入境钢材优选抽样方法及装置与流程

1.本发明涉及庞特里亚金极值原理和贝叶斯定理领域，尤其涉及一种入境钢材优选抽样方法及装置。


背景技术：

2.入境钢材优选抽样的过程从抽样本源出发建立相关函数关系式，然后运用数学中的一种巧妙求极值方法，即庞德里亚金极值原理，最后结合实际情况，增加了充分知道历史到货抽样质量情况，运用贝叶斯公式求出最优概率，从而适当调整抽样数，使得以最少的抽样数获得最优抽样效果。
3.入境钢材检验的抽样和普通的工厂抽样单纯寻找不合格品、废品不同，许多时候，特别是对一些高端高价值的钢材，每抽取一块都可能造成用户的损失，所以，如何以最小的抽样数量获得最大的质量保证，即以最优最高概率找到足够多的缺陷产品，从而判断批质量合格或者不合格，这才是入境钢材抽样工作的目标，现在钢材抽样有国家推荐标准gb/t 2828，但还是存在先天不足：一、就是以前的都是基于随机抽样这个前提，其实与入境的钢材的抽样特点并不符合。二、以前的技术都是基于概率数理统计理论和公式，但数理统计是事后统计用的，不是完全适合用于特定场合的预测性工作，尤其和入境钢材抽样差之甚远，简单来说，不合格产品服从随机分布，但入境钢材抽样的过程是一种专挑缺陷的有意识行为，并且不需要把全部不合格产品挑出来，为了让这种行为科学和准确，必须建立正确的数学抽样方法。因此，对于入境钢材抽样这样特定场景的抽样适用性不足。


技术实现要素：

4.为了解决上述问题，本发明提供了一种入境钢材优选抽样方法及装置，可以提高对于入境钢材抽样这样特定场景的抽样适用性。
5.第一方面，本发明提供了一种入境钢材优选抽样方法，包括：
6.采集入境钢材的钢材总件数，计算所述钢材总件数的相对增长率，基于所述钢材总件数，利用下述公式计算所述入境钢材的不合格概率：
[0007][0008]
其中，u(t)表示不合格概率，y(t)表示从入境钢材的钢材总件数中抽样时抽中的不合格数量，t表示初始抽样数目，x(t)表示钢材总件数，
[0009]
确定所述相对增长率与所述不合格概率之间的加权因子；
[0010]
利用所述加权因子识别所述相对增长率与所述不合格概率之间的关联函数，并利用所述加权因子构建所述钢材总件数与所述不合格概率之间的汉密尔顿函数；
[0011]
利用所述汉密尔顿函数构建所述不合格概率的不合格模型，并利用所述关联函数与所述汉密尔顿函数构建所述入境钢材的抽样模型；
[0012]
基于所述不合格模型与所述抽样模型，确定所述入境钢材的当前抽样数目；
[0013]
采集所述入境钢材的历史抽样数据，计算所述历史抽样数据对应的后验概率，利用所述后验概率对所述当前抽样数目进行数目优选，得到优选抽样数目。
[0014]
在第一方面的一种可能实现方式中，所述计算所述钢材总件数的相对增长率，包括：
[0015]
利用下述格式计算所述钢材总件数的相对增长率：
[0016][0017]
其中，表示相对增长率，t表示初始抽样数目，x(t)表示钢材总件数，x'(t)表示x(t)对t的一阶导数。
[0018]
在第一方面的一种可能实现方式中，所述确定所述相对增长率与所述不合格概率之间的加权因子，包括：
[0019]
构建所述相对增长率与所述不合格概率之间的趋势线；
[0020]
从所述趋势线对应的趋势线公式中确定所述相对增长率与所述不合格概率之间的加权因子。
[0021]
在第一方面的一种可能实现方式中，所述利用所述加权因子识别所述相对增长率与所述不合格概率之间的关联函数，包括：
[0022]
基于所述加权因子，利用下述格式确定所述相对增长率与所述不合格概率之间的关联函数：
[0023][0024]
其中，表示所述相对增长率与所述不合格概率之间的关联函数，表示相对增长率，t表示初始抽样数目，x(t)表示钢材总件数，x'(t)表示x(t)对t的一阶导数，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系。
[0025]
在第一方面的一种可能实现方式中，所述利用所述加权因子构建所述钢材总件数与所述不合格概率之间的汉密尔顿函数，包括：
[0026]
基于所述加权因子，利用下述公式构建所述钢材总件数与所述不合格概率之间的汉密尔顿函数：
[0027]
h＝1+βu(t)(a-bu(t))x(t)
[0028]
其中，h表示所述汉密尔顿函数，x(t)表示钢材总件数，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系，β表示庞德里亚金极值原理中的耦合函数。
[0029]
在第一方面的一种可能实现方式中，所述利用所述汉密尔顿函数构建所述不合格概率的不合格模型，包括：
[0030]
对所述汉密尔顿函数进行第一求导处理，得到第一求导结果：
[0031][0032]
其中，表示所述第一求导结果，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系，β表示庞德里亚金极值原理中的耦合函数；
[0033]
基于所述第一求导结果，利用下述公式构建所述不合格概率的不合格模型：
[0034][0035]
β≠0,a-2bu(t)＝0
[0036][0037]
其中，表示所述不合格模型，表示所述第二求导结果，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系，β表示庞德里亚金极值原理中的耦合函数，x(t)表示钢材总件数，时，表示h与u(t)之间的曲线上的u(t)值达到符合庞德里亚金极值原理的极值。
[0038]
在第一方面的一种可能实现方式中，所述利用所述关联函数与所述汉密尔顿函数构建所述入境钢材的抽样模型，包括：
[0039]
对所述汉密尔顿函数进行第二求导处理，得到第二求导结果：
[0040][0041]
其中，表示所述第二求导结果，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系，β表示庞德里亚金极值原理中的耦合函数，x(t)表示钢材总件数；
[0042]
基于所述第二求导结果与所述关联函数，利用下述公式构建所述入境钢材的抽样模型：
[0043][0044]
x'(t)＝βu(t)(a-bu(t))x(t)
[0045]
x'(t)＝-β'x(t)
[0046][0047][0048][0049]
其中，表示所述抽样模型，表示所述第二求导结果，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系，β表示庞德里亚金极值原理中的耦合函数，x(t)表示钢材总件数，t表示最大抽样数目，β'表示β的导数。
[0050]
在第一方面的一种可能实现方式中，所述计算所述历史抽样数据对应的后验概率，包括：
[0051]
利用下述公式计算所述历史抽样数据对应的后验概率：
[0052]
y(t)/x(t)＝p(h)＝u
[0053]
p(h/e)＝p(e/h)p(h)/p(e)
[0054]
其中，p(h/e)表示所述后验概率，p(e/h)表示在当前抽取到产品不合格的条件下有历史缺陷的概率，p(h)、u表示当前抽取到的不合格产品的概率，y(t)表示不合格产品数目，x(t)表示当前的入境钢材的总数，p(e)表示有历史缺陷的概率。
[0055]
在第一方面的一种可能实现方式中，所述利用所述后验概率对所述当前抽样数目进行数目优选，得到优选抽样数目，包括：
[0056]
获取所述当前抽样数目对应的加权因子，得到第一加权因子，利用所述不合格模型计算所述第一加权因子对应的不合格概率，得到第一不合格概率；
[0057]
在所述后验概率与所述第一不合格概率之间的差值大于预设差值时，将所述第一不合格概率替换为所述后验概率，得到第二不合格概率；
[0058]
利用所述不合格模型计算所述第二不合格概率对应的加权因子，得到第二加权因子；
[0059]
利用所述抽样模型计算所述第二加权因子对应的抽样数目，得到所述优选抽样数目。
[0060]
第二方面，本发明提供了一种入境钢材优选抽样装置，所述装置包括：
[0061]
因子确定模块，用于采集入境钢材的钢材总件数，计算所述钢材总件数的相对增长率，基于所述钢材总件数，利用下述公式计算所述入境钢材的不合格概率：
[0062][0063]
其中，u(t)表示不合格概率，y(t)表示从入境钢材的钢材总件数中抽样时抽中的不合格数量，t表示初始抽样数目，x(t)表示钢材总件数，
[0064]
确定所述相对增长率与所述不合格概率之间的加权因子；
[0065]
函数构建模块，用于利用所述加权因子识别所述相对增长率与所述不合格概率之间的关联函数，并利用所述加权因子构建所述钢材总件数与所述不合格概率之间的汉密尔顿函数；
[0066]
模型构建模块，用于利用所述汉密尔顿函数构建所述不合格概率的不合格模型，并利用所述关联函数与所述汉密尔顿函数构建所述入境钢材的抽样模型；
[0067]
数目确定模块，用于基于所述不合格模型与所述抽样模型，确定所述入境钢材的当前抽样数目；
[0068]
数目优选模块，用于采集所述入境钢材的历史抽样数据，计算所述历史抽样数据对应的后验概率，利用所述后验概率对所述当前抽样数目进行数目优选，得到优选抽样数目。
[0069]
与现有技术相比，本方案的技术原理及有益效果在于：
[0070]
本发明实施例通过计算所述钢材总件数的相对增长率，以用于在后续分析所述相对增长率与抽样不合格率之间的关系，进一步地，本发明实施例通过基于所述钢材总件数，计算所述入境钢材的不合格概率，以用于将所述不合格概率作为庞特里亚金极值原理中的控制函数，进一步地，本发明实施例通过确定所述相对增长率与所述不合格概率之间的加权因子，以用于将抽象的所述相对增长率与所述不合格概率之间的关系具象化为通过加权因子表征的函数，本发明实施例通过利用所述加权因子识别所述相对增长率与所述不合格概率之间的关联函数，以用于反映总数相对增长与抽样数量的大致变化关系，即确定在总件数增加时，是否需要增加抽样数量，在抽样数量随着总件数增加而发生增加，并逐渐趋于稳定时，可以查找到最优抽样数目来反映总钢材件数的不合格率，本发明实施例通过利用所述汉密尔顿函数构建所述不合格概率的不合格模型，以用于在不知道钢材的历史统计数据的前提下，预测当前正在进行抽样检测的钢材的不合格概率，进一步地，本发明实施例通过利用所述关联函数与所述汉密尔顿函数构建所述入境钢材的抽样模型，以用于将观测在抽样模型中抽样数目发生的变化与不合格概率的变化之间的关系，寻求以最小化的抽样数目来得到钢材的最大化不合格概率，这样可以减少抽样成本，本发明实施例通过计算所述历史抽样数据对应的后验概率，以用于基于历史数据来预测当前的不合格概率，与前述的未知历史数据的情况下预测当前的不合格概率形成对比，基于钢材的历史特性来对前述预测的未知历史数据的情况下的不合格概率进行调整，提升未知历史数据的情况下预测的当前的不合格概率与实际钢材场景的适配性。因此，本发明实施例提出的一种入境钢材优选抽样方法及装置，可以提高对于入境钢材抽样这样特定场景的抽样适用性。
