CN108885772A - 切换时的冷链数据传输 - Google Patents
切换时的冷链数据传输 Download PDFInfo
- Publication number
- CN108885772A CN108885772A CN201780020191.XA CN201780020191A CN108885772A CN 108885772 A CN108885772 A CN 108885772A CN 201780020191 A CN201780020191 A CN 201780020191A CN 108885772 A CN108885772 A CN 108885772A
- Authority
- CN
- China
- Prior art keywords
- sensor
- data
- information
- cloud
- contact point
- 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.)
- Pending
Links
- 230000005540 biological transmission Effects 0.000 title claims description 21
- 238000012545 processing Methods 0.000 claims abstract description 94
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000004044 response Effects 0.000 claims abstract description 16
- 238000003860 storage Methods 0.000 claims description 34
- 235000013305 food Nutrition 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 17
- 230000003287 optical effect Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 239000007788 liquid Substances 0.000 claims description 8
- 239000000203 mixture Substances 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000032258 transport Effects 0.000 description 6
- 238000012546 transfer Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 2
- 241000234295 Musa Species 0.000 description 2
- 235000018290 Musa x paradisiaca Nutrition 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000010408 film Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 235000013611 frozen food Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 235000014102 seafood Nutrition 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- 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
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
各实施方案包括用于并行处理冷链系统的数据的方法、系统和计算机程序产品。例如,提供了一种方法,所述方法包括:响应于运送容器到达接触点,使用所述接触点的处理系统来生成本地处理器结果,所述本地处理器结果包括行程数据和选项;响应于所述运送容器到达所述接触点,使用基于云的处理系统来生成云处理器结果,所述云处理器结果包括行程数据和选项;在所述运送容器处接收所述云处理器结果和所述本地处理器结果;在所述运送容器处的图形用户界面上显示所述云处理器结果和所述本地处理器结果;以及接收用户基于所述云处理器结果和所述本地处理器结果的路线选择。
Description
背景技术
本公开涉及一种冷链系统,并且更具体地,涉及用于处理来自冷链系统的数据的方法、系统和计算机程序产品。
冷链是温度控制的供应链。特定地,冷链是一系列不间断且不中断的存储和分配活动,所述活动维持沿链移动的产品的给定温度范围。例如,冷链用于帮助延长和确保产品的保质期,所述产品诸如新鲜农产品、海鲜、冷冻食品、薄膜、流体、化学品、药物以及其他温度敏感物品。
冷链实现方式的当前问题是收集和分析传感器数据以在信号点处创建关于路线和其他行程元素的推荐。例如,可在本地信号点处进行推荐。此外,除了仅是单个处理点之外,本地点仅可考虑本地条件。此外,即使来自其他部分的信息可传输到当前位置,当产品移动时,所述信息也需要移动,并且沿途将包括重复处理元件。此外,没有替代性建议提供给从信号点本地计算的或以其他方式计算的那些信息。
因此,需要一种对来自冷链系统的数据进行更稳健数据处理的系统和方法。
发明内容
根据一个实施方案,提供了一种并行处理冷链系统的数据的方法。所述方法包括:响应于运送容器到达接触点,使用所述接触点的处理系统来生成本地处理器结果,所述本地处理器结果包括行程数据和选项;响应于所述运送容器到达所述接触点,使用基于云的处理系统来生成云处理器结果,所述云处理器结果包括行程数据和选项;在所述运送容器处接收所述云处理器结果和所述本地处理器结果;在所述运送容器处的图形用户界面上显示所述云处理器结果和所述本地处理器结果;以及接收用户基于所述云处理器结果和所述本地处理器结果的路线选择。
根据另一个实施方案,行程数据包括变质风险、食品类型、行程时间估计、交通、事件信息以及天气预报中的一个或多个。
根据另一个实施方案,选项包括路线选项、运输选择选项、传输选项、装载选项、包装选项以及运送容器选项中的一个或多个。
根据另一个实施方案,所述冷链系统包括多个接触点,并且其中所述多个接触点各自对应于所述冷链系统中的转运点。
