CN110458347B - 快餐品补货方法、终端及计算机可读存储介质 - Google Patents
快餐品补货方法、终端及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110458347B CN110458347B CN201910706113.6A CN201910706113A CN110458347B CN 110458347 B CN110458347 B CN 110458347B CN 201910706113 A CN201910706113 A CN 201910706113A CN 110458347 B CN110458347 B CN 110458347B
- Authority
- CN
- China
- Prior art keywords
- calculated
- fast food
- calculation model
- calculation
- replenishment quantity
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 235000011888 snacks Nutrition 0.000 title claims description 77
- 238000004364 calculation method Methods 0.000 claims abstract description 506
- 235000013410 fast food Nutrition 0.000 claims abstract description 392
- 235000013305 food Nutrition 0.000 claims description 44
- 230000001960 triggered effect Effects 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000008676 import Effects 0.000 claims description 5
- 239000002994 raw material Substances 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 213
- 230000010354 integration Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 3
- 241000287828 Gallus gallus Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000015220 hamburgers Nutrition 0.000 description 1
- 235000015243 ice cream Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种快餐品补货方法、终端及计算机可读存储介质,该方法包括:通过在接收到快餐品补货量的计算指令时,获取对应的预测消耗量计算模型及待计算快餐品信息,再通过获取该待计算快餐品信息在该快餐品数据库中对应的第一原始计算数据,计算得到该快餐品的预测消耗量,并获取该补货量计算模型,及获取该补货量计算模型在该快餐品数据库中对应的第二原始计算数据,基于该第二原始计算数据、该预测消耗量及该补货量计算模型,计算得到并输出该待计算快餐品信息的目标补货量结果。从而解决了无法精细化预测快餐品补货量的技术问题,提高了快餐品补货量的预测准确率,降低了快餐品补货数据误差。
Description
技术领域
本发明属于快餐品技术领域,尤其涉及一种快餐品补货方法、终端及计算机可读存储介质。
背景技术
随着现代人的生活、工作节奏的加快,快餐行业得到快速发展,各种各样的快餐品应运而生,因此,对快餐连锁门店的快餐品的补货预测问题,成为需要解决的技术问题。
目前,随着科技的进步,传统人工记录快餐品的进货数量、进货型号、进货路线、出货数量、出货型号、出货路线及货运员已经渐渐被计算机所取代。然而,现有技术一般通过固定单一补货计算模型,对所有类型的快餐品补货量进行预算,因此存在无法精细化预测快餐品补货量的技术问题,导致出现缺货或库存积压现象,增加运营成本,影响快餐连锁门店正常销售。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种快餐品补货方法、终端及计算机可读存储介质,旨在解决无法精细化预测快餐品补货量的技术问题。
为实现上述目的,本发明提出快餐品补货方法,所述快餐品补货方法包括以下步骤:
在接收到快餐品补货量的计算指令时,获取所述计算指令对应的待计算快餐品信息及对应的预测消耗量计算模型;
基于所述预测消耗量计算模型、所述待计算快餐品信息及快餐品数据库,获取所述待计算快餐品信息在所述快餐品数据库中对应的第一原始计算数据;
基于所述第一原始计算数据及所述预测消耗量计算模型,计算得到所述待计算快餐品信息的预测消耗量,并获取所述补货量计算模型;
基于所述补货量计算模型及所述待计算快餐品信息,获取所述补货量计算模型在所述快餐品数据库中对应的第二原始计算数据;
基于所述第二原始计算数据、所述预测消耗量及所述补货量计算模型,计算得到并输出所述待计算快餐品信息的目标补货量结果。
可选地,所述在接收到快餐品补货量的计算指令时,获取所述计算指令对应的待计算快餐品信息及对应的预测消耗量计算模型的步骤包括:
在接收到快餐品补货量的计算指令时,获取所述计算指令对应的待计算快餐品信息,并显示包含计算模型编辑框的界面;
基于所述包含计算模型编辑框的界面,获取用户输入的所述计算指令对应的所述预测消耗量计算模型。
可选地,所述基于所述包含计算模型编辑框的界面,获取用户输入的所述计算指令对应的所述预测消耗量计算模型的步骤包括:
基于所述包含计算模型编辑框的界面,获取用户输入的计算模型时,检测所述用户输入的计算模型是否属于预设预测消耗量计算模型范畴;
若属于预设预测消耗量计算模型范畴,则确定所述用户输入的计算模型为预测消耗量计算模型,并获取对应的待计算快餐品信息。
可选地,所述在接收到快餐品补货量的计算指令时,获取所述计算指令对应的待计算快餐品信息及对应的预测消耗量计算模型的步骤包括:
在接收到快餐品补货量的计算指令时,获取所述计算指令对应的待计算快餐品信息,并显示包含所述预测消耗量计算模型选择指令的选择界面;
在接收到用户基于所述选择界面触发的选择指令时,获取所述触发的选择指令对应的预测消耗量计算模型及对应的待计算快餐品信息。
可选地,所述基于所述预测消耗量计算模型、所述待计算快餐品信息及快餐品数据库,获取所述待计算快餐品信息在所述快餐品数据库中对应的第一原始计算数据的步骤包括:
基于所述待计算快餐品信息及所述预测消耗量计算模型,识别出所述预测消耗量计算模型对应的所述待计算快餐品信息对应的第一待计算项;
基于所述第一待计算项,在所述快餐品数据库中查询到所述第一待计算项对应的计算数据;
检测所述第一待计算项对应的计算数据是否为当前最新版本的计算数据;
若为当前最新版本的计算数据,则确定所述当前最新版本的计算数据为所述待计算快餐品信息对应的第一原始计算数据。
可选地,所述基于所述待计算快餐品信息及所述预测消耗量计算模型,识别出所述预测消耗量计算模型对应的所述待计算快餐品信息对应的第一待计算项的步骤包括:
基于所述待计算快餐品信息及所述日均预测消耗量计算模型,识别出所述日均预测消耗量计算模型对应的所述待计算快餐品信息对应的第一待计算项。
可选地,所述基于所述补货量计算模型及所述待计算快餐品信息,获取所述补货量计算模型在所述快餐品数据库中对应的第二原始计算数据的步骤包括:
基于所述补货量计算模型、所述待计算快餐品信息及快餐品数据库,识别出所述补货量计算模型对应的所述待计算快餐品信息对应的第二待计算项;
基于所述第二待计算项,在所述快餐品数据库中查询到所述第二待计算项对应的计算数据;
检测所述第二待计算项对应的计算数据是否为当前最新版本的计算数据;
若所述第二待计算项对应的计算数据为当前最新版本的计算数据,则确定所述当前最新版本的计算数据为所述待计算快餐品信息对应的第二原始计算数据。
可选地,所述基于所述第二原始计算数据、所述预测消耗量及所述补货量计算模型,计算得到并输出所述待计算快餐品信息的目标补货量结果的步骤包括:
基于所述第二原始计算数据、所述预测消耗量及所述补货量计算模型,计算得到所述待计算快餐品信息的目标补货量结果;
并将所述目标补货量结果显示在显示界面。
此外,为实现上述目的,本发明还提供一种终端,所述终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的快餐品补货程序,所述快餐品补货程序被所述处理器执行时实现如上文所述的快餐品补货方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有快餐品补货程序,所述快餐品补货程序被处理器执行时实现如上文所述的快餐品补货方法的步骤。
本发明技术方案中,通过在接收到快餐品补货量的计算指令时,获取计算指令对应的待计算快餐品信息及对应的预测消耗量计算模型,基于该预测消耗量计算模型、该待计算快餐品信息及快餐品数据库,获取该待计算快餐品信息在该快餐品数据库中对应的第一原始计算数据,基于该第一原始计算数据及该预测消耗量计算模型,计算得到该快餐品的预测消耗量,并获取该补货量计算模型,基于该补货量计算模型及该待计算快餐品信息,获取该补货量计算模型在该快餐品数据库中对应的第二原始计算数据,基于该第二原始计算数据、该预测消耗量及该补货量计算模型,计算得到并输出该待计算快餐品信息的目标补货量结果。本发明解决了无法精细化预测快餐品补货量的技术问题,实现了对快餐品补货量的精细化预测,从而提高了快餐品补货量的预测准确率,降低了快餐品补货数据误差,进而减少了快餐品缺货或库存积压现象,节约了运营成本。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的终端的结构示意图;
图2为本发明快餐品补货方法第一实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例的解决方案主要是:通过检测超文本5.0Html5的video标签是否被拦截,在该video标签被拦截时,创建预设视频播放器,通过该预设视频播放器,获取并播放该播放指令对应的待播放内嵌视频文件。本发明避免了部分浏览器无法兼容的技术问题,提高了内嵌视频播放的稳定性。
本发明实施例提出一种终端。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的终端的结构示意图。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
如图1所示,该终端可以包括:处理器1001、通信总线1002、用户接口1003、网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatilememory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端结构的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块以及快餐品补货程序。
本发明中,终端通过处理器1001调用存储器1005中存储的快餐品补货程序,并执行以下操作:
在接收到快餐品补货量的计算指令时,获取所述计算指令对应的待计算快餐品信息及对应的预测消耗量计算模型;
基于所述预测消耗量计算模型、所述待计算快餐品信息及快餐品数据库,获取所述待计算快餐品信息在所述快餐品数据库中对应的第一原始计算数据;
基于所述第一原始计算数据及所述预测消耗量计算模型,计算得到所述待计算快餐品信息的预测消耗量,并获取所述补货量计算模型;
基于所述补货量计算模型及所述待计算快餐品信息,获取所述补货量计算模型在所述快餐品数据库中对应的第二原始计算数据;
基于所述第二原始计算数据、所述预测消耗量及所述补货量计算模型,计算得到并输出所述待计算快餐品信息的目标补货量结果。
进一步地,处理器1001可以调用存储器1005中存储的快餐品补货程序,还执行以下操作:
在接收到快餐品补货量的计算指令时,获取所述计算指令对应的待计算快餐品信息,并显示包含计算模型编辑框的界面;
基于所述包含计算模型编辑框的界面,获取用户输入的所述计算指令对应的所述预测消耗量计算模型。
进一步地,处理器1001可以调用存储器1005中存储的快餐品补货程序,还执行以下操作:
基于所述包含计算模型编辑框的界面,获取用户输入的计算模型时,检测所述用户输入的计算模型是否属于预设预测消耗量计算模型范畴;
若属于预设预测消耗量计算模型范畴,则确定所述用户输入的计算模型为预测消耗量计算模型,并获取对应的待计算快餐品信息。
进一步地,处理器1001可以调用存储器1005中存储的快餐品补货程序,还执行以下操作:
在接收到快餐品补货量的计算指令时,获取所述计算指令对应的待计算快餐品信息,并显示包含所述预测消耗量计算模型选择指令的选择界面;
在接收到用户基于所述选择界面触发的选择指令时,获取所述触发的选择指令对应的预测消耗量计算模型及对应的待计算快餐品信息。
进一步地,处理器1001可以调用存储器1005中存储的快餐品补货程序,还执行以下操作:
基于所述待计算快餐品信息及所述预测消耗量计算模型,识别出所述预测消耗量计算模型对应的所述待计算快餐品信息对应的第一待计算项;
基于所述第一待计算项,在所述快餐品数据库中查询到所述第一待计算项对应的计算数据;
检测所述第一待计算项对应的计算数据是否为当前最新版本的计算数据;
若为当前最新版本的计算数据,则确定所述当前最新版本的计算数据为所述待计算快餐品信息对应的第一原始计算数据。
进一步地,处理器1001可以调用存储器1005中存储的快餐品补货程序,还执行以下操作:
基于所述待计算快餐品信息及所述日均预测消耗量计算模型,识别出所述日均预测消耗量计算模型对应的所述待计算快餐品信息对应的第一待计算项。
进一步地,处理器1001可以调用存储器1005中存储的快餐品补货程序,还执行以下操作:
基于所述补货量计算模型、所述待计算快餐品信息及快餐品数据库,识别出所述补货量计算模型对应的所述待计算快餐品信息对应的第二待计算项;
基于所述第二待计算项,在所述快餐品数据库中查询到所述第二待计算项对应的计算数据;
检测所述第二待计算项对应的计算数据是否为当前最新版本的计算数据;
若所述第二待计算项对应的计算数据为当前最新版本的计算数据,则确定所述当前最新版本的计算数据为所述待计算快餐品信息对应的第二原始计算数据。
进一步地,处理器1001可以调用存储器1005中存储的快餐品补货程序,还执行以下操作:
基于所述第二原始计算数据、所述预测消耗量及所述补货量计算模型,计算得到所述待计算快餐品信息的目标补货量结果;
并将所述目标补货量结果显示在显示界面。
