一种工业动态多维度能耗成本预测方法、系统、存储介质和终端与流程

本发明涉及一种工业动态多维度能耗成本预测方法、系统、存储介质和终端。

背景技术：

随着工业制造水平的不断发展，工业生产中的各个数据越来越多的受到重视，工业软硬件系统对数据的利用，从信息化向数字化、智能化方向发展，对数据的利用，一方面要保证数据的完整性，另一方面由于数据的多样性，数据预测分析的需求也越来越多。

能耗数据作为工业数据中的重要组成部分，目前已经有很多相关的应用系统。但这些系统仅仅实现能耗数据的数字化以及简单的统计分析，把能耗数据作为一个孤立的统计数据而存在；即仅仅着眼于能耗数据本身，实现能耗数据基本的数字化采集以及简单统计分析，采用这样的方法，能耗数据分析系统往往只能实现统计分析与可视化，不能利用现有大数据技术对预测分析、相关性分析的特点，不符合现在工业大数据对相关性预测分析的要求。

技术实现要素：

本发明的目的在于克服现有技术的不足，提供一种工业动态多维度能耗成本预测方法、系统、存储介质和终端。

本发明的目的是通过以下技术方案来实现的：一种工业动态多维度能耗成本预测方法，包括以下步骤：

建立能耗成本分析模型：获取历史的以时间序列的erp订单数据、生产数据和单位能耗计算数据，建立能耗成本目标函数；

建立erp产品因子约束条件：根据erp订单数据的产品交付数据建立erp产品因子约束条件，其中所述的产品交付数据包括当前分析周期的实时的已经完成数量和待完成数量；

建立生产系统因子约束条件：获取产品对应的工位、产线、车间的实际生产效率，建立生产系统因子约束条件；

能耗成本预测：对能耗成本目标函数，在erp产品因子约束条件和生产系统因子约束条件下，求解最优值。

进一步地，所述的erp订单数据为分析周期内实际产品交付数量；

所述的生产数据为在时间划分范围内的生产能力；

所述的能耗单位计算数据为单位能耗使用量的费率。

进一步地，所述的建立能耗成本分析模型包括以下子步骤：

获取历史成本数据集合(x,y)，其中x为产量，y为产量成本数据；

将所述历史成本数据分为训练数据集合k1和验证数据集合k2；

设置多个包括预设目标函数fn(x)，使用拟合算法将训练数据集合k1中的产量数据和产量成本数据分别对各个目标函数进行拟合，求解各个目标函数的参数的最优值；其中，n为目标函数数量；

将验证数据集合k2中的产量数据xk带入各个预设目标函数，得到每个预设目标函数对应的fn(xk)；将验证数据集合k2中的产量成本数据yk与fn(xk)进行求解均方差，得到各个目标函数的对应均方差tn；其中，k的取值范围为1-m，m为验证数据集合k2的数据集合数量；

选取均方差最小值的目标函数作为模型。

进一步地，所述的建立生产系统因子约束条件包括以下子步骤：

获取当前工位、产线、车间的实际生产效率，以及产品与工位、产线和车间的映射关系；

计算产品的生产效率；

其中，对于组合产品或者多工序产品，以最低实际生产效率来计算产品的生产效率，从而建立生产系统因子约束条件。

进一步地，所述的能耗成本预测还包括：

在求得模型最优解的情况下，同时求得最低的能耗成本，并给出在未来的时间范围内，不同产品在不同时间段的生产规划。

进一步地，所述的方法采用触发和/或定时的计算方法；其中，所述的触发为当外部使用者需要时，立即执行预测分析方法，获取当前预测值；所述的定时为以某一时间为周期，每隔一个周期进行预测分析，并将数据结果进行保存。

进一步地，当采用定时计算的方法时，将每次计算得到的能耗成本预测值与能耗成本标杆数据进行比对，如果超过范围则进行数据预警。

本发明还提供一种工业动态多维度能耗成本预测系统，包括：

能耗成本分析模型建立模块：用于获取历史的以时间序列的erp订单数据、生产数据和单位能耗计算数据，建立能耗成本目标函数；

erp产品因子约束条件建立模块：用于根据erp订单数据的产品交付数据建立erp产品因子约束条件，其中所述的产品交付数据包括当前分析周期的实时的已经完成数量和待完成数量；

