(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111494752.4 (22)申请日 2021.12.09 (71)申请人 欧冶链金 再生资源 有限公司 地址 243000 安徽省马鞍山市雨 山经济开 发区雨翠路与九华路东 南角 (72)发明人 顾云松　李勇　邹海历　刘云飞　 吴越　 (74)专利代理 机构 马鞍山市金桥专利代理有限 公司 341 11 专利代理师 王益西 (51)Int.Cl. G06Q 10/06(2012.01) G06F 30/27(2020.01) G06N 20/10(2019.01) G06Q 50/04(2012.01) (54)发明名称 一种工业 生产用综合效益评估方法 (57)摘要 本发明公开了一种工业生产用综合效益评 估方法， 包括数据 收集、 算法选择、 参数选择、 参 数优化、 指标预测、 模型验证、 效益评估、 小批量 生产、 试验验证、 产品定型、 批量生产等工序， 找 到科学准确的新产品开发综合效益评估的办法。 本发明通过开发科学准确的工业产品综合效益 评估的办法， 准确量化原料深加工处理工艺， 能 对用户产生的经济效益进行评估， 使得产品设计 方案能够落地， 保证用户获得 足够经济效益的前 提下， 又使得原料供应商通过深加工获得足够的 利润， 通过经济适度而不过份的深加工， 跟现在 粗放的生产经营状况相比， 可以既让用户降低成 本， 又让供应商利 润增加， 实现双赢。 权利要求书2页 说明书22页 附图1页 CN 114676951 A 2022.06.28 CN 114676951 A 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＝E 0'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， p 2＝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)]；权　利　要　求　书 1/2 页 2 CN 114676951 A 2式中， whj是轴wh的第j个分量， VIPj>1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0.894 4， 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{(xi,yi),i＝1、 2...l},其中xi∈Rn是第i个学习样本点的n维输入 值,yi∈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)＝(wT·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； ξi, ξj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 ai， aj i, ηi, ηj， 同时,引入了核函数K(xi,xj) ＝(φ(xi)*φ(xj)),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。权　利　要　求　书 2/2 页 3 CN 114676951 A 3