CN116883013B - 一种基于大数据的售后服务智能监管系统及方法 - Google Patents

Abstract

本发明涉及大数据领域，具体为一种基于大数据的售后服务智能监管系统及方法，所述系统包括物流运输路线筛选模块、临时调度模型构建模块、预补货运输评估模型构建模块以及最佳方案匹配模块，所述最佳方案匹配模块用于结合预补货运输评估模型构建模块的分析结果，筛选最佳预补货运输路线作为当前中转站的补货方案，本发明通过统计存在货损商品的中转站，通过分析重新补发以及临时调度两个方案的优异性，结合分析结果选择最佳方案作为当前货损中转站的补货方案，进而不仅能够降低客户对商家的差评率，而且通过合理匹配补货方案能够提高货物运输效率。

Description

一种基于大数据的售后服务智能监管系统及方法

技术领域

本发明涉及大数据领域，具体为一种基于大数据的售后服务智能监管系统及方法。

背景技术

随着交通运输的发展，各类生产类企业，尤其是电子产品生产企业往往能够将通过电商或线下门店的方式将产品销售到全国各地，随着销售范围的扩大如何为客户提供良好的售后服务就成为必须注意的问题；

而售后服务是售最重要的环节，售后服务已经成为企业保持或扩大市场份额的要件，售后服务的优劣能营销消费者的满意程度，在购买时，商品的保修、售后服务等有关规定可使顾客拜托疑虑、摇摆的形态，下定决心购买商品，优质的售后服务可以算是品牌经济的产物，在市场激烈竞争的社会，随着消费者维权意识的提高和消费观念的变化，消费者们不再只关注产品本身，在同类产品的质量与性能都能相似的情况下，更愿意选择这些拥有优质售后服务的公司；

但是目前由于物流运输的失误导致客户购买的商品存在货损现在，如何在客户需求时间内高效率采取最佳补货方案仍然是当前最大的问题。

发明内容

本发明的目的在于提供一种基于大数据的售后服务智能监管系统及方法，以解决上述背景技术中提出的问题，本发明提供如下技术方案：

一种基于大数据的售后服务智能监管方法，所述方法包括以下步骤：

S1、获取待监测区域内商家货物流通路线，通过中转站反馈信息统计存在货物破损的中转站，并结合对应中转站客户需求选择相应补货方案；

S2、基于S1分析结果，结合货物清单获取与货损商品存在相同的预补货运输路线，分析预补货运输路线与相应客户的需求关系，构建临时调度模型；

S3、根据临时调度模型筛选符合客户需求的预补货运输路线，结合不同货损商品对应的中转站筛选预补货运输路线，构建预补货运输评估模型；

S4、根据S3中构建的预补货运输评估模型进行筛选最佳预补货运输路线作为当前中转站的补货方案。

进一步的，所述S1中的方法包括以下步骤：

步骤1001、结合待监测区域内商家A货物运输路线，任意提取一条存在货损路线，记为其中/>表示由商家A将相关货物配送至中转站B的一条路线；

步骤1002、通过货物清单查询与运输路线中货损商品α相同的各个商品运输路线构成的集合，记为集合C，

C＝(C₁，C₂，C₃，...，C_n)，

其中C_n表示货物清单中与货损商品α相同的第n条预补货运输路线，n表示预补货运输路线的总个数；

步骤1003、通过历史数据获取运输路线的平均运输时间，记为/>结合中转站B处客户需求时间选择补货方法，其中将中转站B处客户需求时间记为T_B，并将中转站B处客户需求时间与运输路线/>的平均运输时间进行比较，

若则采取按当前运输路线重新补发货物，

若则采取预补货运输路线进行调度补货，其中当中转站B处执行重新补货所需时间满足客户所需时间，则针对货损商品采取重新发货操作，当中转站B处执行重新补货所需时间不满足客户所需时间，则可能遭受客户的差评，因此针对货损商品采取周边物流调度操作。

本发明通过获取待检测区域内商家A的货物运输路线，根据各个中转站反馈的信息统计存在货损的商品，通过计算重新发货所需时间是否能够满足对应收货客户的需求时间，若满足则采取重新发货方案，若不满足则对应商检可能遭到客户的差评，因此采取周边中转站临时调度方案，为后续分析如何确定最佳方案提供数据参照。

进一步的，所述S2中的方法包括以下步骤：

步骤2001、通过历史数据获取集合C中各个元素对应的平均运输时间，记为集合T_C，

其中表示货物清单中与货损商品α相同的第n条预补货运输路线的平均运输时间；

步骤2002、以商家A为原点，以经度为x轴，以维度为y轴，构建第一平面直角坐标系，并将中转站B所在位置以及预补货运输中转站所在位置映射到第一平面直角坐标系中，其中预补货运输中转站表示对应预补货运输路线中基于当前运输点的后一个中转站；

步骤2003、在第一平面直接坐标系中连接点A、点B与点n^C形成△ABn^C，提取△ABn^C，其中线段AB表示商家A运输商品至中转站B所需预测时间，线段An^C表示货物清单中与货损商品α相同的第n条预补货运输路线到对应中转站所需预测时间，所述预测时间通过历史数据获取均值得到，

将第n条预补货运输路线对应的中转站到存在货损商品α对应的中转站B所需时间的预测值，记为

其中

其中表示第一平面直角坐标系中线段AB与线段An^C之间的夹角大小；

步骤2004、重复步骤2002与步骤2003得到不同预补货运输中转站到中转站B所需时间，记为集合

结合集合构建临时调度模型，记为L_C，

L_C＝T_a&T_b，

其中

步骤2005、根据步骤2004中调度模型对集合C进行筛选，剔除L_C＝0对应的预补货运输路线，将剔除后的集合记为C^*，

其中表示剔除后的集合中第m条预补货运输路线。

本发明通过历史数据获取对应预补货运输路线到达最近中转站平均运输时间，通过将商家位置信息，货损商品对应中转站位置信息以及预补货运输路线中对应中转站的位置信息映射到平面直角坐标系中，通过构建三角形，结合余弦计算得到预补货运输路线中对应中转站到货损中转站的预计时间，进而为后续选择最佳符合货损中转站的补货方案提供数据参照。

进一步的，所述S3中的方法包括以下步骤：

步骤3001、获取步骤2005剔除后的集合，在第一平面直角坐标系中获取集合C^*中对应预补货运输路线对应中转站的位置信息；

步骤3002、结合集合C^*中对应预补货运输路线对应中转站的位置信息与中转站B的位置信息，构建预补货运输评估模型，记为

其中ω为权重值，所述权重值为数据库预设值，表示第m条预补货运输路线对应中转站在第一平面直角坐标系中的横坐标值，/>表示第m条预补货运输路线对应中转站在第一平面直角坐标系中的纵坐标值，x_B表示中转站B在第一平面直角坐标系中的横坐标值，y_B表示中转站B在第一平面直角坐标系中的纵坐标值。

本发明通过将各个预补货运输路线对应的中转站位置信息映射到平面直角坐标系中，通过计算分析得到各个预补货运输路线对应的中转站位置到货损商品中转站位置的距离信息，并结合计算结果构建预补货运输评估模型，为后续对临时调度货物进行合理分配提供数据参照。

进一步的，所述S4中的方法包括以下步骤：

步骤4001、重复步骤3002得到中转站B关联的各个预补货运输对应的评估值；

步骤4002、重复步骤1001-步骤4001得到货损商品α关联的中转站中对应关联预补货运输对应的评估值，并将对应中转站涉及的关联预补货运输评估值按由小到大顺序排序；

