CN114298597A - 基于网络模型的订单处理方法、装置、设备及存储介质 - Google Patents
基于网络模型的订单处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114298597A CN114298597A CN202111670727.7A CN202111670727A CN114298597A CN 114298597 A CN114298597 A CN 114298597A CN 202111670727 A CN202111670727 A CN 202111670727A CN 114298597 A CN114298597 A CN 114298597A
- Authority
- CN
- China
- Prior art keywords
- production
- link
- order
- task
- tasks
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种基于网络模型的订单处理方法、装置、设备及存储介质。该方法包括:根据订单信息中的订单产品,将订单信息划分为各种订单产品对应的产品订单信息;根据产品订单信息确定对应订单产品的生产任务,按照生产流水线配置的生产环节将生产任务拆分为各个生产环节对应的环节任务,一个环节任务对应多个生产环节;将环节任务和对应的多个生产环节输入预先训练的订单分配模型,得到订单分配模型输出的处理环节任务的生产环节以及任务处理顺序;按照任务处理顺序控制生产环节处理对应的环节任务。通过上述技术手段,解决现有订单处理系统中订单积压导致订单处理效率低下的问题,提高订单数据处理效率和产品生产效率。
Description
技术领域
本申请实施例涉及流水线生产技术领域,尤其涉及一种基于网络模型的订单处理方法、装置、设备及存储介质。
背景技术
订单处理系统包括订单交易和产品生产两个子系统,产品制造子系统在接收到订单交易子系统发送的订单后,控制生产流水线制造对应订单的产品。
现有产品生产子系统按照接收到订单的顺序,依次控制生产流水线生产订单数据对应的产品。当订单处理系统接收到高并发订单时,大量订单任务等待生产流水线处理,导致产品生产子系统的订单积压,订单处理效率低下。
发明内容
本申请实施例提供一种基于网络模型的订单处理方法、装置、设备及存储介质,能够解决现有订单处理系统中订单积压导致订单处理效率低下的问题,提高订单数据处理效率和产品生产效率。
第一方面,本申请实施例提供了一种基于网络模型的订单处理方法,包括:
根据订单信息中的订单产品,将所述订单信息划分为各种订单产品对应的产品订单信息;
根据所述产品订单信息确定对应订单产品的生产任务,按照生产流水线配置的生产环节将所述生产任务拆分为各个生产环节对应的环节任务,一个环节任务对应多个生产环节;
将所述环节任务和对应的多个生产环节输入预先训练的订单分配模型,得到所述订单分配模型输出的处理所述环节任务的生产环节以及任务处理顺序;
按照所述任务处理顺序控制所述生产环节处理对应的环节任务。
进一步的,所述产品订单信息包括订单产品的产品类型和订购数量;
相应的,所述根据订单信息确定对应订单产品的生产任务包括:
根据所述产品类型确定所述订单产品的生产步骤,并根据所述订购数量确定所述生产步骤的执行次数;
根据所述生产步骤和对应的执行次数生成所述订单产品的生产任务。
进一步的,所述生产流水所述按照生产流水线配置的生产环节将所述生产任务拆分为各个生产环节分别对应的环节任务包括:
根据所述生产流水线配置的生产环节将所述生产步骤拆分成多个子步骤,并确定每个所述子步骤对应的多个生产环节;
根据所述子步骤和所述执行次数,生成每个所述子步骤对应的环节任务,并确定所述环节任务对应的多个生产环节。
进一步的,所述将所述环节任务和对应的多个生产环节输入预先训练的订单分配模型,得到所述订单分配模型输出的处理所述环节任务的生产环节以及任务处理顺序包括:
将所有产品订单信息对应的环节任务和对应的生产环节输入所述订单分配模型,通过所述订单分配模型从所述环节任务对应的多个生产环节中确定处理所述环节任务的生产环节以及任务处理顺序。
进一步的,所述订单分配模型由通过多组样本数据对预设的神经网络模型进行训练得到,每组所述样本数据包括多个样本产品订单信息对应的样本环节任务和所述样本环节任务对应的生产环节,处理所述样本环节任务的生产环节和任务处理顺序,所述生产环节处理所述样本环节任务时的任务处理时间和任务处理错误率。
进一步的,所述将所有产品订单信息对应的环节任务和对应的生产环节输入所述订单分配模型之后,还包括:
获取所述订单分配模型输出的所述样本环节任务对应的任务处理时间和任务处理错误率;
确定所述任务处理时间或所述任务处理错误率满足对应的预设阈值时,调整所述生产环节处理的环节任务和任务处理顺序。
进一步的,所述按照所述任务处理顺序控制所述生产环节处理对应的环节任务包括:
将所述环节任务和所述任务处理顺序发送至对应生产环节的控制器,以使所述控制器根据所述任务处理顺序控制所述生产环节处理所述环节任务。
第二方面,本申请实施例提供了一种基于网络模型的订单处理装置,包括:
订单分类模块,被配置为根据订单信息中的订单产品,将所述订单信息划分为各种订单产品对应的产品订单信息;
任务分类模块,被配置为根据所述产品订单信息确定对应订单产品的生产任务,按照生产流水线配置的生产环节将所述生产任务拆分为各个生产环节对应的环节任务,一个环节任务对应多个生产环节;
任务分配模块,被配置为将所述环节任务和对应的多个生产环节输入预先训练的订单分配模型,得到所述订单分配模型输出的处理所述环节任务的生产环节以及任务处理顺序;
产品生产模块,被配置为按照所述任务处理顺序控制所述生产环节处理对应的环节任务。
进一步的,所述产品订单信息包括订单产品的产品类型和订购数量;在所述订单分类模块中,所述根据订单信息确定对应订单产品的生产任务包括:
根据所述产品类型确定所述订单产品的生产步骤,并根据所述订购数量确定所述生产步骤的执行次数;
根据所述生产步骤和对应的执行次数生成所述订单产品的生产任务。
进一步的,在所述任务分类模块中,所述生产流水所述按照生产流水线配置的生产环节将所述生产任务拆分为各个生产环节分别对应的环节任务包括:
根据所述生产流水线配置的生产环节将所述生产步骤拆分成多个子步骤,并确定每个所述子步骤对应的多个生产环节;
根据所述子步骤和所述执行次数,生成每个所述子步骤对应的环节任务,并确定所述环节任务对应的多个生产环节。
进一步的,在所述任务分配模块中,所述将所述环节任务和对应的多个生产环节输入预先训练的订单分配模型,得到所述订单分配模型输出的处理所述环节任务的生产环节以及任务处理顺序包括:
将所有产品订单信息对应的环节任务和对应的生产环节输入所述订单分配模型,通过所述订单分配模型从所述环节任务对应的多个生产环节中确定处理所述环节任务的生产环节以及任务处理顺序。
进一步的,所述订单分配模型由通过多组样本数据对预设的神经网络模型进行训练得到,每组所述样本数据包括多个样本产品订单信息对应的样本环节任务和所述样本环节任务对应的生产环节,处理所述样本环节任务的生产环节和任务处理顺序,所述生产环节处理所述样本环节任务时的任务处理时间和任务处理错误率。
进一步的,所述基于网络模型的订单处理装置还包括:处理结果获取模块,被配置为获取所述订单分配模型输出的所述样本环节任务对应的任务处理时间和任务处理错误率;分配结果调整模块,被配置为确定所述任务处理时间或所述任务处理错误率满足对应的预设阈值时,调整所述生产环节处理的环节任务和任务处理顺序。
进一步的,在所述产品生产模块中,所述按照所述任务处理顺序控制所述生产环节处理对应的环节任务包括:
将所述环节任务和所述任务处理顺序发送至对应生产环节的控制器,以使所述控制器根据所述任务处理顺序控制所述生产环节处理所述环节任务。
第三方面,本申请实施例提供了一种基于网络模型的订单处理设备,包括:
存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的基于网络模型的订单处理方法。
第四方面,本申请实施例提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的基于网络模型的订单处理方法。
本申请根据订单信息中的订单产品,将订单信息划分为各种订单产品对应的产品订单信息;根据产品订单信息确定对应订单产品的生产任务,按照生产流水线配置的生产环节将生产任务拆分为各个生产环节对应的环节任务,一个环节任务对应多个生产环节;将环节任务和对应的多个生产环节输入预先训练的订单分配模型,得到订单分配模型输出的处理环节任务的生产环节以及任务处理顺序;按照任务处理顺序控制生产环节处理对应的环节任务。通过上述技术手段,通过预先训练好的订单分配模型确定处理各个环节任务的生产环节以及任务处理顺序,优化了环节任务的分配机制,缩短任务处理时间并降低任务处理错误率,避免处理错误导致的订单处理停滞,提高了订单处理效率。
附图说明
图1是本申请一个实施例提供的一种基于网络模型的订单处理方法的流程图;
图2是本申请实施例提供的确定订单产品生产任务的流程图;
图3是本申请实施例提供的划分环节任务的流程图;
图4是本申请实施例提供的根据处理结果调整任务分配结果的流程图;
图5是本申请一个实施例提供的一种基于网络模型的订单处理装置的结构示意图;
图6是本申请一个实施例提供的一种基于网络模型的订单处理设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
本申请提供的基于网络模型的订单处理方法、装置、设备及存储介质,旨在根据订单信息中的订单产品,将订单信息划分为各种订单产品对应的产品订单信息;根据产品订单信息确定对应订单产品的生产任务,按照生产流水线配置的生产环节将生产任务拆分为各个生产环节对应的环节任务,一个环节任务对应多个生产环节;将环节任务和对应的多个生产环节输入预先训练的订单分配模型,得到订单分配模型输出的处理环节任务的生产环节以及任务处理顺序;按照任务处理顺序控制生产环节处理对应的环节任务。相对于传统的订单处理技术,,其按照接收到订单的顺序,依次控制生产流水线生产订单数据对应的产品。当订单处理系统接收到高并发订单时,大量订单任务等待生产流水线处理,导致产品生产子系统的订单积压,订单处理效率低下。基于此,本申请提供的基于网络模型的订单处理方法,以解决现有订单处理系统中订单积压导致订单处理效率低下的问题。
图1给出了本申请一个实施例提供的一种基于网络模型的订单处理方法的流程图,本实施例中提供的基于网络模型的订单处理方法可以由基于网络模型的订单处理设备执行,该基于网络模型的订单处理设备可以通过软件和/或硬件的方式实现,该基于网络模型的订单处理设备可以是两个或多个物理实体构成,也可以是一个物理实体构成。
示例性的,本实施例提供一种订单处理系统,包括订单交易子系统和产品生产子系统,其中订单交易子系统用于根据客户在交易平台选择订购的产品、数量和派送地址等生成对应的订单数据,并将该订单数据发送至产品生产子系统。产品生产子系统用于对订单数据进行处理以控制流水线生产对应的产品。因此本实施例中的基于网络模型的订单处理方法主要运行在产品生产子系统上。可理解,本实施例提供的订单处理系统可以实现在客户下单后可以快速控制流水线生产对应的产品,将交易过程和生产过程联动,提高基于网络模型的订单处理效率。
本实施例以产品生产子系统为执行基于网络模型的订单处理方法的主体为例,进行描述。参照图1,该基于网络模型的订单处理方法具体包括:
S110、根据订单信息中的订单产品,将订单信息划分为各种订单产品对应的产品订单信息。
其中,订单信息是指客户订单交易子系统的交易平台订购产品时输入的信息,其包括产品类型、订购数量、物流地址和用户账号等信息。在一实施例中,当大量客户从订单交易子系统的交易平台订购产品时,交易平台将每个客户订购的产品类型、订购数量、物流地址和用户账号等信息打包成订单信息。由于交易平台当前交易的订单较多,产品生产子系统在一定时间内接收到大量的订单信息。将一定时间段内接收到的所有订单信息汇集,并根据订单信息中各个订单产品的产品类型,将同一产品类型的订单产品的订单信息进行汇集,得到该订单产品对应的产品订单信息。其中,产品订单信息只包括对应订单产品的订单信息。
S120、根据产品订单信息确定对应订单产品的生产任务,按照生产流水线配置的生产环节将生产任务拆分为各个生产环节对应的环节任务,一个环节任务对应多个生产环节。
由于不同类型的产品所需生产原料不同,生产工艺也不同,因此需要根据产品类型确定生产对应产品时生产流水线执行的生产任务。在一实施例中,图2是本申请实施例提供的确定订单产品生产任务的流程图。如图2所示,确定订单产品生产任务的步骤具体包括S1201-S1202:
S1201、根据产品类型确定订单产品的生产步骤,并根据订购数量确定生产步骤的执行次数。
S1202、根据生产步骤和对应的执行次数生成订单产品的生产任务。
示例性的,产品的生产步骤是指生产流水线按照一定顺序运行的各个生产环节以生产该产品的过程。例如,生产流水线依次运行生产环节A、生产环节B、生产环节C和生产环节D后,得到产品A。那么产品A的生产步骤即为依次运行生产环节A、生产环节B、生产环节C和生产环节D。在一实施例中,预先配置各个产品的生产步骤,根据产品订单信息对应的产品类型,确定产品订单信息的生产步骤。根据产品订单信息中每个订单的订购数量,确定该产品的总订购数量,根据总订购数量确定生产步骤的执行次数。控制生产流水线运行该执行次数的生产步骤后可生产该总订购数量的产品。根据执行次数和生产步骤生成对应产品的生产任务,生产流水线可根据生产任务中的生产步骤和执行次数控制对应生产环节生产对应总订购数量的产品。
进一步的,由于生产流水线通过各个生产环节依次运行生产步骤以生产对应产品,因此可根据生产流水线中运行该生产步骤的生产环节,将生产流水线的生产任务划分为各个生产环节的环节任务。在一实施例中,图3是本申请实施例提供的划分环节任务的流程图。如图3所示,该划分环节任务的步骤具体包括S1203-S1204:
S1203、根据生产流水线配置的生产环节将生产步骤拆分成多个子步骤,并确定每个子步骤对应的多个生产环节。
在一实施例中,生产车间配置多个生产流水线,各个生产流水线配置相同的生产环节,每个生产流水线都能够生产所有类型的产品。如生产车间配置有3个生产流水线,分别为①号生产流水线、②号生产流水线和③生产流水线,每个生产流水线都配置有6种生产环节,分别为生产环节A、生产环节B、生产环节C、生产环节D、生产环节E和生产环节F,此时生产车间中每种生产环节的数量为3。当生产产品A时,可以随机选择①号生产流水线、②号生产流水线和③生产流水线中的生产环节A、生产环节B、生产环节C和生产环节D配合运行产品A的生产步骤。
在该实施例中,产品A的生产步骤为生产流水线依次通过生产环节A生产原料,通过生产环节B对原料进行初步加工,通过生产环节C对原料进行二次加工,通过生产环节D对原料进行最后加工得到产品A。根据生产流水线配置的生产环节A、生产环节B、生产环节C、生产环节D、生产环节E和生产环节F,可将产品A的生产步骤划分为各个生产环节依次运行的子步骤,可确定子步骤A:生产环节A生产原料;子步骤B:生产环节B对原料进行初步加工;子步骤C:通过生产环节C对原料进行二次加工;子步骤D通过生产环节D对原料进行最后加工。根据子步骤的内容和生产车间中配置的生产流水线数量,可确定子步骤A对应3个生产环节A,子步骤B对应3个生产环节B,子步骤C对应3个生产环节C和子步骤D对应3个生产环节D。
S1204、根据子步骤和执行次数,生成每个子步骤对应的环节任务,并确定环节任务对应的多个生产环节。
示例性的,生产流水线执行多少次生产步骤时,相应的,生产环节也执行了对应次数的子步骤,根据生产流水线的执行次数以及生产环节对应的子步骤,可得到生产流水线生产总订购数量的产品时该子步骤对应的生产环节需要完成的环节任务。可理解的,环节任务对应的生产环节是指生产车间中可以处理该环节任务的所有环节任务,如①号生产流水线、②号生产流水线和③生产流水线中的生产环节A都是子步骤A的生产任务对应的生产环节。
S130、将环节任务和对应的多个生产环节输入预先训练的订单分配模型,得到订单分配模型输出的处理环节任务的生产环节以及任务处理顺序。
其中,订单分配模型是指用于分配处理各个环节任务的生产环节的神经网络模型。在一段时间内接收到订单信息中包括一种或多种订单产品,不管是一种订单产品还是多种订单产品,订单分配模型都会根据各个环节任务对应的生产环节,合理分配处理环节任务的生产环节和任务处理顺序,以缩短任务处理时间并降低任务处理错误率。
在一实施例中,订单信息只包括一种订单产品,则根据该订单产品的产品订单信息确定该订单产品的环节任务和对应的多个生产环节。将环节任务和对应的多个生产环节输入订单分配模型中,得到订单分配模型输出的处理各个环节任务的生产环节以及任务处理顺序。在该实施例中,当生产车间中的生产流水线只生产一种产品时,订单分配模型一般会输出生产车间中的三个生产流水线上的生产环节平均分配对应的环节任务。相同生产环节的任务处理顺序相同,不同生产环节的任务处理顺序按照环节任务对应的子步骤在生产步骤中的执行顺序进行排序。
在另一实施例中,订单信息包括多种订单产品时,则确定各个订单产品的产品订单信息,并根据产品订单信息确定对应订单产品的环节任务和环节任务对应的多个生产环节。将所有产品订单信息对应的环节任务和对应的生产环节输入订单分配模型,通过订单分配模型从环节任务对应的多个生产环节中确定处理环节任务的生产环节以及任务处理顺序。示例性的,假设订单信息包括产品A、产品B和产品C三种订单产品,产品A对应的环节任务包括环节任务AA、环节任务AB、环节任务AC和环节任务AD。其中,环节任务AA对应的生产环节为①号生产流水线、②号生产流水线和③生产流水线中的生产环节A,环节任务AB对应的生产环节为①号生产流水线、②号生产流水线和③生产流水线中的生产环节B,以此类推环节任务AC和环节任务AD对应的生产环节。产品B对应的环节任务包括环节任务BA、环节任务BB、环节任务BE和环节任务BF,产品C对应的环节任务包括环节任务CC、环节任务CD、环节任务CE和环节任务CF,同产品A一样可类推产品B和产品C的各个环节任务对应的生产环节。将产品A、产品B和产品C的环节任务和对应的生产环节输入订单分配模型,订单分配模型在环节任务对应子步骤的执行顺序的约束下,根据各个环节任务的任务量确定处理各个环节任务的生产环节和任务处理顺序,其中,任务量由对应子步骤每执行一次所需的时间和环节任务中的执行次数计算得到。示例性的,假设产品A的环节任务对应子步骤的执行顺序依次为AA、AB、AC和AD,产品B的环节任务对应子步骤的执行顺序依次为BA、BB、BE和BF,产品C的环节任务对应子步骤的执行顺序依次为CC、CD、CE和CF。①号生产流水线、②号生产流水线和③生产流水线中的生产环节A分别为A1、A2和A3,生产环节B分别为B1、B2和B3,生产环节C分别为C1、C2和C3。环节任务AA、环节任务BA和环节任务CC均位于对应执行顺序中的首位,因此三个环节任务可以同时开始处理。按照环节任务对应子步骤的先后执行顺序,确定环节任务对应的先后处理顺序,如环节任务AB的处理顺序在环节任务AA之后,环节任务BB的处理顺序在环节任务BA之后,环节任务CD的处理顺序在环节任务CC之后,同理可推得其他环节任务的处理顺序。
进一步的,由于环节任务AA和环节任务BA是同时开始处理的,且两个环节任务对应的生产环节相同,订单分配模型需要根据环节任务AA和环节任务BA的任务量确定处理环节任务AA和环节任务BA的生产环节。示例性的,假设环节任务AA的任务量大于环节任务BA,订单分配模型确定将环节任务AA平均分配给生产环节A1和A2,将环节任务BA分配给生产环节A3。而环节任务CC与同时处理的环节任务AA和BA没有生产环节的冲突,可根据环节任务CC的任务量将环节任务CC分配给生产环节C1、C2和C3。同理,对于环节任务AB和环节任务BB同处于对应执行顺序中的第二位,且存在生产环节的冲突。根据环节任务AB和环节任务BB的任务量将环节任务AB和环节任务BB分配给生产环节B1、B2和B3。环节任务BE和环节任务CE同处于对应执行顺序中的第三位,且存在生产环节的冲突。根据环节任务BE和环节任务CE的任务量将环节任务BE和环节任务CE分配给生产环节E1、E2和E3,依次类推可确定处理环节任务BF和环节任务CF的生产环节。
需要说明的是,不同产品不同执行顺序的环节任务也会存在生产环节上的冲突,如当环节任务AB已完成处理,按照任务处理顺序环节任务AC此时需要由生产环节C1、C2和C3中的至少一个处理,但可能此时环节任务CC还未处理完,因此环节任务AC需要等待生产环节C1、C2和C3将环节任务CC处理完。对于此种情况,订单分配模型可以估计环节任务AA和环节任务AB的处理时间,根据该处理时间分配生产环节C1、C2和C3处理环节任务CC的任务量,以在环节任务AB完成处理后,空余出生产环节C1、C2和/或C3来处理环节任务AC,避免环节任务长时间的等待处理。
