CN117114550B - 一种基于互联网的商品供应链智能监管系统 - Google Patents
一种基于互联网的商品供应链智能监管系统 Download PDFInfo
- Publication number
- CN117114550B CN117114550B CN202311342490.9A CN202311342490A CN117114550B CN 117114550 B CN117114550 B CN 117114550B CN 202311342490 A CN202311342490 A CN 202311342490A CN 117114550 B CN117114550 B CN 117114550B
- Authority
- CN
- China
- Prior art keywords
- commodity
- logistics
- value
- preset
- data
- 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
- 238000001514 detection method Methods 0.000 claims abstract description 67
- 238000004458 analytical method Methods 0.000 claims abstract description 55
- 238000012544 monitoring process Methods 0.000 claims abstract description 51
- 238000007726 management method Methods 0.000 claims description 59
- 238000004364 calculation method Methods 0.000 claims description 54
- 238000011156 evaluation Methods 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 20
- 230000007613 environmental effect Effects 0.000 claims description 12
- 239000000779 smoke Substances 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 4
- 238000012384 transportation and delivery Methods 0.000 description 4
- 239000013256 coordination polymer Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000013068 supply chain management Methods 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
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
-
- 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
- G06Q10/087—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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (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
本发明属于供应链监管技术领域，具体是一种基于互联网的商品供应链智能监管系统，包括供应链监管平台、商品订单采集下发模块、供应商监测分类模块、商品物流全程管控模块以及销售检测分析模块；本发明通过供应商监测分析以确定对应商品订单的优选供应商，实现对应商品订单的供应商的自动选择，选择更加合理精准，以及将对应商品订单进行商品物流运输管控分析，并将所销售商品的销售状况进行逐一分析，且将储存仓库进行仓库环境检测分析，实现对相应商品物流运输、销售状况以及储存安全性的准确分析并反馈，相应管理人员得以进行商品供应链的有效监管，进一步降低管理难度和管理成本。
Description
技术领域
本发明涉及供应链监管技术领域，具体是一种基于互联网的商品供应链智能监管系统。
背景技术
商品供应链是指从初级生产直到消费的各环节和操作的顺序，其范围从商品生产制造商、运输、仓储和销售等环节，商品供应链是与某一特定商品或项目相关的供应链，基于商品供应链的供应链管理是对由特定商品的顾客需求所拉动的整个商品供应链运作的全过程的系统管理；
目前在进行相应商品供应链的管理时，无法为相应商品订单自动且合理分配与其相匹配的供应商，以及无法对相应商品的物流运输、销售状况以及储存安全性进行准确分析并反馈，相应管理人员难以进行商品供应链的有效监管，管理难度大，加大了管理成本，有待进行改善；
针对上述的技术缺陷，现提出一种解决方案。
发明内容
本发明的目的在于提供一种基于互联网的商品供应链智能监管系统，解决了现有技术无法为相应商品订单自动且合理分配与其相匹配的供应商，以及无法对相应商品的物流运输、销售状况以及储存安全性进行准确分析并反馈，相应管理人员难以进行商品供应链的有效监管，管理难度大，加大了管理成本的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于互联网的商品供应链智能监管系统，包括供应链监管平台、商品订单采集下发模块、供应商监测分类模块、商品物流全程管控模块以及销售检测分析模块；商品订单采集下发模块获取到所有商品订单，并采集到商品订单所对应的商品名称，以及将提供对应商品的供应商标记为选择对象i，i={1,2，…，n}，n表示相应供应商的数量且n为大于1的自然数；
商品订单采集下发模块将对应商品订单的所有选择对象经供应链监管平台发送至供应商监测分类模块，供应商监测分类模块将选择对象i进行供应商监测分析并确定对应商品订单的优选供应商，将商品订单以及对应优选供应商经供应链监管平台发送至商品订单采集下发模块，商品订单采集下发模块将对应商品订单发送至与其相匹配的优选供应商；
对应优选供应商接收到相应商品订单后，及时进行商品拣货装载并安排物流车辆进行运输；商品物流全程管控模块将对应商品订单进行商品物流运输管控分析，据此以判断对应商品订单的物流运输为物流良性状态或物流非良性状态，在判断商品订单的物流运输为物流非良性状态时生成物流不合格信号；供应链监管平台将相应供应商的物流非良性状态次数加一或将物流良性状态次数加一并存储，且将物流不合格信号发送至后台管理端；
销售检测分析模块将所销售商品的销售状况进行逐一分析，据此以将对应商品标记为高价值商品或低价值商品，以及将低价值商品进行分析并将其划分为高潜力商品或低潜力商品，将对应商品的划分标记信息经供应链监管平台发送至后台管理端。
进一步的，供应商监测分析的具体分析过程包括：
获取到对应商品订单的采购量和选择对象i进行相应商品的最大供应量，将最大供应量减去采购量以得到供应超量数据，将供应超量数据与预设供应超量数据阈值进行数值比较，若供应超量数据未超过预设供应超量数据阈值，则将选择对象i剔除，若供应超量数据超过预设供应超量数据阈值，则将选择对象i标记为初步匹配对象；获取到对应商品订单的所有初步匹配对象，采集到对应初步匹配对象的位置，并据此以得到其物流运输距离值；
采集到与对应初步匹配对象的初次合作日期，将当前日期与初次合作日期进行时间差计算得到供应合作时长，并获取到对应初步匹配对象在供应合作时长内的合作金额和合作频率，以及通过分析计算获取到对应初步匹配对象的物流非良性状态数据；将对应初步匹配对象的供应合作时长、合作金额、合作频率、物流非良性状态数据以及物流运输距离值进行分析计算，并将计算结果标记为供应匹配值；按照供应匹配值的数值由大到小将所有初步匹配对象进行排序，将位于首位的初步匹配对象标记为相应商品订单的优选供应商。
进一步的，物流非良性状态数据的具体分析过程如下：
从供应链监管平台调取对应初步匹配对象的物流良性状态次数和物流非良性状态次数，将物流非良性状态次数与物流良性状态次数进行比值计算得到物流非良比，将物流非良比与物流非良性状态次数进行赋权求和计算得到物流非良系数；事先设定若干组预设物流非良系数范围，并设定每组物流非良系数范围分别对应一组物流评估数值，将对应初步匹配对象的物流非良系数与所有预设物流非良系数范围进行逐一比较，以获取到与其相对应的预设物流非良系数范围，将该预设物流非良系数范围所对应的物流评估数值标记为对应初步匹配对象的物流非良性状态数据。
进一步的，物流运输管控分析的具体分析过程如下：
采集到对应优选供应商接收到商品订单的时刻以及物流到达时刻，将物流到达时刻与接收到商品订单的时刻进行时间差计算得到物流时长，将物流时长与相应商品订单的预设物流时长阈值进行数值比较，若物流时长超过预设物流时长阈值，则判断对应商品订单的物流运输为物流非良性状态；
若物流时长未超过预设物流时长阈值，则采集到对应商品订单在运输到达时的商品损耗占比值以及商品损耗价值数据，将商品损耗占比值与商品损耗价值数据进行数值计算并将计算结果标记为物流评估系数；
将物流评估系数与预设物流评估系数阈值进行数值比较，若物流评估系数超过预设物流评估系数阈值，则判断对应商品订单的物流运输为物流非良性状态，若物流评估系数未超过预设物流评估系数阈值，则判断对应商品订单的物流运输为物流良性状态。
进一步的，销售检测分析模块的具体运行过程包括：
获取到进行销售的所有商品，将对应商品标记为目标商品k，k={1,2，…，m}，m表示所销售的商品种类数量且m为大于1的自然数；设定时长为T1的销售检测周期，采集到销售检测周期内目标商品k的销售量和销售利润数据，将销售量和销售利润数据进行数值计算并将计算结果标记为商品销表值，将商品销表值与预设商品销表阈值进行数值比较，若商品销表值超过预设商品销表阈值，则将目标商品k标记为高价值商品，若商品销表值未超过预设商品销表阈值，则将目标商品k标记为低价值商品。
进一步的，在将目标商品k标记为低价值商品后，采集到对应低价值商品的相邻若干个销售检测周期的商品销表值，将相邻两组销售检测周期的商品销表值进行差值计算以得到销表增长值，将所有销表增长值进行均值计算得到销增表现值；以及获取到对应低价值商品在当前销售检测周期的商品复购率数据和商品口碑数据，将商品复购率数据、商品口碑数据和销增表现值进行数值计算得到商品潜力值；将商品潜力值与预设商品潜力阈值进行数值比较，若商品潜力值超过预设商品潜力阈值，则将对应低价值商品标记为高潜力商品，若商品潜力值未超过预设商品潜力阈值，则将对应低价值商品标记为低潜力商品。
进一步的，供应链监管平台与商品仓储管理模块通信连接，商品仓储管理模块采集到所有储存仓库，将储存仓库进行仓库环境检测分析，据此以生成仓储检测合格信号或仓储检测不合格信号，将对应储存仓库的仓储检测合格信号或仓储检测不合格信号发送至供应链监管平台，供应链监管平台将仓储检测不合格信号以及对应储存仓库发送至后台管理端；
且商品仓储管理模块获取到所储存的商品种类，并获取到所有商品的盘点数据，采集到对应商品的商品库存数据以及商品销售速度，将商品库存数据和商品销售速度进行数值计算并取其计算结果，将该计算结果标记为补充急迫性系数，将补充急迫性系数与预设补充急迫性系数阈值进行数值比较，若补充急迫性系数未超过预设补充急迫性系数阈值，则生成相应商品的补充预警信号；将相应商品的补充预警信号经供应链监管平台发送至后台管理端。
进一步的，仓储环境检测分析的具体分析过程如下：
在对应储存仓库中布设若干个环境监测点，采集到对应环境监测点的烟雾浓度数据和可燃气体数据，将烟雾浓度数据和可燃气体数据与预设烟雾浓度数据阈值和预设可燃气体数据阈值分别进行数值比较，若烟雾浓度数据或可燃气体数据超过对应预设阈值，则将对应环境监测点标记为环境风险点；若对应储存仓库中存在环境风险点，则生成对应储存仓库的仓储检测不合格信号；
若对应储存仓库中不存在环境风险点，则采集到对应环境监测点的储温偏离数据、储湿偏离数据以及储光偏离数据，将储温偏离数据、储湿偏离数据以及储光偏离数据进行数值计算以得到仓储偏离系数；将所有环境监测点的仓储偏离系数进行均值计算和方差计算，据此得到仓储偏离均值和仓储偏差系数，将仓储偏离均值和仓储偏差系数与预设仓储偏离均值阈值和仓储偏差系数阈值分别进行数值比较，若仓储偏离均值超过预设仓储偏离均值阈值且仓储偏差系数未超过预设仓储偏差系数阈值，则生成对应储存仓库的仓储检测不合格信号；其余情况则生成对应储存仓库的仓储检测合格信号。
进一步的，在生成仓储检测合格信号时，将对应环境监测点的仓储偏离系数与预设仓库偏离系数阈值进行数值比较，若仓储偏离系数超过预设仓储偏离系数阈值，则判断对应环境监测点环境状态不佳并将其标记为待考量监测点，将待考量监测点经供应链监管平台发送至后台管理端。
与现有技术相比，本发明的有益效果是：
1、本发明中，通过商品订单采集下发模块将对应商品订单的所有选择对象经供应链监管平台发送至供应商监测分类模块，供应商监测分类模块将选择对象i进行供应商监测分析并确定对应商品订单的优选供应商，实现对应商品订单的供应商的自动选择，选择更加合理精准，方便进行管理；对应优选供应商接收到相应商品订单后，及时进行商品拣货装载并安排物流车辆进行运输；商品物流全程管控模块将对应商品订单进行商品物流运输管控分析，据此以判断对应商品订单的物流运输为物流良性状态或物流非良性状态，以便掌握商品物流运输不合格的因素，并及时通知相应供应商后续进行针对性的整改措施；
2、本发明中，通过销售检测分析模块将所销售商品的销售状况进行逐一分析，据此以将对应商品标记为高价值商品或低价值商品，以及将低价值商品进行分析并将其划分为高潜力商品或低潜力商品，以便后台管理人员进行商品进货和销售的后续规划，从而提升管理效果并保证销售增长，且通过商品仓储管理模块将储存仓库进行仓库环境检测分析，据此以生成仓储检测合格信号或仓储检测不合格信号，以便管理人员详细掌握各个储存仓库的环境状况，从而能够及时且准确进行相应环境调控，保证商品的安全储存，以及通过分析以判断是否生成相应商品的补充预警信号，方便及时相应商品的进货补充，从而避免相应商品断货，有利于管理人员进行管理，降低管理难度。
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为本发明中实施例一的系统框图；
图2为本发明中实施例二和实施例三的系统框图。
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。
实施例一：如图1所示，本发明提出的一种基于互联网的商品供应链智能监管系统，包括供应链监管平台、商品订单采集下发模块、供应商监测分类模块、商品物流全程管控模块以及销售检测分析模块，且供应链监管平台与商品订单采集下发模块、供应商监测分类模块、商品物流全程管控模块以及销售检测分析模块均通信连接；商品订单采集下发模块获取到所有商品订单，并采集到商品订单所对应的商品名称，以及将提供对应商品的供应商标记为选择对象i，i={1,2，…，n}，n表示相应供应商的数量且n为大于1的自然数；
商品订单采集下发模块将对应商品订单的所有选择对象经供应链监管平台发送至供应商监测分类模块，供应商监测分类模块将选择对象i进行供应商监测分析并确定对应商品订单的优选供应商，将商品订单以及对应优选供应商经供应链监管平台发送至商品订单采集下发模块，商品订单采集下发模块将对应商品订单发送至与其相匹配的优选供应商，能够实现对应商品订单的供应商的自动选择，相应商品订单的供应商的选择更加合理精准，提升系统智能化程度，方便进行管理；供应商监测分析的具体分析过程如下：
获取到对应商品订单的采购量和选择对象i进行相应商品的最大供应量，将最大供应量减去采购量以得到供应超量数据，将供应超量数据与预设供应超量数据阈值进行数值比较，若供应超量数据未超过预设供应超量数据阈值，则将选择对象i剔除，若供应超量数据超过预设供应超量数据阈值，则将选择对象i标记为初步匹配对象；获取到对应商品订单的所有初步匹配对象，采集到对应初步匹配对象的位置，并据此以得到其物流运输距离值；
采集到与对应初步匹配对象的初次合作日期，将当前日期与初次合作日期进行时间差计算得到供应合作时长，并获取到对应初步匹配对象在供应合作时长内的合作金额和合作频率，合作金额和合作频率是表示对应初步匹配对象在供应合作时长内合作总金额多少和合作总次数大小的数据量值；以及通过分析计算获取到对应初步匹配对象的物流非良性状态数据；物流非良性状态数据的具体分析过程如下：
从供应链监管平台调取对应初步匹配对象的物流良性状态次数和物流非良性状态次数，将物流非良性状态次数与物流良性状态次数进行比值计算得到物流非良比，通过公式WFi=a1*WBi+a2*WCi将物流非良比WBi与物流非良性状态次数WCi进行赋权求和计算得到物流非良系数WFi；其中，a1、a2为预设权重系数，a1＞a2＞0；并且，物流非良系数WFi的数值越大，表明对应初步匹配对象在历史合作过程中的物流表现越差；
事先设定若干组预设物流非良系数范围，并设定每组物流非良系数范围分别对应一组物流评估数值，需要说明的是，所有物流评估数值的取值均大于零，且预设物流非良系数范围的数值越大，则对应物流评估数值的取值越小；将对应初步匹配对象的物流非良系数与所有预设物流非良系数范围进行逐一比较，以获取到与其相对应的预设物流非良系数范围，将该预设物流非良系数范围所对应的物流评估数值标记为对应初步匹配对象的物流非良性状态数据；
通过公式GPi=（b1*HSi+b2*HEi+b3*HPi）/（b4*WZi+b5*WLi）将对应初步匹配对象的供应合作时长HSi、合作金额HEi、合作频率HPi、物流非良性状态数据WZi以及物流运输距离值WLi进行分析计算，并将计算结果标记为供应匹配值GPi；其中，b1、b2、b3、b4、b5为预设比例系数，b1、b2、b3、b4、b5的取值均大于零；并且，供应匹配值GPi的数值越大，则表明对应初步匹配对象与相应商品订单越匹配；按照供应匹配值的数值由大到小将所有初步匹配对象进行排序，将位于首位的初步匹配对象标记为相应商品订单的优选供应商。
对应优选供应商接收到相应商品订单后，及时进行商品拣货装载并安排物流车辆进行运输；商品物流全程管控模块将对应商品订单进行商品物流运输管控分析，据此以判断对应商品订单的物流运输为物流良性状态或物流非良性状态，在判断商品订单的物流运输为物流非良性状态时生成物流不合格信号；供应链监管平台将相应供应商的物流非良性状态次数加一或将物流良性状态次数加一并存储，且将物流不合格信号发送至后台管理端；后台管理端接收到物流不合格信号时进行相应调查追溯，以便掌握商品物流运输不合格的因素，并及时通知相应供应商后续进行针对性的整改措施；物流运输管控分析的具体分析过程如下：
采集到对应优选供应商接收到商品订单的时刻以及物流到达时刻，将物流到达时刻与接收到商品订单的时刻进行时间差计算得到物流时长，将物流时长与相应商品订单的预设物流时长阈值进行数值比较，若物流时长超过预设物流时长阈值，表明对应商品未能按时到达，则判断对应商品订单的物流运输为物流非良性状态；若物流时长未超过预设物流时长阈值，则采集到对应商品订单在运输到达时的商品损耗占比值以及商品损耗价值数据；其中，商品损耗占比值是表示商品损耗数量占总数量的百分比大小的数据量值，商品损耗价值数据是表示所损耗商品的总金额大小的数据量值；并且，商品损耗占比值以及商品损耗价值数据的数值越大，则表明对应商品订单的物流运输状况越差；
通过公式WP=ep1*PS+ep2*PZ将商品损耗占比值PS与商品损耗价值数据PZ进行数值计算并将计算结果标记为物流评估系数WP；其中，ep1、ep2为预设权重系数，ep1＞ep2＞0；并且，物流评估系数WP的数值越大，则表明其物流运输状况越差；将物流评估系数WP与预设物流评估系数阈值进行数值比较，若物流评估系数WP超过预设物流评估系数阈值，表明其物流运输状况较差，则判断对应商品订单的物流运输为物流非良性状态，若物流评估系数WP未超过预设物流评估系数阈值，表明其物流运输状况较好，则判断对应商品订单的物流运输为物流良性状态。
销售检测分析模块将所销售商品的销售状况进行逐一分析，据此以将对应商品标记为高价值商品或低价值商品，以及将低价值商品进行分析并将其划分为高潜力商品或低潜力商品，将对应商品的划分标记信息经供应链监管平台发送至后台管理端，以便后台管理人员进行商品进货和销售的后续规划，从而提升管理效果并保证销售增长；比如根据需要在后续加大高价值商品和高潜力商品的进货量，以及减小低潜力商品的进货量等；销售检测分析模块的具体运行过程如下：
获取到进行销售的所有商品，将对应商品标记为目标商品k，k={1,2，…，m}，m表示所销售的商品种类数量且m为大于1的自然数；设定时长为T1的销售检测周期，优选的，T1为30天；采集到销售检测周期内目标商品k的销售量和销售利润数据，通过公式XBk=eq1*XLk+eq2*XRk将销售量XLk和销售利润数据XRk进行数值计算并将计算结果标记为商品销表值XBk，其中，eq1、eq2为预设权重系数，eq1、eq2的取值均大于零；其中，商品销表值XBk的数值越大，表明目标商品k越畅销且利润率越高；将商品销表值XBk与预设商品销表阈值进行数值比较，若商品销表值XBk超过预设商品销表阈值，则将目标商品k标记为高价值商品，若商品销表值XBk未超过预设商品销表阈值，则将目标商品k标记为低价值商品；
在将目标商品k标记为低价值商品后，采集到对应低价值商品的相邻若干个销售检测周期的商品销表值，将相邻两组销售检测周期的商品销表值进行差值计算以得到销表增长值，将所有销表增长值进行均值计算得到销增表现值；以及获取到对应低价值商品在当前销售检测周期的商品复购率数据和商品口碑数据，商品复购率数据是表示单位时间内商品复购次数多少的数据量值，商品口碑数据是表示用户评价好感程度大小的数据量值；
通过公式SQk=fq1*FGk+fq2*KPk+fq3*XZk将商品复购率数据FGk、商品口碑数据KPk和销增表现值XZk进行数值计算得到商品潜力值SQk；其中，fq1、fq2、fq3为预设权重系数，fq1、fq2、fq3的取值均大于零；并且，商品潜力值SQk的数值越大，表明相较而言其越具有销售潜力；将商品潜力值SQk与预设商品潜力阈值进行数值比较，若商品潜力值SQk超过预设商品潜力阈值，则将对应低价值商品标记为高潜力商品，若商品潜力值SQk未超过预设商品潜力阈值，则将对应低价值商品标记为低潜力商品。
实施例二：如图2所示，本实施例与实施例1的区别在于，供应链监管平台与商品仓储管理模块通信连接，商品仓储管理模块采集到所有储存仓库，将储存仓库进行仓库环境检测分析，据此以生成仓储检测合格信号或仓储检测不合格信号，将对应储存仓库的仓储检测合格信号或仓储检测不合格信号发送至供应链监管平台，供应链监管平台将仓储检测不合格信号以及对应储存仓库发送至后台管理端，以便管理人员详细掌握各个储存仓库的环境状况，从而能够及时且准确进行相应环境调控，保证商品的安全储存；仓储环境检测分析的具体分析过程如下：
在对应储存仓库中布设若干个环境监测点，采集到对应环境监测点的烟雾浓度数据和可燃气体数据，其中，可燃气体数据是表示环境中可燃性气体浓度大小的数据量值；将烟雾浓度数据和可燃气体数据与预设烟雾浓度数据阈值和预设可燃气体数据阈值分别进行数值比较，若烟雾浓度数据或可燃气体数据超过对应预设阈值，则将对应环境监测点标记为环境风险点；若对应储存仓库中存在环境风险点，则生成对应储存仓库的仓储检测不合格信号；
若对应储存仓库中不存在环境风险点，则采集到对应环境监测点的储温偏离数据、储湿偏离数据以及储光偏离数据，其中，储温偏离数据是表示环境中温度相较于预设适宜温度标准值的偏离程度大小的数据量值，同理可知储湿偏离数据和储光偏离数据；通过公式CP=bt1*CW+bt2*CS+bt3*CG将储温偏离数据CW、储湿偏离数据CS以及储光偏离数据CG进行数值计算以得到仓储偏离系数CP；需要说明的是，bt1、bt2、bt3为预设权重系数，bt1、bt2、bt3的取值均大于零；并且，仓储偏离系数CP的数值越大，表明对应储存仓库的当前储存环境越差，越不利于商品的安全储存；
将所有环境监测点的仓储偏离系数进行均值计算和方差计算，据此得到仓储偏离均值和仓储偏差系数，将仓储偏离均值和仓储偏差系数与预设仓储偏离均值阈值和仓储偏差系数阈值分别进行数值比较，若仓储偏离均值超过预设仓储偏离均值阈值且仓储偏差系数未超过预设仓储偏差系数阈值，表明整体而言对应储存仓库的储存环境较差，则生成对应储存仓库的仓储检测不合格信号；其余情况则生成对应储存仓库的仓储检测合格信号。
进一步而言，在生成仓储检测合格信号时，将对应环境监测点的仓储偏离系数与预设仓库偏离系数阈值进行数值比较，若仓储偏离系数超过预设仓储偏离系数阈值，则判断对应环境监测点环境状态不佳并将其标记为待考量监测点，将待考量监测点经供应链监管平台发送至后台管理端，以便相应管理人员根据需要及时进行对应待考量监测点的现场检查，并持续重点关注待考量监测点的环境变化状况，从而有利于保证商品的安全储存。
实施例三：如图2所示，本实施例与实施例1、实施例2的区别在于，商品仓储管理模块获取到所储存的商品种类，并获取到所有商品的盘点数据，采集到对应商品的商品库存数据以及商品销售速度，通过公式BX=eg1/（KC+eg2）+eg2*XS将商品库存数据KC和商品销售速度XS进行数值计算并取其计算结果，将该计算结果标记为补充急迫性系数BX，其中，eg1、eg2为预设比例系数，eg1＞eg2＞0；
并且，补充急迫性系数BX的数值越大，表明越需要及时进行相应商品的进货补充；将补充急迫性系数BX与预设补充急迫性系数阈值进行数值比较，若补充急迫性系数BX未超过预设补充急迫性系数阈值，则生成相应商品的补充预警信号；将相应商品的补充预警信号经供应链监管平台发送至后台管理端，后台管理端的管理人员及时相应商品的进货补充，从而避免相应商品断货，有利于管理人员进行管理，降低管理难度。
本发明的工作原理：使用时，通过商品订单采集下发模块将对应商品订单的所有选择对象经供应链监管平台发送至供应商监测分类模块，供应商监测分类模块将选择对象i进行供应商监测分析并确定对应商品订单的优选供应商，实现对应商品订单的供应商的自动选择，选择更加合理精准，方便进行管理；对应优选供应商接收到相应商品订单后，及时进行商品拣货装载并安排物流车辆进行运输；商品物流全程管控模块将对应商品订单进行商品物流运输管控分析，据此以判断对应商品订单的物流运输为物流良性状态或物流非良性状态，以便掌握商品物流运输不合格的因素，并及时通知相应供应商后续进行针对性的整改措施；销售检测分析模块将所销售商品的销售状况进行逐一分析，据此以将对应商品标记为高价值商品或低价值商品，以及将低价值商品进行分析并将其划分为高潜力商品或低潜力商品，以便后台管理人员进行商品进货和销售的后续规划，从而提升管理效果并保证销售增长。
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。以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (4)
1.一种基于互联网的商品供应链智能监管系统，其特征在于，包括供应链监管平台、商品订单采集下发模块、供应商监测分类模块、商品物流全程管控模块以及销售检测分析模块；商品订单采集下发模块获取到所有商品订单，并采集到商品订单所对应的商品名称，以及将提供对应商品的供应商标记为选择对象i，i={1,2，…，n}，n表示相应供应商的数量且n为大于1的自然数；
商品订单采集下发模块将对应商品订单的所有选择对象经供应链监管平台发送至供应商监测分类模块，供应商监测分类模块将选择对象i进行供应商监测分析并确定对应商品订单的优选供应商，将商品订单以及对应优选供应商经供应链监管平台发送至商品订单采集下发模块，商品订单采集下发模块将对应商品订单发送至与其相匹配的优选供应商；
对应优选供应商接收到相应商品订单后，及时进行商品拣货装载并安排物流车辆进行运输；商品物流全程管控模块将对应商品订单进行商品物流运输管控分析，据此以判断对应商品订单的物流运输为物流良性状态或物流非良性状态，在判断商品订单的物流运输为物流非良性状态时生成物流不合格信号；供应链监管平台将相应供应商的物流非良性状态次数加一或将物流良性状态次数加一并存储，且将物流不合格信号发送至后台管理端；
销售检测分析模块将所销售商品的销售状况进行逐一分析，据此以将对应商品标记为高价值商品或低价值商品，以及将低价值商品进行分析并将其划分为高潜力商品或低潜力商品，将对应商品的划分标记信息经供应链监管平台发送至后台管理端；
供应商监测分析的具体分析过程包括：
获取到对应商品订单的采购量和选择对象i进行相应商品的最大供应量，将最大供应量减去采购量以得到供应超量数据，将供应超量数据与预设供应超量数据阈值进行数值比较，若供应超量数据未超过预设供应超量数据阈值，则将选择对象i剔除，若供应超量数据超过预设供应超量数据阈值，则将选择对象i标记为初步匹配对象；获取到对应商品订单的所有初步匹配对象，采集到对应初步匹配对象的位置，并据此以得到其物流运输距离值；
采集到与对应初步匹配对象的初次合作日期，将当前日期与初次合作日期进行时间差计算得到供应合作时长，并获取到对应初步匹配对象在供应合作时长内的合作金额和合作频率，以及通过分析计算获取到对应初步匹配对象的物流非良性状态数据；将对应初步匹配对象的供应合作时长、合作金额、合作频率、物流非良性状态数据以及物流运输距离值进行分析计算，并将计算结果标记为供应匹配值；按照供应匹配值的数值由大到小将所有初步匹配对象进行排序，将位于首位的初步匹配对象标记为相应商品订单的优选供应商；
物流非良性状态数据的具体分析过程如下：
从供应链监管平台调取对应初步匹配对象的物流良性状态次数和物流非良性状态次数，将物流非良性状态次数与物流良性状态次数进行比值计算得到物流非良比，将物流非良比与物流非良性状态次数进行赋权求和计算得到物流非良系数；事先设定若干组预设物流非良系数范围，并设定每组物流非良系数范围分别对应一组物流评估数值，将对应初步匹配对象的物流非良系数与所有预设物流非良系数范围进行逐一比较，以获取到与其相对应的预设物流非良系数范围，将该预设物流非良系数范围所对应的物流评估数值标记为对应初步匹配对象的物流非良性状态数据；
物流运输管控分析的具体分析过程如下：
采集到对应优选供应商接收到商品订单的时刻以及物流到达时刻，将物流到达时刻与接收到商品订单的时刻进行时间差计算得到物流时长，将物流时长与相应商品订单的预设物流时长阈值进行数值比较，若物流时长超过预设物流时长阈值，则判断对应商品订单的物流运输为物流非良性状态；
若物流时长未超过预设物流时长阈值，则采集到对应商品订单在运输到达时的商品损耗占比值以及商品损耗价值数据，将商品损耗占比值与商品损耗价值数据进行数值计算并将计算结果标记为物流评估系数；
将物流评估系数与预设物流评估系数阈值进行数值比较，若物流评估系数超过预设物流评估系数阈值，则判断对应商品订单的物流运输为物流非良性状态，若物流评估系数未超过预设物流评估系数阈值，则判断对应商品订单的物流运输为物流良性状态；
销售检测分析模块的具体运行过程包括：
获取到进行销售的所有商品，将对应商品标记为目标商品k，k={1,2，…，m}，m表示所销售的商品种类数量且m为大于1的自然数；设定时长为T1的销售检测周期，采集到销售检测周期内目标商品k的销售量和销售利润数据，将销售量和销售利润数据进行数值计算并将计算结果标记为商品销表值，将商品销表值与预设商品销表阈值进行数值比较，若商品销表值超过预设商品销表阈值，则将目标商品k标记为高价值商品，若商品销表值未超过预设商品销表阈值，则将目标商品k标记为低价值商品；
在将目标商品k标记为低价值商品后，采集到对应低价值商品的相邻若干个销售检测周期的商品销表值，将相邻两组销售检测周期的商品销表值进行差值计算以得到销表增长值，将所有销表增长值进行均值计算得到销增表现值；以及获取到对应低价值商品在当前销售检测周期的商品复购率数据和商品口碑数据，将商品复购率数据、商品口碑数据和销增表现值进行数值计算得到商品潜力值；将商品潜力值与预设商品潜力阈值进行数值比较，若商品潜力值超过预设商品潜力阈值，则将对应低价值商品标记为高潜力商品，若商品潜力值未超过预设商品潜力阈值，则将对应低价值商品标记为低潜力商品。
2.根据权利要求1所述的一种基于互联网的商品供应链智能监管系统，其特征在于，供应链监管平台与商品仓储管理模块通信连接，商品仓储管理模块采集到所有储存仓库，将储存仓库进行仓库环境检测分析，据此以生成仓储检测合格信号或仓储检测不合格信号，将对应储存仓库的仓储检测合格信号或仓储检测不合格信号发送至供应链监管平台，供应链监管平台将仓储检测不合格信号以及对应储存仓库发送至后台管理端；
且商品仓储管理模块获取到所储存的商品种类，并获取到所有商品的盘点数据，采集到对应商品的商品库存数据以及商品销售速度，将商品库存数据和商品销售速度进行数值计算并取其计算结果，将该计算结果标记为补充急迫性系数，将补充急迫性系数与预设补充急迫性系数阈值进行数值比较，若补充急迫性系数未超过预设补充急迫性系数阈值，则生成相应商品的补充预警信号；将相应商品的补充预警信号经供应链监管平台发送至后台管理端。
3.根据权利要求2所述的一种基于互联网的商品供应链智能监管系统，其特征在于，仓储环境检测分析的具体分析过程如下：
在对应储存仓库中布设若干个环境监测点，采集到对应环境监测点的烟雾浓度数据和可燃气体数据，将烟雾浓度数据和可燃气体数据与预设烟雾浓度数据阈值和预设可燃气体数据阈值分别进行数值比较，若烟雾浓度数据或可燃气体数据超过对应预设阈值，则将对应环境监测点标记为环境风险点；若对应储存仓库中存在环境风险点，则生成对应储存仓库的仓储检测不合格信号；
若对应储存仓库中不存在环境风险点，则采集到对应环境监测点的储温偏离数据、储湿偏离数据以及储光偏离数据，将储温偏离数据、储湿偏离数据以及储光偏离数据进行数值计算以得到仓储偏离系数；将所有环境监测点的仓储偏离系数进行均值计算和方差计算，据此得到仓储偏离均值和仓储偏差系数，将仓储偏离均值和仓储偏差系数与预设仓储偏离均值阈值和仓储偏差系数阈值分别进行数值比较，若仓储偏离均值超过预设仓储偏离均值阈值且仓储偏差系数未超过预设仓储偏差系数阈值，则生成对应储存仓库的仓储检测不合格信号；其余情况则生成对应储存仓库的仓储检测合格信号。
4.根据权利要求3所述的一种基于互联网的商品供应链智能监管系统，其特征在于，在生成仓储检测合格信号时，将对应环境监测点的仓储偏离系数与预设仓库偏离系数阈值进行数值比较，若仓储偏离系数超过预设仓储偏离系数阈值，则判断对应环境监测点环境状态不佳并将其标记为待考量监测点，将待考量监测点经供应链监管平台发送至后台管理端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311342490.9A CN117114550B (zh) | 2023-10-17 | 2023-10-17 | 一种基于互联网的商品供应链智能监管系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311342490.9A CN117114550B (zh) | 2023-10-17 | 2023-10-17 | 一种基于互联网的商品供应链智能监管系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117114550A CN117114550A (zh) | 2023-11-24 |
| CN117114550B true CN117114550B (zh) | 2024-02-02 |
Family
ID=88800372
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311342490.9A Active CN117114550B (zh) | 2023-10-17 | 2023-10-17 | 一种基于互联网的商品供应链智能监管系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117114550B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117371900B (zh) * | 2023-12-07 | 2024-02-09 | 金刚鲸(天津)供应链管理有限公司 | 一种基于互联网的智能供应链运输管理平台 |
| CN118195105B (zh) * | 2024-05-17 | 2024-08-02 | 江苏云机汇软件科技有限公司 | 一种基于人工智能的供应链流程优化系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114154931A (zh) * | 2021-12-06 | 2022-03-08 | 吴旻 | 一种基于物联网和大数据的仓储管理系统及方法 |
| CN114580929A (zh) * | 2022-03-09 | 2022-06-03 | 中武(福建)跨境电子商务有限责任公司 | 一种基于b2b的大宗商品采销供应链系统 |
| CN116629577A (zh) * | 2023-06-20 | 2023-08-22 | 深圳市携客互联科技有限公司 | 一种基于大数据的智能化供应链管理系统 |
| CN116739458A (zh) * | 2023-08-15 | 2023-09-12 | 成都运荔枝科技有限公司 | 一种基于大数据的冷链食品快速配送分析系统 |
-
2023
- 2023-10-17 CN CN202311342490.9A patent/CN117114550B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114154931A (zh) * | 2021-12-06 | 2022-03-08 | 吴旻 | 一种基于物联网和大数据的仓储管理系统及方法 |
| CN114580929A (zh) * | 2022-03-09 | 2022-06-03 | 中武(福建)跨境电子商务有限责任公司 | 一种基于b2b的大宗商品采销供应链系统 |
| CN116629577A (zh) * | 2023-06-20 | 2023-08-22 | 深圳市携客互联科技有限公司 | 一种基于大数据的智能化供应链管理系统 |
| CN116739458A (zh) * | 2023-08-15 | 2023-09-12 | 成都运荔枝科技有限公司 | 一种基于大数据的冷链食品快速配送分析系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117114550A (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117114550B (zh) | 一种基于互联网的商品供应链智能监管系统 | |
| CN105005289B (zh) | 一种工业物联网平台 | |
| US20130018696A1 (en) | Supply Chain Analysis | |
| CN109305505B (zh) | 一种基于重力感应货架的补货提醒方法及系统 | |
| CN112330255B (zh) | 仓库管理系统 | |
| CN112258053A (zh) | 一种使用制造执行系统生产特殊医学用途配方食品的方法 | |
| CN112712314A (zh) | 一种基于物联网传感器的物流数据推荐方法 | |
| CN115965244A (zh) | 一种基于物联网的跨境供应链商品风险预警系统 | |
| CN114742436A (zh) | 一种基于云计算和物联网的企业管理系统 | |
| CN104933585A (zh) | 基于二维码关联技术的肉制品剩余货架期查验系统及方法 | |
| CN118278675A (zh) | 智慧燃气工单履行方法、物联网系统及存储介质 | |
| CN117314325B (zh) | 一种基于图像识别的电商产品仓储全流程监控管理系统 | |
| CN113298560A (zh) | 一种大数据工业互联网系统 | |
| CN116957744A (zh) | 一种基于数字化制造家具销售服务系统 | |
| CN114493457B (zh) | 一种自动化立体仓储的智能控制方法及系统 | |
| CN116739332A (zh) | 一种基于大数据的产业链智能管理方法、系统及介质 | |
| CN115545307A (zh) | 货物调配方法、装置、设备及存储介质 | |
| CN115578043A (zh) | 一种基于人工智能的物流大数据实时监控与分析处理系统 | |
| CN115526563A (zh) | 一种库存断点预警与货物催交的装置及方法 | |
| CN115187026A (zh) | 一种产业风险监控方法、系统和可读存储介质 | |
| CN115146938A (zh) | 绩效考核方法、装置、设备及存储介质 | |
| CN114091770A (zh) | 物料需求计划的预测分析方法、装置、设备及存储介质 | |
| Lascu et al. | Process redesign to reduce stocks of obsolete parts in automotive industry | |
| CN111401920A (zh) | 一种智能化可配置食品安全追溯信息系统 | |
| JP2004161437A (ja) | 棚卸資産および棚卸資産回転率のシミュレーション方法、システム、プログラム、ならびに記録媒体 |
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 |