[發明專利]一種數據驅動的復雜產品云服務數據包調用方法及系統

在審

• 申請號: 202011077235.2
• 申請日: 2020-10-10
• 公開（公告）號: CN112395100A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 肖瑩瑩;林廷宇;郭麗琴;施國強;趙志龍
• 申請（專利權）人: 北京仿真中心
• 主分類號: G06F9/54
• 分類號: G06F9/54;G06F9/445;G06K9/62
• 代理公司: 北京正理專利代理有限公司 11257
• 代理人: 付生輝

本發明提供一種數據驅動的復雜產品云服務數據包調用方法及系統，其中復雜產品云服務數據包調用方法包括：構建復雜產品對應的智慧云設計支撐平臺系統；基于問題類別，利用算法開發模塊建立AI算法模型，并將所述AI算法模型訓練至收斂狀態；利用在線解決方案管理模塊將收斂后的AI算法模型的實驗流程提煉為解決方案信息，并將解決方案信息封裝為云服務數據包；基于用戶需求調用所述云服務數據包；本發明能夠為任務管理和數據管理提供集成環境，驅動任務并行開展的同時，有效組織設計過程中的大量中間結果，提升數據可重用性，保障模型統一性、參數的一致性和結果的匹配性，提高多學科跨專業溝通效率。

技術領域

本發明涉及數據驅動技術領域，更具體的，涉及一種數據驅動的復雜產品云服務數據包調用方法及系統。

背景技術

AI驅動的設計是當前利用數據加速設計方案創新、改進原有設計的熱點方向，特別是針對多參數耦合、多專業協同的復雜產品，需要一套將數據+算法+算力快速有效組織起來為設計團隊服務的智慧設計支撐平臺，能夠基于高性能計算資源統一調度共享，將多專業設計人員融合成項目團隊，在統一的圖形化數據分析建模平臺下為單專業設計人員提供快速構建AI模型以及為多專業團隊提供群體智能系統優化決策的支撐。

當前，各類AI開發平臺已經初具成效，典型的包括Deep Cognition公司的DeepLearning Studio和Sony公司的Neural Network Console，支持拖拽式的深度學習模型創建，對深度學習算法的建模組件支撐較為完整，但缺乏對其他AI算法的支撐；Microsoft公司的Azure Machine Learning Studio和IBM公司的Watson Studio支持拖拽式的常用機器學習算法模型創建，但對深度學習算法缺乏細粒度的建模支撐，且不支持訓練過程可視化；國內百度、阿里、華為、聯想等人工智能研究與應用單位也紛紛開發了自己的AI平臺，但上述平臺普遍存在數據維度缺乏基于仿真模型的實時/離線數據交互支撐、算力維度缺乏多機/多卡并行調度支撐、算法維度缺乏對自學習類算法的可視化建模支撐，同時，以上平臺對團隊協作式的數據模型開發缺乏多方案對比、結果可視化、應用封裝等功能的支撐。

發明內容

為了解決上述問題中的至少一個，本發明第一方面提供一種數據驅動的復雜產品云服務數據包調用方法，包括：

構建復雜產品對應的智慧云設計支撐平臺系統；所述智慧云設計支撐平臺系統包括設計資源管理模塊，算法開發模塊以及在線解決方案管理模塊；

基于問題類別，利用所述算法開發模塊建立AI算法模型，并將所述AI算法模型訓練至收斂狀態；

利用所述在線解決方案管理模塊將收斂后的所述AI算法模型的實驗流程提煉為解決方案信息，并將所述解決方案信息封裝為云服務數據包；

基于用戶需求調用所述云服務數據包。

在優選的實施方式中，構建所述設計資源管理模塊包括獲取支撐平臺系統分解問題的求解類型，并進行數據準備工作，其中，所述數據準備工作包括：數據上傳、仿真模型的接口測試、規劃模型的自變量編碼和評估函數的接口測試。

在優選的實施方式中，構建所述算法開發模塊包括選定預設類別的AI算法模型，并對數據參數和訓練環境的參數進行設計，以使AI算法模型收斂穩定。

在優選的實施方式中，構建所述在線解決方案管理模塊包括構建和共享云服務數據包。

在優選的實施方式中，還包括構建組件庫，所述組件庫包括流程控制組件、算法建模組件、數據輸入組件以及可視化與評估組件。

本發明第二方面提供一種數據驅動的復雜產品云服務數據包調用系統，包括：

構建模塊，構建復雜產品對應的智慧云設計支撐平臺系統；所述智慧云設計支撐平臺系統包括設計資源管理模塊，算法開發模塊以及在線解決方案管理模塊；