[发明专利]一种工业生产用综合效益评估方法

权利要求书

1.一种工业生产用综合效益评估方法，其特征在于，包括以下步骤：

S1：数据收集：收集工厂跟产量、质量、能耗相关的各类指标和对应的工艺参数，利用图像识别、远程遥感或者人工模糊识别方法将工业品的分类方面、尺寸方面、清洁度方面、温度方面的参数量化，并纳入整个工厂总体参数系统；

S2：算法选择：用先进准确的数据分析方法，包括偏最小二乘回归方法、因子分析方法相关擅长处理小样本的工具，在新产品开发中，以最快、最低的成本，最小的生产试制，四、五次小批量生产就能发现规律，建立工业产量、质量、能耗输出与包含工业品参数在内的所有输入参数的数学模型，并检验此模型的准确性、容错率；

S3：参数选择：根据模型，了解工业品分类参数、尺寸参数、清洁度参数、预热温度参数与工业品产量、质量、能耗等指标之间是什么关系，哪些参数对工业品产量、质量、能耗等指标是重要因素，哪些是次要因素，哪些是正相关，哪些是负相关，变动参数的一个单位对结果影响有多大，得出的结论可信度有多大；

S4：参数优化：对工业品分类参数、尺寸参数、清洁度参数、预热温度参数的重要性进行排序，把有限人力、物力、财力用在解决主要矛盾上；

S5：指标预测：根据参数的重要性和参数对指标的影响权重数值，预测改善工业品分类参数、尺寸参数、清洁度参数、预热温度参数能带来的经济效益；

S6：模型验证：再用数学模型，包括支持向量机进行预测佐证，最后用冶金原理进行论证；

S7：新产品综合效益评估：根据满足工业品经济效益的工业品分类参数、尺寸参数、清洁度参数、预热温度参数的调整，核算供应商需要增添的设备、原材料、人工成本，进行新产品综合效益评估；

S8：小批量生产:供应商进行小批量生产；

S9：试验验证：工厂进行生产试验验证；

S10：产品定型：供应商将产品定型；

S11：批量生产：供应商正式进行批量生产。

2.如权利要求1所述的一种工业生产用综合效益评估方法，其特征在于，S2中算法选择用偏最小二乘回归方法：

S201：将数据做标准化处理，X经标准化处理后的数据矩阵记为E0＝(E01,…,E0p)n×p，Y的相应矩阵记为F0＝(F01,…,F0q)n×q；

S202：求矩阵E0'F0F0'E0最大特征值所对应的单位特征向量w1，求成分t1，t1＝E0w1；E1＝E0-t1p1'；式中，p1＝E0't1/||t1||2；

S203：求矩阵E1'F0F0'E1最大特征值所对应的单位特征向量w2，求成分t2，t2＝E1w2；E2＝E1-t2p2'；式中，p2＝E1't2/||t2||2……至第m步，求成分tm＝Em-1wm，wm是矩阵Em-1'F0F0'Em-1最大特征值所对应的单位特征向量；

S204：根据交叉有效性去一预测误差最小原则，确定共抽取m个成分t1，…，tm可以得到一个满意的观测模型，则求F0在t1，…，tm上的普通最小二乘回归方程为F0＝t1r1'+…+tmrm'+Fm，最后还原成原始变量的回归方程yi＝ai0+ai1xi1+…+aijxij；

xj在解释y时作用的重要性，用变量投影重要性指标VIPj来测度：

VIPj＝p[Rd(Y；t1)w1j+…+Rd(Y；tm)wmj]/[Rd(Y；t1)+…+Rd(Y；tm)]；

式中，whj是轴wh的第j个分量，VIPj1即认为xj在解释因变量时具有重要作用；

S205：建立工业品产量、能耗与风量、风温、湿度、铁品位的数学模型，输入X与输出Y的相关系数R为0.8944，存在高度线性相关关系，模型可信。

3.如权利要求1所述的一种工业生产用综合效益评估方法，其特征在于，S6中模型验证：利用神经网络类的另外一种预测算法—支持向量机，算法的原理是：

回归函数表示为：

上式中，b是通过支持向量计算得来的；

假设给定了训练数据{(x_i,y_i),i＝1、2...l},其中x_i∈Rⁿ是第i个学习样本点的n维输入值,y_i∈R为对应的目标值，l为训练样本数目；目标就是寻找一个函数f(x)使得能较好地逼近所有的样本点,总体上,支持向量回归机的估计函数表示如下:

f(x)＝(w^T·φ(x))+b (1)

式中，f(x)表示回归函数,w和b分别为回归函数的法向量及偏移量；φ(x)表示特征映射函数；则标准支持向量回归算法可以描述为下面的问题，即：

式中，C表示惩罚系数；ξ_i,ξ_j为松弛变量；ε表示拟合精度；

用拉格朗日乘子法求解,引入拉格朗日乘子a_i，a^j_i,η_i,η_j，同时,引入了核函数K(x_i,x_j)＝(φ(x_i)*φ(x_j)),求解拉格朗日函数得到:

将风温，风量，铁品位平均值和湿度降为10的数据输入，运算后即可。