CN111126652B - 一种酒店尾房智能预测分销系统及方法 - Google Patents

一种酒店尾房智能预测分销系统及方法 Download PDF

Info

Publication number
CN111126652B
CN111126652B CN201811292668.2A CN201811292668A CN111126652B CN 111126652 B CN111126652 B CN 111126652B CN 201811292668 A CN201811292668 A CN 201811292668A CN 111126652 B CN111126652 B CN 111126652B
Authority
CN
China
Prior art keywords
room
library
sales
tail
current
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.)
Active
Application number
CN201811292668.2A
Other languages
English (en)
Other versions
CN111126652A (zh
Inventor
陈明
季勇
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.)
Aiman Information Technology Shanghai Co ltd
Original Assignee
Aiman Information Technology Shanghai 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 Aiman Information Technology Shanghai Co ltd filed Critical Aiman Information Technology Shanghai Co ltd
Priority to CN201811292668.2A priority Critical patent/CN111126652B/zh
Publication of CN111126652A publication Critical patent/CN111126652A/zh
Application granted granted Critical
Publication of CN111126652B publication Critical patent/CN111126652B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • 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
    • G06Q50/10—Services
    • G06Q50/12—Hotels or restaurants

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种酒店尾房智能预测分销方法，所述方法基于预测分销系统，该系统包括用于采集酒店历年客房销售数据并进行分析形成当年各房型空房预测数据的空房分析和预测模块，用于对各房型的尾房销售数据进行计算形成尾房销售库存的尾房销售库生成模块，用于对尾房价格进行计算形成尾房价格库的尾房销售价格计算模块，用于储存酒店历年客房销售数据的客房历年销售库，用于储存酒店当前客房空房量的当前客房空房量库，当年各房型空房预测数据存储在当年空房量预测库，尾房销售库存存储在尾房销售库，尾房价格库存储在尾房销售价格库；本发明所提供的技术方案能够克服无法对未来一定时间内可能出现的尾房进行动态评估、无法对尾房进行动态价格销售的缺陷。

Description

一种酒店尾房智能预测分销系统及方法
技术领域
本发明涉及酒店管理，具体涉及一种酒店尾房智能预测分销系统及方法。
背景技术
目前酒店行业客房平台主要有集团官网平台、第三方OTA平台(携程等)、企业商旅平台、中央预订平台(CRS)等，这些销售或者分销平台主要是将酒店的客房信息进行整合，方便用户进行一站式选择和预订。
现有酒店客房销售平台只是将酒店客房进行集中展示，提供预订服务，都是从方便客户预订的角度设计产品，没有从酒店自身的角度进行考虑。
酒店客房销售主要是为了提高入住率，降低空房率。对于酒店来说，如果客房当天无人入住，那么就会闲置，无法给酒店带来任何收益，客房的入住成本除了水电、洗漱用品等几乎为零。因此只要能将当天闲置的客房以很低的价格销售出去，就能保证利润，这些闲置客房就是酒店尾房。
目前对于酒店尾房的处理，没有相对完善的尾房智能预测和分销产品，一般都需要酒店人工提前或者当天对可能出现的尾房进行降价处理。如果预估不不准或者不及时，就会导致尾房闲置，或者将尾房当成正常房处理，这些都会给酒店带来经济上的损失。
发明内容
(一)解决的技术问题
针对现有技术所存在的上述缺点，本发明提供了一种酒店尾房智能预测分销系统及方法，能够有效克服现有技术所存在的无法对未来一定时间内可能出现的尾房进行动态评估、无法对尾房进行动态价格销售的缺陷。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种酒店尾房智能预测分销方法，包括以下步骤：
S1、历史空房分析和当年空房预测：
1)从客房历年销售库中采集每种房型每天的入住量以及提前预定量；
2)针对每个房型、每个日期在历年同期的入住量和预订量进行分析；
3)计算房型Ri在日期Di的当天空房量，以及根据预定情况，计算前m天内，房型Ri在日期Di的预订量，得到前m天房型Ri在日期Di的空房量，统一采用Ri(Yi(Di(m)))表示，如果m＝0，则表示为当天空房量，Yi表示年份，Di表示日期，Ri表示房型；
4)根据历年同期数据进行拟合，预测当年房型Ri在日期Di的空房量，统一采用P(Ri(Di(m)))表示；
5)将当年预测空房量放入当年空房量预测库；
S2、尾房销售库分析生成：
1)对当前房型Ri在第N天后日期Dn的空房量进行分析预测；
2)根据当前房型Ri在日期Dn的预订量，得到当前房型Ri在日期Dn的空房量Ri(Dn)，同时从当年空房量预测库中采集预测的空房量P(Ri(Dn(N)))，计算实际和预测的天数差值Da；
Da＝Ri(Dn)-P(Ri(Dn(N)))；
3)从当年空房量预测库中采集房型Ri在日期Dn当天的空房量P(Ri(Dn(0)))，加上当前的偏差值Da，就能得到房型Ri的在日期Dn的尾房库存量S(Ri(Dn))，S(Ri(Dn))＝P(Ri(Dn(0)))+Da，
如果实际和预测有偏差，那么就通过偏差值Da来调整房型Ri在日期Dn的尾房库存量，以此作为尾房销售库；
4)如果尾房库存量S(Ri(Dn))＞0，那么就将房型Ri在日期Dn的空房量放入尾房销售库中，库存量为S(Ri(Dn))；
S3、计算尾房销售价格：
1)从尾房销售库中获取在日期Dn进行销售的尾房房型Ri；
2)计算日期Dn和当前日期的天数差值Da，即对尾房提前销售的天数；
3)使用公式进行尾房价格计算：尾房价格＝原价-(原价/(1+Da))，尾房越晚销售价格越低，如果尾房是当天销售，就是半价；
4)将尾房价格放入尾房销售价格库中。
一种应用于实例化需求的管理系统，包括用于采集酒店历年客房销售数据并进行分析形成当年各房型空房预测数据的空房分析和预测模块，用于对各房型的尾房销售数据进行计算形成尾房销售库存的尾房销售库生成模块，用于对尾房价格进行计算形成尾房价格库的尾房销售价格计算模块，用于储存酒店历年客房销售数据的客房历年销售库，用于储存酒店当前客房空房量的当前客房空房量库，所述当年各房型空房预测数据存储在当年空房量预测库，所述尾房销售库存存储在尾房销售库，所述尾房价格库存储在尾房销售价格库。
优选地，所述客房历年销售库、当年空房量预测库、当前客房空房量库、尾房销售库、尾房销售价格库均为数据库。
优选地，所述空房分析和预测模块与客房历年销售库、当年空房量预测库之间均采用HDLC协议。
优选地，所述尾房销售库生成模块与当年空房量预测库、当前客房空房量库、尾房销售库之间均采用HDLC协议。
优选地，所述尾房销售价格计算模块与尾房销售库、尾房销售价格库之间均采用HDLC协议。
(三)有益效果
与现有技术相比，本发明所提供的一种酒店尾房智能预测分销系统及方法实现了空房的自动分析和预测，对尾房库存进行及时识别，动态调整销售价格进行尾房提前销售，有效盘活了大量的空房资源，对推动酒店全年平均入住率具有重大意义，为酒店带来实质性的经济效益。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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发明的一些实施例，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为本发明系统结构示意图；
图2为本发明历史空房分析和当年空房预测流程示意图；
图3为本发明尾房销售库分析生成流程示意图；
图4为本发明计算尾房销售价格流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种酒店尾房智能预测分销系统，如图1所示，包括用于采集酒店历年客房销售数据并进行分析形成当年各房型空房预测数据的空房分析和预测模块，用于对各房型的尾房销售数据进行计算形成尾房销售库存的尾房销售库生成模块，用于对尾房价格进行计算形成尾房价格库的尾房销售价格计算模块，用于储存酒店历年客房销售数据的客房历年销售库，用于储存酒店当前客房空房量的当前客房空房量库，当年各房型空房预测数据存储在当年空房量预测库，尾房销售库存存储在尾房销售库，尾房价格库存储在尾房销售价格库。
客房历年销售库、当年空房量预测库、当前客房空房量库、尾房销售库、尾房销售价格库均为数据库。
空房分析和预测模块与客房历年销售库、当年空房量预测库之间均采用HDLC协议。
尾房销售库生成模块与当年空房量预测库、当前客房空房量库、尾房销售库之间均采用HDLC协议。
尾房销售价格计算模块与尾房销售库、尾房销售价格库之间均采用HDLC协议。
一种酒店尾房智能预测分销方法，如图2至图4所示，包括以下步骤：
S1、历史空房分析和当年空房预测：
1)从客房历年销售库中采集每种房型每天的入住量以及提前预定量；
2)针对每个房型、每个日期在历年同期的入住量和预订量进行分析；
3)计算房型Ri在日期Di的当天空房量，以及根据预定情况，计算前m天内，房型Ri在日期Di的预订量，得到前m天房型Ri在日期Di的空房量，统一采用Ri(Yi(Di(m)))表示，如果m＝0，则表示为当天空房量，Yi表示年份，Di表示日期，Ri表示房型，m表示m天前的Ri在Di时候还有多少空房量；
4)根据历年同期数据进行拟合，预测当年房型Ri在日期Di的空房量，统一采用P(Ri(Di(m)))表示；
5)将当年预测空房量放入当年空房量预测库；
S2、尾房销售库分析生成：
1)对当前房型Ri在第N天后日期Dn的空房量进行分析预测；
2)根据当前房型Ri在日期Dn的预订量，得到当前房型Ri在日期Dn的空房量Ri(Dn)，同时从当年空房量预测库中采集预测的空房量P(Ri(Dn(n)))，计算实际和预测的天数差值Da，
Da＝Ri(Dn)-P(Ri(Dn(n)))；
3)从当年空房量预测库中采集房型Ri在日期Dn当天的空房量P(Ri(Dn(0)))，加上当前的偏差值Da，就能得到房型Ri的在日期Dn的尾房库存量S(Ri(Dn))，S(Ri(Dn))＝P(Ri(Dn(0)))+Da，
如果实际和预测有偏差，那么就通过偏差值Da来调整房型Ri在日期Dn的尾房库存量，以此作为尾房销售库；
4)如果尾房库存量S(Ri(Dn))＞0，那么就将房型Ri在日期Dn的空房量放入尾房销售库中，库存量为S(Ri(Dn))；
S3、计算尾房销售价格：
1)从尾房销售库中获取在日期Dn进行销售的尾房房型Ri；
2)计算日期Dn和当前日期的天数差值Da，即对尾房提前销售的天数；
3)使用公式进行尾房价格计算：尾房价格＝原价-(原价/(1+Da))，尾房越晚销售价格越低，如果尾房是当天销售，就是半价；
4)将尾房价格放入尾房销售价格库中。
本发明所提供的一种酒店尾房智能预测分销系统及方法实现了空房的自动分析和预测，对尾房库存进行及时识别，动态调整销售价格进行尾房提前销售，有效盘活了大量的空房资源，对推动酒店全年平均入住率具有重大意义，为酒店带来实质性的经济效益。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种酒店尾房智能预测分销方法，其特征在于：包括以下步骤：
S1、历史空房分析和当年空房预测：
1)从客房历年销售库中采集每种房型每天的入住量以及提前预定量；
2)针对每个房型、每个日期在历年同期的入住量和预订量进行分析；
3)计算房型Ri在日期Di的当天空房量，以及根据预定情况，计算前m天内，房型Ri在日期Di的预订量，得到前m天房型Ri在日期Di的空房量，统一采用Ri(Yi(Di(m)))表示，如果m＝0，则表示为当天空房量，Yi表示年份，Di表示日期，Ri表示房型；
4)根据历年同期数据进行拟合，预测当年房型Ri在日期Di的空房量，统一采用P(Ri(Di(m)))表示；
5)将当年预测空房量放入当年空房量预测库；
S2、尾房销售库分析生成：
1)对当前房型Ri在第N天后日期Dn的空房量进行分析预测；
2)根据当前房型Ri在日期Dn的预订量，得到当前房型Ri在日期Dn的空房量Ri(Dn)，同时从当年空房量预测库中采集预测的空房量P(Ri(Dn(N)))，计算实际和预测的天数差值Da，Da＝Ri(Dn)-P(Ri(Dn(N)))；
3)从当年空房量预测库中采集房型Ri在日期Dn当天的空房量P(Ri(Dn(0)))，加上当前的偏差值Da，就能得到房型Ri的在日期Dn的尾房库存量S(Ri(Dn))，S(Ri(Dn))＝P(Ri(Dn(0)))+Da，
如果实际和预测有偏差，那么就通过偏差值Da来调整房型Ri在日期Dn的尾房库存量，以此作为尾房销售库；
4)如果尾房库存量S(Ri(Dn))＞0，那么就将房型Ri在日期Dn的空房量放入尾房销售库中，库存量为S(Ri(Dn))；
S3、计算尾房销售价格：
1)从尾房销售库中获取在日期Dn进行销售的尾房房型Ri；
2)计算日期Dn和当前日期的天数差值Da，即对尾房提前销售的天数；
3)使用公式进行尾房价格计算：尾房价格＝原价-(原价/(1+Da))，尾房越晚销售价格越低，如果尾房是当天销售，就是半价；
4)将尾房价格放入尾房销售价格库中。
2.根据权利要求1所述的一种酒店尾房智能预测分销方法，其特征在于：包括用于采集酒店历年客房销售数据并进行分析形成当年各房型空房预测数据的空房分析和预测模块，用于对各房型的尾房销售数据进行计算形成尾房销售库存的尾房销售库生成模块，用于对尾房价格进行计算形成尾房价格库的尾房销售价格计算模块，用于储存酒店历年客房销售数据的客房历年销售库，用于储存酒店当前客房空房量的当前客房空房量库，所述当年各房型空房预测数据存储在当年空房量预测库，所述尾房销售库存存储在尾房销售库，所述尾房价格库存储在尾房销售价格库。
3.根据权利要求2所述的一种酒店尾房智能预测分销方法，其特征在于：所述客房历年销售库、当年空房量预测库、当前客房空房量库、尾房销售库、尾房销售价格库均为数据库。
4.根据权利要求2所述的一种酒店尾房智能预测分销方法，其特征在于：所述空房分析和预测模块与客房历年销售库、当年空房量预测库之间均采用HDLC协议。
5.根据权利要求2所述的一种酒店尾房智能预测分销方法，其特征在于：所述尾房销售库生成模块与当年空房量预测库、当前客房空房量库、尾房销售库之间均采用HDLC协议。
6.根据权利要求2所述的一种酒店尾房智能预测分销方法，其特征在于：所述尾房销售价格计算模块与尾房销售库、尾房销售价格库之间均采用HDLC协议。
CN201811292668.2A 2018-11-01 2018-11-01 一种酒店尾房智能预测分销系统及方法 Active CN111126652B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811292668.2A CN111126652B (zh) 2018-11-01 2018-11-01 一种酒店尾房智能预测分销系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811292668.2A CN111126652B (zh) 2018-11-01 2018-11-01 一种酒店尾房智能预测分销系统及方法

Publications (2)

Publication Number Publication Date
CN111126652A CN111126652A (zh) 2020-05-08
CN111126652B true CN111126652B (zh) 2023-05-16

Family

ID=70494625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811292668.2A Active CN111126652B (zh) 2018-11-01 2018-11-01 一种酒店尾房智能预测分销系统及方法

Country Status (1)

Country Link
CN (1) CN111126652B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011227839A (ja) * 2010-04-23 2011-11-10 Toshiba Tec Corp 情報処理装置およびプログラム
CN106651446A (zh) * 2016-12-22 2017-05-10 上海斐讯数据通信技术有限公司 一种基于需求量的酒店客房定价方法及系统
CN106780173A (zh) * 2016-12-01 2017-05-31 携程计算机技术（上海）有限公司 Ota酒店库存管理方法及系统
CN107203904A (zh) * 2017-05-19 2017-09-26 武汉弗赅科技有限公司 销售商品的动态定价方法及系统
CN107993086A (zh) * 2017-11-10 2018-05-04 复旦大学 酒店收益管理中的需求曲线估计方法
CN108022061A (zh) * 2016-10-31 2018-05-11 株式会社日立制作所 库存管理系统和方法
CN108369710A (zh) * 2016-01-07 2018-08-03 甲骨文国际公司 计算机化的促销和降价调度

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011227839A (ja) * 2010-04-23 2011-11-10 Toshiba Tec Corp 情報処理装置およびプログラム
CN108369710A (zh) * 2016-01-07 2018-08-03 甲骨文国际公司 计算机化的促销和降价调度
CN108022061A (zh) * 2016-10-31 2018-05-11 株式会社日立制作所 库存管理系统和方法
CN106780173A (zh) * 2016-12-01 2017-05-31 携程计算机技术（上海）有限公司 Ota酒店库存管理方法及系统
CN106651446A (zh) * 2016-12-22 2017-05-10 上海斐讯数据通信技术有限公司 一种基于需求量的酒店客房定价方法及系统
CN107203904A (zh) * 2017-05-19 2017-09-26 武汉弗赅科技有限公司 销售商品的动态定价方法及系统
CN107993086A (zh) * 2017-11-10 2018-05-04 复旦大学 酒店收益管理中的需求曲线估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
酒店收益管理的客房分配研究;李罗;《中国优秀博硕士学位论文全文数据库 (硕士) 经济与管理科学辑》;20061115;第4.1.2和5.2.1节 *

Also Published As

Publication number Publication date
CN111126652A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
Zhou et al. Inventory management of platelets in hospitals: Optimal inventory policy for perishable products with regular and optional expedited replenishments
CN111210093B (zh) 基于大数据的日用水量预测方法
CN109615226A (zh) 一种运营指标异常监测方法
CN106780173B (zh) Ota酒店库存管理方法及系统
Camacho et al. Forecasting travellers in Spain with Google’s search volume indices
CN109272364A (zh) 自动估值模型建模方法
CN108596561B (zh) 一种基于大数据架构的人效服务系统及方法
CN109118012B (zh) 一种工业动态多维度能耗成本预测方法、系统、存储介质和终端
Enbeyle et al. Trend analysis and prediction on water consumption in southwestern Ethiopia
CN111178382A (zh) 一种基于工单数据挖掘的抢修服务预测分析方法
CN113888235A (zh) 一种销量预测模型的训练方法、销量预测方法及相关装置
CN111666456B (zh) 一种基于多源配网网络的网架拓扑自动构建方法
Dyshkantiuk et al. Modern hotel business management tools
CN111126652B (zh) 一种酒店尾房智能预测分销系统及方法
CN110210801A (zh) 一种服务库存管理方法及系统、服务器
CN116957471B (zh) 一种智能零售服务方法、系统、电子设备及存储介质
CN115169658B (zh) 基于npl和知识图谱的库存消耗预测方法、系统和存储介质
CN116308057A (zh) 物料信息预测方法、系统及相关设备
CN113011618A (zh) 一种酒店收益管理系统及方法
CN116128408A (zh) 智能补货方法、系统以及计算机可读介质
Kedir et al. Formative scenario analysis of the factors influencing the adoption of industrialised construction in countries with high housing demand–the cases of Ethiopia, Kenya, and South Africa
CN113240192A (zh) 模型训练及预测方法、装置、计算机设备及存储介质
CN108399212A (zh) 物联网终端的时间序列数据处理和神经网络趋势预测方法
CN113850625A (zh) 一种市场营销教学管理系统
CN112948367A (zh) 一种电力物资配置需求测算的数据清洗系统

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
GR01 Patent grant
GR01 Patent grant