一种基于产品设计的数字化协同服务系统

本发明属于产品设计，具体涉及一种基于产品设计的数字化协同服务系统。

背景技术：

1、产品设计是一个将人的某种目的或需要转换为一个具体的物理形式或工具的过程，是把一种计划、规划设想、问题解决的方法，通过具体的载体，以美好的形式表达出来的一种创造性活动过程，数字化是借助前沿技术、精良设备等实现制造业数字化、协同化的远大目标，制造业协同化的实现，除了需要人机协作以外，也需要高效的管理方式和资源配置模式。“共享制造”这一概念由于较好的契合了制造业协同化的要求，其所具备的价值备受重视，一些业内人士也积极摸索共享制造推广应用的模式和多元化可能性，然而市面上各种的产品设计仍存在各种各样的问题。

2、但是，现有的产品设计在设计的时候，基本上都是采集设计师的意见，很少采集用户的意见，以及不能够实现不同的数据信息进行融合处理，这样就造成产品设计的的需求单一性，并且不能够实现对多方数据信息进行融合，造成产品设计不能够复合消费者的需求，为此我们提出一种基于产品设计的数字化协同服务系统。

技术实现思路

1、本发明的目的在于提供一种基于产品设计的数字化协同服务系统，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：一种基于产品设计的数字化协同服务系统，包括控制模块，所述控制模块上电性连接有处理模块，所述处理模块用于实现对数据信息进行计算处理，所述数据处理模块上电性连接有通讯模块，所述通讯模块上通讯连接有网络模块，所述处理模块上电性连接供货模块，所述通讯模块用于实现对所述网络模块上的产品建议进行获取，所述供货模块用于实现对产品的材料数据信息进行录入，所述控制模块上电性连接有任务管理模块，所述任务管理模块用于实现对整理后的数据信息进行整理，然后进行分配处理，所述任务管理模块上电性连接有产品设计模块和检测模块，所述产品设计模块用于实现对产品的信息进行设定处理，所述检测模块用于实现对产品进行测试检测处理；

3、所述数据处理中包括有数据接收、数据预处理、数据增益、数据滤波、数据融合、数据分析、信息检索，所述数据接收用于实现对数据信息进行获取，便于实现对数据信息进行整合处理，所述数据预处理中包括有数据清理、数据集成、数据规约和数据变换，所述数据增益用于实现对数据信息进行放大处理，提高数据信息的稳定性，以及防止数据信息造成影响，所述数据滤波用于实现对数据信息中的杂波进行滤除，提高数据信息的精准性，所述数据融合用于实现对不同的数据信息进行融合在一起，有效的实现对数据信息的整合性，所述数据分析用于实现对数据信息进行分析处理，便于后续的数据信息进行分类处理，所述信息检索用于查询大数据信息，便于实现对所述数据分析的信息进行可行性的确定；

4、所述任务管理模块用于实现对处理过后的数据信息进行分类处理，便于判定产品设计的整理修改方向和类型，然后通过所述产品设计模块根据所述任务管理模块的需求进行有效的修改设计。

5、优选的，所述数据清理的主要思想是通过填补缺失值、光滑噪声数据，平滑或删除离群点，并解决数据的不一致性来清理数据，所述填补缺失值的填充方法包括有插值法填充和模型填充，所述插值法填充包括随机插值、多重差补法、热平台插补、拉格朗日插值和牛顿插值，所述模型填充包括有使用回归、贝叶斯、随机森林、决策树等模型对缺失数据进行预测。

6、优选的，所述删除离群点是处于特定分布区域或范围之外的数据，被定义为异常或噪声，异常分为两种伪异常和真异常，伪异常由于特定的业务运营动作产生，是正常反应业务的状态，而不是数据本身的异常；真异常不是由于特定的业务运营动作产生，而是数据本身分布异常，即离群点。

7、优选的，所述删除离群点主要用以下检测离群点的方法进行检测：

8、简单统计分析：根据箱线图、各分位点判断是否存在异常，采用pandas的describe函数快速发现异常值；

9、3σ原则：若数据存在正态分布，偏离均值的3σ之外，通常定义p(x-μ|＞3σ)≤0.003范围内的点为离群点；

10、基于绝对离差中位数：是一种稳健对抗离群数据的距离值方法，采用计算各观测值与平均值的距离总和的方法，放大了离群值的影响；

11、基于距离：通过定义对象之间的临近性度量，根据距离判断异常对象是否远离其他对象，缺点是计算复杂度较高，不适用于大数据集和存在不同密度区域的数据集；

12、基于密度：离群点的局部密度显著低于大部分近邻点，适用于非均匀的数据集；

13、基于聚类：利用聚类算法，丢弃远离其他簇的小簇。

14、优选的，所述数据集成将多个数据源中的数据结合成、存放在一个一致的数据存储；

15、所述数据归约用来得到数据集的归约表示，它小得多，但仍接近地保持原数据的完整性，所述数据归约中包括有维度规约和维度变换；

16、所述数据变换包括对数据进行规范化，离散化，稀疏化处理，达到适用于挖掘的目的；

17、所述规范化处理包括有最大-最小规范化、z-score标准化和log变换；

18、所述最大-最小规范化的公式如下：将数据映射到[0,1]区间，

19、所述z-score标准化的公式如下：处理后的数据均值为0，方差为1，

20、所述log变换的公式如下：在时间序列数据中，对于数据量级相差较大的变量，通常做log函数的变换，xnew＝logx；

21、所述离散化处理是指将连续的数据进行分段，使其变为一段段离散化的区间，分段的原则有基于等距离、等频率或优化的方法；

22、所述稀疏化处理是针对离散型且标称变量的数据信息的时候，并且无法进行有序的labelencoder时，通常考虑将变量做0和1哑变量的稀疏化处理。

23、优选的，所述数据滤波采用的是iir滤波器和fir滤波器，所述iir滤波器采用的是二阶iir低通滤波，所述二阶iir低通滤波的计算公式如下：

24、

25、y(n)为输出数据，xn为输入数据，a和b为滤波器的系数，n为滤波次数，k＝0为该次处理的数据信息，k＝1为下次处理的数据信息，n-k为数据信息的位置；

26、所述fir滤波器采用的是有限长单位冲激响应滤波器，一个m阶fir滤波器的定义如下：

27、长度为m的fir输出对应于输入时间序列z(n)的关系由一种有限卷积和的形式给出：

28、

29、上式表达的是一个m-1阶的fir滤波器，它有m个抽头，因此有m个乘法器，m-1个累加器组成，每一个抽头需要消耗逻辑资源的乘法器累加器单元；

30、其中z(n)为输入信号，h(j)为fir滤波系数，v(n)为经过滤波后的信号。

31、优选的，所述数据融合是一种从不确定、不精确、不一致、冲突和类似的原始数据中得到更加一致、更有信息量、更准确信息的技术，所述数据融合分为三类：信号级数据融合、特征级数据融合和决策级数据融合；

32、所述信号级数据融合通过支持向量机进行合适的信号级融合函数，并且svm优化了贝叶斯方法进行数据融合以压缩数据，提高了融合效率，基于svm的融合可以克服不完整数据的融合难题，分数归一化可进一步提升svm的效率和鲁棒性；

33、所述信号级数据融合采用了反向传播神经网络的方法进行信号融合，并且通过分段聚合近似检测wsn场景下的异常检测，以及通过k-均值聚类方法用于目标检测和跟踪。

34、优选的，所述特征级数据融合输入的是数据或者特征；输出是细化的特征或决策；

35、所述特征级数据融合采用svm进行融合处理，并且排序svm应用于基于融合的元搜索引擎中，将排序问题转化为二值分类问题，实现了更好的精度和更佳的性能，或者是采用神经网络的融合方法。

36、优选的，所述决策级数据融合旨在进一步融合已生成的一些信息，得到某个任务的决策；

37、所述决策级数据融采用的是贝叶斯方法，所述贝叶斯方法的公式如下：

38、

39、其中先验概率p(y|x)表示给定信息x条件下假设y的可信度，这个概率由先验概率p(y)与给定y为真时x的概率p(x|y)的乘积得到，p(x)是一个归一化常数，并且不确定性由条件概率项来表示，取值范围为[0，1]，0代表完全没有可信度，1代表绝对可信。

40、优选的，所述控制模块上电性连接有调压模块，所述调压模块上电性连接供电模块，所述调压模块中包括有降压电路、整流电路、稳压电路和滤波电路，所述降压电路与所述供电模块电性连接，所述稳压电路与所述控制模块电性连接；

41、所述控制模块上电性连接辅助模块，所述辅助模块中包括有显示器、控制按键、指示灯、报警器和存储器，所述存储器中包括有rom存储器和ram存储器。

42、与现有技术相比，本发明的有益效果是：

43、本发明通过处理模块实现对网络的数据信息进行获取，进而实现对数据信息进行计算处理，即通过数据接收、数据预处理、数据增益、数据滤波、数据融合、数据分析、信息检索进行数据处理，实现对数据进行清理等处理，并且主要实现对不同类型的数据信息进行数据融合处理，数据融合通过信号级数据融合、特征级数据融合和决策级数据融合进行计算处理，并且有效的实现对数据信息进行不同的融合处理，以及实现对数据信息进行决策融合处理，进而便于实现对任务管理模块进行有效的分类处理，便于判定获取的信息是否是可以实施的方案，便于后续进行产品设计。