CN116700172A - 结合工业互联网的工业数据集成处理方法及系统 - Google Patents
结合工业互联网的工业数据集成处理方法及系统 Download PDFInfo
- Publication number
- CN116700172A CN116700172A CN202310704752.5A CN202310704752A CN116700172A CN 116700172 A CN116700172 A CN 116700172A CN 202310704752 A CN202310704752 A CN 202310704752A CN 116700172 A CN116700172 A CN 116700172A
- Authority
- CN
- China
- Prior art keywords
- industrial
- control
- parameter
- control parameter
- optimizing
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000004886 process control Methods 0.000 claims abstract description 113
- 238000005457 optimization Methods 0.000 claims abstract description 77
- 238000009776 industrial production Methods 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims description 24
- 230000004927 fusion Effects 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 6
- 238000004132 cross linking Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 28
- 238000013210 evaluation model Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本申请涉及智能制造技术领域，提供了一种结合工业互联网的工业数据集成处理方法及系统，包括：获取多个工艺控制点的控制参数集合和未达标参数信息；获得目标优化控制需求；构建工业控制参数寻优空间；获得多个工艺关键性系数；将未达标参数信息和多个工艺关键性系数进行融合，生成多个工艺控制点优化参数；获取多个工业生产评价指标集合；基于多个工艺控制点优化参数和多个工业生产评价指标集合在工业控制参数寻优空间内进行全局寻优，输出工业优选控制参数集合。能够解决工业产品生产过程中由于多个工艺控制点的控制参数设置不合理导致工业产品质量较低的技术问题，可以提高工业生产工艺控制的准确性，从而提高工业产品生产质量。
Description
技术领域
本申请涉及智能制造技术领域，具体涉及一种结合工业互联网的工业数据集成处理方法及系统。
背景技术
工业互联网是信息通信技术与工业经济深度融合的新型工业生态，通过对人、机、物、系统等的全面连接，构建起覆盖全产业链、全价值链的全新制造和服务体系，传统的工业产品生产过程中通常是通过设置多个工艺节点的标准控制参数进行生产，并没有根据产品的实际生产质量对多个节点的标准控制参数进行适应性调整，造成工业产品质量不符合预期要求。
综上所述，现有技术中存在工业产品生产过程中由于多个工艺控制点的控制参数设置不合理导致工业产品质量较低的技术问题。
发明内容
基于此，有必要针对上述技术问题，提供一种结合工业互联网的工业数据集成处理方法及系统。
结合工业互联网的工业数据集成处理方法，所述方法包括：通过工业互联网采集获取多个工艺控制点的控制参数集合和所述多个工艺控制点的未达标参数信息；根据所述控制参数集合和所述未达标参数信息，获得目标优化控制需求；基于所述目标优化控制需求在工业控制数据库中进行遍历，构建工业控制参数寻优空间；对所述多个工艺控制点进行关键性分析，获得多个工艺关键性系数；将所述未达标参数信息和所述多个工艺关键性系数进行融合，生成多个工艺控制点优化参数；获取所述多个工艺控制点的多个工业生产评价指标集合；基于所述多个工艺控制点优化参数和所述多个工业生产评价指标集合在所述工业控制参数寻优空间内进行全局寻优，输出工业优选控制参数集合，并根据所述工业优选控制参数集合对工业生产流程进行控制。
结合工业互联网的工业数据集成处理系统，包括：
参数信息采集模块，所述参数信息采集模块用于通过工业互联网采集获取多个工艺控制点的控制参数集合和所述多个工艺控制点的未达标参数信息；
目标优化控制需求获得模块，所述目标优化控制需求获得模块用于根据所述控制参数集合和所述未达标参数信息，获得目标优化控制需求；
工业控制参数寻优空间构建模块，所述工业控制参数寻优空间构建模块用于基于所述目标优化控制需求在工业控制数据库中进行遍历，构建工业控制参数寻优空间；
关键性分析模块，所述关键性分析模块用于对所述多个工艺控制点进行关键性分析，获得多个工艺关键性系数；
工艺控制点优化参数生成模块，所述工艺控制点优化参数生成模块用于将所述未达标参数信息和所述多个工艺关键性系数进行融合，生成多个工艺控制点优化参数；
工业生产评价指标集合获取模块，所述工业生产评价指标集合获取模块用于获取所述多个工艺控制点的多个工业生产评价指标集合；
工业优选控制参数集合输出模块，所述工业优选控制参数集合输出模块用于基于所述多个工艺控制点优化参数和所述多个工业生产评价指标集合在所述工业控制参数寻优空间内进行全局寻优，输出工业优选控制参数集合，并根据所述工业优选控制参数集合对工业生产流程进行控制。
上述一种结合工业互联网的工业数据集成处理方法及系统，能够解决工业产品生产过程中由于多个工艺控制点的控制参数设置不合理导致工业产品质量较低的技术问题，通过连接工业互联网进行目标产品生产信息采集，获得目标产品生产的多个工艺控制点的控制参数集合和未达标参数信息；根据控制参数集合和未达标参数信息进行关联匹配，获得目标优化控制需求；基于目标优化控制需求在工业控制数据库中进行多个控制参数遍历，构建工业控制参数寻优空间；对多个工艺控制点进行关键性分析，获得多个工艺关键性系数；并将未达标参数信息和多个工艺关键性系数进行融合，生成多个工艺控制点优化参数；获取多个工艺控制点的多个工业生产评价指标集合；最后基于所述多个工艺控制点优化参数和所述多个工业生产评价指标集合在所述工业控制参数寻优空间内进行全局寻优，输出工业优选控制参数集合，并根据所述工业优选控制参数集合对工业生产流程进行控制。可以提高工业生产工艺控制的准确性，从而提高工业产品生产质量。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请提供了一种结合工业互联网的工业数据集成处理方法的流程示意图；
图2为本申请提供了一种结合工业互联网的工业数据集成处理方法中获得目标优化控制需求的流程示意图；
图3为本申请提供了一种结合工业互联网的工业数据集成处理方法中获得多个工艺关键性系数的流程示意图；
图4为本申请提供了一种结合工业互联网的工业数据集成处理系统的结构示意图。
附图标记说明：参数信息采集模块1、目标优化控制需求获得模块2、工业控制参数寻优空间构建模块3、关键性分析模块4、工艺控制点优化参数生成模块5、工业生产评价指标集合获取模块6、工业优选控制参数集合输出模块7。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
如图1所示，本申请提供了一种结合工业互联网的工业数据集成处理方法，所述方法包括：
步骤S100：通过工业互联网采集获取多个工艺控制点的控制参数集合和所述多个工艺控制点的未达标参数信息；
具体而言，连接工业互联网，根据目标产品在所述工业互联网中进行生产信息采集，获得所述目标产品的多个工艺控制点的控制参数集合和多个工艺控制点的未达标参数信息。所述目标产品为待进行产品质量优化的产品。所述多个工艺控制点是指目标产品的多个生产环节，所述控制参数集合是指多个生产环节对应的多个生产控制参数集合。所述多个工艺控制点的未达标参数信息是指多个生产环节对应的不符合预期要求的产品参数信息，其中包括产品部位、产品不合格率、产品不合格原因等多个参数信息。通过获得所述多个工艺控制点的控制参数集合和未达标参数信息，为下一步进行产品优化控制分析提供了原始数据支持。
步骤S200：根据所述控制参数集合和所述未达标参数信息，获得目标优化控制需求；
如图2所示，在一个实施例中，本申请步骤S200还包括：
步骤S210：根据所述未达标参数信息，获得未达标概率信息和未达标质量维度信息；
步骤S220：对所述未达标质量维度信息进行生成原因追溯，获得生成质量未达标成因；
步骤S230：将所述控制参数集合和所述生成质量未达标成因进行关联匹配，获得目标优化控制参数集合；
步骤S240：根据所述未达标概率信息，确定工艺控制点优化层级信息；
步骤S250：基于所述目标优化控制参数集合和所述工艺控制点优化层级信息，获得所述目标优化控制需求。
具体而言，对所述未达标参数信息进行信息提取，获得未达标概率信息和未达标质量维度信息，所述未达标概率信息是指产品在该工业控制点的不合格率，所述未达标质量维度信息是指未达标质量的维度类型，即未达标原因类型，例如：生产强度未达标、保温性能未达标等维度。然后对所述未达标质量维度信息进行生成原因追溯分析，获得生成质量未达标成因。例如：生产强度未达标原因包括退火不完全、原材料添加物不足等多个原因。然后将所述控制参数集合和所述生产质量未达标成因进行关联匹配，所述关联匹配是指根据所述生产质量未达标原因获得多个未达标工艺控制点，根据所述未达标工艺控制点在所述控制参数集合中进行控制参数匹配，获得目标优化控制参数集合。
