[发明专利]产能数据处理方法、装置、电子设备及计算机可读介质

说明书

本公开涉及一种产能数据处理方法、装置、电子设备及计算机可读介质。涉及计算机信息处理领域，该方法包括：将配送包裹参数与配送人员参数输入第一产能预测模型以确定第一产能数据，所述第一产能预测模型通过线性算法与机器学习算法建立；将站点参数与时效参数输入第二产能预测模型以确定第二产能数据，所述第二产能预测模型通过线性算法与机器学习算法建立；以及通过所述第一产能数据与所述第二产能数据确定站点的产能数据。本公开的产能数据处理方法、装置、电子设备及计算机可读介质，能够准确获得站点的产能数据，提高用户体验。

技术领域

本公开涉及计算机信息处理领域，具体而言，涉及一种产能数据处理方法、装置、电子设备及计算机可读介质。

背景技术

随着电子商务的快速发展，网上购物越来越普及，尤其是在商品促销活动中，由于商品配送数量突然暴涨，可能经常会导致站点爆仓，产生配送不及时，或者商品大量积压的情况。如何准确的预估一个配送站点的产能以及配送时效，是当前急需解决的问题。由于针对站点产能目前一直都没有一个很明确的定义，很多信息无法很清晰衡量。可例如，单纯从拿包裹数量判断一个站点的输出产能是不合理的，因为对于站点配送不同类型的包裹，价值肯定不同，送一个有时效要求的生鲜包裹，和一个普通包裹，对配送员来说产生的价值是不同的，但是具体这种区别的价值该如何指定，目前仍旧是没有合适的方法。

在现有技术中，在如何衡量产能方面，主要的方法有以下三种定义：TPM(TheTotal Productivity Model，总生产力)、CLP(Construction labor productivity建筑业劳动生产力)、以及LP(Labor Porductivity劳动生产力)。以上的各种产能定义都不是针对配送类型的站点而言的，所以使用上述方法计算的站点产能存在很大的误差。

因此，需要一种新的产能数据处理方法、装置、电子设备及计算机可读介质。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本公开提供一种产能数据处理方法、装置、电子设备及计算机可读介质，能够准确获得站点的产能数据，提高用户体验。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提出一种产能数据处理方法，该方法包括：将配送包裹参数与配送人员参数输入第一产能预测模型以确定第一产能数据，所述第一产能预测模型通过线性算法与机器学习算法建立；将站点参数与时效参数输入第二产能预测模型以确定第二产能数据，所述第二产能预测模型通过线性算法与机器学习算法建立；以及通过所述第一产能数据与所述第二产能数据确定站点的产能数据。

在本公开的一种示例性实施例中，还包括：通过历史配送包裹参数与历史配送人员参数建立所述第一产能预测模型。

在本公开的一种示例性实施例中，通过历史配送包裹参数与历史配送人员参数建立所述第一产能预测模型包括：通过线性算法对历史配送包裹参数与历史配送人员参数进行数据训练以获取第一线性模型；通过机器学习算法对历史配送包裹参数与历史配送人员参数进行数据训练以获取第一学习模型；以及通过所述第一线性模型与所述第一学习模型以及第一模型分配权重确定所述第一产能预测模型。

在本公开的一种示例性实施例中，通过历史配送包裹参数与历史配送人员参数建立所述第一产能预测模型包括：通过历史配送包裹参数与历史配送人员参数计算第一模型参数；将所述第一模型参数建立第一模型属性向量；以及通过所述第一模型属性向量建立所述第一产能预测模型。

在本公开的一种示例性实施例中，还包括：通过历史站点参数与历史时效参数建立所述第二产能预测模型。