首页> 中国专利> 一种企业竞争策略研究用的人工智能系统

一种企业竞争策略研究用的人工智能系统

摘要

本发明公开了一种企业竞争策略研究用的人工智能系统,包括输入层、处理层、学习训练层和输出层,所述处理层包括采样层、文字处理层、图像处理层和调用层,所述学习训练层包括模型层和训练神经网络层,所述训练神经网络层包括卷积层和连接层,所述模型层包括模型块和用于存储模型块的模型存储区,所述模型块包括整体规划模型、风险预测模型、成本预测模型、生产规划模型、销售规划模型和供应商规划模型。本发明通过卷积层对模型进行训练,可以提高模型的分析能力。

著录项

  • 公开/公告号CN113240262A

    专利类型发明专利

  • 公开/公告日2021-08-10

    原文格式PDF

  • 申请/专利权人 南京樯图数据研究院有限公司;

    申请/专利号CN202110500609.5

  • 发明设计人 辛柯俊;王帆;候军;胡洋;

    申请日2021-05-08

  • 分类号G06Q10/06(20120101);G06Q30/02(20120101);G06N3/04(20060101);G06N3/08(20060101);G06Q10/04(20120101);

  • 代理机构

  • 代理人

  • 地址 210012 江苏省南京市江宁区科学园诚信大道2069号(江宁高新园)

  • 入库时间 2023-06-19 12:10:19

说明书

技术领域

本发明涉及企业技术领域,具体为一种企业竞争策略研究用的人工智能系统。

背景技术

企业的竞争包括多个方面,是个复杂的系统,如果通过人工方式进行分析,工作量巨大,耗费时间长;随着人工智能的发展,将人工智能系统引入到企业竞争策略的研究中,可以大大提高分析的速度和准确性,有助于企业快速制定竞争策略,提高企业的竞争力。

发明内容

本发明的目的在于提供一种企业竞争策略研究用的人工智能系统,以解决上述背景技术中提出的问题。

为实现上述目的,本发明提供如下技术方案:一种企业竞争策略研究用的人工智能系统,包括输入层、处理层、学习训练层和输出层,所述处理层包括采样层、文字处理层、图像处理层和调用层,所述学习训练层包括模型层和训练神经网络层。

优选的,所述训练神经网络层包括卷积层和连接层。

优选的,所述模型层包括模型块和用于存储模型块的模型存储区,所述模型块包括整体规划模型、风险预测模型、成本预测模型、生产规划模型、销售规划模型和供应商规划模型。

优选的,所述整体规划模型包括圆形发展规划模型和近期发展规划模型。

优选的,所述远期发展规划模型包括器企业规模规划模型、市场占有率规划模型和现金流模型。

优选的,所述风险预测规划模型包括竞争企业调查预测模型、竞争产品分析预测模型、自身竞争力分析模型、用户需求预测分析模型。

优选的,所述成本预测模型包括采购成本计算模型、工人成本计算模型、销售成本计算模型、机械折旧成本计算模型、能源成本计算模型、仓储成本计算模型和研发成本计算模型。

优选的,所述生产规划模型包括产品规划模型、产线规划模型、合格率统计分析模型、残次品处理规划模型、产线工人规划模型、工人工作时间规划模型。

优选的,所述销售规划模型包括销售范围规划模型、销售代理商规划模型、销售模式规划模型,所述销售模式规划模型包括线上销售规划模型和线下销售规划模型。

优选的,所述供应商规划模型包括供应商选择模型、供应商审查模型和供应商管理模型。

与现有技术相比,本发明的有益效果是:

1、本发明设置有训练神经网络层,通过其内的卷积层对模型进行训练,提高模型的准确性;

2、本发明同时设置有模型层,通过在模型层内相应的模型对竞争企业分析,对自身企业的生产、管理和销售等各个环节进行分析,帮助企业制定适合自己的发展规划和竞争策略,同时帮助企业提高生产效率和产品质量等,从而提高企业在市场竞争中的竞争力。

附图说明

图1为本发明一种企业竞争策略研究用的人工智能系统整体结构框图;

图2为本发明模型块结构框图。

具体实施方式

下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。

请参阅图1-2,本发明提供一种技术方案:一种企业竞争策略研究用的人工智能系统,包括输入层、处理层、学习训练层和输出层,所述处理层包括采样层、文字处理层、图像处理层和调用层,所述学习训练层包括模型层和训练神经网络层。

所述训练神经网络层包括卷积层和连接层,所述卷积层内预设有训练算法。

所述模型层包括模型块和用于存储模型块的模型存储区,所述模型块包括整体规划模型、风险预测模型、成本预测模型、生产规划模型、销售规划模型和供应商规划模型。

所述整体规划模型包括圆形发展规划模型和近期发展规划模型。

所述远期发展规划模型包括器企业规模规划模型、市场占有率规划模型和现金流模型。

所述风险预测规划模型包括竞争企业调查预测模型、竞争产品分析预测模型、自身竞争力分析模型、用户需求预测分析模型。

所述成本预测模型包括采购成本计算模型、工人成本计算模型、销售成本计算模型、机械折旧成本计算模型、能源成本计算模型、仓储成本计算模型和研发成本计算模型。

所述生产规划模型包括产品规划模型、产线规划模型、合格率统计分析模型、残次品处理规划模型、产线工人规划模型、工人工作时间规划模型。

所述销售规划模型包括销售范围规划模型、销售代理商规划模型、销售模式规划模型,所述销售模式规划模型包括线上销售规划模型和线下销售规划模型。

所述供应商规划模型包括供应商选择模型、供应商审查模型和供应商管理模型。

工作原理:使用时,输入层将输入的信息传递给采样层,采样层将输入的图像信息和文字信息分别送入到图像处理层处理和文字处理层处理,转换为系统可以识别的二进制信息,调用层调用模型层内的模型块对相应的图像信息和文字信息进行分析处理,通过整体规划模型进行业的远期和近期规划,通过风险预测模型分析竞争企业和竞争产品,与自身产品进行竞争力分析,最后对用户需求分析后,判断相应产品是否对企业的发展带来风险;通过成本预测模型分析企业生产过程中的各个环节的成本,帮助企业有效管理成本,提高企业的竞争力;通过生产规划模型对生产进行规划,管理生产环节,结合成本预测模型,帮助企业在有效管控成本的情况下通过生产效率,保证企业产品的质量,提高产品的竞争力;通过销售规划模型规划企业销售网络和销售模式,帮助企业制定合理的销售网络和选择合适的销售模式,提高企业的销售量和市场占有率,扩大竞争优势;通过供应商规划模型帮助企业筛选不合格的供应商,选择可靠的供应商,从而保证企业的供应链稳定高效,保证企业的生产正常运转;

同时通过训练神经网络层内的连接层连接模型层,将模型送入到卷积层内,在卷积层内通过预设的算法对模型进行训练,训练后的模型重新送入到模型层内,从而提高了模型的分析能力和准确性。

需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。在本发明的描述中,需要说明的是,术语“上”、“下”、“内”、“外”、“顶/底端”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。

在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“设置有”、“套设/接”、“连接”等,应做广义理解,例如“连接”,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。

去获取专利,查看全文>

相似文献

  • 专利
  • 中文文献
  • 外文文献
获取专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号