【技术实现步骤摘要】
本专利技术属于智能化优化企业资源管理和提升决策质量，具体涉及一种智能三层数据模型网络优化的企业资源配置决策方法及系统。
技术介绍
1、在快速变化的商业环境中，企业需要依靠精确而有效的决策过程来优化资源配置和提高运营效率。随着大数据和高级分析工具的发展，企业有更多机会从复杂数据中提取有价值的信息。然而，这种数据的多样性和复杂性要求有一种结构化的方法来分析和应用这些信息。现有数据分析方法在处理与企业运营和策略规划相关的多维数据时，缺乏一个整合不同数据层次的综合性框架，导致决策过程不够高效或缺乏灵活性。基于此现状，本专利技术提出了构建一种智能三层数据结构模型，旨在为企业提供一个全面的数据分析框架，以支持更精准和高效的决策，它不仅考虑了数据的多维性，还整合了量级关系和广泛的环境因素。
技术实现思路
1、针对现有数据分析方法在优化企业资源管理和提升决策质量的局限性，本专利技术提供了一种基于三层数据模型网络优化的企业资源配置决策方法及系统。本专利技术的创新之处在于，三层数据结构模型amf(attribute：属性–magnitude：量级–factor：因素)，旨在为复杂决策环境中的数据分析和算法应用提供一个框架。本专利技术模型的核心目的是通过数据计算服务来优化决策过程，实现组织数字化变革。
2、为了达到上述专利技术目的，本专利技术采取以下技术方案：
3、基于三层数据模型网络优化的企业资源配置决策方法，包括三个层级即三个步骤：
4、第一步：识别和分析产品之间
5、第二步：对第一步识别的产品属性关联进行量化分析；
6、第三步：将产品数据与市场、业务因素相结合，形成全面的策略。
7、本专利技术中，第一层级即第一步：将目标产品可能的材料组合作为社区，为模型建立基础数据结构。这一层的重点是根据模块度(modularity：是一种常用的衡量节点分组质量的标准，模块度越高说明所检测到的社团越符合社团内部连接紧密，而社团外部的连接则相对稀疏，“内紧外松”的特征，分组质量越好)识别与特定产品直接相关的材料形成聚合，即louvain网络定义中的社群，为后续分析奠定基础。
8、第二层级即第二步：通过遗传算法探讨材料组合与目标产品之间的量级关系。通过量化不同组合的可能输出，此层分析这些输出与目标产品之间的数量级关系，构成稳固量级关系，为决策提供量化依据。
9、第三层级即第三步：结合广泛因素，如量价关系、时空因素、物流、环境、政策和客户喜好等等业务因素，利用前两层的数据寻找最优路径，同时考虑过程中可能出现的变更。这一层的关键在于运用数据驱动的方法来优化资源配置和运营效率。
10、每个层级专注于企业运营和决策的不同方面。下面进行更详细的描述。
11、第一层级：产品属性关联，它用于识别和分析产品之间的基本属性关联。这一层的核心目的是映射出产品间的基础关系，明确产品的基本构成、关键组件、设计参数。例如，哪些组件是特定成品的必要部分，或者哪些原材料可以共同用于生产多个不同的产品，产品关联的参数。通过分析这一层，可以确定产品设计和开发的基本框架，为后续的分析提供基础，为rsop单元的r(resource资源)决策提供输入数据。帮助设计人员确定产品设计的基础和优化产品组合。
12、第二层级：产品量级关联，第二层是对第一层已识别产品属性关联的量化分析。将第一层中识别的产品属性关联通过遗传算法转化为具体的数值和量级，涉及产品的数量、质量、计量等方面，如每种组件的数量、尺寸、重量等。这一层的目的是将目标产品与材料产品之间建立基于产品属性的可量化数据关联，从而为优化决策与生产过程提供数值基础。
13、第三层级：业务数据关联，在第二层级基础上将产品数据与市场和业务因素结合，形成全面的策略，并延伸到更广泛的业务和市场分析。这一层不仅包括量价关系，还涵盖了时空、进度、环境、政策、价格，市场动态、交易支付、客户偏好、供应链管理等关键业务因素。这一层的分析对于制定市场策略、优化产品定价和预测需求至关重要。例如，根据材料成本、客户需求、市场趋势来定价产品、调整生产计划、管理库存等以应对市场变化。
14、作为优选方案，所述第一层级的产品网络构建中，进一步分为两个阶段：
15、第一阶段，优化模块度：
16、基于一种模块度优化的社群检测louvain网络算法，每个节点属于自己的社群。对于每个节点，算法考虑将其移动到其邻居的社区，并计算这种移动对模块度q的影响。如果任何移动可以提高q，则选择增加模块度q最多的移动。这一过程不断重复，直到无法进一步提高q为止。第二阶段，合并社群：
