CN117094626A - 一种基于大数据的第四方汽配物流平台及管理方法 - Google Patents
一种基于大数据的第四方汽配物流平台及管理方法 Download PDFInfo
- Publication number
- CN117094626A CN117094626A CN202311094466.8A CN202311094466A CN117094626A CN 117094626 A CN117094626 A CN 117094626A CN 202311094466 A CN202311094466 A CN 202311094466A CN 117094626 A CN117094626 A CN 117094626A
- Authority
- CN
- China
- Prior art keywords
- information
- accessory
- warehouse
- unit
- distribution
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 146
- 238000007726 management method Methods 0.000 title claims abstract description 16
- 238000012423 maintenance Methods 0.000 claims abstract description 171
- 238000000034 method Methods 0.000 claims abstract description 61
- 238000003860 storage Methods 0.000 claims abstract description 58
- 238000003066 decision tree Methods 0.000 claims abstract description 25
- 230000008439 repair process Effects 0.000 claims description 76
- 230000003044 adaptive effect Effects 0.000 claims description 16
- 238000012546 transfer Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 7
- 230000001360 synchronised effect Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 13
- 238000004519 manufacturing process Methods 0.000 description 50
- 230000006870 function Effects 0.000 description 19
- 238000004590 computer program Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 238000013139 quantization Methods 0.000 description 12
- 239000003446 ligand Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 230000001960 triggered effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000014759 maintenance of location Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- SQQCWHCJRWYRLB-UHFFFAOYSA-N 2,3,4,5,6-pentahydroxy-1-[4-[4-[(2,3,4,5,6-pentahydroxy-1-sulfohexyl)amino]phenyl]sulfonylanilino]hexane-1-sulfonic acid Chemical compound C1=CC(NC(C(O)C(O)C(O)C(O)CO)S(O)(=O)=O)=CC=C1S(=O)(=O)C1=CC=C(NC(C(O)C(O)C(O)C(O)CO)S(O)(=O)=O)C=C1 SQQCWHCJRWYRLB-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000011218 segmentation Effects 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
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- G06Q10/0633—Workflow 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Computing Systems (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请的实施例提供了一种基于大数据的第四方汽配物流平台及管理方法。其中,管理方法包括:在维修单位、配件供应商、交易平台以及配送单位之间构建汽配链,在维修单位触发维修需求之后,对维修需求进行分析,确定待用配件及其对应的优先级;之后基于上述信息通过预先基于决策树构建的自适应配送模型在仓储单位的仓储信息中进行匹配,确定待用配件对应的目标仓储,并将订单下达至该目标仓储中,基于优先级调用配送单位的物流资源进行配送,并将配件需求信息同步至配件供应商,同时协同其他流程手续的处理,本申请实施例的技术方案提高了汽配的运送效率。
Description
本申请是申请日为2022年9月2日、中国申请号为202211069107.2、发明名称为“基于大数据的第四方汽配物流平台及管理方法”的发明申请的分案申请。
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种基于大数据的汽配物流第四方汽配物流平台、管理方法、计算机可读介质及电子设备。
背景技术
整个汽配的发展离不开物流,甚至可以说是相辅相成,汽配供应链实质上就是商流和物流的结合。汽车后市场比较难做好的一个关键点就是汽配物流配送版块,短时间内无法建立一个能够满足大部分客户配送需求的物流配送解决体系,运送效率较低。
发明内容
本申请的实施例提供了一种基于大数据的第四方汽配物流平台、管理方法、计算机可读介质及电子设备,进而可以建立在线化的第四方汽配物流平台,提高汽配的运送效率。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种基于大数据的第四方汽配物流管理方法,包括:在维修单位、配件供应商、交易平台以及配送单位之间构建基于云平台的汽配链;在维修单位触发维修需求之后,对维修需求进行分析,确定待用配件标识以及待用配件对应的优先级;基于所述待用配件标识及其对应优先级,通过预先基于决策树构建的自适应配送模型在仓储单位中确定待用配件对应的目标仓储,维修单位通过所述交易平台从所述配件供应商建立订单流,所述配件供应商向所述维修单位建立物流;基于所述待用配件标识生成订单,并将订单下达至所述目标仓储;从目标仓储中提取所述待用配件,基于所述优先级调用配送单位的物流资源进行配送,并跟踪配送进度生成物流信息。
