CN116452095B - 一种数字工厂的车辆智能监管调度方法、***和介质 - Google Patents
一种数字工厂的车辆智能监管调度方法、***和介质 Download PDFInfo
- Publication number
- CN116452095B CN116452095B CN202310716947.1A CN202310716947A CN116452095B CN 116452095 B CN116452095 B CN 116452095B CN 202310716947 A CN202310716947 A CN 202310716947A CN 116452095 B CN116452095 B CN 116452095B
- Authority
- CN
- China
- Prior art keywords
- data
- task
- demand
- delivery
- goods
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 37
- 230000008520 organization Effects 0.000 claims abstract description 33
- 230000004044 response Effects 0.000 claims abstract description 32
- 238000012384 transportation and delivery Methods 0.000 claims description 218
- 239000000463 material Substances 0.000 claims description 34
- 238000003860 storage Methods 0.000 claims description 27
- 238000009826 distribution Methods 0.000 claims description 20
- 238000007405 data analysis Methods 0.000 claims description 18
- 230000004043 responsiveness Effects 0.000 claims description 17
- 230000002194 synthesizing effect Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000002776 aggregation Effects 0.000 claims description 13
- 238000004220 aggregation Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000004931 aggregating effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 description 24
- 238000007599 discharging Methods 0.000 description 20
- 238000007726 management method Methods 0.000 description 19
- 229910000831 Steel Inorganic materials 0.000 description 14
- 239000010959 steel Substances 0.000 description 14
- 239000002994 raw material Substances 0.000 description 12
- 238000012163 sequencing technique Methods 0.000 description 6
- 238000011144 upstream manufacturing Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 229910052755 nonmetal Inorganic materials 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 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
- G06Q10/08—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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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)
- Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种数字工厂的车辆智能监管调度方法、***和介质。该方法包括：采集进出货需求信息并分析生成进出货要素列表，再分析任务数据获得匹配车辆并生成运输车辆调度模型组织树，再进行车辆进出货任务密度数据统计生成运输车辆进出货任务特征画像，并提取进出货任务内容数据处理获得响应度数据，再结合生成进出货物任务指令条，并生成车辆进出货任务调度列表进行车辆进出货任务调度；从而基于大数据对批次进出货任务进行信息采集和数据处理以获得对车辆的匹配调度，实现根据进出货需求信息与任务数据进行车辆匹配调度并生成列表任务指令条，使车辆按进出货需求和任务情况进行优化调度，提高对工厂车辆调度的精确化控制。
Description
技术领域
本申请涉及大数据和智慧工厂管理技术领域，具体而言，涉及一种数字工厂的车辆智能监管调度方法、***和介质。
背景技术
数字工厂是依据生产数据化而建设的当前先进制造工厂，工厂的生产运行离不开上游材料原料的供应以及下游产品对客户的供给，而针对不同原料批次和产品批次的供应链配送的差异化要求，由于不同批次原料进货和产品出货的数量、种类、运输要求、进出货目的地和行程的差异性和多样性，导致工厂对运输车辆的调度面临复杂性而难以做出合理有效管理措施，目前现有技术难以根据批次原料进货和产品出货的进出货需求以及生产相关供货紧急度进行高效、科学的进出货管理和运输车辆调度，缺乏可针对不同批次进出货需求以及车辆调度任务需要进行适配、科学的管理手段。
针对上述问题，目前亟待有效的技术解决方案。
发明内容
本申请的目的在于提供一种数字工厂的车辆智能监管调度方法、***和介质，可以通过大数据和车辆智能匹配调度手段对批次进出货任务进行信息采集和数据处理以获得对车辆的调派，实现根据进出货需求信息与任务数据进行车辆匹配调度并生成列表任务指令条，使车辆按进出货需求和任务情况进行优化调度，提高对工厂车辆调度的精确化控制。
本申请还提供了一种数字工厂的车辆智能监管调度方法，包括以下步骤：
采集工厂在预设时间段内的进货需求信息和出货供求信息，并对进货需求信息和出货供求信息分别进行进出货数据条分析生成进货需求要素列表和出货供求要素列表，并合成客户出货供求列表；
根据所述进货需求要素列表以及客户出货供求列表进行进出货任务数据分析，根据进出货任务数据匹配与进出货任务相对应类别的运输车辆，并生成运输车辆调度模型组织树；
根据所述运输车辆调度模型组织树进行运输车辆进出货任务密度统计，并根据预设时间段内的运输车辆进出货任务密度数据生成运输车辆进出货任务特征画像；
根据所述运输车辆进出货任务特征画像提取运输车辆进出货任务内容数据，并根据预设运输车辆进出货任务调度模型对所述运输车辆进出货任务内容数据进行处理，获得运输车辆进出货任务响应度数据；
根据所述运输车辆进出货任务响应度数据结合各批次进出货物的预设关联系数生成预设时间段内的运输车辆进出货任务指令条；
根据所述运输车辆进出货任务指令条生成运输车辆进出货任务调度列表，并对运输车辆进行进出货任务调度。
可选地，在本申请所述的数字工厂的车辆智能监管调度方法中，所述采集工厂在预设时间段内的进货需求信息和出货供求信息，并对进货需求信息和出货供求信息分别进行进出货数据条分析生成进货需求要素列表和出货供求要素列表，并合成客户出货供求列表，包括：
分别采集工厂在预设时间段内的进货需求信息和出货供求信息；
根据所述进货需求信息提取各批次进货物的进货物数量信息、进货物属性类别信息、进货物供货地信息以及进货物需求度信息；
根据所述出货供求信息提取各批次出货物的出货物数量信息、出货物质保存储信息、出货物配送地信息以及出货物供求紧急度信息；
将所述进货需求信息和出货供求信息分别进行数据条分析，分别获得进货需求信息数据条和出货供求信息数据条；
根据所述进货需求信息数据条和出货供求信息数据条分别对应生成进货需求要素列表和出货供求要素列表；
根据各出货供给客户的对应所述出货供求要素列表合成客户出货供求列表。
可选地，在本申请所述的数字工厂的车辆智能监管调度方法中，所述根据所述进货需求要素列表以及客户出货供求列表进行进出货任务数据分析，根据进出货任务数据匹配与进出货任务相对应类别的运输车辆，并生成运输车辆调度模型组织树，包括：
