CN117495019A - 基于农产品供应链的农产品协同调度方法与系统 - Google Patents
基于农产品供应链的农产品协同调度方法与系统 Download PDFInfo
- Publication number
- CN117495019A CN117495019A CN202311521082.XA CN202311521082A CN117495019A CN 117495019 A CN117495019 A CN 117495019A CN 202311521082 A CN202311521082 A CN 202311521082A CN 117495019 A CN117495019 A CN 117495019A
- Authority
- CN
- China
- Prior art keywords
- supply chain
- result
- agricultural product
- data
- demand
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000011156 evaluation Methods 0.000 claims abstract description 121
- 238000004458 analytical method Methods 0.000 claims abstract description 52
- 238000012216 screening Methods 0.000 claims abstract description 41
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 29
- 230000002776 aggregation Effects 0.000 claims abstract description 13
- 238000004220 aggregation Methods 0.000 claims abstract description 13
- 230000005855 radiation Effects 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 31
- 238000010276 construction Methods 0.000 claims description 24
- 238000005070 sampling Methods 0.000 claims description 21
- 238000012546 transfer Methods 0.000 claims description 21
- 238000007726 management method Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 19
- 238000005057 refrigeration Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000007728 cost analysis Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 abstract description 20
- 230000004044 response Effects 0.000 abstract description 14
- 230000008901 benefit Effects 0.000 abstract description 9
- 238000004519 manufacturing process Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 12
- 238000003860 storage Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000010948 quality risk assessment Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000013068 supply chain management Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000011282 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
- G06Q10/06—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
- G06Q10/06315—Needs-based resource requirements planning or 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
- G06Q10/06—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
- G06Q10/06313—Resource 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
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
-
- 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
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了基于农产品供应链的农产品协同调度方法与系统，涉及产品调度技术领域，所述方法包括：建立农产品的供应链实时生命周期，然后设定初始节点关联值，进行节点监测，生成异常报出数据，匹配初始节点关联值，根据匹配结果进行中心节点的辐射聚合分析，建立解空间，根据解空间进行质量需求预测筛选，生成筛选结果，进阿里结果执行多维决策评价，最后执行供应链的链内调度。本申请主要解决了不能根据农产品的自身特点进行调度和优化，供应链的响应速度较慢，导致农产品的质量下降的问题。通过应用预测筛选结果，确定调度方案，从而实现更好的社会经济效益。实现农产品供应链的优化运作，提高效率和响应速度。
Description
技术领域
本申请涉及产品调度技术领域，具体涉及基于农产品供应链的农产品协同调度方法与系统。
背景技术
农产品供应链的运作涉及多个环节和多个参与者，包括农产品食品产品经营者、生产商、销售商、农产品食品店家、物流仓储及顾客等。这些参与者之间需要进行高效的协同和信息共享，才能实现供应链的高效运作。随着信息技术的发展，农产品供应链管理系统逐渐得到了广泛的应用。农产品行业具有自身的特点，如季节性、地域性等。因此，在农产品供应链中，需要根据农产品的特点进行合理的调度和优化，以满足市场需求的同时，保证农产品的质量和安全。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
