CN113723799A - 大数据生态链应用系统和应用方法 - Google Patents
大数据生态链应用系统和应用方法 Download PDFInfo
- Publication number
- CN113723799A CN113723799A CN202110997625.XA CN202110997625A CN113723799A CN 113723799 A CN113723799 A CN 113723799A CN 202110997625 A CN202110997625 A CN 202110997625A CN 113723799 A CN113723799 A CN 113723799A
- Authority
- CN
- China
- Prior art keywords
- integrated circuit
- industry
- big data
- production
- data
- 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- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000004519 manufacturing process Methods 0.000 claims abstract description 227
- 238000011161 development Methods 0.000 claims abstract description 51
- 238000013486 operation strategy Methods 0.000 claims abstract description 28
- 238000011144 upstream manufacturing Methods 0.000 claims description 89
- 239000002994 raw material Substances 0.000 claims description 61
- 238000012549 training Methods 0.000 claims description 21
- 238000005065 mining Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 6
- 230000007115 recruitment Effects 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000013439 planning Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 11
- 238000012384 transportation and delivery Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- 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)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了大数据生态链应用系统和应用方法,其能够以集成电路产业相关大数据和集成电路产业的生产要素为基础,分别构建形成集成电路垂直产业链大数据与集成电路关联产业链大数据、以及集成电路产业整体环境模型,再对该集成电路产业整体环境模型进行训练优化,从而调整集成电路生产厂家的运营策略,这样能够有效的和全面的对集成电路行业的发展生态链进行可靠的和精确的分析,以及提高集成电路行业发展的可预见性和实现对集成电路行业进行有效的规划。
Description
技术领域
本发明涉及大数据处理的技术领域,特别涉及大数据生态链应用系统和应用方法。
背景技术
目前,大数据分析技术广泛应用于不同行业中,其能够对行业相关的大数据进行分析挖掘,从而基于行业的需求,得到可行性的解决方案。集成电路行业是现代工业中发展最为快速的行业,其涉及到光机电算和化工等不同领域的生产,集成电路行业的发展状态具有一定的复杂性和前沿性,现有的大数据分析技术无法有效的和全面的对集成电路行业的发展生态链进行可靠的和精确的分析,这严重降低集成电路行业发展的可预见性以及无法对集成电路行业进行有效的规划。
发明内容
针对现有技术存在的缺陷,本发明提供大数据生态链应用系统和应用方法,其通过获取集成电路产业相关大数据,并对该集成电路产业相关大数据进行预处理和区分,从而获得集成电路垂直产业链大数据和集成电路关联产业链大数据,再记录集成电路产业中的产业上游和产业下游的生产要素信息,并对该生产要素信息进行筛选,再根据筛选后的该生产要素信息,构建相应的集成电路上游产业场景和集成电路下游产业场景,以及根据该集成电路上游产业场景与该集成电路下游产业场景之间的原料消耗-成品产出关系,将该集成电路上游产业场景与该集成电路下游产业场景关联组成相应的集成电路产业整体环境模型,最后利用该集成电路垂直产业链大数据和该集成电路关联产业链大数据,对该集成电路产业整体环境模型进行训练优化,从而确定集成电路产业当前的产业发展数据,再对该产业发展数据进行挖掘分析,从而调整集成电路生产厂家的运营策略;可见,该大数据生态链应用系统和应用方法能够以集成电路产业相关大数据和集成电路产业的生产要素为基础,分别构建形成集成电路垂直产业链大数据与集成电路关联产业链大数据、以及集成电路产业整体环境模型,再对该集成电路产业整体环境模型进行训练优化,从而调整集成电路生产厂家的运营策略,这样能够有效的和全面的对集成电路行业的发展生态链进行可靠的和精确的分析,以及提高集成电路行业发展的可预见性和实现对集成电路行业进行有效的规划。
本发明提供大数据生态链应用系统,其特征在于,其包括集成电路产业相关大数据获取模块、集成电路产业相关大数据处理模块、生产要素信息记录模块、产业场景构建模块、集成电路产业整体环境模型生成模块、集成电路生产运营策略调整模块;其中,
所述集成电路产业相关大数据获取模块用于获取集成电路产业相关大数据;
所述集成电路产业相关大数据处理模块用于对所述集成电路产业相关大数据进行预处理和区分,从而获得集成电路垂直产业链大数据和集成电路关联产业链大数据;
所述生产要素信息记录模块用于记录集成电路产业中的产业上游和产业下游的生产要素信息;
所述产业场景构建模块用于对所述生产要素信息进行筛选,再根据筛选后的所述生产要素信息,构建相应的集成电路上游产业场景和集成电路下游产业场景;
所述集成电路产业整体环境模型生成模块用于根据所述集成电路上游产业场景与所述集成电路下游产业场景之间的原料消耗-成品产出关系,将所述集成电路上游产业场景与所述集成电路下游产业场景关联组成相应的集成电路产业整体环境模型;
所述集成电路生产运营策略调整模块用于利用所述集成电路垂直产业链大数据和所述集成电路关联产业链大数据,对所述集成电路产业整体环境模型进行训练优化,从而确定集成电路产业当前的产业发展数据,再对所述产业发展数据进行挖掘分析,从而调整集成电路生产厂家的运营策略;
进一步,所述集成电路产业相关大数据获取模块获取集成电路产业相关大数据具体包括:
记录在预设历史时间段内集成电路产业的集成电路生产原料供应量与需求量大数据、集成电路产品订单量大数据、集成电路生产设备出货量大数据,以此作为所述集成电路产业相关大数据;
以及,
所述集成电路产业相关大数据处理模块对所述集成电路产业相关大数据进行预处理和区分,从而获得集成电路垂直产业链大数据和集成电路关联产业链大数据具体包括:
对所述集成电路生产原料供应量与需求量大数据、所述集成电路产品订单量大数据、所述集成电路生产设备出货量大数据分别进行数据降噪预处理,从而去除大数据中存在的坏点数据;
再按照所述集成电路生产原料供应量与需求量大数据、所述集成电路产品订单量大数据、所述集成电路生产设备出货量大数据与集成电路垂直产业之间的关联度高低情况,将所述集成电路生产原料供应量与需求量大数据、所述集成电路产品订单量大数据、所述集成电路生产设备出货量大数据区分为集成电路垂直产业链大数据和集成电路关联产业链大数据;
进一步,所述生产要素信息记录模块记录集成电路产业中的产业上游和产业下游的生产要素信息具体包括:
记录集成电路产业中的产业上游和产业下游的资金流信息、技术人员数量信息,设备折旧度信息、电力供应量信息,以此作为所述生产要素信息;
以及,
所述产业场景构建模块对所述生产要素信息进行筛选,再根据筛选后的所述生产要素信息,构建相应的集成电路上游产业场景和集成电路下游产业场景具体包括:
将所述生产要素信息的实际记录时间与预设时间范围进行比对,若所述实际记录时间位于所述预设时间范围,则将对应的生产要素信息确定为有效生产要素信息,否则,将对应的生产要素信息确定为无效生产要素信息;
再将所述有效生产要素信息输入至预设BIM产业链生态体系,从而构建得到集成电路上游产业场景和集成电路下游产业场景;
进一步,所述集成电路产业整体环境模型生成模块根据所述集成电路上游产业场景与所述集成电路下游产业场景之间的原料消耗-成品产出关系,将所述集成电路上游产业场景与所述集成电路下游产业场景关联组成相应的集成电路产业整体环境模型具体包括:
获取所述集成电路下游产业场景的集成电路生产原料供应量以及所述集成电路上游产业场景的集成电路成品出货量,再以集成电路生产原料消耗与成品产出之间的投入-产出关系为关联要素,将所述集成电路上游产业场景与所述集成电路下游产业场景关联组成相应的集成电路产业整体环境模型;
进一步,所述集成电路生产运营策略调整模块利用所述集成电路垂直产业链大数据和所述集成电路关联产业链大数据,对所述集成电路产业整体环境模型进行训练优化,从而确定集成电路产业当前的产业发展数据,再对所述产业发展数据进行挖掘分析,从而调整集成电路生产厂家的运营策略具体包括:
将所述集成电路垂直产业链大数据和所述集成电路关联产业大数据作为输入层数据、输入到所述集成电路产业整体环境模型中,从而对所述集成电路产业整体环境模型进行训练优化,从而使所述集成电路产业整体环境模型的模型收敛系数在预设范围内;
再根据训练优化后的所述集成电路产业整体环境模型,确定集成电路产业当前在存储器元件和/或计算器元件各自的实际市场需求和实际产能量;
最后对所述实际市场需求和所述实际产能量进行挖掘分析,从而调整集成电路生产厂家的集成电路原料下单量和/或技术人员招聘量。
本发明还提供大数据生态链应用方法,其特征在于,其包括如下步骤:
步骤S1,获取集成电路产业相关大数据,并对所述集成电路产业相关大数据进行预处理和区分,从而获得集成电路垂直产业链大数据和集成电路关联产业链大数据;
步骤S2,记录集成电路产业中的产业上游和产业下游的生产要素信息,并对所述生产要素信息进行筛选,再根据筛选后的所述生产要素信息,构建相应的集成电路上游产业场景和集成电路下游产业场景;
步骤S3,根据所述集成电路上游产业场景与所述集成电路下游产业场景之间的原料消耗-成品产出关系,将所述集成电路上游产业场景与所述集成电路下游产业场景关联组成相应的集成电路产业整体环境模型;
步骤S4,利用所述集成电路垂直产业链大数据和所述集成电路关联产业链大数据,对所述集成电路产业整体环境模型进行训练优化,从而确定集成电路产业当前的产业发展数据,再对所述产业发展数据进行挖掘分析,从而调整集成电路生产厂家的运营策略;
进一步,在所述步骤S1中,获取集成电路产业相关大数据,并对所述集成电路产业相关大数据进行预处理和区分,从而获得集成电路垂直产业链大数据和集成电路关联产业链大数据具体包括:
步骤S101,记录在预设历史时间段内集成电路产业的集成电路生产原料供应量与需求量大数据、集成电路产品订单量大数据、集成电路生产设备出货量大数据,以此作为所述集成电路产业相关大数据;
步骤S102,对所述集成电路生产原料供应量与需求量大数据、所述集成电路产品订单量大数据、所述集成电路生产设备出货量大数据分别进行数据降噪预处理,从而去除大数据中存在的坏点数据;
步骤S103,按照所述集成电路生产原料供应量与需求量大数据、所述集成电路产品订单量大数据、所述集成电路生产设备出货量大数据与集成电路垂直产业之间的关联度高低情况,将所述集成电路生产原料供应量与需求量大数据、所述集成电路产品订单量大数据、所述集成电路生产设备出货量大数据区分为集成电路垂直产业链大数据和集成电路关联产业链大数据;
进一步,在所述步骤S2中,记录集成电路产业中的产业上游和产业下游的生产要素信息,并对所述生产要素信息进行筛选,再根据筛选后的所述生产要素信息,构建相应的集成电路上游产业场景和集成电路下游产业场景具体包括:
步骤S201,记录集成电路产业中的产业上游和产业下游的资金流信息、技术人员数量信息,设备折旧度信息、电力供应量信息,以此作为所述生产要素信息;
步骤S202,将所述生产要素信息的实际记录时间与预设时间范围进行比对,若所述实际记录时间位于所述预设时间范围,则将对应的生产要素信息确定为有效生产要素信息,否则,将对应的生产要素信息确定为无效生产要素信息;
步骤S203,将所述有效生产要素信息输入至预设BIM产业链生态体系,从而构建得到集成电路上游产业场景和集成电路下游产业场景;
进一步,在所述步骤S202中,将所述生产要素信息的实际记录时间与预设时间范围进行比对具体包括:
根据下面公式(1),确定所述生产要素信息的实际记录时间与预设时间范围之间的比对值μ:
在上述公式(1)中,S表示所述生产要素信息的实际记录时间,w表示所述预设时间范围的上限时间,m表示所述预设时间范围的下限时间,T表示将时间进行24小时时间格式转换处理;
根据下面公式(2),确定所述生产要素信息的实际记录时间与预设时间范围之间的比对结果Q:
在上述公式(2)中,p表示所述生产要素信息的实际记录时间位于预设时间范围外,q表示所述生产要素信息的实际记录时间位于预设时间范围内,sgn()表示符号函数、当μ小于或者等于0,则符号函数的取值不等于-1,当μ大于0,则符号函数的取值等于-1;
进一步,在所述步骤S3中,根据所述集成电路上游产业场景与所述集成电路下游产业场景之间的原料消耗-成品产出关系,将所述集成电路上游产业场景与所述集成电路下游产业场景关联组成相应的集成电路产业整体环境模型具体包括:
获取所述集成电路下游产业场景的集成电路生产原料供应量以及所述集成电路上游产业场景的集成电路成品出货量,再以集成电路生产原料消耗与成品产出之间的投入-产出关系为关联要素,将所述集成电路上游产业场景与所述集成电路下游产业场景关联组成相应的集成电路产业整体环境模型;
或者,
在所述步骤S4中,利用所述集成电路垂直产业链大数据和所述集成电路关联产业链大数据,对所述集成电路产业整体环境模型进行训练优化,从而确定集成电路产业当前的产业发展数据,再对所述产业发展数据进行挖掘分析,从而调整集成电路生产厂家的运营策略具体包括:
步骤S401,将所述集成电路垂直产业链大数据和所述集成电路关联产业大数据作为输入层数据、输入到所述集成电路产业整体环境模型中,从而对所述集成电路产业整体环境模型进行训练优化,从而使所述集成电路产业整体环境模型的模型收敛系数在预设范围内;
步骤S402,根据训练优化后的所述集成电路产业整体环境模型,确定集成电路产业当前在存储器元件和/或计算器元件各自的实际市场需求和实际产能量;
步骤S403,对所述实际市场需求和所述实际产能量进行挖掘分析,从而调整集成电路生产厂家的集成电路原料下单量和/或技术人员招聘量。
相比于现有技术,该大数据生态链应用系统和应用方法通过获取集成电路产业相关大数据,并对该集成电路产业相关大数据进行预处理和区分,从而获得集成电路垂直产业链大数据和集成电路关联产业链大数据,再记录集成电路产业中的产业上游和产业下游的生产要素信息,并对该生产要素信息进行筛选,再根据筛选后的该生产要素信息,构建相应的集成电路上游产业场景和集成电路下游产业场景,以及根据该集成电路上游产业场景与该集成电路下游产业场景之间的原料消耗-成品产出关系,将该集成电路上游产业场景与该集成电路下游产业场景关联组成相应的集成电路产业整体环境模型,最后利用该集成电路垂直产业链大数据和该集成电路关联产业链大数据,对该集成电路产业整体环境模型进行训练优化,从而确定集成电路产业当前的产业发展数据,再对该产业发展数据进行挖掘分析,从而调整集成电路生产厂家的运营策略;可见,该大数据生态链应用系统和应用方法能够以集成电路产业相关大数据和集成电路产业的生产要素为基础,分别构建形成集成电路垂直产业链大数据与集成电路关联产业链大数据、以及集成电路产业整体环境模型,再对该集成电路产业整体环境模型进行训练优化,从而调整集成电路生产厂家的运营策略,这样能够有效的和全面的对集成电路行业的发展生态链进行可靠的和精确的分析,以及提高集成电路行业发展的可预见性和实现对集成电路行业进行有效的规划。
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
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,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为本发明提供的大数据生态链应用系统的结构示意图。
图2为本发明提供的大数据生态链应用方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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作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。
参阅图1,为本发明实施例提供的大数据生态链应用系统的结构示意图。该大数据生态链应用系统包括集成电路产业相关大数据获取模块、集成电路产业相关大数据处理模块、生产要素信息记录模块、产业场景构建模块、集成电路产业整体环境模型生成模块、集成电路生产运营策略调整模块;其中,
该集成电路产业相关大数据获取模块用于获取集成电路产业相关大数据;
该集成电路产业相关大数据处理模块用于对该集成电路产业相关大数据进行预处理和区分,从而获得集成电路垂直产业链大数据和集成电路关联产业链大数据;
该生产要素信息记录模块用于记录集成电路产业中的产业上游和产业下游的生产要素信息;
该产业场景构建模块用于对该生产要素信息进行筛选,再根据筛选后的该生产要素信息,构建相应的集成电路上游产业场景和集成电路下游产业场景;
该集成电路产业整体环境模型生成模块用于根据该集成电路上游产业场景与该集成电路下游产业场景之间的原料消耗-成品产出关系,将该集成电路上游产业场景与该集成电路下游产业场景关联组成相应的集成电路产业整体环境模型;
该集成电路生产运营策略调整模块用于利用该集成电路垂直产业链大数据和该集成电路关联产业链大数据,对该集成电路产业整体环境模型进行训练优化,从而确定集成电路产业当前的产业发展数据,再对该产业发展数据进行挖掘分析,从而调整集成电路生产厂家的运营策略。
上述技术方案的有益效果为:该大数据生态链应用系统能够以集成电路产业相关大数据和集成电路产业的生产要素为基础,分别构建形成集成电路垂直产业链大数据与集成电路关联产业链大数据、以及集成电路产业整体环境模型,再对该集成电路产业整体环境模型进行训练优化,从而调整集成电路生产厂家的运营策略,这样能够有效的和全面的对集成电路行业的发展生态链进行可靠的和精确的分析,以及提高集成电路行业发展的可预见性和实现对集成电路行业进行有效的规划。
优选地,该集成电路产业相关大数据获取模块获取集成电路产业相关大数据具体包括:
记录在预设历史时间段内集成电路产业的集成电路生产原料供应量与需求量大数据、集成电路产品订单量大数据、集成电路生产设备出货量大数据,以此作为该集成电路产业相关大数据;
以及,
该集成电路产业相关大数据处理模块对该集成电路产业相关大数据进行预处理和区分,从而获得集成电路垂直产业链大数据和集成电路关联产业链大数据具体包括:
对该集成电路生产原料供应量与需求量大数据、该集成电路产品订单量大数据、该集成电路生产设备出货量大数据分别进行数据降噪预处理,从而去除大数据中存在的坏点数据;
再按照该集成电路生产原料供应量与需求量大数据、该集成电路产品订单量大数据、该集成电路生产设备出货量大数据与集成电路垂直产业之间的关联度高低情况,将该集成电路生产原料供应量与需求量大数据、该集成电路产品订单量大数据、该集成电路生产设备出货量大数据区分为集成电路垂直产业链大数据和集成电路关联产业链大数据。
上述技术方案的有益效果为:由于集成电路生产涉及大量的生产数据和大量不同的产业,这些生产数据能够表征集成电路产生的实时发展状态以及这些产业与集成电路的生产存在不同的关联程度,而将该集成电路生产原料供应量与需求量大数据、该集成电路产品订单量大数据、该集成电路生产设备出货量大数据区分为集成电路垂直产业链大数据和集成电路关联产业链大数据,能够实现对大数据的细化分析以及便于后续对不同类型的大数据进行有针对性的处理。
优选地,该生产要素信息记录模块记录集成电路产业中的产业上游和产业下游的生产要素信息具体包括:
记录集成电路产业中的产业上游和产业下游的资金流信息、技术人员数量信息,设备折旧度信息、电力供应量信息,以此作为该生产要素信息;
以及,
该产业场景构建模块对该生产要素信息进行筛选,再根据筛选后的该生产要素信息,构建相应的集成电路上游产业场景和集成电路下游产业场景具体包括:
将该生产要素信息的实际记录时间与预设时间范围进行比对,若该实际记录时间位于该预设时间范围,则将对应的生产要素信息确定为有效生产要素信息,否则,将对应的生产要素信息确定为无效生产要素信息;
再将该有效生产要素信息输入至预设BIM产业链生态体系,从而构建得到集成电路上游产业场景和集成电路下游产业场景。
上述技术方案的有益效果为:通过记录集成电路产业中的产业上游和产业下游的资金流信息、技术人员数量信息,设备折旧度信息、电力供应量信息,能够对集成产业的实体经营情况进行全面的掌握,而将该生产要素信息的实际记录时间与预设时间范围进行比对,能够删除记录历史时间过于久远的生产要素信息,这些生产要素信息并不能代表当前集成电路产业的实际发展现状,故将其设定为无效生产要素信息,而利用预设BIM产业链生态体系,只能够快速地构建得到集成电路上游产业场景和集成电路下游产业场景。
优选地,该集成电路产业整体环境模型生成模块根据该集成电路上游产业场景与该集成电路下游产业场景之间的原料消耗-成品产出关系,将该集成电路上游产业场景与该集成电路下游产业场景关联组成相应的集成电路产业整体环境模型具体包括:
获取该集成电路下游产业场景的集成电路生产原料供应量以及该集成电路上游产业场景的集成电路成品出货量,再以集成电路生产原料消耗与成品产出之间的投入-产出关系为关联要素,将该集成电路上游产业场景与该集成电路下游产业场景关联组成相应的集成电路产业整体环境模型。
上述技术方案的有益效果为:由于集成电路下游产业与集成电路上游产业之间存在原料消耗-成品产出的依存关系,通过以集成电路生产原料消耗与成品产出之间的投入-产出关系为关联要素,能够快速地将该集成电路上游产业场景与该集成电路下游产业场景关联组成相应的集成电路产业整体环境模型。
优选地,该集成电路生产运营策略调整模块利用该集成电路垂直产业链大数据和该集成电路关联产业链大数据,对该集成电路产业整体环境模型进行训练优化,从而确定集成电路产业当前的产业发展数据,再对该产业发展数据进行挖掘分析,从而调整集成电路生产厂家的运营策略具体包括:
将该集成电路垂直产业链大数据和该集成电路关联产业大数据作为输入层数据、输入到该集成电路产业整体环境模型中,从而对该集成电路产业整体环境模型进行训练优化,从而使该集成电路产业整体环境模型的模型收敛系数在预设范围内;
再根据训练优化后的该集成电路产业整体环境模型,确定集成电路产业当前在存储器元件和/或计算器元件各自的实际市场需求和实际产能量;
最后对该实际市场需求和该实际产能量进行挖掘分析,从而调整集成电路生产厂家的集成电路原料下单量和/或技术人员招聘量。
上述技术方案的有益效果为:通过训练优化后的该集成电路产业整体环境模型,确定集成电路产业当前在存储器元件和/或计算器元件各自的实际市场需求和实际产能量,能够在实际集成电路生产中准确地确定相应的生产计划,从而提高集成电路行业发展的可预见性和实现对集成电路行业进行有效的规划。
参阅图2,为本发明实施例提供的大数据生态链应用方法的流程示意图。该大数据生态链应用方法包括如下步骤:
步骤S1,获取集成电路产业相关大数据,并对该集成电路产业相关大数据进行预处理和区分,从而获得集成电路垂直产业链大数据和集成电路关联产业链大数据;
步骤S2,记录集成电路产业中的产业上游和产业下游的生产要素信息,并对该生产要素信息进行筛选,再根据筛选后的该生产要素信息,构建相应的集成电路上游产业场景和集成电路下游产业场景;
步骤S3,根据该集成电路上游产业场景与该集成电路下游产业场景之间的原料消耗-成品产出关系,将该集成电路上游产业场景与该集成电路下游产业场景关联组成相应的集成电路产业整体环境模型;
步骤S4,利用该集成电路垂直产业链大数据和该集成电路关联产业链大数据,对该集成电路产业整体环境模型进行训练优化,从而确定集成电路产业当前的产业发展数据,再对该产业发展数据进行挖掘分析,从而调整集成电路生产厂家的运营策略。
上述技术方案的有益效果为:该大数据生态链应用方法能够以集成电路产业相关大数据和集成电路产业的生产要素为基础,分别构建形成集成电路垂直产业链大数据与集成电路关联产业链大数据、以及集成电路产业整体环境模型,再对该集成电路产业整体环境模型进行训练优化,从而调整集成电路生产厂家的运营策略,这样能够有效的和全面的对集成电路行业的发展生态链进行可靠的和精确的分析,以及提高集成电路行业发展的可预见性和实现对集成电路行业进行有效的规划。
优选地,在该步骤S1中,获取集成电路产业相关大数据,并对该集成电路产业相关大数据进行预处理和区分,从而获得集成电路垂直产业链大数据和集成电路关联产业链大数据具体包括:
步骤S101,记录在预设历史时间段内集成电路产业的集成电路生产原料供应量与需求量大数据、集成电路产品订单量大数据、集成电路生产设备出货量大数据,以此作为该集成电路产业相关大数据;
步骤S102,对该集成电路生产原料供应量与需求量大数据、该集成电路产品订单量大数据、该集成电路生产设备出货量大数据分别进行数据降噪预处理,从而去除大数据中存在的坏点数据;
步骤S103,按照该集成电路生产原料供应量与需求量大数据、该集成电路产品订单量大数据、该集成电路生产设备出货量大数据与集成电路垂直产业之间的关联度高低情况,将该集成电路生产原料供应量与需求量大数据、该集成电路产品订单量大数据、该集成电路生产设备出货量大数据区分为集成电路垂直产业链大数据和集成电路关联产业链大数据。
上述技术方案的有益效果为:由于集成电路生产涉及大量的生产数据和大量不同的产业,这些生产数据能够表征集成电路产生的实时发展状态以及这些产业与集成电路的生产存在不同的关联程度,而将该集成电路生产原料供应量与需求量大数据、该集成电路产品订单量大数据、该集成电路生产设备出货量大数据区分为集成电路垂直产业链大数据和集成电路关联产业链大数据,能够实现对大数据的细化分析以及便于后续对不同类型的大数据进行有针对性的处理。
优选地,在该步骤S2中,记录集成电路产业中的产业上游和产业下游的生产要素信息,并对该生产要素信息进行筛选,再根据筛选后的该生产要素信息,构建相应的集成电路上游产业场景和集成电路下游产业场景具体包括:
步骤S201,记录集成电路产业中的产业上游和产业下游的资金流信息、技术人员数量信息,设备折旧度信息、电力供应量信息,以此作为该生产要素信息;
步骤S202,将该生产要素信息的实际记录时间与预设时间范围进行比对,若该实际记录时间位于该预设时间范围,则将对应的生产要素信息确定为有效生产要素信息,否则,将对应的生产要素信息确定为无效生产要素信息;
步骤S203,将该有效生产要素信息输入至预设BIM产业链生态体系,从而构建得到集成电路上游产业场景和集成电路下游产业场景。
上述技术方案的有益效果为:通过记录集成电路产业中的产业上游和产业下游的资金流信息、技术人员数量信息,设备折旧度信息、电力供应量信息,能够对集成产业的实体经营情况进行全面的掌握,而将该生产要素信息的实际记录时间与预设时间范围进行比对,能够删除记录历史时间过于久远的生产要素信息,这些生产要素信息并不能代表当前集成电路产业的实际发展现状,故将其设定为无效生产要素信息,而利用预设BIM产业链生态体系,只能够快速地构建得到集成电路上游产业场景和集成电路下游产业场景。
优选地,在该步骤S202中,将该生产要素信息的实际记录时间与预设时间范围进行比对具体包括:
根据下面公式(1),确定该生产要素信息的实际记录时间与预设时间范围之间的比对值μ:
在上述公式(1)中,S表示该生产要素信息的实际记录时间,w表示该预设时间范围的上限时间,m表示该预设时间范围的下限时间,T表示将时间进行24小时时间格式转换处理;
根据下面公式(2),确定该生产要素信息的实际记录时间与预设时间范围之间的比对结果Q:
在上述公式(2)中,p表示该生产要素信息的实际记录时间位于预设时间范围外,q表示该生产要素信息的实际记录时间位于预设时间范围内,sgn()表示符号函数、当μ小于或者等于0,则符号函数的取值不等于-1,当μ大于0,则符号函数的取值等于-1。
上述技术方案的有益效果为:由于该生产要素信息的实际记录时间与预设时间范围的时间格式并不始终相一致,通过上述过程能够对该实际记录时间与预设时间范围进行时间格式的统一处理后,再进行时间范围重叠与否的比对判断,从而准确地确定该实际记录时间与预设时间范围之间的时间关系。
优选地,在该步骤S3中,根据该集成电路上游产业场景与该集成电路下游产业场景之间的原料消耗-成品产出关系,将该集成电路上游产业场景与该集成电路下游产业场景关联组成相应的集成电路产业整体环境模型具体包括:
获取该集成电路下游产业场景的集成电路生产原料供应量以及该集成电路上游产业场景的集成电路成品出货量,再以集成电路生产原料消耗与成品产出之间的投入-产出关系为关联要素,将该集成电路上游产业场景与该集成电路下游产业场景关联组成相应的集成电路产业整体环境模型。
上述技术方案的有益效果为:由于集成电路下游产业与集成电路上游产业之间存在原料消耗-成品产出的依存关系,通过以集成电路生产原料消耗与成品产出之间的投入-产出关系为关联要素,能够快速地将该集成电路上游产业场景与该集成电路下游产业场景关联组成相应的集成电路产业整体环境模型。
优选地,在该步骤S4中,利用该集成电路垂直产业链大数据和该集成电路关联产业链大数据,对该集成电路产业整体环境模型进行训练优化,从而确定集成电路产业当前的产业发展数据,再对该产业发展数据进行挖掘分析,从而调整集成电路生产厂家的运营策略具体包括:
步骤S401,将该集成电路垂直产业链大数据和该集成电路关联产业大数据作为输入层数据、输入到该集成电路产业整体环境模型中,从而对该集成电路产业整体环境模型进行训练优化,从而使该集成电路产业整体环境模型的模型收敛系数在预设范围内;
步骤S402,根据训练优化后的该集成电路产业整体环境模型,确定集成电路产业当前在存储器元件和/或计算器元件各自的实际市场需求和实际产能量;
步骤S403,对该实际市场需求和该实际产能量进行挖掘分析,从而调整集成电路生产厂家的集成电路原料下单量和/或技术人员招聘量。
上述技术方案的有益效果为:通过训练优化后的该集成电路产业整体环境模型,确定集成电路产业当前在存储器元件和/或计算器元件各自的实际市场需求和实际产能量,能够在实际集成电路生产中准确地确定相应的生产计划,从而提高集成电路行业发展的可预见性和实现对集成电路行业进行有效的规划。
从上述实施例的内容可知,该大数据生态链应用系统和应用方法通过获取集成电路产业相关大数据,并对该集成电路产业相关大数据进行预处理和区分,从而获得集成电路垂直产业链大数据和集成电路关联产业链大数据,再记录集成电路产业中的产业上游和产业下游的生产要素信息,并对该生产要素信息进行筛选,再根据筛选后的该生产要素信息,构建相应的集成电路上游产业场景和集成电路下游产业场景,以及根据该集成电路上游产业场景与该集成电路下游产业场景之间的原料消耗-成品产出关系,将该集成电路上游产业场景与该集成电路下游产业场景关联组成相应的集成电路产业整体环境模型,最后利用该集成电路垂直产业链大数据和该集成电路关联产业链大数据,对该集成电路产业整体环境模型进行训练优化,从而确定集成电路产业当前的产业发展数据,再对该产业发展数据进行挖掘分析,从而调整集成电路生产厂家的运营策略;可见,该大数据生态链应用系统和应用方法能够以集成电路产业相关大数据和集成电路产业的生产要素为基础,分别构建形成集成电路垂直产业链大数据与集成电路关联产业链大数据、以及集成电路产业整体环境模型,再对该集成电路产业整体环境模型进行训练优化,从而调整集成电路生产厂家的运营策略,这样能够有效的和全面的对集成电路行业的发展生态链进行可靠的和精确的分析,以及提高集成电路行业发展的可预见性和实现对集成电路行业进行有效的规划。
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 (10)
1.大数据生态链应用系统,其特征在于,其包括集成电路产业相关大数据获取模块、集成电路产业相关大数据处理模块、生产要素信息记录模块、产业场景构建模块、集成电路产业整体环境模型生成模块、集成电路生产运营策略调整模块;其中,
所述集成电路产业相关大数据获取模块用于获取集成电路产业相关大数据;
所述集成电路产业相关大数据处理模块用于对所述集成电路产业相关大数据进行预处理和区分,从而获得集成电路垂直产业链大数据和集成电路关联产业链大数据;
所述生产要素信息记录模块用于记录集成电路产业中的产业上游和产业下游的生产要素信息;
所述产业场景构建模块用于对所述生产要素信息进行筛选,再根据筛选后的所述生产要素信息,构建相应的集成电路上游产业场景和集成电路下游产业场景;
所述集成电路产业整体环境模型生成模块用于根据所述集成电路上游产业场景与所述集成电路下游产业场景之间的原料消耗-成品产出关系,将所述集成电路上游产业场景与所述集成电路下游产业场景关联组成相应的集成电路产业整体环境模型;
所述集成电路生产运营策略调整模块用于利用所述集成电路垂直产业链大数据和所述集成电路关联产业链大数据,对所述集成电路产业整体环境模型进行训练优化,从而确定集成电路产业当前的产业发展数据,再对所述产业发展数据进行挖掘分析,从而调整集成电路生产厂家的运营策略。
2.如权利要求1所述的大数据生态链应用系统,其特征在于:
所述集成电路产业相关大数据获取模块获取集成电路产业相关大数据具体包括:
记录在预设历史时间段内集成电路产业的集成电路生产原料供应量与需求量大数据、集成电路产品订单量大数据、集成电路生产设备出货量大数据,以此作为所述集成电路产业相关大数据;
以及,
所述集成电路产业相关大数据处理模块对所述集成电路产业相关大数据进行预处理和区分,从而获得集成电路垂直产业链大数据和集成电路关联产业链大数据具体包括:
对所述集成电路生产原料供应量与需求量大数据、所述集成电路产品订单量大数据、所述集成电路生产设备出货量大数据分别进行数据降噪预处理,从而去除大数据中存在的坏点数据;
再按照所述集成电路生产原料供应量与需求量大数据、所述集成电路产品订单量大数据、所述集成电路生产设备出货量大数据与集成电路垂直产业之间的关联度高低情况,将所述集成电路生产原料供应量与需求量大数据、所述集成电路产品订单量大数据、所述集成电路生产设备出货量大数据区分为集成电路垂直产业链大数据和集成电路关联产业链大数据。
3.如权利要求1所述的大数据生态链应用系统,其特征在于:
所述生产要素信息记录模块记录集成电路产业中的产业上游和产业下游的生产要素信息具体包括:
记录集成电路产业中的产业上游和产业下游的资金流信息、技术人员数量信息,设备折旧度信息、电力供应量信息,以此作为所述生产要素信息;
以及,
所述产业场景构建模块对所述生产要素信息进行筛选,再根据筛选后的所述生产要素信息,构建相应的集成电路上游产业场景和集成电路下游产业场景具体包括:
将所述生产要素信息的实际记录时间与预设时间范围进行比对,若所述实际记录时间位于所述预设时间范围,则将对应的生产要素信息确定为有效生产要素信息,否则,将对应的生产要素信息确定为无效生产要素信息;
再将所述有效生产要素信息输入至预设BIM产业链生态体系,从而构建得到集成电路上游产业场景和集成电路下游产业场景。
4.如权利要求1所述的大数据生态链应用系统,其特征在于:
所述集成电路产业整体环境模型生成模块根据所述集成电路上游产业场景与所述集成电路下游产业场景之间的原料消耗-成品产出关系,将所述集成电路上游产业场景与所述集成电路下游产业场景关联组成相应的集成电路产业整体环境模型具体包括:
获取所述集成电路下游产业场景的集成电路生产原料供应量以及所述集成电路上游产业场景的集成电路成品出货量,再以集成电路生产原料消耗与成品产出之间的投入-产出关系为关联要素,将所述集成电路上游产业场景与所述集成电路下游产业场景关联组成相应的集成电路产业整体环境模型。
5.如权利要求1所述的大数据生态链应用系统,其特征在于:
所述集成电路生产运营策略调整模块利用所述集成电路垂直产业链大数据和所述集成电路关联产业链大数据,对所述集成电路产业整体环境模型进行训练优化,从而确定集成电路产业当前的产业发展数据,再对所述产业发展数据进行挖掘分析,从而调整集成电路生产厂家的运营策略具体包括:
将所述集成电路垂直产业链大数据和所述集成电路关联产业大数据作为输入层数据、输入到所述集成电路产业整体环境模型中,从而对所述集成电路产业整体环境模型进行训练优化,从而使所述集成电路产业整体环境模型的模型收敛系数在预设范围内;
再根据训练优化后的所述集成电路产业整体环境模型,确定集成电路产业当前在存储器元件和/或计算器元件各自的实际市场需求和实际产能量;
最后对所述实际市场需求和所述实际产能量进行挖掘分析,从而调整集成电路生产厂家的集成电路原料下单量和/或技术人员招聘量。
6.大数据生态链应用方法,其特征在于,其包括如下步骤:
步骤S1,获取集成电路产业相关大数据,并对所述集成电路产业相关大数据进行预处理和区分,从而获得集成电路垂直产业链大数据和集成电路关联产业链大数据;
步骤S2,记录集成电路产业中的产业上游和产业下游的生产要素信息,并对所述生产要素信息进行筛选,再根据筛选后的所述生产要素信息,构建相应的集成电路上游产业场景和集成电路下游产业场景;
步骤S3,根据所述集成电路上游产业场景与所述集成电路下游产业场景之间的原料消耗-成品产出关系,将所述集成电路上游产业场景与所述集成电路下游产业场景关联组成相应的集成电路产业整体环境模型;
步骤S4,利用所述集成电路垂直产业链大数据和所述集成电路关联产业链大数据,对所述集成电路产业整体环境模型进行训练优化,从而确定集成电路产业当前的产业发展数据,再对所述产业发展数据进行挖掘分析,从而调整集成电路生产厂家的运营策略。
7.如权利要求6所述的大数据生态链应用方法,其特征在于:
在所述步骤S1中,获取集成电路产业相关大数据,并对所述集成电路产业相关大数据进行预处理和区分,从而获得集成电路垂直产业链大数据和集成电路关联产业链大数据具体包括:
步骤S101,记录在预设历史时间段内集成电路产业的集成电路生产原料供应量与需求量大数据、集成电路产品订单量大数据、集成电路生产设备出货量大数据,以此作为所述集成电路产业相关大数据;
步骤S102,对所述集成电路生产原料供应量与需求量大数据、所述集成电路产品订单量大数据、所述集成电路生产设备出货量大数据分别进行数据降噪预处理,从而去除大数据中存在的坏点数据;
步骤S103,按照所述集成电路生产原料供应量与需求量大数据、所述集成电路产品订单量大数据、所述集成电路生产设备出货量大数据与集成电路垂直产业之间的关联度高低情况,将所述集成电路生产原料供应量与需求量大数据、所述集成电路产品订单量大数据、所述集成电路生产设备出货量大数据区分为集成电路垂直产业链大数据和集成电路关联产业链大数据。
8.如权利要求6所述的大数据生态链应用方法,其特征在于:
在所述步骤S2中,记录集成电路产业中的产业上游和产业下游的生产要素信息,并对所述生产要素信息进行筛选,再根据筛选后的所述生产要素信息,构建相应的集成电路上游产业场景和集成电路下游产业场景具体包括:
步骤S201,记录集成电路产业中的产业上游和产业下游的资金流信息、技术人员数量信息,设备折旧度信息、电力供应量信息,以此作为所述生产要素信息;
步骤S202,将所述生产要素信息的实际记录时间与预设时间范围进行比对,若所述实际记录时间位于所述预设时间范围,则将对应的生产要素信息确定为有效生产要素信息,否则,将对应的生产要素信息确定为无效生产要素信息;
步骤S203,将所述有效生产要素信息输入至预设BIM产业链生态体系,从而构建得到集成电路上游产业场景和集成电路下游产业场景。
9.如权利要求8所述的大数据生态链应用方法,其特征在于:
在所述步骤S202中,将所述生产要素信息的实际记录时间与预设时间范围进行比对具体包括:
根据下面公式(1),确定所述生产要素信息的实际记录时间与预设时间范围之间的比对值μ:
在上述公式(1)中,S表示所述生产要素信息的实际记录时间,w表示所述预设时间范围的上限时间,m表示所述预设时间范围的下限时间,T表示将时间进行24小时时间格式转换处理;
根据下面公式(2),确定所述生产要素信息的实际记录时间与预设时间范围之间的比对结果Q:
在上述公式(2)中,p表示所述生产要素信息的实际记录时间位于预设时间范围外,q表示所述生产要素信息的实际记录时间位于预设时间范围内,sgn()表示符号函数、当μ小于或者等于0,则符号函数的取值不等于-1,当μ大于0,则符号函数的取值等于-1。
10.如权利要求6所述的大数据生态应用方法,其特征在于:
在所述步骤S3中,根据所述集成电路上游产业场景与所述集成电路下游产业场景之间的原料消耗-成品产出关系,将所述集成电路上游产业场景与所述集成电路下游产业场景关联组成相应的集成电路产业整体环境模型具体包括:
获取所述集成电路下游产业场景的集成电路生产原料供应量以及所述集成电路上游产业场景的集成电路成品出货量,再以集成电路生产原料消耗与成品产出之间的投入-产出关系为关联要素,将所述集成电路上游产业场景与所述集成电路下游产业场景关联组成相应的集成电路产业整体环境模型;
或者,
在所述步骤S4中,利用所述集成电路垂直产业链大数据和所述集成电路关联产业链大数据,对所述集成电路产业整体环境模型进行训练优化,从而确定集成电路产业当前的产业发展数据,再对所述产业发展数据进行挖掘分析,从而调整集成电路生产厂家的运营策略具体包括:
步骤S401,将所述集成电路垂直产业链大数据和所述集成电路关联产业大数据作为输入层数据、输入到所述集成电路产业整体环境模型中,从而对所述集成电路产业整体环境模型进行训练优化,从而使所述集成电路产业整体环境模型的模型收敛系数在预设范围内;
步骤S402,根据训练优化后的所述集成电路产业整体环境模型,确定集成电路产业当前在存储器元件和/或计算器元件各自的实际市场需求和实际产能量;
步骤S403,对所述实际市场需求和所述实际产能量进行挖掘分析,从而调整集成电路生产厂家的集成电路原料下单量和/或技术人员招聘量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110997625.XA CN113723799A (zh) | 2021-08-27 | 2021-08-27 | 大数据生态链应用系统和应用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110997625.XA CN113723799A (zh) | 2021-08-27 | 2021-08-27 | 大数据生态链应用系统和应用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113723799A true CN113723799A (zh) | 2021-11-30 |
Family
ID=78678628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110997625.XA Withdrawn CN113723799A (zh) | 2021-08-27 | 2021-08-27 | 大数据生态链应用系统和应用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113723799A (zh) |
-
2021
- 2021-08-27 CN CN202110997625.XA patent/CN113723799A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107704512A (zh) | 基于社交数据的金融产品推荐方法、电子装置及介质 | |
CN106570631B (zh) | 一种面向p2p平台运营风险评估的方法和系统 | |
CN114139490B (zh) | 一种自动数据预处理的方法、装置以及设备 | |
CN114048436A (zh) | 一种预测企业财务数据模型构建方法及构建装置 | |
CN113449919B (zh) | 一种基于特征和趋势感知的用电量预测方法及系统 | |
CN114155072B (zh) | 基于大数据分析的财务预测模型构建方法及系统 | |
CN113641828A (zh) | 一种基于知识图谱的电网供应商画像成像方法和存储设备 | |
CN115936262B (zh) | 基于大数据的环境干扰的产量预测方法、系统和介质 | |
CN117391292A (zh) | 碳排放节能管理分析系统及方法 | |
CN110059126B (zh) | 基于lkj异常值数据的复杂关联网络分析方法及系统 | |
CN112037006A (zh) | 小微企业的信用风险识别方法及装置 | |
CN113723799A (zh) | 大数据生态链应用系统和应用方法 | |
CN116843483A (zh) | 一种车险理赔方法、装置、计算机设备及存储介质 | |
CN109829745A (zh) | 营收数据预测方法、装置、计算机设备和存储介质 | |
CN114565470A (zh) | 基于人工智能的金融产品推荐方法、及其相关设备 | |
CN114781855A (zh) | 基于dea模型的物流传输效率分析方法、装置、设备及介质 | |
CN114328479A (zh) | 一种面向金融流数据的异常检测方法 | |
CN113506190A (zh) | 一种异常用电行为辨识方法、装置、设备及存储介质 | |
CN113298575A (zh) | 一种商标价值批量评估的方法、系统、设备及存储介质 | |
CN116823451B (zh) | 一种信贷风险控制方法与系统 | |
CN113723775B (zh) | 一种基于电力大数据的企业及行业运营风险的评估方法 | |
Haiyan et al. | Abnormal Financial Big Data Based on Deep Neural Network Recognition Methods | |
CN115829763A (zh) | 数据报送方法、装置、计算机设备及存储介质 | |
CN117421312A (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
TWM636222U (zh) | 證券投資報告自動產製系統 |
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 |
Application publication date: 20211130 |
|
WW01 | Invention patent application withdrawn after publication |