在本申请的一些实施例中,基于前述方案,所述维修需求包括第一类别维修需求和第二类别维修需求,所述第一类别维修需求指维修信息中的配件种类和数量确定,所述第二类别维修需求指维修信息的配件种类和数量不确定;在确定待用配件标识以及待用配件对应的优先级之前,还包括:确定属于第一类维修需求还是第二类维修需求;如果是第一类维修需求,则获取各个配件的标识;如果是第二类维修需求,则根据模糊识别算法,匹配出必修配件和选修配件。
在本申请的一些实施例中,基于前述方案,所述第二类维修需求为车辆碰撞后维修需求,所述如果是第二类维修需求,则根据模糊识别算法,匹配出必修配件和选修配件,包括:获取车辆的多张图像,对所图像进行识别,根据所述模糊识别算法确定所述车型以及故障区域;确定所述故障区域残缺的必修配件,并根据所述车型匹配选修配件。
在本申请的一些实施例中,基于前述方案,所述对维修需求进行分析,确定待用配件标识以及待用配件对应的优先级,包括:识别所述维修需求中各文字标识对应的文字内容,确定包含配件标识的标识字段;将所述标识字段作为所述待用配件标识;从配件库中确定待用配件的配件信息,其中所述配件信息包括数量信息、费用信息、生产数据以及存储信息;对所述配件信息进行量化,得到量化信息;基于所述量化信息确定所述待用配件的优先参数;基于所述优先参数确定所述待用配件对应的优先级。
在本申请的一些实施例中,基于前述方案,所述对所述配件信息进行量化,得到量化信息,包括:获取所述配件信息中生产数据对应的生产极值信息;基于所述生产极值信息和所述生产数据之间的差值对所述配件信息进行量化,确定生产数据对应的量化信息。
在本申请的一些实施例中,基于前述方案,所述基于所述待用配件标识及其对应优先级,通过预先基于决策树构建的自适应配送模型在仓储单位中确定待用配件对应的目标仓储,包括:从仓储单位的仓储信息中确定与所述待用配件标识匹配的至少一个备用仓储;基于所述备用仓储的信息和待用配件的信息估计物流时间;基于所述物流时间、待用配件的优先级和所述运送难度参数,通过预先构建的自适应配送模型从所述仓储单位中确定待用配件对应的目标仓储。
在本申请的一些实施例中,基于前述方案,从仓储单位的仓储信息中确定与所述待用配件标识匹配的至少一个备用仓储,包括:基于所述必修配件和选修配件的配件信息,根据预先构建的仓储网络,分别确定必修配件的目标仓储和选修配件的目标仓储;或者,基于所述必修配件和选修配件的配件信息,确定配件组合信息,根据预先构建的仓储网络确定所述配件组合的目标仓储。
在本申请的一些实施例中,基于前述方案,基于所述备用仓储的信息和待用配件的信息估计物流时间,包括:根据物流运力参数、仓储位置和维修单位之间的距离、配件体积以及运输难度等级中的至少一个维度确定各备用仓储对应的物流时间;
基于所述物流时间、待用配件的优先级和运送难度参数,通过预先构建的自适应配送模型从所述仓储单位中确定待用配件对应的目标仓储,包括:基于预先基于决策树训练的得到的自适应配送模型,将所述待用配件对应的运输难度参数、各备用仓储对应的物流时间以及所述待用配件的优先级输入所述自适应配送模型中,输出各备用仓储对应的损失函数值;确定所述损失函数值最小时对应的仓储标识,将所述仓储标识对应的仓储作为所述目标仓储。
在本申请的一些实施例中,基于前述方案,所述方法还包括:若所述仓储单位的仓储信息未匹配到所述待用配件标识对应的配件信息,则将所述配件需求发送至对应的配件供应商;获取所述配件供应商返回的生产调度回执。
在本申请的一些实施例中,基于前述方案,所述从目标仓储中进行配件提取和配送,并跟踪配送进度生成物流信息之后,还包括:将所述物流信息同步至所述维修单位和所述目标仓储;在获取到维修单位触发的签收信息时,同步配件配送完成信息至汽配链中。
在本申请的一些实施例中,基于前述方案,所述方法还包括:基于区块链技术,生成维修单位、配件供应商、交易平台以及配送单位分别对应的区块链节点;根据区块链共识机制,在所述区块链节点之间流转处理汽配维修订单;对不同状态下的汽配维修订单进行记账,并同步至其他区块链节点中。
在本申请的一些实施例中,基于前述方案,所述方法还包括:当所述物流信息为已签收时,触发所述维修配件对应的转款信息;将所述转款信息发送至所述维修单位,以支付所述维修配件的款项;在获取到维修单位发送的支付完成信息、和仓储单位发送的收款信息时,触发配件交易完成信息。
根据本申请实施例的一个方面,提供了一种基于大数据的第四方汽配物流平台,包括:
云平台单元,用于在维修单位、配件供应商、交易平台以及配送单位之间构建基于云平台的汽配链;
分析单元,用于在维修单位触发维修需求之后,对维修需求进行分析,确定待用配件标识以及待用配件对应的优先级;
匹配单元,用于基于所述待用配件标识及其对应优先级,通过预先基于决策树构建的自适应配送模型在仓储单位中确定待用配件对应的目标仓储;
订单单元,用于基于所述待用配件标识生成订单,并将订单下达至所述目标仓储;
物流单元,用于从目标仓储中提取所述待用配件,基于所述优先级调用配送单位的物流资源进行配送并跟踪配送进度生成物流信息。
在本申请的一些实施例中,基于前述方案,所述对维修需求进行分析,确定待用配件标识以及待用配件对应的优先级,包括:识别所述维修需求中各文字标识对应的文字内容,确定包含配件标识的标识字段;将所述标识字段作为所述待用配件标识;从配件库中确定待用配件的配件信息,其中所述配件信息包括数量信息、费用信息、生产数据以及存储信息;对所述配件信息进行量化,得到量化信息;基于所述量化信息确定所述待用配件的优先参数;基于所述优先参数确定所述待用配件对应的优先级。
在本申请的一些实施例中,基于前述方案,所述对所述配件信息进行量化,得到量化信息,包括:获取所述配件信息中生产数据对应的生产极值信息;基于所述生产极值信息和所述生产数据之间的差值对所述配件信息进行量化,确定生产数据对应的量化信息。
在本申请的一些实施例中,基于前述方案,所述基于所述待用配件标识及其对应优先级,通过预先基于决策树构建的自适应配送模型在仓储单位中确定待用配件对应的目标仓储,包括:从仓储单位的仓储信息中确定与所述待用配件标识匹配的至少一个备用仓储;基于所述备用仓储的信息和待用配件的信息估计物流时间;基于所述物流时间、待用配件的优先级和所述运送难度参数,通过预先构建的自适应配送模型从所述仓储单位中确定待用配件对应的目标仓储。
在本申请的一些实施例中,基于前述方案,从仓储单位的仓储信息中确定与所述待用配件标识匹配的至少一个备用仓储,包括:基于所述必修配件和选修配件的配件信息,根据预先构建的仓储网络,分别确定必修配件的目标仓储和选修配件的目标仓储;或者,基于所述必修配件和选修配件的配件信息,确定配件组合信息,根据预先构建的仓储网络确定所述配件组合的目标仓储。
在本申请的一些实施例中,基于前述方案,基于所述备用仓储的信息和待用配件的信息估计物流时间,包括:根据物流运力参数、仓储位置和维修单位之间的距离、配件体积以及运输难度等级中的至少一个维度确定各备用仓储对应的物流时间;
基于所述物流时间、待用配件的优先级和运送难度参数,通过预先构建的自适应配送模型从所述仓储单位中确定待用配件对应的目标仓储,包括:基于预先基于决策树训练的得到的自适应配送模型,将所述待用配件对应的运输难度参数、各备用仓储对应的物流时间以及所述待用配件的优先级输入所述自适应配送模型中,输出各备用仓储对应的损失函数值;确定所述损失函数值最小时对应的仓储标识,将所述仓储标识对应的仓储作为所述目标仓储。
在本申请的一些实施例中,基于前述方案,所述维修需求包括第一类别维修需求和第二类别维修需求,所述第一类别维修需求指维修信息中的配件种类和数量确定,所述第二类别维修需求指维修信息的配件种类和数量不确定;在确定待用配件标识以及待用配件对应的优先级之前,还包括:确定属于第一类维修需求还是第二类维修需求;如果是第一类维修需求,则获取各个配件的标识;如果是第二类维修需求,则根据模糊识别算法,匹配出必修配件和选修配件。
在本申请的一些实施例中,基于前述方案,所述第二类维修需求为车辆碰撞后维修需求,所述如果是第二类维修需求,则根据模糊识别算法,匹配出必修配件和选修配件,包括:获取车辆的多张图像,对所图像进行识别,根据所述模糊识别算法确定所述车型以及故障区域;确定所述故障区域残缺的必修配件,并根据所述车型匹配选修配件。
在本申请的一些实施例中,基于前述方案,所述从目标仓储中进行配件提取和配送,并跟踪配送进度生成物流信息之后,还包括:将所述物流信息同步至所述维修单位和所述目标仓储;在获取到维修单位触发的签收信息时,同步配件配送完成信息至汽配链中。
在本申请的一些实施例中,基于前述方案,还包括:基于区块链技术,生成维修单位、配件供应商、交易平台以及配送单位分别对应的区块链节点;根据区块链共识机制,在所述区块链节点之间流转处理汽配维修订单;对不同状态下的汽配维修订单进行记账,并同步至其他区块链节点中。
在本申请的一些实施例中,基于前述方案,还包括:当所述物流信息为已签收时,触发所述维修配件对应的转款信息;将所述转款信息发送至所述维修单位,以支付所述维修配件的款项;在获取到维修单位发送的支付完成信息、和仓储单位发送的收款信息时,触发配件交易完成信息。
在本申请的一些实施例中,基于前述方案,所述系统还包括:发送单元,用于若所述仓储单位的仓储信息未匹配到所述待用配件标识对应的配件信息,则将所述配件需求发送至对应的配件供应商;获取单元,用于获取所述配件供应商返回的生产调度回执。
根据本申请实施例的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例中所述的基于大数据的第四方汽配物流管理方法。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的基于大数据的第四方汽配物流管理方法。
根据本申请实施例的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的基于大数据的第四方汽配物流管理方法。
在本申请的一些实施例所提供的技术方案中,在维修单位、配件供应商、交易平台以及配送单位之间构建汽配链,在维修单位触发维修需求之后,对维修需求进行分析,确定待用配件及其对应的优先级;之后基于所述待用配件标识及其对应优先级,通过预先基于决策树构建的自适应配送模型在仓储单位中确定待用配件对应的目标仓储,并将订单下达至该目标仓储中,基于优先级调用配送单位的物流资源进行配送,并将配件需求信息同步至配件供应商,同时协同其他流程手续的处理,本申请实施例的技术方案提高了汽配的运送效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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示出了根据本申请的一个实施例的基于大数据的第四方汽配物流管理方法的流程图;
图2示出了根据本申请的一个实施例的汽配链的示意图;
图3示出了根据本申请的一个实施例的确定维修需求种类的流程图;
图4示出了根据本申请的一个实施例的确定待用配件信息的流程图;
图5示出了根据本申请的一个实施例的基于大数据的第四方汽配物流平台的示意图;
图6示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
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范例;相反,提供这些实施方式使得本申请将更加全面和完整,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。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法及系统、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
图1示出了根据本申请的一个实施例的基于大数据的第四方汽配物流管理方法的流程图。参照图1所示,该基于大数据的第四方汽配物流管理方法至少包括步骤S110至步骤S150,详细介绍如下:
在步骤S110中,在维修单位、配件供应商、交易平台以及配送单位之间构建基于云平台的汽配链。
在本申请的一个实施例中,在整个汽车维修流程中,涉及到多家机构或者单位,比如维修单位、配件供应商、交易平台以及配送单位等。因此,本实施例中在上述机构或者单位之间构建基于云平台的汽配链,以将多个业务归属到一个系统中进行协调处理。
如图2所示,本实施例中以仓储为中心,通过基于异地中低频交易网络构建网络①、基于本地高频交易网络构建网络②-1,同时通过干线物流将上述两个网络链接;之后构建以城市汽配城为中心的交易网络②-2,构建商家供应服务网络③、维修厂至C端(车主端)网络④,通过上述网络之间的协同连接,实现基于维修单位、配件供应商、交易平台以及配送单位之间的汽配链。
可选的,本实施例中上述不同类型的机构(或者单位)可以是两个或者两个以上,以保证正常业务的运转。
本实施例中的云平台基于维修单位、配件供应商、交易平台的信息构建的数据模块;基于人工智能中的机器学习技术构建的交易模块,所述交易模块用于进行交易匹配、智能报价、按需服务分流。本实施例中的云平台基于行业数据及平台历史累计的交易数据,利用人工智能中的机器学习技术,通过构建汽配行业交易匹配模型和算法,实现了自动交易匹配、智能报价、按需服务分流功能,通过不断的自我优化和改善极大提升了交易效率。
在本申请的一个实施例中,在本申请的一个实施例中,所述方法还包括:
基于区块链技术,生成维修单位、配件供应商、交易平台以及配送单位分别对应的区块链节点;
根据区块链共识机制,在所述区块链节点之间流转处理汽配维修订单;
对不同状态下的汽配维修订单进行记账,并同步至其他区块链节点中。
具体的,本实施例中基于区块链技术,将维修单位、配件供应商、交易平台以及配送单位作为区块链节点,以构建基于区块链网络的汽配系统。通过在区块链网络中进行汽配维修订单流转、调配等处理,并对不同状态下的汽配维修订单进行记账,并同步至其他区块链节点中。通过上述方式达到数据难以篡改和去中心化的目的,基于这两个特点,区块链所记录的信息更加真实可靠。
在本申请一实施例中,维修需求包括第一类别维修需求和第二类别维修需求,其中,第一类别维修需求指维修信息中的配件种类和数量确定,第二类别维修需求指维修信息的配件种类和数量不确定,这种情况下需要进行配件量化来完成。
参考图3,示出了根据本申请的一个实施例的确定维修需求种类的流程图。在本申请一实施例中,在确定待用配件标识以及待用配件对应的优先级之前,还包括:
步骤S210,确定属于第一类维修需求还是第二类维修需求;如果是第一类维修需求,则执行步骤S220;如果是第二类维修需求,则执行步骤S230;
步骤S220,获取各个配件的标识;
步骤S230,根据模糊识别算法,匹配出必修配件和选修配件。
本实施例中在获取到维修需求之后,先进行判断,确定维修需求是属于第一类维修需求还是第二类维修需求。如果是第一类维修需求,则表示具有明确的配件信息,则获取各个配件的标识;如果是第二类维修需求,则根据模糊识别算法,匹配出必修配件和选修配件。
示例性的,如果第二类维修需求为车辆碰撞后维修需求,则获取车辆的多张图像,对所图像进行识别,根据所述模糊识别算法确定所述车型以及故障区域;确定所述故障区域残缺的必修配件,并根据所述车型匹配选修配件。具体的,本实施例中的模糊识别算法可以是基于拉普拉斯算子的模糊算法,通过获取车辆同一位置处对应的多张图像,对多张图像进行灰度处理,得到灰度图像,之后对灰度图像进行拉普拉斯变化,并对变化之后的图像求取方差,之后基于设定的阈值来判别图片是否清晰,以对清晰图像进行分割处理,确定车型以及故障区域。之后基于车型和故障区域,以及车型对应的原始故障图,对故障区域的爆炸图进行复原,删除残留配件或者完好的配件,便可以获取缺失配件。同时,我们将故障区域残缺的配件作为必修配件,并将根据车型匹配得到的配件作为选修配件。
在步骤S120中,在维修单位触发维修需求之后,对维修需求进行分析,确定待用配件标识以及待用配件对应的优先级。
在本申请的一个实施例中,在维修单位触发维修需求之后,对维修需求中的文字进行字符分析,提取出其中待用配件的标识,并确定待用配件对应的优先级,以基于上述信息进行待用配件的调配。
图4示出了根据本申请的一个实施例的确定待用配件信息的流程图。在本申请的一个实施例中,如图4所示,对维修需求进行分析,确定待用配件标识以及待用配件对应的优先级,包括步骤S310~S360:
S310,识别所述维修需求中各文字标识对应的文字内容,确定包含配件标识的标识字段;
S320,将所述标识字段作为所述待用配件标识;
S330,从配件库中确定待用配件的配件信息,其中所述配件信息包括数量信息、费用信息、生产数据以及存储信息;
S340,对所述配件信息进行量化,得到量化信息;
S350,基于所述量化信息确定所述待用配件的优先参数;
S360,基于所述优先参数确定所述待用配件对应的优先级。
具体的,本实施例中可以通过OCR技术来识别维修需求中各文字标识对应的文字内容,确定包含配件标识的标识字段,作为所述待用配件标识。之后从配件库中确定待用配件的配件信息,本实施例中的配件信息可以包括配件当前的数量信息、表示单价的费用信息、表示单位时间内生产效率的生产数据以及各个仓储单位对该配件的存储信息。在获取到配件信息之后,对配件信息进行量化处理得到量化信息,之后基于量化信息确定优先参数及优先级,以对该配件的情况进行综合考量。
在本申请的一个实施例中,步骤S340中对所述配件信息进行量化,得到量化信息,包括:
获取所述配件信息中生产数据对应的生产极值信息;
基于所述生产极值信息和所述生产数据之间的差值对所述配件信息进行量化,确定生产数据对应的量化信息。
在本申请一实施例中,生产数据可以为单位时间的生产数量。本实施例通过获取所述配件信息中生产数据对应的生产极值信息,其中,生产极值信息可以包括单位时间内的生产极小值Pro_min和生产极大值Pro_max。基于生产极小值和当日生产数据Pro_cur之间的第一差值Dir_fir、生产极大值和当日生产数据之间的第二差值Dir_sec,确定生产数据对应的量化生产数据Qua_pro为:
其中,α表示生产因子。上述过程通过对生产数据进行量化处理,以获取到精确的量化生产数据,用于通过一个配件的生产信息作为衡量配件紧缺程度的因素之一。
除此之外,本实施例中还可以通过数量信息、费用信息以及存储信息进行量化得到量化信息,之后通过量化信息来衡量某个配件的紧缺程度,以通过紧缺程度来衡量某一个配件的优先程度。例如,一个配件越紧缺,则表示配件的优先程度越高。
在本申请一实施例中,基于所述量化信息可以包括量化数量信息Qua_mon、量化费用信息Qua_cos、量化生产数据Qua_pro以及量化存储信息Qua_sto,确定所述待用配件的优先参数Par_pro为:
Par_pro=log2(β·Qua_mon+γ·Qua_sto)+log2(Qua_pro+θ·Qua_cos)
其中,β、γ、θ分别表示数量因子、存储因子以及费用因子。上述方式通过将各种配件信息进行综合处理,得到配件对应的优先参数,以通过优先参数来衡量配件的重要程度。
本实施例中在确定了优先参数之后,基于设定的各个优先等级对应的优先阈值范围,确定优先参数所处的优先等级Par_poi。可选的,本实施例中优先等级可以有三个或者三个以上,等级越高,表示配件越重要或者紧缺,需要由仓储和物流高度配合,才能在短时间内完成配件的调取。
在步骤S130中,基于所述待用配件标识及其对应优先级,通过预先基于决策树构建的自适应配送模型在仓储单位中确定待用配件对应的目标仓储。
在本申请的一个实施例中,在确定了待用配件标识及其优先级之后,获取各个仓储单位最新的仓储信息,并在仓储信息中进行匹配,确定与待用配件及其优先级匹配的目标仓储。
在本申请的一个实施例中,步骤S130中通过预先基于决策树构建的自适应配送模型在仓储单位中确定待用配件对应的目标仓储,包括:
从仓储单位的仓储信息中确定与所述待用配件标识匹配的至少一个备用仓储;
基于所述备用仓储的信息和待用配件的信息估计物流时间;
基于所述物流时间、待用配件的优先级和所述运送难度参数,通过预先构建的自适应配送模型从预设的仓储单位中确定待用配件对应的目标仓储。
具体的,本实施例中先通过仓储信息和待用配件标识进行简单匹配,确定存储有待用配件的备用仓储。需要说明的是,本实施例中的备用仓储的数量可以是一个、两个或者多个,通过文字匹配的方式可以确定存储有该待用配件的备用仓储,以便于从这些备用仓储中选取物流成本最低、物流效率最高的目标仓储和配送站点进行配送。
可选的,本实施例中在确定备用仓储时,先基于所述必修配件和选修配件的配件信息,根据预先构建的仓储网络对配件信息进行查找,分别确定必修配件的目标仓储和选修配件的目标仓储;或者,基于所述必修配件和选修配件的配件信息,确定配件组合信息,例如生成配件标识构成的字符串,之后根据预先构建的仓储网络对上述字符串信息进行查找,确定所述配件组合的目标仓储。
但由于仓储单位情况不一,比如远近、物流或者仓储质量等等,都可能影响待用配件的使用。因此本实施例中基于备用仓储的信息和待用配件的信息估计物流时间,以基于物流时间和待用配件的优先级来匹配得到合适的目标仓储。
本实施例中,可以获取到各个仓储单位的仓储信息,通过将仓储信息和待用配件标识进行匹配,确定存储有该配件的备用仓储。之后基于备用仓储的信息和待用配件的信息估计物流时间,本实施中备用仓储的信息可以包括仓储位置与维修单位之间的距离Par_dit、当前仓储单位所有的物流运力参数Par_cap等信息,待用配件的信息可以包括配件体积Par_vol、运输难度参数Par_tan等信息,通过上述信息估计得到各备用仓储对应的物流时间Tim_tan为:
其中,表示运输因子。上述过程中通过将物流运力参数、仓储位置和维修单位之间的距离、配件体积以及运输难度等信息考虑进物流时间的估计中,当物流运力参数越高、距离越短、体积越小、运输难度参数越小的情况下,将得到较小的物流时间。
可选的,本实施例中通过上述方式估算得到物流时间之后,基于所述物流时间、待用配件的优先级和运送难度参数,通过预先构建的自适应配送模型从所述仓储单位中确定待用配件对应的目标仓储。例如,若估计得到各个备用仓储对应的物流时间较短、且待用配件的优先级较高的情况下,选取物流时间较短的备用仓储作为目标仓储。
进一步的,本实施例中预先获取各仓储对应的仓储信息、配送点对应的配送信息,其中所述仓储信息和所述配送信息中都包括位置信息、配送成本信息。之后,基于所述仓储信息和所述配送信息,通过决策树构建自适应配送模型并进行训练。其中,该模型中的各个备用仓储和配送站点作为决策树中的节点,其中备用仓储对应的仓储信息和配送站点作为节点的节点信息。
在进行配送策略选择时,输入信息包括待用配件对应的优先级Par_poi、各站点协同配送时对应的配送时间Tim_tan_i以及待用配件对应的运送难度参数Par_tan_i,将通过上述步骤计算得到的各个仓储配送对应的物流时间作为决策树的变量信息,损失函数为所有仓储或配送站点对应的成本Cot(i):
其中,表示训练得到的损失因子,i表示仓储标识或物流沿线中各个配送站点的标识,运送配件总共需要k个配送站点,将上述信息输入自适应配送模型中,当输出的损失函数较低时,自适应配送模型便可以决策输出配送时间较短、配送成本较低时对应的目标仓储或者配送站点。上述方式通过基于各个站点对应的配送难度参数和配送时间确定损失函数,当损失函数越高时表示配送成本越高,进而将不会选取该方式进行配送,当损失函数较低时表示配送成本较低,便可以将本次决策中对应的目标仓储用于提取该配件,并确定对应的配送站点用于配送该配件,进而在保证配送效率的前提下,降低配件运送的成本。
可选的,目标仓储也可以有多个,用于通过不同的目标仓储将配件发送至维修单位,可以进行配件质量的对比选取最优进行处理,也可以进行配件存储,便于之后再有需求的情况下直接使用即可,通过这种方式提高配件运输效率和使用效率。
在本申请的一个实施例中,所述方法还包括:
若所述仓储单位的仓储信息未匹配到所述待用配件标识对应的配件信息,则将所述配件需求发送至对应的配件供应商;
获取所述配件供应商返回的生产调度回执。
具体的,如果没有获取与待用配件标识匹配的仓储信息,即当前所有的仓储单位都未存有待用配件,则需要将该配件需求发送至对应的配件供应商,以从配件供应商处调用配件。之后配件供应商返回生产调度回执,通知需求方配件生产进度和时间等信息。通过上述方式保证了配件获取的可靠性和效率。
在步骤S140中,基于所述待用配件标识生成订单,并将订单下达至所述目标仓储;所述维修单位通过所述交易平台从所述配件供应商建立订单流,所述配件供应商向所述维修单位建立物流。
在本申请的一个实施例中,在确定了目标仓储之后,基于待用配件标识生成订单,并发送订单至目标仓储,使得维修单位通过交易平台从配件供应商建立订单流、配件供应商向维修单位建立物流。
本实施例中订单可以通过订单模板生成,其中可以包括配件标识、维修单位地址以及配件价格等信息。
在步骤S150中,从目标仓储中提取所述待用配件,基于所述优先级调用配送单位的物流资源进行配送,并跟踪配送进度生成物流信息。
在本申请的一个实施例中,在确定了目标仓储之后,从目标仓储中提取该待用配件。并基于优先级来确定对应的物流资源,以进行配送。本实施例中可以将配送单位按照物流速度进行分档位,物流速度越高档位越高,则对于优先级较高的待用配件分配档位较高的配送单位,以提高物流资源的利用率。并在运送的过程中,跟踪配送进度生成物流信息同步至维修单位和仓储单位。以保证运送过程的可靠性和安全性。
需要说明的是,本实施例中的物流资源可以包括第三方物流和自营物流,优选地,第三方物流占大部分。本发明的实施例中的方法基于第四方汽配物流平台实现。其中,第四方汽配物流平台实现指的是基于维修单位、配件供应商、交易平台以及配送单位之间的汽配链,完成汽配智能配送的平台。
在本申请的一些实施例所提供的技术方案中,在维修单位、配件供应商、交易平台以及配送单位之间构建汽配链,在维修单位触发维修需求之后,对维修需求进行分析,确定待用配件及其对应的优先级;之后基于所述待用配件标识及其对应优先级,通过预先基于决策树构建的自适应配送模型在仓储单位中确定待用配件对应的目标仓储,并将订单下达至该目标仓储中,基于优先级调用配送单位的物流资源进行配送,并将配件需求信息同步至配件供应商,同时协同其他流程手续的处理,本申请实施例的技术方案提高了汽配的运送效率。
在本申请的一个实施例中,从目标仓储中进行配件提取和配送,并跟踪配送进度生成物流信息之后,还包括:
将所述物流信息同步至所述维修单位和所述目标仓储;
在获取到维修单位触发的签收信息时,同步配件配送完成信息至汽配链中。
具体的,本实施例中在运送过程中,实时生成和更新物流信息,并将物流信息同步至维修单位和目标仓储。在获取到维修单位触发的签收信息时,生成配件配送完成信息,并同步配件配送完成信息至汽配链中。
在本申请的一个实施例中,所述方法还包括:
当所述物流信息为已签收时,触发所述维修配件对应的转款信息;
将所述转款信息发送至所述维修单位,以支付所述维修配件的款项;
在获取到维修单位发送的支付完成信息、和仓储单位发送的收款信息时,触发配件交易完成信息。
具体的,在当物流信息为已签收时,生成维修配件对应的转款信息,并发送至维修单位,以通知维修单位支付维修配件的款项。之后在获取到维修单位发送的支付完成信息、和仓储单位发送的收款信息时,触发配件交易完成信息。通过上述方式保证订单款项的安全收支,提高交易的安全性和可靠性。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的基于大数据的第四方汽配物流管理方法。可以理解的是,所述装置可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如该装置为一个应用软件;该装置可以用于执行本申请实施例提供的方法中的相应步骤。对于本申请装置实施例中未披露的细节,请参照本申请上述的基于大数据的第四方汽配物流管理方法的实施例。
与上述基于大数据的第四方汽配物流管理方法的实施例一一对应,图5示出了根据本申请的一个实施例的基于大数据的第四方汽配物流平台的框图。
参照图5所示,根据本申请的一个实施例的基于大数据的第四方汽配物流平台300,包括:
云平台单元410,用于在维修单位、配件供应商、交易平台以及配送单位之间构建基于云平台的汽配链;
分析单元420,用于在维修单位触发维修需求之后,对维修需求进行分析,确定待用配件标识以及待用配件对应的优先级;
匹配单元430,用于基于所述待用配件标识及其对应优先级,通过预先基于决策树构建的自适应配送模型在仓储单位中确定待用配件对应的目标仓储;
订单单元440,用于基于所述待用配件标识生成订单,并将订单下达至所述目标仓储;
物流单元450,用于从目标仓储中提取所述待用配件,基于所述优先级调用配送单位的物流资源进行配送并跟踪配送进度生成物流信息。
在本申请的一些实施例中,基于前述方案,所述对维修需求进行分析,确定待用配件标识以及待用配件对应的优先级,包括:识别所述维修需求中各文字标识对应的文字内容,确定包含配件标识的标识字段;将所述标识字段作为所述待用配件标识;从配件库中确定待用配件的配件信息,其中所述配件信息包括数量信息、费用信息、生产数据以及存储信息;对所述配件信息进行量化,得到量化信息;基于所述量化信息确定所述待用配件的优先参数;基于所述优先参数确定所述待用配件对应的优先级。
在本申请的一些实施例中,基于前述方案,所述对所述配件信息进行量化,得到量化信息,包括:获取所述配件信息中生产数据对应的生产极值信息;基于所述生产极值信息和所述生产数据之间的差值对所述配件信息进行量化,确定生产数据对应的量化信息。
在本申请的一些实施例中,基于前述方案,所述基于所述待用配件标识及其对应优先级,通过预先基于决策树构建的自适应配送模型在仓储单位中确定待用配件对应的目标仓储,包括:从仓储单位的仓储信息中确定与所述待用配件标识匹配的至少一个备用仓储;基于所述备用仓储的信息和待用配件的信息估计物流时间;基于所述物流时间、待用配件的优先级和所述运送难度参数,通过预先构建的自适应配送模型从所述仓储单位中确定待用配件对应的目标仓储。
在本申请的一些实施例中,基于前述方案,从仓储单位的仓储信息中确定与所述待用配件标识匹配的至少一个备用仓储,包括:基于所述必修配件和选修配件的配件信息,根据预先构建的仓储网络,分别确定必修配件的目标仓储和选修配件的目标仓储;或者,基于所述必修配件和选修配件的配件信息,确定配件组合信息,根据预先构建的仓储网络确定所述配件组合的目标仓储。
在本申请的一些实施例中,基于前述方案,基于所述备用仓储的信息和待用配件的信息估计物流时间,包括:根据物流运力参数、仓储位置和维修单位之间的距离、配件体积以及运输难度等级中的至少一个维度确定各备用仓储对应的物流时间;
基于所述物流时间、待用配件的优先级和运送难度参数,通过预先构建的自适应配送模型从所述仓储单位中确定待用配件对应的目标仓储,包括:基于预先基于决策树训练的得到的自适应配送模型,将所述待用配件对应的运输难度参数、各备用仓储对应的物流时间以及所述待用配件的优先级输入所述自适应配送模型中,输出各备用仓储对应的损失函数值;确定所述损失函数值最小时对应的仓储标识,将所述仓储标识对应的仓储作为所述目标仓储。
在本申请的一些实施例中,基于前述方案,所述维修需求包括第一类别维修需求和第二类别维修需求,所述第一类别维修需求指维修信息中的配件种类和数量确定,所述第二类别维修需求指维修信息的配件种类和数量不确定;在确定待用配件标识以及待用配件对应的优先级之前,还包括:确定属于第一类维修需求还是第二类维修需求;如果是第一类维修需求,则获取各个配件的标识;如果是第二类维修需求,则根据模糊识别算法,匹配出必修配件和选修配件。
在本申请的一些实施例中,基于前述方案,所述第二类维修需求为车辆碰撞后维修需求,所述如果是第二类维修需求,则根据模糊识别算法,匹配出必修配件和选修配件,包括:获取车辆的多张图像,对所图像进行识别,根据所述模糊识别算法确定所述车型以及故障区域;确定所述故障区域残缺的必修配件,并根据所述车型匹配选修配件。
在本申请的一些实施例中,基于前述方案,所述从目标仓储中进行配件提取和配送,并跟踪配送进度生成物流信息之后,还包括:将所述物流信息同步至所述维修单位和所述目标仓储;在获取到维修单位触发的签收信息时,同步配件配送完成信息至汽配链中。
在本申请的一些实施例中,基于前述方案,还包括:基于区块链技术,生成维修单位、配件供应商、交易平台以及配送单位分别对应的区块链节点;根据区块链共识机制,在所述区块链节点之间流转处理汽配维修订单;对不同状态下的汽配维修订单进行记账,并同步至其他区块链节点中。
在本申请的一些实施例中,基于前述方案,还包括:当所述物流信息为已签收时,触发所述维修配件对应的转款信息;将所述转款信息发送至所述维修单位,以支付所述维修配件的款项;在获取到维修单位发送的支付完成信息、和仓储单位发送的收款信息时,触发配件交易完成信息。
在本申请的一些实施例中,基于前述方案,所述系统还包括:发送单元,用于若所述仓储单位的仓储信息未匹配到所述待用配件标识对应的配件信息,则将所述配件需求发送至对应的配件供应商;获取单元,用于获取所述配件供应商返回的生产调度回执。
在本申请的一些实施例所提供的技术方案中,在维修单位、配件供应商、交易平台以及配送单位之间构建汽配链,在维修单位触发维修需求之后,对维修需求进行分析,确定待用配件及其对应的优先级;之后基于所述待用配件标识及其对应优先级,通过预先基于决策树构建的自适应配送模型在仓储单位中确定待用配件对应的目标仓储,并将订单下达至该目标仓储中,基于优先级调用配送单位的物流资源进行配送,并将配件需求信息同步至配件供应商,同时协同其他流程手续的处理,本申请实施例的技术方案提高了汽配的运送效率。
图6示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图6示出的电子设备的计算机系统500仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统500包括中央处理单元(Central Processing Unit,CPU)501,其可以根据存储在只读存储器(Read-Only Memory,ROM)502中的程序或者从储存部分508加载到随机访问存储器(Random Access Memory,RAM)503中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 503中,还存储有系统操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(Input/Output,I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分507;包括硬盘等的储存部分508;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入储存部分508。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、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。其中,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,上述模块、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,两个接连地表示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,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操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。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的方法。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于大数据的第四方汽配物流管理方法,其特征在于,包括:
在维修单位、配件供应商、交易平台以及配送单位之间构建基于云平台的汽配链;
在维修单位触发维修需求之后,对维修需求进行分析,确定待用配件标识以及待用配件对应的优先级;
基于所述待用配件标识及其对应优先级,通过预先基于决策树构建的自适应配送模型在仓储单位中确定待用配件对应的目标仓储;
基于所述待用配件标识生成订单,并将订单下达至所述目标仓储;所述维修单位通过所述交易平台从所述配件供应商建立订单流,所述配件供应商向所述维修单位建立物流;
从目标仓储中提取所述待用配件,基于所述优先级调用配送单位的物流资源进行配送,并跟踪配送进度生成物流信息。
2.根据权利要求1所述的方法,其特征在于,所述维修需求包括第一类别维修需求和第二类别维修需求,所述第一类别维修需求指维修信息中的配件种类和数量确定,所述第二类别维修需求指维修信息的配件种类和数量不确定;在确定待用配件标识以及待用配件对应的优先级之前,还包括:
确定属于第一类维修需求还是第二类维修需求;
如果是第一类维修需求,则获取各个配件的标识;
如果是第二类维修需求,则根据模糊识别算法,匹配出必修配件和选修配件。
3.根据权利要求2所述的方法,其特征在于,所述第二类维修需求为车辆碰撞后维修需求,所述如果是第二类维修需求,则根据模糊识别算法,匹配出必修配件和选修配件,包括:
获取车辆的多张图像,对所图像进行识别,根据所述模糊识别算法确定车型以及故障区域;
确定所述故障区域残缺的必修配件,并根据所述车型匹配选修配件。
4.根据权利要求3所述的方法,其特征在于,基于所述待用配件标识及其对应优先级,通过预先基于决策树构建的自适应配送模型在仓储单位中确定待用配件对应的目标仓储,包括:
从仓储单位的仓储信息中确定与所述待用配件标识匹配的至少一个备用仓储;
基于所述备用仓储的信息和待用配件的信息估计物流时间;
基于所述物流时间、待用配件的优先级和运送难度参数,通过预先构建的自适应配送模型从所述仓储单位中确定待用配件对应的目标仓储。
5.根据权利要求4所述的方法,其特征在于,从仓储单位的仓储信息中确定与所述待用配件标识匹配的至少一个备用仓储,包括:
基于所述必修配件和选修配件的配件信息,根据预先构建的仓储网络,分别确定必修配件的目标仓储和选修配件的目标仓储;或者,基于所述必修配件和选修配件的配件信息,确定配件组合信息,根据预先构建的仓储网络确定所述配件组合的目标仓储。
6.根据权利要求4所述的方法,其特征在于,基于所述备用仓储的信息和待用配件的信息估计物流时间,包括:
根据物流运力参数、仓储位置和维修单位之间的距离、配件体积以及运输难度等级中的至少一个维度确定各备用仓储对应的物流时间;
基于所述物流时间、待用配件的优先级和运送难度参数,通过预先构建的自适应配送模型从所述仓储单位中确定待用配件对应的目标仓储,包括:
基于预先基于决策树训练的得到的自适应配送模型,将所述待用配件对应的运输难度参数、各备用仓储对应的物流时间以及所述待用配件的优先级输入所述自适应配送模型中,输出各备用仓储对应的损失函数值;
确定所述损失函数值最小时对应的仓储标识,将所述仓储标识对应的仓储作为所述目标仓储。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
获取各仓储对应的仓储信息、配送点对应的配送信息,其中所述仓储信息和所述配送信息中都包括位置信息、配送成本信息;
基于所述仓储信息和所述配送信息,构建决策树,所述决策树中的节点用于表示仓储和配送点;
基于历史订单信息中的配件信息和运送信息对所述决策树进行训练,得到所述自适应配送模型。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于区块链技术,生成维修单位、配件供应商、交易平台以及配送单位分别对应的区块链节点;
根据区块链共识机制,在所述区块链节点之间流转处理汽配维修订单;
对不同状态下的汽配维修订单进行记账,并同步至其他区块链节点中。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述物流信息为已签收时,触发所述维修配件对应的转款信息;
将所述转款信息发送至所述维修单位,以支付所述维修配件的款项;
在获取到维修单位发送的支付完成信息、和仓储单位发送的收款信息时,触发配件交易完成信息。
10.一种基于大数据的第四方汽配物流平台,其特征在于,包括:
云平台单元,用于在维修单位、配件供应商、交易平台以及配送单位之间构建基于云平台的汽配链;
分析单元,用于在维修单位触发维修需求之后,对维修需求进行分析,确定待用配件标识以及待用配件对应的优先级;
匹配单元,用于基于所述待用配件标识及其对应优先级,通过预先基于决策树构建的自适应配送模型在仓储单位中确定待用配件对应的目标仓储;
订单单元,用于基于所述待用配件标识生成订单,并将订单下达至所述目标仓储;
物流单元,用于从目标仓储中提取所述待用配件,基于所述优先级调用配送单位的物流资源进行配送并跟踪配送进度生成物流信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311094466.8A CN117094626A (zh) | 2022-09-02 | 2022-09-02 | 一种基于大数据的第四方汽配物流平台及管理方法 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211069107.2A CN115375244B (zh) | 2022-09-02 | 2022-09-02 | 基于大数据的第四方汽配物流平台及管理方法 |
CN202311094466.8A CN117094626A (zh) | 2022-09-02 | 2022-09-02 | 一种基于大数据的第四方汽配物流平台及管理方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211069107.2A Division CN115375244B (zh) | 2022-09-02 | 2022-09-02 | 基于大数据的第四方汽配物流平台及管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117094626A true CN117094626A (zh) | 2023-11-21 |
Family
ID=84069837
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311094466.8A Pending CN117094626A (zh) | 2022-09-02 | 2022-09-02 | 一种基于大数据的第四方汽配物流平台及管理方法 |
CN202211069107.2A Active CN115375244B (zh) | 2022-09-02 | 2022-09-02 | 基于大数据的第四方汽配物流平台及管理方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211069107.2A Active CN115375244B (zh) | 2022-09-02 | 2022-09-02 | 基于大数据的第四方汽配物流平台及管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN117094626A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757455A (zh) * | 2023-08-21 | 2023-09-15 | 深圳开思时代科技有限公司 | 基于物联网的汽配交易管理方法及系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010093942A (ko) * | 2000-04-03 | 2001-10-31 | 김신홍 | 통합 공급 경로 관리 시스템 및 그 방법 |
KR20000049918A (ko) * | 2000-05-06 | 2000-08-05 | 김용태 | 통신네트워크를 이용하여 경정비업소, 부품대리점,부품공급업체간의 상거래 및 업체관리를 수행하는통합시스템 |
CN106296100A (zh) * | 2016-08-19 | 2017-01-04 | 河南易之信网络科技有限公司 | 一种跨境物流业务的管理方法、装置及系统 |
CN110322180A (zh) * | 2018-03-30 | 2019-10-11 | 阿里巴巴集团控股有限公司 | 确定配送商品的方法、装置和系统 |
CN109344982B (zh) * | 2018-10-10 | 2021-08-24 | 海南安桥网络科技有限公司 | 一种用于汽车维修门店的互联网营销交易管理系统 |
KR102145609B1 (ko) * | 2020-02-25 | 2020-08-18 | 주식회사 엘엠트레이드 | 수입 자동차 부품 유통 관리 방법 및 장치 |
CN112329970A (zh) * | 2020-04-14 | 2021-02-05 | 北京沃东天骏信息技术有限公司 | 订单信息处理方法、装置、计算机设备和介质 |
CN112308685A (zh) * | 2020-11-24 | 2021-02-02 | 上海百胜软件股份有限公司 | 一种全渠道订单的控制系统、方法、电子设备和存储介质 |
CN114819802A (zh) * | 2022-03-29 | 2022-07-29 | 上海东普信息科技有限公司 | 商品运输费用的结算方法、装置、设备及存储介质 |
CN115130695A (zh) * | 2022-05-16 | 2022-09-30 | 开思时代科技(深圳)有限公司 | 基于大数据的汽车配件管理方法、系统及电子设备 |
-
2022
- 2022-09-02 CN CN202311094466.8A patent/CN117094626A/zh active Pending
- 2022-09-02 CN CN202211069107.2A patent/CN115375244B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115375244A (zh) | 2022-11-22 |
CN115375244B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110503295A (zh) | 供应链金融的风险分析方法、装置、计算终端及存储介质 | |
CN111507543B (zh) | 用于预测实体间业务关系的模型训练方法及装置 | |
US20150106247A1 (en) | System and method for pursuing a value-added tax (vat) reclaim through a mobile technology platform | |
CN110619545B (zh) | 基于大数据的车险数据推送方法、系统、设备及存储介质 | |
CN115375244B (zh) | 基于大数据的第四方汽配物流平台及管理方法 | |
CN110503564A (zh) | 基于大数据的保全案件处理方法、系统、设备及存储介质 | |
CN112184240A (zh) | 一种退款请求处理方法和装置 | |
CN113094560A (zh) | 基于数据中台的数据标签库构建方法、装置、设备及介质 | |
CN111489100A (zh) | 基于大数据的订单创建方法、装置、设备和介质 | |
CN113902522A (zh) | 一种基于图神经网络的专利推荐方法及终端 | |
CN115619485A (zh) | 基于工业互联网平台的能源管理系统及方法 | |
CN115578170A (zh) | 一种财务批量制证方法、装置、设备及存储介质 | |
CN112860700B (zh) | 数据表的生成方法及装置、存储介质及电子装置 | |
CN114416852A (zh) | 数据处理方法、装置、设备及介质 | |
CN113743742A (zh) | 一种基于货物的资源管理方法、装置及介质 | |
CN113742564A (zh) | 目标资源的推送方法和装置 | |
CN110766501A (zh) | 数据嵌套存储方法、装置、电子设备及计算机可读介质 | |
CN111415019A (zh) | 一种处理物品入库预约请求信息的方法和装置 | |
CN113890948B (zh) | 基于语音外呼机器人对话数据的资源分配方法及相关设备 | |
CN111126018B (zh) | 表单生成方法及装置、存储介质、电子设备 | |
CN116720793A (zh) | 业务资源分配方法及系统 | |
CN116226240A (zh) | 业务数据的展示方法、装置、电子设备及存储介质 | |
CN116757455A (zh) | 基于物联网的汽配交易管理方法及系统 | |
CN116303672A (zh) | 数据处理方法及装置、设备、计算机可读存储介质 | |
CN115760027A (zh) | 一种基于联邦学习机制的云边协同产能计算方法及系统 |
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 |