CN116205570B - 基于事件网的供应链应急响应方法、装置和电子设备 - Google Patents
基于事件网的供应链应急响应方法、装置和电子设备 Download PDFInfo
- Publication number
- CN116205570B CN116205570B CN202310465480.8A CN202310465480A CN116205570B CN 116205570 B CN116205570 B CN 116205570B CN 202310465480 A CN202310465480 A CN 202310465480A CN 116205570 B CN116205570 B CN 116205570B
- Authority
- CN
- China
- Prior art keywords
- node
- supply
- data
- transportation
- event
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000004044 response Effects 0.000 title claims abstract description 32
- 230000000694 effects Effects 0.000 claims abstract description 34
- 238000004519 manufacturing process Methods 0.000 claims description 51
- 239000002994 raw material Substances 0.000 claims description 42
- 238000004088 simulation Methods 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 27
- 230000007704 transition Effects 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000012384 transportation and delivery Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims 2
- 239000000047 product Substances 0.000 description 13
- 238000013068 supply chain management Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004939 coking Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 235000012431 wafers Nutrition 0.000 description 1
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于事件网的供应链应急响应方法、装置和电子设备，涉及计算机技术领域，该方法包括：首先确定供应链事件网络，供应链事件网络包括多个供应节点，每个供应节点对应有业务事件数据；然后确定外部因素数据，并将外部因素数据作用于当前供应链事件网络中，对供应节点的业务事件数据进行预测；再基于供应节点的预测业务事件数据确定多个供应节点中第一供应节点是否符合预期；如果不符合，确定符合预期的第二供应节点，并基于第二供应节点对第一供应节点进行优化。通过上述方法实现对供应链的应急响应管理，缓解了现有技术中存在的供应链管理效率低、风险大的技术问题，实现了提高供应链管理效率，降低供应风险的效果。
Description
技术领域
本发明涉及计算机技术领域，尤其是涉及一种基于事件网的供应链应急响应方法、装置和电子设备。
背景技术
供应链是指生产及流通过程中，涉及将产品或服务提供给最终用户活动的上游与下游企业所形成的网链结构，包含原料供货商、供应商、制造商、仓储商、运输商、分销商、零售商以及终端客户等多个节点。供应链管理就是指对整个供应链系统进行计划、协调、操作、控制和优化的各种活动和过程，其目标是将顾客所需的正确的产品，能够在正确的时间，按照正确的数量、质量和状态送到正确的地点，并使这一过程所耗费的总成本最小。
然而，面对经济全球化时代复杂多变的市场环境，要实现高效率的供应链管理很不容易。其中一个重要原因就是市场上每时每刻都出现大量的信息，其中蕴涵着丰富的机遇，也预示着不小的风险。但是供应链中的企业往往不能及时、准确地掌握有用的信息，因而在决策时十分茫然，难以做出正确抉择。也就是说，现有的供应链管理存在效率低、风险大的技术问题。
发明内容
本发明的目的在于提供一种基于事件网的供应链应急响应方法、装置和电子设备，以缓解现有技术中存在的供应链管理效率低、风险大的技术问题。
第一方面，本发明实施例提供了一种基于事件网的供应链应急响应方法，包括：
确定供应链事件网络，所述供应链事件网络包括多个供应节点，每个所述供应节点对应有业务事件数据；
确定外部因素数据，并将所述外部因素数据作用于所述当前供应链事件网络中，对所述供应节点的业务事件数据进行预测；
基于所述供应节点的预测业务事件数据确定多个所述供应节点中第一供应节点是否符合预期；