根据另一个实施方案,使用所述接触点的所述处理系统来生成包括行程数据和选项的本地处理器结果还包括:从位于所述接触点处的传感器接收传感器数据;从位于所述冷链系统中的数据库接收存储数据;基于所述传感器数据和所述存储数据来生成所述本地处理器结果。
根据另一个实施方案,所述存储数据包括景况数据(context data),所述景况数据包括天气信息、路线信息、交通信息、事件信息、道路状况信息、半挂卡车信息、运送容器信息、传感器校准信息、传感器验证信息、传感器类型信息以及元件定位信息中的至少一个。
根据另一个实施方案,所述数据库由云数据库、风险数据库、景况数据库、本地接触点数据库以及运送容器本地风险数据库中的一个或多个组成。
根据另一个实施方案,所述传感器包括食品传感器和容器传感器,所述传感器包括温度传感器、振动传感器、液体检测传感器、光传感器、声音传感器和压力传感器中的一个或多个。
根据另一个实施方案,使用所述基于云的处理系统来生成包括行程数据和选项的云处理器结果还包括:从沿着所述冷链定位的传感器接收传感器数据;从位于所述冷链系统中的数据库接收存储数据;以及基于所述传感器数据和所述存储数据来生成所述云处理器结果。
根据另一个实施方案,所述存储数据包括景况数据,所述景况数据包括天气信息、路线信息、交通信息、事件信息、道路状况信息、半挂卡车信息、运送容器信息、传感器校准信息、传感器验证信息、传感器类型信息以及元件定位信息中的至少一个。
根据另一个实施方案,所述数据库由云数据库、风险数据库、景况数据库、本地接触点数据库、运送容器本地风险数据库中的一个或多个组成。
根据另一个实施方案,所述传感器包括食品传感器和容器传感器,所述传感器包括温度传感器、振动传感器、液体检测传感器、光传感器、声音传感器和压力传感器中的一个或多个。此外,所述传感器沿着运输网络、沿着数据网络并且沿着针对行程选择的路线位于所述本地接触点处理系统、所述运送容器、另一个本地接触点中的至少一个中。
根据一个实施方案,提供了一种用于并行处理来自冷链系统的数据的冷链数据处理系统。所述冷链数据处理系统包括:接触点的处理系统,所述处理系统被配置来响应于运送容器到达所述接触点而生成本地处理器结果,所述本地处理器结果包括行程数据和选项;基于云的处理系统,所述处理系统被配置来响应于所述运送容器到达所述接触点而生成云处理器结果,所述云处理器结果包括行程数据和选项;所述运送容器处的通信接收器,所述通信接收器接收所述云处理器结果和所述本地处理器结果;所述运送容器处的图形用户界面,所述图形用户界面显示所述云处理器结果和所述本地处理器结果;以及输入设备,所述输入设备被配置来接收基于所述云处理器结果和所述本地处理器结果的路线选择。
根据另一个实施方案,行程数据包括变质风险、食品类型、行程时间估计、交通、事件信息以及天气预报中的一个或多个,并且选项包括路线选项、运输选择选项、传输选项、装载选项、包装选项以及运送容器选项中的一个或多个。
根据另一个实施方案,所述冷链系统包括多个接触点,并且其中所述多个接触点各自对应于所述冷链系统中的转运点。
根据另一个实施方案,所述接触点的所述处理系统还包括来自位于所述接触点处的传感器的传感器数据以及来自位于所述冷链系统中的数据库的存储数据,其中基于所述传感器数据和所述存储数据来生成所述本地处理器结果。
根据另一个实施方案,所述存储数据包括景况数据,所述景况数据包括天气信息、路线信息、交通信息、事件信息、道路状况信息、半挂卡车信息、运送容器信息、传感器校准信息、传感器验证信息、传感器类型信息以及元件定位信息。此外,所述数据库由云数据库、风险数据库、景况数据库、本地接触点数据库、运送容器本地风险数据库中的一个或多个组成。此外,所述传感器包括食品传感器和容器传感器,所述传感器包括温度传感器、振动传感器、液体检测传感器、光传感器、声音传感器和压力传感器中的一个或多个。
根据另一个实施方案,所述基于云的处理系统还包括来自沿着所述冷链定位的传感器的传感器数据以及来自位于所述冷链系统中的数据库的存储数据,其中基于所述传感器数据和所述存储数据来生成所述云处理器结果。
根据另一个实施方案,所述存储数据包括景况数据,所述景况数据包括天气信息、路线信息、交通信息、事件信息、道路状况信息、半挂卡车信息、运送容器信息、传感器校准信息、传感器验证信息、传感器类型信息以及元件定位信息,其中所述数据库由云数据库、风险数据库、景况数据库、本地接触点数据库、运送容器本地风险数据库中的一个或多个组成,其中所述传感器包括食品传感器和容器传感器,所述传感器包括温度传感器、振动传感器、液体检测传感器、光传感器、声音传感器和压力传感器中的一个或多个,并且其中所述传感器沿着运输网络、沿着数据网络并且沿着针对行程选择的路线位于所述本地接触点处理系统、所述运送容器、另一个本地接触点中的至少一个中。
根据另一个实施方案,提供了一种用于并行处理冷链系统的数据的冷链控制系统。所述冷链控制系统包括一个或多个处理器,所述一个或多个处理器与一种或多种类型的计算机可读存储介质通信,所述计算机可读存储介质具有其所体现的程序指令。所述程序指令可由所述一个或多个处理器执行以致使所述处理器:响应于运送容器到达接触点,使用所述接触点的处理系统来生成本地处理器结果,所述本地处理器结果包括行程数据和选项;响应于所述运送容器到达所述接触点,使用基于云的处理系统来生成云处理器结果,所述云处理器结果包括行程数据和选项;在所述运送容器处接收所述云处理器结果和所述本地处理器结果;在所述运送容器处的图形用户界面上显示所述云处理器结果和所述本地处理器结果;以及接收用户基于所述云处理器结果和所述本地处理器结果的路线选择。
附图说明
通过以下结合附图而进行的详细描述,可以清楚了解本公开的上述和其他特征及优点,在附图中:
图1描绘了根据本公开的实施方案的云计算环境;
图2描绘了根据本公开的实施方案的抽象模型层;
图3是示出了用于实践本文的教导的处理系统的一个示例的框图;
图4描绘了根据本公开的实施方案的示出了整个系统的框图;
图5描绘了根据本公开的实施方案的云SaaS软件的流程图;
图6描绘了根据本公开的实施方案的示出了风险值的示例的表格;
图7描绘了根据本公开的实施方案的本地SaaS软件的流程图;
图8描绘了根据本公开的实施方案的图形用户界面(GUI);并且
图9描绘了根据本公开的实施方案的处理来自冷链系统的数据的方法的流程图。
具体实施方式
应预先理解,尽管本公开包括关于云计算的详细描述,但是本文阐述的教导的实现方式不限于云计算环境。而是,本公开的实施方案能够结合现在已知或以后开发的任何其他类型的计算环境来实现。
云计算是一种服务交付模型,以使得能够方便地对可配置计算资源(例如网络、网络带宽、服务器、处理、存储器、存储装置、应用程序、虚拟机和服务)的共享池进行按需网络访问,所述可配置计算资源可在管理工作最少或与服务提供商进行的交互最少的情况下快速地供应和发布。所述云模型可包括至少五个特征、至少三个服务模型以及至少四个部署模型。
特征如下:
按需自助服务:云客户可根据需要自动地单方面地提供计算能力(诸如服务器时间和网络存储),而无需与服务提供商进行人工交互。
宽带网络访问:通过网络使得能力可用,并且通过标准机制来进行访问,这促进异构的瘦客户端平台或胖客户端平台(例如,移动电话、膝上型电脑和PDA)的使用。
资源池:提供商的计算资源汇集在一起以使用多租户模型来为多个客户提供服务,其中根据需求来动态分配和重新分配不同的物理和虚拟资源。存在独立的位置感,因为客户通常对所提供资源的确切位置没有控制或不了解,但是可能能够以更高抽象级别(例如,国家、州或数据中心)来指定位置。
快速弹性:可快速且弹性地提供能力,在某些情况下,可自动地快速向外扩展并且快速释放以快速向内扩展。对于客户而言,可用于供应的能力经常似乎是无限的,并且可随时以任何数量进行购买。
测量服务:云系统通过在适合于服务类型(例如,存储、处理、带宽和活动用户账户)的某种抽象级别上利用计量能力来自动地控制和优化资源使用。可监视、控制和报告资源使用,从而为所使用的服务的提供商和客户两者提供透明度。
服务模型如下:
软件即服务(SaaS):提供给客户的能力是使用在云基础设施上运行的提供商的应用程序。可通过诸如web浏览器(例如,基于web的电子邮件)的瘦客户端接口从各种客户端设备访问应用程序。客户不管理或控制底层云基础设施,包括网络、服务器、操作系统、存储装置或甚至单独的应用程序能力,除了有限的用户特定应用程序配置设置可能例外。
平台即服务(PaaS):提供给客户的能力是部署到使用由提供商支持的编程语言和工具的客户创建的或所获取的应用程序创建的云基础设施上。客户不管理或控制包括网络、服务器、操作系统或存储装置的底层云基础设施,但是可控制部署的应用程序以及可能的应用程序托管的环境配置。
基础设施即服务(IaaS):提供给客户的能力是提供处理、存储、网络和其他基本计算资源,其中客户能够部署和运行任意软件,所述软件可包括操作系统和应用程序。客户不管理或控制底层云基础设施,而是控制操作系统、存储装置、部署的应用程序,并且可能对选择连网部件(例如,主机防火墙)具有有限的控制。
部署模型如下:
私有云:云基础设施仅针对组织运营。它可由组织或第三方来管理,并且可存在于本地或异地。
社群云:云基础设施由多个组织共享,并且支持具有共享关注点(例如,任务、安全要求、策略和合规性考虑因素)的特定社群。它可由组织或第三方来管理,并且可存在于本地或异地。
公共云:云基础设施可供一般公众或大型产业集团使用,并且为销售云服务的组织所有。
混合云:云基础设施是两个或更多个云(私有云、社群云或公共云)的组合物,这些云仍然是独特的实体,但是通过标准化或专有技术结合在一起,从而实现数据和应用程序的可移植性(例如,用于在云之间进行负载平衡的云爆发)。
云计算环境是面向服务的,侧重于无状态、低耦合、模块化以及语义互操作性。云计算的核心是包括互连节点网络的基础设施。
现在参考图1,描绘了说明性云计算环境50。如图所示,云计算环境50包括一个或多个云计算节点10,由云客户使用的本地计算设备可利用所述云计算节点来进行通信,所述本地计算设备诸如个人数字助理(PDA)或蜂窝电话54A、台式计算机54B、膝上型计算机54C和/或汽车计算机系统54N。节点10可彼此通信。它们可在一个或多个网络中物理地或虚拟地进行分组(未示出),所述网络诸如如上所述的私有云、社群云、公共云或混合云或者其组合。这允许云计算环境50提供基础设施、平台和/或软件作为云客户不需要维护本地计算设备上的资源的服务。应理解,图1中示出的计算设备54A-N的类型仅旨在是说明性的,并且计算节点10和云计算环境50可通过任何类型的网络和/或网络可寻址连接(例如,使用web浏览器)与任何类型的计算机化设备通信。
现在参考图2,示出了由云计算环境50(图1)提供的一组功能抽象层。应预先理解,图2中所示的部件、层和功能仅旨在是说明性的,并且本公开的实施方案不限于此。如所描绘的,提供了以下层和对应功能:
硬件和软件层60包括硬件和软件部件。硬件部件的示例包括:大型主机(mainframe)61;基于RISC(精简指令集计算机)架构的服务器62;服务器63;刀片服务器64;存储设备65;以及网络和连网部件66。在一些实施方案中,软件部件包括网络应用服务器软件67和数据库软件68。
虚拟化层70提供抽象层,可从所述抽象层提供以下虚拟实体的示例:虚拟服务器71;虚拟存储装置72;虚拟网络73,其包括虚拟专用网络;虚拟应用程序和操作系统74;以及虚拟客户端75。
在一个示例中,管理层80可提供以下描述的功能。资源供应81提供了用于在云计算环境内执行任务的计算资源和其他资源的动态采购。计量和定价82提供了在云计算环境中使用资源时的成本跟踪,以及消耗这些资源的计费或发票。在一个示例中,这些资源可包括应用软件许可。安全性为云客户和任务提供身份验证以及对数据和其他资源的保护。用户门户83为客户和系统管理员提供了对云计算环境的访问。服务级别管理84提供了云计算资源分配和管理,使得满足所需的服务级别。服务水平协议(SLA)规划和实现85提供了云计算资源的预先布置和采购,为此根据SLA来预期未来需求。
工作负载层90提供了可利用云计算环境的功能的示例。可从所述层提供的工作负载和功能的示例包括:映射和导航91;软件开发和生命周期管理92;虚拟课堂教育交付93;数据分析处理94;交易处理95;以及跨多个通信系统96的消息处理。
根据本公开的示例性实施方案,提供了用于优先化跨多个通信系统的消息递送的方法、系统和计算机程序产品。在示例性实施方案中,消息传送系统被配置来跨由个人使用的多个通信系统来接收个人消息。消息传送系统还被配置来基于对消息的分析和个人的用户简档来确定与每条消息相关联的优先级。基于所确定的优先级和用户简档,消息传送系统经由期望的消息传送系统来将消息递送到期望的通信设备。在示例性实施方案中,在接收到来自个人的反馈时,通过消息传送系统来更新用户简档,其中所述反馈包括个人的消息递送偏好和消息优先级偏好。
参考图3,示出了用于实现本文的教导的处理系统100的实施方案。在所述实施方案中,系统100具有一个或多个中央处理单元(处理器)101a、101b、101c等(统称为或泛称为处理器101)。在一个实施方案中,每个处理器101可包括精简指令集计算机(RISC)微处理器。处理器101经由系统总线113耦合到系统存储器114和各种其他部件。只读存储器(ROM)102耦合到系统总线113并且可包括基本输入/输出系统(BIOS),所述基本输入/输出系统控制系统100的某些基本功能。
图3还描绘了输入/输出(I/O)适配器107和耦合到系统总线113的网络适配器106。I/O适配器107可为小型计算机系统接口(SCSI)适配器,其与硬盘103和/或磁带存储驱动器105或者任何其他类似部件通信。I/O适配器107、硬盘103和磁带存储设备105在本文统称为大容量存储装置104。用于在处理系统100上执行的操作系统120可存储在大容量存储装置104中。网络适配器106将总线113与外部网络116互连,从而使得数据处理系统100能够与其他此类系统通信。屏幕(例如,显示监视器)115通过显示适配器112连接到系统总线113,所述显示适配器可包括图形适配器以改善图形密集型应用程序和视频控制器的性能。在一个实施方案中,适配器107、106和112可连接到一个或多个I/O总线,所述I/O总线经由中间总线桥(未示出)连接到系统总线113。用于连接诸如硬盘控制器、网络适配器和图形适配器的外围设备的合适的I/O总线通常包括通用协议,诸如外围部件互连(PCI)。附加的输入/输出设备被示出为经由用户界面适配器108和显示适配器112连接到系统总线113。键盘109、鼠标110和扬声器111都经由用户界面适配器108互连到总线113,所述用户界面适配器可包括例如将多个设备适配器集成到单个集成电路中的超级I/O芯片。
在示例性实施方案中,处理系统100包括图形处理单元130。图形处理单元130是专用电子电路,其被设计来操纵和改变存储器以加速创建旨在用于输出到显示器的帧缓冲器中的图像。一般来讲,图形处理单元130在操纵计算机图形和图像处理方面非常有效,并且具有高度并行的结构,使得它比用于并行完成大数据块处理的算法的通用CPU更有效。
因此,如图3中所配置的,系统100包括呈处理器101形式的处理能力、包括系统存储器114和大容量存储装置104的存储能力、诸如键盘109和鼠标110的输入装置以及包括扬声器111和显示器115的输出能力。在一个实施方案中,系统存储器114和大容量存储装置104的一部分共同存储操作系统以协调图3中所示的各种部件的功能。
根据一个或多个实施方案,提供了用于双并行数据处理的双数据路径,其中在冷链未知的切换的本地级别下产生值。所述冗余数据通道可通过允许每个通道用作数据检查以及另一通道的备份而提供质量结果。
根据一个或多个实施方案,提供了并行数据处理,所述并行数据处理具有与容器传感器系统的接触点并且在每个接触点(例如,转运点)处执行所述并行处理。在每个接触点处,容器传感器和食品传感器确定食品和车辆的状况,并且本地SaaS软件将行程数据和选项馈送到运送容器GUI。传输网络还将行程数据和选项提供到GUI。运送人可随后基于本地处理器结果或云处理器结果来进行更改。
根据一个或多个实施方案,在一个点处收集的数据被允许在切换点处传输,例如来自包装的数据被切换到运送卡车或者从运送卡车切换到仓库。所述数据可在每次切换时使用,以便进行局部分析。SaaS云服务可在生成数据时访问和存储所有数据,但是可在可能未在云SaaS处进行的特定切换时进行决策和分析,例如特定卡车具有由云安排的未知维护,但是产生数据切换提供了最差情况的传输时间,卡车司机可决定不接受所述负载。以这种方式,数据切换和本地分析可有益于云SaaS。
根据一个或多个实施方案,并行数据处理包括使用与容器传感器系统的接触点并且在每个接触点处执行所述并行处理。在每个接触点处,运送人可基于本地处理器结果或云处理器结果来进行更改。例如,根据一个实施方案,冷链生产运送人可使用所述过程来基于在运送期间在特定停靠点处的决定来准确地进行更改。
现在参考图4,图4描绘了根据示例性实施方案的示出了整体冷链系统400的框图。如图所示,系统400包括基于云的处理系统410,其也可称为传输网络410。系统400还包括数据网络420、本地接触点430和运送容器450,它们通过互联网405彼此通信地连接,或者可直接或通过另一种网络类型而连接。此外,系统400可包括沿着冷链的多个局部接触点440。多个本地接触点440在它们包括什么以及它们如何接收、处理和输出数据方面基本上类似于本地接触点430,并且主要的区别在于沿着冷链的位置。
更仔细地观察,根据一个或多个实施方案,传输网络410包括云SaaS软件,所述软件包括生成云处理器结果的操作。传输网络410还包括云数据库(DB)和风险DB,所述风险DB用于存储所接收的传感器数据和其他存储数据,并且存储包括行程数据和选项的生成的云处理器结果。数据网络420包括在由操作请求时随时间接收、存储并传输到处理元件的景况数据。
根据一个或多个实施方案,本地接触点430包括食品传感器、通信设备和本地SaaS软件。本地接触点从本地食品传感器收集传感器数据,并且还可使用本地接触点中的通信设备从运送容器450中的传感器接收传感器数据。本地接触点430处理所接收的传感器数据并使用本地SaaS软件生成本地处理器结果。
根据一个或多个实施方案,运送容器450包括通信设备、容器传感器、食品传感器、GUI、本地风险数据库,以及当产品和/或食品沿冷链运输时被运输和监控的产品和/或食品。运送容器450使用容器传感器收集传感器数据,并且食品传感器使用通信设备将所述传感器数据直接传输到本地接触点430以便进行风险处理。运送容器450还将使用通信设备通过互联网将传感器数据传输到一个或多个数据网络420,以便与景况数据一起存储或存储到传输网络410来进行并行数据处理。
此外,根据一个或多个实施方案,系统400可包括多个接触点440,所述接触点沿着运送容器沿其行进的冷链路线定位。当运送容器到达路线的所述点时,将触发多个接触点440中的每个接触点。此时,除了基于云的处理系统(传输网络41)处理和提供的之外,接触点440中的每一个将收集传感器数据、处理所述数据并且提供推荐和风险分析。
例如,本公开的一个或多个实施方案创建并行处理系统,所述并行处理系统具有与容器传感器系统的接触点并且在每个接触点(例如,转运点)处执行所述并行处理。在每个接触点处,容器传感器和食品传感器确定食品和车辆的状况,并且本地SaaS软件将行程数据和选项馈送到运送容器GUI。传输网络还将行程数据和选项提供到GUI。运送人可基于本地处理器结果或云处理器结果来进行更改。景况数据被添加到数据流(诸如天气等)以供进一步分析。
图5描绘了根据示例性实施方案的云SaaS软件500的流程图。如图所示,云SaaS软件管理传感器信息的接收、分析并且为用户提供变质风险。第一操作是从本地SaaS软件接收具有传感器读数的激活消息(操作505),所述本地SaaS软件在从运送容器接收到数据时发送所述消息。激活消息表示运送容器已与本地接触点交互。之后,从一个或多个数据网络检索景况数据(操作510),以提供可能影响分析的景况数据(例如,交通、天气)。使用风险DB中的查找匹配来分析传感器读数和景况信息(操作515)。接下来,通过将数据与云中的风险数据库进行匹配来运行变质风险(操作520)。随后将变质风险发送到本地软件(操作525),并且随后将所有数据存储在云DB中(操作530)。
图6描绘了根据一个或多个实施方案的示出了存储在风险数据库中的风险值的示例的表格。如图所示,所述表格示出了存储在风险数据库中的针对各种食品、各种运输时间、各种风险(有和没有天气)的数据。可针对任何其他景况数据(例如容器传感器)扩展所述数据库。具体地,所述表格示出了苹果、香蕉的不同场景,并且可继续列出具有类似信息的其他产品,诸如鱼。例如,查看苹果,表格示出了随着总运输时间的增加,变质风险也会增加。此外,所述表格示出了天气预报以及由于不同的天气条件而影响风险百分比的方式。例如,当不存在天气条件时,所述风险与变质风险保持相同,但是当天气条件较差时,所述风险会增加。对于香蕉示出了类似的信息。此外,根据另一个实施方案,可复制示出来自数据库的信息的所述表格以创建与“本地风险数据库”类似的表格,但是所述表格可包含更有限的风险分析,即它可能无法分析当前的传感器数据。
图7描绘了根据示例性实施方案的本地SaaS软件的流程图。最初,本地SaaS软件包括轮询所述系统以查看是否找到本地接触点的操作(操作700)。当找到一个本地接触点时,由软件操作实现的方法依赖于云资源和本地资源可用性而继续(操作705)。
具体地,如果云SaaS软件可用,则本地SaaS软件管理传感器信息的接收、分析并且为用户提供变质风险。第一操作是接收所找到的本地接触点,并且随后向云SaaS软件发送具有传感器读数、食品类型和路线传输时间的激活消息(操作710)。接下来提供从数据网络检索景况信息并且将所述景况信息发送到云SaaS软件(操作715)。随后从云SaaS软件接收变质风险(操作720),并且随后将其发送到GUI,所述GUI被配置来允许用户选择用于查看风险的景况选项(操作725)。
替代地,如果云SaaS软件不可用,则第一步骤是接收具有从运送容器接收的传感器读数的激活消息(操作730)。之后,从一个或多个数据网络检索景况数据,以提供可能影响分析的景况数据(例如,交通、天气)(操作735)。接下来,通过将数据与本地风险数据库进行匹配来运行变质风险(操作740)。随后基于分析来确定变质风险(操作745),并且随后,将变质风险随后发送到GUI(操作725)。
图8描绘了根据示例性实施方案的图形用户界面(GUI)。如本文示出的GUI示出了用户的两条替代路线,即路线A和路线B。路线在地图上示出。在底部是一系列按钮,示出了在分析中使用的传感器和景况数据,用户可点击这些按钮来查看实际数据(例如,用于附连到容器和装备的传感器的容器传感器)。右边是表格,示出了路线、计算它们的分析、它们的时间以及与每条路线相关联的变质风险。最后,有两个按钮,在所述按钮处用户可选择一条路线或另一条路线。
图9描绘了根据本公开的实施方案的处理来自冷链系统的数据的方法的流程图。所述方法包括:响应于运送容器到达接触点,使用所述接触点的处理系统来生成本地处理器结果,所述本地处理器结果包括行程数据和选项(操作905);以及响应于运送容器到达接触点,使用基于云的处理系统来生成云处理器结果,所述云处理器结果包括行程数据和选项(操作910)。所述方法还包括:在运送容器处接收云处理器结果和本地处理器结果(操作915);在运送容器处的图形用户界面上显示云处理器结果和本地处理器结果(操作920);以及接收用户基于云处理器结果和本地处理器结果的路线选择(操作925)。
因此,本公开的一个或多个实施方案提供了并行处理,所述并行处理具有与容器传感器系统的接触点并且在云级别以及在每个接触点处执行并行处理。在每个接触点处,运送人可基于本地处理器结果或云处理器结果来进行更改。
本公开的一个或多个实施方案可为系统、方法和/或计算机程序产品。所述计算机程序产品可包括一个(或多个)计算机可读存储介质,其上具有计算机可读程序指令,所述计算机可读程序指令用于致使处理器实施本公开的一个或多个实施方案的各方面。
计算机可读存储介质可为有形设备,其可保留和存储指令以供指令执行设备使用。计算机可读存储介质可为例如但不限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者前述各项的任何合适的组合。计算机可读存储介质的更具体示例的非详尽列表包括以下各项:便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字通用光盘(DVD)、记忆棒、软盘、机械编码设备(诸如凹槽中的在其上记录有指令的打孔卡或凸起结构)以及前述各项的任何合适的组合。如本文使用的计算机可读存储介质不应被解释为暂时信号本身,诸如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波例如,通过光纤电缆的光脉冲)(或者通过电线传输的电信号。
本文描述的计算机可读程序指令可经由网络(例如,互联网、局域网、广域网和/或无线网络)从计算机可读存储介质下载到相应的计算/处理设备或者下载到外部计算机或外部存储设备。网络可包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配器卡或网络接口从网络接收计算机可读程序指令,并且转发计算机可读程序指令以便存储在相应的计算/处理设备内的计算机可读存储介质中。
用于实施本公开的操作的计算机可读程序指令可为汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言(诸如Smaltalk、C++等)以及常规过程编程语言(诸如“C”编程语言或类似编程语言)。计算机可读程序指令可作为独立的软件包完全在用户的计算机上、部分在用户的计算机上执行,部分地在用户的计算机上并且部分地在远程计算机上或者完全在远程计算机或服务器上执行。在后一种情况下,远程计算机可通过任何类型的网络连接到用户的计算机,所述网络包括局域网(LAN)或广域网(WAN),或者可连接到外部计算机(例如,通过使用互联网服务提供商的互联网)的连接。在一些实施方案中,包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可通过利用计算机可读程序指令的状态信息个性化电子电路来执行计算机可读程序指令,以便执行本公开的各方面。
本文参考根据本公开的实施方案的方法、装置(系统)和计算机程序产品的流程图和/或框图来描述本公开的各方面。应理解,流程图和/或框图的每个方框以及流程图和/或框图中的方框的组合可由计算机可读程序指令来实现。
这些计算机可读程序指令可被提供给通用计算机、专用计算机或者其他可编程数据处理装置的处理器以产生机器,使得经由计算机的处理器或者其他可编程数据处理装置执行的指令创建用于实现一个或多个流程图方框和/或一个或多个框图方框中指定的功能/动作的装置。这些计算机可读程序指令也可存储在计算机可读存储介质中,所述计算机可读存储介质可指示计算机、可编程数据处理装置和/或以特定方式运行的其他设备,使得具有存储在其中的指令的计算机可读存储介质包括一种制品,所述制品包括实现在一个或多个流程图方框和/或一个或多个框图方框中指定的功能/动作的各方面的指令。
计算机可读程序指令还可被加载到计算机、其他可编程数据处理装置或其他设备上,以致使在所述计算机、其他可编程装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,诸如在计算机、其他可编程装置或其他设备上执行的指令实现一个或多个流程图方框和/或一个或多个框图方框中指定的功能/动作。
附图中的流程图和框图示出根据本公开的各种实施方案的系统、方法和计算机程序产品的可能实现方式的架构、功能性和操作。就这一点而言,流程图或框图中的每个方框可表示模块、区段或指令的一部分,其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代性实现方式中,方框中提到的功能可以不按附图中提到的顺序出现。例如,连续示出的两个方框实际上可以大致上同时执行,或者所述方框有时可以按相反的顺序执行,这取决于所涉及的功能性。还应注意,框图和/或流程图的每个方框以及框图和/或流程图中的方框的组合可由执行指定功能或动作或者实施专用硬件和计算机指令的组合的基于专用硬件的系统来实现。
Claims (20)
1.一种并行处理冷链系统的数据的方法,所述方法包括:
响应于运送容器到达接触点,使用所述接触点的处理系统来生成本地处理器结果,所述本地处理器结果包括行程数据和选项;
响应于所述运送容器到达所述接触点,使用基于云的处理系统来生成云处理器结果,所述云处理器结果包括行程数据和选项;
在所述运送容器处接收所述云处理器结果和所述本地处理器结果;
在所述运送容器处的图形用户界面上显示所述云处理器结果和所述本地处理器结果;以及
接收用户基于所述云处理器结果和所述本地处理器结果的路线选择。
2.如权利要求1所述的方法,其中行程数据包括变质风险、食品类型、行程时间估计、交通、事件信息以及天气预报中的一个或多个。
3.如权利要求1所述的方法,其中选项包括路线选项、运输选择选项、传输选项、装载选项、包装选项以及运送容器选项中的一个或多个。
4.如权利要求1所述的方法,其中所述冷链系统包括多个接触点,并且其中所述多个接触点各自对应于所述冷链系统中的转运点。
5.如权利要求1所述的方法,其中使用所述接触点的所述处理系统来生成包括行程数据和选项的本地处理器结果还包括:
从位于所述接触点处的传感器接收传感器数据;
从位于所述冷链系统中的数据库接收存储数据;
基于所述传感器数据和所述存储数据来生成所述本地处理器结果。
6.如权利要求5所述的方法,其中所述存储数据包括景况数据,所述景况数据包括天气信息、路线信息、交通信息、事件信息、道路状况信息、半挂卡车信息、运送容器信息、传感器校准信息、传感器验证信息、传感器类型信息以及元件定位信息中的至少一个。
7.如权利要求5所述的方法,其中所述数据库由云数据库、风险数据库、景况数据库、本地接触点数据库以及运送容器本地风险数据库中的一个或多个组成。
8.如权利要求5所述的方法,其中所述传感器包括食品传感器和容器传感器,所述传感器包括温度传感器、振动传感器、液体检测传感器、光传感器、声音传感器和压力传感器中的一个或多个。
9.如权利要求1所述的方法,其中使用所述基于云的处理系统来生成包括行程数据和选项的云处理器结果还包括:
从沿着所述冷链定位的传感器接收传感器数据;
从位于所述冷链系统中的数据库接收存储数据;以及
基于所述传感器数据和所述存储数据来生成所述云处理器结果。
10.如权利要求9所述的方法,其中所述存储数据包括景况数据,所述景况数据包括天气信息、路线信息、交通信息、事件信息、道路状况信息、半挂卡车信息、运送容器信息、传感器校准信息、传感器验证信息、传感器类型信息以及元件定位信息中的至少一个。
11.如权利要求9所述的方法,其中所述数据库由云数据库、风险数据库、景况数据库、本地接触点数据库、运送容器本地风险数据库中的一个或多个组成。
12.如权利要求9所述的方法,
其中所述传感器包括食品传感器和容器传感器,所述传感器包括温度传感器、振动传感器、液体检测传感器、光传感器、声音传感器和压力传感器中的一个或多个,并且
其中所述传感器沿着运输网络、沿着数据网络并且沿着针对行程选择的路线位于所述本地接触点处理系统、所述运送容器、另一个本地接触点中的至少一个中。
13.一种用于并行处理来自冷链系统的数据的冷链数据处理系统,所述冷链数据处理系统包括:
接触点的处理系统,所述处理系统被配置来响应于运送容器到达所述接触点而生成本地处理器结果,所述本地处理器结果包括行程数据和选项;
基于云的处理系统,所述处理系统被配置来响应于所述运送容器到达所述接触点而生成云处理器结果,所述云处理器结果包括行程数据和选项;
所述运送容器处的通信接收器,所述通信接收器接收所述云处理器结果和所述本地处理器结果;
所述运送容器处的图形用户界面,所述图形用户界面显示所述云处理器结果和所述本地处理器结果;以及
输入设备,所述输入设备被配置来接收基于所述云处理器结果和所述本地处理器结果的路线选择。
14.如权利要求13所述的冷链数据处理系统,
其中行程数据包括变质风险、食品类型、行程时间估计、交通、事件信息以及天气预报中的一个或多个,并且
其中选项包括路线选项、运输选择选项、传输选项、装载选项、包装选项以及运送容器选项中的一个或多个。
15.如权利要求13所述的冷链数据处理系统,其中所述冷链系统包括多个接触点,并且其中所述多个接触点各自对应于所述冷链系统中的转运点。
16.如权利要求13所述的冷链数据处理系统,其中所述接触点的所述处理系统还包括:
来自位于所述接触点处的传感器的传感器数据;以及
来自位于所述冷链系统中的数据库的存储数据,
其中基于所述传感器数据和所述存储数据来生成所述本地处理器结果。
17.如权利要求16所述的冷链数据处理系统,
其中所述存储数据包括景况数据,所述景况数据包括天气信息、路线信息、交通信息、事件信息、道路状况信息、半挂卡车信息、运送容器信息、传感器校准信息、传感器验证信息、传感器类型信息以及元件定位信息,
其中所述数据库由云数据库、风险数据库、景况数据库、本地接触点数据库、运送容器本地风险数据库中的一个或多个组成,并且
其中所述传感器包括食品传感器和容器传感器,所述传感器包括温度传感器、振动传感器、液体检测传感器、光传感器、声音传感器和压力传感器中的一个或多个。
18.如权利要求13所述的冷链数据处理系统,其中所述基于云的处理系统还包括:
来自沿着所述冷链定位的传感器的传感器数据;以及
来自位于所述冷链系统中的数据库的存储数据,
其中基于所述传感器数据和所述存储数据来生成所述云处理器结果。
19.如权利要求18所述的冷链数据处理系统,
其中所述存储数据包括景况数据,所述景况数据包括天气信息、路线信息、交通信息、事件信息、道路状况信息、半挂卡车信息、运送容器信息、传感器校准信息、传感器验证信息、传感器类型信息以及元件定位信息,
其中所述数据库由云数据库、风险数据库、景况数据库、本地接触点数据库、运送容器本地风险数据库中的一个或多个组成,
其中所述传感器包括食品传感器和容器传感器,所述传感器包括温度传感器、振动传感器、液体检测传感器、光传感器、声音传感器和压力传感器中的一个或多个,并且
其中所述传感器沿着运输网络、沿着数据网络并且沿着针对行程选择的路线位于所述本地接触点处理系统、所述运送容器、另一个本地接触点中的至少一个中。
20.一种用于并行处理冷链系统的数据的冷链控制系统,其包括:
一个或多个处理器,所述一个或多个处理器与一种或多种类型的计算机可读存储介质通信,所述计算机可读存储介质具有其所体现的程序指令,所述程序指令可由所述一个或多个处理器执行以致使所述处理器:
响应于运送容器到达接触点,使用所述接触点的处理系统来生成本地处理器结果,所述本地处理器结果包括行程数据和选项;
响应于所述运送容器到达所述接触点,使用基于云的处理系统来生成云处理器结果,所述云处理器结果包括行程数据和选项;
在所述运送容器处接收所述云处理器结果和所述本地处理器结果;
在所述运送容器处的图形用户界面上显示所述云处理器结果和所述本地处理器结果;以及
接收用户基于所述云处理器结果和所述本地处理器结果的路线选择。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662306414P | 2016-03-10 | 2016-03-10 | |
US62/306414 | 2016-03-10 | ||
PCT/US2017/021059 WO2017155925A1 (en) | 2016-03-10 | 2017-03-07 | Cold chain data transfer at handoff |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108885772A true CN108885772A (zh) | 2018-11-23 |
Family
ID=58413178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780020191.XA Pending CN108885772A (zh) | 2016-03-10 | 2017-03-07 | 切换时的冷链数据传输 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3427222A1 (zh) |
CN (1) | CN108885772A (zh) |
WO (1) | WO2017155925A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200134515A1 (en) * | 2018-10-29 | 2020-04-30 | Truenorth Systems Ltd | Method and system for cargo management |
CN111539672A (zh) * | 2020-04-27 | 2020-08-14 | 中国检验检疫科学研究院 | 一种蔬菜冷链运输大数据监测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008030575A2 (en) * | 2006-09-07 | 2008-03-13 | Xerxes K Aghassipour | System and method for optimization of an analysis of insulated systems |
CN101755275A (zh) * | 2007-05-25 | 2010-06-23 | 胡斯曼公司 | 供应链管理系统 |
CN103258359A (zh) * | 2004-02-02 | 2013-08-21 | 美国联合包裹服务公司 | 使用环境传感器用来运输产品的系统 |
US20140156962A1 (en) * | 2012-11-30 | 2014-06-05 | International Business Machines Corporation | Common contiguous memory region optimized virtual machine migration within a workgroup |
US20140180953A1 (en) * | 2012-12-20 | 2014-06-26 | Purfresh, Inc. | Methods and systems for controlled distribution of perishable goods |
US20150046364A1 (en) * | 2013-08-09 | 2015-02-12 | KLATU Networks, LLC | System-independent data logging |
US20150046361A1 (en) * | 2013-08-07 | 2015-02-12 | Fedex Corporate Services, Inc. | Methods and systems for managing shipped objects |
-
2017
- 2017-03-07 EP EP17713812.0A patent/EP3427222A1/en active Pending
- 2017-03-07 CN CN201780020191.XA patent/CN108885772A/zh active Pending
- 2017-03-07 WO PCT/US2017/021059 patent/WO2017155925A1/en active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258359A (zh) * | 2004-02-02 | 2013-08-21 | 美国联合包裹服务公司 | 使用环境传感器用来运输产品的系统 |
WO2008030575A2 (en) * | 2006-09-07 | 2008-03-13 | Xerxes K Aghassipour | System and method for optimization of an analysis of insulated systems |
CN101755275A (zh) * | 2007-05-25 | 2010-06-23 | 胡斯曼公司 | 供应链管理系统 |
US20140156962A1 (en) * | 2012-11-30 | 2014-06-05 | International Business Machines Corporation | Common contiguous memory region optimized virtual machine migration within a workgroup |
US20140180953A1 (en) * | 2012-12-20 | 2014-06-26 | Purfresh, Inc. | Methods and systems for controlled distribution of perishable goods |
US20150046361A1 (en) * | 2013-08-07 | 2015-02-12 | Fedex Corporate Services, Inc. | Methods and systems for managing shipped objects |
US20150046364A1 (en) * | 2013-08-09 | 2015-02-12 | KLATU Networks, LLC | System-independent data logging |
Also Published As
Publication number | Publication date |
---|---|
EP3427222A1 (en) | 2019-01-16 |
WO2017155925A1 (en) | 2017-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230169448A1 (en) | Delivery prediction generation system | |
US10171662B1 (en) | Intervention in conversation between virtual agent and user | |
US20180058864A1 (en) | Methods and systems for vehicle and drone based delivery system | |
CN104395899B (zh) | 基于云的主数据管理系统及其方法 | |
Alumur et al. | A hub covering network design problem for cargo applications in Turkey | |
US10909606B2 (en) | Real-time in-venue cognitive recommendations to user based on user behavior | |
US20170053236A1 (en) | Method and systems for managing shipping transactions | |
US10607275B2 (en) | System and method for shortcutting order fulfillment decisions | |
US10776593B1 (en) | Airline baggage arrangement system | |
US11194686B2 (en) | Data agnostic monitoring service | |
US20170178056A1 (en) | Flexible business task flow | |
US11645719B2 (en) | Dynamic event depiction facilitating automatic resource(s) diverting | |
CN108885772A (zh) | 切换时的冷链数据传输 | |
CN108885686A (zh) | 用于视频分析的基于云的主动调试系统 | |
CN112912694A (zh) | 自动配对gps数据与移动对象的计划行进路线 | |
US11202188B1 (en) | Method and system for personalized evacuation advice with deep mixture models | |
US20180285793A1 (en) | Patron presence based workforce capacity notification | |
Zou et al. | Simulation of online food ordering delivery strategies using multi-agent system models | |
WO2018025253A1 (en) | Systems and methods for monitoring of shipments | |
CN108885447B (zh) | 分析和控制冷链系统的方法和系统 | |
US10803728B1 (en) | Dynamically networked integrated swarm sensor tracking | |
CN108780537A (zh) | 冷链人类与匹配决策软件即服务 | |
CN108700642A (zh) | 基于具有不确定性的用户移动数据的位置上下文推断 | |
US20210142361A1 (en) | Method of Implementing a Digital Platform | |
Allioui et al. | Maintaining effective logistics management during and after COVID‑19 pandemic: survey on the importance of artificial intelligence to enhance recovery strategies |
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 |