一种工业智能决策系统及其工作方法与流程

本发明涉及一种工业智能决策系统及其工作方法，属于工业软件领域。

背景技术：

传统工业软件主要用于辅助管理流程，帮助企业提高管理水平，主要面向具体管理过程中，大部分工业软件都不能直接面向具体生产业务过程中，帮助企业改善生产经营过程，现有产品如erp、saas软件等，通常只能对常规的采购、供应链管理、内部资源管理、销售管理、人力资源管理等功能模块进行管理和优化，但对于具体生产过程中的原材料配置、生产过程参数调整、结果分析和生产辅助决策等方面则不能进行分析，因为这与行业结合得非常紧密，专业知识要求非常高，通常是非标准化的。因为这方面的软件与生产过程、工艺环节结合过于紧密，须具备较深的行业知识和it系统理念才能实现。但是从工业软件实际产生的效益来看，直接面向工业生产经营环节并用于改善生产过程的软件所产生的经济效益远大于通常的工业管理软件。

此外，大数据产业已经逐步渗透到工业领域，工业企业有大量沉淀的运行数据没办法很好的运用起来，核心原因是不知道如何构建基于工业数据的决策模型，帮助其进行生产优化，决策模型的构建需要大量跨领域的知识结合，如生产工艺、运行机理、运筹学、优化理论、大数据建模等。因此基于工业大数据进行工艺建模知道生产优化，具备广阔的应用前景。

技术实现要素：

本发明的目的是解决现有技术中的不足，提供一种工业智能决策系统及其工作方法，用于优化原材料的配置使用，帮助企业降低直接生产成本。

为了实现上述目的，本发明提供一种工业智能决策系统，包括数据采集模块，功能模型模块和执行模块；所述数据采集模块用于获取工业大数据；所述功能模型模块包括优化引擎模块，功能控制模块；所述优化引擎模块用于根据工业大数据构建决策树；所述功能控制模块用于根据所述优化引擎模块构建的决策树进行计算，确定目标变量下的工艺控制参数。

进一步的，所述数据采集模块包括原料市场信息模块，erp系统信息模块，产品市场信息模块。

进一步的，所述执行模块包括采购中心模块，生产中心模块，销售中心模块，财务中心模块，调度中心模块。

进一步的，所述数据采集模块采集的数据包括采购部门的数据和生产控制部门的数据。

更进一步的，所述数据采集模块采集采购部门、制粉系统、锅炉系统、发电机组和厂用电部门的数据。

进一步的，所述优化引擎模块包括价格模块，生产控制模块。

更进一步的，所述优化引擎模块包括价格模块，烧结模块，球团模块，高炉模块，转炉模块。

本发明还公开了上述一种工业智能决策系统的工作方法，包括如下步骤：

(1)所述数据采集模块采集各生产部门的运行数据，形成工业大数据；

(2)所述优化引擎模块根据工业大数据模拟各个生产控制环节的内部运行机制，构建用于预测工艺控制参数的决策树；

(3)用户输入目标变量的值，所述功能控制模块根据所述优化引擎模块构建的决策树进行计算，确定目标变量下的工艺控制参数。

(4)执行模块根据工艺控制参数进行生产。

与现有技术相比，本发明的有益效果是：通过工业大数据的数据采集将核心参数指标输入至优化引擎模块，这些指标均与生产过程的具体参数有关，是影响生产的工业指标。优化引擎通常采用多种算法，如随机森林、决策树、神经网络等，用于预测关键决策指标。根据不同的目标变量，如需要达到的工艺指标、需要达到的成本指标等，优化引擎模块将根据训练出来的模型反向指引具体输入指标的控制，再点击所述功能控制模块进行自动计算，系统将自动反馈一系列控制变量和控制策略给操作人员，以达到降低成本的目的。经过工程实践和客户反馈，该系统能节省大约3％左右的全成本，经济效益显著。

附图说明

附图在不限制本发明的应用范围的情况下说明了本发明的较佳实施例。

图1为本发明工作流程图。

图2为本发明一种实施例的数据采集模块的系统框架图。

图3为本发明一种实施例的执行模块的系统框架图。

图4为本发明一种实施例的优化引擎模块的系统框架图。

具体实施方式

以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。

在本发明中，除非另有明确的说明和限定，术语“包括”应理解为开放式的，即，包括但不限于。

一种工业智能决策系统，其工作流程图如图1所示，包括数据采集模块，功能模型模块和执行模块；所述数据采集模块用于获取工业大数据；所述功能模型模块包括优化引擎模块，功能控制模块；所述优化引擎模块用于根据工业大数据构建决策树；所述功能控制模块用于根据所述优化引擎模块构建的决策树进行计算，确定目标变量下的工艺控制参数。

