所述目标变量与对应影响因素的分布的相似度；X为所述目标变量；x为对应的影响因子，ε为误差因子。
可选地，根据预设的最大工艺窗口对各次级目标的关键因素进行单因素分析，获取工艺指标分析结果，包括：
获取符合期望结果的样本与为符合期望结果的样本，计算出期望结果的评述和频率，得到对应工艺指标的目标参数分布；以及
获取所述关键因素的达成率分布，根据所述合格率分布获取推荐区间；
将所述目标参数分布和所述推荐区间作为对应工艺指标的分析结果。
可选地，根据所述分析结果输出对应工艺指标的最优工艺区间，包括：
根据所述最大工艺窗口获取多个样本分箱，统计各所述样本分箱中工艺指标对应预设期望的达成率，根据所述达成率对各样本分箱进行排序，根据排序结果进行最优工艺区间划分；或者，
获取N各连续平均达成率最高的区间作为所述最优工艺区间；或者，
对各工艺指标的样本达成率进行聚类，获取聚类后达成率最高的区间作为所述最优工艺区间。
基于同样的发明构思，本申请还提供一种生产工艺指标分析系统，包括：
目标获取模块，用于获取包含各工艺指标的目标数据，将所述目标数据划分为多个次级目标；其中，所述次级目标与所述工艺指标相对应；
影响因素获取模块，用于获取各所述次级目标的影响因素，并根据所述影响因素与对应次级目标的相关性对影响因素进行重要度排序，获取排序结果中前N个影响因素作为关键因素；
指标分析模块，用于根据预设的最大工艺窗口对各次级目标的关键因素进行单因素分析，获取工艺指标分析结果；
工艺参数输出模块，用于根据所述分析结果输出对应工艺指标的最优工艺区间。
基于同样的发明构思，本申请还提供一种设备，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行所述的生产工艺指标分析方法。
基于同样的发明构思，本申请还提供计算机可读存储介质，其上存储有指令，当由一个或多个处理器执行时，使得设备执行所述的生产工艺指标分析方法。
如上所述，本发明提供一种生产工艺指标分析方法、系统、设备和介质，具有以下有益效果。
本发明通过获取包含各工艺指标的目标数据，将所述目标数据划分为多个次级目标；其中，所述次级目标与所述工艺指标相对应；获取各所述次级目标的影响因素，并根据所述影响因素与对应次级目标的相关性对影响因素进行重要度排序，获取排序结果中前N个影响因素作为关键因素；根据预设的最大工艺窗口对各次级目标的关键因素进行单因素分析，获取工艺指标分析结果；根据所述分析结果输出对应工艺指标的最优工艺区间；可协助技术人员寻找生产控制的最优参数区间，且对于提高生产效率,将资源优势和技术力量结合起来,发挥更大的效益具有重要的意义。
附图说明
图1为本发明一实施例中生产工艺指标分析方法的流程示意图。
图2位本发明一实施例中生产工艺指标分析系统的模块图。
图3为本发明一实施例中设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
请参阅图1，本发明提供一种生产工艺指标分析方法，包括以下步骤：
步骤S01，获取包含各工艺指标的目标数据，将所述目标数据划分为多个次级目标；其中，所述次级目标与所述工艺指标相对应；
步骤S02，获取各所述次级目标的影响因素，并根据所述影响因素与对应次级目标的相关性对影响因素进行重要度排序，获取排序结果中前N个影响因素作为关键因素；
步骤S03，根据预设的最大工艺窗口对各次级目标的关键因素进行单因素分析，获取工艺指标分析结果；
步骤S04，根据所述分析结果输出对应工艺指标的最优工艺区间。
在一实施例中，获取包含各工艺指标的目标数据，将所述目标数据划分为多个次级目标，包括：
将连续数据进行离散化处理，获取离散数据作为所述目标数据；
对所述目标数据进行分类获取多个所述次级目标。
具体地，可将生产数据导入系统，将离散数据作为目标数据，针对连续数据将进行离散化处理后作为目标数据。目标数据可悲划分为多分类的次级目标后，将预先设置各初级目标的期望占比。
在一实施例中，获取各所述次级目标的影响因素，并根据所述影响因素与对应次级目标的相关性对影响因素进行重要度排序，包括：
获取所述次级目标中符合正态分布的参数作为目标变量；
获取所述目标变量对应的影响因素，其中所述影响因素为对应目标变量的关联参数；
对所述目标变量与对应影响因素之间的相关性进行评分得到评分结果或者获取所述目标变量与对应影响因素之间的分布的相似度；
