CN116703430B - 一种基于标识解析的商品窜货预警方法及系统 - Google Patents

一种基于标识解析的商品窜货预警方法及系统 Download PDF

Info

Publication number
CN116703430B
CN116703430B CN202310992959.7A CN202310992959A CN116703430B CN 116703430 B CN116703430 B CN 116703430B CN 202310992959 A CN202310992959 A CN 202310992959A CN 116703430 B CN116703430 B CN 116703430B
Authority
CN
China
Prior art keywords
data
early warning
identification
commodity
track
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
CN202310992959.7A
Other languages
English (en)
Other versions
CN116703430A (zh
Inventor
李宁宁
张婉蒙
叶迎春
陈刚
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.)
Shandong Future Network Research Institute Industrial Internet Innovation Application Base Of Zijinshan Laboratory
Original Assignee
Shandong Future Network Research Institute Industrial Internet Innovation Application Base Of Zijinshan Laboratory
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 Shandong Future Network Research Institute Industrial Internet Innovation Application Base Of Zijinshan Laboratory filed Critical Shandong Future Network Research Institute Industrial Internet Innovation Application Base Of Zijinshan Laboratory
Priority to CN202310992959.7A priority Critical patent/CN116703430B/zh
Publication of CN116703430A publication Critical patent/CN116703430A/zh
Application granted granted Critical
Publication of CN116703430B publication Critical patent/CN116703430B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06Q10/083—Shipping
    • G06Q10/0838—Historical data
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Finance (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及标识解析技术领域，尤其是涉及一种基于标识解析的商品窜货预警方法及系统。方法，包括：获取商品信息数据，包括静态数据和动态数据；基于获取的商品信息数据构建商品防窜数据模型；根据商品防窜数据模型生成标识数据模板，利用对商品注册的标识码从二级节点解析到标识数据模板中的标识模板数据；通过标识模板数据获取消费者反馈信息，并生成预警标记1；通过标识模板数据获取实际物流轨迹和入库扫码轨迹，并生成预警标记2；通过标识模板数据获取标准物流轨迹，并生成预警标记3；本发明在综合商品多维度信息的基础上进行窜货行为分析，相比单因素分析，其结果准确性更高。

Description

一种基于标识解析的商品窜货预警方法及系统
技术领域
本发明涉及标识解析技术领域，尤其是涉及一种基于标识解析的商品窜货预警方法及系统。
背景技术
商品从生产完成到消费者手中，中间经过经销商、零售商等多个环节，通常生产厂家会针对不同渠道、销售区域制定差异化的销售策略，因而各个区域的商品价格可能不同，这就给各环节参与者带来牟利空间，出现窜货现象，即超出自己的授权范围，在非授权区域出售商品的行为。窜货会扰乱商品正常市场秩序、导致市场价格体系混乱，干扰被窜货区域渠道正常销售。生产厂家一直致力于解决窜货问题，比较常见的方式包括：一是厂家进行市场稽查，由稽查人员判断终端商品是否存在窜货行为。二是采取信息化手段，主要是通过扫码获取商品信息以及地理位置(或IP)并上传，后台系统对所报信息进行分析。
然而现有技术中，市场稽查不仅过程不透明、受人为主观因素影响较多，而且存在效率低、成本高的问题。而其他一些信息化手段，比如通过二维码，可以一定程度上解决效率、成本问题，但由于其技术方案简单，仅凭借扫码操作和位置信息（或IP）进行分析判断，其参考因素单一，导致其分析结果准确率不高。
为解决以上方案存在的问题，需要基于标识解析技术建立一种防窜数据模型，用于采集商品多维度相关数据，以提高准确率。
发明内容
为了解决上述提到的问题，本发明提供一种基于标识解析的商品窜货预警方法及系统。
第一方面，本发明提供的一种基于标识解析的商品窜货预警方法，采用如下的技术方案：
一种基于标识解析的商品窜货预警方法，包括：
获取商品信息数据，包括静态数据和动态数据；
基于获取的商品信息数据构建商品防窜数据模型；
根据商品防窜数据模型生成标识数据模板，利用对商品注册的标识码从二级节点解析到标识数据模板中的标识模板数据；
通过标识模板数据获取消费者反馈信息，并生成预警标记1；通过标识模板数据获取实际物流轨迹和入库扫码轨迹，并生成预警标记2；通过标识模板数据获取标准物流轨迹，并生成预警标记3；
根据预警标记1、预警标记2和预警标记3得到总体预警值，利用设定阈值判断是否存在窜货风险，输出窜货预警。
进一步地，所述静态数据包括商品属性信息和销售区域配置信息，所述动态数据包括商品物流运输过程中产生的物流记录、扫码记录和出入库信息
进一步地，所述通过标识模板数据获取消费者反馈信息，并生成预警标记1，包括从标识模板数据中获取消费者反馈信息，包含交易位置信息，对比交易位置信息是否与商品销售区域一致，若不一致，则生成预警标记1。
进一步地，所述通过标识模板数据获取实际物流轨迹和入库扫码轨迹，并生成预警标记2，包括从标识模板数据中获取实际物流轨迹和入库扫码轨迹，对比实际物流轨迹和扫码轨迹是否一致，若不一致，则生成预警标记2。
进一步地，所述通过标识模板数据获取标准物流轨迹，并生成预警标记3，包括从标识模板数据中获取标准物流轨迹，对比标准物流轨迹和实际物流轨迹是否一致，若不一致，则生成预警标记3。
进一步地，所述对比标准物流轨迹和实际物流轨迹是否一致，包括将标准物流轨迹转换成坐标序列A，坐标点m个：A = {a1,a2,...,am}；将实际物流轨迹转换成坐标序列B，坐标点n个：B = {b1,b2,...,bn}；基于A和B 生成坐标矩阵C，计算坐标矩阵C中点的距离得到距离矩阵D，基于距离矩阵D通过累计公式得到累计距离矩阵T，通过累计距离矩阵T的距离值判断标准物流轨迹和实际物流轨迹是否一致。
进一步地，所述通过累计距离矩阵T的距离值判断标准物流轨迹和实际物流轨迹是否一致，包括根据DTW算法原理，在累计距离矩阵T中，T(i,j)表示从T(1,1)到T(i,j)的最短距离，距离值越小，则说明距离越近，即表示轨迹越相似，通过对比T(m,n)和轨迹偏离度预设值，如果T(m,n)小于预设值，则认为两者是一致的，否则不一致，存在窜货风险。
第二方面，一种基于标识解析的商品窜货预警系统，包括：
数据获取模块，被配置为，获取商品信息数据，包括静态数据和动态数据；
模型模块，被配置为，基于获取的商品信息数据构建商品防窜数据模型；
模板模块，被配置为，根据商品防窜数据模型生成标识数据模板，利用对商品注册的标识码从二级节点解析到标识数据模板中的标识模板数据；
预警模块，被配置为，通过标识模板数据获取消费者反馈信息，并生成预警标记1；通过标识模板数据获取实际物流轨迹和入库扫码轨迹，并生成预警标记2；通过标识模板数据获取标准物流轨迹，并生成预警标记3；根据预警标记1、预警标记2和预警标记3得到总体预警值，利用设定阈值判断是否存在窜货风险，输出窜货预警。
第三方面，本发明提供一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于标识解析的商品窜货预警方法。
第四方面，本发明提供一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种基于标识解析的商品窜货预警方法。
综上所述，本发明具有如下的有益技术效果：
本发明在综合商品多维度信息的基础上进行窜货行为分析，相比单因素分析，其结果准确性更高。
传统方案因其参考因素单一，数据容易造假失真，导致分析结果不仅是错误的，而且有误导性。本方案中商品多维度信息之间并非独立，而是存在一定的关联性，因此数据造假成本高，有助于提高分析结果准确性。
附图说明
图1是本发明实施例2的一种基于标识解析的商品窜货预警系统的结构示意图。
图2是本发明实施例1的一种基于标识解析的商品窜货预警方法的流程示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
实施例1
参照图1，本实施例的一种基于标识解析的商品窜货预警方法，包括：
获取商品信息数据，包括静态数据和动态数据；
基于获取的商品信息数据构建商品防窜数据模型；
根据商品防窜数据模型生成标识数据模板，利用对商品注册的标识码从二级节点解析到标识数据模板中的标识模板数据；
通过标识模板数据获取消费者反馈信息，并生成预警标记1；通过标识模板数据获取实际物流轨迹和入库扫码轨迹，并生成预警标记2；通过标识模板数据获取标准物流轨迹，并生成预警标记3；
根据预警标记1、预警标记2和预警标记3得到总体预警值，利用设定阈值判断是否存在窜货风险，输出窜货预警。
所述静态数据包括商品属性信息和销售区域配置信息，所述动态数据包括商品物流运输过程中产生的物流记录、扫码记录和出入库信息
所述通过标识模板数据获取消费者反馈信息，并生成预警标记1，包括从标识模板数据中获取消费者反馈信息，包含交易位置信息，对比交易位置信息是否与商品销售区域一致，若不一致，则生成预警标记1。
所述通过标识模板数据获取实际物流轨迹和入库扫码轨迹，并生成预警标记2，包括从标识模板数据中获取实际物流轨迹和入库扫码轨迹，对比实际物流轨迹和扫码轨迹是否一致，若不一致，则生成预警标记2。
所述通过标识模板数据获取标准物流轨迹，并生成预警标记3，包括从标识模板数据中获取标准物流轨迹，对比标准物流轨迹和实际物流轨迹是否一致，若不一致，则生成预警标记3。
所述对比标准物流轨迹和实际物流轨迹是否一致，包括将标准物流轨迹转换成坐标序列A，坐标点m个：A = {a1,a2,...,am}；将实际物流轨迹转换成坐标序列B，坐标点n个：B = {b1,b2,...,bn}；基于A和B 生成坐标矩阵C，计算坐标矩阵C中点的距离得到距离矩阵D，基于距离矩阵D通过累计公式得到累计距离矩阵T，通过累计距离矩阵T的距离值判断标准物流轨迹和实际物流轨迹是否一致。
所述通过累计距离矩阵T的距离值判断标准物流轨迹和实际物流轨迹是否一致，包括根据DTW算法原理，在累计距离矩阵T中，T(i,j)表示从T(1,1)到T(i,j)的最短距离，距离值越小，则说明距离越近，即表示轨迹越相似，通过对比T(m,n)和轨迹偏离度预设值，如果T(m,n)小于预设值，则认为两者是一致的，否则不一致，存在窜货风险。
具体的，包括以下步骤：
S1.获取商品信息数据，包括静态数据和动态数据；
将数据分为2类：静态数据和动态数据。
静态数据是固定不变的数据，主要包括商品属性信息、销售区域配置信息，是商品出厂前生成和采集的。
动态数据是动态采集的数据，主要包括商品物流运输过程中产生的物流记录、扫码记录和出入库信息，是商品出厂后动态生成和采集的。
S2.基于获取的商品信息数据构建商品防窜数据模型；
S3.根据商品防窜数据模型生成标识数据模板，利用对商品注册的标识码从二级节点解析到标识数据模板中的标识模板数据；
其中，标识数据模板中针对标识模板数据也针对静态数据和动态数据分开标识，
（1）静态数据生成和采集，具体包括
标识码：通过标识解析中间件生成的标识码，通过标识码可以查询到标识数据模板的数据，标识码符合标识解析二级节点编码规范。
商品属性信息：包括商品唯一码、商品型号、生产批次、生产地，从相关业务系统中查询以上数据，并将所查询的数据，填充到标识数据模板。
销售区域配置信息：包括销售区域数据，销售系统中维护商品的销售区域配置，根据商品型号或生产批次查询到商品的授权销售区域信息；并将所查询的数据，填充到标识数据模板。
根据生产地和销售区域信息，生成标准物流轨迹，轨迹定义如下：M={m1,m2,...,mk}，其中m1为生产地，mk为销售地，mi为第i个途径地。并将生成的标准物流轨迹填充到标识数据模板。根据实际情况，可以设置多个标准物流轨迹，将数据填充到标识数据模板。
物流偏离度预设值：该值代表标准物流轨迹和实际物流轨迹的相似程度，将数据填充到标识数据模板。
将以上标识及标识数据模板注册到二级节点。
（2）动态数据采集和生成，具体包括
物流码：通过物流管理系统，生成物流码，将物流码填充到标识数据模板。
物流轨迹：根据物流码，查询到物流码对应的物流轨迹，从物流轨迹中提取出关键途经点，按照时间先后排列组成实际物流轨迹，轨迹定义如下N={n1,n2,...,nk}，n1为物流起点，nk为物流终点，ni为第i个途经点。将实际物轨迹填充到标识数据模板。
出入库扫码：在物流运输过程中，将商品出库、入库扫码操作按照时间先后排列组成扫码轨迹，扫码轨迹定义如下M={m1,m2,...,mk}，m1为第一次扫码，mk为第k次扫码，将扫码轨迹填充到标识数据模板。
销售信息：商品售出后，消费者通过反馈入口提交实际的销售信息，并将销售信息填充到标识数据模板。
将以上标识数据模板更新到二级节点。
S4.通过标识模板数据获取消费者反馈信息，并生成预警标记1；通过标识模板数据获取实际物流轨迹和入库扫码轨迹，并生成预警标记2；通过标识模板数据获取标准物流轨迹，并生成预警标记3；
其中，通过标识码，可以从二级节点查询到标识模板数据，并对标识模板数据进行分析，根据结果发出预警。具体如下：
（1）通过标识码从二级节点解析到标识模板数据，数据包含了前述环节采集和生成的数据。
（2）从模板数据中获取消费者反馈信息，该信息包含交易位置信息，对比交易位置是否与商品销售区域一致，若不一致，则生成预警标记1。
（3）从模板数据中获取实际物流轨迹。
（4）从模板数据中获取出入库扫码轨迹。
（5）对比实际物流轨迹和扫码轨迹是否一致，若不一致，则生成预警标记2。
（6）从模板数据中获取标准物流轨迹，
（7）对比标准物流轨迹和实际物流轨迹是否一致，若不一致，则生成预警标记3。
（8）根据前述所得到的预警标记1~3，及其权重值，计算的到总体预警值，该值如果超过系统预设值，则判断该商品存在窜货风险，发出窜货预警。
作为进一步地实施方式，包括以下步骤：
a、获取到标准物流轨迹和实际物流轨迹，分别如下标识：
将标准物流轨迹转换成坐标序列A，坐标点m个：A = {a1,a2,...,am}
将实际物流轨迹转换成坐标序列B，坐标点n个：B = {b1,b2,...,bn}
b、基于以上坐标序列A和B，生成m*n的坐标矩阵C:。
c、基于以上坐标矩阵C，计算矩阵点中的距离，得到距离矩阵D，其中Dij值为地图上坐标点ai和bj之间的距离,Dij=Distance(ai,bj)。
d、基于距离矩阵D，计算出累计距离矩阵T，计算公式为：T(ij)=Min(D(i-1,j-1),D(i-1,j),D(i,j-1)) + D(i,j)。
e、根据DTW算法原理，累计距离矩阵中，T(i,j)表示从T(1,1)到T(i,j)的最短距离，值越小，则说明距离越近，在本方案中表示轨迹越相似，通过对比T(m,n)和轨迹偏离度预设值，如果T(m,n)小于预设值，则认为两者是一致的，否则说明实际物流轨迹与标准物流轨迹差别较大，存在窜货风险，生成预警标记。
实施例2
本实施例提供一种基于标识解析的商品窜货预警系统，包括：
数据获取模块，被配置为，获取商品信息数据，包括静态数据和动态数据；
模型模块，被配置为，基于获取的商品信息数据构建商品防窜数据模型；
模板模块，被配置为，根据商品防窜数据模型生成标识数据模板，利用对商品注册的标识码从二级节点解析到标识数据模板中的标识模板数据；
预警模块，被配置为，通过标识模板数据获取消费者反馈信息，并生成预警标记1；通过标识模板数据获取实际物流轨迹和入库扫码轨迹，并生成预警标记2；通过标识模板数据获取标准物流轨迹，并生成预警标记3；根据预警标记1、预警标记2和预警标记3得到总体预警值，利用设定阈值判断是否存在窜货风险，输出窜货预警。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于标识解析的商品窜货预警方法。
一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种基于标识解析的商品窜货预警方法。
以上均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。

Claims (4)

1.一种基于标识解析的商品窜货预警方法，其特征在于，包括：
获取商品信息数据，包括静态数据和动态数据；
基于获取的商品信息数据构建商品防窜数据模型；
根据商品防窜数据模型生成标识数据模板，利用对商品注册的标识码从二级节点解析到标识数据模板中的标识模板数据；
通过标识模板数据获取消费者反馈信息，并生成预警标记1；通过标识模板数据获取实际物流轨迹和入库扫码轨迹，并生成预警标记2；通过标识模板数据获取标准物流轨迹，并生成预警标记3；
根据预警标记1、预警标记2和预警标记3得到总体预警值，利用设定阈值判断是否存在窜货风险，输出窜货预警；
所述静态数据包括商品属性信息和销售区域配置信息，所述动态数据包括商品物流运输过程中产生的物流记录、扫码记录和出入库信息；
对比标准物流轨迹和实际物流轨迹是否一致，包括将标准物流轨迹转换成坐标序列A，坐标点m个：A = {a1,a2,...,am}；将实际物流轨迹转换成坐标序列B，坐标点n个：B = {b1,b2,...,bn}；基于A和B 生成坐标矩阵C，计算坐标矩阵C中点的距离得到距离矩阵D，基于距离矩阵D通过累计公式得到累计距离矩阵T，通过累计距离矩阵T的距离值判断标准物流轨迹和实际物流轨迹是否一致；
所述通过累计距离矩阵T的距离值判断标准物流轨迹和实际物流轨迹是否一致，包括根据DTW算法原理，在累计距离矩阵T中，T(i,j)表示从T(1,1)到T(i,j)的最短距离，距离值越小，则说明距离越近，即表示轨迹越相似，通过对比T(m,n)和轨迹偏离度预设值，如果T(m,n)小于预设值，则认为两者是一致的，否则不一致，存在窜货风险；
所述通过标识模板数据获取消费者反馈信息，并生成预警标记1，包括从标识模板数据中获取消费者反馈信息，包含交易位置信息，对比交易位置信息是否与商品销售区域一致，若不一致，则生成预警标记1；
所述通过标识模板数据获取实际物流轨迹和入库扫码轨迹，并生成预警标记2，包括从标识模板数据中获取实际物流轨迹和入库扫码轨迹，对比实际物流轨迹和扫码轨迹是否一致，若不一致，则生成预警标记2；
所述通过标识模板数据获取标准物流轨迹，并生成预警标记3，包括从标识模板数据中获取标准物流轨迹，对比标准物流轨迹和实际物流轨迹是否一致，若不一致，则生成预警标记3。
2.一种基于标识解析的商品窜货预警系统，执行如权利要求1所述的预警方法，其特征在于，包括：
数据获取模块，被配置为，获取商品信息数据，包括静态数据和动态数据；
模型模块，被配置为，基于获取的商品信息数据构建商品防窜数据模型；
模板模块，被配置为，根据商品防窜数据模型生成标识数据模板，利用对商品注册的标识码从二级节点解析到标识数据模板中的标识模板数据；
预警模块，被配置为，通过标识模板数据获取消费者反馈信息，并生成预警标记1；通过标识模板数据获取实际物流轨迹和入库扫码轨迹，并生成预警标记2；通过标识模板数据获取标准物流轨迹，并生成预警标记3；根据预警标记1、预警标记2和预警标记3得到总体预警值，利用设定阈值判断是否存在窜货风险，输出窜货预警。
3.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行如权利要求1所述的一种基于标识解析的商品窜货预警方法。
4.一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行如权利要求1所述的一种基于标识解析的商品窜货预警方法。
CN202310992959.7A 2023-08-09 2023-08-09 一种基于标识解析的商品窜货预警方法及系统 Active CN116703430B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310992959.7A CN116703430B (zh) 2023-08-09 2023-08-09 一种基于标识解析的商品窜货预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310992959.7A CN116703430B (zh) 2023-08-09 2023-08-09 一种基于标识解析的商品窜货预警方法及系统

Publications (2)

Publication Number Publication Date
CN116703430A CN116703430A (zh) 2023-09-05
CN116703430B true CN116703430B (zh) 2024-02-06

Family

ID=87827986

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310992959.7A Active CN116703430B (zh) 2023-08-09 2023-08-09 一种基于标识解析的商品窜货预警方法及系统

Country Status (1)

Country Link
CN (1) CN116703430B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004118293A (ja) * 2002-09-24 2004-04-15 Nippon Telegr & Teleph Corp <Ntt> 移動軌跡データ検索用インデックス生成装置及びその方法と、移動軌跡データ検索装置及びその方法と、移動軌跡データ検索用インデックス生成プログラム及びそのプログラムを記録した記録媒体と、移動軌跡データ検索プログラム及びそのプログラムを記録した記録媒体
CN104766191A (zh) * 2014-01-08 2015-07-08 曲立东 基于数据标签的商品物流及销售数据采集系统
CN105046500A (zh) * 2015-06-12 2015-11-11 陈焕佳 一种商品轨迹的防伪和物流监控方法
CN105139057A (zh) * 2015-08-21 2015-12-09 许泽人 生成商品标识码的方法、具有商品标识码的商品、包装罐及灌装商品的生产工艺
CN107067272A (zh) * 2017-04-18 2017-08-18 北京首溯科技有限公司 一种农副产品流通环节高效追溯方法
CN109118246A (zh) * 2018-07-25 2019-01-01 皮志豪 一种轨迹防伪识别区标示及轨迹接力防伪反馈方法
CN109934127A (zh) * 2019-02-27 2019-06-25 电子科技大学 基于视频图像与无线信号的行人识别与跟踪方法
CN111127045A (zh) * 2019-12-25 2020-05-08 成都九洲电子信息系统股份有限公司 一种基于物联网和区块链的溯源防窜货系统及方法
CN113487334A (zh) * 2021-07-05 2021-10-08 中国联合网络通信集团有限公司 基于工业互联网标识的窜货预警方法及标识解析系统
CN114971654A (zh) * 2022-06-08 2022-08-30 徐品 一种基于区块链的产品溯源防伪防窜货方法
CN115131037A (zh) * 2022-06-30 2022-09-30 蚂蚁区块链科技(上海)有限公司 用于对商品窜货进行检测的方法及装置
WO2023053413A1 (ja) * 2021-09-30 2023-04-06 株式会社 Lozi 物流管理システム、物流管理方法、及びコンピュータプログラム
CN115982592A (zh) * 2022-10-27 2023-04-18 浙江大华技术股份有限公司 轨迹相似度计算方法、轨迹相似度计算装置以及存储介质
CN116308042A (zh) * 2023-03-06 2023-06-23 苏州永固智能科技有限公司 一种基于智能治疗柜的高危药品全程可追溯管理系统
CN116562896A (zh) * 2023-05-10 2023-08-08 广东云湾工业互联网有限公司 一种基于可信标识的产品防窜货查验方法、设备及介质

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004118293A (ja) * 2002-09-24 2004-04-15 Nippon Telegr & Teleph Corp <Ntt> 移動軌跡データ検索用インデックス生成装置及びその方法と、移動軌跡データ検索装置及びその方法と、移動軌跡データ検索用インデックス生成プログラム及びそのプログラムを記録した記録媒体と、移動軌跡データ検索プログラム及びそのプログラムを記録した記録媒体
CN104766191A (zh) * 2014-01-08 2015-07-08 曲立东 基于数据标签的商品物流及销售数据采集系统
CN105046500A (zh) * 2015-06-12 2015-11-11 陈焕佳 一种商品轨迹的防伪和物流监控方法
CN105139057A (zh) * 2015-08-21 2015-12-09 许泽人 生成商品标识码的方法、具有商品标识码的商品、包装罐及灌装商品的生产工艺
CN107067272A (zh) * 2017-04-18 2017-08-18 北京首溯科技有限公司 一种农副产品流通环节高效追溯方法
CN109118246A (zh) * 2018-07-25 2019-01-01 皮志豪 一种轨迹防伪识别区标示及轨迹接力防伪反馈方法
CN109934127A (zh) * 2019-02-27 2019-06-25 电子科技大学 基于视频图像与无线信号的行人识别与跟踪方法
CN111127045A (zh) * 2019-12-25 2020-05-08 成都九洲电子信息系统股份有限公司 一种基于物联网和区块链的溯源防窜货系统及方法
CN113487334A (zh) * 2021-07-05 2021-10-08 中国联合网络通信集团有限公司 基于工业互联网标识的窜货预警方法及标识解析系统
WO2023053413A1 (ja) * 2021-09-30 2023-04-06 株式会社 Lozi 物流管理システム、物流管理方法、及びコンピュータプログラム
CN114971654A (zh) * 2022-06-08 2022-08-30 徐品 一种基于区块链的产品溯源防伪防窜货方法
CN115131037A (zh) * 2022-06-30 2022-09-30 蚂蚁区块链科技(上海)有限公司 用于对商品窜货进行检测的方法及装置
CN115982592A (zh) * 2022-10-27 2023-04-18 浙江大华技术股份有限公司 轨迹相似度计算方法、轨迹相似度计算装置以及存储介质
CN116308042A (zh) * 2023-03-06 2023-06-23 苏州永固智能科技有限公司 一种基于智能治疗柜的高危药品全程可追溯管理系统
CN116562896A (zh) * 2023-05-10 2023-08-08 广东云湾工业互联网有限公司 一种基于可信标识的产品防窜货查验方法、设备及介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于RFID和二维码技术应用的服装电商物流运作模式研究;黄明田;储雪俭;;工业工程(第06期);全文 *
基于物联网的乳制品质量追溯系统构建探析;赵策;;现代食品(第24期);全文 *

Also Published As

Publication number Publication date
CN116703430A (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
CN111813782B (zh) 一种时序数据的存储方法、装置
CN107180064A (zh) 一种物流信息处理方法、装置及物流信息系统
CN109117440B (zh) 一种元数据信息获取方法、系统和计算机可读存储介质
CN113255815A (zh) 用户行为异常分析方法、装置、设备及存储介质
CN113821674B (zh) 一种基于孪生神经网络的智能货物监管方法及系统
CN112148760B (zh) 大数据的筛选方法及装置
CN111461625B (zh) 一种物流监控信息交换管理系统
CN111582602A (zh) 一种基于物流供应链的协同优化方法
CN113127563A (zh) 一种基于区块链的智能零售管理方法及系统
CN116955853A (zh) 订单签收时间预计查询方法、装置、设备及存储介质
CN116703430B (zh) 一种基于标识解析的商品窜货预警方法及系统
CN118035249A (zh) 核工程复杂关系数据建模与监控方法和系统
CN114462834A (zh) 一种基于多渠道数据融合的区域画像构建方法及系统
CN117236826A (zh) 物流托盘的码放识别方法、装置、设备及存储介质
CN117115569A (zh) 基于机器学习的物像自动识别分类方法及系统
CN113554335A (zh) 一种基于大数据的生产计划方法
CN115269633A (zh) 一种基于cad图纸智能查询商品的方法
CN112612828A (zh) 一种用于确定目标对象的区域编码信息的方法及系统
CN117455512A (zh) 一种基于标识解析技术的家电产品窜货报警方法
CN109615308A (zh) 产出统计方法、装置、设备及可读存储介质
CN112182443B (zh) 一种面向mes的标识查询系统及方法
CN118260347B (zh) 基于人工智能的数据采集分析方法及系统
CN117078112B (zh) 应用于企业异常用电管理的能耗检测方法及数据分析系统
CN113626493B (zh) 一种时空数据多维查询方法及系统
CN112633527B (zh) 企业维修网点管理方法、系统、计算机设备和存储介质

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