CN116862387A - 一种基于先过期先出库的供应链自动管理系统、方法 - Google Patents
一种基于先过期先出库的供应链自动管理系统、方法 Download PDFInfo
- Publication number
- CN116862387A CN116862387A CN202310816367.XA CN202310816367A CN116862387A CN 116862387 A CN116862387 A CN 116862387A CN 202310816367 A CN202310816367 A CN 202310816367A CN 116862387 A CN116862387 A CN 116862387A
- Authority
- CN
- China
- Prior art keywords
- product
- supply chain
- transportation
- environment data
- 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.)
- Pending
Links
- 238000013068 supply chain management Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000007726 management method Methods 0.000 claims abstract description 124
- 238000003860 storage Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 230000005540 biological transmission Effects 0.000 claims description 31
- 230000015654 memory Effects 0.000 claims description 31
- 230000007613 environmental effect Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 12
- 238000013439 planning Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 235000013305 food Nutrition 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 239000002699 waste material Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 210000004027 cell Anatomy 0.000 description 5
- 230000007787 long-term memory Effects 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 235000013311 vegetables Nutrition 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000021022 fresh fruits Nutrition 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/08—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
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- 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
- G06Q10/06395—Quality analysis or management
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
Abstract
本发明公开了一种基于先过期先出库的供应链自动管理系统、方法,所述系统包括:传感器网络、供应链管理系统以及用户终端,本发明通过传感器网络获取产品在存储和运输过程中的产品环境数据,通过供应链管理系统根据产品环境数据预测产品剩余保质期,根据产品剩余保质期对产品的库存和运输进行管理,并生成产品库存管理信息和产品运输管理信息,通过用户终端显示和监控产品库存管理信息和产品运输管理信息。由于本发明在对产品的库存和运输管理过程中,考虑了产品的储存和运输的环境对产品保质期的影响,因此有效解决了在根据产品保质期进行库存轮换管理时,产品保质期只关注时间,忽略了产品的贮存条件和运输条件,造成大量产品浪费的问题。
Description
技术领域
本发明涉及食品管理领域,尤其涉及的是一种基于先过期先出库的供应链自动管理系统、方法。
背景技术
随着世界人口的不断增长,充足的食物供应已成为当前面临的重要挑战。在这种情况下,尽力减少各环节可避免的产品损失是当前需要重点关注的问题之一。
由于产品质量不满足可接受食用的要求,每年全球约有三分之一的新鲜水果和蔬菜被丢弃,其中相当一部分的损失与供应链管理过程中的非优化管理有关。根据一项对主要农产品(蔬菜、水果和主食作物)从生产到分销阶段的大规模实地调查表明,在中国,每年有约9500万吨的食品在收货后处理、储存和运输这些供应链环节上损失,占总产量的27%。据估计,其中40%至60%的损失可以借助更智能的设备,更先进的技术来进一步避免。
保质期表示一种食品质量可接受的剩余安全消费天数。FEFO(First ExpiredFirst Out),先过期先出库是一个更好的供应链库存管理解决方案,最早提出于20世纪80年代末。此方法是通过自动化程序管理库存,使所有进项的产品都带上了保质期的标识,系统会根据产品保质期在库存中自动进行轮换。首先售出最早过期的产品,在确保产品于保质期内销售的同时减少库存产品浪费,并更好的保证提供商品的一致性。
目前,标准的库存管理假定所有产品都经过了统一的处理,产品保质期通常是基于时间的函数得到。但保质期的长短还取决于产品的贮存条件和运输条件,只关注时间保质期的库存轮换管理依然会造成大量产品浪费。
因此,现有技术还有待改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种基于先过期先出库的供应链自动管理系统、方法,旨在解决现有技术中在根据产品保质期进行库存轮换管理时,产品保质期只关注时间,忽略了产品的贮存条件和运输条件,造成大量产品浪费问题。
本发明解决问题所采用的技术方案如下:
第一方面,本发明实施例提供一种基于先过期先出库的供应链自动管理系统,其中,所述系统包括:
传感器网络,所述传感器网络用于获取产品环境数据,其中,所述产品环境数据包括产品在存储或运输过程中的环境数据;
供应链管理系统,所述供应链管理系统位于云计算平台,用于获取所述传感器网络中的产品环境数据,根据所述产品环境数据预测产品剩余保质期,根据产品剩余保质期对产品的库存和运输进行管理,并生成产品库存管理信息和产品运输管理信息;
用户终端,所述用户终端用于显示和监控所述产品库存管理信息和所述产品运输管理信息。
在一种实施方法中,所述传感器网络包括:
传感器模块:所述传感器模块包括若干传感器,用于实时获取所述产品环境数据;
数据采集和传输模块:所述数据采集和传输模块用于获取所述传感器模块的所述产品环境数据,将所述产品环境数据传输给所述供应链管理系统。
在一种实施方法中,所述数据采集和传输模块还用于根据产品位置,选择传输所述产品环境数据的网络的频段和信道。
在一种实施方法中,所述供应链管理系统包括:
数据采集模块,所述数据采集模块用于获取所述产品环境数据;
数据处理模块,所述数据处理模块用于对所述产品环境数据进行预处理,并根据预处理后的所述产品环境数据预测产品剩余保质期;
供应链规划模块,所述供应链规划模块用于获取市场供求信息,根据所述市场供求信息和所述产品剩余保质期,确定产品运输信息和基于先过期先出库原则的产品订单信息;
库存管理模块,所述库存管理模块用于实时更新产品库存信息,以先过期先出库的原则,根据所述产品库存信息和产品订单信息对产品库存进行管理,确定所述产品库存管理信息;
运输管理模块,所述运输管理模块用于根据所述产品运输信息确定产品运输方案,并根据所述产品运输方案对产品运输进行管理,确定所述产品运输管理信息。
在一种实施方法中,所述供应链管理模块还包括:供应链分析模块,所述供应链分析模块用于获取所述供应链管理系统中各模块数据,对各所述模块数据进行分析,并根据分析的结果优化所述供应链管理系统中各模块的管理方案。
在一种实施方法中,所述数据处理模块包括:
预处理单元,所述预处理单元用于对所述产品环境数据进行清洗、去噪以及校准;
特征提取单元,所述特征提取单元用于从所述预处理单元输出的所述产品环境数据中提取产品环境特征,以用于预测所述产品剩余保质期;
保质期预测单元,所述保质期预测单元用于根据所述产品环境特征预测所述产品剩余保质期。
在一种实施方法中,所述根据所述产品环境特征预测所述产品剩余保质期,包括:
将所述产品环境特征输入长短期记忆模型,预测得到所述产品剩余保质期,其中,所述长短期记忆模型为将若干在不同环境下的所述产品剩余保质期输入长短期记忆网络训练后得到的模型。
第二方面,本发明实施例还提供一种基于先过期先出库的供应链自动管理系统的供应链自动管理方法,其中,所述基于先过期先出库的供应链自动管理方法包括:
获取基于传感器网络采集的产品环境数据,其中,所述产品环境数据包括产品在存储或运输过程中的环境数据;
将所述产品环境数据输入供应链管理系统,根据所述产品环境数据预测产品剩余保质期,并根据产品剩余保质期对产品的库存和运输进行管理,并生成产品库存管理信息和产品运输管理信息;
通过用户终端显示和监控所述产品库存管理信息和所述产品运输管理信息。
第三方面,本发明实施例还提供一种终端,其特征在于,所述终端包括有存储器和一个以上处理器;所述存储器存储有一个以上的程序;所述程序包含用于执行如上所述的基于先过期先出库的供应链自动管理方法的指令;所述处理器用于执行所述程序。
第四方面,本发明实施例还提供一种计算机可读存储介质,其上存储有多条指令,其中,所述指令适用于由处理器加载并执行,以实现上所述的基于先过期先出库的供应链自动管理方法。
本发明的有益效果:本发明实施例通过传感器网络获取产品在存储和运输过程中的产品环境数据,通过供应链管理系统根据产品环境数据预测产品剩余保质期,根据产品剩余保质期对产品的库存和运输进行管理,并生成产品库存管理信息和产品运输管理信息,通过用户终端显示和监控产品库存管理信息和产品运输管理信息。由于本发明在对产品的库存和运输管理过程中,考虑了产品的储存和运输的环境对产品保质期的影响,因此有效解决了在根据产品保质期进行库存轮换管理时,产品保质期只关注时间,忽略了产品的贮存条件和运输条件,造成大量产品浪费的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于先过期先出库的供应链自动管理系统的内部模块示意图。
图2是本发明实施例提供的基于先过期先出库的供应链自动管理系统的详细结构图。
图3是本发明实施例提供的基于先过期先出库的供应链自动管理系统的长短期记忆模型结构图
图4是本发明实施例提供的基于先过期先出库的供应链自动管理系统的用户终端模块的手机界面图。
图5是本发明实施例提供的基于先过期先出库的供应链自动管理系统的用户终端模块的网页界面图。
图6是本发明实施例提供的基于先过期先出库的供应链自动管理方法的流程示意图。
图7是本发明实施例提供的终端的原理框图。
具体实施方式
本发明公开了一种基于先过期先出库的供应链自动管理系统、方法,为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
随着世界人口的不断增长,充足的食物供应已成为当前面临的重要挑战。在这种情况下,尽力减少各环节可避免的产品损失是当前需要重点关注的问题之一。
由于产品质量不满足可接受食用的要求,每年全球约有三分之一的新鲜水果和蔬菜被丢弃,其中相当一部分的损失与供应链管理过程中的非优化管理有关。根据一项对主要农产品(蔬菜、水果和主食作物)从生产到分销阶段的大规模实地调查表明,在中国,每年有约9500万吨的食品在收货后处理、储存和运输这些供应链环节上损失,占总产量的27%。据估计,其中40%至60%的损失可以借助更智能的设备,更先进的技术来进一步避免。
保质期表示一种食品质量可接受的剩余安全消费天数。FEFO(First ExpiredFirst Out),先过期先出库是一个更好的供应链库存管理解决方案,最早提出于20世纪80年代末。此方法是通过自动化程序管理库存,使所有进项的产品都带上了保质期的标识,系统会根据产品保质期在库存中自动进行轮换。首先售出最早过期的产品,在确保产品于保质期内销售的同时减少库存产品浪费,并更好的保证提供商品的一致性。
目前,标准的库存管理假定所有产品都经过了统一的处理,产品保质期通常是基于时间的函数得到。但保质期的长短还取决于产品的贮存条件和运输条件,只关注时间保质期的库存轮换管理依然会造成大量产品浪费。
针对现有技术的上述缺陷,本发明提供一种基于先过期先出库的供应链自动管理系统,所述系统包括:传感器网络、供应链管理系统以及用户终端,本发明通过传感器网络获取产品在存储和运输过程中的产品环境数据,通过供应链管理系统根据产品环境数据预测产品剩余保质期,根据产品剩余保质期对产品的库存和运输进行管理,并生成产品库存管理信息和产品运输管理信息,通过用户终端显示和监控产品库存管理信息和产品运输管理信息。由于本发明在对产品的库存和运输管理过程中,考虑了产品的储存和运输的环境对产品保质期的影响,因此有效解决了在根据产品保质期进行库存轮换管理时,产品保质期只关注时间,忽略了产品的贮存条件和运输条件,造成大量产品浪费的问题。
示例性系统
如图1所示,所述系统包括:
传感器网络01,所述传感器网络用于获取产品环境数据,其中,所述产品环境数据包括产品在存储或运输过程中的环境数据。
简单来说,产品环境数据包括产品在存储和运输过程中的温度、湿度、气压、光照等环境因素。通过传感器网络可以实时获取产品的存储的仓库或者运输设备上产品环境数据。
在一种实现方式中,所述传感器网络包括:
传感器模块:所述传感器模块包括若干传感器,用于实时获取所述产品环境数据;
数据采集和传输模块:所述数据采集和传输模块用于获取所述传感器模块的所述产品环境数据,将所述产品环境数据传输给所述供应链管理系统。
具体地,传感器网络包括传感器模块、数据采集和传输模块两个部分,其中传感器模块由多个智能传感器组成,负责实时检测产品的产品环境数据,使用温度传感器和湿度传感器以获取关于产品储存和运输过程中的环境参数的数据。温度传感器采用高精度数字传感器DS18B20,能够以数字形式测量温度,并具有较高的准确性和稳定性。湿度传感器采用DHT22,可以测量环境的相对温度,通过电路连接到微控制器上。
另外,数据采集和传输模块采用NB-loT通信进行数据传输,集成NB-loT模块的网关设备,网关设备负责收集到自传感器模块的产品环境数据,并对产品环境数据进行解析、校验和筛选,确保产品环境数据的完整性和准确性。对产品环境数据进行处理,将产品环境数据进行压缩并打包成适当的数据格式以便在传输过程中有效地利用带宽和资源,使用HTTP传输协议,确保产品环境数据能够以安全、可靠的方式传输到云计算平台。并且为保证产品环境数据的安全性,使用加密和身份验证技术,防止产品环境数据被窃取或篡改。
在一种实现方式中,所述数据采集和传输模块还用于根据产品位置,选择传输所述产品环境数据的网络的频段和信道。
具体地,根据产品位置,判断产品位置附近的网络环境以及系统对于该位置的产品环境数据的传输要求,选择适当的传输频段和信道。不同的频段和信道在不同的环境下具有不同的传输性能和抗干扰能力。通过评估产品所在位置的环境中的无线信号干扰和传输距离要求,选择合适的频段和信道,以提供稳定的数据传输。对于实时性要求较高的产品环境数据传输,可以选择较高的传输速率,以实现快速的数据传输和响应。而对于数据量较大但实时性要求不高的传输,可以采用较低的传输速率,以减少能耗和传输成本。对于长距离传输或存在信号弱区域的情况,可以采用信号增强技术和中继设备来增强传输信号的强度和覆盖范围。在传输通道优化过程中,也需要考虑功耗的优化。选择低功耗的传输模块或调整传输参数,以平衡数据传输的性能和功耗需求。例如,根据实际需求灵活调整传输功率,以减少能耗并延长传感器模块中传感器的电池寿命。
供应链管理系统02,所述供应链管理系统位于云计算平台,用于获取所述传感器网络中的产品环境数据,根据所述产品环境数据预测产品剩余保质期,根据产品剩余保质期对产品的库存和运输进行管理,并生成产品库存管理信息和产品运输管理信息。
具体地,如图2所示,云计算平台通过互联网按需提供运算、存储、网络等资源,具有按需部署、灵活性高、可靠性好、性价比高等多种优势。本实施例通过将供应链管理系统设置于云计算平台,基于云计算平台获取传感器网络中的产品环境数据,根据产品环境数据预测产品剩余保质期,根据产品剩余保质期对产品的库存和运输进行管理,并生成产品库存管理信息和产品运输管理信息,完成供应链管理系统的数据存储、数据处理与分析、供应链优化算法、实时监控和警报等功能。
所述供应链管理系统包括:
数据采集模块,所述数据采集模块用于获取所述产品环境数据;
数据处理模块,所述数据处理模块用于对所述产品环境数据进行预处理,并根据预处理后的所述产品环境数据预测产品剩余保质期;
供应链规划模块,所述供应链规划模块用于获取市场供求信息,根据所述市场供求信息和所述产品剩余保质期,确定产品运输信息和基于先过期先出库原则的产品订单信息;
库存管理模块,所述库存管理模块用于实时更新产品库存信息,以先过期先出库的原则,根据所述产品库存信息和产品订单信息对产品库存进行管理,确定所述产品库存管理信息;
运输管理模块,所述运输管理模块用于根据所述产品运输信息确定产品运输方案,并根据所述产品运输方案对产品运输进行管理,确定所述产品运输管理信息。
具体地,数据采集模块从网络中获取来自传感器网络的产品环境数据,并对数据进行初步处理之后,将初步处理后的产品环境数据发送到数据处理模块。数据采集模块通过与传感器网络建立连接与通信,实时获取产品环境的相关数据。采用以太网、Wi-Fi和蓝牙等合适的通信协议和接口,与传感器网络进行数据交换。这数据包括产品的温度、湿度、气压、光照等,用于测量产品存储和运输过程中的环境条件。
数据处理模块包括:预处理单元,预处理单元用于对产品环境数据进行清洗、去噪以及校准,预处理单元对产品环境数据进行清洗、去噪和校准等处理后,以确保产品环境数据的准确性和一致性。例如,可以进行数据插值处理来填补可能存在的缺失值,或者进行异常值检测和修复。特征提取单元,特征提取单元用于从所述预处理单元输出的所述产品环境数据中提取产品环境特征,以用于预测所述产品剩余保质期,特征提取单元从预处理后的产品环境数据中提取相关特征包括食品的温度、湿度、气体成分等环境条件,以及存储时间、运输方式等其他相关信息。特征提取可以利用统计方法、时域分析或频域分析等技术进行,以捕捉数据中的有用信息。保质期预测单元,保质期预测单元用于根据所述产品环境特征预测所述产品剩余保质期。根据所述产品环境特征预测所述产品剩余保质期包括:将所述产品环境特征输入长短期记忆模型,预测得到所述产品剩余保质期,其中,所述长短期记忆模型为将若干在不同环境下的所述产品剩余保质期输入长短期记忆网络训练后得到的模型。本实施例借助长短期记忆网络的记忆性和时间序列建模能力,以提供能加准确的产品剩余保质期信息,进行相应的调度和管理。
其中,基于长短期记忆网络(LSTM)训练得到长短期记忆模型的过程包括:
1、数据收集和前处理:收集一定数量的产品样本数据,包括每个样本的温度、湿度和真实保质期。使用数据处理方法将产品样本数据标准化并分割出训练集和测试集。
2、模型架构:本模型由一个具有多层神经元的全连接神经网络组成。如图3所示,模型包括一个输入层、若干个隐藏层和一个输出层。其中输入层包含与输入对应数量的神经元。隐藏层的数量和每层神经元数量都可以根据实际情况自行设定。输出层包含一个神经元,用于表示预测的产品保质期。为了防止模型过拟合,可以将隐藏层的神经元数设置为较少的数量,并添加正则化项。
其中:
(1)输入参数:
x_t:第t个时间步的输入数据(如温度和湿度);
h_t:第t个时间步的隐藏状态,LSTM网络中的门控单元;
c_t:第t个时间步的细胞状态,LSTM网络中的记忆单元;
(2)输出参数:
y_t:第t个时间步的模型预测值,即对保质期损耗的预测;
(3)模型参数:
W_{xi},W_{xf},W_{xo},W_{xg}和W_{hi},W_{hf},W_{ho},W_{hg}是输入门、遗忘门、输出门和细胞更新门的权重参数,分别用于控制(长短期记忆网络)LSTM网络中各个门的开启程度,以及当前细胞状态对下一个细胞状态的贡献。这些权重参数要通过训练来确定,以最大程度地拟合数据和提取特征;
b_i,b_f,b_o,b_g是输入门、遗忘门、输出门和细胞更新门的偏移量,用于控制门的开关。偏移量需要在训练过程中学习得到;
W_y是用于连接隐藏状态和输出的权重参数。在LSTM网络中,输出是由隐藏状态和上面的连接权重共同决定的;
b_y是输出的偏移量,表示输出的基本偏移值;
(4)损失函数:
采用均方误差损失函数L,其计算公式如下:
3、模型训练:采用反向传播算法,将训练集输入到长短期记忆网络中,优化模型参数,最小化模型预测与真实保质期之间的均方误差。训练过程中可以使用随机梯度下降方法和批归一化来加速收敛和提高精度。此外,通过增量学习和滑动窗口方法,实现在线学习和实时更新模型参数,使模型始终保持准确预测产品保质期的能力:每当有新的产品样本数据输入,将该数据加入训练集中,重新训练模型,并更新模型参数。使用滑动窗口的方法来处理序列数据,即只选择一定数量(例如100个)的时间步进行训练,并使用这些时间步训练出的模型进行预测。
4.模型预测:当有新的产品样本数据输入时,将计算出预测的环境因素保质期削减量,通过环境因素保质期消减量计算得到产品剩余保质期。模型还可以实时更新参数,从而保证模型的预测能力适应不同类型或批次产品之间可能存在的差异。
5.模型评估:使用测试集评估模型的性能和精度,以此来确定模型的可行性和实用性。
6.模型发布和部署:在评估完模型性能后,将模型发布为API接口,部署在云计算平台供管理平台调用,为FEFO策略提供有效的保质期预测服务。
模型最终输出的是环境因素保质期削减量,产品剩余保质期计算采用环境削减模型,即产品剩余保质期=商品原始保质期-环境因素保质期削减量,在实际应用中,根据不同产品的物理特性和保存要求,选择合适的可测量环境量进行产品剩余保质期的计算。
在预测得到产品剩余保质期后,将产品剩余保质期输入供应链规划模块,对产品的存储和运输进行分析和规划。一般来说,供应链规划模块会根据产品的剩余保质期,结合时长需求和供应能力,生成符合FEFO策略的产品订单信息和产品运输信息,并将它们发送到库存管理模块和运输管理模块。通过考虑产品剩余保质期,优先处理即将过期的商品,确保库存中的产品能够在其剩余保质期内得到充分利用,减少产品的浪费和损失。并且基于订单的要求和供应链的物流网络,生成最佳的产品运输信息。根据供应链的结构和运输资源的可用性,通过优化运输路线、货物配载和运输方式,最大程度地降低运输成本,并确保产品的及时交付。通过分析供应链的各个环节,包括供应商、生产商、仓储和分销等环节,进行供应链结构优化。涉及到供应商选择、库存布局、仓储设施的位置和数量等方面的决策。通过优化供应链结构,可以降低物流成本、减少运输时间和风险,提高供应链的效率和可靠性。同时,考虑供应链中的潜在风险因素,如自然灾害、供应商延迟或质量问题等,进行供应链风险管理。通过风险评估和风险应对策略的制定,降低潜在风险对供应链运作的影响,并确保产品供应的稳定性和可持续性。
库存管理模块实时检测仓库中的产品库存信息,同时从数据处理模块获取产品剩余保质期,根据产品剩余保质期、产品库存信息以及产品订单信息自动对产品进行库存管理和纳入出库安排。库存管理模块通过与传感器网络和云计算平台的数据交互,实时跟踪仓库中的产品库存。记录每个批次或每个产品的数量、位置和相关属性,包括生产日期、保质期等信息。通过准确记录和更新库存信息,库存管理模块可以提供实时的库存状态和可用量(产品库存信息),为供应链决策提供准确的数据支持。
此外,根据预测的产品剩余保质期和需求预测,库存管理模块可以自动调整库存水平,确保库存持续满足市场需求,并避免库存过剩或短缺的情况。通过合理优化库存水平,供应链可以降低库存成本,减少食品损失和浪费。负责对仓储中的食品进行质量和数量的检查。通过传感器网络,监测食品的温度、湿度和其他环境条件,以确保食品的质量和安全。同时,库存管理模块可以进行库存盘点,核实实际库存与系统记录的一致性,及时发现和解决库存数量的偏差问题。通过设置阈值和规则,可以实时监测库存状态并进行异常报警。
运输管理模块负责根据供应链规划模块给出的产品运输信息,安排合理的运输方案,保证视频的及时送达。运输管理模块管理并协调物流合作伙伴,如货代、物流公司等,协调运输时间、路线、运输方式等,以确保食品的安全和及时性。同时,也可以通过监控运输过程中的温度、湿度等数据,对产品的质量进行跟踪和管理。
在一种实现方式中,所述供应链管理模块还包括:供应链分析模块,所述供应链分析模块用于获取所述供应链管理系统中各模块数据,对各所述模块数据进行分析,并根据分析的结果优化所述供应链管理系统中各模块的管理方案。
具体地,供应链分析模块负责分析供应链管理系统中各个环节,找到优化的方案,并提供报告和建议,以提高供应链管理系统的效率和减少产品浪费。供应链分析模块负责收集和整合与供应链管理系统中的各种数据和报表。这些数据可以包括销售数据、库存数据、物流数据、质量数据以及生命条件数据。通过整合这些数据,可以形成供应链的全面视图。并且利用数据分析技术,对收集到的数据进行深入分析,以识别供应链中的问题和瓶颈。通过应用统计分析、数据挖掘和可视化等技术,可以发现销售低迷的产品、库存积压的地点、物流瓶颈等问题。基于数据分析的结果,供应链分析模块能够提出针对性的问题解决方案和建议。供应链分析模块生成详尽的报告和可视化结果,向管理人员提供供应链的关键指标、趋势分析和优化建议,以实现对供应链管理系统中各模块的管理方案的优化。
在一种实现方式中,所述供应链管理模块还包括:客户服务模块,所述客户服务模块用于与客户对接产品事务。
具体地,客户服务模块对接产品事务主要包括与客户沟通、协调订单、处理投诉等事宜。客户服务模块能够接收来自客户的订单,并对订单进行管理和协调。当客户提交订单时,客户服务模块可以自动进行验证和确认,并将订单信息与供应链规划模块进行对接,如库存管理和物流配送。通过自动化的订单处理流程,可以提高订单处理的效率和准确性。通过多种方式与客户进行沟通和反馈。这包括通过在线聊天、电子邮件、电话等方式与客户进行实时或非实时的沟通。客户可以查询订单状态、提出问题或请求,而客服人员可以及时回复并提供帮助。此外,系统也可以设立客户反馈通道,收集客户的意见、建议和投诉,以便及时解决问题并改进服务质量。可以实现自动回复功能,用于处理某些常见问题和咨询。系统可以通过预设的知识库或常见问题数据库,识别并自动回答客户的常见问题,例如关于订单状态、退换货流程、支付方式等。这种自动化回复可以快速解答客户的疑问,减轻客服人员的工作负担,并提高客户服务的效率。并且能够有效处理客户的投诉,并及时解决问题。当客户提交投诉时,系统可以自动记录投诉内容,并将其分配给相应的客服人员进行处理。客服人员可以跟踪投诉的处理进度,并与客户保持沟通,寻求解决方案并提供合理的补偿或解决方案。这有助于改善客户满意度,维护良好的客户关系。
用户终端03,所述用户终端用于显示和监控所述产品库存管理信息和所述产品运输管理信息。
具体地,用户终端主要分成手机终端和网页终端,用户可以通过手机终端或网页终端查看、监控产品库存管理信息和产品运输管理信息。
手机终端如图4所示主要包含以下三部分:首页,显示所有特定产品批次列表,包括产品名称、批次号、保质期等关键信息;产品详情页:展示特定产品批次的详细信息,包括生产日期、交通轨迹,温度、湿度等,并显示产品剩余保质期预测;指令通知页:供应链规划模块向库存管理模块或运输管理模块下发的产品订单信息和产品运输信息,可以快速查看通知并进行处理,并提供回复、确认或拒绝操作。
考虑到手机终端受限于显示空间,不利于长期积累的海量数据显示,本实施例还设置网络终端,如图5所示。长期、海量的产品数据为供应链以及产品监管部门正确的管理决策提供依据。管理者可以随时查看不同批次产品数据,并根据供应链管理系统给出的建议结合实际情况做出宏观的出库入库决策,形成完善的管理体系。
网页终端主要包含以下三部分:数据统计页,展示所有特定产品批次的整体统计数据和分析,包括总销量、剩余库存、平均保质期等;预警监控页:监控所有特定产品批次的保质期,一旦有产品即将过期,发送提醒至指定人员;采购策略页:根据数据分析,生成特定产品批次的采购策略,例如采购时间、数量和供应商等。用户可以根据推荐的策略进行采购决策。
基于上述实施例,本发明还提供了一种基于先过期先出库的供应链自动管理系统的供应链自动管理方法,如图6所示,所述方法包括:
步骤S100、获取基于传感器网络采集的产品环境数据,其中,所述产品环境数据包括产品在存储或运输过程中的环境数据;
步骤S200、将所述产品环境数据输入供应链管理系统,根据所述产品环境数据预测产品剩余保质期,并根据产品剩余保质期对产品的库存和运输进行管理,并生成产品库存管理信息和产品运输管理信息;
步骤S300、通过用户终端显示和监控所述产品库存管理信息和所述产品运输管理信息。
基于上述实施例,本发明还提供了一种终端,其原理框图可以如图7所示。该终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏。其中,该终端的处理器用于提供计算和控制能力。该终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现基于先过期先出库的供应链自动管理方法。该终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解,图7中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的终端的限定,具体的终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一种实现方式中,所述终端的存储器中存储有一个以上的程序,且经配置以由一个以上处理器执行所述一个以上程序包含用于进行基于先过期先出库的供应链自动管理方法的指令。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上所述,本发明公开了一种基于先过期先出库的供应链自动管理系统、方法,所述系统包括:传感器网络、供应链管理系统以及用户终端,本发明通过传感器网络获取产品在存储和运输过程中的产品环境数据,通过供应链管理系统根据产品环境数据预测产品剩余保质期,根据产品剩余保质期对产品的库存和运输进行管理,并生成产品库存管理信息和产品运输管理信息,通过用户终端显示和监控产品库存管理信息和产品运输管理信息。由于本发明在对产品的库存和运输管理过程中,考虑了产品的储存和运输的环境对产品保质期的影响,因此有效解决了在根据产品保质期进行库存轮换管理时,产品保质期只关注时间,忽略了产品的贮存条件和运输条件,造成大量产品浪费的问题。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于先过期先出库的供应链自动管理系统,其特征在于,所述系统包括:
传感器网络,所述传感器网络用于获取产品环境数据,其中,所述产品环境数据包括产品在存储或运输过程中的环境数据;
供应链管理系统,所述供应链管理系统位于云计算平台,用于获取所述传感器网络中的产品环境数据,根据所述产品环境数据预测产品剩余保质期,根据产品剩余保质期对产品的库存和运输进行管理,并生成产品库存管理信息和产品运输管理信息;
用户终端,所述用户终端用于显示和监控所述产品库存管理信息和所述产品运输管理信息。
2.根据权利要求1所述的基于先过期先出库的供应链自动管理系统,其特征在于,所述传感器网络包括:
传感器模块:所述传感器模块包括若干传感器,用于实时获取所述产品环境数据;
数据采集和传输模块:所述数据采集和传输模块用于获取所述传感器模块的所述产品环境数据,将所述产品环境数据传输给所述供应链管理系统。
3.根据权利要求2所述的基于先过期先出库的供应链自动管理系统,其特征在于,所述数据采集和传输模块还用于根据产品位置,选择传输所述产品环境数据的网络的频段和信道。
4.根据权利要求1所述的基于先过期先出库的供应链自动管理系统,其特征在于,所述供应链管理系统包括:
数据采集模块,所述数据采集模块用于获取所述产品环境数据;
数据处理模块,所述数据处理模块用于对所述产品环境数据进行预处理,并根据预处理后的所述产品环境数据预测所述产品剩余保质期;
供应链规划模块,所述供应链规划模块用于获取市场供求信息,根据所述市场供求信息和所述产品剩余保质期,确定产品运输信息和基于先过期先出库原则的产品订单信息;
库存管理模块,所述库存管理模块用于实时更新产品库存信息,以先过期先出库的原则,根据所述产品库存信息和产品订单信息对产品库存进行管理,确定所述产品库存管理信息;
运输管理模块,所述运输管理模块用于根据所述产品运输信息确定产品运输方案,并根据所述产品运输方案对产品运输进行管理,确定所述产品运输管理信息。
5.根据权利要求1所述的基于先过期先出库的供应链自动管理系统,其特征在于,所述供应链管理模块还包括:供应链分析模块,所述供应链分析模块用于获取所述供应链管理系统中各模块数据,对各所述模块数据进行分析,并根据分析的结果优化所述供应链管理系统中各模块的管理方案。
6.根据权利要求4所述的基于先过期先出库的供应链自动管理系统,其特征在于,所述数据处理模块包括:
预处理单元,所述预处理单元用于对所述产品环境数据进行清洗、去噪以及校准;
特征提取单元,所述特征提取单元用于从所述预处理单元输出的所述产品环境数据中提取产品环境特征,以用于预测所述产品剩余保质期;
保质期预测单元,所述保质期预测单元用于根据所述产品环境特征预测所述产品剩余保质期。
7.根据权利要求6所述的基于先过期先出库的供应链自动管理系统,其特征在于,所述根据所述产品环境特征预测所述产品剩余保质期,包括:
将所述产品环境特征输入长短期记忆模型,预测得到所述产品剩余保质期,其中,所述长短期记忆模型为将若干在不同环境下的所述产品剩余保质期输入长短期记忆网络训练后得到的模型。
8.一种基于权利要求1-7任一项所述的基于先过期先出库的供应链自动管理系统的供应链自动管理方法,其特征在于,所述方法包括:
获取基于传感器网络采集的产品环境数据,其中,所述产品环境数据包括产品在存储或运输过程中的环境数据;
将所述产品环境数据输入供应链管理系统,根据所述产品环境数据预测产品剩余保质期,并根据产品剩余保质期对产品的库存和运输进行管理,并生成产品库存管理信息和产品运输管理信息;
通过用户终端显示和监控所述产品库存管理信息和所述产品运输管理信息。
9.一种终端,其特征在于,所述终端包括有存储器和一个以上处理器;所述存储器存储有一个以上的程序;所述程序包含用于执行如权利要求8中所述的基于先过期先出库的供应链自动管理方法的指令;所述处理器用于执行所述程序。
10.一种计算机可读存储介质,其上存储有多条指令,其特征在于,所述指令适用于由处理器加载并执行,以实现上述权利要求8所述的基于先过期先出库的供应链自动管理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310816367.XA CN116862387A (zh) | 2023-07-04 | 2023-07-04 | 一种基于先过期先出库的供应链自动管理系统、方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310816367.XA CN116862387A (zh) | 2023-07-04 | 2023-07-04 | 一种基于先过期先出库的供应链自动管理系统、方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116862387A true CN116862387A (zh) | 2023-10-10 |
Family
ID=88221033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310816367.XA Pending CN116862387A (zh) | 2023-07-04 | 2023-07-04 | 一种基于先过期先出库的供应链自动管理系统、方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116862387A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118313768A (zh) * | 2024-03-11 | 2024-07-09 | 新农创云链(北京)科技有限公司 | 一种用于农产品供应链的电子账户管理系统 |
-
2023
- 2023-07-04 CN CN202310816367.XA patent/CN116862387A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118313768A (zh) * | 2024-03-11 | 2024-07-09 | 新农创云链(北京)科技有限公司 | 一种用于农产品供应链的电子账户管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tan et al. | Review of RFID and IoT integration in supply chain management | |
Ivanov et al. | A digital supply chain twin for managing the disruption risks and resilience in the era of Industry 4.0 | |
Tsang et al. | An intelligent model for assuring food quality in managing a multi-temperature food distribution centre | |
Vilas-Boas et al. | Convergence of Distributed Ledger Technologies with Digital Twins, IoT, and AI for fresh food logistics: Challenges and opportunities | |
Yadav et al. | Internet of things (IoT) based coordination system in Agri-food supply chain: development of an efficient framework using DEMATEL-ISM | |
Pang et al. | Value-centric design of the internet-of-things solution for food supply chain: Value creation, sensor portfolio and information fusion | |
Wang et al. | Improving inventory effectiveness in RFID-enabled global supply chain with Grey forecasting model | |
CN117114583B (zh) | 一种基于云服务平台的供应链管理系统 | |
Fritzsche et al. | Optimal prognostic distance to minimize total maintenance cost: The case of the airline industry | |
CN117495019B (zh) | 基于农产品供应链的农产品协同调度方法与系统 | |
Xu et al. | A real-time decision support framework to mitigate degradation in perishable supply chains | |
Konovalenko et al. | Real-time temperature prediction in a cold supply chain based on Newton's law of cooling | |
CN111861348A (zh) | 一种基于区块链的冷链溯源系统 | |
CN116862387A (zh) | 一种基于先过期先出库的供应链自动管理系统、方法 | |
Rekik et al. | Modeling (and learning from) Inventory Inaccuracies in e‐retailing/B2B contexts | |
Yörükoğlu et al. | Smart container evaluation by neutrosophic MCDM method | |
Zhang et al. | A Back Propagation Neural Network‐Based Method for Intelligent Decision‐Making | |
Dong | Design and development of Intelligent Logistics Tracking System based on computer algorithm | |
Kaur et al. | Industry 4.0 Adoption in Food Supply Chain to Improve Visibility and Operational Efficiency-A Content Analysis | |
KR102594089B1 (ko) | B2b 시장을 위한 인공지능 기반 식자재 자동 발주 서비스 제공 시스템 | |
Hassini et al. | Modeling the impact of IoT technology on food supply chain operations | |
KR102340179B1 (ko) | 머신러닝 기반 수요예측을 이용한 피킹 로케이션 보충 서비스 제공 방법 | |
Balali et al. | Data Intensive Industrial Asset Management | |
Balamurugan et al. | Impact of nutrients in food quality and safety by machine learning classifier using internet of things | |
Deepa et al. | Advanced machine learning for enterprise IoT modeling |
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 |