本数据集合源自精密电气制造企业的核心采购入库系统，涵盖电子元器件、结构件、线缆及耗材等多品类物资的入库流水记录。针对离散型制造供应链中物资形态差异巨大、入库数量级跨度极大，导致传统仅凭“入库单行数”或“总数量”无法客观评估仓储作业负荷的痛点，本数据集构建了基于对数尺度的负荷评估模型。通过引入人机工效学权重与非线性对数归一化算法，将异构的物资单位与数量转化为统一的“作业负荷分”。该数据集不仅量化每一笔入库单的物理搬运与操作难度，还自动生成作业模式推荐指令，实现仓储人力资源与设备资源的精准预排程。

本数据集的主要数据处理规则如下： ①基于物理形态的作业模态权重映射。建立“计量单位-作业特征”映射矩阵。基于人机工效学原理，分析单位背后的操作难度：将“台/套”等重型单位赋予高阶权重，将“米/条”等需测量的连续型单位赋予中阶权重，将“PCS/个”等离散单位赋予基础权重，从而将文本型单位转化为可计算的工效学参数。 ②数量级差异的对数降维归一化。针对入库数量跨度极大的痛点，引入对数函数进行非线性降维处理。该算法将横跨5个数量级的原始数据压缩至标准区间，有效消除数量级悬殊带来的统计偏差，实现小批量大件与大批量小件在数学上的可比性。 ③多因子负荷建模与智能决策。构建综合计算公式：作业负荷分=单位权重×数量级指数。该模型精准量化了单笔入库任务的真实工作量。在此基础上设定分级阈值，将连续的负荷分自动映射为“重载-机械辅助”、“中载-手推车”及“轻载-人工”三类操作指令，实现现场作业模式的智能化推荐。 ④本数据集已对“采购订单”和“供应商”字段进行脱敏，脱敏后的内容仅用于区分不同订单或供应商，无法定位到具体个体，保障数据安全。

1.仓储设备与人力资源的智能排程：本数据集适用于仓储物流部门的每日作业计划制定。通过“作业模式推荐”字段，系统可在货物到货前自动汇总当日的资源需求。管理者据此提前安排装卸工班次、预留机械设备或平衡各收货口的作业压力，避免出现“人等货”或“货堵门”的效率瓶颈。 2.基于工作量当量的计件绩效改革：该数据集服务于人力资源或物流运营部门的绩效管理。传统的“按单计件”或“按件计酬”模式对处理重货或复杂线缆的员工的投入与回报不匹配。利用本数据集中的“物流作业负荷分”，企业可建立基于“标准工时当量”的公平计酬体系，有效激励员工处理高难度物资的积极性。

采购订单 供应商 商品编码 单位 主数量 单位作业权重 数量级指数 物流作业负荷分 作业模式推荐 PO-20250811-001 GDZTSCB0001 40300001 把 20.00 1 1.3 1.3 轻载-人工搬运 PO-20250811-002 GDZTSCB0002 043-2203-00023 个 10.00 1 1 1 轻载-人工搬运 PO-20250811-002 GDZTSCB0003 043240700001 个 10.00 1 1 1 轻载-人工搬运

序号 字段名称 字段类型 字段示例值 1 采购订单 VARCHAR(50) PO-20250812-001 2 供应商 VARCHAR(50) GDZTSCB0005 3 商品编码 VARCHAR(50) 011000002 4 单位 VARCHAR(10) 米 5 主数量 DECIMAL(10,2) 100 6 单位作业权重 DECIMAL(4,2) 3 7 数量级指数 DECIMAL(6,2) 2 8 物流作业负荷分 DECIMAL(10,2) 6 9 作业模式推荐 VARCHAR(50) 中载-手推车/点数机