CN112348251A - 一种决策辅助方法、装置、电子设备及存储介质 - Google Patents
一种决策辅助方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112348251A CN112348251A CN202011226794.5A CN202011226794A CN112348251A CN 112348251 A CN112348251 A CN 112348251A CN 202011226794 A CN202011226794 A CN 202011226794A CN 112348251 A CN112348251 A CN 112348251A
- Authority
- CN
- China
- Prior art keywords
- digital twin
- risk event
- twin model
- optimization
- user
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000005457 optimization Methods 0.000 claims abstract description 70
- 230000000694 effects Effects 0.000 claims abstract description 37
- 238000004519 manufacturing process Methods 0.000 claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000004088 simulation Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 10
- 230000001364 causal effect Effects 0.000 description 5
- 229910052742 iron Inorganic materials 0.000 description 5
- 229910000831 Steel Inorganic materials 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 238000003723 Smelting Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization 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
- G06Q10/04—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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种决策辅助方法、装置、电子设备及存储介质，方法包括：获取业务活动数据；将业务活动数据输入至预先建立的数字孪生模型，数字孪生模型按照时序关系进行模拟分析，数字孪生模型根据对应的业务活动节点建立；接收用户选择的优化方向，根据优化方向，得到一个或多个优化路径；接收用户对优化路径的选择；根据优化路径以及预先建立的数字孪生模型，得到执行优化路径的量化影响，量化影响用于指导用户选择生产经营决策方案；当根据当前量化影响，未得到满足用户要求的生产经营决策方案，重复执行根据优化路径以及所述预先建立的数字孪生模型，得到执行优化路径的量化影响步骤，直至得到的生产经营决策方案满足用户需求。
Description
技术领域
本发明涉及数字孪生技术领域，具体涉及一种决策辅助方法、装置、电子设备及存储介质。
背景技术
随着实体产业(如工业制造领域)的发展，在实际生产、销售、采购过程中通常会结合辅助决策来对各个环节进行指导，以提高经济效益，避免生产风险。现有辅助决策通常结合各个环节的业务活动数据，采用数学规划、图论等方式对业务活动数据进行分析处理后得到决策方案。但无论是采用数学规划还是图论对大型企业进行决策辅助都只考虑了单一的关系，全局性差，无法考虑复杂的因果关系，导致决策辅助方法准确性低。
发明内容
有鉴于此，本发明实施例提供了一种决策辅助方法、装置、电子设备及存储介质，以解决现有技术中辅助决策方式只考虑单一的关系，全局性差，无法考虑复杂的因果关系，导致决策辅助方法准确性低的缺陷。
根据第一方面，本发明实施例提供一种策辅助方法，包括如下步骤：获取业务活动数据；将所述业务活动数据输入至预先建立的数字孪生模型，所述数字孪生模型按照时序关系进行模拟分析，所述数字孪生模型根据对应的业务活动节点建立；接收用户选择的优化方向，根据所述优化方向，得到一个或多个优化路径；接收用户对优化路径的选择；根据所述优化路径以及所述预先建立的数字孪生模型，得到执行所述优化路径的量化影响，所述量化影响用于指导用户选择生产经营决策方案；若当前所述量化影响，未满足用户需求，重复执行所述根据所述优化路径以及所述预先建立的数字孪生模型，得到执行所述优化路径的量化影响步骤，直至得到的生产经营决策方案满足用户需求。
可选地，所述接收用户选择的优化方向，根据所述优化方向，得到一个或多个优化路径之前，还包括：当所述数字孪生模型的模拟结果出现风险事件时，根据所述风险事件的类型得到至少一个优化所述风险事件结果的优化方向。
可选地，根据所述风险事件的类型得到至少一个优化所述风险事件结果的优化方向，包括：对所述风险事件进行根因分析，得到产生所述风险事件的原因；根据所述风险事件的原因，得到至少一个优化所述风险事件结果的优化方向。
可选地，当所述数字孪生模型的模拟结果出现风险事件时，还包括：发出风险提示。
根据第二方面，本发明实施例提供一种决策辅助装置，包括：数据获取模块，用于获取业务活动数据；模拟模块，用于将所述业务活动数据输入至预先建立的数字孪生模型，所述数字孪生模型按照时序关系进行模拟分析，所述数字孪生模型根据对应的业务活动节点建立；优化方向接收模块，用于接收用户选择的优化方向，根据所述优化方向，得到一个或多个优化路径；优化路径选择模块，用于接收用户对优化路径的选择；量化影响分析模块，用于根据所述优化路径以及所述预先建立的数字孪生模型，得到执行所述优化路径的量化影响，所述量化影响用于指导用户选择生产经营决策方案；生产经营决策方案确定模块，用于当根据当前所述量化影响，未得到满足用户要求的生产经营决策方案，重复执行所述根据所述优化路径以及所述预先建立的数字孪生模型，得到执行所述优化路径的量化影响步骤，直至得到的生产经营决策方案满足用户需求。
可选地，所述装置还包括：风险事件确定模块，用于当所述数字孪生模型的模拟结果出现风险事件时，根据所述风险事件的类型显示至少一个优化所述风险事件结果的优化方向。
可选地，所述风险事件确定模块还包括：根因分析模块，用于对所述风险事件进行根因分析，得到产生所述风险事件的原因；风险优化方向确定模块，用于根据所述风险事件的原因，得到至少一个优化所述风险事件结果的优化方向。
可选地，所述风险事件确定模块，还包括：风险提示模块，用于发出风险提示。
根据第三方面，本发明实施例提供一种电子设备，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，所述处理器执行所述程序时实现第一方面或第一方面任一实施方式所述的决策辅助方法的步骤。
根据第四方面，本发明实施例提供一种存储介质，其上存储有计算机指令，该指令被处理器执行时实现第一方面或第一方面任一实施方式所述的决策辅助方法的步骤。
本发明技术方案，具有如下优点：
本发明实施例提供一种决策辅助方法/装置，通过数字孪生模型，对企业进行全面模拟，在进行辅助决策时，考虑了企业内复杂的因果关系，具有全局性，提高了决策辅助的准确性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中决策辅助方法的一个具体示例的流程图；
图2为本发明实施例中决策辅助装置的一个具体示例图；
图3为本发明实施例中电子设备的一个具体示例的原理框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本实施例提供一种决策辅助方法，如图1所示，包括如下步骤：
S101，获取业务活动数据。
示例性地，业务活动数据可以是企业生产线数据、销售数据、采购数据以及外部市场数据等，具体包括采购的物品种类、数量、价格等等，生产的工时、资源消耗、产成品输出、人员投入等等。业务活动数据的获取的方式可以是接入企业ERP系统获取ERP数据、供应链数据，还可以是接收业务人员输入的业务活动数据。本实施例对业务活动数据类型以及获取方式不做限定，本领域技术人员可以根据需要确定。
S102，将业务活动数据输入至预先建立的数字孪生模型，数字孪生模型按照时序关系进行模拟分析，数字孪生模型根据对应的业务活动节点建立。
示例性地，数字孪生模型作为现实世界的真实映射，与现实世界对称的、同步的、可拆解、可复制、可转移、可修改、可删除、可重复操作的镜像，可接收现实世界的真实数据，实现对真实场景进行全面模拟。预先建立的数字孪生模型可以是根据事件网络建立，事件网络是由业务构件和业务流连接而成。本实施例中的数字孪生模型是集大数据处理以及各种机器学习算法为一体的模型，是对全产业的数字孪生。业务活动节点可以包括企业生产线节点、销售节点、采购节点、外部市场节点，构建的数字孪生模型能够根据输入的业务活动数据按照时序关系进行生产运营模拟，并能够通过业务活动数据预测未来产业运营情况。本实施例对数字孪生模型的构建方式不做限定，本领域技术人员可以根据需要确定。
S103，接收用户选择的优化方向，根据优化方向，得到一个或多个优化路径；
示例性地，优化方向可以固定显示在可视化界面，也可以是将数字孪生模型中的业务活动数据结合不同的优化算法优化得到，也即，通过内部集成的优化算法对预先建立的数字孪生模型进行优化分析，得到预先建立的数字孪生模型中可以优化改进的方向，不同的优化算法可以包括运筹学里的算法，比如MDP(Markov Decision Process)，随机排序、排队论、数学方程等。优化方向可以包括利润最大化、满足订单需求最大化、控制风险等等。接收用户选择的优化方向的方式可以是接收用户在可视化屏幕上的点击操作，确定点击对应的优化方向，该优化方向可以预先设置显示在屏幕上。本实施例对接收用户选择的优化方向的方式不做限定，本领域技术人员可以根据需要确定。
根据用户选择的优化方向，根据预先建立的数字孪生模型对企业的全面模拟，能够得到用户选择的优化方向的影响因素，可以通过这些影响因素，得到一个或者多个优化路径，比如优化方向为利润最大化，那么优化路径可以包括控制销售签单、降低采购成本、提高销售价格等等。
S104，接收用户对优化路径的选择。
示例性地，接收用户对优化路径的选择的方式可以是接收用户的点击操作，确定点击操作对应的优化路径选择。本实施例对接收用户对优化路径的选择方式不做限定，本领域技术人员可以根据需要确定。
S105，根据优化路径以及预先建立的数字孪生模型，得到执行优化路径的量化影响，量化影响用于指导用户选择生产经营决策方案。
示例性地，预先建立的数字孪生模型根据用户选择的优化路径不断进行量化分析，比如，当用户选择的优化路径是控制签单，那么预先建立的数字孪生模型不断迭代不同时间节点控制的签单数量，对并对不同时间节点控制一定数量的签单数量导致的影响进行量化，得到执行优化路径的量化影响。用户可以根据得到的量化影响确定是否使用该优化路径确定出的生产经营决策方案，生产经营决策方案表征在该优化路径下，量化分析得到的具体经营方案，比如，在什么时间节点控制签单，控制签单量多少。
S106，若当前量化影响，未满足用户需求，重复执行根据优化路径以及预先建立的数字孪生模型，得到执行优化路径的量化影响步骤，直至得到的生产经营决策方案满足用户需求。
本发明实施例提供的决策辅助方法，通过数字孪生模型，对企业进行全面模拟，在进行辅助决策时，考虑了企业内复杂的因果关系，具有全局性，提高了决策辅助的准确性。
作为本实施例一种可选的实施方式，所述接收用户选择的优化方向，根据所述优化方向，得到一个或多个优化路径之前，还包括：当数字孪生模型的模拟结果出现风险事件时，根据风险事件的类型得到至少一个优化风险事件结果的优化方向。
示例性地，风险事件表征影响企业正常运营的事件，比如可能导致停产的事件。根据风险事件的类型得到至少一个优化风险事件结果的优化方向的方式可以是预先根据多种不同优化算法对出现的风险事件进行模拟分析，得到至少一个优化风险事件结果的优化方向。
本实施例以钢铁产业为例进行说明，当前输入预先建立的数字孪生模型的采购数据为6万吨铁矿石，经过数字孪生模型的模拟预测，以这样的采购量，可能在某一天造成高炉停机，对于钢铁产业而言，必须得保持一个最小的炼铁量，如果不能满足最小炼铁量，导致高炉停机是很严重的生产事故。在保证不会导致高炉停机的情况下，多种优化算法对输入的业务活动数据进行分析，为了使得钢铁产业能够正常运行，从而得到一个或多个优化风险事件结果的优化方向，至少一个优化风险事件结果的优化方向可以是：最大限度满足订单需求，考虑就近采购；利润最优，控制销售签单；控制风险，以保障安全库存的最小量进行采购。
本发明实施例提供的决策辅助方法，将业务活动数据输入至预先建立的数字孪生模型，通过数字孪生模型实现企业运营情况的全面模拟，能够及时预测企业生产经营中会出现的生产经营问题，并针对可能发生的生产经营问题及时给出有效的决策方案，避免了企业出现风险事故，保障了企业正常生产经营效率。
作为本实施例一种可选的实施方式，根据风险事件的类型得到至少一个优化所述风险事件结果的优化方向，包括：
对风险事件进行根因分析，得到产生风险事件的原因；根据风险事件的原因，得到至少一个优化风险事件结果的优化方向。
示例性地，对风险事件进行根因分析，进行根因分析可以结合数字孪生模块中的业务活动数据以及预先构建的知识图谱得到，本实施例对根因分析的方式不做限定，本领域技术人员可以根据需要确定。根据风险事件的原因，得到至少一个优化风险事件结果的优化方向的方式可以是在知识图谱中预先构建有针对该风险事件的解决方案。
本发明实施例提供的决策辅助方法，结合数字孪生模块中的业务活动数据以及预先构建的知识图谱分析产生风险事件的原因，能够实现对复杂的决策辅助对象进行全面分析，考虑复杂的因果关系，得到的决策结果更具有针对性。
作为本实施例一种可选的实施方式，当将业务活动数据输入至预先建立的数字孪生模型得到风险事件时，还包括：发出风险提示。发出风险提示的方式是可以是显示风险警告，还可以是通过发送信息的方式进行风险提示，本实施例对发出风险提示的方式不做限定，本领域技术人员可以根据需要确定。
本发明实施例提供一种决策辅助装置，如图2所示，包括：
数据获取模块201，用于获取业务活动数据；具体内容参见上述方法对应部分，在此不再赘述。
模拟模块202，用于将所述业务活动数据输入至预先建立的数字孪生模型，所述数字孪生模型按照时序关系进行模拟分析，所述数字孪生模型根据对应的业务活动节点建立；具体内容参见上述方法对应部分，在此不再赘述。
优化方向接收模块203，用于接收用户选择的优化方向，根据所述优化方向，得到一个或多个优化路径；具体内容参见上述方法对应部分，在此不再赘述。
优化路径选择模块204，用于接收用户对优化路径的选择；具体内容参见上述方法对应部分，在此不再赘述。
量化影响分析模块205，用于根据所述优化路径以及所述预先建立的数字孪生模型，得到执行所述优化路径的量化影响，所述量化影响用于指导用户选择生产经营决策方案；具体内容参见上述方法对应部分，在此不再赘述。
生产经营决策方案确定模块206，用于若当前所述量化影响，未满足用户需求，重复执行所述根据所述优化路径以及所述预先建立的数字孪生模型，得到执行所述优化路径的量化影响步骤，直至得到的生产经营决策方案满足用户需求。具体内容参见上述方法对应部分，在此不再赘述。
作为本实施例一种可选的实施方式，决策辅助装置还包括：
风险事件确定模块，用于当所述数字孪生模型的模拟结果出现风险事件时，根据所述风险事件的类型显示至少一个优化所述风险事件结果的优化方向。具体内容参见上述方法对应部分，在此不再赘述。
作为本实施例一种可选的实施方式，风险事件确定模块还包括：
根因分析模块，用于对所述风险事件进行根因分析，得到产生所述风险事件的原因；具体内容参见上述方法对应部分，在此不再赘述。
风险优化方向确定模块，用于根据所述风险事件的原因，得到至少一个优化所述风险事件结果的优化方向。具体内容参见上述方法对应部分，在此不再赘述。
作为本实施例一种可选的实施方式，风险事件确定模块，还包括：风险提示模块，用于发出风险提示。具体内容参见上述方法对应部分，在此不再赘述。
本申请实施例还提供一种电子设备，如图3所示，处理器310和存储器320，其中处理器310和存储器320可以通过总线或者其他方式连接。
处理器310可以为中央处理器(Central Processing Unit，CPU)。处理器310还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器320作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的决策辅助方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理。
存储器320可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器320可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器320中，当被所述处理器310执行时，执行如图1所示实施例中的决策辅助方法。
上述电子设备的具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
本实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例1中决策辅助方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read－Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid－State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种决策辅助方法，其特征在于，包括如下步骤：
获取业务活动数据；
将所述业务活动数据输入至预先建立的数字孪生模型，所述数字孪生模型按照时序关系进行模拟分析，所述数字孪生模型根据对应的业务活动节点建立；
接收用户选择的优化方向，根据所述优化方向，得到一个或多个优化路径；
接收用户对优化路径的选择；
根据所述优化路径以及所述预先建立的数字孪生模型，得到执行所述优化路径的量化影响，所述量化影响用于指导用户选择生产经营决策方案；
若当前所述量化影响，未满足用户需求，重复执行所述根据所述优化路径以及所述预先建立的数字孪生模型，得到执行所述优化路径的量化影响步骤，直至得到的生产经营决策方案满足用户需求。
2.根据权利要求1所述的方法，其特征在于，所述接收用户选择的优化方向，根据所述优化方向，得到一个或多个优化路径之前，还包括：
当所述数字孪生模型的模拟结果出现风险事件时，根据所述风险事件的类型得到至少一个优化所述风险事件结果的优化方向。
3.根据权利要求2所述的方法，其特征在于，根据所述风险事件的类型得到至少一个优化所述风险事件结果的优化方向，包括：
对所述风险事件进行根因分析，得到产生所述风险事件的原因；
根据所述风险事件的原因，得到至少一个优化所述风险事件结果的优化方向。
4.根据权利要求2所述的方法，其特征在于，当所述数字孪生模型的模拟结果出现风险事件时，还包括：发出风险提示。
5.一种决策辅助装置，其特征在于，包括：
数据获取模块，用于获取业务活动数据；
模拟模块，用于将所述业务活动数据输入至预先建立的数字孪生模型，所述数字孪生模型按照时序关系进行模拟分析，所述数字孪生模型根据对应的业务活动节点建立；
优化方向接收模块，用于接收用户选择的优化方向，根据所述优化方向，得到一个或多个优化路径；
优化路径选择模块，用于接收用户对优化路径的选择；
量化影响分析模块，用于根据所述优化路径以及所述预先建立的数字孪生模型，得到执行所述优化路径的量化影响，所述量化影响用于指导用户选择生产经营决策方案；
生产经营决策方案确定模块，用于若当前所述量化影响，未满足用户需求，重复执行所述根据所述优化路径以及所述预先建立的数字孪生模型，得到执行所述优化路径的量化影响步骤，直至得到的生产经营决策方案满足用户需求。
6.根据权利要求5所述的装置，其特征在于，还包括：
风险事件确定模块，用于当所述数字孪生模型的模拟结果出现风险事件时，根据所述风险事件的类型显示至少一个优化所述风险事件结果的优化方向。
7.根据权利要求6所述的装置，其特征在于，风险事件确定模块还包括：
根因分析模块，用于对所述风险事件进行根因分析，得到产生所述风险事件的原因；
风险优化方向确定模块，用于根据所述风险事件的原因，得到至少一个优化所述风险事件结果的优化方向。
8.根据权利要求6所述的装置，其特征在于，风险事件确定模块，还包括：风险提示模块，用于发出风险提示。
9.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现权利要求1－4任一所述的决策辅助方法的步骤。
10.一种存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1－4任一所述的决策辅助方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011226794.5A CN112348251B (zh) | 2020-11-05 | 2020-11-05 | 一种决策辅助方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011226794.5A CN112348251B (zh) | 2020-11-05 | 2020-11-05 | 一种决策辅助方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112348251A true CN112348251A (zh) | 2021-02-09 |
| CN112348251B CN112348251B (zh) | 2024-02-09 |
Family
ID=74429831
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011226794.5A Active CN112348251B (zh) | 2020-11-05 | 2020-11-05 | 一种决策辅助方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112348251B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113205328A (zh) * | 2021-06-07 | 2021-08-03 | 中国银行股份有限公司 | 手机银行安全检测方法及数字孪生系统 |
| CN113610419A (zh) * | 2021-08-16 | 2021-11-05 | 傲林科技有限公司 | 一种基于事件网的事中监控分析方法、系统及存储介质 |
| CN113610313A (zh) * | 2021-08-16 | 2021-11-05 | 傲林科技有限公司 | 一种基于事件网的成本还原优化方法、系统及存储介质 |
| CN113610616A (zh) * | 2021-08-16 | 2021-11-05 | 傲林科技有限公司 | 一种基于事件网的财务勾稽关系分析方法和分析系统 |
| CN113610315A (zh) * | 2021-08-16 | 2021-11-05 | 傲林科技有限公司 | 一种基于事件网的预测方法、装置及电子设备 |
| CN113610474A (zh) * | 2021-08-16 | 2021-11-05 | 傲林科技有限公司 | 一种基于事件网的库存管理方法和管理系统 |
| CN113850424A (zh) * | 2021-09-17 | 2021-12-28 | 中控智网(北京)能源技术有限公司 | 工业策略处理方法、装置、设备及存储介质 |
| CN114721344A (zh) * | 2022-06-10 | 2022-07-08 | 深圳市爱云信息科技有限公司 | 基于数字孪生DaaS平台的智能决策方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170124492A1 (en) * | 2015-10-28 | 2017-05-04 | Fractal Industries, Inc. | System for automated capture and analysis of business information for reliable business venture outcome prediction |
| CN109270899A (zh) * | 2018-09-03 | 2019-01-25 | 江苏科技大学 | 一种基于数字孪生的船用柴油机关重件制造过程管控方法 |
| CN109933035A (zh) * | 2019-04-24 | 2019-06-25 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生的生产线控制系统、方法及生产系统 |
| CN110442936A (zh) * | 2019-07-24 | 2019-11-12 | 中国石油大学(北京) | 基于数字孪生模型的设备故障诊断方法、装置及系统 |
| CN110502786A (zh) * | 2019-07-16 | 2019-11-26 | 深圳拓谱信息技术有限公司 | 用于生产线的数字孪生处理方法、装置、系统和设备 |
| CN110930705A (zh) * | 2019-11-28 | 2020-03-27 | 北京易华录信息技术股份有限公司 | 一种路口交通决策系统、方法及设备 |
| CN111008859A (zh) * | 2019-11-11 | 2020-04-14 | 北京迈格威科技有限公司 | 虚拟店铺中信息呈现方法、装置、电子设备及存储介质 |
| CN111177416A (zh) * | 2020-04-13 | 2020-05-19 | 傲林科技有限公司 | 事件根因分析模型构建方法、事件根因分析方法及装置 |
| CN111209400A (zh) * | 2020-01-03 | 2020-05-29 | 北京明略软件系统有限公司 | 一种数据分析的方法及装置 |
| CN111230887A (zh) * | 2020-03-10 | 2020-06-05 | 合肥学院 | 一种基于数字孪生技术的工业涂胶机器人运行状态监测方法 |
-
2020
- 2020-11-05 CN CN202011226794.5A patent/CN112348251B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170124492A1 (en) * | 2015-10-28 | 2017-05-04 | Fractal Industries, Inc. | System for automated capture and analysis of business information for reliable business venture outcome prediction |
| CN109270899A (zh) * | 2018-09-03 | 2019-01-25 | 江苏科技大学 | 一种基于数字孪生的船用柴油机关重件制造过程管控方法 |
| CN109933035A (zh) * | 2019-04-24 | 2019-06-25 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生的生产线控制系统、方法及生产系统 |
| CN110502786A (zh) * | 2019-07-16 | 2019-11-26 | 深圳拓谱信息技术有限公司 | 用于生产线的数字孪生处理方法、装置、系统和设备 |
| CN110442936A (zh) * | 2019-07-24 | 2019-11-12 | 中国石油大学(北京) | 基于数字孪生模型的设备故障诊断方法、装置及系统 |
| CN111008859A (zh) * | 2019-11-11 | 2020-04-14 | 北京迈格威科技有限公司 | 虚拟店铺中信息呈现方法、装置、电子设备及存储介质 |
| CN110930705A (zh) * | 2019-11-28 | 2020-03-27 | 北京易华录信息技术股份有限公司 | 一种路口交通决策系统、方法及设备 |
| CN111209400A (zh) * | 2020-01-03 | 2020-05-29 | 北京明略软件系统有限公司 | 一种数据分析的方法及装置 |
| CN111230887A (zh) * | 2020-03-10 | 2020-06-05 | 合肥学院 | 一种基于数字孪生技术的工业涂胶机器人运行状态监测方法 |
| CN111177416A (zh) * | 2020-04-13 | 2020-05-19 | 傲林科技有限公司 | 事件根因分析模型构建方法、事件根因分析方法及装置 |
Non-Patent Citations (5)
| Title |
|---|
| 李欣;: "新数据智能：构建新基建的智驱引擎", 软件和集成电路, no. 09, pages 68 - 69 * |
| 王文跃;李婷婷;刘晓娟;樊可欣;白银姗;李青松;: "数字孪生城市全域感知体系研究", 信息通信技术与政策, no. 03, pages 20 - 23 * |
| 赵德宁;李舒涛;吴劲松;廖霄;邓振华;: "基于BIM的数字孪生智慧机房管理系统", 电子技术与软件工程, no. 10, pages 169 - 170 * |
| 赵阳;伏晓露;廖庆妙;刘庆华;邬涛;: "基于数字孪生的智能脉动管控", 航空制造技术, no. 1, pages 14 - 20 * |
| 黄培;: "数字孪生在制造业的应用", 中国工业和信息化, no. 07, pages 20 - 26 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113205328A (zh) * | 2021-06-07 | 2021-08-03 | 中国银行股份有限公司 | 手机银行安全检测方法及数字孪生系统 |
| CN113610315B (zh) * | 2021-08-16 | 2023-10-13 | 傲林科技有限公司 | 一种基于事件网的预测方法、装置及电子设备 |
| CN113610313A (zh) * | 2021-08-16 | 2021-11-05 | 傲林科技有限公司 | 一种基于事件网的成本还原优化方法、系统及存储介质 |
| CN113610616A (zh) * | 2021-08-16 | 2021-11-05 | 傲林科技有限公司 | 一种基于事件网的财务勾稽关系分析方法和分析系统 |
| CN113610315A (zh) * | 2021-08-16 | 2021-11-05 | 傲林科技有限公司 | 一种基于事件网的预测方法、装置及电子设备 |
| CN113610474A (zh) * | 2021-08-16 | 2021-11-05 | 傲林科技有限公司 | 一种基于事件网的库存管理方法和管理系统 |
| CN113610474B (zh) * | 2021-08-16 | 2023-09-22 | 傲林科技有限公司 | 一种基于事件网的库存管理方法和管理系统 |
| CN113610419A (zh) * | 2021-08-16 | 2021-11-05 | 傲林科技有限公司 | 一种基于事件网的事中监控分析方法、系统及存储介质 |
| CN113610616B (zh) * | 2021-08-16 | 2023-10-13 | 傲林科技有限公司 | 一种基于事件网的财务勾稽关系分析方法和分析系统 |
| CN113610419B (zh) * | 2021-08-16 | 2023-10-13 | 傲林科技有限公司 | 一种基于事件网的事中监控分析方法、系统及存储介质 |
| CN113610313B (zh) * | 2021-08-16 | 2024-02-06 | 傲林科技有限公司 | 一种基于事件网的成本还原优化方法、系统及存储介质 |
| CN113850424A (zh) * | 2021-09-17 | 2021-12-28 | 中控智网(北京)能源技术有限公司 | 工业策略处理方法、装置、设备及存储介质 |
| CN114721344A (zh) * | 2022-06-10 | 2022-07-08 | 深圳市爱云信息科技有限公司 | 基于数字孪生DaaS平台的智能决策方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112348251B (zh) | 2024-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112348251A (zh) | 一种决策辅助方法、装置、电子设备及存储介质 | |
| US11086762B2 (en) | Methods and systems for predicting estimation of project factors in software development | |
| Kwilinski | Mechanism for assessing the competitiveness of an industrial enterprise in the information economy | |
| US11354121B2 (en) | Software portfolio management system and method | |
| Lai et al. | Data-driven dynamic bottleneck detection in complex manufacturing systems | |
| US20190147379A1 (en) | Risk assessment and mitigation planning, systems and methods | |
| US20130226830A1 (en) | System and method for transactional risk and return analysis | |
| CN112200489B (zh) | 有色金属冶炼产供销一体优化系统、方法、装置 | |
| Lizotte-Latendresse et al. | Implementing self-service business analytics supporting lean manufacturing: A state-of-the-art review | |
| CN116091130A (zh) | 面向多渠道销售的广告智能投放方法及系统 | |
| KR20170030036A (ko) | 전기로 제강 품질 튜터링 시스템 | |
| CN117436849B (zh) | 基于大数据技术的医疗器械维修处理方法及系统 | |
| CN112200491B (zh) | 一种数字孪生模型构建方法、装置及存储介质 | |
| JP2022127958A (ja) | 業務改善支援装置、プログラムおよびプログラムを格納した記憶媒体 | |
| US20140297334A1 (en) | System and method for macro level strategic planning | |
| Massaro et al. | A case study of innovation in the implementation of a DSS system for intelligent insurance hub services | |
| US20210302954A1 (en) | System and method for increasing mean time between service visits in an industrial system | |
| US11715050B2 (en) | Scheduling engine | |
| US20130245804A1 (en) | Network based calculations for planning and decision support tasks | |
| Barberá et al. | RAM analysis of mining process: a case study of a Copper Smelting Process in the field of mining, Chile | |
| CN113706042A (zh) | 基于寡头企业质量和产量竞争的响应定价和决策求解方法 | |
| US20230013634A1 (en) | Lifecycle management engine with automated intelligence | |
| US20240202751A1 (en) | Machine learning architectures and prediction models for generating data asset predictions | |
| Wiedenmann et al. | Proactive disruption impact assessment in manufacturing supply networks | |
| US20230040163A1 (en) | Systems and methods for processing intelligence of users captured through quantitative data collection |
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 |