一种模具成本分析方法、系统、设备及存储介质与流程

本发明涉及成本控制，特别是一种模具成本分析方法、系统、设备及存储介质。

背景技术：

1、模具制造业作为现代工业体系的重要组成部分，其成本控制能力直接影响企业的市场竞争力和盈利能力，传统模具成本分析方法主要依赖人工经验，采用静态的财务报表和简单的数学模型进行成本估算，这种做法不仅耗时耗力，而且在复杂多变的制造环境中往往缺乏准确性，随着信息技术的飞速发展，尤其是大数据、物联网、数字孪生和人工智能等技术的应用，为模具成本分析提供了新的解决方案，这些技术能够实时收集和处理大量生产数据，通过建立更精确的成本预测模型，为企业决策者提供科学依据，从而实现成本优化。

2、当前的模具成本分析方法仍存在一些局限性；首先，大多数系统仍然依赖于事后数据，即在生产过程结束后收集数据进行分析，这导致成本控制滞后，无法及时调整生产策略以应对市场变化；其次，传统的成本模型往往忽略了动态因素的影响，如物料价格波动、设备维护成本以及生产效率的不确定性，这使得成本预测的准确性和可靠性大打折扣；再次，现有的分析工具大多独立运行，数据孤岛现象严重，不同部门间的信息共享不畅，影响了整体的决策效率；最后，虽然部分企业开始尝试引入ai技术进行成本预测，但多数应用仍处于初级阶段，缺乏深度学习和强化学习等先进算法的集成，难以实现成本分析的智能化和自动化。

技术实现思路

1、鉴于上述现有存在的问题，提出了本发明。

2、因此，本发明提供了一种模具成本分析方法、系统、设备及存储介质解决成本分析实时性差、预测精度低、信息孤岛和智能化程度不足的问题。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明实施例提供了一种模具成本分析方法，其包括，获取模具报价资料，模具报价结构资料，结合物联网实时数据采集和数字孪生模型进行模具设计/组立系统报工工时，获取请购资料，模具零件报价，模具加工数据，形成初始数据集；将所述初始数据集进行清洗和标准化处理，保存在数据库中；

5、利用深度强化学习框架，结合多项式回归和指数平滑，构建成本预测模型；

6、通过成本预测模型，计算数据库中整套模具成本以及盈亏情况。

7、作为本发明所述模具成本分析方法的一种优选方案，其中：所述结合物联网实时数据采集和数字孪生模型进行模具设计/组立系统报工工时，具体步骤为：

8、在模具设计和组立车间的关键设备上安装高精度温度传感器、压力传感器、位移传感器，采集实时模具数据；

9、将mqtt轻量级消息队列传输协议部署至设备与中央服务器之间；

10、在车间部署边缘计算节点，对实时模具数据进行初步的数据清洗和异常检测，形成标准实时模具数据；

11、基于模具成本数据库，使用cad/cam软件创建模具的三维数字模型；

12、利用有限元分析和计算流体动力学的高级仿真，模拟模具的三维数字模型在实际工作条件下的应力分布、温度变化和流体流动，预测模具性能；

13、将标准实时模具数据与数字孪生模型相融合，通过api接口将实时数据输入模型；

14、从数据库中提取模号、工段、类型、产出工时、投入时间、客户订单号、产值计算产出工时×工资率、计算日期的历史工时和成本数据，作为训练数据集；

15、选用近端策略优化强化学习算法，通过训练数据集训练出近端策略优化强化学习模型；

16、使用交叉验证方法评估近端策略优化强化学习模型的预测准确性，通过迭代调整模型参数；

17、通过近端策略优化强化学习模型优化获取设计/组力报工数据，并保存在数据库中。

18、作为本发明所述模具成本分析方法的一种优选方案，其中：所述获取请购资料，具体步骤为：

19、通过与sap系统对接，获取到请购数据后，进行解析，按照要求进行标记，解析后数据含有客户订单号、客户料号、请购类别、入库状态、件号、总数；

20、根据解析后的数据进行计算出对应的工件的单价，然后在计算得出总价信息；

21、结合请购数据中的工件单价和总价信息，通过近端策略优化强化学习模型优化采集策略，最后将优化后的工件单价和总价信息保存在数据库中备用。

22、作为本发明所述模具成本分析方法的一种优选方案，其中：所述结合物联网实时数据采集和数字孪生模型进行模具设计/组立系统报工工时，具体步骤为：

23、所述模具零件报价的预估数据与模具加工数据的获取，具体步骤为：

24、通过与pms系统对接，获得客户订单号、模号、投单类型、投单性质、加工成本、材料成本、管理成本、刀具成本、电极成本、管理成本所占比例、总成本，最后保存至数据库中；

25、通过与pms系统对接，获得客户订单号、获取模号、产出金额，最后保存至数据库中。

26、作为本发明所述模具成本分析方法的一种优选方案，其中：将所述初始数据集进行清洗和标准化处理，保存在数据库中，具体步骤为：

27、从sap/携客云和pms系统的多个数据源中获取模具报价资料、模具报价结构资料、模具设计/组立系统报工工时、请购资料、模具零件报价、模具加工数据，进行整合并标准化，存储于专用的模具成本分析系统数据库中。

28、作为本发明所述模具成本分析方法的一种优选方案，其中：所述利用深度强化学习框架，结合多项式回归和指数平滑，构建成本预测模型，通过成本预测模型，计算所述数据库中整套模具成本以及盈亏情况具体步骤为：

29、利用深度强化学习框架，结合了多项式回归和指数平滑构建成本预测模型cp，表达式为：

30、；

31、其中，α为直接与间接成本的权重系数，t为结束时间，cd为直接成本d随时间t的变化，ci为间接成本i随时间t的变化，dt为成本随时间变化的微小增量的累积的微分符号，β为材料成本的权重系数，m为材料种类的数量，j为索引变量，γj为材料j的衰减率，t为时间，cm（t）为材料成本cm随时间t的变化；

32、融合近端策略优化算法与截断函数clip（rt（θ），1－∈，1＋∈）来优化成本预测模型cp，近端策略优化算法更新规则表达式为：

33、；

34、其中，lcp为近端策略优化算法中的损失函数，θ为模型参数，表示关于时间t的期望值，rt为策略比，为优势估计，∈为截断范围的阈值；

35、基于优化后的成本预测模型，通过盈亏计算整套模具的盈亏情况，表达式为：

36、；

37、其中，r为报价收入，p代表利润。

38、作为本发明所述模具成本分析方法的一种优选方案，其中：所述获取模具报价资料，具体步骤为：

39、从sap/携客云获取订单类型、订单号、sap料号、订单总价、订单类别、接单数量的订单资料；

40、通过获取订单资料中的数据，然后接入模具成本分析系统数据库进行数据保存，待计算模具成本时候数据库进行搜索，然后进行计算；

41、通过业务报价资料与订单号、sap料号进行核对，包含模具设计费用、模具请购费用，模具加工费用、模具组立打样费用、模具t0-tf费用、模具其他费用、模具利润，总价的核对；

42、在对模具报价资料进行获取后保存至模具成本数据库中。

43、第二方面，本发明提供了一种模具成本分析系统，包括数据采集模块、数字孪生模块、数据集预处理模块、成本预测建模模块和盈亏分析子模块；所述数据采集模块用于获取模具报价资料，模具报价结构资料，获取请购资料，模具零件报价，模具加工数据；所述数字孪生模块用于结合物联网实时数据采集和数字孪生模型进行模具设计/组立系统报工工时；所述数据集预处理模块用于将所述初始数据集进行清洗和标准化处理，保存在数据库中；所述成本预测建模模块用于利用深度强化学习框架，结合多项式回归和指数平滑，构建成本预测模型；所述盈亏分析子模块用于通过成本预测模型，计算数据库中整套模具成本以及盈亏情况。

44、第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的模具成本分析方法的任一步骤。

45、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的模具成本分析方法的任一步骤。

46、本发明有益效果为：本发明通过从sap/携客云获取订单资料，包括订单类型、订单号、sap料号等关键信息，保存至数据库，确保了数据的准确性和实时性，提高了工作效率；核对业务报价资料与订单相关费用，确保模具成本构成的准确性；利用物联网传感器实时采集模具数据，结合数字孪生模型进行高级仿真分析，优化设计与组立工时；自动解析请购数据，计算工件单价和总价，优化采购策略；对接pms系统，获取模具零件成本信息，优化成本结构；构建成本预测模型，结合多项式回归和指数平滑，优化模型参数，计算模具成本及盈亏，实现了模具成本的全面、动态、精准管理，帮助企业更好地进行成本控制和管理，为企业带来了显著的经济效益和社会效益。