【技术实现步骤摘要】
本专利技术涉及机器学习算法，具体涉及一种基于机器学习算法的工艺诊断、优化及预测方法。
技术介绍
1、随着科技的进步，智能制造已经成为了生产业中的主要发展趋势，其中机器学习算法起到了不可或缺的作用，能够对生产过程中产品质量和发展趋势进行高效的智能预测，以此帮助用户优化产品生产过程，提高产品质量和降低生产成本，为生产过程提供更准确的洞察，快速的帮助生产人员解决即时问题，实现有效的预测和规避潜在风险。
2、当前技术对生产过程中产品质量的诊断主要的是依靠人为的方式去进行监测的，这种人为的监测诊断方式较为的浅显且繁琐，不能及时的对产品质量进行预测判断，无法合理的规避产品在生产过程中的潜在风险，会降低工厂上传产品的质量和产量，加重监测人员的工作负担，降低工厂经营的效益，影响工厂的市场销售。
技术实现思路
1、针对上述存在的技术不足，本专利技术的目的是提供一种基于机器学习算法的工艺诊断、优化及预测方法。
2、为解决上述技术问题，本专利技术采用如下技术方案：本专利技术提供一种基于机器学习算法的工艺诊断、优化及预测方法，包括：步骤一、数据信息筛选：获取生产过程中各设备对应的历史运行数据信息，进而筛选得到各设备对应的目标历史运行数据信息，并将各设备对应的目标历史运行数据信息进行对应的整合，以此来进行对应的目标历史运行数据信息预处理，通过对运行数据信息实行重复数据和缺失数据的删除和填充，得到各设备对应的历史参考运行参数，并通过传感器获取生产过程中各设备对应的运行参数，筛选得到各设
3、步骤二、产品质量预测：获取各设备对应的生产信息，进而预测得到目标产品对应的质量；
4、步骤三、生产信息校验：获取目标产品对应的质量信息、性能信息，进而分析得到目标产品对应的质量评估系数，并通过目标产品对应的质量评估系数，判断目标产品对应的检验结果；
5、步骤四、优化监测调整：根据各设备对应的标准运行参数区间，进而分析得到各目标设备对应的调整值；
6、步骤五、预警提示：当目标产品对应的质量不合格、目标产品对应的检验结果不合格时进行预警提示。
7、优选地，所述获取生产过程中各设备对应的目标历史运行数据信息，具体筛选过程如下：从数据库中提取生产过程中各设备对应的各历史运行数据信息，将各设备对应的各历史运行数据信息与预设的各设备对应的各历史运行数据信息进行对比，若数据库中某设备对应的某历史运行数据信息与预设的该设备对应的该历史运行数据信息不同，则判定该设备对应的该历史运行数据信息不合格，若数据库中某设备对应的某历史运行数据信息与预设的该设备对应的该历史运行数据信息相同，则判定该设备对应的该历史运行数据信息合格，则将该设备对应的该历史运行数据信息的作为目标历史运行数据信息，以此得到各设备对应的目标历史运行数据信息。
8、优选地，所述进行对应的历史运行数据信息预处理，具体筛选过程如下：在获取完生产过程中各设备对应的历史运行数据信息后，则进行对应的各历史运行数据信息整合，监测历史运行数据信息是否存在重复数据和缺失数据的情况，若存在大量完全重复的数据，则进行对应的重复数据删除，若存在数据缺失的情况时，则根据各设备对应的数据总量和缺失数量判断，当总数据量大于预设值时、某些指标的缺失小于预设值时，将各设备对应的存留数据参数进行相加后并进行均值计算，以此得到各设备对应的数据参数均值，将各设备对应的数据参数均值插入到数据缺失的地方，再进行数据总量相加，并将开始的数据总量与后来的数据总量进行对比，若两者之间的差值较小，则选择进行缺失数据的删除或填充，当总数据量小于预设值时、某些指标的缺失大于预设值时，将各设备对应的存留数据参数进行相加后进行均值计算，以此得到各设备对应的数据参数均值，将各设备对应的数据参数均值插入到数据缺失的地方，再进行数据总量相加，并将开始的数据总量与后来的数据总量进行对比，若两者之间的差值较大时，则选择对该指标进行删除处理。
9、优选地，所述筛选得到各设备对应的标准运行参数区间，具体筛选过程如下：将各设备对应的运行参数与各设备对应的历史参考运行参数进行对比，若某设备对应的运行参数与该设备对应的历史参考运行参数不相同，则判定该设备对应的运行异常，则将该设备记为目标设备，得到各目标设备，若某设备对应的运行参数与该设备对应的历史参考运行参数相同，则判定该设备对应的运行正常，则将该设备的运行参数作为标准运行参数，以此得到各设备对应的标准运行参数区间。
10、优选地，所述预测得到目标产品对应的质量，具体预测过程如下：将各设备对应的生产参数与数据库中存储的生产参数进行对比，若某设备对应的生产参数与数据库中存储的该生产参数不同，则判定目标产品对应的质量不合格，则进行预警提示，若某设备对应的生产参数与数据库中存储的该生产参数相同，则判定目标产品对应的质量合格，以此得到目标产品对应的质量。
11、优选地，所述分析得到目标产品对应的质量评估系数，具体分析过程如下：将目标产品对应的外观参数与数据库中存储的的外观参数区间进行对比，若目标产品对应的外观参数在数据库中存储的的外观参数区间内，则将目标产品对应的外观参数的系数记为k1，反之记为k2，以此得到目标产品对应的外观合格系数λ，其中λ取值为k1或k2，k1、k2为自然数；
12、将目标产品对应的性能参数与数据库中存储的的性能参数区间进行对比，若目标产品对应的性能参数在数据库中存储的的性能参数区间内，则将目标产品对应的性能参数记为p1，反之记为p2，以此得到目标产品对应的性能合格系数ψ，其中ψ取值为p1或p2，p1、p2为自然数；
13、通过计算公式θ＝λ*m1+ψ*m2，进而分析得到目标产品对应的质量评估系数θ，m1、m2分别为外观合格系数的权重因子、性能合格系数的权重因子，0＜m1＜1，0＜m2＜1。
14、优选地，所述判断目标产品对应的检验结果，具体判断过程如下：将目标产品对应的质量评估系数与数据库中存储的质量评估系数阈值进行对比，若目标产品对应的质量评估系数小于数据库中存储的的质量评估系数阈值，则判定目标产品对应的检验结果不合格，并进行预警提示，若目标产品对应的质量评估系数阈值大于或等于数据库中存储的的质量评估系数阈值，则判定目标产品对应的检验结果合格，以此得到目标产品对应的检验结果。
15、优选地，所述计算得到各目标设备对应的调整值，具体调整过程如下：将各目标设备对应的运行参数与各设备对应标准运行参数区间内的生产需求值进行对比，若某目标设备对应的运行参数与该设备对应标准运行参数区间内的生产需求值相同，则将该设备对应标准运行参数区间内的生产需求值作为该目标设备的生产需求值，以此得到各目标设备对应的调整值。
16、1、与现有技术相比，本专利技术的有益效果在于：本专利技术提供一种基于机器学习算法的工艺诊断、优化及预测方法，通过将各历史数据进行对应的整合，以此得到生产过程中设备对应的目标历史运行数据信息，并对当前生产过程中各设备的运行进行本文档来自技高网...
【技术保护点】
1.一种基于机器学习算法的工艺诊断、优化及预测方法，其特征在于，包括：
2.如权利要求1所述的一种基于机器学习算法的工艺诊断、优化及预测方法，其特征在于，所述获取生产过程中各设备对应的目标历史运行数据信息，具体筛选过程如下：
3.如权利要求1所述的一种基于机器学习算法的工艺诊断、优化及预测方法，其特征在于，所述进行对应的历史运行数据信息预处理，具体筛选过程如下：
4.如权利要求1所述的一种基于机器学习算法的工艺诊断、优化及预测方法，其特征在于，所述筛选得到各设备对应的标准运行参数区间，具体筛选过程如下：
5.如权利要求1所述的一种基于机器学习算法的工艺诊断、优化及预测方法，其特征在于，所述预测得到目标产品对应的质量，具体预测过程如下：
6.如权利要求1所述的一种基于机器学习算法的工艺诊断、优化及预测方法，其特征在于，所述分析得到目标产品对应的质量评估系数，具体分析过程如下：
7.如权利要求1所述的一种基于机器学习算法的工艺诊断、优化及预测方法，其特征在于，所述判断目标产品对应的检验结果，具体判断过程如下：p>
8.如权利要求1所述的一种基于机器学习算法的工艺诊断、优化及预测方法，其特征在于，所述计算得到各目标设备对应的调整值，具体调整过程如下：
...【技术特征摘要】
1.一种基于机器学习算法的工艺诊断、优化及预测方法，其特征在于，包括：
2.如权利要求1所述的一种基于机器学习算法的工艺诊断、优化及预测方法，其特征在于，所述获取生产过程中各设备对应的目标历史运行数据信息，具体筛选过程如下：
3.如权利要求1所述的一种基于机器学习算法的工艺诊断、优化及预测方法，其特征在于，所述进行对应的历史运行数据信息预处理，具体筛选过程如下：
4.如权利要求1所述的一种基于机器学习算法的工艺诊断、优化及预测方法，其特征在于，所述筛选得到各设备对应的标准运行参数区间，具体筛选过程如下：
5.如权利要...
【专利技术属性】
技术研发人员：张金伟，杨华，黄伟韬，
申请(专利权)人：上海麦杰科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。