不能根据农产品的自身特点进行调度和优化，供应链的响应速度较慢，导致农产品的质量下降的问题。
发明内容
本申请主要解决了不能根据农产品的自身特点进行调度和优化，供应链的响应速度较慢，导致农产品的质量下降的问题。
鉴于上述问题，本申请提供了基于农产品供应链的农产品协同调度方法与系统，第一方面，本申请提供了基于农产品供应链的农产品协同调度方法，所述方法包括：以农产品的产品来源为数据起点，建立农产品供应链的实时生命周期数据，其中，所述农产品供应链为预设的农产品流向链状数据；通过所述农产品供应链配置供应链节点，并根据供应链节点间距离数据设定初始节点关联值；对所述供应链节点进行节点监测，生成供应链节点的异常报出数据，其中，所述异常报出数据为需求特征数据，所述需求特征数据包括需求等级、需求时限、需求数量和需求质量；以异常供应链节点作为中心节点，并匹配所述初始节点关联值，根据匹配结果和所述需求等级进行中心节点的辐射聚合分析，建立解空间；根据所述解空间内的实时生命周期进行质量需求预测筛选，生成预测筛选结果；对所述预测筛选结果进行需求时限、需求数量的匹配解建立，并对建立结果执行多维决策评价；根据多维决策评价结果确定调度方案，通过所述调度方案执行农产品供应链的链内调度。
第二方面，本申请提供了基于农产品供应链的农产品协同调度系统，所述系统包括：实时生命周期数据建立模块，所述实时生命周期数据建立模块用于以农产品的产品来源为数据起点，建立农产品供应链的实时生命周期数据，其中，所述农产品供应链为预设的农产品流向链状数据；初始节点关联值设定模块，所述初始节点关联值设定模块用于通过所述农产品供应链配置供应链节点，并根据供应链节点间距离数据设定初始节点关联值；异常报出数据生成模块，所述异常报出数据生成模块用于对所述供应链节点进行节点监测，生成供应链节点的异常报出数据，其中，所述异常报出数据为需求特征数据，所述需求特征数据包括需求等级、需求时限、需求数量和需求质量；解空间建立模块，所述解空间建立模块用于以异常供应链节点作为中心节点，并匹配所述初始节点关联值，根据匹配结果和所述需求等级进行中心节点的辐射聚合分析，建立解空间；预测筛选结果生成模块，所述预测筛选结果生成模块用于根据所述解空间内的实时生命周期进行质量需求预测筛选，生成预测筛选结果；多维决策评价执行模块，所述多维决策执行模块用于对所述预测筛选结果进行需求时限、需求数量的匹配解建立，并对建立结果执行多维决策评价；链内调度执行模块，所述链内调度执行模块用于根据多维决策评价结果确定调度方案，通过所述调度方案执行农产品供应链的链内调度。
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：
本申请提供了基于农产品供应链的农产品协同调度方法与系统，涉及产品调度技术领域，所述方法包括：建立农产品的供应链实时生命周期，然后设定初始节点关联值，进行节点监测，生成异常报出数据，匹配初始节点关联值，根据匹配结果进行中心节点的辐射聚合分析，建立解空间，根据解空间进行质量需求预测筛选，生成筛选结果，进阿里结果执行多维决策评价，最后执行供应链的链内调度。
本申请主要解决了不能根据农产品的自身特点进行调度和优化，供应链的响应速度较慢，导致农产品的质量下降的问题。通过应用预测筛选结果，确定调度方案，从而实现更好的社会经济效益。实现农产品供应链的优化运作，提高效率和响应速度。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供了基于农产品供应链的农产品协同调度方法流程示意图；
图2为本申请实施例提供了基于农产品供应链的农产品协同调度方法中，完成多维决策评价结果构建的方法流程示意图；
图3为本申请实施例提供了基于农产品供应链的农产品协同调度方法中，完成多维决策评价结果构建的方法流程示意图；
图4为本申请实施例提供了基于农产品供应链的农产品协同调度系统的结构示意图。
附图标记说明：实时生命周期数据建立模块10，初始节点关联值设定模块20，异常报出数据生成模块30，解空间建立模块40，预测筛选结果生成模块50，多维决策评价执行模块60，链内调度执行模块70。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请主要解决了不能根据农产品的自身特点进行调度和优化，供应链的响应速度较慢，导致农产品的质量下降的问题。通过应用预测筛选结果，确定调度方案，从而实现更好的社会经济效益。实现农产品供应链的优化运作，提高效率和响应速度。
为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述方案进行详细介绍：
实施例一
如图1所示基于农产品供应链的农产品协同调度方法，所述方法包括：
以农产品的产品来源为数据起点，建立农产品供应链的实时生命周期数据，其中，所述农产品供应链为预设的农产品流向链状数据；
具体而言，数据采集是构建农产品供应链实时生命周期数据的基础。需要明确数据来源、数据类型、数据格式等要素。由于农产品供应链是一个复杂的系统，需要考虑各个环节的数据采集，包括但不限于种植、运输、储存、销售等。例如，种植环节的数据包括作物种类、种植面积、种植时间等，运输环节的数据包括运输方式、运输时间、运输成本等，储存环节的数据包括储存地点、储存温度、储存时间等。在数据采集的基础上，需要进行数据加工处理。由于采集到的数据可能存在异常、错误等情况，需要进行清洗、转换、加工等处理，确保数据的准确性和完整性。例如，可以使用数据清洗技术去除异常值、缺失值，使用数据转换技术将不同格式的数据转换为统一格式，以便于后续处理和分析。通过数据分析，可以发现数据中的异常、趋势、规律等，从而更好地了解农产品供应链的运行情况，优化管理策略。例如，可以使用统计学方法分析农产品供应链的成本、效率等指标，使用数据挖掘技术发现隐藏在数据中的潜在规律和模式。总之，以农产品的产品来源为数据起点，建立农产品供应链的实时生命周期数据，可以更好地了解农产品供应链的运行情况，优化管理策略，提高运营效率，同时实现更好的社会经济效益。
通过所述农产品供应链配置供应链节点，并根据供应链节点间距离数据设定初始节点关联值；
具体而言，首先，需要明确农产品供应链中的各个节点，包括农产品生产商、物流仓储、销售商等。这些节点在农产品供应链中发挥着不同的作用和功能，因此需要根据实际情况进行合理的配置。其次，需要根据节点间的距离数据设定初始节点关联值。这个距离可以是物理距离、时间距离、成本距离等，具体需要根据实际情况进行选择和计算。例如，可以使用物流成本作为距离指标，根据两个节点之间的物流成本计算它们之间的距离。在设定初始节点关联值之后，可以进一步考虑节点间的关系和相互作用。例如，可以使用网络分析方法分析节点间的连接关系和影响力，从而更好地了解农产品供应链的整体结构和运作情况。此外，还可以根据实际需求进行更进一步的数据分析和应用。例如，可以使用数据挖掘技术发现隐藏在数据中的潜在规律和模式，从而指导农产品供应链的管理和优化，可以使用预测模型对农产品供应链的未来趋势进行预测和分析，从而制定更加科学合理的决策。总之，通过农产品供应链配置供应链节点，并根据供应链节点间距离数据设定初始节点关联值，可以更好地了解农产品供应链的结构和运作情况，为后续的数据分析和应用提供基础和支持。
