CN109615184A - 零售企业门店自动配货、补货、调货的方法及系统 - Google Patents
零售企业门店自动配货、补货、调货的方法及系统 Download PDFInfo
- Publication number
- CN109615184A CN109615184A CN201811370472.0A CN201811370472A CN109615184A CN 109615184 A CN109615184 A CN 109615184A CN 201811370472 A CN201811370472 A CN 201811370472A CN 109615184 A CN109615184 A CN 109615184A
- Authority
- CN
- China
- Prior art keywords
- shops
- goods
- inventory
- decision factor
- factor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种零售企业门店自动配货、补货、调货的方法及系统,包括:建立并存储企业库存标准及基础规则;建立决策因子获取模块,自动获取参与决策的决策因子和/或自定义输入决策因子;自动生成或用户自定义输入规则因子,结合决策因子,自动生成或根据用户自定义生成门店目标库存策略;周期性执行上述门店目标库存策略,计算得出各个门店目标库存;基于上述企业库存标准设置门店库存的标准,实现门店目标库存;设置门店库存分货策略,生成总仓到各个门店的订单;进行配货操作。通过将静态数据与动态数据分类存储,并且根据门店及商品的实时状态对相关的策略加以调整,使得商品及门店的目标库存及分货都能够实现最优化,减少企业物流成本。
Description
技术领域
本发明涉及管理信息系统技术领域,更具体地说,它涉及一种零售企业门店自动配货、补货、调货的方法及系统。
背景技术
零售行业是指通过买卖形式将工农业生产者生产的产品直接售给居民作为生活消费用或售给社会集团供公共消费用的商品销售行业。零售行业解决的核心问题就是人货场的匹配,让合适的商品、在合适的时间、在合适的门店货架、以合适的价格出售给消费者,由此可以大大削减仓储及物流成本。
现有的企业在门店配货、补货、调货方面主要依靠人工分析处理,其中考虑的因素大部分是静态因素,如零售店的负责人不会去动态的考虑天气因素给销售带来的影响等。商品如何以合适的库存保有在门店,多货、少货商品在各门店间进行有效流动是目前行业持续解决的主要问题,具体面临的问题包括;
(1)门店越来越多时,需要大量的商品人员进行配补货调度,成本高企;
(2)消费者需求的个性化、多样性是新零售时代的需求,SKU规模越来越大;
(3)人的经验参差不齐、精力有限、判断存在个体差异。
上述问题的存在,最终导致商品配货的不及时、不全面、不准确,无法量化执行效果,因人力成本高、库存积压和缺货导致企业蒙受大量损失。如何精准的实现企业门店的自动配货、补货、调货是降低零售企业成本的关键。
发明内容
针对实际运用中零售行业配货、补货、调货不能做到及时准确,使得零售企业成本难降这一问题,本发明目的一在于提出一种零售企业门店自动配货、补货、调货的方法,基于上述方法,提升零售企业配补货及调货的准确度及效率;基于上述方法,本发明目的二在于提供一种零售企业门店自动配货、补货、调货的系统,基于上述系统,用户可以方便地根据需要调整配补货及调货规则,得到最优的配补货执行方案,降低零售企业的物流及仓储等成本,具体方案如下:
一种零售企业门店自动配货、补货、调货的方法,包括:
建立并存储企业库存标准以及配置可供用户选择的基础规则;
建立决策因子获取模块,基于数据库数据自动获取参与决策的决策因子和/或用户自定义输入决策因子;
基于上述基础规则,自动生成或用户自定义输入规则因子,结合所述决策因子,自动生成或根据用户自定义生成门店目标库存策略,上述门店目标库存策略包括适用的商品、门店以及目标库存算法;
周期性执行上述门店目标库存策略中的目标库存算法,计算得出各个门店目标库存;
基于上述企业库存标准设置门店库存标准,结合所述门店目标库存策略及人工调整,实现门店目标库存;
设置门店库存分货策略,包括适用的商品、门店以及库存分货算法,生成总仓到各个门店配货订单、退货订单、以及门店间的调货订单;
根据上述各个订单进行配货操作。
