申请/专利权人:西门子股份公司
申请日:2023-07-27
公开(公告)日:2024-01-30
公开(公告)号:CN117474443A
主分类号:G06Q10/0875
分类号:G06Q10/0875;G06F18/23;G06F16/9035;G06F16/9038
优先权:["20220727 EP 22187192.4"]
专利状态码:在审-实质审查的生效
法律状态:2024.02.20#实质审查的生效;2024.01.30#公开
摘要:用于为材料清单修订提供推荐的方法和系统。为了为材料清单修订提供推荐,数据库DB针对产品的集合来存储材料清单BM1、BM2。模式学习模块PL处理所存储的材料清单以学习模式PCS。提供了用于学习结构和时间模式的实施例。模式应用模块PA将所述模式应用于感兴趣的产品的当前材料清单,并且预测推荐R,其中每个推荐指示当前材料清单应当如何被更新。用户界面输出所述推荐连同所应用的模式和它们的置信度值。所述方法和系统提供了预测针对产品的修订的自动化框架。该框架通过避免将很可能负面地影响产品和成本性能的改变需求的晚期识别而有助于提高产品质量。自动地评估改变需求减少了由领域专家在这些任务上花费的时间,这节省了内部成本。此外,领域专家是有限的资源,并且可能没有足够的时间或知识可用于以及时的方式进行必要的更新或根本不进行必要的更新。此外,信息可能被领域专家遗漏,并且修订可能来得太晚。所述框架提供了对这些缺陷的缓解。
主权项:1.一种用于为材料清单修订提供推荐的计算机实现的方法,其中以下操作由模块来执行,并且其中所述模块是硬件模块和或由一个或多个处理器执行的软件模块:-在数据库DB中并且针对产品的集合来存储OP1材料清单BM1、BM2,其中-每个材料清单由包含组件C1、C2以及所述产品之一的层级式图形来表示,以及-特别地,针对所述产品中的每一个,以不同的时间戳来存储若干个材料清单,-由模式学习模块PL来处理OP2所存储的材料清单以学习模式PCS,-其中所述模式中的至少一些是时间模式,所述时间模式是通过如下方式被学习的:针对多次迭代,-从具有随后时间戳的两个材料清单中对所述产品之一的子图形序列进行随机采样,以及-计算置信度值,其中所述置信度值指示子图形序列在材料清单中或材料清单的子集中出现的概率,其中每个时间模式包含子图形序列及其置信度值,和或-其中所述模式中的至少一些是结构模式,所述结构模式是通过如下方式被学习的:针对多次迭代,-从材料清单之一中对子图形进行随机采样,以及-计算置信度值,其中所述置信度值指示子图形在材料清单中或材料清单的子集中出现的概率,其中每个结构模式包含子图形之一及其置信度值,-由将所述模式应用于感兴趣的产品的当前材料清单的模式应用模块PA来预测OP4推荐R,其中每个推荐指示当前材料清单应当如何被更新,特别是通过将组件添加到当前材料清单或者替换当前材料清单中的组件,以及-由用户界面来输出OP5所述推荐连同所应用的模式和它们的置信度值。
全文数据:
权利要求:
百度查询: 西门子股份公司 用于为材料清单修订提供推荐的方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。