步骤4003、获取各个中转站的对应关联预补货运输对应的评估值最小值，并将最小值对应的预补货运输路线作为对应中转站的补货方案，

若存在相同补货方案的情况，则将相同补货方案的中转站进行归类，记为集合D，

D＝(D₁，D₂，D₃，...，D_i)，

其中D_i同一补货方案中第i个中转站，i表示存在相同补货方案的中转站总个数；

步骤4004、任意提取集合D中两个元素，构建补货方案匹配模型，记为并结合补货方案匹配模型筛选对应中转站最优补货方案，

其中T_E表示中转站E对应的客户需求时间，T_F表示中转站F对应的客户需求时间，T_W→E表示满足调度中转站W到中转站E的时间，T_W→F表示满足调度中转站W到中转站F的时间，

当则将调度中转站W作为中转站E的临时调度方案，当则将调度中转站W作为中转站F的临时调度方案；

步骤4005、重复步骤4003-步骤4004直至所有存在相同补货方案的中转站均遍历过，并将对应分析结果作为对应中转站的最终补货方案。

本发明通过分析存在相同补货方案对应的货损中转站，通过构建补货方案匹配模型进行合理分配货损补货方案。

一种基于大数据的售后服务智能监管系统，所述系统包括物流运输路线筛选模块、临时调度模型构建模块、预补货运输评估模型构建模块以及最佳方案匹配模块：

物流运输路线筛选模块：所述物流运输路线筛选模块用于获取待监测区域内对应商家货物流通路线，提取运输途中存在货物破损涉及的中转站，结合中转站客户需求设定补货方法；

临时调度模型构建模块：所述临时调度模型构建模块用于结合物流运输路线筛选模块的分析结果，分析预补货运输路线与相应客户需求之间的关系，构建临时调度模型；

预补货运输评估模型构建模块：所述预补货运输评估模型构建模块用于根据临时调度模型得到符合客户需求的预补货运输路线，结合不同货损商品对应的中转站筛选预补货运输路线，构建预补货运输评估模型；

最佳方案匹配模块：所述最佳方案匹配模块用于结合预补货运输评估模型构建模块的分析结果，筛选最佳预补货运输路线作为当前中转站的补货方案。

进一步的，所述物流运输路线筛选模块包括预补货运输路线分析单元以及补货初步判断单元：

所述预补货运输路线分析单元用于结合当前中转站出现货损的商品，通过查询货物清单匹配存在相同商品对应的运输路线，并将查询结果作为当前中转站补货方案的预选方案集；

所述补货初步判断单元用于结合物流运输时间对货损商品的补货方案进行筛选。

进一步的，所述临时调度模型构建模块包括模型构建单元以及预补货运输路线优化单元：

所述模型构建单元用于将预补货运输路线以及货损路线映射到平面直角坐标系中，并在平面直角坐标系中通过计算分析调度补货是否可行，根据判断结果构建临时调度模型；

所述预补货运输路线优化单元用于结合模型构建单元的分析结果筛选符合当前货损对应的中转站补货方案。

进一步的，所述预补货运输评估模型构建模块包括数据更新单元以及预补货运输评估单元：

所述数据更新单元用于结合临时调度模型构建单元的分析结果实时获取符合补货运输路线对应的中转站位置信息；

所述预补货运输评估单元用于结合数据更新单元的分析结果，构建预补货运输评估模型。

进一步的，所述最佳方案匹配模块包括方案归类单元以及补货方案匹配模型构建单元：

所述方案归类单元用于获取预补货运输评估模型构建模块中各个中转站关联预补货运输的评估值，将评估值最小值对应的预补货运输路线作为对应中转站的补货方案，并将同一补货方案的中转站进行归类；

所述补货方案匹配模型构建单元用于结合方案归类单元的归类结果，分析同一方案中关联中转站的补货方案的选择，结合对应中转站客户需求时间匹配最佳补货方案。

本发明通过统计存在货损商品的中转站，通过分析重新补发以及临时调度两个方案的优异性，结合分析结果选择最佳方案作为当前货损中转站的补货方案，进而不仅能够降低客户对商家的差评率，而且通过合理匹配补货方案能够提高货物运输效率。

附图说明

图1是本发明一种基于大数据的售后服务智能监管方法的流程示意图；

图2是本发明一种基于大数据的售后服务智能监管系统的模块示意图。

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。

实施例1：请参阅图1，本实施例中：

实现了一种基于大数据的售后服务智能监管方法，所述方法包括以下步骤：

S1、获取待监测区域内商家货物流通路线，通过中转站反馈信息统计存在货物破损的中转站，并结合对应中转站客户需求选择相应补货方案；

所述S1中的方法包括以下步骤：

步骤1001、结合待监测区域内商家A货物运输路线，任意提取一条存在货损路线，记为其中/>表示由商家A将相关货物配送至中转站B的一条路线；

步骤1002、通过货物清单查询与运输路线中货损商品α相同的各个商品运输路线构成的集合，记为集合C，

C＝(C₁，C₂，C₃，...，C_n)，

其中C_n表示货物清单中与货损商品α相同的第n条预补货运输路线，n表示预补货运输路线的总个数；

步骤1003、通过历史数据获取运输路线的平均运输时间，记为/>结合中转站B处客户需求时间选择补货方法，其中将中转站B处客户需求时间记为T_B，并将中转站B处客户需求时间与运输路线/>的平均运输时间进行比较，

若则采取按当前运输路线重新补发货物，

若则采取预补货运输路线进行调度补货，其中当中转站B处执行重新补货所需时间满足客户所需时间，则针对货损商品采取重新发货操作，当中转站B处执行重新补货所需时间不满足客户所需时间，则可能遭受客户的差评，因此针对货损商品采取周边物流调度操作。

S2、基于S1分析结果，结合货物清单获取与货损商品存在相同的预补货运输路线，分析预补货运输路线与相应客户的需求关系，构建临时调度模型；

所述S2中的方法包括以下步骤：

步骤2001、通过历史数据获取集合C中各个元素对应的平均运输时间，记为集合T_C，

其中表示货物清单中与货损商品α相同的第n条预补货运输路线的平均运输时间；

步骤2002、以商家A为原点，以经度为x轴，以维度为y轴，构建第一平面直角坐标系，并将中转站B所在位置以及预补货运输中转站所在位置映射到第一平面直角坐标系中，其中预补货运输中转站表示对应预补货运输路线中基于当前运输点的后一个中转站；

步骤2003、在第一平面直接坐标系中连接点A、点B与点n^C形成△ABn^C，提取△ABn^C，其中线段AB表示商家A运输商品至中转站B所需预测时间，线段An^C表示货物清单中与货损商品α相同的第n条预补货运输路线到对应中转站所需预测时间，所述预测时间通过历史数据获取均值得到，

将第n条预补货运输路线对应的中转站到存在货损商品α对应的中转站B所需时间的预测值，记为

其中

其中表示第一平面直角坐标系中线段AB与线段An^C之间的夹角大小；

步骤2004、重复步骤2002与步骤2003得到不同预补货运输中转站到中转站B所需时间，记为集合

结合集合构建临时调度模型，记为L_C，

L_C＝T_a&T_b，

其中

步骤2005、根据步骤2004中调度模型对集合C进行筛选，剔除L_C＝0对应的预补货运输路线，将剔除后的集合记为C^*，

其中表示剔除后的集合中第m条预补货运输路线。

S3、根据临时调度模型筛选符合客户需求的预补货运输路线，结合不同货损商品对应的中转站筛选预补货运输路线，构建预补货运输评估模型；

所述S3中的方法包括以下步骤：

步骤3001、获取步骤2005剔除后的集合，在第一平面直角坐标系中获取集合C^*中对应预补货运输路线对应中转站的位置信息；

步骤3002、结合集合C^*中对应预补货运输路线对应中转站的位置信息与中转站B的位置信息，构建预补货运输评估模型，记为

其中ω为权重值，所述权重值为数据库预设值，表示第m条预补货运输路线对应中转站在第一平面直角坐标系中的横坐标值，/>表示第m条预补货运输路线对应中转站在第一平面直角坐标系中的纵坐标值，x_B表示中转站B在第一平面直角坐标系中的横坐标值，y_B表示中转站B在第一平面直角坐标系中的纵坐标值。

S4、根据S3中构建的预补货运输评估模型进行筛选最佳预补货运输路线作为当前中转站的补货方案。

所述S4中的方法包括以下步骤：

步骤4001、重复步骤3002得到中转站B关联的各个预补货运输对应的评估值；

步骤4002、重复步骤1001-步骤4001得到货损商品α关联的中转站中对应关联预补货运输对应的评估值，并将对应中转站涉及的关联预补货运输评估值按由小到大顺序排序；

步骤4003、获取各个中转站的对应关联预补货运输对应的评估值最小值，并将最小值对应的预补货运输路线作为对应中转站的补货方案，

若存在相同补货方案的情况，则将相同补货方案的中转站进行归类，记为集合D，

D＝(D₁，D₂，D₃，...，D_i)，

其中D_i同一补货方案中第i个中转站，i表示存在相同补货方案的中转站总个数；

步骤4004、任意提取集合D中两个元素，构建补货方案匹配模型，记为并结合补货方案匹配模型筛选对应中转站最优补货方案，

其中T_E表示中转站E对应的客户需求时间，T_F表示中转站F对应的客户需求时间，T_W→E表示满足调度中转站W到中转站E的时间，T_W→F表示满足调度中转站W到中转站F的时间，

当则将调度中转站W作为中转站E的临时调度方案，

当则将调度中转站W作为中转站F的临时调度方案；

步骤4005、重复步骤4003-步骤4004直至所有存在相同补货方案的中转站均遍历过，并将对应分析结果作为对应中转站的最终补货方案。

本实施例中：

公开了一种基于大数据的售后服务智能监管系统(如图2所示)，所述系统用于实现方法的具体方案内容。

实施例2：设定商家A货物运输路线存在L1、L2、L3、L4和L5五条，其中运输路线L1存在3个中转站分为L11、L12和L13，运输路线L2存在1个中转站为L21，运输路线L3存在2个中转站分别为L31和L32，运输路线L4存在4个中转站分别为L41、L42、L43和L44，运输路线L5存在1个中转站为L51，

通过中转站反馈信息得知中转站L13处存在货损物品，中转站L21处存在货损物品，根据历史数据查询得到运输路线L1重新补发货物所需时间不满足中转站L13处对应客户需求时间，运输路线L2重新补发货物所需时间不满足中转站L21处对应客户需求时间，则需要对中转站L13和中转站L21采取临时调度方案，其中运输路线L3、L4和L5作为预补货运输路线，运输路线L3临近中转站L32，运输路线L4临近中转站L43，运输路线L5临近中转站L51，

通过构建平面直角坐标系，将商家A位置信息以及各个中转站的位置信息映射到平面直角坐标系中，通过计算得到各个中转站到货损中转站所需时间分别为和/>

通过分析对应中转站重新补发所需时间与相应客户需求时间得到中转站L51满足中转站L13和中转站L21的补货需求，中转站L32满足中转站L13的补货需求，但是中转站L51到中转站L13用时最短，由于需要满足中转站L13和中转站L21的补货需求，则将中转站L51作为中转站L21的补货需求，中转站L32作为中转站L13的补货需求。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

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 (8)

1.一种基于大数据的售后服务智能监管方法，其特征在于，所述方法包括以下步骤：

S1、获取待监测区域内商家货物流通路线，通过中转站反馈信息统计存在货物破损的中转站，并结合对应中转站客户需求选择相应补货方案；

S2、基于S1分析结果，结合货物清单获取与货损商品存在相同的预补货运输路线，分析预补货运输路线与相应客户的需求关系，构建临时调度模型；

S3、根据临时调度模型筛选符合客户需求的预补货运输路线，结合不同货损商品对应的中转站筛选预补货运输路线，构建预补货运输评估模型；

S4、根据S3中构建的预补货运输评估模型进行筛选最佳预补货运输路线作为当前中转站的补货方案；

所述S2中的方法包括以下步骤：

步骤2001、通过历史数据获取集合C中各个元素对应的平均运输时间，记为集合T_C，

其中表示货物清单中与货损商品α相同的第n条预补货运输路线的平均运输时间；

步骤2002、以商家A为原点，以经度为x轴，以维度为y轴，构建第一平面直角坐标系，并将中转站B所在位置以及预补货运输中转站所在位置映射到第一平面直角坐标系中，其中预补货运输中转站表示对应预补货运输路线中基于当前运输点的后一个中转站；

步骤2003、在第一平面直接坐标系中连接点A、点B与点n^C形成△ABn^C，提取△ABn^C，其中线段AB表示商家A运输商品至中转站B所需预测时间，线段An^C表示货物清单中与货损商品α相同的第n条预补货运输路线到对应中转站所需预测时间，所述预测时间通过历史数据获取均值得到，

将第n条预补货运输路线对应的中转站到存在货损商品α对应的中转站B所需时间的预测值，记为

其中

其中表示第一平面直角坐标系中线段AB与线段An^C之间的夹角大小；

步骤2004、重复步骤2002与步骤2003得到不同预补货运输中转站到中转站B所需时间，记为集合

结合集合构建临时调度模型，记为L_C，

L_C＝T_a&T_b，

其中

步骤2005、根据步骤2004中调度模型对集合C进行筛选，剔除L_C＝0对应的预补货运输路线，将剔除后的集合记为C^*，

其中表示剔除后的集合中第m条预补货运输路线；

所述S3中的方法包括以下步骤：

步骤3001、获取步骤2005剔除后的集合，在第一平面直角坐标系中获取集合C^*中对应预补货运输路线对应中转站的位置信息；

步骤3002、结合集合C^*中对应预补货运输路线对应中转站的位置信息与中转站B的位置信息，构建预补货运输评估模型，记为

其中ω为权重值，所述权重值为数据库预设值，表示第m条预补货运输路线对应中转站在第一平面直角坐标系中的横坐标值，/>表示第m条预补货运输路线对应中转站在第一平面直角坐标系中的纵坐标值，x_B表示中转站B在第一平面直角坐标系中的横坐标值，y_B表示中转站B在第一平面直角坐标系中的纵坐标值。

2.根据权利要求1所述的一种基于大数据的售后服务智能监管方法，其特征在于，所述S1中的方法包括以下步骤：

步骤1001、结合待监测区域内商家A货物运输路线，任意提取一条存在货损路线，记为其中/>表示由商家A将相关货物配送至中转站B的一条路线；

步骤1002、通过货物清单查询与运输路线中货损商品α相同的各个商品运输路线构成的集合，记为集合C，

C＝(C₁，C₂，C₃，...，C_n)，

其中C_n表示货物清单中与货损商品α相同的第n条预补货运输路线，n表示预补货运输路线的总个数；

步骤1003、通过历史数据获取运输路线的平均运输时间，记为/>结合中转站B处客户需求时间选择补货方法，其中将中转站B处客户需求时间记为T_B，并将中转站B处客户需求时间与运输路线/>的平均运输时间进行比较，

若则采取按当前运输路线重新补发货物，

若则采取预补货运输路线进行调度补货。

3.根据权利要求2所述的一种基于大数据的售后服务智能监管方法，其特征在于，所述S4中的方法包括以下步骤：

步骤4001、重复步骤3002得到中转站B关联的各个预补货运输对应的评估值；

步骤4002、重复步骤1001-步骤4001得到货损商品α关联的中转站中对应关联预补货运输对应的评估值，并将对应中转站涉及的关联预补货运输评估值按由小到大顺序排序；

步骤4003、获取各个中转站的对应关联预补货运输对应的评估值最小值，并将最小值对应的预补货运输路线作为对应中转站的补货方案，

若存在相同补货方案的情况，则将相同补货方案的中转站进行归类，记为集合D，

D＝(D₁，D₂，D₃，...，D_i)，

其中D_i同一补货方案中第i个中转站，i表示存在相同补货方案的中转站总个数；

步骤4004、任意提取集合D中两个元素，构建补货方案匹配模型，记为并结合补货方案匹配模型筛选对应中转站最优补货方案，

其中T_E表示中转站E对应的客户需求时间，T_F表示中转站F对应的客户需求时间，T_W→E表示满足调度中转站W到中转站E的时间，T_W→F表示满足调度中转站W到中转站F的时间，

当则将调度中转站W作为中转站E的临时调度方案，

当则将调度中转站W作为中转站F的临时调度方案；

步骤4005、重复步骤4003-步骤4004直至所有存在相同补货方案的中转站均遍历过，并将对应分析结果作为对应中转站的最终补货方案。

4.一种基于大数据的售后服务智能监管系统，所述系统应用于权利要求1至3中任意一项所述一种基于大数据的售后服务智能监管方法的实现，其特征在于，所述系统包括物流运输路线筛选模块、临时调度模型构建模块、预补货运输评估模型构建模块以及最佳方案匹配模块：

物流运输路线筛选模块：所述物流运输路线筛选模块用于获取待监测区域内对应商家货物流通路线，提取运输途中存在货物破损涉及的中转站，结合中转站客户需求设定补货方法；

临时调度模型构建模块：所述临时调度模型构建模块用于结合物流运输路线筛选模块的分析结果，分析预补货运输路线与相应客户需求之间的关系，构建临时调度模型；

预补货运输评估模型构建模块：所述预补货运输评估模型构建模块用于根据临时调度模型得到符合客户需求的预补货运输路线，结合不同货损商品对应的中转站筛选预补货运输路线，构建预补货运输评估模型；

最佳方案匹配模块：所述最佳方案匹配模块用于结合预补货运输评估模型构建模块的分析结果，筛选最佳预补货运输路线作为当前中转站的补货方案。

5.根据权利要求4所述的一种基于大数据的售后服务智能监管系统，其特征在于，所述物流运输路线筛选模块包括预补货运输路线分析单元以及补货初步判断单元：

所述预补货运输路线分析单元用于结合当前中转站出现货损的商品，通过查询货物清单匹配存在相同商品对应的运输路线，并将查询结果作为当前中转站补货方案的预选方案集；

所述补货初步判断单元用于结合物流运输时间对货损商品的补货方案进行筛选。

6.根据权利要求5所述的一种基于大数据的售后服务智能监管系统，其特征在于，所述临时调度模型构建模块包括模型构建单元以及预补货运输路线优化单元：

所述模型构建单元用于将预补货运输路线以及货损路线映射到平面直角坐标系中，并在平面直角坐标系中通过计算分析调度补货是否可行，根据判断结果构建临时调度模型；

所述预补货运输路线优化单元用于结合模型构建单元的分析结果筛选符合当前货损对应的中转站补货方案。

7.根据权利要求6所述的一种基于大数据的售后服务智能监管系统，其特征在于，所述预补货运输评估模型构建模块包括数据更新单元以及预补货运输评估单元：

所述数据更新单元用于结合临时调度模型构建单元的分析结果实时获取符合补货运输路线对应的中转站位置信息；

所述预补货运输评估单元用于结合数据更新单元的分析结果，构建预补货运输评估模型。

8.根据权利要求7所述的一种基于大数据的售后服务智能监管系统，其特征在于，所述最佳方案匹配模块包括方案归类单元以及补货方案匹配模型构建单元：

所述方案归类单元用于获取预补货运输评估模型构建模块中各个中转站关联预补货运输的评估值，将评估值最小值对应的预补货运输路线作为对应中转站的补货方案，并将同一补货方案的中转站进行归类；

所述补货方案匹配模型构建单元用于结合方案归类单元的归类结果，分析同一方案中关联中转站的补货方案的选择，结合对应中转站客户需求时间匹配最佳补货方案。