CN114943492A - 机电产品质量分数计算方法、装置和计算机设备 - Google Patents
机电产品质量分数计算方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN114943492A CN114943492A CN202210873993.8A CN202210873993A CN114943492A CN 114943492 A CN114943492 A CN 114943492A CN 202210873993 A CN202210873993 A CN 202210873993A CN 114943492 A CN114943492 A CN 114943492A
- Authority
- CN
- China
- Prior art keywords
- information
- key
- mass fraction
- feature
- product
- 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
Links
- 238000004364 calculation method Methods 0.000 title claims description 27
- 238000011084 recovery Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000004064 recycling Methods 0.000 claims description 29
- 230000000712 assembly Effects 0.000 claims description 26
- 238000000429 assembly Methods 0.000 claims description 26
- 239000000463 material Substances 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000003912 environmental pollution Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 abstract description 6
- 238000011027 product recovery Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 9
- 239000002699 waste material Substances 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 238000010606 normalization Methods 0.000 description 6
- 238000003066 decision tree Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000020477 pH reduction Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06Q10/06—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
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及机电产品回收技术领域，特别涉及一种机电产品质量分数计算方法、装置和计算机设备。通过将机电产品分为关键装配体与非关键装配体，这样能够分别对关键装配体与非关键装配体进行质量分数运算，这样便于回收机构进行选择性的回收，通过第一质量分数与第二质量分数计算机电产品的质量分数，即第三质量分数，这样便于回收机构客观的了解到某个机电产品的质量分数，从而便于根据质量分数制定不同的回收价格指标，从而避免造成回收成本过高而效益低的情况发生。
Description
技术领域
本发明涉及机电产品回收技术领域，特别涉及一种机电产品质量分数计算方法、装置和计算机设备。
背景技术
随着工业生产力的不断提高，机电产品的产量持续增大，与此同时，机电产品更新换代周期的日益缩短，由此产生了越来越多的废旧机电产品。
废旧的机电产品往往含有有毒有害物质，对产品的回收离不开填埋处理，肆意地对废旧机电产品进行填埋处理，会对生态环境造成极大的破坏。另一方面，全球的资源日益短缺，原材料的供应越来越紧张，而有效地利用废旧机电产品的材料或零部件，可避免资源的浪费。因此，为减少废旧机电产品对环境的影响和促进资源的再循环，对废旧的机电产品的妥善回收是十分必要的。同时，对废旧机电产品的高效回收也可以为执行回收的机构带来可观的利润。
然而现有技术中对机电产品进行回收时，由于回收方无法获知机电产品的有效信息，因此都是凭主观臆断或者经验来确定机电产品的回收质量，易出现回收成本过高而效益低的情况。
发明内容
本发明的主要目的为提供一种机电产品质量分数计算方法，旨在解决现有技术中由于无法对机电产品的质量分数进行预估，从而造成回收成本高而效益低的技术问题。
本发明提出一种机电产品质量分数计算方法，包括：
获取机电产品的第一特征信息，其中，所述第一特征信息包括多个装配体的产品信息；
根据所述产品信息确定关键装配体和非关键装配体；
获取关键装配体的多个第二特征信息，其中，第二特征信息包括材料特征、使用特征、可拆解特征、可加工特征和环境污染特征；
将多个所述第二特征信息输入第一质量预估模型中，得到关键装配体的第一质量分数；
获取非关键装配体的多个第三特征信息；
将多个所述第三特征信息输入第二质量预估模型中，得到非关键装配体的第二质量分数；
根据所述第一质量分数和所述第二质量分数计算机电产品的第三质量分数。
作为优选，所述根据所述产品信息确定关键装配体和非关键装配体的步骤，包括：
根据所述产品信息获取每一个所述装配体的关键信息，其中，所述关键信息包括厂商信息、生产日期信息、材料信息和名称信息中的至少一个；
判断所述关键信息与预设关键信息是否一致；
若所述关键信息与预设关键信息一致，将与所述关键信息对应的装配体确定为关键装配体；
若所述关键信息与预设关键信息不一致，将与所述关键信息对应的装配体确定为非关键装配体。
作为优选，所述将多个所述第二特征信息输入第一质量预估模型中，得到关键装配体的第一质量分数的步骤，包括：
将多个所述第二特征信息输入标准化函数中，得到关键装配体的多个标准指标值，其中，标准化函数为：NP（i）=EP(i)[S*R(i)]，其中，NP（i）表示关键装配体的标准指标值，S表示与第二特征信息对应的所述关键装配体的使用周期；R(i)表示影响第二特征信息指标的基准值；EP(i)表示第二特征信息的生态指标影响力值；
获取标准指标值的权重因子，并根据所述权重因子对多个所述标准指标值进行加权计算，得到关键装配体的多个第一得分，其中，计算公式为：
D（i）=E（i）*NP（i）；
其中，所述D（i）表示第一得分，E（i）表示标准指标值的权重因子；
将多个所述第一得分相加，得到关键装配体的第一质量分数。
作为优选，所述获取标准指标值的权重因子的步骤，包括：
获取与标准指标值对应的第二特征信息的特征名称，其中，所述特征名称包括材料特征名称、使用特征名称、可拆解特征名称、可加工特征名称和环境污染特征名称；
根据所述特征名称构建判断矩阵，其中，判断矩阵的比较方式为两两比较；
获取每个特征名称与其他特征名称相比的重要性标度值；
根据所述重要性标度值计算判断矩阵中每一个被比较的特征名称的相对权重，其中，计算公式为：
其中，
表示每一个被比较的特征名称的相对权重，x表示判断矩阵的行数，y表示判断矩阵的列数，
表示特征名称x与特征名称y相比的重要性标度值；
将所述相对权重作为与被比较的特征名称相对应的标准指标值的权重因子，并获取所述权重因子。
作为优选，所述根据所述第一质量分数和所述第二质量分数计算机电产品的第三质量分数的步骤之后，还包括：
获取区域内机电产品的历史回收数据，其中，历史回收数据包括多类机电产品的回收数目；
计算每类机电产品的第四质量分数，将所述回收数目与第四质量分数相乘，得到每类机电产品的第一回收价值；
将多类机电产品的第一回收价值相加，得到所述区域的总回收价值。
作为优选，所述将多类机电产品的第一回收价值相加，得到区域回收价值的步骤之后，还包括：
获取多个区域的总回收价值；
对多个所述总回收价值按照大小顺序进行排序，得到排序结果；
根据排序结果，对多个区域进行优先级划分。
本申请还提供一种机电产品质量分数计算装置，包括：
第一获取模块，用于获取机电产品的第一特征信息，其中，所述第一特征信息包括多个装配体的产品信息；
确定模块，用于根据所述产品信息确定关键装配体和非关键装配体；
第二获取模块，用于获取关键装配体的多个第二特征信息，其中，第二特征信息包括材料特征、使用特征、可拆解特征、可加工特征和环境污染特征；
第一计算模块，用于将多个所述第二特征信息输入第一质量预估模型中，得到关键装配体的第一质量分数；
第三获取模块，用于获取非关键装配体的多个第三特征信息；
第二计算模块，用于将多个所述第三特征信息输入第二质量预估模型中，得到非关键装配体的第二质量分数；
第三计算模块，用于根据所述第一质量分数和所述第二质量分数计算机电产品的第三质量分数。
作为优选，所述确定模块，包括：
第一获取单元，用于根据所述产品信息获取每一个所述装配体的关键信息，其中，所述关键信息包括厂商信息、生产日期信息、材料信息和名称信息中的至少一个；
判断单元，用于判断所述关键信息与预设关键信息是否一致；
第一确定单元，用于若所述关键信息与预设关键信息一致，将与所述关键信息对应的装配体确定为关键装配体；
第二确定单元，用于若所述关键信息与预设关键信息不一致，将与所述关键信息对应的装配体确定为非关键装配体。
本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述机电产品质量分数计算方法的步骤。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述机电产品质量分数计算方法的步骤。
本发明的有益效果为：通过将机电产品分为关键装配体与非关键装配体，这样能够分别对关键装配体与非关键装配体进行质量分数运算，这样便于回收机构进行选择性的回收，通过第一质量分数与第二质量分数计算机电产品的质量分数，即第三质量分数，这样便于回收机构客观的了解到某个机电产品的质量分数，从而便于根据质量分数制定不同的回收价格指标，从而避免造成回收成本过高而效益低的情况发生。
附图说明
图1为本发明一实施例的方法流程示意图。
图2为本发明一实施例的装置结构示意图。
图3为本发明一实施例的计算机设备内部结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本申请提供一种机电产品质量分数计算方法，包括：
S1、获取机电产品的第一特征信息，其中，所述第一特征信息包括多个装配体的产品信息；
S2、根据所述产品信息确定关键装配体和非关键装配体；
S3、获取关键装配体的多个第二特征信息，其中，第二特征信息包括材料特征、使用特征、可拆解特征、可加工特征和环境污染特征；
S4、将多个所述第二特征信息输入第一质量预估模型中，得到关键装配体的第一质量分数；
S5、获取非关键装配体的多个第三特征信息；
S6、将多个所述第三特征信息输入第二质量预估模型中，得到非关键装配体的第二质量分数；
S7、根据所述第一质量分数和所述第二质量分数计算机电产品的第三质量分数。
