基于大数据的橡胶涂料制品销量预测方法及系统与流程

本发明涉及橡胶涂料制品销量预测，具体为基于大数据的橡胶涂料制品销量预测方法及系统。

背景技术：

1、橡胶涂料制品销量预测中，现有方法普遍基于历史订单数据的统计回归或时间序列分析，如移动平均、指数平滑等，仅利用交易记录自身的时序特征，未将生产环节的固化工艺参数纳入预测依据。固化温度与固化时长直接决定橡胶涂料的交联度、附着力等性能指标，影响终端用户再订购倾向；订单交付周期的波动则反映履约稳定性，二者协同作用于销量走势。

2、现有技术未建立固化工艺特征与交付波动特征之间的关联量化机制，无法刻画不同固化条件下交付波动对销量的耦合影响，导致预测结果与实际销量存在系统性偏差。部分方案尝试将工艺值作为独立输入变量，采用离散区间分类或统计均值替代处理，一方面割裂了工艺值随时间演进的连续规律，另一方面未与交付周期进行时间对齐，丢失了工艺变化与交付周期波动的动态对应关系，所得到的销量预测对工艺状态变化的响应不敏感。在获取当前批次的实时固化温度和时长后，常规做法是查找相似历史工况，直接将对应区间的销量平均数作为预测值，未考虑实时值在其所属工况区间内的相对位置差异，使得工艺参数微调引起的销量渐变无法在预测中体现，预测颗粒度较粗。现有技术缺陷在于，不能根据固化工艺和交付周期的同步历史记录构建反映耦合关系的关联结构，也未在区间化预测基础上利用实时工艺位置偏移实现连续修正。

3、本发明要解决的问题是，如何将批次固化温度、固化时长序列与订单交付周期序列转化为可对齐的特征向量，生成销量影响关联矩阵并划分工艺交付耦合区间以确定各区间销量基数，以及如何通过实时固化参数在目标耦合区间内的位置偏移量调整基础预测值，实现更精细的销量预测。

技术实现思路

1、本发明提供一种基于大数据的橡胶涂料制品销量预测方法及系统，目的在于将固化工艺参数与订单交付周期数据转化为时序对齐的耦合特征，构建销量影响关联矩阵并形成工艺交付耦合区间，同时利用实时固化温度和时长在所属区间内的位置偏移对销量预测进行连续修正，提升预测准确性。

2、为了实现上述目的，本发明提供如下技术方案：本发明提供一种基于大数据的橡胶涂料制品销量预测方法，该方法获取目标橡胶涂料制品的生产批次数据和历史订单数据，提取批次固化温度序列、批次固化时长序列和订单交付周期序列；基于批次固化温度序列和批次固化时长序列映射生成固化工艺特征向量，基于订单交付周期序列映射生成交付波动特征向量；将固化工艺特征向量和交付波动特征向量进行时序对齐，构建销量影响关联矩阵；根据销量影响关联矩阵中每个元素的值域分布，划分多个工艺交付耦合区间；在每个工艺交付耦合区间内统计对应历史订单数量，生成区间销量基数；获取当前生产批次的实时固化温度值和实时固化时长值，确定当前批次所属的目标工艺交付耦合区间；将目标工艺交付耦合区间的区间销量基数作为基础预测值，并根据实时固化温度值和实时固化时长值在目标工艺交付耦合区间内的位置偏移量，调整基础预测值，生成当前批次的销量预测值。该方法将固化工艺参数与交付周期在时序对齐后进行耦合分区，利用区间历史订单统计构建销量基数，并结合实时工艺值在区间内的相对位置进行偏移调整，能够充分考虑工艺与交付时序关联对销量的非线性影响，提升预测针对性和准确性，使得预测结果更加贴近实际生产交付环节的波动特性。

3、作为本发明的优选方案，基于批次固化温度序列和批次固化时长序列映射生成固化工艺特征向量的过程包括：将批次固化温度序列中的每个温度值按照采集时刻与对应批次固化时长序列中的时长值配对，生成温度时长配对组；计算每个温度时长配对组内温度值与时长值的乘积，得到工艺交互值；将所有工艺交互值按照批次顺序排列，构建固化工艺特征向量。通过温度与时长的乘积交互，能够捕捉固化过程中热量输入与持续时间对制品性能的综合影响，使得特征向量更全面地反映工艺过程的复合效应。

4、作为本发明的一个技术方案，基于订单交付周期序列映射生成交付波动特征向量包括：将订单交付周期序列中每个交付周期值与上一交付周期值相减，得到周期差值序列；将周期差值序列中的每个差值按照订单交付顺序取绝对值，得到波动幅度序列；将波动幅度序列中的每个幅度值除以对应交付周期值，得到归一化波动率序列；将归一化波动率序列按照订单交付顺序排列，构建交付波动特征向量。该方式通过相邻交付周期的波动幅度和归一化处理，能够消除订单本身交付周期长度差异对波动度量的影响，准确反映交付节奏的稳定性与变化特征。

5、作为本发明的进一步优选方案，将固化工艺特征向量和交付波动特征向量进行时序对齐构建销量影响关联矩阵包括：获取固化工艺特征向量的第一采样时间戳序列和交付波动特征向量的第二采样时间戳序列；将第一采样时间戳序列与第二采样时间戳序列进行交集运算，得到对齐时间戳序列；从固化工艺特征向量中提取对齐时间戳序列对应的元素值，构成第一对齐子向量；从交付波动特征向量中提取对齐时间戳序列对应的元素值，构成第二对齐子向量；将第一对齐子向量中的每个元素与第二对齐子向量中同位置的元素组合，形成关联元素对；将所有关联元素对按时间戳顺序排列，构建销量影响关联矩阵。利用时间戳交集对齐，能够保证固化工艺参数与交付波动数据在时间维度上严格匹配，避免因采样时刻错位导致的关联偏误，使后续耦合区间划分建立在一致的时间基准之上。

6、作为本发明的另一技术方案，根据销量影响关联矩阵中每个元素的值域分布划分多个工艺交付耦合区间包括：将销量影响关联矩阵中每个关联元素对的第一分量值按照升序排列，得到第一分量排序序列；将第一分量排序序列划分为等分的第一分量区间，并记录每个第一分量区间的上界值和下界值；将销量影响关联矩阵中每个关联元素对的第二分量值按照升序排列，得到第二分量排序序列；将第二分量排序序列划分为等分的第二分量区间，并记录每个第二分量区间的上界值和下界值；将每个第一分量区间与每个第二分量区间进行笛卡尔积组合，得到多个工艺交付耦合区间。通过等分排序与笛卡尔积组合，能够将连续的特征空间均匀离散化为互不重叠的耦合区间，使得每个区间对应一类工艺与交付状态的组合模式。

7、进一步地，在每个工艺交付耦合区间内统计对应历史订单数量生成区间销量基数可具体实现为：遍历每个工艺交付耦合区间，将该区间的第一分量范围和第二分量范围作为筛选条件；从销量影响关联矩阵中筛选出第一分量落入第一分量范围且第二分量落入第二分量范围的所有关联元素对，构成区间关联对集合；获取区间关联对集合中每个关联元素对所对应的订单标识；统计订单标识的去重数量，作为该工艺交付耦合区间的区间销量基数。以去重订单数量作为销量基数，能够避免同一订单在关联对中的重复计数，真实反映该工艺交付耦合状态所对应的实际订单体量。

8、作为本发明的一种实施方式，根据实时固化温度值和实时固化时长值在目标工艺交付耦合区间内的位置偏移量调整基础预测值生成当前批次的销量预测值包括：计算实时固化温度值与目标工艺交付耦合区间内第一分量下界值的第一差值；计算目标工艺交付耦合区间内第一分量上界值与第一分量下界值的第一跨度值；将第一差值除以第一跨度值，得到温度位置偏移率；计算实时固化时长值与目标工艺交付耦合区间内第二分量下界值的第二差值；计算目标工艺交付耦合区间内第二分量上界值与第二分量下界值的第二跨度值；将第二差值除以第二跨度值，得到时长位置偏移率；将温度位置偏移率和时长位置偏移率相加后乘以调整步长，得到偏移调整量；将基础预测值与偏移调整量相加，生成当前批次的销量预测值。利用位置偏移率对基础预测值进行微调，能够在保持区间统计规律稳定性的同时，体现具体批次工艺参数在区间内的细微差异对销量的方向性影响，使预测值具备更高的区分度和动态适应性。

9、在本发明获取基础数据的环节中，获取目标橡胶涂料制品的生产批次数据和历史订单数据包括：从生产管理系统中提取目标橡胶涂料制品的批次号集合，以及每个批次号对应的固化温度记录和固化时长记录，构成生产批次数据；从销售管理系统中提取包含批次号集合中任一批次号的销售订单记录，构成初选订单数据；从初选订单数据中筛选出订单状态为已完成且订单日期位于批次固化完成日期之后的订单记录，构成历史订单数据。此步骤过滤掉未完成订单以及时间逻辑异常的记录，保证历史订单数据真实反映固化完成后的实际成交情况，为后续关联分析和销量基数统计提供可靠数据基础。

10、在确定当前批次所属的目标工艺交付耦合区间时，优选采用如下方式：获取当前批次的实时固化温度值和实时固化时长值，组成当前特征对；遍历所有工艺交付耦合区间，提取每个区间的第一分量范围和第二分量范围；判断当前特征对中的实时固化温度值是否落入当前遍历区间的第一分量范围内，且实时固化时长值是否落入当前遍历区间的第二分量范围内；将同时满足两个落入条件的工艺交付耦合区间标记为目标工艺交付耦合区间。通过范围匹配直接定位目标区间，运算简便且可解释性强，能够快速将当前批次归类至与历史工艺交付状态相似的耦合区间中。

11、本发明还提供一种基于大数据的橡胶涂料制品销量预测系统，包括存储器、处理器以及存储在存储器中并在处理器上运行的计算机程序，处理器在执行计算机程序时实现上述基于大数据的橡胶涂料制品销量预测方法的步骤。该系统能够自动完成从生产批次数据、历史订单数据的采集到销量预测值生成的全过程，将固化工艺特征与交付波动特征紧密关联，依据工艺与交付耦合分区内的历史统计规律并结合实时工艺偏移进行销量预测，为橡胶涂料制品的生产排程与市场预判提供稳定且灵敏的量化决策支持。

12、在上述技术方案中，本发明提供的技术效果和优点：

13、从批次固化温度序列和批次固化时长序列中提取工艺交互信息，生成固化工艺特征向量，从订单交付周期序列中计算波动幅度并归一化，生成交付波动特征向量，再通过采样时间戳对齐将两种特征向量组合为销量影响关联矩阵。矩阵中的每一关联元素对同时包含固化工艺综合值与交付波动率，使得不同固化温度-时长组合和交付波动水平的协同作用得以量化表达。基于该矩阵的值域分布将二维特征空间划分为多个工艺交付耦合区间，并在每个区间内统计去重订单数量作为区间销量基数。此种方式捕获了历史数据中不同耦合状态下的订单聚集密度，相比于孤立统计工艺区间销量或仅按交付周期分组，能够揭示工艺与交付交互作用对销量的非线性影响，避免了因忽略交互效应而将订单均摊到单一维度区间内造成的基数失真，使基础预测值更贴合实际销量分布形态。

14、获取当前批次的实时固化温度值和实时固化时长值后，定位其所属的目标工艺交付耦合区间，并以该区间的区间销量基数作为基础预测值。进一步计算实时固化温度值在区间第一分量范围内的温度位置偏移率，以及实时固化时长值在区间第二分量范围内的时长位置偏移率，将两偏移率求和并乘以调整步长得到偏移调整量，叠加到基础预测值生成销量预测值。利用位置偏移率进行连续调整，当实时固化温度或时长在区间内靠近上界或下界时，预测值相应增减，克服了直接使用区间静态基数无法反映参数渐变导致销量连续波动的不足。这种偏移修正机制使预测结果对固化工艺的微小变化保持敏感，提升了对工艺波动的分辨能力和预测精度。