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！

龙图腾网获悉国网四川省电力公司申请的专利一种用于供应链的数字化审计方法与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：CN121073222B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511586927.2，技术领域涉及：G06Q10/0635；该发明授权一种用于供应链的数字化审计方法与系统是由温振龙;秦文云;白静蓉;朱敏;刘兰捷;刘礼志;周泽芳;李伟杰;余雪萍;雷瑜;李鹏;王子权;梁涌;林于暄设计研发完成，并于2025-11-03向国家知识产权局提交的专利申请。

本一种用于供应链的数字化审计方法与系统在说明书摘要公布了：本发明涉及信息技术领域。本发明为解决现有技术处理海量动态数据集时易忽略时间敏感异常信号的问题，提供一种供应链数字化审计方法与系统。步骤如下：采集供应链各节点实时交易与物流信息获含时间戳动态数据集确定异常信号初步分布；用滑动窗口算法处理时序数据，获最新交易与历史数据融合结果；若交付延迟超阈值，判潜在风险，获质量波动关联指标；据此用异常检测算法析物流异常确定证据链断裂位置；依断裂位置自动滑审计窗口，得时效性分析框架；若框架显风险偏差，用聚类算法获优化预警序列；融合最新交易与物流异常确定完整证据链路径；依路径处理遗留数据得实时审计结果。该方法精准捕捉时间敏感的异常信号初步分布，避免被历史数据掩盖。

本发明授权一种用于供应链的数字化审计方法与系统在权利要求书中公布了：1.一种用于供应链的数字化审计方法，其特征在于，包括以下步骤： 步骤S100,通过采集供应链各节点实时交易记录和物流信息，获取包含时间戳的动态数据集，确定其中异常信号的初步分布； 步骤S200,根据获取的动态数据集，采用滑动窗口算法处理时间序列数据，得到窗口内最新交易信息与历史数据的融合结果； 步骤S300,若融合结果中交付延迟迹象超过预设阈值，则判断为潜在风险事件，获得对应的质量波动关联指标；若融合结果中交付延迟迹象未超过预设阈值，则停留在此步骤； 步骤S400,通过获得的质量波动关联指标，采用异常检测算法分析物流异常捕捉的模式，确定证据链断裂的发生位置； 步骤S500,根据确定的证据链断裂的发生位置，调整机制对审计窗口进行自动滑动，得到更新后的时效性数据主导分析框架；若更新框架未显示风险预判偏差，则停留在此步骤； 步骤S600,基于时效性数据主导分析框架，获得优化后的预测预警序列； 步骤S700,通过获得的优化后的预测预警序列，融合最新交易信息与物流异常捕捉，确定连续性证据链条的完整路径； 步骤S800,根据确定的连续性证据链条的完整路径，处理固定周期检查的遗留数据，得到实时监控的审计输出结果； 其中，所述步骤S100中，通过采集供应链各节点实时交易记录和物流信息，获取包含时间戳的动态数据集，确定其中异常信号的初步分布，具体包括以下子步骤： 通过供应链节点接口采集供应链各节点实时交易记录和物流信息，生成包含时间戳的动态数据集； 采用时间序列分析，从动态数据集中提取交易记录和物流信息的时序特征，得到异常信号； 若异常信号的时序特征超过预设的阈值，则通过聚类算法对异常信号进行分类，确定异常类别； 根据异常类别，采用决策树算法分析交易记录与物流信息的关联性，得到异常信号的分布模式； 通过分布模式，计算异常信号在动态数据集中的频率和强度，确定初步分布； 若初步分布的频率或强度超过预设的阈值，则通过时间序列预测算法，获取异常信号的未来变化趋势； 根据变化趋势，调整数据采集频率，优化供应链节点的监控参数，最终确定异常信号的初步分布； 其中，所述步骤S500中，根据确定的证据链断裂的发生位置，调整机制对审计窗口进行自动滑动，得到更新后的时效性数据主导分析框架，具体包括以下子步骤： 针对确定的证据链断裂的发生位置，从中获取异常节点数据，采用时间序列分析提取节点交易的波动周期，确定周期性异常模式； 根据周期性异常模式，采用聚类算法对供应链节点进行分组，获取异常节点集群； 从异常节点集群获取交易信息偏差，采用统计分析计算偏差分布，判断偏差集中区域； 若偏差集中区域超过预设阈值，则通过时间序列分解方法提取异常节点的时序特征，确定异常持续时间； 根据异常持续时间，调整滑动窗口的时间跨度，获取更新后的审计时间段； 从更新后的审计时间段获取交易数据，采用异常检测算法处理数据，判断优化后的证据链断裂位置； 根据优化后的证据链断裂位置，生成时效性主导的分析逻辑，最终得到更新后的时效性数据主导分析框架； 其中，所述步骤S600中，基于时效性数据主导分析框架，获得优化后的预测预警序列，具体包括以下子步骤： 针对更新后的时效性数据主导分析框架显示的风险预判偏差，根据异常信号分组依据，通过聚类算法对异常信号进行分组，得到信号集群集合； 从信号集群集合获取信号强度分布，采用统计分析方法计算分布特征，判断集中分布区域； 若集中分布区域超出预设阈值，则通过时间序列分析提取信号集群的动态变化趋势，确定变化趋势； 根据变化趋势，调整预测模型的输入参数，得到优化后的预测参数集合； 从优化后的预测参数集合，采用回归分析方法生成预测预警序列，获得预警序列数据； 根据预警序列数据，通过偏差校正方法调整风险预判框架，得到更新后的风险预判模型； 从更新后的风险预判模型，提取异常信号的优先级排序，最终获得优化后的预测预警序列。

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国网四川省电力公司，其通讯地址为：610095 四川省成都市高新区蜀绣西路366号；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。