CN115578043A - 一种基于人工智能的物流大数据实时监控与分析处理系统 - Google Patents

Abstract

本发明涉及物流大数据技术领域，用于解决现有的在对物流企业的信息的管控中，难以实现对物流盈利状态与亏损状态的准确分析，难以通过物流大数据将企业的物流信息进行整合的问题，尤其公开了一种基于人工智能的物流大数据实时监控与分析处理系统，包括物流数据分析平台，物流数据分析平台的内部设置有服务器，服务器通信连接有数据采集单元、费用数据监控单元、盈利状态监控单元、亏损状态监控单元、数据校对单元、数据预警反馈单元和显示终端；本发明，采用区间的分类设置以及坐标模型分析的方式，从而在实现了对物流企业的盈利状态以及亏损状态的实时监控的同时，也实现了物流企业状态的二次核定分析与物流信息的准确整合。

Description

一种基于人工智能的物流大数据实时监控与分析处理系统

技术领域

本发明涉及物流大数据技术领域，具体为一种基于人工智能的物流大数据实时监控与分析处理系统。

背景技术

物流原意为“实物分配”或“货物配送”，是供应链活动的一部分，是为了满足客户需要而对商品、服务，消费以及相关信息从产地到消费地的高效、低成本流动和储存进行的规划、实施与控制的过程；

而物流大数据，指的是运输、仓储、搬运装卸、包装及流通加工等物流环节中涉及的数据、信息等，通过大数据分析可以提高运输与配送效率、减少物流成本、更有效地满足客户服务要求，从而实现快速、高效、经济的物流；

对于物流企业而言，能够实现对物流企业的盈利状态与亏损状态的实时监控和准确分析，则显得至关重要，但现有的在对物流企业的信息的管控中，难以实现对物流盈利状态与亏损状态的准确分析，难以通过物流大数据将企业的物流信息进行整合，故无法提前做好防范，极易造成物流供应链的损失；

为了解决上述缺陷，现提供一种技术方案。

发明内容

本发明的目的就在于为了解决现有的在对物流企业的信息的管控中，难以实现对物流盈利状态与亏损状态的准确分析，难以通过物流大数据将企业的物流信息进行整合，故无法提前做好防范，极易造成物流供应链的损失的问题，通过符号化的标定、数据作差分析以及数值比较的方式，实现了对物流企业的盈利状况与亏损状况整体的初步判定分析，并采用区间的分类设置以及坐标模型分析的方式，从而在实现了对物流企业的盈利状态以及亏损状态的实时监控的同时，也实现了物流企业状态的二次核定分析，从而在实现了对物流企业的信息的高效的监控的同时，也实现了物流信息的准确整合，并采用文本预警的方式对企业物流的费用层面进行了高效的监控和及时的预警，而提出一种基于人工智能的物流大数据实时监控与分析处理系统。

本发明的目的可以通过以下技术方案实现：

一种基于人工智能的物流大数据实时监控与分析处理系统，包括物流数据分析平台，物流数据分析平台的内部设置有服务器，服务器通信连接有数据采集单元、费用数据监控单元、盈利状态监控单元、亏损状态监控单元、数据校对单元、数据预警反馈单元和显示终端；

所述物流数据分析平台用于对人工智能管理下的物流产业的物流大数据信息进行监控分析；

所述数据采集单元用于采集人工智能化下的物流大数据中的费用数据信息，并将其通过服务器分别发送至费用数据监控单元、盈利状态监控单元、亏损状态监控单元；

所述费用数据监控单元对接收的人工智能化下的物流大数据中的费用数据信息，进行物流数据费用综项分析处理，据此生成盈利状态信号、亏损状态信号以及各等级盈利类型信号、各等级亏损类型信号，将盈利状态信号与亏损状态信号分别发送至盈利状态监控单元、亏损状态监控单元，将各等级盈利类型信号与各等级亏损类型信号发送至数据校对单元；

所述盈利状态监控单元用于接收盈利状态信号，并据此调取人工智能化下的物流大数据中的盈利数据信息进行盈利状态定量分析处理，生成一阶盈利信号、二阶盈利信号、三阶盈利信号，并将其均发送至数据校对单元；

所述亏损状态监控单元用于接收亏损状态信号，并据此调取人工智能化下的物流大数据中的亏损数据信息进行亏损状态定量分析处理，生成一阶亏损信号、二阶亏损信号、三阶亏损信号，并将其均发送至数据校对单元；

所述数据校对单元用于接收各级盈利类型判定信号、各级亏损类型判定信号与各阶盈利类型判定信号、各阶亏损类型判定信号，并进行盈利数据校对分析处理与亏损数据校对分析处理，据此生成确认盈利信号、否定盈利信号、确认亏损信号、否定亏损信号，并将其均发送至数据预警反馈单元进行预警分析处理，并以文本字样描述的方式发送至显示终端进行显示说明。

进一步的，物流数据费用综项分析处理的具体操作步骤如下：

实时获取各单位时间段的人工智能管理下的物流产业的毛成本与毛收入，并将其分别标定为zh_i、zs_i，并将其进行作差分析，依据公式wyx_i=zs_i－zh_i，得到各单位时间段的毛利润wyx_i，其中，i=1，2，3……n，且n为正整数；

分析毛利润的盈利状态，当毛利润＞0时，则生成盈利状态信号，若毛利润≤0时，则生成亏损状态信号；

依据接收到的盈利状态信号与亏损状态信号分别进行深度细化分析处理，据此生成一级盈利信号、二级盈利信号、三级盈利信号与一级亏损信号、二级亏损信号、三级亏损信号。

进一步的，深度细化分析处理的具体操作步骤如下：

当生成盈利状态信号时，调取各单位时间段的毛利润，并将毛利润代入预设的盈利参照区间Q1内进行比较分析；

当毛利润大于预设的盈利参照区间Q1的最大值时，则生成一级盈利信号，当物流盈利值处于预设的盈利参照区间Q1之内时，则生成二级盈利信号，当毛利润小于预设的盈利参照区间Q1的最小值时，则生成三级盈利信号；

当生成亏损状态信号时，调取毛利润，并将毛利润代入预设的亏损参照区间Q2内进行比较分析；

当毛利润大于预设的亏损参照区间Q2的最大值时，则生成一级亏损信号，当物流盈利值处于预设的亏损参照区间Q2之内时，则生成二级亏损信号，当毛利润小于预设的亏损参照区间Q2的最小值时，则生成三级亏损信号。

进一步的，盈利状态定量分析处理的具体操作步骤如下：

依据接收到的盈利状态信号，实时获取各单位时间段的人工智能化下的物流大数据中的盈利数据信息中的销售额、回款额以及流动额，并将其进行公式分析，得到各单位时间段的盈利值；

设置盈利值的梯度参照区间F1、F2和F3，并将盈利值代入预设的梯度参照区间F1、F2和F3内进行比较分析处理；

当盈利值的梯度参照区间F1之内时，则生成一阶盈利信号，当盈利值的梯度参照区间F2之内时，则生成二阶盈利信号，当盈利值的梯度参照区间F3之内时，则生成三阶盈利信号。

进一步的，亏损状态定量分析处理的具体操作步骤如下：

依据接收到的亏损状态信号，实时获取各单位时间段的人工智能化下的物流大数据中的亏损数据信息中的仓赁费、仓管费和调度费，并将其分别标定为cl_i、cg_i和sp_i，并将其进行数据加和分析，依据公式ccf_i=cl_i+cg_i+sp_i，得到各单位时间段的仓储费用值ccf_i；

以得到的各单位时间段的仓储费用值为依据，并进行坐标模型分析处理，据此得到一阶亏损信号、二阶亏损信号和三阶亏损信号。

进一步的，坐标模型分析处理的具体操作步骤如下：

以单位时间段为横坐标，以仓储费用值为纵坐标，并以此建立二维动态坐标系，并将各单位时间段的仓储费用值通过描点的方式绘制在二维动态坐标系上；

将各单位时间段的仓储费用值进行均值分析，依据公式Jc=（ccf₁+ccf₂+ccf₃+……ccf_n）÷n，得到均值仓储消耗费用值Jc，并将均值仓储消耗费用值作为仓储消耗费用参照线绘制在二维动态坐标系上，即Y=Jc；

统计处于仓储消耗费用参照线以上的点的数量和，并将其标定为sum1，统计处于仓储消耗费用参照线上的点的数量和，并将其标定为sum2，统计处于仓储消耗费用参照线以下的数量和，并将其标定为sum3；

