[go: up one dir, main page]

CN111814278A - 一种数据处理方法、数据处理装置及终端设备 - Google Patents

一种数据处理方法、数据处理装置及终端设备 Download PDF

Info

Publication number
CN111814278A
CN111814278A CN202010892158.XA CN202010892158A CN111814278A CN 111814278 A CN111814278 A CN 111814278A CN 202010892158 A CN202010892158 A CN 202010892158A CN 111814278 A CN111814278 A CN 111814278A
Authority
CN
China
Prior art keywords
evidence
matrix
product
vector
influence
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010892158.XA
Other languages
English (en)
Other versions
CN111814278B (zh
Inventor
蔡恒志
潘玲玲
刘辉
张超勇
黎建华
李永兴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Leadwell Technology Co Ltd
Original Assignee
Shenzhen Leadwell Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Leadwell Technology Co Ltd filed Critical Shenzhen Leadwell Technology Co Ltd
Priority to CN202010892158.XA priority Critical patent/CN111814278B/zh
Publication of CN111814278A publication Critical patent/CN111814278A/zh
Application granted granted Critical
Publication of CN111814278B publication Critical patent/CN111814278B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/18—Manufacturability analysis or optimisation for manufacturability
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Manufacturing & Machinery (AREA)
  • Economics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请适用于数据处理技术领域，提供了一种数据处理方法、数据处理装置、终端设备及计算机可读存储介质，所述方法包括：获取n种历史生产产品中每一种历史生产产品对应的第一集合，得到n个第一集合，以构建影响因子矩阵；根据影响因子矩阵和待生产产品对应的第二集合建立证据矩阵；确定各类影响因子对应的证据权重，得到包含m个证据权重的证据权重分配向量；基于证据权重分配向量，对证据矩阵中的元素进行融合处理，得到每个第一集合对应的支持度；将支持度最高的第一集合对应的工艺参数确定为目标工艺参数。通过上述方法，可在产品生产中，快速制定出合理的工艺参数，减少产品生产的人力成本和时间成本。

Description

一种数据处理方法、数据处理装置及终端设备
技术领域
本申请属于数据处理技术领域，尤其涉及一种数据处理方法、数据处理装置、终端设备及计算机可读存储介质。
背景技术
合理的工艺参数对提高产品的生产效率和降低产品的缺陷有重大意义。以压铸生产为例，传统的压铸生产中，压射工艺参数的制定一般采用试错法，即以压铸操作人员和工艺人员的经验为主，结合压铸机的型号和模具的特点定性的制定压射工艺参数。这种经验主义的方法往往在少品种、大批量的压铸生产中使用较多，一旦转移到多品种、小批量的压铸生产中，往往会因难以在短时间内寻找到合理的压射工艺参数而浪费人力成本和时间成本。
发明内容
有鉴于此，本申请提供了一种数据处理方法、数据处理装置、终端设备及计算机可读存储介质，可在产品生产中，快速制定出合理的工艺参数，减少产品生产的人力成本和时间成本。
第一方面，本申请提供了一种数据处理方法，包括：
获取n种历史生产产品中每一种历史生产产品对应的第一集合，得到n个第一集合，以构建影响因子矩阵，其中，每个第一集合均包括影响对应的历史生产产品的工艺参数制定的m类影响因子，上述影响因子矩阵中，每一行对应一个第一集合，每一列对应一类影响因子，n为大于1的整数，m为正整数；
根据上述影响因子矩阵和待生产产品对应的第二集合建立证据矩阵，上述证据矩阵用于指示上述历史生产产品与上述待生产产品之间的相似度，上述第二集合包括影响上述待生产产品的工艺参数制定的m类影响因子；
确定各类影响因子对应的证据权重，得到包含m个证据权重的证据权重分配向量，上述证据权重用于指示对应的影响因子对工艺参数制定的影响程度；
基于上述证据权重分配向量，对上述证据矩阵中的元素进行融合处理，得到每个第一集合对应的支持度；
将支持度最高的第一集合对应的工艺参数确定为目标工艺参数，以指示用户利用上述目标工艺参数生产上述待生产产品。
第二方面，本申请提供了一种数据处理装置，包括：
因子集合获取单元，用于获取n种历史生产产品中每一种历史生产产品对应的第一集合，得到n个第一集合，以构建影响因子矩阵，其中，每个第一集合均包括影响对应的历史生产产品的工艺参数制定的m类影响因子，上述影响因子矩阵中，每一行对应一个第一集合，每一列对应一类影响因子，n为大于1的整数，m为正整数；
证据矩阵建立单元，用于根据上述影响因子矩阵和待生产产品对应的第二集合建立证据矩阵，上述证据矩阵用于指示上述历史生产产品与上述待生产产品之间的相似度，上述第二集合包括影响上述待生产产品的工艺参数制定的m类影响因子；
证据权重确定单元，用于确定各类影响因子对应的证据权重，得到包含m个证据权重的证据权重分配向量，上述证据权重用于指示对应的影响因子对工艺参数制定的影响程度；
矩阵融合单元，用于基于上述证据权重分配向量，对上述证据矩阵中的元素进行融合处理，得到每个第一集合对应的支持度；
工艺参数确定单元，用于将支持度最高的第一集合对应的工艺参数确定为目标工艺参数，以指示用户利用上述目标工艺参数生产上述待生产产品。
第三方面，本申请提供了一种终端设备，包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如上述第一方面所提供的方法。
第四方面，本申请提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如第一方面所提供的方法。
第五方面，本申请提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面所提供的方法。
由上可见，本申请方案中获取n种历史生产产品中每一种历史生产产品对应的第一集合，得到n个第一集合，以构建影响因子矩阵，其中，每个第一集合均包括影响对应的历史生产产品的工艺参数制定的m类影响因子，上述影响因子矩阵中，每一行对应一个第一集合，每一列对应一类影响因子，n为大于1的整数，m为正整数，根据上述影响因子矩阵和待生产产品对应的第二集合建立证据矩阵，上述证据矩阵用于指示上述历史生产产品与上述待生产产品之间的相似度，上述第二集合包括影响上述待生产产品的工艺参数制定的m类影响因子，确定各类影响因子对应的证据权重，得到包含m个证据权重的证据权重分配向量，上述证据权重用于指示对应的影响因子对工艺参数制定的影响程度，基于上述证据权重分配向量，对上述证据矩阵中的元素进行融合处理，得到每个第一集合对应的支持度，将支持度最高的第一集合对应的工艺参数确定为目标工艺参数，以指示用户利用上述目标工艺参数生产上述待生产产品。本申请方案首先以历史生产产品为依据，将待生产产品和历史生产产品进行相似度比对，得出证据矩阵，然后同样以历史生产产品为依据，分析各类影响因子和产品质量之间的关联程度，从而根据关联程度为各类影响因子分配证据权重，最后对证据矩阵中的各类证据按证据权重进行融合，从而在各种历史生产产品的工艺参数中确定合理的目标工艺参数，以指示用户利用目标工艺参数生产待生产产品，如此，可在产品生产中，快速制定出合理的工艺参数，减少产品生产的人力成本和时间成本。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的数据处理方法的流程示意图；
图2是本申请实施例提供的压铸机的压射原理示例图；
图3是本申请实施例提供的数据处理装置的结构框图；
图4是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
图1示出了本申请实施例提供的一种数据处理方法的流程图，详述如下：
步骤101，获取n种历史生产产品中每一种历史生产产品对应的第一集合，得到n个第一集合，以构建影响因子矩阵；
在本申请实施例中，历史生产产品即为在执行本申请实施例中数据处理方法之前生产的产品，n种历史生产产品中每一种历史生产产品对应的第一集合均包括影响对应的历史生产产品的工艺参数制定的m类影响因子。其中，n为大于1的整数，m为正整数，n和m的具体数值可根据实际需求进行选择，此处不作限定。在获得了n个第一集合后，可以利用n个第一集合构建影响因子矩阵C。
Figure 568718DEST_PATH_IMAGE001
其中，Cn表示第n种历史生产产品对应的第一集合。影响因子矩阵C中的每一行对应一个第一集合，每一列对应一类影响因子。以压铸生产为例，每个第一集合均可以包括浇注金属液质量、铸件和溢流质量、铸件平均壁厚、浇注金属液密度、金属固相线温度、金属液相线温度、压室直径、压室长度和压室充满度九类影响因子，这九类影响因子中的任一类均会对历史生产产品的压射工艺参数的制定产生影响。在影响因子矩阵C中，第一列的影响因子可以是浇注金属液质量，第二列的影响因子可以是铸件和溢流质量，以此类推，第九列的影响因子可以是压室充满度。可选地，各种历史生产产品对应的第一集合可以从预设的历史生产信息库中获取，在每一次压铸生产一种产品后，均会将本次压铸生产中的浇注金属液质量、铸件和溢流质量、铸件平均壁厚、浇注金属液密度、金属固相线温度、金属液相线温度、压室直径、压室长度和压室充满度保存到历史生产信息库中。
步骤102，根据影响因子矩阵和待生产产品对应的第二集合建立证据矩阵；
在本申请实施例中，待生产产品即为当前需要生产的产品，第二集合包括影响待生产产品的工艺参数制定的m类影响因子，基于上述步骤101中提及的每个第一集合均可以包括浇注金属液质量、铸件和溢流质量、铸件平均壁厚、浇注金属液密度、金属固相线温度、金属液相线温度、压室直径、压室长度和压室充满度九类影响因子，第二集合中也包括浇注金属液质量、铸件和溢流质量、铸件平均壁厚、浇注金属液密度、金属固相线温度、金属液相线温度、压室直径、压室长度和压室充满度九类影响因子，需要说明的是，本申请实施例对第一集合和第二集合中影响因子的类别不作限定，只需保证第一集合中影响因子的类别与第二集合中影响因子的类别相同即可。可选地，第二集合可以由用户输入到终端设备中，比如，用户当前需要生产一种压铸产品，为了确定生产该压铸产品所使用的压射工艺参数，用户需要预先确定该压铸产品对应的浇注金属液质量、铸件和溢流质量、铸件平均壁厚、浇注金属液密度、金属固相线温度、金属液相线温度、压室直径、压室长度和压室充满度九类影响因子，并将该九类影响因子输入到终端设备中。终端设备获得第二集合后，即可根据影响因子矩阵和第二集合建立证据矩阵。具体地，由于影响因子矩阵中每一行对应一个第一集合，每个第一集合对应一种历史生产产品，因此，分别将影响因子矩阵中的每一行与第二集合进行对比，可以得到各种历史生产产品与待生产产品之间的相似度，从而建立证据矩阵，该证据矩阵用于指示历史生产产品与待生产产品之前的相似度。
可选地，上述步骤102可以具体包括：
将影响因子矩阵与第二集合对应的行向量逐行相减后取绝对值，得到距离判别矩阵；
对距离判别矩阵按列进行负相关映射，得到相似度矩阵；
对相似度矩阵按列进行归一化处理，得到证据矩阵。
在本申请实施例中，第二集合对应的行向量包括第二集合中的各类影响因子，且第二集合对应的行向量中的各类影响因子的排列顺序与影响因子矩阵中各类影响因子的排列顺序相同。例如，影响因子矩阵共有三列，第一列为浇注金属液质量，第二列为铸件平均壁厚，第三列为压室直径，则第二集合对应行向量中，第一个元素为浇注金属液质量，第二个元素为铸件平均壁厚，第三个元素为压室直径。
可以将第二集合对应的行向量记作
Figure 817296DEST_PATH_IMAGE002
，将影响因子矩阵C 与第二集合对应的行向量X逐行相减后取绝对值，可以得到距离判别矩阵D，对距离判别矩 阵D按列进行负相关映射，可以得到相似度矩阵S，对相似度矩阵S进行归一化处理，即可得 到证据矩阵E。计算证据矩阵的步骤用公式表示如下：
Figure 927685DEST_PATH_IMAGE003
其中，Sij表示相似度矩阵S中第i行，第j列的元素，Eij表示证据矩阵E中第i行，第j列的元素。
步骤103，确定各类影响因子对应的证据权重，得到包含m个证据权重的证据权重分配向量；
在本申请实施例中，考虑到不同类影响因子对工艺参数制定的影响程度是不同的，对于每一类影响因子，可以根据该类影响因子对工艺参数制定的影响程度为该类影响因子确定对应的证据权重，该证据权重用于指示对应的影响因子对工艺参数制定的影响程度。其中，某一类影响因子对工艺参数制定的影响程度越大，该类影响因子对应的证据权重越大，反之，某一类影响因子对工艺参数制定的影响程度越小，该类影响因子对应的证据权重越小。为了方便后续计算，可以将m类影响因子对应的证据权重以证据权重分配向量的形式表示，其中，证据权重分配向量中的每个元素均为一个证据权重。
可选地，上述步骤103可以具体包括：
A1、获取各种历史生产产品对应的综合质量评分，得到包含n个综合质量评分的综合质量评分向量；
A2、对影响因子矩阵进行无量纲化处理，得到无量纲矩阵；
A3、根据无量纲矩阵和综合质量评分向量确定各类影响因子对应的证据权重，得到证据权重分配向量。
在本申请实施例中，综合质量评分用于指示对应的历史生产产品的质量的高低，对应的综合质量评分越高的历史生产产品的质量越高，反之，对应的综合质量评分越低的历史生产产品的质量越低。n种历史生产产品对应有n个综合质量评分，综合质量评分向量包含该n个综合质量评分，即综合质量评分向量中的每个元素均为一个综合质量评分。
由于影响因子矩阵C中各类影响因子的物理意义和单位量纲各不相同，因此，为了保证证据权重的准确性，可以对影响因子矩阵C进行无量纲化处理，得到无量纲矩阵C’，对影响因子矩阵C进行无量纲化处理的步骤用公式表示如下：
Figure 210899DEST_PATH_IMAGE004
其中，Cij’表示无量纲矩阵C’中第i行，第j列的元素，Cij表示影响因子矩阵C中第i行， 第j列的元素，
Figure 502203DEST_PATH_IMAGE005
表示影响因子矩阵C中第j列元素的平均值，
Figure 972498DEST_PATH_IMAGE006
表示影响因子矩阵C中第j列 元素的标准差。根据无量纲矩阵和综合质量评分向量，即可确定各类影响因子对应的证据 权重，从而得到包含m个证据权重的证据权重分配向量。
可选地，上述步骤A1可以具体包括：
获取各种历史生产产品对应的至少一个产品质量评价指标；
根据各种历史生产产品对应的至少一个产品质量评价指标，计算各种历史生产产品对应的综合质量评分，得到综合质量评分向量。
在本申请实施例中，n种历史生产产品中每一种历史生产产品均对应至少一个产 品质量评价指标，例如，每一种历史生产产品均对应两个质量评价指标，即产品的等效应力 和孔隙率。可选地，产品质量评价指标可以从历史生产信息库中获取，在每一次生产一种产 品后，均会将本次生产的产品对应的质量评价指标保存到历史生产信息库中。对于n种历史 生产产品中每一种历史生产产品，可以根据该历史生产产品对应的至少一个产品质量评价 指标计算该历史生产产品对应的综合质量评分。以每一种历史生产产品均对应两个质量评 价指标，即产品的等效应力和孔隙率为例，将综合质量评分向量记作
Figure 889508DEST_PATH_IMAGE007
，gi表示第i种历史生产产品对应的综合质量评分，则
Figure 823966DEST_PATH_IMAGE008
，其中，Pi表示第i种历史生产产品的等效应力，
Figure 286171DEST_PATH_IMAGE009
表示第 i种历史生产产品的孔隙率。
可选地，上述步骤A3可以具体包括：
分别计算无量纲矩阵中每一列与综合质量评分向量之间的灰色关联度，得到包含m个灰色关联度的灰色关联度向量；
对灰色关联度向量进行归一化处理，得到证据权重分配向量。
在本申请实施例中，可以分别计算无量纲矩阵中每一列与综合质量评分向量之间的灰色关联度，具体地，可以将无量纲矩阵中的每一列作为灰色关联分析法中的一个比较数列，将综合质量评分向量作为灰色关联分析法中的参考数列，以计算无量纲矩阵中每一列与综合质量评分向量之间的灰色关联度。灰色关联度的计算公式如下：
Figure 509342DEST_PATH_IMAGE010
其中，
Figure 449616DEST_PATH_IMAGE011
，xi表示比较数列，x0表示参考数列，ri表示比较数列xi和参考数列x0 之间的灰色关联度，s为比较数列的总列数，即i⊆[1,s]，n为每个数列中元素的个数，
Figure 691111DEST_PATH_IMAGE012
表示两级最小差，
Figure 589796DEST_PATH_IMAGE013
表示两级最大差，
Figure 97001DEST_PATH_IMAGE014
表示分辨系 数，通常取0.5。无量纲矩阵一共有m列，因此可以将灰色关联度记作
Figure 840966DEST_PATH_IMAGE015
，通过对灰色关联度向量R进行归一化处理，即可得到证据权重分 配向量R’，对灰色关联度向量R进行归一化处理的步骤用公式表示如下：
Figure 953279DEST_PATH_IMAGE016
其中，ri’表示影响因子矩阵C中第i类影响因子对应的证据权重。
步骤104，基于证据权重分配向量，对证据矩阵中的元素进行融合处理，得到每个第一集合对应的支持度；
在本申请实施例中，证据权重分配向量R’中包括各类影响因子的证据权重，基于各个证据权重，可以对证据矩阵中的元素进行融合，从而得到各个第一集合对应的支持度。
可选地，上述步骤104可以具体包括：
基于证据权重分配向量，将证据矩阵中的各列融合为证据融合列向量；
根据证据融合列向量生成证据融合矩阵；
利用DS证据理论的合成规则将证据融合矩阵中的各列融合，得到每个第一集合对应的支持度。
在本申请实施例中，证据矩阵E中的一列对应一类影响因子，证据权重分配向量R’ 中一个元素代表一类影响因子的证据权重，因此，可以在证据权重分配向量R’（向量大小为 m×1）的作用下，将证据矩阵E（矩阵大小为n×m）中的各列融合为证据融合列向量F（向量大 小为n×1），证据融合列向量
Figure 740975DEST_PATH_IMAGE017
。根据证据融合列向量，可以生成 证据融合矩阵，该证据融合矩阵中的每一列均为证据融合列向量，具体地，证据融合矩阵可 以是一个n行、n-1列的矩阵，也即是说，证据融合矩阵中包括n-1列证据融合列向量。对于该 证据融合矩阵，可以利用DS证据理论的合成规则（即Dempster合成规则）将证据融合矩阵中 的各列融合，也即是将n-1个证据融合列向量F融合，从而得到各个第一集合对应的支持度。
对DS证据理论的合成规则的说明如下：对于
Figure 938738DEST_PATH_IMAGE018
，识别框架U上的有限个mass函 数m1，m2，…，mn的Dempster合成规则用公式表示如下：
Figure 283132DEST_PATH_IMAGE019
其中，可以将证据融合矩阵作为识别框架U，K为冲突因子，反映了证据的冲突程度，A为命题。
示例性地，可以根据预设的融合公式将证据矩阵中的各列融合为证据融合列向 量，融合公式为
Figure 249951DEST_PATH_IMAGE020
，其中，F表示证据融合列向量，E表示证据矩阵，R’表示证据权重分 配向量。
步骤105，将支持度最高的第一集合对应的工艺参数确定为目标工艺参数。
在本申请实施例中，得到各个第一集合对应的支持度后，可以确定出支持度最高的第一集合。该支持度最高的第一集合对应的历史生产产品的工艺参数与待生产产品所需的合理的工艺参数最为接近，因此，可以将支持度最高的第一集合对应的历史生产产品的工艺参数确定为目标工艺参数。终端设备可以将该目标工艺参数输出，以指示用户利用该工艺参数生产待生产产品。需要说明的是，目标工艺参数可能还是会和待生产产品所需的合理的工艺参数有微小的差异，但是用户只需根据实际情况，对目标工艺参数进行微小的调整即可得到待生产产品所需的合理的工艺参数。这将大大减少用户制定工艺参数的时间。
下面通过一个具体示例对本申请实施例中的数据处理方法进一步介绍。
该具体示例应用于压铸生产，压射机理如下：
请参阅图2，图2示出了压铸机的压射原理图，压射过程一般可以分为三个阶段，分别为慢压射阶段、快压射阶段、增压阶段。
慢压射阶段：冲头慢速推动金属液到压室前端，使金属液充满压室并流到内浇口前端。该阶段如果速度过慢或行程过长会导致压室尾部困气，同时由于压室内壁的温度比金属液低，金属液热量散失过多，从而引起金属液流动性变差，充型能力减弱；如果速度过快或行程过短则会导致卷气现象发生，最终引起铸件（产品）多气孔和疏松。此阶段考虑的工艺参数主要为慢压射速度和慢压射行程。
快压射阶段：压室内的金属液装满后，冲头将熔融的金属液通过内浇口高速压入模具型腔，同时将型腔内的空气排走以达到铸件成型的目的。该阶段工艺参数的选择类似于慢压射阶段，主要考虑快压射速度和快压射行程。
增压阶段：此时型腔内已经充满金属液，冲头继续向前移动并施以较大的压力，金属液在此压力下将掺杂的气体进一步排出以减少成品的气孔和疏松。如果增压行程过短，铸件在较低压力下结晶成形，会导致铸件不够紧实，出现气孔、疏松的概率增加；如果增压行程过长，使得铸件内部应力过大，会造成铸件裂纹、拉伤芯子、铝液飞出等不良现象。此阶段主要考虑的工艺参数为增压行程。
影响工艺参数制定的影响因子如下表：
影响因素 影响因子 本文考虑的影响因子
产品模具相关参数 模具流道参数、模具溢流系统参数、模具排气系统参数、浇注金属液质量、铸件和溢流质量、铸件平均壁厚 浇注金属液质量、铸件和溢流质量、铸件平均壁厚
材料相关参数 金属种类、浇注金属液密度、金属热膨胀系数、金属固相线温度、金属液相线温度 浇注金属液密度、金属固相线温度、金属液相线温度
加工设备结构相关参数 锁模力、压射力、压室直径、压室长度、压室充满度 压室直径、压室长度、压室充满度
辅助设备相关参数 模温机参数、浇注设备参数 无
加工环境 环境温度、环境湿度 无
本具体示例中将影响压射工艺参数制定的影响因子定为9类，即浇注金属液密度、浇注金属液质量、铸件质量和溢流质量、金属固相线温度、金属液相线温度、铸件平均壁厚、压室直径、压室长度和压室充满度。选取15种历史生产产品进行实验验证，具体数值如下表：
Figure 224860DEST_PATH_IMAGE021
待生产产品为ADC12外壳，其浇注金属液密度为2.64g/cm3、浇注金属液质量为1703g、铸件质量和溢流质量1754g、金属固相线温度612℃、金属液相线温度634℃、铸件平均壁厚2.6mm、压室直径70mm、压室长度460mm、压室充满度0.36。即第二集合对应的行向量X=[2.64，1703，1754，612，634，2.6，70，460，0.36]。
根据上表中的影响因子的具体数值和第二集合对应的行向量X，可以得到证据矩阵E如下：
Figure 896537DEST_PATH_IMAGE022
无量纲矩阵C’如下：
Figure 247884DEST_PATH_IMAGE023
综合质量评分向量G如下：
Figure 865947DEST_PATH_IMAGE024
根据无量纲矩阵和综合质量评分向量G可以得到证据权重分配向量R’如下：
Figure 277337DEST_PATH_IMAGE025
，可以看出，铸件平均壁厚和压 室直径这两类影响因子对应的证据权重较小，即铸件平均壁厚和压室直径这两类影响因子 对待生产产品的压射工艺参数的制定的影响程度较小。
由融合公式
Figure 184113DEST_PATH_IMAGE020
可以得到证据融合列向量F如下：
Figure 57260DEST_PATH_IMAGE026
，利用DS证据理论的 合成规则将证据融合矩阵中的各列融合，得到每个第一集合（即历史生产产品）对应的支持 度如下表：
历史生产产品 1 2 3 4 5 6 7 8
支持度 1.03×10-10 3.04×10-13 9.15×10-10 9.53×10-6 4.65×10-6 1.33×10-5 4.25×10-2 3.22×10-2
历史生产产品 9 10 11 12 13 14 15 未知
支持度 2.21×10-1 1.08×10-1 4.46×10-1 9.62×10-2 4.55×10-2 8.45×10-3 7.03×10-3 3.78×10-3
其中，历史生产产品11对应的第一集合的支持度最高，为0.446，因此，可以将历史生产产品11的压射工艺参数作为目标工艺参数。
由上可见，本申请方案中获取n种历史生产产品中每一种历史生产产品对应的第一集合，得到n个第一集合，以构建影响因子矩阵；根据影响因子矩阵和待生产产品对应的第二集合建立证据矩阵；确定各类影响因子对应的证据权重，得到包含m个证据权重的证据权重分配向量；基于证据权重分配向量，对证据矩阵中的元素进行融合处理，得到每个第一集合对应的支持度；将支持度最高的第一集合对应的工艺参数确定为目标工艺参数。本申请方案首先以历史生产产品为依据，将待生产产品和历史生产产品进行相似度比对，得出证据矩阵，然后同样以历史生产产品为依据，分析各类影响因子和产品质量之间的关联程度，从而根据关联程度为各类影响因子分配证据权重，最后对证据矩阵中的各类证据按证据权重进行融合，从而在各种历史生产产品的工艺参数中确定合理的目标工艺参数，以指示用户利用目标工艺参数生产待生产产品，如此，可在产品生产中，快速制定出合理的工艺参数，减少产品生产的人力成本和时间成本。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
图3示出了本申请实施例提供的一种数据处理装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
该数据处理装置300包括：
因子集合获取单元301，用于获取n种历史生产产品中每一种历史生产产品对应的第一集合，得到n个第一集合，以构建影响因子矩阵，其中，每个第一集合均包括影响对应的历史生产产品的工艺参数制定的m类影响因子，上述影响因子矩阵中，每一行对应一个第一集合，每一列对应一类影响因子，n为大于1的整数，m为正整数；
证据矩阵建立单元302，用于根据上述影响因子矩阵和待生产产品对应的第二集合建立证据矩阵，上述证据矩阵用于指示上述历史生产产品与上述待生产产品之间的相似度，上述第二集合包括影响上述待生产产品的工艺参数制定的m类影响因子；
证据权重确定单元303，用于确定各类影响因子对应的证据权重，得到包含m个证据权重的证据权重分配向量，上述证据权重用于指示对应的影响因子对工艺参数制定的影响程度；
矩阵融合单元304，用于基于上述证据权重分配向量，对上述证据矩阵中的元素进行融合处理，得到每个第一集合对应的支持度；
工艺参数确定单元305，用于将支持度最高的第一集合对应的工艺参数确定为目标工艺参数，以指示用户利用上述目标工艺参数生产上述待生产产品。
可选地，上述证据矩阵建立单元302，包括：
距离判别矩阵建立子单元，用于将上述影响因子矩阵与上述第二集合对应的行向量逐行相减后取绝对值，得到距离判别矩阵，上述第二集合对应的行向量中各类影响因子的排列顺序与上述影响因子矩阵中各类影响因子的排列顺序相同；
负相关映射子单元，用于对上述距离判别矩阵按列进行负相关映射，得到相似度矩阵；
相似度矩阵归一化子单元，用于对上述相似度矩阵按列进行归一化处理，得到上述证据矩阵。
可选地，上述证据权重确定单元303子单元，包括：
综合质量评分获取子单元，用于获取各种历史生产产品对应的综合质量评分，得到包含n个综合质量评分的综合质量评分向量，上述综合质量评分用于指示对应的历史生产产品的质量的高低；
无量纲化子单元，用于对上述影响因子矩阵进行无量纲化处理，得到无量纲矩阵；
证据权重确定子单元，用于根据上述无量纲矩阵和上述综合质量评分向量确定各类影响因子对应的证据权重，得到上述证据权重分配向量。
可选地，上述综合质量评分获取子单元，包括：
评价指标获取子单元，用于获取各种历史生产产品对应的至少一个产品质量评价指标；
综合质量评分计算子单元，用于根据各种历史生产产品对应的至少一个产品质量评价指标，计算各种历史生产产品对应的综合质量评分，得到上述综合质量评分向量。
可选地，上述证据权重确定子单元，包括：
灰色关联度计算子单元，用于分别计算上述无量纲矩阵中每一列与上述综合质量评分向量之间的灰色关联度，得到包含m个灰色关联度的灰色关联度向量；
灰色关联度向量归一化子单元，用于对上述灰色关联度向量进行归一化处理，得到上述证据权重分配向量。
可选地，上述矩阵融合单元304，包括：
第一融合子单元，用于基于上述证据权重分配向量，将上述证据矩阵中的各列融合为证据融合列向量；
证据融合矩阵生成子单元，用于根据上述证据融合列向量生成证据融合矩阵，上述证据融合矩阵中的每一列均为上述证据融合列向量；
第二融合子单元，用于利用DS证据理论的合成规则将上述证据融合矩阵中的各列融合，得到每个第一集合对应的支持度。
可选地，上述第一融合子单元，具体用于根据预设的融合公式将上述证据矩阵中 的各列融合为证据融合列向量，上述融合公式为
Figure 998671DEST_PATH_IMAGE020
