[发明专利]一种异常工况的工艺参数推荐方法及装置

说明书

本申请实施例提供了一种异常工况的工艺参数推荐方法及装置。该方法包括：基于第一训练集，生成第一数学模型；获取异常工况下的异常工艺参数，利用第一数学模型进行推荐值算法，得到第二训练集的训练样本；将第二训练集的训练样本的生产结果产品指标转化为多目标优化指数；若多目标优化指数大于预设值，则利用第二训练集优化第一数学模型的推荐值算法；若多目标优化指数小于预设值，则基于第二训练集的训练样本，利用排产算法生成第三训练集；基于第三训练集，生成第二数学模型。上述方法能对数学模型进行优化，在当前生产中出现异常工况时，及时地对异常工况下的工艺参数进行调整，从而适应异常工况的变化，满足产品的生产结果指标。

技术领域

本申请属于互联网产业的一般数据处理领域，尤其涉及一种异常工况的工艺参数推荐方法及装置。

背景技术

以人工智能为代表的信息技术和生产工艺技术不断取得重大进展。利用机器学习算法对生产工艺进行控制和监测，促进人工智能在生产工艺技术领域的快速发展，对控制生产流程，保证产品的质量具有重要意义。

现场的生产工况比较复杂，通常的标杆工况数据库无法覆盖异常工况，例如，蒸汽压力、生产用气压力、设备真空度等工艺参数由于设备负荷等非可控因素，导致该工艺参数超出标杆工况值预先设置的公差范围，且长时间无法恢复时，该工艺参数会变成一个非标准工况工艺参数，此时，继续按照标杆工况的工艺参数进行生产，将无法达到产品的生产结果指标。

发明内容

本申请实施例提供了一种异常工况的工艺参数推荐方法及装置，能对数学模型进行优化，在当前生产中出现异常工况时，及时地对异常工况下的工艺参数进行调整，从而适应异常工况的变化，满足产品的生产结果指标。

第一方面，本申请实施例提供了一种异常工况的工艺参数推荐方法，包括：

基于第一训练集，生成第一数学模型；

获取异常工况下的异常工艺参数，利用所述第一数学模型进行推荐值算法，得到第二训练集的训练样本；

将所述第二训练集的训练样本的生产结果产品指标转化为多目标优化指数；

若所述多目标优化指数大于预设值，则利用所述第二训练集优化所述第一数学模型的所述推荐值算法；

若所述多目标优化指数小于所述预设值，则基于所述第二训练集的训练样本，利用排产算法生成第三训练集；

基于所述第三训练集，生成第二数学模型。

上述方法中，第一数学模型是基于正常工况下的第一训练集训练得来，当出现异常工况时，获取异常工况下的工艺参数，并利用第一数学模型进行推荐值算法，得到第二训练集的训练样本，再将第二训练集的训练样本的生成结果产品指标转化为多目标优化指数，若多目标优化指数大于预设值，则利用第二训练集优化第一数学模型中的推荐值算法，若多目标优化指数无法达到预设值，则需要通过调整第二训练集的训练样本的工艺参数，生成第三训练集，再基于第三训练集，生成第二数学模型，并将第二数学模型作为最终使用版本。该方法能对数学模型进行优化，在当前生产中出现异常工况时，及时地对异常工况下的工艺参数进行调整，从而适应异常工况的变化，满足产品的生产结果指标。

在一种可能的实现方式中，所述基于所述第二训练集的训练样本，利用排产算法生成第三训练集包括：

获取所述第三训练集的训练样本的数量；

若所述第三训练集的训练样本的数量小于预设量值，则利用排产算法生成所述第三训练集。

在本申请实施例中，若多目标优化指数小于预设值，需要对第三训练集的训练样本的数量进行判断，若数量小于预设量值时，则训练样本的样本数不足，需要调整该训练样本的工艺参数，生成第三训练集，直到训练样本的数量达到预设量值。该方法保证了训练集样本量充足，从而使生成的第二数学模型准确性高。