[發明專利]基于數據分布的訂單完工期預測模型構建方法及預測方法

有效

• 申請號: 202110086992.4
• 申請日: 2021-01-22
• 公開（公告）號: CN112785377B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 羅家祥;鄧煒
• 申請（專利權）人: 華南理工大學
• 主分類號: G06F17/00
• 分類號: G06F17/00;G06Q30/06;G06K9/62
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 鄭浦娟

1.一種基于數據分布的訂單完工期預測模型構建方法，其特征在于，步驟包括：

獲取離散裝配車間中已完成的歷史訂單，構建得到訓練樣本集，并且獲取各訓練樣本的訂單完工期，作為標簽；

基于歷史訂單數據提取訓練樣本的候選特征，對候選特征進行預處理，得到預處理后的特征；

根據訂單類型，將訓練樣本集劃分為多個子集，根據各子集中訓練樣本對應的標簽，針對各子集分別繪制標簽的概率密度曲線；其中一種訂單類型對應一個子集；

構建兩級級聯隨機樹模型，分別為第一級聯隨機樹模型和第二級聯隨機樹模型，每級隨機樹模型由兩個子模型并行組成，分別為隨機森林和極端隨機樹，每級隨機樹模型的輸出結果由兩個子模型根據相對多數投票法來決定；

其中：

H表示每級模型的輸出結果；

表示相對多數投票算法；

f₁表示隨機森林的分類結果；

f₂表示極端隨機樹的分類結果；

進行以下訓練，得到訂單完工期預測模型：

將各訓練樣本預處理后的特征作為第一級聯隨機樹模型的輸入對第一級聯隨機樹模型進行訓練，通過訓練后的第一級聯隨機樹模型，輸出各訓練樣本對應的分類結果和概率值；

獲取各訓練樣本訂單類型對應子集的概率密度曲線，由該概率密度曲線結合上述訓練樣本的分類結果和概率值，獲取到各訓練樣本的增強特征；

將各訓練樣本預處理后的特征與其增強特征結合，得到訓練樣本的新特征；

基于訓練樣本的新特征和標簽對第二級聯隨機樹模型進行訓練，得到訓練后的第二級聯隨機樹模型。

2.根據權利要求1所述的基于數據分布的訂單完工期預測模型構建方法，其特征在于，提取到的訓練樣本的候選特征CFS為：

CFS＝[M；P；PR]；

其中：

M為訂單描述信息，包括訂單類型M_k、物料組成M_m和加工數量M_n；

P為生產計劃信息，包括計劃下達時間P_start、計劃完工時間P_end、訂單優先級P_p和訂單開始生產日期P_d；

PR為加工流程信息，包括加工工序PR_wp和加工工時PR_t。

3.根據權利要求1所述的基于數據分布的訂單完工期預測模型構建方法，其特征在于，對訓練樣本的候選特征進行預處理的過程包括：剔除異常數據、連續型特征歸一化以及離散型特征編碼化。

4.根據權利要求1所述的基于數據分布的訂單完工期預測模型構建方法，其特征在于，針對于各子集，根據各訓練樣本的標簽，通過核密度公式計算對應的概率密度，然后基于各訓練樣本標簽對應的概率密度繪制概率密度曲線；

其中，N為子集中訓練樣本的總數，x_j為子集中第j個訓練樣本的標簽，x_i為子集中第i個訓練樣本的標簽，f_h(x_j)為第j個訓練樣本的標簽x_j對應的概率密度，h為帶寬，K為高斯核函數。