CN107918870A - 产品生命值测量的建模方法及装置 - Google Patents
产品生命值测量的建模方法及装置 Download PDFInfo
- Publication number
- CN107918870A CN107918870A CN201610886099.9A CN201610886099A CN107918870A CN 107918870 A CN107918870 A CN 107918870A CN 201610886099 A CN201610886099 A CN 201610886099A CN 107918870 A CN107918870 A CN 107918870A
- Authority
- CN
- China
- Prior art keywords
- life
- product
- data
- link
- model
- 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.)
- Granted
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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种产品生命值测量的建模方法及装置。所述方法包括:获取产品生命周期内每一个环节的物理空间数据,根据所述物理空间数据提取产品属性数据;根据所述产品属性数据建立产品属性数据模型;将所述产品属性数据模型与预设的产品生命值模型进行比对,计算出所述产品生命周期内每一个环节的生命负值;获取产品的生命预设值,根据所述生命预设值和所述产品生命周期内每一个环节的生命负值计算得到产品生命值。该方法计算的生命值客观的反应了产品质量的变化情况而不受人为因素的影响,大大地提高了测量产品质量的可靠度。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种产品生命值测量的建模方法及装置。
背景技术
随着互联网高潮的来临,人们的日常生活都逐渐网络化。为方便消费者,传统的线下实体购物也逐渐转变成了网络化的购物方式,同时网络购物的用户规模也在不断上升。
然而传统的网络购物是通过消费者在网络上订购产品,产品经过物流送达至消费者。消费者在拿到产品前只能通过网络上产品的排名来辨别产品质量,然而网络上的排名是通过商家和消费者的主观因素产生的,使得这种传统的产品质量测量方法的可靠度极低。
发明内容
基于此,有必要针对产品质量测量方法可靠度低的问题,提出一种产品生命值测量的建模方法及装置,以提高产品质量测量方法的可靠度。
一种产品生命值测量的建模方法,包括:
获取产品生命周期内每一个环节的物理空间数据,根据所述物理空间数据提取产品属性数据;
根据所述产品属性数据建立产品属性数据模型;
将所述产品属性数据模型与预设的产品生命值模型进行比对,计算出所述产品生命周期内每一个环节的生命负值;
根据所述产品生命周期内每一个环节的生命负值和生命预设值计算出产品生命值。
在其中一个实施例中,所述产品属性数据包括时域属性数据、空域属性数据、频域属性数据和伴域属性数据;
所述将所述产品属性数据模型与预设的产品生命值模型进行比对,计算出所述产品生命周期内每一个环节的生命负值,包括:
将每一环节中的产品生命值模型中的时域属性数据与所述预设的产品生命值模型中的时域属性数据进行比对得到第一比对结果,根据所述第一比对结果得到所述环节的第一生命负值;
将所述环节中的产品生命值模型中的空域属性数据与所述预设的产品生命值模型中的空域属性数据进行比对得到第二比对结果,根据所述第二比对结果得到所述环节的第二生命负值;
将所述环节中的产品生命值模型中的频域属性数据与所述预设的产品生命值模型中的频域属性数据进行比对得到第三比对结果,根据所述第三比对结果得到所述环节的第三生命负值;
将所述环节中的产品生命值模型中的伴域属性数据与所述预设的产品生命值模型中的伴域属性数据进行比对得到第四比对结果,根据所述第四比对结果得到所述环节的第四生命负值;
根据所述第一生命负值、第二生命负值、第三生命负值和第四生命负值计算得到所述环节的生命负值。
在其中一个实施例中,所述时域属性数据包括生产材料数据、产品产量数据、生产厂商数据和过程环境数据;
所述将每一环节中的产品生命值模型中的时域属性数据与所述预设的产品生命值模型中的时域属性数据进行比对得到比对结果,根据比对结果得到所述环节的第一生命负值包括:
将每一环节中的产品生命值模型中的生产材料数据、产品产量数据、生产厂商数据和过程环境数据与所述预设的产品生命值模型中的生产材料数据、产品产量数据、生产厂商数据和过程环境数据进行比对得到比对结果,根据比对结果得到所述环节的第一生命负值。
在其中一个实施例中,所述空域属性数据包括物流过程数据,其中,所述物流属性数据包括所述产品的位置数据、时间数据、图视数据和环境数据;
所述将所述环节中的产品生命值模型中的空域属性数据与所述预设的产品生命值模型中的空域属性数据进行比对得到比对结果,根据比对结果得到所述环节的第二生命负值包括:
将所述环节中的产品生命值模型中的物流过程数据与所述预设的产品生命值模型中的物流过程数据进行比对得到比对结果,根据比对结果得到所述环节的第二生命负值。
在其中一个实施例中,所述频域属性数据包括设备属性数据,其中设备属性数据包括设备注册号、操作者信息、设备所在的地理信息和环境参数;
所述将所述环节中的产品生命值模型中的频域属性数据与所述预设的产品生命值模型中的频域属性数据进行比对得到比对结果,根据比对结果得到所述环节的第三生命负值包括:
将所述环节中的产品生命值模型中的设备属性数据与所述预设的产品生命值模型中的设备属性数据进行比对得到比对结果,根据比对结果得到所述环节的第三生命负值;
所述伴域属性数据包括物流路线数据和用户个性化数据,其中物流路线数据包括物流路线和物流时间;
所述将所述环节中的产品生命值模型中的伴域属性数据与预设的产品生命值模型中的伴域属性数据进行比对得到比对结果,根据比对结果得到所述环节的第四生命负值包括:
将所述环节中的产品生命值模型中的物流路线数据、用户个性化数据与预设的产品生命值模型中的物流路线数据、用户个性化数据进行比对得到比对结果,根据比对结果得到所述环节的第四生命负值。
一种产品生命值测量的建模装置,包括:
数据获取模块,用于获取产品生命周期内每一个环节的物理空间数据,根据所述物理空间数据提取产品属性数据;
模型建立模块,用于根据所述产品属性数据建立产品属性数据模型;
负值计算模块,用于将所述产品属性数据模型与预设的产品生命值模型进行比对,计算出所述产品生命周期内每一个环节的生命负值;
生命值计算模块,用于获取产品的生命预设值,根据所述生命预设值和所述产品生命周期内每一个环节的生命负值计算得到产品生命值。
在其中一个实施例中,所述产品属性数据包括时域属性数据、空域属性数据、频域属性数据和伴域属性数据;
所述负值计算模块还用于:
将每一环节中的产品生命值模型中的时域属性数据与所述预设的产品生命值模型中的时域属性数据进行比对得到第一比对结果,根据所述第一比对结果得到所述环节的第一生命负值;
将所述环节中的产品生命值模型中的空域属性数据与所述预设的产品生命值模型中的空域属性数据进行比对得到第二比对结果,根据所述第二比对结果得到所述环节的第二生命负值;
将所述环节中的产品生命值模型中的频域属性数据与所述预设的产品生命值模型中的频域属性数据进行比对得到第三比对结果,根据所述第三比对结果得到所述环节的第三生命负值;
将所述环节中的产品生命值模型中的伴域属性数据与所述预设的产品生命值模型中的伴域属性数据进行比对得到第四比对结果,根据所述第四比对结果得到所述环节的第四生命负值;
根据所述第一生命负值、第二生命负值、第三生命负值和第四生命负值计算得到所述环节的生命负值。
在其中一个实施例中,所述时域属性数据包括生产材料数据、产品产量数据、生产厂商数据和过程环境数据;
所述负值计算模块还用于将每一环节中的产品生命值模型中的生产材料数据、产品产量数据、生产厂商数据和过程环境数据与所述预设的产品生命值模型中的生产材料数据、产品产量数据、生产厂商数据和过程环境数据进行比对得到第一比对结果,根据所述第一比对结果得到所述环节的第一生命负值。
在其中一个实施例中,所述空域属性数据包括物流过程数据,其中,所述物流属性数据包括所述产品的位置数据、时间数据、图视数据和环境数据;
所述负值计算模块还用于将所述环节中的产品生命值模型中的物流过程数据与所述预设的产品生命值模型中的物流过程数据进行比对得到第二比对结果,根据所述第二比对结果得到所述环节的第二生命负值。
在其中一个实施例中,所述频域属性数据包括设备属性数据,其中设备属性数据包括设备注册号、操作者信息、设备所在的地理信息和环境参数;
所述负值计算模块还用于将所述环节中的产品生命值模型中的设备属性数据与所述预设的产品生命值模型中的设备属性数据进行比对得到第三比对结果,根据所述第三比对结果得到所述环节的第三生命负值;
所述伴域属性数据包括物流路线数据和用户个性化数据,其中物流路线数据包括物流路线和物流时间;
所述负值计算模块还用于将所述环节中的产品生命值模型中的物流路线数据、用户个性化数据与预设的产品生命值模型中的物流路线数据、用户个性化数据进行比对得到第四比对结果,根据所述第四比对结果得到所述环节的第四生命负值。
上述产品生命值测量的建模方法及装置,产品的属性数据模型和预设的产品生命值模型分别反映了产品在当前状态和在标准状态下的产品数据,通过产品属性数据与预设的生命值模型对比就能够反映出当前状态下的产品数据与标准状态下的产品数据之间的偏差,从而计算出来的生命值也能够反映出当前状态下的产品与标准状态下的产品的偏差。该偏差越大,生命值就越小,产品的质量就越差,相反生命值就越大,产品质量就越好。客观地放映了产品质量而不受人为因素的影响,大大地提高了产品质量测量方法的可靠度。
附图说明
图1为一个实施例中产品生命值测量的建模方法的流程图;
图2为另一个实施例中产品生命值测量的建模方法的流程图;
图3为一个实施例中产品生命值测量的建模装置的结构示意图;
图4为一个实施例中产品生命值计算方法;
图5为一个实施例中产品生产材料标签内容的执行标准示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为一个实施例中产品生命值测量的建模方法的流程图。如图1所示,该方法包括步骤102到步骤108,其中:
步骤102,获取产品生命周期内每一个环节的物理空间数据,根据该物理空间数据提取产品属性数据。
其中,产品生命周期是指一种产品的寿命,即产品从原材料的采购到消费者得到产品之间的时间。物理空间数据是指在产品生命周期内发生的物理、状态、人物行为信息等能客观反映产品生命值的物理数据。
在本实施例中,产品属性数据包括时域属性数据、空域属性数据、频域属性数据和伴域属性数据。
其中,时域属性数据是指对象从产生的开始时间到终止的结束时间之间的属性数据。时域属性数据可包括形状数据、颜色数据、特征数据、表象数据和关系数据。形状数据可包括长、宽、高、体积、重量等。颜色数据可包括各种颜色,如红、绿、黄等。特征数据是指对象的特有属性数据,如无色无味等。表象数据是指表现的图像等数据,如太阳数字图片等。关系数据是指对象与其他对象之间的关系数据,如一瓶酒与包装盒之间的关系。
空域属性数据可包括经纬度。在其他实施例中,空域属性数据可包括经纬度和海拔。根据经纬度可确定对象的地理位置和地理名称。
频域属性数据可包括采集对象的多维属性,所述采集对象的多维属性包括采集对象的设备属性、操作者信息、采集方式和采集环境数据。设备属性可包括设备标识、设备名称、设备参数等。设备标识是用来唯一表示设备身份的字符串等。字符串可包括数字、字母和字符中的一种或多种。设备参数可包括设备型号、性能参数等。性能参数可包括处理器型号、采集速度等。采集方式可包括手动采集或自动采集等。采集环境数据可包括温度、湿度、气压、天气状况、通风效果等。
伴域属性数据用于佐证对象真实性,可包括用于读写对象的专用读写设备信息和对象的运动轨迹。专用读写设备信息可包括读写设备标识、读写设备名称、读写设备参数等。读写设备标识是用来唯一表示读写设备身份的字符串。读写设备参数可包括相关的性能参数,如处理器型号、处理速度等。在本实施例中,提取的产品属性数据可以写入RFID(Radio Frequency Identification,射频识别技术)标签中,方便数据的存储和读写。后续步骤需要对产品属性数据进行处理的时候,可以直接通过读取RFID标签来获取相应的数据。其中,RFID是一种非接触式的自动识别技术,通过射频信号自动识别目标产品并获取相关数据。RFID标签由耦合元件及芯片组成,每个RFID标签具有唯一的电子编码,附着在物体上标识产品,通过识别RFID标签就能识别产品并获取存储在该标签中的数据。
在其他实施例中,为了节约RFID标签的存储空间以及节省成本,产品属性数据也可以存放或者部分存放在专用读写设备中,RFID标签需要与专用读写设备相互验证通过才能读取数据。
在其他实施例中,还可以采用NFC(Near Field Communication,近距离无线通讯技术)标签等替代RFID标签。
步骤104,根据该产品属性数据建立产品属性数据模型。
在本实施例中,产品属性数据包括时域属性数据、空域属性数据、频域属性数据和伴域属性数据,根据获取的属性数据建立数据模型。在其他实施例中,也可以是对这四个维度的属性数据分别建立数据模型。
步骤106,将该产品属性数据模型与预设的产品生命值模型进行比对,计算出产品生命周期内每一个环节的生命负值。
在本实施例中,产品属性数据模型和预设的产品生命值模型分别反映了产品在当前状态和在标准状态下的产品数据,该标准可以是产品的国家执行标准。将产品每一个环节建立的产品属性数据模型和预设的产品生命值模型进行比对,可以得到每一个环节的比对结果,该比对结果可以反映产品当前状态下的产品属性数据与预设的标准状态下的产品属性数据之间的差距。根据该比对结果计算出来的产品生命负值能够客观的反映当前状态下的产品与预设的标准状态下的产品之间的偏差。
在一个实施例中,一盒香烟的时域属性数据包括体积和重量,空域属性数据包括经度和纬度,频域属性数据包括温度、湿度,伴域属性数据包括读写设备、运动轨迹和运输时间。建立的产品属性数据模型与预设的产品生命值模型如表1所示。
表1
将一盒香烟的产品属性数据模型与产品生命值模型进行比对,计算出生命负值。比如,假设体积采集值与体积标准值相比偏差在2立方厘米之内不扣分,偏差在2立方厘米到5立方厘米扣5分,偏差在5立方厘米到10立方厘米扣10分。根据表1中的结果显示,体积采集值为102立方厘米,相比与体积标准值106立方厘米减少了4立方厘米,那么计算出来的体积生命负值就为5分。统计所有产品属性数据对应的生命负值得到最终的生命负值。
步骤108,获取产品的生命预设值,根据生命预设值和产品生命周期内每一个环节的生命负值计算得到产品生命值。
在本实施例中,产品的生命预设值为产品在标准状态下的产品生命值。每个环节的生命负值计算出来之后,在产品的生命预设值的基础上扣除每个环节的生命负值,计算得到产品生命值。在产品生命周期结束的时候得到最终的产品生命值。
在本实施例中,产品的属性数据模型和预设的产品生命值模型分别反映了产品在当前状态和在标准状态下的产品数据,通过产品属性数据与预设的生命值模型对比就能够反映出当前状态下的产品数据与标准状态下的产品数据之间的偏差,从而计算出来的生命值也能够反映出当前状态下的产品与标准状态下的产品的偏差。该偏差越大,生命值就越小,产品的质量就越差,相反生命值就越大,产品质量就越好。客观地放映了产品质量而不受人为因素的影响,大大地提高了产品质量测量方法的可靠度。
图2为另一个实施例中产品生命值测量的建模方法的流程图。如图2所示,该方法包括步骤202到步骤216,其中:
步骤202,获取产品生命周期内每一个环节的物理空间数据,根据该物理空间数据提取产品属性数据。
其中,产品生命周期是指一种产品的寿命,即产品从原材料的采购到消费者得到产品之间的时间。物理空间数据是指在产品生命周期内发生的物理、状态、人物行为信息等能客观反映产品生命值的物理数据。
在本实施例中,产品属性数据包括时域属性数据、空域属性数据、频域属性数据和用于佐证对象真实性的伴域属性数据。
其中,时域属性数据是指对象从产生的开始时间到终止的结束时间之间的属性数据。时域属性数据可包括形状数据、颜色数据、特征数据、表象数据和关系数据。形状数据可包括长、宽、高、体积、重量等。颜色数据可包括各种颜色,如红、绿、黄等。特征数据是指对象的特有属性数据,如无色无味等。表象数据是指表现的图像等数据,如太阳数字图片等。关系数据是指对象与其他对象之间的关系数据,如一瓶酒与包装盒之间的关系。
空域属性数据可包括经纬度。在其他实施例中,空域属性数据可包括经纬度和海拔。根据经纬度可确定对象的地理位置和地理名称。
频域属性数据可包括采集对象的多维属性,所述采集对象的多维属性包括采集对象的设备属性、操作者信息、采集方式和采集环境数据。设备属性可包括设备标识、设备名称、设备参数等。设备标识是用来唯一表示设备身份的字符串等。字符串可包括数字、字母和字符中的一种或多种。设备参数可包括设备型号、性能参数等。性能参数可包括处理器型号、采集速度等。采集方式可包括手动采集或自动采集等。采集环境数据可包括温度、湿度、气压、天气状况、通风效果等。
伴域属性数据用于佐证对象真实性,可包括用于读写对象的专用读写设备信息和对象的运动轨迹。专用读写设备信息可包括读写设备标识、读写设备名称、读写设备参数等。读写设备标识是用来唯一表示读写设备身份的字符串。读写设备参数可包括相关的性能参数,如处理器型号、处理速度等。在本实施例中,提取的产品属性数据可以写入RFID标签中,方便数据的存储和读写。后续步骤需要对产品属性数据进行处理的时候,可以直接通过读取RFID标签来获取相应的数据。其中,RFID是一种非接触式的自动识别技术,通过射频信号自动识别目标产品并获取相关数据。RFID标签由耦合元件及芯片组成,每个RFID标签具有唯一的电子编码,附着在物体上标识产品,通过识别RFID标签就能识别产品并获取存储在该标签中的数据。
在其他实施例中,为了节约RFID标签的存储空间以及节省成本,产品属性数据也可以存放或者部分存放在专用读写设备中,RFID标签需要与专用读写设备相互验证通过才能读取数据。
在其他实施例中,可以采用NFC标签等替代RFID标签。
步骤204,根据该产品属性数据建立产品属性数据模型。
在本实施例中,产品属性数据包括时域属性数据、空域属性数据、频域属性数据和伴域属性数据,根据获取的属性数据建立数据模型。在其他实施例中,也可以是对这四个维度的属性数据分别建立数据模型。
步骤206,将每一环节中的产品生命值模型中的时域属性数据与预设的产品生命值模型中的时域属性数据进行比对得到第一比对结果,根据该第一比对结果得到该环节的第一生命负值。
在本实施例中,产品的属性数据模型和预设的产品生命值模型分别反映了产品在当前状态和在标准状态下的产品数据,该标准可以是产品的国家执行标准。将产品每一个环节建立的产品属性数据模型和预设的产品生命值模型进行比对,可以得到每一个环节的比对结果,该比对结果可以反映产品当前状态下的产品属性数据与预设的标准状态下的产品属性数据之间的差距。根据该比对结果计算出来的产品生命负值能够客观的反映当前状态下的产品与预设的标准状态下的产品之间的偏差。
在本实施例中,将每一环节中的产品生命值模型中的生产材料数据、产品产量数据、生产厂商数据和过程环境数据与所述预设的产品生命值模型中的生产材料数据、产品产量数据、生产厂商数据和过程环境数据分别进行比对得到第一比对结果,根据该第一比对结果得到所述环节的第一生命负值。
第一生命负值可以反映产品的生命周期内生产材料数据、产品产量数据、生产厂商数据的变化情况,值越大说明产品质量受到的影响越大。其中,用户个性化数据可包括数码印刷数据和/或消费者密码数据。
步骤208,将该环节中的产品生命值模型中的空域属性数据与预设的产品生命值模型中的空域属性数据进行比对得到第二比对结果,根据该第二比对结果得到所述环节的第二生命负值。
在本实施例中,将所述环节中的产品生命值模型中的物流过程数据与所述预设的产品生命值模型中的物流过程数据进行比对得到第二比对结果,根据所述第二比对结果得到所述环节的第二生命负值。
步骤210,将该环节中的产品生命值模型中的频域属性数据与预设的产品生命值模型中的频域属性数据进行比对得到第三比对结果,根据该第三比对结果得到所述环节的第三生命负值。
在本实施例中,将该环节中的产品生命值模型中的设备属性数据与预设的产品生命值模型中的设备属性数据进行比对得到第三比对结果,根据该第三比对结果得到该环节的第三生命负值。
步骤212,将该环节中的产品生命值模型中的伴域属性数据与预设的产品生命值模型中的伴域属性数据进行比对得到第四比对结果,根据该第四比对结果得到所述环节的第四生命负值。
在本实施例中,将该环节中的产品生命值模型中的物流路线数据、用户个性化数据与预设的产品生命值模型中的物流路线数据、用户个性化数据进行比对得到第四比对结果,根据第四比对结果得到该环节的第四生命负值。
步骤214,根据所述第一生命负值、第二生命负值、第三生命负值和第四生命负值计算得到所述环节的生命负值。
步骤216,获取产品的生命预设值,根据生命预设值和产品生命周期内每一个环节的生命负值计算得到产品生命值。
在本实施例中,对产品预设一个标准值,该标准值反映的是产品质量正常时的标准值。每个环节的生命负值计算出来之后,在标准值的基础上做相应的扣分处理。在产品生命周期结束的时候得到最终的产品生命值。该生命值越高说明质量越好,相反质量越差。
具体地,如图4所示,为一个实施例中产品生命值计算方法示意图。本实施中,将产品属性数据存储到RFID标签中,产品属性数据通过产品的生产材料数据、产品产量数据、生产厂商数据、过程环境数据、设备属性数据、物流路线数据、数码印刷数据、消费者密码数据等八个维度计算而来。将建立的产品数据模型中的数据与预设的产品生命值模型中的数据进行比对,相同或未超出预设范围则生命负值为零,若超出预设范围则根据超出的范围计算出相应的生命负值。
其中,生产材料数据为时域属性数据,即将写入RFID标签的生产材料内容与预设模型中的生产材料标签内容做比对,若比对结果不同则计算出相应的负值。预设模型中的生产材料标签内容依照产品执行的国家标准内容建立。如图5所示,为一个实施例中产品生产材料标签内容的执行标准示意图。产品具有国家执行标准,每个执行标准都有对应的标准值,如图中的SS饮用纯净水,执行的标准号为GB17323,该标准含有两个项目保质期、温度,保质期对应的标准值为六个月,温度对应的标准值为25℃,这两个标准值就会被写入预设的生命值模型中作为产品的标准值。当该产品无执行标准时,将会按上级分类来建立生命值模型中标签内容。
产品产量数据为时域属性数据,采集产品的出货总量与预设的生命值模型中的该产品的总产量进行对比,同时采集产品的出库总量与预设的生命值模型中的入库总量进行对比,计算生命负值。比如,大米可以按收获季来定总产能,某产地的某一大米的第二季总产量为10000KG(千克),当出货产量超过10000KG(千克),就要计算出该大米该项的生命负值,进行扣分处理。
生产厂商数据为时域属性数据,即写入存储设备中的生产厂商人文内容,如生产厂商的厂家名称、厂家商标等,其中,包含视频、语音、图片和文字等资料。通过生产厂商数据的对比,若消费者收到的产品生产厂家与预设的产品生产厂家不同,则说明该产品为可以做到源头防伪。
物流过程数据为空域属性数据,即在产品生命周期内通过GPS采集产品的位置信息、时间信息、图视及过程环境数据,形成数据模型与预设的生命值模型对比,根据超出预设的生命值模型数据的范围计算相应的生命负值。图视数据即采集的图片和视频数据,环境数据指产品所处环境的参数,如湿度、温度、气压、光照、风速等。环境数据依产品而定,不同产品会要求不同的环境数据。
设备属性数据为频域属性数据,即对专用读写设备进行注册,将该专用读写设备的信息存储在存储设备中。将产品生命周期中的读写设备的多维信息与注册的读写设备的多维信息进行相互验证,若匹配失败,则计算出相应的生命负值。其中,多维信息可以包括专用读写设备的注册号、操作者信息、地理位置、环境参数等。
物流路线数据为伴域属性数据,是指将产品物流过程中的实际路线与预设的物流路线进行对比,本实施例中对比条件为时间和路线重合度,即将物流过程中的实际路线的时间与预设物流路线的时间进行比较得到时间差值,判断时间差值是否在时间宽容度范围内,物流过程中的实际路线与预设的物流路线对比计算路线重合度,判断路线重合度是否大于或等于重合度阈值,若时间差值不在时间宽容度范围内或者路线重合度小于重合度阈值则计算出该项相应的生命负值。
数码印刷数据为伴域属性数据,即写入RFID标签数码个性化数据内容,包括多媒体资料,如视频、语音、图片、文字等。比如,消费者在购买数码定制产品时,会上传、在线录制或输入自己的多媒体资料到存储设备中。生产企业在发货前会将消费者录制或输入的多媒体资料写入到RFID标签中和存储设备中。其中,存储设备是指用于储存信息的设备,通常是将信息数字化后再以利用电、磁或光学等方式的媒体加以存储。可以是计算机硬件存储设备,也可以是云服务器存储设备。云服务器存储设备是指通过集群应用、网络技术或分布式文件系统等功能,将网络中大量各种不同类型的存储设备通过应用软件集合起来协同工作,共同对外提供数据存储和业务访问功能的一个系统。
消费者密码数据为伴域属性数据,该密码是消费者定制产品时输入的对应的密码。消费者在购买数码定制产品时,输入相应的暗语密码写入到存储设备中,通过消费者密码数据进行查验,防止产品被调包。
消费者在签收产品前通过专用设备,如手机应用软件,进行查验。具体地,消费者通过专用设备扫描RFID标签读取产品属性数据,然后根据获取到的产品属性数据建立数据模型,通过与预设的产品生命值模型对比计算出每一个环节的生命负值。再根据该生命负值和获取的生命预设值计算出产品生命值,然后将该生命值通过专用设备进行显示。消费者可以通过生命值来判断该产品的质量。
在本实施例中,棉花的生命预设值为100分,棉花的生命周期包括棉花的种植期、生长期、收获期、仓储期、运输期、销售期等六个环节,六个环节的生命负值分别为F1、F2、F3、F4、F5、F6。对六个环节设置不同的权重,如F1的满分为10,F2的满分为30,F3的满分为15,F4的满分为20,F5的满分为15,F6的满分为10。种植期对应的八个维度的生命负值为F11、F12、F13、F14、F15、F16、F17和F18,生长期对应的八个维度的生命负值为F21、F22、F23、F24、F25、F26、F27和F28,收获期对应的八个维度的生命负值为F31、F32、F33、F34、F35、F36、F37和F38,仓储期对应的八个维度的生命负值为F41、F42、F43、F44、F45、F46、F47和F48,运输期对应的八个维度的生命负值为F51、F52、F53、F54、F55、F56、F57和F58,销售期对应的八个维度的生命负值为F61、F62、F63、F64、F65、F66、F67和F68。其中八个维度的生命负值也设置不同的权重,且每个环节中的八个维度生命负值的总和不能超过该环节的生命负值。
根据这八个维度建立的产品属性数据模型,假设生命值变量为M,若产品属性数据模型中的一个维度数据与预设的生命值模型中对应的维度数据相同或者未超出范围,则变量M设置为0,否则设置为1。然后产品属性数据模型中的每一个维度数据与预设的生命值模型中的每个维度数据进行对比,计算出每个环节的生命负值。那么计算的棉花的种植期、生长期、收获期、仓储期、运输期、销售期等六个环节中的生命负值就为:
F1=M*F11+M*F12+M*F13+M*F14+M*F15+M*F16+M*F17+M*F18;
F2=M*F21+M*F22+M*F23+M*F24+M*F25+M*F26+M*F27+M*F28;
F3=M*F31+M*F32+M*F33+M*F34+M*F35+M*F36+M*F37+M*F38;
F4=M*F41+M*F42+M*F43+M*F44+M*F45+M*F46+M*F47+M*F48;
F5=M*F51+M*F52+M*F53+M*F54+M*F55+M*F56+M*F57+M*F58;
F6=M*F61+M*F62+M*F63+M*F64+M*F65+M*F66+M*F67+M*F68。
则最终的的PV(Production value,产品生命值)值即为:PV=100-F1-F2-F3-F4-F5-F6,生命值可以通过终端设备展示给消费者,消费者直接获取产品的各项数据指标。该终端设备是指计算机网络中处于网络最外围的设备,主要用于用户信息的输入以及处理结果的输出等。比如:移动手机终端、可穿戴设备、平板电脑等。
本实施例中,产品属性数据模型和预设的产品生命值模型分别反映了产品在当前状态和在标准状态下的产品数据,通过产品属性数据与预设的生命值模型对比就能够反映出当前状态下的产品数据与标准状态下的产品数据之间的偏差,从而计算出来的生命值也能够反映出当前状态下的产品与标准状态下的产品的偏差。该偏差越大,生命值就越小,产品的质量就越差,相反生命值就越大,产品质量就越好。客观地放映了产品质量而不受人为因素的影响,大大地提高了产品质量测量方法的可靠度。
图3为一个实施例中产品生命值测量的建模装置的结构示意图。如图3所示,该装置包括步骤数据获取模块302、模型建立模块304、负值计算模块306和生命值计算模块308,其中:
数据获取模块302,用于获取产品生命周期内每一个环节的物理空间数据,根据所述物理空间数据提取产品属性数据。
模型建立模块304,用于根据所述产品属性数据建立产品属性数据模型。
负值计算模块306,用于将所述产品属性数据模型与预设的产品生命值模型进行比对,计算出所述产品生命周期内每一个环节的生命负值。
在一个实施例中,产品属性数据包括时域属性数据、空域属性数据、频域属性数据和伴域属性数据。负值计算模块306还用于将每一环节中的产品生命值模型中的时域属性数据与所述预设的产品生命值模型中的时域属性数据进行比对得到第一比对结果,根据所述第一比对结果得到所述环节的第一生命负值;
将所述环节中的产品生命值模型中的空域属性数据与所述预设的产品生命值模型中的空域属性数据进行比对得到第二比对结果,根据所述第二比对结果得到所述环节的第二生命负值;
将所述环节中的产品生命值模型中的频域属性数据与所述预设的产品生命值模型中的频域属性数据进行比对得到第三比对结果,根据所述第三比对结果得到所述环节的第三生命负值;
将所述环节中的产品生命值模型中的伴域属性数据与所述预设的产品生命值模型中的伴域属性数据进行比对得到第四比对结果,根据所述第四比对结果得到所述环节的第四生命负值;
根据所述第一生命负值、第二生命负值、第三生命负值和第四生命负值计算得到所述环节的生命负值。
在一个实施例中,时域属性数据包括生产材料数据、产品产量数据、生产厂商数据和过程环境数据。负值计算模块306还用于将产品生命值模型中的生产材料数据、产品产量数据、生产厂商数据和过程环境数据与所述预设的产品生命值模型中的生产材料数据、产品产量数据、生产厂商数据和过程环境数据进行比对得到第一比对结果,根据第一比对结果得到第一生命负值。
在一个实施例中,空域属性数据包括物流过程数据,其中,物流属性数据包括所述产品的位置数据、时间数据、图视数据和环境数据。负值计算模块306还用于将产品生命值模型中的物流过程数据与预设的产品生命值模型中的物流过程数据进行比对得到第二比对结果,根据第二比对结果得到第二生命负值。
在一个实施例中,频域属性数据包括设备属性数据,其中设备属性数据包括设备注册号、操作者信息、设备所在的地理信息和环境参数。负值计算模块306还用于将产品生命值模型中的设备属性数据与预设的产品生命值模型中的设备属性数据进行比对得到第三比对结果,根据第三比对结果得到第三生命负值。
在一个实施例中,伴域属性数据包括物流路线数据和用户个性化数据,其中物流路线数据包括物流路线和物流时间。负值计算模块306还用于将产品生命值模型中的物流路线数据、用户个性化数据与预设的产品生命值模型中的物流路线数据、用户个性化数据进行比对得到第四比对结果,根据第四比对结果得到第四生命负值。
生命值计算模块308,用于获取产品的生命预设值,根据所述生命预设值和所述产品生命周期内每一个环节的生命负值计算得到产品生命值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种产品生命值测量的建模方法,其特征在于,包括:
获取产品生命周期内每一个环节的物理空间数据,根据所述物理空间数据提取产品属性数据;
根据所述产品属性数据建立产品属性数据模型;
将所述产品属性数据模型与预设的产品生命值模型进行比对,计算出所述产品生命周期内每一个环节的生命负值;
获取产品的生命预设值,根据所述生命预设值和所述产品生命周期内每一个环节的生命负值计算得到产品生命值。
2.根据权利要求1所述的产品生命值测量的建模方法,其特征在于,所述产品属性数据包括时域属性数据、空域属性数据、频域属性数据和伴域属性数据;
所述将所述产品属性数据模型与预设的产品生命值模型进行比对,计算出所述产品生命周期内每一个环节的生命负值,包括:
将每一环节中的产品生命值模型中的时域属性数据与所述预设的产品生命值模型中的时域属性数据进行比对得到第一比对结果,根据所述第一比对结果得到所述环节的第一生命负值;
将所述环节中的产品生命值模型中的空域属性数据与所述预设的产品生命值模型中的空域属性数据进行比对得到第二比对结果,根据所述第二比对结果得到所述环节的第二生命负值;
将所述环节中的产品生命值模型中的频域属性数据与所述预设的产品生命值模型中的频域属性数据进行比对得到第三比对结果,根据所述第三比对结果得到所述环节的第三生命负值;
将所述环节中的产品生命值模型中的伴域属性数据与所述预设的产品生命值模型中的伴域属性数据进行比对得到第四比对结果,根据所述第四比对结果得到所述环节的第四生命负值;
根据所述第一生命负值、第二生命负值、第三生命负值和第四生命负值计算得到所述环节的生命负值。
3.根据权利要求2所述的产品生命值测量的建模方法,其特征在于,所述时域属性数据包括生产材料数据、产品产量数据、生产厂商数据和过程环境数据;
所述将每一环节中的产品生命值模型中的时域属性数据与所述预设的产品生命值模型中的时域属性数据进行比对得到第一比对结果,根据所述第一比对结果得到所述环节的第一生命负值包括:
将每一环节中的产品生命值模型中的生产材料数据、产品产量数据、生产厂商数据和过程环境数据与所述预设的产品生命值模型中的生产材料数据、产品产量数据、生产厂商数据和过程环境数据进行比对得到第一比对结果,根据所述第一比对结果得到所述环节的第一生命负值。
4.根据权利要求2或3所述的产品生命值测量的建模方法,其特征在于,所述空域属性数据包括物流过程数据,其中,所述物流属性数据包括所述产品的位置数据、时间数据、图视数据和环境数据;
所述将所述环节中的产品生命值模型中的空域属性数据与所述预设的产品生命值模型中的空域属性数据进行比对得到第二比对结果,根据所述第二比对结果得到所述环节的第二生命负值包括:
将所述环节中的产品生命值模型中的物流过程数据与所述预设的产品生命值模型中的物流过程数据进行比对得到第二比对结果,根据所述第二比对结果得到所述环节的第二生命负值。
5.根据权利要求2或3所述的产品生命值测量的建模方法,其特征在于,所述频域属性数据包括设备属性数据,其中设备属性数据包括设备注册号、操作者信息、设备所在的地理信息和环境参数;
所述将所述环节中的产品生命值模型中的频域属性数据与所述预设的产品生命值模型中的频域属性数据进行比对得到第三比对结果,根据所述第三比对结果得到所述环节的第三生命负值包括:
将所述环节中的产品生命值模型中的设备属性数据与所述预设的产品生命值模型中的设备属性数据进行比对得到第三比对结果,根据所述第三比对结果得到所述环节的第三生命负值;
所述伴域属性数据包括物流路线数据和用户个性化数据,其中物流路线数据包括物流路线和物流时间;
所述将所述环节中的产品生命值模型中的伴域属性数据与预设的产品生命值模型中的伴域属性数据进行比对得到第四比对结果,根据所述第四比对结果得到所述环节的第四生命负值包括:
将所述环节中的产品生命值模型中的物流路线数据、用户个性化数据与预设的产品生命值模型中的物流路线数据、用户个性化数据进行比对得到第四比对结果,根据所述第四比对结果得到所述环节的第四生命负值。
6.一种产品生命值测量的建模装置,其特征在于,包括:
数据获取模块,用于获取产品生命周期内每一个环节的物理空间数据,根据所述物理空间数据提取产品属性数据;
模型建立模块,用于根据所述产品属性数据建立产品属性数据模型;
负值计算模块,用于将所述产品属性数据模型与预设的产品生命值模型进行比对,计算出所述产品生命周期内每一个环节的生命负值;
生命值计算模块,用于获取产品的生命预设值,根据所述生命预设值和所述产品生命周期内每一个环节的生命负值计算得到产品生命值。
7.根据权利要求6所述的产品生命值测量的建模装置,其特征在于,所述产品属性数据包括时域属性数据、空域属性数据、频域属性数据和伴域属性数据;
所述负值计算模块还用于:
将每一环节中的产品生命值模型中的时域属性数据与所述预设的产品生命值模型中的时域属性数据进行比对得到第一比对结果,根据所述第一比对结果得到所述环节的第一生命负值;
将所述环节中的产品生命值模型中的空域属性数据与所述预设的产品生命值模型中的空域属性数据进行比对得到第二比对结果,根据所述第二比对结果得到所述环节的第二生命负值;
将所述环节中的产品生命值模型中的频域属性数据与所述预设的产品生命值模型中的频域属性数据进行比对得到第三比对结果,根据所述第三比对结果得到所述环节的第三生命负值;
将所述环节中的产品生命值模型中的伴域属性数据与所述预设的产品生命值模型中的伴域属性数据进行比对得到第四比对结果,根据所述第四比对结果得到所述环节的第四生命负值;
根据所述第一生命负值、第二生命负值、第三生命负值和第四生命负值计算得到所述环节的生命负值。
8.根据权利要求6所述的产品生命值测量的建模装置,其特征在于,所述时域属性数据包括生产材料数据、产品产量数据、生产厂商数据和过程环境数据;
所述负值计算模块还用于将每一环节中的产品生命值模型中的生产材料数据、产品产量数据、生产厂商数据和过程环境数据与所述预设的产品生命值模型中的生产材料数据、产品产量数据、生产厂商数据和过程环境数据进行比对得到第一比对结果,根据所述第一比对结果得到所述环节的第一生命负值。
9.根据权利要求7或8所述的产品生命值测量的建模装置,其特征在于,所述空域属性数据包括物流过程数据,其中,所述物流属性数据包括所述产品的位置数据、时间数据、图视数据和环境数据;
所述负值计算模块还用于将所述环节中的产品生命值模型中的物流过程数据与所述预设的产品生命值模型中的物流过程数据进行比对得到第二比对结果,根据所述第二比对结果得到所述环节的第二生命负值。
10.根据权利要求7或8所述的产品生命值测量的建模装置,其特征在于,所述频域属性数据包括设备属性数据,其中设备属性数据包括设备注册号、操作者信息、设备所在的地理信息和环境参数;
所述负值计算模块还用于将所述环节中的产品生命值模型中的设备属性数据与所述预设的产品生命值模型中的设备属性数据进行比对得到第三比对结果,根据所述第三比对结果得到所述环节的第三生命负值;
所述伴域属性数据包括物流路线数据和用户个性化数据,其中物流路线数据包括物流路线和物流时间;
所述负值计算模块还用于将所述环节中的产品生命值模型中的物流路线数据、用户个性化数据与预设的产品生命值模型中的物流路线数据、用户个性化数据进行比对得到第四比对结果,根据所述第四比对结果得到所述环节的第四生命负值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610886099.9A CN107918870B (zh) | 2016-10-10 | 2016-10-10 | 产品生命值测量的建模方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610886099.9A CN107918870B (zh) | 2016-10-10 | 2016-10-10 | 产品生命值测量的建模方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107918870A true CN107918870A (zh) | 2018-04-17 |
CN107918870B CN107918870B (zh) | 2021-06-18 |
Family
ID=61891832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610886099.9A Active CN107918870B (zh) | 2016-10-10 | 2016-10-10 | 产品生命值测量的建模方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107918870B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266664A (zh) * | 2007-03-16 | 2008-09-17 | 鸿富锦精密工业(深圳)有限公司 | 产品质量管控系统及方法 |
CN103235983A (zh) * | 2013-04-23 | 2013-08-07 | 浪潮集团山东通用软件有限公司 | 一种多维度的供应商自动评价方法 |
CN103824164A (zh) * | 2014-03-04 | 2014-05-28 | 杭州信雅达科技有限公司 | 一种基于rfid的产品质量跟踪和追溯方法 |
CN104850926A (zh) * | 2014-12-17 | 2015-08-19 | 北汽福田汽车股份有限公司 | 产品质量的综合评价方法 |
CN104850951A (zh) * | 2015-05-18 | 2015-08-19 | 中国科学院广州能源研究所 | 一种具有时空属性的产品碳足迹建模方法及系统 |
US20170317914A1 (en) * | 2016-04-27 | 2017-11-02 | Electronics And Telecommunications Research Institute | Apparatus for testing and developing products of network computing based on open-source virtualized cloud |
-
2016
- 2016-10-10 CN CN201610886099.9A patent/CN107918870B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266664A (zh) * | 2007-03-16 | 2008-09-17 | 鸿富锦精密工业(深圳)有限公司 | 产品质量管控系统及方法 |
CN103235983A (zh) * | 2013-04-23 | 2013-08-07 | 浪潮集团山东通用软件有限公司 | 一种多维度的供应商自动评价方法 |
CN103824164A (zh) * | 2014-03-04 | 2014-05-28 | 杭州信雅达科技有限公司 | 一种基于rfid的产品质量跟踪和追溯方法 |
CN104850926A (zh) * | 2014-12-17 | 2015-08-19 | 北汽福田汽车股份有限公司 | 产品质量的综合评价方法 |
CN104850951A (zh) * | 2015-05-18 | 2015-08-19 | 中国科学院广州能源研究所 | 一种具有时空属性的产品碳足迹建模方法及系统 |
US20170317914A1 (en) * | 2016-04-27 | 2017-11-02 | Electronics And Telecommunications Research Institute | Apparatus for testing and developing products of network computing based on open-source virtualized cloud |
Non-Patent Citations (2)
Title |
---|
姜亚丽: ""实体的物理空间与网络空间的信息映射规则与方法的研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
徐光祐等: ""物理空间与信息空间的对偶关系"", 《科学通报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN107918870B (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104852892B (zh) | 一种新型物联网网站系统的自主登录方法 | |
US9832353B2 (en) | Methods for encoding, decoding and interpreting auxiliary data in media signals | |
CN104978437B (zh) | 一种基于地理位置的推荐方法和推荐系统 | |
CN110110244B (zh) | 一种融合多源信息的兴趣点推荐方法 | |
Acosta et al. | Vertical price transmission of milk prices: are small dairy producers efficiently integrated into markets? | |
CN107833117A (zh) | 一种考虑标签信息的贝叶斯个性化排序推荐方法 | |
CN107230098A (zh) | 一种业务对象的分时推荐方法和系统 | |
CN110377727A (zh) | 一种基于多任务学习的多标签文本分类方法和装置 | |
Alaimo et al. | Encoding the everyday: The infrastructural apparatus of social data | |
CN110555107A (zh) | 确定业务对象主题、业务对象推荐的方法及装置 | |
CN106708871A (zh) | 一种社交业务特征用户的识别方法和装置 | |
CN106846088A (zh) | 一种快消品电商网站的商品推荐方法 | |
CN109214834A (zh) | 基于区块链的产品溯源方法和装置 | |
Wang et al. | A transfer learning method for the protection of geographical indication in China using an electronic nose for the identification of Xihu Longjing tea | |
CN108241619A (zh) | 一种基于用户多兴趣的推荐方法 | |
CN108509441A (zh) | 一种地址有效性分类器的训练及其验证方法和相关装置 | |
TWI696926B (zh) | 農產品品質保證之產銷履歷的建立及查詢方法 | |
Gong et al. | Aesthetics, personalization and recommendation: A survey on deep learning in fashion | |
Chen et al. | Image-based product recommendation system with convolutional neural networks | |
Sun et al. | Anti-counterfeit system for agricultural product origin labeling based on GPS data and encrypted Chinese-sensible Code | |
Kan et al. | Promoting traditional local cuisines for tourists: evidence from Taiwan | |
CN107918870A (zh) | 产品生命值测量的建模方法及装置 | |
Huo | Agricultural product E‐commerce recommendation system based on neural factorization machine in smart cities | |
CN110413874A (zh) | 一种基于服饰属性匹配的服装推荐方法 | |
Guo et al. | Getting more from one attractive scene: Venue retrieval in micro-videos |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20181219 Address after: 518000 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Applicant after: Shenzhen Jinjia Box Technology Co., Ltd. Address before: 518000 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Applicant before: Shenzhen Jinjia Medium Technology Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |