CN115660295B - 一种产品全生命周期的供应链管理方法及系统 - Google Patents
一种产品全生命周期的供应链管理方法及系统 Download PDFInfo
- Publication number
- CN115660295B CN115660295B CN202211679298.4A CN202211679298A CN115660295B CN 115660295 B CN115660295 B CN 115660295B CN 202211679298 A CN202211679298 A CN 202211679298A CN 115660295 B CN115660295 B CN 115660295B
- Authority
- CN
- China
- Prior art keywords
- enterprise
- data
- abnormal
- production
- item
- 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
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于供应链管理技术领域,公开了一种产品全生命周期的供应链管理方法及系统:对产品供应链参与企业进行节点排序后,确定为区块链节点;对企业的经营信息数据进行预处理,存储在企业的区块链中,备份到所有参与企业的区块链中;基于企业的历史生产数据和上下游企业的历史订单数据计算企业的信誉值;实时监测企业的生产数据,若生产数据与生产计划数据的偏差超过预设值,则判定为异常项目;提取异常项目的异常信息,计算异常项目的风险等级,将异常项目、异常数据和风险等级相关联地存储在企业的区块链中,并发送给企业和异常项目的上下游企业。本发明解决了不能随时追踪产品进程、不能及时获取其他节点异常状况的问题。
Description
技术领域
本发明属于供应链管理技术领域,具体涉及一种产品全生命周期的供应链管理方法及系统。
背景技术
供应链是指在生产及流通过程中,产品从生产、运输到销售的整个过程的活动链条,包括供应商、制造商、仓库、配送中心、销售等。供应链涉及到多个环节,某一环节的企业难以对其他环节的产品进程进行追踪,想要了解产品进程需要向上游或下游企业进行询问,无法保证所有企业的对等参与,也无法满足实际产品进程追踪的效率和准确性。当上游企业出现异常情况,且该异常情况会对下游企业造成不良影响时,下游企业不能获知或及时获知该异常情况,并针对该异常情况做出响应以规避风险。
因此,提供一种产品全生命周期的供应链管理方法及系统,以获取各环节的真实产品进程信息,是亟待解决的技术问题。
发明内容
针对上述提出的技术问题,本发明提供一种产品全生命周期的供应链管理方法及系统,使企业能够追踪供应链中产品的真实进程,且能够及时获知供应链中其他节点的异常状况,及时做出响应。
第一方面,本发明提供了一种产品全生命周期的供应链管理方法,该方法包括:
步骤1、对产品供应链参与企业进行环节节点排序后,确定为区块链节点;
步骤2、对企业的经营信息数据进行预处理,存储在企业的区块链中,并将预处理后的信息备份到所有参与企业的区块链中,其中,经营信息数据包括生产数据、生产计划数据、订单数据、库存数据、配方数据、历史生产数据、历史订单数据;
步骤3、基于企业的历史生产数据,以及上游企业的历史订单数据、下游企业的历史订单数据,计算企业的信誉值,将信誉值存储在企业的区块链中;
步骤4、实时监测企业的生产数据,若生产数据与生产计划数据的偏差超过预设值A1,则判定为异常项目;
步骤5、提取异常项目的异常信息,获取异常数据,计算异常项目的风险等级,将异常项目、异常数据和风险等级相关联地存储在企业的区块链中,并发送给企业、以及异常项目的上游企业和下游企业。
具体地,步骤3具体包括:
步骤31、提取企业最近完成的一个项目M的历史生产数据,基于项目M的历史生产数据和项目M的配方数据,获取项目M的每种配料的用量;
步骤32、提取参与项目M的所有上游企业信息针对项目M的历史订单数据,获取每种配料的订单量;
步骤33、基于项目M的每种配料的用量、每种配料的库存量和订单量,计算企业的前向信誉值P1:
其中,Pi为第i种配料的信誉指数,P为企业的当前向前信誉值,ORi为第i种配料的订单量,INi为第i种配料的库存量,DOi为第i种配料的用量,THi为第i种配料的门限值,L为项目M总的配料种类数量,K1、K2为常数,K2>K1;
步骤34、提取参与项目M的所有下游企业针对项目M的历史订单数据,获取项目M的销售量;
步骤35、基于项目M的生产量、项目M对应的产品的库存量和销售量,计算企业的后向信誉值Q1:
其中,Q为企业的当前后向信誉值,MA为生产量,INV为库存量,SE为销售量,K3、K4为常数,K4>K3;
具体地,步骤4具体包括:
步骤41、每日工作结束后,提取企业正在进行的一个项目N的生产数据,获取项目N的累计生产量;
步骤42、若累计生产量小于项目N的生产计划数据中的预定累计生产量,计算累计生产量与预定累计生产量的偏差值,若偏差值超过预设值A1,则将项目N判定为异常项目。
具体地,步骤5具体包括:
步骤52、计算异常项目的生产风险等级R2:
其中,PR为异常项目的生产计划数据中的总生产量,PR1为异常项目已生产的累计生产量,V为异常项目的生产效率,T2为异常项目的预定交付时间,T1为异常项目已进行的时间;
步骤54、若R小于等于0,则将风险等级R设置为0,不发送异常项目的信息;
若0<R≤A2,则将异常项目、异常数据和风险等级发送给企业;
若R>A2,则将异常项目、异常数据和风险等级发送给企业、以及异常项目的上游企业和下游企业。
具体地,根据异常项目的生产计划数据中的总生产量、日生产量和预定交付时间T2确定预设值A1,预设值A1为:
其中,PR2为异常项目的生产计划数据中的日生产量。
具体地,企业上传到区块链中的经营信息数据,包括企业管理员主动上传的信息和终端设备自动扫描上传的信息。
第二方面,本发明还提供了一种产品全生命周期的供应链管理系统,该系统包括确定模块、存储模块、信誉计算模块、异常检测模块、风险判定模块;
确定模块,用于对产品供应链参与企业进行环节节点排序后,确定为区块链节点;
存储模块,用于对企业的经营信息数据进行预处理,存储在企业的区块链中,并将预处理后的信息备份到所有参与企业的区块链中,其中,经营信息数据包括生产数据、生产计划数据、订单数据、库存数据、配方数据、历史生产数据;
信誉计算模块,用于基于企业的历史生产数据,以及上游企业的历史订单数据、下游企业的历史订单数据,计算企业的信誉值,将信誉值存储在企业的区块链中;
异常监测模块,用于实时监测企业的生产数据,若企业的生产数据与生产计划数据的偏差超过预设值A1,则判定为异常项目;
风险判定模块,用于提取异常项目的异常信息,获取异常数据,计算异常项目的风险等级,将异常项目、异常数据和风险等级相关联地存储在企业的区块链中,并发送给企业、以及异常项目的上游企业和下游企业。
具体地,信誉计算模块通过如下步骤计算企业的信誉值:
提取企业最近完成的一个项目M的历史生产数据,基于项目M的历史生产数据和项目M的配方数据,获取项目M的每种配料的用量;
提取参与项目M的所有上游企业信息针对项目M的历史订单数据,获取每种配料的订单量;
基于项目M的每种配料的用量、每种配料的库存量和订单量,计算企业的前向信誉值P1:
其中,Pi为第i种配料的信誉指数,P为企业的当前向前信誉值,ORi为第i种配料的订单量,INi为第i种配料的库存量,DOi为第i种配料的用量,THi为第i种配料的门限值,L为项目M总的配料种类数量,K1、K2为常数,K2>K1;
提取参与项目M的所有下游企业针对项目M的历史订单数据,获取项目M的销售量;
基于项目M的生产量、项目M对应的产品的库存量和销售量,计算企业的后向信誉值Q1:
其中,Q为企业的当前后向信誉值,MA为生产量,INV为库存量,SE为销售量,K3、K4为常数,K4>K3;
具体地,异常监测模块通过如下方式判断项目是否异常:
每日工作结束后,提取企业正在进行的一个项目N的生产数据,获取项目N的累计生产量;
若累计生产量小于项目N的生产计划数据中的预定累计生产量,计算累计生产量与预定累计生产量的偏差值,若偏差值超过预设值A1,则将项目N判定为异常项目。
具体地,风险判定模块通过如下步骤对异常项目进行处理:
计算异常项目的生产风险等级R2:
其中,PR为异常项目的生产计划数据中的总生产量,PR1为异常项目已生产的累计生产量,V为异常项目的生产效率,T2为异常项目的预定交付时间,T1为异常项目已进行的时间;
若R小于等于0,则将风险等级R设置为0,不发送异常项目的信息;
若0<R≤A2,则将异常项目、异常数据和风险等级发送给企业;
若R>A2,则将异常项目、异常数据和风险等级发送给企业、以及异常项目的上游企业和下游企业。
与现有技术相比,本发明的有益效果至少如下所述:
将企业的经营信息数据存储在该企业的区块链中,并备份到参与产品供应链的所有上下游企业的区块链中,使所有参与企业都能对等地获取其他企业的信息,提高了产品进程追踪的效率和真实性;基于企业的生产数据和上下游企业针对该生产数据的订单数据,计算该企业的信誉值,能够获知企业的真实经营状况;基于项目的真实产量和预计产量判断该项目是否存在异常,当项目异常时,及时提醒该企业管理人员注意,当项目出现严重异常状况时,提醒与该项目相关上下游企业注意,及时做出应对。
附图说明
图1为本发明的一种产品全生命周期的供应链管理方法的流程图;
图2为本发明的一种产品全生命周期的供应链管理系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明经行进一步的详细说明。显然,此处所描述的具体实施例仅仅用于解释本发明,是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术普通人员在没有做出创造性劳动的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。
图1所示是本发明提供的一种产品全生命周期的供应链管理方法的一个实施例的流程图,该流程图具体包括:
步骤1、对产品供应链参与企业进行环节节点排序后,确定为区块链节点。
示例性地,对参与产品生产到销售的企业按照原料供应企业、配料加工企业、零部件加企业、产品加企业...销售企业的顺序进行排序、编码。
步骤2、对企业的经营信息数据进行预处理,存储在企业的区块链中,并将预处理后的信息备份到所有参与企业的区块链中,其中,经营信息数据包括生产数据、生产计划数据、订单数据、库存数据、配方数据、历史生产数据、历史订单数据。
具体地,预处理包括将上述经营信息数据分为可公开数据和不可公开数据。将可公开的数据直接存储在该企业的区块链中,并备份到所有参与企业的区块链中。对不可公开的数据进行加密,将加密处理后的信息存储在该企业的区块链中。比如,配方数据属于商业机密,即为不可公开的数据,进行加密后只存储在该企业的区块链中。
步骤3、基于企业的历史生产数据,以及上游企业的历史订单数据、下游企业的历史订单数据,计算企业的信誉值,将信誉值存储在企业的区块链中。
具体地,步骤3具体包括:
步骤31、提取企业最近完成的一个项目M的历史生产数据,基于项目M的历史生产数据和项目M的配方数据,获取项目M的每种配料的用量。
步骤32、提取参与项目M的所有上游企业信息针对项目M的历史订单数据,获取每种配料的订单。
步骤33、基于项目M的每种配料的用量、每种配料的库存量和订单量,计算企业的前向信誉值P1:
其中,Pi为第i种配料的信誉指数,P为企业的当前向前信誉值,ORi为第i种配料的订单量,INi为第i种配料的库存量,DOi为第i种配料的用量,THi为第i种配料的门限值,L为项目M总的配料种类数量,K1、K2为常数,K2>K1。
优选地,每种配料的用量和单位不同,为每种配料设置不同的门限值,门限值的大小由本领域技术人员根据经验或根据多次实验所得的一个最优值,也可以是本领域技术人员根据实际的生产情况进行设置的。
基于企业已完成项目的历史生产数据和该项目的配方数据获取每种配料的用量,通过比较配料的订单量和库存量之和与配料的用量的关系,可以判断上述企业在该项目上是否存在生产量造假的现象,基于此确定该企业的前向信誉值。
若某种配料的订单量和库存量之和大于或等于该配料的用量,说明该配料的订单量和库存量之和与上述项目的该配料用量吻合,该配料的信誉指数为当前信誉指数,即不发生变化;若某种配料的订单量和库存量之和小于该配料的用量,但大于等于该配料的门限值THi,说明该配料的订单量和库存量之和不能满足上述项目对该配料的需求,该项目的实际生产量与历史生产数据中记录的生产量不匹配,减少该配料的信誉指数;若某种配料的订单量和库存量之和小于该配料的门限值THi,说明该配料的订单量和库存量之和严重不足,该项目的实际生产量与历史生产数据中记录的生产量不匹配,该配料的信誉指数进一步减小。
优选地,当企业为新注册企业,未进行过生产时,该企业的当前前向信誉值为100。
步骤34、提取参与项目M的所有下游企业针对项目M的历史订单数据,获取项目M的销售量。
步骤35、基于项目M的生产量、项目M对应的产品的库存量和销售量,计算企业的后向信誉值Q1:
其中,Q为企业的当前后向信誉值,MA为生产量,INV为库存量,SE为销售量,K3、K4为常数,K4>K3。
优选地,门限值的大小由本领域技术人员根据经验或根据多次实验所得的一个最优值,也可以是本领域技术人员根据实际的生产情况进行设置的。
优选地,不同批次的产品是由不同的项目生产的。
通过比较企业已完成项目的历史生产数据中的生产量和该项目生产的产品的库存量之和与该项目相关的销售量的关系,可以判断上述企业是否存在销量造假的现象,基于此确定该企业的后向信誉值。
若项目产品的生产量和库存量之和大于或等于该项目产品的销售量,说明上述企业该项目产品的持有量与该项目产品的销售量相匹配,企业的后向信誉值为当前后向信誉值,即不发生变化;若项目产品的生产量和库存量之和小于该项目产品的销售量,但大于等于该项目产品数量的门限值TH2,说明上述企业该项目产品的持有量不能满足该项目产品订单中销售量的需求,有违约嫌疑,减小该企业的后向信誉值;若项目产品的生产量和库存量之和小于该项目产品数量的门限值TH2,说明上述企业该项目产品的持有量与该项目产品订单中销售量相比严重不足,存在违约或销售量造假嫌疑,进一步减小该企业的后向信誉值。
优选地,当企业为新注册企业,未进行过生产时,该企业的当前后向信誉值为100。
α1、α2为预设的权重值,根据本领域技术人员的经验或可以根据实际应用场景进行设置,本申请实施例对此并不限定。
优选地,周期性地对企业的信誉值进行更新。
当企业存在违约或造假行为时,会降低企业的信誉值。根据前向信誉值和后向信誉值计算企业的信誉值,可快速准确地了解企业的经营状况,供应链中的企业能够根据该信誉值判断下游企业或上游企业的可信任程度,快速合理地决定选择哪个企业进行合作。
步骤4、实时监测企业的生产数据,若生产数据与生产计划数据的偏差超过预设值A1,则判定为异常项目。
具体地,步骤4具体包括:
步骤41、每日工作结束后,提取企业正在进行的一个项目N的生产数据,获取项目N的累计生产量。
优选地,累计生产量中的产品都是合格产品。
步骤42、若累计生产量小于项目N的生产计划数据中的预定累计生产量,计算累计生产量与预定累计生产量的偏差值,若偏差值超过预设值A1,则将项目N判定为异常项目。
对企业正在进行的项目的生产进程进行监控,若该企业的累计生产量与预计累计生产量的偏差值超过预设值,说明该项目进度缓慢,若不提醒注意并采取措施,则会影响该项目产品的最终交付时间。
具体地,根据异常项目的生产计划数据中的总生产量、日生产量和预定交付时间T2确定预设值A1,预设值A1为:
其中,PR2为异常项目的生产计划数据中的日生产量,PR为异常项目的生产计划数据中的总生产量。
步骤5、提取异常项目的异常信息,获取异常数据,计算异常项目的风险等级,将异常项目、异常数据和风险等级相关联地存储在企业的区块链中,并发送给企业、以及异常项目的上游企业和下游企业。
具体地,异常数据包括异常原因、发生异常的时间、该异常项目的产品不合格率、针对该异常原因所做出的补救措施等。
具体地,步骤5具体包括:
优选地,该异常项目的不合格率是发现该异常项目当天生产的产品的不合格率。
示例性地,上述异常项目的不合格率为20%,则该异常项目的残次品风险等级R1为:R1=10×20%=2。
步骤52、计算异常项目的生产风险等级R2:
其中,PR为异常项目的生产计划数据中的总生产量,PR1为异常项目已生产的累计生产量,V为异常项目的生产效率,T2为异常项目的预定交付时间,T1为异常项目已进行的时间。
示例性地,若完成剩余生产量还需要的工作时间为5,距离交付时间的剩余时间为2,则生产风险等级为3。
企业的信誉值越高,抗风险能力越强。
β1、β2、β3为预设的权重值,根据本领域技术人员的经验或可以根据实际应用场景进行设置,本申请实施例对此并不限定。
步骤54、若R小于等于0,则将风险等级R设置为0,不发送异常项目的信息;
若0<R≤A2,则将异常项目、异常数据和风险等级发送给企业;
若R>A2,则将异常项目、异常数据和风险等级发送给企业、以及异常项目的上游企业和下游企业。
异常项目的风险等级即为该项目的风险程度,若风险等级大于0,小于等于预设值A2,说明该异常项目的风险可控,及时进行调整可避免对下游企业造成影响;若风险等级大于预设值A2,说明该异常项目的风险不可控,继续按照该项目当前的生产效率或生产条件等进行生产不可避免地会对下游企业造成影响,提醒下游企业注意。比如,上述异常项目的产品生产量小于预计生产量,下游企业根据预计生产量进行了预约销售,到了预约销售的交付时间没有足够的产品交付给客户,会影响下游企业的信誉,提醒下游企业注意,下游企业可提前根据该异常项目调整销售策略,也可督促上述企业加快生产进度。当上述异常项目的风险不可控时,提醒上游企业注意,若该风险会对本企业造成影响,可及时做出防范。比如:上述异常项目的产品没有及时销售出去,后续可能会降低产量,若上游企业提前根据上述企业的订单量和生产计划提前生产配料,会造成上游企业的配料积压。
具体地,企业上传到区块链中的经营信息数据,包括企业管理员主动上传的信息和终端设备自动扫描上传的信息。
图2所示是本发明提供的一种产品全生命周期的供应链管理系统的一个实施例的结构示意图。如图2所示,该系统包括:确定模块、存储模块、信誉计算模块、异常检测模块、风险判定模块;
确定模块,用于对产品供应链参与企业进行环节节点排序后,确定为区块链节点;
存储模块,用于对企业的经营信息数据进行预处理,存储在企业的区块链中,并将预处理后的信息备份到所有参与企业的区块链中,其中,经营信息数据包括生产数据、生产计划数据、订单数据、库存数据、配方数据、历史生产数据;
信誉计算模块,用于基于企业的历史生产数据,以及上游企业的历史订单数据、下游企业的历史订单数据,计算企业的信誉值,将信誉值存储在企业的区块链中;
异常监测模块,用于实时监测企业的生产数据,若企业的生产数据与生产计划数据的偏差超过预设值A1,则判定为异常项目;
风险判定模块,用于提取异常项目的异常信息,获取异常数据,计算异常项目的风险等级,将异常项目、异常数据和风险等级相关联地存储在企业的区块链中,并发送给企业、以及异常项目的上游企业和下游企业。
具体地,信誉计算模块通过如下步骤计算企业的信誉值:
提取企业最近完成的一个项目M的历史生产数据,基于项目M的历史生产数据和项目M的配方数据,获取项目M的每种配料的用量;
提取参与项目M的所有上游企业信息针对项目M的历史订单数据,获取每种配料的订单量;
基于项目M的每种配料的用量、每种配料的库存量和订单量,计算企业的前向信誉值P1:
其中,Pi为第i种配料的信誉指数,P为企业的当前向前信誉值,ORi为第i种配料的订单量,INi为第i种配料的库存量,DOi为第i种配料的用量,THi为第i种配料的门限值,L为项目M总的配料种类数量,K1、K2为常数,K2>K1;
提取参与项目M的所有下游企业针对项目M的历史订单数据,获取项目M的销售量;
基于项目M的生产量、项目M对应的产品的库存量和销售量,计算企业的后向信誉值Q1:
其中,Q为企业的当前后向信誉值,MA为生产量,INV为库存量,SE为销售量,K3、K4为常数,K4>K3;
具体地,异常监测模块通过如下方式判断项目是否异常:
每日工作结束后,提取企业正在进行的一个项目N的生产数据,获取项目N的累计生产量;
若累计生产量小于项目N的生产计划数据中的预定累计生产量,计算累计生产量与预定累计生产量的偏差值,若偏差值超过预设值A1,则将项目N判定为异常项目。
具体地,风险判定模块通过如下步骤对异常项目进行处理:
计算异常项目的生产风险等级R2:
其中,PR为异常项目的生产计划数据中的总生产量,PR1为异常项目已生产的累计生产量,V为异常项目的生产效率,T2为异常项目的预定交付时间,T1为异常项目已进行的时间;
若R小于等于0,则将风险等级R设置为0,不发送异常项目的信息;
若0<R≤A2,则将异常项目、异常数据和风险等级发送给企业;
若R>A2,则将异常项目、异常数据和风险等级发送给企业、以及异常项目的上游企业和下游企业。
以上上述的实施例仅表达了本发明的实施优选方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种产品全生命周期的供应链管理方法,其特征在于,包括:
步骤1、对产品供应链参与企业进行环节节点排序后,确定为区块链节点;
步骤2、对企业的经营信息数据进行预处理,存储在所述企业的区块链中,并将所述预处理后的信息备份到所有参与企业的区块链中,其中,所述经营信息数据包括生产数据、生产计划数据、订单数据、库存数据、配方数据、历史生产数据、历史订单数据;
步骤3、基于所述企业的历史生产数据,以及上游企业的历史订单数据、下游企业的历史订单数据,计算所述企业的信誉值,将所述信誉值存储在所述企业的区块链中;
步骤4、实时监测所述企业的生产数据,若所述生产数据与所述生产计划数据的偏差超过预设值A1,则判定为异常项目;
步骤5、提取所述异常项目的异常信息,获取异常数据,计算所述异常项目的风险等级,将所述异常项目、所述异常数据和所述风险等级相关联地存储在所述企业的区块链中,并发送给所述企业、以及所述异常项目的上游企业和下游企业;
所述步骤3具体包括:
步骤31、提取所述企业最近完成的一个项目M的历史生产数据,基于所述项目M的历史生产数据和所述项目M的配方数据,获取所述项目M的每种配料的用量;
步骤32、提取参与所述项目M的所有上游企业信息针对所述项目M的历史订单数据,获取每种配料的订单量;
步骤33、基于所述项目M的每种配料的用量、每种配料的库存量和所述订单量,计算所述企业的前向信誉值P1:
其中,Pi为第i种配料的信誉指数,P为所述企业的当前向前信誉值,ORi为所述第i种配料的订单量,INi为所述第i种配料的库存量,DOi为所述第i种配料的用量,THi为所述第i种配料的门限值,L为所述项目M总的配料种类数量,K1、K2为常数,K2>K1;
步骤34、提取参与所述项目M的所有下游企业针对所述项目M的历史订单数据,获取所述项目M的销售量;
步骤35、基于所述项目M的生产量、所述项目M对应的产品的库存量和所述销售量,计算所述企业的后向信誉值Q1:
其中,Q为所述企业的当前后向信誉值,MA为所述生产量,INV为所述库存量,SE为所述销售量,K3、K4为常数,K4>K3;
2.根据权利要求1所述的一种产品全生命周期的供应链管理方法,其特征在于,所述步骤4具体包括:
步骤41、每日工作结束后,提取所述企业正在进行的一个项目N的生产数据,获取所述项目N的累计生产量;
步骤42、若所述累计生产量小于所述项目N的生产计划数据中的预定累计生产量,计算所述累计生产量与所述预定累计生产量的偏差值,若所述偏差值超过所述预设值A1,则将所述项目N判定为异常项目。
3.根据权利要求2所述的一种产品全生命周期的供应链管理方法,其特征在于,所述步骤5具体包括:
步骤52、计算所述异常项目的生产风险等级R2:
其中,PR为所述异常项目的生产计划数据中的总生产量,PR1为所述异常项目已生产的累计生产量,V为所述异常项目的生产效率,T2为所述异常项目的预定交付时间,T1为所述异常项目已进行的时间;
步骤54、若R小于等于0,则将所述风险等级R设置为0,不发送所述异常项目的信息;
若0<R≤A2,则将所述异常项目、所述异常数据和所述风险等级发送给所述企业;
若R>A2,则将所述异常项目、所述异常数据和所述风险等级发送给所述企业、以及所述异常项目的上游企业和下游企业,其中,A2为预设值。
5.根据权利要求1所述的一种产品全生命周期的供应链管理方法,其特征在于,所述企业上传到区块链中的经营信息数据,包括企业管理员主动上传的信息和终端设备自动扫描上传的信息。
6.一种产品全生命周期的供应链管理系统,其特征在于,包括确定模块、存储模块、信誉计算模块、异常监测模块、风险判定模块;
所述确定模块,用于对产品供应链参与企业进行环节节点排序后,确定为区块链节点;
所述存储模块,用于对企业的经营信息数据进行预处理,存储在所述企业的区块链中,并将所述预处理后的信息备份到所有参与企业的区块链中,其中,所述经营信息数据包括生产数据、生产计划数据、订单数据、库存数据、配方数据、历史生产数据;
所述信誉计算模块,用于基于所述企业的历史生产数据,以及上游企业的历史订单数据、下游企业的历史订单数据,计算所述企业的信誉值,将所述信誉值存储在所述企业的区块链中;
所述异常监测模块,用于实时监测所述企业的生产数据,若所述企业的生产数据与所述生产计划数据的偏差超过预设值A1,则判定为异常项目;
所述风险判定模块,用于提取所述异常项目的异常信息,获取异常数据,计算所述异常项目的风险等级,将所述异常项目、所述异常数据和所述风险等级相关联地存储在所述企业的区块链中,并发送给所述企业、以及所述异常项目的上游企业和下游企业;
所述信誉计算模块通过如下步骤计算所述企业的信誉值:
提取所述企业最近完成的一个项目M的历史生产数据,基于所述项目M的历史生产数据和所述项目M的配方数据,获取所述项目M的每种配料的用量;
提取参与所述项目M的所有上游企业信息针对所述项目M的历史订单数据,获取每种配料的订单量;
基于所述项目M的每种配料的用量、每种配料的库存量和所述订单量,计算所述企业的前向信誉值P1:
其中,Pi为第i种配料的信誉指数,P为所述企业的当前向前信誉值,ORi为所述第i种配料的订单量,INi为所述第i种配料的库存量,DOi为所述第i种配料的用量,THi为所述第i种配料的门限值,L为所述项目M总的配料种类数量,K1、K2为常数,K2>K1;
提取参与所述项目M的所有下游企业针对所述项目M的历史订单数据,获取所述项目M的销售量;
基于所述项目M的生产量、所述项目M对应的产品的库存量和所述销售量,计算所述企业的后向信誉值Q1:
其中,Q为所述企业的当前后向信誉值,MA为所述生产量,INV为所述库存量,SE为所述销售量,K3、K4为常数,K4>K3;
7.根据权利要求6所述的一种产品全生命周期的供应链管理系统,其特征在于,所述异常监测模块通过如下方式判断项目是否异常:
每日工作结束后,提取所述企业正在进行的一个项目N的生产数据,获取所述项目N的累计生产量;
若所述累计生产量小于所述项目N的生产计划数据中的预定累计生产量,计算所述累计生产量与所述预定累计生产量的偏差值,若所述偏差值超过所述预设值A1,则将所述项目N判定为异常项目。
8.根据权利要求7所述的一种产品全生命周期的供应链管理系统,其特征在于,所述风险判定模块通过如下步骤对所述异常项目进行处理:
计算所述异常项目的生产风险等级R2:
其中,PR为所述异常项目的生产计划数据中的总生产量,PR1为所述异常项目已生产的累计生产量,V为所述异常项目的生产效率,T2为所述异常项目的预定交付时间,T1为所述异常项目已进行的时间;
若R小于等于0,则将所述风险等级R设置为0,不发送所述异常项目的信息;
若0<R≤A2,则将所述异常项目、所述异常数据和所述风险等级发送给所述企业;
若R>A2,则将所述异常项目、所述异常数据和所述风险等级发送给所述企业、以及所述异常项目的上游企业和下游企业,其中,A2为预设值。
10.根据权利要求6所述的一种产品全生命周期的供应链管理系统,其特征在于,所述企业上传到区块链中的经营信息数据,包括企业管理员主动上传的信息和终端设备自动扫描上传的信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211679298.4A CN115660295B (zh) | 2022-12-27 | 2022-12-27 | 一种产品全生命周期的供应链管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211679298.4A CN115660295B (zh) | 2022-12-27 | 2022-12-27 | 一种产品全生命周期的供应链管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115660295A CN115660295A (zh) | 2023-01-31 |
CN115660295B true CN115660295B (zh) | 2023-06-30 |
Family
ID=85023175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211679298.4A Active CN115660295B (zh) | 2022-12-27 | 2022-12-27 | 一种产品全生命周期的供应链管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115660295B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116822751A (zh) * | 2023-08-28 | 2023-09-29 | 中国标准化研究院 | 一种用于企业风险预测的系统及方法 |
CN117495062B (zh) * | 2024-01-03 | 2024-03-29 | 山东悦朋智能科技有限公司 | 一种erp管理系统及方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030018516A1 (en) * | 2001-07-20 | 2003-01-23 | International Business Machines Corporation | Method for dynamically evaluating projected days of supply of inventory levels in a supply chain |
CN110827043A (zh) * | 2019-11-14 | 2020-02-21 | 北京工商大学 | 一种基于区块链的猪肉质量安全可信追溯方法 |
CN113011682A (zh) * | 2021-04-25 | 2021-06-22 | 深圳云集智造系统技术有限公司 | 一种基于区块链的供应链服务管理平台 |
CN115081913A (zh) * | 2022-06-29 | 2022-09-20 | 青岛蓝智现代服务业数字工程技术研究中心 | 一种供应链风险评估与防控系统 |
CN115345585A (zh) * | 2022-08-16 | 2022-11-15 | 清华大学苏州汽车研究院(吴江) | 企业运营用供应链智能管理系统 |
-
2022
- 2022-12-27 CN CN202211679298.4A patent/CN115660295B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115660295A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115660295B (zh) | 一种产品全生命周期的供应链管理方法及系统 | |
TWI394089B (zh) | 虛擬生產管制系統與方法及其電腦程式產品 | |
CN112070432B (zh) | 农产品仓储监控方法及其系统和计算机存储介质 | |
CN107408269B (zh) | 交易异常切断开关 | |
CN107230033A (zh) | 一种基于数据分析技术的库存预警管理系统及其方法 | |
CN111489079B (zh) | 一种产能瓶颈检测方法、装置及计算机可读存储介质 | |
CN109760985B (zh) | 物料循环盘点的方法和装置、电子设备、可读存储介质 | |
Li et al. | The effects of sharing upstream information on product rollover | |
CN109240243A (zh) | 一种产量监控方法、装置、系统、计算机设备和存储介质 | |
CN112435126A (zh) | 账户识别方法、装置、计算机设备和存储介质 | |
CN117172665A (zh) | 一种企业物流供应链管理系统 | |
CN107817770B (zh) | 一种自动化流水线拥塞或断流的预警方法 | |
CN117391411B (zh) | 一种基于iot物联网的产品加工管理系统 | |
CN109409780B (zh) | 变更处理方法、装置、计算机设备和存储介质 | |
CN107330611A (zh) | 一种经济管理系统 | |
CN110335136A (zh) | 数据处理方法和装置 | |
CN115496441A (zh) | 一种应用于模切车间原材料出入库管理系统 | |
US20070239776A1 (en) | Bonded material monitoring system and method | |
CN113674093B (zh) | 一种基于区块链的农产品供应链管控系统 | |
CN115170256A (zh) | 基于区块链和边缘计算的微电网电力交易方法、系统、设备及存储介质 | |
Fahrnberger | Outlier removal for the reliable condition monitoring of telecommunication services | |
CN114723343A (zh) | 印刷包装产品的工序委外智能处理平台及方法 | |
Abubakar et al. | Integrated Production, Maintenance, and Quality Strategy for Production Systems subject to Several Assignable Causes of Process Variation | |
CN116934359B (zh) | 一种基于互联网的食品安全全流程监管系统 | |
CN117635021B (zh) | 一种基于数字化服务的供应链管理平台 |
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 |