CN115860548B - 基于大数据的SaaS一站式平台管理方法、系统及介质 - Google Patents
基于大数据的SaaS一站式平台管理方法、系统及介质 Download PDFInfo
- Publication number
- CN115860548B CN115860548B CN202211568408.XA CN202211568408A CN115860548B CN 115860548 B CN115860548 B CN 115860548B CN 202211568408 A CN202211568408 A CN 202211568408A CN 115860548 B CN115860548 B CN 115860548B
- Authority
- CN
- China
- Prior art keywords
- data
- processing
- model
- processing step
- big 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 375
- 238000013441 quality evaluation Methods 0.000 claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims description 72
- 238000003754 machining Methods 0.000 claims description 60
- 238000004088 simulation Methods 0.000 claims description 37
- 238000011156 evaluation Methods 0.000 claims description 36
- 238000000034 method Methods 0.000 claims description 25
- 238000012544 monitoring process Methods 0.000 claims description 23
- 230000010354 integration Effects 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 6
- 230000019771 cognition Effects 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 101001072091 Homo sapiens ProSAAS Proteins 0.000 description 4
- 102100036366 ProSAAS Human genes 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
本发明公开了一种基于大数据的SaaS一站式平台管理方法、系统及介质，通过获取用户零件加工需求数据，根据所述数据进行零件加工模拟生成零件加工步骤数据与多个零件加工模型，同时对供应商的多种企业数据进行数据预处理与数据整合得到供应商大数据，根据零件加工步骤数据与零件加工模型结合供应商大数据进行供应商匹配，得到优选供应商，从而让用户能够更加合理地选择供应商，提高订单成功率。另外，本发明通过对零件加工模型与第二零件加工模型进行对比分析，能够得到更为客观的供应商加工质量评价数据，从而提升用户对供应商的认知度。
Description
技术领域
本发明涉及大数据领域，更具体的，涉及一种基于大数据的SaaS一站式平台管理方法、系统及介质。
背景技术
SaaS(Software as a Service，软件即服务)是云计算的一种服务模式。在SaaS服务模式下服务提供商将应用软件统一部署在自己的服务器上，用户无需管理和控制底层的基础设施，通过互联网按需定购指定的应用软件服务，并根据服务量、服务时间或其他方式支付费用。从服务对象层面，SAAS产品可以分为企业级SAAS产品(B2B)和消费级SAAS产品(B2C)，消费级SAAS产品规模较少。按照服务客户的范围可以将SaaS服务分为通用型SaaS和垂直型SaaS。通用型SaaS适用于全行业，以通用的管理工具和技术工具为主，包括即时通讯、协同OA、财务管理、人力资源管理等服务。垂直型SaaS服务于特定类型的行业客户，提供更加有针对性、更贴近客户业务需求的软件服务。
目前，随着互联网的兴起和网络技术的飞速发展，网络的浪潮被激烈地掀起，越来越多的人能够接入和使用网络，从而使网络数据呈现爆炸式的增长，这也使得企业的数据量在不断增加，而这些大量的数据则被称之为“大数据”，对于企业来说，如何合理地分析大数据的价值是目前企业需要思考的重要问题。而在当前的一些零件加工制造业，由于受制于传统模式的影响，零件加工供应商与用户方存在沟通效率慢，加工效率低下，用户方难以选择合适的供应商等问题，这大大阻碍了零件加工等制造业的现代化发展，因此，如何将大数据与SaaS服务模式应用于零件加工企业，是目前迫在眉睫的难题。
发明内容
为了解决上述至少一个技术问题，本发明提出了一种基于大数据的SaaS一站式平台管理方法、系统及介质。
本发明第一方面提供了一种基于大数据的SaaS一站式平台管理方法，包括：
获取用户零件加工需求数据，根据所述数据进行零件加工模拟，生成零件加工步骤数据与多个零件加工模型；
将供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据进行数据预处理与数据整合得到供应商大数据；
根据零件加工步骤数据与零件加工模型对加工步骤生成加工步骤检索标签，根据所述标签从供应商大数据中进行检索得到供应商匹配指数并进一步选取优选供应商；
获取实际零件完工模型，根据所述零件完工模型进行二次零件加工模拟，得到多个第二零件加工模型；
将多个零件加工模型与多个第二零件加工模型进行一一数据对比分析，得到加工质量评价数据，根据所述质量评价数据实时更新供应商大数据。
本方案中，所述获取用户零件加工需求数据，根据所述数据进行零件加工模拟，生成零件加工步骤数据与多个零件加工模型，具体为：
获取用户零件加工需求数据中的需求图纸数据，根据所述需求图纸数据进行模型转化，得到初始零件模型与零件成品模型；
获取用户零件加工需求数据中的加工要求参数，将所述加工要求参数、初始零件模型与零件成品模型导入零件模拟加工模型进行模拟分析，得到零件加工步骤数据与多个零件加工模型；
所述零件加工步骤数据包括多种加工步骤信息，一种加工步骤信息对应一个零件加工模型。
本方案中，所述将供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据进行数据预处理与数据整合得到供应商大数据，具体为：
将供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据进行数据格式转化与数据整合，得到统一格式的初始大数据；
对所述初始大数据进行数据清洗与数据去冗余操作，得到预处理大数据；
将所述预处理大数据进行数据建模，并将建模后的预处理大数据作为供应商大数据。
本方案中，所述根据零件加工步骤数据与零件加工模型对加工步骤生成加工步骤检索标签，根据所述标签从供应商大数据中进行检索得到供应商匹配指数并进一步选取优选供应商，具体为：
对零件加工步骤数据进行数据拆分得到加工步骤信息；
选取其中一种加工步骤信息作为步骤分析数据，并获取对应的零件加工模型作为分析零件模型；
根据所述步骤分析数据与分析零件模型进行特征数据分析并生成加工步骤检索标签；
获取所有供应商大数据，根据加工步骤检索标签从所述供应商大数据中进行检索分析并得到供应商匹配指数。
本方案中，所述根据零件加工步骤数据与零件加工模型对加工步骤生成加工步骤检索标签，根据所述标签从供应商大数据中进行检索得到供应商匹配指数并进一步选取优选供应商，还包括：
获取所有供应商的匹配指数；
根据所述匹配指数进行排序，得到匹配指数排序表；
根据所述排序表选取前三个供应商作为优选供应商。
本方案中，所述获取实际零件完工模型，根据所述零件完工模型进行二次零件加工模拟，得到多个第二零件加工模型，具体为：
获取初始零件模型与零件加工步骤数据；
将初始零件模型、零件加工步骤数据与零件完工模型导入零件模拟加工模型进行逆向过程模型分析，得到多个第二零件加工模型。
本方案中，所述将多个零件加工模型与多个第二零件加工模型进行一一数据对比分析，得到加工质量评价数据，根据所述质量评价数据实时更新供应商大数据，具体为：
根据零件加工步骤数据，选取其中一个零件加工模型与对应的第二零件加工模型；
将所述零件加工模型与第二零件加工模型进行模型差异分析，得到精度偏差信息与结构偏差信息；
根据精度偏差信息与结构偏差信息进行综合质量评价分析，得到对应供应商的加工质量评价数据；
根据所述加工质量评价数据实时更新对应的供应商评价数据并进一步同时更新供应商大数据。
本发明第二方面还提供了一种基于大数据的SaaS一站式平台管理系统，该系统包括：存储器、处理器，所述存储器中包括基于大数据的SaaS一站式平台管理程序，所述基于大数据的SaaS一站式平台管理程序被所述处理器执行时实现如下步骤：
获取用户零件加工需求数据，根据所述数据进行零件加工模拟，生成零件加工步骤数据与多个零件加工模型；
将供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据进行数据预处理与数据整合得到供应商大数据；
根据零件加工步骤数据与零件加工模型对加工步骤生成加工步骤检索标签，根据所述标签从供应商大数据中进行检索得到供应商匹配指数并进一步选取优选供应商；
获取实际零件完工模型，根据所述零件完工模型进行二次零件加工模拟，得到多个第二零件加工模型；
将多个零件加工模型与多个第二零件加工模型进行一一数据对比分析，得到加工质量评价数据，根据所述质量评价数据实时更新供应商大数据。
本方案中，所述将多个零件加工模型与多个第二零件加工模型进行一一数据对比分析，得到加工质量评价数据，根据所述质量评价数据实时更新供应商大数据，具体为：
根据零件加工步骤数据，选取其中一个零件加工模型与对应的第二零件加工模型；
将所述零件加工模型与第二零件加工模型进行模型差异分析，得到精度偏差信息与结构偏差信息；
根据精度偏差信息与结构偏差信息进行综合质量评价分析，得到对应供应商的加工质量评价数据；
根据所述加工质量评价数据实时更新对应的供应商评价数据并进一步同时更新供应商大数据。
本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括基于大数据的SaaS一站式平台管理程序，所述基于大数据的SaaS一站式平台管理程序被处理器执行时，实现如上述任一项所述的基于大数据的SaaS一站式平台管理方法的步骤。
本发明公开了一种基于大数据的SaaS一站式平台管理方法、系统及介质，通过获取用户零件加工需求数据，根据所述数据进行零件加工模拟生成零件加工步骤数据与多个零件加工模型，同时对供应商的多种企业数据进行数据预处理与数据整合得到供应商大数据，根据零件加工步骤数据与零件加工模型结合供应商大数据进行供应商匹配，得到优选供应商，从而让用户能够更加合理地选择供应商，提高订单成功率。另外，本发明通过对零件加工模型与第二零件加工模型进行对比分析，能够得到更为客观的供应商加工质量评价数据，从而提升用户对供应商的认知度。
