CN115422262A - 基于区块链智能合约下全链物资采供数据处理方法及系统 - Google Patents

基于区块链智能合约下全链物资采供数据处理方法及系统 Download PDF

Info

Publication number
CN115422262A
CN115422262A CN202211350917.5A CN202211350917A CN115422262A CN 115422262 A CN115422262 A CN 115422262A CN 202211350917 A CN202211350917 A CN 202211350917A CN 115422262 A CN115422262 A CN 115422262A
Authority
CN
China
Prior art keywords
supply
information
data
coefficient
missing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211350917.5A
Other languages
English (en)
Other versions
CN115422262B (zh
Inventor
李付林
李海弘
詹卫军
刘畅
范江东
陈瑜
高瞻
葛军萍
吴建锋
楼伟杰
王悦
王婧
胡恺锐
赵凯美
吕齐
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.)
State Grid Zhejiang Electric Power Co Ltd
Jinhua Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Jinhua Power Supply Co of State Grid Zhejiang Electric Power 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 State Grid Zhejiang Electric Power Co Ltd, Jinhua Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN202211350917.5A priority Critical patent/CN115422262B/zh
Publication of CN115422262A publication Critical patent/CN115422262A/zh
Application granted granted Critical
Publication of CN115422262B publication Critical patent/CN115422262B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于区块链智能合约下全链物资采供数据处理方法及系统，包括：第一需求端根据其物资种类需求确定区块链中相对应的第一供应端，生成与第一智能合约对应的数据采集插件；数据采集插件对所准备的供应数据进行采集，第一供应端在判断数据采集插件完成对供应数据采集后，将数据采集插件发送至接收物资的区块链中的第一接收端；第一接收端调取与第一智能合约对应的第一流程对应表和第一供应对应表，根据第一流程对应表、第一供应对应表对第一供应子信息和第二供应子信息进行验证，生成第一数据处理结果；根据第一流程对应表、第一供应对应表生成第一反馈表，在数据采集插件对第一反馈表进行采集。

Description

基于区块链智能合约下全链物资采供数据处理方法及系统
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于区块链智能合约下全链物资采供数据处理方法及系统。
背景技术
电力物资采供是整个电网工程建设的基础，近年来，随着国民经济的快速发展激增了用电量的需求，加大了电网工程项目的建设，因此需要大量的电力物资采供。
现有技术中，有电力物资需求时，使用物资的使用者会向需求端发送物资需求，需求端会依据物资需求向供应商采购相关物资，然后将物资运输给使用者进行使用。众所周知，电力物资采供涉及合同、单据、图片和视频等大样本数据，数据众多且杂乱。
然而，现有技术中，由于采购数据和供应数据是在需求端和供应商之间进行流转的，使用者无法对采购数据和供应数据进行全面的验证和分析，在采购数据和供应数据之间不匹配时，会导致物资供应出错。因此，如何让使用者对采购数据和供应数据进行自动采集和验证，并确保过程中数据的安全性成为了急需解决的问题。
发明内容
本发明实施例提供一种基于区块链智能合约下全链物资采供数据处理方法及系统，可以让使用者对采购数据和供应数据进行自动采集和验证，并确保过程中数据的安全性。
本发明实施例的第一方面，提供一种基于区块链智能合约下全链物资采供数据处理方法，包括：
S1，第一需求端根据其物资种类需求确定区块链中相对应的第一供应端，根据所述物资种类确定相应的第一智能合约，生成与所述第一智能合约对应的数据采集插件，将所述第一智能合约、数据采集插件发送至第一供应端；
S2，第一供应端基于所述第一智能合约对供应数据进行准备，数据采集插件对所准备的供应数据进行采集，第一供应端在判断数据采集插件完成对供应数据采集后，将所述数据采集插件发送至接收物资的区块链中的第一接收端；
S3，第一接收端对数据采集插件内的供应数据进行分类，得到流程类的第一供应子数据集合以及设备属性类的第二供应子数据集合，所述第一供应子数据集合包括第一供应子信息，所述第二供应子数据集合包括第二供应子信息；
S4，第一接收端调取与第一智能合约对应的第一流程对应表和第一供应对应表，根据所述第一流程对应表、第一供应对应表对所述第一供应子信息和第二供应子信息进行验证，生成第一数据处理结果；
S5，若判断所述第一数据处理结果不满足要求，则根据所述第一流程对应表、第一供应对应表生成第一反馈表，在数据采集插件对所述第一反馈表进行采集后，将所述第一反馈表发送至第一需求端和第一供应端。
可选地，在第一方面的一种可能实现方式中，所述S1包括：
第一需求端将物资种类与预设种类对应表进行比对，得到相对应的第一供应端和第一智能合约，所述预设种类对应表中具有物资种类与第一供应端和第一智能合约的对应关系；
提取所述第一智能合约的第一合约信息，根据所述第一合约信息生成相对应的数据采集表；
初始化数据采集插件，在所述数据采集插件中设置表格存储空间和数据存储空间，将所述数据采集表存储至所述表格存储空间；
在所述数据采集表内建立与每个第一合约信息对应的第一采集单元格，在数据存储空间内建立与每个第一采集单元格对应的子存储单元。
可选地，在第一方面的一种可能实现方式中，所述S2包括：
第一供应端提取所述表格存储空间内的数据采集表，根据所述数据采集表对供应数据进行准备；
数据采集插件在接收到第一供应端输入的准备完成信息后，数据采集插件对供应数据中的所有供应子信息进行依次采集，将供应子信息填充至与相应第一合约信息对应的子存储单元内；
在判断任意一个第一合约信息对应的供应子信息填充至对应的子存储单元内后，对数据采集表中相应第一合约信息对应的第一采集单元格添加第一标签信息；
第一供应端在判断数据采集表内的所有第一采集单元内分别添加相对应的第一标签信息后，则判断数据采集插件完成对供应数据采集，将所述数据采集插件发送至接收物资的第一接收端。
可选地，在第一方面的一种可能实现方式中，所述S3包括：
第一接收端提取数据采集插件内每个供应子信息所对应的类别标签；
若所述类别标签属于流程类，则将相应的供应子信息归类至第一供应子数据集合，若所述类别标签属于设备属性类，则将相应的供应子信息归类至第二供应子数据集合；
第一供应子数据集合包括第一供应子信息，所述第一供应子信息至少包括合同文件、资质文件；
第二供应子数据集合包括第二供应子信息，所述第二供应子信息至少包括物资名称、物资型号、物资身份码。
可选地，在第一方面的一种可能实现方式中，所述S4包括：
提取所述第一流程对应表内的所有预设流程信息，将预设流程信息与第一供应子信息进行比对验证；
若第一供应子信息与所有预设流程信息完全对应，则生成第一类型的第一比对结果；
若第一供应子信息与所有预设流程信息不完全对应，则挑选未被对应的预设流程信息作为第一缺失供应信息，根据所述第一缺失供应信息的第一缺失数量生成第二类型的第一比对结果。
可选地，在第一方面的一种可能实现方式中，所述S4包括：
提取所述第一供应对应表内的所有预设供应信息，将预设供应信息与第二供应子信息进行比对验证；
若第二供应子信息与所有预设供应信息完全对应，则生成第一类型的第二比对结果；
若第二供应子信息与所有预设供应信息不完全对应，则挑选未被对应的预设供应信息作为第二缺失供应信息，根据所述第二缺失供应信息的第二缺失数量生成第二类型的第二比对结果；
根据所述第一类型的第一比对结果或第二类型的第一比对结果，第一类型的第二比对结果或第二类型的第二比对结果进行计算，生成第一数据处理结果。
可选地，在第一方面的一种可能实现方式中，所述S5包括：
若判断第一数据处理结果中存在第二类型的第一比对结果或第二类型的第二比对结果，则判断所述第一数据处理结果不满足要求，生成第一反馈表；
若判断存在第一缺失供应信息，则将相应的第一缺失供应信息填充至所述第一反馈表内；
若判断存在第二缺失供应信息，则将相应的第二缺失供应信息填充至所述第一反馈表内；
根据所述第一缺失数量、第二缺失数量、每个所缺失的预设流程信息、预设供应信息对应的预设权重进行计算，得到与所述第一反馈表对应的信息缺失系数；
在判断数据采集插件对所述第一反馈表进行采集、生成信息缺失系数并反馈至第一接收端后，第一接收端将所述第一反馈表、信息缺失系数发送至第一需求端和第一供应端。
可选地，在第一方面的一种可能实现方式中，所述根据所述第一缺失数量、第二缺失数量，每个所缺失的预设流程信息、预设供应信息对应的预设系数进行计算，得到与所述第一反馈表对应的信息缺失系数，包括：
根据所述第一缺失数量、第二缺失数量进行计算，得到缺失数量系数；
根据所缺失的每个预设流程信息、每个预设供应信息分别对应的预设系数进行计算得到缺失系数之和；
根据所述缺失数量系数、缺失系数之和进行综合计算，得到与所述第一反馈表对应的信息缺失系数，通过以下公式计算信息缺失系数，
Figure 98171DEST_PATH_IMAGE001
其中，
Figure 156257DEST_PATH_IMAGE002
为信息缺失系数，
Figure 201574DEST_PATH_IMAGE003
为第一数量权重，
Figure 596783DEST_PATH_IMAGE004
为第一缺失数量，
Figure 676734DEST_PATH_IMAGE005
为 第二数量权重，
Figure 764776DEST_PATH_IMAGE006
为第二缺失数量，
Figure 172755DEST_PATH_IMAGE007
为数量归一化值，
Figure 371655DEST_PATH_IMAGE008
为流程系数权重，
Figure 306113DEST_PATH_IMAGE009
为第
Figure 565056DEST_PATH_IMAGE010
个缺失的预设流程信息对应的预设系数，
Figure 584965DEST_PATH_IMAGE011
为缺失的预设流程信息的数量的上限值，
Figure 321976DEST_PATH_IMAGE012
为供应信息权重，
Figure 986307DEST_PATH_IMAGE013
为第
Figure 681731DEST_PATH_IMAGE014
个缺失的预设供应信息对应的预设系数，
Figure 923356DEST_PATH_IMAGE015
为缺失的预设供 应信息的数量的上限值。
可选地，在第一方面的一种可能实现方式中，还包括：
若判断所述第一数据处理结果不满足要求，则将所述信息缺失系数发送至培训管理端；
若所述信息缺失系数小于等于预设缺失系数，则确定预设培训时间值作为第一需求端和第一供应端的培训时长；
若所述信息缺失系数大于预设缺失系数，则根据所述信息缺失系数、预设缺失系数进行差值计算得到信息趋势偏移值，根据所述信息趋势偏移值、预设培训时间值进行计算，得到动态的培训时长；
通过以下模型计算动态的培训时长，
Figure 464059DEST_PATH_IMAGE016
其中，
Figure 373109DEST_PATH_IMAGE017
为信息缺失系数，
Figure 708275DEST_PATH_IMAGE018
为预设缺失系数，
Figure 578142DEST_PATH_IMAGE019
为动态的培训时长，
Figure 922536DEST_PATH_IMAGE020
为系数归一化值，
Figure 686093DEST_PATH_IMAGE021
为模型训练系数；
将所计算的动态的培训时长对培训管理端进行展示，若判断培训管理端未对动态的培训时长进行调整，根据相应的动态的培训时长作为第一需求端和第一供应端的培训时长；
培训管理端根据所述培训时长在数据库中选取相应长度的培训课程后，将所述培训课程发送至第一需求端和/或第一供应端；
若判断培训管理端对动态的培训时长进行调整，则将调整后的动态的培训时长作为第一需求端和第一供应端的培训时长，并根据调整前的动态的培训时长、调整后的动态的培训时长对模型训练系数进行训练，得到训练后的模型训练系数。
可选地，在第一方面的一种可能实现方式中，所述若判断培训管理端对动态的培训时长进行调整，则将调整后的动态的培训时长作为第一需求端和第一供应端的培训时长，并根据调整前的动态的培训时长、调整后的动态的培训时长对模型训练系数进行训练，得到训练后的模型训练系数，包括：
若调整前的动态的培训时长小于调整后的动态的培训时长，则计算调整前的动态的培训时长和调整后的动态的培训时长的差值，得到增大系数值；
根据所述增大系数值、预设增大权重对模型训练系数进行调大训练，得到训练后的模型训练系数，
Figure 457740DEST_PATH_IMAGE022
其中，
Figure 673957DEST_PATH_IMAGE023
为调整后的动态的培训时长，
Figure 697408DEST_PATH_IMAGE024
为调大训练后的模型训练系数，
Figure 49892DEST_PATH_IMAGE025
为调大系数值。
可选地，在第一方面的一种可能实现方式中，所述若判断培训管理端对动态的培训时长进行调整，则将调整后的动态的培训时长作为第一需求端和第一供应端的培训时长，并根据调整前的动态的培训时长、调整后的动态的培训时长对模型训练系数进行训练，得到训练后的模型训练系数，包括：
若调整前的动态的培训时长大于调整后的动态的培训时长，则计算调整前的动态的培训时长和调整后的动态的培训时长的差值，得到调小系数值；
根据所述调小系数值、预设调小权重对模型训练系数进行调小训练，得到训练后的模型训练系数，
Figure 258020DEST_PATH_IMAGE026
其中，
Figure 961533DEST_PATH_IMAGE027
为调整后的动态的培训时长，
Figure 647730DEST_PATH_IMAGE028
为调小训练后的模型训练系数，
Figure 120299DEST_PATH_IMAGE029
为调小系数值。
本发明实施例的第二方面，提供一种基于区块链智能合约下全链物资采供数据处理系统，包括：
确定模块，用于使第一需求端根据其物资种类需求确定区块链中相对应的第一供应端，根据所述物资种类确定相应的第一智能合约，生成与所述第一智能合约对应的数据采集插件，将所述第一智能合约、数据采集插件发送至第一供应端；
采集模块，用于使第一供应端基于所述第一智能合约对供应数据进行准备，数据采集插件对所准备的供应数据进行采集，第一供应端在判断数据采集插件完成对供应数据采集后，将所述数据采集插件发送至接收物资的区块链中的第一接收端；
分类模块，用于使第一接收端对数据采集插件内的供应数据进行分类，得到流程类的第一供应子数据集合以及设备属性类的第二供应子数据集合，所述第一供应子数据集合包括第一供应子信息，所述第二供应子数据集合包括第二供应子信息；
验证模块，用于使第一接收端调取与第一智能合约对应的第一流程对应表和第一供应对应表，根据所述第一流程对应表、第一供应对应表对所述第一供应子信息和第二供应子信息进行验证，生成第一数据处理结果；
发送模块，用于若判断所述第一数据处理结果不满足要求，则根据所述第一流程对应表、第一供应对应表生成第一反馈表，在数据采集插件对所述第一反馈表进行采集后，将所述第一反馈表发送至第一需求端和第一供应端。
有益效果：
1、本方案面向电力物资采购供应的过程性数据追踪与质量溯源需求，提出了基于区块链的数字化采供数据采集与分析方法，将第一需求端、第一供应端和第一接收端等节点上链，可以让使用者利用第一接收端对相应第一需求端和第一供应端之间的采购数据和供应数据进行采集和验证，确保所使用的物资是相对应的物资，并在物资数据不对应时，结合验证结果进行反馈。同时，由于多个节点的数据采用区块链进行数据的流转，可以确保过程中数据的安全性。
2、本方案在进行数据采集的过程中，会确定相应物资种类的合约信息以及数据采集插件，并利用合约信息对数据采集插件进行定制化设置，得到相应的表格存储空间和数据存储空间，以及相应的采集单元格对数据进行采集；同时，本方案会通过标签信息来判断是否采集完成，并在采集完成后按照不同的类别标签对数据进行分类存储，以便于实现后续的分类比对验证。
3、本方案在对采集数据的分析过程中，会依据数据类型的不同而采用两个维度进行分析验证，分别是流程类维度数据和设备类维度数据，可以确保验证的准确性。在得到分析结果的过程中，本方案会依据不同的情况得到不同的结果，同时，本方案会计算缺失数量维度、流程类缺失系数维度、设备类缺失系数维度等多维度的数据，然后对多维度的数据进行综合，得到信息缺失系数，来对结果进行量化展示。另外，本方案在得到信息缺失系数之后，本方案还会依据信息缺失系数计算培训时长，对相关节点进行培训，减少下次数据流转过程中的错误。本方案还会与培训管理端之间进行交互，依据培训管理端对培训时长的调整来自动实现对模型中相关系数的调整，以使得下次所计算出来的数据更为贴合管理端的需求。
附图说明
图1是本发明实施例提供的基于区块链智能合约下全链物资采供数据处理方法；
图2是本发明实施例提供的基于区块链智能合约下全链物资采供数据处理系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
参见图1，是本发明实施例提供的基于区块链智能合约下全链物资采供数据处理方法，其特征在于，包括S1- S5：
S1，第一需求端根据其物资种类需求确定区块链中相对应的第一供应端，根据所述物资种类确定相应的第一智能合约，生成与所述第一智能合约对应的数据采集插件，将所述第一智能合约、数据采集插件发送至第一供应端。
其中，第一需求端、第一供应端以及下述方案中的第一接收端均是区块链中节点。第一接收端可以是物资的使用者所持有，第一需求端可以是对应国网采购部门的节点，当有物资需求时，例如需要采购变压器时，使用者可以向第一需求端请求相应的物资采购，第一需求端可以向第一供应端采购相应的物资。在实际采购中，使用者不会直接与供应端进行接触，而是经由采购部门采购。
第一需求端会根据其物资种类需求确定区块链中相对应的第一供应端，根据物资种类确定相应的第一智能合约，生成与第一智能合约对应的数据采集插件，将第一智能合约、数据采集插件发送至第一供应端。其中，物资种类需求还可以包括时间信息，例如为2022年1月1日的所采购的变压器。
其中，第一智能合约可以是需要采集的数据信息，例如包括合同、设备型号、设备数量、设备图片等信息。在确定了第一智能合约之后，本方案会生成与第一智能合约对应的数据采集插件，用于相应的数据采集，然后将第一智能合约、数据采集插件发送至第一供应端进行数据采集，第一供应端可以是供应端对应的节点。
在一些实施例中，所述S1包括S11- S14：
S11，第一需求端将物资种类与预设种类对应表进行比对，得到相对应的第一供应端和第一智能合约，所述预设种类对应表中具有物资种类与第一供应端和第一智能合约的对应关系。
本方案设置有预设种类对应表，预设种类对应表内设置有物资种类与第一供应端和第一智能合约的对应关系，第一需求端可以将物资种类与预设种类对应表进行比对，得到相对应的第一供应端和第一智能合约。
S12，提取所述第一智能合约的第一合约信息，根据所述第一合约信息生成相对应的数据采集表。
本方案在得到第一智能合约之后，会提取第一智能合约的第一合约信息，根据第一合约信息生成相对应的数据采集表。可以理解的是，第一智能合约可以包括多个第一合约信息。
S13，初始化数据采集插件，在所述数据采集插件中设置表格存储空间和数据存储空间，将所述数据采集表存储至所述表格存储空间。
本方案的数据采集插件中包括表格存储空间和数据存储空间，其中，表格存储空间用于存储数据采集表，数据存储空间用于存储采集的数据。
S14，在所述数据采集表内建立与每个第一合约信息对应的第一采集单元格，在数据存储空间内建立与每个第一采集单元格对应的子存储单元。
本方案会在数据采集表内建立与每个第一合约信息对应的第一采集单元格，在数据存储空间内建立与每个第一采集单元格对应的子存储单元。
例如，第一合约信息可以是合同信息、设备型号信息、数量信息、图片信息等等，本方案会建立与每个第一合约信息对应的第一采集单元格，子存储单元用于存储每个第一采集单元格所对应的信息。
S2，第一供应端基于所述第一智能合约对供应数据进行准备，数据采集插件对所准备的供应数据进行采集，第一供应端在判断数据采集插件完成对供应数据采集后，将所述数据采集插件发送至接收物资的区块链中的第一接收端。
本方案的第一供应端在收到第一智能合约以及数据采集插件后，会基于第一智能合约对供应数据进行准备，数据采集插件对所准备的供应数据进行采集，第一供应端在判断数据采集插件完成对供应数据采集后，将数据采集插件发送至接收物资的区块链中的第一接收端。可以理解的是，第一供应端只会准备与第一需求端对应的供应数据，例如第一供应端向第一需求端A提供了10台变压器，向第一需求端B提供了5台变压器，第一需求端A需要采集变压器相关的数据时，第一供应端只需要准备与第一需求端A对应的10台变压器的供应数据等待采集即可。
在一些实施例中，所述S2包括S21- S24：
S21，第一供应端提取所述表格存储空间内的数据采集表，根据所述数据采集表对供应数据进行准备。
本方案的第一供应端会提取表格存储空间内的数据采集表，利用数据采集表对供应数据进行准备。例如，对合同信息、设备型号信息、数量信息、图片信息进行准备。
S22，数据采集插件在接收到第一供应端输入的准备完成信息后，数据采集插件对供应数据中的所有供应子信息进行依次采集，将供应子信息填充至与相应第一合约信息对应的子存储单元内。
在第一供应端准备完成后，第一供应端输入的准备完成信息，数据采集插件对供应数据中的所有供应子信息进行依次采集，将供应子信息填充至与相应第一合约信息对应的子存储单元内。
S23，在判断任意一个第一合约信息对应的供应子信息填充至对应的子存储单元内后，对数据采集表中相应第一合约信息对应的第一采集单元格添加第一标签信息。
本方案会在任意一个第一合约信息对应的供应子信息填充至对应的子存储单元内后，对数据采集表中相应第一合约信息对应的第一采集单元格添加第一标签信息。可以理解的是，添加第一标签信息说明对应的第一采集单元格完成了采集任务。
S24，第一供应端在判断数据采集表内的所有第一采集单元内分别添加相对应的第一标签信息后，则判断数据采集插件完成对供应数据采集，将所述数据采集插件发送至接收物资的第一接收端。
当第一供应端在判断数据采集表内的所有第一采集单元内分别添加相对应的第一标签信息后，本方案会确定数据采集插件完成对供应数据采集，将数据采集插件发送至接收物资的第一接收端。
第一接收端可以是相关物资的使用端，例如，第一接收端需要使用10个型号A的变压器，可以利用第一需求端进行物资采购，第一需求端可以与第一供应端之间进行数据的交互，实现物资数据的采集，然后经由第一供应端传输给第一接收端，第一接收端可以通过对接收的数据进行分析，判断采供数据是否满足需求。
S3，第一接收端对数据采集插件内的供应数据进行分类，得到流程类的第一供应子数据集合以及设备属性类的第二供应子数据集合，所述第一供应子数据集合包括第一供应子信息，所述第二供应子数据集合包括第二供应子信息。
本方案的第一接收端在接收到数据采集插件后，为了对信息进行有效分析，首先会对数据采集插件内的供应数据进行分类，得到流程类的第一供应子数据集合以及设备属性类的第二供应子数据集合，其中，第一供应子数据集合包括第一供应子信息，第二供应子数据集合包括第二供应子信息。
在一些实施例中，所述S3包括S31- S34：
S31，第一接收端提取数据采集插件内每个供应子信息所对应的类别标签。
本方案的第一接收端会提取数据采集插件内每个供应子信息所对应的类别标签。
类别标签包括流程类标签和设备属性类标签。流程类标签所对应的供应子信息为流程类数据，例如包括合同文件、资质文件；设备属性类标签所对应的供应子信息为设备相关的数据，例如包括物资名称、物资型号、物资身份码。
S32，若所述类别标签属于流程类，则将相应的供应子信息归类至第一供应子数据集合，若所述类别标签属于设备属性类，则将相应的供应子信息归类至第二供应子数据集合。
可以理解的是，如果类别标签属于流程类，则将相应的供应子信息归类至第一供应子数据集合，如果类别标签属于设备属性类，则将相应的供应子信息归类至第二供应子数据集合，实现对供应子信息的归类。
S33，第一供应子数据集合包括第一供应子信息，所述第一供应子信息至少包括合同文件、资质文件。
本方案的第一供应子数据集合中包括第一供应子信息，第一供应子信息至少包括合同文件、资质文件。
S34，第二供应子数据集合包括第二供应子信息，所述第二供应子信息至少包括物资名称、物资型号、物资身份码。
本方案的第二供应子数据集合包括第二供应子信息，第二供应子信息至少包括物资名称、物资型号、物资身份码。
S4，第一接收端调取与第一智能合约对应的第一流程对应表和第一供应对应表，根据所述第一流程对应表、第一供应对应表对所述第一供应子信息和第二供应子信息进行验证，生成第一数据处理结果。
为了对数据进行分析和验证，本方案的第一接收端会调取与第一智能合约对应的第一流程对应表和第一供应对应表，然后根据第一流程对应表、第一供应对应表对第一供应子信息和第二供应子信息进行验证，生成第一数据处理结果。
其中，第一流程对应表和第一供应对应表内所存储的数据为标准数据，本方案可以将采集到的数据与标准数据进行比对，实现对第一供应子信息和第二供应子信息进行验证，生成第一数据处理结果。
在一些实施例中，所述S4包括S41- S43：
S41，提取所述第一流程对应表内的所有预设流程信息，将预设流程信息与第一供应子信息进行比对验证。
首先，本方案会提取第一流程对应表内的所有预设流程信息，将预设流程信息与第一供应子信息进行比对验证。本步骤实现对流程类维度的信息的比对验证。
需要说明的是，本方案中，对信息进行验证时，可以采用人工验证方式与自动验证方式进行结合验证，例如，针对合同内容是否准确、是否缺页、是否缺章等信息进行验证时，可以采用人工进行验证，针对物资身份码是否对应可以采用数据自动比对的方式进行验证，例如比对两个物资身份码之间是否一致，本方案对其不做限制。
S42，若第一供应子信息与所有预设流程信息完全对应，则生成第一类型的第一比对结果。
可以理解的是，如果第一供应子信息与所有预设流程信息完全对应，则生成第一类型的第一比对结果。可以理解的是，第一类型的第一比对结果可以是说明信息验证完全正确的结果。
S43，若第一供应子信息与所有预设流程信息不完全对应，则挑选未被对应的预设流程信息作为第一缺失供应信息，根据所述第一缺失供应信息的第一缺失数量生成第二类型的第一比对结果。
可以理解的是，如果第一供应子信息与所有预设流程信息不完全对应，则挑选未被对应的预设流程信息作为第一缺失供应信息，然后对第一缺失供应信息的第一缺失数量进行分析，生成第二类型的第一比对结果。可以理解的是，第二类型的第一比对结果可以是说明信息验证不完全正确的结果。需要说明的是，第一缺失数量越多，第二类型的第一比对结果越差。
在另一些实施例中，所述S4包括S41- S44：
S41，提取所述第一供应对应表内的所有预设供应信息，将预设供应信息与第二供应子信息进行比对验证。
本方案会提取所述第一供应对应表内的所有预设供应信息，将预设供应信息与第二供应子信息进行比对验证。本步骤实现对设备类维度的信息的比对验证。
S42，若第二供应子信息与所有预设供应信息完全对应，则生成第一类型的第二比对结果。
可以理解的是，如果第二供应子信息与所有预设供应信息完全对应，则生成第一类型的第二比对结果。可以理解的是，第一类型的第二比对结果可以是说明信息验证完全正确的结果。
S43，若第二供应子信息与所有预设供应信息不完全对应，则挑选未被对应的预设供应信息作为第二缺失供应信息，根据所述第二缺失供应信息的第二缺失数量生成第二类型的第二比对结果。
可以理解的是，如果第二供应子信息与所有预设供应信息不完全对应，则挑选未被对应的预设供应信息作为第二缺失供应信息，然后对第二缺失供应信息的第二缺失数量进行分析，生成第二类型的第二比对结果。可以理解的是，第二类型的第二比对结果可以是说明信息验证不完全正确的结果。需要说明的是，第二缺失数量越多，第二类型的第二比对结果越差。
S44，根据所述第一类型的第一比对结果或第二类型的第一比对结果，第一类型的第二比对结果或第二类型的第二比对结果进行计算，生成第一数据处理结果。
本方案会对第一类型的第一比对结果或第二类型的第一比对结果，第一类型的第二比对结果或第二类型的第二比对结果进行综合计算，生成第一数据处理结果。
S5，若判断所述第一数据处理结果不满足要求，则根据所述第一流程对应表、第一供应对应表生成第一反馈表，在数据采集插件对所述第一反馈表进行采集后，将所述第一反馈表发送至第一需求端和第一供应端。
可以理解的是，如果判断第一数据处理结果不满足要求，则根据第一流程对应表、第一供应对应表生成第一反馈表，在数据采集插件对第一反馈表进行采集后，将第一反馈表发送至第一需求端和第一供应端。通过上述方式，实现问题数据的反馈。
在一些实施例中，所述S5包括S51- S54：
S51，若判断第一数据处理结果中存在第二类型的第一比对结果或第二类型的第二比对结果，则判断所述第一数据处理结果不满足要求，生成第一反馈表。
如果判断第一数据处理结果中存在第二类型的第一比对结果或第二类型的第二比对结果，说明存在数据不对应的情况，则本方案会判断第一数据处理结果不满足要求，生成第一反馈表。
S52，若判断存在第一缺失供应信息，则将相应的第一缺失供应信息填充至所述第一反馈表内。
如果判断存在第一缺失供应信息，则将相应的第一缺失供应信息填充至第一反馈表内，实现对第一缺失供应信息（流程维度缺失供应信息）的反馈。
S53，若判断存在第二缺失供应信息，则将相应的第二缺失供应信息填充至所述第一反馈表内。
如果判断存在第二缺失供应信息，则将相应的第二缺失供应信息填充至第一反馈表内，实现对第二缺失供应信息（设备维度缺失供应信息）的反馈。
S54，根据所述第一缺失数量、第二缺失数量、每个所缺失的预设流程信息、预设供应信息对应的预设权重进行计算，得到与所述第一反馈表对应的信息缺失系数。
本方案会根据第一缺失数量、第二缺失数量、每个所缺失的预设流程信息、预设供应信息对应的预设权重进行综合计算，得到与第一反馈表对应的信息缺失系数。
在一些实施例中，S54（所述根据所述第一缺失数量、第二缺失数量，每个所缺失的预设流程信息、预设供应信息对应的预设系数进行计算，得到与所述第一反馈表对应的信息缺失系数）包括S541- S543：
S541，根据所述第一缺失数量、第二缺失数量进行计算，得到缺失数量系数。
首先，本方案会对第一缺失数量、第二缺失数量进行计算，得到缺失数量系数，可以理解的是，第一缺失数量、第二缺失数量越多，对应的缺失数量系数就越大，对应的缺失数量系数越大，说明数据不对应的越多。
S542，根据所缺失的每个预设流程信息、每个预设供应信息分别对应的预设系数进行计算得到缺失系数之和。
本方案的每个预设流程信息、每个预设供应信息都有对应的预设系数，来实现对分析过程中的数据的量化。例如，如果合同缺失了一页，不影响设备的正常使用，那么对应的预设系数可以低一些；如果设备型号不对应，影响设备的正常使用，那么对应的预设系数可以设置的较高，例如为0.9。
S543，根据所述缺失数量系数、缺失系数之和进行综合计算，得到与所述第一反馈表对应的信息缺失系数，通过以下公式计算信息缺失系数，
Figure 374694DEST_PATH_IMAGE030
其中，
Figure 565504DEST_PATH_IMAGE017
为信息缺失系数，
Figure 789812DEST_PATH_IMAGE031
为第一数量权重，
Figure 116888DEST_PATH_IMAGE032
为第一缺失数量，
Figure 666818DEST_PATH_IMAGE033
为 第二数量权重，
Figure 220290DEST_PATH_IMAGE034
为第二缺失数量，
Figure 248289DEST_PATH_IMAGE035
为数量归一化值，
Figure 695451DEST_PATH_IMAGE008
为流程系数权重，
Figure 150703DEST_PATH_IMAGE009
为第
Figure 316105DEST_PATH_IMAGE010
个缺失的预设流程信息对应的预设系数，
Figure 882216DEST_PATH_IMAGE011
为缺失的预设流程信息的数量的上限值，
Figure 333619DEST_PATH_IMAGE012
为供应信息权重，
Figure 959772DEST_PATH_IMAGE013
为第
Figure 346891DEST_PATH_IMAGE014
个缺失的预设供应信息对应的预设系数，
Figure 982272DEST_PATH_IMAGE015
为缺失的预设供 应信息的数量的上限值。
上述公式中，
Figure 138447DEST_PATH_IMAGE036
代表缺失数量系数，
Figure 76447DEST_PATH_IMAGE037
代表第一 缺失数量和第二缺失数量维度的综合量，
Figure 685283DEST_PATH_IMAGE037
越大，对应的表缺失数量系数 也就越大，其中，第一数量权重
Figure 124354DEST_PATH_IMAGE038
和第二数量权重
Figure 400615DEST_PATH_IMAGE039
可以是工作人员预先设置的。
Figure 368571DEST_PATH_IMAGE040
代表流程维度的缺失系数之和，
Figure 730282DEST_PATH_IMAGE041
代表设备属性维度的缺失系数 之和，最后综合3个维度的数据，得到信息缺失系数。
S55，在判断数据采集插件对所述第一反馈表进行采集、生成信息缺失系数并反馈至第一接收端后，第一接收端将所述第一反馈表、信息缺失系数发送至第一需求端和第一供应端。
可以理解的是，本方案在判断数据采集插件对第一反馈表进行采集、生成信息缺失系数并反馈至第一接收端后，第一接收端会将第一反馈表、信息缺失系数发送至第一需求端和第一供应端。
在上述实施例的基础上，还包括A1- A6：
A1，若判断所述第一数据处理结果不满足要求，则将所述信息缺失系数发送至培训管理端。
本方案会对第一数据处理结果进行判断，如果第一数据处理结果不满足要求，则将信息缺失系数发送至培训管理端。
A2，若所述信息缺失系数小于等于预设缺失系数，则确定预设培训时间值作为第一需求端和第一供应端的培训时长。
本方案设置有预设缺失系数，预设缺失系数例如可以是0.5，如果信息缺失系数小于等于预设缺失系数，说明误差在预设范围内，则本方案会确定预设培训时间值作为第一需求端和第一供应端的培训时长。预设培训时间值例如是4个小时。
A3，若所述信息缺失系数大于预设缺失系数，则根据所述信息缺失系数、预设缺失系数进行差值计算得到信息趋势偏移值，根据所述信息趋势偏移值、预设培训时间值进行计算，得到动态的培训时长。
如果信息缺失系数大于预设缺失系数，说明误差较大，则本方案会利用信息缺失系数、预设缺失系数进行差值计算得到信息趋势偏移值，然后根据信息趋势偏移值、预设培训时间值进行计算，得到动态的培训时长。
通过以下模型计算动态的培训时长，
Figure 582832DEST_PATH_IMAGE042
其中，
Figure 713599DEST_PATH_IMAGE043
为信息缺失系数，
Figure 852456DEST_PATH_IMAGE044
为预设缺失系数，
Figure 701463DEST_PATH_IMAGE045
为动态的培训时长，
Figure 216758DEST_PATH_IMAGE020
为系数归一化值，
Figure 202032DEST_PATH_IMAGE046
为模型训练系数。
上述公式中，
Figure 652736DEST_PATH_IMAGE047
代表信息缺失系数大于预设缺失系数，
Figure 989039DEST_PATH_IMAGE048
代 表信息缺失系数与预设缺失系数之间的差值，差值越大，说明需要调整的幅度也就越多，通 过上述方式来对培训时长进行向上调整，得到动态的培训时长。
A4，将所计算的动态的培训时长对培训管理端进行展示，若判断培训管理端未对动态的培训时长进行调整，根据相应的动态的培训时长作为第一需求端和第一供应端的培训时长。
本方案在得到动态的培训时长之后，还会将所计算的动态的培训时长对培训管理端进行展示，如果判断培训管理端未对动态的培训时长进行调整，说明培训管理端认为所计算的动态的培训时长比较合适，则本方案会根据相应的动态的培训时长作为第一需求端和第一供应端的培训时长，对第一需求端和第一供应端进行培训。
A5，培训管理端根据所述培训时长在数据库中选取相应长度的培训课程后，将所述培训课程发送至第一需求端和/或第一供应端。
本方案在确定培训时长之后，培训管理端会根据培训时长在数据库中选取相应长度的培训课程后，将培训课程发送至第一需求端和/或第一供应端进行培训。
A6，若判断培训管理端对动态的培训时长进行调整，则将调整后的动态的培训时长作为第一需求端和第一供应端的培训时长，并根据调整前的动态的培训时长、调整后的动态的培训时长对模型训练系数进行训练，得到训练后的模型训练系数。
如果判断培训管理端对动态的培训时长进行调整，说明培训管理端认为所计算出来的培训时长不符合需求，此时，本方案会将调整后的动态的培训时长作为第一需求端和第一供应端的培训时长，并根据调整前的动态的培训时长、调整后的动态的培训时长对模型训练系数进行训练，得到训练后的模型训练系数。
在一些实施例中，A6（所述若判断培训管理端对动态的培训时长进行调整，则将调整后的动态的培训时长作为第一需求端和第一供应端的培训时长，并根据调整前的动态的培训时长、调整后的动态的培训时长对模型训练系数进行训练，得到训练后的模型训练系数）包括A61- A62：
A61，若调整前的动态的培训时长小于调整后的动态的培训时长，则计算调整前的动态的培训时长和调整后的动态的培训时长的差值，得到增大系数值。
在一些情况下，如果调整前的动态的培训时长小于调整后的动态的培训时长，说明管理端认为，所计算出来的培训时长偏小，对其进行了增大调整，此时，本方案会计算调整前的动态的培训时长和调整后的动态的培训时长的差值，得到增大系数值。
A62，根据所述增大系数值、预设增大权重对模型训练系数进行调大训练，得到训练后的模型训练系数，
Figure 42446DEST_PATH_IMAGE049
其中，
Figure 147805DEST_PATH_IMAGE023
为调整后的动态的培训时长，
Figure 894044DEST_PATH_IMAGE024
为调大训练后的模型训练系数，
Figure 327431DEST_PATH_IMAGE025
为调大系数值。
上述公式中，
Figure 184528DEST_PATH_IMAGE050
代表调整幅度，
Figure 144394DEST_PATH_IMAGE051
代表调整差值， 调整差值越大，对应的调整幅度就需要越大，来得到调大训练后的模型训练系数
Figure 61535DEST_PATH_IMAGE052
，使得 下次所计算出来的培训时长增大。
在另一些实施例中，A6（所述若判断培训管理端对动态的培训时长进行调整，则将调整后的动态的培训时长作为第一需求端和第一供应端的培训时长，并根据调整前的动态的培训时长、调整后的动态的培训时长对模型训练系数进行训练，得到训练后的模型训练系数）包括A63- A64：
A63，若调整前的动态的培训时长大于调整后的动态的培训时长，则计算调整前的动态的培训时长和调整后的动态的培训时长的差值，得到调小系数值。
在一些情况下，如果调整前的动态的培训时长大于调整后的动态的培训时长，说明管理端认为，所计算出来的培训时长偏大，对其进行了减小调整，此时，本方案会计算调整前的动态的培训时长和调整后的动态的培训时长的差值，得到调小系数值。
A64，根据所述调小系数值、预设调小权重对模型训练系数进行调小训练，得到训练后的模型训练系数，
Figure 106851DEST_PATH_IMAGE053
其中，
Figure 767639DEST_PATH_IMAGE027
为调整后的动态的培训时长，
Figure 457378DEST_PATH_IMAGE028
为调小训练后的模型训练系数，
Figure 545420DEST_PATH_IMAGE029
为调小系数值。
上述公式中，
Figure 78032DEST_PATH_IMAGE054
代表调整幅度，
Figure DEST_PATH_IMAGE055
代表调整差值，调整 差值越大，对应的调整幅度就需要越大，来得到调小训练后的模型训练系数
Figure 808091DEST_PATH_IMAGE028
，使得下 次所计算出来的培训时长减小。
参见图2，是本发明实施例提供的一种基于区块链智能合约下全链物资采供数据处理系统的结构示意图，包括：
确定模块，用于使第一需求端根据其物资种类需求确定区块链中相对应的第一供应端，根据所述物资种类确定相应的第一智能合约，生成与所述第一智能合约对应的数据采集插件，将所述第一智能合约、数据采集插件发送至第一供应端；
采集模块，用于使第一供应端基于所述第一智能合约对供应数据进行准备，数据采集插件对所准备的供应数据进行采集，第一供应端在判断数据采集插件完成对供应数据采集后，将所述数据采集插件发送至接收物资的区块链中的第一接收端；
分类模块，用于使第一接收端对数据采集插件内的供应数据进行分类，得到流程类的第一供应子数据集合以及设备属性类的第二供应子数据集合，所述第一供应子数据集合包括第一供应子信息，所述第二供应子数据集合包括第二供应子信息；
验证模块，用于使第一接收端调取与第一智能合约对应的第一流程对应表和第一供应对应表，根据所述第一流程对应表、第一供应对应表对所述第一供应子信息和第二供应子信息进行验证，生成第一数据处理结果；
发送模块，用于若判断所述第一数据处理结果不满足要求，则根据所述第一流程对应表、第一供应对应表生成第一反馈表，在数据采集插件对所述第一反馈表进行采集后，将所述第一反馈表发送至第一需求端和第一供应端。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (12)

1.基于区块链智能合约下全链物资采供数据处理方法，其特征在于，包括：
S1，第一需求端根据其物资种类需求确定区块链中相对应的第一供应端，根据所述物资种类确定相应的第一智能合约，生成与所述第一智能合约对应的数据采集插件，将所述第一智能合约、数据采集插件发送至第一供应端；
S2，第一供应端基于所述第一智能合约对供应数据进行准备，数据采集插件对所准备的供应数据进行采集，第一供应端在判断数据采集插件完成对供应数据采集后，将所述数据采集插件发送至接收物资的区块链中的第一接收端；
S3，第一接收端对数据采集插件内的供应数据进行分类，得到流程类的第一供应子数据集合以及设备属性类的第二供应子数据集合，所述第一供应子数据集合包括第一供应子信息，所述第二供应子数据集合包括第二供应子信息；
S4，第一接收端调取与第一智能合约对应的第一流程对应表和第一供应对应表，根据所述第一流程对应表、第一供应对应表对所述第一供应子信息和第二供应子信息进行验证，生成第一数据处理结果；
S5，若判断所述第一数据处理结果不满足要求，则根据所述第一流程对应表、第一供应对应表生成第一反馈表，在数据采集插件对所述第一反馈表进行采集后，将所述第一反馈表发送至第一需求端和第一供应端。
2.根据权利要求1所述的基于区块链智能合约下全链物资采供数据处理方法，其特征在于，
所述S1包括：
第一需求端将物资种类与预设种类对应表进行比对，得到相对应的第一供应端和第一智能合约，所述预设种类对应表中具有物资种类与第一供应端和第一智能合约的对应关系；
提取所述第一智能合约的第一合约信息，根据所述第一合约信息生成相对应的数据采集表；
初始化数据采集插件，在所述数据采集插件中设置表格存储空间和数据存储空间，将所述数据采集表存储至所述表格存储空间；
在所述数据采集表内建立与每个第一合约信息对应的第一采集单元格，在数据存储空间内建立与每个第一采集单元格对应的子存储单元。
3.根据权利要求2所述的基于区块链智能合约下全链物资采供数据处理方法，其特征在于，
所述S2包括：
第一供应端提取所述表格存储空间内的数据采集表，根据所述数据采集表对供应数据进行准备；
数据采集插件在接收到第一供应端输入的准备完成信息后，数据采集插件对供应数据中的所有供应子信息进行依次采集，将供应子信息填充至与相应第一合约信息对应的子存储单元内；
在判断任意一个第一合约信息对应的供应子信息填充至对应的子存储单元内后，对数据采集表中相应第一合约信息对应的第一采集单元格添加第一标签信息；
第一供应端在判断数据采集表内的所有第一采集单元内分别添加相对应的第一标签信息后，则判断数据采集插件完成对供应数据采集，将所述数据采集插件发送至接收物资的第一接收端。
4.根据权利要求3所述的基于区块链智能合约下全链物资采供数据处理方法，其特征在于，
所述S3包括：
第一接收端提取数据采集插件内每个供应子信息所对应的类别标签；
若所述类别标签属于流程类，则将相应的供应子信息归类至第一供应子数据集合，若所述类别标签属于设备属性类，则将相应的供应子信息归类至第二供应子数据集合；
第一供应子数据集合包括第一供应子信息，所述第一供应子信息至少包括合同文件、资质文件；
第二供应子数据集合包括第二供应子信息，所述第二供应子信息至少包括物资名称、物资型号、物资身份码。
5.根据权利要求4所述的基于区块链智能合约下全链物资采供数据处理方法，其特征在于，
所述S4包括：
提取所述第一流程对应表内的所有预设流程信息，将预设流程信息与第一供应子信息进行比对验证；
若第一供应子信息与所有预设流程信息完全对应，则生成第一类型的第一比对结果；
若第一供应子信息与所有预设流程信息不完全对应，则挑选未被对应的预设流程信息作为第一缺失供应信息，根据所述第一缺失供应信息的第一缺失数量生成第二类型的第一比对结果。
6.根据权利要求5所述的基于区块链智能合约下全链物资采供数据处理方法，其特征在于，
所述S4包括：
提取所述第一供应对应表内的所有预设供应信息，将预设供应信息与第二供应子信息进行比对验证；
若第二供应子信息与所有预设供应信息完全对应，则生成第一类型的第二比对结果；
若第二供应子信息与所有预设供应信息不完全对应，则挑选未被对应的预设供应信息作为第二缺失供应信息，根据所述第二缺失供应信息的第二缺失数量生成第二类型的第二比对结果；
根据所述第一类型的第一比对结果或第二类型的第一比对结果，第一类型的第二比对结果或第二类型的第二比对结果进行计算，生成第一数据处理结果。
7.根据权利要求6所述的基于区块链智能合约下全链物资采供数据处理方法，其特征在于，
所述S5包括：
若判断第一数据处理结果中存在第二类型的第一比对结果或第二类型的第二比对结果，则判断所述第一数据处理结果不满足要求，生成第一反馈表；
若判断存在第一缺失供应信息，则将相应的第一缺失供应信息填充至所述第一反馈表内；
若判断存在第二缺失供应信息，则将相应的第二缺失供应信息填充至所述第一反馈表内；
根据所述第一缺失数量、第二缺失数量、每个所缺失的预设流程信息、预设供应信息对应的预设权重进行计算，得到与所述第一反馈表对应的信息缺失系数；
在判断数据采集插件对所述第一反馈表进行采集、生成信息缺失系数并反馈至第一接收端后，第一接收端将所述第一反馈表、信息缺失系数发送至第一需求端和第一供应端。
8.根据权利要求7所述的基于区块链智能合约下全链物资采供数据处理方法，其特征在于，
所述根据所述第一缺失数量、第二缺失数量，每个所缺失的预设流程信息、预设供应信息对应的预设系数进行计算，得到与所述第一反馈表对应的信息缺失系数，包括：
根据所述第一缺失数量、第二缺失数量进行计算，得到缺失数量系数；
根据所缺失的每个预设流程信息、每个预设供应信息分别对应的预设系数进行计算得到缺失系数之和；
根据所述缺失数量系数、缺失系数之和进行综合计算，得到与所述第一反馈表对应的信息缺失系数，通过以下公式计算信息缺失系数，
Figure 484310DEST_PATH_IMAGE001
其中，
Figure 401451DEST_PATH_IMAGE002
为信息缺失系数，
Figure 446767DEST_PATH_IMAGE003
为第一数量权重，
Figure 107556DEST_PATH_IMAGE004
为第一缺失数量，
Figure 71662DEST_PATH_IMAGE005
为第二数量权重，
Figure 894125DEST_PATH_IMAGE006
为第二缺失数量，
Figure 426737DEST_PATH_IMAGE007
为数量归一化值，
Figure 891217DEST_PATH_IMAGE008
为流程系数权重，
Figure 560095DEST_PATH_IMAGE009
为第
Figure 819039DEST_PATH_IMAGE010
个缺失的预设流程信息对应的预设系数，
Figure 714313DEST_PATH_IMAGE011
为缺失的预设流程信息的数量的上限值，
Figure 716904DEST_PATH_IMAGE012
为供应信息权重，
Figure 240290DEST_PATH_IMAGE013
为第
Figure 935713DEST_PATH_IMAGE014
个缺失的预设供应信息对应的预设系数，
Figure 442918DEST_PATH_IMAGE015
为缺失的预设供应信息的数量的上限值。
9.根据权利要求8所述的基于区块链智能合约下全链物资采供数据处理方法，其特征在于，还包括：
若判断所述第一数据处理结果不满足要求，则将所述信息缺失系数发送至培训管理端；
若所述信息缺失系数小于等于预设缺失系数，则确定预设培训时间值作为第一需求端和第一供应端的培训时长；
若所述信息缺失系数大于预设缺失系数，则根据所述信息缺失系数、预设缺失系数进行差值计算得到信息趋势偏移值，根据所述信息趋势偏移值、预设培训时间值进行计算，得到动态的培训时长；
通过以下模型计算动态的培训时长，
Figure 858987DEST_PATH_IMAGE016
其中，
Figure 502458DEST_PATH_IMAGE017
为信息缺失系数，
Figure 103203DEST_PATH_IMAGE018
为预设缺失系数，
Figure 97704DEST_PATH_IMAGE019
为动态的培训时长，
Figure 442098DEST_PATH_IMAGE020
为系数归一化值，
Figure 940075DEST_PATH_IMAGE021
为模型训练系数；
将所计算的动态的培训时长对培训管理端进行展示，若判断培训管理端未对动态的培训时长进行调整，将相应的动态的培训时长作为第一需求端和第一供应端的培训时长；
培训管理端根据所述培训时长在数据库中选取相应长度的培训课程后，将所述培训课程发送至第一需求端和/或第一供应端；
若判断培训管理端对动态的培训时长进行调整，则将调整后的动态的培训时长作为第一需求端和第一供应端的培训时长，并根据调整前的动态的培训时长、调整后的动态的培训时长对模型训练系数进行训练，得到训练后的模型训练系数。
10.根据权利要求9所述的基于区块链智能合约下全链物资采供数据处理方法，其特征在于，
所述若判断培训管理端对动态的培训时长进行调整，则将调整后的动态的培训时长作为第一需求端和第一供应端的培训时长，并根据调整前的动态的培训时长、调整后的动态的培训时长对模型训练系数进行训练，得到训练后的模型训练系数，包括：
若调整前的动态的培训时长小于调整后的动态的培训时长，则计算调整前的动态的培训时长和调整后的动态的培训时长的差值，得到增大系数值；
根据所述增大系数值、预设增大权重对模型训练系数进行调大训练，得到训练后的模型训练系数，
Figure 852668DEST_PATH_IMAGE022
其中，
Figure 68885DEST_PATH_IMAGE023
为调整后的动态的培训时长，
Figure 216970DEST_PATH_IMAGE024
为调大训练后的模型训练系数，
Figure 569454DEST_PATH_IMAGE025
为调大系数值。
11.根据权利要求9所述的基于区块链智能合约下全链物资采供数据处理方法，其特征在于，
所述若判断培训管理端对动态的培训时长进行调整，则将调整后的动态的培训时长作为第一需求端和第一供应端的培训时长，并根据调整前的动态的培训时长、调整后的动态的培训时长对模型训练系数进行训练，得到训练后的模型训练系数，包括：
若调整前的动态的培训时长大于调整后的动态的培训时长，则计算调整前的动态的培训时长和调整后的动态的培训时长的差值，得到调小系数值；
根据所述调小系数值、预设调小权重对模型训练系数进行调小训练，得到训练后的模型训练系数，
Figure 777581DEST_PATH_IMAGE026
其中，
Figure 356461DEST_PATH_IMAGE027
为调整后的动态的培训时长，
Figure 42658DEST_PATH_IMAGE028
为调小训练后的模型训练系数，
Figure 515227DEST_PATH_IMAGE029
为调小系数值。
12.基于区块链智能合约下全链物资采供数据处理系统，其特征在于，包括：
确定模块，用于使第一需求端根据其物资种类需求确定区块链中相对应的第一供应端，根据所述物资种类确定相应的第一智能合约，生成与所述第一智能合约对应的数据采集插件，将所述第一智能合约、数据采集插件发送至第一供应端；
采集模块，用于使第一供应端基于所述第一智能合约对供应数据进行准备，数据采集插件对所准备的供应数据进行采集，第一供应端在判断数据采集插件完成对供应数据采集后，将所述数据采集插件发送至接收物资的区块链中的第一接收端；
分类模块，用于使第一接收端对数据采集插件内的供应数据进行分类，得到流程类的第一供应子数据集合以及设备属性类的第二供应子数据集合，所述第一供应子数据集合包括第一供应子信息，所述第二供应子数据集合包括第二供应子信息；
验证模块，用于使第一接收端调取与第一智能合约对应的第一流程对应表和第一供应对应表，根据所述第一流程对应表、第一供应对应表对所述第一供应子信息和第二供应子信息进行验证，生成第一数据处理结果；
发送模块，用于若判断所述第一数据处理结果不满足要求，则根据所述第一流程对应表、第一供应对应表生成第一反馈表，在数据采集插件对所述第一反馈表进行采集后，将所述第一反馈表发送至第一需求端和第一供应端。
CN202211350917.5A 2022-10-31 2022-10-31 基于区块链智能合约下全链物资采供数据处理方法及系统 Active CN115422262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211350917.5A CN115422262B (zh) 2022-10-31 2022-10-31 基于区块链智能合约下全链物资采供数据处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211350917.5A CN115422262B (zh) 2022-10-31 2022-10-31 基于区块链智能合约下全链物资采供数据处理方法及系统

Publications (2)

Publication Number Publication Date
CN115422262A true CN115422262A (zh) 2022-12-02
CN115422262B CN115422262B (zh) 2023-01-24

Family

ID=84208222

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211350917.5A Active CN115422262B (zh) 2022-10-31 2022-10-31 基于区块链智能合约下全链物资采供数据处理方法及系统

Country Status (1)

Country Link
CN (1) CN115422262B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403260A (zh) * 2017-07-01 2017-11-28 国网山东省电力公司德州市陵城区供电公司 一种物资计划和物资投运的闭环管理系统
CN110852595A (zh) * 2019-11-07 2020-02-28 国网浙江省电力有限公司 一种基于联盟链的电力物资全寿命周期管理机制
CN111260194A (zh) * 2020-01-09 2020-06-09 国网安徽省电力有限公司信息通信分公司 一种基于区块链的物资精准供应方法及系统
WO2020140649A1 (zh) * 2019-01-03 2020-07-09 深圳壹账通智能科技有限公司 区块链智能合约管理方法与装置、电子设备、存储介质
CN111626859A (zh) * 2020-06-05 2020-09-04 中国银行股份有限公司 物资管控系统
CN112200640A (zh) * 2020-11-06 2021-01-08 国网安徽省电力有限公司信息通信分公司 一种基于区块链智能合约下物资供应自动匹配方法及系统
CN112559625A (zh) * 2020-12-09 2021-03-26 国网安徽省电力有限公司物资分公司 一种基于区块链的电力业务物资信息存储系统和方法
CN114418666A (zh) * 2021-12-23 2022-04-29 湖南天河国云科技有限公司 基于区块链的辅助电力应急物资数字化采购方法及装置
CN114742476A (zh) * 2022-06-07 2022-07-12 国网浙江省电力有限公司 基于区块链的数字化采购供应数据采集方法及采集平台
WO2022179008A1 (zh) * 2021-02-24 2022-09-01 深圳市爱云信息科技有限公司 基于区块链的供应链金融AI DaaS算法仓库平台
US20220303116A1 (en) * 2021-03-22 2022-09-22 Oracle International Corporation Proof of Eligibility Consensus for the Blockchain Network

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403260A (zh) * 2017-07-01 2017-11-28 国网山东省电力公司德州市陵城区供电公司 一种物资计划和物资投运的闭环管理系统
WO2020140649A1 (zh) * 2019-01-03 2020-07-09 深圳壹账通智能科技有限公司 区块链智能合约管理方法与装置、电子设备、存储介质
CN110852595A (zh) * 2019-11-07 2020-02-28 国网浙江省电力有限公司 一种基于联盟链的电力物资全寿命周期管理机制
CN111260194A (zh) * 2020-01-09 2020-06-09 国网安徽省电力有限公司信息通信分公司 一种基于区块链的物资精准供应方法及系统
CN111626859A (zh) * 2020-06-05 2020-09-04 中国银行股份有限公司 物资管控系统
CN112200640A (zh) * 2020-11-06 2021-01-08 国网安徽省电力有限公司信息通信分公司 一种基于区块链智能合约下物资供应自动匹配方法及系统
CN112559625A (zh) * 2020-12-09 2021-03-26 国网安徽省电力有限公司物资分公司 一种基于区块链的电力业务物资信息存储系统和方法
WO2022179008A1 (zh) * 2021-02-24 2022-09-01 深圳市爱云信息科技有限公司 基于区块链的供应链金融AI DaaS算法仓库平台
US20220303116A1 (en) * 2021-03-22 2022-09-22 Oracle International Corporation Proof of Eligibility Consensus for the Blockchain Network
CN114418666A (zh) * 2021-12-23 2022-04-29 湖南天河国云科技有限公司 基于区块链的辅助电力应急物资数字化采购方法及装置
CN114742476A (zh) * 2022-06-07 2022-07-12 国网浙江省电力有限公司 基于区块链的数字化采购供应数据采集方法及采集平台

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
YUCHUN LIU 等: "《Research on data sharing mechanism of power material supply chain based on blockchain》", 《IEEE》 *
冯翠香: "区块链技术在电力物资供应管理中的应用", 《经营与管理》 *
张晓芹: "基于区块链的劣后供应商管理模式", 《中国流通经济》 *
陈积光等: "基于泛在电力物联网的智慧供应链研究", 《控制工程》 *
龙希: "区块链嵌入公共卫生医疗物资供应链研究", 《信息通信》 *

Also Published As

Publication number Publication date
CN115422262B (zh) 2023-01-24

Similar Documents

Publication Publication Date Title
CN109447364A (zh) 基于标签的电力客户投诉预测方法
Yuan et al. A hierarchical design of case-based reasoning in the balanced scorecard application
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
CN107122344A (zh) 一种报告生成方法及系统
CN106845777A (zh) 案件工作量评价方法、法官业绩评价方法、建模方法、计算装置和计算机可读存储介质
CN109359868A (zh) 一种电网用户画像的构建方法及系统
CN107844923A (zh) 一种erp管理系统及方法
CN106384256A (zh) 基于指标体系动态变化的供电服务满意度动态测评系统
CN114742476B (zh) 基于区块链的数字化采购供应数据采集方法及采集平台
CN108897750A (zh) 融合多元上下文信息的个性化地点推荐方法及设备
CN107958297A (zh) 一种产品需求预测方法及产品需求预测装置
CN117391292A (zh) 碳排放节能管理分析系统及方法
Tarne et al. A comparison of Multi-Regional Input-Output databases regarding transaction structure and supply chain analysis
CN115422262B (zh) 基于区块链智能合约下全链物资采供数据处理方法及系统
CN110147941A (zh) 考核内容获取方法、员工评估方法及装置
CN112950309A (zh) 一种政采商品合规检测方法、装置、电子设备及存储介质
CN105373473B (zh) 基于原始信令解码的cdr准确性测试方法及测试系统
CN116341793A (zh) 基于区块链的产品碳排放量确定方法以及装置
CN115631020A (zh) 设备租赁管理系统
CN114219245A (zh) 基于大数据的乡村电力指数评价方法、装置及存储介质
CN114862053A (zh) 一种材料供应商推送方法、系统及设备
CN113191570A (zh) 基于深度学习的资金规划推荐方法、装置和设备
CN111160712A (zh) 一种用户的用电参数调节方法及装置
CN108777635A (zh) 一种企业设备管理系统
CN105227333A (zh) 网元设备数据维护的方法和装置

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