CN112116224A - 一种基于全过程工程咨询的风险评估方法及装置 - Google Patents
一种基于全过程工程咨询的风险评估方法及装置 Download PDFInfo
- Publication number
- CN112116224A CN112116224A CN202010910751.2A CN202010910751A CN112116224A CN 112116224 A CN112116224 A CN 112116224A CN 202010910751 A CN202010910751 A CN 202010910751A CN 112116224 A CN112116224 A CN 112116224A
- Authority
- CN
- China
- Prior art keywords
- information
- obtaining
- preset
- item
- purchase order
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012502 risk assessment Methods 0.000 title claims abstract description 42
- 238000010327 methods by industry Methods 0.000 title claims abstract description 31
- 238000007689 inspection Methods 0.000 claims abstract description 42
- 238000012549 training Methods 0.000 claims description 25
- 238000010586 diagram Methods 0.000 claims description 22
- 230000000694 effects Effects 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 7
- 238000003908 quality control method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 14
- 238000012954 risk control Methods 0.000 abstract description 5
- 239000000463 material Substances 0.000 description 15
- 238000007726 management method Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 11
- 238000012795 verification Methods 0.000 description 11
- 229910000831 Steel Inorganic materials 0.000 description 10
- 239000010959 steel Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000009435 building construction Methods 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 239000004566 building material Substances 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000012774 insulation material Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 230000002093 peripheral 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于全过程工程咨询的风险评估方法,所述方法包括:获得第一项目的第一预设采购信息,进而获得第一预设采购成本;获得第一用户的第一采购订单信息;判断第一采购订单信息与第一项目的第一预设采购信息是否相符合;当二者不相符合时,获得第一采购订单的第一实际成本信息;判断第一采购订单的第一实际成本信息是否在第一预设成本信息的范围内;存在时获得第一采购订单信息中第一采购物品,进而获得第一质检信息;根据第一预设采购信息与第一采购物品的第一质检信息,获得第一项目的第一风险值。解决了采购管理项目过程中人为因素的影响,导致风险评估准确度不足,风险把控力度不强的问题。
Description
技术领域
本发明涉及一种风险评估方法,尤其涉及一种基于全过程工程咨询的风险评估方法及装置。
背景技术
在建筑施工中,材料成本占总成本的60%以上,全方位控制材料成本与质量,是实现建筑施工企业利益最大化的重要保障。因此,加强材料管理,尤其是物资采购阶段的管理,对建筑施工企业发展非常关键。采购中任何一项环节存在问题,均会给物资采购的预定目标实现造成影响。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中对于采购管理项目存在较多的人为因素的影响,导致风险评估准确度不足,风险把控力度不强等问题,增大了物资采购的风险,为建筑工程埋下隐患,从而为建筑企业带来经济损失。
发明内容
本申请实施例通过提供一种基于全过程工程咨询的风险评估方法,解决了采购管理项目过程中人为因素的影响,导致风险评估准确度不足,风险把控力度不强的问题,达到全面把控采购管理项目的成本预算,增强风险评估准确度,提升风险把控力度,有助于缩短工期的技术效果。
本申请实施例提供了一种基于全过程工程咨询的风险评估方法及装置,其中,所述方法包括:获得所述第一项目的第一预设采购信息;根据所述第一项目的第一预设采购信息获得第一预设采购成本;获得第一用户的第一采购订单信息;判断所述第一采购订单信息与所述第一项目的第一预设采购信息是否相符合;当所述第一采购订单信息与所述第一项目的第一预设采购信息不相符合时,获得所述第一采购订单的第一实际成本信息;判断所述第一采购订单的第一实际成本信息是否在所述第一预设成本信息的范围内;当所述第一采购订单的第一实际成本信息在所述第一预设成本信息的范围内,获得所述第一采购订单信息中第一采购物品;获得所述第一采购物品的第一质检信息;根据所述第一预设采购信息与所述第一采购物品的第一质检信息,获得所述第一项目的第一风险值。
另一方面,本申请还提供了一种基于全过程工程咨询的风险评估装置,其中,所述装置包括:第一获得单元:所述第一获得单元用于获得所述第一项目的第一预设采购信息;第二获得单元:所述第二获得单元用于根据所述第一项目的第一预设采购信息获得第一预设采购成本;第三获得单元:所述第三获得单元用于获得第一用户的第一采购订单信息;第一判断单元:所述第一判断单元用于判断所述第一采购订单信息与所述第一项目的第一预设采购信息是否相符合;第四获得单元:所述第四获得单元用于当所述第一采购订单信息与所述第一项目的第一预设采购信息不相符合时,获得所述第一采购订单的第一实际成本信息;第二判断单元:所述第二判断单元用于判断所述第一采购订单的第一实际成本信息是否在所述第一预设成本信息的范围内;第五获得单元:所述第五获得单元用于当所述第一采购订单的第一实际成本信息在所述第一预设成本信息的范围内,获得所述第一采购订单信息中第一采购物品;第六获得单元:所述第六获得单元用于获得所述第一采购物品的第一质检信息;第七获得单元:所述第七获得单元用于根据所述第一预设采购信息与所述第一采购物品的第一质检信息,获得所述第一项目的第一风险值。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过对第一项目预计采购的物品进行成本预算,并结合实际的采购订单,判断实际采购订单与预计采购信息是否相一致,进而可以获取实际采购订单的实际成本信息,对比实际成本是否在预设采购成本范围内,存在时,进一步对采购订单中不相符的采购物品进行质检,进而获得风险值,提升风险把控力度,有助于缩短工期。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于全过程工程咨询的风险评估方法的流程示意图;
图2为本申请实施例一种基于全过程工程咨询的风险评估方法中的获得所述第一项目的第一图像信息和第二图像信息的流程示意图;
图3为本申请实施例一种基于全过程工程咨询的风险评估方法中的获得所述第一采购物品的第一质检信息的流程示意图;
图4为本申请实施例一种基于全过程工程咨询的风险评估方法中的所述用来标识采购物品的质量等级的标识信息的流程示意图;
图5为本申请实施例一种基于全过程工程咨询的风险评估方法中的获得所述第一采购物品的第一表面信息的流程示意图;
图6为本申请实施例一种基于全过程工程咨询的风险评估方法中的判断所述第一采购订单的第一实际成本信息是否在所述第一预设成本信息的范围内的流程示意图;
图7为本申请实施例一种基于全过程工程咨询的风险评估方法中的根据所述第一采购物品的第一质检信息获得所述第一项目的第一风险值的流程示意图;
图8为本申请实施例一种基于全过程工程咨询的风险评估装置的结构示意图;
图9为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第一判断单元14,第四获得单元15,第二判断单元16,第五获得单元17,第六获得单元18,第七获得单元19,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本申请实施例通过提供一种基于全过程工程咨询的风险评估方法,解决了采购管理项目过程中人为因素的影响,导致风险评估准确度不足,风险把控力度不强的问题,达到全面把控采购管理项目的成本预算,增强风险评估准确度,提升风险把控力度,有助于缩短工期的技术效果。
下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
在建筑施工中,材料成本占总成本的60%以上,全方位控制材料成本与质量,是实现建筑施工企业利益最大化的重要保障。因此,加强材料管理,尤其是物资采购阶段的管理,对建筑施工企业发展非常关键。采购中任何一项环节存在问题,均会给物资采购的预定目标实现造成影响。现有技术中对于采购管理项目存在较多的人为因素的影响,导致风险评估准确度不足,风险把控力度不强等问题,增大了物资采购的风险,为建筑工程埋下隐患,从而为建筑企业带来经济损失。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种基于全过程工程咨询的风险评估方法及装置,其中,所述方法包括:获得所述第一项目的第一预设采购信息;根据所述第一项目的第一预设采购信息获得第一预设采购成本;获得第一用户的第一采购订单信息;判断所述第一采购订单信息与所述第一项目的第一预设采购信息是否相符合;当所述第一采购订单信息与所述第一项目的第一预设采购信息不相符合时,获得所述第一采购订单的第一实际成本信息;判断所述第一采购订单的第一实际成本信息是否在所述第一预设成本信息的范围内;当所述第一采购订单的第一实际成本信息在所述第一预设成本信息的范围内,获得所述第一采购订单信息中第一采购物品;获得所述第一采购物品的第一质检信息;根据所述第一预设采购信息与所述第一采购物品的第一质检信息,获得所述第一项目的第一风险值。
在介绍了本申请基本原理之后,为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示,本申请实施例提供了一种基于全过程工程咨询的风险评估方法,其中,所述方法包括:
步骤S100:获得所述第一项目的第一预设采购信息;
具体而言,所述第一项目是建筑工程项目中,进行建材采购的项目,可以是对于钢材、金属等的采购,所述第一预设采购信息指对第一项目预计采购的物品进行成本预算,包括所要采购的物件子项、数量、单价、出货量等,通过获得所述第一项目的第一预设采购信息,达到了对预设采购的物件有了预先认知的效果。
步骤S200:根据所述第一项目的第一预设采购信息获得第一预设采购成本;
具体而言,所述第一预设采购成本指通过对所述第一预设采购信息的获得,预获得的采购成本,通过第一预设采购信息中的物件子项、数量、单价、出货量等信息,预算出第一预设采购成本,达到了对所采购建材的成本有了一定预算的技术效果。
步骤S300:获得第一用户的第一采购订单信息;
具体而言,所述第一采购订单信息是指所述第一用户实际的采购订单信息,不同于以上所述的第一预设采购信息,第一采购订单信息是按照工程实际的需要,考虑到供给关系的实际的采购订单信息,通过获得第一用户的第一采购订单信息,达到了与预设采购信息进行对比的技术效果。
步骤S400:判断所述第一采购订单信息与所述第一项目的第一预设采购信息是否相符合;
具体而言,所述第一项目的第一预设采购信息与所述第一采购订单信息是不完全契合的,通过对所述第一项目的第一预设采购信息与所述第一采购订单信息进行判断,如实际采购的某一钢材的型号与预计采购的型号有差异等,达到了获得实际所需的建材的技术效果。
步骤S500:当所述第一采购订单信息与所述第一项目的第一预设采购信息不相符合时,获得所述第一采购订单的第一实际成本信息;
具体而言,对所述第一项目的第一预设采购信息与所述第一采购订单信息进行判断,当所述第一采购订单信息与所述第一项目的第一预设采购信息不相符合时,即采购的钢材型号不一致等,因型号不一致导致价格不一致,获得所述第一采购订单的第一实际成本信息,即获得实际采购的钢材的成本信息。
步骤S600:判断所述第一采购订单的第一实际成本信息是否在所述第一预设成本信息的范围内;
具体而言,对所述第一采购订单的第一实际成本信息是否在所述第一预设成本信息的范围之内进行判断,即所采购的钢材的实际成本信息是否在所述的第一预设成本信息范围之内,存在两种结果,即所述第一采购订单的第一实际成本信息在所述第一预设成本信息的范围内和所述第一采购订单的第一实际成本信息不在所述第一预设成本信息的范围内。
步骤S700:当所述第一采购订单的第一实际成本信息在所述第一预设成本信息的范围内,获得所述第一采购订单信息中第一采购物品;
具体而言,当所述第一采购订单的第一实际成本信息在所述第一预设成本信息的范围内,即所采购的钢材的实际成本信息在所述的第一预设成本信息范围之内,此时获得所述第一采购订单信息中第一采购物品,在此可将第一采购物品理解为采购到的钢材,通过获得所述第一采购订单信息中第一采购物品,为后续的物品质检埋下了铺垫。
步骤S800:获得所述第一采购物品的第一质检信息;
具体而言,所述第一质检信息指对所述的第一采购物品进行质量检查,包括检查所采购物品的合格证、出厂检验报告、设备总图、安装图、基础图、易损件图、外购件原厂证明、材质证明及送货清单等,通过获得所述第一采购物品的第一质检信息,达到了确保质检无误的效果。
步骤S900:根据所述第一预设采购信息与所述第一采购物品的第一质检信息,获得所述第一项目的第一风险值;
具体而言,所述第一项目的第一风险值是根据第一采购物品的质检情况以及第一采购物品与预计采购物品的可替代性来评估计算,通过对所述第一采购物品的质检,对所述第一项目进行风险评估,达到了确保后期建筑施工不会受到采购物品的影响的效果。
如图2所示,根据所述第一项目的第一预设采购信息获得第一预设采购成本之前,步骤S100还包括:
步骤S110:获得所述第一项目的第一图像信息,其中,所述第一图像信息为所述第一项目的设计效果图;
步骤S120:获得所述第一项目的第二图像信息,其中,所述第二图像信息为所述第一项目的施工参照图;
步骤S130:判断所述第二图像信息与所述第一图像信息的偏差度是否满足第一预设阈值;
步骤S140:当所述第二图像信息与所述第一图像信息的偏差度满足第一预设阈值时,结合所述第一图像信息与所述第二图像信息获得所述第一项目的第一预设采购信息。
具体而言,所述第一图像信息为所述第一项目的设计效果图,即第一项目的设计图纸,所述第二图像信息为所述第一项目的施工参照图,施工图是采集的现场施工过程中的图片,判断所述第二图像信息与所述第一图像信息的偏差度是否满足第一预设阈值,即判断采集的现场施工过程中的图片与第一项目的设计图纸是否存在偏差以及存在的偏差度是否满足第一预设阈值,所述的第一预设阈值是给所述第二图像信息与所述第一图像信息的偏差度设置一个阈值,并且结合所述第一图像信息与所述第二图像信息获得所述第一项目的第一预设采购信息,通过将所述第一项目的设计效果图与施工参照图进行对比,达到了确定预设采购信息更加准确的技术效果。
如图3所示,获得所述第一采购物品的第一质检信息,步骤S800还包括:
步骤S810:获得所述第一采购物品的第一物品图像信息;
步骤S820:将所述第一物品图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一物品图像信息、用来标识采购物品的质量等级的标识信息;
步骤S830:获得所述训练模型的输出信息,其中,所述输出信息包括所述第一采购物品的质量等级;
步骤S840:根据所述第一采购物品的质量等级确定所述第一质检信息。
具体而言,对采集物品的图像信息进行监督学习,根据预设的质量等级标识信息对采购物品的质量等级进行训练,如采购物品为某一种钢材,则质量等级包括宏观性能以及微观性能方面,比如表面缺陷、拉伸长度、韧性、金相组织等。所述训练模型是一个神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。在本申请实施例中,将所述第一物品图像信息输入神经网络模型,用标识的采购物品的质量等级信息对所述神经网络模型进行训练。
进一步来说,所述训练神经网络模型的过程实质为监督学习的过程。所述多组训练数据具体为:所述第一物品图像信息和用来标识采购物品的质量等级的标识信息。通过输入所述第一物品图像信息,神经网络模型会输出所述第一采购物品的质量等级,通过将所述输出信息与所述起标识作用的采购物品的质量等级信息进行校验,如果所述输出信息与所述起标识作用的采购物品的质量等级信息要求相一致,则本数据监督学习完成,则进行下一组数据监督学习;如果所述输出信息与所述起标识作用的采购物品的质量等级信息要求不一致,则神经网络学习模型自身进行调整,直到神经网络学习模型输出结果与所述起标识作用的采购物品的质量等级信息要求相一致,进行下一组数据的监督学习。借助训练模型对采购物品的质量等级信息进行不断训练,达到了使得输出的第一采购物品的质量等级更加精确地技术效果。
为了确保所述第一采购物品的第一质检信息的安全性,对其进行基于区块链的加密处理。根据所述第一采购物品的第一质检信息生成第一验证码,其中,所述第一验证码与所述第一采购物品的第一质检信息一一对应;获得所述第一采购物品的第二质检信息,并根据所述第一采购物品的第二质检信息和第一验证码生成第二验证码,其中,所述第二验证码与所述第一采购物品的第二质检信息一一对应,以此类推,直至获得所述第一采购物品的第N质检信息,并根据所述第一采购物品的第N质检信息与第N-1验证码生成第N验证码,其中,所述第N验证码是与所述第一采购物品的第N质检信息一一对应的,将所述第一采购物品的第一质检信息与所述第一验证码作为第一存储区块;将所述第一采购物品的第二质检信息与所述第二验证码作为第二存储区块,以此类推,直至将所述第一采购物品的第N质检信息与所述第N验证码作为第N存储区块;将所述第一存储区块、所述第二存储区块直到第N存储区块分别复制保存在M台设备上。当需要调用所述训练数据时,后一台设备接收前一台设备存储的数据后,通过“共识机制”进行校验后保存,通过哈希技术对每一存储单位进行串接连成所述的区块链,使得所述训练数据不易丢失和遭到破坏,进而获得安全的、准确的训练数据。
如图4所示,所述用来标识采购物品的质量等级的标识信息,步骤S820还包括:
步骤S821:获得所述第一采购物品的第一表面信息;
步骤S822:判断所述第一采购物品的第一表面信息是否满足预设条件;
步骤S823:当所述第一采购物品的第一表面信息满足预设条件时,获得所述第一采购物品的第一微观组织信息;
步骤S824:结合所述第一采购物品的第一表面信息与所述第一采购物品的第一微观组织信息,获得用来标识采购物品的质量等级的标识信息。
具体而言,所述第一采购物品的第一表面信息指分析所采购物品的表面情况,观察是否有缺陷、划痕、磨损等痕迹,进而判断所述第一采购物品的第一表面信息是否满足预设条件,所述的预设条件指可接受的、正常的磨损痕迹,当所述第一采购物品的第一表面信息满足预设条件时,即采购的物品表面光滑无划痕或者划痕较少,获得所述第一采购物品的第一微观组织信息,所述第一微观组织信息指通过微观组织判断材料的裂纹,进而获取材料的韧性、拉伸长度等,结合所述第一采购物品的第一表面信息与所述第一采购物品的第一微观组织信息,获得用来标识采购物品的质量等级的标识信息,达到了更加精准检测采购物品的质量情况,从而获得精确的质检结果的技术效果。
如图5所示,所述获得所述第一采购物品的第一表面信息,步骤S821还包括:
步骤S8211:获得所述第一采购物品的第一型号信息;
步骤S8212:根据所述第一型号信息,获得所述第一采购物品的表面参数信息;
步骤S8213:根据所述第一采购物品的表面参数信息,获得所述第一采购物品的第一表面信息。
具体而言,所述第一表面信息是根据采购物品的具体型号而定,不同物品型号对应有表征不同的表面参数,可进一步为钢材的表面参数、塑料制品的表面参数、保温材料的表面参数,因要求的参数不同,所获取第一采购物品的第一表面信息不同,借助第一采购物品的第一型号信息获得表面参数信息,进而获得第一表面信息,达到了快速准确的判断所述第一采购物品的第一表面信息的技术效果。
如图6所示,判断所述第一采购订单的第一实际成本信息是否在所述第一预设成本信息的范围内,步骤S600包括:
步骤S610:当所述第一采购订单的第一实际成本信息超出所述第一预设成本信息的范围,获得所述第一采购物品的第一预设价格;
步骤S620:获得所述第一采购物品的第一市场价格;
步骤S630:判断所述第一市场价格与所述第一预设价格之间的价格差是否超过第二预设阈值;
步骤S640:当所述第一市场价格与所述第一预设价格之间的价格差超过第二预设阈值时,获得所述第一项目的第二风险值。
具体而言,当所述第一采购订单的第一实际成本信息超出所述第一预设成本信息的范围,获得所述第一采购物品的第一预设价格,所述第一采购物品的第一预设价格指预算的第一采购物品的价格,再获得所述第一采购物品的第一市场价格,通过将所述第一市场价格与所述第一预设价格进行对比,判断两者之间的价格差是否超过第二预设阈值,所述第二预设阈值指介于所述第一市场价格与所述第一预设价格之间预设的价格差的阈值,当所述第一市场价格与所述第一预设价格之间的价格差超过第二预设阈值时,此时获得所述第一项目的第二风险值,所述第二风险值指因第一市场价格与所述第一预设价格之间的价格差过大而造成的成本预算存在的风险,通过对第一采购物品的价格进行预估比对,达到了有效规避成本预算存在的风险的技术效果。
如图7所示,所述根据所述第一采购物品的第一质检信息获得所述第一项目的第一风险值之后,步骤S900还包括:
步骤S910:判断所述第一风险值是否满足所述第一项目的第一公差范围;
