(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111497849.0 (22)申请日 2021.12.09 (71)申请人 山东捷瑞数字科技股份有限公司 地址 264000 山东省烟台市莱山区同和路 26号 (72)发明人 安士才　王涛　牟文青　丁未汀　 (74)专利代理 机构 济南诚智商标专利事务所有 限公司 3710 5 代理人 李修杰 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于产品性能和过程数据模型的树脂工艺 预测方法及装置 (57)摘要 本发明的一种基于产品性能和过程数据模 型的树脂工艺预测方法包括： 采集生产工艺和过 程数据； 对采集的连续变化数据进行特征值变换 处理； 对批次产品进行采样检验， 并记录其性能 指标和质量指标； 对多个批次的生产工艺数据、 性能数据和质量数据分别建立神经网络模型； 对 神经网络模型进行评估和验证， 并进行优化； 定 义一个性能参数的搜索区间并在其内寻找与性 能指标最接近的数据作为数据集； 根据数据集中 原始参数数据， 计算各工艺参数的取值区间； 从 区间下限开始进行搜索， 并通过优化后的神经网 络模型计算产品性能指标， 得出工艺参数取值区 间。 本发明解决了当前生产工艺优化难， 配方实 验过程效率低下的问题， 提高了产品质量和性能 的稳定性。 权利要求书2页 说明书8页 附图2页 CN 113919601 A 2022.01.11 CN 113919601 A 1.一种基于产品性能和过程数据模型的树脂 工艺预测方法， 其特 征是， 包括以下步骤： 采集生产工艺和过程数据； 所述数据包括非连续数据和连续变化数据； 对采集的连续变化数据进行 特征值变换处 理； 对批次产品进行采样检验， 并记录该批次产品的性能指标P和质量指标Q； 对多个批次的生产工艺数据、 性能数据和质量数据分别建立神经网络模型； 对神经网络模型进行评估和验证， 并进行优化得到优化后的神经网络模型； 定义一个性能参数的搜索区间， 并在搜索区间内寻找与性 能指标最接近的数据作为数 据集； 根据数据集中原 始参数数据， 计算各工艺 参数的取值区间； 从区间下限开始进行搜索， 并通过优化后的神经网络模型计算产品性能指标， 得出工 艺参数取值区间。 2.根据权利要求1所述的基于产品性能和过程数据模型的树脂工艺预测方法， 其特征 是， 所述采集 生产工艺和过程数据， 包括： 建立生产工艺和过程数据的采集 规范， 根据生产工艺特点决定数据采集范围； 采集生产工艺和过程数据， 记录各批次的生产开始和结束时间， 对非连续数值记录其 与批次号T之间的对应关系， 对连续变化的数值进行不间断采集并记录时间。 3.根据权利要求1所述的基于产品性能和过程数据模型的树脂工艺预测方法， 其特征 是， 所述生产工艺和过程数据包括： 合成树脂各原料成本的配比、 反应温度和时间数据、 碳 纤维织机纱线张力、 辊压 机辊缝间距和 加热温度。 4.根据权利要求1所述的基于产品性能和过程数据模型的树脂工艺预测方法， 其特征 是， 所述对采集的连续变化数据进行特征值变换处理， 包括： 每个批次生产完成之后， 将该 批次对应时间内的连续数值进 行特征值变换， 通过分段聚合近似方法将该批次生产期间的 数据转换为 一个或几个数值进行存 储， 以方便后续建模过程。 5.根据权利要求1所述的基于产品性能和过程数据模型的树脂工艺预测方法， 其特征 是， 所述对多个批次的生产工艺数据、 性能数据和质量数据分别建立神经网络模型， 包括： 使用深度神经网络方法对多个批次的生产工艺数据和性 能、 质量数据分别建立神经网 络模型M0； 所述对神经网络模型进行评估和验证， 并进行优化得到优化后的神经网络模型， 包括： 对神经网络模型M0进行评估和验证， 通过调整网络层数和学习率参数进行模型优化， 得到优化后的神经网络模型M1。 6.根据权利要求1所述的基于产品性能和过程数据模型的树脂工艺预测方法， 其特征 是， 所述定义一个性能参数 的搜索区间， 并在搜索区间内寻找与性能指标最接近的数据作 为数据集， 包括： 根据新订单的产品性能参数需求， 定义一个性能参数的搜索区间[p0,p1]， 以此在历史 批次数据中寻找与性能指标最接近的数据， 分别按照减小和扩大 的趋势为每个性能指标p 各寻找一条相关数据， 记为dpL和dpH， 如果在区间内找不到有效数据， 则逐次按照5%的步长 在搜索方向上减少或扩大p0和p1的值， 直到得到符合 条件的目标数据或批次数据搜索完成， 将该数据集记录为 集合D。 7.根据权利要求1所述的基于产品性能和过程数据模型的树脂工艺预测方法， 其特征权　利　要　求　书 1/2 页 2 CN 113919601 A 2是， 所述根据数据集中原 始参数数据， 计算各工艺 参数的取值区间， 包括： 根据集合D中的各批次的原始参数数据， 计算出各工艺参数的取值区间[pL, pH]， 如果 缺少某个区间边界的数据， 则将该边界定为0或者 一个经验值。 8.根据权利要求1所述的基于产品性能和过程数据模型的树脂工艺预测方法， 其特征 是， 所述从区间下限开始进 行搜索， 并通过优化后的神经网络模型计算产品性能指标， 得出 工艺参数取值区间， 包括： 为各工艺参数搜索区间分别定义搜索步长A， 从区间下限pL开始对所有 参数的组合进行 搜索， 通过优化后的神经网络模型M1计算产品性能指标， 得 出工艺参数取值区间[rL,rH]。 9.一种基于产品性能和过程数据模型的树脂 工艺预测装置， 其特 征是， 包括： 数据采集模块， 用于采集生产工艺和过程数据； 所述数据包括非连续数据和连续变化 数据； 数据变换模块， 用于对 采集的连续变化数据进行 特征值变换处 理； 采样检验模块， 用于对批次产品进行采样检验， 并记录该批次产品的性能指标P和质量 指标Q； 模型建立模块， 用于对多个批次的生产工艺数据、 性能数据和质量数据分别建立神经 网络模型； 模型优化模块， 用于对神经网络模型进行评估和验证， 并进行优化得到优化后的神经 网络模型； 指标搜索模块， 用于定义一个性能参数的搜索区间， 并在搜索区间内寻找与性能指标 最接近的数据作为数据集； 参数计算模块， 用于根据数据集中原 始参数数据， 计算各工艺 参数的取值区间； 参数取值确定模块， 用于从区间下限开始进行搜索， 并通过优化后的神经网络模型计 算产品性能指标， 得 出工艺参数取值区间。 10.根据权利要求9所述的基于产品性 能和过程数据模型的树脂工艺预测装置， 其特征 是， 所述数据采集模块包括： 规范建立模块， 用于建立生产工艺和过程数据的采集规范， 根据生产工艺特点决定数 据采集范围； 数据采集及记录模块， 用于采集生产工艺和过程数据， 记录各批次的生产开始和结束 时间， 对非连续数值记录其与批次号T之间的对应关系， 对连续变化的数值进 行不间断采集 并记录时间。权　利　要　求　书 2/2 页 3 CN 113919601 A 3