CN117455351B - 基于Saas平台设备租赁仓库智能管理方法及系统 - Google Patents
基于Saas平台设备租赁仓库智能管理方法及系统 Download PDFInfo
- Publication number
- CN117455351B CN117455351B CN202311144093.0A CN202311144093A CN117455351B CN 117455351 B CN117455351 B CN 117455351B CN 202311144093 A CN202311144093 A CN 202311144093A CN 117455351 B CN117455351 B CN 117455351B
- Authority
- CN
- China
- Prior art keywords
- lease
- equipment type
- proportion
- equipment
- time zone
- 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
- 238000007726 management method Methods 0.000 title claims description 47
- 230000006855 networking Effects 0.000 claims abstract description 128
- 238000011156 evaluation Methods 0.000 claims abstract description 119
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 11
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010438 heat treatment Methods 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
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
-
- 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
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了基于Saas平台设备租赁仓库智能管理方法及系统，涉及库存管理技术领域，包括：当满足第一仓库管理周期时，获取待租赁设备的一级类型列表和二级型号列表；提取一级孤岛租赁日志和一级联网租赁日志提取二级孤岛租赁日志和二级联网租赁日志；根据一级孤岛租赁日志和一级联网租赁日志，生成第一评估系数；根据二级孤岛租赁日志和二级联网租赁日志，生成第二评估系数，进行租赁预测，生成第二预设时区预测租赁状态；根据第二预设时区预测租赁状态生成设备库存推荐方案，发送至Saas平台用户端。解决现有技术的设备租赁库存管理，无法处理复杂度和计算量较大的库存管理任务，导致存在适应度较差的技术问题。
Description
技术领域
本发明涉及库存管理技术领域，具体涉及一种基于Saas平台设备租赁仓库智能管理方法及系统。
背景技术
随着生产设备更新迭代的周期越来越短，设备租赁的需求量逐步扩大，为了能够稳妥的保证设备租赁全流程工作的执行，库存设备的类型和型号的管理成为重要的工作内容。
传统的设备租赁库存管理，通常是由专利人员分析过去的设备租赁状态，再结合市场的设备租赁状态，设计设备租赁方案进行库存管理，但是随着设备租赁的需求量，需要核算的数据的复杂度和计算量激增，传统的处理方式难以适应，逐渐乏力。
综上所述，现有技术的设备租赁库存管理，无法处理复杂度和计算量较大的库存管理任务，导致存在适应度较差的技术问题。
发明内容
本申请提供了一种基于Saas平台设备租赁仓库智能管理方法及系统，用于针对解决现有技术的设备租赁库存管理，无法处理复杂度和计算量较大的库存管理任务，导致存在适应度较差的技术问题。
鉴于上述问题，本申请提供了一种基于Saas平台设备租赁仓库智能管理方法及系统。
本申请的第一个方面，提供了基于Saas平台设备租赁仓库智能管理方法，包括：当满足第一仓库管理周期时，获取待租赁设备的一级类型列表和二级型号列表，其中，所述一级类型列表指的是基于设备功能类型划分的列表，所述二级型号列表指的是基于设备生产型号在所述一级类型列表的基础上划分的列表；遍历所述一级类型列表，提取第一预设时区的一级孤岛租赁日志和一级联网租赁日志；遍历所述二级型号列表，提取第一预设时区的二级孤岛租赁日志和二级联网租赁日志；对所述一级孤岛租赁日志和所述一级联网租赁日志进行租赁状态一致性评估，生成第一评估系数；对所述二级孤岛租赁日志和所述二级联网租赁日志进行租赁状态一致性评估，生成第二评估系数；根据所述第一评估系数和所述第二评估系数，进行第二预设时区的租赁预测，生成第二预设时区预测租赁状态，其中，所述第二预设时区为所述第一预设时区的未来时区；根据所述第二预设时区预测租赁状态进行设备库存匹配，生成设备库存推荐方案，发送至Saas平台用户端。
本申请的第二个方面，提供了基于Saas平台设备租赁仓库智能管理系统，包括：第一获得单元，用于当满足第一仓库管理周期时，获取待租赁设备的一级类型列表和二级型号列表，其中，所述一级类型列表指的是基于设备功能类型划分的列表，所述二级型号列表指的是基于设备生产型号在所述一级类型列表的基础上划分的列表；第一提取单元，用于遍历所述一级类型列表，提取第一预设时区的一级孤岛租赁日志和一级联网租赁日志；第二提取单元，用于遍历所述二级型号列表，提取第一预设时区的二级孤岛租赁日志和二级联网租赁日志；第一评估单元，用于对所述一级孤岛租赁日志和所述一级联网租赁日志进行租赁状态一致性评估，生成第一评估系数；第二评估单元，用于对所述二级孤岛租赁日志和所述二级联网租赁日志进行租赁状态一致性评估，生成第二评估系数；第一预测单元，用于根据所述第一评估系数和所述第二评估系数，进行第二预设时区的租赁预测，生成第二预设时区预测租赁状态，其中，所述第二预设时区为所述第一预设时区的未来时区；第一匹配单元，用于根据所述第二预设时区预测租赁状态进行设备库存匹配，生成设备库存推荐方案，发送至Saas平台用户端。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请通过提供基于Saas平台设备租赁仓库智能管理方法，具体为：当满足设定的仓库管理周期时，确定租赁的一级类型列表和二级型号列表；分别针对一级类型列表和二级型号列表，进行孤岛和联网分析，确定孤岛和联网租赁状态的一致性；根据一致性评估结果有选择性的基于本地或者联网的历史数据进行设备库存匹配，达到了实现库存自动化管理，且具有较强的场景适应度的技术效果。
附图说明
图1为本申请提供的一种基于Saas平台设备租赁仓库智能管理方法流程示意图；
图2为本申请提供的一种基于Saas平台设备租赁仓库智能管理系统的结构示意图。
附图标记说明：第一获得单元11，第一提取单元12，第二提取单元13，第一评估单元14，第二评估单元15，第一预测单元16，第一匹配单元17。
具体实施方式
本申请通过提供了一种基于Saas平台设备租赁仓库智能管理方法及系统，用于针对解决现有技术的设备租赁库存管理，无法处理复杂度和计算量较大的库存管理任务，导致存在适应度较差的技术问题。
实施例一
如图1所示，本申请提供了基于Saas平台设备租赁仓库智能管理方法，包括步骤：
S10：当满足第一仓库管理周期时，获取待租赁设备的一级类型列表和二级型号列表，其中，所述一级类型列表指的是基于设备功能类型划分的列表，所述二级型号列表指的是基于设备生产型号在所述一级类型列表的基础上划分的列表；
具体而言，第一仓库管理周期指的是预设的需要对仓库库存进行调整时间周期，即激活基于Saas平台设备租赁仓库智能管理系统执行进程的时长，优选的，第一仓库管理周期为一个月或一个季度。
待租赁设备指的是应用基于Saas平台设备租赁仓库智能管理系统的用户的设备租赁业务范围内的设备集，一级类型列表指的是依据设备功能类型分组所得的列表，例如：供暖、供冷、运输等功能类型进行组分的过程，优选的，任意一个功能类型在基于Saas平台设备租赁仓库智能管理系统中使用唯一的编码表征，不同的设备依据不同的功能编码即可确定功能类型。二级型号列表指的是依据设备型号，在一级类型列表的每一列功能目录下，构建子列表存储的数据。综上，每个待租赁设备具有功能类型编码，以及型号编码，可基于一级类型列表和二级型号列表进行调度管理。基于Saas平台设备租赁仓库智能管理系统是用于执行基于Saas平台设备租赁仓库智能管理方法软件或硬件。
S20：遍历所述一级类型列表，提取第一预设时区的一级孤岛租赁日志和一级联网租赁日志；
具体而言，第一预设时区指的是预设的用于分析孤岛租赁状态和联网租赁状态是否一致的时区，优选为自上次仓库库存调整后，开始计时，满足第一仓库管理周期的时区，用户可根据实际场景进行适应性调整。一级孤岛租赁日志指的是遍历一级类型列表的每个功能类型，在应用基于Saas平台设备租赁仓库智能管理系统的用户本地的对应功能的设备的租赁历史数据；一级联网租赁日志指的是遍历一级类型列表的每个功能类型，在大数据中检索对应功能的设备的租赁历史数据。进一步，一级孤岛租赁日志至少包括不同功能类型的在用户本地的租赁数量、租赁比例等信息，具体的参数属性可由用户自定义设定；一级联网租赁日志至少包括不同功能类型的联网的设备租赁数量、设备租赁比例等信息，等信息，具体的参数属性可由用户自定义设定。通过采集一级孤岛租赁日志和一级联网租赁日志，为后步进行租赁状态的一致性评价，提供了分析基础。
S30：遍历所述二级型号列表，提取第一预设时区的二级孤岛租赁日志和二级联网租赁日志；
具体而言，二级孤岛租赁日志指的是遍历二级型号列表的每个功能类型的子属设备型号，在应用基于Saas平台设备租赁仓库智能管理系统的用户本地的对应功能的设备的子属设备型号的租赁历史数据；二级联网租赁日志指的是遍历二级型号列表的每个功能类型的子属设备型号，在大数据中检索对应功能的设备的子属设备型号的租赁历史数据。进一步，二级孤岛租赁日志至少包括不同功能类型的各个子属设备型号在用户本地的租赁数量、租赁比例等信息，具体的参数属性可由用户自定义设定；二级联网租赁日志至少包括不同功能类型的各个子属设备型号联网的设备租赁数量、设备租赁比例等信息，等信息，具体的参数属性可由用户自定义设定。通过采集二级孤岛租赁日志和二级联网租赁日志，为后步进行租赁状态的一致性评价，提供了分析基础。
S40：对所述一级孤岛租赁日志和所述一级联网租赁日志进行租赁状态一致性评估，生成第一评估系数；
S50：对所述二级孤岛租赁日志和所述二级联网租赁日志进行租赁状态一致性评估，生成第二评估系数；
进一步的，对所述一级孤岛租赁日志和所述一级联网租赁日志进行租赁状态一致性评估，生成第一评估系数，步骤S40包括：
S41：根据所述一级孤岛租赁日志，统计第一设备类型孤岛租赁数量和第一设备类型孤岛租赁比例，第二设备类型孤岛租赁数量和第二设备类型孤岛租赁比例、直到第N设备类型孤岛租赁数量和第N设备类型孤岛租赁比例；
S42：根据所述一级联网租赁日志，统计第一设备类型联网租赁数量和第一设备类型联网租赁比例，第二设备类型联网租赁数量和第二设备类型联网租赁比例、直到第N设备类型联网租赁数量和第N设备类型联网租赁比例；
S43：对所述第一设备类型孤岛租赁比例、所述第二设备类型孤岛租赁比例直到所述第N设备类型孤岛租赁比例，与所述第一设备类型联网租赁比例、所述第二设备类型联网租赁比例直到所述第N设备类型联网租赁比例进行比例相似评估，生成比例相似系数；
S44：对所述第一设备类型孤岛租赁数量、所述第二设备类型孤岛租赁数量直到所述第N设备类型孤岛租赁数量，与所述第一设备类型联网租赁数量、所述第二设备类型联网租赁数量直到所述第N设备类型联网租赁数量进行数量相似评估，生成数量相似系数；
S45：将所述比例相似系数和所述数量相似系数，添加进所述第一评估系数。
进一步的，对所述第一设备类型孤岛租赁比例、所述第二设备类型孤岛租赁比例直到所述第N设备类型孤岛租赁比例，与所述第一设备类型联网租赁比例、所述第二设备类型联网租赁比例直到所述第N设备类型联网租赁比例进行比例相似评估，生成比例相似系数，步骤S44包括：
S441：设定第一比例偏差阈值；
S442：根据所述第一比例偏差阈值，对所述第一设备类型孤岛租赁比例、所述第二设备类型孤岛租赁比例直到所述第N设备类型孤岛租赁比例，与所述第一设备类型联网租赁比例、所述第二设备类型联网租赁比例直到所述第N设备类型联网租赁比例进行特征二值化处理，生成一类比例偏差数量比；
S443：当所述一类比例偏差数量比大于或等于一类比例偏差数量比阈值，对第一设备类型租赁比例偏差、第二设备类型租赁比例偏差直到第N设备类型租赁比例偏差的绝对值求取均值，再对均值求倒数，生成所述比例相似系数。
进一步的，根据所述第一比例偏差阈值，对所述第一设备类型孤岛租赁比例、所述第二设备类型孤岛租赁比例直到所述第N设备类型孤岛租赁比例，与所述第一设备类型联网租赁比例、所述第二设备类型联网租赁比例直到所述第N设备类型联网租赁比例进行特征二值化处理，生成一类比例偏差数量比，步骤S442包括：
S4421：对所述第一设备类型孤岛租赁比例和所述第一设备类型联网租赁比例进行偏差分析，生成第一设备类型租赁比例偏差；
