公开(公告)号：CN118863930A

公开(公告)日：2024-10-29

申请号：CN202410008908.0

申请日：2024-01-03

Applicant: 上海宝信软件股份有限公司

Inventor： 张伟 ,  张洪 ,  朱宇峰 ,  程红云

IPC: G06Q30/02 ,  G06F18/20 ,  G06N3/0464 ,  G06N3/08 ,  G06Q50/04

Abstract: 本发明提供了一种基于时间卷积网络的废钢数据预测方法及系统，包括：步骤S1：采集数据，进行数据准备；步骤S2：针对采集的数据进行特征选择与数据预处理；步骤S3：建立价格预测模型，训练模型；步骤S4：进行模型评估与系统实现。本发明针对废钢价格预测问题，引入了深度学习领域的时间卷积网络构建模型。由于能捕捉更长历史时期的信息，且其训练算法避免了一部分梯度爆炸的可能性，其结果较传统模型呈现出一定的性能优势。

公开(公告)号：CN114911943A

公开(公告)日：2022-08-16

申请号：CN202111276437.4

申请日：2021-10-29

Applicant: 上海宝信软件股份有限公司

Inventor： 程红云 ,  张洪 ,  张伟

IPC: G06F16/36 ,  G06F40/242 ,  G06Q10/06

Abstract: 本发明提供了一种基于知识图谱的经营指标体系构建方法及系统，包括：以知识图谱作为核心框架，基于业务系统数据源构建指标字典，建立指标字典关系型数据库；基于指标字典关系型数据库通过知识图谱工具构建指标体系关系型数据库和指标体系图数据库，建立指标体系知识图谱；基于指标体系关系型数据库和指标体系图数据库构建指标体系管理系统，基于指标管理系统修改指标字典中单条指标信息或指标体系中指标与指标之间的联络关系。本发明通过知识图谱的结构，将分散在各管控体系、各级别、各归属部门的经营管理指标串联在一起，解决了多属性指标无法定位、不同体系指标间无法打通、指标间因果关系无法推导、全量指标不易管理等问题。

公开(公告)号：CN119557372A

公开(公告)日：2025-03-04

申请号：CN202411568570.0

申请日：2024-11-05

Applicant: 上海宝信软件股份有限公司

Inventor： 程红云 ,  张洪 ,  陈美 ,  黄凯强 ,  戴骏炜 ,  李亚军 ,  闫博

IPC: G06F16/27

Abstract: 本发明提供了一种面向数据中台的工业数据治理与开发同步方法及系统，其中方法包括：步骤S1，根据企业的不同需求，构建数据中台的数据架构；步骤S2，基于数据架构，建立数据中台的数据治理与开发的协同机制；步骤S3，基于数据架构和协同机制，制定数据中台的数据治理与开发的建设方法；步骤S4，基于数据架构、协同机制和建设方法，制定数据中台的数据治理与开发的工作规范。本发明包括数据中台的数据架构设计及治理与开发的协同机制、建设方法、工作规范等，其中，通过设计数据中台的三层逻辑数据架构，能满足企业对于数据统一管理、构建公共数据资产、建设个性化数据应用等不同需求。

公开(公告)号：CN115146978A

公开(公告)日：2022-10-04

申请号：CN202210816437.7

申请日：2022-07-12

Applicant: 上海宝信软件股份有限公司

Inventor： 钱卫东 ,  程红云 ,  徐宗云 ,  张洪 ,  施敏 ,  朱宇峰 ,  许伟 ,  张伟

IPC: G06Q10/06 ,  G06V10/762 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于深度聚类算法的炼铁高炉对标体系构建方法和系统，包括：步骤1：基于生产管理系统数据，通过统计模型建立各高炉个体画像，然后进行异常数据去除与归一化处理，抽象化为高维空间中的数据点；步骤2：基于深度聚类算法，对高维空间中的数据点进行聚类，得到聚类结果；步骤3：将聚类结果进行可视化展示；步骤4：对聚类结果进行监测，在性能指标低于预设阈值时进行自训练，提升相应性能。本发明通过有监督学习和无监督学习结合的方式，解决了高炉对标过程中由于指标数量庞大且属性分布分散带来的指标权重难以分配的问题，提供了一种高炉对标、评判的量化标准。

公开(公告)号：CN119476571A

公开(公告)日：2025-02-18

申请号：CN202411453452.5

申请日：2024-10-17

Applicant: 上海宝信软件股份有限公司

Inventor： 张洪 ,  高培军 ,  陈昕昊 ,  蒋波 ,  高登 ,  尹连三 ,  徐立

IPC: G06Q10/04 ,  G06Q50/04 ,  G06N3/0455 ,  G06N3/08 ,  G06Q30/0201

Abstract: 本发明提供了一种钢铁生产成本预警预测的时间序列预测方法，包括：步骤S1：采集建模数据，对齐所述建模数据，得到待处理数据集；步骤S2：判断所述待处理数据集的变量是否符合阈值范围；结果为是，则按照时间排序，得到训练集与测试集，进而训练基线模型；结果为否，则标记为异常数据，进行修正；步骤S3：基于训练集，训练模型，得到训练后的模型；步骤S4：计算测试集的数据，得到最终预测数据。本发明借助Transformer架构和时间序列预测模型，与传统的时间序列模型，例如ARIMA、LSTM的固定模型结构，而是通过组合不同的模块来适应多样化的数据特性，并且融合了Transformer架构的的自注意力机制、循环神经网络的时序处理能力，提高了模型的预测准确性和稳定性。

公开(公告)号：CN118863049A

公开(公告)日：2024-10-29

申请号：CN202410011663.7

申请日：2024-01-03

Applicant: 上海宝信软件股份有限公司

Inventor： 张伟 ,  施敏 ,  张洪 ,  程红云

IPC: G06N5/04 ,  G06Q50/04 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种炼钢废次降根因分析方法及系统，包括：数据预处理步骤：采集相关测试数据，并对采集的测试数据进行数据验证，去除字段缺失的数据记录，再将此数据集按照一定比例拆分为训练集和测试集；模型训练步骤：构建因果图模型，所述因果图模型形成勾连各输入变量和目标变量的因果图；模型测试步骤：基于因果图模型和测试数据，计算测试集中各次废次降事件的因果推断路径以及相应信心指数；模型上线步骤：以pytorch框架作为基础，部署线上模型，并结合后续实绩生产数据，利用所述因果图，及时定位导致废次降事件的各级以及根本原因。本发明能够在废次降问题发生时，进行各指标数据异常发现，逐层、精确定位至最底层的生产故障原因。