CN112598487A - 一种基于人工智能的企业信息化管理方法及系统 - Google Patents
一种基于人工智能的企业信息化管理方法及系统 Download PDFInfo
- Publication number
- CN112598487A CN112598487A CN202110190797.6A CN202110190797A CN112598487A CN 112598487 A CN112598487 A CN 112598487A CN 202110190797 A CN202110190797 A CN 202110190797A CN 112598487 A CN112598487 A CN 112598487A
- Authority
- CN
- China
- Prior art keywords
- information
- obtaining
- order
- customized
- label
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 101
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 73
- 238000003062 neural network model Methods 0.000 claims abstract description 38
- 239000000463 material Substances 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000004519 manufacturing process Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims description 44
- 238000012549 training Methods 0.000 claims description 27
- 238000007477 logistic regression Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000009958 sewing 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
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000009956 embroidering Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000003860 storage 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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]
- G06Q30/0621—Item configuration or customization
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于人工智能的企业信息化管理方法及系统,所述方法包括:将第一实时订单信息进行拆分,获得第一定制材料信息和第一定制参数信息;根据所述第一定制材料信息,向库存管理系统发送第一库存调用指令;根据所述第一定制参数信息,获得第一制衣工艺的第一需求特征信息;对所述第一设计师进行标签分析,建立第一技术特征标签;将所述第一需求特征信息和所述第一技术特征标签输入神经网络模型中,获得第一重合度;根据所述第一重合度,获得第一推荐技术人员;根据所述第一推荐技术人进度信息获得第一定制追踪信息,以实现所述第一实时订单的信息化追踪管理。现有技术中存在定制企业的信息化管理不够智能的技术问题。
Description
技术领域
本发明涉及企业管理相关领域,尤其涉及一种基于人工智能的企业信息化管理方法及系统。
背景技术
随着互联网和信息技术的日益成熟,企业作为我国经济发展的中坚力量,其信息化进程直接影响自身管理水平的提高、企业信息化管理主要是将企业的业务过程数字化,以使企业能适应市场经济竞争环境求得最大的经济效益,目前,企业信息化成为企业经济现代化的主要标志,并且加快企业信息化的建设,对于企业的生存和发展具有深远的影响和巨大的推动作用。
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:
现有技术中存在定制企业的信息化管理不够智能的技术问题。
发明内容
本申请实施例通过提供一种基于人工智能的企业信息化管理方法及系统,解决了现有技术中存在定制企业的信息化管理不够智能的技术问题,达到了提高定制企业的信息化管理水平,进而为定制客户提供更好的服务水平的技术效果。
鉴于上述问题,提出了本申请实施例提供一种基于人工智能的企业信息化管理方法及系统。
第一方面,本申请实施例提供了一种基于人工智能的企业信息化管理方法,其中,所述方法应用于定制企业的订单管理系统,所述系统与库存管理系统和设备管理系统连接,所述方法包括:根据订单接收模块,获得第一服装定制企业的第一实时订单信息;将所述第一实时订单信息进行拆分,获得第一定制材料信息和第一定制参数信息;根据所述第一定制材料信息,向所述库存管理系统发送第一库存调用指令;根据所述第一定制参数信息,获得第一制衣工艺的第一需求特征信息;获得所述第一服装定制企业的第一设计师信息;对所述第一设计师进行标签分析,建立第一技术特征标签;将所述第一需求特征信息和所述第一技术特征标签输入神经网络模型中,其中,所述神经网络模型通过多组训练数据训练获得,所述多组训练数据中的每组数据均包括:所述第一需求特征信息、所述第一技术特征标签和标识第一结果的标识信息;获得所述神经网络模型的第一输出信息,其中,所述第一输出信息包括第一结果信息,所述第一结果为第一重合度;根据所述第一重合度,获得第一推荐技术人员;根据所述第一推荐技术人进度信息获得第一定制追踪信息,以实现所述第一实时订单的信息化追踪管理。
另一方面,本申请还提供了一种基于人工智能的企业信息化管理系统,所述系统包括:第一获得单元,所述第一获得单元用于根据订单接收模块,获得第一服装定制企业的第一实时订单信息;第二获得单元,所述第二获得单元用于将所述第一实时订单信息进行拆分,获得第一定制材料信息和第一定制参数信息;第一发送单元,所述第一发送单元用于根据所述第一定制材料信息,向所述库存管理系统发送第一库存调用指令;第三获得单元,所述第三获得单元用于根据所述第一定制参数信息,获得第一制衣工艺的第一需求特征信息;第四获得单元,所述第四获得单元用于获得所述第一服装定制企业的第一设计师信息;第一建立单元,所述第一建立单元用于对所述第一设计师进行标签分析,建立第一技术特征标签;第一输入单元,所述第一输入单元用于将所述第一需求特征信息和所述第一技术特征标签输入神经网络模型中,其中,所述神经网络模型通过多组训练数据训练获得,所述多组训练数据中的每组数据均包括:所述第一需求特征信息、所述第一技术特征标签和标识第一结果的标识信息;第五获得单元,所述第五获得单元用于获得所述神经网络模型的第一输出信息,其中,所述第一输出信息包括第一结果信息,所述第一结果为第一重合度;第六获得单元,所述第六获得单元用于根据所述第一重合度,获得第一推荐技术人员;第一追踪单元,所述第一追踪单元用于根据所述第一推荐技术人进度信息获得第一定制追踪信息,以实现所述第一实时订单的信息化追踪管理。
第三方面,本发明提供了一种基于人工智能的企业信息化管理系统,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第一方面所述方法的步骤。
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:
由于采用了通过获得第一服装定制企业的第一实时订单信息,并对所述第一实时订单进行拆分,从中获得第一定制材料信息和第一定制参数信息,将所述第一定制材料信息从库存中调用,并针对所述第一定制参数获得制衣工艺的需求技术,从而对企业中技术人员的技术特征进行标签划分,再将所述第一需求特征信息和所述第一技术特征标签输入神经网络模型中,根据获得的特征重合度获得第一推荐技术人员的方式,实现所述第一实时订单的信息化追踪管理,从而达到了提高定制企业的信息化管理水平,进而为定制客户提供更好的服务水平的技术效果。
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人工智能的企业信息化管理方法的流程示意图;
图2为本申请实施例一种基于人工智能的企业信息化管理系统的结构示意图;
图3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,第一发送单元13,第三获得单元14,第四获得单元15,第一建立单元16,第一输入单元17,第五获得单元18,第六获得单元19,第一追踪单元20,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人工智能的企业信息化管理方法及系统,解决了现有技术中存在定制企业的信息化管理不够智能的技术问题,达到了提高定制企业的信息化管理水平,进而为定制客户提供更好的服务水平的技术效果。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
随着互联网和信息技术的日益成熟,企业作为我国经济发展的中坚力量,其信息化进程直接影响自身管理水平的提高、企业信息化管理主要是将企业的业务过程数字化,以使企业能适应市场经济竞争环境求得最大的经济效益,目前,企业信息化成为企业经济现代化的主要标志,并且加快企业信息化的建设,对于企业的生存和发展具有深远的影响和巨大的推动作用。但现有技术中存在定制企业的信息化管理不够智能的技术问题。
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人工智能的企业信息化管理方法,其中,所述方法应用于定制企业的订单管理系统,所述系统与库存管理系统和设备管理系统连接,所述方法包括:根据订单接收模块,获得第一服装定制企业的第一实时订单信息;将所述第一实时订单信息进行拆分,获得第一定制材料信息和第一定制参数信息;根据所述第一定制材料信息,向所述库存管理系统发送第一库存调用指令;根据所述第一定制参数信息,获得第一制衣工艺的第一需求特征信息;获得所述第一服装定制企业的第一设计师信息;对所述第一设计师进行标签分析,建立第一技术特征标签;将所述第一需求特征信息和所述第一技术特征标签输入神经网络模型中,其中,所述神经网络模型通过多组训练数据训练获得,所述多组训练数据中的每组数据均包括:所述第一需求特征信息、所述第一技术特征标签和标识第一结果的标识信息;获得所述神经网络模型的第一输出信息,其中,所述第一输出信息包括第一结果信息,所述第一结果为第一重合度;根据所述第一重合度,获得第一推荐技术人员;根据所述第一推荐技术人进度信息获得第一定制追踪信息,以实现所述第一实时订单的信息化追踪管理。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种基于人工智能的企业信息化管理方法,其中,所述方法应用于定制企业的订单管理系统,所述系统与库存管理系统和设备管理系统连接,所述方法包括:
步骤S100:根据订单接收模块,获得第一服装定制企业的第一实时订单信息;
步骤S200:将所述第一实时订单信息进行拆分,获得第一定制材料信息和第一定制参数信息;
具体而言,所述订单接收模块为所述第一服装定制企业的订单信息获取单元,所述第一定制材料信息为定制客户的定制服装所需要的材料,如布料、纽扣、针线、蕾丝等材料;所述第一定制参数为定制客户的定制服装所需要的制衣工艺参数,包括面料刺绣、版型裁剪、镶嵌手工等工艺参数;通过对所述第一实时订单信息进行分析,进而将订单信息进一步分区块划分,从而达到了对订单的数据进行分析,为之后的操作提供参数基础。
步骤S300:根据所述第一定制材料信息,向所述库存管理系统发送第一库存调用指令;
具体而言,所述库存管理系统是所述第一服装定制企业的仓库存储管理系统,向所述库存管理系统发送第一库存调用指令,可以进一步查询仓库存储的材料信息是否能够满足该订单需求,详细而言,在经过所述库存管理系统查询后,若收到调用指令的反馈信息为调用成功或调用失败,若显示调用成功进行下一步操作,若显示调用失败则可以向所述库存管理系统发送第一缺货提醒。通过所述第一调用指令,能够对订单获取的进度进行实时追踪和反馈,实现信息化的管理功能。
步骤S400:根据所述第一定制参数信息,获得第一制衣工艺的第一需求特征信息;
具体而言,所述第一制衣工艺是指定制客户的定制服装所需要进行的生产工艺要求,进而获得其中的第一需求特征信息,其中,所述的一需求特征信息为完成服装定制所涉及到的工艺特征信息,举例而言,制衣工艺存在样衣设计、版型裁剪、辅料缝制等流程,而其中对于设计方面根据定制服装的风格和类型也有不同的界定,从中提取出该需求特征,裁剪工艺上需要柔软度或立体度的特征,或者辅料缝制是手工绣还是机器绣等,对这些特征信息进行的分析从而获得的所述第一需求特征信息。
步骤S500:获得所述第一服装定制企业的第一设计师信息;
步骤S600:对所述第一设计师进行标签分析,建立第一技术特征标签;
具体而言,将所述第一服装定制企业的所有设计师信息进行录入建立技术人员信息库,分析技术人员信息库中的每一个设计师信息,进而再对其中的每个设计师进行标签分析,其中标签分析的过程是通过技术特征、身份职位、以及专业偏向等来进行标签划分的,从而为每一个设计师建立对应的技术特征标签,通过标签分析的过程,使得所述第一服装定制企业中所有人才能力信息进行存储并划分标签,使得人才资源能够高效的利用,从而提高完成的质量标准,达到了人才信息化管理,提高定制产品质量的技术效果。
步骤S700:将所述第一需求特征信息和所述第一技术特征标签输入神经网络模型中,其中,所述神经网络模型通过多组训练数据训练获得,所述多组训练数据中的每组数据均包括:所述第一需求特征信息、所述第一技术特征标签和标识第一结果的标识信息;
步骤S800:获得所述神经网络模型的第一输出信息,其中,所述第一输出信息包括第一结果信息,所述第一结果为第一重合度;
具体而言,所述神经网络模型是以神经元的数学模型为基础来描述的,将所述第一需求特征信息和所述第一技术特征标签输入神经网络模型中,通过大量训练数据的训练获得神经网络模型,进而输出特征的第一重合度。进一步而言,人工神经网络是在现代神经科学的基础上提出和发展起来的,旨在反映人脑结构及功能的一种抽象数学模型,且神经网络是一种运算模型,由大量的节点(或称神经元)之间相互连接构成。每个节点代表一种特定的输出函数称为激励函数,每两个节点之间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆,网络的输出则依照网络的连接方式,是对一种逻辑策略的表达,形成了神经网络模型的标准,能够输出准确、有效的信息。
更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述第一需求特征信息、所述第一技术特征标签和标识第一结果的标识信息,所述神经网络模型不断进行自我修正和调整,直至获得的输出结果与标识特征重合度的标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习。当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而获得更加准确的输出信息,从而准确对特征进行分析,输出准确的重合度信息,达到了提高定制企业的信息化管理水平,实现数据的智能化计算的技术效果。
步骤S900:根据所述第一重合度,获得第一推荐技术人员;
步骤S1000:根据所述第一推荐技术人进度信息获得第一定制追踪信息,以实现所述第一实时订单的信息化追踪管理。
具体而言,所述第一重合度标识定制客户需求特征与设计人员的技术特征之间的重合程度,再根据所述第一重合度,获得第一推荐技术人员,其中,所述第一推荐技术人员为对定制完成度高的技术人员,再通过所述第一推荐技术人员的进度信息,对第一订单的完后度进行追踪过程,使得所述第一实时订单的信息能够实现信息化追踪管理,及时掌握订单的进度,提高客户的满意度,从而达到了提高定制企业的信息化管理水平,为定制客户提供更好的服务水平的技术效果。
进一步而言,本申请实施例还包括:
步骤S1110:根据所述第一服装定制企业的历史订单数据信息,获得第一定制客户信息库;
步骤S1120:获得第一实时订单信息中的第一订单客户信息;
步骤S1130:判断所述第一定制客户信息库中是否存在所述第一订单客户信息;
步骤S1140:若所述第一定制客户信息库中不存在所述第一订单客户信息,获得第一采集指令;
步骤S1150:根据所述第一采集指令,采集所述第一订单客户的第一量体数据。
具体而言,通过对所述历史订单数据信息进行分析,从而提取历史客户的信息,将这些信息存储到定制客户信息库中。所述第一量体数据为定制服装时定制客户的身体各项数据,包括肩宽、腰围、臀围、臂长,腿长等信息。通过获得所述实时订单中的客户信息之后,判断定制客户信息库中是否存在实时订单的客户信息,如果存在该客户信息,可以通过历史数据检索本订单客户的量体数据进行下一步操作,如果不存在表示该客户为新增客户,从而根据所述第一采集指令进行量体再存储该量体数据。达到了检索历史客户信息从而管理量体数据的技术效果。
进一步而言,所述根据所述第一采集指令,采集所述第一订单客户的第一量体数据,本申请实施例步骤S1150还包括:
步骤S1151:将所述第一采集指令发送给量体数据采集模块;
步骤S1152:根据所述量体数据采集模块,向所述第一订单客户发送量体数据采集方式,其中,所述量体数据采集方式包括第一采集方式和第二采集方式,所述第一采集方式为三维模拟数据采集,所述第二采集方式为人工量体采集;
步骤S1153:获得所述量体数据采集模块的第一反馈结果;
步骤S1154:若所述第一订单客户的第一反馈结果为所述第一采集方式,获得所述第一订单客户的第一视频信息,所述第一视频信息为所述第一订单客户的多角度视频;
步骤S1155:对所述第一视频信息进行模拟数据采集,获得第一模拟量体数据;
步骤S1156:若所述第一订单客户的第一反馈结果为所述第二采集方式,向所述第一订单客户发送第一量体时间预约表。
具体而言,所述量体采集模块为对定制客户进行身体数据信息进行采集的模块,其中通过向所述第一用户发送量体数据采集的方式,经定制客户选择后获得对应反馈结果,若所述第一订单客户选择远程采集量体数据,那么就通过对视频信息进行各身体数据分析,从而建立3D模拟人像,再获得模拟量体数据,本方法的实现是基于人工智能测量的身体数据信息,其准确度达到95%以上。若所述第一订单客户选择人工量体采集方式,进而为所述第一订单客户发送量体师上门测量的预约表或直接跳转到该网页实现预约的过程。其中,通过客户对量体数据的多方式采集,达到了提高量体数据采集的服务效率,增加用户满意度的技术效果。
进一步而言,所述根据所述第一定制参数信息,获得第一制衣工艺的第一需求特征信息之后,本申请实施例步骤S400还包括:
步骤S410:判断所述第一需求信息是否包含第一复杂工艺,其中,所述第一复杂工艺为复杂度较高的技术;
步骤S420:若所述第一需求信息包含所述第一复杂工艺,对所述第一实时订单信息进行标识,获得第一标识订单;
步骤S430:获得第一标识订单的第一需求工艺设备信息;
步骤S440:根据所述设备管理系统,获得所述第一需求工艺设备的第一使用信息;
步骤S450:根据所述第一使用信息,对所述第一标识订单进行设备追踪管理。
具体而言,所述第一复杂工艺为复杂度较高的技术,其中,复杂度较高的技术为手工镶嵌辅料或手工刺绣耗费人力,或者需要采用高精度的工艺设备才能完成的工艺要求,若出现所述第一复杂工艺进而对该订单进行标识,进而通过所述设备管理系统查看设备使用信息,为所述第一标识订单不影响其他订单完成的情况下合理安排所述第一标识订单的时间分配情况,从而对所述第一标识订单进行追踪,实现了设备的整体信息化管理,灵活分配时间从而达到了提高效率的技术效果。
进一步而言,所述对所述第一设计师进行标签分析,建立第一技术特征标签,本申请实施例步骤S600还包括:
步骤S610:获得所述第一设计师的第一专业方向信息和第一学习课程信息;
步骤S620:对所述第一专业方向信息和所述第一学习课程信息进行语言处理,获得第一关键字信息;
步骤S630:根据所述第一关键字信息,建立第一标签;
步骤S640:根据所述第一设计师在所述第一服装定制企业的第一职位属性信息,建立第二标签;
步骤S650:根据所述第一设计师的第一进修网课信息,建立第三标签;
步骤S660:根据所述第一标签、第二标签和第三标签对所述第一设计师进行分析。
具体而言,对所述第一设计师进行标签分析的过程是通过对多方面的标签才实现的。具体而言,所述第一专业方向为所述第一技术人员的专业偏向,如在样衣设计中,对于擅长的设计风格或类型做具有偏向,所述第一学习课程为在该专业方向学习的课程信息,进而根据专业偏向的关键词建立第一标签的划分参照。所述第一职位属性信息为所述第一设计师的所述部门以及从事时间等,进而建立所述第二标签信息,所述第一进修网课信息为所述第一设计师在课外申报的网课信息,进而建立第三标签信息,最后根据这些标签信息对公司的技术人员进行标签划分。达到了对于企业人才信息化管理,提升人才使用率的技术效果。
进一步而言,所述根据所述第一设计师的第一进修网课信息,建立第三标签,本申请实施例S660还包括:
步骤S661:获得所述第一设计师的第一进修网课的第一学习周期;
步骤S661:获得所述第一进修网课的第一专业水平信息;
步骤S662:将所述第一学习周期作为横坐标,第一专业水平信息作为纵坐标,构建坐标系;
步骤S663:通过逻辑回归模型,基于所述坐标系构建逻辑回归线,通过所述逻辑回归线获得第一有效结果,其中,所述第一有效结果为所述第一进修网课是否有效的结果;
步骤S664:根据所述第一有效结果,建立所述第三标签。
具体而言,所述第一学习周期为课外申报的网课学习时间长度,所述第一进修网课可以为自主寻找的网课信息,也可以是公司内部的网课信息,所述第一专业水平信息是通过分析所述第一进行网课的专业强度等级和难度等级以及和本专业的关联度信息获得的。进而通过建立逻辑回归模型,并且按照逻辑回归线进行分析,获得所述第一有效结果,从而建立所述第三标签,进而完成对所述第一设计师的标签分析,通过细化网课学习的程度判断是否能够成为第三标签,其中,逻辑回归模型的分析,使得最终获得的结果更加准确,进而达到了准确分析数据信息的技术效果。
进一步而言,本申请实施例还包括:
步骤S1111:对所述历史订单数据信息进行数据分析,建立第一客户画像;
步骤S1112:对所述第一客户画像进行分析,确定所述第一服装定制企业的第一目标人群;
步骤S1113:获得所述第一服装定制企业的第一定位人群;
步骤S1114:判断所述第一目标人群与所述第一定位人群的第一匹配度是否处于预设匹配阈值;
步骤S1115:若所述第一目标人群与所述第一定位人群的第一匹配度不处于预设匹配阈值,获得第一提醒信息。
具体而言,所述第一客户画像为通过对历史订单数据信息进行分析,从而根据客户的习惯要求、喜好、风格等建立用户画像信息,通过用户画像信息能够准确对历史客户做出定位,进而获得所述第一定位人群,进而判断企业定位的人群是否符合客户定位,若不符合调整公司的运营策略,有针对性扩大消费人群,通过建立用户画像信息对企业客户进行的分析,从而为信息化管理增加逻辑分析性。
进一步而言,所述判断所述第一定制客户信息库中是否存在所述第一订单客户信息之后,本申请实施例步骤1130还包括:
步骤S1131:若所述第一定制客户信息库中存在所述第一订单客户信息,获得第一历史下单日期,其中,所述第一历史下单日期为距离最近的日期;
步骤S1132:获得第一实时订单的第一实时下单日期;
步骤S1133:获得所述第一实时下单日期与所述第一历史下单日期的第一时间段差值;
步骤S1134:判断所述第一时间段差值是否处于预设时间段差值之间;
步骤S1135:若所述第一时间段差值不处于预设时间段差值之间,获得第二采集指令。
具体而言,所述第一历史下单日期为在所述第一定制客户信息库中查询到的第一订单客户的下单信息,所述第一实时下单日期为目前的下单日期,通过判断所述第一订单客户与上一次下单的时间差值是否处于预设差值之间,其中,所述预设差值为设定的保持身材短时间变化不大的时间段,若超过预设时间段差值,通过所述第二采集指令,重新对所述第一订单客户的量体数据进行采集,防止身材数据的更新变化,进而达到了提高定制企业的信息化管理水平,为定制客户提供更好的服务水平的技术效果。
综上所述,本申请实施例所提供的一种基于人工智能的企业信息化管理方法及系统具有如下技术效果:
1、由于采用了通过获得第一服装定制企业的第一实时订单信息,并对所述第一实时订单进行拆分,从中获得第一定制材料信息和第一定制参数信息,将所述第一定制材料信息从库存中调用,并针对所述第一定制参数获得制衣工艺的需求技术,从而对企业中技术人员的技术特征进行标签划分,再将所述第一需求特征信息和所述第一技术特征标签输入神经网络模型中,根据获得的特征重合度获得第一推荐技术人员的方式,实现所述第一实时订单的信息化追踪管理,从而达到了提高定制企业的智能管理水平,进而为定制客户提供更好的服务水平的技术效果。
2、由于采用了将所述第一需求特征信息和所述第一技术特征标签输入神经网络模型中,获得特征的所述第一重合度,再基于神经网络模型的监督学习的方式,进而使得所述神经网络模型处理所述输入信息更加准确,进而获得更加准确的输出信息,使得所述第一需求特征信息和所述第一技术特征标签之间的重合度更高,从而提高信息分析的准确性的技术效果。
3、由于采用了通过所述逻辑回归模型对所述第一进修网课的有效性进行进一步的判断的方式,达到获得更加准确的判断所述第一进修网课是否具有有效性,进而为后续对所述第一设计师进行标签分析提供了准确、智能的分析基础。
实施例二
基于与前述实施例中一种基于人工智能的企业信息化管理方法同样发明构思,本发明还提供了一种基于人工智能的企业信息化管理系统,如图2所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于根据订单接收模块,获得第一服装定制企业的第一实时订单信息;
第二获得单元12,所述第二获得单元12用于将所述第一实时订单信息进行拆分,获得第一定制材料信息和第一定制参数信息;
第一发送单元13,所述第一发送单元13用于根据所述第一定制材料信息,向所述库存管理系统发送第一库存调用指令;
第三获得单元14,所述第三获得单元14用于根据所述第一定制参数信息,获得第一制衣工艺的第一需求特征信息;
第四获得单元15,所述第四获得单元15用于获得所述第一服装定制企业的第一设计师信息;
第一建立单元16,所述第一建立单元16用于对所述第一设计师进行标签分析,建立第一技术特征标签;
第一输入单元17,所述第一输入单元17用于将所述第一需求特征信息和所述第一技术特征标签输入神经网络模型中,其中,所述神经网络模型通过多组训练数据训练获得,所述多组训练数据中的每组数据均包括:所述第一需求特征信息、所述第一技术特征标签和标识第一结果的标识信息;
第五获得单元18,所述第五获得单元18用于获得所述神经网络模型的第一输出信息,其中,所述第一输出信息包括第一结果信息,所述第一结果为第一重合度;
第六获得单元19,所述第六获得单元19用于根据所述第一重合度,获得第一推荐技术人员;
第一追踪单元20,所述第一追踪单元20用于根据所述第一推荐技术人进度信息获得第一定制追踪信息,以实现所述第一实时订单的信息化追踪管理。
进一步的,所述系统还包括:
第七获得单元,所述第七获得单元用于根据所述第一服装定制企业的历史订单数据信息,获得第一定制客户信息库;
第八获得单元,所述第八获得单元用于获得第一实时订单信息中的第一订单客户信息;
第一判断单元,所述第一判断单元用于判断所述第一定制客户信息库中是否存在所述第一订单客户信息;
第九获得单元,所述第九获得单元用于若所述第一定制客户信息库中不存在所述第一订单客户信息,获得第一采集指令;
第一采集单元,所述第一采集单元用于根据所述第一采集指令,采集所述第一订单客户的第一量体数据。
进一步的,所述系统还包括:
第二发送单元,所述第二发送单元用于将所述第一采集指令发送给量体数据采集模块;
第三发送单元,所述第三发送单元用于根据所述量体数据采集模块,向所述第一订单客户发送量体数据采集方式,其中,所述量体数据采集方式包括第一采集方式和第二采集方式,所述第一采集方式为三维模拟数据采集,所述第二采集方式为人工量体采集;
第十获得单元,所述第十获得单元用于获得所述量体数据采集模块的第一反馈结果;
第十一获得单元,所述第十一获得单元用于若所述第一订单客户的第一反馈结果为所述第一采集方式,获得所述第一订单客户的第一视频信息,所述第一视频信息为所述第一订单客户的多角度视频;
第十二获得单元,所述第十二获得单元用于对所述第一视频信息进行模拟数据采集,获得第一模拟量体数据;
第四发送单元,所述第四发送单元用于若所述第一订单客户的第一反馈结果为所述第二采集方式,向所述第一订单客户发送第一量体时间预约表。
进一步的,所述系统还包括:
第二判断单元,所述第二判断单元用于判断所述第一需求信息是否包含第一复杂工艺,其中,所述第一复杂工艺为复杂度较高的技术;
第十三获得单元,所述第十三获得单元用于若所述第一需求信息包含所述第一复杂工艺,对所述第一实时订单信息进行标识,获得第一标识订单;
第十四获得单元,所述第十四获得单元用于获得第一标识订单的第一需求工艺设备信息;
第十五获得单元,所述第十五获得单元用于根据所述设备管理系统,获得所述第一需求工艺设备的第一使用信息;
第二追踪单元,所述第二追踪单元用于根据所述第一使用信息,对所述第一标识订单进行设备追踪管理。
进一步的,所述系统还包括:
第十六获得单元,所述第十六获得单元用于获得所述第一设计师的第一专业方向信息和第一学习课程信息;
第十七获得单元,所述第十七获得单元用于对所述第一专业方向信息和所述第一学习课程信息进行语言处理,获得第一关键字信息;
第二建立单元,所述第二建立单元用于根据所述第一关键字信息,建立第一标签;
第三建立单元,所述第三建立单元用于根据所述第一设计师在所述第一服装定制企业的第一职位属性信息,建立第二标签;
第四建立单元,所述第四建立单元用于根据所述第一设计师的第一进修网课信息,建立第三标签;
第一分析单元,所述第一分析单元用于根据所述第一标签、第二标签和第三标签对所述第一设计师进行分析。
进一步的,所述系统还包括:
第十八获得单元,所述第十八获得单元用于获得所述第一设计师的第一进修网课的第一学习周期;
第十九获得单元,所述第十九获得单元用于获得所述第一进修网课的第一专业水平信息;
第五建立单元,所述第五建立单元用于将所述第一学习周期作为横坐标,第一专业水平信息作为纵坐标,构建坐标系;
第二十获得单元,所述第二十获得单元用于通过逻辑回归模型,基于所述坐标系构建逻辑回归线,通过所述逻辑回归线获得第一有效结果,其中,所述第一有效结果为所述第一进修网课是否有效的结果;
第六建立单元,所述第六建立单元用于根据所述第一有效结果,建立所述第三标签。
进一步的,所述系统还包括:
第六建立单元,所述第六建立单元用于对所述历史订单数据信息进行数据分析,建立第一客户画像;
第一确定单元,所述第一确定单元用于对所述第一客户画像进行分析,确定所述第一服装定制企业的第一目标人群;
第二十一获得单元,所述第二十一获得单元用于获得所述第一服装定制企业的第一定位人群;
第三判断单元,所述第三判断单元用于判断所述第一目标人群与所述第一定位人群的第一匹配度是否处于预设匹配阈值;
若所述第一目标人群与所述第一定位人群的第一匹配度不处于预设匹配阈值,获得第一提醒信息。
前述图1实施例一中的一种基于人工智能的企业信息化管理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人工智能的企业信息化管理系统,通过前述对一种基于人工智能的企业信息化管理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于人工智能的企业信息化管理系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3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一种基于人工智能的企业信息化管理方法的发明构思,本发明还提供一种基于人工智能的企业信息化管理系统,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一种基于人工智能的企业信息化管理方法的任一方法的步骤。
其中,在图3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系统通信的单元。
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。
本发明实施例提供的一种基于人工智能的企业信息化管理方法,其中,所述方法应用于定制企业的订单管理系统,所述系统与库存管理系统和设备管理系统连接,所述方法包括:根据订单接收模块,获得第一服装定制企业的第一实时订单信息;将所述第一实时订单信息进行拆分,获得第一定制材料信息和第一定制参数信息;根据所述第一定制材料信息,向所述库存管理系统发送第一库存调用指令;根据所述第一定制参数信息,获得第一制衣工艺的第一需求特征信息;获得所述第一服装定制企业的第一设计师信息;对所述第一设计师进行标签分析,建立第一技术特征标签;将所述第一需求特征信息和所述第一技术特征标签输入神经网络模型中,其中,所述神经网络模型通过多组训练数据训练获得,所述多组训练数据中的每组数据均包括:所述第一需求特征信息、所述第一技术特征标签和标识第一结果的标识信息;获得所述神经网络模型的第一输出信息,其中,所述第一输出信息包括第一结果信息,所述第一结果为第一重合度;根据所述第一重合度,获得第一推荐技术人员;根据所述第一推荐技术人进度信息获得第一定制追踪信息,以实现所述第一实时订单的信息化追踪管理。解决了现有技术中存在定制企业的信息化管理不够智能的技术问题,达到了提高定制企业的信息化管理水平,进而为定制客户提供更好的服务水平的技术效果。
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系统。
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系统的制造品,该指令系统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,则可对这些实施例做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)
1.一种基于人工智能的企业信息化管理方法,所述方法应用于定制企业的订单管理系统,所述系统与库存管理系统和设备管理系统连接,所述方法包括:
根据订单接收模块,获得第一服装定制企业的第一实时订单信息;
将所述第一实时订单信息进行拆分,获得第一定制材料信息和第一定制参数信息;
根据所述第一定制材料信息,向所述库存管理系统发送第一库存调用指令;
根据所述第一定制参数信息,获得第一制衣工艺的第一需求特征信息;
获得所述第一服装定制企业的第一设计师信息;
对所述第一设计师进行标签分析,建立第一技术特征标签;
将所述第一需求特征信息和所述第一技术特征标签输入神经网络模型中,其中,所述神经网络模型通过多组训练数据训练获得,所述多组训练数据中的每组数据均包括:所述第一需求特征信息、所述第一技术特征标签和标识第一结果的标识信息;
获得所述神经网络模型的第一输出信息,其中,所述第一输出信息包括第一结果信息,所述第一结果为第一重合度;
根据所述第一重合度,获得第一推荐技术人员;
根据所述第一推荐技术人进度信息获得第一定制追踪信息,以实现所述第一实时订单的信息化追踪管理。
2.如权利要求1所述的方法,其中,所述方法还包括:
根据所述第一服装定制企业的历史订单数据信息,获得第一定制客户信息库;
获得第一实时订单信息中的第一订单客户信息;
判断所述第一定制客户信息库中是否存在所述第一订单客户信息;
若所述第一定制客户信息库中不存在所述第一订单客户信息,获得第一采集指令;
根据所述第一采集指令,采集所述第一订单客户的第一量体数据。
3.如权利要求2所述的方法,其中,所述根据所述第一采集指令,采集所述第一订单客户的第一量体数据,所述方法包括:
将所述第一采集指令发送给量体数据采集模块;
根据所述量体数据采集模块,向所述第一订单客户发送量体数据采集方式,其中,所述量体数据采集方式包括第一采集方式和第二采集方式,所述第一采集方式为三维模拟数据采集,所述第二采集方式为人工量体采集;
获得所述量体数据采集模块的第一反馈结果;
若所述第一订单客户的第一反馈结果为所述第一采集方式,获得所述第一订单客户的第一视频信息,所述第一视频信息为所述第一订单客户的多角度视频;
对所述第一视频信息进行模拟数据采集,获得第一模拟量体数据;
若所述第一订单客户的第一反馈结果为所述第二采集方式,向所述第一订单客户发送第一量体时间预约表。
4.如权利要求1所述的方法,其中,所述根据所述第一定制参数信息,获得第一制衣工艺的第一需求特征信息之后,所述方法还包括:
判断所述第一需求信息是否包含第一复杂工艺,其中,所述第一复杂工艺为复杂度较高的技术;
若所述第一需求信息包含所述第一复杂工艺,对所述第一实时订单信息进行标识,获得第一标识订单;
获得第一标识订单的第一需求工艺设备信息;
根据所述设备管理系统,获得所述第一需求工艺设备的第一使用信息;
根据所述第一使用信息,对所述第一标识订单进行设备追踪管理。
5.如权利要求1所述的方法,其中,所述对所述第一设计师进行标签分析,建立第一技术特征标签,所述方法包括:
获得所述第一设计师的第一专业方向信息和第一学习课程信息;
对所述第一专业方向信息和所述第一学习课程信息进行语言处理,获得第一关键字信息;
根据所述第一关键字信息,建立第一标签;
根据所述第一设计师在所述第一服装定制企业的第一职位属性信息,建立第二标签;
根据所述第一设计师的第一进修网课信息,建立第三标签;
根据所述第一标签、第二标签和第三标签对所述第一设计师进行分析。
6.如权利要求5所述的方法,其中,所述根据所述第一设计师的第一进修网课信息,建立第三标签,所述方法包括:
获得所述第一设计师的第一进修网课的第一学习周期;
获得所述第一进修网课的第一专业水平信息;
将所述第一学习周期作为横坐标,第一专业水平信息作为纵坐标,构建坐标系;
通过逻辑回归模型,基于所述坐标系构建逻辑回归线,通过所述逻辑回归线获得第一有效结果,其中,所述第一有效结果为所述第一进修网课是否有效的结果;
根据所述第一有效结果,建立所述第三标签。
7.如权利要求2所述的方法,其中,所述方法还包括:
对所述历史订单数据信息进行数据分析,建立第一客户画像;
对所述第一客户画像进行分析,确定所述第一服装定制企业的第一目标人群;
获得所述第一服装定制企业的第一定位人群;
判断所述第一目标人群与所述第一定位人群的第一匹配度是否处于预设匹配阈值;
若所述第一目标人群与所述第一定位人群的第一匹配度不处于预设匹配阈值,获得第一提醒信息。
8.一种基于人工智能的企业信息化管理系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于根据订单接收模块,获得第一服装定制企业的第一实时订单信息;
第二获得单元,所述第二获得单元用于将所述第一实时订单信息进行拆分,获得第一定制材料信息和第一定制参数信息;
第一发送单元,所述第一发送单元用于根据所述第一定制材料信息,向所述库存管理系统发送第一库存调用指令;
第三获得单元,所述第三获得单元用于根据所述第一定制参数信息,获得第一制衣工艺的第一需求特征信息;
第四获得单元,所述第四获得单元用于获得所述第一服装定制企业的第一设计师信息;
第一建立单元,所述第一建立单元用于对所述第一设计师进行标签分析,建立第一技术特征标签;
第一输入单元,所述第一输入单元用于将所述第一需求特征信息和所述第一技术特征标签输入神经网络模型中,其中,所述神经网络模型通过多组训练数据训练获得,所述多组训练数据中的每组数据均包括:所述第一需求特征信息、所述第一技术特征标签和标识第一结果的标识信息;
第五获得单元,所述第五获得单元用于获得所述神经网络模型的第一输出信息,其中,所述第一输出信息包括第一结果信息,所述第一结果为第一重合度;
第六获得单元,所述第六获得单元用于根据所述第一重合度,获得第一推荐技术人员;
第一追踪单元,所述第一追踪单元用于根据所述第一推荐技术人进度信息获得第一定制追踪信息,以实现所述第一实时订单的信息化追踪管理。
9.一种基于人工智能的企业信息化管理系统,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 |
---|---|---|---|
CN202110190797.6A CN112598487B (zh) | 2021-02-20 | 2021-02-20 | 一种基于人工智能的企业信息化管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110190797.6A CN112598487B (zh) | 2021-02-20 | 2021-02-20 | 一种基于人工智能的企业信息化管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112598487A true CN112598487A (zh) | 2021-04-02 |
CN112598487B CN112598487B (zh) | 2022-02-22 |
Family
ID=75207717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110190797.6A Expired - Fee Related CN112598487B (zh) | 2021-02-20 | 2021-02-20 | 一种基于人工智能的企业信息化管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112598487B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362108A (zh) * | 2021-06-02 | 2021-09-07 | 北京国联视讯信息技术股份有限公司 | 一种基于人工智能的精准运营方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976414A (zh) * | 2010-10-26 | 2011-02-16 | 复旦大学 | 服装大规模定制供应链网格模型实现系统 |
CN106690617A (zh) * | 2015-11-17 | 2017-05-24 | 北京三件客科技有限公司 | 3d模型量体系统及衬衫个性化定制3d模型量体系统 |
CN107203518A (zh) * | 2016-03-16 | 2017-09-26 | 阿里巴巴集团控股有限公司 | 在线系统个性化推荐的方法、系统以及装置、电子设备 |
CN207367205U (zh) * | 2017-04-27 | 2018-05-15 | 河北佳纳网络科技有限公司 | 智能风格推荐系统 |
CN108052952A (zh) * | 2017-12-19 | 2018-05-18 | 中山大学 | 一种基于特征提取的服装相似度判定方法及其系统 |
CN108428166A (zh) * | 2018-02-13 | 2018-08-21 | 东华大学 | 基于卷积神经网络的体貌特征识别分类的服装推荐系统 |
CN109934619A (zh) * | 2019-02-13 | 2019-06-25 | 北京三快在线科技有限公司 | 用户画像标签建模方法、装置、电子设备及可读存储介质 |
CN110059297A (zh) * | 2019-04-22 | 2019-07-26 | 上海乂学教育科技有限公司 | 适用于自适应学习的知识点学习时长预测方法及其应用 |
US20200065956A1 (en) * | 2016-04-12 | 2020-02-27 | Adobe Inc. | Utilizing deep learning to rate attributes of digital images |
US20200380577A1 (en) * | 2019-05-29 | 2020-12-03 | Capital One Services, Llc | Utilizing machine learning and transaction data to determine an aggregate effect of an activity on a merchant |
US20210012407A1 (en) * | 2019-07-09 | 2021-01-14 | Capital One Services, Llc | Utilizing a machine learning model to determine interests and recommendations for a customer of a merchant |
-
2021
- 2021-02-20 CN CN202110190797.6A patent/CN112598487B/zh not_active Expired - Fee Related
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976414A (zh) * | 2010-10-26 | 2011-02-16 | 复旦大学 | 服装大规模定制供应链网格模型实现系统 |
CN106690617A (zh) * | 2015-11-17 | 2017-05-24 | 北京三件客科技有限公司 | 3d模型量体系统及衬衫个性化定制3d模型量体系统 |
CN107203518A (zh) * | 2016-03-16 | 2017-09-26 | 阿里巴巴集团控股有限公司 | 在线系统个性化推荐的方法、系统以及装置、电子设备 |
US20200065956A1 (en) * | 2016-04-12 | 2020-02-27 | Adobe Inc. | Utilizing deep learning to rate attributes of digital images |
CN207367205U (zh) * | 2017-04-27 | 2018-05-15 | 河北佳纳网络科技有限公司 | 智能风格推荐系统 |
CN108052952A (zh) * | 2017-12-19 | 2018-05-18 | 中山大学 | 一种基于特征提取的服装相似度判定方法及其系统 |
CN108428166A (zh) * | 2018-02-13 | 2018-08-21 | 东华大学 | 基于卷积神经网络的体貌特征识别分类的服装推荐系统 |
CN109934619A (zh) * | 2019-02-13 | 2019-06-25 | 北京三快在线科技有限公司 | 用户画像标签建模方法、装置、电子设备及可读存储介质 |
CN110059297A (zh) * | 2019-04-22 | 2019-07-26 | 上海乂学教育科技有限公司 | 适用于自适应学习的知识点学习时长预测方法及其应用 |
US20200380577A1 (en) * | 2019-05-29 | 2020-12-03 | Capital One Services, Llc | Utilizing machine learning and transaction data to determine an aggregate effect of an activity on a merchant |
US20210012407A1 (en) * | 2019-07-09 | 2021-01-14 | Capital One Services, Llc | Utilizing a machine learning model to determine interests and recommendations for a customer of a merchant |
Non-Patent Citations (3)
Title |
---|
BO DONG,HONGMEI JIA,ZHENG LI,KANGCHENG DONG: "Implementing Mass Customization in Garment Industry", 《SYSTEMS ENGINEERING PROCEDIA》 * |
刘宇飞;孔德婧;屈贤明;: "融入人工智能技术的规模定制生产服务模式发展研究", 《中国工程科学》 * |
张玉斌;刘艳华;胡玉良;张威;: "大规模服装定制与智能生产系统网络集成", 《天津纺织科技》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362108A (zh) * | 2021-06-02 | 2021-09-07 | 北京国联视讯信息技术股份有限公司 | 一种基于人工智能的精准运营方法及系统 |
CN113362108B (zh) * | 2021-06-02 | 2023-12-29 | 北京国联视讯信息技术股份有限公司 | 一种基于人工智能的精准运营方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112598487B (zh) | 2022-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ghattas et al. | Improving business process decision making based on past experience | |
Gökalp et al. | Industry 4.0 revolution in clothing and apparel factories: Apparel 4.0 | |
Lee et al. | A RFID-based resource allocation system for garment manufacturing | |
CN112529113B (zh) | 一种绣花生产控制方法及系统 | |
Abd Jelil | Review of artificial intelligence applications in garment manufacturing | |
CN112598487B (zh) | 一种基于人工智能的企业信息化管理方法及系统 | |
US10108916B2 (en) | Systems and methods for supply chain design and analysis | |
Choi | Information systems for the fashion and apparel industry | |
Hui et al. | Using artificial neural networks to improve decision making in apparel supply chain systems | |
CN114819585A (zh) | 一种纺织业生产订单信息管理方法及系统 | |
CN115906650A (zh) | 一种服装短流水模块化加工工序标准工时预测方法及预测系统 | |
Liu et al. | Predicting detailed body sizes by feature parameters | |
Alsamarah et al. | Reducing waste in garment factories by intelligent planning of optimal cutting orders | |
Philipp et al. | Evaluation of autonomous logistic processes—Analysis of the influence of structural complexity | |
De Silva et al. | Analysis of body-to-pattern relationship using traditional pattern drafting techniques: implications for automated digital prototyping | |
Susanto et al. | Formulating standard product lead time at a textile factory using artificial neural networks | |
CN105058731A (zh) | 用于注射压机成型问题的管理系统 | |
CN113297640A (zh) | 缩率预测、服装订单处理方法、系统、设备及存储介质 | |
Li et al. | Method for evaluation and application of production process chain complexity in sewing workshops considering human factor | |
Le et al. | An evaluation model for task complexity in production lines | |
Ersöz et al. | Fabric and production defect detection in the apparel industry using data mining algorithms | |
Atik et al. | Prediction of cloth waste using machine learning methods in the textile industry | |
Wickramasekara et al. | An improved approach to line balancing for garment manufacturing | |
Kopp et al. | An Approach to Forming Dashboards for Business Process Indicators Analysis using Fuzzy and Semantic Technologies. | |
TW202123033A (zh) | 人工智慧技術估測產品良率的系統與方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220120 Address after: 215000 station 136, Room 501, building 6, No. 115, Weixin Road, Suzhou Industrial Park, Suzhou City, Jiangsu Province Applicant after: Suzhou xiaiou Information Technology Co.,Ltd. Address before: 511400 2111, No.68, hanxingzhi street, Zhongcun street, Panyu District, Guangzhou City, Guangdong Province Applicant before: Hui Zheng (Guangzhou) Enterprise Management Consulting Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220222 |