CN115375266A - 设备采购数据的处理方法及装置、存储介质、终端 - Google Patents
设备采购数据的处理方法及装置、存储介质、终端 Download PDFInfo
- Publication number
- CN115375266A CN115375266A CN202210988293.3A CN202210988293A CN115375266A CN 115375266 A CN115375266 A CN 115375266A CN 202210988293 A CN202210988293 A CN 202210988293A CN 115375266 A CN115375266 A CN 115375266A
- Authority
- CN
- China
- Prior art keywords
- target
- progress
- equipment
- analysis data
- data
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004458 analytical method Methods 0.000 claims abstract description 166
- 238000007728 cost analysis Methods 0.000 claims abstract description 39
- 238000007405 data analysis Methods 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims description 110
- 238000013507 mapping Methods 0.000 claims description 27
- 238000012544 monitoring process Methods 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 14
- 238000003672 processing method Methods 0.000 claims description 6
- 238000003908 quality control method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 description 31
- 230000008859 change Effects 0.000 description 15
- 238000007726 management method Methods 0.000 description 13
- 239000000463 material Substances 0.000 description 9
- 238000013461 design Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000001303 quality assessment method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000007704 transition 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
- G06Q10/10—Office automation; Time management
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Water Supply & Treatment (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种设备采购数据的处理方法及装置、存储介质、终端，涉及数据处理技术领域，主要目的在于解决设备采购数据的关联度、整合度较低。主要包括获取目标设备的采购数据，并对所述采购数据进行分析处理，得到目标分析数据，所述目标分析数据包括进度分析数据、质量分析数据、成本分析数据；根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态；根据所述目标分析数据、所述目标进度状态、所述目标设备的三维结构模型构建所述目标设备的设备采购模型。主要用于处理核电设备采购数据。
Description
技术领域
本发明涉及数据处理技术领域，特别是涉及一种设备采购数据的处理方法及装置、存储介质、终端。
背景技术
随着核电事业的发展，越来越多的核电厂投入建设。核电厂的筹建是一项非常庞大的工程。其中，核电设备的采购是筹建过程中非常重要的环节，核电设备采购费用占核电工程造价的一半在工程总投资中也占据相当大的比例，并且，核电设备质量要求高、关键设备制造周期长，设备采购进度直接关系到核电厂的筹建进度，因此，核电厂筹建方需要投入大量的人力和物力对设备采购进行管理。
设备采购过程中会产生大量的设备采购数据，对设备采购数据的分析及评估是设备采购管理的重要环节，设备采购数据处理的准确性、及效率直接影响设备采购管理的准确性及时效性。但现有设备采购数据散乱的分布于信息化采购管理系统中，设备采购数据的关联度、整合度较低，无法反映设备采购的进展情况，从而无法满足设备采购管理人员对设备采购数据的参考需求。
发明内容
有鉴于此，本发明提供一种设备采购数据的处理方法及装置、存储介质、终端，主要目的在于解决现有设备采购数据的关联度、整合度较低的问题。
依据本发明一个方面，提供了一种设备采购数据的处理方法，包括：
获取目标设备的采购数据，并对所述采购数据进行分析处理，得到目标分析数据，所述目标分析数据包括进度分析数据、质量分析数据、成本分析数据；
根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态；
根据所述目标分析数据、所述目标进度状态、所述目标设备的三维结构模型构建所述目标设备的设备采购模型。
进一步地，所述进度分析数据包括第一部件信息、所述质量分析数据包括第二部件信息，所述根据所述目标分析数据、所述进度状态、所述目标设备的三维结构模型构建所述目标设备的设备采购模型，包括：
根据所述第一部件信息从所述三维结构模型的多个部件中识别出至少一个第一目标部件，并根据所述质量分析数据从所述三维结构模型的多个部件中识别出至少一个第二目标部件；
将所述进度分析数据与所述第一目标部件进行关联处理，将所述质量分析数据与所述第二目标部件进行关联处理，并将所述成本分析数据与所述三维结构模型中的成本控件进行关联处理，得到初始设备采购模型；
