基于机器学习的炼化企业智能程度自动化评价方法.pdf

Microcomputer Applications Vol.39,No.9,2023文章编号：10 0 7-7 5 7 X（2 0 2 3)0 9-0 2 0 4-0 3基于机器学习的炼化企业智能程度自动化评价方法沈勇1，刁俊武1，曹晓红*（1.中海油信息科技有限公司，智能制造（惠州）分公司，广东，惠州5 16 0 8 6；2.中海油惠州石化有限公司，广东，惠州5 16 0 8 6）摘要：为了更准确地评价企业智能化水平，提出基于机器学习的炼化企业智能程度自动化评价方法。建立炼化企业智能评价指标体系，计算指标层次权重和摘权，计算指标综合权重。据此，划分企业智能程度评价等级，判定企业智能化水平。选取某石化公司为实例分析对象，利用所提方法计算公司最终评价值，得到的评价结果与实际情况相符，说明所提方法具有理想的应用性能。关键词：机器学习；炼化企业；智能程度；自动评价；指标体系；权重计算中图分类号：TP39开发应用文献标志码：A微型电脑应用2 0 2 3年第39 卷第9 期Automatic Evaluation Method of Intelligence Degree of Refinery EnterprisesBased on Machine LearningSHEN Yong,DIAO Junwu,CAO Xiaohong?*(1.Intelligent Manufacturing(Huizhou)Branch,CNOOC Information Technology Co.,Ltd.,Huizhou 516086,China;2.CNOOC Huizhou Petrochemical Co.,Ltd.,Huizhou 516086,China)Abstract:In order to more accurately evaluate the intelligence level of an enterprise,an automatic evaluation method of intelli-gence level of refining and chemical enterprises based on machine learning is proposed.We establish the intelligent evaluationindex system,calculate the index hierarchy weight and entropy weight,and calculate the comprehensive weight of the index.Accordingly,the enterprise intelligence evaluation level is divided to determine the enterprise intelligence level.Taking a petro-chemical company as an example,the final evaluation value of the company is calculated by the proposed method,and the evalu-ation results are consistent with the actual situation,which shows that the proposed method has ideal application performance.Key words:machine learning;refining and chemical enterprises;degree of intelligence;automatic evaluation;index system;weighting0引言炼化企业是国家基础行业之一，通过数字化、信息化建设，可实现炼化行业可持续发展1。智能程度成为炼化企业数字化、信息化变革的衡量标准，尽管炼化企业的智能转型已取得一定进展，但仍存在一些问题，包括信息资源利用落后、管理体制不完善等。因此，研究炼化企业智能程度评价方法，确定炼化企业智能等级，通过评价信息变化情况，找出炼化企业智能化发展的不足，进一步提高炼化企业现代化水平，具有重要意义2-3。现阶段，企业智能程度评价相关研究较为成熟，通过评价指标体系，体现企业智能化水平，表示各个领域的智能方法和智能系统应用效果。从智能功能和智能方法两个方面出发，制定智能化水平评价体系，实现企业智能程度评价4-5 。本文结合现有的研究理论，提出基于机器学习的炼化企业智能程度自动化评价方法。作者简介：沈勇（197 9一），男，硕士，高级工程师，研究方向为智能制造；刁俊武（196 9一），男，本科，高级工程师，研究方向为智能制造。通信作者：曹晓红（196 4一），男，本科，教授级高级工程师，研究方向为工厂信息化。2041基于机器学习的炼化企业智能程度自动化评价方法设计1.1基于机器学习的炼化企业智能程度自动化评价指标体系构建选取炼化企业智能程度自动化评价指标，选择企业智能评价指标，遵循系统性原则、定量定性原则、可比性原则、可行性原则、独立性原则等6 。调查各个领域的智能技术和信息系统使用状况，从价值角度出发，分析生产力水平提升程度、能源效率提升状况、备品备件完整性、人工干预减少程度7-8 。记录10 个业务领域调查数据，获得企业智能评价指标相关数据。