17、在第一阶段达到稳定状态后，算法将每个检测到的社群缩减成新的节点，并构建一个新的网络。其中，这些新节点是网络的顶点，边的权重是原始网络中社区间的边的总和。然后，算法在这个新网络上重复第一阶段的过程，直到社群不再发生变化。
18、作为优选方案，所述第一层级的产品关系n维向量产生中，当产品关系趋近稳定时，定义用于产品材料组合的表示一个向量t。即向量x在第一阶段通过louvain算法寻找所需要元素产品组合，形成t向量。
19、作为优选方案，所述第一层级的张量的动态更新中，随着产品关系的变化或新数据的加入，t作相应更新，以反映最新的产品组合信息，以分析哪些原材料和过程产品组合最有可能产生特定的最终产品。
20、作为优选方案，所述第二层级中，通过遗传算法，对多个组合变量通过选择、交叉、变异的遗传操作，并通过合适的适应度函数，进行优化。
21、本专利技术一种智能三层数据模型网络优化的企业决策方法及系统的原理与过程为：将目标产品可能的材料组合作为社区，为模型建立基础数据结构。重点是根据模块度(modularity：是一种常用的衡量节点分组质量的标准，模块度越高说明所检测到的社团越符合社团内部连接紧密，而社团外部的连接则相对稀疏，“内紧外松”的特征，分组质量越好)识别与特定产品直接相关的材料形成聚合，即louvain网络定义中的社群，为后续分析奠定基础。对已识别产品属性关联的量化分析，将产品属性关联通过遗传算法转化为具体的数值和量级，这涉及产品的数量、质量、计量等方面。结合广泛因素，如量价关系、时空因素、物流、环境、政策和客户喜好等等业务因素，利用前两层的数据寻找最优路径，同时考虑过程中可能出现的变更。这一层的关键在于运用数据驱动的方法来优化资源配置和运营效率。
22、本专利技术一种智能三层数据模型网络优化的企业资源配置决策方法更为具体的介绍如下：
23、第一层级：产品属性关联
24、首先构建产品网络：
25、应用louvain算法。对产品关系网络进行分析，以识别紧密相关的产品群体。这可以帮助设计人员理解哪些产品倾向于一起使用，形成强关联的组合。得到的社群结构为高阶张量的构建提供了基础，帮助设计人员确定哪些产品组合是关键的，应该在张量中表示。louvain算法是本文档来自技高网...
【技术保护点】
1.基于三层数据模型网络优化的企业资源配置决策方法，其特征在于，包括如下步骤：
2.根据权利要求1所述基于三层数据模型网络优化的企业资源配置决策方法，其特征在于，第一步：采用Louvain算法构建产品网络。
3.根据权利要求2所述基于三层数据模型网络优化的企业资源配置决策方法，其特征在于，所述的Louvain算法分为两个阶段：
4.根据权利要求3所述基于三层数据模型网络优化的企业资源配置决策方法，其特征在于，第一步中，当产品关系趋近稳定时，定义一个向量t，用于表示产品材料的组合；向量x在第一阶段通过Louvain算法寻找所需要元素产品组合，形成t向量；
5.根据权利要求1所述基于三层数据模型网络优化的企业资源配置决策方法，其特征在于，第二步，将第一层中识别的产品属性关联通过遗传算法转化为具体的数值和量级。
6.根据权利要求5所述基于三层数据模型网络优化的企业资源配置决策方法，其特征在于，第二步具体如下：
7.根据权利要求6所述基于三层数据模型网络优化的企业资源配置决策方法，其特征在于，步骤2.4中，遗传操作包
8.根据权利要求1-7任一项所述基于三层数据模型网络优化的企业资源配置决策方法，其特征在于，第三步具体如下：
9.基于三层数据模型网络优化的企业资源配置决策系统，基于权利要求1-8任一项所述的方法，其特征在于，包括如下三个层级：
...【技术特征摘要】
1.基于三层数据模型网络优化的企业资源配置决策方法，其特征在于，包括如下步骤：
2.根据权利要求1所述基于三层数据模型网络优化的企业资源配置决策方法，其特征在于，第一步：采用louvain算法构建产品网络。
3.根据权利要求2所述基于三层数据模型网络优化的企业资源配置决策方法，其特征在于，所述的louvain算法分为两个阶段：
4.根据权利要求3所述基于三层数据模型网络优化的企业资源配置决策方法，其特征在于，第一步中，当产品关系趋近稳定时，定义一个向量t，用于表示产品材料的组合；向量x在第一阶段通过louvain算法寻找所需要元素产品组合，形成t向量；
5.根据权利要求1所述基于...
【专利技术属性】
技术研发人员：李舒琴，崔幸，贾雪丽，胡淼，李承家，李建军，张海平，
申请(专利权)人：杭州电子科技大学信息工程学院，
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。