(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210840007.9 (22)申请日 2022.07.18 (71)申请人 南京大学 地址 210023 江苏省南京市栖霞区仙林大 道163号南京大学 (72)发明人 窦万春　许悦玥　刘博文　蒋旭桐　 (74)专利代理 机构 江苏圣典律师事务所 32 237 专利代理师 胡建华　于瀚文 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/08(2012.01) (54)发明名称 关于工业互联网业务过程行为协同聚合的 智能化提升方法 (57)摘要 本发明提供了关于工业互联网业务过程行 为协同聚合的智 能化提升方法， 包括以下步骤： 步骤1： 数据采集。 采集配件数据以及外协厂商与 配件相关的生产数据。 步骤2： 数据预处理。 数据 清洗后进行归一化处理， 统一数据的数量级， 去 除纲量。 步骤3： 横向多指标评价。 针对每类配件 与外协厂商协同的一对多关系， 进行横向 的多指 标评价。 步骤4： 纵向协同聚合。 需求驱动， 针对所 有配件与外协厂商协同的多对多关系， 进行纵向 的协同聚合。 步骤5： 确认协同关系。 根据步骤4确 定的协同策略， 与外协厂商确认协同关系， 录入 业务过程相关数据。 本发明方法能够自适应迭代 求解复杂优化问题， 确定协同聚合策略， 实现业 务过程行为协同聚合的智能化 提升。 权利要求书3页 说明书11页 附图2页 CN 115187089 A 2022.10.14 CN 115187089 A 1.关于工业互联网业务过程行为协同聚合的智能化提升方法， 其特征在于， 包括以下 步骤： 步骤1， 采集数据： 采集配件数据以及外协厂 商与配件相关的生产数据； 步骤2， 数据预处 理： 进行数据清洗， 数据清洗后进行归一 化处理； 步骤3， 横向多指标评价： 针对每类配件与外协厂商协同的一对多关系， 进行横向的多 指标评价； 步骤4， 纵向协同聚合： 针对所有配件与外协厂商协同的多对多关系， 进行纵向的协同 聚合， 确定协同策略； 步骤5， 确认协同关系： 根据步骤4确定的协同策略， 与外协厂商确认协同关系， 录入业 务过程相关数据。 2.根据权利要求1所述的方法， 其特征在于， 步骤1中， 设需外协生产的M种配件集合记 为X＝{x1,x2,...,xM}， xM表示需外协生产的第M种配件， N个外协厂商集合记为Y＝{y1, y2,...,yN}， yN表示第N个外协厂 商， M、 N取值均为自然数。 3.根据权利要求2所述的方法， 其特征在于， 步骤2中， 基于切比雪夫定理识别噪声数 据， 进行数据清洗， 首先计算出属性值的均值 μ和标准差σ， 由切比雪夫定理， 总体均值概率P 的置信区间为 如果数据位于置信区间外， 则判定为噪声数据， 然后删 除噪声数据。 4.根据权利要求3所述的方法， 其特征在于， 步骤2中， 归一化处理采用线性函数归一 化： 其中， d为归一化后的属性值， dmax为原数据中该属性的最大值， dmin为原数据中该属性 的最小值， dori为原数据属性 值， dori∈[0,∞)， d∈[0,1]。 5.根据权利要 求4所述的方法， 其特征在于， 步骤3中， 对于需外协生产的第i种配件xi， i ∈{1,2,…,M}， 有ni个外协厂商能够协同生产该配件xi， 这ni个外协厂商称为配件xi的可协 同外协厂商， 配件xi的可协同外协厂商的集合记作Yi， 其中第j个可协同外协厂商yj对于配 件xi的参与横向评价的t个属性值， 经过归一化处理后的指标集合为 yj∈Yi， 集合中的 代表归一化 处理后的第 t种属性值， 每种配件的可协同外协厂商的横向 多指标评价得分由t个属性 值加权计算： 是对于配件xi、 外协厂商yj的横向多指标评价得分， αk为第k个指标的权重， k∈{1, 2,…,t}。 6.根据权利要求5所述的方法， 其特 征在于， 步骤4包括： 步骤4‑1， 配件集合与外协厂商之间的协同决策由M ×N的矩阵O＝[oij]M×N表示， 矩阵中 第i行第j列的元 素oij表示配件 xi是否由外协厂 商yj生产：权　利　要　求　书 1/3 页 2 CN 115187089 A 2协同网络规模值s由配件集 合中所有配件涉及协同的外协厂 商而定， 公式为： 其中 ， s ig h 表 示 符 号 函 数 ， 当 当 当 结合横向的多指标评价， 纵向聚合协同的智能化 提升优化目标表示 为： 其中maximize为最大化函数， 表示求一个符合C1、 C2、 C3、 C4约束的协同策略O＝ [oij]M×N， 使得优化目标G最大； ωv是多指标评价得分， ωs是协同网络规模的权重； s.t.表示 受限制于： 步骤4‑2， 采用改进的自适应遗传算法， 将协同策略映射为算法中的染色体个体， 采用 二进制编码方法进行染色体编码， 每 个染色体 个体表示为一个二进制串； 步骤4‑3， 根据步骤4 ‑1中的优化目标， 采用适应度函数， 每个染色体的个体适应度由其 映射的协同策略计算； 步骤4‑4， 交叉操作对染色体进行部分位交换， 变异操作随机改变染色体的部分位， 自 适应交叉与变异产生 新的协同策略； 步骤4‑5， 记录种群中当前适应度最高的个体， 即当前较优的合作策略： 判断迭代次数 是否达到预设值； 如果未达到预设值， 则继续执行步骤4 ‑3～步骤4 ‑4， 迭代搜索优化解； 否 则将当前适应度最高的染色体 个体解码， 采用其映射的协同策略。 7.根据权利要求6所述的方法， 其特征在于， 步骤4 ‑2中， 协同策略O＝[oij]M×N映射的二 进制串位数W 为： 设定种群规模为R， 初始化随机生成R条染色体个体； 染色体种群记为CH＝{ch1,ch2,…, chR}， 其中chr表示第r个染色体个体， 表示为chr＝{b1,b2,…,bW}， bW代表第W个二进制位， r ＝{1,2,…,R}， 每个染色体 个体能够映射 为一个协同策略。 8.根据权利要求7 所述的方法， 其特 征在于， 步骤4 ‑3中， 适应度函数 F(chr)为：权　利　要　求　书 2/3 页 3 CN 115187089 A 3