根据所述进货需求要素列表和出货供求要素列表分别提取进货需求列表数据和出货供求列表数据；
所述进货需求列表数据包括所述各批次进货物的进货物明细数量数据、进货物属性类别数据、进货物供货地位置距离数据以及进货物需求紧急度系数；
所述出货供求列表数据包括所述各批次出货物的出货物明细数量数据、出货物质保期限数据、出货物配送地位置距离数据以及出货物供求紧急度系数；
根据所述进货需求列表数据和所述出货供求列表数据分别进行进货任务数据分析和出货任务数据分析，并分别处理获得各批次进出货物对应的进货任务数据和出货任务数据；
根据所述客户出货供求列表对应的各出货供给客户的所述出货任务数据进行聚合，获得客户出货任务包数据；
根据所述货任务数据和出货任务数据分别与预设运输车辆任务分配阈值进行阈值对比，并根据阈值对比结果范围对所述各批次进出货物的进货任务和出货任务进行运输车辆类别对应分配；
根据所述各批次进货物的所述进货需求列表数据和进货任务数据以及所述各批次出货物的所述出货供求列表数据和出货任务数据，并结合对应分配的运输车辆信息进行集合，生成运输车辆调度模型组织树。
可选地，在本申请所述的数字工厂的车辆智能监管调度方法中，所述根据所述运输车辆调度模型组织树进行运输车辆进出货任务密度统计，并根据预设时间段内的运输车辆进出货任务密度数据生成运输车辆进出货任务特征画像，包括：
根据所述运输车辆调度模型组织树提取所述各批次进货物对应的运输车辆任务项第一数据，以及所述各批次出货物对应的运输车辆任务项第二数据；
根据所述运输车辆任务项第一数据与所述进货物供货地位置距离数据、进货物需求紧急度系数结合各进货任务项的运输车辆调度第一数量和运输车辆第一类别系数进行处理，获得所述各批次进货物的运输车辆进货任务密度数据；
根据所述运输车辆任务项第二数据与所述出货物配送地位置距离数据、出货物供求紧急度系数结合各出货任务项的运输车辆调度第二数量和运输车辆第二类别系数进行处理，获得所述各批次出货物的运输车辆出货任务密度数据；
根据所述预设时间段内各批次进出货物的运输车辆进货任务密度数据和运输车辆出货任务密度数据进行全批次进出货任务密度数据聚合，并生成运输车辆进出货任务特征画像。
可选地，在本申请所述的数字工厂的车辆智能监管调度方法中，所述根据所述运输车辆进出货任务特征画像提取运输车辆进出货任务内容数据，并根据预设运输车辆进出货任务调度模型对所述运输车辆进出货任务内容数据进行处理，获得运输车辆进出货任务响应度数据，包括：
根据所述运输车辆进出货任务特征画像提取运输车辆进出货任务内容数据；
所述运输车辆进出货任务内容数据包括所述各批次进货物和各批次出货物的各进出货任务项的运输车辆任务项条目数据、运输车辆装卸时长数据、运输车辆任务项行程数据、运输行程路况难度系数以及运输车辆调配数量；
根据所述运输车辆任务项条目数据、运输车辆装卸时长数据、运输车辆任务项行程数据、运输行程路况难度系数以及运输车辆调配数量输入预设运输车辆进出货任务调度模型中处理，获得所述各批次进出货物的运输车辆进出货任务响应度数据。
可选地，在本申请所述的数字工厂的车辆智能监管调度方法中，所述根据所述运输车辆进出货任务响应度数据结合所述各批次进出货物的预设关联系数生成预设时间段内的运输车辆进出货任务指令条，包括：
获取所述各批次进货物和各批次出货物分别对应的预设任务属类优先级数；
根据所述各批次进出货物的所述运输车辆进出货任务响应度数据结合对应所述任务属类优先级数进行集合处理，获得运输车辆进出货任务调度指数；
将所述运输车辆进出货任务调度指数与对应所述进货需求要素列表和出货供求要素列表分别进行关联，获得所述预设时间段内的运输车辆进出货任务指令条。
可选地，在本申请所述的数字工厂的车辆智能监管调度方法中，所述根据所述运输车辆进出货任务指令条生成运输车辆进出货任务调度列表，并对运输车辆进行进出货任务调度，包括：
根据所述预设时间段内的运输车辆进出货任务调度指数按照预设排序要求对对应所述运输车辆进出货任务指令条进行排序，获得运输车辆进出货任务调度列表；
根据所述运输车辆进出货任务调度列表对运输车辆按照对应批次进出货任务进行调派；
将所述运输车辆进出货任务调度列表对应的运输车辆调派任务生成任务调派指令，并发送给调度运输车辆。
第二方面，本申请提供了一种数字工厂的车辆智能监管调度***，该***包括：存储器及处理器，所述存储器中包括数字工厂的车辆智能监管调度方法的程序，所述数字工厂的车辆智能监管调度方法的程序被所述处理器执行时实现以下步骤：
采集工厂在预设时间段内的进货需求信息和出货供求信息，并对进货需求信息和出货供求信息分别进行进出货数据条分析生成进货需求要素列表和出货供求要素列表，并合成客户出货供求列表；
根据所述进货需求要素列表以及客户出货供求列表进行进出货任务数据分析，根据进出货任务数据匹配与进出货任务相对应类别的运输车辆，并生成运输车辆调度模型组织树；
根据所述运输车辆调度模型组织树进行运输车辆进出货任务密度统计，并根据预设时间段内的运输车辆进出货任务密度数据生成运输车辆进出货任务特征画像；
根据所述运输车辆进出货任务特征画像提取运输车辆进出货任务内容数据，并根据预设运输车辆进出货任务调度模型对所述运输车辆进出货任务内容数据进行处理，获得运输车辆进出货任务响应度数据；
根据所述运输车辆进出货任务响应度数据结合各批次进出货物的预设关联系数生成预设时间段内的运输车辆进出货任务指令条；
根据所述运输车辆进出货任务指令条生成运输车辆进出货任务调度列表，并对运输车辆进行进出货任务调度。
可选地，在本申请所述的数字工厂的车辆智能监管调度***中，所述采集工厂在预设时间段内的进货需求信息和出货供求信息，并对进货需求信息和出货供求信息分别进行进出货数据条分析生成进货需求要素列表和出货供求要素列表，并合成客户出货供求列表，包括：
分别采集工厂在预设时间段内的进货需求信息和出货供求信息；
根据所述进货需求信息提取各批次进货物的进货物数量信息、进货物属性类别信息、进货物供货地信息以及进货物需求度信息；
根据所述出货供求信息提取各批次出货物的出货物数量信息、出货物质保存储信息、出货物配送地信息以及出货物供求紧急度信息；
将所述进货需求信息和出货供求信息分别进行数据条分析，分别获得进货需求信息数据条和出货供求信息数据条；
根据所述进货需求信息数据条和出货供求信息数据条分别对应生成进货需求要素列表和出货供求要素列表；
根据各出货供给客户的对应所述出货供求要素列表合成客户出货供求列表。
第三方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括数字工厂的车辆智能监管调度方法程序，所述数字工厂的车辆智能监管调度方法程序被处理器执行时，实现如上述任一项所述的数字工厂的车辆智能监管调度方法的步骤。
由上可知，本申请提供的一种数字工厂的车辆智能监管调度方法、***和介质，通过采集工厂的进货和出货需求信息并分析生成进货出货要素列表，再分析任务数据获得匹配的运输车辆并生成运输车辆调度模型组织树，再进行运输车辆进出货任务密度数据统计生成运输车辆进出货任务特征画像，并提取进出货任务内容数据输入调度模型处理获得响应度数据，再结合生成各批次进出货物的任务指令条，并生成运输车辆进出货任务调度列表进行车辆进出货任务调度；从而基于大数据和车辆智能匹配调度手段对批次进出货任务进行信息采集和数据处理以获得对车辆的调派，实现根据进出货需求信息与任务数据进行车辆匹配调度并生成列表任务指令条，使车辆按进出货需求和任务情况进行优化调度，提高对工厂车辆调度的精确化控制。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的数字工厂的车辆智能监管调度方法的流程图；
图2为本申请实施例提供的数字工厂的车辆智能监管调度方法的生成客户出货供求列表的流程图；
图3为本申请实施例提供的数字工厂的车辆智能监管调度方法的生成运输车辆调度模型组织树的流程图；
图4为本申请实施例提供的数字工厂的车辆智能监管调度***的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的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。
应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的数字工厂的车辆智能监管调度方法的流程图。该数字工厂的车辆智能监管调度方法用于终端设备中，例如电脑、手机终端等。该数字工厂的车辆智能监管调度方法，包括以下步骤：
S101、采集工厂在预设时间段内的进货需求信息和出货供求信息，并对进货需求信息和出货供求信息分别进行进出货数据条分析生成进货需求要素列表和出货供求要素列表，并合成客户出货供求列表；
S102、根据所述进货需求要素列表以及客户出货供求列表进行进出货任务数据分析，根据进出货任务数据匹配与进出货任务相对应类别的运输车辆，并生成运输车辆调度模型组织树；
S103、根据所述运输车辆调度模型组织树进行运输车辆进出货任务密度统计，并根据预设时间段内的运输车辆进出货任务密度数据生成运输车辆进出货任务特征画像；
S104、根据所述运输车辆进出货任务特征画像提取运输车辆进出货任务内容数据，并根据预设运输车辆进出货任务调度模型对所述运输车辆进出货任务内容数据进行处理，获得运输车辆进出货任务响应度数据；
S105、根据所述运输车辆进出货任务响应度数据结合各批次进出货物的预设关联系数生成预设时间段内的运输车辆进出货任务指令条；
S106、根据所述运输车辆进出货任务指令条生成运输车辆进出货任务调度列表，并对运输车辆进行进出货任务调度。
需要说明的是，为实现根据数字工厂生产过程中生产原料进货和产品出货的需要进行运输车辆匹配管理和调度，以适应产品生产、客户需求的进出货物的供应链需要，完成运输车辆调度与各批次进出货任务的匹配管理，需首先采集工厂在一定预设时间段内的进货需求信息和出货供求信息，即根据生产需要而制订的时间段内的上游原料进货需求信息和产品出货给下游客户的供求信息，并对进货和出货的上述信息分别进行进出货数据条分析生成进货需求要素列表和出货供求要素列表，即根据进出货的信息进行进出货条目明细分析获得对应数据条，并生成进货需求和出货供求的要素列表，再对列表进行进出货的任务数据分析匹配出适配的运输车辆，即根据列表的进出货需求对应的进出货任务来匹配车辆，并根据匹配车辆的相关信息生成生成运输车辆调度模型组织树，以明确进出货任务与车辆资源调度的明细状况，再根据组织树进行车辆任务密度统计，以获得各批次进出货任务中根据任务量需求匹配调度车辆执行任务的车辆调度密度情况，再根据车辆进出货的任务密度数据集合生成运输车辆进出货任务特征画像，该画像反映各批次进出货任务的任务情况数据以及进出货物地位置距离、进出货物紧急度以及车辆调度数量、车辆类别的任务需求车辆的调度情况分布，再提取车辆进出货任务数据并通过调度模型进行处理获得车辆进出货任务的响应度数据，即对进出货任务需求的车辆调度响应情况，以通过分析识别出各批次进出货任务的车辆调配需求获得任务对应车辆调度的紧要度情况，再结合各批次进出货物的预设关联系数生成预设时间段内的运输车辆进出货任务指令条，指令条即对各批次进出货物需求进行车辆调度的优先性评估生成相应的任务指令，再根据各批次进出货任务指令条生成运输车辆进出货任务调度列表对运输车辆进行任务调度，使车辆资源根据进出货任务的需求情况进行适配、科学、有序的分配调度，实现运输车辆资源的优化利用，以及对数字工厂运输车辆管理调度的精准化和智能化。
请参照图2，图2是本申请一些实施例中的数字工厂的车辆智能监管调度方法的生成客户出货供求列表的流程图。根据本发明实施例，所述采集工厂在预设时间段内的进货需求信息和出货供求信息，并对进货需求信息和出货供求信息分别进行进出货数据条分析生成进货需求要素列表和出货供求要素列表，并合成客户出货供求列表，具体为：
S201、分别采集工厂在预设时间段内的进货需求信息和出货供求信息；
S202、根据所述进货需求信息提取各批次进货物的进货物数量信息、进货物属性类别信息、进货物供货地信息以及进货物需求度信息；
S203、根据所述出货供求信息提取各批次出货物的出货物数量信息、出货物质保存储信息、出货物配送地信息以及出货物供求紧急度信息；
S204、将所述进货需求信息和出货供求信息分别进行数据条分析，分别获得进货需求信息数据条和出货供求信息数据条；
S205、根据所述进货需求信息数据条和出货供求信息数据条分别对应生成进货需求要素列表和出货供求要素列表；
S206、根据各出货供给客户的对应所述出货供求要素列表合成客户出货供求列表。
需要说明的是，为实现对进出货需求的车辆资源的合理调度，首先需明确工厂在预设时间段内的进出货需求情况，即根据生产需要制订的预设时间段内的上游原料进货需求信息和产品出货给下游客户的供求信息，再分别对进货需求信息提取各批次进货物的进货物数量，进货物的属性类别如固液气状态、金属非金属、挥发性、易燃性、存储温度、长度重量、运输要求等，进货物供货地以及工厂生产对进货物的需求紧急度情况的信息，以及对出货供求信息提取各批次出货物的出货物数量，出货物质保期限和存储要求，出货物配送地以及出货物供求客户紧急度的情况信息，再对进货和出货信息分别进行进出货数据条分析，即对各批次进出货物需求信息进行提取出对应信息数据条，反映出进出货物的上述信息中的各条信息数据，如进出货物的数量、类型、存储温度、运输要求、需求紧急度、货物地点等条目数据，再根据进货需求信息和出货供求信息的数据条分别与进货需求和出货供求相对应，生成进出货对应的要素列表，其中包括各批次进出货需求与货物数据、类型、存储运输要求、需求紧急度、货物地点等要素数据，同时根据各出货供给客户的对应出货供求要素列表合成客户出货供求列表，使明确单个客户的出货供求情况，便于对重要客户出货情况和进度进行跟踪和识别。
请参照图3，图3是本申请一些实施例中的数字工厂的车辆智能监管调度方法的生成运输车辆调度模型组织树的流程图。根据本发明实施例，所述根据所述进货需求要素列表以及客户出货供求列表进行进出货任务数据分析，根据进出货任务数据匹配与进出货任务相对应类别的运输车辆，并生成运输车辆调度模型组织树，具体为：
S301、根据所述进货需求要素列表和出货供求要素列表分别提取进货需求列表数据和出货供求列表数据；
S302、所述进货需求列表数据包括所述各批次进货物的进货物明细数量数据、进货物属性类别数据、进货物供货地位置距离数据以及进货物需求紧急度系数；
S303、所述出货供求列表数据包括所述各批次出货物的出货物明细数量数据、出货物质保期限数据、出货物配送地位置距离数据以及出货物供求紧急度系数；
S304、根据所述进货需求列表数据和所述出货供求列表数据分别进行进货任务数据分析和出货任务数据分析，并分别处理获得各批次进出货物对应的进货任务数据和出货任务数据；
S305、根据所述客户出货供求列表对应的各出货供给客户的所述出货任务数据进行聚合，获得客户出货任务包数据；
S306、根据所述货任务数据和出货任务数据分别与预设运输车辆任务分配阈值进行阈值对比，并根据阈值对比结果范围对所述各批次进出货物的进货任务和出货任务进行运输车辆类别对应分配；
S307、根据所述各批次进货物的所述进货需求列表数据和进货任务数据以及所述各批次出货物的所述出货供求列表数据和出货任务数据，并结合对应分配的运输车辆信息进行集合，生成运输车辆调度模型组织树。
需要说明的是，为获得进出货需求相适配的运输车辆类别，以便明确各批次进出货物对应的任务调度车辆的资源需求情况，根据进货需求和出货供求的要素列表分别提取进货需求和出货供求的列表数据，即各批次进出货任务对运输车辆调度需求列表的明细项数据，再根据列表数据进行处理获得各批次进出货物对应的进货任务数据和出货任务数据，该进出货任务数据反映批次进出货物对应的进出货任务的评估数据，其中对客户出货供求列表对应的各出货供给客户的出货任务数据进行聚合为客户出货任务包数据，以便于查看了解各类客户在预设时间段内整体出货需求任务的明细情况，再将进出货任务数据分别与预设的车辆任务分配阈值进行阈值对比，并根据阈值对比结果范围对进出货任务进行运输车辆类别的分配，即根据任务数据与预设阈值对比结果的范围对应分配各进出货任务的车辆或车辆群类型，如针对不同出货物如存储运输要求、货物规格、货物数量、送货地远近匹配出不同类别的运输车辆，本实施例中将运输车辆分为一类箱式调温运输车、二类长途大型装载运输车、三类普通城际运输车、四类加长中远途自卸车，四类运输车辆的对应任务分配阈值范围分别为一类对应(0.83，1]，二类对应(0.62，0.83]，三类对应(0.36，0.62]，四类对应[0，0.36]，如某造船厂客户的出货任务数据的阈值对比结果为0.29，则其匹配的运输车辆为四类车，再根据各批次进出货物对应的列表数据和进出货任务数据结合对应分配的运输车辆信息进行集合生成运输车辆调度模型组织树，该组织树明确了进出货任务的需求与对应车辆资源的任务车辆匹配信息和数据明细；
其中，所述进货任务数据的计算公式为：
；
其中，为进货任务数据，/>为进货物明细数量数据，/>为进货物供货地位置距离数据，/>为进货物属性类别数据，/>为进货物需求紧急度系数，/>、/>、为预设特征系数；
所述进货任务数据的计算公式为：
；
其中，为出货任务数据，/>为出货物明细数量数据，/>为出货物配送地位置距离数据，/>为出货物质保期限数据，/>为出货物供求紧急度系数，/>、/>、为预设特征系数（特征系数通过预设工厂生产调度管理数据库查询获得）。
根据本发明实施例，所述根据所述运输车辆调度模型组织树进行运输车辆进出货任务密度统计，并根据预设时间段内的运输车辆进出货任务密度数据生成运输车辆进出货任务特征画像，具体为：
根据所述运输车辆调度模型组织树提取所述各批次进货物对应的运输车辆任务项第一数据，以及所述各批次出货物对应的运输车辆任务项第二数据；
根据所述运输车辆任务项第一数据与所述进货物供货地位置距离数据、进货物需求紧急度系数结合各进货任务项的运输车辆调度第一数量和运输车辆第一类别系数进行处理，获得所述各批次进货物的运输车辆进货任务密度数据；
根据所述运输车辆任务项第二数据与所述出货物配送地位置距离数据、出货物供求紧急度系数结合各出货任务项的运输车辆调度第二数量和运输车辆第二类别系数进行处理，获得所述各批次出货物的运输车辆出货任务密度数据；
根据所述预设时间段内各批次进出货物的运输车辆进货任务密度数据和运输车辆出货任务密度数据进行全批次进出货任务密度数据聚合，并生成运输车辆进出货任务特征画像。
需要说明的是，为评估预设时间内进出货任务对应的调度运输车辆资源分配情况，通过获得全部批次的进出货物的运输车辆进出货任务频次的密度数据进行聚合，获得反映预设时间段内运输车辆进出货任务特征的特征画像，该画像反映了时间段内各批次进出货任务的任务情况数据以及对应进出货位置距离、进出货需求度、车辆调度数量、车辆类别的调度情况分布，根据运输车辆调度模型组织树提取各批次进货物和出货物分别对应的运输车辆任务项第一数据和第二数据，再分别根据运输车辆任务项第一或第二数据与对应进出货物地位置距离、进出货物紧急度系数、进出货任务项的运输车辆调度数量以及类别系数进行处理，分别获得各批次进出货物的运输车辆进出货任务密度数据，再对时间段内全部批次进出货物的密度数据进行聚合获得任务特征画像，实现运输车辆进出货任务密度统计，反映出各批次进出货任务的车辆资源的调度量变化和各批次进出货车辆派遣密度状况，其中，运输车辆任务项数据是各批次进出货任务中的进出货子项目明细数据，任务项是批次进出货任务中包含的多个子项目，因为一批次进出货中包含很多进出货子项目，如某钢材加工厂进货的钢原材包含钢卷、钢板、钢管等各类不同钢材，各类钢材进货任务的子项目即在不同刚才进货地点通过不同数量的运输车辆进行派遣进货，因此运输车辆进出货任务密度数据就是衡量该批次进出货物的总体进出货物调度车辆的密集度情况；
其中，所述运输车辆进货任务密度数据的计算公式为：
；
其中，为运输车辆进货任务密度数据，/>为运输车辆任务项第一数据，为第i个进货任务项的进货物供货地位置距离数据，/>为进货物需求紧急度系数，为第i个进货任务项的运输车辆调度第一数量，/>为第i个进货任务项的运输车辆第一类别系数，n为进货任务项数量，/>、/>为预设特征系数；
其中，所述运输车辆出货任务密度数据的计算公式为：
；
其中，为运输车辆出货任务密度数据，/>为运输车辆任务项第二数据，为第j个出货任务项的出货物配送地位置距离数据，/>为出货物供求紧急度系数，为第j个出货任务项的运输车辆调度第二数量，/>为第j个出货任务项的运输车辆第二类别系数，m为出货任务项数量，/>、/>为预设特征系数（特征系数通过预设工厂生产调度管理数据库查询获得）。
根据本发明实施例，所述根据所述运输车辆进出货任务特征画像提取运输车辆进出货任务内容数据，并根据预设运输车辆进出货任务调度模型对所述运输车辆进出货任务内容数据进行处理，获得运输车辆进出货任务响应度数据，具体为：
根据所述运输车辆进出货任务特征画像提取运输车辆进出货任务内容数据；
所述运输车辆进出货任务内容数据包括所述各批次进货物和各批次出货物的各进出货任务项的运输车辆任务项条目数据、运输车辆装卸时长数据、运输车辆任务项行程数据、运输行程路况难度系数以及运输车辆调配数量；
根据所述运输车辆任务项条目数据、运输车辆装卸时长数据、运输车辆任务项行程数据、运输行程路况难度系数以及运输车辆调配数量输入预设运输车辆进出货任务调度模型中处理，获得所述各批次进出货物的运输车辆进出货任务响应度数据。
需要说明的是，由于同一个批次进出货任务中包含多个任务项，如前述的任务项是批次进出货任务中包含的多个子项目，为评估批次进出货任务的任务响应度，以评估批次进出货任务调度车辆的优先级和次序度，根据运输车辆进出货任务特征画像提取运输车辆进出货任务内容数据，即车辆执行批次进出货任务的内容数据，其中包括批次进出货任务中的多个任务项对应的车辆任务项的进出货条目明细、车辆装卸时长、车辆任务项行程、行程路况难度系数以及车辆调配数量的相关数据，再将上述各任务内容数据输入预设运输车辆进出货任务调度模型中处理获得对应批次进出货物的运输车辆进出货任务响应度数据，即反映进出货任务需求的车辆进行调度响应的优先性数据，以识别出各批次进出货任务的车辆调度的优先安排紧要度情况，以实现运输车辆资源调度管理的最优化；
其中，所述运输车辆进出货任务响应度数据的计算公式为：
；
其中，为运输车辆进出货任务响应度数据，/>为第k个进出货任务项的运输车辆任务项条目数据，/>、/>、/>、/>分别为第k个进出货任务项的运输车辆装卸时长数据、运输车辆任务项行程数据、运输行程路况难度系数、运输车辆调配数量，t为批次进出货物的进出货任务项个数，/>为批次进出货物对应的进货物需求紧急度系数或出货物供求紧急度系数，/>、/>、/>为预设特征系数（特征系数通过预设工厂生产调度管理数据库查询获得）。
根据本发明实施例，所述根据所述运输车辆进出货任务响应度数据结合所述各批次进出货物的预设关联系数生成预设时间段内的运输车辆进出货任务指令条，具体为：
获取所述各批次进货物和各批次出货物分别对应的预设任务属类优先级数；
根据所述各批次进出货物的所述运输车辆进出货任务响应度数据结合对应所述任务属类优先级数进行集合处理，获得运输车辆进出货任务调度指数；
将所述运输车辆进出货任务调度指数与对应所述进货需求要素列表和出货供求要素列表分别进行关联，获得所述预设时间段内的运输车辆进出货任务指令条。
需要说明的是，根据各批次进出货物对应的预设任务属性类型的优先级数结合运输车辆进出货任务响应度数据进行集合，获得运输车辆进出货任务调度指数，即将进出货任务的来源属性和任务类型进行考量补偿，使得进出货任务的车辆调度更加精准，即进出货任务的车辆调度需要将生产工艺和排产的优先性或客户的重要性或产品特殊用途等因素加以考量并进行补偿，获得更加精准的车辆调度指数，再将调度指数与对应进出货的对应要素列表进行分别关联，获得预设时间段内的运输车辆进出货任务指令条，该指令条与任务调度指数反映了对车辆进行任务调度派遣的重要性、优先性的映射，可对运输车辆的调度需求的重要性或必要性进行筛除和排序，优化运输车辆资源的利用率。
根据本发明实施例，所述根据所述运输车辆进出货任务指令条生成运输车辆进出货任务调度列表，并对运输车辆进行进出货任务调度，具体为：
根据所述预设时间段内的运输车辆进出货任务调度指数按照预设排序要求对对应所述运输车辆进出货任务指令条进行排序，获得运输车辆进出货任务调度列表；
根据所述运输车辆进出货任务调度列表对运输车辆按照对应批次进出货任务进行调派；
将所述运输车辆进出货任务调度列表对应的运输车辆调派任务生成任务调派指令，并发送给调度运输车辆。
需要说明的是，为实现进出货任务调度运输车辆的响应优先度，根据预设时间段内的运输车辆进出货任务调度指数按照预设排序要求对进出货任务指令条进行排序，获得运输车辆进出货任务调度列表，该调度列表的排序即为运输车辆进出货任务调度优先性的排序，根据该调度列表对运输车辆按照对应批次进出货任务进行调派，并生成任务调派指令发送给对应车辆，实现运输车辆资源的最优调配利用，提高车辆资源管理的精准度。
根据本发明实施例，还包括：
对执行各批次进出货任务的运输车辆进行动态自检，并获取所述运输车辆的任务执行信息和车辆状况信息；
根据所述任务执行信息和车辆状况信息分析获得车辆剩余状态数据；
判断所述车辆剩余状态数据是否满足对应进货需求信息或/和出货供求信息提取的剩余任务需求数据的预设任务需求阈值；
若阈值对比结果不满足预设任务需求阈值的要求，则发出召回指令到所述运输车辆进行召回；
若满足预设任务需求阈值的要求，则不召回所述运输车辆，并进行追踪和状态监测。
需要说明的是，为监测运输车辆的车辆状况，以动态评估运输车辆剩余状况能否顺利执行进出货任务的剩余任务量，通过车辆的任务执行信息和车辆状况信息获得的车辆剩余状态数据，与车辆执行任务所对应的进货需求信息或/和出货供求信息提取的剩余任务需求数据进行阈值对比，通过车辆剩余状态数据与预设任务需求阈值的阈值对比结果是否满足预设阈值要求，判断是否召回该运输车辆，例如某运输车辆A的车辆剩余状态数据低于剩余任务需求数据的预设任务需求阈值的85%的预设要求，则需对该运输车辆A进行召回。
如图4所示，本发明还公开了一种数字工厂的车辆智能监管调度***4，包括存储器41和处理器42，所述存储器中包括数字工厂的车辆智能监管调度方法程序，所述数字工厂的车辆智能监管调度方法程序被所述处理器执行时实现如下步骤：
采集工厂在预设时间段内的进货需求信息和出货供求信息，并对进货需求信息和出货供求信息分别进行进出货数据条分析生成进货需求要素列表和出货供求要素列表，并合成客户出货供求列表；
根据所述进货需求要素列表以及客户出货供求列表进行进出货任务数据分析，根据进出货任务数据匹配与进出货任务相对应类别的运输车辆，并生成运输车辆调度模型组织树；
根据所述运输车辆调度模型组织树进行运输车辆进出货任务密度统计，并根据预设时间段内的运输车辆进出货任务密度数据生成运输车辆进出货任务特征画像；
根据所述运输车辆进出货任务特征画像提取运输车辆进出货任务内容数据，并根据预设运输车辆进出货任务调度模型对所述运输车辆进出货任务内容数据进行处理，获得运输车辆进出货任务响应度数据；
根据所述运输车辆进出货任务响应度数据结合各批次进出货物的预设关联系数生成预设时间段内的运输车辆进出货任务指令条；
根据所述运输车辆进出货任务指令条生成运输车辆进出货任务调度列表，并对运输车辆进行进出货任务调度。
需要说明的是，为实现根据数字工厂生产过程中生产原料进货和产品出货的需要进行运输车辆匹配管理和调度，以适应产品生产、客户需求的进出货物的供应链需要，完成运输车辆调度与各批次进出货任务的匹配管理，需首先采集工厂在一定预设时间段内的进货需求信息和出货供求信息，即根据生产需要而制订的时间段内的上游原料进货需求信息和产品出货给下游客户的供求信息，并对进货和出货的上述信息分别进行进出货数据条分析生成进货需求要素列表和出货供求要素列表，即根据进出货的信息进行进出货条目明细分析获得对应数据条，并生成进货需求和出货供求的要素列表，再对列表进行进出货的任务数据分析匹配出适配的运输车辆，即根据列表的进出货需求对应的进出货任务来匹配车辆，并根据匹配车辆的相关信息生成生成运输车辆调度模型组织树，以明确进出货任务与车辆资源调度的明细状况，再根据组织树进行车辆任务密度统计，以获得各批次进出货任务中根据任务量需求匹配调度车辆执行任务的车辆调度密度情况，再根据车辆进出货的任务密度数据集合生成运输车辆进出货任务特征画像，该画像反映各批次进出货任务的任务情况数据以及进出货物地位置距离、进出货物紧急度以及车辆调度数量、车辆类别的任务需求车辆的调度情况分布，再提取车辆进出货任务数据并通过调度模型进行处理获得车辆进出货任务的响应度数据，即对进出货任务需求的车辆调度响应情况，以通过分析识别出各批次进出货任务的车辆调配需求获得任务对应车辆调度的紧要度情况，再结合各批次进出货物的预设关联系数生成预设时间段内的运输车辆进出货任务指令条，指令条即对各批次进出货物需求进行车辆调度的优先性评估生成相应的任务指令，再根据各批次进出货任务指令条生成运输车辆进出货任务调度列表对运输车辆进行任务调度，使车辆资源根据进出货任务的需求情况进行适配、科学、有序的分配调度，实现运输车辆资源的优化利用，以及对数字工厂运输车辆管理调度的精准化和智能化。
根据本发明实施例，所述采集工厂在预设时间段内的进货需求信息和出货供求信息，并对进货需求信息和出货供求信息分别进行进出货数据条分析生成进货需求要素列表和出货供求要素列表，并合成客户出货供求列表，具体为：
分别采集工厂在预设时间段内的进货需求信息和出货供求信息；
根据所述进货需求信息提取各批次进货物的进货物数量信息、进货物属性类别信息、进货物供货地信息以及进货物需求度信息；
根据所述出货供求信息提取各批次出货物的出货物数量信息、出货物质保存储信息、出货物配送地信息以及出货物供求紧急度信息；
将所述进货需求信息和出货供求信息分别进行数据条分析，分别获得进货需求信息数据条和出货供求信息数据条；
根据所述进货需求信息数据条和出货供求信息数据条分别对应生成进货需求要素列表和出货供求要素列表；
根据各出货供给客户的对应所述出货供求要素列表合成客户出货供求列表。
需要说明的是，为实现对进出货需求的车辆资源的合理调度，首先需明确工厂在预设时间段内的进出货需求情况，即根据生产需要制订的预设时间段内的上游原料进货需求信息和产品出货给下游客户的供求信息，再分别对进货需求信息提取各批次进货物的进货物数量，进货物的属性类别如固液气状态、金属非金属、挥发性、易燃性、存储温度、长度重量、运输要求等，进货物供货地以及工厂生产对进货物的需求紧急度情况的信息，以及对出货供求信息提取各批次出货物的出货物数量，出货物质保期限和存储要求，出货物配送地以及出货物供求客户紧急度的情况信息，再对进货和出货信息分别进行进出货数据条分析，即对各批次进出货物需求信息进行提取出对应信息数据条，反映出进出货物的上述信息中的各条信息数据，如进出货物的数量、类型、存储温度、运输要求、需求紧急度、货物地点等条目数据，再根据进货需求信息和出货供求信息的数据条分别与进货需求和出货供求相对应，生成进出货对应的要素列表，其中包括各批次进出货需求与货物数据、类型、存储运输要求、需求紧急度、货物地点等要素数据，同时根据各出货供给客户的对应出货供求要素列表合成客户出货供求列表，使明确单个客户的出货供求情况，便于对重要客户出货情况和进度进行跟踪和识别。
根据本发明实施例，所述根据所述进货需求要素列表以及客户出货供求列表进行进出货任务数据分析，根据进出货任务数据匹配与进出货任务相对应类别的运输车辆，并生成运输车辆调度模型组织树，具体为：
根据所述进货需求要素列表和出货供求要素列表分别提取进货需求列表数据和出货供求列表数据；
所述进货需求列表数据包括所述各批次进货物的进货物明细数量数据、进货物属性类别数据、进货物供货地位置距离数据以及进货物需求紧急度系数；
所述出货供求列表数据包括所述各批次出货物的出货物明细数量数据、出货物质保期限数据、出货物配送地位置距离数据以及出货物供求紧急度系数；
根据所述进货需求列表数据和所述出货供求列表数据分别进行进货任务数据分析和出货任务数据分析，并分别处理获得各批次进出货物对应的进货任务数据和出货任务数据；
根据所述客户出货供求列表对应的各出货供给客户的所述出货任务数据进行聚合，获得客户出货任务包数据；
根据所述货任务数据和出货任务数据分别与预设运输车辆任务分配阈值进行阈值对比，并根据阈值对比结果范围对所述各批次进出货物的进货任务和出货任务进行运输车辆类别对应分配；
根据所述各批次进货物的所述进货需求列表数据和进货任务数据以及所述各批次出货物的所述出货供求列表数据和出货任务数据，并结合对应分配的运输车辆信息进行集合，生成运输车辆调度模型组织树。
需要说明的是，为获得进出货需求相适配的运输车辆类别，以便明确各批次进出货物对应的任务调度车辆的资源需求情况，根据进货需求和出货供求的要素列表分别提取进货需求和出货供求的列表数据，即各批次进出货任务对运输车辆调度需求列表的明细项数据，再根据列表数据进行处理获得各批次进出货物对应的进货任务数据和出货任务数据，该进出货任务数据反映批次进出货物对应的进出货任务的评估数据，其中对客户出货供求列表对应的各出货供给客户的出货任务数据进行聚合为客户出货任务包数据，以便于查看了解各类客户在预设时间段内整体出货需求任务的明细情况，再将进出货任务数据分别与预设的车辆任务分配阈值进行阈值对比，并根据阈值对比结果范围对进出货任务进行运输车辆类别的分配，即根据任务数据与预设阈值对比结果的范围对应分配各进出货任务的车辆或车辆群类型，如针对不同出货物如存储运输要求、货物规格、货物数量、送货地远近匹配出不同类别的运输车辆，本实施例中将运输车辆分为一类箱式调温运输车、二类长途大型装载运输车、三类普通城际运输车、四类加长中远途自卸车，四类运输车辆的对应任务分配阈值范围分别为一类对应(0.83，1]，二类对应(0.62，0.83]，三类对应(0.36，0.62]，四类对应[0，0.36]，如某造船厂客户的出货任务数据的阈值对比结果为0.29，则其匹配的运输车辆为四类车，再根据各批次进出货物对应的列表数据和进出货任务数据结合对应分配的运输车辆信息进行集合生成运输车辆调度模型组织树，该组织树明确了进出货任务的需求与对应车辆资源的任务车辆匹配信息和数据明细；
其中，所述进货任务数据的计算公式为：
；
其中，为进货任务数据，/>为进货物明细数量数据，/>为进货物供货地位置距离数据，/>为进货物属性类别数据，/>为进货物需求紧急度系数，/>、/>、为预设特征系数；
所述进货任务数据的计算公式为：
；
其中，为出货任务数据，/>为出货物明细数量数据，/>为出货物配送地位置距离数据，/>为出货物质保期限数据，/>为出货物供求紧急度系数，/>、/>、为预设特征系数（特征系数通过预设工厂生产调度管理数据库查询获得）。
根据本发明实施例，所述根据所述运输车辆调度模型组织树进行运输车辆进出货任务密度统计，并根据预设时间段内的运输车辆进出货任务密度数据生成运输车辆进出货任务特征画像，具体为：
根据所述运输车辆调度模型组织树提取所述各批次进货物对应的运输车辆任务项第一数据，以及所述各批次出货物对应的运输车辆任务项第二数据；
根据所述运输车辆任务项第一数据与所述进货物供货地位置距离数据、进货物需求紧急度系数结合各进货任务项的运输车辆调度第一数量和运输车辆第一类别系数进行处理，获得所述各批次进货物的运输车辆进货任务密度数据；
根据所述运输车辆任务项第二数据与所述出货物配送地位置距离数据、出货物供求紧急度系数结合各出货任务项的运输车辆调度第二数量和运输车辆第二类别系数进行处理，获得所述各批次出货物的运输车辆出货任务密度数据；
根据所述预设时间段内各批次进出货物的运输车辆进货任务密度数据和运输车辆出货任务密度数据进行全批次进出货任务密度数据聚合，并生成运输车辆进出货任务特征画像。
需要说明的是，为评估预设时间内进出货任务对应的调度运输车辆资源分配情况，通过获得全部批次的进出货物的运输车辆进出货任务频次的密度数据进行聚合，获得反映预设时间段内运输车辆进出货任务特征的特征画像，该画像反映了时间段内各批次进出货任务的任务情况数据以及对应进出货位置距离、进出货需求度、车辆调度数量、车辆类别的调度情况分布，根据运输车辆调度模型组织树提取各批次进货物和出货物分别对应的运输车辆任务项第一数据和第二数据，再分别根据运输车辆任务项第一或第二数据与对应进出货物地位置距离、进出货物紧急度系数、进出货任务项的运输车辆调度数量以及类别系数进行处理，分别获得各批次进出货物的运输车辆进出货任务密度数据，再对时间段内全部批次进出货物的密度数据进行聚合获得任务特征画像，实现运输车辆进出货任务密度统计，反映出各批次进出货任务的车辆资源的调度量变化和各批次进出货车辆派遣密度状况，其中，运输车辆任务项数据是各批次进出货任务中的进出货子项目明细数据，任务项是批次进出货任务中包含的多个子项目，因为一批次进出货中包含很多进出货子项目，如某钢材加工厂进货的钢原材包含钢卷、钢板、钢管等各类不同钢材，各类钢材进货任务的子项目即在不同刚才进货地点通过不同数量的运输车辆进行派遣进货，因此运输车辆进出货任务密度数据就是衡量该批次进出货物的总体进出货物调度车辆的密集度情况；
其中，所述运输车辆进货任务密度数据的计算公式为：
；
其中，为运输车辆进货任务密度数据，/>为运输车辆任务项第一数据，为第i个进货任务项的进货物供货地位置距离数据，/>为进货物需求紧急度系数，为第i个进货任务项的运输车辆调度第一数量，/>为第i个进货任务项的运输车辆第一类别系数，n为进货任务项数量，/>、/>为预设特征系数；
其中，所述运输车辆出货任务密度数据的计算公式为：
；
其中，为运输车辆出货任务密度数据，/>为运输车辆任务项第二数据，/>为第j个出货任务项的出货物配送地位置距离数据，/>为出货物供求紧急度系数，/>为第j个出货任务项的运输车辆调度第二数量，/>为第j个出货任务项的运输车辆第二类别系数，m为出货任务项数量，/>、/>为预设特征系数（特征系数通过预设工厂生产调度管理数据库查询获得）。
根据本发明实施例，所述根据所述运输车辆进出货任务特征画像提取运输车辆进出货任务内容数据，并根据预设运输车辆进出货任务调度模型对所述运输车辆进出货任务内容数据进行处理，获得运输车辆进出货任务响应度数据，具体为：
根据所述运输车辆进出货任务特征画像提取运输车辆进出货任务内容数据；
所述运输车辆进出货任务内容数据包括所述各批次进货物和各批次出货物的各进出货任务项的运输车辆任务项条目数据、运输车辆装卸时长数据、运输车辆任务项行程数据、运输行程路况难度系数以及运输车辆调配数量；
根据所述运输车辆任务项条目数据、运输车辆装卸时长数据、运输车辆任务项行程数据、运输行程路况难度系数以及运输车辆调配数量输入预设运输车辆进出货任务调度模型中处理，获得所述各批次进出货物的运输车辆进出货任务响应度数据。
需要说明的是，由于同一个批次进出货任务中包含多个任务项，如前述的任务项是批次进出货任务中包含的多个子项目，为评估批次进出货任务的任务响应度，以评估批次进出货任务调度车辆的优先级和次序度，根据运输车辆进出货任务特征画像提取运输车辆进出货任务内容数据，即车辆执行批次进出货任务的内容数据，其中包括批次进出货任务中的多个任务项对应的车辆任务项的进出货条目明细、车辆装卸时长、车辆任务项行程、行程路况难度系数以及车辆调配数量的相关数据，再将上述各任务内容数据输入预设运输车辆进出货任务调度模型中处理获得对应批次进出货物的运输车辆进出货任务响应度数据，即反映进出货任务需求的车辆进行调度响应的优先性数据，以识别出各批次进出货任务的车辆调度的优先安排紧要度情况，以实现运输车辆资源调度管理的最优化；
其中，所述运输车辆进出货任务响应度数据的计算公式为：
；
其中，为运输车辆进出货任务响应度数据，/>为第k个进出货任务项的运输车辆任务项条目数据，/>、/>、/>、/>分别为第k个进出货任务项的运输车辆装卸时长数据、运输车辆任务项行程数据、运输行程路况难度系数、运输车辆调配数量，t为批次进出货物的进出货任务项个数，/>为批次进出货物对应的进货物需求紧急度系数或出货物供求紧急度系数，/>、/>、/>为预设特征系数（特征系数通过预设工厂生产调度管理数据库查询获得）。
根据本发明实施例，所述根据所述运输车辆进出货任务响应度数据结合所述各批次进出货物的预设关联系数生成预设时间段内的运输车辆进出货任务指令条，具体为：
获取所述各批次进货物和各批次出货物分别对应的预设任务属类优先级数；
根据所述各批次进出货物的所述运输车辆进出货任务响应度数据结合对应所述任务属类优先级数进行集合处理，获得运输车辆进出货任务调度指数；
将所述运输车辆进出货任务调度指数与对应所述进货需求要素列表和出货供求要素列表分别进行关联，获得所述预设时间段内的运输车辆进出货任务指令条。
需要说明的是，根据各批次进出货物对应的预设任务属性类型的优先级数结合运输车辆进出货任务响应度数据进行集合，获得运输车辆进出货任务调度指数，即将进出货任务的来源属性和任务类型进行考量补偿，使得进出货任务的车辆调度更加精准，即进出货任务的车辆调度需要将生产工艺和排产的优先性或客户的重要性或产品特殊用途等因素加以考量并进行补偿，获得更加精准的车辆调度指数，再将调度指数与对应进出货的对应要素列表进行分别关联，获得预设时间段内的运输车辆进出货任务指令条，该指令条与任务调度指数反映了对车辆进行任务调度派遣的重要性、优先性的映射，可对运输车辆的调度需求的重要性或必要性进行筛除和排序，优化运输车辆资源的利用率。
根据本发明实施例，所述根据所述运输车辆进出货任务指令条生成运输车辆进出货任务调度列表，并对运输车辆进行进出货任务调度，具体为：
根据所述预设时间段内的运输车辆进出货任务调度指数按照预设排序要求对对应所述运输车辆进出货任务指令条进行排序，获得运输车辆进出货任务调度列表；
根据所述运输车辆进出货任务调度列表对运输车辆按照对应批次进出货任务进行调派；
将所述运输车辆进出货任务调度列表对应的运输车辆调派任务生成任务调派指令，并发送给调度运输车辆。
需要说明的是，为实现进出货任务调度运输车辆的响应优先度，根据预设时间段内的运输车辆进出货任务调度指数按照预设排序要求对进出货任务指令条进行排序，获得运输车辆进出货任务调度列表，该调度列表的排序即为运输车辆进出货任务调度优先性的排序，根据该调度列表对运输车辆按照对应批次进出货任务进行调派，并生成任务调派指令发送给对应车辆，实现运输车辆资源的最优调配利用，提高车辆资源管理的精准度。
根据本发明实施例，还包括：
对执行各批次进出货任务的运输车辆进行动态自检，并获取所述运输车辆的任务执行信息和车辆状况信息；
根据所述任务执行信息和车辆状况信息分析获得车辆剩余状态数据；
判断所述车辆剩余状态数据是否满足对应进货需求信息或/和出货供求信息提取的剩余任务需求数据的预设任务需求阈值；
若阈值对比结果不满足预设任务需求阈值的要求，则发出召回指令到所述运输车辆进行召回；
若满足预设任务需求阈值的要求，则不召回所述运输车辆，并进行追踪和状态监测。
需要说明的是，为监测运输车辆的车辆状况，以动态评估运输车辆剩余状况能否顺利执行进出货任务的剩余任务量，通过车辆的任务执行信息和车辆状况信息获得的车辆剩余状态数据，与车辆执行任务所对应的进货需求信息或/和出货供求信息提取的剩余任务需求数据进行阈值对比，通过车辆剩余状态数据与预设任务需求阈值的阈值对比结果是否满足预设阈值要求，判断是否召回该运输车辆，例如某运输车辆A的车辆剩余状态数据低于剩余任务需求数据的预设任务需求阈值的85%的预设要求，则需对该运输车辆A进行召回。
本发明第三方面提供了一种可读存储介质，所述可读存储介质中包括数字工厂的车辆智能监管调度方法程序，所述数字工厂的车辆智能监管调度方法程序被处理器执行时，实现如上述任一项所述的数字工厂的车辆智能监管调度方法的步骤。
本发明公开的一种数字工厂的车辆智能监管调度方法、***和介质，通过采集工厂的进货和出货需求信息并分析生成进货出货要素列表，再分析任务数据获得匹配的运输车辆并生成运输车辆调度模型组织树，再进行运输车辆进出货任务密度数据统计生成运输车辆进出货任务特征画像，并提取进出货任务内容数据输入调度模型处理获得响应度数据，再结合生成各批次进出货物的任务指令条，并生成运输车辆进出货任务调度列表进行车辆进出货任务调度；从而基于大数据和车辆智能匹配调度手段对批次进出货任务进行信息采集和数据处理以获得对车辆的调派，实现根据进出货需求信息与任务数据进行车辆匹配调度并生成列表任务指令条，使车辆按进出货需求和任务情况进行优化调度，提高对工厂车辆调度的精确化控制。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (9)
1.一种数字工厂的车辆智能监管调度方法，其特征在于，包括以下步骤：
采集工厂在预设时间段内的进货需求信息和出货供求信息，并对进货需求信息和出货供求信息分别进行进出货数据条分析生成进货需求要素列表和出货供求要素列表，并合成客户出货供求列表；
根据所述进货需求要素列表以及客户出货供求列表进行进出货任务数据分析，根据进出货任务数据匹配与进出货任务相对应类别的运输车辆，并生成运输车辆调度模型组织树；
根据所述运输车辆调度模型组织树进行运输车辆进出货任务密度统计，并根据预设时间段内的运输车辆进出货任务密度数据生成运输车辆进出货任务特征画像；
根据所述运输车辆进出货任务特征画像提取运输车辆进出货任务内容数据，并根据预设运输车辆进出货任务调度模型对所述运输车辆进出货任务内容数据进行处理，获得运输车辆进出货任务响应度数据；
根据所述运输车辆进出货任务响应度数据结合各批次进出货物的预设关联系数生成预设时间段内的运输车辆进出货任务指令条；
根据所述运输车辆进出货任务指令条生成运输车辆进出货任务调度列表，并对运输车辆进行进出货任务调度；
所述根据所述进货需求要素列表以及客户出货供求列表进行进出货任务数据分析，根据进出货任务数据匹配与进出货任务相对应类别的运输车辆，并生成运输车辆调度模型组织树，包括：
根据所述进货需求要素列表和出货供求要素列表分别提取进货需求列表数据和出货供求列表数据；
所述进货需求列表数据包括各批次进货物的进货物明细数量数据、进货物属性类别数据、进货物供货地位置距离数据以及进货物需求紧急度系数；
所述出货供求列表数据包括各批次出货物的出货物明细数量数据、出货物质保期限数据、出货物配送地位置距离数据以及出货物供求紧急度系数；
根据所述进货需求列表数据和所述出货供求列表数据分别进行进货任务数据分析和出货任务数据分析，并分别处理获得各批次进出货物对应的进货任务数据和出货任务数据；
根据所述客户出货供求列表对应的各出货供给客户的所述出货任务数据进行聚合，获得客户出货任务包数据；
根据所述进货任务数据和出货任务数据分别与预设运输车辆任务分配阈值进行阈值对比，并根据阈值对比结果范围对所述各批次进出货物的进货任务和出货任务进行运输车辆类别对应分配；
根据所述各批次进货物的所述进货需求列表数据和进货任务数据以及所述各批次出货物的所述出货供求列表数据和出货任务数据，并结合对应分配的运输车辆信息进行集合，生成运输车辆调度模型组织树；
其中，所述进货任务数据的计算公式为：
；
其中，为进货任务数据，/>为进货物明细数量数据，/>为进货物供货地位置距离数据，/>为进货物属性类别数据，/>为进货物需求紧急度系数，/>、/>、/>为预设特征系数；
所述出货任务数据的计算公式为：
；
其中，为出货任务数据，/>为出货物明细数量数据，/>为出货物配送地位置距离数据，/>为出货物质保期限数据，/>为出货物供求紧急度系数，/>、/>、/>为预设特征系数。
2.根据权利要求1所述的数字工厂的车辆智能监管调度方法，其特征在于，所述采集工厂在预设时间段内的进货需求信息和出货供求信息，并对进货需求信息和出货供求信息分别进行进出货数据条分析生成进货需求要素列表和出货供求要素列表，并合成客户出货供求列表，包括：
分别采集工厂在预设时间段内的进货需求信息和出货供求信息；
根据所述进货需求信息提取各批次进货物的进货物数量信息、进货物属性类别信息、进货物供货地信息以及进货物需求度信息；
根据所述出货供求信息提取各批次出货物的出货物数量信息、出货物质保存储信息、出货物配送地信息以及出货物供求紧急度信息；
将所述进货需求信息和出货供求信息分别进行数据条分析，分别获得进货需求信息数据条和出货供求信息数据条；
根据所述进货需求信息数据条和出货供求信息数据条分别对应生成进货需求要素列表和出货供求要素列表；
根据各出货供给客户的对应所述出货供求要素列表合成客户出货供求列表。
3.根据权利要求2所述的数字工厂的车辆智能监管调度方法，其特征在于，所述根据所述运输车辆调度模型组织树进行运输车辆进出货任务密度统计，并根据预设时间段内的运输车辆进出货任务密度数据生成运输车辆进出货任务特征画像，包括：
根据所述运输车辆调度模型组织树提取所述各批次进货物对应的运输车辆任务项第一数据，以及所述各批次出货物对应的运输车辆任务项第二数据；
根据所述运输车辆任务项第一数据与所述进货物供货地位置距离数据、进货物需求紧急度系数结合各进货任务项的运输车辆调度第一数量和运输车辆第一类别系数进行处理，获得所述各批次进货物的运输车辆进货任务密度数据；
根据所述运输车辆任务项第二数据与所述出货物配送地位置距离数据、出货物供求紧急度系数结合各出货任务项的运输车辆调度第二数量和运输车辆第二类别系数进行处理，获得所述各批次出货物的运输车辆出货任务密度数据；
根据所述预设时间段内各批次进出货物的运输车辆进货任务密度数据和运输车辆出货任务密度数据进行全批次进出货任务密度数据聚合，并生成运输车辆进出货任务特征画像。
4.根据权利要求3所述的数字工厂的车辆智能监管调度方法，其特征在于，所述根据所述运输车辆进出货任务特征画像提取运输车辆进出货任务内容数据，并根据预设运输车辆进出货任务调度模型对所述运输车辆进出货任务内容数据进行处理，获得运输车辆进出货任务响应度数据，包括：
根据所述运输车辆进出货任务特征画像提取运输车辆进出货任务内容数据；
所述运输车辆进出货任务内容数据包括所述各批次进货物和各批次出货物的各进出货任务项的运输车辆任务项条目数据、运输车辆装卸时长数据、运输车辆任务项行程数据、运输行程路况难度系数以及运输车辆调配数量；
根据所述运输车辆任务项条目数据、运输车辆装卸时长数据、运输车辆任务项行程数据、运输行程路况难度系数以及运输车辆调配数量输入预设运输车辆进出货任务调度模型中处理，获得所述各批次进出货物的运输车辆进出货任务响应度数据。
5.根据权利要求4所述的数字工厂的车辆智能监管调度方法，其特征在于，所述根据所述运输车辆进出货任务响应度数据结合所述各批次进出货物的预设关联系数生成预设时间段内的运输车辆进出货任务指令条，包括：
获取所述各批次进货物和各批次出货物分别对应的预设任务属类优先级数；
根据所述各批次进出货物的所述运输车辆进出货任务响应度数据结合对应所述任务属类优先级数进行集合处理，获得运输车辆进出货任务调度指数；
将所述运输车辆进出货任务调度指数与对应所述进货需求要素列表和出货供求要素列表分别进行关联，获得所述预设时间段内的运输车辆进出货任务指令条。
6.根据权利要求5所述的数字工厂的车辆智能监管调度方法，其特征在于，所述根据所述运输车辆进出货任务指令条生成运输车辆进出货任务调度列表，并对运输车辆进行进出货任务调度，包括：
根据所述预设时间段内的运输车辆进出货任务调度指数按照预设排序要求对对应所述运输车辆进出货任务指令条进行排序，获得运输车辆进出货任务调度列表；
根据所述运输车辆进出货任务调度列表对运输车辆按照对应批次进出货任务进行调派；
将所述运输车辆进出货任务调度列表对应的运输车辆调派任务生成任务调派指令，并发送给调度运输车辆。
7.一种数字工厂的车辆智能监管调度***，其特征在于，该***包括：存储器及处理器，所述存储器中包括数字工厂的车辆智能监管调度方法的程序，所述数字工厂的车辆智能监管调度方法的程序被所述处理器执行时实现以下步骤：
采集工厂在预设时间段内的进货需求信息和出货供求信息，并对进货需求信息和出货供求信息分别进行进出货数据条分析生成进货需求要素列表和出货供求要素列表，并合成客户出货供求列表；
根据所述进货需求要素列表以及客户出货供求列表进行进出货任务数据分析，根据进出货任务数据匹配与进出货任务相对应类别的运输车辆，并生成运输车辆调度模型组织树；
根据所述运输车辆调度模型组织树进行运输车辆进出货任务密度统计，并根据预设时间段内的运输车辆进出货任务密度数据生成运输车辆进出货任务特征画像；
根据所述运输车辆进出货任务特征画像提取运输车辆进出货任务内容数据，并根据预设运输车辆进出货任务调度模型对所述运输车辆进出货任务内容数据进行处理，获得运输车辆进出货任务响应度数据；
根据所述运输车辆进出货任务响应度数据结合各批次进出货物的预设关联系数生成预设时间段内的运输车辆进出货任务指令条；
根据所述运输车辆进出货任务指令条生成运输车辆进出货任务调度列表，并对运输车辆进行进出货任务调度；
所述根据所述进货需求要素列表以及客户出货供求列表进行进出货任务数据分析，根据进出货任务数据匹配与进出货任务相对应类别的运输车辆，并生成运输车辆调度模型组织树，包括：
根据所述进货需求要素列表和出货供求要素列表分别提取进货需求列表数据和出货供求列表数据；
所述进货需求列表数据包括各批次进货物的进货物明细数量数据、进货物属性类别数据、进货物供货地位置距离数据以及进货物需求紧急度系数；
所述出货供求列表数据包括各批次出货物的出货物明细数量数据、出货物质保期限数据、出货物配送地位置距离数据以及出货物供求紧急度系数；
根据所述进货需求列表数据和所述出货供求列表数据分别进行进货任务数据分析和出货任务数据分析，并分别处理获得各批次进出货物对应的进货任务数据和出货任务数据；
根据所述客户出货供求列表对应的各出货供给客户的所述出货任务数据进行聚合，获得客户出货任务包数据；
根据所述进货任务数据和出货任务数据分别与预设运输车辆任务分配阈值进行阈值对比，并根据阈值对比结果范围对所述各批次进出货物的进货任务和出货任务进行运输车辆类别对应分配；
根据所述各批次进货物的所述进货需求列表数据和进货任务数据以及所述各批次出货物的所述出货供求列表数据和出货任务数据，并结合对应分配的运输车辆信息进行集合，生成运输车辆调度模型组织树；
其中，所述进货任务数据的计算公式为：
；
其中，为进货任务数据，/>为进货物明细数量数据，/>为进货物供货地位置距离数据，/>为进货物属性类别数据，/>为进货物需求紧急度系数，/>、/>、/>为预设特征系数；
所述出货任务数据的计算公式为：
；
其中，为出货任务数据，/>为出货物明细数量数据，/>为出货物配送地位置距离数据，/>为出货物质保期限数据，/>为出货物供求紧急度系数，/>、/>、/>为预设特征系数。
8.根据权利要求7所述的数字工厂的车辆智能监管调度***，其特征在于，所述采集工厂在预设时间段内的进货需求信息和出货供求信息，并对进货需求信息和出货供求信息分别进行进出货数据条分析生成进货需求要素列表和出货供求要素列表，并合成客户出货供求列表，包括：
分别采集工厂在预设时间段内的进货需求信息和出货供求信息；
根据所述进货需求信息提取各批次进货物的进货物数量信息、进货物属性类别信息、进货物供货地信息以及进货物需求度信息；
根据所述出货供求信息提取各批次出货物的出货物数量信息、出货物质保存储信息、出货物配送地信息以及出货物供求紧急度信息；
将所述进货需求信息和出货供求信息分别进行数据条分析，分别获得进货需求信息数据条和出货供求信息数据条；
根据所述进货需求信息数据条和出货供求信息数据条分别对应生成进货需求要素列表和出货供求要素列表；
根据各出货供给客户的对应所述出货供求要素列表合成客户出货供求列表。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括数字工厂的车辆智能监管调度方法程序，所述数字工厂的车辆智能监管调度方法程序被处理器执行时，实现如权利要求1至6中任一项所述的数字工厂的车辆智能监管调度方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310716947.1A CN116452095B (zh) | 2023-06-16 | 2023-06-16 | 一种数字工厂的车辆智能监管调度方法、***和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310716947.1A CN116452095B (zh) | 2023-06-16 | 2023-06-16 | 一种数字工厂的车辆智能监管调度方法、***和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116452095A CN116452095A (zh) | 2023-07-18 |
| CN116452095B true CN116452095B (zh) | 2023-09-19 |
Family
ID=87135984
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310716947.1A Active CN116452095B (zh) | 2023-06-16 | 2023-06-16 | 一种数字工厂的车辆智能监管调度方法、***和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116452095B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117391403B (zh) * | 2023-12-11 | 2024-04-05 | 滨州邦维信息科技有限公司 | 油气产品运输车辆装货场景下在途调度方法、装置及设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113212417A (zh) * | 2021-04-01 | 2021-08-06 | 联合汽车电子有限公司 | 输出扭矩的计算方法及模块、等效油耗的计算方法及*** |
| CN113449895A (zh) * | 2020-03-25 | 2021-09-28 | 北京沃东天骏信息技术有限公司 | 车辆调度方法和装置 |
| CN114723248A (zh) * | 2022-03-23 | 2022-07-08 | 厦门荆艺软件股份有限公司 | 一种智能调度配送方法 |
| CN115860366A (zh) * | 2022-11-17 | 2023-03-28 | 桂林电子科技大学 | 一种社区机器人智慧协调管控方法、***和可读存储介质 |
| CN115907374A (zh) * | 2022-11-21 | 2023-04-04 | 上海东普信息科技有限公司 | 分拨中心车辆智能调度方法、装置、设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7385529B2 (en) * | 2004-06-14 | 2008-06-10 | Fittipaldi Logistics, Inc. | Dynamic and predictive information system and method for shipping assets and transport |
-
2023
- 2023-06-16 CN CN202310716947.1A patent/CN116452095B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113449895A (zh) * | 2020-03-25 | 2021-09-28 | 北京沃东天骏信息技术有限公司 | 车辆调度方法和装置 |
| CN113212417A (zh) * | 2021-04-01 | 2021-08-06 | 联合汽车电子有限公司 | 输出扭矩的计算方法及模块、等效油耗的计算方法及*** |
| CN114723248A (zh) * | 2022-03-23 | 2022-07-08 | 厦门荆艺软件股份有限公司 | 一种智能调度配送方法 |
| CN115860366A (zh) * | 2022-11-17 | 2023-03-28 | 桂林电子科技大学 | 一种社区机器人智慧协调管控方法、***和可读存储介质 |
| CN115907374A (zh) * | 2022-11-21 | 2023-04-04 | 上海东普信息科技有限公司 | 分拨中心车辆智能调度方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116452095A (zh) | 2023-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8560461B1 (en) | Shipment splitting analyzer | |
| Wang et al. | An RFID-based digital warehouse management system in the tobacco industry: a case study | |
| CN111222827A (zh) | 货位管理方法、装置、存储介质及电子设备 | |
| US20060004624A1 (en) | Forecast and replenishment analytics | |
| CN116452095B (zh) | 一种数字工厂的车辆智能监管调度方法、***和介质 | |
| AU2020264282A1 (en) | Systems and methods for optimization of a product inventory by intelligent adjustment of inbound purchase orders | |
| CN112036667A (zh) | 仓库货位优化方法、设备、存储介质及装置 | |
| CN110705805A (zh) | 货物的装配方法及装置、存储介质、电子装置 | |
| CN115239223A (zh) | 分拨中心任务调度方法、装置、设备及存储介质 | |
| Özcan et al. | 3PL service provider selection with a goal programming model supported with multicriteria decision making approaches | |
| CN111652408A (zh) | 仓库中的订单处理方法、装置、介质、电子设备与*** | |
| CN114462946A (zh) | 一种基于fba订单进销存头程运费管理***及方法 | |
| CN113935528A (zh) | 智能调度方法、装置、计算机设备及存储介质 | |
| Rajabzadeh et al. | Allocation of products to a heterogeneous fleet of trucks in a cross-docking center based on carbon emissions and costs in food and beverage industry: Novel uncertain solution approaches | |
| CN112132343B (zh) | 一种商品采购预测方法及***、可读存储介质 | |
| CN114444751A (zh) | 物资需求预测方法、装置、计算机设备以及存储介质 | |
| CN112365036A (zh) | 物流客户流失预警方法、装置、设备和存储介质 | |
| CN115345544A (zh) | 基于优先级的物流分拣方法、装置、设备及存储介质 | |
| CN115545617A (zh) | Erp电商订单库存管理方法、装置、设备及可读存储介质 | |
| CN114580994A (zh) | 一种物流配送运费自动化测算方法及*** | |
| CN111667208B (zh) | 一种物品存储控制方法、装置、设备及介质 | |
| Fatemi Ghomi et al. | Cross dock scheduling under multi-period condition | |
| CN113191709A (zh) | 物流状态批量更新方法、装置、设备及存储介质 | |
| CN110717719A (zh) | 基于大数据平台的货物配装方法及*** | |
| CN112766644B (zh) | 基于SaaS自动化平台的调度方法、装置、设备及存储介质 |
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 |