[發明專利]產品質量預測方法及裝置

在審

• 申請號: 202110997211.7
• 申請日: 2021-08-27
• 公開（公告）號: CN113762609A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 譚龍興;鄭曉彬
• 申請（專利權）人: 浙江天垂科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/04;G06K9/62
• 代理公司: 北京樂知新創知識產權代理事務所(普通合伙) 11734
• 代理人: 周偉

本發明公開了產品質量預測方法及裝置，包括：采集樣本產品的第一參數、第二參數和質量評分；獲取每個樣本產品的第一樣本數據，第一樣本數據包括樣本產品的第一參數和質量評分；根據多個樣本產品的第一個樣本數據對第一預設模型進行訓練得到第一預測模型，并通過第一預測模型計算目標產品的第一質量評分；獲取每個樣本產品的第二樣本數據，第二樣本數據包括樣本產品的第二參數以及樣本數據的質量評分與目標產品的第一質量評分的差值；根據多個樣本產品的第二個樣本數據對第二預設模型進行訓練得到第二預測模型，并通過第二預測模型計算目標產品的第二質量評分；根據第一質量評分和第二質量評分確定目標產品的第三質量評分。

技術領域

本發明涉及數據分析領域，尤其涉及一種產品質量預測方法及裝置。

背景技術

工業中使用機器進行產品的制造，對于產品的質量具有一定要求，廣泛使用的抽檢，對于單個產品進行測量的整體成本較高。在如今離散型工業制造中，主要通過人工智能中的機器學習方法根據生產數據來預測產品質量。

實際應用過程中，產品的制造過程往往是非穩態的，產品的最終呈現會受到如工藝、工況參數、原材料等多重影響，即除產品工藝相關因素外，還受到工況本身的特性影響。現有用于預測產品質量的方法僅選取上述單一類型的參數，如僅使用工藝方面的多個參數，再將參數輸入單一的模型中訓練，來實現產品質量的預測，而未考慮到多重影響。

因此，現有技術中所使用的方法無法將特定設備即工況的工作機理結合到質量預測中來，從而容易導致用于預測的泛化能力不足，產品質量的預測精度較低。

發明內容

本發明提供一種產品質量預測方法，以至少解決現有技術中存在的以上技術問題。

本發明一方面提供一種產品質量預測方法，包括：

采集樣本產品的第一參數、第二參數和質量評分；

獲取每個樣本產品的第一樣本數據，所述第一樣本數據包括樣本產品的第一參數和質量評分；

根據多個樣本產品的第一個樣本數據對第一預設模型進行訓練得到第一預測模型，并通過所述第一預測模型計算目標產品的第一質量評分；

獲取每個樣本產品的第二樣本數據，所述第二樣本數據包括樣本產品的第二參數以及樣本數據的質量評分與所述目標產品的第一質量評分的差值；

根據所述多個樣本產品的第二個樣本數據對第二預設模型進行訓練得到第二預測模型，并通過所述第二預測模型計算所述目標產品的第二質量評分；

根據所述第一質量評分和第二質量評分確定所述目標產品的第三質量評分。

在一可實施方式中，所述第一參數為工況參數時，所述第二參數為工藝參數，所述第一預設模型為線性回歸模型，所述第二預設模型為極限梯度提升樹模型或梯度提升樹模型或輕量梯度提升機模型或深度學習模型。

在一可實施方式中，所述第一參數為工藝參數時，所述第二參數為工況參數，所述第一預設模型為極限梯度提升樹模型或梯度提升樹模型或輕量梯度提升機模型或深度學習模型，所述第二預設模型為線性回歸模型。

在一可實施方式中，所述通過所述第一預測模型計算目標產品的第一質量評分，包括：

獲取所述目標產品的第一參數；

根據所述目標產品的第一參數，通過所述第一預測模型計算目標產品的第一質量評分。

在一可實施方式中，所述通過所述第二預測模型計算所述目標產品的第二質量評分，包括：

獲取所述目標產品的第二參數；

根據所述目標產品的第二參數，通過所述第二預測模型計算目標產品的第二質量評分。