生产系统因子约束条件建立模块：用于获取产品对应的工位、产线、车间的实际生产效率，建立生产系统因子约束条件；

能耗成本预测模块：用于对能耗成本目标函数，在erp产品因子约束条件和生产系统因子约束条件下，求解最优值。

本发明还提供一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行所述的一种工业动态多维度能耗成本预测方法的步骤。

本发明还提供一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行所述的一种工业动态多维度能耗成本预测方法的步骤。

本发明的有益效果是：

(1)本发明充分利用现有能耗数据数字化的方法，获取能耗以及相关能耗影响因子的实时数据，通过时间序列、erp产品数据、生产数据和单位能耗计算数据建立能耗成本预测分析模型，通过实时获取相关因子建立动态约束条件，动态求解能耗成本预测模型最优解，从而获取当前最优能耗成本分析数据，即最低能耗成本数据和未来产能时间分布方案。

(2)本发明通过多个目标函数的建立与选择，从中选出最适合本工厂数据的能耗成本分析模型，从而使得后期数据分析更加准确。

(3)本发明通过定时执行能耗预测分析，能够建立产能与能耗的映射关系，大大降低能耗使用成本，同时建立能耗成本标杆数据。

(4)本发明建立能耗预测预警机制，有利于降低，销售、生产和能耗之间的风险依赖，为企业决策者建立一种新的风险评价方式。

附图说明

图1为本发明实施例1的方法流程图；

图2为本发明实施例2的系统框图；

图3为本发明实施例4的装置框图。

具体实施方式

下面结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

实施例1

本实施例提供一种工业动态多维度能耗成本预测方法，本实施例以影响能耗成本的因子建立能耗成本分析模型，这些因子包括erp信息系统数据、生产执行系统(mes)数据和能耗单位计算数据。动态实时在线获取不同因子的实时值以及对应的约束条件，实时计算模型的最优解(最低成本方案)，从而得到实时最优的能耗成本方案。具体地，如图1所示，包括以下步骤：

s1：建立能耗成本分析模型：获取历史的以时间序列的erp订单数据、生产数据和单位能耗计算数据，建立能耗成本目标函数。

其中，在本实施例的优选方案中，所述的erp订单数据为分析周期内实际产品交付数量。

具体地，预测的分析周期默认是一天，如果需要扩大分析周期，比如一周或者一个月，需要对相关预测分析因子按天对数据进行聚合，得到更大周期的预测分析因子参数。因此，erp订单数据，主要是指当天(指定预测周期)实际交付产品的数量，包括单一产品以及组合产品。

同时，所述的生产数据为在时间划分范围内的生产能力；具体地，通常为一个小时，比如15:00-16:00产线的生产能力。

另外，该步骤所述的能耗单位计算数据为单位能耗使用量的费率，比如电价、水价和气价。而对于工厂用户，可能还存在分时价格，需要按不同时间范围计算单位能耗费率。

对于该步骤中的建立能耗成本分析模型包括以下子步骤：

s11：获取历史成本数据集合(x,y)，其中x为产量，y为产量成本数据；

其中，通过对企业现有系统数据库的分析，抽取产量和生产成本数据，将生产成本数据按照生产班次进行分解，得到历史订单产量与历史订单成本数据，即为x,y值。

s12：将所述历史成本数据分为训练数据集合k1和验证数据集合k2；

s13：设置多个包括预设目标函数fn(x)，使用拟合算法将训练数据集合k1中的产量数据和产量成本数据分别对各个目标函数进行拟合，求解各个目标函数的参数的最优值；其中，n为目标函数数量；

具体地，在本实施例中，假设目标函数为两个，分别为：

f1(x)＝a1x²+b1x+c1(1)

f2(x)＝a2x³+b2x²+c2x+d(2)

该两个目标函数的参数分别为a1、b1和c1参数，以及a2、b2、c2和d参数。

在该步骤中，使用拟合算法，带入训练数据集合k1，对目标函数f1(x)进行拟合，求解a1、b1和c1参数最优值；之后在使用拟合算法，带入训练数据集合k1，对目标函数f2(x)进行拟合，求解a2、b2、c2和d参数最优值。

s14：将验证数据集合k2中的产量数据xk带入各个预设目标函数，得到每个预设目标函数对应的fn(xk)；将验证数据集合k2中的产量成本数据yk与fn(xk)进行求解均方差，得到各个目标函数的对应均方差tn；其中，k的取值范围为1-m，m为验证数据集合k2的数据集合数量。

具体地，在该步骤中：

首先评估目标函数f1(x)，使用k2数据集合中的xk，带入f1，求得fk，再将求得预测集合fk,fk+1,……,fn，，使用k2集合中的yk，求解fk与yk的均方差t1。

同理评估目标函数f2(x)，使用k2数据集合中的xk，带入f2，求得fk，将求得预测集合fk,fk+1,……,fn，，使用k2集合中的yk，求解fk与yk的均方差t2。

s15：选取均方差最小值的目标函数作为模型。

通过多个目标函数的建立与选择，从中选出最适合本工厂数据的能耗成本分析模型，从而使得后期数据分析更加准确。

s2：建立erp产品因子约束条件：根据erp订单数据的产品交付数据建立erp产品因子约束条件(比如生产订单的最后交期)，其中所述的产品交付数据包括当前分析周期的实时的已经完成数量和待完成数量。

在该步骤中，erp订单数据需要实时获取当天的产品交付数据量，包括当天已经完成数和待完成数，待完成数是当前时间点以后所需交付数量，该值是实时计算所得。

s3：建立生产系统因子约束条件：获取产品对应的工位、产线、车间的实际生产效率，建立生产系统因子约束条件(比如每个班次的最低生产数量、每个班次需要完成的订单数量)。

优选地，本步骤包括以下子步骤：

获取当前工位、产线、车间的实际生产效率，以及产品与工位、产线和车间的映射关系；

计算产品的生产效率；

其中，对于组合产品或者多工序产品，以最低实际生产效率来计算产品的生产效率，从而建立生产系统因子约束条件。

s4：能耗成本预测：对能耗成本目标函数，在erp产品因子约束条件和生产系统因子约束条件下，求解最优值。

优选地，在本实施例中，所述的能耗成本预测还包括：

在求得模型最优解的情况下，同时求得最低的能耗成本，并给出在未来的时间范围内，不同产品在不同时间段的生产规划。

即本实施例的方法还用于对未来产能的规划。

更优地，在本实施例中，所述的方法采用触发和/或定时的计算方法；其中，所述的触发为当外部使用者需要时，立即执行预测分析方法，获取当前预测值；所述的定时为以某一时间为周期，每隔一个周期进行预测分析，并将数据结果进行保存。

基于上述优选实施例内容的实现，当采用定时计算的方法时，将每次计算得到的能耗成本预测值与能耗成本标杆数据进行比对，如果超过范围则进行数据预警。

通过定时执行能耗预测分析，能够建立产能与能耗的映射关系，大大降低能耗使用成本，同时建立能耗成本标杆数据。建立能耗预测预警机制，有利于降低，销售、生产和能耗之间的风险依赖，为企业决策者建立一种新的风险评价方式。

实施例2

本实施例提供一种工业动态多维度能耗成本预测系统，该实施例的发明构思与实施例1类似，以影响能耗成本的因子建立能耗成本分析模型，这些因子包括erp信息系统数据、生产执行系统(mes)数据和能耗单位计算数据。动态实时在线获取不同因子的实时值以及对应的约束条件，实时计算模型的最优解(最低成本方案)，从而得到实时最优的能耗成本方案。如图2所示，所述的系统包括：

能耗成本分析模型建立模块：用于获取历史的以时间序列的erp订单数据、生产数据和单位能耗计算数据，建立能耗成本目标函数；

erp产品因子约束条件建立模块：用于根据erp订单数据的产品交付数据建立erp产品因子约束条件，其中所述的产品交付数据包括当前分析周期的实时的已经完成数量和待完成数量；

生产系统因子约束条件建立模块：用于获取产品对应的工位、产线、车间的实际生产效率，建立生产系统因子约束条件；

能耗成本预测模块：用于对能耗成本目标函数，在erp产品因子约束条件和生产系统因子约束条件下，求解最优值。

实施例3

基于实施例1的实现，本实施例还提供一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行实施例1中所述的一种工业动态多维度能耗成本预测方法的步骤。

基于这样的理解，本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

实施例4

基于实施例1的实现，本发明还提供一种终端，如图3所示，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行实施例1中所述的一种工业动态多维度能耗成本预测方法的步骤。

在本发明提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

在本发明所提供的所有实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元/模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其他不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。