用于备件的自动制造的双层自动成本估计制造技术

用于备件的自动制造的双层自动成本估计。描述了用于自动制造机械零件的技术。使用第一机器学习模型生成第一机械零件的制造成本的第一估计。响应于确定第一机械零件的制造成本的第一估计在第一机器学习模型的有效性范围内，使用第二机器学习模型生成第一机械零件的制造成本的第二估计。确定第一机械零件的制造成本的第二估计中的预期成本误差，并且在确定预期成本误差落在预定可接受范围内时，促使自动制造第一机械零件。

Double layer automatic cost estimation for automatic manufacturing of spare parts

【技术实现步骤摘要】
用于备件的自动制造的双层自动成本估计
本公开的各方面提供了用于自动成本估计和备件制造的技术。
技术介绍
从供应商获取新零件会是一个漫长的过程。工程师可能需要完整记录零件的结构、材料和制造工艺(加工、组装、检查等)并估计可能的成本。该估计可基于工程师的经验和类似零件的历史成本的粗略分析以及其他因素。然后，负责采购零件的人员可向潜在供应商分发方案征询书(RequestforProposal，RFP)，并且可基于对RFP的响应来选择供应商。然后，采购员可协商时间表，并确定期望的数量和交付成本，即，从供应商采购时零件的价格。此过程通常耗时、昂贵且低效。
技术实现思路
本文所描述的实施方式包括一种用于自动地制造机械零件的方法。该方法包括：使用一个或更多个计算机处理器利用第一机器学习模型来生成第一机械零件的制造成本的第一估计。该方法还包括：确定第一机械零件的制造成本的第一估计落在第一机器学习模型的有效性范围内，并且作为响应，使用一个或更多个计算机处理器使用第二机器学习模型来生成第一机械零件的制造成本的第二估计。该方法还包括：确定第一机械零件的制造成本的第二估计中的预期成本误差。该方法还包括：在确定预期成本误差落在预定可接受范围内时，促使自动制造第一机械零件。本文所描述的实施方式还包括一种系统。该系统包括处理器和存储程序的存储器，该程序在处理器上被运行时执行操作。该操作包括：使用第一机器学习模型来生成第一机械零件的制造成本的第一估计。该操作还包括：确定第一机械零件的制造成本的第一估计落在第一机器学习模型的有效性范围内，并且作为响应，使用第二机器学习模型来生成第一机械零件的制造成本的第二估计。该操作还包括：确定第一机械零件的制造成本的第二估计中的预期成本误差。该操作还包括：在确定预期成本误差落在预定可接受范围内时，促使自动制造第一机械零件。本文所描述的实施方式还包括一种用于自动制造机械零件的计算机程序产品。该计算机程序产品包括：包含有计算机可读程序代码的计算机可读存储介质，该计算机可读程序代码可由一个或更多个计算机处理器运行以执行操作。该操作包括：使用第一机器学习模型来生成第一机械零件的制造成本的第一估计。该操作还包括：确定第一机械零件的制造成本的第一估计落在第一机器学习模型的有效性范围内，并且作为响应，使用第二机器学习模型来生成第一机械零件的制造成本的第二估计。该操作还包括：确定第一机械零件的制造成本的第二估计中的预期成本误差。该操作还包括：在确定预期成本误差落在预定可接受范围内时，促使自动制造第一机械零件。附图说明为了可详细理解本公开的上述特征，可通过参考其中一些示出于附图中的方面来获得上面简要概述的本公开的更具体的描述。图1是示出根据本文所描述的一个实施方式的制造备件的成本的自动预测的框图。图2是示出根据本文所描述的一个实施方式的预测服务器的框图。图3是示出根据本文所描述的一个实施方式的制造备件的成本的自动预测的流程图。图4是示出根据本文所描述的一个实施方式的备件的自动制造的流程图。图5是示出根据本文所描述的一个实施方式的制造成本估计的有效性范围的识别的流程图。图6是示出根据本文所描述的一个实施方式的生成修正的制造成本估计的流程图。图7是示出根据本文所描述的一个实施方式的确定制造成本估计中的预期成本误差的流程图。图8A至图8B是根据本文所描述的一个实施方式的估计的制造成本和实际制造成本的例示。图9是示出根据本文所描述的一个实施方式的机器学习模型的训练的流程图。具体实施方式本公开的各方面涉及用于自动成本估计和机械零件制造的技术。代替上面概述的手动过程，可通过用于使可能成本的估计过程自动化的特定技术来减少获取新零件的时间(以及关联的成本)。自动估计常常足够准确，以使所期望的零件可随后向预获资格的供应商订购，并由该供应商自动制造。这避免了上面概述的向潜在供应商分发RFP、选择供应商、以及协商时间表、数量和交付成本的整个周期。但是自动制造会带来挑战。零件对顾客的销售价格可取决于零件的制造成本。为了使销售有利可图，零件的销售价格大于制造成本。但是如果零件的制造成本被估计得太低，则零件可能以过低的价格销售，而且企业会在销售上遭受损失(或低于预期利润)。希望的是，在自动估计零件的制造成本的同时识别估计中的潜在误差，以确定零件是否适于自动制造。在实施方式中，机器学习技术可用于识别备件制造成本估计的有效性范围。如果对零件的给定成本估计落在该有效性范围内，则该估计可能是准确的。然后在实施方式中，可使用机器学习技术来估计落在有效性范围内的给定备件的成本。该估计可基于零件的特性，如下面所讨论的那样。在实施方式中，可针对成本估计确定加权误差——如果加权误差足够低，则系统可启动零件的自动制造。图1是示出根据实施方式的制造备件的成本的自动预测的框图。预测服务器200连接到通信网络110。图2更详细地描述预测服务器200。预测服务器200通常被配置为实现制造备件的成本的自动预测，以使得备件自动制造(如果合适的话)。通信网络110可以是任何合适的通信网络，包括互联网、本地接入网络或广域接入网络。通信网络110可以是有线网络或无线网络。通信网络可使用任何合适的通信协议，包括任何合适的无线协议。例如，通信网络110可使用电气和电子工程师协会(IEEE)Wi-Fi标准(比如802.11标准)、其他Wi-Fi标准、蜂窝协议(包括3G、长期演进(LTE)、4G等)、蓝牙等。此外，通信网络110可使用若干不同的通信协议。通信网络110还连接到数据仓库170。数据仓库170可以是任何合适的数据存储介质。例如，数据仓库170可包括关系数据库或者任何其他合适的数据库。在实施方式中，数据仓库170包括网络接口软件和硬件以允许与通信网络110进行通信。例如，数据仓库170可包括具有网络接口的服务器计算机。作为另一示例，数据仓库170可被包括在预测服务器200内。另选地，如下面进一步讨论的，数据仓库170可以是可经由通信网络110访问的基于云的存储系统。数据仓库170包括预测服务器200用来自动预测制造备件的成本以便于备件自动制造的数据。在所示实施方式中，数据仓库170包括各种备件的零件特性172。零件特性172可包括与备件有关的各种数据，包括尺寸属性、冶金方式(metallurgy)、引入年份、制造工艺、零件编号、零件描述、零件质量或重量、零件的材料清单(BillofMaterials，BOM)以及任何其他合适的数据。数据仓库170还包括零件成本估计174。零件成本估计174可包括备件的先前成本估计，包括使用本文所描述的各种技术的先前自动成本估计、其他自动成本估计和手动成本估计。数据仓库还包括历史零件成本176。历史零件成本176可包括各种备件的实际成本，包括实际制造成本、实际购买成本、实际销售价格以及其他合适的数据。此外，数据仓库170中的数据可包括与来自多个零件供应商的零件有关的数据。在实施方式中，零本文档来自技高网...

【技术保护点】
1.一种用于自动制造机械零件的方法，所述方法包括以下步骤：/n使用一个或更多个计算机处理器利用第一机器学习模型(222)生成第一机械零件的制造成本的第一估计(404)；/n确定所述第一机械零件的制造成本的所述第一估计(404)落在所述第一机器学习模型(222)的有效性范围内(406)，并且作为响应，使用所述一个或更多个计算机处理器利用第二机器学习模型(232)生成所述第一机械零件的制造成本的第二估计(408)；/n确定所述第一机械零件的制造成本的所述第二估计中的预期成本误差(410)；以及/n在确定所述预期成本误差落在预定可接受范围内(412)时，促使自动制造所述第一机械零件(416)。/n

【技术特征摘要】
20180802 US 16/053,1681.一种用于自动制造机械零件的方法，所述方法包括以下步骤：
使用一个或更多个计算机处理器利用第一机器学习模型(222)生成第一机械零件的制造成本的第一估计(404)；
确定所述第一机械零件的制造成本的所述第一估计(404)落在所述第一机器学习模型(222)的有效性范围内(406)，并且作为响应，使用所述一个或更多个计算机处理器利用第二机器学习模型(232)生成所述第一机械零件的制造成本的第二估计(408)；
确定所述第一机械零件的制造成本的所述第二估计中的预期成本误差(410)；以及
在确定所述预期成本误差落在预定可接受范围内(412)时，促使自动制造所述第一机械零件(416)。


2.根据权利要求1所述的方法，其中，确定所述第一机械零件的制造成本的所述第一估计落在所述第一机器学习模型的有效性范围内的步骤还包括：
使用所述一个或更多个计算机处理器通过以下步骤确定在估计一个或更多个机械零件的制造成本时所述第一机器学习模型的所述有效性范围(402)：
使用所述第一机器学习模型估计所述一个或更多个机械零件的制造成本(504)；
识别所述一个或更多个机械零件的实际制造成本(506)；以及
将所估计的制造成本与实际制造成本进行比较(506)。


3.根据权利要求1至2中的任一项所述的方法，其中，促使自动制造所述第一机械零件的步骤包括发送电子消息以自动触发开始制造所述第一机械零件(416)。


4.根据权利要求1至3中的任一项所述的方法，所述方法还包括以下步骤：
使用所述一个或更多个计算机处理器利用所述第一机器学习模型生成第二机械零件的制造成本的第三估计(404)；以及
在确定所述第二机械零件的制造成本的所述第三估计落在所述第一机器学习模型的所述有效性范围之外(406)时，将所述第二机械零件标记为不适于自动制造(310)。


5.根据权利要求1至4中的任一项所述的方法，所述方法还包括以下步骤：
使用所述一个或更多个计算机处理器利用所述第二机器学习模型生成第二机械零件的制造成本的第三估计(408)；
确定所述第二机械零件的制造成本的所述第三估计中的第二预期成本误差(410)；以及
在确定所述第二预期成本误差落在第二预定可接受范围...

【专利技术属性】
技术研发人员：林佩瑜，J·F·赖斯，A·A·扎金，
申请(专利权)人：波音公司，
类型：发明
国别省市：美国;US