자동차 산업의 기본 공정 장비로서 자동차 주형은 자동차 부품을 형성하는 데 필수적인 도구입니다. 또한 자동차 몰드가 자동차 부품의 품질을 결정하는 동안 자동차는 전체 차량의 품질에 결정적인 역할을합니다. 따라서 자동차 금형의 감사는 매우 엄격해야합니다. 그러나 현재 금형 감사를 지원하는 과학적이고 효과적인 보편적 인 도구는 없습니다. 따라서 현재 금형 감사는 여전히 많은 자동차 제조업체에게 시급한 문제입니다.
정확성 측면에서 금형 감사는 엔지니어의 경험과 지식에 크게 의존합니다. 그러나 모든 금형 엔지니어는 다른 경험을 가지고 있습니다. 특히 신입 사원의 경우 경험 축적 과정이 필요합니다. 또한, 다른 자동차 금형 엔지니어는 감사 과정에서 다른 정보와 방법을 채택하므로 금형 감사의 정확성을 통합 할 수 없습니다.
효율성 측면에서 대규모 차량의 프로젝트와 거대한 금형 구매량은 금형 엔지니어의 작업 강도를 증가시킵니다. 또한 효과적인 도구가 없기 때문에 엔지니어의 비즈니스 처리 결과는 종종 필요한 노드보다 뒤처집니다.
결과적으로 현재의 자동차 금형 공장은 고전적인 예측 분석 알고리즘과 수치 전략을 결합하여 다양한 금형의 데이터 치수를 조정하고 금형 부피, 무게, 모델 매개 변수로 재료 가격 및 노동 비용. 또한 비즈니스 의미의 매개 변수 확장을 기반으로 각 유형의 몰드의 예측 모델은 기계 학습 알고리즘 피팅에 의해 구성됩니다.
그런 다음 해당 금형 비용 분석을 재료 비용, 가공 비용, 설계 비용 등의 관점에서 분석 할 수 있습니다. 보다 포괄적이고 정확한 결과를 생성 할 수 있습니다.