CN111797989A - 基于知识的工艺智能推荐方法 - Google Patents
基于知识的工艺智能推荐方法 Download PDFInfo
- Publication number
- CN111797989A CN111797989A CN202010931855.1A CN202010931855A CN111797989A CN 111797989 A CN111797989 A CN 111797989A CN 202010931855 A CN202010931855 A CN 202010931855A CN 111797989 A CN111797989 A CN 111797989A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- knowledge resource
- resource items
- similarity
- items
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 239000000463 material Substances 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 7
- 238000003754 machining Methods 0.000 claims description 6
- 238000012804 iterative process Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 2
- 230000009191 jumping Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract 1
- 238000013461 design Methods 0.000 description 5
- 238000012938 design process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/027—Frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于知识的工艺智能推荐方法,包括:步骤1,知识资源库建模:对工艺资源库、工艺知识库及自定义资源知识库进行建模和数据管理;步骤2,规则建模:建立相似度算法,步骤3,目标对象的知识资源项:给出目标对象的知识资源项,并给出优先排列顺序,表示为{a,b,c……i};步骤4:相似度计算:得到按照相似度优先排列顺序的多个对应知识资源项;步骤5:迭代计算,得到唯一推荐的知识资源项;步骤6:推荐出唯一确定的工艺。本发明通过数据建库,以及计算,从数据库中快速匹配最佳的工艺。
Description
技术领域
本发明涉及一种基于知识的工艺智能推荐方法,属于人工智能的技术领域。
背景技术
每个产品都从头设计,零部件重用率低,存在很多类似的新零件,加大设计制造及维护成本。
设计师都按照自己的方式设计,缺乏标准化和规范化,质量、成本、可制造性存在问题。
设计过程往往需要经过很多步骤,每个步骤执行时缺乏规范化的引导,导致执行效率较低。
经验丰富的“老师傅”是企业的宝贵财富,但随着年龄增长而退休,这些宝贵知识面临流失。
设计人员的水平对设计质量、成本、效率的影响大,设计过程对人员经验、能力水平依赖性。
因此,需要一种基于知识的电装工艺快速生成方法,通过构建知识资源库,利用相似度算法、关系映射、规则推理等技术手段,实现电装工艺的快速设计。
发明内容
为了解决上述技术问题,本发明提供一种基于知识的工艺智能推荐方法,其具体技术方案如下:
一种基于知识的工艺智能推荐方法,包括以下步骤:
步骤1,知识资源库建模:对工艺资源库、工艺知识库及自定义资源知识库进行建模和数据管理;
步骤2,规则建模:建立相似度算法,具体为:
公式中X和Y表示选中的两个知识资源项,其中一个为目标对象的知识资源项,另一个为知识资源库中的知识资源项,i表示对应目标知识资源项的配置;
设置相似度权重值,当相似度达到权重值时,将该知识资源项保留,否则剔除;
步骤3,目标对象的知识资源项:给出目标对象的知识资源项,并给出优先排列顺序,表示为知识资源项{a,b,c……i},所述步骤1中的知识资源库中含有知识资源项{a,b,c……i};
步骤4:相似度计算:设步骤1中知识资源项a有na个,将步骤3的知识资源项a代入步骤2的计算公式,目标对象的知识资源项a分别与知识资源库中的na个知识资源项a计算相似度,剔除相似度小于权重值的知识资源项a后,得到ma个保留的知识资源项a,并将ma个保留知识资源项a按照相似度优先排列顺序;
设步骤1中知识资源项b有nb个,将目标对象的知识资源项b代入步骤2的计算公式,目标对象的知识资源项b分别与知识资源库中的nb个知识资源项b计算相似度,剔除相似度小于权重值的知识资源项b后,得到mb个保留的知识资源项b,并将mb个保留的知识资源项b按照相似度优先排列顺序;
设步骤1中知识资源项c有nc个,……,步骤1中知识资源项i有ni个,依次完成目标对象的知识资源项c……i的相似度计算,得到按照相似度优先排列顺序的mc个保留的知识资源项c,……,mi个保留的知识资源项i;
步骤5:迭代计算,得到精确值:将步骤4得到的ma个知识资源项a,mb个知识资源项b,……mi个知识资源项i,分别进行迭代计算,得到各个知识资源项唯一的精确值;
步骤6:推荐出唯一确定的工艺。
随后判断是否满足收敛条件:
对于有根的方程,这个迭代过程会在的邻域内达到收敛,得到最终的近似解,
当迭代次数达到设定的迭代次数上限N时,也会跳出循环,当跳出循环无输出时,更换初始
值,再次尝试迭代,直到输出唯一确定的知识资源项。
进一步的,步骤1中所述工艺资源库包括制造单位、设备、工装、工具、道具、量具、材料、工序、工步,
所述工艺知识库包括内部标准、工艺模板、工序模板、工艺常用语;
所述自定义资源知识库包括切削用量、加工余量、加工方法、特征、技术要求。
本发明的有益效果是:
本发明首先将工艺设计过程中各种参数建立数据库,当有新的设计目标时,选择实现该目标的任意属性(比如物料属性、工艺属性等),系统自动计算与该目标属性匹配度高的参数,重新建立数据库,然后,数据的迭代处理得到推荐的精确值,所有的知识参数快速组装成一个完整的工艺。
附图说明
图1是本发明的工艺生成过程图,
图2是本发明的迭代过程图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
如图1所示,本发明的知识资源库包括工艺资源库、工艺知识库及自定义资源知识库,工艺资源库包括制造单位、设备、工装、工具、道具、量具、材料、工序、工步;工艺知识库包括内部标准、工艺模板、工序模板、工艺常用语;自定义资源知识库包括切削用量、加工余量、加工方法、特征、技术要求。将工作经验按需输入到系统中,构成数据库。在实际使用中,根据设计目标选择对应的一个或多个知识参数,该知识参数为知识资源库中已有的知识参数。
建立相似度算法,具体为:
公式中X和Y表示选中的两个知识资源项,其中一个为目标对象的知识资源项,另一个为知识资源库中的知识资源项,i表示对应目标知识资源项的配置;
设置相似度权重值,当相似度达到权重值时,将该知识资源项保留,否则剔除;
举例:
PCB物料A.基本属性.物料编码:AL2.001.123
PCB物料B.基本属性.物料编码:AL3.001.456
首先列出所有字符。
A、L、0、1、2、3、4、5、6。
计算词频,写出词频向量。
物料A:(1,1,2,2,2,1,0,0,0,2)
物料B:(1,1,2,1,0,1,1,1,1,2)
通过上面的余弦公式计算
如果0.77大于权重值,则将该物料纳入待选物料库,否则直接排除。
实际应用时,按照如下步骤进行:
1,输入目标对象的知识资源项:给出目标对象的知识资源项,并给出优先排列顺序,表示为知识资源项{a,b,c……i},所述步骤1中的知识资源库中含有知识资源项{a,b,c……i};
2,相似度计算:设步骤1中知识资源项a有na个,将步骤3的知识资源项a代入步骤2的计算公式,目标对象的知识资源项a分别与知识资源库中的na个知识资源项a计算相似度,剔除相似度小于权重值的知识资源项a后,得到ma个保留的知识资源项a,并将ma个保留知识资源项a按照相似度优先排列顺序;
设步骤1中知识资源项b有nb个,将目标对象的知识资源项b代入步骤2的计算公式,目标对象的知识资源项b分别与知识资源库中的nb个知识资源项b计算相似度,剔除相似度小于权重值的知识资源项b后,得到mb个保留的知识资源项b,并将mb个保留的知识资源项b按照相似度优先排列顺序;
设步骤1中知识资源项c有nc个,……,步骤1中知识资源项i有ni个,依次完成目标对象的知识资源项c……i的相似度计算,得到按照相似度优先排列顺序的mc个保留的知识资源项c,……,mi个保留的知识资源项i;
3,迭代计算,得到精确值:将步骤4得到的ma个知识资源项a,mb个知识资源项b,……mi个知识资源项i,分别进行迭代计算,得到各个知识资源项唯一的精确值;
4,推荐出唯一确定的工艺。
迭代计算的具体过程为: 以目标对象的知识参数配置为初始值,作为迭代的起
点,对方程进行求解,设置收敛条件和迭代次数上限N,在满足收敛条件或迭代次
数过高(超过上限N)的时候跳出循环,避免在求不出近似解的时候陷入无限循环;
在计算首先要判断是否为0,若为0的话此处切线与轴平行,没有交点,也就
无法继续迭代过程,产生这种情况的原因是初始值取点位置不合适,换个初始值再次尝试,
在这一步中得到的较初始值更接近精确解,到这里就完成了第一步迭代,
随后判断是否满足收敛条件:
对于有根的方程,这个迭代过程会在的邻域内达到收敛,得到最终的近似解,
而如果迭代多次也无法收敛,当次数达到设定的迭代次数上限时,也会跳出循环,当调出循
环无输出时,更换初始值,再次尝试迭代,直到得到唯一确定的知识参数。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (3)
1.一种基于知识的工艺智能推荐方法,其特征在于:包括以下步骤:
步骤1,知识资源库建模:对工艺资源库、工艺知识库及自定义资源知识库进行建模和数据管理;
步骤2,规则建模:建立相似度算法,具体为:
公式中X和Y表示选中的两个知识资源项,其中一个为目标对象的知识资源项,另一个为知识资源库中的知识资源项,i表示对应目标知识资源项的配置;
设置相似度权重值,当相似度达到权重值时,将该知识资源项保留,否则剔除;
步骤3,目标对象的知识资源项:给出目标对象的知识资源项,并给出优先排列顺序,表示为知识资源项{a,b,c……i},所述步骤1中的知识资源库中含有知识资源项{a,b,c……i};
步骤4:相似度计算:设步骤1中知识资源项a有na个,将步骤3的知识资源项a代入步骤2的计算公式,目标对象的知识资源项a分别与知识资源库中的na个知识资源项a计算相似度,剔除相似度小于权重值的知识资源项a后,得到ma个保留的知识资源项a,并将ma个保留知识资源项a按照相似度优先排列顺序;
设步骤1中知识资源项b有nb个,将目标对象的知识资源项b代入步骤2的计算公式,目标对象的知识资源项b分别与知识资源库中的nb个知识资源项b计算相似度,剔除相似度小于权重值的知识资源项b后,得到mb个保留的知识资源项b,并将mb个保留的知识资源项b按照相似度优先排列顺序;
设步骤1中知识资源项c有nc个,……,步骤1中知识资源项i有ni个,依次完成目标对象的知识资源项c……i的相似度计算,得到按照相似度优先排列顺序的mc个保留的知识资源项c,……,mi个保留的知识资源项i;
步骤5:迭代计算,得到精确值:将步骤4得到的ma个知识资源项a,mb个知识资源项b,……mi个知识资源项i,分别进行迭代计算,得到各个知识资源项唯一的精确值;
步骤6:推荐出唯一确定的工艺。
2.根据权利要求1所述的基于知识的工艺智能推荐方法,其特征在于:所述步骤5的具体过程为: 以目标对象的知识资源项配置为初始值,作为迭代的起点,对方程进行求解,设置收敛条件和迭代次数上限N,在满足收敛条件或迭代次数超过上限N的时候跳出循环;
随后判断是否满足收敛条件:
3.根据权利要求1所述的基于知识的工艺智能推荐方法,其特征在于:步骤1中所述工艺资源库包括制造单位、设备、工装、工具、道具、量具、材料、工序、工步,
所述工艺知识库包括内部标准、工艺模板、工序模板、工艺常用语;
所述自定义资源知识库包括切削用量、加工余量、加工方法、特征、技术要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010931855.1A CN111797989B (zh) | 2020-09-08 | 2020-09-08 | 基于知识的工艺智能推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010931855.1A CN111797989B (zh) | 2020-09-08 | 2020-09-08 | 基于知识的工艺智能推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111797989A true CN111797989A (zh) | 2020-10-20 |
CN111797989B CN111797989B (zh) | 2020-12-18 |
Family
ID=72834160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010931855.1A Active CN111797989B (zh) | 2020-09-08 | 2020-09-08 | 基于知识的工艺智能推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111797989B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112434391A (zh) * | 2020-12-10 | 2021-03-02 | 四川长虹电器股份有限公司 | 一种基于注塑件相似度比较推荐工艺参数的方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101458732A (zh) * | 2008-12-25 | 2009-06-17 | 浙江师范大学 | 面向饰品创新设计的知识应用方法 |
CN101477521A (zh) * | 2008-12-18 | 2009-07-08 | 四川大学 | 用于构建机械产品设计知识库的非规范知识获取方法 |
CN107885749A (zh) * | 2016-09-30 | 2018-04-06 | 南京理工大学 | 本体语义扩展与协同过滤加权融合的工艺知识检索方法 |
US20190243946A1 (en) * | 2018-02-02 | 2019-08-08 | Richard Postrel | Optimizing Successful Outcomes for Repurposing Existing Pharmaceutical Compounds |
CN110766055A (zh) * | 2019-09-23 | 2020-02-07 | 西安交通大学 | 一种基于语素划分和人工神经网络的智能装配工艺设计方法 |
CN110851499A (zh) * | 2019-11-06 | 2020-02-28 | 上海卫星装备研究所 | 基于知识的装配工艺设计方法、系统及介质 |
CN111369130A (zh) * | 2020-02-29 | 2020-07-03 | 华南理工大学 | 基于语义数据和知识推理的分布式自适应产线重构方法 |
CN111625918A (zh) * | 2019-02-27 | 2020-09-04 | 阿里巴巴集团控股有限公司 | 一种工艺参数推荐方法、装置及电子设备 |
-
2020
- 2020-09-08 CN CN202010931855.1A patent/CN111797989B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477521A (zh) * | 2008-12-18 | 2009-07-08 | 四川大学 | 用于构建机械产品设计知识库的非规范知识获取方法 |
CN101458732A (zh) * | 2008-12-25 | 2009-06-17 | 浙江师范大学 | 面向饰品创新设计的知识应用方法 |
CN107885749A (zh) * | 2016-09-30 | 2018-04-06 | 南京理工大学 | 本体语义扩展与协同过滤加权融合的工艺知识检索方法 |
US20190243946A1 (en) * | 2018-02-02 | 2019-08-08 | Richard Postrel | Optimizing Successful Outcomes for Repurposing Existing Pharmaceutical Compounds |
CN111625918A (zh) * | 2019-02-27 | 2020-09-04 | 阿里巴巴集团控股有限公司 | 一种工艺参数推荐方法、装置及电子设备 |
CN110766055A (zh) * | 2019-09-23 | 2020-02-07 | 西安交通大学 | 一种基于语素划分和人工神经网络的智能装配工艺设计方法 |
CN110851499A (zh) * | 2019-11-06 | 2020-02-28 | 上海卫星装备研究所 | 基于知识的装配工艺设计方法、系统及介质 |
CN111369130A (zh) * | 2020-02-29 | 2020-07-03 | 华南理工大学 | 基于语义数据和知识推理的分布式自适应产线重构方法 |
Non-Patent Citations (2)
Title |
---|
DONG HUO 等: "Knowledge production in the co-invention process: the influence of knowledge similarity on co-invention performance", 《HTTPS://DOI.ORG/10.1080/13504851.2020.1734525》 * |
刘保强: "基于知识的柴油机装配工艺设计与仿真平台研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112434391A (zh) * | 2020-12-10 | 2021-03-02 | 四川长虹电器股份有限公司 | 一种基于注塑件相似度比较推荐工艺参数的方法 |
CN112434391B (zh) * | 2020-12-10 | 2022-03-01 | 四川长虹电器股份有限公司 | 一种基于注塑件相似度比较推荐工艺参数的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111797989B (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109870903B (zh) | 参数优化方法、装置以及非瞬时计算机可读取介质 | |
Lakshminarayanan et al. | New product design via analysis of historical databases | |
CN110428015A (zh) | 一种模型的训练方法及相关设备 | |
Piccialli et al. | SOS-SDP: an exact solver for minimum sum-of-squares clustering | |
Manassero et al. | A new method to cope with decision makers' uncertainty in the equipment selection process | |
CN111797989B (zh) | 基于知识的工艺智能推荐方法 | |
Parwita et al. | Optimization of COCOMO II coefficients using Cuckoo optimization algorithm to improve the accuracy of effort estimation | |
Guo et al. | Research of new strategies for improving CBR system | |
Kiseleva et al. | An Algorithm to Construct Generalized Voronoi Diagrams with Fuzzy Parameters Based on the Theory of Optimal Partitioning and Neuro-Fuzzy Technologies. | |
Kazakovtsev et al. | Genetic algorithm with greedy heuristic for capacity planning | |
Achimugu et al. | Using the fuzzy multi-criteria decision making approach for software requirements prioritization | |
CN116302088A (zh) | 一种代码克隆检测方法、存储介质及设备 | |
US20220390918A1 (en) | Methods and systems for selection of manufacturing orientation using machine learning | |
CN109710812A (zh) | 一种网络表征算法稳定性度量方法 | |
Beskorovainyi et al. | Mathematical models for determining the pareto front for building technological processes options under the conditions of interval presentation of local criteria | |
Liao et al. | Multiobjective design of equivalent accelerated life testing plans | |
CN114880457A (zh) | 工艺推荐模型的训练、工艺推荐方法及电子设备 | |
CN107105052A (zh) | 基于图规划的启发式Web服务组合方法 | |
CN112307288A (zh) | 一种用于多渠道的用户聚类方法 | |
Yang et al. | A generalized fuzzy clustering framework for incomplete data by integrating feature weighted and kernel learning | |
Sadi-Nezhad et al. | A new fuzzy clustering algorithm based on multi-objective mathematical programming | |
Zhuang et al. | Metamodel assisted mixed-integer evolution strategies based on Kendall rank correlation coefficient | |
CN113284256B (zh) | 一种mr混合现实三维场景素材库生成方法及系统 | |
TWI439952B (zh) | 模糊類神經系統建構方法 | |
Ahn et al. | An efficient pruning method for decision alternatives of OWA operators |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |