制造服务需求动态挖掘方法与流程

本发明涉及制造领域。

背景技术：

制造服务需求是参与制造服务活动的各个制造服务主体根据各自利益而声明的价值目标，制造服务需求既是制造服务主体在制造服务运作过程中的价值捕获目标，也是生产性服务和制造服务化等制造服务关系的价值创造依据。随着制造服务海量数据的涌现，在制造业信息化过程中需要动态挖掘制造服务需求信息隐藏的制造服务价值以快速获取市场机遇和满足特定制造服务需求的制造服务方案，将有限的制造服务资源通过管理和整合，来满足制造服务主体更广泛、更实用的制造服务需求。国内外对制造服务的研究处于起步阶段，主要集中在生产性服务和制造业服务化两方面最新的研究方向是达成制造与服务的融合而这种融合需要基于制造业信息化来实现。

技术实现要素：

本发明从制造服务需求网络出发，研究制造服务需求挖掘对象和制造服务价值动态挖掘。

本发明所采用的技术方案是：针对制造服务需求的复杂性特点，建立了制造服务需求动态挖掘的对象模型。该模型包括制造服务需求网络模型和制造服务价值模型，应用社会网络方法构建制造服务需求网络模型，采用集对分析理论建立制造服务价值模型，在此基础上提出制造服务价值动态挖掘算法。结合集对分析理论确定制造服务需求挖掘对象明确了制造服务的应用。

本发明的有益效果是：可以较好地实现制造服务需求的挖掘，其中制造服务平台的大数据特性需要深入研究挖掘算法，形成算法库，以适应制造服务的运作环境，进一步的研究目标是如何选取阈值才能从制造服务需求网络中挖掘更多潜在的制造服务价值，并能更好地预测制造服务价值的发展，以及如何增强制造服务需求网络中的关系强度，提高或削弱某个制造服务需求在网络中的地位，从而掌控制造服务需求网络的变化趋势。

具体实施方式

本发明设计的制造服务动态挖掘算法主要分为三个步骤，一、确定目标制造服务价值序列；二、挖掘动态制造服务价值；三、输出制造服务需求推荐列表。

以下详细描述此发明。

一、制造服务价值序列确定

令l表示发生制造服务需求的时间段，根据l-1时段产生的制造服务需求数据，在某个时间T进行推荐，设制造服务类别P＝{P₁，P₂，…，P_n}，O是l时段T时刻之前m个制造服务价值，表示为：

O＝{O_1，T-k，O_2，T-k，...，O_m，T-k}，k∈l，l≥2 (1)

此时，可以定义出为l时段n种制造服务类别，m个制造服务价值的动态制造服务价值序列为：

其中，

将l-1时段的数据分为T时刻前的条件部分{C_i，T-1+1，...，C_i，T-1}和T时刻的后续部分C_i，T，得到目标制造服务价值l-1时间段内T时刻前后的行动轨迹，进行相似度和适应度计算：

令为目标制造服务价值i在l-1时段的轨迹，为制造服务价值模型库中的条件关联规则j，为与之间的相似度，则

计算相似度：

其中，

为了预测目标制造服务价值，引入适应度度量计算适应度，令为制造服务价值轨迹i与关联规则j的适应度，计算适应度：

当取最大值时候，目标制造服务价为值T时刻所属聚类为关联规则j的连续部分r_j，T。

二、动态制造服务价值挖掘

在第一个时间段内产生的制造服务价值序列矩阵表示为：

由此可得t₁时刻的制造服务价值：

O(t₁)＝{minSN(t₁)，maxSN(t₁)} (7)

对制造服务价值的具体计算方法如下：

记录每个制造服务需求的集对联系度为ρ(v_k(t₁))，k＝1，2...，n₁，n₁表示t₁时刻制造服务需求的个数，设置间隔时间Δt的时间段，计算其中n₁为t₁时刻制造服务需求的个数，挖掘t₁时刻的制造服务价值O(t_l)＝{minSN(t₁)，maxSN(t_l)}，然后计算t_l与t_l-1制造服务价值的联系相似度。同时，计算t_l-₁＝t_l-Δt时刻O(t₁)中属性的迁移变化情况：

计算t_i时刻两个制造服务需求的联系度，再进行制造服务价值挖掘：

ρ(v_k,v_s)(t_i)＝a_ks(t_i)+b_ks(t_i)i+c_ks(t_i)j

＝(a_ks(t_i-1)，b_ks(t_i-1)，c_ks(t_i-1))×M_ks(t_i)×(l，i，j)

建立R(t)，由确定的α∈[0，1]挖掘每个时间段内的最小制造服务价值和最大制造服务价值，得出t_i内各个时间段的制造服务价值：

O(t_i)＝{minSN(t₁)，maxSN(t_l)}

由t_i到t_i-1制造服务价值之间的集对联系矩阵计算出O(t_i-1)到O(t_i)的转移超矩阵M_a(t_i)，

式中M_ks(t_i)为制造服务需求v_k，v_s之间的转移矩阵

由此，可计算的各个时间段的转移速度：

d_a(v_k，v_s)＝m_a1+m_b1+m_c1；

d_b(v_k，v_s)＝m_a2+m_b2+m_c2；

d_c(v_k，v_s)＝m_c1+m_c2+m_c3

设定阈值α∈[0，1]，抽取满足的制造需求，得到最大价值：

三、制造服务需求列表推荐

动态挖掘制造服务价值产生的制造服务价值序列并存储于关联规则库，用大数据分析可以得到制造服务价值的轨迹，对于具有相似制造服务价值的集合C＝{C₁，C₂，...，C_q}，C₁为O的子列，以时间重新聚类，可以识别制造服务价值的轨迹。目标制造服务价值的推荐其主要依据是制造服务价值量，即参与制造服务关系的次数。

设C^*为T时刻目标制造服务价值所属聚类的预测值，MF(r₁)为T时刻C^*中价值量最高的制造服务需求，MF(r₂)次之，以此类推，直到MF(r_Ｎ)，设P_ik为第i类制造服务需求的第k个制造服务需求，为T时刻制造服务需求P_ik的价值量，则有：

其中

由此得到输出制造服务需求推荐列表。