采用以上的实施方式，通过工业大数据的数据采集将核心参数指标输入至优化引擎模块，这些指标均与生产过程的具体参数有关，是影响生产的工业指标。优化引擎通常采用多种算法，如随机森林、决策树、神经网络等，用于预测关键决策指标。根据不同的目标变量，如需要达到的工艺指标、需要达到的成本指标等，优化引擎模块将根据训练出来的模型反向指引具体输入指标的控制，再点击所述功能控制模块进行自动计算，系统将自动反馈一系列控制变量和控制策略给操作人员，以达到降低成本的目的。此种方式基于优化生产成本的目标，改变了传统生产过程中依据经验做简单决策的方式，转而采用基于数据建模和分析得到的量化决策方式，从根本上改变生产理念，该系统可以给出成本更低但同时满足工艺生产过程要求的运行方式；同时降低了生产的波动性，减少了不必要的损耗，生产过程更为可控，同时对于降低环境污染也起到了促进作用。

在上述实施例中，优选地，所述数据采集模块包括原料市场信息模块，erp系统信息模块，产品市场信息模块，如图2为本发明一种实施例的数据采集模块的系统框架图，保证了大数据来源的有效性与全面性。

在上述实施例中，优选地，所述执行模块包括采购中心模块，生产中心模块，销售中心模块，财务中心模块，调度中心模块，如图3为本发明一种实施例的执行模块的系统框架图，各个模块协同执行所述功能控制模块根据目标变量计算出的工艺控制参数，能更好的安排生产。

在上述实施例中，优选地，所述数据采集模块采集的数据包括采购部门的数据和生产控制部门的数据。

在上述实施例中，更优选地，所述数据采集模块采集采购部门、制粉系统、锅炉系统、发电机组和厂用电部门的数据，涵盖了电厂的全部生产数据，保证了所述优化引擎模块的全面真实的数据来源，使得运算结果更贴近生产情况。

在上述实施例中，优选地，所述优化引擎模块包括价格模块，生产控制模块，如图4为本发明一种实施例的优化引擎模块的系统框架图。

在上述实施例中，更优选地，所述优化引擎模块包括价格模块，烧结模块，球团模块，高炉模块，转炉模块。采集了钢铁厂原料、烧结、球团、高炉和转炉的运行数据，具体为过去6个月每小时的实时平均数据作为目标变量，输入的自变量指标为不同种原料的使用量、原料的成分指标、冶金指标等以及烧结、球团、高炉的核心控制指标，并保持目标变量和自变量指标的数据时间维度是对应统一的；其次根据这些运行数据分别模拟出烧结、球团、高炉功能模块，这些功能模块可以模拟烧结的输入即自变量指标的数据与输出即目标变量的反应逻辑，并通过大量数据迭代逐步提高模拟的精确度；最后所述价格模块，烧结模块，球团模块，高炉模块，转炉模块通过模拟变换不同的原料成分数据、用量、各工艺控制参数来反复迭代试算不同场景下的预期效果，根据海量的情景试算结果构建决策树，为所述功能控制模块决策树进行计算提供正确的模型，以确定目标变量下的最优工艺控制参数。

上述一种工业智能决策系统的工作方法，包括如下步骤：

(1)所述数据采集模块采集各生产部门的运行数据，形成工业大数据；

(2)所述优化引擎模块根据工业大数据模拟各个生产控制环节的内部运行机制，构建用于预测工艺控制参数的决策树；

(3)用户输入目标变量的值，所述功能控制模块根据所述优化引擎模块构建的决策树进行计算，确定目标变量下的工艺控制参数。

(4)执行模块根据工艺控制参数进行生产。

虽然本申请文件按照以上具体实施方式对本发明进行了描述，但是应当理解，以上每一个具体实施方式都不必然是独立的，本领域的普通技术人员可以独立实施，也可以进行适当的组合，形成本领域普通技术人员能够理解并实施的其它实施方式。

以上实施方式仅仅是示例性的而非限制性的，任何未脱离本发明精神所作出的等效的实施方式均应落在本发明的保护范围内。