[發明專利]一種面向深度學習的Bom結構及其創建方法

在審

• 申請號: 202010499178.0
• 申請日: 2020-06-04
• 公開（公告）號: CN111625912A
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 馬佳;馬騰;鄧森洋;陳雨晨;支含緒
• 申請（專利權）人: 深制科技（蘇州）有限公司
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06Q30/02;G06Q30/06;G06Q50/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種面向深度學習的Bom結構及其創建方法，其特征在于，為組成產品所有零部件，創建Group節點、為已有的零部件Group，創建Models節點，并在Models節點下創建零件節點和部件節點、為已有的零部件Group，創建Components節點、為已有的零部件子Group，再次創建Models和Components節點、為所有Group節點，創建DrivenModels節點、將所有Group節點，組成產品面向深度學習的Bom結構、將產品的DeepBom結構，運用于神經網絡算法和依據給定的訂單參數進行預測，步驟按照描述自上而下的順序進行；

一種面向深度學習的Bom結構及其創建方法，該方法包括以下步驟：

1）為組成產品的所有零部件，創建Group節點；

2）為已有的零部件Group，創建Models節點，并在Models節點下創建零件節點和部件節點；

3）為已有的零部件Group，創建Components節點；

4）為已有的零部件子Group，再次創建Models和Components節點；

5）為所有Group節點，創建DrivenModels節點；

6）將所有Group節點，組成產品面向深度學習的Bom結構；

7）將產品的DeepBom結構，運用于神經網絡算法；

8）依據給定的訂單參數進行預測。

2.根據權利要求1所述的面向深度學習的Bom結構及其創建方法，其特征在于，所述步驟1）中，假設產品總共包含6個零部件，分別為零件A、部件B、零件B1、零件B2、零件C和零件D，其中部件B是由零件B1和零件B2組成；

則可按照裝配順序自上而下地為組成產品的所有零部件（其中不包括組成部件的零件）A、B、C和D分別創建Group節點，并命名為GroupA、GroupB、GroupC和GroupD。

3.根據權利要求1所述的面向深度學習的Bom結構及其創建方法，其特征在于，所述步驟2）中，在GroupA、GroupB、GroupC和GroupD下，分別創建Models節點；

已知Models節點主要用于放置Group節點歸類的零部件，則需在Models節點下再創建零件節點和部件節點。

4.根據權利要求1所述的面向深度學習的Bom結構及其創建方法，其特征在于，所述步驟3）中，在GroupA、GroupB、GroupC和GroupD下，分別創建Components節點；

已知Components節點主要用于放置組成部件和驅動部件的零部件子Group，因此對于組成產品的零件GroupA、GroupC和GroupD，Components節點下無需再創建子Group節點為空值，而對于部件GroupB，Components節點下需為組成部件B的零件B1和零件B2再次創建子Group節點，并命名為GroupB1和GroupB2。

5.根據權利要求1所述的面向深度學習的Bom結構及其創建方法，其特征在于，所述步驟4）中，在GroupB1和GroupB2下，再次創建Models和Components節點；

因組成部件B的零部件中不再包含部件，所以此時GroupB1和GroupB2的Components節點下均為空值；

假設部件B是由部件B1和零件B2組成，則GroupB1的Components節點下需繼續創建組成部件B1的零部件子Group，并需在子Group節點下繼續創建Models和Components節點，直至所有Components節點下均為空值為止。

6.根據權利要求1所述的面向深度學習的Bom結構及其創建方法，其特征在于，所述步驟5）中，在產品已創建好的所有Group節點（即Group節點GroupA、GroupB、GroupC、GroupD和子Group節點GroupB1、GroupB2）下，創建DrivenModels節點；

已知DrivenModels節點主要用于放置Group節點歸類的驅動部件，而驅動部件有別于部件，因此需在DrivenModels節點下再創建驅動部件節點。