一种工艺参数优化方法、装置、系统和计算设备集群与流程

本申请涉及生产工艺领域，尤其涉及一种工艺参数优化方法、、系统和计算设备集群。

背景技术：

1、流程型生产的特点是工艺过程的连续性。在流程型生产过程中，物料是均匀连续地按照一定工艺顺序进行加工的。典型的流程型生产包括化工生产，如塑料、药品、肥皂、肥料、洗煤、炼油等。此外还包括食品、造纸、机床机械流程加工等。

2、正交试验设计(orthogonal experimental design)是研究工艺优化参数的一种传统方法。正交表的设计是根据阿达玛方阵或正交拉丁方的数学原理设计均匀分散的代表性测试方案。代表性的测试具备了“均匀分散，齐整可比”的特点。

3、常用的工艺参数优化方法是通过正交测试后，采集数据进行分析。把结果最好的加工参数作为优选的工艺参数组合。正交测试方案采用田口法设计。为了达到理想加工效果需多次设计不同因素和分档的正交实验表，因此需要进行大量的加工测试。测试次数的不确定性和输出工艺参数是否为优选是亟需解决的问题。

技术实现思路

1、本申请实施例提供了一种工艺参数优化方法、装置及设备，能够实现替代人工经验自动化设计合理的正交实验表，减少寻找工艺参数测试成本。

2、第一方面，本申请实施例提供了一种工艺参数优化方法，所述方法包括：配置测试参数，所述测试参数包括m个因素以及每个所述因素的取值范围；所述因素包括对工艺结果有影响的工艺参数，所述m个因素中每个因素的取值范围包括n个分档，其中m，n≥3；依次增加所述分档数量n的取值，生成多个正交实验表；根据所述多个正交实验表采集多组数据，并确定对应的多个真实结果；将所述多组数据分别输入多个训练好的模型，输出多个预测结果；计算所述多个预测结果和真实结果之间的标准差值；根据所述多个预测结果和真实结果之间的标准差值，从所述多个训练好的模型中确定最适模型；根据所述最适模型获得优选工艺参数，所述优选工艺参数为所述测试参数的m个因素中分档数量符合目标要求的一组，所述目标要求包括测试次数要求、产品质量要求，能耗要求，原料成本要求之一或组合。以此，本申请实施例提供的工艺参数优化方法可以保证在满足的测试次数要求下高效、准确地得到优选的工艺参数，同时兼顾产品质量，能耗，原料成本等多个要素的要求。

3、在一些实施例中，所述配置测试参数，包括：配置所述m个因素；配置所述m个因素中每个因素的取值范围，包括配置所述每个因素的上限和下限值；将所述每个因素的上限和下限值之间的分档数量配置为n个。以此，本申请实施例提供的工艺参数优化方法替代了人力设计测试参数正交实验表。能够针对不同的工况环境影响因素，自动给出不同的正交实验表。

4、在一些实施例中，所述依次增加所述分档数量n的取值，生成多个正交实验表，包括：依次增加所述分档数量n的取值，根据所述分档数量n的取值在每个因素的上限和下限值之间进行分割；根据所述分割基于阿达玛方阵，生成多个正交实验表。以此，本申请实施例提供的工艺参数优化方法能够替代人工经验自动化设计合理的正交实验表，减少寻找工艺参数测试成本。

5、在一些实施例中，所述依次增加所述分档数量n的取值，生成多个正交实验表，包括：依次增加所述因素数量m的取值，根据所述因素数量m的取值生成多个正交实验表。以此，本申请实施例提供的工艺参数优化方法能够针对不同的工况环境影响因素，给出不同的正交实验表。

6、在一些实施例中，所述将所述多组数据输入多个训练好的模型，输出多个预测结果，其中所述多个训练好的模型包括以下模型之一：克里金模型、表面响应/高斯回归模型、随机森林模型、集成学习模型和集成模型。以此，本申请实施例提供的工艺参数优化方法能够依据正交实验表建立工艺参数与产品质量、加工效率、加工成本等的数学模型，基于数学模型使用优化计算技术实现对工艺参数的优选配置进行搜索。

7、在一些实施例中，所述根据所述多个预测结果和真实结果之间的标准差值，从所述多个训练好的模型中确定最适模型，包括：根据所述多个预测结果和真实结果之间的标准差值，从所述多个训练好的模型中确定最适模型为以下模型之一：克里金模型、表面响应/高斯回归模型、随机森林模型、集成学习模型和集成模型。以此，本申请实施例提供的工艺参数优化方法能够使用优选化计算技术实现对工艺参数的优选配置进行搜索，找到最适模型。

8、在一些实施例中，所述根据所述多个预测结果和真实结果之间的标准差值，从所述多个训练好的模型中确定最适模型，包括：根据所述最适模型获得最小分档数量；所述最小分档数量满足所述测试次数要求。以此，本申请实施例提供的工艺参数优化方法能够根据最适模型获得最小测试次数，兼顾产品质量，能耗，原料成本等多个要素，降低企业生产成本。

9、在一些实施例中，所述根据所述最适模型获得优选工艺参数，包括：基于多目标遗传算法搜索出优选工艺参数集，所述优选工艺参数集包括多组所述最适模型对应的多个因素以及每个所述因素的分档。

10、第二方面，本申请实施例提供了一种工艺参数优化装置，所述装置包括：参数配置模块，用于配置测试参数，所述测试参数包括m个因素以及每个所述因素的取值范围；所述因素包括对工艺结果有影响的工艺参数；所述m个因素中每个因素的取值范围包括n个分档，其中m，n≥3；正交实验表生成模块，用于依次增加所述分档数量n的取值，生成多个正交实验表；数据采集模块，用于根据所述多个正交实验表采集多组数据，并确定对应的多个真实结果；模型预测模块，用于将所述多组数据分别输入多个训练好的模型，输出多个预测结果；参数优化模块，用于计算所述多个预测结果和真实结果之间的标准差值；根据所述多个预测结果和真实结果之间的标准差值，从所述多个训练好的模型中确定最适模型；根据所述最适模型获得优选工艺参数，所述优选工艺参数为所述测试参数的m个因素中分档数量符合目标要求的一组，所述目标要求包括测试次数要求、产品质量要求，能耗要求，原料成本要求之一或组合。其有益效果如第一方面所述，此处不在赘述。

11、第三方面，本申请实施例提供了一种工艺参数优化系统，所述系统包括：工艺参数优化装置，用于执行如第一方面任意一项所述的方法；加工测试装置，用于根据所述测试参数执行工艺流程，将所述多组数据和所述真实结果反馈给所述工艺参数优化装置。

技术特征：

1.一种工艺参数优化方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述配置测试参数，包括：

3.根据权利要求1所述的方法，其特征在于，所述依次增加所述分档数量n的取值，生成多个正交实验表，包括：

4.根据权利要求1-3任意一项所述的方法，其特征在于，所述依次增加所述分档数量n的取值，生成多个正交实验表，包括：

5.根据权利要求1-4任意一项所述的方法，其特征在于，所述将所述多组数据输入多个训练好的模型，输出多个预测结果，其中所述多个训练好的模型包括以下模型之一：

6.根据权利要求1-5任意一项所述的方法，其特征在于，所述根据所述多个预测结果和真实结果之间的标准差值，从所述多个训练好的模型中确定最适模型，包括：

7.根据权利要求1-6任意一项所述的方法，其特征在于，所述根据所述最适模型获得优选工艺参数，包括：

8.根据权利要求1-7任意一项所述的方法，其特征在于，所述根据所述最适模型获得优选工艺参数，包括：

9.一种工艺参数优化装置，其特征在于，其中，所述装置包括：

10.一种工艺参数优化的系统，其特征在于，所述系统包括：

11.一种计算设备集群，其特征在于，包括至少一个计算设备，每个计算设备包括处理器和存储器；

技术总结
本申请提供了一种工艺参数优化方法,包括：配置测试参数，所述测试参数包括M个因素以及每个所述因素的取值范围；所述M个因素中每个因素的取值范围包括N个分档，其中M，N≥3；依次增加所述分档数量N的取值，生成多个正交实验表；根据所述多个正交实验表采集多组数据，并确定多个真实结果；将所述多组数据分别输入多个训练好的模型，输出多个预测结果；计算所述多个预测结果和真实结果之间的标准差值；根据多个预测结果和真实结果之间的标准差值，确定最适模型；根据最适模型获得优选工艺参数，优选工艺参数为测试参数的M个因素中分档数量符合目标要求的一组，目标要求包括测试次数要求、产品质量要求，能耗要求，原料成本要求之一或组合。

技术研发人员：卫鑫,陈罡,郑恭楷
受保护的技术使用者：华为云计算技术有限公司
技术研发日：
技术公布日：2024/2/1