对所述供应链节点进行节点监测，生成供应链节点的异常报出数据，其中，所述异常报出数据为需求特征数据，所述需求特征数据包括需求等级、需求时限、需求数量和需求质量；
具体而言，在农产品供应链中，对供应链节点进行节点监测，生成异常报出数据，农产品质量监测：对农产品的质量进行监测，包括外观、口感、营养成分等方面的检测，以确保农产品符合市场需求和安全标准。物流仓储监测：对物流仓储的运作进行监测，包括库存量、温度、湿度、光照等方面的监测，以确保农产品在储存和运输过程中保持良好状态。销售情况监测：对农产品的销售情况进行监测，包括销售量、销售额、客户反馈等方面的监测，以了解市场需求和消费者行为，为生产计划提供参考。成本效益监测：对农产品供应链的成本效益进行监测，包括采购成本、运输成本、储存成本、销售收益等方面的监测，以了解整个供应链的盈利情况，为优化管理提供支持。通过对这些方面的监测，可以获取到供应链节点的异常报出数据。这些数据可以包括需求特征数据，如需求等级、需求时限、需求数量和需求质量等。例如，如果某个节点的需求数量超过了预设的阈值，或者需求时限被延迟，那么这些都可以被视为异常情况。
以异常供应链节点作为中心节点，并匹配所述初始节点关联值，根据匹配结果和所述需求等级进行中心节点的辐射聚合分析，建立解空间；
具体而言，选择异常供应链节点：根据之前生成的异常报出数据，选择有异常的供应链节点作为中心节点。这些异常节点可能是由于生产、运输、销售等环节出现问题而导致的。匹配初始节点关联值：将选定的异常供应链节点与之前设定的初始节点关联值进行匹配。这个匹配过程可以包括计算节点间的相似度、关联度等指标，以确定它们之间的关联关系。中心节点的辐射聚合分析：根据匹配结果和需求等级，对中心节点进行辐射聚合分析。这个过程可以包括计算节点间的距离、密度等指标，以确定它们之间的聚合程度。同时，还需要考虑需求等级的影响，对于高需求等级的节点，可以给予更大的聚合权重。建立解空间：可以将异常供应链节点及其关联的初始节点聚合在一起，形成一个解空间。这个解空间可以用于进一步的分析和应用，例如进行优化决策、制定调整策略等。总之，以异常供应链节点作为中心节点，并匹配初始节点关联值，根据匹配结果和需求等级进行中心节点的辐射聚合分析，可以进一步建立解空间。这个解空间可以为农产品供应链的协同调度提供支持，更好地了解和掌握供应链的运行情况，并及时采取措施进行调整和优化。
根据所述解空间内的实时生命周期进行质量需求预测筛选，生成预测筛选结果；
具体而言，采集实时生命周期数据：在农产品供应链的各个节点，采集与农产品质量相关的实时生命周期数据。这些数据包括农产品的外观、营养成分、口感等指标，以及与农产品质量相关的生产、运输、储存、销售等信息。处理和清洗数据：对采集到的实时生命周期数据进行处理和清洗，以保证数据的准确性和完整性。这包括去除异常值、缺失值，进行数据转换和加工等处理。特征提取和质量需求预测：从处理后的数据中提取出与质量需求相关的特征，并利用这些特征进行质量需求的预测。可以选择的模型包括回归模型、神经网络、支持向量机等。在预测时，需要考虑时间因素，分析农产品在不同时间节点的质量变化情况。预测筛选结果生成：根据预测结果，生成各个节点的质量需求预测筛选结果。筛选的标准可以包括预测误差、可信度、稳定性等。通过筛选，可以得到更准确、可靠的质量需求预测结果。应用预测筛选结果：将生成的预测筛选结果应用于农产品供应链的协同调度中。例如，可以根据预测结果调整生产计划和库存管理策略，以满足市场需求的同时保证农产品的质量。此外，还可以利用预测结果进行物流计划的优化，降低运输成本并确保农产品在规定时间内送达。总之，根据解空间内的实时生命周期进行质量需求预测筛选，生成预测筛选结果可以为农产品供应链的协同调节提供支持。通过应用预测筛选结果，可以更好地满足市场需求并保证农产品的质量安全，从而实现更好的社会经济效益。
对所述预测筛选结果进行需求时限、需求数量的匹配解建立，并对建立结果执行多维决策评价；
具体而言，需求时限匹配解建立：根据预测筛选结果，将各个节点的需求时限与农产品供应链的实际运作情况进行匹配。这需要考虑农产品的生长周期、生产计划、运输时间等因素，以确保农产品能够在规定时间内送达。在匹配过程中，可以采取调整生产计划、优化物流路线等措施，以满足需求时限的要求。需求数量匹配解建立：根据预测筛选结果，将各个节点的需求数量与农产品供应链的实际供应情况进行匹配。这需要考虑农产品的生产量、库存量、销售量等因素，以确保农产品能够满足市场需求。在匹配过程中，可以采取调整生产计划、增加库存量等措施，以满足需求数量的要求。多维决策评价：对建立的需求时限和需求数量匹配解进行多维决策评价。可以考虑的评价指标包括成本、效率、可靠性、客户满意度等。通过评价，可以了解匹配解的实际效果，并针对存在的问题进行调整和优化。执行调整和优化：根据多维决策评价的结果，采取相应的调整和优化措施。这可以包括重新安排生产计划、调整库存管理策略、优化物流路线等措施。通过调整和优化，可以进一步提高农产品供应链的协同调度效率和响应速度。总之，对预测筛选结果进行需求时限、需求数量的匹配解建立，并对建立结果执行多维决策评价，可以为农产品供应链的协同调度提供支持。
根据多维决策评价结果确定调度方案，通过所述调度方案执行农产品供应链的链内调度。
具体而言，多维决策评价结果分析：对多维决策评价的结果进行分析，了解匹配解在实际运作中的表现。根据分析结果，可以发现存在的问题和瓶颈，并制定相应的调度方案。制定调度方案：根据多维决策评价结果和分析结果，制定合理的调度方案。调度方案可以包括生产计划调整、库存管理优化、物流路线优化等措施，以确保农产品供应链的高效运作。链内调度执行：通过调度方案的执行，实现农产品供应链的链内调度。这包括对生产、运输、销售等环节的协调和控制，以确保农产品在规定时间内送达，并满足市场需求。链内调度监控与调整：在调度方案执行过程中，需要对链内调度进行监控和调整。这包括对农产品的生产量、库存量、销售量等进行实时监测，并根据实际情况进行调整和优化。总之，根据多维决策评价结果确定调度方案，通过调度方案执行农产品供应链的链内调度是实现农产品供应链协同调度的关键环节之一。通过这个过程，可以制定合理的调度方案，实现农产品供应链的优化运作，提高效率和响应速度，以满足市场需求并保证农产品的质量安全。
进一步而言，如图2所示，本申请方法还包括：
通过所述需求数量进行转运车的满载配置分析，确定满载转运车数量；
以所述满载转运车数量为基准数量，设定车辆的递增关联因子；
通过所述递增关联因子对建立结果进行车辆调用的关联决策评价；
将关联决策评价结果作为多维决策评价结果的一个维度评价结果，以完成多维决策评价结果构建。
具体而言，转运车满载配置分析：根据需求数量进行转运车的满载配置分析。这需要考虑转运车的载重量、容积等因素，以确定满载转运车的数量。在配置分析过程中，可以采取数学模型或算法进行优化，以得到更合理的满载转运车数量。设定车辆递增关联因子：以满载转运车数量为基准数量，设定车辆的递增关联因子。这个因子表示在满足需求数量的情况下，每增加一辆转运车对整个农产品供应链运作的影响程度。可以根据实际情况和经验值来确定递增关联因子的值。车辆调用关联决策评价：通过递增关联因子对建立结果进行车辆调用的关联决策评价。这需要考虑农产品的生产量、库存量、运输时间等因素，以评估不同车辆调用方案对整个农产品供应链运作的影响。可以采用数学模型或算法进行计算和评估。多维决策评价结果构建：将关联决策评价结果作为多维决策评价结果的一个维度评价结果，与其他评价指标(如成本、效率、可靠性等)一起构建多维决策评价结果。可以采用加权平均法、模糊评价法等算法对各个维度的评价结果进行处理，以得到最终的多维决策评价结果。在农产品供应链的协同调度中，通过对需求数量进行转运车的满载配置分析，可以确定满载转运车数量。然后，以满载转运车数量为基准数量，设定车辆的递增关联因子，并通过对建立结果进行车辆调用的关联决策评价，将关联决策评价结果作为多维决策评价结果的一个维度评价结果，以完成多维决策评价结果构建。总之，通过需求数量进行转运车的满载配置分析，确定满载转运车数量，并以满载转运车数量为基准数量设定车辆的递增关联因子，然后通过递增关联因子对建立结果进行车辆调用的关联决策评价，将关联决策评价结果作为多维决策评价结果的一个维度评价结果，可以完成多维决策评价结果构建。
进一步而言，如图3所示，本申请方法还包括：
获取所述建立结果内的各方案下的供应链节点调用量；
获得所述建立结果内的供应链节点任务等级，根据所述需求等级和任务等级的等级差值和供应链节点调用量进行供应链节点影响评价；
根据供应链节点影响的汇总结果作为多维决策评价结果的一个维度评价结果，以完成多维决策评价结果构建。
具体而言，获取各方案下的供应链节点调用量：对建立结果内的各方案进行分析，获取各方案下的供应链节点调用量。获得供应链节点任务等级：对建立结果内的供应链节点进行任务等级评估。这可以根据需求等级和任务等级的等级差值来确定供应链节点的优先级和重要性。供应链节点影响评价：根据获取的供应链节点调用量和任务等级，对各方案进行供应链节点影响评价。这需要考虑供应链节点的调用量、任务等级、可靠性等因素，以评估各方案对供应链节点的影响程度。多维决策评价结果构建：将供应链节点影响的汇总结果作为多维决策评价结果的一个维度评价结果。调整和优化：根据多维决策评价结果，采取相应的调整和优化措施。这可以包括重新安排生产计划、调整库存管理策略、优化物流路线等措施，以提高农产品供应链的协同调度效率和响应速度。总之，获取建立结果内的各方案下的供应链节点调用量，并获得建立结果内的供应链节点任务等级，根据需求等级和任务等级的等级差值和供应链节点调用量进行供应链节点影响评价，将供应链节点影响的汇总结果作为多维决策评价结果的一个维度评价结果，可以完成多维决策评价结果构建。
进一步而言，本申请方法还包括：
建立节点影响分析通道，其中，所述节点影响分析通道包括等级处理单元、影响分析单元，其中，所述等级处理单元与所述影响分析单元内置任务量配置通道；
通过所述等级处理单元计算等级差值，并通过任务量配置通道调用对应供应链节点调用量；
将所述等级差值和调用的供应链节点调用量发送至所述影响分析单元进行累计影响计算，根据累计影响计算结果生成所述汇总结果。
具体而言，建立节点影响分析通道：在农产品供应链协同调度系统中，可以设立一个节点影响分析通道，其中包括等级处理单元、影响分析单元和任务量配置通道。这些组件可以内置于系统内部，并相互连接以实现节点影响分析的功能。等级处理单元计算等级差值：等级处理单元可以对需求等级和任务等级进行计算，得出二者之间的等级差值。这个差值可以反映任务等级相对于需求等级的重要性程度，为后续的累计影响计算提供依据。任务量配置通道调用供应链节点调用量：任务量配置通道可以根据等级差值和预先设定的任务量配置规则，调用对应供应链节点的调用量。这个调用量可以反映该节点在满足需求中的重要性和贡献程度。影响分析单元进行累计影响计算：影响分析单元接收等级差值和供应链节点调用量作为输入，进行累计影响计算。累计影响计算的结果可以生成一个汇总结果，反映各方案在节点影响方面的总体表现。根据累计影响计算结果生成汇总结果：汇总结果可以作为多维决策评价结果的一个维度评价结果，以完成多维决策评价结果构建。这个维度评价结果可以提供更全面的决策支持信息，帮助决策者了解各方案在不同方面的表现，从而做出更合理的决策。根据多维决策评价结果采取调整和优化措施：根据多维决策评价结果，可以采取相应的调整和优化措施。这可以包括重新安排生产计划、调整库存管理策略、优化物流路线等措施，以提高农产品供应链的协同调度效率和响应速度。总之，通过建立节点影响分析通道，并利用等级处理单元、影响分析单元和任务量配置通道实现节点影响的评估和分析，可以更好地了解各方案对整个农产品供应链的影响程度，并及时采取措施进行调整和优化，实现更好的社会经济效益。
进一步而言，本申请方法还包括：
获取环境温度数据，依据所述环境温度数据进行温度控制的成本分析，生成单位时长的温度控制成本；
读取所述建立结果内的各方案下的运输路径长度和运输时长；
通过所述运输时长和所述温度控制成本进行温控成本计算，生成第一成本计算结果；
通过所述运输路径长度进行路程成本计算，生成第二成本计算结果；
根据所述第一成本计算结果和所述第二成本计算结果生成成本评价结果，将所述成本评价结果作为多维决策评价结果的一个维度评价结果，以完成多维决策评价结果构建。
具体而言，获取环境温度数据：可以通过传感器或数据采集系统获取环境温度数据。这些数据可以反映农产品存储和运输环境的温度情况，为后续的温度控制成本分析提供依据。进行温度控制成本分析：根据获取的环境温度数据，可以进行温度控制成本分析。这个分析可以考虑到温度控制设备的能耗、维护费用、人工操作等因素，以生成单位时长的温度控制成本。读取各方案下的运输路径长度和运输时长：在建立结果中，可以存储各方案下的运输路径长度和运输时长。这些数据可以反映各方案在运输环节的成本情况，为后续的成本计算提供依据。进行温控成本计算：通过将运输时长和温度控制成本进行结合，可以进行温控成本计算。这个计算可以考虑到农产品在运输过程中所需的温度控制费用，以及相应的能源消耗和设备维护费用等因素，生成第一成本计算结果。进行路程成本计算：通过运输路径长度进行路程成本计算，生成第二成本计算结果。这个计算可以考虑到运输车辆的油耗、维护费用、路桥费用等因素，以反映各方案在运输路程上的成本情况。生成成本评价结果：根据第一成本计算结果和第二成本计算结果，可以生成成本评价结果。将成本评价结果作为多维决策评价结果的一个维度评价结果：将成本评价结果作为多维决策评价结果的一个维度评价结果，可以更全面地评估各方案在不同方面的表现。调整和优化：根据多维决策评价结果，可以采取相应的调整和优化措施。这可以包括重新安排生产计划、调整库存管理策略、优化物流路线等措施，以提高农产品供应链的协同调度效率和响应速度。总之，通过获取环境温度数据并进行分析，读取各方案下的运输路径长度和运输时长，进行温控成本计算和路程成本计算，生成成本评价结果，并将其作为多维决策评价结果的一个维度评价结果，可以更好地了解各方案在不同方面的表现，并提供更全面的决策支持信息。
进一步而言，本申请方法，所述以农产品的产品来源为数据起点，建立农产品供应链的实时生命周期数据，还包括：
依据所述产品来源进行批次农产品数据监测，生成农产品始态数据集，所述始态数据集带有稳定因子标识；
建立运输冷藏环境，并依据所述农产品供应链进行运输时间截取，根据运输时间截取结果和所述运输冷藏环境进行所述农产品始态数据集的运输拟合；
根据运输拟合结果完成所述实时生命周期数据搭建。
具体而言，在农产品供应链中，可以通过以下步骤依据产品来源进行批次农产品数据监测，生成农产品始态数据集，并建立运输冷藏环境，进行运输时间截取和农产品始态数据集的运输拟合，从而完成实时生命周期数据搭建，批次农产品数据监测：根据产品的来源，对每个批次的农产品进行数据监测。这个监测可以包括农产品的品质、数量、温度、湿度等参数，以及生产日期、批次号等追溯信息。通过数据监测，可以获取到农产品的始态数据集。生成农产品始态数据集：将监测到的批次农产品数据进行整理和分析，生成一个带有稳定因子标识的始态数据集。这个数据集可以包括农产品的来源信息、生产日期、批次号、数量、品质等参数，以及用于后续分析的稳定因子标识。建立运输冷藏环境：为了确保农产品的质量和新鲜度，需要建立一个可靠的运输冷藏环境。这个环境可以包括冷藏车辆、冷藏设备、温度传感器等设施，以及相应的温度控制和监测系统。运输时间截取：根据农产品供应链的实际情况，对运输时间进行截取。这个截取可以考虑到农产品的生产、加工、运输等环节的时间消耗，以及相应的运输路径和交通状况等因素。通过运输时间截取，可以确定农产品在运输过程中的时间范围和关键时间点。农产品始态数据集的运输拟合：将农产品始态数据集与运输时间截取结果相结合，进行运输拟合。这个拟合可以考虑到农产品的品质变化、温度敏感性等因素，以及相应的运输条件和限制。通过运输拟合，可以预测农产品在运输过程中的状态变化和可能的质量影响。实时生命周期数据搭建：根据运输拟合结果，可以完成实时生命周期数据的搭建。这个搭建可以包括农产品的生产、加工、运输、销售等环节的数据监测和分析，以及相应的质量评估和追溯信息。通过实时生命周期数据搭建，可以实现对农产品供应链的全过程监控和管理。总之，通过批次农产品数据监测、生成农产品始态数据集、建立运输冷藏环境、运输时间截取、农产品始态数据集的运输拟合等步骤，可以完成对农产品供应链的实时生命周期数据搭建，实现对农产品质量和新鲜度的有效保障。
进一步而言，本申请方法还包括：
设置供应链节点的抽检验证；
通过所述抽检验证执行农产品采样检测，并根据采样检测结果对所述实时生命周期数据补偿；
根据补偿结果完成链内调度管理。
具体而言，设置供应链节点的抽检验证：在农产品供应链中，可以设置一些关键的供应链节点作为抽检点。这些节点可以包括农产品加工厂、仓库、运输车辆等。在每个抽检点，可以采取一定的抽检方式，如随机抽样、定期抽样等，对农产品进行抽检验证。执行农产品采样检测：在抽检验证过程中，可以对农产品进行采样检测。这个检测可以包括对农产品的品质、新鲜度、安全性等方面进行检测和分析。通过采样检测，可以获取到农产品的相关参数和指标。根据采样检测结果对实时生命周期数据进行补偿：根据采样检测结果，可以对实时生命周期数据进行补偿。这个补偿可以考虑到农产品的实际品质、新鲜度等情况，对之前通过运输拟合预测的数据进行修正和补充。通过补偿，可以生成更加准确和可靠的实时生命周期数据。根据补偿结果完成链内调度管理：根据补偿后的实时生命周期数据，可以完成链内调度管理。这个调度管理可以考虑到农产品的生产、加工、运输、销售等环节的实际情况，对农产品供应链中的资源进行合理配置和优化调度。通过链内调度管理，可以提高农产品供应链的协同调度效率和响应速度，实现更好的质量控制和风险管理。总之，通过设置供应链节点的抽检验证，执行农产品采样检测，并根据采样检测结果对实时生命周期数据进行补偿，可以完成对农产品供应链的链内调度管理。
实施例二
基于与前述实施例基于农产品供应链的农产品协同调度方法相同的发明构思，如图4所示，本申请提供了基于农产品供应链的农产品协同调度系统，所述系统包括：
实时生命周期数据建立模块10，所述实时生命周期数据建立模块10用于以农产品的产品来源为数据起点，建立农产品供应链的实时生命周期数据，其中，所述农产品供应链为预设的农产品流向链状数据；
初始节点关联值设定模块20，所述初始节点关联值设定模块20用于通过所述农产品供应链配置供应链节点，并根据供应链节点间距离数据设定初始节点关联值；
异常报出数据生成模块30，所述异常报出数据生成模块30用于对所述供应链节点进行节点监测，生成供应链节点的异常报出数据，其中，所述异常报出数据为需求特征数据，所述需求特征数据包括需求等级、需求时限、需求数量和需求质量；
解空间建立模块40，所述解空间建立模块40用于以异常供应链节点作为中心节点，并匹配所述初始节点关联值，根据匹配结果和所述需求等级进行中心节点的辐射聚合分析，建立解空间；
预测筛选结果生成模块50，所述预测筛选结果生成模块50用于根据所述解空间内的实时生命周期进行质量需求预测筛选，生成预测筛选结果；
多维决策评价执行模块60，所述多维决策执行模块60用于对所述预测筛选结果进行需求时限、需求数量的匹配解建立，并对建立结果执行多维决策评价；
链内调度执行模块70，所述链内调度执行模块70用于根据多维决策评价结果确定调度方案，通过所述调度方案执行农产品供应链的链内调度。
进一步地，该系统还包括：
多维评价结果构建模块，用于通过所述需求数量进行转运车的满载配置分析，确定满载转运车数量；以所述满载转运车数量为基准数量，设定车辆的递增关联因子；通过所述递增关联因子对建立结果进行车辆调用的关联决策评价；将关联决策评价结果作为多维决策评价结果的一个维度评价结果，以完成多维决策评价结果构建。
进一步地，该系统还包括：
结果构建完成模块，用于获取所述建立结果内的各方案下的供应链节点调用量；获得所述建立结果内的供应链节点任务等级，根据所述需求等级和任务等级的等级差值和供应链节点调用量进行供应链节点影响评价；根据供应链节点影响的汇总结果作为多维决策评价结果的一个维度评价结果，以完成多维决策评价结果构建。
进一步地，该系统还包括：
汇总结果生成模块，用于建立节点影响分析通道，其中，所述节点影响分析通道包括等级处理单元、影响分析单元，其中，所述等级处理单元与所述影响分析单元内置任务量配置通道；通过所述等级处理单元计算等级差值，并通过任务量配置通道调用对应供应链节点调用量；将所述等级差值和调用的供应链节点调用量发送至所述影响分析单元进行累计影响计算，根据累计影响计算结果生成所述汇总结果。
进一步地，该系统还包括：
成本评价结果生成模块，用于获取环境温度数据，依据所述环境温度数据进行温度控制的成本分析，生成单位时长的温度控制成本；读取所述建立结果内的各方案下的运输路径长度和运输时长；通过所述运输时长和所述温度控制成本进行温控成本计算，生成第一成本计算结果；通过所述运输路径长度进行路程成本计算，生成第二成本计算结果；根据所述第一成本计算结果和所述第二成本计算结果生成成本评价结果，将所述成本评价结果作为多维决策评价结果的一个维度评价结果，以完成多维决策评价结果构建。
进一步地，该系统还包括：
生命周期数据搭建模块，用于依据所述产品来源进行批次农产品数据监测，生成农产品始态数据集，所述始态数据集带有稳定因子标识；建立运输冷藏环境，并依据所述农产品供应链进行运输时间截取，根据运输时间截取结果和所述运输冷藏环境进行所述农产品始态数据集的运输拟合；根据运输拟合结果完成所述实时生命周期数据搭建。
进一步地，该系统还包括：
链内调度管理模块，用于设置供应链节点的抽检验证；通过所述抽检验证执行农产品采样检测，并根据采样检测结果对所述实时生命周期数据补偿；根据补偿结果完成链内调度管理。
说明书通过前述基于农产品供应链的农产品协同调度方法的详细描述，本领域技术人员可以清楚地知识本实施例中基于农产品供应链的农产品协同调度系统，对于实施例公开的系统而言，由于其与实施例公开装置相对应，所以描述得比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其他实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.基于农产品供应链的农产品协同调度方法，其特征在于，所述方法包括：
以农产品的产品来源为数据起点，建立农产品供应链的实时生命周期数据，其中，所述农产品供应链为预设的农产品流向链状数据；
通过所述农产品供应链配置供应链节点，并根据供应链节点间距离数据设定初始节点关联值；
对所述供应链节点进行节点监测，生成供应链节点的异常报出数据，其中，所述异常报出数据为需求特征数据，所述需求特征数据包括需求等级、需求时限、需求数量和需求质量；
以异常供应链节点作为中心节点，并匹配所述初始节点关联值，根据匹配结果和所述需求等级进行中心节点的辐射聚合分析，建立解空间；
根据所述解空间内的实时生命周期进行质量需求预测筛选，生成预测筛选结果；
对所述预测筛选结果进行需求时限、需求数量的匹配解建立，并对建立结果执行多维决策评价；
根据多维决策评价结果确定调度方案，通过所述调度方案执行农产品供应链的链内调度。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
通过所述需求数量进行转运车的满载配置分析，确定满载转运车数量；
以所述满载转运车数量为基准数量，设定车辆的递增关联因子；
通过所述递增关联因子对建立结果进行车辆调用的关联决策评价；
将关联决策评价结果作为多维决策评价结果的一个维度评价结果，以完成多维决策评价结果构建。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
获取所述建立结果内的各方案下的供应链节点调用量；
获得所述建立结果内的供应链节点任务等级，根据所述需求等级和任务等级的等级差值和供应链节点调用量进行供应链节点影响评价；
根据供应链节点影响的汇总结果作为多维决策评价结果的一个维度评价结果，以完成多维决策评价结果构建。
4.如权利要求3所述的方法，其特征在于，所述方法还包括：
建立节点影响分析通道，其中，所述节点影响分析通道包括等级处理单元、影响分析单元，其中，所述等级处理单元与所述影响分析单元内置任务量配置通道；
通过所述等级处理单元计算等级差值，并通过任务量配置通道调用对应供应链节点调用量；
将所述等级差值和调用的供应链节点调用量发送至所述影响分析单元进行累计影响计算，根据累计影响计算结果生成所述汇总结果。
5.如权利要求3所述的方法，其特征在于，所述方法还包括：
获取环境温度数据，依据所述环境温度数据进行温度控制的成本分析，生成单位时长的温度控制成本；
读取所述建立结果内的各方案下的运输路径长度和运输时长；
通过所述运输时长和所述温度控制成本进行温控成本计算，生成第一成本计算结果；
通过所述运输路径长度进行路程成本计算，生成第二成本计算结果；
根据所述第一成本计算结果和所述第二成本计算结果生成成本评价结果，将所述成本评价结果作为多维决策评价结果的一个维度评价结果，以完成多维决策评价结果构建。
6.如权利要求1所述的方法，其特征在于，所述以农产品的产品来源为数据起点，建立农产品供应链的实时生命周期数据，还包括：
依据所述产品来源进行批次农产品数据监测，生成农产品始态数据集，所述始态数据集带有稳定因子标识；
建立运输冷藏环境，并依据所述农产品供应链进行运输时间截取，根据运输时间截取结果和所述运输冷藏环境进行所述农产品始态数据集的运输拟合；
根据运输拟合结果完成所述实时生命周期数据搭建。
7.如权利要求6所述的方法，其特征在于，所述方法还包括：
设置供应链节点的抽检验证；
通过所述抽检验证执行农产品采样检测，并根据采样检测结果对所述实时生命周期数据补偿；
根据补偿结果完成链内调度管理。
8.基于农产品供应链的农产品协同调度系统，其特征在于，所述系统包括：
实时生命周期数据建立模块，所述实时生命周期数据建立模块用于以农产品的产品来源为数据起点，建立农产品供应链的实时生命周期数据，其中，所述农产品供应链为预设的农产品流向链状数据；
初始节点关联值设定模块，所述初始节点关联值设定模块用于通过所述农产品供应链配置供应链节点，并根据供应链节点间距离数据设定初始节点关联值；
异常报出数据生成模块，所述异常报出数据生成模块用于对所述供应链节点进行节点监测，生成供应链节点的异常报出数据，其中，所述异常报出数据为需求特征数据，所述需求特征数据包括需求等级、需求时限、需求数量和需求质量；
解空间建立模块，所述解空间建立模块用于以异常供应链节点作为中心节点，并匹配所述初始节点关联值，根据匹配结果和所述需求等级进行中心节点的辐射聚合分析，建立解空间；
预测筛选结果生成模块，所述预测筛选结果生成模块用于根据所述解空间内的实时生命周期进行质量需求预测筛选，生成预测筛选结果；
多维决策评价执行模块，所述多维决策执行模块用于对所述预测筛选结果进行需求时限、需求数量的匹配解建立，并对建立结果执行多维决策评价；
链内调度执行模块，所述链内调度执行模块用于根据多维决策评价结果确定调度方案，通过所述调度方案执行农产品供应链的链内调度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311521082.XA CN117495019A (zh) | 2023-11-14 | 2023-11-14 | 基于农产品供应链的农产品协同调度方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311521082.XA CN117495019A (zh) | 2023-11-14 | 2023-11-14 | 基于农产品供应链的农产品协同调度方法与系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117495019A true CN117495019A (zh) | 2024-02-02 |
Family
ID=89682630
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311521082.XA Pending CN117495019A (zh) | 2023-11-14 | 2023-11-14 | 基于农产品供应链的农产品协同调度方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117495019A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117973805A (zh) * | 2024-03-28 | 2024-05-03 | 国网浙江省电力有限公司金华供电公司 | 采购检测储备配送融合协同供应链管控方法及系统 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105243442A (zh) * | 2015-09-29 | 2016-01-13 | 武汉宝钢华中贸易有限公司 | 基于产能供应链的库存优化管理信息模型 |
| CN105550835A (zh) * | 2015-11-03 | 2016-05-04 | 武汉宝钢华中贸易有限公司 | 基于互联网+技术的产品加工配送自动化管理系统模型 |
| CN110880118A (zh) * | 2019-11-26 | 2020-03-13 | 徐州斯塬网络科技有限公司 | 一种基于区块链的优质农产品的保障方法 |
| CN113343556A (zh) * | 2021-05-07 | 2021-09-03 | 青岛蓝智现代服务业数字工程技术研究中心 | 一种供应链优化系统 |
| CN113435812A (zh) * | 2021-06-29 | 2021-09-24 | 上海东普信息科技有限公司 | 订单全链路轨迹生成方法、装置、设备及存储介质 |
| CN113762895A (zh) * | 2021-09-13 | 2021-12-07 | 衡阳小九网络科技有限责任公司 | 一种用于农产品的冷链物流信息溯源系统 |
| CN114841590A (zh) * | 2022-05-17 | 2022-08-02 | 阿里巴巴（中国）有限公司 | 供应链异常处理方法、装置、设备、存储介质及程序产品 |
| CN115796372A (zh) * | 2022-12-05 | 2023-03-14 | 江苏阿福科技小额贷款股份有限公司 | 一种基于scor的供应链管理优化方法及系统 |
| CN116384851A (zh) * | 2022-12-27 | 2023-07-04 | 国家能源投资集团有限责任公司 | 能源供应链实时调度智能决策业务仿真系统及方法 |
| CN116400888A (zh) * | 2023-03-30 | 2023-07-07 | 软通动力信息技术(集团)股份有限公司 | 供应链业务数据预警方法、装置、电子设备及存储介质 |
| CN116485412A (zh) * | 2023-03-29 | 2023-07-25 | 上海华维可控农业科技集团股份有限公司 | 一种基于区块链技术的农产品追溯方法及系统 |
| CN116562588A (zh) * | 2023-05-29 | 2023-08-08 | 泉后(广州)信息技术有限公司 | 基于erp的企业供应链分析系统、方法及设备 |
| CN116629577A (zh) * | 2023-06-20 | 2023-08-22 | 深圳市携客互联科技有限公司 | 一种基于大数据的智能化供应链管理系统 |
| CN116992350A (zh) * | 2023-09-25 | 2023-11-03 | 湖南前行科创有限公司 | 一种基于大数据的产业供应链优化方法及系统 |
-
2023
- 2023-11-14 CN CN202311521082.XA patent/CN117495019A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105243442A (zh) * | 2015-09-29 | 2016-01-13 | 武汉宝钢华中贸易有限公司 | 基于产能供应链的库存优化管理信息模型 |
| CN105550835A (zh) * | 2015-11-03 | 2016-05-04 | 武汉宝钢华中贸易有限公司 | 基于互联网+技术的产品加工配送自动化管理系统模型 |
| CN110880118A (zh) * | 2019-11-26 | 2020-03-13 | 徐州斯塬网络科技有限公司 | 一种基于区块链的优质农产品的保障方法 |
| CN113343556A (zh) * | 2021-05-07 | 2021-09-03 | 青岛蓝智现代服务业数字工程技术研究中心 | 一种供应链优化系统 |
| CN113435812A (zh) * | 2021-06-29 | 2021-09-24 | 上海东普信息科技有限公司 | 订单全链路轨迹生成方法、装置、设备及存储介质 |
| CN113762895A (zh) * | 2021-09-13 | 2021-12-07 | 衡阳小九网络科技有限责任公司 | 一种用于农产品的冷链物流信息溯源系统 |
| CN114841590A (zh) * | 2022-05-17 | 2022-08-02 | 阿里巴巴（中国）有限公司 | 供应链异常处理方法、装置、设备、存储介质及程序产品 |
| CN115796372A (zh) * | 2022-12-05 | 2023-03-14 | 江苏阿福科技小额贷款股份有限公司 | 一种基于scor的供应链管理优化方法及系统 |
| CN116384851A (zh) * | 2022-12-27 | 2023-07-04 | 国家能源投资集团有限责任公司 | 能源供应链实时调度智能决策业务仿真系统及方法 |
| CN116485412A (zh) * | 2023-03-29 | 2023-07-25 | 上海华维可控农业科技集团股份有限公司 | 一种基于区块链技术的农产品追溯方法及系统 |
| CN116400888A (zh) * | 2023-03-30 | 2023-07-07 | 软通动力信息技术(集团)股份有限公司 | 供应链业务数据预警方法、装置、电子设备及存储介质 |
| CN116562588A (zh) * | 2023-05-29 | 2023-08-08 | 泉后(广州)信息技术有限公司 | 基于erp的企业供应链分析系统、方法及设备 |
| CN116629577A (zh) * | 2023-06-20 | 2023-08-22 | 深圳市携客互联科技有限公司 | 一种基于大数据的智能化供应链管理系统 |
| CN116992350A (zh) * | 2023-09-25 | 2023-11-03 | 湖南前行科创有限公司 | 一种基于大数据的产业供应链优化方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| 吴瑶;马祖军;郑斌;: "有新鲜度限制的易腐品生产-配送协同调度", 计算机应用, no. 04, 10 April 2018 (2018-04-10) * |
| 苏菊宁;刘晨光;殷勇;张娜;: "基于时间可控和随机损失的生鲜农产品供应链协调", 运筹与管理, no. 05, 25 October 2015 (2015-10-25) * |
| 郑子钊;胡燕海;: "供应链协同生产作业调度优化研究", 宁波大学学报(理工版), no. 01, 10 January 2011 (2011-01-10) * |
| 陈君;: "供应链信息协同中信息安全研究", 农业网络信息, no. 09, 26 September 2011 (2011-09-26) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117973805A (zh) * | 2024-03-28 | 2024-05-03 | 国网浙江省电力有限公司金华供电公司 | 采购检测储备配送融合协同供应链管控方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109784806A (zh) | 供应链控制方法、系统以及存储介质 | |
| CN108537382B (zh) | 一种电商价格趋势预测方法及系统 | |
| CN116629577A (zh) | 一种基于大数据的智能化供应链管理系统 | |
| CN116843156A (zh) | 一种装配式建筑构件的供应链管理与控制方法 | |
| CN111861348B (zh) | 一种基于区块链的冷链溯源系统 | |
| CN117495019A (zh) | 基于农产品供应链的农产品协同调度方法与系统 | |
| Baghizadeh et al. | Sustainable agriculture supply chain network design considering water‐energy‐food nexus using queuing system: A hybrid robust possibilistic programming | |
| CN109767032A (zh) | 一种基于数据分析的企业财务运营数字化管理优化系统 | |
| Zhang et al. | A Bayesian network model for the reliability control of fresh food e-commerce logistics systems | |
| Tadayonrad et al. | A new key performance indicator model for demand forecasting in inventory management considering supply chain reliability and seasonality | |
| Xu et al. | A real-time decision support framework to mitigate degradation in perishable supply chains | |
| CN116562514B (zh) | 基于神经网络的企业生产状况即时分析方法及系统 | |
| Polotski et al. | Kalman filter based production control of a failure-prone single-machine single-product manufacturing system with imprecise demand and inventory information | |
| Jamshi et al. | Causal linkage among business analytics, supply chain performance, firm performance and competitive advantage | |
| Mahbub et al. | A neural approach to product demand forecasting | |
| Zhang et al. | A back propagation neural network-based method for intelligent decision-making | |
| CN113988929A (zh) | 一种基于人工智能的果蔬生鲜门店日出货量预测方法 | |
| Zhang et al. | Big data-enabled intelligent synchronisation for the complex production logistics system under the opti-state control strategy | |
| Melesse et al. | Digital twin for inventory planning of fresh produce | |
| Riad et al. | Efficient management of perishable inventory by utilizing IoT | |
| Chen et al. | Constructing a Sales Forecasting Model by Integrating GRA and ELM: A Case Study for Retail Industry. | |
| Balali et al. | Data Intensive Industrial Asset Management | |
| Pundir et al. | Machine learning for revenue forecasting: A case study in retail business | |
| CN114707921A (zh) | 基于ga-bp算法的代理分发决策和库存管理优化系统 | |
| Zhang | Revolutionizing Digital Marketing Industrial Internet of Things-enabled Supply Chain Management in Smart Manufacturing |
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 |