，其中，F为上述证据融合列向量， E为上述证据矩阵，R’为上述证据权重分配向量。
由上可见，本申请方案中获取n种历史生产产品中每一种历史生产产品对应的第一集合，得到n个第一集合，以构建影响因子矩阵；根据影响因子矩阵和待生产产品对应的第二集合建立证据矩阵；确定各类影响因子对应的证据权重，得到包含m个证据权重的证据权重分配向量；基于证据权重分配向量，对证据矩阵中的元素进行融合处理，得到每个第一集合对应的支持度；将支持度最高的第一集合对应的工艺参数确定为目标工艺参数。本申请方案首先以历史生产产品为依据，将待生产产品和历史生产产品进行相似度比对，得出证据矩阵，然后同样以历史生产产品为依据，分析各类影响因子和产品质量之间的关联程度，从而根据关联程度为各类影响因子分配证据权重，最后对证据矩阵中的各类证据按证据权重进行融合，从而在各种历史生产产品的工艺参数中确定合理的目标工艺参数，以指示用户利用目标工艺参数生产待生产产品，如此，可在产品生产中，快速制定出合理的工艺参数，减少产品生产的人力成本和时间成本。
图4为本申请一实施例提供的终端设备的结构示意图。如图4所示，该实施例的终端设备4包括：至少一个处理器40（图4中仅示出一个）、存储器41以及存储在上述存储器41中并可在上述至少一个处理器40上运行的计算机程序42，上述处理器40执行上述计算机程序42时实现以下步骤：
获取n种历史生产产品中每一种历史生产产品对应的第一集合，得到n个第一集合，以构建影响因子矩阵，其中，每个第一集合均包括影响对应的历史生产产品的工艺参数制定的m类影响因子，上述影响因子矩阵中，每一行对应一个第一集合，每一列对应一类影响因子，n为大于1的整数，m为正整数；
根据上述影响因子矩阵和待生产产品对应的第二集合建立证据矩阵，上述证据矩阵用于指示上述历史生产产品与上述待生产产品之间的相似度，上述第二集合包括影响上述待生产产品的工艺参数制定的m类影响因子；
确定各类影响因子对应的证据权重，得到包含m个证据权重的证据权重分配向量，上述证据权重用于指示对应的影响因子对工艺参数制定的影响程度；
基于上述证据权重分配向量，对上述证据矩阵中的元素进行融合处理，得到每个第一集合对应的支持度；
将支持度最高的第一集合对应的工艺参数确定为目标工艺参数，以指示用户利用上述目标工艺参数生产上述待生产产品。
假设上述为第一种可能的实施方式，则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中，上述根据上述影响因子矩阵和待生产产品对应的第二集合建立证据矩阵，包括：
将上述影响因子矩阵与上述第二集合对应的行向量逐行相减后取绝对值，得到距离判别矩阵，上述第二集合对应的行向量中各类影响因子的排列顺序与上述影响因子矩阵中各类影响因子的排列顺序相同；
对上述距离判别矩阵按列进行负相关映射，得到相似度矩阵；
对上述相似度矩阵按列进行归一化处理，得到上述证据矩阵。
在上述第一种可能的实施方式作为基础而提供的第三种可能的实施方式中，上述确定各类影响因子对应的证据权重，得到包含m个证据权重的证据权重分配向量，包括：
获取各种历史生产产品对应的综合质量评分，得到包含n个综合质量评分的综合质量评分向量，上述综合质量评分用于指示对应的历史生产产品的质量的高低；
对上述影响因子矩阵进行无量纲化处理，得到无量纲矩阵；
根据上述无量纲矩阵和上述综合质量评分向量确定各类影响因子对应的证据权重，得到上述证据权重分配向量。
在上述第三种可能的实施方式作为基础而提供的第四种可能的实施方式中，上述获取各种历史生产产品对应的综合质量评分，得到包含n个综合质量评分的综合质量评分向量，包括：
获取各种历史生产产品对应的至少一个产品质量评价指标；
根据各种历史生产产品对应的至少一个产品质量评价指标，计算各种历史生产产品对应的综合质量评分，得到上述综合质量评分向量。
在上述第三种可能的实施方式作为基础而提供的第五种可能的实施方式中，上述根据上述无量纲矩阵和上述综合质量评分向量确定各类影响因子对应的证据权重，得到上述证据权重分配向量，包括：
分别计算上述无量纲矩阵中每一列与上述综合质量评分向量之间的灰色关联度，得到包含m个灰色关联度的灰色关联度向量；
对上述灰色关联度向量进行归一化处理，得到上述证据权重分配向量。
在上述第一种可能的实施方式作为基础而提供的第六种可能的实施方式中，上述基于上述证据权重分配向量，对上述证据矩阵中的元素进行融合处理，得到每个第一集合对应的支持度，包括：
基于上述证据权重分配向量，将上述证据矩阵中的各列融合为证据融合列向量；
根据上述证据融合列向量生成证据融合矩阵，上述证据融合矩阵中的每一列均为上述证据融合列向量；
利用DS证据理论的合成规则将上述证据融合矩阵中的各列融合，得到每个第一集合对应的支持度。
在上述第六种可能的实施方式作为基础而提供的第七种可能的实施方式中，上述基于上述证据权重分配向量，将上述证据矩阵中的各列融合为证据融合列向量，包括：
根据预设的融合公式将上述证据矩阵中的各列融合为证据融合列向量，上述融合公式 为
Figure 580963DEST_PATH_IMAGE027
，其中，F为上述证据融合列向量，E为上述证据矩阵，R’为上述证据权重分配向 量。
上述终端设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端设备4的举例，并不构成对终端设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，该处理器40还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述存储器41在一些实施例中可以是上述终端设备4的内部存储单元，例如终端设备4的硬盘或内存。上述存储器41在另一些实施例中也可以是上述终端设备4的外部存储设备，例如上述终端设备4上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。进一步地，上述存储器41还可以既包括上述终端设备4的内部存储单元也包括外部存储设备。上述存储器41用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如上述计算机程序的程序代码等。上述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
由上可见，本申请方案中获取n种历史生产产品中每一种历史生产产品对应的第一集合，得到n个第一集合，以构建影响因子矩阵；根据影响因子矩阵和待生产产品对应的第二集合建立证据矩阵；确定各类影响因子对应的证据权重，得到包含m个证据权重的证据权重分配向量；基于证据权重分配向量，对证据矩阵中的元素进行融合处理，得到每个第一集合对应的支持度；将支持度最高的第一集合对应的工艺参数确定为目标工艺参数。本申请方案首先以历史生产产品为依据，将待生产产品和历史生产产品进行相似度比对，得出证据矩阵，然后同样以历史生产产品为依据，分析各类影响因子和产品质量之间的关联程度，从而根据关联程度为各类影响因子分配证据权重，最后对证据矩阵中的各类证据按证据权重进行融合，从而在各种历史生产产品的工艺参数中确定合理的目标工艺参数，以指示用户利用目标工艺参数生产待生产产品，如此，可在产品生产中，快速制定出合理的工艺参数，减少产品生产的人力成本和时间成本。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述各个方法实施例中的步骤。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质至少可以包括：能够将计算机程序代码携带到终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种数据处理方法，其特征在于，包括：
获取n种历史生产产品中每一种历史生产产品对应的第一集合，得到n个第一集合，以构建影响因子矩阵，其中，每个第一集合均包括影响对应的历史生产产品的工艺参数制定的m类影响因子，所述影响因子矩阵中，每一行对应一个第一集合，每一列对应一类影响因子，n为大于1的整数，m为正整数；
根据所述影响因子矩阵和待生产产品对应的第二集合建立证据矩阵，所述证据矩阵用于指示所述历史生产产品与所述待生产产品之间的相似度，所述第二集合包括影响所述待生产产品的工艺参数制定的m类影响因子；
确定各类影响因子对应的证据权重，得到包含m个证据权重的证据权重分配向量，所述证据权重用于指示对应的影响因子对工艺参数制定的影响程度；
基于所述证据权重分配向量，对所述证据矩阵中的元素进行融合处理，得到每个第一集合对应的支持度；
将支持度最高的第一集合对应的工艺参数确定为目标工艺参数，以指示用户利用所述目标工艺参数生产所述待生产产品。
2.根据权利要求1所述的数据处理方法，其特征在于，所述根据所述影响因子矩阵和待生产产品对应的第二集合建立证据矩阵，包括：
将所述影响因子矩阵与所述第二集合对应的行向量逐行相减后取绝对值，得到距离判别矩阵，所述第二集合对应的行向量中各类影响因子的排列顺序与所述影响因子矩阵中各类影响因子的排列顺序相同；
对所述距离判别矩阵按列进行负相关映射，得到相似度矩阵；
对所述相似度矩阵按列进行归一化处理，得到所述证据矩阵。
3.根据权利要求1所述的数据处理方法，其特征在于，所述确定各类影响因子对应的证据权重，得到包含m个证据权重的证据权重分配向量，包括：
获取各种历史生产产品对应的综合质量评分，得到包含n个综合质量评分的综合质量评分向量，所述综合质量评分用于指示对应的历史生产产品的质量的高低；
对所述影响因子矩阵进行无量纲化处理，得到无量纲矩阵；
根据所述无量纲矩阵和所述综合质量评分向量确定各类影响因子对应的证据权重，得到所述证据权重分配向量。
4.根据权利要求3所述的数据处理方法，其特征在于，所述获取各种历史生产产品对应的综合质量评分，得到包含n个综合质量评分的综合质量评分向量，包括：
获取各种历史生产产品对应的至少一个产品质量评价指标；
根据各种历史生产产品对应的至少一个产品质量评价指标，计算各种历史生产产品对应的综合质量评分，得到所述综合质量评分向量。
5.根据权利要求3所述的数据处理方法，其特征在于，所述根据所述无量纲矩阵和所述综合质量评分向量确定各类影响因子对应的证据权重，得到所述证据权重分配向量，包括：
分别计算所述无量纲矩阵中每一列与所述综合质量评分向量之间的灰色关联度，得到包含m个灰色关联度的灰色关联度向量；
对所述灰色关联度向量进行归一化处理，得到所述证据权重分配向量。
6.根据权利要求1所述的数据处理方法，其特征在于，所述基于所述证据权重分配向量，对所述证据矩阵中的元素进行融合处理，得到每个第一集合对应的支持度，包括：
基于所述证据权重分配向量，将所述证据矩阵中的各列融合为证据融合列向量；
根据所述证据融合列向量生成证据融合矩阵，所述证据融合矩阵中的每一列均为所述证据融合列向量；
利用DS证据理论的合成规则将所述证据融合矩阵中的各列融合，得到每个第一集合对应的支持度。
7.根据权利要求6所述的数据处理方法，其特征在于，所述基于所述证据权重分配向量，将所述证据矩阵中的各列融合为证据融合列向量，包括：
根据预设的融合公式将所述证据矩阵中的各列融合为证据融合列向量，所述融合公式 为
Figure 244015DEST_PATH_IMAGE001
，其中，F为所述证据融合列向量，E为所述证据矩阵，R’为所述证据权重分配向 量。
8.一种数据处理装置，其特征在于，包括：
因子集合获取单元，用于获取n种历史生产产品中每一种历史生产产品对应的第一集合，得到n个第一集合，以构建影响因子矩阵，其中，每个第一集合均包括影响对应的历史生产产品的工艺参数制定的m类影响因子，所述影响因子矩阵中，每一行对应一个第一集合，每一列对应一类影响因子，n为大于1的整数，m为正整数；
证据矩阵建立单元，用于根据所述影响因子矩阵和待生产产品对应的第二集合建立证据矩阵，所述证据矩阵用于指示所述历史生产产品与所述待生产产品之间的相似度，所述第二集合包括影响所述待生产产品的工艺参数制定的m类影响因子；
证据权重确定单元，用于确定各类影响因子对应的证据权重，得到包含m个证据权重的证据权重分配向量，所述证据权重用于指示对应的影响因子对工艺参数制定的影响程度；
矩阵融合单元，用于基于所述证据权重分配向量，对所述证据矩阵中的元素进行融合处理，得到每个第一集合对应的支持度；
工艺参数确定单元，用于将支持度最高的第一集合对应的工艺参数确定为目标工艺参数，以指示用户利用所述目标工艺参数生产所述待生产产品。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
CN202010892158.XA 2020-08-31 2020-08-31 一种数据处理方法、数据处理装置及终端设备 Active CN111814278B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010892158.XA CN111814278B (zh) 2020-08-31 2020-08-31 一种数据处理方法、数据处理装置及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010892158.XA CN111814278B (zh) 2020-08-31 2020-08-31 一种数据处理方法、数据处理装置及终端设备

Publications (2)

Publication Number Publication Date
CN111814278A true CN111814278A (zh) 2020-10-23
CN111814278B CN111814278B (zh) 2020-12-18

Family

ID=72859791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010892158.XA Active CN111814278B (zh) 2020-08-31 2020-08-31 一种数据处理方法、数据处理装置及终端设备

Country Status (1)

Country Link
CN (1) CN111814278B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112597435A (zh) * 2020-12-24 2021-04-02 华能国际电力股份有限公司 基于设备监理的火电设备质量数据处理方法及装置
CN115730738A (zh) * 2022-11-30 2023-03-03 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 工艺参数确定方法、装置、计算机设备和存储介质
CN117893087A (zh) * 2024-01-18 2024-04-16 深圳市恒天翊电子有限公司 一种生产线kpi计算方法、系统、电子设备及存储介质
CN118437904A (zh) * 2024-06-03 2024-08-06 上海一达机械有限公司 一种基于数据分析的压铸机压射速度管控方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008019434A1 (en) * 2006-08-14 2008-02-21 Victorian Tissue Engineering Pty Ltd The use of growth factors in a method of improving fat-graft survival
CN102819673A (zh) * 2012-07-26 2012-12-12 中国农业科学院农田灌溉研究所 一种多源灌溉信息融合方法及装置
CN103235859A (zh) * 2013-05-04 2013-08-07 四川虹欧显示器件有限公司 等离子显示屏制造过程中最佳工艺参数组合的确定方法
CN106919800A (zh) * 2017-03-08 2017-07-04 郑州大学 一种证据理论中低相似度碰撞的冲突证据管理方法
US20170298270A1 (en) * 2016-04-14 2017-10-19 Schlumberger Technology Corporation Environmental gelling agent for gravel packing fluids
CN107578141A (zh) * 2017-07-25 2018-01-12 南京航空航天大学 基于模糊层次分析和证据理论的机场跑道分配决策方法
CN108228853A (zh) * 2018-01-11 2018-06-29 北京信息科技大学 一种微博谣言识别方法及系统
CN109272417A (zh) * 2018-09-14 2019-01-25 北方民族大学 一种支持矛盾处理的产品制造工艺可持续性多群体辨别方法
CN111428793A (zh) * 2020-03-27 2020-07-17 东南大学 一种基于改进证据相异度的证据融合方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008019434A1 (en) * 2006-08-14 2008-02-21 Victorian Tissue Engineering Pty Ltd The use of growth factors in a method of improving fat-graft survival
CN102819673A (zh) * 2012-07-26 2012-12-12 中国农业科学院农田灌溉研究所 一种多源灌溉信息融合方法及装置
CN103235859A (zh) * 2013-05-04 2013-08-07 四川虹欧显示器件有限公司 等离子显示屏制造过程中最佳工艺参数组合的确定方法
US20170298270A1 (en) * 2016-04-14 2017-10-19 Schlumberger Technology Corporation Environmental gelling agent for gravel packing fluids
CN106919800A (zh) * 2017-03-08 2017-07-04 郑州大学 一种证据理论中低相似度碰撞的冲突证据管理方法
CN107578141A (zh) * 2017-07-25 2018-01-12 南京航空航天大学 基于模糊层次分析和证据理论的机场跑道分配决策方法
CN108228853A (zh) * 2018-01-11 2018-06-29 北京信息科技大学 一种微博谣言识别方法及系统
CN109272417A (zh) * 2018-09-14 2019-01-25 北方民族大学 一种支持矛盾处理的产品制造工艺可持续性多群体辨别方法
CN111428793A (zh) * 2020-03-27 2020-07-17 东南大学 一种基于改进证据相异度的证据融合方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈国初等: "基于证据支持矩阵的特征权重融合的风电机组故障诊断", 《上海电机学院学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112597435A (zh) * 2020-12-24 2021-04-02 华能国际电力股份有限公司 基于设备监理的火电设备质量数据处理方法及装置
CN112597435B (zh) * 2020-12-24 2023-06-09 华能国际电力股份有限公司 基于设备监理的火电设备质量数据处理方法及装置
CN115730738A (zh) * 2022-11-30 2023-03-03 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 工艺参数确定方法、装置、计算机设备和存储介质
CN115730738B (zh) * 2022-11-30 2024-01-05 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 工艺参数确定方法、装置、计算机设备和存储介质
CN117893087A (zh) * 2024-01-18 2024-04-16 深圳市恒天翊电子有限公司 一种生产线kpi计算方法、系统、电子设备及存储介质
CN118437904A (zh) * 2024-06-03 2024-08-06 上海一达机械有限公司 一种基于数据分析的压铸机压射速度管控方法及系统
CN118437904B (zh) * 2024-06-03 2024-12-27 上海一达机械有限公司 一种基于数据分析的压铸机压射速度管控方法及系统

Also Published As

Publication number Publication date
CN111814278B (zh) 2020-12-18

Similar Documents

Publication Publication Date Title
CN111814278B (zh) 一种数据处理方法、数据处理装置及终端设备
CN117592222B (zh) 一种基于注塑模具的浇注仿真方法、系统和介质
US11734341B2 (en) Information processing method, related device, and computer storage medium
CN110598993B (zh) 数据加工方法及装置
CN112506979A (zh) 一种模具设计的推荐方法及装置
JP7777229B2 (ja) 顔認識方法及び装置
CN110765292A (zh) 图像检索方法、训练方法及相关装置
CN114708935B (zh) 一种基于导热性能评估的结晶器铜板质量优化方法及系统
CN107688651B (zh) 新闻情感方向判断方法、电子设备及计算机可读存储介质
CN118616687A (zh) 一种铸造模具热平衡分析的温度控制方法及系统
CN113111201B (zh) 一种数字孪生模型轻量化方法和系统
CN110765549A (zh) 一种汽车铸件结构应力分析方法及系统
CN113850523A (zh) 基于数据补全的esg指数确定方法及相关产品
EP4254087A1 (en) System and method for recommending a recipe in a manufacturing process
CN113204839A (zh) 一种挤压铸造工艺参数数据可靠性的评价方法
CN115034142A (zh) 一种挤压铸造工艺温度参数设计方法
CN118966023A (zh) 连铸过程中铸坯应力应变的预测方法及装置、介质、终端
CN116011228B (zh) 一种注塑成型能耗限额快速制定方法、系统及存储介质
CN111752734A (zh) 异常数据的分类方法、分析方法、装置及存储介质
CN111400343B (zh) 匹配产品模具的查询方法、装置及计算机设备
CN115862117A (zh) 存在遮挡的人脸识别方法及装置
CN115185984A (zh) Hbase数据库的查询节点优化方法、装置、设备及存储介质
CN120429933B (zh) 基于动态相似性判别的桥梁起重设备有限元计算资源优化方法及系统
CN121168319A (zh) 镁合金半固态成型方法及系统
CN111104431A (zh) 一种关于多维有限枚举数据的压缩检索方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant