面向流程企业的原料量价预警系统 技术领域 本发明涉及一种面向流程企业的原料量价预警系统，属制造与自动化技术领域。
背景技术 流程工业是指通过混合、分离、成型或化学反应使生产原材料增值的制造行业，其生产过程一般是连续的或成批的，在国民经济中占有极高的比例。流程企业的原料供应工作有其特殊性，具体表现在原料来源广；成分复杂；价格不一；生产对原料的质量有要求；由于产品单一，生产规模大，对原料的需求量大；原料采购占用了企业大量的流动资金；生产的连续性要求企业有合理的原料库存等方面。同时，在市场经济的大环境下，企业产品市场价格和原料的市场价格变化快，如果不能够及时地根据产品市场价格变化情况调整原料的采购策略调整，企业可能会出现利润降低甚至亏损的情况。
目前使用的原料预警系统尚存在一些问题，如：尚无对原料采购系统的预警研究，预警状态偏重定量指标，忽视定性指标，因此容易失去预警信息；预警模型一般采用单一的直线外推、指数平滑、回归分析、移动平均、灰色预测等模型，而对于高度非线性系统难以处理；预警线和预警区域采用确定方式，缺少自适应、自学习能力；预警信息和知识获取是间接的，费时而且效率低；预警系统的建立是离线和非实时的，难以适应在线定时预警要求。预警所需要的信息种类较多，模型需要有处理各种信息的能力，但常见地预警方法往往是有针对性的，模型包容能力较差。
【发明内容】
为了降低流程企业的采购成本和物流成本，并且提高企业对市场和最终顾客需求的响应速度，从而提高企业的市场竞争能力，以适应不断变化的市场需求，本发明立足于企业在节约采购成本和满足生产条件方面的需求，着重于企业供需链的优化管理，提供一种原料量价预警系统。
智能集成实时预警系统是指集成了一种或多种人工智能方法的，能够实时预报警度的管理系统。智能集成实时预警系统包括两个方面的概念，一方面是充分利用人工智能方法的优点，并结合一些传统的方法对目标进行预警，以克服传统预警方法中的一些缺点。
另一方面是可以实时取得信息，并可以根据这些信息及时发出预警信息供决策者使用。
本发明首先建立一个企业预警指标体系，根据所设定的预警指标，通过信息收集模块收集各种与被预警对象有关的可变因素的定量信息和定性信息；定量信息经数据处理模块处理后，再通过集成预测模块进行分析处理；集成预测模块对实时信息进行分析处理包括纵向预测、横向预测和综合评价三个部分：所述纵向预测，采用神经网络的反向传播学习算法(BP算法)作为预测模型，所述横向预测，使用灰色预测的方法，所述综合评价就是对上述两种方法的预测结果采用简单平均法进行综合；而信息收集模块收集的定性信息由智能集成分析模块进行分析，如利用专家知识，得出专家结论，利用模糊方法将定性的因素定量化，得出模糊结论，或利用模式识别方法将信息进行分类分析；智能决策模块根据集成预测模块和智能集成分析模块提供的决策信息，应用人工智能技术进行分析处理，发出预警信息，智能决策模块采取专家系统、模糊控制以及模式识别的方式，将智能计算以及智能分析的结果进行综合，得出预警警限和警域，同时将实时数据与设定的警限进行比较，根据落在警域的区间预报警度；知识库模块则对智能集成分析模块和智能决策模块进行知识的储备与管理。
下面结合附图对本发明作进一步的说明。
预警指标体系：在预警工作的开始，必须确定一个预警指标体系，它是判断警度的基础。该体系中指标的选取应该符合下面的标准：能够反映对象当前的发展状况；数据能够及时准确地得到。将达到企业盈亏平衡点的原料采购价格作为预警系统的警限。根据预警系统指标体系确定的标准，可以建立针对流程企业原料采购的预警指标体系统如表1所示。
表1中列出的只是与该类企业的原料采购预警系统相关的一些指标，不同的企业可以根据自身情况的不同进行调整和补充。因为指标体系的量纲不同，企业还可以根据实际情况，建立一个综合指标体系，即将上面的指标进行一些结合，制定出适合本企业的原料采购智能集成量价实时预警系统指标体系。
表1原料采购智能集成实时预警系统指标体系警 源 警情指标警 源 警情指标组织管理 组织机构人事安排合理度采购管理 原料采购量财 务 管理费用 生产期间费用 销售费用生产管理 原料消耗量 劳动生产率 生产成本市 场 产品价格 原料价格外部环境 国家政策情况 国内外同类企业情况等
数据处理模块：该模块的主要任务是对实时数据进行处理，供智能集成预测模块使用。
在智能集成原料采购量价实时预警系统中，智能集成预测是一个非常关键的部分，预测的结果将直接影响到预警结果的正确性。同时还要注意到，预警的基础是信息，包括定性的和定量的，没有准确的信息，预警只能是空谈。因此智能集成实时预警模块中的信息收集部分所需要收集的信息面要广，尽可能地收集一些与产品及原料价格有关的有用信息。
对于那些定量的数据，主要送到预测模型中进行处理，而对于定性的信息，一般要送到预警模块的智能集成分析部分中进行处理。在这个部分中，可以利用模式识别的方法对信息进行分类，然后通过模糊专家系统对信息进行分析处理，得到这些信息对于产品及原料价格变化趋势的影响情况。智能综合决策模块能够根据知识库里的专家经验，判断智能计算模块预测结果的正确性，发出预警信息，同时可以调整信息收集的力度。
信息收集模块：在智能集成预警系统中，信息收集是一个最基本的部分，它主要负责各种与被预警对象有关的可变因素的收集工作，所收集的信息包括实时的定量信息和与被预警对象有关的定性信息，是整个预警系统工作的基础，没有了信息，就不可能进行预警工作。
集成预测模块：该模块采用智能集成的计算方法对定量的数据进行处理，主要是进行一些预测计算，包括纵向预测、横向预测和综合及评价三个部分，智能集成预测的结果将为智能综合决策提供基础。
对于纵向预测，由于数据点较多，采用了神经网络的反向传播学习算法(BP算法)作为预测模型，其优点是可以根据已知的数据，利用神经网络具有自学习，自推理的特点对下一时间点的数值进行预测。它的预测结果反映的足由于时间的延续性对于预测点数据的影响。
对于横向预测，由于时间点较少，使用了灰色预测的方法。其优点是利用灰色模型可以用较少的数据点对数据的变化进行预测。预测的结果可以看成季节的变化对于预测点数据的影响。
对于以上两种方法的预测结果，最后要进行综合，以求得最终的预测结果。这里使用的是等权组合方法。
智能集成分析模块：该模块采用智能集成的分析方法，包括模糊控制、专家系统和模式识别的方法对信息收集模块提供的定性信息进行分析。利用专家知识，得出专家结论；利用模糊方法将定性的因素定量化，得出模糊结论；或利用模式识别方法将信息进行分类分析。智能集成分析模块的结论提供给智能决策模块，为智能决策提供依据。
智能决策模块：智能决策模块主要包括两大部分：实时监视部分和智能决策部分。
实时监视部分主要实时取得数据。对于在实时监视过程中出现有警的情况，需要根据数据对预测模型进行调整。考虑到这时更加偏重于由于时间延续性对模型的影响，因此只对纵向预测模型进行调整，将出现有警状况时的数据代入神经网络中，调整神经元的权值，重新进行预测，将预测结果再与横向预测的结果进行综合，最后将综合结果送入智能综合实时决策模块，重新制定警限和警域，为下阶段的预警工作服务。模型修正的流程图如附图2所示。
智能决策包含两个方面的决策，一方面是阶段性决策，就是根据历史数据得出阶段性(今后一段时期)的警限，一般可以采取专家系统、模糊控制或模式识别的方式，将智能计算以及智能分析的结果进行综合，得出预警警限和警域；另一个方面则是实时决策部分，将实时数据与设定的警限进行比较，根据落在警域的区间预报警度。在无警的情况下，继续进行监视；在有警的情况下，就需要对智能集成预测模块进行修正，为下一阶段的预测工作做准备。同时，智能决策模块还要输出警度以及决策信息。
输出的警度即预警信号分为三种：无警，表示预警的现象不会发生；小警，表示预警的现象将要或有可能发生；大警，表示预警的现象已经发生。根据不同的警度，输出的决策信息也有不同，在无警情况下，可以继续或停止对系统进行监测；在小警情况下，需要更多详细的信息以及加强对系统的监测；在大警情况下需要对已有的决策进行调整。
知识库模块：知识库模块主要包括综合决策知识库和定性分析知识库，综合决策知识库主要包括进行预报精度及决策时需要用到的知识即数据，定性分析知识库包括进行定性分析时所要用到的知识即数据。
其他模块：在图中还有一个数据处理模块，该模块的主要任务是对实时数据进行合理性校验，供智能集成预测模块使用。
与传统方法相比，本发明主要有以下优点：
充分利用智能方法的自学习、自适应能力，以克服传统方法在预警方面的不足；采用的预测方法考虑了时间的延续性和季节性两方面的因素，对时间序列进行横向和纵向处理，最后进行综合；还可以根据实时信息对警限和警域进行调整；将传统的方法与智能的方法进行集成，提出了智能集成实时预警系统的结构框架和工作流程。本发明对于原料供应保证问题突出的流程企业具有相当大的实用价值和吸引力，对于提高物流效率，降低采购操作成本和物流成本有实际意义；同时，系统提供的原料信息管理模块为信息查询、发布、管理和维护提供了便捷可靠的解决方案，实现了信息的透明化和公开化。
【附图说明】
图1：本发明结构和流程示意图；
图2：模型修正流程示意图；
【具体实施方式】
1.本发明应用于某锌冶炼厂原料管理系统的一部份，主要流程如下：
(1)预警指标
建立预警系统前，根据前面章节中提到的预警指标体系选取得原则，可以选取K作为预警的指标。
K＝(((Ps-CM)/Tax-Cp)×η-Pb (1)
该指标公式由生产过程的保本成本的经验公式转化而来，其中Ps为企业产品的销售价格，CM为管理费用，Tax为增值税，Cp为加工费用，η为回收率，Pb为原料采购价格。
这个指标不仅可以准确地得到各个时间点上的数值，可以直接反映原料采购的合理性，而且它将前面提到的一些预警指标有机地结合在一起，克服了这些指标在量纲上的不统一的缺陷。
表2原料采购预警系统警度评价标准等 级 无 警 小 警 大 警综合评价值 K＞800 0＜K≤800 K≤0
(2)成本分析
以该厂锌冶炼系统为例分析产品的成本，可分为以下几项：
①原料采购成本；②电解锌的生产成本；③生产管理成本；④期间费用；⑤其它成本因素
根据以上数据，除去采购成本以及期间费用，从精矿到成品的加工费用约为2300-2700元/t锌。
(3)警限确定
由于原料采购智能集成实时预警系统是以企业的盈亏平衡点作为目标进行预警的，因此，在该厂的原料采购实时预警系统中，将达到企业盈亏平衡点的原料采购价格作为系统的警限。
对于企业而言，有一些成本每年是相对不变的，如车间经费等，而有些经费的变化较大，如管理费用、财务费用及销售费用。为了得到企业的总收入和成本，需要对产品价格以及生产成本进行预测，在本章中采用了智能集成的方法对产品价格进行预测。
对于原料采购预警系统来说，智能集成计算的部分主要是指对于价格预测，包括原料价格预测和产品价格预测两个部分。
在横向预测中，采用灰色预测方法，利用预测公式，由前三年的数据对当年的锌精矿价格和产品价格进行横向预测。经过残差修正，可以得到预测数据的序列。
在进行纵向预测时，利用神经网络的方法对前三年的数据进行学习。本系统中选用了6输入，1输出，隐含层有6个节点的三层BP网络。
同样，分别采用两种方法对铅精矿的采购价格和电铅的实际价格进行预测。
将两组预测数据进行综合后的结果与实际值进行比较，从对比结果中可以看出，智能集成预测方法可以进行较精确的预测。根据前面提出的评价指标进行计算，也可以得出智能集成预测具有较高精度的结论。
根据原料以及产品价格的预测结果，可以得到当年一月锌精矿采购的警限为5100元/吨金属量，在此基础上，就可以进行K的计算。
假设该厂当月的锌回收率为89％，其余管理费用约为1000元/吨锌，同期的增值税为1.17，可以预测出K＝5100-3901＞800，得到一月份为无警的结论，可以继续按照原来的采购策略进行原料采购活动。