根据所述目标进度状态对所述初始设备采购模型中的所述第一目标部件进行颜色标记，得到设备采购模型。
进一步地，所述根据所述进度状态对所述初始设备采购模型中的所述第一目标部件进行颜色标记，得到设备采购模型，包括：
从不同进度状态与不同标记颜色参数的预设映射关系中确定出与所述目标进度状态对应的目标标记颜色参数；
根据所述目标标记颜色参数对所述初始设备采购模型中的所述第一目标部件进行颜色标记，得到设备采购模型。
进一步地，所述进度分析数据包括至少一个进度偏差值，所述根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态，包括：
将所述进度偏差值分别与所述预设进度偏差阈值进行比对；
若至少一个所述进度偏差值大于将预设进度偏差阈值，则将大于所述预设进度偏差阈值的最小进度偏差值确定为目标进度偏差值；
将所述目标进度偏差值所对应的进度状态确定为目标进度状态；
其中，所述进度状态包括正常状态、第一异常状态、第二异常状态、第三异常状态、第四异常状态，所述第一异常状态的异常程度小于所述第二异常状态的异常程度，所述第二异常状态的异常程度小于所述第三异常状态的异常程度，所述第三异常状态的异常程度小于所述第四异常状态的异常程度。
进一步地，所述根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态之后，所述方法还包括：
若所述进度状态为异常状态，则从预警映射关系集中获取与所述进度状态对应的目标监控预警信息、目标预警对象，所述预警映射关系集包括不同进度状态与不同监控预警信息的映射关系、不同进度状态与不同预警对象的映射关系，所述监控预警信息包括与所述进度状态对应的对策建议；
将所述目标监控预警信息发送至所述目标预警对象的设备终端。
进一步地，所述根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态之后，所述方法还包括：
根据所述质量分析数据与预设质量管控阈值的比对结果确定所述目标设备的目标质量状态；
根据所述目标质量状态确定第一图表标记颜色参数，并根据所述第一图表标记颜色参数、所述质量分析数据生成质量分析图表；
根据所述成本分析数据与预设成本管控阈值的比对结果确定所述目标设备的目标成本状态；
根据所述目标成本状态确定第二图表标记颜色参数，并根据所述第二图表标记颜色参数、所述成本分析数据生成成本分析图表。
进一步地，所述根据所述目标分析数据、所述进度状态、所述目标设备的三维结构模型构建所述目标设备的设备采购模型之后，所述方法还包括：
获取与所述目标设备对应的经验反馈数据，所述经验反馈数据包括至少一个部件的历史异常状态信息；
将所述历史异常状态信息与所述设备采购模型中的对应部件进行关联处理，以得到包含经验反馈数据的设备采购模型。
依据本发明另一个方面，提供了一种设备采购数据的处理装置，包括：
获取模块，用于获取目标设备的采购数据，并对所述采购数据进行分析处理，得到目标分析数据，所述目标分析数据包括进度分析数据、质量分析数据、成本分析数据；
分析模块，用于根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态；
构建模块，用于根据所述目标分析数据、所述目标进度状态、所述目标设备的三维结构模型构建所述目标设备的设备采购模型。
进一步地，所述构建模块，包括：
识别单元，用于根据所述第一部件信息从所述三维结构模型的多个部件中识别出至少一个第一目标部件，并根据所述质量分析数据从所述三维结构模型的多个部件中识别出至少一个第二目标部件；
关联单元，用于将所述进度分析数据与所述第一目标部件进行关联处理，将所述质量分析数据与所述第二目标部件进行关联处理，并将所述成本分析数据与所述三维结构模型中的成本控件进行关联处理，得到初始设备采购模型；
标记单元，用于根据所述目标进度状态对所述初始设备采购模型中的所述第一目标部件进行颜色标记，得到设备采购模型。
进一步地，在具体应用场景中，所述标记单元用于从不同进度状态与不同标记颜色参数的预设映射关系中确定出与所述目标进度状态对应的目标标记颜色参数；
根据所述目标标记颜色参数对所述初始设备采购模型中的所述第一目标部件进行颜色标记，得到设备采购模型。
进一步地，分析模块，包括：
比对单元，用于将所述进度偏差值分别与所述预设进度偏差阈值进行比对；
第一确定单元，用于若至少一个所述进度偏差值大于将预设进度偏差阈值，则将大于所述预设进度偏差阈值的最小进度偏差值确定为目标进度偏差值；
第二确定单元，用于将所述目标进度偏差值所对应的进度状态确定为目标进度状态；
其中，所述进度状态包括正常状态、第一异常状态、第二异常状态、第三异常状态、第四异常状态，所述第一异常状态的异常程度小于所述第二异常状态的异常程度，所述第二异常状态的异常程度小于所述第三异常状态的异常程度，所述第三异常状态的异常程度小于所述第四异常状态的异常程度。
进一步地，所述装置还包括：
预警模块，用于若所述进度状态为异常状态，则从预警映射关系集中获取与所述进度状态对应的目标监控预警信息、目标预警对象，所述预警映射关系集包括不同进度状态与不同监控预警信息的映射关系、不同进度状态与不同预警对象的映射关系，所述监控预警信息包括与所述进度状态对应的对策建议；
发送模块，用于将所述目标监控预警信息发送至所述目标预警对象的设备终端。
进一步地，所述装置还包括：
第一比对模块，用于根据所述质量分析数据与预设质量管控阈值的比对结果确定所述目标设备的目标质量状态；
第一生成模块，用于根据所述目标质量状态确定第一图表标记颜色参数，并根据所述第一图表标记颜色参数、所述质量分析数据生成质量分析图表；
第二比对模块，用于根据所述成本分析数据与预设成本管控阈值的比对结果确定所述目标设备的目标成本状态；
第二生成模块，用于根据所述目标成本状态确定第二图表标记颜色参数，并根据所述第二图表标记颜色参数、所述成本分析数据生成成本分析图表。
进一步地，所述装置还包括：
所述获取模块，还用于获取与所述目标设备对应的经验反馈数据，所述经验反馈数据包括至少一个部件的历史异常状态信息；
关联模块，用于将所述历史异常状态信息与所述设备采购模型中的对应部件进行关联处理，以得到包含经验反馈数据的设备采购模型。
根据本发明的又一方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述设备采购数据的处理方法对应的操作。
根据本发明的再一方面，提供了一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述设备采购数据的处理方法对应的操作。
借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：
本发明提供了一种设备采购数据的处理方法及装置、存储介质、终端，本发明实施例通过获取目标设备的采购数据，并对所述采购数据进行分析处理，得到目标分析数据，所述目标分析数据包括进度分析数据、质量分析数据、成本分析数据；根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态；根据所述目标分析数据、所述目标进度状态、所述目标设备的三维结构模型构建所述目标设备的设备采购模型大大减少了设备采购数据分析的人力成本，提高了设备采购数据的关联度，同时，又确保设备采购数据的准确性，从而大大提高设备采购数据的可参考性。
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
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种设备采购数据的处理方法流程图；
图2示出了本发明实施例提供的另一种设备采购数据的处理方法流程图；
图3示出了本发明实施例提供的一种设备采购数据的处理装置组成框图；
图4示出了本发明实施例提供的一种终端的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
针对现有设备采购的管理，基于数据的存储较为分散、混乱、无法为经常出现漏、缺，需要耗费较多的人力成本对设备采购数据进行整理，同时，对设备采购数据的分析速度也受限于采购管理人员基于技术能力和经验水平，导致设备采购管理的人力成本较高、管理效率较低。本发明实施例提供了一种设备采购管理方法，如图1所示，该方法包括：
101、获取目标设备的采购数据，并对所述采购数据进行分析处理，得到目标分析数据。
本发明实施例中，目标设备为核电厂的一个组成设备，可以为核级设备、非核级设备、转机设备、静机设备、仪控设备、电气设备、专用设备、核岛设备、常规岛设备、主设备、预埋预引设备等。目标设备又包括目标设备本体以及组成该目标设备的各个零部件。目标设备本体及各个零部件均有对应的进度数据、质量数据。采购数据包括进度数据、质量数据、成本数据。其中，进度数据包括目标设备的实际设备制造进度、工程一级进度计划、工程二级进度计划、采购三级进度计划、设备三级制造进度计划；质量数据包括设备不符合项数据、设备设计变更数据、设备材料变更数据，成本数据包括目标设备的价格、参考电站目标设备的历史价格、项目总投入金额、投入资金完成比例、等数据。其中，实际设备制造进度、设备不符合项、设备设计变更、设备材料变更数据可以基于驻场在设备制造商的监督人员上传的实时设备制造进度、质量监控数据得到；上述进度计划可以从项目管理软件Primavera 6.0中导出；成本数据可以从项目设备概算清单，设备分包合同中获取。
本发明实施例中，针对采购数据中的进度数据、质量数据、成本数据分别进行分析处理，得到进度分析数据、质量分析数据、成本分析数据。其中，进度分析数据包括实际设备制造进度与设备三级制造进度计划的偏差值，以及实际设备制造进度分别导致工程一级进度计划、工程二级进度计划、采购三级进度计划出现的偏差值。质量分析数据为通过对目标设备的质量计划见证点数据、设备质量不符合项数据、设备变更数据进行统计分析得到的，包含但不限于设备质量不符合项统计数据、设计变更占比、材料变更占比、预设时间段内的质量趋势分析数据、质量计划见证点出席率。其中，质量计划见证点数据为质量人员对目标设备制造过程中质量计划见证点的参与情况，如质量计划见证点名称、质量计划见证点类型、质量计划见证点出席情况的等；质量不符合项为目标设备质量检验未达到标准的数据，例如，不符合项类别、不符合项原因分析、不符合项处理方式、不符合项开启或关闭时间等；设备变更数据包括设计变更数据、材料变更数据，例如，设计/材料变更原因、设计/材料变更内容、设计/材料变更审批时间等数据。成本分析数据为目标设备的采购价格与参考电站相同设备的历史采购价格的比对结果。
需要说明的是，由于设备制造进度能否达成计划，决定着采购进度能否达成计划，也决定着整个工程项目的进度能否达成，因此，设备制造进度是设备采购进度把控最底层、也是最关键的进度点。通过采集目标设备的实际设备制造进度，能够实现对设备采购进度的准确评估。此外，设备制造过程中的质量是否符合预期，采购价格是否合理也是设备采购管理所要参考的重要数据。通过获取目标设备的进度数据、质量数据、成本数据，能够为目标设备的采购评估及管理提供全方位、多维度的数据依据，从而有效提升设备采购数据处理的全面性、有效性，进而为采购及项目管理者提供更有价值的数据参考。
102、根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态。
本发明实施例中，目标分析数据包括进度分析数据、质量分析数据、成本分析数据。其中，进度分析数据用于表征对设备采购进度以及整体项目进度的影响，是设备采购数据分析的关键点。为了确定设备采购进度是否存在异常，将预设进度偏差阈值与进度分析数据进行比对，以确定目标设备的采购进度状态。其中，预设进度偏差阈值可以被设备三级制造进度计划的偏差值，以及实际设备制造进度分别导致工程一级进度计划、工程二级进度计划、采购三级进度计划出现的偏差值共用，也可以针对不同等级的进度计划分别设定对应的预设进度偏差阈值，预设进度偏差阈值可以设定为零，也可以根据具体应用场景自定义，本发明实施例不对预设进度偏差阈值的上述设定方式、设定值具体限定。其中，进度状态异常包括多个与不同进度计划等级对应的状态异常等级。
需要说明的是，通过对采购数据进行统计、分析处理，实现了对设备采购数据的整合，得到更具参考价值的目标分析数据，进一步，根据预设管控阈值与对应目标分析数据的比对结果确定设备采购状态，实现对设备采购状态的准确判定，为设备采购过程的管控提供数据依据，从而在保证设备采购数据分析处理准确性的同时，提升采购设备数据处理的适用性。
103、根据所述目标分析数据、所述目标进度状态、所述目标设备的三维结构模型构建所述目标设备的设备采购模型。
本发明实施例中，在得到目标设备的目标分析数据，目标进度状态之后，为了使数据的查看更加便捷，针对目标设备的三维结构模型中的各个部件分别与该部件对应的目标分析数据建立关联链接，得到能够通过对三维结果模型中部件的触发实现对相应的目标分析数据进行调取的采购管理模型。并基于目标进度状态对与目标分析数据对应的部件进行标记。其中，标注的方式可以为颜色标记，本发明实施例不做具体限定。通过将散乱的设备采购数据进行分析整理，并将分析整理的结果关联到目标设备的三维结构模型中，并基于目标进度状态对三维结构模型中的部件进行标记，大大减少设备采购数据的分析、调取时间，提升了进度状态的直观性，从而有效提升设备采购的管理效率。
在一个本发明实施例中，为了进一步说明及限定，如图2所示，步骤103所述根据所述目标分析数据、所述进度状态、所述目标设备的三维结构模型构建所述目标设备的设备采购模型，包括：
201、根据所述第一部件信息从所述三维结构模型的多个部件中识别出至少一个第一目标部件，并根据所述质量分析数据从所述三维结构模型的多个部件中识别出至少一个第二目标部件。
202、将所述进度分析数据与所述第一目标部件进行关联处理，将所述质量分析数据与所述第二目标部件进行关联处理，并将所述成本分析数据与所述三维结构模型中的成本控件进行关联处理，得到初始设备采购模型。
203、根据所述目标进度状态对所述初始设备采购模型中的所述第一目标部件进行颜色标记，得到设备采购模型。
本发明实施例中，由于目标设备有多个部件组成，存在多个部件同时制造生产的情况，因此，根据进度分析数据、质量分析数据均可以包括目标设备中至少一个部件的进度分析数据、质量分析数据。此外，设备的质量监管周期往往超出设备的制造周期，即质量分析数据所对应的部件包括但不限于进度分析数据所对应的部件。例如，目标设备包括部件A～部件E，部件C与部件E同时制造中，则进度分析数据包括部件C和部件E的进度分析数据，同时，质量分析数据包括部件A、部件B、部件C和部件E的质量分析数据。进度分析数据包括第一部件信息、质量分析数据包括第二部件信息，根据第一部件信息与三维结构模型中的部件进行匹配，确定出第一目标部件，并将进度分析数据中与第一目标部件对应的数据与第一目标部件建立关联链接。同理，根据第二部件信息与三维结构模型中的部件进行匹配，确定出第二目标部件，并将质量分析数据中与第二目标部件对应的数据与第二目标部件建立关联链接。其中，第一部件信息、第二部件信息可以为与每个部件唯一对应的编码标识，也可以为部件名称等，本发明实施例不做具体限定。由于成本分析数据对应目标设备整体，无法与三维结构模型中的部件进行关联，因此，预先在三维结构模型中创建成本控件，当得到成本分析数据后，将成本分析数据与成本控件建立关联链接，得到初始设备采购模型。其中，建立关联链接的方式可以为目标设备的每个部件配置对应的关联控件，通过关联控件调取对应部件的目标分析数据，也可以为其他建立关联链接的方式，本发明实施例不做具体限定。
进一步地，在得到初始设备采购模型之后，为了使进度状态得到更直观的展示，用于不同目标进度状态对应的颜色对初始设备采购模型中的第一目标部件进行标记。
在一个本发明实施例中，为了进一步说明及限定，步骤203所述根据所述进度状态对所述初始设备采购模型中的所述第一目标部件进行颜色标记，得到设备采购模型，包括：
从不同进度状态与不同标记颜色参数的预设映射关系中确定出与所述目标进度状态对应的目标标记颜色参数。
根据所述目标标记颜色参数对所述初始设备采购模型中的所述第一目标部件进行颜色标记，得到设备采购模型。
本发明实施例中，进度状态包括正常进度状态，以及多个表征不同异常程度的异常状态，为了使不同的进度状态能够更为明显的展示和区分，预先建立不同进度状态与不同标记颜色参数的预设映射关系，即预先为每种进度状态设定与之唯一对应的标记颜色参数。对于标记颜色参数的设定，以及每种进度状态与标记颜色参数的映射关系可以根据需求自定义，如，正常进度状态对应绿色、轻度异常状态为橙色、重度异常状态为红色等，本发明实施例不做具体限定。通过对目标设备三维结构模型中的设备进行颜色标记，能够使进度状态更为直观的展现，同时，能够起到对异常进度状态进行预警的效果，从而使设备采购数据的处理更能够满足用户的需求。
在一个本发明实施例中，为了进一步说明及限定，步骤102所述进度分析数据包括至少一个进度偏差值，所述根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态，包括：
将所述进度偏差值分别与所述预设进度偏差阈值进行比对。
若至少一个所述进度偏差值大于将预设进度偏差阈值，则将大于所述预设进度偏差阈值的最小进度偏差值确定为目标进度偏差值。
将所述目标进度偏差值所对应的进度状态确定为目标进度状态。
本发明实施例中，进度计划包括设备三级制造进度计划，采购三级进度计划、工程二级进度计划、工程一级进度计划。其中，上述进度计划的时间范围是呈递增变化的，且进度计划的重要程度也是呈递增变化的。当际设备制造进度超出进度计划时，超出的部分为进度偏差值。由于工程二级进度计划的时间范围大于设备三级制造进度计划，因此，若际设备制造进度同时超出工程二级进度计划、设备三级制造进度计划时，设备三级制造进度计划的进度偏差值大于工程二级进度计划的进度偏差值。又由于目标进度状态以重要程度最高的进度计划为准，因此，将大于所述预设进度偏差阈值的最小进度偏差值确定为目标进度偏差值。
需要说明的是，进度状态包括正常状态、第一异常状态、第二异常状态、第三异常状态、第四异常状态，其中，所述第一异常状态的异常程度小于所述第二异常状态的异常程度，所述第二异常状态的异常程度小于所述第三异常状态的异常程度，所述第三异常状态的异常程度小于所述第四异常状态的异常程度。具体地，实际设备制造进度在设备三级制造进度计划内时，进度状态为正常状态；当目标进度偏差值对应设备三级制造进度计划时，即实际设备制造进度与设备三级制造进度计划的进度偏差值大于预设进度偏差阈值，且实际设备制造进度满足采购三级进度计划时，进度状态为第一异常状态；同理，当目标进度偏差值对应采购三级进度计划时，进度状态为第二异常状态；当目标进度偏差值对应工程二级进度计划时，进度状态为第三异常状态；当目标进度偏差值对应工程一级进度计划时，进度状态为第四异常状态。通过将实际设备制造进度对不同等级的进度计划的影响量化为进度偏差值，并基于预设进度偏差阈值识别出实际设备制造进度影响到的进度计划的重要程度，进而得到不同异常程度的进度状态，实现对进度状态的精确划分，从而实现对设备采购数据的精细化处理。
在一个本发明实施例中，为了进一步说明及限定，所述根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态之后，所述方法还包括：
若所述进度状态为异常状态，则从预警映射关系集中获取与所述进度状态对应的目标监控预警信息、目标预警对象。
将所述目标监控预警信息发送至所述目标预警对象的设备终端。
本发明实施例中，为了进一步提升设备采购数据处理的时效性，当识别出进度状态为异常时，向目标预警对象发送目标监控预警信息，以提醒目标预警对象关注异常进度状态，并采取干预措施。
需要说明的是，预警映射关系集包括不同进度状态与不同监控预警信息的映射关系、不同进度状态与不同预警对象的映射关系。由于不同进度状态对应不同的异常程度，为了提升预警信息的有效性，预先按照进度状态的异常程度，设定对应的预警对象。预警对象的具体设定，以及预警对象与进度状态的具体对应关系，可以根据具体应用场景进行自定义，例如，异常程度最高的进度状态对应的预警对象设定为公司分管领导，异常程度较低的进度状态对应的预警对象设定为科级负责人，本发明实施例不做具体限定。此外，有监控预警信息包括与进度状态对应的对策建议。为了进一步提升预警信息的实用性，预先根据不同的进度状态有针对性的设定解除对应进度状态异常的对策建议，并生成包括进度状态、对策建议的监控预警信息。
在一个本发明实施例中，为了进一步说明及限定，所述根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态之后，所述方法还包括：
根据所述质量分析数据与预设质量管控阈值的比对结果确定所述目标设备的目标质量状态；
根据所述目标质量状态确定第一图表标记颜色参数，并根据所述第一图表标记颜色参数、所述质量分析数据生成质量分析图表；
根据所述成本分析数据与预设成本管控阈值的比对结果确定所述目标设备的目标成本状态；
根据所述目标成本状态确定第二图表标记颜色参数，并根据所述第二图表标记颜色参数、所述成本分析数据生成成本分析图表。
本发明实施例中，为了对质量分析数据、成本分析数据进行直观的展示，将质量分析数据与预设质量管控阈值进行比对，以确定目标质量状态。其中，质量分析数据为不同质量考核项目的分析数据，包括但不限于质量计划见证点出席率、设备质量不符合项数量。相应地，目标预设质量管控阈值包括针对不同质量考核项目、的至少一个管控阈值，例如，设备质不符合项数量阈值、第一质量计划见证点出席率阈值、第二质量计划见证点出席率阈值，第一质量计划见证点出席率阈值大于第二质量计划见证点出席率阈值。若质量分析数据中的质量考核项目的分析数据超出对应的管控阈值，则确定目标质量状态为异常状态。其中，目标质量状态包括正常状态、至少一种异常状态。例如，设备质量不符合项数量大于设备质不符合项数量阈值，则确定目标质量状态为异常状态。又例如，质量计划见证点出席率小于第一质量计划见证点出席率阈值，则确定目标质量状态为第一异常状态，若质量计划见证点出席率大于第二质量计划见证点出席率阈值、且小于第一质量计划见证点出席率阈值，则确定目标质量状态为为第二异常状态，第一异常状态表征的异常程度大于第二异常状态。成本分析数据包括同行业价格对比，即目标设备与同类型设备在参考电站的价格差、成本与进度匹配度等。预设成本管控阈值包括同行业价格对比阈值、成本与进度匹配度阈值等。其中，同行业价格对比阈值表征目标设备的价格超出同类型设备在参考电站价格部分的上限值。成本分析数据与预设成本管控阈值进行比对，确定目标成本状态。例如，若价格差大于预设成本管控阈值，则确定目标成本状态异常状态，否则为正常状态。
需要说明的是，质量分析图表包括但不限于不符合项统计饼图、设计变更饼图和材料变更饼图，质量计划见证点出席率柱状图。成本分析图表包括但不限于同行价格对比柱状图、成本与进度匹配柱状图。根据目标质量状态、目标成本状态对对应图表进行标记的实现方式与根据目标进度状态对第一目标部件进行颜色标记的实现过程相似，本发明实施例在此不再赘述。第一图表标记颜色参数、第二图表标记颜色参数的设定可以根据具体应用场景进行自定义，本发明实施例不做具体限定。
在一个本发明实施例中，为了进一步说明及限定，所述根据所述目标分析数据、所述进度状态、所述目标设备的三维结构模型构建所述目标设备的设备采购模型之后，所述方法还包括：
获取与所述目标设备对应的经验反馈数据。
将所述历史异常状态信息与所述设备采购模型中的对应部件进行关联处理，以得到包含经验反馈数据的设备采购模型。
本发明实施例中，经验反馈数据包括至少一个部件的历史异常状态信息。其中，历史异常状态信息包括但不限于事件发生时间、事件分类、来源分类、涉及领域、后果分类、事情属性、事件描述、事件级别、根本原因分析和纠正行动。历史异常状态信息与设备采购模型中的对应部件进行关联处理的实现方式与质量分析数据、进度分析数据与三维结构模型的关联处理方式相同，本发明实施例在此不再赘述。
本发明提供了一种设备采购数据的处理方法，本发明实施例通过获取目标设备的采购数据，并对所述采购数据进行分析处理，得到目标分析数据，所述目标分析数据包括进度分析数据、质量分析数据、成本分析数据；根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态；根据所述目标分析数据、所述目标进度状态、所述目标设备的三维结构模型构建所述目标设备的设备采购模型大大减少了设备采购数据分析的人力成本，提高了设备采购数据的关联度，同时，又确保设备采购数据的准确性，从而大大提高设备采购数据的可参考性。
进一步的，作为对上述图1所示方法的实现，本发明实施例提供了一种设备采购数据的处理装置，如图3所示，该装置包括：
获取模块31，用于获取目标设备的采购数据，并对所述采购数据进行分析处理，得到目标分析数据，所述目标分析数据包括进度分析数据、质量分析数据、成本分析数据；
分析模块32，用于根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态；
构建模块33，用于根据所述目标分析数据、所述目标进度状态、所述目标设备的三维结构模型构建所述目标设备的设备采购模型。
进一步地，所述构建模块33，包括：
识别单元，用于根据所述第一部件信息从所述三维结构模型的多个部件中识别出至少一个第一目标部件，并根据所述质量分析数据从所述三维结构模型的多个部件中识别出至少一个第二目标部件；
关联单元，用于将所述进度分析数据与所述第一目标部件进行关联处理，将所述质量分析数据与所述第二目标部件进行关联处理，并将所述成本分析数据与所述三维结构模型中的成本控件进行关联处理，得到初始设备采购模型；
标记单元，用于根据所述目标进度状态对所述初始设备采购模型中的所述第一目标部件进行颜色标记，得到设备采购模型。
进一步地，在具体应用场景中，所述标记单元用于从不同进度状态与不同标记颜色参数的预设映射关系中确定出与所述目标进度状态对应的目标标记颜色参数；
根据所述目标标记颜色参数对所述初始设备采购模型中的所述第一目标部件进行颜色标记，得到设备采购模型。
进一步地，分析模块，包括：
比对单元，用于将所述进度偏差值分别与所述预设进度偏差阈值进行比对；
第一确定单元，用于若至少一个所述进度偏差值大于将预设进度偏差阈值，则将大于所述预设进度偏差阈值的最小进度偏差值确定为目标进度偏差值；
第二确定单元，用于将所述目标进度偏差值所对应的进度状态确定为目标进度状态；
其中，所述进度状态包括正常状态、第一异常状态、第二异常状态、第三异常状态、第四异常状态，其中，所述第一异常状态的异常程度小于所述第二异常状态的异常程度，所述第二异常状态的异常程度小于所述第三异常状态的异常程度，所述第三异常状态的异常程度小于所述第四异常状态的异常程度。
进一步地，所述装置还包括：
预警模块，用于若所述进度状态为异常状态，则从预警映射关系集中获取与所述进度状态对应的目标监控预警信息、目标预警对象，所述预警映射关系集包括不同进度状态与不同监控预警信息的映射关系、不同进度状态与不同预警对象的映射关系，所述监控预警信息包括与所述进度状态对应的对策建议；
发送模块，用于将所述目标监控预警信息发送至所述目标预警对象的设备终端。
进一步地，所述装置还包括：
第一比对模块，用于根据所述质量分析数据与预设质量管控阈值的比对结果确定所述目标设备的目标质量状态；
第一生成模块，用于根据所述目标质量状态确定第一图表标记颜色参数，并根据所述第一图表标记颜色参数、所述质量分析数据生成质量分析图表；
第二比对模块，用于根据所述成本分析数据与预设成本管控阈值的比对结果确定所述目标设备的目标成本状态；
第二生成模块，用于根据所述目标成本状态确定第二图表标记颜色参数，并根据所述第二图表标记颜色参数、所述成本分析数据生成成本分析图表。
进一步地，所述装置还包括：
所述获取模块，还用于获取与所述目标设备对应的经验反馈数据，所述经验反馈数据包括至少一个部件的历史异常状态信息；
关联模块，用于将所述历史异常状态信息与所述设备采购模型中的对应部件进行关联处理，以得到包含经验反馈数据的设备采购模型。
本发明提供了一种设备采购数据的处理方法及装置、存储介质、终端，本发明实施例通过获取目标设备的采购数据，并对所述采购数据进行分析处理，得到目标分析数据，所述目标分析数据包括进度分析数据、质量分析数据、成本分析数据；根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态；根据所述目标分析数据、所述目标进度状态、所述目标设备的三维结构模型构建所述目标设备的设备采购模型大大减少了设备采购数据分析的人力成本，提高了设备采购数据的关联度，同时，又确保设备采购数据的准确性，从而大大提高设备采购数据的可参考性。
根据本发明一个实施例提供了一种存储介质，所述存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的设备采购数据的处理方法。
图4示出了根据本发明一个实施例提供的一种终端的结构示意图，本发明具体实施例并不对终端的具体实现做限定。
如图4所示，该终端可以包括：处理器(processor)402、通信接口(CommunicationsInterface)404、存储器(memory)406、以及通信总线408。
其中：处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。
通信接口404，用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402，用于执行程序410，具体可以执行上述设备采购数据的处理方法实施例中的相关步骤。
具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。终端包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器406，用于存放程序410。存储器406可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行以下操作：
获取目标设备的采购数据，并对所述采购数据进行分析处理，得到目标分析数据，所述目标分析数据包括进度分析数据、质量分析数据、成本分析数据；
根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态；
根据所述目标分析数据、所述目标进度状态、所述目标设备的三维结构模型构建所述目标设备的设备采购模型。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。
Claims (10)
1.一种设备采购数据的处理方法，其特征在于，包括：
获取目标设备的采购数据，并对所述采购数据进行分析处理，得到目标分析数据，所述目标分析数据包括进度分析数据、质量分析数据、成本分析数据；
根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态；
根据所述目标分析数据、所述目标进度状态、所述目标设备的三维结构模型构建所述目标设备的设备采购模型。
2.根据权利要求1所述的方法，其特征在于，所述进度分析数据包括第一部件信息、所述质量分析数据包括第二部件信息，所述根据所述目标分析数据、所述进度状态、所述目标设备的三维结构模型构建所述目标设备的设备采购模型，包括：
根据所述第一部件信息从所述三维结构模型的多个部件中识别出至少一个第一目标部件，并根据所述质量分析数据从所述三维结构模型的多个部件中识别出至少一个第二目标部件；
将所述进度分析数据与所述第一目标部件进行关联处理，将所述质量分析数据与所述第二目标部件进行关联处理，并将所述成本分析数据与所述三维结构模型中的成本控件进行关联处理，得到初始设备采购模型；
根据所述目标进度状态对所述初始设备采购模型中的所述第一目标部件进行颜色标记，得到设备采购模型。
3.根据权利要求2所述的方法，其特征在于，所述根据所述进度状态对所述初始设备采购模型中的所述第一目标部件进行颜色标记，得到设备采购模型，包括：
从不同进度状态与不同标记颜色参数的预设映射关系中确定出与所述目标进度状态对应的目标标记颜色参数；
根据所述目标标记颜色参数对所述初始设备采购模型中的所述第一目标部件进行颜色标记，得到设备采购模型。
4.根据权利要求1所述的方法，其特征在于，所述进度分析数据包括至少一个进度偏差值，所述根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态，包括：
将所述进度偏差值分别与所述预设进度偏差阈值进行比对；
若至少一个所述进度偏差值大于将预设进度偏差阈值，则将大于所述预设进度偏差阈值的最小进度偏差值确定为目标进度偏差值；
将所述目标进度偏差值所对应的进度状态确定为目标进度状态；
其中，所述进度状态包括正常状态、第一异常状态、第二异常状态、第三异常状态、第四异常状态，所述第一异常状态的异常程度小于所述第二异常状态的异常程度，所述第二异常状态的异常程度小于所述第三异常状态的异常程度，所述第三异常状态的异常程度小于所述第四异常状态的异常程度。
5.根据权利要求1所述的方法，其特征在于，所述根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态之后，所述方法还包括：
若所述目标进度状态为异常状态，则从预警映射关系集中获取与所述进度状态对应的目标监控预警信息、目标预警对象，所述预警映射关系集包括不同进度状态与不同监控预警信息的映射关系、不同进度状态与不同预警对象的映射关系，所述监控预警信息包括与不同进度状态对应的对策建议；
将所述目标监控预警信息发送至所述目标预警对象的设备终端。
6.根据权利要求1所述的方法，其特征在于，所述根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态之后，所述方法还包括：
根据所述质量分析数据与预设质量管控阈值的比对结果确定所述目标设备的目标质量状态；
根据所述目标质量状态确定第一图表标记颜色参数，并根据所述第一图表标记颜色参数、所述质量分析数据生成质量分析图表；
根据所述成本分析数据与预设成本管控阈值的比对结果确定所述目标设备的目标成本状态；
根据所述目标成本状态确定第二图表标记颜色参数，并根据所述第二图表标记颜色参数、所述成本分析数据生成成本分析图表。
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述根据所述目标分析数据、所述进度状态、所述目标设备的三维结构模型构建所述目标设备的设备采购模型之后，所述方法还包括：
获取与所述目标设备对应的经验反馈数据，所述经验反馈数据包括至少一个部件的历史异常状态信息；
将所述历史异常状态信息与所述设备采购模型中的对应部件进行关联处理，以得到包含经验反馈数据的设备采购模型。
8.一种设备采购数据的处理装置，其特征在于，包括：
获取模块，用于获取目标设备的采购数据，并对所述采购数据进行分析处理，得到目标分析数据，所述目标分析数据包括进度分析数据、质量分析数据、成本分析数据；
分析模块，用于根据所述进度分析数据与预设进度偏差阈值的比对结果确定所述目标设备的目标进度状态；
构建模块，用于根据所述目标分析数据、所述目标进度状态、所述目标设备的三维结构模型构建所述目标设备的设备采购模型。
9.一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-7中任一项所述的设备采购数据的处理方法对应的操作。
10.一种计算机设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的设备采购数据的处理方法对应的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210988293.3A CN115375266A (zh) | 2022-08-17 | 2022-08-17 | 设备采购数据的处理方法及装置、存储介质、终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210988293.3A CN115375266A (zh) | 2022-08-17 | 2022-08-17 | 设备采购数据的处理方法及装置、存储介质、终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115375266A true CN115375266A (zh) | 2022-11-22 |
Family
ID=84065667
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210988293.3A Pending CN115375266A (zh) | 2022-08-17 | 2022-08-17 | 设备采购数据的处理方法及装置、存储介质、终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115375266A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115660560A (zh) * | 2022-12-28 | 2023-01-31 | 小推车(山东)网络科技有限公司 | 基于车辆平台的配套车辆集采管理系统 |
| CN116402480A (zh) * | 2023-06-07 | 2023-07-07 | 成都普朗克科技有限公司 | 基于关联规则自建模型输出清单的方法和系统 |
| CN116596484A (zh) * | 2023-07-17 | 2023-08-15 | 山东德丰重工有限公司 | 一种装配式建筑施工智能管理方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006065852A (ja) * | 2004-07-29 | 2006-03-09 | Sharp Corp | 部品管理システム、部品管理方法、部品管理プログラム及び部品管理プログラムを記録した記録媒体 |
| CN103679373A (zh) * | 2013-04-12 | 2014-03-26 | 国家电网公司 | 生产基建标准成本体系的全链条预算数据处理系统及方法 |
| CN104866987A (zh) * | 2015-05-11 | 2015-08-26 | 国家电网公司 | 一种电力设备物资采购数据的处理方法 |
| CN109118166A (zh) * | 2018-07-21 | 2019-01-01 | 中铁十八局集团有限公司 | 一种基于bim施工火工品管理的方法 |
| CN109559069A (zh) * | 2018-09-21 | 2019-04-02 | 中建科技有限公司深圳分公司 | 基于装配式建筑平台的生产管理方法、装置及终端设备 |
| CN111754138A (zh) * | 2020-07-07 | 2020-10-09 | 天津水泥工业设计研究院有限公司 | 一种基于bim模型的工程建设进度计划管控系统及方法 |
| CN112101903A (zh) * | 2020-09-15 | 2020-12-18 | 云镝智慧科技有限公司 | 一种采购对象的生产进度状态展示方法及相关装置 |
| CN114186815A (zh) * | 2021-11-25 | 2022-03-15 | 四川智能建造科技股份有限公司 | 一种成本预警方法、装置和设备 |
-
2022
- 2022-08-17 CN CN202210988293.3A patent/CN115375266A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006065852A (ja) * | 2004-07-29 | 2006-03-09 | Sharp Corp | 部品管理システム、部品管理方法、部品管理プログラム及び部品管理プログラムを記録した記録媒体 |
| CN103679373A (zh) * | 2013-04-12 | 2014-03-26 | 国家电网公司 | 生产基建标准成本体系的全链条预算数据处理系统及方法 |
| CN104866987A (zh) * | 2015-05-11 | 2015-08-26 | 国家电网公司 | 一种电力设备物资采购数据的处理方法 |
| CN109118166A (zh) * | 2018-07-21 | 2019-01-01 | 中铁十八局集团有限公司 | 一种基于bim施工火工品管理的方法 |
| CN109559069A (zh) * | 2018-09-21 | 2019-04-02 | 中建科技有限公司深圳分公司 | 基于装配式建筑平台的生产管理方法、装置及终端设备 |
| CN111754138A (zh) * | 2020-07-07 | 2020-10-09 | 天津水泥工业设计研究院有限公司 | 一种基于bim模型的工程建设进度计划管控系统及方法 |
| CN112101903A (zh) * | 2020-09-15 | 2020-12-18 | 云镝智慧科技有限公司 | 一种采购对象的生产进度状态展示方法及相关装置 |
| CN114186815A (zh) * | 2021-11-25 | 2022-03-15 | 四川智能建造科技股份有限公司 | 一种成本预警方法、装置和设备 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115660560A (zh) * | 2022-12-28 | 2023-01-31 | 小推车(山东)网络科技有限公司 | 基于车辆平台的配套车辆集采管理系统 |
| CN116402480A (zh) * | 2023-06-07 | 2023-07-07 | 成都普朗克科技有限公司 | 基于关联规则自建模型输出清单的方法和系统 |
| CN116402480B (zh) * | 2023-06-07 | 2023-09-19 | 成都普朗克科技有限公司 | 基于关联规则自建模型输出清单的方法和系统 |
| CN116596484A (zh) * | 2023-07-17 | 2023-08-15 | 山东德丰重工有限公司 | 一种装配式建筑施工智能管理方法及系统 |
| CN116596484B (zh) * | 2023-07-17 | 2023-10-13 | 山东德丰重工有限公司 | 一种装配式建筑施工智能管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mittag et al. | Statistical methods of quality assurance | |
| CN115375266A (zh) | 设备采购数据的处理方法及装置、存储介质、终端 | |
| CN106570778B (zh) | 一种基于大数据的数据集成与线损分析计算的方法 | |
| Unver | An ISA-95-based manufacturing intelligence system in support of lean initiatives | |
| US9069352B2 (en) | Automated fault analysis and response system | |
| CN114037311B (zh) | 一种信息系统工程监理项目风险评估方法 | |
| CN115423289B (zh) | 智能板材加工车间数据处理方法及终端 | |
| CN109300001A (zh) | 服装裁剪工艺分析方法、装置、电子设备及存储介质 | |
| CN113391256B (zh) | 一种现场作业终端的电能表计量故障分析方法及系统 | |
| Chlebus et al. | Issues on production process reliability assessment–review | |
| Kosieradzka et al. | Impact of enterprise maturity on the implementation of six sigma concept | |
| CN117592656A (zh) | 基于碳数据核算的碳足迹监控方法及系统 | |
| Schreiber et al. | Data Value chains in manufacturing: data-based process transparency through traceability and process mining | |
| CN113421168A (zh) | 一种机械基础零部件智能加工系统 | |
| Sujová et al. | Influence of modern process performance indicators on corporate performance—the empirical study | |
| CN116308070A (zh) | 一种次品收集管理的方法及相关设备 | |
| CN108038635B (zh) | 基础设施资产投资回报的建模和分析方法及系统 | |
| CN110941646A (zh) | 基于10kv工程三率数据挖掘的项目进度管控系统 | |
| CN115619331A (zh) | 一种企业管理的方法及相关设备 | |
| Jeereddy et al. | Machine learning use cases for smart manufacturing kpis | |
| CN110675112A (zh) | 一种基于供应链管理的电子商务系统 | |
| TWI230349B (en) | Method and apparatus for analyzing manufacturing data | |
| TWI773539B (zh) | 依據離群值篩選資料以預測測試時間之系統及方法 | |
| CN109814503B (zh) | 一种高精度机械加工的管理和生产系统 | |
| Illiashenko et al. | 1.1 Information, analytical and accounting support for management decision-making |
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 |