申请/专利权人:佛山众陶联供应链服务有限公司;西藏众陶联供应链服务有限公司;林周佳住家网络科技有限公司;林周利利佳供应链服务有限公司;共青城市众陶联供应链服务有限公司
申请日:2022-06-09
公开(公告)日:2022-09-20
公开(公告)号:CN115081697A
主分类号:G06Q10/04
分类号:G06Q10/04;G06Q50/04;G06K9/62
优先权:
专利状态码:有效-授权
法律状态:2023.03.24#授权;2022.10.11#实质审查的生效;2022.09.20#公开
摘要:本发明公开了基于原料预测烧成曲线的方法,涉及数据预测技术领域,包括采集数据源,数据源包括原料数据、窑炉设备数据以及分级数据;按照产品编号、产线号、前后工序时间戳及工序间时间差进行逻辑关联,根据逻辑关联对数据源进行数据拓扑,得到数据集;对数据集进行数据清洗,得到清洗好的基础数据集;将基础数据集划分出训练集和测试集;利用训练集训练并建立出窑炉预测模型,利用测试集测试窑炉预测模型;将实时的原料数据输入验证后的窑炉预测模型,输出预测的窑炉设备数据和窑炉烧成曲线。当原料发送变化的情况下,利用窑炉预测模型预测出相应的窑炉设备数据以进行调整参考,稳定生产产质量,从而降低对熟练技术工人的依赖度。
主权项:1.基于原料预测烧成曲线的方法,其特征在于:包括如下步骤:S1:采集数据源,所述数据源包括原料数据、窑炉设备数据以及分级数据;S2:按照产品编号、产线号、前后工序时间戳及工序间时间差进行逻辑关联,根据逻辑关联对数据源进行数据拓扑,得到数据集;S3:对所述数据集进行数据清洗,得到清洗好的基础数据集;S4:将所述基础数据集划分出训练集和测试集;S5:基于两步走多项式拟合和Xgboost模型中的多输出回归,利用训练集训练并建立出窑炉预测模型,利用测试集测试窑炉预测模型;所述窑炉预测模型的功能为输入原料数据,输出预测的窑炉设备数据,并根据预测的窑炉设备数据预测并输出窑炉烧成曲线;S6:根据训练集与测试集的得分验证窑炉预测模型;S7:构建多输出回归模型特征重要性的函数参数,以平均特征重要性进行排序,输出对窑炉烧成温度影响最大的前K项变量参数;S8:将实时的原料数据输入验证后的所述窑炉预测模型,输出预测的窑炉设备数据和窑炉烧成曲线。
全文数据:
权利要求:
百度查询: 佛山众陶联供应链服务有限公司;西藏众陶联供应链服务有限公司;林周佳住家网络科技有限公司;林周利利佳供应链服务有限公司;共青城市众陶联供应链服务有限公司 基于原料预测烧成曲线的方法、设备及计算机存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。