附图说明
图1示出了本发明一种基于大数据的SaaS一站式平台管理方法的流程图；
图2示出了本发明获取供应商大数据流程图；
图3示出了本发明获取供应商匹配指数流程图；
图4示出了本发明一种基于大数据的SaaS一站式平台管理系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于大数据的SaaS一站式平台管理方法的流程图。
如图1所示，本发明第一方面提供了一种基于大数据的SaaS一站式平台管理方法，包括：
S102，获取用户零件加工需求数据，根据所述数据进行零件加工模拟，生成零件加工步骤数据与多个零件加工模型；
S104，将供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据进行数据预处理与数据整合得到供应商大数据；
S106，根据零件加工步骤数据与零件加工模型对加工步骤生成加工步骤检索标签，根据所述标签从供应商大数据中进行检索得到供应商匹配指数并进一步选取优选供应商；
S108，获取实际零件完工模型，根据所述零件完工模型进行二次零件加工模拟，得到多个第二零件加工模型；
S110，将多个零件加工模型与多个第二零件加工模型进行一一数据对比分析，得到加工质量评价数据，根据所述质量评价数据实时更新供应商大数据。
根据本发明实施例，所述获取用户零件加工需求数据，根据所述数据进行零件加工模拟，生成零件加工步骤数据与多个零件加工模型，具体为：
获取用户零件加工需求数据中的需求图纸数据，根据所述需求图纸数据进行模型转化，得到初始零件模型与零件成品模型；
获取用户零件加工需求数据中的加工要求参数，将所述加工要求参数、初始零件模型与零件成品模型导入零件模拟加工模型进行模拟分析，得到零件加工步骤数据与多个零件加工模型；
所述零件加工步骤数据包括多种加工步骤信息，一种加工步骤信息对应一个零件加工模型。
需要说明的是，所述用户零件加工需求数据包括需求图纸数据与加工要求参数，所述加工要求参数包括加工工艺、精度、零件规格等参数。根据所述需求图纸数据进行模型转化中，具体为通过零件解析模型进行转化。另外，本发明系统包括零件分析模块、大数据分析模块、供应商评价模块，所述零件分析模块包括零件解析模型，零件模拟加工模型。
图2示出了本发明获取供应商大数据流程图。
根据本发明实施例，所述将供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据进行数据预处理与数据整合得到供应商大数据，具体为：
S202，将供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据进行数据格式转化与数据整合，得到统一格式的初始大数据；
S204，对所述初始大数据进行数据清洗与数据去冗余操作，得到预处理大数据；
S206，将所述预处理大数据进行数据建模，并将建模后的预处理大数据作为供应商大数据。
需要说明的是，一个供应商对应一份供应商大数据，每个供应商拥有其对应的供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据，所述供应商基础数据具体为供应商的加工工艺、加工材料、加工业务范围等基础数据。所述零件加工监控数据具体为供应商在加工零件时的设备监控数据，通过零件加工监控数据能够客观反映供应商的零件加工流程与加工情况。所述供应商评价数据包括加工质量评价数据与供应商交货效率评价数据。
图3示出了本发明获取供应商匹配指数流程图。
根据本发明实施例，所述根据零件加工步骤数据与零件加工模型对加工步骤生成加工步骤检索标签，根据所述标签从供应商大数据中进行检索得到供应商匹配指数并进一步选取优选供应商，具体为：
S302，对零件加工步骤数据进行数据拆分得到加工步骤信息；
S304，选取其中一种加工步骤信息作为步骤分析数据，并获取对应的零件加工模型作为分析零件模型；
S306，根据所述步骤分析数据与分析零件模型进行特征数据分析并生成加工步骤检索标签；
S308，获取所有供应商大数据，根据加工步骤检索标签从所述供应商大数据中进行检索分析并得到供应商匹配指数。
需要说明的是，所述选取其中一种加工步骤信息作为步骤分析数据，并获取对应的零件加工模型作为分析零件模型中，一种加工步骤对应一个零件加工模型，所述零件加工模型为对应步骤加工后的中间模型。所述生成加工步骤检索标签中，一种加工步骤对应一个加工步骤检索标签。本发明通过提前获取供应商大数据，并将零件每一个零件加工步骤生成对应的加工步骤检索标签，在供应商大数据中进行数据检索与分析，得到匹配指数，并进一步通过指数比较选取对于这一加工步骤最合适的供应商，即优选供应商，从而让用户能够更加合理地选择供应商，提高订单成功率。另外，所述从供应商大数据中进行检索得到供应商匹配指数中，具体为根据供应商大数据中的零件加工数据、零件订单数据、供应商评价数据等多维度进行数据分析与匹配。
根据本发明实施例，所述根据零件加工步骤数据与零件加工模型对加工步骤生成加工步骤检索标签，根据所述标签从供应商大数据中进行检索得到供应商匹配指数并进一步选取优选供应商，还包括：
获取所有供应商的匹配指数；
根据所述匹配指数进行排序，得到匹配指数排序表；
根据所述排序表选取前三个供应商作为优选供应商。
需要说明的是，本发明通过对供应商匹配指数的分析，得到对于一种加工步骤下的优选供应商，另外，本发明通过大数据分析每种加工步骤，能够得到不同加工步骤对应的优选供应商，从而能够对加工过程进行细致化的管理，提高加工质量。
根据本发明实施例，所述获取实际零件完工模型，根据所述零件完工模型进行二次零件加工模拟，得到多个第二零件加工模型，具体为：
获取初始零件模型与零件加工步骤数据；
将初始零件模型、零件加工步骤数据与零件完工模型导入零件模拟加工模型进行逆向过程模型分析，得到多个第二零件加工模型。
需要说明的是，通过所述实际零件完工模型进行逆向过程模型分析，得到多个第二零件加工模型，所述第二零件加工模型能够真实反映每个零件加工步骤的加工情况，从而分析出每个加工步骤对应的零件加工供应商的加工质量，进而在后续得到评价数据。
根据本发明实施例，所述将多个零件加工模型与多个第二零件加工模型进行一一数据对比分析，得到加工质量评价数据，根据所述质量评价数据实时更新供应商大数据，具体为：
根据零件加工步骤数据，选取其中一个零件加工模型与对应的第二零件加工模型；
将所述零件加工模型与第二零件加工模型进行模型差异分析，得到精度偏差信息与结构偏差信息；
根据精度偏差信息与结构偏差信息进行综合质量评价分析，得到对应供应商的加工质量评价数据；
根据所述加工质量评价数据实时更新对应的供应商评价数据并进一步同时更新供应商大数据。
需要说明的是，所述选取其中一个零件加工模型与对应的第二零件加工模型中，零件加工模型与第二零件加工模型对用的加工步骤为同一种。所述根据所述加工质量评价数据实时更新对应的供应商评价数据并进一步同时更新供应商大数据中，通过实时更新供应商大数据，能够为下一次的大数据分析提供更加准确的数据源。
根据本发明实施例，所述根据所述标签从供应商大数据中进行检索得到供应商匹配指数并进一步选取优选供应商，还包括：
获取其中一种加工步骤信息与对应的优选供应商；
根据加工步骤信息生成加工步骤需求信息；
将所述加工步骤需求信息发送至优选供应商；
优选供应商根据接收到的加工步骤需求信息进行加工流程报价分析与加工零件交期预测，得到报价数据与预测交期数据；
将所述报价数据与预测交期数据发送至用户终端设备进行显示；
系统根据所述报价数据、预测交期数据与用户设置的预设报价范围、预设交期时间范围进行相应条件对比，筛选出符合条件的优选供应商作为新的优选供应商。
根据本发明实施例，还包括：
获取不同目标用户的历史订单数据；
将所述历史订单数据进行数据清洗与预处理，得到用户订单大数据；
对所述用户订单大数据进行用户加工零件数据分析，得到不同目标用户的高频加工步骤信息与用户高频加工零件数据；
根据所述高频加工步骤信息与用户高频加工零件数据从供应商大数据中进行内容检索，得到供应商推送信息；
将供应商推送信息定期发送至用户终端设备进行展示。
需要说明的是，一般不同目标用户的订单大数据存在较大的数据差异，因此不同目标用户得到的供应商推送信息也存在差异。
图4示出了本发明一种基于大数据的SaaS一站式平台管理系统的框图。
本发明第二方面还提供了一种基于大数据的SaaS一站式平台管理系统4，该系统包括：存储器41、处理器42，所述存储器中包括基于大数据的SaaS一站式平台管理程序，所述基于大数据的SaaS一站式平台管理程序被所述处理器执行时实现如下步骤：
获取用户零件加工需求数据，根据所述数据进行零件加工模拟，生成零件加工步骤数据与多个零件加工模型；
将供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据进行数据预处理与数据整合得到供应商大数据；
根据零件加工步骤数据与零件加工模型对加工步骤生成加工步骤检索标签，根据所述标签从供应商大数据中进行检索得到供应商匹配指数并进一步选取优选供应商；
获取实际零件完工模型，根据所述零件完工模型进行二次零件加工模拟，得到多个第二零件加工模型；
将多个零件加工模型与多个第二零件加工模型进行一一数据对比分析，得到加工质量评价数据，根据所述质量评价数据实时更新供应商大数据。
根据本发明实施例，所述获取用户零件加工需求数据，根据所述数据进行零件加工模拟，生成零件加工步骤数据与多个零件加工模型，具体为：
获取用户零件加工需求数据中的需求图纸数据，根据所述需求图纸数据进行模型转化，得到初始零件模型与零件成品模型；
获取用户零件加工需求数据中的加工要求参数，将所述加工要求参数、初始零件模型与零件成品模型导入零件模拟加工模型进行模拟分析，得到零件加工步骤数据与多个零件加工模型；
所述零件加工步骤数据包括多种加工步骤信息，一种加工步骤信息对应一个零件加工模型。
需要说明的是，所述用户零件加工需求数据包括需求图纸数据与加工要求参数，所述加工要求参数包括加工工艺、精度、零件规格等参数。根据所述需求图纸数据进行模型转化中，具体为通过零件解析模型进行转化。另外，本发明系统包括零件分析模块、大数据分析模块、供应商评价模块，所述零件分析模块包括零件解析模型，零件模拟加工模型。
根据本发明实施例，所述将供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据进行数据预处理与数据整合得到供应商大数据，具体为：
将供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据进行数据格式转化与数据整合，得到统一格式的初始大数据；
对所述初始大数据进行数据清洗与数据去冗余操作，得到预处理大数据；
将所述预处理大数据进行数据建模，并将建模后的预处理大数据作为供应商大数据。
需要说明的是，一个供应商对应一份供应商大数据，每个供应商拥有其对应的供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据，所述供应商基础数据具体为供应商的加工工艺、加工材料、加工业务范围等基础数据。所述零件加工监控数据具体为供应商在加工零件时的设备监控数据，通过零件加工监控数据能够客观反映供应商的零件加工流程与加工情况。所述供应商评价数据包括加工质量评价数据与供应商交货效率评价数据。
根据本发明实施例，所述根据零件加工步骤数据与零件加工模型对加工步骤生成加工步骤检索标签，根据所述标签从供应商大数据中进行检索得到供应商匹配指数并进一步选取优选供应商，具体为：
对零件加工步骤数据进行数据拆分得到加工步骤信息；
选取其中一种加工步骤信息作为步骤分析数据，并获取对应的零件加工模型作为分析零件模型；
根据所述步骤分析数据与分析零件模型进行特征数据分析并生成加工步骤检索标签；
获取所有供应商大数据，根据加工步骤检索标签从所述供应商大数据中进行检索分析并得到供应商匹配指数。
需要说明的是，所述选取其中一种加工步骤信息作为步骤分析数据，并获取对应的零件加工模型作为分析零件模型中，一种加工步骤对应一个零件加工模型，所述零件加工模型为对应步骤加工后的中间模型。所述生成加工步骤检索标签中，一种加工步骤对应一个加工步骤检索标签。本发明通过提前获取供应商大数据，并将零件每一个零件加工步骤生成对应的加工步骤检索标签，在供应商大数据中进行数据检索与分析，得到匹配指数，并进一步通过指数比较选取对于这一加工步骤最合适的供应商，即优选供应商，从而让用户能够更加合理地选择供应商，提高订单成功率。另外，所述从供应商大数据中进行检索得到供应商匹配指数中，具体为根据供应商大数据中的零件加工数据、零件订单数据、供应商评价数据等多维度进行数据分析与匹配。
根据本发明实施例，所述根据零件加工步骤数据与零件加工模型对加工步骤生成加工步骤检索标签，根据所述标签从供应商大数据中进行检索得到供应商匹配指数并进一步选取优选供应商，还包括：
获取所有供应商的匹配指数；
根据所述匹配指数进行排序，得到匹配指数排序表；
根据所述排序表选取前三个供应商作为优选供应商。
需要说明的是，本发明通过对供应商匹配指数的分析，得到对于一种加工步骤下的优选供应商，另外，本发明通过大数据分析每种加工步骤，能够得到不同加工步骤对应的优选供应商，从而能够对加工过程进行细致化的管理，提高加工质量。
根据本发明实施例，所述获取实际零件完工模型，根据所述零件完工模型进行二次零件加工模拟，得到多个第二零件加工模型，具体为：
获取初始零件模型与零件加工步骤数据；
将初始零件模型、零件加工步骤数据与零件完工模型导入零件模拟加工模型进行逆向过程模型分析，得到多个第二零件加工模型。
需要说明的是，通过所述实际零件完工模型进行逆向过程模型分析，得到多个第二零件加工模型，所述第二零件加工模型能够真实反映每个零件加工步骤的加工情况，从而分析出每个加工步骤对应的零件加工供应商的加工质量，进而在后续得到评价数据。
根据本发明实施例，所述将多个零件加工模型与多个第二零件加工模型进行一一数据对比分析，得到加工质量评价数据，根据所述质量评价数据实时更新供应商大数据，具体为：
根据零件加工步骤数据，选取其中一个零件加工模型与对应的第二零件加工模型；
将所述零件加工模型与第二零件加工模型进行模型差异分析，得到精度偏差信息与结构偏差信息；
根据精度偏差信息与结构偏差信息进行综合质量评价分析，得到对应供应商的加工质量评价数据；
根据所述加工质量评价数据实时更新对应的供应商评价数据并进一步同时更新供应商大数据。
需要说明的是，所述选取其中一个零件加工模型与对应的第二零件加工模型中，零件加工模型与第二零件加工模型对用的加工步骤为同一种。所述根据所述加工质量评价数据实时更新对应的供应商评价数据并进一步同时更新供应商大数据中，通过实时更新供应商大数据，能够为下一次的大数据分析提供更加准确的数据源。
本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括基于大数据的SaaS一站式平台管理程序，所述基于大数据的SaaS一站式平台管理程序被处理器执行时，实现如上述任一项所述的基于大数据的SaaS一站式平台管理方法的步骤。
本发明公开了一种基于大数据的SaaS一站式平台管理方法、系统及介质，通过获取用户零件加工需求数据，根据所述数据进行零件加工模拟生成零件加工步骤数据与多个零件加工模型，同时对供应商的多种企业数据进行数据预处理与数据整合得到供应商大数据，根据零件加工步骤数据与零件加工模型结合供应商大数据进行供应商匹配，得到优选供应商，从而让用户能够更加合理地选择供应商，提高订单成功率。另外，本发明通过对零件加工模型与第二零件加工模型进行对比分析，能够得到更为客观的供应商加工质量评价数据，从而提升用户对供应商的认知度。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.一种基于大数据的SaaS一站式平台管理方法，其特征在于，包括：
获取用户零件加工需求数据，根据所述数据进行零件加工模拟，生成零件加工步骤数据与多个零件加工模型；
将供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据进行数据预处理与数据整合得到供应商大数据；
根据零件加工步骤数据与零件加工模型对加工步骤生成加工步骤检索标签，根据所述标签从供应商大数据中进行检索得到供应商匹配指数并进一步选取优选供应商；
获取实际零件完工模型，根据所述零件完工模型进行二次零件加工模拟，得到多个第二零件加工模型；
将多个零件加工模型与多个第二零件加工模型进行一一数据对比分析，得到加工质量评价数据，根据所述质量评价数据实时更新供应商大数据；
其中，所述获取用户零件加工需求数据，根据所述数据进行零件加工模拟，生成零件加工步骤数据与多个零件加工模型，具体为：
获取用户零件加工需求数据中的需求图纸数据，根据所述需求图纸数据进行模型转化，得到初始零件模型与零件成品模型；
获取用户零件加工需求数据中的加工要求参数，将所述加工要求参数、初始零件模型与零件成品模型导入零件模拟加工模型进行模拟分析，得到零件加工步骤数据与多个零件加工模型；
所述零件加工步骤数据包括多种加工步骤信息，一种加工步骤信息对应一个零件加工模型；
其中，所述将供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据进行数据预处理与数据整合得到供应商大数据，具体为：
将供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据进行数据格式转化与数据整合，得到统一格式的初始大数据；
对所述初始大数据进行数据清洗与数据去冗余操作，得到预处理大数据；
将所述预处理大数据进行数据建模，并将建模后的预处理大数据作为供应商大数据；
其中，所述根据零件加工步骤数据与零件加工模型对加工步骤生成加工步骤检索标签，根据所述标签从供应商大数据中进行检索得到供应商匹配指数并进一步选取优选供应商，具体为：
对零件加工步骤数据进行数据拆分得到加工步骤信息；
选取其中一种加工步骤信息作为步骤分析数据，并获取对应的零件加工模型作为分析零件模型；
根据所述步骤分析数据与分析零件模型进行特征数据分析并生成加工步骤检索标签；
获取所有供应商大数据，根据加工步骤检索标签从所述供应商大数据中进行检索分析并得到供应商匹配指数；
其中，所述根据零件加工步骤数据与零件加工模型对加工步骤生成加工步骤检索标签，根据所述标签从供应商大数据中进行检索得到供应商匹配指数并进一步选取优选供应商，还包括：
获取所有供应商的匹配指数；
根据所述匹配指数进行排序，得到匹配指数排序表；
根据所述排序表选取前三个供应商作为优选供应商。
2.根据权利要求1所述的一种基于大数据的SaaS一站式平台管理方法，其特征在于，所述获取实际零件完工模型，根据所述零件完工模型进行二次零件加工模拟，得到多个第二零件加工模型，具体为：
获取初始零件模型与零件加工步骤数据；
将初始零件模型、零件加工步骤数据与零件完工模型导入零件模拟加工模型进行逆向过程模型分析，得到多个第二零件加工模型。
3.根据权利要求1所述的一种基于大数据的SaaS一站式平台管理方法，其特征在于，所述将多个零件加工模型与多个第二零件加工模型进行一一数据对比分析，得到加工质量评价数据，根据所述质量评价数据实时更新供应商大数据，具体为：
根据零件加工步骤数据，选取其中一个零件加工模型与对应的第二零件加工模型；
将所述零件加工模型与第二零件加工模型进行模型差异分析，得到精度偏差信息与结构偏差信息；
根据精度偏差信息与结构偏差信息进行综合质量评价分析，得到对应供应商的加工质量评价数据；
根据所述加工质量评价数据实时更新对应的供应商评价数据并进一步同时更新供应商大数据。
4.一种基于大数据的SaaS一站式平台管理系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于大数据的SaaS一站式平台管理程序，所述基于大数据的SaaS一站式平台管理程序被所述处理器执行时实现如下步骤：
获取用户零件加工需求数据，根据所述数据进行零件加工模拟，生成零件加工步骤数据与多个零件加工模型；
将供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据进行数据预处理与数据整合得到供应商大数据；
根据零件加工步骤数据与零件加工模型对加工步骤生成加工步骤检索标签，根据所述标签从供应商大数据中进行检索得到供应商匹配指数并进一步选取优选供应商；
获取实际零件完工模型，根据所述零件完工模型进行二次零件加工模拟，得到多个第二零件加工模型；
将多个零件加工模型与多个第二零件加工模型进行一一数据对比分析，得到加工质量评价数据，根据所述质量评价数据实时更新供应商大数据；
其中，所述获取用户零件加工需求数据，根据所述数据进行零件加工模拟，生成零件加工步骤数据与多个零件加工模型，具体为：
获取用户零件加工需求数据中的需求图纸数据，根据所述需求图纸数据进行模型转化，得到初始零件模型与零件成品模型；
获取用户零件加工需求数据中的加工要求参数，将所述加工要求参数、初始零件模型与零件成品模型导入零件模拟加工模型进行模拟分析，得到零件加工步骤数据与多个零件加工模型；
所述零件加工步骤数据包括多种加工步骤信息，一种加工步骤信息对应一个零件加工模型；
其中，所述将供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据进行数据预处理与数据整合得到供应商大数据，具体为：
将供应商基础数据、历史订单数据、零件加工监控数据、供应商评价数据进行数据格式转化与数据整合，得到统一格式的初始大数据；
对所述初始大数据进行数据清洗与数据去冗余操作，得到预处理大数据；
将所述预处理大数据进行数据建模，并将建模后的预处理大数据作为供应商大数据；
其中，所述根据零件加工步骤数据与零件加工模型对加工步骤生成加工步骤检索标签，根据所述标签从供应商大数据中进行检索得到供应商匹配指数并进一步选取优选供应商，具体为：
对零件加工步骤数据进行数据拆分得到加工步骤信息；
选取其中一种加工步骤信息作为步骤分析数据，并获取对应的零件加工模型作为分析零件模型；
根据所述步骤分析数据与分析零件模型进行特征数据分析并生成加工步骤检索标签；
获取所有供应商大数据，根据加工步骤检索标签从所述供应商大数据中进行检索分析并得到供应商匹配指数；
其中，所述根据零件加工步骤数据与零件加工模型对加工步骤生成加工步骤检索标签，根据所述标签从供应商大数据中进行检索得到供应商匹配指数并进一步选取优选供应商，还包括：
获取所有供应商的匹配指数；
根据所述匹配指数进行排序，得到匹配指数排序表；
根据所述排序表选取前三个供应商作为优选供应商。
5.根据权利要求4所述的一种基于大数据的SaaS一站式平台管理系统，其特征在于，所述将多个零件加工模型与多个第二零件加工模型进行一一数据对比分析，得到加工质量评价数据，根据所述质量评价数据实时更新供应商大数据，具体为：
根据零件加工步骤数据，选取其中一个零件加工模型与对应的第二零件加工模型；
将所述零件加工模型与第二零件加工模型进行模型差异分析，得到精度偏差信息与结构偏差信息；
根据精度偏差信息与结构偏差信息进行综合质量评价分析，得到对应供应商的加工质量评价数据；
根据所述加工质量评价数据实时更新对应的供应商评价数据并进一步同时更新供应商大数据。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于大数据的SaaS一站式平台管理程序，所述基于大数据的SaaS一站式平台管理程序被处理器执行时，实现如权利要求1至3中任一项所述的基于大数据的SaaS一站式平台管理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211568408.XA CN115860548B (zh) | 2022-12-08 | 2022-12-08 | 基于大数据的SaaS一站式平台管理方法、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211568408.XA CN115860548B (zh) | 2022-12-08 | 2022-12-08 | 基于大数据的SaaS一站式平台管理方法、系统及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115860548A CN115860548A (zh) | 2023-03-28 |
| CN115860548B true CN115860548B (zh) | 2024-01-05 |
Family
ID=85670938
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211568408.XA Active CN115860548B (zh) | 2022-12-08 | 2022-12-08 | 基于大数据的SaaS一站式平台管理方法、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115860548B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116796202B (zh) * | 2023-07-17 | 2024-06-04 | 上海朗晖慧科技术有限公司 | 一种基于大数据的设备数据匹配方法及异常数据处理系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0609158D0 (en) * | 2006-05-09 | 2006-06-21 | Akoya Inc | Automated feature-based analysis for cost management of direct materials |
| CN107563845A (zh) * | 2017-08-08 | 2018-01-09 | 云工工业科技（深圳）有限公司 | 一种在线加工委托系统及方法 |
| CN108022156A (zh) * | 2017-12-08 | 2018-05-11 | 上海理工大学 | 一种互动式标准零件自动报价系统 |
| CN108228866A (zh) * | 2018-01-15 | 2018-06-29 | 苏州索及信息技术有限公司 | 一种匹配待加工零件与加工厂家制造工艺的方法及系统 |
| CN110579181A (zh) * | 2019-09-16 | 2019-12-17 | 安徽维德工业自动化有限公司 | 一种改善汽车零配件检测的三维扫描方法 |
| CN112016903A (zh) * | 2020-09-03 | 2020-12-01 | 长江勘测规划设计研究有限责任公司 | 三维装配作业指导书数据管理平台及其工作流程 |
| CN112161566A (zh) * | 2020-09-27 | 2021-01-01 | 西安电子科技大学 | 一种基于模型的零件制造质量智能检测方法 |
| CN112446769A (zh) * | 2021-02-01 | 2021-03-05 | 旗美供应链(深圳)有限公司 | 一种供应链管理方法、系统、服务器及计算机可读介质 |
| CN112784876A (zh) * | 2020-12-30 | 2021-05-11 | 恒大新能源汽车投资控股集团有限公司 | 车辆尺寸匹配系统及方法 |
-
2022
- 2022-12-08 CN CN202211568408.XA patent/CN115860548B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0609158D0 (en) * | 2006-05-09 | 2006-06-21 | Akoya Inc | Automated feature-based analysis for cost management of direct materials |
| CN107563845A (zh) * | 2017-08-08 | 2018-01-09 | 云工工业科技（深圳）有限公司 | 一种在线加工委托系统及方法 |
| CN108022156A (zh) * | 2017-12-08 | 2018-05-11 | 上海理工大学 | 一种互动式标准零件自动报价系统 |
| CN108228866A (zh) * | 2018-01-15 | 2018-06-29 | 苏州索及信息技术有限公司 | 一种匹配待加工零件与加工厂家制造工艺的方法及系统 |
| CN110579181A (zh) * | 2019-09-16 | 2019-12-17 | 安徽维德工业自动化有限公司 | 一种改善汽车零配件检测的三维扫描方法 |
| CN112016903A (zh) * | 2020-09-03 | 2020-12-01 | 长江勘测规划设计研究有限责任公司 | 三维装配作业指导书数据管理平台及其工作流程 |
| CN112161566A (zh) * | 2020-09-27 | 2021-01-01 | 西安电子科技大学 | 一种基于模型的零件制造质量智能检测方法 |
| CN112784876A (zh) * | 2020-12-30 | 2021-05-11 | 恒大新能源汽车投资控股集团有限公司 | 车辆尺寸匹配系统及方法 |
| CN112446769A (zh) * | 2021-02-01 | 2021-03-05 | 旗美供应链(深圳)有限公司 | 一种供应链管理方法、系统、服务器及计算机可读介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于SaaS模式的零件库系统设计与开发;张文超;刘玉珍;;现代制造工程(07);第40-43页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115860548A (zh) | 2023-03-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110807085B (zh) | 故障信息的查询方法及装置、存储介质、电子装置 | |
| CN112163887B (zh) | 电销系统和电销名单管理方法、装置、设备、存储介质 | |
| US20160378859A1 (en) | Method and system for parsing and aggregating unstructured data objects | |
| CN111026853B (zh) | 目标问题的确定方法、装置、服务器和客服机器人 | |
| CN115860548B (zh) | 基于大数据的SaaS一站式平台管理方法、系统及介质 | |
| CN112819263B (zh) | 一种调度客服的方法和装置 | |
| CN116188050A (zh) | 基于数据分析的外卖平台信息处理系统 | |
| CN113420165B (zh) | 二分类模型的训练、多媒体数据的分类方法及装置 | |
| CN117709691A (zh) | 一种基于云服务的智能分包管理方法及系统 | |
| CN114186024A (zh) | 推荐方法及装置 | |
| CN117056591B (zh) | 基于动态预测的电力缴费渠道智能推荐方法及系统 | |
| CN117217710A (zh) | 一种虚拟商品与快捷服务的智能化管理方法及系统 | |
| CN111352841B (zh) | 金融交易软件的质量检测方法及装置 | |
| CN117635341A (zh) | 参数推荐的方法、装置、设备和计算机可读介质 | |
| CN115982646B (zh) | 一种基于云平台的多源测试数据的管理方法及系统 | |
| WO2024065776A1 (en) | Method for data processing, apparatus for data processing, electronic device, and storage medium | |
| CN116452243A (zh) | 一种基于大数据的企业订单预测方法、系统及介质 | |
| CN116304352A (zh) | 消息推送方法、装置、设备及存储介质 | |
| CN112328937B (zh) | 信息投放方法及装置 | |
| CN114897571A (zh) | 一种基于私域电商平台中商城货品数据处理方法、系统和存储介质 | |
| CN113743435A (zh) | 业务数据分类模型的训练、业务数据的分类方法和装置 | |
| CN110020728B (zh) | 业务模型强化学习方法以及装置 | |
| CN116091093B (zh) | 基于云数据的前置仓SaaS平台管理方法、系统及介质 | |
| CN116719888A (zh) | 一种基于云计算的企业群体服务方法、系统及存储介质 | |
| CN116562468B (zh) | 基于crm系统的自适应线索派发和分配方法及系统 |
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 |