【技术实现步骤摘要】
本专利技术涉及需求计算，尤其涉及一种基于mpr的物料需求云计算分析系统、方法及介质。
技术介绍
1、随着市场的繁荣发展，产品的产量也在进一步提升，为了满足市场需求，确保在适当的时间生产出足够数量的产品，需要制定详细的生产计划和调度计划，进而需要对产品的物料需求进行分析。
2、现有的物料分需求析方法多为基于刚性生产计划的物料分析方法，即针对比较稳定的生产计划计算需求的物料，实际应用中，生产计划受经济环境影响较大，基于刚性生产计划的物料分析方法对生产计划的变化难以灵活适应，对市场需求的快速变化反应较慢，可能导致库存过多或过少，进而导致进行物料需求分析时的灵活性较低。
技术实现思路
1、本专利技术提供一种基于mpr的物料需求云计算分析系统、方法及介质，其主要目的在于解决进行物料需求分析时的灵活性较低的问题。
2、为实现上述目的，本专利技术提供的一种基于mpr的物料需求云计算分析方法，包括：
3、获取历史生产数据以及所述历史生产数据对应的历史市场数据，对所述历史生产数据进行数据清洗，得到标准生产数据；
4、对所述历史市场数据进行语义分析，得到历史市场语义，从所述标准生产数据中提取出历史生产计划，其中，所述对所述历史市场数据进行语义分析，得到历史市场语义，包括：对所述历史市场数据进行时序拆分，得到市场数据集；逐个选取所述市场数据集中的市场数据作为目标市场数据，依次对所述目标市场数据进行文本分词和停用词过滤操作，得到目标市场词集；依次对所述目标市
5、
6、其中，ai是指第i个市场特征对应的所述目标注意力市场特征，σ()为归一化函数，ci是指所述目标市场特征序列中序号为i的市场特征，i为特征序号，*是点乘符号，qi是指所述目标市场特征序列中序号为i的市场特征的查询特征，ki是指所述目标市场特征序列中序号为i的市场特征的键特征，vi是指所述目标市场特征序列中序号为i的市场特征的值特征，d是指所述目标市场特征序列中每个市场特征的特征维度，l是预设的尺度系数，log为对数符号，n是所述目标市场特征序列的长度；对所述目标注意力市场特征进行前向反馈传播，得到目标市场语义，将所有的目标市场语义汇集成历史市场语义；
7、利用预设的市场时序模型分别提取出所述历史市场语义的时序语义特征以及所述历史生产计划的时序生产特征，根据所述时序语义特征、所述时序生产特征以及所述历史生产计划将所述市场时序模型训练成市场趋势模型；
8、获取实时生产数据以及所述实时生产数据对应的实时市场数据，从所述实时市场数据中提取出实时市场语义，利用所述市场趋势模型和所述实时生产数据计算出所述实时市场语义对应的预测生产计划；
9、利用所述预测生产计划计算出所述实时生产数据对应的实时物料需求。
10、可选地，所述对所述历史生产数据进行数据清洗，得到标准生产数据，包括：
11、从所述历史生产数据中提取出生产周期时间戳集；
12、根据所述生产周期时间戳集将所述历史生产数据排序成生产数据序列；
13、对所述生产数据序列进行单位统一，得到规范生产数据序列；
14、对所述规范生产数据序列进行哈希编码，得到生产哈希编码集；
15、利用所述生产哈希编码集对所述规范生产数据序列进行数据去重，得到去重生产数据序列；
16、对所述去重生产数据序列进行异常值除噪，得到标准生产数据序列；
17、将所述标准生产数据集汇集成标准生产数据。
18、可选地，所述对所述去重生产数据序列进行异常值除噪，得到标准生产数据序列，包括：
19、对所述去重生产数据序列进行数据特征提取，得到去重数据特征集；
20、对所述去重数据特征集进行聚类分组，得到去重数据特征组集；
21、逐个选取所述去重数据特征组集中的去重数据特征组作为目标去重数据特征组，逐个选取所述目标去重数据特征组中的去重数据特征作为目标去重数据特征；
22、利用如下的协方差轮廓距离算法计算出所述目标去重数据特征在所述目标去重数据特征组中的协方差轮廓距离：
23、
24、其中，l是指所述协方差轮廓距离，p是指所述目标去重数据特征，n是所述去重数据特征组的特征总数，n是特征索引，pn是指所述去重数据特征组集中的第n个去重数据特征，t是转置符号，cov()是协方差函数符号；
25、根据所述目标去重数据特征组中各个目标去重数据特征的协方差轮廓距离从所述目标去重数据特征组中筛选出离群数据特征组；
26、利用所述离群数据特征组中各个目标去重数据特征的协方差轮廓距离将所述离群数据特征组更新成修复数据特征组；
27、利用所述修复数据特征组将所述目标去重数据特征组更新成目标标准数据特征组，将所有的目标标准数据特征组汇集成目标标准数据特征组集；
28、对所述目标标准数据特征组集进行数据映射，得到标准生产数据序列。
29、可选地，所述从所述标准生产数据中提取出历史生产计划，包括：
30、从所述标准生产数据中提取出生产周期时间戳集，根据所述生产周期时间戳集将所述标准生产数据排序成标准生产数据序列；
31、逐个选取所述标准生产数据序列中的标准生产数据作为目标标准生产数据，从所述生产周期时间戳集中筛选出所述目标标准生产数据对应的生产周期时间戳作为目标生产周期时间戳；
32、从所述目标标准生产数据中提取出目标生产总量，根据所述目标生产总量和所述目标生产周期时间戳生成目标周期生产计划；
33、将所有的目标周期生产计划汇集成历史生产计划。
34、可选地，所述利用预设的市场时序模型分别提取出所述历史市场语义的时序语义特征以及所述历史生产计划的时序生产特征，包括：
35、将所述历史市场语义按照时序拆分成市场语义序列；
36、利用预设的市场时序模型分别从所述市场语义序列中提取出长期市场语义特征和短期市场语义特征；
37、利用所述市场时序模型将所述长期市场语义特征和所述短期市场语义特征融合成时序语义特征；
38、将所述历史生产计划按照时序拆分成生产计划序列；
39、利用所述市场时序模型分别从所述生产计划序列中提取出长期生产计划特征和短期生产计划特征；
40、利用所述市场时序模型将所述长期生产计划特征和所述短期生产计划特征融合成时序生产特征。
41、可选地，所述利用预设的市场时序模型分别从所述市场语义序列中提取出长期市场语义特征和短期市场语义特征，包括：
42、利用预设的市场时序模型对所述市场语义序列进行时序卷积，得到市场时序特征；
43、利用如下的短期市场语义特征算法计算出所述市本文档来自技高网...
【技术保护点】
1.一种基于MPR的物料需求云计算分析方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于MPR的物料需求云计算分析方法，其特征在于，所述对所述历史生产数据进行数据清洗，得到标准生产数据，包括：
3.如权利要求2所述的基于MPR的物料需求云计算分析方法，其特征在于，所述对所述去重生产数据序列进行异常值除噪，得到标准生产数据序列，包括：
4.如权利要求1所述的基于MPR的物料需求云计算分析方法，其特征在于，所述从所述标准生产数据中提取出历史生产计划，包括：
5.如权利要求1所述的基于MPR的物料需求云计算分析方法，其特征在于，所述利用预设的市场时序模型分别提取出所述历史市场语义的时序语义特征以及所述历史生产计划的时序生产特征，包括：
6.如权利要求5所述的基于MPR的物料需求云计算分析方法，其特征在于，所述利用预设的市场时序模型分别从所述市场语义序列中提取出长期市场语义特征和短期市场语义特征，包括：
7.如权利要求1所述的基于MPR的物料需求云计算分析方法，其特征在于，所述根据所述时序语义特征、所述时序
8.如权利要求1所述的基于MPR的物料需求云计算分析方法，其特征在于，所述利用所述预测生产计划计算出所述实时生产数据对应的实时物料需求，包括：
9.一种基于MPR的物料需求云计算分析系统，其特征在于，所述系统包括：
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任意一项所述的基于MPR的物料需求云计算分析方法。
...【技术特征摘要】
1.一种基于mpr的物料需求云计算分析方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于mpr的物料需求云计算分析方法，其特征在于，所述对所述历史生产数据进行数据清洗，得到标准生产数据，包括：
3.如权利要求2所述的基于mpr的物料需求云计算分析方法，其特征在于，所述对所述去重生产数据序列进行异常值除噪，得到标准生产数据序列，包括：
4.如权利要求1所述的基于mpr的物料需求云计算分析方法，其特征在于，所述从所述标准生产数据中提取出历史生产计划，包括：
5.如权利要求1所述的基于mpr的物料需求云计算分析方法，其特征在于，所述利用预设的市场时序模型分别提取出所述历史市场语义的时序语义特征以及所述历史生产计划的时序生产特征，包括：
6.如权利要求5所述的基于mpr...
【专利技术属性】
技术研发人员：周益良，
申请(专利权)人：深圳市商用管理软件有限公司，
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。