面向流程工业任务分派的工时估计方法
发布时间:2020-02-20 08:49
【摘要】:为了解决流程工业中定额工时准确度低的问题,提出了基于决策树和模型树的作业工时预估方法。对混合类型属性的训练集,首先用标称属性完成部分树的构建;然后在各分枝上采用模型树算法完成子树的构建,在叶节点处给出线性模型。此外,提出方法可基于数据集给出较优训练参数。以某炼油企业的实际生产数据对该方法进行验证,结果证明提出方法能更准确地预估实际任务量,显著缩小计划与执行之间的偏差,提高计划的可执行性。
【图文】:
ltype27QF5977K043.184/15/201392214oiltype3ZJ/ZHB3988K012.92原始数据中存在着噪声数据和不一致数据。噪声最终会导致模型的偏差,因此在建模前有必要处理掉噪声数据,本文在2.3节中利用离群点分析的方法解决这个问题。不一致表现为数据中数据格式不统一。数据一致化处理后如表2所示。表2预处理后数据示意productNooperatorbatchkettledatetime20320ZM2025K039/3/201412.0920256QF/JQ1863K039/5/201413.34………………12161ZJ5977K0110/1/20144.28在本研究中产品种类有400余种,各产品历史记录数不均衡(图2),不同产品之间存在不同的工时映射关系,并且需用由多种类型属性组成的数据集去预测连续型的目标变量。在这种情况下,神经网络方法、多元回归法和CART方法等均难以适用。当前需预估两种面向不同步骤的工时,分别为Et1和Et2,则Et1=f1(p,b,m,,d)(1)Et2=f2(p,b,m,d,o)(2)其中:p、b、m、d、o分别为产品种类、生产批量、作业设备、生产日期及操作员。两种工时及考虑因素如表3所示。表3两种工时及考虑因素工时适用步骤考虑因素Et1分配至设备产品种类、生产批量、作业设备、日期Et2指派操作员产品种类、生产批量、作业设备、操作员、日期2工时估算方法因为润滑油产品品种多,生产工时受生产批量、机器、操作员等不同因素的影响,不同种类产品存在不同的工时映射关系,所以本文的处理思想为利用众多局部逼近的组合来隐含地表示全局目标函数,首先用决策树构建出各产品所有操作状态的组合,然后用模型树法对各组合依次建立工时映射关系。工时预估包括模型训练和模型预测两个阶段,如图3所·3352·计算机应用研究第34卷
本文编号:2581279
【图文】:
ltype27QF5977K043.184/15/201392214oiltype3ZJ/ZHB3988K012.92原始数据中存在着噪声数据和不一致数据。噪声最终会导致模型的偏差,因此在建模前有必要处理掉噪声数据,本文在2.3节中利用离群点分析的方法解决这个问题。不一致表现为数据中数据格式不统一。数据一致化处理后如表2所示。表2预处理后数据示意productNooperatorbatchkettledatetime20320ZM2025K039/3/201412.0920256QF/JQ1863K039/5/201413.34………………12161ZJ5977K0110/1/20144.28在本研究中产品种类有400余种,各产品历史记录数不均衡(图2),不同产品之间存在不同的工时映射关系,并且需用由多种类型属性组成的数据集去预测连续型的目标变量。在这种情况下,神经网络方法、多元回归法和CART方法等均难以适用。当前需预估两种面向不同步骤的工时,分别为Et1和Et2,则Et1=f1(p,b,m,,d)(1)Et2=f2(p,b,m,d,o)(2)其中:p、b、m、d、o分别为产品种类、生产批量、作业设备、生产日期及操作员。两种工时及考虑因素如表3所示。表3两种工时及考虑因素工时适用步骤考虑因素Et1分配至设备产品种类、生产批量、作业设备、日期Et2指派操作员产品种类、生产批量、作业设备、操作员、日期2工时估算方法因为润滑油产品品种多,生产工时受生产批量、机器、操作员等不同因素的影响,不同种类产品存在不同的工时映射关系,所以本文的处理思想为利用众多局部逼近的组合来隐含地表示全局目标函数,首先用决策树构建出各产品所有操作状态的组合,然后用模型树法对各组合依次建立工时映射关系。工时预估包括模型训练和模型预测两个阶段,如图3所·3352·计算机应用研究第34卷
【相似文献】
相关期刊论文 前1条
1 ;2006“SUPCON在流程工业”有奖征文精彩登场[J];石油化工自动化;2006年02期
本文编号:2581279
本文链接:https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/2581279.html