CN114611737A - 面向电力物联网的智慧供应链自适应运营决策方法 - Google Patents
面向电力物联网的智慧供应链自适应运营决策方法 Download PDFInfo
- Publication number
- CN114611737A CN114611737A CN202011416213.4A CN202011416213A CN114611737A CN 114611737 A CN114611737 A CN 114611737A CN 202011416213 A CN202011416213 A CN 202011416213A CN 114611737 A CN114611737 A CN 114611737A
- Authority
- CN
- China
- Prior art keywords
- supply chain
- intelligent
- adaptive
- data
- strategy
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000007726 management method Methods 0.000 claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 21
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 16
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 230000007246 mechanism Effects 0.000 claims abstract description 11
- 238000010801 machine learning Methods 0.000 claims abstract description 9
- 230000006872 improvement Effects 0.000 claims abstract description 7
- 238000013439 planning Methods 0.000 claims abstract description 7
- 230000002195 synergetic effect Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 6
- 230000005856 abnormality Effects 0.000 claims abstract description 5
- 230000003044 adaptive effect Effects 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 19
- 238000003066 decision tree Methods 0.000 claims description 7
- 238000007619 statistical method Methods 0.000 claims description 5
- 238000005315 distribution function Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000013278 delphi method Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013068 supply chain management Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001960 triggered effect 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- 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
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Finance (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种面向电力物联网的智慧供应链自适应运营决策方法,属数据处理领域。运用大数据和人工智能技术,结合机器学习,构建全流程智能自适应策略;建立策略执行情况统计、分析与监控,及时发现异常,进而控制策略执行偏差,构建全层级运营监控预警决策机制:形成基于大数据和人工智能技术下的智慧供应链自适应运营模式,通过具有自适应特点的机制将各类要素整合起来,发挥快速协同效应,提高内外部资源统筹能力,促进物资管理主动服务水平的提升。其通过构建集约化全环节管理策略集合和动态匹配库,将各类要素整合起来,发挥快速协同效应,提高内外部资源统筹能力,促进物资管理主动服务水平的提升。可广泛用于电网物资供应链的自适应式运营管理领域。
Description
技术领域
本发明属于数据处理领域,尤其涉及一种用于电网物资供应链的自适应运营方法。
背景技术
从电网物资供应链管理现状来看,其工程类型和物资类型繁多,物资需求呈现纷繁复杂的特点。同时,电网供应链全链条的“数字化”覆盖性不足、精准性有待提高、业务内外部数据交互不足、缺乏策略上的融合协同、全过程数据高阶分析应用基础薄弱。
供电公司各电压等级电网工程类型和物资类型繁多,物资需求呈现纷繁复杂的特点。与此同时,工程前期和施工阶段出现的各类状况对需求物资技术参数、采购提前期等造成不同程度的影响,以及来自供应商方面也存在不少不确定因素,均对公司物资供应策略选择的科学性提出了较高要求。
然而,一般来说,不同的物资需求特性、物资供应特性及物资供应过程中出现的各类状况与最优的采购供应策略之间存在某些必然的联系,依据某种算法明确这种联系,可以科学地安排相应的物资供应策略。
如何才能形成一种基于大数据和人工智能等技术下的智慧供应链自适应运营模式,构建物力集约化全环节管理策略集合和动态匹配库,打造供应链采购供应策略整体自适应的运营模式,构建电力物资供应链的良性管理体系,是实际工作中急待解决的实际问题。
发明内容
本发明所要解决的技术问题是提供一种面向电力物联网的智慧供应链自适应运营决策方法。针对业务全链条“数字化”覆盖不足、业务全链条“数字化”精准性有待提高、业务内外部缺乏策略的融合协同、全过程数据高阶分析应用基础薄弱的问题,全面构建物力集约化全环节管理策略集合和动态匹配库,形成基于大数据和人工智能等技术下的智慧供应链自适应运营模式实施方案,通过具有自适应特点的机制将各类要素整合起来,发挥快速协同效应,提高内外部资源统筹能力,促进物资管理主动服务水平的提升。
本发明的技术方案是:提供一种面向电力物联网的智慧供应链自适应运营决策方法,其特征是:
1)运用大数据和人工智能技术,统计分析以往物资采购供应经验数据,结合德尔菲法和层次分析法,建立物力集约化采购供应策略与策略项之间匹配规则。结合机器学习等,动态计算和更新后续业务管理策略,构建全流程智能自适应策略;
2)即时抓取物资计划及物资管理关键环节业务状态及相关数据,形成智慧供应链全层级运营监控预警看板;建立策略执行情况统计、分析与监控,及时发现异常,进而控制策略执行偏差,构建全层级运营监控预警决策机制:
3)全面构建物力集约化全环节管理策略集合和动态匹配库,形成基于大数据和人工智能技术下的智慧供应链自适应运营模式,通过具有自适应特点的机制将各类要素整合起来,发挥快速协同效应,提高内外部资源统筹能力,促进物资管理主动服务水平的提升。
具体的,所述的智慧供应链自适应运营模式包括“全量信息”的信息类型和“全量信息”的业务范围。
进一步的,所述的“全量信息”的信息类型包括从信息系统产生的后台数据、业务流程中产生的未加工的业务数据以及基于业务数据二次加工的管理数据;
所述的“全量信息”的业务范围包括与企业外部的上游供应商、下游客户之间产生的信息、企业内部物资管理业务条线内部产生的信息以及企业内部物资管理相关的业务信息。
具体的,所述的智慧供应链自适应运营决策方法,通过设计、形成运营可视化方案,形成物力集约化可视化业务主题库和国网对标、基层对标的指标看板。
进一步的,所述的全流程智能自适应策略,通过借助大数据、人工智能技术,统计分析物资采购供应的历史数据,针对智慧供应链的各个环节,建立具有足够适应能力的动态供应链系统模型,以建立物力集约化的采购供应策略和影响因素之间的动态对应规则,形成供应链采购供应策略整体自适应的运营模式。
进一步的,所述的全层级运营监控预警决策机制,采用“利用监控预警和统计分析工具,建立以指标体系为核心,全面监控分析供应链业务流程,实现运营辅助决策”的决策模式,制定智慧供应链决策、策略,提前预警即将违规的业务,建立物资管理统计报表分析体系,建立结果性、过程性指标体系、对物资重要信息的模拟和预测,从而为制定物资管理决策和策略提供支撑。
进一步的,所述的智慧供应链自适应运营决策方法,自动筛选历史有效数据,从大量历史数据中筛选有价值的字段数据,以形成自适应供应链系统的节点配置模型所需要的训练样本。
具体的,所述的智慧供应链自适应运营决策方法,通过优化器内的各类机器学习模型,对样本进行处理,以适应新数据,将系统性能调整到正常水平,供应链的状态发生改变。
进一步的,所述的各类机器学习模型,包括神经网络模型,决策树模型或 k-means模型。
进一步的,所述的智慧供应链自适应运营决策方法,利用决策分配器的分配作用把新输入的原始数据与知识库中的信息进行交互与匹配,形成相应的决策结果,有针对性地建立事件发生之后供应链需要采取的策略集合。同时把这批新的数据调入样本数据库,实现样本的动态更新。
与现有技术比较,本发明的优点是:
1.能够自动筛选历史有效数据:
样本包括从大量历史数据中筛选有价值的字段数据,以形成自适应供应链系统的节点配置模型所需要的训练样本;
2.自适应调节供应链系统状态:
当系统发生新变化,并且这种影响作为自适应系统的输入端,给整个供应链带来的影响较大时,会触发供应链的自适应调节过程,通过优化器内的各类机器学习模型,如神经网络模型,决策树模型,k-means模型等,对样本进行处理,以适应新数据,将系统性能调整到正常水平,供应链的状态发生改变;
3.智能动态匹配策略集合:
知识库用于存放决策所需的各类数据以及系统运行的结果,如决策树模型运行后的决策树规则等。利用决策分配器的分配作用把新输入的原始数据与知识库中的信息进行交互与匹配,形成相应的决策结果,有针对性地建立事件发生之后供应链需要采取的策略集合。同时把这批新的数据调入样本数据库,实现样本的动态更新。
附图说明
图1是本发明的总体框架示意图;
图2是本发明智慧供应链全量信息分析维度示意图;
图3是本发明智慧供应链运营全量信息分析模型示意图;
图4是本发明自适应式智慧供应链的系统基础模型示意图;
图5是本发明供应链系统自适应过程示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步说明。
一般来说,不同的物资需求特性、物资供应特性及物资供应过程中出现的各类状况与最优的采购供应策略之间存在某些必然的联系,依据某种算法明确这种联系,可以科学地安排相应的物资供应策略。而借助大数据和人工智能,不仅可以清晰地定义这种联系规则,还可以根据过程中出现的各类情况动态计算和更新供应业务管理策略,随时以最优的方式满足需求侧时效要求,从而打造供应链采购供应策略整体自适应的运营模式,构建电力物资供应链的良性管理体系。
本发明的技术方案,提出物资采购供应自适应策略的优化方案,结合相关模型研究与系统完善优化,确保采购供应策略自适应运作模式落地。通过建立策略执行情况进行统计、分析与监控,及时发现异常,进而控制策略执行偏差,同时,运用大数据聚类分析、人工智能算法,研究可行的监控预警参数和有效预警的阀值设置规则,针对策略执行偏差,为后续策略动态调整与及时响应处理提供依据与参照,提高导航的智能性、自适应性。
图1中,针对业务全链条“数字化”覆盖不足、业务全链条“数字化”精准性有待提高、业务内外部缺乏策略的融合协同、全过程数据高阶分析应用基础薄弱的问题,本发明的技术方案提出了全面构建物力集约化全环节管理策略集合和动态匹配库,形成基于大数据和人工智能等技术下的智慧供应链自适应运营模式实施方案,通过具有自适应特点的机制将各类要素整合起来,发挥快速协同效应,提高内外部资源统筹能力,促进物资管理主动服务水平的提升。
本发明的技术方案主要包括以下两个方面:
(一)全流程智能自适应策略:运用大数据和人工智能技术,统计分析以往物资采购供应经验数据,结合德尔菲法和层次分析法等,建立物力集约化采购供应策略与策略项之间匹配规则。结合机器学习等,动态计算和更新后续业务管理策略。
(二)全层级运营监控预警决策方案:即时抓取物资计划及物资管理关键环节业务状态及相关数据,形成智慧供应链全层级运营监控预警看板;建立策略执行情况统计、分析与监控,及时发现异常,进而控制策略执行偏差。
如图2所示,本发明的技术方案,从两个角度理解现代智慧供应链全量信息的内涵,一是“全量信息”的信息类型,另一个是“全量信息”的业务范围。“全量信息”的信息类型是指在物资供应链全过程中所产生的不同类型的数据类型,包括从信息系统产生的后台数据、业务流程中产生的未加工的业务数据以及基于业务数据二次加工的管理数据。“全量信息”的业务范围覆盖供应链管理全过程,包括与企业外部的上游供应商、下游客户之间产生的信息、企业内部物资管理业务条线内部产生的信息以及企业内部物资管理相关的业务信息(例如项目建设信息、概预算信息、支付信息等等)。
如图3中所示,本发明的技术方案,对“智慧供应链全量信息”进行全面界定分析,提出“利用监控预警和统计分析工具,建立以指标体系为核心,全面监控分析供应链业务流程,实现运营辅助决策”的方案设计思路,包括制定智慧供应链决策、策略,提前预警即将违规的业务,建立物资管理统计报表分析体系,建立结果性、过程性指标体系、对物资重要信息的模拟和预测从而为制定物资管理决策和策略提供支撑。
本发明的技术方案中,还涉及到设计、形成运营可视化方案,包括物力集约化可视化业务主题库和国网对标、基层对标的指标看板。
如图4中所示,采用本发明的技术方案,可以形成自适应业务模式,通过借助大数据、人工智能技术,统计分析物资采购供应的历史数据,针对智慧供应链的各个环节,建立具有足够适应能力的动态供应链系统模型,以建立物力集约化的采购供应策略和影响因素之间的动态对应规则,打造供应链采购供应策略整体自适应的运营模式。
在图5中,本发明的技术方案,采用智能动态匹配策略集合模式,知识库用于存放决策所需的各类数据以及系统运行的结果,如决策树模型运行后的决策树规则等。利用决策分配器的分配作用把新输入的原始数据与知识库中的信息进行交互与匹配,形成相应的决策结果,有针对性地建立事件发生之后供应链需要采取的策略集合。同时把这批新的数据调入样本数据库,实现样本的动态更新。
本发明的技术方案,通过全面构建物力集约化全环节管理策略集合和动态匹配库,形成基于大数据和人工智能等技术下的智慧供应链自适应运营模式实施方案,通过具有自适应特点的机制将各类要素整合起来,发挥快速协同效应,提高了内外部资源统筹能力,能够促进物资管理主动服务水平的提升。
本发明可广泛用于电网物资供应链的自适应式运营管理领域。
Claims (10)
1.一种面向电力物联网的智慧供应链自适应运营决策方法,其特征是:
1)运用大数据和人工智能技术,统计分析以往物资采购供应经验数据,结合德尔菲法和层次分析法,建立物力集约化采购供应策略与策略项之间匹配规则;结合机器学习,动态计算和更新后续业务管理策略,构建全流程智能自适应策略;
2)即时抓取物资计划及物资管理关键环节业务状态及相关数据,形成智慧供应链全层级运营监控预警看板;建立策略执行情况统计、分析与监控,及时发现异常,进而控制策略执行偏差,构建全层级运营监控预警决策机制:
3)全面构建物力集约化全环节管理策略集合和动态匹配库,形成基于大数据和人工智能等技术下的智慧供应链自适应运营模式,通过具有自适应特点的机制将各类要素整合起来,发挥快速协同效应,提高内外部资源统筹能力,促进物资管理主动服务水平的提升。
2.按照权利要求1所述的面向电力物联网的智慧供应链自适应运营决策方法,其特征是所述的智慧供应链自适应运营模式包括“全量信息”的信息类型和“全量信息”的业务范围。
3.按照权利要求2所述的面向电力物联网的智慧供应链自适应运营决策方法,其特征是所述的“全量信息”的信息类型包括从信息系统产生的后台数据、业务流程中产生的未加工的业务数据以及基于业务数据二次加工的管理数据;
所述的“全量信息”的业务范围包括与企业外部的上游供应商、下游客户之间产生的信息、企业内部物资管理业务条线内部产生的信息以及企业内部物资管理相关的业务信息。
4.按照权利要求1所述的面向电力物联网的智慧供应链自适应运营决策方法,其特征是所述的智慧供应链自适应运营决策方法,通过设计、形成运营可视化方案,形成物力集约化可视化业务主题库和国网对标、基层对标的指标看板。
5.按照权利要求1所述的面向电力物联网的智慧供应链自适应运营决策方法,其特征是所述的全流程智能自适应策略,通过借助大数据、人工智能技术,统计分析物资采购供应的历史数据,针对智慧供应链的各个环节,建立具有足够适应能力的动态供应链系统模型,以建立物力集约化的采购供应策略和影响因素之间的动态对应规则,形成供应链采购供应策略整体自适应的运营模式。
6.按照权利要求1所述的面向电力物联网的智慧供应链自适应运营决策方法,其特征是所述的全层级运营监控预警决策机制,采用“利用监控预警和统计分析工具,建立以指标体系为核心,全面监控分析供应链业务流程,实现运营辅助决策”的决策模式,制定智慧供应链决策、策略,提前预警即将违规的业务,建立物资管理统计报表分析体系,建立结果性、过程性指标体系、对物资重要信息的模拟和预测,从而为制定物资管理决策和策略提供支撑。
7.按照权利要求1所述的面向电力物联网的智慧供应链自适应运营决策方法,其特征是所述的智慧供应链自适应运营决策方法,自动筛选历史有效数据,从大量历史数据中筛选有价值的字段数据,以形成自适应供应链系统的节点配置模型所需要的训练样本。
8.按照权利要求1所述的面向电力物联网的智慧供应链自适应运营决策方法,其特征是所述的智慧供应链自适应运营决策方法,通过优化器内的各类机器学习模型,对样本进行处理,以适应新数据,将系统性能调整到正常水平,供应链的状态发生改变。
9.按照权利要求8所述的面向电力物联网的智慧供应链自适应运营决策方法,其特征是所述的各类机器学习模型,包括神经网络模型,决策树模型或k-means模型。
10.按照权利要求1所述的面向电力物联网的智慧供应链自适应运营决策方法,其特征是所述的智慧供应链自适应运营决策方法,利用决策分配器的分配作用把新输入的原始数据与知识库中的信息进行交互与匹配,形成相应的决策结果,有针对性地建立事件发生之后供应链需要采取的策略集合;同时把这批新的数据调入样本数据库,实现样本的动态更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011416213.4A CN114611737A (zh) | 2020-12-07 | 2020-12-07 | 面向电力物联网的智慧供应链自适应运营决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011416213.4A CN114611737A (zh) | 2020-12-07 | 2020-12-07 | 面向电力物联网的智慧供应链自适应运营决策方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114611737A true CN114611737A (zh) | 2022-06-10 |
Family
ID=81856618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011416213.4A Pending CN114611737A (zh) | 2020-12-07 | 2020-12-07 | 面向电力物联网的智慧供应链自适应运营决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114611737A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114971497A (zh) * | 2022-07-06 | 2022-08-30 | 国网浙江省电力有限公司金华供电公司 | 基于协同互联的物资供应链全链感知的数据处理方法 |
CN115423650A (zh) * | 2022-11-04 | 2022-12-02 | 国网浙江省电力有限公司金华供电公司 | 基于数据处理的电力物资供应链全链数据共享方法及系统 |
-
2020
- 2020-12-07 CN CN202011416213.4A patent/CN114611737A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114971497A (zh) * | 2022-07-06 | 2022-08-30 | 国网浙江省电力有限公司金华供电公司 | 基于协同互联的物资供应链全链感知的数据处理方法 |
CN114971497B (zh) * | 2022-07-06 | 2022-10-21 | 国网浙江省电力有限公司金华供电公司 | 基于协同互联的物资供应链全链感知的数据处理方法 |
CN115423650A (zh) * | 2022-11-04 | 2022-12-02 | 国网浙江省电力有限公司金华供电公司 | 基于数据处理的电力物资供应链全链数据共享方法及系统 |
CN115423650B (zh) * | 2022-11-04 | 2023-01-24 | 国网浙江省电力有限公司金华供电公司 | 基于数据处理的电力物资供应链全链数据共享方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111539583B (zh) | 一种基于数字孪生的生产过程仿真优化方法 | |
Ghaleb et al. | Real-time integrated production-scheduling and maintenance-planning in a flexible job shop with machine deterioration and condition-based maintenance | |
Yi et al. | A retailer oriented closed-loop supply chain network design for end of life construction machinery remanufacturing | |
CN109343995A (zh) | 基于多源异构数据融合、机器学习及客服机器人的智能运维分析系统 | |
CN107402921A (zh) | 识别用户行为的事件时序数据处理方法、装置及系统 | |
CN101872166A (zh) | 利用部件特定的消耗数据的过程仿真 | |
CN114611737A (zh) | 面向电力物联网的智慧供应链自适应运营决策方法 | |
CN109120428B (zh) | 一种用于风控分析的方法及系统 | |
CN110941797B (zh) | 基于业务指标的经营指标监控及趋势预测系统 | |
CN112817939A (zh) | 一种数据风控模型的构建方法及数据风控模型 | |
US8577776B2 (en) | Risk and reward assessment mechanism | |
CN114971356A (zh) | 一种电力工程项目进度预测系统及方法 | |
CN110610346A (zh) | 智能办公自动化系统工作流实例时间预测分析 | |
CN117454093A (zh) | 一种智能电源模块管理方法及系统 | |
Lin et al. | A generic methodology that aids the application of system dynamics to manufacturing system modelling | |
CN108446318A (zh) | 一种海量数据智能决策分析系统 | |
KR102499181B1 (ko) | 인공지능을 이용한 대출 상시감사지원시스템 | |
CN111105043B (zh) | 一种基于指标维度实施银行业案件和操作风险防控的方法 | |
CN108596781A (zh) | 一种电力系统数据挖掘与预测整合方法 | |
Mutschler et al. | An approach to quantify the costs of business process intelligence | |
Wang et al. | Application of mathematical modeling in management accounting | |
Jimenez et al. | A Model for Cost Deviation Analysis and Prescriptive Analytics | |
CN117973904B (zh) | 智能制造的产能分析方法及系统 | |
CN118037014B (zh) | 基于物联网的道路施工监测系统 | |
US7765139B2 (en) | Risk and reward assessment mechanism |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220610 |