CN117933575A - 物流运输管理方法及其装置、设备、介质 - Google Patents
物流运输管理方法及其装置、设备、介质 Download PDFInfo
- Publication number
- CN117933575A CN117933575A CN202410327024.1A CN202410327024A CN117933575A CN 117933575 A CN117933575 A CN 117933575A CN 202410327024 A CN202410327024 A CN 202410327024A CN 117933575 A CN117933575 A CN 117933575A
- Authority
- CN
- China
- Prior art keywords
- transportation
- batch
- historical
- transport
- items
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 36
- 230000002159 abnormal effect Effects 0.000 claims abstract description 110
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000007667 floating Methods 0.000 claims abstract description 35
- 230000005856 abnormality Effects 0.000 claims abstract description 5
- 239000000969 carrier Substances 0.000 claims description 27
- 230000008909 emotion recognition Effects 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 12
- 230000008451 emotion Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004931 aggregating effect Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 16
- 230000011218 segmentation Effects 0.000 description 12
- 230000000694 effects Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000012384 transportation and delivery Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 239000008186 active pharmaceutical agent Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000012163 sequencing technique Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241001133760 Acoelorraphe Species 0.000 description 1
- 235000002198 Annona diversifolia Nutrition 0.000 description 1
- 241000700112 Chinchilla Species 0.000 description 1
- 241000272184 Falconiformes Species 0.000 description 1
- 241000282842 Lama glama Species 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q10/0834—Choice of carriers
- G06Q10/08345—Pricing
-
- 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
- G06Q10/0838—Historical data
-
- 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
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
- G06N3/0455—Auto-encoder networks; Encoder-decoder networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0499—Feedforward networks
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及电商技术领域中一种物流运输管理方法及其装置、设备、介质，所述方法包括：根据当前运输单中每个当前批次运输项中的商品标识及其运输收发仓，获取历史运输单中包含相同的商品标识及其运输收发仓对应的历史批次运输项，计算出每个当前批次运输项中的当前运费单价相对于其相对应的历史批次运输项中的历史运费单价的浮动比率，当存在浮动比率超出预设浮动值域的当前批次运输项时，确认其为异常批次运输项并与其对应的历史批次运输项进行差异比对，根据比对结果归因出异常批次运输项的运费异常成因，在当前运输单中标记所有异常批次运输项及其运费异常成因，构造出运费异常通知推送给物流管理员。本申请能精准识别运费异常并对其归因。
Description
技术领域
本申请涉及电商技术领域，尤其涉及一种物流运输管理方法及其相应的装置、计算机设备、计算机可读存储介质。
背景技术
随着电子商务的迅速发展，物流运输需求也随之大幅增加。这意味着更多的商品需要从仓库运送到消费者手中，从而推动了物流行业的发展。然而，随之而来的是物流运输产生的数据量急剧增加。
传统做法是通常人工管理这些庞大的物流运输产生的数据，以便发现其中的运费异常，并且确定运费异常发生的原因，一方面，需要耗费大量的人力资源和时间，另一方面，人工处理大量数据时难免会出现疲劳和注意力不集中的情况，容易忽略一些细微的异常或者错误的归因，而且处理效率低。
发明内容
本申请的首要目的在于解决上述问题至少之一而提供一种物流运输管理方法及其相应的装置、计算机设备、计算机可读存储介质。
为满足本申请的各个目的，本申请采用如下技术方案：
适应本申请的目的之一而提供的一种物流运输管理方法，包括如下步骤：
根据当前运输单中每个当前批次运输项中的商品标识及其运输收发仓，获取历史运输单中包含相同的所述商品标识及其运输收发仓对应的历史批次运输项；
根据每个当前批次运输项中的当前运费单价与其相对应的所述历史批次运输项中的历史运费单价，计算出每个当前运费单价相对于其历史运费单价的浮动比率；
当存在所述浮动比率超出预设浮动值域的当前批次运输项时，将该当前批次运输项确认为异常批次运输项，与其对应的历史批次运输项进行差异比对，根据比对结果归因出异常批次运输项的运费异常成因；
在当前运输单中标记所有异常批次运输项及其运费异常成因，构造出运费异常通知推送给物流管理员。
另一方面，适应本申请的目的之一而提供的一种物流运输管理装置，包括历史获取模块、比率计算模块、异常归因模块以及通知推送模块，其中，历史获取模块，用于根据当前运输单中每个当前批次运输项中的商品标识及其运输收发仓，获取历史运输单中包含相同的所述商品标识及其运输收发仓对应的历史批次运输项；比率计算模块，用于根据每个当前批次运输项中的当前运费单价与其相对应的所述历史批次运输项中的历史运费单价，计算出每个当前运费单价相对于其历史运费单价的浮动比率；异常归因模块，用于当存在所述浮动比率超出预设浮动值域的当前批次运输项时，将该当前批次运输项确认为异常批次运输项，与其对应的历史批次运输项进行差异比对，根据比对结果归因出异常批次运输项的运费异常成因；通知推送模块，用于在当前运输单中标记所有异常批次运输项及其运费异常成因，构造出运费异常通知推送给物流管理员。
又一方面，适应本申请的目的之一而提供的一种计算机设备，包括中央处理器和存储器，所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行本申请所述的物流运输管理方法的步骤。
又一方面，适应本申请的另一目的而提供的一种计算机可读存储介质，其以 计算机可读指令的形式存储有依据所述的物流运输管理方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行该方法所包括的步骤。
本申请的技术方案存在多方面优势，包括但不限于如下各方面：
本申请通过根据当前运输单中每个当前批次运输项中的商品标识及其运输收发仓，从历史运输单中，获取包含相同的所述商品标识及其运输收发仓对应的历史批次运输项，根据每个当前批次运输项中的当前运费单价与其相对应的历史批次运输项中的历史运费单价，计算出每个当前运费单价相对于其历史运费单价的浮动比率，当存在浮动比率超出预设浮动值域的当前批次运输项时，将该当前批次运输项确认为异常批次运输项，与其对应的历史批次运输项进行差异比对，根据比对结果归因出异常批次运输项的运费异常成因，在当前运输单中标记所有异常批次运输项及其运费异常成因，构造出运费异常通知推送给物流管理员。可见，能够快速精准地定位异常批次运输项，并归因出该异常批次运输项的运费异常成因，从而确保及时通知物流管理员，辅助物流管理员更为明晰且高效地进行物流运输管理。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请示例性的电商平台的网络架构；
图2为本申请的物流运输管理方法的典型实施例的流程示意图；
图3为本申请的实施例中预估出以第一待运配置详情进行运输所需的预算推荐给物流管理员的流程示意图；
图4为本申请的实施例中确定出承运商的推荐评分并以此排序下的相对应预算推送给物流管理员的流程示意图；
图5为本申请的实施例中预估出以第二待运配置详情进行运输所需的预算推送给物流管理员的流程示意图；
图6为本申请的实施例中确定出承运商的差评率的流程示意图；
图7为本申请的实施例中确定出承运商的运输效率的流程示意图；
图8为本申请的实施例中生成异常批次运输项的运费异常成因的流程示意图；
图9为本申请的物流运输管理装置的原理框图；
图10为本申请所采用的一种计算机设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。
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，本申请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。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语（包括技术术语和科学术语），具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
如图1所示的网络架构中，电商平台82部署于互联网中以向其用户提供相应的服务，电商平台82的商家用户的设备80和消费者用户的设备81同理也接入互联网，以使用电商平台提供的服务。
示例性的电商平台82，借助互联网基础设施而面向社会大众提供产品和/或服务的供需匹配，在电商平台82中，产品和/或服务是作为商品信息而提供的，为简化描述，在本申请中使用商品、产品等概念指代电商平台82中的产品和/或服务，具体可以是物理产品、数字产品、门票、服务订阅、其他线下履行的服务等。
现实中的各方实体可以用户的身份接入电商平台82，使用电商平台82提供的各种在线服务，实现参与电商平台82所实现的商务活动的目的。这些实体可以是自然人、法人或社会组织等。对应商务活动中的商家和消费者两类实体，电商平台82相应存在商家用户和消费者用户两大类用户。商务活动中产品流通链条的各方实体，包括厂家、卖方、零售商、物流提供方等，均可以商家用户的身份在电商平台82中使用在线服务，而商务活动中的消费者，包括现实或潜在的消费者，则可以其相应的消费者用户的身份在电商平台82中使用在线服务。实际商务活动中，同一个实体既可以商家用户的身份活动，也可以消费者用户的身份进行活动，对此应灵活变通理解。
用于部署电商平台82的基础设施主要包括后台架构和前端设备，后台架构通过服务集群运行各种在线服务，包括面向平台方的中间件或前端服务、面向消费者的服务、面向商家的服务等，来丰富和完善其服务功能；前端设备主要涵盖用户用来作为客户端接入电商平台82的终端设备，包括但不限于各种移动终端、个人计算机、销售点设备等。示例而言，商家用户可以通过其终端设备80来为其在线店铺录入商品信息，或者使用电商平台开放的接口生成其商品信息；消费者用户可以通过其终端设备81访问电商平台82所实现的在线店铺的网页，通过网页上提供的购物按键，触发购物流程，在购物流程中调用电商平台82所提供的各种在线服务，从而实现购物下单的目的。
在一些实施例中，电商平台82可以通过包括处理器和存储器的处理设施来实现，该处理设施存储一组指令，该指令在被执行时使得电商平台82执行本申请所涉及的电子商务和支持功能。处理设施可以是服务器、客户端、网络基础设施、移动计算平台、云计算平台、固定计算平台或其他计算平台的一部分，并且提供电商平台82的电子组件、商家设备、支付网关、应用开发者、营销渠道、运输提供商、客户设备、销售点设备等。
电商平台82可以实现为云计算服务、软件即服务（SaaS）、基础设施即服务（IaaS）、平台即服务（PaaS）、桌面即服务（DaaS）、托管软件即服务、移动后端即服务（MBaaS）、信息技术管理即服务（ITMaaS）等在线服务。在一些实施例中，电商平台82的各个功能部件可以被实现为适于在各种平台和操作***上操作，例如，对于一个在线店铺来说，其管理员用户无论在iOS、Android、HomonyOS、还是网页等各种实施例中，都享有相同或类似的功能。
电商平台82可以为各个商家实现其相应的独立站，以运行其相应的在线店铺，为商家提供相应的商务管理引擎实例，供商家建立、维护、运行其在一个或多个独立站中的一个或多个在线店铺。商务管理引擎实例可以用于一个或多个在线店铺的内容管理、任务自动化和数据管理，可以通过接口或内建组件等方式配置在线店铺的各种具体业务流程以支持商务活动的实现。独立站是具有跨境服务功能的电商平台82的基础设施，商户可以基于独立站较为集中自主地维护其在线店铺。独立站通常具有商家专用的域名和存储空间，不同独立站之间具有相对独立性，电商平台82可以为海量的独立站提供标准化或个性化的技术支持，使得商家用户可以定制出自身相适应的商务管理引擎实例，并使用这个商务管理引擎实例来维护其拥有的一个或多个在线店铺。
在线店铺可以通过商家用户以管理员身份登录其商务管理引擎实例来实施后台配置和维护，在电商平台82的基础设施所提供的各种在线服务的支持下，商家用户可以其管理员身份对其在线店铺中的各种功能进行配置，对各种数据进行查阅等，例如，商家用户可以管理其在线店铺的各个方面，例如查看在线商店最近的活动、更新在线店铺产品目录、管理订单、最近访问活动、总订单活动等；商家用户还可以通过获取报告或度量来查看关于商业和对商家的在线商店的访问者的更详细的信息，例如显示商家的整体业务的销售摘要、活动销售营销渠道的特定销售和参与数据等。
电商平台82可以提供用于提供电子通信和营销的通信设施和相关联的商家接口，例如利用电子消息聚合设施来收集和分析商家、消费者、商家设备、客户设备、销售点设备等之间的通信交互，聚合和分析通信，例如用于增加提供产品销售的潜力等。例如，消费者可能有与产品有关的问题，这可能在消费者和商家（或代表商家的基于自动处理器的代理）之间产生对话，其中通信设施负责交互并向商家提供关于如何提高销售概率的分析。
一些实施例中，可以提供适合安装到终端设备的应用程序来服务于不同用户的访问需求，以便使各种用户能够在终端设备中，通过运行应用程序来访问电商平台82，例如电商平台82中的在线店铺的商家后台模块等，通过这些功能来实现商务活动的过程中，电商平台82可以将支持实现商务活动相关的各种功能实现为中间件或在线服务并开放相应的接口，然后将接口访问功能相对应的工具包植入到应用程序中来实现功能扩展和任务实现。商务管理引擎可以包括一系列基本功能，并通过API将这些功能暴露给在线服务和/或应用程序调用，在线服务和应用程序通过远程调用相对应的API而使用相应的功能。
在商务管理引擎实例的各个组件的支持下，电商平台82可以提供在线购物功能，使商家能够以灵活透明的方式与客户建立联系，消费者用户可以在线选购物品，创建商品订单，在商品订单中提供货物的送达地址，并完成商品订单的支付确认。然后，商家可以审查并完成或取消订单。商务管理引擎实例携带的审查组件可以实现商业流程的合规使用，以确保订单在实际履行之前适合履行。订单有时候也可能是欺诈性的，需要加以验证（例如身份证检查），有一种需要商家等待以确保收到资金的支付方法可以起到防患这种风险的作用，等等。订单风险可能由第三方通过订单风险API等提交的欺诈检测工具产生。在进行履行之前，商家可能需要获取支付信息或等待接收支付信息，以便将订单标记为已支付，至此商家才可以准备交付产品。诸如此类的情况都可进行相应的审查。审查流程可以由履行组件来实现。商家可以借助履行组件审查、调整工作，并触发相关的履行服务，例如：通过手动履行服务，当商家将产品挑选并包装在盒子中、购买运输标签并输入其跟踪号，或者仅将物品标记为已履行时使用；自定义履行服务，可以定义发送电子邮件进行通知；API履行服务，可以触发第三方应用程序在第三方创建履行记录；遗留履行服务，可以触发从商务管理引擎到第三方的自定义API调用；礼品卡履行服务。可以提供生成号码并激活礼品卡。商户可以使用订单打印机应用程序打印装运单。当物品被包装在盒子里并准备好运输、跟踪、交付、消费者收到验证等时，可以执行履行过程。
可以看出，电商平台所提供的服务，正是基于产品为核心展开的，相应的商品数据是电商平台的基础数据，通过商品数据提供商品信息，对商品数据的挖掘利用，是实现各种技术服务的基础，其中包括利用电商平台的商品数据中的用户交易数据和商品数据为数据处理***的运行提供基础性的服务。因此，数据处理***可以运行于电商平台的机群的任意一台或多台服务器中，以便利用电商平台提供的各种商品数据实现各种功能。
本申请的一种物流运输管理方法，可被编程为计算机程序产品，部署于客户端或服务器中运行而实现，例如，本申请的示例性应用场景中，可以在电商客服平台的服务器中部署实现，藉此可以通过访问该计算机程序产品运行后开放的接口，通过图形用户界面与该计算机程序产品的进程进行人机交互而执行该方法。
请参阅图2，本申请的物流运输管理方法，在其典型实施例中，包括如下步骤：
步骤S1100、根据当前运输单中每个当前批次运输项中的商品标识及其运输收发仓，获取历史运输单中包含相同的所述商品标识及其运输收发仓对应的历史批次运输项；
所述运输收发仓包括运输相应商品的发出仓库和目的仓库。所述发出仓库是指商品出发的起始仓库，从这里开始运输商品，而所述目的仓库是指商品最终运输到达的收入仓库，通常在这里接收和暂存商品。
所述商品标识是用于唯一标识和识别一个商品的标识符，例如sku，所述sku可以包括相应商品的特定信息，如颜色、尺寸、款式、型号等，以便更精确地管理和识别库存中的该商品，本领域技术人员可灵活变通设定。
可以理解，当每批商品从其运输收发仓中的发出仓库运输到达目的仓库时，通常会产生相应的出库单和入库单，根据这些出库单和入库单可以得出承担运输该批商品的承运商、运输该批商品的商品运输数量、运输过程造成该批商品损失（损坏和丢失）的商品损失数量、该批商品的商品标识、该批商品的运费总额、包含在该批商品的运费总额中的运输附加费包括燃油附加费、运输保险费、汇率波动费等中任意一项或任意多项、运输该批商品过程中纳税所产生的税金总额、运输该批商品所采用的运输方式例如船运、货车运、航空运、冷运等中一项，或任意多项组合、运输该批商品的详细运输线路例如从所述发出仓库直达或经至少一个地点/仓库至所述目的仓库、运输该批商品完成所需时长作为的实际完成时长、预先计划运输该商品完成所需时长作为的额定完成时长，通过将所述运费总额除以所述商品运输数量，计算出运输该批商品中的单件商品的当前运费单价，由此，以所述承运商、商品运输数量、商品损失数量、商品标识、运费总额、运输附加费、税金总额、运输方式、详细运输线路、实际完成时长、额定完成时长、运输收发仓、当前运费单价，生成该批商品对应的当前批次运输项。进而，归集一定时长内生成的所有批商品对应的当前批次运输项构成运输单，所述一定时长本领域技术人员可按需设定，例如一个月。将当前所构成的运输单作为当前运输单，相对于在此之前所构成的运输单则作为历史运输单，其包含多个历史批次运输项。
针对所述当前运输单中每个当前批次运输项，获取历史运输单中生成时间上距离该当前批次运输项的生成时间最近，且包含该当前批次运输项中的商品标识及其运输收发仓的历史批次运输项。所述生成时间指的是生成相应的批次运输项时对应的时间戳。
一种实施例中，针对每个当前批次运输项，可根据该当前批次运输项中运输收发仓的目的仓库、商品标识，以及所述出库单和入库单，确定出当前该目的仓库所存放的该商品标识所指商品的剩余数量，获取包含该商品标识的历史批次运输项中的历史运费单价，以及该当前批次运输项中的当前运费单价和商品运输数量，计算该剩余数量与该历史运费单价的乘积加上该当前运费单价与该商品运输数量的乘积后，除以该剩余数量与该商品运输数量的和值，得出该目的仓库对应的库存成本单价，可将其用于后续对该目的仓库中商品进行销售的库存成本依据。
步骤S1200、根据每个当前批次运输项中的当前运费单价与其相对应的所述历史批次运输项中的历史运费单价，计算出每个当前运费单价相对于其历史运费单价的浮动比率；
针对每个当前批次项，将该当前批次运输项中的当前运费单价，包含该当前批次运输项中的商品标识及其运输收发仓对应的历史批次运输项中的历史运费单价，应用在下列示范性公式中，计算出所述当前运费单价相对于所述历史运费单价的浮动比率。示范性公式如下：
其中：为所述浮动比率，/>为所述当前运费单价，/>为所述历史运费单价。
步骤S1300、当存在所述浮动比率超出预设浮动值域的当前批次运输项时，将该当前批次运输项确认为异常批次运输项，与其对应的历史批次运输项进行差异比对，根据比对结果归因出异常批次运输项的运费异常成因；
可以理解，当前运费单价相对于其历史运费单价有一定的上下浮动是正常的，为了量化表示出所述正常的浮动范围而相应预先设定所述预设浮动值域。所述预设浮动值域可由本领域技术人员按业务所需设定，例如[-20%,20%]。
判断所述每个浮动比率是否超过所述预设浮动值域，当存在浮动比率超过预设浮动值域时，将所述超过预设浮动值域的各个浮动比率对应的各个当前批次运输项均确认为单个异常批次运输项。针对每个异常批次运输项，将该异常批次运输项中的各项内容包括承运商、商品运输数量、商品损失数量、商品标识、运费总额、运输附加费、税金总额、运输方式、详细运输线路、运输收发仓、当前运费单价，对应与该异常批次运输项对应的历史批次运输项中的各项内容包括承运商、商品运输数量、商品损失数量、商品标识、运费总额、运输附加费、税金总额、运输方式、详细运输线路、运输收发仓、历史运费单价进行差异比对，比对出差异的异常批次运输项的内容与历史批次运输项的内容，并关联两者的内容对应的属性标识构成差异详情对，以所有的差异详情对构成比对结果，所述属性标识包括相应内容所属的批次运输项及类型。为便于理解示范性举例，比对结果包括三个差异详情对，分别是{异常批次运输项的当前运费单价：100、历史批次运输项的历史运费单价：10 }、{异常批次运输项的运费总额：500、历史批次运输项的运费总额：40}、{异常批次运输项的运输方式：航空运，历史批次运输项的运输方式：船运}、{异常批次运输项的运输附加费中运输保险费：100、历史批次运输项的运输附加费中运输保险费：0}。
将比对结果中的当前批次运输项的当前运费单价减去历史批次运输项的历史运费单价得出运费单价差值，并且将当前批次运输项的运费总额减去历史批次运输项的运费总额得出运费总额差值，然后，当所述运费单价差值大于0时，将所述运费单价差值和所述运费总额差值嵌入第一结论模板得出运费异常结论，所述第一结论模板为：导致运费单价大幅增加{运费单价差值}，运费总额大幅增加{运费总额差值}；当所述运费单价差值小于0时，将所述运费单价差值和所述运费总额差值嵌入第二结论模板得出运费异常结论，所述第二结论模板为：导致运费单价大幅减少{运费单价差值}，运费总额大幅减少{运费总额差值}。
将比对结果中剩余的每个差异详情对进行拼接后得出运费异常明细，在其后拼接上所述运费异常结论得出运费异常成因。
步骤S1400、在当前运输单中标记所有异常批次运输项及其运费异常成因，构造出运费异常通知推送给物流管理员。
所述物流管理员是日常管理物流运输的人员。
在当前运输单中将所有被确认为异常批次运输项的当前批次运输项进行标记，一种实施例中，可为这些异常批次运输项相对于其他的当前批次运输项多追加可视化的运费异常标签，并为每个异常批次运输项标记其运费异常成因，所述运费异常标签可以是文本和/或UI设计图标；另一种实施例中，可为这些异常批次运输项相对于其他的当前批次运输项多追加可视化的高亮显示，并为每个异常批次运输项标记其运费异常成因，所述高亮显示可以是高亮显示所述异常批次运输项中各项内容的字体和/或所述异常批次运输项的显示背景。
将每个所述异常批次运输项在当前运输单中的位置信息或该异常批次运输的唯一标识，与该异常批次运输项的运费异常成因进行拼接，获得运费异常通知。将所述运费异常通知推送给物流管理员。
所述异常批次运输项的唯一标识是用于唯一标识和识别一个批次运输项的标识符，可由本领域技术人员灵活变通设定。
根据本申请的典型实施例可以知晓，本申请的技术方案存在多方面优势，包括但不限于如下各方面：
本申请通过根据当前运输单中每个当前批次运输项中的商品标识及其运输收发仓，从历史运输单中，获取包含相同的所述商品标识及其运输收发仓对应的历史批次运输项，根据每个当前批次运输项中的当前运费单价与其相对应的历史批次运输项中的历史运费单价，计算出每个当前运费单价相对于其历史运费单价的浮动比率，当存在浮动比率超出预设浮动值域的当前批次运输项时，将该当前批次运输项确认为异常批次运输项，与其对应的历史批次运输项进行差异比对，根据比对结果归因出异常批次运输项的运费异常成因，在当前运输单中标记所有异常批次运输项及其运费异常成因，构造出运费异常通知推送给物流管理员。可见，能够快速精准地定位异常批次运输项，并归因出该异常批次运输项的运费异常成因，从而确保及时通知物流管理员，辅助物流管理员更为明晰且高效地进行物流运输管理。
请参阅图3，进一步的实施例中，还包括：
步骤S2100、获取物流管理员提交的第一待运配置详情，以及预设的推荐规则，所述第一待运配置详情包含待运商品标识及其待运输收发仓；
物流管理员可按照自身所需设定待运输商品标识及其待运输收发仓构成第一待运配置详情，并将该第一待运配置详情提交到服务器。服务器接收所述第一待运配置详情。
所述预设的推荐规则，用于约束后续确定出的所有预算进行相应的推荐，所述约束可以是优选出至少一个预算，也可以是对所有预算有目的地排序，还可以是前述两者结合实现等等，具体的推荐规则，可由本领域技术人员按需设定，也可参考后续揭示。
步骤S2110、从历史批次运输单中获取包含所述第一待运配置详情的多个历史批次运输项；
从历史批次运输单中查询出包含所述第一待运配置详情的所有历史批次运输项，根据每个所述历史批次运输项的生成时间，按照生成时间从早到晚的顺序对所有所述历史批次运输项进行排序，筛选出排序靠前的多个历史批次运输项，所述筛选出的历史批次运输项的个数可由本领域技术人员按需设定。
步骤S2120、根据承运商对所述历史批次运输项进行聚合，获得不同承运商对应的历史运输集；
将所述多个历史批次运输项中包含将相同承运商的历史批次运输项聚合在一起，构成该承运商对应的单个历史运输集。
步骤S2130、根据每个历史运输集预估出其相对应承运商以至少一种运输方式进行运输所需的预算，根据所述推荐规则对所有预算进行排序，将所述排序下的预算推送给所述物流管理员。
针对每个历史运输集，从该历史运输集中确定出包含同一运输方式的历史批次运输项，计算出每个运输方式对应的预估运费单价，以单个运输方式为例，计算包含该运输方式的所有历史批次运输项中的历史运费单价之和除以包含该运输方式的所有历史批次运输项的总个数，得出该运输方式的预估运费单价。将所述每个运输方式对应的预估运费单价与该历史运输集对应的承运商进行关联，获得该承运商以各种运输方式进行运输对应所需的预估运费单价。
根据每个历史运输集相对应的承运商，以其相应的各种运输方式进行运输对应所需的预估运费单价，一种实施例中，所述预设的推荐规则是按照预算从高到低的顺序对所有预算进行排序，以该排序下的预算进行推荐，具体而言，按照预估运费单价从高到低的顺序，对所有所述预估运费单价进行排序，将排序后的每个预估运费单价关联其对应的运输方式和承运商构成单项数据，以所有项数据形成预算报表推送给所述物流管理员。另一种实施例中，所述预设的推荐规则是按照不同运输方式的运输效率高到低的顺序，以及相同运输方式相对应的预算从高到低的顺序，对所有预算进行排序，以该排序下的预算进行推荐，具体而言，根据每个所述预估运费单价相对应的运输方式及其运输效率，以运输效率高到低的顺序，对所有所述预估运费单价进行排序，对于相同的多于一个运输方式对应的预估运费单价，对这些预估运费单价以预算从高到低的顺序进行排序，最终，以排序后的每个预估运费单价关联其对应的运输方式和承运商构成单项数据，以所有项数据形成预算报表推送给所述物流管理员。
本实施例中，通过根据物流管理员提交的第一待运配置详情，预估出满足该第一待运配置详情相对应的所有承运商以至少一种运输方式进行运输所需的预算，推送给该物流管理员。可见，能够为物流管理员预估出满足其定下的第一待运配置详情相对应的预算及其承运商和运输方式的功能，大力辅助物流管理员根据自身实际预算快速决策出待运商品对应的承运商和运输方式。
一种实施例中，所述物流管理员提交的第一待运配置详情包括待运商品标识及其待运输收发仓、承运商，从历史批次运输单中获取包含所述第一待运配置详情的多个历史批次运输项，根据包含不同的运输方式或运输路线对所述历史批次运输项进行聚合，确定出包含不同的运输方式或运输路线对应的历史运输集，针对每个历史运输集，当该历史运输集中的历史批次运输项的个数为1，将该历史批次运输项的历史运费单价，作为以该历史运输集相对应的运输方式和运输路线进行运输所需的预估运费单价；当该历史运输集中的历史批次运输项的个数大于1，将这些历史批次运输项的历史运费单价的均值，作为以该历史运输集相对应的运输方式和运输路线进行运输所需的预估运费单价。由此，可相应得出不同的运输方式和运输路线对应的预估运费单价，可根据运输方式的运输速度从高到低和/或预估运费单价从高到低的推荐顺序进行排序，将所述排序下的预估运费单价关联其相应的运输方式和运输路线推送给所述物流管理员。
再一种实施例中，所述物流管理员提交的第一待运配置详情包括待运商品标识及其待运输收发仓、运输方式，从历史批次运输单中获取包含所述第一待运配置详情的多个历史批次运输项，根据包含不同的承运商或运输路线对所述历史批次运输项进行聚合，确定出包含不同的承运商或运输路线对应的历史运输集，针对每个历史运输集，当该历史运输集中的历史批次运输项的个数为1，将该历史批次运输项的历史运费单价，作为以该历史运输集相对应的承运商和运输路线进行运输所需的预估运费单价；当该历史运输集中的历史批次运输项的个数大于1，将这些历史批次运输项的历史运费单价的均值，作为以该历史运输集相对应的承运商和运输路线进行运输所需的预估运费单价。由此，可相应得出不同的承运商和运输路线对应的预估运费单价。一种实施例中，可根据运输路线对应的实际运输时长从低到高和/或预估运费单价从高到低的推荐顺序进行排序，将所述排序下的预估运费单价关联其相应的运输方式和运输路线推送给所述物流管理员。推荐的另一种实施例中，为了保障客观性和准确性，针对每个所述承运商，重新从历史批次运输单中获取包含该承运商的所有历史批次运输项，计算这些历史批次运输项中的额定完成时长之和，除以这些历史批次运输项中的实际完成时长之和，得出该承运商对应的预估运费单价的第一推荐分值。针对每个所述预估运费单价，计算所述所有预估运费单价中的最大值，减去该预估运费单价，得出该预估运费单价的第二推荐分值，计算该预估运费单价的第一推荐分值和第二推荐分值分别乘上各自的预设权重后在相加，得出该预估运费单价的推荐排序分值。按照推荐排序分值从高到低的顺序对所述所有预估运费单价进行排序，将所述排序下的预估运费单价关联其相应的承运商和运输路线推送给所述物流管理员。所述第一推荐分值和第二推荐分值各自的预设权重之和为1，具体每个预设权重可由本领域技术人员按需设定。
请参阅图4，进一步的实施例中，步骤S2130、根据所述推荐规则对所有预算进行排序，将所述排序下的预算推送给所述物流管理员，包括：
步骤S2131、根据每个所述承运商的误时率、损耗率、运输效率、差评率，确定出每个承运商对应的推荐评分；
为了保障客观性和准确性，针对每个所述承运商，重新从历史批次运输单中获取包含该承运商的所有历史批次运输项。确定出所述所有历史批次运输项的总个数作为整体总个数，确定出所述所有历史批次运输项中实际完成时长超过额定完成时长对应的历史批次运输项的总个数作为误时总个数，计算该误时总个数除以该整体总个数得出该承运商的误时率。
计算出所述所有历史批次运输项分别的单项损耗率，以单个历史批次运输项为例，计算该历史批次运输项中的商品损耗数量除以商品运输数量得出单项损耗率。然后，计算所有历史批次运输项分别的单项损失率之和除以所述整体总个数，得出该承运商的损失率。
计算出所述所有历史批次运输项分别的完成剩余时长，以单个历史批次运输项为例，计算该历史批次运输项中的额定完成时长减去实际完成时长得出完成剩余时长。然后，计算每个历史批次运输项对应的完成剩余时长之和除以每个历史批次运输项对应的额定完成时长之和，得出该承运商的运输效率。
获取该承运商的所有评论，确定出其中属于负面的评论的总数，计算属于负面的评论的总数除以所有评论的总数，得出该承运商的差评率。
一种实施例中，针对每个所述承运商，采用以下第一示范性公式计算出该承运商的推荐评分，第一示范性公式如下：
recommend score = efficient ratio - delay ratio - loss ratio -negative ratio
其中：recommend score为推荐评分，efficient ratio 为运输效率，delay ratio为误时率，loss ratio为损耗率，negative ratio为差评率。
推荐的实施例中，针对每个所述承运商，采用以下第二示范性公式计算出该承运商的推荐评分，第二示范性公式举例如下：
recommend score = a * efficient ratio - b * delay ratio - c * lossratio - d * negative ratio
其中：recommend score为推荐评分，efficient ratio 为运输效率，delay ratio为误时率，loss ratio为损耗率，negative ratio为差评率，a、b、c、d对应为运输效率、误时率、损耗率、差评率的预设权重，可分别由本领域技术人员按需设定。
步骤S2132、根据所述推荐评分对所有承运商进行排序，将所述排序下的每个承运商相对应的所述预算推送给所述物流管理员。
根据所有承运商的推荐评分，按照推荐评分从高到低的顺序对所有承运商进行排序，将所述排序下每个承运商以至少一种运输方式进行运输对应所需的预算，推送给所述物流管理员。
本实施例中，通过每个承运商的误时率、损耗率、运输效率、差评率确定出相对应的推荐评分，根据推荐评分对所有承运商进行排序后，推送该排序下每个承运商相对应的预算给物流管理员。可见，能够根据承运商的量化的多项运输表现确定出准确可靠的推荐评分，据此，优先出符合物理管理员待运需求且相对优质的承运商。
请参阅图5，进一步的实施例中，还包括：
步骤S2101、获取物流管理员提交的第二待运配置详情，所述第二待运配置详情包含待运商品标识及其待运输收发仓、待对接承运商、待运输方式；
物流管理员可按照自身所需设定待运输商品标识及其待运输收发仓、待对接承运商、待运输方式构成第二待运配置详情，并将该第二待运配置详情提交到服务器。服务器接收所述第二待运配置详情。
步骤S2102、从历史批次运输单中获取包含所述第二待运配置详情的多个历史批次运输项；
从历史批次运输单中查询出包含所述第二待运配置详情的所有历史批次运输项，根据每个所述历史批次运输项的生成时间，按照生成时间从早到晚的顺序对所有所述历史批次运输项进行排序，筛选出排序靠前的多个历史批次运输项，所述筛选出的历史批次运输项的个数可由本领域技术人员按需设定。
步骤S2103、根据所述多个历史批次运输项中的商品运输数量及其历史运费单价，预估出以所述第二待运配置详情进行运输所需的预算，推送给所述物流管理员。
根据所述多个历史批次运输项中的历史运费单价，按照历史运费单价从高到低的顺序对所有历史运费单价进行排序，
根据所述多个历史批次运输项中的历史运费单价，从多个历史运费单价中确定出最小的历史运费单价和最大的历史运费单价。对该最小的历史运费单价进行至少一次增大，每次将增大前的数值乘上预设的增量百分比得出增大后的数值，直至最终增大后的数值大于或等于所述最大的历史运费单价。将所述每次对应的增大前的数值和增大后的数值分别作为值域的左极限值和右极限值，构造出每次相对应的值域作为单价值域。所述增量百分比是大于100%的百分比，具体可由本领域技术人员按业务所需设定。为便于理解，示范性举例，最小的历史运费单价为2.8，最大的历史运费单价为4，增量百分比为120%，第一次对应的增大前的数值为2.8、增大后的数值为3.36，第二次对应的增大前的数值为3.36、增大后的数值为4.032，由于对该最小的历史运费单价进行两次增大后的数值即4.032大于该最大历史运费单价，停止再次增大。构造出的第一次对应的单价值域为[2.8,3.36]，第二次对应的单价值域为[3.36,4.032]。
针对所述构造出的每个单价值域，根据所述多个历史批次运输项中的历史运费单价，确定出属于该单价值域的所有历史运费单价，计算这些历史运费单价之和除以这些历史运费单价的总个数得出预估运费单价，并且，根据这些历史运费单价对应的历史批次运输项中的商品运输数量，从这些商品运输数量中确定出最小的商品运输数量和最大的商品运输数量分别作为值域的左极限值和右极限值，构造出相应的值域作为运输数量值域。将所述预估运费单价与所述运输数量值域进行关联。
将每个运输数量值域与其预估运费单价构成单项数据，以所有项数据形成预算报表推送给所述物流管理员。可以理解，物流管理员根据自身所需的待运商品运输数量，在预算报表中能确定出该待运商品运输数量所属的运输数量值域及其关联的预估运费单价时，该预估运费单价即是以所述第二待运配置详情进行运输所需的运费单价。
本实施例中，通过根据物流管理员提交的第二待运配置详情，预估出满足该第二待运配置详情进行运输所需的预算，推送给该物流管理员，能够确保预算预估的准确性和可靠性。
请参阅图6，进一步的实施例中，步骤S2131、根据每个所述承运商的误时率、损耗率、运输效率、差评率之前，包括：
步骤S21301、针对每个所述承运商，获取该承运商的所有评论；
可以理解，为了让所有物流管理员更好地了解承运商，开设每个承运商的论坛提供让任意的物流管理员按需在相应论坛里评论对应承运商的功能。
在每个所述承运商的论坛里获取该承运商的所有评论。
步骤S21302、采用情感识别模型确定出每个评论的情感类型，确定出情感类型属于负面的评论；
针对每个评论，所述情感识别模型预先经过训练至收敛状态，习得的识别出输入文本的情感类型属于正面或负面的能力，鉴于所述情感识别模型的训练过程为本领域所知晓，故而可由本领域技术人员根据后续揭示的情感识别模型的前向推理过程，灵活变通实施对情感识别模型相应的训练，使得训练至收敛后的情感识别模型具备所述能力。一种实施例中，所述情感识别模型采用Bert实现，采用分词算法对该评论进行分词，获得分词序列，在分词序列的起始位置添加[CLS]标识及结束位置添加[SEP]标识，然后将分词序列输入到情感识别模型中，经由情感识别模型中的WordPiece嵌入层确定出分词序列中每个标识和词元分别的输入嵌入向量，将所述输入嵌入向量输入至多层堆叠的Transformer编码器，获得最后一层Transformer编码器输出的分词序列中每个标识和词元分别的文本特征向量，经由前馈神经网络层对[CLS]标识的文本特征向量进行线性变换操作，然后经由Softmax层得出二分概率分布，所述二分概率分布包括第一类别的概率和第二类别的概率，所述第一类别表征输入文本的情感类型属于正面，所述第二类别表征输入文本的情感类型属于负面。确定出所述二分概率分布中属于第二类别的概率，当该概率超过预设阈值时，确认该评论是情感类型属于负面的评论。
所述分词算法可以是基于规则的分词、统计分词、基于深度学习的分词模型、N-gram分词工具、jieba分词工具等等，本领域技术人员按需选用一项灵活变通实现。所述预设阈值可由本领域技术人员按需设定。
步骤S21303、根据所述属于负面的评论的总数与所述所有评论的总数确定出所述承运商的差评率。
计算所述属于负面的评论的总数除以所述所有评论的总数，得出所述承运商的差评率。
本实施例中，通过采用情感识别模型确定出承运商的所有评论中情感类型属于负面的评论，从而将属于负面的评论的总数比上所有评论的总数得出该承运商的差评率。可见，能够快速精准地确定出所有评论中的负评，确保后续得出可靠的差评率。
请参阅图7，进一步的实施例中，步骤S2131、根据每个所述承运商的误时率、损耗率、运输效率、差评率之前，包括：
步骤S21304、针对每个所述承运商，重新从历史批次运输单中获取该承运商完成每个历史批次运输项对应的实际完成时长和额定完成时长；
为了保障客观性和准确性，重新从历史批次运输单中获取每个承运商各自完成每个历史批次运输项对应的实际完成时长和额定完成时长。
步骤S21305、根据所述每个历史批次运输项对应的实际完成时长和额定完成时长确定出完成剩余时长，将每个历史批次运输项对应的完成剩余时长之和比上每个历史批次运输项对应的额定完成时长之和，获得所述承运商的运输效率。
针对每个所述历史批次运输项，计算该历史批次运输项中的额定完成时长减去实际完成时长，得出该历史批次运输项的完成剩余时长。然后，计算每个历史批次运输项对应的完成剩余时长之和除以每个历史批次运输项对应的额定完成时长之和，得出该承运商的运输效率。
本实施例中，通过根据每个承运商对应的所有历史批次运输项对应的实际完成时长和额定完成时长，确定每个承运商对应的运输效率，能够确保运输效率的可靠性和准确性。
请参阅图8，进一步的实施例中，步骤S1300、与所述异常批次运输项对应的历史批次运输项进行差异比对，根据比对结果归因出异常批次运输项的运费异常成因，包括：
步骤S1310、采用预设的归因生成模型对所述异常批次运输项与其历史批次运输项进行差异比对，生成比对结果；
步骤S1320、采用预设的归因生成模型根据所述比对结果生成所述异常批次运输项的运费异常成因。
获取大语言模型对其进行微调训练，使其习得比对出异常批次运输项与其历史批次运输项之间差异的比对结果，以及根据该比对结果生成该异常批次运输项的运费异常成因的能力。进而，将微调训练至收敛的大语言模型作为归因生成模型。
所述大语言模型适用于NLP领域的文本处理，其预先使用极其庞大的语料库训练至收敛，习得生成人类语言的能力，具备一定程度上准确的文本语义理解能力和逻辑推理能力。模型选型包括OpenAI、Falcon、Chinchilla、PaLM、LLaMA 2、text-embedding-ada-002等本领域技术人员可按需择一实现。
对于所述微调训练，具体而言，获取预先制备的训练集中的单个训练样本及其监督标签，所述训练样本为异常批次运输项及其历史批次运输项，所述监督标签为该异常批次运输项与其历史批次运输项之间差异的实际比对结果，以及该异常批次运输项的实际运费异常成因。可以理解，常见的实际运费异常成因包括税金总额、运输保险费、承运商、运输方式、详细运输路线、额定完成时长中任意一项或任意多项存在当前与历史比较之间的差异，而引起相应的运费异常。
将所述训练样本输入到大语言模型，经由大语言模型前向推理，比对该训练样本中异常批次运输项与其历史批次运输项之间差异，生成预测比对结果，以及根据该预测比对结果生成该异常批次运输项的预测运费异常成因。采用交叉熵损失函数计算出所述预测比对结果和预测运费异常成因与监督标签之间的损失值，当所述损失值小于等于预设阈值时，表明大语言模型已被微调训练至收敛状态，从而可以终止大语言模型训练；当所述损失值大于预设阈值时，表明大语言模型未收敛，于是采用LoRA（Low-Rank Adaptation ofLarge Language Models）方式对所述大语言模型进行微调训练，从而对权重矩阵进行隐式的低秩转换，固定模型的权重矩阵的原有参数，根据所述损失值确定出模型的权重矩阵变化参数，根据权重矩阵变化参数对权重矩阵进行相应的调整，然后，继续相应调用其他训练样本及其监督标签对大语言模型进行迭代微调训练，直至该大语言模型被微调训练至收敛状态为止作为所述归因生成模型。所述预设阈值可由本领域技术人员根据此处揭示再按需设定。
对于所述预先制备训练集，具体而言，预先获取多个异常批次运输项及其历史批次运输项，将每个异常批次运输项及其历史批次运输项构成单个训练样本。然后，针对每个训练样本，人工比对出该训练样本中异常批次运输项与其历史批次运输项之间差异的实际比对结果，并且，人工根据该比对结果中各项内容均做出相应影响运费变动的文本形式的说明，由此构成该训练样本中异常批次运输项的实际运费异常成因，为便于理解示范性举例如下：
实际比对结果包括三个差异详情对，分别是 {异常批次运输项的当前运费单价：100、历史批次运输项的历史运费单价：10 }、{异常批次运输项的运费总额：500、历史批次运输项的运费总额：40}、{异常批次运输项的运输方式：航空运，历史批次运输项的运输方式：船运}、{异常批次运输项的运输附加费中运输保险费：100、历史批次运输项的运输附加费中运输保险费：0}。
实际运费异常成因为“当前运输采用的航空运相对于之前运输采用的船运，花费更多；当前运输所购买的保险费用相比于之前运输所购买的保险费用，花费多了100。
综上，导致当前运输的运费单价大幅增加90，运费总额大幅增加460。”
本实施例中，通过采用预设的归因生成模型比对出异常批次运输项与其历史批次运输项之间差异的比对结果，以及根据该比对结果生成该异常批次运输项的运费异常成因，由于期间模型产出了比对结果，再以此进一步推论出相应的运费异常成因，使得确保所得的该运费异常成因的可解释性强、可靠性高、推理准确性高。
请参阅图9，适应本申请的目的之一而提供的一种物流运输管理装置，是对本申请的物流运输管理方法的功能化体现，该装置另一方面，适应本申请的目的之一而提供的一种物流运输管理装置，包括历史获取模块1100、比率计算模块1200、异常归因模块1300以及通知推送模块1400，其中，历史获取模块1100，用于根据当前运输单中每个当前批次运输项中的商品标识及其运输收发仓，获取历史运输单中包含相同的所述商品标识及其运输收发仓对应的历史批次运输项；比率计算模块1200，用于根据每个当前批次运输项中的当前运费单价与其相对应的所述历史批次运输项中的历史运费单价，计算出每个当前运费单价相对于其历史运费单价的浮动比率；异常归因模块1300，用于当存在所述浮动比率超出预设浮动值域的当前批次运输项时，将该当前批次运输项确认为异常批次运输项，与其对应的历史批次运输项进行差异比对，根据比对结果归因出异常批次运输项的运费异常成因；通知推送模块1400，用于在当前运输单中标记所有异常批次运输项及其运费异常成因，构造出运费异常通知推送给物流管理员。
进一步的实施例中，还包括：第一详情获取子模块，用于获取物流管理员提交的第一待运配置详情，以及预设的推荐规则，所述第一待运配置详情包含待运商品标识及其待运输收发仓；第一历史获取子模块，用于从历史批次运输单中获取包含所述第一待运配置详情的多个历史批次运输项；聚合成集子模块，用于根据承运商对所述历史批次运输项进行聚合，获得不同承运商对应的历史运输集；第一预算推送子模块，用于根据每个历史运输集预估出其相对应承运商以至少一种运输方式进行运输所需的预算，根据所述推荐规则对所有预算进行排序，将所述排序下的预算推送给所述物流管理员。
进一步的实施例中，所述第一预算推送子模块之后，包括：评分计算子模块，用于根据每个所述承运商的误时率、损耗率、运输效率、差评率，确定出每个承运商对应的推荐评分；评分排序子模块，用于根据所述推荐评分对所有承运商进行排序，将所述排序下的每个承运商相对应的所述预算推送给所述物流管理员。
进一步的实施例中，还包括：第二详情获取子模块，用于获取物流管理员提交的第二待运配置详情，所述第二待运配置详情包含待运商品标识及其待运输收发仓、待对接承运商、待运输方式；第二历史获取子模块，用于从历史批次运输单中获取包含所述第二待运配置详情的多个历史批次运输项；第二预算推送子模块，用于根据所述多个历史批次运输项中的商品运输数量及其历史运费单价，预估出以所述第二待运配置详情进行运输所需的预算，推送给所述物流管理员。
进一步的实施例中，所述评分计算子模块之前，包括：评论获取子模块，用于针对每个所述承运商，获取该承运商的所有评论；情感识别子模块，用于采用情感识别模型确定出每个评论的情感类型，确定出情感类型属于负面的评论；比率计算子模块，用于根据所述属于负面的评论的总数与所述所有评论的总数确定出所述承运商的差评率。
进一步的实施例中，所述评分计算子模块之前，包括：时长获取子模块，用于针对每个所述承运商，重新从历史批次运输单中获取该承运商完成每个历史批次运输项对应的实际完成时长和额定完成时长；效率计算子模块，用于根据所述每个历史批次运输项对应的实际完成时长和额定完成时长确定出完成剩余时长，将每个历史批次运输项对应的完成剩余时长之和比上每个历史批次运输项对应的额定完成时长之和，获得所述承运商的运输效率。
进一步的实施例中，所述异常归因模块1300，包括：结果生成子模块，用于采用预设的归因生成模型对所述异常批次运输项与其历史批次运输项进行差异比对，生成比对结果；成因生成子模块，用于采用预设的归因生成模型根据所述比对结果生成所述异常批次运输项的运费异常成因。
为解决上述技术问题，本申请实施例还提供计算机设备。如图10所示，计算机设备的内部结构示意图。该计算机设备包括通过***总线连接的处理器、计算机可读存储介质、存储器和网络接口。其中，该计算机设备的计算机可读存储介质存储有操作***、数据库和计算机可读指令，数据库中可存储有控件信息序列，该计算机可读指令被处理器执行时，可使得处理器实现一种物流运输管理方法。该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行本申请的物流运输管理方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本实施方式中处理器用于执行图9中的各个模块及其子模块的具体功能，存储器存储有执行上述模块或子模块所需的程序代码和各类数据。网络接口用于向用户终端或服务器之间的数据传输。本实施方式中的存储器存储有本申请的物流运输管理装置中执行所有模块/子模块所需的程序代码及数据，服务器能够调用服务器的程序代码及数据执行所有子模块的功能。
本申请还提供一种存储有计算机可读指令的存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行本申请任一实施例的物流运输管理方法的步骤。
本领域普通技术人员可以理解实现本申请上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）等计算机可读存储介质，或随机存储记忆体（Random Access Memory，RAM）等。
综上所述，本申请一方面，能够快速精准地定位异常批次运输项，并归因出该异常批次运输项的运费异常成因，从而确保及时通知物流管理员，辅助物流管理员更为明晰且高效地进行物流运输管理。另一方面，能够根据物流管理员提供的待运配置详情，为该物流管理员快速预估出满足该待运配置详情进行运输所需的预算。
本技术领域技术人员可以理解，本申请中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地，具有本申请中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地，现有技术中的具有与本申请中开源的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。
以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种物流运输管理方法，其特征在于，包括如下步骤：
根据当前运输单中每个当前批次运输项中的商品标识及其运输收发仓，获取历史运输单中包含相同的所述商品标识及其运输收发仓对应的历史批次运输项；
根据每个当前批次运输项中的当前运费单价与其相对应的所述历史批次运输项中的历史运费单价，计算出每个当前运费单价相对于其历史运费单价的浮动比率；
当存在所述浮动比率超出预设浮动值域的当前批次运输项时，将该当前批次运输项确认为异常批次运输项，与其对应的历史批次运输项进行差异比对，根据比对结果归因出异常批次运输项的运费异常成因；
在当前运输单中标记所有异常批次运输项及其运费异常成因，构造出运费异常通知推送给物流管理员。
2.根据权利要求1所述的物流运输管理方法，其特征在于，还包括如下步骤：
获取物流管理员提交的第一待运配置详情，以及预设的推荐规则，所述第一待运配置详情包含待运商品标识及其待运输收发仓；
从历史批次运输单中获取包含所述第一待运配置详情的多个历史批次运输项；
根据承运商对所述历史批次运输项进行聚合，获得不同承运商对应的历史运输集；
根据每个历史运输集预估出其相对应承运商以至少一种运输方式进行运输所需的预算，根据所述推荐规则对所有预算进行排序，将所述排序下的预算推送给所述物流管理员。
3.根据权利要求2所述的物流运输管理方法，其特征在于，根据所述推荐规则对所有预算进行排序，将所述排序下的预算推送给所述物流管理员，包括如下步骤：
根据每个所述承运商的误时率、损耗率、运输效率、差评率，确定出每个承运商对应的推荐评分；
根据所述推荐评分对所有承运商进行排序，将所述排序下的每个承运商相对应的所述预算推送给所述物流管理员。
4.根据权利要求1所述的物流运输管理方法，其特征在于，还包括如下步骤：
获取物流管理员提交的第二待运配置详情，所述第二待运配置详情包含待运商品标识及其待运输收发仓、待对接承运商、待运输方式；
从历史批次运输单中获取包含所述第二待运配置详情的多个历史批次运输项；
根据所述多个历史批次运输项中的商品运输数量及其历史运费单价，预估出以所述第二待运配置详情进行运输所需的预算，推送给所述物流管理员。
5.根据权利要求3所述的物流运输管理方法，其特征在于，根据每个所述承运商的误时率、损耗率、运输效率、差评率之前，包括如下步骤：
针对每个所述承运商，获取该承运商的所有评论；
采用情感识别模型确定出每个评论的情感类型，确定出情感类型属于负面的评论；
根据所述属于负面的评论的总数与所述所有评论的总数确定出所述承运商的差评率。
6.根据权利要求3所述的物流运输管理方法，其特征在于，根据每个所述承运商的误时率、损耗率、运输效率、差评率之前，包括如下步骤：
针对每个所述承运商，重新从历史批次运输单中获取该承运商完成每个历史批次运输项对应的实际完成时长和额定完成时长；
根据所述每个历史批次运输项对应的实际完成时长和额定完成时长确定出完成剩余时长，将每个历史批次运输项对应的完成剩余时长之和比上每个历史批次运输项对应的额定完成时长之和，获得所述承运商的运输效率。
7.根据权利要求1所述的物流运输管理方法，其特征在于，与所述异常批次运输项对应的历史批次运输项进行差异比对，根据比对结果归因出异常批次运输项的运费异常成因，包括如下步骤：
采用预设的归因生成模型对所述异常批次运输项与其历史批次运输项进行差异比对，生成比对结果；
采用预设的归因生成模型根据所述比对结果生成所述异常批次运输项的运费异常成因。
8.一种物流运输管理装置，其特征在于，包括：
历史获取模块，用于根据当前运输单中每个当前批次运输项中的商品标识及其运输收发仓，获取历史运输单中包含相同的所述商品标识及其运输收发仓对应的历史批次运输项；
比率计算模块，用于根据每个当前批次运输项中的当前运费单价与其相对应的所述历史批次运输项中的历史运费单价，计算出每个当前运费单价相对于其历史运费单价的浮动比率；
异常归因模块，用于当存在所述浮动比率超出预设浮动值域的当前批次运输项时，将该当前批次运输项确认为异常批次运输项，与其对应的历史批次运输项进行差异比对，根据比对结果归因出异常批次运输项的运费异常成因；
通知推送模块，用于在当前运输单中标记所有异常批次运输项及其运费异常成因，构造出运费异常通知推送给物流管理员。
9.一种计算机设备，包括中央处理器和存储器，其特征在于，所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行如权利要求1至7中任意一项所述的方法的步骤。
10.一种计算机可读存储介质，其特征在于，其以计算机可读指令的形式存储有依据权利要求1至7中任意一项所述的方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行相应的方法所包括的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410327024.1A CN117933575B (zh) | 2024-03-21 | 2024-03-21 | 物流运输管理方法及其装置、设备、介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410327024.1A CN117933575B (zh) | 2024-03-21 | 2024-03-21 | 物流运输管理方法及其装置、设备、介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117933575A true CN117933575A (zh) | 2024-04-26 |
| CN117933575B CN117933575B (zh) | 2024-07-05 |
Family
ID=90766690
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410327024.1A Active CN117933575B (zh) | 2024-03-21 | 2024-03-21 | 物流运输管理方法及其装置、设备、介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117933575B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1549177A (zh) * | 2003-05-20 | 2004-11-24 | 鸿富锦精密工业（深圳）有限公司 | 物流费用结报***及方法 |
| CN111738666A (zh) * | 2020-08-21 | 2020-10-02 | 耀方信息技术(上海)有限公司 | 一种物流承运商的自匹配*** |
| CN114820013A (zh) * | 2021-01-27 | 2022-07-29 | 顺丰科技有限公司 | 物流定价优化方法、装置、计算机设备以及存储介质 |
| CN115564450A (zh) * | 2022-12-06 | 2023-01-03 | 支付宝(杭州)信息技术有限公司 | 一种风控方法、装置、存储介质及设备 |
| CN115981240A (zh) * | 2023-03-22 | 2023-04-18 | 中科航迈数控软件(深圳)有限公司 | 数控机床故障原因确定方法、装置、设备及介质 |
| CN116029637A (zh) * | 2022-12-30 | 2023-04-28 | 广州联雅网络科技有限公司 | 跨境电商物流渠道智能推荐方法及装置、设备、存储介质 |
| CN117271998A (zh) * | 2023-09-26 | 2023-12-22 | 中国科学技术大学 | 网络货运平台中的异常运单监测分析方法及*** |
| CN117422361A (zh) * | 2023-10-18 | 2024-01-19 | 上海一起送网络科技有限公司 | 一种物流在线预测方法及*** |
-
2024
- 2024-03-21 CN CN202410327024.1A patent/CN117933575B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1549177A (zh) * | 2003-05-20 | 2004-11-24 | 鸿富锦精密工业（深圳）有限公司 | 物流费用结报***及方法 |
| CN111738666A (zh) * | 2020-08-21 | 2020-10-02 | 耀方信息技术(上海)有限公司 | 一种物流承运商的自匹配*** |
| CN114820013A (zh) * | 2021-01-27 | 2022-07-29 | 顺丰科技有限公司 | 物流定价优化方法、装置、计算机设备以及存储介质 |
| CN115564450A (zh) * | 2022-12-06 | 2023-01-03 | 支付宝(杭州)信息技术有限公司 | 一种风控方法、装置、存储介质及设备 |
| CN116029637A (zh) * | 2022-12-30 | 2023-04-28 | 广州联雅网络科技有限公司 | 跨境电商物流渠道智能推荐方法及装置、设备、存储介质 |
| CN115981240A (zh) * | 2023-03-22 | 2023-04-18 | 中科航迈数控软件(深圳)有限公司 | 数控机床故障原因确定方法、装置、设备及介质 |
| CN117271998A (zh) * | 2023-09-26 | 2023-12-22 | 中国科学技术大学 | 网络货运平台中的异常运单监测分析方法及*** |
| CN117422361A (zh) * | 2023-10-18 | 2024-01-19 | 上海一起送网络科技有限公司 | 一种物流在线预测方法及*** |
Non-Patent Citations (2)
| Title |
|---|
| AI小飞侠: "详解LoRA: 最火的大语言模型微调方法", pages 1 - 5, Retrieved from the Internet <URL:https://zhuanlan.zhihu.com/p/678610233> * |
| JINGFENG YANG ET AL.: "Harnessing the Power of LLMs in Practice: A Survey on ChatGPT and Beyond", pages 1 - 24, Retrieved from the Internet <URL:http://arxiv.org/pdf/2304.13712v2> * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117933575B (zh) | 2024-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11468457B2 (en) | Logistic demand forecasting | |
| US20140019236A1 (en) | Selecting advertisement for presentation using purchase data of pending transaction | |
| US20200036666A1 (en) | Filtering electronic messages | |
| US20140019256A1 (en) | Selecting advertisement for presentation using previously stored data corresponding to identified customer | |
| US20210383405A1 (en) | Method and system for processing environmental impact | |
| US11645617B1 (en) | Autonomous supply chain by collaborative software agents and reinforcement learning | |
| US20240054461A1 (en) | Systems and methods for routing electronic transactions using predicted authorization approval | |
| CN112214508A (zh) | 数据处理方法及装置 | |
| CN117057873A (zh) | 商品描述内容生成方法及其装置、设备、介质 | |
| Lee et al. | E-commerce supply chain network design using on-demand warehousing system under uncertainty | |
| CN114971716A (zh) | 服务接口质量评估方法及其装置、设备、介质、产品 | |
| CN110599082A (zh) | 经由中间流通商对接初始供应商和采购商的流通服务提供方法 | |
| CN117933575B (zh) | 物流运输管理方法及其装置、设备、介质 | |
| CN117010779A (zh) | 基于智能编码的海关进出口申报方法、***、设备及介质 | |
| US11741036B2 (en) | Unified smart connector | |
| CN113779241A (zh) | 信息获取方法及装置、计算机可读存储介质、电子设备 | |
| Tian | An effective model for consumer need prediction using big data analytics | |
| CN113971572A (zh) | 数据处理方法、交互方法、计算设备及计算机存储介质 | |
| Dashtakian-Nasrabad et al. | A bi-objective optimization mathematical model integrated with bulk arrival Markovian queueing system and machine learning in publishing industries | |
| CN118246411A (zh) | 搜索文章生成方法及其装置、设备、介质 | |
| Koul et al. | Automated Supply Chain Management System. | |
| CN113065906A (zh) | 用户行为的预测方法及装置 | |
| Muzylyov et al. | Check for updates Blockchain Technology in Transportation as a Part of the Efficiency in Industry 4.0 Strategy | |
| CN118014654A (zh) | 线上广告活动控制方法、装置与设备和产品 | |
| Sun et al. | Dynamic Pricing Model for E-Commerce Products Based on DDQN |
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 |