CN116151999B - 一种基于rpa的企业自动报税方法与系统 - Google Patents

一种基于rpa的企业自动报税方法与系统 Download PDF

Info

Publication number
CN116151999B
CN116151999B CN202310259051.5A CN202310259051A CN116151999B CN 116151999 B CN116151999 B CN 116151999B CN 202310259051 A CN202310259051 A CN 202310259051A CN 116151999 B CN116151999 B CN 116151999B
Authority
CN
China
Prior art keywords
rpa
tax
tax return
running
state
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
CN202310259051.5A
Other languages
English (en)
Other versions
CN116151999A (zh
Inventor
秦月啸
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.)
Hangzhou Gongmao Technology Co ltd
Original Assignee
Hangzhou Gongmao Technology 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 Hangzhou Gongmao Technology Co ltd filed Critical Hangzhou Gongmao Technology Co ltd
Priority to CN202310259051.5A priority Critical patent/CN116151999B/zh
Publication of CN116151999A publication Critical patent/CN116151999A/zh
Application granted granted Critical
Publication of CN116151999B publication Critical patent/CN116151999B/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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/12—Accounting
    • G06Q40/123—Tax preparation or submission
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
    • G06F40/18—Editing, e.g. inserting or deleting of tables; using ruled lines of spreadsheets

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Technology Law (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于RPA的企业自动报税方法与系统，属于数据处理技术领域，具体包括：当RPA运行终端的网络连接状态与运行温度不处于异常状态时，基于实时运行内存占有率、运行温度得到RPA运行终端的运行状态值，并当运行状态值不处于异常状态时，基于RPA的指定时间内的报税成功率、报税准确率、单笔的原始税务凭证的报税平均耗时确定RPA的可靠评估值，并基于可靠评估值确定RPA不处于异常状态时，基于RPA确认原始税务凭证的真伪性，并当原始税务凭证为真时进行自动报税，从而进一步提升了RPA报税系统的运行可靠性。

Description

一种基于RPA的企业自动报税方法与系统
技术领域
本发明属于数据处理技术领域，尤其涉及一种基于RPA的企业自动报税方法与系统。
背景技术
为了实现基于RPA机器人的涉税数据的采集以及批量报税，在发明专利公开号CN112232934A《一种基于RPA的涉税数据采集及自动批量报税方法》中通过将原始凭证归类整理后，导入到系统中，通过系统依序完成凭证录入、结转损益、过账、生成报表等工作，通过将涉税信息导入到系统中，通过系统依序完成抵扣发票填写、申报信息填写、生成报表、申报扣税和申报结果确认等工作，但是却存在以下技术问题：
1、忽视了对RPA运行终端的危险运行状态的判断，由于RPA一般运行在计算机、服务器等终端上，而且一般是24小时运行，如果不能根据RPA的运行终端的运行状态进行监控，当处于危险运行状态时，及时停止报税操作，否则则会导致报税系统混乱甚至会导致多报税或者少报税等情况的出现，不利于自动报税系统的稳定运行。
2、忽视了对原始税务凭证的真伪的验证，特别是对于大型集团的财务系统来说，对于原始税务凭证不仅来源较多，而且数量较多，若不能首先对原始税务凭证进行真伪验证，则会导致最终的报税结果不够准确，同时也会给企业带来额外的税务风险。
针对上述技术问题，本发明提供了一种基于RPA的企业自动报税方法与系统。
发明内容
为实现本发明目的，本发明采用如下技术方案：
根据本发明的一个方面，提供了一种基于RPA的企业自动报税方法。
一种基于RPA的企业自动报税方法，其特征在于，具体包括：
S11基于RPA获取RPA运行终端的网络连接状态是否处于异常状态，若是，则暂停自动报税，若否，则进入步骤S12；
S12获取RPA运行终端的运行温度，判断所述运行温度是否处于异常状态，若是，则暂停自动报税，若否，则进入步骤S13；
S13获取RPA运行终端的实时运行内存占有率、运行温度得到运行状态值，并基于所述运行状态值判断是否处于异常状态，若是，则暂停自动报税，若否，则进入步骤S14；
S14获取RPA的指定时间内的报税成功率、报税准确率、单笔的原始税务凭证的报税平均耗时，确定所述RPA的可靠评估值，并基于所述可靠评估值判断所述RPA是否处于异常状态，若是，则暂停自动报税，若否，则进入步骤S15；
S15基于所述RPA确认所述原始税务凭证的真伪性，并当所述原始税务凭证为真时，基于所述原始税务凭证进行自动报税。
通过首先对网络连接状态进行校验，从而实现了从网络连接状态对RPA运行终端的异常状态的判断，保证了RPA运行终端的可靠性，防止由于网络连接状态不稳定导致的最终的报税结果的准确性和稳定性都不能得到保证的技术问题的出现。
通过基于RPA运行终端的实时运行内存占有率、运行温度确定运行状态值，并根据运行状态值进行异常状态的判断，从而实现了从多角度对RPA运行终端的可靠性的评估，进一步保证了RPA运行终端的可靠性评估的准确性和全面性。
通过基于RPA的指定时间内的报税成功率、报税准确率、单笔的原始税务凭证的报税平均耗时，确定所述RPA的可靠评估值，并基于可靠性评估值进行RPA的异常状态的确定，从而实现了从RPA的自身的运行状态的评估，进一步保证了最终的报税结果的准确性，防止由于PRA的运行状态存在问题导致的最终的报税异常的问题出现。
通过首先基于网络连接状态、再基于运行温度，然后基于RPA运行终端的运行状态值，最后基于RPA的可靠评估值进行异常状态的评估，从而实现了从影响程度较高到较低的角度递进式的实现对异常状态的评估，保证了异常状态的评估的全面性和准确性，保证了最终的报税结果的准确性和稳定性。
通过首先对所述原始税务凭证的真伪性进行确认，从而防止了由于原始税务凭证存在异常从而带来的税务风险，保证了报税结果的准确性。
另一方面，本申请实施例中提供一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时上述的一种基于RPA的企业自动报税方法。
另一方面，本发明提供了一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种基于RPA的企业自动报税方法。
其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
图1是根据实施例1的一种基于RPA的企业自动报税方法的流程图；
图2是根据实施例1的基于运行状态值进行异常状态的判断的具体步骤的流程图；
图3是根据实施例1的基于可靠评估值判断RPA是否处于异常状态的具体步骤的流程图；
图4是根据实施例1的基于原始税务凭证进行自动报税的具体步骤的流程图；
图5是根据实施例3的一种计算机存储介质的框架图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。
用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
实施例1
为解决上述问题，根据本发明的一个方面，如图1所示，提供了一种基于RPA的企业自动报税方法，其特征在于，具体包括：
S11基于RPA获取RPA运行终端的网络连接状态是否处于异常状态，若是，则暂停自动报税，若否，则进入步骤S12；
具体的举个例子，RPA运行终端可以为服务器、计算机、笔记本电脑等任一种可以进行自动报税的硬件设备。
具体的，当所述网络连接状态处于断开状态或者指定时段内的单位时间内网络数据的上行速度的平均值小于设定网络速度时，确定所述网络连接状态处于异常状态，其中所述设定网络速度根据所述RPA运行终端单位时间处理的票据数量进行确定，其中单位时间处理的票据数量越多，则所述设定网络速度越大。
具体的举个例子，当指定时段内的单位时间内网络数据的上传速度的平均值，也即是1s内的网络数据的上传速度的平均值为20KB，设定网络速度为10KB，则确定网络连接状态不处于异常状态。
通过首先对网络连接状态进行校验，从而实现了从网络连接状态对RPA运行终端的异常状态的判断，保证了RPA运行终端的可靠性，防止由于网络连接状态不稳定导致的最终的报税结果的准确性和稳定性都不能得到保证的技术问题的出现。
S12获取RPA运行终端的运行温度，判断所述运行温度是否处于异常状态，若是，则暂停自动报税，若否，则进入步骤S13；
具体的，当所述运行温度大于第一温度阈值时，则确定所述运行温度处于异常状态。
具体的举个例子，第一温度阈值根据RPA运行终端的CPU或者其他硬件对于温度的要求进行确定，一般来说，第一温度阈值在65-80摄氏度之间，当超过该温度阈值后，则说明RPA运行终端的运行稳定性无法满足，则需要暂停自动报税，并保留尚未完成的数据。
S13获取RPA运行终端的实时运行内存占有率、运行温度得到运行状态值，并基于所述运行状态值判断是否处于异常状态，若是，则暂停自动报税，若否，则进入步骤S14；
具体的，如图2所示，基于运行状态值进行异常状态的判断的具体步骤为：
S21获取所述RPA运行终端的实时运行内存占有率，判断所述实时运行内存占有率是否属于异常，若是，则将所述RPA运行终端的运行状态值设置为0，并确定处于异常状态，若否，则进入步骤S22；
具体的举个例子，当实时运行内存占有率超过80％时，则说明此时的RPA运行终端的运行稳定较差，因此确定其属于异常，从而避免由于RPA运行终端由于设备问题导致的数据错乱或者突然暂停等意外情况的出现。
S22基于所述运行温度进行所述运行状态的判断，并判断所述运行状态是否处于异常状态，若是，则将所述RPA运行终端的运行状态值设置为0，并确定处于异常状态，若否，则进入步骤S23；
具体的举个例子，当实时运行占有率大于70％且运行温度大于65摄氏度，或者当运行温度大于75度时，则确定RPA运行终端的运行状态值为0，并确定处于异常状态。
S23基于所述实时运行内存占有率、运行温度构建输入集，并将所述输入集传输至基于机器学习算法的评估模型中，得到基础运行状态值；
具体的举个例子，所述基于机器学习算法的评估模型采用基于PSO-SVR算法的评估模型。
具体的举个例子，所述评估模型构建的具体步骤为：
Step1：选取运行内存占有率和运行温度的历史数据，并进行归一化处理，构建轨道客流预测的训练样本集。
Step2:确定PSO种群规模，最大迭代次数，局部寻优指数c1，全局寻优指数c2，惯性权重，最佳适应度阈值eps，以及惩罚系数C、核参数g的位置阈值，迷度与位置阈值的关系系数等；设置粒子位置信息为SVR参数(C,g)潜在最优解，并采用随机化方式进行初始化。
Step3:取SVR模型训练的平均均方误差(MeanSquareError,MSE)为PSO适应度函数，并通过
式中：——第k次、k+1次迭代后，粒子i的移动速度；
——第k次、k+1次迭代后，粒子i的空间位置，象征着(C、g)的一个可行解；
——第k次迭代后，粒子i与整个粒子群的最佳位置；
c1、c2——加速度因子，分别表示PSO局部、全局寻优能力；
r1、r2——随机数，且其取值范围均在[0,1]；
ω——惯性权重，且取值范围在[0,1.4]。
不断更新粒子和种群最佳位置。
Step4：若达到最大迭代次数或满足最佳适应度值，则输出SVR参数(C，g)的最优值，并转至Step5；否则更新粒子速度和位置，并转至Step3。
Step5：将参数(C，g)最优值代入SVR模型，基于训练集数据训练预测模型，结合实时运行内存占有率、运行温度对基础运行状态值进行估算。
Step6：基础运行状态值的预测值的反归一化，并输出基础运行状态值。
由于SVR的预测性能受核参数和惩罚因子的影响较大。如果参数设置不当，SVR的预测性能会出现明显下降。目前广泛使用的交叉验证参数设置方法存在主观性强且运算复杂的问题，因此通过优化算法对SVR参数进行全局寻优，提升了SVR的预测性能。
具体的举个例子，PSO算法具有模型简单、收敛速度快的优点，但是也存在易早熟、易陷入局部极值的问题,惯性因子w对算法的性能影响较大,w越大，PSO算法的全局搜索能力越强，局部搜索能力越弱；反之，w越小，PSO算法的全局搜索能力越弱，局部搜索能力越强,因此在算法迭代过程中，w的值应随着迭代的进行而变化，迭代初期应采用较大w值以保证全局搜索能力,随着迭代的进行，w值应逐渐减小，以提升算法的局部搜索能力,其中w的计算公式为：
其中wmax为最大惯性权重，d为当前迭代次数，T为最大迭代次数。
S24基于指定时段内的单位时间内网络数据的上传速度的平均值与设定网络速度的比值构建比值修正量，基于所述比值修正量对所述基础运行状态值进行修正得到运行状态值；
具体的举个例子，运行状态值的计算公式为：
其中R为比值修正量，R1为修正量阈值，P1为基础运行状态值，K1为常数，取值范围在1到2之间。
S25基于所述运行状态值进行异常状态和预警状态的确定。
具体的举个例子，若运行状态值为0.8，状态阈值为0.9，则确定所述运行状态处于异常状态。
具体的当处于预警状态时，所述RPA不再基于新的所述原始税务凭证进行自动报税，并当现有的原始税务凭证完成报税后，对所述RPA运行终端的运行状态进行确定。
具体的，所述运行状态值的取值范围在0到1之间，其中所述运行状态值越大，则所述RPA运行终端的运行可靠性越高。
通过基于RPA运行终端的实时运行内存占有率、运行温度确定运行状态值，并根据运行状态值进行异常状态的判断，从而实现了从多角度对RPA运行终端的可靠性的评估，进一步保证了RPA运行终端的可靠性评估的准确性和全面性。
S14获取RPA的指定时间内的报税成功率、报税准确率、单笔的原始税务凭证的报税平均耗时，确定所述RPA的可靠评估值，并基于所述可靠评估值判断所述RPA是否处于异常状态，若是，则暂停自动报税，若否，则进入步骤S15；
具体的，如图3所示，基于可靠评估值判断RPA是否处于异常状态的具体步骤为:
S31获取所述RPA的指定时间内的报税准确率，并判断所述报税准确率是否异常，若是，则确定所述RPA的可靠性评估值为0，RPA处于异常状态，若否，则进入步骤S32；
具体的举个例子，当RPA在指定时间内的报税准确率为97％，而设定阈值为98％，则确定所述RPA的可靠性评估值为0，RPA处于异常状态。
S32获取所述RPA的指定时间内的报税成功率，并判断所述报税成功率是否异常，若是，则确定所述RPA的可靠性评估值为0，RPA处于异常状态，若否，则进入步骤S33；
具体的举个例子，若指定时间内的报税成功率为90％，而设定阈值为95％，则确定所述RPA的可靠性评估值为0，RPA处于异常状态。
S33判断所述RPA的指定时间内的单笔的原始税务凭证的报税平均耗时是否异常，若是，则进入步骤S34，若否，则确定所述RPA的可靠性评估值为1，RPA不处于异常状态；
S34基于所述RPA的指定时间内的报税准确率、指定时间内的报税成功率、指定时间内的单笔的原始税务凭证的报税平均耗时构建输入集，采用基于机器学习算法的预测模型，得到所述RPA的可靠评估值；
具体的举个例子，所述预测模型采用基于PSO-SVR算法的预测模型，具体的构建过程此处不再进行赘述。
S35基于所述RPA的可靠评估值进行所述RPA异常状态的判断。
具体的，当所述RPA的可靠评估值小于第二可靠阈值时，并且指定时间内的所述报税成功率小于第二成功率阈值或者指定时间内的所述报税准确率小于第二准确率阈值时，确定所述RPA处于异常状态，其中所述第一可靠阈值大于第二可靠阈值，第二成功率阈值大于第一成功率阈值，第二准确率阈值大于第一准确率阈值。
通过基于RPA的指定时间内的报税成功率、报税准确率、单笔的原始税务凭证的报税平均耗时，确定所述RPA的可靠评估值，并基于可靠性评估值进行RPA的异常状态的确定，从而实现了从RPA的自身的运行状态的评估，进一步保证了最终的报税结果的准确性，防止由于PRA的运行状态存在问题导致的最终的报税异常的问题出现。
通过首先基于网络连接状态、再基于运行温度，然后基于RPA运行终端的运行状态值，最后基于RPA的可靠评估值进行异常状态的评估，从而实现了从影响程度较高到较低的角度递进式的实现对异常状态的评估，保证了异常状态的评估的全面性和准确性，保证了最终的报税结果的准确性和稳定性。
S15基于所述RPA确认所述原始税务凭证的真伪性，并当所述原始税务凭证为真时，基于所述原始税务凭证进行自动报税。
具体的，如图4所示，基于原始税务凭证进行自动报税的具体步骤为：
S41基于所述原始税务凭证进行OCR扫描，获取电子票据，并基于所述电子票据自动生成电子记账凭证，并基于所述电子凭证进行税款计算；
S42对所述税款进行校验，判断所述税款是否存在异常，若是，则返回步骤S41,若是，则进入步骤S43；
S43基于所述税款，自动登录纳税电子系统，并自动进行报税申报表的填写，并基于所述纳税申报表进行电子付款。
通过首先对所述原始税务凭证的真伪性进行确认，从而防止了由于原始税务凭证存在异常从而带来的税务风险，保证了报税结果的准确性。
实施例2
本申请实施例中提供一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时上述的一种基于RPA的企业自动报税方法。
具体的，本实施例还提供了一种计算机系统，该计算机系统包括通过系统总线连接的处理器、存储器、网络接口和数据库；其中，该计算机系统的处理器用于提供计算和控制能力；该计算机系统的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述的一种基于RPA的企业自动报税方法。
实施例3
如图5所示，本发明提供了一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种基于RPA的企业自动报税方法。
具体的，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
功能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，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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、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。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (9)

1.一种基于RPA的企业自动报税方法，其特征在于，具体包括：
基于RPA获取RPA运行终端的网络连接状态是否处于异常状态，若是，则暂停自动报税，若否，则进入下一步骤；
获取RPA运行终端的运行温度，判断所述运行温度是否处于异常状态，若是，则暂停自动报税，若否，则进入下一步骤；
获取RPA运行终端的实时运行内存占有率、运行温度得到运行状态值，并基于所述运行状态值判断是否处于异常状态，若是，则暂停自动报税，若否，则进入下一步骤；
获取RPA的指定时间内的报税成功率、报税准确率、单笔的原始税务凭证的报税平均耗时，确定所述RPA的可靠评估值，并基于所述可靠评估值判断所述RPA是否处于异常状态，若是，则暂停自动报税，若否，则进入下一步骤;
基于可靠评估值判断RPA是否处于异常状态的具体步骤为:
S31获取所述RPA的指定时间内的报税准确率，并判断所述报税准确率是否异常，若是，则确定所述RPA的可靠性评估值为0，RPA处于异常状态，若否，则进入步骤S32；
S32获取所述RPA的指定时间内的报税成功率，并判断所述报税成功率是否异常，若是，则确定所述RPA的可靠性评估值为0，RPA处于异常状态，若否，则进入步骤S33；
S33判断所述RPA的指定时间内的单笔的原始税务凭证的报税平均耗时是否异常，若是，则进入步骤S34，若否，则确定所述RPA的可靠性评估值为1，RPA不处于异常状态；
S34 基于所述RPA的指定时间内的报税准确率、指定时间内的报税成功率、指定时间内的单笔的原始税务凭证的报税平均耗时构建输入集，采用基于机器学习算法的预测模型，得到所述RPA的可靠评估值；
S35基于所述RPA的可靠评估值进行所述RPA异常状态的判断；
基于所述RPA确认所述原始税务凭证的真伪性，并当所述原始税务凭证为真时，基于所述原始税务凭证进行自动报税。
2.如权利要求1所述的企业自动报税方法，其特征在于，当所述网络连接状态处于断开状态或者指定时段内的单位时间内网络数据的上行速度的平均值小于设定网络速度时，确定所述网络连接状态处于异常状态，其中所述设定网络速度根据所述RPA运行终端单位时间处理的票据数量进行确定，其中单位时间处理的票据数量越多，则所述设定网络速度越大。
3.如权利要求1所述的企业自动报税方法，其特征在于，基于运行状态值进行异常状态的判断的具体步骤为：
获取所述RPA运行终端的实时运行内存占有率，判断所述实时运行内存占有率是否异常，若是，则将所述RPA运行终端的运行状态值设置为0，并确定处于异常状态，若否，则进入下一步骤；
基于所述运行温度进行所述运行状态的判断，并判断所述运行状态是否处于异常状态，若是，则将所述RPA运行终端的运行状态值设置为0，并确定处于异常状态，若否，则进入下一步骤；
基于所述实时运行内存占有率、运行温度构建输入集，并将所述输入集传输至基于机器学习算法的评估模型中，得到基础运行状态值；
基于指定时段内的单位时间内网络数据的上传速度的平均值与设定网络速度的比值构建比值修正量，基于所述比值修正量对所述基础运行状态值进行修正得到运行状态值；
基于所述运行状态值进行异常状态和预警状态的确定。
4.如权利要求3所述的企业自动报税方法，其特征在于，当处于预警状态时，所述RPA不再基于新的所述原始税务凭证进行自动报税，并当现有的原始税务凭证完成报税后，对所述RPA运行终端的运行状态进行确定。
5.如权利要求3所述的企业自动报税方法，其特征在于，所述运行状态值的取值范围在0到1之间，其中所述运行状态值越大，则所述RPA运行终端的运行可靠性越高。
6.如权利要求1所述的企业自动报税方法，其特征在于，当所述RPA的指定时间内的单笔的原始税务凭证的报税平均耗时大于预设时间时，则确定所述报税平均耗时存在异常。
7.如权利要求1所述的企业自动报税方法，其特征在于，基于原始税务凭证进行自动报税的具体步骤为：
基于所述原始税务凭证进行OCR扫描，获取电子票据，并基于所述电子票据自动生成电子记账凭证，并基于所述电子凭证进行税款计算；
对所述税款进行校验，判断所述税款是否存在异常，若是，则返回上一步骤,若是，则进入下一步骤；
基于所述税款，自动登录纳税电子系统，并自动进行纳税申报表的填写，并基于所述纳税申报表进行电子付款。
8.一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行权利要求1-7任一项所述的一种基于RPA的企业自动报税方法。
9.一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-7任一项所述的一种基于RPA的企业自动报税方法。
CN202310259051.5A 2023-03-17 2023-03-17 一种基于rpa的企业自动报税方法与系统 Active CN116151999B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310259051.5A CN116151999B (zh) 2023-03-17 2023-03-17 一种基于rpa的企业自动报税方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310259051.5A CN116151999B (zh) 2023-03-17 2023-03-17 一种基于rpa的企业自动报税方法与系统

Publications (2)

Publication Number Publication Date
CN116151999A CN116151999A (zh) 2023-05-23
CN116151999B true CN116151999B (zh) 2023-09-26

Family

ID=86373687

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310259051.5A Active CN116151999B (zh) 2023-03-17 2023-03-17 一种基于rpa的企业自动报税方法与系统

Country Status (1)

Country Link
CN (1) CN116151999B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116861364B (zh) * 2023-07-13 2024-02-23 杭州优时软件有限公司 基于erp系统的数据处理方法与系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107317849A (zh) * 2017-06-19 2017-11-03 深圳市盛路物联通讯技术有限公司 一种终端设备的工作状态的确定方法及设备
CN108880919A (zh) * 2018-09-14 2018-11-23 北京天安智慧信息技术有限公司 物联网设备运行状态管理方法及系统
CN109086876A (zh) * 2018-09-21 2018-12-25 广州发展集团股份有限公司 设备的运行状态检测方法、装置、计算机设备和存储介质
CN109711960A (zh) * 2018-12-28 2019-05-03 北京爱康鼎科技有限公司 报税方法及系统
CN109756395A (zh) * 2018-12-28 2019-05-14 易票联支付有限公司 一种业务数据监控方法及系统
CN115643181A (zh) * 2022-09-21 2023-01-24 湖南三湘银行股份有限公司 一种基于rpa机器人的通用数据采集系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230039566A1 (en) * 2021-07-28 2023-02-09 Infosys Limited Automated system and method for detection and remediation of anomalies in robotic process automation environment

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107317849A (zh) * 2017-06-19 2017-11-03 深圳市盛路物联通讯技术有限公司 一种终端设备的工作状态的确定方法及设备
CN108880919A (zh) * 2018-09-14 2018-11-23 北京天安智慧信息技术有限公司 物联网设备运行状态管理方法及系统
CN109086876A (zh) * 2018-09-21 2018-12-25 广州发展集团股份有限公司 设备的运行状态检测方法、装置、计算机设备和存储介质
CN109711960A (zh) * 2018-12-28 2019-05-03 北京爱康鼎科技有限公司 报税方法及系统
CN109756395A (zh) * 2018-12-28 2019-05-14 易票联支付有限公司 一种业务数据监控方法及系统
CN115643181A (zh) * 2022-09-21 2023-01-24 湖南三湘银行股份有限公司 一种基于rpa机器人的通用数据采集系统

Also Published As

Publication number Publication date
CN116151999A (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
US10902349B2 (en) Systems and methods for machine learning using a trusted model
CN116151999B (zh) 一种基于rpa的企业自动报税方法与系统
Si et al. A Wiener-process-based degradation model with a recursive filter algorithm for remaining useful life estimation
JP7379833B2 (ja) 強化学習方法、強化学習プログラム、および強化学習システム
CN111353505B (zh) 基于可联合实现语义分割和景深估计的网络模型的装置
CN116108717B (zh) 一种基于数字孪生的交通运输设备运行预测方法及装置
CN116029876B (zh) 智慧校园综合管理装置与方法
CN116257884B (zh) 一种基于流量分析的电商平台客户数据处理方法与系统
Antonio et al. A multi-state approach and flexible payment distributions for micro-level reserving in general insurance
CN112785357A (zh) 一种基于ocr的发票查验及预警系统及方法
Yan et al. Kalman filtering parameter optimization techniques based on genetic algorithm
Li et al. Data‐driven urban traffic model‐free adaptive iterative learning control with traffic data dropout compensation
KR20210117445A (ko) 도로 환경 데이터 분석을 통한 기계 학습 기반의 도로 속도 예측 방법 및 이를 기록한 기록매체
CN111680420A (zh) 一种产业政策影响的仿真系统动力学模型及其实现方法
CN115759454A (zh) 一种基于rpa+ai的光伏补贴自动结算方法与系统
Wang et al. How magic a bullet is machine learning for credit analysis? An exploration with FinTech lending data
Terzi et al. Robust predictive control with data-based multi-step prediction models
CN108446792B (zh) 一种在演化路径与规划目标之间迭代的优化方法
CN116797226A (zh) 一种基于大数据的咖啡现货交易的信息安全的评估方法
Forest Jr et al. Comment in response to" A methodology for point-in-time-through-the-cycle probability of default decomposition in risk classification systems" by M. Carlehed and A. Petrov
Alsaedi et al. Assessing the effects of solar and wind prices on the australia electricity spot and options markets using a vector autoregression analysis
WO2023193196A1 (zh) 自动驾驶测试用例生成方法、装置、电子设备及存储介质
CN116823451B (zh) 一种信贷风险控制方法与系统
CN116205473B (zh) 一种建筑施工调度方案优化方法与存储介质
CN110866538A (zh) 车辆轨迹数据获取方法、装置、计算机设备和存储介质

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