CN110276543A - 一种基于互联网供应链管理系统中的数据深挖分析方法 - Google Patents

一种基于互联网供应链管理系统中的数据深挖分析方法 Download PDF

Info

Publication number
CN110276543A
CN110276543A CN201910528360.1A CN201910528360A CN110276543A CN 110276543 A CN110276543 A CN 110276543A CN 201910528360 A CN201910528360 A CN 201910528360A CN 110276543 A CN110276543 A CN 110276543A
Authority
CN
China
Prior art keywords
data
supply
client
analysis
server
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
Application number
CN201910528360.1A
Other languages
English (en)
Inventor
宋如
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.)
Huangshan Qiri Primordial Leaf Biotechnology Consulting Co Ltd
Original Assignee
Huangshan Qiri Primordial Leaf Biotechnology Consulting 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 Huangshan Qiri Primordial Leaf Biotechnology Consulting Co Ltd filed Critical Huangshan Qiri Primordial Leaf Biotechnology Consulting Co Ltd
Priority to CN201910528360.1A priority Critical patent/CN110276543A/zh
Publication of CN110276543A publication Critical patent/CN110276543A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种基于互联网供应链管理系统中的数据深挖分析方法，包括有以下步骤：每隔预设时间段采集服务端的数据库、物理资源管理模块、平台处理模块的第一供应数据；同时每隔相同预设时间段采集客户端的车载客户端、托运方客户端、消费客户端的第一转移数据；确定第一供应数据、第一转移数据是否超出预设阈值，若超出，则将超出预设阈值的第一供应数据、第一转移数据记录并分别作为分析数据，记下数据的采集时间；对所有记录下来的分析数据通过k‑means算法进行聚类，得到服务端、客户端系统对应类别的分析数据，并计算得到特征值；S5，计算特征值；本发明能够有效采集供应链数据，并有效对系统各分类进行有效分析预警。

Description

一种基于互联网供应链管理系统中的数据深挖分析方法
技术领域
本发明涉及数据处理技术领域，具体尤其涉及一种基于互联网供应链管理系统中的数据深挖分析方法。
背景技术
供应链是指商品到达消费者手中之前各相关者的连接或业务的衔接，是围绕核心企业，通过对信息流，物流，资金流的控制，从采购原材料开始，制成中间产品以及最终产品，最后由销售网络把产品送到消费者手中的将供应商，制造商，分销商，零售商，直到最终用户连成一个整体的功能网链结构；现有供应链管理系统中，其信息一般只能在节点处获得更新，所以往往只能针对单一产业环节，存在着数据片面、无大数据等问题，这样就不能有效把握一个系统中的各系统之间的关联紧密性，进而不能对供应链系统进行有效预警分析，造成损失。
发明内容
为解决背景技术中所要解决的技术问题，本发明提出一种基于互联网供应链管理系统中的数据深挖分析方法。
本发明通过如下手段实现：
一种基于互联网供应链管理系统中的数据深挖分析方法，包括有以下步骤：
S1，每隔预设时间段采集服务端的数据库、物理资源管理模块、平台处理模块的第一供应数据；
S2，同时每隔相同预设时间段采集客户端的车载客户端、托运方客户端、消费客户端的第一转移数据；
S3，确定第一供应数据、第一转移数据是否超出预设阈值，若超出，则将超出预设阈值的第一供应数据、第一转移数据记录并分别作为分析数据，记下数据的采集时间；
S4，对所有记录下来的分析数据通过k-means算法进行聚类，得到服务端、客户端系统对应类别的分析数据，并计算得到特征值；
S5，计算特征值：确定服务端、客户端各系统特征值中最大特征值、最小特征值、平均特征值，并计算差值，若(服务端平均特征值/第一供应数据)*差值大于服务端最大特征值，则进行预警，若(客户端平均特征值/第一转移数据)*差值大于客户端最大特征值，则进行预警。
所述服务端的数据库是包括运单管理数据库、分析数据库，分析数据库用于存储运单匹配、金融管理、物流监控、道路监控的基础分析数据。
所述物理资源管理模块用于存储供应链的信息数据。
所述平台处理模块用于将数据库、物理资源管理模块中的数据信息进行整合处理并根据信息数据的类型以大数据算法分析整理。
优选地，所述特征值符合以下要求：
类别总数大于1，则任一类的特征值＝所述任一类对应的分析数据的数量*所述任一类对应的分析数据的标准差*相对应系统的额定采集总量之和/类别总数；
类别总数等于1，则该类的特征值＝所有分析数据的总数量*所有分析数据的标准差*相对应系统的额定采集总量之和*额定系数。
本发明的有益效果是：本发明能够有效采集供应链数据，并有效对系统各分类进行有效分析预警，有效改善整个供应链系统的高效性，可实现各进程的有效监控及对信息的掌控，有效提高了管理效果，并且降低物流成本。
具体实施方式：
为了使本领域的技术人员更好地理解本发明的技术方案，下面结合实施例对本发明作进一步说明：
一种基于互联网供应链管理系统中的数据深挖分析方法，包括有以下步骤：
S1，每隔预设时间段采集服务端的数据库、物理资源管理模块、平台处理模块的第一供应数据；
S2，同时每隔相同预设时间段采集客户端的车载客户端、托运方客户端、消费客户端的第一转移数据；
S3，确定第一供应数据、第一转移数据是否超出预设阈值，若超出，则将超出预设阈值的第一供应数据、第一转移数据记录并分别作为分析数据，记下数据的采集时间；
S4，对所有记录下来的分析数据通过k-means算法进行聚类，得到服务端、客户端系统对应类别的分析数据，并计算得到特征值；
S5，计算特征值：确定服务端、客户端各系统特征值中最大特征值、最小特征值、平均特征值，并计算差值，若(服务端平均特征值/第一供应数据)*差值大于服务端最大特征值，则进行预警，若(客户端平均特征值/第一转移数据)*差值大于客户端最大特征值，则进行预警。
所述服务端的数据库是包括运单管理数据库、分析数据库，分析数据库用于存储运单匹配、金融管理、物流监控、道路监控的基础分析数据。
所述物理资源管理模块用于存储供应链的信息数据。
所述平台处理模块用于将数据库、物理资源管理模块中的数据信息进行整合处理并根据信息数据的类型以大数据算法分析整理。
优选地，所述特征值符合以下要求：
类别总数大于1，则任一类的特征值＝所述任一类对应的分析数据的数量*所述任一类对应的分析数据的标准差*相对应系统的额定采集总量之和/类别总数；
类别总数等于1，则该类的特征值＝所有分析数据的总数量*所有分析数据的标准差*相对应系统的额定采集总量之和*额定系数。
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明范围的情况下，可以用各种不同的方式对所描述的实施例进行修正，上述发明部分步骤为现有技术，但并不妨碍本发明创造性高度，因此，上述描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。
除非另有定义，本文所使用的所有学术和科学术语具有本发明所属技术领域普通技术人员所理解的相同含义。
在相抵触的情况下，以本说明书中的定义为准。
除非另有说明，所有的百分数、份数、比例等都是以重量计。
当给出数值或数值范围、优选范围或一系列下限优选值和上限优选值时，应当理解其具体公开了由任何较小的范围限值或优选值和任何较大的范围限值或优选值的任何一对数值所形成的任何范围，而无论范围是否分别被公开。除非另有说明，在本说明书描述数值范围之处，所述的范围意图包括范围端值和范围内的所有整数和分数。
当术语“约”或“左右”用于描述数值或范围的端值时，所公开的内容应当是包括该具体数值或所涉及的端值。
采用“一”和“一个/种”的用法描述本发明的要素和组分，这只是出于便利和为了给出本发明一般情况。除非另有明显表述，应将该说明理解为包括一个/种或至少一个/种。

Claims (5)

