【技術實現步驟摘要】
本專利技術涉及界面劑智能生產管理，具體涉及一種基于界面劑性能測試數據的智能生產管理方法與系統。
技術介紹
1、傳統的對于界面劑的測量通常遵循一系列國家標準，以確保產品質量和性能符合規定的要求，界面劑的成本和性能指標的關系存在一個平衡點，即在確保產品性能滿足應用需求的同時，也要考慮成本效益，故考慮通過多個樣本的生產數據以及其對應測試結果數據之間的關系，利用多元線性回歸模型擬合二者之間的關系以進行成本的控制。
2、但由于在進行不同樣本的生產過程中，企業僅根據現有的指標和標準進行生產，而沒有考慮不同物質配比下多種情況的界面劑，這會導致所獲取的多個樣本無法較好的表示不同生產條件下的界面劑的性能，進而導致多元線性回歸模型的精度較差，不利于對界面劑生產進行智能管理。
技術實現思路
1、為了解決現有多元線性回歸模型對于界面劑生產測試數據的擬合精度較差，影響界面劑智能生產管理的技術問題，本專利技術的目的在于提供一種基于界面劑性能測試數據的智能生產管理方法與系統，所采用的技術方案具體如下：
2、一種基于界面劑性能測試數據的智能生產管理方法，所述方法包括：
3、獲取預設測試界面劑樣本集在生產過程中的生產數據、測試性能數據和測試環境數據；
4、利用非線性降維算法對所述生產數據進行降維，獲取所述生產數據的主要維度，以及每個維度對于每個所述主要維度的降維貢獻率；根據所述生產數據中每個界面劑樣本在每個維度的數據分布，結合對應的所述降維貢獻率，獲取每個所述主要維度
5、獲取所述測試性能數據中每個界面劑樣本的第二離群程度；所述第二離群程度與所述第一離群程度的獲取方法相同；根據所述測試環境數據中每個界面劑樣本在所有維度的數據分布，獲取所述測試環境數據中每個界面劑樣本的第三離群程度；
6、根據每個界面劑樣本的所述第一離群程度和所述第二離群程度的相似特征，結合所述第三離群程度，獲取優化多元線性回歸模型；
7、基于所述優化多元線性回歸模型對界面劑進行智能生產管理。
8、進一步地，所述重要程度參數的獲取方法包括：
9、在所述生產數據中，根據每個界面劑樣本在每個維度中的數據占據對應整個維度數據的比例，獲取每個界面劑樣本在每個維度中的數據比重；基于所述數據比重，通過熵權法獲取所述生產數據中每個維度的數據權重；
10、根據每個維度的所述數據權重和每個維度對于每個所述主要維度的降維貢獻率，獲取每個所述主要維度的重要程度參數；所述數據權重和所述降維貢獻率均與所述重要程度參數正相關。
11、進一步地，所述重要程度參數的計算方法包括：
12、在所述生產數據中，選擇任一所述主要維度作為目標主要維度；將每個維度與所述目標主要維度之間的所述降維貢獻率與對應的所述數據權重的乘積作為重要程度子參數；將目標主要維度的所有所述重要程度子參數的均值作為重要程度參數。
13、進一步地，所述第一離群程度的獲取方法包括：
14、將任一界面劑樣本作為目標樣本；
15、在所述生產數據中，獲取所述目標樣本在所述目標主要維度的樣本值與整個所述目標主要維度的樣本均值的差值絕對值，作為所述目標樣本在所述目標主要維度的偏離參數；獲取所述目標主要維度的樣本值的標準差；根據所述目標主要維度的所述偏離參數和所述標準差，獲取所述目標樣本在所述目標主要維度的離群參數；所述標準差與所述離群參數負相關；所述偏離參數與所述離群參數正相關；
16、根據所述重要程度參數和所述離群參數，獲取所述目標樣本在所述目標主要維度的加權離群參數；所述重要程度參數和所述離群參數均與所述加權離群參數正相關；
17、在所述生產數據中，將所述目標樣本對應的所有所述主要維度的所述加權離群參數的均值作為第一離群程度。
18、進一步地，所述第三離群程度的獲取方法包括：
19、在所述測試環境數據中，選擇任一維度為目標維度；獲取所述目標維度中樣本值的標準差和所述偏離參數；根據目標維度的所述偏離參數和所述標準差，獲取所述目標樣本在所述目標維度的離群參數；
20、在所述測試環境數據中，將所述目標樣本對應的所有維度的所述離群參數的均值作為第三離群程度。
21、進一步地，所述離群參數的獲取方法包括：
22、將所述目標樣本同一維度的所述偏離參數與所述標準差的比值作為對應維度的所述離群參數。
23、進一步地，所述優化多元線性回歸模型的獲取方法包括：
24、根據每個界面劑樣本的所述第一離群程度和第二離群程度的相似特征，獲取每個界面劑樣本的可參考性權重；根據每個界面劑樣本的所述可參考性權重，所述第一離群程度和所述第三離群程度，獲取每個界面劑樣本的回歸分析貢獻率；所述可參考性權重和所述第一離群程度均與所述回歸分析貢獻率正相關；所述第三離群程度與所述回歸分析貢獻率負相關；
25、利用每個界面劑樣本的所述回歸分析貢獻率，對每個樣本參與損失函數計算時進行加權，獲得優化多元線性回歸模型。
26、進一步地，所述回歸分析貢獻率的獲取方法包括：
27、將每個界面劑樣本的所述可參考性權重與所述第三離群程度的比值再和所述第一離群程度求得的乘積，作為每個界面劑樣本的回歸分析貢獻率。
28、進一步地，所述對所述生產數據進行降維，獲取生產數據的主要維度及每個維度對于每個所述主要維度的降維貢獻率所使用的降維方法為核主要成分分析算法。
29、本專利技術還提出了一種基于界面劑性能測試數據的智能生產管理系統，所述系統包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現任意一項所述一種基于界面劑性能測試數據的智能生產管理方法的步驟。
30、本專利技術具有如下有益效果：
31、本專利技術首先獲取預設測試界面劑樣本集在生產過程中的生產數據、測試性能數據和測試環境數據，為后續分析過程提供數據基礎；進一步利用非線性降維算法對生產數據進行降維，獲取生產數據的主要維度，以及每個維度對于每個主要維度的降維貢獻率，降低后續回歸分析的計算量大小，同時挖掘生產數據的非線性成分，便于后續更好的對數據進行回歸模型擬合；進一步獲取每個主要維度的重要程度參數，表征主要維度的重要程度，為后續分析更準確的離群特征做準備；進一步獲取生產數據中每個界面劑樣本的第一離群程度，用以表征界面劑樣本在生產數據中的離群特征，為后續驗證生產數據與測試數據離群一致性，排除噪聲干擾，提供依據；進一步獲取測試性能數據中每個界面劑樣本的第二離群程度，為后續驗證生產數據與測試數據離群一致性補充依據；進一步獲取測試環境數據中每個界面劑樣本的第三離群程度，表征測試環境的異常程度，用于修正測試結果的可靠性，提升回歸本文檔來自技高網...
【技術保護點】
1.一種基于界面劑性能測試數據的智能生產管理方法，其特征在于，所述方法包括：
2.根據權利要求1所述的一種基于界面劑性能測試數據的智能生產管理方法，其特征在于，所述重要程度參數的獲取方法包括：
3.根據權利要求2所述的一種基于界面劑性能測試數據的智能生產管理方法，其特征在于，所述重要程度參數的計算方法包括：
4.根據權利要求3所述的一種基于界面劑性能測試數據的智能生產管理方法，其特征在于，所述第一離群程度的獲取方法包括：
5.根據權利要求4所述的一種基于界面劑性能測試數據的智能生產管理方法，其特征在于，所述第三離群程度的獲取方法包括：
6.根據權利要求4或5所述的一種基于界面劑性能測試數據的智能生產管理方法，其特征在于，所述離群參數的獲取方法包括：
7.根據權利要求1所述的一種基于界面劑性能測試數據的智能生產管理方法，其特征在于，所述優化多元線性回歸模型的獲取方法包括：
8.根據權利要求7所述的一種基于界面劑性能測試數據的智能生產管理方法，其特征在于，所述回歸分析貢獻率的獲取方法包括：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。