Nothing Special   »   [go: up one dir, main page]

CN116739332B - 一种基于大数据的产业链智能管理方法、系统及介质 - Google Patents

一种基于大数据的产业链智能管理方法、系统及介质 Download PDF

Info

Publication number
CN116739332B
CN116739332B CN202310411984.1A CN202310411984A CN116739332B CN 116739332 B CN116739332 B CN 116739332B CN 202310411984 A CN202310411984 A CN 202310411984A CN 116739332 B CN116739332 B CN 116739332B
Authority
CN
China
Prior art keywords
production
data
information
generating
risk
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310411984.1A
Other languages
English (en)
Other versions
CN116739332A (zh
Inventor
郭伟薇
谷俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Boguan Innovation Shanghai Big Data Technology Co ltd
Original Assignee
Boguan Innovation Shanghai Big Data Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Boguan Innovation Shanghai Big Data Technology Co ltd filed Critical Boguan Innovation Shanghai Big Data Technology Co ltd
Priority to CN202310411984.1A priority Critical patent/CN116739332B/zh
Publication of CN116739332A publication Critical patent/CN116739332A/zh
Application granted granted Critical
Publication of CN116739332B publication Critical patent/CN116739332B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0838—Historical data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Evolutionary Computation (AREA)
  • Finance (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Manufacturing & Machinery (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例提供了一种基于大数据的产业链智能管理方法、系统及介质，该方法包括：获取交易流水数据，对交易流水数据进行预处理，得到产业链节点运营数据；将产业链节点运营数据与行业标准数据进行比较，得到相似度信息；并对产业链节点进行识别并分类划分；获取产业链节点运营数据，并输入预设模型，得到风险节点信息；根据风险节点信息生成产业链风险预测，并生成预测结果；根据预测结果生成市场反馈数据，并生成市场报表；将市场报表按照产业链节点类目进行划分并排序；通过分析风险节点在产品交付出现异常时，快速定位导致产品出现交付异常的节点，通过产品在市场的反馈，对产品的生产进行调整。