根据所述未达标概率信息，确定工艺控制点优化层级信息，其中所述未达标概率越大，则所述工艺控制点优化层级越高，具体的层级信息本领域技术人员可基于实际情况自定义设置，例如：当未达标概率为3％时，优化层级为一级；未达标概率为5％时，优化层级为二级。获得目标优化控制需求，所述目标优化控制需求包括所述目标优化控制参数集、所述工艺控制点优化层级信息。通过根据未达标概率信息设置优化层级，可以提高控制参数优化的灵活性，从而提高整体工艺优化的效果。通过获得所述目标优化控制需求，为下一步构建工业控制参数寻优空间提供了方向。
步骤S300：基于所述目标优化控制需求在工业控制数据库中进行遍历，构建工业控制参数寻优空间；
具体而言，根据所述目标优化控制需求在工业控制数据库中匹配相同维度的多个历史控制参数，并获得多个历史控制参数对应的多个历史产品质量，预设产品质量阈值，所述产品质量阈值本领域技术人员可根据实际情况自定义设置，根据所述产品质量阈值对所述多个历史产品质量进行筛选，将满足所述产品质量阈值的多个历史产品质量对应的多个历史控制参数进行提取，获得优化历史控制参数集合，基于所述优化历史控制参数集合构建工业控制参数寻优空间。通过构建所述工业控制参数寻优空间，为下一步进行工业控制参数寻优提供了支持。
步骤S400：对所述多个工艺控制点进行关键性分析，获得多个工艺关键性系数；
如图3所示，在一个实施例中，本申请步骤S400还包括：
步骤S410：制定工艺控制点赋权规则；
步骤S420：工业生产专家组基于所述工艺控制点赋权规则对所述多个工艺控制点进行关键性分析，获得初始关键性评价信息集合；
步骤S430：对所述工业生产专家组中的各专家进行信任度评价，获得专家信任度系数集合；
步骤S440：将所述初始关键性评价信息集合和所述专家信任度系数集合进行交联融合，获得所述多个工艺关键性系数。
具体而言，对所述多个工艺控制点进行关键性分析，首先制定工艺控制点赋权规则，所述工艺控制点赋权规则基于工艺控制点对于整个工艺生产的重要程度设置，所述重要程度通过重要系数表示，其中所述重要系数越大，赋权级别越高。构建工业专家组，所述工业专家组有相关领域的多个专家或专业技术人员组成，通过所述工业专家组对所述多个工艺控制点进行关键性分析，所述关键性分析是指判断工艺控制点对于整个工艺生产的重要性进行判断，获得多个工艺控制点的关键性分析结果，所述关键性分析结果通过重要系数表示。基于所述工艺控制点赋权规则对所述多个关键性分析结果进行赋权评价，获得初始关键性评价信息集合。
对所述工业生产专家组中的各专家进行信任度评价，所述信任度评价是指通过对各专家的从业年龄、资历、学历、专业能力等多方面进行分析，其中信任度评价结果通过专家信任度系数表示，专家信任程度越高，则信任度系数越大，获得专家信任度系数集合。根据所述专家信任度系数和所述初始关键性评价信息集合进行加权计算，获得所述多个工艺关键性系数。通过对工业生产专家组的各专家进行信任度评价，并根据信任度评价结果和专家评价结果进行工艺关键性综合分析，可以提高工艺关键性系数获得的准确率。
步骤S500：将所述未达标参数信息和所述多个工艺关键性系数进行融合，生成多个工艺控制点优化参数；
在一个实施例中，本申请步骤S500还包括：
步骤S510：通过工艺优化参数融合函数对所述未达标参数信息和所述多个工艺关键性系数分别进行参数融合，计算获得多个工艺控制点优化参数，所述工艺优化参数融合函数具体如下：
其中，δN代表工艺控制点优化参数，σN代表工艺关键性系数，ρN代表未达标概率参数。
具体而言，构建工艺优化参数融合函数：其中，δN代表工艺控制点优化参数，σN代表工艺关键性系数，ρN代表未达标概率参数。根据所述工艺优化参数融合函数对所述未达标参数信息和所述多个工艺关键性系数分别进行参数融合，计算获得多个工艺控制点优化参数，所述工艺控制点优化参数与预设优化迭代次数相关，其中工艺控制点关键系数越大且未达标概率越大，则对应的迭代次数就越多。通过构建所述工艺优化参数融合函数，可以提高工艺控制点优化参数获得的准确率和合理性。
步骤S600：获取所述多个工艺控制点的多个工业生产评价指标集合；
具体而言，获取所述工艺控制点的多个工业生产评价指标集合，所述工业生产评价指标集合为每个工艺控制点的多个产品质量检测指标，其中所述多个产品质量检测指标由基于该工艺控制点的生产要求获得。通过获得所述多个工业生产评价指标集合，为下一步进行工艺控制参数优化提供了支持。
