CN109241200A - 电力物资聚类信息处理方法及系统 - Google Patents
电力物资聚类信息处理方法及系统 Download PDFInfo
- Publication number
- CN109241200A CN109241200A CN201810951322.2A CN201810951322A CN109241200A CN 109241200 A CN109241200 A CN 109241200A CN 201810951322 A CN201810951322 A CN 201810951322A CN 109241200 A CN109241200 A CN 109241200A
- Authority
- CN
- China
- Prior art keywords
- clustering
- information
- power material
- cluster
- clustering information
- 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
- 239000000463 material Substances 0.000 title claims abstract description 127
- 230000010365 information processing Effects 0.000 title claims abstract description 20
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 239000002245 particle Substances 0.000 claims abstract description 29
- 238000003064 k means clustering Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 abstract description 5
- 238000013139 quantization Methods 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 26
- 238000004806 packaging method and process Methods 0.000 description 7
- 230000005611 electricity Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
- G06Q50/06—Energy or water supply
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力物资聚类信息处理方法及系统,涉及电力物资管理信息处理技术领域,特别是涉及用于电力物资仓库管理系统的电力物资聚类信息处理方法及系统,包括,通过以下方式对所述聚类信息进行更新存储:以一种所述作业特征量作为空间的一个维度设立多维空间,以每种电力物资的作业特征量为坐标创建该电力物资在所述多维空间中的质点位置,以当前聚类信息的方式构建第一簇模型,通过基于上述条件的K‑means聚类算法输出第二簇模型,并使用第二簇模型对应的聚类信息替代当前聚类信息。本发明为电力物资仓库管理系统提供了用于库位管理的电力物资聚类信息模型及更新方法,为其库存优化提供了基础的量化支持。
Description
技术领域
本发明涉及电力物资管理信息处理技术领域,特别是涉及用于电力物资仓库管理系统的电力物资聚类信息处理方法及系统。
背景技术
仓库管理系统包括基础信息模块、入库管理模块和出库管理模块。基础信息模块负责对物资信息、库位信息、项目信息等系统基础进行增加、删除和修改等管理工作,入库管理模块负责对物资的入库信息和入库操作进行管理,出库管理模块负责对物资的出库信息和出库操作进行管理。
一般的,仓库管理系统对物资的分类是一种静态树形结构,具体为在每个一级分类中包含多个二级分类,每个二级分类中包含多个三级分类,如此逐层级分支,每个单品类的物资在每个层级中唯一的属于一个分类。
仓库管理系统中,一般的,用户通过在基础信息模块建立库位表,库位表体现不同类别的电力物资与具体库位的对应关系;入库时,仓库管理系统根据入库电力物资类别查询库位并登记入库单和更新该库位库存量,出库时,仓库管理系统根据出库电力物资查询其在各库位的库存并登记出库单
现有技术的这种聚类信息处理方式至少存在以下问题:
电力物资的尺寸规格一般差异较大,从小型接触器到大型钢材,并且电力物资在具体时间段的库存量不确定,电力物资仓库管理系统要求对电子物资进行尺寸规格、型号规格和尺寸规格等物资特征进行分类,以用于库位管理,传统的基于静态树形结构分类的静态库位管理,容易造成库位浪费,特别是尺寸规格相差较大的。
发明内容
本发明旨在提供一种用于电力物资仓库管理系统的电力物资聚类信息处理方法及系统,为电力物资仓库管理系统提供用于库位管理的电力物资聚类信息,为库存优化提供依据。
本发明提供了如下技术方案:
一种电力物资聚类信息处理方法,包括:
提取并记录第一用户实施电力物资作业时的特征信息,所述特征信息包含电力物资的标识信息和作业特征量;
接收第二用户为更新电力物资当前聚类信息发出的请求,所述聚类信息包含电力物资的标识信息与分类的标识信息之间的对应关系;
通过以下方式对所述聚类信息进行更新存储:以一种所述作业特征量作为空间的一个维度设立多维空间,以每种电力物资的作业特征量为坐标创建该电力物资在所述多维空间中的质点位置,以当前聚类信息的方式构建第一簇模型,通过基于上述条件的K-means聚类算法输出第二簇模型,并使用第二簇模型对应的聚类信息替代当前聚类信息。
上述K-means聚类算法的输出条件为:第N次迭代后,每个簇的形心与第N-1次迭代后该簇的形心比较,距离均小于同一预设值时,以第N次迭代后的簇模型输出;或者,第N次迭代后,每个簇的形心的误差平方和均大于或等于第N-1次迭代后该簇的形心的误差平方和时,以第N-1次迭代后的簇模型输出。
上述K-means聚类算法更新质点位置所属簇所依据的距离为欧式距离或者曼哈顿距离。
一种电力物资聚类信息处理系统,包括:
聚类信息读写单元,用于读取和写入电力物资当前聚类信息,所述聚类信息包含电力物资的标识信息与分类的标识信息之间的对应关系;
作业信息存储单元,用于记录第一用户实施电力物资作业时的作业数据;
特征信息提取单元,用于从所述作业数据提取特征信息,所述特征信息包含电力物资的标识信息和作业特征量;
更新请求接收单元,用于接收第二用户为更新电力物资当前聚类信息发出的请求;
聚类信息更新单元,用于根据更新请求接收单元的调用要求通过以下方式计算新的聚类信息:使用特征信息提取单元提取每个电力物资的作业特征量,以一种所述作业特征量作为空间的一个维度设立多维空间,以每种电力物资的作业特征量为坐标创建该电力物资在所述多维空间中的质点位置,以通过聚类信息读写单元读取的当前聚类信息构建第一簇模型,通过基于上述条件的K-means聚类算法输出第二簇模型,并生成第二簇模型对应的聚类信息,通过聚类信息读写单元使用该聚类信息替代当前聚类信息。
上述聚类信息更新单元使用的K-means聚类算法的输出条件为:第N次迭代后,每个簇的形心与第N-1次迭代后该簇的形心比较,距离均小于同一预设值时,以第N次迭代后的簇模型输出;或者,第N次迭代后,每个簇的形心的误差平方和均大于或等于第N-1次迭代后该簇的形心的误差平方和时,以第N-1次迭代后的簇模型输出.。
上述聚类信息更新单元使用的K-means聚类算法更新质点位置所属簇所依据的距离为欧式距离或者曼哈顿距离。
系统中第二用户为库存监视单元,用于根据设定的库存变化条件发出所述请求。
根据本发明提供的具体实施例,本发明公开了一下技术效果:
通过本发明实施例,实现了K-mean聚类算法在电力物资仓库管理系统中的应用,由于电力物资日常出入库物资数量大、品类多,且部分品类间存在隐性的成套性关系,首先通过K-means聚类算法,对一定时间间隔内出入库数据记录进行相关性计算,可以获得出入库量大且相关性高的电力物资品类分类结果,产生数学模型,为后续继续优化相应自动出入库装备的提供数据基础。
另外,本发明实施例提供的聚类信息可用于进一步实现电力物资在库位的放置的位置优化与配置,兼顾电力物资在日常使用过程中进行物资的补充和收发。本发明实施例根据采集的历史数据,结合电力系统特点使用K-means聚类算法实现对物资的使用频次、数量、周期、成套性状况进行分析和测算,达到对作业人员、自动化装备、机器人规划和优化库位设计、行走路径、备配基数、运行备件的库存数量、维护消耗的保养制度,进行精确化设计,从而达到运营效能和运行成本与时间的最佳产出的目的。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1是本发明实施例一提供的方法的流程图;
图2是本发明实施例一提供的系统的原理框图;
图3是本发明实施例二提供的系统的原理框图。
具体实施方式
下面将结合本申请实施例中的附图,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。基于本申请中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本申请保护的范围。
在本发明实施例中,电力物资按照库存进出计量的基本单元划分为若干SKU(Stock Keeping Unit),所述一种电力物资是指具有同一SKU标识信息的单品物资,可以以件,盒,托盘等为单位。在电力物资仓库管理系统中存储有每一种电力物资的标识信息,该标识信息唯一的对应一个SKU。
另外,本发明实施例中的K-means聚类算法的具体算法过程是:1)从包含M个质点的多维空间中选取K个点作为初始形心;2)遍历M个质点的,计算每个质点到分别到K个形心的距离,选择与其距离最近的形心,并将该质点标记为属于该形心的簇,从而得到K个簇;3)重新计算每个簇包含的全部质点的形心;4)迭代2至3步,直到第N次迭代后,形成的K个形心满足稳定条件。第2步中的距离是欧式距离或者曼哈顿距离,欧式距离的计算公式是:,式中d(x,y)为x点到y点的距离,n为多维空间的维度,xi为x点在第i维的坐标,yi为y点在第i维的坐标,曼哈顿距离的计算公式是,式中d(x,y)为x点到y点的距离,n为多维空间的维度,xi为x点在第i维的坐标,yi为y点在第i维的坐标。
应当注意的是,上述K-means聚类算法不必约束描述多维空间的坐标系中各坐标轴的量纲,例如,实际运算中,任一坐标轴单位为m、cm或mm,不影响最终聚类结果。
实施例一
如图1所示,本实施例首先提供了一种电力物资聚类信息处理方法,该方法可以包括以下步骤:
S110:提取并记录第一用户实施电力物资作业时的特征信息,所述特征信息包含电力物资的标识信息和作业特征量。
需要说明的是,由于本方法应用于电力物资仓库管理系统,该系统中实施电力物资作业的用户与为更新电力物资当前聚类信息发出的请求的用户不一定是相同的程序单元或者相同的操作员身份,因此为便于区分,将实施电力物资作业的用户称为第一用户,将提出所述请求的用户称为第二用户。具体实现中,第一用户并不局限于某一固定主体,可以是任意实施电力物资作业的主体,这些主体都称为第一用户。
具体实现时,电力物资作业一般是电力物资的入库作业或者出库作业,仓库管理系统对每一次的入库作业和出库作业生成入库记录和出库记录,在一种实现情况下,入库记录包含的字段以及各自的含义可以如表1所示:
表1
字段 | 类型 | 描述 | 主键 |
Id | Long | 主键 | Y |
Itemid | Long | 电力物资id | N |
Skuid | Long | 电力物资所属sku | N |
EntryTIme | Datatime | 入库时间 | N |
Quantity | Int | 入库数量 | N |
Storageid | Long | 存放库位id | N |
Operatorid | Long | 操作员id | N |
Shipperid | Long | 发货方id | N |
在一种实现情况下,出库记录包含的字段以及各自的含义可以如表2所示:
表2
字段 | 类型 | 描述 | 主键 |
Id | Long | 主键 | Y |
Itemid | Long | 电力物资id | N |
Skuid | Long | 电力物资所属sku | N |
DeliveryTIme | Datatime | 出库时间 | N |
Quantity | Int | 出库数量 | N |
Storageid | Long | 存放库位id | N |
Operatorid | Long | 操作员id | N |
Receiverid | Long | 收货方 | N |
仓库管理系统中还维护有电力物资的SKU记录,SKU记录中包含每类电力物资的如包装长度、宽度、高度、重量以及备品等特征信息,在一种实现情况下,SKU记录包含的字段以及各自的含义可以如表3所示:
表3
字段 | 类型 | 描述 | 主键 |
Skuid | Long | 主键 | Y |
Name | String | 电力物资名称 | N |
Length | Float | 包装长度 | N |
Width | Float | 包装宽度 | N |
Height | Float | 包装高度 | N |
Weight | Float | 包装重量 | N |
Reserveid | Long | 备品id | N |
Categoryid | Long | 类别id | N |
具体实现时,通过读取上述入库记录、出库记录和SKU记录,可以得到任意一种电力物资在具体时间段的至少以下特征信息:该类电力物资的SKU以及与其对应的类别id、包装长度、包装宽度、包装高度、包装重量、备品id、平均在库时间、平均在库数量。例如,某指定电力物资的在8、9两月的作业特征量记录中,包装长度为18cm,包装宽度为19cm,包装高度为17cm,包装重量为20kg,平均在库时间为25.2天,平均在库数量为1456.5件,同时还包括类别id和备品id。该记录可以表示为如下形式:
Skuid,类别id, 18,19,17,20,备品id,25.2,1456.5
在实际应用中,一条作业特征量记录还可以包含其他字段,但应当注意的是,每条作业特征量记录唯一的与Skuid对应,且每条作业特征量记录的同一字段必须为量纲相同的数值。
S120:接收第二用户为更新电力物资当前聚类信息发出的请求,所述聚类信息包含电力物资的标识信息与分类的标识信息之间的对应关系。
需要说明的是,电力物资仓库管理系统中存储有电力物资聚类信息,该聚类信息不同于常规分类,仅用于通过K-means聚类算法进行聚类,在一种实现情况下,聚类信息包含的字段以及各自的含义可以如表4所示:
表4
字段 | 类型 | 描述 | 主键 |
Skuid | Long | Skuid | Y |
Kmeansid | Long | 聚类分类id | N |
S130:通过以下方式对所述聚类信息进行更新存储:以一种所述作业特征量作为空间的一个维度设立多维空间,以每种电力物资的作业特征量为坐标创建该电力物资在所述多维空间中的质点位置,以当前聚类信息的方式构建第一簇模型,通过基于上述条件的K-means聚类算法输出第二簇模型,并使用第二簇模型对应的聚类信息替代当前聚类信息。
具体实现时,可以依据以下步骤实现:1)根据S101中设定的作业特征量的数量设置多维空间的维度数,在一种实现情况下,根据S101中配置好的程序单元记录的特征信息,系统中的共包含M种电力物资,对应M个SKU,对每个SKU都具有与其对应的类别id、包装长度、包装宽度、包装高度、包装重量、备品id、平均在库时间以及平均在库数量等共L个作业特征量,则构建的多维空间的维度为L,具有L个互相正交的坐标轴,则特征信息中的每条作业特征量记录根据每个作业特征量字段的数值都对应一个在所属多维空间中具有唯一位置的质点,质点在每个坐标轴的映射都无量纲,且一共有M个质点;2)根据S102中所述的当前聚类信息获取每个分类对应的簇,所有的簇构成第一簇模型,假设该模型中一共包含了K个簇,则所述M个质点都唯一的属于K个簇中的一个,在第一种实现情况下,可以计算K个簇中每个簇的形心,并以该形心作为K-means聚类算法的初始形心,在第二种实现情况下,可以选择每个簇中一个具体的质点作为K-means聚类算法的初始形心,该质点可以由系统外部设定,在第三种实现情况下,可以指定任意K个不予所述质点重合的点作为K-means聚类算法的初始形心;3)使用K-means聚类算法对第一簇模型进行迭代运算,并得到第二簇模型,以步骤1和2中的实现情况代入为例,第二簇模型中M个质点与第一模型M个质点的位置一致,并仍被分为K个簇,但每个簇所包含的质点可能发生变化,将第二簇模型的K个簇编号为不重复的整数c1,c2…ck,M个质点分别对应标识信息为sku1,sku2…skum的电力物资,则存在形如skui∈cj(i∈M,j∈K)的一系列对应关系,这种对应关系即为第二簇模型对应的聚类信息,使用该聚类信息替代当前聚类信息,及完成聚类信息的更新存储。
具体实施时,本实施例K-means聚类算法的判断迭代后各个簇形心的稳定条件即为K-means聚类算法结束迭代并输出的条件,在一种实现情况下,所述稳定条件为“第N次迭代后,每个簇的形心与第N-1次迭代后该簇的形心比较,距离均小于同一预设值”,在迭代中满足该条件后,以第N次迭代后的簇模型输出。
与本实施例提供的电力物资聚类信息处理方法相对应,本实施例还提供了一种电力物资聚类信息处理系统,其包含于电力物资管理系统,如图2所示,该系统可以包括:
聚类信息读写单元301,用于读取和写入电力物资当前聚类信息,所述聚类信息包含电力物资的标识信息与分类的标识信息之间的对应关系;
作业信息存储单元302,用于记录第一用户实施电力物资作业时的作业数据;
特征信息提取单元303,用于从所述作业数据提取特征信息,所述特征信息包含电力物资的标识信息和作业特征量;
更新请求接收单元304,用于接收第二用户为更新电力物资当前聚类信息发出的请求;
聚类信息更新单元305,用于根据更新请求接收单元的调用要求通过以下方式计算新的聚类信息:使用特征信息提取单元提取每个电力物资的作业特征量,以一种所述作业特征量作为空间的一个维度设立多维空间,以每种电力物资的作业特征量为坐标创建该电力物资在所述多维空间中的质点位置,以通过聚类信息读写单元读取的当前聚类信息构建第一簇模型,通过基于上述条件的K-means聚类算法输出第二簇模型,并生成第二簇模型对应的聚类信息,通过聚类信息读写单元使用该聚类信息替代当前聚类信息;
需要说明的是,作业信息存储单元302可以是诸如入库信息存储单元、出库信息存储单元等常规仓库信息存储单元的组合,所述的第一用户实施电力物资作业时的作业数据可以来自于向电力物资仓库管理发送电力物资作业指令的国网ERP系统。
具体实施中,第二用户为仓库操作员,在做季度性盘点后或者大批量入库前,可手动向更新请求接收单元304发出所述请求,触发聚类信息更新单元305更新聚类信息。
所述聚类信息更新单元使用的K-means聚类算法的输出条件为:第N次迭代后,每个簇的形心与第N-1次迭代后该簇的形心比较,距离均小于同一预设值时,以第N次迭代后的簇模型输出。
实施例二
如图2所示,本实施例首先提供了一种电力物资聚类信息处理方法,该方法与实施例一中提供的方法区别在于,本实施例中K-means聚类算法的稳定条件为:第N次迭代后,每个簇的形心的误差平方和均大于或等于第N-1次迭代后该簇的形心的误差平方和时,以第N-1次迭代后的簇模型输出,误差平方和即簇内所有点到形心的距离之和。
需要说明的是,在本实施例中,更新质点所属簇时所提及的距离和计算上述误差平方和所提及的距离同为欧氏距离或者同为曼哈顿距离。
与本实施例提供的电力物资聚类信息处理方法相对应,本实施例还提供了一种电力物资聚类信息处理系统,如图3所示,包括:
聚类信息读写单元401,用于读取和写入电力物资当前聚类信息,所述聚类信息包含电力物资的标识信息与分类的标识信息之间的对应关系;
作业信息存储单元402,用于记录第一用户实施电力物资作业时的作业数据;
特征信息提取单元403,用于从所述作业数据提取特征信息,所述特征信息包含电力物资的标识信息和作业特征量;
更新请求接收单元404,用于接收第二用户为更新电力物资当前聚类信息发出的请求;
聚类信息更新单元405,用于根据更新请求接收单元的调用要求通过以下方式计算新的聚类信息:使用特征信息提取单元提取每个电力物资的作业特征量,以一种所述作业特征量作为空间的一个维度设立多维空间,以每种电力物资的作业特征量为坐标创建该电力物资在所述多维空间中的质点位置,以通过聚类信息读写单元读取的当前聚类信息构建第一簇模型,通过基于上述条件的K-means聚类算法输出第二簇模型,并生成第二簇模型对应的聚类信息,通过聚类信息读写单元使用该聚类信息替代当前聚类信息;
还包括,库存监视单元406,用于作为第二用户向更新请求接收单元404发出所述请求。
具体实施中,库存监视单元406可监视仓库库存变化,并配置有更新聚类信息的触发条件,在第一种实现情况下,库存监视单元406配置为每隔一个固定的时间周期性的发送一次请求,在第二种实现情况下,库存监视单元406配置为存在大批电力物资出库后,或者监测到国网ERP系统中的需求计划判断有大批电力物资将要入库时。
所述聚类信息更新单元使用的K-means聚类算法的输出条件为:第N次迭代后,每个簇的形心与第N-1次迭代后该簇的形心比较,距离均小于同一预设值时,以第N次迭代后的簇模型输出。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请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,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上对本申请所提供的电力物资聚类信息处理方法及系统,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本申请的限制。
Claims (7)
1.一种电力物资聚类信息处理方法,其特征在于,包括:
提取并记录第一用户实施电力物资作业时的特征信息,所述特征信息包含电力物资的标识信息和作业特征量;
接收第二用户为更新电力物资当前聚类信息发出的请求,所述聚类信息包含电力物资的标识信息与分类的标识信息之间的对应关系;
通过以下方式对所述聚类信息进行更新存储:以一种所述作业特征量作为空间的一个维度设立多维空间,以每种电力物资的作业特征量为坐标创建该电力物资在所述多维空间中的质点位置,以当前聚类信息的方式构建第一簇模型,通过基于上述条件的K-means聚类算法输出第二簇模型,并使用第二簇模型对应的聚类信息替代当前聚类信息。
2.根据权利要求1所述的方法,其特征在于,所述K-means聚类算法的输出条件为:第N次迭代后,每个簇的形心与第N-1次迭代后该簇的形心比较,距离均小于同一预设值时,以第N次迭代后的簇模型输出;或者,第N次迭代后,每个簇的形心的误差平方和均大于或等于第N-1次迭代后该簇的形心的误差平方和时,以第N-1次迭代后的簇模型输出。
3.根据权利要求1或2所述的方法,其特征在于:所述K-means聚类算法更新质点位置所属簇时所依据的距离为欧式距离或者曼哈顿距离。
4.一种电力物资聚类信息处理系统,其特征在于,包括:
聚类信息读写单元,用于读取和写入电力物资当前聚类信息,所述聚类信息包含电力物资的标识信息与分类的标识信息之间的对应关系;
作业信息存储单元,用于记录第一用户实施电力物资作业时的作业数据;
特征信息提取单元,用于从所述作业数据提取特征信息,所述特征信息包含电力物资的标识信息和作业特征量;
更新请求接收单元,用于接收第二用户为更新电力物资当前聚类信息发出的请求;
聚类信息更新单元,用于根据更新请求接收单元的调用要求通过以下方式计算新的聚类信息:使用特征信息提取单元提取每个电力物资的作业特征量,以一种所述作业特征量作为空间的一个维度设立多维空间,以每种电力物资的作业特征量为坐标创建该电力物资在所述多维空间中的质点位置,以通过聚类信息读写单元读取的当前聚类信息构建第一簇模型,通过基于上述条件的K-means聚类算法输出第二簇模型,并生成第二簇模型对应的聚类信息,通过聚类信息读写单元使用该聚类信息替代当前聚类信息。
5.根据权利要求4所述的系统,其特征在于,所述聚类信息更新单元使用的K-means聚类算法的输出条件为:第N次迭代后,每个簇的形心与第N-1次迭代后该簇的形心比较,距离均小于同一预设值时,以第N次迭代后的簇模型输出;或者,第N次迭代后,每个簇的形心的误差平方和均大于或等于第N-1次迭代后该簇的形心的误差平方和时,以第N-1次迭代后的簇模型输出.。
6.根据权利要求4或5所述的系统,其特征在于:所述聚类信息更新单元使用的K-means聚类算法更新质点位置所属簇所依据的距离为欧式距离或者曼哈顿距离。
7.根据权利要求6所述的系统,其特征在于:所述第二用户为库存监视单元,用于根据设定的库存变化条件发出所述请求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810951322.2A CN109241200A (zh) | 2018-08-21 | 2018-08-21 | 电力物资聚类信息处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810951322.2A CN109241200A (zh) | 2018-08-21 | 2018-08-21 | 电力物资聚类信息处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109241200A true CN109241200A (zh) | 2019-01-18 |
Family
ID=65071191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810951322.2A Pending CN109241200A (zh) | 2018-08-21 | 2018-08-21 | 电力物资聚类信息处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109241200A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757611A (zh) * | 2023-08-18 | 2023-09-15 | 成都秦川物联网科技股份有限公司 | 智能仓储工业物联网系统及控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455534A (zh) * | 2013-04-28 | 2013-12-18 | 北界创想(北京)软件有限公司 | 对文档进行聚类的方法和装置 |
CN104239324A (zh) * | 2013-06-17 | 2014-12-24 | 阿里巴巴集团控股有限公司 | 一种基于用户行为的特征提取、个性化推荐的方法和系统 |
CN105373804A (zh) * | 2015-09-29 | 2016-03-02 | 北京深视科技有限公司 | 一种基于多维空间快速聚类的人体部位定位方法与系统 |
CN105447521A (zh) * | 2015-11-25 | 2016-03-30 | 大连理工大学 | 一种K-means聚类的初值选择方法 |
CN106815551A (zh) * | 2016-12-08 | 2017-06-09 | 新疆农业大学 | 一种森林资源管理的变异函数参数拟合的优化方法 |
CN106951927A (zh) * | 2017-04-01 | 2017-07-14 | 合肥工业大学 | 基于材力形心法选取中心点的K‑means聚类优化方法和装置 |
-
2018
- 2018-08-21 CN CN201810951322.2A patent/CN109241200A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455534A (zh) * | 2013-04-28 | 2013-12-18 | 北界创想(北京)软件有限公司 | 对文档进行聚类的方法和装置 |
CN104239324A (zh) * | 2013-06-17 | 2014-12-24 | 阿里巴巴集团控股有限公司 | 一种基于用户行为的特征提取、个性化推荐的方法和系统 |
CN105373804A (zh) * | 2015-09-29 | 2016-03-02 | 北京深视科技有限公司 | 一种基于多维空间快速聚类的人体部位定位方法与系统 |
CN105447521A (zh) * | 2015-11-25 | 2016-03-30 | 大连理工大学 | 一种K-means聚类的初值选择方法 |
CN106815551A (zh) * | 2016-12-08 | 2017-06-09 | 新疆农业大学 | 一种森林资源管理的变异函数参数拟合的优化方法 |
CN106951927A (zh) * | 2017-04-01 | 2017-07-14 | 合肥工业大学 | 基于材力形心法选取中心点的K‑means聚类优化方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757611A (zh) * | 2023-08-18 | 2023-09-15 | 成都秦川物联网科技股份有限公司 | 智能仓储工业物联网系统及控制方法 |
CN116757611B (zh) * | 2023-08-18 | 2023-10-31 | 成都秦川物联网科技股份有限公司 | 智能仓储工业物联网系统及控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chan et al. | Improving the productivity of order picking of a manual-pick and multi-level rack distribution warehouse through the implementation of class-based storage | |
Lim et al. | Agility and proximity considerations in supply chain design | |
CN103927643B (zh) | 一种大规模订单处理与配送路径优化的方法 | |
Tsao et al. | A supply chain network design considering transportation cost discounts | |
WO2005059784A1 (en) | Data processing system and method | |
Pinto et al. | An approach for the solution to order batching and sequencing in picking systems | |
Saber et al. | Nonlinear goal programming theory and practice: A survey | |
CN106228263A (zh) | 基于大数据的物流信息化方法 | |
CN108520471A (zh) | 重叠社区发现方法、装置、设备及存储介质 | |
CN102298737A (zh) | 面向客户承诺的订单管理系统和订单管理方法 | |
Aqidawati et al. | The integration of production-distribution on newspapers supply chain for cost minimization using analytic models: Case study | |
CN109768540A (zh) | 基于大数据分析的配电网停电优化排期方法 | |
Pinto et al. | Genetic algorithms applied to integration and optimization of billing and picking processes | |
CN109241200A (zh) | 电力物资聚类信息处理方法及系统 | |
CN103984982A (zh) | 一种酒店物料管理系统及其实现方法 | |
CN102708188A (zh) | 一种数据分离的方法及系统 | |
Hamedani et al. | A multi-objective model for locating distribution centers in a supply chain network considering risk and inventory decisions | |
CN106919712A (zh) | 报表的数据统计方法和系统 | |
Kozan | An integrated material handling system for a truck assembly plant | |
Rabbani et al. | A novel approach for solving a capacitated location allocation problem | |
CN109409650A (zh) | 一种企业资源的erp管理系统 | |
CN109522292A (zh) | 基于电网标准统一信息模型的数据处理装置和方法 | |
CN109816292A (zh) | 一种仓储信息库建立方法及系统 | |
Tavakoli et al. | Multi-objective multiple allocation hub location problem with multiple capacity levels considering sustainable development paradigm | |
Sivakumar et al. | Genetic algorithm for inventory levels and routing structure optimization in two stage supply chain |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |
|
RJ01 | Rejection of invention patent application after publication |