ideas | 数据驱动的生产指导

数据准备

• 生产过程中的工控时序数据
• 半成品/成品全生产周期的质量数据（质量批次集、质检数据）
• 半成品/成品全生产周期的生产数据（生产批次集、操作记录集、总步成本集）
• 期望质量范围（E(q)）、期望成本范围(E(c))
• 保证质量批次与生产批次能够相互对应，且某个生产节点的质量批次能够对应上游的生产批次集

数据整合

• 将合乎期望质量范围的质量数据进行汇总；将合乎期望成本范围的生产数据进行汇总，根据质量批次与生产批次集的对应关系，筛选出既合乎期望质量范围又合乎期望成本范围的生产数据。
• 根据批次，得到生产过程中的工况数据（操作记录、时序数据），即得到“最优批次集”。

拓展处理

• 处理一：梳理成本与质量的对应函数（极大可能为离散的概率函数）、最期望质量、最期望成本，以计算E(qc)，作为参考目标；
• 处理二：梳理生产目标（质量尽量高，成本尽量低）函数、成本与质量的对应函数（极大可能为离散的概率函数），以计算质量和成本的最优解；
• 处理三：根据质量、成本、工况的历史数据，可训练出神经网络模型，对当前工况进行当前批次的质量、成本预测，并根据知识库进行以“最优解”为导向的决策指导；
• 处理四：……