[發明專利]基于模型造型獨特性因素的自動定價方法

在審

• 申請號: 201710815500.4
• 申請日: 2017-09-12
• 公開（公告）號: CN107609909A
• 公開（公告）日: 2018-01-19
• 發明（設計）人: 王德麾;樊慶文;李煥;趙志鍵;李海博;裴宏亮
• 申請（專利權）人: 四川大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/04
• 代理公司: 成都方圓聿聯專利代理事務所(普通合伙)51241
• 代理人: 曹少華

技術領域

本發明屬于智能制造技術領域，具體的為基于模型造型獨特性因素的自動定價方法。

背景技術

產品造價的自動化定價技術/系統，是個性化智能制造、工業4.0體系的重要組成部分。其提供在線/離線的軟件工具，供委托方可以立即獲知該產品的制造報價，避免長時間的人工評估和計算，有效提高報價效率和降低溝通成本；對于被委托方，準確快速的產品制造報價，使得實現制造全環節無人化、自動化成為可能，能夠提高制造全環節的效率，保證制造方獲得最合理的利潤，進而保證產品質量和促進制造方良性發展。

產品造價主要依據以下幾個因素進行計算：產品數量、尺寸、材料、交付周期、產品形態結構。其中，產品的尺寸、材料、交付周期皆為客觀因素，可以準確的評估計算，但產品形態結構因素則具有主觀性。新穎獨特的產品形態結構可能會帶來制造的復雜性，比如限制了加工設備、工藝等，可能使得該部分成本遠超過其它因素，成為產品造價中的主要部分；做為產品制造的委托方來說，因其具有獨特設備、工藝，使得成為能夠制造該產品的唯一或少數企業，應該獲得合理的溢價，以補償為獲取該制造能力而前期投入的各種成本，并獲得超平均值的利潤回報。

但目前對客觀因素的評價，仍依賴人工進行。在實際場景中，產品制造委托方在正式作出一種產品的制造委托前，會集中要求制造企業針對多種制造方案進行報價，制造企業不得不維持龐大的報價團隊，以完成高強度的定價工作；同時，為保證報價的準確性，企業需要大量薪資較高的優秀報價人員，不僅企業需要為此支付昂貴的成本，同時也將壓力傳遞給了報價人才培養體系，但優秀的報價人才培養難以批量化和高效化。

人工報價是目前最普遍的報價方式，表現為以業務員的形式，和產品制造委托方進行談判，就產品最終造價的確定進行博弈。因雙方在產品制造主觀因素上肯定會存在認識偏差，使得雙方需要花費大量時間和精力才可能達成共識，推高了雙方企業的經營成本。

目前還有忽略主觀因素的產品自動化定價技術/系統，或對產品制造中主觀因素簡單分類，階梯定價的自動化技術/系統。忽略主觀因素的報價，必然會使制造方喪失合理的溢價，使企業喪失提高服務質量的動力和資金。而通過對主觀因素簡單分類，按照類別分別定價的技術，可使企業獲得部分溢價，但各類別的區分標準難以定量描述，技術難度較大，也使得定價準確度較低，可能仍需要人工來進行審查和調整。

發明內容

本發明目的在于提供基于模型造型獨特性因素的自動定價方法，評估產品形態結構特點，自動計算產品造價的技術和系統，替代人的主觀和經驗評估，并且該技術/系統能夠自我學習和進化，不斷提高產品形態結構的評估準確度。

為實現上述發明目的，本發明采用的技術方案如下：

基于模型造型獨特性因素的自動定價方法，包括以下過程：

(1)收集若干產品三維數字模型，以及對應的人工報價；從人工中確定產品主觀性價格，與該產品的三維數字模型形成模型-價格數據，用(m_i，p_i)表示；

(2)對所有的三維數字模型，均沿著同一個方向，將三維數字模型等厚切割n次，獲得每一切割面的輪廓圖像；將模型等厚切割n次，形成n個切面；

(3)構建深度網絡，三維數字模型m_i的切片集合為輸入數據，價格p_i為目標數據，訓練網絡輸出收斂于目標數據，完成自動報價系統的構建；

(4)進行產品造價自動評估時，將待報價產品的三維數字模型按照同樣的規格進行切片，將切片數據集輸入到構建好的深度網絡中，其網絡輸出值即為系統自動形成的報價。

進一步的，通過人工定價或經過人工調整過的新報價數據逐步積累，使用該新增數據，在原有網絡基礎上進行再訓練，使報價系統學習到最新的報價規則。

本發明的優點是：

1.通過采用三維產品數字模型的等間距切片，作為評價產品形態結構的特征，將連續的三維模型轉變為利于計算機計算的有限離散切片，也有效的降低了數據維數；此外，切片能夠更好的表現出模型的內部結構，有利于構建自動定價數學模型；

2.通過使用深度網絡技術，實現了產品數字模型特征的自動選取、評價和報價系統的自動構建，同時也能夠保證報價的準確性；

3.隨著市場的發展，使用新的小部分新增數據，在現有網絡基礎上進行再訓練，能夠快捷的升級報價系統，使其更符合新的市場行情；

4.通過構建文中所示的深度網絡，尤其是采用了三維卷積層conv3D和殘差網絡結構，能夠準確的擬合數據，并且具有較少的網絡訓練時間。

附圖說明