【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种基于决策树的供应链协同处理方法。
技术介绍
1、在全球经济和市场环境快速发展的当下，产品或服务能够在末端为消费者提供优良的体验，需要对供应链进行高效、有效的管理。为了便于信息化、智能化管理，供应链数据往往呈现出半结构化、非结构化特点，这样增加在大数据环境下数据分析的模式和方法的复杂程度，导致采用传统的人工操作难以对复杂的供应链系统进行管理。
2、在供应链系统中需要对全链路数据进行管理维护，动态协同数据的提取显得尤为，供应商全链路运行过程中会表现出相对应的动态特征，其所收集到的数据是冗杂的，且在众多动态特征中掺杂着某些与核心问题关系不明显或无关的数据。导致供应链系统中制定的协同方案与预期存在一定偏差，精准度较差，未能实现生产端与需求端的匹配统一。
3、上述缺陷是本领域技术人员期望克服的。
技术实现思路
1、(一)要解决的技术问题
2、为了解决现有技术的上述问题，本专利技术提供了一种基于决策树的供应链协同处理方法，旨在解决现有技术中供应链生产端与需求端匹配性差，加工协同方案的精准度差的问题。
3、(二)技术方案
4、为了解决上述问题，第一方面，本专利技术提供了一种基于决策树的供应链协同处理方法，所述方法包括：
5、获取供应商的动态加工信息，其中所述动态加工信息包括动态获取所得的产品质量信息、产品进度信息和/或产品适应能力信息；
6、根据训练样本进行特征提取和训练，构造决
7、基于决策树利用动态加工信息生成协同方案；
8、识别协同方案是否满足预期需求，筛选保留符合预期需求的协同方案。
9、在本专利技术的一种示例性实施例中，所述产品质量信息包括：产品质量是否达到良率，所述产品进度信息包括：产品加工进度是否达到预期，所述产品适应能力信息包括：供应商灵活适应预设范围内加工量浮动的能力；
10、所述获取供应商的动态加工信息包括：
11、根据供应链系统实时获取预设阶段内的产品质量信息判断是否达到良率要求；
12、根据供应链系统实时获取供应商的加工进度；
13、根据历史订单完成统计结果、供应商的生产计划方案确定供应商的生产能力能否灵活适应预设范围内加工量的浮动变化。
14、在本专利技术的一种示例性实施例中，所述根据训练样本进行特征提取和训练，构造决策树包括：
15、获取历史数据中供应商的加工信息，构建训练样本，所述加工信息包括产品质量信息、产品进度信息和/或产品适应能力信息；
16、对训练样本进行特征选择和提取，得到特征值，所述特征值包括产品质量信息所对应的历史生产周期内产品质量的良品率sp1、当前生产周期内产品质量的良品率sp2，还包括所述产品进度信息所对应的当前生产周期内的加工进度sd1、预测下一个生产周期内的加工进度sd2；
17、基于特征值进行分类，并进行训练，得到决策树。
18、在本专利技术的一种示例性实施例中，所述根据训练样本进行特征提取和训练，构造决策树包括：
19、所述特征值还包括所述产品适应能力对应的加工浮动系数δ，其中所述加工浮动系数表示供应商的生产能力能够灵活适应预设范围内加工量的浮动变化的能力，用供应商在原订单加工量的基础上所增加的可完成加工量所占比例表示，即δ＝a2/a1，其中a1为原订单加工量，a2为供应商增加的可完成加工量。
20、在本专利技术的一种示例性实施例中，所述基于特征值进行分类，并进行训练，得到决策树包括：
21、s1231、判断特征值中的当前生产周期内产品质量的良品率sp2是否达到第一阈值，将数据分成两簇，当前生产周期内产品质量的良品率sp2作为根节点；
22、s1232、对于达到第一阈值的一簇继续构建叶子节点，以历史生产周期内产品质量的良品率sp1作为一级叶子节点，继续判断一级叶子节点是否达到第二阈值，将数据继续分成两簇；
23、s1233、对于达到第二阈值的一簇继续构建叶子节点，以当前生产周期内的加工进度sd1作为二级叶子节点，继续判断二级叶子节点是否达到第三阈值，将数据继续分成两簇；
24、s1234、对于达到第三阈值的一簇继续构建叶子节点，以预测下一个生产周期内的加工进度sd2作为三级叶子节点，继续判断三级叶子节点是否达到第四阈值，将数据继续分成两簇；
25、基于上述s1231～s1234构建决策树。
26、在本专利技术的一种示例性实施例中，所述基于特征值进行分类，并进行训练，得到决策树包括：
27、s1231、判断特征值中的当前生产周期内产品质量的良品率sp2是否达到第一阈值，将数据分成两簇，当前生产周期内产品质量的良品率sp2作为根节点；
28、s1232、对于达到第一阈值的一簇继续构建叶子节点，以历史生产周期内产品质量的良品率sp1作为一级叶子节点，继续判断一级叶子节点是否达到第二阈值，将数据继续分成两簇；
29、s1233、对于达到第二阈值的一簇继续构建叶子节点，以当前生产周期内的加工进度sd1作为二级叶子节点，继续判断二级叶子节点是否达到第三阈值，将数据继续分成两簇；
30、s1234、对于达到第三阈值的一簇继续构建叶子节点，以预测下一个生产周期内的加工进度sd2作为三级叶子节点，继续判断三级叶子节点是否达到第四阈值，将数据继续分成两簇；
31、s1235、对于达到第四阈值的一簇继续构建叶子节点，以预测加工浮动系数δ作为四级叶子节点，继续判断四级叶子节点是否达到第五阈值，将数据继续分成两簇；
32、基于上述步骤s1231～s1235构建决策树。
33、在本专利技术的一种示例性实施例中，所述基于决策树利用动态加工信息生成协同方案包括：
34、对于动态获取供应链中当前生产周期内产品质量的良品率sp2，利用决策树的根节点开始进行判断，如果达到第一阈值，则继续，否则淘汰对应的供应商；
35、对于历史生产周期内产品质量的良品率sp1，利用决策树的一级叶子节点进行判断，如果达到第二阈值，则继续，否则淘汰对应的供应商；
36、对于当前生产周期内的加工进度sd1，利用决策树的二级叶子节点进行判断，如果达到第三阈值，则继续，否则淘汰对应的供应商或调整订单量；
37、对于预测下一个生产周期内的加工进度sd2，利用决策树的三级叶子节点进行判断，如果达到第四阈值，则继续，否则淘汰对应的供应商或调整订单量；
38、基于根节点和各级叶子节点上的标签输出协同方案，其中各级叶子节点包括一级叶子节点、二级叶子节点和三级叶子节点。
39、在本专利技术的一种示例性实施例中，所述基于决策树利用动态加工信息生成协同方案包括：
40、对于动态获取供应链中当前生产周期内产品质量的良品率sp2，利用决策树的根节点开始进行判断，如果达本文档来自技高网...
【技术保护点】
1.一种基于决策树的供应链协同处理方法，其特征在于，包括：
2.根据权利要求1所述的基于决策树的供应链协同处理方法，其特征在于，所述产品质量信息包括：产品质量是否达到良率，所述产品进度信息包括：产品加工进度是否达到预期，所述产品适应能力信息包括：供应商灵活适应预设范围内加工量浮动的能力；
3.根据权利要求1所述的基于决策树的供应链协同处理方法，其特征在于，所述根据训练样本进行特征提取和训练，构造决策树包括：
4.根据权利要求3所述的基于决策树的供应链协同处理方法，其特征在于，所述根据训练样本进行特征提取和训练，构造决策树包括：
5.根据权利要求4所述的基于决策树的供应链协同处理方法，其特征在于，所述基于特征值进行分类，并进行训练，得到决策树包括：
6.根据权利要求3所述的基于决策树的供应链协同处理方法，其特征在于，所述基于特征值进行分类，并进行训练，得到决策树包括：
7.根据权利要求6所述的基于决策树的供应链协同处理方法，其特征在于，所述基于决策树利用动态加工信息生成协同方案包括：
8.根据权利要
9.根据权利要求1-8中任一项所述的基于决策树的供应链协同处理方法，其特征在于，所述识别协同方案是否满足预期需求，筛选保留符合预期需求的协同方案包括：
10.根据权利要求9所述的基于决策树的供应链协同处理方法，其特征在于，所述满足预期需求则保留协同方案，否则继续优化决策树包括：
...【技术特征摘要】
1.一种基于决策树的供应链协同处理方法，其特征在于，包括：
2.根据权利要求1所述的基于决策树的供应链协同处理方法，其特征在于，所述产品质量信息包括：产品质量是否达到良率，所述产品进度信息包括：产品加工进度是否达到预期，所述产品适应能力信息包括：供应商灵活适应预设范围内加工量浮动的能力；
3.根据权利要求1所述的基于决策树的供应链协同处理方法，其特征在于，所述根据训练样本进行特征提取和训练，构造决策树包括：
4.根据权利要求3所述的基于决策树的供应链协同处理方法，其特征在于，所述根据训练样本进行特征提取和训练，构造决策树包括：
5.根据权利要求4所述的基于决策树的供应链协同处理方法，其特征在于，所述基于特征值进行分类，并进行训练，得到决策树包括...
【专利技术属性】
技术研发人员：罗红宇，吴家宏，万历，乔晨曦，田华明，
申请(专利权)人：扬州制汇互联信息技术有限公司，
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。