【技術實現步驟摘要】
本專利技術涉及工業產品設計，具體為一種數據協同工業產品設計方法及系統。
技術介紹
1、工業產品設計是一個涉及多個學科的綜合性過程，旨在將創意和功能轉化為可制造和市場化的產品。隨著科技的快速發展，消費者需求日益多樣化和個性化，使得產品設計面臨更高的挑戰和機遇。現代工業產品設計不僅要求產品在功能和美學上滿足用戶需求，還要考慮可持續性、生產成本、材料選擇和生產工藝等多方面因素。
2、此外，全球化競爭加劇，促使企業在設計階段就必須進行周密的市場調研與分析，以確保產品能夠適應不同市場的需求。因此，設計師需要與工程師、市場營銷人員和用戶緊密合作，以實現多學科的協同設計。此外，數字化技術的應用，如計算機輔助設計、虛擬現實和增強現實，極大地豐富了設計工具與方法，使得設計過程更加高效、直觀和可預測。
3、在當前的數據協同工業產品設計領域，設計團隊通常面臨信息孤島和協作不暢的問題。各個團隊之間使用不同的設計工具和數據格式，導致設計數據難以共享，信息傳遞滯后。此外，設計過程中的反饋和迭代往往依賴于傳統的溝通方式，缺乏實時性，導致設計效率低下和產品質量的不可控。現有的設計方法在數據整合、跨學科合作和用戶反饋的處理上存在明顯不足，無法有效應對復雜工業產品設計的要求。
4、現有技術存在的不足：
5、現有技術在工業產品設計中普遍依賴于經驗和直觀判斷，缺乏系統化的數據分析，導致設計過程中的缺陷識別和評估往往滯后于實際需求。這種傳統方法難以實時反饋設計缺陷，且對潛在問題的預測能力有限，常常導致設計返工、成本增加和市
6、在所述
技術介紹
部分公開的上述信息僅用于加強對本公開的背景的理解，因此它可以包括不構成對本領域普通技術人員已知的現有技術的信息。
技術實現思路
1、本專利技術的目的在于提供一種數據協同工業產品設計方法及系統，以解決上述
技術介紹
中提出的問題。
2、為實現上述目的，本專利技術提供如下技術方案：
3、一種數據協同工業產品設計方法，具體步驟包括：
4、步驟1：確定用戶需求，用戶需求包括使用的主要設計工具、文件格式、數據實體、數據關系和存儲格式，設計數據模型以支持多種設計文件格式；
5、步驟2：采集歷史設計數據，并對歷史設計數據進行預處理操作，采用專家評分法依據歷史設計數據中的設計缺陷賦予設計缺陷概率，并計算歷史設計數據中各項數據的評分；
6、步驟3：基于機器學習中的隨機森林模型構建缺陷預測模型，歷史設計數據作為輸入，對應的設計缺陷概率作為標簽，對缺陷預測模型進行訓練；
7、步驟4：輸入當前設計數據至訓練完畢的缺陷預測模型中，若模型預測的設計缺陷概率高于預設的閾值，則發出對應的提示，設計團隊進行對應的修改；
8、步驟5：結合模型預測的缺陷概率計算當前設計數據的綜合評分，以評估當前設計數據是否需要再次進行調整。
9、進一步地，設計數據模型所依據的具體邏輯為：
10、選擇云服務提供商，使用云提供的功能，搭建微服務架構，創建vpc以確保數據安全，部署kubernetes集群進行容器管理；
11、選擇cad模型構建數據模型，以支持多種設計文件格式，并采用json格式存儲；構建數據模型包括以下步驟：識別文件的格式，文件格式包括cad文件、3d模型、文檔、圖紙，cad文件包括dwg、dxf，3d模型包括stl、obj、fbx，文檔包括pdf、word，圖紙包括png、jpeg；定義數據實體，識別出關鍵的數據實體，包括設計項目、文件、用戶、版本，設計項目即項目的基本信息，包括id、名稱、描述、創建時間，文件即存儲不同設計文件的信息，包括文件id、文件名、文件類型、上傳者、上傳時間，用戶即記錄用戶信息，包括用戶id、用戶名、角色，版本即管理文件的版本信息，包括版本號、修改記錄、修改者；建立數據關系，確定不同實體之間的關系，包括一對多關系和多對多關系，一對多關系為一個設計項目有多個文件，多對多關系為多個用戶參與多個設計項目；繪制數據模型圖，使用er圖、uml類圖工具，將數據實體及其關系可視化；選擇存儲方案，根據模型的復雜性和需求，選擇對應的數據庫類型，數據庫類型包括mysql、postgresql、nosql、mongodb，并創建數據庫結構，根據數據模型定義創建相應的數據庫表和字段，使得數據在數據庫中有效存儲；數據庫實現與測試，在選定的數據庫中實現數據模型，將實體和關系轉換為實際的數據庫表和約束，使得數據模型支持所需的操作，包括插入、更新、刪除和查詢，并進行性能測試，以驗證其效率；文檔編寫和維護，編寫文檔，即記錄數據模型的結構和設計決策，定期維護，即根據用戶反饋和系統需求變化，定義評估和更新數據模型；使用websocket技術進行實時數據傳輸，獲取當前時刻的數據所依據的公式為：
12、d(t)＝d(t-1)+△d
13、其中，d(t)為當前時刻獲取的數據，d(t-1)為位于當前時刻的上一時刻獲取的數據，△d為當前時刻更新的數據變化量，t為表示當前時刻的時間變量。
14、進一步地，計算歷史設計數據中各項數據的評分所依據的具體邏輯為：
15、歷史設計數據包括設計缺陷、市場反饋、用戶體驗、成本控制和生產可行性，并采用專家評分法依據已識別的設計缺陷賦予每一組歷史設計數據對應的設計缺陷概率，預處理操作包括移除重復數據和標準化數據格式，以確保各字段一致性，將處理完畢的歷史設計數據整合為樣本集，市場反饋包括用戶調查的平均評分和社交媒體正面反饋比例，用戶體驗包括完整體驗設計方案的用戶數和參與測試的用戶總數，成本控制包括實際支出和預算支出，生產可行性包括生產中成功測試的產品數量和總測試的產品數量；
16、計算市場反饋、用戶體驗、成本控制和生產可行性對應的評分所依據的公式為：
17、獲取市場反饋評分所依據的公式為：
18、
19、其中，m為市場反饋評分，f為用戶調查的平均評分，p為社交媒體正面反饋比例；
20、獲取用戶體驗評分所依據的公式為：
21、
22、其中，u為用戶體驗評分，cn為完整體驗設計方案的用戶數，n為參與測試的用戶總數；
23、獲取成本控制評分所依據的公式為：
24、
25、其中，cm為成本控制評分，a為實際支出，b為預算支出；
26、獲取生產可行性所依據的公式為：
27、
28、其中，ts為生產可行性，s為生產中成功測試的產品數量，t為總測試的產品數量。
29、進一步地，構建缺陷預測模型所依據的具體邏輯為：
30、將樣本集劃分為訓練集和測試集，劃分比例為7比3，將訓練集中的歷史設計數據作為輸入，對應的設計缺陷概率作為標簽，基于機器學習本文檔來自技高網...
【技術保護點】
1.一種數據協同工業產品設計方法，其特征在于，具體步驟包括：
2.根據權利要求1所述的一種數據協同工業產品設計方法，其特征在于，設計數據模型所依據的具體邏輯為：
3.根據權利要求2所述的一種數據協同工業產品設計方法，其特征在于，計算歷史設計數據中各項數據的評分所依據的具體邏輯為：
4.根據權利要求3所述的一種數據協同工業產品設計方法，其特征在于，構建缺陷預測模型所依據的具體邏輯為：
5.根據權利要求4所述的一種數據協同工業產品設計方法，其特征在于，實時檢測設計數據的缺陷概率所依據的具體邏輯為：
6.根據權利要求5所述的一種數據協同工業產品設計方法，其特征在于，計算綜合評分所依據的具體邏輯為：
7.一種數據協同工業產品設計系統，其特征在于，所述一種數據協同工業產品設計系統用于實現權利要求1-6任一項所述的數據協同工業產品設計方法，包括：
【技術特征摘要】
1.一種數據協同工業產品設計方法，其特征在于，具體步驟包括：
2.根據權利要求1所述的一種數據協同工業產品設計方法，其特征在于，設計數據模型所依據的具體邏輯為：
3.根據權利要求2所述的一種數據協同工業產品設計方法，其特征在于，計算歷史設計數據中各項數據的評分所依據的具體邏輯為：
4.根據權利要求3所述的一種數據協同工業產品設計方法，其特征在于，構建缺陷預測模型所依據的...
【專利技術屬性】
技術研發人員：鞠軍偉，王晗宇，
申請(專利權)人：齊魯工業大學山東省科學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。