一种基于大数据分析的宠食供应链管理系统和方法技术方案

本发明专利技术涉及一种基于大数据分析的宠食供应链管理系统和方法，属于大数据分析技术领域。本发明专利技术包括数据采集模块、数据处理模块、数据平衡模块、数据挖掘模块、中央控制模块和数据存储模块，通过充分利用大数据分析技术，分析获取到的宠食供应链数据集，得出影响宠食供应链效率的因素，从而为宠食供应链厂商对提高宠食供应链效率提供数据辅助和支撑。宠食供应链效率提供数据辅助和支撑。宠食供应链效率提供数据辅助和支撑。

【技术实现步骤摘要】
一种基于大数据分析的宠食供应链管理系统和方法


[0001]本专利技术属于大数据分析
，具体涉及一种基于大数据分析的宠食供应链管理系统和方法。

技术介绍

[0002]宠食供应链管理是指对宠物食品从原材料采购到生产制造、仓储物流和销售等各个环节进行有效管理和协调，以确保供应链的高效运作和产品的质量可靠性。目前，针对在宠食供应链中所产生的数据明显缺乏对大数据进行分析和利用的能力，导致在提升宠食供应链效率方面没有数据辅助和支撑。

技术实现思路

[0003]为解决现有技术中存在的上述问题，本专利技术提供了一种基于大数据分析的宠食供应链管理系统和方法，通过充分利用大数据分析技术，分析获取到的宠食供应链数据集，得出影响宠食供应链效率的因素，从而为宠食供应链厂商对提高宠食供应链效率提供数据辅助和支撑。
[0004]本专利技术的目的可以通过以下技术方案实现：
[0005]一种基于大数据分析的宠食供应链管理方法，包括：
[0006]S1：获取宠食供应链预处理数据，所述预处理数据包括供应商数据、运输数据和生产加工数据；
[0007]S2：将所述供应链预处理数据进行数据预处理，所述数据预处理包括以日期作为主键整合，通过分组聚合得到供应链数据集；
[0008]S3：通过基于K
‑
means算法优化平衡所述供应链数据集得到供应链平衡数据集；
[0009]S4：通过设置约束条件对所述供应链平衡数据集进行挖掘并输出供应链效率影响因素。
[0010]优选地，所述步骤S3具体实现方法为：
[0011]S301：将所述供应链数据集分成大样本数据集和小样本数据集；
[0012]S302：通过K
‑
means算法对所述小样本数据集进行聚类得到子样本集；
[0013]S303：计算所述子样本集的样本比；
[0014]S304：以欧氏距离为标准计算所述子样本集中的样本到子样本集中其他样本的距离，得到样本近邻；
[0015]S305：计算所述大样本数据集和所述小样本数据集之间的差值，根据所述样本比确定采样倍率；
[0016]S306：从所述子样本集中的样本的近邻中挑选若干样本；
[0017]S307：根据步骤S306中挑选的若干样本，通过Y
new
＝y+rand(0,1)
·
|y
‑
yn|构造新样本，其中，Y
new
为新样本，y为挑选的若干样本，yn为近邻；
[0018]S308：将所述新样本与所述供应链数据集合并生成所述供应链平衡数据集。
[0019]优选地，所述步骤S4具体实现方法为：
[0020]S401：根据所述供应链平衡数据集，预设对应的约束条件集合；
[0021]S402：通过得到所述供应链平衡数据集对应所述约束条件集合的权重；
[0022]S403：将所述供应链平衡数据集通过变换转换为供应链矩阵，所述变换为若第i个事务中存在第j个项，则将矩阵的第i行第j列的值设为1，否则将其值设为0；
[0023]S404：在所述供应链矩阵的基础上增加两行Sup和WSup，增加一列sum_c，得到供应链对应矩阵；
[0024]S405：设定最小加权支持度min_wsup，比较所述供应链对应矩阵中项的支持数，得到新供应链矩阵，所述项为所述供应链对应矩阵中最后一行记录的项；
[0025]S406：重复步骤S405，产生频繁k项集(k≥2)，若频繁项集的个数小于k+1时，则终止搜索过程，否则重复步骤S404和步骤S406，直到不再生成新的频繁集为止；
[0026]S407：设定最小的加权置信度，计算所有约束条件的最小加权置信度并与设定的最小加权置信度进行比较，若大于或者等于最小加权置信度，则输出所述供应链效率影响因素。
[0027]优选地，所述步骤S404包括所述Sup为支持度，且用于记录所述供应链矩阵不同项的支持数，所述WSup为所述供应链平衡数据集的加权支持度，且WSup(Y)＝W(Y)
×
Sup(Y)，用于记录所述供应链矩阵相对应的加权支持度，所述sum_c用于记录所述供应链矩阵包含的项的总数。
[0028]优选地，所述步骤S405具体包括若所述项的支持数不小于min_sup，则记为频繁1项集，否则将对应的列删除。重新对矩阵的最后一列进行计算，若某元素对应的值为0，则将对应的行删除。
[0029]优选地，所述步骤S406具体包括删除在频繁k
‑
1项集中出现次数小于k的项I
j
对应的矩阵列并重新计算矩阵的sum_c列，重新计算矩阵的sum_r行，若某元素值小于min_sup，则将该元素对应的列删除。
[0030]一种基于大数据分析的宠食供应链管理系统，包括数据采集模块、数据处理模块、数据平衡模块、数据挖掘模块、中央控制模块和数据存储模块；
[0031]所述数据采集单元用于获取宠食供应链预处理数据；
[0032]所述数据处理模块将所述供应链预处理数据进行数据预处理；
[0033]所述数据平衡模块用于通过基于K
‑
means算法优化平衡所述供应链数据集得到所述供应链平衡数据集；
[0034]所述数据挖掘模块用于通过设置约束条件对所述供应链平衡数据集进行挖掘并输出所述供应链效率影响因素；
[0035]所述中央控制模块用于通过单片机控制各个模块正常工作；
[0036]所述数据存储模块用于存放数据库以存储各个模块所产生的数据。
[0037]本专利技术的有益效果为：
[0038](1)通过基于K
‑
means算法优化平衡数据确保数据之间关联完整，保证了宠食供应链系统输出可能影响供应链效率的因素完整性；
[0039](2)通过设置约束条件客观分配数据属性权重，有利于提升宠食供应链系统输出
可能影响供应链效率的因素的准确性。
附图说明
[0040]为了便于本领域技术人员理解，下面结合附图对本专利技术作进一步的说明。
[0041]图1为本专利技术的一种基于大数据分析的宠食供应链管理方法的流程示意图；
[0042]图2为本专利技术的一种基于大数据分析的宠食供应链管理系统的模块示意图。
具体实施方式
[0043]为更进一步阐述本专利技术为实现预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术的具体实施方式、结构、特征及其功效，详细说明如下。
[0044]为方便本领域技术人员能够更好地理解本
技术实现思路
，需要对供应链数据管理过程进行统一的描述：定义Y用于表示供应链数据集，定义i用于表示供应链数据库的项，定义I用于表示不同的供应链数据组成的集合，定义s用于表示供应链数据库中的具体事务，定义k－用于表示项集，含义为包含k个不同项的集合。
[0045]请参阅图1，一种基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据分析的宠食供应链管理方法，其特征在于，包括：S1：获取宠食供应链预处理数据，所述预处理数据包括供应商数据、运输数据和生产加工数据；S2：将所述供应链预处理数据进行数据预处理，所述数据预处理包括以日期作为主键整合，通过分组聚合得到供应链数据集；S3：通过基于K
‑
means算法优化平衡所述供应链数据集得到供应链平衡数据集；S4：通过设置约束条件对所述供应链平衡数据集进行挖掘并输出供应链效率影响因素。2.根据权利要求1所述的宠食供应链管理方法，其特征在于，所述步骤S3具体实现方法为：S301：将所述供应链数据集分成大样本数据集和小样本数据集；S302：通过K
‑
means算法对所述小样本数据集进行聚类得到子样本集；S303：计算所述子样本集的样本比；S304：以欧氏距离为标准计算所述子样本集中的样本到子样本集中其他样本的距离，得到样本近邻；S305：计算所述大样本数据集和所述小样本数据集之间的差值，根据所述样本比确定采样倍率；S306：从所述子样本集中的样本的近邻中挑选若干样本；S307：根据步骤S306中挑选的若干样本，通过Y
new
＝y+rand(0,1)
·
|y
‑
yn|构造新样本，其中，Y
new
为新样本，y为挑选的若干样本，yn为近邻；S308：将所述新样本与所述供应链数据集合并生成所述供应链平衡数据集。3.根据权利要求1所述的宠食供应链管理方法，其特征在于，所述步骤S4具体实现方法为：S401：根据所述供应链平衡数据集，预设对应的约束条件集合；S402：通过得到所述供应链平衡数据集对应所述约束条件集合的权重；S403：将所述供应链平衡数据集通过变换转换为供应链矩阵，所述变换为若第i个事务中存在第j个项，则将矩阵的第i行第j列的值设为1，否则将其值设为0；S404：在所述供应链矩阵的基础上增加两行Sup和WSup，增加一列sum_c，得到供应链对应矩阵；S405：设定最小加权支持度min_wsup，比较所述供应链对应矩阵中项的支持数，得到新供应链矩阵，所述项为所...

【专利技术属性】
技术研发人员：汪迎春，汪淑敏，汪蔚军，汪蒙，
申请(专利权)人：上海福贝宠物用品股份有限公司，
类型：发明
国别省市：