若满足sum1＞sum2＞sum3，则生成一阶亏损信号，若满足sum2＞sum1＞sum3，则生成二阶亏损信号，若满足sum3＞sum2＞sum1，则生成三阶亏损信号。

进一步的，盈利数据校对分析处理的具体操作步骤如下：

依次调取各级盈利类型判定信号与各阶盈利类型判定信号，将各级盈利类型判定信号中的一级盈利信号、二级盈利信号、三级盈利信号分别标定为A1、A2、A3，将各阶盈利类型判定信号中的一阶盈利信号、二阶盈利信号、三阶盈利信号分别标定为A1^*、A2^*、A3^*；

以各单位时间段为横坐标，以各级盈利类型判定信号与各阶盈利类型判定信号为纵坐标，并据此建立盈利数据校正坐标系，并将各单位时间段的各级盈利类型判定信号与各阶盈利类型判定信号通过符号数据标定在盈利数据校正坐标系上，并执行一类统计分析处理，据此生成确认盈利信号和否定盈利信号。

进一步的，一类统计分析处理的具体操作步骤如下：

分别统计同时出现在盈利数据校正坐标系上相同类别符号的数量和与非相同类别符号的数量和，并将其分别标定为sl1与sl2，其中，相同类别符号指的是A1与A1^*、A2与A2^*，非相同类别符号指的是A1与A2^*、A1与A3^*、A2与A3^*；

若满足sl1＞sl2时，则生成确认盈利信号，反之，当满足sl1≤sl2时，则生成否定盈利信号。

进一步的，亏损数据校对分析处理的具体操作步骤如下：

依次调取各级亏损类型判定信号与各阶亏损类型判定信号，将各级亏损类型判定信号中的一级盈利信号、二级盈利信号、三级盈利信号分别标定为B1、B2、B3，将各阶亏损类型判定信号中的一阶盈利信号、二阶盈利信号、三阶盈利信号分别标定为B1^*、B2^*、B3^*；

以各单位时间段为横坐标，以各级亏损类型判定信号与各阶亏损类型判定信号为纵坐标，并据此建立亏损数据校正坐标系，并将各单位时间段的各级盈利类型判定信号与各阶盈利类型判定信号通过符号数据标定在亏损数据校正坐标系上，并执行二类统计分析处理，得到确认亏损信号和否定亏损信号。

进一步的，二类统计分析处理的具体操作步骤如下：

分别统计同时出现在亏损数据校正坐标系上相同类别符号的数量和与非相同类别符号的数量和，并将其分别标定为sl3与sl4，其中，相同类别符号指的是B1与B1^*、B2与B2^*，非相同类别符号指的是B1与B2^*、B1与B3^*、B2与B3^*；

若满足sl3＞sl4时，则生成确认亏损信号，反之，当满足sl3≤sl4时，则生成否定亏损信号。

进一步的，预警分析处理的具体操作步骤如下：

当接收到确认盈利信号时，并以“当前监控到物流企业的两次运转状态一致，均为盈利状态”文本字样描述的方式通过服务器发送至显示终端进行显示说明；

当接收到否定盈利信号时，并以“当前监控到物流企业的两次运转状态不一致，均为不同等级盈利状态”文本字样描述的方式通过服务器发送至显示终端进行显示说明；

当接收到确认亏损信号时，并以“当前监控到物流企业的两次运转状态一致，均为亏损状态”文本字样描述的方式通过服务器发送至显示终端进行显示说明；

当接收到否定亏损信号时，并以“当前监控到物流企业的两次运转状态不一致，均为不同等级亏损状态”文本字样描述的方式通过服务器发送至显示终端进行显示说明。

与现有技术相比，本发明的有益效果是：

（1）本发明，利用符号化的标定、数据作差分析以及数值比较的方式，实现了对物流企业的盈利状况与亏损状况整体的初步判定分析，并以物流数据费用综项分析处理的初步判定结果为基础，利用参照区间的分类设置以及数据代入比较分析输出的方式，从而在实现了对物流企业的盈利状态以及亏损状态的实时监控的同时，也实现了对物流企业的盈利状态以及亏损状态的深度且明确分析；

（2）本发明，利用公式化处理、数据加和分析以及坐标模型的建立方式，分别从物流企业的盈利状态层面与亏损状态层面对物流企业的费用状况进行二次核定分析；

（3）本发明，利用数据赋值、模型关系以及数据比较分析的方式，实现了对物流企业的盈利状态与亏损状态的校对分析，从而在实现了对物流企业的信息的高效的监控的同时，也实现了物流信息的准确整合，并采用文本预警的方式对企业物流的费用层面进行了高效的监控和及时的预警。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明；

图1为本发明的系统总框图。

具体实施方式

下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，一种基于人工智能的物流大数据实时监控与分析处理系统，包括物流数据分析平台，物流数据分析平台的内部设置有服务器，服务器通信连接有数据采集单元、费用数据监控单元、盈利状态监控单元、亏损状态监控单元、数据校对单元、数据预警反馈单元和显示终端；

通过物流数据分析平台对人工智能管理下的物流产业的物流大数据信息进行监控分析，利用数据采集单元采集人工智能化下的物流大数据中的费用数据信息，并将其通过服务器分别发送至费用数据监控单元、盈利状态监控单元、亏损状态监控单元；

当费用数据监控单元接收到人工智能化下的物流大数据中的费用数据信息时，并据此进行物流数据费用综项分析处理，具体的操作过程如下：

实时获取各单位时间段的人工智能管理下的物流产业的毛成本与毛收入，并将其分别标定为zh_i、zs_i，并将其进行作差分析，依据公式wyx_i=zs_i－zh_i，得到各单位时间段的毛利润wyx_i，其中，i表示各单位时间段，且i=1，2，3……n，且n为正整数；

分析毛利润的盈利状态，当毛利润＞0时，则生成盈利状态信号，若毛利润≤0时，则生成亏损状态信号；

依据接收到的盈利状态信号与亏损状态信号分别进行深度细化分析处理，具体的操作过程如下：

当生成盈利状态信号时，调取各单位时间段的毛利润，并将毛利润代入预设的盈利参照区间Q1内进行比较分析；

当毛利润大于预设的盈利参照区间Q1的最大值时，则生成一级盈利信号，当物流盈利值处于预设的盈利参照区间Q1之内时，则生成二级盈利信号，当毛利润小于预设的盈利参照区间Q1的最小值时，则生成三级盈利信号；

当生成亏损状态信号时，调取毛利润，并将毛利润代入预设的亏损参照区间Q2内进行比较分析；

当毛利润大于预设的亏损参照区间Q2的最大值时，则生成一级亏损信号，当物流盈利值处于预设的亏损参照区间Q2之内时，则生成二级亏损信号，当毛利润小于预设的亏损参照区间Q2的最小值时，则生成三级亏损信号；

将生成的盈利状态信号与亏损状态信号分别发送至盈利状态监控单元、亏损状态监控单元，将生成的一级盈利信号、二级盈利信号、三级盈利信号与一级亏损信号、二级亏损信号、三级亏损信号发送至数据校对单元；

当盈利状态监控单元用接收到盈利状态信号，并据此调取人工智能化下的物流大数据中的盈利数据信息，并据此进行盈利状态定量分析处理，具体的操作过程如下：

实时获取各单位时间段的人工智能化下的物流大数据中的盈利数据信息中的销售额、回款额以及流动额，并将其分别标定为xs_i、hk_i和ld_i，并将其进行公式分析，依据公式

，得到各单位时间段的盈利值，其中，e1、e2和e3分别为销售额、回款额以及流动额的权重因子系数，且e1＞e2＞e3＞0，且e1+e2+e3=9，其中，权重因子系数用于均衡各项数据在公式计算中的占比权重，从而促进计算结果的准确性；

设置盈利值的梯度参照区间F1、F2和F3，并将盈利值代入预设的梯度参照区间F1、F2和F3内进行比较分析处理；

当盈利值的梯度参照区间F1之内时，则生成一阶盈利信号，当盈利值的梯度参照区间F2之内时，则生成二阶盈利信号，当盈利值的梯度参照区间F3之内时，则生成三阶盈利信号；

将生成的一阶盈利信号、二阶盈利信号、三阶盈利信号均发送至数据校对单元；

当亏损状态监控单元用于接收亏损状态信号，并据此调取人工智能化下的物流大数据中的亏损数据信息，进行亏损状态定量分析处理，具体的操作过程如下：

依据接收到的亏损状态信号，实时获取各单位时间段的人工智能化下的物流大数据中的亏损数据信息中的仓赁费、仓管费和调度费，并将其分别标定为cl_i、cg_i和sp_i，并将其进行数据加和分析，依据公式ccf_i=cl_i+cg_i+sp_i，得到各单位时间段的仓储费用值ccf_i，需要说明的是，仓赁费指的是仓库租赁费用，仓管费指的是仓库内的设备维修管理费用，调度费指的是物流货物的费用；

以单位时间段为横坐标，以仓储费用值为纵坐标，并以此建立二维动态坐标系，并将各单位时间段的仓储费用值通过描点的方式绘制在二维动态坐标系上；

将各单位时间段的仓储费用值进行均值分析，依据公式Jc=（ccf₁+ccf₂+ccf₃+……ccf_n）÷n，得到均值仓储消耗费用值Jc，并将均值仓储消耗费用值作为仓储消耗费用参照线绘制在二维动态坐标系上，即Y=Jc；

统计处于仓储消耗费用参照线以上的点的数量和，并将其标定为sum1，统计处于仓储消耗费用参照线上的点的数量和，并将其标定为sum2，统计处于仓储消耗费用参照线以下的数量和，并将其标定为sum3；

若满足sum1＞sum2＞sum3，则生成一阶亏损信号，若满足sum2＞sum1＞sum3，则生成二阶亏损信号，若满足sum3＞sum2＞sum1，则生成三阶亏损信号；

将生成的一阶亏损信号、二阶亏损信号、三阶亏损信号均发送至数据校对单元；

当数据校对单元接收到各级盈利类型判定信号与各阶盈利类型判定信号时，并据此进行盈利数据校对分析处理，具体的操作过程如下：

依次调取各级盈利类型判定信号与各阶盈利类型判定信号，将各级盈利类型判定信号中的一级盈利信号、二级盈利信号、三级盈利信号分别标定为A1、A2、A3，将各阶盈利类型判定信号中的一阶盈利信号、二阶盈利信号、三阶盈利信号分别标定为A1^*、A2^*、A3^*；

以各单位时间段为横坐标，以各级盈利类型判定信号与各阶盈利类型判定信号为纵坐标，并据此建立盈利数据校正坐标系，并将各单位时间段的各级盈利类型判定信号与各阶盈利类型判定信号通过符号数据标定在盈利数据校正坐标系上；

分别统计同时出现在盈利数据校正坐标系上相同类别符号的数量和与非相同类别符号的数量和，并将其分别标定为sl1与sl2，其中，相同类别符号指的是A1与A1^*、A2与A2^*，非相同类别符号指的是A1与A2^*、A1与A3^*、A2与A3^*；

若满足sl1＞sl2时，则生成确认盈利信号，反之，当满足sl1≤sl2时，则生成否定盈利信号，并将生成的确认盈利信号、否定盈利信号均发送至数据预警反馈单元；

当数据校对单元接收到各级亏损类型判定信号与各阶亏损类型判定信号时，并据此进行亏损数据校对分析处理，具体的操作过程如下：

依次调取各级亏损类型判定信号与各阶亏损类型判定信号，将各级亏损类型判定信号中的一级盈利信号、二级盈利信号、三级盈利信号分别标定为B1、B2、B3，将各阶亏损类型判定信号中的一阶盈利信号、二阶盈利信号、三阶盈利信号分别标定为B1^*、B2^*、B3^*；

以各单位时间段为横坐标，以各级亏损类型判定信号与各阶亏损类型判定信号为纵坐标，并据此建立亏损数据校正坐标系，并将各单位时间段的各级盈利类型判定信号与各阶盈利类型判定信号通过符号数据标定在亏损数据校正坐标系上；

分别统计同时出现在亏损数据校正坐标系上相同类别符号的数量和与非相同类别符号的数量和，并将其分别标定为sl3与sl4，其中，相同类别符号指的是B1与B1^*、B2与B2^*，非相同类别符号指的是B1与B2^*、B1与B3^*、B2与B3^*；

若满足sl3＞sl4时，则生成确认亏损信号，反之，当满足sl3≤sl4时，则生成否定亏损信号，并将生成的确认亏损信号、否定亏损信号均发送至数据预警反馈单元；

当数据预警反馈单元接收到确认盈利信号、否定盈利信号、确认亏损信号、否定亏损信号时，并据此进行预警分析处理，具体的操作过程如下：

当接收到确认盈利信号时，并以“当前监控到物流企业的两次运转状态一致，均为盈利状态”文本字样描述的方式通过服务器发送至显示终端进行显示说明；

当接收到否定盈利信号时，并以“当前监控到物流企业的两次运转状态不一致，均为不同等级盈利状态”文本字样描述的方式通过服务器发送至显示终端进行显示说明；

当接收到确认亏损信号时，并以“当前监控到物流企业的两次运转状态一致，均为亏损状态”文本字样描述的方式通过服务器发送至显示终端进行显示说明；

当接收到否定亏损信号时，并以“当前监控到物流企业的两次运转状态不一致，均为不同等级亏损状态”文本字样描述的方式通过服务器发送至显示终端进行显示说明。

上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；

如公式：

；

由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的权重因子系数；将设定的权重因子系数和采集的样本数据代入公式，任意两个公式构成二元一次方程组，将计算得到的系数进行筛选并取均值，得到e1、e2和e3取值分别为4、3和2；

系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的权重因子系数；只要不影响参数与量化后数值的比例关系即可。

本发明在使用时，通过获取人工智能化下的物流大数据中的费用数据信息，并进行物流数据费用综项分析处理，利用符号化的标定、数据作差分析以及数值比较的方式，实现了对物流企业的盈利状况与亏损状况整体的初步判定分析；

并以物流数据费用综项分析处理的初步判定结果为基础，利用参照区间的分类设置以及数据代入比较分析输出的方式，从而在实现了对物流企业的盈利状态以及亏损状态的实时监控的同时，也实现了对物流企业的盈利状态以及亏损状态的深度且明确分析；

以初步盈利判定结果为基础，通过采集人工智能化下的物流大数据中的盈利数据信息，并进行盈利状态定量分析处理，利用公式化处理以及信号化的输出方式，实现了对物流企业的盈利状态的二次核定分析；

以初步亏损判定结果为基础，通过采集人工智能化下的物流大数据中的亏损数据信息，并进行亏损状态定量分析处理，利用数据加和分析、坐标模型的建立以及统计分析的方式，实现了对物流企业的亏损状态的再次核定分析；

并利用数据赋值、模型关系以及数据比较分析的方式，实现了对物流企业的盈利状态与亏损状态的校对分析，从而在实现了对物流企业的信息的高效的监控的同时，也实现了物流信息的准确整合，并采用文本预警的方式对企业物流的费用层面进行了高效的监控和及时的预警。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (11)

1.一种基于人工智能的物流大数据实时监控与分析处理系统，包括物流数据分析平台，其特征在于，物流数据分析平台的内部设置有服务器，服务器通信连接有数据采集单元、费用数据监控单元、盈利状态监控单元、亏损状态监控单元、数据校对单元、数据预警反馈单元和显示终端；

物流数据分析平台用于对人工智能管理下的物流产业的物流大数据信息进行监控分析，数据采集单元用于采集人工智能化下的物流大数据中的费用数据信息，并将其通过服务器分别发送至费用数据监控单元、盈利状态监控单元、亏损状态监控单元；

通过费用数据监控单元对接收的人工智能化下的物流大数据中的费用数据信息，进行物流数据费用综项分析处理，据此生成盈利状态信号、亏损状态信号以及各等级盈利类型信号、各等级亏损类型信号，将盈利状态信号与亏损状态信号分别发送至盈利状态监控单元、亏损状态监控单元，将各等级盈利类型信号与各等级亏损类型信号发送至数据校对单元；

盈利状态监控单元用于接收盈利状态信号，并据此调取人工智能化下的物流大数据中的盈利数据信息进行盈利状态定量分析处理，生成一阶盈利信号、二阶盈利信号、三阶盈利信号，并将其均发送至数据校对单元；

亏损状态监控单元用于接收亏损状态信号，并据此调取人工智能化下的物流大数据中的亏损数据信息进行亏损状态定量分析处理，生成一阶亏损信号、二阶亏损信号、三阶亏损信号，并将其均发送至数据校对单元；

数据校对单元用于接收各级盈利类型判定信号、各级亏损类型判定信号与各阶盈利类型判定信号、各阶亏损类型判定信号，并进行盈利数据校对分析处理与亏损数据校对分析处理，据此生成确认盈利信号、否定盈利信号、确认亏损信号、否定亏损信号，并将其均发送至数据预警反馈单元进行预警分析处理，并以文本字样描述的方式发送至显示终端进行显示说明。

2.根据权利要求1所述的一种基于人工智能的物流大数据实时监控与分析处理系统，其特征在于，物流数据费用综项分析处理的具体操作步骤如下：

实时获取各单位时间段的人工智能管理下的物流产业的毛成本与毛收入，并将其进行作差分析，得到各单位时间段的毛利润；

分析毛利润的盈利状态，当毛利润＞0时，则生成盈利状态信号，若毛利润≤0时，则生成亏损状态信号；

依据接收到的盈利状态信号与亏损状态信号分别进行深度细化分析处理，据此生成一级盈利信号、二级盈利信号、三级盈利信号与一级亏损信号、二级亏损信号、三级亏损信号。

3.根据权利要求2所述的一种基于人工智能的物流大数据实时监控与分析处理系统，其特征在于，深度细化分析处理的具体操作步骤如下：

当生成盈利状态信号时，调取各单位时间段的毛利润，并将毛利润代入预设的盈利参照区间Q1内进行比较分析；

当毛利润大于预设的盈利参照区间Q1的最大值时，则生成一级盈利信号，当物流盈利值处于预设的盈利参照区间Q1之内时，则生成二级盈利信号，当毛利润小于预设的盈利参照区间Q1的最小值时，则生成三级盈利信号；

当生成亏损状态信号时，调取毛利润，并将毛利润代入预设的亏损参照区间Q2内进行比较分析；

当毛利润大于预设的亏损参照区间Q2的最大值时，则生成一级亏损信号，当物流盈利值处于预设的亏损参照区间Q2之内时，则生成二级亏损信号，当毛利润小于预设的亏损参照区间Q2的最小值时，则生成三级亏损信号。

4.根据权利要求1所述的一种基于人工智能的物流大数据实时监控与分析处理系统，其特征在于，盈利状态定量分析处理的具体操作步骤如下：

依据接收到的盈利状态信号，实时获取各单位时间段的人工智能化下的物流大数据中的盈利数据信息中的销售额、回款额以及流动额，并将其进行公式分析，得到各单位时间段的盈利值；

设置盈利值的梯度参照区间F1、F2和F3，并将盈利值代入预设的梯度参照区间F1、F2和F3内进行比较分析处理；

当盈利值的梯度参照区间F1之内时，则生成一阶盈利信号，当盈利值的梯度参照区间F2之内时，则生成二阶盈利信号，当盈利值的梯度参照区间F3之内时，则生成三阶盈利信号。

5.根据权利要求1所述的一种基于人工智能的物流大数据实时监控与分析处理系统，其特征在于，亏损状态定量分析处理的具体操作步骤如下：

依据接收到的亏损状态信号，实时获取各单位时间段的人工智能化下的物流大数据中的亏损数据信息中的仓赁费、仓管费和调度费，并将其进行数据加和分析，得到各单位时间段的仓储费用值；

以得到的各单位时间段的仓储费用值为依据，并进行坐标模型分析处理，据此得到一阶亏损信号、二阶亏损信号和三阶亏损信号。

6.根据权利要求5所述的一种基于人工智能的物流大数据实时监控与分析处理系统，其特征在于，坐标模型分析处理的具体操作步骤如下：

以单位时间段为横坐标，以仓储费用值为纵坐标，并以此建立二维动态坐标系，并将各单位时间段的仓储费用值通过描点的方式绘制在二维动态坐标系上；

将各单位时间段的仓储费用值进行均值分析，得到均值仓储消耗费用值Jc，并将均值仓储消耗费用值作为仓储消耗费用参照线绘制在二维动态坐标系上，即Y=Jc；

统计处于仓储消耗费用参照线以上的点的数量和，并将其标定为sum1，统计处于仓储消耗费用参照线上的点的数量和，并将其标定为sum2，统计处于仓储消耗费用参照线以下的数量和，并将其标定为sum3；

若满足sum1＞sum2＞sum3，则生成一阶亏损信号，若满足sum2＞sum1＞sum3，则生成二阶亏损信号，若满足sum3＞sum2＞sum1，则生成三阶亏损信号。

7.根据权利要求1所述的一种基于人工智能的物流大数据实时监控与分析处理系统，其特征在于，盈利数据校对分析处理的具体操作步骤如下：

依次调取各级盈利类型判定信号与各阶盈利类型判定信号，将各级盈利类型判定信号中的一级盈利信号、二级盈利信号、三级盈利信号分别标定为A1、A2、A3，将各阶盈利类型判定信号中的一阶盈利信号、二阶盈利信号、三阶盈利信号分别标定为A1^*、A2^*、A3^*；

以各单位时间段为横坐标，以各级盈利类型判定信号与各阶盈利类型判定信号为纵坐标，并据此建立盈利数据校正坐标系，并将各单位时间段的各级盈利类型判定信号与各阶盈利类型判定信号通过符号数据标定在盈利数据校正坐标系上，并执行一类统计分析处理，据此生成确认盈利信号和否定盈利信号。

8.根据权利要求7所述的一种基于人工智能的物流大数据实时监控与分析处理系统，其特征在于，一类统计分析处理的具体操作步骤如下：

分别统计同时出现在盈利数据校正坐标系上相同类别符号的数量和与非相同类别符号的数量和，并将其分别标定为sl1与sl2，其中，相同类别符号指的是A1与A1^*、A2与A2^*，非相同类别符号指的是A1与A2^*、A1与A3^*、A2与A3^*；

若满足sl1＞sl2时，则生成确认盈利信号，反之，当满足sl1≤sl2时，则生成否定盈利信号。

9.根据权利要求1所述的一种基于人工智能的物流大数据实时监控与分析处理系统，其特征在于，亏损数据校对分析处理的具体操作步骤如下：

依次调取各级亏损类型判定信号与各阶亏损类型判定信号，将各级亏损类型判定信号中的一级盈利信号、二级盈利信号、三级盈利信号分别标定为B1、B2、B3，将各阶亏损类型判定信号中的一阶盈利信号、二阶盈利信号、三阶盈利信号分别标定为B1^*、B2^*、B3^*；

以各单位时间段为横坐标，以各级亏损类型判定信号与各阶亏损类型判定信号为纵坐标，并据此建立亏损数据校正坐标系，并将各单位时间段的各级盈利类型判定信号与各阶盈利类型判定信号通过符号数据标定在亏损数据校正坐标系上，并执行二类统计分析处理，得到确认亏损信号和否定亏损信号。

10.根据权利要求9所述的一种基于人工智能的物流大数据实时监控与分析处理系统，其特征在于，二类统计分析处理的具体操作步骤如下：

分别统计同时出现在亏损数据校正坐标系上相同类别符号的数量和与非相同类别符号的数量和，并将其分别标定为sl3与sl4，其中，相同类别符号指的是B1与B1^*、B2与B2^*，非相同类别符号指的是B1与B2^*、B1与B3^*、B2与B3^*；

若满足sl3＞sl4时，则生成确认亏损信号，反之，当满足sl3≤sl4时，则生成否定亏损信号。

11.根据权利要求1所述的一种基于人工智能的物流大数据实时监控与分析处理系统，其特征在于，预警分析处理的具体操作步骤如下：

当接收到确认盈利信号时，并以“当前监控到物流企业的两次运转状态一致，均为盈利状态”文本字样描述的方式通过服务器发送至显示终端进行显示说明；

当接收到否定盈利信号时，并以“当前监控到物流企业的两次运转状态不一致，均为不同等级盈利状态”文本字样描述的方式通过服务器发送至显示终端进行显示说明；

当接收到确认亏损信号时，并以“当前监控到物流企业的两次运转状态一致，均为亏损状态”文本字样描述的方式通过服务器发送至显示终端进行显示说明；

当接收到否定亏损信号时，并以“当前监控到物流企业的两次运转状态不一致，均为不同等级亏损状态”文本字样描述的方式通过服务器发送至显示终端进行显示说明。

Images