一种基于大数据处理的配矿方法技术

本发明专利技术公开了一种基于大数据处理的配矿方法，包括如下步骤：前置数据校验，其中包含数据完整性校验以及数据合法性校验；计算任务拆分，主服务器拆分任务到子服务器，并且子服务器拆分任务至子线程；计算配比，具体为子服务器根据算法计算配比，根据物料配比约束范围随机分配物料配比值，计算得到结果值，将得到的结果值与结果值要求范围对比，符合要求则配比成功，否则配比失败；算法任务汇总，本发明专利技术的有益效果是：根据服务器数量及性能的增加而缩短配矿时间，在成本方便较于人工计算显著降低。在成本方便较于人工计算显著降低。

【技术实现步骤摘要】
一种基于大数据处理的配矿方法


[0001]本专利技术涉及大数据处理
，具体为一种基于大数据处理的配矿方法。

技术介绍

[0002]高炉配矿是将烧结矿、球团矿、块矿及废钢等材料照预先定义的矿料比例均匀冶炼，合理的炉料搭配既充分有效利用全球铁矿资源，从而使得高炉冶炼技术得到优化，最终达到节约资源，降低成本的效果。优化高炉炉料是实现高炉强化冶炼的根本保证。
[0003]烧结配矿是将矿粉原料、辅料及溶剂等材料按照预先定义的矿料比例均匀混合进行烧制，从而生产出烧结矿的过程。
[0004]上述的高炉配矿和烧结配矿流程中，通常基于人工经验进行配料，然而人工配矿计算时间长且配矿结果成本过高。

技术实现思路

[0005]本专利技术的目的在于提供一种基于大数据处理的配矿方法，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于大数据处理的配矿方法，包括如下步骤：步骤1：前置数据校验，其中包含数据完整性校验以及数据合法性校验；步骤2：计算任务拆分，主服务器拆分任务到子服务器，并且子服务器拆分任务至子线程；步骤3：计算配比，具体为子服务器根据算法计算配比，根据物料配比约束范围随机分配物料配比值，计算得到结果值，将得到的结果值与结果值要求范围对比，符合要求则配比成功，否则配比失败；步骤4：算法任务汇总。
[0007]优选的，步骤1中：数据完整性校验：数据完整性校验：铁料，燃料，溶剂每种物料信息数据；数据合法性校验：物料范围约束应可配比出100%，即所有物料范围约束最小值和小于等于100%，最大值和需大于等于100%。
[0008]优选的，步骤2中在进行计算任务拆分之前，主服务器根据各个子服务器性能动态分配计算任务量，并根据各个子服务器CPU性能动态分配计算线程数及线程计算任务量。
[0009]优选的，步骤3中进行计算配比时，主服务器与子服务器均参与配矿计算。
[0010]优选的，步骤3中的算法包括以下流程：步骤31：判断所有物料约束范围是否为固定范围，若为固定范围，则直接进行计算，响应结果；否则执行以下步骤；步骤32：提取出物料集合中，配比约束范围最小值等于最大值的物料直接分配该物料配比值，即为固定配比物料，计算得出固定配比值总和为 sumA ,则剩余可分配配比值
和为: sumB = 100%
ꢀ‑ꢀ
sumA；步骤：33：将步骤32中剩余的配比物料提取至有序集合A中进行算法计算，分配配比；步骤34：将有序集合A的物料进行顺序打乱，获取到一个全新的有序集合B；步骤35：取出集合B中首个物料1，进行随机赋值，赋值范围为物料1约束范围与 0 至sunB交集，赋值方法为根据精确度扩大约束范围值至精确度为0，随机赋予范围值内一个数据，再同比例缩小得到带有精确度的物料配比值；步骤36：取出集合B中第二个物料2，通过上述步骤得到物料1配比值，则此时剩余可分配配比值和sumB变更为：sumB
‑
上一个物料配比值,重复上述步骤进行随机配分配比值；步骤37：依次取出集合B中剩余物料重复上述步骤得到配比值，直至最后一个物料0，物料0直接赋值此时sumB，若此时sumB不满足物料0约束范围则重新生成有序集合B进行配比分配，否则进行下一轮配比配分；步骤38：根据上述步骤得到各物料配比后，通过配矿公式计算得出最终结果。
[0011]优选的，步骤3还包括：步骤39：结果值对比，具体为若最终结果值在约束要求范围内，判断吨度价相比之前计算出的吨度价优劣，优则存入结果集，否则舍弃；若最终结果值未在约束要求范围内，则统计不满足约束要求的元素个数和元素错误信息，并存入错误结果集。
[0012]优选的，步骤4的算法任务汇总具体为汇总各子服务器及子线程数据，若存在正确结果集，则按吨度价降序排列后取前5条最优结果；若不存在正确结果集，则取出错误结果集中失败元素数量最少的集合，再取出其中元素重复次数最多的元素进行提示。
[0013]与现有技术相比，本专利技术的有益效果是：根据服务器数量及性能的增加而缩短配矿时间，在成本方便较于人工计算显著降低。
实施方式
[0014]下面将结合本专利技术实施例，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0015]本专利技术提供一种技术方案：一种基于大数据处理的配矿方法，包括如下步骤：步骤1：前置数据校验，其中包含数据完整性校验： 数据完整性校验：铁料，燃料，溶剂每种物料信息数据；数据合法性校验：物料范围约束应可配比出100%，即所有物料范围约束最小值和小于等于100%，最大值和需大于等于100%；步骤2：计算任务拆分，主服务器根据各个子服务器性能动态分配计算任务量，并根据各个子服务器CPU性能动态分配计算线程数及线程计算任务量，主服务器拆分任务到子服务器，并且子服务器拆分任务至子线程；在此过程中主服务器与子服务器均参与配矿计算。
[0016]步骤3：计算配比，具体为子服务器根据算法计算配比，根据物料配比约束范围随机分配物料配比值，计算得到结果值，将得到的结果值与结果值要求范围对比，符合要求则
配比成功，否则配比失败。
[0017]具体的算法包括以下流程：步骤31：判断所有物料约束范围是否为固定范围，若为固定范围，则直接进行计算，响应结果；否则执行以下步骤；步骤32：提取出物料集合中，配比约束范围最小值等于最大值的物料直接分配该物料配比值，即为固定配比物料，计算得出固定配比值总和为 sumA ,则剩余可分配配比值和为: sumB = 100%
ꢀ‑ꢀ
sumA；步骤：33：将步骤32中剩余的配比物料提取至有序集合A中进行算法计算，分配配比；步骤34：将有序集合A的物料进行顺序打乱，获取到一个全新的有序集合B；步骤35：取出集合B中首个物料1，进行随机赋值，赋值范围为物料1约束范围与 0 至sunB交集，赋值方法为根据精确度扩大约束范围值至精确度为0，随机赋予范围值内一个数据，再同比例缩小得到带有精确度的物料配比值；步骤36：取出集合B中第二个物料2，通过上述步骤得到物料1配比值，则此时剩余可分配配比值和sumB变更为：sumB
‑
上一个物料配比值,重复上述步骤进行随机配分配比值；步骤37：依次取出集合B中剩余物料重复上述步骤得到配比值，直至最后一个物料0，物料0直接赋值此时sumB，若此时sumB不满足物料0约束范围则重新生成有序集合B进行配比分配，否则进行下一轮配比配分；步骤38：根据上述步骤得到各物料配比后，通过配矿公式计算得出最终结果；步骤39：结果值对比，具体为若最终结果值在约束要求范围内，判断吨度价相比之前计算出的吨度价优劣，优则存入结果集，否则舍弃；若最终结果值未在约束要求范围内，则统计不满足约束要求的元素个数和元素错误信息，并存入错误结果集。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据处理的配矿方法，其特征在于，包括如下步骤：步骤1：前置数据校验，其中包含数据完整性校验以及数据合法性校验；步骤2：计算任务拆分，主服务器拆分任务到子服务器，并且子服务器拆分任务至子线程；步骤3：计算配比，具体为子服务器根据算法计算配比，根据物料配比约束范围随机分配物料配比值，计算得到结果值，将得到的结果值与结果值要求范围对比，符合要求则配比成功，否则配比失败；步骤4：算法任务汇总。2.根据权利要求1所述的一种基于大数据处理的配矿方法，其特征在于：步骤1中：数据完整性校验：铁料，燃料，溶剂每种物料信息数据；数据合法性校验：物料范围约束应可配比出100%，即所有物料范围约束最小值和小于等于100%，最大值和需大于等于100%。3.根据权利要求1所述的一种基于大数据处理的配矿方法，其特征在于：步骤2中在进行计算任务拆分之前，主服务器根据各个子服务器性能动态分配计算任务量，并根据各个子服务器CPU性能动态分配计算线程数及线程计算任务量。4.根据权利要求1所述的一种基于大数据处理的配矿方法，其特征在于：步骤3中进行计算配比时，主服务器与子服务器均参与配矿计算。5.根据权利要求1所述的一种基于大数据处理的配矿方法，其特征在于：步骤3中的算法包括以下流程：步骤31：判断所有物料约束范围是否为固定范围，若为固定范围，则直接进行计算，响应结果；否则执行以下步骤；步骤32：提取出物料集合中，配比约束范围最小值等于最大值的物料直接分配该物料配比值，即为固定配比物料，计算得出固定配比值总和为 sumA ,则剩余可分配配比值和为: sumB = 100%
ꢀ‑ꢀ
sumA；步骤：3...

【专利技术属性】
技术研发人员：郭玉宾，王晓光，王晓松，武犇，赵虎，滑桢，池晓飞，
申请(专利权)人：凌霄天津工业互联网有限公司，
类型：发明
国别省市：