步骤S920:当所述第一风险值满足所述第一项目的第一公差范围时,获得所述第一采购物品的第一入库信息;
步骤S930:获得所述第一采购物品的第一出库信息;
步骤S940:将所述第一采购订单信息与所述第一入库信息、所述第一出库信息进行匹配,获得所述第一采购物品的第一库存信息;
步骤S950:根据所述第一预设采购信息与所述第一采购物品的第一库存信息,获得所述第一项目的第三风险值。
具体而言,公差是指允许的最大极限尺寸减最小极限尺寸之差的绝对值的大小,或允许的上偏差减下偏差之差大小。判断所述第一风险值是否满足所述第一项目的第一公差范围,当所述第一风险值满足所述第一项目的第一公差范围时,即所述第一风险值在所述第一项目的第一公差范围内,获得所述第一采购物品的第一入库信息,所述第一入库信息指所述第一采购物品进行入库保存的数量,获得所述第一采购物品的第一出库信息,所述第一出库信息指所述第一采购物品出库使用的数量,将所述第一采购订单信息与所述第一入库信息、所述第一出库信息进行匹配,获得所述第一采购物品的第一库存信息,所述第一库存信息是在对第一采购订单信息、第一入库信息和第一出库信息核对之后的库存数量,根据所述第一预设采购信息与所述第一采购物品的第一库存信息,获得所述第一项目的第三风险值,所述第三风险值是对于出入库的风险评估,通过对出入库存进行风险值评估,达到了规避库存问题的风险的技术效果。
综上所述,本申请实施例所提供的一种基于全过程工程咨询的风险评估方法和装置具有如下技术效果:
1、通过对第一项目预计采购的物品进行成本预算,并结合实际的采购订单,判断实际采购订单与预计采购信息是否相一致,进而可以获取实际采购订单的实际成本信息,对比实际成本是否在预设采购成本范围内,存在时,进一步对采购订单中不相符的采购物品进行质检,进而获得风险值,提升风险把控力度,有助于缩短工期。
2、通过对第一采购物品进行质检评估、成本预算评估以及出入库的风险评估,从三个方面进行风险值的评估,从而规避掉质检方面的风险、成本预算方面的风险以及出入库的风险,进而有效把控采购过程中的各种风险,达到了精准评判风险,合理安全的进行采购管理的技术效果。
实施例二
基于与前述实施例中一种基于全过程工程咨询的风险评估方法同样发明构思,本发明还提供了一种基于全过程工程咨询的风险评估装置,如图8所示,所述装置包括:
第一获得单元11:所述第一获得单元11用于获得所述第一项目的第一预设采购信息;
第二获得单元12:所述第二获得单元12用于根据所述第一项目的第一预设采购信息获得第一预设采购成本;
第三获得单元13:所述第三获得单元13用于获得第一用户的第一采购订单信息;
第一判断单元14:所述第一判断单元14用于判断所述第一采购订单信息与所述第一项目的第一预设采购信息是否相符合;
第四获得单元15:所述第四获得单元15用于当所述第一采购订单信息与所述第一项目的第一预设采购信息不相符合时,获得所述第一采购订单的第一实际成本信息;
第二判断单元16:所述第二判断单元16用于判断所述第一采购订单的第一实际成本信息是否在所述第一预设成本信息的范围内;
第五获得单元17:所述第五获得单元17用于当所述第一采购订单的第一实际成本信息在所述第一预设成本信息的范围内,获得所述第一采购订单信息中第一采购物品;
第六获得单元18:所述第六获得单元18用于获得所述第一采购物品的第一质检信息;
第七获得单元19:所述第七获得单元19用于根据所述第一预设采购信息与所述第一采购物品的第一质检信息,获得所述第一项目的第一风险值。
进一步的,所述装置还包括:
第八获得单元:所述第八获得单元用于获得所述第一项目的第一图像信息,其中,所述第一图像信息为所述第一项目的设计效果图;
第九获得单元:所述第九获得单元用于获得所述第一项目的第二图像信息,其中,所述第二图像信息为所述第一项目的施工参照图;
第三判断单元:所述第三判断单元用于判断所述第二图像信息与所述第一图像信息的偏差度是否满足第一预设阈值;
第十获得单元:所述第十获得单元用于当所述第二图像信息与所述第一图像信息的偏差度满足第一预设阈值时,结合所述第一图像信息与所述第二图像信息获得所述第一项目的第一预设采购信息。
进一步的,所述装置还包括:
第十一获得单元:所述第十一获得单元用于获得所述第一采购物品的第一物品图像信息;
第一输入单元:所述第一输入单元用于将所述第一物品图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一物品图像信息、用来标识采购物品的质量等级的标识信息;
第十二获得单元:所述第十二获得单元用于获得所述训练模型的输出信息,其中,所述输出信息包括所述第一采购物品的质量等级;
第一确定单元:所述第一确定单元用于根据所述第一采购物品的质量等级确定所述第一质检信息。
进一步的,所述装置还包括:
第十三获得单元:所述第十三获得单元用于获得所述第一采购物品的第一表面信息;
第三判断单元:所述第三判断单元用于判断所述第一采购物品的第一表面信息是否满足预设条件;
第十四获得单元用于当所述第一采购物品的第一表面信息满足预设条件时,获得所述第一采购物品的第一微观组织信息;
第十五获得单元:所述第十五获得单元用于结合所述第一采购物品的第一表面信息与所述第一采购物品的第一微观组织信息,获得用来标识采购物品的质量等级的标识信息。
进一步的,所述装置还包括:
第十六获得单元:所述第十六获得单元用于获得所述第一采购物品的第一型号信息;
第十七获得单元:所述第十七获得单元用于根据所述第一型号信息,获得所述第一采购物品的表面参数信息;
第十八获得单元:所述第十八获得单元用于根据所述第一采购物品的表面参数信息,获得所述第一采购物品的第一表面信息。
进一步的,所述装置还包括:
第十九获得单元:所述第十九获得单元用于当所述第一采购订单的第一实际成本信息超出所述第一预设成本信息的范围,获得所述第一采购物品的第一预设价格;
第二十获得单元:所述第二十获得单元用于获得所述第一采购物品的第一市场价格;
第四判断单元:所述第四判断单元用于判断所述第一市场价格与所述第一预设价格之间的价格差是否超过第二预设阈值;
第二十一获得单元:所述第二十一获得单元用于当所述第一市场价格与所述第一预设价格之间的价格差超过第二预设阈值时,获得所述第一项目的第二风险值。
进一步的,所述装置还包括:
第五判断单元:所述第五判断单元用于判断所述第一风险值是否满足所述第一项目的第一公差范围;
第二十二获得单元:所述第二十二获得单元用于当所述第一风险值满足所述第一项目的第一公差范围时,获得所述第一采购物品的第一入库信息;
第二十三获得单元:所述第二十三获得单元用于获得所述第一采购物品的第一出库信息;
第二十四获得单元:所述第二十四获得单元用于将所述第一采购订单信息与所述第一入库信息、所述第一出库信息进行匹配,获得所述第一采购物品的第一库存信息;
第二十五获得单元:所述第二十五获得单元用于根据所述第一预设采购信息与所述第一采购物品的第一库存信息,获得所述第一项目的第二风险值。
前述图1实施例一中的一种基于全过程工程咨询的风险评估方法的各种变化方式和具体实例同样适用于本实施例的一种基于全过程工程咨询的风险评估装置,通过前述对一种基于全过程工程咨询的风险评估方法的详细描述,本领域技术人员可以清楚的知道本实施例中的一种基于全过程工程咨询的风险评估装置的实施方法,所以为了说明书的简洁,再次不再详述。
实施例三
下面参考图9来描述本申请实施例的电子设备。
图9图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中的一种基于全过程工程咨询的风险评估方法的发明构思,本发明还提供的一种基于全过程工程咨询的风险评估装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述的一种装配式施工方法的任一方法的步骤。
其中,在图9中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供了一种基于全过程工程咨询的风险评估方法及装置,其中,所述方法包括:获得所述第一项目的第一预设采购信息;根据所述第一项目的第一预设采购信息获得第一预设采购成本;获得第一用户的第一采购订单信息;判断所述第一采购订单信息与所述第一项目的第一预设采购信息是否相符合;当所述第一采购订单信息与所述第一项目的第一预设采购信息不相符合时,获得所述第一采购订单的第一实际成本信息;判断所述第一采购订单的第一实际成本信息是否在所述第一预设成本信息的范围内;当所述第一采购订单的第一实际成本信息在所述第一预设成本信息的范围内,获得所述第一采购订单信息中第一采购物品;获得所述第一采购物品的第一质检信息;根据所述第一预设采购信息与所述第一采购物品的第一质检信息,获得所述第一项目的第一风险值。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于全过程工程咨询的风险评估方法,其中,所述方法包括:
获得所述第一项目的第一预设采购信息;
根据所述第一项目的第一预设采购信息获得第一预设采购成本;
获得第一用户的第一采购订单信息;
判断所述第一采购订单信息与所述第一项目的第一预设采购信息是否相符合;
当所述第一采购订单信息与所述第一项目的第一预设采购信息不相符合时,获得所述第一采购订单的第一实际成本信息;
判断所述第一采购订单的第一实际成本信息是否在所述第一预设成本信息的范围内;
当所述第一采购订单的第一实际成本信息在所述第一预设成本信息的范围内,获得所述第一采购订单信息中第一采购物品;
获得所述第一采购物品的第一质检信息;
根据所述第一预设采购信息与所述第一采购物品的第一质检信息,获得所述第一项目的第一风险值。
2.如权利要求1所述的方法,其中,所述根据所述第一项目的第一预设采购信息获得第一预设采购成本之前,还包括:
获得所述第一项目的第一图像信息,其中,所述第一图像信息为所述第一项目的设计效果图;
获得所述第一项目的第二图像信息,其中,所述第二图像信息为所述第一项目的施工参照图;
判断所述第二图像信息与所述第一图像信息的偏差度是否满足第一预设阈值;
当所述第二图像信息与所述第一图像信息的偏差度满足第一预设阈值时,结合所述第一图像信息与所述第二图像信息获得所述第一项目的第一预设采购信息。
3.如权利要求1所述的方法,其中,所述获得所述第一采购物品的第一质检信息,包括:
获得所述第一采购物品的第一物品图像信息;
将所述第一物品图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一物品图像信息、用来标识采购物品的质量等级的标识信息;
获得所述训练模型的输出信息,其中,所述输出信息包括所述第一采购物品的质量等级;
根据所述第一采购物品的质量等级确定所述第一质检信息。
4.如权利要求3所述的方法,其中,所述用来标识采购物品的质量等级的标识信息,包括:
获得所述第一采购物品的第一表面信息;
判断所述第一采购物品的第一表面信息是否满足预设条件;
当所述第一采购物品的第一表面信息满足预设条件时,获得所述第一采购物品的第一微观组织信息;
结合所述第一采购物品的第一表面信息与所述第一采购物品的第一微观组织信息,获得用来标识采购物品的质量等级的标识信息。
5.如权利要求4所述的方法,其中,所述获得所述第一采购物品的第一表面信息,还包括:
获得所述第一采购物品的第一型号信息;
根据所述第一型号信息,获得所述第一采购物品的表面参数信息;
根据所述第一采购物品的表面参数信息,获得所述第一采购物品的第一表面信息。
6.如权利要求1所述的方法,其中,所述判断所述第一采购订单的第一实际成本信息是否在所述第一预设成本信息的范围内,包括:
当所述第一采购订单的第一实际成本信息超出所述第一预设成本信息的范围,获得所述第一采购物品的第一预设价格;
获得所述第一采购物品的第一市场价格;
判断所述第一市场价格与所述第一预设价格之间的价格差是否超过第二预设阈值;
当所述第一市场价格与所述第一预设价格之间的价格差超过第二预设阈值时,获得所述第一项目的第二风险值。
7.如权利要求1所述的方法,其中,所述根据所述第一采购物品的第一质检信息获得所述第一项目的第一风险值之后,还包括:
判断所述第一风险值是否满足所述第一项目的第一公差范围;
当所述第一风险值满足所述第一项目的第一公差范围时,获得所述第一采购物品的第一入库信息;
获得所述第一采购物品的第一出库信息;
将所述第一采购订单信息与所述第一入库信息、所述第一出库信息进行匹配,获得所述第一采购物品的第一库存信息;
根据所述第一预设采购信息与所述第一采购物品的第一库存信息,获得所述第一项目的第三风险值。
8.一种基于全过程工程咨询的风险评估装置,其中,所述装置包括:
第一获得单元:所述第一获得单元用于获得所述第一项目的第一预设采购信息;
第二获得单元:所述第二获得单元用于根据所述第一项目的第一预设采购信息获得第一预设采购成本;
第三获得单元:所述第三获得单元用于获得第一用户的第一采购订单信息;
第一判断单元:所述第一判断单元用于判断所述第一采购订单信息与所述第一项目的第一预设采购信息是否相符合;
第四获得单元:所述第四获得单元用于当所述第一采购订单信息与所述第一项目的第一预设采购信息不相符合时,获得所述第一采购订单的第一实际成本信息;
第二判断单元:所述第二判断单元用于判断所述第一采购订单的第一实际成本信息是否在所述第一预设成本信息的范围内;
第五获得单元:所述第五获得单元用于当所述第一采购订单的第一实际成本信息在所述第一预设成本信息的范围内,获得所述第一采购订单信息中第一采购物品;
第六获得单元:所述第六获得单元用于获得所述第一采购物品的第一质检信息;
第七获得单元:所述第七获得单元用于根据所述第一预设采购信息与所述第一采购物品的第一质检信息,获得所述第一项目的第一风险值。
9.一种基于全过程工程咨询的风险评估装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010910751.2A CN112116224A (zh) | 2020-09-02 | 2020-09-02 | 一种基于全过程工程咨询的风险评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010910751.2A CN112116224A (zh) | 2020-09-02 | 2020-09-02 | 一种基于全过程工程咨询的风险评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112116224A true CN112116224A (zh) | 2020-12-22 |
Family
ID=73804650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010910751.2A Pending CN112116224A (zh) | 2020-09-02 | 2020-09-02 | 一种基于全过程工程咨询的风险评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112116224A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487200A (zh) * | 2021-07-14 | 2021-10-08 | 唐山市曹妃甸区陆月柒峰科技有限责任公司 | 一种公路工程的项目质量评定方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040236621A1 (en) * | 2002-02-07 | 2004-11-25 | Eder Jeff Scott | Business context layer |
CN108021938A (zh) * | 2017-11-29 | 2018-05-11 | 中冶南方工程技术有限公司 | 一种冷轧带钢表面缺陷在线检测方法以及检测系统 |
CN109002974A (zh) * | 2018-06-29 | 2018-12-14 | 首钢京唐钢铁联合有限责任公司 | 一种钢卷表面质量分级判定方法及装置 |
CN111445128A (zh) * | 2020-03-25 | 2020-07-24 | 四川大公建设工程管理咨询有限责任公司 | 一种全过程工程咨询项目风险管理方法与系统 |
CN111582672A (zh) * | 2020-04-21 | 2020-08-25 | 河南润德工程管理有限公司 | 一种全过程工程咨询项目风险管理方法 |
-
2020
- 2020-09-02 CN CN202010910751.2A patent/CN112116224A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040236621A1 (en) * | 2002-02-07 | 2004-11-25 | Eder Jeff Scott | Business context layer |
CN108021938A (zh) * | 2017-11-29 | 2018-05-11 | 中冶南方工程技术有限公司 | 一种冷轧带钢表面缺陷在线检测方法以及检测系统 |
CN109002974A (zh) * | 2018-06-29 | 2018-12-14 | 首钢京唐钢铁联合有限责任公司 | 一种钢卷表面质量分级判定方法及装置 |
CN111445128A (zh) * | 2020-03-25 | 2020-07-24 | 四川大公建设工程管理咨询有限责任公司 | 一种全过程工程咨询项目风险管理方法与系统 |
CN111582672A (zh) * | 2020-04-21 | 2020-08-25 | 河南润德工程管理有限公司 | 一种全过程工程咨询项目风险管理方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487200A (zh) * | 2021-07-14 | 2021-10-08 | 唐山市曹妃甸区陆月柒峰科技有限责任公司 | 一种公路工程的项目质量评定方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Echard et al. | A combined importance sampling and kriging reliability method for small failure probabilities with time-demanding numerical models | |
Echard et al. | A reliability analysis method for fatigue design | |
CN111950068A (zh) | 一种基于Bim的维护建筑设备的方法和装置 | |
CN113076636B (zh) | 一种光学膜裁切质量的评估方法及系统 | |
Parvizsedghy et al. | Consequence of failure: Neurofuzzy-based prediction model for gas pipelines | |
El Hajj et al. | A condition‐based deterioration model for the stochastic dependency of corrosion rate and crack propagation in corroded concrete structures | |
CN112116224A (zh) | 一种基于全过程工程咨询的风险评估方法及装置 | |
CN112884016A (zh) | 云平台可信评估模型训练方法和云平台可信评估方法 | |
Borkowski et al. | Challenges faced in modern quality inspection | |
D'Emilia et al. | Managing the uncertainty of conformity assessment in environmental testing by machine learning | |
Wu et al. | Fuzzy nonlinear programming approach for evaluating and ranking process yields with imprecise data | |
Muñoz‐Abella et al. | Stress intensity factor estimation for unbalanced rotating cracked shafts by artificial neural networks | |
Hendrawan et al. | Testing methods on system dynamics: a model of reliability, average reliability, and demand of service | |
Duran et al. | Evaluation of three current methods for including the mean stress effect in fatigue crack growth rate prediction | |
KR101393154B1 (ko) | 신뢰할 수 있는 온라인 평판 시스템을 위한 상호 강화 방법 및 시스템 | |
CN116151975A (zh) | 交易异常告警方法和装置 | |
Baussaron et al. | Degradation test plan for Wiener degradation processes | |
Kozłowski et al. | Conveyor Belts Joints Remaining Life Time Forecasting with the Use of Monitoring Data and Mathematical Modelling | |
Gribkova et al. | Detecting intrusions in control systems: A rule of thumb, its justification and illustrations | |
CN113049793A (zh) | 一种Abs复合材料的生产检测验证方法和装置 | |
Shokry et al. | Mixed-integer multiparametric approach based on machine learning techniques | |
Yang | Projection method for material selection problem with interval numbers | |
CN113393325A (zh) | 交易检测方法、智能设备及计算机存储介质 | |
CN112487780A (zh) | 一种订单数据排版优化方法及系统 | |
CN107066824B (zh) | 一种基于造纸机湿端的主动故障检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201222 |