生产经营约束条件不变,在保证安全稳定运行的前提下,如何优化生产计划、关键参数使装置达到高产、低耗。
缺少以用户实际需求出发,与数据库贯通的定量数据分析工具。
企业经验知识库无法有效地传承。
秒级产生海量数据,且大部分数据有关联、非独立
各类参数之间关系非线性,数据挖掘挑战性大
数据分布集中,1万组数据可等同于2至3组数
supOS工业操作系统,基于工厂积累的大量生产数据,实现工业大数据的深度挖掘,利用平台提供的分类、聚类、回归、预测、寻优、机器学习、深度学习等方面算法,针对产品质量、烟气成分、设备健康状态等特定场景实现预测分析。平台基于多元的工业大数据,提供样本数据处理、建模、实验、评估和发布等可视化流程处理功能,用户通过平台提供的一整套IT可视化展示工具集和模板库,进行大数据分析DIY,以集成化、数字化、智能化手段解决生产控制、生产管理和企业经营的综合问题,打造服务于企业、赋能于工业的智慧大脑。
深入了解的工艺过程,通过相关系数矩阵进行分析,选择影响水泥抗压强度的强相关辅助变量参与建模。
针对历史数据中存在的随机误差、异常数据等情况,提供缺失值处理、数据标准化、离群点检测等一系列数据清洗预处理。
利用MLP算法,建立水泥抗压强度和工艺参数、化学成分、物理属性、矿物组成等辅助变量之间的非线性回归预测模型。
评估预测模型在测试数据集中预测精度,给出健康度评分,模型上线,实时监控健康度,校正模型精度。