一种基于工厂对象位置的运营设备编码相似性关联方法技术

本发明专利技术公开了一种基于工厂对象位置的运营设备编码相似性关联方法，包括：获取待关联工厂对象的位号信息，位号信息包括工厂对象位置以及工厂对象名称，工厂对象位置用于表征工厂对象在工厂中的具体工艺功能位置；基于存量工厂对象对应的运营设备编码，对待关联工厂对象对应的工厂对象位置进行匹配，得到匹配结果，匹配结果用于表征采用工厂对象位置匹配到的存量工厂对象对应的运营设备编码；将匹配结果中的运营设备编码与待关联工厂对象的位号信息进行关联，得到相似性关联结果。以存量设备的运营设备编码以及设备位置作为训练数据，对神经网络模型进行训练，使神经网络模型具备采用设备位置匹配对应运营设备编码的能力，有效地提高了工作效率。效地提高了工作效率。效地提高了工作效率。

【技术实现步骤摘要】
一种基于工厂对象位置的运营设备编码相似性关联方法


[0001]本专利技术涉及数据匹配领域，尤其涉及一种基于工厂对象位置的运营设备编码相似性关联方法。

技术介绍

[0002]在现代工厂的管理流程中，运营设备编码作为工厂实物资产管理的唯一标识，建立设备编号是工厂对象管理中必不可少的环节，目前在工程项目实物交接阶段，普遍采用的是手工方式建立工厂设备编号，一般要编码半年以上，存在耗时久且容易出错的问题。当某个新产线或设备编码时，由于对设备认识不同，具体设备的设备编号对应的生产线、大型装置或者一个大型装置上的部件对应的设备号，不同的人编码存在主观性，经常出现相同或相似产线、装备的编码颗粒度不同，局部设备或零件编码过细，关键设备或零部件编码缺失等现象，从而制约了后续资产管理、设备管理精细化，现场维护、备件采购的标准化。

技术实现思路

[0003]针对现有技术中的上述不足，本专利技术提供的一种基于工厂对象位置的运营设备编码相似性关联方法解决了现有技术中存在的问题。
[0004]为了达到上述专利技术目的，本专利技术采用的技术方案为：一种基于工厂对象位置的运营设备编码相似性关联方法，包括：
[0005]获取待关联工厂对象的位号信息，所述位号信息包括工厂对象位置以及工厂对象名称，所述工厂对象位置用于表征工厂对象在工厂中的具体工艺功能位置；
[0006]基于存量工厂对象对应的运营设备编码，对所述待关联工厂对象对应的工厂对象位置信息进行匹配，得到匹配结果，所述匹配结果用于表征采用工厂对象位置匹配到的存量工厂对象对应的运营设备编码；
[0007]将匹配结果中的运营设备编码与待关联工厂对象的工厂对象名称位置信息进行关联，得到相似性关联结果。
[0008]在一种可能的实施方式中，还包括：
[0009]重复获取多次相似性关联结果，并获取每种相似性关联结果的出现次数，按出现次数从大到小的顺序将相似性关联结果展示给用户；
[0010]接收用户人机交互所产生的相似性关联结果选择指令，并根据相似性关联结果选择指令确定目标相似性关联结果；
[0011]将目标相似性关联结果作为待关联工厂对象对应的最终相似性关联结果，并将最终相似性关联结果存储至数据库。
[0012]在一种可能的实施方式中，基于存量工厂对象对应的运营设备编码，对所述待关联工厂对象对应的工厂对象位置进行匹配，得到匹配结果，包括：
[0013]采用神经网络构建工厂对象位置与运营设备编码匹配模型；
[0014]从数据库中提取存量工厂对象对应的工厂对象位置，得到样本工厂对象位置；
[0015]从数据库中提取存量工厂对象对应的运营设备编码，得到样本运营设备编码；
[0016]以样本工厂对象位置以及样本工厂对象位置对应的样本运营设备编码构建训练数据集；
[0017]采用训练数据集对工厂对象位置与运营设备编码匹配模型进行训练，获取训练完成的工厂对象位置与运营设备编码匹配模型；
[0018]以待关联工厂对象对应的工厂对象位置作为训练完成的工厂对象位置与运营设备编码匹配模型的输入数据，获取工厂对象位置与运营设备编码匹配模型的输出数据，并将该输出数据作为匹配结果。
[0019]在一种可能的实施方式中，采用训练数据集对工厂对象位置与运营设备编码匹配模型进行训练，获取训练完成的工厂对象位置与运营设备编码匹配模型，包括：
[0020]将训练数据集中的样本工厂对象位置进行字符转换，得到样本工厂对象位置对应的样本位置字符串；
[0021]将样本位置字符串作为工厂对象位置与运营设备编码匹配模型的输入数据，将样本运营设备编码作为工厂对象位置与运营设备编码匹配模型的期望输出数据，采用改进粒子群优化算法对工厂对象位置与运营设备编码匹配模型的参数进行更新，获取训练完成的工厂对象位置与运营设备编码匹配模型。
[0022]在一种可能的实施方式中，将样本位置字符串作为工厂对象位置与运营设备编码匹配模型的输入数据，将样本运营设备编码作为工厂对象位置与运营设备编码匹配模型的期望输出数据，采用改进粒子群优化算法对工厂对象位置与运营设备编码匹配模型的参数进行更新，包括：
[0023]A1、初始化粒子的位置以及速度，所述粒子的位置用于表征工厂对象位置与运营设备编码匹配模型对应的网络参数，所述粒子的速度用于表征工厂对象位置与运营设备编码匹配模型对应的网络参数所对应的迭代步长，且所述粒子的位置位于预先设定的第一阈值范围中，所述粒子的速度位于预先设定的第二阈值范围中；
[0024]A2、多次重复步骤A1的操作，获取包含多个粒子的粒子群，并设置初始温度以及令当前温度为初始温度；
[0025]A3、将样本位置字符串作为工厂对象位置与运营设备编码匹配模型的输入数据，将样本运营设备编码作为工厂对象位置与运营设备编码匹配模型的期望输出数据，获取粒子群中每个粒子对应的适应度值f
i
，并根据适应度值f
i
获取粒子群在当前更新轮数的全局最优值g
best
以及每个粒子在当前更新轮数的个体最优值p
ibest
；个体最优值p
ibest
表示粒子个体p
i
在多轮迭代中产生的最优值，全局最优值g
best
表示所有粒子个体中的最优值；i＝1,2,...,I，I表示粒子群中粒子个体总数；
[0026]A4、判断当前温度是否小于设定阈值，若是，则训练结束，将全局最优值作为工厂对象位置与运营设备编码匹配模型的最终网络参数，否则进行A5；
[0027]A5、判断粒子群中的粒子p
i
的适应度是否大于全局最优值g
best
的适应度f
best
，若是，则将全局最优值g
best
更新为该粒子p
i
，并进入步骤A6，否则根据适应度以及适应度f
best
获取更新概率，并基于该更新概率对全局最优值g
best
进行更新，进入步骤A6；
[0028]A6、根据所述个体最优值p
ibest
以及全局最优值g
best
对粒子的位置以及速度进行更
新；
[0029]A7、进行退火操作，并重新获取粒子群中每个粒子对应的适应度值f
i
，根据适应度值f
i
获取每个粒子在当前更新轮数的个体最优值p
ibest
，并返回步骤A4。
