【技术实现步骤摘要】
纺织化纤供应链智能协同方法及其系统
[0001]本申请涉及供应链协同
，且更为具体地，涉及一种纺织化纤供应链智能协同方法及其系统。
技术介绍
[0002]“纺丝
‑
织造
‑
后加工”供应链一体化协同网络所涉及的管理对象是一个产业集群的有机整体，包括相关联的多个节点企业和多种生产工序。不同企业处于不同工序上进行着价值创造活动，工序间可以无缝对接。
[0003]供应链一体化协同网络可以通过节点企业之间信息流、物流、资金流的畅通来实现企业之间的更好合作。但是，在网络的实际应用过程中存在供应链协同风险。具体地，现有供应链中由包括相关联的多个节点企业和多种生产工序组成，如果供应链条上的一个节点企业出现问题，会有其他节点企业进行替代，但如果供应链条上的多个节点都出现问题，那么整个供应链就会存在危险，也就是存在供应链协同风险，这时就需要发出预警，以提醒供应链上的企业进行调整。
[0004]因此，期望一种优化的纺织化纤供应链智能协同方案。
技术实现思路
[000...
【技术保护点】
【技术特征摘要】
1.一种纺织化纤供应链智能协同方法，其特征在于，包括：获取纺织化纤供应链中各个节点的需求信息、生产信息和供给信息；将所述各个节点的需求信息、生产信息和供给信息分别通过包含词嵌入层的上下文编码器以得到多个节点信息语义理解特征向量；将所述多个节点信息语义理解特征向量排列为供应链全局特征矩阵；构造所述各个节点之间的供需矩阵，其中，所述供需矩阵中各个位置的特征值用于表示相应两个节点之间是否存在供需关系；将所述供需矩阵通过作为特征提取器的卷积神经网络模型以得到供需拓扑特征矩阵；将所述供应链全局特征矩阵和所述供需拓扑特征矩阵通过图神经网络以得到分类特征矩阵；基于所述供应链全局特征矩阵对于所述分类特征矩阵进行卷积式字典对照响应学习以得到优化分类特征矩阵；以及将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示纺织化纤供应链中是否存在协同风险。2.根据权利要求1所述的纺织化纤供应链智能协同方法，其特征在于，将所述各个节点的需求信息、生产信息和供给信息分别通过包含词嵌入层的上下文编码器以得到多个节点信息语义理解特征向量，包括：对一个节点的需求信息、生产信息和供给信息进行分词处理以得到词序列；将所述词序列通过所述上下文编码器的词嵌入层以得到词嵌入向量的序列；将所述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模型以得到多个词语义特征向量；以及将所述多个词语义特征向量进行级联以得到所述节点信息语义理解特征向量。3.根据权利要求2所述的纺织化纤供应链智能协同方法，其特征在于，将所述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协同方法，其特征在于，将所述供需矩阵通过作为特征提取器的卷积神经网络模型以得到供需拓扑特征矩阵，包括：使用所述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：使用所述卷积神经网络模型的各层的卷积单元对所述输入数据进行基于二维卷积核的卷积处理以得到卷积特征图；使用所述卷积神经网络模型的各层的池化单元对所述卷积特征图进行沿通道维度的池化处理以得到池化特征图；以及使用所述卷积神经网络模型的各层的激活单元对所述池化特征图中各个位置的特征值进行非线性激活以得到激活特征图；其中，所述卷积神经网络模型的第一层的输入为所述供需矩阵，所述卷积神经网络模型的最后一层的输出为所述供需拓扑特征矩阵。5.根据权利要求4所述的纺织化纤供应链智能协同方法，其特征在于，将所述供应链全局特征矩阵和所述供需拓扑特征矩阵通过图神经网络以得到分类特征矩阵，包括：所述图
神经网络通过可学习的神经网络参数来对所述供应链全局特征矩阵和所述供需拓扑特征矩阵进行处理以得到包含不规则的供需拓扑关联特征和所述各个节点的需求、生产和供给语义理解特征信息的所述分类特征矩阵。6.根据权利要求5所述的纺织化纤供应链智能协同方法，其特征在于，基于所述供应链全局特征矩阵对于所述分类特征矩阵进行卷积式字典对照响应学习以得到优化分类特征矩阵，包括：基于所述供应链全局特征矩阵以如下优化公式对于所述分类特征矩阵进行卷积式字典对照响应学习以得到所述优化分类特征矩阵；其中，所述优化公式为：...
【专利技术属性】
技术研发人员：刘杰，林辉，华晓男，
申请(专利权)人：杭州君方科技有限公司，
类型：发明
国别省市：
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。