CN116090702B - 一种基于物联网的erp数据智能监管系统及方法 - Google Patents

一种基于物联网的erp数据智能监管系统及方法 Download PDF

Info

Publication number
CN116090702B
CN116090702B CN202310057128.0A CN202310057128A CN116090702B CN 116090702 B CN116090702 B CN 116090702B CN 202310057128 A CN202310057128 A CN 202310057128A CN 116090702 B CN116090702 B CN 116090702B
Authority
CN
China
Prior art keywords
task
historical
node time
state
historical task
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
Application number
CN202310057128.0A
Other languages
English (en)
Other versions
CN116090702A (zh
Inventor
严海
陈星辑
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.)
Jiangsu Shengquan Environmental Protection Technology Development Co ltd
Original Assignee
Jiangsu Shengquan Environmental Protection Technology Development 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 Jiangsu Shengquan Environmental Protection Technology Development Co ltd filed Critical Jiangsu Shengquan Environmental Protection Technology Development Co ltd
Priority to CN202310057128.0A priority Critical patent/CN116090702B/zh
Publication of CN116090702A publication Critical patent/CN116090702A/zh
Application granted granted Critical
Publication of CN116090702B publication Critical patent/CN116090702B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • 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
    • G06F16/2477—Temporal data 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/288—Entity relationship models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • Computational Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Algebra (AREA)
  • Fuzzy Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于物联网的ERP数据智能监管系统及方法，属于数据处理分析技术领域。通过对历史生产任务进度计划表进行大数据分析，划分出三种任务状态，计算出任务状态转移概率，将对任务完成状态的研究拟合到对概率的研究，使分析更加客观；找寻任务状态发生转移的影响因素，通过相邻两个节点时间的状态转移进行影响因素的对比，将任务状态转移概率的量化研究深入到对具体客观因素的研究，计算出任务转移影响率，通过任务状态转移概率和任务转移影响率来拟合预测当前任务风险值，通过关联关系，追溯到具体预测状态和预测影响因素，使得生产进度能够及时预测掌握，并且能够为工作人员提供预测防护措施，使工作人员能够提前做好准备。

