一种基于大数据的产业供应链优化方法及系统技术方案

本发明专利技术公开了一种基于大数据的产业供应链优化方法及系统，涉及大数据管理技术领域。该基于大数据的产业供应链优化方法，包括以下步骤：S1，大数据本地网络采集预处理；S2，采购生产产业链数据优化处理；S3，运输仓储产业链数据优化处理；S4，销售回收产业链数据优化处理；S5，大数据云端网络优化处理；S6，大数据本地网络存储。本发明专利技术通过产业链数据的分类简化过滤处理，发送云端网络并数据压缩，最后分布存储在唯一对应的本地网络，提高了云端网络的运行数据处理速度和响应速率，节省了运算效力和存储空间。解决了现有技术中，不能及时对大量产业链数据分类简化压缩处理以达到大大提高大数据网络运行稳定性和长久性的问题。高大数据网络运行稳定性和长久性的问题。高大数据网络运行稳定性和长久性的问题。

【技术实现步骤摘要】
一种基于大数据的产业供应链优化方法及系统


[0001]本专利技术涉及大数据管理
，尤其涉及一种基于大数据的产业供应链优化方法及系统。

技术介绍

[0002]随着大数据相关技术的发展，基于大数据的产业链发展也呈现多种应用方向，包括战略决策支持、效率提升、市场洞察与个性化营销、新业务拓展、风险管理和安全保障、合作与协同创新。总体来说，基于大数据的产业链发展能够提供更深入、准确和全面的信息支持，帮助企业实现战略决策、提升效率、拓展市场、管理风险，并促进创新和合作，从而增强企业竞争力和创造更大的商业价值。
[0003]现有的基于大数据的产业供应链优化方法主要通过大数据采集和处理：该系统通过采集各个环节产生的大量数据，使用数据处理技术进行清洗、整合和转换，将数据转化为可分析的格式；数据分析和建模：通过统计分析、机器学习、数据挖掘等技术，对采集到的数据进行分析，提取关键指标和模式，并构建模型来理解产业链中的关联和影响因素；优化算法和决策支持：基于分析和模型，将应用优化算法来探索最佳的产业链策略和决策；实时监控和预测：具备实时监控供应链和产业链环节的能力，通过实时数据的采集和分析，可以及时发现异常情况、预测潜在问题，并采取相应的调整措施；可视化和报告：提供直观的可视化界面和报告功能，以便用户对产业链的关键指标、趋势和优化结果进行监测和分析。
[0004]例如公开号为CN113888268A的专利技术专利申请公开的一种基于数字经济乳品产业供应链智能优化服务方法和平台，包括：供应链需求方登陆平台，平台获取供应链需求方的注册信息和历史信息；依据供应链需求方进入平台供应商虚拟店铺的即时信息，平台获取供应商相关货物信息；根据供应链需求方货物接收地理位置信息，构建供应链需求方货物成本分析模型；构建供应商与需求方的货物匹配指数模型；根据供应商与需求方的货物匹配指数模型，得到供应链订单的货物质量价格区划图，根据供应链订单的货物质量价格区划图，帮助供应链需求方有效获得正确的货物。
[0005]例如公开号为CN116166978A的专利技术专利申请公开的一种用于供应链管理的物流数据压缩存储方法，包括：获取物流运输工具的速度时序数据中每个数据点的SBN路径，通过每个数据点的SBN路径获取偏离程度，并以此确定数据点的变点程度，通过相邻的相似数据段之间的形态差异获取速度时序数据中的变点，通过变点对速度时序数据进行分割，将分割后的子序列进行聚类，获取到每个子序列的符号映射。
[0006]但本申请专利技术人在实现本申请实施例中专利技术技术方案的过程中，发现上述技术至少存在如下技术问题：现有技术中，利用大数据的产业链数据优化方法只将接收到的产业链数据做分析预测处理，存在大数据的产业链网络接收的数据膨胀速度太快难以提高大数据的产业链网络运行稳定性和长期性的问题。

技术实现思路

[0007]本申请实施例通过提供一种基于大数据的产业供应链优化方法及系统，解决了现有技术中，存在大数据的产业链网络接收的数据膨胀速度太快难以提高大数据的产业链网络运行稳定性和长期性的问题，通过基于大数据的产业供应链优化方法对数据的分类简化压缩处理，保证了大数据的产业供应链本地和云端网络长期稳定运行。
[0008]本申请实施例提供了一种基于大数据的产业供应链优化方法，包括以下步骤：S1，大数据本地网络采集预处理：采集大数据产业供应链原始数据，对大数据产业供应链原始数据预处理，预处理得到采购生产、运输仓储和销售回收产业链数据组和对应的分类特征数据组；S2，采购生产产业链数据优化处理：对采购生产产业链数据组和对应的特征数据组简化过滤，得到采购生产类别数据组特征过滤评估值，从而得到采购生产特征过滤系数，进而得到采购生产过滤数据组；S3，运输仓储产业链数据优化处理：对运输仓储产业链数据组和对应的特征数据组简化过滤，得到运输仓储路径数据组特征过滤评估值，从而得到运输仓储特征过滤系数，进而得到运输仓储过滤数据组；S4，销售回收产业链数据优化处理：对销售回收产业链数据组和对应的特征数据组简化过滤，得到销售回收价值数据组特征过滤评估值，从而得到销售回收特征过滤系数，进而得到销售回收过滤数据组；S5，大数据云端网络优化处理：由大数据云端网络接收大数据本地网络发送的采购生产过滤数据组、运输仓储过滤数据组和销售回收过滤数据组，压缩处理，得到大数据产业链压缩数据组，回传大数据本地网络存储；S6，大数据本地网络存储：接收大数据云端网络发送的大数据产业链压缩数据组，分别存储在对应的大数据本地网络中。
[0009]进一步的，所述S1中的大数据本地网络采集预处理的具体步骤为：S11，从大数据本地网络上获取大数据本地网络产业供应链原始数据，按采购生产、运输仓储和销售回收分类组成三个产业供应链数据组，分别记为采购生产产业链原始数据组、运输仓储产业链原始数据组和销售回收产业链原始数据组；S12，将采购生产产业链原始数据组、运输仓储产业链原始数据组和销售回收产业链原始数据组经过与白噪音设定阈值进行对比，将低于白噪音设定阈值的数据定为数据白噪音，舍去，将三个数据组剩下的数据分别记为有效采购生产原始数据组、有效运输仓储原始数据组和有效销售回收原始数据；S13，有效采购生产原始数据组数据数量记为，，为有效采购生产原始数据组数据总数，从有效采购生产原始数据组提取有效采购生产原始数据组分类特征数据，有效采购生产原始数据组分类特征数据类别记为，，为有效采购生产原始数据组分类特征数据类别总数，同类别有效采购生产原始数据组分类特征数据数量记为，，为同类别有效采购生产原始数据组分类特征数据总数，，则第类第个有效采购生产原始数据组分类特征数据记为，并据此通过计算公式得到第类有效采购生产原始数据组分类特征数据评估值，具体计算公式为：
其中表示第类第个设定有效采购生产原始数据组分类特征数据标准值，表示有效采购生产原始数据组分类特征数据提取误差因子，将第类有效采购生产原始数据组分类特征数据评估值与设定有效采购生产原始数据组分类特征数据评估值对比，在误差允许范围之内的保留对应的有效采购生产原始数据组分类特征数据，对所有类别有效采购生产原始数据组数据重复此步骤，将所有保留的数据记为采购生产分类特征数据组；S14，使用与步骤S13同样的大数据本地网络采集预处理的步骤，得到运输仓储分类特征数据组和销售回收分类特征数据组。
[0010]进一步的，所述S2中得到采购生产类别数据组特征过滤评估值的具体步骤为：根据采购生产分类特征数据组中的预定义分类特征数据将采购生产产业链原始数据组分类，得到采购生产类别数据组、采购生产数量数据组和采购生产成本数据组，采购生产类别数据组数据数量记为，，为采购生产类别数据组数据总数，采购生产类别数据组数据记为，并据此通过计算公式得到采购生产类别数据组特征过滤评估值记为，具体计算公式为：，其中表示设定采购生产类别数据组特征过滤评估值，表示采购生产类别特征提取误差因子。
[0011]进一步的，所述S2中进而得到采购生产过滤数据组的具体步骤为：同样的对采购生产产业链数据组和对应的特征数据组简化过滤的步骤，得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的产业供应链优化方法，其特征在于，包括以下步骤：S1，大数据本地网络采集预处理：采集大数据产业供应链原始数据，对大数据产业供应链原始数据预处理，预处理得到采购生产、运输仓储和销售回收产业链数据组和对应的分类特征数据组；S2，采购生产产业链数据优化处理：对采购生产产业链数据组和对应的特征数据组简化过滤，得到采购生产类别数据组特征过滤评估值，从而得到采购生产特征过滤系数，进而得到采购生产过滤数据组；S3，运输仓储产业链数据优化处理：对运输仓储产业链数据组和对应的特征数据组简化过滤，得到运输仓储路径数据组特征过滤评估值，从而得到运输仓储特征过滤系数，进而得到运输仓储过滤数据组；S4，销售回收产业链数据优化处理：对销售回收产业链数据组和对应的特征数据组简化过滤，得到销售回收价值数据组特征过滤评估值，从而得到销售回收特征过滤系数，进而得到销售回收过滤数据组；S5，大数据云端网络优化处理：由大数据云端网络接收大数据本地网络发送的采购生产过滤数据组、运输仓储过滤数据组和销售回收过滤数据组，压缩处理，得到大数据产业链压缩数据组，回传大数据本地网络存储；S6，大数据本地网络存储：接收大数据云端网络发送的大数据产业链压缩数据组，分别存储在对应的大数据本地网络中。2.如权利要求1所述一种基于大数据的产业供应链优化方法，其特征在于，所述S1中的大数据本地网络采集预处理的具体步骤为：S11，从大数据本地网络上获取大数据本地网络产业供应链原始数据，按采购生产、运输仓储和销售回收分类组成三个产业供应链数据组，分别记为采购生产产业链原始数据组、运输仓储产业链原始数据组和销售回收产业链原始数据组；S12，将采购生产产业链原始数据组、运输仓储产业链原始数据组和销售回收产业链原始数据组经过与白噪音设定阈值进行对比，将低于白噪音设定阈值的数据定为数据白噪音，舍去，将三个数据组剩下的数据分别记为有效采购生产原始数据组、有效运输仓储原始数据组和有效销售回收原始数据；S13，有效采购生产原始数据组数据数量记为，，为有效采购生产原始数据组数据总数，从有效采购生产原始数据组提取有效采购生产原始数据组分类特征数据，有效采购生产原始数据组分类特征数据类别记为，，为有效采购生产原始数据组分类特征数据类别总数，同类别有效采购生产原始数据组分类特征数据数量记为，，为同类别有效采购生产原始数据组分类特征数据总数，则第类第个有效采购生产原始数据组分类特征数据记为，并据此通过计算公式得到第类有效采购生产原始数据组分类特征数据评估值，具体计算公式为：
，其中表示第类第个设定有效采购生产原始数据组分类特征数据标准值，表示有效采购生产原始数据组分类特征数据提取误差因子，将第类有效采购生产原始数据组分类特征数据评估值与设定有效采购生产原始数据组分类特征数据评估值对比，在误差允许范围之内的保留对应的有效采购生产原始数据组分类特征数据，对所有类别有效采购生产原始数据组数据重复此步骤，将所有保留的数据记为采购生产分类特征数据组；S14，使用与步骤S13同样的大数据本地网络采集预处理的步骤，得到运输仓储分类特征数据组和销售回收分类特征数据组。3.如权利要求2所述一种基于大数据的产业供应链优化方法，其特征在于，所述S2中得到采购生产类别数据组特征过滤评估值的具体步骤为：根据采购生产分类特征数据组中的预定义分类特征数据将采购生产产业链原始数据组分类，得到采购生产类别数据组、采购生产数量数据组和采购生产成本数据组，采购生产类别数据组数据数量记为，，为采购生产类别数据组数据总数，采购生产类别数据组数据记为，并据此通过计算公式得到采购生产类别数据组特征过滤评估值记为，具体计算公式为：，其中表示设定采购生产类别数据组特征过滤评估值，表示采购生产类别特征提取误差因子。4.如权利要求3所述一种基于大数据的产业供应链优化方法，其特征在于，所述S2中进而得到采购生产过滤数据组的具体步骤为：同样的对采购生产产业链数据组和对应的特征数据组简化过滤的步骤，得到采购生产数量数据组特征过滤评估值，采购生产成本数据组特征过滤评估值，根据采购生产类别数据组特征过滤评估值，采购生产数量数据组特征过滤评估值，采购生产成本数据组特征过滤评估值，通过计算公式得到采购生产特征过滤系数，具体计算公式为：
，其中表示采购生产类别数据组特征过滤评估值对应的权重因子，表示采购生产数量数据组特征过滤评估值对应的权重因子，表示采购生产成本数据组特征过滤评估值对应的权重因子,表示采购生产类别数量成本三种数据之间的关联特征过滤系数；将采购生产特征过滤系数与预定义采购生产特征过滤系数比较，在误差允许范围之内的保留对应数据组里的数据，否则丢弃，过滤保留下来的数据组记为采购生产过滤数据组，将采购生产分类特征数据组和采购生产过滤数据组发送大数据云端网络。5.如权利要求4所述一种基于大数据的产业供应链优化方法，其特征在于，所述S3中进而得到运输仓储过滤数据组的具体步骤为：S31，通过运输仓储分类特征数据组将运输仓储产业链原始数据组分类，得到运输仓储路径数据组、运输仓储效率数据组和运输仓储模式数据组，运输仓储路径数据组数据数量记为，，为运输仓储路径数据组数据总数，运输仓储路径数据组数据记为，根据运输仓储路径数据组数据数量和运输仓储路径数据组数据通过计算公式得到运输仓储路径数据组特征过滤评估值记为，具体计算公式为：,其中表示设定运输仓储路径数据组特征过滤评估值，表示运输仓储路径特征权重因子，表示运输仓储路径特征误差设定加权乘方，表示运输仓储路径特征提取误差因子，表示自然常数；S32，同样地根据得到运输仓储路径数据组特征过滤评估值的步骤，得到运输仓储效率数据组特征过滤评估值，运输仓储模式数据组特征过滤评估值，并据此通过计算公式得到运输仓储特征过滤系数，具体计算公式为：
，其中表示运输仓储路径数据组特征过滤评估值对应的除权因子，表示运输仓储效率数据组特征过滤评估值对应的除权因子，表示运输仓储模式数据组特征过滤评估值对应的除权因子,表示运输仓储路径效率模式三种数据之间的关联特征系数；S33，将运输仓储特征过滤系数与预定义运输仓储特征过滤系数比较，在误差允许范围之内的保留对应数据组里的数据，否则丢弃，过滤保留下来的数据组记为运输仓储过滤数据组，将运输仓储分类特征数据组和运输仓储过滤数据组发送大数据云端网络。6.如权利要求5所述一种基于大数据的产业供应链优化方法，其特征在于，所述...

【专利技术属性】
技术研发人员：吴阔，钟娟，陈积勇，
申请(专利权)人：湖南前行科创有限公司，
类型：发明
国别省市：