CN111768207A - 认知采购 - Google Patents
认知采购 Download PDFInfo
- Publication number
- CN111768207A CN111768207A CN202010219728.9A CN202010219728A CN111768207A CN 111768207 A CN111768207 A CN 111768207A CN 202010219728 A CN202010219728 A CN 202010219728A CN 111768207 A CN111768207 A CN 111768207A
- Authority
- CN
- China
- Prior art keywords
- order
- model
- purchase
- behavioral
- specific data
- 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
- 230000001149 cognitive effect Effects 0.000 title abstract description 5
- 230000003542 behavioural effect Effects 0.000 claims abstract description 173
- 238000000034 method Methods 0.000 claims abstract description 129
- 230000008569 process Effects 0.000 claims abstract description 78
- 230000003993 interaction Effects 0.000 claims abstract description 59
- 230000008520 organization Effects 0.000 claims abstract description 28
- 238000012384 transportation and delivery Methods 0.000 claims description 68
- 239000003623 enhancer Substances 0.000 claims description 28
- 238000012544 monitoring process Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 8
- 230000008439 repair process Effects 0.000 abstract description 13
- 230000006399 behavior Effects 0.000 description 115
- 238000004519 manufacturing process Methods 0.000 description 40
- 238000012790 confirmation Methods 0.000 description 27
- 230000007613 environmental effect Effects 0.000 description 20
- 238000012545 processing Methods 0.000 description 18
- 230000009471 action Effects 0.000 description 15
- 230000001934 delay Effects 0.000 description 12
- 238000005067 remediation Methods 0.000 description 9
- 238000013024 troubleshooting Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 230000003278 mimic effect Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 206010061623 Adverse drug reaction Diseases 0.000 description 1
- 208000030453 Drug-Related Side Effects and Adverse reaction Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002716 delivery method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013068 supply chain management Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
-
- 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
- G06Q30/01—Customer relationship services
-
- 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q10/083—Shipping
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
- G06Q30/0637—Approvals
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例涉及认知采购。描述了认知采购的示例。在示例实施例中,关联于与采购操作有关的过程、组织和行业中的至少一个的采购特定的数据源被监测。从所监测的采购特定的数据,操作行为模式被标识。随后,使用操作行为模式和预先存在的行为模型库来构建订单的行为模型。从用户接收指示用于处理订单的查询的采购交互。通过认知订单礼宾来跟踪订单。使用行为模型,预测与订单有关的潜在事件,潜在事件指示影响订单的问题。因此,影响订单的问题被主动修复以自动地对订单进行故障检修。在示例中,根据修复要求通知用户。
Description
技术领域
本公开的实施例涉及认知采购。
背景技术
最近,采购作为关键过程的重要性已经在显著增加。最初,采购在大多数大公司努力管理它们的运营成本时以将购买整合到供应链管理中的方式开始。当前,采购过程以采购员做出采购请求或下订单开始。在采购操作中,在已经下订单之后,多个步骤被执行以验证订单并跟踪订单。一旦得到验证,订单就可以被发送到订单准备的倒数第二步,即,视情况而定,用于装配订购的产品或用于提供订购的服务。随后,在订单是针对产品的情况下,订单通过运送被交付给客户,或者,在订单是针对服务的情况下,订单通过激活被交付给客户。
针对任何组织的现有的货源到付款或采购到付款过程或销售操作通常以购买申请单的准备开始。购买申请单可以导致多个供应方响应于RFQ(针对报价的请求)或RFP(针对方案的请求)而提交报价。可以执行评估以用于针对它们满足购买申请单中规定的准则的合格性和能力审查每个RFQ或RFP。对每个RFQ或RFP的评估可以导致做出采购决策并选择供应方。可以向供应方发出购买订单。现在供应方可能被要求根据购买申请单处理商品的制造(在需要的情况下)和物流。在根据购买申请单的商品的物流已经完成之后将由供应方发出费用清单或称发票。组织将根据购买申请单接收商品并且将继续进行核实所接收的商品可以与购买申请单契合。当信息被发现为是准确的并且所有参数状况良好时,费用清单将被发送到付款部门。
因此,销售操作过程具有多个里程标,并且每个里程标易受可能影响订单的错误或问题影响。例如,可能涉及物流和供应链活动的销售操作中的步骤可能尤其易受可能影响订单交付的错误和例外影响。这些错误和例外可以包括例如产品的不可用性或事件的发生,其可以导致订单的延迟或取消或关于订单的运送的问题。
因此,利用用于自动化采购的当前模型,当过程到达受例外影响的里程标时通常可检测到例外,由此留下以有效方式管理例外的很少空间和时间。因此,订单被延迟或者不能被履行,并且这样的订单处理和管理可以不良地影响商业。因此,关于当前可用的采购过程的技术问题在于它们可能是无效的、不准确的和/或不可扩展的。
存在对可以增加针对它们的潜在交付延迟(尤其是集中于价值关键的那些)跟踪订单的自发性和敏捷性的系统和方法的要求。也存在降低由最近供应方交付引发的客户成本和造成的延迟的风险的需要。此外,存在对能够进行连续采购范式的优化的采购礼宾的需要,连续采购范式包括新出现问题、例外、新出现的风险和机会的持续感测、对推荐的评估、改进交付保证、针对它们的潜在交付延迟跟踪订单的增加的敏捷性、以及在这样的订单跟踪中与供应方的通信的增加的生产力以协商最好的可能结果。
发明内容
根据一个或多个示例实施例,公开了一种系统,包括:处理器;行为模型构建器,其被耦合到处理器,行为模型构建器包括:行为标识器,其用以:监测关联于与采购操作有关的过程、组织和行业中的至少一个的采购特定的数据源;以及从所监测的采购特定的数据标识操作行为模式,以及建模器,其用以:使用操作行为模式并且使用预先存在的行为模型库来构建针对订单的行为模型;以及将订单与采购特定的数据源中的至少一个采购特定的数据源相关联;监测器,其被耦合到处理器,监测器用以:从用户接收采购交互,采购交互用以指示由用户发送到系统的、用于处理订单的查询;以及利于对关联于与采购操作有关的过程、组织和行业中的至少一个的订单的下单;以及更新器,其被耦合到处理器,更新器包括:订单跟踪器,其用以与采购特定的数据源交互以用于订单的状态的检索;问题预测器,包括:模型部署器,其用以部署行为模型以基于行为模型来预测与所接收到的、待使用采购交互履行的订单有关的潜在事件,其中潜在事件指示影响订单的问题;以及解析器,其用以主动地修复影响订单的问题,以自动地对订单进行故障检修;以及对话管理器,其用以根据影响订单的问题的要求利于用户与采购特定的数据源的交互。
根据一个或多个示例实施例,公开了一种方法,包括:监测关联于与采购操作有关的过程、组织和行业中的至少一个的采购特定的数据源;从所监测的采购特定的数据标识操作行为模式;使用操作行为模式并且使用预先存在的行为模型库来构建针对订单的行为模型;将订单与采购特定的数据源中的至少一个采购特定的数据源相关联;从用户接收采购交互,采购交互用以指示由用户发送到系统的、用于处理订单的查询;利于对关联于与采购操作有关的过程、组织和行业中的至少一个的订单的下单;与采购特定的数据源交互以用于订单的状态的检索;基于行为模型来预测与所接收到的、待使用采购操作履行的订单有关的潜在事件,其中潜在事件指示影响订单的问题;主动地修复影响订单的问题,以自动地对订单进行故障检修;以及根据影响订单的问题的要求利于用户与采购特定的数据源的交互。
根据一个或多个示例实施例,公开了一种非瞬态计算机可读介质,包括机器可读指令,机器可读指令由处理器可执行以:监测关联于与采购操作有关的过程、组织和行业中的至少一个的采购特定的数据源;从所监测的采购特定的数据标识操作行为模式;使用操作行为模式并且使用预先存在的行为模型库来构建订单的行为模型;将订单与采购特定的数据源中的至少一个采购特定的数据源相关联;从用户接收采购交互,采购交互用以指示由用户发送到系统的、用于处理订单的查询;利于对关联于与采购操作有关的过程、组织和行业中的至少一个的订单的下单;与采购特定的数据源交互以用于订单的状态的检索;基于行为模型来预测与所接收到的、待使用采购操作履行的订单有关的潜在事件,其中潜在事件指示影响订单的问题;主动地修复影响订单的问题,以自动地对订单进行故障检修;以及根据影响订单的问题的要求利于用户与采购特定的数据源的交互。
