基于TOPSIS和SVR的订单评级方法、装置、评级系统及存储介质

    公开(公告)号:CN118503806B

    公开(公告)日:2024-11-12

    申请号:CN202410720765.6

    申请日:2024-06-05

    Applicant: 暨南大学

    Abstract: 本申请涉及基于TOPSIS和SVR的订单评级方法、装置、评级系统及存储介质,该方法包括:获取待排序的订单数据,对订单数据进行预处理,以生成预设数据格式的候选订单数据,候选订单数据包括多种目标指标参数;利用TOPSIS法,处理多种目标指标参数,得到每个目标指标参数所对应的权重数据;对多种目标指标参数和每个目标指标参数对应的权重数据,利用秩和比评价法RSR进行秩和比计算,得到与每个目标指标参数对应的实时加权秩和比,将实时加权秩和比输入SVR模型,输出与实时加权秩和比对应的预测加权秩和比;根据预测加权秩和比和预设的分档规则,确定每个订单数据所对应的分档排序结果。通过本申请,解决相关技术中评级订单的方法效率及准确率低的问题。

    基于大数据的产品需求信息预测方法、装置、预测平台及介质

    公开(公告)号:CN118674491A

    公开(公告)日:2024-09-20

    申请号:CN202410842824.7

    申请日:2024-06-27

    Applicant: 暨南大学

    Abstract: 本申请涉及基于大数据的产品需求信息预测方法、装置、预测平台及介质,该方法包括:在目标产品对应的历史生产数据中,获取与所述目标产品对应的第一生产数据时间序列,并按预设规则对所述第一生产数据时间序列进行缩放处理,生成第二生产数据时间序列;将所述第二生产数据时间序列,输入已训备的需求预测模型,得到所述目标产品对应的目标需求预测数据;利用已构建的EM‑GMM模型,处理所述目标需求预测数据的所有所述日生产需求预测数据,生成生产需求预测结果,其中,所述生产需求预测结果包括所述目标产品对应的周生产需求概率分布参数,通过使用TCN‑LSTM模型,结合网格搜索法,对历史生产数据进行预处理和预测,从而提高对目标产品需求预测的准确性。

    批生产模式下的库位规划方法、电子装置及存储介质

    公开(公告)号:CN118229194B

    公开(公告)日:2024-08-23

    申请号:CN202410437940.0

    申请日:2024-04-12

    Applicant: 暨南大学

    Abstract: 本申请涉及批生产模式下的库位规划方法、电子装置及存储介质,该方法包括:获取当前空闲的货位信息和组批生产后的多个生产订单信息,每个生产订单信息包括多个目标对象对应的同一类别的单品信息;从多个生产订单信息中,获取每个目标对象对应的多个单品信息,得到每个目标对象对应的多个入库子单信息,并基于货位信息和入库子单信息,进行初始编码,得到第一编码序列;利用ALNS算法和预设的仓储约束,对当前编码序列进行破坏修复操作,生成备选编码序列;根据备选编码序列和当前编码序列对应的仓储成本,从备选编码序列和当前编码序列中,选取目标编码序列,得到库位规划结果。通过本申请,解决相关技术的库位规划方案易浪费仓库资源及成本的问题。

    面向总装的基于数字孪生的物料流协同控制方法

    公开(公告)号:CN118092357B

    公开(公告)日:2024-08-16

    申请号:CN202410289188.X

    申请日:2024-03-14

    Abstract: 本发明提出面向总装的基于数字孪生的物料流协同控制方法,包括:制造企业接收任务订单,确认需求;通过物理层获取数据,然后上传至决策控制层的模型中;将系统整体的结果输出;物理对象层接收并执行相对应作业计划;数字孪生结构对模型进行监控,判断是否出现动态性干扰;虚拟映像层对动态性干扰进行动态仿真与评估;确认受到动态性影响的子系统,更新数据,由局部子系统计算出子系统内的一级联动修正计划;更新数据;将二、三和四级联动修正计划下达给各子系统层;判断总装系统的任务是否完成。本发明通过基于数字孪生映像体系,为总装系统构建了相适应的数字动态决策信息架构,为实现配送和生产的高效动态协同运作提供了一个可行的使能架构。

    基于订单批处理的生产与仓储智能联动决策方法及服务平台

    公开(公告)号:CN118428851A

    公开(公告)日:2024-08-02

    申请号:CN202410501297.3

    申请日:2024-04-25

    Applicant: 暨南大学

    Abstract: 本申请涉及基于订单批处理的生产与仓储智能联动决策方法及服务平台,该方法包括:获取预规划的排产信息和当前预规划的仓储信息,排产信息关联对应的生产总成本和生产下线时间序列,仓储信息关联对应的仓储总成本和排库时间序列;对生产总成本、生产下线时间序列、仓储总成本和排库时间序列,利用改进的协同优化算法和动态容差进行协同优化,以更新当前生产耦合变量期望值和当前排库耦合变量期望值;判断完成当次迭代的候选排产信息所对应的生产下线时间序列和候选仓储信息所对应的排库时间序列是否满足预设的一致性约束,并在判断到满足预设的一致性约束时,将对应的候选排产信息和对应的候选仓储信息作为协同规划结果。

    大规模家电制造产业链多级协同决策方法及服务平台

    公开(公告)号:CN118396570A

    公开(公告)日:2024-07-26

    申请号:CN202410827585.8

    申请日:2024-06-25

    Applicant: 暨南大学

    Abstract: 本申请涉及大规模家电制造产业链多级协同决策方法及服务平台,该方法包括:接收处于当前生产作业环节的各个层级的决策节点所上传的第一决策结果,获取每个层级对应的协同决策节点生成的第二决策结果;在根据同一层级对应的第一决策结果和第二决策结果,确定出每个层级当次协同优化的不一致性惩罚参数之后,分别计算所有层级前后两次协同优化对应的不一致性惩罚参数的第一差值,根据第一差值,指引各个层级的决策节点和所属的协同决策节点进行作业决策规划迭代,直至第一差值小于预设阈值,以及迭代生成的每个层级对应的候选不一致性惩罚参数为预设目标值时,将与所有层级对应的候选不一致性惩罚参数所对应的第一决策结果作为多级协同决策结果。

Patent Agency Ranking