CN120124927A - 一种erp系统动态配置方法、设备及介质 - Google Patents

Abstract

本申请提供了一种ERP系统动态配置方法、设备及介质，涉及资源配置管理技术领域，该方法包括：动态监测得到ERP系统中的实时订单列表，并调取预定聚类策略得到实时聚类结果；对第一聚类簇进行回报分析得到第一簇回报指数，并得到初始簇权重分配；通过回报预测模型得到预定周期的第一簇预测回报指数；当第一指数比符合预定指数比约束时调整得到目标簇权重分配；获取资源数据库；结合所述目标簇权重分配生成目标资源配置决策；对所述ERP系统进行动态配置处理。通过本申请可以解决现有存在资源配置管理的资源利用效率的问题，有效避免了资源配置管理的滞后性，达到了提高ERP系统前置性资源配置处理的科学性和有效性的技术效果。

Description

一种ERP系统动态配置方法、设备及介质

技术领域

本申请涉及资源配置管理技术领域，尤其涉及一种ERP系统动态配置方法、设备及介质。

背景技术

随着经济的发展和市场竞争的加剧，企业资源计划系统在现代企业管理中扮演着越来越重要的角色。ERP系统能够集成企业内部各个部门的信息，提供实时、准确的数据支持，帮助企业优化资源配置，提高管理效率。传统的ERP系统仅能基于实时订单中的产品数量、期限等需求进行资源配置管理，然而由于订单本身可能具有滞后性和随突发热点时间、环境等出现突变性，因此在订单出现大幅度变动时，现有ERP系统的资源配置容易出现数据分析能力不足、资源配置决策滞后等问题，无法满足企业对动态、高效资源管理的需求。

综上所述，现有技术中存在无法基于各类市场订单预测进行前置性资源配置，导致资源配置不能满足实际生产管理要求，进而影响资源利用效率和企业竞争力的技术问题。

发明内容

本申请的目的是提供一种ERP系统动态配置方法、设备及介质，用以解决现有技术中存在无法基于各类订单的市场趋势性分析和预测对企业资源进行前置性配置调整，导致资源配置不能满足实际生产管理要求，进而影响资源利用效率和企业竞争力的技术问题。

鉴于上述问题，本申请提供了一种ERP系统动态配置方法、设备及介质。

第一方面，本申请提供了一种ERP系统动态配置方法，其中，所述一种ERP系统动态配置方法包括：动态监测得到ERP系统中的实时订单列表，并调取预定聚类策略对所述实时订单列表中的订单进行聚类分析，得到实时聚类结果；对所述实时聚类结果中的第一聚类簇进行回报分析得到第一簇回报指数，并基于归一化处理后的所述第一簇回报指数得到初始簇权重分配；通过回报预测模型对所述第一聚类簇进行预测分析得到预定周期的第一簇预测回报指数；当比值计算所述第一簇预测回报指数与所述第一簇回报指数得到的第一指数比符合预定指数比约束时，对所述初始簇权重分配进行调整，得到目标簇权重分配；获取资源数据库，其中，所述资源数据库包括多种资源的数据集；在所述多种资源的数据集的约束下，结合所述目标簇权重分配生成目标资源配置决策；根据所述目标资源配置决策对所述ERP系统进行动态配置处理。

第二方面，本申请还提供了一种电子设备，包括：

至少一个处理器；

与所述至少一个处理器通信连接的存储器；

其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面中任意一项所述一种ERP系统动态配置方法的步骤。

第三方面，一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在执行时实现上述第一方面中任一项所述一种ERP系统动态配置方法的步骤。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

通过动态监测得到ERP系统中的实时订单列表，并调取预定聚类策略对所述实时订单列表中的订单进行聚类分析，得到实时聚类结果；对所述实时聚类结果中的第一聚类簇进行回报分析得到第一簇回报指数，并基于归一化处理后的所述第一簇回报指数得到初始簇权重分配；通过回报预测模型对所述第一聚类簇进行预测分析得到预定周期的第一簇预测回报指数；当比值计算所述第一簇预测回报指数与所述第一簇回报指数得到的第一指数比符合预定指数比约束时，对所述初始簇权重分配进行调整，得到目标簇权重分配；获取资源数据库，其中，所述资源数据库包括多种资源的数据集；在所述多种资源的数据集的约束下，结合所述目标簇权重分配生成目标资源配置决策；根据所述目标资源配置决策对所述ERP系统进行动态配置处理，也就是说，通过实时监测订单情况并进行订单聚类分析，进而得到实时状态下的订单回报分析，进而通过回报预测模型对实时回报进行预测性调整，并据此进行订单聚类簇的权重分配分析，最终结合资源情况对不同权重系数下的订单聚类簇进行对应的资源配置，通过实时监测订单情况并进行订单聚类分析，进而得到实时状态下的订单回报分析，进而通过回报预测模型对实时回报进行预测性调整，并据此进行订单聚类簇的权重分配分析，最终结合资源情况对不同权重系数下的订单聚类簇进行对应的资源配置，实现了对资源信息的预测性配置分析目标，达到了提高ERP系统前置性资源配置处理的科学性和有效性，进而提高资源利用效率的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其他特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请一种ERP系统动态配置方法的流程示意图；

图2为本申请示例性电子设备的结构示意图。

附图标记说明：

总线300，接收器301，处理器302，发送器303存储器304，总线接口305。

具体实施方式

本申请通过提供一种ERP系统动态配置方法、设备及介质，解决了现有技术中存在无法基于各类订单的时长趋势性分析和预测对企业资源进行前置性配置调整，导致资源配置不能满足实际生产管理要求，进而影响资源利用效率和企业竞争力的技术问题。通过实时监测订单情况并进行订单聚类分析，进而得到实时状态下的订单回报分析，进而通过回报预测模型对实时回报进行预测性调整，并据此进行订单聚类簇的权重分配分析，最终结合资源情况对不同权重系数下的订单聚类簇进行对应的资源配置，实现了对资源信息的预测性配置分析目标，达到了提高ERP系统前置性资源配置处理的科学性和有效性，进而提高资源利用效率的技术效果。

下面，将参考附图对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。

实施例一，请参阅附图1，本申请提供了一种ERP系统动态配置方法，其中，所述一种ERP系统动态配置方法具体包括如下步骤：

步骤S10：动态监测得到ERP系统中的实时订单列表，并调取预定聚类策略对所述实时订单列表中的订单进行聚类分析，得到实时聚类结果。

具体而言，动态监测ERP系统中的实时订单列表，并利用预定的聚类策略对订单进行聚类分析，从而得到实时聚类结果。这样做的目标是实现对订单数据的实时处理和分析，以便更好地理解订单及订单间的关联情况，为后续的资源管理和决策提供数据支持。

具体来说，首先动态监测ERP系统中的实时订单列表，确保订单数据的时效性和准确性。然后，调取预定的聚类策略，该预定聚类策略可能基于订单的客户、产品类型、规格、数量等关键因素进行订单聚类。接着基于该预定聚类策略进行实时订单列表中订单的聚类分析，其中，聚类分析的目的是将相似的订单分组，以便于管理和分析。由此得到实时聚类结果，这些结果反映了当前订单的分布情况和模式。通过这种动态监测和聚类分析的结合，ERP系统可以更有效地处理和分析大量实时订单数据，从而提高资源管理的效率，优化决策过程。

步骤S20：对所述实时聚类结果中的第一聚类簇进行回报分析得到第一簇回报指数，并基于归一化处理后的所述第一簇回报指数得到初始簇权重分配。

具体而言，对实时聚类结果中的第一聚类簇进行回报分析，得到第一簇回报指数，并基于归一化处理后的回报指数得到初始簇权重分配。这样做的技术目标是评估不同聚类簇中的订单的回报情况，以便在资源配置和决策过程中更加精确地考虑各个聚类簇的重要性。

具体来说，首先对实时聚类结果中的第一聚类簇进行回报分析，其中，回报分析可能包括计算该簇中订单的产品数量、产品成本、平均利润率或其他相关指标。然后根据回报分析的结果得到第一簇回报指数，这个指数是对该聚类簇价值的一个量化表示。接着，对第一簇回报指数进行归一化处理，其中，归一化是为了消除不同指标之间的量纲影响，使得不同聚类簇的回报指数可以相互比较。由此，基于归一化处理后的第一簇回报指数，得到初始簇权重分配。其中，权重分配的目的是在资源配置和决策时，根据每个聚类簇的价值对其给予相应的重视，进而实现最大化资源配置和利用。通过这种回报分析和权重分配的方法，ERP系统可以更准确地评估和利用实时聚类结果，从而在资源配置和决策过程中更加高效和精确。

步骤S30：通过回报预测模型对所述第一聚类簇进行预测分析得到预定周期的第一簇预测回报指数。

具体而言，使用回报预测模型对ERP系统中聚类簇进行分析，关键在于应用回报预测模型对第一聚类簇进行预测分析，以得到预定周期的第一簇预测回报指数。其中，所述第一聚类簇是指所述实时聚类结果中的任意一个订单聚类簇，通过对该第一聚类簇进行预测分析，即实现对所述实时聚类结果中的各个聚类簇的遍历预测分析。这样做的技术目标是预测未来一段时间内该聚类簇的潜在价值，为资源配置和决策提供前瞻性的数据支持。

具体来说，首先，使用回报预测模型对第一聚类簇进行分析，其中，回报预测模型可能基于历史数据、市场趋势、季节性因素等变量来预测未来的回报。然后，通过模型运行得到预定周期的第一簇预测回报指数。这个指数是对该聚类簇在所述预定周期，即任意一个预定的未来时间内的预期价值的量化表示。通过这种回报预测模型的应用，ERP系统能够预测和评估各订单聚类簇在未来一段时间内的潜在价值，从而在资源配置和决策过程中更加具有前瞻性和策略性，帮助企业更好地应对市场变化，提高资源利用效率。

步骤S40：当比值计算所述第一簇预测回报指数与所述第一簇回报指数得到的第一指数比符合预定指数比约束时，对所述初始簇权重分配进行调整，得到目标簇权重分配。

具体而言，计算第一簇预测回报指数与第一簇回报指数的比值，当这个比值符合预定指数比约束时，对初始簇权重分配进行调整，以得到目标簇权重分配。也就是说，在结合历史订单情况分析到的所述第一聚类簇在所述预定周期的订单价值回报情况与当前存在较大差异，则说明该聚类簇在后续短时间，即所述预定周期下，会出现较大的订单变化，因此需要预测性对该聚类簇进行预测性的资源配置调整，如降低或提高该聚类簇的权重系数，即实现对该聚类簇的对应资源的配置调整，进而更好地反映和利用聚类簇的未来价值潜力。

具体来说，首先，计算第一簇预测回报指数与第一簇回报指数的比值。这个比值反映了预测回报与实际回报之间的关系。然后，将这个比值与预定的指数比约束进行比较。预定指数比约束是基于企业的战略目标和市场条件设定的一个标准。如果计算出的比值符合这个约束，即预测回报与实际回报之间的关系出现较大偏差，因此对初始簇权重分配进行调整。调整的目的是根据预测回报的潜力，重新分配资源，优化簇权重。通过这种基于预测回报指数和实际回报指数比值的权重调整方法，ERP系统能够更加灵活和精确地管理资源配置，确保资源能够根据市场变化和预测的未来价值潜力进行优化分配。

步骤S50：获取资源数据库，其中，所述资源数据库包括多种资源的数据集。

具体而言，对企业的各类资源情况进行收集，并形成资源数据库，其中资源数据库包含多种资源的数据集，为后续ERP系统的资源配置和决策提供全面和详细的数据参考。

具体来说，首先，获取资源数据库。资源数据库可能是一个集成了企业内部和外部资源信息的系统，包括但不限于原材料、人力资源、设备等数据。其中，资源数据库包括多种资源的数据集，这些数据集可能按照资源的类型、属性、来源等进行分类和组织。示范性的如，根据企业数据源配置清单自动抓取各类型数据库中的原始数据，如关系型数据库、NoSQL数据库、文件系统、云存储等，并自动建立相应的数据连接，接着对每个数据源进行数据抓取。示范性的又如，原材料数据集可能包括原材料的种类、库存量、供应商信息等；人力资源数据集可能包括员工的技能、工时、薪资等。最终，通过获取这样一个包含多种资源的数据集的资源数据库，ERP系统在执行资源配置和决策时可以更加全面和准确地考虑各种资源的可用性、成本和效率，从而提高资源管理的科学性和精确性。进一步地，将收集到的资源数据库，即数据库的原始数据备份至统一的临时存储区域，可用于后续数据恢复与校核。除此之外，对抓取过程中出现的连接异常或数据传输错误进行日志记录，并及时反馈给系统管理员进行处理。步骤S60：在所述多种资源的数据集的约束下，结合所述目标簇权重分配生成目标资源配置决策。

具体而言，在多种资源数据集的约束下，结合目标簇权重分配生成目标资源配置决策。这样做的技术目标是在有限的资源条件下，根据聚类簇的权重分配，优化资源配置，以提高资源利用效率和满足企业的战略目标。

具体来说，对抓取的资源数据库进行数据预处理和字段映射，从而构建得到资源数据整合矩阵。首先，考虑所述多种资源的数据集的约束，并以资源数据整合矩阵作为约束进行资源配置，可能包括资源的可用性、成本、质量、供应商的限制等。具体来说，首先对各数据源抓取的数据进行清洗、格式转换和标准化处理，消除数据冗余和噪声。然后根据预定义的映射规则，对各数据源中的相似字段进行统一命名和格式映射，生成标准化的数据记录。接着根据标准化后的数据，构建跨数据源的数据整合矩阵，记录不同数据源中相同数据项之间的关联关系和一致性信息。最后对数据整合矩阵中的数据进行汇总和排序，生成初步的统一数据视图，为后续数据展示和业务决策提供基础数据。然后，将整合后的数据按照预设规则排序和展示，构成统一数据视图，向用户提供数据查询和分析服务。也就是说，结合目标簇权重分配，即在考虑聚类簇的价值和重要性的基础上，生成目标资源配置决策。目标资源配置决策的目的是确定如何在不同的聚类簇之间分配资源，以最大化整体回报和满足企业的战略需求。首先，根据数据整合矩阵和预设的汇总规则，对所有数据进行统一汇总、排序，生成标准化的数据汇总报告；然后将汇总数据通过可视化仪表盘、报表或多维数据钻取工具呈现给用户，便于用户快速查询、分析及决策；最后根据交互和查询请求，动态调整数据展示内容，确保展示信息实时更新且符合当前订单的实际需求。

通过在多种资源的数据集的约束下，结合目标簇权重分配生成目标资源配置决策，ERP系统能够更加科学和精确地进行资源配置，确保资源能够根据聚类簇的价值和重要性进行优化分配，从而提高资源利用效率，支持企业的战略目标，增强企业的市场竞争力。

步骤S70：根据所述目标资源配置决策对所述ERP系统进行动态配置处理。

具体而言，根据目标资源配置决策对ERP系统进行动态配置处理。动态配置处理可能包括调整资源分配、更新系统设置、改变工作流程等，以确保ERP系统的运行与资源配置决策保持一致。通过根据目标资源配置决策对ERP系统进行动态配置处理，企业能够确保其资源管理策略得到有效执行。

进一步，本申请步骤S10包括：

步骤S11：提取所述实时订单列表中的第一订单，所述第一订单包括第一产品；

步骤S12：在生产数据库中匹配所述第一产品的第一生产数据集，其中，所述第一生产数据集包括第一生产设备、第一生产物料和第一生产人员；

步骤S13：引入预定生产向量化方案对所述第一生产设备、所述第一生产物料和所述第一生产人员进行表征处理，得到第一生产向量；

步骤S14：以所述第一生产向量为约束对所述实时订单列表进行聚类分析，得到所述实时聚类结果。

具体而言，在ERP系统中处理实时订单列表并对其进行聚类分析，目的是通过结合订单信息和生产数据，对订单进行更深入的分析，以便更好地理解生产需求和资源分配，从而优化生产过程和资源配置。首先，提取实时订单列表中的第一订单，所述第一订单是指所述实时订单列表中的任意一个销售订单，通过对所述第一订单进行具体订单情况分析，即实现了对所述实时订单列表中的各个订单的分析，具体来说，首先识别该订单中的任意一个销售产品，记作第一产品。然后，在生产数据库中匹配与第一产品相关的第一生产数据集，该数据集包括第一生产设备、第一生产物料和第一生产人员的信息。接下来引入预定的生产向量化方案，对第一生产设备、第一生产物料和第一生产人员进行表征处理，得到第一生产向量。这个向量化方案的目的是将生产相关的信息转化为可以量化和分析的格式。最后以第一生产向量为约束，对实时订单列表进行聚类分析，得到实时聚类结果。这样的聚类分析考虑了生产资源的实际限制，使得聚类结果更加符合生产实际。通过这些步骤，ERP系统能够将订单信息与生产数据相结合，通过生产向量的引入和聚类分析，得到更准确和实用的实时聚类结果，从而在生产计划和资源配置上提供更有力的数据支持，优化生产流程，提高生产效率。

进一步，本申请步骤S13包括：

步骤S131：在所述资源数据库中匹配所述第一生产设备的第一设备数量；

步骤S132：根据所述预定生产向量化方案匹配所述第一设备数量对应的第一预定级别；

步骤S133：基于所述第一预定级别得到所述第一生产设备的第一分量；

步骤S134：根据所述预定生产向量化方案依次获取所述第一生产物料的第二分量和所述第一生产人员的第三分量；

步骤S135：基于所述第一分量、所述第二分量和所述第三分量得到所述第一生产向量。

具体而言，将生产数据转化为生产向量，是为了将生产相关的复杂信息转化为可以量化和分析的格式，以便于进行聚类分析和资源配置决策。首先在资源数据库中匹配第一生产设备的第一设备数量。然后根据预定的生产向量化方案，将第一设备数量对应到第一预定级别。这个预定级别是对设备数量的一种分类或量化表示。接下来基于第一预定级别得到第一生产设备的第一分量。这个分量是生产向量中的一个元素，代表了设备在生产能力上的量化指标。然后根据预定生产向量化方案依次获取第一生产物料的第二分量和第一生产人员的第三分量。这些分量分别代表了物料和人员在生产过程中的量化影响。最后基于第一分量、第二分量和第三分量，得到第一生产向量。这个向量综合了设备、物料和人员三个方面的信息，为聚类分析和资源配置提供了全面的数据基础。通过将生产过程中的关键信息转化为生产向量，这个向量不仅包含了设备、物料和人员的信息，而且还通过预定的量化方案进行了标准化处理，使得聚类分析和资源配置决策更加科学和精确。

进一步，本申请步骤S14包括：

步骤S141：提取所述实时订单列表中的第二订单，并获取所述第二订单的第二生产向量；

步骤S142：对所述第一生产向量与所述第二生产向量进行余弦相关性分析得到第一余弦相似度；

步骤S143：若所述第一余弦相似度处于预定相似度阈值，则对所述第二订单与所述第一订单进行聚类得到第二聚类簇；

步骤S144：基于所述第二聚类簇组成所述实时聚类结果。

具体而言，通过分析订单间的相似性来进行聚类，目的是为了识别出具有相似生产需求的订单，以便能够更有效地对这些订单进行聚类分析。具体来说，首先从实时订单列表中提取第二订单，并获取该订单对应的第二生产向量。这个向量是在之前的过程中通过生产数据向量化方案得到的，代表了订单在生产方面的特征。然后对第一生产向量和第二生产向量进行余弦相关性分析，得到第一余弦相似度。余弦相似度是一种衡量两个向量方向差异的方法，其值介于-1到1之间，值越接近1表示两个向量越相似。接下来，判断第一余弦相似度是否达到预定的相似度阈值。如果相似度高于阈值，说明两个订单在生产特征上具有较高的相似性，因此将第二订单与第一订单进行聚类，形成第二聚类簇。最后基于第二聚类簇的组成更新实时聚类结果。这样，具有相似生产特征的订单就被归为同一聚类簇，便于后续的资源分配和决策。通过将具有相似生产需求的订单分组，为资源优化和决策提供了更有针对性的数据支持。

进一步，本申请步骤S30包括：

步骤S31：提取所述第一聚类簇中的第三订单，其中，所述第三订单是指目标客户采购目标产品的订单；

步骤S32：以所述目标客户与所述目标产品为筛选约束对历史订单日志进行筛选，得到目标订单日志；

步骤S33：提取所述目标订单日志中第一历史时间下的第一历史订单，并计算得到所述第一历史订单的第一历史回报指数；

步骤S34：根据所述第一历史回报指数与所述第一历史时间的第一对应关系构建目标回报时序；

步骤S35：通过所述回报预测模型分析所述目标回报时序，得到所述预定周期的目标预测回报指数；

步骤S36：加和所述目标预测回报指数得到所述第一簇预测回报指数。

具体而言，利用历史订单数据来预测未来回报指数，通过预测特定订单在未来一段时间内的潜在回报，从而为资源配置和决策提供依据。首先，提取第一聚类簇中的第三订单，这个订单是目标客户采购目标产品的订单。然后以目标客户和目标产品为筛选约束，对历史订单日志进行筛选，得到目标订单日志。这些日志包含了目标客户采购目标产品的历史所有订单的历史交易信息。接下来，提取目标订单日志中在第一历史时间下的第一历史订单，并计算得到该历史订单的第一历史回报指数。这个回报指数是对该历史订单在特定时间内的回报进行量化。根据第一历史回报指数与第一历史时间的对应关系，构建目标回报时序。这个时序反映了回报随时间的变化趋势。然后，通过回报预测模型分析目标回报时序，预测未来一段时间内的目标预测回报指数。这个预测是基于历史回报数据的分析和模型计算得出的。最后将目标预测回报指数进行加和，得到第一簇预测回报指数。这个指数是对第一聚类簇中所有订单未来回报的总体预测。

最后，通过这些步骤，ERP系统能够利用历史订单数据预测未来回报，为资源配置和决策提供了基于历史数据的预测依据，从而提高了资源配置的前瞻性和准确性。

进一步，本申请步骤S35包括：

步骤S351：对基于所述目标回报时序绘制目标回报散点图进行回归拟合得到目标拟合式；

步骤S352：将所述目标拟合式与所述预定周期作为所述回报预测模型的输入信息，并通过所述回报预测模型得到所述目标预测回报指数。

具体而言，利用目标回报时序来预测未来回报指数，通过分析历史回报数据的变化趋势，预测特定订单在未来一段时间内的潜在回报，从而为资源配置和决策提供依据。首先基于目标回报时序绘制目标回报散点图，并对这些散点进行回归拟合，得到目标拟合式。回归拟合是一种统计方法，用于分析变量之间的关系，通过拟合得到的数据关系式可以用来预测未来的数据趋势。接下来将目标拟合式和预定周期作为回报预测模型的输入信息，通过回报预测模型的分析和计算，得到目标预测回报指数。其中，回报预测模型是一种数学模型，它根据输入的数据关系式和时间周期，预测未来的回报指数。通过回归拟合和回报预测模型，预测未来一段时间内的目标预测回报指数。这样可以基于预测的回报指数进行资源配置和决策，提高资源配置的前瞻性和准确性。

进一步，本申请步骤S60包括：

步骤S61：提取所述多种资源中的第一资源类型，并匹配得到所述第一资源类型的第一类型数据集；

步骤S62：基于所述目标簇权重分配与所述第一类型数据集中的第一类型数量，得到所述第一资源类型对所述第一聚类簇的第一配置数量；

步骤S63：基于所述第一配置数量，生成所述目标资源配置决策；

步骤S64：其中，所述多种资源至少包括设备资源、物料资源和人员资源。

具体而言，根据目标簇权重分配和资源类型数据集来生成目标资源配置决策，以确保每种资源类型都能根据其重要性和可用性进行优化配置，进而满足订单需求和提升资源利用效率。首先提取多种资源中的第一资源类型，例如设备资源，并从资源数据库中匹配得到该资源类型的第一类型数据集。这个数据集包含了该资源类型的相关信息，如设备数量、规格等。接下来基于目标簇权重分配和第一类型数据集中的第一类型数量，计算得到第一资源类型对第一聚类簇的第一配置数量。这个配置数量反映了在当前权重分配下，第一聚类簇对第一资源类型的需求量。然后基于第一配置数量生成目标资源配置决策。这个决策包括了为第一聚类簇分配的第一资源类型的数量，确保了资源能够根据订单需求和资源重要性进行有效分配。最后在步骤S64中说明，多种资源至少包括设备资源、物料资源和人员资源。这意味着上述过程需要针对这三种资源类型分别进行，以确保所有关键资源都得到妥善配置。

通过这些步骤，ERP系统能够根据聚类结果和资源类型数据集，生成针对每种资源类型的目标资源配置决策，从而实现资源的最优分配，提高生产效率和满足订单需求。

进一步，本申请还包括步骤S80，所述步骤S80包括：

步骤S81：基于所述目标资源配置决策对所述ERP系统进行动态配置模拟，得到目标模拟记录；

步骤S82：分析所述目标模拟记录得到目标回报指数，并将所述目标回报指数作为所述目标资源配置决策的初始配置适应度；

步骤S83：提取所述目标模拟记录中的异常模拟数据，并对所述异常模拟数据中的维检模拟数据和故障模拟数据进行分析，得到目标异常指数；

步骤S84：以所述目标异常指数对所述初始配置适应度进行调整，得到目标配置适应度。

具体而言，通过模拟和分析来评估和调整目标资源配置决策，是为了在实施资源配置前，通过模拟和分析来预测和评估配置的效果，从而优化资源配置决策，提高资源利用效率和回报率。

首先基于目标资源配置决策对ERP系统进行动态配置模拟。这个模拟过程会在一个虚拟环境中运行，以观察和记录配置决策的效果。通过模拟可以得到目标模拟记录，这些记录包含了模拟运行过程中的关键数据。也就是说，模拟根据数据库中各表的结构定义自动解析数据库表结构信息。然后根据解析结果，通过模板引擎自动生成对应的模拟动态表单。示范性的如，首先根据企业数据库中所有表的配置信息，自动连接数据库，读取各数据表的结构数据。然后利用SQL语句解析每个数据表的字段信息，包括字段名称、数据类型、长度、约束条件及默认值。接着将解析结果保存至中间缓存或配置文件中，以供后续动态表单生成模块调用。示范性的如生成模拟动态表单时，首先获取标准化后的数据库表结构信息，并调用预定义的模板引擎，将各字段信息与表单模板进行匹配，自动生成相应的输入控件和展示控件。接下来，根据字段的约束条件和校验规则，为每个输入控件附加相应的验证逻辑，生成完整的动态表单页面。最后将生成的动态表单与数据库实现无缝对接，确保数据录入、展示与修改功能同步。

接下来分析目标模拟记录以得到目标回报指数。这个指数是对模拟运行效果的量化评估，反映了资源配置决策的优劣。目标回报指数被作为初始配置适应度，即资源配置决策的初步评估结果。然后提取目标模拟记录中的异常模拟数据，特别是维检模拟数据和故障模拟数据。对这些异常数据进行分析可以得到目标异常指数。这个指数反映了配置决策在处理异常情况时的表现和效率。最后以目标异常指数对初始配置适应度进行调整，得到目标配置适应度。这个适应度是对初始配置适应度的修正，考虑了异常情况对资源配置效果的影响。

此外，为了实现数据实时交互与校验，确保用户操作与数据库状态保持一致，示范性的如可以利用Ajax技术，实现动态表单页面与后端数据库之间的异步数据传输，支持数据的实时保存和查询。然后通过WebSocket技术，建立持久化数据连接，确保用户在页面上的每次操作都能实时反馈到数据库，同时接收数据库状态更新。最终集成数据校验机制，在用户输入数据时即时进行格式、范围及必填项校验，确保数据准确性，并自动触发数据更新操作。

通过在实施资源配置前进行模拟和分析，预测和评估配置的效果，并通过考虑异常情况来调整配置决策的适应度，可以基于更全面和准确的评估结果来优化资源配置，提高资源利用效率和整体运营效果。

综上所述，本申请所提供的一种ERP系统动态配置方法具有如下技术效果：

通过动态监测得到ERP系统中的实时订单列表，并调取预定聚类策略对所述实时订单列表中的订单进行聚类分析，得到实时聚类结果；对所述实时聚类结果中的第一聚类簇进行回报分析得到第一簇回报指数，并基于归一化处理后的所述第一簇回报指数得到初始簇权重分配；通过回报预测模型对所述第一聚类簇进行预测分析得到预定周期的第一簇预测回报指数；当比值计算所述第一簇预测回报指数与所述第一簇回报指数得到的第一指数比符合预定指数比约束时，对所述初始簇权重分配进行调整，得到目标簇权重分配；获取资源数据库，其中，所述资源数据库包括多种资源的数据集；在所述多种资源的数据集的约束下，结合所述目标簇权重分配生成目标资源配置决策；根据所述目标资源配置决策对所述ERP系统进行动态配置处理，也就是说，通过实时监测订单情况并进行订单聚类分析，进而得到实时状态下的订单回报分析，进而通过回报预测模型对实时回报进行预测性调整，并据此进行订单聚类簇的权重分配分析，最终结合资源情况对不同权重系数下的订单聚类簇进行对应的资源配置，通过实时监测订单情况并进行订单聚类分析，进而得到实时状态下的订单回报分析，进而通过回报预测模型对实时回报进行预测性调整，并据此进行订单聚类簇的权重分配分析，最终结合资源情况对不同权重系数下的订单聚类簇进行对应的资源配置，实现了对资源信息的预测性配置分析目标，达到了提高ERP系统前置性资源配置处理的科学性和有效性，进而提高资源利用效率的技术效果。

实施例二，基于与前述实施例中一种ERP系统动态配置方法的发明构思，本申请还提供一种电子设备，包括：至少一个处理器；与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述实施例一中任意一项所述一种ERP系统动态配置方法的步骤。

附图2为本申请示例性电子设备的结构示意图。在图2中，总线架构用总线300来代表，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路连接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

实施例三，基于与前述实施例中一种ERP系统动态配置方法同样的发明构思，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在执行时实现上述实施例一中任意一项所述一种ERP系统动态配置方法的步骤。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种ERP系统动态配置方法，其特征在于，包括：

动态监测得到ERP系统中的实时订单列表，并调取预定聚类策略对所述实时订单列表中的订单进行聚类分析，得到实时聚类结果；

对所述实时聚类结果中的第一聚类簇进行回报分析得到第一簇回报指数，并基于归一化处理后的所述第一簇回报指数得到初始簇权重分配；

通过回报预测模型对所述第一聚类簇进行预测分析得到预定周期的第一簇预测回报指数；

当比值计算所述第一簇预测回报指数与所述第一簇回报指数得到的第一指数比符合预定指数比约束时，对所述初始簇权重分配进行调整，得到目标簇权重分配；

获取资源数据库，其中，所述资源数据库包括多种资源的数据集；

在所述多种资源的数据集的约束下，结合所述目标簇权重分配生成目标资源配置决策；

根据所述目标资源配置决策对所述ERP系统进行动态配置处理。

2.如权利要求1所述的方法，其特征在于，动态监测得到ERP系统中的实时订单列表，并调取预定聚类策略对所述实时订单列表中的订单进行聚类分析，得到实时聚类结果，包括：

提取所述实时订单列表中的第一订单，所述第一订单包括第一产品；

在生产数据库中匹配所述第一产品的第一生产数据集，其中，所述第一生产数据集包括第一生产设备、第一生产物料和第一生产人员；

引入预定生产向量化方案对所述第一生产设备、所述第一生产物料和所述第一生产人员进行表征处理，得到第一生产向量；

以所述第一生产向量为约束对所述实时订单列表进行聚类分析，得到所述实时聚类结果。

3.如权利要求2所述的方法，其特征在于，引入预定生产向量化方案对所述第一生产设备、所述第一生产物料和所述第一生产人员进行表征处理，得到第一生产向量，包括：

在所述资源数据库中匹配所述第一生产设备的第一设备数量；

根据所述预定生产向量化方案匹配所述第一设备数量对应的第一预定级别；

基于所述第一预定级别得到所述第一生产设备的第一分量；

根据所述预定生产向量化方案依次获取所述第一生产物料的第二分量和所述第一生产人员的第三分量；

基于所述第一分量、所述第二分量和所述第三分量得到所述第一生产向量。

4.如权利要求3所述的方法，其特征在于，动态监测得到ERP系统中的实时订单列表，并调取预定聚类策略对所述实时订单列表中的订单进行聚类分析，得到实时聚类结果，包括：

提取所述实时订单列表中的第二订单，并获取所述第二订单的第二生产向量；

对所述第一生产向量与所述第二生产向量进行余弦相关性分析得到第一余弦相似度；

若所述第一余弦相似度处于预定相似度阈值，则对所述第二订单与所述第一订单进行聚类得到第二聚类簇；

基于所述第二聚类簇组成所述实时聚类结果。

5.如权利要求1所述的方法，其特征在于，通过回报预测模型对所述第一聚类簇进行预测分析得到预定周期的第一簇预测回报指数，包括：

提取所述第一聚类簇中的第三订单，其中，所述第三订单是指目标客户采购目标产品的订单；

以所述目标客户与所述目标产品为筛选约束对历史订单日志进行筛选，得到目标订单日志；

提取所述目标订单日志中第一历史时间下的第一历史订单，并计算得到所述第一历史订单的第一历史回报指数；

根据所述第一历史回报指数与所述第一历史时间的第一对应关系构建目标回报时序；

通过所述回报预测模型分析所述目标回报时序，得到所述预定周期的目标预测回报指数；

加和所述目标预测回报指数得到所述第一簇预测回报指数。

6.如权利要求5所述的方法，其特征在于，通过所述回报预测模型分析所述目标回报时序，得到所述预定周期的目标预测回报指数，包括：

对基于所述目标回报时序绘制目标回报散点图进行回归拟合得到目标拟合式；

将所述目标拟合式与所述预定周期作为所述回报预测模型的输入信息，并通过所述回报预测模型得到所述目标预测回报指数。

7.如权利要求1所述的方法，其特征在于，在所述多种资源的数据集的约束下，结合所述目标簇权重分配生成目标资源配置决策，包括：

提取所述多种资源中的第一资源类型，并匹配得到所述第一资源类型的第一类型数据集；

基于所述目标簇权重分配与所述第一类型数据集中的第一类型数量，得到所述第一资源类型对所述第一聚类簇的第一配置数量；

基于所述第一配置数量，生成所述目标资源配置决策；

其中，所述多种资源至少包括设备资源、物料资源和人员资源。

8.如权利要求1所述的方法，其特征在于，在根据所述目标资源配置决策对所述ERP系统进行动态配置处理之前，还包括：

基于所述目标资源配置决策对所述ERP系统进行动态配置模拟，得到目标模拟记录；

分析所述目标模拟记录得到目标回报指数，并将所述目标回报指数作为所述目标资源配置决策的初始配置适应度；

提取所述目标模拟记录中的异常模拟数据，并对所述异常模拟数据中的维检模拟数据和故障模拟数据进行分析，得到目标异常指数；

以所述目标异常指数对所述初始配置适应度进行调整，得到目标配置适应度。

9.一种电子设备，包括：

至少一个处理器；

与所述至少一个处理器通信连接的存储器；

其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至8中任意一项所述方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在执行时实现权利要求1至8中任意一项所述方法的步骤。