一种基于大数据处理的智能化物资管理方法及系统与流程

本发明涉及物资管理，尤其涉及一种基于大数据处理的智能化物资管理方法及系统。

背景技术：

1、随着企业经营规模扩大和物资流转环节增多，物资管理已不再局限于简单的入库、出库和盘点记录。实际管理过程中，物资基础信息、采购计划、领用记录、仓储变化、执行反馈以及现场采集数据往往分布在不同系统中。现有物资管理系统通常通过erp系统、仓储管理系统或采购管理系统对上述数据进行记录，并结合库存数量、历史消耗量、计划需求量等信息，完成物资查询、预警、补货和调拨等管理工作。

2、现有技术虽然能够实现物资数据的信息化管理，但多数系统仍以人工规则和固定阈值为主要判断依据。例如，当库存数量低于设定阈值时触发补货提醒，当某类物资长时间未发生流转时进行积压提示。这类方式实现简单，但对物资需求变化、使用节奏变化以及跨环节影响关系的适应能力较弱，难以及时反映实际管理状态的连续变化。

3、同时，不同来源的物资数据在字段格式、记录时间和更新频率上存在差异，现有系统通常只对数据进行简单汇总或按时间排序处理，难以发现不同记录之间存在的延迟影响和关联变化。当某一管理环节发生异常时，其影响往往会在后续环节中逐步体现，若仅依赖单条记录或单项指标进行判断，容易造成预警不及时、处理方案不准确或资源安排不合理。

4、此外，现有物资管理系统在生成处理方案后，通常将执行结果作为普通记录保存，较少根据反馈结果对后续判断规则进行持续修正。当物资流转节奏、需求结构或执行环境发生变化时，系统难以及时调整分析依据，导致后续管理结果仍然依赖旧有规则，影响物资管理的准确性和适应性。

5、因此，如何提供一种基于大数据处理的智能化物资管理方法及系统是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于大数据处理的智能化物资管理方法及系统，本发明充分利用了大数据预处理、时滞关联分析、图结构建模、关系图卷积以及反馈增量更新技术，详细描述了从多源物资数据统一整理、管理变化关系识别、候选处理方案筛选到执行反馈修正的智能化物资管理过程，具备数据处理一致性高、物资变化响应及时、处理方案匹配度高和持续适应能力强的优点。

2、根据本发明实施例的一种基于大数据处理的智能化物资管理方法，包括如下步骤：

3、s1、获取物资管理场景下的多源数据并进行预处理，形成标准管理序列；

4、s2、对标准管理序列进行滑动窗口切分，得到多个管理片段，计算管理片段之间的时滞响应值，并采用互信息度量筛定有效管理片段；

5、s3、将有效管理片段映射为关联节点，依据管理片段之间的时滞响应值建立有向连接关系，根据片段关联判定结果划分连接边类型，并对有向连接关系进行边权配置，构建物资管理关联图；

6、s4、在物资管理关联图中，按照连接边类型对关联节点的邻域进行分组，采用关系图卷积网络，分别对不同连接边类型下的邻域特征进行卷积聚合，并通过门控状态递推对不同邻域聚合结果进行多轮融合更新，得到节点处理评分；

7、s5、根据节点处理评分和连接边权计算路径代价，在物资管理关联图中执行k最优双向路径搜索，筛定候选处理链，并基于多目标约束条件对候选处理链进行约束投影和排序筛选，生成管理结果序列；

8、s6、获取管理结果序列对应的反馈数据，并采用递推最小二乘法对物资管理关联图进行增量更新。

9、可选的，所述预处理具体包括：

10、对多源数据进行字段映射，按照对象标识、动作标识和时间标识建立统一索引，其中：

11、所述多源数据由物资基础记录、物资流转记录、计划需求记录、执行反馈记录和采集日志记录构成，所述对象标识用于标记同一物资管理对象，所述动作标识用于标记数据记录对应的管理动作，所述时间标识用于标记数据记录的发生顺序；

12、依据统一索引对不同来源的数据记录进行关联合并，并对合并后的数据记录进行时间排序，得到初始管理序列；

13、对初始管理序列中的缺失字段进行邻近窗口填补，对重复记录进行哈希去重，对异常取值记录进行分位截断处理；

14、按照预设时间粒度对处理后的数据记录进行时间对齐，并对相邻时间粒度内的数据记录进行聚合编码，得到标准管理序列。

15、可选的，所述s2具体包括：

16、s21、按照预设窗口长度和滑动步长沿标准管理序列顺序截取，将每一截取窗口内的序列项按时间标识排列，并将各序列项的字段值按固定字段顺序拼接，得到多个管理片段；

17、s22、以任意两个管理片段作为待测片段对，选取其中一个管理片段作为基准片段，对另一管理片段按预设滞后步长执行前向平移和后向平移，确定每一滞后步长下的重叠区间，其中：

18、所述预设滞后步长以标准管理序列的时间粒度为步长单位，包括负向滞后、零滞后和正向滞后，最大滞后步长小于管理片段长度，未形成重叠区间的滞后步长不参与响应计算；

19、s23、在各重叠区间内，对待测片段对的片段向量进行标准化处理，计算片段向量之间的差异距离，并依据差异距离确定响应匹配值，将最大响应匹配值对应的滞后步长作为目标滞后步长，将最大响应匹配值作为时滞响应值；

20、s24、按照目标滞后步长对待测片段对进行对齐，将对齐后的片段向量划入离散取值区间，依据离散取值区间的出现频次和同步出现频次计算互信息度量值，将时滞响应值和互信息度量值均满足筛选条件的管理片段，确定为有效管理片段。

21、可选的，所述s23具体包括：

22、s231、针对每一滞后步长下的重叠区间，提取待测片段对中处于对应位置的片段向量，并按照字段顺序形成基准向量序列和待匹配向量序列；

23、s232、分别计算基准向量序列和待匹配向量序列中各字段的均值和方差，并依据均值和方差对对应字段值进行标准化处理，得到标准化基准向量序列和标准化待匹配向量序列；

24、s233、按照对应位置，计算标准化基准向量序列与标准化待匹配向量序列之间的差异距离，并根据差异距离由小到大的反向关系，确定当前滞后步长下的响应匹配值；

25、s234、遍历全部滞后步长对应的响应匹配值，将最大响应匹配值确定为时滞响应值，并将最大响应匹配值对应的滞后步长确定为目标滞后步长。

26、可选的，所述s3具体包括：

27、s31、对有效管理片段进行去重处理，将每一有效管理片段的片段向量作为节点属性，并按照有效管理片段在标准管理序列中的窗口位置，生成对应的关联节点；

28、s32、对片段关联判定结果中的每一待测片段对，根据目标滞后步长确定对应关联节点之间的连接方向：

29、当目标滞后步长为正时，由基准片段对应的关联节点指向待匹配片段对应的关联节点；

30、当目标滞后步长为负时，由待匹配片段对应的关联节点指向基准片段对应的关联节点；

31、当目标滞后步长为零时，在基准片段对应的关联节点与待匹配片段对应的关联节点之间，建立双向有向连接关系；

32、s33、根据目标滞后步长的取值状态划分有向连接关系的连接边类型：

33、将目标滞后步长为正的有向连接关系标记为正向时滞连接边；

34、将目标滞后步长为负的有向连接关系标记为反向时滞连接边；

35、将目标滞后步长为零的有向连接关系标记为同步连接边；

36、s34、依据时滞响应值、互信息度量值和目标滞后步长，对有向连接关系进行耦合赋权，得到边权值，并基于关联节点、有向连接关系、连接边类型和边权值，构建物资管理关联图。

37、可选的，所述s4具体包括：

38、s41、以每一关联节点作为当前处理节点，将当前处理节点的节点属性映射为初始节点特征，并按照连接边类型提取当前处理节点对应的相邻关联节点，形成对应连接边类型的类型邻域；

39、s42、针对每一类型邻域，根据有向连接关系的边权值生成边权门控系数，利用边权门控系数调节相邻关联节点的节点特征，并采用该连接边类型对应的关系卷积核，对调节后的节点特征执行卷积传递，得到类型卷积结果；

40、s43、将不同连接边类型对应的类型卷积结果，与当前处理节点的上一轮节点特征进行残差计算，依据残差计算结果生成融合门控值，并按照融合门控值对上一轮节点特征进行递推修正，得到当前轮节点特征；

41、s44、将当前轮节点特征作为下一轮递推的输入特征，重复执行卷积传递和递推修正，直至达到预设递推轮次，并将最后一轮节点特征映射为节点处理评分。

42、可选的，所述s42具体包括：

43、s421、针对每一类型邻域，读取类型邻域内有向连接关系的边权值和相邻关联节点的节点特征，将边权值与该连接边类型对应的门控参数进行线性组合，并经s型函数映射，得到边权门控值；

44、s422、依据边权门控值，对相邻关联节点的节点特征进行通道门控，保留与当前连接边类型匹配的特征通道，抑制与当前连接边类型偏离的特征通道，得到门控邻域特征；

45、s423、将当前处理节点的节点特征作为零阶卷积项，将门控邻域特征沿有向连接关系传递后的结果作为一阶卷积项，并基于一阶卷积项的再次传递结果构造二阶卷积项；

46、s424、采用当前连接边类型对应的关系卷积核，分别对零阶卷积项、一阶卷积项和二阶卷积项进行卷积映射，并按卷积阶次对卷积映射结果进行门控融合，得到当前连接边类型对应的类型卷积结果。

47、可选的，所述s5具体包括：

48、s51、依据节点处理评分生成节点代价势，依据连接边权生成边转移代价，并将节点代价势、边转移代价和处理链长度惩罚项写入路径代价递推式，将每一条处理链的路径代价随关联节点扩展逐步更新；

49、s52、在物资管理关联图中执行双向多标签搜索，正向标签沿有向连接关系递推，反向标签沿有向连接关系的反向递推，每一搜索标签记录末端关联节点、累计路径代价、已遍历节点序列和约束残差向量；

50、s53、对到达同一末端关联节点的搜索标签进行筛选，比较各搜索标签的累计路径代价和约束残差值，保留累计路径代价较小且约束残差值较小的搜索标签，并基于保留后的正向标签和反向标签生成候选处理链；

51、s54、将多目标约束条件转换为拉格朗日惩罚项，依据候选处理链的累计路径代价和拉格朗日惩罚项计算链路评价值，并按照链路评价值筛定k条候选处理链，生成管理结果序列。

52、可选的，所述s6具体包括：

53、s61、获取管理结果序列对应的反馈数据，按照管理结果序列中的候选处理链，提取反馈数据经过的关联节点、连接边权和节点处理评分，并将提取结果编码为反馈观测向量，其中：

54、所述反馈数据由：结果确认记录、状态变化记录、异常返回记录和延迟响应记录构成，用于表征管理结果序列执行后的完成状态、片段变化、执行偏离和响应滞后；

55、s62、依据反馈观测向量计算实际反馈响应，并基于当前连接边权和门控状态递推参数计算预测反馈响应，将实际反馈响应与预测反馈响应之间的偏差确定为执行残差；

56、s63、依据反馈观测向量和执行残差进行递推最小二乘估计，计算协方差递推量和参数更新增益，并依据参数更新增益生成连接边权修正量和门控状态递推参数修正量；

57、s64、依据连接边权修正量对物资管理关联图中的连接边权进行增量修正，并依据门控状态递推参数修正量更新节点处理评分过程中的门控状态递推参数。

58、根据本发明实施例的一种基于大数据处理的智能化物资管理系统，包括：

59、预处理模块，用于获取物资管理场景下的多源数据并进行预处理，形成标准管理序列；

60、片段筛定模块，用于对标准管理序列进行滑动窗口切分，得到多个管理片段，计算管理片段之间的时滞响应值，并采用互信息度量筛定有效管理片段；

61、图构建模块，用于将有效管理片段映射为关联节点，依据管理片段之间的时滞响应值建立有向连接关系，根据片段关联判定结果划分连接边类型，并对有向连接关系进行边权配置，构建物资管理关联图；

62、图递推模块，用于在物资管理关联图中，按照连接边类型对关联节点的邻域进行分组，采用关系图卷积网络，分别对不同连接边类型下的邻域特征进行卷积聚合，并通过门控状态递推对不同邻域聚合结果进行多轮融合更新，得到节点处理评分；

63、路径筛选模块，用于根据节点处理评分和连接边权计算路径代价，在物资管理关联图中执行k最优双向路径搜索，筛定候选处理链，并基于多目标约束条件对候选处理链进行约束投影和排序筛选，生成管理结果序列；

64、反馈更新模块，用于获取管理结果序列对应的反馈数据，并采用递推最小二乘法对物资管理关联图进行增量更新。

65、本发明的有益效果是：

66、首先，本发明对多源物资管理数据进行统一预处理，形成连续的标准管理序列，减少不同系统数据在字段格式、时间粒度和记录顺序上的差异，提高了数据处理的一致性和可用性。

67、其次，本发明通过时滞响应计算、互信息筛定和关联图分析，识别不同管理环节之间的延迟影响和关联变化，并生成与当前管理状态匹配的管理结果序列，提高了物资处理方案的准确性和响应及时性。

68、最后，本发明根据反馈数据对关联关系和递推参数进行增量更新，使系统能够随物资需求、流转节奏和执行结果的变化持续修正分析依据，提高了物资管理的动态适配能力和连续运行稳定性。