【技术实现步骤摘要】
一种物流运输监控追溯管理系统
本专利技术属于物流管理
,尤其涉及一种物流运输监控追溯管理系统。
技术介绍
物流管理是指在社会生产过程中,根据物质资料实体流动的规律,应用管理的基本原理和科学方法,对物流活动进行计划、组织、指挥、协调、控制和监督,使各项物流活动实现最佳的协调与配合,以降低物流成本,提高物流效率和经济效益。现代物流管理是建立在系统论、信息论和控制论的基础上的。然而,现有的物流管理系统运输过程,如果遇到路线更换,不能及时进行调度,容易造成运输延误;同时用户仅仅获取到物品运输位置信息,缺少物品其他详细信息。综上所述,现有技术存在的问题是:现有的物流管理系统运输过程,如果遇到路线更换,不能及时进行调度,容易造成运输延误;同时用户仅仅获取到物品运输位置信息,缺少物品其他详细信息。
技术实现思路
针对现有技术存在的问题,本专利技术提供了一种物流运输监控追溯管理系统。本专利技术是这样实现的,一种物流运输监控追溯管理系统包括:采收信息管理模块,与主控模块连接,用于采用身份编码记录对应生产地块中的物品的采收信息,包括产品的采收日期、采收批次、场地名称、采收数量、入库日期、入库场地、采收现场图片,还包括采收阶段的动态的监控视频信息;检测信息管理模块,与主控模块连接,用于对物品进行各项检测,并记录检测日期、检测项目、检测结论、送检单位、检测类型、送检机构、结论说明、检测图片,还包括物品检测阶段的动态的监控视频信息;订单管理模块,与主控模块连接,用于管理客户代码、货物类型、订单大小、订单类型、订单备注、路线规划日期、路线类型、路线批次、订单服务属性、周期性订单属性 ...
【技术保护点】
一种物流运输监控追溯管理系统,其特征在于,所述物流运输监控追溯管理系统包括:采收信息管理模块,与主控模块连接,用于采用身份编码记录对应生产地块中的物品的采收信息,包括产品的采收日期、采收批次、场地名称、采收数量、入库日期、入库场地、采收现场图片,还包括采收阶段的动态的监控视频信息;检测信息管理模块,与主控模块连接,用于对物品进行各项检测,并记录检测日期、检测项目、检测结论、送检单位、检测类型、送检机构、结论说明、检测图片,还包括物品检测阶段的动态的监控视频信息;订单管理模块,与主控模块连接,用于管理客户代码、货物类型、订单大小、订单类型、订单备注、路线规划日期、路线类型、路线批次、订单服务属性、周期性订单属性、订单优先级、订单销量、订单时间限制;并支持订单的批量导入导出、以及按照特殊规则的分割及归类;以及紧急订单通过手工输入、并插入订单序列;所述订单管理模块运用主成分分析法对影响负荷的多种因素进行分析包括:步骤(1)、对订单样本数据进行标准化处理:原始数据矩阵:
【技术特征摘要】
1.一种物流运输监控追溯管理系统,其特征在于,所述物流运输监控追溯管理系统包括:采收信息管理模块,与主控模块连接,用于采用身份编码记录对应生产地块中的物品的采收信息,包括产品的采收日期、采收批次、场地名称、采收数量、入库日期、入库场地、采收现场图片,还包括采收阶段的动态的监控视频信息;检测信息管理模块,与主控模块连接,用于对物品进行各项检测,并记录检测日期、检测项目、检测结论、送检单位、检测类型、送检机构、结论说明、检测图片,还包括物品检测阶段的动态的监控视频信息;订单管理模块,与主控模块连接,用于管理客户代码、货物类型、订单大小、订单类型、订单备注、路线规划日期、路线类型、路线批次、订单服务属性、周期性订单属性、订单优先级、订单销量、订单时间限制;并支持订单的批量导入导出、以及按照特殊规则的分割及归类;以及紧急订单通过手工输入、并插入订单序列;所述订单管理模块运用主成分分析法对影响负荷的多种因素进行分析包括:步骤(1)、对订单样本数据进行标准化处理:原始数据矩阵:式中,n是订单样本个数;p是每个订单样本维数;Xij为第i个样本的第j维取值;用X1,X2,…,Xp分别表示矩阵X的各列矢量,有:式中E(Xj)和Vax(Xj)分别表示Xj的均值和方差;步骤(2)、计算相关系数矩阵R:式中Cov(Xi,Xj)表示数据矩阵中第i列与第j列之间的协方差;步骤(3)、求正交矩阵及其特征值:PTRP=diag(λ1,λ2,…,λp);式中λ1≥λ2≥…≥λp是R的p个特征值,diag表示对角矩阵;每个主成分集中了随机变量X的各个分量不同的共同特征,这样变量的维数降低,下面基于模糊聚类分析对历史负荷数据聚类步骤包括:步骤(1)、对订单样本数据进行规格化处理:x'jk=(xjk-xkmin)/(xkmax-xkmin);式中,xkmax、xkmin分别为x1k,x2k,…,xnk的最大值和最小值;x'jk为规格化后的数据;步骤(2)、建立模糊相似关系矩阵R={rij}:步骤(3)、进行动态聚类:式中i为λ从高到低的聚合序次数,ni和ni-1分别为第i次和第i-1次聚类的元素个数;λi和λi-1分别为第i次和第i-1次聚类时的置信水平;若Ci=max(Cj),则认为第i次聚类的置信水平λi为最佳阈值;步骤(4)、计算预测日与上述各类的欧氏距离:式中x′ik为预测日的特性指标矢量,x'jk为各分类的特性指标矢量;最后,以欧氏距离最短的类别作为预测日的类别,建立BP神经网络进行预测,得到订单数据;主控模块,与采收信息管理模块、检测信息管理模块、订单管理模块、数据管理模块、客户管理模块、物流信息管理模块、实时调度模块、温度监控模块、线路规划模块、定位模块连接,用于调度各个模块正常工作;数据管理模块,与主控模块连接,用于对订单大小度量单位自定义、订单日期计算方法特殊属性自定义、客户信息特殊属性字段自定义、订单信息特殊属性字段自定义等,可以对系统基础对象数据的属性字段自定义增加或修改;所述数据管理模块的数据划分方法包括:1)寻找数据集的中心点集,首先利用最远中心算法,并结合几何知识来计算出临界值near_value;计算过程中用到的最远中心算法是对最远距离算法和随机算法的结合改进而成的,通过计算每个点之间的距离,并将其中的最小值min_dis进行保存,与之前得到的near_value进行比较,删除所有小于near_value的集合,然后在所有的样本集中找到点与点之间距离最大...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。