一种基于RPA及AI的物流信息处理方法及系统与流程

本发明涉及物流信息处理，具体为一种基于rpa及ai的物流信息处理方法及系统。

背景技术：

1、物流信息处理在现代供应链管理中扮演着至关重要的角色，尤其是在确保产品质量追溯和实时监控方面。随着技术的不断进步，物流信息处理已经从传统的纸质记录转变为高度数字化的解决方案，依赖于各种先进的传感器和数据分析工具。

2、例如公告号为cn106897847b的发明专利，为物流信息处理方法及装置，用以解决现有技术中存在的用户无法在线上对物流信息执行物流操作的问题。该方法包括：业务服务器接收用户终端发送的针对用户物流页面的物流操作请求，物流操作请求中携带有操作指令和选择的可操作订单条目；针对选择的可操作订单条目，执行操作指令，得到操作结果；向用户终端发送订单操作响应，订单操作响应包含有操作结果，并在操作结果为操作成功时，针对物流操作请求，向物流商服务器发送同步操作指令。由于将物流商订单和交易订单关联后在用户物流页面上展示，并且在用户物流页面提供了可操作订单条目，因此，用户可在线上通过提供的用户物流页面对物流信息执行物流操作。

3、例如公告号为cn106469358b的发明专利，为物流信息处理方法及装置，其中，所述方法包括：服务器在交易订单处于待收货状态下，提供用于进行物流问题咨询的第一操作选项；通过所述第一操作选项接收到第一用户客户端提交关于指定交易订单的咨询问题时，从所述指定交易订单中提取物流服务提供商标识；将所述咨询问题提供给所述物流服务提供商；在接收到所述物流服务提供商返回的答复信息时，将所述答复信息提供给所述第一用户客户端。通过本技术实施例，能够更方便快捷的为第一用户提供更详细的物流信息。

4、基于上述方案发现，目前对物流信息处理方面还存在一些不足，具体体现在物流信息处理系统主要依赖于物联网技术，通过部署传感器来收集实时数据，对可能影响产品质量的因素进行监测，现有的物流信息处理系统只能识别单个突发事件，在实际物流过程中，产品质量往往受到多个因素的综合影响，这些因素可能以累加的方式逐渐提高产品质损风险，单个突发事件的识别分析在对产品质量评估中存在较大的局限性。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于rpa及ai的物流信息处理方法及系统，能够有效解决上述背景技术中涉及的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：本发明第一方面提供了一种基于rpa及ai的物流信息处理方法，包括：以集散中心为线路节点，对物流运输线路进行线路划分，并标记为各质量追溯线路段。

3、对产品运输数据进行监测，分析得到各质量追溯线路段的产品实时状态异常评估指数时间序列函数，根据各质量追溯线路段的产品实时状态异常评估指数时间序列函数对质损风险点进行筛选，获取各质量追溯线路段的质损风险点个数，综合分析得到各质量追溯线路段的产品状态异常累加反馈值。

4、集散中心对入库产品和出库产品进行图像采集，通过ai视觉模型分析得到各质量追溯线路段的产品视觉偏差值，根据各质量追溯线路段的产品状态异常累加反馈值和产品视觉偏差值，分析得到各质量追溯线路段的产品质损风险评估指数，并根据分析结果进行反馈。

5、作为进一步的方法，所述分析得到各质量追溯线路段的产品实时状态异常评估指数时间序列函数，具体分析过程为：获取产品运输数据，包括产品温度、产品振动强度、产品实际位置点和产品预计位置点。

6、将产品实际位置点和产品预计位置点之间的距离标记为产品位置偏差距离，综合分析得到各质量追溯线路段的产品实时状态异常评估指数时间序列函数。

7、作为进一步的方法，所述根据各质量追溯线路段的产品实时状态异常评估指数时间序列函数对质损风险点进行筛选，获取各质量追溯线路段的质损风险点个数，具体分析过程为：根据各质量追溯线路段的产品实时状态异常评估指数时间序列函数，将时间序列函数中峰点对应的时间点标记为质损风险点，提取各质量追溯线路段的质损风险点个数。

8、作为进一步的方法，所述综合分析得到各质量追溯线路段的产品状态异常累加反馈值，具体分析过程为：根据各质量追溯线路段的产品实时状态异常评估指数时间序列函数和质损风险点个数，综合分析得到各质量追溯线路段的产品状态异常累加反馈值。

9、作为进一步的方法，所述通过ai视觉模型分析得到各质量追溯线路段的产品视觉偏差值，具体分析过程为：根据各集散中心的入库产品图像和出库产品图像，将各质量追溯线路段的前置集散中心的出库产品图像标记为各质量追溯线路段的运输前态图像，将各质量追溯线路段的后置集散中心的入库产品图像标记为各质量追溯线路段的运输后态图像。

10、通过ai视觉模型对各质量追溯线路段的运输前态图像与运输后态图像进行比对分析，得到各质量追溯线路段的产品视觉偏差值。

11、作为进一步的方法，所述分析得到各质量追溯线路段的产品质损风险评估指数，具体分析过程为：根据各质量追溯线路段的产品状态异常累加反馈值和产品视觉偏差值，综合分析得到各质量追溯线路段的产品质损风险评估指数。

12、作为进一步的方法，所述根据分析结果进行反馈，具体过程为：从物流运输云平台中提取产品质损风险评估指数阈值，将各质量追溯线路段的产品质损风险评估指数与产品质损风险评估指数阈值进行比对，若某质量追溯线路段的产品质损风险评估指数大于或等于产品质损风险评估指数阈值，则将该质量追溯线路段标记为高危线路段，并将分析结果反馈至相关人员。

13、作为进一步的方法，所述各质量追溯线路段的产品实时状态异常评估指数时间序列函数，具体分析过程为：从物流运输云平台中获取允许偏差温度、临界振动强度和临界位置偏差距离，各质量追溯线路段的产品实时状态异常评估指数时间序列函数的函数表达式为：

14、；

15、式中，表示第i个质量追溯线路段的产品实时状态异常评估指数随时间t的变化值，表示第i个质量追溯线路段的产品温度随时间t的变化值，表示第i个质量追溯线路段的产品振动强度随时间t的变化值，表示第i个质量追溯线路段的产品位置偏差距离随时间t的变化值，表示允许偏差温度，表示临界振动强度，表示临界位置偏差距离，t表示时间变量，，表示第i个质量追溯线路段的运输开始时间点，表示第i个质量追溯线路段的运输结束时间点，t表示与之间的时间长度，i表示各质量追溯线路段的编号，i=1,2,3,...,n，n表示质量追溯线路段的总数，表示设定的偏差温度对应的状态异常评估影响因子，表示设定的振动强度对应的状态异常评估影响因子，表示设定的位置偏差距离对应的状态异常评估影响因子。

16、作为进一步的方法，所述各质量追溯线路段的产品状态异常累加反馈值，具体数值表达式为：

17、；

18、式中，表示第i个质量追溯线路段的产品状态异常累加反馈值，表示第i个质量追溯线路段的质损风险点个数，表示设定的产品状态异常累加反馈临界值，表示第i个质量追溯线路段的产品实时状态异常评估指数随时间t的变化值，t表示时间变量，，表示第i个质量追溯线路段的运输开始时间点，表示第i个质量追溯线路段的运输结束时间点，i表示各质量追溯线路段的编号，i=1,2,3,...,n，n表示质量追溯线路段的总数。

19、本发明第二方面提供了一种基于rpa及ai的物流信息处理系统，包括：质量追溯线路划分模块，用于以集散中心为线路节点，对物流运输线路进行线路划分，并标记为各质量追溯线路段。

20、产品状态异常分析模块，用于对产品运输数据进行监测，分析得到各质量追溯线路段的产品实时状态异常评估指数时间序列函数，根据各质量追溯线路段的产品实时状态异常评估指数时间序列函数对质损风险点进行筛选，获取各质量追溯线路段的质损风险点个数，综合分析得到各质量追溯线路段的产品状态异常累加反馈值。

21、产品质损风险评估模块，用于集散中心对入库产品和出库产品进行图像采集，通过ai视觉模型分析得到各质量追溯线路段的产品视觉偏差值，根据各质量追溯线路段的产品状态异常累加反馈值和产品视觉偏差值，分析得到各质量追溯线路段的产品质损风险评估指数，并根据分析结果进行反馈。

22、物流运输云平台，用于存储物流信息处理相关数据，包括允许偏差温度，临界振动强度，临界位置偏差距离，产品状态异常累加反馈临界值，允许偏差像素值和产品质损风险评估指数阈值。

23、相对于现有技术，本发明的实施例至少具有如下优点或有益效果：

24、（1）本发明通过提供一种基于rpa及ai的物流信息处理方法及系统，能够分析多种因素对产品质损风险的累积效果，并对潜在的产品质损风险进行准确评估，不仅提升了物流运输的透明度和可预测性，还降低了产品损坏的风险，确保物流运输的可靠性和效率。

25、（2）本发明通过对各质量追溯线路段的质损风险点进行筛选，可以识别出哪些时间段是异常事件的高发期，预测未来可能出现的异常事件，提前调整和优化资源配置，从而减少物流运输中异常事件的发生，提高产品的运输效率和安全性。

26、（3）本发明通过对产品异常状态的累加程度进行监测和分析，可以在产品破损实际发生之前提前预警，从而采取相应的预防措施，防止问题进一步恶化，同时异常累加分析可以帮助识别更容易导致产品破损环节或因素，从而针对这些环节或因素加强产品保护措施。

27、（4）本发明通过比对运输前态图像和运输后态图像的像素值差异，可以精确识别出产品在运输过程中可能发生的细微变化，自动检测并标记出异常区域，便于后续的质量分析和处理。