一种基于PLM的项目数据管理系统及应用方法转让专利
申请号 : CN202110293782.2
文献号 : CN113111920B
文献日 : 2021-12-28
发明人 : 戚雪东 , 张苏琪
申请人 : 江苏奔宇车身制造有限公司
摘要 :
权利要求 :
1.一种基于PLM的项目数据管理系统,包括:服务器、终端;所述服务器与所述终端通过互联网或局域网连接;
其特征在于,所述服务器内安装有PLM系统,所述PLM系统包括项目模块、分类模块、推送模块、训练模块;所述终端设置有评价模块;
所述分类模块内设置有分类算法,用于对项目添加分类标签;所述分类算法为机器学习算法,所述机器学习算法依次采用KNN算法‑SVM算法‑人工神经网络算法进行数据串联式分析,先通过KNN算法减少离群点的实际影响,再通过RBF核函数的SVM算法构筑高维空间进行一次分类,输出预测结果及对应的置信度,将预测结果及置信度作为人工神经网络算法的输入量进行训练,最终综合三个算法的模型获得完整的分类模型;所述分类模块中设有光学字符阅读器;
所述项目模块用于接收包含所述分类标签的项目信息,按照项目立项至项目结题的时间周期记录,并依据所述分类标签分类存储;
所述推送模块用于项目首次存储中,将同类项目信息从所述项目模块中提取并发送至对应的终端;
所述评价模块用于接收推送反馈信息,并发送至所述训练模块;
所述训练模块依据接收的推送反馈信息,修正所述分类算法。
2.根据权利要求1所述的项目数据管理系统,其特征在于,所述终端包括台式计算机、便携式计算机、移动通信设备和具备交互功能的多媒体设备。
3.根据权利要求1‑2任一项所述的一种基于PLM的项目数据管理系统的应用方法,其特征在于,具体步骤如下:
S1、搭建分类模块;
S2、项目信息接收及分类存储;
S3、同类项目信息推送;
S4、接收推送反馈信息,并修正分类算法;
在所述S1中,所述分类模块内设置有分类算法,用于对项目添加分类标签;所述分类算法为机器学习算法,所述机器学习算法依次采用KNN算法‑SVM算法‑人工神经网络算法进行数据串联式分析,先通过KNN算法减少离群点的实际影响,再通过RBF核函数的SVM算法构筑高维空间进行一次分类,输出预测结果及对应的置信度,将预测结果及置信度作为人工神经网络算法的输入量进行训练,最终综合三个算法的模型获得完整的分类模型;所述分类模块的具体搭建步骤为:
S11、由人工准备训练样本,建立已有的项目信息与项目分类的对应关系;
S12、将训练样本导入所述分类算法进行训练,并形成分类模型;
所述分类模块中设有光学字符阅读器;
所述S11中,样本输入参数选取规则包括但不限于:
1、项目高频关键词及字符间距:通过光学字符阅读器将图像转为文本格式,并对项目全部文本数据筛选,获得出现频率高于预设值的关键词,及关键词之间的字符间距;
2、项目用途或效果:由项目的录入人员标记;
3、项目中覆盖的上下游厂家名称;
人为标记项目的分类标签,并作为样本结果。
4.根据权利要求3所述的项目数据管理系统的应用方法,其特征在于,在所述S2中,项目首次产生的数据通过所述终端上传至所述服务器中,并进入所述分类模块,经过所述分类模型的运算,产生对应的分类标签,所述分类标签包含分类结果的置信度;
之后所述分类模块将项目数据及所述分类标签一并发送至所述项目模块;所述项目模块接收包含所述分类标签的项目数据,按照所述分类标签分类存储;
项目后续产生的数据通过所述终端上传至所述服务器后,不再进入所述分类模块,直接进入所述项目模块,并由所述项目模块按照项目立项至项目结题的时间周期记录存储;
同组人员可通过所述终端访问所述服务器,并查看或更新项目信息。
5.根据权利要求4所述的项目数据管理系统的应用方法,其特征在于,在所述S3中,所述推送模块获取所述分类标签,并发送请求至所述项目模块,提取相应分类下的项目信息,并将接收的同类项目信息推送至所述终端;推送项目信息还包括各项目首次分类结果的置信度,并依据置信度高低排序展示。
6.根据权利要求3所述的项目数据管理系统的应用方法,其特征在于,在所述S4中,使用人员在所述终端中对推送的同类项目进行反馈,包括匹配程度打分或标记匹配项目;所述评价模块接收反馈信息后,将其发送至所述训练模块;所述训练模块根据反馈信息再次训练所述分类模型,用于提升模型准确度。
说明书 :
一种基于PLM的项目数据管理系统及应用方法
技术领域
背景技术
定互通难度,没有项目管理工具进行内容同步尤其涉及到大型项目研究时非常影响项目的
进展。很大的人力资源浪费在沟通上,同时无法完全实现信息化的数据存储,没有合理的数
据目录,不能够自主的为工作人员提供相应的工作所需的历史数据记录等内容支持研发工
作。显然原有的工作模式不能够避免人力资源的浪费,没有很好的发挥研究中心的底蕴。同
时,随着时间增长,项目数量也再大量增长,有时项目立项到中期时才发现,以往存在相近
或相同的项目可以借鉴或比较,而单纯依靠人力进行同类项目搜集,极大的降低了处理效
率,且随着项目数量不断增多,人员流动等问题困扰,以不再适合技术研发需求,故需要改
进现有的项目管理系统。
能要求输入单元和新设计CAD约束条件输入单元,所述人工智能系统分别与PLM系统、数据
库连接;所述PLM系统与数据库连接。其构建和应用方法,包括以下步骤:将CAD数据数值化,
参数化,输入至人工智能系统存储;CAE数据经过分析和优化,获得结果后,也输出至人工智
能系统存储,并保持CAD数据与CAE数据一一对应;新设计先根据CAE性能要求和CAD约束条
件作为输入,在人工智能系统构建的数据模型中,逆向搜索初步可行的CAD设计方案,并输
出。上述技术方案采取在研发过程中应用PLM系统(产品/项目生命周期管理系统),结合时
下热门的人工智能技术,给出了一种数据信息处理方式,提升了研发初期有价值信息供应
速度及准确性,但是其中人工智能的应用即无法应对复杂局面,且准确性不能自主提高,还
需要进一步改进。
发明内容
分类结果的置信度;
存储;
息还包括各项目首次分类结果的置信度,并依据置信度高低排序展示。
所述训练模块根据反馈信息再次训练所述分类模型,用于提升模型准确度。
员在研发前期的准备工作,短时间内能够帮助研发人员寻求到足够多的成功案例及其相关
的研发数据。同时能够将所有研发项目过程资产保存下来,形成公司的技术底蕴,为公司下
一步的技术创新提供数据支持。
附图说明
术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
具体实施方式
下,本申请实施例中的特征可以相互组合。
信设备和具备交互功能的多媒体设备,其中安装有客户端平台,项目研发人员通过账号或
替他认证方式可登录平台系统,进而新建项目或查看、更新已有项目的信息。
好的反馈内容,非常适合管理人员使用,但是每次需要存放或提取信息时完全需要人工处
理,当分类增加,或项目数量增加的时候,这种纯人工的方式弊端逐渐显露出来了。因此,本
发明中PLM系统还包括项目模块、分类模块、推送模块、训练模块,并在终端设置有评价模
块。
模块中设有光学字符阅读器。
编号或项目名称均会被上传至服务器的项目模块中,记录保存与该项目的数据中。
式的资料,不仅限于文本,还包括部分转换为.pdf格式的图纸,通过光学字符阅读器识别其
中的文字,并转化为文本格式,便于计算机筛选。
条件,人工分类作为结果,测试效果并不理想,正确率在15%‑30%之间,远不能满足实际需
要。经过分析后得出,人工筛选的关键词,部分重复率过高,如针对车体结构的开发,这一类
项目中关键技术指标及参数的名称基本一致,但是车体结构研发又需要分为多个部分进
行,如驾驶室结构研发、翻斗结构研发、车大梁结构研发等。故经过长期比对,制定了样本输
入参数选取规则如下:
词,及关键词之间的字符间距;其中,关键词选取根据词库自动删除常见词,如:加工、装置、
设备、弯折、冷焊、电焊等领域内常用词汇。
行分类建模,效果并不理想,实际正确分类比例为55%‑67%,分析其中的原因可知,输入量
存在异常值,如某项目中,提取出关键词包含与焊接加工有关的技术特征词汇较多,但实际
上项目主题为新材料应用,只是该材料引用了一篇文献说明材料熔点较高,在摩擦焊中表
现情况,这样分类结果大概率会进入焊接下的子分类中。并不正确,故需要在建模阶段增加
异常值筛选功能,即采取多算法混合的模式,优选地,本发明中,依次采用KNN算法‑SVM算
法‑人工神经网络算法进行数据串联式分析,这样形成的模型中,通过KNN算法可以减少离
群点的实际影响,再通过RBF核函数的SVM算法构筑再高维空间中进行一次分类,输出预测
结果及对应的置信度,将预测结果及置信度作为人工神经网络算法的输入量进行训练,最
终综合三个算法的模型获得完整的分类模型。经过校验模型准确率可达91%以上,较好的
满足需求。
调相关方提供便利。
算,产生对应的分类标签,分类标签包含分类结果的置信度。
见逻辑关系即:立项‑中期‑验收‑结题,或单纯依照时间顺序排列展示于项目目录中。
并将接收的同类项目信息以摘要的形式推送至终端;推送项目信息还包括各项目首次分类
结果的置信度,并依据置信度高低排序展示,这样项目录入人员(如前文的项目经理)可以
快速看到同类项目信息,并且依据置信度优先展示最关联项目。
找的时间,也提升了资料获取的准确率,为后续技术创新提供数据帮助。
推送项目,并给出正确分类标签,这就表示该项目在首次分类中并不正确。评价模块接收反
馈信息后,将其发送至训练模块;训练模块根据反馈信息再次训练分类模型,用于提升模型
准确度。同时,根据修改后的分类标签重新存储推送的项目信息。这样在没有显著增加项目
人员工作量的情况下,一方面逐步通过反馈‑再训练形成有监督的机器学习结构,不断提升
分类模块的准确率;另一方面,逐步修改前期分类错误的情况。
能存在的错误分类。进一步,每当出现新的分类的时候,可以通过日常录入中不断反馈修
正,将以前与分类匹配程度低的项目转移至新分类中,借此完善新分类,无需刻意调整。举
例说明:当前分类中由于没有散热器结构设计分类,散热器设计归属于发动机设计分类下,
当新开设散热器分类时,无需刻意去调整,因其分类置信度较低,录入人员查看反馈目录时
既注意到该内容,简单查询可发现已有散热器分类,进行标注后反馈即可,这时推送模块收
到反馈信息,通知训练模块进行再训练,经过一段时间迭代训练,模型即可正确识别与散热
器相关项目,并分类,同时散热器项目也逐步存储于新的散热器分类下,实现一举两得的功
效,无需每添加一个新类别就逐一调整,统一训练。
者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范
围当中。