通过上述技术方案,建立商品与门店的静态指标和动态指标,在基础规则和企业库存标准得到有效执行的前提下根据实际情况对各项参数加以调整。采用上述方法,用户只需要输入或选择决策因子或规则因子便可以实现门店目标库存策略的生成,并且根据上述目标策略,能够准确实现最终的门店目标库存,后经库存分货策略实现商品的配货、补货以及调货,使得商品配货及时、全面、准确。
进一步的,所述基础规则的配置包括业务模式选择、策略执行周期以及策略执行设置。
通过上述技术方案,用户在进行数据输入前可以根据自身的需要事先选定一些基础的设置,后再上述基础设置的基础上加以展开细化,最终生成适合于各个门店及各个商品的门店目标库存策略以及门店库存分货策略。
进一步的,所述企业库存标准包括标准品类占比、库存金额预算、各级标准库存以及安全库存;
所述门店库存标准包括门店库存金额预算以及门店标准库存。
进一步的,所述建立决策因子获取模块,基于数据库数据自动获取决策因子参与决策和/或用户自定义输入决策因子包括:
建立用于存储各项决策因子的决策因子数据库,存储各个决策因子;
建立用于供用户输入决策因子或与外部网络连接自动获取决策因子的输入接口,用于实时更新数据库中存储的决策因子;
建立用于从数据库中调取决策因子或将决策因子录入到数据库中的规则算法。
通过上述技术方案,将一些基础的决策因子,如门店定位信息、历史销售数据信息存储在数据存储模块中,后期在进行决策时可以直接调用,方便快捷。
进一步的,所述决策因子包括总仓库存信息、各门店库存信息、门店定位信息、历史销售数据信息、商品生命周期信息以及天气节假日数据信息。
进一步的,所述规则因子包括分货原则、起订量要求、优先级控制、门店排序权重、门店库存限额以及信用额度控制。
进一步的,所述方法还包括:建立所述设置门店目标库存策略以及设置门店库存分货策略与适用的商品、门店及相关算法之间的对应关系。
通过上述技术方案,针对于每一个商品及门店均建立一套完整的门店目标库存策略以及门店库存分货策略,有助于实现商品、门店配货补货调货的精准化。
进一步的,所述方法还包括:
建立不同的基础规则与各个决策因子以及规则因子之间对应的存储或调用关系;
建立企业库存标准与门店库存标准之间对应的设置关系。
通过上述技术方案,当用户选择其中一个基础规则时,后续能够准确快速的调取到与上述基础规则相适配的其它规则因子或决策因子,不易出现错误并且可以有效提高效率。
基于上述的零售企业门店自动配货、补货、调货的方法,本发明还提出了一种零售企业门店自动配货、补货、调货的系统,包括交互模块、处理模块以及数据存储模块;
所述数据存储模块包括:
静态数据存储区,用于存储基础规则、企业库存标准、系统预置算法以及算法编辑器;
动态数据存储区,用于存储决策因子、规则因子、门店库存标准、门店目标库存以及自定义算法数据;
所述决策因子、规则因子作为所述基础规则的子集关联存储,门店库存标准作为所述企业库存标准的子集关联存储;
所述处理模块根据所述交互模块的指令操作调取数据存储模块中数据和/或算法进行运算处理并通过交互模块反馈数据结果。
进一步的,上述系统还包括:
外部数据获取模块,配置为与处理模块控制连接且与数据存储模块数据连接,用于获取外部网络数据参与数据处理和/或存储。
通过上述技术方案,各项规则因子以及决策因子对应的数据内容被存储在数据存储模块中,用户可以通过交互模块方便地调用动态数据存储区中的数据,并且根据实际情况加以修改。处理模块接收上述数据并根据系统预置算法或自定义编辑的算法对数据加以运算,输出需要的门店库存分货策略以及门店目标库存策略,实现各个门店各个商品配货补货以及调货的准确及时,降低企业的商品管理以及物流成本。
与现有技术相比,本发明的有益效果如下:
(1)通过将静态数据与动态数据分类存储,并且开放各级权限根据门店及商品的实时状态对相关的策略加以调整,使得商品及门店的目标库存以及分货都能够实现最优化,由此减少企业商品的存储、管理以及物流成本;
(2)通过设置上述管理系统,降低了门店目标库存策略以及门店库存分货策略中人为因素的干扰,使得数据的存储、调用以及计算更加的规范化,最终得到更加准确的数据结论,使得商品配货及时、全面、准确,并且可以量化执行效果,降低人力成本;
(3)通过设置上述系统,可以将经营中调货、补货、配货的决策过程加以记录存储,后续的经营活动可以从在前的决策过程中寻找到最优化的策略并加以应用。
附图说明
图1为本发明的方法示意图;
图2为本发明的结构框架示意图;
图3为本发明的系统构架图。
具体实施方式
下面结合实施例及图对本发明作进一步的详细说明,但本发明的实施方式不仅限于此。
一种零售企业门店自动配货、补货、调货的方法,主要目的在于提高商品以及门店的管理效率,降低企业商品的存储、管理以及物流成本。
