[发明专利]基于多重回归模型的产品加工价格预估方法及系统

说明书

一种基于多重回归模型的产品加工价格预估方法和系统，该方法包括如下步骤：收集多个产品数据，建立产品原始数据集，所述产品数据包括产品数量、产品表面积、产品加工复杂度、产品X轴长度、产品Y轴长度、产品Z轴长度、刀具使用率、产品公差等级、产品可加工性、材料单价、材料密度和价格；依据所述产品原始数据集，建立多线性回归模型；将所述产品原始数据集划分为训练子集和测试子集，通过训练子集训练所述多线性回归模型，使用验证子集验证所述多线性回归模型的准确性，依据验证结果调整所述多线性回归模型，确定最终的多线性回归模型。本发明基于人工智能算法预估产品加工价格，提升了报价的准确性。

技术领域

本发明涉及自动化机械加工技术领域，尤其是一种基于多重回归模型的产品加工价格预估方法及系统。

背景技术

CNC加工，通常是指计算机数字化控制精密机械加工，相应的加工设备包括CNC加工车床、CNC加工铣床和CNC加工镗铣床等，具有减少工装数量、加工精度高以及加工效率高等优点，在工业上已经得到广泛应用。

一直以来，通过数控设备加工产品的报价缺乏规范、有效的方式。现有技术中，可行的报价方式是人工报价，报价人员基于历史经验及对行业的理解等，预估产品加工时间、产品材料价格和表面处理的成本，并最终综合上述成本得出产品的报价。这种报价方式过于主观，难免存在报价偏高或偏低的问题。因此，现有技术亟需一种规范、准确的报价方式。

发明内容

本发明提供一种基于多重回归模型的产品加工价格预估方法及系统，基于人工智能算法预估产品加工价格，提升报价的准确性。

根据本发明的第一方面，本发明提供一种基于多重回归模型的产品加工价格预估方法，包括如下步骤：

收集多个产品数据，建立产品原始数据集，所述产品数据包括产品数量、产品表面积、产品加工复杂度、产品X轴长度、产品Y轴长度、产品Z轴长度、刀具使用率、产品公差等级、产品可加工性、材料单价、材料密度和价格；

依据所述产品原始数据集，建立多线性回归模型，所述多线性回归模型的公式为：log(y)＝β₀+log(x₁)+log(x₂)+x₃+x₄+x₅+x₆+x₇+x₈+x₉+x₁₀+x₁₁；

其中，y为价格，β₀为常数项，x₁-x₁₁分别为产品数量、产品表面积、产品加工复杂度、产品X轴长度、产品Y轴长度、产品Z轴长度、刀具使用率、产品公差等级、产品可加工性、材料单价和材料密度；

将所述产品原始数据集划分为训练子集和测试子集，通过训练子集训练所述多线性回归模型，使用验证子集验证所述多线性回归模型的准确性，依据验证结果调整所述多线性回归模型，确定最终的多线性回归模型。

优选的，所述通过训练子集训练所述多线性回归模型，使用验证子集验证所述多线性回归模型的准确性，具体为：通过训练子集训练得到多线性回归模型中的常数项，将验证子集中的产品数据代入已确定常数项值多线性回归模型中，依据该多线性回归模型的输出结果确定该多线性回归模型的准确性。

优选的，在将验证子集中的产品数据代入已确定常数项值的多线性回归模型中后，若该线性回归模型输出的价格值与验证子集中的价格值的差值大于预定差值，则依据该差值调整所述多线性回归模型。

优选的，还包括如下步骤：建立测试数据集，使用测试数据集测试所述多线性回归模型的准确性。

优选的，所述产品公差等级与产品公差值具有预设映射关系，所述产品加工复杂度为产品加工复杂等级，所述产品可加工性为产品可加工等级。