CN115496549B - 一种基于机器学习的订单管理系统 - Google Patents
一种基于机器学习的订单管理系统 Download PDFInfo
- Publication number
- CN115496549B CN115496549B CN202211005856.9A CN202211005856A CN115496549B CN 115496549 B CN115496549 B CN 115496549B CN 202211005856 A CN202211005856 A CN 202211005856A CN 115496549 B CN115496549 B CN 115496549B
- Authority
- CN
- China
- Prior art keywords
- order
- information
- data
- blockchain
- unit
- 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
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/604—Tools and structures for managing or administering access control systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6227—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database where protection concerns the structure of data, e.g. records, types, queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种基于机器学习的订单管理系统,主要包括订单生成单元100,订单接收单元200,新订单处理单元300,订单跟踪单元400。主要用于在汽车制造业中,对涉及到的多个零件供应商、组装工厂等进行协同、调度和管理,以机器学习和区块链技术为框架,构建和优化了该订单管理系统,在保证管理系统的成本开支合理化和具有性价比的前提下,提高生产效率并降低生产成本。
Description
技术领域
本发明涉及订单管理技术领域,尤其涉及一种基于机器学习的订单管理方法。
背景技术
在汽车制造业中,汽车所需要的零件众多,其涉及多个零件供应商、组装工厂等,因此,其涉及到数量庞杂的订单需要进行管理。如涉及预先制定了零件供应计划订单,包括与零件类型,零件数量,供应日期等有关的订单;或者装配工厂根据零件的实际消耗量在装配工厂下达零件供应订单,也可向零件供应工厂发出组装成相应的汽车所需的零件的订单等。因此,需要一个订单管理系统,用于管理上述订单,并能够提高生产效率并降低生产成本。
发明内容
本发明的目的在于提供一种基于机器学习的订单管理系统,其特征在于,订单管理系统10包括订单生成单元100,订单接收单元200,新订单处理单元300,订单跟踪单元400;
订单生成单元100确定当前库存的商品数量,基于通过机器学习模型输出需求预测信息的需求预测量,在需求预测信息中包含预设的误差范围,以生成安全库存信息;根据需求预测量信息,还可以判断用户是否对发货的商品下单错误,基于安全库存信息生成推荐的附加订购量信息,订单生成单元100基于现有库存信息、需求预测量、安全库存信息以及推荐的附加订购量信息生成订单信息;
订单接收单元200接收订单生成单元100生成的新订单,将订单接收单元200接收的新订单添加到订单列表的末尾,并且可以根据订单的优先级发出订单;
新订单处理单元300基于先前订购的至少一个订单来确定新订单的初始等待时间,通过等待时间预测模型来输出新订单的等待时间;
订单跟踪单元400包括区块链管理服务器410,安全模块420,数据管理模块430,数据源审核模块440和数据存储模块450;
该安全模块420通过执行安全性和共识协议来从区块链外部安全访问区块链,以将订单信息存储在区块链中,从而保证数据访问的完整性;当有信息请求访问区块链时,数据管理模块430用所请求的数据配置一个块,形成一个区块链;数据源审核模块440,用于对多个零件提供商提供的信息数据进行可靠性评估,并就区块链互通达成协议,执行数据去识别和加密/解密以确保区块链数据的可靠性和匿名性;数据存储模块450是用于分发信息以形成区块链的分布式存储设备。
优选地,订单生成单元100通过机器学习模型输出需求预测信息的需求预测量,通过输入影响需求的信息,包括库存物品信息、出库物品信息、物品库存信息来输出需求预测信息;安全库存量信息是指基于仓库的空间、入库速度和出库速度的关于产品的存储量的信息;
优选地,根据需求预测量信息,还可以判断用户是否对发货的商品下单错误,基于安全库存量信息生成推荐的附加订购量信息,订单生成单元100基于现有库存信息和先前的需求预测信息的订单信息,可以判断订单信息是否有订购错误。
优选地,订单生成单元100生成校正出货信息的步骤包括:当订货错误的判定结果为超订货时,根据最大订货标准生成校正订单信息,以及订货错误的判定结果是否为在订单不足时,可以根据最小订单标准生成修正后的订单信息。
优选地,区块链管理服务器410包括区块链创建处理和监视数据处理步骤,并且各自独立地执行;
其中,区块链创建过程执行可靠性识别算法,以确定生成区块链数据时输入的数据的可靠性,执行智能合约过程以进行用于区块链互锁的数据存储共识过程,并且终止的数据存储在相应的数据存储中并记录为事件,当用户请求处理诸如信息访问之类的监视数据或诸如数据使用,历史查询,跟踪等之类的管理要求时,监视数据处理过程经历用户认证和数据访问权限认证的过程,发送将信息提供给智能监控合同层,请求使用区块链上的数据,探索和跟踪信息,并将结果传递给用户,并记录事件以进行数据访问。
附图说明
图1为本发明的基于机器学习的订单管理系统的框图;
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案作进一步地说明。
如图1所示,订单管理系统应用于汽车组装工厂,对于组装工厂提供了订单管理系统10,订单管理系统10基于从生产计划系统,零件信息系统和汽车信息系统等其他系统接收的信息来生成与要订购的零件有关的订单数据。由订单管理系统10生成的订单数据包括订单类型,零件代码,组件序列号,零件供应工厂代码,要供应的零件数量,组装工厂代码,供应日期/时间,一个托盘中容纳的零件数量以及订单序列号。
订单管理系统10具体包括订单生成单元100,订单接收单元200,新订单处理单元300,订单跟踪单元400。
由管理者订购待存储在物流仓库中的货物,并分析存储在物流仓库中的库存量。订单生成单元100确定当前库存的商品数量,基于库存产品信息和出货产品信息创建和修改产品库存信息。订单生成单元100确定当前库存的商品数量,基于通过机器学习模型输出需求预测信息的需求预测量,在需求预测信息中包含预设的误差范围,以生成安全库存信息;根据需求预测量信息,还可以判断用户是否对发货的商品下单错误,基于安全库存信息生成推荐的附加订购量信息,订单生成单元100基于现有库存信息、需求预测量、安全库存信息以及推荐的附加订购量信息生成订单信息。通过机器学习模型输出需求预测信息的需求预测量,该模型通过输入影响需求的信息,例如库存物品信息、出库物品信息、物品库存信息来输出需求预测信息。
由此,管理者能够追加地调整库存量,能够通过后述的本发明来制作安全库存信息。另外,根据需求预测量信息,还可以判断用户是否对发货的商品下单错误。此时,采用深度学习技术执行学习以导出信息和预测需求信息之间的相关性,并基于相关性输出预测需求信息。
此外,可以通过深度学习计算函数中多个输入的权重。此外,诸如RNN(循环神经网络)、DNN(深度神经网络)和DRNN(动态循环神经网络)的各种模型可以用作用于这种学习的AI网络模型。
这里,RNN是一种同时考虑当前数据和过去数据的深度学习技术,循环神经网络(RNN)是指构成人工神经网络的单元之间的连接构成有向循环的神经网络。此外,可以将各种方法用于能够构建循环神经网络(RNN)的结构,例如,完全循环网络、hopfield网络、Elman网络、ESN(Echo.state network)、long short term记忆网络(LSTM)、双向RNN、连续时间RNN(CTRNN)、分层RNN和二级RNN是代表性示例。另外,作为学习循环神经网络(RNN)的方法,可以使用梯度下降法、Hessian Free Optimization、全局优化法等方法。
另外,可以在需求预测信息中包含预设的误差范围,以生成安全库存信息。由于需求预测信息可能不完整,因此生成的安全库存信息包含一个用户可以选择的误差范围。基于安全库存量信息生成推荐的附加订购量信息。在这种情况下,推荐追加订货量信息可以基于安全库存量信息生成,此外,将包含推荐的附加订购量信息的订单信息发送到管理者终端。
订单生成单元100基于现有库存信息和先前的需求预测信息的订单信息,可以判断产品信息是否有订购错误。这是为了防止订购待发货商品的用户意外订购过多或过少的待发货商品数量。在安全订单范围内,可以判断是否有订单错误。在这种情况下,可以根据适合下单的最大下单标准和最小下单标准来设置安全下单范围。这样,可以通过基于用户先前订购的数量反映需求预测量来设置安全订购范围。
当商品信息中包含的发货数量大于或等于最大订货标准,判断出出货信息为超额订货,当出货信息中包含的出货产品数量小于或等于最低订货标准时,可以确定生成订单。生成校正出货信息的步骤包括:当订货错误的判定结果为超订货时,根据最大订货标准生成校正出货信息,以及订货错误的判定结果是否为在订单不足时,可以根据最小订单标准生成修正后的出货信息。将校正后的发货产品信息发送给用户终端。这样,可以促使用户在安全订购范围内放货。
订单接收单元200可以接收新订单。新订单相关信息包括订单数据包括订单类型,零件代码,组件序列号,零件供应工厂代码,要供应的零件数量,组装工厂代码,供应日期/时间,一个托盘中容纳的零件数量以及订单序列号。可以将订单接收单元200接收的新订单添加到订单列表的末尾,并且可以根据订单的优先级发出订单。
新订单处理单元300可以基于先前订购的至少一个等待订单来确定新订单的初始等待时间。在一个实施例中,新订单处理单元300最初通过等待时间预测模型来等待新订单,该模型输出订单的等待时间。建立等待时间预测模型并使用它来计算新订单的等待时间,并且可以基于在真实订单中收集的等待时间信息通过人工智能学习来建立等待时间预测模型。
可以通过学习生成的学习数据来构建等待时间预测模型,该学习数据包括等待列表中包括的等待订单的类型和数量,以及新接收到的新订单的类型和数量。在这种情况下,训练数据可以以列表的形式表示,其中表单的元素(订单的类型和数量)按顺序排序,并且该列表包含有关新订单实际等待时间的信息,具体取决于订单的类型和数量。
构建分别独立操作的多个等待时间预测模型,并利用它们来计算新订单的等待时间。在将包括在等待订单和新订单中的所有类型和数量的材料和数量相加后,学习数据可以以包括(材料类型和数量)形式的元素的列表的形式表示。
订单完成的过程是识别并收集主订单的所有零件,对子零件进行的各种操作形成一个主要零件,测试主要零件,发送到质量控制,发送给客户,最后是发送后的维护给客户。所有的过程都应该是一个一个的完成模式。要完成特定订单,应遵循此流程/系统。订单的跟踪应该更重要,因为它可以确保订单的完成不会延迟。
本发明借助区块链技术,可以透明地完成订单跟踪,任何数据都无法伪造。订单跟踪单元400包括区块链管理服务器410,安全模块420,数据管理模块430,数据源审核模块440和数据存储模块450。
该安全模块420通过执行安全性和共识协议来从区块链外部安全访问区块链,以将订单数据存储在区块链中,从而保证数据访问的完整性;安全模块420用于在不使用单独的安全解决方案的情况下,防止在每个处理步骤中生成的数据意外地泄漏到外部,以将其链接到区块链或将分布在区块链中的信息泄漏到外部。为此,以协议的形式实现了智能合约层,该协议使得可以通过预先注册访问条件并满足条件来缔结与区块链链接的合约。安全模块420包括用于解释输入数据的数据分析器,用于外部访问以导出或引入块信息的RESTFul API以及形成的块信息,它可以由基于BFT共识的算法组成以及用于在区块链中注册的节点和用于在每个步骤之间共享数据的块数据互通协议。
当有信息请求访问区块链时,数据管理模块430用所请求的数据配置一个块,形成一个区块链,并对存储中的分布式注册,记录和事件执行共识过程。用于从分布式区块链中收集和提取数据的数据收集调度器,保证数据的匿名性,并记录执行合约的历史和事件,其特征在于包括数据。
数据源审核模块440,用于对多个零件提供商提供的信息数据进行可靠性评估,并就区块链互通达成协议,执行数据去识别和加密/解密以确保区块链数据的可靠性和匿名性,形成一个区块链,并进行共识过程以注册分布在存储中的数据,并记录/管理历史和事件数据;
数据存储模块450是用于分发信息以形成区块链的分布式存储设备。在通过构成安全模块420的RESTFul API接收到请求之后,订单形式和工作订单,文档数据(例如质量证书)诸如大容量分类账之类的数据与区块链链接。
数据存储模块450由存储装置和控制单元组成,通过安全模块的RESTFul API为请求进行块形成和存储的数据选择适当的类别,然后在文件索引树中对其进行索引。此内容与其他节点共享通过P2P广播和恢复单元,然后将其记录在存储装置中。当然,根据数据管理模块同意的协议,在其他相关节点的存储器中维护相同的记录。数据存储模块450包括一个开放的,基于分布式存储的区块链互通接口,用于从外部访问信息。
区块链管理服务器的处理主要分为区块链创建处理和监视数据处理处理,并且各自独立地执行。
区块链创建过程执行可靠性识别算法,以确定生成区块链数据时输入的数据的可靠性,执行智能合约过程以进行用于区块链互锁的数据存储共识过程,并且终止的数据存储在相应的数据存储中并记录为事件,当用户请求处理诸如信息访问之类的监视数据或诸如数据使用,历史查询,跟踪等之类的管理要求时,监视数据处理过程经历用户认证和数据访问权限认证的过程,发送将信息提供给智能监控合同层,请求使用区块链上的数据,探索和跟踪信息,并通过用户应用程序将结果传递给用户,并记录事件以进行数据访问。
如上所述配置的本发明的与区块链链接的智能工厂形成区块链并通过将其分配到每个阶段的存储而在每个阶段存储订单信息,从而可以防止伪造或伪造在生产阶段的各个过程中发生的订单信息。此外,如果出现产品问题,操作员的错误,工作环境异常或工作订单或订单表格有问题,则无法修改现有数据,因此可以形成相互信任。此外,区块链中包含的信息包括在每个过程中生成的信息,并且由于无法伪造或更改此信息,因此可以从从原材料到运输的整个过程中生成的信息中轻松识别产品错误的原因。
上述仅为本发明的优选实施例而已,并不对本发明起到任何限制作用。任何所属技术领域的技术人员,在不脱离本发明的技术方案的范围内,对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动,均属未脱离本发明的技术方案的内容,仍属于本发明的保护范围之内。
Claims (2)
1.一种基于机器学习的订单管理系统,其特征在于,包括订单生成单元(100),订单接收单元(200),新订单处理单元(300),订单跟踪单元(400);
订单生成单元(100)确定当前库存的商品数量,基于通过机器学习模型输出需求预测信息的需求预测量,在需求预测信息中包含预设的误差范围,以生成安全库存信息;根据需求预测量信息,判断用户是否对发货的商品下单错误,基于安全库存信息生成推荐的附加订购量信息,订单生成单元(100)基于现有库存信息、需求预测量、安全库存信息以及推荐的附加订购量信息生成订单信息;
订单接收单元(200)接收订单生成单元(100)生成的新订单,将订单接收单元(200)接收的新订单添加到订单列表的末尾,并且根据订单的优先级发出订单;
新订单处理单元(300)基于先前订购的至少一个订单来确定新订单的初始等待时间,通过等待时间预测模型来输出新订单的等待时间;
订单跟踪单元(400)包括区块链管理服务器(410),安全模块(420),数据管理模块(430),数据源审核模块(440)和数据存储模块(450);该安全模块(420)通过执行安全性和共识协议来从区块链外部安全访问区块链,以将订单信息存储在区块链中,从而保证数据访问的完整性;当有信息请求访问区块链时,数据管理模块(430)用所请求的数据配置一个块,形成一个区块链;数据源审核模块(440),用于对多个零件提供商提供的信息数据进行可靠性评估,并就区块链互通达成协议,执行数据去识别和加密/解密以确保区块链数据的可靠性和匿名性;数据存储模块(450)是用于分发信息以形成区块链的分布式存储设备;
订单生成单元(100)通过机器学习模型输出需求预测信息的需求预测量,通过输入影响需求的信息,包括库存物品信息、出库物品信息、物品库存信息来输出需求预测信息;安全库存量信息是指基于仓库的空间、入库速度和出库速度的关于产品的存储量的信息;
根据需求预测量信息,判断用户是否对发货的商品下单错误,基于安全库存量信息生成推荐的附加订购量信息,订单生成单元(100)基于现有库存信息和先前的需求预测信息的订单信息,判断订单信息是否有订购错误;
订单生成单元(100)生成校正出货信息的步骤包括:当订货错误的判定结果为超订货时,根据最大订货标准生成校正订单信息,以及订货错误的判定结果是否为在订单不足时,根据最小订单标准生成修正后的订单信息。
2.根据权利要求1所述的系统,其特征在于,区块链管理服务器(410)包括区块链创建处理和监视数据处理步骤,并且各自独立地执行;其中,区块链创建过程执行可靠性识别算法,以确定生成区块链数据时输入的数据的可靠性,执行智能合约过程以进行用于区块链互锁的数据存储共识过程,并且终止的数据存储在相应的数据存储中并记录为事件,当用户请求处理监视数据或管理要求时,监视数据处理过程经历用户认证和数据访问权限认证的过程,发送将信息提供给智能监控合同层,请求使用区块链上的数据,探索和跟踪信息,并将结果传递给用户,并记录事件以进行数据访问。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211005856.9A CN115496549B (zh) | 2022-08-22 | 2022-08-22 | 一种基于机器学习的订单管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211005856.9A CN115496549B (zh) | 2022-08-22 | 2022-08-22 | 一种基于机器学习的订单管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115496549A CN115496549A (zh) | 2022-12-20 |
CN115496549B true CN115496549B (zh) | 2023-07-04 |
Family
ID=84466341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211005856.9A Active CN115496549B (zh) | 2022-08-22 | 2022-08-22 | 一种基于机器学习的订单管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115496549B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107918842A (zh) * | 2016-10-10 | 2018-04-17 | 宁波爱折腾供应链管理有限公司 | 基于特定用户供应链协同的信息管理系统及方法 |
JP2020119388A (ja) * | 2019-01-25 | 2020-08-06 | 株式会社三菱総合研究所 | 情報処理装置、情報処理方法及びプログラム |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002183257A (ja) * | 2000-12-19 | 2002-06-28 | Fuji Xerox Co Ltd | 受発注管理システム |
JP4099076B2 (ja) * | 2003-01-31 | 2008-06-11 | 株式会社リコー | 需要予測方法及び需要予測プログラム |
CN1804875A (zh) * | 2005-01-10 | 2006-07-19 | 英业达股份有限公司 | 采购建议单生成系统及方法 |
JP5292792B2 (ja) * | 2007-12-12 | 2013-09-18 | 株式会社リコー | 在庫管理システム、在庫管理方法及び在庫管理プログラム |
US20090327033A1 (en) * | 2008-06-26 | 2009-12-31 | Xerox Corporation | Methods and systems for forecasting inventory levels in a production environment |
GB2526840A (en) * | 2014-06-04 | 2015-12-09 | Sequoia Partnership Ltd | Inventory setting system |
JP6278867B2 (ja) * | 2014-08-27 | 2018-02-14 | 三菱電機株式会社 | 適正在庫量算出装置、適正在庫量算出方法およびプログラム |
CN105512932A (zh) * | 2015-12-15 | 2016-04-20 | 上海网商电子商务有限公司 | 一种基于互联网的整车电商实现方法 |
CN105631626A (zh) * | 2015-12-23 | 2016-06-01 | 上海网商电子商务有限公司 | 一种用于整车电商后台订单分配的方法 |
CN106651258A (zh) * | 2016-12-14 | 2017-05-10 | 黑龙江农业工程职业学院 | 一种零售产品库存管理系统 |
CN107563705A (zh) * | 2017-09-25 | 2018-01-09 | 四川长虹电器股份有限公司 | 利用大数据分析家电产品安全库存及再订货的系统和方法 |
US20190259043A1 (en) * | 2018-02-19 | 2019-08-22 | Target Brands, Inc. | Method and system for supply chain management |
US11615373B2 (en) * | 2018-05-09 | 2023-03-28 | Target Brands, Inc. | Inventory management |
CN111260178A (zh) * | 2019-12-03 | 2020-06-09 | 佛山欧神诺云商科技有限公司 | 一种实现业务运作自动化的系统、方法及存储介质 |
CN111382973B (zh) * | 2020-03-03 | 2023-10-03 | 舟谱数据技术南京有限公司 | 一种基于经销商传统业务的门店智能补货系统 |
CN111861208B (zh) * | 2020-07-20 | 2024-02-20 | 精效新软新技术(北京)有限公司 | 生产管理中mrp物料需求自动计算方法、系统及介质 |
CN113408981B (zh) * | 2021-06-09 | 2022-08-12 | 广东全程云科技有限公司 | 一种自动化零件订单的智能跟踪管理方法、装置及系统 |
CN114066351A (zh) * | 2021-11-05 | 2022-02-18 | 中铁隧道局集团有限公司 | 一种基于配件采购-仓储协同的智能化配件库存管理方法 |
CN114897467A (zh) * | 2022-05-12 | 2022-08-12 | 用友汽车信息科技(上海)股份有限公司 | 配件的补货方法、装置、可读存储介质及电子设备 |
-
2022
- 2022-08-22 CN CN202211005856.9A patent/CN115496549B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107918842A (zh) * | 2016-10-10 | 2018-04-17 | 宁波爱折腾供应链管理有限公司 | 基于特定用户供应链协同的信息管理系统及方法 |
JP2020119388A (ja) * | 2019-01-25 | 2020-08-06 | 株式会社三菱総合研究所 | 情報処理装置、情報処理方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
CN115496549A (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Balamurugan et al. | IoT-Blockchain driven traceability techniques for improved safety measures in food supply chain | |
US11809159B2 (en) | Managing blockchains in an industrial facility based on firmware change | |
Zhang et al. | Blockchain-based trust mechanism for IoT-based smart manufacturing system | |
Bicocchi et al. | Dynamic digital factories for agile supply chains: An architectural approach | |
KR102254920B1 (ko) | 공급 체인 제품 유닛의 보안 일련화를 위한 방법 | |
US8756686B2 (en) | Communication protocol for a containment-aware discovery service | |
Choy et al. | A generic supplier management tool for outsourcing manufacturing | |
Zampou et al. | Towards a framework for energy-aware information systems in manufacturing | |
US7809683B2 (en) | Library that includes modifiable industrial automation objects | |
US8832145B2 (en) | Search method for a containment-aware discovery service | |
Epiphaniou et al. | Smart distributed ledger technologies in Industry 4.0: Challenges and opportunities in supply chain management | |
Cheng* et al. | A production–inventory model for a push–pull manufacturing system with capacity and service level constraints | |
US11210640B2 (en) | Blockchain for asset management | |
US8832123B2 (en) | Filter method for a containment-aware discovery service | |
Cheng et al. | Evaluation models for service oriented process in spare parts management | |
Chinnaraj et al. | A new methodology for secured inventory management by average fitness‐based colliding bodies optimization integrated with block chain under cloud | |
Muller et al. | A simulation of the pharmaceutical supply chain to provide realistic test data | |
Karadgi et al. | Traceable and intelligent supply chain based on blockchain and artificial intelligence | |
CN117172641A (zh) | 基于区块链与数字孪生的生产物流管理平台及实现方法 | |
CN115496549B (zh) | 一种基于机器学习的订单管理系统 | |
Luo et al. | Value analysis framework for RFID technology adoption in retailers in China | |
Rabelo et al. | For a smart coordination of distributed business processes | |
Lau | Information sharing in supply chains: improving the performance of collaboration | |
Klinkmueller | Supply Chain Management Using Blockchain Christopher Klinkmueller, HMN Dilum Bandara, Xiwei Xu, and Qinghua Lu | |
CN117876110A (zh) | 一种基于订单全生命周期的交易管理系统 |
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 |