步骤S700：基于所述多个工艺控制点优化参数和所述多个工业生产评价指标集合在所述工业控制参数寻优空间内进行全局寻优，输出工业优选控制参数集合，并根据所述工业优选控制参数集合对工业生产流程进行控制。
在一个实施例中，本申请步骤S700还包括：
步骤S710：根据所述多个工艺控制点优化参数，确定所述多个工艺控制点的多个预设参数迭代次数；
步骤S720：在所述工业控制参数寻优空间内依次选择多个工业控制参数进行迭代寻优，并采用所述多个工业生产评价指标集合对所述多个工业控制参数进行寻优评分，获得多个控制参数寻优评分；
具体而言，根据所述多个工艺控制点优化参数，确定所述多个工艺控制点的多个预设参数迭代次数，所述预设参数迭代次数是指参数寻优过程中的迭代次数。在所述工业控制参数寻优空间内依次选择多个工业控制参数进行迭代寻优，并采用所述多个工业生产评价指标集合对所述多个工业控制参数进行寻优评分。
基于BP神经网络，构建产品评估模型，所述产品评估模型为机器学习中可以不断进行迭代优化的神经网络模型，通过训练数据集进行监督训练获得。获得多个历史工业控制参数和对应的多个历史产品，并根据所述工业生产评价指标集合对所述历史产品进行评价，获得历史产品评分结果。根据所述多个历史工业控制参数和多个历史产品评分结果构建样本数据集。并将所述样本数据集划分为样本训练集和样本验证集。通过所述样本训练集和所述样本验证集对所述产品评估模型进行监督训练和验证，获得产品评估模型。通过基于神经网络构建产品评估模型，可以提高工业控制参数评分的准确率。将所述多个寻优工业控制参数输入所述产品评估模型，获得多个控制参数寻优评分。
步骤S730：基于所述多个控制参数寻优评分进行比对，获得当前最优工业控制参数集合；
在一个实施例中，本申请步骤S730还包括：
步骤S731：在所述工业控制参数寻优空间内随机选择第一工业控制参数，作为当前最优控制参数，并获得所述第一工业控制参数的第一控制参数寻优评分；
步骤S732：基于预设邻域方式，构建所述当前最优控制参数的第一邻域，其中，所述第一邻域包括所述多个工业控制参数，并依次计算获得所述多个工业控制参数的所述多个控制参数寻优评分；
步骤S733：将所述多个控制参数寻优评分进行对比，筛选所述第一邻域的第一局部参数最优评分；
步骤S734：若所述第一局部参数最优评分大于所述第一控制参数寻优评分，反向选择所述第一局部参数最优评分的控制参数，记作第二工业控制参数；
具体而言，在所述工业控制参数寻优空间内随机选择第一工业控制参数，作为当前最优控制参数，并获得所述第一工业控制参数的第一控制参数寻优评分。获取预设邻域，所述预设邻域本领域技术人员可基于实际情况自定义设置，所述领域中包含所述第一工业控制参数周围的多个工业控制参数。根据所述预设领域构建所述当前最优控制参数的第一邻域，其中，所述第一邻域包括所述多个工业控制参数，并依次通过所述产品评估模型获得所述多个工业控制参数的所述多个控制参数寻优评分。然后将所述多个控制参数寻优评分进行对比，将所述多个控制参数寻优评分中评分结果最高的控制参数寻优评分作为所述第一邻域的第一局部参数最优评分。根据所述第一局部最优评分对所述第一控制参数寻优评分进行判断，当所述第一局部参数最优评分大于所述第一控制参数寻优评分时，反向选择所述第一局部参数最优评分的控制参数，记作第二工业控制参数。
步骤S735：将所述第二工业控制参数替代所述第一工业控制参数作为所述当前最优工业控制参数集合进行迭代寻优。
在一个实施例中，本申请步骤S735还包括：
步骤S7351：将所述第二工业控制参数加入禁忌表内进行标记，记作禁忌标记；
步骤S7352：计算所述禁忌标记的禁忌时长，获得寻优禁忌时长；
步骤S7353：当所述寻优禁忌时长满足预设禁忌期限时，解除所述禁忌标记，将所述第二工业控制参数从所述禁忌表内删除；
步骤S7354：构建所述二工业控制参数的第二邻域，继续进行迭代寻优。
步骤S740：若迭代寻优次数达到所述多个预设参数迭代次数，则将所述当前最优工业控制参数集合作为工业优选控制参数集合进行输出。
具体而言，将所述第二工业控制参数加入禁忌表内进行标记，所述禁忌表用于记录被禁止的参数变化，记作禁忌标记。然后对所述禁忌标记时长进行记录，获得寻优禁忌时长。预设禁忌期限，所述禁忌期限本领域技术人员可基于实际情况自定义设置。当所述寻优禁忌时长等于所述预设禁忌期限时，解除所述禁忌标记，并将所述第二工业控制参数从所述禁忌表内删除。然后根据所述第二工业控制参数构建第二邻域，进行迭代寻优。当所述迭代寻优次数达到所述多个预设参数迭代次数时，则将所述当前最优工业控制参数集合作为工业优选控制参数集合进行输出。通过在寻优过程中设置禁忌表，可以保证最优结果不陷入局部最优的情况，通过利用寻优算法对工业控制参数进行全局寻优，可以提高工业优选控制参数集合获得的效率和准确率。
最后根据所述工业优选控制参数集合对工业生产流程进行控制。解决了工业产品生产过程中由于多个工艺控制点的控制参数设置不合理导致工业产品质量较低的技术问题，可以提高工业生产工艺控制的准确性，从而提高工业产品生产质量。
在一个实施例中，如图4所示提供了一种结合工业互联网的工业数据集成处理系统，包括：参数信息采集模块1、目标优化控制需求获得模块2、工业控制参数寻优空间构建模块3、关键性分析模块4、工艺控制点优化参数生成模块5、工业生产评价指标集合获取模块6、工业优选控制参数集合输出模块7、其中：
参数信息采集模块1，所述参数信息采集模块1用于通过工业互联网采集获取多个工艺控制点的控制参数集合和所述多个工艺控制点的未达标参数信息；
目标优化控制需求获得模块2，所述目标优化控制需求获得模块2用于根据所述控制参数集合和所述未达标参数信息，获得目标优化控制需求；
工业控制参数寻优空间构建模块3，所述工业控制参数寻优空间构建模块3用于基于所述目标优化控制需求在工业控制数据库中进行遍历，构建工业控制参数寻优空间；
关键性分析模块4，所述关键性分析模块4用于对所述多个工艺控制点进行关键性分析，获得多个工艺关键性系数；
工艺控制点优化参数生成模块5，所述工艺控制点优化参数生成模块5用于将所述未达标参数信息和所述多个工艺关键性系数进行融合，生成多个工艺控制点优化参数；
工业生产评价指标集合获取模块6，所述工业生产评价指标集合获取模块6用于获取所述多个工艺控制点的多个工业生产评价指标集合；
工业优选控制参数集合输出模块7，所述工业优选控制参数集合输出模块7用于基于所述多个工艺控制点优化参数和所述多个工业生产评价指标集合在所述工业控制参数寻优空间内进行全局寻优，输出工业优选控制参数集合，并根据所述工业优选控制参数集合对工业生产流程进行控制。
在一个实施例中，所述系统还包括：
未达标信息获得模块，所述未达标信息获得模块用于根据所述未达标参数信息，获得未达标概率信息和未达标质量维度信息；
质量未达标成因生成模块，所述质量未达标成因生成模块用于对所述未达标质量维度信息进行生成原因追溯，获得生成质量未达标成因；
关联匹配模块，所述关联匹配模块用于将所述控制参数集合和所述生成质量未达标成因进行关联匹配，获得目标优化控制参数集合；
工艺控制点优化层级信息确定模块，所述工艺控制点优化层级信息确定模块用于根据所述未达标概率信息，确定工艺控制点优化层级信息；
目标优化控制需求获得模块，所述目标优化控制需求获得模块用于基于所述目标优化控制参数集合和所述工艺控制点优化层级信息，获得所述目标优化控制需求。
在一个实施例中，所述系统还包括：
工艺控制点赋权规则指定模块，所述工艺控制点赋权规则指定模块用于制定工艺控制点赋权规则；
关键性分析模块，所述关键性分析模块用于工业生产专家组基于所述工艺控制点赋权规则对所述多个工艺控制点进行关键性分析，获得初始关键性评价信息集合；
信任度评价模块，所述信任度评价模块用于对所述工业生产专家组中的各专家进行信任度评价，获得专家信任度系数集合；
交联融合模块，所述交联融合模块用于将所述初始关键性评价信息集合和所述专家信任度系数集合进行交联融合，获得所述多个工艺关键性系数。
在一个实施例中，所述系统还包括：
参数融合模块，所述参数融合模块用于通过工艺优化参数融合函数对所述未达标参数信息和所述多个工艺关键性系数分别进行参数融合，计算获得多个工艺控制点优化参数，所述工艺优化参数融合函数具体如下：
其中，δN代表工艺控制点优化参数，σN代表工艺关键性系数，ρN代表未达标概率参数。
在一个实施例中，所述系统还包括：
预设参数迭代次数确定模块，所述预设参数迭代次数确定模块用于根据所述多个工艺控制点优化参数，确定所述多个工艺控制点的多个预设参数迭代次数；
寻优评分模块，所述寻优评分模块用于在所述工业控制参数寻优空间内依次选择多个工业控制参数进行迭代寻优，并采用所述多个工业生产评价指标集合对所述多个工业控制参数进行寻优评分，获得多个控制参数寻优评分；
寻优评分比对模块，所述寻优评分比对模块用于基于所述多个控制参数寻优评分进行比对，获得当前最优工业控制参数集合；
工业优选控制参数集合输出模块，所述工业优选控制参数集合输出模块用于若迭代寻优次数达到所述多个预设参数迭代次数，则将所述当前最优工业控制参数集合作为工业优选控制参数集合进行输出。
在一个实施例中，所述系统还包括：
第一工业控制参数选择模块，所述第一工业控制参数选择模块用于在所述工业控制参数寻优空间内随机选择第一工业控制参数，作为当前最优控制参数，并获得所述第一工业控制参数的第一控制参数寻优评分；
第一邻域构建模块，所述第一邻域构建模块用于基于预设邻域方式，构建所述当前最优控制参数的第一邻域，其中，所述第一邻域包括所述多个工业控制参数，并依次计算获得所述多个工业控制参数的所述多个控制参数寻优评分；
第一局部参数最优评分筛选模块，所述第一局部参数最优评分筛选模块用于将所述多个控制参数寻优评分进行对比，筛选所述第一邻域的第一局部参数最优评分；
第二工业控制参数获得模块，所述第二工业控制参数获得模块用于若所述第一局部参数最优评分大于所述第一控制参数寻优评分，反向选择所述第一局部参数最优评分的控制参数，记作第二工业控制参数；
迭代寻优模块，所述迭代寻优模块用于将所述第二工业控制参数替代所述第一工业控制参数作为所述当前最优工业控制参数集合进行迭代寻优。
在一个实施例中，所述系统还包括：
禁忌表标记模块，所述禁忌表标记模块用于将所述第二工业控制参数加入禁忌表内进行标记，记作禁忌标记；
寻优禁忌时长获得模块，所述寻优禁忌时长获得模块用于计算所述禁忌标记的禁忌时长，获得寻优禁忌时长；
禁忌标记解除模块，所述禁忌标记解除模块用于当所述寻优禁忌时长满足预设禁忌期限时，解除所述禁忌标记，将所述第二工业控制参数从所述禁忌表内删除；
第二邻域构建模块，所述第二邻域构建模块用于构建所述二工业控制参数的第二邻域，继续进行迭代寻优。
综上所述，本申请提供了一种结合工业互联网的工业数据集成处理方法及系统具有以下技术效果：
1.解决了工业产品生产过程中由于多个工艺控制点的控制参数设置不合理导致工业产品质量较低的技术问题，通过根据工业优选控制参数集合对工业生产流程进行控制，可以提高工业生产工艺控制的准确性，从而提高工业产品生产质量。
2.通过根据未达标概率信息设置优化层级，可以提高控制参数优化的灵活性，从而提高整体工艺优化的效果。通过对工业生产专家组的各专家进行信任度评价，并根据信任度评价结果和专家评价结果进行工艺关键性综合分析，可以提高工艺关键性系数获得的准确率。
3.通过在寻优过程中设置禁忌表，可以保证最优结果不陷入局部最优的情况，通过利用寻优算法对工业控制参数进行全局寻优，可以提高工业优选控制参数集合获得的效率和准确率。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.结合工业互联网的工业数据集成处理方法，其特征在于，所述方法包括：
通过工业互联网采集获取多个工艺控制点的控制参数集合和所述多个工艺控制点的未达标参数信息；
根据所述控制参数集合和所述未达标参数信息，获得目标优化控制需求；
基于所述目标优化控制需求在工业控制数据库中进行遍历，构建工业控制参数寻优空间；
对所述多个工艺控制点进行关键性分析，获得多个工艺关键性系数；
将所述未达标参数信息和所述多个工艺关键性系数进行融合，生成多个工艺控制点优化参数；
获取所述多个工艺控制点的多个工业生产评价指标集合；
基于所述多个工艺控制点优化参数和所述多个工业生产评价指标集合在所述工业控制参数寻优空间内进行全局寻优，输出工业优选控制参数集合，并根据所述工业优选控制参数集合对工业生产流程进行控制。
2.如权利要求1所述的方法，其特征在于，所述获得目标优化控制需求，包括：
根据所述未达标参数信息，获得未达标概率信息和未达标质量维度信息；
对所述未达标质量维度信息进行生成原因追溯，获得生成质量未达标成因；
将所述控制参数集合和所述生成质量未达标成因进行关联匹配，获得目标优化控制参数集合；
根据所述未达标概率信息，确定工艺控制点优化层级信息；
基于所述目标优化控制参数集合和所述工艺控制点优化层级信息，获得所述目标优化控制需求。
3.如权利要求1所述的方法，其特征在于，所述获得多个工艺关键性系数，包括：
制定工艺控制点赋权规则；
工业生产专家组基于所述工艺控制点赋权规则对所述多个工艺控制点进行关键性分析，获得初始关键性评价信息集合；
对所述工业生产专家组中的各专家进行信任度评价，获得专家信任度系数集合；
将所述初始关键性评价信息集合和所述专家信任度系数集合进行交联融合，获得所述多个工艺关键性系数。
4.如权利要求1所述的方法，其特征在于，所述生成多个工艺控制点优化参数，包括：
通过工艺优化参数融合函数对所述未达标参数信息和所述多个工艺关键性系数分别进行参数融合，计算获得多个工艺控制点优化参数，所述工艺优化参数融合函数具体如下：
其中，δN代表工艺控制点优化参数，σN代表工艺关键性系数，ρN代表未达标概率参数。
5.如权利要求1所述的方法，其特征在于，所述输出工业优选控制参数集合，包括：
根据所述多个工艺控制点优化参数，确定所述多个工艺控制点的多个预设参数迭代次数；
在所述工业控制参数寻优空间内依次选择多个工业控制参数进行迭代寻优，并采用所述多个工业生产评价指标集合对所述多个工业控制参数进行寻优评分，获得多个控制参数寻优评分；
基于所述多个控制参数寻优评分进行比对，获得当前最优工业控制参数集合；
若迭代寻优次数达到所述多个预设参数迭代次数，则将所述当前最优工业控制参数集合作为工业优选控制参数集合进行输出。
6.如权利要求5所述的方法，其特征在于，所述获得当前最优工业控制参数集合，包括：
在所述工业控制参数寻优空间内随机选择第一工业控制参数，作为当前最优控制参数，并获得所述第一工业控制参数的第一控制参数寻优评分；
基于预设邻域方式，构建所述当前最优控制参数的第一邻域，其中，所述第一邻域包括所述多个工业控制参数，并依次计算获得所述多个工业控制参数的所述多个控制参数寻优评分；
将所述多个控制参数寻优评分进行对比，筛选所述第一邻域的第一局部参数最优评分；
若所述第一局部参数最优评分大于所述第一控制参数寻优评分，反向选择所述第一局部参数最优评分的控制参数，记作第二工业控制参数；
将所述第二工业控制参数替代所述第一工业控制参数作为所述当前最优工业控制参数集合进行迭代寻优。
7.如权利要求6所述的方法，其特征在于，所述将所述第二工业控制参数替代所述第一工业控制参数作为所述当前最优工业控制参数集合进行迭代寻优，包括：
将所述第二工业控制参数加入禁忌表内进行标记，记作禁忌标记；
计算所述禁忌标记的禁忌时长，获得寻优禁忌时长；
当所述寻优禁忌时长满足预设禁忌期限时，解除所述禁忌标记，将所述第二工业控制参数从所述禁忌表内删除；
构建所述二工业控制参数的第二邻域，继续进行迭代寻优。
8.结合工业互联网的工业数据集成处理系统，其特征在于，所述系统包括：
参数信息采集模块，所述参数信息采集模块用于通过工业互联网采集获取多个工艺控制点的控制参数集合和所述多个工艺控制点的未达标参数信息；
目标优化控制需求获得模块，所述目标优化控制需求获得模块用于根据所述控制参数集合和所述未达标参数信息，获得目标优化控制需求；
工业控制参数寻优空间构建模块，所述工业控制参数寻优空间构建模块用于基于所述目标优化控制需求在工业控制数据库中进行遍历，构建工业控制参数寻优空间；
关键性分析模块，所述关键性分析模块用于对所述多个工艺控制点进行关键性分析，获得多个工艺关键性系数；
工艺控制点优化参数生成模块，所述工艺控制点优化参数生成模块用于将所述未达标参数信息和所述多个工艺关键性系数进行融合，生成多个工艺控制点优化参数；
工业生产评价指标集合获取模块，所述工业生产评价指标集合获取模块用于获取所述多个工艺控制点的多个工业生产评价指标集合；
工业优选控制参数集合输出模块，所述工业优选控制参数集合输出模块用于基于所述多个工艺控制点优化参数和所述多个工业生产评价指标集合在所述工业控制参数寻优空间内进行全局寻优，输出工业优选控制参数集合，并根据所述工业优选控制参数集合对工业生产流程进行控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310704752.5A CN116700172A (zh) | 2023-06-14 | 2023-06-14 | 结合工业互联网的工业数据集成处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310704752.5A CN116700172A (zh) | 2023-06-14 | 2023-06-14 | 结合工业互联网的工业数据集成处理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116700172A true CN116700172A (zh) | 2023-09-05 |
Family
ID=87844681
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310704752.5A Pending CN116700172A (zh) | 2023-06-14 | 2023-06-14 | 结合工业互联网的工业数据集成处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116700172A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117093882A (zh) * | 2023-10-20 | 2023-11-21 | 南通赛可特电子有限公司 | 一种镀铜废液处理工艺的优化方法及系统 |
| CN117151434A (zh) * | 2023-10-30 | 2023-12-01 | 一夫科技股份有限公司 | 基于不同强度高强石膏的制备工艺优化方法及系统 |
| CN117252310A (zh) * | 2023-11-16 | 2023-12-19 | 一夫科技股份有限公司 | 一种钛石膏生产工艺参数调节优化方法及系统 |
| CN117265214A (zh) * | 2023-11-22 | 2023-12-22 | 张家港广大特材股份有限公司 | 一种特种钢生产的优化控制方法及系统 |
-
2023
- 2023-06-14 CN CN202310704752.5A patent/CN116700172A/zh active Pending
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117093882A (zh) * | 2023-10-20 | 2023-11-21 | 南通赛可特电子有限公司 | 一种镀铜废液处理工艺的优化方法及系统 |
| CN117093882B (zh) * | 2023-10-20 | 2023-12-26 | 南通赛可特电子有限公司 | 一种镀铜废液处理工艺的优化方法及系统 |
| CN117151434A (zh) * | 2023-10-30 | 2023-12-01 | 一夫科技股份有限公司 | 基于不同强度高强石膏的制备工艺优化方法及系统 |
| CN117151434B (zh) * | 2023-10-30 | 2024-01-23 | 一夫科技股份有限公司 | 基于不同强度高强石膏的制备工艺优化方法及系统 |
| CN117252310A (zh) * | 2023-11-16 | 2023-12-19 | 一夫科技股份有限公司 | 一种钛石膏生产工艺参数调节优化方法及系统 |
| CN117252310B (zh) * | 2023-11-16 | 2024-01-26 | 一夫科技股份有限公司 | 一种钛石膏生产工艺参数调节优化方法及系统 |
| CN117265214A (zh) * | 2023-11-22 | 2023-12-22 | 张家港广大特材股份有限公司 | 一种特种钢生产的优化控制方法及系统 |
| CN117265214B (zh) * | 2023-11-22 | 2024-04-02 | 张家港广大特材股份有限公司 | 一种特种钢生产的优化控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116700172A (zh) | 结合工业互联网的工业数据集成处理方法及系统 | |
| CN112766550B (zh) | 基于随机森林的停电敏感用户预测方法、系统、存储介质及计算机设备 | |
| CN108921604B (zh) | 一种基于代价敏感分类器集成的广告点击率预测方法 | |
| CN110335168B (zh) | 基于gru优化用电信息采集终端故障预测模型的方法及系统 | |
| CN111105160A (zh) | 一种基于倾向性异质装袋算法的钢材质量预测方法 | |
| CN112800232B (zh) | 一种基于大数据的案件自动分类方法 | |
| CN116737510B (zh) | 一种基于数据分析的键盘智能监测方法及系统 | |
| CN114386538A (zh) | 一种标记监测指标的kpi曲线的波段特征的方法 | |
| CN116128544A (zh) | 一种电力营销异常营业数据的主动稽核方法和系统 | |
| CN117095247B (zh) | 基于数控加工的加工姿态运行优化方法、系统及介质 | |
| CN114519651A (zh) | 基于电力大数据的智能配电方法 | |
| CN113962160A (zh) | 基于用户画像的互联网卡用户流失预测方法及系统 | |
| US20160019267A1 (en) | Using data mining to produce hidden insights from a given set of data | |
| CN116597239B (zh) | 一种建筑用回收钢管的加工处理方法及系统 | |
| CN111275136B (zh) | 基于小样本下的故障预测系统及其预警方法 | |
| CN112817954A (zh) | 一种基于多种方法集成学习的缺失值插补方法 | |
| JP6613937B2 (ja) | 品質予測装置、品質予測方法、プログラム及びコンピュータ読み取り可能な記録媒体 | |
| CN115883182A (zh) | 一种提高网络安全态势要素识别效率的方法及系统 | |
| CN115660730A (zh) | 基于分类算法的流失用户分析方法及系统 | |
| CN113377630B (zh) | 一种通用的kpi异常检测框架实现方法 | |
| CN115392710A (zh) | 一种基于数据过滤的风电机组运行决策方法及系统 | |
| CN108460119A (zh) | 一种使用机器学习提升技术支持效率的系统 | |
| CN113590673A (zh) | 基于区块链深度学习的数据热度统计方法 | |
| CN109948421B (zh) | 基于pca和属性配置文件的高光谱图像分类方法 | |
| CN115904920A (zh) | 一种测试用例推荐方法、装置、终端及存储介质 |
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 |