申请/专利权人：深圳市金石三维打印科技有限公司

申请日：2023-11-03

公开（公告）日：2024-06-14

公开（公告）号：CN117472300B

主分类号：G06F3/12

分类号：G06F3/12;B29C64/386;B33Y50/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2024.02.20#实质审查的生效;2024.01.30#公开

摘要：本发明涉及3D打印制造技术领域，尤其涉及一种分布式3D打印制造平台的订单派单方法和系统。所述方法包括以下步骤：获取分布式3D打印制造平台的历史订单信息数据，并对历史订单信息数据进行用户信息识别分析，得到订单用户信息数据；对订单用户信息数据进行信用评分检测，得到订单用户信用评分；对历史订单信息数据进行信誉检测计算，得到订单信任评分以及订单质疑评分；根据订单质疑评分对历史订单信息数据进行质疑评估分析，得到订单质疑影响因子；根据订单质疑影响因子对订单用户信用评分进行信用修正分析，得到用户信用修正评分。本发明能够提高分布式3D打印制造平台的派单效率。

主权项：1.一种分布式3D打印制造平台的订单派单方法，其特征在于，包括以下步骤：步骤S1：获取分布式3D打印制造平台的历史订单信息数据，并对历史订单信息数据进行用户信息识别分析，得到订单用户信息数据；对订单用户信息数据进行信用评分检测，得到订单用户信用评分；步骤S2：对历史订单信息数据进行信誉检测计算，得到订单信任评分以及订单质疑评分；根据订单质疑评分对历史订单信息数据进行质疑评估分析，得到订单质疑影响因子；根据订单质疑影响因子对订单用户信用评分进行信用修正分析，得到用户信用修正评分；步骤S2包括以下步骤：步骤S21：对历史订单信息数据进行评论挖掘分析，得到历史订单评论信息数据；步骤S22：对历史订单评论信息数据进行词云关键识别分析，得到订单评论关键词信息数据；步骤S23：对订单评论关键词信息数据进行信誉评估分析，得到订单评论信誉评估数据；步骤S23包括以下步骤：步骤S231：利用评论情感计算公式对订单评论关键词信息数据进行情感计算，得到评论情感程度值；其中，评论情感计算公式如下所示： ；式中，为评论情感程度值，为订单评论关键词信息数据中情绪词汇的数量，为订单评论关键词信息数据中第个情绪词汇表示为正面情绪的情感分数，为正面情绪的情感权重调节参数，为订单评论关键词信息数据中第个情绪词汇表示为负面情绪的情感分数，为负面情绪的情感权重调节参数，为订单评论关键词信息数据中第个情绪词汇表示为中性情绪的情感分数，为中性情绪的情感权重调节参数，为中性情绪的调和平滑参数，为意见检测计算的初始时间，为意见检测计算的终止时间，为意见检测计算的积分时间变量，为订单评论关键词信息数据中情绪词汇在时间处的情感强度参数，为情感强度的情感权重调节参数，为情感强度的时间关联参数，为评论情感程度值的修正值；步骤S232：根据预设的评论情感程度阈值对评论情感程度值进行细分判断，当评论情感程度值大于预设的评论情感程度阈值时，则将该评论情感程度值对应的订单评论关键词信息数据标记为评论负面情感数据；当评论情感程度值等于预设的评论情感程度阈值时，则将该评论情感程度值对应的订单评论关键词信息数据标记为评论中性情感数据并将其从订单评论关键词信息数据中剔除；当评论情感程度值小于预设的评论情感程度阈值时，则将该评论情感程度值对应的订单评论关键词信息数据标记为评论正面情感数据；步骤S233：对评论负面情感数据以及评论正面情感数据进行情感分布检测分析，得到负面情感分布数据以及正面情感分布数据；步骤S234：对负面情感分布数据以及正面情感分布数据进行情感差异分析，得到评论情感分布差异数据；步骤S235：对评论情感分布差异数据进行信誉因子识别分析，得到情感差异信誉关键因子；根据情感差异信誉关键因子对评论情感分布差异数据进行信誉关联分析，得到情感差异信誉关联数据；步骤S236：根据情感差异信誉关联数据对订单评论关键词信息数据进行评估分析，得到订单评论信誉评估数据；步骤S24：利用信誉评分检测计算公式对订单评论信誉评估数据进行评分计算，得到订单信任评分以及订单质疑评分；步骤S24中的信誉评分检测计算公式具体为： ； ；式中，为订单信任评分，为订单评论信誉评估数据的数量，为第个订单评论信誉评估数据中的积极评论反馈数量参数，为第个订单评论信誉评估数据中的总评论反馈数量参数，为积极评论反馈数量的评分调节参数，为第个订单评论信誉评估数据中的积极评论质量参数，为订单评论信誉评估数据中的总评论质量参数，为积极评论质量的评分调节参数，为第个订单评论信誉评估数据中的积极评论词汇数量参数，为积极评论词汇数量的均值，为积极评论词汇数量的标准差，为积极评论词汇数量的积分词汇参数，为积极评论词汇数量的评分调节参数，为订单信任评分的修正值，为订单质疑评分，为第个订单评论信誉评估数据中的负面评论反馈数量参数，为负面评论反馈数量的评分调节参数，为第个订单评论信誉评估数据中的负面评论质量参数，为负面评论质量的评分调节参数，为第个订单评论信誉评估数据中的负面评论词汇数量参数，为负面评论词汇数量的均值，为负面评论词汇数量的标准差，为负面评论词汇数量的积分词汇参数，为负面评论词汇数量的评分调节参数，为订单质疑评分的修正值；步骤S25：根据订单质疑评分对历史订单信息数据进行质疑评估分析，得到订单质疑影响因子；步骤S25包括以下步骤：步骤S251：根据订单质疑评分对历史订单信息数据进行质疑影响因素检测，得到订单质疑影响因素；步骤S252：对订单质疑影响因素进行影响模式检测分析，得到质疑影响因素模式数据；步骤S253：对质疑影响因素模式数据进行模式拓扑分析，得到影响因素拓扑关系图；步骤S254：对影响因素拓扑关系图进行影响因素权衡处理，得到质疑影响因素权衡数据；步骤S255：根据质疑影响因素权衡数据以及影响因素拓扑关系图对订单质疑影响因素进行因素调整，以得到质疑影响主要因素；步骤S256：对质疑影响主要因素进行影响评估分析，得到订单质疑影响因子；步骤S26：根据订单质疑影响因子对订单用户信用评分进行信用影响检测分析，得到质疑信用影响修正指数；根据质疑信用影响修正指数对订单用户信用评分进行信用修正处理，得到用户信用修正评分；步骤S3：获取分布式3D打印制造平台的用户实时订单以及3D打印制造节点；对3D打印制造节点进行制造能力评估分析，得到制造节点能力承受数据；根据用户信用修正评分对用户实时订单进行订单筛选处理，得到信用用户订单；对信用用户订单进行优先紧急排序处理，得到优先紧急订单排序序列；步骤S4：基于历史订单信息数据利用订单信任评分以及订单质疑评分对3D打印制造节点进行节点探索分析，得到3D打印制造信任节点以及3D打印制造质疑节点；对3D打印制造质疑节点进行节点修正调整处理，得到打印制造质疑修正节点；将3D打印制造信任节点以及打印制造质疑修正节点进行合并处理，以得到3D打印制造优化节点；基于制造节点能力承受数据以及3D打印制造优化节点对优先紧急订单排序序列中的信用用户订单进行订单派发处理，得到用户订单派发结果数据；步骤S5：对3D打印制造优化节点进行负载分析，得到制造节点负载状况数据；根据制造节点负载状况数据对用户订单派发结果数据进行派单调整处理，得到用户订单派发调整数据。

全文数据：

权利要求：

百度查询： 深圳市金石三维打印科技有限公司 一种分布式3D打印制造平台的订单派单方法和系统

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