CN117575372B - 一种基于知识图谱的供应链质量管理系统 - Google Patents
一种基于知识图谱的供应链质量管理系统 Download PDFInfo
- Publication number
- CN117575372B CN117575372B CN202410060416.6A CN202410060416A CN117575372B CN 117575372 B CN117575372 B CN 117575372B CN 202410060416 A CN202410060416 A CN 202410060416A CN 117575372 B CN117575372 B CN 117575372B
- Authority
- CN
- China
- Prior art keywords
- flow
- key
- data
- subsequence
- possibility
- 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
- 238000003326 Quality management system Methods 0.000 title claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims abstract description 41
- 238000003908 quality control method Methods 0.000 claims abstract description 27
- 238000013500 data storage Methods 0.000 claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims abstract description 11
- 238000007726 management method Methods 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 claims description 79
- 238000000034 method Methods 0.000 claims description 69
- 238000007689 inspection Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000009825 accumulation Methods 0.000 claims description 9
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000013068 supply chain management Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004806 packaging method and process 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- 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
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及供应链质量管理技术领域，具体是一种基于知识图谱的供应链质量管理系统，包括监控中心，所述监控中心通信连接有流程分类匹配模块、数据采集模块、数据存储模块、数据分析模块和质量管控模块；流程分类匹配模块用于设置关键流程子序列，获取各个关键流程子序列的关键指标数据；数据采集模块用于获取监测数据；数据存储模块用于存储历史数据；数据分析模块用于根据各关键流程子序列的监测数据对各关键流程子序列的状态进行标记；质量管控模块用于根据生成的最终可能性判定所述关键流程子序列下一采集周期是否增加质量检查次数，显著提高了产品供应链的质量管控的精确度。
Description
技术领域
本发明涉及供应链质量管理技术领域，具体是一种基于知识图谱的供应链质量管理系统。
背景技术
供应链管理(SupplyChainManagement，简称SCM)：就是指在满足一定的客户服务水平的条件下，为了使整个供应链系统成本达到最小而把供应商、制造商、仓库、配送中心和渠道商等有效地组织在一起来进行的产品制造、转运、分销及销售的管理方法。
对比文件CN112883086A“基于区块链的产品供应链查询管理装置及方法”通过区块主干用于存储产品的物流信息，区块分支用于存储产品的销售信息，区块叶用于存储产品的生产信息，区块叶只能获取区块分支的存储信息，区块分支只能获取区块主干的存储信息，避免了全流程中人员的权限，保证数据的安全性。
对比文件CN 206961171 U“一种供应链管理系统”采用RFID电子标签技术，对产品的出入库时间以及产品的规格信号等基本信息做初步登记，一方面便于仓库管理，另一方面便于订单管控。采用北斗/GPS双模定位技术对产品的位置信息进行跟踪，便于后期巡检人员提高巡检效率，通过监控装置和温度传感线，实现对运行中产品的动态掌控，提高巡检效率，巡检人员不必经常性的到运行中产品所在地进行巡检，只需从仓库管理终端中调取产品信息，通过监控装置和温度传感器传回的产品信息对产品的运行状态进行初步判断和检查，提高巡检效率。
现有技术中，供应链管理的信息化质量管理建设处于真空状态，对于供应链中，工具、原材料、技术资料、设备等生产资源的质量检测只是进行统一调度管理，然后对于产品供应链中的海量的监测数据未进行有效利用，诊断分析缺少支撑，检测数据缺乏智能分析手段，大量的检测数据，需人工进行甄别、对比，然后再进行分析，工作量较大，无法利用海量监测数据对产品供应链中各个环节进行个性化调度。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于知识图谱的供应链质量管理系统，包括监控中心，所述监控中心通信连接有流程分类匹配模块、数据采集模块、数据存储模块、数据分析模块和质量管控模块；
所述流程分类匹配模块用于获取产品供应链中各个环节的流程特性，根据所述流程特性设置关键流程子序列，获取各个关键流程子序列的关键指标数据；
所述数据采集模块用于获取供应链各个关键流程子序列的关键指标数据的监测数据并标记采集时间戳；
所述数据存储模块用于存储供应链各个流程子序列的历史数据；
所述数据分析模块用于根据各关键流程子序列的监测数据对各关键流程子序列的状态进行标记，生成不合格状态的关键流程子序列的质量警报信息，并发送至质量管控模块；
所述质量管控模块用于接收不合格状态的关键流程子序列，并生成所述关键流程子序列下一采集周期进行增加质量检查次数的第一可能性、第二可能性和第三可能性，根据所述第一可能性、第二可能性和第三可能性生成的最终可能性判定所述关键流程子序列下一采集周期是否增加质量检查次数。
进一步的，所述流程分类匹配模块获取产品供应链中各个环节的流程特性，根据所述流程特性设置关键流程子序列，获取各个关键流程子序列的关键指标数据的过程包括：
获取产品供应链中各个环节的流程特性，根据所述流程特性将产品供应链进行划分，拆分为若干流程子序列；
根据各流程子序列中的流程特性选取评价指标，根据评价指标确定产品供应链中各流程子序列中的评价指标，并根据历史数据设置评价指标的指标权重，设置重要性评价等级以及预设等级阈值，通过模糊综合评价判断评价因素对预设重要性评价等级的隶属度，得到隶属度矩阵；
根据所述隶属度矩阵及指标权重获得模糊综合评价结果，根据所述模糊综合评价结果获取产品供应链中各个流程子序列的重要性评价等级，将重要性评价等级高于预设等级阈值的流程子序列划分为关键流程子序列，并将关键流程子序列的评价指标标记为关键指标数据。
进一步的，所述流程分类匹配模块根据历史数据设置评价指标的指标权重的过程包括：
获取数据存储模块存储的流程子序列的评价指标的若干历史采集周期的历史数据监测结果以及对应的历史评价指标阈值范围，将历史数据监测结果与对应的历史评价指标阈值范围进行对比，获取历史数据监测结果不符合对应的历史评价指标阈值范围内的异常累积次数；
同时获取数据存储模块存储的各流程子序列之间的流向关系和流向顺序，根据所述各流程子序列之间的流向关系和流向顺序构建各流程子序列之间的有向拓扑图；
将各流程子序列作为有向拓扑图的节点，将各流程子序列之间的流向关系和流向顺序作为节点之间的连接关系，通过有向拓扑图获取具有连接关系的节点之间的评价指标进行相关性分析，获取各个节点与其它节点的相关性系数；
根据流程子序列的评价指标的异常累积次数以及流程子序列与其它流程子序列的相关性系数生成流程子序列的评价指标的指标权重。
进一步的，所述数据分析模块根据各关键流程子序列的监测数据对各关键流程子序列的状态进行标记的过程包括：
获取当前采集周期的各关键流程子序列的各项关键指标数据的监测数据并标记采集时间，设置各项关键指标数据的阈值范围，判断各关键流程子序列的各项关键指标数据的监测数据是否位于对应的阈值范围内，若存在所述监测数据不位于阈值范围内，则将所述监测数据对应的关键指标数据和所属的流程子序列标记为不合格状态，并生成质量警报信息发送至质量管控模块。
进一步的，所述质量管控模块生成所述关键流程子序列下一采集周期进行增加质量检查次数的第一可能性的过程包括：
将当前采集周期的不合格状态的关键指标数据的监测数据与对应的阈值范围进行比较获得关键指标数据的偏差值，根据所述偏差值确定下一采集周期进行增加质量检查次数的第一可能性。
进一步的，所述质量管控模块生成所述关键流程子序列下一采集周期进行增加质量检查次数的第二可能性的过程包括：
获取当前采集周期不合格状态的关键流程子序列的采集时间戳，从数据存储模块中所述关键流程子序列在若干历史采集周期中被标记为不合格状态的历史采集时间戳；
根据关键流程子序列重要性评价等级设置衰减时间间隔和衰减因子，所述关键流程子序列的重要性评价等级越高，则时间戳间隔阈值越大，所述时间戳间隔阈值越大，则所述第二可能性对于频率的灵敏度越高；
获取关键流程子序列的历史采集时间戳与采集时间戳的时间间隔大于所述衰减时间间隔的历史采集时间戳，构成历史采集时间戳数据集，获取历史采集时间戳数据集中的历史采集时间戳数量，以及所述历史采集时间戳数据集中历史采集时间戳之间数值最大的时间戳差值，根据所述时间戳差值和历史采集时间戳数量获取第一频次，并根据所述衰减因子和第一频次进行衰减操作获得第二频次；
获取关键流程子序列的历史采集时间戳与采集时间戳的时间间隔小于等于所述衰减时间间隔的历史采集时间戳数据集，获取历史采集时间戳数据集中的历史采集时间戳数量与当前采集时间戳之和，以及所述历史采集时间戳数据集中历史采集时间戳与采集时间戳之间数值最大的时间戳差值，根据所述时间戳差值与历史采集时间戳数量与当前采集时间戳之和获取第三频次；
根据所述第二频次和第三频次获取当前采集周期的不合格状态的关键流程子序列的不合格频次，根据所述不合格频次确定下一采集周期进行增加质量检查次数的第二可能性。
进一步的，所述质量管控模块生成所述关键流程子序列下一采集周期进行增加质量检查次数的第三可能性的过程包括：
获取当前采集周期不合格状态的关键流程子序列的相关性系数，根据所述相关性系数确定下一采集周期进行增加质量检查次数的第三可能性。
进一步的，所述质量管控模块根据所述第一可能性、第二可能性和第三可能性生成的最终可能性判定所述关键流程子序列下一采集周期是否增加质量检查次数的过程包括：
设置可能性阈值，根据当前采集周期不合格状态的关键流程子序列的第一可能性、第二可能性和第三可能性得到下一采集周期进行增加质量检查次数的最终可能性，将所述最终可能性与可能性阈值进行比较；
当所述最终可能性大于等于可能性阈值时，则增加所述关键流程子序列下一采集周期的质量检查次数；
当所述最终可能性小于可能性阈值时，则所述关键流程子序列下一采集周期的质量检查次数保持不变。
与现有技术相比，本发明的有益效果是：
1、所述流程分类匹配模块通过历史数据设置关键流程子序列，获取各个关键流程子序列的关键指标数据，对于产品供应链中易发生质量不合格的进行监测，减少产品供应链的质量管控的监测成本，提高了对于产品供应链中质量监测效率。
2、所述质量管控模块通过结合历史数据和实时数据，对于质量监测不合格的关键流程子序列下一采集周期是否增加质量检查次数进行个性化分析，显著提高了产品供应链的质量管控的精确度。
附图说明
图1为本申请实施例的一种基于知识图谱的供应链质量管理系统的原理图。
具体实施方式
下面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、完整的描述，显然，所描述的实施例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。
如图1所示，一种基于知识图谱的供应链质量管理系统，包括监控中心，所述监控中心通信连接有流程分类匹配模块、数据采集模块、数据存储模块、数据分析模块和质量管控模块；
所述流程分类匹配模块用于获取产品供应链中各个环节的流程特性，根据所述流程特性设置关键流程子序列，获取各个关键流程子序列的关键指标数据；
所述数据采集模块用于获取供应链各个关键流程子序列的关键指标数据的监测数据并标记采集时间戳；
所述数据存储模块用于存储供应链各个流程子序列的历史数据；
所述数据分析模块用于根据各关键流程子序列的监测数据对各关键流程子序列的状态进行标记，生成不合格状态的关键流程子序列的质量警报信息，并发送至质量管控模块；
所述质量管控模块用于接收不合格状态的关键流程子序列，并生成所述关键流程子序列下一采集周期进行增加质量检查次数的第一可能性、第二可能性和第三可能性，根据所述第一可能性、第二可能性和第三可能性生成的最终可能性判定所述关键流程子序列下一采集周期是否增加质量检查次数。
需要进一步说明的是，在具体实施过程中，所述流程分类匹配模块获取产品供应链中各个环节的流程特性，根据所述流程特性设置关键流程子序列，获取各个关键流程子序列的关键指标数据的过程包括：
获取产品供应链中各个环节的流程特性，根据所述流程特性将产品供应链进行划分，拆分为若干流程子序列；
根据各流程子序列中的流程特性选取评价指标，根据评价指标确定产品供应链中各流程子序列中的评价指标，并根据历史数据设置评价指标的指标权重，设置重要性评价等级以及预设等级阈值，通过模糊综合评价判断评价因素对预设重要性评价等级的隶属度，得到隶属度矩阵；
根据所述隶属度矩阵及指标权重获得模糊综合评价结果，根据所述模糊综合评价结果获取产品供应链中各个流程子序列的重要性评价等级，将重要性评价等级高于预设等级阈值的流程子序列划分为关键流程子序列，并将关键流程子序列的评价指标标记为关键指标数据。
需要进一步说明的是，在具体实施过程中，产品供应链中各个环节包括原材料采购、生产制造、装配、包装、运输和销售等环节；
各个环节对应的评价指标包括：生产订单信息、物料消耗数量、物料种类、设备数据、产品可靠性、产品外观、产品运输距离、产品功能性能、产品耐久性、产品安全性、产品尺寸、产品运输方式和产品配送频率等。
需要进一步说明的是，在具体实施过程中，根据所述隶属度矩阵及指标权重获得模糊综合评价结果的过程包括：
通过如下公式融合所述流程子序列的各项指标数据的权重指标矩阵与隶属度矩阵以获得流程子序列的模糊综合评价结果矩阵，根据所述模糊综合评价结果矩阵获得模糊综合评价结果；
其中，所述公式为：
；
其中，为所述流程子序列的模糊综合评价结果矩阵，/>为所述各项指标数据的权重指标矩阵，/>为所述隶属度矩阵，“+”表示所述各项指标数据的权重指标矩阵和所述隶属度矩阵相对应位置处的元素相加，/>和/>为用于控制所述流程子序列的模糊综合评价结果矩阵中所述各项指标数据的权重指标矩阵和所述隶属度矩阵之间的平衡的加权参数。
需要进一步说明的是，在具体实施过程中，所述流程分类匹配模块根据历史数据设置评价指标的指标权重的过程包括：
获取数据存储模块存储的流程子序列的评价指标的若干历史采集周期的历史数据监测结果以及对应的历史评价指标阈值范围，将历史数据监测结果与对应的历史评价指标阈值范围进行对比，获取历史数据监测结果不符合对应的历史评价指标阈值范围内的异常累积次数；
同时获取数据存储模块存储的各流程子序列之间的流向关系和流向顺序，根据所述各流程子序列之间的流向关系和流向顺序构建各流程子序列之间的有向拓扑图；
将各流程子序列作为有向拓扑图的节点，将各流程子序列之间的流向关系和流向顺序作为节点之间的连接关系，通过有向拓扑图获取具有连接关系的节点之间的评价指标进行相关性分析，获取各个节点与其它节点的相关性系数；
根据流程子序列的评价指标的异常累积次数以及流程子序列与其它流程子序列的相关性系数生成流程子序列的评价指标的指标权重。
需要进一步说明的是，在具体实施过程中，获取各个节点与其它节点的相关性系数的过程包括：
从数据存储模块中获取目标流程子序列的若干历史采集周期的各项指标数据和与目标流程子序列具有连接关系的其它流程子序列的相同历史采集周期的各项指标数据，获得目标流程子序列的各项指标数据和其它流程子序列的各项指标数据对应的概率分布密度函数，并分别对应标记为和/>；
根据概率分布密度函数获得目标流程子序列与其它流程子序列的联合概率密度函数，并标记为；
根据目标流程子序列和其它流程子序列对应的概率密度函数以及联合概率密度函数，获得目标流程子序列与其它流程子序列的相关系数；相关系数的计算公式为：/>
需要进一步说明的是，在具体实施过程中，根据流程子序列的评价指标的异常累积次数以及流程子序列与其它流程子序列的相关性系数生成流程子序列的评价指标的指标权重的过程包括：
获取流程子序列的评价指标的异常累积次数以及相关系数/>，根据所述异常累积次数/>以及相关系数/>获得流程子序列的评价指标的指标权重/>，指标权重/>的计算公式为/>
其中，，/>表示权重因子。
需要进一步说明的是，在具体实施过程中，所述数据分析模块根据各关键流程子序列的监测数据对各关键流程子序列的状态进行标记的过程包括：
获取当前采集周期的各关键流程子序列的各项关键指标数据的监测数据并标记采集时间戳，设置各项关键指标数据的阈值范围，判断各关键流程子序列的各项关键指标数据的监测数据是否位于对应的阈值范围内，若存在所述监测数据不位于阈值范围内，则将所述监测数据对应的关键指标数据和所属的流程子序列标记为不合格状态，并生成质量警报信息发送至质量管控模块。
需要进一步说明的是，在具体实施过程中，所述质量管控模块生成所述关键流程子序列下一采集周期进行增加质量检查次数的第一可能性的过程包括：
将当前采集周期的不合格状态的关键指标数据的监测数据与对应的阈值范围进行比较获得关键指标数据的偏差值，根据所述偏差值确定下一采集周期进行增加质量检查次数的第一可能性/>。
需要进一步说明的是，在具体实施过程中，根据所述偏差值确定下一采集周期进行增加质量检查次数的第一可能性/>的计算公式为：/>；其中/>为权重因子。
需要进一步说明的是，在具体实施过程中，所述质量管控模块生成所述关键流程子序列下一采集周期进行增加质量检查次数的第二可能性的过程包括：
获取当前采集周期不合格状态的关键流程子序列的采集时间戳，从数据存储模块中所述关键流程子序列在若干历史采集周期中被标记为不合格状态的历史采集时间戳；
根据关键流程子序列重要性评价等级设置衰减时间间隔/>和衰减因子/>，所述/>，/>，其中/>、/>表示权重因子，所述关键流程子序列的重要性评价等级越高，则时间戳间隔阈值越大，所述时间戳间隔阈值越大，则所述第二可能性对于频率的灵敏度越高；
获取关键流程子序列的历史采集时间戳与采集时间戳的时间间隔大于所述衰减时间间隔的历史采集时间戳，构成历史采集时间戳数据集，获取历史采集时间戳数据集中的历史采集时间戳数量，以及所述历史采集时间戳数据集中历史采集时间戳之间数值最大的时间戳差值/>，根据所述时间戳差值/>和历史采集时间戳数量/>获取第一频次/>，/>；并根据所述衰减因子/>和第一频次/>进行衰减操作获得第二频次/>；所述第二频次/>的计算公式为/>；
获取关键流程子序列的历史采集时间戳与采集时间戳的时间间隔小于等于所述衰减时间间隔的历史采集时间戳数据集，获取历史采集时间戳数据集中的历史采集时间戳数量与当前采集时间戳之和/>，以及所述历史采集时间戳数据集中历史采集时间戳与采集时间戳之间数值最大的时间戳差值/>，根据所述时间戳差值/>与历史采集时间戳数量与当前采集时间戳之和/>获取第三频次/>，；
根据所述第二频次和第三频次/>获取当前采集周期的不合格状态的关键流程子序列的不合格频次/>，根据所述不合格频次/>确定下一采集周期进行增加质量检查次数的第二可能性/>；所述第二可能性/>的计算公式为：/>；其中/>为权重因子。
需要进一步说明的是，在具体实施过程中，所述质量管控模块生成所述关键流程子序列下一采集周期进行增加质量检查次数的第三可能性的过程包括：
获取当前采集周期不合格状态的关键流程子序列的相关性系数，根据所述相关性系数确定下一采集周期进行增加质量检查次数的第三可能性/>；所述第三可能性/>的计算公式为：/>；其中/>为权重因子。
需要进一步说明的是，在具体实施过程中，所述质量管控模块根据所述第一可能性、第二可能性和第三可能性生成的最终可能性判定所述关键流程子序列下一采集周期是否增加质量检查次数的过程包括：
设置可能性阈值，根据当前采集周期不合格状态的关键流程子序列的第一可能性、第二可能性/>和第三可能性/>得到下一采集周期进行增加质量检查次数的最终可能性/>，所述最终可能性/>的计算公式为：/>；其中/>、和/>为权重因子；将所述最终可能性与可能性阈值进行比较；
当所述最终可能性大于等于可能性阈值时，则增加所述关键流程子序列下一采集周期的质量检查次数；
当所述最终可能性小于可能性阈值时，则所述关键流程子序列下一采集周期的质量检查次数保持不变。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (3)
1.一种基于知识图谱的供应链质量管理系统，包括监控中心，其特征在于，所述监控中心通信连接有流程分类匹配模块、数据采集模块、数据存储模块、数据分析模块和质量管控模块；
所述流程分类匹配模块用于获取产品供应链中各个环节的流程特性，根据所述流程特性设置关键流程子序列，获取各个关键流程子序列的关键指标数据；
所述数据采集模块用于获取供应链各个关键流程子序列的关键指标数据的监测数据并标记采集时间戳；
所述数据存储模块用于存储供应链各个流程子序列的历史数据；
所述数据分析模块用于根据各关键流程子序列的监测数据对各关键流程子序列的状态进行标记，生成不合格状态的关键流程子序列的质量警报信息，并发送至质量管控模块；
所述数据分析模块根据各关键流程子序列的监测数据对各关键流程子序列的状态进行标记的过程包括：
获取当前采集周期的各关键流程子序列的各项关键指标数据的监测数据并标记采集时间，设置各项关键指标数据的阈值范围，判断各关键流程子序列的各项关键指标数据的监测数据是否位于对应的阈值范围内，若存在所述监测数据不位于阈值范围内，则将所述监测数据对应的关键指标数据和所属的流程子序列标记为不合格状态，并生成质量警报信息发送至质量管控模块；
所述质量管控模块用于接收不合格状态的关键流程子序列，并生成所述关键流程子序列下一采集周期进行增加质量检查次数的第一可能性、第二可能性和第三可能性，根据所述第一可能性、第二可能性和第三可能性生成的最终可能性判定所述关键流程子序列下一采集周期是否增加质量检查次数；
所述质量管控模块生成所述关键流程子序列下一采集周期进行增加质量检查次数的第一可能性的过程包括：
将当前采集周期的不合格状态的关键指标数据的监测数据与对应的阈值范围进行比较获得关键指标数据的偏差值，根据所述偏差值确定下一采集周期进行增加质量检查次数的第一可能性；
所述质量管控模块生成所述关键流程子序列下一采集周期进行增加质量检查次数的第二可能性的过程包括：
获取当前采集周期不合格状态的关键流程子序列的采集时间戳，从数据存储模块中所述关键流程子序列在若干历史采集周期中被标记为不合格状态的历史采集时间戳；
根据关键流程子序列重要性评价等级设置衰减时间间隔和衰减因子，所述关键流程子序列的重要性评价等级越高，则时间戳间隔阈值越大，所述时间戳间隔阈值越大，则所述第二可能性对于频率的灵敏度越高；
获取关键流程子序列的历史采集时间戳与采集时间戳的时间间隔大于所述衰减时间间隔的历史采集时间戳，构成历史采集时间戳数据集，获取历史采集时间戳数据集中的历史采集时间戳数量，以及所述历史采集时间戳数据集中历史采集时间戳之间数值最大的时间戳差值，根据所述时间戳差值和历史采集时间戳数量获取第一频次，并根据所述衰减因子和第一频次进行衰减操作获得第二频次；
