CN115879855A - 一种基于erp管理***的订单数据分析***及方法 - Google Patents

一种基于erp管理***的订单数据分析***及方法 Download PDF

Info

Publication number
CN115879855A
CN115879855A CN202211589160.5A CN202211589160A CN115879855A CN 115879855 A CN115879855 A CN 115879855A CN 202211589160 A CN202211589160 A CN 202211589160A CN 115879855 A CN115879855 A CN 115879855A
Authority
CN
China
Prior art keywords
order
marked
transfer
image
unit
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
Application number
CN202211589160.5A
Other languages
English (en)
Inventor
张秋燕
肖传智
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Quanzhou Rongxing Information Technology Co ltd
Original Assignee
Quanzhou Rongxing Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Quanzhou Rongxing Information Technology Co ltd filed Critical Quanzhou Rongxing Information Technology Co ltd
Priority to CN202211589160.5A priority Critical patent/CN115879855A/zh
Publication of CN115879855A publication Critical patent/CN115879855A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于ERP管理***的订单数据分析***及方法，涉及订单数据分析技术领域。所述***包括订单信息采集模块、订单信息处理模块、相似度模型构建分析模块、用户订单数据分析模块和ERP管理模块；所述订单信息采集模块与所述订单信息处理模块相连接；所述订单信息处理模块与所述相似度模型构建分析模块相连接；所述相似度模型构建分析模块与所述用户订单数据分析模块相连接；所述用户订单数据分析模块的与所述ERP管理模块相连接。本发明能够对具有订单特征标志的订单进行识别筛选，监测标记订单的运损情况，将已破损的标记订单在中转站点及时退回，及时解决运损订单的问题。

Description

一种基于ERP管理***的订单数据分析***及方法
技术领域
本发明涉及订单数据分析技术领域，具体为一种基于ERP管理***的订单数据分析***及方法。
背景技术
ERP管理***是现代企业管理的运行模式。它是一个在全公司范围内应用的、高度集成的***，覆盖了客户、项目、库存和采购供应生产等管理工作，通过优化企业资源达到资源效益最大化，能够规范企业基础管理工作，促进企业的扁平化管理，提高企业员工的成本管理意识，增强企业的市场竞争能力。
随着物联网在中国的进一步普及应用，网上购物逐渐成为人们的网络行为之一，全新的购物体验和便捷的消费方式在更大范围内取代或者传统模式的购物方式，很大程度上节约了人们购物的时间和购物的成本。但与此同时，在快递运输过程中会产生因快递堆叠挤压或者因遭遇恶劣天气造成的商品损坏等问题，只有当消费者签收时才能发现商品损坏的问题，给消费者带来了极大的不便和困扰；另外，部分企业存在快递中途退回的情况，但由于缺乏对用户实际情况的分析，无法进一步实现智能化管理。
发明内容
本发明的目的在于提供一种基于ERP管理***的订单数据分析***及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：
一种基于ERP管理***的订单数据分析方法，所述方法包括以下步骤：
步骤S1：在订单发送站点采集订单包装信息，基于订单包装信息对订单特征标志进行检测，当检测到订单特征标志时，生成标记订单；
步骤S2：采集标记订单的初始图像，对标记订单的初始图像进行处理，得到标记订单的初始灰度图像的初始向量；
步骤S3：获取标记订单所有的中转站点，当标记订单到达各个中转站点后，分别获取标记订单在各个中转站点的中转图像并对标记订单在各个中转站点的中转图像进行处理，得到标记订单在各个中转站点的中转灰度图像的中转向量；
步骤S4：构建标记订单相似度计算模型，将标记订单的初始灰度图像的初始向量与标记订单在各个中转站点的中转灰度图像的中转向量进行对比，计算标记订单的相似度；
步骤S5：设置标记订单的相似度阈值，当标记订单的相似度未超出阈值时，判定标记订单产生运损，获取标记订单所属用户的历史订单数据，计算标记订单所属用户因运损申请退货的概率；
步骤S6：设置标记订单因运损申请退货的概率阈值，当标记订单所属用户因运损申请退货的概率超出标记订单因运损申请退货的概率阈值时，判定标记订单因运损申请退货，将标记订单在当前中转站点的中转图像反馈给商家和所属用户，并将标记订单退回；
步骤S7：利用ERP管理***对标记订单当前中转站点以及前一中转站点进行二次标记，对中转退回的标记订单的数量进行统计，当某一中转站点中转退回的标记订单的数量超出阈值时，ERP管理***对标记订单当前中转站点以及前一中转站点进行告警，并追溯运输路径和运输人员信息。
进一步的，在步骤S1-S2中，所述订单包装信息包括订单运输信息和订单特征标志；
所述订单运输信息包括订单号、运单号、发货地址和收货地址；
所述订单特征标志包括易碎标志、小心轻放标志和防潮标志；
当检测到订单特征标志是易碎标志时，生成标记订单
Figure BDA0003993216900000021
当检测到订单特征信息是小心轻放标志后，生成标记订单/>
Figure BDA0003993216900000022
当检测到订单特征信息是防潮标志后，生成标记订单
Figure BDA0003993216900000023
采集标记订单
Figure BDA0003993216900000024
的初始图像/>
Figure BDA0003993216900000025
对标记订单/>
Figure BDA0003993216900000026
的初始图像/>
Figure BDA0003993216900000027
进行灰度处理，生成标记订单/>
Figure BDA0003993216900000028
的初始灰度图像/>
Figure BDA0003993216900000029
对标记订单/>
Figure BDA00039932169000000210
的初始灰度图像/>
Figure BDA00039932169000000211
进行边缘计算；
根据公式，对标记订单
Figure BDA00039932169000000212
的初始灰度图像/>
Figure BDA00039932169000000213
的每个像素有：
Figure BDA00039932169000000214
Figure BDA00039932169000000215
Figure BDA00039932169000000216
其中，G(x,y)表示高斯滤波函数；Ex0,n(x,y)表示标记订单
Figure BDA00039932169000000217
的初始灰度图像
Figure BDA00039932169000000218
的每个像素经高斯滤波后的水平结果；Ey0,n(x,y)表示标记订单/>
Figure BDA0003993216900000031
的初始灰度图像/>
Figure BDA0003993216900000032
的每个像素经高斯滤波后的垂直结果；
对标记订单
Figure BDA0003993216900000033
的初始灰度图像/>
Figure BDA0003993216900000034
的每个像素经高斯滤波后的水平结果和垂直结果求取平均值：
Figure BDA00039932169000000326
Figure BDA0003993216900000035
其中，Ex0,avg(x,y)表示标记订单
Figure BDA0003993216900000036
的初始灰度图像/>
Figure BDA0003993216900000037
的每个像素经高斯滤波后的水平结果平均值；Ey0,avg(x,y)表示标记订单/>
Figure BDA0003993216900000038
的初始灰度图像/>
Figure BDA0003993216900000039
的每个像素经高斯滤波后的垂直结果平均值；
标记订单
Figure BDA00039932169000000310
的初始灰度图像/>
Figure BDA00039932169000000311
的初始向量：
Figure BDA00039932169000000312
其中，
Figure BDA00039932169000000313
表示标记订单/>
Figure BDA00039932169000000314
的初始灰度图像/>
Figure BDA00039932169000000315
的初始向量。
在上述技术方案中，首先要筛选标记出含有诸如易碎标志、小心轻放标志和防潮标志等订单特征标志的订单是易产生破损的订单，确定***的检测对象；其次，采集标记订单的初始图像，并对标记订单的初始图像进行灰度处理和边缘计算是为了对图像进行轮廓提取，保证图像的准确性；再次，通过Canny算子进行边缘计算能够得到更为清晰的图像轮廓边缘，为计算初始图像与中转图像的相似度提供基础；最后，灰度图像的像素坐标能够较好的反映图像中各个像素点的变化。
进一步的，在步骤S3中，
获取标记订单
Figure BDA00039932169000000316
所有的中转站点B＝{b1,b2,...,bz}；对应的标记订单/>
Figure BDA00039932169000000317
在各个中转站点的中转图像/>
Figure BDA00039932169000000318
对标记订单在各个中转站点的中转图像进行灰度处理，生成标记订单/>
Figure BDA00039932169000000319
在各个中转站点的中转灰度图像/>
Figure BDA00039932169000000320
Figure BDA00039932169000000321
对标记订单/>
Figure BDA00039932169000000322
的中转灰度图像F进行边缘计算，并对标记订单/>
Figure BDA00039932169000000323
的中转灰度图像F的每个像素经高斯滤波后的水平结果和垂直结果求取平均值，得到标记订单/>
Figure BDA00039932169000000324
在各个中转站点的中转灰度图像的中转向量/>
Figure BDA00039932169000000325
进一步的，在步骤S4中，构建标记订单相似度计算模型包括：
获取标记订单
Figure BDA0003993216900000041
的初始灰度图像/>
Figure BDA0003993216900000042
的初始向量/>
Figure BDA0003993216900000043
获取标记订单/>
Figure BDA0003993216900000044
在各个中转站点的中转灰度图像的中转向量/>
Figure BDA0003993216900000045
计算标记订单
Figure BDA0003993216900000046
的相似度：
Figure BDA0003993216900000047
其中，
Figure BDA0003993216900000048
表示标记订单/>
Figure BDA0003993216900000049
在第j个中转站点的相似度；/>
Figure BDA00039932169000000410
表示标记订单/>
Figure BDA00039932169000000411
的初始灰度图像/>
Figure BDA00039932169000000412
的初始向量；/>
Figure BDA00039932169000000413
表示标记订单/>
Figure BDA00039932169000000414
在第j个中转站点的中转灰度图像/>
Figure BDA00039932169000000415
的中转向量。
在上述技术方案中，余弦相似度算法用于对两个向量进行相似性对比，余弦值越接近1，表明夹角越接近0度，即两个向量越相似；利用余弦相似度算法将标记订单的初始灰度图像的初始向量和标记订单的中转灰度图像的中转向量进行对比能够清晰地反正出标记订单灰度图像的显著变化。
