一种工业生产用综合效益评估方法与流程

1.本发明涉及工业生产技术领域，具体为一种工业生产用综合效益评估方法。


背景技术：

2.在工业生产中，再生资源或冶炼、废钢等流程性加工行业，用户对上游原料的需求与供应商的生产存在很多矛盾，其中一个突出的问题是：大路货的原料，用户认为距离其精细化的生产有距离，需要深加工，但目前的各种深加工方式都需要增加成本。从理论上讲，深加工肯定有利于用户经济指标的提升，但是具体到某个用户深加工到什么程度比较经济？哪种深加工方式有突出效果？哪种深加工方式效果不理想？是否有相对准确的量化手段？能不能仅利用用户自身的生产数据就能发现规律，解决上述问题，让供应商快速响应用户的生产节凑，及时提供高性价比的原料。用户和供应商对上面问题的认识都比较模糊，都想要深加工，但又都不知道能带来多大好处，受各种复杂因素的影响，所以始终顾虑重重，裹足不前。


技术实现要素：

3.本发明的目的在于提供一种工业生产用综合效益评估方法，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，以解决上述背景技术中提出的问题。
4.为实现上述目的，本发明提供如下技术方案：
5.一种工业生产用综合效益评估方法，包括以下步骤：
6.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；
7.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；
8.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；
9.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；
10.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；
11.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；
12.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；
13.s8：小批量生产:供应商进行小批量生产；
14.s9：试验验证：工厂进行生产试验验证；
15.s10：产品定型：供应商将产品定型；
16.s11：批量生产：供应商正式进行批量生产。
17.更进一步地，s2中算法选择用偏最小二乘回归方法：
18.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；
19.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；
20.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；
21.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；
22.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：
23.vipj＝p[rd(y；t1)w1j+
…
+rd(y；tm)wmj]/[rd(y；t1)+
…
+rd(y； tm)]；
[0024]
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；
[0025]
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。
[0026]
更进一步地，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：
[0027][0028]
回归函数表示为：
[0029][0030]
上式中，b是通过支持向量计算得来的；
[0031]
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:
[0032]
f(x)＝(w
′
·
φ(x))+b
ꢀꢀ
(1)
[0033]
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：
[0034][0035]
式中，c表示惩罚系数；ξi,ξj为松弛变量；ε表示拟合精度；
[0036]
用拉格朗日乘子法求解,引入拉格朗日乘子ai，a
ji
,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:
[0037][0038]
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。
[0039]
与现有技术相比，本发明的有益效果是：
[0040]
本发明提供的一种工业生产用综合效益评估方法，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，实现双赢。
附图说明
[0041]
图1为本发明的评估方法流程图。
具体实施方式
[0042]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
[0043]
请参阅图1，本发明实施例中提供一种工业生产用综合效益评估方法，包括以下步骤：
[0044]
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；
[0045]
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；
[0046]
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；
[0047]
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；
[0048]
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；
[0049]
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；
[0050]
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；
[0051]
s8：小批量生产:供应商进行小批量生产；
[0052]
s9：试验验证：工厂进行生产试验验证；
[0053]
s10：产品定型：供应商将产品定型；
[0054]
s11：批量生产：供应商正式进行批量生产。
[0055]
为了进一步更好的解释说明本发明，还提供如下具体的实施案例：
[0056]
以工业生产中的高炉脱湿鼓风为例，目前有两派相反观点，脱湿和加湿，另外，南方北方各个钢厂空气湿度差别大，对理论热平衡计算得到的结果或其它钢厂的经验是否能在本厂兑现存在疑虑，加上投资和运行费用巨大，阻碍了高炉脱湿鼓风技术的推广。
[0057]
具体的，数据收集：
[0058]
[0059]
[0060]
[0061]
[0062]
[0063]
[0064]
[0065]
[0066]
[0067]
[0068]
[0069]
[0070]
[0071]
[0072]
[0073]
[0074][0075]
根据上述收集的数据，算法选择用偏最小二乘回归方法：
[0076]
首先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；
[0077]
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；
[0078]
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；
[0079]
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；
[0080]
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：
[0081]
vipj＝p[rd(y；t1)w1j+
…
+rd(y；tm)wmj]/[rd(y；t1)+
…
+rd(y； tm)]；
[0082]
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；
[0083]
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。
[0084]
参数选择：
[0085][0086]
[0087]
焦比的显著性因素排序：风温》实际风量》入炉tfe》湿度；产量的显著性因素排序：实际风量》风温》湿度》入炉tfe。
[0088]
参数优化：
[0089]
湿度降低对产量提高是显著的，对焦比下降有作用，确定将湿度的调整作为优化方向。
[0090]
指标预测：
[0091]
最终模型：综合焦比y＝1383.7415-0.0234；实际风量x-0.1479；风温 x+0.4287；湿度x-11.1548；入炉tfex；
[0092]
合格产量y＝-1793.7758+1.3501实际风量x+3.8509风温x-8.5085湿度 x-39.8830入炉tfex；
[0093]
湿度降低一个单位(克/立方米)，综合焦比下降0.4287公斤/吨，合格产量上升8.5085吨/每天。
[0094]
高炉每天平均产量5711吨；高炉年产量：5711*350＝200万吨；焦炭价格： 2000元/每吨；脱湿由20克/立方米降到10克/立方米，降10克/立方米；
[0095]
经济效益：
[0096]
综合焦比下降0.4287*10＝4.287kg/t；
[0097]
降低焦比年效益：4.287/1000*200*2000＝1714万元；
[0098]
每天产量上升8.5085*10＝85.085t，上升幅度：85.085/5711＝1.5％；
[0099]
年产量上升85.085t*350＝29779.7t；
[0100]
吨铁效益250元；
[0101]
提高产量年效益：250*59559.5＝744万元；
[0102]
年总效益合计：1714万元+744万元＝2458万元。
[0103]
模型验证：
[0104]
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：
[0105][0106]
回归函数表示为：
[0107][0108]
上式中，b是通过支持向量计算得来的；
[0109]
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:
[0110]
f(x)＝(w
t
·
φ(x))+b
ꢀꢀ
(1)
[0111]
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：
[0112][0113]
式中，c表示惩罚系数；ξi,ξj为松弛变量；ε表示拟合精度；
[0114]
用拉格朗日乘子法求解,引入拉格朗日乘子ai，a
ji
,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:
[0115][0116]
将风温，风量，铁品位平均值和湿度降为10的数据输入，运算后得到焦比为468.94kg/t，比原平均值472.7kg/t，下降3.6kg/t，而上面偏最小二乘方法得到的数据为4.287kg/t，相差不大；支持向量机计算的产量为5829.3 吨，比原平均值5711.7吨，上升117.6吨，而上面偏最小二乘方法得到的数据为85吨，相差也不大。
[0117]
根据冶金原理和行业经验：每降低一个湿度单位(克/立方米)，焦比下降 0.6-0.8kg/t，下降10(克/立方米)，焦比下降6-8kg/t。
[0118]
根据最新数据统计，2020年于5月2日开工建设，8月31日上午，中天钢铁8号、9号高炉鼓风脱湿工程启运仪式在二炼铁举行，日增产200吨左右。
[0119]
经过另外不同算法的验证和经验实际结果的验证，数据较为接近，说明结果可信度较高。
[0120]
改造综合效益评估：
[0121]
脱湿设备改造费用大约1500万元，年运行费用大约1000万元，年总效益为2458万元，大约一年收回成本，以后每年效益约1500万元左右。
[0122]
综上所述：本发明数据回归方法来源于波动的实际生产数据，受各种复杂因素的干扰，其回归的准确性要高于理论计算和经验，通过高性价比个性化产品设计方法在高炉脱湿鼓风可行性方案上的应用案例，说明应用数据挖掘技术可以对经验数据或理论计算的结论进行再次验证，为新产品开发和重大技改提供支撑，广泛推广将带来重大经济效益。
[0123]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。