[發明專利]一種基于工業大數據的產品成本評估方法及系統

有效

• 申請號: 202010169360.X
• 申請日: 2020-03-12
• 公開（公告）號: CN111401427B
• 公開（公告）日: 2022-11-08
• 發明（設計）人: 張云;劉家歡;黃志高;周華民;李德群
• 申請（專利權）人: 華中科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/04;G06Q10/06
• 代理公司: 武漢華之喻知識產權代理有限公司 42267
• 代理人: 廖盈春;曹葆青

本發明公開了一種基于工業大數據的產品成本評估方法及系統。該方法包括步驟：采集工業大數據，從所述工業大數據提取產品自身特征數據、產品加工過程數據和產品加工成本數據；將所述產品自身特征數據和產品加工過程數據輸入到隨機森林分類模型進行訓練，生成加工方案推薦模型；將所述產品加工過程數據和產品加工成本數據輸入到CART決策樹進行訓練，生成加工成本預測模型；利用加工方案推薦模型和加工成本預測模型進行產品成本預測。本發明可以提高產品加工效率、降低加工成本。

技術領域

本發明屬于智能制造技術領域，更具體地，涉及一種基于工業大數據的產品成本評估方法及系統。

背景技術

隨著機械加工制造技術的發展，智能制造技術引起了越來越多的企業的重視，例如在模具制造和鋰電池裝備等領域，工件的生產制造趨于自動化和智能化。在目前的產品加工中，制造過程分析和決策都是由研發工程師們根據不同的產品特點制定的。由于對人工的高度依賴，無法完成產品生產過程信息化和智能化的需求。尤其是產品的加工成本評估方面，這些嚴重依賴人工的分析過程會導致較大的誤差，從而影響企業的生產計劃和產能調配，還會造成人力財力的浪費，使產品的加工成本變高。

發明內容

針對現有技術的至少一個缺陷或改進需求，本發明提供了一種基于工業大數據的產品成本評估方法及系統，利用工業大數據生成加工方案推薦模型和加工成本預測模型，來進行產品成本預測，可以提高產品加工效率、降低加工成本。

為實現上述目的，按照本發明的第一方面，提供了一種基于工業大數據的產品成本評估方法，包括步驟：

采集工業大數據，從所述工業大數據提取產品自身特征數據、產品加工過程數據和產品加工成本數據；

將所述產品自身特征數據和產品加工過程數據輸入到隨機森林分類模型進行訓練，生成加工方案推薦模型；

將所述產品加工過程數據和產品加工成本數據輸入到CART決策樹進行訓練，生成加工成本預測模型；

接收評估請求，所述評估請求中包括待評估產品參數，根據所述待評估產品參數識別待評估產品的自身特征數據，將待評估產品的自身特征數據輸入到所述加工方案推薦模型，獲得待評估產品的推薦加工方案；

將所述待評估產品的推薦加工方案輸入到所述加工成本預測模型，獲得待評估產品的預測成本。

優選地，所述將所述待評估產品的推薦加工方案輸入到所述加工成本預測模型包括步驟：

接收用戶對所述待評估產品的推薦加工方案的修改數據，生成所述待評估產品的最終加工方案數據；

將所述待評估產品的最終加工方案輸入到所述加工成本預測模型。

優選地，還包括步驟：

接收用戶對所述待評估產品的推薦加工方案的第一反饋數據，將所述第一反饋數據輸入到所述加工方案推薦模型進行訓練；

和/或接收用戶對所述待評估產品的預測加工成本的第二反饋數據，將所述第二反饋數據輸入到所述加工成本預測模型進行訓練。

優選地，采用基于核函數的主成分分析方法來實現從所述工業大數據提取產品自身特征數據、產品加工過程數據和產品加工成本數據。

優選地，所述核函數為高斯核函數。

優選地，將所述產品自身特征數據和產品加工方案數據輸入到隨機森林分類模型進行訓練時，所述隨機森林分類模型在決策樹的每個節點需要分裂時，隨機從所述產品自身特征數據的SUM_Self個屬性中選取出個屬性，SUM_Self表示所述產品自身特征數據的所有屬性的個數。

優選地，所述隨機森林分類模型中決策樹的數量為[50,100]。