进一步的，在步骤S5-S6中，设置标记订单Ai的相似度阈值，记为cos(θ0)；
当标记订单
Figure BDA00039932169000000416
的相似度超出阈值时，判定标记订单/>
Figure BDA00039932169000000417
未产生运损；/>
当标记订单
Figure BDA00039932169000000418
的相似度未超出阈值时，判定标记订单/>
Figure BDA00039932169000000419
产生运损，获取标记订单
Figure BDA00039932169000000420
所属用户Ck的历史订单数据；
所述获取标记订单
Figure BDA00039932169000000421
所属用户Cg的历史订单数据包括：
获取标记订单
Figure BDA00039932169000000422
所属用户Ch产生运损的订单数量，记为Uh；
获取标记订单
Figure BDA00039932169000000423
所属用户Ch因运损申请退货的订单数量，记为Vh；
计算标记订单
Figure BDA00039932169000000424
所属用户Ch因运损申请退货的概率：
Figure BDA00039932169000000425
其中，ph表示标记订单
Figure BDA00039932169000000426
所属用户Ch因运损申请退货的概率；
设置标记订单因运损申请退货的概率阈值，记为p0；当标记订单
Figure BDA00039932169000000427
所属用户Ch因运损申请退货的概率超出标记订单因运损申请退货的概率阈值时，将标记订单/>
Figure BDA00039932169000000428
在当前中转站点的中转图像反馈给商家和用户，并将标记订单/>
Figure BDA00039932169000000429
退回。
在上述技术方案中，订单在运输途中产生破损，消费者大概率会选择申请退货，当查询到标记订单所属用户的历史订单数据，并对该用户因运损申请退货的概率进行计算，若该用户因运损是申请退货的概率很高，那么***就能够及时地作出判断并退回运损订单，以做到高效处理运损订单地效果，为用户提供更好的购物体验。
一种基于ERP管理***的订单数据分析***，所述***包括订单信息采集模块、订单信息处理模块、相似度模型构建分析模块、用户订单数据分析模块和ERP管理模块；
所述订单信息采集模块用于采集订单包装信息、检测订单特征标志、生成标记订单、采集标记订单的初始图像、标记订单所有的中转站点和标记订单在各个中转站点的中转图像；所述订单信息处理模块对标记订单的初始图像和标记订单在各个中转站点的中转图像进行处理，得到标记订单的初始灰度图像的初始向量和标记订单在各个中转站点的中转灰度图像的中转向量；所述相似度模型构建分析模块用于构建标记订单相似度计算模型，将标记订单的初始灰度图像的初始向量与标记订单在各个中转站点的中转灰度图像的中转向量进行对比，计算标记订单的相似度；所述用户订单数据分析模块用于设置标记订单的相似度阈值，当标记订单的相似度未超出阈值时，判定标记订单产生运损，获取标记订单所属用户的历史订单数据，计算标记订单所属用户因运损申请退货的概率；所述ERP管理模块用于设置标记订单因运损申请退货的概率阈值，当标记订单所属用户因运损申请退货的概率超出标记订单因运损申请退货的概率阈值时，判定标记订单因运损申请退货，将标记订单在当前中转站点的中转图像反馈给商家和所属用户，并将标记订单退回，利用ERP管理***对标记订单当前中转站点以及前一中转站点进行二次标记，对中转退回的标记订单的数量进行统计，当某一中转站点中转退回的标记订单的数量超出阈值时，ERP管理***对标记订单当前中转站点以及前一中转站点进行告警，并追溯运输路径和运输人员信息；
所述订单信息采集模块的输出端与所述订单信息处理模块的输入端相连接；所述订单信息处理模块的输出端与所述相似度模型构建分析模块的输入端相连接；所述相似度模型构建分析模块的输出端与所述用户订单数据分析模块的输入端相连接；所述用户订单数据分析模块的输出端与所述ERP管理模块的输入端相连接。
进一步的，所述订单信息采集模块包括订单包装信息采集单元、订单特征标志检测单元、标记订单生成单元、标记订单初始图像采集单元、标记订单中转站点获取单元和标记订单中转图像采集单元；
所述订单包装信息采集单元用于在订单发送站点采集订单包装信息；
所述订单特征标志检测单元用于基于订单包装信息对订单特征标志进行检测；
所述标记订单生成单元用于当检测到订单特征标志时，生成标记订单；
所述标记订单初始图像采集单元用于采集标记订单的初始图像；
所述标记订单中转站点获取单元用于获取标记订单所有的中转站点；
所述标记订单中转图像采集单元用于采集标记订单在各个中转站点的中转图像；
所述订单包装信息采集单元的输出端与所述订单特征标志检测单元的输入端相连接；所述订单特征标志检测单元的输出端与所述标记订单生成单元的输入端相连接；所述标记订单生成单元的输出端与所述标记订单初始图像采集单元的输入端相连接；所述标记订单初始图像采集单元的输出端与所述标记订单中转站点获取单元的输入端相连接；所述标记订单中转站点获取单元的输出端与所述标记订单中转图像采集单元的输入端相连接；所述标记订单中转图像采集单元的输出端与所述订单信息处理模块的输入端相连接。
进一步的，所述订单信息处理模块包括标记订单初始图像处理单元和标记订单中转图像处理单元；
所述标记订单初始图像处理单元用于对标记订单的初始图像进行处理，得到标记订单的初始灰度图像的初始向量；
所述标记订单中转图像处理单元用于对标记订单在各个中转站点的中转图像进行处理，得到标记订单在各个中转站点的中转灰度图像的中转向量；
所述标记订单初始图像处理单元的输出端与所述所述标记订单中转图像处理单元的输入端相连接；所述标记订单中转图像处理单元的输出端与所述相似度模型构建分析模块的输入端相连接。
进一步的，所述相似度模型构建分析模块包括相似度模型构建单元和相似度模型分析单元；
所述相似度模型构建单元用于构建标记订单相似度计算模型；
所述相似度模型分析单元用于将标记订单的初始灰度图像的初始向量与标记订单在各个中转站点的中转灰度图像的中转向量进行对比，计算标记订单的相似度；
所述相似度模型构建单元的输出端与所述相似度模型分析单元相连接；所述相似度模型分析单元的输出端与用户订单数据分析模块的输出端相连接。
进一步的，所述用户订单数据分析模块包括标记订单相似度判断单元、用户历史订单获取单元和用户运损退货概率计算单元；
所述标记订单相似度判断单元用于设置标记订单的相似度阈值，当标记订单的相似度未超出阈值时，判定标记订单产生运损；
所述用户历史订单获取单元用于在判定标记订单产生运损后获取标记订单所属用户的历史订单数据；
所述用户运损退货概率计算单元用于基于标记订单所属用户的历史订单数据计算标记订单所属用户因运损申请退货的概率；
所述标记订单相似度判断单元的输出端与所述用户历史订单获取单元的输入端相连接；所述用户历史订单获取单元的输出端与所述用户运损退货概率计算单元的输入端相连接；所述用户运损退货概率计算单元的输出端与所述ERP管理模块的输入端相连接；
所述ERP管理模块包括用户运损退货判断单元、第一输出单元和第二输出单元；
所述用户运损退货判断单元用于设置标记订单因运损申请退货的概率阈值，当标记订单所属用户因运损申请退货的概率超出标记订单因运损申请退货的概率阈值时，判定标记订单因运损申请退货；
所述第一输出单元用于将标记订单在当前中转站点的中转图像反馈给商家和所属用户，并将标记订单退回；
所述第二输出单元用于利用ERP管理***对标记订单当前中转站点以及前一中转站点进行二次标记，对中转退回的标记订单的数量进行统计，当某一中转站点中转退回的标记订单的数量超出阈值时，ERP管理***对标记订单当前中转站点以及前一中转站点进行告警，并追溯运输路径和运输人员信息；
所述用户运损退货判断单元的输出端与所述第一输出单元的输入端相连接；所述第一输出单元的输出端与所述第二输出单元的输入端相连接。
与现有技术相比，本发明所达到的有益效果是：本发明能够对具有订单特征标志的订单进行检测筛选，并监测该标记订单在各个中转站点的运损情况，对在运输过程中产生运损的标记订单进行检测反馈，并进一步地对标记订单所属用户进行分析，能够帮助有需要的用户将已经破损的标记订单及时退回，提高运输的效率以及解决消费者额外花费时间和精力处理运损订单的问题。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于ERP管理***的订单数据分析***的结构示意图；
图2是本发明一种基于ERP管理***的订单数据分析方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
请参阅图1-图2，本发明提供技术方案：
一种基于ERP管理***的订单数据分析方法，所述方法包括以下步骤：
步骤S1：在订单发送站点采集订单包装信息，基于订单包装信息对订单特征标志进行检测，当检测到订单特征标志时，生成标记订单；
步骤S2：采集标记订单的初始图像，对标记订单的初始图像进行处理，得到标记订单的初始灰度图像的初始向量；
步骤S3：获取标记订单所有的中转站点，当标记订单到达各个中转站点后，分别获取标记订单在各个中转站点的中转图像并对标记订单在各个中转站点的中转图像进行处理，得到标记订单在各个中转站点的中转灰度图像的中转向量；
步骤S4：构建标记订单相似度计算模型，将标记订单的初始灰度图像的初始向量与标记订单在各个中转站点的中转灰度图像的中转向量进行对比，计算标记订单的相似度；
步骤S5：设置标记订单的相似度阈值，当标记订单的相似度未超出阈值时，判定标记订单产生运损，获取标记订单所属用户的历史订单数据，计算标记订单所属用户因运损申请退货的概率；
步骤S6：设置标记订单因运损申请退货的概率阈值，当标记订单所属用户因运损申请退货的概率超出标记订单因运损申请退货的概率阈值时，判定标记订单因运损申请退货，将标记订单在当前中转站点的中转图像反馈给商家和所属用户，并将标记订单退回；
步骤S7：利用ERP管理***对标记订单当前中转站点以及前一中转站点进行二次标记，对中转退回的标记订单的数量进行统计，当某一中转站点中转退回的标记订单的数量超出阈值时，ERP管理***对标记订单当前中转站点以及前一中转站点进行告警，并追溯运输路径和运输人员信息。
进一步的，在步骤S1-S2中，所述订单包装信息包括订单运输信息和订单特征标志；
所述订单运输信息包括订单号、运单号、发货地址和收货地址；
所述订单特征标志包括易碎标志、小心轻放标志和防潮标志；
当检测到订单特征标志是易碎标志时，生成标记订单
Figure BDA0003993216900000091
当检测到订单特征信息是小心轻放标志后，生成标记订单/>
Figure BDA0003993216900000092
当检测到订单特征信息是防潮标志后，生成标记订单/>
Figure BDA0003993216900000093
采集标记订单
Figure BDA0003993216900000094
的初始图像/>
Figure BDA0003993216900000095
对标记订单/>
Figure BDA0003993216900000096
的初始图像/>
Figure BDA0003993216900000097
进行灰度处理，生成标记订单/>
Figure BDA0003993216900000098
的初始灰度图像/>
Figure BDA0003993216900000099
对标记订单/>
Figure BDA00039932169000000910
的初始灰度图像
Figure BDA00039932169000000911
进行边缘计算；
根据公式，对标记订单
Figure BDA00039932169000000926
的初始灰度图像/>
Figure BDA00039932169000000912
的每个像素有：
Figure BDA00039932169000000913
Figure BDA00039932169000000914
Figure BDA00039932169000000915
其中，G(x,y)表示高斯滤波函数；Ex0,n(x,y)表示标记订单
Figure BDA00039932169000000916
的初始灰度图像
Figure BDA00039932169000000917
的每个像素经高斯滤波后的水平结果；Ey0,n(x,y)表示标记订单/>
Figure BDA00039932169000000918
的初始灰度图像/>
Figure BDA00039932169000000919
的每个像素经高斯滤波后的垂直结果；
对标记订单
Figure BDA00039932169000000920
的初始灰度图像/>
Figure BDA00039932169000000921
的每个像素经高斯滤波后的水平结果和垂直结果求取平均值：
Figure BDA00039932169000000922
Figure BDA00039932169000000923
其中，Ex0,avg(x,y)表示标记订单
Figure BDA00039932169000000924
的初始灰度图像/>
Figure BDA00039932169000000925
的每个像素经高斯滤波后的水平结果平均值；Ey0,avg(x,y)表示标记订单/>
Figure BDA0003993216900000101
的初始灰度图像/>
Figure BDA0003993216900000102
的每个像素经高斯滤波后的垂直结果平均值；
标记订单
Figure BDA0003993216900000103
的初始灰度图像/>
Figure BDA0003993216900000104
的初始向量：
Figure BDA0003993216900000105
其中，
Figure BDA0003993216900000106
表示标记订单/>
Figure BDA0003993216900000107
的初始灰度图像/>
Figure BDA0003993216900000108
的初始向量。
进一步的，在步骤S3中，
获取标记订单
Figure BDA0003993216900000109
所有的中转站点B＝{b1,b2,...,bz}；对应的标记订单/>
Figure BDA00039932169000001010
在各个中转站点的中转图像/>
Figure BDA00039932169000001011
对标记订单在各个中转站点的中转图像进行灰度处理，生成标记订单/>
Figure BDA00039932169000001012
在各个中转站点的中转灰度图像/>
Figure BDA00039932169000001013
Figure BDA00039932169000001014
对标记订单/>
Figure BDA00039932169000001015
的中转灰度图像F进行边缘计算，并对标记订单/>
Figure BDA00039932169000001016
的中转灰度图像F的每个像素经高斯滤波后的水平结果和垂直结果求取平均值，得到标记订单/>
Figure BDA00039932169000001017
在各个中转站点的中转灰度图像的中转向量/>
Figure BDA00039932169000001018
进一步的，在步骤S4中，构建标记订单相似度计算模型包括：
获取标记订单
Figure BDA00039932169000001019
的初始灰度图像/>
Figure BDA00039932169000001020
的初始向量/>
Figure BDA00039932169000001021
获取标记订单/>
Figure BDA00039932169000001022
在各个中转站点的中转灰度图像的中转向量/>
Figure BDA00039932169000001023
计算标记订单
Figure BDA00039932169000001024
的相似度：
Figure BDA00039932169000001025
其中，
Figure BDA00039932169000001026
表示标记订单/>
Figure BDA00039932169000001027
在第j个中转站点的相似度；/>
Figure BDA00039932169000001028
表示标记订单/>
Figure BDA00039932169000001029
的初始灰度图像/>
Figure BDA00039932169000001030
的初始向量；/>
Figure BDA00039932169000001031
表示标记订单/>
Figure BDA00039932169000001032
在第j个中转站点的中转灰度图像/>
Figure BDA00039932169000001033
的中转向量。
进一步的，在步骤S5-S6中，设置标记订单Ai的相似度阈值，记为cos(θ0)；
当标记订单
Figure BDA00039932169000001034
的相似度超出阈值时，判定标记订单/>
Figure BDA00039932169000001035
未产生运损；
当标记订单
Figure BDA00039932169000001036
的相似度未超出阈值时，判定标记订单/>
Figure BDA00039932169000001037
产生运损，获取标记订单
Figure BDA00039932169000001038
所属用户Ck的历史订单数据；
所述获取标记订单
Figure BDA00039932169000001039
所属用户Cg的历史订单数据包括：
获取标记订单
Figure BDA0003993216900000111
所属用户Ch产生运损的订单数量，记为Uh；
获取标记订单
Figure BDA0003993216900000112
所属用户Ch因运损申请退货的订单数量，记为Vh；
计算标记订单
Figure BDA0003993216900000113
所属用户Ch因运损申请退货的概率：
Figure BDA0003993216900000114
其中，ph表示标记订单
Figure BDA0003993216900000115
所属用户Ch因运损申请退货的概率；
设置标记订单因运损申请退货的概率阈值，记为p0；当标记订单
Figure BDA0003993216900000116
所属用户Ch因运损申请退货的概率超出标记订单因运损申请退货的概率阈值时，将标记订单/>
Figure BDA0003993216900000117
在当前中转站点的中转图像反馈给商家和用户，并将标记订单/>
Figure BDA0003993216900000118
退回。
一种基于ERP管理***的订单数据分析***，所述***包括订单信息采集模块、订单信息处理模块、相似度模型构建分析模块、用户订单数据分析模块和ERP管理模块；
所述订单信息采集模块用于采集订单包装信息、检测订单特征标志、生成标记订单、采集标记订单的初始图像、标记订单所有的中转站点和标记订单在各个中转站点的中转图像；所述订单信息处理模块对标记订单的初始图像和标记订单在各个中转站点的中转图像进行处理，得到标记订单的初始灰度图像的初始向量和标记订单在各个中转站点的中转灰度图像的中转向量；所述相似度模型构建分析模块用于构建标记订单相似度计算模型，将标记订单的初始灰度图像的初始向量与标记订单在各个中转站点的中转灰度图像的中转向量进行对比，计算标记订单的相似度；所述用户订单数据分析模块用于设置标记订单的相似度阈值，当标记订单的相似度未超出阈值时，判定标记订单产生运损，获取标记订单所属用户的历史订单数据，计算标记订单所属用户因运损申请退货的概率；所述ERP管理模块用于设置标记订单因运损申请退货的概率阈值，当标记订单所属用户因运损申请退货的概率超出标记订单因运损申请退货的概率阈值时，判定标记订单因运损申请退货，将标记订单在当前中转站点的中转图像反馈给商家和所属用户，并将标记订单退回，利用ERP管理***对标记订单当前中转站点以及前一中转站点进行二次标记，对中转退回的标记订单的数量进行统计，当某一中转站点中转退回的标记订单的数量超出阈值时，ERP管理***对标记订单当前中转站点以及前一中转站点进行告警，并追溯运输路径和运输人员信息；
所述订单信息采集模块的输出端与所述订单信息处理模块的输入端相连接；所述订单信息处理模块的输出端与所述相似度模型构建分析模块的输入端相连接；所述相似度模型构建分析模块的输出端与所述用户订单数据分析模块的输入端相连接；所述用户订单数据分析模块的输出端与所述ERP管理模块的输入端相连接。
进一步的，所述订单信息采集模块包括订单包装信息采集单元、订单特征标志检测单元、标记订单生成单元、标记订单初始图像采集单元、标记订单中转站点获取单元和标记订单中转图像采集单元；
所述订单包装信息采集单元用于在订单发送站点采集订单包装信息；
所述订单特征标志检测单元用于基于订单包装信息对订单特征标志进行检测；
所述标记订单生成单元用于当检测到订单特征标志时，生成标记订单；
所述标记订单初始图像采集单元用于采集标记订单的初始图像；
所述标记订单中转站点获取单元用于获取标记订单所有的中转站点；
所述标记订单中转图像采集单元用于采集标记订单在各个中转站点的中转图像；
所述订单包装信息采集单元的输出端与所述订单特征标志检测单元的输入端相连接；所述订单特征标志检测单元的输出端与所述标记订单生成单元的输入端相连接；所述标记订单生成单元的输出端与所述标记订单初始图像采集单元的输入端相连接；所述标记订单初始图像采集单元的输出端与所述标记订单中转站点获取单元的输入端相连接；所述标记订单中转站点获取单元的输出端与所述标记订单中转图像采集单元的输入端相连接；所述标记订单中转图像采集单元的输出端与所述订单信息处理模块的输入端相连接。
进一步的，所述订单信息处理模块包括标记订单初始图像处理单元和标记订单中转图像处理单元；
所述标记订单初始图像处理单元用于对标记订单的初始图像进行处理，得到标记订单的初始灰度图像的初始向量；
所述标记订单中转图像处理单元用于对标记订单在各个中转站点的中转图像进行处理，得到标记订单在各个中转站点的中转灰度图像的中转向量；
所述标记订单初始图像处理单元的输出端与所述所述标记订单中转图像处理单元的输入端相连接；所述标记订单中转图像处理单元的输出端与所述相似度模型构建分析模块的输入端相连接。
进一步的，所述相似度模型构建分析模块包括相似度模型构建单元和相似度模型分析单元；
所述相似度模型构建单元用于构建标记订单相似度计算模型；
所述相似度模型分析单元用于将标记订单的初始灰度图像的初始向量与标记订单在各个中转站点的中转灰度图像的中转向量进行对比，计算标记订单的相似度；
所述相似度模型构建单元的输出端与所述相似度模型分析单元相连接；所述相似度模型分析单元的输出端与用户订单数据分析模块的输出端相连接。
进一步的，所述用户订单数据分析模块包括标记订单相似度判断单元、用户历史订单获取单元和用户运损退货概率计算单元；
所述标记订单相似度判断单元用于设置标记订单的相似度阈值，当标记订单的相似度未超出阈值时，判定标记订单产生运损；
所述用户历史订单获取单元用于在判定标记订单产生运损后获取标记订单所属用户的历史订单数据；
所述用户运损退货概率计算单元用于基于标记订单所属用户的历史订单数据计算标记订单所属用户因运损申请退货的概率；
所述标记订单相似度判断单元的输出端与所述用户历史订单获取单元的输入端相连接；所述用户历史订单获取单元的输出端与所述用户运损退货概率计算单元的输入端相连接；所述用户运损退货概率计算单元的输出端与所述ERP管理模块的输入端相连接；
所述ERP管理模块包括用户运损退货判断单元、第一输出单元和第二输出单元；
所述用户运损退货判断单元用于设置标记订单因运损申请退货的概率阈值，当标记订单所属用户因运损申请退货的概率超出标记订单因运损申请退货的概率阈值时，判定标记订单因运损申请退货；
所述第一输出单元用于将标记订单在当前中转站点的中转图像反馈给商家和所属用户，并将标记订单退回；
所述第二输出单元用于利用ERP管理***对标记订单当前中转站点以及前一中转站点进行二次标记，对中转退回的标记订单的数量进行统计，当某一中转站点中转退回的标记订单的数量超出阈值时，ERP管理***对标记订单当前中转站点以及前一中转站点进行告警，并追溯运输路径和运输人员信息；
所述用户运损退货判断单元的输出端与所述第一输出单元的输入端相连接；所述第一输出单元的输出端与所述第二输出单元的输入端相连接。
在本实施例中：
采集订单号、运单号、发货地址和收货地址等订单运输信息；
采集易碎标志、小心轻放标志和防潮标志等订单特征标志；
检测到订单特征标志是易碎标志，生成标记订单
Figure BDA0003993216900000141
采集标记订单
Figure BDA0003993216900000142
的初始图像/>
Figure BDA0003993216900000143
对标记订单/>
Figure BDA0003993216900000144
的初始图像/>
Figure BDA0003993216900000145
进行灰度处理，生成标记订单/>
Figure BDA0003993216900000146
的初始灰度图像/>
Figure BDA0003993216900000147
对标记订单/>
Figure BDA0003993216900000148
的初始灰度图像
Figure BDA0003993216900000149
进行边缘计算；
根据公式，对标记订单
Figure BDA00039932169000001410
的初始灰度图像/>
Figure BDA00039932169000001411
的每个像素有：
Figure BDA00039932169000001412
Figure BDA00039932169000001430
Figure BDA00039932169000001413
其中，G(x,y)表示高斯滤波函数；Ex0,n(x,y)表示标记订单
Figure BDA00039932169000001414
的初始灰度图像
Figure BDA00039932169000001415
的每个像素经高斯滤波后的水平结果；Ey0,n(x,y)表示标记订单/>
Figure BDA00039932169000001416
的初始灰度图像/>
Figure BDA00039932169000001417
的每个像素经高斯滤波后的垂直结果；
对标记订单
Figure BDA00039932169000001418
的初始灰度图像/>
Figure BDA00039932169000001419
的每个像素经高斯滤波后的水平结果和垂直结果求取平均值：
Figure BDA00039932169000001420
/>
Figure BDA00039932169000001421
其中，Ex0,avg(x,y)表示标记订单
Figure BDA00039932169000001422
的初始灰度图像/>
Figure BDA00039932169000001423
的每个像素经高斯滤波后的水平结果平均值；Ey0,avg(x,y)表示标记订单/>
Figure BDA00039932169000001424
的初始灰度图像/>
Figure BDA00039932169000001425
的每个像素经高斯滤波后的垂直结果平均值；
此时，标记订单
Figure BDA00039932169000001426
的初始灰度图像/>
Figure BDA00039932169000001427
的像素点个数n＝50；
则标记订单
Figure BDA00039932169000001428
的初始灰度图像/>
Figure BDA00039932169000001429
的初始向量：
Figure BDA0003993216900000151
其中，
Figure BDA0003993216900000152
表示标记订单/>
Figure BDA0003993216900000153
的初始灰度图像/>
Figure BDA0003993216900000154
的初始向量。
获取标记订单
Figure BDA0003993216900000155
所有的中转站点B＝{b1,b2,...,b5}；对应的标记订单/>
Figure BDA0003993216900000156
在各个中转站点的中转图像/>
Figure BDA0003993216900000157
对标记订单在各个中转站点的中转图像进行灰度处理，生成标记订单/>
Figure BDA0003993216900000158
在各个中转站点的中转灰度图像/>
Figure BDA0003993216900000159
Figure BDA00039932169000001510
对标记订单/>
Figure BDA00039932169000001511
的中转灰度图像F进行边缘计算，并对标记订单/>
Figure BDA00039932169000001512
的中转灰度图像F的每个像素经高斯滤波后的水平结果和垂直结果求取平均值，得到标记订单/>
Figure BDA00039932169000001513
在各个中转站点的中转灰度图像的中转向量/>
Figure BDA00039932169000001514
进一步的，在步骤S4中，构建标记订单相似度计算模型包括：
获取
Figure BDA00039932169000001515
表示标记订单/>
Figure BDA00039932169000001516
的初始灰度图像/>
Figure BDA00039932169000001517
的初始向量/>
Figure BDA00039932169000001518
获取标记订单/>
Figure BDA00039932169000001519
在第3个中转站点的中转灰度图像的中转向量/>
Figure BDA00039932169000001520
计算标记订单
Figure BDA00039932169000001521
的相似度：
Figure BDA00039932169000001522
其中，
Figure BDA00039932169000001523
表示标记订单/>
Figure BDA00039932169000001524
在第3个中转站点的相似度；/>
Figure BDA00039932169000001525
表示标记订单/>
Figure BDA00039932169000001526
的初始灰度图像/>
Figure BDA00039932169000001527
的初始向量；/>
Figure BDA00039932169000001528
表示标记订单/>
Figure BDA00039932169000001529
在第3个中转站点的中转灰度图像/>
Figure BDA00039932169000001530
的中转向量。
设置标记订单Ai的相似度阈值，记为cos(θ0)＝0.95；
因为标记订单
Figure BDA00039932169000001531
的相似度未超出阈值时，判定标记订单/>
Figure BDA00039932169000001532
产生运损，获取标记订单/>
Figure BDA00039932169000001533
所属用户C4的历史订单数据；
所述获取标记订单
Figure BDA00039932169000001534
所属用户C4的历史订单数据包括：
获取标记订单
Figure BDA00039932169000001535
所属用户C4产生运损的订单数量U4＝10；
获取标记订单
Figure BDA00039932169000001536
所属用户C4因运损申请退货的订单数量V4＝9；/>
计算标记订单
Figure BDA00039932169000001537
所属用户C4因运损申请退货的概率：
Figure BDA00039932169000001538
设置标记订单因运损申请退货的概率阈值p0＝0.8；
因为标记订单
Figure BDA0003993216900000161
所属用户C5因运损申请退货的概率超出标记订单因运损申请退货的概率阈值，故将标记订单/>
Figure BDA0003993216900000162
在当前中转站点的中转图像反馈给商家和用户，并将标记订单/>
Figure BDA0003993216900000163
退回。
利用ERP管理***对标记订单当前中转站点以及前一中转站点进行二次标记，对中转退回的标记订单的数量进行统计，当某一中转站点中转退回的标记订单的数量超出阈值时，ERP管理***对标记订单当前中转站点以及前一中转站点进行告警，并追溯运输路径和运输人员信息。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于ERP管理***的订单数据分析方法，其特征在于，所述方法包括以下步骤：
步骤S1：在订单发送站点采集订单包装信息，基于订单包装信息对订单特征标志进行检测，当检测到订单特征标志时，生成标记订单；
步骤S2：采集标记订单的初始图像，对标记订单的初始图像进行处理，得到标记订单的初始灰度图像的初始向量；
步骤S3：获取标记订单所有的中转站点，当标记订单到达各个中转站点后，分别获取标记订单在各个中转站点的中转图像并对标记订单在各个中转站点的中转图像进行处理，得到标记订单在各个中转站点的中转灰度图像的中转向量；
步骤S4：构建标记订单相似度计算模型，将标记订单的初始灰度图像的初始向量与标记订单在各个中转站点的中转灰度图像的中转向量进行对比，计算标记订单的相似度；
步骤S5：设置标记订单的相似度阈值，当标记订单的相似度未超出阈值时，判定标记订单产生运损，获取标记订单所属用户的历史订单数据，计算标记订单所属用户因运损申请退货的概率；
步骤S6：设置标记订单因运损申请退货的概率阈值，当标记订单所属用户因运损申请退货的概率超出标记订单因运损申请退货的概率阈值时，判定标记订单因运损申请退货，将标记订单在当前中转站点的中转图像反馈给商家和所属用户，并将标记订单退回；
步骤S7：利用ERP管理***对标记订单当前中转站点以及前一中转站点进行二次标记，对中转退回的标记订单的数量进行统计，当某一中转站点中转退回的标记订单的数量超出阈值时，ERP管理***对标记订单当前中转站点以及前一中转站点进行告警，并追溯运输路径和运输人员信息。
2.根据权利要求1所述的一种基于ERP管理***的订单数据分析方法，其特征在于：在步骤S1-S2中，所述订单包装信息包括订单运输信息和订单特征标志；
所述订单运输信息包括订单号、运单号、发货地址和收货地址；
所述订单特征标志包括易碎标志、小心轻放标志和防潮标志；
当检测到订单特征标志是易碎标志时，生成标记订单
Figure FDA0003993216890000011
当检测到订单特征信息是小心轻放标志后，生成标记订单/>
Figure FDA0003993216890000012
当检测到订单特征信息是防潮标志后，生成标记订单/>
Figure FDA0003993216890000021
采集标记订单
Figure FDA0003993216890000022
的初始图像/>
Figure FDA0003993216890000023
对标记订单/>
Figure FDA0003993216890000024
的初始图像/>
Figure FDA0003993216890000025
进行灰度处理，生成标记订单/>
Figure FDA0003993216890000026
的初始灰度图像/>
Figure FDA0003993216890000027
对标记订单/>
Figure FDA0003993216890000028
的初始灰度图像/>
Figure FDA0003993216890000029
进行边缘计算；
根据公式，对标记订单
Figure FDA00039932168900000210
的初始灰度图像/>
Figure FDA00039932168900000211
的每个像素有：
Figure FDA00039932168900000212
Figure FDA00039932168900000213
Figure FDA00039932168900000214
其中，G(x,y)表示高斯滤波函数；Ex0,n(x,y)表示标记订单
Figure FDA00039932168900000215
的初始灰度图像/>
Figure FDA00039932168900000216
的每个像素经高斯滤波后的水平结果；Ey0,n(x,y)表示标记订单/>
Figure FDA00039932168900000217
的初始灰度图像/>
Figure FDA00039932168900000218
的每个像素经高斯滤波后的垂直结果；
对标记订单
Figure FDA00039932168900000219
的初始灰度图像/>
Figure FDA00039932168900000220
的每个像素经高斯滤波后的水平结果和垂直结果求取平均值：
Figure FDA00039932168900000221
Figure FDA00039932168900000222
其中，Ex0,avg(x,y)表示标记订单
Figure FDA00039932168900000223
的初始灰度图像/>
Figure FDA00039932168900000224
的每个像素经高斯滤波后的水平结果平均值；Ey0,avg(x,y)表示标记订单/>
Figure FDA00039932168900000225
的初始灰度图像/>
Figure FDA00039932168900000226
的每个像素经高斯滤波后的垂直结果平均值；
标记订单
Figure FDA00039932168900000227
的初始灰度图像/>
Figure FDA00039932168900000228
的初始向量：
Figure FDA00039932168900000229
其中，
Figure FDA00039932168900000230
表示标记订单/>
Figure FDA00039932168900000231
的初始灰度图像/>
Figure FDA00039932168900000232
的初始向量。
3.根据权利要求1所述的一种基于ERP管理***的订单数据分析方法，其特征在于：在步骤S3中，
获取标记订单
Figure FDA0003993216890000031
所有的中转站点B＝{b1，b2，...，bz}；对应的标记订单/>
Figure FDA0003993216890000032
在各个中转站点的中转图像/>
Figure FDA0003993216890000033
对标记订单在各个中转站点的中转图像进行灰度处理，生成标记订单/>
Figure FDA0003993216890000034
在各个中转站点的中转灰度图像/>
Figure FDA0003993216890000035
Figure FDA0003993216890000036
对标记订单/>
Figure FDA0003993216890000037
的中转灰度图像F进行边缘计算，并对标记订单/>
Figure FDA0003993216890000038
的中转灰度图像F的每个像素经高斯滤波后的水平结果和垂直结果求取平均值，得到标记订单/>
Figure FDA0003993216890000039
在各个中转站点的中转灰度图像的中转向量/>
Figure FDA00039932168900000310
4.根据权利要求1所述的一种基于ERP管理***的订单数据分析方法，其特征在于：在步骤S4中，构建标记订单相似度计算模型包括：
获取标记订单
Figure FDA00039932168900000311
的初始灰度图像/>
Figure FDA00039932168900000312
的初始向量/>
Figure FDA00039932168900000313
获取标记订单/>
Figure FDA00039932168900000314
在各个中转站点的中转灰度图像的中转向量/>
Figure FDA00039932168900000315
计算标记订单
Figure FDA00039932168900000316
的相似度：
Figure FDA00039932168900000317
其中，
Figure FDA00039932168900000318
表示标记订单/>
Figure FDA00039932168900000319
在第j个中转站点的相似度；/>
Figure FDA00039932168900000320
表示标记订单/>
Figure FDA00039932168900000321
的初始灰度图像/>
Figure FDA00039932168900000322
的初始向量；/>
Figure FDA00039932168900000323
表示标记订单/>
Figure FDA00039932168900000324
在第j个中转站点的中转灰度图像
Figure FDA00039932168900000325
的中转向量。/>
5.根据权利要求1所述的一种基于ERP管理***的订单数据分析方法，其特征在于：在步骤S5-S6中，设置标记订单Ai的相似度阈值，记为cos(θ0)；
当标记订单
Figure FDA00039932168900000326
的相似度超出阈值时，判定标记订单/>
Figure FDA00039932168900000327
未产生运损；
当标记订单
Figure FDA00039932168900000328
的相似度未超出阈值时，判定标记订单/>
Figure FDA00039932168900000329
产生运损，获取标记订单/>
Figure FDA00039932168900000330
所属用户Ck的历史订单数据；
所述获取标记订单
Figure FDA00039932168900000331
所属用户Cg的历史订单数据包括：
获取标记订单
Figure FDA00039932168900000332
所属用户Ch产生运损的订单数量，记为Uh；
获取标记订单
Figure FDA00039932168900000333
所属用户Ch因运损申请退货的订单数量，记为Vh；
计算标记订单
Figure FDA00039932168900000334
所属用户Ch因运损申请退货的概率：
Figure FDA00039932168900000335
其中，ph表示标记订单
Figure FDA0003993216890000041
所属用户Ch因运损申请退货的概率；
设置标记订单因运损申请退货的概率阈值，记为p0；当标记订单
Figure FDA0003993216890000042
所属用户Ch因运损申请退货的概率超出标记订单因运损申请退货的概率阈值时，将标记订单/>
Figure FDA0003993216890000043
在当前中转站点的中转图像反馈给商家和用户，并将标记订单/>
Figure FDA0003993216890000044
退回。
6.应用权利1-5中任意一项的一种基于ERP管理***的订单数据分析方法的一种基于ERP管理***的订单数据分析***，其特征在于：所述***包括订单信息采集模块、订单信息处理模块、相似度模型构建分析模块、用户订单数据分析模块和ERP管理模块；
所述订单信息采集模块用于采集订单包装信息、检测订单特征标志、生成标记订单、采集标记订单的初始图像、标记订单所有的中转站点和标记订单在各个中转站点的中转图像；所述订单信息处理模块对标记订单的初始图像和标记订单在各个中转站点的中转图像进行处理，得到标记订单的初始灰度图像的初始向量和标记订单在各个中转站点的中转灰度图像的中转向量；所述相似度模型构建分析模块用于构建标记订单相似度计算模型，将标记订单的初始灰度图像的初始向量与标记订单在各个中转站点的中转灰度图像的中转向量进行对比，计算标记订单的相似度；所述用户订单数据分析模块用于设置标记订单的相似度阈值，当标记订单的相似度未超出阈值时，判定标记订单产生运损，获取标记订单所属用户的历史订单数据，计算标记订单所属用户因运损申请退货的概率；所述ERP管理模块用于设置标记订单因运损申请退货的概率阈值，当标记订单所属用户因运损申请退货的概率超出标记订单因运损申请退货的概率阈值时，判定标记订单因运损申请退货，将标记订单在当前中转站点的中转图像反馈给商家和所属用户，并将标记订单退回，利用ERP管理***对标记订单当前中转站点以及前一中转站点进行二次标记，对中转退回的标记订单的数量进行统计，当某一中转站点中转退回的标记订单的数量超出阈值时，ERP管理***对标记订单当前中转站点以及前一中转站点进行告警，并追溯运输路径和运输人员信息；
所述订单信息采集模块的输出端与所述订单信息处理模块的输入端相连接；所述订单信息处理模块的输出端与所述相似度模型构建分析模块的输入端相连接；所述相似度模型构建分析模块的输出端与所述用户订单数据分析模块的输入端相连接；所述用户订单数据分析模块的输出端与所述ERP管理模块的输入端相连接。
7.根据权利要求6所述的一种基于ERP管理***的订单数据分析***，其特征在于：所述订单信息采集模块包括订单包装信息采集单元、订单特征标志检测单元、标记订单生成单元、标记订单初始图像采集单元、标记订单中转站点获取单元和标记订单中转图像采集单元；
所述订单包装信息采集单元用于在订单发送站点采集订单包装信息；
所述订单特征标志检测单元用于基于订单包装信息对订单特征标志进行检测；
所述标记订单生成单元用于当检测到订单特征标志时，生成标记订单；
所述标记订单初始图像采集单元用于采集标记订单的初始图像；
所述标记订单中转站点获取单元用于获取标记订单所有的中转站点；
所述标记订单中转图像采集单元用于采集标记订单在各个中转站点的中转图像；
所述订单包装信息采集单元的输出端与所述订单特征标志检测单元的输入端相连接；所述订单特征标志检测单元的输出端与所述标记订单生成单元的输入端相连接；所述标记订单生成单元的输出端与所述标记订单初始图像采集单元的输入端相连接；所述标记订单初始图像采集单元的输出端与所述标记订单中转站点获取单元的输入端相连接；所述标记订单中转站点获取单元的输出端与所述标记订单中转图像采集单元的输入端相连接；所述标记订单中转图像采集单元的输出端与所述订单信息处理模块的输入端相连接。
8.根据权利要求6所述的一种基于ERP管理***的订单数据分析***，其特征在于：所述订单信息处理模块包括标记订单初始图像处理单元和标记订单中转图像处理单元；
所述标记订单初始图像处理单元用于对标记订单的初始图像进行处理，得到标记订单的初始灰度图像的初始向量；
所述标记订单中转图像处理单元用于对标记订单在各个中转站点的中转图像进行处理，得到标记订单在各个中转站点的中转灰度图像的中转向量；
所述标记订单初始图像处理单元的输出端与所述所述标记订单中转图像处理单元的输入端相连接；所述标记订单中转图像处理单元的输出端与所述相似度模型构建分析模块的输入端相连接。
9.根据权利要求6所述的一种基于ERP管理***的订单数据分析***，其特征在于：所述相似度模型构建分析模块包括相似度模型构建单元和相似度模型分析单元；
所述相似度模型构建单元用于构建标记订单相似度计算模型；
所述相似度模型分析单元用于将标记订单的初始灰度图像的初始向量与标记订单在各个中转站点的中转灰度图像的中转向量进行对比，计算标记订单的相似度；
所述相似度模型构建单元的输出端与所述相似度模型分析单元相连接；所述相似度模型分析单元的输出端与用户订单数据分析模块的输出端相连接。
10.根据权利要求6所述的一种基于ERP管理***的订单数据分析***，其特征在于：所述用户订单数据分析模块包括标记订单相似度判断单元、用户历史订单获取单元和用户运损退货概率计算单元；
所述标记订单相似度判断单元用于设置标记订单的相似度阈值，当标记订单的相似度未超出阈值时，判定标记订单产生运损；
所述用户历史订单获取单元用于在判定标记订单产生运损后获取标记订单所属用户的历史订单数据；
所述用户运损退货概率计算单元用于基于标记订单所属用户的历史订单数据计算标记订单所属用户因运损申请退货的概率；
所述标记订单相似度判断单元的输出端与所述用户历史订单获取单元的输入端相连接；所述用户历史订单获取单元的输出端与所述用户运损退货概率计算单元的输入端相连接；所述用户运损退货概率计算单元的输出端与所述ERP管理模块的输入端相连接；
所述ERP管理模块包括用户运损退货判断单元、第一输出单元和第二输出单元；
所述用户运损退货判断单元用于设置标记订单因运损申请退货的概率阈值，当标记订单所属用户因运损申请退货的概率超出标记订单因运损申请退货的概率阈值时，判定标记订单因运损申请退货；
所述第一输出单元用于将标记订单在当前中转站点的中转图像反馈给商家和所属用户，并将标记订单退回；
所述第二输出单元用于利用ERP管理***对标记订单当前中转站点以及前一中转站点进行二次标记，对中转退回的标记订单的数量进行统计，当某一中转站点中转退回的标记订单的数量超出阈值时，ERP管理***对标记订单当前中转站点以及前一中转站点进行告警，并追溯运输路径和运输人员信息；
所述用户运损退货判断单元的输出端与所述第一输出单元的输入端相连接；所述第一输出单元的输出端与所述第二输出单元的输入端相连接。
CN202211589160.5A 2022-12-12 2022-12-12 一种基于erp管理***的订单数据分析***及方法 Pending CN115879855A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211589160.5A CN115879855A (zh) 2022-12-12 2022-12-12 一种基于erp管理***的订单数据分析***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211589160.5A CN115879855A (zh) 2022-12-12 2022-12-12 一种基于erp管理***的订单数据分析***及方法

Publications (1)

Publication Number Publication Date
CN115879855A true CN115879855A (zh) 2023-03-31

Family

ID=85767044

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211589160.5A Pending CN115879855A (zh) 2022-12-12 2022-12-12 一种基于erp管理***的订单数据分析***及方法

Country Status (1)

Country Link
CN (1) CN115879855A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117853121A (zh) * 2023-12-27 2024-04-09 常州海觅信息科技有限公司 一种基于大数据分析的网络信息智能管理***及方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117853121A (zh) * 2023-12-27 2024-04-09 常州海觅信息科技有限公司 一种基于大数据分析的网络信息智能管理***及方法

Similar Documents

Publication Publication Date Title
US20220084186A1 (en) Automated inspection system and associated method for assessing the condition of shipping containers
CN104881770A (zh) 一种快递单信息识别***和方法
CN112561543A (zh) 一种基于全周期物流数据分析的电商平台虚假交易订单监控方法、***及云服务器
CN115879855A (zh) 一种基于erp管理***的订单数据分析***及方法
CN112257644B (zh) 一种基于云计算的电子商务平台店铺商品库存智能管理***
CN110213342A (zh) 一种采购***的消息推送方法、装置、存储介质及终端
CN111753608A (zh) 信息处理方法及装置、电子设备及存储介质
CN115018513A (zh) 数据巡检方法、装置、设备及存储介质
CN114913538A (zh) 一种基于深度学习的多类别***识别方法及***
CN110008782A (zh) 条码信息的获取方法及装置
CN113869213A (zh) 一种基于图像识别的卷烟零售商户库存盘点方法和***
CN117095402A (zh) 一种签收单的处理方法、装置、介质及电子设备
CN115240194B (zh) 一种基于视觉的垃圾分类和云回收估价方法
CN116012333B (zh) 一种基于人工智能的电子防伪标签生产监测管理***
CN116485313A (zh) 一种基于大数据的仓储物流电商商品监测管理方法
CN115783452B (zh) 基于物流商品的物流单号智能印刷出单粘贴综合化控制平台
CN115937868A (zh) 烟包标签信息匹配方法、装置、电子设备及存储介质
CN115619320A (zh) 产品外包装信息化防差错***
CN115439265A (zh) 一种保险行业智能赔付异常交易风险控制***
CN107808274A (zh) 一种电子商务平台生产管理***
CN114359931A (zh) 一种快递面单识别方法、装置、计算机设备及存储介质
CN205375560U (zh) 基于图像的产品外包装条码扫描出库检测***
CN115471148A (zh) 数据处理方法、装置、设备及存储介质
CN111340592B (zh) 一种基于5g通讯的人工智能区块链电子商务***及方法
CN114529555A (zh) 一种基于图像识别的烟箱高效进出库检测方法

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