附图说明
通过以下附图中示出的示例图示了本公开的特征。在以下附图中,类似的标记指示类似的元件,在附图中:
图1图示了根据本公开的示例实施例的智能订单礼宾系统的示意框图;
图2图示了根据本公开的示例实施例的用于提供自动化订单跟踪和问题解决的目的的智能订单礼宾系统的部件;
图3图示了根据本公开的示例实施例的订单行为模型和环境行为模型的整体视图;
图4图示了根据本公开的示例实施例的图3的订单行为模型;
图5图示了根据本公开的示例实施例的图3的环境行为模型;
图6图示了根据本公开的示例实施例的对订单的监测和自动调查;
图7图示了根据本公开的示例实施例的对与订单的履行相关的问题的修复的对话管理的示例;
图8图示了根据本公开的其他示例实施例的用于对与订单的履行相关的问题的修复的假设生成和证据收集;
图9图示了根据本公开的示例实施例的基于图4的订单行为模型的下一订单预测的示例;
图10图示了根据本公开的示例实施例的对与订单的履行相关的问题的修复的示例;
图11图示了根据本公开的示例实施例的从部署智能订单礼宾得到的持续库存维护的示例;
图12图示了根据本公开的示例实施例的用于实现系统的硬件平台;
图13图示了根据本公开的示例实施例的自动化订单故障检修的方法。
具体实施方式
出于简单和说明目的,通过主要参考其示例来描述本公开。本文中描述的本公开的示例可以按照不同组合一起使用。在以下描述中,阐述细节以便提供对本公开的理解。然而,将明显的是,本公开可以在没有对所有这些细节的限制的情况下被实践。此外,在整个本公开中,术语“一”和“一个”旨在表示特定元件中的至少一个。如本文中所使用的,术语“包括(include)”意指包括但不限于,术语“包括(including)”意指包括但不限于。术语“基于(based on)”意指至少部分地基于,术语“基于(based upon)”意指至少部分地基于,并且术语“诸如”意指诸如单不限于。
本公开描述了涉及自动化订单故障检修和智能购买订单处理的各方面。在一个示例中,本公开中描述的方面有助于在订单已经由客户下单并在服务提供方处被接收之后处理订单,或者首先以解决明显可感知的潜在要求和因素的方式下订单。出于本公开的目的,术语客户用于指示下订单的任何一方,而术语服务提供方已经用于指示出售、制造、或以其他方式向客户提供方品、产品以及服务的任何一方。
从客户的视角,本公开的技术提供定制订单,其充分地满足他们的要求,同时考虑行业趋势和实践。同时,例如,在下订单的同时考虑可能影响商业、行业趋势并且因此影响订单的任何社会、经济或政治情况。另外,本公开从服务提供方的视角提供这些。例如,在给定行业规范的情况下,服务提供方可以能够有效地适应客户要求,记住可能影响订单的履行或影响产生订单的需求的各种因素(过去的、现在的以及未来的)。
首先,作为示例,从实现角度,用于智能订单礼宾的技术在两个阶段中体现。首先,行为模型捕获指示与过程、以及组织和行业或其组合相关联的采购特定的行为的操作行为模式。换言之,行为模型捕获由与特定过程相关的客户、或由客户组织、或由客户所属的行业遵循的操作行为模式。在第二阶段中,视情况而定,当订单被下单或接收时,部署行为模型。行为模型被部署为估量过去的、现在的以及未来的场景,以用于确定订单是否可能受影响,并且如果它可能受影响,则自动地对订单进行故障检修以便减轻或完全防止订单受影响。
在操作中,作为模型构建的部分,关联于与采购操作有关的过程、组织、行业或其组合的采购特定的数据源可以被监测。在示例中,可以基于实现本公开的技术的一方的操作来选择与采购操作有关的过程、组织和行业。出于本公开的目的,术语“采购操作”旨在涵盖由服务提供方以出售产品和服务的方式执行的销售操作或采购操作以及由客户以对由各种服务提供方、出售方以及制造者提供的产品和服务下订单的方式进行的操作。
例如,如果实现本公开的智能订单礼宾技术的当事方是服务提供方,则过程或组织或行业可以与服务提供方迎合的客户或服务提供方操作于其中的行业或领域相关。另一方面,例如,如果实现智能订单礼宾的当事方是客户,则对过程、组织和行业的监测可以与客户操作于其中的行业或领域或客户将实现的标准行业特定的过程相关。对销售操作的监测可以通过在线以及离线查询信息的各种数据库和存储库(从其可以检索相关数据)来实时实现。例如,社交媒体、在线门户网站、以及承载关于过程、组织、行业或其组合的信息的其他网站可以被抓取,以用于检索并监测以上提到的信息。
一旦采购特定的数据已经被检索到并存储,操作行为模式就可以基于采购特定的数据来标识。在示例中,如此标识的行为模式可以基于采购特定的数据来指示可以影响例如行业中的需求和供应的当前趋势和未来趋势以及当前趋势与先前趋势的差异。操作行为模式可以基于预定义规则使用采购特定的数据来标识,预定义规则反映与执行智能订单礼宾的一方有关的过程、组织和行业。在示例中,预定义规则可以基于针对该行业、过程、组织等等中的该订单过程的历史记录的案例。
在确定了操作行为模式的情况下,然后构建订单的行为模型以仿真所监测的采购特定的数据以及如以上所提到的操作行为模式。在示例中,预先存在的行为模型库可以是用于构建行为模型以及操作行为模式的基础。例如,预先存在的行为模型库可以用作用于生成行为模型的模板,其试图模仿操作行为模式。根据一方面,订单与采购特定的数据源中的至少一个相关联,其进而将行为模型与采购特定的数据源相关联。在一方面中,智能订单礼宾从用户接收采购交互。采购交互用于指示由用户发送到系统的用于处理订单的查询。智能订单礼宾可以使用行为模型和采购交互,以便利于对关联于与采购操作有关的过程、组织和行业中的至少一个的订单的下单。用对行为模型和对订单的下单的构建来结束智能订单礼宾的第一阶段。
如先前提到的,在第二阶段中,行为模型被实现用于订单管理,并且在必要的情况下用于自动地修复订单。修复的自动化暗示在任何阶段都不存在人类干预,并且订单处理、管理、以及故障检修的过程是机器执行的。在第二阶段中,订单一被下单就触发行为模型和相关联的过程以准确地确保问题的解决。智能订单礼宾从订单下单到最终交付追踪采购操作以用于实现预测潜在事件的能力。在示例中,智能订单礼宾可以包括订单跟踪器以与采购特定的数据源交互以用于检索订单的状态。
作为行为模型的部署的部分,基于行为模型来预测与所接收到的待使用采购操作来履行的订单有关的任何潜在事件。潜在事件指示可以直接地或间接地影响订单的问题。例如,直接影响可以是可以影响订单履行的真实存在事件(诸如自然灾害)的形式。间接影响可以是可以影响需求或供应进而潜在地影响订单的在一个地区酿造的经济、政治或社会情况的形式。另外,如先前提到的,对被影响的订单的预测可以从服务提供方或消费者的视角出发。在任一情况下,因素可以是相同的或相似的。如先前提到的,行为模型被构建为从订单下单到最终交付追踪采购操作以预测潜在事件。
在示例中,作为对潜在事件的预测的部分,也可以完成对在采购过程期间先前遇到的例外和在采购过程期间先前产生的问题的调查,以标识影响订单的潜在事件或问题。另外,本公开提供对新发现的影响因子在行为模型中的聚集。因此,在一个示例中,调查订单以确定订单是否符合行为模型,如以上所提到的,这基于与该订单相关联的操作行为模式来完成。在订单不符合行为模型的情况下,生成针对该订单的假设并将假设并入行为模型中,以便使得能够在这样的情况下预测潜在事件。换言之,如果订单不符合行为模型,这意味着行为模型不能准确地反映操作模式,则该新行为模式被并入行为模型中。
如果预测到可能潜在地影响订单的事件,则可以启动对事件的自动故障检修并且可以实现对影响订单的问题的主动修复。例如,在一种情况下,基于历史数据来生成假设,并且基于假设来提供用于解决问题的推荐。另外,作为订单修复的自动化的部分,可以在销售操作中响应于对进而指示影响订单的问题的潜在事件的预测而生成针对所有用户(诸如利益相关者,诸如销售团队、运营团队、交付团队、以及验证团队)的警告。这可以允许用户先发制人地提供对所标识的问题的解决方案。
图1图示了根据本公开的示例实施例的智能订单礼宾环境110,其可以包括用于提供自动化订单故障检修的系统110。出于本公开的目的,智能订单礼宾环境110被称为系统110。在示例实施例中,系统110利于在订单已经由客户下单并在服务提供方处被接收之后处理订单,或者首先以其解决不明显可感知的潜在要求和因素的方式下订单。因此,系统110可以被部署在客户端处或服务提供方端处。如先前还提到的,尽管术语采购操作之前已经使用以及以后被使用,但是应当理解该术语旨在涵盖由服务提供方以出售产品和服务的方式执行的销售操作或采购操作以及由客户以对由各种服务提供方、出售方以及制造者提供的产品和服务下订单的方式进行的操作。
在客户端处,在示例中,系统110可以提供量身定制的订单,其充分地满足他们的要求,同时考虑行业趋势和实践。同时,系统110还可以在下订单的同时考虑外部因素,可能是隐藏因素,例如,可能影响商业、行业趋势、市场需求并且因此影响订单的任何社会、经济或政治情况。在示例中,订单一旦已经被履行,系统110就可以利于付款。系统110可以根据订单的要求来利于客户与服务提供方之间的对话。系统110在预测影响订单的任何问题之后生成与客户或供应方的自动化通信。另外,系统110可以在被实现在服务提供方的终端处时提供类似的设备。例如,系统110可以能够考虑行业规范和可能影响订单的履行或影响首先引起订单的需求的各种其他因素,以允许服务提供方有效地适应客户要求。
作为实现以上功能的部分,系统110可以包括处理器120、行为模型构建器130、监测器140以及更新器150。处理器120可以被耦合到行为模型构建器130、监测器140以及更新器150。
在示例中,行为模型构建器130可以构建行为模型,该行为模型可以反映可以影响订单的各种因素,而更新器150可以使用行为模型并提供自动化订单修复。另外,更新器150还可以包括用于在行为模型不能适应情形的情况下改进行为模型的配置。行为模型构建器130和更新器150可以包括其他部件,其通过图2详细地进行解释。
根据本公开的实施例,行为模型构建器130可以被配置为监测关联于与采购操作有关的过程、组织和行业中的至少一个的采购特定的数据源。行为模型构建器130还可以从所监测的采购特定的数据标识操作行为模式。可以使用操作行为模式并且使用预先存在的行为模型库来构建针对订单的行为模型。在示例中,预先存在的行为模型库可以是用于构建行为模型以及操作行为模式的基础。例如,预先存在的行为模型库可以用作用于生成行为模型的模板,其试图模仿操作行为模式。订单可以与采购特定的数据源中的至少一个相关联。在示例中,采购特定的数据源还包括以下中的至少一个:供应方列表、特征、益处、成本、可用性、位置、商品、服务和信息的交付方法、创新评估、风险评估、技术评估、来自接收供应方数据的供应方协同、等等。
在示例中,采购交互可以例如通过监测器140从用户接收。采购交互可以指示由用户发送到系统110的用于处理订单的查询。在示例中,订单可以包括对商品和服务的采购。监测器140可以被配置为利于对订单的下单。在示例中,订单可以关联于与采购操作有关的过程、组织和行业中的至少一个。
系统110可以被配置为使得更新器150可以被配置为与采购特定的数据源交互来检索订单的状态。更新器150可以从对订单的下单到最终交付追踪订单。更新器150可以被配置为部署行为模型以基于行为模型使用采购交互来预测与所接收到的待履行的订单有关的潜在事件,其中潜在事件指示影响订单的问题。换言之,更新器150可以利于行为模型可以试图捕获订单管理中的销售到交付过程中的尽可能多的失败点。在示例中,更新器部署由行为模型构建器130通过处理器120构建的行为模型。更新器150可以被配置为主动修复影响订单的问题以自动地修复订单。在示例中,更新器150利于对影响在第零(0)天状态上的订单的问题的实时解决。根据本公开的实施例,更新器150可以被配置为根据影响订单的问题的要求利于用户与采购特定的数据源的交互。在示例中,更新器150可以被配置为解决影响来自针对订单产生的费用清单的第0天的订单的问题并且在到期日期之前获得付款承诺。在示例中,更新器150可以在预料到潜在需求时主动引导系统110的用户。系统110的用户可以是服务提供方、具有采购要求的组织的雇员、各种商品和服务的客户、供应方、等等。更新器150可以被配置为在产生咨询和投诉之前联系提供方,以便在这样的问题产生之前有效解决、修复或修正影响订单的任何问题。
图2图示了根据本公开的示例实施例的用于提供自动化订单跟踪和问题解决的目的的智能订单礼宾系统的部件。根据本公开的实施例,行为模型构建器130、监测器140以及更新器150还可以包括各种部件以便执行由系统110描述的技术。行为模型构建器130可以包括行为标识器210和建模器220以利于行为模型构建器130完成系统110的各种功能。另外,更新器150可以包括订单跟踪器230、问题预测器240、对话管理器250、以及模型增强器280。问题预测器240还可以包括模型部署器260和解析器270以利于更新器150完成系统110的各种功能。
在示例中,从操作角度,系统110被配置为使得行为模型构建器130、监测器140以及更新器150通过处理器120同步操作。系统110可以被配置为使得本文所描述的技术在3个阶段中被实现。
在第一阶段中,行为模型构建器130构建行为模型,其捕获指示和与实现系统110的一方相关联的过程、组织和行业或其组合相关联的采购特定的行为的操作行为模式。在第二阶段中,监测器140从用户接收采购交互,采购交互用于指示由用户发送到系统的用于处理订单的查询。监测器140可以利于对关联于与采购操作有关的过程、组织和行业中的至少一个的订单的下单。然后,在第三阶段中,视情况而定,当订单被下单或接收时,更新器150部署行为模型。在示例中,更新器150部署行为模型以预测与所接收到的待使用通过图1描述的采购交互履行的订单相关的潜在事件。在示例中,潜在事件可以是影响订单的问题。在示例中,更新器150部署行为模型以估量在订单在交付之前要求对产品的制造的情况下影响订单的问题是否可能与订单的制造相关。在示例中,更新器150部署行为模型以估量影响订单的问题可以与在订单已经离开服务提供方站点并且在到客户站点的运输中之后订单的运送相关。因此,更新器150可以启动对问题的自动修复以减轻或完全防止订单受影响。
在一方面中,行为模型构建器130可以被耦合到处理器120。行为模型构建器130可以包括行为标识器210以及建模器220。行为标识器210可以被配置为监测关联于与采购操作有关的过程、组织和行业中的至少一个的采购特定的数据源。行为标识器210可以被配置为从所监测的采购特定的数据标识操作行为模式。
在操作中,作为模型构建的部分,模式标识器102可以实时监测各种信息源,其可以与维护对无论是针对服务提供方还是针对客户的可能能够影响订单的完成或未完成的因素的关注相关。因此,行为标识器210可以监测关联于与可以被监测的采购操作有关的过程、组织、行业或其组合的采购特定的数据源。在示例中,可以基于实现本公开的技术的一方的操作来选择与采购操作有关的过程、组织和行业。
例如,如果系统110的实施者是服务提供方,则过程或组织或行业可以与服务提供方迎合的客户或服务提供方操作于其中的行业或领域相关。另一方面,例如,如果系统110的实施者是客户,则对过程、组织和行业的监测可以与客户操作于其中的行业或领域或客户将实现的标准行业特定的过程相关。行为标识器210可以实时地在线以及离线查询信息的各种数据库和存储库(从其可以检索相关数据)。例如,行为标识器210可以查询社交媒体、在线门户网站、以及承载关于过程、组织、行业或其组合的信息的其他网站,其可以由行为标识器210抓取以用于检索并监测以上提到的信息。
一旦已经检索并存储了销售特定的数据,行为标识器210就可以基于采购特定的数据来标识操作行为模式。在示例中,由行为标识器210如此标识的行为模式可以指示特定服务提供方的制造范型的波动。在示例中,由行为标识器210如此标识的行为模式可以指示针对特定产品、服务提供方等等的运送和运输相关的波动。行为标识器210可以基于预定义规则使用采购特定的数据来标识操作行为模式,其可以试图仿真与实施者执行智能订单和购买订单礼宾有关的过程、组织和行业。在示例中,预定义规则可以基于针对该行业、过程、组织中的该订单过程和针对该实施者的历史记录的案例。
关于确定的操作行为模式,建模器220可以使用操作行为模式并且使用预先存在的行为模型库来构建针对订单的行为模型。在示例中,建模器220可以考虑预先存在的行为模型库作为用于构建行为模型的基础。例如,建模器220可以使用预先存在的行为模型库作为用于生成行为模型的模板,其试图模仿操作行为模式。在示例中,订单可以是由客户请求的服务。在示例中,订单可以是用于制造特定种类的商品的请求。在示例中,订单可以是由新客户向新服务提供方下单的新订单。在示例中,订单可以是客户可以与服务提供方具有的关于商品和服务的交付是规定时间的正在进行的合同。在示例中,建模器220可以被配置为将订单与采购特定的数据源中的至少一个相关联。
在一方面中,监测器140可以被耦合到处理器120。监测器140可以从用户接收采购交互,采购交互用于指示由用户发送到系统的用于处理订单的查询。采购交互可以指示由用户发送到系统的用于处理对商品和服务的采购的查询。在示例中,用户的采购交互还包括以下中的至少一个:筛选历史采购请求,调查成本波动,开发针对方案的请求,跟踪促销,建立采购推荐,监测遵从的采购指导,以及监测对商品、服务或信息的获取。监测器140可以被配置为利于对关联于与采购操作有关的过程、组织和行业中的至少一个的订单的下单。
在根据本公开的示例中,由行为模型构建器130构建的行为模型可以是订单行为模型。下面通过图3和图4详细解释该模型。订单行为模型可以包括在对订单的下单之后的订单行为的元素,如商品过期、商品收到、费用清单问题、付款清算、等等。在根据本公开的示例中,由行为模型构建器130构建的行为模型可以是环境行为模型。下面通过图3和图5详细解释该模型。环境行为模型可以包括在对订单的下单之后的环境行为的元素,如运送、制造、运输、付款、等等。在根据本公开的示例中,由行为模型构建器130构建的行为模型可以是环境行为模型和订单行为模型的组合。
应当理解,如此构建的行为模型也考虑行业知识,以准确地表示与特定行业有关的操作行为模式。例如,行业类型的范围可以包括金融行业、制药行业、石油和天然气行业以及零售行业。在每个行业中,工作协议或工作量对于每个行业可以是特定的,并且因此对针对不同行为模型的需求是特定的。例如,在制药行业中,资源密集的工作量可以包括基因测序工作量、个人医学工作量、药物不良反应捕获工作量以及合规工作量。在另一示例中,在石油和天然气行业中,资源密集的工作量可以包括石油和天然气探测工作量和地震迁移工作量。在又一示例中,在零售行业中,资源密集的工作量可以包括交叉销售或向上销售推荐工作量、供应链优化工作量、付款后审计工作量以及客户加入工作量。
在一方面中,系统110包括被耦合到处理器120的更新器150。更新器150还可以包括订单跟踪器230、问题预测器240、对话管理器250、以及模型增强器280。问题预测器240还可以包括模型部署器260、解析器270以利于更新器150完成系统110的各种功能。
在一方面中,订单跟踪器230可以被配置为进行交互以与采购特定的数据交互以用于检索订单的状态。订单跟踪器230用于利用采购特定的数据源从对订单的下单到对订单的最终交付来追踪订单以用于检索订单的状态。
在示例中,更新器150可以被配置为使得问题预测器240可以部署由订单跟踪器230生成的订单跟踪数据和行为模型,以基于行为模型来预测与所接收到的待使用采购交互履行的订单有关的潜在事件。潜在事件可以指示影响订单的问题。在示例中,问题预测器240用于调查在任何历史采购交互的期间先前遇到的问题,以标识影响订单的问题。问题预测器240可以执行对在销售过程期间先前遇到的例外和在销售过程期间先前产生的问题的调查,以标识影响订单的潜在事件或问题。另外,在示例中,作为调查的部分,问题预测器240还可以收集历史案例的形式的证据。
在示例中,影响订单的问题可以是过期的商品、仓库问题、制造问题(如果订单需要首先被制造的话)、费用清单问题、付款问题、装送问题等等中的任何一种。费用清单问题可以包括在商品被接收的情况下未接收费用清单、在商品被装送的情况下未生成费用清单。
在一方面中,问题预测器240的模型部署器260通过行为模型可以试图从采购操作的步骤中捕获各种潜在事件,其中每个步骤已经被标识为影响采购操作中的订单的引起问题的关口。在示例中,视情况而定,订单一被客户下单或由服务提供方接收,问题预测器240就被触发用于部署行为模型。
作为对行为模型的部署的部分,模型部署器260使用行为模型来预测与将使用采购操作履行的订单有关的任何潜在事件。模型部署器260可以预测潜在事件以指示可以直接地或间接地影响订单的问题。例如,直接影响可以是可以影响订单履行的真实存在事件(诸如自然灾害)的形式。在另一示例中,直接影响可以是由于各种法规和遵从性问题的装送延迟。间接影响可以是可以影响需求或供应进而影响订单的在一个区域酿造的经济、政治或社会情况的形式。
另外,模型部署器260可以从实现系统110的一方(服务提供方或客户)的视角预测受影响的订单。在任一情况下,模型部署器260在示例中可以标识潜在事件可以是同样的,并且可以同等地影响客户以及服务提供方。如先前提到的,模型部署器260使用行为模型和从订单跟踪器230接收到的日期来从订单下单到最终交付追踪销售操作,从而沿着该路径评估每个失败点以便准确地预测潜在事件,随后预测其对订单的影响,并且可以推荐可能的解决方案。
在示例中,作为对潜在事件的预测的部分,模型部署器260可以基于历史数据来生成假设;并且基于假设来提供推荐以修复问题。问题可以是影响订单的问题。如果由问题预测器240预测可以潜在地影响订单的事件,解析器270可以被配置为主动修复影响订单的问题以自动地对订单进行故障检修。
例如,在一种情况下,作为主动修复的部分,模型部署器260可以基于历史情况数据来生成假设,并且然后基于假设来构建推荐以用于修复问题。解析器270可以执行由模型部署器260基于假设推荐的动作以用于修复问题。在示例中,推荐可以是可以由系统110的实施者执行的动作项的形式以减轻问题对订单的影响或一起避免影响。
另外,作为订单故障检修的自动化的部分,更新器150还包括对话管理器250。对话管理器250可以被配置为根据影响订单的问题的要求利于用户与采购特定的数据源的交互。下面通过图7详细解释用户与采购特定的数据源的交互。
更新器150可以被配置为通过对话管理器250响应于对潜在事件的预测而生成针对用户的警告。例如,系统110可以在销售操作中响应于对潜在事件的预测而警告所有利益关系人,诸如销售团队、运营团队、交付团队、以及验证团队,其可以允许利益关系人先发制人地将解决方案提供给与预测事件相关联的问题。在示例中,更新器150可以被配置为在对影响订单的问题的预测之后通过对话管理器250生成与采购特定的数据源和用户中的至少一个的自动化通信。在示例中,对话管理器250可以针对利益关系人生成关于订单的完成的警告并提供针对付款的清算。警告生成器可以例如为自动化通信、语音消息、文本消息、聊天界面、以及电子邮件。
另外,系统110还可以提供对(早前在行为模型中未知的或未考虑的)新发现的影响因素的聚集。因此,在一个示例中,更新器150包括模型增强器280。模型增强器280可以被配置为基于与订单相关联的操作行为模式来调查订单以确定订单是否符合行为模型。例如,模型增强器280可以确定当前订单是落入已知操作行为模式的类别内还是其是异常。模型增强器280可以当订单不符合行为模型时生成针对订单的假设。假设可以指示行为模型不能准确地反映操作模式。模型增强器280可以将假设并入行为模型以预测影响订单的潜在事件。
在模型增强器280确定订单不符合行为模型的情况下,模型增强器280还生成针对该订单的假设并将假设并入行为模型中,以便使得能够在这样的情况下预测潜在事件。在示例中,模型增强器280可以基于假设来生成关于行为模型中的改变的推荐,其将适应由于新订单造成的影响。
图3图示了根据本公开的示例实施例的订单行为模型和环境行为模型的整体视图。在一方面中,由行为模型构建器130构建的行为模型可以是订单行为模型。在示例中,由行为模型构建器130构建的行为模型可以是环境行为模型。在订单的成功执行中需要订单行为模型和环境行为模型两者。图3描述了订单行为模型302和环境行为模型338的交互。订单行为模型302和环境行为模型338可以通过虚线340分开。虚线340仅出于演示目的。
订单行为模型302包括购买订单306。购买订单306可以是监测器140通过用户的采购交互接收的订单。在示例中,购买订单306可以是用于商品和服务的采购的新订单。在示例中,购买订单306可以包括过期商品304的订单。过期商品304订单可以是由于如通过框304描绘的先前下的订单过期而得到的后续订单。在框320处,购买订单306可以由服务提供方接收。购买订单的框306和接收的订单的框320描绘了订单行为模型302与环境行为模型338的交互。购买订单306和接收的订单320可以是相同的并且在本文中可互换地使用并且可以被描绘为由于行为模型的差异的不同框。更新器150将在步骤306处开始跟踪订单并且将在订单行为模型302与环境行为模型338之间互换。为简洁起见,图3的描述将仅仅提到针对订单行为模型302和环境行为模型338描绘的示例性步骤。
在示例中,在购买订单306包含对商品的制造的情况下,接收的订单320被发送到制造单元324。制造单元324可以在针对接收的订单320的制造完成之后将接收的订单320发送到仓库322。在示例中,在购买订单306不要求制造的情况下,其被发送到仓库322。随后,接收的订单320可以被发送到运送单元326。以上通过图2描述的订单跟踪器230跟踪购买订单306通过接收的订单框320、制造单元324、仓库322以及运送单元326的进展。在本文中,环境行为模型338与订单行为模型302交互并且购买订单306被描绘为订单行为模型302中的在框308处接收的商品。步骤308将只有在商品由客户接收时才算完成。在示例中,商品可以通过购买订单304而被订购。在示例中,商品可以被早前订购并且可以过期,如通过框304所描绘的。
更新器150可以在308处在商品由客户接收之后跟踪费用清单328。如通过框312所描绘的,费用清单328可以在商品已经由客户接收之后被发送给客户。在示例中,费用清单328可以是环境行为模型338的部分。在示例中,订单行为模型302可以识别到商品已经在框308处被接收,然而,如通过框310所描绘的,费用清单尚未被接收。更新器150的对话管理器250将然后与利益关系人交互并且通知未接收费用清单。对话管理器250可以生成警告直到费用清单328被接收,如通过框312所描绘的。
更新器150可以在框314处接收费用清单312之后执行三向匹配。在框314处,购买订单306、接收的商品308以及接收的费用清单312被匹配在一起。在成功的三向匹配之后,在框316处,购买订单306的账户变得可付款。在示例中,如通过框318所描绘的,更新器150可以利于付款。在服务提供方的一端,一旦费用清单328被生成,针对接收的订单320的账户就变得账户可接收330。在示例中,如果系统110由服务提供方部署,那么更新器150将在框332处生成针对付款过期的警告。在示例中,对话管理器250可以利于付款收款334。订单跟踪器230将跟踪购买订单306的付款直到在框336处做出或接收最终付款。系统110可以由客户以及服务提供方部署并且系统110将部署行为模型以识别付款从而跟踪直到接收到最终付款336。
图4图示了根据本公开的示例实施例的订单行为模型400。在示例中,订单行为模型400可以与通过图3描绘的订单行为模型302相同。订单行为模型400可以与订单有关的商品的运送相关。应当理解,可以存在系统110可以针对各种订单做出的许多类似行为模型。系统110可以做出针对单个订单的多个行为模型。如以上所描述的,所有行为模型被存储在库中并且用于当前模型和未来模型的增强、形成、部署。行为模型中的任何可以用于智能订单处理。
根据本公开的示例,订单行为模型400(本文中也称为模型400)包括在框402处传送购买订单的步骤。购买订单可以是购买订单306。购买订单可以是不同于购买订单306的新订单。传送的购买订单402之后是接收确认404。在示例中,如果系统110已经由客户部署,那么确认404可以从服务提供方的一端被接收。在示例中,如果系统110已经由服务提供方部署,那么确认404可以从客户的一端被接收。在接收确认404之后,模型400接收关于包含于订单中的商品的运送的确认406。在示例中,存在关于订单的运送的问题,模型400记录与运送例外408相同的内容。订单跟踪器230可以然后持续地查询与关于运送信息的订单相关的采购相关源。解析器270将执行关于运送例外408的修复或警告利益关系人。过程将继续直到运送例外408被解决并且由订单跟踪器230接收到确认406。在示例中,模型增强器280将记录用于模型400的未来引用和更新的运送例外408。在示例中,模型400可以被构建使得问题预测器240可以预测运送例外408并且解析器270可以执行主动修复使得运送例外408可以被避免。
在示例中,当商品已经由客户接收时,确认412可以由系统110接收。在示例中,商品可以未被客户接收,然后由模型400记录接收例外410。订单跟踪器230可以然后持续地查询与关于商品接收信息的订单相关的采购相关源。解析器270将执行关于接收例外410的修复或警告利益关系人。过程将继续直到接收例外410被解决并且由订单跟踪器230接收到确认412。在示例中,模型增强器280将记录用于模型400的未来引用和更新的接收例外410。在示例中,模型400可以被构建使得问题预测器240可以预测接收例外410并且解析器270可以执行主动修复使得接收例外410可以被避免。在接收确认412之后,模型400包括验证414。验证414可以包括检查接收的商品或服务是否正确。在示例中,在模型400的构建和工作中可能需要系统110的部件中的任何部件。
图5图示了根据本公开的示例实施例的环境行为模型500。在示例中,环境行为模型500可以与如图5中描绘的环境行为模型338相同。订单行为模型500(本文中也称为模型500)可以与订单有关的商品的制造和运送相关。模型500可以被视为环境行为模型338的示例。应当理解,可以存在系统110可以针对各种订单做出的许多类似行为模型。系统110可以做出针对单个订单的多个行为模型。如以上所描述的,所有行为模型被存储在库中并且用于当前模型和未来模型的增强、形成、部署。行为模型中的任何行为模型可以用于智能订单处理。在模型500的构建和工作中可能需要系统110的部件中的任何部件。
根据本公开的示例,模型500包括接收订单502的步骤。接收的订单502可以与如通过图3描述的接收的订单320类似。在示例中,接收的订单502可以不同于接收的订单320。在图示的示例中,模型500并入针对接收的订单502的3个路径。第一路径可以是其中接收的订单502是服务提供方有现货的商品。第二路径可以是其中接收的订单502是服务提供方有现货但是没有足够数目的单元来满足接收的订单502的要求的商品。第三路径可以是其中接收的订单可以是独一无二的并且可能要求制造以便满足接收的订单502的要求的商品。模型500可以被如此配置为使得其将连续地查询采购相关的源并选择以上提到的和本文中描述的3个路径之一。下面呈现这3个路径。
在示例中,其中接收的订单502是服务提供方有现货的商品,接收的订单502可以被发送到库存单元504。库存单元504将提供关于在库存504中存在足够数目的单元以便满足接收的订单502的要求的信息。如果在库存504中存在足够数目的单元以便满足接收的订单502的要求,则接收的订单502可以被发送到仓库506。
在示例中,其中接收的订单502是服务提供方有现货但是没有足够数目的单元来满足接收的订单502的要求的商品。模型提供不足指示510。不足指示510将接收的订单502发送到调度单元514。调度单元514可以被配置为调度与接收的订单502有关的商品的制造。调度单元514可以将接收的订单502发送到工具校准单元516。工具校准单元516可以对接收的订单502执行调查以校准用于制造商品的工具和机器以便完成接收的订单502的要求。在成功的工具校准后,接收的订单502可以被发送到制造和装配单元518并且由订单跟踪器230寻求关于与接收的订单502相关的商品的完全制造和装配的确认。
在示例中,制造和装配单元518不能够符合接收的订单502的制造要求,模型500记录制造例外520。在这样的示例中,订单跟踪器230可以然后持续地查询与关于制造信息的订单相关的采购相关源。解析器270将执行关于制造例外520的修复或警告利益关系人。过程将继续直到制造例外520被解决并且由订单跟踪器230接收到制造和装配单元518的确认。在示例中,模型增强器280将记录用于模型500的未来引用和更新的制造例外520。在示例中,模型500可以被构建使得问题预测器240可以预测制造例外520并且解析器270可以执行主动修复使得制造例外520可以被避免。在来自制造和装配单元518的确认之后,接收的订单502可以被发送到仓库506。
在示例中,其中,接收的订单可以是独一无二的并且可能要求制造以便满足接收的订单502的要求的商品。模型500提供指示512。指示512可以指示履行接收的订单502可能要求独一无二的处理和制造。接收的订单被发送到调度单元514。这里重复以上针对第二路径描述的所有步骤,其中接收的订单502是服务提供方有现货但是没有足够数目的单元来满足接收的订单502的要求的商品。为文档的简洁和简单起见不再提到这些步骤。
以上描述的所有三个路径都将导致接收的订单502被发送到仓库506。在图5中图示的示例中,接收的订单502可以从仓库506被发送到国际运送单元522。系统110可以接收关于其的确认。在示例中,存在关于订单的运送的问题,模型500记录与运送例外526相同的内容。订单跟踪器230可以然后持续地查询与关于运送信息的订单相关的采购相关源。解析器270将执行关于运送例外526的修复或警告利益关系人。过程将继续直到运送例外526被解决并且由订单跟踪器230接收来自国际运送单元522的确认。在示例中,模型增强器280将记录用于模型500的未来引用和更新的运送例外526。在示例中,模型500可以被构建使得问题预测器240可以预测运送例外526并且解析器270可以执行主动修复使得运送例外526可以被避免。
在图示的示例中,接收的订单502可以从国际运送单元522被发送到国内运送单元524。系统110可以接收关于其的确认。在示例中,存在关于订单的运送的问题,模型500记录与运送例外528相同的内容。订单跟踪器230可以然后持续地查询与关于运送信息的订单相关的采购相关源。解析器270将执行关于运送例外528的修复或警告利益关系人。过程将继续直到运送例外528被解决并且由订单跟踪器230接收来自国际运送单元524的确认。在示例中,模型增强器280将记录用于模型500的未来引用和更新的运送例外528。在示例中,模型500可以被构建使得问题预测器240可以预测运送例外524并且解析器270可以执行主动修复使得运送例外528可以被避免。随后,当商品已经由客户接收时,确认530可以由系统110接收。
系统110的订单跟踪器230可以连续地查询采购相关的源并从以下中的任何获得确认和订单状态:调度单元514,工具校准单元516以及制造单元和装配单元518,仓库506,国际运送单元522,国内运送单元524和针对商品被接收的确认530。
图6图示了根据本公开的示例实施例的订单的监测和自动调查模型600。
如以上所描述的,系统110的更新器150用于调查在任何历史采购交互期间先前遇到的问题,以标识影响订单的问题。更新器150还可以包括模型增强器280以用于行为模型的增强、更新和校准。在图示的监测和自动调查模型600(本文中称为模型600)中图示了针对订单的检索状态的监测和针对先前遇到的问题的调查、针对符合行为模型的订单的调查。模型600可以要求对系统110的部件中的任何部件的部署。
在示例中,模型600与订单相关的商品的运送相关。如以上所描述的,订单跟踪器230可以与采购特定的数据源交互以进行订单状态的检索。在示例中,运送例外602可以在处理订单的同时被检测到。订单可以类似于订单306、320、402和502中的任何订单。在示例中,存在关于订单的运送的问题,模型600记录与运送例外602相同的内容。订单跟踪器230可以然后持续地查询与关于运送信息的订单相关的采购相关源。行为标识器210可以监测与运送例外602相关联的采购特定的数据源。行为标识器210可以从与例外302有关的所监测的采购特定的数据标识操作行为模式。建模器220将基于与运送例外602相关的操作行为模式来构建行为模型。问题预测器240可以使用模型部署器260来部署运送预测604的行为模型。预测604可以是与所接收到的待使用采购交互履行的订单有关的潜在事件。订单跟踪器230将通过查询各种采购特定的数据源来监测运送例外602。一旦被记录,运送例外602就将被标记用于运送预测604。系统110被配置为使得行为模型构建器130和更新器150将持续地监测预测604。
在示例中,如由模型600所图示的,运送预测604可以跟随下文呈现的3个路径。第一路径可以是订单的运送及时,第二路径可以是订单的运送比预期的早,并且第三路径可以是产品的运送可能被延迟。下文详细解释这些中的每个。如所提到的,如由框608所描绘的,第一路径可以是运送预测604将预测订单的运送及时。在这样的示例中,运送预测604被发送回到对运送例外602的监测。如由框610所描绘的,第二路径可以是运送预测604将预测订单的运送提早。在这样的示例中,运送预测604被发送回到对运送例外602的监测。如先前提到的,如由框612所描绘的,第三路径可以是运送预测604将预测订单的运送迟到。在这样的示例中,模型增强器280可以生成假设614。假设614可以基于预先存在的行为模型库616。例如,库616可以包括各种段中的运送延迟。假设614可以选择其中可以解释框612的运送延迟的段。系统110的对话管理器250可以然后启动通信618。通信618可以是电子邮件、电话呼叫、虚拟代理等等。下面通过图7详细解释通信618。随后,模型600将基于假设614和通信618找到运送延迟的原因620。另外,模型600可以做出选择622。选择622可以是新段,其可能已经基于假设614的置信度水平导致运送延迟。启动以上描述的通信618的过程可以由模型600重复。另外,模型600得到对运送时间的新估计624。必须理解,所描述的系统110的部件中的任何部件可以用于执行通过模型600描述的技术。
在示例中,解析器270将执行关于延迟612的修复或警告利益关系人。过程将继续直到延迟612被解决并且由订单跟踪器230接收在时间交付608上的确认。在示例中,模型增强器280将记录用于模型600的未来引用和更新的延迟612。在示例中,模型600可以被构建使得问题预测器240可以预测延迟612并且解析器270可以执行主动修复使得延迟612可以被避免。
图7图示了根据本公开的示例实施例的对与订单的履行相关的问题的修复的对话管理的示例。图7图示了对话管理模型700,其应当仅仅被当作示例。在示例中,对话管理器250可以用于执行本文中描述的技术。应当理解,系统110的部件中的任何部件可以用于执行本文中描述的技术。模型700可以包括多通道对话管理器702。在示例中,多通道对话管理器702可以使用如自然语言生成(NLG)714和自然语言理解(NLU)710的技术。NLG 714和NLU710可以对本领域技术人员是公知的并且为了文档的简洁将不再这里进行解释。多通道对话管理器702启动与供应方712的交互。交互可以是例如电子邮件704、聊天706或SMS 708的形式。多通道对话管理器702可以与供应方行为模型724交互。供应方行为模型724可以是由行为模型构建器130构建的新模型。在示例中,供应方行为模型724可以是系统110中存储的预先存在的模型之一。可以通过转换718来有助于多通道对话管理器702与供应方行为模型724的交互。转换718可以包括从供应方712接收的通信。在示例中,转换718可以被配置为破译转换上下文716。在示例中,转换718还可以包括来自动作计划者720的信息。动作计划者720可以从案例活动引擎722得出。动作计划者720和案例活动引擎722可以包括关于由更新器150在供应方行为模型724上执行的各种调查的信息。转换718可以用作供应方行为模型724与多通道对话管理器702之间的接口。
图8图示了根据本公开的其他示例实施例的用于对与订单的履行相关的问题的修复的假设生成和证据收集。图8图示了案例800,其图示了由更新器150通过问题预测器240和模型增强器280执行的调查。如以上所描述的,问题预测器240的模型部署器260可以被配置为基于历史数据生成假设;并且基于假设提供推荐以修复问题。此外,模型增强器280可以被配置为基于与订单相关联的操作行为模式来调查订单以确定订单是否符合行为模型。此外,模型增强器280可以当订单不符合行为模型时生成针对订单的假设。在示例中,模型增强器280可以将假设并入行为模型以预测潜在事件。案例800描述了假设生成和证据收集的过程以便形成用于修复的基础。
案例800可以包括记录例外事件802。模型部署器260可以调查并找到例如对于例外事件802可能的两种类型的例外。这些例外可以包括商品接收例外804和运送例外806。模型部署器260可以进一步调查商品接收例外804和运送例外806中的每个并得到针对每个的不同假设。每个假设可以然后被调查是否有证据以便确定假设的置信度水平。应当指出,针对商品接收例外804形成的假设和收集的证据也可以与针对运送例外806形成的假设和收集的证据相互连接。在示例中,运送例外806可以引起假设822、假设826、假设830以及假设834(下面解释的)。为简洁起见,下文解释所有假设和证据,并且本领域普通技术人员将理解,每个假设以及伴随的证据可以与每个其他假设以及伴随的证据连接。
在示例中,商品接收例外804可以导致可以存在运送的延迟的假设。模型部署器260可以进一步调查并且形成引用国际运送的延迟的假设810,引用国内运送的延迟的假设814,以及引用由于运送事故或商品被损坏的延迟的假设816。假设810可以导致系统110执行关于负责对与商品接收到的例外804相关的订单的国际运送的运送公司的检查812。在示例中,系统110可以使用订单跟踪器230和对话管理器250以用于执行检查812。检查812可以形成用于推荐针对假设810的动作过程的证据。假设814可以导致系统110执行关于负责对与商品接收到的例外804相关的订单的国内运送的运送公司的检查816。在示例中,系统110可以使用订单跟踪器230和对话管理器250以执行检查816。检查816可以形成用于推荐针对假设814的动作过程的证据。假设818可以导致系统110执行关于负责对与商品接收到的例外804相关的订单的运送的运送公司的检查820。在示例中,系统110可以使用订单跟踪器230和对话管理器250以执行检查820。检查820可以形成用于推荐针对假设818的动作过程的证据。
假设822可以是指缺货并等待其到来的商品。假设822可以导致系统110执行关于负责对与运送例外806相关的订单的仓储(warehousing)的仓库公司的检查824。在示例中,系统110可以使用订单跟踪器230和对话管理器280以执行检查824。检查824可以形成用于推荐针对假设822的动作过程的证据。在示例中,假设826可以是指缺货并且可以等待制造的商品。假设826可以导致系统110执行关于负责对与商品接收到的例外804相关的订单的制造的制造公司的检查828。在示例中,系统110可以使用订单跟踪器230和对话管理器250以执行检查828。检查828可以形成用于推荐针对假设826的动作过程的证据。在一方面中,假设830可以是指缺货并且不再可以生产的商品。假设830可以导致系统110执行关于负责对与商品接收到的例外804相关的订单的制造的产品制造公司的管理的检查832。在示例中,系统110可以使用订单跟踪器230和对话管理器250以执行检查832。检查832可以形成用于推荐针对假设830的动作过程的证据。在示例中,假设834可以是指运输不可用。假设834可以导致系统110执行关于负责对与商品接收到的例外804相关的订单的运输的运输公司的检查836。在示例中,系统110可以使用订单跟踪器230和对话管理器250以执行检查836。检查836可以形成用于推荐针对假设834的动作过程的证据。
在示例中,以上提到的所有检查812、816、820、824、828、832、836可以导致系统110得出结论838。结论838可以包括假设的根本原因分析和支持证据。模型部署器260可以然后部署行为模型以基于行为模型来预测与所接收到的待使用采购交互履行的订单有关的潜在事件,其中潜在事件指示影响订单的问题。解析器270可以主动修复影响订单的问题以自动地修复订单。模型增强器280可以将假设和支持证据中的每个并入行为模型中以预测潜在事件。应当指出,系统110中的部件中的任何部件可以用于执行通过案例800呈现的技术。
图9图示了根据本公开的示例实施例的基于图4的订单行为模型的下一订单预测的示例。图9图示了订单行为模型900(本文中也称为模型900),其展示了基于图4的订单行为模型400的下一订单预测。在示例中,模型900可以不同于订单行为模型400。
订单行为模型900可以与订单有关的商品的运送相关。应当理解,可以存在系统110可以针对各种订单做出的许多类似行为模型。系统110可以做出针对单个订单的多个行为模型。如以上所描述的,所有行为模型被存储在库中并且用于当前模型和未来模型的增强、形成、部署。任何行为模型可以用于智能订单处理。
根据本公开的示例,订单行为模型900包括在框902处传送购买订单的步骤。购买订单可以是购买订单306、购买订单402。购买订单可以是不同于购买订单306或购买订单402的新订单。传送的购买订单902之后是接收确认904。在示例中,如果系统110已经由客户部署,那么确认904可以从服务提供方的一端被接收。在示例中,如果系统110已经由服务提供方部署,那么确认904可以从客户的一端被接收。问题预测器240可以被配置为做出用于接收确认904的预测906。
在接收确认904之后,模型900接收关于包含于来自仓库的订单中的商品的运送的确认914。在示例中,存在关于订单的运送的问题,模型900记录与运送例外908相同的内容。订单跟踪器230可以然后持续地查询与关于运送信息的订单相关的采购相关源。解析器270将执行关于运送例外908的修复或警告利益关系人。过程将继续直到运送例外908被解决并且由订单跟踪器230接收到确认914。在示例中,模型增强器280将记录用于模型900的未来引用和更新的运送例外908。在示例中,模型900可以被构建为使得问题预测器240可以做出预测912。预测912可以是指发生的运送例外908的潜在事件,并且解析器270可以执行主动修复使得运送例外908可以被避免。类似地,系统110可以被配置为做出用于接收确认914的预测910。
在示例中,当商品已经由客户接收时,确认920可以由系统110接收。在示例中,商品可以未被客户接收,然后由模型900记录接收例外918。接收例外918也可以在不正确的商品可以由客户接收的情况下被记录。订单跟踪器230可以然后持续地查询与关于商品接收信息的订单相关的采购相关源。解析器270将执行关于接收例外918的修复或警告利益关系人。过程将继续直到接收例外918被解决并且由订单跟踪器230接收到确认920。在示例中,模型增强器280将记录用于模型900的未来引用和更新的接收例外918。在示例中,模型900可以被构建为使得问题预测器240可以做出预测916。预测916可以是指接收例外918的潜在事件,并且解析器270可以执行主动修复使得接收例外918可以被避免。类似地,系统110可以被配置为做出用于接收确认920的预测926。预测926可以是指接收例外918的潜在事件的发生。
在接收确认920之后,模型900包括验证924。验证924可以包括检查接收的商品或服务是否正确。在示例中,模型900可以被构建为使得问题预测器240可以做出预测922。预测922可以是指未根据要求工作的验证924的潜在事件。解析器270可以执行主动修复使得未根据要求工作的验证924的潜在事件可以被避免。在示例中,在模型900的构建和工作中可能需要系统110的部件中的任何部件。
图10图示了根据本公开的示例实施例的对与订单的履行相关的问题的修复的示例。图10图示了与用于由也如以上所述的系统110执行的自动调查的根本原因确定相关的示例案例1000。案例1000可以是案例800之后的后续案例,其图示了由更新器150通过问题预测器240和模型增强器280执行的调查。案例1000可以包括根本原因确定1002。根本原因确定1002可以是由更新器150通过问题预测器240和模型增强器280执行的调查的结果。如以上通过图8提到的,案例800的所有检查——812、816、820、824、828、832、836可以导致系统110得出结论838。结论838可以包括假设的根本原因分析和支持证据。结论838可以与根本原因确定1002相同。根本原因确定1002可以不同于结论838。根本原因确定1002可以导致对修复动作的确定。在示例中,解析器270可以被配置为主动修复影响订单的问题以自动地修复订单。应当理解,系统110的部件中的任何部件可以用于本文中描述的修复。
在示例案例1000中,根本原因确定1002导致对可能是影响订单的潜在事件的各种问题的确定。每个可能性可以导致不同的修复方法,其可以由解析器270或系统110部署以用于问题的主动修复。下文解释了可以通过案例1000标识的各种问题以及伴随的修复动作。
在示例中,根本原因确定1002导致关于国际运送的延迟的问题1004。解析器270可以然后执行标识1018。标识1018可以包括用于修复问题1004的应变(workaround)方法。解析器270可以将方法1032部署为对问题1004的修复的部分。方法1032可以包括使用备选产品或托运人以便避免问题1004,其是指国际运送的延迟。在示例中,根本原因确定1002导致关于国内运送的延迟的问题1006。解析器270可以然后执行标识1020。标识1020可以包括用于修复问题1006的应变方法。解析器270可以将方法1034部署为对问题1006的修复的部分。方法1034可以包括使用备选产品或托运人以便避免问题1006,其是指国内运送的延迟。在示例中,根本原因确定1002导致关于运送事故的问题1008。解析器270可以然后执行标识1022。标识1018可以包括找出备选托运人作为用于修复问题1008的应变方法。解析器270可以将通过标识1022找到的方法部署为对问题1008的修复的部分。
在示例中,根本原因确定1002导致关于仓库问题的问题1010。解析器270可以然后执行标识1024。标识1024可以包括发现仓库可以将项目运送到修复问题1010的库存。解析器270可以将方法1036部署为对问题1010的修复的部分。方法1036可以包括使用备选产品或托运人以便避免问题1010,其是指仓库问题。在示例中,根本原因确定1002导致关于制造问题的问题1012。解析器270可以然后执行标识1026。标识1026可以包括找出用于修复问题1012的应变设计。解析器270可以将方法1038部署为对问题1012的修复的部分。方法1038可以包括确保新设计根据订单要求被评定并且可以被使用。
在示例中,根本原因确定1002导致关于库存问题的问题1014。解析器270可以然后执行标识1028。如果等待库存不是用于修复问题1014的选项,那么标识1028可以包括找出替代品。解析器270可以将方法1040部署为对问题1014的修复的部分。方法1040可以包括确保替代品根据订单要求被评定并且可以被使用。在示例中,根本原因确定1002导致关于库存问题的问题1016。解析器270可以然后执行标识1030。标识1028可以包括找出用于修复问题1016的替代品或备选产品。解析器270可以将方法1042部署为对问题1016的修复的部分。方法1042可以包括确保替代品根据订单要求被评定并且可以被使用。
图11图示了根据本公开的示例实施例的从部署智能订单礼宾得到的持续库存维护的示例。图11图示了案例1100,其中客户或服务提供方可以能够根据系统110的部署维持库存的接近恒定状态。案例1100可以使用三个库存段来描述,这三个库存段即传入段1102、库存段1104、以及传出段1106。传入段1102可以是指商品,其可以被采购用于库存段1104。传出段1106可以是指可以离开库存段604以根据要求被用于其他地方或被运送出的商品。案例1100可以部署系统110以用于维持库存段1104的恒定状态。例如,当传入段1102的增加可以被检测到时,系统110可以帮助将交付日期安排在比否则已经计划的日期更早的时间。当传出段1106的增加可以被检测到时,系统110可以帮助将交付日期安排在比否则已经计划的日期更晚的时间。其中可以确保库存段1104的恒定水平。
图12图示了根据本公开的实施例的用于实现系统110的硬件平台1200。特别地,诸如但不限于内部/外部服务集群、量子计算机、台式机、膝上型计算机、智能电话、平板电脑和可穿戴设备的计算机器可以用于执行系统110或者可以具有硬件平台1200的结构。硬件平台1200可以包括未示出的附加部件并且所描述的部件中的一些可以被移除和/或修改。在另一示例中,具有多个GPU的计算机系统可以位于包括亚马逊网络服务的外部云平台或内部公司云计算集群或组织计算资源等等上。
参考图12,硬件平台1200可以是可以与本文中描述的示例一起使用的计算机系统1200。计算机系统1200可以表示包括可以处于服务器或另一计算机系统中的部件的计算平台。计算机系统1200可以由处理器(例如,单个或多个处理器)或其他硬件处理电路执行本文中描述的方法、功能和其他过程。这些方法、功能和其他过程可以被体现为存储于计算机可读介质上的机器可读指令,该计算机可读介质可以是非瞬态的,诸如硬件存储设备(例如,RAM(随机存取存储器)、ROM(只读存储器)、EPROM(可擦可编程ROM)、EEPROM(电可擦可编程ROM)、硬盘驱动器、以及闪速存储器)。计算机系统110可以包括处理器1205,其执行存储于非瞬态计算机可读存储介质1210上的软件指令或代码以执行本公开的方法。软件代码包括例如执行先前参考图1至图11中的系统110的部件描述的步骤的指令。在示例中,处理器120、行为模型构建器130、监测器140、更新器150可以是执行这些步骤的软件代码或部件。在示例中,行为标识器210、建模器220、订单跟踪器230、问题预测器240、模型部署器260、解析器270、对话管理器250以及模型增强器280可以是执行这些步骤的软件代码或部件。
计算机可读存储介质1210上的指令被读取并且被存储在存储装置1215中或随机存取存储器(RAM)1220中。存储装置1215提供用于保持静态数据的大空间,其中至少一些指令可以被存储以供稍后执行。存储的指令可以被进一步编译以生成指令的其他表示并动态地存储在RAM 1220中。处理器1205从RAM 1220读取指令并如所指示的执行动作。
计算机系统1200还包括输出设备1225以向诸如外部代理的用户提供执行的结果中的至少一些作为输出,包括但不限于视觉信息。输出设备可以包括计算设备上的显示器和虚拟现实眼镜。例如,显示器可以是移动电话屏幕或膝上型屏幕。GUI和/或文本作为输出被呈现在显示屏上。计算机系统1200还包括输入设备1030以向用户或另一设备提供用于录入数据和/或以其他方式与计算机系统1200交互的机制。输入设备可以包括例如键盘、小键盘、鼠标或触摸屏。在示例中,系统110的任何部件的输出被显示在输出设备1225上。这些输出设备1225和输入设备1230中的每个可以通过一个或多个附加外围设备被连接。
网络通信器1235可以被提供以将计算机系统1200连接到网络并且进而连接到连接到网络的其他设备,包括例如其他客户端、服务器、数据存储库和接口。网络通信1235可以包括例如网络适配器,诸如LAN适配器或无线适配器。计算机系统1200包括访问数据源1245的数据源接口1240。数据源是信息资源。作为示例,例外和推理规则的数据库可以是数据源。此外,知识存储库和精选的数据可以是数据源的其他示例。
图13图示了根据本公开的示例实施例的用于由系统110描述的智能订单和购买订单礼宾的方法1300。
应当理解,本文仅为了参考示出方法步骤,并且步骤的其他组合可以是可能的。另外,方法1300可以包含除了图13中示出的步骤之外的一些步骤。为简洁起见,在图13的描述中不详细解释在图1、图2、图3、图4、图5、图6、图7、图8、图9、图10、图11和图12的描述中详细解释的系统110的构建和操作特征。方法1300可以由系统110的部件(诸如处理器120、行为模型构建器130、监测器140以及更新器150)执行。
用于自动化订单故障检修的方法1300可以在三个阶段中被实现。在第一阶段中,行为模型构建器130构建行为模型,其捕获指示和与实现系统110的一方相关联的过程、组织和行业或其组合相关联的采购特定的行为的操作行为模式。在第二阶段中,监测器140从用户接收采购交互,采购交互用于指示由用户发送到系统的用于处理订单的查询。监测器140可以利于对关联于与采购操作有关的过程、组织和行业中的至少一个的订单的下单。然后,在第三阶段中,视情况而定,当订单被下单或接收时,更新器150部署行为模型。在示例中,更新器150部署行为模型以预测与所接收到的待使用通过图1描述的采购交互履行的订单相关的潜在事件。在示例中,潜在事件可以是影响订单的问题。在示例中,更新器150部署行为模型以估量在订单在交付之前要求对产品的制造的情况下影响订单的问题是否可能与订单的制造相关。在示例中,更新器150部署行为模型以估量影响订单的问题可以与在订单已经离开服务提供方站点并且在到客户站点的运输中之后订单的运送相关。因此,更新器150可以启动对问题的自动修复以减轻或完全防止订单受影响。
关于方法1300,在框1302处,可以监测关联于与销售操作有关的过程、组织、行业或其组合的采购特定的数据源。在示例中,可以基于实现本公开的技术的一方的操作来选择与销售操作有关的过程、组织和行业。对采购操作的监测可以通过在线以及离线查询信息的各种数据库和存储库(从其可以检索相关数据)来实时实现。例如,社交媒体、在线门户网站、以及承载关于过程、组织、行业或其组合的信息的其他网站可以被抓取以检索并监测以上提到的信息。
另外,在框1304处,可以基于采购特定的数据来标识操作行为模式。
随后,在框1306处,使用操作行为模式并且使用预先存在的行为模型库来构建订单的行为模型。在示例中,预先存在的行为模型库可以是用于构建行为模型的基础。例如,预先存在的行为模型库可以用作用于生成行为模型的模板,其试图模仿操作行为模式。
在框1308处,订单与采购特定的数据源中的至少一个相关联。
在框1310处,从用户接收采购交互。采购交互可以指示由用户发送到系统的用于处理订单的查询,鉴于行为模型来评估该订单。
在框1312处,可以利于对关联于与采购操作有关的过程、组织和行业中的至少一个的订单的下单。
在框1314处,可以利于与采购特定的数据源的交互以检索订单的状态。在示例中,与采购特定的数据源的交互包括利用采购特定的数据源从对订单的下单到对订单的最终交付来追踪订单以检索订单的状态。
在框1316处,基于行为模型来预测与所接收到的待使用采购操作履行的订单有关的任何潜在事件。潜在事件指示可以直接地或间接地影响订单的问题。在示例中,预测潜在事件包括调查在任何历史采购交互期间先前遇到的问题期间的先前遇到的例外,以标识影响订单的问题。在示例中,预测包括基于与订单相关联的操作行为模式来调查订单以确定订单是否符合行为模型。在示例中,预测包括:当订单不符合行为模型时生成针对订单的假设。在示例中,预测包括将假设并入行为模型总以预测潜在事件。
在框1318处,可以主动地修复影响订单的问题以自动地对订单进行故障检修。在示例中,修复可以包括基于历史数据来生成假设。在示例中,修复可以包括基于假设来提供推荐以修复问题。
在框1320处,可以根据影响订单的问题的要求利于用户与采购特定的数据源的交互。
另外,方法1300可以包括响应于对潜在事件的预测而生成针对用户的警告。在示例中,方法1300可以包括在对影响订单的问题的预测之后生成与采购特定的数据源和用户中的至少一个的自动化通信。
本文中已经描述和说明的内容是本公开的示例以及其变型中的一些变型。本文中使用的术语、描述和附图仅通过说明来阐述并且不旨在为限制。在主题的精神和范围内的许多变型是可能的,其旨在由随附权利要求及其等价物限定,其中除非另行指示,否则所有术语旨在其最宽泛的合理意义上。
Claims (20)
1.一种系统,包括:
处理器;
行为模型构建器,其被耦合到所述处理器,所述行为模型构建器包括:
行为标识器,其用以:
监测关联于与采购操作有关的过程、组织和行业中的至少一个的采购特定的数据源;以及
从所监测的所述采购特定的数据标识操作行为模式,以及
建模器,其用以:
使用所述操作行为模式并且使用预先存在的行为模型库来构建针对订单的行为模型;以及
将所述订单与所述采购特定的数据源中的至少一个采购特定的数据源相关联;
监测器,其被耦合到所述处理器,所述监测器用以:
从用户接收采购交互,所述采购交互用以指示由用户发送到所述系统的、用于处理所述订单的查询;以及
利于对关联于与采购操作有关的过程、组织和行业中的至少一个的所述订单的下单;以及
更新器,其被耦合到所述处理器,所述更新器包括:
订单跟踪器,其用以与所述采购特定的数据源交互以用于所述订单的状态的检索;
问题预测器,包括:
模型部署器,其用以部署所述行为模型以基于所述行为模型来预测与所接收到的、待使用所述采购交互履行的所述订单有关的潜在事件,其中所述潜在事件指示影响所述订单的问题;以及
解析器,其用以主动地修复影响所述订单的所述问题,以自动地对所述订单进行故障检修;以及
对话管理器,其用以根据影响所述订单的所述问题的要求利于所述用户与采购特定的数据源的交互。
2.根据权利要求1所述的系统,其中所述模型部署器用以:
基于历史数据生成假设;以及
基于所述假设提供推荐以修复所述问题。
3.根据权利要求1所述的系统,其中所述问题预测器用以调查在历史采购交互中的任何历史采购交互期间的先前遇到的问题,以标识影响所述订单的所述问题。
4.根据权利要求1所述的系统,其中所述更新器还包括模型增强器,其用以:
基于与所述订单相关联的所述操作行为模式来调查所述订单以确定所述订单是否符合所述行为模型;
当所述订单不符合所述行为模型时生成针对所述订单的假设;以及
将所述假设并入所述行为模型以预测所述潜在事件。
5.根据权利要求1所述的系统,其中所述更新器用以响应于对所述潜在事件的所述预测而生成针对所述用户的警告。
6.根据权利要求1所述的系统,其中所述订单跟踪器用以利用采购特定的数据源从对所述订单的下单到对所述订单的最终交付来追踪所述订单,以用于所述订单的状态的检索。
7.根据权利要求1所述的系统,其中所述对话管理器用以在对影响所述订单的所述问题的预测之后生成与所述用户和所述采购特定的数据源中的至少一个的自动化通信。
8.一种方法,包括:
监测关联于与采购操作有关的过程、组织和行业中的至少一个的采购特定的数据源;
从所监测的所述采购特定的数据标识操作行为模式;
使用所述操作行为模式并且使用预先存在的行为模型库来构建针对订单的行为模型;
将所述订单与所述采购特定的数据源中的至少一个采购特定的数据源相关联;
从用户接收采购交互,所述采购交互用以指示由用户发送到所述系统的、用于处理所述订单的查询;
利于对关联于与采购操作有关的过程、组织和行业中的至少一个的所述订单的下单;
与采购特定的数据源交互以用于所述订单的状态的检索;
基于所述行为模型来预测与所接收到的、待使用所述采购操作履行的所述订单有关的潜在事件,其中所述潜在事件指示影响所述订单的问题;
主动地修复影响所述订单的所述问题,以自动地对所述订单进行故障检修;以及
根据影响所述订单的所述问题的要求利于所述用户与采购特定的数据源的交互。
9.根据权利要求8所述的方法,其中所述修复包括:
基于历史数据生成假设;以及
基于所述假设提供推荐以修复所述问题。
10.根据权利要求8所述的方法,其中所述的预测所述潜在事件包括:调查在历史采购交互中的任何历史采购交互期间的先前遇到的问题期间的先前遇到的例外,以标识影响所述订单的所述问题。
11.根据权利要求8所述的方法,其中与采购特定的数据源的所述交互包括:利用所述采购特定的数据源从对所述订单的下单到对所述订单的最终交付来追踪所述订单,以用于所述订单的状态的检索。
12.根据权利要求8所述的方法,其中所述预测包括:
基于与所述订单相关联的所述操作行为模式来调查所述订单以确定所述订单是否符合所述行为模型;
当所述订单不符合所述行为模型时生成针对所述订单的假设;以及
将所述假设并入所述行为模型以预测所述潜在事件。
13.根据权利要求8所述的方法,还包括响应于对所述潜在事件的所述预测而生成针对所述用户的警告。
14.根据权利要求8所述的方法,还包括:在对影响所述订单的所述问题的预测之后生成与所述用户和所述采购特定的数据源中的至少一个的自动化通信。
15.一种非瞬态计算机可读介质,包括机器可读指令,所述机器可读指令由处理器可执行以:
监测关联于与采购操作有关的过程、组织和行业中的至少一个的采购特定的数据源;
从所监测的所述采购特定的数据标识操作行为模式;
使用所述操作行为模式并且使用预先存在的行为模型库来构建订单的行为模型;
将所述订单与所述采购特定的数据源中的至少一个采购特定的数据源相关联;
从用户接收采购交互,所述采购交互用以指示由所述用户发送到所述系统的、用于处理所述订单的查询;
利于对关联于与采购操作有关的过程、组织和行业中的至少一个的所述订单的下单;
与采购特定的数据源交互以用于所述订单的状态的检索;
基于所述行为模型来预测与所接收到的、待使用所述采购操作履行的所述订单有关的潜在事件,其中所述潜在事件指示影响所述订单的问题;
主动地修复影响所述订单的所述问题,以自动地对所述订单进行故障检修;以及
根据影响所述订单的所述问题的要求利于所述用户与采购特定的数据源的交互。
16.根据权利要求15所述的非瞬态计算机可读介质,其中所述处理器用以:
基于历史数据生成假设;以及
基于所述假设提供推荐以修复所述问题。
17.根据权利要求15所述的非瞬态计算机可读介质,其中所述处理器用以:
调查在历史采购交互中的任何历史采购交互期间的先前遇到的问题,以标识影响所述订单的所述问题;
基于与所述订单相关联的所述操作行为模式来调查所述订单以确定所述订单是否符合所述行为模型;
当所述订单不符合所述行为模型时生成针对所述订单的假设;以及
将所述假设并入所述行为模型以预测所述潜在事件。
18.根据权利要求15所述的非瞬态计算机可读介质,其中所述处理器用以响应于对所述潜在事件的所述预测而生成针对所述用户的警告。
19.根据权利要求15所述的非瞬态计算机可读介质,其中所述处理器用以利用采购特定的数据源从对所述订单的下单到对所述订单的最终交付来追踪所述订单,以用于所述订单的状态的检索。
20.根据权利要求15所述的非瞬态计算机可读介质,其中所述处理器用以在对影响所述订单的所述问题的预测之后生成与所述用户和所述采购特定的数据源中的至少一个的自动化通信。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/366,773 | 2019-03-27 | ||
US16/366,773 US11507914B2 (en) | 2019-03-27 | 2019-03-27 | Cognitive procurement |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111768207A true CN111768207A (zh) | 2020-10-13 |
Family
ID=72608124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010219728.9A Pending CN111768207A (zh) | 2019-03-27 | 2020-03-25 | 认知采购 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11507914B2 (zh) |
CN (1) | CN111768207A (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11605048B2 (en) | 2016-12-09 | 2023-03-14 | Convey, Llc | Systems and methods for predictive in-transit shipment delivery exception notification and automated resolution |
US20220138681A1 (en) * | 2020-10-30 | 2022-05-05 | Convey, Llc | Machine learning event classification and automated case creation |
US11983654B2 (en) | 2020-12-30 | 2024-05-14 | Coupa Software Incorporated | Method of observing and evaluating processes and user action efficiency with recommendations on change |
CN115345716B (zh) * | 2022-10-17 | 2023-03-24 | 北京永辉科技有限公司 | 订单履约时长的预估方法、系统、介质及电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160217406A1 (en) * | 2013-03-13 | 2016-07-28 | Jda Software Group, Inc. | Self-Learning Supply Chain System |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5737581A (en) * | 1995-08-30 | 1998-04-07 | Keane; John A. | Quality system implementation simulator |
US7389211B2 (en) * | 1998-05-13 | 2008-06-17 | Abu El Ata Nabil A | System and method of predictive modeling for managing decisions for business enterprises |
US8271336B2 (en) * | 1999-11-22 | 2012-09-18 | Accenture Global Services Gmbh | Increased visibility during order management in a network-based supply chain environment |
US8086546B2 (en) * | 2004-12-17 | 2011-12-27 | Amazon Technologies, Inc. | Method and system for anticipatory package shipping |
US20130218616A1 (en) * | 2010-07-14 | 2013-08-22 | Steven G. Pinchuk | Method of predicting a plurality of behavioral events and method of displaying information |
US20140019189A1 (en) * | 2012-07-05 | 2014-01-16 | Flextronics Ap, Llc | Method and system for controlling supply chain pricing |
US10026049B2 (en) * | 2013-05-09 | 2018-07-17 | Rockwell Automation Technologies, Inc. | Risk assessment for industrial systems using big data |
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 |
US9953332B2 (en) * | 2013-09-18 | 2018-04-24 | Simpler Postage, Inc. | Method and system for generating delivery estimates |
US10366346B2 (en) * | 2014-05-23 | 2019-07-30 | DataRobot, Inc. | Systems and techniques for determining the predictive value of a feature |
US20160196527A1 (en) * | 2015-01-06 | 2016-07-07 | Falkonry, Inc. | Condition monitoring and prediction for smart logistics |
US20180232676A1 (en) * | 2017-02-10 | 2018-08-16 | Cimpress Schweiz Gmbh | Fulfillment Success Prediction for Product Procurement |
US11244388B2 (en) * | 2017-06-08 | 2022-02-08 | Flowcast, Inc. | Methods and systems for assessing performance and risk in financing supply chain |
US10713706B1 (en) * | 2018-01-30 | 2020-07-14 | EMC IP Holding Company LLC | Multi-model prediction and resolution of order issues |
US10846651B2 (en) * | 2018-08-31 | 2020-11-24 | Kinaxis Inc. | Analysis and correction of supply chain design through machine learning |
-
2019
- 2019-03-27 US US16/366,773 patent/US11507914B2/en active Active
-
2020
- 2020-03-25 CN CN202010219728.9A patent/CN111768207A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160217406A1 (en) * | 2013-03-13 | 2016-07-28 | Jda Software Group, Inc. | Self-Learning Supply Chain System |
Also Published As
Publication number | Publication date |
---|---|
US20200311668A1 (en) | 2020-10-01 |
US11507914B2 (en) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7810067B2 (en) | Development processes representation and management | |
US8606624B2 (en) | Risk reports for product quality planning and management | |
US8781882B1 (en) | Automotive industry high performance capability assessment | |
CN111768207A (zh) | 认知采购 | |
US20160217406A1 (en) | Self-Learning Supply Chain System | |
CN109213729B (zh) | 结果驱动的案例管理 | |
Sambasivan et al. | Performance measures and metrics for e‐supply chains | |
Chen et al. | A decentralised conflict and error detection and prediction model | |
US20240078508A1 (en) | Method, System, and Computer Program Product to Automatically Resolve Match Exceptions in a Supply Chain | |
von Falkenhausen et al. | How to find the right supply chain strategy? An analysis of contingency variables | |
KR100929844B1 (ko) | 전사적 자원 관리 시스템 기반의 감사정보 시스템 및 이를 이용한 감사정보 운영 방법, 그 프로그램이 기록된 기록매체 | |
US20120159133A1 (en) | Business exception management pattern for business processes | |
US20240193615A1 (en) | After-market service process digitization | |
KR20060086619A (ko) | Erp시스템 기반의 감사정보 시스템 및 이를 이용한감사정보 운영 방법, 그 프로그램이 기록된 기록매체 | |
Praneeth et al. | Performance measurement of e-commerce supply chains using BWM and fuzzy TOPSIS | |
US20030074270A1 (en) | Computerized method and system for managing and communicating information regarding an order of goods | |
US11392958B2 (en) | Reverse logistics system for mobile devices and method | |
US11308545B2 (en) | Automated order troubleshooting | |
US20240161216A1 (en) | Method, System, and Computer Program Product for Efficiently Activating with Multiple Interacting Pipelines | |
Maheshwari et al. | Events-based exception handling in supply chain management using web services | |
US20240161036A1 (en) | Method, System, and Computer Program Product for Automatic Item Management Activation | |
US20240161174A1 (en) | Method, System, and Computer Program Product for Automatic Supplier Management Activation | |
US20240296403A1 (en) | Systems and Methods for Production Order Generation and Workflow Automation | |
US20080082378A1 (en) | Logistics start-up method | |
US20240161914A1 (en) | Method, System, and Computer Program Product for Automatic Contract Management Activation |
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 |