Description

一种基于大数据的产业链智能管理方法、系统及介质
技术领域
本申请涉及产业链管理领域，具体而言，涉及一种基于大数据的产业链智能管理方法、系统及介质。
背景技术
产业链是产业经济学中的一个概念，即产供销，从原料到消费者手中的整个产业链条，是各个部门之间基于一定的技术经济关联，并依据特定的逻辑关系和时空布局关系客观形成的链条式关联关系形态。
如何在产品交付出现异常时，快速定位导致产品出现交付异常的节点，同时如何通过产品在市场的反馈，对产品的生产进行调整，是急需解决的问题，针对上述问题，目前亟待有效的技术解决方案。
发明内容
本申请实施例的目的在于提供一种基于大数据的产业链智能管理方法、系统及介质，可以通过分析风险节点在产品交付出现异常时，快速定位导致产品出现交付异常的节点，通过产品在市场的反馈，对产品的生产进行调整，以实现产业链智能管理的技术。
本申请实施例还提供了一种基于大数据的产业链智能管理方法，包括：
获取交易流水数据，对交易流水数据进行预处理，得到产业链节点运营数据；
将产业链节点运营数据与行业标准数据进行比较，得到相似度信息；
判断所述相似度是否大于或等于相似度阈值；
若大于或等于，则对产业链节点进行识别并分类划分；
获取产业链节点运营数据，并输入预设模型，得到风险节点信息；
根据风险节点信息生成产业链风险预测，并生成预测结果；
根据预测结果生成市场反馈数据，并生成市场报表；
将市场报表按照产业链节点类目进行划分并排序。
可选地，在本申请实施例的基于大数据的产业链智能管理方法中，所述获取交易流水数据，对交易流水数据进行预处理，得到产业链节点运营数据，包括：
获取交易资金流向数据、交易企业数据、交易类型数据，对交易资金流向数据、交易企业数据、交易类型数据进行特征提取，得到特征值；
将特征值与预设特征值进行差值计算，得到特征差值；
若特征差值大于或等于预设阈值，则该特征值对应的交易流水数据进行剔除；
若小于，则交易流水数据进行归类存储。
可选地，在本申请实施例的基于大数据的产业链智能管理方法中，所述产业链节点运营数据包括：生产节点的生产数据、物流节点的输送数据、销售节点的销售数据与售后节点的市场数据；
所述生产节点的生产数据包括：
获取订单信息，根据订单信息生成生产参数；
根据生产参数按照预定的方式进行生产，得到生产信息；
将生产信息与预设的生产信息进行比较，得到生产偏差率；
判断所述生产偏差率是否大于或等于预设的生产偏差率阈值；
若大于或等于，则生成修正信息，通过修正信息对生产参数进行实时修正；
若小于，则生成生产报表，所述生产报表包括生产类目、生产完成时间。
可选地，在本申请实施例的基于大数据的产业链智能管理方法中，所述若小于，则生成生产报表，所述生产报表包括生产类目、生产完成时间，包括：
获取订单信息与计划完成时间，根据订单信息与计划完成时间建立生产参数，并生成生产信息；
获取生产设备运行数据，将生产设备运行数据与订单信息输入生产预测模型，生成订单完成时间；
将订单完成时间与计划完成时间进行比较，得到时间差；
判断所述时间差是否大于或等于预设的时间值；
若大于或等于，则建立生产节点协同生产策略，并根据生产节点协同生产策略进行多生产节点协同生产。
可选地，在本申请实施例的基于大数据的产业链智能管理方法中，所述售后节点的市场数据，包括：
获取市场数据，并生成评价信息；
根据评价信息与预设的评价信息进行比较，得到售后节点的评分；
判断所述评分是否大于或等于预设评分阈值；
若大于或等于，则判定生产节点的生产质量满足要求；
若小于，则生成反馈信息，根据反馈信息对生产节点的生产参数进行调整。
可选地，在本申请实施例的基于大数据的产业链智能管理方法中，所述获取产业链节点运营数据，并输入预设模型，得到风险节点信息，包括：
获取产业链节点的生产数据、输送数据、销售数据与市场数据，将产业链节点的生产数据、输送数据、销售数据与市场数据输入神经网络模型，生成风险节点信息；
根据风险节点信息与预设的节点信息进行比较，得到风险系数；
根据风险系数对风险节点进行判断风险的扩散速度；
判断所述风险扩散速度是否大于或等于预设的风险扩散速度；
若大于或等于，则对风险节点进行更新或替换；
若小于，则生成风险节点协同信息，根据风险节点协同信息对风险节点进行组群配合联动。
第二方面，本申请实施例提供了一种基于大数据的产业链智能管理系统，该系统包括：存储器及处理器，存储器中包括基于大数据的产业链智能管理方法的程序，基于大数据的产业链智能管理方法的程序被处理器执行时实现以下步骤：
获取交易流水数据，对交易流水数据进行预处理，得到产业链节点运营数据；
将产业链节点运营数据与行业标准数据进行比较，得到相似度信息；
判断所述相似度是否大于或等于相似度阈值；
若大于或等于，则对产业链节点进行识别并分类划分；
获取产业链节点运营数据，并输入预设模型，得到风险节点信息；
根据风险节点信息生成产业链风险预测，并生成预测结果；
根据预测结果生成市场反馈数据，并生成市场报表；
将市场报表按照产业链节点类目进行划分并排序。
可选地，在本申请实施例的基于大数据的产业链智能管理系统中，所述获取交易流水数据，对交易流水数据进行预处理，得到产业链节点运营数据，包括：
获取交易资金流向数据、交易企业数据、交易类型数据，对交易资金流向数据、交易企业数据、交易类型数据进行特征提取，得到特征值；
将特征值与预设特征值进行差值计算，得到特征差值；
若特征差值大于或等于预设阈值，则该特征值对应的交易流水数据进行剔除；
若小于，则交易流水数据进行归类存储。
可选地，在本申请实施例的基于大数据的产业链智能管理系统中，所述产业链节点运营数据包括：生产节点的生产数据、物流节点的输送数据、销售节点的销售数据与售后节点的市场数据；
