购入机器人成本收益分析预测方法及相关设备

摘要

本发明公开了一种购入机器人成本收益分析预测方法及相关设备，涉及机器人领域，主要为解决目前缺少一种更好的购入机器人成本收益分析预测方法的问题。该方法包括：建立机器人投入收益模型；采用训练数据样本训练所述机器人投入收益模型，以获得机器人投入收益目标模型，所述训练数据样本包括场景特征数据、机器人使用成本收益数据、工作人员成本收益数据、成本变化数据和收益变化数据；基于目标酒店当前的实际数据通过机器人投入收益目标模型，确定购入机器人的成本收益情况。

说明书

技术领域

本发明涉及机器人领域，尤其涉及一种购入机器人成本收益分析预测方法、装置、存储介质及设备。

背景技术

目前，机器人进驻酒店之前，酒店管理人员一般比较关心的是酒店具体需要几台机器人，每台机器人能够为酒店带来多少收益，节约多少成本等信息，而现有技术条件下机器人销售人员只能根据已布局机器人的酒店作为例子向酒店的管理人员进行介绍，但是由于酒店的星级、地区、类型、房数不同，很难根据现有示例估算待进驻机器人的酒店购入机器人后的成本及收益情况。

由此，现亟需一种分析预测方法能够计算酒店购入机器人后的成本收益，为销售人员和酒店的管理人员提供一种直接、便利的工具，进而提高沟通效率节约彼此时间。

发明内容

鉴于上述问题，本发明提供一种购入机器人成本收益分析预测方法、装置、存储介质及设备，主要目的在于解决由于酒店的星级、地区、类型、房数不同，很难根据现有示例快速、直接、便捷的估算待进驻机器人的酒店购入机器人后的成本及收益情况的问题。

为解决上述技术问题，第一方面，本发明提供了一种购入机器人成本收益分析预测方法及相关设备，该方法包括：

建立机器人投入收益模型；

采用训练数据样本训练所述机器人投入收益模型，以获得机器人投入收益目标模型，所述训练数据样本包括场景特征数据、机器人使用成本收益数据、工作人员成本收益数据、成本变化数据和收益变化数据；

基于目标酒店当前的实际数据通过机器人投入收益目标模型，确定购入机器人的成本收益情况。

可选的，其特征在于，所述机器人使用成本收益数据包括机器人使用频率数据；

所述工作人员成本收益数据包括人员配比数据、薪资支出数据、所属不同地区的行业薪资水平数据。

可选的，其特征在于，所述机器人使用成本收益数据还包括与所述机器人使用频率数据关联的机器人服务类型数据。

可选的，其特征在于，所述收益变化数据包括员工送物次数的变化数据、员工工作时间的变化数据和员工工资成本的变化数据中的至少一种。

可选的，其特征在于，在所述场景为酒店场景的情况下，所述场景特征数据包括酒店等级、位置、房间数和入住率中的至少一种。

可选的，所述实际数据还包括可通行区域占比数据，所述方法还包括：

通过机器人在目标场景中实际运行确定所述机器人的可通行区域范围；

在服务器中获取所述目标场景的整体区域范围；

基于所述整体区域范围和所述可通行区域范围确定所述可通行区域占比数据。

可选的，其特征在于，还包括：

根据所述可通行区域占比数据调整通过机器人投入收益目标模型确定的购入机器人的成本收益情况中的所述机器人使用频率数据。

第二方面，本发明实施例还提供了一种购入机器人成本收益分析预测装置，包括：

训练单元，用于采用训练数据样本训练所述机器人投入收益模型，以获得机器人投入收益目标模型，所述训练数据样本包括场景特征数据、机器人使用成本收益数据、工作人员成本收益数据、成本变化数据和收益变化数据；

确定单元，用于基于目标酒店当前的实际数据通过机器人投入收益目标模型，确定购入机器人的成本收益情况。

为了实现上述目的，根据本发明的第三方面，提供了一种存储介质，上述存储介质包括存储的程序，其中，在上述程序被处理器执行时实现上述的购入机器人成本收益分析预测方法。

为了实现上述目的，根据本发明的第四方面，提供了一种电子设备，包括至少一个处理器、以及与上述处理器连接的至少一个存储器；其中，上述处理器用于调用上述存储器中的程序指令，执行上述的购入机器人成本收益分析预测方法。