[0030]在一种可能的实施方式中，将样本位置字符串作为工厂对象位置与运营设备编码匹配模型的输入数据，将样本运营设备编码作为工厂对象位置与运营设备编码匹配模型的期望输出数据，获取粒子群中每个粒子对应的适应度值f
i
，并根据适应度值f
i
获取粒子群在当前更新轮数的全局最优值g
best
以及每个粒子在当前更新轮数的个体最优值p<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于工厂对象位置的运营设备编码相似性关联方法，其特征在于，包括：获取待关联工厂对象的位号信息，所述位号信息包括工厂对象位置以及工厂对象名称，所述工厂对象位置用于表征工厂对象在工厂中的具体工艺功能位置；基于存量工厂对象对应的运营设备编码，对所述待关联工厂对象对应的工厂对象位置进行匹配，得到匹配结果，所述匹配结果用于表征采用工厂对象位置匹配到的存量工厂对象对应的运营设备编码；将匹配结果中的运营设备编码与待关联工厂对象的位号信息进行关联，得到相似性关联结果。2.根据权利要求1所述的基于工厂对象位置的运营设备编码相似性关联方法，其特征在于，还包括：重复获取多次相似性关联结果，并获取每种相似性关联结果的出现次数，按出现次数从大到小的顺序将相似性关联结果展示给用户；接收用户人机交互所产生的相似性关联结果选择指令，并根据相似性关联结果选择指令确定目标相似性关联结果；将目标相似性关联结果作为待关联工厂对象对应的最终相似性关联结果，并将最终相似性关联结果存储至数据库。3.根据权利要求1所述的基于工厂对象位置的运营设备编码相似性关联方法，其特征在于，基于存量工厂对象对应的运营设备编码，对所述待关联工厂对象对应的工厂对象位置进行匹配，得到匹配结果，包括：采用神经网络构建工厂对象位置与运营设备编码匹配模型；从数据库中提取存量工厂对象对应的工厂对象位置，得到样本工厂对象位置；从数据库中提取存量工厂对象对应的运营设备编码，得到样本运营设备编码；以样本工厂对象位置以及样本工厂对象位置对应的样本运营设备编码构建训练数据集；采用训练数据集对工厂对象位置与运营设备编码匹配模型进行训练，获取训练完成的工厂对象位置与运营设备编码匹配模型；以待关联工厂对象对应的工厂对象位置作为训练完成的工厂对象位置与运营设备编码匹配模型的输入数据，获取工厂对象位置与运营设备编码匹配模型的输出数据，并将该输出数据作为匹配结果。4.根据权利要求3所述的基于工厂对象位置的运营设备编码相似性关联方法，其特征在于，采用训练数据集对工厂对象位置与运营设备编码匹配模型进行训练，获取训练完成的工厂对象位置与运营设备编码匹配模型，包括：将训练数据集中的样本工厂对象位置进行字符转换，得到样本工厂对象位置对应的样本位置字符串；将样本位置字符串作为工厂对象位置与运营设备编码匹配模型的输入数据，将样本运营设备编码作为工厂对象位置与运营设备编码匹配模型的期望输出数据，采用改进粒子群优化算法对工厂对象位置与运营设备编码匹配模型的参数进行更新，获取训练完成的工厂对象位置与运营设备编码匹配模型。5.根据权利要求4所述的基于工厂对象位置的运营设备编码相似性关联方法，其特征
在于，将样本位置字符串作为工厂对象位置与运营设备编码匹配模型的输入数据，将样本运营设备编码作为工厂对象位置与运营设备编码匹配模型的期望输出数据，采用改进粒子群优化算法对工厂对象位置与运营设备编码匹配模型的参数进行更新，包括：A1、初始化粒子的位置以及速度，所述粒子的位置用于表征工厂对象位置与运营设备编码匹配模型对应的网络参数，所述粒子的速度用于表征工厂对象位置与运营设备编码匹配模型对应的网络参数所对应的迭代步长，且所述粒子的位置位于预先设定的第一阈值范围中，所述粒子的速度位于预先设定的第二阈值范围中；A2、多次重复步骤A1的操作，获取包含多个粒子的粒子群，并设置初始温度以及令当前温度为初始温度；A3、将样本位置字符串作为工厂对象位置与运营设备编码匹配模型的输入数据，将样本运营设备编码作为工厂对象位置与运营设备编码匹配模型的期望输出数据，获取粒子群中每个粒子对应的适应度值f
i
，并根据适应度值f
i
获取粒子群在当前更新轮数的全局最优值g
best
以及每个粒子在当前更新轮数的个体最优值p
ibest
；个体最优值p
ibest
表示粒子个体p
i
在多轮迭代中产生的最优值，全局最优值g
best
表示所有粒子个体中的最优值；i＝1,2,...,I，I表示粒子群中粒子个体总数；A4、判断当前温度是否小于设定阈值，若是，则训练结束，将全局最优值作为工厂对象位置与运营设备编码匹配模型的最终网络参数，否则进行A5；A5、判断粒子群中的粒子p
i
的适应度是否大于全局最优值g
best
的适应度f
best
，若是，则将全局最优值g
best
更新为该粒子p
i
，并进入步骤A6，否则根据适应度以及适应度f
best
获取更新概率，并基于该更新概率对全局最优值g
best
进行更新，进入步骤A6；A6、...

【专利技术属性】
技术研发人员：袁磊，唐吉梅，王慧琼，韩轩，乔建基，吴凤品，张蕴平，张利勇，朱丽业，武益博，林云霞，陈蒙，殷婕，钱凤云，蔡爱华，
申请(专利权)人：宝钢工程技术集团有限公司，
类型：发明
国别省市：