一种面向制造业大数据的回归建模方法

1.本发明涉及数据管理领域，尤其涉及一种面向制造业大数据的回归建模方法。


背景技术：

2.制造业是指机械工业时代利用制造资源，按照市场要求，通过制造过程，转化为可供人们使用和利用的大型工具、工业品与生活消费产品的行业，制造业直接体现了一个国家的生产力水平，是区别发展中国家和发达国家的重要因素，制造业在世界发达国家的国民经济中占有重要份额。
3.由于制造业中程序过于繁琐，因此想要针对性地对其制作生产过程作出优化，则需要大量数据进行计算，然而传统的数据建模方法针对性不强，很难起到优化制造业的效果，因此本发明提出一种面向制造业大数据的回归建模方法。


技术实现要素：

4.本发明的目的是为了解决现有技术中存在的缺点，而提出的一种面向制造业大数据的回归建模方法。
5.为了实现上述目的，本发明采用了如下技术方案：
6.一种面向制造业大数据的回归建模方法，包括以下步骤：
7.s1、目标的制定：通过市面上收集到的消费者反馈信息制定数据采集的目标；
8.s2、数据的采集：根据上述步骤制定目标进行制造过程中的数据的采集；
9.s3、数据的预处理：对采集到的数据做初步处理，数据的采集需要反复进行多次采集；
10.s4、模型的建立：通过机器人算法建立数据模型，之后根据线性回归算法建立预测数据的模型；
11.s5、模型的评估：像模型中输入检测数据，观察是否能够模型对结果进行预测，在对结果进行比对，收集预测结果与实际结果之间的误差；
12.s6、绘制结果分布图：根据模型评估的多次结果绘制结果分布图，按照结果匹配度90％-100％、80％-90％、70％-800％、0％-70％进行分布图的绘制；
13.s7、模型的检测。
14.采用上述技术方案所产生的有益效果：本发明通过对目标进行制定，能够更加的明确数据建模的目标，从而针对制定的目标进行模型的建立，利用建立的模型对未来数据进行预测，从而有效针对现有制造业中的缺点进行提前调整，进而提高制造的效率以及后期的销售业绩。
15.优选的，所述步骤s1具体为：
16.s1.1、根据不同制造业生产的不同产品，对市场进行调研，收集消费者对于产品的评价，主要针对消费者对于产品质量、产品产量以及产品价格评价进行调研；
17.s1.2、根据消费者对于产品质量、产品产量以及产品价格评价制定针对性的数据
的采集，产品质量对应制造业生产过程中质检数据，产品产量对应制造业生产过程中单一产品生产时间数据，产品价格针对制造业生产过程中原材料采购价格、机器费用以及员工成本。
18.采用上述技术方案所产生的有益效果：根据针对目标对数据进行分类采集，从而能够有效地根据制定的目标去采集数据，从而避免了一些无关数据对结果预测造成的偏差影响，有效地提高了预测结果的准确性。
19.优选的，所述步骤s2具体为：
20.s2.1、质检数据的采集：针对每周选取三天进行质检数据的记录，持续进行一个月，并且将选取质检的产品进行标记；
21.s2.2、产品生产时间数据的采集：针对每天0点－6点、6点－12点、12点－18点、18点－0点时间段生产的产品，选取100组产品进行产品生产时间的记录；
22.s2.3、原材料采购价格、机器费用以及员工成本：从四个季度中选取单个季度中每个月前五天、中间五天以及月末五天采购的原材料的价格进行记录，汇总一年之中十二月机器费用以及员工成本，计算平均值，进行数据的采集。
23.优选的，所述步骤s3：针对步骤s2采集到的数据进行多次重复采集，采集次数不小于五次，对每次采集的数据进行相似度对比，相似度大于90％的数据汇总至一起计算平均值作为最终采集数据进行使用。
24.采用上述技术方案所产生的有益效果：通过对数据进行反复采集，之后在经过对比计算平均值，最终确定的数据准确性更高。
25.优选的，所述步骤s4中线性回归算法具体为：
26.采集的数据为因变量x，数据预测结构为y，算法公式为：y＝a b
·
x e，其中，a表示截距，b表示直线的斜率，e是误差项。
27.采用上述技术方案所产生的有益效果：利用线性回归算法建立预测模型，能够根据输入的数据进行结果的预测，从而进行针对性的调整，使得产品更好的销售以及给人们带来的体验度更好。
28.优选的，所述步骤s7中模型的检测具体为：采取一段时间内的数据，将其输入建立的预测模型中，得到预测结果，之后将产品按照预测结果中的数据进行销售，之后对销售的产品进行市场调研，判断调研结果与预测结果之间的相似度，重复上述步骤十次以上，绘制相似度的图表，对模型的实际效果进行检测，从而判断模型的准确性，模型每一年进行一次数据的更新。
29.本发明的有益效果为：
30.本发明通过对目标进行制定，能够更加的明确数据建模的目标，从而针对制定的目标进行模型的建立，利用建立的模型对未来数据进行预测，从而有效针对现有制造业中的缺点进行提前调整，进而提高制造的效率以及后期的销售业绩。
附图说明
31.图1为本发明中的流程示意图。
具体实施方式
32.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
33.如图1所示，一种面向制造业大数据的回归建模方法，包括以下步骤：
34.s1、目标的制定：通过市面上收集到的消费者反馈信息制定数据采集的目标；
35.s2、数据的采集：根据上述步骤制定目标进行制造过程中的数据的采集；
36.s3、数据的预处理：对采集到的数据做初步处理，数据的采集需要反复进行多次采集；
37.s4、模型的建立：通过机器人算法建立数据模型，之后根据线性回归算法建立预测数据的模型；
38.s5、模型的评估：像模型中输入检测数据，观察是否能够模型对结果进行预测，在对结果进行比对，收集预测结果与实际结果之间的误差；
39.s6、绘制结果分布图：根据模型评估的多次结果绘制结果分布图，按照结果匹配度90％-100％、80％-90％、70％-800％、0％-70％进行分布图的绘制；
40.s7、模型的检测。
41.其中，所述步骤s1具体为：
42.s1.1、根据不同制造业生产的不同产品，对市场进行调研，收集消费者对于产品的评价，主要针对消费者对于产品质量、产品产量以及产品价格评价进行调研；
43.s1.2、根据消费者对于产品质量、产品产量以及产品价格评价制定针对性的数据的采集，产品质量对应制造业生产过程中质检数据，产品产量对应制造业生产过程中单一产品生产时间数据，产品价格针对制造业生产过程中原材料采购价格、机器费用以及员工成本。
44.其中，所述步骤s2具体为：
45.s2.1、质检数据的采集：针对每周选取三天进行质检数据的记录，持续进行一个月，并且将选取质检的产品进行标记；
46.s2.2、产品生产时间数据的采集：针对每天0点－6点、6点－12点、12点－18点、18点－0点时间段生产的产品，选取100组产品进行产品生产时间的记录；
47.s2.3、原材料采购价格、机器费用以及员工成本：从四个季度中选取单个季度中每个月前五天、中间五天以及月末五天采购的原材料的价格进行记录，汇总一年之中十二月机器费用以及员工成本，计算平均值，进行数据的采集。
48.其中，所述步骤s3：针对步骤s2采集到的数据进行多次重复采集，采集次数不小于五次，对每次采集的数据进行相似度对比，相似度大于90％的数据汇总至一起计算平均值作为最终采集数据进行使用。
49.其中，所述步骤s4中线性回归算法具体为：
50.采集的数据为因变量x，数据预测结构为y，算法公式为：y＝a b
·
x e，其中，a表示截距，b表示直线的斜率，e是误差项。
51.其中，所述步骤s7中模型的检测具体为：采取一段时间内的数据，将其输入建立的预测模型中，得到预测结果，之后将产品按照预测结果中的数据进行销售，之后对销售的产品进行市场调研，判断调研结果与预测结果之间的相似度，重复上述步骤十次以上，绘制相
似度的图表，对模型的实际效果进行检测，从而判断模型的准确性，模型每一年进行一次数据的更新。
52.对比例1
53.本实施例与所提供的实施例1的方法大致相同，其主要区别在于：步骤s2中未进行数据的反复采集；
54.对比例2
55.本实施例与所提供的实施例1的方法大致相同，其主要区别在于：步骤s3中未使用算法。
56.对比例3
57.本实施例与所提供的实施例1的方法大致相同，其主要区别在于：步骤s5中未对模型进行评估。
58.性能测试
59.分别取等量的实施例1和对比例1～3所提供的一种面向制造业大数据的回归建模方法的准确度：
60.61.[0062][0063]
[0064]
上述各表中的相关数据可知，一种面向制造业大数据的回归建模方法，包括以下步骤：
[0065]
通过分析上述各表中的相关数据可知，一种面向制造业大数据的回归建模方法，包括以下步骤：
[0066]
s1、目标的制定：通过市面上收集到的消费者反馈信息制定数据采集的目标；
[0067]
s2、数据的采集：根据上述步骤制定目标进行制造过程中的数据的采集；
[0068]
s3、数据的预处理：对采集到的数据做初步处理，数据的采集需要反复进行多次采集；
[0069]
s4、模型的建立：通过机器人算法建立数据模型，之后根据线性回归算法建立预测数据的模型；
[0070]
s5、模型的评估：像模型中输入检测数据，观察是否能够模型对结果进行预测，在对结果进行比对，收集预测结果与实际结果之间的误差；
[0071]
s6、绘制结果分布图：根据模型评估的多次结果绘制结果分布图，按照结果匹配度90％-100％、80％-90％、70％-800％、0％-70％进行分布图的绘制；
[0072]
s7、模型的检测，本发明通过对目标进行制定，能够更加的明确数据建模的目标，从而针对制定的目标进行模型的建立，利用建立的模型对未来数据进行预测，从而有效针对现有制造业中的缺点进行提前调整，进而提高制造的效率以及后期的销售业绩。
[0073]
其中，所述步骤s1具体为：
[0074]
s1.1、根据不同制造业生产的不同产品，对市场进行调研，收集消费者对于产品的评价，主要针对消费者对于产品质量、产品产量以及产品价格评价进行调研；
[0075]
s1.2、根据消费者对于产品质量、产品产量以及产品价格评价制定针对性的数据的采集，产品质量对应制造业生产过程中质检数据，产品产量对应制造业生产过程中单一产品生产时间数据，产品价格针对制造业生产过程中原材料采购价格、机器费用以及员工成本，根据针对目标对数据进行分类采集，从而能够有效地根据制定的目标去采集数据，从而避免了一些无关数据对结果预测造成的偏差影响，有效地提高了预测结果的准确性。
[0076]
其中，所述步骤s2具体为：
[0077]
s2.1、质检数据的采集：针对每周选取三天进行质检数据的记录，持续进行一个月，并且将选取质检的产品进行标记；
[0078]
s2.2、产品生产时间数据的采集：针对每天0点－6点、6点－12点、12点－18点、18点－0点时间段生产的产品，选取100组产品进行产品生产时间的记录；
[0079]
s2.3、原材料采购价格、机器费用以及员工成本：从四个季度中选取单个季度中每个月前五天、中间五天以及月末五天采购的原材料的价格进行记录，汇总一年之中十二月机器费用以及员工成本，计算平均值，进行数据的采集。
[0080]
其中，所述步骤s3：针对步骤s2采集到的数据进行多次重复采集，采集次数不小于五次，对每次采集的数据进行相似度对比，相似度大于90％的数据汇总至一起计算平均值作为最终采集数据进行使用，通过对数据进行反复采集，之后在经过对比计算平均值，最终确定的数据准确性更高。
[0081]
其中，所述步骤s4中线性回归算法具体为：
[0082]
采集的数据为因变量x，数据预测结构为y，算法公式为：y＝a b
·
x e，其中，a表示
截距，b表示直线的斜率，e是误差项，利用线性回归算法建立预测模型，能够根据输入的数据进行结果的预测，从而进行针对性的调整，使得产品更好的销售以及给人们带来的体验度更好。
[0083]
其中，所述步骤s7中模型的检测具体为：采取一段时间内的数据，将其输入建立的预测模型中，得到预测结果，之后将产品按照预测结果中的数据进行销售，之后对销售的产品进行市场调研，判断调研结果与预测结果之间的相似度，重复上述步骤十次以上，绘制相似度的图表，对模型的实际效果进行检测，从而判断模型的准确性，模型每一年进行一次数据的更新。
[0084]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。