所述生产节点的生产数据包括：
获取订单信息，根据订单信息生成生产参数；
根据生产参数按照预定的方式进行生产，得到生产信息；
将生产信息与预设的生产信息进行比较，得到生产偏差率；
判断所述生产偏差率是否大于或等于预设的生产偏差率阈值；
若大于或等于，则生成修正信息，通过修正信息对生产参数进行实时修正；
若小于，则生成生产报表，所述生产报表包括生产类目、生产完成时间。
第三方面，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质中包括基于大数据的产业链智能管理方法程序，基于大数据的产业链智能管理方法程序被处理器执行时，实现如上述任一项的基于大数据的产业链智能管理方法的步骤。
由上可知，本申请实施例提供的一种基于大数据的产业链智能管理方法、系统及介质，通过获取交易流水数据，对交易流水数据进行预处理，得到产业链节点运营数据；将产业链节点运营数据与行业标准数据进行比较，得到相似度信息；判断所述相似度是否大于或等于相似度阈值；若大于或等于，则对产业链节点进行识别并分类划分；获取产业链节点运营数据，并输入预设模型，得到风险节点信息；根据风险节点信息生成产业链风险预测，并生成预测结果；根据预测结果生成市场反馈数据，并生成市场报表；将市场报表按照产业链节点类目进行划分并排序；通过分析风险节点在产品交付出现异常时，快速定位导致产品出现交付异常的节点，通过产品在市场的反馈，对产品的生产进行调整的技术。
本申请的其他特征和优点将在随后的说明书阐述，并且，本申请的优点部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的基于大数据的产业链智能管理方法的流程图；
图2为本申请实施例提供的基于大数据的产业链智能管理方法的交易流程数据处理方法流程图；
图3为本申请实施例提供的基于大数据的产业链智能管理方法的生产报表生成流程图；
图4为本申请实施例提供的基于大数据的产业链智能管理方法的多生产节点协同生产流程图；
图5为本申请实施例提供的基于大数据的产业链智能管理方法的生产参数调整方法流程图；
图6为本申请实施例提供的基于大数据的产业链智能管理系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的一种基于大数据的产业链智能管理方法的流程图。该基于大数据的产业链智能管理方法用于终端设备中，该基于大数据的产业链智能管理方法，包括以下步骤：
S101，获取交易流水数据，对交易流水数据进行预处理，得到产业链节点运营数据；
S102，将产业链节点运营数据与行业标准数据进行比较，得到相似度信息；
S103，判断相似度是否大于或等于相似度阈值；若大于或等于，则对产业链节点进行识别并分类划分；
S104，获取产业链节点运营数据，并输入预设模型，得到风险节点信息；
S105，根据风险节点信息生成产业链风险预测，并生成预测结果；根据预测结果生成市场反馈数据，并生成市场报表；
S106，将市场报表按照产业链节点类目进行划分并排序。
需要说明的是，根据产业链节点运营数据与行业标准数据进行判断产业链节点的行业划分与分类，处于同类的产业链节点进行判断流水线的运行数据，只有处于同类的产业链才能根据产业链分风险预测进行风险节点的判断与预测，保证风险节点判断的精准性。
进一步的，市场反馈数据包括根据销售后的产品使用情况进行评价，评分较低的，则根据市场反馈数据对市场销售情况进行判断，便于预测销售压力与销售面临的困境，从而更加有效的对销售策略进行制定。
请参照图2，图2是本申请一些实施例中的一种基于大数据的产业链智能管理方法的交易流程数据处理方法流程图。根据本发明实施例，获取交易流水数据，对交易流水数据进行预处理，得到产业链节点运营数据，包括：
S201，获取交易资金流向数据、交易企业数据、交易类型数据，对交易资金流向数据、交易企业数据、交易类型数据进行特征提取，得到特征值；
S202，将特征值与预设特征值进行差值计算，得到特征差值；
S203，若特征差值大于或等于预设阈值，则该特征值对应的交易流水数据进行剔除；
S204，若小于，则交易流水数据进行归类存储。
需要说明的是，通过特征提取，将交易流水数据内偏离实际情况的数据进行剔除，使交易流水数据可以更好的对产业链节点运行数据进行更好的分析，保证对产业链节点分析精确。
进一步的，将交易流水数据进行分类，分类的依据根据交易流水的行业以及交易流水的额度，不同的交易流水数据存储到不同的缓存区内，在对数据调用时可以更加快速有效的进行数据调用，提高数据处理速度。
请参照图3，图3是本申请一些实施例中的一种基于大数据的产业链智能管理方法的生产报表生成流程图。根据本发明实施例，产业链节点运营数据包括：生产节点的生产数据、物流节点的输送数据、销售节点的销售数据与售后节点的市场数据；
生产节点的生产数据包括：
S301，获取订单信息，根据订单信息生成生产参数；
S302，根据生产参数按照预定的方式进行生产，得到生产信息；
S303，将生产信息与预设的生产信息进行比较，得到生产偏差率；
S304，判断生产偏差率是否大于或等于预设的生产偏差率阈值；
S305，若大于或等于，则生成修正信息，通过修正信息对生产参数进行实时修正；
S306，若小于，则生成生产报表，生产报表包括生产类目、生产完成时间。
请参照图4，图4是本申请一些实施例中的一种基于大数据的产业链智能管理方法的多生产节点协同生产流程图。根据本发明实施例，若小于，则生成生产报表，生产报表包括生产类目、生产完成时间，包括：
S401，获取订单信息与计划完成时间，根据订单信息与计划完成时间建立生产参数，并生成生产信息；
S402，获取生产设备运行数据，将生产设备运行数据与订单信息输入生产预测模型，生成订单完成时间；
S403，将订单完成时间与计划完成时间进行比较，得到时间差；
S404，判断时间差是否大于或等于预设的时间值；
S405，若大于或等于，则建立生产节点协同生产策略，并根据生产节点协同生产策略进行多生产节点协同生产。
需要说明的是，根据生产设备运行数据对订单完成的时间进行预测，若订单完成时间无法满足计划完成施加，则可以理解为当前生产线无法满足订单需要，判断当前生产线的最大生产量，根据订单需要减去当前生产线的最大生产量，得到订单差值，根据订单差值获取可以满足当前订单差值的生产线，将两条生产线进行联动协同生产，使生产线可以满足订单需要，保证生产量可以满足需求，以实现市场需求量。
请参照图5，图5是本申请一些实施例中的一种基于大数据的产业链智能管理方法的生产参数调整方法流程图。根据本发明实施例，售后节点的市场数据，包括：
S501，获取市场数据，并生成评价信息；
S502，根据评价信息与预设的评价信息进行比较，得到售后节点的评分；
S503，判断评分是否大于或等于预设评分阈值；
S504，若大于或等于，则判定生产节点的生产质量满足要求；
S505，若小于，则生成反馈信息，根据反馈信息对生产节点的生产参数进行调整。
需要说明的是，评价较高时，则表明产品质量较高，预测后期销售量更高，可以提前对该产品对应的生产节点进行提高生产量，以提前适应市场需要，对评价较低的产品适量的缩小生产量，防止产品堆积，且防止生产节点其他环节的产能压力较大。
根据本发明实施例，获取产业链节点运营数据，并输入预设模型，得到风险节点信息，包括：
获取产业链节点的生产数据、输送数据、销售数据与市场数据，将产业链节点的生产数据、输送数据、销售数据与市场数据输入神经网络模型，生成风险节点信息；
根据风险节点信息与预设的节点信息进行比较，得到风险系数；
根据风险系数对风险节点进行判断风险的扩散速度；
判断风险扩散速度是否大于或等于预设的风险扩散速度；
若大于或等于，则对风险节点进行更新或替换；
若小于，则生成风险节点协同信息，根据风险节点协同信息对风险节点进行组群配合联动。
需要说明的是，风险节点包括不同产业链节点的风险经营数据，在生产节点中，风险节点可以理解为生产过程中由于生产设备故障造成生产无法完成的情况，或生产过程中由于生产效率造成无法完成预定订单的情况，在销售节点中，因售后评分较低时，造成销售效果下降。
根据本发明实施例，还包括：
获取销售数据，根据销售数据生成物流信息；
根据物流信息生成输送策略，并进行物流运输；
在进行物流运输过程中，采集运输目的地信息，根据运输目的地信息生成路径规划，
根据路径规划生成运输时间，判断运输时间与满足当前销售的库存的销售时间，生成时间差；
若时间差满足预设时间阈值，则生成运输物流信息；
若时间差不满足预设时间阈值，则生成加急处理信息，根据加急处理信息从最近的库存点进行调用库存进行加急运输。
根据本发明实施例，还包括：
获取用户需求的报表样式和报表展示内容；
按照报表需求，向页面中添加展示报表内容的标签和控件，并根据用户的显示需求设置标签和控件的样式属性；
获取报表数据并将数据绑定到控件中，设定数据访问组件和数据查询语句，获取控件数据集，并将数据集绑定到对应的控件中；
在查询报表过程中点击查询按钮，触发按钮的单击事件，事件监听程序执行事件处理程序，该程序根据查询条件获取数据集，并将数据集重新绑定到控件集，报表显示刷新后的数据。
需要说明的是，报表分为查询类报表和录入类报表，查询类报表包括报表查询条件和报表展示内容；报表展示内容包括销售数据以及售后评价数据，根据售后评价数据对生产节点的生产数据进行反馈修正，使生产节点更加精准的满足市场数据的需要。
请参照图6，图6是本申请一些实施例中的一种基于大数据的产业链智能管理系统的结构示意图。第二方面，本申请实施例提供了一种基于大数据的产业链智能管理系统6，该系统包括：存储器61及处理器62，存储器61中包括基于大数据的产业链智能管理方法的程序，基于大数据的产业链智能管理方法的程序被处理器执行时实现以下步骤：
获取交易流水数据，对交易流水数据进行预处理，得到产业链节点运营数据；
将产业链节点运营数据与行业标准数据进行比较，得到相似度信息；
判断相似度是否大于或等于相似度阈值；
若大于或等于，则对产业链节点进行识别并分类划分；
获取产业链节点运营数据，并输入预设模型，得到风险节点信息；
根据风险节点信息生成产业链风险预测，并生成预测结果；
根据预测结果生成市场反馈数据，并生成市场报表；
将市场报表按照产业链节点类目进行划分并排序。
需要说明的是，根据产业链节点运营数据与行业标准数据进行判断产业链节点的行业划分与分类，处于同类的产业链节点进行判断流水线的运行数据，只有处于同类的产业链才能根据产业链分风险预测进行风险节点的判断与预测，保证风险节点判断的精准性。
进一步的，市场反馈数据包括根据销售后的产品使用情况进行评价，评分较低的，则根据市场反馈数据对市场销售情况进行判断，便于预测销售压力与销售面临的困境，从而更加有效的对销售策略进行制定。
根据本发明实施例，获取交易流水数据，对交易流水数据进行预处理，得到产业链节点运营数据，包括：
获取交易资金流向数据、交易企业数据、交易类型数据，对交易资金流向数据、交易企业数据、交易类型数据进行特征提取，得到特征值；
将特征值与预设特征值进行差值计算，得到特征差值；
若特征差值大于或等于预设阈值，则该特征值对应的交易流水数据进行剔除；
若小于，则交易流水数据进行归类存储。
需要说明的是，通过特征提取，将交易流水数据内偏离实际情况的数据进行剔除，使交易流水数据可以更好的对产业链节点运行数据进行更好的分析，保证对产业链节点分析精确。
进一步的，将交易流水数据进行分类，分类的依据根据交易流水的行业以及交易流水的额度，不同的交易流水数据存储到不同的缓存区内，在对数据调用时可以更加快速有效的进行数据调用，提高数据处理速度。
根据本发明实施例，产业链节点运营数据包括：生产节点的生产数据、物流节点的输送数据、销售节点的销售数据与售后节点的市场数据；
生产节点的生产数据包括：
获取订单信息，根据订单信息生成生产参数；
根据生产参数按照预定的方式进行生产，得到生产信息；
将生产信息与预设的生产信息进行比较，得到生产偏差率；
判断生产偏差率是否大于或等于预设的生产偏差率阈值；
若大于或等于，则生成修正信息，通过修正信息对生产参数进行实时修正；
若小于，则生成生产报表，生产报表包括生产类目、生产完成时间。
根据本发明实施例，若小于，则生成生产报表，生产报表包括生产类目、生产完成时间，包括：
获取订单信息与计划完成时间，根据订单信息与计划完成时间建立生产参数，并生成生产信息；
获取生产设备运行数据，将生产设备运行数据与订单信息输入生产预测模型，生成订单完成时间；
将订单完成时间与计划完成时间进行比较，得到时间差；
判断时间差是否大于或等于预设的时间值；
若大于或等于，则建立生产节点协同生产策略，并根据生产节点协同生产策略进行多生产节点协同生产。
需要说明的是，根据生产设备运行数据对订单完成的时间进行预测，若订单完成时间无法满足计划完成施加，则可以理解为当前生产线无法满足订单需要，判断当前生产线的最大生产量，根据订单需要减去当前生产线的最大生产量，得到订单差值，根据订单差值获取可以满足当前订单差值的生产线，将两条生产线进行联动协同生产，使生产线可以满足订单需要，保证生产量可以满足需求，以实现市场需求量。
根据本发明实施例，售后节点的市场数据，包括：
获取市场数据，并生成评价信息；
根据评价信息与预设的评价信息进行比较，得到售后节点的评分；
判断评分是否大于或等于预设评分阈值；
若大于或等于，则判定生产节点的生产质量满足要求；
若小于，则生成反馈信息，根据反馈信息对生产节点的生产参数进行调整。
需要说明的是，评价较高时，则表明产品质量较高，预测后期销售量更高，可以提前对该产品对应的生产节点进行提高生产量，以提前适应市场需要，对评价较低的产品适量的缩小生产量，防止产品堆积，且防止生产节点其他环节的产能压力较大。
根据本发明实施例，获取产业链节点运营数据，并输入预设模型，得到风险节点信息，包括：
获取产业链节点的生产数据、输送数据、销售数据与市场数据，将产业链节点的生产数据、输送数据、销售数据与市场数据输入神经网络模型，生成风险节点信息；
根据风险节点信息与预设的节点信息进行比较，得到风险系数；
根据风险系数对风险节点进行判断风险的扩散速度；
判断风险扩散速度是否大于或等于预设的风险扩散速度；
若大于或等于，则对风险节点进行更新或替换；
若小于，则生成风险节点协同信息，根据风险节点协同信息对风险节点进行组群配合联动。
需要说明的是，风险节点包括不同产业链节点的风险经营数据，在生产节点中，风险节点可以理解为生产过程中由于生产设备故障造成生产无法完成的情况，或生产过程中由于生产效率造成无法完成预定订单的情况，在销售节点中，因售后评分较低时，造成销售效果下降。
根据本发明实施例，还包括：
获取销售数据，根据销售数据生成物流信息；
根据物流信息生成输送策略，并进行物流运输；
在进行物流运输过程中，采集运输目的地信息，根据运输目的地信息生成路径规划，
根据路径规划生成运输时间，判断运输时间与满足当前销售的库存的销售时间，生成时间差；
若时间差满足预设时间阈值，则生成运输物流信息；
若时间差不满足预设时间阈值，则生成加急处理信息，根据加急处理信息从最近的库存点进行调用库存进行加急运输。
根据本发明实施例，还包括：
获取用户需求的报表样式和报表展示内容；
按照报表需求，向页面中添加展示报表内容的标签和控件，并根据用户的显示需求设置标签和控件的样式属性；
获取报表数据并将数据绑定到控件中，设定数据访问组件和数据查询语句，获取控件数据集，并将数据集绑定到对应的控件中；
在查询报表过程中点击查询按钮，触发按钮的单击事件，事件监听程序执行事件处理程序，该程序根据查询条件获取数据集，并将数据集重新绑定到控件集，报表显示刷新后的数据。
需要说明的是，报表分为查询类报表和录入类报表，查询类报表包括报表查询条件和报表展示内容；报表展示内容包括销售数据以及售后评价数据，根据售后评价数据对生产节点的生产数据进行反馈修正，使生产节点更加精准的满足市场数据的需要。
本发明第三方面提供了一种计算机可读存储介质，可读存储介质中包括基于大数据的产业链智能管理方法程序，基于大数据的产业链智能管理方法程序被处理器执行时，实现如上述任一项的基于大数据的产业链智能管理方法的步骤。
本发明公开的一种基于大数据的产业链智能管理方法、系统及介质，通过获取交易流水数据，对交易流水数据进行预处理，得到产业链节点运营数据；将产业链节点运营数据与行业标准数据进行比较，得到相似度信息；判断所述相似度是否大于或等于相似度阈值；若大于或等于，则对产业链节点进行识别并分类划分；获取产业链节点运营数据，并输入预设模型，得到风险节点信息；根据风险节点信息生成产业链风险预测，并生成预测结果；根据预测结果生成市场反馈数据，并生成市场报表；将市场报表按照产业链节点类目进行划分并排序；通过分析风险节点在产品交付出现异常时，快速定位导致产品出现交付异常的节点，通过产品在市场的反馈，对产品的生产进行调整的技术。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (3)