附图说明
[0071]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
[0072]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0073]
图1为本发明一实施例提供的一种入境钢材优选抽样方法的流程示意图；
[0074]
图2为本发明一实施例中图1提供的一种入境钢材优选抽样方法的相对增长率与
不合格概率之间的趋势线；
[0075]
图3为本发明一实施例中图1提供的一种入境钢材优选抽样方法的抽样数量与钢材总件数之间的关系示意图；
[0076]
图4为本发明一实施例提供的一种入境钢材优选抽样装置的模块示意图；
[0077]
图5为本发明一实施例提供的实现入境钢材优选抽样方法的电子设备的内部结构示意图。
具体实施方式
[0078]
应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
[0079]
本发明实施例提供一种入境钢材优选抽样方法，所述入境钢材优选抽样方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，所述入境钢材优选抽样方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0080]
参阅图1所示，是本发明一实施例提供的入境钢材优选抽样方法的流程示意图。其中，图1中描述的入境钢材优选抽样方法包括：
[0081]
s1、采集入境钢材的钢材总件数，计算所述钢材总件数的相对增长率，基于所述钢材总件数，计算所述入境钢材的不合格概率，确定所述相对增长率与所述不合格概率之间的加权因子。
[0082]
本发明实施例中，所述入境钢材是指从国外进口的钢材；所述钢材总件数是指钢材的总数。
[0083]
进一步地，本发明实施例通过计算所述钢材总件数的相对增长率，以用于在后续分析所述相对增长率与抽样不合格率之间的关系。
[0084]
本发明的一实施例中，利用下述格式计算所述钢材总件数的相对增长率：
[0085][0086]
其中，表示相对增长率，t表示初始抽样数目，x(t)表示钢材总件数，x'(t)表示x(t)对t的一阶导数。
[0087]
其中，t表示初始抽样数目，代表大于等于0的任意整数。
[0088]
进一步地，本发明实施例通过基于所述钢材总件数，计算所述入境钢材的不合格概率，以用于将所述不合格概率作为庞特里亚金极值原理中的控制函数。
[0089]
本发明的一实施例中，基于所述钢材总件数，利用下述公式计算所述入境钢材的不合格概率：
[0090][0091]
其中，u(t)表示不合格概率，y(t)表示从入境钢材的钢材总件数中抽样时抽中的不合格数量，t表示初始抽样数目，x(t)表示钢材总件数。
[0092]
进一步地，本发明实施例通过确定所述相对增长率与所述不合格概率之间的加权因子，以用于将抽象的所述相对增长率与所述不合格概率之间的关系具象化为通过加权因子表征的函数。
[0093]
本发明的一实施例中，所述确定所述相对增长率与所述不合格概率之间的加权因子，包括：构建所述相对增长率与所述不合格概率之间的趋势线；从所述趋势线对应的趋势线公式中确定所述相对增长率与所述不合格概率之间的加权因子。
[0094]
参阅图2所示，为本发明一实施例中图1提供的一种入境钢材优选抽样方法的相对增长率与不合格概率之间的趋势线。在图2中，y＝-11.948x2+5.3222x-0.0219表示所述相对增长率与所述不合格概率之间的趋势线公式，由于加权因子a、b为正的常整数，则a取5.3222的近似值，a＝5，b取11.948的近似值，b＝12。
[0095]
s2、利用所述加权因子识别所述相对增长率与所述不合格概率之间的关联函数，并利用所述加权因子构建所述钢材总件数与所述不合格概率之间的汉密尔顿函数。
[0096]
本发明实施例通过利用所述加权因子识别所述相对增长率与所述不合格概率之间的关联函数，以用于反映总数相对增长与抽样数量的大致变化关系，即确定在总件数增加时，是否需要增加抽样数量，在抽样数量随着总件数增加而发生增加，并逐渐趋于稳定时，可以查找到最优抽样数目来反映总钢材件数的不合格率。
[0097]
本发明的一实施例中，所述利用所述加权因子识别所述相对增长率与所述不合格概率之间的关联函数，包括：基于所述加权因子，利用下述格式确定所述相对增长率与所述不合格概率之间的关联函数：
[0098][0099]
其中，表示所述相对增长率与所述不合格概率之间的关联函数，表示相对增长率，t表示初始抽样数目，x(t)表示钢材总件数，x'(t)表示x(t)对t的一阶导数，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系。
[0100]
本发明的一实施例中，所述利用所述加权因子构建所述钢材总件数与所述不合格概率之间的汉密尔顿函数，包括：基于所述加权因子，利用下述公式构建所述钢材总件数与所述不合格概率之间的汉密尔顿函数：
[0101]
h＝1+βu(t)(a-bu(t))x(t)
[0102]
其中，h表示所述汉密尔顿函数，x(t)表示钢材总件数，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系，β表示庞德里亚金极值原理中的耦合函数。
[0103]
s3、利用所述汉密尔顿函数构建所述不合格概率的不合格模型，并利用所述关联
函数与所述汉密尔顿函数构建所述入境钢材的抽样模型。
[0104]
本发明实施例通过利用所述汉密尔顿函数构建所述不合格概率的不合格模型，以用于在不知道钢材的历史统计数据的前提下，预测当前正在进行抽样检测的钢材的不合格概率。
[0105]
本发明的一实施例中，所述利用所述汉密尔顿函数构建所述不合格概率的不合格模型，包括：对所述汉密尔顿函数进行第一求导处理，得到第一求导结果：
[0106][0107]
其中，表示所述第一求导结果，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系，β表示庞德里亚金极值原理中的耦合函数；
[0108]
基于所述第一求导结果，利用下述公式构建所述不合格概率的不合格模型：
[0109][0110]
β≠0,a-2bu(t)＝0
[0111][0112]
其中，表示所述不合格模型，表示所述第二求导结果，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系，β表示庞德里亚金极值原理中的耦合函数，x(t)表示钢材总件数，时，表示h与u(t)之间的曲线上的u(t)值达到符合庞德里亚金极值原理的极值。
[0113]
其中，所述庞德里亚金极值原理是指庞特里亚金最大化原理(pontryagin's maximum principle)也有称为庞特里亚金最小化原理，是最优控制中的理论，是在状态或是输入控件有限制条件的情形下，可以找到将动力系统由一个状态到另一个状态的最优控制信号，例如本发明中的利用t(初始抽样数目)作为初始抽样数目对钢材进行抽样时，将t作为初始状态，利用最小的抽样数目计算得到最大化的不合格概率时，将最优不合格概率作为最优控制信号，最小抽样数目作为确定的最终抽样数目(最终状态)。
[0114]
进一步地，本发明实施例通过利用所述关联函数与所述汉密尔顿函数构建所述入境钢材的抽样模型，以用于将观测在抽样模型中抽样数目发生的变化与不合格概率的变化之间的关系，寻求以最小化的抽样数目来得到钢材的最大化不合格概率，这样可以减少抽样成本。
[0115]
本发明的一实施例中，所述利用所述关联函数与所述汉密尔顿函数构建所述入境钢材的抽样模型，包括：对所述汉密尔顿函数进行第二求导处理，得到第二求导结果：
[0116][0117]
其中，表示所述第二求导结果，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系，β表示庞德里亚金极值原理中的耦合函数，x(t)表示钢材总件数；
[0118]
基于所述第二求导结果与所述关联函数，利用下述公式构建所述入境钢材的抽样模型：
[0119][0120]
x'(t)＝βu(t)(a-bu(t))x(t)
[0121]
x'(t)＝-β'x(t)
[0122][0123][0124][0125]
其中，表示所述抽样模型，表示所述第二求导结果，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系，β表示庞德里亚金极值原理中的耦合函数，x(t)表示钢材总件数，t表示最大抽样数目，β'表示β的导数。
[0126]
参阅图3所示，为本发明一实施例中图1提供的一种入境钢材优选抽样方法的抽样数量与钢材总件数之间的关系示意图。
[0127]
s4、基于所述不合格模型与所述抽样模型，确定所述入境钢材的当前抽样数目。
[0128]
可选地，所述基于所述不合格模型与所述抽样模型，确定所述入境钢材的当前抽样数目的过程为：从所述不合格模型与所述抽样模型对应的加权因子中，选取使得不合格概率相对较大，且使得抽样数目相对较小的加权因子，并利用抽样模型计算得到对应的当前抽样数目。
[0129]
s5、采集所述入境钢材的历史抽样数据，计算所述历史抽样数据对应的后验概率，利用所述后验概率对所述当前抽样数目进行数目优选，得到优选抽样数目。
[0130]
本发明实施例通过计算所述历史抽样数据对应的后验概率，以用于基于历史数据来预测当前的不合格概率，与前述的未知历史数据的情况下预测当前的不合格概率形成对比，基于钢材的历史特性来对前述预测的未知历史数据的情况下的不合格概率进行调整，提升未知历史数据的情况下预测的当前的不合格概率与实际钢材场景的适配性。
[0131]
本发明的一实施例中，利用下述公式计算所述历史抽样数据对应的后验概率：
[0132]
y(t)/x(t)＝p(h)＝u
[0133]
p(h/e)＝p(e/h)p(h)/p(e)
[0134]
其中，p(h/e)表示所述后验概率，p(e/h)表示在当前抽取到产品不合格的条件下有历史缺陷的概率，p(h)、u表示当前抽取到的不合格产品的概率，y(t)表示不合格产品数目，x(t)表示当前的入境钢材的总数，p(e)表示有历史缺陷的概率。
[0135]
示例性地，a表示抽取的不合格产品h事件，b表示已知历史质量状况e条件，1、求在有历史缺陷的情况b下，发生抽到不合格产品的概率a：p(h/e)＊p(eh)，p(h/e)＊p(eh)：历史以来既有历史缺陷并且产品不合格的概率，2、p(h/e)：在有历史缺陷的条件(已知历史质量状态)下今天产品抽样不合格的概率，即求y(t)/x(t)(后验概率)，3、p(e/h)：在抽取到产品不合格的条件下，有历史缺陷的概率，各国质量状况：从各国进口的钢材不合格的概率，假设日本生产的所有入境钢材，有95％合格，印度70％合格，历史所有的不合格钢材进口国分布，假设1％来自于日本，99％来自于印度，则默认p(e/h)＝1％日本，99％印度，4、p(e)：有历史缺陷的概率，(合格率：日本95％，印度70％)，先验概率(日本0.0印度0.3)，5、p(h)：抽取到的不合格产品的概率，已知抽到的缺陷数为y(t)，总件数为x(t)，则：y(t)/x(t)＝p(h)＝u，u：即是在不知道历史状况的情况下抽到不合格钢材的概率，6、根据上述概率，可以计算得到：p(h/e)＝p(e/h)p(h)/p(e)，实际场景中，日本：p(h/e)＝1％u/5％＝0.2u，说明在已经知道历史的质量状态下，如果这批钢材是从日本进口，那么抽到它的不合格率只有正常情况下的概率的0.2倍，换句话来说，在实际抽样中，再增加抽样数也没有多大用处，印度：p(h/e)＝99％u/30％＝3.3u，说明这批产品不合格率达到3.3u，即比正常情况下的多三倍！换句话来说，在实际抽样中，有必要增加抽样数。
[0136]
本发明的一实施例中，所述利用所述后验概率对所述当前抽样数目进行数目优选，得到优选抽样数目，包括：获取所述当前抽样数目对应的加权因子，得到第一加权因子，利用所述不合格模型计算所述第一加权因子对应的不合格概率，得到第一不合格概率；在所述后验概率与所述第一不合格概率之间的差值大于预设差值时，将所述第一不合格概率替换为所述后验概率，得到第二不合格概率；利用所述不合格模型计算所述第二不合格概率对应的加权因子，得到第二加权因子；利用所述抽样模型计算所述第二加权因子对应的抽样数目，得到所述优选抽样数目。
[0137]
可选地，所述利用所述后验概率对所述当前抽样数目进行数目优选，得到优选抽样数目，包括：将所计算得到的后验概率(实际不合格率)替换为前述的不合格模型对应的不合格概率并基于替换的不合格概率与加权因子的关系，利用抽样模型计算得到对应的抽样数目，将其作为所述优选抽样数目。
[0138]
可以看出，本发明实施例通过计算所述钢材总件数的相对增长率，以用于在后续分析所述相对增长率与抽样不合格率之间的关系，进一步地，本发明实施例通过基于所述钢材总件数，计算所述入境钢材的不合格概率，以用于将所述不合格概率作为庞特里亚金极值原理中的控制函数，进一步地，本发明实施例通过确定所述相对增长率与所述不合格概率之间的加权因子，以用于将抽象的所述相对增长率与所述不合格概率之间的关系具象化为通过加权因子表征的函数，本发明实施例通过利用所述加权因子识别所述相对增长率与所述不合格概率之间的关联函数，以用于反映总数相对增长与抽样数量的大致变化关
系，即确定在总件数增加时，是否需要增加抽样数量，在抽样数量随着总件数增加而发生增加，并逐渐趋于稳定时，可以查找到最优抽样数目来反映总钢材件数的不合格率，本发明实施例通过利用所述汉密尔顿函数构建所述不合格概率的不合格模型，以用于在不知道钢材的历史统计数据的前提下，预测当前正在进行抽样检测的钢材的不合格概率，进一步地，本发明实施例通过利用所述关联函数与所述汉密尔顿函数构建所述入境钢材的抽样模型，以用于将观测在抽样模型中抽样数目发生的变化与不合格概率的变化之间的关系，寻求以最小化的抽样数目来得到钢材的最大化不合格概率，这样可以减少抽样成本，本发明实施例通过计算所述历史抽样数据对应的后验概率，以用于基于历史数据来预测当前的不合格概率，与前述的未知历史数据的情况下预测当前的不合格概率形成对比，基于钢材的历史特性来对前述预测的未知历史数据的情况下的不合格概率进行调整，提升未知历史数据的情况下预测的当前的不合格概率与实际钢材场景的适配性。因此，本发明实施例提出的一种入境钢材优选抽样方法可以提高对于入境钢材抽样这样特定场景的抽样适用性。
[0139]
如图4所示，是本发明入境钢材优选抽样装置功能模块图。
[0140]
本发明所述入境钢材优选抽样装置400可以安装于电子设备中。根据实现的功能，所述入境钢材优选抽样装置可以包括因子确定模块401、函数构建模块402、模型构建模块403、数目确定模块404以及数目优选模块405。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0141]
在本发明实施例中，关于各模块/单元的功能如下：
[0142]
所述因子确定模块401，用于采集入境钢材的钢材总件数，计算所述钢材总件数的相对增长率，基于所述钢材总件数，利用下述公式计算所述入境钢材的不合格概率：
[0143][0144]
其中，u(t)表示不合格概率，y(t)表示从入境钢材的钢材总件数中抽样时抽中的不合格数量，t表示初始抽样数目，x(t)表示钢材总件数，
[0145]
确定所述相对增长率与所述不合格概率之间的加权因子；
[0146]
所述函数构建模块402，用于利用所述加权因子识别所述相对增长率与所述不合格概率之间的关联函数，并利用所述加权因子构建所述钢材总件数与所述不合格概率之间的汉密尔顿函数；
[0147]
所述模型构建模块403，用于利用所述汉密尔顿函数构建所述不合格概率的不合格模型，并利用所述关联函数与所述汉密尔顿函数构建所述入境钢材的抽样模型；
[0148]
所述数目确定模块404，用于基于所述不合格模型与所述抽样模型，确定所述入境钢材的当前抽样数目；
[0149]
所述数目优选模块405，用于采集所述入境钢材的历史抽样数据，计算所述历史抽样数据对应的后验概率，利用所述后验概率对所述当前抽样数目进行数目优选，得到优选抽样数目。
[0150]
详细地，本发明实施例中所述入境钢材优选抽样装置400中的所述各模块在使用时采用与上述的图1至图3中所述的入境钢材优选抽样方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
[0151]
如图5所示，是本发明实现入境钢材优选抽样方法的电子设备的结构示意图。
[0152]
所述电子设备可以包括处理器50、存储器51、通信总线52以及通信接口53，还可以包括存储在所述存储器51中并可在所述处理器50上运行的计算机程序，如入境钢材优选抽样程序。
[0153]
其中，所述处理器50在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器50是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器51内的程序或者模块(例如执行入境钢材优选抽样程序等)，以及调用存储在所述存储器51内的数据，以执行电子设备的各种功能和处理数据。
[0154]
所述存储器51至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器51在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器51在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器51还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器51不仅可以用于存储安装于电子设备的应用软件及各类数据，例如数据库配置化连接程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0155]
所述通信总线52可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器51以及至少一个处理器50等之间的连接通信。
[0156]
所述通信接口53用于上述电子设备5与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，所述用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0157]
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0158]
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器50逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示
器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0159]
应该了解，所述实施例仅为说明之用，在专利发明范围上并不受此结构的限制。
[0160]
所述电子设备中的所述存储器51存储的数据库配置化连接程序是多个计算机程序的组合，在所述处理器50中运行时，可以实现：
[0161]
采集入境钢材的钢材总件数，计算所述钢材总件数的相对增长率，基于所述钢材总件数，利用下述公式计算所述入境钢材的不合格概率：
[0162][0163]
其中，u(t)表示不合格概率，y(t)表示从入境钢材的钢材总件数中抽样时抽中的不合格数量，t表示初始抽样数目，x(t)表示钢材总件数，
[0164]
确定所述相对增长率与所述不合格概率之间的加权因子；
[0165]
利用所述加权因子识别所述相对增长率与所述不合格概率之间的关联函数，并利用所述加权因子构建所述钢材总件数与所述不合格概率之间的汉密尔顿函数；
[0166]
利用所述汉密尔顿函数构建所述不合格概率的不合格模型，并利用所述关联函数与所述汉密尔顿函数构建所述入境钢材的抽样模型；
[0167]
基于所述不合格模型与所述抽样模型，确定所述入境钢材的当前抽样数目；
[0168]
采集所述入境钢材的历史抽样数据，计算所述历史抽样数据对应的后验概率，利用所述后验概率对所述当前抽样数目进行数目优选，得到优选抽样数目。
[0169]
具体地，所述处理器50对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
[0170]
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性计算机可读取存储介质中。所述存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)。
[0171]
本发明还提供一种存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0172]
采集入境钢材的钢材总件数，计算所述钢材总件数的相对增长率，基于所述钢材总件数，利用下述公式计算所述入境钢材的不合格概率：
[0173][0174]
其中，u(t)表示不合格概率，y(t)表示从入境钢材的钢材总件数中抽样时抽中的不合格数量，t表示初始抽样数目，x(t)表示钢材总件数，
[0175]
确定所述相对增长率与所述不合格概率之间的加权因子；
[0176]
利用所述加权因子识别所述相对增长率与所述不合格概率之间的关联函数，并利用所述加权因子构建所述钢材总件数与所述不合格概率之间的汉密尔顿函数；
[0177]
利用所述汉密尔顿函数构建所述不合格概率的不合格模型，并利用所述关联函数
与所述汉密尔顿函数构建所述入境钢材的抽样模型；
[0178]
基于所述不合格模型与所述抽样模型，确定所述入境钢材的当前抽样数目；
[0179]
采集所述入境钢材的历史抽样数据，计算所述历史抽样数据对应的后验概率，利用所述后验概率对所述当前抽样数目进行数目优选，得到优选抽样数目。
[0180]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0181]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0182]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0183]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0184]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0185]
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0186]
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的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发明的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种入境钢材优选抽样方法，其特征在于，所述方法包括：采集入境钢材的钢材总件数，计算所述钢材总件数的相对增长率，基于所述钢材总件数，利用下述公式计算所述入境钢材的不合格概率：其中，u(t)表示不合格概率，y(t)表示从入境钢材的钢材总件数中抽样时抽中的不合格数量，t表示初始抽样数目，x(t)表示钢材总件数，确定所述相对增长率与所述不合格概率之间的加权因子；利用所述加权因子识别所述相对增长率与所述不合格概率之间的关联函数，并利用所述加权因子构建所述钢材总件数与所述不合格概率之间的汉密尔顿函数；利用所述汉密尔顿函数构建所述不合格概率的不合格模型，并利用所述关联函数与所述汉密尔顿函数构建所述入境钢材的抽样模型；基于所述不合格模型与所述抽样模型，确定所述入境钢材的当前抽样数目；采集所述入境钢材的历史抽样数据，计算所述历史抽样数据对应的后验概率，利用所述后验概率对所述当前抽样数目进行数目优选，得到优选抽样数目。2.根据权利要求1所述的方法，其特征在于，所述计算所述钢材总件数的相对增长率，包括：利用下述格式计算所述钢材总件数的相对增长率：其中，表示相对增长率，t表示初始抽样数目，x(t)表示钢材总件数，x'(t)表示x(t)对t的一阶导数。3.根据权利要求1所述的方法，其特征在于，所述确定所述相对增长率与所述不合格概率之间的加权因子，包括：构建所述相对增长率与所述不合格概率之间的趋势线；从所述趋势线对应的趋势线公式中确定所述相对增长率与所述不合格概率之间的加权因子。4.根据权利要求1所述的方法，其特征在于，所述利用所述加权因子识别所述相对增长率与所述不合格概率之间的关联函数，包括：基于所述加权因子，利用下述格式确定所述相对增长率与所述不合格概率之间的关联函数：其中，表示所述相对增长率与所述不合格概率之间的关联函数，表示相对增长率，t表示初始抽样数目，x(t)表示钢材总件数，x'(t)表示x(t)对t的
一阶导数，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系。5.根据权利要求1所述的方法，其特征在于，所述利用所述加权因子构建所述钢材总件数与所述不合格概率之间的汉密尔顿函数，包括：基于所述加权因子，利用下述公式构建所述钢材总件数与所述不合格概率之间的汉密尔顿函数：h＝1+βu(t)(a-bu(t))x(t)其中，h表示所述汉密尔顿函数，x(t)表示钢材总件数，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系，β表示庞德里亚金极值原理中的耦合函数。6.根据权利要求1所述的方法，其特征在于，所述利用所述汉密尔顿函数构建所述不合格概率的不合格模型，包括：对所述汉密尔顿函数进行第一求导处理，得到第一求导结果：其中，表示所述第一求导结果，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系，β表示庞德里亚金极值原理中的耦合函数；基于所述第一求导结果，利用下述公式构建所述不合格概率的不合格模型：β≠0,a-2bu(t)＝0其中，表示所述不合格模型，表示所述第二求导结果，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系，β表示庞德里亚金极值原理中的耦合函数，x(t)表示钢材总件数，时，表示h与u(t)之间的曲线上的u(t)值达到符合庞德里亚金极值原理的极值。7.根据权利要求1所述的方法，其特征在于，所述利用所述关联函数与所述汉密尔顿函数构建所述入境钢材的抽样模型，包括：对所述汉密尔顿函数进行第二求导处理，得到第二求导结果：
其中，表示所述第二求导结果，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系，β表示庞德里亚金极值原理中的耦合函数，x(t)表示钢材总件数；基于所述第二求导结果与所述关联函数，利用下述公式构建所述入境钢材的抽样模型：x'(t)＝βu(t)(a-bu(t))x(t)x'(t)＝-β'x(t)β'x(t)β'x(t)其中，表示所述抽样模型，表示所述第二求导结果，u(t)表示不合格概率，a表示u(t)的加权因子，b表示u(t)2的加权因子，a与b为正的常整数，用以反映相对增长率和不合格概率之间的对应变化关系，β表示庞德里亚金极值原理中的耦合函数，x(t)表示钢材总件数，t表示最大抽样数目，β'表示β的导数。8.根据权利要求1所述的方法，其特征在于，所述计算所述历史抽样数据对应的后验概率，包括：利用下述公式计算所述历史抽样数据对应的后验概率：y(t)/x(t)＝p(h)＝up(h/e)＝p(e/h)p(h)/p(e)其中，p(h/e)表示所述后验概率，p(e/h)表示在当前抽取到产品不合格的条件下有历史缺陷的概率，p(h)、u表示当前抽取到的不合格产品的概率，y(t)表示不合格产品数目，x(t)表示当前的入境钢材的总数，p(e)表示有历史缺陷的概率。9.根据权利要求1所述的方法，其特征在于，所述利用所述后验概率对所述当前抽样数目进行数目优选，得到优选抽样数目，包括：获取所述当前抽样数目对应的加权因子，得到第一加权因子，利用所述不合格模型计算所述第一加权因子对应的不合格概率，得到第一不合格概率；在所述后验概率与所述第一不合格概率之间的差值大于预设差值时，将所述第一不合
格概率替换为所述后验概率，得到第二不合格概率；利用所述不合格模型计算所述第二不合格概率对应的加权因子，得到第二加权因子；利用所述抽样模型计算所述第二加权因子对应的抽样数目，得到所述优选抽样数目。10.一种入境钢材优选抽样装置，其特征在于，所述装置包括：因子确定模块，用于采集入境钢材的钢材总件数，计算所述钢材总件数的相对增长率，基于所述钢材总件数，利用下述公式计算所述入境钢材的不合格概率：其中，u(t)表示不合格概率，y(t)表示从入境钢材的钢材总件数中抽样时抽中的不合格数量，t表示初始抽样数目，x(t)表示钢材总件数，确定所述相对增长率与所述不合格概率之间的加权因子；函数构建模块，用于利用所述加权因子识别所述相对增长率与所述不合格概率之间的关联函数，并利用所述加权因子构建所述钢材总件数与所述不合格概率之间的汉密尔顿函数；模型构建模块，用于利用所述汉密尔顿函数构建所述不合格概率的不合格模型，并利用所述关联函数与所述汉密尔顿函数构建所述入境钢材的抽样模型；数目确定模块，用于基于所述不合格模型与所述抽样模型，确定所述入境钢材的当前抽样数目；数目优选模块，用于采集所述入境钢材的历史抽样数据，计算所述历史抽样数据对应的后验概率，利用所述后验概率对所述当前抽样数目进行数目优选，得到优选抽样数目。

技术总结
本发明涉及庞特里亚金极值原理和贝叶斯定理领域，揭露一种入境钢材优选抽样方法及装置，所述方法包括：计算钢材总件数的相对增长率，计算入境钢材的不合格概率，确定相对增长率与不合格概率之间的加权因子；利用加权因子识别相对增长率与不合格概率之间的关联函数，利用加权因子构建钢材总件数与不合格概率之间的汉密尔顿函数；利用汉密尔顿函数构建不合格概率的不合格模型，利用关联函数与汉密尔顿函数构建入境钢材的抽样模型；确定入境钢材的当前抽样数目；采集钢材的历史抽样数据，计算历史抽样数据对应的后验概率，利用后验概率对当前抽样数目进行数目优选，得到优选抽样数目。本发明可以提高对于入境钢材抽样的抽样适用性。用性。用性。


技术研发人员：刘健斌 谭智毅 李涵 龚盛玮 肖前 萧达辉 颜焯文 俞海 李俊杰 樊志维 余建龙 曹标 梁美琼 沈文洁 李小敏 徐金梅
受保护的技术使用者：广州海关技术中心
技术研发日：2023.06.07
技术公布日：2023/10/15