如果不符合，确定符合预期的第二供应节点，并基于所述第二供应节点对所述第一供应节点进行优化。
在一些可选的实现中，所述确定外部因素数据，并将所述外部因素数据作用于所述当前供应链事件网络中，对所述供应节点的业务事件数据进行预测，包括：
对多个所述供应节点进行仿真模拟；
将所述外部因素数据作用于仿真模拟的供应节点产生业务模拟数据；
基于所述业务模拟数据进行业务数据化，得到所述供应节点的预测业务事件数据。
在一些可选的实现中，对多个所述供应节点进行仿真模拟，包括：
基于事件网业务模型进行供应节点的仿真模拟；所述事件网业务模型为：EN＝(P，E，T，A，F)；其中，EN表示业务模型，P为库所的集合，E为事件的集合，T为变迁的集合，A为有向弧的集合，F为发生函数的集合。
在一些可选的实现中，所述供应节点包括：生产节点和运输节点；所述业务事件包括加工场景和运输场景；所述生产节点包括制造商，所述运输节点包括：供应商和销售商。
在一些可选的实现中，所述对多个所述供应节点进行仿真模拟，包括：
将原料信息和所述加工场景下的业务活动数据输入所述事件网业务模型，对所述加工场景进行模拟，生成生产节点的模拟业务数据；所述生产节点的模拟业务数据包括所述生产节点的利润和工期；所述原料信息包括原料价格和原料存储成本；
将物流信息和所述运输场景下的业务活动数据输入所述事件网业务模型，对所述运输场景进行模拟，生成运输节点的模拟业务数据；所述运输节点的模拟业务数据包括所述运输节点的成本和运输时效；所述物流信息包括运输方式、运输成本及运输时效。
在一些可选的实现中，所述预期包括：所述运输节点的成本不超过预算或所述运输时效在预定时间内；所述生产节点的利润不低于成本预算或所述工期在交货时间内。
在一些可选的实现中，所述第一供应节点为当前供应节点，所述第二供应节点为备选供应节点；多个所述供应节点包括所述第一供应节点和所述第二供应节点。
第二方面，提供了一种基于事件网的供应链应急响应装置。包括：
第一确定模块，用于确定供应链事件网络，所述供应链事件网络包括多个供应节点，每个所述供应节点对应有业务事件数据；
第二确定模块，用于确定外部因素数据，并将所述外部因素数据作用于所述当前供应链事件网络中，对所述供应节点的业务事件数据进行预测；
第三确定模块，用于基于所述供应节点的预测业务事件数据确定多个所述供应节点中第一供应节点是否符合预期；
优化模块，用于如果不符合，确定符合预期的第二供应节点，并基于所述第二供应节点对所述第一供应节点进行优化。
在一些可选的实现中，所述第二确定模块具体用于：
对多个所述供应节点进行仿真模拟；
将所述外部因素数据作用于仿真模拟的供应节点产生业务模拟数据；
基于所述业务模拟数据进行业务数据化，得到所述供应节点的预测业务事件数据。
在一些可选的实现中，所述第二确定模块具体用于：
基于事件网业务模型进行供应节点的仿真模拟；所述事件网业务模型为：EN＝(P，E，T，A，F)；其中，EN表示业务模型，P为库所的集合，E为事件的集合，T为变迁的集合，A为有向弧的集合，F为发生函数的集合。
在一些可选的实现中，所述供应节点包括：生产节点和运输节点；所述业务事件包括加工场景和运输场景；所述生产节点包括制造商，所述运输节点包括：供应商和销售商。
在一些可选的实现中，所述第二确定模块具体用于：
将原料信息和所述加工场景下的业务活动数据输入所述事件网业务模型，对所述加工场景进行模拟，生成生产节点的模拟业务数据；所述生产节点的模拟业务数据包括所述生产节点的利润和工期；所述原料信息包括原料价格和原料存储成本；
将物流信息和所述运输场景下的业务活动数据输入所述事件网业务模型，对所述运输场景进行模拟，生成运输节点的模拟业务数据；所述运输节点的模拟业务数据包括所述运输节点的成本和运输时效；所述物流信息包括运输方式、运输成本及运输时效。
在一些可选的实现中，所述预期包括：所述运输节点的成本不超过预算或所述运输时效在预定时间内；所述生产节点的利润不低于成本预算或所述工期在交货时间内。
在一些可选的实现中，所述第一供应节点为当前供应节点，所述第二供应节点为备选供应节点；多个所述供应节点包括所述第一供应节点和所述第二供应节点。
第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述第一方面任一项所述的方法。
本发明提供了一种基于事件网的供应链应急响应方法、装置和电子设备，该方法包括：首先确定供应链事件网络，供应链事件网络包括多个供应节点，每个供应节点对应有业务事件数据；然后确定外部因素数据，并将外部因素数据作用于当前供应链事件网络中，对供应节点的业务事件数据进行预测；再基于供应节点的预测业务事件数据确定多个供应节点中第一供应节点是否符合预期；如果不符合，确定符合预期的第二供应节点，并基于第二供应节点对第一供应节点进行优化。通过上述方法实现对供应链的应急响应管理，缓解了现有技术中存在的供应链管理效率低、风险大的技术问题，实现了提高供应链管理效率，降低供应风险的效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于事件网的供应链应急响应方法的流程示意图；
图2为本发明实施例提供的一种基于事件网的供应链应急响应方法的原理示意图；
图3为本发明实施例提供的一种基于事件网的供应链应急响应装置的结构示意图；
图4为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
供应链是指生产及流通过程中，涉及将产品或服务提供给最终用户活动的上游与下游企业所形成的网链结构，包含原料供货商、供应商、制造商、仓储商、运输商、分销商、零售商以及终端客户等多个节点。供应链管理就是指对整个供应链系统进行计划、协调、操作、控制和优化的各种活动和过程，其目标是将顾客所需的正确的产品，能够在正确的时间，按照正确的数量、质量和状态送到正确的地点，并使这一过程所耗费的总成本最小。然而，面对经济全球化时代复杂多变的市场环境，要实现高效率的供应链管理很不容易。其中一个重要原因就是市场上每时每刻都出现大量的信息，其中蕴涵着丰富的机遇，也预示着不小的风险。但是供应链中的企业往往不能及时、准确地掌握有用的信息，因而在决策时十分茫然，难以做出正确抉择。也就是说，现有的供应链管理存在效率低、风险大的技术问题。
基于此，本发明实施例提供了一种基于事件网的供应链应急响应方法、装置和电子设备，以缓解现有技术中存在的供应链管理效率低、风险大的技术问题。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种基于事件网的供应链应急响应方法进行详细介绍，参见图1所示的一种基于事件网的供应链应急响应方法的流程示意图，以及图2所示的基于事件网的供应链应急响应方法的原理图，该方法可以由电子设备执行，主要包括以下步骤S110至步骤S130：
S110，确定供应链事件网络，供应链事件网络包括多个供应节点，每个供应节点对应有业务事件数据。
S120，确定外部因素数据，并将外部因素数据作用于当前供应链事件网络中，对供应节点的业务事件数据进行预测。
可以对多个供应节点进行仿真模拟；将外部因素数据作用于仿真模拟的供应节点产生业务模拟数据；基于业务模拟数据进行业务数据化，得到供应节点的预测业务事件数据。
具体的，可以基于事件网业务模型进行供应节点的仿真模拟；该事件网业务模型可以为：EN＝(P，E，T，A，F)；其中，EN表示业务模型，P为库所的集合，E为事件的集合，T为变迁的集合，A为有向弧的集合，F为发生函数的集合。
其中，库所中包含获取的企业业务活动数据以及通过变迁产生的企业业务活动数据，事件包括影响供应链的预设事件以及通过变迁产生的影响事件；变迁表示通过物理世界的真实活动进行映射确定的状态变化，发生函数包括变迁发生的前置条件、发生的时长以及后置函数。
变迁发生的前置条件包括：变迁发生需要的时间、变迁需要的库所以及需要消耗的库所中数据（即触发变迁发生的条件）；后置函数用于计算产生变迁后的成本数据以及变迁后的事件（即：确定变迁产生的结果以及存放结果的库所）。
S130，基于供应节点的预测业务事件数据确定多个供应节点中第一供应节点是否符合预期；
S140，如果不符合，确定符合预期的第二供应节点，并基于第二供应节点对第一供应节点进行优化。
其中，该第一供应节点可以为当前供应节点，该第二供应节点可以为备选供应节点；前述多个供应节点可以包括第一供应节点和第二供应节点。
其中，为了降低计算量，可以先基于对所有的当前供应节点进行仿真模拟；将外部因素数据作用于仿真模拟的供应节点产生业务模拟数据；基于业务模拟数据进行业务数据化，得到当前供应节点的预测业务事件数据。
根据当前供应节点的预测业务事件数据进行数据分析，确定当前供应节点中不符合预期的第一供应节点。
确定与不符合预期的第一供应节点对应的多个备选供应节点，对第一供应节点对应的多个备选供应节点进行仿真模拟；将外部因素数据作用于仿真模拟的供应节点产生业务模拟数据；基于业务模拟数据进行业务数据化，得到第一供应节点对应的多个备选供应节点的预测业务事件数据。
根据当前供应节点的预测业务事件数据进行数据分析，对第一供应节点对应的多个备选供应节点的业务情况进行排序，选择排名靠前且符合预期的一个或多个作为第二供应节点。
在一些实施例中，所述供应节点包括：生产节点和运输节点；所述业务事件包括加工场景和运输场景；所述生产节点包括制造商，所述运输节点包括：供应商和销售商。
上述对多个所述供应节点进行仿真模拟，包括：将原料信息和所述加工场景下的业务活动数据输入所述事件网业务模型，对所述加工场景进行模拟，生成生产节点的模拟业务数据；所述生产节点的模拟业务数据包括所述生产节点的利润和工期；所述原料信息包括原料价格和原料存储成本；
将物流信息和所述运输场景下的业务活动数据输入所述事件网业务模型，对所述运输场景进行模拟，生成运输节点的模拟业务数据；所述运输节点的模拟业务数据包括所述运输节点的成本和运输时效；所述物流信息包括运输方式、运输成本及运输时效。
在一些实施例中，所述预期包括：所述运输节点的成本不超过预算或所述运输时效在预定时间内；所述生产节点的利润不低于成本预算或所述工期在交货时间内。
可以基于当前供应网络确定外部因素对业务数据的影响，生成模拟业务数据；模拟业务数据通过事件网和预先获取的外部环境数据对业务事件进行模拟获得；
其中，当前供应网络包括若干个供应链初始节点，以完成当前的供应业务，例如：产品的生产制造、采购、存储和运输。
参见图2，基于事件网对业务事件进行数据化获得模拟业务数据后，可以结合外部因素模拟生成当前节点的预测结果，再根据预测结果进一步将预测数据对应转换至实际业务事件中，实现对当前节点的业务数据的动态预测。其中，外部环境数据基于外部因素生成，外部因素包括但不限于：原料价格变动、运输方式变动以及技术升级变动。
也就是说，根据本实施例提供的方法可以实现在外部因素发生改变的情况下，对供应链网络节点对应的实际业务事件的动态预测，以便于后续步骤中针对该动态预测结果对供应节点进行优化，生成应急响应的供应网络，以抵消外部因素变动对供应环节造成的不利影响。
可以根据模拟业务数据确定供应链初始节点的业务完成度；业务完成度包括供应成本；供应成本包括时间成本和价格成本；当供应链初始节点的业务完成度不符合预期时，对供应链初始节点进行优化，确定供应链候补节点；供应链候补节点用于生成应急响应的供应网络。
其中，上述预期包括：基于所述供应链初始节点生成的初始供应网络的成本预期、供应能力预期以及技术产品服役周期预期。作为一个具体的示例，成本预期可以是指：组成供应网络的各个供应节点的成本期望以及实现整个供应网络的整体成本期望；通常成本期望不小于预期利润；供应能力预期可以是指供应网络的保供能力，也即在一定时间内实现指定产品的供应数量的能力；技术产品服役周期预期则是针对供应链制造节点，设备、元件、消耗品等物品的预计使用周期和技术升级周期。
本发明实施例提供的基于事件网的供应链应急响应方法，通过对外部市场环境的监控，确定关键外部因素变动时供应节点的业务完成度，从而在外部环境数据变化影响供应网络运行时及时做出响应，生成应急响应的供应网络以完成供应链业务。
在一种实施例中，上述基于当前供应网络确定外部因素对业务数据的影响，生成模拟业务数据，包括以下步骤S210至步骤S230：
S210：基于事件网建立供应节点对应业务事件的业务模型；
在本实施例中，供应节点可以包括：生产节点和运输节点；相应的业务事件包括加工场景和运输场景；在供应链中生产节点可以是制造商，如：工厂；运输节点可以是供应商和销售商，其中，供应商可以是提供原材料、备品备件或设备成品的节点。而不同类型的供应节点受相关外部因素变动的影响，例如：原料价格、运输方式以及技术升级任意一种外部因素的变动均影响生产节点对应的加工场景；而运输节点对应的运输场景受运输方式影响因素较大。
S220：获取外部环境数据和每个业务事件下的初始业务活动数据；
在本实施例中，变迁发生的前置条件可以包括外部环境数据。其中，外部环境数据包括供应链相关的原料信息和物流信息。初始业务活动数据可以包括业务事件下的库所数据、事件数据、变迁数据和发生函数。
作为一个具体的示例，原料信息可以包括原料价格和原料存储成本；物流信息包括运输方式、运输成本及运输时效。
S230：根据外部环境数据和业务活动数据，利用供应链业务模型对业务事件进行模拟，并生成模拟业务数据，以完成供应节点对应的相关业务。
在一种实施例中，上述步骤S230中根据外部环境数据和业务活动数据，利用供应链业务模型对业务事件进行模拟，并生成模拟业务数据的步骤，可以包括：
（S31）将原料信息和加工场景下的业务活动数据输入供应链业务模型，对加工场景进行模拟，生成生产节点的模拟业务数据；
其中，生产节点的模拟业务数据包括生产节点的利润和工期；
（S32）将物流信息和运输场景下的业务活动数据输入供应链业务模型，对运输场景进行模拟，生成运输节点的模拟业务数据；
其中，运输节点的模拟业务数据包括运输节点的成本和运输时效。
通过上述方法基于事件网建立供应节点相关的模型，从而对供应链进行管理，缓解了现有技术中存在的供应链管理效率低、风险大的技术问题，实现了提高供应链管理效率，降低供应风险的效果。
由于事件网本身是针对内部业务逻辑和外部市场环境的综合描述，但外部市场环境对整个供应链体系产生的影响一般很难直观探测到。基于此，本申请实施例提供的供应链应急响应方法，基于事件网构建了相关业务模型，通过对外部市场活动的监控，来为企业决策提供支撑。
作为一个具体的示例，本申请实施例提供的一种基于事件网的供应链应急响应方法，可以具体到模拟供应链各个节点的业务事件，从而可以从价格响应、保供能力以及各节点的技术迭代升级等多个外部因素的维度，对供应链进行管理。具体的，不同供应节点对应的业务事件可以包括：与原料商、供应商、厂家、服务站、用户对应的场景。
比如：针对供应链的价格响应维度，价格的变化往往从铁矿石、焦煤、晶圆等基础原材料开始，但这些原材料价格变化会对最终成品设备以及备品备件的价格造成的影响是很难直观分析的。利用本申请提供的方法，基于事件网建立多个相关节点对应的多个业务模型，即可对原材料影响目标产品价格的因素做一个综合模拟分析。
针对供应链的保供能力维度，改变运输方式（如陆运改为空运）必然带来极大的成本上升，作为企业可以通过基于事件网建立的该供应链运输节点的业务模型，预测运输网络变化造成的可能影响，并且通过供应商寻源、囤货等方式，进行相关风险的对冲，从而降低供应链管理的风险。
另外，在供应链制造节点，如：工厂企业，通常需使用设备对产品进行加工制造，再加工制造过程中使用的设备、组成设备的部分元件以及消耗品，均会存在停产、断供的可能，从而影响供应链的稳定性。这时可以通过供应链血缘的追溯以及整个产品服役周期的分析预测，来判断是否要进行替代性设计，即对该节点进行技术的升级和迭代。
本发明提供了一种基于事件网的供应链应急响应方法，包括：首先确定供应链事件网络，供应链事件网络包括多个供应节点，每个供应节点对应有业务事件数据；然后确定外部因素数据，并将外部因素数据作用于当前供应链事件网络中，对供应节点的业务事件数据进行预测；再基于供应节点的预测业务事件数据确定多个供应节点中第一供应节点是否符合预期；如果不符合，确定符合预期的第二供应节点，并基于第二供应节点对第一供应节点进行优化。通过上述方法实现对供应链的管理，缓解了现有技术中存在的供应链管理效率低、风险大的技术问题，实现了提高供应链管理效率，降低供应风险的效果。
另外，本发明实施例还提供了一种基于事件网的供应链应急响应装置，参见图3，该装置包括：
第一确定模块301，用于确定供应链事件网络，所述供应链事件网络包括多个供应节点，每个所述供应节点对应有业务事件数据；
第二确定模块302，用于确定外部因素数据，并将所述外部因素数据作用于所述当前供应链事件网络中，对所述供应节点的业务事件数据进行预测；
第三确定模块303，用于基于所述供应节点的预测业务事件数据确定多个所述供应节点中第一供应节点是否符合预期；
优化模块304，用于如果不符合，确定符合预期的第二供应节点，并基于所述第二供应节点对所述第一供应节点进行优化。
在一些实施例中，所述第二确定模块302具体用于：
对多个所述供应节点进行仿真模拟；
将所述外部因素数据作用于仿真模拟的供应节点产生业务模拟数据；
基于所述业务模拟数据进行业务数据化，得到所述供应节点的预测业务事件数据。
在一些实施例中，所述第二确定模块302具体用于：
基于事件网业务模型进行供应节点的仿真模拟；所述事件网业务模型为：EN＝(P，E，T，A，F)；其中，EN表示业务模型，P为库所的集合，E为事件的集合，T为变迁的集合，A为有向弧的集合，F为发生函数的集合。
在一些实施例中，所述供应节点包括：生产节点和运输节点；所述业务事件包括加工场景和运输场景；所述生产节点包括制造商，所述运输节点包括：供应商和销售商。
在一些实施例中，所述第二确定模块302具体用于：
将原料信息和所述加工场景下的业务活动数据输入所述事件网业务模型，对所述加工场景进行模拟，生成生产节点的模拟业务数据；所述生产节点的模拟业务数据包括所述生产节点的利润和工期；所述原料信息包括原料价格和原料存储成本；
将物流信息和所述运输场景下的业务活动数据输入所述事件网业务模型，对所述运输场景进行模拟，生成运输节点的模拟业务数据；所述运输节点的模拟业务数据包括所述运输节点的成本和运输时效；所述物流信息包括运输方式、运输成本及运输时效。
在一些实施例中，所述预期包括：所述运输节点的成本不超过预算或所述运输时效在预定时间内；所述生产节点的利润不低于成本预算或所述工期在交货时间内。
在一些实施例中，所述第一供应节点为当前供应节点，所述第二供应节点为备选供应节点；多个所述供应节点包括所述第一供应节点和所述第二供应节点。
本申请实施例所提供的基于事件网的供应链应急响应装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。本申请实施例提供的基于事件网的供应链应急响应装置与上述实施例提供的基于事件网的供应链应急响应方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
本申请实施例还提供了一种电子设备，具体的，该电子设备包括处理器和存储装置；存储装置上存储有计算机程序，计算机程序在被所述处理器运行时执行如上所述实施方式的任一项所述的方法。
图4为本申请实施例提供的一种电子设备的结构示意图，该电子设备400包括：处理器40，存储器41，总线42和通信接口43，所述处理器40、通信接口43和存储器41通过总线42连接；处理器40用于执行存储器41中存储的可执行模块，例如计算机程序。
其中，存储器41可能包含高速随机存取存储器（RAM，Random Access Memory），也可能还包括非不稳定的存储器（non-volatilememory），例如至少一个磁盘存储器。通过至少一个通信接口43（可以是有线或者无线）实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线42可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器41用于存储程序，所述处理器40在接收到执行指令后，执行所述程序，前述本发明实施例中的任一实施例揭示的流程定义的装置所执行的方法可以应用于处理器40中，或者由处理器40实现。
处理器40可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器40中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器40可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41，处理器40读取存储器41中的信息，结合其硬件完成上述方法的步骤。
对应于上述方法，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述方法的步骤。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置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，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部单元来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元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，电子设备，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。
应注意到：相似的标号和字母在附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种基于事件网的供应链应急响应方法，其特征在于，包括：
确定供应链事件网络，所述供应链事件网络包括多个供应节点，每个所述供应节点对应有业务事件数据；所述供应节点包括：生产节点和运输节点；所述业务事件包括加工场景和运输场景；所述生产节点包括制造商，所述运输节点包括：供应商和销售商；
确定外部因素数据，并将所述外部因素数据作用于当前供应链事件网络中，对所述供应节点的业务事件数据进行预测；
基于所述供应节点的预测业务事件数据确定多个所述供应节点中第一供应节点是否符合预期；所述预期包括：基于所述第一供应节点生成的所述当前供应链事件网络的成本预期、供应能力预期以及技术产品服役周期预期；所述成本预期包括：组成所述供应链事件网络的各个供应节点的成本期望以及实现整个所述供应链事件网络的整体成本期望；所述供应能力预期包括：在一定时间内实现指定产品的供应数量的能力；所述技术产品服役周期预期包括：供应制造相关节点上物品的预计使用周期和技术升级周期；
如果不符合，确定符合预期的第二供应节点，并基于所述第二供应节点对所述第一供应节点进行优化；
所述确定外部因素数据，并将所述外部因素数据作用于所述当前供应链事件网络中，对所述供应节点的业务事件数据进行预测，包括：
对多个所述供应节点进行仿真模拟；
将所述外部因素数据作用于仿真模拟的供应节点产生业务模拟数据；
基于所述业务模拟数据进行业务数据化，得到所述供应节点的预测业务事件数据；
其中，对多个所述供应节点进行仿真模拟，包括：
基于事件网业务模型进行供应节点的仿真模拟；所述事件网业务模型为：EN＝(P，E，T，A，F)；其中，EN表示业务模型，P为库所的集合，E为事件的集合，T为变迁的集合，A为有向弧的集合，F为发生函数的集合；其中，发生函数包括变迁发生的前置条件、发生的时长以及后置函数；变迁发生的前置条件包括外部环境数据；所述外部环境数据基于外部因素生成；所述外部因素包括：原料价格变动、运输方式变动以及技术升级变动；所述外部环境数据包括供应链相关的原料信息和物流信息；
所述对多个所述供应节点进行仿真模拟，还包括：
将原料信息和所述加工场景下的业务活动数据输入事件网业务模型，对所述加工场景进行模拟，生成生产节点的模拟业务数据；所述生产节点的模拟业务数据包括所述生产节点的利润和工期；所述原料信息包括原料价格和原料存储成本；
将物流信息和所述运输场景下的业务活动数据输入所述事件网业务模型，对所述运输场景进行模拟，生成运输节点的模拟业务数据；所述运输节点的模拟业务数据包括所述运输节点的成本和运输时效；所述物流信息包括运输方式、运输成本及运输时效。
2.根据权利要求1所述的方法，其特征在于，所述预期包括：所述运输节点的成本不超过预算或所述运输时效在预定时间内；所述生产节点的利润不低于成本预算或所述工期在交货时间内。
3.根据权利要求1所述的方法，其特征在于，所述第一供应节点为当前供应节点，所述第二供应节点为备选供应节点；多个所述供应节点包括所述第一供应节点和所述第二供应节点。
4.一种基于事件网的供应链应急响应装置，其特征在于，包括：
第一确定模块，用于确定供应链事件网络，所述供应链事件网络包括多个供应节点，每个所述供应节点对应有业务事件数据；所述供应节点包括：生产节点和运输节点；所述业务事件包括加工场景和运输场景；所述生产节点包括制造商，所述运输节点包括：供应商和销售商；
第二确定模块，用于确定外部因素数据，并将所述外部因素数据作用于当前供应链事件网络中，对所述供应节点的业务事件数据进行预测；
第三确定模块，用于基于所述供应节点的预测业务事件数据确定多个所述供应节点中第一供应节点是否符合预期；所述预期包括：基于所述第一供应节点生成的所述当前供应链事件网络的成本预期、供应能力预期以及技术产品服役周期预期；
优化模块，用于如果不符合，确定符合预期的第二供应节点，并基于所述第二供应节点对所述第一供应节点进行优化；
所述第二确定模块具体用于：对多个所述供应节点进行仿真模拟；将所述外部因素数据作用于仿真模拟的供应节点产生业务模拟数据；基于所述业务模拟数据进行业务数据化，得到所述供应节点的预测业务事件数据；
其中，所述第二确定模块具体用于：基于事件网业务模型进行供应节点的仿真模拟；所述事件网业务模型为：EN＝(P，E，T，A，F)；其中，EN表示业务模型，P为库所的集合，E为事件的集合，T为变迁的集合，A为有向弧的集合，F为发生函数的集合；其中，发生函数包括变迁发生的前置条件、发生的时长以及后置函数；变迁发生的前置条件包括外部环境数据；所述外部环境数据基于外部因素生成；所述外部因素 包括：原料价格变动、运输方式变动以及技术升级变动；所述外部环境数据包括供应链相关的原料信息和物流信息；
所述第二确定模块具体用于：将原料信息和所述加工场景下的业务活动数据输入事件网业务模型，对所述加工场景进行模拟，生成生产节点的模拟业务数据；所述生产节点的模拟业务数据包括所述生产节点的利润和工期；所述原料信息包括原料价格和原料存储成本；
将物流信息和所述运输场景下的业务活动数据输入所述事件网业务模型，对所述运输场景进行模拟，生成运输节点的模拟业务数据；所述运输节点的模拟业务数据包括所述运输节点的成本和运输时效；所述物流信息包括运输方式、运输成本及运输时效。
5.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至3任一项所述的方法的步骤。
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存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行所述权利要求1至3任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310465480.8A CN116205570B (zh) | 2023-04-27 | 2023-04-27 | 基于事件网的供应链应急响应方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310465480.8A CN116205570B (zh) | 2023-04-27 | 2023-04-27 | 基于事件网的供应链应急响应方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116205570A CN116205570A (zh) | 2023-06-02 |
| CN116205570B true CN116205570B (zh) | 2023-08-11 |
Family
ID=86507961
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310465480.8A Active CN116205570B (zh) | 2023-04-27 | 2023-04-27 | 基于事件网的供应链应急响应方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116205570B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113128761A (zh) * | 2021-04-19 | 2021-07-16 | 天津大学 | 一种基于遗传算法的弹性供应链网络优化方法 |
| CN114386835A (zh) * | 2022-01-12 | 2022-04-22 | 胡翠翠 | 一种具有弹性供应链的工业生产管理方法及系统 |
| CN115311011A (zh) * | 2022-08-09 | 2022-11-08 | 中国标准化研究院 | 一种基于供应链销售的电子商务采购系统 |
| CN115841293A (zh) * | 2022-12-20 | 2023-03-24 | 重庆傲林科技有限公司 | 基于事件网的备件供应链网络模型的预测方法和装置 |
| CN115860485A (zh) * | 2023-02-17 | 2023-03-28 | 南京币鑫数据科技有限公司 | 一种基于大数据和人工智能的供应链风险控制系统及方法 |
-
2023
- 2023-04-27 CN CN202310465480.8A patent/CN116205570B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113128761A (zh) * | 2021-04-19 | 2021-07-16 | 天津大学 | 一种基于遗传算法的弹性供应链网络优化方法 |
| CN114386835A (zh) * | 2022-01-12 | 2022-04-22 | 胡翠翠 | 一种具有弹性供应链的工业生产管理方法及系统 |
| CN115311011A (zh) * | 2022-08-09 | 2022-11-08 | 中国标准化研究院 | 一种基于供应链销售的电子商务采购系统 |
| CN115841293A (zh) * | 2022-12-20 | 2023-03-24 | 重庆傲林科技有限公司 | 基于事件网的备件供应链网络模型的预测方法和装置 |
| CN115860485A (zh) * | 2023-02-17 | 2023-03-28 | 南京币鑫数据科技有限公司 | 一种基于大数据和人工智能的供应链风险控制系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 信息标准化管理中供应链突发事件应急建模与协调机制研究;王静;;现代情报(01);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116205570A (zh) | 2023-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Van Horenbeek et al. | Joint maintenance and inventory optimization systems: A review | |
| Georgiadis et al. | Flexible long-term capacity planning in closed-loop supply chains with remanufacturing | |
| KR101599945B1 (ko) | 자동화된 교정 및 예측 유지보수 시스템 | |
| Fleischmann et al. | Integrating closed-loop supply chains and spare-parts management at IBM | |
| Georgiadis et al. | The impact of two-product joint lifecycles on capacity planning of remanufacturing networks | |
| Öner et al. | Optimization of component reliability in the design phase of capital goods | |
| CN103049366B (zh) | 分析计算设备在使用场景中的性能 | |
| Castellanos et al. | ibom: A platform for intelligent business operation management | |
| Tang et al. | Planned lead time determination in a make-to-order remanufacturing system | |
| Bosse et al. | Multi-objective optimization of IT service availability and costs | |
| Wang et al. | A two-stage robust programming approach to demand-driven disassembly planning for a closed-loop supply chain system | |
| US20130166350A1 (en) | Cluster based processing for forecasting intermittent demand | |
| Alqahtani et al. | Money-back guarantee warranty policy with preventive maintenance strategy for sensor-embedded remanufactured products | |
| Miikkulainen et al. | Sentient ascend: AI-based massively multivariate conversion rate optimization | |
| KR20130066500A (ko) | 노후 예측 툴 | |
| US20100125487A1 (en) | System and method for estimating settings for managing a supply chain | |
| Afsahi et al. | A stochastic simulation-optimization model for base-warranty and extended-warranty decision-making of under-and out-of-warranty products | |
| JP2007233944A (ja) | 商品販売予測システム | |
| Zhang et al. | The System Dynamics Model in Electronic Products Closed‐Loop Supply Chain Distribution Network with Three‐Way Recovery and the Old‐for‐New Policy | |
| Tambe et al. | A novel approach for production scheduling of a high pressure die casting machine subjected to selective maintenance and a sampling procedure for quality control | |
| Tickoo et al. | Testing effort based modeling to determine optimal release and patching time of software | |
| Thakkar et al. | A framework for measurement based performance modeling | |
| CN113469598A (zh) | 智慧供应链系统及服务器平台 | |
| CN116205570B (zh) | 基于事件网的供应链应急响应方法、装置和电子设备 | |
| Alqahtani et al. | Warranty and preventive maintenance analysis for sustainable reverse supply chains |
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 |