Description

一种基于物联网的ERP数据智能监管系统及方法
技术领域
本发明涉及数据处理分析技术领域，具体为一种基于物联网的ERP数据智能监管系统及方法。
背景技术
ERP是由美国计算机技术咨询和评估集团Gartner Group Inc提出的一种供应链的管理思想；ERP不仅仅是一个软件，更重要的是一个管理思想，它采集各种信息，及时进行加工、统计和分析；ERP系统支持离散型、流程型等混合制造环境，应用范围从制造业扩展到了零售业、服务业、银行业、电信业、政府机关和学校等事业部门，通过融合数据库技术、图形用户界面、第四代查询语言、客户服务器结构、计算机辅助开发工具和可移植的开放系统等确保信息的及时性及准确性，使企业的决策者能实时了解运行状况，作出准确的决策；
目前，在我国ERP所代表的含义已经被扩大，用于企业的各类软件，已经统统被纳入ERP的范畴，进而随着市场规模的不断扩大和行业竞争的加剧，使用ERP系统走在最前边，顺应了市场，并且成为行业的标杆；这一模式在展现它优势的时候，也对企业管理提出了更高的要求，尤其是各种生产相关的信息急剧庞大，通过人为上传数据需要花费大量的时间，并且也存在错报、误报和晚报的可能，非常不利于对生产状况进行及时掌控，同时不利于工作人员采取及时的防护措施。
发明内容
本发明的目的在于提供一种基于物联网的ERP数据智能监管系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：
一种基于物联网的ERP数据智能监管系统，本系统包括：数据调取模块、任务状态映射模块、关联关系生成模块和预警提示模块；
所述数据调取模块，获取历史生产任务进度计划表，根据历史生产任务进度计划表，在ERP系统中调取每个历史任务完成节点的历史任务量信息和历史任务节点时间信息；所述任务量信息包括原材料库存量、原材料需求量和生产工序消耗量；根据历史任务量信息和历史任务节点时间信息，对历史生产任务完成状态进行标记；
所述任务状态映射模块，根据任务状态标记结果，对任务状态进行历史任务节点时间信息的映射；根据映射关系，计算任务状态转移概率；
所述关联关系生成模块，根据历史任务节点时间信息，在ERP系统中调取每个历史任务节点时间信息对应的历史任务影响因素，并生成历史任务影响因素集合；根据历史任务影响因素集合，计算任务转移影响率；将历史任务节点时间、任务状态转移概率和任务转移影响率生成关联关系；
所述预警提示模块，获取当前签署合同中任务进度的结算节点时间，根据结算节点时间，预测每个结算节点的风险值；根据风险值，输出预警提示信息，发送至工作人员。
进一步的，所述数据调取模块还包括数据汇总单元和任务状态划分单元；
所述数据汇总单元，通过数据处理分析技术，采集各生产分站的历史生产任务进度计划表，对各生产分站的历史生产任务进度计划表进行数据汇总，按照汇总数据，在ERP系统中调取每个历史任务完成节点对应的历史任务量信息和历史任务节点时间信息，并按照历史任务节点时间信息，对历史任务量信息进行梳理，将一个历史任务节点时间信息对应一个历史任务量信息；
所述任务状态划分单元，用于对历史生产任务完成状态进行标记，获取任意一个历史任务完成节点的历史任务节点时间信息和该个历史任务节点时间信息对应的历史任务量信息；对该个历史任务节点时间信息进行任务状态标记，所述任务状态包括过量状态、平量状态和欠量状态；在该个历史任务节点时间信息对应的历史任务量信息中，如果原材料库存量与生产工序消耗量之和大于原材料需求量，则将该个历史任务节点时间信息标记为过量状态，如果原材料库存量与生产工序消耗量之和等于原材料需求量，则将该个历史任务节点时间信息标记为平量状态，如果原材料库存量与生产工序消耗量之和小于原材料需求量，则将该个历史任务节点时间信息标记为欠量状态；对所有历史任务完成节点进行任务状态梳理并标记。
进一步的，所述任务状态映射模块还包括任务状态映射单元和任务状态转移概率计算单元；
所述任务状态映射单元，统计所有历史任务节点时间信息，并生成历史任务节点时间集合，记为{T1，T2，...，Tt}，T1，T2，...，Tt分别表示为第1，2，...，t个历史任务节点时间；将过量状态、平量状态和欠量状态分别标记为F1、F2和F3，根据历史任务节点时间集合，将任务状态与历史任务节点时间进行时间→任务状态的对应关系映射，其中，一个历史任务节点时间对应一个任务状态，即Tm→Fv，且Tm∈{T1，T2，...，Tt}，Fv∈{F1，F2，F3}；
所述任务状态转移概率计算单元，根据映射关系，对任务状态转移事件进行梳理，如果相邻两个历史任务节点时间发生了任务状态转移，则将该种事件标记为任务状态转移事件，所述任务状态转移表示为Fi→Fj，其中，Fi、Fj∈{F1，F2，F3}且i、j≠v；对所有的任务状态转移事件进行识别，并生成任务状态转移矩阵；根据任务状态转移矩阵和历史任务节点时间集合，统计每一种任务状态转移事件的数量，记为Sij；根据每一种任务状态转移事件的数量，计算任意一种任务状态转移事件的任务状态转移概率。
进一步的，所述关联关系生成模块还包括任务转移影响率计算单元和关联关系识别单元；
所述任务转移影响率计算单元，根据历史任务节点时间信息，在ERP系统中调取每个历史任务节点时间信息对应的历史任务影响因素，所述历史任务影响因素为故障生产设备，当一个生产设备发生故障时记录该次故障事件对应的故障生产设备，其中一个故障生产设备对应一个历史任务影响因素；对任意一个历史任务节点时间信息Tm对应的全部历史任务影响因素进行统计，并生成历史任务影响因素集合，记为TTm＝{E1，E2，...，En}，其中E1，E2，...，En分别表示第1，2，...，n个历史任务影响因素；当相邻两个历史任务节点时间发生了任务状态转移时，分别调取该两个历史任务节点时间对应的历史任务影响因素集合，将历史任务节点时间Tx对应的历史任务影响因素集合记为TTx，将历史任务节点时间Tx+1对应的历史任务影响因素集合记为TTx+1；获取历史任务影响因素集合TTx和历史任务影响因素集合TTx+1之间的区别任务影响因素，并生成区别任务影响因素集合，记为TT(Tx→Tx+1)，计算历史任务节点时间Tx和历史任务节点时间Tx+1之间发生了任务状态转移时的任务转移影响率Yx；
所述关联关系识别单元，当相邻两个历史任务节点时间发生了任务状态转移时，将历史任务节点时间、任务状态转移概率和任务转移影响率生成关联关系，记为(Tx→Tx+1)→P(Fi→Fj)→Yx，其中，关联关系表示当历史任务节点时间Tx转移到历史任务节点时间Tx+1发生了任务状态Fi转移到任务状态Fj，且在转移过程中任务状态转移概率为P(Fi→Fj)，任务转移影响率为Yx；对所有的任务状态转移事件进行关联关系的生成。
进一步的，所述预警提示模块还包括风险值预测单元和预警提示单元；
所述风险值预测单元，获取当前签署合同中任务进度的结算节点时间，所述任务进度包括K个分批任务节点，并且一个分批任务节点对应一个结算节点时间；获取任意一个结算节点时间TQ对应在生产中参与生产的生产设备，根据任意一个结算节点时间对应在生产中参与生产的生产设备，生成当前任务影响因素集合记为TTQ；通过相似度方法，在所有的关联关系中，找寻与当前任务影响因素集合TTQ相似度最大的区别任务影响因素集合，并根据关联关系，追溯与当前任务影响因素集合TTQ相似度最大的区别任务影响因素集合对应的任务转移影响率Y0，以及该任务转移影响率对应的任务状态转移概率P0，预测结算节点时间TQ的风险值W＝Y0*P0；
所述预警提示单元，预测每个结算节点的风险值，预设风险值阈值，如果风险值大于等于风险值阈值，则发出预警提示信息至工作人员。
一种基于物联网的ERP数据智能监管方法，本方法包括以下步骤：
步骤S100：获取历史生产任务进度计划表，根据历史生产任务进度计划表，在ERP系统中调取每个历史任务完成节点的历史任务量信息和历史任务节点时间信息；所述任务量信息包括原材料库存量、原材料需求量和生产工序消耗量；根据历史任务量信息和历史任务节点时间信息，对历史生产任务完成状态进行标记；
步骤S200：根据任务状态标记结果，对任务状态进行历史任务节点时间信息的映射；根据映射关系，计算任务状态转移概率；
步骤S300：根据历史任务节点时间信息，在ERP系统中调取每个历史任务节点时间信息对应的历史任务影响因素，并生成历史任务影响因素集合；根据历史任务影响因素集合，计算任务转移影响率；将历史任务节点时间、任务状态转移概率和任务转移影响率生成关联关系；
步骤S400：获取当前签署合同中任务进度的结算节点时间，根据结算节点时间，预测每个结算节点的风险值；根据风险值，输出预警提示信息，发送至工作人员。
进一步的，所述步骤S100的具体实施过程包括：
步骤S101：通过数据处理分析技术，采集各生产分站的历史生产任务进度计划表，对各生产分站的历史生产任务进度计划表进行数据汇总，按照汇总数据，在ERP系统中调取每个历史任务完成节点对应的历史任务量信息和历史任务节点时间信息，并按照历史任务节点时间信息，对历史任务量信息进行梳理，将一个历史任务节点时间信息对应一个历史任务量信息；
步骤S102：对历史生产任务完成状态进行标记，获取任意一个历史任务完成节点的历史任务节点时间信息和该个历史任务节点时间信息对应的历史任务量信息；对该个历史任务节点时间信息进行任务状态标记，所述任务状态包括过量状态、平量状态和欠量状态；在该个历史任务节点时间信息对应的历史任务量信息中，如果原材料库存量与生产工序消耗量之和大于原材料需求量，则将该个历史任务节点时间信息标记为过量状态，如果原材料库存量与生产工序消耗量之和等于原材料需求量，则将该个历史任务节点时间信息标记为平量状态，如果原材料库存量与生产工序消耗量之和小于原材料需求量，则将该个历史任务节点时间信息标记为欠量状态；对所有历史任务完成节点进行任务状态梳理并标记；
根据上述方法，大型的生产制造企业一般都建设有多个生产分站，各个生产分站协同完成生产任务；由于分站数据通过网络和人为来上传数据，进而存在数据的延迟和人为不仔细填写数据导致的误差，为避免网络或者人为因素带来的不确定性，进而通过历史生产数据来进行大数据的分析；对任务状态进行拆分，原材料库存量和生产工序消耗量在一定程度上能够反馈分站的生产能力，原材料库存量存留太多表示分站生产缓慢，原材料消耗情况表示分站对生产设备的调试技术能力，分站技术人员能力越强对生产设备的调试优化越好，能够使原材料的消耗情况越接近标准技术要求，进而将原材料库存量和生产工序消耗量综合起来与原材料需求量进行对比，而原材料需求量是根据任务计划进行采购的，生产任务滞后完成，则按照任务计划表的时间节点，在该节点会与原材料需求量的设定不匹配；因此通过任务状态在一定程度上来反馈分站的生产综合能力，进而有利于对任务计划的把控，避免无法按时完成任务的风险。
进一步的，所述步骤S200的具体实施过程包括：
步骤S201：统计所有历史任务节点时间信息，并生成历史任务节点时间集合，记为{T1，T2，...，Tt}，T1，T2，...，Tt分别表示为第1，2，...，t个历史任务节点时间；将过量状态、平量状态和欠量状态分别标记为F1、F2和F3，根据历史任务节点时间集合，将任务状态与历史任务节点时间进行时间→任务状态的对应关系映射，其中，一个历史任务节点时间对应一个任务状态，即Tm→Fv，且Tm∈{T1，T2，...，Tt}，Fv∈{F1，F2，F3}；
步骤S202：根据映射关系，对任务状态转移事件进行梳理，如果相邻两个历史任务节点时间发生了任务状态转移，则将该种事件标记为任务状态转移事件，所述任务状态转移表示为Fi→Fj，其中，Fi、Fj∈{F1，F2，F3}且i、j≠v；对所有的任务状态转移事件进行识别，并生成任务状态转移矩阵，记为：
其中，Fij表示由任务状态Fi转移到任务状态Fj，即Fi→Fj；
步骤S203：根据任务状态转移矩阵和历史任务节点时间集合，统计每一种任务状态转移事件的数量，记为Sij；根据每一种任务状态转移事件的数量，计算任意一种任务状态转移事件的任务状态转移概率，具体计算公式如下：
其中，Pij表示由Fi→Fj的任务状态转移事件的任务状态转移概率；
根据上述方法，任务状态发生转移的主要考虑因素是设备故障或者设备老化的影响，这些影响是不可控制的，进而会导致任务状态的变动，而可控的因素往往对任务状态的转移影响很小；当设备出现故障停止生产时，会减小对原材料的消耗，同时突发的设备故障无法及时反馈给原材料供应商，或者原材料供应商按照采购合同规定会继续供货，或者供货已经发出，进而进一步导致分站的库存量继续积累；任务状态转移概率是根据历史大数据来量化的，在一定程度上具有客观规律性，在本申请中并没有对设备故障率进行具体分析，而是通过历史大数据进行模糊化概率统计。
进一步的，所述步骤S300的具体实施过程包括：
步骤S301：根据历史任务节点时间信息，在ERP系统中调取每个历史任务节点时间信息对应的历史任务影响因素，所述历史任务影响因素为故障生产设备，当一个生产设备发生故障时记录该次故障事件对应的故障生产设备，其中一个故障生产设备对应一个历史任务影响因素；对任意一个历史任务节点时间信息Tm对应的全部历史任务影响因素进行统计，并生成历史任务影响因素集合，记为TTm＝{E1，E2，...，En}，其中E1，E2，...，En分别表示第1，2，...，n个历史任务影响因素；
步骤S302：当相邻两个历史任务节点时间发生了任务状态转移时，分别调取该两个历史任务节点时间对应的历史任务影响因素集合，将历史任务节点时间Tx对应的历史任务影响因素集合记为TTx，将历史任务节点时间Tx+1对应的历史任务影响因素集合记为TTx+1；获取历史任务影响因素集合TTx和历史任务影响因素集合TTx+1之间的区别任务影响因素，并生成区别任务影响因素集合，记为TT(Tx→Tx+1)，计算历史任务节点时间Tx和历史任务节点时间Tx+1之间发生了任务状态转移时的任务转移影响率，将任务转移影响率记为Yx，具体计算公式如下：
其中，NUM(TTx∪Tx+1-TTx∩Tx+1)表示历史任务影响因素集合TTx和历史任务影响因素集合Tx+1之间的区别任务影响因素的数量，TTx∪Tx+1-TTx∩Tx+1表示历史任务影响因素集合TTx和历史任务影响因素集合Tx+1之间的区别任务影响因素组成的集合，且NUM(TTx∪Tx+1-TTx∩Tx+1)≠0，NUM(TTx∪Tx+1)表示集合TTx∪Tx+1中的元素数量；
步骤S303：当相邻两个历史任务节点时间发生了任务状态转移时，将历史任务节点时间、任务状态转移概率和任务转移影响率生成关联关系，记为(Tx→Tx+1)→P(Fi→Fj)→Yx，其中，关联关系表示当历史任务节点时间Tx转移到历史任务节点时间Tx+1发生了任务状态Fi转移到任务状态Fj，且在转移过程中任务状态转移概率为P(Fi→Fj)，任务转移影响率为Yx；对所有的任务状态转移事件进行关联关系的生成；
根据上述方法，当发生状态转移时，需要对状态转移的原因进行分析，既是对影响因素与任务状态进行关联，通过转移前后的区别任务影响因素，来对状态转移的原因进行定位，如果在转移前后相邻两个时间节点的任务影响因素相同，则在大概率上状态不会发生转移，而区别任务影响因素在大概率上是导致状态转移的原因。
进一步的，所述步骤S400的具体实施过程包括：
步骤S401：获取当前签署合同中任务进度的结算节点时间，所述任务进度包括K个分批任务节点，并且一个分批任务节点对应一个结算节点时间；获取任意一个结算节点时间TQ对应在生产中参与生产的生产设备，根据任意一个结算节点时间对应在生产中参与生产的生产设备，生成当前任务影响因素集合记为TTQ；
步骤S402：通过相似度方法，在所有的关联关系中，找寻与当前任务影响因素集合TTQ相似度最大的区别任务影响因素集合，并根据关联关系，追溯与当前任务影响因素集合TTQ相似度最大的区别任务影响因素集合对应的任务转移影响率Y0，以及该任务转移影响率对应的任务状态转移概率P0，预测结算节点时间TQ的风险值W＝Y0*P0；
步骤S403：预测每个结算节点的风险值，预设风险值阈值，如果风险值大于等于风险值阈值，则发出预警提示信息至工作人员。
与现有技术相比，本发明所达到的有益效果是：本发明提供的一种基于物联网的ERP数据智能监管系统及方法中，通过对历史生产任务进度计划表进行大数据分析，划分出三种任务状态，再进一步结合大数据，计算出任务状态转移概率，进而将对任务完成状态的研究拟合到对概率的研究，使分析更加客观；同时再进一步找寻任务状态发生转移的影响因素，通过每相邻两个节点时间的状态转移情况进行影响因素的对比，进一步的将任务状态转移概率的量化研究深入到对具体客观因素的研究，计算出任务转移影响率，通过任务状态转移概率和任务转移影响率来拟合分析预测当前任务的风险值，再通过关联关系，追溯到具体预测状态和具体影响因素，使得生产进度能够及时预测掌握，并且能够为工作人员提供预测防护措施，使工作人员能够提前做好准备，进而避免了传统的通过先上传实时数据，再对实时数据进行分析的方式带来的错报、误报和晚报的影响。
附图说明
附图用来提供对本发明的进一步理解，并且且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并且不构成对本发明的限制。在附图中：
图1是本发明一种基于物联网的ERP数据智能监管系统的结构示意图；
图2是本发明一种基于物联网的ERP数据智能监管方法的步骤示意图。
具体实施方式
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。
请参阅图1-图2，本发明提供技术方案：
请参阅图1，在本实施例一中：提供一种基于物联网的ERP数据智能监管系统，该系统包括：数据调取模块、任务状态映射模块、关联关系生成模块和预警提示模块；
数据调取模块，获取历史生产任务进度计划表，根据历史生产任务进度计划表，在ERP系统中调取每个历史任务完成节点的历史任务量信息和历史任务节点时间信息；任务量信息包括原材料库存量、原材料需求量和生产工序消耗量；根据历史任务量信息和历史任务节点时间信息，对历史生产任务完成状态进行标记；
其中，数据调取模块还包括数据汇总单元和任务状态划分单元；
数据汇总单元，通过数据处理分析技术，采集各生产分站的历史生产任务进度计划表，对各生产分站的历史生产任务进度计划表进行数据汇总，按照汇总数据，在ERP系统中调取每个历史任务完成节点对应的历史任务量信息和历史任务节点时间信息，并按照历史任务节点时间信息，对历史任务量信息进行梳理，将一个历史任务节点时间信息对应一个历史任务量信息；
任务状态划分单元，用于对历史生产任务完成状态进行标记，获取任意一个历史任务完成节点的历史任务节点时间信息和该个历史任务节点时间信息对应的历史任务量信息；对该个历史任务节点时间信息进行任务状态标记，任务状态包括过量状态、平量状态和欠量状态；在该个历史任务节点时间信息对应的历史任务量信息中，如果原材料库存量与生产工序消耗量之和大于原材料需求量，则将该个历史任务节点时间信息标记为过量状态，如果原材料库存量与生产工序消耗量之和等于原材料需求量，则将该个历史任务节点时间信息标记为平量状态，如果原材料库存量与生产工序消耗量之和小于原材料需求量，则将该个历史任务节点时间信息标记为欠量状态；对所有历史任务完成节点进行任务状态梳理并标记；
任务状态映射模块，根据任务状态标记结果，对任务状态进行历史任务节点时间信息的映射；根据映射关系，计算任务状态转移概率；
其中，任务状态映射模块还包括任务状态映射单元和任务状态转移概率计算单元；
任务状态映射单元，统计所有历史任务节点时间信息，并生成历史任务节点时间集合，记为{T1，T2，...，Tt}，T1，T2，...，Tt分别表示为第1，2，...，t个历史任务节点时间；将过量状态、平量状态和欠量状态分别标记为F1、F2和F3，根据历史任务节点时间集合，将任务状态与历史任务节点时间进行时间→任务状态的对应关系映射，其中，一个历史任务节点时间对应一个任务状态，即Tm→Fv，且Tm∈{T1，T2，...，Tt}，Fv∈{F1，F2，F3}；
任务状态转移概率计算单元，根据映射关系，对任务状态转移事件进行梳理，如果相邻两个历史任务节点时间发生了任务状态转移，则将该种事件标记为任务状态转移事件，任务状态转移表示为Fi→Fj，其中，Fi、Fj∈{F1，F2，F3}且i、j≠v；对所有的任务状态转移事件进行识别，并生成任务状态转移矩阵；根据任务状态转移矩阵和历史任务节点时间集合，统计每一种任务状态转移事件的数量，记为Sij；根据每一种任务状态转移事件的数量，计算任意一种任务状态转移事件的任务状态转移概率；
关联关系生成模块，根据历史任务节点时间信息，在ERP系统中调取每个历史任务节点时间信息对应的历史任务影响因素，并生成历史任务影响因素集合；根据历史任务影响因素集合，计算任务转移影响率；将历史任务节点时间、任务状态转移概率和任务转移影响率生成关联关系；
其中，关联关系生成模块还包括任务转移影响率计算单元和关联关系识别单元；
任务转移影响率计算单元，根据历史任务节点时间信息，在ERP系统中调取每个历史任务节点时间信息对应的历史任务影响因素，历史任务影响因素为故障生产设备，当一个生产设备发生故障时记录该次故障事件对应的故障生产设备，其中一个故障生产设备对应一个历史任务影响因素；对任意一个历史任务节点时间信息Tm对应的全部历史任务影响因素进行统计，并生成历史任务影响因素集合，记为TTm＝{E1，E2，...，En}，其中E1，E2，...，En分别表示第1，2，...，n个历史任务影响因素；当相邻两个历史任务节点时间发生了任务状态转移时，分别调取该两个历史任务节点时间对应的历史任务影响因素集合，将历史任务节点时间Tx对应的历史任务影响因素集合记为TTx，将历史任务节点时间Tx+1对应的历史任务影响因素集合记为TTx+1；获取历史任务影响因素集合TTx和历史任务影响因素集合TTx+1之间的区别任务影响因素，并生成区别任务影响因素集合，记为TT(Tx→Tx+1)，计算历史任务节点时间Tx和历史任务节点时间Tx+1之间发生了任务状态转移时的任务转移影响率Yx；
关联关系识别单元，当相邻两个历史任务节点时间发生了任务状态转移时，将历史任务节点时间、任务状态转移概率和任务转移影响率生成关联关系，记为(Tx→Tx+1)→P(Fi→Fj)→Yx，其中，关联关系表示当历史任务节点时间Tx转移到历史任务节点时间Tx+1发生了任务状态Fi转移到任务状态Fj，且在转移过程中任务状态转移概率为P(Fi→Fj)，任务转移影响率为Yx；对所有的任务状态转移事件进行关联关系的生成；
预警提示模块，获取当前签署合同中任务进度的结算节点时间，根据结算节点时间，预测每个结算节点的风险值；根据风险值，输出预警提示信息，发送至工作人员；
其中，预警提示模块还包括风险值预测单元和预警提示单元；
风险值预测单元，获取当前签署合同中任务进度的结算节点时间，任务进度包括K个分批任务节点，并且一个分批任务节点对应一个结算节点时间；获取任意一个结算节点时间TQ对应在生产中参与生产的生产设备，根据任意一个结算节点时间对应在生产中参与生产的生产设备，生成当前任务影响因素集合记为TTQ；通过相似度方法，在所有的关联关系中，找寻与当前任务影响因素集合TTQ相似度最大的区别任务影响因素集合，并根据关联关系，追溯与当前任务影响因素集合TTQ相似度最大的区别任务影响因素集合对应的任务转移影响率Y0，以及该任务转移影响率对应的任务状态转移概率P0，预测结算节点时间TQ的风险值W＝Y0*P0；
预警提示单元，预测每个结算节点的风险值，预设风险值阈值，如果风险值大于等于风险值阈值，则发出预警提示信息至工作人员。
请参阅图2，在本实施例二中：提供一种基于物联网的ERP数据智能监管方法，该方法包括以下步骤：
在本实施例二中例举某个大型混凝土加工生产厂家，该大型混凝土加工生产厂家拥有10家加工分站，通过混凝土生产ERP管理系统对这10家加工分站进行数据管理；
获取混凝土历史生产任务进度计划表，根据混凝土历史生产任务进度计划表，在混凝土生产ERP系统中调取每个历史任务完成节点的历史任务量信息和历史任务节点时间信息；任务量信息包括混凝土原材料库存量、混凝土原材料需求量和混凝土生产工序消耗量；根据历史任务量信息和历史任务节点时间信息，对历史生产任务完成状态进行标记；
采集各混凝土生产分站的历史生产任务进度计划表，对各生产分站的历史生产任务进度计划表进行数据汇总，按照汇总数据，在混凝土生产ERP系统中调取每个历史任务完成节点对应的历史任务量信息和历史任务节点时间信息，并按照历史任务节点时间信息，对历史任务量信息进行梳理，将一个历史任务节点时间信息对应一个历史任务量信息；
对混凝土历史生产任务完成状态进行标记，获取任意一个历史任务完成节点的历史任务节点时间信息和该个历史任务节点时间信息对应的历史任务量信息；对该个历史任务节点时间信息进行任务状态标记，任务状态包括过量状态、平量状态和欠量状态；在该个历史任务节点时间信息对应的历史任务量信息中，如果原材料库存量与生产工序消耗量之和大于原材料需求量，则将该个历史任务节点时间信息标记为过量状态，如果原材料库存量与生产工序消耗量之和等于原材料需求量，则将该个历史任务节点时间信息标记为平量状态，如果原材料库存量与生产工序消耗量之和小于原材料需求量，则将该个历史任务节点时间信息标记为欠量状态；对所有混凝土历史任务完成节点进行任务状态梳理并标记；
根据混凝土任务状态标记结果，对任务状态进行历史任务节点时间信息的映射；根据映射关系，计算任务状态转移概率；
统计所有历史任务节点时间信息，并生成历史任务节点时间集合，记为{T1，T2，...，Tt}，T1，T2，...，Tt分别表示为第1，2，...，t个历史任务节点时间；将过量状态、平量状态和欠量状态分别标记为F1、F2和F3，根据历史任务节点时间集合，将任务状态与历史任务节点时间进行时间→任务状态的对应关系映射，其中，一个历史任务节点时间对应一个任务状态，即Tm→Fv，且Tm∈{T1，T2，...，Tt}，Fv∈{F1，F2，F3}；
根据映射关系，对混凝土任务状态转移事件进行梳理，如果相邻两个历史任务节点时间发生了任务状态转移，则将该种事件标记为任务状态转移事件，任务状态转移表示为Fi→Fj，其中，Fi、Fj∈{F1，F2，F3}且i、j≠v；对所有的混凝土任务状态转移事件进行识别，并生成任务状态转移矩阵，记为：
其中，F33表示由任务状态F3转移到任务状态F3，即F3→F3；
根据任务状态转移矩阵和历史任务节点时间集合，统计每一种任务状态转移事件的数量，记为Sij；根据每一种任务状态转移事件的数量，计算任意一种混凝土任务状态转移事件的任务状态转移概率，具体计算公式如下：
其中，Pij表示由Fi→Fj的任务状态转移事件的任务状态转移概率；
例如说，由平量状态转移到过量状态的任务状态转移事件的数量为6，由平量状态转移到平量状态的任务状态转移事件的数量为2，由平量状态转移到欠量状态的任务状态转移事件的数量为14，则由平量状态发生的任务状态转移概率对应分别为：4/20、2/20和14/20；
根据历史任务节点时间信息，在混凝土生产ERP系统中调取每个历史任务节点时间信息对应的历史任务影响因素，并生成历史任务影响因素集合；根据历史任务影响因素集合，计算任务转移影响率；将历史任务节点时间、任务状态转移概率和任务转移影响率生成关联关系；
根据历史任务节点时间信息，在混凝土生产ERP系统中调取每个历史任务节点时间信息对应的历史任务影响因素，历史任务影响因素为故障生产设备，当一个生产设备发生故障时记录该次故障事件对应的故障生产设备，其中一个故障生产设备对应一个历史任务影响因素；对任意一个历史任务节点时间信息Tm对应的全部历史任务影响因素进行统计，并生成历史任务影响因素集合，记为TTm＝{E1，E2，...，En}，其中E1，E2，...，En分别表示第1，2，...，n个历史任务影响因素；
当相邻两个历史任务节点时间发生了任务状态转移时，分别调取该两个历史任务节点时间对应的历史任务影响因素集合，将历史任务节点时间Tx对应的历史任务影响因素集合记为TTx，将历史任务节点时间Tx+1对应的历史任务影响因素集合记为TTx+1；获取历史任务影响因素集合TTx和历史任务影响因素集合TTx+1之间的区别任务影响因素，并生成区别任务影响因素集合，记为TT(Tx→Tx+1)，计算历史任务节点时间Tx和历史任务节点时间Tx+1之间发生了任务状态转移时的任务转移影响率，将任务转移影响率记为Yx，具体计算公式如下：
其中，NUM(TTx∪Tx+1-TTx∩Tx+1)表示历史任务影响因素集合TTx和历史任务影响因素集合Tx+1之间的区别任务影响因素的数量，TTx∪Tx+1-TTx∩Tx+1表示历史任务影响因素集合TTx和历史任务影响因素集合Tx+1之间的区别任务影响因素组成的集合，且NUM(TTx∪Tx+1-TTx∩Tx+1)≠0，NUM(TTx∪Tx+1)表示集合TTx∪Tx+1中的元素数量；
当相邻两个历史任务节点时间发生了任务状态转移时，将历史任务节点时间、任务状态转移概率和任务转移影响率生成关联关系，记为(Tx→Tx+1)→P(Fi→Fj)→Yx，其中，关联关系表示当历史任务节点时间Tx转移到历史任务节点时间Tx+1发生了任务状态Fi转移到任务状态Fj，且在转移过程中任务状态转移概率为P(Fi→Fj)，任务转移影响率为Yx；对所有的任务状态转移事件进行关联关系的生成；
例如说，在T1时间到T2时间后，由平量状态转移到了欠量状态，在T1时间对应的历史任务影响因素集合TT1＝{设备1，设备2，设备3，设备4}，在T2时间对应的历史任务影响因素集合TT2＝{设备1，设备5，设备6，设备7}，则区别任务影响因素组成的集合{设备2，设备3，设备4，设备5，设备6，设备7}，则得到(T1→T2)→P(平量状态→欠量状态)＝14/20→Y1＝6/7；
获取当前签署合同中任务进度的结算节点时间，根据结算节点时间，预测每个结算节点的风险值；根据风险值，输出预警提示信息，发送至工作人员；
获取当前签署合同中任务进度的结算节点时间，任务进度包括K个分批任务节点，并且一个分批任务节点对应一个结算节点时间；获取任意一个结算节点时间TQ对应在生产中参与生产的生产设备，根据任意一个结算节点时间对应在生产中参与生产的生产设备，生成当前任务影响因素集合记为TTQ；
通过相似度方法，在所有的关联关系中，找寻与当前任务影响因素集合TTQ相似度最大的区别任务影响因素集合，并根据关联关系，追溯与当前任务影响因素集合TTQ相似度最大的区别任务影响因素集合对应的任务转移影响率Y0，以及该任务转移影响率对应的任务状态转移概率P0，预测结算节点时间TQ的风险值W＝Y0*P0；
预测每个结算节点的风险值，预设风险值阈值，如果风险值大于等于风险值阈值，则发出预警提示信息至工作人员；
例如说，获取当前混凝土生产签署合同中任务进度的结算节点时间的第5个分批任务节点，即结算节点时间T5；生成当前任务影响因素集合记为TT5＝{设备1，设备3，设备4，设备5，设备6，设备7}，则通过相似度匹配，找到相似度最大的区别任务影响因素集合为{设备2，设备3，设备4，设备5，设备6，设备7}，并根据关联关系(T1→T2)→P(平量状态→欠量状态)＝14/20→Y1＝6/7，预测结算节点时间T5的风险值W＝14/20*6/7＝0.6，预设风险值阈值为0.55，则发出预警提示信息至工作人员，提示工作人员在结算节点时间T5可能发生欠量状态，欠量的原因为混凝土原材料库存量不足或者生产工序消耗量过小，生产工序消耗量过小可能是由于设备3、设备4、设备5、设备6或者设备7出现故障。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并且不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于物联网的ERP数据智能监管方法，其特征在于，该方法包括以下步骤：
步骤S100：获取历史生产任务进度计划表，根据历史生产任务进度计划表，在ERP系统中调取每个历史任务完成节点的历史任务量信息和历史任务节点时间信息；所述任务量信息包括原材料库存量、原材料需求量和生产工序消耗量；根据历史任务量信息和历史任务节点时间信息，对历史生产任务完成状态进行标记；
步骤S200：根据任务状态标记结果，对任务状态进行历史任务节点时间信息的映射；根据映射关系，计算任务状态转移概率；
步骤S300：根据历史任务节点时间信息，在ERP系统中调取每个历史任务节点时间信息对应的历史任务影响因素，并生成历史任务影响因素集合；根据历史任务影响因素集合，计算任务转移影响率；将历史任务节点时间、任务状态转移概率和任务转移影响率生成关联关系；
步骤S400：获取当前签署合同中任务进度的结算节点时间，根据结算节点时间，预测每个结算节点的风险值；根据风险值，输出预警提示信息，发送至工作人员；
所述步骤S100的具体实施过程包括：
步骤S101：通过数据处理分析技术，采集各生产分站的历史生产任务进度计划表，对各生产分站的历史生产任务进度计划表进行数据汇总，按照汇总数据，在ERP系统中调取每个历史任务完成节点对应的历史任务量信息和历史任务节点时间信息，并按照历史任务节点时间信息，对历史任务量信息进行梳理，将一个历史任务节点时间信息对应一个历史任务量信息；
步骤S102：对历史生产任务完成状态进行标记，获取任意一个历史任务完成节点的历史任务节点时间信息和该个历史任务节点时间信息对应的历史任务量信息；对该个历史任务节点时间信息进行任务状态标记，所述任务状态包括过量状态、平量状态和欠量状态；在该个历史任务节点时间信息对应的历史任务量信息中，如果原材料库存量与生产工序消耗量之和大于原材料需求量，则将该个历史任务节点时间信息标记为过量状态，如果原材料库存量与生产工序消耗量之和等于原材料需求量，则将该个历史任务节点时间信息标记为平量状态，如果原材料库存量与生产工序消耗量之和小于原材料需求量，则将该个历史任务节点时间信息标记为欠量状态；对所有历史任务完成节点进行任务状态梳理并标记；
所述步骤S200的具体实施过程包括：
步骤S201：统计所有历史任务节点时间信息，并生成历史任务节点时间集合，记为{T1，T2，...，Tt}，T1，T2，...，Tt分别表示为第1，2，...，t个历史任务节点时间；将过量状态、平量状态和欠量状态分别标记为F1、F2和F3，根据历史任务节点时间集合，将任务状态与历史任务节点时间进行时间→任务状态的对应关系映射，其中，一个历史任务节点时间对应一个任务状态，即Tm→Fv，且Tm∈{T1，T2，...，Tt}，Fv∈{F1，F2，F3}；
步骤S202：根据映射关系，对任务状态转移事件进行梳理，如果相邻两个历史任务节点时间发生了任务状态转移，则将该种事件标记为任务状态转移事件，所述任务状态转移表示为Fi→Fj，其中，Fi、Fj∈{F1，F2，F3}且i、j≠v；对所有的任务状态转移事件进行识别，并生成任务状态转移矩阵，记为：
其中，Fij表示由任务状态Fi转移到任务状态Fj，即Fi→Fj；
步骤S203：根据任务状态转移矩阵和历史任务节点时间集合，统计每一种任务状态转移事件的数量，记为Sij；根据每一种任务状态转移事件的数量，计算任意一种任务状态转移事件的任务状态转移概率，具体计算公式如下：
其中，Pij表示由Fi→Fj的任务状态转移事件的任务状态转移概率；
所述步骤S300的具体实施过程包括：
步骤S301：根据历史任务节点时间信息，在ERP系统中调取每个历史任务节点时间信息对应的历史任务影响因素，所述历史任务影响因素为故障生产设备，当一个生产设备发生故障时记录该次故障事件对应的故障生产设备，其中一个故障生产设备对应一个历史任务影响因素；对任意一个历史任务节点时间信息Tm对应的全部历史任务影响因素进行统计，并生成历史任务影响因素集合，记为TTm＝{E1，E2，...，En}，其中E1，E2，...，En分别表示第1，2，...，n个历史任务影响因素；
步骤S302：当相邻两个历史任务节点时间发生了任务状态转移时，分别调取该两个历史任务节点时间对应的历史任务影响因素集合，将历史任务节点时间Tx对应的历史任务影响因素集合记为TTx，将历史任务节点时间Tx+1对应的历史任务影响因素集合记为TTx+1；获取历史任务影响因素集合TTx和历史任务影响因素集合TTx+1之间的区别任务影响因素，并生成区别任务影响因素集合，记为TT(Tx→Tx+1)，计算历史任务节点时间Tx和历史任务节点时间Tx+1之间发生了任务状态转移时的任务转移影响率，将任务转移影响率记为Yx，具体计算公式如下：
其中，NUM(TTx∪Tx+1-TTx∩Tx+1)表示历史任务影响因素集合TTx和历史任务影响因素集合Tx+1之间的区别任务影响因素的数量，TTx∪Tx+1-TTx∩Tx+1表示历史任务影响因素集合TTx和历史任务影响因素集合Tx+1之间的区别任务影响因素组成的集合，且NUM(TTx∪Tx+1-TTx∩Tx+1)≠0，NUM(TTx∪Tx+1)表示集合TTx∪Tx+1中的元素数量；
步骤S303：当相邻两个历史任务节点时间发生了任务状态转移时，将历史任务节点时间、任务状态转移概率和任务转移影响率生成关联关系，记为(Tx→Tx+1)→P(Fi→Fj)→Yx，其中，关联关系表示当历史任务节点时间Tx转移到历史任务节点时间Tx+1发生了任务状态Fi转移到任务状态Fj，且在转移过程中任务状态转移概率为P(Fi→Fj)，任务转移影响率为Yx；对所有的任务状态转移事件进行关联关系的生成；
所述步骤S400的具体实施过程包括：
步骤S401：获取当前签署合同中任务进度的结算节点时间，所述任务进度包括K个分批任务节点，并且一个分批任务节点对应一个结算节点时间；获取任意一个结算节点时间TQ对应在生产中参与生产的生产设备，根据任意一个结算节点时间对应在生产中参与生产的生产设备，生成当前任务影响因素集合记为TTQ；
步骤S402：通过相似度方法，在所有的关联关系中，找寻与当前任务影响因素集合TTQ相似度最大的区别任务影响因素集合，并根据关联关系，追溯与当前任务影响因素集合TTQ相似度最大的区别任务影响因素集合对应的任务转移影响率Y0，以及该任务转移影响率对应的任务状态转移概率P0，预测结算节点时间TQ的风险值W＝Y0*P0；
步骤S403：预测每个结算节点的风险值，预设风险值阈值，如果风险值大于等于风险值阈值，则发出预警提示信息至工作人员。
2.一种基于物联网的ERP数据智能监管系统，其特征在于，所述系统包括：数据调取模块、任务状态映射模块、关联关系生成模块和预警提示模块；
所述数据调取模块，获取历史生产任务进度计划表，根据历史生产任务进度计划表，在ERP系统中调取每个历史任务完成节点的历史任务量信息和历史任务节点时间信息；所述任务量信息包括原材料库存量、原材料需求量和生产工序消耗量；根据历史任务量信息和历史任务节点时间信息，对历史生产任务完成状态进行标记；
所述任务状态映射模块，根据任务状态标记结果，对任务状态进行历史任务节点时间信息的映射；根据映射关系，计算任务状态转移概率；
所述关联关系生成模块，根据历史任务节点时间信息，在ERP系统中调取每个历史任务节点时间信息对应的历史任务影响因素，并生成历史任务影响因素集合；根据历史任务影响因素集合，计算任务转移影响率；将历史任务节点时间、任务状态转移概率和任务转移影响率生成关联关系；
所述预警提示模块，获取当前签署合同中任务进度的结算节点时间，根据结算节点时间，预测每个结算节点的风险值；根据风险值，输出预警提示信息，发送至工作人员；
所述数据调取模块还包括数据汇总单元和任务状态划分单元；
所述数据汇总单元，通过数据处理分析技术，采集各生产分站的历史生产任务进度计划表，对各生产分站的历史生产任务进度计划表进行数据汇总，按照汇总数据，在ERP系统中调取每个历史任务完成节点对应的历史任务量信息和历史任务节点时间信息，并按照历史任务节点时间信息，对历史任务量信息进行梳理，将一个历史任务节点时间信息对应一个历史任务量信息；
所述任务状态划分单元，用于对历史生产任务完成状态进行标记，获取任意一个历史任务完成节点的历史任务节点时间信息和该个历史任务节点时间信息对应的历史任务量信息；对该个历史任务节点时间信息进行任务状态标记，所述任务状态包括过量状态、平量状态和欠量状态；在该个历史任务节点时间信息对应的历史任务量信息中，如果原材料库存量与生产工序消耗量之和大于原材料需求量，则将该个历史任务节点时间信息标记为过量状态，如果原材料库存量与生产工序消耗量之和等于原材料需求量，则将该个历史任务节点时间信息标记为平量状态，如果原材料库存量与生产工序消耗量之和小于原材料需求量，则将该个历史任务节点时间信息标记为欠量状态；对所有历史任务完成节点进行任务状态梳理并标记；
所述任务状态映射模块还包括任务状态映射单元和任务状态转移概率计算单元；
所述任务状态映射单元，统计所有历史任务节点时间信息，并生成历史任务节点时间集合，记为{T1，T2，...，Tt}，T1，T2，...，Tt分别表示为第1，2，...，t个历史任务节点时间；将过量状态、平量状态和欠量状态分别标记为F1、F2和F3，根据历史任务节点时间集合，将任务状态与历史任务节点时间进行时间→任务状态的对应关系映射，其中，一个历史任务节点时间对应一个任务状态，即Tm→Fv，且Tm∈{T1，T2，...，Tt}，Fv∈{F1，F2，F3}；
所述任务状态转移概率计算单元，根据映射关系，对任务状态转移事件进行梳理，如果相邻两个历史任务节点时间发生了任务状态转移，则将该种事件标记为任务状态转移事件，所述任务状态转移表示为Fi→Fj，其中，Fi、Fj∈{F1，F2，F3}且i、j≠v；对所有的任务状态转移事件进行识别，并生成任务状态转移矩阵，记为：
其中，Fij表示由任务状态Fi转移到任务状态Fj，即Fi→Fj；
根据任务状态转移矩阵和历史任务节点时间集合，统计每一种任务状态转移事件的数量，记为Sij；根据每一种任务状态转移事件的数量，计算任意一种任务状态转移事件的任务状态转移概率，具体计算公式如下：
其中，Pij表示由Fi→Fj的任务状态转移事件的任务状态转移概率；
所述关联关系生成模块还包括任务转移影响率计算单元和关联关系识别单元；
所述任务转移影响率计算单元，根据历史任务节点时间信息，在ERP系统中调取每个历史任务节点时间信息对应的历史任务影响因素，所述历史任务影响因素为故障生产设备，当一个生产设备发生故障时记录该次故障事件对应的故障生产设备，其中一个故障生产设备对应一个历史任务影响因素；对任意一个历史任务节点时间信息Tm对应的全部历史任务影响因素进行统计，并生成历史任务影响因素集合，记为TTm＝{E1，E2，...，En}，其中E1，E2，...，En分别表示第1，2，...，n个历史任务影响因素；当相邻两个历史任务节点时间发生了任务状态转移时，分别调取该两个历史任务节点时间对应的历史任务影响因素集合，将历史任务节点时间Tx对应的历史任务影响因素集合记为TTx，将历史任务节点时间Tx+1对应的历史任务影响因素集合记为TTx+1；获取历史任务影响因素集合TTx和历史任务影响因素集合TTx+1之间的区别任务影响因素，并生成区别任务影响因素集合，记为TT(Tx→Tx+1)，计算历史任务节点时间Tx和历史任务节点时间Tx+1之间发生了任务状态转移时的任务转移影响率Yx，具体计算公式如下：
其中，NUM(TTx∪Tx+1-TTx∩Tx+1)表示历史任务影响因素集合TTx和历史任务影响因素集合Tx+1之间的区别任务影响因素的数量，TTx∪Tx+1-TTx∩Tx+1表示历史任务影响因素集合TTx和历史任务影响因素集合Tx+1之间的区别任务影响因素组成的集合，且NUM(TTx∪Tx+1-TTx∩Tx+1)≠0，NUM(TTx∪Tx+1)表示集合TTx∪Tx+1中的元素数量；
所述关联关系识别单元，当相邻两个历史任务节点时间发生了任务状态转移时，将历史任务节点时间、任务状态转移概率和任务转移影响率生成关联关系，记为(Tx→Tx+1)→P(Fi→Fj)→Yx，其中，关联关系表示当历史任务节点时间Tx转移到历史任务节点时间Tx+1发生了任务状态Fi转移到任务状态Fj，且在转移过程中任务状态转移概率为P(Fi→Fj)，任务转移影响率为Yx；对所有的任务状态转移事件进行关联关系的生成；
所述预警提示模块还包括风险值预测单元和预警提示单元；
所述风险值预测单元，获取当前签署合同中任务进度的结算节点时间，所述任务进度包括K个分批任务节点，并且一个分批任务节点对应一个结算节点时间；获取任意一个结算节点时间TQ对应在生产中参与生产的生产设备，根据任意一个结算节点时间对应在生产中参与生产的生产设备，生成当前任务影响因素集合记为TTQ；通过相似度方法，在所有的关联关系中，找寻与当前任务影响因素集合TTQ相似度最大的区别任务影响因素集合，并根据关联关系，追溯与当前任务影响因素集合TTQ相似度最大的区别任务影响因素集合对应的任务转移影响率Y0，以及该任务转移影响率对应的任务状态转移概率P0，预测结算节点时间TQ的风险值W＝Y0*P0；
所述预警提示单元，预测每个结算节点的风险值，预设风险值阈值，如果风险值大于等于风险值阈值，则发出预警提示信息至工作人员。
CN202310057128.0A 2023-01-18 2023-01-18 一种基于物联网的erp数据智能监管系统及方法 Active CN116090702B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310057128.0A CN116090702B (zh) 2023-01-18 2023-01-18 一种基于物联网的erp数据智能监管系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310057128.0A CN116090702B (zh) 2023-01-18 2023-01-18 一种基于物联网的erp数据智能监管系统及方法

Publications (2)

Publication Number Publication Date
CN116090702A CN116090702A (zh) 2023-05-09
CN116090702B true CN116090702B (zh) 2024-05-14

Family

ID=86205974

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310057128.0A Active CN116090702B (zh) 2023-01-18 2023-01-18 一种基于物联网的erp数据智能监管系统及方法

Country Status (1)

Country Link
CN (1) CN116090702B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116341885B (zh) * 2023-05-31 2023-07-25 一汽东机工减振器有限公司 一种基于大数据的自动化生产管控系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021169270A1 (zh) * 2020-02-27 2021-09-02 平安科技（深圳）有限公司 服务器故障预警方法、装置、计算机设备及存储介质
CN114418177A (zh) * 2021-12-13 2022-04-29 中国科学院合肥物质科学研究院 基于生成对抗网络的数字孪生车间的新产品物料配送预测方法
CN114465874A (zh) * 2022-04-07 2022-05-10 北京宝兰德软件股份有限公司 故障预测方法、装置、电子设备与存储介质
CN114978770A (zh) * 2022-07-25 2022-08-30 睿至科技集团有限公司 基于大数据的物联网安全风险预警管控方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2379752A (en) * 2001-06-05 2003-03-19 Abb Ab Root cause analysis under conditions of uncertainty
GB0807775D0 (en) * 2008-04-29 2008-06-04 Romax Technology Ltd Methods for model-based diagnosis of gearbox
CN106444703B (zh) * 2016-09-20 2018-12-07 西南石油大学 基于故障模式发生概率的动设备运行状态模糊评价及预测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021169270A1 (zh) * 2020-02-27 2021-09-02 平安科技（深圳）有限公司 服务器故障预警方法、装置、计算机设备及存储介质
CN114418177A (zh) * 2021-12-13 2022-04-29 中国科学院合肥物质科学研究院 基于生成对抗网络的数字孪生车间的新产品物料配送预测方法
CN114465874A (zh) * 2022-04-07 2022-05-10 北京宝兰德软件股份有限公司 故障预测方法、装置、电子设备与存储介质
CN114978770A (zh) * 2022-07-25 2022-08-30 睿至科技集团有限公司 基于大数据的物联网安全风险预警管控方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
供应链智能维护系统中风险特征提取问题研究;魏庚;;科技信息(02);170-171 *

Also Published As

Publication number Publication date
CN116090702A (zh) 2023-05-09

Similar Documents

Publication Publication Date Title
CN106815709B (zh) 一种服务快速响应中心支撑系统及方法
CN104574002B (zh) 基于大数据分析的资产管理信息处理方法及装置
CN111210108B (zh) 一种电力物资供应链的绩效管控模型
CN110610318A (zh) 一种基于大数据的工程造价管理系统
CN108388955A (zh) 基于随机森林和逻辑回归的客户服务策略制定方法、装置
CN110378510B (zh) 一种基于时间序列和层次聚合的配网物资需求预测方法
CN116579590B (zh) 一种虚拟电厂中的需求响应评估方法和系统
CN115423289B (zh) 智能板材加工车间数据处理方法及终端
CN116090702B (zh) 一种基于物联网的erp数据智能监管系统及方法
CN115860499A (zh) 一种基于bim技术的多专业工种协调施工管理系统
CN115423429A (zh) 基于图像和声音信息的多模态一体化配网运营系统
CN110991985A (zh) 一种项目进度数据处理方法
CN114091866A (zh) 一种基于能耗便捷化组合分析的智能优化节能系统
CN115860694A (zh) 一种基于即时消息技术的业扩流程管控方法及系统
CN115471215B (zh) 一种业务流程处理方法及装置
CN117078205A (zh) 一种供应商产能预警系统及其方法
Bai et al. An OEE improvement method based on TOC
CN111404742A (zh) 一种面向智慧供应链的工业互联架构
CN115577971A (zh) 一种基于算法模型的员工能力动态价值评估系统
CN116050788A (zh) 一种工业智能排产管理系统
CN116226293A (zh) 一种电力客户画像生成管理的方法及系统
CN115719139A (zh) 电网调度运行管理的调度自查系统
CN115330404A (zh) 用于电力营销稽查的系统及方法
CN114048200A (zh) 一种计及缺失数据补齐的用户用电行为分析方法
CN111489072A (zh) 一种基于城市管理的大数据管理及分析系统

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
TA01 Transfer of patent application right

Effective date of registration: 20240418

Address after: 224043 east of Jingtian Road, industrial concentration zone, Dagang Town, Yandu District, Yancheng City, Jiangsu Province (n)

Applicant after: Jiangsu Shengquan Environmental Protection Technology Development Co.,Ltd.

Country or region after: China

Address before: Group 1, Wangzhuang Village, Zhangzhuang Sub-district Office, Yandu District, Yancheng City, Jiangsu Province, 224015

Applicant before: Yancheng Jiutai Commercial Concrete Co.,Ltd.

Country or region before: China

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant