CN114565255A - 一种企业集群协同的供应链管理方法及系统 - Google Patents
一种企业集群协同的供应链管理方法及系统 Download PDFInfo
- Publication number
- CN114565255A CN114565255A CN202210164907.6A CN202210164907A CN114565255A CN 114565255 A CN114565255 A CN 114565255A CN 202210164907 A CN202210164907 A CN 202210164907A CN 114565255 A CN114565255 A CN 114565255A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- information
- supply
- order
- supply chain
- 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000013068 supply chain management Methods 0.000 title claims abstract description 38
- 238000004458 analytical method Methods 0.000 claims abstract description 160
- 238000004590 computer program Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010219 correlation analysis Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 abstract description 27
- 230000008901 benefit Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 238000007726 management method Methods 0.000 description 9
- 238000011144 upstream manufacturing Methods 0.000 description 9
- 238000003062 neural network model Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000012795 verification Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000013523 data management Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000013067 intermediate product Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004898 kneading Methods 0.000 description 1
- 238000011527 multiparameter analysis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012384 transportation and delivery 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
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请公开了一种企业集群协同的供应链管理方法及系统，基于企业集群协同的供应链确定核心企业；进行企业供应链分析获得供应链相关企业信息；基于核心企业、供应链相关企业信息构建根部区块链；配置根部区块链中各区块与所有企业的对应关系；分别基于核心企业与所有供应链相关企业信息的供应关系构建供应信息分析模型；利用企业与根部区块链中的各区块的对应关系，获得与企业对应的供应信息分析模型的输出结果，基于供应链信息分析模型的输出结果对根部区块链的对应区块进行信息更新。解决现有供应链金融的发展遇到阻碍，缺乏有效的集群协同供应链管理方法，而会造成供应链各阶层企业面临着不同的金融风险，无法进行平衡有效发展的技术问题。
Description
技术领域
本申请涉及数据分析技术领域，尤其涉及一种企业集群协同的供应链管理方法及系统。
背景技术
随着金融科技的快速发展，金融业态发生了创新改变，在供应链的流转过程中，会存在金融资金的走势管理问题，如何平衡各供应阶段企业的利益对于供应链条中各企业的发展具有推动作用。供应链是生产及流通过程中，涉及将产品或服务提供给最终用户活动的上游与下游企业所形成的网链结构，它会围绕核心企业，从配套零件开始，制成中间产品以及最终产品，最后由销售网络把产品送到消费者手中的，将供应商、制造商、分销商直到最终用户连成一个整体的功能网链结构。不同供应阶段的企业面临的金融资金问题存在差异性，部分存在着冲突性，如何平衡关系进行有效管理是建立可靠的集群协同的供应链的基础和保障。
发现上述技术至少存在如下技术问题：
现有技术中供应链金融的发展遇到阻碍，缺乏有效的集群协同供应链管理方法，而会造成供应链各阶层企业面临着不同的金融风险，无法进行平衡有效发展的技术问题。
发明内容
本申请的目的是提供一种企业集群协同的供应链管理方法及系统，用以解决现有技术中供应链金融的发展遇到阻碍，缺乏有效的集群协同供应链管理方法，而会造成供应链各阶层企业面临着不同的金融风险，无法进行平衡有效发展的技术问题。
鉴于上述问题，本申请提供了一种企业集群协同的供应链管理方法及系统。
第一方面，本申请提供了一种企业集群协同的供应链管理方法，所述方法包括：基于企业集群协同的供应链，确定第一企业信息，第一企业为供应链中核心企业；根据所述第一企业信息进行企业供应链分析，获得供应链相关企业信息，所述供应链相关企业信息包括第二企业信息、第三企业信息，直到第N企业信息，其中，N为自然数；基于所述第一企业信息、所述供应链相关企业信息构建根部区块链；配置根部区块链中各区块与所有企业的对应关系；分别基于所述第一企业信息与所有供应链相关企业信息的供应关系构建供应信息分析模型；利用企业与所述根部区块链中的各区块的对应关系，获得与所述企业对应的供应信息分析模型的输出结果，其中，所述供应信息分析模型的输入数据为该企业与所述第一企业之间的供应关系信息；将所述供应信息分析模型的输出端与所述根部区块链进行连接，基于所述供应链信息分析模型的输出结果对所述根部区块链的对应区块进行信息更新。
另一方面，本申请还提供了一种企业集群协同的供应链管理系统，用于执行如第一方面所述的一种企业集群协同的供应链管理方法，所述系统包括：
第一确定单元，所述第一确定单元用于基于企业集群协同的供应链，确定第一企业信息，第一企业为供应链中核心企业；
第一获得单元，所述第一获得单元用于根据所述第一企业信息进行企业供应链分析，获得供应链相关企业信息，所述供应链相关企业信息包括第二企业信息、第三企业信息，直到第N企业信息，其中，N为自然数；
第一构建单元，所述第一构建单元用于基于所述第一企业信息、所述供应链相关企业信息构建根部区块链；
第一配置单元，所述第一配置单元用于配置根部区块链中各区块与所有企业的对应关系；
第二构建单元，所述第二构建单元用于分别基于所述第一企业信息与所有供应链相关企业信息的供应关系构建供应信息分析模型，所述供应信息分析模型包括多个，与供应链相关企业数量相对应；
第一执行单元，所述第一执行单元用于利用企业与所述根部区块链中的各区块的对应关系，获得与所述企业对应的供应信息分析模型的输出结果，其中，所述供应信息分析模型的输入数据为该企业与所述第一企业之间的供应关系信息；
第一更新单元，所述第一更新单元用于将所述供应信息分析模型的输出端与所述根部区块链进行连接，基于所述供应链信息分析模型的输出结果对所述根部区块链的对应区块进行信息更新。
第三方面，本申请还提供了一种企业集群协同的供应链管理系统，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上述第一方面所述方法的步骤。
第四方面，本申请还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一项所述的方法。
本申请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：
本申请公开了一种企业集群协同的供应链管理方法及系统，通过基于企业集群协同的供应链，确定第一企业信息，第一企业为供应链中核心企业；根据所述第一企业信息进行企业供应链分析，获得供应链相关企业信息，所述供应链相关企业信息包括第二企业信息、第三企业信息，直到第N企业信息，其中，N为自然数；基于所述第一企业信息、所述供应链相关企业信息构建根部区块链；配置根部区块链中各区块与所有企业的对应关系；分别基于所述第一企业信息与所有供应链相关企业信息的供应关系构建供应信息分析模型；利用企业与所述根部区块链中的各区块的对应关系，获得与所述企业对应的供应信息分析模型的输出结果，其中，所述供应信息分析模型的输入数据为该企业与所述第一企业之间的供应关系信息；将所述供应信息分析模型的输出端与所述根部区块链进行连接，基于所述供应链信息分析模型的输出结果对所述根部区块链的对应区块进行信息更新。达到了利用区块链去中心化、去信任的特征优势，构建以核心企业为主导的区块链供应链金融管理模式，在进行金融数据的分析时能够及时安全的得到相关数据，同时加入神经网络模型，将神经网络模型与区块链进行嵌套提高了数据运算速度同时确保了数据来源的可靠性，保障了金融分析的可靠性避免供应链中企业存在资金状态欺骗的现象，维护供应链各企业的综合利益的技术效果。从而解决了现有技术中供应链金融的发展遇到阻碍，缺乏有效的集群协同供应链管理方法，而会造成供应链各阶层企业面临着不同的金融风险，无法进行平衡有效发展的技术问题。
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
为了更清楚地说明本申请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示例性的，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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例的一种企业集群协同的供应链管理方法的流程示意图；
图2为本申请实施例一种企业集群协同的供应链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：第一确定单元11，第一获得单元12，第一构建单元13，第一配置单元14，第二构建单元15，第一执行单元16，第一更新单元17，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
本申请实施例通过提供一种企业集群协同的供应链管理方法及系统，解决了现有技术中供应链金融的发展遇到阻碍，缺乏有效的集群协同供应链管理方法，而会造成供应链各阶层企业面临着不同的金融风险，无法进行平衡有效发展的技术问题。
下面，将参考附图对本申请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。基于本申请的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。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。
本申请提供的技术方案总体思路如下：
基于企业集群协同的供应链，确定供应链中核心企业；根据核心企业进行企业供应链分析，获得供应链相关企业信息；基于所述第一企业信息、供应链相关企业信息构建根部区块链；配置根部区块链中各区块与所有企业的对应关系；分别基于所述第一企业信息与所有供应链相关企业信息的供应关系构建供应信息分析模型；利用企业与所述根部区块链中的各区块的对应关系，获得与所述企业对应的供应信息分析模型的输出结果，其中，所述供应信息分析模型的输入数据为该企业与所述第一企业之间的供应关系信息；将所述供应信息分析模型的输出端与所述根部区块链进行连接，基于所述供应链信息分析模型的输出结果对所述根部区块链的对应区块进行信息更新。达到了利用区块链去中心化、去信任的特征优势，构建以核心企业为主导的区块链供应链金融管理模式，在进行金融数据的分析时能够及时安全的得到相关数据，同时加入神经网络模型，将神经网络模型与区块链进行嵌套提高了数据运算速度同时确保了数据来源的可靠性，保障了金融分析的可靠性避免供应链中企业存在资金状态欺骗的现象，维护供应链各企业的综合利益的技术效果。
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
请参阅附图1，本申请实施例提供了一种企业集群协同的供应链管理方法，所述方法包括：
步骤S100：基于企业集群协同的供应链，确定第一企业信息，第一企业为供应链中核心企业；
具体而言，在供应链中是围绕核心企业，从配套零件开始，制成中间产品以及最终产品，最后由销售网络把产品送到消费者手中的，将供应商、制造商、分销商直到最终用户连成一个整体的功能网链结构。通常核心企业为具有核心技术的制造企业，是上下游的中心连接关系。企业集群协同的供应链为一群具有一起协同工作的计算机系统的供应链企业。
步骤S200：根据所述第一企业信息进行企业供应链分析，获得供应链相关企业信息，所述供应链相关企业信息包括第二企业信息、第三企业信息，直到第N企业信息，其中，N为自然数；
具体而言，根据第一企业信息得到与该企业进行合作的上下游企业信息，供应链相关企业信息即与第一企业在供应链关系中具有协同工作关系的各企业信息，其中包括了多家企业。如上游供应商、第一供应商、第二供应商等，下游销售商等等。
步骤S300：基于所述第一企业信息、所述供应链相关企业信息构建根部区块链；
具体而言，对于整个供应链中的各企业的链条关系建立起该供应链的区块链作为根部区块链，其中每一个企业对应了该根部区块链的一个区块，各企业的数据存储于该企业对应的区块中，每一个企业与上层之间的区块进行加密处理，同时每一个区块对应的加密验证码与上一级区块中的加密验证码相关，即第一区块具有第一加密验证码，第二区块的加密验证码为根据第一加密验证码的基础上生成的，则构成了一个共识机制，没后一个阶段接收前一个节点存储的数据后进行校验保存，从而确保数据的安全性，避免数据遭到篡改。这样供应链中的企业可以利用集群协同的供应链企业在区块链中存储的数据进行处理分析，不用与该企业进行接触，从而避免了数据存在篡改和捏造的情况。
步骤S400：配置根部区块链中各区块与所有企业的对应关系；
具体而言，根部区块链各区块与供应链各企业存在着对应关系，即根部区块链中的每一个区块对应了供应链中的一个企业。
步骤S500：分别基于所述第一企业信息与所有供应链相关企业信息的供应关系构建供应信息分析模型；
具体而言，供应链为以核心企业(第一企业)为中心的，因而围绕第一企业与供应链各企业之间的关系需要进行对应的数据分析，以避免供应链金融存在的发展阻碍，因而基于第一企业与各供应链相关企业中的供应关系建立各自分析的供应信息分析模型，企业所处的供应链阶段不同，与核心企业之间的业务往来和资金往来存在着不同的特征，利用核心企业与这些供应链中企业的业务资金往来特征进行供应信息分析模型的构建，利用相关的历史数据进行训练得到企业之间订单和资金的关系特征，从而实现输入对应的订单信息和订单参数进行对应的数据分析，给出该订单参数的分析结果。如第二企业与第一企业的关系，则利用第一企业与第二企业之间的业务往来进行对应的数据分析，构建起符合第一企业与第二企业之间业务往来关系的供应信息分析模型，利用第一企业与第二企业的历史往来数据作为训练数据，或者当第一企业与第二企业的历史数据量不足，可以利用与该企业供应关系相同的其他企业的数据进行训练。
步骤S600：利用企业与所述根部区块链中的各区块的对应关系，获得与所述企业对应的供应信息分析模型的输出结果，其中，所述供应信息分析模型的输入数据为该企业与所述第一企业之间的供应关系信息；
具体而言，每一个企业与核心企业均存在着对应的交易特征、资金流动特征，因而针对每个企业与核心企业之间的历史订单特征和订单参数的关系进行训练，完成对应企业的供应信息分析模型，将该企业的供应信息分析模型与该企业对应的根部区块链的区块节点进行连接，将该企业的供应信息分析模型的输出结果对该企业的区块中的信息进行更新和完善。其中，各企业的供应信息分析模型均为经过学习和训练收敛的神经网络模型，通过对历史数据的训练和学习形成能够对输入的企业之间的订单信息和订单参数进行分析处理，输出该企业关系中的订单参数分析结果。举例而言，当前需要分析的是核心企业与销售商之间的资金业务关系，第三企业为第一企业供应链中的销售商，则根据第一企业与第三企业之间训练收敛得到的供应信息分析模型，利用该模型对第一企业、第三企业相关的订单和参数作为输入数据进行分析处理，该模型输出的结果即为第一企业、第三企业订单参数的分析结果。
步骤S700：将所述供应信息分析模型的输出端与所述根部区块链进行连接，基于所述供应链信息分析模型的输出结果对所述根部区块链的对应区块进行信息更新。
具体而言，将对应企业的供应信息分析模型与对应的区块链节点进行连接，实现神经网络模型与区块链的嵌入使用，如第一企业与第三企业的供应信息分析模型则接入至第三企业对应的根部区块链的区块节点中，利用该企业的输出对第三企业的区块内容进行存储和更新。同时所有企业具有第一企业存在关联，则每一个企业关联中的输出结果均对第一企业对应的区块链中的区块进行接入存储。供应链技术广泛应用于金融行业，其具有去中心化特征，分布式存储和计算不依赖于中心化服务管理器，区块链各节点都具有共识分配的权利；具有去信任特征，区块链各节点之间无需建立信任机制，在区块链的规则中各节点之间无法存在欺骗。利用区块链去中心化、去信任的特征优势，构建以核心企业为主导的区块链供应链金融管理模式，在进行金融数据的分析时能够及时安全的得到相关数据，同时加入神经网络模型，根据供应链中各企业的数据实现真实可靠的综合分析，有效进行发展阻碍因素的分析，将神经网络模型与区块链进行嵌套提高了数据运算速度同时确保了数据来源的可靠性，保障了金融分析的可靠性避免供应链中企业存在资金状态欺骗的现象，能够维护供应链各企业的综合利益，使得供应链中各企业实现平衡发展的技术效果，从而解决了现有技术中供应链金融的发展遇到阻碍，缺乏有效的集群协同供应链管理方法，而会造成供应链各阶层企业面临着不同的金融风险，无法进行平衡有效发展的技术问题。
进一步的，所述方法还包括：分别获得各企业在供应链中的订单信息，包括第一企业订单信息、第二企业订单信息、直到第N企业订单信息；分别基于所述第一企业订单信息、第二企业订单信息、直到第N企业订单信息在所述根部区块链中各自对应的区块中创建订单数据区块链，所述订单数据区块链包括第一企业订单区块链、第二企业订单区块链、直到第N企业订单区块链；根据各自企业信息分别将所述第一企业订单信息中的订单存储于所述第一企业订单区块链、将所述第N企业订单信息中的订单存储于所述第N企业订单区块链中。
具体而言，各企业在根部区块链中对应了一个专属的区块与该企业对应，该企业中还存在多个订单，在根部区块链的区块中套接各企业的订单区块链对该企业的订单进行区块链管理。即第一企业对应的区块中包括了第一企业订单区块链，第二企业在根部区块链对应的区块中还设置有第二企业订单区块链，在根部区块链中对供应链中各企业进行数据管理，在各区块中的企业订单区块链是对该企业中各订单的分布式存储管理，其中可以包括与第一企业的关联订单，还可以包括除第一企业之外其他企业的关联订单，对于不同的企业设定不同的加密验证码，可以进行对应不同的集群协同供应链管理系统。达到了扩展性和应用性强的技术效果，便于企业进行订单的全面有效管理的技术效果。
进一步的，所述方法还包括：基于所述第一企业信息、所述第二企业信息，获得所述第一企业订单区块链、第二企业订单区块链、第一企业与第二企业对应的第一供应信息分析模型；获得待分析参数信息；基于所述待分析参数信息从所述第一企业订单区块链、所述第二企业订单区块链，分别获得第一企业待分析信息、第二企业待分析信息；将所述第一企业待分析信息、所述第二企业待分析信息输入所述第一供应信息分析模型，获得第一参数分析结果。
进一步的，所述方法还包括：根据所述第一企业信息、所述第二企业信息，获得第一企业关系；根据第一企业关系，获得第一企业相关订单、第二企业相关订单；基于所述第一企业相关订单、所述第二企业相关订单从所述第一企业订单区块链、所述第二企业订单区块链中，获得第一待分析订单、第二待分析订单；基于所述待分析参数信息从所述第一待分析订单、第二待分析订单中提取所述第一企业待分析信息、所述第二企业待分析信息。
具体而言，对于不同的供应链阶段的企业面对着不同的金融问题，如上游企业可能面临应收账款回收额、回收时间等问题，下游企业可能面临商品价值以及变现等问题，在进行金融问题分析时对应的订单参数也存在不同，因而在进行分析时，不同企业的关系对应了不同的分析参数，同时对于相同的分析参数对应不同的企业供应关系也存在着不同的数据要求。根据需要分析的参数即待分析参数信息，和确定的企业关系，如第一企业、第二企业为采购商和制造商的关系，需要分析他们的资金关系，按照他们的供应链关系，确定他们之间的订单数据，从各自的企业订单区块链中得到对应的订单信息，第一待分析订单、第二待分析订单即为满足第一企业、第二企业之间的企业关系的订单信息，即第一企业为制造商的订单，第二企业为采购商的订单，在第一待分析订单中进行待分析参数相关数据的提取，从而得到第一企业待分析订单中符合待分析参数的数据信息为第一企业待分析信息，同理第二企业待分析信息为第二企业符合要求的订单即第二待分析订单中对满足待分析参数要求进行提取的相关数据。应理解，第二企业为与第一企业具有供应链关系的任一家企业，不做具体类型的限定，可以为供应商也可以为销售商等等。举例而言，面对上游企业需要进行收账分析，需要根据第一企业与第二企业之间的订单往来确定资金数据和往来，同时还可以第一企业的出货订单数据进行调取分析，得到第一企业与第二企业存在的资金问题同时可以判断第一企业是否存在账目欺骗等问题，第二企业无需通过第一企业可以直接进行数据的分析处理，确保自身的利益和资金状态，同样的第一企业也可以利用与下游企业的订单和参数要求的分析从下游企业的区块链中进行下游企业的数据分析，以保障自身资金和状态的安全，在该集群协同供应链管理系统的各企业均可以对自己资金和金融相关的数据进行提取和分析，实现各企业的协同和共同发展，通过利用区块链去中心化、去信任的特征优势，达到在进行金融数据的分析时能够及时安全的得到相关数据，保障了金融分析的可靠性避免供应链中企业存在资金状态欺骗的现象，能够维护供应链各企业的综合利益，使得供应链中各企业实现平衡发展的技术效果。
进一步的，所述方法还包括：获得第二参数分析结果，所述第二参数分析结果为第一企业与第三企业进行相关订单分析的结果；以此类推，获得第N-1参数分析结果，所述第N-1参数分析结果为第一企业与第N企业进行相关订单分析的结果；根据所述第一参数分析结果、第二参数分析结果、直到所述第N-1参数分析结果进行关联性分析，获得关联性分析结果；根据所述第一企业与其他各企业之间的业务关联性，确定业务参数权重；基于所述关联性分析结果、所述业务参数权重进行参数分析结果的综合计算，获得参数综合分析结果。
进一步的，所述方法还包括：判断所述参数综合分析结果是否超出参数预设要求；当超出时，获得第一提醒信息，所述第一提醒信息包括参数综合分析结果、参数预设要求、参数调整建议。
具体而言，除了对于供应链中各企业能够进行对应的关注参数的分析外，还能够进行整个供应链的金融发展问题的分析，通过设定对应的待分析参数信息，对供应链中所有企业或者选取相关几个企业进行待参数分析，选取与该参数相关的订单数据通过供应信息分析模型进行智能处理分析，得到每一个企业在供应链中的分析结果，利用整个供应链链条中的业务关系和资金特征，对供应链得到的所有参数分析结果进行综合分析，在进行综合发展时，按照不同企业在该参数中对应的权重进行设定，利用权重值和各企业的分析结果进行加权计算，得到该供应链中对应参数的综合情况，从而进行该参数对应的资金问题的预测，当出现了整个供应链的资金参数问题时，需要进行提醒，提取各相关企业存在的问题，根据各企业在供应链中的关系和参数结果进行该供应链资金参数的调整建议，为供应链中各企业的金融风险进行控制，同时利用供应链中的业务关系、资金特征进行参数调整建议，如第一企业作为核心企业对资金参数对应的生产指标按照上游供应商和下游销售商的参数特征进行对应的调整，以平衡自身和上游或者下游之间的资金关系，避免自身资金压力也平衡上游或者下游的资金压力，从而实现综合发展的效果，达到了建立在集群协同供应链管理系统区块链去中心化、去信任的特征优势上，确保各企业数据的真实可靠性，为供应链综合参数的分析和调整提供了保障，同时为供应链提供了可靠的数据管理，有利于平衡供应链中各企业的金融利益关系，实现供应链企业的稳步健康发展。利用可靠的数据进行企业的发展方向或者金融政策的确定，能够为企业进行准确决策提供保障，若建立在虚假数据上进行金融策略的确定，如增加资金投入等，会造成决策错误而存在金融风险，因而利用集群协同的供应链管理方法还具有有效为企业的发展提供指导、规避金融风险的效果。
进一步的，所述方法还包括：根据所述待分析参数信息，获得相关参数信息；基于所述相关参数信息进行对应企业信息分析，获得相关参数分析结果；基于所述待分析参数信息的参数分析结果、所述相关参数分析结果，获得参数关联分析结果。
具体而言，除了进行单一参数的分析外，还可以进行多参数的分析，利用各参数之间的数据关系，利用集群协同的供应链管理方法中提供的各企业的参数分析结果进行综合分析处理，根据不同参数的综合分析结果，再结合各参数之间的数据关系进行综合计算，从而得到多参数的综合分析结果，进一步实现了为供应链综合参数的分析和调整提供了保障，同时为供应链提供了可靠的数据管理，有利于平衡供应链中各企业的金融利益关系，同时根据供应链综合数据的分析能够对整体的金融环境进行分析和预测，为扫清供应链中的发展阻力提供保障，当发现供应链中存在某金融参数对未来时长资金变化会产生影响会存在风险时，可以为供应链中的企业提供提醒，或者通过各供应链中企业的参数自主调整控制，降低风险的产生，从而实现供应链企业的稳步健康发展的技术效果。
实施例二
基于与前述实施例中一种企业集群协同的供应链管理方法，同样发明构思，本发明还提供了一种企业集群协同的供应链管理系统，请参阅附图2，所述系统包括：
第一确定单元11，所述第一确定单元11用于基于企业集群协同的供应链，确定第一企业信息，第一企业为供应链中核心企业；
第一获得单元12，所述第一获得单元12用于根据所述第一企业信息进行企业供应链分析，获得供应链相关企业信息，所述供应链相关企业信息包括第二企业信息、第三企业信息，直到第N企业信息，其中，N为自然数；
第一构建单元13，所述第一构建单元13用于基于所述第一企业信息、所述供应链相关企业信息构建根部区块链；
第一配置单元14，所述第一配置单元14用于配置根部区块链中各区块与所有企业的对应关系；
第二构建单元15，所述第二构建单元15用于分别基于所述第一企业信息与所有供应链相关企业信息的供应关系构建供应信息分析模型，所述供应信息分析模型包括多个，与供应链相关企业数量相对应；
第一执行单元16，所述第一执行单元16用于利用企业与所述根部区块链中的各区块的对应关系，获得与所述企业对应的供应信息分析模型的输出结果，其中，所述供应信息分析模型的输入数据为该企业与所述第一企业之间的供应关系信息；
第一更新单元17，所述第一更新单元17用于将所述供应信息分析模型的输出端与所述根部区块链进行连接，基于所述供应链信息分析模型的输出结果对所述根部区块链的对应区块进行信息更新。
进一步的，所述系统还包括：
第二获得单元，所述第二获得单元用于分别获得各企业在供应链中的订单信息，包括第一企业订单信息、第二企业订单信息、直到第N企业订单信息；
第二执行单元，所述第二执行单元用于分别基于所述第一企业订单信息、第二企业订单信息、直到第N企业订单信息在所述根部区块链中各自对应的区块中创建订单数据区块链，所述订单数据区块链包括第一企业订单区块链、第二企业订单区块链、直到第N企业订单区块链；
第一存储单元，所述第一存储单元用于根据各自企业信息分别将所述第一企业订单信息中的订单存储于所述第一企业订单区块链、将所述第N企业订单信息中的订单存储于所述第N企业订单区块链中。
进一步的，所述系统还包括：
第三获得单元，所述第三获得单元用于基于所述第一企业信息、所述第二企业信息，获得所述第一企业订单区块链、第二企业订单区块链、第一企业与第二企业对应的第一供应信息分析模型；
第四获得单元，所述第四获得单元用于获得待分析参数信息；
第五获得单元，所述第五获得单元用于基于所述待分析参数信息从所述第一企业订单区块链、所述第二企业订单区块链，分别获得第一企业待分析信息、第二企业待分析信息；
第三执行单元，所述第三执行单元用于将所述第一企业待分析信息、所述第二企业待分析信息输入所述第一供应信息分析模型，获得第一参数分析结果。
进一步的，所述系统还包括：
第六获得单元，所述第六获得单元用于根据所述第一企业信息、所述第二企业信息，获得第一企业关系；
第七获得单元，所述第七获得单元用于根据第一企业关系，获得第一企业相关订单、第二企业相关订单；
第八获得单元，所述第八获得单元用于基于所述第一企业相关订单、所述第二企业相关订单从所述第一企业订单区块链、所述第二企业订单区块链中，获得第一待分析订单、第二待分析订单；
第一提取单元，所述第一提取单元用于基于所述待分析参数信息从所述第一待分析订单、第二待分析订单中提取所述第一企业待分析信息、所述第二企业待分析信息。
进一步的，所述系统还包括：
第九获得单元，所述第九获得单元用于获得第二参数分析结果，所述第二参数分析结果为第一企业与第三企业进行相关订单分析的结果；
第四执行单元，所述第四执行单元用于以此类推，获得第N-1参数分析结果，所述第N-1参数分析结果为第一企业与第N企业进行相关订单分析的结果；
第十获得单元，所述第十获得单元用于根据所述第一参数分析结果、第二参数分析结果、直到所述第N-1参数分析结果进行关联性分析，获得关联性分析结果；
第二确定单元，所述第二确定单元用于根据所述第一企业与其他各企业之间的业务关联性，确定业务参数权重；
第十一获得单元，所述第十一获得单元用于基于所述关联性分析结果、所述业务参数权重进行参数分析结果的综合计算，获得参数综合分析结果。
进一步的，所述系统还包括：
第一判断单元，所述第一判断单元用于判断所述参数综合分析结果是否超出参数预设要求；
第十二获得单元，所述第十二获得单元用于当超出时，获得第一提醒信息，所述第一提醒信息包括参数综合分析结果、参数预设要求、参数调整建议。
进一步的，所述系统还包括：
第十三获得单元，所述第十三获得单元用于根据所述待分析参数信息，获得相关参数信息；
第十四获得单元，所述第十四获得单元用于基于所述相关参数信息进行对应企业信息分析，获得相关参数分析结果；
第十五获得单元，所述第十五获得单元用于基于所述待分析参数信息的参数分析结果、所述相关参数分析结果，获得参数关联分析结果。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是预期他实施例的不同之处，前述图1实施例一中的一种企业集群协同的供应链管理方法和具体实例同样适用于本实施例的一种企业集群协同的供应链管理系统，通过前述对一种企业集群协同的供应链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企业集群协同的供应链管理系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
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企业集群协同的供应链管理方法的发明构思，本发明还提供一种企业集群协同的供应链管理系统，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企业集群协同的供应链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305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装置通信的单元。
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。
本领域内的技术人员应明白，本申请的实施例可提供为方法、装置、或计算机程序产品。因此，本申请可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外，本申请为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于：U盘、移动硬盘、只读存储器(Read-0nly Memory，简称ROM)、随机存取存储器(RandomAccessMemory，简称RAM)、磁盘存储器、只读光盘(Compact Disc Read-Only Memory，简称CD-ROM)、光学存储器等各种可以存储程序代码的介质。
本发明是参照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，则可对这些实施例进行另外的变更和修改。
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)
1.一种企业集群协同的供应链管理方法，其特征在于，所述方法包括：
基于企业集群协同的供应链，确定第一企业信息，第一企业为供应链中核心企业；
根据所述第一企业信息进行企业供应链分析，获得供应链相关企业信息，所述供应链相关企业信息包括第二企业信息、第三企业信息，直到第N企业信息，其中，N为自然数；
基于所述第一企业信息、所述供应链相关企业信息构建根部区块链；
配置根部区块链中各区块与所有企业的对应关系；
分别基于所述第一企业信息与所有供应链相关企业信息的供应关系构建供应信息分析模型；
利用企业与所述根部区块链中的各区块的对应关系，获得与所述企业对应的供应信息分析模型的输出结果，其中，所述供应信息分析模型的输入数据为该企业与所述第一企业之间的供应关系信息；
将所述供应信息分析模型的输出端与所述根部区块链进行连接，基于所述供应链信息分析模型的输出结果对所述根部区块链的对应区块进行信息更新。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
分别获得各企业在供应链中的订单信息，包括第一企业订单信息、第二企业订单信息、直到第N企业订单信息；
分别基于所述第一企业订单信息、第二企业订单信息、直到第N企业订单信息在所述根部区块链中各自对应的区块中创建订单数据区块链，所述订单数据区块链包括第一企业订单区块链、第二企业订单区块链、直到第N企业订单区块链；
根据各自企业信息分别将所述第一企业订单信息中的订单存储于所述第一企业订单区块链、将所述第N企业订单信息中的订单存储于所述第N企业订单区块链中。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
基于所述第一企业信息、所述第二企业信息，获得所述第一企业订单区块链、第二企业订单区块链、第一企业与第二企业对应的第一供应信息分析模型；
获得待分析参数信息；
基于所述待分析参数信息从所述第一企业订单区块链、所述第二企业订单区块链，分别获得第一企业待分析信息、第二企业待分析信息；
将所述第一企业待分析信息、所述第二企业待分析信息输入所述第一供应信息分析模型，获得第一参数分析结果。
4.如权利要求3所述的方法，其特征在于，所述方法还包括：
根据所述第一企业信息、所述第二企业信息，获得第一企业关系；
根据第一企业关系，获得第一企业相关订单、第二企业相关订单；
基于所述第一企业相关订单、所述第二企业相关订单从所述第一企业订单区块链、所述第二企业订单区块链中，获得第一待分析订单、第二待分析订单；
基于所述待分析参数信息从所述第一待分析订单、第二待分析订单中提取所述第一企业待分析信息、所述第二企业待分析信息。
5.如权利要求3所述的方法，其特征在于，所述方法还包括：
获得第二参数分析结果，所述第二参数分析结果为第一企业与第三企业进行相关订单分析的结果；
以此类推，获得第N-1参数分析结果，所述第N-1参数分析结果为第一企业与第N企业进行相关订单分析的结果；
根据所述第一参数分析结果、第二参数分析结果、直到所述第N-1参数分析结果进行关联性分析，获得关联性分析结果；
根据所述第一企业与其他各企业之间的业务关联性，确定业务参数权重；
基于所述关联性分析结果、所述业务参数权重进行参数分析结果的综合计算，获得参数综合分析结果。
6.如权利要求5所述的方法，其特征在于，所述方法还包括：
判断所述参数综合分析结果是否超出参数预设要求；
当超出时，获得第一提醒信息，所述第一提醒信息包括参数综合分析结果、参数预设要求、参数调整建议。
7.如权利要求5所述的方法，其特征在于，所述方法还包括：
根据所述待分析参数信息，获得相关参数信息；
基于所述相关参数信息进行对应企业信息分析，获得相关参数分析结果；
基于所述待分析参数信息的参数分析结果、所述相关参数分析结果，获得参数关联分析结果。
8.一种企业集群协同的供应链管理系统，其特征在于，所述系统包括：
第一确定单元，所述第一确定单元用于基于企业集群协同的供应链，确定第一企业信息，第一企业为供应链中核心企业；
第一获得单元，所述第一获得单元用于根据所述第一企业信息进行企业供应链分析，获得供应链相关企业信息，所述供应链相关企业信息包括第二企业信息、第三企业信息，直到第N企业信息，其中，N为自然数；
第一构建单元，所述第一构建单元用于基于所述第一企业信息、所述供应链相关企业信息构建根部区块链；
第一配置单元，所述第一配置单元用于配置根部区块链中各区块与所有企业的对应关系；
第二构建单元，所述第二构建单元用于分别基于所述第一企业信息与所有供应链相关企业信息的供应关系构建供应信息分析模型，所述供应信息分析模型包括多个，与供应链相关企业数量相对应；
第一执行单元，所述第一执行单元用于利用企业与所述根部区块链中的各区块的对应关系，获得与所述企业对应的供应信息分析模型的输出结果，其中，所述供应信息分析模型的输入数据为该企业与所述第一企业之间的供应关系信息；
第一更新单元，所述第一更新单元用于将所述供应信息分析模型的输出端与所述根部区块链进行连接，基于所述供应链信息分析模型的输出结果对所述根部区块链的对应区块进行信息更新。
9.一种企业集群协同的供应链管理系统，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，其特征在于，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。
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210164907.6A CN114565255B (zh) | 2022-02-23 | 2022-02-23 | 一种企业集群协同的供应链管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210164907.6A CN114565255B (zh) | 2022-02-23 | 2022-02-23 | 一种企业集群协同的供应链管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114565255A true CN114565255A (zh) | 2022-05-31 |
| CN114565255B CN114565255B (zh) | 2024-03-08 |
Family
ID=81712946
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210164907.6A Active CN114565255B (zh) | 2022-02-23 | 2022-02-23 | 一种企业集群协同的供应链管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114565255B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115063092A (zh) * | 2022-08-19 | 2022-09-16 | 大汉电子商务有限公司 | 基于物联网和区块链技术的订单核定系统和方法 |
| CN115081746A (zh) * | 2022-07-27 | 2022-09-20 | 烟台尚美丽家新能源有限公司 | 基于大数据的生物质原料供应链管理系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298623A (zh) * | 2019-04-23 | 2019-10-01 | 上海能链众合科技有限公司 | 一种基于区块链的供应链业务数据控制系统 |
| US20200258031A1 (en) * | 2019-02-08 | 2020-08-13 | NB Ventures, Inc., dba Global eProcure | Supply chain management system and a method of operating the same |
| CN111861709A (zh) * | 2020-07-21 | 2020-10-30 | 安徽高山科技有限公司 | 一种基于区块链的供应链金融分析方法 |
-
2022
- 2022-02-23 CN CN202210164907.6A patent/CN114565255B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200258031A1 (en) * | 2019-02-08 | 2020-08-13 | NB Ventures, Inc., dba Global eProcure | Supply chain management system and a method of operating the same |
| CN110298623A (zh) * | 2019-04-23 | 2019-10-01 | 上海能链众合科技有限公司 | 一种基于区块链的供应链业务数据控制系统 |
| CN111861709A (zh) * | 2020-07-21 | 2020-10-30 | 安徽高山科技有限公司 | 一种基于区块链的供应链金融分析方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115081746A (zh) * | 2022-07-27 | 2022-09-20 | 烟台尚美丽家新能源有限公司 | 基于大数据的生物质原料供应链管理系统及方法 |
| CN115081746B (zh) * | 2022-07-27 | 2023-04-18 | 烟台尚美丽家新能源有限公司 | 基于大数据的生物质原料供应链管理系统及方法 |
| CN115063092A (zh) * | 2022-08-19 | 2022-09-16 | 大汉电子商务有限公司 | 基于物联网和区块链技术的订单核定系统和方法 |
| CN115063092B (zh) * | 2022-08-19 | 2022-10-28 | 大汉电子商务有限公司 | 基于物联网和区块链技术的订单核定系统和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114565255B (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114565255B (zh) | 一种企业集群协同的供应链管理方法及系统 | |
| Sharda et al. | Robust manufacturing system design using multi objective genetic algorithms, Petri nets and Bayesian uncertainty representation | |
| Boella et al. | A game theoretic approach to contracts in multiagent systems | |
| CN107464025A (zh) | 基于大数据的供应链需求预测与智能决策方法 | |
| CN117875724B (zh) | 一种基于云计算的采购风险管控方法及系统 | |
| CN111667307B (zh) | 一种理财产品销量的预测方法及装置 | |
| Alzarrad et al. | Fuzzy Multicriteria Decision‐Making Model for Time‐Cost‐Risk Trade‐Off Optimization in Construction Projects | |
| CN112084218A (zh) | 一种基于区块链的云数据管理方法及系统 | |
| CN113971032B (zh) | 一种代码生成的机器学习模型全流程自动部署方法及系统 | |
| US20180260902A1 (en) | System and method for determining an optimal stopping time | |
| Hanne | Meta decision problems in multiple criteria decision making | |
| WO2024007604A1 (zh) | 一种数学模型求解方法、装置、计算设备及计算设备集群 | |
| US20240103504A1 (en) | Blockchain-enabled digital twins for industrial automation systems | |
| CN114819255B (zh) | 一种基于区块链的供应链管理方法及系统 | |
| CN114254985A (zh) | 一种基于供应链的智能金融服务方法及系统 | |
| JP7259830B2 (ja) | モデル評価装置、モデル評価方法、およびプログラム | |
| CN111798299B (zh) | 一种财务报表的账目结算方法和装置 | |
| Bai et al. | Commercial Bank Credit Grading Model Using Genetic Optimization Neural Network and Cluster Analysis | |
| CN114462861A (zh) | 一种企业定位的产业链数据分析方法及系统 | |
| Atkinson et al. | Capital-Budgeting Decisions Using" Crystal Ball" | |
| CN113592160A (zh) | 基于融合处理的用户设备的失联风险预测方法、系统和计算机设备 | |
| Say et al. | Reward potentials for planning with learned neural network transition models | |
| Thijssen | Investment under uncertainty, coalition spillovers and market evolution in a game theoretic perspective | |
| Haahtela | Simulation methods in real option valuation | |
| CN115396161B (zh) | 车辆网络安全的评估方法、装置以及云服务器 |
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 |