1.一种基于大数据的产业链智能管理方法，其特征在于，包括：
获取交易流水数据，对交易流水数据进行预处理，得到产业链节点运营数据；
将产业链节点运营数据与行业标准数据进行比较，得到相似度信息；
判断所述相似度是否大于或等于相似度阈值；
若大于或等于，则对产业链节点进行识别并分类划分；
获取产业链节点运营数据，并输入预设模型，得到风险节点信息；
根据风险节点信息生成产业链风险预测，并生成预测结果；
根据预测结果生成市场反馈数据，并生成市场报表；
将市场报表按照产业链节点类目进行划分并排序；
所述获取交易流水数据，对交易流水数据进行预处理，得到产业链节点运营数据，包括：
获取交易资金流向数据、交易企业数据、交易类型数据，对交易资金流向数据、交易企业数据、交易类型数据进行特征提取，得到特征值；
将特征值与预设特征值进行差值计算，得到特征差值；
若特征差值大于或等于预设阈值，则该特征值对应的交易流水数据进行剔除；
若小于，则交易流水数据进行归类存储；
所述产业链节点运营数据包括：生产节点的生产数据、物流节点的输送数据、销售节点的销售数据与售后节点的市场数据；
所述生产节点的生产数据包括：
获取订单信息，根据订单信息生成生产参数；
根据生产参数按照预定的方式进行生产，得到生产信息；
将生产信息与预设的生产信息进行比较，得到生产偏差率；
判断所述生产偏差率是否大于或等于预设的生产偏差率阈值；
若大于或等于，则生成修正信息，通过修正信息对生产参数进行实时修正；
若小于，则生成生产报表，所述生产报表包括生产类目、生产完成时间；
所述若小于，则生成生产报表，所述生产报表包括生产类目、生产完成时间，包括：
获取订单信息与计划完成时间，根据订单信息与计划完成时间建立生产参数，并生成生产信息；
获取生产设备运行数据，将生产设备运行数据与订单信息输入生产预测模型，生成订单完成时间；
将订单完成时间与计划完成时间进行比较，得到时间差；
判断所述时间差是否大于或等于预设的时间值；
若大于或等于，则建立生产节点协同生产策略，并根据生产节点协同生产策略进行多生产节点协同生产；
所述售后节点的市场数据，包括：获取市场数据，并生成评价信息；
根据评价信息与预设的评价信息进行比较，得到售后节点的评分；
判断所述评分是否大于或等于预设评分阈值；
若大于或等于，则判定生产节点的生产质量满足要求；
若小于，则生成反馈信息，根据反馈信息对生产节点的生产参数进行调整；
所述获取产业链节点运营数据，并输入预设模型，得到风险节点信息，包括：
获取产业链节点的生产数据、输送数据、销售数据与市场数据，将产业链节点的生产数据、输送数据、销售数据与市场数据输入神经网络模型，生成风险节点信息；
根据风险节点信息与预设的节点信息进行比较，得到风险系数；
根据风险系数对风险节点进行风险扩散速度的判断；
判断所述风险扩散速度是否大于或等于预设的风险扩散速度；
若大于或等于，则对风险节点进行更新或替换；
若小于，则生成风险节点协同信息，根据风险节点协同信息对风险节点进行组群配合联动；
还包括：
获取销售数据，根据销售数据生成物流信息；
根据物流信息生成输送策略，并进行物流运输；
在进行物流运输过程中，采集运输目的地信息，根据运输目的地信息生成路径规划，根据路径规划生成运输时间，判断运输时间与满足当前销售的库存的销售时间，生成时间差；
若时间差满足预设时间阈值，则生成运输物流信息；
若时间差不满足预设时间阈值，则生成加急处理信息，根据加急处理信息从最近的库存点调用库存进行加急运输；
还包括：
获取用户需求的报表样式和报表展示内容；
按照报表需求，向页面中添加展示报表内容的标签和控件，并根据用户的显示需求设置标签和控件的样式属性；
获取报表数据并将数据绑定到控件中，设定数据访问组件和数据查询语句，获取控件数据集，并将数据集绑定到对应的控件中；
在查询报表过程中点击查询按钮，触发按钮的单击事件，事件监听程序执行事件处理程序，
该程序根据查询条件获取数据集，并将数据集重新绑定到控件集，报表显示刷新后的数据。
2.一种基于大数据的产业链智能管理系统，其特征在于，该系统包括：存储器及处理器，所述存储器中包括基于大数据的产业链智能管理方法的程序，所述基于大数据的产业链智能管理方法的程序被所述处理器执行时实现以下步骤：
获取交易流水数据，对交易流水数据进行预处理，得到产业链节点运营数据；
将产业链节点运营数据与行业标准数据进行比较，得到相似度信息；
判断所述相似度是否大于或等于相似度阈值；
若大于或等于，则对产业链节点进行识别并分类划分；
获取产业链节点运营数据，并输入预设模型，得到风险节点信息；
根据风险节点信息生成产业链风险预测，并生成预测结果；
根据预测结果生成市场反馈数据，并生成市场报表；
将市场报表按照产业链节点类目进行划分并排序；
所述获取交易流水数据，对交易流水数据进行预处理，得到产业链节点运营数据，包括：
获取交易资金流向数据、交易企业数据、交易类型数据，对交易资金流向数据、交易企业数据、交易类型数据进行特征提取，得到特征值；
将特征值与预设特征值进行差值计算，得到特征差值；
若特征差值大于或等于预设阈值，则该特征值对应的交易流水数据进行剔除；
若小于，则交易流水数据进行归类存储；
所述产业链节点运营数据包括：生产节点的生产数据、物流节点的输送数据、销售节点的销售数据与售后节点的市场数据；
所述生产节点的生产数据包括：
获取订单信息，根据订单信息生成生产参数；
根据生产参数按照预定的方式进行生产，得到生产信息；
将生产信息与预设的生产信息进行比较，得到生产偏差率；
判断所述生产偏差率是否大于或等于预设的生产偏差率阈值；
若大于或等于，则生成修正信息，通过修正信息对生产参数进行实时修正；
若小于，则生成生产报表，所述生产报表包括生产类目、生产完成时间；
所述若小于，则生成生产报表，所述生产报表包括生产类目、生产完成时间，包括：
获取订单信息与计划完成时间，根据订单信息与计划完成时间建立生产参数，并生成生产信息；
获取生产设备运行数据，将生产设备运行数据与订单信息输入生产预测模型，生成订单完成时间；
将订单完成时间与计划完成时间进行比较，得到时间差；
判断所述时间差是否大于或等于预设的时间值；
若大于或等于，则建立生产节点协同生产策略，并根据生产节点协同生产策略进行多生产节点协同生产；
所述售后节点的市场数据，包括：
获取市场数据，并生成评价信息；
根据评价信息与预设的评价信息进行比较，得到售后节点的评分；
判断所述评分是否大于或等于预设评分阈值；
若大于或等于，则判定生产节点的生产质量满足要求；
若小于，则生成反馈信息，根据反馈信息对生产节点的生产参数进行调整；
所述获取产业链节点运营数据，并输入预设模型，得到风险节点信息，包括：
获取产业链节点的生产数据、输送数据、销售数据与市场数据，将产业链节点的生产数据、输送数据、销售数据与市场数据输入神经网络模型，生成风险节点信息；
根据风险节点信息与预设的节点信息进行比较，得到风险系数；
根据风险系数对风险节点进行风险扩散速度的判断；
判断所述风险扩散速度是否大于或等于预设的风险扩散速度；
若大于或等于，则对风险节点进行更新或替换；
若小于，则生成风险节点协同信息，根据风险节点协同信息对风险节点进行组群配合联动；
还包括：
获取销售数据，根据销售数据生成物流信息；
根据物流信息生成输送策略，并进行物流运输；
在进行物流运输过程中，采集运输目的地信息，根据运输目的地信息生成路径规划，根据路径规划生成运输时间，判断运输时间与满足当前销售的库存的销售时间，生成时间差；
若时间差满足预设时间阈值，则生成运输物流信息；
若时间差不满足预设时间阈值，则生成加急处理信息，根据加急处理信息从最近的库存点调用库存进行加急运输；
还包括：
获取用户需求的报表样式和报表展示内容；
按照报表需求，向页面中添加展示报表内容的标签和控件，并根据用户的显示需求设置标签和控件的样式属性；
获取报表数据并将数据绑定到控件中，设定数据访问组件和数据查询语句，获取控件数据集，并将数据集绑定到对应的控件中；
在查询报表过程中点击查询按钮，触发按钮的单击事件，事件监听程序执行事件处理程序，该程序根据查询条件获取数据集，并将数据集重新绑定到控件集，报表显示刷新后的数据。
3. 一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于大数据的产业链智能管理方法程序，所述基于大数据的产业链智能管理方法程序被处理器执行时，实现如权利要求1 所述的基于大数据的产业链智能管理方法的步骤。
CN202310411984.1A 2023-04-18 2023-04-18 一种基于大数据的产业链智能管理方法、系统及介质 Active CN116739332B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310411984.1A CN116739332B (zh) 2023-04-18 2023-04-18 一种基于大数据的产业链智能管理方法、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310411984.1A CN116739332B (zh) 2023-04-18 2023-04-18 一种基于大数据的产业链智能管理方法、系统及介质

Publications (2)

Publication Number Publication Date
CN116739332A CN116739332A (zh) 2023-09-12
CN116739332B true CN116739332B (zh) 2024-09-03

Family

ID=87905115

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310411984.1A Active CN116739332B (zh) 2023-04-18 2023-04-18 一种基于大数据的产业链智能管理方法、系统及介质

Country Status (1)

Country Link
CN (1) CN116739332B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117408522B (zh) * 2023-12-15 2024-03-08 深圳市明心数智科技有限公司 一种尾款支付风险预警方法、系统及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113051365A (zh) * 2020-12-10 2021-06-29 深圳证券信息有限公司 一种产业链图谱构建方法及相关设备
CN114792195A (zh) * 2022-03-28 2022-07-26 上海正策咨仕信息科技有限公司 产业链数据分析系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019086951A (ja) * 2017-11-06 2019-06-06 日本電気株式会社 サプライチェーン管理システムおよびその制御方法
CN115049505A (zh) * 2022-04-22 2022-09-13 中银金融科技有限公司 基于区块链的产业链金融风险防控方法及装置
CN115169960A (zh) * 2022-07-28 2022-10-11 山东浪潮爱购云链信息科技有限公司 一种供应链风控处理方法及设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113051365A (zh) * 2020-12-10 2021-06-29 深圳证券信息有限公司 一种产业链图谱构建方法及相关设备
CN114792195A (zh) * 2022-03-28 2022-07-26 上海正策咨仕信息科技有限公司 产业链数据分析系统

Also Published As

Publication number Publication date
CN116739332A (zh) 2023-09-12

Similar Documents

Publication Publication Date Title
CN111652657A (zh) 商品销量预测方法、装置、电子设备及可读存储介质
US11037080B2 (en) Operational process anomaly detection
US8495002B2 (en) Software tool for training and testing a knowledge base
CN113627566B (zh) 一种网络诈骗的预警方法、装置和计算机设备
CN104285212A (zh) 用于建模在线商务行为和检测异常值的自动化分析系统
CN111507673B (zh) 对商品库存进行管理的方法和装置
CN103473667A (zh) 一种全程供应链的库存管理系统及其出库管理方法
CN116739332B (zh) 一种基于大数据的产业链智能管理方法、系统及介质
US20170236071A1 (en) Alarm management system
CN111985940A (zh) 售后服务的数据处理方法、装置、电子设备与存储介质
CN116823498A (zh) 一种基于大数据分析和机器学习的个性化保险产品推荐引擎系统
CN111144938A (zh) 适用于汽车行业的销售线索评级的方法和系统
CN110716774B (zh) 金融业务数据大脑的数据驱动方法、系统及存储介质
CN115511525A (zh) 一种针对b2b平台用户的会员流失预警方法和系统
CN108073464A (zh) 一种基于速度和加速度的时序数据异常点检测方法及装置
CN116258557B (zh) 基于化学安全产品渠道的网络分销系统
CN112765451A (zh) 一种基于集成学习算法的客户智能筛选方法和系统
CN112365036A (zh) 物流客户流失预警方法、装置、设备和存储介质
CN111831817A (zh) 问卷生成分析方法、装置、计算机设备及可读存储介质
JP6980608B2 (ja) 審査支援装置、審査支援方法、およびサービス提供方法
CN117196630A (zh) 交易风险预测方法、装置、终端设备以及存储介质
CN115063174A (zh) 一种物品在线评价方法、装置、设备、介质
CN115719194A (zh) 一种基于大数据预测物资采购方法和系统
CN115660451A (zh) 基于rpa的供应商风险预警方法、装置、设备及介质
CN115564276A (zh) 项目统计储备管理系统、方法及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant