CN114707771B - 基于大数据的医药供应链管理方法及平台 - Google Patents

基于大数据的医药供应链管理方法及平台 Download PDF

Info

Publication number
CN114707771B
CN114707771B CN202210626971.1A CN202210626971A CN114707771B CN 114707771 B CN114707771 B CN 114707771B CN 202210626971 A CN202210626971 A CN 202210626971A CN 114707771 B CN114707771 B CN 114707771B
Authority
CN
China
Prior art keywords
information
medicine
medicines
warehouse
target user
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
CN202210626971.1A
Other languages
English (en)
Other versions
CN114707771A (zh
Inventor
徐力军
朱礼伟
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.)
Nanjing Yilian Sunshine Information Technology Co ltd
Original Assignee
Nanjing Yilian Sunshine Information Technology Co ltd
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 Nanjing Yilian Sunshine Information Technology Co ltd filed Critical Nanjing Yilian Sunshine Information Technology Co ltd
Priority to CN202210626971.1A priority Critical patent/CN114707771B/zh
Publication of CN114707771A publication Critical patent/CN114707771A/zh
Application granted granted Critical
Publication of CN114707771B publication Critical patent/CN114707771B/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
    • 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
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Epidemiology (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Toxicology (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Medicinal Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于大数据的医药供应链管理方法及平台，涉及数据管理技术领域；管理平台包括销售量信息确定模块、仓库数量分析模块、仓库优化模块和供销商处理模块；销售量信息确定模块用于获取历史的销售信息，根据历史的销售信息和仓库信息，预测得到第一分销商向供销商对于医药的进货数量，能够提高预测的准确性；仓库优化模块用于获取目标用户购买医药的轨迹信息，对轨迹信息形成的原始矩阵进行分解，并根据分解后的矩阵从仓库中选择相应医药提供给目标用户；从而能对目标用户的症状进行改善，还促进了仓库内医药的销售增加；通过供销商处理模块，在供销商向分销商配医药产品过程中，防止供销商卸货影响交通和高峰时间行人的出行。

Description

基于大数据的医药供应链管理方法及平台
技术领域
本发明涉及数据管理技术领域，具体为基于大数据的医药供应链管理方法及平台。
背景技术
近年来，随着国家在医疗领域的逐步发展，多个企业通过整合资金、人才、市场等资源，形成以多个企业结合成经济利益联盟、业务关系紧密的动态联盟，实现优势互补，共同增强市场竞争力，成为国际上普遍采用的一种新的企业组织形态和运营方式，即供应链方式；通过供应链方式，国内的医药供应链上也更加完善，能够增加医疗产品的销售力度；但是在销售过程中，由于分销商盲目向供销商派发医药产品的货源，导致分销商的仓库积累，无法保证医药产品能够在保质期时间内销售出去；现有技术中，往往通过预测的方式对历史的销售数据进行预测，从而得到向供销商的进货数量信息；但是由于预测时考虑的因素过少，导致进货量存在较大的误差，无法得到正常销售量的平衡；同时，目标用户由于生病，曾在多个药店内购买医药进而缓解症状，随着目标用户服用医药后症状的改善变化并不相同，需要根据目标用户的行为及状态来分析是否要更换其他医药种类来缓解目标用户的症状。因此，需要对上述问题进行改善。
发明内容
本发明的目的在于提供基于大数据的医药供应链管理方法及平台，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：基于大数据的医药供应链管理平台，所述管理平台包括销售量信息确定模块、仓库数量分析模块、仓库优化模块和供销商处理模块；
所述销售量信息确定模块用于获取历史的销售信息，根据历史的销售信息和仓库信息，预测得到第一分销商向供销商对于医药的进货数量；
所述仓库数量分析模块用于对仓库内医药的数量与第一数量相比较，得到比较信息，并根据比较信息对仓库内医药数量进行处理；
所述仓库优化模块用于获取目标用户购买医药的轨迹信息，对轨迹信息形成的原始矩阵进行分解，并根据分解后的矩阵从仓库中选择相应医药提供给目标用户；
所述供销商处理模块用于获取平台内供销商上传至平台的医药数量信息，根据医药数量信息向第一分销商提供医药，并优化向第一分销商配送医药的出发时间，从而能够尽可能的减少对交通的影响；
所述销售量信息确定模块与仓库数量分析模块、仓库优化模块和供销商处理模块相连接。
进一步的，所述销售量信息确定模块包括线下销售信息获取单元、线上反馈信息确定单元、用户类型标记单元、线上销售信息获取单元和医药进货量预测单元；
所述线下销售信息获取单元用于获取第一分销商在线下销售医药的数量信息；
所述线上反馈信息确定单元用于获取目标用户在线上购买医药的数量和时间信息，并将所述信息输送至用户类型标记单元；
所述用户类型标记单元用于根据所述信息，向目标用户群发送更换医药的提醒信息；
所述线上销售信息获取单元用于获取目标用户对所述提醒信息的反馈行为，得到第一分销商在线上销售医药的数量信息；
所述医药进货量预测单元用于根据历史的销售信息和目前仓库内医药的数量信息，得到第一分销商向供销商的进货量信息；
所述线下销售信息获取单元的输出端与线上销售信息获取单元的输出端与医药进货量预测单元的输入端相连接；所述线上反馈信息确定单元的输出端与用户类型标记单元的输出端与线上销售信息获取单元的输入端相连接。
进一步的，所述仓库数量分析模块包括仓库数量获取单元和数量比较单元；
所述仓库数量获取单元用于在月销售完成后，获取仓库中医药的数量信息；
所述数量比较单元用于将所述仓库医药数量与第一数量相比较，得到比较信息；
所述仓库数量获取单元的输出端与数量比较单元的输入端相连接。
进一步的，所述仓库优化模块包括仓库种类识别单元、医药种类购买单元、服用轨迹分解单元和医药种类选择单元；
所述仓库种类识别单元用于获取仓库内治疗若干功能的医药种类信息；
所述医药种类购买单元用于获取目标用户购买医药的功能信息以及使用对应医药的频次信息；
所述服用轨迹分解单元用于以目标用户服用医药的轨迹为信息来源，建立得到原始矩阵，并对原始矩阵进行处理并分解，得到重新构建后的矩阵；
所述医药种类选择单元用于根据重新构建后的矩阵，在仓库中选择医药种类进而提供给目标用户；
所述仓库种类识别单元的输出端与医药种类购买单元的输入端相连接；所述医药种类购买单元的输出端与服用轨迹分解单元的输入端相连接；所述服用轨迹分解单元的输出端与医药种类选择单元的输入端相连接。
进一步的，所述供销商处理模块包括医药数量分布单元、医药准确性分析单元、待配送信息确定单元和交通配送时间优化单元；
所述医药数量分布单元用于展示以第一分销商为圆心，设定半径范围内的第二分销商内的医药数量信息；
所述医药准确性分析单元用于以第二分销商为供销商，对第一分销商提供的医药信息进行分析，分析所提供医药信息的准确性；
所述待配送信息确定单元用于获取需要提供医药配送的第一分销商位置分布信息；
所述交通配送时间优化单元用于对所述供销商向第一分销商配送医药的出发时间进行优化；
所述医药数量分布单元的输出端与医药准确性分析单元的输入端相连接；所述待配送信息确定单元的输出端与交通配送时间优化单元的输入端相连接；所述医药准确性分析单元的输出端与待配送信息确定单元的输入端相连接。
基于大数据的医药供应链管理方法，所述管理方法执行如下步骤：
Z01：获取第一分销商在线上和线下销售医药的数量信息，并根据销售医药的总数量信息和仓库医药数量信息，预测第一分销商向供销商的进货量信息；
Z02：获取月销售后的仓库数量信息，将仓库数量信息与设定仓库数量信息比较，若核实到仓库数量大于设定仓库数量信息，则跳转至步骤Z03；若核实到仓库数量小于设定仓库数量信息，则跳转至步骤Z04；
Z03：获取存储在仓库内的医药信息，进而得到若干功能的医药种类特征信息；获取目标用户在不同分销商购买并服用医药后再重新购买医药的轨迹信息，对目标用户在同一个分销商重复购买并服用医药后再重新购买医药的轨迹信息进行去除，并建立得到原始矩阵；对原始矩阵进行矩阵分解处理，得到重新构建后的矩阵；并根据重新构建后的矩阵，从仓库中选择医药提供给目标用户；
Z04：以第一分销商为圆心，获取设定半径范围内的第二分销商的医药数量信息；将第二分销商作为供销商，以最优化的出发时间向第一分销商提供医药物品。
在步骤Z01中，获取目前的时间信息，若得到当前时间为促销季时，则获取处于促销季状态线上的历史销售信息集合Q={q1,q2,...,q（c-1）},
c是指月份,q（c-1）是指月份c时的销售信息；若得到当前时间并非处于促销季时，则获取处于非促销季状态下线上的历史销售信息；获取目标用户在线上购买的医药种类和保质时间信息，通过医保结合大数据得到目标用户在预设时间Y内再次购买了相同种类的医药，则在线上向目标用户进行信息反馈；得到反馈程度
Figure DEST_PATH_IMAGE001
，
Figure 120477DEST_PATH_IMAGE002
是指回购医药的次数，
Figure DEST_PATH_IMAGE003
是指回购
Figure 470687DEST_PATH_IMAGE002
次所对应的反馈系数，S0是指初始反馈程度；如若反馈程度大于预设反馈程度时，表示线上向目标用户的反馈信息有效，加强对线上用户的销售力度，同时获取与线下相同月份的线上销售信息集合X={x1,x2,x3,...,x（c-1）}，得到线上与线下的总销售信息集合；反之，则表示线上向目标用户的反馈信息无效，则仅获取线上的历史销售信息作为参考历史销售信息；设定
Figure 951216DEST_PATH_IMAGE004
，通过最小二乘法得到月份c时的销售数据预测信息Gc，
Figure DEST_PATH_IMAGE005
、
Figure 70482DEST_PATH_IMAGE006
为预测销售信息的系数，G为预测销售信息的函数；
Figure DEST_PATH_IMAGE007
、
Figure 936851DEST_PATH_IMAGE008
为预测仓库内医药数量的系数，
Figure DEST_PATH_IMAGE009
为预测仓库内医药数量的函数；
获取不同月份仓库内的医药数量分布信息Z={z1,z2,z3,...,z（c-1）}，设定
Figure 774357DEST_PATH_IMAGE010
；通过最小二乘法得到月份c时仓库内的医药数量预测信息
Figure DEST_PATH_IMAGE011
；根据上述信息得到第c个月第一分销商向供销商的进货量信息为
Figure 527419DEST_PATH_IMAGE012
。
在步骤Z03中，在步骤Z03中，获取目标用户购买医药的功能信息，依据功能信息将医药分为医药种类集合；将目标用户在分销商购买医药、服用医药并再次购买医药的轨迹信息生成m*1阶的原始向量；获取n个用户所构建的m*n的购买医药的轨迹矩阵；通过奇异值分解法对m*n的轨迹矩阵信息分解为矩阵为W的m*m的用户特征矩阵，矩阵为V的n*n的医药种类特征矩阵，矩阵为L的降维后的对角奇异值矩阵，L为降维维度；根据轨迹矩阵得到目标用户已经购买的医药种类特征信息为h；
根据如下公式：
Figure DEST_PATH_IMAGE013
；
通过如上公式得到目标用户对医药种类特征的偏向度；如若在多次计算目标用户对医药种类特征h的偏向度后，目标用户对医药种类h的偏向度持续上升，则定位偏向度持续上升的时间段，将仓库内与目标用户在历史时间段购买的医药功能相同、种类不同的医药f推荐给目标用户；如若目标用户对医药种类h相似的医药偏向度持续下降，则定位偏向度持续下降的时间段，将仓库内与目标用户在历史时间段购买的医药功能、种类皆相同的医药h推荐给目标用户；
其中：
Figure 766770DEST_PATH_IMAGE014
、f是指两种不同的医药种类特征，
Figure DEST_PATH_IMAGE015
表示对医药种类特征h的平均偏向度，
Figure 550181DEST_PATH_IMAGE016
表示目标用户u对医药种类特征h的偏向度，u为目标用户中的任意一个，
Figure DEST_PATH_IMAGE017
是指目标用户集合，dis(h)是指目标用户对医药特征h的偏向度。
在步骤Z04中，根据第一分销商和第二分销商的位置得到第一分销商与第二分销商之间的最优路径；则根据如下公式：
Figure 874983DEST_PATH_IMAGE018
；
其中：
Figure DEST_PATH_IMAGE019
是指第二分销商出发时间点，
Figure 431735DEST_PATH_IMAGE020
是指初始出发时间点，
Figure DEST_PATH_IMAGE021
是指最晚出发时间点，
Figure 994434DEST_PATH_IMAGE022
是指第一分销商与第二分销商的距离，
Figure DEST_PATH_IMAGE023
是指第二分销商在路上行驶的速度信息，
Figure 214325DEST_PATH_IMAGE024
是指第二分销商在路上行驶的误差速度信息，a是指第二分销商在每一个分销商的卸货时间，TR是指交通拥挤时间；
通过公式的计算，得到第二分销商向第一分销商供货的最优出发时间点信息。
与现有技术相比，本发明所达到的有益效果是：
本发明通过销售量信息确定模块，通过结合历史时间段内线上和线下的销售数据以及仓库内的数量信息，得到第一分销商对医药的进货数量；通过此方法对医药的进货数量进行预测，能够提高预测的准确性；通过仓库优化模块，根据目标用户对医药种类的偏向度，进而向目标用户推荐相应的医药，从而能对目标用户的症状进行改善，还促进了仓库内医药的销售增加；通过供销商处理模块，在供销商向分销商配医药产品过程中，优化分销商配送医药的时间，从而防止供销商卸货影响交通和高峰时间行人的出行。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明基于大数据的医药供应链管理平台的模块组成示意图；
图2是本发明基于大数据的医药供应链管理方法的步骤示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-图2，本发明提供技术方案：
基于大数据的医药供应链管理平台，所述管理平台包括销售量信息确定模块、仓库数量分析模块、仓库优化模块和供销商处理模块；
所述销售量信息确定模块用于获取历史的销售信息，根据历史的销售信息和仓库信息，预测得到第一分销商向供销商对于医药的进货数量；
所述仓库数量分析模块用于对仓库内医药的数量与第一数量相比较，得到比较信息，并根据比较信息对仓库内医药数量进行处理；
所述仓库优化模块用于获取目标用户购买医药的轨迹信息，对轨迹信息形成的原始矩阵进行分解，并根据分解后的矩阵从仓库中选择相应医药提供给目标用户；
所述供销商处理模块用于获取平台内供销商上传至平台的医药数量信息，根据医药数量信息向第一分销商提供医药，并优化向第一分销商配送医药的出发时间，从而能够尽可能的减少对交通的影响；
所述销售量信息确定模块与仓库数量分析模块、仓库优化模块和供销商处理模块相连接。
进一步的，所述销售量信息确定模块包括线下销售信息获取单元、线上反馈信息确定单元、用户类型标记单元、线上销售信息获取单元和医药进货量预测单元；
所述线下销售信息获取单元用于获取第一分销商在线下销售医药的数量信息；
所述线上反馈信息确定单元用于获取目标用户在线上购买医药的数量和时间信息，并将所述信息输送至用户类型标记单元；
所述信息为医药的数量和时间信息；
所述用户类型标记单元用于根据所述信息，向目标用户群发送更换医药的提醒信息；
所述线上销售信息获取单元用于获取目标用户对所述提醒信息的反馈行为，得到第一分销商在线上销售医药的数量信息；
所述医药进货量预测单元用于根据历史的销售信息和目前仓库内医药的数量信息，得到第一分销商向供销商的进货量信息；
所述线下销售信息获取单元的输出端与线上销售信息获取单元的输出端与医药进货量预测单元的输入端相连接；所述线上反馈信息确定单元的输出端与用户类型标记单元的输出端与线上销售信息获取单元的输入端相连接。
进一步的，所述仓库数量分析模块包括仓库数量获取单元和数量比较单元；
所述仓库数量获取单元用于在月销售完成后，获取仓库中医药的数量信息；
所述数量比较单元用于将所述仓库医药数量与第一数量相比较，得到比较信息；
所述第一数量是指预设标准的仓库内的医药数量；
所述仓库数量获取单元的输出端与数量比较单元的输入端相连接。
进一步的，所述仓库优化模块包括仓库种类识别单元、医药种类购买单元、服用轨迹分解单元和医药种类选择单元；
所述仓库种类识别单元用于获取仓库内治疗若干功能的医药种类信息；
所述医药种类购买单元用于获取目标用户购买医药的功能信息以及使用对应医药的频次信息；
所述服用轨迹分解单元用于以目标用户服用医药的轨迹为信息来源，建立得到原始矩阵，并对原始矩阵进行处理并分解，得到重新构建后的矩阵；
所述医药种类选择单元用于根据重新构建后的矩阵，在仓库中选择医药种类进而提供给目标用户；
所述仓库种类识别单元的输出端与医药种类购买单元的输入端相连接；所述医药种类购买单元的输出端与服用轨迹分解单元的输入端相连接；所述服用轨迹分解单元的输出端与医药种类选择单元的输入端相连接。
进一步的，所述供销商处理模块包括医药数量分布单元、医药准确性分析单元、待配送信息确定单元和交通配送时间优化单元；所述医药数量分布单元用于展示以第一分销商为圆心，设定半径范围内的第二分销商内的医药数量信息；
所述医药准确性分析单元用于以第二分销商为供销商，对第一分销商提供的医药信息进行分析，分析所提供医药信息的准确性；
所述待配送信息确定单元用于获取需要提供医药配送的第一分销商位置分布信息；
所述交通配送时间优化单元用于对所述供销商向第一分销商配送医药的出发时间进行优化；
所述医药数量分布单元的输出端与医药准确性分析单元的输入端相连接；所述待配送信息确定单元的输出端与交通配送时间优化单元的输入端相连接；所述医药准确性分析单元的输出端与待配送信息确定单元的输入端相连接。
所述医药数量信息是指医用器材和药品的数量信息。
基于大数据的医药供应链管理方法，所述管理方法执行如下步骤：
Z01：获取第一分销商在线上和线下销售医药的数量信息，并根据销售医药的总数量信息和仓库医药数量信息，预测第一分销商向供销商的进货量信息；
Z02：获取月销售后的仓库数量信息，将仓库数量信息与设定仓库数量信息比较，若核实到仓库数量大于设定仓库数量信息，则跳转至步骤Z03；若核实到仓库数量小于设定仓库数量信息，则跳转至步骤Z04；
Z03：获取存储在仓库内的医药信息，进而得到若干功能的医药种类特征信息；获取目标用户在不同分销商购买并服用医药后再重新购买医药的轨迹信息，对目标用户在同一个分销商重复购买并服用医药后再重新购买医药的轨迹信息进行去除，并建立得到原始矩阵；对原始矩阵进行矩阵分解处理，得到重新构建后的矩阵；并根据重新构建后的矩阵，从仓库中选择医药提供给目标用户；
Z04：以第一分销商为圆心，获取设定半径范围内的第二分销商的医药数量信息；将第二分销商作为供销商，以最优化的出发时间向第一分销商提供医药物品。
在步骤Z01中，获取目前的时间信息，若得到当前时间为促销季时，则获取处于促销季状态线上的历史销售信息集合Q={q1,q2,...,q（c-1）},
c是指月份,q（c-1）是指月份c时的销售信息；若得到当前时间并非处于促销季时，则获取处于非促销季状态下线上的历史销售信息；获取目标用户在线上购买的医药种类和保质时间信息，通过医保结合大数据得到目标用户在预设时间Y内再次购买了相同种类的医药，则在线上向目标用户进行信息反馈；得到反馈程度
Figure 292003DEST_PATH_IMAGE001
，
Figure 934337DEST_PATH_IMAGE002
是指回购医药的次数，
Figure 663127DEST_PATH_IMAGE003
是指回购
Figure 99925DEST_PATH_IMAGE002
次所对应的反馈系数，S0是指初始反馈程度；如若反馈程度大于预设反馈程度时，表示线上向目标用户的反馈信息有效，加强对线上用户的销售力度，同时获取与线下相同月份的线上销售信息集合X={x1,x2,x3,...,x（c-1）}，得到线上与线下的总销售信息集合；反之，则表示线上向目标用户的反馈信息无效，则仅获取线上的历史销售信息作为参考历史销售信息；设定
Figure 399319DEST_PATH_IMAGE004
，通过最小二乘法得到月份c时的销售数据预测信息Gc，
Figure 330497DEST_PATH_IMAGE005
、
Figure 664526DEST_PATH_IMAGE006
为预测销售信息的系数，G为预测销售信息的函数；
Figure 272225DEST_PATH_IMAGE007
、
Figure 58916DEST_PATH_IMAGE008
为预测仓库内医药数量的系数，
Figure 26741DEST_PATH_IMAGE009
为预测仓库内医药数量的函数；
获取不同月份仓库内的医药数量分布信息Z={z1,z2,z3,...,z（c-1）}，设定
Figure 480856DEST_PATH_IMAGE010
；通过最小二乘法得到月份c时仓库内的医药数量预测信息
Figure 259456DEST_PATH_IMAGE011
；根据上述信息得到第c个月第一分销商向供销商的进货量信息为
Figure 799022DEST_PATH_IMAGE012
。
本发明分别设置了在线上和线下的销售情况，相比于直接根据历史销售的情况进而预测进货量，本发明的做法更加全面，预测的结果更加贴合实际情况；其中，通过目标客户对线下情况的反映程度进而分析线上的销售情况，从而能够根据线下的销售情况分析得到是否要大力投入线上医药的销售；其中设置的反馈程度是根据目标用户在平台发送信息之后，目标用户的反映情况；例如：目标用户在线上购买了一个降压药；如若目标用户按照正常剂量服用药物，平台在目标用户服用完前向目标用户发送提醒信息，如若目标用户在线上重复购买了相同品牌的降压药，目标用户所对应的反馈程度将提高；例如：目标用户在线上购买了眼药水，按照开封后一个月内使用完的规则；获取目标用户的医保记录和购买记录；如若通过大数据检索得到目标用户并未再次购买眼药水时，能够得到平台向目标用户所推信息，目标用户并不会回购，目标用户购买此眼药水是为了屯放家里，此时针对此目标用户的反映程度则降低；因此，根据目标用户的购买/回购行为分析目标用户的反映程度，能得到针对不同目标用户线上的销售力度，也为预测进货数量提供基础；在上述提及了分析所预测的销售日是否处于促销季节，如若处于促销季节，则要预测的数据需为同样处于促销季的销售数据；根据预测的数据，选择针对性的数据，能够提高预测的准确性，进而防止医药产品堆积在仓库中。
在步骤Z03中，获取目标用户购买医药的功能信息，依据功能信息将医药分为医药种类集合；将目标用户在分销商购买医药、服用医药并再次购买医药的轨迹信息生成m*1阶的原始向量；获取n个用户所构建的m*n的购买医药的轨迹矩阵；通过奇异值分解法对m*n的轨迹矩阵信息分解为矩阵为W的m*m的用户特征矩阵，矩阵为V的n*n的医药种类特征矩阵，矩阵为L的降维后的对角奇异值矩阵，L为降维维度；根据轨迹矩阵得到目标用户已经购买的医药种类特征信息为h；
根据如下公式：
Figure 72002DEST_PATH_IMAGE013
；
通过如上公式得到目标用户对医药种类特征的偏向度；如若在多次计算目标用户对医药种类特征h的偏向度后，目标用户对医药种类h的偏向度持续上升，则定位偏向度持续上升的时间段，将仓库内与目标用户在历史时间段购买的医药功能相同、种类不同的医药f推荐给目标用户；如若目标用户对医药种类h相似的医药偏向度持续下降，则定位偏向度持续下降的时间段，将仓库内与目标用户在历史时间段购买的医药功能、种类皆相同的医药h推荐给目标用户；
其中：
Figure 380624DEST_PATH_IMAGE014
、f是指两种不同的医药种类特征，
Figure 330125DEST_PATH_IMAGE015
表示对医药种类特征h的平均偏向度，
Figure 91408DEST_PATH_IMAGE016
表示目标用户u对医药种类特征h的偏向度，u为目标用户中的任意一个，
Figure 666615DEST_PATH_IMAGE017
是指目标用户集合，dis(h)是指目标用户对医药特征h的偏向度；
本方案中涉及到对原始矩阵进行处理并分解，其中原始矩阵为目标用户在线下或者线上目标用户使用医药并再次购买医药的轨迹信息生成的矩阵，其中如若涉及到目标用户在同一家多次购买医药的信息，则对所对应频次信息删除，从而避免原始矩阵内的数据过于冗杂；使用奇异值分解算法对原始矩阵进行拆解后再参与后续的处理，能够精准的提取到目标用户购买医药的轨迹信息以及已经服用的医药种类信息，从而使得医药种类识别的更加精准；通过上述公式计算目标用户对任意两个不相同医药种类特征的偏向度；通过偏向度，能得到目标用户在检测到与医药种类特征h相同的其他特征时，根据目标用户历史服用医药的信息和轨迹，平台能及时改善目标用户服用的医药种类特征，进而使得目标用户能逐渐改善症状，同时能解决仓库内医药产品的数量；
例如：目标用户在历史药房内购买的是感冒药，根据感冒药能得知目标用户购买的医药功能为治疗感冒；且得到目标用户购买的感冒药皆为同种类感冒药，证明得到目标用户在历史时间段购买的感冒药种类特征与医药种类特征h相似；分析目标用户对历史购买药品的偏向度，如若在多次计算目标用户对医药种类特征h的偏向度后，目标用户对与医药种类特征h相似的感冒药的偏向度持续上升，则表示目标用户在服用了感冒药后，症状并未改善，进而向目标用户推荐相同功能感冒药且与医药种类特征f相似的感冒药；如若在多次计算目标用户对医药种类特征h的偏向度后，目标用户对与医药种类特征h相似的感冒药的偏向度持续下降，则表示目标用户在服用了感冒药后，症状得已改善，进而向目标用户推荐相同功能感冒药且与医药种类特征h相似的感冒药；
Figure DEST_PATH_IMAGE025
是指对医药种类特征h的平均偏向度为基准，目标用户u对医药种类特征h的偏向度的距离，得以分析出目标用户u对医药种类特征h的偏向度值。
在步骤Z04中，根据第一分销商和第二分销商的位置得到第一分销商与第二分销商之间的最优路径；则根据如下公式：
Figure 298584DEST_PATH_IMAGE018
；
其中：
Figure 418987DEST_PATH_IMAGE019
是指第二分销商出发时间点，
Figure 683877DEST_PATH_IMAGE020
是指初始出发时间点，
Figure 547928DEST_PATH_IMAGE021
是指最晚出发时间点，
Figure 565563DEST_PATH_IMAGE022
是指第一分销商与第二分销商的距离，
Figure 122446DEST_PATH_IMAGE023
是指第二分销商在路上行驶的速度信息，
Figure 107588DEST_PATH_IMAGE024
是指第二分销商在路上行驶的误差速度信息，a是指第二分销商在每一个分销商的卸货时间，TR是指交通拥挤时间；
通过公式的计算，得到第二分销商向第一分销商供货的最优出发时间点信息；
公式中涉及到的
Figure 509751DEST_PATH_IMAGE026
是为了得到从第二分销商至第一分销商之间最优路径的行驶时间；其中涉及到的
Figure 381892DEST_PATH_IMAGE024
是指误差速度，如若在行驶过程中，遇到堵车或者其他意外情况时，将会导致速度产生变化，不再是匀速行驶；涉及到的FL是指第二分销商与第一分销商之间的距离，其中距离的计算方法是通过两点间距离公式进行计算，FL为两个坐标的纵坐标差的平方与两个坐标值的横坐标差的平方；所提及实施例使用方法仅仅是公开了其中的的一种方法，包括却不仅限于此方法；所涉及到的TR，通过大数据获得在需要配送的第一分销商集合中最小的交通拥堵的时间：例如：A分销商的交通拥堵时间为4.30，B分销商的交通拥堵时间为5点，则将4.30作为最终所确定的交通拥堵时间，通过此计算方式是为了得到第二分销商的最佳出发时间，防止干扰交通。
实施例：某用户在线上购买了感冒药，根据所买购买感冒药的时间为7月20号，按照该用户的正常服用时间，得到所述用户在7.31号前服用完毕；根据医疗大数据得到，所述用户并未回购医药产品；发送信息提醒目标用户再次购买；如若得到目标用户回购了感冒药，回购次数为2次，则对所述用户标记；目标用户回购次数所对应的反馈系数为{1,2,3,4...}，反馈系数为{0.5，1.0，1.5，1.7...}；其中标准的反馈程度为2.5；
其反馈程度S=2*1.5+0.2=3.2，3.2>2.5，则表示线上向目标用户的反馈信息有效，可加强对线上用户的销售力度。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于大数据的医药供应链管理平台，其特征在于：所述管理平台包括销售量信息确定模块、仓库数量分析模块、仓库优化模块和供销商处理模块；
所述销售量信息确定模块用于获取历史的销售信息，根据历史的销售信息和仓库信息，预测得到第一分销商向供销商对于医药的进货数量；
所述仓库数量分析模块用于对仓库内医药的数量与第一数量相比较，得到比较信息，并根据比较信息对仓库内医药数量进行处理；若核实到仓库数量大于设定仓库数量信息，从仓库中选择医药提供给目标用户；若核实到仓库数量小于设定仓库数量，以第一分销商为圆心，获取设定半径范围内的第二分销商的医药数量信息；将第二分销商作为供销商，以最优化的出发时间向第一分销商提供医药；
所述仓库优化模块用于获取目标用户购买医药的轨迹信息，对轨迹信息形成的原始矩阵进行分解，并根据分解后的矩阵从仓库中选择相应医药提供给目标用户；
所述供销商处理模块用于获取平台内供销商上传至平台的医药数量信息，根据医药数量信息向第一分销商提供医药，并优化向第一分销商配送医药的出发时间；
所述销售量信息确定模块与仓库数量分析模块、仓库优化模块和供销商处理模块相连接；
获取目标用户购买医药的功能信息，依据功能信息将医药分为医药种类集合；将目标用户在分销商购买医药、服用医药并再次购买医药的轨迹信息生成m*1阶的原始向量；获取n个用户所构建的m*n的购买医药的轨迹矩阵；通过奇异值分解法对m*n的轨迹矩阵信息分解为矩阵为W的m*m的用户特征矩阵，矩阵为V的n*n的医药种类特征矩阵，矩阵为L的降维后的对角奇异值矩阵，L为降维维度；根据轨迹矩阵得到目标用户已经购买的医药种类特征信息为h；
根据如下公式：
Figure DEST_PATH_IMAGE002
；
通过如上公式得到目标用户对医药种类特征的偏向度；如若在多次计算目标用户对医药种类特征h的偏向度后，目标用户对医药种类h的偏向度持续上升，则定位偏向度持续上升的时间段，将仓库内与目标用户在历史时间段购买的医药功能相同、种类不同的医药f推荐给目标用户；如若目标用户对医药种类h相似的医药偏向度持续下降，则定位偏向度持续下降的时间段，将仓库内与目标用户在历史时间段购买的医药功能、种类皆相同的医药h推荐给目标用户；
其中：
Figure DEST_PATH_IMAGE004
、f是指两种不同的医药种类特征，
Figure DEST_PATH_IMAGE006
表示对医药种类特征h的平均偏向度，
Figure DEST_PATH_IMAGE008
表示目标用户u对医药种类特征h的偏向度，u为目标用户中的任意一个，
Figure DEST_PATH_IMAGE010
是指目标用户集合，dis(h)是指目标用户对医药特征h的偏向度。
2.根据权利要求1所述的基于大数据的医药供应链管理平台，其特征在于：所述销售量信息确定模块包括线下销售信息获取单元、线上反馈信息确定单元、用户类型标记单元、线上销售信息获取单元和医药进货量预测单元；
所述线下销售信息获取单元用于获取第一分销商在线下销售医药的数量信息；
所述线上反馈信息确定单元用于获取目标用户在线上购买医药的数量和时间信息，并将所述信息输送至用户类型标记单元；
所述用户类型标记单元用于根据所述信息，向目标用户群发送更换医药的提醒信息；
所述线上销售信息获取单元用于获取目标用户对所述提醒信息的反馈行为，得到第一分销商在线上销售医药的数量信息；
所述医药进货量预测单元用于根据历史的销售信息和目前仓库内医药的数量信息，得到第一分销商向供销商的进货量信息；
所述线下销售信息获取单元的输出端与线上销售信息获取单元的输出端与医药进货量预测单元的输入端相连接；所述线上反馈信息确定单元的输出端与用户类型标记单元的输出端与线上销售信息获取单元的输入端相连接。
3.根据权利要求1所述的基于大数据的医药供应链管理平台，其特征在于：所述仓库数量分析模块包括仓库数量获取单元和数量比较单元；
所述仓库数量获取单元用于在月销售完成后，获取仓库中医药的数量信息；
所述数量比较单元用于将所述仓库医药数量与第一数量相比较，得到比较信息；所述第一数量是指预设标准的仓库内的医药数量；
所述仓库数量获取单元的输出端与数量比较单元的输入端相连接。
4.根据权利要求1所述的基于大数据的医药供应链管理平台，其特征在于：所述仓库优化模块包括仓库种类识别单元、医药种类购买单元、服用轨迹分解单元和医药种类选择单元；
所述仓库种类识别单元用于获取仓库内治疗若干功能的医药种类信息；
所述医药种类购买单元用于获取目标用户购买医药的功能信息以及使用对应医药的频次信息；
所述服用轨迹分解单元用于以目标用户服用医药的轨迹为信息来源，建立得到原始矩阵，并对原始矩阵进行处理并分解，得到重新构建后的矩阵；
所述医药种类选择单元用于根据重新构建后的矩阵，在仓库中选择医药种类进而提供给目标用户；
所述仓库种类识别单元的输出端与医药种类购买单元的输入端相连接；所述医药种类购买单元的输出端与服用轨迹分解单元的输入端相连接；所述服用轨迹分解单元的输出端与医药种类选择单元的输入端相连接。
5.根据权利要求1所述的基于大数据的医药供应链管理平台，其特征在于：所述供销商处理模块包括医药数量分布单元、医药准确性分析单元、待配送信息确定单元和交通配送时间优化单元；
所述医药数量分布单元用于展示以第一分销商为圆心，设定半径范围内的第二分销商内的医药数量信息；
所述医药准确性分析单元用于以第二分销商为供销商，对第一分销商提供的医药信息进行分析，分析所提供医药信息的准确性；
所述待配送信息确定单元用于获取需要提供医药配送的第一分销商位置分布信息；
所述交通配送时间优化单元用于对所述供销商向第一分销商配送医药的出发时间进行优化；
所述医药数量分布单元的输出端与医药准确性分析单元的输入端相连接；所述待配送信息确定单元的输出端与交通配送时间优化单元的输入端相连接；所述医药准确性分析单元的输出端与待配送信息确定单元的输入端相连接。
6.基于大数据的医药供应链管理方法，其特征在于：所述管理方法执行如下步骤：
Z01：获取第一分销商在线上和线下销售医药的数量信息，并根据销售医药的总数量信息和仓库医药数量信息，预测第一分销商向供销商的进货量信息；
Z02：获取月销售后的仓库数量信息，将仓库数量信息与设定仓库数量信息比较，若核实到仓库数量大于设定仓库数量信息，则跳转至步骤Z03；若核实到仓库数量小于设定仓库数量信息，则跳转至步骤Z04；
Z03：获取存储在仓库内的医药信息，进而得到若干功能的医药种类特征信息；获取目标用户在不同分销商购买并服用医药后再重新购买医药的轨迹信息，对目标用户在同一个分销商重复购买并服用医药后再重新购买医药的轨迹信息进行去除，并建立得到原始矩阵；对原始矩阵进行矩阵分解处理，得到重新构建后的矩阵；并根据重新构建后的矩阵，从仓库中选择医药提供给目标用户；
Z04：以第一分销商为圆心，获取设定半径范围内的第二分销商的医药数量信息；将第二分销商作为供销商，以最优化的出发时间向第一分销商提供医药；
在步骤Z03中，获取目标用户购买医药的功能信息，依据功能信息将医药分为医药种类集合；将目标用户在分销商购买医药、服用医药并再次购买医药的轨迹信息生成m*1阶的原始向量；获取n个用户所构建的m*n的购买医药的轨迹矩阵；通过奇异值分解法对m*n的轨迹矩阵信息分解为矩阵为W的m*m的用户特征矩阵，矩阵为V的n*n的医药种类特征矩阵，矩阵为L的降维后的对角奇异值矩阵，L为降维维度；根据轨迹矩阵得到目标用户已经购买的医药种类特征信息为h；
根据如下公式：
Figure 189144DEST_PATH_IMAGE002
；
通过如上公式得到目标用户对医药种类特征的偏向度；如若在多次计算目标用户对医药种类特征h的偏向度后，目标用户对医药种类h的偏向度持续上升，则定位偏向度持续上升的时间段，将仓库内与目标用户在历史时间段购买的医药功能相同、种类不同的医药f推荐给目标用户；如若目标用户对医药种类h相似的医药偏向度持续下降，则定位偏向度持续下降的时间段，将仓库内与目标用户在历史时间段购买的医药功能、种类皆相同的医药h推荐给目标用户；
其中：
Figure 824394DEST_PATH_IMAGE004
、f是指两种不同的医药种类特征，
Figure 276235DEST_PATH_IMAGE006
表示对医药种类特征h的平均偏向度，
Figure 140286DEST_PATH_IMAGE008
表示目标用户u对医药种类特征h的偏向度，u为目标用户中的任意一个，
Figure 174232DEST_PATH_IMAGE010
是指目标用户集合，dis(h)是指目标用户对医药特征h的偏向度。
7.根据权利要求6所述的基于大数据的医药供应链管理方法，其特征在于：在步骤Z01中，获取目前的时间信息，若得到当前时间为促销季时，则获取处于促销季状态线上的历史销售信息集合Q={q1,q2,...,q（c-1）},
c是指月份,q（c-1）是指月份c时的销售信息；若得到当前时间并非处于促销季时，则获取处于非促销季状态下线上的历史销售信息；获取目标用户在线上购买的医药种类和保质时间信息，通过医保结合大数据得到目标用户在预设时间Y内再次购买了相同种类的医药，则在线上向目标用户进行信息反馈；得到反馈程度
Figure DEST_PATH_IMAGE012
，
Figure DEST_PATH_IMAGE014
是指回购医药的次数，
Figure DEST_PATH_IMAGE016
是指回购
Figure 121328DEST_PATH_IMAGE014
次所对应的反馈系数，S0是指初始反馈程度；如若反馈程度大于预设反馈程度时，表示线上向目标用户的反馈信息有效，加强对线上用户的销售力度，同时获取与线下相同月份的线上销售信息集合X={x1,x2,x3,...,x（c-1）}，得到线上与线下的总销售信息集合；反之，则表示线上向目标用户的反馈信息无效，则仅获取线上的历史销售信息作为参考历史销售信息；设定
Figure DEST_PATH_IMAGE018
，通过最小二乘法得到月份c时的销售数据预测信息Gc，
Figure DEST_PATH_IMAGE020
、
Figure DEST_PATH_IMAGE022
为预测销售信息的系数，G为预测销售信息的函数；
Figure DEST_PATH_IMAGE024
、
Figure DEST_PATH_IMAGE026
为预测仓库内医药数量的系数，
Figure DEST_PATH_IMAGE028
为预测仓库内医药数量的函数；
获取不同月份仓库内的医药数量分布信息Z={z1,z2,z3,...,z（c-1）}，设定
Figure DEST_PATH_IMAGE030
；通过最小二乘法得到月份c时仓库内的医药数量预测信息
Figure DEST_PATH_IMAGE032
；根据上述信息得到第c个月第一分销商向供销商的进货量信息为
Figure DEST_PATH_IMAGE034
。
8.根据权利要求6所述的基于大数据的医药供应链管理方法，其特征在于：在步骤Z04中，根据第一分销商和第二分销商的位置得到第一分销商与第二分销商之间的最优路径；则根据如下公式：
Figure DEST_PATH_IMAGE036
；
其中：
Figure DEST_PATH_IMAGE038
是指第二分销商出发时间点，
Figure DEST_PATH_IMAGE040
是指初始出发时间点，
Figure DEST_PATH_IMAGE042
是指最晚出发时间点，
Figure DEST_PATH_IMAGE044
是指第一分销商与第二分销商的距离，
Figure DEST_PATH_IMAGE046
是指第二分销商在路上行驶的速度信息，
Figure DEST_PATH_IMAGE048
是指第二分销商在路上行驶的误差速度信息，a是指第二分销商在每一个分销商的卸货时间，TR是指交通拥挤时间；
通过公式的计算，得到第二分销商向第一分销商供货的最优出发时间点信息。
CN202210626971.1A 2022-06-06 2022-06-06 基于大数据的医药供应链管理方法及平台 Active CN114707771B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210626971.1A CN114707771B (zh) 2022-06-06 2022-06-06 基于大数据的医药供应链管理方法及平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210626971.1A CN114707771B (zh) 2022-06-06 2022-06-06 基于大数据的医药供应链管理方法及平台

Publications (2)

Publication Number Publication Date
CN114707771A CN114707771A (zh) 2022-07-05
CN114707771B true CN114707771B (zh) 2022-09-27

Family

ID=82178121

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210626971.1A Active CN114707771B (zh) 2022-06-06 2022-06-06 基于大数据的医药供应链管理方法及平台

Country Status (1)

Country Link
CN (1) CN114707771B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114943392B (zh) * 2022-07-27 2022-11-01 深圳市盾创科技有限公司 一种基于数据分析的换电路径管理系统及方法
CN116029649A (zh) * 2023-01-06 2023-04-28 武汉筑链科技有限公司 一种基于大数据的供应链管理平台

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009205365A (ja) * 2008-02-27 2009-09-10 Nec Corp 商品の在庫管理および販売の最適化システム、その最適化方法、及びその最適化プログラム
CN109064269A (zh) * 2018-07-20 2018-12-21 广州市安服星网络科技有限公司 一种电子商务分销系统
CN113781186A (zh) * 2021-11-09 2021-12-10 山东沣品信息网络科技有限公司 一种基于大数据的商品营销管控方法、系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009205365A (ja) * 2008-02-27 2009-09-10 Nec Corp 商品の在庫管理および販売の最適化システム、その最適化方法、及びその最適化プログラム
CN109064269A (zh) * 2018-07-20 2018-12-21 广州市安服星网络科技有限公司 一种电子商务分销系统
CN113781186A (zh) * 2021-11-09 2021-12-10 山东沣品信息网络科技有限公司 一种基于大数据的商品营销管控方法、系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
考虑促销行为和消费者偏好的医药供应链协调研究;陈晓春等;《工业工程与管理》;20191210(第06期);全文 *

Also Published As

Publication number Publication date
CN114707771A (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
CN114707771B (zh) 基于大数据的医药供应链管理方法及平台
Beladev et al. Recommender systems for product bundling
Baecke et al. Investigating the added value of integrating human judgement into statistical demand forecasting systems
US9773250B2 (en) Product role analysis
US8543473B2 (en) Business partner collaboration and buy analysis
US7921029B2 (en) Projection factors for forecasting product demand
Li et al. Pricing decisions during inter‐generational product transition
US11270326B2 (en) Price optimization system
CN105225129B (zh) 移动o2o推荐方法及其系统
JP5337174B2 (ja) 需要予測装置、及びそのプログラム
Khalil Zadeh et al. Intelligent sales prediction for pharmaceutical distribution companies: A data mining based approach
US20030046191A1 (en) Forecasting demand for cuitical parts in a product line
CN109948829A (zh) 一种基于多个售货点的调货方法、电子设备及存储介质
CA2471294A1 (en) Sales optimization
Machmud et al. The price dynamics of hand sanitizers for COVID-19 in Indonesia: Exponential and cobweb forms
CN107944788A (zh) 一种用于全渠道零售的云仓系统
EP3400571A1 (en) Consumer decision tree generation system
KR20230128955A (ko) 온라인 상품 입점, 중개 및 판매 시스템 및 방법
Dominey et al. Performance of approximations for compound Poisson distributed demand in the newsboy problem
JP6143930B1 (ja) マーケティング支援方法、プログラム、コンピュータ記憶媒体及びマーケティング支援システム
Hwang et al. Reverse channel selection for commercial product returns under time-to-market and product value considerations
US20150324839A1 (en) Method And Apparatus For Payment, Return On Investment, And Impact Reporting
US7478061B1 (en) Automated audit process
KR101777332B1 (ko) 캐쉬백 서비스 방법 및 이를 실행하는 사업자 서버
CN112184276A (zh) 一种优惠推荐方法、装置及存储介质

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Method and Platform for Pharmaceutical Supply Chain Management Based on Big Data

Granted publication date: 20220927

Pledgee: Bank of Shanghai Limited by Share Ltd. Nanjing branch

Pledgor: Nanjing Yilian sunshine Information Technology Co.,Ltd.

Registration number: Y2024980018882