【技术实现步骤摘要】
本专利技术涉及到物流园钢材存储优化领域，特别涉及一种基于prefixspan的钢材库存管理方法。
技术介绍
1、随着工业互联网的迅速发展，我国钢贸企业正朝着信息化和智能化的方向加速转型，以更好地适应市场需求和顾客购买偏好的变化。然而，最新的中国钢贸市场调研报告表明，钢铁企业面临的竞争和经营压力日益增大，同时也面临着物流园区钢材存储不协调、订单统筹的出入库堵塞等问题，这些问题直接影响着顾客购买体验和企业的销售额。在这样的背景下，物流园堆场库存管理成为了至关重要的环节，企业必须不断优化和改进这一环节，以更好地满足顾客对于钢铁产品品种和偏好的需求，提高企业的竞争力和市场份额。因此，钢贸企业需要加强与供应链、物流等方面的合作，借助信息技术和智能设备等手段，实现物流信息化和智能化，提高物流效率和准确度，为顾客提供更好的服务体验。
2、物流园堆场库存管理在现代企业中是一个非常重要的环节，它直接关系到企业物流效率和顾客购买体验。然而，目前许多企业在进行库存管理时仍然采用传统的基于人工经验的随机存储模式，导致物流园区的钢材存储不协调，订单统筹的出入库堵塞等问题日益突出。因此，必须通过实施科学的库存分类管理法，对各类钢材进行统筹规划和优化，以实现物流园堆场库存管理的有效规划和优化，提高物流效率和准确度。
3、与此同时，物流管理也需要通过信息技术和智能设备等手段实现信息化和智能化，以提高物流效率和准确度，为顾客提供更好的服务体验。此外，物流管理还需要与供应链、物流等方面进行深度合作，共同推进物流信息化和智能化，实现资源的最大
4、中国专利cn104537025a，名称为：频繁序列挖掘方法。它公开了一种频繁序列挖掘方法，包括步骤：s1：从原始数据库中计算序列最大限制长度lmax，并获取β＝{β1,...,βi,...βn}，βi表示长度为i的序列的最大支持度；s2：根据所述lmax和β＝{β1,...,βi,...βn}，基于抽样的候选集剪枝技术，在满足差分隐私保护范式的条件下从所述原始数据库中查找频繁序列。但是该方法可能导致在查找频繁序列时引入一定的噪声和误差，从而影响结果的准确性和可靠性。
5、中国专利cn108563757b，名称为：普适的事件序列频繁情节挖掘方法。它公开了一种普适的事件序列频繁情节挖掘方法，在给定事件序列、窗口宽度、支持度阈值和支持度定义的前提下，基于深度优先搜索方式和共享前/后缀树存储结构来挖掘事件序列上的所有频繁情节，挖掘过程中兼顾多种支持度定义包括窗口发生、最小发生、头发生、总发生、非交错发生、非重叠发生、最小且非重叠发生，单遍扫描事件序列，且不产生候选频繁情节；该种普适的事件序列频繁情节挖掘方法，融合多种支持度定义。但是该方法对于大规模的事件序列序列或复杂数据时可能会面临存储空间占用过大和搜索效率低下的问题。
技术实现思路
1、本专利技术的目的在于提供一种基于prefixspan的钢材库存管理方法，运用在钢材市场的分类存储，它是基于电商交易平台，针对不同客户对钢材品种的采购品种进行的关联规则的数据挖掘聚类算法，通过挖掘不同客户采购钢材品种的频繁序列，结合钢铁电商运营平台的数据和销售钢材的频繁关联性进行钢材的关联性存储。
2、为实现上述目的，本专利技术的技术方案是：一种基于prefixspan的钢材库存管理方法，如图1所示，包括如下步骤：
3、(一)数据提取及编号
4、第一步、通过电商平台的销售记录，知悉不同客户对钢材的采购记录，得到数据信息有：“指示日期”“提货单号”“行状态”“业务类型”“合同号”“客户名称”“性能钢种”“直径”“长度”“件数”“指示重量”“货场名称”“外裤货主”“发运方式”“分组”“产品类型”“出库日期”“外裤货主”“发运方式”等数据。先从中选取需要的数据类型有“客户名称”“性能钢种”“直径”“长度”“件数”“指示重量”“货场名称”“出库日期”，并对其进行获取货场名称为某地区的所有数据，仅对某地区的货场进行分类；假设待分类钢材有k种，客户有m家，首先将客户名称看作是一组数据，设x＝[x1，x2…xm]，其中x1，x2…xm表示客户名称中的各个字符，m表示客户名称的长度，每个字符c1用一个数值或其他编码来表示，例如：c1＝65，c2＝66，c3＝67…；
5、第二步、客户名称编号从1到m，定一个函数f，将客户名称xj，j＝1，2，3，...，m映射到对应的编码：fcj-m＝xj->ii＝1，2…m，按客户顺序进行递归编号，具体如下：
6、
7、同时，钢材也进行相应处理，并将钢材命名为sk；将这些客户名称编号和钢材编号，返回到销售记录中，得到一个l行4列的数据即[l，t，xm，sk]，m＝1，2，3，...，m，k＝1，2，3，...，k；
8、第三步、建立钢材品种的记录序列：将每一条购买记录标记成一个项集，每个项集里的元素是同一个时间段里，同个客户购买的钢材种类所组成；假设有一个序列数据库d，表示为一个包括n个序列的集合：
9、di＝[d{i1}，d{i2}，…，d{in}]，i＝1，2，3，...，m，n＝1，2，3，...，n.
10、di表示第i位置顾客购买的钢材记录序列集，d{i1}表示第i位顾客第一次购买的销售记录，d{j2}表示第i位顾客第二次购买的销售记录，以此类推。其中，d{i1}为i顾客单次购买记录组成如：
11、d{i1}＝[s1，s2…sk]，i＝1，2，3，…，m，1≤k≤k
12、故最终记录序列集d为：d＝[d1，d2…dm]，其中每个di包含了第i位顾客在所有销售记录中购买产品集合。
13、(二)对具体的钢材品种进行ahp赋权值
14、第一步、钢材品种的出现计数。在一般的prefixspan算法中：计数规则为出现一次该品种的销售记录就将其品种计数加一。但实际应用中钢材的存储需要考虑每个顾客采购的钢材的体量和出库的数量，体量越大，需要存储的位置也相应约多。于是针对此算法进行相应的改进-计算出每种钢材之间所属的权重w，通过钢材之间出库量占比给出判断矩阵a；假设钢材i和钢材j之间的判断矩阵元素记为aij，于是判断矩阵如下：
15、
16、
17、at也是一致阵；a的各行成比例，则a矩阵转秩为1；a的最大特征根(值)为λ＝k，其余的k-1个特征根均等于0；a的任一列(行)都是对应于特征根n的特征向量，aw＝kw；
18、通过ahp分析得出权重向量：
19、
20、第二步、基于prefixspan算法对最小支持度的计数规则做如下更改，设决策变量xij：
21、
22、于是此时，定义每一轮的最小支持度为：
23本文档来自技高网...
【技术保护点】
1.一种基于PrefixSpan的钢材库存管理方法，其特征在于，包括如下步骤：
【技术特征摘要】
1.一种基于prefixspan的钢材库...
【专利技术属性】
技术研发人员：徐哲壮，徐志斌，王金龙，王鸿葳，黎立璋，陈伯瑜，张庆东，陈建锟，
申请(专利权)人：福州大学，
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。