CN117408595B - 一种基于区块链的多式联运全程质控方法及*** - Google Patents
一种基于区块链的多式联运全程质控方法及*** Download PDFInfo
- Publication number
- CN117408595B CN117408595B CN202311690601.5A CN202311690601A CN117408595B CN 117408595 B CN117408595 B CN 117408595B CN 202311690601 A CN202311690601 A CN 202311690601A CN 117408595 B CN117408595 B CN 117408595B
- Authority
- CN
- China
- Prior art keywords
- goods
- data
- state data
- quality control
- state
- 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
- 238000003908 quality control method Methods 0.000 title claims abstract description 160
- 230000002159 abnormal effect Effects 0.000 claims abstract description 119
- 238000000034 method Methods 0.000 claims abstract description 59
- 238000012544 monitoring process Methods 0.000 claims abstract description 52
- 230000008569 process Effects 0.000 claims abstract description 25
- 238000006243 chemical reaction Methods 0.000 claims abstract description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 46
- 238000007689 inspection Methods 0.000 claims description 35
- 230000006870 function Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 23
- 238000004140 cleaning Methods 0.000 claims description 20
- 230000005856 abnormality Effects 0.000 claims description 19
- 238000005516 engineering process Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000006854 communication Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 15
- 230000007547 defect Effects 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000006866 deterioration Effects 0.000 claims description 11
- 238000013500 data storage Methods 0.000 claims description 10
- 230000000391 smoking effect Effects 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 10
- 230000035807 sensation Effects 0.000 claims description 9
- 238000007726 management method Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 6
- 229910052760 oxygen Inorganic materials 0.000 claims description 6
- 239000001301 oxygen Substances 0.000 claims description 6
- 230000006378 damage Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 5
- 238000002791 soaking Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 14
- 235000013372 meat Nutrition 0.000 description 13
- 238000001514 detection method Methods 0.000 description 11
- 238000005259 measurement Methods 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 206010021143 Hypoxia Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000013622 meat product Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000013068 supply chain management Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/40—Transportation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及多式联运全程质控技术领域,提供了一种基于区块链的多式联运全程质控方法,包括:S1:在货物发运前、货物运输途中、货物到达目的地入仓前、货物入仓存储后采用物联网货物检验设备采集货物的状态数据;S2:对状态数据进行包括数据清洗、数据格式转换在内的操作;S3:按照预设判断规则对状态数据进行判断,判断与状态数据对应货物是否处于异常状态,并对异常状态进行预警或告警,同时将状态数据实时推送至区块链上进行存储。利用区块链对数据无法纂改性以及可追溯性的特点,结合物联网设备对货物在多式联运运输过程中的运前、运中、运后的全程质控状态监控,对货物质控状态进行实时上链,确保货物状态的真实性,达到货物全程质量监控。
Description
技术领域
本发明涉及多式联运全程质控的技术领域,尤其涉及一种基于区块链的多式联运全程质控方法及***。
背景技术
多式联运是一种综合运输方式,通过整合不同的运输方式,以提高效率和降低成本。这种模式通常涉及到陆地、海洋、空中和铁路等多种运输方式的组合。通过合理规划和协调不同的运输环节,可以更灵活、高效地运输货物。比如,将海运、铁路、公路和空运相结合,充分利用各种运输工具的优势,可以在全球范围内实现快速、经济高效的货物运输。这对于供应链管理和国际贸易来说都是非常重要的。多式联运的优势包括降低物流成本、缩短运输时间、提高运输的可靠性和灵活性。同时,它还有助于减少环境影响,通过选择更环保的运输方式来实现可持续发展目标。在实际操作中,多式联运需要协调各种运输方式之间的转换和连接,需要先进的信息技术来实现实时跟踪和管理。这种综合运输模式在现代物流中扮演着重要的角色。
对于粮食、医药品、生鲜、大宗商品等对于货物质量要求严格,且容易在运输过程中发生变质的商品,在传统的多式联运运输过程中,各环节只管货物的运输,不会对货物质量及货物状态进行监管,也无法对在途运输过程中的货物情况进行实时了解。基于以上情况总结出以下核心问题:
(1)货物在多式联运的运前、运中以及运后,缺少货物质控手段,导致货物货损严重。
(2)货物在运输前未做质量检测,运输途中不能进行质量检测,并且运输过程中还涉及到多种运输方式的转运,货物质量无法保障。
(3)货物在抵达目的地后,进入仓库堆存,仓库未对货物入库做质量确认,无法得知该批货物的质量是否因运输过程而导致损坏、变质。
发明内容
针对上述问题,本发明的目的在于提供一种基于区块链的多式联运全程质控方法及***,利用区块链对数据无法纂改性以及数据的可追溯性的特点,结合物联网设备对货物在多式联运运输过程中的运前、运中以及运后的全程质控状态监控,对货物质控状态进行实时上链,确保货物状态的真实性,达到货物的全程质量监控。
本发明的上述发明目的是通过以下技术方案得以实现的:
一种基于区块链的多式联运全程质控方法,包括以下步骤:
S1:分别在货物发运前、货物运输途中、货物到达目的地入仓前、货物入仓存储后采用物联网货物检验设备采集货物的状态数据;
S2:对所述状态数据进行包括数据清洗、数据格式转换在内的操作,其中,所述数据清洗为对所述状态数据是否重复,数据项是否丢失进行判断,所述数据格式转换为将所述状态数据转换为适合数据存储的数据格式;
S3:按照预设判断规则对所述状态数据进行判断,判断与所述状态数据对应货物是否处于异常状态,并对所述异常状态进行预警或告警,同时将所述状态数据实时推送至区块链上进行存储。
进一步地,在步骤S1中,分别在货物发运前、货物运输途中、货物到达目的地入仓前、货物入仓存储后采用物联网货物检验设备采集货物的所述状态数据,具体为:
在货物发运前,采用测量仪作为所述物联网货物检验设备采集货物的包括色泽、温度、长宽高、是否破损在内的所述状态数据;
在货物运输途中,采用包括温控仪、水位仪和光感仪在内的所述物联网货物检验设备采集货物实时的所述状态数据,其中,所述温控仪用于判断货物温度是否异常,是否会存在变质风险,所述水位仪用于判断货物是否存在泡水风险,所述光感仪用于判断货物在途运输过程中,是否存在开箱情况,可能导致集装箱存在包括破损以及集装箱内漏光在内的风险;
在货物到达目的地入仓前,采用所述测量仪作为所述物联网货物检验设备采集货物的包括色泽、温度、长宽高、是否破损在内的所述状态数据;
在货物入仓存储后,采用包括所述温控仪、所述水位仪、氧气仪和AI视频监控设备在内的所述物联网货物检验设备对货物进行在库监管,采集在库期间实时的所述状态数据,其中,所述温控仪用于对在库堆存货物进行温度检测,判断温度是否达标,是否存在异常情况,所述水位仪用于判断在库堆存货物是否存在泡水异常,所述氧气仪用于判断货物环境是否存在缺氧状态,是否会导致货物变质异常,所述AI视频监控设备用于对在库货物进行实时查看,实时监控仓库内存在的包括异常人员进入、异常车辆进入、货物搬运抓拍、库内吸烟抓拍在内的异常情况。
进一步地,在步骤S2中,对所述状态数据进行包括所述数据清洗、所述数据格式转换在内的操作,具体为:
在所述数据清洗中,针对包括色泽、温度、长宽高在内的所述状态数据通过Z-score方法对所述状态数据进行校验判定,当判断所述状态数据为离群值,丢弃离群的所述状态数据,其中通过Z-score方法对所述状态数据进行校验判定,具体通过以下公式:
其中,Z为当前所述状态数据的与平均值的偏离程度,X为当前所述状态数据,μ为所述状态数据的平均值,σ为所述状态数据的标准差,当Z大于预设偏离程度时,所述状态数据为离群值;
在所述数据清洗中,针对采集到的所述状态数据中出现的缺失情况,根据所述状态数据的特点采用不同的数据处理方法进行缺失值处理,当所述状态数据为色泽、温度、长宽高时,采用平均值填充对缺失值进行处理,当所述状态数据为是否破损数据时,采用热卡填充算法进行处理,其中所述平均值填充为对缺失的所述状态数据采用平均值进行填充,所述热卡填充算法为在完整的所述状态数据集合中找到一个与缺失值所在对象相似的对象,利用这个相似对象对应的所述状态数据进行填充;
在所述数据格式转换中,按照预设的数据存储格式对所述状态数据进行数据格式转换,并在所述状态数据中采用统一的命名和编码规则,对所述状态数据是否符合预期的格式和规范进行验证。
进一步地,在步骤S3中,按照所述预设判断规则对所述状态数据进行判断,判断与所述状态数据对应货物是否处于异常状态,具体为:
管理人员预先设置包括质控规则、温湿度规则、光感预警规则、水位规则和异常监控规则在内的所述预设判断规则,同时所述预设判断规则根据货物情况进行动态调整;
其中,所述质控规则为预先设置货物的色泽等级、长宽高对应的等级、以及是否破损、是否泡水、是否变质的标准,在对货物进行检验时,根据所述质控规则测量货物是否破损、是否泡水以及是否变质,根据货物的色泽情况判定货物对应的品质等级,根据货物的长宽高判断货物的价格等级;
所述温湿度规则为预先设置货物堆存的温度及湿度要求,在对货物进行检验时,测量货物堆存环境是否满足设置的温度及湿度;
所述光感预警规则为对货物是否能见光进行预先设置,在对货物进行检验时将货物的见光状态配合所述温湿度规则检验货物环境是否满足;
所述水位规则为预先设置货物堆存时是否允许泡水以及允许的水位高度,在对货物进行检验时,根据测量货物运输环境、堆存环境判断货物是否满足预设的水位高度;
所述异常监控规则为预先设置的包括异常人员进入、异常车辆进入、货物搬运、库内吸烟在内的异常情况,在货物堆存期间对货物进行实时监控,判断堆存环境中是否存在包括位于黑名单中的人员及车辆进入,堆存环境中是否存在人员吸烟、堆存环境是否存在失火,是否存在货物搬运在内的异常。
进一步地,在步骤S3中,对所述异常状态进行预警或告警,具体为:
使用Flink流处理引擎对实时产生的所述状态数据中的所述异常状态进行预警或告警,具体为:
将采集到的所述状态数据接入所述Flink流处理引擎,利用Flink提供的包括DataStream API和Table API在内的API接口对所述状态数据采用所述预设判断规则进行实时的是否处于所述异常状态的判断,当检测到所述异常状态时,触发语预警或告警机制,对异常状态的预警或告警进行通知;
采用包括短信方式、在全程质控平台和质控监管***展示在内的方式对所述异常状态的预警或告警进行通知;
所述短信方式包括以下步骤:
选择并集成包括阿里云短信、腾讯云短信、网建通***、容联云通讯、漫道科技、云片网、创蓝253在内的任意一家短信服务提供商,以便在触发所述异常常态时通过短信发送预警信息;
获取并设置接收短信的手机号码,所述手机号码包括发货方、货主及仓库监管方在内的人员的所述手机号码;
当检测到货物处于所述异常状态时,触发对应的预警告警事件,生成包括异常信息、时间戳在内的关键信息的短信内容;
采用所述短信服务提供商提供的API调用接口发送短信;
在全程质控平台和质控监管***展示方式,具体为:
在全程质控平台和质控监管***上设置包括折线图、柱状图在内的可视化异常图表,来展示所述异常状态的趋势和变化;
提供所述异常状态的实时日志和事件的查看功能,以便用户追踪发生过的所述异常事件;
提供包括异常类型、发生时间、发生地址在内的所述异常状态详细的异常信息;
提供所述异常状态的历史记录和分析功能,帮助用户了解所述异常状态发生趋势;
在异常展示界面上提供搜索和管理的功能,使用户迅速找到特定时间段或特定条件下的异常事件;
根据用户的角色和权限,限制对所述异常状态的查看和操作。
进一步地,在步骤S3中,将所述状态数据实时推送至区块链上进行存储,具体为:
在所述区块链上开发智能合约,所述智能合约用于定义所述状态数据的数据结构和存储逻辑,并定义所述智能合约的写入函数,所述写入函数用于接收实时推送的所述状态数据;
在所述状态数据推送前,对所述状态数据进行哈希处理,生成与当前所述状态数据对应的唯一的哈希值,所述哈希值作为所述状态数据的唯一标识存储在所述区块链上;
采用包括WebSockets在内的通信协议实时将所述状态数据通过所述写入函数推送到所述智能合约,并采用包括哈希函数、非对称加密、对称加密在内的方式对所述状态数据进行加密;
定义所述智能合约的查询接口,所述查询接口用于对所述状态数据进行查询,以便在货物交割时对货物进行质控验证。
进一步地,当采购商对货物进行采购下单后,对货物分拣出库并进行交割,交割时,为货权方提供质控报告及质控记录,同时所述货权方通过所述区块链查询货物质控情况进行验真,具体为:
生成所述质控报告,具体为:
从所述区块链上获取货物发运前、货物运输途中、货物到达目的地入仓前、货物入仓存储后的所述状态数据;
依据所述预设判断规则对所述状态数据进行数据分析,对所述状态数据的状态情况进行判断;
通过大数据技术的数据建模技术以及历史的所述状态数据自动生成质控报告模板,质控管理员对已生成的所述质控报告模板进行调整,并将最终的所述质控报告模板进行发布;
所述质控报告模板发布后,当货物抵达目的地,将货物全程质控所产生的所述状态数据根据所述预设判断规则、全程的所述状态数据以及所述异常状态在内的信息进行比对,并将分析结果填充入所述质控报告模板中,形成所述质控报告;
生成所述质控记录,具体为:
从所述区块链上获取货物发运前、货物运输途中、货物到达目的地入仓前、货物入仓存储后的所述状态数据,以及所述状态数据对应的时间戳信息,生成完整的全程的数据质控记录;
通过所述区块链查询货物质控情况进行验真,具体为:
所述货权方利用所述区块链的所述智能合约的所述查询接口拉取存储于所述智能合约上的所述状态数据,对所述质控报告和所述质控记录通过运输轨迹数据与区块链智能合约内查询到的所述状态信息进行包括比对时间、地点、运输方式在内的对质控记录的验真。
本发明还提供了一种用于执行如上述的基于区块链的多式联运全程质控方法的基于区块链的多式联运全程质控***,包括:
基础设施层,用于设置包括云主机、物联网货物检验设备在内的硬件支撑设备,设置包括区块链、人工智能、大数据在内技术;
数据层,用于对状态数据进行包括数据采集、数据清洗、数据格式转换在内的数据处理;
业务层,用于依据管理员预先设置的包括质控规则、温湿度规则、光感预警规则、水位规则和异常监控规则在内的预设判断规则对所述状态数据进行计算判断;
展现层,用于基于采集到的所述状态数据,以及在所述业务层的计算数据,建立全程质控平台和质控监管平台,其中所述全程质控平台用于提供给货主方使用,帮助所述货主方实时了解自己货物的质检情况、异常报警信息、货物堆存监控视频画面,以及设置货物相应的温湿度阈值,所述质控监管平台提供给平台管理人员和作业人员使用,通过所述质控监管***了解异常报警问题,并通过所述质控监管***上传质检结果、库存对账结果;
使用端层,用于为用户提供多个终端来访问所述展现层,所述终端包括WEB浏览器、手机APP、微信小程序和微信公众号。
一种计算机设备,包括存储器和一个或多个处理器,所述存储器中存储有计算机代码,所述计算机代码被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如上述的方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机代码,当所述计算机代码被执行时,如上述的方法被执行。
与现有技术相比,本发明包括以下至少一种有益效果是:
(1)通过提供一种基于区块链的多式联运全程质控方法,包括:S1:分别在货物发运前、货物运输途中、货物到达目的地入仓前、货物入仓存储后采用物联网货物检验设备采集货物的状态数据;S2:对所述状态数据进行包括数据清洗、数据格式转换在内的操作,其中,所述数据清洗为对所述状态数据是否重复,数据项是否丢失进行判断,所述数据格式转换为将所述状态数据转换为适合数据存储的数据格式;S3:按照预设判断规则对所述状态数据进行判断,判断与所述状态数据对应货物是否处于异常状态,并对所述异常状态进行预警或告警,同时将所述状态数据实时推送至区块链上进行存储。上述技术方案,通过对多种物联网货物检验设备的集成和整合,在通过区块链完成数据的追溯及验真,对货物状态进行全程监控,当环境出现变化时,设备将异常状态进行记录,并且发出警告提醒相关人员进行检查,确保货物全程质控。
(2)在货物做货权转移时,采购的货权方,可通过区块链平台查询货物全程动态,为货物全程质控提供追溯、验真,数据真实可靠,防纂改。
(3)货物在发运前,增加质检,确保货物从源头的达标性;货物在入仓堆存前,增加质检,检查货物在运输中是否遭到货损。
(4)基于货物的全程质控,能够针对货物出具质控报告及质控记录。
附图说明
图1为本发明基于区块链的多式联运全程质控方法的整体流程图;
图2为本发明货物运输转运流程图;
图3为本发明基于区块链的多式联运全程质控方法的整体结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域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,都属于本申请保护的范围。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
本发明利用区块链的数据不可纂改以及数据可追溯特点,通过区块链数据上链,数据加密等技术,结合物联网的万物互联的特性,通过物联网设备的传感器对货物状态进行数据采集,再利用物联网的可联网性将数据传输至平台,平台根据不同种类设备的监控项对货物状态进行监控、计算,再将计算结果和货物动态,推送至区块链平台进行数据上链。通过区块链技术和物联网技术的结合,解决传统多式联运运输过程中运前、运中、运后对货物质量进行管控,从而减少货物在途过程中的货损,并且对货物入仓、在仓堆存进行质量管控,对货物状态进行实时监管,减小货损风险。
第一实施例
如图1所示,本实施例提供了一种基于区块链的多式联运全程质控方法,其特征在于,包括以下步骤:
S1:分别在货物发运前、货物运输途中、货物到达目的地入仓前、货物入仓存储后采用物联网货物检验设备采集货物的状态数据。
在基于区块链的多式联运过程中,需要对货物进行全程的质检,主要流程为:货物在发运前对货物进行货物检验;货物在运输途中,对货物进行货物监控;货物在到达目的地后在入仓前,对货物进行抽查检测;货物在入仓后,对货物堆存期间进行货物实时监控。以下对全程质量的每一个环节进行详细具体说明:
(1)货物发运前
采用测量仪作为所述物联网货物检验设备采集货物的包括色泽、温度、长宽高、是否破损在内的所述状态数据。
依据状态数据自动检验货物是否达到标准,并将结果进行数据上传,对通过的货物进行装箱发运,对未通过的货物进行退回。
其中,依据状态数据自动检验货物是否达到标准,具体为:根据色泽判断货物品质等级;根据温度判断货物是否存在变质的可能性;根据长宽高判断货物的价格区间;根据是否破损判断货物是否符合接收标准。测量结束后,将测量结果上传至区块链平台进行数据上链。
如:冻肉,会根据冻肉的色泽判断肉的品质等级,鲜红色是A级、暗红色是B级、暗灰色是C级;根据温度判断冻肉的存在变质可能性,如果是-10°到0°属于正常,1°到15°存在变质风险,16°到25°变质不可要。
(2)货物运输途中
采用包括温控仪、水位仪和光感仪在内的所述物联网货物检验设备采集货物实时的所述状态数据,其中,所述温控仪用于判断货物温度是否异常,是否会存在变质风险,所述水位仪用于判断货物是否存在泡水风险,所述光感仪用于判断货物在途运输过程中,是否存在开箱情况,可能导致集装箱存在包括破损以及集装箱内漏光在内的风险。
对货物在途运输中的货物状态进行实时监控,对异常情况进行报警,提醒运输人员及货物及时对在途货物进行查看,并将监测结果实时上传至区块链平台进行数据上链;当环境状态改变时,对异常状态进行记录更新,并发送报警指令给用户及运输单位进行提醒。如:当冻肉在途运输过程中,可根据温控仪可判断当时冻肉环境温度是否正常,是否温度持续保持在-10°到0°;可根据水位仪可判断冻肉是否泡水;可根据光感仪可判断冻肉所处的环境是否存在漏风破损等情况。
(3)货物到达目的地入仓前
与货物运前一直,采用所述测量仪作为所述物联网货物检验设备采集货物的包括色泽、温度、长宽高、是否破损在内的所述状态数据。判断货物是否符合标准,是否存在运输过程中出现货损,并将测量结果反馈至区块链平台。
(4)货物入仓存储后
采用包括所述温控仪、所述水位仪、氧气仪和AI视频监控设备在内的所述物联网货物检验设备对货物进行在库监管,采集在库期间实时的所述状态数据,其中,所述温控仪用于对在库堆存货物进行温度检测,判断温度是否达标,是否存在异常情况,所述水位仪用于判断在库堆存货物是否存在泡水异常,所述氧气仪用于判断货物环境是否存在缺氧状态,是否会导致货物变质异常,所述AI视频监控设备用于对在库货物进行实时查看,实时监控仓库内存在的包括异常人员进入、异常车辆进入、货物搬运抓拍、库内吸烟抓拍在内的异常情况。对异常状态进行记录更新存储,并发送报警指令给用户及仓管人员,对实时视频数据进行分部署存储至数据中心,并对实时数据进行数据上链。
其中,AI视频监控设备对在库货物的实时监控,通过AI算法来实现,具体包括:
(1)目标检测与跟踪:使用目标检测算法,如YOLO(You Only Look Once)或SSD(Single Shot Multibox Detector),来识别AI视频中的目标对象,如人、车辆等。目标跟踪算法确保在视频帧之间跟踪目标的移动。
(2)关键帧提取:从AI视频流中提取关键帧,即包含感兴趣对象的重要帧。关键帧通常用于减少处理的计算量,提高算法的效率。
(3)抓拍条件判断:利用深度学习模型或规则引擎判断何时进行抓拍。这可能涉及到对目标的特定动作、位置或其他属性进行判断。
(4)抓拍图像生成:在确定进行抓拍的条件后,从视频中选择相应的帧并生成高质量的抓拍图像。这可能涉及到图像增强、降噪等技术,以提高图像质量。
(5)人脸识别和特征提取:如果抓拍的对象是人脸,可以使用人脸识别算法进行身份验证。这可能包括特征提取和比对,以确保准确性。
(6)误检和漏检处理: 在实际应用中,可能会出现误检(错误地将非目标对象标识为目标)或漏检(未能检测到实际目标)的情况。算法需要具备一定的鲁棒性,且可能需要调整参数以减少误检率和漏检率。
S2:对所述状态数据进行包括数据清洗、数据格式转换在内的操作,其中,所述数据清洗为对所述状态数据是否重复,数据项是否丢失进行判断,所述数据格式转换为将所述状态数据转换为适合数据存储的数据格式。
具体的,在步骤S2中,对所述状态数据进行包括所述数据清洗、所述数据格式转换在内的操作,具体为:
(1)在所述数据清洗中,针对包括色泽、温度、长宽高在内的所述状态数据通过Z-score方法对所述状态数据进行校验判定,当判断所述状态数据为离群值,丢弃离群的所述状态数据,其中通过Z-score方法对所述状态数据进行校验判定,具体通过以下公式:其中,Z为当前所述状态数据的与平均值的偏离程度,X为当前所述状态数据,μ为所述状态数据的平均值,σ为所述状态数据的标准差,当Z大于预设偏离程度时,所述状态数据为离群值。
Z-score方法是一种广泛用于识别离群值(Outliers)的方法。通过设定阈值,超过阈值的数据点可以被认为是异常值。这有助于及时发现可能存在问题的数据,从而进行进一步的调查和处理。Z-score通过将数据点与平均值的偏离程度表示为标准差的倍数,实现了对统计量的标准化。这使得不同尺度和范围的数据可以进行比较,从而更容易识别那些在相对尺度上表现异常的数据。 Z-score提供了直观的度量,表示数据点与平均值之间的偏离程度。这种可解释性使得在业务上能够更容易理解和解释哪些数据点被认为是异常的原因。在对状态数据进行异常检测时,Z-score方法可以作为一种快速而直观的工具,特别适用于需要实时监测数据质量和及时发现异常的场景。
(2)在所述数据清洗中,针对采集到的所述状态数据中出现的缺失情况,根据所述状态数据的特点采用不同的数据处理方法进行缺失值处理,当所述状态数据为色泽、温度、长宽高时,采用平均值填充对缺失值进行处理,当所述状态数据为是否破损数据时,采用热卡填充算法进行处理,其中所述平均值填充为对缺失的所述状态数据采用平均值进行填充,所述热卡填充算法为在完整的所述状态数据集合中找到一个与缺失值所在对象相似的对象,利用这个相似对象对应的所述状态数据进行填充。
(3)在所述数据格式转换中,按照预设的数据存储格式对所述状态数据进行数据格式转换,并在所述状态数据中采用统一的命名和编码规则,对所述状态数据是否符合预期的格式和规范进行验证。
S3:按照预设判断规则对所述状态数据进行判断,判断与所述状态数据对应货物是否处于异常状态,并对所述异常状态进行预警或告警,同时将所述状态数据实时推送至区块链上进行存储。
具体的,在步骤S3中,按照所述预设判断规则对所述状态数据进行判断,判断与所述状态数据对应货物是否处于异常状态,具体为:
管理人员预先设置包括质控规则、温湿度规则、光感预警规则、水位规则和异常监控规则在内的所述预设判断规则,同时所述预设判断规则根据货物情况进行动态调整;
其中,所述质控规则为预先设置货物的色泽等级、长宽高对应的等级、以及是否破损、是否泡水、是否变质的标准,在对货物进行检验时,根据所述质控规则测量货物是否破损、是否泡水以及是否变质,根据货物的色泽情况判定货物对应的品质等级,根据货物的长宽高判断货物的价格等级;
所述温湿度规则为预先设置货物堆存的温度及湿度要求,在对货物进行检验时,测量货物堆存环境是否满足设置的温度及湿度;
所述光感预警规则为对货物是否能见光进行预先设置,在对货物进行检验时将货物的见光状态配合所述温湿度规则检验货物环境是否满足;
所述水位规则为预先设置货物堆存时是否允许泡水以及允许的水位高度,在对货物进行检验时,根据测量货物运输环境、堆存环境判断货物是否满足预设的水位高度;
所述异常监控规则为预先设置的包括异常人员进入、异常车辆进入、货物搬运、库内吸烟在内的异常情况,在货物堆存期间对货物进行实时监控,判断堆存环境中是否存在包括位于黑名单中的人员及车辆进入,堆存环境中是否存在人员吸烟、堆存环境是否存在失火,是否存在货物搬运在内的异常。
具体的,在步骤S3中,对所述异常状态进行预警或告警,具体为:
使用Flink流处理引擎对实时产生的所述状态数据中的所述异常状态进行预警或告警,具体为:
将采集到的所述状态数据接入所述Flink流处理引擎,利用Flink提供的包括DataStream API和Table API在内的API接口对所述状态数据采用所述预设判断规则进行实时的是否处于所述异常状态的判断,当检测到所述异常状态时,触发语预警或告警机制,对异常状态的预警或告警进行通知。
其中,DataStream API是Flink的核心API,用于处理无界的数据流。通过DataStream API,你可以定义数据流的转换、操作和窗口操作,实现对实时数据的处理。主要有map、filter、reduce等算子,以及窗口操作和状态管理等功能。Table API是Flink提供的更高层次的API,允许以类似SQL的方式查询和处理数据。通过Table API,你可以使用SQL语句或方法链式调用来进行数据处理。
采用包括短信方式、在全程质控平台和质控监管***展示在内的方式对所述异常状态的预警或告警进行通知;
所述短信方式包括以下步骤:
选择并集成包括阿里云短信、腾讯云短信、网建通***、容联云通讯、漫道科技、云片网、创蓝253在内的任意一家短信服务提供商,以便在触发所述异常常态时通过短信发送预警信息;
获取并设置接收短信的手机号码,所述手机号码包括发货方、货主及仓库监管方在内的人员的所述手机号码;
当检测到货物处于所述异常状态时,触发对应的预警告警事件,生成包括异常信息、时间戳在内的关键信息的短信内容;
采用所述短信服务提供商提供的API调用接口发送短信;
在全程质控平台和质控监管***展示方式,具体为:
在全程质控平台和质控监管***上设置包括折线图、柱状图在内的可视化异常图表,来展示所述异常状态的趋势和变化;
提供所述异常状态的实时日志和事件的查看功能,以便用户追踪发生过的所述异常事件;
提供包括异常类型、发生时间、发生地址在内的所述异常状态详细的异常信息;
提供所述异常状态的历史记录和分析功能,帮助用户了解所述异常状态发生趋势;
在异常展示界面上提供搜索和过来的功能,使用户迅速找到特定时间段或特定条件下的异常事件;
根据用户的角色和权限,限制对所述异常状态的查看和操作。
具体的,在步骤S3中,将所述状态数据实时推送至区块链上进行存储,具体为:
在所述区块链上开发智能合约,所述智能合约用于定义所述状态数据的数据结构和存储逻辑,并定义所述智能合约的写入函数,所述写入函数用于接收实时推送的所述状态数据。
在所述状态数据推送前,对所述状态数据进行哈希处理,生成与当前所述状态数据对应的唯一的哈希值,所述哈希值作为所述状态数据的唯一标识存储在所述区块链上。
采用包括WebSockets在内的通信协议实时将所述状态数据通过所述写入函数推送到所述智能合约,并采用包括哈希函数、非对称加密、对称加密在内的方式对所述状态数据进行加密。
其中,采用包括WebSockets在内的通信协议实时将所述状态数据通过所述写入函数推送到所述智能合约,具体为:
通信协议选择: 选择适当的通信协议,如WebSockets,以便在客户端和服务器之间建立实时的双向通信通道。
实时数据生成: 确保状态数据能够被实时生成或更新。这可能涉及到监测传感器、处理实时事件等。
写入函数: 编写一个写入函数,该函数负责将实时生成的状态数据发送到智能合约。这可以是一个与区块链网络进行交互的接口。
通信接口实现: 使用选择的通信协议实现通信接口,以便与智能合约进行交互。在这里,可能涉及到与WebSockets服务器的连接和消息推送。
智能合约监听: 在智能合约中实现相应的监听机制,以便能够接收和处理来自写入函数的实时数据更新。
数据验证和处理: 在智能合约中进行数据验证和处理,确保接收到的实时数据符合预期的格式和规范。
状态更新: 根据接收到的实时数据更新智能合约的状态。这可能涉及到状态变量的更新、触发智能合约中的相应逻辑等。
事件触发: 在需要的情况下,触发合约中的事件,以通知其他合约或外部***有关状态的变化。
定义所述智能合约的查询接口,所述查询接口用于对所述状态数据进行查询,以便在货物交割时对货物进行质控验证。
进一步的,如图2所示,为货物从供应商仓库运输出来,进入临时的仓库进行存储,并在采购商采购后将货物运输到采购商的仓库中的示意图。当采购商对货物进行采购下单后,需要对货物分拣出库并进行交割,交割时,为货权方提供质控报告及质控记录,同时所述货权方通过所述区块链查询货物质控情况进行验真,具体为:
生成所述质控报告,具体为:
从所述区块链上获取货物发运前、货物运输途中、货物到达目的地入仓前、货物入仓存储后的所述状态数据。
依据所述预设判断规则对所述状态数据进行数据分析,对所述状态数据的状态情况进行判断。
通过大数据技术的数据建模技术以及历史的所述状态数据自动生成质控报告模板,质控管理员对已生成的所述质控报告模板进行调整,并将最终的所述质控报告模板进行发布。
其中,通过大数据技术的数据建模技术以及历史的所述状态数据自动生成质控报告模板,具体可以包括以下流程:
(1)数据收集: 收集历史状态数据,确保数据的完整性、准确性和一致性。这可能包括从传感器、日志文件、数据库等多个来源汇总数据。
(2)数据清洗和预处理: 进行数据清洗,处理缺失值、异常值和重复值。这一步骤对于确保生成质控报告的数据质量至关重要。
(3)数据存储: 选择适当的大数据存储***,例如Hadoop Distributed FileSystem (HDFS)、Apache HBase,或者云平台上的数据存储服务,以存储大规模的历史状态数据。
(4)数据建模: 使用数据建模技术,定义数据模型,包括实体、属性和关系。这可能涉及关系型数据库模型、NoSQL数据库模型等。
(5)数据分析和计算关键指标: 利用大数据处理引擎,如Apache Spark或Flink,进行数据分析和计算关键指标。这可能包括对时间序列数据的聚合、统计、模式识别等分析操作。
(6)质控规则定义: 定义质控规则,根据业务需求和数据特性制定一系列的质控标准,以识别潜在的问题或异常。
(7)报告模板设计: 设计质控报告模板,确定需要呈现的关键指标、图表和表格。这可能包括历史趋势、异常事件、统计摘要等信息。
(8)自动生成报告: 利用报表生成工具、数据可视化工具或编程语言,例如Python的Matplotlib、Seaborn,自动化生成历史状态数据的质控报告。可以使用模板引擎,将计算得到的结果填充到报告模板中。
(9)定期更新: 设置定期更新报告的机制,确保质控报告能够及时反映最新的历史状态数据。
所述质控报告模板发布后,当货物抵达目的地,将货物全程质控所产生的所述状态数据根据所述预设判断规则、全程的所述状态数据以及所述异常状态在内的信息进行比对,并将分析结果填充入所述质控报告模板中,形成所述质控报告。
生成所述质控记录,具体为:
从所述区块链上获取货物发运前、货物运输途中、货物到达目的地入仓前、货物入仓存储后的所述状态数据,以及所述状态数据对应的时间戳信息,生成完整的全程的数据质控记录。
通过所述区块链查询货物质控情况进行验真,具体为:
所述货权方利用所述区块链的所述智能合约的所述查询接口拉取存储于所述智能合约上的所述状态数据,对所述质控报告和所述质控记录进行验真。
第二实施例
如图3所示,本实施例提供一种用于执行如第一实施例中的基于区块链的多式联运全程质控方法的基于区块链的多式联运全程质控***,包括:
基础设施层1,用于设置包括云主机、物联网货物检验设备在内的硬件支撑设备,设置包括区块链、人工智能、大数据在内技术。
通过区块链技术,对数据进行数据上链,保障数据不可篡改、数据可追溯性。通过人工智能技术,对部分物联网设备(监控、烟雾报警器等)进行AI智能计算,确保全程质控的完整性。通过大数据技术,对采集到的数据进行推算,计算出相应规则基准,如:平均运输时效、货物破损率等,为全程质控提供质控指标指数支撑。
数据层2,用于对状态数据进行包括数据采集、数据清洗、数据格式转换在内的数据处理。物联网设备通过5G将货物状态数据推送至数据中台,数据中台根据推送来的货物状态数据进行数据清洗、转换入库,在通过数据中台的规则计算,将测量结果存储至数据建模的主题库中,在由主题库为展示层的全程质控平台、质控监管***提供数据支撑服务。
如:物联网设备-测量仪在对货物进行检测,并将采集到的数据(货物的色泽情况、长宽高等信息)推送至数据中台,数据中台接到数据后,对数据进行清洗(判断数据是否有重复、数据项是否存在丢失等),在将清洗后的数据进行规则计算(质控规则计算、温湿度规则计算、光感预警规则计算、水位规则检测计算、异常监控规则计算),将计算结果存储至数据中台的数据模型中,在通过数据模型为全程质控平台、质控监管***提供数据服务,应用到***功能中。
业务层3,用于依据管理员预先设置的包括质控规则、温湿度规则、光感预警规则、水位规则和异常监控规则在内的预设判断规则对所述状态数据进行计算判断。通过物联网设备的传感器配合平台设置规则,对货物状态进行实时监控,对异常状态进行预警、告警,并且将货物状态实时推送上链,用于货物交割时进行质控验证。质控规则计算:根据货类在质控监控***内设置货物的色泽等级、长宽高对应等级以及是否破损、是否泡水、是否变质,在通过质控管理人员对收到的货物进行检测,测量货物是否变质及泡水,在检测货物送达后是否存在破损,在测量货物色泽情况,根据色泽情况判断对应等级,最后在根据货物的长宽高判断货物的价格等级。温湿度规则计算:根据货类在质控监控***内设置货物堆存的温度及湿度要求,测量货物堆存环境是否满足设置的温度及湿度。光感预警规则计算:根据货类在质控监控***内设置货物是否能见光以及配合温湿度规则检测货物环境是否满足。水位规则检测计算:根据货类在质控监控***内设置货物是否允许泡水、水位高度多少,在根据测量货物运输环境、堆存环境,判断是否满足质控要求。异常监控规则计算:利用物联网设备AI监控设备,判断堆存环境是否存在黑名单人员及车辆的进入,堆存环境是否存在人员抽烟、堆存环境是否存在失火等。如:冻肉产品,会根据冻肉的色泽判断肉的品质等级,鲜红色是A级、暗红色是B级、暗灰色是C级;根据温度判断冻肉的存在变质可能性,如果是-10°到0°属于正常,1°到15°存在变质风险,16°到25°变质不可要。根据堆存环境的水位监测判断是否冻肉存在泡水风险。根据物理网AI监控设备判断货物在仓库堆存期间,是否存在异常情况。
展现层4,用于基于采集到的所述状态数据,以及在所述业务层的计算数据,建立全程质控平台和质控监管平台,其中所述全程质控平台用于提供给货主方使用,帮助所述货主方实时了解自己货物的质检情况、异常报警信息、货物堆存监控视频画面,以及设置货物相应的温湿度阈值,所述质控监管平台提供给平台管理人员和作业人员使用,通过所述质控监管***了解异常报警问题,并通过所述质控监管***上传质检结果、库存对账结果。
全程质控平台主要功能包括:
质检结果查询:帮助货主了解当前货物的质检记录;异常提醒:可查看针对货物运前、运中、运后以及货物堆存发生的异常报警情况;库存监控:基于移动互联网,可查看货物堆存实时视频,了解货物堆存状态;温湿度设置:可对不同货物设置温湿度要求,当环境发生改变后,将自动发出警报。
质控监管平台主要功能包括:
质检作业:质检人员对货物在运前及入仓堆存前进行质量检查,并将质检结果上传至平台;光感报警:查看货物在途运输中,发起的货物漏光报警信息;温湿度报警:查看货物在途运输中,发起的温湿度异常报警信息;水位报警:查看货物在途运输中,发起的货物泡水报警;黑名单报警:查看货物在库堆存时,黑名单人员和车辆闯入的报警信息;库存监控:可通过选择仓库及库区,查看当前仓库库区的监控视频实时画面;库存对账:主要用于库管员,针对对货单进行仓库盘存,并将盘存结果进行上传。
使用端层5,用于为用户提供多个终端来访问所述展现层,所述终端包括WEB浏览器、手机APP、微信小程序和微信公众号。
一种计算机可读存储介质,计算机可读存储介质存储有计算机代码,当计算机代码被执行时,如上述方法被执行。本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器 (ROM ,Read Only Memory) 、随机存取存储器 (RAM ,Random Access Memory)、磁盘或光盘等。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
应当说明的是,上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种基于区块链的多式联运全程质控方法,其特征在于,包括以下步骤:
S1:分别在货物发运前、货物运输途中、货物到达目的地入仓前、货物入仓存储后采用物联网货物检验设备采集货物的状态数据;
S2:对所述状态数据进行包括数据清洗、数据格式转换在内的操作,其中,所述数据清洗为对所述状态数据是否重复,数据项是否丢失进行判断,所述数据格式转换为将所述状态数据转换为适合数据存储的数据格式;
S3:按照预设判断规则对所述状态数据进行判断,判断与所述状态数据对应货物是否处于异常状态,并对所述异常状态进行预警或告警,同时将所述状态数据实时推送至区块链上进行存储;
在步骤S3中,对所述异常状态进行预警或告警,具体为:
使用Flink流处理引擎对实时产生的所述状态数据中的所述异常状态进行预警或告警,具体为:
将采集到的所述状态数据接入所述Flink流处理引擎,利用Flink提供的包括DataStream API和Table API在内的API接口对所述状态数据采用所述预设判断规则进行实时的是否处于所述异常状态的判断,当检测到所述异常状态时,触发预警或告警机制,对异常状态的预警或告警进行通知;
采用包括短信方式、在全程质控平台和质控监管***展示在内的方式对所述异常状态的预警或告警进行通知;
当采购商对货物进行采购下单后,对货物分拣出库并进行交割,交割时,为货权方提供质控报告及质控记录,同时所述货权方通过所述区块链查询货物质控情况进行验真,具体为:
生成所述质控报告,具体为:
从所述区块链上获取货物发运前、货物运输途中、货物到达目的地入仓前、货物入仓存储后的所述状态数据;
依据所述预设判断规则对所述状态数据进行数据分析,对所述状态数据的状态情况进行判断;
通过大数据技术的数据建模技术以及历史的所述状态数据自动生成质控报告模板,质控管理员对已生成的所述质控报告模板进行调整,并将最终的所述质控报告模板进行发布;
所述质控报告模板发布后,当货物抵达目的地,将货物全程质控所产生的所述状态数据根据所述预设判断规则、全程的所述状态数据以及所述异常状态在内的信息进行比对,并将分析结果填充入所述质控报告模板中,形成所述质控报告;
生成所述质控记录,具体为:
从所述区块链上获取货物发运前、货物运输途中、货物到达目的地入仓前、货物入仓存储后的所述状态数据,以及所述状态数据对应的时间戳信息,生成完整的全程的数据质控记录;
通过所述区块链查询货物质控情况进行验真,具体为:
所述货权方利用所述区块链的智能合约的查询接口拉取存储于所述智能合约上的所述状态数据,对所述质控报告和所述质控记录通过运输轨迹数据与区块链智能合约内查询到的状态信息进行包括比对时间、地点、运输方式在内的对质控记录的验真;
在步骤S1中,分别在货物发运前、货物运输途中、货物到达目的地入仓前、货物入仓存储后采用物联网货物检验设备采集货物的所述状态数据,具体为:
在货物发运前,采用测量仪作为所述物联网货物检验设备采集货物的包括色泽、温度、长宽高、是否破损在内的所述状态数据;
在货物运输途中,采用包括温控仪、水位仪和光感仪在内的所述物联网货物检验设备采集货物实时的所述状态数据,其中,所述温控仪用于判断货物温度是否异常,是否会存在变质风险,所述水位仪用于判断货物是否存在泡水风险,所述光感仪用于判断货物在途运输过程中,是否存在开箱情况,可能导致集装箱存在包括破损以及集装箱内漏光在内的风险;
在货物到达目的地入仓前,采用所述测量仪作为所述物联网货物检验设备采集货物的包括色泽、温度、长宽高、是否破损在内的所述状态数据;
在货物入仓存储后,采用包括所述温控仪、所述水位仪、氧气仪和AI视频监控设备在内的所述物联网货物检验设备对货物进行在库监管,采集在库期间实时的所述状态数据,其中,所述温控仪用于对在库堆存货物进行温度检测,判断温度是否达标,是否存在异常情况,所述水位仪用于判断在库堆存货物是否存在泡水异常,所述氧气仪用于判断货物环境是否存在缺氧状态,是否会导致货物变质异常,所述AI视频监控设备用于对在库货物进行实时查看,实时监控仓库内存在的包括异常人员进入、异常车辆进入、货物搬运抓拍、库内吸烟抓拍在内的异常情况;
在步骤S3中,按照所述预设判断规则对所述状态数据进行判断,判断与所述状态数据对应货物是否处于异常状态,具体为:
管理人员预先设置包括质控规则、温湿度规则、光感预警规则、水位规则和异常监控规则在内的所述预设判断规则,同时所述预设判断规则根据货物情况进行动态调整;
其中,所述质控规则为预先设置货物的色泽等级、长宽高对应的等级、以及是否破损、是否泡水、是否变质的标准,在对货物进行检验时,根据所述质控规则测量货物是否破损、是否泡水以及是否变质,根据货物的色泽情况判定货物对应的品质等级,根据货物的长宽高判断货物的价格等级;
所述温湿度规则为预先设置货物堆存的温度及湿度要求,在对货物进行检验时,测量货物堆存环境是否满足设置的温度及湿度;
所述光感预警规则为对货物是否能见光进行预先设置,在对货物进行检验时将货物的见光状态配合所述温湿度规则检验货物环境是否满足;
所述水位规则为预先设置货物堆存时是否允许泡水以及允许的水位高度,在对货物进行检验时,根据测量货物运输环境、堆存环境判断货物是否满足预设的水位高度;
所述异常监控规则为预先设置的包括异常人员进入、异常车辆进入、货物搬运、库内吸烟在内的异常情况,在货物堆存期间对货物进行实时监控,判断堆存环境中是否存在包括位于黑名单中的人员及车辆进入,堆存环境中是否存在人员吸烟、堆存环境是否存在失火,是否存在货物搬运在内的异常。
2.根据权利要求1所述的基于区块链的多式联运全程质控方法,其特征在于,在步骤S2中,对所述状态数据进行包括所述数据清洗、所述数据格式转换在内的操作,具体为:
在所述数据清洗中,针对包括色泽、温度、长宽高在内的所述状态数据通过Z-score方法对所述状态数据进行校验判定,当判断所述状态数据为离群值,丢弃离群的所述状态数据,其中通过Z-score方法对所述状态数据进行校验判定,具体通过以下公式:
其中,Z为当前所述状态数据的与平均值的偏离程度,X为当前所述状态数据,μ为所述状态数据的平均值,σ为所述状态数据的标准差,当Z大于预设偏离程度时,所述状态数据为离群值;
在所述数据清洗中,针对采集到的所述状态数据中出现的缺失情况,根据所述状态数据的特点采用不同的数据处理方法进行缺失值处理,当所述状态数据为色泽、温度、长宽高时,采用平均值填充对缺失值进行处理,当所述状态数据为是否破损数据时,采用热卡填充算法进行处理,其中所述平均值填充为对缺失的所述状态数据采用平均值进行填充,所述热卡填充算法为在完整的所述状态数据集合中找到一个与缺失值所在对象相似的对象,利用这个相似对象对应的所述状态数据进行填充;
在所述数据格式转换中,按照预设的数据存储格式对所述状态数据进行数据格式转换,并在所述状态数据中采用统一的命名和编码规则,对所述状态数据是否符合预期的格式和规范进行验证。
3.根据权利要求1所述的基于区块链的多式联运全程质控方法,其特征在于:
所述短信方式包括以下步骤:
选择并集成包括阿里云短信、腾讯云短信、网建通***、容联云通讯、漫道科技、云片网、创蓝253在内的任意一家短信服务提供商,以便在触发所述异常状态时通过短信发送预警信息;
获取并设置接收短信的手机号码,所述手机号码包括发货方、货主及仓库监管方在内的人员的所述手机号码;
当检测到货物处于所述异常状态时,触发对应的预警告警事件,生成包括异常信息、时间戳在内的关键信息的短信内容;
采用所述短信服务提供商提供的API调用接口发送短信;
在全程质控平台和质控监管***展示方式,具体为:
在全程质控平台和质控监管***上设置包括折线图、柱状图在内的可视化异常图表,来展示所述异常状态的趋势和变化;
提供所述异常状态的实时日志和事件的查看功能,以便用户追踪发生过的异常事件;
提供包括异常类型、发生时间、发生地址在内的所述异常状态详细的异常信息;
提供所述异常状态的历史记录和分析功能,帮助用户了解所述异常状态发生趋势;
在异常展示界面上提供搜索和管理的功能,使用户迅速找到特定时间段或特定条件下的所述异常事件;
根据用户的角色和权限,限制对所述异常状态的查看和操作。
4.根据权利要求1所述的基于区块链的多式联运全程质控方法,其特征在于,在步骤S3中,将所述状态数据实时推送至区块链上进行存储,具体为:
在所述区块链上开发智能合约,所述智能合约用于定义所述状态数据的数据结构和存储逻辑,并定义所述智能合约的写入函数,所述写入函数用于接收实时推送的所述状态数据;
在所述状态数据推送前,对所述状态数据进行哈希处理,生成与当前所述状态数据对应的唯一的哈希值,所述哈希值作为所述状态数据的唯一标识存储在所述区块链上;
采用包括WebSockets在内的通信协议实时将所述状态数据通过所述写入函数推送到所述智能合约,并采用包括哈希函数、非对称加密、对称加密在内的方式对所述状态数据进行加密;
定义所述智能合约的查询接口,所述查询接口用于对所述状态数据进行查询,以便在货物交割时对货物进行质控验证。
5.一种用于执行如权利要求1-4任意一项所述的基于区块链的多式联运全程质控方法的基于区块链的多式联运全程质控***,其特征在于,包括:
基础设施层,用于设置包括云主机、物联网货物检验设备在内的硬件支撑设备,设置包括区块链、人工智能、大数据在内技术;
数据层,用于对状态数据进行包括数据采集、数据清洗、数据格式转换在内的数据处理;
业务层,用于依据管理员预先设置的包括质控规则、温湿度规则、光感预警规则、水位规则和异常监控规则在内的预设判断规则对所述状态数据进行计算判断;
展现层,用于基于采集到的所述状态数据,以及在所述业务层的计算数据,建立全程质控平台和质控监管平台,其中所述全程质控平台用于提供给货主方使用,帮助所述货主方实时了解自己货物的质检情况、异常报警信息、货物堆存监控视频画面,以及设置货物相应的温湿度阈值,所述质控监管平台提供给平台管理人员和作业人员使用,通过所述质控监管***了解异常报警问题,并通过所述质控监管***上传质检结果、库存对账结果;
使用端层,用于为用户提供多个终端来访问所述展现层,所述终端包括WEB浏览器、手机APP、微信小程序和微信公众号。
6.一种计算机设备,包括存储器和一个或多个处理器,所述存储器中存储有计算机代码,所述计算机代码被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1至4中任一项所述的方法。
7.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机代码,当所述计算机代码被执行时,如权利要求1至4中任一项所述的方法被执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311690601.5A CN117408595B (zh) | 2023-12-11 | 2023-12-11 | 一种基于区块链的多式联运全程质控方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311690601.5A CN117408595B (zh) | 2023-12-11 | 2023-12-11 | 一种基于区块链的多式联运全程质控方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117408595A CN117408595A (zh) | 2024-01-16 |
CN117408595B true CN117408595B (zh) | 2024-04-30 |
Family
ID=89498296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311690601.5A Active CN117408595B (zh) | 2023-12-11 | 2023-12-11 | 一种基于区块链的多式联运全程质控方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117408595B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008071935A1 (en) * | 2006-12-15 | 2008-06-19 | Paul Mcevoy Thomson | Cargo monitoring system and device |
CN104571044A (zh) * | 2015-01-04 | 2015-04-29 | 荣庆物流供应链有限公司 | 一种冷链物流可视化监控***及方法 |
CN104850997A (zh) * | 2015-03-26 | 2015-08-19 | 北京物资学院 | 一种基于物联网的水产品冷链全程溯源防伪*** |
CN111047263A (zh) * | 2019-12-13 | 2020-04-21 | 上海聚均科技有限公司 | 基于物联网和区块链的仓储控货***及其控货方法 |
CN112491551A (zh) * | 2018-06-29 | 2021-03-12 | 创新先进技术有限公司 | 基于区块链的数据验证方法及装置、电子设备 |
CN113222517A (zh) * | 2021-06-02 | 2021-08-06 | 华东交通大学 | 一种基于区块链的卤制品的仓单质押***和方法 |
CN113342608A (zh) * | 2021-06-08 | 2021-09-03 | 中国建设银行股份有限公司 | 流式计算引擎任务的监控方法及装置 |
CN116128390A (zh) * | 2023-04-17 | 2023-05-16 | 长沙智医云科技有限公司 | 基于物联网的医用耗材冷链运输监控方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111930754A (zh) * | 2020-09-15 | 2020-11-13 | 支付宝(杭州)信息技术有限公司 | 一种区块链仓单的生成和更新方法、装置及设备 |
-
2023
- 2023-12-11 CN CN202311690601.5A patent/CN117408595B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008071935A1 (en) * | 2006-12-15 | 2008-06-19 | Paul Mcevoy Thomson | Cargo monitoring system and device |
CN104571044A (zh) * | 2015-01-04 | 2015-04-29 | 荣庆物流供应链有限公司 | 一种冷链物流可视化监控***及方法 |
CN104850997A (zh) * | 2015-03-26 | 2015-08-19 | 北京物资学院 | 一种基于物联网的水产品冷链全程溯源防伪*** |
CN112491551A (zh) * | 2018-06-29 | 2021-03-12 | 创新先进技术有限公司 | 基于区块链的数据验证方法及装置、电子设备 |
CN111047263A (zh) * | 2019-12-13 | 2020-04-21 | 上海聚均科技有限公司 | 基于物联网和区块链的仓储控货***及其控货方法 |
CN113222517A (zh) * | 2021-06-02 | 2021-08-06 | 华东交通大学 | 一种基于区块链的卤制品的仓单质押***和方法 |
CN113342608A (zh) * | 2021-06-08 | 2021-09-03 | 中国建设银行股份有限公司 | 流式计算引擎任务的监控方法及装置 |
CN116128390A (zh) * | 2023-04-17 | 2023-05-16 | 长沙智医云科技有限公司 | 基于物联网的医用耗材冷链运输监控方法 |
Non-Patent Citations (1)
Title |
---|
基于物联网技术的保鲜食品冷链物流运作全程监控研究;于杰;张旭凤;;物流技术;20140115(01);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117408595A (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11699196B2 (en) | Creating secure data in an oil and gas supply chain | |
CN112001586B (zh) | 基于区块链共识机制的企业联网大数据审计风险控制架构 | |
CN105868373B (zh) | 电力业务信息***关键数据处理方法及装置 | |
US11663890B2 (en) | Systems and methods for artificial intelligence (AI) theft prevention and recovery | |
US20130041866A1 (en) | Information Tracking System and Method | |
CN111917877A (zh) | 物联网设备的数据处理方法及装置、电子设备、存储介质 | |
CN114819862B (zh) | 冷链物流追溯服务方法、***与存储介质 | |
CN102314662B (zh) | 一种基于移动rfid的授权销售商监控方法 | |
Haroon et al. | Internet of things platform for transparency and traceability of food supply chain | |
US20190207807A1 (en) | Method and system for determining and locating nodal weaknesses in a network | |
CN105654234A (zh) | 高危物品生命周期全程实时监控报警***及方法 | |
KR102566652B1 (ko) | 이상 모니터링을 위한 분산 로그북 | |
CN111092851A (zh) | 基于区块链的物联网温度检测设备的数据验真方法及装置 | |
CN112417031A (zh) | 利用区块链的上下文物联网 | |
CN113127563A (zh) | 一种基于区块链的智能零售管理方法及*** | |
CN205644607U (zh) | 物联网追溯用二维码标签牌及二维码识别*** | |
CN114625556A (zh) | ***异常处理方法、装置、设备、存储介质和产品 | |
CN110991840A (zh) | 一种基于区块链的外卖平台及设备、介质 | |
CN117408595B (zh) | 一种基于区块链的多式联运全程质控方法及*** | |
CN109165212A (zh) | 一种大数据实时监控与稽核的方法 | |
CN111160933B (zh) | 一种基于gnss时空信息的肉蔬产品溯源*** | |
US11361649B2 (en) | Tamper resistant data management in a sensor network | |
CN113837408A (zh) | 基于设备全生命周期监管的交通设施运维管理*** | |
CN117725954B (zh) | 一种基于rfid的数字化供应链数据管理方法及*** | |
CN113672995A (zh) | 一种基于动态数据追踪的冷链食品安全数据防篡改方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |