CN112419003B - 一种基于大数据的服装跨区域快速反应供应链管理方法 - Google Patents

一种基于大数据的服装跨区域快速反应供应链管理方法 Download PDF

Info

Publication number
CN112419003B
CN112419003B CN202011405853.5A CN202011405853A CN112419003B CN 112419003 B CN112419003 B CN 112419003B CN 202011405853 A CN202011405853 A CN 202011405853A CN 112419003 B CN112419003 B CN 112419003B
Authority
CN
China
Prior art keywords
sales
area
products
marking
inventory
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
Application number
CN202011405853.5A
Other languages
English (en)
Other versions
CN112419003A (zh
Inventor
刘遵良
刘小娟
虞琴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Liu Zunliang
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202011405853.5A priority Critical patent/CN112419003B/zh
Publication of CN112419003A publication Critical patent/CN112419003A/zh
Application granted granted Critical
Publication of CN112419003B publication Critical patent/CN112419003B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0605—Supply or demand aggregation
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于大数据的服装跨区域快速反应供应链管理方法，本发明涉及服装供应链技术领域，解决了现有技术中，服务跨区域供应链管理不能够对各个区域进行库存监测，导致库存不够时不能够及时有效的补充的技术问题，获取各个销售区域的库存数据，通过公式获取到各个销售区域的库存监测系数Bi，若各个销售区域的库存监测系数Bi≥L1，则判定该销售区域产品充足，若L2≤各个销售区域的库存监测系数Bi＜L1，则判定该销售区域产品满足需求，若各个销售区域的库存监测系数Bi＜L2，则判定该销售区域产品不满足需求，对各个区域进行库存监测，库存不够时能够及时有效的补充，提高了工作效率，防止出现产品不足的现象。

Description

一种基于大数据的服装跨区域快速反应供应链管理方法
技术领域
本发明涉及服装供应链技术领域，具体为一种基于大数据的服装跨区域快速反应供应链管理方法。
背景技术
电商可视为电商在纵向上的发展。伴随软硬件技术的迅猛提高,电商网站规模不断增大与消费者需求日益个性化之间的矛盾可有望得到解决。“智能化虚拟导购机器人”在未来的网站中可以依托云计算等技术对网站海量数据资源进行智能化处理，从而实现为消费者提供更加人性化的服务。同时，利用智能技术人们能够实现多种跨平台信息的更为有效迅捷的融合，例如根据网民消费者在操作过程中所表现出的操作特性以及从外部数据库中调用的消费者历史操作资讯，然后有针对性地生成优化方案，及时迅速满足消费者的个性化即时需求，最终提高消费体验，增大消费转化率，增加消费者满意程度及网站黏性。
但是在现有技术中，服务跨区域供应链管理不能够对各个区域进行库存监测，导致库存不够时不能够及时有效的补充，同时，不能够对各个区域进行级别划分，导致急需产品的区域不能够补充产品。
发明内容
本发明的目的就在于提出一种基于大数据的服装跨区域快速反应供应链管理方法，获取各个销售区域的库存数据，并对各个销售区域的库存数据进行分析，通过公式获取到各个销售区域的库存监测系数Bi，将各个销售区域的库存监测系数Bi与L1和L2进行比较，若各个销售区域的库存监测系数Bi≥L1，则判定该销售区域产品充足，若L2≤各个销售区域的库存监测系数Bi＜L1，则判定该销售区域产品满足需求，若各个销售区域的库存监测系数Bi＜L2，则判定该销售区域产品不满足需求，对各个区域进行库存监测，库存不够时能够及时有效的补充，提高了工作效率，防止出现产品不足的现象。
本发明的目的可以通过以下技术方案实现：
一种基于大数据的服装跨区域快速反应供应链管理方法，具体方法如下：
步骤一、等级划分：对各个销售区域进行排序，同时将排序后的销售区域进行等级分划；
步骤二、销售分析：获取各个销售区域的销售数据，并对各个销售区域的销售数据进行分析；
步骤三、库存检测：获取各个销售区域的库存数据，并对各个销售区域的库存数据进行分析；
步骤四、合理供应：对经过分析的销售区域的供货进行合理规划安排。
进一步地，所述步骤一中对各个销售区域进行排序，同时将排序后的销售区域进行等级分划，具体排序分划过程如下：获取各个销售区域的数量，并对应标记为i，i＝1，2，......，n，n为正整数，随后获取各个销售区域的产品受到好评的次数，并标记为HPi，根据受到好评的次数从大到小的顺序将销售区域分为第一销售区域，第二销售区域，......，第m销售区域。
进一步地，所述步骤二中获取各个销售区域的销售数据，并对各个销售区域的销售数据进行分析，销售数据为一个月的产品销售总件数与退货件数的差值，一个月的产品平均利润值以及一个月内销售的产品中受到的差评件数，具体分析过程如下：
步骤S21：获取一个月的产品销售总件数与退货件数的差值，并将一个月的产品销售总件数与退货件数的差值标记为CZi；
步骤S22：获取一个月的产品平均利润值，并将一个月的产品平均利润值标记为LRi；
步骤S23：获取一个月内销售的产品中受到的差评件数，并将一个月内销售的产品中受到的差评件数标记为CPi；
步骤S24：通过公式
Figure BDA0002818506280000031
获取到销售区域的销售分析系数Xi，其中，c1、c2以及c3均为预设比例系数，且c1＞c2＞c3＞0，β为误差修正因子，取值为1.32654212。
进一步地，所述步骤三中获取各个销售区域的库存数据，并对各个销售区域的库存数据进行分析，库存数据为各个销售区域仓库储存产品的总件数以及各个销售区域待发货的订单数量，具体获取分析过程如下：
步骤S31：获取到各个销售区域仓库储存产品的总件数，并将各个销售区域仓库储存产品的总件数标记为ZJi；
步骤S32：获取到各个销售区域待发货的订单数量，并将各个销售区域待发货的订单数量标记为DDi；
步骤S33：通过公式Bi＝α(ZJi×v1-DDi×v2)获取到各个销售区域的库存监测系数Bi，其中，v1和v2均为预设比例系数，且v1＞v2＞0，α为误差修正因子，取值为1.325603；
步骤S34：将各个销售区域的库存监测系数Bi与L1和L2进行比较，L1和L2均为库存监测系数阈值，且L1＞L2：
若各个销售区域的库存监测系数Bi≥L1，则判定该销售区域产品充足，并将该销售区域标记为产品充足区域；
若L2≤各个销售区域的库存监测系数Bi＜L1，则判定该销售区域产品满足需求，并将该销售区域标记为产品满足需求区域；
若各个销售区域的库存监测系数Bi＜L2，则判定该销售区域产品不满足需求，并将该销售区域标记为产品不满足需求区域。
进一步地，所述步骤四中对经过分析的销售区域的供货进行合理规划安排，具体安排过程如下：
步骤S41：获取步骤三中产品不满足需求区域，同时获取对应的步骤二中的销售分析系数Xi，随后将不满足需求区域按照销售分析系数从大到小的顺序进行排序；
步骤S42：获取排序成功的不满足需求区域，并将排序前三的不满足需求区域标记为急需区域；
步骤S43：通过互联网获取到急需区域的地理位置，并通过地图获取到运输产品的时间，并标记为运输时间T，随后将运输时间T与时间阈值K1进行比较，若运输时间T≥时间阈值K1，则判定方案不合适，进入步骤S44，若运输时间T＜时间阈值K1，则判定方案合适；
步骤S44：获取急需区域与周边的销售区域之间的距离，通过筛选获取到距离最近的周边销售区域的地理位置，并标记为选中区域，通过地图获取到区域运输时间，并标记为区域运输时间P，随后将区域运输时间P与选中区域的发送至急需区域的销售人员的手机终端。
与现有技术相比，本发明的有益效果是：
1、本发明中，获取各个销售区域的库存数据，并对各个销售区域的库存数据进行分析，获取到各个销售区域仓库储存产品的总件数、各个销售区域待发货的订单数量，通过公式获取到各个销售区域的库存监测系数Bi，将各个销售区域的库存监测系数Bi与L1和L2进行比较，若各个销售区域的库存监测系数Bi≥L1，则判定该销售区域产品充足，并将该销售区域标记为产品充足区域；若L2≤各个销售区域的库存监测系数Bi＜L1，则判定该销售区域产品满足需求，并将该销售区域标记为产品满足需求区域；若各个销售区域的库存监测系数Bi＜L2，则判定该销售区域产品不满足需求，并将该销售区域标记为产品不满足需求区域；对各个区域进行库存监测，库存不够时能够及时有效的补充，提高了工作效率，防止出现产品不足的现象；
2、本发明中，对经过分析的销售区域的供货进行合理规划安排，具体安排过程如下：获取产品不满足需求区域，同时获取对应的步骤二中的销售分析系数Xi，随后将不满足需求区域按照销售分析系数从大到小的顺序进行排序；获取排序成功的不满足需求区域，并将排序前三的不满足需求区域标记为急需区域；通过互联网获取到急需区域的地理位置，并通过地图获取到运输产品的时间，并标记为运输时间T，随后将运输时间T与时间阈值K1进行比较，若运输时间T≥时间阈值K1，则判定方案不合适，进入步骤S44，若运输时间T＜时间阈值K1，则判定方案合适；获取急需区域与周边的销售区域之间的距离，通过筛选获取到距离最近的周边销售区域的地理位置，并标记为选中区域，通过地图获取到区域运输时间，并标记为区域运输时间P，随后将区域运输时间P与选中区域的发送至急需区域的销售人员的手机终端；对各个区域进行级别划分，对于急需产品的区域优先安排产品补充，同时合理安排补充方式，减少了运输产生的时间，降低了生成成本。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，一种基于大数据的服装跨区域快速反应供应链管理方法，具体方法如下：
步骤一、等级划分：对各个销售区域进行排序，同时将排序后的销售区域进行等级分划；
步骤二、销售分析：获取各个销售区域的销售数据，并对各个销售区域的销售数据进行分析；
步骤三、库存检测：获取各个销售区域的库存数据，并对各个销售区域的库存数据进行分析；
步骤四、合理供应：对经过分析的销售区域的供货进行合理规划安排；
所述步骤一中对各个销售区域进行排序，同时将排序后的销售区域进行等级分划，具体排序分划过程如下：获取各个销售区域的数量，并对应标记为i，i＝1，2，......，n，n为正整数，随后获取各个销售区域的产品受到好评的次数，并标记为HPi，根据受到好评的次数从大到小的顺序将销售区域分为第一销售区域，第二销售区域，......，第m销售区域；
所述步骤二中获取各个销售区域的销售数据，并对各个销售区域的销售数据进行分析，销售数据为一个月的产品销售总件数与退货件数的差值，一个月的产品平均利润值以及一个月内销售的产品中受到的差评件数，具体分析过程如下：
步骤S21：获取一个月的产品销售总件数与退货件数的差值，并将一个月的产品销售总件数与退货件数的差值标记为CZi；
步骤S22：获取一个月的产品平均利润值，并将一个月的产品平均利润值标记为LRi；
步骤S23：获取一个月内销售的产品中受到的差评件数，并将一个月内销售的产品中受到的差评件数标记为CPi；
步骤S24：通过公式
Figure BDA0002818506280000071
获取到销售区域的销售分析系数Xi，其中，c1、c2以及c3均为预设比例系数，且c1＞c2＞c3＞0，β为误差修正因子，取值为1.32654212；
所述步骤三中获取各个销售区域的库存数据，并对各个销售区域的库存数据进行分析，库存数据为各个销售区域仓库储存产品的总件数以及各个销售区域待发货的订单数量，具体获取分析过程如下：
步骤S31：获取到各个销售区域仓库储存产品的总件数，并将各个销售区域仓库储存产品的总件数标记为ZJi；
步骤S32：获取到各个销售区域待发货的订单数量，并将各个销售区域待发货的订单数量标记为DDi；
步骤S33：通过公式Bi＝α(ZJi×v1-DDi×v2)获取到各个销售区域的库存监测系数Bi，其中，v1和v2均为预设比例系数，且v1＞v2＞0，α为误差修正因子，取值为1.325603；
步骤S34：将各个销售区域的库存监测系数Bi与L1和L2进行比较，L1和L2均为库存监测系数阈值，且L1＞L2：
若各个销售区域的库存监测系数Bi≥L1，则判定该销售区域产品充足，并将该销售区域标记为产品充足区域；
若L2≤各个销售区域的库存监测系数Bi＜L1，则判定该销售区域产品满足需求，并将该销售区域标记为产品满足需求区域；
若各个销售区域的库存监测系数Bi＜L2，则判定该销售区域产品不满足需求，并将该销售区域标记为产品不满足需求区域；
所述步骤四中对经过分析的销售区域的供货进行合理规划安排，具体安排过程如下：
步骤S41：获取步骤三中产品不满足需求区域，同时获取对应的步骤二中的销售分析系数Xi，随后将不满足需求区域按照销售分析系数从大到小的顺序进行排序；
步骤S42：获取排序成功的不满足需求区域，并将排序前三的不满足需求区域标记为急需区域；
步骤S43：通过互联网获取到急需区域的地理位置，并通过地图获取到运输产品的时间，并标记为运输时间T，随后将运输时间T与时间阈值K1进行比较，若运输时间T≥时间阈值K1，则判定方案不合适，进入步骤S44，若运输时间T＜时间阈值K1，则判定方案合适；
步骤S44：获取急需区域与周边的销售区域之间的距离，通过筛选获取到距离最近的周边销售区域的地理位置，并标记为选中区域，通过地图获取到区域运输时间，并标记为区域运输时间P，随后将区域运输时间P与选中区域的发送至急需区域的销售人员的手机终端。
本发明工作原理：
一种基于大数据的服装跨区域快速反应供应链管理方法，在工作时，具体为以下四个步骤，等级划分：对各个销售区域进行排序，同时将排序后的销售区域进行等级分划；销售分析：获取各个销售区域的销售数据，并对各个销售区域的销售数据进行分析；库存检测：获取各个销售区域的库存数据，并对各个销售区域的库存数据进行分析；合理供应：对经过分析的销售区域的供货进行合理规划安排，获取各个销售区域的库存数据，通过公式获取到各个销售区域的库存监测系数Bi，若各个销售区域的库存监测系数Bi≥L1，则判定该销售区域产品充足，若L2≤各个销售区域的库存监测系数Bi＜L1，则判定该销售区域产品满足需求，若各个销售区域的库存监测系数Bi＜L2，则判定该销售区域产品不满足需求，对各个区域进行库存监测，库存不够时能够及时有效的补充，提高了工作效率，防止出现产品不足的现象。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (2)

1.一种基于大数据的服装跨区域快速反应供应链管理方法，其特征在于，具体方法如下：
步骤一、等级划分：对各个销售区域进行排序，同时将排序后的销售区域进行等级分划；
步骤二、销售分析：获取各个销售区域的销售数据，并对各个销售区域的销售数据进行分析；
步骤三、库存检测：获取各个销售区域的库存数据，并对各个销售区域的库存数据进行分析；
步骤四、合理供应：对经过分析的销售区域的供货进行合理规划安排；
所述步骤二中获取各个销售区域的销售数据，并对各个销售区域的销售数据进行分析，销售数据为一个月的产品销售总件数与退货件数的差值，一个月的产品平均利润值以及一个月内销售的产品中受到的差评件数，具体分析过程如下：
步骤S21：获取一个月的产品销售总件数与退货件数的差值，并将一个月的产品销售总件数与退货件数的差值标记为CZi；
步骤S22：获取一个月的产品平均利润值，并将一个月的产品平均利润值标记为LRi；
步骤S23：获取一个月内销售的产品中受到的差评件数，并将一个月内销售的产品中受到的差评件数标记为CPi；
步骤S24：通过公式
Figure FDA0003164980940000011
获取到销售区域的销售分析系数Xi，其中，c1、c2以及c3均为预设比例系数，且c1＞c2＞c3＞0，β为误差修正因子，取值为1.32654212；
所述步骤三中获取各个销售区域的库存数据，并对各个销售区域的库存数据进行分析，库存数据为各个销售区域仓库储存产品的总件数以及各个销售区域待发货的订单数量，具体获取分析过程如下：
步骤S31：获取到各个销售区域仓库储存产品的总件数，并将各个销售区域仓库储存产品的总件数标记为ZJi；
步骤S32：获取到各个销售区域待发货的订单数量，并将各个销售区域待发货的订单数量标记为DDi；
步骤S33：通过公式Bi＝α(ZJi×v1-DDi×v2)获取到各个销售区域的库存监测系数Bi，其中，v1和v2均为预设比例系数，且v1＞v2＞0，α为误差修正因子，取值为1.325603；
步骤S34：将各个销售区域的库存监测系数Bi与L1和L2进行比较，L1和L2均为库存监测系数阈值，且L1＞L2：
若各个销售区域的库存监测系数Bi≥L1，则判定该销售区域产品充足，并将该销售区域标记为产品充足区域；
若L2≤各个销售区域的库存监测系数Bi＜L1，则判定该销售区域产品满足需求，并将该销售区域标记为产品满足需求区域；
若各个销售区域的库存监测系数Bi＜L2，则判定该销售区域产品不满足需求，并将该销售区域标记为产品不满足需求区域；
所述步骤四中对经过分析的销售区域的供货进行合理规划安排，具体安排过程如下：
步骤S41：获取步骤三中产品不满足需求区域，同时获取对应的步骤二中的销售分析系数Xi，随后将不满足需求区域按照销售分析系数从大到小的顺序进行排序；
步骤S42：获取排序成功的不满足需求区域，并将排序前三的不满足需求区域标记为急需区域；
步骤S43：通过互联网获取到急需区域的地理位置，并通过地图获取到运输产品的时间，并标记为运输时间T，随后将运输时间T与时间阈值K1进行比较，若运输时间T≥时间阈值K1，则判定方案不合适，进入步骤S44，若运输时间T＜时间阈值K1，则判定方案合适；
步骤S44：获取急需区域与周边的销售区域之间的距离，通过筛选获取到距离最近的周边销售区域的地理位置，并标记为选中区域，通过地图获取到区域运输时间，并标记为区域运输时间P，随后将区域运输时间P与选中区域的发送至急需区域的销售人员的手机终端。
2.根据权利要求1所述的一种基于大数据的服装跨区域快速反应供应链管理方法，其特征在于，所述步骤一中对各个销售区域进行排序，同时将排序后的销售区域进行等级分划，具体排序分划过程如下：获取各个销售区域的数量，并对应标记为i，i＝1，2，......，n，n为正整数，随后获取各个销售区域的产品受到好评的次数，并标记为HPi，根据受到好评的次数从大到小的顺序将销售区域分为第一销售区域，第二销售区域，......，第m销售区域。
CN202011405853.5A 2020-12-05 2020-12-05 一种基于大数据的服装跨区域快速反应供应链管理方法 Active CN112419003B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011405853.5A CN112419003B (zh) 2020-12-05 2020-12-05 一种基于大数据的服装跨区域快速反应供应链管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011405853.5A CN112419003B (zh) 2020-12-05 2020-12-05 一种基于大数据的服装跨区域快速反应供应链管理方法

Publications (2)

Publication Number Publication Date
CN112419003A CN112419003A (zh) 2021-02-26
CN112419003B true CN112419003B (zh) 2021-09-10

Family

ID=74830217

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011405853.5A Active CN112419003B (zh) 2020-12-05 2020-12-05 一种基于大数据的服装跨区域快速反应供应链管理方法

Country Status (1)

Country Link
CN (1) CN112419003B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113256231A (zh) * 2021-07-15 2021-08-13 江苏永联慧科物联技术有限公司 智能线材库区管理系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107516175A (zh) * 2016-06-16 2017-12-26 苏宁云商集团股份有限公司 一种库存调拨方法及装置
CN110097203A (zh) * 2018-01-29 2019-08-06 北京京东尚科信息技术有限公司 库存调度方法、库存调度装置以及计算机可读存储介质
CN111369314A (zh) * 2020-02-27 2020-07-03 上海百秋电子商务有限公司 一种电商多平台多店铺共享库存分配方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9684703B2 (en) * 2004-04-29 2017-06-20 Precisionpoint Software Limited Method and apparatus for automatically creating a data warehouse and OLAP cube
CN105303339A (zh) * 2014-07-30 2016-02-03 天津市金诚制衣服饰有限公司 一种仓储与装箱搭配的方法
US20170323251A1 (en) * 2016-05-05 2017-11-09 Wal-Mart Stores, Inc. Systems and methods for identifying and managing item stocking status in a retail environment
CN108921462B (zh) * 2018-05-28 2022-07-05 顺丰科技有限公司 库存管理方法、库存管理装置、设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107516175A (zh) * 2016-06-16 2017-12-26 苏宁云商集团股份有限公司 一种库存调拨方法及装置
CN110097203A (zh) * 2018-01-29 2019-08-06 北京京东尚科信息技术有限公司 库存调度方法、库存调度装置以及计算机可读存储介质
CN111369314A (zh) * 2020-02-27 2020-07-03 上海百秋电子商务有限公司 一种电商多平台多店铺共享库存分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
数据驱动的配件价供应商社会库存管控技术研究;罗宗鑫;《中国优秀硕士学位论文全文数据库信息科技辑》;20200415(第4期);第1页、第21-31页、第55-57页 *

Also Published As

Publication number Publication date
CN112419003A (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
Ishizaka et al. DEASort: Assigning items with data envelopment analysis in ABC classes
You et al. A decision-making framework for precision marketing
Ni et al. A two-stage dynamic sales forecasting model for the fashion retail
CN106570778B (zh) 一种基于大数据的数据集成与线损分析计算的方法
Padhi et al. Framework for selecting sustainable supply chain processes and industries using an integrated approach
CN106339829A (zh) 基于大云物移技术的配电网主动抢修全景监控系统
CN113177761A (zh) 一种考虑时效性的电商仓储智能排产预警系统
CN104346698A (zh) 基于云计算和数据挖掘的餐饮会员大数据分析和考核系统
CN110298613A (zh) 一种仓储领域中提高商品拣选效率的处理方法及系统
CN113469598A (zh) 智慧供应链系统及服务器平台
Li et al. Machine learning algorithm generated sales prediction for inventory optimization in cross-border E-commerce
CN112419003B (zh) 一种基于大数据的服装跨区域快速反应供应链管理方法
CN111861679A (zh) 一种基于人工智能的商品推荐方法
Ko An intelligent, empty container dispatching system model using fuzzy set theory and genetic algorithm in the context of industry 4.0
Zhang B2C E-commerce logistics network optimization model
Babaei et al. A comprehensive blockchain-enabled supply chain network design: an iterative model versus an integrated model
CN116739332B (zh) 一种基于大数据的产业链智能管理方法、系统及介质
Chen et al. The application research of application decision model based on internet of things in enterprise supply chain management
CN116452150A (zh) 一种项目信息协同管理系统
Babaei et al. A novel algorithm for evaluating the configurations of omni-channel distribution network considering transparency and consensus formation
Pathak et al. Impact of Artificial Intelligence: Applications, Transformation Strategy and Future Potential
CN116050569A (zh) 高保真电商平台交易数据可视化预测决策方法及处理系统
Caglayan et al. Sales forecasting by artificial neural networks for the apparel retail chain stores-An application
CN114581263A (zh) 一种电网负荷分析方法、装置、电子设备及存储介质
Núñez-Merino et al. Industry 4.0 and Lean Supply Chain Management: Impact on Responsiveness

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Liu Zunliang

Inventor after: Liu Xiaojuan

Inventor after: Yu Qin

Inventor before: Yu Qin

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210823

Address after: 271100 No. 51, Xiangyang Street, Zhenyu village, chayekou Town, Laiwu City, Jinan City, Shandong Province

Applicant after: Liu Zunliang

Address before: A1802, Dongfang block, No.11, development avenue, hi tech Zone, Yichang City, Hubei Province

Applicant before: Yichang Hulan Technology Development Co.,Ltd.

GR01 Patent grant
GR01 Patent grant