一种基于PLM的项目数据管理系统及应用方法

摘要

本发明公开了一种基于PLM的项目数据管理系统及应用方法，包括：服务器、终端；服务器内安装有PLM系统，PLM系统包括项目模块、分类模块、推送模块、训练模块；终端设置有评价模块；分类模块内设置有分类算法，用于对项目添加分类标签；项目模块用于接收包含分类标签的项目信息，并依据分类标签分类存储；推送模块用于项目首次存储中，将同类项目信息从项目模块中提取并发送至对应的终端；评价模块用于接收推送反馈信息，并发送至训练模块；训练模块依据接收的推送反馈信息，修正分类算法；本发明优点在于，结合算法分类及同类项目推送，能够减少研发人员在研发前期的准备工作，为下一步的技术创新提供数据支持。

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

[0001] 本发明涉及产品/项目生命周期管理技术领域，尤其涉及一种基于PLM的项目数据管理系统及应用方法。

背景技术

[0002] 目前各大企业研发中心的研发过程资料主要以人员沟通、书面目录为主，难以做到无纸化、信息化管理。即便部分大型企业采取了全线上办公，项目同组之间信息也存在一
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。

[0003] 中国专利CN112100749A公开了一种汽车智能化开发系统，包括人工智能系统、PLM系统和数据库，所述人工智能系统设有CAD数据输入单元、CAE数据输入单元、新设计CAE性
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

[0004] 有鉴于此，本发明提供一种基于PLM的项目数据管理系统及应用方法，能够解决上述问题。

[0005] 为此目的，本发明由如下技术方案实施。

[0006] 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；

[0007] 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；

[0008] 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；

[0009] 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；

[0010] 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；

[0011] 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；

[0012] 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。

[0013] 进一步，所述分类算法为机器学习算法，包括SVM算法、KNN算法、神经网络算法其中一种或多种组合。

[0014] 进一步，所述分类模块中设有光学字符阅读器。

[0015] 进一步，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。

[0016] 另一方面，本发明还提供一种基于PLM的项目数据管理系统的应用方法，具体步骤如下：

[0017] S1、搭建分类模块；

[0018] S2、项目信息接收及分类存储；

[0019] S3、同类项目信息推送；

[0020] S4、接收推送反馈信息，并修正分类算法。

[0021] 更进一步，在所述S1中，所述分类算法为机器学习算法；具体搭建步骤为：

[0022] 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；

[0023] 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。

[0024] 更进一步，所述分类模块中设有光学字符阅读器；

[0025] 所述S11中，样本输入参数选取规则包括但不限于：

[0026] 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；

[0027] 2、项目用途或效果：由项目的录入人员标记；

[0028] 3、项目中覆盖的上下游厂家名称；

[0029] 人为标记项目的分类标签，并作为样本结果。

[0030] 更进一步，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；

[0031] 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；

[0032] 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；

[0033] 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。

[0034] 更进一步，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。

[0035] 更进一步，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。

[0036] 本发明具有如下优点：

[0037] 本发明在公司研发中心规模、以及研发任务不断增多后，能够合理管控、同步、存储数据，按照项目周期完整记录项目信息。结合算法分类及同类项目推送，能够减少研发人
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

[0038] 为了更清楚地说明本发明实施例，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本发明的一个或几个实施例，对于本领域普通技
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。

[0039] 图1为本发明具体实施例中系统简图；

[0040] 图2为本发明具体实施例中流程图。

具体实施方式

[0041] 以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况
下，本申请实施例中的特征可以相互组合。

[0042] 下面将结合附图，对本发明做进一步说明。

[0043] 一种基于PLM的项目数据管理系统，如图1所示，包括：服务器、终端；相应的服务器作为数据处理及存储中心。优选地，终端包括但不限于台式计算机、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，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。

[0044] 服务器与终端通过互联网或企业内部的局域网连接，为了保证信息的安全性，可以采取加密通信的方式，具体加密方式不做限制描述。

[0045] 服务器内安装有PLM系统(产品/项目生命周期管理系统)，现有的PLM系统特点是包含了完整周期内的项目信息，具备多层存储能力，对于信息存储更加合理、规范，可以更
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。

[0046] 其中，分类模块内设置有分类算法，用于对项目添加分类标签；优选地，分类算法为机器学习算法，包括SVM算法、KNN算法、神经网络算法其中一种或多种组合。进一步，分类
模块中设有光学字符阅读器。

[0047] 项目模块用于接收包含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，并依据分类标签分类存储。

[0048] 推送模块用于项目首次存储中，将同类项目信息从项目模块中提取并发送至对应的终端。

[0049] 评价模块用于接收推送反馈信息，并发送至训练模块。

[0050] 训练模块依据接收的推送反馈信息，修正分类算法。

[0051] 优选地，为了保持项目数据实时自动更新，可以将办公系统及办公设备与服务器连接，具体如内部邮箱和打印机，通过邮箱发送项目信息，或通过打印机打印标题包含项目
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。

[0052] 本发明基于上述实施例中PLM的项目数据管理系统，提供一种应用方法，结合图2所示具体步骤如下：

[0053] S1、搭建分类模块；优选地，分类算法为机器学习算法；具体搭建步骤为：

[0054] 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；优选地，分类模块中设有光学字符阅读器；目的是，现有的技术资料中存在大量图像文件，如.pdf格
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。

[0055] 针对机器学习准备样本，基本需要遵循两个步骤，即筛选出输入参数，并标注出结果，其中，针对研发中心项目文本分析发现，单纯采用传统的人工确定技术关键词作为输入
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：

[0056] 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或截取出现频率前10％的关键
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。

[0057] 2、项目用途或效果：由项目的录入人员标记，具体也是以关键词的形式呈现，因为长短句并不能成为有效的输入量，故由录入人员依据预设词库选取用途及项目预想效果；

[0058] 3、项目中覆盖的上下游厂家名称；

[0059] 上述项目标记除第2点由人工标注，其他均由分类模块前置的数据预处理模块筛选，人为再标记项目的分类标签，并作为样本结果。

[0060] S12、将训练样本导入分类算法进行训练，并形成分类模型。其中，由于现有的分类算法中，较为常用的如前所述几种算法，但是经过实际建模测试发现单独运用其中一种进
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。

[0061] S2、项目信息接收及分类存储；优选地，当前期系统搭建完成，后续立项可以正常输入系统留存或查看、更新；具体立项过程为：

[0062] 1、首先选取不同研究方向的资深工程师做为项目经理；

[0063] 2、根据不同产品研究项目进行选择有技术侧

[0064] 3、重点的项目经理，有利于加快项目的开发进度；

[0065] 4、引用公司已有的研究开发流程，进行工作计划安排，开展项目启动会；

[0066] 项目启动会主要内容，包括确立项目负责人、项目组成员划分各自的工作职责，分析项目背景、确立项目最终目的及成果，同时明确领导对于项目研究资源的承诺，为日后协
调相关方提供便利。

[0067] a、需求清单，主要由项目经理及小组成员通过头脑风暴、思维导图、用户访谈等方式，确立本次研究产品的主要功能需求，并对需求进行

[0068] b、重要性排序等。

[0069] c、工作分解结构：主要根据以往的工作进行，研究工作分解，将工作细分到能够对该项工作进行工期评定为止，以此制定每日的工作计划等相关内容。

[0070] d、工作底稿也称为问题清单，用于记录本次研究项目过程中的所有问题、技术难点、以及解决方法。

[0071] 对应的完成上述立项内容后，进行相应的项目数据整理。

[0072] 每个项目首次产生的数据通过终端上传至服务器中，首先要进入分类模块，在前置的数据预处理模块中获得输入量，并与录入人员录入的项目标记一同进入分类模型运
算，产生对应的分类标签，分类标签包含分类结果的置信度。

[0073] 之后分类模块将项目数据及分类标签一并发送至项目模块；项目模块接收包含分类标签的项目数据，按照分类标签分类存储，并建立相应的项目目录。

[0074] 项目后续产生的数据通过终端上传至服务器后，不再进入分类模块，直接进入项目模块，并由项目模块按照项目立项至项目结题的时间周期记录存储；周期设定可参考常
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。

[0075] 同组人员可通过终端访问服务器，并查看或更新项目信息。

[0076] S3、同类项目信息推送；优选地，推送模块获取S2中新项目的分类标签，并发送请求至项目模块，提取相应分类下的项目信息，即同类项目(相同、相近或技术相关的项目)。
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。

[0077] 上述过程只需简单整理项目立项信息，并按照词库标注几组关键词即可进行上传，建立项目档案，同时可以获得前期的技术积累支持，获得技术启示，大大减少了自行查
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。

[0078] S4、接收推送反馈信息，并修正分类算法；优选地，使用人员在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；具体地，针对性标注出相关性较差的
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。

[0079] 整体系统自动化程度较高，避免了人力的浪费，还利用了简单的反馈不断提升准确度，使项目初始即可获得正确的技术支持，同时应多不断膨胀的数据量，也纠正了前期可
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。

[0080] 以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对发明的技术方案进行修改或
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。