S4422：当所述第一设备类型租赁比例偏差大于所述第一比例偏差阈值，对所述第一设备类型租赁比例偏差进行0值标识；
S4423：当所述第一设备类型租赁比例偏差小于或等于所述第一比例偏差阈值，对所述第一设备类型租赁比例偏差进行1值标识；
S4424：遍历所述第一设备类型租赁比例偏差、所述第二设备类型租赁比例偏差直到所述第N设备类型租赁比例偏差，统计1值比例，设为所述一类比例偏差数量比。
具体而言，租赁状态一致性评估指的是按照预设规则，对孤岛租赁日志和联网租赁日志的历史状态的一致性进行评价的过程。第一评估系数指的是对一级孤岛租赁日志和一级联网租赁日志进行租赁状态一致性评估生成的数据。第二评估系数指的是对二级孤岛租赁日志和二级联网租赁日志进行租赁状态一致性评估生成的数据。
进一步的，无论是对一级孤岛租赁日志和一级联网租赁日志进行租赁状态一致性评估，还是对二级孤岛租赁日志和二级联网租赁日志进行租赁状态一致性评估的流程是完全相同的，因此本申请实施例仅以对一级孤岛租赁日志和一级联网租赁日志进行租赁状态一致性评估的流程举例性说明租赁状态一致性评估的详细算法，若要实现对二级孤岛租赁日志和二级联网租赁日志进行租赁状态一致性评估，仅需进行数据的常规替换即可。
第一步骤：从一级孤岛租赁日志，提取第一设备类型孤岛租赁数量和第一设备类型孤岛租赁比例、第二设备类型孤岛租赁数量和第二设备类型孤岛租赁比例、直到第N设备类型孤岛租赁数量和第N设备类型孤岛租赁比例，N表征一级类型列表中的功能类型数量。从一级联网租赁日志，提取第一设备类型联网租赁数量和第一设备类型联网租赁比例，第二设备类型联网租赁数量和第二设备类型联网租赁比例、直到第N设备类型联网租赁数量和第N设备类型联网租赁比例。N为整数，且N≥1。
第二步骤：相似评估，对所述第一设备类型孤岛租赁比例、所述第二设备类型孤岛租赁比例直到所述第N设备类型孤岛租赁比例，与所述第一设备类型联网租赁比例、所述第二设备类型联网租赁比例直到所述第N设备类型联网租赁比例进行比例相似评估，所得数据即为比例相似系数。对所述第一设备类型孤岛租赁数量、所述第二设备类型孤岛租赁数量直到所述第N设备类型孤岛租赁数量，与所述第一设备类型联网租赁数量、所述第二设备类型联网租赁数量直到所述第N设备类型联网租赁数量进行数量相似评估，即为数量相似系数。
详细地，相似评估算法，无论是对比例进行处理，还是对数量进行处理，流程相同，仅有常规数据的替换。此处以比例相似评估的流程做示例性地阐述：
设定第一比例偏差阈值，第一比例偏差阈值为用户自定义设置得视为比例无偏差的最大比例差值。根据所述第一比例偏差阈值，对所述第一设备类型孤岛租赁比例、所述第二设备类型孤岛租赁比例直到所述第N设备类型孤岛租赁比例，与所述第一设备类型联网租赁比例、所述第二设备类型联网租赁比例直到所述第N设备类型联网租赁比例进行特征二值化处理，生成一类比例偏差数量比。一类比例偏差数量比阈值为用户预设可进行相似系数评估的最低数量比，当一类比例偏差数量比大于或等于一类比例偏差数量比阈值，对第一设备类型租赁比例偏差、第二设备类型租赁比例偏差直到第N设备类型租赁比例偏差的绝对值加和，再求取均值，再使用1除以均值，比例相似系数。相反的，当一类比例偏差数量比小于一类比例偏差数量比阈值，则直接视为联网和孤岛租赁状态不一致。
使用相同的流程，调取第一设备类型孤岛租赁数量、所述第二设备类型孤岛租赁数量直到所述第N设备类型孤岛租赁数量，与所述第一设备类型联网租赁数量、所述第二设备类型联网租赁数量直到所述第N设备类型联网租赁数量替换所述第一设备类型孤岛租赁比例、所述第二设备类型孤岛租赁比例直到所述第N设备类型孤岛租赁比例，与所述第一设备类型联网租赁比例、所述第二设备类型联网租赁比例直到所述第N设备类型联网租赁比例。再设定好第一数量偏差阈值，以及一类数量偏差数量比阈值，即可执行进程，得到数量相似系数。
进一步的，特征二值化处理算法流程如下：对所述第一设备类型孤岛租赁比例和所述第一设备类型联网租赁比例进行偏差分析，生成第一设备类型租赁比例偏差；当第一设备类型租赁比例偏差大于所述第一比例偏差阈值，对所述第一设备类型租赁比例偏差进行0值标识；当所述第一设备类型租赁比例偏差小于或等于所述第一比例偏差阈值，对所述第一设备类型租赁比例偏差进行1值标识。遍历第二设备类型租赁比例偏差直到第N设备类型租赁比例偏差，分别进行1或0的标识。具有1值标识的比例偏差即为一类比例，统计具有1值标识的比例偏差和N的比值，设为一类比例偏差数量比。
第三步骤：将比例相似系数和数量相似系数，添加进第一评估系数，即第一评估系数包括设备功能类型比例相似系数和数量相似系数。进一步的，第二评估系数包括设备型号对应的比例相似系数和数量相似系数。将所述第一评估系数和所述第二评估系数存储，等待后步高效调用。
S60：根据所述第一评估系数和所述第二评估系数，进行第二预设时区的租赁预测，生成第二预设时区预测租赁状态，其中，所述第二预设时区为所述第一预设时区的未来时区；
进一步的，根据所述第一评估系数和所述第二评估系数，进行第二预设时区的租赁预测，生成第二预设时区预测租赁状态，其中，所述第二预设时区为所述第一预设时区的未来时区，步骤S60包括：
S61：当所述第一评估系数的第一比例相似系数满足第一相似系数阈值，且第一数量相似系数满足第二相似系数阈值，基于历史联网租赁日志，遍历第一设备类型、第二设备类型直到第N设备类型进行增长趋势预测，生成第二预设时区设备类型预测租赁状态；
S62：当所述第二评估系数的第二比例相似系数满足第三相似系数阈值，且第二数量相似系数满足第四相似系数阈值，基于历史联网租赁日志，遍历第一设备类型子属型号、第二设备类型子属型号直到第N设备类型子属型号进行增长趋势预测，生成第二预设时区设备型号预测租赁状态；
S63：将所述第二预设时区设备类型预测租赁状态和所述第二预设时区设备型号预测租赁状态，添加进所述第二预设时区预测租赁状态。
进一步，还包括步骤S64，步骤S64包括：
S641：当所述第一评估系数的第一比例相似系数不满足第一相似系数阈值，或第一数量相似系数不满足第二相似系数阈值，基于历史孤岛租赁日志，遍历第一设备类型、第二设备类型直到第N设备类型进行增长趋势预测，生成第二预设时区设备类型预测租赁状态；
S642：当所述第二评估系数的第二比例相似系数不满足第三相似系数阈值，或第二数量相似系数不满足第四相似系数阈值，基于历史孤岛租赁日志，遍历第一设备类型子属型号、第二设备类型子属型号直到第N设备类型子属型号进行增长趋势预测，生成第二预设时区设备型号预测租赁状态；
S643：将所述第二预设时区设备类型预测租赁状态和所述第二预设时区设备型号预测租赁状态，添加进所述第二预设时区预测租赁状态。
进一步的，还包括步骤S65，步骤S65包括：
S651：当所述第一评估系数的第一比例相似系数不满足第一相似系数阈值，或第一数量相似系数不满足第二相似系数阈值，基于历史孤岛租赁日志，遍历第一设备类型、第二设备类型直到第N设备类型进行增长趋势预测，生成第二预设时区设备类型预测租赁状态；
S652：当所述第二评估系数的第二比例相似系数满足第三相似系数阈值，且第二数量相似系数满足第四相似系数阈值，基于历史联网租赁日志，遍历第一设备类型子属型号、第二设备类型子属型号直到第N设备类型子属型号进行增长趋势预测，生成第二预设时区设备型号预测租赁状态；
S653：将所述第二预设时区设备类型预测租赁状态和所述第二预设时区设备型号预测租赁状态，添加进所述第二预设时区预测租赁状态。
进一步的，还包括步骤S66，步骤S66包括：
S661：当所述第一评估系数的第一比例相似系数满足第一相似系数阈值，且第一数量相似系数满足第二相似系数阈值，基于历史联网租赁日志，遍历第一设备类型、第二设备类型直到第N设备类型进行增长趋势预测，生成第二预设时区设备类型预测租赁状态；
S662：当所述第二评估系数的第二比例相似系数不满足第三相似系数阈值，或第二数量相似系数不满足第四相似系数阈值，基于历史孤岛租赁日志，遍历第一设备类型子属型号、第二设备类型子属型号直到第N设备类型子属型号进行增长趋势预测，生成第二预设时区设备型号预测租赁状态；
S663：将所述第二预设时区设备类型预测租赁状态和所述第二预设时区设备型号预测租赁状态，添加进所述第二预设时区预测租赁状态。
具体而言，第二预设时区预测租赁状态指的是根据第一评估系数和第二评估系数进行租赁预测得到的设备可能的租赁状态，包括设备功能类型租赁数量和比例，设备型号租赁数量和比例。第二预设时区为第一预设时区的未来时区。
详细地可划分为如下情况：
情况1：当第一评估系数的第一比例相似系数满足第一相似系数阈值，且第一数量相似系数满足第二相似系数阈值，基于历史联网租赁日志，遍历第一设备类型、第二设备类型直到第N设备类型进行增长趋势预测，生成第二预设时区设备类型预测租赁状态；当所述第二评估系数的第二比例相似系数满足第三相似系数阈值，且第二数量相似系数满足第四相似系数阈值，基于历史联网租赁日志，遍历第一设备类型子属型号、第二设备类型子属型号直到第N设备类型子属型号进行增长趋势预测，生成第二预设时区设备型号预测租赁状态。将所述第二预设时区设备类型预测租赁状态和所述第二预设时区设备型号预测租赁状态，添加进所述第二预设时区预测租赁状态。
情况2：当所述第一评估系数的第一比例相似系数不满足第一相似系数阈值，或第一数量相似系数不满足第二相似系数阈值，基于历史孤岛租赁日志，遍历第一设备类型、第二设备类型直到第N设备类型进行增长趋势预测，生成第二预设时区设备类型预测租赁状态。当所述第二评估系数的第二比例相似系数不满足第三相似系数阈值，或第二数量相似系数不满足第四相似系数阈值，基于历史孤岛租赁日志，遍历第一设备类型子属型号、第二设备类型子属型号直到第N设备类型子属型号进行增长趋势预测，生成第二预设时区设备型号预测租赁状态。将所述第二预设时区设备类型预测租赁状态和所述第二预设时区设备型号预测租赁状态，添加进所述第二预设时区预测租赁状态。
情况3：当所述第一评估系数的第一比例相似系数不满足第一相似系数阈值，或第一数量相似系数不满足第二相似系数阈值，基于历史孤岛租赁日志，遍历第一设备类型、第二设备类型直到第N设备类型进行增长趋势预测，生成第二预设时区设备类型预测租赁状态。当所述第二评估系数的第二比例相似系数满足第三相似系数阈值，且第二数量相似系数满足第四相似系数阈值，基于历史联网租赁日志，遍历第一设备类型子属型号、第二设备类型子属型号直到第N设备类型子属型号进行增长趋势预测，生成第二预设时区设备型号预测租赁状态。将所述第二预设时区设备类型预测租赁状态和所述第二预设时区设备型号预测租赁状态，添加进所述第二预设时区预测租赁状态。
情况4：当所述第一评估系数的第一比例相似系数满足第一相似系数阈值，且第一数量相似系数满足第二相似系数阈值，基于历史联网租赁日志，遍历第一设备类型、第二设备类型直到第N设备类型进行增长趋势预测，生成第二预设时区设备类型预测租赁状态；当所述第二评估系数的第二比例相似系数不满足第三相似系数阈值，或第二数量相似系数不满足第四相似系数阈值，基于历史孤岛租赁日志，遍历第一设备类型子属型号、第二设备类型子属型号直到第N设备类型子属型号进行增长趋势预测，生成第二预设时区设备型号预测租赁状态。将所述第二预设时区设备类型预测租赁状态和所述第二预设时区设备型号预测租赁状态，添加进所述第二预设时区预测租赁状态。
综上所述的四种情况，简单而言，就是当本地租赁历史状态和联网租赁历史状态一致时，由于联网数据准确性更强，使用联网数据进行第二时区的租赁预测；若不一致，则使用本地租赁数据进行第二时区的租赁预测。从而可以保证增长趋势预测的基础数据的应用灵活性，保证租赁状态预测的准确性和适用性。
详细地：无论是基于孤岛数据还是联网数据进行增长趋势预测的算法流程是完全相同，本申请实施例以：当所述第一评估系数的第一比例相似系数满足第一相似系数阈值，且第一数量相似系数满足第二相似系数阈值，基于历史联网租赁日志，遍历第一设备类型、第二设备类型直到第N设备类型进行增长趋势预测，生成第二预设时区设备类型预测租赁状态的过程，示例性地说明增长趋势预测的步骤：
根据历史联网租赁日志，统计本年度的上上个周期到上个周期的第一设备类型的第一数量变化量，和第一比例变化量；统计上上个年度的与第二时区的相同周期，与上个年度的与第二预设时区的相同周期的第二数量变化量，以及第二比例变化量。
首先以第一数量变化量和第一比例变化量，对第一预设时区的租赁设备的比例和数量进行调整，得到第一个第二预设时区设备类型预测租赁状态。然后再根据第二数量变化量，以及第二比例变化量，对上个年度的与第二预设时区的相同周期的租赁设备的比例和数量进行调整，得到第二个第二预设时区设备类型预测租赁状态。然后求取第一个第二预设时区设备类型预测租赁状态和第二个第二预设时区设备类型预测租赁状态的比例和数量的均值，设为第二预设时区设备类型预测租赁状态。需要阐明的是，也可以常规替换现有已经较为成熟的租赁预测方式。
S70：根据所述第二预设时区预测租赁状态进行设备库存匹配，生成设备库存推荐方案，发送至Saas平台用户端。
具体而言，根据第二预设时区预测租赁状态内部的各个设备功能类型的比例和数量，以及设备型号的比例和数量进行设备库存匹配，得到设备库存推荐方案，发送至Saas平台用户端，便于用户调整库存。
综上所述，本申请实施例至少具有如下技术效果：
1、本申请实施例通过提供基于Saas平台设备租赁仓库智能管理方法，具体为：当满足设定的仓库管理周期时，确定租赁的一级类型列表和二级型号列表；分别针对一级类型列表和二级型号列表，进行孤岛和联网分析，确定孤岛和联网租赁状态的一致性；根据一致性评估结果有选择性的基于本地或者联网的历史数据进行设备库存匹配，达到了实现库存自动化管理，且具有较强的场景适应度的技术效果。
2、通过分析孤岛租赁状态和联网租赁状态二者的一致性程度，从而选择不同的租赁状态预测的基础数据，提高了设备租赁的库存调整灵活性，保证了设备租赁的库存调整的智能性和准确性，达到了实现库存自动化管理，且具有较强的场景适应度的技术效果。
实施例二
基于与前述实施例中一种基于Saas平台设备租赁仓库智能管理方法相同的发明构思，如图2所示，本申请提供了基于Saas平台设备租赁仓库智能管理系统，包括：
第一获得单元11，用于当满足第一仓库管理周期时，获取待租赁设备的一级类型列表和二级型号列表，其中，所述一级类型列表指的是基于设备功能类型划分的列表，所述二级型号列表指的是基于设备生产型号在所述一级类型列表的基础上划分的列表；
第一提取单元12，用于遍历所述一级类型列表，提取第一预设时区的一级孤岛租赁日志和一级联网租赁日志；
第二提取单元13，用于遍历所述二级型号列表，提取第一预设时区的二级孤岛租赁日志和二级联网租赁日志；
第一评估单元14，用于对所述一级孤岛租赁日志和所述一级联网租赁日志进行租赁状态一致性评估，生成第一评估系数；
第二评估单元15，用于对所述二级孤岛租赁日志和所述二级联网租赁日志进行租赁状态一致性评估，生成第二评估系数；
第一预测单元16，用于根据所述第一评估系数和所述第二评估系数，进行第二预设时区的租赁预测，生成第二预设时区预测租赁状态，其中，所述第二预设时区为所述第一预设时区的未来时区；
第一匹配单元17，用于根据所述第二预设时区预测租赁状态进行设备库存匹配，生成设备库存推荐方案，发送至Saas平台用户端。
进一步的，所述第一评估单元14执行步骤包括：
根据所述一级孤岛租赁日志，统计第一设备类型孤岛租赁数量和第一设备类型孤岛租赁比例，第二设备类型孤岛租赁数量和第二设备类型孤岛租赁比例、直到第N设备类型孤岛租赁数量和第N设备类型孤岛租赁比例；
根据所述一级联网租赁日志，统计第一设备类型联网租赁数量和第一设备类型联网租赁比例，第二设备类型联网租赁数量和第二设备类型联网租赁比例、直到第N设备类型联网租赁数量和第N设备类型联网租赁比例；
对所述第一设备类型孤岛租赁比例、所述第二设备类型孤岛租赁比例直到所述第N设备类型孤岛租赁比例，与所述第一设备类型联网租赁比例、所述第二设备类型联网租赁比例直到所述第N设备类型联网租赁比例进行比例相似评估，生成比例相似系数；
对所述第一设备类型孤岛租赁数量、所述第二设备类型孤岛租赁数量直到所述第N设备类型孤岛租赁数量，与所述第一设备类型联网租赁数量、所述第二设备类型联网租赁数量直到所述第N设备类型联网租赁数量进行数量相似评估，生成数量相似系数；
将所述比例相似系数和所述数量相似系数，添加进所述第一评估系数。
进一步的，所述第一评估单元14执行步骤包括：
设定第一比例偏差阈值；
根据所述第一比例偏差阈值，对所述第一设备类型孤岛租赁比例、所述第二设备类型孤岛租赁比例直到所述第N设备类型孤岛租赁比例，与所述第一设备类型联网租赁比例、所述第二设备类型联网租赁比例直到所述第N设备类型联网租赁比例进行特征二值化处理，生成一类比例偏差数量比；
当所述一类比例偏差数量比大于或等于一类比例偏差数量比阈值，对第一设备类型租赁比例偏差、第二设备类型租赁比例偏差直到第N设备类型租赁比例偏差的绝对值求取均值，再对均值求倒数，生成所述比例相似系数。
进一步的，所述第一评估单元14执行步骤包括：
对所述第一设备类型孤岛租赁比例和所述第一设备类型联网租赁比例进行偏差分析，生成第一设备类型租赁比例偏差；
当所述第一设备类型租赁比例偏差大于所述第一比例偏差阈值，对所述第一设备类型租赁比例偏差进行0值标识；
当所述第一设备类型租赁比例偏差小于或等于所述第一比例偏差阈值，对所述第一设备类型租赁比例偏差进行1值标识；
遍历所述第一设备类型租赁比例偏差、所述第二设备类型租赁比例偏差直到所述第N设备类型租赁比例偏差，统计1值比例，设为所述一类比例偏差数量比。
进一步的，所述第一预测单元16执行步骤包括：
当所述第一评估系数的第一比例相似系数满足第一相似系数阈值，且第一数量相似系数满足第二相似系数阈值，基于历史联网租赁日志，遍历第一设备类型、第二设备类型直到第N设备类型进行增长趋势预测，生成第二预设时区设备类型预测租赁状态；
当所述第二评估系数的第二比例相似系数满足第三相似系数阈值，且第二数量相似系数满足第四相似系数阈值，基于历史联网租赁日志，遍历第一设备类型子属型号、第二设备类型子属型号直到第N设备类型子属型号进行增长趋势预测，生成第二预设时区设备型号预测租赁状态；
将所述第二预设时区设备类型预测租赁状态和所述第二预设时区设备型号预测租赁状态，添加进所述第二预设时区预测租赁状态。
进一步的，所述第一预测单元16执行步骤包括：
当所述第一评估系数的第一比例相似系数不满足第一相似系数阈值，或第一数量相似系数不满足第二相似系数阈值，基于历史孤岛租赁日志，遍历第一设备类型、第二设备类型直到第N设备类型进行增长趋势预测，生成第二预设时区设备类型预测租赁状态；
当所述第二评估系数的第二比例相似系数不满足第三相似系数阈值，或第二数量相似系数不满足第四相似系数阈值，基于历史孤岛租赁日志，遍历第一设备类型子属型号、第二设备类型子属型号直到第N设备类型子属型号进行增长趋势预测，生成第二预设时区设备型号预测租赁状态；
将所述第二预设时区设备类型预测租赁状态和所述第二预设时区设备型号预测租赁状态，添加进所述第二预设时区预测租赁状态。
进一步的，所述第一预测单元16执行步骤还包括：
当所述第一评估系数的第一比例相似系数不满足第一相似系数阈值，或第一数量相似系数不满足第二相似系数阈值，基于历史孤岛租赁日志，遍历第一设备类型、第二设备类型直到第N设备类型进行增长趋势预测，生成第二预设时区设备类型预测租赁状态；
当所述第二评估系数的第二比例相似系数满足第三相似系数阈值，且第二数量相似系数满足第四相似系数阈值，基于历史联网租赁日志，遍历第一设备类型子属型号、第二设备类型子属型号直到第N设备类型子属型号进行增长趋势预测，生成第二预设时区设备型号预测租赁状态；
将所述第二预设时区设备类型预测租赁状态和所述第二预设时区设备型号预测租赁状态，添加进所述第二预设时区预测租赁状态。
进一步的，所述第一预测单元16执行步骤还包括：
当所述第一评估系数的第一比例相似系数满足第一相似系数阈值，且第一数量相似系数满足第二相似系数阈值，基于历史联网租赁日志，遍历第一设备类型、第二设备类型直到第N设备类型进行增长趋势预测，生成第二预设时区设备类型预测租赁状态；
当所述第二评估系数的第二比例相似系数不满足第三相似系数阈值，或第二数量相似系数不满足第四相似系数阈值，基于历史孤岛租赁日志，遍历第一设备类型子属型号、第二设备类型子属型号直到第N设备类型子属型号进行增长趋势预测，生成第二预设时区设备型号预测租赁状态；
将所述第二预设时区设备类型预测租赁状态和所述第二预设时区设备型号预测租赁状态，添加进所述第二预设时区预测租赁状态。
本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (2)
1.基于Saas平台设备租赁仓库智能管理方法，其特征在于，包括：
当满足第一仓库管理周期时，获取待租赁设备的一级类型列表和二级型号列表，其中，所述一级类型列表指的是基于设备功能类型划分的列表，所述二级型号列表指的是基于设备生产型号在所述一级类型列表的基础上划分的列表；
遍历所述一级类型列表，提取第一预设时区的一级孤岛租赁日志和一级联网租赁日志；
遍历所述二级型号列表，提取第一预设时区的二级孤岛租赁日志和二级联网租赁日志；
对所述一级孤岛租赁日志和所述一级联网租赁日志进行租赁状态一致性评估，生成第一评估系数；
对所述二级孤岛租赁日志和所述二级联网租赁日志进行租赁状态一致性评估，生成第二评估系数；
根据所述第一评估系数和所述第二评估系数，进行第二预设时区的租赁预测，生成第二预设时区预测租赁状态，其中，所述第二预设时区为所述第一预设时区的未来时区；
根据所述第二预设时区预测租赁状态进行设备库存匹配，生成设备库存推荐方案，发送至Saas平台用户端；
其中，对所述一级孤岛租赁日志和所述一级联网租赁日志进行租赁状态一致性评估，生成第一评估系数，包括：
根据所述一级孤岛租赁日志，统计第一设备类型孤岛租赁数量和第一设备类型孤岛租赁比例，第二设备类型孤岛租赁数量和第二设备类型孤岛租赁比例、直到第N设备类型孤岛租赁数量和第N设备类型孤岛租赁比例；
根据所述一级联网租赁日志，统计第一设备类型联网租赁数量和第一设备类型联网租赁比例，第二设备类型联网租赁数量和第二设备类型联网租赁比例、直到第N设备类型联网租赁数量和第N设备类型联网租赁比例；
对所述第一设备类型孤岛租赁比例、所述第二设备类型孤岛租赁比例直到所述第N设备类型孤岛租赁比例，与所述第一设备类型联网租赁比例、所述第二设备类型联网租赁比例直到所述第N设备类型联网租赁比例进行比例相似评估，生成比例相似系数；
对所述第一设备类型孤岛租赁数量、所述第二设备类型孤岛租赁数量直到所述第N设备类型孤岛租赁数量，与所述第一设备类型联网租赁数量、所述第二设备类型联网租赁数量直到所述第N设备类型联网租赁数量进行数量相似评估，生成数量相似系数；
将所述比例相似系数和所述数量相似系数，添加进所述第一评估系数；
其中，对所述第一设备类型孤岛租赁比例、所述第二设备类型孤岛租赁比例直到所述第N设备类型孤岛租赁比例，与所述第一设备类型联网租赁比例、所述第二设备类型联网租赁比例直到所述第N设备类型联网租赁比例进行比例相似评估，生成比例相似系数，包括：
设定第一比例偏差阈值；
根据所述第一比例偏差阈值，对所述第一设备类型孤岛租赁比例、所述第二设备类型孤岛租赁比例直到所述第N设备类型孤岛租赁比例，与所述第一设备类型联网租赁比例、所述第二设备类型联网租赁比例直到所述第N设备类型联网租赁比例进行特征二值化处理，生成一类比例偏差数量比；
当所述一类比例偏差数量比大于或等于一类比例偏差数量比阈值，对第一设备类型租赁比例偏差、第二设备类型租赁比例偏差直到第N设备类型租赁比例偏差的绝对值求取均值，再对均值求倒数，生成所述比例相似系数；
其中，根据所述第一比例偏差阈值，对所述第一设备类型孤岛租赁比例、所述第二设备类型孤岛租赁比例直到所述第N设备类型孤岛租赁比例，与所述第一设备类型联网租赁比例、所述第二设备类型联网租赁比例直到所述第N设备类型联网租赁比例进行特征二值化处理，生成一类比例偏差数量比，包括：
对所述第一设备类型孤岛租赁比例和所述第一设备类型联网租赁比例进行偏差分析，生成第一设备类型租赁比例偏差；
当所述第一设备类型租赁比例偏差大于所述第一比例偏差阈值，对所述第一设备类型租赁比例偏差进行0值标识；
当所述第一设备类型租赁比例偏差小于或等于所述第一比例偏差阈值，对所述第一设备类型租赁比例偏差进行1值标识；
遍历所述第一设备类型租赁比例偏差、所述第二设备类型租赁比例偏差直到所述第N设备类型租赁比例偏差，统计1值比例，设为所述一类比例偏差数量比；
其中，根据所述第一评估系数和所述第二评估系数，进行第二预设时区的租赁预测，生成第二预设时区预测租赁状态，其中，所述第二预设时区为所述第一预设时区的未来时区，包括：
当所述第一评估系数的第一比例相似系数满足第一相似系数阈值，且第一数量相似系数满足第二相似系数阈值，基于历史联网租赁日志，遍历第一设备类型、第二设备类型直到第N设备类型进行增长趋势预测，生成第二预设时区设备类型预测租赁状态；
当所述第二评估系数的第二比例相似系数满足第三相似系数阈值，且第二数量相似系数满足第四相似系数阈值，基于历史联网租赁日志，遍历第一设备类型子属型号、第二设备类型子属型号直到第N设备类型子属型号进行增长趋势预测，生成第二预设时区设备型号预测租赁状态；
将所述第二预设时区设备类型预测租赁状态和所述第二预设时区设备型号预测租赁状态，添加进所述第二预设时区预测租赁状态；
其中，还包括：
当所述第一评估系数的第一比例相似系数不满足第一相似系数阈值，或第一数量相似系数不满足第二相似系数阈值，基于历史孤岛租赁日志，遍历第一设备类型、第二设备类型直到第N设备类型进行增长趋势预测，生成第二预设时区设备类型预测租赁状态；
当所述第二评估系数的第二比例相似系数不满足第三相似系数阈值，或第二数量相似系数不满足第四相似系数阈值，基于历史孤岛租赁日志，遍历第一设备类型子属型号、第二设备类型子属型号直到第N设备类型子属型号进行增长趋势预测，生成第二预设时区设备型号预测租赁状态；
将所述第二预设时区设备类型预测租赁状态和所述第二预设时区设备型号预测租赁状态，添加进所述第二预设时区预测租赁状态；
其中，还包括：
当所述第一评估系数的第一比例相似系数不满足第一相似系数阈值，或第一数量相似系数不满足第二相似系数阈值，基于历史孤岛租赁日志，遍历第一设备类型、第二设备类型直到第N设备类型进行增长趋势预测，生成第二预设时区设备类型预测租赁状态；
当所述第二评估系数的第二比例相似系数满足第三相似系数阈值，且第二数量相似系数满足第四相似系数阈值，基于历史联网租赁日志，遍历第一设备类型子属型号、第二设备类型子属型号直到第N设备类型子属型号进行增长趋势预测，生成第二预设时区设备型号预测租赁状态；
将所述第二预设时区设备类型预测租赁状态和所述第二预设时区设备型号预测租赁状态，添加进所述第二预设时区预测租赁状态；
其中，还包括：
当所述第一评估系数的第一比例相似系数满足第一相似系数阈值，且第一数量相似系数满足第二相似系数阈值，基于历史联网租赁日志，遍历第一设备类型、第二设备类型直到第N设备类型进行增长趋势预测，生成第二预设时区设备类型预测租赁状态；
当所述第二评估系数的第二比例相似系数不满足第三相似系数阈值，或第二数量相似系数不满足第四相似系数阈值，基于历史孤岛租赁日志，遍历第一设备类型子属型号、第二设备类型子属型号直到第N设备类型子属型号进行增长趋势预测，生成第二预设时区设备型号预测租赁状态；
将所述第二预设时区设备类型预测租赁状态和所述第二预设时区设备型号预测租赁状态，添加进所述第二预设时区预测租赁状态。
2.基于Saas平台设备租赁仓库智能管理系统，其特征在于，用于实施如权利要求1所述的方法，所述系统包括：
第一获得单元，用于当满足第一仓库管理周期时，获取待租赁设备的一级类型列表和二级型号列表，其中，所述一级类型列表指的是基于设备功能类型划分的列表，所述二级型号列表指的是基于设备生产型号在所述一级类型列表的基础上划分的列表；
第一提取单元，用于遍历所述一级类型列表，提取第一预设时区的一级孤岛租赁日志和一级联网租赁日志；
第二提取单元，用于遍历所述二级型号列表，提取第一预设时区的二级孤岛租赁日志和二级联网租赁日志；
第一评估单元，用于对所述一级孤岛租赁日志和所述一级联网租赁日志进行租赁状态一致性评估，生成第一评估系数；
第二评估单元，用于对所述二级孤岛租赁日志和所述二级联网租赁日志进行租赁状态一致性评估，生成第二评估系数；
第一预测单元，用于根据所述第一评估系数和所述第二评估系数，进行第二预设时区的租赁预测，生成第二预设时区预测租赁状态，其中，所述第二预设时区为所述第一预设时区的未来时区；
第一匹配单元，用于根据所述第二预设时区预测租赁状态进行设备库存匹配，生成设备库存推荐方案，发送至Saas平台用户端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311144093.0A CN117455351B (zh) | 2023-09-06 | 2023-09-06 | 基于Saas平台设备租赁仓库智能管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311144093.0A CN117455351B (zh) | 2023-09-06 | 2023-09-06 | 基于Saas平台设备租赁仓库智能管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117455351A CN117455351A (zh) | 2024-01-26 |
| CN117455351B true CN117455351B (zh) | 2024-05-17 |
Family
ID=89593600
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311144093.0A Active CN117455351B (zh) | 2023-09-06 | 2023-09-06 | 基于Saas平台设备租赁仓库智能管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117455351B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015141600A (ja) * | 2014-01-29 | 2015-08-03 | 株式会社日立システムズ | リース残価設定額算出システム及びリース残価設定額算出方法、車両ビジネス活性化システム |
| CN108230054A (zh) * | 2016-12-09 | 2018-06-29 | 江苏融成爱伊文化传播有限公司 | 一种商业租赁业务管理系统 |
| CN108805654A (zh) * | 2018-05-07 | 2018-11-13 | 北京易代储科技有限公司 | 仓库租赁信息的处理方法、系统和服务器 |
| CN111461628A (zh) * | 2020-04-29 | 2020-07-28 | 众能联合数字技术有限公司 | 一种设备租赁的动态库存预测方法 |
| CN111553773A (zh) * | 2020-04-30 | 2020-08-18 | 众能联合数字技术有限公司 | 一种基于移动端app系统的工程设备租赁智能解决方法 |
| CN111612325A (zh) * | 2020-05-18 | 2020-09-01 | 众能联合数字技术有限公司 | 一种设备租赁的管理系统 |
| KR20210030182A (ko) * | 2019-09-09 | 2021-03-17 | 최병록 | 인공지능 모델을 이용한 물류창고의 공실률 관리 방법 및 장치 |
| JP2022164351A (ja) * | 2021-04-16 | 2022-10-27 | 株式会社Tent | 情報処理装置、レンタル管理プログラム及びレンタル管理方法 |
| JP2023046578A (ja) * | 2021-09-24 | 2023-04-05 | セイコーエプソン株式会社 | レンタル支援システム |
| CN116227872A (zh) * | 2023-03-09 | 2023-06-06 | 陕西交建云数据科技有限公司 | 一种基于项目设备实际使用分析的企业设备管理方法及系统 |
| CN116433343A (zh) * | 2023-03-29 | 2023-07-14 | 三一高空机械装备有限公司 | 设备租赁管理方法、系统、作业机械及电子设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130311354A1 (en) * | 2012-05-16 | 2013-11-21 | Bby Solutions, Inc. | Product leasing system and method |
-
2023
- 2023-09-06 CN CN202311144093.0A patent/CN117455351B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015141600A (ja) * | 2014-01-29 | 2015-08-03 | 株式会社日立システムズ | リース残価設定額算出システム及びリース残価設定額算出方法、車両ビジネス活性化システム |
| CN108230054A (zh) * | 2016-12-09 | 2018-06-29 | 江苏融成爱伊文化传播有限公司 | 一种商业租赁业务管理系统 |
| CN108805654A (zh) * | 2018-05-07 | 2018-11-13 | 北京易代储科技有限公司 | 仓库租赁信息的处理方法、系统和服务器 |
| KR20210030182A (ko) * | 2019-09-09 | 2021-03-17 | 최병록 | 인공지능 모델을 이용한 물류창고의 공실률 관리 방법 및 장치 |
| CN111461628A (zh) * | 2020-04-29 | 2020-07-28 | 众能联合数字技术有限公司 | 一种设备租赁的动态库存预测方法 |
| CN111553773A (zh) * | 2020-04-30 | 2020-08-18 | 众能联合数字技术有限公司 | 一种基于移动端app系统的工程设备租赁智能解决方法 |
| CN111612325A (zh) * | 2020-05-18 | 2020-09-01 | 众能联合数字技术有限公司 | 一种设备租赁的管理系统 |
| JP2022164351A (ja) * | 2021-04-16 | 2022-10-27 | 株式会社Tent | 情報処理装置、レンタル管理プログラム及びレンタル管理方法 |
| JP2023046578A (ja) * | 2021-09-24 | 2023-04-05 | セイコーエプソン株式会社 | レンタル支援システム |
| CN116227872A (zh) * | 2023-03-09 | 2023-06-06 | 陕西交建云数据科技有限公司 | 一种基于项目设备实际使用分析的企业设备管理方法及系统 |
| CN116433343A (zh) * | 2023-03-29 | 2023-07-14 | 三一高空机械装备有限公司 | 设备租赁管理方法、系统、作业机械及电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 关于"物联网+融资租赁"发展模式研究;陆岷峰;吴建平;;吉林金融研究;20171015(第10期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117455351A (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107943809B (zh) | 数据质量监控方法、装置及大数据计算平台 | |
| CN106991145B (zh) | 一种监测数据的方法及装置 | |
| Vincent et al. | Input data analysis | |
| DE10311311A1 (de) | Berechnung von Preiselastizität | |
| EP3850441B1 (en) | Industrial bottleneck detection and management method and system | |
| Smunt | A comparison of learning curve analysis and moving average ratio analysis for detailed operational planning | |
| CN115145901A (zh) | 一种基于多尺度的时间序列预测方法及系统 | |
| CN117455351B (zh) | 基于Saas平台设备租赁仓库智能管理方法及系统 | |
| CN117273552A (zh) | 一种基于机器学习的大数据智能治理决策方法及系统 | |
| CN116539994A (zh) | 基于多源时间序列数据的变电站主设备运行状态检测方法 | |
| CN109766440B (zh) | 一种用于为对象文本描述确定默认分类信息的方法及系统 | |
| Deng et al. | A novel method for elimination of inconsistencies in ordinal classification with monotonicity constraints | |
| Ye et al. | Application of time series method to the passenger flow prediction in the intelligent bus transportation system with big data | |
| CN115115469A (zh) | 一种立体库调度效率评价方法、系统及存储介质、终端 | |
| Balsera et al. | Data Mining Applied to the Improvement of Project Management | |
| CN109754175B (zh) | 用于对行政审批事项的办结时限进行压缩预测的计算模型及其应用 | |
| CN112330280A (zh) | 一种人力资源市场主体信用查询方法及系统 | |
| Quesada-López et al. | Function Point Structure and Applicability: A Replicated Study. | |
| CN112835952A (zh) | 一种基于股票指标的计算分析方法及系统 | |
| CN114006865B (zh) | 基于多维度指标的用户流量控制系统、方法、终端及介质 | |
| CN118395135B (zh) | 一种用于供应链计划系统的数据预处理系统及其方法 | |
| Gelei et al. | Forecasting of Sporadic Products: Practical and Theoretical Considerations | |
| Morasca et al. | A comparative study of two techniques for analyzing software measurement data | |
| CN117829886A (zh) | 一种访问趋势预测方法、装置及电子设备 | |
| CN117909173A (zh) | 基于大数据云平台的云应用健康度分析方法及装置 |
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 |