申请/专利权人：青岛大数据科技发展有限公司

申请日：2024-01-30

公开（公告）日：2024-04-16

公开（公告）号：CN117649116B

主分类号：G06Q10/0635

分类号：G06Q10/0635;G06Q10/087;G06N3/094;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.03.22#实质审查的生效;2024.03.05#公开

摘要：本发明公开了一种大数据物流管理系统，属于物流管理领域，包括订单管理模块、风险管理与规划模块、仓储与运输管理模块、货物跟踪模块、路线规划模块、用户意见反馈模块、客制化包装模块、运力协调运转模块、优化决策辅助模块，所述订单管理模块，该模块用于接收、处理以及跟踪所收到的订单信息。本发明提供一种大数据物流管理系统，整个大数据物流管理系统能够实现订单管理、风险预警、货物追踪、路线规划、客制化包装、运力协调运转、关键节点优化，有助于对物流流程进行管理与优化，对贵重且形状复杂的货物进行客制化包装，降低损坏风险并提高客户满意度，对于闲置返程空货车进行调度，最大化物流资源的利用效率并满足节能环保可持续发展理念。

主权项：1.一种大数据物流管理系统，其特征在于：包括订单管理模块、风险管理与规划模块、仓储与运输管理模块、货物跟踪模块、路线规划模块、用户意见反馈模块、客制化包装模块、运力协调运转模块、优化决策辅助模块；所述订单管理模块，用于接收、处理以及跟踪所收到的订单信息；所述风险管理与规划模块，通过大数据分析对物流过程中的各类风险进行监测和分析；所述仓储与运输管理模块，用于管理仓储设施和运输车辆的信息；所述货物跟踪模块，通过整合GPS与RFID技术，实现对货物的实时跟踪和监控；所述路线规划模块，用于对货运路线进行规划，并对送达时间进行预测；所述用户意见反馈模块，用于收集用户对于本次物流运输的满意程度；所述客制化包装模块，用于对贵重且形状复杂的货物进行扫描，获得填充物图纸并制造，并同时生成匹配的包装纸箱尺寸图纸；所述客制化包装模块，通过深度学习以及生成对抗网络技术，对于人工智能进行训练，在学习大量3D打印的数据之后，通过对于贵重且形状复杂货物的进行扫描，针对不同的贵重货物形状生成填充物模型图纸，并经由3D打印设备进行生产，同时将图纸内容上传至存储库，方便对于后续其他贵重货物进行快速提取与套用，结合客户意愿以及贵重货物价值进行客制化包装，并根据填充物体积大小生成包装纸箱尺寸图纸并制造，其具体的步骤为：数据收集：先收集大量的3D打印数据，包括各种形状、各种尺寸的3D打印填充物的模型数据，这些数据为深度学习和生成对抗网络技术训练所使用；深度学习训练：利用卷积神经网络，对所收集的3D打印填充物模型数据进行训练，以学习贵重货物不同形状对应的填充物模型；生成对抗网络训练：利用生成对抗网络技术，训练模型来生成逼真的填充物模型图纸，以逼真地模拟3D打印填充物的外形和结构，生成器负责生成填充物模型图纸，而判别器则负责判断生成的图纸，生成器和判别器互相学习，最终生成符合条件的填充物模型图纸；实时扫描与填充物生成：当有贵重货物需要包装时，通过扫描贵重货物的3D形状数据，使用经训练的深度学习和生成对抗网络模型，实时生成符合贵重货物形状的填充物模型图纸；填充物制造：将填充物模型图纸传输至3D打印设备，进行快速生产；建库保存：将生成的填充物模型图纸内容上传至图纸库，便于后续快速提取并套用；包装纸箱尺寸图纸生成与制造：根据填充物的大小，获得所需要的包装纸箱尺寸大小，并依据纸箱的大小对纸箱进行生产制造；所述客制化包装模块，利用卷积神经网络进行深度学习，对所收集的3D打印填充物模型数据进行训练，以学习贵重货物不同形状对应的填充物模型，其具体的算法公式为：设定输入的3D填充物模型数据为，其尺寸为，其中，代表模型数据的高度，代表模型数据的宽度，代表模型数据的深度；该模型的3D卷积核为，其尺寸为，其中，代表卷积核的高度，代表卷积核的宽度，代表卷积核的深度，3D卷积层的输出特征图为： ；其中，代表卷积层的输出特征图上的某一位置，代表输入3D模型数据上的某一位置，代表卷积核上的权重，代表偏置项，代表激活函数ReLU；采用ReLU函数，在卷积层的特征映射上应用非线性激活函数，从而引入非线性变换，来增加模型的表达能力，其计算公式如下： ；ReLU函数将输入值小于0的部分置为0，大于0的部分保持不变，从而减轻梯度消失的现象；通过平均池化，来降低特征映射的空间维度，进而减少模型的参算量与计算量，其具体的操作方法为：在输入特征映射上定义一个池化窗口，在每个池化窗口上均计算窗口内像素的平均值，来作为输出特征映射中对应位置的值，并让池化窗口按照指定的步幅在输入特征映射上滑动，重复上述操作直至覆盖整个特征映射，通过平均池化操作，将输入特征图的尺寸减小，同时保留主要的特征信息；所述客制化包装模块，将每次生成的填充物图纸进行上传保存，以方便后续的提取复用，其具体的步骤为：创建图纸库：首先在云端存储中创建一个专门用于存储图纸的库；保存图纸内容：将生成的填充物模型图纸内容以数字化的方式保存在图纸库中，图纸的格式包括CAD格式文件、图片文件或者其他具有图纸信息的文件格式，确保文件命名清晰明了，便于后续快速查找和提取；建立索引：为了后续快速提取图纸，给每个图纸设置一个索引，以记录每份图纸的关键信息，包括图纸长度、图纸宽度、图纸高度以及图纸形状，在需要时快速地通过关键信息查找到对应的图纸文件；数据备份：定期将库中的图纸进行备份储存，防止数据丢失造成损失；所述客制化包装模块中设置有损失函数，用于对比深度学习时所生成的预测值与真实值之间的差异，其具体方法为：采用交叉熵损失函数对于模型进行衡量，其具体的公式为： ；其中，代表真实值的概率分布，代表深度学习模型的预测概率分布，通过交叉熵损失函数最小化真实值与模型预测值之间的差异，模型更好地学习到数据的分布和特征，得到更准确的分类边界；所述运力协调运转模块，建立线上平台，用于在运力紧张或订单加急时发布任务，利用省内送货返程闲置的货车，构建新的运输网络；所述优化决策辅助模块，用于对包装、出库、运输、派送时间进行分析并设定评级，并通过算法对本次物流的包装、出库、运输、派送时间结合评级进行评估。

全文数据：

权利要求：

百度查询： 青岛大数据科技发展有限公司 一种大数据物流管理系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD