寄修订单的预测性调度方法、设备及计算机程序产品与流程

本技术涉及电数字数据处理，尤其涉及一种寄修订单的预测性调度方法、设备及计算机程序产品。

背景技术：

1、随着智能终端设备数量的持续增长，如智能手机、可穿戴设备及智能家居设备，寄修售后服务已成为保障用户体验与品牌口碑的关键环节。寄修服务调度需同时处理订单分配、维修人力排班等多维度决策问题，其运营效率直接关系到服务时效承诺的达成与整体运营成本的控制。

2、目前的寄修服务调度普遍采用被动响应式调度模式。模式的核心逻辑为订单到达，触发分配，执行排程，即仅能在用户正式提交寄修订单后，才开始进行维修网点的任务指派、备件的库存查询与调拨申请。被动模式在面对寄修订单的强波动性时，如电商大促后的集中爆发、区域性自然灾害引发的设备送修潮，导致高峰时段订单大量积压，服务时效严重偏离服务时效承诺，导致调度响应效率低下。而低峰时段则维修人力闲置、备件库存周转率低下，导致资源利用率低。综上，寄修服务的调度模式存在精准度低下的问题。

技术实现思路

1、本技术的主要目的在于提供一种寄修订单的预测性调度方法、设备及计算机程序产品，旨在解决寄修服务的调度精准度低下的技术问题。

2、为实现上述目的，本技术提出一种寄修订单的预测性调度方法，所述的方法包括：

3、基于寄修订单的状态数据构建时序状态张量，并根据所述时序状态张量预测未来的订单流量预测值与处理时长预测值；

4、将所述订单流量预测值、所述处理时长预测值与当前时刻的各服务节点及物流资源的实时状态信息进行拼接生成强化学习状态向量；

5、将所述强化学习状态向量输入双深度q网络的在线价值网络，计算每个候选联合动作的q值，并选择q值最大的动作作为候选动作；

6、将所述候选动作与所述强化学习状态向量输入所述双深度q网络的目标价值网络，计算所述候选动作的目标价值估计，将所述目标价值估计最高的候选动作确定目标联合动作，并执行所述目标联合动作；

7、其中，所述目标联合动作包括备件跨仓预调拨、维修人力弹性排班、取件路径预锁定和订单优先级预调整的至少一种组合。

8、在一实施例中，所述根据所述时序状态张量预测未来的订单流量预测值与处理时长预测值的步骤包括：

9、将所述时序状态张量输入深度价值网络预测模型，获取所述深度价值网络预测模型输出的未来的订单流量预测值与处理时长预测值；

10、其中，所述深度价值网络预测模型包括编码器与解码器；所述编码器包括：图神经网络时空特征提取模块、双向长短期记忆网络时序特征提取模块以及多头自注意力融合模块；所述图神经网络时空特征提取模块用于捕获不同区域之间的空间依赖关系，输出空间特征张量；所述双向长短期记忆网络时序特征提取模块用于捕获订单流量随时间变化的时序依赖关系，输出时序特征张量；所述多头自注意力融合模块用于对所述空间特征张量和所述时序特征张量进行跨时段、跨区域的特征加权融合，生成融合特征张量；所述解码器基于所述融合特征张量输出未来的订单流量预测值与处理时长预测值。

11、在一实施例中，所述方法包括：

12、采用多任务联合损失函数训练所述深度价值网络预测模型；

13、其中，所述多任务联合损失函数包括：针对订单流量预测的第一均方误差损失项、针对处理时长预测的第二均方误差损失项以及对网络参数施加约束的l2正则化项；所述多任务联合损失函数的值，由所述第一均方误差损失项按第一权重系数加权、所述第二均方误差损失项按第二权重系数加权以及所述l2正则化项按第三权重系数加权后求和所得。

14、在一实施例中，所述执行所述目标联合动作的步骤之后，还包括：

15、获取执行所述目标联合动作后的系统反馈，根据所述系统反馈计算奖励值；

16、将当前时刻的强化学习状态向量、所述目标联合动作、所述奖励值及下一时刻的强化学习状态向量作为经验样本；

17、基于所述经验样本更新所述在线价值网络的参数；

18、根据更新后的所述在线价值网络的参数，按预设软更新系数对所述目标价值网络的参数进行滑动平均更新。

19、在一实施例中，所述将当前时刻的强化学习状态向量、所述目标联合动作、所述奖励值及下一时刻的强化学习状态向量作为经验样本的步骤之后，还包括：

20、将经验样本存储至优先经验回放缓冲区；

21、从所述优先经验回放缓冲区中按优先级采样经验样本，所述优先级基于各经验样本的时间差分误差绝对值确定；

22、所述基于所述经验样本更新所述在线价值网络的参数的步骤包括：

23、基于采样的经验样本更新所述在线价值网络的参数。

24、在一实施例中，所述奖励值由如下步骤计算得到：

25、根据1减去服务等级协议违约率确定服务时效满足率项；

26、根据资源利用率确定资源利用效率项；

27、根据备件调拨成本与人力加班成本的归一化惩罚值确定运营成本惩罚项；

28、根据预设的奖励权重参数对所述服务时效满足率项、所述资源利用效率项和所述运营成本惩罚项进行加权求和，得到所述奖励值。

29、在一实施例中，所述基于所述经验样本更新所述在线价值网络的参数的步骤包括：

30、将所述经验样本中的当前时刻的强化学习状态向量和所述目标联合动作输入在线价值网络，获得当前动作价值估计；

31、将所述经验样本中的下一时刻的强化学习状态向量输入所述在线价值网络，获得下一时刻最优动作；

32、将所述下一时刻最优动作与所述经验样本中的下一时刻的强化学习状态向量输入目标价值网络，获得目标价值估计；

33、根据所述奖励值、所述目标价值估计及所述当前动作价值估计计算时间差分误差；

34、以最小化所述时间差分误差为目标，更新所述在线价值网络的参数。

35、在一实施例中，所述备件跨仓预调拨按照预设调拨比例离散化为多个等级，所述维修人力弹性排班按照时间偏移量离散化为多个等级，所述取件路径预锁定按照路径优先级离散化为多个等级，所述订单优先级预调整按照优先级调整方向离散化为至少包括降低、维持、提升三个等级；所述目标联合动作为各类等级的组合。

36、此外，为实现上述目的，本技术还提出一种寄修订单的预测性调度设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的寄修订单的预测性调度方法的步骤。

37、此外，为实现上述目的，本技术还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的寄修订单的预测性调度方法的步骤。

38、本技术提出的一个或多个技术方案，至少具有以下技术效果：

39、通过将寄修订单的状态数据编码为时序状态张量并先行预测订单流量与处理时长，再与当前服务节点和物流资源状态拼接为强化学习状态向量，能够提前识别波峰、积压与资源瓶颈；同时采用双深度q网络以在线价值网络筛选候选动作、目标价值网络复核目标价值估计，抑制最大化带来的q值过估，提高动作评估稳定性、策略收敛性与多步决策鲁棒性，从而在保障各资源约束条件的前提下，实现备件、人力、运力与订单流的全局协同优化，降低订单积压与等待时长，提升资源利用率与调度响应效率，提升调度的精准度，改善寄修服务体验。