如上述步骤S1-S2所述，随着全球工业化进程的快速推进和经济的快速发展，由于资源的过度使用和经济的粗放式发展造成了严重的全球行资源短缺和环境污染问题；如何破解该问题实现可持续发展，成为了有待解决的技术问题，而对机电产品的回收与再利用，具体节约资源、降低能耗、减少污染物排放的显著功效，因此机电产品的回收再制造是历史趋势和必然选择；机电产品主要是指使用机械、电器、电子设备所生产的各类农具机械、电器、电子性能的生产设备和生活用机具。一般包括机械设备、电气设备、交通运输工具、电子产品、电器产品、仪器仪表、金属制品等及其零部件、元器件。因此，机电产品通常由多个装配体组成，在获取机电产品的第一特征信息时，为了加深对机电产品的整体结构、功能的了解，可获取多个装配体的产品信息，具体的，厂商在生产机电产品或者机电产品在组装时，在每个装配体上设置RFID标签，由于每个RFID标签具有唯一的电子编码， RFID标签对水、油和化学药品等物质具有很强抵抗性，且RFID卷标是将数据存在芯片中，因此可以免受污损。因此，RFID标签相对于传统条形码，存储产品信息的时间更久，抗污染能力更强，因此可通过读取RFID标签的电子编码以获取到与RFID标签对应的产品信息，从而可将机电产品上的多个装配体的产品信息都获取到，由于机电产品的构造复杂，且不同的装配体，其磨损程度和耐用程度都不相同，因此可根据每个装配体的产品信息与实际需求，确认机电产品中哪些装配体属于关键装配体，哪些装配体属于非关键装配体，从而便于对关键装配体与非关键装配体采取不同的回收方式。
如上述步骤S3-S7所述，获取关键装配体的多个第二特征信息时，可以对关键装配体的材料特征、使用特征、可拆解特征、可加工特征和环境污染特征进行获取，并将上述各特征输入至第一质量预估模型中，这样可通过第一质量预估模型得到关键装配体的第一质量分数，具体的，第一质量预估模型可以是机器学习预测模型，例如决策树模型，具体的，第一质量预估模型训练过程如下：将多个第二特征信息作为训练样本，输入第一质量预估模型中，其中，训练样本中包括多个关键体的材料特征、使用特征、可拆解特征、可加工特征、环境污染特征等具体数据，将上述数据作为训练样本输入到基于XGBoost算法的决策树模型中进行建模训练，得到多个关键装配体的第一质量分数；再获取非关键装配体的多个第三特征信息，由于非关键装配体不是机电产品上的核心关键，因此将第三特征信息输入第二质量预估模型中时，具体的，第三特征信息也包括材料特征、使用特征、可拆解特征、可加工特征和环境污染特征，为了减少整体运算的消耗成本，可以根据实际需求选择性的输入，例如，可以选择将环境污染特征值与可加工特征值作为训练样本输入第二质量预估模型中，从而得到第二质量分数，第二质量预估模型可以是与第一质量预估模型的构造相同的决策树模型，训练过程类似，因此在此不做赘述。得到机电产品的第一质量分数与第二质量分数后，可基于第一质量分数与第二质量分数计算机电产品的第三质量分数，具体的，可将关键装配体的第一质量分数与非关键装配体的第二质量分数相加，从而得到第三质量分数，也可以根据实际需求对第一质量分数与第二质量分数划分不同的权重值，最后将关键装配体的第一质量分数与第一权重值的乘积与第二质量分数与第二权重值的乘积相加，得到第三质量分数，或者也可以将第一质量分数作为机电产品的第三质量分数，因此第三质量分数可以根据实际需求进行确定与计算，在此不做限定。
综上，本实施例通过将机电产品分为关键装配体与非关键装配体，这样能够分别对关键装配体与非关键装配体进行质量分数运算，这样便于回收机构进行选择性的回收，例如仅回收关键装配体或仅回收非关键装配体，其次，也可以通过第一质量分数与第二质量分数计算机电产品的质量分数，即第三质量分数，这样便于回收机构客观的了解到某个机电产品的质量分数，从而便于根据质量分数制定不同的回收价格指标，从而避免造成回收成本过高而效益低的情况发生。
在一个实施例中，所述根据所述产品信息确定关键装配体和非关键装配体的步骤S2包括：
S21、根据所述产品信息获取每一个所述装配体的关键信息，其中，所述关键信息包括厂商信息、生产日期信息、材料信息和名称信息中的至少一个；
S22、判断所述关键信息与预设关键信息是否一致；
S23、若所述关键信息与预设关键信息一致，将与所述关键信息对应的装配体确定为关键装配体；
S24、若所述关键信息与预设关键信息不一致，将与所述关键信息对应的装配体确定为非关键装配体。
如上述步骤S21-S24所述，在区分关键装配体和非关键装配体时，可获取产品信息中的关键信息，从而根据关键信息对装配体进行区分，例如机电产品为电脑时，内存条、CPU芯片则为关键装配体，而键盘、电子屏幕等则为非关键装配体，但是某些厂商生产的电子屏幕由于其质量把控严格或者行业普遍认可率高，则可将厂商信息作为关键信息，若关键信息为预设关键信息（XX厂商），则可将与关键信息对应的电子屏幕作为关键装配体；当机电产品为发动机时，则可根据发动机的产品信息区分关键装配体与非装配体，因此，关键信息的选择并不是唯一的，可以基于不同的机电产品进行不同的设定，即关键信息可以根据实际需求进行选择，这样能够增加区分关键装配体与非关键装配体的自主性，使得确定方式更加智能化。
在一个实施例中，所述将多个所述第二特征信息输入第一质量预估模型中，得到关键装配体的第一质量分数的步骤S4，包括：
S41、将多个所述第二特征信息输入标准化函数中，得到关键装配体的多个标准指标值，其中，标准化函数为：NP（i）=EP(i)[S*R(i)]，其中，NP（i）表示关键装配体的标准指标值，S表示与第二特征信息对应的所述关键装配体的使用周期；R(i)表示影响第二特征信息指标的基准值；EP(i)表示第二特征信息的生态指标影响力值；
S42、获取标准指标值的权重因子，并根据所述权重因子对多个所述标准指标值进行加权计算，得到关键装配体的多个第一得分，其中，计算公式为：
D（i）=E（i）*NP（i）；
其中，所述D（i）表示第一得分，E（i）表示标准指标值的权重因子；
S43、将多个所述第一得分相加，得到关键装配体的第一质量分数。
如上述步骤S41-S43所述，除了可以基于决策树模型对第一质量分数进行计算之外，也可以基于标准化函数对第一质量分数进行计算，由于第二特征信息中的材料特征、使用特征、可拆解特征、可加工特征和环境污染特征的单位并不相同，因此为了使得第二特征信息的数据单位统一，可将不同的第二特征信息输入标准化函数中，从而得到与特征信息对应的标准指标值，这样能够使得不同的第二特征信息统一被标准化，具体的，上述的使用周期可以通过获取关键装配体的生产日期或者运行时长等信息得到，基准值也称为可接受的基准值或标准值，是充当测量值的一个一致认可的基准，因此不同的第二特征信息对应的基准值不同，获取基准值时，可获取多个装配体的第二特征信息，再取其平均值作为基准值，例如，第二特征信息为可拆解特征时，可获取多个相同装配体的可拆解特征，例如，有5个装配体可拆解难度大，数值记为10，有3个装配体可拆解难度中等，数值记为5，有2个装配体可拆解难度低，数值记为1，则可拆解特征的基准值为平均值6.7，除此之外，也可以直接获取一个一致认可的数值作为基准值，此处不做唯一限定；生态指标影响力值可以基于第二特征信息的特性预设与之对应的影响力值，也可以基于生态影响指标，获取对应的影响力值，具体的，材料特征、可加工特征、环境污染特征与生态环境相关，因此可以获取与环境相关的影响力值，例如某种材料特征易导致土壤酸化，而现有技术中该材料特征导致土壤酸化的影响力值为36 kgSO2-eq，再例如可加工特征、环境污染特征，关键装配体加工时产生的某种气体容易生成环境污染特征，例如该气体容易使得臭氧层破坏，而现有技术中该气体导致臭氧层破坏的影响力值为0.65 kgSO2-eq，再例如使用特征、可拆解特征由于其与生态影响的相关性不高，因此可将其影响力力值设为1，当然也可以根据实际需求设置为其他数值，此处不做唯一限定。由于机电产品的回收利用本就是基于环保的目的，因此在标准化函数中通过增加生态指标影响力值，这样能够通过查看关键体的标准指标值了解到其与环保的相关性；之后再获取每个标准指标值对应的权重因子，从而可以基于权重因子对标准指标值进行加权计算，从而得到关键装配体的多个第一得分，将多个第一得分相乘，则得到关键装配体的第一质量分数。需要说明的是，权重因子可以基于实际需求进行预设，例如，材料特征为5，使用特征为5，可拆解特征为7，可加工特征为7、环境污染特征为10。
在一个实施例中，所述获取标准指标值的权重因子的步骤S42，包括：
S421、获取与标准指标值对应的第二特征信息的特征名称，其中，所述特征名称包括材料特征名称、使用特征名称、可拆解特征名称、可加工特征名称和环境污染特征名称；
S422、根据所述特征名称构建判断矩阵，其中，判断矩阵的比较方式为两两比较；
S423、获取每个特征名称与其他特征名称相比的重要性标度值；
S424、根据所述重要性标度值计算判断矩阵中每一个被比较的特征名称的相对权重，其中，计算公式为：
其中，
表示每一个被比较的特征名称的相对权重，x表示判断矩阵的行数，y表示判断矩阵的列数，
表示特征名称x与特征名称y相比的重要性标度值；
S425、将所述相对权重作为与被比较的特征名称相对应的标准指标值的权重因子，并获取所述权重因子。
如上述步骤S421- S425所述，除了根据实际需求进行预设之外，也可以通过判断矩阵对权重因子进行计算得到，进行比较时可采取两两比较的方式，例如可将材料特征分别与使用特征、可拆解特征、可加工特征和环境污染特征进行两两比较，并获取每个特征名称与其他特征名称相比的重要性标度值，从而可基于重要性标度值计算每个特征信息的权重因子，这样计算得到的权重因子更加客观，提高权重因子的准确度。
在一个实施例中，所述根据所述第一质量分数和所述第二质量分数计算机电产品的第三质量分数的步骤S7之后，还包括：
S8、获取区域内机电产品的历史回收数据，其中，历史回收数据包括多类机电产品的回收数目；
S9、计算每类机电产品的第四质量分数，将所述回收数目与第四质量分数相乘，得到每类机电产品的第一回收价值；
S10、将多类机电产品的第一回收价值相加，得到所述区域的总回收价值。
如上述步骤S8-S10所述，由于每个地区的生态环境、经济状态不同，回收方难以对每个地区的能够回收的机电产品及其质量进行预估，为区域针对性的回收机电产品造成了阻碍。因此，通过获取某个区域内的机电产品的某一段时间内的历史回收数据，再基于步骤S1-S7对机电产品的第四质量分数进行计算，从而可以得到每类机电产品的第一回收价值，再将多个机电产品的第一回收价值相加，从而能够得到该区域的总回收价值，这样便于回收方对该区域进行了解。
在一个实施例中，所述将多类机电产品的第一回收价值相加，得到区域回收价值的步骤之后S10之后，还包括：
S101、获取多个区域的总回收价值；
S102、对多个所述总回收价值按照大小顺序进行排序，得到排序结果；
S103、根据排序结果，对多个区域进行优先级划分。
如上述步骤S101-S103所述，通过获取多个区域的总回收价值，并对各区域进行优先级划分，这样对机电产品回收时，可以提前布局，优先的对总回收价值高的区域进行回收，提高回收效率。
本申请还提供一种机电产品质量分数计算装置，包括：
第一获取模块1，用于获取机电产品的第一特征信息，其中，所述第一特征信息包括多个装配体的产品信息；
确定模块2，用于根据所述产品信息确定关键装配体和非关键装配体；
第二获取模块3，用于获取关键装配体的多个第二特征信息，其中，第二特征信息包括材料特征、使用特征、可拆解特征、可加工特征和环境污染特征；
第一计算模块4，用于将多个所述第二特征信息输入第一质量预估模型中，得到关键装配体的第一质量分数；
第三获取模块5，用于获取非关键装配体的多个第三特征信息；
第二计算模块6，用于将多个所述第三特征信息输入第二质量预估模型中，得到非关键装配体的第二质量分数；
第三计算模块7，用于根据所述第一质量分数和所述第二质量分数计算机电产品的第三质量分数。
在一个实施例中，所述确定模块2，包括：
第一获取单元，用于根据所述产品信息获取每一个所述装配体的关键信息，其中，所述关键信息包括厂商信息、生产日期信息、材料信息和名称信息中的至少一个；
判断单元，用于判断所述关键信息与预设关键信息是否一致；
第一确定单元，用于若所述关键信息与预设关键信息一致，将与所述关键信息对应的装配体确定为关键装配体；
第二确定单元，用于若所述关键信息与预设关键信息不一致，将与所述关键信息对应的装配体确定为非关键装配体。
在一个实施例中，第一计算模块4，包括：
输入单元，用于将多个所述第二特征信息输入标准化函数中，得到关键装配体的多个标准指标值，其中，标准化函数为：NP（i）=EP(i)[S*R(i)]，其中，NP（i）表示关键装配体的标准指标值，S表示与第二特征信息对应的所述关键装配体的使用周期；R(i)表示影响第二特征信息指标的基准值；EP(i)表示第二特征信息的生态指标影响力值；
第二获取单元，用于获取标准指标值的权重因子，并根据所述权重因子对多个所述标准指标值进行加权计算，得到关键装配体的多个第一得分，其中，计算公式为：
D（i）=E（i）*NP（i）；
其中，所述D（i）表示第一得分，E（i）表示标准指标值的权重因子；
第一计算单元，用于将多个所述第一得分相加，得到关键装配体的第一质量分数。
在一个实施例中，第二获取单元，包括：
第二获取子单元，用于获取与标准指标值对应的第二特征信息的特征名称，其中，所述特征名称包括材料特征名称、使用特征名称、可拆解特征名称、可加工特征名称和环境污染特征名称；
构建单元，用于根据所述特征名称构建判断矩阵，其中，判断矩阵的比较方式为两两比较；
第三获取子单元，用于获取每个特征名称与其他特征名称相比的重要性标度值；
第二计算单元，用于根据所述重要性标度值计算判断矩阵中每一个被比较的特征名称的相对权重，其中，计算公式为：
其中，
表示每一个被比较的特征名称的相对权重，x表示判断矩阵的行数，y表示判断矩阵的列数，
表示特征名称x与特征名称y相比的重要性标度值；
第四获取子单元，用于将所述相对权重作为与被比较的特征名称相对应的标准指标值的权重因子，并获取所述权重因子。
在一个实施例中，机电产品质量分数计算装置，还包括：
第四获取模块，用于获取区域内机电产品的历史回收数据，其中，历史回收数据包括多类机电产品的回收数目；
第四计算模块，用于计算每类机电产品的第四质量分数，将所述回收数目与第四质量分数相乘，得到每类机电产品的第一回收价值；
第五计算模块，用于将多类机电产品的第一回收价值相加，得到所述区域的总回收价值。
在一个实施例中，机电产品质量分数计算装置，还包括：
第五获取模块，用于获取多个区域的总回收价值；
排序模块，用于对多个所述总回收价值按照大小顺序进行排序，得到排序结果；
划分模块，用于根据排序结果，对多个区域进行优先级划分。
上述各单元均是对应执行上述机电产品质量分数计算装置。
如图3所示，本发明还提供了一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、数据库显示屏和输入装置。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储机电产品质量分数计算方法的过程需要的所有数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现机电产品质量分数计算方法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任意一个机电产品质量分数计算方法。
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，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性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的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种机电产品质量分数计算方法，其特征在于，包括：
获取机电产品的第一特征信息，其中，所述第一特征信息包括多个装配体的产品信息；
根据所述产品信息确定关键装配体和非关键装配体；
获取关键装配体的多个第二特征信息，其中，第二特征信息包括材料特征、使用特征、可拆解特征、可加工特征和环境污染特征；
将多个所述第二特征信息输入第一质量预估模型中，得到关键装配体的第一质量分数；
获取非关键装配体的多个第三特征信息；
将多个所述第三特征信息输入第二质量预估模型中，得到非关键装配体的第二质量分数；
根据所述第一质量分数和所述第二质量分数计算机电产品的第三质量分数。
2.根据权利要求1所述的机电产品质量分数计算方法，其特征在于，所述根据所述产品信息确定关键装配体和非关键装配体的步骤，包括：
根据所述产品信息获取每一个所述装配体的关键信息，其中，所述关键信息包括厂商信息、生产日期信息、材料信息和名称信息中的至少一个；
判断所述关键信息与预设关键信息是否一致；
若所述关键信息与预设关键信息一致，将与所述关键信息对应的装配体确定为关键装配体；
若所述关键信息与预设关键信息不一致，将与所述关键信息对应的装配体确定为非关键装配体。
3.根据权利要求1所述的机电产品质量分数计算方法，其特征在于，所述将多个所述第二特征信息输入第一质量预估模型中，得到关键装配体的第一质量分数的步骤，包括：
将多个所述第二特征信息输入标准化函数中，得到关键装配体的多个标准指标值，其中，标准化函数为：NP（i）=EP(i)[S*R(i)]，其中，NP（i）表示关键装配体的标准指标值，S表示与第二特征信息对应的所述关键装配体的使用周期；R(i)表示影响第二特征信息指标的基准值；EP(i)表示第二特征信息的生态指标影响力值；
获取标准指标值的权重因子，并根据所述权重因子对多个所述标准指标值进行加权计算，得到关键装配体的多个第一得分，其中，计算公式为：
D（i）=E（i）*NP（i）；
其中，所述D（i）表示第一得分，E（i）表示标准指标值的权重因子；
将多个所述第一得分相加，得到关键装配体的第一质量分数。
4.根据权利要求1所述的机电产品质量分数计算方法，其特征在于，所述获取标准指标值的权重因子的步骤，包括：
获取与标准指标值对应的第二特征信息的特征名称，其中，所述特征名称包括材料特征名称、使用特征名称、可拆解特征名称、可加工特征名称和环境污染特征名称；
根据所述特征名称构建判断矩阵，其中，判断矩阵的比较方式为两两比较；
获取每个特征名称与其他特征名称相比的重要性标度值；
根据所述重要性标度值计算判断矩阵中每一个被比较的特征名称的相对权重，其中，计算公式为：
其中，
表示每一个被比较的特征名称的相对权重，x表示判断矩阵的行数，y表示判断
矩阵的列数，
表示特征名称x与特征名称y相比的重要性标度值；
将所述相对权重作为与被比较的特征名称相对应的标准指标值的权重因子，并获取所述权重因子。
5.根据权利要求1所述的机电产品质量分数计算方法，其特征在于，所述根据所述第一质量分数和所述第二质量分数计算机电产品的第三质量分数的步骤之后，还包括：
获取区域内机电产品的历史回收数据，其中，历史回收数据包括多类机电产品的回收数目；
计算每类机电产品的第四质量分数，将所述回收数目与第四质量分数相乘，得到每类机电产品的第一回收价值；
将多类机电产品的第一回收价值相加，得到所述区域的总回收价值。
6.根据权利要求5所述的机电产品质量分数计算方法，其特征在于，所述将多类机电产品的第一回收价值相加，得到区域回收价值的步骤之后，还包括：
获取多个区域的总回收价值；
对多个所述总回收价值按照大小顺序进行排序，得到排序结果；
根据排序结果，对多个区域进行优先级划分。
7.一种机电产品质量分数计算装置，其特征在于，包括：
第一获取模块，用于获取机电产品的第一特征信息，其中，所述第一特征信息包括多个装配体的产品信息；
确定模块，用于根据所述产品信息确定关键装配体和非关键装配体；
第二获取模块，用于获取关键装配体的多个第二特征信息，其中，第二特征信息包括材料特征、使用特征、可拆解特征、可加工特征和环境污染特征；
第一计算模块，用于将多个所述第二特征信息输入第一质量预估模型中，得到关键装配体的第一质量分数；
第三获取模块，用于获取非关键装配体的多个第三特征信息；
第二计算模块，用于将多个所述第三特征信息输入第二质量预估模型中，得到非关键装配体的第二质量分数；
第三计算模块，用于根据所述第一质量分数和所述第二质量分数计算机电产品的第三质量分数。
8.根据权利要求7所述的机电产品质量分数计算装置，其特征在于，所述确定模块，包括：
第一获取单元，用于根据所述产品信息获取每一个所述装配体的关键信息，其中，所述关键信息包括厂商信息、生产日期信息、材料信息和名称信息中的至少一个；
判断单元，用于判断所述关键信息与预设关键信息是否一致；
第一确定单元，用于若所述关键信息与预设关键信息一致，将与所述关键信息对应的装配体确定为关键装配体；
第二确定单元，用于若所述关键信息与预设关键信息不一致，将与所述关键信息对应的装配体确定为非关键装配体。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210873993.8A CN114943492B (zh) | 2022-07-25 | 2022-07-25 | 机电产品质量分数计算方法、装置和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210873993.8A CN114943492B (zh) | 2022-07-25 | 2022-07-25 | 机电产品质量分数计算方法、装置和计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114943492A true CN114943492A (zh) | 2022-08-26 |
| CN114943492B CN114943492B (zh) | 2022-11-11 |
Family
ID=82910500
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210873993.8A Active CN114943492B (zh) | 2022-07-25 | 2022-07-25 | 机电产品质量分数计算方法、装置和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114943492B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102306212A (zh) * | 2011-07-14 | 2012-01-04 | 华东理工大学 | 一种基于本体的计算机拆卸回收方法 |
| CN104200242A (zh) * | 2014-06-20 | 2014-12-10 | 华东理工大学 | 基于rfid的机电产品回收方法 |
| CN106447050A (zh) * | 2016-08-30 | 2017-02-22 | 大连理工大学 | 均衡回收企业定价和回收成本的报废汽车回收规划方法 |
| CN106447047A (zh) * | 2016-01-17 | 2017-02-22 | 沈阳工业大学 | 一种废旧机床可再制造质量评估方法 |
| CN108960443A (zh) * | 2018-06-26 | 2018-12-07 | 武汉科技大学 | 一种废旧零部件再制造评估系统及方法 |
| CN110674953A (zh) * | 2019-10-09 | 2020-01-10 | 青岛科技大学 | 基于废旧智能手机价值评估的拆卸回收方法 |
| CN111047387A (zh) * | 2019-10-29 | 2020-04-21 | 深圳市爱博绿环保科技有限公司 | 一种回收管理的方法及装置 |
| CN111353691A (zh) * | 2020-02-18 | 2020-06-30 | 国网信通亿力科技有限责任公司 | 一种基于层次分析法的电网差异分析方法 |
| CN113283616A (zh) * | 2021-04-14 | 2021-08-20 | 暨南大学 | 一种废旧产品拆解序列与拆解深度集成决策方法 |
| CN113333388A (zh) * | 2021-05-31 | 2021-09-03 | 深圳市爱博绿环保科技有限公司 | 一种废旧家电价值评估和拆解平台 |
| US20220005002A1 (en) * | 2019-03-08 | 2022-01-06 | Phillippe Graf von Stauffenberg | Closed Loop Recycling Process and System |
| CN114548439A (zh) * | 2022-02-24 | 2022-05-27 | 合肥工业大学 | 一种基于非合作博弈的零部件回收重组模块化方法 |
| CN114757572A (zh) * | 2022-05-10 | 2022-07-15 | 重庆大学 | 一种考虑不确定性的机电产品关键质量特性确定方法 |
-
2022
- 2022-07-25 CN CN202210873993.8A patent/CN114943492B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102306212A (zh) * | 2011-07-14 | 2012-01-04 | 华东理工大学 | 一种基于本体的计算机拆卸回收方法 |
| CN104200242A (zh) * | 2014-06-20 | 2014-12-10 | 华东理工大学 | 基于rfid的机电产品回收方法 |
| CN106447047A (zh) * | 2016-01-17 | 2017-02-22 | 沈阳工业大学 | 一种废旧机床可再制造质量评估方法 |
| CN106447050A (zh) * | 2016-08-30 | 2017-02-22 | 大连理工大学 | 均衡回收企业定价和回收成本的报废汽车回收规划方法 |
| CN108960443A (zh) * | 2018-06-26 | 2018-12-07 | 武汉科技大学 | 一种废旧零部件再制造评估系统及方法 |
| US20220005002A1 (en) * | 2019-03-08 | 2022-01-06 | Phillippe Graf von Stauffenberg | Closed Loop Recycling Process and System |
| CN110674953A (zh) * | 2019-10-09 | 2020-01-10 | 青岛科技大学 | 基于废旧智能手机价值评估的拆卸回收方法 |
| CN111047387A (zh) * | 2019-10-29 | 2020-04-21 | 深圳市爱博绿环保科技有限公司 | 一种回收管理的方法及装置 |
| CN111353691A (zh) * | 2020-02-18 | 2020-06-30 | 国网信通亿力科技有限责任公司 | 一种基于层次分析法的电网差异分析方法 |
| CN113283616A (zh) * | 2021-04-14 | 2021-08-20 | 暨南大学 | 一种废旧产品拆解序列与拆解深度集成决策方法 |
| CN113333388A (zh) * | 2021-05-31 | 2021-09-03 | 深圳市爱博绿环保科技有限公司 | 一种废旧家电价值评估和拆解平台 |
| CN114548439A (zh) * | 2022-02-24 | 2022-05-27 | 合肥工业大学 | 一种基于非合作博弈的零部件回收重组模块化方法 |
| CN114757572A (zh) * | 2022-05-10 | 2022-07-15 | 重庆大学 | 一种考虑不确定性的机电产品关键质量特性确定方法 |
Non-Patent Citations (3)
| Title |
|---|
| YAPING REN,ETC: "A Multiobjective Disassembly Planning for Value Recovery and Energy Conservation From End-of-Life Products", 《 IEEE TRANSACTIONS ON AUTOMATION SCIENCE AND ENGINEERING ( VOLUME: 18, ISSUE: 2, APRIL 2021)》 * |
| 姜辉: "面向机电产品智能拆卸与回收云服务的资源建模及决策方法研究", 《中国博士学位论文全文数据库 信息科技辑(月刊)》 * |
| 曲英 等: "废旧手机联合回收模式研究", 《科技与管理》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114943492B (zh) | 2022-11-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Marconi et al. | Applying data mining technique to disassembly sequence planning: a method to assess effective disassembly time of industrial products | |
| Mascle et al. | Integrating environmental consciousness in product/process development based on life-cycle thinking | |
| Gupta et al. | Proposing building information modeling-based theoretical framework for construction and demolition waste management: Strategies and tools | |
| Vinodh et al. | Application of interpretive structural modelling for analysing the factors influencing integrated lean sustainable system | |
| Vinodh et al. | Environmental impact assessment of an automotive component using eco-indicator and CML methodologies | |
| Raza | A systematic literature review of closed-loop supply chains | |
| Crippa et al. | A systematic review of BIM usage for life cycle impact assessment | |
| Calvo-Serrano et al. | Predicting the cradle-to-gate environmental impact of chemicals from molecular descriptors and thermodynamic properties via mixed-integer programming | |
| CN116306156B (zh) | 车身优化方法、装置、存储介质及电子设备 | |
| CN116401464B (zh) | 一种职业用户画像的构建方法、装置、设备及存储介质 | |
| CN101533423A (zh) | 一种金属塑料复合材料结构的优化方法 | |
| Choudhary et al. | A model for managing returns in a circular economy context: A case study from the Indian electronics industry | |
| CN114943492B (zh) | 机电产品质量分数计算方法、装置和计算机设备 | |
| CN115130887A (zh) | 水库大坝环境影响评价方法和装置、电子设备和存储介质 | |
| CN117556417A (zh) | 基于代码词法和结构信息融合的半监督漏洞评估方法 | |
| Sasikumar et al. | Analysing interactions among battery recycling barriers in the reverse supply chain | |
| CN105825319A (zh) | 面向全生命周期的产品可回收度评价方法 | |
| Lee et al. | Application of Reinforcement Learning to Dyeing Processes for Residual Dye Reduction | |
| Folić et al. | The design of solvents for optimal reaction rates | |
| CN104484705A (zh) | 一种遗传算法的优化方法 | |
| Jayant et al. | Decision support framework for smart implementation of green supply chain management practices | |
| Grandhi et al. | Sustainability performance evaluation of automotive manufacturing companies | |
| CN115392939B (zh) | 一种基于检索对比和匹配度计算的危险废物溯源方法 | |
| Salihi et al. | ANN and Gradient Boosting-Based Predictive Techniques for Punching Shear Capacity of Concrete Slabs Reinforced with FRP Bars | |
| EP4332856A1 (en) | System and method for recommending one or more actions to enable circular economy framework |
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 |