获取关键流程子序列的历史采集时间戳与采集时间戳的时间间隔小于等于所述衰减时间间隔的历史采集时间戳数据集，获取历史采集时间戳数据集中的历史采集时间戳数量与当前采集时间戳之和，以及所述历史采集时间戳数据集中历史采集时间戳与采集时间戳之间数值最大的时间戳差值，根据所述时间戳差值与历史采集时间戳数量与当前采集时间戳之和获取第三频次；
根据所述第二频次和第三频次获取当前采集周期的不合格状态的关键流程子序列的不合格频次，根据所述不合格频次确定下一采集周期进行增加质量检查次数的第二可能性；
所述质量管控模块生成所述关键流程子序列下一采集周期进行增加质量检查次数的第三可能性的过程包括：
获取当前采集周期不合格状态的关键流程子序列的相关性系数，根据所述相关性系数确定下一采集周期进行增加质量检查次数的第三可能性；
所述质量管控模块根据所述第一可能性、第二可能性和第三可能性生成的最终可能性判定所述关键流程子序列下一采集周期是否增加质量检查次数的过程包括：
设置可能性阈值，根据当前采集周期不合格状态的关键流程子序列的第一可能性、第二可能性和第三可能性得到下一采集周期进行增加质量检查次数的最终可能性，将所述最终可能性与可能性阈值进行比较；
当所述最终可能性大于等于可能性阈值时，则增加所述关键流程子序列下一采集周期的质量检查次数；
当所述最终可能性小于可能性阈值时，则所述关键流程子序列下一采集周期的质量检查次数保持不变。
2.根据权利要求1所述的一种基于知识图谱的供应链质量管理系统，其特征在于，所述流程分类匹配模块获取产品供应链中各个环节的流程特性，根据所述流程特性设置关键流程子序列，获取各个关键流程子序列的关键指标数据的过程包括：
获取产品供应链中各个环节的流程特性，根据所述流程特性将产品供应链进行划分，拆分为若干流程子序列；
根据各流程子序列中的流程特性选取评价指标，根据评价指标确定产品供应链中各流程子序列中的评价指标，并根据历史数据设置评价指标的指标权重，设置重要性评价等级以及预设等级阈值，通过模糊综合评价判断评价因素对预设重要性评价等级的隶属度，得到隶属度矩阵；
根据所述隶属度矩阵及指标权重获得模糊综合评价结果，根据所述模糊综合评价结果获取产品供应链中各个流程子序列的重要性评价等级，将重要性评价等级高于预设等级阈值的流程子序列划分为关键流程子序列，并将关键流程子序列的评价指标标记为关键指标数据。
3.根据权利要求2所述的一种基于知识图谱的供应链质量管理系统，其特征在于，所述流程分类匹配模块根据历史数据设置评价指标的指标权重的过程包括：
获取数据存储模块存储的流程子序列的评价指标的若干历史采集周期的历史数据监测结果以及对应的历史评价指标阈值范围，将历史数据监测结果与对应的历史评价指标阈值范围进行对比，获取历史数据监测结果不符合对应的历史评价指标阈值范围内的异常累积次数；
同时获取数据存储模块存储的各流程子序列之间的流向关系和流向顺序，根据所述各流程子序列之间的流向关系和流向顺序构建各流程子序列之间的有向拓扑图；
将各流程子序列作为有向拓扑图的节点，将各流程子序列之间的流向关系和流向顺序作为节点之间的连接关系，通过有向拓扑图获取具有连接关系的节点之间的评价指标进行相关性分析，获取各个节点与其它节点的相关性系数；
根据流程子序列的评价指标的异常累积次数以及流程子序列与其它流程子序列的相关性系数生成流程子序列的评价指标的指标权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410060416.6A CN117575372B (zh) | 2024-01-16 | 2024-01-16 | 一种基于知识图谱的供应链质量管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410060416.6A CN117575372B (zh) | 2024-01-16 | 2024-01-16 | 一种基于知识图谱的供应链质量管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117575372A CN117575372A (zh) | 2024-02-20 |
| CN117575372B true CN117575372B (zh) | 2024-04-12 |
Family
ID=89862886
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410060416.6A Active CN117575372B (zh) | 2024-01-16 | 2024-01-16 | 一种基于知识图谱的供应链质量管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117575372B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111784257A (zh) * | 2020-07-08 | 2020-10-16 | 南京大成致远网络技术有限公司 | 一种基于云平台的大数据仓储管理系统 |
| CN112446629A (zh) * | 2020-12-02 | 2021-03-05 | 东莞理工学院 | 一种基于知识图谱的供应商选择方法 |
| CN114997723A (zh) * | 2022-06-30 | 2022-09-02 | 辽宁大学 | 面向企业经营活动的多源异构区块链质量评估模型的构建方法 |
| WO2023030513A1 (zh) * | 2021-09-05 | 2023-03-09 | 汉熵通信有限公司 | 物联网系统 |
| WO2023082298A1 (zh) * | 2021-11-10 | 2023-05-19 | 广东电网有限责任公司广州供电局 | 变压器健康指数评估方法、装置、计算机设备和存储介质 |
| CN116739217A (zh) * | 2023-06-21 | 2023-09-12 | 贵州飞利达科技股份有限公司 | 一种基于供应链大数据平台的零售管理方法及系统 |
| WO2023183398A1 (en) * | 2022-03-22 | 2023-09-28 | Pleasantrees Cannabis Company | Vending, storage, inventory management, and tracking systems and methods for consumables |
| CN117172665A (zh) * | 2023-09-01 | 2023-12-05 | 深圳市富润德供应链管理有限公司 | 一种企业物流供应链管理系统 |
| CN117270437A (zh) * | 2023-10-16 | 2023-12-22 | 国能智深控制技术有限公司 | 一种基于分布式的水电站信息数据监控系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050159973A1 (en) * | 2003-12-22 | 2005-07-21 | International Business Machines Corporation | Method and system for computerizing quality management of a supply chain |
| US10303999B2 (en) * | 2011-02-22 | 2019-05-28 | Refinitiv Us Organization Llc | Machine learning-based relationship association and related discovery and search engines |
-
2024
- 2024-01-16 CN CN202410060416.6A patent/CN117575372B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111784257A (zh) * | 2020-07-08 | 2020-10-16 | 南京大成致远网络技术有限公司 | 一种基于云平台的大数据仓储管理系统 |
| CN112446629A (zh) * | 2020-12-02 | 2021-03-05 | 东莞理工学院 | 一种基于知识图谱的供应商选择方法 |
| WO2023030513A1 (zh) * | 2021-09-05 | 2023-03-09 | 汉熵通信有限公司 | 物联网系统 |
| WO2023082298A1 (zh) * | 2021-11-10 | 2023-05-19 | 广东电网有限责任公司广州供电局 | 变压器健康指数评估方法、装置、计算机设备和存储介质 |
| WO2023183398A1 (en) * | 2022-03-22 | 2023-09-28 | Pleasantrees Cannabis Company | Vending, storage, inventory management, and tracking systems and methods for consumables |
| CN114997723A (zh) * | 2022-06-30 | 2022-09-02 | 辽宁大学 | 面向企业经营活动的多源异构区块链质量评估模型的构建方法 |
| CN116739217A (zh) * | 2023-06-21 | 2023-09-12 | 贵州飞利达科技股份有限公司 | 一种基于供应链大数据平台的零售管理方法及系统 |
| CN117172665A (zh) * | 2023-09-01 | 2023-12-05 | 深圳市富润德供应链管理有限公司 | 一种企业物流供应链管理系统 |
| CN117270437A (zh) * | 2023-10-16 | 2023-12-22 | 国能智深控制技术有限公司 | 一种基于分布式的水电站信息数据监控系统 |
Non-Patent Citations (3)
| Title |
|---|
| 基于供应商评价体系的质量管理提升活动;李颢;邵元铮;柴若芸;楚洪伟;拓芳;李金虎;;机械工业标准化与质量;20180915(09);全文 * |
| 基于区块链技术和HACCP管理的智能化水产品质量安全溯源系统的设计与实现;魏立斐;朱嘉英;衡旭日;朱毅;岑拓望;何昌霖;;渔业现代化;20200815(04);全文 * |
| 工业4.0环境下的钢铁企业质量管理研究;王志刚;;冶金自动化;20180118(01);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117575372A (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108052528B (zh) | 一种存储设备时序分类预警方法 | |
| CN110008201A (zh) | 一种面向大数据的数据质量稽核监控方法 | |
| CN110222991B (zh) | 基于rf-gbdt的计量装置故障诊断方法 | |
| CN112817280A (zh) | 一种用于火电厂智慧监盘报警系统实现方法 | |
| CN113614758A (zh) | 设备指标优良性等级预测模型训练方法、监控系统和方法 | |
| CN109816232A (zh) | 一种智能生产管理系统 | |
| CN113554361B (zh) | 一种综合能源系统数据处理计算方法及处理系统 | |
| CN114722434A (zh) | 基于区块链的台账数据管控方法及装置 | |
| Lyu et al. | A data-driven approach for identifying possible manufacturing processes and production parameters that cause product defects: A thin-film filter company case study | |
| CN117436846B (zh) | 基于神经网络的设备预测性维护方法及系统 | |
| CN114138601A (zh) | 一种业务告警方法、装置、设备及存储介质 | |
| CN117575372B (zh) | 一种基于知识图谱的供应链质量管理系统 | |
| Xin-chun et al. | Study on discrete manufacturing quality control technology based on big data and pattern recognition | |
| Zhang et al. | Research on intelligent warehousing and logistics management system of electronic market based on machine learning | |
| CN116993215A (zh) | 一种电力装备制造质量智能化评价预警方法及系统 | |
| CN117495019A (zh) | 基于农产品供应链的农产品协同调度方法与系统 | |
| CN117114709A (zh) | 一种盐产品溯源信息采集系统 | |
| CN116703158A (zh) | 一种关于进口食品风险预警的风险评估模型构建方法 | |
| CN111667391A (zh) | 一种环保大数据监测系统 | |
| CN117217568A (zh) | 一种基于市场主体信息资源库的经济监测方法及系统 | |
| KR102437917B1 (ko) | 장비 운영 시스템 | |
| CN109035006A (zh) | 一种贷后风险监控的方法及其系统 | |
| Sun et al. | An artificial intelligence-based real-time monitoring framework for time series | |
| CN116664021B (zh) | 一种基于移动端的工厂检查辅助决策系统及方法 | |
| Song et al. | A Dynamic Source Tracing Method for Food Supply Chain Quality and Safety Based on Big Data |
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 |