CN113554335B - 一种基于大数据的生产计划方法 - Google Patents
一种基于大数据的生产计划方法 Download PDFInfo
- Publication number
- CN113554335B CN113554335B CN202110880409.7A CN202110880409A CN113554335B CN 113554335 B CN113554335 B CN 113554335B CN 202110880409 A CN202110880409 A CN 202110880409A CN 113554335 B CN113554335 B CN 113554335B
- Authority
- CN
- China
- Prior art keywords
- data
- product
- sales
- new product
- target
- 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.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 202
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 238000003860 storage Methods 0.000 claims description 44
- 239000013598 vector Substances 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000006837 decompression Effects 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010606 normalization 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- G06Q50/04—Manufacturing
-
- 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)
- Strategic Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供了一种基于大数据的生产计划方法,其方法包括:获取设计的新品的基本信息,并基于大数据查找与所述设计的新品为同一类型的目标产品;基于大数据获取所述目标产品的销售数据,并基于所述销售数据对所述设计的新品进行销量预测分析;基于分析结果确定所述设计的新品的生产计划。通过对同类型产品的销售数据进行分析,从而准确制定新品对应的生产计划,提高了生产计划制定的准确性,也为企业在生产新品时提供了保障。
Description
技术领域
本发明涉及大数据分析技术领域,特别涉及一种基于大数据的生产计划方法。
背景技术
目前,大多数企业在新品上市时,通常会采用问卷调查或举办活动调查客户对新品的喜爱程度,从而大致确定潜在消费者对新品的购买量,但是这种方法存在不确定性,导致统计结果不准确;
因此本发明提供了一种基于大数据的生产计划方法,用以通过对同类型产品的销售数据进行分析,从而准确制定新品对应的生产计划,提高了生产计划制定的准确性,也为企业在生产新品时提供了保障。
发明内容
本发明提供一种基于大数据的生产计划方法,用以通过对同类型产品的销售数据进行分析,从而准确制定新品对应的生产计划,提高了生产计划制定的准确性,也为企业在生产新品时提供了保障。
本发明提供了一种基于大数据的生产计划方法,包括:
步骤1:获取设计的新品的基本信息,并基于大数据查找与所述设计的新品为同一类型的目标产品;
步骤2:基于大数据获取所述目标产品的销售数据,并基于所述销售数据对所述设计的新品进行销量预测分析;
步骤3:基于分析结果确定所述设计的新品的生产计划。
优选的,一种基于大数据的生产计划方法,步骤1中,获取设计的新品的基本信息,包括:
基于大数据向产品制造终端发送信息获取请求,其中,所述信息获取请求包含设计的新品的特征标签;
所述产品制造终端基于预设扫描装置对所述特征标签进行扫描,得到所述特征标签中携带的特征码,其中,所述特征码与产品信息相对应;
基于所述特征码在预设产品信息数据库中查询与所述特征码相对应的设计的新品的基本信息;
其中,所述设计的新品的基本信息包括产品名称、产品规格、产品拟定售价以及产品的制造时间。
优选的,一种基于大数据的生产计划方法,步骤1中,基于大数据查找与所述设计的新品为同一类型的目标产品,包括:
获取设计的新品的基本信息,并基于所述设计的新品的基本信息确定设计的新品所属的目标产品类型;
基于大数据获取当前市场上所述目标产品类型的产品关系图谱,并基于所述产品关系图谱确定所述产品关系图谱中包含的各个产品的产品信息;
基于预设规则,确定所述设计的新品的基本信息中的第一特征向量以及各个产品的产品信息中的第二特征向量;
构建相关度计算模型,并将所述第一特征向量与所述第二特征向量输入所述相关度计算模型进行计算,得到所述设计的新品与产品关系图谱中包含的各个产品之间的相关度;
基于相关度递减的顺序,将产品关系图谱中包含的各个产品进行排序,得到排序结果;
将排序结果中大于预设相关度阈值的产品确定为与所述设计的新品为同一类型的目标产品,其中,所述目标产品至少为一种。
优选的,一种基于大数据的生产计划方法,步骤2中,基于大数据获取所述目标产品的销售数据,并基于所述销售数据对所述设计的新品进行销量预测分析,包括:
基于接收到的外部输入的数据获取请求,通过大数据获取预设数据库中存储的目标产品的销售数据,并基于预设报表模型对所述目标产品的销售数据进行分析,得到所述目标产品的销售数据对应的数据报表,其中,所述目标产品的销售数据是从至少两个电商平台收集的;
将所述数据报表写入预设大数据组件,并基于预设数据处理规则,将所述数据报表中的目标产品的销售数据进行数据标准化处理,得到目标销售数据;
构建销量预测神经网络模型,获取所述目标产品的历史销量数据,并基于预设方法确定所述目标产品的历史销量数据的销量特征参数值以及节假日信息参数值;
将所述销量特征参数值以及节假日信息参数值作为训练样本输入所述销量预测神经网络模型进行训练,得到目标销量预测模型;
将所述目标销售数据输入所述目标销量预测模型进行多次分析,得到所述目标产品的多组销量预测结果;
对所述多组销量预测结果进行算术平均值计算,得到所述目标产品对应的最终销量预测结果;
获取所述目标产品与所述设计的新品销量之间的映射关系,基于所述映射关系得到所述设计的新品的销量预测结果;
获取所述设计的新品的品类属性以及所述设计的新品的销售档位,并根据所述品类属性以及销售档位确定所述设计的新品对应的同类产品的销量均值,并将所述销量均值作为同类产品的销量基准线;
基于销量基准线对所述设计的新品的销量预测结果进行修正,得到所述设计的新品对应的最终销量预测结果。
优选的,一种基于大数据的生产计划方法,步骤3中,基于分析结果确定所述设计的新品的生产计划,包括:
获取对所述设计的新品进行销量预测分析的分析结果,并确定所述设计的新品对应的待计划工序,同时获取所述设计的新品在所述待计划工序中的折损率;
基于所述分析结果确定所述设计的新品对应的销量,并基于所述折损率确定所述设计的新品对应的目标产量;
同时,获取所述设计的新品的销售报价数据配置规则,并基于所述销售报价数据配置规则对所述设计的新品的材料价格进行分析处理,得到所述设计的新品的配置报价数据;
基于预先设置的价格转换关系,对所述配置报价数据进行转换,得到所述设计的新品的最终销售价格数据,并基于预设数据转换规则将所述最终销售报价数据转换为生产数据;
基于所述生产数据对所述设计的新品对应的目标产量进行修正,得到所述设计的新品的生产计划。
优选的,一种基于大数据的生产计划方法,得到所述设计的新品的生产计划后,还包括:
获取得到的所述设计的新品的生产计划,并确定所述设计的新品的生产计划的存储需求,其中,所述存储需求包括存储空间大小;
基于所述存储需求,确定预设存储区域的容量系数,并基于所述容量系数确定目标存储区域,其中,所述容量系数表征对应的存储区域中已使用的存储空间值;
将所述设计的新品的生产计划存储至所述目标存储区域,且同时开启所述设计的新品的生产计划对应的备份任务;
基于所述备份任务,构建目标存储区域与预设数据备份存储器数据之间的映射关系,并基于所述映射关系将所述目标存储区域中存储的设计的新品的生产计划同步存储至预设数据备份存储器,完成对所述设计的新品的生产计划的存储与备份。
优选的,一种基于大数据的生产计划方法,得到所述设计的新品的生产计划后,还包括:
获取得到的所述设计的新品的生产计划,并基于预设数据下发指令确定所述设计的新品的生产计划对应的分割文件的数量,得到M个数据块,其中,所述M个数据块分别携带有数据标识;
获取各个目标生产设备的终端标识,并将所述数据标识与所述终端标识进行匹配,其中,所述目标生产设备至少为两台;
基于匹配结果,将所述M个数据块分别在N个数据传输通道中进行排序,且所述N个数据传输通道基于排序结果,对数据传输通道中的数据块进行压缩处理,并将压缩处理后的数据块分别传输至各个目标生产设备;
所述各个目标生产设备对接收到的数据块进行解压,并基于解压结果执行对应的生产任务。
优选的,一种基于大数据的生产计划方法,基于解压结果执行对应的生产任务,还包括:
基于大数据获取各个目标生产设备的运行状态数据,其中,所述运行状态数据包括各个目标生产设备的开工时间以及运行时间;
基于预设方法通过各个目标生产设备的运行状态数据确定所述各个目标生产设备的生产进程数据;
基于所述生产进程数据,确定各个目标生产设备在预设时间段内的实际生产数量;
将所述预设时间段内的实际生产数量与预设时间段内的预设生产数量进行对比;
若所述实际生产数量大于或等于所述预设生产数量,判定对当前生产计划执行合格;
否则,判定对当前生产计划执行不合格,并基于预设优化方法对当前各个目标生产设备的执行能力进行优化,减少预设时间段内的实际生产数量与预设生产数量的差值。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于大数据的生产计划方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本实施例提供了一种基于大数据的生产计划方法,如图1所示,包括:
步骤1:获取设计的新品的基本信息,并基于大数据查找与所述设计的新品为同一类型的目标产品;
步骤2:基于大数据获取所述目标产品的销售数据,并基于所述销售数据对所述设计的新品进行销量预测分析;
步骤3:基于分析结果确定所述设计的新品的生产计划。
该实施例中,新品的基本信息包括新品的种类、新品所采用的材料信息以及新品的形状外貌信息等,例如新品属于食品还是生活用品等。
该实施例中,目标产品指的是与新品为同一类型的产品,例如新品为有图案塑料水杯,目标产品为无图案塑料水杯等。
该实施例中,目标产品的销售数据指的是目标产品在一定时间段内的销售量、销售价以及客户反馈等信息。
该实施例中,对所述设计的新品进行销量预测分析指的是根据目标产品的销售数据分析新品在一定时间段内的销量。
该实施例中,生产计划指的是生产新品的数量以及新品上市后的售价等等。
上述技术方案的有益效果是:通过对同类型产品的销售数据进行分析,从而准确制定新品对应的生产计划,提高了新品生产计划制定的准确性,也为企业在生产新品时提供了保障。
实施例2:
在上述实施例1的基础上,本实施例提供了一种基于大数据的生产计划方法,步骤1中,获取设计的新品的基本信息,包括:
基于大数据向产品制造终端发送信息获取请求,其中,所述信息获取请求包含设计的新品的特征标签;
所述产品制造终端基于预设扫描装置对所述特征标签进行扫描,得到所述特征标签中携带的特征码,其中,所述特征码与产品信息相对应;
基于所述特征码在预设产品信息数据库中查询与所述特征码相对应的设计的新品的基本信息;
其中,所述设计的新品的基本信息包括产品名称、产品规格、产品拟定售价以及产品的制造时间。
该实施例中,产品制造终端指的是生产新品的控制终端,例如可以是记录新品生产数据的计算机等。
该实施例中,特征标签是用来区分新品与其他产品的重要标识。
该实施例中,预设扫描装置是提前设定好的,例如可以是摄像头等。
该实施例中,特征码内部含有新品对应的部分关键性数据,例如可以是新品的形状、种类以及尺寸等。
该实施例中,预设产品信息数据库是提前设定好的,用于存储多种产品的基本信息。
上述技术方案的有益效果是:通过获取新品对应的特征标签以及特征码,实现对新品基本信息进行准确的获取,便于准确根据新品的基本信息查找同类型的产品,从而为制定新品对应的生产计划提供了便利。
实施例3:
在上述实施例1的基础上,本实施例提供了一种基于大数据的生产计划方法,步骤1中,基于大数据查找与所述设计的新品为同一类型的目标产品,包括:
获取设计的新品的基本信息,并基于所述设计的新品的基本信息确定设计的新品所属的目标产品类型;
基于大数据获取当前市场上所述目标产品类型的产品关系图谱,并基于所述产品关系图谱确定所述产品关系图谱中包含的各个产品的产品信息;
基于预设规则,确定所述设计的新品的基本信息中的第一特征向量以及各个产品的产品信息中的第二特征向量;
构建相关度计算模型,并将所述第一特征向量与所述第二特征向量输入所述相关度计算模型进行计算,得到所述设计的新品与产品关系图谱中包含的各个产品之间的相关度;
基于相关度递减的顺序,将产品关系图谱中包含的各个产品进行排序,得到排序结果;
将排序结果中大于预设相关度阈值的产品确定为与所述设计的新品为同一类型的目标产品,其中,所述目标产品至少为一种。
该实施例中,目标产品类型指的是新品所属的产品类型,例如是食品或是生活用品等。
该实施例中,产品关系图谱是用来记录目标产品类型中所包含的各种产品,以及各种产品之间的关联关系。
该实施例中,预设规则是提前设定好的,用于确定新品与各个产品对应的特征向量。
该实施例中,第一特征向量指的是新品基本信息中对应的关键性数据,例如可以是新品的尺寸、形状等。
该实施例中,第二特征向量指的是各个产品基本信息中对应的关键性数据,例如可以是外貌形状参数等。
该实施例中,相关度是用来衡量新品与各个产品之间的相似程度。
该实施例中,预设相关度阈值是提前设定好的,用于衡量新品与各个产品之间的关联度是否达到要求。
上述技术方案的有益效果是:通过确定新品的产品类型,从而确定同类型产品的各个产品的基本信息,将新品的基本信息与各个产品的基本信息进行比较,确定出与新品基本信息最相似的目标产品,便于准确获取与新品相关的销售数据,提高了对新品生产计划制定的准确性。
实施例4:
在上述实施例1的基础上,本实施例提供了一种基于大数据的生产计划方法,步骤2中,基于大数据获取所述目标产品的销售数据,并基于所述销售数据对所述设计的新品进行销量预测分析,包括:
基于接收到的外部输入的数据获取请求,通过大数据获取预设数据库中存储的目标产品的销售数据,并基于预设报表模型对所述目标产品的销售数据进行分析,得到所述目标产品的销售数据对应的数据报表,其中,所述目标产品的销售数据是从至少两个电商平台收集的;
将所述数据报表写入预设大数据组件,并基于预设数据处理规则,将所述数据报表中的目标产品的销售数据进行数据标准化处理,得到目标销售数据;
构建销量预测神经网络模型,获取所述目标产品的历史销量数据,并基于预设方法确定所述目标产品的历史销量数据的销量特征参数值以及节假日信息参数值;
将所述销量特征参数值以及节假日信息参数值作为训练样本输入所述销量预测神经网络模型进行训练,得到目标销量预测模型;
将所述目标销售数据输入所述目标销量预测模型进行多次分析,得到所述目标产品的多组销量预测结果;
对所述多组销量预测结果进行算术平均值计算,得到所述目标产品对应的最终销量预测结果;
获取所述目标产品与所述设计的新品销量之间的映射关系,基于所述映射关系得到所述设计的新品的销量预测结果;
获取所述设计的新品的品类属性以及所述设计的新品的销售档位,并根据所述品类属性以及销售档位确定所述设计的新品对应的同类产品的销量均值,并将所述销量均值作为同类产品的销量基准线;
基于销量基准线对所述设计的新品的销量预测结果进行修正,得到所述设计的新品对应的最终销量预测结果。
该实施例中,外部输入的数据获取请求可以是企业的控制终端发出的、例如可以是计算机。
该实施例中,预设数据库是提前设定好的,用于存储多种产品对应的销售数据。
该实施例中,预设报表模型是提前设定好的,例如可以是3*3报表、4*4报表等。
该实施例中,预设大数据组件是提前设定好的,是现有技术,用来对数据进行分析处理的。
该实施例中,预设数据处理规则是提前设定好的,例如可以是数据筛选、数据清洗等。
该实施例中,数据标准化处理指的是将数据格式进行统一,并剔除数据中的错误数据,其中,错误数据可以是空值数据、失真数据等。
该实施例中,历史销量数据指的是目标产品在过去一定时间段内的销售量等。
该实施例中,销量特征参数值指的是能够标识目标产品销量的关键性数据,例如销量为一天一百件。
该实施例中,节假日信息参数值指的是节假日对目标产品的销量影响程度。
该实施例中,映射关系指的是目标产品与新品之间销量的转换关系,例如目标产品一天卖50件,新品的销量为目标产品的一倍等。
该实施例中,品类属性指的是新品的种类信息。
该实施例中,销售档位指的是新品的产品定位,是普通产品还是奢侈产品等。
该实施例中,销量基准线指的是与新品相关的同类型产品的销量均值。
上述技术方案的有益效果是:通过将目标产品的销售数据进行处理,并对处理后的销售数据经过构建的销量预测模型进行分析,得到目标产品的销量信息,同时通过新品与目标产品之间的转换关系得到新品对应的销量信息,并对新品的销量信息进行修正,得到新品对应的最终预测结果,此方案确保通过目标产品的销售数据对新品的销量进行准确预测,为制定新品的生产计划提供了保障,同时提高了生产计划制定的准确性。
实施例5:
在上述实施例1的基础上,本实施例提供了一种基于大数据的生产计划方法,步骤3中,基于分析结果确定所述设计的新品的生产计划,包括:
获取对所述设计的新品进行销量预测分析的分析结果,并确定所述设计的新品对应的待计划工序,同时获取所述设计的新品在所述待计划工序中的折损率;
基于所述分析结果确定所述设计的新品对应的销量,并基于所述折损率确定所述设计的新品对应的目标产量;
同时,获取所述设计的新品的销售报价数据配置规则,并基于所述销售报价数据配置规则对所述设计的新品的材料价格进行分析处理,得到所述设计的新品的配置报价数据;
基于预先设置的价格转换关系,对所述配置报价数据进行转换,得到所述设计的新品的最终销售价格数据,并基于预设数据转换规则将所述最终销售报价数据转换为生产数据;
基于所述生产数据对所述设计的新品对应的目标产量进行修正,得到所述设计的新品的生产计划。
该实施例中,待计划工序指的是在制定生产计划时所设计的计划项目,例如可以是销量、售价等。
该实施例中,折损率指的是新品在生产过程中由于人为失误或机器原因造成产品报废的概率。
该实施例中,目标产量指的是新品的销量与折损率影响下的折损量之和。
该实施例中,销售报价数据配置规则指的是用于制定新品销售价格所用的规则。
该实施例中,配置报价数据指的是产品的成本价。
该实施例中,预先设置的价格转换关系是提前设定好的,例如可以是在配置报价数据基础上上调百分之三十等。
该实施例中,预设数据转换规则是提前设定好的。
上述技术方案的有益效果是:通过确定新品在生产过程中的折损率,从而准确确定新品在生产过程中的实际生产量,同时确定新品销售价格对新品销量的影响,并对实际生产量进行修正,得到新品对应的生产计划,确保了生产计划制定的准确性。
实施例6:
在上述实施例5的基础上,本实施例提供了一种基于大数据的生产计划方法,得到所述设计的新品的生产计划后,还包括:
获取得到的所述设计的新品的生产计划,并确定所述设计的新品的生产计划的存储需求,其中,所述存储需求包括存储空间大小;
基于所述存储需求,确定预设存储区域的容量系数,并基于所述容量系数确定目标存储区域,其中,所述容量系数表征对应的存储区域中已使用的存储空间值;
将所述设计的新品的生产计划存储至所述目标存储区域,且同时开启所述设计的新品的生产计划对应的备份任务;
基于所述备份任务,构建目标存储区域与预设数据备份存储器数据之间的映射关系,并基于所述映射关系将所述目标存储区域中存储的设计的新品的生产计划同步存储至预设数据备份存储器,完成对所述设计的新品的生产计划的存储与备份。
该实施例中,预设存储区域是提前设定好的,例如可以是存储硬盘等。
该实施例中,目标存储区域指的是用来存储生产计划的存储区域。
该实施例中,备份任务指的是将生产计划进行备份。
该实施例中,目标存储区域与预设数据备份存储器数据之间的映射关系指的是目标存储区域与预设数据备份存储器之间在数据转换方面的转换关系。
上述技术方案的有益效果是:通过将生产计划进行存储以及备份,确保了生产计划不会丢失,也便于企业根据生产计划执行相应的生产任务,为企业提供了保障。
实施例7:
在上述实施例5的基础上,本实施例提供了一种基于大数据的生产计划方法,得到所述设计的新品的生产计划后,还包括:
获取得到的所述设计的新品的生产计划,并基于预设数据下发指令确定所述设计的新品的生产计划对应的分割文件的数量,得到M个数据块,其中,所述M个数据块分别携带有数据标识;
获取各个目标生产设备的终端标识,并将所述数据标识与所述终端标识进行匹配,其中,所述目标生产设备至少为两台;
基于匹配结果,将所述M个数据块分别在N个数据传输通道中进行排序,且所述N个数据传输通道基于排序结果,对数据传输通道中的数据块进行压缩处理,并将压缩处理后的数据块分别传输至各个目标生产设备;
所述各个目标生产设备对接收到的数据块进行解压,并基于解压结果执行对应的生产任务。
该实施例中,预设数据下发指令是提前设定好的,是由控制终端发送的,用于控制将生产计划下发至各个对应的生产设备。
该实施例中,数据标识是用来标记数据种类、数量的一种标签。
该实施例中,终端标识是用来标记生产设备的编号以及生产类型的标签。
上述技术方案的有益效果是:通过将生产计划进行分割,并将分割后的数据块分别传输至各个生产设备,便于各个设备根据生产计划执行相应的生产任务,确保了制定的生产计划的有效性。
实施例8:
在上述实施例7的基础上,本实施例提供了一种基于大数据的生产计划方法,基于解压结果执行对应的生产任务,还包括:
基于大数据获取各个目标生产设备的运行状态数据,其中,所述运行状态数据包括各个目标生产设备的开工时间以及运行时间;
基于预设方法通过各个目标生产设备的运行状态数据确定所述各个目标生产设备的生产进程数据;
基于所述生产进程数据,确定各个目标生产设备在预设时间段内的实际生产数量;
将所述预设时间段内的实际生产数量与预设时间段内的预设生产数量进行对比;
若所述实际生产数量大于或等于所述预设生产数量,判定对当前生产计划执行合格;
否则,判定对当前生产计划执行不合格,并基于预设优化方法对当前各个目标生产设备的执行能力进行优化,减少预设时间段内的实际生产数量与预设生产数量的差值。
该实施例中,预设方法是提前设定好的,用于确定各个生产设备的生产数据。
该实施例中,运行状态数据是用来表示各个生产设备的运行状态情况,例如可以是正常运行或异常运行等。
该实施例中,生产进程数据是用来表示各个生产设备对新品的生产情况,例如可以是生产了多少数量等。
该实施例中,预设时间段是提前设定好的,例如可以是一周、两周等。
该实施例中,预设生产数量是提前设定好的,例如可以是一周内生产1000件,是用来衡量生产设备的实际生产量是否合格。
该实施例中,预设优化方法是提前设定好的,例如可以是增加设备的工作时长等。
该实施例中,目标生产设备的执行能力指的是生产设备生产新品的能力、效率等。
上述技术方案的有益效果是:通过获取各个生产设备对新品的生产数量,便于及时查看当前生产量是否能按照生产计划顺利完成,且在不能完成的情况,对生产设备的执行能力进行调整,确保顺利执行生产计划,为企业提供了保障。
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 (4)
1.一种基于大数据的生产计划方法,其特征在于,包括:
步骤1:获取设计的新品的基本信息,并基于大数据查找与所述设计的新品为同一类型的目标产品;
步骤2:基于大数据获取所述目标产品的销售数据,并基于所述销售数据对所述设计的新品进行销量预测分析;
步骤3:基于分析结果确定所述设计的新品的生产计划;
其中,步骤1中,获取设计的新品的基本信息,包括:
基于大数据向产品制造终端发送信息获取请求,其中,所述信息获取请求包含设计的新品的特征标签;
所述产品制造终端基于预设扫描装置对所述特征标签进行扫描,得到所述特征标签中携带的特征码,其中,所述特征码与产品信息相对应;
基于所述特征码在预设产品信息数据库中查询与所述特征码相对应的设计的新品的基本信息;
其中,所述设计的新品的基本信息包括产品名称、产品规格、产品拟定售价以及产品的制造时间;
其中,步骤2中,基于大数据获取所述目标产品的销售数据,并基于所述销售数据对所述设计的新品进行销量预测分析,包括:
基于接收到的外部输入的数据获取请求,通过大数据获取预设数据库中存储的目标产品的销售数据,并基于预设报表模型对所述目标产品的销售数据进行分析,得到所述目标产品的销售数据对应的数据报表,其中,所述目标产品的销售数据是从至少两个电商平台收集的;
将所述数据报表写入预设大数据组件,并基于预设数据处理规则,将所述数据报表中的目标产品的销售数据进行数据标准化处理,得到目标销售数据,其中,预设数据处理规则包括数据筛选以及数据清洗;
构建销量预测神经网络模型,获取所述目标产品的历史销量数据,并基于预设方法确定所述目标产品的历史销量数据的销量特征参数值以及节假日信息参数值,其中,所述销量特征参数值指的是能够标识目标产品销量的关键性数据,节假日信息参数值指的是节假日对目标产品的销量影响程度;
将所述销量特征参数值以及节假日信息参数值作为训练样本输入所述销量预测神经网络模型进行训练,得到目标销量预测模型;
将所述目标销售数据输入所述目标销量预测模型进行多次分析,得到所述目标产品的多组销量预测结果;
对所述多组销量预测结果进行算术平均值计算,得到所述目标产品对应的最终销量预测结果;
获取所述目标产品与所述设计的新品销量之间的映射关系,基于所述映射关系得到所述设计的新品的销量预测结果,其中,映射关系指的是目标产品与新品之间销量的转换关系;
获取所述设计的新品的品类属性以及所述设计的新品的销售档位,并根据所述品类属性以及销售档位确定所述设计的新品对应的同类产品的销量均值,并将所述销量均值作为同类产品的销量基准线;
基于销量基准线对所述设计的新品的销量预测结果进行修正,得到所述设计的新品对应的最终销量预测结果;
其中,步骤3中,基于分析结果确定所述设计的新品的生产计划,包括:
获取对所述设计的新品进行销量预测分析的分析结果,并确定所述设计的新品对应的待计划工序,同时获取所述设计的新品在所述待计划工序中的折损率,其中,所述待计划工序指的是在制定生产计划时所设计的计划项目,包括销量、售价;
基于所述分析结果确定所述设计的新品对应的销量,并基于所述折损率确定所述设计的新品对应的目标产量;
同时,获取所述设计的新品的销售报价数据配置规则,并基于所述销售报价数据配置规则对所述设计的新品的材料价格进行分析处理,得到所述设计的新品的配置报价数据;
基于预先设置的价格转换关系,对所述配置报价数据进行转换,得到所述设计的新品的最终销售价格数据,并基于预设数据转换规则将所述最终销售报价数据转换为生产数据;
基于所述生产数据对所述设计的新品对应的目标产量进行修正,得到所述设计的新品的生产计划;
获取得到的所述设计的新品的生产计划,并基于预设数据下发指令确定所述设计的新品的生产计划对应的分割文件的数量,得到M个数据块,其中,所述M个数据块分别携带有数据标识;
获取各个目标生产设备的终端标识,并将所述数据标识与所述终端标识进行匹配,其中,所述目标生产设备至少为两台;
基于匹配结果,将所述M个数据块分别在N个数据传输通道中进行排序,且所述N个数据传输通道基于排序结果,对数据传输通道中的数据块进行压缩处理,并将压缩处理后的数据块分别传输至各个目标生产设备;
所述各个目标生产设备对接收到的数据块进行解压,并基于解压结果执行对应的生产任务。
2.根据权利要求1所述的一种基于大数据的生产计划方法,其特征在于,步骤1中,基于大数据查找与所述设计的新品为同一类型的目标产品,包括:
获取设计的新品的基本信息,并基于所述设计的新品的基本信息确定设计的新品所属的目标产品类型;
基于大数据获取当前市场上所述目标产品类型的产品关系图谱,并基于所述产品关系图谱确定所述产品关系图谱中包含的各个产品的产品信息;
基于预设规则,确定所述设计的新品的基本信息中的第一特征向量以及各个产品的产品信息中的第二特征向量,其中,第一特征向量指的是新品基本信息中对应的关键性数据,包括新品的尺寸、形状,第二特征向量指的是各个产品基本信息中对应的关键性数据,包括外貌形状参数;
构建相关度计算模型,并将所述第一特征向量与所述第二特征向量输入所述相关度计算模型进行计算,得到所述设计的新品与产品关系图谱中包含的各个产品之间的相关度;
基于相关度递减的顺序,将产品关系图谱中包含的各个产品进行排序,得到排序结果;
将排序结果中大于预设相关度阈值的产品确定为与所述设计的新品为同一类型的目标产品,其中,所述目标产品至少为一种。
3.根据权利要求1所述的一种基于大数据的生产计划方法,其特征在于,得到所述设计的新品的生产计划后,还包括:
获取得到的所述设计的新品的生产计划,并确定所述设计的新品的生产计划的存储需求,其中,所述存储需求包括存储空间大小;
基于所述存储需求,确定预设存储区域的容量系数,并基于所述容量系数确定目标存储区域,其中,所述容量系数表征对应的存储区域中已使用的存储空间值;
将所述设计的新品的生产计划存储至所述目标存储区域,且同时开启所述设计的新品的生产计划对应的备份任务;
基于所述备份任务,构建目标存储区域与预设数据备份存储器数据之间的映射关系,并基于所述映射关系将所述目标存储区域中存储的设计的新品的生产计划同步存储至预设数据备份存储器,完成对所述设计的新品的生产计划的存储与备份。
4.根据权利要求1所述的一种基于大数据的生产计划方法,其特征在于,基于解压结果执行对应的生产任务,还包括:
基于大数据获取各个目标生产设备的运行状态数据,其中,所述运行状态数据包括各个目标生产设备的开工时间以及运行时间;
基于预设方法通过各个目标生产设备的运行状态数据确定所述各个目标生产设备的生产进程数据;
基于所述生产进程数据,确定各个目标生产设备在预设时间段内的实际生产数量;
将所述预设时间段内的实际生产数量与预设时间段内的预设生产数量进行对比;
若所述实际生产数量大于或等于所述预设生产数量,判定对当前生产计划执行合格;
否则,判定对当前生产计划执行不合格,并基于预设优化方法对当前各个目标生产设备的执行能力进行优化,减少预设时间段内的实际生产数量与预设生产数量的差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110880409.7A CN113554335B (zh) | 2021-08-02 | 2021-08-02 | 一种基于大数据的生产计划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110880409.7A CN113554335B (zh) | 2021-08-02 | 2021-08-02 | 一种基于大数据的生产计划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113554335A CN113554335A (zh) | 2021-10-26 |
CN113554335B true CN113554335B (zh) | 2022-05-10 |
Family
ID=78105107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110880409.7A Active CN113554335B (zh) | 2021-08-02 | 2021-08-02 | 一种基于大数据的生产计划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113554335B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114677174A (zh) * | 2022-03-25 | 2022-06-28 | 北京京东尚科信息技术有限公司 | 一种计算未上架物品销量的方法和装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140351001A1 (en) * | 2013-05-22 | 2014-11-27 | Chandra P. Agrawal | Business enterprise sales and operations planning through a big data and big memory computational architecture |
CN104808639B (zh) * | 2015-04-29 | 2017-05-10 | 中国石油大学(华东) | 一种制药产品制造执行系统及方法 |
CN108632304B (zh) * | 2017-03-16 | 2019-10-22 | 中国移动通信有限公司研究院 | 一种媒体数据多径传输方法及其系统 |
CN107590024B (zh) * | 2017-08-10 | 2020-08-07 | 郑州云海信息技术有限公司 | 一种数据存储方法和数据存储系统 |
CN107623646B (zh) * | 2017-09-06 | 2020-11-17 | 华为技术有限公司 | 数据流传输方法、发送设备及接收设备 |
CN110134350B (zh) * | 2019-05-23 | 2022-08-23 | 宜春宜联科技有限公司 | 一种打印文件分割传输方法 |
CN111815348A (zh) * | 2020-05-28 | 2020-10-23 | 杭州览众数据科技有限公司 | 一种基于各门店商品相似度聚类的区域商品生产计划方法 |
CN111815349B (zh) * | 2020-05-28 | 2023-09-19 | 杭州览众数据科技有限公司 | 一种基于历史相似产品的服装销量趋势预测方法 |
CN111652657A (zh) * | 2020-06-10 | 2020-09-11 | 创新奇智(南京)科技有限公司 | 商品销量预测方法、装置、电子设备及可读存储介质 |
CN112581182B (zh) * | 2020-12-24 | 2023-04-07 | 山东新北洋信息技术股份有限公司 | 自动售货设备的销售管理方法及系统 |
-
2021
- 2021-08-02 CN CN202110880409.7A patent/CN113554335B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113554335A (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6834266B2 (en) | Methods for estimating the seasonality of groups of similar items of commerce data sets based on historical sales data values and associated error information | |
US20050096963A1 (en) | System and method for profit maximization in retail industry | |
US20190370837A1 (en) | Autonomous Article Evaluating, Disposing and Repricing | |
US20230081051A1 (en) | Systems and methods using inventory data to measure and predict availability of products and optimize assortment | |
Siregar et al. | Forecasting of raw material needed for plastic products based in income data using ARIMA method | |
CN109740624B (zh) | 一种基于大数据的物流供应链需求预测方法 | |
CN110689355A (zh) | 客户分类方法、装置、计算机设备和存储介质 | |
CN113554335B (zh) | 一种基于大数据的生产计划方法 | |
US20050267611A1 (en) | System, method and program for tracing manufacturing processes | |
CN115526652A (zh) | 一种基于机器学习的客户流失预警方法及系统 | |
CN115689334A (zh) | 仓库管理系统的效率分析方法、系统及计算机设备 | |
CN115269958A (zh) | 互联网可靠性数据信息采集分析系统 | |
CN116304374B (zh) | 一种基于包装数据的客户匹配方法及系统 | |
JP2001134643A (ja) | 需要予測装置及び需要予測方法 | |
CN117541355A (zh) | 商品信息展示方法及展示系统 | |
CN111639274B (zh) | 线上商品智能排序方法、装置、计算机设备和存储介质 | |
CN114266594A (zh) | 一种基于东南亚跨境电商平台的大数据分析方法 | |
US20110313800A1 (en) | Systems and Methods for Impact Analysis in a Computer Network | |
Chen et al. | Strategic Decision-making Processes of NPD by Hybrid Classification Model Techniques | |
CN111047354A (zh) | 一种分时定价的实现方法、装置、电子设备和存储介质 | |
JPH02170269A (ja) | 商品情報分析方法 | |
CN113240353B (zh) | 一种面向跨境电商的出口工厂分类方法及装置 | |
CN117035947B (zh) | 基于大数据处理的农产品数据分析方法及云平台 | |
JP2005135167A (ja) | データ分析装置、データ分析方法及びデータ分析プログラム | |
CN116703430B (zh) | 一种基于标识解析的商品窜货预警方法及系统 |
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 |