【技术实现步骤摘要】
本申请涉及机器学习，尤其涉及一种产品备损预测方法及装置、计算机可读存储介质及终端。
技术介绍
1、工厂使用物料生产产品时，由于工艺、物料质量等问题，可能会生产出不良品来，达不到交付客户要求，因此需要对物料进行备损预测。
2、但是，目前的预测方法中，多依赖于生产任务表以及采购人员自身的采购经验，得到总的物料采购量，导致对物料备损量的预测准确率不高。
3、需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本申请的目的在于提供一种产品备损预测方法及装置、计算机可读存储介质及设备，在产品维度，通过第一备损模型和第二备损模型对产品备损值进行预测，至少能够在一定程度上提高产品备损值的准确性。
2、本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
3、根据本申请的第一个方面，提供一种产品备损预测方法，该方法包括：获取历史生产信息；将所述历史生产信息分别输入第一备损模型和预训练的第二备损模型，并获取所述第一备损模型和所述第二备损模型输出的备损预测值；对所述第一备损模型和所述第二备损模型输出的所述备损预测值进行加权融合，以确定产品备损值。
4、在本申请一个实施例中，上述所述第二备损模型包括第一子模型、第二子模型以及第三子模型；所述将所述历史生产信息分别输入第一备损模型和预训练的第二备损模型，并获取所述第
5、在本申请一个实施例中，上述所述对所述第一备损模型和所述第二备损模型输出的备损预测值进行加权融合，以确定产品备损值，包括：对所述第一备损模型输出的第一备损预测值、所述第一子模型输出的第二备损预测值、所述第二子模型输出的第三备损预测值以及所述第三子模型输出的第四备损预测值进行加权平均，以确定所述产品备损值。
6、在本申请一个实施例中，上述所述方法还包括：基于所述历史生产信息的特征构建数据集，所述数据集包括第一测试集、与所述第一测试集不同分布的训练集以及与所述第一测试集同分布的第一验证集；将所述训练集输入所述第二备损模型，对所述第二备损模型进行第一次训练；将所述测试集以及所述验证集分别输入第一次训练的所述第二备损模型，分别获得第二测试集以及第二验证集；将所述第一验证集与所述第二验证集拼接获得第三验证集，将所述第一测试集与所述第二测试集拼接获得第三测试集；将所述第三验证集输入第一次训练的所述第二备损模型，对所述第二备损模型进行第二次训练；将所述第三测试集输入第二次训练的所述第二备损模型，获取所述备损预测值。
7、在本申请一个实施例中，上述所述方法还包括：获取产品订单数；基于所述产品订单数以及所述产品备损数，确定产品生产量；将所述产品生产量分解为物料清单，并对所述物料清单中的最小单元物料进行编码。
8、在本申请一个实施例中，上述所述方法还包括：基于获取的所述历史生产信息以及所述产品订单数，对所述产品订单数进行合并或者拆分。
9、在本申请一个实施例中，上述所述第一备损模型为门控循环单元；所述第二备损模型为梯度提升树模型，所述第一子模型为xgboost模型，所述第二子模型为lightgbm模型，所述第三子模型为catboost模型。
10、根据本申请的第二个方面，提供一种产品备损预测装置，上述装置包括：获取模块，用于获取历史生产信息；输入及获取模块，用于将所述历史生产信息分别输入第一备损模型和预训练的第二备损模型，并获取所述第一备损模型和所述第二备损模型输出的备损预测值；加权融合模块，用于对所述第一备损模型和所述第二备损模型输出的所述备损预测值进行加权融合，以确定产品备损值。
11、根据本申请的第三个方面，提供一种终端，包括：存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现上述第一个方面所述的产品备损预测方法。
12、根据本申请的第四个方面，提供一种计算机可读存储介质，其上存储有计算机程序，上述计算机程序被处理器执行时实现上述第一个方面所述的产品备损预测方法。
13、本申请的实施例所提供的产品备损预测方法及装置、计算机存储介质及终端，具备以下技术效果：
14、通过获取历史生产信息；将历史生产信息分别输入第一备损模型和预训练的第二备损模型，并获取第一备损模型和第二备损模型输出的备损预测值；对第一备损模型和第二备损模型输出的备损预测值进行加权融合，以确定产品备损值。一方面，在产品维度对产品的历史生产信息进行采集，基于产品维度对产品备损值进行预估，能够在一定程度上减少数据的误差；另一方面，通过第一备损模型和第二备损模型对产品备损值进行预测，以及对两个模型输出的备损预测值进行加权融合，能够在一定程度上提高产品备损值的准确性。
15、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
本文档来自技高网...【技术保护点】
1.一种产品备损预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述第二备损模型包括第一子模型、第二子模型以及第三子模型；
3.根据权利要求2所述的方法，其特征在于，所述对所述第一备损模型和所述第二备损模型输出的备损预测值进行加权融合，以确定产品备损值，包括：
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.根据权利要求2所述的方法，其特征在于，所述第一备损模型为门控循环单元；所述第二备损模型为梯度提升树模型，所述第一子模型为XGBoost模型，所述第二子模型为lightGBM模型，所述第三子模型为CatBoost模型。
8.一种产品备损预测装置，其特征在于，包括：
9.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的产品备损预测方法。
...【技术特征摘要】
1.一种产品备损预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述第二备损模型包括第一子模型、第二子模型以及第三子模型；
3.根据权利要求2所述的方法，其特征在于，所述对所述第一备损模型和所述第二备损模型输出的备损预测值进行加权融合，以确定产品备损值，包括：
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.根据权利要求2所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：周洋，
申请(专利权)人：广州视源电子科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。