基于ERP的订单管理方法及系统与流程

本发明涉及订单管理，更具体地说，本发明是基于erp的订单管理方法及系统。

背景技术：

1、现有的企业订单管理通过功能范围上的差异被分割为两部分，分别由对内的erp即企业资源计划，和对外的crm即客户关系管理共同组成，erp系统的核心是整合企业内部的各种业务流程，包括财务管理、供应链管理、人力资源管理、制造管理、项目管理等，用于提高内部运营效率，优化资源配置，降低成本，crm系统专注于管理和分析客户信息和互动，包括销售自动化、营销自动化、客户服务和支持等，用于提高客户满意度，增加销售收入，优化客户关系，在两者的交叉范围内通过共享数据进行协同合作，将crm系统中的订单信息直接引入erp系统中进行处理，但分属两个不同系统的信息在流通过程中，仍然受到不同系统之间数据一致性、流程规范、权限管理、系统性能各方面制约，一旦基于crm的订单数据在高负载大流量的情况下产生系统错误或崩溃，可能会导致erp系统订单管理的失效，且难以确定失效根源的确切环节。

2、为解决上述缺陷，现提出一种技术方案。

技术实现思路

1、本发明的目的是提供基于erp的订单管理方法及系统，以解决上述背景技术中的问题。

2、为实现上述目的，本发明提供如下技术方案：基于erp的订单管理方法，具体步骤包括对erp系统和crm系统的稳定性进行周期性检验，运用基于机器学习算法的方法对erp系统的异常状态进行监测，通过基于规则的方法对crm系统的异常状态进行监测；

3、对erp系统和crm系统的异常状态进行评估并预警，当erp系统或crm系统进入预警状态时，对crm系统向erp系统传输的订单数据进行验证，通过单向加密的方式对数据可信性进行检验；

4、运用逻辑回归模型，结合erp系统和crm系统的负载状态对订单数据的传输过程进行评估；

5、根据逻辑回归模型的评估结果，对订单管理进行策略优化。

6、优选的，对erp系统和crm系统的稳定性进行周期性检验的方法为：

7、设定用于心跳检测的系统监控工具或框架，配置监控的系统组件并设置心跳信号的发送频率；

8、通过编写脚本对erp系统和crm系统定期发送心跳信号，通过系统监控工具接收心跳信号并设置阈值；

9、在设定的时间内未接收到心跳信号，则触发预警。

10、优选的，运用基于机器学习算法的方法对erp系统的异常状态进行监测，具体方法为：

11、采集erp系统的日志数据、订单记录、操作记录、性能指标；

12、对采集的日志数据、订单记录、操作记录、性能指标进行数据预处理，移除或修正缺失值、噪声数据和异常值，并对预处理后的数据进行归一化处理；

13、以归一化处理后的日志数据、订单记录、操作记录、性能指标的时间序列特征作为特征向量的输入，将时间序列数据通过滑动窗口方法分割成固定长度的窗口，标记窗口序号为w＝{1,2,…k}，式中，k为窗口数量，且k为正整数，并提取每个窗口的特征；

14、将提取后的特征向量输入长短期记忆网络模型进行训练并记录模型输出值，标记模型输出值为lop。

15、优选的，归一化处理使用的方法为欧几里得距离归一化：

16、对每个特征向量x＝[x1,x2,…,xn]，其中n为特征向量中的元素数量，且n为正整数，存在式中，vi为归一化后的特征向量，xi为归一化前的特征向量。

17、优选的，通过基于规则的方法对crm系统的异常状态进行监测，具体方法为：

18、通过系统监控工具采集crm系统的指标提取时间数据，包括系统日志检索耗时、错误率计算耗时、查询响应测试耗时并进行数据预处理；

19、按照滑动窗口的窗口分割方式，对系统日志检索耗时、错误率计算耗时、查询响应测试耗时进行标记编号，标定系统日志检索耗时为sw，错误率计算耗时为cw，查询响应测试耗时为tw，其中w为滑动窗口的序号；

20、对系统监控工具配置的规则模型为式中，ad为规则响应指数，α、β分别为ln(sw+1)和的权重系数，且α、β均为正整数。

21、优选的，对erp系统和crm系统的异常状态进行融合评估并预警的逻辑为：

22、对长短期记忆网络模型预设分类阈值为ct，对规则模型预设异常阈值为et，当计算所得的长短期记忆网络模型的模型输出值lop大于等于分类阈值ct，且计算所得的规则响应指数ad大于等于异常阈值et时，则erp系统和向erp系统传输订单数据的crm系统均出现异常故障，标记为1级异常警告并向管理人员发出警示信号；

23、当计算所得的长短期记忆网络模型的模型输出值lop小于分类阈值ct，且计算所得的规则响应指数ad大于等于异常阈值et时，则erp系统未出现异常故障但向erp系统传输订单数据的crm系统出现异常故障，标记为2a级异常警告并向管理人员发出警示信号；

24、当计算所得的长短期记忆网络模型的模型输出值lop大于等于分类阈值ct，且计算所得的规则响应指数ad小于异常阈值et时，则erp系统出现异常故障但向erp系统传输订单数据的crm系统未出现异常故障，标记为2b级异常警告并向管理人员发出警示信号；

25、当计算所得的长短期记忆网络模型的模型输出值lop小于分类阈值ct，且计算所得的规则响应指数ad小于异常阈值et时，则erp系统和向erp系统传输订单数据的crm系统均未出现异常故障，标记为正常状态并记录正常信号。

26、优选的，通过单向加密的方式对数据可信性进行检验的验证方法为：

27、crm系统将基准订单数据转化为字符串或二进制格式发送至erp系统，并根据基准订单数据的字符串或二进制格式运用哈希算法计算基准哈希值，由erp系统保存基准哈希值；

28、当erp系统收到来自crm系统的订单数据后，按照哈希算法计算订单数据的哈希值，并使用基准哈希值对计算所得哈希值进行验证，当验证一致时，标记数据校验通过，设定校验值cv为1，当验证不一致时，标记数据校验不通过，设定校验值cv为0。

29、优选的，运用逻辑回归模型，结合erp系统和crm系统的负载状态对订单数据的传输过程进行评估的逻辑为；

30、标定资源负载率为lr，其中r为不同负载服务器的编号，且r＝1,2,…u}，式中，u为负载服务器的数量，且u为正整数，组件负载率为tp，其中，p为同一负载服务器内不同算力组件的编号，且p＝1,2,…q}，式中，q为负载服务器内算力组件的数量，且q为正整数，建立逻辑回归模型计算传输负载指数trs，计算表达式为

31、优选的，根据逻辑回归模型的评估结果，对订单管理进行策略优化；

32、对逻辑回归模型预设传输临界阈值tal，当管理人员收到1级异常警告且计算所得的传输负载指数trs大于预设的传输临界阈值tal时，则erp系统、crm系统和订单数据的输入均出现异常，订单数据不可信，通报优化策略为重启erp系统和crm系统并对订单数据进行手动输入；

33、当管理人员收到1级异常警告且计算所得的传输负载指数trs小于等于预设的传输临界阈值tal时，则erp系统、crm系统均出现异常，且订单数据的输出出现异常，订单数据存在信道失真风险，通报优化策略为重启erp系统和crm系统并对订单数据进行重复验证；

34、当管理人员收到2a级异常警告且计算所得的传输负载指数trs大于预设的传输临界阈值tal时，则crm系统和订单数据的输入均出现异常，订单数据存在信源失真风险，通报优化策略为重启crm系统且对订单来源信息进行人工检验；

35、当管理人员收到2a级异常警告且计算所得的传输负载指数trs小于等于预设的传输临界阈值tal时，则crm系统和订单数据的输出均出现异常，订单数据存在信道失真风险，通报优化策略为重启crm系统且对订单数据进行重复验证；

36、当管理人员收到2b级异常警告且计算所得的传输负载指数trs大于预设的传输临界阈值tal时，则erp系统和订单数据的输入均出现异常，订单数据存在信源失真风险，通报优化策略为重启erp系统并对订单来源信息进行人工检验；

37、当管理人员收到2b级异常警告且计算所得的传输负载指数trs小于等于预设的传输临界阈值tal时，则erp系统和订单数据的输出均出现异常，订单数据存在信道失真风险，通报优化策略为重启erp系统且对订单数据进行重复验证。

38、基于erp的订单管理系统，包括周期性验证模块、机器学习模块、规则模块、融合评估模块、可信性验证模块、传输负载模块、策略优化模块；

39、周期性验证模块用于对erp系统和crm系统的稳定性进行周期性检验；

40、机器学习模块用于根据基于机器学习算法的方法对erp系统的异常状态进行监测；

41、规则模块用于应用基于规则的方法对crm系统的异常状态进行监测；

42、融合评估模块用于对erp系统和crm系统的异常状态进行融合评估并预警；

43、可信性验证模块用于在erp系统或crm系统进入预警状态时，对crm系统向erp系统传输的订单数据进行验证，通过单向加密的方式对数据可信性进行检验；

44、传输负载模块用于运用逻辑回归模型，结合erp系统和crm系统的负载状态对订单数据的传输过程进行评估；

45、策略优化模块用于根据逻辑回归模型的评估结果，对订单管理进行策略优化。

46、在上述技术方案中，本发明提供的技术效果和优点：

47、本技术通过对erp系统及向erp系统提供数据的crm系统进行综合评估，运用基于机器学习算法的方法对erp系统的稳定性进行监测，运用基于规则的方法对crm系统的稳定性进行监测，通过单向加密的验证方式对由crm系统向erp系统传输的数据进行可信性检验，全面控制原始数据在不同系统之间的传输可信性，并根据逻辑回归模型对原始数据的异常故障环节进行定位，确保系统故障时，数据在传输过程中的异常状态，并根据不同系统的异常状态提供优化策略，验证原始的订单数据安全可信，避免单系统或双系统崩溃导致的数据丢失或失真问题。