基于大数据和智能制造的生产计划方法与流程

1.本发明涉及大数据和智能制造领域，尤其涉及一种基于大数据和智能制造的生产计划方法。


背景技术：

2.智能制造是一种由智能机器和人类专家共同组成的人机一体化智能系统，它在制造过程中能进行智能活动，诸如分析、推理、判断、构思和决策等。通过人与智能机器的合作共事，去扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动。
3.近年来，在制造业中在针对订单存在能够对照的产品库存或生产预定产品的情况下，通过以简单地先入先出的方式进行对照，来制定生产计划。但是，像以往的生产计划那样，只通过简单的算法而难以满足顾客需求的事例在不断增加。
4.因此根据历史产品的客户来预测产品销量并根据产品预测销量来调整生产计划是急需解决的问题。


技术实现要素：

5.有鉴于此，本发明提供了一种基于大数据和智能制造的生产计划方法，其包括：
6.根据客户交互网络中所有的客户数据获取客户交互网络中所有的客户特征，并将客户交互网络中所有的客户特征分为四元组，然后获取四元组中所有客户特征的中心分布特征量和特征分布形态维度；
7.根据客户交互网络中所有的客户特征生成若干个低维客户特征矢量，并根据所述特征分布形态维度对客户交互网络中所有的低维客户特征矢量进行若干次非线性变换以得到若干个维度为特征分布形态维度的高维客户特征矢量，然后根据所有的高维客户特征矢量构建高维特征空间；
8.在所述高维特征空间中通过所述中心分布特征量获取客户特征的聚类中心，并根据客户特征的聚类中心将客户交互网络中的客户特征进行特征重构以得到客户交互分布模型；
9.根据从数据库获取的历史销售数据识别所有的第一客户，并获取每个第一客户的第一客户数据；根据第一客户的第一客户数据和客户交互分布模型识别第一客户的若干个第二客户，并获取每个第二客户的第二客户数据；
10.根据第一客户数据和若干个第二客户数据获取第一客户特征和若干个第二客户特征，并分别将第一客户特征和若干个第二客户特征映射到高维特征空间以得到第一客户特征矢量和若干个第二客户特征矢量；
11.根据客户交互分布模型获取第一客户与每个第二客户的客户交互特征，并将所有的客户交互特征映射到高维特征空间得到若干个客户交互特征矢量；将第一客户特征矢量、第二客户特征矢量和若干个客户交互特征矢量进行矢量拼接得到第一客户的意向客户特征矢量，将所有第一客户的意向客户特征矢量进行聚合生成意向客户网络；
12.获取意向客户网络中的第一客户数量、第二客户数量、第一意向客户数量和第二意向客户数量，并根据第一客户数量、第二客户数量、第一意向客户数量和第二意向客户数量得到产品预测销量，然后根据产品预测销量制定生产计划。
13.进一步实施例中，所述第一客户数据为第一客户的客户数据，所述第二客户数据为第二客户的客户数据；所述客户数据包括客户特征数据和客户交互数据；所述第一客户为历史购买过产品的客户；所述第二客户为与第一客户具有交互关系的客户，每个第一客户对应若干个第二客户，每个第二客户对应唯一的第一客户。
14.进一步实施例中，所述意向客户特征矢量用于表征第一客户特征、第二客户特征和第一客户与第二客户的交互特征；所述产品评价矢量用于表征客户对历史购买产品的评价特征；所述客户特征矢量用于表征客户特征；所述产品特征矢量用于表征产品特征。所述意向客户网络包括所有的第一客户特征矢量、第二客户特征矢量和客户交互特征矢量，用于表征所有的第一客户特征、第二客户特征和第一客户与第二客户的交互特征。
15.进一步实施例中，根据客户特征的聚类中心将客户交互网络中的客户特征进行特征重构以得到客户交互分布模型包括:
16.获取客户交互网络的所有客户特征，并将所述所有客户特征进行特征变换以得到若干个客户变换特征，然后根据所有的客户变换特征生成客户变换特征集；
17.根据客户特征的聚类中心将客户变换特征集中的所有客户变换特征进行特征关联以得到若干条客户特征链，并根据所有客户特征链确定客户特征区域；
18.通过吉布斯随机场模型获取在客户特征区域内的所有特征点，并获取特征点的特征分布函数；
19.根据所述特征分布函数得到客户交互网络内所有客户特征的客户交互分布函数，并对客户交互分布函数进行归一化处理得到客户交互分布模型。
20.进一步实施例中，获取意向客户网络中的第一客户数量、第二客户数量、第一意向客户数量和第二意向客户数量包括：
21.根据第一客户数据获取第一客户的产品评价特征，并将第一客户的产品评价特征进行特征变换以得到第一客户的产品评价矢量，根据第一客户的产品评价矢量得到第一客户的购买意向值并将购买意向值大于购买意向阈值的第一客户作为第一意向客户；
22.计算意向客户网络中第一客户特征矢量与每个第二客户特征矢量的相似度以得到第一客户与每个第二客户的客户相似度，并将客户相似度大于相似度阈值的第二客户作为候选客户。
23.进一步实施例中，根据第一客户的产品评价矢量计算第一客户的购买意向值包括：
24.获取第一客户的产品评价矢量；
25.根据第一客户的产品评价矢量获取第一客户的产品评分，并根据第一客户的产品评分计算第一客户的购买意向值。
26.在一个实施例中，根据第一客户的产品评分计算第一客户的购买意向值包括：
[0027][0028]
其中，q1为第一客户的购买意向值，s为第一客户的产品评分，α为产品的迭代系
数，t1为第一客户购买产品的时间，t2为当前时间，e为自然底数。
[0029]
进一步实施例中，获取意向客户网络中的第一客户数量、第二客户数量、第一意向客户数量和第二意向客户数量包括：
[0030]
根据候选客户的第二客户特征矢量建立矢量分解模型，并通过矢量分解模型将第一客户的产品评价矢量分解为第一客户的客户特征矢量和第一客户的产品特征矢量；
[0031]
根据第二客户特征矢量、第一客户的客户特征矢量和第一客户的产品特征矢量得到第二客户的购买意向值，并将购买意向值大于购买意向阈值的第二客户作为第二意向客户；
[0032]
统计意向客户网络中第一客户数量、第二客户数量、第一意向客户数量和第二意向客户数量。
[0033]
进一步实施例中，根据第二客户特征矢量、第一客户的客户特征矢量和第一客户的产品特征矢量得到第二客户的购买意向值包括：
[0034]
计算第二客户特征矢量和第一客户的客户特征矢量的相似度；
[0035]
计算第二客户特征矢量和第一客户的产品特征矢量的相似度；
[0036]
根据第二客户特征矢量与第一客户的客户特征矢量的相似度和第二客户特征矢量与第一客户的产品特征矢量的相似度得到第二客户对产品的购买意向值。
[0037]
进一步实施例中，根据意向客户网络中第一客户数量、第二客户数量、第一意向客户数量和第二意向客户数量得到产品预测销量包括：
[0038]
根据第一客户数量和第二客户数量计算总客户数量；
[0039]
根据总客户数量和第一客户数量计算第一客户占比；
[0040]
根据总客户数量和第二客户数量计算第二客户占比；
[0041]
根据第一客户占比、第二客户占比、第一客户系数和第二客户系数得到产品预测销量。
[0042]
进一步实施例中，根据意向客户网络中第一客户数量、第二客户数量、第一意向客户数量和第二意向客户数量得到产品预测销量包括：
[0043][0044]
r为产品预测销量，q为市场上客户数量，γ为第一客户系数，λ为第二客户系数，为第一客户占比，为第二客户占比，q1为第一客户数量，q2为第二客户数量，y1为第一意向客户数量，y2第二意向客户数量。
[0045]
本发明具有以下有益效果：本发明通过历史销售数据获取第一客户和第二客户，并根据第一客户、第二客户和第一客户与第二客户的交互关系建立意向客户网络以得到产品预测销量，并根据产品预测销量制定生产计划，解决了产品销量与产品产量不匹配的问题，避免了产品产量大于产品销量导致的产品积压和产品产量小于产品销量导致的产品供应不足的情况。
附图说明
[0046]
图1为基于大数据和智能制造的生产计划方法的流程图。
具体实施方式
[0047]
为了更清楚地说明本文实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本文的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0048]
下面将结合本文实施例中的附图，对本文实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本文一部分实施例，而不是全部的实施例。基于本文中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本文保护的范围。
[0049]
智能制造是指具有信息自感知、自决策、自执行等功能的先进制造过程、系统与模式的总称。具体体现在制造过程的各个环节与新一代信息技术的深度融合，如物联网、大数据、云计算、人工智能等。智能制造大体具有四大特征：以智能工厂为载体，以关键制造环节的智能化为核心，以端到端数据流为基础，和以网通互联为支撑。其主要内容包括智能产品、智能生产、智能工厂、智能物流等。传统数字化制造、网络化制造、敏捷制造等制造方式的应用与实践对智能制造的发展具有重要支撑作用。
[0050]
参见图1，在一个实施例中，基于大数据和智能制造的生产计划方法可以包括：
[0051]
s1、根据客户交互网络中所有的客户数据获取客户交互网络中所有的客户特征，并将客户交互网络中所有的客户特征分为四元组，然后获取四元组中所有客户特征的中心分布特征量和特征分布形态维度。
[0052]
客户交互网络为所有客户和与客户有交集的人交叉形成的网络关系。
[0053]
s2、根据客户交互网络中所有的客户特征生成若干个低维客户特征矢量，并根据所述特征分布形态维度对客户交互网络中所有的低维客户特征矢量进行若干次非线性变换以得到若干个维度为特征分布形态维度的高维客户特征矢量，然后根据所有的高维客户特征矢量构建高维特征空间。
[0054]
s3、在所述高维特征空间中通过所述中心分布特征量获取客户特征的聚类中心，并根据客户特征的聚类中心将客户交互网络中的客户特征进行特征重构以得到客户交互分布模型。
[0055]
在一个实施例中，根据客户特征的聚类中心将客户交互网络中的客户特征进行特征重构以得到客户交互分布模型包括：
[0056]
获取客户交互网络的所有客户特征，并将所述所有客户特征进行特征变换以得到若干个客户变换特征，然后根据所有的客户变换特征生成客户变换特征集；
[0057]
根据客户特征的聚类中心将客户变换特征集中的所有客户变换特征进行特征关联以得到若干条客户特征链，并根据所有客户特征链确定客户特征区域；
[0058]
通过吉布斯随机场模型获取在客户特征区域内的所有特征点，并获取特征点的特征分布函数；
[0059]
根据所述特征分布函数得到客户交互网络内所有客户特征的客户交互分布函数，
并对客户交互分布函数进行归一化处理得到客户交互分布模型。
[0060]
s4、根据从数据库获取的历史销售数据识别所有的第一客户，并获取每个第一客户的第一客户数据；根据第一客户的第一客户数据和客户交互分布模型识别第一客户的若干个第二客户，并获取每个第二客户的第二客户数据。
[0061]
在一个实施例中，第一客户数据为第一客户的客户数据，第二客户数据为第二客户的客户数据，客户数据包括客户特征数据和客户交互数据。
[0062]
客户特征数据为表示客户特征的数据，如性别、年龄、学历和爱好等等。客户交互数据为第一客户与相应第二客户的互动数据，如转发、评论和关注等等。
[0063]
第一客户为历史购买过产品的客户，第二客户为与第一客户具有交互关系的客户，每个第一客户对应若干个第二客户，每个第二客户对应唯一的第一客户。
[0064]
在一个实施例中，根据历史销售数据获取购买过产品的所有客户并将其作为第一客户，然后获取与每个第一客户有交互关系的所有客户并将与其作为相应第一客户的第二客户。
[0065]
s5、根据第一客户数据和若干个第二客户数据获取第一客户特征和若干个第二客户特征，并分别将第一客户特征和若干个第二客户特征映射到高维特征空间以得到第一客户特征矢量和若干个第二客户特征矢量。
[0066]
在一个实施例中，第一客户特征用于表征第一客户的客户特征，第二客户特征用于表征第二客户的客户特征；第一客户特征矢量为第一客户的客户特征矢量，用于表征第一客户的客户特征；第二客户特征矢量为第二客户的客户特征矢量，用于表征第二客户的客户特征；客户特征包括：性别、年龄、学历和爱好。
[0067]
s6、根据客户交互分布模型获取第一客户与每个第二客户的客户交互特征，并将所有的客户交互特征映射到高维特征空间得到若干个客户交互特征矢量；将第一客户特征矢量、第二客户特征矢量和若干个客户交互特征矢量进行矢量拼接得到第一客户的意向客户特征矢量，将所有第一客户的意向客户特征矢量进行聚合生成意向客户网络。
[0068]
在一个实施例中，意向客户特征矢量用于表征第一客户特征、第二客户特征和第一客户与第二客户的交互特征；意向客户网络包括所有的第一客户特征矢量、第二客户特征矢量和客户交互特征矢量，用于表征所有的第一客户特征、第二客户特征和第一客户与第二客户的交互特征。
[0069]
s7、获取意向客户网络中的第一客户数量、第二客户数量、第一意向客户数量和第二意向客户数量，并根据第一客户数量、第二客户数量、第一意向客户数量和第二意向客户数量得到产品预测销量，然后根据产品预测销量制定生产计划。
[0070]
在一个实施例中，获取意向客户网络中的第一客户数量、第二客户数量、第一意向客户数量和第二意向客户数量包括：
[0071]
根据第一客户数据获取第一客户的产品评价特征，并将第一客户的产品评价特征进行特征变换以得到第一客户的产品评价矢量，根据第一客户的产品评价矢量得到第一客户的购买意向值并将购买意向值大于购买意向阈值的第一客户作为第一意向客户；
[0072]
计算意向客户网络中第一客户特征矢量与每个第二客户特征矢量的相似度以得到第一客户与每个第二客户的客户相似度，并将客户相似度大于相似度阈值的第二客户作为候选客户。
[0073]
在一个实施例中，获取意向客户网络中的第一客户数量、第二客户数量、第一意向客户数量和第二意向客户数量包括：
[0074]
根据候选客户的第二客户特征矢量建立矢量分解模型，并通过矢量分解模型将第一客户的产品评价矢量分解为第一客户的客户特征矢量和第一客户的产品特征矢量；
[0075]
根据第二客户特征矢量、第一客户的客户特征矢量和第一客户的产品特征矢量得到第二客户的购买意向值，并将购买意向值大于购买意向阈值的第二客户作为第二意向客户；
[0076]
统计意向客户网络中第一客户数量、第二客户数量、第一意向客户数量和第二意向客户数量。
[0077]
产品评价矢量用于表征客户对历史购买产品的评价特征；客户特征矢量用于表征客户特征；产品特征矢量用于表征产品特征。
[0078]
在一个实施例中，根据第二客户特征矢量、第一客户的客户特征矢量和第一客户的产品特征矢量得到第二客户的购买意向值包括：
[0079]
计算第二客户特征矢量和第一客户的客户特征矢量的相似度；
[0080]
计算第二客户特征矢量和第一客户的产品特征矢量的相似度；
[0081]
根据第二客户特征矢量与第一客户的客户特征矢量的相似度和第二客户特征矢量与第一客户的产品特征矢量的相似度得到第二客户对产品的购买意向值。
[0082]
在一个实施例中，根据第一客户的产品评价矢量计算第一客户的购买意向值包括：
[0083]
获取第一客户的产品评价矢量；
[0084]
根据第一客户的产品评价矢量获取第一客户的产品评分，并根据第一客户的产品评分计算第一客户的购买意向值。
[0085]
在一个实施例中，根据第一客户的产品评分计算第一客户的购买意向值包括：
[0086][0087]
其中，q1为第一客户的购买意向值，s为第一客户的产品评分，α为产品的迭代系数，t1为第一客户购买产品的时间，t2为当前时间，e为自然底数。
[0088]
迭代系数用于指示客户在单位时间内消耗产品的量，每类产品的迭代系数不同，例如，冰箱的迭代系数小于牛奶的迭代系数。
[0089]
在一个实施例中，根据意向客户网络中第一客户数量、第二客户数量、第一意向客户数量和第二意向客户数量得到产品预测销量包括：
[0090]
根据第一客户数量和第二客户数量计算总客户数量；
[0091]
根据总客户数量和第一客户数量计算第一客户占比；
[0092]
根据总客户数量和第二客户数量计算第二客户占比；
[0093]
根据第一客户占比、第二客户占比、第一客户系数和第二客户系数得到产品预测销量。
[0094]
在一个实施例中，根据意向客户网络中第一客户数量、第二客户数量、第一意向客户数量和第二意向客户数量得到产品预测销量包括：
[0095][0096]
r为产品预测销量，q为市场上客户数量，γ为第一客户系数，λ为第二客户系数，为第一客户占比，为第二客户占比，q1为第一客户数量，q2为第二客户数量，y1为第一意向客户数量，y2第二意向客户数量。
[0097]
本发明通过历史销售数据获取第一客户和第二客户，并根据第一客户、第二客户和第一客户与第二客户的交互关系建立意向客户网络以得到产品预测销量，并根据产品预测销量制定生产计划，解决了产品销量与产品产量不匹配的问题，避免了产品产量大于产品销量导致的产品积压和产品产量小于产品销量导致的产品供应不足的情况。
[0098]
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c 等，以及过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
[0099]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本文的范围。