CN112598463A - 基于大数据的c2m电商订单分配方法 - Google Patents

基于大数据的c2m电商订单分配方法 Download PDF

Info

Publication number
CN112598463A
CN112598463A CN202011512012.4A CN202011512012A CN112598463A CN 112598463 A CN112598463 A CN 112598463A CN 202011512012 A CN202011512012 A CN 202011512012A CN 112598463 A CN112598463 A CN 112598463A
Authority
CN
China
Prior art keywords
order
matching
production
manufacturers
manufacturer
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.)
Withdrawn
Application number
CN202011512012.4A
Other languages
English (en)
Inventor
黎阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Gaoqiao Technology Co ltd
Original Assignee
Chengdu Gaoqiao Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Gaoqiao Technology Co ltd filed Critical Chengdu Gaoqiao Technology Co ltd
Priority to CN202011512012.4A priority Critical patent/CN112598463A/zh
Publication of CN112598463A publication Critical patent/CN112598463A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Factory Administration (AREA)

Abstract

本发明涉及一种基于大数据的C2M电商订单分配方法，其包括：获取若干个订单分配方案；获取在每个订单分配方案中每个匹配模型的匹配拟合优度，并根据在每个订单分配方案中每个匹配模型的匹配拟合优度得到每个订单分配方案的匹配基限值；获取每个订单分配方案中每个非匹配模型的非匹配拟合优度，并根据每个订单分配方案中每个非匹配模型的非匹配拟合优度得到每个订单分配方案的非匹配基限值；基限值单元根据非匹配系数、匹配系数、每个订单分配方案的非匹配基限值和每个订单分配方案的匹配基限值得到每个订单分配方案的综合基限值，选取综合基限值最大的订单分配方案作为目标订单分配方案。

Description

基于大数据的C2M电商订单分配方法
技术领域
本发明涉及大数据和电子商务领域，尤其涉及一种基于大数据的C2M电商订单分配方法。
背景技术
C2M(Customer to Manufactory)是“顾客对工厂”的简称，它是平台与厂商合作组织产销的一种模式。这种模式是基于社区SNS平台以及B2C平台模式上的一种新的电子商务模式。C2M模式基于互联网、大数据、人工智能，以及通过生产线的自动化、定制化、节能化、柔性化，运用庞大的计算机系统随时进行数据交换，按照客户的产品订单要求，设定供应商和生产工序，最终生产出个性化产品的工业化定制模式。
现代生产制造中，客户往往要求生产商在一定成本下，短期内生产出符合质量标准的产品。单个生产商难以在短期内完成生产量较大的订单，因此，在生产订单的量较大的情况下生产商会选择其他生产商代加工的生产方式，促使同区域内生产同类产品的制造企业相互协作、共享资源，一起完成生产量较大的订单，以使企业获得更多的收益。因此，有必要在满足生产质量合格的条件下，提高订单分配的协作效率。
发明内容
有鉴于此，本发明提供了一种基于大数据的C2M电商订单分配方法，其包括：
订单分配服务器从数据库获取生产订单数据和生产厂商数据，并根据生产订单数据和生产厂商数据得到若干个订单分配方案；
订单优化服务器的匹配模型构建单元根据匹配订单分配规则建立第一匹配模型和第二匹配模型；
非匹配模型构建单元根据非匹配订单分配规则建立若干个非匹配模型；
基限值单元根据匹配拟合优度模型得到在每个订单分配方案中每个匹配模型的匹配拟合优度，并根据在每个订单分配方案中每个匹配模型的匹配拟合优度得到每个订单分配方案的匹配基限值；
基限值单元根据每个非匹配模型和每个订单分配方案得到在每个订单分配方案中每个非匹配模型的置信度，然后通过非匹配拟合优度模型、置信度阈值和在每个订单分配方案中每个非匹配模型的置信度得到在每个订单分配方案中每个非匹配模型的非匹配拟合优度，并根据每个订单分配方案中每个非匹配模型的非匹配拟合优度得到每个订单分配方案的非匹配基限值；
基限值单元根据非匹配系数、匹配系数、每个订单分配方案的非匹配基限值和每个订单分配方案的匹配基限值得到每个订单分配方案的综合基限值；
方案优化单元将所有订单分配方案的综合基限值进行比较，选取综合基限值最大的订单分配方案作为目标订单分配方案，并将其发送到订单管理终端。
进一步实施例中，订单分配服务器的初始化单元从数据库获取生产订单数据和生产厂商数据，并分别对生产订单数据和生产厂商数据进行初始化以得到生产订单信息和生产厂商信息；
订单划分单元根据每个生产订单的生产订单信息获取每个生产订单的订单优先级和订单先行系数，并根据每个生产订单的订单优先级和订单先行系数对所有生产订单进行订单划分和订单排序以得到第一订单集合、第二订单集合和第三订单集合；
订单分配单元分别根据每个生产订单的生产订单信息和每个生产厂商的生产厂商信息依次将第一订单集合、第二订单集合和第三订单集合中的生产订单进行订单分配以得到若干个订单分配方案。
进一步实施例中，订单分配服务器的初始化单元分别对生产订单数据和生产厂商数据进行初始化得到生产订单信息和生产厂商信息包括：
初始化单元从数据库获取所有生产订单的生产订单数据，并对每个生产订单数据进行初始化以得到生产订单信息；所述生产订单信息包括：订单编号、产品类型、产品订单量、订单优先级和订单先行系数；
初始化单元从数据库获取所有的生产厂商的生产厂商数据，并对每个生产厂商数据进行初始化以得到生产厂商信息；所述生产厂商信息包括：厂商编号、厂商类型和产品生产量。
进一步实施例中，订单分配服务器的订单划分单元根据订单优先级和订单先行系数对生产订单进行订单划分和订单排序得到第一订单集合、第二订单集合和第三订单集合包括：
订单划分单元根据每个生产订单的生产订单信息获取每个生订单的订单优先级和订单先行系数；
订单划分单元获取订单优先级为高级的所有生产订单，并根据生产订单的订单先行系数，将所有订单优先级为高级的生产订单按照其订单先行系数进行排序以得到第一订单集合；
订单划分单元获取订单优先级为中级的所有生产订单，并根据生产订单的订单先行系数，将所有订单优先级为中级的生产订单按照其订单先行系数进行排序以得到第二订单集合；
订单划分单元获取订单优先级为低级的所有生产订单，并根据生产订单的订单先行系数，将所有订单优先级为低级的生产订单按照其订单先行系数进行排序以得到第三订单集合。
进一步实施例中，所述第一订单集合包括若干个按照订单先行系数排序的订单优先级为高级的生产订单；所述第二订单集合包括若干个按照订单先行系数排序的订单优先级为中级的生产订单；所述第三订单集合包括若干个按照订单先行系数排序的订单优先级为低级的生产订单。
进一步实施例中，订单分配服务器的订单分配单元分别根据生产订单信息和生产厂商信息进行订单分配以得到若干个订单分配方案包括：
订单分配单元分别将所有生产厂商的厂商状态标注为空闲，根据从左到右的遍历顺序遍历第一订单集合中的所有生产订单，将正在遍历的生产订单作为目标生产订单，并获取目标生产订单的产品订单量和产品类型；从所有生产厂商中获取厂商状态为空闲的生产厂商作为候选生产厂商，并将厂商类型与产品类型相同且生产厂商的产品生产量大于或等于目标生产订单的产品订单量的生产厂商作为目标生产订单的目标生产厂商，并将目标生产厂商的厂商状态标注为忙碌；
在第一订单集合中的所有生产订单分配完后，根据从左到右的遍历顺序遍历第二订单集合中的所有生产订单，将正在遍历的生产订单作为目标生产订单，并获取目标生产订单的产品订单量和产品类型；从所有生产厂商中获取厂商状态为空闲的生产厂商作为候选生产厂商，并将厂商类型与产品类型相同且生产厂商的产品生产量大于或等于目标生产订单的产品订单量的生产厂商作为目标生产订单的目标生产厂商，并将目标生产厂商的厂商状态标注为忙碌；
在第二订单集合中的所有生产订单分配完后，根据从左到右的遍历顺序遍历第三订单集合中的所有生产订单，将正在遍历的生产订单作为目标生产订单，并获取目标生产订单的产品订单量和产品类型；从所有生产厂商中获取厂商状态为空闲的生产厂商作为候选生产厂商，并将厂商类型与产品类型相同且生产厂商的产品生产量大于或等于目标生产订单的产品订单量的生产厂商作为目标生产订单的目标生产厂商，并将目标生产厂商的厂商状态标注为忙碌。
进一步实施例中，所述订单管理终端为订单管理员使用的具有通信功能和数据传输功能的设备，其包括：智能手机、平板电脑、笔记本电脑、智能手表和台式电脑。
进一步实施例中，所述订单先行系数用于衡量生产订单的优先度，订单先行系数越大生产订单的优先度越高。
进一步实施例中，所述第一匹配模型用于度量订单分配方案满足第一匹配订单分配规则的程度，第一匹配订单分配规则为在订单周期内生产厂商的产品生产量大于生产订单的产品订单量；所述第二匹配模型用于度量订单分配方案满足第二匹配订单分配规则的程度，第二匹配订单分配规则为厂商类型与生产订单的产品类型相同。
进一步实施例中，非匹配基限值的计算公式为：
Figure BDA0002846661450000041
其中，R2为非匹配基限值，
Figure BDA0002846661450000051
为第i个非匹配模型的非匹配拟合优度，Q为置信度阈值，m为非匹配模型的数量，Sj为第j个非匹配模型的置信度，i为非匹配拟合优度的索引，j为置信度的索引。
所述非匹配模型用于度量订单分配方案满足非匹配订单分配规则的程度。
进一步实施例中，综合基限值的计算公式为：
R＝αR1+βR2
其中，R为综合基限值，R1为匹配基限值，α为匹配系数，R2为非匹配基限值，β为非匹配系数，α+β＝1。
进一步实施例中，所述综合基限值用于度量订单分配方案满足匹配订单分配规则和非匹配订单分配规则的程度；所述匹配基限值表示订单分配方案满足匹配订单分配规则的程度；所述非匹配基限值表示订单分配方案满足非匹配订单分配规则的程度。
本发明提供的实施例具有以下有益效果：通过匹配订单分配规则和非匹配订单分配规则建立匹配模型和非匹配模型以得到每个订单分配方案的综合基限值，以衡量订单分配方案的合理性，从而选择最优的订单分配方案，快速合理地将不同的生产订单分配给不同的生产厂商，能够提高订单分配的效率。
附图说明
图1为一示例性实施例提供的基于大数据的C2M电商订单分配方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
应当理解，尽管在本发明可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
参见图1，在一个实施例中，基于大数据的C2M电商订单分配方法可以包括：
S1、订单分配服务器的初始化单元从数据库获取生产订单数据和生产厂商数据，并分别对生产订单数据和生产厂商数据进行初始化以得到生产订单信息和生产厂商信息。
可选地，初始化单元分别对生产订单数据和生产厂商数据进行初始化得到生产订单信息和生产厂商信息包括：
初始化单元从数据库获取所有生产订单的生产订单数据，并对每个生产订单数据进行初始化以得到生产订单信息，生产订单信息包括：订单编号、产品类型、产品订单量、订单优先级和订单先行系数。
初始化单元从数据库获取所有的生产厂商的生产厂商数据，并对每个生产厂商数据进行初始化以得到生产厂商信息，生产厂商信息包括：厂商编号、厂商类型和产品生产量。
可选地，订单先行系数用于衡量生产订单的优先度，订单先行系数越大生产订单的优先度越高。订单优先级用于衡量生产订单的优先级别，优先级别按照高级、中极和低级依次减小。
可选地，订单先行系数大于或等于第一阈值时，订单优先级为高级，订单先行系数小于第一阈值大于或等于第二阈值时，订单优先级为中级，订单先行系数小于第二阈值时，订单优先级为低级。第一阈值和第二阈值根据实际情况预先进行设置。
可选地，订单编号用于对生产订单进行唯一标识，厂商编号用于对生产厂商进行唯一标识。
可选地，生产订单的产品订单量为生产订单的对相应产品的产量需求，生产厂商的产品生产量为生产厂商的对相应产品的生产量。产品类型包括：家具、服饰和食品，厂商类型包括：家具、服饰和食品。
S2、订单分配服务器的订单划分单元根据每个生产订单的生产订单信息获取每个生产订单的订单优先级和订单先行系数，并根据每个生产订单的订单优先级和订单先行系数对所有生产订单进行订单划分和订单排序以得到第一订单集合、第二订单集合和第三订单集合。
可选地，订单划分单元根据订单优先级和订单先行系数对生产订单进行订单划分和订单排序得到第一订单集合、第二订单集合和第三订单集合包括：
订单划分单元根据每个生产订单的生产订单信息获取每个生订单的订单优先级和订单先行系数；
订单划分单元获取订单优先级为高级的所有生产订单，并根据生产订单的订单先行系数，将所有订单优先级为高级的生产订单按照其订单先行系数进行排序以得到第一订单集合；
订单划分单元获取订单优先级为中级的所有生产订单，并根据生产订单的订单先行系数，将所有订单优先级为中级的生产订单按照其订单先行系数进行排序以得到第二订单集合；
订单划分单元获取订单优先级为低级的所有生产订单，并根据生产订单的订单先行系数，将所有订单优先级为低级的生产订单按照其订单先行系数进行排序以得到第三订单集合。
可选地，第一订单集合包括若干个按照订单先行系数排序的订单优先级为高级的生产订单；第二订单集合包括若干个按照订单先行系数排序的订单优先级为中级的生产订单；第三订单集合包括若干个按照订单先行系数排序的订单优先级为低级的生产订单。
S3、订单分配服务器的订单分配单元分别根据每个生产订单的生产订单信息和每个生产厂商的生产厂商信息依次将第一订单集合、第二订单集合和第三订单集合中的生产订单进行订单分配以得到若干个订单分配方案。
具体地，订单分配单元分别将所有生产厂商的厂商状态标注为空闲，根据从左到右的遍历顺序遍历第一订单集合中的所有生产订单，将正在遍历的生产订单作为目标生产订单，并获取目标生产订单的产品订单量和产品类型；从所有生产厂商中获取厂商状态为空闲的生产厂商作为候选生产厂商，并将厂商类型与产品类型相同且生产厂商的产品生产量大于或等于目标生产订单的产品订单量的生产厂商作为目标生产订单的目标生产厂商，并将目标生产厂商的厂商状态标注为忙碌；
在第一订单集合中的所有生产订单分配完后，根据从左到右的遍历顺序遍历第二订单集合中的所有生产订单，将正在遍历的生产订单作为目标生产订单，并获取目标生产订单的产品订单量和产品类型；从所有生产厂商中获取厂商状态为空闲的生产厂商作为候选生产厂商，并将厂商类型与产品类型相同且生产厂商的产品生产量大于或等于目标生产订单的产品订单量的生产厂商作为目标生产订单的目标生产厂商，并将目标生产厂商的厂商状态标注为忙碌；
在第二订单集合中的所有生产订单分配完后，根据从左到右的遍历顺序遍历第三订单集合中的所有生产订单，将正在遍历的生产订单作为目标生产订单，并获取目标生产订单的产品订单量和产品类型；从所有生产厂商中获取厂商状态为空闲的生产厂商作为候选生产厂商，并将厂商类型与产品类型相同且生产厂商的产品生产量大于或等于目标生产订单的产品订单量的生产厂商作为目标生产订单的目标生产厂商，并将目标生产厂商的厂商状态标注为忙碌。
S4、订单优化服务器的匹配模型构建单元从数据库获取匹配订单分配规则，并根据匹配订单分配规则建立第一匹配模型和第二匹配模型。
可选地，匹配模型包括第一匹配模型和第二匹配模型，第一匹配模型用于度量订单分配方案满足第一匹配订单分配规则的程度，第一匹配订单分配规则为在订单周期内生产厂商的产品生产量大于生产订单的产品订单量；第二匹配模型用于度量订单分配方案满足第二匹配订单分配规则的程度，第二匹配订单分配规则为厂商类型必须与生产订单的产品类型相同。
可选地，订单分配规则包括匹配订单分配规则和非匹配订单分配规则，匹配订单分配规则为订单分配方案必须满足的规则，非匹配订单分配规则为在满足匹配订单分配规则的情况下尽量满足的规则。
可选地，匹配订单分配规则为订单分配方案必须满足的规则，其包括第一匹配订单分配规则和第二匹配订单分配规则，第一匹配订单分配规则为在订单周期内生产厂商的产品生产量大于生产订单的产品订单量，第二匹配订单分配规则为厂商类型必须与生产订单的产品类型相同。
S5、订单优化服务器的非匹配模型构建单元获取若干个订单管理要求以生成非匹配订单分配规则，根据非匹配订单分配规则建立若干个非匹配模型。
可选地，非匹配模型用于度量订单分配方案满足非匹配订单分配规则的程度。
可选地，非匹配订单分配规则表示订单管理员对订单分配的要求，例如，订单管理员希望同一个地区的生产订单能在同一个时间段进行生产，或者生产订单的用户与生产厂商在同一个地区。
S6、订单优化服务器的基限值单元从数据库获取匹配拟合优度模型，并根据匹配拟合优度模型得到在每个订单分配方案中每个匹配模型的匹配拟合优度，并根据在每个订单分配方案中每个匹配模型的匹配拟合优度得到每个订单分配方案的匹配基限值。
可选地，匹配拟合优度为订单分配方案与匹配订单分配规则的吻合程度。
接下来，在一个实施例中，订单优化服务器的基限值单元从数据库获取拟合优度模型和置信度阈值，并根据每个非匹配模型和每个订单分配方案得到在每个订单分配方案中每个非匹配模型的置信度，然后通过非匹配拟合优度模型、置信度阈值和在每个订单分配方案中每个非匹配模型的置信度得到在每个订单分配方案中每个非匹配模型的非匹配拟合优度，并根据每个订单分配方案中每个非匹配模型的非匹配拟合优度得到每个订单分配方案的非匹配基限值。
Figure BDA0002846661450000091
其中，R2为非匹配基限值，
Figure BDA0002846661450000092
为第i个非匹配模型的非匹配拟合优度，Q为置信度阈值，m为非匹配模型的数量，Sj为第j个非匹配模型的置信度，i为非匹配拟合优度的索引，j为置信度的索引，
Figure BDA0002846661450000101
非匹配拟合优度模型。
可选地，非匹配拟合优度为订单分配方案与非匹配订单分配规则的吻合程度。
接下来，订单优化服务器的基限值单元从数据库获取匹配系数和非匹配系数，并根据非匹配系数、匹配系数、每个订单分配方案的非匹配基限值和每个订单分配方案的匹配基限值得到每个订单分配方案的综合基限值。
可选地，综合基限值的计算公式为：
R＝αR1+βR2
其中，R为综合基限值，R1为匹配基限值，α为匹配系数，R2为非匹配基限值，β为非匹配系数，其中，α+β＝1。
可选地，匹配基限值表示订单分配方案满足匹配订单分配规则的程度。
可选地，非匹配基限值表示订单分配方案满足非匹配订单分配规则的程度。
可选地，非匹配系数为非匹配模型的权重系数，匹配系数为匹配模型的权重系数，非匹配系数和匹配系数和为1，匹配模型包括第一匹配模型和第二匹配模型。
可选地，订单分配方案的综合基限值用于度量订单分配方案满足各方面要求的程度，订单分配方案的综合基限值越高表示该订单分配方案越能满足订单管理员的要求和订单分配规则。
接下来，订单优化服务器的方案优化单元将所有订单分配方案的综合基限值进行比较，选取综合基限值最大的订单分配方案作为目标订单分配方案，并将其发送到订单管理终端。
可选地，订单管理终端为订单管理员使用的具有通信功能和数据传输功能的设备，其包括：智能手机、平板电脑、笔记本电脑、智能手表和台式电脑。可选地，目标订单分配方案为最优的订单分配方案。
本发明通过匹配订单分配规则和非匹配订单分配规则建立匹配模型和非匹配模型以得到每个订单分配方案的综合基限值，以衡量订单分配方案的合理性，以选择最优的订单分配方案，快速合理地将不同的生产订单分配给不同的生产厂商，提高订单分配的效率。同时，有助于减少由于人为分配过程中由于信息沟通不及时带来的订单冲突问题。
在一个实施例中，基于大数据的C2M电商订单分配系统可以包括：订单分配服务器、订单优化服务器和订单管理终端，其中，各订单管理终端与订单分配服务器和订单优化服务器具有通信连接。订单分配服务器包括：初始化单元、订单划分单元、订单分配单元和数据库，其中各单元间具有通信连接。订单优化服务器包括：匹配模型构建单元、非匹配模型构建单元、基限值单元、方案优化单元和数据库，其中各单元间具有通信连接。
订单分配服务器的初始化单元从数据库获取生产订单数据和生产厂商数据，并分别对生产订单数据和生产厂商数据进行初始化以得到生产订单信息和生产厂商信息。
订单分配服务器的订单划分单元根据每个生产订单的生产订单信息获取每个生产订单的订单优先级和订单先行系数，并根据每个生产订单的订单优先级和订单先行系数对所有生产订单进行订单划分和订单排序以得到第一订单集合、第二订单集合和第三订单集合。
订单分配服务器的订单分配单元分别根据每个生产订单的生产订单信息和每个生产厂商的生产厂商信息依次将第一订单集合、第二订单集合和第三订单集合中的生产订单进行订单分配以得到若干个订单分配方案。
订单优化服务器的匹配模型构建单元根据匹配订单分配规则建立第一匹配模型和第二匹配模型；
订单优化服务器的非匹配模型构建单元根据非匹配订单分配规则建立若干个非匹配模型。
订单优化服务器的基限值单元根据匹配拟合优度模型得到在每个订单分配方案中每个匹配模型的匹配拟合优度，并根据在每个订单分配方案中每个匹配模型的匹配拟合优度得到每个订单分配方案的匹配基限值。
订单优化服务器的基限值单元根据每个非匹配模型和每个订单分配方案得到在每个订单分配方案中每个非匹配模型的置信度，然后通过非匹配拟合优度模型、置信度阈值和在每个订单分配方案中每个非匹配模型的置信度得到在每个订单分配方案中每个非匹配模型的非匹配拟合优度，并根据每个订单分配方案中每个非匹配模型的非匹配拟合优度得到每个订单分配方案的非匹配基限值。
订单优化服务器的基限值单元根据非匹配系数、匹配系数、每个订单分配方案的非匹配基限值和每个订单分配方案的匹配基限值得到每个订单分配方案的综合基限值。
订单优化服务器的方案优化单元将所有订单分配方案的综合基限值进行比较，选取综合基限值最大的订单分配方案作为目标订单分配方案，并将其发送到订单管理终端。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (9)

1.一种基于大数据的C2M电商订单分配方法，其特征在于，订单分配服务器从数据库获取生产订单数据和生产厂商数据，并根据生产订单数据和生产厂商数据得到若干个订单分配方案；
订单优化服务器的匹配模型构建单元根据匹配订单分配规则建立第一匹配模型和第二匹配模型；
非匹配模型构建单元根据非匹配订单分配规则建立若干个非匹配模型；
基限值单元根据匹配拟合优度模型得到在每个订单分配方案中每个匹配模型的匹配拟合优度，并根据在每个订单分配方案中每个匹配模型的匹配拟合优度得到每个订单分配方案的匹配基限值；
基限值单元根据每个非匹配模型和每个订单分配方案得到在每个订单分配方案中每个非匹配模型的置信度，然后通过非匹配拟合优度模型、置信度阈值和在每个订单分配方案中每个非匹配模型的置信度得到在每个订单分配方案中每个非匹配模型的非匹配拟合优度，并根据每个订单分配方案中每个非匹配模型的非匹配拟合优度得到每个订单分配方案的非匹配基限值；
基限值单元根据非匹配系数、匹配系数、每个订单分配方案的非匹配基限值和每个订单分配方案的匹配基限值得到每个订单分配方案的的综合基限值；
方案优化单元将所有订单分配方案的综合基限值进行比较，选取综合基限值最大的订单分配方案作为目标订单分配方案，并将其发送到订单管理终端。
2.根据权利要求1所述的方法，其特征在于，订单分配服务器的初始化单元从数据库获取生产订单数据和生产厂商数据，并分别对生产订单数据和生产厂商数据进行初始化以得到生产订单信息和生产厂商信息；
订单划分单元根据每个生产订单的生产订单信息获取每个生产订单的订单优先级和订单先行系数，并根据每个生产订单的订单优先级和订单先行系数对所有生产订单进行订单划分和订单排序以得到第一订单集合、第二订单集合和第三订单集合；
订单分配单元分别根据每个生产订单的生产订单信息和每个生产厂商的生产厂商信息依次将第一订单集合、第二订单集合和第三订单集合中的生产订单进行订单分配以得到若干个订单分配方案。
3.根据权利要求2所述的方法，其特征在于，订单分配服务器的订单划分单元根据订单优先级和订单先行系数对生产订单进行订单划分和订单排序得到第一订单集合、第二订单集合和第三订单集合包括：
订单划分单元根据每个生产订单的生产订单信息获取每个生订单的订单优先级和订单先行系数；
订单划分单元获取订单优先级为高级的所有生产订单，并根据生产订单的订单先行系数，将所有订单优先级为高级的生产订单按照其订单先行系数进行排序以得到第一订单集合；
订单划分单元获取订单优先级为中级的所有生产订单，并根据生产订单的订单先行系数，将所有订单优先级为中级的生产订单按照其订单先行系数进行排序以得到第二订单集合；
订单划分单元获取订单优先级为低级的所有生产订单，并根据生产订单的订单先行系数，将所有订单优先级为低级的生产订单按照其订单先行系数进行排序以得到第三订单集合。
4.根据权利要求3所述的方法，其特征在于，订单分配服务器的订单分配单元分别根据生产订单信息和生产厂商信息进行订单分配以得到若干个订单分配方案包括：
订单分配单元分别将所有生产厂商的厂商状态标注为空闲，根据从左到右的遍历顺序遍历第一订单集合中的所有生产订单，将正在遍历的生产订单作为目标生产订单，并获取目标生产订单的产品订单量和产品类型；从所有生产厂商中获取厂商状态为空闲的生产厂商作为候选生产厂商，并将厂商类型与产品类型相同且生产厂商的产品生产量大于或等于目标生产订单的产品订单量的生产厂商作为目标生产订单的目标生产厂商，并将目标生产厂商的厂商状态标注为忙碌；
在第一订单集合中的所有生产订单分配完后，根据从左到右的遍历顺序遍历第二订单集合中的所有生产订单，将正在遍历的生产订单作为目标生产订单，并获取目标生产订单的产品订单量和产品类型；从所有生产厂商中获取厂商状态为空闲的生产厂商作为候选生产厂商，并将厂商类型与产品类型相同且生产厂商的产品生产量大于或等于目标生产订单的产品订单量的生产厂商作为目标生产订单的目标生产厂商，并将目标生产厂商的厂商状态标注为忙碌；
在第二订单集合中的所有生产订单分配完后，根据从左到右的遍历顺序遍历第三订单集合中的所有生产订单，将正在遍历的生产订单作为目标生产订单，并获取目标生产订单的产品订单量和产品类型；从所有生产厂商中获取厂商状态为空闲的生产厂商作为候选生产厂商，并将厂商类型与产品类型相同且生产厂商的产品生产量大于或等于目标生产订单的产品订单量的生产厂商作为目标生产订单的目标生产厂商，并将目标生产厂商的厂商状态标注为忙碌。
5.根据权利要求4所述的方法，其特征在于，非匹配基限值的计算公式为：
Figure FDA0002846661440000031
其中，R2为非匹配基限值，
Figure FDA0002846661440000032
为第i个非匹配模型的非匹配拟合优度，Q为置信度阈值，m为非匹配模型的数量，Sj为第j个非匹配模型的置信度，i为非匹配拟合优度的索引，j为置信度的索引。
6.根据权利要求5所述的方法，其特征在于，所述第一匹配模型用于度量订单分配方案满足第一匹配订单分配规则的程度，第一匹配订单分配规则为在订单周期内生产厂商的产品生产量大于生产订单的产品订单量；所述第二匹配模型用于度量订单分配方案满足第二匹配订单分配规则的程度，第二匹配订单分配规则为厂商类型与生产订单的产品类型相同。
7.根据权利要求6所述的方法，其特征在于，所述非匹配模型用于度量订单分配方案满足非匹配订单分配规则的程度。
8.根据权利要求7所述的方法，其特征在于，综合基限值的计算公式为：
R＝αR1+βR2
其中，R为综合基限值，R1为匹配基限值，α为匹配系数，R2为非匹配基限值，β为非匹配系数，α+β＝1。
9.根据权利要求8所述的方法，其特征在于，所述综合基限值用于度量订单分配方案满足匹配订单分配规则和非匹配订单分配规则的程度；所述匹配基限值表示订单分配方案满足匹配订单分配规则的程度；所述非匹配基限值表示订单分配方案满足非匹配订单分配规则的程度。
CN202011512012.4A 2020-12-18 2020-12-18 基于大数据的c2m电商订单分配方法 Withdrawn CN112598463A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011512012.4A CN112598463A (zh) 2020-12-18 2020-12-18 基于大数据的c2m电商订单分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011512012.4A CN112598463A (zh) 2020-12-18 2020-12-18 基于大数据的c2m电商订单分配方法

Publications (1)

Publication Number Publication Date
CN112598463A true CN112598463A (zh) 2021-04-02

Family

ID=75199642

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011512012.4A Withdrawn CN112598463A (zh) 2020-12-18 2020-12-18 基于大数据的c2m电商订单分配方法

Country Status (1)

Country Link
CN (1) CN112598463A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113642970A (zh) * 2021-10-13 2021-11-12 深圳市信润富联数字科技有限公司 设备备件共享方法、装置、设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113642970A (zh) * 2021-10-13 2021-11-12 深圳市信润富联数字科技有限公司 设备备件共享方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN107515938B (zh) 一种云制造环境下的供需智能匹配方法
Salehi et al. A novel method to extend SAW for decision-making problems with interval data
US8768866B2 (en) Computer-implemented systems and methods for forecasting and estimation using grid regression
CN107886241B (zh) 资源分析方法、装置、介质和电子设备
US11657356B2 (en) System and method for automatic parameter tuning of campaign planning with hierarchical linear programming objectives
CN113095893A (zh) 确定物品销量的方法和装置
CN112598463A (zh) 基于大数据的c2m电商订单分配方法
CN114723535A (zh) 一种基于供应链与知识图谱的物品推荐方法、设备及介质
CN111161023A (zh) 订单报价方法、系统、终端及计算机可读存储介质
CN113220815A (zh) 区域信息处理方法及装置
CN107016583A (zh) 数据处理方法及装置
CN110020918B (zh) 一种推荐信息生成方法和系统
CN115879826B (zh) 一种基于大数据的精细化工工艺质检方法、系统及介质
CN110941771A (zh) 一种电商平台中的商品并行动态推送方法
CN115689454A (zh) 确定服务站点的方法、装置、电子设备及存储介质
CN112598349A (zh) 一种电子商务订单分配系统
CN116188050A (zh) 基于数据分析的外卖平台信息处理系统
CN116029794A (zh) 商品价格确定方法、装置、电子设备及存储介质
CN114493132A (zh) 资源分配方法、装置和电子设备
Roszkowska Application the TOPSIS methods for ordering offers in buyer-seller transaction
CN112132514A (zh) 一种物资采购的评估方法
CN110533485A (zh) 一种对象选取的方法、装置、存储介质及电子设备
CN114900556B (zh) 多云异构环境下基于服务偏好学习的云互联方法及系统
CN109543880A (zh) 基于前景理论的电子商务发展水平优化方法和装置
CN114037366A (zh) 物品补货方法、装置、计算机设备及存储介质

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210402