CN116258433A - 一种基于大数据核验的冷链食品运输监管*** - Google Patents
一种基于大数据核验的冷链食品运输监管*** Download PDFInfo
- Publication number
- CN116258433A CN116258433A CN202310540323.9A CN202310540323A CN116258433A CN 116258433 A CN116258433 A CN 116258433A CN 202310540323 A CN202310540323 A CN 202310540323A CN 116258433 A CN116258433 A CN 116258433A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- transportation
- value
- cold chain
- coefficient
- 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.)
- Granted
Links
Images
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
- G06Q10/083—Shipping
-
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/0833—Tracking
-
- 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)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于食品运输监管技术领域,具体是一种基于大数据核验的冷链食品运输监管***,包括服务器、食品运输等级生成模块、车辆数据核验分析模块、车辆选择分析模块以及驾者数据核验分析模块;本发明是通过在对应批次冷链食品装车前进行运输等级分析和车辆等级分析,以及基于运输等级分析信息和车辆等级分析信息选定对应的车辆集合,有助于车辆调度端人员进行车辆合理调度,通过驾者数据核验分析模块在选定运输车辆后将空闲驾驶人员进行分析以有助于驾者调度端人员进行人员合理调度,且通过冷链运输管控模块在运输过程中进行运输管控分析以实现冷链食品运输过程的有效监测,保证冷链食品的安全输送,有利于冷链食品的运输储存。
Description
技术领域
本发明涉及食品运输监管技术领域,具体是一种基于大数据核验的冷链食品运输监管***。
背景技术
冷链运输是冷链物流的一个重要环节,是指在运输全过程中,无论是装卸搬运、变更运输方式和更换包装设备等环节,都使所运输货物始终保持一定温度的运输,冷链运输方式可以是公路运输、水路运输、铁路运输和航空运输,也可以是多种运输方式组成的综合运输方式;
目前主要通过车辆进行冷链食品运输,但目前在进行冷链食品装车前无法将空闲车辆进行数据核验分析并实现车辆等级划分和集合排序,难以快速且合理选定对应批次冷链食品的运输车辆,以及在选定车辆后无法将空闲驾驶人员进行数据核验分析并合理选定对应批次冷链食品的运输驾驶人员,并且在运输过程中难以进行冷链食品的有效监测和管控预警,不利于保证冷链食品的安全稳定运输;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的在于提供一种基于大数据核验的冷链食品运输监管***,解决了现有技术在进行冷链食品装车前难以快速且合理选定对应批次冷链食品的运输车辆,以及在选定车辆后无法合理选定对应批次冷链食品的运输驾驶人员,且在运输过程中难以进行冷链食品的有效监测和管控预警,不利于保证冷链食品安全稳定运输的问题。
为实现上述目的,本发明提供如下技术方案:一种基于大数据核验的冷链食品运输监管***,包括服务器、食品运输等级生成模块、车辆数据核验分析模块、车辆选择分析模块以及驾者数据核验分析模块;
在将对应批次冷链食品进行装车前,食品运输等级生成模块将对应批次冷链食品进行运输等级分析,通过运输等级分析得到重价值和长效值,基于重价值和长效值并通过分析生成对应批次冷链食品的一级运输信号、二级运输信号或三级运输信号,且将一级运输信号、二级运输信号或三级运输信号经服务器发送至车辆选择分析模块;
车辆数据核验分析模块,用于将空闲车辆进行分析,通过分析将对应空闲车辆标记为一级车辆、二级车辆或三级车辆,以及通过分析建立一级车辆集合、二级车辆集合和三级车辆集合并进行集合内的子集排序,将经过排序后的一级车辆集合、二级车辆集合以及三级车辆集合经服务器发送至车辆选择分析模块;
车辆选择分析模块,用于基于对应批次冷链食品的运输信号选定对应的车辆集合,一级运输信号、二级运输信号或三级运输信号与一级车辆集合、二级车辆集合以及三级车辆集合一一对应,将对应车辆集合内的首位子集标记为推荐车辆,将推荐车辆以及对应车辆集合经服务器发送至车辆调度端;驾者数据核验分析模块,用于在选定运输车辆后获取到所有空闲驾驶人员,将空闲驾驶人员进行分析并通过分析获取到合格人员,以及通过分析将合格人员进行排序并建立合格人员集合,将合格人员集合中位于首位的空闲驾驶人员标记为推荐驾者,将推荐驾者以及合格人员集合经服务器发送至驾者调度端。
进一步的,食品运输等级生成模块的具体运行过程包括:
在将对应批次冷链食品进行装车前,获取到对应批次冷链食品的总价值和总重量,以及获取到对应批次冷链食品的运输终点,基于当前位置和运输终点确定冷链食品运输路径,获取到运输路径的长度并标记为运输长度,且获取到对应批次冷链食品的到货截止时刻,将到货截止时刻与当前时刻进行时间差计算得到到货时限,将运输长度与到货时限进行比值计算获取到运效值;将对应批次冷链食品的总价值和总重量进行数值计算得到重价值,以及将运输长度和运效值进行数值计算得到长效值,若重价值超过预设重价阈值或长效值超过预设长效阈值,则生成一级运输信号。
进一步的,若重价值未超过预设重价阈值且长效值未超过预设长效阈值,则将预设重价阈值减去重价值得到重价差值,将预设长效阈值减去长效值得到长效差值,将重价差值和长效差值进行数值计算得到等级评估系数,若等级评估系数超过预设等级评估系数范围的最大值,则生成三级运输信号,若等级评估系数位于预设等级评估系数范围内,则生成二级运输信号,若等级评估系数未超过预设等级评估系数范围的最小值,则生成一级运输信号。
进一步的,车辆数据核验分析模块的具体运行过程包括:
获取到空闲车辆,将空闲车辆标记为待选车辆i,i={1,2,…,n},n表示空闲车辆的数量且n为大于1的自然数;设定车辆数据采集周期,获取到车辆数据采集周期内待选车辆i的维护保养次数以及每次的维护保养时长,将维护保养时长进行求和计算得到保养总时长,将维护保养次数和保养总时长进行数值计算得到维护保养系数,若维护保养系数未超过预设维护保养系数阈值,则将待选车辆i标记为三级车辆;若维护保养系数超过预设维护保养系数阈值,则通过车辆核验分析得到车辆核验系数并将待选车辆i标记为一级车辆、二级车辆或三级车辆;
将所有一级车辆建立一级车辆集合,将所有二级车辆建立二级车辆集合,将所有三级车辆建立三级车辆集合,将一级车辆集合内的子集按照车辆核验系数的数值由小到大进行排序,将二级车辆集合内的子集按照车辆核验系数的数值由小到大进行排序;将三级车辆集合中的子集先按照车辆核验系数的数值由小到大进行排序,再按照维护保养系数的数值由大到小进行排序。
进一步的,车辆核验分析的具体分析过程如下:
将维护保养系数与预设维护保养系数阈值进行差值计算得到保养差值,并通过故障分析获取到待选车辆i的故障系数,以及获取到待选车辆i的投入运营日期,将当前日期与投入运营日期进行时间差计算得到运营时长,将待选车辆i运营时长内的运营里程,将保养差值、故障系数、运营时长和运营里程进行数值计算得到车辆核验系数,若车辆核验系数超过预设车辆核验系数范围的最大值,则将待选车辆i标记为三级车辆,若车辆核验系数位于预设车辆核验系数范围内,则将待选车辆i标记为二级车辆,若车辆核验系数未超过预设车辆核验系数范围的最小值,则将待选车辆i标记为一级车辆。
进一步的,故障分析的具体分析过程如下:
获取到车辆数据采集周期内待选车辆i的故障状况,故障状况包括车辆故障频次以及每次车辆故障的故障维修时长和故障维修成本,将对应车辆故障的故障维修时长和故障维修成本进行数值计算得到故障量值,将故障量值与预设故障阈值进行数值比较,若故障量值超过预设故障阈值,则将对应车辆故障标记为高损故障,否则将对应车辆故障标记为低损故障;获取到车辆数据采集周期内待选车辆i高损故障的频次和低损故障的频次,将高损故障的频次和低损故障的频次进行赋权求和计算得到故障系数。
进一步的,驾者数据核验分析模块的具体运行过程包括:
在选定运输车辆后,获取到空闲驾驶人员,将空闲驾驶人员标记为分析目标u,u={1,2,…,k},k表示空闲驾驶人员的数量且k为大于1的自然数;设定人员数据采集周期,通过人车默契度分析获取到合格目标,获取到对应合格目标的驾龄、冷链运输驾驶总里程和冷链运输任务总次数,将按照期限顺利完成冷链运输任务的次数与冷链运输任务总次数进行比值计算获取到任务成功系数,将驾龄、冷链运输总里程、冷链运输任务总次数以及任务成功系数进行数值计算得到驾者核验系数,按照驾者核验系数的数值由大到小进行排序并建立合格人员集合,将合格人员集合中位于首位的空闲驾驶人员标记为推荐驾者。
进一步的,人车默契度分析的具体分析过程如下:
获取到人员数据采集周期内分析目标u进行所选定运输车辆的执行任务次数和执行任务里程,将执行任务次数和执行任务里程进行数值计算得到人车默契量值,将人车默契量值与预设人车默契阈值进行数值比较,若人车默契量值超过预设人车默契阈值,则将分析目标u标记为合格目标。
进一步的,服务器通信连接冷链运输管控模块和运输监管终端,冷链运输管控模块用于在冷链食品的运输过程中进行运输管控分析,通过分析生成运输预警信号或运输合格信号,将运输预警信号或运输合格信号经服务器发送至对应运输车辆内的运输监管终端,运输监管终端接收到运输预警信号后发出预警。
进一步的,运输管控分析的具体分析过程如下:
获取到对应运输车辆的车厢环境信息,车厢环境信息包括各项环境检测项的实时数据,将检测时段未处于对应预设适宜范围内的环境检测项标记为偏离检测项,将检测时段偏离检测项的数目标记为偏离数量,将偏离检测项的数值与对应预设适宜范围的偏离程度标记为检测项偏离值,将对应偏离检测项的检测项偏离值与对应预设偏离风险系数相乘并将两者乘积标记为检测项风险值,将所有偏离检测项的检测项风险值进行求和计算得到偏离风险值,将偏离风险值与偏离数量进行数值计算得到运输风险值,若运输风险值超过预设运输风险阈值,则生成运输预警信号,否则生成运输合格信号。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过食品运输等级生成模块在对应批次冷链食品装车前进行运输等级分析以生成对应批次冷链食品的对应运输信号,车辆数据核验分析模块将空闲车辆进行分析以将对应空闲车辆标记为一级车辆、二级车辆或三级车辆,以及通过分析建立一级车辆集合、二级车辆集合和三级车辆集合并进行集合内的子集排序,车辆选择分析模块基于对应批次冷链食品的运输信号选定对应的车辆集合,将对应车辆集合内的首位子集标记为推荐车辆,方便车辆调度端人员进行对应批次冷链食品的运输车辆选择,有助于车辆调度端人员进行车辆调度,车辆选择更加合理迅速;
2、本发明中,通过驾者数据核验分析模块在选定运输车辆后将空闲驾驶人员进行分析以获取到合格目标,以及通过分析将合格人员进行排序并建立合格人员集合,将合格人员集合中位于首位的空闲驾驶人员标记为推荐驾者,方便驾者调度端人员进行对应批次冷链食品的驾驶人员选择,有助于驾者调度端人员进行人员调度,驾驶人员选择更加合理迅速;且通过冷链运输管控模块在冷链食品的运输过程中进行运输管控分析以实现冷链食品运输过程的有效监测,运输监管终端接收到运输预警信号后发出预警以及时提醒对应运输车辆的驾驶人员,保证冷链食品的安全输送,有利于冷链食品的运输储存。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明中实施例一的***框图;
图2为本发明中实施例二的***框图。
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。
实施例一:
如图1所示,本发明提出的一种基于大数据核验的冷链食品运输监管***,包括服务器、食品运输等级生成模块、车辆数据核验分析模块、车辆选择分析模块和驾者数据核验分析模块,且服务器与食品运输等级生成模块、车辆数据核验分析模块、车辆选择分析模块以及驾者数据核验分析模块均通信连接;
在将对应批次冷链食品进行装车前,食品运输等级生成模块将对应批次冷链食品进行运输等级分析,通过运输等级分析得到重价值和长效值,基于重价值和长效值并通过分析生成对应批次冷链食品的一级运输信号、二级运输信号或三级运输信号,且将一级运输信号、二级运输信号或三级运输信号经服务器发送至车辆选择分析模块;食品运输等级生成模块的具体运行过程如下:
在将对应批次冷链食品进行装车前,获取到对应批次冷链食品的总价值和总重量并标记为ZJ和ZL,以及获取到对应批次冷链食品的运输终点,基于当前位置和运输终点确定冷链食品运输路径,获取到运输路径的长度并标记为运输长度YD,且获取到对应批次冷链食品的到货截止时刻,将到货截止时刻与当前时刻进行时间差计算得到到货时限,将运输长度与到货时限进行比值计算获取到运效值YX,运效值YX的数值越大,表明对应批次冷链食品的运输越紧急;
通过公式将对应批次冷链食品的总价值ZJ和总重量ZL进行数值计算后得到重价值JQ,其中,a1、a2为预设权重系数,a1>a2>0,且重价值JQ是用于综合反映对应批次冷链食品总价值和总重量状况的数据量值;以及通过公式/>将运输长度YD和运效值YX进行数值计算后得到长效值CX,其中,b1、b2为预设权重系数,0<b1<b2;需要说明的是,重价值JQ的数值越大或长效值CX的数值越大,则表明对应批次冷链食品的运输要求越高;将重价值JQ和长效值CX与预设重价阈值和预设长效阈值分别进行数值比较,若重价值JQ超过预设重价阈值或长效值CX超过预设长效阈值,则生成一级运输信号;
若重价值JQ未超过预设重价阈值且长效值CX未超过预设长效阈值,则将预设重价阈值减去重价值JQ得到重价差值JC,将预设长效阈值减去长效值CX得到长效差值XL;通过公式将重价差值JC和长效差值XL进行数值计算得到等级评估系数JP;其中,tg1、tg2为取值大于零的预设比例系数,tg1<tg2;并且,等级评估系数JP的数值大小与重价差值JC和长效差值XL均呈正比关系,重价差值JC的数值越大、长效差值XL的数值越大,则等级评估系数JP的数值越大,表明对应批次冷链食品的运输要求越低;
调取预先录入存储的预设等级评估系数范围,等级评估系数JP与预设等级评估系数范围进行数值比较,若等级评估系数JP超过预设等级评估系数范围的最大值,则生成三级运输信号,若等级评估系数JP位于预设等级评估系数范围内,则生成二级运输信号,若等级评估系数JP未超过预设等级评估系数范围的最小值,则生成一级运输信号。
车辆数据核验分析模块将空闲车辆进行分析,通过分析将对应空闲车辆标记为一级车辆、二级车辆或三级车辆,以及通过分析建立一级车辆集合、二级车辆集合和三级车辆集合并进行集合内的子集排序,将经过排序后的一级车辆集合、二级车辆集合以及三级车辆集合经服务器发送至车辆选择分析模块;车辆数据核验分析模块的具体运行过程如下:
获取到空闲车辆,将空闲车辆标记为待选车辆i,i={1,2,…,n},n表示空闲车辆的数量且n为大于1的自然数;设定车辆数据采集周期,获取到车辆数据采集周期内待选车辆i的维护保养次数以及每次的维护保养时长,将维护保养时长进行求和计算得到保养总时长BZi,将维护保养次数标记为BCi,通过公式:
其中,tp1、tp2为预设比例系数,tp1>tp2>0;维护保养系数BYi的数值越大,则表明对应待选车辆i的维护效果越好,对应待选车辆i的使用状态越好;将维护保养系数BYi与预设维护保养系数阈值进行数值比较,若维护保养系数BYi未超过预设维护保养系数阈值,表明对应待选车辆i维护保养不佳,则将待选车辆i标记为三级车辆;若维护保养系数BYi超过预设维护保养系数阈值,则将维护保养系数BYi与预设维护保养系数阈值进行差值计算得到保养差值KHi;
并获取到车辆数据采集周期内待选车辆i的故障状况,故障状况包括车辆故障频次以及每次车辆故障的故障维修时长WS和故障维修成本WB,通过公式将对应车辆故障的故障维修时长和故障维修成本进行数值计算后得到故障量值GL,其中,c1、c2为预设权重系数,c1、c2的取值均大于零;故障维修时长的数值越大、故障维修成本的数值越大,则故障量值GL的数值越大,表明对应故障带来的损害相对而言越严重;
将故障量值GL与预设故障阈值进行数值比较,若故障量值GL超过预设故障阈值,则将对应车辆故障标记为高损故障,否则将对应车辆故障标记为低损故障;获取到车辆数据采集周期内待选车辆i高损故障的频次GPi和低损故障的频次SPi,将高损故障的频次GPi和低损故障的频次SPi分别赋予权重值f1、f2,f1>f2>0;将高损故障的频次GPi与权重值f1相乘,以及将低损故障的频次SPi与权重值f2相乘,将两组乘积进行求和计算得到待选车辆i的故障系数GXi,即通过进行赋权求和计算得到故障系数GXi;
以及获取到待选车辆i的投入运营日期,将当前日期与投入运营日期进行时间差计算得到运营时长YSi,以及获取到待选车辆i运营时长内的运营里程YLi,通过公式:
将保养差值KHi、故障系数GXi、运营时长YSi和运营里程YLi进行数值计算得到车辆核验系数CHi,其中,tu1、tu2、tu3、tu4为预设比例系数,且tu1、tu2、tu3、tu4的取值均大于零;
需要说明的是,车辆核验系数CHi是表示车辆质量状况好坏程度的数据量值,车辆核验系数CHi的数值越大,表明相对而言对应待选车辆i的车辆状况越差;将车辆核验系数CHi与预设车辆核验系数范围进行数值比较,若车辆核验系数CHi超过预设车辆核验系数范围的最大值,则将待选车辆i标记为三级车辆,若车辆核验系数CHi位于预设车辆核验系数范围内,则将待选车辆i标记为二级车辆,若车辆核验系数CHi未超过预设车辆核验系数范围的最小值,则将待选车辆i标记为一级车辆;
将所有一级车辆建立一级车辆集合,将所有二级车辆建立二级车辆集合,将所有三级车辆建立三级车辆集合,将一级车辆集合内的子集按照车辆核验系数的数值由小到大进行排序,将二级车辆集合内的子集按照车辆核验系数的数值由小到大进行排序;将三级车辆集合中的子集先按照车辆核验系数的数值由小到大进行排序,再按照维护保养系数的数值由大到小进行排序,实现对运输车辆所涉及数据的核验分析,以及实现对运输车辆的等级划分和集合排序,有助于后续自动进行车辆合理选择,保证冷链食品的安全稳定运输储存。
车辆选择分析模块基于对应批次冷链食品的运输信号选定对应的车辆集合,一级运输信号、二级运输信号或三级运输信号与一级车辆集合、二级车辆集合以及三级车辆集合一一对应,即选定所符合的车辆集合,优选的,一级运输信号优选一级车辆集合;二级运输信号优选一级车辆集合,次选二级车辆集合;三级运输信号优选一级车辆集合,次选二级车辆集合,再选三级车辆集合,尽可能避免选择低于对应运输信号的车辆集合;将对应车辆集合内的首位子集标记为推荐车辆,将推荐车辆以及对应车辆集合经服务器发送至车辆调度端,方便车辆调度端人员进行对应批次冷链食品的运输车辆选择,有助于车辆调度端人员进行车辆调度,车辆选择更加合理快捷。
驾者数据核验分析模块用于在选定运输车辆后获取到所有空闲驾驶人员,将空闲驾驶人员进行分析并通过分析获取到合格人员,以及通过分析将合格人员进行排序并建立合格人员集合,将合格人员集合中位于首位的空闲驾驶人员标记为推荐驾者,将推荐驾者以及合格人员集合经服务器发送至驾者调度端;驾者数据核验分析模块的具体运行过程如下:
在选定运输车辆后,获取到空闲驾驶人员,将空闲驾驶人员标记为分析目标u,u={1,2,…,k},k表示空闲驾驶人员的数量且k为大于1的自然数;设定人员数据采集周期,获取到人员数据采集周期内分析目标u进行所选定运输车辆的执行任务次数和执行任务里程并标记为ZRu和ZCu,通过公式将分析目标u的执行任务次数ZRu和执行任务里程ZCu进行数值计算后得到人车默契量值MQu,其中,e1、e2为预设权重系数,e1>e2>0;需要说明的是,人车默契量值MQu的数值越大,表明对应空闲驾驶人员驾驶所选定运输车辆的熟练度越高;将人车默契量值MQu与预设人车默契阈值进行数值比较,若人车默契量值MQu超过预设人车默契阈值,则将分析目标u标记为合格目标;
获取到对应合格目标的驾龄JLu、冷链运输驾驶总里程QLu和冷链运输任务总次数QRu,将按照期限顺利完成冷链运输任务的次数与冷链运输任务总次数进行比值计算获取到任务成功系数RCu,通过驾者核验分析公式:
其中,fp1、fp2、fp3、fp4为预设比例系数,fp4>fp1>fp3>fp2>0;需要说明的是,驾者核验系数JHu的数值大小与驾龄JLu、冷链运输总里程QLu、冷链运输任务总次数QRu以及任务成功系数RCu均呈正比关系,驾者核验系数JHu的数值越大,表明对应合格目标的驾驶经验越丰富,越适合进行当次冷链食品的运输任务;按照驾者核验系数的数值由大到小进行排序并建立合格人员集合,将合格人员集合中位于首位的空闲驾驶人员标记为推荐驾者,方便驾者调度端人员进行对应批次冷链食品的驾驶人员选择,有助于驾者调度端人员进行人员调度,驾驶人员选择更加合理快捷。
实施例二:
如图2所示,本实施例与实施例1的区别在于,服务器通信连接冷链运输管控模块和运输监管终端,冷链运输管控模块用于在冷链食品的运输过程中进行运输管控分析,运输管控分析的具体分析过程如下:
获取到对应运输车辆的车厢环境信息,车厢环境信息包括各项环境检测项的实时数据(包括车厢内温度、湿度、氧气浓度、振动频率和振动幅度等,通过设置相关传感器进行数据采集并经服务器发送至冷链运输管控模块),将检测时段未处于对应预设适宜范围内的环境检测项标记为偏离检测项,对应环境检测项的预设适宜范围由工作人员预先录入并存储至服务器中,预设适宜范围为进行对应冷链食品运输储存的最优数据范围;比如在对车厢环境信息中的温度进行判定时,若温度的预设适宜范围为-15℃-3℃,而车厢内的温度为5℃,则判定车厢内部温度不符合要求,则温度为偏离检测项;
将对应偏离检测项的数值与对应预设适宜范围的偏离程度标记为检测项偏离值,即若对应偏离检测项的数值超过对应预设适宜范围的最大值,则对应检测项偏离值表示偏离检测项的数值与对应预设适宜范围的最大值两者的差值,若对应偏离检测项的数值未超过对应预设适宜范围的最小值,则对应检测项偏离值表示预设适宜范围的最小值与对应偏离检测项的数值两者的差值;比如,若温度的预设适宜范围为-15℃-3℃,在车厢内的温度为5℃时,则温度的检测项偏离值为2,在车厢内的温度为-18℃时,则温度的检测项偏离值为3;
将对应偏离检测项的检测项偏离值与对应预设偏离风险系数相乘并将两者乘积标记为检测项风险值,其中,对应偏离检测项的预设偏离风险系数由工作人员预先录入并存储至服务器中,预设偏离风险系数的数值为正数,且对应预设偏离风险系数的数值越大,则表明对应偏离检测项的偏离对冷链食品的运输储存造成的危害越大;将所有偏离检测项的检测项风险值进行求和计算得到偏离风险值PF,将检测时段偏离检测项的数目标记为偏离数量PS;
通过公式将偏离风险值PF与偏离数量PS进行数值计算后得到运输风险值YF,其中,wp1、wp2为预设权重系数,wp1<wp2且wp1、wp2的取值均为正数;并且,运输风险值YF的数值大小与偏离风险值PF与偏离数量PS均呈正比关系,偏离风险值PF的数值越大、偏离数量PS的数值越大,则运输风险值YF的数值越大,表明检测时段冷链食品的运输储存风险越大;将运输风险值YF与预设运输风险阈值进行数值比较,若运输风险值YF超过预设运输风险阈值,表明冷链食品当前运输储存过程存在异常,则生成运输预警信号,若运输风险值YF超过预设运输风险阈值,则生成运输合格信号。
通过冷链运输管控模块在冷链食品的运输过程中进行运输管控分析,通过分析生成运输预警信号或运输合格信号,实现对冷链食品运输过程的有效监测,将运输预警信号或运输合格信号经服务器发送至对应运输车辆内的运输监管终端,运输监管终端接收到运输预警信号后发出预警,以及时提醒对应运输车辆的驾驶人员,对应运输车辆的驾驶人员接收到运输预警信号时应当及时进行冷链食品的运输环境调控,以及根据需要及时进行车厢内部查看并进行车辆驾驶调整,以保证冷链食品的安全输送,有利于冷链食品的运输储存。
本发明在使用时,在将对应批次冷链食品进行装车前通过食品运输等级生成模块将对应批次冷链食品进行运输等级分析以生成对应批次冷链食品的对应运输信号,车辆数据核验分析模块将空闲车辆进行分析以将对应空闲车辆标记为一级车辆、二级车辆或三级车辆,以及通过分析建立一级车辆集合、二级车辆集合和三级车辆集合并进行集合内的子集排序,车辆选择分析模块基于对应批次冷链食品的运输信号选定对应的车辆集合,将对应车辆集合内的首位子集标记为推荐车辆,方便车辆调度端人员进行对应批次冷链食品的运输车辆选择,有助于车辆调度端人员进行车辆调度,车辆选择更加合理迅速;且在选定运输车辆后通过驾者数据核验分析模块将空闲驾驶人员进行分析以获取到合格目标,以及通过分析将合格人员进行排序并建立合格人员集合,将合格人员集合中位于首位的空闲驾驶人员标记为推荐驾者,方便驾者调度端人员进行对应批次冷链食品的驾驶人员选择,有助于驾者调度端人员进行人员调度,驾驶人员选择更加合理迅速。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种基于大数据核验的冷链食品运输监管***,其特征在于,包括服务器、食品运输等级生成模块、车辆数据核验分析模块、车辆选择分析模块以及驾者数据核验分析模块;
在将对应批次冷链食品进行装车前,食品运输等级生成模块将对应批次冷链食品进行运输等级分析,通过运输等级分析生成对应批次冷链食品的一级运输信号、二级运输信号或三级运输信号,且将一级运输信号、二级运输信号或三级运输信号经服务器发送至车辆选择分析模块;
车辆数据核验分析模块,用于将空闲车辆进行分析,通过分析将对应空闲车辆标记为一级车辆、二级车辆或三级车辆,以及通过分析建立一级车辆集合、二级车辆集合和三级车辆集合并进行集合内的子集排序,将经过排序后的一级车辆集合、二级车辆集合以及三级车辆集合经服务器发送至车辆选择分析模块;
车辆选择分析模块,用于基于对应批次冷链食品的运输信号选定对应的车辆集合,一级运输信号、二级运输信号或三级运输信号与一级车辆集合、二级车辆集合以及三级车辆集合一一对应,将对应车辆集合内的首位子集标记为推荐车辆,将推荐车辆以及对应车辆集合经服务器发送至车辆调度端;驾者数据核验分析模块,用于在选定运输车辆后获取到所有空闲驾驶人员,将空闲驾驶人员进行分析并通过分析获取到合格人员,以及通过分析将合格人员进行排序并建立合格人员集合,将合格人员集合中位于首位的空闲驾驶人员标记为推荐驾者,将推荐驾者以及合格人员集合经服务器发送至驾者调度端。
2.根据权利要求1所述的一种基于大数据核验的冷链食品运输监管***,其特征在于,食品运输等级生成模块的具体运行过程包括:
在将对应批次冷链食品进行装车前,获取到对应批次冷链食品的总价值和总重量,以及获取到对应批次冷链食品的运输终点,基于当前位置和运输终点确定冷链食品运输路径,获取到运输路径的长度并标记为运输长度,且获取到对应批次冷链食品的到货截止时刻,将到货截止时刻与当前时刻进行时间差计算得到到货时限,将运输长度与到货时限进行比值计算获取到运效值;通过公式将对应批次冷链食品的总价值ZJ和总重量ZL进行数值计算后得到重价值JQ,其中,a1、a2为预设权重系数,a1>a2>0,且重价值JQ是用于综合反映对应批次冷链食品总价值和总重量状况的数据量值;以及将运输长度和运效值进行数值计算得到长效值,若重价值超过预设重价阈值或长效值超过预设长效阈值,则生成一级运输信号。
3.根据权利要求2所述的一种基于大数据核验的冷链食品运输监管***,其特征在于,若重价值未超过预设重价阈值且长效值未超过预设长效阈值,则将预设重价阈值减去重价值得到重价差值,将预设长效阈值减去长效值得到长效差值,将重价差值和长效差值进行数值计算得到等级评估系数,若等级评估系数超过预设等级评估系数范围的最大值,则生成三级运输信号,若等级评估系数位于预设等级评估系数范围内,则生成二级运输信号,若等级评估系数未超过预设等级评估系数范围的最小值,则生成一级运输信号。
4.根据权利要求1所述的一种基于大数据核验的冷链食品运输监管***,其特征在于,车辆数据核验分析模块的具体运行过程包括:
获取到空闲车辆,将空闲车辆标记为待选车辆i,i={1,2,…,n},n表示空闲车辆的数量且n为大于1的自然数;设定车辆数据采集周期,获取到车辆数据采集周期内待选车辆i的维护保养次数以及每次的维护保养时长,将维护保养时长进行求和计算得到保养总时长,将维护保养次数和保养总时长进行数值计算得到维护保养系数,若维护保养系数未超过预设维护保养系数阈值,则将待选车辆i标记为三级车辆;若维护保养系数超过预设维护保养系数阈值,则通过车辆核验分析得到车辆核验系数并将待选车辆i标记为一级车辆、二级车辆或三级车辆;
将所有一级车辆建立一级车辆集合,将所有二级车辆建立二级车辆集合,将所有三级车辆建立三级车辆集合,将一级车辆集合内的子集按照车辆核验系数的数值由小到大进行排序,将二级车辆集合内的子集按照车辆核验系数的数值由小到大进行排序;将三级车辆集合中的子集先按照车辆核验系数的数值由小到大进行排序,再按照维护保养系数的数值由大到小进行排序。
5.根据权利要求4所述的一种基于大数据核验的冷链食品运输监管***,其特征在于,车辆核验分析的具体分析过程如下:
将维护保养系数与预设维护保养系数阈值进行差值计算得到保养差值,并通过故障分析获取到待选车辆i的故障系数,以及获取到待选车辆i的投入运营日期,将当前日期与投入运营日期进行时间差计算得到运营时长,将待选车辆i运营时长内的运营里程,将保养差值、故障系数、运营时长和运营里程进行数值计算得到车辆核验系数,若车辆核验系数超过预设车辆核验系数范围的最大值,则将待选车辆i标记为三级车辆,若车辆核验系数位于预设车辆核验系数范围内,则将待选车辆i标记为二级车辆,若车辆核验系数未超过预设车辆核验系数范围的最小值,则将待选车辆i标记为一级车辆。
6.根据权利要求5所述的一种基于大数据核验的冷链食品运输监管***,其特征在于,故障分析的具体分析过程如下:
获取到车辆数据采集周期内待选车辆i的故障状况,故障状况包括车辆故障频次以及每次车辆故障的故障维修时长和故障维修成本,将对应车辆故障的故障维修时长和故障维修成本进行数值计算得到故障量值,将故障量值与预设故障阈值进行数值比较,若故障量值超过预设故障阈值,则将对应车辆故障标记为高损故障,否则将对应车辆故障标记为低损故障;获取到车辆数据采集周期内待选车辆i高损故障的频次和低损故障的频次,将高损故障的频次和低损故障的频次进行赋权求和计算得到故障系数。
7.根据权利要求1所述的一种基于大数据核验的冷链食品运输监管***,其特征在于,驾者数据核验分析模块的具体运行过程包括:
在选定运输车辆后,获取到空闲驾驶人员,将空闲驾驶人员标记为分析目标u,u={1,2,…,k},k表示空闲驾驶人员的数量且k为大于1的自然数;设定人员数据采集周期,通过人车默契度分析获取到合格目标,获取到对应合格目标的驾龄、冷链运输驾驶总里程和冷链运输任务总次数,将按照期限顺利完成冷链运输任务的次数与冷链运输任务总次数进行比值计算获取到任务成功系数,将驾龄、冷链运输总里程、冷链运输任务总次数以及任务成功系数进行数值计算得到驾者核验系数,按照驾者核验系数的数值由大到小进行排序并建立合格人员集合,将合格人员集合中位于首位的空闲驾驶人员标记为推荐驾者。
8.根据权利要求7所述的一种基于大数据核验的冷链食品运输监管***,其特征在于,人车默契度分析的具体分析过程如下:
获取到人员数据采集周期内分析目标u进行所选定运输车辆的执行任务次数和执行任务里程,将执行任务次数和执行任务里程进行数值计算得到人车默契量值,将人车默契量值与预设人车默契阈值进行数值比较,若人车默契量值超过预设人车默契阈值,则将分析目标u标记为合格目标。
9.根据权利要求1所述的一种基于大数据核验的冷链食品运输监管***,其特征在于,服务器通信连接冷链运输管控模块和运输监管终端,冷链运输管控模块用于在冷链食品的运输过程中进行运输管控分析,通过分析生成运输预警信号或运输合格信号,将运输预警信号或运输合格信号经服务器发送至对应运输车辆内的运输监管终端,运输监管终端接收到运输预警信号后发出预警。
10.根据权利要求9所述的一种基于大数据核验的冷链食品运输监管***,其特征在于,运输管控分析的具体分析过程如下:
获取到对应运输车辆的车厢环境信息,车厢环境信息包括各项环境检测项的实时数据,将检测时段未处于对应预设适宜范围内的环境检测项标记为偏离检测项,将检测时段偏离检测项的数目标记为偏离数量;将偏离检测项的数值与对应预设适宜范围的偏离程度标记为检测项偏离值,将对应偏离检测项的检测项偏离值与对应预设偏离风险系数相乘并将两者乘积标记为检测项风险值,将所有偏离检测项的检测项风险值进行求和计算得到偏离风险值,将偏离风险值与偏离数量进行数值计算得到运输风险值,若运输风险值超过预设运输风险阈值,则生成运输预警信号,否则生成运输合格信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310540323.9A CN116258433B (zh) | 2023-05-15 | 2023-05-15 | 一种基于大数据核验的冷链食品运输监管*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310540323.9A CN116258433B (zh) | 2023-05-15 | 2023-05-15 | 一种基于大数据核验的冷链食品运输监管*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116258433A true CN116258433A (zh) | 2023-06-13 |
CN116258433B CN116258433B (zh) | 2023-09-19 |
Family
ID=86682823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310540323.9A Active CN116258433B (zh) | 2023-05-15 | 2023-05-15 | 一种基于大数据核验的冷链食品运输监管*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116258433B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116452102A (zh) * | 2023-06-15 | 2023-07-18 | 成都运荔枝科技有限公司 | 一种基于数据分析的物流车辆运输监测管控*** |
CN116739460A (zh) * | 2023-08-16 | 2023-09-12 | 成都运荔枝科技有限公司 | 一种基于大数据的冷链运输车辆智能调度*** |
CN116931496A (zh) * | 2023-09-15 | 2023-10-24 | 青岛能征智能装备有限公司 | 一种基于数据采集的无人驾驶车辆控制*** |
CN117132183A (zh) * | 2023-08-29 | 2023-11-28 | 太仓泽远供应链管理有限公司 | 基于大数据分析的物流供应链配送智能化监测*** |
CN117663646A (zh) * | 2023-11-08 | 2024-03-08 | 广州市从化华隆果菜保鲜有限公司 | 一种基于超低温防冻液的荔枝速冻***和方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007140794A (ja) * | 2005-11-16 | 2007-06-07 | Nissan Motor Co Ltd | 配車計画立案装置及び配車計画立案用プログラム |
CN106292461A (zh) * | 2016-10-09 | 2017-01-04 | 江苏蓝鑫电子科技有限公司 | 一种冷链运输安全远程监管*** |
CN110838044A (zh) * | 2019-11-06 | 2020-02-25 | 广州市悦到信息科技有限公司 | 基于移动互联网智能定制大巴的运营平台及其操作方法 |
CN114971403A (zh) * | 2022-06-24 | 2022-08-30 | 奕亨供应链(上海)有限公司 | 一种基于大数据的物流供应链智能调度*** |
CN115238487A (zh) * | 2022-07-15 | 2022-10-25 | 北理新源(佛山)信息科技有限公司 | 氢燃料电池公交客车调度算法的仿真分析评价方法 |
CN115907230A (zh) * | 2022-12-30 | 2023-04-04 | 昆明理工大学 | 用于家具生产运输过程协同调度的分布估计优化方法 |
-
2023
- 2023-05-15 CN CN202310540323.9A patent/CN116258433B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007140794A (ja) * | 2005-11-16 | 2007-06-07 | Nissan Motor Co Ltd | 配車計画立案装置及び配車計画立案用プログラム |
CN106292461A (zh) * | 2016-10-09 | 2017-01-04 | 江苏蓝鑫电子科技有限公司 | 一种冷链运输安全远程监管*** |
CN110838044A (zh) * | 2019-11-06 | 2020-02-25 | 广州市悦到信息科技有限公司 | 基于移动互联网智能定制大巴的运营平台及其操作方法 |
CN114971403A (zh) * | 2022-06-24 | 2022-08-30 | 奕亨供应链(上海)有限公司 | 一种基于大数据的物流供应链智能调度*** |
CN115238487A (zh) * | 2022-07-15 | 2022-10-25 | 北理新源(佛山)信息科技有限公司 | 氢燃料电池公交客车调度算法的仿真分析评价方法 |
CN115907230A (zh) * | 2022-12-30 | 2023-04-04 | 昆明理工大学 | 用于家具生产运输过程协同调度的分布估计优化方法 |
Non-Patent Citations (1)
Title |
---|
郑亚伟: "高安智慧物流平台车辆调度优化研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 02, pages 138 - 1064 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116452102A (zh) * | 2023-06-15 | 2023-07-18 | 成都运荔枝科技有限公司 | 一种基于数据分析的物流车辆运输监测管控*** |
CN116452102B (zh) * | 2023-06-15 | 2023-09-19 | 成都运荔枝科技有限公司 | 一种基于数据分析的物流车辆运输监测管控*** |
CN116739460A (zh) * | 2023-08-16 | 2023-09-12 | 成都运荔枝科技有限公司 | 一种基于大数据的冷链运输车辆智能调度*** |
CN116739460B (zh) * | 2023-08-16 | 2023-10-31 | 成都运荔枝科技有限公司 | 一种基于大数据的冷链运输车辆智能调度*** |
CN117132183A (zh) * | 2023-08-29 | 2023-11-28 | 太仓泽远供应链管理有限公司 | 基于大数据分析的物流供应链配送智能化监测*** |
CN117132183B (zh) * | 2023-08-29 | 2024-06-21 | 太仓泽远供应链管理有限公司 | 基于大数据分析的物流供应链配送智能化监测*** |
CN116931496A (zh) * | 2023-09-15 | 2023-10-24 | 青岛能征智能装备有限公司 | 一种基于数据采集的无人驾驶车辆控制*** |
CN116931496B (zh) * | 2023-09-15 | 2023-12-15 | 青岛能征智能装备有限公司 | 一种基于数据采集的无人驾驶车辆控制*** |
CN117663646A (zh) * | 2023-11-08 | 2024-03-08 | 广州市从化华隆果菜保鲜有限公司 | 一种基于超低温防冻液的荔枝速冻***和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116258433B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116258433B (zh) | 一种基于大数据核验的冷链食品运输监管*** | |
CN102448763B (zh) | 对运送装置的能量消耗的计算机支持的监视 | |
CN116452099B (zh) | 一种基于大数据的冷链食品运输智能管理*** | |
US20040193367A1 (en) | Method and system for marine vessel tracking system | |
Ballou | Ship energy efficiency management requires a total solution approach | |
CN107067201A (zh) | 智能物流调度*** | |
Zamora-Cristales et al. | Stochastic simulation and optimization of mobile chipping economics in processing and transport of forest biomass from residues | |
Štepec et al. | Machine learning based system for vessel turnaround time prediction | |
Khiari et al. | Boosting algorithms for delivery time prediction in transportation logistics | |
CN112230671A (zh) | 一种基于智慧灯杆的无人机返航监控方法及控制中心 | |
CN115375234A (zh) | 基于gnss的运输车辆运行轨迹规划方法 | |
Song et al. | Multi-objective optimization for a liner shipping service from different perspectives | |
CN117114550B (zh) | 一种基于互联网的商品供应链智能监管*** | |
CN116882865B (zh) | 一种基于生鲜配送的智能物流装车***及装车方法 | |
CN113673815A (zh) | 基于车辆数据处理的矿车调度方法及装置 | |
CN117132183A (zh) | 基于大数据分析的物流供应链配送智能化监测*** | |
CN116859842A (zh) | 一种化工生产线安全评估*** | |
Romanova et al. | Development of artificial intelligence as a modern business technology using the transport industry as an example | |
CN115759500A (zh) | 一种基于优化效率评价算法的智能物流运输方法和*** | |
CN114819845A (zh) | 基于大数据的秸秆车辆协同调度*** | |
CN114037257A (zh) | 一种特种船舶竞争力分析方法及*** | |
US20190005414A1 (en) | Rubust dynamic time scheduling and planning | |
CN112308368A (zh) | 一种公交实时调度仿真方法及*** | |
CN111724113A (zh) | 受理铁路货运订单的方法和设备 | |
CN117611060B (zh) | 一种基于无人仓库使用的轻型提升机的智能管理*** |
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 |