CN113886712A - 基于erp的人工智能汽车维修推荐方法、系统和存储介质 - Google Patents

基于erp的人工智能汽车维修推荐方法、系统和存储介质 Download PDF

Info

Publication number
CN113886712A
CN113886712A CN202111299154.1A CN202111299154A CN113886712A CN 113886712 A CN113886712 A CN 113886712A CN 202111299154 A CN202111299154 A CN 202111299154A CN 113886712 A CN113886712 A CN 113886712A
Authority
CN
China
Prior art keywords
maintenance
vehicle
automobile
paint
repair
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
Application number
CN202111299154.1A
Other languages
English (en)
Other versions
CN113886712B (zh
Inventor
庄伟振
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Enoch Automobile Technology Co ltd
Original Assignee
Hangzhou Enoch Automobile Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Enoch Automobile Technology Co ltd filed Critical Hangzhou Enoch Automobile Technology Co ltd
Priority to CN202111299154.1A priority Critical patent/CN113886712B/zh
Priority to CN202210390057.1A priority patent/CN114691999A/zh
Publication of CN113886712A publication Critical patent/CN113886712A/zh
Application granted granted Critical
Publication of CN113886712B publication Critical patent/CN113886712B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • 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
    • G06Q50/10—Services
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Library & Information Science (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Computer Hardware Design (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Bioethics (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于ERP的人工智能汽车维修推荐方法、系统和存储介质，涉及数据管理技术领域，包括汽修ERP管理平台接收车辆维修请求，判断维修类型，分别标记二类维修和一类维修；根据维修类型输出推荐清单，并对推荐清单进行排序；接收选定指令，下发包含维修信息的订单，接收接单确认信息，若汽修厂在预设时间内确认接单，则转发汽修厂信息，否则再次输出推荐清单直到维修请求结束或被汽修厂接受。本发明旨在解决汽车司机难以获取高质量的汽修服务、汽车维修数据不能共享和利用、信息化和数字化程度低、汽车维修优质服务的可及性差、维修技术和经验未能被归纳和模型化等问题，利用维修数据建立车漆维修推荐模型，实现数据的云端存储和共享。

Description

基于ERP的人工智能汽车维修推荐方法、系统和存储介质
技术领域
本发明涉及数据管理技术领域，具体涉及基于ERP的人工智能汽车维修推荐方法、系统和存储介质。
背景技术
国内汽车市场经济快速增长，几乎每家每户都有车了，同时也衍生出汽车保养、维修等服务，汽车维修行业成为一个新的发展重心。随着我国汽车消费的增长，汽车保有量和汽车后市场都在增长，养车难也是诸多车主面临的问题，传统的汽修厂管理粗放，缺少有效的管理工具，难以满足客户对于优质维修服务的需求，而且汽车维修服务质量和价格缺少可参考的标准，信息不对称使得司机和维修厂之间难以建立一般的信任，这也增加了交易成本，汽修厂难以保有稳定的客户群，不利于汽车后市场的行业发展。另一方面，大量的汽车维修数据无法积累和共享，不能发挥出数据改善服务的作用，互联网时代下汽修行业的数据资源尚未被有效利用，信息技术和人工智能技术仍未和汽修服务结合来提高服务质量和用户体验，汽车维修行业急需新技术的应用，既要帮助司机和优质汽修厂建立联系以获得更好的服务，又能利用汽车维修大数据提升汽修厂维修质量和效率，利用数据资源发挥信息技术的优势来解决问题，特别是在中国车主感受度较高的车漆维修方面，传统维修方法依赖于维修技工的个人技艺，对于技术革新的需求尤甚。
公开号为CN110781381A的中国发明专利申请公开了基于神经网络的数据验证方法，接收用户发送的待验证的汽车维修数据，并提取所述汽车维修数据中的汽车受损图片以及修理方案；将所述修理方案与修理方案数据库中的标准修理方案进行数据匹配，判断所述修理方案数据库中是否存在与所述修理方案一致的标准修理方案。该方法仅能用于汽修厂自身给出的维修方案或数据的验证，其中的维修数据验证模型并不能基于现有维修数据和新数据进行更新，也不能基于汽车状态推荐更好的维修方案，司机仍不能获知维修进度、质量和汽修厂的服务差异，难以满足汽修厂的技术革新需求。
发明内容
针对现有汽车维修和车漆维修中司机难以获取高质量的汽修服务、汽修厂汽车维修数据不能共享和利用、信息化和数字化程度低、汽车维修优质服务的可及性差、包含在大数据中的维修技术和经验未能被归纳和模型化等技术问题，本发明提供的基于ERP的人工智能汽车维修推荐方法、系统和存储介质，能够有效地为司机和汽修厂之间建立联系，高效地分配维修请求，为司机推荐优秀的维修服务供应方，还能利用维修数据建立车漆维修推荐模型，并能借助汽修ERP管理平台实现数据的云端存储和共享。
为解决上述问题，本发明提供了一种汽车维修推荐方法，包括以下步骤：
汽修ERP管理平台接收车辆维修请求，判断维修类型，若所述维修请求包含车漆破损，则将所述维修请求标记为二类维修，否则将所述维修请求标记为一类维修；
根据维修类型输出汽修厂和/或技工推荐清单，所述推荐清单根据汽修厂工单记录和汽修厂距离排序，或者所述推荐清单根据汽修厂推荐度排序；
接收选定指令，下发包含维修信息的订单，接收接单确认信息，若汽修厂在预设时间内确认接单，则转发汽修厂信息，否则再次输出推荐清单直到所述维修请求结束或被汽修厂接受。
可选地，还包括采集该车辆的图像信息，分析所述图像信息以判断该车辆的车漆颜色，若该车辆的车漆颜色不同于该车辆出厂时配置的颜色，则推荐采用比色法重新配漆。
可选地，若该车辆的车漆颜色为该车辆出厂时配置的颜色，采集车辆信息，从汽修ERP管理平台和第三方平台获取车辆的历史维修记录，当该车辆维修类型为二类维修时，若存在该车辆包含车漆配方的车漆维修记录，则以所述车漆配方为基础推荐维修方案，否则从与该车辆相同车型的其他车辆的车漆维修记录获取车漆配方作为基础推荐维修方案，若不存在该车辆及相同车型的其他车辆的车漆维修记录，则推荐采用比色法重新配漆。
可选地，还包括采集该车辆本次维修记录及进度，采集该车辆本次维修中色差仪记录的数据，若色差小于预设值，则转发该车辆维修进度和车辆维修后照片，否则提示色差不达标，接收维修服务评价或授权指令，根据所述授权指令发送该车辆本次维修记录给第三方平台。
可选地，还包括获取汽修厂信用值和该汽修厂的维修服务评价可信度，若所述信用值和所述可信度均大于均值或在预设范围内，则以汽修厂的色差达标率乘以所述信用值得到的数值与维修服务好评率乘以所述可信度得到的数值相加输出汽修厂推荐度。
可选地，还包括采集汽修厂该车辆所在的维修工位的图像信息，分析所述图像信息以判断该车辆在汽修厂期间是否离开维修工位，若是，则根据该车辆离开维修工位的时间和持续时长判断是否异常操作，并判断该车辆在所述维修工位期间的图像信息是否有异常动作；若否，则判断该车辆在所述维修工位期间的图像信息是否有异常动作。
可选地，若该车辆的车漆颜色为该车辆出厂时配置的颜色，采集车辆信息，从汽修ERP管理平台和第三方平台获取车辆的历史维修记录，当该车辆维修类型为二类维修时，若不存在该车辆包含车漆配方的车漆维修记录，但存在与该车辆相同车型的其他车辆的车漆维修记录，则获取所述其他车辆的车漆维修记录以构建训练数据集，所述训练数据集包括所述其他车辆的历史特征矩阵和车漆维修方案，所述历史特征矩阵关联车辆的参数信息，将所述训练数据集输入车漆维修推荐模型进行训练，所述车漆维修推荐模型为多隐层神经网络模型。
可选地，若该车辆的车漆颜色为该车辆出厂时配置的颜色，采集车辆信息，从汽修ERP管理平台和第三方平台获取车辆的历史维修记录，当该车辆维修类型为二类维修时，若不存在该车辆包含车漆配方的车漆维修记录，但存在与该车辆相同车型的其他车辆的车漆维修记录，则获取所述其他车辆的维修服务评价和返修记录以构建验证数据集，或者获取所述其他车辆的光照累计时长和淋水时长以构建验证数据集，所述验证数据集以汽修厂信用值和/或维修服务评价可信度为依据进行数据清洗而得到。
为实现本发明的目的，本发明还提供了汽车维修推荐系统，包括司机端、汽修厂端、汽修ERP管理平台和第三方平台，所述司机端和所述汽修厂端均与所述汽修ERP管理平台连接，所述汽修ERP管理平台与所述第三方平台连接，所述汽修ERP管理平台储存有车辆维修数据和车漆维修推荐模型，所述汽车维修推荐系统运行时执行上述的汽车维修推荐方法。
为实现本发明的目的，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序或代码集，所述计算机程序或所述代码集被处理器执行时实现所述汽车维修推荐方法的部分或全部步骤。
采用本发明提供的技术方案，与现有技术相比，具有如下有益效果：
(1)司机可通过接入汽车维修推荐系统及时获得高效的汽修厂推荐，汽修厂推荐清单还可包含技工信息和汽修厂推荐度，汽修厂推荐度来源于汽修厂的反映服务质量的技术指标和客户评价指标；
(2)司机只需提出维修需求，维修服务的匹配和需求分配均由汽车维修推荐系统通过汽修ERP管理平台调配资源来解决，减轻了司机选择和评估维修服务供应方的负担；
(3)汽修厂的数据能够被汽修ERP管理平台存储和共享，汽修厂能够从汽修ERP管理平台获得技术和管理两方面的支持和反馈，汽修厂仅需更新工单记录并上传维修数据，更有时间和动力做好维修服务，即可在汽车维修推荐系统中获得合理的评价和智能化推荐，更易于获得稳定的客户群体和好评；
(4)利用互联网通信技术连接司机维修需求和汽修厂的维修服务，将大数据资源存储于云端的汽修ERP管理平台，更适宜于应用云计算技术和神经网络算法，实现了司机端和汽修厂端的轻量化部署，符合技术发展趋势，更便于在汽车维修这样的传统行业应用和实施；
(5)由于汽修厂信用值和维修服务评价可信度为动态更新的数值，且其中的部分数据源自汽车维修推荐系统的外部，车漆维修推荐模型的训练也可实现持续强化学习。
附图说明
图1为本发明实施例提出的汽车维修推荐系统结构原理图；
图2为本发明实施例提出的汽车维修推荐方法的信息交互流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，一体地连接，也可以是可拆卸连接；可以是机械连接或电连接，也可以是两个元件内部的连通；可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
如图1所示的汽车维修推荐系统，包括司机端、汽修厂端、汽修ERP管理平台和第三方平台，司机端和汽修厂端均与汽修ERP管理平台连接，汽修ERP管理平台与第三方平台连接，汽修ERP管理平台储存有车辆维修数据和车漆维修推荐模型，汽车维修推荐系统运行时执行本发明提出的汽车维修推荐方法的部分或全部步骤。汽修ERP管理平台包括用于储存车辆维修数据、车型数据库、车漆数据库和配方数据库的资源服务器以及与该资源服务器连接的配方查询模块、配方数据采集模块和配方数据比对模块，配方查询模块用于接收查询条件并在配方数据库中获取现有配方和输出初始配方；配方数据采集模块用于采集初始配方和最终配方；配方数据比对模块用于初始配方和最终配方的比对分析以及最终配方和现有配方的比对分析。车型数据库中包含车型、车身颜色、年款、车漆供应商和车辆图片等信息。
配方查询模块连接配方匹配分析模块，配方匹配分析模块与配方数据库连接，配方数据采集模块连接终端设备，终端设备包括触摸屏、键盘、自动调色机、扫码枪或在线电子秤。配方数据库中由调漆操作产生的每一条配方数据包含工单编号、车型、车身颜色、汽车出厂时间、配方产生时间、维修部位、配方产生地或维修地、调漆操作员姓名或代号、调漆操作员积分、配方成本、已验证标记、评论信息、被采用次数和车漆品牌等信息。
配方查询模块包括输入模块、检索模块和排序模块，输入模块用于接收查询条件，查询条件包括车型信息、车身颜色和维修部位的目标颜色信息。
汽修ERP管理平台还包括登录认证模块，司机端和汽修厂端均与登录认证模块连接，登录认证模块包括登录接收模块、密码验证模块和身份认证模块，登录接收模块用于接收用户信息和用户密码，用户信息包括用户名和用户组，用户组可根据用户的配方管理权限分类，用户组包括系统管理员、系统使用者和调漆操作员；密码验证模块包含可对用户密码和用户名进行加密的加密算法，身份认证模块连接有生物信息识别模块，生物信息识别模块用于处理指纹信息、脸部信息、虹膜信息或静脉信息等生物信息。
在汽修ERP管理平台设立工单和工单编号的前提下，调漆操作员登录汽车维修推荐系统后通过配方查询模块的检索模块根据目标颜色信息、车型信息和车身颜色信息在配方数据库中检索相关的配方数据，排序模块连接设于资源服务器上的车漆数据库，排序模块包括默认排序单元和再排序单元，默认排序单元用于根据预设规则对配方查询结果进行排序展示，预设规则包括但不限于以车漆数据库的存量信息与配方数据关联以后优先展示车漆存量较多的配方或靠后展示车漆存量较少的配方，借此预设规则向系统用户推荐有充足车漆的配方；再排序单元用于根据用户指定的排序类型对配方查询结果进行排序展示，用户指定的排序类型包括时间排序、相关性排序、调漆操作员排序、天气排序、成本排序、采用次数排序和距离排序。时间排序以配方查询当月和相邻月份为序，配方产生时间越接近配方查询当前日期越有参考价值，若非当月或相邻月份的配方数据则以历年相同月份及其相邻月份产生的配方数据优先展示，这是因为修补漆作业的效果受气温和空气湿度影响，配方查询和修补漆作业通常要求同日进行，当月的配方数据的操作条件比较接近；距离排序以配方查询所在地为起点计算查询结果中配方数据产生地的距离，距离越近，地域气候和天气相近，则操作条件越接近，更有参考价值。相关性排序通过匹配配方数据信息，以车型、车身颜色、汽车出厂时间、配方产生时间、维修部位和车漆品牌的匹配数进行排序，匹配数越高的配方数据优先展示。
配方查询模块在收到查询条件后，将查询条件传输给配方匹配分析模块，配方匹配分析模块判断查询条件与配方数据库储存的配方数据是否匹配，若为是，则输出配方查询结果，若为否，则提示无相关配方。配方查询结果中的配方数据经由解密模块予以解密后输出，根据用户的配方管理权限确定是否予以解密。供配方匹配分析模块进行匹配分析的配方数据不包括问题配方库的配方数据。
汽修ERP管理平台还包括用于连接司机端和汽修厂端的通信模块，通信模块连接互联网，汽修ERP管理平台可通过互联网获取天气信息和时间戳，天气信息和时间戳可与工单进行关联，以确保信息的准确性。
汽修ERP管理平台还包括与配方查询模块连接的配方成本分析模块，配方成本分析模块与设于资源服务器上的车漆数据库连接，车漆数据库包含色母、清漆、底漆和喷涂辅料等的品牌、价格和存量信息，车漆数据库的车漆存量不足时，汽修ERP管理平台可根据所在地域的车漆消耗或销售数据结合用户的常用车漆种类判断是否提醒汽修厂补充车漆，还可根据车漆消耗或销售数据调整ERP系统中的车漆供货价格。配方成本分析模块用于计算配方查询结果中展示的配方数据的成本，尤其是物料成本，以实现配方查询结果可以按成本排序，便于调漆操作员从成本角度评估配方的可用性。
如图2所示的汽车维修推荐方法，包括以下步骤：汽修ERP管理平台接收车辆维修请求，在接收车辆维修请求的同时或之后，请求并获取车辆所在地信息，对该车辆所在地信息进行加密；判断维修类型，若所述维修请求包含车漆破损，则将所述维修请求标记为二类维修，否则将所述维修请求标记为一类维修；根据维修类型输出汽修厂和/或技工推荐清单，所述推荐清单根据汽修厂工单记录和汽修厂距离排序，或者所述推荐清单根据汽修厂推荐度排序；接收选定指令，下发包含维修信息的订单，接收接单确认信息，若汽修厂在预设时间内确认接单，则转发汽修厂信息，否则再次输出推荐清单直到所述维修请求结束或被汽修厂接受。
在其他实施方式中，还包括采集该车辆的图像信息，通过图像分析模块判断车辆是否存在车漆破损。司机端在提交车辆维修请求时，可标注车漆破损和/或上传车辆的图像信息，若司机端标注已发生交通事故，则提示上传车辆的图像信息，并提供加急选项或直接将该维修请求标记为加急订单。若汽修ERP管理平台下发包含维修信息的加急订单，则按一定比例缩短允许汽修厂确认接单的预设时间。
在其他实施方式中，还包括采集该车辆的图像信息，分析所述图像信息以判断该车辆的车漆颜色，若该车辆的车漆颜色不同于该车辆出厂时配置的颜色，则推荐采用比色法重新配漆。
在其他实施方式中，若该车辆的车漆颜色为该车辆出厂时配置的颜色，采集车辆信息，从汽修ERP管理平台和第三方平台获取车辆的历史维修记录，当该车辆维修类型为二类维修时，若存在该车辆包含车漆配方的车漆维修记录，则以所述车漆配方为基础推荐维修方案，否则从与该车辆相同车型的其他车辆的车漆维修记录获取车漆配方作为基础推荐维修方案，从与该车辆相同车型的其他车辆的车漆维修记录中通过车辆信息匹配选取车龄更接近的车辆，并优先选取在同一汽修厂或由同一技工维修的车辆；或者，采集该车辆的光照传感器记录和雨量传感器记录，获取与该车辆相同车型的其他车辆的光照传感器记录和雨量传感器记录，所述光照传感器记录和雨量传感器记录分别包含光照累计时长和淋水时长，比较该车辆与所述其他车辆的光照累计时长和淋水时长，选取时长接近的车辆；若不存在该车辆及相同车型的其他车辆的车漆维修记录，则推荐采用比色法重新配漆。当从与该车辆相同车型的其他车辆的车漆维修记录获取车漆配方作为基础推荐维修方案时，接收汽修厂对于推荐维修方案的评价。
在其他实施方式中，当采集该车辆的光照传感器记录和雨量传感器记录时，不能获取到所述光照传感器记录和雨量传感器记录，则从与该车辆相同车型的其他车辆的车漆维修记录中通过车辆信息匹配选取位于同一城市或同一纬度带上其他相邻城市的车辆，并优先选取在同一汽修厂或由同一技工维修的车辆。
比色法重新配漆即以查询到的现有配方作为初始配方进行调漆配色，按照初始配方调制的修补漆被喷涂于样板上，待样板干燥后，将样板颜色与车身颜色比对，可采用色差仪测试色差数据，若有需要，初始配方可经过微调后直到获得符合色差标准的最终配方。若该最终配方不同于配方数据库中储存的现有配方，则判断最终配方是否符合调漆规则，若为是，则对最终配方执行配方合规审核，若为否，则将最终配方列入低分配方库，同时调整调漆操作员积分。若该最终配方和已知的其他现有配方一致，则更新该现有配方的被采用记录。调漆规则包括中间色原理，即任何两个非补色混合得到中间色；补色原理，即颜色A和颜色A的补色混合得到黑色；代替原理：即色母A可由色母B代替，色母A和色母B的调色效果相仿，色母的明度可通过加入白色提高或通过加入黑色降低，调漆规则还包括根据色母特性确定的调漆要求。
判断最终配方是否通过配方合规审核，若为是，则将最终配方列入待验证配方库；若为否，则将最终配方列入问题配方库，并调整调漆操作员积分。调漆操作员包括人工和机器，机器调漆操作员包括自动调色机或调色系统，当调漆操作由人工执行时，配方合规审核尤为必要，配方合规审核包括但不限于根据配方数据采集模块连接的终端设备采集的操作数据与最终配方数据进行比对判断是否存在矛盾或不一致，或根据车漆数据库的车漆存量信息判断是否明显不合理，例如最终配方中某一配料的存量明显不足。
汽车维修推荐方法还包括采集该车辆本次维修记录及进度，采集该车辆本次维修中色差仪记录的数据，若色差小于预设值，则转发该车辆维修进度和车辆维修后照片，否则提示色差不达标，接收维修服务评价或授权指令，根据所述授权指令发送该车辆本次维修记录给第三方平台。
汽车维修推荐方法还包括获取汽修厂信用值和该汽修厂的维修服务评价可信度，若信用值或可信度小于预设值，则该汽修厂不被列入推荐清单；若信用值和可信度均大于均值或在预设范围内，则以汽修厂的色差达标率乘以所述信用值得到的数值与维修服务好评率乘以所述可信度得到的数值相加输出汽修厂推荐度。将所述汽修厂推荐度映射到汽修厂属性，输出汽修厂和/或技工推荐清单时一并提供所述汽修厂推荐度，汽修厂推荐度与汽修厂名称可同时相邻显示，还可展示汽修厂所采用的的车漆品牌、种类、认证信息和相应的服务质保期，供用户选择汽修厂时参考，由于汽修厂推荐度一定程度上依赖于汽修厂信用值和维修服务评价可信度，有助于鼓励汽修厂保持和提升自身信用值，避免虚假信息带来不利影响，同时也改善用户体验。
汽车维修推荐方法还包括采集汽修厂该车辆所在的维修工位的图像信息，分析所述图像信息以判断该车辆在汽修厂期间是否离开维修工位，若是，则根据该车辆离开维修工位的时间和持续时长判断是否异常操作，并判断该车辆在所述维修工位期间的图像信息是否有异常动作；若否，则判断该车辆在所述维修工位期间的图像信息是否有异常动作。若判断为有异常动作，则自动记录所述异常动作持续时间内的影像以及所述异常动作发生前后一段时间内的影像，优选为异常动作发生前后30～120秒内的影像，异常动作包括非正常维修行为，例如人员长时间停留在该车辆附近或内部、车辆附近有人抽烟或用火、该车辆被外物撞击和该车辆所在维修工位与维修状态不能对应等情况。所述异常操作的次数和所述异常动作的次数均作为该汽修厂信用值的计算参数。所述计算参数还包括汽修厂确认接单后又取消接单的次数。
在其他实施方式中，若该车辆的车漆颜色为该车辆出厂时配置的颜色，采集车辆信息，从汽修ERP管理平台和第三方平台获取车辆的历史维修记录，当该车辆维修类型为二类维修时，若不存在该车辆包含车漆配方的车漆维修记录，但存在与该车辆相同车型的其他车辆的车漆维修记录，则获取其他车辆的车漆维修记录以构建训练数据集，训练数据集包括其他车辆的历史特征矩阵和车漆维修方案，历史特征矩阵关联车辆的参数信息，将训练数据集输入车漆维修推荐模型进行训练，车漆维修推荐模型为多隐层神经网络模型。多隐层神经网络模型是预训练模型，预训练模型通过输入模拟训练数据和/或第三方平台提供的训练数据对初始模型进行训练获得。车漆维修推荐模型的训练方法为，选定其中一层隐层作为起始进行逐层训练直到最后一层，然后从未训练的隐层中选定一层作为起始进行逐层训练直到最后一层，直到完成至少一轮遍历；有助于避免误差传递和训练效果固化。
当训练数据集的数据量未达到设定值时，训练数据集还包括模拟训练数据。当训练数据集的数据量未达到设定值时，先选用模拟训练数据输入车漆维修推荐模型进行训练。有助于减少误差传输和加快收敛。
在其他实施方式中，若该车辆的车漆颜色为该车辆出厂时配置的颜色，采集车辆信息，从汽修ERP管理平台和第三方平台获取车辆的历史维修记录，当该车辆维修类型为二类维修时，若不存在该车辆包含车漆配方的车漆维修记录，但存在与该车辆相同车型的其他车辆的车漆维修记录，则获取所述其他车辆的维修服务评价和返修记录以构建验证数据集，或者获取所述其他车辆的光照累计时长和淋水时长以构建验证数据集，所述验证数据集以汽修厂信用值和/或维修服务评价可信度为依据进行数据清洗而得到。
在其他实施方式中，汽修厂推荐度的数值计算还包括加入汽修厂被分享的次数，司机端操作可将汽修ERP管理平台或司机端或汽修厂分享推荐给其他司机或新用户，将汽修厂被分享次数乘以折算系数加上以汽修厂的色差达标率乘以所述信用值得到的数值与维修服务好评率乘以所述可信度得到的数值，所述折算系数可以是0.5，并限定汽修厂被分享次数超过20次后不再按汽修厂被分享次数乘以折算系数计算，而以固定数值代替，例如是10。
在其他实施方式中，输出汽修厂和/或技工推荐清单时可按汽修厂推荐度进行排序显示，汽修厂推荐度以计算得出的数值呈现，或以高、中、初等级分级呈现，或以1～9九个等级呈现，按等级分级呈现更便于用户查看不同等级的汽修厂，用户体验更佳。
在其他实施方式中，根据维修类型输出汽修厂和/或技工推荐清单的同时也根据车辆信息匹配该车辆的历史维修信息并推荐服务过该车辆的汽修厂。
在其他实施方式中，当该车辆维修类型为二类维修时，所述根据维修类型输出汽修厂和/或技工推荐清单的同时也根据汽修厂的色差达标率和维修服务评价的好评率筛选该车辆所在地预设半径范围内的汽修厂。
在其他实施方式中，采集车辆信息，从汽修ERP管理平台和第三方平台获取车辆的历史维修记录，当该车辆维修类型为二类维修时，若不存在该车辆包含车漆配方的车漆维修记录，但存在与该车辆相同车型的其他车辆的车漆维修记录，且所述其他车辆的车漆维修记录的数据量超过设定值，则获取所述其他车辆的车漆维修记录以构建实操训练集，获取所述其他车辆的维修服务评价和返修记录以构建客户训练集，获取所述其他车辆的色差达标的色差数据以构建验证集，所述验证集以汽修厂信用值为依据进行数据清洗而得到。将所述实操训练集和客户训练集先后输入多隐层神经网络模型进行训练以得到目标车漆维修推荐模型，再用所述验证集对所述目标车漆维修推荐模型进行验证。
在其他实施方式中，将所述实操训练集和客户训练集分别输入多隐层神经网络模型进行训练得到两个目标车漆维修推荐模型，再用所述验证集进行验证，比较两个目标车漆维修推荐模型得出较优的模型参数和车漆维修推荐模型。
本发明实施例还提供一种计算机存储介质，该计算机可读存储介质中存储有计算机程序或代码集，该计算机程序或该代码集被处理器或计算机运行时控制所述可读存储介质执行本发明提出的汽车维修推荐方法的部分或全部步骤。计算机包括个人计算机、平板电脑、笔记本电脑、掌上电脑、手机或服务器。
计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线或半导体的系统、装置或器件，磁卡、IC卡、优盘、SD卡等。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件或者上述的任意组合。计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线、光缆、射频信号等等。
附图2中的信息交互流程图示出了本发明实施例的系统、方法和计算机程序的可能实现的体系架构、功能和操作。流程图的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的方案中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框代表的程序模块或可执行指令实际上可以基本并行地执行，它们有时也可以根据功能需求按相反的顺序执行。
以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.汽车维修推荐方法，其特征在于，包括以下步骤：
汽修ERP管理平台接收车辆维修请求，判断维修类型，若所述维修请求包含车漆破损，则将所述维修请求标记为二类维修，否则将所述维修请求标记为一类维修；
根据维修类型输出汽修厂和/或技工推荐清单，所述推荐清单根据汽修厂工单记录和汽修厂距离排序，或者所述推荐清单根据汽修厂推荐度排序；
接收选定指令，下发包含维修信息的订单，接收接单确认信息，若汽修厂在预设时间内确认接单，则转发汽修厂信息，否则再次输出推荐清单直到所述维修请求结束或被汽修厂接受。
2.根据权利要求1所述的汽车维修推荐方法，还包括采集该车辆的图像信息，分析所述图像信息以判断该车辆的车漆颜色，若该车辆的车漆颜色不同于该车辆出厂时配置的颜色，则推荐采用比色法重新配漆。
3.根据权利要求2所述的汽车维修推荐方法，若该车辆的车漆颜色为该车辆出厂时配置的颜色，采集车辆信息，从汽修ERP管理平台和第三方平台获取车辆的历史维修记录，当该车辆维修类型为二类维修时，若存在该车辆包含车漆配方的车漆维修记录，则以所述车漆配方为基础推荐维修方案，否则从与该车辆相同车型的其他车辆的车漆维修记录获取车漆配方作为基础推荐维修方案，若不存在该车辆及相同车型的其他车辆的车漆维修记录，则推荐采用比色法重新配漆。
4.根据权利要求1-3任一项所述的汽车维修推荐方法，还包括采集该车辆本次维修记录及进度，采集该车辆本次维修中色差仪记录的数据，若色差小于预设值，则转发该车辆维修进度和车辆维修后照片，否则提示色差不达标，接收维修服务评价或授权指令，根据所述授权指令发送该车辆本次维修记录给第三方平台。
5.根据权利要求4所述的汽车维修推荐方法，还包括获取汽修厂信用值和该汽修厂的维修服务评价可信度，若所述信用值和所述可信度均大于均值或在预设范围内，则以汽修厂的色差达标率乘以所述信用值得到的数值与维修服务好评率乘以所述可信度得到的数值相加输出汽修厂推荐度。
6.根据权利要求1-3任一项所述的汽车维修推荐方法，还包括采集汽修厂该车辆所在的维修工位的图像信息，分析所述图像信息以判断该车辆在汽修厂期间是否离开维修工位，若是，则根据该车辆离开维修工位的时间和持续时长判断是否异常操作，并判断该车辆在所述维修工位期间的图像信息是否有异常动作；若否，则判断该车辆在所述维修工位期间的图像信息是否有异常动作。
7.根据权利要求2所述的汽车维修推荐方法，若该车辆的车漆颜色为该车辆出厂时配置的颜色，采集车辆信息，从汽修ERP管理平台和第三方平台获取车辆的历史维修记录，当该车辆维修类型为二类维修时，若不存在该车辆包含车漆配方的车漆维修记录，但存在与该车辆相同车型的其他车辆的车漆维修记录，则获取所述其他车辆的车漆维修记录以构建训练数据集，所述训练数据集包括所述其他车辆的历史特征矩阵和车漆维修方案，所述历史特征矩阵关联车辆的参数信息，将所述训练数据集输入车漆维修推荐模型进行训练，所述车漆维修推荐模型为多隐层神经网络模型。
8.根据权利要求2所述的汽车维修推荐方法，若该车辆的车漆颜色为该车辆出厂时配置的颜色，采集车辆信息，从汽修ERP管理平台和第三方平台获取车辆的历史维修记录，当该车辆维修类型为二类维修时，若不存在该车辆包含车漆配方的车漆维修记录，但存在与该车辆相同车型的其他车辆的车漆维修记录，则获取所述其他车辆的维修服务评价和返修记录以构建验证数据集，或者获取所述其他车辆的光照累计时长和淋水时长以构建验证数据集，所述验证数据集以汽修厂信用值和/或维修服务评价可信度为依据进行数据清洗而得到。
9.汽车维修推荐系统，其特征在于，包括司机端、汽修厂端、汽修ERP管理平台和第三方平台，所述司机端和所述汽修厂端均与所述汽修ERP管理平台连接，所述汽修ERP管理平台与所述第三方平台连接，所述汽修ERP管理平台储存有车辆维修数据和车漆维修推荐模型，所述汽车维修推荐系统运行时执行权利要求1-8任一项所述的汽车维修推荐方法。
10.计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序或代码集，所述计算机程序或所述代码集被处理器执行时实现权利要求1-8任一项所述的汽车维修推荐方法。
CN202111299154.1A 2021-11-04 2021-11-04 基于erp的人工智能汽车维修推荐方法、系统和存储介质 Active CN113886712B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111299154.1A CN113886712B (zh) 2021-11-04 2021-11-04 基于erp的人工智能汽车维修推荐方法、系统和存储介质
CN202210390057.1A CN114691999A (zh) 2021-11-04 2021-11-04 基于汽修erp的人工智能推荐方法、系统和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111299154.1A CN113886712B (zh) 2021-11-04 2021-11-04 基于erp的人工智能汽车维修推荐方法、系统和存储介质

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202210390057.1A Division CN114691999A (zh) 2021-11-04 2021-11-04 基于汽修erp的人工智能推荐方法、系统和存储介质

Publications (2)

Publication Number Publication Date
CN113886712A true CN113886712A (zh) 2022-01-04
CN113886712B CN113886712B (zh) 2022-05-17

Family

ID=79016881

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202210390057.1A Pending CN114691999A (zh) 2021-11-04 2021-11-04 基于汽修erp的人工智能推荐方法、系统和存储介质
CN202111299154.1A Active CN113886712B (zh) 2021-11-04 2021-11-04 基于erp的人工智能汽车维修推荐方法、系统和存储介质

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202210390057.1A Pending CN114691999A (zh) 2021-11-04 2021-11-04 基于汽修erp的人工智能推荐方法、系统和存储介质

Country Status (1)

Country Link
CN (2) CN114691999A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114394337A (zh) * 2022-01-11 2022-04-26 杭州以诺行汽车科技股份有限公司 一种基于物联网的油漆智能储存架
CN118350838A (zh) * 2024-04-26 2024-07-16 杭州及凌网络科技有限公司 基于人工智能的交互式汽车精品推荐方法、系统及介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115293381A (zh) * 2022-10-08 2022-11-04 迎动科技发展(成都)有限公司 一种车辆维保的运营方法及系统
CN115730803B (zh) * 2022-11-29 2024-03-22 陈杰 一种基于人工智能的建筑房屋维护进度智能监测管理方法
CN117592950B (zh) * 2024-01-19 2024-03-26 湖南长劲鹿网络科技有限公司 检验检测管理平台及其数据处理方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060149519A1 (en) * 2004-11-15 2006-07-06 Keller Jesse P Hybrid vehicle parameters data collection and analysis for failure prediction and pre-emptive maintenance
CN106960378A (zh) * 2017-04-11 2017-07-18 北京环球领先智能科技发展有限公司 一种基于网络的车辆服务管理系统
CN107577704A (zh) * 2017-07-28 2018-01-12 武汉依迅北斗空间技术有限公司 一种车辆维修订单推送方法及系统
CN109711562A (zh) * 2018-12-05 2019-05-03 广西金奔腾汽车科技有限公司 一种基于精确获取汽车故障分析的汽修抢单方法及系统
CN110852860A (zh) * 2019-11-15 2020-02-28 惠州大亚湾聚联信息科技有限公司 车辆维修报销行为异常检测方法、设备及存储介质
CN111242364A (zh) * 2020-01-07 2020-06-05 上海钧正网络科技有限公司 基于神经网络的车辆故障和舒适度预测方法、装置、终端及介质
CN112306034A (zh) * 2019-08-02 2021-02-02 深圳市道通科技股份有限公司 一种汽车维修方法、装置及其系统
US20210049445A1 (en) * 2019-08-12 2021-02-18 Micron Technology, Inc. Predictive maintenance of automotive tires
CN112435215A (zh) * 2017-04-11 2021-03-02 创新先进技术有限公司 一种基于图像的车辆定损方法、移动终端、服务器
CN112434829A (zh) * 2020-11-26 2021-03-02 广东修炼科技股份有限公司 一种车辆维保项目确定方法、系统、装置及存储介质
CN112836831A (zh) * 2020-12-30 2021-05-25 邦邦汽车销售服务(北京)有限公司 汽车维修关联配件的数据处理方法和装置
CN113159336A (zh) * 2021-04-02 2021-07-23 赵雪聪 一种汽车智能维修保养系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060149519A1 (en) * 2004-11-15 2006-07-06 Keller Jesse P Hybrid vehicle parameters data collection and analysis for failure prediction and pre-emptive maintenance
CN106960378A (zh) * 2017-04-11 2017-07-18 北京环球领先智能科技发展有限公司 一种基于网络的车辆服务管理系统
CN112435215A (zh) * 2017-04-11 2021-03-02 创新先进技术有限公司 一种基于图像的车辆定损方法、移动终端、服务器
CN107577704A (zh) * 2017-07-28 2018-01-12 武汉依迅北斗空间技术有限公司 一种车辆维修订单推送方法及系统
CN109711562A (zh) * 2018-12-05 2019-05-03 广西金奔腾汽车科技有限公司 一种基于精确获取汽车故障分析的汽修抢单方法及系统
CN112306034A (zh) * 2019-08-02 2021-02-02 深圳市道通科技股份有限公司 一种汽车维修方法、装置及其系统
US20210049445A1 (en) * 2019-08-12 2021-02-18 Micron Technology, Inc. Predictive maintenance of automotive tires
CN110852860A (zh) * 2019-11-15 2020-02-28 惠州大亚湾聚联信息科技有限公司 车辆维修报销行为异常检测方法、设备及存储介质
CN111242364A (zh) * 2020-01-07 2020-06-05 上海钧正网络科技有限公司 基于神经网络的车辆故障和舒适度预测方法、装置、终端及介质
CN112434829A (zh) * 2020-11-26 2021-03-02 广东修炼科技股份有限公司 一种车辆维保项目确定方法、系统、装置及存储介质
CN112836831A (zh) * 2020-12-30 2021-05-25 邦邦汽车销售服务(北京)有限公司 汽车维修关联配件的数据处理方法和装置
CN113159336A (zh) * 2021-04-02 2021-07-23 赵雪聪 一种汽车智能维修保养系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高敏: "智能诊断在汽车维修技术中的应用", 《时代汽车》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114394337A (zh) * 2022-01-11 2022-04-26 杭州以诺行汽车科技股份有限公司 一种基于物联网的油漆智能储存架
CN118350838A (zh) * 2024-04-26 2024-07-16 杭州及凌网络科技有限公司 基于人工智能的交互式汽车精品推荐方法、系统及介质

Also Published As

Publication number Publication date
CN114691999A (zh) 2022-07-01
CN113886712B (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
CN113886712B (zh) 基于erp的人工智能汽车维修推荐方法、系统和存储介质
CN110554047B (zh) 产品缺陷检测数据处理方法、装置、系统和设备
CN108009199A (zh) 一种计量校准检定证书的检索方法及系统
JP2019096319A (ja) データラベリング作業検査方法及びプログラム
US20210141978A1 (en) Autonomous vehicle simulator using network platform
KR20210154618A (ko) 블록체인 기반의 탄소 배출권 거래 방법 및 시스템
CN111127689A (zh) 一种用于对无人机巡检业务进行管控的系统及方法
US20120330707A1 (en) Web-based communication platform
CN113780998B (zh) 一种工程项目执行实施一体化信息管理方法
CN111815288A (zh) 一种智慧社区物业管理系统
CN110766418A (zh) 一种用于实现售后服务现场销单的真实性的方法及系统
CN110569993A (zh) 一种基于大数据智能保修维护系统
CN106557939A (zh) 一种机动车检测系统及方法
KR102694773B1 (ko) 차량대여 서비스 제공 시스템
CN114240456B (zh) 基于手机app的车辆质量投诉信息收集平台
CN111652659A (zh) 基于大数据的vr产品评价系统
US20130110566A1 (en) Evaluation tool and process
US20050222882A1 (en) Quality problem treatment supporting system
KR100903016B1 (ko) 온라인을 통한 자동차 외형 복원 분석 및 견적 산출 방법
CN110826858A (zh) 一种查勘定损管理平台
KR102330804B1 (ko) 소프트웨어 개발 원가검증 시스템
CN115099775A (zh) 计量设备检定管理系统
CN113919820B (zh) 基于erp系统的配方管理系统及控制方法
CN114240334A (zh) 一种营销现场作业方法、作业平台及其应用方法
CN110766322B (zh) 一种基于大数据的vr旅游产品评价方法

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