CN109840805A - 一种基于正态分布模型的采购价格控制方法及系统 - Google Patents
一种基于正态分布模型的采购价格控制方法及系统 Download PDFInfo
- Publication number
- CN109840805A CN109840805A CN201910066947.5A CN201910066947A CN109840805A CN 109840805 A CN109840805 A CN 109840805A CN 201910066947 A CN201910066947 A CN 201910066947A CN 109840805 A CN109840805 A CN 109840805A
- Authority
- CN
- China
- Prior art keywords
- price
- value
- model
- early warning
- module
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于正态分布模型的采购价格控制方法，使用基于正态分布的数据模型来训练历史采购数据，通过聚类和插值对异常值进行剔除和修正，然后根据模型的偏度和峰度生成相应调整后的统计量作为模型产出，实现对采购的价格进行调整和控制。本发明的方法采用正态分布模型训练历史数据，产出当前采购价格的预警值和熔断值，通过预警值和熔断值来限定本次采购价格的可接受区间，从而达到控制采购价格的目的。
Description
技术领域
本发明涉及采购价格控制技术领域，特别涉及一种基于正态分布模型的采购价格控制方法及系统。
背景技术
企业物资采购成本是企业成本的主要组成部分之一,有效的采购成本管控,对于企业的生存与发展有着重要的意义,物资采购成本中,采购价格的权重值较大,因此对采购价格的有效控制尤为关键。现有的采购价格控制方法一般有三种：
第一种是利用过去的采购经验人为判断，根据过去采购的价格，用人工判断的方法来预估当前采购价格是否合理，从而控制当前的采购价格。这种方法的缺陷在于,当采购的数据量很大的时候，会增加大量的人力和时间成本，导致维护采购价格的成本大大增加。
第二种方法是直接计算采购历史价格的平均值作为当前采购的指导价格，这种方法的缺陷在于受历史采购价格的异常值干扰很大，往往得出的指导价格会有很大波动，用它来指导当前的采购价格会出现准确率过低的情况。
第三种是使用正态分布理论来分析数据的概率分布，根据均值或标准差对价格进行调整，它的准确率相对使用平均值作为指导价格的方法有所提升，但仍不理想，原因是它对数据中的异常值太过敏感，数据中的异常值对生成的均值和标准差有很大影响。
本发明中的价格控制是基于第三种方法，但是对其做了调整和改进：使用基于正态分布的数据模型来训练历史采购数据，通过聚类和插值对异常值进行剔除和修正，然后根据模型的偏度和峰度生成相应调整后的统计量作为模型产出，对采购的价格进行调整和控制，很好的解决了维护成本过高和准确性过低这两个技术缺陷，并且具有更高的可解释性，而且随着数据量的提升，模型的效果也会越来越好。
发明内容
本发明的目的是克服上述背景技术中不足，提供一种基于正态分布模型的采购价格控制方法及系统，采用正态分布模型训练历史数据，产出当前采购价格的预警值和熔断值，通过预警值和熔断值来限定本次采购价格的可接受区间，从而达到控制采购价格的目的。
为了达到上述的技术效果，本发明采取以下技术方案：
一种基于正态分布模型的采购价格控制方法，使用基于正态分布的数据模型来训练历史采购数据，通过聚类和插值对异常值进行剔除和修正，然后根据模型的偏度和峰度生成相应调整后的统计量作为模型产出，实现对采购的价格进行调整和控制。
进一步地，具体包括：
A.使用k-means聚类方法剔除物料历史采购数据中的异常值；具体为对所有物料的历史价格数据进行k-means聚类，生成聚类边界(该步骤可在现有软件程序中实现，此处不再赘述)，然后将在聚类边界之外的异常值剔除掉；
B.使用拉格朗日插值法对物料历史采购数据中缺失值进行填补插值；即对剔除异常值后的数据按照物料进行分组，对每个物料的历史价格拟合拉格朗日曲线，使用拉格朗日插值法对物料的缺失值进行插值填充，将数据的缺失值补充完整；
C.生成正态分布数据模型；因为历史采购价格数据会根据采购月份波动，作为优选，此步骤中按照月份来对历史数据进行分组和训练(生成正态分布数据模型)；
D.对按物料分组后各物料每个月的历史采购数据的分布进行分析，计算模型的偏态系数和峰度系数确定分布的状态，其中，偏态系数和峰度系数的计算通过现有的软件程序等计算工具即可实现，此处不再赘述；
E.根据模型的分布状态确定模型的物料历史价格的预警值和熔断值；
F.通过模型产出的预警值和熔断值对物料当前采购价格进行控制和调整。
进一步地，还包括步骤G：收集物料当天的采购行为数据，且每天对模型进行更新。
进一步地，所述步骤E具体为：
E1.若步骤D中计算出的偏态系数的绝对值较小如绝对值小于3(优选小于1)，且峰度系数的值不小于1且不大于5，则判定该物料历史价格符合正态分布，则计算出该物料历史价格的均值μ和标准差σ(均值μ和标准差σ的计算均是常规的数学计算，为公知常识，此处不再赘述)，并取μ+σ作为该物料的最高预警值价格，取μ-σ作为此物料的最低预警值价格，将μ+2σ作为该物料的最高熔断值价格，将μ-2σ作为该物料的最低熔断值价格；
E2.若步骤D中计算出的偏态系数的绝对值较大如绝对值不小于3(优选不小于1)，且峰度系数的值小于1或大于5，则判定该物料历史价格符合不正态分布，则使用该物料历史价格的四分位数作为物料的预警值，用十分位数作为物料的熔断值，其中，用上四分位数作为最高预警值价格，用下四分位数作为最低预警值价格，且上四分位数大于下四分位数，用上十分位数作为最高熔断值价格，用下十分位数作为最低熔断值价格，且上十分位数大于下十分位数。
具体的，本方法中的分位数是将物料的历史价格数据按由大至小顺序排列后，处于各等分位置的变量值，其中，将历史价格数据分成四等分时，则具有3个分为点，第一个分为点的变量(即靠近最大值的分为点的数)为上四分位数，第三个分为点的变量(即靠近最小值的分为点的数)为下四分位数，同理，将历史价格数据分成十等分时，则具有9个分为点，第一个分为点的变量(即靠近最大值的分为点的数)为十四分位数，第九个分为点的变量(即靠近最小值的分为点的数)为下十分位数。
进一步地，所述步骤F具体为：若物料当前采购价格高于最高预警值价格或低于最低预警值价格，则说明当前采购价格的波动过大，需要特别注意，若当前采购价格在高于最高熔断值价格或低于最低熔断值价格，则直接取消此次采购行为。
同时，本发明还公开了一种基于正态分布模型的采购价格控制系统，包括存储模块、评估模块、数据输入模块、结果输出模块，所述评估模块分别与数据输入模块、存储模块、结果输出模块相连，数据输入模块与存储模块相连；
所述数据输入模块用于向存储模块及评估模块输入物料的实时采购价格或历史采购价格，存储模块用于保存数据输入模块输入的物料价格，评估模块用于根据存储模块内存储的物料历史采购价格建立价格评估模型并从而对当前物料的实时采购价格进行合理性评估，结果输出模块用于向用户输出评估模块的评估结果。
进一步地，所述评估模块根据存储模块内存储的物料历史采购价格建立价格评估模型并从而对当前物料的实时采购价格进行合理性评估时具体是：先使用k-means聚类方法剔除物料历史采购数据中的异常值，再使用拉格朗日插值法对物料历史采购数据中缺失值进行填补插值；对处理过异常值和缺失值后的价格数据进行分析并生成正态分布数据模型；计算模型的偏态系数和峰度系数确定分布的状态；然后根据模型的分布状态确定模型的物料历史价格的预警值和熔断值；最后通过模型产出的预警值和熔断值对物料当前采购价格进行评估。
进一步地，所述评估模块计算出的模型的偏态系数和峰度系数后，若偏态系数的绝对值较小(如绝对值小于3)且峰度系数的值不小于1且不大于5，评估模块判定该物料历史价格符合正态分布，则计算出该物料历史价格的均值μ和标准差σ，并取μ+σ作为该物料的最高预警值价格，取μ-σ作为此物料的最低预警值价格，将μ+2σ作为该物料的最高熔断值价格，将μ-2σ作为该物料的最低熔断值价格；
若计算出的偏态系数的绝对值较大(如绝对值不小于3)或峰度系数的值小于1或大于5，评估模块则判定该物料历史价格符合不正态分布，则使用该物料历史价格的四分位数作为物料的预警值，用十分位数作为物料的熔断值，其中，用上四分位数作为最高预警值价格，用下四分位数作为最低预警值价格，且上四分位数大于下四分位数，用上十分位数作为最高熔断值价格，用下十分位数作为最低熔断值价格，且上十分位数大于下十分位数。
进一步地，所述评估模块得到物料的预警值和熔断值后，即对用户通过数据输入模块输入的当前物料的实时采购价格进行合理性评估，并将评估结果传递至结果输出模块，具体为：若当前物料的实时采购价格高于最高预警值价格或低于最低预警值价格，则向结果输出模块输出当前采购价格的波动过大的提示信息，若当前物料的实时采购价格高于最高熔断值价格或低于最低熔断值价格，则向结果输出模块输出建议取消此次采购行为的提示信息。
进一步地，还包括报警模块，所述报警模块与评估模块相连，在评估模块向输出模块输出建议取消此次采购行为的提示信息时，评估模块同时触发报警模块进行报警。
本发明与现有技术相比，具有以下的有益效果：
本发明的基于正态分布模型的采购价格控制方法及系统，可较好的解决现有的采购价格控制方法中存在的维护成本过高和准确性低这两个技术问题，且相比直接用正态分布的均值和标准差指导价格的方法，本发明中增加了异常值和缺失值处理过程，并且通过偏态系数和峰度系数对预警值和熔断值进行修正，能够产出更加精确和更具有指导意义的与精致和熔断值；
同时，而且本发明的系统还更加易于维护，只需要定期训练模型数据，便能产出准确的预警值和熔断值来对采购行为进行指导，在降低了维护成本的同时又提高了准确性。
附图说明
图1是本发明的一个实施例中对两个物料历史采购价格数据进行k-means聚类分析的示意图。
图2是本发明的一个实施例中对单个物料拉格朗日插值法进行插值的示意图。
图3是本发明的一个实施例中某物料八月采购数据的直方分布图。
具体实施方式
下面结合本发明的实施例对本发明作进一步的阐述和说明。
实施例：
实施例一：
一种基于正态分布模型的采购价格控制方法，使用基于正态分布的数据模型来训练历史采购数据，通过聚类和插值对异常值进行剔除和修正，然后根据模型的偏度和峰度生成相应调整后的统计量作为模型产出，实现对采购的价格进行调整和控制。
具体包括：
A.进行数据的预处理，处理历史采购数据的异常值和缺失值：
历史采购数据会由于录入错误等原因出现异常值和缺失值，这些异常值会对数据分布造成很大的影响，导致最后的结果不准确，所以首先需要对异常值进行剔除，本实施例中具体是使用k-means聚类方法剔除物料历史采购数据中的异常值；具体为对所有物料的历史价格数据进行k-means聚类，生成聚类边界(该步骤可在现有软件程序中实现，此处不再赘述)，然后将在聚类边界之外的异常值剔除掉。
如附图1中为本实施例对两种物料历史采购价格数据进行k-means聚类分析，从图中可以看出数据被明显分为两类，在分类边界之外的点即为采购数据的异常值。
B.使用拉格朗日插值法对物料历史采购数据中缺失值进行填补插值；
本实施例中，对剔除异常值后的数据按照物料进行分组，对每个物料的历史价格拟合拉格朗日曲线，使用拉格朗日插值法对物料的缺失值进行插值填充，将数据的缺失值补充完整；如图2所示是本实施例中对单个物料拉格朗日插值法进行插值，图中的曲线为拟合的曲线，图中的点为插值的点
C.生成正态分布数据模型；因为历史采购价格数据会根据采购月份波动，作为优选，本实施例中按照月份来对历史数据进行分组和训练(生成正态分布数据模型)。
D.对按物料分组后各物料每个月的历史采购数据的分布进行分析，计算模型的偏态系数和峰度系数确定分布的状态，其中，偏态系数和峰度系数的计算通过现有的软件程序等计算工具即可实现，此处不再赘述。
如图3所示，为本实施例中建立的某一物料的8月的采购价格的分布直方图，计算当前分布的偏态系数和峰度系数，当分布偏态系数的绝对值|S|<1且峰度系数1<K<5，则判定该分布符合正态分布并计算出分布的均值μ和标准差σ，否则，判定该分布不符合正态分布。
本实施例中，经过计算得出本实施例中的物料的历史采购价格的偏度系数为-0.16，峰度系数为4.37，则其历史采购价格分布符合正态分布，则进一步计算出采购价格的均值μ为11.9，标准差σ为0.4。
E.根据模型的分布状态确定模型的物料历史价格的预警值和熔断值；具体为：
E1.若步骤D中计算出的偏态系数的绝对值较小如绝对值小于3(优选小于1)，且峰度系数的值不小于1且不大于5，则判定该物料历史价格符合正态分布，则计算出该物料历史价格的均值μ和标准差σ(均值μ和标准差σ的计算均是常规的数学计算，为公知常识，此处不再赘述)，并取μ+σ作为该物料的最高预警值价格，取μ-σ作为此物料的最低预警值价格，将μ+2σ作为该物料的最高熔断值价格，将μ-2σ作为该物料的最低熔断值价格；
E2.若步骤D中计算出的偏态系数的绝对值较大如绝对值不小于3(优选不小于1)，且峰度系数的值小于1或大于5，则判定该物料历史价格符合不正态分布，则使用该物料历史价格的四分位数作为物料的预警值，用十分位数作为物料的熔断值，其中，用上四分位数作为最高预警值价格，用下四分位数作为最低预警值价格，且上四分位数大于下四分位数，用上十分位数作为最高熔断值价格，用下十分位数作为最低熔断值价格，且上十分位数大于下十分位数。
本实施例中，物料的历史价格分布符合正态分布，且计算得出该物料8月采购价格的预警值为(11.5,12.3)，熔断值为(11.1,12.7)，其中，最高预警值价格为12.3，最低预警值价格为11.2，最高熔断值价格为12.7，最低熔断值价格为11.1.
F.通过模型产出的预警值和熔断值对物料当前采购价格进行控制和调整，具体为：若物料当前采购价格高于最高预警值价格或低于最低预警值价格，则说明当前采购价格的波动过大，需要特别注意，若当前采购价格在高于最高熔断值价格或低于最低熔断值价格，则直接取消此次采购行为。
G.收集物料当天的采购行为数据，且每天对模型进行更新，每天定时对模型进行训练，在每次进行新的采购行为之前，先与当月对应的模型训练出的熔断值和预警值进行对比，如果当前的采购价格在预警值之外，则发出预警警报，如果在熔断值之外，则直接取消此次采购行为。
实施例二
一种基于正态分布模型的采购价格控制系统，包括存储模块、评估模块、数据输入模块、结果输出模块，所述评估模块分别与数据输入模块、存储模块、结果输出模块相连，数据输入模块与存储模块相连；
所述数据输入模块用于向存储模块及评估模块输入物料的实时采购价格或历史采购价格，存储模块用于保存数据输入模块输入的物料价格，评估模块用于根据存储模块内存储的物料历史采购价格建立价格评估模型并从而对当前物料的实时采购价格进行合理性评估，结果输出模块用于向用户输出评估模块的评估结果。
所述评估模块根据存储模块内存储的物料历史采购价格建立价格评估模型并从而对当前物料的实时采购价格进行合理性评估时具体是：先使用k-means聚类方法剔除物料历史采购数据中的异常值，再使用拉格朗日插值法对物料历史采购数据中缺失值进行填补插值；对处理过异常值和缺失值后的价格数据进行分析并生成正态分布数据模型；计算模型的偏态系数和峰度系数确定分布的状态；然后根据模型的分布状态确定模型的物料历史价格的预警值和熔断值；最后通过模型产出的预警值和熔断值对物料当前采购价格进行评估。
具体的，所述评估模块计算出的模型的偏态系数和峰度系数后，若偏态系数的绝对值较小(如绝对值小于3)且峰度系数的值不小于1且不大于5，评估模块判定该物料历史价格符合正态分布，则计算出该物料历史价格的均值μ和标准差σ，并取μ+σ作为该物料的最高预警值价格，取μ-σ作为此物料的最低预警值价格，将μ+2σ作为该物料的最高熔断值价格，将μ-2σ作为该物料的最低熔断值价格；
若计算出的偏态系数的绝对值较大(如绝对值不小于3)或峰度系数的值小于1或大于5，评估模块则判定该物料历史价格符合不正态分布，则使用该物料历史价格的四分位数作为物料的预警值，用十分位数作为物料的熔断值，其中，用上四分位数作为最高预警值价格，用下四分位数作为最低预警值价格，且上四分位数大于下四分位数，用上十分位数作为最高熔断值价格，用下十分位数作为最低熔断值价格，且上十分位数大于下十分位数。
具体的，所述评估模块得到物料的预警值和熔断值后，即对用户通过数据输入模块输入的当前物料的实时采购价格进行合理性评估，并将评估结果传递至结果输出模块，具体为：若当前物料的实时采购价格高于最高预警值价格或低于最低预警值价格，则向结果输出模块输出当前采购价格的波动过大的提示信息，若当前物料的实时采购价格高于最高熔断值价格或低于最低熔断值价格，则向结果输出模块输出建议取消此次采购行为的提示信息。
作为优选，该基于正态分布模型的采购价格控制系统还包括报警模块，所述报警模块与评估模块相连，在评估模块向输出模块输出建议取消此次采购行为的提示信息时，评估模块同时触发报警模块进行报警。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种基于正态分布模型的采购价格控制方法，其特征在于，使用基于正态分布的数据模型来训练历史采购数据，通过聚类和插值对异常值进行剔除和修正，然后根据模型的偏度和峰度生成相应调整后的统计量作为模型产出，实现对采购的价格进行调整和控制。
2.根据权利要求1所述的一种基于正态分布模型的采购价格控制方法，其特征在于，具体包括：
A.使用k-means聚类方法剔除物料历史采购数据中的异常值；
B.使用拉格朗日插值法对物料历史采购数据中缺失值进行填补插值；
C.生成正态分布数据模型；
D.计算模型的偏态系数和峰度系数确定分布的状态；
E.根据模型的分布状态确定模型的物料历史价格的预警值和熔断值；
F.通过模型产出的预警值和熔断值对物料当前采购价格进行控制和调整。
3.根据权利要求2所述的一种基于正态分布模型的采购价格控制方法，其特征在于，还包括步骤G：收集物料当天的采购行为数据，且每天对模型进行更新。
4.根据权利要求2或3所述的一种基于正态分布模型的采购价格控制方法，其特征在于，所述步骤E具体为：
E1.若步骤D中计算出的偏态系数的绝对值小于3峰度系数的值不小于1且不大于5，则判定该物料历史价格数据符合正态分布，则计算出该物料历史价格的均值μ和标准差σ，并取μ+σ作为该物料的最高预警值价格，取μ-σ作为此物料的最低预警值价格，将μ+2σ作为该物料的最高熔断值价格，将μ-2σ作为该物料的最低熔断值价格；
E2.若步骤D中计算出的偏态系数的绝对值不小于3或峰度系数的值小于1或大于5，则判定该物料历史价格符合不正态分布，则使用该物料历史价格的四分位数作为物料的预警值，用十分位数作为物料的熔断值，其中，用上四分位数作为最高预警值价格，用下四分位数作为最低预警值价格，且上四分位数大于下四分位数，用上十分位数作为最高熔断值价格，用下十分位数作为最低熔断值价格，且上十分位数大于下十分位数。
5.根据权利要求4所述的一种基于正态分布模型的采购价格控制方法，其特征在于，所述步骤F具体为：若物料当前采购价格高于最高预警值价格或低于最低预警值价格，则说明当前采购价格的波动过大，需要特别注意，若当前采购价格在高于最高熔断值价格或低于最低熔断值价格，则直接取消此次采购行为。
6.一种基于正态分布模型的采购价格控制系统，其特征在于，包括存储模块、评估模块、数据输入模块、结果输出模块，所述评估模块分别与数据输入模块、存储模块、结果输出模块相连，数据输入模块与存储模块相连；
所述数据输入模块用于向存储模块及评估模块输入物料的实时采购价格或历史采购价格，存储模块用于保存数据输入模块输入的物料价格，评估模块用于根据存储模块内存储的物料历史采购价格建立价格评估模型并从而对当前物料的实时采购价格进行合理性评估，结果输出模块用于向用户输出评估模块的评估结果。
7.根据权利要求6所述的一种基于正态分布模型的采购价格控制系统，其特征在于，所述评估模块根据存储模块内存储的物料历史采购价格建立价格评估模型并从而对当前物料的实时采购价格进行合理性评估时具体是：先使用k-means聚类方法剔除物料历史采购数据中的异常值，再使用拉格朗日插值法对物料历史采购数据中缺失值进行填补插值；对处理过异常值和缺失值后的价格数据进行分析并生成正态分布数据模型；计算模型的偏态系数和峰度系数确定分布的状态；然后根据模型的分布状态确定模型的物料历史价格的预警值和熔断值；最后通过模型产出的预警值和熔断值对物料当前采购价格进行评估。
8.根据权利要求7所述的一种基于正态分布模型的采购价格控制系统，其特征在于，所述评估模块计算出的模型的偏态系数和峰度系数后，若偏态系数的绝对值小于3且峰度系数的值不小于1且不大于5，评估模块判定该物料历史价格符合正态分布，则计算出该物料历史价格的均值μ和标准差σ，并取μ+σ作为该物料的最高预警值价格，取μ-σ作为此物料的最低预警值价格，将μ+2σ作为该物料的最高熔断值价格，将μ-2σ作为该物料的最低熔断值价格；
若计算出的偏态系数的绝对值不小于3或峰度系数的值小于1或大于5，评估模块则判定该物料历史价格符合不正态分布，则使用该物料历史价格的四分位数作为物料的预警值，用十分位数作为物料的熔断值，其中，用上四分位数作为最高预警值价格，用下四分位数作为最低预警值价格，且上四分位数大于下四分位数，用上十分位数作为最高熔断值价格，用下十分位数作为最低熔断值价格，且上十分位数大于下十分位数。
9.根据权利要求8所述的一种基于正态分布模型的采购价格控制系统，其特征在于，所述评估模块得到物料的预警值和熔断值后，即对用户通过数据输入模块输入的当前物料的实时采购价格进行合理性评估，并将评估结果传递至结果输出模块，具体为：若当前物料的实时采购价格高于最高预警值价格或低于最低预警值价格，则向结果输出模块输出当前采购价格的波动过大的提示信息，若当前物料的实时采购价格高于最高熔断值价格或低于最低熔断值价格，则向结果输出模块输出建议取消此次采购行为的提示信息。
10.根据权利要求8所述的一种基于正态分布模型的采购价格控制系统，其特征在于，还包括报警模块，所述报警模块与评估模块相连，在评估模块向输出模块输出建议取消此次采购行为的提示信息时，评估模块同时触发报警模块进行报警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910066947.5A CN109840805A (zh) | 2019-01-24 | 2019-01-24 | 一种基于正态分布模型的采购价格控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910066947.5A CN109840805A (zh) | 2019-01-24 | 2019-01-24 | 一种基于正态分布模型的采购价格控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109840805A true CN109840805A (zh) | 2019-06-04 |
Family
ID=66884063
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910066947.5A Pending CN109840805A (zh) | 2019-01-24 | 2019-01-24 | 一种基于正态分布模型的采购价格控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109840805A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110838040A (zh) * | 2019-10-11 | 2020-02-25 | 苏宁云计算有限公司 | 价格数据监控方法、装置、计算机设备和存储介质 |
| CN110866043A (zh) * | 2019-10-12 | 2020-03-06 | 上海上湖信息技术有限公司 | 数据预处理方法及装置、存储介质、终端 |
| CN111428927A (zh) * | 2020-03-23 | 2020-07-17 | 中国人民解放军军事科学院军事科学信息研究中心 | 一种基于定界算法的武器装备采购供应商选择方法及装置 |
| CN111737332A (zh) * | 2020-06-24 | 2020-10-02 | 四川长虹电器股份有限公司 | 一种采购比价的嵌入式审计系统及方法 |
| CN112017016A (zh) * | 2019-10-29 | 2020-12-01 | 河南拓普计算机网络工程有限公司 | 招投标公告中标金额清洗方法 |
| CN112241512A (zh) * | 2020-10-15 | 2021-01-19 | 四川长虹电器股份有限公司 | 提升审计精度的方法及系统 |
| CN112488751A (zh) * | 2020-11-28 | 2021-03-12 | 广东电网有限责任公司 | 基于偏离度的预算偏离预警方法、装置、终端、存储介质 |
| CN112598446A (zh) * | 2020-12-28 | 2021-04-02 | 深圳壹账通创配科技有限公司 | 配件定价方法、系统、设备及存储介质 |
-
2019
- 2019-01-24 CN CN201910066947.5A patent/CN109840805A/zh active Pending
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110838040A (zh) * | 2019-10-11 | 2020-02-25 | 苏宁云计算有限公司 | 价格数据监控方法、装置、计算机设备和存储介质 |
| CN110866043A (zh) * | 2019-10-12 | 2020-03-06 | 上海上湖信息技术有限公司 | 数据预处理方法及装置、存储介质、终端 |
| CN112017016A (zh) * | 2019-10-29 | 2020-12-01 | 河南拓普计算机网络工程有限公司 | 招投标公告中标金额清洗方法 |
| CN111428927A (zh) * | 2020-03-23 | 2020-07-17 | 中国人民解放军军事科学院军事科学信息研究中心 | 一种基于定界算法的武器装备采购供应商选择方法及装置 |
| CN111428927B (zh) * | 2020-03-23 | 2023-09-26 | 中国人民解放军军事科学院军事科学信息研究中心 | 一种基于定界算法的武器装备采购供应商选择方法及装置 |
| CN111737332A (zh) * | 2020-06-24 | 2020-10-02 | 四川长虹电器股份有限公司 | 一种采购比价的嵌入式审计系统及方法 |
| CN112241512A (zh) * | 2020-10-15 | 2021-01-19 | 四川长虹电器股份有限公司 | 提升审计精度的方法及系统 |
| CN112488751A (zh) * | 2020-11-28 | 2021-03-12 | 广东电网有限责任公司 | 基于偏离度的预算偏离预警方法、装置、终端、存储介质 |
| CN112598446A (zh) * | 2020-12-28 | 2021-04-02 | 深圳壹账通创配科技有限公司 | 配件定价方法、系统、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109840805A (zh) | 一种基于正态分布模型的采购价格控制方法及系统 | |
| CN107463633A (zh) | 一种基于eemd‑神经网络的实时数据异常值检测方法 | |
| CN103745273B (zh) | 一种半导体制造过程的多性能预测方法 | |
| US20170300546A1 (en) | Method and Apparatus for Data Processing in Data Modeling | |
| CN107124320A (zh) | 流量数据的监控方法、装置及服务器 | |
| CN110427712A (zh) | 一种基于故障影响分析的预防性维修方法及车间制造系统 | |
| CN107944604A (zh) | 一种用于光伏功率预测的天气类型识别方法和装置 | |
| CN111079978B (zh) | 基于逻辑回归和增强学习的煤与瓦斯突出预测的方法 | |
| CN107180367A (zh) | 一种基于机器学习的车辆估价的方法、存储介质及装置 | |
| CN110379522A (zh) | 一种疾病流行趋势预测系统及方法 | |
| CN110179465A (zh) | 机械通气脱机量化评估方法、装置、设备和存储介质 | |
| WO2021007845A1 (zh) | 一种氧化铝生产指标的云-边协同预报系统及方法 | |
| CN110826237B (zh) | 基于贝叶斯信念网络的风电设备可靠性分析方法及装置 | |
| Rosenberg et al. | Precautionary management reference points and management strategies | |
| CN107357764A (zh) | 数据分析方法、电子设备及计算机存储介质 | |
| CN109410502A (zh) | 火灾预警方法及装置 | |
| Li et al. | An enhanced naive Bayes model for dissolved oxygen forecasting in shellfish aquaculture | |
| CN115358301A (zh) | 配电网电压数据清洗平台及其清洗方法 | |
| CN110991640A (zh) | 调料使用量的确定方法、装置和模型优化方法、装置 | |
| JP4299508B2 (ja) | 製造プロセスにおける操業と品質の関連分析装置、関連分析方法及びコンピュータ読み取り可能な記憶媒体 | |
| CN106682773A (zh) | 一种基于模拟退火算法的人机焊接工时预测方法 | |
| CN205786571U (zh) | 一种农产品市场监测系统 | |
| CN112700050A (zh) | 一种光伏电站超短期第1点功率预测方法及系统 | |
| CN116697497A (zh) | 一种通风空调系统控制方法、装置、设备和存储介质 | |
| CN115952465A (zh) | 一种传感器数据异常检测的方法、装置及计算机存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190604 |