订单数据处理方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及数据处理技术领域，尤其涉及一种订单数据处理方法、装置、设备及存储介质。方法包括：获取待处理订单的订单指标数据；对订单指标数据进行数字化处理和归一化处理，获得待处理订单的订单特征向量；将订单特征向量输入预设的订单完工时长预测模型，其中，订单完工时长预测模型基于径向基函数神经网络和概率神经网络预先构建并训练得到；获得订单完工时长预测模型输出的待处理订单的预测完工时长。本发明专利技术用以解决现有技术中服务订单的完工时长无法较为准确地进行预测，从而导致服务订单处理效率较差的问题。单处理效率较差的问题。单处理效率较差的问题。

【技术实现步骤摘要】
订单数据处理方法、装置、设备及存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种订单数据处理方法、装置、设备及存储介质。

技术介绍

[0002]在中国工程机械行业发展的过程中，产品的高性能、高质量固然重要，但服务的助力更是不可或缺。良好的售后服务能减少设备故障率，及时有效的售后服务能缩短故障停机时间，从而保证设备的使用价值及客户的利益，以提高用户满意度，增强用户对产品的信任度和忠诚度。对于日常的设备维修、保养、巡检、升级、交机等服务会产生相应的服务订单，如何快速响应并完成相应的服务订单就显得尤为重要。目前，对于服务订单的派工安排主要是根据工程师距离设备的远近来决定的，但是由于每个工程师业务熟练程度、出行方式、出行时间等因素会导致完成订单的时间各有不同。因此，如何根据服务订单的内容更加准确的预测完工时长，从而能够为不同工程师合理安排工作，成为一个亟待解决的问题。

技术实现思路

[0003]本专利技术提供一种订单数据处理方法、装置、设备及存储介质，用以解决现有技术中服务订单的完工时长无法较为准确地进行预测，从而导致服务订单处理效率较差的问题。
[0004]本专利技术提供一种订单数据处理方法，包括：获取待处理订单的订单指标数据；对所述订单指标数据进行数字化处理和归一化处理，获得所述待处理订单的订单特征向量；将所述订单特征向量输入预设的订单完工时长预测模型，其中，所述订单完工时长预测模型基于径向基函数神经网络和概率神经网络预先构建并训练得到；获得所述订单完工时长预测模型输出的所述待处理订单的预测完工时长。
[0005]根据本专利技术提供的一种订单数据处理方法，所述订单指标数据包括至少一个订单指标；所述对所述订单指标数据进行数字化处理和归一化处理，获得所述待处理订单的订单特征向量，包括：根据预设对应关系，分别确定每一个所述订单指标对应的指标值；对每一个所述指标值进行归一化处理；基于所述归一化处理后的所述指标值，获得所述待处理订单对应的初始订单向量；通过核主成分分析方法，对所述初始订单向量进行主成分特征提取，获得所述待处理订单的订单特征向量。
[0006]根据本专利技术提供的一种订单数据处理方法，所述订单完工时长预测模型包括输入层、第一隐含层、第二隐含层和输出层；所述输入层用于输入所述订单特征向量；所述第一隐含层为基于所述径向基函数神经网络的隐含层；所述第二隐含层为基于所述概率神经网络的求和层；所述输出层为基于所述径向基函数神经网络的线性输出层，用于输出所述预测完工时长。
[0007]根据本专利技术提供的一种订单数据处理方法，所述订单完工时长预测模型的训练过程如下：获取样本订单特征向量，以及所述样本订单特征向量对应的样本完工时长；将所述样本订单特征向量输入到原始预测模型，获得所述原始预测模型输出的所述样本订单特征
向量对应的样本预测完工时长，其中，所述原始预测模型基于径向基函数神经网络和概率神经网络预先构建得到；获取所述样本预测完工时长与所述样本完工时长的差值，若所述差值大于预设阈值，调整所述原始预测模型的内部参数，重复将所述样本订单特征向量输入到所述原始预测模型的步骤，直至所述差值小于或等于所述预设阈值时，将所述原始预测模型作为所述订单完工时长预测模型。
[0008]根据本专利技术提供的一种订单数据处理方法，所述第一隐含层包括平滑因子，所述平滑因子为所述订单完工时长预测模型训练过程中调整的内部参数；所述订单完工时长预测模型训练过程中，通过人工鱼群算法调整所述平滑因子的具体数值。
[0009]根据本专利技术提供的一种订单数据处理方法，所述订单指标包括订单类型、设备所在行政区县、工程师所在行政区县、工程师出行方式、工程师出行时间、工程师标识和工程师状态中的至少一种。
[0010]根据本专利技术提供的一种订单数据处理方法，所述对每一个所述指标值进行归一化处理，包括：基于标准分数，对每一个所述指标值进行归一化处理。
[0011]本专利技术还提供一种订单数据处理装置，包括：获取模块，用于获取待处理订单的订单指标数据；数据预处理模块，用于对所述订单指标数据进行数字化处理和归一化处理，获得所述待处理订单的订单特征向量；模型预测模块，用于将所述订单特征向量输入预设的订单完工时长预测模型，其中，所述订单完工时长预测模型基于径向基函数神经网络和概率神经网络预先构建并训练得到；时长输出模块，用于获得所述订单完工时长预测模型输出的所述待处理订单的预测完工时长。
[0012]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述订单数据处理方法。
[0013]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述订单数据处理方法。
[0014]本专利技术提供的订单数据处理方法、装置、设备及存储介质，通过对待处理订单的订单指标数据进行数字化处理和归一化处理，获得待处理订单的订单特征向量，然后将订单特征向量输入预设的订单完工时长预测模型，由订单完工时长预测模型输出待处理订单的预测完工时长。上述过程中，订单指标数据的向量化，实现了订单的数字化处理，便于后续订单完工时长预测模型的处理。同时，订单完工时长预测模型是基于径向基函数神经网络和概率神经网络预先构建并训练得到的，降低径向基函数神经网络中隐含层的神经元个数，从而增强了订单完工时长预测模型的可实现性，同时保留了概率神经网络训练时间短的特点，提高了订单完工时长预测模型的性能，进一步提升完工时长预测的准确性，进而提升服务订单的处理效率。
附图说明
[0015]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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的附图。
[0016]图1是本专利技术提供的订单数据处理方法的流程示意图之一；
[0017]图2是本专利技术提供的订单完工时长预测模型网络结构示意图；
[0018]图3是本专利技术提供的不同算法运行时间对比图；
[0019]图4是本专利技术提供的不同算法预测正确率对比图；
[0020]图5是本专利技术提供的订单数据处理方法的流程示意图之二；
[0021]图6是本专利技术提供的订单数据处理装置的结构示意图；
[0022]图7是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0023]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0024]本专利技术提供的订单数据处理方法，用于对售后订单等服务订单的完工时长进行预测。该方法可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种订单数据处理方法，其特征在于，包括：获取待处理订单的订单指标数据；对所述订单指标数据进行数字化处理和归一化处理，获得所述待处理订单的订单特征向量；将所述订单特征向量输入预设的订单完工时长预测模型，其中，所述订单完工时长预测模型基于径向基函数神经网络和概率神经网络预先构建并训练得到；获得所述订单完工时长预测模型输出的所述待处理订单的预测完工时长。2.根据权利要求1所述的订单数据处理方法，其特征在于，所述订单指标数据包括至少一个订单指标；所述对所述订单指标数据进行数字化处理和归一化处理，获得所述待处理订单的订单特征向量，包括：根据预设对应关系，分别确定每一个所述订单指标对应的指标值；对每一个所述指标值进行归一化处理；基于所述归一化处理后的所述指标值，获得所述待处理订单对应的初始订单向量；通过核主成分分析方法，对所述初始订单向量进行主成分特征提取，获得所述待处理订单的订单特征向量。3.根据权利要求1所述的订单数据处理方法，其特征在于，所述订单完工时长预测模型包括输入层、第一隐含层、第二隐含层和输出层；所述输入层用于输入所述订单特征向量；所述第一隐含层为基于所述径向基函数神经网络的隐含层；所述第二隐含层为基于所述概率神经网络的求和层；所述输出层为基于所述径向基函数神经网络的线性输出层，用于输出所述预测完工时长。4.根据权利要求3所述的订单数据处理方法，其特征在于，所述订单完工时长预测模型的训练过程如下：获取样本订单特征向量，以及所述样本订单特征向量对应的样本完工时长；将所述样本订单特征向量输入到原始预测模型，获得所述原始预测模型输出的所述样本订单特征向量对应的样本预测完工时长，其中，所述原始预测模型基于径向基函数神经网络和概率神经网络预先构建得到；获取所述样本预测完工时长与所述样本完工时长的差值，若所述差...

【专利技术属性】
技术研发人员：王帅，曾令军，袁浩，黄健，闫鑫，袁爱进，
申请(专利权)人：上海华兴数字科技有限公司，
类型：发明
国别省市：