借由上述技术方案，本发明提供的购入机器人成本收益分析预测方法、装置、存储介质及设备，其中，上述方法通过建立机器人投入收益模型；采用训练数据样本训练所述机器人投入收益模型，以获得机器人投入收益目标模型，所述训练数据样本包括场景特征数据、机器人使用成本收益数据、工作人员成本收益数据、成本变化数据和收益变化数据；基于目标酒店当前的实际数据通过机器人投入收益目标模型，确定购入机器人的成本收益情况。通过采用包括：场景特征数据、机器人使用成本收益数据、工作人员成本收益数据、成本变化数据和收益变化数据的训练数据样本对机器人投入收益模型进行训练，预先勾勒出与待购入机器人的特定场景最相近的机器人投入收益模型，同时考量了目标酒店当前的实际数据，使本方法在综合考量各个相关数据对购入机器人的成本收益情况的影响的同时，快速确定与目标酒店境况最适配的机器人收入收益模型，同时基于目标酒店实际数据对机器人投入收益目标模型进行精准调整，进而达到快速、直接、便捷的估算待进驻机器人的不同类型酒店购入机器人后的收益情况的技术效果，为机器人销售及酒店购买机器人提供便利。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种可能的购入机器人成本收益分析预测方法的流程图；

图2示出了本发明实施例提供的一种可能的购入机器人成本收益分析预测装置的组成框图；

图3示出了本发明实施例提供的一种可能的购入机器人成本收益分析预测设备的组成框图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

为了解决由于特定场景的级别、地区、类型、规模不同，很难根据现有示例快速、直接、便捷的估算待进驻机器人的特定场景下的购入机器人的成本及收益的问题，本发明实施例提供了一种购入机器人成本收益分析预测方法，如图1所示，该方法包括：

S101、建立机器人投入收益模型；

示例性的，上述机器人投入收益模型可以采用深度神经网络模型和递归神经网络模型，在此不做限定。

S102、采用训练数据样本训练所述机器人投入收益模型，以获得机器人投入收益目标模型，所述训练数据样本包括场景特征数据、机器人使用成本收益数据、工作人员成本收益数据、成本变化数据和收益变化数据。

示例性的，上述训练数据样本包括训练数据输入样本、训练数据结果样本。其中场景特征数据为训练数据输入样本；机器人使用成本收益数据中的机器人使用成本数据为训练数据输入样本，机器人使用收益数据为训练数据结果样本；工作人员成本数据为训练数据输入样本，工作人员收益数据训练数据结果样本；成本变化数据和收益变化数据为训练数据结果样本。基于上述数据构建机器人投入收益模型，能快速的根据场景特征，机器人的成本收益情况，人工成本收益情况多维度综合考量购入机器人后目标酒店的成本变化及收益变化，达到综合考量各个相关数据对购入机器人的成本收益情况的影响的效果。

S103、基于目标酒店当前的实际数据通过机器人投入收益目标模型，确定购入机器人的成本收益情况

示例性的，上述目标酒店当前的实际数据，具体的可以是目标酒店目前已购入机器人的成本收益情况数据，员工数量及薪资成本情况，客人与机器人的互动情况等。根据以上目标酒店当前的实际数据对机器人投入收益目标模型进行精准调整，增加了机器人投入收益目标模型与目标酒店实际情况的适配率，使得预测的购入机器人的成本收益情况更为精确，更加符合当前目标酒店的情况。

借由上述技术方案，本发明提供的智能化搬运机器人控制方法，通过：建立机器人投入收益模型；采用训练数据样本训练所述机器人投入收益模型，以获得机器人投入收益目标模型，所述训练数据样本包括场景特征数据、机器人使用成本收益数据、工作人员成本收益数据、成本变化数据和收益变化数据；基于目标酒店当前的实际数据通过机器人投入收益目标模型，确定购入机器人的成本收益情况。通过采用包括：场景特征数据、机器人使用成本收益数据、工作人员成本收益数据、成本变化数据和收益变化数据的训练数据样本对机器人投入收益模型进行训练，预先勾勒出与待购入机器人的特定场景最相近的机器人投入收益模型，同时考量了目标酒店当前的实际数据，使本方法在综合考量各个相关数据对购入机器人的成本收益情况的影响的同时，快速确定与目标酒店境况最适配的机器人收入收益模型，同时基于目标酒店实际数据对机器人投入收益目标模型进行精准调整，进而达到快速、直接、便捷的估算待进驻机器人的不同类型酒店购入机器人后的收益情况的技术效果，为机器人销售及酒店购买机器人提供便利。

在一种实施例中，所述机器人使用成本收益数据包括机器人使用频率数据；

所述工作人员成本收益数据包括人员配比数据、薪资支出数据、所属不同地区的行业薪资水平数据。

示例性的，上述机器人使用频率数据属于机器人使用收益数据，属于训练数据结果样本。上述人员配比数据、薪资支出数据、所属不同地区的行业薪资水平数据属于训练数据输入样本。上述人员配比数据为特定场景的规模面积与工作人员的数量的比值。通过使机器人投入收益模型的训练数据样本包含：输入人员配比数据、薪资支出数据、所属不同地区的行业薪资水平数据，输出机器人使用频率数据，可以预先勾勒出与待购入机器人的特定场景最相近的机器人投入收益模型，使得机器人投入收益模型所得出的购入机器人的成本收益情况更加精确符合目标酒店的真实情况，所输出的机器人使用频率数据可以快速、直观的显示购入机器人的紧迫程度，进而为机器人销售及酒店购买机器人提供便利。

在一种实施例中，所述机器人使用成本收益数据还包括与所述机器人使用频率数据关联的机器人服务类型数据。

示例性的，上述机器人服务类型数据为训练样本输入数据，上述机器人服务类型，具体的，可以是外卖服务、快递服务、购物服务等。通过对机器人服务类型的输入，进而可以确定机器人的使用频率，进而，直观的，显示购入机器人的紧迫程度，进而机器人销售及酒店购买机器人提供便利。

在一种实施例中，所述收益变化数据包括员工送物次数的变化数据、员工工作时间的变化数据和员工工资成本的变化数据中的至少一种。

示例性的，上述员工送物次数的变化数据可以以每天、每月、每季度、每年等的时间单位列表或是图形方式进行显示；员工工作时间的变化数据可以以每天、每月、每季度、每年等的时间单位列表或是图形方式进行显示；上述员工工资成本的变化数据可以每月、每季度、每年等的时间单位列表或是图形方式。机器人投入收益模型通过对员工送物次数的变化数据、员工工作时间的变化数据和员工工资成本的变化数据的收益变化数据的输出，快速、直接、便捷的对待进驻机器人的酒店购入机器人后的成本及收益的情况进行显示，从综合维度显示了购入机器人的紧迫程度，进而为机器人销售及酒店购买机器人提供便利。

在一些实施例中，在所述场景为酒店场景的情况下，所述场景特征数据包括酒店等级、位置、房间数和入住率中的至少一种。

示例性的，通过对酒店等级、位置、房间数和入住率的输入，有利于综合考量目标酒店的盈利情况，进而对目标酒店的经济实力进行评估，进而预估出目标酒店对于购入机器人可以投入的成本，进而合理估计目标酒店最适合的购入机器人的数量，进而达到在酒店的星级、地区、类型、房数不同的情况下，根据现有示例可以快速、直接、便捷的估算不同类型的待进驻机器人的酒店购入机器人后的成本及收益的情况的技术效果。

在一些实施例中，所述实际数据还包括可通行区域占比数据，所述方法还包括：

通过机器人在目标场景中实际运行确定所述机器人的可通行区域范围；

在服务器中获取所述目标场景的整体区域范围；

基于所述整体区域范围和所述可通行区域范围确定所述可通行区域占比数据。

示例性的，可以在实际预测过程中，通过机器人在目标场景中实际运行确定所述机器人的可通行区域范围。那么也就进一步明确了机器人在当前酒店能够参与工作的区域范围。比如，酒店有一层区域不通电梯，机器人无法到达，或者酒店某一区域较为狭窄机器人无法通过。那么可见可通行区域占比数据同样会影响预测结果。

在一些实施例中，还包括：

根据所述可通行区域占比数据调整通过机器人投入收益目标模型确定的购入机器人的成本收益情况中的所述机器人使用频率数据。

示例性的，通过上述方式计算出的可通行区域占比数据作为影响所述机器人使用频率数据重要参数，可以进一步提高购入机器人成本收益分析预测的准确性。

进一步的，作为对上述图1所示方法的实现，本发明实施例还提供了一种购入机器人成本收益分析预测装置，用于对上述图1所示的方法进行实现。该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。如图2所示，该装置包括：构建单元21、训练单元22，确定单元23，其中

构建单元21，用于建立机器人投入收益模型；

训练单元22，用于采用训练数据样本训练所述机器人投入收益模型，以获得机器人投入收益目标模型，所述训练数据样本包括场景特征数据、机器人使用成本收益数据、工作人员成本收益数据、成本变化数据和收益变化数据；

确定单元23，用于基于目标酒店当前的实际数据通过机器人投入收益目标模型，确定购入机器人的成本收益情况。

示例性的，上述机器人使用成本收益数据包括机器人使用频率数据；

上述工作人员成本收益数据包括人员配比数据、薪资支出数据、所属不同地区的行业薪资水平数据。

示例性的，上述机器人使用成本收益数据还包括与所述机器人使用频率数据关联的机器人服务类型数据。

示例性的，上述收益变化数据包括员工送物次数的变化数据、员工工作时间的变化数据和员工工资成本的变化数据中的至少一种。

示例性的，在上述场景为酒店场景的情况下，所述场景特征数据包括酒店等级、位置、房间数和入住率中的至少一种。

示例性的，上述数据还包括可通行区域占比数据，所述方法还包括：

通过机器人在目标场景中实际运行确定所述机器人的可通行区域范围；

在服务器中获取所述目标场景的整体区域范围；

基于所述整体区域范围和所述可通行区域范围确定所述可通行区域占比数据。

示例性的，上述方法还包括：

根据所述可通行区域占比数据调整通过机器人投入收益目标模型确定的购入机器人的成本收益情况中的所述机器人使用频率数据。

借由上述技术方案，本发明提供的购入机器人成本收益分析预测装置，对于由于酒店的星级、地区、类型、房数不同，很难根据现有示例快速、直接、便捷的估算待进驻机器人的酒店购入机器人后的成本及收益情况的问题，本发明通过建立机器人投入收益模型；采用训练数据样本训练所述机器人投入收益模型，以获得机器人投入收益目标模型，所述训练数据样本包括场景特征数据、机器人使用成本收益数据、工作人员成本收益数据、成本变化数据和收益变化数据；基于目标酒店当前的实际数据通过机器人投入收益目标模型，确定购入机器人的成本收益情况。通过采用包括：场景特征数据、机器人使用成本收益数据、工作人员成本收益数据、成本变化数据和收益变化数据的训练数据样本对机器人投入收益模型进行训练，预先勾勒出与待购入机器人的特定场景最相近的机器人投入收益模型，同时考量了目标酒店当前的实际数据，使本方法在综合考量各个相关数据对购入机器人的成本收益情况的影响的同时，快速确定与目标酒店境况最适配的机器人收入收益模型，同时基于目标酒店实际数据对机器人投入收益目标模型进行精准调整，进而达到快速、直接、便捷的估算待进驻机器人的不同类型酒店购入机器人后的收益情况的技术效果，为机器人销售及酒店购买机器人提供便利。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现一种商品销量预测方法，能够解决目前缺少一种更好的购入机器人成本收益分析预测方法的问题。

本发明实施例提供了一种存储介质，上述存储介质包括存储的程序，该程序被处理器执行时实现上述购入机器人成本收益分析预测方法。

本发明实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述购入机器人成本收益分析预测方法。

本发明实施例提供了一种设备，上述设备包括至少一个处理器、以及与上述处理器连接的至少一个存储器；其中，上述处理器用于调用上述存储器中的程序指令，执行如上述的购入机器人成本收益分析预测方法。

本发明实施例提供了一种设备30，如图3所示，设备包括至少一个处理器301、以及与处理器连接的至少一个存储器302、总线303；其中，处理器301、存储器302通过总线303完成相互间的通信；处理器301用于调用存储器中的程序指令，以执行上述的购入机器人成本收益分析预测方法。

本文中的智能设备可以是PC、PAD、手机等。

本申请还提供了一种计算机程序商品，当在流程管理设备上执行时，适于执行初始化有如下方法步骤的程序：建立机器人投入收益模型；采用训练数据样本训练所述机器人投入收益模型，以获得机器人投入收益目标模型，所述训练数据样本包括场景特征数据、机器人使用成本收益数据、工作人员成本收益数据、成本变化数据和收益变化数据；基于目标酒店当前的实际数据通过机器人投入收益目标模型，确定购入机器人的成本收益情况。

进一步的，上述机器人使用成本收益数据包括机器人使用频率数据；

上述工作人员成本收益数据包括人员配比数据、薪资支出数据、所属不同地区的行业薪资水平数据。

进一步的，上述机器人使用成本收益数据还包括与所述机器人使用频率数据关联的机器人服务类型数据。

进一步的，上述收益变化数据包括员工送物次数的变化数据、员工工作时间的变化数据和员工工资成本的变化数据中的至少一种。

进一步的，在上述场景为酒店场景的情况下，所述场景特征数据包括酒店等级、位置、房间数和入住率中的至少一种。

进一步的，上述数据还包括可通行区域占比数据，所述方法还包括：

通过机器人在目标场景中实际运行确定所述机器人的可通行区域范围；

在服务器中获取所述目标场景的整体区域范围；

基于所述整体区域范围和所述可通行区域范围确定所述可通行区域占比数据。

进一步的，上述方法还包括：

根据所述可通行区域占比数据调整通过机器人投入收益目标模型确定的购入机器人的成本收益情况中的所述机器人使用频率数据。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序商品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程流程管理设备的处理器以产生一个机器，使得通过计算机或其他可编程流程管理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

在一个典型的配置中，设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序商品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序商品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。