[發明專利]基于汽修ERP的人工智能推薦方法、系統和存儲介質

在審

• 申請號: 202210390057.1
• 申請日: 2021-11-04
• 公開（公告）號: CN114691999A
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 莊偉振
• 申請（專利權）人: 杭州以諾行汽車科技股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q10/00;G06Q50/10;G06F16/58;G06F16/583;G06F21/32;G06F21/62;G06N3/04;G06N3/08;G06Q30/02
• 代理公司: 杭州裕陽聯合專利代理有限公司 33289
• 代理人: 吳文杰

1.汽車維修推薦方法，其特征在于，包括以下步驟：

汽修ERP管理平臺接收車輛維修請求，判斷維修類型，若所述維修請求包含車漆破損，則將所述維修請求標記為二類維修，否則將所述維修請求標記為一類維修；

根據維修類型輸出汽修廠和/或技工推薦清單，所述推薦清單根據汽修廠工單記錄和汽修廠距離排序，或者所述推薦清單根據汽修廠推薦度排序；獲取汽修廠信用值和該汽修廠的維修服務評價可信度，若信用值或可信度小于預設值，則該汽修廠不被列入所述推薦清單；

接收選定指令，下發包含維修信息的訂單，接收接單確認信息，若汽修廠在預設時間內確認接單，則轉發汽修廠信息，否則再次輸出推薦清單直到所述維修請求結束或被汽修廠接受。

2.根據權利要求1所述的汽車維修推薦方法，還包括采集該車輛的圖像信息，分析所述圖像信息以判斷該車輛的車漆顏色，若該車輛的車漆顏色不同于該車輛出廠時配置的顏色，則推薦采用比色法重新配漆。

3.根據權利要求2所述的汽車維修推薦方法，若該車輛的車漆顏色為該車輛出廠時配置的顏色，采集車輛信息，從汽修ERP管理平臺和第三方平臺獲取車輛的歷史維修記錄，當該車輛維修類型為二類維修時，若存在該車輛包含車漆配方的車漆維修記錄，則以所述車漆配方為基礎推薦維修方案，否則從與該車輛相同車型的其他車輛的車漆維修記錄獲取車漆配方作為基礎推薦維修方案，若不存在該車輛及相同車型的其他車輛的車漆維修記錄，則推薦采用比色法重新配漆。

4.根據權利要求1-3任一項所述的汽車維修推薦方法，還包括采集該車輛本次維修記錄及進度，采集該車輛本次維修中色差儀記錄的數據，若色差小于預設值，則轉發該車輛維修進度和車輛維修后照片，否則提示色差不達標，接收維修服務評價或授權指令，根據所述授權指令發送該車輛本次維修記錄給第三方平臺。

5.根據權利要求4所述的汽車維修推薦方法，若所述信用值和所述可信度均大于均值或在預設范圍內，則以汽修廠的色差達標率乘以所述信用值得到的數值與維修服務好評率乘以所述可信度得到的數值相加輸出汽修廠推薦度。

6.根據權利要求1-3任一項所述的汽車維修推薦方法，還包括采集汽修廠該車輛所在的維修工位的圖像信息，分析所述圖像信息以判斷該車輛在汽修廠期間是否離開維修工位，若是，則根據該車輛離開維修工位的時間和持續時長判斷是否異常操作，并判斷該車輛在所述維修工位期間的圖像信息是否有異常動作；若否，則判斷該車輛在所述維修工位期間的圖像信息是否有異常動作。

7.根據權利要求2所述的汽車維修推薦方法，若該車輛的車漆顏色為該車輛出廠時配置的顏色，采集車輛信息，從汽修ERP管理平臺和第三方平臺獲取車輛的歷史維修記錄，當該車輛維修類型為二類維修時，若不存在該車輛包含車漆配方的車漆維修記錄，但存在與該車輛相同車型的其他車輛的車漆維修記錄，則獲取所述其他車輛的車漆維修記錄以構建訓練數據集，所述訓練數據集包括所述其他車輛的歷史特征矩陣和車漆維修方案，所述歷史特征矩陣關聯車輛的參數信息，將所述訓練數據集輸入車漆維修推薦模型進行訓練，所述車漆維修推薦模型為多隱層神經網絡模型。

8.根據權利要求2所述的汽車維修推薦方法，若該車輛的車漆顏色為該車輛出廠時配置的顏色，采集車輛信息，從汽修ERP管理平臺和第三方平臺獲取車輛的歷史維修記錄，當該車輛維修類型為二類維修時，若不存在該車輛包含車漆配方的車漆維修記錄，但存在與該車輛相同車型的其他車輛的車漆維修記錄，則獲取所述其他車輛的維修服務評價和返修記錄以構建驗證數據集，或者獲取所述其他車輛的光照累計時長和淋水時長以構建驗證數據集，所述驗證數據集以汽修廠信用值和/或維修服務評價可信度為依據進行數據清洗而得到。