1.一种基于互联网供应链管理系统中的数据深挖分析方法，其特征在于：包括有以下步骤：
S1，每隔预设时间段采集服务端的数据库、物理资源管理模块、平台处理模块的第一供应数据；
S2，同时每隔相同预设时间段采集客户端的车载客户端、托运方客户端、消费客户端的第一转移数据；
S3，确定第一供应数据、第一转移数据是否超出预设阈值，若超出，则将超出预设阈值的第一供应数据、第一转移数据记录并分别作为分析数据，记下数据的采集时间；
S4，对所有记录下来的分析数据通过k-means算法进行聚类，得到服务端、客户端系统对应类别的分析数据，并计算得到特征值；
S5，计算特征值：确定服务端、客户端各系统特征值中最大特征值、最小特征值、平均特征值，并计算差值，若(服务端平均特征值/第一供应数据)*差值大于服务端最大特征值，则进行预警，若(客户端平均特征值/第一转移数据)*差值大于客户端最大特征值，则进行预警。
2.权利要求1所述的一种基于互联网供应链管理系统中的数据深挖分析方法，其特征在于：所述服务端的数据库是包括运单管理数据库、分析数据库，分析数据库用于存储运单匹配、金融管理、物流监控、道路监控的基础分析数据。
3.权利要求1所述的一种基于互联网供应链管理系统中的数据深挖分析方法，其特征在于：所述物理资源管理模块用于存储供应链的信息数据。
4.权利要求1所述的一种基于互联网供应链管理系统中的数据深挖分析方法，其特征在于：所述平台处理模块用于将数据库、物理资源管理模块中的数据信息进行整合处理并根据信息数据的类型以大数据算法分析整理。
5.权利要求1所述的一种基于互联网供应链管理系统中的数据深挖分析方法，其特征在于：所述特征值符合以下要求：
类别总数大于1，则任一类的特征值＝所述任一类对应的分析数据的数量*所述任一类对应的分析数据的标准差*相对应系统的额定采集总量之和/类别总数；
类别总数等于1，则该类的特征值＝所有分析数据的总数量*所有分析数据的标准差*相对应系统的额定采集总量之和*额定系数。
CN201910528360.1A 2019-06-18 2019-06-18 一种基于互联网供应链管理系统中的数据深挖分析方法 Pending CN110276543A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910528360.1A CN110276543A (zh) 2019-06-18 2019-06-18 一种基于互联网供应链管理系统中的数据深挖分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910528360.1A CN110276543A (zh) 2019-06-18 2019-06-18 一种基于互联网供应链管理系统中的数据深挖分析方法

Publications (1)

Publication Number Publication Date
CN110276543A true CN110276543A (zh) 2019-09-24

Family

ID=67960957

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910528360.1A Pending CN110276543A (zh) 2019-06-18 2019-06-18 一种基于互联网供应链管理系统中的数据深挖分析方法

Country Status (1)

Country Link
CN (1) CN110276543A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113505934A (zh) * 2021-07-19 2021-10-15 浙江永迅投资管理有限公司 一种tms智能物流时间管理方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070067503A (ko) * 2005-12-23 2007-06-28 주식회사농심 재고 관리 효율화를 위한 공급망 관리 시스템
US20150046363A1 (en) * 2013-08-07 2015-02-12 Flextronics Ap, Llc Method and Apparatus for Managing, Displaying, Analyzing, Coordinating, and Optimizing Innovation, Engineering, Manufacturing, and Logistics Infrastructures
CN107404658A (zh) * 2016-05-19 2017-11-28 中兴通讯股份有限公司 一种交互式网络电视系统及用户数据实时获取方法
CN108038637A (zh) * 2017-11-30 2018-05-15 云南九通天下信息技术有限公司 基于云平台的物流信息管理系统
CN108053154A (zh) * 2017-11-30 2018-05-18 云南九方联达供应链管理科技有限公司 基于云平台的供应链管理系统
CN109871403A (zh) * 2019-02-26 2019-06-11 扬州制汇互联信息技术有限公司 基于产业供应链的工业大数据分析方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070067503A (ko) * 2005-12-23 2007-06-28 주식회사농심 재고 관리 효율화를 위한 공급망 관리 시스템
US20150046363A1 (en) * 2013-08-07 2015-02-12 Flextronics Ap, Llc Method and Apparatus for Managing, Displaying, Analyzing, Coordinating, and Optimizing Innovation, Engineering, Manufacturing, and Logistics Infrastructures
CN107404658A (zh) * 2016-05-19 2017-11-28 中兴通讯股份有限公司 一种交互式网络电视系统及用户数据实时获取方法
CN108038637A (zh) * 2017-11-30 2018-05-15 云南九通天下信息技术有限公司 基于云平台的物流信息管理系统
CN108053154A (zh) * 2017-11-30 2018-05-18 云南九方联达供应链管理科技有限公司 基于云平台的供应链管理系统
CN109871403A (zh) * 2019-02-26 2019-06-11 扬州制汇互联信息技术有限公司 基于产业供应链的工业大数据分析方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
于昕;王道平;黄哲学;: "基于子空间聚类的供应商分类方法研究", 工业工程, no. 03, 15 May 2007 (2007-05-15) *
杨红云;刘文学;梁磊;: "基于FCM聚类的金属出口加工物流信息数据调度算法", 世界有色金属, no. 09, 1 June 2016 (2016-06-01) *
程曦;: "供应链大数据平台的建设与应用", 电子技术与软件工程, no. 20, 5 November 2018 (2018-11-05) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113505934A (zh) * 2021-07-19 2021-10-15 浙江永迅投资管理有限公司 一种tms智能物流时间管理方法及装置
CN113505934B (zh) * 2021-07-19 2022-06-17 浙江工企信息技术股份有限公司 一种tms智能物流时间管理方法及装置

Similar Documents

Publication Publication Date Title
Wu et al. [Retracted] An Empirical Study on Customer Segmentation by Purchase Behaviors Using a RFM Model and K‐Means Algorithm
Li et al. Return strategy and pricing in a dual-channel supply chain
Keskin et al. Data-driven dynamic pricing and ordering with perishable inventory in a changing environment
Ting et al. Mining logistics data to assure the quality in a sustainable food supply chain: A case in the red wine industry
US7805316B2 (en) Method for assigning retail units to economic markets
CN111210181B (zh) 一种货物流向管控方法及系统
Gustriansyah et al. Single exponential smoothing method to predict sales multiple products
Edalatpour et al. Simultaneous pricing and inventory decisions for substitute and complementary items with nonlinear holding cost
Andrejić et al. Distribution channels selection using PCA-DEA approach
Huiskonen et al. An approach to link customer characteristics to inventory decision making
Chen et al. Optimal policies for the pricing and replenishment of fashion apparel considering the effect of fashion level
CN110276543A (zh) 一种基于互联网供应链管理系统中的数据深挖分析方法
KR102615751B1 (ko) 택배운송정보를 이용한 판매 예측 시스템
Tunacan et al. The impact of information sharing on different performance indicators in a multi-level supply chain
CN113869987A (zh) 一种用于对电商平台的商品价格进行监测的计算机系统
CN112132343B (zh) 一种商品采购预测方法及系统、可读存储介质
CN116433145B (zh) 电商数据监测与订单管理方法及系统
CN111275371B (zh) 数据处理方法、数据处理设备和计算机可读存储介质
CN116523393A (zh) 一种食品安全评价方法
Afshar Sedigh et al. Cost function and optimal boundaries for a two-level inventory system with information sharing and two identical retailers
Keskin A novel perspective to sustainable supplier performance evaluation problem: A case study based on determining the optimum number of clusters
CN116680482A (zh) 一种处理方法、装置及存储介质
CN111242532A (zh) 一种采购管理方法、装置和电子设备
US20070088599A1 (en) Apparatus and method for analyzing new product performance
CN115564498A (zh) 一种基于大数据多维模型经营决策支持系统

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