全部产品

工艺模式建模

本文为您介绍算法组件中的工艺模式建模组件。

功能说明

工艺模式建模基于庞大的历史优质案例,每个案例具有描述变量,评价变量和推荐变量。

  • 描述变量:描述生产工况的参数,比如原料质检结果,环境温度等。

  • 评价变量:描述生产的结果,比如产品质量、生产能耗等。

  • 推荐变量:执行的生产参数,比如设备的温度,压力等。

工艺模式建模根据描述变量对案例进行分类,识别不同的状态。然后针对每个状态,找到最可靠的推荐变量,保证评价变量符合预期。

计算逻辑原理

算法过程

1613632266085-7ccbd2f0-84f1-4a69-a814-d34e3876468d

有描述变量

存在描述变量时,有两种案例库建模方法。第一种是案例指标优先,第二种为案例特征优先。

  • 案例指标优先

    • 具体步骤:

      1. 筛选出的优质历史案例。

      2. 基于筛选后案例的描述变量进行聚类。

      3. 得到每类聚心和案例。

    • 适用场景:

      存在多类案例且评价变量分布无显著差异,或不存在多类案例。

    • 优点:

      计算量小,运行速度快。

    • 缺点:

      存在多类案例且每类案例评价变量的分布存在显著差异时,无法保障每类的案例被均匀选入。因该建模方法优先筛选出满足条件的案例的这一步骤,会造成评价指标更优的一类案例被大量选入案例库。

  • 案例特征优先

    • 具体步骤:

      1. 基于历史案例的描述变量进行聚类。

      2. 在每类中选择给定比例满足条件的案例构成优质案例库。

    • 适用场景:

      存在多类案例。

    • 优点:

      每类案例被均匀选入。

    • 缺点:

      适用的场景较为局限。

无描述变量

不存在描述变量时,案例库的建模方式即基于全部的历史案例筛选出满足条件的案例构成优质案例库。

参数说明

IN端口

参数名

是否必填

参数描述

评价变量

根据评价变量来筛选优质案例。目前算法仅支持有且仅有一个评价变量的情况。

推荐变量

希望通过优质案例重用得到推荐变量对应的值。

描述变量

用于比较案例相似度的变量,即案例特征的描述变量。

算法参数

参数名

是否必填

参数描述

参数默认值

是否存在描述变量

案例库中是否存在描述变量。

案例库建模方法

  • 案例指标优先:先基于评价变量筛选出优质案例,再基于筛选出的优质案例进行聚类。

  • 案例特性优先:先基于历史案例库聚类,再在每类中筛选出优质案例。

案例特性优先

优质案例-筛选方式

  • 阈值:根据评价变量相对于给定阈值的大小进行删选。

  • 比例:根据评价变量数值的分布进行删选。

比例

比例-评价标准

  • 比例-评价标准值较低部分,且界限为40时,代表评价变量从低到高排序的前40%案例为优质案例。

  • 比例-评价标准值较高部分,且界限为60时,代表评价变量从低到高排序的后(100-60)=40%案例为优质案例。

  • 比例-评价标准指定范围,且范围上界为40,范围下界为60时,代表评价变量从低到高排序的40%~60%的案例为优质案例。

值较低部分

阈值-评价标准

  • 高于阈值:评价变量高于阈值的为优质案例。

  • 低于阈值:评价变量低于阈值的为优质案例。

  • 指定范围:评价变量取值在指定范围内则为优质案例。

低于阈值

阈值

阈值需是整数或者浮点数的形式。如不确定阈值时,可在优质案例-筛选方式选择百分位数,则算法会根据数据的情况计算出一个阈值。

上界

上界的值需高于下界。

下界

下界的值需低于上界。

比例界限

需大于0,且小于100

比例上界

需大于0,且小于100。且比例上界的值应高于比例下界。

比例下界

需大于0,且小于100。且比例下界的值应低于比例上界。

权重变量

  • 未输入权重变量时,每个描述变量的权重均为1。

  • 输入权重变量时,需输入每个描述变量对应的权重,并写成字典的形式。例:{'fea1':1, 'fea2':1.5},其中字典的key需与描述变量的变量名保持完全一致。

其他参数

参数名

参数描述

模型结果

可以查看建模成功后的模型评价结果。