至此完成基于机器学习的炼化企业智能程度自动化评价指标体系构建。1.2计算炼化企业智能程度自动化评价指标权重赋予企业智能评价指标权重，评价指标重要程度。设同一等级的企业智能评价指标分别为i、j，构建指标判断矩阵C表达式为Microcomputer Applications Vol.39,No.9,2023其中,n为企业智能评价指标数目,iE1,n、j E 1,n 。c i j表示i比j的重要性等级，同等重要时ci为1,稍重要时ci为3，明显重要时ci为5，强烈重要时c;为7，极端重要时ci为9，稍不重要时ci为1/3，明显不重要时ci为1/5，强烈不重要时c;为1/7，极端不重要时ci为1/9E9。计算矩阵C每行ci的乘积U，公式为(2)U；的方根表达式A，为A,=VU正规化向量A，得到矩阵C的特征向量A，计算式为A,A;=72引人矩阵C的最大特征值B，计算偏离一致参数D的公式为D=n-1引入矩阵C的随机一致参数Q,对于19 阶的判断矩阵分别取参数Q值为0.0 0、0.0 0、0.58、0.9 0、0.12、1.2 4、1.32、1.41、1.45 10。计算矩阵C的一致比率d，公式为(6)Q若d大于0.10，调整判断矩阵，当A1/9A,时，调整ci为1/9；当1/9A,A,A,时，调整c,为内A./A,:当A,A,为今的整数部分；当9A,A，时，调整c9A,时，调整c;为Ai为9,重新计算特征向量；当d小于0.10，将A，作为最高级指标层次权重，再递推计算下一级权重ai。无量纲化处理企业智能评价指标值，其表达式为X=max X,-min X,其中，X,为第j项指标下第i项指标值。计算标准值X,的比重L;公式为(8)2xi=1第i项下一级指标熵值p：计算式为p:=SL;In(L,)Inn引人差异性系数1一pi，系数越大，判定指标重要程度越高-12。下一级的企业智能评价指标权h：计算式为hi=21-p;将最高级指标作为一个类k，求取下一级指标差异性系数1一p:的和g，计算最高级指标熵权H；公式为H;=k=1开发应用(C11C12C21C22C=：(clCn2U:=IIciB-nDd=X;-min XiXLi1-p:gk微型电脑应用2 0 2 3年第39 卷第9 期C1元其中，S为最高级指标数目。取层次权重和熵权的平均值，C2n得到企业智能评价指标的综合权重2;。至此完成炼化企业(1)智能程度自动化评价指标权重的计算。Cm1.3自动化评价炼化企业智能程度计算炼化企业智能程度评价值，划分企业智能程度等级。由企业智能评价指标，组成评价因素集U=（u，u 2，un）。由指标权重，建立权重集W=（i，2，,）。根据炼化企业智能建设实际情况，建立评语集V=（u i，U 2，U6），赋值（90,8 0，7 0，6 0，50，40），将炼化企业智能程度划分为6 个评价等级，定义企业智能制造阶段水平，分别表示无概念、概念规划、智能建设、部分建成、建成但需完善、已完善。设第i项指标对评语集V的隶属度为(ti,tiz，,t i s)，选择最大隶属度maxtig，q E 1,6 。将隶属度ta对应的评语集元素赋值，作为第i项指标的评语值ri，构成同一等级的指(3)标评语矩阵R，公式为(4)R=：Lrmlrn2企业智能程度评价值计算式为f=W.R(5)2炼化企业智能评价实例分析选取惠州某石化有限公司作为实例分析对象，该企业自2009年开始进行智能化建设，先后引入ERP信息系统和OA信息系统。智能化建设前，2 0 0 8 年约为6 0 万年利润；智能化建设后，直到2 0 2 1年，其年利润约为2 6 0 0 万。说明在该公司进行智能化建设后，市场响应能力和生产效率得到提升，智能化建设后利润明显提高。2.1数据来源预处理石化公司调研数据，具体流程如图1所示。组件依赖树变更组件依赖分析输入变更组件名称待测组件列表调度算法批量测试任务调度(7)任务执行顺序测试算例集回归测试任务执行回归测试数据多维度测试报告图1企业调研数据预处理流程利用图1具有自适应性的CART分类器，分类数据属(9)性，找出调研数据中的指标数据。2.2石化公司智能程度评价构建自动化、数字化、智能化、价值化的二级指标判断矩11/93(10)5阵，分别为1/51/339155339(1/91/91/711/73 1(11)1/93 1 11/751/91/751/797(1/5205(r11r12r21r22791/91/735(1/939551319，最大特征值分335r16r26：rn6监控任务实时状态反馈回归测试数据(1/751355 91/95371(12)(13)Microcomputer Applications Vol.39,No.9,2023别为4.9 2 7、3.2 0 3、1.0 34、3.9 48，一致比率分别为0.0 9 3、0.073、0.0 2 7、0.0 7 3，都小于0.10。通过检验，得到二级指标层次权重。再计算石化企业智能评价的二级指标值比重，16个二级指标值比重分别为0.0 2 8 3、0.0 9 2 8、0.0 17 8、0.0 9 2 70.0173、0.0 2 6 3、0.0 452、0.0 543、0.0 6 3 6、0.0 19 3、0.0 9 2 7、0.0173、0.0 532、0.0 193、0.0 6 48、0.0 52 7，熵值分别为0.938 7 3、0.28368、0.2 7 16 3、0.6 39 6 2、0.37 2 6 3、0.9 37 41、0.2 8 0 0 2、0.73929、0.7 36 17、0.10 39 2、0.8 37 2 9、0.39 2 7 4、0.12 8 36、0.74628、0.3 9 2 7 8、0.3 7 9 6 2。