[0001] 本发明涉及人工智能领域，尤其涉及一种供应商钢板切割的智能评估方法及系统。

[0002] 随着数控技术的飞速发展，钢板数控切割已经取代了手工切割下料，在有效降低切割下料成本、提高切割下料效率的同时，提高了钢板切割下料的质量和精度。然而，如何利用计算机技术对数控下料质量和效果进行高效、高准确度的可靠评估，对于钢板切割的实际应用具有重要意义。现有技术中常常为人工进行钢板切割结果的逐指标检测，存在检测效率低，检测成本高的问题，同时，人工确定质检指标、制定质检标准，存在与切割需求不匹配，进而检测得到的结果无法为实际应用效果的评估提供有价值、有效参考的技术问题。研究利用计算机技术对钢板切割的质量和效果进行针对性的直观评估，对于钢板切割的实际运用、保证实际需求的各方面要求、最终提高下道工序的制作进度及整个工程的质量等均具有重要的意义。

[0003] 然而，现有技术通过人工对钢板切割结果进行逐指标检测，得到钢板切割质量检测结果，存在耗时长、效率低的问题，同时存在无法基于实际切割需求，对钢板切割效果进行针对性的直观、精确评价，从而导致切割评估结果可靠性低、可参考性差的技术问题。

[0026] 本发明通过提供一种供应商钢板切割的智能评估方法及系统，解决了现有技术通过人工对钢板切割结果进行逐指标检测，得到钢板切割质量检测结果，存在耗时长、效率低的问题，同时存在无法基于实际切割需求，对钢板切割效果进行针对性的直观、精确评价，从而导致切割评估结果可靠性低、可参考性差的技术问题。通过控制除钢板切割外的其他变量，实现了仅对钢板切割本身进行检测评估的技术目标，进一步对切割结果进行检测，并处理得到切割结果的评价指数，达到了对钢板切割效果进行直观量化评估、提高评估结果有效性、合理性和可参考性的技术效果。

[0027] 本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

[0028] 下面，将参考附图对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，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，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。

[0029] 本发明提供了一种供应商钢板切割的智能评估方法，所述方法应用于一种供应商钢板切割的智能评估系统，其中，所述方法包括：通过基于预设钢板要求筛选获得第一钢板，基于预设人员要求确定第一操控人员；所述第一操控人员对所述第一钢板进行切割，获得第一钢板切割结果；基于预设切割要求确定第一质检指标集，其中，所述第一质检指标集包括多个质检指标；基于智能检测模块，对所述多个质检指标依次进行检测，获得第一检测结果，其中，所述第一检测结果包括所述多个质检指标的多个检测结果；将所述第一检测结果上传至智能处理模块进行归一化处理，获得第一数据处理结果，其中，所述第一数据处理结果包括所述多个检测结果的多个处理结果；将所述多个处理结果升序排列获得第一升序列表，提取第一处理结果，其中，所述第一处理结果是指处于所述第一升序列表中第一位的处理结果；基于木桶定律，对所述第一处理结果进行均值计算，获得所述第一钢板切割结果的第一评价指数。

[0030] 在介绍了本发明基本原理后，下面将结合说明书附图来具体介绍本发明的各种非限制性的实施方式。

[0031] 实施例一

[0032] 请参阅附图1，本发明提供了一种供应商钢板切割的智能评估方法，其中，所述方法应用于一种供应商钢板切割的智能评估系统，所述方法具体包括如下步骤：

[0033] 步骤S100：基于预设钢板要求筛选获得第一钢板，基于预设人员要求确定第一操控人员；

[0034] 具体而言，所述一种供应商钢板切割的智能评估方法应用于所述一种供应商钢板切割的智能评估系统，可以通过控制非钢板切割本身外的其他影响切割质量的变量因素一致，仅对钢板切割效果本身进行直观的量化评价。

[0035] 其中，所述预设钢板要求是指对待切割钢板的基本质量要求，其中包括对钢板原材料、原材料存储、原材料运输等多方面的要求。举例如待切割钢板原材料由于运输、摆放不合理，或者吊装方式不合规等原因造成钢板板材本身变形，亦或是因为切割前钢板表面氧化层过后，没有妥善处理等对影响后续切割质量的情况。通过筛选获得符合所述预设钢板要求的任一待切割钢板，即所述第一钢板。进一步的，所述预设人员要求是指对所述第一钢板进行切割的、操作切割设备的切割操作人员的基本要求，包括切割人员经验、历史切割钢板质量、操作熟练度等的要求。举例如由于操作人员操作不熟练造成切割误差，并对整体切割质量产生不良影响等。通过分析确定符合所述预设人员要求的任一切割设备操作人员，即所述第一操控人员。

[0036] 通过筛选确定符合相关要求的第一操控人员和第一钢板，达到了为后续钢板切割提供人员和材料基础的技术效果。

[0037] 步骤S200：所述第一操控人员对所述第一钢板进行切割，获得第一钢板切割结果；

[0038] 具体而言，由筛选确定的第一操控人员，对筛选得到的第一钢板进行切割，并得到对应的切割结果，即所述第一钢板切割结果。通过分别确定符合基本要求的第一钢板和第一操控人员，从而得到对应控制了非切割本身外，其他影响切割质量的其他因素，仅得到受切割本身影响的切割结果，即所述第一钢板切割结果，达到了为后续对钢板切割后的质量评估提供一致的变量控制，进而降低非切割本身对整体切割效果评估结果的影响程度，从而提高切割评估准确性、可靠性的技术效果。

[0039] 步骤S300：基于预设切割要求确定第一质检指标集，其中，所述第一质检指标集包括多个质检指标；

[0040] 具体而言，基于钢板切割的要求确定对应的质检指标，并组成对应的第一质检指标集。举例如某客户要求切割的钢板尺寸的长*宽*高分别为2*1*0.1米，且要求长*宽*高切割精度在+0.005米，切割后的钢板切割断面粗糙度Ra≤12.5，那么对应的，判断该切割要求是否得到满足，可以通过直尺等对切割结果进行尺寸测量，可以利用触针法、光切法等对切割断面进行粗糙度检测等，即，将尺寸、断面粗糙度等作为检测切割结果是否满足该用户要求的质量检测指标。此外，基于客户实际需求确定预设切割要求，为实际钢板切割提供切割注意方向，避免切割效果不符合客户要求。进一步基于预设切割要求确定对应的质检指标，避免质检项目过多，造成质检时间长、质检效率低，且避免大量检测与客户需求无关的切割指标，导致南辕北辙，影响评估结果可靠性。通过基于客户需求确定预设切割要求，进而分析确定对应的质检指标，达到了为系统后续智能评估钢板切割效果提供指标检测参考，提高评估结果有效性的技术效果。

[0041] 步骤S400：基于智能检测模块，对所述多个质检指标依次进行检测，获得第一检测结果，其中，所述第一检测结果包括所述多个质检指标的多个检测结果；

[0042] 具体而言，所述智能检测模块内嵌于所述供应商钢板切割的智能评估系统中，且与各类智能检测设备通信连接，可实时接收各个智能检测设备的检测结果。举例如智能检测模块和某表面粗糙度测量仪通信连接，可以实时接收到表面粗糙度测量仪的检测结果；若智能检测模块和某一维传感器通信连接，通过平移该一维传感器，可以得到钢板切割后的平整度、是否凹陷等数据。通过所述智能检测模块，得到所述第一质检指标集中各个质检指标的检测结果，即组成所述第一检测结果，达到了为后续基于系统智能处理和分析钢板切割质量提供数据基础、提高评估结果可靠性的技术效果。

[0043] 步骤S500：将所述第一检测结果上传至智能处理模块进行归一化处理，获得第一数据处理结果，其中，所述第一数据处理结果包括所述多个检测结果的多个处理结果；

[0044] 具体而言，将所述智能检测模块智能化检测得到的第一检测结果，即所述第一质检指标集中各个指标的检测数据依次上传到所述智能处理模块中，经过所述智能处理模块的归一化处理分析，即得到所述各个质检指标的归一化处理结果，进而组成所述第一数据处理结果。其中，所述智能处理模块同样内嵌于所述供应商钢板切割的智能评估系统中。

[0045] 举例如智能检测模块得到某次钢板切割后得到的三个钢板长*宽*高分别为2.020*0.956*0.100米、2.018*0.990*0.089米、2.095*0.986*0.105米，对应三个钢板切割断面粗糙度Ra分别为12.450、12.190、12.240，对应三个钢板切割挂渣量分别为0.083g、
0.090g、0.089g，经过归一化处理得到该三个钢板的长分别为2.020/6.133＝0.329、2.018/
6.133＝0.329、2.095/6.133＝0.669，宽分别为0.956/2.932＝0.326、0.990/2.932＝
0.338、0.986/2.932＝0.326，高分别为0.100/0.294＝0.340、0.089/0.294＝0.303、0.105/
0.294＝0.357，切割断面粗糙度Ra分别为12.450/36.88＝0.338、12.190/36.88＝0.331、
12.240/36.88＝0.332，切割挂渣量分别为0.083/0.262＝0.317、0.090/0.262＝0.344、
0.089/0.262＝0.340。

[0046] 通过智能处理模块的归一化处理，实现了将不同质检指标、不同单位、不同数值范围的检测数据统一的目标，达到了为后续对比分析，并确定切割结果评价指数提供数据基础的技术效果。

[0047] 步骤S600：将所述多个处理结果升序排列获得第一升序列表，提取第一处理结果，其中，所述第一处理结果是指处于所述第一升序列表中第一位的处理结果；

[0048] 具体而言，将所述智能处理模块进行智能化归一化处理得到的第一数据处理结果进行整理，即，将所述多个处理姐u共进行升序排列，从而得到各个质检指标的排序结果，共同组成所述第一升序列表。进一步的，分别提取所述第一升序列表中各个升序结果的第一个处理结果，并将其作为对应钢板切割结果的评价结果，即所述第一评价指数。其中，所述第一个处理结果是指位于各升序列表首位的数据处理结果。

[0049] 举例如三个钢板的长度数据在升序处理后为：0.329、0.329、0.669；三个钢板的宽度数据在升序处理后为：0.326、0.326、0.338；三个钢板的高度数据在升序处理后为：0.303、0.340、0.357；三个钢板的切割断面粗糙度Ra数据在升序处理后为：0.331、0.332、
0.338；三个钢板的切割挂渣量数据在升序处理后为：0.317、0.340、0.344，进一步的，提取升序列表首位的0.329作为钢板长度处理结果，提取升序列表首位的0.326作为钢板宽度处理结果，提取升序列表首位的0.303作为钢板高度处理结果，提取升序列表首位的0.331作为钢板切割断面粗糙度Ra处理结果，提取升序列表首位的0.317作为钢板切割挂渣量处理结果。

[0050] 通过提取各质量指标检测结果中最大、最小两个处理数据，为后续评估钢板切割质量提供数据参考。

[0051] 步骤S700：基于木桶定律，对所述第一处理结果进行均值计算，获得所述第一钢板切割结果的第一评价指数。

[0052] 具体而言，所述木桶定律是指一个木桶能装载水的最大量由高度最低的那块木板决定，而不是高度最高的木板。根据这样的理论，针对预设切割需求，可以筛选钢板切割后各个质量指标对应处理结果，从而得到可以评估对应质量指标的处理结果，并将其均值计算结果作为该批次钢板切割结果的评估指数。

[0053] 举例如某次钢板切割后得到三个钢板，且基于前述方法提取到了的各指标的归一化处理数据，此时对预设切割要求进行分析，针对性确定一个处理结果作为对应质量指标的评估指数。当切割要求钢板切割后长度在2+0.005米时，则提取最小长度检测结果0.329，作为评价此次钢板切割长度质量的指数。同样的原理，将提取到的0.326、0.303、0.331、0.317分别作为钢板宽度、高度、切割断面粗糙度Ra和切割挂渣量的评估指数。进一步的，计算各个质量指标的平均值，即可得到所述第一钢板切割结果的第一评价指数。

[0054] 通过木桶定律思想，计算各质量指标最小处理结果的平均值，并将其作为第一评价指数，达到了将钢板切割质量进行直观量化的技术效果。

[0055] 进一步的，如附图2所示，本发明步骤S300还包括：

[0056] 步骤S310：基于大数据采集评价钢板切割质量的指标，组成第一指标集，其中，所述第一指标集包括多个指标；

[0057] 步骤S320：基于Pawlak粗糙集算法思想依次获得所述多个指标的多个权重系数；

[0058] 步骤S330：筛选所述多个权重系数中满足预设权重阈值的权重系数，并依次反向匹配对应指标，组成第一预选指标集，其中，所述第一预选指标集包括多个预选指标；