在一实施例中,订单分配模型由通过多组样本数据对预设的神经网络模型进行训练得到,每组样本数据包括多个样本产品订单信息对应的样本环节任务和样本环节任务对应的生产环节,处理样本环节任务的生产环节和任务处理顺序,生产环节处理样本环节任务时的任务处理时间和任务处理错误率。示例性的,将所有样本产品订单信息的样本环节任务和对应的生产环节输入神经网络模型,得到神经网络模型输出的结果。将该结果与生产环节处理样本环节任务时的任务处理时间和任务处理错误率代入预设的损失函数,得到损失函数输出的结果。根据损失函数输出的结果优化神经网络模型的权重系数。在对神经网络模型训练的次数达到一定次数后,完成训练得到订单分配模型。需要说明的,上述的任务处理时间不仅包括生产环节处理环节任务所需的处理时间,还包括环节任务等待生产环节处理的等待时间。任务处理错误率是指生产环节处理环节任务时出现错误的比例,任务处理错误率越高,任务处理时间越长,任务处理时间越长则表明对应环节任务的分配越不合理。因此任务处理时间和任务处理错误率是订单分配模型输出最优任务分配结果的依据。
在该实施例中,图4是本申请实施例提供的根据处理结果调整任务分配结果的流程图。如图4所示,根据处理结果调整任务分配结果的步骤具体包括S1301-S1302:
S1301、获取订单分配模型输出的样本环节任务对应的任务处理时间和任务处理错误率。
S1302、确定任务处理时间或任务处理错误率满足对应的预设阈值时,调整生产环节处理的环节任务和任务处理顺序。
示例性的,订单分配模型输出的任务分配结果包括处理各个环节任务的生产环节和任务处理顺序,订单分配模型输出的处理结果包括生产环节处理对应的环节任务时的任务处理时间和任务处理错误率。订单分配模型输出的任务处理时间和任务处理错误率可理解为订单分配模型认为的在最优任务分配下处理环节任务所需的最短任务处理时间和最低任务处理错误率。
但是订单分配模型认为的最短任务处理时间和最低任务处理错误率不一定满足用户期望。示例性的,预设阈值可理解为用户期望的任务处理时间和任务处理错误率的最大值,当订单分配模型输出的任务处理时间大于对应的预设阈值或者订单分配模型输出的任务处理错误率大于对应的预设阈值时,则表明订单分配模型认为的最短任务处理时间太长或最低任务处理错误率太高,不满足用户期望。因此当确定任务处理时间或任务处理错误率大于对应的预设阈值时,由人工对生产环节处理的环节任务和任务处理顺序进行调整,以优化任务分配结果。
S140、按照任务处理顺序控制生产环节处理对应的环节任务。
在一实施例中,产品生产子系统配置有总控制器,通过总控制器来控制各个生产环节处理对应的环节任务。示例性的,假设产品D对应的各个环节任务依次由生产环节A1、生产环节B2、生产环节C3和生产环节D4处理。总控制器在确定生产环节A1处理完对应的当前环节任务后,控制生产环节A1处理产品订购信息对应的环节任务。其中,当前环节任务可理解为当生产环节接收到某一产品的环节任务时还在处理的环节任务。进一步的,在生产环节A1处理一段时间的产品订购信息对应的环节任务且确定生产环节B2处理完对应的当前环节任务后,控制生产环节B2处理产品订购信息对应的环节任务。同理可得后续的控制过程为,按照产品D的各个环节任务的任务处理顺序,在上一生产环节处理一段时间的产品订购信息对应的环节任务且本轮生产环节处理完对应的当前环节任务后,控制本轮生产环节处理产品订购信息对应的环节任务。需要说明的,等待上一生产环节处理一段时间的产品订购信息对应的环节任务是因为本轮生产环节需要对上一生产环节输出的产品进行加工。
在另一实施例中,产品生产子系统中的每个生产环节都配置一个控制器,总控制器和控制器之间建立通信连接。总控制器将环节任务和任务处理顺序发送至对应生产环节的控制器,以使控制器根据任务处理顺序控制生产环节处理环节任务。示例性的,控制器接收到管理的生产环节对应的环节任务和任务处理顺序后,如果控制器负责的生产环节是任务处理顺序中的第一个,则在确定该生产环节处理完当前环节任务后,控制对应的生产环节开始处理对应的环节任务。处理一段时间的环节任务后,按照同一产品的环节任务的任务处理顺序,向下一生产环节的控制器发送通知信息,以告知下一生产环节的控制器可开始处理对应的环节任务。如果控制器负责的生产环节不是任务处理顺序中的第一个,则在确定对应的生产环节处理完当前环节任务以及接收到上一生产环节的控制器发送的通知信息后,控制对应的生产环节开始处理对应的环节任务,并在处理一段时间的环节任务后向下一生产环节的控制器发送通知信息。
综上,本申请实施例提供的基于网络模型的订单处理方法,通过根据订单信息中的订单产品,将订单信息划分为各种订单产品对应的产品订单信息;根据产品订单信息确定对应订单产品的生产任务,按照生产流水线配置的生产环节将生产任务拆分为各个生产环节对应的环节任务,一个环节任务对应多个生产环节;将环节任务和对应的多个生产环节输入预先训练的订单分配模型,得到订单分配模型输出的处理环节任务的生产环节以及任务处理顺序;按照任务处理顺序控制生产环节处理对应的环节任务。通过上述技术手段,通过预先训练好的订单分配模型确定处理各个环节任务的生产环节以及任务处理顺序,优化了环节任务的分配机制,缩短任务处理时间并降低任务处理错误率,避免处理错误导致的订单处理停滞,提高了订单处理效率。
在上述实施例的基础上,图5为本申请一个实施例提供的一种基于网络模型的订单处理装置的结构示意图。参考图5,本实施例提供的基于网络模型的订单处理装置具体包括:订单分类模块21、任务分类模块22、任务分配模块23和产品生产模块24。
其中,订单分类模块,被配置为根据订单信息中的订单产品,将订单信息划分为各种订单产品对应的产品订单信息;
任务分类模块,被配置为根据产品订单信息确定对应订单产品的生产任务,按照生产流水线配置的生产环节将生产任务拆分为各个生产环节对应的环节任务,一个环节任务对应多个生产环节;
任务分配模块,被配置为将环节任务和对应的多个生产环节输入预先训练的订单分配模型,得到订单分配模型输出的处理环节任务的生产环节以及任务处理顺序;
产品生产模块,被配置为按照任务处理顺序控制生产环节处理对应的环节任务。
在上述实施例的基础上,产品订单信息包括订单产品的产品类型和订购数量;在订单分类模块中,根据订单信息确定对应订单产品的生产任务包括:
根据产品类型确定订单产品的生产步骤,并根据订购数量确定生产步骤的执行次数;
根据生产步骤和对应的执行次数生成订单产品的生产任务。
在上述实施例的基础上,在任务分类模块中,生产流水按照生产流水线配置的生产环节将生产任务拆分为各个生产环节分别对应的环节任务包括:
根据生产流水线配置的生产环节将生产步骤拆分成多个子步骤,并确定每个子步骤对应的多个生产环节;
根据子步骤和执行次数,生成每个子步骤对应的环节任务,并确定环节任务对应的多个生产环节。
在上述实施例的基础上,在任务分配模块中,将环节任务和对应的多个生产环节输入预先训练的订单分配模型,得到订单分配模型输出的处理环节任务的生产环节以及任务处理顺序包括:
将所有产品订单信息对应的环节任务和对应的生产环节输入订单分配模型,通过订单分配模型从环节任务对应的多个生产环节中确定处理环节任务的生产环节以及任务处理顺序。
在上述实施例的基础上,订单分配模型由通过多组样本数据对预设的神经网络模型进行训练得到,每组样本数据包括多个样本产品订单信息对应的样本环节任务和样本环节任务对应的生产环节,处理样本环节任务的生产环节和任务处理顺序,生产环节处理样本环节任务时的任务处理时间和任务处理错误率。
在上述实施例的基础上,基于网络模型的订单处理装置还包括:处理结果获取模块,被配置为获取订单分配模型输出的样本环节任务对应的任务处理时间和任务处理错误率;分配结果调整模块,被配置为确定任务处理时间或任务处理错误率满足对应的预设阈值时,调整生产环节处理的环节任务和任务处理顺序。
在上述实施例的基础上,在产品生产模块中,按照任务处理顺序控制生产环节处理对应的环节任务包括:
将环节任务和任务处理顺序发送至对应生产环节的控制器,以使控制器根据任务处理顺序控制生产环节处理环节任务。
综上,本申请实施例提供的基于网络模型的订单处理装置,通过根据订单信息中的订单产品,将订单信息划分为各种订单产品对应的产品订单信息;根据产品订单信息确定对应订单产品的生产任务,按照生产流水线配置的生产环节将生产任务拆分为各个生产环节对应的环节任务,一个环节任务对应多个生产环节;将环节任务和对应的多个生产环节输入预先训练的订单分配模型,得到订单分配模型输出的处理环节任务的生产环节以及任务处理顺序;按照任务处理顺序控制生产环节处理对应的环节任务。通过上述技术手段,通过预先训练好的订单分配模型确定处理各个环节任务的生产环节以及任务处理顺序,优化了环节任务的分配机制,缩短任务处理时间并降低任务处理错误率,避免处理错误导致的订单处理停滞,提高了订单处理效率。
本申请实施例提供的基于网络模型的订单处理装置可以用于执行上述实施例提供的基于网络模型的订单处理方法,具备相应的功能和有益效果。
本申请实施例提供了一种基于网络模型的订单处理设备,参照图6,该基于网络模型的订单处理设备包括:处理器31、存储器32、通信模块33、输入装置34及输出装置35。该基于网络模型的订单处理设备中处理器的数量可以是一个或者多个,该基于网络模型的订单处理设备中的存储器的数量可以是一个或者多个。该基于网络模型的订单处理设备的处理器、存储器、通信模块、输入装置及输出装置可以通过总线或者其他方式连接。
存储器32作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本申请任意实施例所述的基于网络模型的订单处理方法对应的程序指令/模块(例如,基于网络模型的订单处理装置中的订单分类模块21、任务分类模块22、任务分配模块23和产品生产模块24)。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信模块33用于进行数据传输。
处理器31通过运行存储在存储器中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的基于网络模型的订单处理方法。
输入装置34可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置35可包括显示屏等显示设备。
上述提供的基于网络模型的订单处理设备可用于执行上述实施例提供的基于网络模型的订单处理方法,具备相应的功能和有益效果。
本申请实施例还提供一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行一种基于网络模型的订单处理方法,该基于网络模型的订单处理方法包括:根据订单信息中的订单产品,将订单信息划分为各种订单产品对应的产品订单信息;根据产品订单信息确定对应订单产品的生产任务,按照生产流水线配置的生产环节将生产任务拆分为各个生产环节对应的环节任务,一个环节任务对应多个生产环节;将环节任务和对应的多个生产环节输入预先训练的订单分配模型,得到订单分配模型输出的处理环节任务的生产环节以及任务处理顺序;按照任务处理顺序控制生产环节处理对应的环节任务。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的第一计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的基于网络模型的订单处理方法,还可以执行本申请任意实施例所提供的基于网络模型的订单处理方法中的相关操作。
上述实施例中提供的基于网络模型的订单处理装置、设备及存储介质可执行本申请任意实施例所提供的基于网络模型的订单处理方法,未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的基于网络模型的订单处理方法。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由权利要求的范围决定。
Claims (10)
1.一种基于网络模型的订单处理方法,其特征在于,包括:
根据订单信息中的订单产品,将所述订单信息划分为各种订单产品对应的产品订单信息;
根据所述产品订单信息确定对应订单产品的生产任务,按照生产流水线配置的生产环节将所述生产任务拆分为各个生产环节对应的环节任务,一个环节任务对应多个生产环节;
将所述环节任务和对应的多个生产环节输入预先训练的订单分配模型,得到所述订单分配模型输出的处理所述环节任务的生产环节以及任务处理顺序;
按照所述任务处理顺序控制所述生产环节处理对应的环节任务。
2.根据权利要求1所述的方法,其特征在于,所述产品订单信息包括订单产品的产品类型和订购数量;
相应的,所述根据订单信息确定对应订单产品的生产任务包括:
根据所述产品类型确定所述订单产品的生产步骤,并根据所述订购数量确定所述生产步骤的执行次数;
根据所述生产步骤和对应的执行次数生成所述订单产品的生产任务。
3.根据权利要求2所述的方法,其特征在于,所述生产流水所述按照生产流水线配置的生产环节将所述生产任务拆分为各个生产环节分别对应的环节任务包括:
根据所述生产流水线配置的生产环节将所述生产步骤拆分成多个子步骤,并确定每个所述子步骤对应的多个生产环节;
根据所述子步骤和所述执行次数,生成每个所述子步骤对应的环节任务,并确定所述环节任务对应的多个生产环节。
4.根据权利要求1所述的方法,其特征在于,所述将所述环节任务和对应的多个生产环节输入预先训练的订单分配模型,得到所述订单分配模型输出的处理所述环节任务的生产环节以及任务处理顺序包括:
将所有产品订单信息对应的环节任务和对应的生产环节输入所述订单分配模型,通过所述订单分配模型从所述环节任务对应的多个生产环节中确定处理所述环节任务的生产环节以及任务处理顺序。
5.根据权利要求4所述的方法,其特征在于,所述订单分配模型由通过多组样本数据对预设的神经网络模型进行训练得到,每组所述样本数据包括多个样本产品订单信息对应的样本环节任务和所述样本环节任务对应的生产环节,处理所述样本环节任务的生产环节和任务处理顺序,所述生产环节处理所述样本环节任务时的任务处理时间和任务处理错误率。
6.根据权利要求5所述的方法,其特征在于,所述将所有产品订单信息对应的环节任务和对应的生产环节输入所述订单分配模型之后,还包括:
获取所述订单分配模型输出的所述样本环节任务对应的任务处理时间和任务处理错误率;
确定所述任务处理时间或所述任务处理错误率满足对应的预设阈值时,调整所述生产环节处理的环节任务和任务处理顺序。
7.根据权利要求1所述的方法,其特征在于,所述按照所述任务处理顺序控制所述生产环节处理对应的环节任务包括:
将所述环节任务和所述任务处理顺序发送至对应生产环节的控制器,以使所述控制器根据所述任务处理顺序控制所述生产环节处理所述环节任务。
8.一种基于网络模型的订单处理装置,其特征在于,包括:
订单分类模块,被配置为根据订单信息中的订单产品,将所述订单信息划分为各种订单产品对应的产品订单信息;
任务分类模块,被配置为根据所述产品订单信息确定对应订单产品的生产任务,按照生产流水线配置的生产环节将所述生产任务拆分为各个生产环节对应的环节任务,一个环节任务对应多个生产环节;
任务分配模块,被配置为将所述环节任务和对应的多个生产环节输入预先训练的订单分配模型,得到所述订单分配模型输出的处理所述环节任务的生产环节以及任务处理顺序;
产品生产模块,被配置为按照所述任务处理顺序控制所述生产环节处理对应的环节任务。
9.一种电子设备,其特征在于,包括:
存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7任一所述的基于网络模型的订单处理方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7任一所述的基于网络模型的订单处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111670727.7A CN114298597A (zh) | 2021-12-31 | 2021-12-31 | 基于网络模型的订单处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111670727.7A CN114298597A (zh) | 2021-12-31 | 2021-12-31 | 基于网络模型的订单处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114298597A true CN114298597A (zh) | 2022-04-08 |
Family
ID=80974402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111670727.7A Pending CN114298597A (zh) | 2021-12-31 | 2021-12-31 | 基于网络模型的订单处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114298597A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114625625A (zh) * | 2022-05-12 | 2022-06-14 | 深圳市艾德网络科技发展有限公司 | 一种基于识别用户行为的事件时序数据处理方法及系统 |
-
2021
- 2021-12-31 CN CN202111670727.7A patent/CN114298597A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114625625A (zh) * | 2022-05-12 | 2022-06-14 | 深圳市艾德网络科技发展有限公司 | 一种基于识别用户行为的事件时序数据处理方法及系统 |
CN114625625B (zh) * | 2022-05-12 | 2022-08-05 | 深圳市艾德网络科技发展有限公司 | 一种基于识别用户行为的事件时序数据处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102254246B (zh) | 一种工作流管理方法及其系统 | |
CN107093046A (zh) | 无人配送车任务分配方法、系统和无人配送车 | |
CN110046777B (zh) | 一种柔性作业车间持续重构调度方法及装置 | |
CN103401939A (zh) | 一种采用混合调度策略的负载均衡方法 | |
CN106557482B (zh) | 一种库存系统数据更新方法及装置 | |
CN108519917A (zh) | 一种资源池分配方法和装置 | |
CN112416585A (zh) | 面向深度学习的gpu资源管理与智能化调度方法 | |
WO2021258988A1 (zh) | 分布式计算系统任务分配方法及相关设备 | |
CN108595254A (zh) | 一种查询调度方法 | |
CN114298597A (zh) | 基于网络模型的订单处理方法、装置、设备及存储介质 | |
CN106790332A (zh) | 一种资源调度方法、系统及主节点 | |
CN116070876B (zh) | 一种基于瓶颈设备能力的排产优化方法、设备及介质 | |
CN110647398A (zh) | 一种面向边缘计算的基于任务关键度和时效性的交叉口控制任务调度方法 | |
CN105373426A (zh) | 一种基于Hadoop的车联网内存感知实时作业调度方法 | |
CN112396322A (zh) | 一种基于生产计划的制程工艺单产能评估方法及系统 | |
CN115586961A (zh) | 一种ai平台计算资源任务调度方法、装置及介质 | |
CN116663639B (zh) | 一种梯度数据同步方法、系统、装置及介质 | |
TWM567403U (zh) | Smart scheduling system | |
CN114330903A (zh) | 一种移动机器人运输调度方法、装置、设备及存储介质 | |
CN101465792B (zh) | 一种数据调度方法及装置 | |
CN113935570A (zh) | 订单处理方法、装置、设备及存储介质 | |
CN101110841A (zh) | 面向服务体系结构soa下优化综合指标的混合策略方法 | |
CN109783189A (zh) | 一种静态工作流调度方法与装置 | |
CN110928648A (zh) | 融合启发式和智能计算的云工作流分段在线调度优化方法 | |
US20230059674A1 (en) | Distributed learning server and distributed learning method |
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 |