将所述评分结果或相似度作为对应影响因素的重要度值，并根据所述重要度值进行重要度排序。
具体地，根据导入数据，选择符合正态分布的参数作为目标变量。可手动设置次级目标期望，也可根据历史展示的次级目标期望占比进行次级目标期望设置，具体设置方式这里不作限制。
系统可根据内置的大数据分析算法挖掘各次级目标的影响因素，按照影响因素的重要程度进行排序。其中大数据分析算法可采用如Pearson相关系数、Spearman相关系数等多系数计算结果相融合的方法等数据分析方法，具体数据挖掘分析算法可根据实际应用需求进行选择，这里不作限制。
在一实施例中，得到评分结果的计算方式，包括：
Y1＝A×y1+B×y2
其中，y1为目标变量与影响因素的标准化后的相关性，相关性计算则采用将Pearson相关系数、Spearman相关系数等多系数计算结果相融合的方法，y2为标准化后的专家评分，A、B分别表示y1、y2的权重。Y1为该影响因素得分，得分越高此影响因素越重要。
在一实施例中，获取所述分布的相似度的方式，包括：
其中，Y2表示所述目标变量与对应影响因素的分布的相似度；X为所述目标变量；x为对应的影响因子，ε为误差因子。Y2取值越大代表目标变量与影响因素两者分布的相似度越高，即此影响因素越重要。
在一实施例中，根据预设的最大工艺窗口对各次级目标的关键因素进行单因素分析，获取工艺指标分析结果，包括：
获取符合期望结果的样本与为符合期望结果的样本，计算出期望结果的评述和频率，得到对应工艺指标的目标参数分布；以及
获取所述关键因素的达成率分布，根据所述合格率分布获取推荐区间；
将所述目标参数分布和所述推荐区间作为对应工艺指标的分析结果。
具体地，系统将目标变量与重要性排序中任一变量进行单因素分析，分析计算出目标的达成率(区间的满足设定目标的样本占筛选出的样本的比例)、期望结果的频数和频率。
进一步地，通过可视化展示界面展示对应影响因素的统计分析结果，可提供环形图、柱状图、折线图等多种可视化方法，具体方法为：
方法一：环形图展示。将符合期望结果的样本与未符合期望结果样本筛选出，以计算出期望结果的频数和频率绘制环形图，对目标参数分布情况进行展示。
方法二：折线图展示。在选择重要性排序中任一变量后，将符合期望结果的样本筛选出，折线表示其样本个数。
方法三：直方图展示。在选择重要性排序中任一变量后，可查看对应变量的合格率-样本数双轴直方图，及其推荐区间，推荐区间以透明色块显示。直方图表示样本达成率分布情况，区间中部值表示该区间内的达成率。通过拖动区间轴，重新计算各区间的达成率。
在一实施例中，根据所述分析结果输出对应工艺指标的最优工艺区间，包括：
根据所述最大工艺窗口获取多个样本分箱，统计各所述样本分箱中工艺指标对应预设期望的达成率，根据所述达成率对各样本分箱进行排序，根据排序结果进行最优工艺区间划分；或者，
获取N各连续平均达成率最高的区间作为所述最优工艺区间；或者，
对各工艺指标的样本达成率进行聚类，获取聚类后达成率最高的区间作为所述最优工艺区间。
具体地，设置最大工艺窗口值中，最大工艺窗口值为重要性排序中任一变量在目标期望约束下的样本区间，此系统可设定工艺参数窗口大小，在窗口约束下用户可根据现实需求寻优满足最大工艺窗口的最优工艺区间。
获取最优工艺区间的方法包括：
方法一，取达成率Top.N(N为样本数据分箱个数)划分最优区间。如当N为1时，即取最值区间作为工艺窗口。
方法二，选取N个连续平均达成率最高的区间作为工艺窗口最优区间。
方法三：根据工艺实际生产场景设置。当数据为正常工艺范围时，工艺技术人员可自定义工艺窗口最优区间；当数据为特定场景工艺范围时，需工艺技术人员做相应技术调整后定义工艺窗口最优区间。
方法四：参考工艺指标的标签数据聚类，选取聚类效果最好的情况下，达成率最高类的区间为工艺窗口最优区间。
在一实施例中，工艺参数的选择目标包括：可见“屈服强度”、“规格”，选择目标的选择期望中分别对两目标变量的期望进行选择。
单因素分析中，根据内置的有监督的机器学习算法，对每个影响因素进行单因素分析，将分析结果利用合格率-样本数双轴直方图进行可视化展示。
在一实施例中，点击重要性排序，可见“二加时间”、“Ti”、“均热时间”、“终轧温度”、“在炉时间”、“一加时间”、“终冷时间”、“开冷时间”、“Ceq”、“二加坯料温度”、“返缸温度”、“一加温度”、“一加还材温度”、“冲击功”等变量，从中任一变量，查看对应变量的合格率-样本数双轴直方图，及其推荐区间。其中，折线表示样本数，直方图表示样本达成率分布情况，区间中部值表示该区间内的达成率。拖动区间轴，可重新计算各区间的达成率。
请参阅图2，本实施例提供了一种生产工艺指标分析系统，用于执行前述方法实施例中所述的生产工艺指标分析方法。由于系统实施例的技术原理与前述方法实施例的技术原理相似，因而不再对同样的技术细节做重复性赘述。
在一实施例中，生产工艺指标分析系统，包括：目标获取模块10，用于获取包含各工艺指标的目标数据，将所述目标数据划分为多个次级目标；其中，所述次级目标与所述工艺指标相对应；影响因素获取模块11，用于获取各所述次级目标的影响因素，并根据所述影响因素与对应次级目标的相关性对影响因素进行重要度排序，获取排序结果中前N个影响因素作为关键因素；指标分析模块12，用于根据预设的最大工艺窗口对各次级目标的关键因素进行单因素分析，获取工艺指标分析结果；工艺参数输出模块13，用于根据所述分析结果输出对应工艺指标的最优工艺区间。
本申请实施例还提供了一种生产工艺指标分析设备，该设备可以包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述设备执行图1所述的方法。在实际应用中，该设备可以作为终端设备，也可以作为服务器，终端设备的例子可以包括：智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准语音层面3，Moving Picture Experts Group Audio Layer III)播放器、MP4(动态影像专家压缩标准语音层面4，Moving Picture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等，本申请实施例对于具体的设备不加以限制。
本申请实施例还提供了一种计算机可读存储介质，该介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本申请实施例的图1中生产工艺指标分析方法所包含步骤的指令(instructions)。计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(如：软盘、硬盘、磁带)、光介质(如：DVD)、或者半导体介质(如：固态硬盘Solid State Disk(SSD))等。
参阅图3，本实施例提供一种设备80，设备80可以是台式机、便携式电脑、智能手机等设备。详细的，设备80至少包括通过总线81连接的：存储器82、处理器83，其中，存储器82用于存储计算机程序，处理器83用于执行存储器82存储的计算机程序，以执行前述方法实施例中的全部或部分步骤。
上述提到的系统总线可以是外设部件互连标准(Peripheral PomponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (8)
1.一种生产工艺指标分析方法，其特征在于，包括：
获取包含各工艺指标的目标数据，将所述目标数据划分为多个次级目标；其中，所述次级目标与所述工艺指标相对应；
获取各所述次级目标的影响因素，并根据所述影响因素与对应次级目标的相关性对影响因素进行重要度排序，获取排序结果中前N个影响因素作为关键因素；
根据预设的最大工艺窗口对各次级目标的关键因素进行单因素分析，获取工艺指标分析结果包括：获取符合期望结果的样本与为符合期望结果的样本，计算出期望结果的频数和频率，得到对应工艺指标的目标参数分布；以及获取所述关键因素的达成率分布，根据所述达成率分布获取推荐区间；将所述目标参数分布和所述推荐区间作为对应工艺指标的分析结果，其中最大工艺窗口值为重要性排序中任一变量在目标期望约束下的样本区间；
根据所述分析结果输出对应工艺指标的最优工艺区间，包括：根据所述最大工艺窗口获取多个样本分箱，统计各所述样本分箱中工艺指标对应预设期望的达成率，根据所述达成率对各样本分箱进行排序，根据排序结果进行最优工艺区间划分；或者，获取N个连续平均达成率最高的区间作为所述最优工艺区间；或者，对各工艺指标的样本达成率进行聚类，获取聚类后达成率最高的区间作为所述最优工艺区间。
2.根据权利要求1所述的生产工艺指标分析方法，其特征在于，获取包含各工艺指标的目标数据，将所述目标数据划分为多个次级目标，包括：
将连续数据进行离散化处理，获取离散数据作为所述目标数据；
对所述目标数据进行分类获取多个所述次级目标。
3.根据权利要求1所述的生产工艺指标分析方法，其特征在于，获取各所述次级目标的影响因素，并根据所述影响因素与对应次级目标的相关性对影响因素进行重要度排序，包括：
获取所述次级目标中符合正态分布的参数作为目标变量；
获取所述目标变量对应的影响因素，其中所述影响因素为对应目标变量的关联参数；
对所述目标变量与对应影响因素之间的相关性进行评分得到评分结果或者获取所述目标变量与对应影响因素之间的分布的相似度；
将所述评分结果或相似度作为对应影响因素的重要度值，并根据所述重要度值进行重要度排序。
4.根据权利要求3所述的生产工艺指标分析方法，其特征在于，得到评分结果的计算方式，包括：
Y1＝A×y1+B×y2
其中，Y1为评分结果，y1为所述目标变量与对应影响因素的标准化后的相关性；y2对应影响因素的专家评分，A、B分别为y1，y2的权重。
5.根据权利要求3所述的生产工艺指标分析方法，其特征在于，获取所述分布的相似度的方式，包括：
其中，Y2表示所述目标变量与对应影响因素的分布的相似度；X为所述目标变量；x为对应的影响因子，ε为误差因子。
6.一种生产工艺指标分析系统，其特征在于，包括：
目标获取模块，用于获取包含各工艺指标的目标数据，将所述目标数据划分为多个次级目标；其中，所述次级目标与所述工艺指标相对应；
影响因素获取模块，用于获取各所述次级目标的影响因素，并根据所述影响因素与对应次级目标的相关性对影响因素进行重要度排序，获取排序结果中前N个影响因素作为关键因素；
指标分析模块，用于根据预设的最大工艺窗口对各次级目标的关键因素进行单因素分析，获取工艺指标分析结果包括：获取符合期望结果的样本与为符合期望结果的样本，计算出期望结果的频数和频率，得到对应工艺指标的目标参数分布；以及获取所述关键因素的达成率分布，根据所述达成率分布获取推荐区间；将所述目标参数分布和所述推荐区间作为对应工艺指标的分析结果，其中最大工艺窗口值为重要性排序中任一变量在目标期望约束下的样本区间；
工艺参数输出模块，用于根据所述分析结果输出对应工艺指标的最优工艺区间，包括：根据所述最大工艺窗口获取多个样本分箱，统计各所述样本分箱中工艺指标对应预设期望的达成率，根据所述达成率对各样本分箱进行排序，根据排序结果进行最优工艺区间划分；或者，获取N个连续平均达成率最高的区间作为所述最优工艺区间；或者，对各工艺指标的样本达成率进行聚类，获取聚类后达成率最高的区间作为所述最优工艺区间。
7.一种生产工艺指标分析设备，其特征在于，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行如权利要求1-5中任一所述的方法。
8.一种计算机可读存储介质，其特征在于，其上存储有指令，当由一个或多个处理器执行时，使得设备执行如权利要求1-5中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210425395.4A CN114861997B (zh) | 2022-04-21 | 一种生产工艺指标分析方法、系统、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210425395.4A CN114861997B (zh) | 2022-04-21 | 一种生产工艺指标分析方法、系统、设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114861997A CN114861997A (zh) | 2022-08-05 |
| CN114861997B true CN114861997B (zh) | 2024-07-09 |
Family
ID=
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110910270A (zh) * | 2018-09-17 | 2020-03-24 | 阿里巴巴集团控股有限公司 | 磷酸生产工艺的处理方法、装置和系统 |
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110910270A (zh) * | 2018-09-17 | 2020-03-24 | 阿里巴巴集团控股有限公司 | 磷酸生产工艺的处理方法、装置和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108416310B (zh) | 用于生成信息的方法和装置 | |
| CN108197652B (zh) | 用于生成信息的方法和装置 | |
| CN114549874B (zh) | 多目标图文匹配模型的训练方法、图文检索方法及装置 | |
| CN110781298A (zh) | 药品分类方法、装置、计算机设备及存储介质 | |
| US20190114711A1 (en) | Financial analysis system and method for unstructured text data | |
| CN113360711B (zh) | 视频理解任务的模型训练和执行方法、装置、设备及介质 | |
| WO2020007177A1 (zh) | 计算机执行的报价方法、报价装置、电子设备及存储介质 | |
| CN111210402A (zh) | 人脸图像质量评分方法、装置、计算机设备及存储介质 | |
| CN116822651A (zh) | 基于增量学习的大模型参数微调方法、装置、设备及介质 | |
| CN114494709A (zh) | 特征提取模型的生成方法、图像特征提取方法和装置 | |
| CN115131698A (zh) | 视频属性确定方法、装置、设备及存储介质 | |
| CN112149708A (zh) | 数据模型选择优化方法、装置、计算机装置及存储介质 | |
| CN111723222A (zh) | 图像搜索和训练系统 | |
| CN114861997B (zh) | 一种生产工艺指标分析方法、系统、设备和介质 | |
| CN112100177A (zh) | 数据存储方法、装置、计算机设备及存储介质 | |
| CN115841144A (zh) | 一种文本检索模型的训练方法及装置 | |
| CN111127481A (zh) | 基于tof图像联通区域的图像识别方法及装置 | |
| CN114398883B (zh) | 演示文稿生成方法、装置、计算机可读存储介质及服务器 | |
| CN116881432A (zh) | 文本推送方法、装置、电子设备和存储介质 | |
| CN116403569A (zh) | 基于人工智能的语音识别方法、装置、计算机设备及介质 | |
| CN114566160A (zh) | 语音处理方法、装置、计算机设备、存储介质 | |
| CN113591881B (zh) | 基于模型融合的意图识别方法、装置、电子设备及介质 | |
| CN114861997A (zh) | 一种生产工艺指标分析方法、系统、设备和介质 | |
| CN113961765A (zh) | 基于神经网络模型的搜索方法、装置、设备和介质 | |
| CN111782812A (zh) | K-Means文本聚类方法、装置及终端设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| CB02 | Change of applicant information |
Address after: 401329 No. 5-6, building 2, No. 66, Nongke Avenue, Baishiyi Town, Jiulongpo District, Chongqing Applicant after: MCC CCID information technology (Chongqing) Co.,Ltd. Address before: 401329 No. 5-6, building 2, No. 66, Nongke Avenue, Baishiyi Town, Jiulongpo District, Chongqing Applicant before: CISDI CHONGQING INFORMATION TECHNOLOGY Co.,Ltd. |
|
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |