[发明专利]一种面向深度学习的Bom结构及其创建方法

权利要求书

1.一种面向深度学习的Bom结构及其创建方法，其特征在于，为组成产品所有零部件，创建Group节点、为已有的零部件Group，创建Models节点，并在Models节点下创建零件节点和部件节点、为已有的零部件Group，创建Components节点、为已有的零部件子Group，再次创建Models和Components节点、为所有Group节点，创建DrivenModels节点、将所有Group节点，组成产品面向深度学习的Bom结构、将产品的DeepBom结构，运用于神经网络算法和依据给定的订单参数进行预测，步骤按照描述自上而下的顺序进行；

一种面向深度学习的Bom结构及其创建方法，该方法包括以下步骤：

1）为组成产品的所有零部件，创建Group节点；

2）为已有的零部件Group，创建Models节点，并在Models节点下创建零件节点和部件节点；

3）为已有的零部件Group，创建Components节点；

4）为已有的零部件子Group，再次创建Models和Components节点；

5）为所有Group节点，创建DrivenModels节点；

6）将所有Group节点，组成产品面向深度学习的Bom结构；

7）将产品的DeepBom结构，运用于神经网络算法；

8）依据给定的订单参数进行预测。

2.根据权利要求1所述的面向深度学习的Bom结构及其创建方法，其特征在于，所述步骤1）中，假设产品总共包含6个零部件，分别为零件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组成；

则可按照装配顺序自上而下地为组成产品的所有零部件（其中不包括组成部件的零件）A、B、C和D分别创建Group节点，并命名为GroupA、GroupB、GroupC和GroupD。

3.根据权利要求1所述的面向深度学习的Bom结构及其创建方法，其特征在于，所述步骤2）中，在GroupA、GroupB、GroupC和GroupD下，分别创建Models节点；

已知Models节点主要用于放置Group节点归类的零部件，则需在Models节点下再创建零件节点和部件节点。

4.根据权利要求1所述的面向深度学习的Bom结构及其创建方法，其特征在于，所述步骤3）中，在GroupA、GroupB、GroupC和GroupD下，分别创建Components节点；

已知Components节点主要用于放置组成部件和驱动部件的零部件子Group，因此对于组成产品的零件GroupA、GroupC和GroupD，Components节点下无需再创建子Group节点为空值，而对于部件GroupB，Components节点下需为组成部件B的零件B1和零件B2再次创建子Group节点，并命名为GroupB1和GroupB2。

5.根据权利要求1所述的面向深度学习的Bom结构及其创建方法，其特征在于，所述步骤4）中，在GroupB1和GroupB2下，再次创建Models和Components节点；

因组成部件B的零部件中不再包含部件，所以此时GroupB1和GroupB2的Components节点下均为空值；

假设部件B是由部件B1和零件B2组成，则GroupB1的Components节点下需继续创建组成部件B1的零部件子Group，并需在子Group节点下继续创建Models和Components节点，直至所有Components节点下均为空值为止。

6.根据权利要求1所述的面向深度学习的Bom结构及其创建方法，其特征在于，所述步骤5）中，在产品已创建好的所有Group节点（即Group节点GroupA、GroupB、GroupC、GroupD和子Group节点GroupB1、GroupB2）下，创建DrivenModels节点；

已知DrivenModels节点主要用于放置Group节点归类的驱动部件，而驱动部件有别于部件，因此需在DrivenModels节点下再创建驱动部件节点。