石化公司二级指标权重如表1所示。表1智能评价二级指标权重计算结果指标熵权数据自动采集效果0.072设备自动监控效果0.084质量在线分析效果0.095运输自动定位效果0.091生产信息分析效果0.0670.054财务信息数据管理水平能源信息监测水平库存信息管理程度机器学习水平大数据平台使用程度工艺在线优化水平虚拟现实应用程度能源效率提升率库存自动预警效果工艺流程模拟效果先进控制系统使用效果一级指标判断矩阵为13(1/5139征值为0.6 35，一致比率为0.9 38 指标值比重分别为0.0 8 36、0.0625、0.0 2 93、0.0 538，熵值分别为0.2 98 37、0.7 2 8 36、0.10383、0.2 8 36 9、0.36 8 2 6，可得一级指标权重计算结果如表2 所示。表2 智能评价一级指标权重计算结果指标嫡权自动化0.384数字化0.203智能化0.393价值化0.1922.3实验结果分析该石化公司智能程度的最终评价值为7 9.9，位于第4个评价区间。公司智能水平处于集成级，表示公司完成了智能化准备工作，已经建成与公司竞争力相关的信息系统，实现10个业务领域信息系统的集成，向集成实施转变，评价结果与公司实际情况相符。由各个指标评价值可知，石化公司的数字化建设水平较低，信息分析效果、管理水平、监测水平有开发应用很大提升空间，公司应明确数字化水平所处地位，找到具体原因，改善数字化建设设施。3总结此次研究将机器学习作为评价指标之一，设计一种炼化企业智能程度自动化评价方法，定义企业智能化建设水平。但此次设计方法仍存在一定不足，在今后的研究中，会找到下一阶段智能化建设的努力方向，引人灰色信息的多层次模糊系统，加人多个模糊因素，通过灰色关联法，进一步提高评价结果的借鉴意义和参考价值。层次权重综合权重0.0850.0930.0390.0930.0840.0730.0680.0630.0530.0830.0370.0620.0370.0740.0520.0920.0390.0360.0750.0540.0820.0410.0390.0290.0640.0580.0750.0340.0490.0740.0850.063(1/751/31/91/31/5531/7层次权重综合权重0.2040.2940.3940.2990.2930.3430.1850.189微型电脑应用2 0 2 3年第39 卷第9 期参考文献1 李李灿辉.基于PSR模型的冶金矿山企业信息化水平测度研究 J.中国矿业，2 0 2 0，2 9（9）：17 5-18 1.2 郭阳，孔文佳，冯和宁，等.大数据挖掘用于电力企业评价体系构建 J.数学的实践与认识，2 0 19，49（8）：117-123.3徐建中，孙颖，孙晓光.基于权TOPSIS-PSO-ELM的制造企业绿色创新能力评价模型及实证研究 J.0.059运筹与管理，2 0 2 0,2 9(1)：131-140.0.0814苏越良，张馨丹.基于模糊影响图评价算法的创业企0.078业价值评估方法J.科技管理研究，2 0 2 0，40（3）：0.064206-212.0.0785张发明，李艾，韩媛媛.基于改进动态组合评价方法0.043的小微企业信用评价研究 J.管理学报，2 0 19，160.042(2):286-296.0.0366 黄俊伟，张晓月.基于客观组合赋权模型的企业专利0.039质量评价研究：以苏州市吴中区知识密集型企业为例0.071.科技管理研究，2 0 2 0，40（9)：133-141.7 尤筱玥，雷星晖，毛人杰，等.基于ITL-VIKOR扩展模型的供应商企业社会责任评价 J.管理学报，2 0 19，7，最大特8姜旭，胡雪芹.基于组合赋权模型的物流企业绩效评价指标体系构建研究J.管理评论，2 0 2 0，32（8）：304-313.9 张怀富，陶永宏，盛永祥.造船企业竞争力评价指数：基于范数灰关联度确定权重与动态功效系数法 J.科技管理研究，2 0 19,39（3）：7 1-7 6.10田红娜，孙钦琦.基于云模型的汽车制造企业绿色技术创新能力评价研究J.管理评论，2 0 2 0，32（2）：102-114.11DERYABIN S A,TEMKIN I O,ZYKOV S V.A-bout some Issues of Developing Digital Twins for theIntelligent Process Control in QuarriesJ.ProcediaComputerScience,2020,176:3210-3216.12ANDREEV V N,CHARUYSKAYAMA,KRYZH-ANOVSKAYA A S,et al.Application of IntelligentEngineering in the Planning of Cyber-physical Produc-tion Systems J.The International Journal of Ad-vanced Manufacturing Technology,2021,115(1/2):117-123.(收稿日期：2 0 2 1-11-19)206.16(12):1830-1840.