纺织化纤供应链智能管理方法及其系统技术方案

本申请涉及供应链智能管理技术领域，其具体地公开了一种纺织化纤供应链智能管理方法及其系统，其首先获取包含当天在内的过去一段时间的来料信息，包含当天在内的过去一段时间的库存信息，以及，包含当天在内的过去一段时间的各生产车间的需求信息；然后，通过深度学习和人工智能技术挖掘所述来料信息和所述库存信息的文本语义时序关联特征与所述各生产车间的需求信息的本文语义时序关联特征的隐含关联性特征分布信息，以此来准确地对于原料的供应和需求进行平衡检测，从而对于是否可能进行缺料进行精准预估，以在出现缺料时调整供应链管理策略，保证纺织化纤的供应链正常运行。行。行。

【技术实现步骤摘要】
纺织化纤供应链智能管理方法及其系统


[0001]本申请涉及供应链智能管理
，且更为具体地，涉及一种纺织化纤供应链智能管理方法及其系统。

技术介绍

[0002]纺织化纤供应链是指围绕核心企业，从纺织产品的生产原料开始，制成中间产品以及最终产品，最后由销售网络把纺织产品送到消费者手中的，将供应商、制造商、分销商直到最终用户连成一个整体的功能网链结构。供应链管理的经营理念是从下游生产者的角度，通过对上游企业间的协作和整合，谋求供应链条整体最佳化。其中对于原料的库存量控制至关重要，善于进行供应链优化的生产企业通过精准的库存量控制，能够实现动态的零库存，大大降低了企业的库存成本浪费。
[0003]良好的供应链管理，可以将纺织产品的生产原料迅速地安排到产线上进行生产，并保持产线上的生产原料的动态平衡；而仓库作为生产原料的主要存储方式，实际在不断制造生产成本；而进一步的，在来料量特大的时候，一般会对仓库进行临时增容以应付临时的来料量增加，然而临时增容的方式亦不利于生产管理并且加剧额外的库存成本。
[0004]因此，期望一种优化的纺织化纤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种纺织化纤供应链智能管理方法，其特征在于，包括：获取包含当天在内的过去一段时间的来料信息，包含当天在内的过去一段时间的库存信息，以及，包含当天在内的过去一段时间的各生产车间的需求信息；将所述包含当天在内的过去一段时间的来料信息和所述包含当天在内的过去一段时间的库存信息分别通过包含嵌入层的上下文编码器以得到来料上下文特征向量和库存上下文特征向量；将所述来料上下文特征向量和所述库存上下文特征向量分别通过时序编码器以得到来料变化特征向量和库存变化特征向量；融合所述来料变化特征向量和所述库存变化特征向量以得到供给变化特征向量；将所述包含当天在内的过去一段时间的各生产车间的需求信息通过所述包含嵌入层的上下文编码器以得到对应于各个车间的多个需求特征向量；对所述对应于各个车间的多个需求特征向量进行级联以得到车间总需求特征向量；将所述车间总需求特征向量通过一维卷积神经网络模型以得到车间总需求变化特征向量；计算所述供给变化特征向量和所述车间总需求变化特征向量的按位置差分以得到分类特征向量；以及将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示是否可能出现缺料。2.根据权利要求1所述的纺织化纤供应链智能管理方法，其特征在于，将所述包含当天在内的过去一段时间的来料信息和所述包含当天在内的过去一段时间的库存信息分别通过包含嵌入层的上下文编码器以得到来料上下文特征向量和库存上下文特征向量，包括：对所述包含当天在内的过去一段时间的来料信息进行分词处理以得到来料词序列；将所述来料词序列通过所述上下文编码器的嵌入层以得到来料词嵌入向量的序列；将所述来料词嵌入向量的序列通过所述上下文编码器的基于转换器的Bert模型以得到多个来料词语义特征向量；以及将所述多个来料词语义特征向量进行级联以得到所述来料上下文特征向量。3.根据权利要求2所述的纺织化纤供应链智能管理方法，其特征在于，将所述来料词嵌入向量的序列通过所述上下文编码器的基于转换器的Bert模型以得到多个来料词语义特征向量，包括：使用所述上下文编码器的基于转换器的Bert模型对所述来料词嵌入向量的序列进行基于全局的上下文语义编码以获得所述多个来料词语义特征向量。4.根据权利要求3所述的纺织化纤供应链智能管理方法，其特征在于，将所述来料上下文特征向量和库存上下文特征向量分别通过时序编码器以得到来料变化特征向量和库存变化特征向量，包括：使用所述时序编码器的全连接层以如下全连接编码公式对输入向量进行全连接编码以提取出所述输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：其中X是所述输入向量，Y是输出向量，W是权重矩阵，B是偏置向量，表示矩阵乘法；以及使用时序编码器的一维卷积层以如下一维卷积公式对输入向量进行一维卷积编码以提取出所述输入向量中各个位置的特征值间的关联的高维隐含关联特征，其中，所述一维
卷积公式为：其中，a为卷积核在x方向上的宽度、F(a)为卷积核参数向量、G(x
‑
a)为与卷积核函数运算的局部向量矩阵，w为卷积核的尺寸，X表示所述输入向量，Cov(X)表示对所述输入向量进行一维卷积编码。5.根据权利要求4所述的纺织化纤供应链智能管理方法，其特征在于，将所述车间总需求特征向量通过一维卷积神经网络模型以得到车间总需求变化特征向量，包括：使用所述一维卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：对所述输入数据进行基于一维卷积核的卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化处理以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；其中，所述一维卷积神经网络模型的第一层的输入为所述车间总需求特征向量，所述一维卷积神经网络模型的最后一层的输出为所述车间总需求变化特征向量。6.根据权利要求5所述的纺织化纤供应链智能管理方法，其特征在于，还包括对所述包含嵌入层的上下文编码器、所述时序编码器、所述一维卷积神经网络模型和所述分类器进行训练；其中，对所述包含嵌入层的上下文编码器、所述时序编码器、所述一维卷积神经网络模型和所述分类器进行训练，包括：获取训练数据，所述训练数据包括包含当天在内的过去一段时间的训练来料信息、训练库存信息、各生产车间的训练需求信息，以及，所述是否可能出现缺料的真实值；将所述包含当天在内的过去一段时间的训练来料信息和所述包含当天在内的过去一段时间的训练库存信息分别通过所述包含嵌入层的上下文编码器以得到训练来料上下文特征向量和训练库存上下文特征向量；将所述训练来料...

【专利技术属性】
技术研发人员：刘莉，赵新炜，陶佳斌，
申请(专利权)人：杭州君方科技有限公司，
类型：发明
国别省市：