一种基于大数据的产品设计辅助系统及方法技术方案

本发明专利技术属于产品智能设计技术领域，具体涉及一种基于大数据的产品设计辅助系统及方法。该方法通过采集产品设计、市场、生产及售后全链路数据，结合时序分析提取动态趋势；在方案优化阶段，基于生产端数据进行材料可获得性、工艺适配性及成本可控性验证，并通过售后数据反哺机制修正设计参数；采用改进帕累托优化算法与动态阈值评估筛选最优方案。实现该方法的系统包括数据处理模块、设计分析模块、方案优化模块及交互输出模块。本发明专利技术通过全链路数据融合、生产可行性验证及闭环优化，有效解决设计与生产脱节问题，提升产品可靠性与综合效益。

【技术实现步骤摘要】

本专利技术属于产品智能设计，具体涉及一种基于大数据的产品设计辅助系统及方法。

技术介绍

1、随着市场竞争的加剧和消费者需求的不断变化，产品设计在企业的成功中扮演着越来越重要的角色。传统的产品设计方法通常依赖于设计师的经验和主观判断，可能存在较大的不确定性和风险。尤其是在面对快速变化的市场和多样化的消费者需求时，传统方法往往难以快速响应和调整，导致设计方案与市场实际需求脱节。

2、在传统设计过程中，设计师通常会根据产品的形状、尺寸、材料等特点来制定设计方案，但这种方法往往忽视了市场动态和竞争对手的设计方向。市场需求和产品成功的关键往往取决于是否能够及时跟进市场趋势和满足消费者的具体需求。然而，由于缺乏对市场数据的系统性采集与分析，设计方案往往难以准确预测市场反馈，可能导致资源浪费和设计失败的风险增加，无法实现设计价值的最大化。

3、近年来，随着大数据技术的发展，数据驱动的设计方法开始得到广泛关注和应用。大数据技术能够通过收集和分析海量市场数据、消费者反馈及竞争产品信息，为产品设计提供精准、科学的决策依据。通过大数据分析，可深入挖掘市场本文档来自技高网...

【技术保护点】

1.一种基于大数据的产品设计辅助方法，其特征在于：包括以下步骤：

2.如权利要求1所述的基于大数据的产品设计辅助方法，其特征在于：在步骤S1中，所述设计特征数据包括产品结构参数、功能参数及历史设计方案参数；所述市场反馈数据包括用户评价、竞品销量数据及市场热度趋势数据；所述生产端实时数据包括材料库存数据、生产工艺参数数据及制造成本数据；所述售后运行数据包括故障记录数据、用户使用反馈数据及性能衰减数据；所述时序性数据的趋势提取采用时间序列分解算法分离长期趋势项、周期项及随机项；所述预处理包括：采用文本指纹算法去除重复数据，通过聚类算法识别并过滤异常数据，对非结构化数据采用TF-I...

【技术特征摘要】

1.一种基于大数据的产品设计辅助方法，其特征在于：包括以下步骤：

2.如权利要求1所述的基于大数据的产品设计辅助方法，其特征在于：在步骤s1中，所述设计特征数据包括产品结构参数、功能参数及历史设计方案参数；所述市场反馈数据包括用户评价、竞品销量数据及市场热度趋势数据；所述生产端实时数据包括材料库存数据、生产工艺参数数据及制造成本数据；所述售后运行数据包括故障记录数据、用户使用反馈数据及性能衰减数据；所述时序性数据的趋势提取采用时间序列分解算法分离长期趋势项、周期项及随机项；所述预处理包括：采用文本指纹算法去除重复数据，通过聚类算法识别并过滤异常数据，对非结构化数据采用tf-idf结合lda主题模型提取关键信息并进行结构化转换。

3.如权利要求1所述的基于大数据的产品设计辅助方法，其特征在于：在步骤s2中，所述设计特征向量包括功能特征、结构特征、材料特征、成本特征、用户体验特征及可持续性特征；所述时序注意力机制对不同时间段的市场数据赋予动态注意力权重，近期数据权重高于远期数据。

4.如权利要求1所述的基于大数据的产品设计辅助方法，其特征在于：在步骤s3中，所述功能语义分析通过bert模型将功能描述转换为语义向量后计算余弦相似度；所述综合相似度的计算公式为：，其中α为动态调整系数，取值范围为0.4-0.6，且α根据产品类型动态调整，其中技术密集型产品α取值0.4-0.5，功能密集型产品α取值0.5-0.6。

5.如权利要求1所述的基于大数据的产品设计辅助方法，其特征在于：在步骤s4中，所述市场约束条件包括市场需求趋势约束、用户偏好权重约束及竞品参数对比约束；所述量化评分的维度包括关键特征覆盖率、趋势匹配度及成本可控性。

6.如权利要求1...

【专利技术属性】
技术研发人员：郭雷，田英杰，郭洋，孟子迪，赵锦成，
申请(专利权)人：中国科学院大学，
类型：发明
国别省市：