本实施例通过上述方案,通过在接收到快餐品补货量的计算指令时,获取计算指令对应的待计算快餐品信息及对应的预测消耗量计算模型,基于该预测消耗量计算模型、该待计算快餐品信息及快餐品数据库,获取该待计算快餐品信息在该快餐品数据库中对应的第一原始计算数据,基于该第一原始计算数据及该预测消耗量计算模型,计算得到该快餐品的预测消耗量,并获取该补货量计算模型,基于该补货量计算模型及该待计算快餐品信息,获取该补货量计算模型在该快餐品数据库中对应的第二原始计算数据,基于该第二原始计算数据、该预测消耗量及该补货量计算模型,计算得到并输出该待计算快餐品信息的目标补货量结果,从而解决了无法精细化预测快餐品补货量的技术问题,实现了对快餐品补货量的精细化预测,从而提高了快餐品补货量的预测准确率,降低了快餐品补货数据误差,进而减少了快餐品缺货或库存积压现象,节约了运营成本。
基于上述硬件结构,提出本发明快餐品补货方法实施例。
参照图2,图2为本发明快餐品补货方法第一实施例的流程示意图。
在第一实施例中,所述快餐品补货方法包括以下步骤:
步骤S10,在接收到快餐品补货量的计算指令时,获取所述计算指令对应的待计算快餐品信息及对应的预测消耗量计算模型;
本实施例中快餐品补货方法应用于终端,该终端可以包括电视、电脑等固定终端,也包括手机、平板电脑、掌上电脑等移动终端。为说明方便,本实施例中的终端以移动终端手机进行说明。随着科技的进步,传统人工记录开餐品的进货数量、进货型号、进货路线、出货数量、出货型号、出货路线及货运员已经渐渐被计算机所取代。然而,现有技术一般通过固定单一补货计算模型,对所有类型的快餐品补货量进行预算,因此存在无法精细化预测快餐品补货量的技术问题,导致出现缺货或库存积压现象,增加运营成本,影响快餐连锁门店正常销售,为解决无法精细化预测快餐品补货量的技术问题,本实施例中提出一种快餐品补货方法。
本实施例中,该终端安装有自动补货平台(Auto Replenishment Platform,自动补货平台),为定周期补货业务提供自动计算门店快餐品货品补货量的平台系统,自动补货平台上包括快餐品数据库,该快餐品数据库包括门店所有快餐品的历史库存和销售信息,快餐品数据库中的数据和信息通过API接口(Application Programming Interface,应用程序接口)传输或CSV(Comma-Separated Values,逗号分隔值)格式文件导入的方式获取,并实时进行数据和信息更新。
本实施例中,在接收到快餐品补货量的计算指令时,获取计算指令对应的待计算快餐品信息及对应的预测消耗量计算模型,其中,该计算指令包括获取该计算指令对应的预测消耗量计算模型的指令,及获取对应的待计算快餐品信息的指令。
进一步地,在一种实施方式中,在接收到快餐品补货量的计算指令时,输出提醒用户输入计算指令对应的预测消耗量计算模型及待计算快餐品信息的提示信息,在接收到用户基于该提示信息触发的输入的操作时,基于用户触发的输入操作,获取对应的预测消耗量计算模型及待计算快餐品信息,其中,需要说明的是,该待计算快餐品信息包括但不限于鸡翅、可乐、鸡腿包装袋等。
进一步地,在一种实施方式中,在接收到快餐品补货量的计算指令时,显示包含待计算快餐品信息选择指令的选择界面,在接收到用户基于该选择界面触发的待计算快餐品信息的选择指令时,获取该待计算快餐品信息的选择指令对应的待计算快餐品信息。
步骤S20,基于所述预测消耗量计算模型、所述待计算快餐品信息及快餐品数据库,获取所述待计算快餐品信息在所述快餐品数据库中对应的第一原始计算数据;
本实施例中,基于预测消耗量计算模型、待计算快餐品信息及快餐品数据库,获取待计算快餐品信息在该快餐品数据库中对应的第一原始计算数据,其中,需要说明的是,第一原始计算数据和待计算快餐品信息需要提前在快餐品数据库中进行设置,并关联保存。
进一步地,在一种实施方式中,基于该预测消耗量计算模型、该待计算快餐品信息及快餐品数据库,检测该待计算快餐品信息在该快餐品数据库中是否存在对应匹配的预设快餐品信息,若存在对应匹配的预设快餐品信息,则确定该待计算快餐品信息为目标计算快餐品信息,则获取该目标计算快餐品信息在快餐品数据库中对应的第一原始计算数据,若不存在对应匹配的预设快餐品信息,则输出预设提示信息,以提醒用户该待计算快餐品信息错误,是否重新输入,其中,需要说明的是,该预设提示信息可以包括但不限于预设文字提示信息和预设语音提示信息,需要提前在终端中进行设置。
步骤S30,基于所述第一原始计算数据及所述预测消耗量计算模型,计算得到所述待计算快餐品信息的预测消耗量,并获取所述补货量计算模型;
本实施例中,基于第一原始计算数据及预测消耗量计算模型,计算得到待计算快餐品信息的预测消耗量,并获取补货量计算模型,其中,需要说明的是,该补货量计算模型需要提前在终端中进行设置。
进一步地,在一种实施方式中,基于第一原始计算数据及预测消耗量计算模型,计算得到待计算快餐品信息的预测消耗量,将该预测消耗量输出到终端的显示界面,以供用户知晓该预测消耗量,并获取补货量计算模型。
进一步地,在一种实施方式中,基于第一原始计算数据及预测消耗量计算模型,计算得到待计算快餐品信息的预测消耗量,将该预测消耗量结果输出到终端的显示界面,并基于该显示界面输出是否获取补货量计算模型以进行下一步运算的选择指令,在接收到获取补货量计算模型以进行下一步运算的选择指令时,获取该选择指令对应的补货量计算模型,若未接收到获取补货量计算模型以进行下一步运算的选择指令时,终止此次计算操作。
步骤S40,基于所述补货量计算模型及所述待计算快餐品信息,获取所述补货量计算模型在所述快餐品数据库中对应的第二原始计算数据;
本实施例中,基于接收到的补货量计算模型及待计算快餐品信息,获取该补货量计算模型在快餐品数据库中对应的第二原始计算数据,其中,需要说明的是,第二原始计算数据需要提前在快餐品数据库中进行设置,且补货量计算模型与该第二原始计算数据需要预先进行关联保存在快餐品数据库中。
步骤S50,基于所述第二原始计算数据、所述预测消耗量及所述补货量计算模型,计算得到并输出所述待计算快餐品信息的目标补货量结果。
本实施例中,基于第二原始计算数据、预测消耗量及补货量计算模型,计算得到并输出该待计算快餐品信息的目标补货量结果,其中,需要说明的是输出该待计算快餐品信息的目标补货量结果的输出方式包括语音输出方式和文字输出方式。
具体地,在一种实施方式中,基于第二原始计算数据、预测消耗量及补货量计算模型,计算得到该待计算快餐品信息的目标补货量结果,将该目标补货量结果通过预设语音输出方式或/和预设文字输出方式输出,其中,通过预设文字输出方式,将该目标补货量结果显示在终端的显示界面上,需要说明的是,预设语音输出方式和预设文字输出方式都需要预先在终端中进行设置。
本实施例中,通过在接收到快餐品补货量的计算指令时,获取计算指令对应的待计算快餐品信息及对应的预测消耗量计算模型,基于该预测消耗量计算模型、该待计算快餐品信息及快餐品数据库,获取该待计算快餐品信息在该快餐品数据库中对应的第一原始计算数据,基于该第一原始计算数据及该预测消耗量计算模型,计算得到该快餐品的预测消耗量,并获取该补货量计算模型,基于该补货量计算模型及该待计算快餐品信息,获取该补货量计算模型在该快餐品数据库中对应的第二原始计算数据,基于该第二原始计算数据、该预测消耗量及该补货量计算模型,计算得到并输出该待计算快餐品信息的目标补货量结果,从而解决了无法精细化预测快餐品补货量的技术问题,实现了对快餐品补货量的精细化预测,从而提高了快餐品补货量的预测准确率,降低了快餐品补货数据误差,进而减少了快餐品缺货或库存积压现象,节约了运营成本。
进一步地,基于第一实施例,提出本发明快餐品补货方法第二实施例,所述步骤S10包括:
步骤S101,在接收到快餐品补货量的计算指令时,获取所述计算指令对应的待计算快餐品信息,并显示包含计算模型编辑框的界面;
步骤S102,基于所述包含计算模型编辑框的界面,获取用户输入的所述计算指令对应的所述预测消耗量计算模型。
本实施例中,通过在接收到快餐品补货量的计算指令时,显示包含文字编辑框的界面,基于该包含文字编辑框的界面,获取用户基于该包含文字编辑框的界面输入的待计算快餐品信息,并显示包含计算模型编辑框的界面,基于该包含计算模型编辑框的界面,获取用户输入的该计算指令对应的该预测消耗量计算模型。
进一步地,在一种实施方式中,在接收到快餐品补货量的计算指令时,显示包含文字编辑框的界面,基于该包含文字编辑框的界面,获取用户基于该包含文字编辑框的界面输入的待计算快餐品信息,并检测用户基于该包含文字编辑框的界面输入的待计算快餐品信息是否符合待计算快餐品信息的预设条件,若符合待计算快餐品信息的预设条件,则确定用户基于该包含文字编辑框的界面输入的待计算快餐品信息为目标待计算快餐品信息,则显示包含计算模型编辑框的界面,若用户基于该包含文字编辑框的界面输入的待计算快餐品信息不符合待计算快餐品信息的预设条件,则输出预设提醒信息,提醒用户该输入的待计算快餐品信息不符合待计算快餐品信息的预设条件,以便提醒用户是否进行重新输入操作。
本实施例中,通过在接收到快餐品补货量的计算指令时,显示包含文字编辑框的界面,基于该包含文字编辑框的界面,获取用户基于该包含文字编辑框的界面输入的待计算快餐品信息,并显示包含计算模型编辑框的界面,基于该包含计算模型编辑框的界面,获取用户输入的该计算指令对应的该预测消耗量计算模型,从而实现了对计算指令对应的预测消耗量计算模型及对应的待计算快餐品信息的获取,为后续计算目标补货量提供了技术支持。
进一步地,基于第二实施例,提出本发明快餐品补货方法第三实施例,所述步骤S102包括:
步骤S1021,基于所述包含计算模型编辑框的界面,获取用户输入的计算模型时,检测所述用户输入的计算模型是否属于预设预测消耗量计算模型范畴;
步骤S1022,若属于预设预测消耗量计算模型范畴,则确定所述用户输入的计算模型为预测消耗量计算模型,并获取对应的待计算快餐品信息。
本实施例中,通过基于该包含计算模型编辑框的界面,获取用户输入的计算模型时,检测该用户输入的计算模型是否属于预设预测消耗量计算模型范畴,若该用户输入的计算模型属于预设预测消耗量计算模型范畴,则确定该用户输入的计算模型为预测消耗量计算模型,并获取对应的待计算快餐品信息。
进一步地,在一种实施方式中,通过基于该包含计算模型编辑框的界面,获取用户输入的计算模型时,检测该用户输入的计算模型是否属于预设预测消耗量计算模型范畴,若该用户输入的计算模型不属于预设预测消耗量计算模型范畴,则输出提醒信息,以提醒用户该用户输入的计算模型不属于预设预测消耗量计算模型范畴,以便用户是否进行再次输入计算模型的操作。
进一步地,在一种实施方式中,需要说明的是预设预测消耗量计算模型范畴需要提前在终端中进行设置,预设预测消耗量计算模型范畴包括至少一种预测消耗量计算模型,具体地,例如预设预测消耗量计算模型范畴包括但不限于日均预测消耗量计算模型、预测Prophet数据预测模型和差分整合移动平均自回归模型,在检测到用户输入的计算模型属于上述预设预测消耗量计算模型范畴内的计算模型之一,则确定用户输入的计算模型为预测消耗量计算模型,并获取对应的待计算快餐品信息。
进一步地,在一种实施方式中,需要说明的是,预测Prophet数据预测模型,是脸书Facebook开源一款基于Python和R语言的数据预测工具即“先知”。预测Prophet数据预测模型为y(t)=g(t)+s(s)+h(t)+∈t,其中,模型将时间序列分成3个部分的叠加,其中,g(t)表示增长函数,用来拟合非周期性变化;s(t)用来表示周期性变化,比如说每周,每年,季节等,h(t)表示假期,节日等特殊原因等造成的变化,最后∈t为噪声项,表示随机无法预测的波动,本事实例中,将∈t确定为高斯的噪声项,在计算预测消耗量时,仅仅将时间作为拟合的数据,在接收到快餐品补货量的计算指令时,获取计算指令对应的预测Prophet数据预测模型及对应的待计算快餐品信息,基于该预测消耗量计算模型、该待计算快餐品信息及快餐品数据库,获取该待计算快餐品信息在该快餐品数据库中对应的第一原始计算数据,基于该第一原始计算数据及预测Prophet数据预测模型y(t)=g(t)+s(s)+h(t)+∈t,计算得到待计算快餐品信息的预测消耗量。
进一步地,在一种实施方式中,需要说明的是,差分整合移动平均自回归模型,是时间序列预测分析方法之一,英文为AutoregressiveIntegratedMovingAverage model,英文简写为ARIMA,ARIMA(p,d,q)模型可以表示为:
其中L是滞后算子(Lag operator),
ARIMA(p,d,q)中,AR是"自回归",p为自回归项数;MA为"滑动平均",q为滑动平均项数,d为使之成为平稳序列所做的差分次数(阶数),在接收到快餐品补货量的计算指令时,获取计算指令对应的预测Prophet数据预测模型及对应的待计算快餐品信息,基于该差分整合移动平均自回归模型、该待计算快餐品信息及快餐品数据库,获取该待计算快餐品信息在该快餐品数据库中对应的第一原始计算数据,基于该第一原始计算数据及差分整合移动平均自回归模型,计算得到待计算快餐品信息的预测消耗量。
本实施例中,通过在基于包含计算模型编辑框的界面,获取用户输入的计算模型时,检测该用户输入的计算模型是否属于预设预测消耗量计算模型范畴,若属于预设预测消耗量计算模型范畴,则确定该用户输入的计算模型为预测消耗量计算模型,并获取对应的待计算快餐品信息,实现了用户输入的计算模型的判断,从而对预测消耗量计算模型的确定,及对待计算快餐品信息的获取,进而为后续计算目标补货量提供了技术支持。
进一步地,基于第一实施例,提出本发明快餐品补货方法第四实施例,所述步骤S10包括:
步骤S103,在接收到快餐品补货量的计算指令时,获取所述计算指令对应的待计算快餐品信息,并显示包含所述预测消耗量计算模型选择指令的选择界面;
步骤S104,在接收到用户基于所述选择界面触发的选择指令时,获取所述触发的选择指令对应的预测消耗量计算模型及对应的待计算快餐品信息。
本实施例中,通过在接收到快餐品补货量的计算指令时,获取计算指令对应的待计算快餐品信息,并显示包含预测消耗量计算模型选择指令的选择界面,在接收到用户基于该选择界面触发的选择指令时,获取该触发的选择指令对应的预测消耗量计算模型及对应的待计算快餐品信息,其中,需要说明的是,选择指令及选择指令对应的预测消耗量计算模型,需要提前在终端中进行设置并关联保存。
进一步地,在一种实施方式中,在接收到快餐品补货量的计算指令时,显示包含该预测消耗量计算模型选择指令及各预测消耗量计算模型选择指令对应的选择提示信息的选择界面,在接收到用户基于该选择界面及该选择提示信息触发的选择指令时,获取该触发的选择指令对应的预测消耗量计算模型及对应的待计算快餐品信息。
进一步地,在一种实施方式中,需要说明的是,该选择提示信息是为了提醒用户对预测消耗量计算模型的选择标准,例如,该选择提示信息包括但不限于:日均预测消耗量计算模型的选择标准为日均量标准;Prophet数据预测模型的选择标准为年、周或假期的周期性标准和差分整合移动平均自回归模型的选择标准为消耗高平稳度标准。
