一种基于工况的机器学习方法及相关装置制造方法及图纸

本申请实施例提供了一种基于工况的机器学习方法及相关装置，应用于电子设备。方法通过获取目标工况的物料检验数据、目标工况的产线工况数据和工况编码规则，根据物料检验数据、产线工况数据和工况编码规则确定目标工况的目标编码，将目标编码与目标工况的预设编码进行对比，若目标编码与预设编码不一致，且目标工况未创建机器学习任务，则针对目标工况建立第一机器学习任务，为第一机器学习任务配置第一机器训练参数；将第一机器训练参数输入产品参数预测模型，对目标工况进行机器训练，得到多个第一学习结果，并从多个第一学习结果中确定标杆值。这样，通过机器训练得到精准的产品参数预测模型，能够提高工艺优化的效率，得到准确的产品参数。到准确的产品参数。到准确的产品参数。

【技术实现步骤摘要】
一种基于工况的机器学习方法及相关装置


[0001]本申请属于生产数据处理
，具体涉及一种基于工况的机器学习方法及相关装置。

技术介绍

[0002]目前，传统的化工厂、流程制造性企业的生产工艺优化，依靠一线操作人员经验的积累，这种方式使得工艺提升难度大、周期长，且优秀经验无法共享，无法固化推广。同时传统的经验缺少大数据和精确的统计分析的支撑，无法适应当前智能化生产的需要。

技术实现思路

[0003]本申请实施例提供了一种基于工况的机器学习方法及相关装置，以期提高工艺优化的效率。
[0004]第一方面，本申请实施例提供了一种基于工况的机器学习方法，应用于电子设备，所述方法包括：获取目标工况的物料检验数据、所述目标工况的产线工况数据和工况编码规则，所述目标工况为目标产品在生产过程中的任一生产工序，所述物料检验数据包括所述目标工况所涉及的至少一个第一物料类型，所述产线工况数据包括所述目标工况生产过程中的生产工艺所对应的至少一个第一工艺参数，所述工况编码规则包括所述至少一个第一物料类型的第一编码规则和所述至少一个第一工艺参数的第二编码规则；根据所述物料检验数据、所述产线工况数据和所述工况编码规则确定所述目标工况的目标编码；将所述目标编码与所述目标工况的预设编码进行对比；若所述目标编码与所述预设编码不一致，且所述目标工况未创建机器学习任务，则针对所述目标工况建立第一机器学习任务；为所述第一机器学习任务配置第一机器训练参数；将所述第一机器训练参数输入产品参数预测模型，对所述目标工况进行机器训练，得到多个第一学习结果，并从所述多个第一学习结果中确定出标杆值，所述标杆值在量产测试中为所述目标产品提供作为产品参数标准。
[0005]第二方面，本申请实施例提供了一种基于工况的机器学习装置，应用于电子设备，所述装置包括：获取单元，用于获取目标工况的物料检验数据、所述目标工况的产线工况数据和工况编码规则，所述目标工况为目标产品在生产过程中的任一生产工序，所述物料检验数据包括所述目标工况所涉及的至少一个第一物料类型，所述产线工况数据包括所述目标工况生产过程中的生产工艺所对应的至少一个第一工艺参数，所述工况编码规则包括所述至少一个第一物料类型的第一编码规则和所述至少一个第一工艺参数的第二编码规则；编码单元，用于根据所述物料检验数据、所述产线工况数据和所述工况编码规则
确定所述目标工况的目标编码；比较单元，用于将所述目标编码与所述目标工况的预设编码进行对比；创建单元，用于若所述目标编码与所述预设编码不一致 ，且所述目标工况未创建机器学习任务，则针对所述目标工况建立第一机器学习任务；配置单元，用于为所述第一机器学习任务配置第一机器训练参数，训练单元，用于将所述第一机器训练参数输入产品参数预测模型，对所述目标工况进行机器训练，得到多个第一学习结果，并从所述多个第一学习结果中确定出标杆值，所述标杆值在量产测试中为所述目标产品提供作为产品参数标准。
[0006]第三方面，本申请实施例提供了一种电子设备，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行本申请实施例第一方面和第二方面中任一方面的步骤的指令。
[0007]第四方面，本申请实施例提供了一种计算机存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如本实施例第一方面和第二方面中任一方面所描述的部分或全部步骤。
[0008]第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面和第二方面中任一方面所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
[0009]可以看出，本申请实施例中，首先通过获取目标工况的物料检验数据、所述目标工况的产线工况数据和工况编码规则、然后根据所述物料检验数据、所述产线工况数据和所述工况编码规则确定所述目标工况的目标编码，再将所述目标编码与所述目标工况的预设编码进行对比，若所述目标编码与所述预设编码不一致 ，则确定所述目标工况是否已创建机器学习任务，若所述目标工况未建立机器学习任务，则针对所述目标工况建立第一机器学习任务；为所述第一机器学习任务配置第一机器训练参数，对所述目标工况进行机器训练，得到训练后的产品参数预测模型。这样，通过机器训练得到精准的产品参数预测模型，能够提高工艺优化的效率，得到准确的产品数据。
附图说明
[0010]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的一些实施例，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。
[0011]图1是本申请实施例提供的一种系统架构示意图；图2是本申请实施例提供的一种基于工况的机器学习方法的流程示意图；图3是本申请实施例提供的一种基于工况的机器学习装置的结构示意图。
具体实施方式
[0012]为了使本
的人员更好地理解本申请方案，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作出创造性劳动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。
[0013]本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、系统、产品或设备固有的其他步骤或单元。
[0014]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0015]下面先对本申请涉及到的相关术语进行介绍。
[0016]机器学习：机器学习在20世纪下半叶演变为人工智能（AI）的一个分支，它通过自学习算法从数据中获得知识来进行预测。机器学习并不需要事先对大量数据进行人工分析，然后提取规则并建立模型，而是提供了一种更为有效的方法来捕获数据中的知识，逐步提高预测模型的性能，以完成数据驱动的决策。
[0017]多工况：工况的定义是生产流程的输入要素（人机料法环测）特性值的变化区间的组合，在实际生产中这些要素的组合会按要素的特性区间，进行分区编码，形成不同的工况编码。不同的工况本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于工况的机器学习方法，其特征在于，应用于电子设备，所述方法包括：获取目标工况的物料检验数据、所述目标工况的产线工况数据和工况编码规则，所述目标工况为目标产品在生产过程中的任一生产工序，所述物料检验数据包括所述目标工况所涉及的至少一个第一物料类型，所述产线工况数据包括所述目标工况生产过程中的生产工艺所对应的至少一个第一工艺参数，所述工况编码规则包括所述至少一个第一物料类型的第一编码规则和所述至少一个第一工艺参数的第二编码规则；根据所述物料检验数据、所述产线工况数据和所述工况编码规则确定所述目标工况的目标编码；将所述目标编码与所述目标工况的预设编码进行对比；若所述目标编码与所述预设编码不一致，且所述目标工况未创建机器学习任务，则针对所述目标工况建立第一机器学习任务；为所述第一机器学习任务配置第一机器训练参数；将所述第一机器训练参数输入产品参数预测模型，对所述目标工况进行机器训练，得到多个第一学习结果，并从所述多个第一学习结果中确定出标杆值，所述标杆值在量产测试中为所述目标产品提供作为产品参数标准。2.根据权利要求1所述的方法，其特征在于，所述根据所述物料检验数据、所述产线工况数据和所述工况编码规则确定所述目标工况的目标编码，包括：从所述第一编码规则中确定出所述至少一个第一物料类型所对应的至少一个第一物料编码；从所述第二编码规则中确定出所述至少一个第一工艺参数所对应的至少一个第一工艺编码；将所述至少一个第一物料编码和所述至少一个第一工艺编码按照所述工况编码规则进行组合，得到所述目标编码。3.根据权利要求1所述的方法，其特征在于，所述将所述目标编码与所述目标工况的预设编码进行对比之后，所述方法还包括：若所述目标编码与所述预设编码一致，且所述目标工况未启动所述机器学习任务，则确定所述目标工况是否存在所述标杆值；若所述目标工况不存在所述标杆值，则针对所述目标工况建立第二机器学习任务；为所述第二机器学习任务配置第二机器训练参数，对所述目标工况进行训练，得到标杆值；或者，将初始研发版本的产品参数设置为所述目标工况的标杆值；若所述目标工况不存在所述标杆值，但存在符合要求的第一学习结果，则将所述第一学习结果所对应的产品参数作为所述标杆值。4.根据权利要求3所述的方法，其特征在于，所述将初始研发版本的工艺参数设置为所述目标工况的标杆值之后，所述方法还包括：若所述目标编码与所述预设编码一致，且所述目标工况已启动所述机器学习任务进行机器训练，则根据所述目标编码从计分卡数据库中查询出训练集与目标编码的对应关系；根据所述对应关系从训练集数据库中查询出对应的训练集；将所述训练集设置为所述机器学习任务的机器训练参数。
5.根据权利要求1所述的方法，其特征在于，所述将所述目标编码与所述目标工况的预设编码进行对比之后，所述方法还包括：若所述目标编码与所述预设编码不一致，且所述目标工况已建立所述机器学习任务，则根据所述目标编码从计分卡数据库中查询出训练集与目标编码的对应关系；根据所述对应关系从训练集数据库中查询出对应的训练集；将所述训练集设置为所述机器学习任务的第一机器训练参数。6.根据权利要求1所述的方法，其特征在于，所述为所述第一机器学习任务配置第一机器训练参数，包括：确定工况数据库中是否存在与所述目标工况相近的第一工况；若存在所述第一工况，则将第一参数设置为所述第一机器学习任务的所述第一机器训练参数，所述第一参数为所述第一工况的第一标杆值所对应的第一产品参数，所述第一标杆值为所述第一工况通过所述产品参数预测模型得到的多个第一产品参数中的最优参数值。7.根据权利要求6所述的方法，其特征在于，所述目标编码包括多个子编码，所述多个子编码中每个子编码为所述第一物料编码或第一工艺编码；所述确定工况数据库中是否存在与所述目标工况相近的第一工况，包括：确定所述目标编码中每个子编码对应的物料或生产工艺对产品的影响等级...

【专利技术属性】
技术研发人员：郭传亮，
申请(专利权)人：希望知舟技术深圳有限公司，
类型：发明
国别省市：