CN114626563B - 一种基于大数据的配件管理方法及系统 - Google Patents

一种基于大数据的配件管理方法及系统 Download PDF

Info

Publication number
CN114626563B
CN114626563B CN202210525571.1A CN202210525571A CN114626563B CN 114626563 B CN114626563 B CN 114626563B CN 202210525571 A CN202210525571 A CN 202210525571A CN 114626563 B CN114626563 B CN 114626563B
Authority
CN
China
Prior art keywords
data
maintenance
steam distribution
model
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210525571.1A
Other languages
English (en)
Other versions
CN114626563A (zh
Inventor
曾庄浚
杨上富
戎锁林
徐洪
宋越
谭智军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kaisi Times Technology Shenzhen Co ltd
Original Assignee
Kaisi Times Technology Shenzhen Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kaisi Times Technology Shenzhen Co ltd filed Critical Kaisi Times Technology Shenzhen Co ltd
Priority to CN202210798262.1A priority Critical patent/CN115130695A/zh
Priority to CN202210525571.1A priority patent/CN114626563B/zh
Priority to CN202210798261.7A priority patent/CN115081651A/zh
Publication of CN114626563A publication Critical patent/CN114626563A/zh
Application granted granted Critical
Publication of CN114626563B publication Critical patent/CN114626563B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • 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
    • G06Q10/08—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
    • 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
    • Y02P90/80—Management or planning

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Finance (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请的实施例提供了一种基于大数据的配件管理方法及系统。该基于大数据的配件管理方法包括：通过获取对各维修单位的维修数据和汽配数据，进行基于大数据的数据分析，分析得到维修单位对应的维修属性和汽配属性等信息，其中，所述维修属性包括业务类型，所述汽配属性包括汽配流转效率、高频汽配信息以及高需求汽配信息；基于上述分析结果更新所述维修单位的汽配需求，以对各维修单位的汽车配件进行统一的分配和调度，同时将汽配需求分析结果同步至上游的供应商，以提高配件的供应效率和流转效率，进而提高维修效率。

Description

一种基于大数据的配件管理方法及系统
技术领域
本申请涉及计算机及通信技术领域，具体而言，涉及一种基于大数据的配件管理方法及系统。
背景技术
汽车维修是汽车维护和修理的泛称。就是对出现故障的汽车通过技术手段排查，找出故障原因，并采取一定措施使其排除故障并恢复达到一定的性能和安全标准。在现在维修过程中，很多维修厂商会由于配件的缺少、物流等管理问题而延误维修进程，因此，上述对配件管理存在的问题将导致汽车维修效率较低、汽配利用率低的问题。
发明内容
本申请的实施例提供了一种基于大数据的配件管理方法及系统，进而至少在一定程度上可以提高配件的供应效率和流转效率，进而提高维修效率。
本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面，提供了一种基于大数据的配件管理方法，包括：获取维修单位的维修数据和汽配数据，其中，所述维修数据包括维修类型，所述汽配数据包括汽配型号及其对应的使用频率；对所述维修数据和所述汽配数据进行数据分析，得到分析结果，所述分析结果包括所述维修单位对应的维修属性和汽配属性，其中，所述维修属性包括业务类型，所述汽配属性包括汽配流转效率、高频汽配信息以及高需求汽配信息；基于所述分析结果更新所述维修单位的汽配需求；将所述汽配需求同步至汽配供应商对应的服务器。
在本申请的一些实施例中，基于前述方案，所述获取维修单位的维修数据和汽配数据，包括：基于设定的时间周期，从维修单位的数据库中获取维修数据和汽配数据；识别所述维修数据和汽配数据的数据标识；将属于同一数据标识的数据存储于一个存储单位中；识别并删除所述存储单位中的重复数据；基于所述存储单位对应的数据标识，获取设定的数据范围；基于所述数据范围检测异常数据，删除所述异常数据。
在本申请的一些实施例中，基于前述方案，所述基于所述数据范围检测异常数据，删除所述异常数据，包括：基于所述数据范围中的最小值和最大值，确定所述存储单位中的数据对应的检测参数；若所述检测参数大于或者等于设定的异常阈值，则判定所述数据为异常数据；删除所述异常数据。
在本申请的一些实施例中，基于前述方案，所述对所述维修数据和所述汽配数据进行数据分析，得到分析结果，包括：识别所述维修数据和所述汽配数据的数据类型，基于所述数据类型分别对所述维修数据和所述汽配数据进行数据合并，得到合并数据；对所述合并数据进行拟合分析，得到所述合并数据对应的分布属性；基于所述分布属性，确定所述维修单位对应的维修属性；其中，所述维修属性包括业务类型以及各业务类型对应业务规模、业务频率。
在本申请的一些实施例中，基于前述方案，所述对所述合并数据进行拟合分析，得到所述合并数据对应的分布属性，包括：对所述合并数据进行基于对数的分析，确定所述合并数据对应于各预设的概率模型的模型参数；基于模型参数及其参数均值，确定参数差值，所述参数差值用于衡量所述概率模型的准确度；基于所述参数差值确定概率模型对应的模型权重；基于各所述概率模型对应的模型权重，确定所述合并数据对应的分布属性。
在本申请的一些实施例中，基于前述方案，所述方法还包括：获取用户触发的维修需求，所述维修需求包括维修对象信息和故障信息；基于所述维修对象信息和所述故障信息，确定本次维修所需的目标汽配；从数据库中获取所述目标汽配对应的目标维修单位；将所述维修需求派发至所述目标维修单位。
在本申请的一些实施例中，基于前述方案，所述方法还包括：获取用户触发的维修需求，所述维修需求包括维修对象信息和故障信息；基于所述维修对象信息和所述故障信息，确定本次维修所需的目标汽配以及维修工具；从数据库中获取所述目标汽配和所述维修工具综合对应的目标维修单位；将所述维修需求派发至所述目标维修单位。
在本申请的一些实施例中，基于前述方案，所述分析结果包括表示库存大于设定阈值的存量配件信息；对所述维修数据和所述汽配数据进行数据分析，得到分析结果之后，还包括：查询与所述存量配件信息对应的配件需求信息；获取发布所述配件需求信息的目标维修单位；基于所述存量配件信息生成调货信息，并将所述调货信息发送至所述目标维修单位。
在本申请的一些实施例中，基于前述方案，所述将所述汽配需求同步至汽配供应商对应的服务器之后，还包括：获取所述服务器反馈的汽配生产进度和供货信息；根据所述汽配生产进度和所述供货信息，生成维修进度安排。
根据本申请实施例的一个方面，提供了一种基于大数据的配件管理系统，包括：
获取单元，用于获取维修单位的维修数据和汽配数据，其中，所述维修数据包括维修类型，所述汽配数据包括汽配型号及其对应的使用频率；
分析单元，用于对所述维修数据和所述汽配数据进行数据分析，得到分析结果，所述分析结果包括所述维修单位对应的维修属性和汽配属性，其中，所述维修属性包括业务类型，所述汽配属性包括汽配流转效率、高频汽配信息以及高需求汽配信息；
更新单元，用于基于所述分析结果更新所述维修单位的汽配需求；
同步单元，用于将所述汽配需求同步至汽配供应商对应的服务器。
在本申请的一些实施例中，基于前述方案，所述获取维修单位的维修数据和汽配数据，包括：基于设定的时间周期，从维修单位的数据库中获取维修数据和汽配数据；识别所述维修数据和汽配数据的数据标识；将属于同一数据标识的数据存储于一个存储单位中；识别并删除所述存储单位中的重复数据；基于所述存储单位对应的数据标识，获取设定的数据范围；基于所述数据范围检测异常数据，删除所述异常数据。
在本申请的一些实施例中，基于前述方案，所述基于所述数据范围检测异常数据，删除所述异常数据，包括：基于所述数据范围中的最小值和最大值，确定所述存储单位中的数据对应的检测参数；若所述检测参数大于或者等于设定的异常阈值，则判定所述数据为异常数据；删除所述异常数据。
在本申请的一些实施例中，基于前述方案，所述对所述维修数据和所述汽配数据进行数据分析，得到分析结果，包括：识别所述维修数据和所述汽配数据的数据类型，基于所述数据类型分别对所述维修数据和所述汽配数据进行数据合并，得到合并数据；对所述合并数据进行拟合分析，得到所述合并数据对应的分布属性；基于所述分布属性，确定所述维修单位对应的维修属性；其中，所述维修属性包括业务类型以及各业务类型对应业务规模、业务频率。
在本申请的一些实施例中，基于前述方案，所述对所述合并数据进行拟合分析，得到所述合并数据对应的分布属性，包括：对所述合并数据进行基于对数的分析，确定所述合并数据对应于各预设的概率模型的模型参数；基于模型参数及其参数均值，确定参数差值，所述参数差值用于衡量所述概率模型的准确度；基于所述参数差值确定概率模型对应的模型权重；基于各所述概率模型对应的模型权重，确定所述合并数据对应的分布属性。
在本申请的一些实施例中，基于前述方案，所述方法还包括：获取用户触发的维修需求，所述维修需求包括维修对象信息和故障信息；基于所述维修对象信息和所述故障信息，确定本次维修所需的目标汽配；从数据库中获取所述目标汽配对应的目标维修单位；将所述维修需求派发至所述目标维修单位。
在本申请的一些实施例中，基于前述方案，所述方法还包括：获取用户触发的维修需求，所述维修需求包括维修对象信息和故障信息；基于所述维修对象信息和所述故障信息，确定本次维修所需的目标汽配以及维修工具；从数据库中获取所述目标汽配和所述维修工具综合对应的目标维修单位；将所述维修需求派发至所述目标维修单位。
在本申请的一些实施例中，基于前述方案，所述分析结果包括表示库存大于设定阈值的存量配件信息；对所述维修数据和所述汽配数据进行数据分析，得到分析结果之后，还包括：查询与所述存量配件信息对应的配件需求信息；获取发布所述配件需求信息的目标维修单位；基于所述存量配件信息生成调货信息，并将所述调货信息发送至所述目标维修单位。
在本申请的一些实施例中，基于前述方案，所述将所述汽配需求同步至汽配供应商对应的服务器之后，还包括：获取所述服务器反馈的汽配生产进度和供货信息；根据所述汽配生产进度和所述供货信息，生成维修进度安排。
根据本申请实施例的一个方面，提供了一种计算机可读介质，其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如上述实施例中所述的基于大数据的配件管理方法。
根据本申请实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，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时，使得所述一个或多个处理器实现如上述实施例中所述的基于大数据的配件管理方法。
根据本申请实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的基于大数据的配件管理方法。
在本申请的一些实施例所提供的技术方案中，基于大数据的配件分类管理系统及方法，通过获取对各维修单位的维修数据和汽配数据，进行基于大数据的数据分析，分析得到维修单位对应的维修属性和汽配属性等信息，其中，所述维修属性包括业务类型，所述汽配属性包括汽配流转效率、高频汽配信息以及高需求汽配信息；基于上述分析结果更新所述维修单位的汽配需求，以对各维修单位的汽车配件进行统一的分配和调度，同时将汽配需求分析结果同步至上游的供应商，以提高配件的供应效率和流转效率，进而提高维修效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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。在附图中：
图1示意性示出了根据本申请的一个实施例的基于大数据的配件管理方法的流程图。
图2示意性示出了根据本申请的一个实施例的数据处理的流程图。
图3示意性示出了根据本申请的一个实施例的基于大数据的配件管理系统的框图。
图4示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
以下对本申请实施例的技术方案的实现细节进行详细阐述：
图1示出了根据本申请的一个实施例的基于大数据的配件管理方法的流程图。参照图1所示，该基于大数据的配件管理方法至少包括步骤S110至步骤S140，详细介绍如下：
在步骤S110中，获取维修单位的维修数据和汽配数据，其中，所述维修数据包括维修类型，所述汽配数据包括汽配型号及其对应的使用频率。
在本申请的一个实施例中，通过获取维修单位的维修数据和汽配数据，以对维修单位的工作情况进行数据分析。本实施例中维修数据包括维修类型、维修时间以及维修费用等等信息，汽配数据包括维修单位的维修业务对应的汽配型号，以及每种汽配型号对应的使用频率。本实施例中使用频率可以以一个月为单位、或者以周为单位。
在本申请的一个实施例中，如图2所示，获取维修单位的维修数据和汽配数据，包括：
S210，基于设定的时间周期，从维修单位的数据库中获取维修数据和汽配数据；
S220，识别所述维修数据和汽配数据的数据标识；
S230，将属于同一数据标识的数据存储于一个存储单位中；
S240，识别并删除所述存储单位中的重复数据；
S250，基于所述存储单位对应的数据标识，获取设定的数据范围；
S260，基于所述数据范围检测异常数据，删除所述异常数据。
在本申请的一个实施例中，通过预先设定时间周期来从维修单位的数据库中获取维修数据和汽配数据 ，其中，时间周期可以为一周、一月等等。之后识别维修数据和汽配数据的数据标识，可以通过检测数据类型的方式来识别得到上述数据对应的数据标识。之后将属于同一数据标识的数据存储在一个存储单位中，本实施例中的存储单位可以是一个文件夹等。通过识别一个存储单位中的数据标识相同且数值相同的数据作为重复数据，并将重复数据删除，以降低冗余数据。之后基于存储单位中的数据标识对应的数据范围，来检测异常数据，以删除其中的异常数据 。
在本申请的一个实施例中，步骤S260中，基于所述数据范围检测异常数据，删除所述异常数据，包括：
基于所述数据范围中的最小值和最大值，确定所述存储单位中的数据对应的检测参数；
若所述检测参数大于或者等于设定的异常阈值，则判定所述数据为异常数据；
删除所述异常数据。
在本申请一实施例中，基于所述数据范围中的最小值Rmin和最大值Rmax，以及存储单位中的数据的数据值val_data，确定所述存储单位中的数据对应的检测参数Par_test为：
Figure 921880DEST_PATH_IMAGE001
；其中，
Figure 989193DEST_PATH_IMAGE002
表示检测因子。
本实施例中计算得到检测参数之后，将检测参数与设定的异常阈值进行对比，若所述检测参数大于或者等于设定的异常阈值，则判定所述数据为异常数据，并进行删除。若检测参数小于异常阈值，则判定为正常数据，不做处理。
上述方式通过对获取到的数据进去除冗余和异常数据，提高了待分析数据的可靠性，进而保证之后得到的分析结果的准确性。
在步骤S120中，对所述维修数据和所述汽配数据进行数据分析，得到分析结果，所述分析结果包括所述维修单位对应的维修属性和汽配属性，其中，所述维修属性包括业务类型，所述汽配属性包括汽配流转效率、高频汽配信息以及高需求汽配信息。
在本申请的一个实施例中，对获取到的维修数据和汽配数据进行分析，以得到维修单位对应的维修属性和汽配属性。本实施例中维修属性用于表示维修单位的维修业务情况，其中可以包括业务类型、维修性价比以及适用人群等等，汽配属性用于表示维修单位的汽配情况，可以包括汽配流转效率、高频汽配信息以及高需求汽配信息等等。
在本申请的一个实施例中，步骤S120中对所述维修数据和所述汽配数据进行数据分析，得到分析结果，包括S310~S330：
S310，识别所述维修数据和所述汽配数据的数据类型，基于所述数据类型分别对所述维修数据和所述汽配数据进行数据合并，得到合并数据；
S320，对所述合并数据进行拟合分析，得到所述合并数据对应的分布属性；
S330，基于所述分布属性，确定所述维修单位对应的维修属性；其中，所述维修属性包括业务类型以及各业务类型对应业务规模、业务频率。
在本申请的一个实施例中，通过基于维修数据和汽配数据的数据类型，对属于相同或者相似类型的数据进行合并，得到合并数据，通过上述方式依旧可以降低数据冗余程度，提高数据分析效率。
在本申请的一个实施例中，步骤S320中，对所述合并数据进行拟合分析，得到所述合并数据对应的分布属性，包括：
对所述合并数据进行基于对数的分析，确定所述合并数据对应于各预设的概率模型的模型参数；
基于模型参数及其参数均值，确定参数差值，所述参数差值用于衡量所述概率模型的准确度；
基于所述参数差值确定概率模型对应的模型权重；
基于各所述概率模型对应的模型权重，确定所述合并数据对应的分布属性。
在上述实施例中，预设有至少两个概率模型，用于综合确定合并数据的分布属性。对所述合并数据进行基于对数的分析，确定所述合并数据对应于各预设的概率模型的模型参数，包括：
基于合并数据对应数据值val_data、合并数据的数据量data_n、以及概率模型的概率因子k，确定模型参数Moe_p(i)：
Figure 69145DEST_PATH_IMAGE004
其中，
Figure 812979DEST_PATH_IMAGE006
表示模型因子，i表示概率模型的标识，
Figure 486537DEST_PATH_IMAGE008
表示似然运算，
Figure 216595DEST_PATH_IMAGE010
表示对数运算。
在上述实施例中，基于模型参数
Figure 308310DEST_PATH_IMAGE012
及其参数均值
Figure 832832DEST_PATH_IMAGE014
，确定参数差值
Figure 259266DEST_PATH_IMAGE016
：
Figure 261857DEST_PATH_IMAGE018
由于不同概率模型对于合并数据的拟合程度不同，因此本实施例中通过参数均值与模型参数之间差值来作为参数差值，以通过参数差值来衡量概率模型的准确度。
在上述实施例中，通过参数差值来衡量概率模型的精确度，以通过精确度来决定模型权重，即基于参数差值确定概率模型对应的模型权重
Figure 441034DEST_PATH_IMAGE020
：
Figure 542982DEST_PATH_IMAGE022
其中，
Figure 50187DEST_PATH_IMAGE024
表示权重因子。上述方案通过参数差值来使得精确度越高的概率模型有较高的模型权重，提高数据拟合的精确度。
在上述实施例中，基于各所述概率模型对应的模型权重之后，根据各个概率模型的拟合结果，并结合其对应的模型权重，进行加权处理，以综合确定所述合并数据对应的分布属性。除此之外，还可以只通过模型权重最高的概率模型来拟合得到合并数据对应的分布属性。
在确定了合并数据对应的分布属性之后，基于分布属性和维修属性之间的对应关系，确定分布属性对应的维修属性。本实施例中的维修属性可以为大修属性、保养属性或者快修属性等等；汽配属性可以为大配件属性、高端配件属性或者保养属性等等，除此之外还可以包括汽配流转效率、高频汽配信息以及高需求汽配信息。
在本申请的一个实施例中，所述分析结果包括表示库存大于设定阈值的存量配件信息，即库存较多的配件信息。
步骤S120中，对所述维修数据和所述汽配数据进行数据分析，得到分析结果之后，还包括：
查询与所述存量配件信息对应的配件需求信息；
获取发布所述配件需求信息的目标维修单位；
基于所述存量配件信息生成调货信息，并将所述调货信息发送至所述目标维修单位。
具体的，本实施例中先在全网中查询存量配件信息相关的配件需求信息，即缺少或者需要该配件的维修单位，之后获取该配件需求信息对应的目标维修单位，并基于存量配件信息生成调货信息，主动将调货信息发送至目标维修单位 。上述方式可以用于各个维修单位之间的统一调货，提高了配件利用率。
在步骤S130中，基于所述分析结果更新所述维修单位的汽配需求。
在本申请的一个实施例中，在生成分析结果之后，基于分析结果来更新维修单位的汽配需求，例如，当维修单位的维修属性为大修属性、汽配属性为大配件属性时，更新其对应的汽配需求为大配件对应的汽配需求，还可以具体到对应的配件型号和配件标识等等，以实现将分析结果导入至生产需求的目的。
在步骤S140中，将所述汽配需求同步至汽配供应商对应的服务器。
在本申请的一个实施例中，在生成汽配需求之后，将汽配需求同步至汽配供应商对应的服务器，以提醒汽配供应商维修单位的汽配需求，并基于汽配需求供货，保证配件使用的可靠性。
在本申请的一个实施例中，步骤S140中，将所述汽配需求同步至汽配供应商对应的服务器之后，还包括：
获取所述服务器反馈的汽配生产进度和供货信息；
根据所述汽配生产进度和所述供货信息，生成维修进度安排。
具体的，本实施例中在汽配供应商获取到汽配需求之后，会反馈汽配生产进度和供货信息至维修单位，以通知维修单位基于上述信息进行生产维修进度的调整和安排，保证生产维修的效率。
在本申请的一个实施例中，所述方法还包括：
获取用户触发的维修需求，所述维修需求包括维修对象信息和故障信息；
基于所述维修对象信息和所述故障信息，确定本次维修所需的目标汽配；
从数据库中获取所述目标汽配对应的目标维修单位；
将所述维修需求派发至所述目标维修单位。
具体的，在用户触发了维修需求之后，服务器获取到维修对象信息和故障信息，维修对象信息可以包括维修车辆型号、配置等信息，故障信息可以包括故障配件、故障具体情况等信息。之后基于这些信息确定对维修对象进行维修时所需的目标汽配，并从数据库中获取目标汽配对应的目标维修单位，以将所述维修需求发送至对应的目标维修单位，同时反馈给用户。上述方案可以有效利用可利用的维修资源，保证资源利用率的同时，提高维修效率。
在本申请的一个实施例中，获取用户触发的维修需求，所述维修需求包括维修对象信息和故障信息；
基于所述维修对象信息和所述故障信息，确定本次维修所需的目标汽配以及维修工具；
从数据库中获取所述目标汽配和所述维修工具综合对应的目标维修单位；
将所述维修需求派发至所述目标维修单位。
具体的，在用户触发了维修需求之后，服务器获取到维修对象信息和故障信息，维修对象信息可以包括维修车辆型号、配置等信息，故障信息可以包括故障配件、故障具体情况等信息。之后基于这些信息确定对维修对象进行维修时所需的目标汽配以及维修工具，并从数据库中获取目标汽配和所述维修工具综合对应的目标维修单位，以将这个维修需求发送至对应的目标维修单位，同时反馈给用户。上述方案可以有效利用进行维修资源管理，提高维修效率和可靠性。
以下介绍本申请的装置实施例，可以用于执行本申请上述实施例中的基于大数据的配件管理方法。对于本申请装置实施例中未披露的细节，请参照本申请上述的基于大数据的配件管理方法的实施例。
图3示出了根据本申请的一个实施例的基于大数据的配件管理系统的框图。
参照图3所示，根据本申请的一个实施例的基于大数据的配件管理系统300，包括：
获取单元310，用于获取维修单位的维修数据和汽配数据，其中，所述维修数据包括维修类型，所述汽配数据包括汽配型号及其对应的使用频率；
分析单元320，用于对所述维修数据和所述汽配数据进行数据分析，得到分析结果，所述分析结果包括所述维修单位对应的维修属性和汽配属性，其中，所述维修属性包括业务类型，所述汽配属性包括汽配流转效率、高频汽配信息以及高需求汽配信息；
更新单元330，用于基于所述分析结果更新所述维修单位的汽配需求；
同步单元340，用于将所述汽配需求同步至汽配供应商对应的服务器。
在本申请的一些实施例中，基于前述方案，所述获取维修单位的维修数据和汽配数据，包括：基于设定的时间周期，从维修单位的数据库中获取维修数据和汽配数据；识别所述维修数据和汽配数据的数据标识；将属于同一数据标识的数据存储于一个存储单位中；识别并删除所述存储单位中的重复数据；基于所述存储单位对应的数据标识，获取设定的数据范围；基于所述数据范围检测异常数据，删除所述异常数据。
在本申请的一些实施例中，基于前述方案，所述基于所述数据范围检测异常数据，删除所述异常数据，包括：基于所述数据范围中的最小值和最大值，确定所述存储单位中的数据对应的检测参数；若所述检测参数大于或者等于设定的异常阈值，则判定所述数据为异常数据；删除所述异常数据。
在本申请的一些实施例中，基于前述方案，所述对所述维修数据和所述汽配数据进行数据分析，得到分析结果，包括：识别所述维修数据和所述汽配数据的数据类型，基于所述数据类型分别对所述维修数据和所述汽配数据进行数据合并，得到合并数据；对所述合并数据进行拟合分析，得到所述合并数据对应的分布属性；基于所述分布属性，确定所述维修单位对应的维修属性；其中，所述维修属性包括业务类型以及各业务类型对应业务规模、业务频率。
在本申请的一些实施例中，基于前述方案，所述对所述合并数据进行拟合分析，得到所述合并数据对应的分布属性，包括：对所述合并数据进行基于对数的分析，确定所述合并数据对应于各预设的概率模型的模型参数；基于模型参数及其参数均值，确定参数差值，所述参数差值用于衡量所述概率模型的准确度；基于所述参数差值确定概率模型对应的模型权重；基于各所述概率模型对应的模型权重，确定所述合并数据对应的分布属性。
在本申请的一些实施例中，基于前述方案，所述方法还包括：获取用户触发的维修需求，所述维修需求包括维修对象信息和故障信息；基于所述维修对象信息和所述故障信息，确定本次维修所需的目标汽配；从数据库中获取所述目标汽配对应的目标维修单位；将所述维修需求派发至所述目标维修单位。
在本申请的一些实施例中，基于前述方案，所述方法还包括：获取用户触发的维修需求，所述维修需求包括维修对象信息和故障信息；基于所述维修对象信息和所述故障信息，确定本次维修所需的目标汽配以及维修工具；从数据库中获取所述目标汽配和所述维修工具综合对应的目标维修单位；将所述维修需求派发至所述目标维修单位。
在本申请的一些实施例中，基于前述方案，所述分析结果包括表示库存大于设定阈值的存量配件信息；对所述维修数据和所述汽配数据进行数据分析，得到分析结果之后，还包括：查询与所述存量配件信息对应的配件需求信息；获取发布所述配件需求信息的目标维修单位；基于所述存量配件信息生成调货信息，并将所述调货信息发送至所述目标维修单位。
在本申请的一些实施例中，基于前述方案，所述将所述汽配需求同步至汽配供应商对应的服务器之后，还包括：获取所述服务器反馈的汽配生产进度和供货信息；根据所述汽配生产进度和所述供货信息，生成维修进度安排。
在本申请的一些实施例所提供的技术方案中，基于大数据的配件分类管理系统及方法，通过获取对各维修单位的维修数据和汽配数据，进行基于大数据的数据分析，分析得到维修单位对应的维修属性和汽配属性等信息，其中，所述维修属性包括业务类型，所述汽配属性包括汽配流转效率、高频汽配信息以及高需求汽配信息；基于上述分析结果更新所述维修单位的汽配需求，以对各维修单位的汽车配件进行统一的分配和调度，同时将汽配需求分析结果同步至上游的供应商，以提高配件的供应效率和流转效率，进而提高维修效率。
图4示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是，图4示出的电子设备的计算机系统400仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示，计算机系统400包括中央处理单元（Central Processing Unit，CPU）401，其可以根据存储在只读存储器（Read-Only Memory，ROM）402中的程序或者从储存部分408加载到随机访问存储器（Random Access Memory，RAM）403中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。在RAM 403中，还存储有系统操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出（Input/Output，I/O）接口405也连接至总线404。
以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管（Cathode Ray Tube，CRT）、液晶显示器（Liquid Crystal Display，LCD）等以及扬声器等的输出部分407；包括硬盘等的储存部分408；以及包括诸如LAN（Local Area Network，局域网）卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入储存部分408。
特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元（CPU）401执行时，执行本申请的系统中限定的各种功能。
需要说明的是，本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（Erasable Programmable Read Only Memory，EPROM）、闪存、光纤、便携式紧凑磁盘只读存储器（Compact Disc Read-Only Memory，CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的方法。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、触控终端、或者网络设备等）执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (8)

1.一种基于大数据的配件管理方法，其特征在于，包括：
获取维修单位的维修数据和汽配数据，其中，所述维修数据包括维修类型，汽配数据包括汽配型号及其对应的使用频率；
对所述维修数据和所述汽配数据进行数据分析，得到分析结果，所述分析结果包括所述维修单位对应的维修属性和汽配属性，其中，所述维修属性包括业务类型，所述汽配属性包括汽配流转效率、高频汽配信息以及高需求汽配信息；
基于所述分析结果更新所述维修单位的汽配需求；
将所述汽配需求同步至汽配供应商对应的服务器；
其中，对所述维修数据和所述汽配数据进行数据分析，得到分析结果，包括：
识别所述维修数据和所述汽配数据的数据类型，基于所述数据类型分别对所述维修数据和所述汽配数据进行数据合并，得到合并数据；
对所述合并数据进行拟合分析，得到所述合并数据对应的分布属性；
基于所述分布属性，确定所述维修单位对应的维修属性；其中，所述维修属性包括业务类型以及各业务类型对应业务规模、业务频率；
其中，对所述合并数据进行拟合分析，得到所述合并数据对应的分布属性，包括：
对所述合并数据进行基于对数的分析，确定所述合并数据对应于各预设的概率模型的模型参数；
基于模型参数及其参数均值，确定参数差值，所述参数差值用于衡量所述概率模型的准确度；
基于所述参数差值确定概率模型对应的模型权重；
基于各所述概率模型对应的模型权重，确定所述合并数据对应的分布属性；
其中，对所述合并数据进行基于对数的分析，确定所述合并数据对应于各预设的概率模型的模型参数，包括：
基于合并数据对应数据值val_data、合并数据的数据量data_n、以及概率模型的模型因子k，确定模型参数Moe_p(i)为：
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE004
表示模型因子，i表示概率模型的标识，
Figure DEST_PATH_IMAGE006
表示似然运算，
Figure DEST_PATH_IMAGE008
表示对数运算；基于模型参数
Figure DEST_PATH_IMAGE010
及其参数均值
Figure DEST_PATH_IMAGE012
，确定参数差值
Figure DEST_PATH_IMAGE014
：
Figure DEST_PATH_IMAGE016
。
2.根据权利要求1所述的方法，其特征在于，获取维修单位的维修数据和汽配数据，包括：
基于设定的时间周期，从维修单位的数据库中获取维修数据和汽配数据；
识别所述维修数据和汽配数据的数据标识；
将属于同一数据标识的数据存储于一个存储单位中；
识别并删除所述存储单位中的重复数据；
基于所述存储单位对应的数据标识，获取设定的数据范围；
基于所述数据范围检测异常数据，删除所述异常数据。
3.根据权利要求2所述的方法，其特征在于，基于所述数据范围检测异常数据，删除所述异常数据，包括：
基于所述数据范围中的最小值和最大值，确定所述存储单位中的数据对应的检测参数；
若所述检测参数大于或者等于设定的异常阈值，则判定所述数据为异常数据；
删除所述异常数据。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取用户触发的维修需求，所述维修需求包括维修对象信息和故障信息；
基于所述维修对象信息和所述故障信息，确定本次维修所需的目标汽配；
从数据库中获取所述目标汽配对应的目标维修单位；
将所述维修需求派发至所述目标维修单位。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取用户触发的维修需求，所述维修需求包括维修对象信息和故障信息；
基于所述维修对象信息和所述故障信息，确定本次维修所需的目标汽配以及维修工具；
从数据库中获取所述目标汽配和所述维修工具综合对应的目标维修单位；
将所述维修需求派发至所述目标维修单位。
6.根据权利要求1所述的方法，其特征在于，所述分析结果包括表示库存大于设定阈值的存量配件信息；
对所述维修数据和所述汽配数据进行数据分析，得到分析结果之后，还包括：
查询与所述存量配件信息对应的配件需求信息；
获取发布所述配件需求信息的目标维修单位；
基于所述存量配件信息生成调货信息，并将所述调货信息发送至所述目标维修单位。
7.根据权利要求1所述的方法，其特征在于，将所述汽配需求同步至汽配供应商对应的服务器之后，还包括：
获取所述服务器反馈的汽配生产进度和供货信息；
根据所述汽配生产进度和所述供货信息，生成维修进度安排。
8.一种基于大数据的配件管理系统，其特征在于，包括：
获取单元，用于获取维修单位的维修数据和汽配数据，其中，所述维修数据包括维修类型，汽配数据包括汽配型号及其对应的使用频率；
分析单元，用于对所述维修数据和所述汽配数据进行数据分析，得到分析结果，所述分析结果包括所述维修单位对应的维修属性和汽配属性，其中，所述维修属性包括业务类型，所述汽配属性包括汽配流转效率、高频汽配信息以及高需求汽配信息；
更新单元，用于基于所述分析结果更新所述维修单位的汽配需求；
同步单元，用于将所述汽配需求同步至汽配供应商对应的服务器；
其中，对所述维修数据和所述汽配数据进行数据分析，得到分析结果，包括：
识别所述维修数据和所述汽配数据的数据类型，基于所述数据类型分别对所述维修数据和所述汽配数据进行数据合并，得到合并数据；
对所述合并数据进行拟合分析，得到所述合并数据对应的分布属性；
基于所述分布属性，确定所述维修单位对应的维修属性；其中，所述维修属性包括业务类型以及各业务类型对应业务规模、业务频率；
其中，对所述合并数据进行拟合分析，得到所述合并数据对应的分布属性，包括：
对所述合并数据进行基于对数的分析，确定所述合并数据对应于各预设的概率模型的模型参数；
基于模型参数及其参数均值，确定参数差值，所述参数差值用于衡量所述概率模型的准确度；
基于所述参数差值确定概率模型对应的模型权重；
基于各所述概率模型对应的模型权重，确定所述合并数据对应的分布属性；
其中，对所述合并数据进行基于对数的分析，确定所述合并数据对应于各预设的概率模型的模型参数，包括：
基于合并数据对应数据值val_data、合并数据的数据量data_n、以及概率模型的模型因子k，确定模型参数Moe_p(i)为：
Figure DEST_PATH_IMAGE002A
其中，
Figure 152081DEST_PATH_IMAGE004
表示模型因子，i表示概率模型的标识，
Figure 334800DEST_PATH_IMAGE006
表示似然运算，
Figure 645696DEST_PATH_IMAGE008
表示对数运算；基于模型参数
Figure 431118DEST_PATH_IMAGE010
及其参数均值
Figure 776649DEST_PATH_IMAGE012
，确定参数差值
Figure 864691DEST_PATH_IMAGE014
：
Figure 272669DEST_PATH_IMAGE016
。
CN202210525571.1A 2022-05-16 2022-05-16 一种基于大数据的配件管理方法及系统 Active CN114626563B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202210798262.1A CN115130695A (zh) 2022-05-16 2022-05-16 基于大数据的汽车配件管理方法、系统及电子设备
CN202210525571.1A CN114626563B (zh) 2022-05-16 2022-05-16 一种基于大数据的配件管理方法及系统
CN202210798261.7A CN115081651A (zh) 2022-05-16 2022-05-16 基于大数据的汽车配件管理方法、系统及计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210525571.1A CN114626563B (zh) 2022-05-16 2022-05-16 一种基于大数据的配件管理方法及系统

Related Child Applications (2)

Application Number Title Priority Date Filing Date
CN202210798262.1A Division CN115130695A (zh) 2022-05-16 2022-05-16 基于大数据的汽车配件管理方法、系统及电子设备
CN202210798261.7A Division CN115081651A (zh) 2022-05-16 2022-05-16 基于大数据的汽车配件管理方法、系统及计算机可读介质

Publications (2)

Publication Number Publication Date
CN114626563A CN114626563A (zh) 2022-06-14
CN114626563B true CN114626563B (zh) 2022-08-02

Family

ID=81907044

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202210798261.7A Pending CN115081651A (zh) 2022-05-16 2022-05-16 基于大数据的汽车配件管理方法、系统及计算机可读介质
CN202210798262.1A Pending CN115130695A (zh) 2022-05-16 2022-05-16 基于大数据的汽车配件管理方法、系统及电子设备
CN202210525571.1A Active CN114626563B (zh) 2022-05-16 2022-05-16 一种基于大数据的配件管理方法及系统

Family Applications Before (2)

Application Number Title Priority Date Filing Date
CN202210798261.7A Pending CN115081651A (zh) 2022-05-16 2022-05-16 基于大数据的汽车配件管理方法、系统及计算机可读介质
CN202210798262.1A Pending CN115130695A (zh) 2022-05-16 2022-05-16 基于大数据的汽车配件管理方法、系统及电子设备

Country Status (1)

Country Link
CN (3) CN115081651A (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117094626A (zh) * 2022-09-02 2023-11-21 深圳小狮快送科技有限公司 一种基于大数据的第四方汽配物流平台及管理方法
CN116757455A (zh) * 2023-08-21 2023-09-15 深圳开思时代科技有限公司 基于物联网的汽配交易管理方法及系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4673727B2 (ja) * 2005-11-21 2011-04-20 株式会社リコー 需要予測方法及び需要予測プログラム
US20140114890A1 (en) * 2011-05-30 2014-04-24 Ryohei Fujimaki Probability model estimation device, method, and recording medium
CN109903061A (zh) * 2017-12-07 2019-06-18 厦门雅迅网络股份有限公司 一种汽车配件需求预测方法、终端设备及存储介质
CN108268980A (zh) * 2018-04-27 2018-07-10 重庆车云金服科技股份有限公司 修理厂智能预测配件需求的方法和系统
CN110428170A (zh) * 2019-08-01 2019-11-08 优必爱信息技术（北京）有限公司 一种汽车配件需求动态预测方法、系统和存储介质
CN110458669A (zh) * 2019-08-15 2019-11-15 车迅联(东莞)网络科技有限公司 基于车主、汽修门店及汽车零配件供应商之间的智慧服务平台
CN113496326B (zh) * 2020-03-20 2024-02-02 上海博泰悦臻网络技术服务有限公司 一种车辆维修调配方法及其装置
CN112215540A (zh) * 2020-09-23 2021-01-12 马鞍山贺辉信息科技有限公司 基于物联网和大数据的汽车配件仓储管理系统
CN112836831B (zh) * 2020-12-30 2022-04-12 邦邦汽车销售服务(北京)有限公司 汽车维修关联配件的数据处理方法和装置
CN114118548A (zh) * 2021-11-15 2022-03-01 中铁隧道局集团有限公司 一种隧道掘进机维修资源协同调度方法及系统

Also Published As

Publication number Publication date
CN115081651A (zh) 2022-09-20
CN114626563A (zh) 2022-06-14
CN115130695A (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
CN114626563B (zh) 一种基于大数据的配件管理方法及系统
CN108874678B (zh) 一种智能程序的自动测试方法及装置
CN114757587B (zh) 一种基于大数据的产品质量控制系统及方法
CN109597810B (zh) 一种任务切分方法、装置、介质及电子设备
CN112633461A (zh) 应用辅助系统和方法以及计算机可读记录介质
CN111680085A (zh) 数据处理任务分析方法、装置、电子设备和可读存储介质
CN112887355B (zh) 异常服务器的业务处理方法及装置
CN115700669B (zh) 物料差异单生成方法、电子设备及计算机存储介质
CN110795308A (zh) 一种服务器检验方法、装置、设备及存储介质
CN115128986A (zh) 基于SaaS级的工业互联网产量实时监控系统及方法
CN115801589A (zh) 一种事件拓扑关系确定方法、装置、设备及存储介质
CN114860608A (zh) 基于场景构建的系统自动化测试方法、装置、设备及介质
CN113986762A (zh) 一种测试用例的生成方法及装置
CN115310403A (zh) 缺陷分析方法、相关设备及可读存储介质
CN115701591A (zh) 业务流程测试方法、装置、介质及电子设备
CN111061615A (zh) 数据仓库的数据监控方法、装置、服务器和存储介质
CN117041356B (zh) 指标分发方法、指标计算方法、装置、电子设备及系统
CN117313856B (zh) 一种可靠性测试规划系统及方法
CN113722014B (zh) 应用程序配置方法、装置、设备、存储介质及程序产品
CN116401113B (zh) 一种异构众核架构加速卡的环境验证方法、装置及介质
CN113360368B (zh) 一种软件性能测试的方法和装置
CN113448842B (zh) 大数据系统测试方法、装置、服务器及存储介质
CN114281702A (zh) 信息推送模型测试方法、装置、设备、介质及产品
CN115828977A (zh) 工业互联网标签编码方法、装置、介质及电子设备
CN116974917A (zh) 测试方法、计算机设备及可读存储介质

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