本发明涉及数据处理。更具体地，本发明涉及一种数字化智能管理方法及系统。
背景技术：
1、在现代企业管理中，数字化转型已成为提升运营效率和降低成本的重要策略，数字化管理可以通过利用信息技术和数据分析来优化企业的各项业务流程。以仓储管理为例，目前许多管理系统主要关注数据的记录，而缺乏对数据的深入分析，导致需要人工进行监控，以防止产品因时间过长而过期，从而消耗大量人力和物力。因此，迫切需要一种智能管理方法对产品进行管理。
2、相关技术中，如公开号为cn112053119a的专利申请文件中公开了一种基于大数据的冷链物流仓储智能管理系统，该系统包括：对仓库存储区域进行划分，获取入库产品的包装形状参数及商品种类，得到入库产品的存储区域及货架排号，并通过对每个产品包装表面标记rfid温度标签，采集产品在存储过程中的温度，对温度发生异常变化的产品进行预警。
3、然而，上述方案中仅通过将接收的各入库产品的存储温度，与其对应的入库存储区域的标准存储温度范围进行对比确定异常温度进行预警，可能无法全面反映产品的实际存储条件，且仅依赖于标准存储温度范围可能导致某些产品在临界温度下未被识别，从而在一定程度上可能会降低异常检测的准确性，导致无法准确地对产品进行智能管理。
技术实现思路
1、为了解决无法准确地对产品进行智能管理的问题，本发明提供了一种数字化智能管理方法及系统。
2、根据本发明的第一方面，提供了一种数字化智能管理方法，包括：
3、获取任一产品的仓储数据，仓储数据包括温度、湿度以及库存量；
4、对仓储数据进行聚类得到多个聚类簇，计算各聚类簇的疑似异常程度，疑似异常程度反映了对应聚类簇中的数据点在温度、湿度以及库存量取值的异常；
5、从各聚类簇中按照各数据点的特征强度，从大到小筛选多个数据点，得到目标数据点，各聚类簇中目标数据点的数量，与对应聚类簇的疑似异常程度负相关；
6、基于所有聚类簇中的目标数据点构建孤立森林，对仓储数据进行异常检测，以基于异常检测的结果管理产品；
7、其中，所述特征强度的获取方法为：计算任一聚类簇中任一数据点与近邻数据点之间的距离的平均值以及标准差，对所述距离的平均值和所述标准差的比值进行归一化处理，得到所述任一数据点的特征强度。
8、本发明结合温度、湿度以及库存量对仓储数据进行异常检测，使得能够从多方面评估仓储数据的异常情况，且依赖于从各聚类簇中筛选的目标数据点构建的孤立森林，对仓储数据进行异常检测，可以避免异常数据的数量对利用孤立森林进行异常检测时的影响，从而可以保证异常检测结果的准确性，进而可以基于准确性较高的异常检测的结果，准确地对产品进行智能管理。
9、优选的，各聚类簇中目标数据点的数量，满足如下关系式：
10、；
11、式中，为第个聚类簇中目标数据点的数量；为第个聚类簇中的数据点的数量；为第个聚类簇的疑似异常程度；为向上取整函数。
12、优选的，疑似异常程度的获取方法，包括：
13、将温度、湿度以及库存量分别作为一个维度，计算任一聚类簇中任一数据点在任一维度的取值，与任一聚类簇中所有数据点在任一维度的取值的平均值之间的差异，得到任一数据点在任一维度的异常程度；计算任一聚类簇的疑似异常程度：
14、；
15、式中，为第个聚类簇的疑似异常程度；为第个聚类簇中的第个数据点在第个维度取值的异常程度；为维度的数量；为第个聚类簇中的数据点的数量；为归一化函数。
16、本发明综合多个维度的数据确定任一聚类簇的疑似异常程度，可以保证确定的结果的准确性。
17、优选的，任一数据点在任一维度的异常程度，满足如下关系式：
18、；
19、式中，为第个聚类簇中的第个数据点在第个维度取值的异常程度；为第个聚类簇中的第个数据点在第个维度取值；为第个聚类簇中所有数据点在第个维度取值的平均值；为维度的数量；为求和符号；为绝对值符号。
20、本发明提供的计算公式，可以降低各维度的数据在不同数量级的影响，从而可以保证确定的异常程度的准确性。
21、优选的，近邻数据点的获取方法，包括：
22、获取任一聚类簇中任一数据点与剩余数据点之间的距离，以及预设数量；
23、按照距离从小到大的顺序，从剩余数据点中选取预设数量个数据点，得到任一数据点的近邻数据点。
24、优选的，对仓储数据进行聚类，得到多个聚类簇，包括：
25、对仓储数据，利用迭代自组织聚类算法进行聚类，得到多个聚类簇。
26、本发明可以将仓储数据中相似的数据点聚类在一个聚类簇中，从而可以以聚类簇为单位进行分析，可以保证分析结果的准确性。
27、优选的，对仓储数据进行异常检测，包括：
28、获取预设异常阈值；
29、当基于孤立森林确定所有目标数据点的异常得分的平均值，大于异常阈值时，则判定仓储数据存在异常。
30、本发明可以准确地检测出仓储数据中的异常数据，从而可以实现对产品的智能管理。
31、根据本发明的第二方面，提供了一种数字化智能管理系统，一种数字化智能管理系统包括存储器和处理器，存储器上存储有计算机程序，处理器执行计算机程序以实现本发明的第一方面的步骤。
32、本发明具有以下效果：
33、本发明构建孤立森林的方式，可以避免当仓储数据中的异常数据的数量较多时，孤立森林算法将异常数据分割到下层，从而可以保证利用孤立森林算法对仓储数据进行异常检测的准确性；且在确定构建孤立森林的目标数据点时，依赖于各聚类簇的疑似异常程度，以及各聚类簇中各数据点的特征强度，保证了确定的目标数据点的数量的准确性，以及选取的目标数据点的准确性，从而可以进一步保证对仓储数据进行异常检测的准确性，进而可以基于准确性较高的异常检测的结果，准确地对产品进行智能管理。
1.一种数字化智能管理方法，其特征在于，包括：
2.根据权利要求1所述的一种数字化智能管理方法，其特征在于，所述各所述聚类簇中目标数据点的数量，满足如下关系式：
3.根据权利要求2所述的一种数字化智能管理方法，其特征在于，所述疑似异常程度的获取方法，包括：
4.根据权利要求3所述的一种数字化智能管理方法，其特征在于，所述任一数据点在所述任一维度的异常程度，满足如下关系式：
5.根据权利要求1所述的一种数字化智能管理方法，其特征在于，所述近邻数据点的获取方法，包括：
6.根据权利要求1所述的一种数字化智能管理方法，其特征在于，所述对所述仓储数据进行聚类，得到多个聚类簇，包括：
7.根据权利要求1所述的一种数字化智能管理方法，其特征在于，所述对所述仓储数据进行异常检测，包括：
8.一种数字化智能管理系统，其特征在于，所述一种数字化智能管理系统包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序以实现如权利要求1-7任一项所述方法的步骤。
