[發明專利]產能測算方法、裝置及計算機可讀存儲介質

在審

• 申請號: 202011496313.2
• 申請日: 2020-12-17
• 公開（公告）號: CN112598259A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 孫鶴
• 申請（專利權）人: 上海璣智自動化科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N3/04;G06N3/08;G06Q50/02
• 代理公司: 上海晨皓知識產權代理事務所(普通合伙) 31260
• 代理人: 成麗杰

1.一種產能測算方法，其特征在于，包括：

獲取決定產能大小的特征參數，其中，所述特征參數至少包括產品型號和生產設備綜合利用效能；

將所述特征參數輸入預設神經網絡模型，得到與所述特征參數對應的產能，其中，所述預設神經網絡模型通過歷史產能數據、與所述歷史產能數據對應的歷史特征參數訓練得到。

2.根據權利要求1所述的產能測算方法，其特征在于，所述預設神經網絡模型通過以下方式訓練得到：

接收歷史樣本數據，其中所述歷史樣本數據包括歷史產能數據、與所述歷史產能數據對應的歷史特征參數；

將所述歷史特征參數輸入多級神經網絡模型，得到所述多級神經網絡模型的輸出值，并根據所述輸出值和所述歷史產能數據計算所述多級神經網絡模型的損失函數；

根據所述損失函數調整所述多級神經網絡模型的模型參數，得到所述預設神經網絡模型。

3.根據權利要求2所述的產能測算方法，其特征在于，所述接收歷史產能數據、與所述歷史產能數據對應的歷史特征參數，包括：

接收預設時間段的歷史產能數據，其中，所述預設時間段的時長至少大于三個月；

接收與所述歷史產能數據對應的歷史產品型號和歷史生產設備綜合利用效能。

4.根據權利要求3所述的產能測算方法，其特征在于，所述多級神經網絡模型包括第一級神經網絡和第二級神經網絡；所述將所述歷史特征參數輸入多級神經網絡模型，得到所述多級神經網絡模型的輸出值，包括：

將所述歷史產品型號輸入所述第一級神經網絡，得到第一輸出值；

將所述歷史生產設備綜合利用效能輸入所述第二級神經網絡，得到第二輸出值；

根據所述第一輸出值和所述第二輸出值，得到所述輸出值。

5.根據權利要求2所述的產能測算方法，其特征在于，在將所述歷史特征參數輸入多級神經網絡模型之前，還包括：

將所述歷史樣本數據分割成訓練數據集和測試數據集，其中，所述訓練數據集中的歷史樣本數據多于所述測試數據集中的歷史樣本數據；

所述將所述歷史特征參數輸入多級神經網絡模型，包括：

將所述訓練數據集中的歷史特征參數輸入所述多級神經網絡模型。

6.根據權利要求5所述的產能測算方法，其特征在于，在得到所述預設神經網絡模型之后，還包括：

將所述測試數據集中的歷史特征參數輸入所述預設神經網絡模型，得到所述預設神經網絡模型的輸出值，判斷所述輸出值和所述測試數據集中對應的歷史產能數據是否在預設誤差范圍內；

若判定不在所述預設誤差范圍內，則計算所述預設神經網絡模型的損失函數，并根據所述損失函數調整所述預設神經網絡模型的模型參數。

7.根據權利要求5所述的產能測算方法，其特征在于，所述訓練數據集中的歷史樣本數據數量與所述測試數據集中的歷史樣本數據數量的比值為8:2。

8.根據權利要求2所述的產能測算方法，其特征在于，所述模型參數包括以下之一或其任意組合：

輸出維度長度、輸入維度長度以及神經元數量。

9.一種產能測算裝置，其特征在于，包括：

至少一個處理器；以及，

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行如權利要求1至8中任一項所述的產能測算方法。

10.一種計算機可讀存儲介質，存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至8中任一項所述的產能測算方法。