CN117077979B - 一种钛带生产管理方法及系统 - Google Patents
一种钛带生产管理方法及系统 Download PDFInfo
- Publication number
- CN117077979B CN117077979B CN202311322204.2A CN202311322204A CN117077979B CN 117077979 B CN117077979 B CN 117077979B CN 202311322204 A CN202311322204 A CN 202311322204A CN 117077979 B CN117077979 B CN 117077979B
- Authority
- CN
- China
- Prior art keywords
- process parameter
- production
- target
- parameter set
- titanium
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 210
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 title claims abstract description 161
- 229910052719 titanium Inorganic materials 0.000 title claims abstract description 161
- 239000010936 titanium Substances 0.000 title claims abstract description 161
- 238000007726 management method Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 316
- 230000008569 process Effects 0.000 claims abstract description 259
- 238000012545 processing Methods 0.000 claims abstract description 78
- 238000004458 analytical method Methods 0.000 claims abstract description 45
- 238000013507 mapping Methods 0.000 claims description 29
- 238000005457 optimization Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000003754 machining Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 9
- 238000012797 qualification Methods 0.000 abstract description 4
- 239000010410 layer Substances 0.000 description 6
- 238000005096 rolling process Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000005242 forging Methods 0.000 description 3
- 238000013386 optimize process Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 229910001069 Ti alloy Inorganic materials 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q50/00—Systems or methods specially adapted for 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
Abstract
本发明公开了一种钛带生产管理方法及系统,涉及数据处理技术领域,该方法包括:调取目标车间的钛带工艺链信息;构建钛带生产工艺阈值库;生成工艺参数选定库;确定目标钛带的目标生产需求进行生产约束分析,生成第一约束条件;生成Q个自由步调距离,判断Q个自由步调距离是否大于预设步调距离阈值,根据判断结果分别进行寻优,生成第一阶段最优工艺参数集和第二阶段最优工艺参数集,获得目标工艺参数集;根据生产管理指令对目标车间的N个生产设备集进行生产参数设置,进行生产管理。本发明解决了现有技术中存在钛带生产管理误差较大,生产的钛带合格程度低的技术问题,达到了提高钛带生产过程的管理效率,提升生产质量的技术效果。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种钛带生产管理方法及系统。
背景技术
钛带作为钛及钛合金加工产品的重要形式,生产加工过程受到人们的关注。目前,进行钛带生产时主要是通过利用工程技术人员凭借经验以及根据生产过程中的反馈信息进行生产管理,受限于工程技术人员的能力,管理质量参差不齐。且随着新技术的应用,开始利用智能化分析手段进行管理分析,然而分析结果存在较大的误差。现有技术中存在钛带生产管理误差较大,生产的钛带合格程度低的技术问题。
发明内容
本申请提供了一种钛带生产管理方法及系统,用于针对解决现有技术中存在钛带生产管理误差较大,生产的钛带合格程度低的技术问题。
鉴于上述问题,本申请提供了一种钛带生产管理方法及系统。
本申请的第一个方面,提供了一种钛带生产管理方法,所述方法包括:
调取目标车间的钛带工艺链信息,其中,所述钛带工艺链信息包括N个工序和N个生产设备集,每个工序对应一个生产设备集;
遍历N个工序和N个生产设备集进行钛带生产阈值分析,构建钛带生产工艺阈值库,其中,所述钛带生产工艺阈值库用于对目标车间进行钛带生产加工时各个工序的加工阈值参数进行存储;
生成工艺参数选定库,所述工艺参数选定库是通过对所述目标车间在预设历史时间窗口内的生产加工记录进行数据提取并汇总得到的,且每个工艺参数选定结果具有适应度标识;
确定目标钛带的目标生产需求进行生产约束分析,生成第一约束条件;
生成Q个自由步调距离,判断所述Q个自由步调距离是否大于预设步调距离阈值,若是,则基于所述钛带生产工艺阈值库和所述第一约束条件进行P次工艺参数集迭代寻优,生成第一阶段最优工艺参数集,Q是预设整体迭代次数,为大于等于2的整数;
若否,则基于所述工艺参数选定库和所述第一约束条件进行M次工艺参数集迭代寻优,生成第二阶段最优工艺参数集,P+M=Q,P和M均为大于等于1的整数;
对所述第一阶段最优工艺参数集和第二阶段最优工艺参数集进行适应度比较分析,获得目标工艺参数集;
根据所述目标工艺参数集获得生产管理指令,根据所述生产管理指令对所述目标车间的N个生产设备集进行生产参数设置,进行生产管理。
本申请的第二个方面,提供了一种钛带生产管理系统,所述系统包括:
工艺链信息调取模块,用于调取目标车间的钛带工艺链信息,其中,所述钛带工艺链信息包括N个工序和N个生产设备集,每个工序对应一个生产设备集;
阈值库构建模块,用于遍历N个工序和N个生产设备集进行钛带生产阈值分析,构建钛带生产工艺阈值库,其中,所述钛带生产工艺阈值库用于对目标车间进行钛带生产加工时各个工序的加工阈值参数进行存储;
参数选定库生成模块,用于生成工艺参数选定库,所述工艺参数选定库是通过对所述目标车间在预设历史时间窗口内的生产加工记录进行数据提取并汇总得到的,且每个工艺参数选定结果具有适应度标识;
第一约束条件生成模块,用于确定目标钛带的目标生产需求进行生产约束分析,生成第一约束条件;
第一阶段最优工艺参数集生成模块,用于生成Q个自由步调距离,判断所述Q个自由步调距离是否大于预设步调距离阈值,若是,则基于所述钛带生产工艺阈值库和所述第一约束条件进行P次工艺参数集迭代寻优,生成第一阶段最优工艺参数集,Q是预设整体迭代次数,为大于等于2的整数;
第二阶段最优工艺参数集生成模块,用于若否,则基于所述工艺参数选定库和所述第一约束条件进行M次工艺参数集迭代寻优,生成第二阶段最优工艺参数集,P+M=Q,P和M均为大于等于1的整数;
目标工艺参数集获得模块,用于对所述第一阶段最优工艺参数集和第二阶段最优工艺参数集进行适应度比较分析,获得目标工艺参数集;
生产管理模块,用于根据所述目标工艺参数集获得生产管理指令,根据所述生产管理指令对所述目标车间的N个生产设备集进行生产参数设置,进行生产管理。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请通过调取目标车间的钛带工艺链信息,其中,钛带工艺链信息包括N个工序和N个生产设备集,每个工序对应一个生产设备集,然后遍历N个工序和N个生产设备集进行钛带生产阈值分析,构建钛带生产工艺阈值库,其中,钛带生产工艺阈值库用于对目标车间进行钛带生产加工时各个工序的加工阈值参数进行存储,进而生成工艺参数选定库,工艺参数选定库是通过对目标车间在预设历史时间窗口内的生产加工记录进行数据提取并汇总得到的,且每个工艺参数选定结果具有适应度标识,然后确定目标钛带的目标生产需求进行生产约束分析,生成第一约束条件,通过生成Q个自由步调距离,判断Q个自由步调距离是否大于预设步调距离阈值,若是,则基于钛带生产工艺阈值库和第一约束条件进行P次工艺参数集迭代寻优,生成第一阶段最优工艺参数集,Q是预设整体迭代次数,为大于等于2的整数,若否,则基于工艺参数选定库和第一约束条件进行M次工艺参数集迭代寻优,生成第二阶段最优工艺参数集,P+M=Q,P和M均为大于等于1的整数,通过对第一阶段最优工艺参数集和第二阶段最优工艺参数集进行适应度比较分析,获得目标工艺参数集,进而根据目标工艺参数集获得生产管理指令,根据生产管理指令对目标车间的N个生产设备集进行生产参数设置,进行生产管理。达到了提高钛带生产过程的管理效率,进行高效、准确的参数设置,提高生产质量的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种钛带生产管理方法流程示意图;
图2为本申请实施例提供的一种钛带生产管理方法中获得目标坐标点的流程示意图;
图3为本申请实施例提供的一种钛带生产管理方法中生成第一适应度的流程示意图;
图4为本申请实施例提供的一种钛带生产管理系统结构示意图。
附图标记说明:工艺链信息调取模块11,阈值库构建模块12,参数选定库生成模块13,第一约束条件生成模块14,第一阶段最优工艺参数集生成模块15,第二阶段最优工艺参数集生成模块16,目标工艺参数集获得模块17,生产管理模块18。
具体实施方式
本申请通过提供了一种钛带生产管理方法及系统,用于针对解决现有技术中存在钛带生产管理误差较大,生产的钛带合格程度低的技术问题。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示,本申请提供了一种钛带生产管理方法,其中,所述方法包括:
S100:调取目标车间的钛带工艺链信息,其中,所述钛带工艺链信息包括N个工序和N个生产设备集,每个工序对应一个生产设备集;
在本申请的一个实施例中,所述目标车间为进行钛带生产的任意一个车间。通过对目标车间的台账进行提取,从而获得所述钛带工艺链。其中,所述钛带工艺链为目标车间从原材料开始进行逐个工序的加工流转,从而生产出满足要求的钛带的工艺链,包括N个工序和N个生产设备集,每个工序对应一个生产设备集。示例性的,在钛带的锻造阶段对应的设备集包括锻锤、热模锻压力机等。在钛带的轧制阶段对应的设备集包括旋转轧辊、轧机等。
S200:遍历N个工序和N个生产设备集进行钛带生产阈值分析,构建钛带生产工艺阈值库,其中,所述钛带生产工艺阈值库用于对目标车间进行钛带生产加工时各个工序的加工阈值参数进行存储;
在一个可能的实施例中,通过对N个工序和N个生产设备集逐一进行钛带生产阈值分析,也就是说,通过根据N个生产设备集中设备的加工能力对每个工序的生产能力上下限进行分析,根据分析结果构建所述钛带生产工艺阈值库。其中,所述钛带生产工艺阈值库是对目标车间进行钛带生产加工时各个工序的加工阈值参数进行存储。优选的,对钛带的轧制阶段的轧机工作压力、轧辊移动速度的可调范围进行采集,从而获得轧制工艺对应的加工阈值参数。通过构建所述钛带生产工艺阈值库对目标车间的钛带生产加工能力进行确定,达到了为后续进行高效、准确的钛带生产管理提供可靠依据的技术效果。
S300:生成工艺参数选定库,所述工艺参数选定库是通过对所述目标车间在预设历史时间窗口内的生产加工记录进行数据提取并汇总得到的,且每个工艺参数选定结果具有适应度标识;
进一步的,本申请实施例步骤S300还包括:
对目标车间在预设历史时间窗口内的生产加工记录数据进行参数提取,获得M个工艺参数选定结果;
从所述M个工艺参数选定结果中随机选取一工艺参数选定结果作为第一工艺参数选定结果;
调取所述第一工艺参数选定结果在预设历史时间窗口内加工的多个历史钛带加工记录数据进行密集偏离分析,根据分析结果获得第一适应度;
利用所述第一适应度对第一工艺参数选定结果进行适应度标识;
将M个工艺参数选定结果进行汇总生成所述工艺参数选定库,并对M个工艺参数选定结果进行适应度标识。
在一个实施例中,所述工艺参数选定库是通过对所述目标车间在预设历史时间窗口内的生产加工记录数据进行数据提取并汇总得到的,且每个工艺参数选定结果具有适应度标识。所述工艺参数选定库反映了目标车间在历史过程中工艺参数的选择情况,即已经加工完成的钛带在生产过程中使用的参数。根据所述工艺参数选定库中的每个工艺参数选定结果加工出钛带的质量情况,对每个工艺参数选定结果进行适应度标识。其中,所述预设历史时间窗口是由本领域技术人员设定的进行生产加工记录提取的时间段,可以是一个季度、半年等。适应度用于对工艺参数选定结果的钛带加工优劣进行描述,适应度越高,加工出的钛带质量越好。
在一个实施例中,通过以设备工艺参数为索引,对目标车间在预设历史时间窗口内的生产加工记录数据进行参数检索,从而获得M个工艺参数选定结果。进而,从所述M个工艺参数选定结果中随机选取一工艺参数选定结果作为所述第一工艺参数选定结果进行分析。进而,根据所述第一工艺参数选定结果在所述生产加工记录数据中进行检索,获得预设历史时间窗口内按照所述第一工艺参数选定结果进行生产加工后产生的多个历史钛带加工记录数据进行密集偏离分析,也就是说,通过对所述多个历史钛带加工记录数据中的钛带生产记录中选取具有代表性的数据与预设钛带加工记录数据(进行生产加工前需要预先设置的加工要求数据)进行偏离分析,然后对所述第一参数选定结果的加工质量进行评价,获得所述第一适应度,并利用所述第一适应度对所述第一工艺参数选定结果进行适应度标识。基于同样的方法,对所述M个工艺参数选定结果进行密集偏离分析,获得对应的M个适应度进行标识,根据标识后的M个工艺参数选定结果进行汇总,从而生成所述工艺参数选定库。达到了获取目标车间的钛带生产加工情况,为后续进行生产管理提供可靠数据的技术效果。
进一步的,如图2所示,本申请实施例步骤S300还包括:
根据所述多个历史钛带加工记录数据构建第一映射空间,所述第一映射空间中具有多个坐标点,其中,每个坐标点对应一个历史钛带加工记录数据;
确定所述第一映射空间的第一中心坐标点,并计算所述第一中心坐标点的点云密度;
按照预设第一移动距离,将第一中心坐标点在所述第一映射空间中进行移动,获得第一移动坐标点,并计算所述第一移动坐标点的点云密度;
判断所述第一移动坐标点的点云密度是否大于所述第一中心坐标点的点云密度,若是,则将所述第一移动坐标点作为阶段目标坐标点;
若否,则基于rand函数生成第一随机数,若第一随机数大于预设随机数,则将所述第一移动坐标点作为阶段目标坐标点;
根据所述阶段目标坐标点进行多次迭代移动,获得目标坐标点。
进一步的,如图3所示,获得目标坐标点之后,本申请实施例步骤S300还包括:
以所述目标坐标点为圆心,以预设第一移动距离为半径构建的区域内的多个坐标点,生成目标分析映射空间;
按照多个坐标点到所述目标坐标点距离与所述目标分析映射空间中的多个坐标点到所述目标坐标点的总距离的比值作为权重占比值,对所述目标分析映射空间中多个坐标点对应的多个历史钛带加工记录数据,进行加权计算,获得第一目标历史钛带加工记录数据;
计算所述第一目标历史钛带加工记录数据与预设钛带加工记录数据之间的差值,并将差值比上所述预设钛带加工记录数据的比值,生成所述第一适应度。
在一个实施例中,通过根据所述多个历史钛带加工记录数据构建所述第一映射空间,其中,所述第一映射空间用于对所述多个历史钛带加工记录数据进行存储,所述第一映射空间内具有多个坐标点,其中,每个坐标点对应一个历史钛带加工记录数据。进而,通过根据所述多个坐标点的坐标值计算均值,从而获得第一中心坐标点的坐标位置。优选的,通过计算以所述第一中心坐标点为圆心,以所述预设第一移动距离为半径构建的空间中所有坐标点的数量比上该空间的面积,根据计算结果获得所述第一中心坐标点的点云密度。所述第一中心坐标点的点云密度反映了所述第一中心坐标点周围坐标点的密集程度。
优选的,所述预设第一移动距离为本领域技术人员自行设定的坐标点在第一映射空间中单次迭代移动的距离。通过按照所述预设第一移动距离,将所述第一中心坐标点在所述第一映射空间中进行移动,根据移动捕捉到的坐标点,获得所述第一移动坐标点。进而,基于与所述第一中心坐标点的点云密度同样的计算方法,计算获得所述第一移动坐标点的点云密度。优选的,判断所述第一移动坐标点的点云密度是否大于所述第一中心坐标点的点云密度,若是,则表明第一移动坐标点周围聚集的坐标点越密集,越能够代表所述第一工艺参数选定结果的加工效果,此时,将所述第一移动坐标点作为所述阶段目标坐标点。其中,所述阶段目标坐标点为迭代移动过程中的阶段最优目标点。若否,则表明所述第一中心坐标点周围聚集的坐标点较密集,但是,为了避免陷入局部寻优,此时通过利用rand函数生成所述第一随机数。优选的,所述rand函数可以随机生成(0,1)之间的数值,若生成的第一随机数大于所述预设随机数,则为了进行全局寻优,可以接受所述第一移动坐标点作为阶段目标坐标点。进而,根据所述阶段目标坐标点,以及所述预设第一移动距离进行多次迭代移动,直至满足预设的迭代移动次数,根据多次迭代获得的多个阶段目标点分别对应的点云密度,选取点云密度最大的阶段目标点作为所述目标坐标点。
在一个实施例中,在获得所述目标坐标点之后,以所述目标坐标点为圆心,以预设第一移动距离为半径构建的区域内的多个坐标点,生成目标分析映射空间。其中,所述目标分析映射空间为能够代表第一工艺参数选定结果的加工情况的空间。通过按照多个坐标点到所述目标坐标点距离与所述目标分析映射空间中的多个坐标点到所述目标坐标点的总距离的比值作为权重占比值,对所述目标分析映射空间中多个坐标点对应的多个历史钛带加工记录数据,进行加权计算,获得第一目标历史钛带加工记录数据。进而,计算所述第一目标历史钛带加工记录数据与预设钛带加工记录数据之间的差值,并将差值比上所述预设钛带加工记录数据的比值,生成所述第一适应度。所述预设钛带加工记录数据为本领域技术人员预先设定的按照第一工艺参数选定结果进行钛带加工时应该达到的加工记录数据。
S400:确定目标钛带的目标生产需求进行生产约束分析,生成第一约束条件;
优选的,通过获取所述目标钛带的目标生产需求作为进行加工参数筛选的约束,通过以加工厚度、表面质量要求等为索引,对所述目标生产需求进行检索,根据检索获得的生产要求结合钛带生产工艺确定参数选取范围,将参数选取范围作为所述第一约束条件。通过利用所述第一约束条件对所述工艺参数进行寻优,达到了可以提升寻优效率和寻优准确性的技术效果。
S500:生成Q个自由步调距离,判断所述Q个自由步调距离是否大于预设步调距离阈值,若是,则基于所述钛带生产工艺阈值库和所述第一约束条件进行P次工艺参数集迭代寻优,生成第一阶段最优工艺参数集,Q是预设整体迭代次数,为大于等于2的整数;
进一步的,所述生成Q个自由步调距离,本申请实施例步骤S500还包括:
构建自由步调距离生成公式,其中,所述自由步调距离生成公式为:
;
其中,为自由步调距离,/>为服从正态分布的参数,/>,/>为服从标准正态分布的参数,/>,/>,/>大于0小于2的经验参数;
利用所述自由步调距离生成公式进行Q次计算,获得Q个自由步调距离。
进一步的,本申请实施例步骤S500还包括:
对所述第一约束条件和所述钛带生产工艺阈值库利用工艺参数识别网络层进行参数识别,获得多个第一待优化工艺参数集;
按照预设调整方式对所述多个第一待优化工艺参数集进行参数调整,获得第一寻优邻域,所述第一寻优邻域中包括多个第一调整工艺参数集,其中,所述预设调整方式为对工艺参数进行预设幅度调大或者调小;
不放回从所述多个第一调整工艺参数集中随机选取一个第一调整工艺参数集作为第一待调整工艺参数集,并对所述第一待调整工艺参数集进行适应度标识,获得第一调整适应度。
进一步的,获得所述第一调整适应度之后,本申请实施例步骤S500还包括:
再次不放回从所述多个第一调整工艺参数集中随机选取一个第一调整工艺参数集作为第二待调整工艺参数集,并对所述第二待调整工艺参数集进行适应度标识,获得第二调整适应度;
判断所述第一调整适应度是否大于所述第二调整适应度,若是,则将所述第二调整适应度作为第一阶段最优调整适应度,若否,则按照一定的概率接受所述第二调整适应度作为第一阶段最优调整适应度;
经过P次迭代寻优,获得第一阶段最优工艺参数集。
在一个可能的实施例中,通过利用所述自由步调距离生成公式进行多次计算,获得Q个自由步调距离。其中,自由步调距离为进行参数迭代寻优过程中确定寻优过程进行对象的依据。通过依次判断所述Q个自由步调距离是否大于所述预设步调距离阈值,若是,进行全局寻优,也就是在所述钛带生产工艺阈值库中进行工艺参数寻优,若否,则在以往选择过的参数中进行寻优,也就是在所述工艺参数选定库中进行工艺参数寻优。
优选的,根据所述钛带生产工艺阈值库和所述第一约束条件进行P次工艺参数集迭代寻优,根据寻优结果获得所述第一阶段最优工艺参数集。所述第一阶段最优工艺参数为在所述钛带生产工艺阈值库中进行寻优获得的最优工艺参数集。
优选的,通过利用对第一约束条件和所述钛带生产工艺阈值库进行参数识别,从而获得所述多个第一待优化工艺参数集。其中,所述工艺参数识别网络层是用于对目标钛带的生产工艺参数进行智能化识别的功能层,可选的,通过获取多个样本第一约束条件、多个样本钛带生产工艺阈值库和多个样本第一待优化工艺参数集作为训练数据,对基于BP神经网络构建的网络层进行监督训练,直至输出达到收敛,获得所述训练完成的所述工艺参数识别网络层。在获得所述多个第一待优化工艺参数集之后,为了扩大进行寻优的参数集数量,通过按照预设调整方式对所述多个第一待优化工艺参数集进行参数调整,其中,所述预设调整方式为对工艺参数进行预设幅度调大或者调小。经过参数调整,获得所述第一寻优邻域。进而,不放回从所述多个第一调整工艺参数集中随机选取一个第一调整工艺参数集作为第一待调整工艺参数集,并对所述第一待调整工艺参数集进行适应度标识,获得第一调整适应度。通过基于所述第一工艺参数选定结果的适应度同样的获得方法,通过从大数据中匹配按照第一待调整工艺参数集进行生产加工的钛带生产加工数据进行密集偏离分析,获得所述第一调整适应度。再次不放回从所述多个第一调整工艺参数集中随机选取一个第一调整工艺参数集作为第二待调整工艺参数集,并对所述第二待调整工艺参数集进行适应度标识,获得第二调整适应度,所述第二调整适应度反映了第二待调整工艺参数集的产生加工情况。判断所述第一调整适应度是否大于所述第二调整适应度,若是,则将所述第二调整适应度作为第一阶段最优调整适应度,若否,则按照一定的概率接受所述第二调整适应度作为第一阶段最优调整适应度,优选的,利用rand函数生成随机数的方式确定接受所述第二调整适应度作为第一阶段最优调整适应度的概率。经过P次迭代寻优,将寻优过程中适应度最大的工艺参数集作为第一阶段最优工艺参数集。
S600:若否,则基于所述工艺参数选定库和所述第一约束条件进行M次工艺参数集迭代寻优,生成第二阶段最优工艺参数集,P+M=Q,P和M均为大于等于1的整数;
在一个实施例中,根据与所述第一阶段最优工艺参数集同样的方法,将所述工艺参数选定库和所述第一约束条件输入所述工艺参数识别网络层中进行参数识别,获得进行寻优的多个第二待优化工艺参数集,并按照预设调整方式对所述多个第二待优化工艺参数集进行参数调整,获得第二寻优邻域,经过M次工艺参数集迭代寻优,获得所述第二阶段最优工艺参数集。其中,所述第二阶段最优工艺参数集为在所述工艺参数选定库中进行迭代寻优后,获得的适应度最大值对应的工艺参数集。
S700:对所述第一阶段最优工艺参数集和第二阶段最优工艺参数集进行适应度比较分析,获得目标工艺参数集;
S800:根据所述目标工艺参数集获得生产管理指令,根据所述生产管理指令对所述目标车间的N个生产设备集进行生产参数设置,进行生产管理。
在一个可能的实施例中,通过对第一阶段最优工艺参数集和第二阶段最优工艺参数集进行适应度比较分析,确定适应度较大工艺参数集作为所述目标工艺参数集。其中,所述目标工艺参数集是在满足所述第一约束条件的前提下的最优工艺参数集。进而,根据所述目标工艺参数集获得生产管理指令。所述生产管理指令为对目标车间的N个设备集进行参数调整的命令。根据所述目标工艺参数集对所述目标车间的N个生产设备集进行生产参数设置,进行可靠、高效的生产管理。
综上所述,本申请实施例至少具有如下技术效果:
本申请通过对目标车间的钛带工艺链进行分析,根据目标车间的生产能力构建钛带生产工艺阈值库,并根据预设历史时间窗口内的生产加工记录进行参数选定分析,确定工艺参数选定库,并根据目标钛带的目标生产需求进行生产约束分析,获得第一约束条件,对参数进行约束,并利用Q个自由步调距离调整寻优的对象,实现在保证寻优效率的基础上,避免局部寻优的目标,然后根据所述目标工艺参数集获得生产管理指令,根据所述生产管理指令对所述目标车间的N个生产设备集进行生产参数设置,进行生产管理。达到了提升生产管理可靠性和管理效率的技术效果。
实施例二
基于与前述实施例中一种钛带生产管理方法相同的发明构思,如图4所示,本申请提供了一种钛带生产管理系统,本申请实施例中的系统与方法实施例基于同样的发明构思。其中,所述系统包括:
工艺链信息调取模块11,用于调取目标车间的钛带工艺链信息,其中,所述钛带工艺链信息包括N个工序和N个生产设备集,每个工序对应一个生产设备集;
阈值库构建模块12,用于遍历N个工序和N个生产设备集进行钛带生产阈值分析,构建钛带生产工艺阈值库,其中,所述钛带生产工艺阈值库用于对目标车间进行钛带生产加工时各个工序的加工阈值参数进行存储;
参数选定库生成模块13,用于生成工艺参数选定库,所述工艺参数选定库是通过对所述目标车间在预设历史时间窗口内的生产加工记录进行数据提取并汇总得到的,且每个工艺参数选定结果具有适应度标识;
第一约束条件生成模块14,用于确定目标钛带的目标生产需求进行生产约束分析,生成第一约束条件;
第一阶段最优工艺参数集生成模块15,用于生成Q个自由步调距离,判断所述Q个自由步调距离是否大于预设步调距离阈值,若是,则基于所述钛带生产工艺阈值库和所述第一约束条件进行P次工艺参数集迭代寻优,生成第一阶段最优工艺参数集,Q是预设整体迭代次数,为大于等于2的整数;
第二阶段最优工艺参数集生成模块16,用于若否,则基于所述工艺参数选定库和所述第一约束条件进行M次工艺参数集迭代寻优,生成第二阶段最优工艺参数集,P+M=Q,P和M均为大于等于1的整数;
目标工艺参数集获得模块17,用于对所述第一阶段最优工艺参数集和第二阶段最优工艺参数集进行适应度比较分析,获得目标工艺参数集;
生产管理模块18,用于根据所述目标工艺参数集获得生产管理指令,根据所述生产管理指令对所述目标车间的N个生产设备集进行生产参数设置,进行生产管理。
进一步的,所述参数选定库生成模块13用于执行如下步骤:
对目标车间在预设历史时间窗口内的生产加工记录数据进行参数提取,获得M个工艺参数选定结果;
从所述M个工艺参数选定结果中随机选取一工艺参数选定结果作为第一工艺参数选定结果;
调取所述第一工艺参数选定结果在预设历史时间窗口内加工的多个历史钛带加工记录数据进行密集偏离分析,根据分析结果获得第一适应度;
利用所述第一适应度对第一工艺参数选定结果进行适应度标识;
将M个工艺参数选定结果进行汇总生成所述工艺参数选定库,并对M个工艺参数选定结果进行适应度标识。
进一步的,所述参数选定库生成模块13用于执行如下步骤:
根据所述多个历史钛带加工记录数据构建第一映射空间,所述第一映射空间中具有多个坐标点,其中,每个坐标点对应一个历史钛带加工记录数据;
确定所述第一映射空间的第一中心坐标点,并计算所述第一中心坐标点的点云密度;
按照预设第一移动距离,将第一中心坐标点在所述第一映射空间中进行移动,获得第一移动坐标点,并计算所述第一移动坐标点的点云密度;
判断所述第一移动坐标点的点云密度是否大于所述第一中心坐标点的点云密度,若是,则将所述第一移动坐标点作为阶段目标坐标点;
若否,则基于rand函数生成第一随机数,若第一随机数大于预设随机数,则将所述第一移动坐标点作为阶段目标坐标点;
根据所述阶段目标坐标点进行多次迭代移动,获得目标坐标点。
进一步的,所述参数选定库生成模块13用于执行如下步骤:
以所述目标坐标点为圆心,以预设第一移动距离为半径构建的区域内的多个坐标点,生成目标分析映射空间;
按照多个坐标点到所述目标坐标点距离与所述目标分析映射空间中的多个坐标点到所述目标坐标点的总距离的比值作为权重占比值,对所述目标分析映射空间中多个坐标点对应的多个历史钛带加工记录数据,进行加权计算,获得第一目标历史钛带加工记录数据;
计算所述第一目标历史钛带加工记录数据与预设钛带加工记录数据之间的差值,并将差值比上所述预设钛带加工记录数据的比值,生成所述第一适应度。
进一步的,所述第一阶段最优工艺参数集生成模块15用于执行如下步骤:
构建自由步调距离生成公式,其中,所述自由步调距离生成公式为:
;
其中,为自由步调距离,/>为服从正态分布的参数,/>,/>为服从标准正态分布的参数,/>,/>,/>大于0小于2的经验参数;
利用所述自由步调距离生成公式进行Q次计算,获得Q个自由步调距离。
进一步的,所述第一阶段最优工艺参数集生成模块15用于执行如下步骤:
对所述第一约束条件和所述钛带生产工艺阈值库利用工艺参数识别网络层进行参数识别,获得多个第一待优化工艺参数集;
按照预设调整方式对所述多个第一待优化工艺参数集进行参数调整,获得第一寻优邻域,所述第一寻优邻域中包括多个第一调整工艺参数集,其中,所述预设调整方式为对工艺参数进行预设幅度调大或者调小;
不放回从所述多个第一调整工艺参数集中随机选取一个第一调整工艺参数集作为第一待调整工艺参数集,并对所述第一待调整工艺参数集进行适应度标识,获得第一调整适应度。
进一步的,所述第一阶段最优工艺参数集生成模块15用于执行如下步骤:
再次不放回从所述多个第一调整工艺参数集中随机选取一个第一调整工艺参数集作为第二待调整工艺参数集,并对所述第二待调整工艺参数集进行适应度标识,获得第二调整适应度;
判断所述第一调整适应度是否大于所述第二调整适应度,若是,则将所述第二调整适应度作为第一阶段最优调整适应度,若否,则按照一定的概率接受所述第二调整适应度作为第一阶段最优调整适应度;
经过P次迭代寻优,获得第一阶段最优工艺参数集。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (7)
1.一种钛带生产管理方法,其特征在于,所述方法包括:
调取目标车间的钛带工艺链信息,其中,所述钛带工艺链信息包括N个工序和N个生产设备集,每个工序对应一个生产设备集;
遍历N个工序和N个生产设备集进行钛带生产阈值分析,构建钛带生产工艺阈值库,其中,所述钛带生产工艺阈值库用于对目标车间进行钛带生产加工时各个工序的加工阈值参数进行存储;
生成工艺参数选定库,所述工艺参数选定库是通过对所述目标车间在预设历史时间窗口内的生产加工记录进行数据提取并汇总得到的,且每个工艺参数选定结果具有适应度标识;
确定目标钛带的目标生产需求进行生产约束分析,生成第一约束条件;
生成Q个自由步调距离,其中,自由步调距离为进行参数迭代寻优过程中确定寻优过程进行对象的依据,判断所述Q个自由步调距离是否大于预设步调距离阈值,若是,则基于所述钛带生产工艺阈值库和所述第一约束条件进行P次工艺参数集迭代寻优,生成第一阶段最优工艺参数集,Q是预设整体迭代次数,为大于等于2的整数;
若否,则基于所述工艺参数选定库和所述第一约束条件进行M次工艺参数集迭代寻优,生成第二阶段最优工艺参数集,P+M=Q,P和M均为大于等于1的整数;
对所述第一阶段最优工艺参数集和第二阶段最优工艺参数集进行适应度比较分析,获得目标工艺参数集;
根据所述目标工艺参数集获得生产管理指令,根据所述生产管理指令对所述目标车间的N个生产设备集进行生产参数设置,进行生产管理;
其中,所述生成Q个自由步调距离,还包括:
构建自由步调距离生成公式,其中,所述自由步调距离生成公式为:
;
其中,为自由步调距离,/>为服从正态分布的参数,/>,/>为服从标准正态分布的参数,/>,/>,/>大于0小于2的经验参数;
利用所述自由步调距离生成公式进行Q次计算,获得Q个自由步调距离。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
对目标车间在预设历史时间窗口内的生产加工记录数据进行参数提取,获得M个工艺参数选定结果;
从所述M个工艺参数选定结果中随机选取一工艺参数选定结果作为第一工艺参数选定结果;
调取所述第一工艺参数选定结果在预设历史时间窗口内加工的多个历史钛带加工记录数据进行密集偏离分析,根据分析结果获得第一适应度;
利用所述第一适应度对第一工艺参数选定结果进行适应度标识;
将M个工艺参数选定结果进行汇总生成所述工艺参数选定库,并对M个工艺参数选定结果进行适应度标识。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
根据所述多个历史钛带加工记录数据构建第一映射空间,所述第一映射空间中具有多个坐标点,其中,每个坐标点对应一个历史钛带加工记录数据;
确定所述第一映射空间的第一中心坐标点,并计算所述第一中心坐标点的点云密度;
按照预设第一移动距离,将第一中心坐标点在所述第一映射空间中进行移动,获得第一移动坐标点,并计算所述第一移动坐标点的点云密度;
判断所述第一移动坐标点的点云密度是否大于所述第一中心坐标点的点云密度,若是,则将所述第一移动坐标点作为阶段目标坐标点;
若否,则基于rand函数生成第一随机数,若第一随机数大于预设随机数,则将所述第一移动坐标点作为阶段目标坐标点;
根据所述阶段目标坐标点进行多次迭代移动,获得目标坐标点。
4.如权利要求3所述的方法,其特征在于,获得目标坐标点之后,所述方法还包括:
以所述目标坐标点为圆心,以预设第一移动距离为半径构建的区域内的多个坐标点,生成目标分析映射空间;
按照多个坐标点到所述目标坐标点距离与所述目标分析映射空间中的多个坐标点到所述目标坐标点的总距离的比值作为权重占比值,对所述目标分析映射空间中多个坐标点对应的多个历史钛带加工记录数据,进行加权计算,获得第一目标历史钛带加工记录数据;
计算所述第一目标历史钛带加工记录数据与预设钛带加工记录数据之间的差值,并将差值比上所述预设钛带加工记录数据的比值,生成所述第一适应度。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
对所述第一约束条件和所述钛带生产工艺阈值库利用工艺参数识别网络层进行参数识别,获得多个第一待优化工艺参数集;
按照预设调整方式对所述多个第一待优化工艺参数集进行参数调整,获得第一寻优邻域,所述第一寻优邻域中包括多个第一调整工艺参数集,其中,所述预设调整方式为对工艺参数进行预设幅度调大或者调小;
不放回从所述多个第一调整工艺参数集中随机选取一个第一调整工艺参数集作为第一待调整工艺参数集,并对所述第一待调整工艺参数集进行适应度标识,获得第一调整适应度。
6.如权利要求5所述的方法,其特征在于,获得所述第一调整适应度之后,所述方法包括:
再次不放回从所述多个第一调整工艺参数集中随机选取一个第一调整工艺参数集作为第二待调整工艺参数集,并对所述第二待调整工艺参数集进行适应度标识,获得第二调整适应度;
判断所述第一调整适应度是否大于所述第二调整适应度,若是,则将所述第二调整适应度作为第一阶段最优调整适应度,若否,则按照一定的概率接受所述第二调整适应度作为第一阶段最优调整适应度;
经过P次迭代寻优,获得第一阶段最优工艺参数集。
7.一种钛带生产管理系统,其特征在于,所述系统包括:
工艺链信息调取模块,用于调取目标车间的钛带工艺链信息,其中,所述钛带工艺链信息包括N个工序和N个生产设备集,每个工序对应一个生产设备集;
阈值库构建模块,用于遍历N个工序和N个生产设备集进行钛带生产阈值分析,构建钛带生产工艺阈值库,其中,所述钛带生产工艺阈值库用于对目标车间进行钛带生产加工时各个工序的加工阈值参数进行存储;
参数选定库生成模块,用于生成工艺参数选定库,所述工艺参数选定库是通过对所述目标车间在预设历史时间窗口内的生产加工记录进行数据提取并汇总得到的,且每个工艺参数选定结果具有适应度标识;
第一约束条件生成模块,用于确定目标钛带的目标生产需求进行生产约束分析,生成第一约束条件;
第一阶段最优工艺参数集生成模块,用于生成Q个自由步调距离,其中,自由步调距离为进行参数迭代寻优过程中确定寻优过程进行对象的依据,判断所述Q个自由步调距离是否大于预设步调距离阈值,若是,则基于所述钛带生产工艺阈值库和所述第一约束条件进行P次工艺参数集迭代寻优,生成第一阶段最优工艺参数集,Q是预设整体迭代次数,为大于等于2的整数;
第二阶段最优工艺参数集生成模块,用于若否,则基于所述工艺参数选定库和所述第一约束条件进行M次工艺参数集迭代寻优,生成第二阶段最优工艺参数集,P+M=Q,P和M均为大于等于1的整数;
目标工艺参数集获得模块,用于对所述第一阶段最优工艺参数集和第二阶段最优工艺参数集进行适应度比较分析,获得目标工艺参数集;
生产管理模块,用于根据所述目标工艺参数集获得生产管理指令,根据所述生产管理指令对所述目标车间的N个生产设备集进行生产参数设置,进行生产管理;
第一阶段最优工艺参数集生成模块还用于执行如下步骤:
构建自由步调距离生成公式,其中,所述自由步调距离生成公式为:
;
其中,为自由步调距离,/>为服从正态分布的参数,/>,/>为服从标准正态分布的参数,/>,/>,/>大于0小于2的经验参数;
利用所述自由步调距离生成公式进行Q次计算,获得Q个自由步调距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311322204.2A CN117077979B (zh) | 2023-10-13 | 2023-10-13 | 一种钛带生产管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311322204.2A CN117077979B (zh) | 2023-10-13 | 2023-10-13 | 一种钛带生产管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117077979A CN117077979A (zh) | 2023-11-17 |
CN117077979B true CN117077979B (zh) | 2023-12-26 |
Family
ID=88704522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311322204.2A Active CN117077979B (zh) | 2023-10-13 | 2023-10-13 | 一种钛带生产管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117077979B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117275635B (zh) * | 2023-11-21 | 2024-02-27 | 济南东方结晶器有限公司 | 一种结晶器铜管的电镀优化方法与系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111144710A (zh) * | 2019-12-06 | 2020-05-12 | 重庆大学 | 一种可持续性混合流水车间的构建和动态调度方法 |
WO2020172913A1 (zh) * | 2019-02-28 | 2020-09-03 | 东北大学 | 一种基于组态的生产指标可视化监控系统及方法 |
EP3792718A1 (en) * | 2019-07-16 | 2021-03-17 | Northeastern University | Aluminum oxide comprehensive production index decision-making method based on multi-scale deep convolutional network |
CN113128781A (zh) * | 2021-04-30 | 2021-07-16 | 大连理工大学 | 一种自动构建智能化模型与算法的分布式工业能源运行优化平台 |
JP7054487B1 (ja) * | 2021-05-18 | 2022-04-14 | 山本 隆義 | 製造業における循環型・低炭素型生産システムの構築方法 |
CN115660196A (zh) * | 2022-11-05 | 2023-01-31 | 北京市永康药业有限公司 | 一种制药车间的生产管理方法及系统 |
CN115689341A (zh) * | 2022-10-20 | 2023-02-03 | 浙江链捷数字科技有限公司 | 一种基于柔性生产链的服装品质量管理方法及系统 |
-
2023
- 2023-10-13 CN CN202311322204.2A patent/CN117077979B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020172913A1 (zh) * | 2019-02-28 | 2020-09-03 | 东北大学 | 一种基于组态的生产指标可视化监控系统及方法 |
EP3792718A1 (en) * | 2019-07-16 | 2021-03-17 | Northeastern University | Aluminum oxide comprehensive production index decision-making method based on multi-scale deep convolutional network |
CN111144710A (zh) * | 2019-12-06 | 2020-05-12 | 重庆大学 | 一种可持续性混合流水车间的构建和动态调度方法 |
CN113128781A (zh) * | 2021-04-30 | 2021-07-16 | 大连理工大学 | 一种自动构建智能化模型与算法的分布式工业能源运行优化平台 |
JP7054487B1 (ja) * | 2021-05-18 | 2022-04-14 | 山本 隆義 | 製造業における循環型・低炭素型生産システムの構築方法 |
CN115689341A (zh) * | 2022-10-20 | 2023-02-03 | 浙江链捷数字科技有限公司 | 一种基于柔性生产链的服装品质量管理方法及系统 |
CN115660196A (zh) * | 2022-11-05 | 2023-01-31 | 北京市永康药业有限公司 | 一种制药车间的生产管理方法及系统 |
Non-Patent Citations (2)
Title |
---|
基于LSSVM和GA 的镍铬合金薄膜制备工艺参数优化;郜冉等;工具技术;第56卷(第4期);98-102 * |
遗传算法与惩罚函数法在辗轧成形工艺参数优化中的应用;骆志高等;中国机械工程;第20卷(第14期);1704-1707 * |
Also Published As
Publication number | Publication date |
---|---|
CN117077979A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117077979B (zh) | 一种钛带生产管理方法及系统 | |
CN107682319B (zh) | 一种基于增强型角度异常因子的数据流异常检测及多重验证的方法 | |
CN105223546B (zh) | 基于接收信号强度和参考点位置双聚类的室内定位方法 | |
CN109669415B (zh) | 一种基于结构化典型变量分析的动态过程监测方法 | |
CN110163429A (zh) | 一种基于相似日优化筛选的短期负荷预测方法 | |
CN108469805B (zh) | 一种基于动态性最优选择的分散式动态过程监测方法 | |
CN110969304A (zh) | 数字工厂生产产能预测方法、系统、装置 | |
CN108491991B (zh) | 基于工业大数据产品工期的约束条件分析系统与方法 | |
CN112417028A (zh) | 一种风速时序特征挖掘方法及短期风电功率预测方法 | |
CN115457403A (zh) | 一种基于多类型遥感图像的农作物智能识别方法 | |
CN117151657B (zh) | 一种塑料包装材料管理方法及系统 | |
CN105657653B (zh) | 一种基于指纹数据压缩的室内定位方法 | |
CN117095247B (zh) | 基于数控加工的加工姿态运行优化方法、系统及介质 | |
CN115809795B (zh) | 一种基于数字化的生产班组的承载能力评估方法和装置 | |
CN116933196A (zh) | 多维测井数据异常值智能剔除的方法与系统 | |
CN113377630B (zh) | 一种通用的kpi异常检测框架实现方法 | |
CN113312587A (zh) | 基于arima预测和回归预测的传感器采集数据缺失值处理方法 | |
CN114336792A (zh) | 一种电网运行状态预测方法与系统 | |
CN113535527A (zh) | 一种面向实时流数据预测性分析的降载方法及系统 | |
CN111695229B (zh) | 一种基于ga-ica的新型分散式非高斯过程监测方法 | |
CN110543724A (zh) | 面向总体设计的卫星结构性能预测方法 | |
CN117592789B (zh) | 基于时间序列分析的电网环境火灾风险评估方法及设备 | |
CN117576823B (zh) | 一种排队叫号系统终端 | |
CN117250931A (zh) | 基于数据融合的石膏板生产智能控制方法及系统 | |
CN115909143A (zh) | 一种机器人小样本人工智能识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |