CN111553522B - 基于供应链追溯体系的小麦生产优化方法及装置 - Google Patents
基于供应链追溯体系的小麦生产优化方法及装置 Download PDFInfo
- Publication number
- CN111553522B CN111553522B CN202010325613.8A CN202010325613A CN111553522B CN 111553522 B CN111553522 B CN 111553522B CN 202010325613 A CN202010325613 A CN 202010325613A CN 111553522 B CN111553522 B CN 111553522B
- Authority
- CN
- China
- Prior art keywords
- wheat
- data
- supply chain
- tracing
- database
- 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
Links
- 241000209140 Triticum Species 0.000 title claims abstract description 317
- 235000021307 Triticum Nutrition 0.000 title claims abstract description 317
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 193
- 238000005457 optimization Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000011156 evaluation Methods 0.000 claims abstract description 217
- 238000012545 processing Methods 0.000 claims abstract description 163
- 230000008901 benefit Effects 0.000 claims abstract description 127
- 238000004458 analytical method Methods 0.000 claims abstract description 114
- 238000007781 pre-processing Methods 0.000 claims description 16
- 238000010219 correlation analysis Methods 0.000 claims description 13
- 238000000556 factor analysis Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 8
- 235000013339 cereals Nutrition 0.000 abstract description 2
- 235000013312 flour Nutrition 0.000 description 40
- 238000003860 storage Methods 0.000 description 15
- 235000013305 food Nutrition 0.000 description 14
- 230000004927 fusion Effects 0.000 description 12
- 239000000463 material Substances 0.000 description 10
- 238000005265 energy consumption Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 4
- 238000013210 evaluation model Methods 0.000 description 4
- 238000003306 harvesting Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q30/018—Certifying business or products
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Agronomy & Crop Science (AREA)
- Finance (AREA)
- Life Sciences & Earth Sciences (AREA)
- Accounting & Taxation (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及粮食生产技术领域,公开了一种基于供应链追溯体系的小麦生产优化方法及装置,该方法包括:获取小麦供应链信息、小麦供应链数据及小麦加工效益数据;根据小麦供应链信息和小麦供应链数据确定目标追溯数据库,并根据小麦加工效益数据生成评价数据库;判断追溯数据是否满足预设条件,获得判断结果;根据判断结果确定目标分析策略,以对目标追溯数据库和评价数据库进行分析,获得分析结果;根据分析结果确定生产加工优化策略,并对所述小麦产品的生产加工进行优化。本实施例根据目标追溯数据库和评价数据库对小麦产品的生产加工过程进行分析,以确定小麦产品的生产优化策略,从而在全面获取小麦产品数据的同时,以提升小麦产品的生产效益。
Description
技术领域
本发明涉及粮食生产技术领域,尤其涉及一种基于供应链追溯体系的小麦生产优化方法及装置。
背景技术
目前,大部分小麦加工企业针对本企业的生产加工效益的评价和优化,仅仅从某一个供应链环节或方向来评价或优化生产效益中的某一层次。有时,其它供应链环节或方向也会对该层次的生产效益产生附带影响。所以仅仅从某一个供应链环节或方向来评价或优化是不全面、不客观、不可信的。因此,如何全面收集小麦产品在不同供应链环节的关键数据,并根据关键数据提升小麦产品的生产效益是亟待解决的技术问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种基于供应链追溯体系的小麦生产优化方法及装置,旨在解决如何全面收集小麦产品在不同供应链环节的关键数据,并根据关键数据提升小麦产品的生产效益的技术问题。
为实现上述目的,本发明提供一种基于供应链追溯体系的小麦生产优化方法,所述基于供应链追溯体系的小麦生产优化方法包括以下步骤:
获取小麦产品对应的小麦供应链信息、小麦供应链数据以及小麦加工效益数据;
根据所述小麦供应链信息和所述小麦供应链数据确定目标追溯数据库,并根据所述小麦加工效益数据生成评价数据库;
通过预设水平判断模型判断所述目标追溯数据库中的追溯数据是否满足预设条件,获得判断结果;
根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果;
根据所述分析结果确定生产加工优化策略,并根据所述生产加工优化策略对所述小麦产品的生产加工进行优化。
优选地,所述根据所述小麦供应链信息和所述小麦供应链数据确定目标追溯数据库的步骤,包括:
根据所述小麦供应链信息确定小麦供应链追溯体系;
通过所述小麦供应链追溯体系对所述小麦供应链数据进行筛选,获得关键指标数据;
根据所述关键指标数据建立初始追溯数据库;
根据所述初始追溯数据库,通过数据预处理法获得目标追溯数据库。
优选地,所述根据所述小麦供应链信息确定小麦供应链追溯体系的步骤,包括:
根据所述小麦供应链信息确定小麦供应链环节;
根据预设要素分析模型确定所述小麦供应链环节对应的要素层,并根据预设指标分析模型确定所述要素层对应的追溯指标;
根据所述小麦供应链环节、所述要素层及所述追溯指标建立小麦供应链追溯体系。
优选地,所述根据所述小麦加工效益数据生成评价数据库的步骤,包括:
根据所述小麦加工效益数据确定所述小麦产品对应的效益评价层次,并根据预设关键指标模型确定所述效益评价层次对应的关键指标;
根据所述关键指标获取所述小麦产品对应的关键指标数据,并根据所述关键指标数据生成评价数据库。
优选地,所述根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果的步骤,包括:
在所述追溯数据不满足所述预设条件时,根据所述目标追溯数据库中的追溯数据和所述评价数据库中的评价数据,通过多因素分析法获得方差齐性值以及显著性值;
判断所述方差齐性值和所述显著性值是否均满足预设阈值条件;
若所述方差齐性值和所述显著性值均满足所述预设阈值条件,则获取所述评价数据对应的目标小麦效益评价层次,并根据所述目标小麦效益评价层次和所述追溯数据确定追溯数据平均值;
根据所述追溯数据平均值和所述目标小麦效益评价层次确定目标追溯数据,并将所述目标追溯数据作为分析结果。
优选地,所述根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果的步骤,还包括:
在所述追溯数据满足所述预设条件时,根据所述目标追溯数据库中的追溯数据和所述评价数据库中的评价数据,通过预设相关性分析法获得相关性值和显著性值;
根据所述相关性值和所述显著性值确定所述追溯数据与所述评价数据之间的相关关系,并将所述相关关系作为分析结果。
优选地,所述根据所述相关性值和所述显著性值确定所述追溯数据与所述评价数据之间的相关关系,并将所述相关关系作为分析结果的步骤,包括:
判断所述显著性值是否小于预设第一阈值且所述相关性值是否大于预设第二阈值;
在所述显著性值小于所述预设第一阈值且所述相关性值大于所述预设第二阈值时,根据所述相关性值确定所述追溯数据与所述评价数据之间的相关关系,并将所述相关关系作为分析结果。
此外,为实现上述目的,本发明还提出一种基于供应链追溯体系的小麦生产优化装置,所述基于供应链追溯体系的小麦生产优化装置包括:获取模块,用于获取小麦产品的小麦供应链信息、小麦供应链数据以及小麦加工效益数据;
生成模块,用于根据所述小麦供应链信息和所述小麦供应链数据确定目标追溯数据库,并根据所述小麦加工效益数据生成评价数据库;
判断模块,用于通过预设水平判断模型判断所述目标追溯数据库中的追溯数据是否满足预设条件,获得判断结果;
分析模块,用于根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果;
加工模块,用于根据所述分析结果确定生产加工优化策略,并根据所述生产加工优化策略对所述小麦产品的生产加工进行优化。
优选地,所述生成模块,还用于根据所述小麦供应链信息确定小麦供应链追溯体系;
所述生成模块,还用于通过所述小麦供应链追溯体系对所述小麦供应链数据进行筛选,获得关键指标数据;
所述生成模块,还用于根据所述关键指标数据建立初始追溯数据库;
所述生成模块,还用于根据所述初始追溯数据库,通过数据预处理法获得目标追溯数据库。
优选地,所述生成模块,还用于根据所述小麦供应链信息确定小麦供应链环节;
所述生成模块,还用于根据预设要素分析模型确定所述小麦供应链环节对应的要素层,并根据预设指标分析模型确定所述要素层对应的追溯指标;
所述生成模块,还用于根据所述小麦供应链环节、所述要素层及所述追溯指标建立小麦供应链追溯体系。
本发明中,先获取小麦产品对应的小麦供应链信息、小麦供应链数据以及小麦加工效益数据,根据所述小麦供应链信息和所述小麦供应链数据确定目标追溯数据库,并根据所述小麦加工效益数据生成评价数据库,然后通过预设水平判断模型判断所述目标追溯数据库中的追溯数据是否满足预设条件,获得判断结果,之后根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果,最后根据所述分析结果确定生产加工优化策略,并根据所述生产加工优化策略对所述小麦产品的生产加工进行优化;本实施例根据小麦供应链信息、小麦供应链数据以及小麦加工效益数据建立目标追溯数据库和评价数据库,并根据目标追溯数据库和评价数据库对小麦产品的供应链过程进行分析,并确定小麦产品生产优化策略,从而能够全面收集小麦加工产品在不同供应链环节的关键数据,并根据关键数据确定小麦产品生产的优化方法。
附图说明
图1为本发明基于供应链追溯体系的小麦生产优化方法第一实施例的流程示意图;
图2为本发明基于供应链追溯体系的小麦生产优化方法第一实施例中目标追溯数据库的一种表现形式;
图3为本发明基于供应链追溯体系的小麦生产优化方法第一实施例中小麦供应链环节的一种表现形式;
图4为本发明基于供应链追溯体系的小麦生产优化方法第一实施例中评价数据库的一种表现形式;
图5为本发明基于供应链追溯体系的小麦生产优化方法第二实施例的流程示意图;
图6为本发明基于供应链追溯体系的小麦生产优化装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明基于供应链追溯体系的小麦生产优化方法第一实施例的流程示意图,提出本发明基于供应链追溯体系的小麦生产优化方法第一实施例。
在第一实施例中,所述基于供应链追溯体系的小麦生产优化方法包括以下步骤:
步骤S10:获取小麦产品对应的小麦供应链信息、小麦供应链数据以及小麦加工效益数据。
应理解的是,本实施例的执行主体是基于供应链追溯体系的小麦生产优化设备,其中,所述基于供应链追溯体系的小麦生产优化设备可以是获取数据,根据数据生成数据库,并对所述数据库进行分析的移动终端、电脑或服务器等电子设备。
需要说明的是,所述小麦供应链信息可以是小麦加工企业生成面粉时存入的供应链信息;所述小麦供应链数据可以是小麦加工企业生成面粉时存入的供应链数据;所述小麦加工效益数据可以是生产加工利润数据、生产加工成本数据、生产加工损耗数据以及生产加工效率数据等数据,本实施例并不加以限制。
步骤S20:根据所述小麦供应链信息和所述小麦供应链数据确定目标追溯数据库,并根据所述小麦加工效益数据生成评价数据库。
根据所述小麦供应链信息和所述小麦供应链数据确定目标追溯数据库的步骤为根据所述小麦供应链信息确定小麦供应链追溯体系,之后通过所述小麦供应链追溯体系对所述小麦供应链数据进行筛选,获得关键指标数据,根据所述关键指标数据建立初始追溯数据库,最后根据所述初始追溯数据库,通过数据预处理法获得目标追溯数据库,参考图2,所述图2为目标追溯数据库的一种表现形式。
其中,所述根据所述小麦供应链信息确定小麦供应链追溯体系的步骤为根据所述小麦供应链信息确定小麦供应链环节,之后根据预设要素分析模型确定所述小麦供应链环节对应的要素层,并根据预设指标分析模型确定所述要素层对应的追溯指标,最后根据所述小麦供应链环节、所述要素层及所述追溯指标建立小麦供应链追溯体系。
上述所提到的小麦供应链环节可以是小麦产品从种植到销售的所有环节,例如,小麦供应链环节可以是种植环节、收获环节、运输环节、收购环节、仓储环节、加工环节及销售环节等,参考图3,所述图3为小麦供应链环节的一种表现形式。
所述仓库环节包括收购环节后的原料小麦的仓储和加工环节后面粉的仓储,运输环节包括原料小麦、加工产物和面粉的物质转移。
根据所述小麦加工效益数据生成评价数据库的步骤为根据所述小麦加工效益数据确定所述小麦产品对应的效益评价层次,并根据预设关键指标模型确定所述效益评价层次对应的关键指标,根据所述关键指标获取所述小麦产品对应的关键指标数据,并根据所述关键指标数据生成评价数据库,参考图4,所述图4为评价数据库的一种表现形式。
也就是说,根据该小麦加工企业的生产效益以及生产加工面粉的供应链,确定可以评价生产效益的评价指标以及各供应链中可能影响生产效益的影响指标(影响因素)。之后根据加工环节的能耗和物耗设计可以评价生产效益的评价指标,收集各批次面粉中可以评价该企业生产效益的评价指标数据,设计且录入该企业的评价数据库。并对评价数据库中数据进行数据预处理,得到高质量的数据库。
以下进行举例说明:
一、确定可能影响生产效益的影响指标:
(1)小麦加工企业的供应链环节:小麦供应链环节可以是种植环节、收获环节、运输环节、收购环节、仓储环节、加工环节及销售环节等,其中仓储环节包括收购环节后的原料小麦的仓储和加工环节后面粉的仓储;运输环节包括原料小麦、加工产物和面粉的物质转移。
(2)生产效益评价指标:生产效益可以分为:生产成本、生产消耗、生产利润、生产效率等;生产成本的评价指标:单位物料成本、单位人工成本、单位运输成本、单位能耗成本等;生产消耗的评价指标:物料消耗方面有,各品种小麦的出品量、出品率、加工后遗留物中可食用物质量及损失率等;能源消耗方面有,单位电耗、各机器设备的单位电耗等;生产利润的评价指标:各批次面粉的总利润、单位利润等;生产效率的评价指标:日加工量、月加工量等。
(3)参考表1,所述表1为各供应链中可能影响生产效益的影响指标(影响因素),其中,以影响生产效益中物料消耗的因素分析为例:
表1
二、设计可以评价生产效益的评价指标:
(1)该食品加工企业的生产效益进行分析,找出可以评价该食品加工企业生产效益的不同层次,例如:生产加工成本、生产加工利润、生产加工效率、生产加工消耗等等。并确定不同层次中关键指标,其关键指标表达形式为:
{α1,α2,…,αm}{β1,β2,…,βn}…{χ1,χ2,χq}
(2)收集各批次生产加工产品的关键指标数据,设计且录入该企业的评价数据库,其中该企业的评价数据库的设计如图4所示,所述图4为评价数据库的一种表现形式,其中评价数据库中的产品批次与追溯数据库的产品批次一一对应。
(3)对评价数据库中数据进行数据预处理,检查数据库中数据是否存在数据缺漏、数据重复,数据明显错误等,从而得到高质量的数据库。
三、根据评价指标和影响指标(影响因素),设计各供应链中的相关追溯指标及层次结构,建立该企业的供应链追溯体系。
(1)供应链追溯体系中的第一层、供应链环节层,其供应链层x数学表达形式为:
{x1,x2,…,xm} ①
其中xn为生产加工产品中第n供应链环节。
(2)分析并确定各供应链环节中可能对该小麦加工企业生产效益产生影响的因素,其不同供应链下因素层y表达形式为:
其中yn0为面粉在第n供应链环节的基本信息层,yn1~ynk为n供应链环节中可能对该食品加工企业生产效益产生影响的k个因素层。
(3)设计各供应链环节中基本信息层和因素层的追溯指标,其不同供应链下不同因素的追溯指标层z表达形式为:
其中znl1为第n供应链环节中,可能对该食品加工企业生产效益产生影响的第l因素中追溯指标合集。
(4)结合①②③建立该食品加工企业生产加工产品的供应链追溯体系,则其表达形式为:
{x1,x2,…,xm}
四、根据该企业的供应链追溯体系,收集各批次面粉在各供应链中的所有相关追溯指标数据,通过数据融合得到各批次面粉在不同供应链中的完整数据。设计且录入该企业的追溯数据库,并对追溯数据库中数据进行数据预处理,得到高质量的数据库。
(1)根据第二步中对小麦加工企业的追溯评价体系中追溯指标层的的追溯指标设计该小麦加工企业的追溯数据库,收集各批次面粉在各供应链中的所有相关追溯指标数据,通过数据融合得到各批次面粉在不同供应链中的完整数据。并录入产品追溯数据库。参考图2,其中图2中供应链环节1的基本信息有p10个追溯指标,供应链环节1的因素有p11个追溯指标,依次类推。
(2)对于各批次生产加工面粉在各供应链环节追溯信息的数据整合,需要用到数据融合技术。通过将不同供应链环节的相关数据在不同的时间点和空间点上进行有针对性地关联级融合、特征级融合以及需求级融等处理,得到完整的小麦加工企业的产品追溯数据库。
(3)对追溯数据库中数据进行数据预处理,检查数据库中数据是否存在数据缺漏、数据重复,数据明显错误等,从而得到高质量的数据库。
步骤S30:通过预设水平判断模型判断所述目标追溯数据库中的追溯数据是否满足预设条件,获得判断结果。
需要说明的是,通过预设水平判断模型判断所述目标追溯数据库中的追溯数据是否满足预设条件,也就是说判断所述目标追溯数据库中的追溯数据是否可以分为不同水平,例如,种植环节中不同施肥量、不同品种对农作物产量是否有影响,如果有影响,则施肥量以及品种可以分为不同水平。
也可以为根据各批次面粉的评价指标数据,构建评价模型,得到该小麦加工企业评价指标的平均水平(评价指标的评价标准值)。
利用最小二乘法的思想设计小麦加工企业生产效益的评价模型,计算该小麦加工企业评价指标的平均水平(评价指标的评价标准值),其最小二乘法的基础模型数学公式如下:
其中Q为求得评价标准值与实际评价指标之间误差的平方和,yi为实际评价指标数据,y′为求得评价标准值数据。
之后,通过该小麦加工企业评价指标的平均水平(评价指标的评价标准值),对某一批次面粉的评价指标数据进行评价,判断该批次面粉的生产效益是否存在问题,若某一批次面粉的评价指标数据与该评价指标的评价标准值相差较大,则该批次面粉的生产效益可能存在问题。
步骤S40:根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果。
所述根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果的步骤为在所述追溯数据不满足所述预设条件时,根据所述目标追溯数据库中的追溯数据和所述评价数据库中的评价数据,通过多因素分析法获得方差齐性值以及显著性值,判断所述方差齐性值和所述显著性值是否均满足预设阈值条件;若所述方差齐性值和所述显著性值均满足所述预设阈值条件,则获取所述评价数据对应的目标小麦效益评价层次,并根据所述目标小麦效益评价层次和所述追溯数据确定追溯数据平均值,根据所述追溯数据平均值和所述目标小麦效益评价层次确定目标追溯数据,并将所述目标追溯数据作为分析结果。
所述根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果的步骤,还可以为在所述追溯数据满足所述预设条件时,根据所述目标追溯数据库中的追溯数据和所述评价数据库中的评价数据,通过预设相关性分析法获得相关性值和显著性值,根据所述相关性值和所述显著性值确定所述追溯数据与所述评价数据之间的相关关系,并将所述相关关系作为分析结果。
其中,所述根据所述相关性值和所述显著性值确定所述追溯数据与所述评价数据之间的相关关系,并将所述相关关系作为分析结果的步骤为判断所述显著性值是否小于预设第一阈值且所述相关性值是否大于预设第二阈值,在所述显著性值小于所述预设第一阈值且所述相关性值大于所述预设第二阈值时,根据所述相关性值确定所述追溯数据与所述评价数据之间的相关关系,并将所述相关关系作为分析结果。
另外,在所述追溯数据满足预设条件时,也就是说所述追溯数据不可以分为不同水平时,则进行相关性分析,供应链环节中剩余部分基本信息和影响因素信息中不同水平对生产效益没有产生了明显影响,利用相关性分析,判断供应链环节中基本信息和影响因素信息与评价因素之间的相关性。
以下进行举例说明:
①对追溯数据库中剩余不可分为不同水平的不同供应链环节的基本信息和影响因素信息与评价数据库中不同评价层次的指标数据,做相关性分析。
②根据不存在水平差异的不同供应链环节中基本信息和影响因素信息与评价数据库中的不同评价层次的指标数据得到相关性分析结果,例如,相关性系数r和显著性系数sig值,若相关性系数|r|>0.4且显著性系数sig<0.05,则这些不同供应链环节中基本信息和影响因素信息对生产效益有较强的相关性。反之则没有相关性或相关性不强。
③当这些不同供应链环节中基本信息和影响因素信息对生产效益的该评价层次有较强的相关性,继续分析其相关性系数r,若相关性系数r为正数,则这些不同供应链环节中基本信息和影响因素信息对生产效益的该评价层次为正相关关系,反之为负相关关系。
步骤S50:根据所述分析结果确定生产加工优化策略,并根据所述生产加工优化策略对所述小麦产品的生产加工进行优化。
应理解的是,所述基于供应链追溯体系的小麦生产优化设备根据所述分析结果确定小麦产品生产优化策略,并根据所述小麦产品生产优化策略对所述小麦产品的生产加工进行优化。
也可以是说,根据所述追溯数据与所述评价数据之间的相关关系确定各供应链环节中对小麦产品加工企业的生产效益,也就是说供应链环节中部分基本信息和影响因素信息中不同水平对生产效益产生了明显影响,研究分析这部分基本信息和影响因素信息中不同水平对生产效益的影响规律,并提出相应的小麦产品的生产加工优化策略,并根据所述生产加工优化策略对所述小麦产品的生产加工进行优化。
之后,根据相关分析研究结果,总结归纳各供应链环节中基本信息和影响因素对小麦企业的生产效益的影响规律,并有针对性的提出加工优化策略,从而根据所述加工优化策略优化该食品加工企业的生产效益。
在第一实施例中,获取小麦产品对应的小麦供应链信息、小麦供应链数据以及小麦加工效益数据,并根据所述小麦供应链信息确定小麦供应链追溯体系,然后通过所述小麦供应链追溯体系对所述小麦供应链数据进行筛选,以获取准确的数据,之后获得关键指标数据,根据所述关键指标数据建立初始追溯数据库,根据所述初始追溯数据库,通过数据预处理法获得目标追溯数据库,并根据所述小麦加工效益数据生成评价数据库,通过预设水平判断模型判断所述目标追溯数据库中的追溯数据是否满足预设条件,获得判断结果,根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果,根据所述分析结果确定生产加工优化策略,并根据所述生产加工优化策略对所述小麦产品的生产加工进行优化;本实施例根据追溯数据库以及评价数据库来对小麦产品的供应链过程进行分析,并获取相应的小麦生产优化策略,从而在全面收集小麦产品在不同供应链环节的关键数据的同时,以提升小麦产品的生产效益。
参照图5,图5为本发明基于供应链追溯体系的小麦生产优化方法第二实施例的流程示意图,基于上述图1所示的第一实施例,提出本发明基于供应链追溯体系的小麦生产优化方法的第二实施例。
在第二实施例中,所述步骤S40,包括:
步骤S401:在所述追溯数据不满足所述预设条件时,根据所述目标追溯数据库中的追溯数据和所述评价数据库中的评价数据,通过多因素分析法获得方差齐性值以及显著性值。
需要说明的是,所述多因素分析法可以是多因素方差分析方法,利用方差比较法,之后通过假设检验的过程来判断多个因素是否对因变量产生显著性影响。
所述基于供应链追溯体系的小麦产品生产优化设备根据所述目标分析策略确定所述追溯数据库的追溯数据与所述评价数据库的评价数据之间的方差齐性值以及显著性值,也就是说,对所述追溯数据库的追溯数据与所述评价数据库的评价数据进行多因素分析法,获得方差齐性值p和显著性值sig。
步骤S402:判断所述方差齐性值和所述显著性值是否均满足预设阈值条件。
其中,所述预设阈值条件可以是p>0.05以及sig<0.05,本实施例并不加以限制。
步骤S403:若所述方差齐性值和所述显著性值均满足所述预设阈值条件,则获取所述评价数据对应的目标小麦效益评价层次,并根据所述目标小麦效益评价层次和所述追溯数据确定追溯数据平均值。
当p>0.05以及sig<0.05同时满足时,所述追溯数据对应的基本信息和影响因素信息对生产效益产生了明显影响。此时,需要进一步确定所述追溯数据为何值时,生产效益最高。因此,需要确定所述追溯数据在所述评价数据对应的目标效益评价层次中的追溯数据平均值。
步骤S404:根据所述追溯数据平均值和所述目标小麦效益评价层次确定目标追溯数据,并将所述目标追溯数据作为分析结果。
所述基于供应链追溯体系的小麦生产优化设备可以根据所述追溯数据平均值以及所述目标效益评价层次确定目标追溯数据,并将所述目标追溯数据作为分析结果。
可以理解的是,将评价数据库中的不同评价层次的指标数据与追溯数据库中不同供应链环节中基本信息和影响因素信息做相关分析研究,首先利用因素方差分析,判断供应链环节中基本信息和影响因素信息中不同水平是否对生产效益产生了明显影响,接着做供应链环节中基本信息和影响因素信息与生产效益的不同评价层次之间的相关性分析。
以下为举例步骤:
(1)通过评价数据库中的不同评价层次的指标数据与追溯数据库中不同供应链环节中基本信息和影响因素信息,分别利用因素方差分析,判断供应链环节中哪些基本信息和影响因素信息中不同水平是否对生产效益产生了明显影响。
①判断追溯数据库中不同供应链环节中基本信息和影响因素信息是否可以分为不同水平。
②若可以分为不同水平(例如:季节性、品种、地理位置等等),则这些不同供应链环节中基本信息和影响因素信息,与评价数据库中的不同评价层次的指标数据做因素方差分析。
③根据存在水平差异的不同供应链环节中基本信息和影响因素信息与评价数据库中的不同评价层次的指标数据因素方差分析结果,方差齐性p和显著性sig值,若方差齐性p>0.05且显著性系数sig<0.05时,这些不同供应链环节中基本信息和影响因素信息对生产效益产生了明显影响。反之则没有产生明显影响。
(2)供应链环节中部分基本信息和影响因素信息中不同水平对生产效益产生了明显影响,研究分析这部分基本信息和影响因素信息中不同水平对生产效益的影响。
①针对步骤(1)中那些对生产效益产生了明显影响的不同供应链环节中基本信息和影响因素信息,计算不同水平下的不同供应链环节中基本信息和影响因素信息在不同评价层次的指标数据的平均值。
②结合不同评价层次的指标数据的平均值和实际情况,得出不同供应链环节中基本信息和影响因素信息在某水平下,该评价层次的效益最高。
在第二实施例中,在所述追溯数据不满足所述预设条件时,根据所述目标追溯数据库中的追溯数据和所述评价数据库中的评价数据,通过多因素分析法获得方差齐性值以及显著性值,判断所述方差齐性值和所述显著性值是否均满足预设阈值条件,若所述方差齐性值和所述显著性值均满足所述预设阈值条件,则获取所述评价数据对应的目标小麦效益评价层次,并根据所述目标小麦效益评价层次和所述追溯数据确定追溯数据平均值,根据所述追溯数据平均值和所述目标小麦效益评价层次确定目标追溯数据,并将所述目标追溯数据作为分析结果,本实施例中,通过多因素分析法确定各供应链环节中对小麦加工企业的生产效益产生影响的基本信息和影响因素的影响规律,从而能够全方位对小麦产品加工企业的生产效益进行优化。
此外,参照图6,本发明实施例还提出一种基于供应链追溯体系的小麦生产优化装置,所述基于供应链追溯体系的小麦生产优化装置包括:获取模块6001,用于获取小麦产品的小麦供应链信息、小麦供应链数据以及小麦加工效益数据;生成模块6002,用于根据所述小麦供应链信息和所述小麦供应链数据确定目标追溯数据库,并根据所述小麦加工效益数据生成评价数据库;判断模块6003,用于通过预设水平判断模型判断所述目标追溯数据库中的追溯数据是否满足预设条件,获得判断结果;分析模块6004,用于根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果;加工模块6005,用于根据所述分析结果确定生产加工优化策略,并根据所述生产加工优化策略对所述小麦产品的生产加工进行优化。
所述获取模块6001获取小麦产品的小麦供应链信息、小麦供应链数据以及小麦加工效益数据的操作。
应理解的是,本实施例的执行主体是基于供应链追溯体系的小麦生产优化设备,其中,所述基于供应链追溯体系的小麦生产优化设备可以是获取数据,根据数据生成数据库,并对所述数据库进行分析的移动终端、电脑或服务器等电子设备。
需要说明的是,所述小麦供应链信息可以是小麦加工企业生成面粉时存入的供应链信息;所述小麦供应链数据可以是小麦加工企业生成面粉时存入的供应链数据;所述小麦加工效益数据可以是生产加工利润数据、生产加工成本数据、生产加工损耗数据以及生产加工效率数据等数据,本实施例并不加以限制。
所述生成模块6002根据所述小麦供应链信息和所述小麦供应链数据确定目标追溯数据库,并根据所述小麦加工效益数据生成评价数据库的步骤。
根据所述小麦供应链信息和所述小麦供应链数据确定目标追溯数据库的步骤为根据所述小麦供应链信息确定小麦供应链追溯体系,之后通过所述小麦供应链追溯体系对所述小麦供应链数据进行筛选,获得关键指标数据,根据所述关键指标数据建立初始追溯数据库,最后根据所述初始追溯数据库,通过数据预处理法获得目标追溯数据库,参考图2,所述图2为目标追溯数据库的一种表现形式。
其中,所述根据所述小麦供应链信息确定小麦供应链追溯体系的步骤为根据所述小麦供应链信息确定小麦供应链环节,之后根据预设要素分析模型确定所述小麦供应链环节对应的要素层,并根据预设指标分析模型确定所述要素层对应的追溯指标,最后根据所述小麦供应链环节、所述要素层及所述追溯指标建立小麦供应链追溯体系。
上述所提到的小麦供应链环节可以是小麦产品从种植到销售的所有环节,例如,小麦供应链环节可以是种植环节、收获环节、运输环节、收购环节、仓储环节、加工环节及销售环节等,参考图3,所述图3为小麦供应链环节的一种表现形式。
所述仓库环节包括收购环节后的原料小麦的仓储和加工环节后面粉的仓储,运输环节包括原料小麦、加工产物和面粉的物质转移。
根据所述小麦加工效益数据生成评价数据库的步骤为根据所述小麦加工效益数据确定所述小麦产品对应的效益评价层次,并根据预设关键指标模型确定所述效益评价层次对应的关键指标,根据所述关键指标获取所述小麦产品对应的关键指标数据,并根据所述关键指标数据生成评价数据库,参考图4,所述图4为评价数据库的一种表现形式。
也就是说,根据该小麦加工企业的生产效益以及生产加工面粉的供应链,确定可以评价生产效益的评价指标以及各供应链中可能影响生产效益的影响指标(影响因素)。之后根据加工环节的能耗和物耗设计可以评价生产效益的评价指标,收集各批次面粉中可以评价该企业生产效益的评价指标数据,设计且录入该企业的评价数据库。并对评价数据库中数据进行数据预处理,得到高质量的数据库。
以下进行举例说明:
一、确定可能影响生产效益的影响指标:
(1)小麦加工企业的供应链环节:小麦供应链环节可以是种植环节、收获环节、运输环节、收购环节、仓储环节、加工环节及销售环节等,其中仓储环节包括收购环节后的原料小麦的仓储和加工环节后面粉的仓储;运输环节包括原料小麦、加工产物和面粉的物质转移。
(2)生产效益评价指标:生产效益可以分为:生产成本、生产消耗、生产利润、生产效率等;生产成本的评价指标:单位物料成本、单位人工成本、单位运输成本、单位能耗成本等;生产消耗的评价指标:物料消耗方面有,各品种小麦的出品量、出品率、加工后遗留物中可食用物质量及损失率等;能源消耗方面有,单位电耗、各机器设备的单位电耗等;生产利润的评价指标:各批次面粉的总利润、单位利润等;生产效率的评价指标:日加工量、月加工量等。
(3)参考表1,所述表1为各供应链中可能影响生产效益的影响指标(影响因素),其中,以影响生产效益中物料消耗的因素分析为例:
表1
二、设计可以评价生产效益的评价指标:
(1)该食品加工企业的生产效益进行分析,找出可以评价该食品加工企业生产效益的不同层次,例如:生产加工成本、生产加工利润、生产加工效率、生产加工消耗等等。并确定不同层次中关键指标,其关键指标表达形式为:
{α1,α2,…,αm}{β1,β2,…,βn}…{χ1,χ2,χq}
(2)收集各批次生产加工产品的关键指标数据,设计且录入该企业的评价数据库,其中该企业的评价数据库的设计如图4所示,所述图4为评价数据库的一种表现形式,其中评价数据库中的产品批次与追溯数据库的产品批次一一对应。
(3)对评价数据库中数据进行数据预处理,检查数据库中数据是否存在数据缺漏、数据重复,数据明显错误等,从而得到高质量的数据库。
三、根据评价指标和影响指标(影响因素),设计各供应链中的相关追溯指标及层次结构,建立该企业的供应链追溯体系。
(1)供应链追溯体系中的第一层、供应链环节层,其供应链层x数学表达形式为:
{x1,x2,…,xm} ①
其中xn为生产加工产品中第n供应链环节。
(2)分析并确定各供应链环节中可能对该小麦加工企业生产效益产生影响的因素,其不同供应链下因素层y表达形式为:
其中yn0为面粉在第n供应链环节的基本信息层,yn1~ynk为n供应链环节中可能对该食品加工企业生产效益产生影响的k个因素层。
(3)设计各供应链环节中基本信息层和因素层的追溯指标,其不同供应链下不同因素的追溯指标层z表达形式为:
其中znl1为第n供应链环节中,可能对该食品加工企业生产效益产生影响的第l因素中追溯指标合集。
(4)结合①②③建立该食品加工企业生产加工产品的供应链追溯体系,则其表达形式为:
{x1,x2,…,xm}
四、根据该企业的供应链追溯体系,收集各批次面粉在各供应链中的所有相关追溯指标数据,通过数据融合得到各批次面粉在不同供应链中的完整数据。设计且录入该企业的追溯数据库,并对追溯数据库中数据进行数据预处理,得到高质量的数据库。
(1)根据第二步中对小麦加工企业的追溯评价体系中追溯指标层的的追溯指标设计该小麦加工企业的追溯数据库,收集各批次面粉在各供应链中的所有相关追溯指标数据,通过数据融合得到各批次面粉在不同供应链中的完整数据。并录入产品追溯数据库。参考图2,其中图2中供应链环节1的基本信息有p10个追溯指标,供应链环节1的因素有p11个追溯指标,依次类推。
(2)对于各批次生产加工面粉在各供应链环节追溯信息的数据整合,需要用到数据融合技术。通过将不同供应链环节的相关数据在不同的时间点和空间点上进行有针对性地关联级融合、特征级融合以及需求级融等处理,得到完整的小麦加工企业的产品追溯数据库。
(3)对追溯数据库中数据进行数据预处理,检查数据库中数据是否存在数据缺漏、数据重复,数据明显错误等,从而得到高质量的数据库。
所述判断模块6003通过预设水平判断模型判断所述目标追溯数据库中的追溯数据是否满足预设条件,获得判断结果的步骤。
需要说明的是,通过预设水平判断模型判断所述目标追溯数据库中的追溯数据是否满足预设条件,也就是说判断所述目标追溯数据库中的追溯数据是否可以分为不同水平,例如,种植环节中不同施肥量、不同品种对农作物产量是否有影响,如果有影响,则施肥量以及品种可以分为不同水平。
也可以为根据各批次面粉的评价指标数据,构建评价模型,得到该小麦加工企业评价指标的平均水平(评价指标的评价标准值)。
利用最小二乘法的思想设计小麦加工企业生产效益的评价模型,计算该小麦加工企业评价指标的平均水平(评价指标的评价标准值),其最小二乘法的基础模型数学公式如下:
其中Q为求得评价标准值与实际评价指标之间误差的平方和,yi为实际评价指标数据,y′为求得评价标准值数据。
之后,通过该小麦加工企业评价指标的平均水平(评价指标的评价标准值),对某一批次面粉的评价指标数据进行评价,判断该批次面粉的生产效益是否存在问题,若某一批次面粉的评价指标数据与该评价指标的评价标准值相差较大,则该批次面粉的生产效益可能存在问题。
所述分析模块6004根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果的操作。
所述根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果的步骤为在所述追溯数据不满足所述预设条件时,根据所述目标追溯数据库中的追溯数据和所述评价数据库中的评价数据,通过多因素分析法获得方差齐性值以及显著性值,判断所述方差齐性值和所述显著性值是否均满足预设阈值条件;若所述方差齐性值和所述显著性值均满足所述预设阈值条件,则获取所述评价数据对应的目标小麦效益评价层次,并根据所述目标小麦效益评价层次和所述追溯数据确定追溯数据平均值,根据所述追溯数据平均值和所述目标小麦效益评价层次确定目标追溯数据,并将所述目标追溯数据作为分析结果。
所述根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果的步骤,还可以为在所述追溯数据满足所述预设条件时,根据所述目标追溯数据库中的追溯数据和所述评价数据库中的评价数据,通过预设相关性分析法获得相关性值和显著性值,根据所述相关性值和所述显著性值确定所述追溯数据与所述评价数据之间的相关关系,并将所述相关关系作为分析结果。
其中,所述根据所述相关性值和所述显著性值确定所述追溯数据与所述评价数据之间的相关关系,并将所述相关关系作为分析结果的步骤为判断所述显著性值是否小于预设第一阈值且所述相关性值是否大于预设第二阈值,在所述显著性值小于所述预设第一阈值且所述相关性值大于所述预设第二阈值时,根据所述相关性值确定所述追溯数据与所述评价数据之间的相关关系,并将所述相关关系作为分析结果。
另外,在所述追溯数据满足预设条件时,也就是说所述追溯数据不可以分为不同水平时,则进行相关性分析,供应链环节中剩余部分基本信息和影响因素信息中不同水平对生产效益没有产生了明显影响,利用相关性分析,判断供应链环节中基本信息和影响因素信息与评价因素之间的相关性。
以下进行举例说明:
①对追溯数据库中剩余不可分为不同水平的不同供应链环节的基本信息和影响因素信息与评价数据库中不同评价层次的指标数据,做相关性分析。
②根据不存在水平差异的不同供应链环节中基本信息和影响因素信息与评价数据库中的不同评价层次的指标数据得到相关性分析结果,例如,相关性系数r和显著性系数sig值,若相关性系数|r|>0.4且显著性系数sig<0.05,则这些不同供应链环节中基本信息和影响因素信息对生产效益有较强的相关性。反之则没有相关性或相关性不强。
③当这些不同供应链环节中基本信息和影响因素信息对生产效益的该评价层次有较强的相关性,继续分析其相关性系数r,若相关性系数r为正数,则这些不同供应链环节中基本信息和影响因素信息对生产效益的该评价层次为正相关关系,反之为负相关关系。
所述加工模块6005根据所述分析结果确定生产加工优化策略,并根据所述生产加工优化策略对所述小麦产品的生产加工进行优化的操作。
应理解的是,所述基于供应链追溯体系的小麦生产优化设备根据所述分析结果确定小麦产品生产优化策略,并根据所述小麦产品生产优化策略对所述小麦产品的生产加工进行优化。
也可以是说,根据所述追溯数据与所述评价数据之间的相关关系确定各供应链环节中对小麦产品加工企业的生产效益,也就是说供应链环节中部分基本信息和影响因素信息中不同水平对生产效益产生了明显影响,研究分析这部分基本信息和影响因素信息中不同水平对生产效益的影响规律,并提出相应的小麦产品的生产加工优化策略,并根据所述生产加工优化策略对所述小麦产品的生产加工进行优化。
之后,根据相关分析研究结果,总结归纳各供应链环节中基本信息和影响因素对小麦企业的生产效益的影响规律,并有针对性的提出加工优化策略,从而根据所述加工优化策略优化该食品加工企业的生产效益。
在本实施例中,获取小麦产品对应的小麦供应链信息、小麦供应链数据以及小麦加工效益数据,并根据所述小麦供应链信息确定小麦供应链追溯体系,然后通过所述小麦供应链追溯体系对所述小麦供应链数据进行筛选,以获取准确的数据,之后获得关键指标数据,根据所述关键指标数据建立初始追溯数据库,根据所述初始追溯数据库,通过数据预处理法获得目标追溯数据库,并根据所述小麦加工效益数据生成评价数据库,通过预设水平判断模型判断所述目标追溯数据库中的追溯数据是否满足预设条件,获得判断结果,根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果,根据所述分析结果确定生产加工优化策略,并根据所述生产加工优化策略对所述小麦产品的生产加工进行优化;本实施例根据追溯数据库以及评价数据库来对小麦产品的供应链过程进行分析,并获取相应的小麦生产优化策略,从而在全面收集小麦产品在不同供应链环节的关键数据的同时,以提升小麦产品的生产效益。
本发明所述基于供应链追溯体系的小麦生产优化装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序,可将这些词语解释为名称。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明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,该计算机软件产品存储在一个存储介质(如只读存储器镜像(Read Only Memory image,ROM)/随机存取存储器(Random AccessMemory,RAM)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种基于供应链追溯体系的小麦生产优化方法,其特征在于,所述基于供应链追溯体系的小麦生产优化方法包括以下步骤:
获取小麦产品对应的小麦供应链信息、小麦供应链数据以及小麦加工效益数据;
根据所述小麦供应链信息和所述小麦供应链数据确定目标追溯数据库,并根据所述小麦加工效益数据生成评价数据库;
通过预设水平判断模型判断所述目标追溯数据库中的追溯数据是否满足预设条件,获得判断结果;
根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果;
根据所述分析结果确定生产加工优化策略,并根据所述生产加工优化策略对所述小麦产品的生产加工进行优化;
所述根据所述小麦供应链信息和所述小麦供应链数据确定目标追溯数据库的步骤包括:
根据所述小麦供应链信息确定小麦供应链追溯体系,通过所述小麦供应链追溯体系对所述小麦供应链数据进行筛选,获得关键指标数据;
根据所述关键指标数据建立初始追溯数据库,根据所述初始追溯数据库通过数据预处理法获得目标追溯数据库;
所述根据所述小麦供应链信息确定小麦供应链追溯体系的步骤包括:
根据所述小麦供应链信息确定小麦供应链环节;
根据预设要素分析模型确定所述小麦供应链环节对应的要素层,并根据预设指标分析模型确定所述要素层对应的追溯指标;
根据所述小麦供应链环节、所述要素层及所述追溯指标建立小麦供应链追溯体系。
2.如权利要求1所述的方法,其特征在于,所述根据所述小麦加工效益数据生成评价数据库的步骤,包括:
根据所述小麦加工效益数据确定所述小麦产品对应的效益评价层次,并根据预设关键指标模型确定所述效益评价层次对应的关键指标;
根据所述关键指标获取所述小麦产品对应的关键指标数据,并根据所述关键指标数据生成评价数据库。
3.如权利要求1所述的方法,其特征在于,所述根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果的步骤,包括:
在所述追溯数据不满足所述预设条件时,根据所述目标追溯数据库中的追溯数据和所述评价数据库中的评价数据,通过多因素分析法获得方差齐性值以及显著性值;
判断所述方差齐性值和所述显著性值是否均满足预设阈值条件;
若所述方差齐性值和所述显著性值均满足所述预设阈值条件,则获取所述评价数据对应的目标小麦效益评价层次,并根据所述目标小麦效益评价层次和所述追溯数据确定追溯数据平均值;
根据所述追溯数据平均值和所述目标小麦效益评价层次确定目标追溯数据,并将所述目标追溯数据作为分析结果。
4.如权利要求1所述的方法,其特征在于,所述根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果的步骤,还包括:
在所述追溯数据满足所述预设条件时,根据所述目标追溯数据库中的追溯数据和所述评价数据库中的评价数据,通过预设相关性分析法获得相关性值和显著性值;
根据所述相关性值和所述显著性值确定所述追溯数据与所述评价数据之间的相关关系,并将所述相关关系作为分析结果。
5.如权利要求4所述的方法,其特征在于,所述根据所述相关性值和所述显著性值确定所述追溯数据与所述评价数据之间的相关关系,并将所述相关关系作为分析结果的步骤,包括:
判断所述显著性值是否小于预设第一阈值且所述相关性值是否大于预设第二阈值;
在所述显著性值小于所述预设第一阈值且所述相关性值大于所述预设第二阈值时,根据所述相关性值确定所述追溯数据与所述评价数据之间的相关关系,并将所述相关关系作为分析结果。
6.一种基于供应链追溯体系的小麦生产优化装置,其特征在于,所述基于供应链追溯体系的小麦生产优化装置包括以下步骤:
获取模块,用于获取小麦产品的小麦供应链信息、小麦供应链数据以及小麦加工效益数据;
生成模块,用于根据所述小麦供应链信息和所述小麦供应链数据确定目标追溯数据库,并根据所述小麦加工效益数据生成评价数据库;
判断模块,用于通过预设水平判断模型判断所述目标追溯数据库中的追溯数据是否满足预设条件,获得判断结果;
分析模块,用于根据所述判断结果确定目标分析策略,并根据所述目标分析策略对所述目标追溯数据库和所述评价数据库进行分析,获得分析结果;
加工模块,用于根据所述分析结果确定生产加工优化策略,并根据所述生产加工优化策略对所述小麦产品的生产加工进行优化;
所述生成模块,还用于根据所述小麦供应链信息确定小麦供应链追溯体系,通过所述小麦供应链追溯体系对所述小麦供应链数据进行筛选,获得关键指标数据;根据所述关键指标数据建立初始追溯数据库,根据所述初始追溯数据库通过数据预处理法获得目标追溯数据库;
所述生成模块,还用于根据所述小麦供应链信息确定小麦供应链环节;根据预设要素分析模型确定所述小麦供应链环节对应的要素层,并根据预设指标分析模型确定所述要素层对应的追溯指标;根据所述小麦供应链环节、所述要素层及所述追溯指标建立小麦供应链追溯体系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010325613.8A CN111553522B (zh) | 2020-04-22 | 2020-04-22 | 基于供应链追溯体系的小麦生产优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010325613.8A CN111553522B (zh) | 2020-04-22 | 2020-04-22 | 基于供应链追溯体系的小麦生产优化方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111553522A CN111553522A (zh) | 2020-08-18 |
CN111553522B true CN111553522B (zh) | 2022-04-15 |
Family
ID=72001408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010325613.8A Active CN111553522B (zh) | 2020-04-22 | 2020-04-22 | 基于供应链追溯体系的小麦生产优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111553522B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108734482A (zh) * | 2018-05-23 | 2018-11-02 | 浪潮软件集团有限公司 | 一种阿胶质量追溯方法、系统、可读介质和存储控制器 |
CN109657996A (zh) * | 2018-12-25 | 2019-04-19 | 东北大学 | 一种基于haccp体系的食品追溯与查询分析系统及方法 |
CN110188962A (zh) * | 2019-06-04 | 2019-08-30 | 黑龙江省七星农场 | 基于农业物联网的水稻供应链信息处理方法 |
CN110942215A (zh) * | 2018-09-21 | 2020-03-31 | 上海仪电(集团)有限公司中央研究院 | 一种基于食品追溯的动态食品安全评价方法和评价装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130138470A1 (en) * | 2011-11-25 | 2013-05-30 | Infosys Limited | System and method for supply chain optimization |
-
2020
- 2020-04-22 CN CN202010325613.8A patent/CN111553522B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108734482A (zh) * | 2018-05-23 | 2018-11-02 | 浪潮软件集团有限公司 | 一种阿胶质量追溯方法、系统、可读介质和存储控制器 |
CN110942215A (zh) * | 2018-09-21 | 2020-03-31 | 上海仪电(集团)有限公司中央研究院 | 一种基于食品追溯的动态食品安全评价方法和评价装置 |
CN109657996A (zh) * | 2018-12-25 | 2019-04-19 | 东北大学 | 一种基于haccp体系的食品追溯与查询分析系统及方法 |
CN110188962A (zh) * | 2019-06-04 | 2019-08-30 | 黑龙江省七星农场 | 基于农业物联网的水稻供应链信息处理方法 |
Non-Patent Citations (4)
Title |
---|
Food traceability as an integral part of logistics management in food and agricultural supply chain;Bosona Techane等;《FOOD CONTROL》;20130930;第33卷(第1期);32-48 * |
可追溯系统的追溯粒度评价指标体系构建;钱建平等;《农业工程学报》;20140101;第30卷(第01期);98-104 * |
哈尔滨市农超对接绩效评价与提升对策研究;殷慧慧;《中国优秀硕士学位论文全文数据库 经济与管理科学辑》;20170228;J149-1227 * |
完善猪肉质量安全追溯体系建设的策略研究;周洁红;《农业经济问题》;20131031(第10期);90-96 * |
Also Published As
Publication number | Publication date |
---|---|
CN111553522A (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564286B (zh) | 一种基于大数据征信的人工智能金融风控授信评定方法和系统 | |
CN104077306B (zh) | 一种搜索引擎的结果排序方法及系统 | |
CN110196814B (zh) | 一种软件质量评价方法 | |
CN110738523B (zh) | 一种维修订单量预测方法及装置 | |
Lee et al. | A classification scheme for smart manufacturing systems’ performance metrics | |
CN110689355A (zh) | 客户分类方法、装置、计算机设备和存储介质 | |
CN116485020B (zh) | 一种基于大数据的供应链风险识别预警方法、系统及介质 | |
Dai et al. | Field reliability modeling based on two-dimensional warranty data with censoring times | |
CN113537807A (zh) | 一种企业智慧风控方法及设备 | |
Hynes et al. | Building a static farm level spatial microsimulation model for rural development and agricultural policy analysis in Ireland | |
Szelążek et al. | Semantic data mining‐based decision support for quality assessment in steel industry | |
CN111539569B (zh) | 基于供应链追溯体系的稻谷产品生产优化方法及装置 | |
CN111553522B (zh) | 基于供应链追溯体系的小麦生产优化方法及装置 | |
CN111553520B (zh) | 基于供应链追溯评价体系的粮食生产优化方法及装置 | |
CN111260155A (zh) | 粮食加工的工序优化方法、装置、电子设备及存储介质 | |
Vagh | An investigation into the effect of stochastic annual rainfall on crop yields in South Western Australia | |
CN113537759A (zh) | 一种基于权重自适应的用户体验度量模型 | |
CN112950279A (zh) | 基于机器学习的精准营销策略模型构建方法及装置 | |
CN112070336A (zh) | 一种基于层次分析法的制造业信息量化分析方法及装置 | |
CN116109211B (zh) | 基于设备数字化的设备运行水平分析方法及装置 | |
Dündar | Selection of compost plant location by K-Means and ARAS methods in TR83 region | |
CN111553521B (zh) | 基于供应链追溯评价体系的稻谷产品加工优化方法及装置 | |
Tang et al. | Exploring assessment method of technological advancement based on literature cross-citation | |
CN117787759A (zh) | 企业评分的确定方法、装置、存储介质及电子装置 | |
Alnoor et al. | Z-cloud Rough Fuzzy-Based PIPRECIA and CoCoSo Integration to Assess Agriculture Decision Support Tools |
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 |