作为汽车工业基础工艺装备用的汽车模具，是汽车零部件成型的必要工具。而汽车零部件对整车的质量起着决定性的作用，而汽车模具决定着汽车零部件的质量。因此，对汽车模具的的审核需要非常严格。然而，目前并没有一个支持模具审核的科学有效的通用性辅助工具，所以，现阶段的模具审核对很多汽车制造业而言仍然是亟待解决的问题。

        就精确度而言，模具审核在很大程度上依赖于工程师的经验知识，而每个模具工程师的经验参差不齐，尤其对新进员工来说需要一个经验积累的过程，再加上不同汽车模具工程师在审核过程中所采纳的依据信息、方法不同，模具审核的准确性无法达到统一。

        就效率而言，大规模的整车新项目以及巨额的模具采购金额，加大了模具工程师的工作强度，再加上有效工具的匮乏，工程师的业务处理结果常常落后于要求节点。

        所以现在的汽车模具厂通过数策结合经典的预测分析算法，统筹多种模具的数据维度，将模具的体积、重量、使用的材料价格、人工成本等多维度数据转换为模型参数，并针对业务含义进行参数引申，通过机器学习算法拟合构建了各个类型模具的预测模型。

       然后，从材料费、加工费、设计费等多个角度进行相应的模具成本分析，以推出更为综合准确的结果。