医疗器械订单处理方法及装置与流程

本技术涉及人工智能领域，具体涉及一种医疗器械订单处理方法及装置。

背景技术：

1、在医疗器械行业，订单管理系统(oms)是确保订单从接收到交付各环节顺畅运行的关键。一个高效的订单管理系统可以显著提高企业的运营效率并增强客户满意度，为企业在竞争激烈的市场中获得优势。然而，随着医疗器械行业的快速发展和市场需求的日益增加，现有的订单管理系统也暴露出许多挑战和局限性。

2、目前，许多医疗器械公司使用的内部运营操作系统采用“谁存盘谁处理”的原则。这种处理方式意味着一旦某个员工处理并存储了订单信息，其他员工无法接入或修改该订单，除非使用同一账户。这种设计严重限制了团队的灵活性和响应速度。特别是在员工请假、离职或遇到其他紧急情况时，可能会导致订单处理的延误，影响整体的服务质量和客户满意度。

3、此外，医疗器械行业中的订单处理通常需要适应快速变化的环境，包括客户需求的变更、支付的延迟或产品供应的问题等。当前的系统设置在这些特殊情况下的处理机制不够灵活，仍然需要通过最初存盘人的账号来操作，增加了操作的复杂性和时间延误。这种依赖单一账户的处理方式不仅降低了工作效率，还可能在关键时刻影响到订单的及时调整和客户的紧急需求响应。

4、因此，现有的内部运营操作系统在提高工作效率和应对突发状况方面存在显著的不足。需要一种更加灵活和高效的系统来应对这些挑战，以确保医疗器械公司能够在保持高效运营的同时，也能快速响应市场和客户需求的变化。

技术实现思路

1、针对现有技术中的问题，本技术提供一种医疗器械订单处理方法及装置，能够有效提高医疗器械领域订单处理效率和准确率。

2、为了解决上述问题中的至少一个，本技术提供以下技术方案：

3、第一方面，本技术提供一种医疗器械订单处理方法，包括：

4、根据医疗器械订单管理系统中历史订单数据确定正常订单的数据分布，根据设定异常检测模型确定所述医疗器械订单管理系统中当前订单数据中与所述正常订单的数据分布存在偏差的异常订单，并将所述异常订单设置为可抢订单；

5、根据所述历史订单数据中的业务参数、服务标准以及时间要求输入预设自然语言处理模型确定对应的订单特征，将所述订单特征作为模型训练集对预设时间序列分析模型进行模型训练，得到订单变化预测模型；

6、根据所述医疗器械订单管理系统中客服人员的专业资质、处理效率以及处理成功率输入预设自然语言处理模型确定对应的客服人员特征，将所述客服人员特征作为模型训练集对预设循环神经网络模型进行模型训练，得到客服人员工作饱和度预测模型；

7、将从所述订单变化预测模型提取的订单特征和从所述客服人员工作饱和度预测模型提取的客服人员特征输入预设集成模型的特征融合层进行特征融合，将所述特征融合的结果输入所述集成模型的输入层，并通过所述集成模型的输出层输出可抢单客服，其中，所述订单特征为从所述订单变化预测模型中提取的订单随时间变化的规律，所述客服人员特征为从所述客服人员工作饱和度预测模型中提取的循环神经网络隐藏层的输出和学习到的时序关系；

8、将所述可抢订单分配至所述可抢单客服的待处理工作页面，并在接收到所述可抢单客服发送的清单请求后，将所述可抢订单的处理权限变更为该可抢单客服。

9、进一步地，所述根据医疗器械订单管理系统中历史订单数据确定正常订单的数据分布，根据设定异常检测模型确定所述医疗器械订单管理系统中当前订单数据中与所述正常订单的数据分布存在偏差的异常订单，并将所述异常订单设置为可抢订单，包括：

10、对医疗器械订单管理系统中的历史订单数据进行数据统计，确定符合订单金额正常判定规则、下单时间正常判定规则以及订单类型正常判断规则的正常订单的数据分布；

11、计算所述医疗器械订单管理系统中当前订单数据与所述正常订单的数据分布的马氏距离，将计算得到的马氏距离数值超过阈值的当前订单判定为异常订单，并将该异常订单设置为所述医疗器械订单管理系统中的可抢订单。

12、进一步地，所述根据所述历史订单数据中的业务参数、服务标准以及时间要求输入预设自然语言处理模型确定对应的订单特征，将所述订单特征作为模型训练集对预设时间序列分析模型进行模型训练，得到订单变化预测模型，包括：

13、将所述历史订单数据中的业务参数、服务标准以及时间要求通过预设自然语言处理模型转换为结构化的订单特征，并根据所述订单特征构建得到订单特征时间序列数据；

14、将订单特征时间序列数据输入预设时间序列分析模型进行模型训练，根据所述模型训练的结果迭代调整模型参数和超参数直至符合模型输出预期，得到订单变化预测模型。

15、进一步地，所述根据所述医疗器械订单管理系统中客服人员的专业资质、处理效率以及处理成功率输入预设自然语言处理模型确定对应的客服人员特征，将所述客服人员特征作为模型训练集对预设循环神经网络模型进行模型训练，得到客服人员工作饱和度预测模型，包括：

16、将所述医疗器械订单管理系统中客服人员的专业资质、处理效率以及处理成功率通过预设自然语言处理模型转换为结构化的客服人员特征，并根据所述客服人员构建得到模型训练集；

17、将所述模型训练集输入预设循环神经网络模型，通过设定均方误差损失函数对所述循环神经网络模型进行迭代训练，得到客服人员工作饱和度预测模型。

18、进一步地，所述将从所述订单变化预测模型提取的订单特征和从所述客服人员工作饱和度预测模型提取的客服人员特征输入预设集成模型的特征融合层进行特征融合，包括：

19、从所述订单变化预测模型中提取订单随时间变化的规律并作为订单特征，从所述客服人员工作饱和度预测模型中提取循环神经网络隐藏层的输出和学习到的时序关系作为客服人员工作特征；

20、将所述订单特征和所述客服人员工作特征输入强化学习模型的特征融合层中进行特征融合操作。

21、进一步地，所述通过所述集成模型的输出层输出可抢单客服，包括：

22、将所述订单特征和所述客服人员工作特征设定为所述集成模型的状态空间，将多个预设抢单策略设定为所述集成模型的动作空间，并将抢单后处理成功和抢单后处理失败设定为所述集成模型的奖励函数，构建得到强化学习模型；

23、通过所述强化学习模型的输出层输出可抢单客服，其中，所述强化学习模型通过所述奖励函数迭代优化所述动作空间中的抢单策略。

24、进一步地，在所述将所述可抢订单的处理权限变更为该可抢单客服之后，包括：

25、持续监控所述可抢单客服的实时工作饱和度；

26、当所述实时工作饱和度超过阈值时，将还未处理的所述可抢订单自动转移至所述实时工作饱和度较低的其他可抢单客服。

27、第二方面，本技术提供一种医疗器械订单处理装置，包括：

28、订单异常判定模块，用于根据医疗器械订单管理系统中历史订单数据确定正常订单的数据分布，根据设定异常检测模型确定所述医疗器械订单管理系统中当前订单数据中与所述正常订单的数据分布存在偏差的异常订单，并将所述异常订单设置为可抢订单；

29、订单变化预测模块，用于根据所述历史订单数据中的业务参数、服务标准以及时间要求输入预设自然语言处理模型确定对应的订单特征，将所述订单特征作为模型训练集对预设时间序列分析模型进行模型训练，得到订单变化预测模型；

30、客服人员工作饱和度预测模块，用于根据所述医疗器械订单管理系统中客服人员的专业资质、处理效率以及处理成功率输入预设自然语言处理模型确定对应的客服人员特征，将所述客服人员特征作为模型训练集对预设循环神经网络模型进行模型训练，得到客服人员工作饱和度预测模型；

31、可抢单客服匹配模块，用于将从所述订单变化预测模型提取的订单特征和从所述客服人员工作饱和度预测模型提取的客服人员特征输入预设集成模型的特征融合层进行特征融合，将所述特征融合的结果输入所述集成模型的输入层，并通过所述集成模型的输出层输出可抢单客服，其中，所述订单特征为从所述订单变化预测模型中提取的订单随时间变化的规律，所述客服人员特征为从所述客服人员工作饱和度预测模型中提取的循环神经网络隐藏层的输出和学习到的时序关系；

32、订单智能划转模块用于将所述可抢订单分配至所述可抢单客服的待处理工作页面，并在接收到所述可抢单客服发送的清单请求后，将所述可抢订单的处理权限变更为该可抢单客服。

33、第三方面，本技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的医疗器械订单处理方法的步骤。

34、第四方面，本技术提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的医疗器械订单处理方法的步骤。

35、第五方面，本技术提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现所述的医疗器械订单处理方法的步骤。

36、由上述技术方案可知，本技术提供一种医疗器械订单处理方法及装置，通过医疗器械订单管理系统中历史订单数据确定正常订单的数据分布，根据设定异常检测模型确定所述医疗器械订单管理系统中当前订单数据中与所述正常订单的数据分布存在偏差的异常订单，并将所述异常订单设置为可抢订单；通过集成模型的输出层输出可抢单客服；将所述可抢订单分配至所述可抢单客服的待处理工作页面，并在接收到所述可抢单客服发送的清单请求后，将所述可抢订单的处理权限变更为该可抢单客服，由此能够有效提高医疗器械领域订单处理效率和准确率。

技术特征：

1.一种医疗器械订单处理方法，其特征在于，应用于医疗器械订单管理系统，所述方法包括：

2.根据权利要求1所述的医疗器械订单处理方法，其特征在于，所述根据医疗器械订单管理系统中历史订单数据确定正常订单的数据分布，根据设定异常检测模型确定所述医疗器械订单管理系统中当前订单数据中与所述正常订单的数据分布存在偏差的异常订单，并将所述异常订单设置为可抢订单，包括：

3.根据权利要求1所述的医疗器械订单处理方法，其特征在于，所述根据所述历史订单数据中的业务参数、服务标准以及时间要求输入预设自然语言处理模型确定对应的订单特征，将所述订单特征作为模型训练集对预设时间序列分析模型进行模型训练，得到订单变化预测模型，包括：

4.根据权利要求1所述的医疗器械订单处理方法，其特征在于，所述根据所述医疗器械订单管理系统中客服人员的专业资质、处理效率以及处理成功率输入预设自然语言处理模型确定对应的客服人员特征，将所述客服人员特征作为模型训练集对预设循环神经网络模型进行模型训练，得到客服人员工作饱和度预测模型，包括：

5.根据权利要求1所述的医疗器械订单处理方法，其特征在于，所述将从所述订单变化预测模型提取的订单特征和从所述客服人员工作饱和度预测模型提取的客服人员特征输入预设集成模型的特征融合层进行特征融合，包括：

6.根据权利要求1所述的医疗器械订单处理方法，其特征在于，所述通过所述集成模型的输出层输出可抢单客服，包括：

7.根据权利要求1所述的医疗器械订单处理方法，其特征在于，在所述将所述可抢订单的处理权限变更为该可抢单客服之后，包括：

8.一种医疗器械订单处理装置，其特征在于，所述装置包括：

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述的医疗器械订单处理方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7任一项所述的医疗器械订单处理方法的步骤。

技术总结
本申请实施例提供一种医疗器械订单处理方法及装置，方法包括：根据医疗器械订单管理系统中历史订单数据确定正常订单的数据分布，根据设定异常检测模型确定所述医疗器械订单管理系统中当前订单数据中与所述正常订单的数据分布存在偏差的异常订单，并将所述异常订单设置为可抢订单；通过集成模型的输出层输出可抢单客服；将所述可抢订单分配至所述可抢单客服的待处理工作页面，并在接收到所述可抢单客服发送的清单请求后，将所述可抢订单的处理权限变更为该可抢单客服；本申请能够有效提高医疗器械领域订单处理效率和准确率。

技术研发人员：王丽丽,钟亮,鲁威
受保护的技术使用者：国科恒泰（北京）医疗科技股份有限公司
技术研发日：
技术公布日：2024/9/23