[0059] 步骤S340：根据所述预设切割要求对所述多个预选指标进行必要性分析，获得第一必要性分析结果，并根据所述第一必要性分析结果确定所述第一质检指标集。

[0060] 具体而言，在基于预设切割要求确定可以评估切割质量的指标时，先基于大数据采集所有可以评价预设切割要求中各要求的指标，组成所述第一指标集。进一步的，利用Pawlak粗糙集算法思想依次分析得到所述第一指标集中各指标的权重系数。其中，所述Pawlak粗糙集算法思想是指将待评估权重的质量指标在评估最终切割效果时对应指标的评价时删除，并分析删除后的评价结果和未删除时的评价结果，基于评价结果变化情况确定对应权重，其中，引起指标最终评价结果变化越大的指标的重要程度越高，对应权重越大，反之权重越小。

[0061] 进一步的，筛选所述多个指标的多个权重系数，仅保留权重系数较大的指标，作为评价的指标，即所述预选指标，组成对应的第一预选指标集。最后，基于预设切割要求，对所述第一预选指标集中各个预选指标进行必要性分析，从而再次筛选必要性达到要求的预选指标，并将筛选结果作为最终质检指标，即组成第一质检指标集。通过利用Pawlak粗糙集算法中的条件熵权重法对所有可以评价预设切割要求中各要求的切割效果的指标进行一次筛选，得到预选指标，进而基于预选指标对最终评价结果的影响程度和必要性程度，二次筛选得到第一质检指标集，达到了为后续评估钢板切割质量提供检测方向，同时缩小检测范围，提高系统检测性能和检测效率的技术效果。

[0062] 进一步的，如附图3所示，本发明步骤S340还包括：

[0063] 步骤S341：获得所述多个预选指标的第一预选指标；

[0064] 步骤S342：根据灰色关联度分析算法思想，计算所述第一预选指标与所述预设切割要求的第一关联度；

[0065] 步骤S343：判断所述第一关联度是否满足预设关联度阈值；

[0066] 步骤S344：若所述第一关联度满足预设关联度阈值，获得第一标记指令；

[0067] 步骤S345：根据所述第一标记指令对所述第一预选指标进行必要性标记，并组成所述第一质检指标集。

[0068] 具体而言，基于Pawlak粗糙集算法筛选得到的第一预选指标集，进行二次筛选得到最终评估的质量指标。首先针对所述第一预选指标集中的任一预选指标，即所述第一预选指标，将其与所述预设切割要求进行关联度分析，其中，分析方法为灰色关联度分析算法思想。然后筛选关联度符合预设关联度阈值的预选指标，并进行重要性标记，表明该预选指标为必要检测指标，而对于关联度不符合预设关联度阈值的预选指标则进行删除。最终所有标记了必要性的预选指标组成所述第一质检指标集。通过对权重筛选后的各预选指标再次进行重要性分析，达到了减小系统质检指标量，提高质检效率的技术效果。

[0069] 进一步的，本发明还包括步骤S800：

[0070] 步骤S810：获得第一切割设备，其中，所述第一切割设备是指所述第一操控人员对所述第一钢板进行切割时的设备；

[0071] 步骤S820：根据所述第一切割设备在切割时的控制指标，组成第一控制指标集，其中，所述第一控制指标集包括多个控制指标；

[0072] 步骤S830：在所述第一操控人员对所述第一钢板进行切割时，利用智能采集模块对所述多个控制指标依次进行控制参数采集，组成第一工艺参数集，其中，所述第一工艺参数集包括多个工艺参数；

[0073] 步骤S840：根据所述多个工艺参数与所述多个控制指标的一一对应关系，获得第一切割工艺，其中，所述第一切割工艺是指所述第一操控人员对所述第一钢板进行切割时的工艺。

[0074] 具体而言，在所述第一操控人员对所述第一钢板进行切割时，利用智能采集模块对所述第一操控人员控制第一切割设备情况进行智能采集。其中，所述智能采集模块同样内嵌于所述供应商钢板切割的智能评估系统中，可以智能化实时记录第一切割设备的控制参数、对应控制时间等信息。所述第一切割设备是指所述第一操控人员对所述第一钢板进行切割时的设备。为保证评估结果的准确有效性，应当保证所述第一设备性能良好、定期维护。进一步的，所述智能采集模块采集到的控制参数组成所述第一工艺参数集，且各个工艺参数与各个控制指标具有一一对应关系。最后基于工艺参数与控制指标的一一对应关系确定所述第一操控人员利用第一切割设备对所述第一钢板进行切割时的工艺，即所述第一切割工艺。

[0075] 通过智能采集模块智能化采集得到第一操控人员利用第一切割设备对第一钢板进行切割时的工艺，达到了将整个切割过程数据化、直观化的技术效果。

[0076] 进一步的，如附图4所示，本发明还包括步骤S850：

[0077] 步骤S851：将所述多个质检指标作为优化目标，利用Design Expert软件获得第一响应面优化试验方案；

[0078] 步骤S852：其中，所述多个控制指标作为因素，记作m因素，并依次为所述多个控制指标中的每个控制指标设置多个水平，记作n水平；

[0079] 步骤S853：其中，所述第一响应面优化试验方案为m因素n水平多目标优化的试验方案；

[0080] 步骤S854：根据所述第一响应面优化试验方案进行试验，获得第一试验结果，并根据所述第一试验结果，构建第一响应面模型；

[0081] 步骤S855：利用遗传算法对所述第一响应面模型进行多目标优化，获得第一优化结果，其中，所述第一优化结果是指对所述多个控制指标的优化结果；

[0082] 步骤S856：根据所述第一优化结果对所述第一切割工艺进行调整，获得第二切割工艺。

[0083] 进一步的，本发明步骤S854还包括：

[0084] 步骤S8541：根据所述第一响应面模型，获得所述多个质检指标的多个回归模型；

[0085] 步骤S8542：利用SPSS软件对所述多个回归模型依次进行方差分析，获得第一方差分析结果，其中，所述第一方差分析结果包括所述多个回归模型的多个方差分析结果；

[0086] 步骤S8543：依次获得所述多个方差分析结果的多个判定系数；

[0087] 步骤S8544：根据所述多个判定系数，对所述多个回归模型进行可靠性验证。

[0088] 具体而言，利用Design Expert软件设计第一响应面优化试验方案进行切割工艺优化，从而提高钢板切割质量。其中，所述第一响应面优化试验方案为m因素n水平多目标优化的试验方案，且，所述多个控制指标作为因素记作m因素，依次为所述多个控制指标中的每个控制指标设置的多个水平记作n水平。举例如将切割设备的切割速度、激光频率、激光功率、辅助气体作为切割影响因素，且切割速度对应20、40、60三个速度水平，激光频率对应500、1000、1500三个频率水平，激光功率对应500、600、700三个功率水平，辅助气体对应
0.4、0.5、0.6三个辅助气体水平。

[0089] 进一步的，基于所述第一响应面优化试验方案进行切割试验，并记录各切割数据，组成所述第一试验结果，并根据所述第一试验结果构建第一响应面模型。根据所述第一响应面模型得到所述多个质检指标的多个回归模型，并利用SPSS软件对所述多个回归模型依次进行方差分析，得到对应的方差分析结果。然后利用SPSS软件依次获得所述多个方差分析结果的多个判定系数，并根据所述多个判定系数，对所述多个回归模型进行可靠性验证。其中，判定系数R平方指在线性回归中，回归可解释离差平方和与总离差平方和之比值，其主要作用是评估回归模型对因变量产生变化的解释程度。最后利用遗传算法对所述第一响应面模型进行多目标优化，所述多个控制指标的优化结果组成所述第一优化结果。其中，遗传算法的优化目标为所述预设切割要求。最后，根据所述第一优化结果中的切割工艺，对所述第一切割工艺进行调整，调整后的切割工艺即所述第二切割工艺。

[0090] 通过响应面试验实现了对切割工艺的优化，达到了为后续提高钢板切割质量提供理论设备控制参数指导的技术效果。

[0091] 进一步的，本发明还包括步骤S857：

[0092] 步骤S8571：基于所述预设钢板要求筛选获得第二钢板，其中，所述第二钢板与所述第一钢板属同一批次；

[0093] 步骤S8572：根据所述第二切割工艺，所述第一操控人员对所述第二钢板进行切割，获得第二钢板切割结果；

[0094] 步骤S8573：利用所述智能检测模块对所述第二钢板切割结果进行检测，获得第二检测结果，其中，所述第二检测结果是指所述多个质检指标的多个检测结果；

[0095] 步骤S8574：将所述第二检测结果与所述第一检测结果进行对比，获得第一偏差信息；

[0096] 步骤S8575：若所述第一偏差信息不满足预设偏差阈值，对所述第一响应面优化试验方案进行调整。

[0097] 具体而言，同样的钢板筛选标准得到一个新的钢板，并基于优化得到的第一切割工艺再次进行切割，以验证试验和分析结果的可靠性和有效性。

[0098] 首先基于所述预设钢板要求筛选获得第二钢板，其中，为了保证试验结果的有效性，筛选的所述第二钢板与所述第一钢板属同一生产批次。然后同样由所述第一操控人员，利用所述第一切割设备对所述第二钢板进行切割，得到的切割结果即所述第二钢板切割结果。进一步的，利用所述供应商钢板切割的智能评估系统中的智能检测模块对所述第二钢板切割结果进行检测，包括所述多个质检指标的多个检测结果，所有检测结果组成所述第二检测结果。最后将所述第二检测结果与所述第一检测结果进行对比，得到两次切割结果偏差数据，其中包括所述多个质量检测指标的偏差数据，进而对各质量指标的数据分布差异进行计算，计算方法如下：

[0099]

[0100] 其中，Xi为实际钢板切割后各指标分布内第i种指标分析结果等级的占比，Yi为响应面试验中各指标分布内第i种指标分析等级的占比，n为实际钢板切割在响应面试验的指标检测结果中的分布等级的数量。

[0101] 当所述第一偏差信息不满足预设偏差阈值时，说明试验结果准确性未达标，此时对所述第一响应面优化试验方案进行调整，之后再次进行切割试验、分析等步骤。

[0102] 通过以响应面试验得到的切割工艺进行实际钢板切割，从而验证优化工艺与试验理论之间的偏差，即质检指标实际的稳定性情况，达到了基于实际切割验证理论、确保切割工艺合理性、有效性的技术效果。

[0103] 综上所述，本发明所提供的一种供应商钢板切割的智能评估方法具有如下技术效果：

[0104] 1.首先在控制待切割钢板、切割操作人员等变量的基础上，获得第一钢板切割结果；然后基于钢板切割的预设切割要求，智能化分析处理，最终确定第一质检指标集，并将其作为评估所述第一钢板切割结果的分指标；进一步利用智能检测模块对第一质检指标集中各指标进行检测，得到对应第一检测结果；最后利用智能处理模块对第一检测结果中各个质检指标的测试结果进行处理，并对比分析得到所述第一钢板切割结果的第一评价指数。通过控制除钢板切割外的其他变量，实现了仅对钢板切割本身进行检测评估的技术目标，进一步对切割结果进行检测，并处理得到切割结果的评价指数，达到了对钢板切割效果进行直观量化评估、提高评估结果有效性、合理性和可参考性的技术效果。

[0105] 2.通过Pawlak粗糙集算法和灰色关联度分析算法对评估切割质量的指标进行两次筛选，最终确定评估指标集，达到了缩小质检范围、提高检测效率和系统检测性能，并为后续评估钢板切割质量提供科学、合理的检测方向的技术效果。

[0106] 3.通过响应面试验实现了对切割工艺的优化，达到了为后续提高钢板切割质量提供理论设备控制参数指导的技术效果。此外，通过智能采集模块采集第一操控人员利用第一切割设备对第一钢板进行切割时的工艺，实现了将整个切割过程数据化、直观化的技术目标，进而利用群体稳定性指标对比基于第一切割工艺和第二切割工艺的切割结果，达到了基于实际切割验证理论最优工艺，从而确保切割工艺合理性、有效性的技术效果。

[0107] 实施例二

[0108] 基于与前述实施例中一种供应商钢板切割的智能评估方法，同样发明构思，本发明还提供了一种供应商钢板切割的智能评估系统，请参阅附图5，所述系统包括：

[0109] 第一获得单元11，所述第一获得单元11用于基于预设钢板要求筛选获得第一钢板，基于预设人员要求确定第一操控人员；

[0110] 第二获得单元12，所述第二获得单元12用于所述第一操控人员对所述第一钢板进行切割，获得第一钢板切割结果；

[0111] 第一确定单元13，所述第一确定单元13用于基于预设切割要求确定第一质检指标集，其中，所述第一质检指标集包括多个质检指标；

[0112] 第三获得单元14，所述第三获得单元14用于基于智能检测模块，对所述多个质检指标依次进行检测，获得第一检测结果，其中，所述第一检测结果包括所述多个质检指标的多个检测结果；

[0113] 第四获得单元15，所述第四获得单元15用于将所述第一检测结果上传至智能处理模块进行归一化处理，获得第一数据处理结果，其中，所述第一数据处理结果包括所述多个检测结果的多个处理结果；

[0114] 第一提取单元16，所述第一提取单元16用于将所述多个处理结果升序排列获得第一升序列表，提取第一处理结果，其中，所述第一处理结果是指处于所述第一升序列表中第一位的处理结果；

[0115] 第一设置单元17，所述第一设置单元17用于基于木桶定律，对所述第一处理结果进行均值计算，获得所述第一钢板切割结果的第一评价指数。

[0116] 进一步的，所述系统还包括：

[0117] 第一组成单元，所述第一组成单元用于基于大数据采集评价钢板切割质量的指标，组成第一指标集，其中，所述第一指标集包括多个指标；

[0118] 第五获得单元，所述第五获得单元用于基于Pawlak粗糙集算法思想依次获得所述多个指标的多个权重系数；

[0119] 第二组成单元，所述第二组成单元用于筛选所述多个权重系数中满足预设权重阈值的权重系数，并依次反向匹配对应指标，组成第一预选指标集，其中，所述第一预选指标集包括多个预选指标；

[0120] 第二确定单元，所述第二确定单元用于根据所述预设切割要求对所述多个预选指标进行必要性分析，获得第一必要性分析结果，并根据所述第一必要性分析结果确定所述第一质检指标集。

[0121] 进一步的，所述系统还包括：

[0122] 第六获得单元，所述第六获得单元用于获得所述多个预选指标的第一预选指标；

[0123] 第一计算单元，所述第一计算单元用于根据灰色关联度分析算法思想，计算所述第一预选指标与所述预设切割要求的第一关联度；

[0124] 第一判断单元，所述第一判断单元用于判断所述第一关联度是否满足预设关联度阈值；

[0125] 第七获得单元，所述第七获得单元用于若所述第一关联度满足预设关联度阈值，获得第一标记指令；

[0126] 第三组成单元，所述第三组成单元用于根据所述第一标记指令对所述第一预选指标进行必要性标记，并组成所述第一质检指标集。

[0127] 进一步的，所述系统还包括：

[0128] 第八获得单元，所述第八获得单元用于获得第一切割设备，其中，所述第一切割设备是指所述第一操控人员对所述第一钢板进行切割时的设备；

[0129] 第四组成单元，所述第四组成单元用于根据所述第一切割设备在切割时的控制指标，组成第一控制指标集，其中，所述第一控制指标集包括多个控制指标；

[0130] 第五组成单元，所述第五组成单元用于在所述第一操控人员对所述第一钢板进行切割时，利用智能采集模块对所述多个控制指标依次进行控制参数采集，组成第一工艺参数集，其中，所述第一工艺参数集包括多个工艺参数；

[0131] 第九获得单元，所述第九获得单元用于根据所述多个工艺参数与所述多个控制指标的一一对应关系，获得第一切割工艺，其中，所述第一切割工艺是指所述第一操控人员对所述第一钢板进行切割时的工艺。

[0132] 进一步的，所述系统还包括：

[0133] 第十获得单元，所述第十获得单元用于将所述多个质检指标作为优化目标，利用Design Expert软件获得第一响应面优化试验方案；

[0134] 第二设置单元，所述第二设置单元用于其中，所述多个控制指标作为因素，记作m因素，并依次为所述多个控制指标中的每个控制指标设置多个水平，记作n水平；

[0135] 第三设置单元，所述第三设置单元用于其中，所述第一响应面优化试验方案为m因素n水平多目标优化的试验方案；

[0136] 第一构建单元，所述第一构建单元用于根据所述第一响应面优化试验方案进行试验，获得第一试验结果，并根据所述第一试验结果，构建第一响应面模型；

[0137] 第十一获得单元，所述第十一获得单元用于利用遗传算法对所述第一响应面模型进行多目标优化，获得第一优化结果，其中，所述第一优化结果是指对所述多个控制指标的优化结果；

[0138] 第十二获得单元，所述第十二获得单元用于根据所述第一优化结果对所述第一切割工艺进行调整，获得第二切割工艺。

[0139] 进一步的，所述系统还包括：

[0140] 第十三获得单元，所述第十三获得单元用于根据所述第一响应面模型，获得所述多个质检指标的多个回归模型；

[0141] 第十四获得单元，所述第十四获得单元用于利用SPSS软件对所述多个回归模型依次进行方差分析，获得第一方差分析结果，其中，所述第一方差分析结果包括所述多个回归模型的多个方差分析结果；

[0142] 第十五获得单元，所述第十五获得单元用于依次获得所述多个方差分析结果的多个判定系数；

[0143] 第一执行单元，所述第一执行单元用于根据所述多个判定系数，对所述多个回归模型进行可靠性验证。

[0144] 进一步的，所述系统还包括：

[0145] 第十六获得单元，所述第十六获得单元用于基于所述预设钢板要求筛选获得第二钢板，其中，所述第二钢板与所述第一钢板属同一批次；

[0146] 第十七获得单元，所述第十七获得单元用于根据所述第二切割工艺，所述第一操控人员对所述第二钢板进行切割，获得第二钢板切割结果；

[0147] 第十八获得单元，所述第十八获得单元用于利用所述智能检测模块对所述第二钢板切割结果进行检测，获得第二检测结果，其中，所述第二检测结果是指所述多个质检指标的多个检测结果；

[0148] 第十九获得单元，所述第十九获得单元用于将所述第二检测结果与所述第一检测结果进行对比，获得第一偏差信息；

[0149] 第二执行单元，所述第二执行单元用于若所述第一偏差信息不满足预设偏差阈值，对所述第一响应面优化试验方案进行调整。

[0150] 本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种供应商钢板切割的智能评估方法和具体实例同样适用于本实施例的一种供应商钢板切割的智能评估系统，通过前述对一种供应商钢板切割的智能评估方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种供应商钢板切割的智能评估系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

[0151] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

[0152] 示例性电子设备

[0153] 下面参考图6来描述本发明的电子设备。

[0154] 图6图示了根据本发明的电子设备的结构示意图。

[0155] 基于与前述实施例中一种供应商钢板切割的智能评估方法的发明构思，本发明还提供一种供应商钢板切割的智能评估系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种供应商钢板切割的智能评估方法的任一方法的步骤。

[0156] 其中，在图6中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。

[0157] 处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

[0158] 本发明提供了一种供应商钢板切割的智能评估方法，所述方法应用于一种供应商钢板切割的智能评估系统，其中，所述方法包括：通过基于预设钢板要求筛选获得第一钢板，基于预设人员要求确定第一操控人员；所述第一操控人员对所述第一钢板进行切割，获得第一钢板切割结果；基于预设切割要求确定第一质检指标集，其中，所述第一质检指标集包括多个质检指标；基于智能检测模块，对所述多个质检指标依次进行检测，获得第一检测结果，其中，所述第一检测结果包括所述多个质检指标的多个检测结果；将所述第一检测结果上传至智能处理模块进行归一化处理，获得第一数据处理结果，其中，所述第一数据处理结果包括所述多个检测结果的多个处理结果；将所述多个处理结果升序排列获得第一升序列表，提取第一处理结果，其中，所述第一处理结果是指处于所述第一升序列表中第一位的处理结果；基于木桶定律，对所述第一处理结果进行均值计算，获得所述第一钢板切割结果的第一评价指数。解决了现有技术通过人工对钢板切割结果进行逐指标检测，得到钢板切割质量检测结果，存在耗时长、效率低的问题，同时存在无法基于实际切割需求，对钢板切割效果进行针对性的直观、精确评价，从而导致切割评估结果可靠性低、可参考性差的技术问题。通过控制除钢板切割外的其他变量，实现了仅对钢板切割本身进行检测评估的技术目标，进一步对切割结果进行检测，并处理得到切割结果的评价指数，达到了对钢板切割效果进行直观量化评估、提高评估结果有效性、合理性和可参考性的技术效果。

[0159] 本发明还提供一种电子设备，其中，包括处理器和存储器；

[0160] 该存储器，用于存储；

[0161] 该处理器，用于通过调用，执行上述实施例一中任一项所述的方法。

[0162] 本发明还提供一种计算机程序产品，包括计算机程序和/或指令，该计算机程序和/或指令被处理器执行时实现上述实施例一中任一项所述方法的步骤。

[0163] 本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外，本发明为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于：U盘、移动硬盘、只读存储器(Read‑Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁盘存储器、只读光盘(Compact Disc Read‑Only Memory，简称CD‑ROM)、光学存储器等各种可以存储程序代码的介质。

[0164] 本发明是参照本发明的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。

[0165] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

[0166] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。

[0167] 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。