服装生产订单管理系统及其方法与流程

本技术涉及服装生产，且更为具体地，涉及一种服装的生产管理系统及其方法。

背景技术：

1、由于服装生产周期较长，一旦错判市场需求，就可能导致库存积压或者产能滞销，影响供应链稳定。如果生产过多的服装，但是销售不畅，将导致库存积压，给企业带来巨大的成本和资金压力；而过少的库存又有可能导致生产中断和客户订单无法及时交付。

2、在服装的生产管理中，历史销售数据是非常重要的信息，通过历史销售数据进行分析，可以了解消费者购买习惯和喜好，预测未来的销售量和需求趋势，从而对库存进行管理。

3、因此，期待一种服装的生产管理系统及其方法。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种服装的生产管理系统及其方法，其通过对历史销售数据进行语义建模和预测分析，来预测未来季度的销售量，以便于制定合理的库存计划和采购计划。该方案通过准确的销售预测，可以更好地管理库存，避免过多的库存积压或者无法满足市场需求的情况，提高供应链稳定性和经济效益。

2、相应地，根据本技术的一个方面，提供了一种服装的生产管理系统，其包括：

3、历史数据采集模块，用于获取历史销售数据，其中，所述历史销售数据包括颜色、款式和面料材质；

4、数据清洗模块，用于对所述历史销售数据进行数据清洗以得到多个数据项，其中，所述多个数据项包含数据属性和数据值；

5、属性嵌入编码模块，用于将所述多个数据项中各个数据项的数据属性分别通过词嵌入层以得到多个数据项属性词嵌入向量；

6、数据添加模块，用于将所述多个数据项中各个数据项的数据值分别添加于所述各个数据项属性词嵌入向量的末尾以得到多个数据项嵌入向量；

7、历史销售数据语义理解模块，用于将所述多个数据项嵌入向量输入基于转换器的上下文编码器以得到历史销售数据语义特征向量；

8、空间增强模块，用于将所述历史销售数据语义特征向量通过空间注意力模块以得到增强历史销售数据语义特征向量；以及

9、销售量预测模块，用于将所述增强历史销售数据语义特征向量通过解码器进行回归解码以得到解码值，所述解码值用于表示季度销售量预测值。

10、在上述服装的生产管理系统中，所述历史销售数据语义理解模块，包括：上下文语义编码单元，用于将所述多个数据项嵌入向量输入所述基于转换器的上下文编码器以得到多个历史销售数据特征向量；以及，级联单元，用于将所述多个历史销售数据特征向量进行级联以得到所述历史销售数据语义特征向量。

11、在上述服装的生产管理系统中，所述上下文语义编码单元，包括：转化子单元，用于将所述多个数据项嵌入向量排列为输入向量后通过可学习嵌入矩阵分别转化为查询向量和关键向量；自注意子单元，用于计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；标准化自注意子单元，用于对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；注意力计算子单元，用于将所述标准化自注意关联矩阵输入softmax激活函数进行激活以得到自注意力特征矩阵；以及，注意力施加子单元，用于将所述自注意力特征矩阵与所述多个数据项嵌入向量中各个数据项嵌入向量分别进行相乘以得到所述多个历史销售数据特征向量。

12、在上述服装的生产管理系统中，所述空间增强模块，包括：深度卷积编码单元，用于使用所述空间注意力模块的卷积编码部分对所述历史销售数据语义特征向量进行深度卷积编码以得到初始卷积特征图；空间注意力单元，用于将所述初始卷积特征图输入所述空间注意力模块的空间注意力部分以得到空间注意力图；激活单元，用于将所述空间注意力图通过softmax激活函数以得到空间注意力特征图；计算单元，用于计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到所述历史销售特征图；以及，池化单元，用于对所述历史销售特征图进行沿通道维度的各个特征矩阵的均值池化处理以得到所述增强历史销售数据语义特征向量。

13、在上述服装的生产管理系统中，所述销售量预测模块，用于：使用所述解码器以如下解码公式对所述增强历史销售数据语义特征向量进行解码回归以获得所述解码值；其中，所述解码公式为：其中x是所述增强历史销售数据语义特征向量，y是所述解码值，w是权重矩阵，表示矩阵相乘。

14、在上述服装的生产管理系统中，还包括，用于对所述词嵌入层、所述基于转换器的上下文编码器、所述空间注意力模块和所述解码器进行训练的训练模块；其中，所述训练模块，包括：训练历史数据采集单元，用于获取训练历史销售数据；训练数据清洗单元，用于对所述训练历史销售数据进行数据清洗以得到多个训练数据项；训练属性嵌入编码单元，用于将所述多个训练数据项中各个训练数据项的数据属性分别通过所述词嵌入层以得到多个训练数据项属性词嵌入向量；训练数据添加单元，用于将所述多个训练数据项中各个训练数据项的数据值分别添加于所述各个训练数据项属性词嵌入向量的末尾以得到多个训练数据项嵌入向量；训练历史销售数据语义理解单元，用于将所述多个训练数据项嵌入向量输入所述基于转换器的上下文编码器以得到训练历史销售数据语义特征向量；训练空间增强单元，用于将所述训练历史销售数据语义特征向量通过所述空间注意力模块以得到训练增强历史销售数据语义特征向量；特征向量迭代单元，用于对所述训练增强历史销售数据语义特征向量进行基于扰动的特征表达随机强化以得到迭代增强历史销售数据语义特征向量；解码损失函数获取单元，用于将所述迭代增强历史销售数据语义特征向量通过所述解码器以得到解码损失函数值；以及，模型训练单元，用于基于所述解码损失函数值并通过梯度下降的方向传播来对所述词嵌入层、所述基于转换器的上下文编码器、所述空间注意力模块和所述解码器进行训练。

15、在上述服装的生产管理系统中，所述特征向量迭代单元，包括：随机扰动值生成子单元，用于定义一个随机扰动函数，通过所述随机扰动函数生成预定数量的随机扰动值，所述预定数量与所述训练增强历史销售数据语义特征向量的尺度相同；随机扰动值排列子单元，用于将所述预定数量的随机扰动值排列为随机扰动输入向量；激活子单元，用于将所述随机扰动输入向量通过softmax函数进行激活以得到归一化随机扰动输入向量，其中，所述归一化随机扰动输入向量中所有位置的特征值之和为1；随机扰动施加子单元，用于计算所述归一化随机扰动输入向量和所述训练增强历史销售数据语义特征向量之间的按位置点乘以得到随机作用增强历史销售数据语义特征向量；以及，级联子单元，用于将所述随机作用增强历史销售数据语义特征向量和所述训练增强历史销售数据语义特征向量进行级联以得到迭代增强历史销售数据语义特征向量。

16、根据本技术的另一个方面，提供了一种服装的生产管理方法，其包括：

17、获取历史销售数据，其中，所述历史销售数据包括颜色、款式和面料材质；

18、对所述历史销售数据进行数据清洗以得到多个数据项，其中，所述多个数据项包含数据属性和数据值；

19、将所述多个数据项中各个数据项的数据属性分别通过词嵌入层以得到多个数据项属性词嵌入向量；

20、将所述多个数据项中各个数据项的数据值分别添加于所述各个数据项属性词嵌入向量的末尾以得到多个数据项嵌入向量；

21、将所述多个数据项嵌入向量输入基于转换器的上下文编码器以得到历史销售数据语义特征向量；

22、将所述历史销售数据语义特征向量通过空间注意力模块以得到增强历史销售数据语义特征向量；以及

23、将所述增强历史销售数据语义特征向量通过解码器进行回归解码以得到解码值，所述解码值用于表示季度销售量预测值。

24、在上述服装的生产管理方法中，将所述多个数据项嵌入向量输入基于转换器的上下文编码器以得到历史销售数据语义特征向量，包括：将所述多个数据项嵌入向量输入所述基于转换器的上下文编码器以得到多个历史销售数据特征向量；以及，将所述多个历史销售数据特征向量进行级联以得到所述历史销售数据语义特征向量。

25、在上述服装的生产管理方法中，将所述多个数据项嵌入向量输入所述基于转换器的上下文编码器以得到多个历史销售数据特征向量，包括：将所述多个数据项嵌入向量排列为输入向量后通过可学习嵌入矩阵分别转化为查询向量和关键向量；计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；将所述标准化自注意关联矩阵输入softmax激活函数进行激活以得到自注意力特征矩阵；以及，将所述自注意力特征矩阵与所述多个数据项嵌入向量中各个数据项嵌入向量分别进行相乘以得到所述多个历史销售数据特征向量。

26、与现有技术相比，本技术提供的服装的生产管理系统及其方法，其通过对历史销售数据进行语义建模和预测分析，来预测未来季度的销售量，以便于制定合理的库存计划和采购计划。该方案通过准确的销售预测，可以更好地管理库存，避免过多的库存积压或者无法满足市场需求的情况，提高供应链稳定性和经济效益。