当前的门店商品配货补货以及调货,多由人工去根据经验完成,在实际操作的过程中会人为地忽略掉许多决策因子以及规则因子,最后得到的结论并不能准确有效地解决库存积压或缺货的情况。基于上述实践中的不足之处,本发明所提出的方法,能够灵活地调动各项数据以及相关的计算规则。
如图1所示,包括:
S100,建立并存储企业库存标准以及配置可供用户选择的基础规则;
S200,建立决策因子获取模块,基于数据库数据自动获取参与决策的决策因子和/或用户自定义输入决策因子;
S300,基于上述基础规则,自动生成或用户自定义输入规则因子,结合所述决策因子,自动生成或根据用户自定义生成门店目标库存策略,上述门店目标库存策略包括适用的商品、门店以及目标库存算法;
S400,周期性执行上述门店目标库存策略中的目标库存算法,计算得出各个门店目标库存;
S500,基于上述企业库存标准设置门店库存的标准,结合所述门店目标库存策略及人工调整,实现门店目标库存;
S600,设置门店库存分货策略,包括适用的商品、门店以及库存分货算法,生成总仓到各个门店配货订单、退货订单、以及门店间的调货订单;
S700,根据上述各个订单进行配货操作。
在实践中,对于上述方法步骤的顺序并非固定,在此仅以上述顺序作为一特定的实施例加以说明。
上述步骤S100中,首先需要根据企业实际需要制定企业库存标准,上述标准作为一个静态的数据加以存储,具有最高的修改权限。在实践中,上述企业库存标准的设定主要基于门店定位(商圈定位、面积以及投资额等)、业绩目标以及零售经验人工定义。所述企业库存标准包括标准品类占比、库存金额预算、各级标准库存以及安全库存,上述数据作为静态数据存储在系统中。
上述静态的数据还包括针对于企业的具体情况,制定出的适于各个企业门店的基础规则,所述基础规则的配置包括业务模式选择、策略执行周期以及策略执行设置。上述基础规则作为基本运营规则被设置有最高修改权限。在实践中,上述业务模式包括但不限于直营、分销以及联营等,上述业务模式的选择直接影响着后续的规则因子的类别,如直营模式下便不会涉及信用额度控制。策略执行设置包括,如选定策略执行到哪一个阶段便停止执行等。
基于上述企业库存标准,在实践中,各级门店根据企业库存标准的范围,设置门店库存标准,门店库存标准包括门店库存金额预算以及门店标准库存。
基于上述基础规则,衍生制定出各项规则因子,上述规则因子的范围不超过基础规则的范围。上述规则因子包括但不限于分货原则、起订量要求、优先级控制、门店排序权重、门店库存限额以及信用额度控制,在实践中上述规则因子作为可选项由用户自行选择并且加以定义。
参见步骤S200,所述建立决策因子获取模块,基于数据库数据自动获取决策因子参与决策和/或用户自定义输入决策因子包括:
S201,建立用于存储各项决策因子的决策因子数据库,存储各个决策因子;
S202,建立用于供用户输入决策因子或与外部网络连接自动获取决策因子的输入接口,用于实时更新数据库中存储的决策因子;
S203,建立用于从数据库中调取决策因子或将决策因子录入到数据库中的规则算法。
上述技术方案,将一些基础的决策因子,如门店定位信息、历史销售数据信息存储在数据存储模块中,后期在进行决策时可以直接调用,方便快捷。
在本发明中,被存储调用的决策因子包括但不限于:总仓库存信息、各门店库存信息、门店定位信息、历史销售数据信息、商品生命周期信息、天气节假日数据信息、门店促销活动信息以及竞品店铺销售数据信息。上述数据信息作为动态数据加以存储,在使用过程中各个门店的店员或者相关的流程监控人员具有相应的修改权限。
上述决策因子,如天气节假日数据信息,可以直接由系统经过外部的网络自动获取,历史销售数据信息等存储于决策因子数据库中,上述设置使得各个决策因子的调用更加的方便快速,不易遗漏。
当用户选择其中一个基础规则时,为了能够准确快速的调取到与上述基础规则相适配的其它规则因子或决策因子,不易出现错误并且可以有效提高效率,所述方法还包括:
建立不同的基础规则与各个决策因子以及规则因子之间对应的存储或调用关系;
建立企业库存标准与门店库存标准之间对应的设置关系。
基于以上步骤S100和S200,步骤S300中,系统根据预定义的算法自动生成或根据用户自定义生成门店目标库存策略,上述门店目标库存策略包括适用的商品、门店以及目标库存算法。其中,目标库存算法可以由系统预置,也可以由用户利用系统中内置的算法编译器自行编辑。
在一特定的实施例中,上述系统预置的目标库存算法如下:
目标库存=日移动均销*配货周期天数*促销爆发度*产品波段权重*销售增长率*气象指数。
其中,日移动均销=SUM(最近N天销量)/N,其中N为移动均销统计周期,单位为天,用户可根据商品的销售历史影响情况设定,如设置为30~90天。
其中,配货周期天数为每个门店的配货周期,用户实际情况设定,比如7天配置一次,数值则为7。
促销爆发度,促销对销量的激励程度,参数由系统读取当前店铺促销信息折算,程度由用户设定,如一级促销-110%、二级促销-130%、三级促销-150%等。
产品波段权重是指产品处于上市周期的阶段,由当前时间结合波段时间计算,如2018年3月30日,未上市:30%;2018年4月1日~2018年8月30日,成长期:100%;2018年9月1日~2018年12月30日,爆发期:150%;2019年1月1日~2019年3月1日,衰退期:30%;2019年3月1日~,退市期:0%。
所述销售增长率由历史同期销量计算增长率,气象指数:未来配货周期的气温权重*未来配货周期内的晴雨权重。其中气温权重:0度对应10%;0~30度对应100%;35~50度对应30%,晴雨权重,晴天比例(数值)*100%,雨天比例(数值)*60%。
上述步骤S300方法还包括:建立所述设置门店目标库存策略以及设置门店库存分货策略与适用的商品、门店及相关算法之间的对应关系。针对于每一个商品及门店均建立一套完整的门店目标库存策略以及门店库存分货策略,有助于实现商品、门店配货补货调货的精准化。
基于上述技术方案,建立商品与门店的静态指标和动态指标,在基础规则和企业库存标准得到有效执行的前提下根据实际情况对各项参数加以调整。采用上述方法,用户只需要选定门店目标库存策略,再在门店目标库存策略中选择决策因子便可以实现门店目标库存策略的生成,并且根据上述目标策略,能够准确实现最终的门店目标库存,后经库存分货策略实现商品的配货、补货以及调货,使得商品配货及时、全面、准确。
在一设定的实施例中,上述库存分货策略可采用如下逻辑方式得到:
X=0.6*Z;
F1(X);
Y=0.6*Z;
F2(Y);
F1{
如果分配后的剩余库存低于安全库存,则待分配库存为0
};
F2{
门店排序,然后按排序依次满足
}。
其中,X为待分配库存1,Y为待分配库存2,Z为在库库存,函数F1为安全库存分配逻辑,函数F2为门店等级算法。
基于上述的零售企业门店自动配货、补货、调货的方法,本发明还提出了一种零售企业门店自动配货、补货、调货的系统,如图2和图3所示,包括交互模块、处理模块以及数据存储模块。
所述数据存储模块包括:
静态数据存储区,用于存储基础规则、企业库存标准、系统预置算法以及算法编辑器;
动态数据存储区,用于存储决策因子、规则因子、门店库存标准、门店目标库存以及自定义算法数据;
所述决策因子、规则因子作为所述基础规则的子集关联存储,门店库存标准作为所述企业库存标准的子集关联存储。所述处理模块根据所述交互模块的指令操作调取数据存储模块中数据和/或算法进行运算处理并通过交互模块反馈数据结果。
为了能够准确快速地获取到外部的实时数据,上述系统还包括:
外部数据获取模块,配置为与处理模块控制连接且与数据存储模块数据连接,用于获取外部网络数据参与数据处理和/或存储。
上述交互模块包括但不限于计算机输入装置,如鼠标、显示器、键盘等。
通过上述技术方案,各项规则因子以及决策因子对应的数据内容被存储在数据存储模块中,用户可以通过交互模块方便地调用动态数据存储区中的数据,并且根据实际情况加以修改。处理模块接收上述数据并根据系统预置算法或自定义编辑的算法对数据加以运算,输出需要的门店库存分货策略以及门店目标库存策略,实现各个门店各个商品配货补货以及调货的准确及时,降低企业的商品管理以及物流成本。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种零售企业门店自动配货、补货、调货的方法,其特征在于,包括:
建立并存储企业库存标准以及配置可供用户选择的基础规则;
建立决策因子获取模块,基于数据库数据自动获取参与决策的决策因子和/或用户自定义输入决策因子;
基于上述基础规则,自动生成或用户自定义输入规则因子,结合所述决策因子,自动生成或根据用户自定义生成门店目标库存策略,上述门店目标库存策略包括适用的商品、门店以及目标库存算法;
周期性执行上述门店目标库存策略中的目标库存算法,计算得出各个门店目标库存;
基于上述企业库存标准设置门店库存标准,结合所述门店目标库存策略及人工调整,实现门店目标库存;
设置门店库存分货策略,包括适用的商品、门店以及库存分货算法,生成总仓到各个门店配货订单、退货订单、以及门店间的调货订单;
