买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜全屋优品科技(深圳)有限公司申请的专利家居软装的生产信息管理方法、装置、设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118261357B 。

龙图腾网通过国家知识产权局官网在2025-03-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410267877.0，技术领域涉及：G06Q10/0631；该发明授权家居软装的生产信息管理方法、装置、设备及存储介质是由周志胜设计研发完成，并于2024-03-08向国家知识产权局提交的专利申请。

本家居软装的生产信息管理方法、装置、设备及存储介质在说明书摘要公布了：本发明涉及数据处理的技术领域，公开了一种家居软装的生产信息管理方法、装置、设备及存储介质。所述家居软装的生产信息管理方法包括：获取家居软装产品的生产信息；对所述原材料特性数据进行编码，生成材料特性编码矩阵，并对所述材料特性编码矩阵进行分类，得到分类信息；基于分类信息及材料特性编码矩阵，与生产工艺数据进行交叉对比，生成数据映射表。本发明通过对原材料特性数据进行编码和分类，及其与生产工艺数据的有效交叉对比，本发明实现了数据管理的自动化和高效化，为生产管理提供精准的数据支持。

本发明授权家居软装的生产信息管理方法、装置、设备及存储介质在权利要求书中公布了：1.一种家居软装的生产信息管理方法，其特征在于，包括以下步骤：获取家居软装产品的生产信息；其中，所述生产信息包括原材料特性数据与生产工艺数据；对所述原材料特性数据进行编码，生成材料特性编码矩阵，并对所述材料特性编码矩阵进行分类，得到分类信息；基于分类信息及材料特性编码矩阵，与生产工艺数据进行交叉对比，生成数据映射表；其中，所述数据映射表用于映射原材料特性数据与生产工艺数据的匹配关系；具体包括：基于分类信息及材料特性编码矩阵，与生产工艺数据进行交叉对比：将分类信息与材料特性编码矩阵进行关联：首先，将材料按照其分类信息进行整理，对每种材料建立对应的材料特性编码，材料特性编码由专业工程师根据材料的物理和化学特性制定的编码体系，将生产工艺数据按照工艺的步骤和要求进行组织：把生产工艺数据按照不同的工艺步骤进行组织，同时，需确定每个工艺步骤所需的参数和要求，生产工艺数据与材料特性编码矩阵的编码体系相对应，确保维度和格式一致；生成数据映射表：基于材料特性编码矩阵和生产工艺数据的交叉对比，生成数据映射表：针对每种材料，将材料特性编码与生产工艺数据进行对比，建立数据映射表，数据映射表用于记录原材料特性数据与生产工艺数据之间的匹配关系，包括材料特性数据编码、生产工艺步骤及相关工艺参数、品质要求；数据映射表的内容：数据映射表中应记录各个材料特性数据编码与对应的生产工艺步骤、参数、品质要求的匹配情况，以及相关的匹配度分析；基于所述数据映射表，从数据库中匹配与所述数据映射表对应的家居软装产品三维模型；其中，所述数据库中提前存储有根据数据映射表与家居软装产品三维模型的匹配规则；具体包括：基于预设的第一参数处理规则，对所述原材料特性数据进行第一参数处理，得到原材料属性数据，基于预设的第二参数处理规则，对所述生产工艺数据进行第二参数处理，得到加工工艺信息；其中，所述原材料属性数据至少包括材质类型、颜色、纹理和弹性，所述加工工艺信息至少包括所需时间、温度设定和压力设定；对所述原材料属性数据分配第一特征标签，得到第一标记数据，对所述加工工艺信息分配第二特征标签，得到第二标记数据；基于所述第一标记数据的第一特征标签与所述第二标记数据的第二特征标签建立信息映射表；所述信息映射表至少包括多个不同的子映射表；对家居软装产品的三维模型的参数进行参数化处理，得到三维模型的特征参数集合；其中，所述三维模型的特征参数集合至少包括三维模型的尺寸参数、形状参数和质感参数；基于所述信息映射表中的多个不同的子映射表，将原材料属性和加工工艺信息映射到相应的三维模型特征参数集合上，并匹配与所述数据映射表对应的家居软装产品三维模型；其中，所述子映射表为所述数据映射表的上级列表；所述家居软装产品三维模型的训练过程，包括：收集家居软装生产的样本训练数据，并将所述样本训练数据输入到预先构建的深度学习网络中；所述深度学习网络由原材料分析子模型、工序效率子模型、质量控制子模型、设备状态监测子模型、时间管理子模型、成本效益子模型、供应链协调子模型、用户需求预测子模型组成；原材料分析子模型解析样本训练数据中的原材料采购数据，比对实际使用情况与预定采购计划，输出材料使用效率与成本指标；工序效率子模型解析样本训练数据中的生产工序数据，分析生产每一步骤的时间消耗，输出每个工序的效率指标；质量控制子模型解析样本训练数据中的质量控制数据，评估生产过程中的质量合格率，输出质量控制的综合指标；设备状态监测子模型解析样本训练数据中的运行数据，评估生产设备的可靠性与维护需求，输出设备稳定性指标；时间管理子模型解析样本训练数据中的生产管理计划数据，将生产计划与实际完成时间对比，确定生产周期的合理性，输出时间效率指标；成本效益子模型解析样本训练数据中的生产成本数据，输出成本利用率指标；供应链协调子模型解析样本训练数据中的物流与信息流数据，确定供应链效率及时效性，输出供应链协同指标；用户需求预测子模型解析样本训练数据中的市场趋势与历史销售数据，预测未来产品需求，以调节生产计划，输出需求适应指标；从样本训练数据中提炼出生产流程的各个环节的性能标准值；其中，所述性能标准值用于衡量生产流程的最优状态；根据所构建的深度学习网络子模型输出与预设性能标准值之间的差异来计算误差值；其中，所述误差值包括材料利用率的偏差值、工序效率的偏差值、质量合格率的偏差值、设备稳定性的偏差值、时间管理的偏差值、成本效益的偏差值、供应链协同的偏差值、需求适应性的偏差值；通过预设的优化策略调整深度学习网络的各个子模型参数，逐步缩小误差值，直至误差值达到最小化，得到训练后的家居软装产品三维模型；对所述数据映射表进行数据分析，得到家居软装产品生产过程的校准表；基于所述校准表，对所述家居软装产品三维模型进行修正，得到家居软装产品生产优化分析模型；具体包括：数据分析：首先，从数据映射表中提取关键的材料特性和生产工艺数据，并进行统计分析，然后，对这些材料特性和生产工艺数据进行相关性分析和影响分析，找出不同材料特性和生产工艺数据之间的关联规律，以及它们对家居软装产品生产过程的影响；根据分析结果，得到了家居软装产品生产过程的校准信息，包括不同材料特性和生产工艺数据的优化范围、对产品质量和生产效率的影响程度；校准表生成：基于数据分析的结果，生成家居软装产品生产过程的校准表，这个校准表包括不同材料特性和生产工艺数据的优化建议，校准表还记录每项建议的校准策略、优化方案和实施方法，以及对产品生产过程的预期影响，得到了校准表后，基于校准表对家居软装产品的三维模型进行修正，具体步骤如下：对家居软装产品三维模型进行修正：根据校准表中的优化建议，对家居软装产品的三维模型进行修正，包括材料的替换、尺寸的调整、结构的优化操作；将家居软装产品的生产信息输入至家居软装产品生产优化分析模型中，得到家居软装产品生产优化的生产指令集；其中，所述生产指令集用于对家居软装产品生产过程进行优化以及对家居软装产品生产步骤进行调整。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人全屋优品科技(深圳)有限公司，其通讯地址为：518000 广东省深圳市南山区粤海街道滨海社区高新南十道63号高新区联合总部大厦39层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。