买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉苏州极易科技股份有限公司申请的专利一种基于云计算的供应链管理方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120912113B 。

龙图腾网通过国家知识产权局官网在2026-02-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511431423.3，技术领域涉及：G06Q10/087；该发明授权一种基于云计算的供应链管理方法及系统是由丁旭寅;王成龙;朱明设计研发完成，并于2025-10-09向国家知识产权局提交的专利申请。

本一种基于云计算的供应链管理方法及系统在说明书摘要公布了：本发明涉及一种基于云计算的供应链管理方法及系统，涉及供应链管理技术领域；基于云计算的供应链管理方法，包括：获取并归一化产品的多渠道数据，结合数据采集源构建若干产品数据集，并传输至云端；根据所述产品数据集结合产品市场分布，构建及修正产品供需模型，输出产品模拟供需数据；根据所述产品模拟供需数据结合产品库存管理指标，生成产品库存调配策略；根据所述产品库存调配策略结合企业共享信息，协同管理供应链的全部企业，制定供应链协同调度计划；通过产品供需模型准确的预测数据和优化的库存管理可降低库存成本、减少缺货损失和积压风险，同时通过优化供应链流程，降低采购成本、运输成本和生产成本，提高企业的经济效益。

本发明授权一种基于云计算的供应链管理方法及系统在权利要求书中公布了：1.一种基于云计算的供应链管理方法，其特征在于，包括： 获取并归一化产品的多渠道数据，结合数据采集源构建若干产品数据集，并传输至云端； 根据所述产品数据集结合产品市场分布，构建及修正产品供需模型，输出产品模拟供需数据的具体步骤包括： 根据时间序列结合产品市场分布对产品数据集进行特征提取，得到地域时序特征参数，并结合分布式计算规则进行水平分片或垂直分片，得到若干特征参数块，生成若干数据计算节点； 对每个数据计算节点进行决策树部署，构建分布式树，并结合预设的迭代次数和学习率，生成特征子集采样机制； 根据所述特征参数块，所述特征子集采样机制对局部决策树进行训练，计算叶子节点的预测值，并结合学习率计算全部所述叶子节点的梯度误差值的具体步骤包括： 根据特征子集采样机制中预设的采样比例，在特征参数块中提取对应数目的样本特征，作为参数特征子集，并生成分裂点； 对于所述参数特征子集中每个样本特征，对连续值离散化为直方图区间，统计每个所述直方图区间内数据样本的一阶梯度之和Gb及二阶梯度之和Hb； 对全部所述样本特征的直方图区间进行遍历，并计算每个所述分裂点的信息增益Gain； 其中，left为局部决策树中的左分裂点，right为局部决策树中的右分裂点，leaf为局部决策树中的叶子节点，λ为正则化系数； 对全部所述分裂点之间的信息增益进行比较，并选择增益最大的样本特征和分裂点进行节点分裂，递归执行直至满足停止条件； 根据所述一阶梯度之和Gb及所述二阶梯度之和Hb结合所述信息增益Gain，计算各叶子节点的预测值w，并计算局部决策树的累计值 其中，j为叶子节点序号； 根据当前局部决策树的累计值，计算全部样本特征的梯度误差，并结合学习率重新计算各叶子节点的梯度误差值； 根据全规约运算机制对全部所述梯度误差值的进行聚合，生成节点梯度误差矩阵，并结合预设的节点误差阈值区间进行逐一比较判断，计算误差合规值； 若所述误差合规值小于预设的合规阈值，则所述特征子集采样机制根据所述节点梯度误差矩阵，调用学习率对决策树的全局决策权重矩阵进行优化，得到全局修正权重矩阵； 根据所述产品模拟供需数据结合产品库存管理指标，生成产品库存调配策略； 根据所述产品库存调配策略结合企业共享信息，协同管理供应链的全部企业，制定供应链协同调度计划。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人苏州极易科技股份有限公司，其通讯地址为：215000 江苏省苏州市工业园区仁爱路99号D205-208；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。