从传统物流到智能调度的全链路升级
一、TMS系统升级的核心目标与整体框架
(一)为什么要升级?传统物流管理的三大痛点
- 调度效率低下:过去依赖人工分单、手动匹配承运商,订单量大时容易出错,比如不同区域的订单混排导致运输路线绕路,专车和零担快递的选择全靠经验,缺乏科学计算。
- 数据孤岛严重:中台系统、仓库(WMS)、财务(SAP)数据不互通,订单预处理需要人工录入地址、校验SKU,运输过程中路由信息无法实时同步,财务结算时运费计算复杂。
- 承运商管理粗放:对物流公司的考核仅靠人工记录,时效、KPI、成本数据分散,选择承运商时缺乏量化标准,比如某条线路该用哪家物流,全凭采购人员印象,没有系统的综合能力评估。
(二)智能调度的核心目标
- 全流程自动化:从订单接收、任务解析、方案生成到运单创建,90%以上环节实现系统自动处理,减少人工干预。比如订单来了自动解析地址、分配配送类型,不再需要人工判断发专车还是快递。
- 资源优化配置:通过算法优化运输方案,降低空驶率、提高车辆装载率,比如城配线路能自动规划最优路线,避免司机绕路;专车方案能根据货物体积重量匹配最合适的车型。
- 数据驱动决策:建立承运商评估体系,实时监控时效、KPI、成本,比如每月自动计算各物流公司的提货及时率、完好交货率,为选择承运商提供数据支撑。
(三)系统整体框架:两大核心业务+三大支撑模块
- 两大核心业务
- 发货配送:覆盖销售订单、退货订单的出库物流,包括专车、城配、干线-城配、干线-零担快递、零担快递五种配送类型,比如给药店发货可能先用干线运输到区域转运点,再用城配送到门店。
- 上游取货:处理采购订单、集团内退货订单的入库物流,支持供应商配送和恒昌自提两种模式,比如从供应商处采购药品,可选择让供应商发零担快递,或派专车去提货。
- 三大支撑模块
- 规则配置:包括城配线路规则、干线线路规则、自动指派承运商规则等,比如设定某条城配线路的最大里程、适用车型,系统按规则自动分组订单。
- 算法引擎:运用ALNS算法优化路线,比如城配线路计算时,考虑客户收货时间窗、车型限制,生成最优配送顺序。
- 费用预警:通过钉钉实时推送运费异常信息,比如某承运商当月费用超支,系统自动提醒财务人员。
二、发货配送业务:从“人工分单”到“智能调度”的全流程再造
(一)订单入口:数据自动流转,告别手工录入
- 订单来源:中台系统(如SAP、B2B平台)通过接口直接下发订单到TMS,不再需要人工导入Excel。比如电商平台的订单成交后,自动同步到TMS,省去人工复制粘贴的步骤。
- 预处理自动化:系统自动校验SKU是否有效、解析收货地址到省市区县街道,比如收到一个地址“长沙市岳麓区麓山路100号”,自动识别为湖南省长沙市岳麓区,为后续分组提供依据。过去人工解析地址容易出错,比如把“岳麓区”写成“岳阳区”,现在系统通过标准化解析避免错误。
(二)任务解析:配送类型自动匹配,像“快递分拣机器人”一样智能
- 一键识别配送类型:如果中台推送了承运商产品(比如“顺丰零担”),系统自动标记配送类型为“零担快递”;如果没有,通过地址、货物重量体积等因素自动判断。比如一件重量5kg的药品,发往长沙市内,系统判断适合城配;发往广东省,可能走干线-零担快递。
- 分段运输处理:涉及干线和城配的订单自动拆分,比如从长沙仓到广州药店,先干线运输到广州转运点(干线段),再城配到门店(城配段),运单自动生成两段,分别匹配对应的承运商。
(三)计划任务:算法驱动的“智能大脑”,替代人工排单
- 分组逻辑:按“专车→城配→干线”的优先级自动分组,比如满足专车条件(如货物体积大、客户指定车型)的订单优先进入专车组;不符合的按城配线路规则分组,比如同一区县的订单分到同一组,规划一条路线配送。
- 示例:长沙仓发往株洲的3个订单,地址都在株洲市天元区,系统判断符合城配线路规则,自动分到一组,生成一条配送路线,安排一辆4.2米货车运输,避免3个订单分别发专车浪费资源。
- 方案生成:针对不同分组生成多种配送方案,比如专车方案计算车型限制、装载率、里程;城配方案考虑客户收货时间窗(如药店要求9:00-17:00到货)、卸货用时,通过算法规划最优路线,计算预计到达时间。过去人工排车需要查地图、算时间,现在系统几秒内生成多个方案供选择。
(四)运输执行:全流程数字化,实时监控像“物流GPS”
- 零担快递:承运商预约取货后,系统自动生成运单,通过接口获取快递路由,实时显示物流状态(已揽收、运输中、签收)。比如顺丰快递单号录入系统后,自动跟踪到“今日10:00已送达”,不再需要人工打电话问物流进度。
- 专车/城配:司机通过小程序上报到车、发车、送货抵达状态,比如到达药店后点击“送货抵达”,系统自动记录时间,作为考核承运商时效的依据。过去司机送货后忘记反馈,现在强制在系统操作,数据实时同步。
(五)规则体系:物流管理的“智能标尺”,替代经验判断
- 城配线路规则:设定每条线路的最大里程、适用车型、件数/重量/体积装载率范围,比如长沙市区城配线路,规定最大里程50公里,适用4.2米厢式货车,每件重量不超过50kg,系统按规则筛选符合条件的订单。
- 自动指派承运商:通过8大规则(SKU指定、重量/体积限制、客户区域指定等)精准匹配承运商,比如某SKU药品因易碎,规则设定“只能发顺丰专车”,系统自动排除其他物流公司;某区域偏远,规则设定“不发邮政快递”,避免配送延误。
三、上游取货业务:从“采购驱动”到“供应链协同”的流程优化
(一)业务场景:采购与退货的物流闭环
上游取货主要处理从供应商采购药品和集团内退货的物流,比如从北京供应商采购一批药品,需要安排车辆去提货(恒昌自提)或让供应商发货(供应商配送);集团内某仓库退货到总部,需要规划退货路线。
(二)核心流程:入库任务与出库对称,细节更复杂
- 订单预处理:类似发货配送,但创建的是“入库任务”,需要校验供应商信息、解析供货地址。比如供应商地址在河北省石家庄市,系统自动识别为华北区域,方便后续分组。
- 智能调度:根据取货线路规则分组,比如同一供应商的多个订单分到一组,安排一辆专车一次性提货;供应商发零担快递的订单,自动匹配对应物流公司,比如京东物流在北京有优势,系统优先指派。
- 运输执行:恒昌自提场景中,司机需要在小程序记录每个提货点的到货时间、件数,比如到3个供应商处提货,分别扫描货物条码,系统自动核对订单,避免漏提错提。
(三)与发货配送的差异:更注重“供应链协同”
- 供应商管理:新增“取货线路规则”,考虑供应商的装货时间窗(如供应商每天14:00-17:00可装货)、装货用时,优化提货路线,比如安排司机14:30到达第一个供应商,装货1小时,15:30前往第二个供应商,确保效率。
- 费用结算:供应商配送的订单无需TMS计算运费(供应商自行承担),但恒昌自提的订单需要按车型、里程计费,系统自动关联“干线价格”模块,比如长沙到武汉的干线运输,按17.5米货车每公里5元计算运费,避免人工算错。
四、费用预警:从“事后核算”到“实时监控”的管理升级
(一)传统痛点:运费超支难以及时发现
过去运费结算靠月底对账,发现超支时已无法调整,比如某承运商当月费用超预算20%,但直到月底才知道,缺乏过程管控。
(二)新系统方案:钉钉实时预警,像“财务监控机器人”
- 配置灵活:用户可自定义预警规则,比如“某承运商月运费超过50万元”“某线路单公里成本上涨10%”,系统通过SQL查询数据,触发预警。
- 多端推送:除邮件外,新增钉钉推送,方便移动端查看,比如物流经理在手机上收到提醒:“顺丰卡航本月运费已达45万元,接近50万元预算”,及时调整后续订单分配。
五、常用办公工具的换代:从“Excel+邮件”到“智能系统+小程序”
(一)五大核心工具升级
- 订单处理:从Excel到系统自动化
- 传统方式:用Excel录入订单信息,手动分类(如区分专车、快递订单),容易出错且耗时,比如每天处理500个订单,需要2小时录入分类。
- 新系统:中台系统自动同步订单,TMS自动解析分类,10分钟内完成,且准确率100%,释放人力去处理异常订单。
- 调度排车:从人工画图到算法优化
- 传统方式:调度员在地图上手动规划路线,凭经验安排车辆,比如长沙到株洲的城配路线,可能绕路10公里,车辆装载率仅60%。
- 新系统:ALNS算法自动规划最优路线,装载率提升至85%以上,比如3个订单合并一辆车,路线缩短15%,降低油耗和时间成本。
- 承运商管理:从纸质档案到数据看板
- 传统方式:用Excel记录承运商的时效、KPI,每月手动汇总,比如计算提货及时率需要翻查200张运单,耗时半天。
- 新系统:实时生成承运商综合能力报表,时效、KPI、成本一目了然,比如顺丰卡航的提货及时率98%,KPI等级“优异”,一键导出数据用于合同谈判。
- 物流跟踪:从电话沟通到小程序实时监控
- 传统方式:客服每天打30通电话问物流进度,客户抱怨“不知道货到哪了”。
- 新系统:司机通过小程序上报状态,客户在订单详情页实时查看路由,比如“预计今日16:00到达门店”,减少客服工作量,提升客户满意度。
- 费用管理:从月底对账到实时预警
- 传统方式:财务月底核对运费发票,发现超支后追责,缺乏事前控制。
- 新系统:钉钉实时预警费用异常,比如“干线运输费用本周超支5%”,财务立即通知物流部门调整承运商选择,避免月底超预算。
(二)工具换代带来的效率提升
场景 | 传统耗时 | 新系统耗时 | 效率提升 |
---|---|---|---|
订单预处理 | 2小时/500单 | 10分钟 | 90% |
调度排车 | 1小时/线路 | 3分钟 | 95% |
承运商考核 | 4小时/月 | 5分钟 | 98% |
物流跟踪 | 30通电话/天 | 0(自动同步) | 100% |
六、办公技能的重构:从“执行操作”到“数据运营”
(一)三大核心技能升级
- 系统配置能力:从“操作工人”到“规则设计师”
- 传统技能:会用Excel筛选、排序,操作ERP系统录入数据。
- 新技能:配置城配线路规则(如设定某线路的车型、里程限制)、调整算法参数(如时效权重、成本权重),比如物流主管需要根据旺季淡季调整装载率阈值,让系统更灵活。
- 数据分析能力:从“数据搬运”到“决策支持”
- 传统技能:汇总数据做报表,比如每月统计各承运商的订单量。
- 新技能:分析承运商综合能力数据(时效、KPI、成本),提出优化建议,比如发现某线路顺丰时效A档但成本高,建议小件发京东快递,大件发顺丰,平衡效率与成本。
- 异常处理能力:从“被动响应”到“主动干预”
- 传统技能:接到客户投诉后查单,比如“货物延误”时人工查运单找原因。
- 新技能:通过系统监控预警(如某承运商连续3天时效不达标),主动更换承运商,避免大面积延误;在小程序上实时处理司机上报的异常(如车辆故障),重新指派车辆,减少影响。
(二)不同岗位的技能转型
- 物流调度员
- 过去:每天手动分单、排车,需要熟悉地图和车辆载重,加班处理紧急订单。
- 现在:监控系统自动生成的方案,处理异常订单(如客户临时改地址),学习配置调度规则,比如设置“体积超过10m³的订单必须发17.5米货车”。
- 承运商管理员
- 过去:打电话催物流进度,手工记录承运商表现,Excel做考核表。
- 现在:分析系统生成的承运商KPI报表,约谈表现差的物流公司,优化合作方案,比如针对“完好交货率低”的问题,要求物流公司增加防震包装。
- 财务人员
- 过去:月底核对运费发票,与物流部门扯皮差异,手工录入SAP系统。
- 现在:设置费用预警规则,实时监控运费波动,通过系统自动对接SAP,一键生成结算单,腾出时间分析物流成本占比,提出降本建议。
(三)技能提升路径建议
- 系统操作培训:开展TMS系统实操培训,重点学习订单解析、方案生成、规则配置,比如每周一次模拟操作考核,确保员工熟练使用新功能。
- 数据分析课程:引入Excel数据透视表、Power BI可视化培训,教会员工分析承运商数据、费用数据,比如用数据看板展示各线路的成本对比。
- 场景化演练:模拟异常场景(如暴雨导致线路中断),训练员工在系统中重新调度、更换承运商,提升应急处理能力。
七、行业价值:医药流通物流的“智能化革命”
(一)对医药流通的特殊价值
- 合规性保障:药品运输对时效和温度敏感,系统通过时效分档和KPI考核,确保冷链运输按时到达,比如疫苗运输设定“时效A档”,强制选择符合GSP认证的承运商。
- 库存周转率提升:上游取货流程优化后,采购订单到货时间缩短20%,减少库存积压,比如从供应商提货周期从3天缩短到2天,门店缺货率下降15%。
- 客户体验升级:发货配送实时跟踪,客户可在公众号查询物流状态,提升药企对下游药店的服务质量,增强客户粘性。
(二)未来展望:从TMS到智慧物流生态
这套系统只是起点,未来可接入物联网设备(如车载GPS、温度传感器),实现运输过程全监控;与AI结合,预测订单量波动,提前规划运力;甚至打通上下游,形成从供应商到客户的全链条智能物流网络。对于医药流通企业,这不仅是一次系统升级,更是从“物流成本中心”向“供应链竞争力”的转型契机。
总结:传统物流人的“转型指南”
恒昌TMS智能调度的落地,意味着医药流通物流进入“数据智能”时代。作为传统IT顾问,我建议从业者:
- 拥抱工具变革:放下对Excel和手工操作的依赖,主动学习新系统的高阶功能,比如算法参数调整、规则配置。
- 升级思维模式:从“完成任务”转向“优化流程”,比如思考如何通过系统规则减少异常订单,如何用数据分析降低物流成本。
- 深耕行业场景:结合医药流通的特殊性(如GSP认证、冷链需求),在系统配置和方案设计中融入行业规则,让技术真正服务于业务。
这场变革不会一蹴而就,但每一次系统功能的落地、每一项技能的提升,都是迈向智慧物流的坚实一步。记住:未来的物流竞争,不是人力的竞争,而是“系统+数据+人才”的综合实力比拼。
相关文章:
从传统物流到智能调度的全链路升级
一、TMS系统升级的核心目标与整体框架 (一)为什么要升级?传统物流管理的三大痛点 调度效率低下:过去依赖人工分单、手动匹配承运商,订单量大时容易出错,比如不同区域的订单混排导致运输路线绕路ÿ…...
UE5中如何修复后处理动画蓝图带来的自然状态下的metablriger身体绑定形变(如耸肩)问题
【[metablriger] UE5中如何修复后处理动画蓝图带来的自然状态下的metablriger身体绑定形变(如耸肩)问题】 UE5中如何修复后处理动画蓝图带来的自然状态下的metablriger身体绑定形变(如耸肩)问题...
STL_vector_01_基本用法
👋 Hi, I’m liubo👀 I’m interested in harmony🌱 I’m currently learning harmony💞️ I’m looking to collaborate on …📫 How to reach me …📇 sssssdsdsdsdsdsdasd🎃 dsdsdsdsdsddfsg…...
css2学习总结之尚品汇静态页面
css2总结之尚品汇 一、布局 在 PC 端网页中,一般都会有一个固定宽度且水平居中的盒子,来显示网页的主要内容,这是网页 的版心。 版心的宽度一般是 960 ~ 1200 像素之间。 版心可以是一个,也可以是多个。 二、布局相关名词 我…...
Lua 第5部分 表
表( Table )是 Lua 语言中最主要(事实上也是唯一的)和强大的数据结构。 使用表,Lua语言可以以一种简单、统一且高效的方式表示数组、集合、记录和其他很多数据结构。 Lua语言也使用表来表示包( package &am…...
01分数规划
https://ac.nowcoder.com/acm/contest/22353/1011 并不需要高级数据结构,对答案二分即可。 假定当前二分的答案为 x x x,则 ∑ v i ∑ w i ≥ x \frac{ \sum_{v_i} }{\sum_{w_i}} ≥ x ∑wi∑vi≥x 成立时 x x x 才可能是最后的答案。 化简式…...
无人机动力系统全维度解析:技术演进、选型策略与未来趋势
一、动力系统技术理念与设计逻辑 (一)核心技术指标 能量密度:决定续航能力的关键参数,单位为 Wh/kg。当前主流锂聚合物电池能量密度约 250-300Wh/kg,氢燃料电池可达 500-800Wh/kg,航空燃油则高达 12,000W…...
重新审视中国的GB标准(44495 – 44497)
此前,我们深入探讨了中国新推出的智能互联汽车(ICV)网络安全标准GB Standard 44495-2024。我们探讨了该标准对汽车制造商的影响、与UNECE R155和ISO/SAE 21434等全球标准的一致性,以及该标准对未来汽车网络安全的意义。 然而,GB 44495-2024并…...
Linux进程控制(五)之做一个简易的shell
文章目录 做一个简易的shell预备知识代码实现运行结果 做一个简易的shell 重谈Shell shell是操作系统的一层外壳程序,帮我们用户执行指令, 获取到指令后,交给操作系统,操作系统执行完后,把执行结果通过shell交给用户…...
Apache Kafka全栈技术解析
目录 第一章 Kafka概述与核心价值 1.1 消息队列的演进与Kafka的诞生 1.2 Kafka的核心应用场景 1.3 Kafka生态全景图 第二章 Kafka核心概念与架构解析 2.1 核心概念深度剖析 2.2 Kafka架构设计精要 第三章 Kafka环境搭建与配置 3.1 单机部署实战 3.2 集群部署最佳实践 …...
结合 Flink/Spark 进行 AI 大数据处理(实时数据 + AI 推理的应用场景)
随着企业对实时智能决策的需求日益增强,将 Flink / Spark 等流批计算框架 与 大模型推理能力相结合,正在成为 AI 工业化落地的重要实践路径。本篇文章将深入介绍如何将 AI 模型集成到大数据流处理系统中,实现实时感知、智能判断与自动反馈。 1. 为什么需要“实时数据 + AI 推…...
开发PDF时,如何比较 PDF 文件
在 PDF 论坛上,“如何比较 PDF 文件”是一个经常被提到的问题。在开始之前,重要的是要明确你想要比较的内容是什么。 不同的 PDF 文件可能看起来一样吗? 是的,可能。不同的 PDF 创建工具可能会生成在视觉上完全相同的页面&#x…...
自动提取pdf公式 ➕ 输出 LaTeX
# 创建打包脚本的主内容 script_content """ from doc2x.extract_formula import extract_formula_imgs from pix2text import Pix2Text from PIL import Image import osdef main():pdf_path "your_file.pdf" # 将你的PDF命名为 your_file.pdf 并…...
abaqus二次开发python程序集
abaqus二次开发python程序集 1、设置字体背景色等2、读取模态频率并写入 csv 文件3、在两个窗口快速对比各价模态 1、设置字体背景色等 # _*_ coding:UTF-8 _*_from abaqusConstants import* def fontsize(sessionNone):#设置字体session.viewports[Viewport: 1].viewportAnno…...
高级java每日一道面试题-2025年3月23日-微服务篇[Nacos篇]-如何使用Nacos进行服务发现?
如果有遗漏,评论区告诉我进行补充 面试官: 如何使用Nacos进行服务发现? 我回答: 在Java高级面试中讨论如何使用Nacos进行服务发现时,可以从多个角度深入探讨,包括基本概念、配置步骤、代码示例以及高级特性。以下是综合了多种信息的详细回…...
k8s核心资源对象一(入门到精通)
本文将深入探讨Kubernetes中的核心资源对象,包括Pod、Deployment、Service、Ingress、ConfigMap和Secret,详细解析其概念、功能以及实际应用场景,帮助读者全面掌握这些关键组件的使用方法。 一、pod 1 pod概念 k8s最小调度单元,…...
了解 DeepSeek R1
了解DeepSeek R1 R1探索纯强化学习是否可以在没有监督微调的情况下学会推理的能力。 ‘Aha’ Moment 这种现象有点类似于人类在解决问题时突然意识到的方式,以下是它的工作原理: 初始尝试:模型对解决问题进行初始尝试识别:识别…...
【C语言】大小端字节序和字节序判断
前言: 在上章介绍了整形在内存的储存,了解了原码,反码,补码,知道了整数在内存的储存一般是补码,解决了负数相加的问题。 那么在本章为大家讲解一下大小端字节序。 一那字节序是什么呢? 字节…...
DrissionPage移动端自动化:从H5到原生App的跨界测试
一、移动端自动化测试的挑战与机遇 移动端测试面临多维度挑战: 设备碎片化:Android/iOS版本、屏幕分辨率差异 混合应用架构:H5页面与原生组件的深度耦合 交互复杂性:多点触控、手势操作、传感器模拟 性能监控:内存…...
ARM 汇编启动代码详解:从中断向量表到中断处理
ARM 汇编启动代码详解:从中断向量表到中断处理 引言 在嵌入式系统开发中,ARM 处理器(如 Cortex-A 系列)的启动代码是系统初始化和运行的基础。启动代码通常包括中断向量表的创建、初始化硬件状态(如关闭缓存和 MMU&a…...
笔试专题(七)
文章目录 乒乓球筐(哈希)题解代码 组队竞赛题解代码 删除相邻数字的最大分数(线性dp)题解代码 乒乓球筐(哈希) 题目链接 题解 1. 两个哈希表 先统计第一个字符串中的字符个数,再统计第二个字…...
React基础知识(一)
文章目录 概念特点React基本使用hello_react案例虚拟DOM的两种创建方式使用jsx创建使用js创建 虚拟DOM和真实DOM React jsxXMLjsx语法规则作用基本语法规则js语句和js代码babel.js作用 模块与组件模块组件 React面向组件编程函数式组件类组件 概念 react是一个将数据渲染为Htm…...
红黑树(Red-Black Tree)核心知识点与面试高频问题
红黑树(Red-Black Tree)核心知识点与面试高频问题 一、红黑树的核心性质 红黑树是一种自平衡的二叉搜索树,通过以下规则确保平衡性: 节点颜色:每个节点是红色或黑色。 根节点:根必须是黑色。 叶子节点&a…...
SpringBoot整合SSM
一、SpringBoot整合SSM SpringBoot整合SpringSpringBoot整合SpringMVCSpringBoot整合MyBatis(主要) 步骤一:创建SpringBoot工程,添加druid依赖 <!-- todo 1 添加druid连接池依赖--> <dependency><groupId>co…...
set/multiset容器
1.概念 所有元素会在插入时自动排序 set/multiset属于关联式容器,底层结构是用二叉树实现。 set不允许重复元素,multiset允许重复元素。 2. set构造和赋值 set<T> st; set(const set &st);// 拷贝构造函数 set& operator(const set &a…...
vim 编辑器 使用教程
Vim是一款强大的文本(代码)编辑器,它是由Bram Moolenaar于1991年开发完成。它的前身是Bill Joy开发的vi。名字的意义是Vi IMproved。 打开vim,直接在命令行输入vim即可,或者vim <filename>. Vim分为四种模式&a…...
去中心化固定利率协议
核心机制与分类 协议类型: 借贷协议(如Yield、Notional):通过零息债券模型(如fyDai、fCash)锁定固定利率。 收益聚合器(如Saffron、BarnBridge):通过风险分级或博弈论…...
Python高阶函数-filter
1. 基本概念 filter() 是Python内置的高阶函数,用于过滤序列中的元素。它接收一个函数和一个可迭代对象作为参数,返回一个迭代器,包含使函数返回True的所有元素。 filter(function, iterable)2. 工作原理 惰性计算:filter对象是…...
hive/doris查询表的创建和更新时间
hive查询表的创建和更新时间: SELECT d.NAME AS database_name, t.TBL_NAME AS table_name, FROM_UNIXTIME(t.CREATE_TIME) AS create_time, FROM_UNIXTIME(tp.PARAM_VALUE) AS last_ddl_time FROM metastore.TBLS t JOIN metastore.DBS d ON t.DB_ID d.DB_ID JOIN…...
40常用控件_WindowFrame的影响
window frame 的影响 如果 widget 作为一个窗口(带有标题栏,最小化,最大化,关闭按钮),那么在计算尺寸和坐标的 时候就有两种算法.包含 window frame 和 不包含 window frame. 其中x(),y0,frameGeometry(), pos(),move() 都是按照包含 window frame 的方式来计算 的. 其中 geome…...
PCB 赋能机器人技术革新:核心功能与前沿趋势
一、智能控制中枢的异构集成 采用 20 层刚挠结合板架构,搭载 NVIDIA Jetson AGX Orin SoC(100TOPS 算力),集成 64 位 ARMv8 内核与 32GB 内存,实现多模态传感器数据融合与实时决策。板载 128MB DDR4 缓存支持 μs 级响…...
unity 环形UI菜单实现方法2
在项目中需要一个环形UI并且循环往复的效果,这个方法思路为提前预设好位置,让UI根据坐标预设的移动,然后使用mask遮罩达到循环往复效果的目的。 下图分别分为了三个列表 第一个列表poslist是提前预设的位置 第二个列表为背景暂时不用看 第三个…...
Redis进阶--主从复制
目录 一、引言 二、介绍 三、解决问题 四、配置主从复制 1.复制 全量复制: 部分复制: 实时复制: 五、总结 一、引言 本篇文章将继续介绍Redis中的主从复制机制 二、介绍 主从复制是在分布式系统中实现的,希望有多个服务器…...
Redisson分布式锁:原理、使用
1. Redisson简介 Redisson是一个基于Redis的Java客户端库,提供了丰富的分布式对象和服务(如分布式锁、信号量、Map等)。其核心优势在于简化分布式锁的实现,并解决了原生Redis分布式锁的常见问题(如死锁、误删…...
Java设计模式之外观、享元、组合模式《三国争霸:模式风云录》
第一章:乱世起(外观初现) 黄巾余孽张角三兄弟操控"混沌子系统",各地流民不堪996劳役。观国隐士诸葛孔明出山,在博望坡构建首个"军师智脑": /*** 外观模式:军师智…...
设计模式之解释器模式:原理、实现与应用
引言 解释器模式(Interpreter Pattern)是一种行为型设计模式,它定义了一种语言的文法表示,并提供一个解释器来解释该语言中的句子。解释器模式适用于需要解析特定语法规则的场景,如正则表达式、SQL解析等。本文将深入…...
redis itheima
缓存问题 核心是如何避免大量请求到达数据库 缓存穿透 既不存在于 redis,也不存在于 mysql 的key,被重复请求 public Result queryById(Long id) {String key CACHE_SHOP_KEYid;// 1. redis & mysqlString shopJson stringRedisTemplate.opsFo…...
AF3 OpenFoldDataModule类setup方法解读
AlphaFold3 data_modules 模块的 OpenFoldDataLoader 类 setup 方法用于设置数据集的关键部分,负责根据不同的模式(训练、验证或预测)生成和初始化相应的数据集。 源代码: def setup(self, stage=None):# Most of the arguments are the same for the three datasets data…...
服务器报错:xxx/libc.so.6: version `GLIBC_2.32‘ not found
/lib/x86_64-linux-gnu/libc.so.6: version GLIBC_2.32 not found (required by ./aima-sim-app-main) 解决思路 根据错误信息,您的应用程序 aima-sim-app-main 和 libmujoco.so.3.1.6 库依赖于较新的 GNU C Library (glibc) 版本(如 GLIBC_2.32, GLIBC…...
FPGA状态机设计:流水灯实现、Modelsim仿真、HDLBits练习
一、状态机思想 1.概念 状态机(Finite State Machine, FSM)是计算机科学和工程领域中的一种抽象模型,用于描述系统在不同状态之间的转换逻辑。其核心思想是将复杂的行为拆解为有限的状态,并通过事件触发状态间的转移。 2.状态机…...
机试题——最少乘坐公交次数
题目描述 春节将近,小明想在节日期间逛一逛城里的 ( N ) 个著名景点。所有景点都能通过坐公交到达。需要设计一种公交路线方案,让小明能最快地逛完所有景点。 输入描述 第一行:一个整数 ( N ),表示景点数量,满足 ( …...
防孤岛保护装置在分布式光伏并网中的应用
什么是光伏的“孤岛效应” 孤岛islanding 包含负荷和电源的部分电网,从主网脱离后继续孤立运行的状态。孤岛可分为非计划性孤岛和计划性孤岛。 孤岛效应的危害 当电网侧停电检修,若并网光伏电站的逆变器仍在继续供电,维修人员不一定…...
记一次gitlab服务器负载过高问题处理
服务器上进程 /var/opt/gitlab/gitlab-rails/etc/unicorn.rb /opt/gitlab/embedded/service/gitlab-rails/config.ru 进程服务器cpu占用过高应该怎么处理 tail -f /var/log/gitlab/gitlab-rails/production.log调整 Unicorn 配置:unicorn.rb 是 Unicorn 服务器的配…...
LiT and Lean: Distilling Listwise Rerankers intoEncoder-Decoder Models
文章:ECIR 2025会议 一、动机 背景:利用LLMs强大的能力,将一个查询(query)和一组候选段落作为输入,整体考虑这些段落的相关性,并对它们进行排序。 先前的研究基础上进行扩展 [14,15],…...
【项目日记】高并发服务器项目总结
生活总是让我们遍体鳞伤, 但到后来, 那些受伤的地方一定会变成我们最强壮的地方。 -- 《老人与海》-- 高并发服务器项目总结 模块关系图项目工具模块缓冲区模块通用类型模块套接字socket模块信道Channel模块多路转接Poller模块 Reactor模块时间轮Tim…...
P1332 血色先锋队(BFS)
题目背景 巫妖王的天灾军团终于卷土重来,血色十字军组织了一支先锋军前往诺森德大陆对抗天灾军团,以及一切沾有亡灵气息的生物。孤立于联盟和部落的血色先锋军很快就遭到了天灾军团的重重包围,现在他们将主力只好聚集了起来,以抵…...
systemd 与 SysVinit
1. 什么是 systemd 和 SysVinit? systemd 和 SysVinit 都是 Linux 的初始化系统(init system),用于管理系统启动、服务、进程和日志。 比较项SysVinitsystemd启动方式逐步启动(串行)并行启动(…...
PythonWeb项目-Django+vue白酒数据推荐系统功能介绍
❥(^_-) 上千个精美定制模板,各类成品Java、Python、PHP、Android毕设项目,欢迎咨询。 ❥(^_-) 程序开发、技术解答、代码讲解、文档,💖文末获取源码+数据库+文档💖 💖软件下载 | 实战案例 💖文章底部二维码,可以联系获取软件下载链接,及项目演示视频。 本项目源…...
AWS Bedrock:开启企业级生成式AI的钥匙【深度解析】
引言:生成式AI的工业革命需要新基建 根据Gartner预测,到2026年超过80%的企业将在生产环境中部署生成式AI。而AWS Bedrock作为首个企业级生成式AI托管平台,正在重塑AI工业化落地的技术范式。本文将深入解构其技术架构与商业价值。 一、Bedroc…...
网络安全应急响应-文件痕迹排查
在Windows系统的网络安全应急响应中,文件痕迹排查是识别攻击行为的关键步骤。以下是针对敏感目录的详细排查指南及扩展建议: 1. 临时目录排查(Temp/Tmp) 路径示例: C:\Windows\TempC:\Users\<用户名>\AppData\L…...