进一步地,需要说明的是,日均预测消耗量计算模型的选择标准为日均量标准,主要针对历史消耗走势有规律的快餐品,一般规律周期为日或周,比如麦当劳的汉堡,一般本周从周一到周日的销售与上周周一到周日的消耗走势大致一致,这类型的快餐品选择日均预测消耗量计算模型,具体哪些快餐品适合选择日均预测消耗量计算模型,由用户依据销售经验进行选择和设定;Prophet数据预测模型,侧重周期较长时有一定消耗规律的快餐品,会受一些季节或者节假日影响销售的快餐品,例如冰淇淋,冬天较量较低,夏天销量大,可用Prophet数据预测模型。差分整合移动平均自回归模型,侧重不受特殊因素影响的快餐品,为快餐品门店内部日常消耗的快餐品,即消耗高平稳度的快餐品,其中,需要说明的是,消耗高平稳度是指待计算快餐品信息对应的一段时间内的消耗趋势是否属于达到高平稳性。
本实施例中,通过在接收到快餐品补货量的计算指令时,显示包含该预测消耗量计算模型选择指令的选择界面,在接收到用户基于该选择界面触发的选择指令时,获取该触发的选择指令对应的预测消耗量计算模型及对应的待计算快餐品信息,从而实现了对预测消耗量计算模型及待计算快餐品信息的获取,为后续计算目标补货量提供了技术支持。
进一步地,基于第一实施例,提出本发明快餐品补货方法第五实施例,所述步骤S20包括:
步骤S201,基于所述待计算快餐品信息及所述预测消耗量计算模型,识别出所述预测消耗量计算模型对应的所述待计算快餐品信息对应的第一待计算项;
步骤S202,基于所述第一待计算项,在所述快餐品数据库中查询到所述第一待计算项对应的计算数据;
步骤S203,检测所述第一待计算项对应的计算数据是否为当前最新版本的计算数据,若是,则执行步骤S204;
步骤S204,确定所述当前最新版本的计算数据为所述待计算快餐品信息对应的第一原始计算数据。
本实施例中,通过基于待计算快餐品信息及预测消耗量计算模型,识别出预测消耗量计算模型对应的待计算快餐品信息对应的第一待计算项,基于第一待计算项,在快餐品数据库中查询到第一待计算项对应的计算数据,检测第一待计算项对应的计算数据是否为当前最新版本的计算数据,若为当前最新版本的计算数据,则确定当前最新版本的计算数据为待计算快餐品信息对应的第一原始计算数据,其中,需要说明的是,第一原始计算数据及第一待计算项需要预先在终端中进行设置并进行关联保存。
进一步地,在一种实施方式中,基于待计算快餐品信息及预测消耗量计算模型,识别出预测消耗量计算模型对应的待计算快餐品信息对应的第一待计算项,其中,需要说明的是,该第一待计算项包括但不限于:快餐品门店名称、快餐品名称和快餐品对应的各原材料、周数、周权重、日权重等项目名称。其中,第一待计算项通过API接口传输或CSV格式文件导入的方式或用户人工手动输入的方式获取,并实时进行数据和信息更新。
进一步地,在一种实施方式中,基于该第一待计算项,在该快餐品数据库中查询到该第一待计算项对应的计算数据,其中,需要说明的是,第一待计算项及该第一待计算项对应的计算数据需要预先在快餐品数据库中进行设置并关联保存。
进一步地,在一种实施方式中,检测该第一待计算项对应的计算数据是否为当前最新版本的计算数据,若为当前最新版本的计算数据,则确定该当前最新版本的计算数据为该待计算快餐品信息对应的第一原始计算数据,若该第一待计算项对应的计算数据不是当前最新版本的计算数据,则输出预设提示信息,提醒用户该第一待计算项对应的计算数据不是当前最新版本的计算数据,并对该第一待计算项对应的计算数据更新为当前最新版本的计算数据。
可选地,步骤S201包括:基于所述待计算快餐品信息及所述日均预测消耗量计算模型,识别出所述日均预测消耗量计算模型对应的所述待计算快餐品信息对应的第一待计算项,其中,所述第一待计算项包括所述待计算快餐品信息对应的预设周数、周权重、日权重、日历史消耗量。
本实施例中,通过基于待计算快餐品信息及日均预测消耗量计算模型,识别出该日均预测消耗量计算模型对应的该待计算快餐品信息对应的第一待计算项,其中,该第一待计算项包括该待计算快餐品信息对应的预设周数、周权重、日权重、日历史消耗量。需要说明的是,该第一待计算项需要提前在快餐品数据库中进行设置。
进一步地,在一种实施方式中,从当天前一天起往前推,7天为一个自然周,不受自然周起始日影响,商品一周每一天的平均销售/采购数量,日均预测消耗量计算模型按日预测快餐品每日的消耗量。
具体地,预设(n+2)周的日均预测消耗量计算模型=第n预设周的预设第a日的消耗量qty*对应的第n预设周的周权重+第(n+1)预设周的预设第a日的消耗量qty*对应的第(n+1)预设周的周权重+第(n+2)预设周的预设第a日的消耗量qty*对应的第(n+2)预设周的周权重,其中,预设(n+2)周的(n+2)为预设周数,例如:预测待计算快餐品信息为LXL_i001的快餐品的日均预测消耗量,其中,预设周数为3周,三周内对应的第一待计算项:预设周、周权重、日权重、预设第a日、历史消耗日期、qty消耗量及周历史消耗汇总量,则以2019-05-22周五为起点,设置预设周数为3周,则取3周历史消耗量数据进行预测,则第一周历史消耗日期为:2019-05-15至2019-05-21;第二周历史消耗日期:2019-05-08至2019-05-14;第三周历史消耗日期:2019-05-01至2019-05-07;获取待计算快餐品信息lxl_i001这三周的消耗量,及预设周、周权重、预设第a日的具体数据如下:
进一步地,在检测到待计算快餐品信息LXL_i001的历史消耗日期2019/5/22预设第5日的快餐品补货量的计算指令时,获取第1预设周的预设第5日的消耗量qty*对应的第1预设周的周权重+第2预设周的预设第5日的消耗量qty*对应的第2预设周的周权重+第3预设周的预设第5日的消耗量qty*对应的第3预设周的周权重,即为:15*50%+15*35%+12*15%=14.55,14.55为待计算快餐品信息LXL_i001的预测消耗量,其中,需要说明的是,14.55的单位为待计算快餐品信息LXL_i001的货品单位,不同的货品单位不同,因此,本实施计算得到预测消耗量后,为后续计算对待计算快餐品信息对应的目标补货量结果,提供了技术支持。
本实施例中,通过基于待计算快餐品信息及预测消耗量计算模型,识别出预测消耗量计算模型对应的待计算快餐品信息对应的第一待计算项,基于第一待计算项,在快餐品数据库中查询到第一待计算项对应的计算数据,检测第一待计算项对应的计算数据是否为当前最新版本的计算数据,若为当前最新版本的计算数据,则确定当前最新版本的计算数据为待计算快餐品信息对应的第一原始计算数据,从而实现了对待计算快餐品信息在快餐品数据库中对应的第一原始计算数据的确定,为后续计算对待计算快餐品信息对应的目标补货量结果,提供了技术支持。
进一步地,基于第一实施例,提出本发明快餐品补货方法第六实施例,所述步骤S40包括:
步骤S401,基于所述补货量计算模型、所述待计算快餐品信息及快餐品数据库,识别出所述补货量计算模型对应的所述待计算快餐品信息对应的第二待计算项;
步骤S402,基于所述第二待计算项,在所述快餐品数据库中查询到所述第二待计算项对应的计算数据;
步骤S403,检测所述第二待计算项对应的计算数据是否为当前最新版本的计算数据;
步骤S404,若所述第二待计算项对应的计算数据为当前最新版本的计算数据,则确定所述当前最新版本的计算数据为所述待计算快餐品信息对应的第二原始计算数据。
本实施例中,基于补货量计算模型、待计算快餐品信息及快餐品数据库,识别出该补货量计算模型对应的该待计算快餐品信息对应的第二待计算项,基于该第二待计算项,在该快餐品数据库中查询到该第二待计算项对应的计算数据,检测该第二待计算项对应的计算数据是否为当前最新版本的计算数据,若该第二待计算项对应的计算数据为当前最新版本的计算数据,则确定该当前最新版本的计算数据为该待计算快餐品信息对应的第二原始计算数据,其中,该第二原始计算数据包括该待计算快餐品信息对应的安全库存、期初库存、缓冲比例buffer%和在途库存,需要说明的是,第二原始计算数据需要提前在快餐品数据库中进行设置,并将第二原始计算数据与对应的待计算快餐品信息进行关联保存。
进一步地,在一种实施方式中,基于补货量计算模型、待计算快餐品信息及快餐品数据库,识别出补货量计算模型对应的该待计算快餐品信息对应的第二待计算项,其中,需要说明的是,补货量计算模型=预测消耗量+安全库存+预测消耗量*buffer%-(期初库存+在途库存),其中,预测消耗为预测消耗量计算模型计算得到的待计算快餐品信息对应的消耗量,安全库存为仓库中对应的待计算快餐品信息的最低合理库存,期初库存为当前盘点的待计算快餐品信息对应的库存,在途库存为已经订货单还未到达仓库的待计算快餐品信息对应的数量,Buffer库存由用户人工输入到终端,根据快餐品门店的仓库大小、计划消耗量等综合因素确定一个固定值,Buffer%数据由人工预先输入到终端,其中,安全库存、期初库存、在途库存可以由人工手动输入到终端,也可通过API接口(ApplicationProgramming Interface,应用程序接口)传输或CSV(Comma-Separated Values,逗号分隔值)格式文件导入的方式获取,并实时进行数据和信息更新,安全库存、期初库存、在途库存受快餐品门店仓库大小、计划消耗量、节假日活动及天气等外界因素影响,实时进行数据和信息调整和更新。
进一步地,在一种实施方式中,基于该第二待计算项,在该快餐品数据库中查询到该第二待计算项对应的计算数据,检测该第二待计算项对应的计算数据是否为当前最新版本的计算数据,若该第二待计算项对应的计算数据为当前最新版本的计算数据,则确定该当前最新版本的计算数据为所述待计算快餐品信息对应的第二原始计算数据,若该第二待计算项对应的计算数据不是当前最新版本的计算数据,则输出预设提示信息,提醒用户该第二待计算项对应的计算数据不是当前最新版本的计算数据,并对该第二待计算项对应的计算数据更新为当前最新版本的计算数据。
本实施例中,通过基于补货量计算模型、待计算快餐品信息及快餐品数据库,识别出该补货量计算模型对应的该待计算快餐品信息对应的第二待计算项,基于该第二待计算项,在该快餐品数据库中查询到该第二待计算项对应的计算数据,检测该第二待计算项对应的计算数据是否为当前最新版本的计算数据,若该第二待计算项对应的计算数据为当前最新版本的计算数据,则确定该当前最新版本的计算数据为该待计算快餐品信息对应的第二原始计算数据,实现了对待计算快餐品信息在快餐品数据库中对应的第二原始计算数据的确定,为后续计算对待计算快餐品信息对应的目标补货量结果,提供了技术支持。
进一步地,基于第一至六中任一实施例,提出本发明快餐品补货方法第七实施例,所述步骤S50包括:
步骤S501,基于所述第二原始计算数据、所述预测消耗量及所述补货量计算模型,计算得到所述待计算快餐品信息的目标补货量结果;
步骤S502,并将所述目标补货量结果显示在显示界面。
本实施例中,通过基于该第二原始计算数据、该预测消耗量及该补货量计算模型,计算得到该待计算快餐品信息的目标补货量结果,并将该目标补货量结果显示在显示界面,其中,需要说明的是将该目标补货量结果显示在显示界面的显示方式可以包括但不限于文字输出方式,将该目标补货量结果显示在显示界面的显示方式,需要在终端中进行预先设置。
进一步地,在一种实施方式中,基于第二原始计算数据、预测消耗量及补货量计算模型,计算得到待计算快餐品信息的目标补货量结果,其中,补货量计算模型=预测消耗量+安全库存+预测消耗量*buffer%-(期初库存+在途库存),其中,预测消耗为预测消耗量计算模型计算得到的待计算快餐品信息对应的消耗量,安全库存为仓库中对应的待计算快餐品信息的最低合理库存,期初库存为当前盘点的待计算快餐品信息对应的库存,在途库存为已经订货单还未到达仓库的待计算快餐品信息对应的数量,Buffer库存由用户人工输入到终端,根据快餐品门店的仓库大小、计划消耗量等综合因素确定一个固定值,Buffer%数据由人工预先输入到终端,其中,安全库存、期初库存、在途库存可以由人工手动输入到终端,也可通过API接口(Application Programming Interface,应用程序接口)传输或CSV(Comma-Separated Values,逗号分隔值)格式文件导入的方式获取,并实时进行数据和信息更新,安全库存、期初库存、在途库存受快餐品门店仓库大小、计划消耗量、节假日活动及天气等外界因素影响,实时进行数据和信息调整和更新。
本实施例中,通过基于该第二原始计算数据、该预测消耗量及该补货量计算模型,计算得到该待计算快餐品信息的目标补货量结果,并将该目标补货量结果显示在显示界面,实现了对待计算快餐品信息的目标补货量结果的获取,从而解决了无法精细化预测快餐品补货量的技术问题,实现了对快餐品补货量的精细化预测,从而提高了快餐品补货量的预测准确率,降低了快餐品补货数据误差,进而减少了快餐品缺货或库存积压现象,节约了运营成本。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有快餐品补货程序,所述快餐品补货程序可被一个或者一个以上的处理器执行以用于:
在接收到快餐品补货量的计算指令时,获取所述计算指令对应的待计算快餐品信息及对应的预测消耗量计算模型;
基于所述预测消耗量计算模型、所述待计算快餐品信息及快餐品数据库,获取所述待计算快餐品信息在所述快餐品数据库中对应的第一原始计算数据;
基于所述第一原始计算数据及所述预测消耗量计算模型,计算得到所述待计算快餐品信息的预测消耗量,并获取所述补货量计算模型;
基于所述补货量计算模型及所述待计算快餐品信息,获取所述补货量计算模型在所述快餐品数据库中对应的第二原始计算数据;
基于所述第二原始计算数据、所述预测消耗量及所述补货量计算模型,计算得到并输出所述待计算快餐品信息的目标补货量结果。
进一步地,所述快餐品补货程序被处理器执行时还实现如下操作:
在接收到快餐品补货量的计算指令时,获取所述计算指令对应的待计算快餐品信息,并显示包含计算模型编辑框的界面;
基于所述包含计算模型编辑框的界面,获取用户输入的所述计算指令对应的所述预测消耗量计算模型。
进一步地,所述快餐品补货程序被处理器执行时还实现如下操作:
基于所述包含计算模型编辑框的界面,获取用户输入的计算模型时,检测所述用户输入的计算模型是否属于预设预测消耗量计算模型范畴;
若属于预设预测消耗量计算模型范畴,则确定所述用户输入的计算模型为预测消耗量计算模型,并获取对应的待计算快餐品信息。
进一步地,所述快餐品补货程序被处理器执行时还实现如下操作:
在接收到快餐品补货量的计算指令时,获取所述计算指令对应的待计算快餐品信息,并显示包含所述预测消耗量计算模型选择指令的选择界面;
在接收到用户基于所述选择界面触发的选择指令时,获取所述触发的选择指令对应的预测消耗量计算模型及对应的待计算快餐品信息。
进一步地,所述快餐品补货程序被处理器执行时还实现如下操作:
基于所述待计算快餐品信息及所述预测消耗量计算模型,识别出所述预测消耗量计算模型对应的所述待计算快餐品信息对应的第一待计算项;
基于所述第一待计算项,在所述快餐品数据库中查询到所述第一待计算项对应的计算数据;
检测所述第一待计算项对应的计算数据是否为当前最新版本的计算数据;
若为当前最新版本的计算数据,则确定所述当前最新版本的计算数据为所述待计算快餐品信息对应的第一原始计算数据。
进一步地,所述快餐品补货程序被处理器执行时还实现如下操作:
基于所述待计算快餐品信息及所述日均预测消耗量计算模型,识别出所述日均预测消耗量计算模型对应的所述待计算快餐品信息对应的第一待计算项。
进一步地,所述快餐品补货程序被处理器执行时还实现如下操作:
基于所述补货量计算模型、所述待计算快餐品信息及快餐品数据库,识别出所述补货量计算模型对应的所述待计算快餐品信息对应的第二待计算项;
基于所述第二待计算项,在所述快餐品数据库中查询到所述第二待计算项对应的计算数据;
检测所述第二待计算项对应的计算数据是否为当前最新版本的计算数据;
若所述第二待计算项对应的计算数据为当前最新版本的计算数据,则确定所述当前最新版本的计算数据为所述待计算快餐品信息对应的第二原始计算数据。
进一步地,所述快餐品补货程序被处理器执行时还实现如下操作:
基于所述第二原始计算数据、所述预测消耗量及所述补货量计算模型,计算得到所述待计算快餐品信息的目标补货量结果;
并将所述目标补货量结果显示在显示界面。
本发明计算机可读存储介质具体实施方式与上述快餐品补货方法各实施例基本相同,在此不再赘述。
本实施例通过上述方案,通过在接收到快餐品补货量的计算指令时,获取计算指令对应的待计算快餐品信息及对应的预测消耗量计算模型,基于该预测消耗量计算模型、该待计算快餐品信息及快餐品数据库,获取该待计算快餐品信息在该快餐品数据库中对应的第一原始计算数据,基于该第一原始计算数据及该预测消耗量计算模型,计算得到该快餐品的预测消耗量,并获取该补货量计算模型,基于该补货量计算模型及该待计算快餐品信息,获取该补货量计算模型在该快餐品数据库中对应的第二原始计算数据,基于该第二原始计算数据、该预测消耗量及该补货量计算模型,计算得到并输出该待计算快餐品信息的目标补货量结果,从而解决了无法精细化预测快餐品补货量的技术问题,实现了对快餐品补货量的精细化预测,从而提高了快餐品补货量的预测准确率,降低了快餐品补货数据误差,进而减少了快餐品缺货或库存积压现象,节约了运营成本。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种快餐品补货方法,其特征在于,所述快餐品补货方法包括以下步骤:
在接收到快餐品补货量的计算指令时,获取所述计算指令对应的待计算快餐品信息,并显示包含预测消耗量计算模型选择指令的选择界面,其中,所述选择界面包括为了提醒用户对预测消耗量计算模型的选择标准的选择提示信息;
在接收到用户基于所述选择界面触发的选择指令时,获取所述触发的选择指令对应的预测消耗量计算模型;
基于所述预测消耗量计算模型、所述待计算快餐品信息及快餐品数据库,获取所述待计算快餐品信息在所述快餐品数据库中对应的第一原始计算数据;
基于所述第一原始计算数据及所述预测消耗量计算模型,计算得到所述待计算快餐品信息的预测消耗量,并获取补货量计算模型;
基于所述补货量计算模型及所述待计算快餐品信息,获取所述补货量计算模型在所述快餐品数据库中对应的第二原始计算数据;
基于所述第二原始计算数据、所述预测消耗量及所述补货量计算模型,计算得到并输出所述待计算快餐品信息的目标补货量结果;
其中,所述基于所述预测消耗量计算模型、所述待计算快餐品信息及快餐品数据库,获取所述待计算快餐品信息在所述快餐品数据库中对应的第一原始计算数据的步骤包括:
基于所述待计算快餐品信息及所述预测消耗量计算模型,识别出所述预测消耗量计算模型对应的所述待计算快餐品信息对应的第一待计算项,其中,所述第一待计算项包括快餐品门店名称、快餐品名称和快餐品对应的各原材料、周数、周权重及日权重,其中,所述第一待计算项通过API接口传输或CSV格式文件导入的方式或用户人工手动输入的方式进行获取,并实时进行数据和信息的更新;
基于所述第一待计算项,在所述快餐品数据库中查询到所述第一待计算项对应的计算数据;
检测所述第一待计算项对应的计算数据是否为当前最新版本的计算数据;
若为当前最新版本的计算数据,则确定所述当前最新版本的计算数据为所述待计算快餐品信息对应的第一原始计算数据;
其中,所述在接收到快餐品补货量的计算指令时,获取所述计算指令对应的待计算快餐品信息及对应的预测消耗量计算模型的步骤包括:
在接收到快餐品补货量的计算指令时,获取所述计算指令对应的待计算快餐品信息,并显示包含计算模型编辑框的界面;
基于所述包含计算模型编辑框的界面,获取用户输入的所述计算指令对应的所述预测消耗量计算模型;
其中,所述基于所述包含计算模型编辑框的界面,获取用户输入的所述计算指令对应的所述预测消耗量计算模型的步骤包括:
基于所述包含计算模型编辑框的界面,获取用户输入的计算模型时,检测所述用户输入的计算模型是否属于预设预测消耗量计算模型范畴;
若属于预设预测消耗量计算模型范畴,则确定所述用户输入的计算模型为预测消耗量计算模型。
2.如权利要求1所述的快餐品补货方法,其特征在于,所述预测消耗量计算模型为日均预测消耗量计算模型,所述基于所述待计算快餐品信息及所述预测消耗量计算模型,识别出所述预测消耗量计算模型对应的所述待计算快餐品信息对应的第一待计算项的步骤包括:
基于所述待计算快餐品信息及所述日均预测消耗量计算模型,识别出所述日均预测消耗量计算模型对应的所述待计算快餐品信息对应的第一待计算项。
3.如权利要求1所述的快餐品补货方法,其特征在于,所述基于所述补货量计算模型及所述待计算快餐品信息,获取所述补货量计算模型在所述快餐品数据库中对应的第二原始计算数据的步骤包括:
基于所述补货量计算模型、所述待计算快餐品信息及快餐品数据库,识别出所述补货量计算模型对应的所述待计算快餐品信息对应的第二待计算项;
基于所述第二待计算项,在所述快餐品数据库中查询到所述第二待计算项对应的计算数据;
检测所述第二待计算项对应的计算数据是否为当前最新版本的计算数据;
若所述第二待计算项对应的计算数据为当前最新版本的计算数据,则确定所述当前最新版本的计算数据为所述待计算快餐品信息对应的第二原始计算数据。
4.如权利要求1-3中任一所述的快餐品补货方法,其特征在于,所述基于所述第二原始计算数据、所述预测消耗量及所述补货量计算模型,计算得到并输出所述待计算快餐品信息的目标补货量结果的步骤包括:
基于所述第二原始计算数据、所述预测消耗量及所述补货量计算模型,计算得到所述待计算快餐品信息的目标补货量结果;
并将所述目标补货量结果显示在显示界面。
5.一种终端,其特征在于,所述终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的快餐品补货程序,所述快餐品补货程序被所述处理器执行时实现如权利要求1-4中任一项所述的快餐品补货方法的步骤。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有快餐品补货程序,所述快餐品补货程序被处理器执行时实现如权利要求1-4中任一项所述的快餐品补货方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910706113.6A CN110458347B (zh) | 2019-07-30 | 2019-07-30 | 快餐品补货方法、终端及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910706113.6A CN110458347B (zh) | 2019-07-30 | 2019-07-30 | 快餐品补货方法、终端及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110458347A CN110458347A (zh) | 2019-11-15 |
CN110458347B true CN110458347B (zh) | 2022-05-24 |
Family
ID=68484437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910706113.6A Active CN110458347B (zh) | 2019-07-30 | 2019-07-30 | 快餐品补货方法、终端及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110458347B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401636B (zh) * | 2020-03-16 | 2023-10-17 | 第四范式(北京)技术有限公司 | 实现连锁商家智能补货的方法及系统 |
CN111415040B (zh) * | 2020-03-20 | 2023-04-18 | 华润怡宝饮料(中国)有限公司 | 基于pet采购模型的建议购买量计算方法和装置 |
CN112036795A (zh) * | 2020-08-31 | 2020-12-04 | 平安医疗健康管理股份有限公司 | 药品采购计划的确定方法、装置、设备及存储介质 |
CN113743853A (zh) * | 2020-11-10 | 2021-12-03 | 北京沃东天骏信息技术有限公司 | 一种货物信息确定方法、设备和计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106971249A (zh) * | 2017-05-05 | 2017-07-21 | 北京挖玖电子商务有限公司 | 一种销量预测及补货方法 |
CN107657410A (zh) * | 2017-10-17 | 2018-02-02 | 九州通医疗信息科技(武汉)有限公司 | 补货判断方法及装置 |
CN109949095A (zh) * | 2019-03-21 | 2019-06-28 | 中国联合网络通信集团有限公司 | 补货方法及设备 |
-
2019
- 2019-07-30 CN CN201910706113.6A patent/CN110458347B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106971249A (zh) * | 2017-05-05 | 2017-07-21 | 北京挖玖电子商务有限公司 | 一种销量预测及补货方法 |
CN107657410A (zh) * | 2017-10-17 | 2018-02-02 | 九州通医疗信息科技(武汉)有限公司 | 补货判断方法及装置 |
CN109949095A (zh) * | 2019-03-21 | 2019-06-28 | 中国联合网络通信集团有限公司 | 补货方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110458347A (zh) | 2019-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110458347B (zh) | 快餐品补货方法、终端及计算机可读存储介质 | |
US7233907B2 (en) | Parcel or service delivery with partially scheduled time windows | |
US10902341B1 (en) | Machine learning based list recommendations | |
US8849806B2 (en) | Method, system and apparatus for efficiently determining priority of data in a database | |
CN103971170B (zh) | 一种用于对特征信息的变化进行预测的方法和装置 | |
US20150120600A1 (en) | Time and location based delivery optimization | |
JP4759544B2 (ja) | 在庫計画システム | |
JP4678879B2 (ja) | 販売予測システム、方法及びコンピュータプログラム | |
US11551078B2 (en) | Data processing apparatus and data processing method | |
JP6513280B2 (ja) | 出荷支援装置、出荷支援方法及びプログラム並びに出荷支援システム | |
US20040039664A1 (en) | Computer implemented system for estimating the demand dependent unit stockout cost of a consumer item at a location of a single period inventory system, stockout cost application therefor, and method therefor | |
CN116109252A (zh) | 仓库补货管理方法、装置、仓库管理系统及存储介质 | |
Lahrichi et al. | A first MILP model for the parameterization of Demand-Driven MRP | |
US20200193362A1 (en) | Presentation device and presentation method | |
EP2236444A1 (en) | Transportaion planning system and method for the same | |
JP5972047B2 (ja) | 支援装置、支援方法およびプログラム | |
CN112819586B (zh) | 货物装卸匹配方法、系统、电子设备和存储介质 | |
CN112184047A (zh) | 货源匹配推荐方法、装置、电子设备、存储介质 | |
WO2019163498A1 (ja) | 生産管理装置、生産管理方法及びプログラム | |
JP6278867B2 (ja) | 適正在庫量算出装置、適正在庫量算出方法およびプログラム | |
KR20230091976A (ko) | 공급 방법 결정 장치 | |
Johnston et al. | Breadth of range and depth of stock: forecasting and inventory management at Euro Car Parts Ltd. | |
JP5205977B2 (ja) | 宅配受取予測装置及びその方法 | |
CN112906925B (zh) | 货物补充方法、装置和计算机可读存储介质 | |
KR102532691B1 (ko) | 항로기반 지능형 선박 기자재 구매조달 시스템 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |