CN114693265A - 一种云切平台的供应链多用户对接方法及系统 - Google Patents
一种云切平台的供应链多用户对接方法及系统 Download PDFInfo
- Publication number
- CN114693265A CN114693265A CN202210336095.9A CN202210336095A CN114693265A CN 114693265 A CN114693265 A CN 114693265A CN 202210336095 A CN202210336095 A CN 202210336095A CN 114693265 A CN114693265 A CN 114693265A
- Authority
- CN
- China
- Prior art keywords
- utilization rate
- result
- demand
- yield
- time
- 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
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
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种云切平台的供应链多用户对接方法及系统,所述方法包括:通过采集生成第一需求要素集;基于时序进行序列化调整,获得第一调整结果;采集生成第一生产要素集;基于时序进行空时调整,获得第二调整结果;对第一供应端进行一级优化筛选,获得一级筛选结果;获得第一稼动率集合,其中第一稼动率集合和一级筛选结果一一对应;基于第一稼动率集合进行二级优化筛选,获得二级筛选结果,基于对应的供应端进行多用户对接。解决了现有技术在钢板切割协同制造中,由供应方、需求方各自基于实际生产或需求情况,自行沟通协同制造方案并建立合作,存在协同制造灵活性差、供需方匹配度不高,进而无法实现供应链多方利益最大化的技术问题。
Description
技术领域
本发明涉及计算机应用技术领域,尤其涉及一种云切平台的供应链多用户对接方法及系统。
背景技术
随着计算机技术的快速发展,越来越多的传统行业和领域开始利用计算机技术进行行业的转型和升级。其中,钢板切割行业为提升整体供应链效益,建立了基于互联网+钢板切割协同制造共享平台的线上协同制造合作体系。然而现有技术中,钢板切割供应方和需求方之间的协同制造合作,通常基于双方实力的主观评估或基于信任的合作建立,并在建立合作之后通过线上协同制造平台进行供需对接流程,基于此,供应方无法基于自身实际生产能力匹配并获取更多生产订单,需求方亦无法基于自身实际需求情况,举例如钢板切割量需求、切割精度需求等,匹配交货期限、切割成本等合适的供应方,从而导致钢板切割协同制造供应链整体经济效益无法最大化。研究利用计算机技术,智能化为供、需适配的双方建立对接,对提高各方效益最大化、促进行业良性竞争等具有重要的意义。
然而,现有技术在钢板切割协同制造中,由供应方、需求方各自基于实际生产或需求情况,自行沟通协同制造方案并建立合作,存在协同制造灵活性差、供需方匹配度不高,进而无法实现供应链多方利益最大化的技术问题。
发明内容
本发明的目的是提供一种云切平台的供应链多用户对接方法及系统,用以解决现有技术在钢板切割协同制造中,由供应方、需求方各自基于实际生产或需求情况,自行沟通协同制造方案并建立合作,存在协同制造灵活性差、供需方匹配度不高,进而无法实现供应链多方利益最大化的技术问题。
鉴于上述问题,本发明提供了一种云切平台的供应链多用户对接方法及系统。
第一方面,本发明提供了一种云切平台的供应链多用户对接方法,所述方法通过一种云切平台的供应链多用户对接系统实现,其中,所述方法包括:通过对第一需求端进行需求要素采集,生成第一需求要素集;对所述第一需求要素集基于时序进行序列化调整,获得第一调整结果;对第一供应端进行生产要素采集,生成第一生产要素集;对所述第一生产要素集基于时序进行空时调整,获得第二调整结果;基于所述第一调整结果和所述第二调整结果对所述第一供应端进行一级优化筛选,获得一级筛选结果;遍历所述一级筛选结果进行稼动率提取,获得第一稼动率集合,其中,所述第一稼动率集合和所述一级筛选结果一一对应;基于所述第一稼动率集合对所述一级筛选结果进行二级优化筛选,获得二级筛选结果,基于所述二级筛选结果对应的供应端进行多用户对接。
另一方面,本发明还提供了一种云切平台的供应链多用户对接系统,用于执行如第一方面所述的一种云切平台的供应链多用户对接方法,其中,所述系统包括:第一生成单元:所述第一生成单元用于对第一需求端进行需求要素采集,生成第一需求要素集;第一获得单元:所述第一获得单元用于对所述第一需求要素集基于时序进行序列化调整,获得第一调整结果;第二生成单元:所述第二生成单元用于对第一供应端进行生产要素采集,生成第一生产要素集;第二获得单元:所述第二获得单元用于对所述第一生产要素集基于时序进行空时调整,获得第二调整结果;第三获得单元:所述第三获得单元用于基于所述第一调整结果和所述第二调整结果对所述第一供应端进行一级优化筛选,获得一级筛选结果;第四获得单元:所述第四获得单元用于遍历所述一级筛选结果进行稼动率提取,获得第一稼动率集合,其中,所述第一稼动率集合和所述一级筛选结果一一对应;第一执行单元:所述第一执行单元用于基于所述第一稼动率集合对所述一级筛选结果进行二级优化筛选,获得二级筛选结果,基于所述二级筛选结果对应的供应端进行多用户对接。
第三方面,一种电子设备,其中,包括处理器和存储器;
该存储器,用于存储;
该处理器,用于通过调用,执行上述第一方面中任一项所述的方法。
第四方面,一种云切平台的供应链多用户对接计算机程序产品,包括计算机程序和/或指令,该计算机程序和/或指令被处理器执行时实现上述第一方面中任一项所述方法的步骤。
本发明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:
1.通过基于钢板切割协同制造共享平台,分别采集供应端和需求端的实际情况并智能分析和调整处理,进而基于调整处理结果对供应端进行一级优化筛选,进一步结合一级优化筛选结果中各供应方的实际生产能力指标数据,二级优化筛选得到最终供应方,并建立最终筛选得到的供应方和多个需求用户之间的对接。通过供应链多用户对接系统智能分析和调整处理,提高了供应方和需求方协同制造的供需匹配度,在保障需求方基本钢板切割需求的基础上,达到了提高供应链整体工作效率、进而实现多方利益最大化的技术效果。
2.通过基于梯度上升决策森林算法思想训练得到一级优化模型,其中在每次决策树训练设置层数范围,避免了训练结果过拟合,同时节约训练时间,达到了提高异常数据分析处理程度、提高模型性能的技术效果。
3.通过考虑各供应方的时间稼动率、性能稼动率数据、切割钢板良品率数据,对各供应方的产量等进行量化预测,达到了提高供应方产量预测准确性,为后续建立合理、可靠的协同制造提供数据参考的技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明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为本发明一种云切平台的供应链多用户对接方法的流程示意图;
图2为本发明一种云切平台的供应链多用户对接方法中获得第二调整结果的流程示意图;
图3为本发明一种云切平台的供应链多用户对接方法中构建一级优化模型的流程示意图;
图4为本发明一种云切平台的供应链多用户对接方法中获得二级筛选结果的流程示意图;
图5为本发明一种云切平台的供应链多用户对接系统的结构示意图;
图6为本发明示例性电子设备的结构示意图;
附图标记说明:
第一生成单元11,第一获得单元12,第二生成单元13,第二获得单元14,第三获得单元15,第四获得单元16,第一执行单元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
本发明通过提供一种云切平台的供应链多用户对接方法及系统,解决了现有技术在钢板切割协同制造中,由供应方、需求方各自基于实际生产或需求情况,自行沟通协同制造方案并建立合作,存在协同制造灵活性差、供需方匹配度不高,进而无法实现供应链多方利益最大化的技术问题。通过供应链多用户对接系统智能分析和调整处理,提高了供应方和需求方协同制造的供需匹配度,在保障需求方基本钢板切割需求的基础上,达到了提高供应链整体工作效率、进而实现多方利益最大化的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面,将参考附图对本发明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发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明的实施例,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,都属于本发明保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
本发明提供了一种云切平台的供应链多用户对接方法,所述方法应用于一种云切平台的供应链多用户对接系统,其中,所述方法包括:通过对第一需求端进行需求要素采集,生成第一需求要素集;对所述第一需求要素集基于时序进行序列化调整,获得第一调整结果;对第一供应端进行生产要素采集,生成第一生产要素集;对所述第一生产要素集基于时序进行空时调整,获得第二调整结果;基于所述第一调整结果和所述第二调整结果对所述第一供应端进行一级优化筛选,获得一级筛选结果;遍历所述一级筛选结果进行稼动率提取,获得第一稼动率集合,其中,所述第一稼动率集合和所述一级筛选结果一一对应;基于所述第一稼动率集合对所述一级筛选结果进行二级优化筛选,获得二级筛选结果,基于所述二级筛选结果对应的供应端进行多用户对接。
在介绍了本发明基本原理后,下面将结合说明书附图来具体介绍本发明的各种非限制性的实施方式。
实施例一
请参阅附图1,本发明提供了一种云切平台的供应链多用户对接方法,其中,所述方法应用于一种云切平台的供应链多用户对接系统,所述方法具体包括如下步骤:
步骤S100:对第一需求端进行需求要素采集,生成第一需求要素集;
具体而言,所述一种云切平台的供应链多用户对接方法应用于所述一种云切平台的供应链多用户对接系统,可以对供应端和需求端的实际情况进行智能化分析调整,从而筛选得到最终的供应方,并自动建立各供应方和客户之间的对接。所述第一需求端是指所述供应链多用户对接系统中的待对接的所有需求用户方。基于所述第一需求端发布的需求信息,系统自动分析并提取得到相关需求要素,举例如切割钢板种类、厚度,钢板切割形状、尺寸需求,总切割需求量、各时间阶段需求切割分量以及钢板切割精度等需求信息,所有采集到的需求要素组成所述第一需求要素集。通过采集获得第一需求要素集,达到了为后续基于需求方具体的实际需求数据信息,智能化匹配对应供应方提供数据基础,同时为提高供应方匹配度提供基础的技术效果。
步骤S200:对所述第一需求要素集基于时序进行序列化调整,获得第一调整结果;
具体而言,根据所述第一需求要素集中的需求要素信息,进行时间推移先后顺序的需求调整,将调整后的所述第一需求要素集中各需求要素的排列顺序记作所述第一调整结果。举例如某需求方需要切割的钢板尺寸的长*宽*高分别为2*1*0.1米,其中,第一季度每月需要120块,第二季度每月需要150块,第三季度每月需要180块,第一季度每月需要120块,为满足生产制造需求,要求每月月底完成次月所有需求钢板的交付,那么,基于时序调整后的需求即为1月份120块、2月份120块、3月份120块、4月份150块、5月份150块、6月份150块、7月份180块、8月份180块、9月份180块、10月份120块、11月份120块、12月份120块。
通过获得第一调整结果,达到了基于需求方各时间阶段的具体需求匹配对应供应方提供准确、可靠的需求信息,从而提高匹配结果可靠性,最终提高供、需双方匹配度的技术效果。
步骤S300:对第一供应端进行生产要素采集,生成第一生产要素集;
步骤S400:对所述第一生产要素集基于时序进行空时调整,获得第二调整结果;
具体而言,所述第一供应端是指所述供应链多用户对接系统中,所有可以提供钢板切割服务的供应商。基于各类智能设备对所述第一供应端中各供应商进行加工生产、切割制造能力等相关信息的采集,举例如该供应商切割钢板的设备、对应设备的切割原理和技术、切割精度和切割成本、切割效率等参数信息,从而组成所述第一生产要素集。进一步的,对所述第一生产要素集中,对应第一供应端的各个生产要素进行分析处理,并基于钢板切割的空间和时间信息,对各生产要素进行优先级调整,从而得到第二调整结果。
举例如某供应商目前有2台A型设备、5台B型设备的钢板切割设备空闲,此外,基于该供应商当前订单信息和产能分析,预估一周后会增加空闲A型设备3台、空闲B型设备1台,两周后会增加空闲A型设备1台,其中,A型设备为高精度切割设备,切割生产钢板的效率为80个/小时,B型设备为普通精度切割设备,切割生产钢板的效率为110个/小时,所有切割设备均可24小时持续工作,那么基于此对该供应商的生产要素进行空间、时间协调分析后,得到该供应商生产要素排序结果为当下可完成高精度钢板切割的最大量为2*7*24*80=26880个、可完成普通精度钢板切割的最大量为5*7*24*110=92400个;一周之后,可完成高精度钢板切割的最大量为5*7*24*80=67200个、可完成普通精度钢板切割的最大量为6*7*24*110=110880个;两周之后,可完成高精度钢板切割的最大量为6*7*24*80=80640个、可完成普通精度钢板切割的最大量为6*7*24*110=110880个。
通过获得第二调整结果,达到了为后续基于供应端实际产能情况匹配对应需求,进而建立高适配度的合作提供产能数据基础的技术效果。
步骤S500:基于所述第一调整结果和所述第二调整结果对所述第一供应端进行一级优化筛选,获得一级筛选结果;
具体而言,根据基于各需求方实际需求要素数据调整后的第一调整结果,和基于各供应商实际生产能力等相关生产要素数据调整后的第二调整结果,所述供应链多用户对接方法自动对各供应商进行筛选,筛选得到的供应商组成所述一级筛选结果。其中,所述一级筛选结果中的各个供应商是指所述第一供应端中,实际生产能力等满足第一需求端中各需求方实际钢板切割需求的所有供应商。
举例如甲供应商本周有1台A型钢板切割设备闲置,可完成13440个高精度钢板切割任务,乙供应商本周有1台B型钢板切割设备闲置,可完成18480个普通精度钢板切割任务,丙供应商本周有1台A型钢板切割设备、2台B型钢板切割设备闲置,可完成13440个高精度钢板切割任务和36960个普通精度钢板切割任务,此外,当前共有100000个普通精度钢板切割任务,则优化筛选得到的结果中包括乙供应商、丙供应商。
通过基于供、需双方的实际生产、需求要素数据,对比筛选得到可以满足当前需求的供应方,即得到一级筛选结果,达到了为后续系统基于现有实际需求匹配协同制造供应方缩小匹配范围,提高匹配并建立合作的效率,最终提高整体经济效益的技术效果。
步骤S600:遍历所述一级筛选结果进行稼动率提取,获得第一稼动率集合,其中,所述第一稼动率集合和所述一级筛选结果一一对应;
具体而言,在基于当下实际钢板切割需求和实际钢板切割产能对比筛选得到的所述一级筛选结果中,进一步对筛选得到的各个供应方在生产过程中的稼动率进行依次提取,从而得到所述第一稼动率集合。其中,所述第一稼动率集合是指所述一级筛选结果中各供应方的生产稼动率数据的集合。其中,所述稼动率是指钢板切割设备在一定时间内,实际切割钢板创造的价值和理论上切割钢板能达到的价值的比值。此外,所述稼动率具体包括时间稼动率、产量稼动率等。
举例如A型设备24小时内理论上可切割高精度钢板1920个,实际切割高精度钢板1850个,则A型设备的稼动率为0.96。依次计算得到的各个供应方的稼动率,组成所述第一稼动率集合,其中,所述第一稼动率集合中各个稼动率和所述一级筛选结果中的各个供应商具有一一对应关系。
通过计算筛选得到的各个供应商的稼动率,达到了为后续基于各个供应商设备的稼动率数据调整其实际生产能力数据,即为提高各供应商实际生产能力准确度提供参考的技术效果。
步骤S700:基于所述第一稼动率集合对所述一级筛选结果进行二级优化筛选,获得二级筛选结果,基于所述二级筛选结果对应的供应端进行多用户对接。
具体而言,根据计算得到的一级筛选结果中,各个供应商的稼动率数据,再次对各个供应商的实际生产能力进行调整分析,进而对一级筛选结果进行二级优化筛选,筛选得到的供应商组成所述二级筛选结果。举例如系统一级筛选后得到的供应商为乙供应商、丙供应商,其中,乙供应商的设备稼动率为0.98,丙供应商的设备稼动率为0.88,那么计算可知,乙供应商实际可完成的普通精度钢板切割任务为18480*0.98=18110个,丙供应商实际可完成的高精度钢板切割任务为13440*0.88=11827个、实际可完成的普通精度钢板切割任务为36960*0.88=32524个,基于当前100000个普通精度钢板切割任务需要数据再次对乙供应商、丙供应商进行二级筛选,得到的二级筛选结果为乙供应商、丙供应商。进一步的,将筛选得到的二级筛选结果中的各个供应商于对应需求方的需求用户进行对接。举例如将乙供应商、丙供应商分别对接其可满足的需求用户。
通过基于供应方实际生产设备切割生产的稼动率数据,对其实际生产能力进行调整,达到了提高供应方生产能力评估准确率,进而提高供需双方匹配适合性,在保证需求方需求的同时,最大化双方、甚至整个供应链经济效益的技术效果。
进一步的,如附图2所示,本发明步骤S400还包括:
步骤S410:根据所述第一生产要素集,获得第一生产空时时序信息,其中,所述第一生产空时时序信息和所述第一供应端一一对应;
步骤S420:根据所述第一需求要素集,匹配第一预设生产时序信息;
步骤S430:对所述第一预设生产时序信息和所述第一生产空时时序信息求交集,获得第一交集时序信息;
步骤S440:将所述第一交集时序信息对应的所述第一需求要素集设为所述第二调整结果。
具体而言,根据对所述供应链多用户对接系统中,供应端对应各个供应方的实际可供应数据进行提取分析,从而得到各个供应方在不同时间段的实际钢板切割和可供应产品数量、品质等信息,并按照时间顺序排列得到所述第一生产空时时序信息。此外,各个供应方对应不同的位置,即对应不同的空间信息。进一步的,根据各个需求方的需求数据,自动生成满足各个区域、各个时间段钢板切割需求的生产方案信息,其中包括生产对应各区域、各阶段产品需求的供应方详细生产信息。根据各供应方的实际可生产能力信息和各需求方的实际需求数据信息,对比整合得到满足对应区域、对应阶段需求的对应供应方,即形成第一交集时序信息,并将所述第一交集时序信息对应的所述第一需求要素集设为所述第二调整结果。通过基于各供、需方实际情况,分析得到第二调整结果,达到了提高第二调整结果准确性、可靠性的技术效果。
进一步的,本发明步骤S500还包括:
步骤S510:获得第一历史数据,其中,所述第一历史数据包括多组:需求要素集,生产要素集和匹配结果标识信息;
步骤S520:基于梯度上升决策森林,通过所述多组:需求要素集,生产要素集和匹配结果标识信息,构建一级优化模型;
步骤S530:将所述第一调整结果和所述第二调整结果输入所述一级优化模型,生成所述一级筛选结果。
进一步的,如附图3所示,本发明步骤S520还包括:
步骤S521:通过所述多组:需求要素集,生产要素集和匹配结果标识信息,训练第一决策树,其中,所述第一决策树层数限定为a,15≤a≤20;
步骤S522:将不满足第一预设准确率的所述第一历史数据提取,生成第二历史数据;
步骤S523:通过所述第二历史数据,训练第二决策树,其中,所述第一决策树层数限定为b,15≤b≤20;
步骤S524:重复M次,直到第M历史数据的数据量≤预设数据量,获得第M-1决策树,其中,所述第M-1决策树层数限定为c,15≤c≤20;
步骤S525:将所述第一决策树,所述第二决策树直到所述第M-1决策树合并,生成所述一级优化模型。
具体而言,利用计算机技术采集所述供应链多用户对接方法系统中各供应方的历史切割钢板、成交订单等相关数据进行采集,即得到所述第一历史数据。其中,所述第一历史数据包括任一历史协同制造订单中,对应需求方的实际需求和对应供应方的实际生产、交付等合作的所有相关数据信息。也就是说,所述第一历史数据包括多组历史订单信息,具体是指各订单的需求要素集、生产要素集和匹配结果标识信息。
进一步的,根据第一历史数据中各个订单的相关数据信息,即多组需求要素集、生产要素集和匹配结果标识信息,利用梯度上升决策森林算法思想训练得到一级优化模型。其中,所述梯度上升决策森林算法是指先以初始数据训练得到一个基学习器,然后根据基学习器的表现对训练数据进行调整后再次进行训练,从而使得前次学习器中错误的样本被进一步训练,直到最终得到多个学习器,加权结合形成一个模型,达到提高预测准确性的效果。
具体来说,首先基于多组需求要素集、生产要素集和匹配结果标识信息训练得到一个决策树模型,即所述第一决策树。然后将所述第一历史数据中,不满足第一预设准确率的历史数据信息进行提取,提取得到的数据组成所述第二历史数据。进一步基于所述第二历史数据训练得到第二决策树。依次类推,通过M次的提取、训练,从而得到M个决策树模型,即分别为所述第一决策树、第二决策树……第M-1决策树,最终将所有决策树合并即得到所述一级优化模型。其中,每个决策树均设置层数在[15,20]范围内。
通过为每次决策树训练设置层数范围,避免了训练结果过拟合,同时节约训练时间,此外,基于梯度上升决策森林算法思想训练得到一级优化模型,达到了提高异常数据分析处理程度、提高模型性能的技术效果。
进一步的,如附图4所示,本发明步骤S700还包括:
步骤S710:根据所述第一需求要素集,获得第一产量需求信息和第一时区需求信息,其中,所述第一产量需求信息和所述第一时区需求信息一一对应;
步骤S720:基于所述第一时区需求信息,遍历所述第一稼动率集合,获得第一时间稼动率集合和第一性能稼动率集合;
步骤S730:遍历所述第一时间稼动率集合和所述第一性能稼动率集合进行产量预测,获得第一产量预测结果集合;
步骤S740:将所述第一产量预测结果集合和所述第一产量需求信息进行匹配,获得所述二级筛选结果。
进一步的,本发明步骤S730还包括:
步骤S731:获得第一产量预测公式:
步骤S733:将所述第一时间稼动率集合和所述第一性能稼动率集合依次输入所述第一产量预测公式,获得所述第一产量预测结果集合。
具体而言,根据所述供应链多用户对接系统中需求端各需求方的需求数据信息,提取各需求方钢板切割的总需求量、及各需求数量对应的需求时间段信息,从而得到产量需求和产量需求时间的一一对应情况。进一步的,基于第一时区需求信息中的数据,对所述供应链多用户对接系统中供应端各供应方切割设备的稼动率数据进行遍历,从而提取对应阶段供应方的时间稼动率和性能稼动率,进而该阶段所有供应方的时间稼动率、性能稼动率分别组成所述第一时间稼动率集合和第一性能稼动率集合。其中,时间稼动率是指供应方钢板切割设备切割单位数量钢板实际所花费时间和理论需花费时间的比值;性能稼动率是指供应方钢板切割设备切割单位时间内实际切割钢板的数量和理论上可以切割的钢板数量的比值。进一步的,基于各供应方的时间稼动率数据和性能稼动率数据,对各供应方的实际生产能力,即产量进行预测,具体计算算法如下第一产量预测公式所示:
最后基于第一产量预测公式,结合所述第一时间稼动率集合和所述第一性能稼动率集合中各供应方的稼动率数据,依次计算可以得到各个供应方的产量预测结果,所有供应方的产量预测结果组成所述第一产量预测结果集合。
通过考虑各供应方的时间稼动率和性能稼动率数据,对各供应方的实际产量等进行量化预测,达到了提高供应方产量预测准确性,为后续建立合理、可靠的协同制造提供数据参考的技术效果。
进一步的,本发明还包括步骤S734:
步骤S7341:遍历根据所述一级筛选结果,获得第一良品率集合;
步骤S7342:根据所述第一良品率集合对所述第一产量预测公式进行调整,获得第二产量预测公式:
步骤S7344:将所述第一时间稼动率集合、所述第一性能稼动率集合和所述第一良品率集合依次输入所述第二产量预测公式,获得第二产量预测结果集合。
具体而言,对所述一级筛选结果中的各个供应方依次进行良品率计算分析,举例如基于各供应方历史切割钢板的检测数据,计算得到检测合格钢板数量占总切割钢板数量的比值,即良品率数据。进一步的,基于各个供应方的良品率数据集合,对第一产量预测公式进行调整,即考虑供应方良品率对其产量的影响,进一步预测其产量,具体计算方法如下公式所示:
最后基于第二产量预测公式,结合所述第一时间稼动率集合、所述第一性能稼动率集合中各供应方的稼动率数据、所述第一良品率集合,依次计算可以得到各个供应方的产量预测结果,所有供应方的产量预测结果组成所述第二产量预测结果集合。通过考虑供应方切割钢板良品率数据对其实际产量进行预测,达到了提高产量预测结果准确性、进而提高供、需方适配度的技术效果。
综上所述,本发明所提供的一种云切平台的供应链多用户对接方法具有如下技术效果:
1.通过基于钢板切割协同制造共享平台,分别采集供应端和需求端的实际情况并智能分析和调整处理,进而基于调整处理结果对供应端进行一级优化筛选,进一步结合一级优化筛选结果中各供应方的实际生产能力指标数据,二级优化筛选得到最终供应方,并建立最终筛选得到的供应方和多个需求用户之间的对接。通过供应链多用户对接系统智能分析和调整处理,提高了供应方和需求方协同制造的供需匹配度,在保障需求方基本钢板切割需求的基础上,达到了提高供应链整体工作效率、进而实现多方利益最大化的技术效果。
2.通过基于梯度上升决策森林算法思想训练得到一级优化模型,其中在每次决策树训练设置层数范围,避免了训练结果过拟合,同时节约训练时间,达到了提高异常数据分析处理程度、提高模型性能的技术效果。
3.通过考虑各供应方的时间稼动率、性能稼动率数据、切割钢板良品率数据,对各供应方的产量等进行量化预测,达到了提高供应方产量预测准确性,为后续建立合理、可靠的协同制造提供数据参考的技术效果。
实施例二
基于与前述实施例中一种云切平台的供应链多用户对接方法,同样发明构思,本发明还提供了一种云切平台的供应链多用户对接系统,请参阅附图5,所述系统包括:
第一生成单元11,所述第一生成单元11用于对第一需求端进行需求要素采集,生成第一需求要素集;
第一获得单元12,所述第一获得单元12用于对所述第一需求要素集基于时序进行序列化调整,获得第一调整结果;
第二生成单元13,所述第二生成单元13用于对第一供应端进行生产要素采集,生成第一生产要素集;
第二获得单元14,所述第二获得单元14用于对所述第一生产要素集基于时序进行空时调整,获得第二调整结果;
第三获得单元15,所述第三获得单元15用于基于所述第一调整结果和所述第二调整结果对所述第一供应端进行一级优化筛选,获得一级筛选结果;
第四获得单元16,所述第四获得单元16用于遍历所述一级筛选结果进行稼动率提取,获得第一稼动率集合,其中,所述第一稼动率集合和所述一级筛选结果一一对应;
第一执行单元17,所述第一执行单元17用于基于所述第一稼动率集合对所述一级筛选结果进行二级优化筛选,获得二级筛选结果,基于所述二级筛选结果对应的供应端进行多用户对接。
进一步的,所述系统还包括:
第五获得单元,所述第五获得单元用于根据所述第一生产要素集,获得第一生产空时时序信息,其中,所述第一生产空时时序信息和所述第一供应端一一对应;
第一匹配单元,所述第一匹配单元用于根据所述第一需求要素集,匹配第一预设生产时序信息;
第六获得单元,所述第六获得单元用于对所述第一预设生产时序信息和所述第一生产空时时序信息求交集,获得第一交集时序信息;
第一设置单元,所述第一设置单元用于将所述第一交集时序信息对应的所述第一需求要素集设为所述第二调整结果。
进一步的,所述系统还包括:
第七获得单元,所述第七获得单元用于获得第一历史数据,其中,所述第一历史数据包括多组:需求要素集,生产要素集和匹配结果标识信息;
第一构建单元,所述第一构建单元用于基于梯度上升决策森林,通过所述多组:需求要素集,生产要素集和匹配结果标识信息,构建一级优化模型;
第三生成单元,所述第三生成单元用于将所述第一调整结果和所述第二调整结果输入所述一级优化模型,生成所述一级筛选结果。
进一步的,所述系统还包括:
第一训练单元,所述第一训练单元用于通过所述多组:需求要素集,生产要素集和匹配结果标识信息,训练第一决策树,其中,所述第一决策树层数限定为a,15≤a≤20;
第四生成单元,所述第四生成单元用于将不满足第一预设准确率的所述第一历史数据提取,生成第二历史数据;
第二训练单元,所述第二训练单元用于通过所述第二历史数据,训练第二决策树,其中,所述第一决策树层数限定为b,15≤b≤20;
第八获得单元,所述第八获得单元用于重复M次,直到第M历史数据的数据量≤预设数据量,获得第M-1决策树,其中,所述第M-1决策树层数限定为c,15≤c≤20;
第五生成单元,所述第五生成单元用于将所述第一决策树,所述第二决策树直到所述第M-1决策树合并,生成所述一级优化模型。
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根据所述第一需求要素集,获得第一产量需求信息和第一时区需求信息,其中,所述第一产量需求信息和所述第一时区需求信息一一对应;
第十获得单元,所述第十获得单元用于基于所述第一时区需求信息,遍历所述第一稼动率集合,获得第一时间稼动率集合和第一性能稼动率集合;
第十一获得单元,所述第十一获得单元用于遍历所述第一时间稼动率集合和所述第一性能稼动率集合进行产量预测,获得第一产量预测结果集合;
第十二获得单元,所述第十二获得单元用于将所述第一产量预测结果集合和所述第一产量需求信息进行匹配,获得所述二级筛选结果。
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获得第一产量预测公式:
第十四获得单元,所述第十四获得单元用于将所述第一时间稼动率集合和所述第一性能稼动率集合依次输入所述第一产量预测公式,获得所述第一产量预测结果集合。
进一步的,所述系统还包括:
第十五获得单元,所述第十五获得单元用于遍历根据所述一级筛选结果,获得第一良品率集合;
第十六获得单元,所述第十六获得单元用于根据所述第一良品率集合对所述第一产量预测公式进行调整,获得第二产量预测公式:
第三设置单元,所述第三设置单元用于其中,p1为时间稼动率,p2为性能稼动率,p3为良品率,α、β和γ为时间稼动率、性能稼动率和良品率的比重,A为第t时区的预设产量,为第n个供应端第t时区时的产量预测值;
第十七获得单元,所述第十七获得单元用于将所述第一时间稼动率集合、所述第一性能稼动率集合和所述第一良品率集合依次输入所述第二产量预测公式,获得第二产量预测结果集合。
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与其他实施例的不同之处,前述图1实施例一中的一种云切平台的供应链多用户对接方法和具体实例同样适用于本实施例的一种云切平台的供应链多用户对接系统,通过前述对一种云切平台的供应链多用户对接方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种云切平台的供应链多用户对接系统,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发明。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发明的精神或范围的情况下,在其它实施例中实现。因此,本发明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6来描述本发明的电子设备。
图6图示了根据本发明的电子设备的结构示意图。
基于与前述实施例中一种云切平台的供应链多用户对接方法的发明构思,本发明还提供一种云切平台的供应链多用户对接系统,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云切平台的供应链多用户对接方法的任一方法的步骤。
其中,在图6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。
本发明提供了一种云切平台的供应链多用户对接方法,所述方法应用于一种云切平台的供应链多用户对接系统,其中,所述方法包括:通过对第一需求端进行需求要素采集,生成第一需求要素集;对所述第一需求要素集基于时序进行序列化调整,获得第一调整结果;对第一供应端进行生产要素采集,生成第一生产要素集;对所述第一生产要素集基于时序进行空时调整,获得第二调整结果;基于所述第一调整结果和所述第二调整结果对所述第一供应端进行一级优化筛选,获得一级筛选结果;遍历所述一级筛选结果进行稼动率提取,获得第一稼动率集合,其中,所述第一稼动率集合和所述一级筛选结果一一对应;基于所述第一稼动率集合对所述一级筛选结果进行二级优化筛选,获得二级筛选结果,基于所述二级筛选结果对应的供应端进行多用户对接。解决了现有技术在钢板切割协同制造中,由供应方、需求方各自基于实际生产或需求情况,自行沟通协同制造方案并建立合作,存在协同制造灵活性差、供需方匹配度不高,进而无法实现供应链多方利益最大化的技术问题。通过供应链多用户对接系统智能分析和调整处理,提高了供应方和需求方协同制造的供需匹配度,在保障需求方基本钢板切割需求的基础上,达到了提高供应链整体工作效率、进而实现多方利益最大化的技术效果。
本发明还提供一种电子设备,其中,包括处理器和存储器;
该存储器,用于存储;
该处理器,用于通过调用,执行上述实施例一中任一项所述的方法。
本发明还提供一种云切平台的供应链多用户对接计算机程序产品,包括计算机程序和/或指令,该计算机程序和/或指令被处理器执行时实现上述实施例一中任一项所述方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明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,本发明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-Only Memory,简称ROM)、随机存取存储器(Random AccessMemory,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,则可对这些实施例作出另外的变更和修改。
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及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种云切平台的供应链多用户对接方法,其特征在于,所述方法包括:
对第一需求端进行需求要素采集,生成第一需求要素集;
对所述第一需求要素集基于时序进行序列化调整,获得第一调整结果;
对第一供应端进行生产要素采集,生成第一生产要素集;
对所述第一生产要素集基于时序进行空时调整,获得第二调整结果;
基于所述第一调整结果和所述第二调整结果对所述第一供应端进行一级优化筛选,获得一级筛选结果;
遍历所述一级筛选结果进行稼动率提取,获得第一稼动率集合,其中,所述第一稼动率集合和所述一级筛选结果一一对应;
基于所述第一稼动率集合对所述一级筛选结果进行二级优化筛选,获得二级筛选结果,基于所述二级筛选结果对应的供应端进行多用户对接。
2.如权利要求1所述的方法,其特征在于,所述对所述第一生产要素集基于时序进行空时调整,获得第二调整结果,包括:
根据所述第一生产要素集,获得第一生产空时时序信息,其中,所述第一生产空时时序信息和所述第一供应端一一对应;
根据所述第一需求要素集,匹配第一预设生产时序信息;
对所述第一预设生产时序信息和所述第一生产空时时序信息求交集,获得第一交集时序信息;
将所述第一交集时序信息对应的所述第一需求要素集设为所述第二调整结果。
3.如权利要求1所述的方法,其特征在于,所述基于所述第一调整结果和所述第二调整结果对所述第一供应端进行一级优化筛选,获得一级筛选结果,包括:
获得第一历史数据,其中,所述第一历史数据包括多组:需求要素集,生产要素集和匹配结果标识信息;
基于梯度上升决策森林,通过所述多组:需求要素集,生产要素集和匹配结果标识信息,构建一级优化模型;
将所述第一调整结果和所述第二调整结果输入所述一级优化模型,生成所述一级筛选结果。
4.如权利要求3所述的方法,其特征在于,所述基于梯度上升决策森林,通过所述多组:需求要素集,生产要素集和匹配结果标识信息,构建一级优化模型,包括:
通过所述多组:需求要素集,生产要素集和匹配结果标识信息,训练第一决策树,其中,所述第一决策树层数限定为a,15≤a≤20;
将不满足第一预设准确率的所述第一历史数据提取,生成第二历史数据;
通过所述第二历史数据,训练第二决策树,其中,所述第一决策树层数限定为b,15≤b≤20;
重复M次,直到第M历史数据的数据量≤预设数据量,获得第M-1决策树,其中,所述第M-1决策树层数限定为c,15≤c≤20;
将所述第一决策树,所述第二决策树直到所述第M-1决策树合并,生成所述一级优化模型。
5.如权利要求1所述的方法,其特征在于,所述基于所述第一稼动率集合对所述一级筛选结果进行二级筛选,获得二级筛选结果,包括:
根据所述第一需求要素集,获得第一产量需求信息和第一时区需求信息,其中,所述第一产量需求信息和所述第一时区需求信息一一对应;
基于所述第一时区需求信息,遍历所述第一稼动率集合,获得第一时间稼动率集合和第一性能稼动率集合;
遍历所述第一时间稼动率集合和所述第一性能稼动率集合进行产量预测,获得第一产量预测结果集合;
将所述第一产量预测结果集合和所述第一产量需求信息进行匹配,获得所述二级筛选结果。
8.一种云切平台的供应链多用户对接系统,其特征在于,所述系统应用于权利要求1~7任一所述方法,所述系统包括:
第一生成单元:所述第一生成单元用于对第一需求端进行需求要素采集,生成第一需求要素集;
第一获得单元:所述第一获得单元用于对所述第一需求要素集基于时序进行序列化调整,获得第一调整结果;
第二生成单元:所述第二生成单元用于对第一供应端进行生产要素采集,生成第一生产要素集;
第二获得单元:所述第二获得单元用于对所述第一生产要素集基于时序进行空时调整,获得第二调整结果;
第三获得单元:所述第三获得单元用于基于所述第一调整结果和所述第二调整结果对所述第一供应端进行一级优化筛选,获得一级筛选结果;
第四获得单元:所述第四获得单元用于遍历所述一级筛选结果进行稼动率提取,获得第一稼动率集合,其中,所述第一稼动率和所述一级筛选结果一一对应;
第一执行单元:所述第一执行单元用于基于所述第一稼动率集合对所述一级筛选结果进行二级优化筛选,获得二级筛选结果,基于所述二级筛选结果对应的供应端进行多用户对接。
9.一种电子设备,其特征在于,包括处理器和存储器;
所述存储器,用于存储;
所述处理器,用于通过调用,执行权利要求1~7中任一项所述的方法。
10.一种云切平台的供应链多用户对接计算机程序产品,包括计算机程序和/或指令,其特征在于,该计算机程序和/或指令被处理器执行时实现权利要求1~7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210336095.9A CN114693265A (zh) | 2022-03-31 | 2022-03-31 | 一种云切平台的供应链多用户对接方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210336095.9A CN114693265A (zh) | 2022-03-31 | 2022-03-31 | 一种云切平台的供应链多用户对接方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114693265A true CN114693265A (zh) | 2022-07-01 |
Family
ID=82141368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210336095.9A Pending CN114693265A (zh) | 2022-03-31 | 2022-03-31 | 一种云切平台的供应链多用户对接方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693265A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116562811A (zh) * | 2023-05-10 | 2023-08-08 | 嘉兴云切在线科技有限公司 | 一种基于物联网的工单智能管理方法及系统 |
-
2022
- 2022-03-31 CN CN202210336095.9A patent/CN114693265A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116562811A (zh) * | 2023-05-10 | 2023-08-08 | 嘉兴云切在线科技有限公司 | 一种基于物联网的工单智能管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108364106A (zh) | 一种报销单风险预测方法、装置、终端设备及存储介质 | |
CN105678398A (zh) | 基于大数据技术的电力负荷预测方法及基于该方法的研究应用系统 | |
Luo et al. | QFD-based product planning with consumer choice analysis | |
CN108256827A (zh) | 目标职位分析方法及系统 | |
CN112614011B (zh) | 电力配网物资需求预测方法和装置、存储介质及电子设备 | |
CN106096810A (zh) | 基于配电网运行数据与地理拓扑信息的规划方法及系统 | |
CN107818386A (zh) | 电网企业经营利润预测方法 | |
CN112200489B (zh) | 有色金属冶炼产供销一体优化系统、方法、装置 | |
CN110991985A (zh) | 一种项目进度数据处理方法 | |
CN113191533A (zh) | 仓库用工预测方法、装置、设备及存储介质 | |
CN103853939A (zh) | 一种基于社会经济因素影响的电力系统月度负荷的组合预测方法 | |
KR20220115357A (ko) | 어텐션 메커니즘 기반의 미래 수요 예측 데이터 생성방법 및 장치 | |
CN114819585A (zh) | 一种纺织业生产订单信息管理方法及系统 | |
KR20240025574A (ko) | 지능형 수요 반응 입찰 관리 시스템 및 그 방법 | |
CN114693265A (zh) | 一种云切平台的供应链多用户对接方法及系统 | |
CN108304975A (zh) | 一种数据预测系统及方法 | |
CN111105204A (zh) | 一种施工项目进度上报、管理方法及信息处理装置 | |
JP2003288476A (ja) | 生産ラインの統合ライン能力評価・管理運用システム、および、その統合ライン能力評価・管理運用方法 | |
CN111523798A (zh) | 一种自动建模的方法、装置、系统、及其电子设备 | |
Maharani et al. | The MFEP and MAUT methods in selecting the best employees | |
CN111160717A (zh) | 一种企业创新潜力评估方法和装置 | |
Elkabalawy et al. | Optimized resource-constrained method for project schedule compression | |
CN115063207A (zh) | 一种基于云计算的建材采购智能比价分析处理系统 | |
CN111768282A (zh) | 数据分析方法、装置、设备及存储介质 | |
Ko et al. | A multi-criteria decision-making approach based on data envelopment analysis considering interval weights in defense sector |
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 |