CN116362641A - 一种基于大数据的物流配送系统 - Google Patents
一种基于大数据的物流配送系统 Download PDFInfo
- Publication number
- CN116362641A CN116362641A CN202310273612.7A CN202310273612A CN116362641A CN 116362641 A CN116362641 A CN 116362641A CN 202310273612 A CN202310273612 A CN 202310273612A CN 116362641 A CN116362641 A CN 116362641A
- Authority
- CN
- China
- Prior art keywords
- distribution
- base station
- value
- service
- personnel
- 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.)
- Pending
Links
- 238000012937 correction Methods 0.000 claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims description 69
- 238000011156 evaluation Methods 0.000 claims description 50
- 238000012986 modification Methods 0.000 claims description 28
- 230000004048 modification Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 12
- 230000007547 defect Effects 0.000 claims description 10
- 238000004148 unit process Methods 0.000 claims description 4
- 230000006735 deficit Effects 0.000 claims description 3
- 230000007812 deficiency Effects 0.000 claims description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Images
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
- G06Q10/083—Shipping
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063118—Staff planning in a project environment
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的物流配送系统，涉及物流技术领域，用于解决目前物流配送在购物节因用户大量网购，配送人员不足而造成货物堆积，无法及时配送，造成用户体验感差和损失，同时无法根据配送基站的服务进行分析和整改，造成各基站因长时间的服务不达标而亏损的问题，包括配送中心、服务分析单元、财务分析单元、配送分析单元和运营分析单元，其中配送中心通讯连接用户端和配送基站终端；通过对配送基站进行财务分析并汇总得到待整改基站名单、待建模基站名单和待运效分析基站名单，并分别对其进行处理分析，将运营优秀的基站进行展示操作，将待建模基站名单分析得到模型值，并与待整改基站名单进行服务和配送的分析和整改。
Description
技术领域
本发明涉及物流技术领域，具体为一种基于大数据的物流配送系统。
背景技术
物流是当前社会一个重要的行业，是指充分运用现代技术和设备，将物品从供应地向接受的准确、安全、保质保量的服务模式和服务流程，涉及面非常广泛。
目前物流配送在购物节因用户大量网购，配送人员不足而造成货物堆积，无法及时配送，造成用户体验感差和损失，同时无法根据配送基站的服务进行分析和整改，造成各基站因长时间的服务不达标而亏损的问题；
为了解决上述缺陷，现提供一种基于大数据的物流配送系统。
发明内容
本发明的目的在于为了解决目前物流配送在购物节因用户大量网购，配送人员不足而造成货物堆积，无法及时配送，造成用户体验感差和损失，同时无法根据配送基站的服务进行分析和整改，造成各基站因长时间的服务不达标而亏损的问题。
本发明的目的可以通过以下技术方案实现：一种基于大数据的物流配送系统，包括配送中心及与配送中心通讯连接用户端和配送基站终端；用户通过用户端注册上传货物信息，并将其发送至配送中心进行存储；配送人员和辅助人员通过配送基站终端进行注册上传个人信息，并将其发送至配送中心进行存储；配送基站终端采集财务信息、服务信息和配送信息并上传至配送中心进行存储；还包括服务分析单元、财务分析单元、配送分析单元和运营分析单元；
财务分析单元对配送基站进行盈亏分析，生成待整改分析需求指令、运效分析需求指令和盈亏平衡建模需求指令发送至配送中心；
配送中心根据配送基站的需求指令将配送基站进行分类得到待整改基站名单、待建模基站名单和运效分析基站名单；将待整改分析基站名单和待建模基站名单发送至服务分析单元，将待整改分析基站名单发送至配送分析单元；将待运效分析基站名单发送至运营分析单元；
运营分析单元将待运效分析基站名单通过数据处理得到运营值，并据此将运营值排名前三的配送基站按名次分别标记为当年年度第一优秀基站、第二优秀基站和第三优秀基站，并进行显示通知操作；
服务分析单元将待整改分析基站名单和待建模基站名单的配送基站通过数据处理得到服务模型均值与服务值，将其进行比较分析服务状态是否达标，若服务状态不达标则进行服务整改操作并返回上一级服务分析，若服务状态达标则统计服务整改次数，若服务整改次数大于预设的整改次数时，则将该待整改分析基站标记为亏损关停基站，并将对应配送基站进行关停通知操作；
配送分析单元将待整改基站名单通过数据处理得到配送负荷值和配送能力值，当配送负荷值大于现有配送员的配送能力值，则进行选取配送辅助人员的配送整改操作。
作为本发明的一种优选实施方式，财务分析单元对配送基站的盈亏分析，具体为：
获取配送基站月营收值、月支出值和月税金值，通过数据处理得到月利润值；当利润值大于零时，标记该月份为盈利月份；当利润值等于零时，标记该月份为盈亏平衡月份；当利润值小于零时，则标记该月份为亏损月份；
分别统计盈利月份、盈亏平衡月份和亏损月份的数量和，并将其分别标记为m1、m2和m3；当m3≥m1+m2时，则生成配送基站为初步判定亏损状态；当m1≥m2+m3时，则生成配送基站为初步判定盈利状态；当m2≥m1+m3时，则生成配送基站为初步判定盈亏平衡状态；
将配送基站年度所有月份的月营收值、月支出值和月税金值进行求和操作得到年度营收值、年度支出值和年度税金值，通过数据处理得到年利润值，若年度利润值小于零时，则将配送基站标记为次级亏损判定状态；若年度利润值大于零时，则将配送基站标记为次级盈利判定状态；若年度利润值等于零时，则将配送基站标记为次级盈亏平衡判定状态；
当配送基站同时满足初步判定亏损状态和次级亏损判定状态，则生成待整改分析需求指令；当配送基站同时满足初步判定盈利状态和次级盈利判定状态时，则生成运效分析需求指令；当配送基站同时满足初步判定盈亏平衡状态和次级盈亏平衡判定状态时，则生成盈亏平衡建模需求指令。
作为本发明的一种优选实施方式，配送中心根据提取的待整改分析需求指令、盈亏平衡建模需求指令和运效分析需求指令将所有的配送基站进行分类，具体为：
将待整改分析需求指令对应的配送基站标记为待整改基站并进行集合汇总，生成待整改基站名单；将盈亏平衡建模需求指令对应的配送基站标记为待建模基站并进行集合汇总，生成待建模基站名单；将运效分析需求指令对应的配送基站标记为运效分析基站并进行集合汇总，生成运效分析基站名单。
作为本发明的一种优选实施方式，运营分析单元对运效分析基站名单进行处理，具体为：
提取运效分析基站当年年利润值api和当年盈利月份数量m1，并通过预设模型Yz＝μ×(e1×api+e2×m1)求得运营值Yz，其中e1和e2为预设权重系数，μ为修正系数；将运营值排名前三的配送基站按名次分别标记为当年年度第一优秀基站、第二优秀基站和第三优秀基站，并进行显示通知操作。
作为本发明的一种优选实施方式，服务分析单元对待整改分析基站名单和待建模基站名单进行服务分析，具体为：
A1：预设服务分析模型
其中f1、f2和f3为预设权重系数，ξ为修正系数；
A2：对待建模基站名单进行服务分析：分别获取待建模基站对应的当年年丢失和损坏货物进行赔偿金额值以及赔偿次数值和基站好评次数值，其中赔偿金额值等于模型中的qm，赔偿次数值等于模型中的dm4，基站好评次数值等于模型中的dm5，并将其代入至A1中的模型中求得的fwz为服务模型值，将所有待建模基站对应的服务模型值进行均值操作得到服务模型均值；
A3：对待整改分析基站名单进行服务分析：分别获取待整改分析基站的对应的当年年丢失和损坏货物进行赔偿金额值以及赔偿次数值和基站好评次数值，其中赔偿金额值等于模型中的qm，赔偿次数值等于模型中的dm4，基站好评次数值等于模型中的dm5，并将其代入至A1中的模型中求得的fwz为服务值；
将服务值与服务模型均值进行比较，若服务值小于服务模型均值则将其标记为服务状态不达标并进行服务整改操作，若服务值大于服务模型均值，则结束服务整改操作；统计服务整改次数，并将其标记为k，当服务整改次数k大于预设服务整改次数值时，则将该待整改分析基站标记为亏损关停基站，并进行对应配送基站进行关停通知操作。
作为本发明的一种优选实施方式，服务分析单元对配送人员的服务培训的整改步骤，具体为：
步骤一：获取待整改站点的配送人员接收到月差评次数值dm8，预设月差评次数区间Ru1，将大于预设月差评次数区间中的最大值的月差评次数值对应的月份标记为超差月，将处于预设月差评次数区间之中的月差评次数值对应的月份标记为正差月，将小于预设月差评次数区间中的最小值的月差评次数值对应的月份标记为优差月，分别统计配送人员当年超差月、正差月和优差月的数量和，并将其分别标记为m4、m5和m6，并将超差月、正差月和优差月的数量和进行均值操作得到差月平均值；
步骤二：当
且m4为m4、m5、m6中的最大值时，则将配送人员标记为重点培训配送人员；当/>
且m5为m4、m5、m6中的最大值时，则将配送人员标记为一般培训配送人员；
步骤三：预设重点培训配送人员对应一级服务培训，一般培训配送人员对应二级服务培训，预设一级服务培训对应月线下培训次数为m7、月线上培训课时为ym3，二级服务培训对应月线下培训次数为m8、月网上培训课时为ym4，其中m7＞m8且ym3＞ym4；通过数据处理得到重点培训配送人员的月培训值Px1，通过预设模型求得一般培训配送人员的月培训值Px2；
步骤四：当一般培训配送人员的月培训值大于预设一般培训值时，则将该月份标记一般不佳月，统计当年配送人员的一般不佳月的数量，当配送人员的一般不佳月的数量大于预设一般不佳月数量时，则将该员工标记为重点培训配送人员；
步骤五：当重点培训配送人员的月培训值大于预设重点培训值时，则将该月份标记为重点不佳月，统计当年配送人员的重点不佳月的数量，当配送人员的重点不佳月的数量大于预设重点不佳月数量时，则将该配送人员进行辞退通知。
作为本发明的一种优选实施方式，配送分析单元对待整改分析基站名单进行配送分析，具体为：
B1：获取待整改分析基站名单中配送基站当前的货物件数、当前流转货物数量和配送人员数量，其中流转货物数量为当前在配送状态的货物数量；
B2：获取配送人员年配送货物的件数和年工作天数，并将年配送货物的件数除以年工作天数得到该配送员每天的配送货物数量，将配送基站所有配送员的每天的配送货物数量进行均值操作，得到配送基站的平均每天配送货物数量，并将其标记为配送能力值；
B4：将当前的货物件数、当前流转货物数量和配送人员数量通过数据处理求得配送负荷值，将配送负荷值与配送能力值进行比较，当配送负荷值大于配送能力值时，则进行选取配送辅助人员操作。
作为本发明的一种优选实施方式，配送分析单元选取配送辅助人员操作的具体步骤为：
步骤一：获取待配送货物目的地、待配送货物重量；根据待配送货物目的地获取预设距离范围内的辅助人员，并将其标记为初选辅助人员；
步骤二：获取初选辅助人员的年龄和配送货物历史次数以及对应的历史配送货物重量，统计初选辅助人员的历史配送货物重量大于待配送货物重量的配送次数，并将其标记为配送有效次数；将初选辅助人员的年龄和配送有效次数通过预设模型求得初选辅助人员的配送相关值，将配送相关值处于预设相关值范围内的初选辅助人员标记为复选辅助人员；
步骤三：获取复选辅助人员的与待配送货物目的地的距离和与货物当前位置的距离，并将其进行求和操作得到配送距离；
步骤四：获取复选辅助人员的配送次数和好评次数；获取复选辅助人员的差评次数和给出差评的用户端，并将该用户端标记为第一用户端；获取第一用户端给出的差评率，差评率大于预设差评率时，则将该第一用户标记为第二用户；统计第二用户的人数，将复选辅助人员的差评次数减去第二用户人数得到有效差评次数，将配送次数、好评次数和有效差评次数通过预设模型求得配送质量值；
步骤五：获取复选辅助人员入职时长，将配送距离、配送质量值和入职时长通过预设模型求得配送值，将配送值最大的对应的复选辅助人员标记为目标辅助人员；
步骤六：向用户端发送包裹接收请求，当接收到确认配送请求时，将待配送的货物信息发送至目标辅助人员的配送基站终端，当接收到暂不配送请求和没有接收到配送请求时，将待配送货物配送到寄收点；当货物配送完成时则将目标辅助人员的配送次数增加一次。
与现有技术相比，本发明的有益效果是：
1、将待整改分析基站名单和待建模基站名单的配送基站通过数据处理得到服务模型均值与服务值，将其进行比较分析服务状态是否达标，若服务状态不达标则进行服务整改操作并返回上一级服务分析，若服务状态达标则统计服务整改次数，若服务整改次数大于预设的整改次数时，则将该待整改分析基站标记为亏损关停基站，并将对应配送基站进行关停通知操作；实现对配送基站对应的配送基站进行服务质量评估并进行及时整改，有效提高辅助人员的服务水平，避免因配送基站因长时间的服务不达标而亏损。
2、将待整改基站名单的配送基站通过数据处理得到配送负荷值和配送能力值，当配送负荷值大于配送能力值时，则进行选取辅助人员的配送整改操作，选取合适的辅助人员进行货物配送；通过向用户端发送配送请求和接收到的用户配送反馈，进行配送到用户处或者放置寄存点操作；实现减少配送跑空状况，提高货物配送的有效配送，避免因为货物堆积，造成用户体验感差和损失。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的系统总框图；
图2为本发明的连接框图；
图3为本发明的系统流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整的描述，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1-3所示，一种基于大数据的物流配送系统，包括配送中心、服务分析单元、财务分析单元、配送分析单元和运营分析单元，其中配送中心通讯连接用户端和配送基站终端；
用户通过用户端注册上传货物信息，并将其发送至配送中心进行存储；货物信息包括姓名、电话、重量和目的地；
配送人员和辅助人员通过配送基站终端进行注册上传个人信息，并将其发送至配送中心进行存储，个人信息包括姓名、年龄、入职时长和位置；
配送基站终端采集财务信息、服务信息和配送信息并上传至配送中心进行存储，财务信息包括月营收值、月支出值和月税金值，服务信息包括年丢失和损坏货物进行赔偿金额值以及赔偿次数值、基站好评次数值和月差评次数值，配送信息包括配送人员的配送次数、好评次数、当前的货物件数、当前流转货物数量和配送人员数量。
财务分析单元对配送基站的盈亏分析，具体为：
获取配送基站月营收值、月支出值和月税金值，并将其分别标记为tsj、cfj和tuj，通过预设模型pj＝tsj-cfj-tuj得到单位时间内的利润值pj，其中j表示时间段，j＝1,2,3,……n1，n1取值为正整数；
分析利润值大小：当利润值大于零时，标记该月份为盈利月份；当利润值等于零时，标记该月份为盈亏平衡月份；当利润值小于零时，则标记该月份为亏损月份；
分析配送基站年度盈利和亏损状态：分别统计盈利月份、盈亏平衡月份和亏损月份的数量和，并将其分别标记为m1、m2和m3；当m3≥m1+m2时，则生成配送基站初步判定亏损状态；当m1≥m2+m3时，则生成配送基站初步判定盈利状态；当m2≥m1+m3时，则生成配送基站为初步判定盈亏平衡状态；
当配送基站被标记为初步判定亏损状态时，则进行年度亏损分析：将配送基站年度所有月份的营收值、支出值和税金值进行求和操作得到年度营收值、年度支出值和年度税金值，并将其分别标记为asi、afi和aui，其中i表示年份，i＝1，2，3……n2，n2表示总年数，n2取值为正整数；
需要说明的是，i＝1时，表示配送基站运营的第一年，i＝2时，表示配送基站运营的第二年，i＝n2时，表示配送基站运营的第n2年；
通过预设模型api＝asi-afi-aui得到当年年度利润值api，若年度利润值api小于零时，则表明配送基站确定亏损，将配送基站标记为次级亏损判定状态；若年度利润值api大于零时，则表明配送基站确定盈利，将配送基站标记为次级盈利判定状态；若年度利润值api等于零时，则将配送基站标记为次级盈亏平衡判定状态；
当配送基站同时满足初步判定亏损状态和次级亏损判定状态，则生成待整改分析需求指令；当配送基站同时满足初步判定盈利状态和次级盈利判定状态时，则生成运效分析需求指令；当配送基站同时满足初步判定盈亏平衡状态和次级盈亏平衡判定状态时，则生成盈亏平衡建模需求指令；
生成待整改分析需求指令、运效分析需求指令和盈亏平衡建模需求指令发送至配送中心。
配送中心根据接提取的待整改分析需求指令、盈亏平衡建模需求指令和运效分析需求指令将所有的配送基站进行分类，具体为：将待整改分析需求指令对应的配送基站标记为待整改基站并进行集合汇总，生成待整改基站名单；将盈亏平衡建模需求指令对应的配送基站标记为待建模基站并进行集合汇总，生成待建模基站名单；将运效分析需求指令对应的配送基站标记为运效分析基站并进行集合汇总，生成运效分析基站名单；配送中心将待整改分析基站名单和待建模基站名单发送至服务分析单元，将待整改分析基站名单发送至配送分析单元；将待运效分析基站名单发送至运营分析单元。
运营分析单元对运效分析基站名单进行处理，具体处理步骤为：
提取运效分析基站当年年利润值api和当年盈利月份数量m1，并通过预设模型Yz＝μ×(e1×api+e2×m1)求得运营值Yz，其中e1和e2为预设权重系数，μ为修正系数；将运营值排名前三的配送基站按名次分别标记为当年年度第一优秀基站、第二优秀基站和第三优秀基站，并进行显示通知操作。
服务分析单元对待整改分析基站名单和待建模基站名单进行服务分析和服务整改，具体为：
服务分析为：
A1：预设服务分析模型
其中f1、f2和f3为预设权重系数，ξ为修正系数；
A2：对待建模基站名单进行服务分析：分别获取待建模基站对应的当年年丢失和损坏货物进行赔偿金额值以及赔偿次数值和基站好评次数值，其中赔偿金额值等于模型中的qm，赔偿次数值等于模型中的dm4，基站好评次数值等于模型中的dm5，并将其代入至A1中的模型中求得服务模型值fwz，将所有待建模基站对应的服务模型值进行均值操作得到服务模型均值；
A3：对待整改分析基站名单进行服务分析：分别获取待整改分析基站的对应的当年年丢失和损坏货物进行赔偿金额值以及赔偿次数值和基站好评次数值，其中赔偿金额值等于模型中的qm，赔偿次数值等于模型中的dm4，基站好评次数值等于模型中的dm5，并将其代入至A1中的模型中求得服务值fwz；
A4：将服务值与服务模型均值进行比较，若服务值小于服务模型均值则将其标记为服务状态不达标并进行服务整改操作，若服务值大于服务模型均值，则结束服务整改操作；统计服务整改次数，并将其标记为k，当服务整改次数k大于预设服务整改次数值时，则将该待整改分析基站标记为亏损关停基站，并进行对应配送基站进行关停通知操作。
服务整改为：
步骤一：获取待整改站点的配送人员接收到月差评次数值dm8，预设月差评次数区间Ru1，将大于预设月差评次数区间中的最大值的月差评次数值对应的月份标记为超差月，将处于预设月差评次数区间之中的月差评次数值对应的月份标记为正差月，将小于预设月差评次数区间中的最小值的月差评次数值对应的月份标记为优差月，分别统计配送人员当年超差月、正差月和优差月的数量和，并将其分别标记为m4、m5和m6，并将超差月、正差月和优差月的数量和进行均值操作得到差月平均值
步骤二：当
且m4为m4、m5、m6中的最大值时，则将配送人员标记为重点培训配送人员；当/>
且m5为m4、m5、m6中的最大值时，则将配送人员标记为一般培训配送人员；
步骤二：预设重点培训配送人员对应一级服务培训，一般培训配送人员对应二级服务培训，预设一级服务培训对应月线下培训次数m7、月线上培训课时ym3，二级服务培训对应月线下培训次数m8、月网上培训课时ym4，其中m7＞m8且ym3＞ym4；通过预设Px1＝g1×m7+g2×ym3模型求得重点培训配送人员的月培训值Px1，通过预设模型Px1＝z1×m8+z2×ym4求得一般培训配送人员的月培训值Px2；
步骤三：当一般培训配送人员的月培训值大于预设一般培训值时，则将该月份标记一般不佳月，统计当年配送人员的一般不佳月的数量，当配送人员的一般不佳月的数量大于预设一般不佳月数量时，则将该员工标记为重点培训配送人员；
步骤四：当重点培训配送人员的月培训值大于预设重点培训值时，则将该月份标记为重点不佳月，统计当年配送人员的重点不佳月的数量，当配送人员的重点不佳月的数量大于预设重点不佳月数量时，则将该配送人员进行辞退通知。
配送分析单元对待整改分析基站名单进行配送分析和选取辅助人员的配送整改，具体为：
配送分析为：
B1：获取待整改分析基站名单中配送基站当前的货物件数、当前流转货物数量和配送人员数量，并将其标记为Y1、Y2和Y3，其中流转货物数量为当前在配送状态的货物数量；
B2：获取配送人员年配送货物的件数和年工作天数，并将年配送货物的件数除以年工作天数得到该配送员每天的配送货物数量，将配送基站所有配送员的每天的配送货物数量进行均值操作，得到配送基站的平均每天配送货物数量，并将其标记为配送能力值Y4；
B4：通过预设模型
求得配送负荷值Fhz，将配送负荷值与配送能力值进行比较，当配送负荷值大于配送能力值时，则进行选取辅助人员操作；
需要说明的是，配送负荷值大于每天配送货物数量表明当前货物数量足够大，当前的配送人员无法消化当前的货物数量，会造成货物堆积的问题，此时则需要辅助人员一起进行货物配送。
选取辅助人员的配送整改为：
步骤一：获取待配送货物目的地、待配送货物重量；根据待配送货物目的地获取预设距离范围内的辅助人员，并将其标记为初选辅助人员；
步骤二：获取初选辅助人员的年龄和配送货物历史次数以及对应的历史配送货物重量，统计初选辅助人员的历史配送货物重量大于待配送货物重量的配送次数，并将其标记为配送有效次数；将初选辅助人员的年龄yh和配送有效次数ch通过预设模型
求得初选辅助人员的配送相关值ph，其中a1为预设权重系数，α为修正系数；将配送相关值处于预设相关值范围内的初选辅助人员标记为复选辅助人员；
步骤三：获取复选辅助人员的与待配送货物目的地的距离和与货物当前位置的距离，并将其进行求和操作得到配送距离Ju；
步骤四：获取复选辅助人员的配送次数、好评次数，并将其分别标记为dm1和dm2；获取复选辅助人员的差评次数和给出差评的用户端，并将该用户端标记为第一用户端；获取第一用户端给出的差评率，差评率大于预设差评率时，则说明该第一用户给出的差评没有参考价值，并将该第一用户标记为第二用户；统计第二用户的人数，将复选辅助人员的差评次数减去第二用户人数得到有效差评次数，并将其标记为dm3；通过预设模型
求得配送质量值DM，其中b1＞0＞b2；
步骤五：获取复选辅助人员入职时长，并将其标记为th，通过预设模型
求得配送值Pz，其中c1、c2和c3为预设权重系数，γ为修正系数，将配送值最大的对应的复选辅助人员标记为目标辅助人员，并将待配送的货物信息发送至目标辅助人员的移动端；
步骤六：向用户端发送包裹接收请求，当接收到确认配送请求时，将待配送的货物信息发送至目标辅助人员的配送基站，当接收到暂不配送请求和没有接收到配送请求时，将待配送货物配送到寄收点；当货物配送完成时则将目标辅助人员的配送次数增加一次。
本发明在使用时，通过分析配送基站的盈亏状况得到待运效分析基站名单、待整改分析基站名单和待建模基站名单，运效分析单元将待运效分析基站名单的配送基站通过进行数据处理得到运营值，将运营值排名前三的配送基站按名次分别标记为当年年度第一优秀基站、第二优秀基站和第三优秀基站，并进行显示通知操作，实现将运营优秀的配送基站进行展示并成为榜样作用，方便其他配送基站进行学习；服务分析单元将待整改分析基站名单和待建模基站名单的配送基站通过数据处理得到服务模型均值与服务值，将其进行比较分析服务状态是否达标，若服务状态不达标则进行服务整改操作并返回上一级服务分析，若服务状态达标则统计服务整改次数，若服务整改次数大于预设的整改次数时，则将该待整改分析基站标记为亏损关停基站，并将对应配送基站进行关停通知操作；实现对配送基站对应的配送基站进行服务质量评估并进行及时整改，有效提高辅助人员的服务水平，避免因配送基站因长时间的服务不达标而亏损；
配送分析单元将待整改基站名单对应的配送基站通过数据处理得到配送负荷值和配送能力值，当配送负荷值大于配送能力值时，则表明配送员无法在规定时间内完成当前货物的配送，则进行选取辅助人员的配送整改操作，选取合适的辅助人员进行货物配送；通过向用户端发送配送请求和接收到的用户配送反馈，进行配送到用户处或者放置寄存点操作；实现减少配送跑空状况，提高货物配送的有效配送，避免因为货物堆积，造成用户体验感差和损失。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可做很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.一种基于大数据的物流配送系统，包括配送中心及与配送中心通讯连接用户端和配送基站终端；用户通过用户端注册上传货物信息，并将其发送至配送中心进行存储；配送人员和辅助人员通过配送基站终端进行注册上传个人信息，并将其发送至配送中心进行存储；配送基站终端采集财务信息、服务信息和配送信息并上传至配送中心进行存储；其特征在于，还包括服务分析单元、财务分析单元、配送分析单元和运营分析单元；
财务分析单元对配送基站进行盈亏分析，生成待整改分析需求指令、运效分析需求指令和盈亏平衡建模需求指令发送至配送中心；
配送中心根据配送基站的需求指令将配送基站进行分类得到待整改基站名单、待建模基站名单和运效分析基站名单；将待整改分析基站名单和待建模基站名单发送至服务分析单元，将待整改分析基站名单发送至配送分析单元；将待运效分析基站名单发送至运营分析单元；
运营分析单元将待运效分析基站名单通过数据处理得到运营值，并据此将运营值排名前三的配送基站按名次分别标记为当年年度第一优秀基站、第二优秀基站和第三优秀基站，并进行显示通知操作；
服务分析单元将待整改分析基站名单和待建模基站名单的配送基站通过数据处理得到服务模型均值与服务值，将其进行比较分析服务状态是否达标，若服务状态不达标则进行服务整改操作并返回上一级服务分析，若服务状态达标则统计服务整改次数，若服务整改次数大于预设的整改次数时，则将该待整改分析基站标记为亏损关停基站，并将对应配送基站进行关停通知操作；
配送分析单元将待整改基站名单通过数据处理得到配送负荷值和配送能力值，当配送负荷值大于现有配送员的配送能力值，则进行选取配送辅助人员的配送整改操作。
2.根据权利要求1所述的一种基于大数据的物流配送系统，其特征在于，财务分析单元对配送基站的盈亏分析，具体为：
获取配送基站月营收值、月支出值和月税金值，通过数据处理得到月利润值；当利润值大于零时，标记该月份为盈利月份；当利润值等于零时，标记该月份为盈亏平衡月份；当利润值小于零时，则标记该月份为亏损月份；
分别统计盈利月份、盈亏平衡月份和亏损月份的数量和，并将其分别标记为m1、m2和m3；当m3≥m1+m2时，则生成配送基站为初步判定亏损状态；当m1≥m2+m3时，则生成配送基站为初步判定盈利状态；当m2≥m1+m3时，则生成配送基站为初步判定盈亏平衡状态；
将配送基站年度所有月份的月营收值、月支出值和月税金值进行求和操作得到年度营收值、年度支出值和年度税金值，通过数据处理得到年利润值，若年度利润值小于零时，则将配送基站标记为次级亏损判定状态；若年度利润值大于零时，则将配送基站标记为次级盈利判定状态；若年度利润值等于零时，则将配送基站标记为次级盈亏平衡判定状态；
当配送基站同时满足初步判定亏损状态和次级亏损判定状态，则生成待整改分析需求指令；当配送基站同时满足初步判定盈利状态和次级盈利判定状态时，则生成运效分析需求指令；当配送基站同时满足初步判定盈亏平衡状态和次级盈亏平衡判定状态时，则生成盈亏平衡建模需求指令。
3.根据权利要求1所述的一种基于大数据的物流配送系统，其特征在于，配送中心根据提取的待整改分析需求指令、盈亏平衡建模需求指令和运效分析需求指令将所有的配送基站进行分类，具体为：
将待整改分析需求指令对应的配送基站标记为待整改基站并进行集合汇总，生成待整改基站名单；将盈亏平衡建模需求指令对应的配送基站标记为待建模基站并进行集合汇总，生成待建模基站名单；将运效分析需求指令对应的配送基站标记为运效分析基站并进行集合汇总，生成运效分析基站名单。
4.根据权利要求1所述的一种基于大数据的物流配送系统，其特征在于，运营分析单元对运效分析基站名单进行处理，具体为：
提取运效分析基站当年年利润值和当年盈利月份数量，并通过数据处理得到运营值，将运营值排名前三的配送基站按名次分别标记为当年年度第一优秀基站、第二优秀基站和第三优秀基站，并进行显示通知操作。
5.根据权利要求1所述的一种基于大数据的物流配送系统，其特征在于，服务分析单元对待整改分析基站名单和待建模基站名单进行服务分析，具体为：
A1：预设服务分析模型
其中f1、f2和f3为预设权重系数，§为修正系数；
A2：对待建模基站名单进行服务分析：分别获取待建模基站对应的当年年丢失和损坏货物进行赔偿金额值以及赔偿次数值和基站好评次数值，其中赔偿金额值等于模型中的qm，赔偿次数值等于模型中的dm4，基站好评次数值等于模型中的dm5，并将其代入至A1中的模型中求得的fwz为服务模型值，将所有待建模基站对应的服务模型值进行均值操作得到服务模型均值；
A3：对待整改分析基站名单进行服务分析：分别获取待整改分析基站的对应的当年年丢失和损坏货物进行赔偿金额值以及赔偿次数值和基站好评次数值，其中赔偿金额值等于模型中的qm，赔偿次数值等于模型中的dm4，基站好评次数值等于模型中的dm5，并将其代入至A1中的模型中求得的fwz为服务值；
A4：将服务值与服务模型均值进行比较，若服务值小于服务模型均值则将其标记为服务状态不达标并进行服务整改操作，若服务值大于服务模型均值，则结束服务整改操作；统计服务整改次数，并将其标记为k，当服务整改次数k大于预设服务整改次数值时，则将该待整改分析基站标记为亏损关停基站，并进行对应配送基站进行关停通知操作。
6.根据权利要求4所述的一种基于大数据的物流配送系统，其特征在于，服务分析单元对配送人员的服务培训的整改步骤，具体为：
步骤一：获取待整改站点的配送人员接收到月差评次数值dm8，预设月差评次数区间Ru1，将大于预设月差评次数区间中的最大值的月差评次数值对应的月份标记为超差月，将处于预设月差评次数区间之中的月差评次数值对应的月份标记为正差月，将小于预设月差评次数区间中的最小值的月差评次数值对应的月份标记为优差月，分别统计配送人员当年超差月、正差月和优差月的数量和，并将其分别标记为m4、m5和m6，并将超差月、正差月和优差月的数量和进行均值操作得到差月平均值；
步骤二：当
且m4为m4、m5、m6中的最大值时，则将配送人员标记为重点培训配送人员；当/>
且m5为m4、m5、m6中的最大值时，则将配送人员标记为一般培训配送人员；
步骤三：预设重点培训配送人员对应一级服务培训，一般培训配送人员对应二级服务培训，预设一级服务培训对应月线下培训次数和月线上培训课时，二级服务培训对应月线下培训次数和月网上培训课时；通过数据处理得到重点培训配送人员的月培训值，通过预设模型求得一般培训配送人员的月培训值；
步骤四：当一般培训配送人员的月培训值大于预设一般培训值时，则将该月份标记一般不佳月，统计当年配送人员的一般不佳月的数量，当配送人员的一般不佳月的数量大于预设一般不佳月数量时，则将该员工标记为重点培训配送人员；
步骤五：当重点培训配送人员的月培训值大于预设重点培训值时，则将该月份标记为重点不佳月，统计当年配送人员的重点不佳月的数量，当配送人员的重点不佳月的数量大于预设重点不佳月数量时，则将该配送人员进行辞退通知。
7.根据权利要求1所述的一种基于大数据的物流配送系统，其特征在于，配送分析单元对待整改分析基站名单进行配送分析，具体为：
B1：获取待整改分析基站名单中配送基站当前的货物件数、当前流转货物数量和配送人员数量，其中流转货物数量为当前在配送状态的货物数量；
B2：获取配送人员年配送货物的件数和年工作天数，并将年配送货物的件数除以年工作天数得到该配送员每天的配送货物数量，将配送基站所有配送员的每天的配送货物数量进行均值操作，得到配送基站的平均每天配送货物数量，并将其标记为配送能力值；
B4：将当前的货物件数、当前流转货物数量和配送人员数量通过数据处理求得配送负荷值，将配送负荷值与配送能力值进行比较，当配送负荷值大于配送能力值时，则进行选取配送辅助人员操作。
8.根据权利要求6所述的一种基于大数据的物流配送系统，其特征在于，配送分析单元选取配送辅助人员操作的具体步骤为：
步骤一：获取待配送货物目的地、待配送货物重量；根据待配送货物目的地获取预设距离范围内的辅助人员，并将其标记为初选辅助人员；
步骤二：获取初选辅助人员的年龄和配送货物历史次数以及对应的历史配送货物重量，统计初选辅助人员的历史配送货物重量大于待配送货物重量的配送次数，并将其标记为配送有效次数；将初选辅助人员的年龄和配送有效次数通过预设模型求得初选辅助人员的配送相关值，将配送相关值处于预设相关值范围内的初选辅助人员标记为复选辅助人员；
步骤三：获取复选辅助人员的与待配送货物目的地的距离和与货物当前位置的距离，并将其进行求和操作得到配送距离；
步骤四：获取复选辅助人员的配送次数和好评次数；获取复选辅助人员的差评次数和给出差评的用户端，并将该用户端标记为第一用户端；获取第一用户端给出的差评率，差评率大于预设差评率时，则将该第一用户标记为第二用户；统计第二用户的人数，将复选辅助人员的差评次数减去第二用户人数得到有效差评次数，将配送次数、好评次数和有效差评次数通过预设模型求得配送质量值；
步骤五：获取复选辅助人员入职时长，将配送距离、配送质量值和入职时长通过预设模型求得配送值，将配送值最大的对应的复选辅助人员标记为目标辅助人员；
步骤六：向用户端发送包裹接收请求，当接收到确认配送请求时，将待配送的货物信息发送至目标辅助人员的配送基站终端，当接收到暂不配送请求和没有接收到配送请求时，将待配送货物配送到寄存点；当货物配送完成时则将目标辅助人员的配送次数增加一次。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310273612.7A CN116362641A (zh) | 2023-03-20 | 2023-03-20 | 一种基于大数据的物流配送系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310273612.7A CN116362641A (zh) | 2023-03-20 | 2023-03-20 | 一种基于大数据的物流配送系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116362641A true CN116362641A (zh) | 2023-06-30 |
Family
ID=86927782
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310273612.7A Pending CN116362641A (zh) | 2023-03-20 | 2023-03-20 | 一种基于大数据的物流配送系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116362641A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105404985A (zh) * | 2014-08-27 | 2016-03-16 | 大连迎达软件有限公司 | 仓库管理方法 |
| CN109205157A (zh) * | 2017-07-03 | 2019-01-15 | 北京京东尚科信息技术有限公司 | 用于服务无人物流配送载具的配送站点及配送方法 |
| CN109492967A (zh) * | 2018-10-26 | 2019-03-19 | 同济大学 | 一种智能物流方法 |
| WO2019066134A1 (ko) * | 2017-09-27 | 2019-04-04 | 서우석 | 카고비자를 이용한 물류배송시스템 및 방법 |
| CN110796413A (zh) * | 2019-10-29 | 2020-02-14 | 珠海格力电器股份有限公司 | 货物配送方法、装置、存储介质及电子设备 |
| CN112990834A (zh) * | 2021-05-11 | 2021-06-18 | 江苏荣泽信息科技股份有限公司 | 一种基于区块链和物联网的货运管理系统 |
| CN114169817A (zh) * | 2021-11-18 | 2022-03-11 | 东南大学 | 一种适用于低密度人口的乡村快递配送站选址方法 |
| CN114926077A (zh) * | 2022-06-06 | 2022-08-19 | 重庆市市政设计研究院有限公司 | 仓配一体化模式下的物流配送分配方法及系统 |
| CN115481890A (zh) * | 2022-09-14 | 2022-12-16 | 安徽协同供应链管理有限公司 | 智能供应链物流调度方法 |
| CN115578043A (zh) * | 2022-12-13 | 2023-01-06 | 深圳市中诺思科技股份有限公司 | 一种基于人工智能的物流大数据实时监控与分析处理系统 |
-
2023
- 2023-03-20 CN CN202310273612.7A patent/CN116362641A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105404985A (zh) * | 2014-08-27 | 2016-03-16 | 大连迎达软件有限公司 | 仓库管理方法 |
| CN109205157A (zh) * | 2017-07-03 | 2019-01-15 | 北京京东尚科信息技术有限公司 | 用于服务无人物流配送载具的配送站点及配送方法 |
| WO2019066134A1 (ko) * | 2017-09-27 | 2019-04-04 | 서우석 | 카고비자를 이용한 물류배송시스템 및 방법 |
| CN109492967A (zh) * | 2018-10-26 | 2019-03-19 | 同济大学 | 一种智能物流方法 |
| CN110796413A (zh) * | 2019-10-29 | 2020-02-14 | 珠海格力电器股份有限公司 | 货物配送方法、装置、存储介质及电子设备 |
| CN112990834A (zh) * | 2021-05-11 | 2021-06-18 | 江苏荣泽信息科技股份有限公司 | 一种基于区块链和物联网的货运管理系统 |
| CN114169817A (zh) * | 2021-11-18 | 2022-03-11 | 东南大学 | 一种适用于低密度人口的乡村快递配送站选址方法 |
| CN114926077A (zh) * | 2022-06-06 | 2022-08-19 | 重庆市市政设计研究院有限公司 | 仓配一体化模式下的物流配送分配方法及系统 |
| CN115481890A (zh) * | 2022-09-14 | 2022-12-16 | 安徽协同供应链管理有限公司 | 智能供应链物流调度方法 |
| CN115578043A (zh) * | 2022-12-13 | 2023-01-06 | 深圳市中诺思科技股份有限公司 | 一种基于人工智能的物流大数据实时监控与分析处理系统 |
Non-Patent Citations (2)
| Title |
|---|
| 杨登;: "基于数据仓库的物流配送系统的分析与设计", 吉林化工学院学报, no. 04, 15 August 2008 (2008-08-15), pages 75 - 79 * |
| 陈娟;: "电子商务环境下基于CRM的物流配送信息平台构建", 福建电脑, no. 06, 1 June 2007 (2007-06-01), pages 83 - 84 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104009939B (zh) | 一种服务资源分配方法和系统 | |
| CN108805443A (zh) | 一种电网性能综合评价方法和系统 | |
| CN111695842B (zh) | 配送方案确定方法、装置、电子设备及计算机存储介质 | |
| CN114169817B (zh) | 一种适用于低密度人口的乡村快递配送站选址方法 | |
| CN116362641A (zh) | 一种基于大数据的物流配送系统 | |
| CN111008463A (zh) | 一种考虑发电侧储能的容量配置优化方法、装置及设备 | |
| CN111432360B (zh) | 一种动态调整计费优先级的方法及资费语法树的加载方法 | |
| CN108615201A (zh) | 基于云端的印刷订单智能分发方法和装置 | |
| CN108695851A (zh) | 一种基于负荷分区电价的发电优化调度方法 | |
| Akinbode | A distribution-class locational marginal price (DLMP) index for enhanced distribution systems | |
| CN111967634A (zh) | 一种配电网投资项目的综合评价与优选排序方法及系统 | |
| CN116342007A (zh) | 一种关于配送业务的智能调度方法和智能调度管理系统 | |
| WO2023071374A1 (zh) | 货物的数据处理方法及装置 | |
| CN114462727B (zh) | 基于多主体联合的新能源系统能源优化调度方法及系统 | |
| CN115169739A (zh) | 基于物流供应链的考虑时效性和折扣的运输路径规划方法 | |
| CN112631187B (zh) | 基于物联网和人工智能的定制化家装监控管理系统 | |
| Yang et al. | Optimization of profit distribution method under multifactor in construction supply chain | |
| CN111598629A (zh) | 基于月度工业用电量预测确定电力市场月内交易需求方法 | |
| CN112365169A (zh) | 一种未来低碳能源框架下的电网运营评价分析方法 | |
| CN116091102B (zh) | 一种计及多重不确定性的配电系统多主体规划方法 | |
| CN115086894B (zh) | 一种短消息分发方法、系统、电子设备以及存储介质 | |
| CN115577918A (zh) | 一种碳排放计量方法、控制方法及计量系统 | |
| WO2021129831A1 (zh) | 一种车辆调配方法、装置、设备及计算机可读存储介质 | |
| Chunyang et al. | China's Outward Foreign Direct Investment and Economic Growth in Developing Countries | |
| CN106779986A (zh) | IaaS中针对弹性需求和加权异构虚拟机的在线拍卖方法 |
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 |