[发明专利]一种基于工业大数据的产品成本评估方法及系统

说明书

本发明公开了一种基于工业大数据的产品成本评估方法及系统。该方法包括步骤：采集工业大数据，从所述工业大数据提取产品自身特征数据、产品加工过程数据和产品加工成本数据；将所述产品自身特征数据和产品加工过程数据输入到随机森林分类模型进行训练，生成加工方案推荐模型；将所述产品加工过程数据和产品加工成本数据输入到CART决策树进行训练，生成加工成本预测模型；利用加工方案推荐模型和加工成本预测模型进行产品成本预测。本发明可以提高产品加工效率、降低加工成本。

技术领域

本发明属于智能制造技术领域，更具体地，涉及一种基于工业大数据的产品成本评估方法及系统。

背景技术

随着机械加工制造技术的发展，智能制造技术引起了越来越多的企业的重视，例如在模具制造和锂电池装备等领域，工件的生产制造趋于自动化和智能化。在目前的产品加工中，制造过程分析和决策都是由研发工程师们根据不同的产品特点制定的。由于对人工的高度依赖，无法完成产品生产过程信息化和智能化的需求。尤其是产品的加工成本评估方面，这些严重依赖人工的分析过程会导致较大的误差，从而影响企业的生产计划和产能调配，还会造成人力财力的浪费，使产品的加工成本变高。

发明内容

针对现有技术的至少一个缺陷或改进需求，本发明提供了一种基于工业大数据的产品成本评估方法及系统，利用工业大数据生成加工方案推荐模型和加工成本预测模型，来进行产品成本预测，可以提高产品加工效率、降低加工成本。

为实现上述目的，按照本发明的第一方面，提供了一种基于工业大数据的产品成本评估方法，包括步骤：

采集工业大数据，从所述工业大数据提取产品自身特征数据、产品加工过程数据和产品加工成本数据；

将所述产品自身特征数据和产品加工过程数据输入到随机森林分类模型进行训练，生成加工方案推荐模型；

将所述产品加工过程数据和产品加工成本数据输入到CART决策树进行训练，生成加工成本预测模型；

接收评估请求，所述评估请求中包括待评估产品参数，根据所述待评估产品参数识别待评估产品的自身特征数据，将待评估产品的自身特征数据输入到所述加工方案推荐模型，获得待评估产品的推荐加工方案；

将所述待评估产品的推荐加工方案输入到所述加工成本预测模型，获得待评估产品的预测成本。

优选地，所述将所述待评估产品的推荐加工方案输入到所述加工成本预测模型包括步骤：

接收用户对所述待评估产品的推荐加工方案的修改数据，生成所述待评估产品的最终加工方案数据；

将所述待评估产品的最终加工方案输入到所述加工成本预测模型。

优选地，还包括步骤：

接收用户对所述待评估产品的推荐加工方案的第一反馈数据，将所述第一反馈数据输入到所述加工方案推荐模型进行训练；

和/或接收用户对所述待评估产品的预测加工成本的第二反馈数据，将所述第二反馈数据输入到所述加工成本预测模型进行训练。

优选地，采用基于核函数的主成分分析方法来实现从所述工业大数据提取产品自身特征数据、产品加工过程数据和产品加工成本数据。

优选地，所述核函数为高斯核函数。

优选地，将所述产品自身特征数据和产品加工方案数据输入到随机森林分类模型进行训练时，所述随机森林分类模型在决策树的每个节点需要分裂时，随机从所述产品自身特征数据的SUM_Self个属性中选取出个属性，SUM_Self表示所述产品自身特征数据的所有属性的个数。

优选地，所述随机森林分类模型中决策树的数量为[50,100]。