多模型融合的订单逾期预警方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种多模型融合的订单逾期预警方法，包括：获取当前的订单数据、生产数据以及库存数据；对所述当前的订单数据、生产数据以及库存数据进行预处理，得到订单特征数据；将所述订单特征数据分别输入预先训练的逾期概率预测模型、剩余完工时间预测模型以及逾期原因分析模型，得到预测的逾期概率、剩余完工时间以及逾期原因。本方明公开的订单逾期预警方法，可以有效地预测制造业企业中订单逾期的概率、订单完工剩余的时间，还能分析造成逾期的原因，帮助车间管理人员调整订单生产计划，更好地指导订单的生产。

【技术实现步骤摘要】
多模型融合的订单逾期预警方法、装置、设备及存储介质
本专利技术涉及数据处理
，特别涉及一种多模型融合的订单逾期预警方法、装置、设备及存储介质。
技术介绍
越来越多的制造业企业开始利用工业大数据和人工智能的技术推动数字化、智能化的改造升级。尤其在传统制造业，智能化的改造升级成为了一种急切的需求。对于面向订单生产的制造型企业来说，能否保证订单按时交货是衡量企业竞争力的重要指标，订单的逾期或延误交货会导致订单违约，引发客户的不满，甚至会导致客户流失，降低企业信誉度和竞争力。并且对于企业来说，订单逾期或延误会打乱企业内部的生产计划，造成管理混乱、资源浪费。现有技术中，对于订单是否会逾期往往是企业车间管理人员通过历史经验来判断，这种通过人工判断订单是否会逾期的方式比较主观，需要大量的车间以及生产流程的管理经验，并且人工预测无法利用制造业生产管理系统里存储的历史订单数据和生产数据，导致对订单逾期的判断和预测缺乏科学性，容易出现误判，甚至会打乱原有的合理的生产计划，因此，传统的订单逾期的预测方式存在可靠性低，时效性差的缺点，无法高效地保证企业的本文档来自技高网...

【技术保护点】
1.一种多模型融合的订单逾期预警方法，其特征在于，包括：/n获取当前的订单数据、生产数据以及库存数据；/n对所述当前的订单数据、生产数据以及库存数据进行预处理，得到订单特征数据；/n将所述订单特征数据分别输入预先训练的逾期概率预测模型、剩余完工时间预测模型以及逾期原因分析模型，得到预测的逾期概率、剩余完工时间以及逾期原因。/n

【技术特征摘要】
1.一种多模型融合的订单逾期预警方法，其特征在于，包括：
获取当前的订单数据、生产数据以及库存数据；
对所述当前的订单数据、生产数据以及库存数据进行预处理，得到订单特征数据；
将所述订单特征数据分别输入预先训练的逾期概率预测模型、剩余完工时间预测模型以及逾期原因分析模型，得到预测的逾期概率、剩余完工时间以及逾期原因。


2.根据权利要求1所述的方法，其特征在于，所述订单特征数据包括：
当前订单规格特征、历史生产周期特征、当前生产数量特征以及当前订单的生产进度特征。


3.根据权利要求1所述的方法，其特征在于，对所述当前的订单数据、生产数据以及库存数据进行预处理，得到订单特征数据，包括：
对所述当前的订单数据、生产数据以及库存数据中的异常数据和缺失数据进行删除或填补处理，得到修正后的数据；
根据所述修正后的数据构建数据集，其中，所述数据集包含各个订单在各个时间节点的数据；
对所述数据集进行特征提取，得到所述订单特征数据。


4.根据权利要求1所述的方法，其特征在于，将所述订单特征数据分别输入预先训练的逾期概率预测模型、剩余完工时间预测模型以及逾期原因分析模型，得到预测的逾期概率、剩余完工时间以及逾期原因，包括：
将所述订单特征数据输入所述逾期概率预测模型，得到预测的第一逾期概率；
将所述订单特征数据输入所述剩余完工时间预测模型，得到预测的剩余完工时间以及第二逾期概率；
将所述订单特征数据输入所述逾期原因分析模型，得到预测的逾期原因以及第三逾期概率。


5.根据权利要求4所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：陈曦，张伟，王尔昕，麻志毅，
申请(专利权)人：杭州未名信科科技有限公司，浙江省北大信息技术高等研究院，
类型：发明
国别省市：浙江;33