根据上述各个订单进行配货操作。
2.根据权利要求1所述的方法,其特征在于,所述基础规则的配置包括业务模式选择、策略执行周期以及策略执行设置。
3.根据权利要求1所述的方法,其特征在于,所述企业库存标准包括标准品类占比、库存金额预算、各级标准库存以及安全库存;
所述门店库存标准包括门店库存金额预算以及门店标准库存。
4.根据权利要求1所述的方法,其特征在于,所述建立决策因子获取模块,基于数据库数据自动获取决策因子参与决策和/或用户自定义输入决策因子包括:
建立用于存储各项决策因子的决策因子数据库,存储各个决策因子;
建立用于供用户输入决策因子或与外部网络连接自动获取决策因子的输入接口,用于实时更新数据库中存储的决策因子;
建立用于从数据库中调取决策因子或将决策因子录入到数据库中的规则算法。
5.根据权利要求4所述的方法,其特征在于,所述决策因子包括总仓库存信息、各门店库存信息、门店定位信息、历史销售数据信息、商品生命周期信息以及天气节假日数据信息。
6.根据权利要求1所述的方法,其特征在于,所述规则因子包括分货原则、起订量要求、优先级控制、门店排序权重、门店库存限额以及信用额度控制。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:建立所述门店目标库存策略以及设置门店库存分货策略与适用的商品、门店及相关算法之间的对应关系。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
建立不同的基础规则与各个决策因子以及规则因子之间对应的存储或调用关系;
建立企业库存标准与门店库存标准之间对应的设置关系。
9.一种零售企业门店自动配货、补货、调货的系统,其特征在于,基于权利要求1-8中任意一项所述的零售企业门店自动配货、补货、调货的方法,包括交互模块、处理模块以及数据存储模块;
所述数据存储模块包括:
静态数据存储区,用于存储基础规则、企业库存标准、系统预置算法以及算法编辑器;
动态数据存储区,用于存储决策因子、规则因子、门店库存标准、门店目标库存以及自定义算法数据;
所述决策因子、规则因子作为所述基础规则的子集关联存储,门店库存标准作为所述企业库存标准的子集关联存储;
所述处理模块根据所述交互模块的指令操作调取数据存储模块中数据和/或算法进行运算处理并通过交互模块反馈数据结果。
10.根据权利要求9所述的系统,其特征在于,所述系统还包括:
外部数据获取模块,配置为与处理模块控制连接且与数据存储模块数据连接,用于获取外部网络数据参与数据处理和/或存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811370472.0A CN109615184A (zh) | 2018-11-17 | 2018-11-17 | 零售企业门店自动配货、补货、调货的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811370472.0A CN109615184A (zh) | 2018-11-17 | 2018-11-17 | 零售企业门店自动配货、补货、调货的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109615184A true CN109615184A (zh) | 2019-04-12 |
Family
ID=66004688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811370472.0A Pending CN109615184A (zh) | 2018-11-17 | 2018-11-17 | 零售企业门店自动配货、补货、调货的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109615184A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163668A (zh) * | 2019-05-09 | 2019-08-23 | 杭州览众数据科技有限公司 | 一种基于关联规则及协同过滤的产品推荐方法 |
CN110490655A (zh) * | 2019-08-19 | 2019-11-22 | 广州凯晟信息科技有限公司 | 商品信息管理方法、装置、设备及计算机可读存储介质 |
CN110516998A (zh) * | 2019-08-14 | 2019-11-29 | 广州淘通科技股份有限公司 | 一种基于供应链需求关联的智能补货系统 |
CN110599096A (zh) * | 2019-09-12 | 2019-12-20 | 湖北三六五优米网络有限公司 | 一种智能配送规划系统 |
CN111144815A (zh) * | 2019-12-26 | 2020-05-12 | 上海京东到家元信信息技术有限公司 | 基于优先级规则的拣货仓商品选品系统以及使用方法 |
CN111178797A (zh) * | 2019-12-21 | 2020-05-19 | 武汉微批科技有限公司 | 一种库存补货调度方法及系统 |
CN111382973A (zh) * | 2020-03-03 | 2020-07-07 | 舟谱数据技术南京有限公司 | 一种基于经销商传统业务的门店智能补货系统 |
CN112101986A (zh) * | 2020-08-20 | 2020-12-18 | 上海伯俊软件科技有限公司 | 确定商品补调需求的方法及设备 |
CN112598096A (zh) * | 2020-12-15 | 2021-04-02 | 广州若羽臣科技股份有限公司 | 一种基于商品大数据的电子价签更新方法及系统 |
CN112785211A (zh) * | 2019-11-05 | 2021-05-11 | 北京京东振世信息技术有限公司 | 一种库存管理方法和装置 |
CN112862560A (zh) * | 2021-03-22 | 2021-05-28 | 于淼 | 一种基于物联网的电商交易平台及装置、电子设备 |
CN113065828A (zh) * | 2021-04-13 | 2021-07-02 | 武汉阿杜拉电子商务有限公司 | 基于数据云存储分析的商品库存智能管理分析调度方法 |
CN113537898A (zh) * | 2021-07-20 | 2021-10-22 | 广州品唯软件有限公司 | 自动配货方法、装置及计算机可读存储介质 |
CN113723877A (zh) * | 2021-08-18 | 2021-11-30 | 中国科学技术大学 | 一种基于二阶函数分解法的库存决策方法及系统 |
CN113762828A (zh) * | 2020-08-03 | 2021-12-07 | 北京京东振世信息技术有限公司 | 补货方法、装置、电子设备及存储介质 |
CN114118503A (zh) * | 2020-08-26 | 2022-03-01 | 上海顺如丰来技术有限公司 | 供应链库存优化方法、装置、设备和存储介质 |
CN115222342A (zh) * | 2022-09-20 | 2022-10-21 | 广州恒康信息科技有限公司 | 一种智能配补调方法、系统、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184507A (zh) * | 2011-05-16 | 2011-09-14 | 苏州两江科技有限公司 | 一种仓库补货方法 |
CN108090717A (zh) * | 2017-11-14 | 2018-05-29 | 上海伯俊软件科技有限公司 | 一种用于全渠道零售的云仓派单方法 |
CN108711021A (zh) * | 2018-04-25 | 2018-10-26 | 广州葵翼信息科技有限公司 | 一种自动售货柜的商品管理方法 |
-
2018
- 2018-11-17 CN CN201811370472.0A patent/CN109615184A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184507A (zh) * | 2011-05-16 | 2011-09-14 | 苏州两江科技有限公司 | 一种仓库补货方法 |
CN108090717A (zh) * | 2017-11-14 | 2018-05-29 | 上海伯俊软件科技有限公司 | 一种用于全渠道零售的云仓派单方法 |
CN108711021A (zh) * | 2018-04-25 | 2018-10-26 | 广州葵翼信息科技有限公司 | 一种自动售货柜的商品管理方法 |
Non-Patent Citations (1)
Title |
---|
陈宏亮: "连锁超市自有配送中心管理信息系统的设计与实现", 《万方》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163668A (zh) * | 2019-05-09 | 2019-08-23 | 杭州览众数据科技有限公司 | 一种基于关联规则及协同过滤的产品推荐方法 |
CN110163668B (zh) * | 2019-05-09 | 2021-12-07 | 杭州览众数据科技有限公司 | 一种基于关联规则及协同过滤的产品推荐方法及系统 |
CN110516998A (zh) * | 2019-08-14 | 2019-11-29 | 广州淘通科技股份有限公司 | 一种基于供应链需求关联的智能补货系统 |
CN110490655A (zh) * | 2019-08-19 | 2019-11-22 | 广州凯晟信息科技有限公司 | 商品信息管理方法、装置、设备及计算机可读存储介质 |
CN110599096A (zh) * | 2019-09-12 | 2019-12-20 | 湖北三六五优米网络有限公司 | 一种智能配送规划系统 |
CN112785211A (zh) * | 2019-11-05 | 2021-05-11 | 北京京东振世信息技术有限公司 | 一种库存管理方法和装置 |
CN111178797A (zh) * | 2019-12-21 | 2020-05-19 | 武汉微批科技有限公司 | 一种库存补货调度方法及系统 |
CN111144815A (zh) * | 2019-12-26 | 2020-05-12 | 上海京东到家元信信息技术有限公司 | 基于优先级规则的拣货仓商品选品系统以及使用方法 |
CN111382973A (zh) * | 2020-03-03 | 2020-07-07 | 舟谱数据技术南京有限公司 | 一种基于经销商传统业务的门店智能补货系统 |
CN111382973B (zh) * | 2020-03-03 | 2023-10-03 | 舟谱数据技术南京有限公司 | 一种基于经销商传统业务的门店智能补货系统 |
CN113762828A (zh) * | 2020-08-03 | 2021-12-07 | 北京京东振世信息技术有限公司 | 补货方法、装置、电子设备及存储介质 |
CN113762828B (zh) * | 2020-08-03 | 2024-04-09 | 北京京东振世信息技术有限公司 | 补货方法、装置、电子设备及存储介质 |
CN112101986A (zh) * | 2020-08-20 | 2020-12-18 | 上海伯俊软件科技有限公司 | 确定商品补调需求的方法及设备 |
CN114118503A (zh) * | 2020-08-26 | 2022-03-01 | 上海顺如丰来技术有限公司 | 供应链库存优化方法、装置、设备和存储介质 |
CN112598096B (zh) * | 2020-12-15 | 2021-07-20 | 广州若羽臣科技股份有限公司 | 一种基于商品大数据的电子价签更新方法及系统 |
CN112598096A (zh) * | 2020-12-15 | 2021-04-02 | 广州若羽臣科技股份有限公司 | 一种基于商品大数据的电子价签更新方法及系统 |
CN112862560A (zh) * | 2021-03-22 | 2021-05-28 | 于淼 | 一种基于物联网的电商交易平台及装置、电子设备 |
CN113065828A (zh) * | 2021-04-13 | 2021-07-02 | 武汉阿杜拉电子商务有限公司 | 基于数据云存储分析的商品库存智能管理分析调度方法 |
CN113537898A (zh) * | 2021-07-20 | 2021-10-22 | 广州品唯软件有限公司 | 自动配货方法、装置及计算机可读存储介质 |
CN113723877A (zh) * | 2021-08-18 | 2021-11-30 | 中国科学技术大学 | 一种基于二阶函数分解法的库存决策方法及系统 |
CN113723877B (zh) * | 2021-08-18 | 2023-11-17 | 中国科学技术大学 | 一种基于二阶函数分解法的库存决策方法及系统 |
CN115222342A (zh) * | 2022-09-20 | 2022-10-21 | 广州恒康信息科技有限公司 | 一种智能配补调方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109615184A (zh) | 零售企业门店自动配货、补货、调货的方法及系统 | |
Erdem et al. | Development of a decision support system for supplier evaluation and order allocation | |
Govindan | Vendor-managed inventory: a review based on dimensions | |
CN110392899A (zh) | 用于模型生成的动态特征选择 | |
CN106971249A (zh) | 一种销量预测及补货方法 | |
CN108629500A (zh) | 一种适用于新电改背景下电力客户综合价值评估方法 | |
CN107590561A (zh) | 一种基于电网线路运行误差远程校准的电能表有序换装方法 | |
KR102447055B1 (ko) | 제품 수요 예측 방법 및 장치 | |
CN107958297A (zh) | 一种产品需求预测方法及产品需求预测装置 | |
Shen et al. | Inventory management research for the fashion industry | |
CN114548871A (zh) | 一种大数据驱动的供应链ai智能补货系统 | |
Li et al. | Machine learning algorithm generated sales prediction for inventory optimization in cross-border E-commerce | |
Bashiri et al. | Supply chain design: A holistic approach | |
Ebrahimi et al. | Bi-objective build-to-order supply chain problem with customer utility | |
Radhakrishnan et al. | Genetic algorithm based inventory optimization analysis in supply chain management | |
Bardeji et al. | Perishable inventory management using GA-ANN and ICA-ANN | |
Filho et al. | A new approach for decision making in distribution supply chains: a theory of constraints perspective | |
CN113435541A (zh) | 品类规划方法、装置、存储介质及计算机设备 | |
Harrington et al. | Simulating the financial impact of marketing and logistics decisions | |
Nivasanon et al. | Demand forecasting for online market stock: Case study cleanroom apparel | |
Caglayan et al. | Sales forecasting by artificial neural networks for the apparel retail chain stores-An application | |
Garai et al. | Pricing strategy of competing retailers in a two layer supply chain under nonlinear stochastic demand | |
Ozturk et al. | Demand Forecasting with Clustering and Artificial Neural Networks Methods: An Application for Stock Keeping Units | |
Mishchenko | Management models of current assets in a trading company | |
CN116664052B (zh) | 基于人工智能的全域数字化运营管理方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |