CN117314325A - 一种基于图像识别的电商产品仓储全流程监控管理系统 - Google Patents
一种基于图像识别的电商产品仓储全流程监控管理系统 Download PDFInfo
- Publication number
- CN117314325A CN117314325A CN202311244338.7A CN202311244338A CN117314325A CN 117314325 A CN117314325 A CN 117314325A CN 202311244338 A CN202311244338 A CN 202311244338A CN 117314325 A CN117314325 A CN 117314325A
- Authority
- CN
- China
- Prior art keywords
- commodities
- various
- commodity
- sales
- sales promotion
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 235000013305 food Nutrition 0.000 claims description 99
- 238000000034 method Methods 0.000 claims description 39
- 238000007726 management method Methods 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000012216 screening Methods 0.000 claims description 26
- 238000003860 storage Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000012856 packing Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 7
- IAZDPXIOMUYVGZ-UHFFFAOYSA-N Dimethylsulphoxide Chemical compound CS(C)=O IAZDPXIOMUYVGZ-UHFFFAOYSA-N 0.000 claims description 3
- 230000009469 supplementation Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 4
- 238000013079 data visualisation Methods 0.000 description 3
- 201000004569 Blindness Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000015219 food category Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012384 transportation and delivery 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
- G06Q10/087—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0025—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement consisting of a wireless interrogation device in combination with a device for optically marking the record carrier
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Finance (AREA)
- Bioinformatics & Computational Biology (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于电商产品仓储管理领域,涉及到一种基于图像识别的电商产品仓储全流程监控管理系统,本发明通过分析目标食品电商企业仓库当前存放的各类商品的食品安全系数,筛选出各类正常商品和各类过剩商品,通过分析各类过剩商品的促销紧迫程度系数,结合历史促销信息,得出各类过剩商品的促销日期,此外针对仓库当前存放的各类正常商品做进一步细致化分析,判定其后续是否存在补货必要及其对应的补货日期,最后以时间先后顺序显示仓库内各类过剩商品的促销日期和各类待补货商品的补货日期,提供数据可视化的专业指导和决策支持,保障商品供应稳定性的同时降低过剩商品的安全风险,进而提升食品电商企业的经营效益。
Description
技术领域
本发明属于电商产品仓储管理领域,涉及到一种基于图像识别的电商产品仓储全流程监控管理系统。
背景技术
近年来,随着电子商务和物流快递的持续发展,电商产业的迅猛增长已成为经济发展的重要推动力。然而,电商仓储管理仍然面临着一些挑战,如大规模管理、高效分发和快速交付,这些挑战对电商企业的生产效率、服务质量和顾客体验产生了深远影响。此外,不同电商店铺的仓储管理方式存在一定差异,尤其是针对售卖食品的电商企业仓储管理最具挑战性。由于食品保质期有限,这些食品电商企业必须严格管理保质期,以确保向客户提供新鲜、安全和高品质的产品。
目前,食品电商企业已经摒弃了传统仓库管理方法中效率低下和错误率高的弊端,而采用了更高科技基于图像识别的仓储全流程监控管理方式,该方法利用摄像头对仓库中的商品进行拍摄,并实时将图像上传至系统,利用图像识别算法对商品进行分类、识别和计数,从而能够准确监控和管理仓库中的商品情况。然而现有技术虽提高了食品仓储管理的准确性和效率,助力食品电商企业有效应对挑战,但仍存在一定的局限性,其具体表现在:1、现有技术在获取食品电商企业仓库的商品情况时,多侧重于跟踪库存量、存放位置和剩余保质期等基本信息,以方便管理人员实时查看货物的状态。然而,在处理各类过剩商品方面,现有技术尚缺乏对各类过剩商品的深度分析和决策支持,管理人员常常需要依靠自身经验和商业感觉来判断哪些商品属于过剩状态,以及何时对各类过剩商品进行促销,由于缺少数据支撑,管理人员难以做出科学、准确的决策,在一定程度上增加了决策的主观性和不确定性。
2、现有技术亦存在缺乏针对各类在保质到期日之前可以正常售罄的商品的细致化分析,忽略了对该类商品后续是否需要补货以及何时进行补货的考虑,无法给予管理人员数据可视化的专业指导与决策支持,进而无法保障该类商品的供应稳定性和销售连贯性,可能导致供不应求,对企业销售效益产生负面影响。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种基于图像识别的电商产品仓储全流程监控管理系统。
本发明的目的可以通过以下技术方案实现:本发明提供一种基于图像识别的电商产品仓储全流程监控管理系统,包括:商品信息获取模块,用于通过目标食品电商企业的仓库内各货架上安装的电子摄像设备,对各货架上各包装箱的条形码进行扫描,获取各包装箱的商品存放基本参数。
商品食品安全系数构建模块,用于获取目标食品电商企业的历史销售信息,分析仓库当前存放的各类商品的食品安全系数,据此筛选出仓库当前存放的各类正常商品和各类过剩商品。
过剩商品促销日期预估模块,用于获取目标食品电商企业的历史促销信息,分析仓库当前存放的各类过剩商品的促销紧迫程度系数,据此预估各类过剩商品的促销日期。
待补货商品补货日期预估模块,用于对仓库当前存放的各类正常商品的补货必要系数进行分析,筛选其中的各类待补货商品并预估其对应的补货日期。
显示终端,用于按照时间先后顺序对仓库当前存放的各类过剩商品的促销日期、各类待补货商品的补货日期进行显示。
云数据库,用于存储食品商品出售规定的安全出售到期日与保质到期日之间的天数,存储各补货商品数量范围对应的补货周期。
优选地,所述商品存放基本参数包括存放商品的食品种类、数量以及保质到期日。
所述历史销售信息包括各类商品的销售价格、成本价格以及历史设定周期内各天的销售量和买家数。
所述历史促销信息包括各类商品历史设定周期内各次促销的促销价格、促销周期以及促销销售量。
优选地,所述分析仓库当前存放的各类商品的食品安全系数,其具体过程为:根据各包装箱的商品存放基本参数,获取仓库当前存放的各类商品的库存量以及各类商品对应各商品的保质到期日,统计各类商品各保质到期日对应的商品数量。
从历史销售信息中提取各类商品历史设定周期内各天的销售量i表示各类商品的编号,i=1,2,K,a,j表示历史设定周期内各天的编号,j=1,2,K,g,据此得到各类商品历史设定周期内各天的销售速率/>筛选各类商品历史最大销售速率/>和历史最小销售速率/>由公式/>得到各类商品的历史平均销售速率,其中g表示历史总天数。
将当前日期与各类商品的各保质到期日的绝对值差值作为各类商品各保质到期日对应商品的保质天数。
将各类商品的各保质到期日按照时间先后顺序进行排列,根据各类商品的历史最大销售速率,从云数据库中提取食品商品出售规定的安全出售到期日与保质到期日之间的天数t0,分析各类商品各排列位置的保质到期日对应商品的理想食品安全系数,其计算公式为其中e表示自然常数,ni1、ni2、niq分别表示第i类商品排列第1、2、q位置的保质到期日对应商品的数量,tiq表示第i类商品排列第q位置的保质到期日对应商品的保质天数,q表示保质到期日各排列位置的编号,q=1,2,K,h,n0表示预设的商品参照数量。
由公式得到各类商品的理想食品安全系数。
同理,根据各类商品的历史最小、平均销售速率,分别得到各类商品的保底、平均食品安全系数,分别记为Bi、Pi。
综合分析各类商品的食品安全系数,其计算公式为:其中/>分别表示预设的理想、保底、平均食品安全系数对应权重占比。
优选地,所述筛选出仓库当前存放的各类正常商品和各类过剩商品,其具体过程为:将各类商品的食品安全系数与预设的食品安全系数阈值进行比对,若某类商品的食品安全系数小于预设的食品安全系数阈值,将该类商品记为过剩商品,反之记为正常商品,筛选得到仓库当前存放的各类正常商品和各类过剩商品。
优选地,所述分析仓库当前存放的各类过剩商品的促销紧迫程度系数,其具体过程为:从各类商品的食品安全系数中提取各类过剩商品的食品安全系数βi′,其中i′表示各类过剩商品的编号,i′=1′,2′,K,a′,由公式得到各类过剩商品的预警保质到期日对应排列位置,进而得到各类过剩商品预警保质到期日对应排列位置的商品数量ni′w,根据各类商品各排列位置的保质到期日,获取各类过剩商品的预警保质到期日,进而得到其对应的预警保质天数,记为△ti′,提取各类过剩商品历史最大销售速率/>历史最小销售速率/>和历史平均销售速率/>由公式得到各类过剩商品的预警商品数量,其中ni′1、ni′2分别表示第i′类过剩商品排列第1、2位置的保质到期日对应商品的数量。
分析仓库当前存放的各类过剩商品的促销紧迫程度系数,其计算公式为:其中l1、l2分别表示预设的预警商品数量、预警保质天数对应权重占比。
优选地,所述预估各类过剩商品对应的促销日期,其具体过程为:从历史销售信息中获取各类过剩商品的销售价格ri′,根据目标店铺各类过剩商品的促销紧迫程度系数,分析各类过剩商品的参照促销价格,其计算公式为:其中r0表示预设的单位促销紧迫程度系数对应的商品下调价格,进而得到各类过剩商品的参照促销价格范围(zi′-△r,zi′+△r),其中△r表示预设的商品价格合理偏差阈值。
从各类商品的历史促销信息中获取各类过剩商品的历史促销信息,筛选出各类过剩商品历史设定周期内各次促销的促销价格在参照促销价格范围内的促销,记为各类过剩商品历史各次参照促销,提取其对应的促销周期和促销销售量/>其中m表示历史各次参照促销的编号,m=1,2,K,u,分析各类过剩商品历史各次参照促销的匹配系数,其计算公式为:/>其中b1、b2分别表示预设的促销周期、促销销售量对应权重占比。
将各类过剩商品历史各次参照促销的匹配系数与预设的匹配系数阈值进行比对,若某类过剩商品历史某次参照促销的匹配系数大于或等于预设的匹配系数阈值,将历史该次参照促销记为该类过剩商品的合理促销,获取各类过剩商品历史各次合理促销,将各类过剩商品历史各次合理促销的促销周期进行均值计算,得到各类过剩商品的合理促销周期结合各类过剩商品的预警保质到期日/>由公式/>得到各类过剩商品的促销日期。
优选地,所述对仓库当前存放的各类正常商品的补货必要系数进行分析,其具体过程为:提取各类正常商品历史最大销售速率历史最小销售速率/>和历史平均销售速率/>其中i″表示各类正常商品的编号,i″=1″,2″,K,a″,由公式得到各类正常商品的可补货商品数量,其中ni″1、ni″2、ni″h分别表示第i″类正常商品排列第1、2、h位置的保质到期日对应商品的数量。
从历史销售信息中获取各类正常商品的销售价格、成本价格以及历史设定周期内各天的销售量,分别记为ri″、Ri″、由公式/>得到各类正常商品单天的营业利润率。
从历史销售信息中获取各类正常商品的历史设定周期内各天的买家数,通过均值计算得到各类正常商品的单天的买家参照数ci″,分析仓库当前存放的各类正常商品的补货必要系数,其计算公式为:其中△n0、c0分别表示商品补货对应的可补货商品数量达标阈值、单天买家数量达标阈值。
优选地,所属筛选其中的各类待补货商品,其具体过程为:将各类正常商品的补货必要系数与预设的补货必要系数合理阈值进行比对,若某类正常商品的补货必要系数大于或等于预设的补货必要系数合理阈值,将该类正常商品记为待补货商品,筛选得到仓库当前存放的各类待补货商品。
优选地,所述预估各类待补货商品对应的补货日期,其具体过程为:从各类正常商品的可补货商品数量中提取各类待补货商品的可补货商品数量,从云数据库中提取各类待补货商品的可补货商品数量所处范围对应的补货周期kp,其中p表示各类待补货商品的编号,p=1,2,K,f,从仓库当前存放的各类商品的库存量中提取仓库当前存放的各类待补货商品的库存量Np,结合提取到的各类待补货商品的历史最大销售速率历史最小销售速率/>和历史平均销售速率/>分析仓库当前存放的各类待补货商品的库存量的售罄日期,其计算公式为/>其中T0表示当前日期,由公式/>得到各类待补货商品对应的补货日期。
相较于现有技术,本发明的有益效果如下:(1)本发明通过分析仓库当前存放的各类商品的食品安全系数,为筛选仓库当前存放的各类正常商品和各类过剩商品提供数据支持,有利于后续仓库管理。
(2)本发明通过分析仓库当前存放的各类过剩商品的促销紧迫程度系数,得到各类过剩商品的参照促销价格范围,结合其对应的历史促销信息,分析得到各类过剩商品的促销日期,提升食品电商企业的仓库存储管理效率,降低过剩食品风险,帮助管理人员制定更为合理和有效的促销日期策略。
(3)本发明针对仓库当前存放的各类正常商品从待补货商品数量、单天营业利润率以及单天的买家参照数三方面结合分析其对应的补货必要系数,据此从仓库当前存放的各类正常商品筛选出各类待补货商品,减少管理人员主观判断的盲目性和不确定性,为后续补货日期分析判定提供更准确的目标。
(4)本发明通过各类待补货商品的待补货商品数量以及当前仓库库存量的售罄日期,预估其对应的补货日期,帮助食品电商企业更加科学、准确地识别和处理各类待补货商品,优化仓库管理的同时保障该类商品的供应稳定性和销售连贯性,进而提升食品电商企业的经营效益。
(5)本发明通过显示终端按照时间先后顺序对仓库当前存放的各类过剩商品的促销日期、各类待补货商品的补货日期进行显示,充分有效地给予管理人员数据可视化的专业指导与决策支持,从一定程度上提升管理便利度和客户满意度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明系统结构示意图。
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所示,本发明提供了一种基于图像识别的电商产品仓储全流程监控管理系统,具体模块分布如下:商品信息获取模块、商品食品安全系数构建模块、过剩商品促销日期预估模块、待补货商品补货日期预估模块、显示终端和云数据库,其中模块之间的连接关系为:商品食品安全系数构建模块与商品信息获取模块连接,过剩商品促销日期预估模块、待补货商品补货日期预估模块分别均与商品食品安全系数构建模块、显示终端连接,商品食品安全系数构建模块、待补货商品补货日期预估模块均与云数据库连接。
所述商品信息获取模块,用于通过目标食品电商企业的仓库内各货架上安装的电子摄像设备,对各货架上各包装箱的条形码进行扫描,获取各包装箱的商品存放基本参数。
需要解释的是,上述单个包装箱内存放的各商品属于同一食品种类和同一保质期的。
具体地,所述商品存放基本参数包括存放商品的食品种类、数量以及保质到期日。
所述历史销售信息包括各类商品的销售价格、成本价格以及历史设定周期内各天的销售量和买家数。
所述历史促销信息包括各类商品历史设定周期内各次促销的促销价格、促销周期以及促销销售量。
需要说明的是,上述商品存放基本参数的获取方法是根据对各包装箱的条形码进行扫描,获取到各包装箱内存放的各商品的编号,上传至商品管理系统来获取到各包装箱内存放的各商品的食品种类和保质期,统计各包装箱内存放的商品数量,结合当天的日期,在系统上进行计算,从而得到各包装箱内存放的各商品的保质到期日,由于各包装内存放的各商品属于同一食品种类和同一保质期的,因而得到各包装箱内存放商品的食品种类、数量以及保质到期日。
上述历史销售信息和历史促销信息是从目标食品电商企业的内部数据管理中心提取得到的。
所述商品食品安全系数构建模块,用于获取目标食品电商企业的历史销售信息,分析仓库当前存放的各类商品的食品安全系数,据此筛选出仓库当前存放的各类正常商品和各类过剩商品。
具体地,所述分析仓库当前存放的各类商品的食品安全系数,其具体过程为:根据各包装箱内的商品存放基本参数,获取仓库当前存放的各类商品的库存量以及各类商品对应各商品的保质到期日,统计各类商品各保质到期日对应的商品数量。
从历史销售信息中提取各类商品历史设定周期内各天的销售量i表示各类商品的编号,i=1,2,K,a,j表示历史设定周期内各天的编号,j=1,2,K,g,据此得到各类商品历史设定周期内各天的销售速率/>筛选各类商品历史最大销售速率/>和历史最小销售速率/>由公式/>得到各类商品的历史平均销售速率,其中g表示历史总天数。
需要说明的是,上述各类商品历史设定周期内各天的销售速率是通过各类商品历史设定周期内各天的销售量与单位天数的比值得到的。
将当前日期与各类商品的各保质到期日的绝对值差值作为各类商品各保质到期日对应商品的保质天数。
将各类商品的各保质到期日按照时间先后顺序进行排列,根据各类商品的历史最大销售速率,从云数据库中提取食品商品出售规定的安全出售到期日与保质到期日之间的天数t0,分析各类商品各排列位置的保质到期日对应商品的理想食品安全系数,其计算公式为其中e表示自然常数,ni1、ni2、niq分别表示第i类商品排列第1、2、q位置的保质到期日对应商品的数量,tiq表示第i类商品排列第q位置的保质到期日对应商品的保质天数,q表示保质到期日各排列位置的的编号,q=1,2,K,h,n0表示预设的商品参照数量。
需要解释的是,上述食品商品出售规定的安全出售到期日与保质期到期日之间的天数是用于确保食品在销售和消费过程中的安全性和品质,通常指的是食品安全管理条例中规定的保质期限与销售期限之间的天数差值。其中保质期限是指食品从生产、加工到储存,在正常情况下保持其原有品质和安全性所需的时间,而销售期限则是指食品销售过程中规定的有效销售期限,通常会比保质期短,并且要在保质期内进行销售,以确保食品在销售时品质和安全性得到保障。为考虑商品在电商平台被拍下、出库、运输及最终收货并食用等一系列流程中可能花费的时间,规定了安全出售到期日,商品必须在安全出售到期日之前出售,如果超过了这个日期,商品将被下架,以保证消费者购买的食品安全可靠。
由公式得到各类商品的理想食品安全系数。
同理,根据各类商品的历史最小、平均销售速率,分别得到各类商品的保底、平均食品安全系数,分别记为Bi、Pi。
综合分析各类商品的食品安全系数,其计算公式为:其中/>分别表示预设的理想、保底、平均食品安全系数对应权重占比。
具体地,所述筛选出仓库当前存放的各类正常商品和各类过剩商品,其具体过程为:将各类商品的食品安全系数与预设的食品安全系数阈值进行比对,若某类商品的食品安全系数小于预设的食品安全系数阈值,将该类商品记为过剩商品,反之记为正常商品,筛选得到仓库当前存放的各类正常商品和各类过剩商品。
本发明实施例通过分析仓库当前存放的各类商品的食品安全系数,为筛选仓库当前存放的各类正常商品和各类过剩商品提供数据支持,有利于后续仓库管理。
所述过剩商品促销日期预估模块,用于获取目标食品电商企业的历史促销信息,分析仓库当前存放的各类过剩商品的促销紧迫程度系数,据此预估其对应的促销日期。
具体地,所述分析仓库当前存放的各类过剩商品的促销紧迫程度系数,其具体过程为:从各类商品的食品安全系数中提取各类过剩商品的食品安全系数βi′,其中i′表示各类过剩商品的编号,i′=1′,2′,K,a′,由公式得到各类过剩商品的预警保质到期日对应排列位置,进而得到各类过剩商品预警保质到期日对应排列位置的商品数量ni′w,根据各类商品各排列位置的保质到期日,获取各类过剩商品的预警保质到期日,进而得到其对应的预警保质天数,记为△ti′,提取各类过剩商品历史最大销售速率/>历史最小销售速率/>和历史平均销售速率/>由公式
得到各类过剩商品的预警商品数量,其中ni′1、ni′2分别表示第i′类过剩商品排列第1、2位置的保质到期日对应商品的数量。
需要说明的是,上述各类过剩商品的预警保质到期日是根据各类过剩商品的预警保质到期日对应的排列位置,从各类过剩商品按时间先后顺序排列的保质到期日序列中提取得到的。
分析仓库当前存放的各类过剩商品的促销紧迫程度系数,其计算公式为:其中l1、l2分别表示预设的预警商品数量、预警保质天数对应权重占比。
具体地,所述预估各类过剩商品对应的促销日期,其具体过程为:从历史销售信息中获取各类过剩商品的销售价格ri′,根据目标店铺各类过剩商品的促销紧迫程度系数,分析各类过剩商品的参照促销价格,其计算公式为:其中r0表示预设的单位促销紧迫程度系数对应的商品下调价格,进而得到各类过剩商品的参照促销价格范围(zi′-△r,zi′+△r),其中△r表示预设的商品价格合理偏差阈值。
从各类商品的历史促销信息中获取各类过剩商品的历史促销信息,筛选出各类过剩商品历史设定周期内各次促销的促销价格在参照促销价格范围内的促销,记为各类过剩商品历史各次参照促销,提取其对应的促销周期和促销销售量/>其中m表示历史各次参照促销的编号,m=1,2,K,u,分析各类过剩商品历史各次参照促销的匹配系数,其计算公式为:/>其中b1、b2分别表示预设的促销周期、促销销售量对应权重占比。
将各类过剩商品历史各次参照促销的匹配系数与预设的匹配系数阈值进行比对,若某类过剩商品历史某次参照促销的匹配系数大于或等于预设的匹配系数阈值,将历史该次参照促销记为该类过剩商品的合理促销,获取各类过剩商品历史各次合理促销,将各类过剩商品历史各次合理促销的促销周期进行均值计算,得到各类过剩商品的合理促销周期结合各类过剩商品的预警保质到期日/>由公式/>得到各类过剩商品的促销日期。
本发明实施例通过分析仓库当前存放的各类过剩商品的促销紧迫程度系数,得到各类过剩商品的参照促销价格范围,结合其对应的历史促销信息,分析得到各类过剩商品的促销日期,提升食品电商企业的仓库存储管理效率,降低过剩食品风险,帮助管理人员制定更为合理和有效的促销日期策略。
所述待补货商品补货日期预估模块,用于对仓库当前存放的各类正常商品的补货必要系数进行分析,筛选其中的各类待补货商品,据此预估其对应的补货日期。
具体地,所述对仓库当前存放的各类正常商品的补货必要系数进行分析,其具体过程为:提取各类正常商品历史最大销售速率历史最小销售速率/>和历史平均销售速率/>其中i″表示各类正常商品的编号,i″=1″,2″,K,a″,由公式得到各类正常商品的可补货商品数量,其中ni″1、ni″2、ni″h分别表示第i″类正常商品排列第1、2、h位置的保质到期日对应商品的数量。
从历史销售信息中获取各类正常商品的销售价格、成本价格以及历史设定周期内各天的销售量,分别记为ri″、Ri″、由公式/>得到各类正常商品单天的营业利润率。
从历史销售信息中获取各类正常商品的历史设定周期内各天的买家数,通过均值计算得到各类正常商品的单天的买家参照数ci″,分析仓库当前存放的各类正常商品的补货必要系数,其计算公式为:其中△n0、c0分别表示商品补货对应的可补货商品数量达标阈值、单天买家数量达标阈值。
具体地,所属筛选其中的各类待补货商品,其具体过程为:将各类正常商品的补货必要系数与预设的补货必要系数合理阈值进行比对,若某类正常商品的补货必要系数大于或等于预设的补货必要系数合理阈值,将该类正常商品记为待补货商品,筛选得到仓库当前存放的各类待补货商品。
本发明实施例针对仓库当前存放的各类正常商品从待补货商品数量、单天营业利润率以及单天的买家参照数三方面结合分析其对应的补货必要系数,据此从仓库当前存放的各类正常商品筛选出各类待补货商品,减少管理人员主观判断的盲目性和不确定性,为后续补货日期分析判定提供更准确的目标。
具体地,所述预估各类待补货商品对应的补货日期,其具体过程为:从各类正常商品的可补货商品数量中提取各类待补货商品的可补货商品数量,从云数据库中提取各类待补货商品的可补货商品数量所处范围对应的补货周期kp,其中p表示各类待补货商品的编号,p=1,2,K,f,从仓库当前存放的各类商品的库存量中提取仓库当前存放的各类待补货商品的库存量Np,结合提取到的各类待补货商品的历史最大销售速率历史最小销售速率/>和历史平均销售速率/>分析仓库当前存放的各类待补货商品的库存量的售罄日期,其计算公式为/>其中T0表示当前日期,由公式/>得到各类待补货商品对应的补货日期。
需要说明的是,这里f≤a″。
本发明实施例通过各类待补货商品的待补货商品数量以及当前仓库库存量的售罄日期,预估其对应的补货日期,帮助食品电商企业更加科学、准确地识别和处理各类待补货商品,优化仓库管理的同时保障该类商品的供应稳定性和销售连贯性,进而提升食品电商企业的经营效益。
所述显示终端,用于按照时间先后顺序对仓库当前存放的各类过剩商品的促销日期、各类待补货商品的补货日期进行显示。
本发明实施例通过显示终端按照时间先后顺序对仓库当前存放的各类过剩商品的促销日期、各类待补货商品的补货日期进行显示,充分有效地给予管理人员数据可视化的专业指导与决策支持,从一定程度上提升管理便利度和客户满意度。
所述云数据库,用于存储食品商品出售规定的安全出售到期日与保质到期日之间的天数,存储各补货商品数量范围对应的补货周期。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (9)
1.一种基于图像识别的电商产品仓储全流程监控管理系统,其特征在于:该系统包括:
商品信息获取模块,用于通过目标食品电商企业的仓库内各货架上安装的电子摄像设备,对各货架上各包装箱的条形码进行扫描,获取各包装箱的商品存放基本参数;
商品食品安全系数构建模块,用于获取目标食品电商企业的历史销售信息,分析仓库当前存放的各类商品的食品安全系数,据此筛选出仓库当前存放的各类正常商品和各类过剩商品;
过剩商品促销日期预估模块,用于获取目标食品电商企业的历史促销信息,分析仓库当前存放的各类过剩商品的促销紧迫程度系数,据此预估各类过剩商品的促销日期;
待补货商品补货日期预估模块,用于对仓库当前存放的各类正常商品的补货必要系数进行分析,筛选其中的各类待补货商品并预估其对应的补货日期;
显示终端,用于按照时间先后顺序对仓库当前存放的各类过剩商品的促销日期、各类待补货商品的补货日期进行显示;
云数据库,用于存储食品商品出售规定的安全出售到期日与保质到期日之间的天数,存储各补货商品数量范围对应的补货周期。
2.根据权利要求1所述的一种基于图像识别的电商产品仓储全流程监控管理系统,其特征在于:所述商品存放基本参数包括存放商品的食品种类、数量以及保质到期日;
所述历史销售信息包括各类商品的销售价格、成本价格以及历史设定周期内各天的销售量和买家数;
所述历史促销信息包括各类商品历史设定周期内各次促销的促销价格、促销周期以及促销销售量。
3.根据权利要求2所述的一种基于图像识别的电商产品仓储全流程监控管理系统,其特征在于:所述分析仓库当前存放的各类商品的食品安全系数,其具体过程为:根据各包装箱的商品存放基本参数,获取仓库当前存放的各类商品的库存量以及各类商品对应各商品的保质到期日,统计各类商品各保质到期日对应的商品数量;
从历史销售信息中提取各类商品历史设定周期内各天的销售量i表示各类商品的编号,i=1,2,K,a,j表示历史设定周期内各天的编号,j=1,2,K,g,据此得到各类商品历史设定周期内各天的销售速率/>筛选各类商品历史最大销售速率/>和历史最小销售速率/>由公式/>得到各类商品的历史平均销售速率,其中g表示历史总天数;
将当前日期与各类商品的各保质到期日的绝对值差值作为各类商品各保质到期日对应商品的保质天数;
将各类商品的各保质到期日按照时间先后顺序进行排列,根据各类商品的历史最大销售速率,从云数据库中提取食品商品出售规定的安全出售到期日与保质到期日之间的天数t0,分析各类商品各排列位置的保质到期日对应商品的理想食品安全系数,其计算公式为其中e表示自然常数,ni1、ni2、niq分别表示第i类商品排列第1、2、q位置的保质到期日对应商品的数量,tiq表示第i类商品排列第q位置的保质到期日对应商品的保质天数,q表示保质到期日各排列位置的编号,q=1,2,K,h,n0表示预设的商品参照数量;
由公式得到各类商品的理想食品安全系数;
同理,根据各类商品的历史最小、平均销售速率,分别得到各类商品的保底、平均食品安全系数,分别记为Bi、Pi;
综合分析各类商品的食品安全系数,其计算公式为:其中/>分别表示预设的理想、保底、平均食品安全系数对应权重占比。
4.根据权利要求3所述的一种基于图像识别的电商产品仓储全流程监控管理系统,其特征在于:所述筛选出仓库当前存放的各类正常商品和各类过剩商品,其具体过程为:将各类商品的食品安全系数与预设的食品安全系数阈值进行比对,若某类商品的食品安全系数小于预设的食品安全系数阈值,将该类商品记为过剩商品,反之记为正常商品,筛选得到仓库当前存放的各类正常商品和各类过剩商品。
5.根据权利要求4所述的一种基于图像识别的电商产品仓储全流程监控管理系统,其特征在于:所述分析仓库当前存放的各类过剩商品的促销紧迫程度系数,其具体过程为:从各类商品的食品安全系数中提取各类过剩商品的食品安全系数βi′,其中i′表示各类过剩商品的编号,i′=1′,2′,K,a′,由公式得到各类过剩商品的预警保质到期日对应排列位置,进而得到各类过剩商品预警保质到期日对应排列位置的商品数量ni′w,根据各类商品各排列位置的保质到期日,获取各类过剩商品的预警保质到期日,进而得到其对应的预警保质天数,记为△ti′,提取各类过剩商品历史最大销售速率/>历史最小销售速率/>和历史平均销售速率/>由公式得到各类过剩商品的预警商品数量,其中ni′1、ni′2分别表示第i′类过剩商品排列第1、2位置的保质到期日对应商品的数量;
分析仓库当前存放的各类过剩商品的促销紧迫程度系数,其计算公式为:其中l1、l2分别表示预设的预警商品数量、预警保质天数对应权重占比。
6.根据权利要求5所述的一种基于图像识别的电商产品仓储全流程监控管理系统,其特征在于:所述预估各类过剩商品对应的促销日期,其具体过程为:从历史销售信息中获取各类过剩商品的销售价格ri′,根据目标店铺各类过剩商品的促销紧迫程度系数,分析各类过剩商品的参照促销价格,其计算公式为:其中r0表示预设的单位促销紧迫程度系数对应的商品下调价格,进而得到各类过剩商品的参照促销价格范围(zi′-△r,zi′+△r),其中△r表示预设的商品价格合理偏差阈值;
从各类商品的历史促销信息中获取各类过剩商品的历史促销信息,筛选出各类过剩商品历史设定周期内促销价格在参照促销价格范围内的各次促销,记为各类过剩商品历史各次参照促销,提取其对应的促销周期和促销销售量/>其中m表示历史各次参照促销的编号,m=1,2,K,u,分析各类过剩商品历史各次参照促销的匹配系数,其计算公式为:其中b1、b2分别表示预设的促销周期、促销销售量对应权重占比;
将各类过剩商品历史各次参照促销的匹配系数与预设的匹配系数阈值进行比对,若某类过剩商品历史某次参照促销的匹配系数大于或等于预设的匹配系数阈值,将历史该次参照促销记为该类过剩商品的合理促销,获取各类过剩商品历史各次合理促销,将各类过剩商品历史各次合理促销的促销周期进行均值计算,得到各类过剩商品的合理促销周期结合各类过剩商品的预警保质到期日Qi′,由公式/>得到各类过剩商品的促销日期。
7.根据权利要求4所述的一种基于图像识别的电商产品仓储全流程监控管理系统,其特征在于:所述对仓库当前存放的各类正常商品的补货必要系数进行分析,其具体过程为:提取各类正常商品历史最大销售速率历史最小销售速率/>和历史平均销售速率其中i″表示各类正常商品的编号,i″=1″,2″,K,a″,由公式得到各类正常商品的可补货商品数量,其中ni″1、ni″2、ni″h分别表示第i″类正常商品排列第1、2、h位置的保质到期日对应商品的数量;
从历史销售信息中获取各类正常商品的销售价格、成本价格以及历史设定周期内各天的销售量,分别记为ri″、Ri″、由公式/>得到各类正常商品单天的营业利润率;
从历史销售信息中获取各类正常商品的历史设定周期内各天的买家数,通过均值计算得到各类正常商品的单天的买家参照数ci″,分析仓库当前存放的各类正常商品的补货必要系数,其计算公式为:其中△n0、c0分别表示商品补货对应的可补货商品数量达标阈值、单天买家数量达标阈值。
8.根据权利要求7所述的一种基于图像识别的电商产品仓储全流程监控管理系统,其特征在于:所属筛选其中的各类待补货商品,其具体过程为:将各类正常商品的补货必要系数与预设的补货必要系数合理阈值进行比对,若某类正常商品的补货必要系数大于或等于预设的补货必要系数合理阈值,将该类正常商品记为待补货商品,筛选得到仓库当前存放的各类待补货商品。
9.根据权利要求8所述的一种基于图像识别的电商产品仓储全流程监控管理系统,其特征在于:所述预估各类待补货商品对应的补货日期,其具体过程为:从各类正常商品的可补货商品数量中提取各类待补货商品的可补货商品数量,从云数据库中提取各类待补货商品的可补货商品数量所处范围对应的补货周期kp,其中p表示各类待补货商品的编号,p=1,2,K,f,从仓库当前存放的各类商品的库存量中提取仓库当前存放的各类待补货商品的库存量Np,结合提取到的各类待补货商品的历史最大销售速率历史最小销售速率/>和历史平均销售速率/>分析仓库当前存放的各类待补货商品的库存量的售罄日期,其计算公式为/>其中T0表示当前日期,由公式/>得到各类待补货商品对应的补货日期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311244338.7A CN117314325B (zh) | 2023-09-25 | 2023-09-25 | 一种基于图像识别的电商产品仓储全流程监控管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311244338.7A CN117314325B (zh) | 2023-09-25 | 2023-09-25 | 一种基于图像识别的电商产品仓储全流程监控管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117314325A true CN117314325A (zh) | 2023-12-29 |
CN117314325B CN117314325B (zh) | 2024-04-05 |
Family
ID=89249275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311244338.7A Active CN117314325B (zh) | 2023-09-25 | 2023-09-25 | 一种基于图像识别的电商产品仓储全流程监控管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117314325B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117974010A (zh) * | 2024-03-29 | 2024-05-03 | 轩亚(福州)信息技术有限公司 | 一种实现信息互通的商户ai收银系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280930A (zh) * | 2017-12-30 | 2018-07-13 | 深圳友宝科斯科技有限公司 | 自助售货机的补货方法、装置、存储介质和计算机设备 |
CN110751497A (zh) * | 2018-07-23 | 2020-02-04 | 北京京东尚科信息技术有限公司 | 一种商品补货方法和装置 |
US20210174300A1 (en) * | 2018-07-06 | 2021-06-10 | Beijing Jingdong Shangke Information Technology Co., Ltd. | Commodity replenishment method and device |
CN113627846A (zh) * | 2021-08-10 | 2021-11-09 | 北京沃东天骏信息技术有限公司 | 一种库存调整方法、装置、电子设备及计算机可读介质 |
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 |
CN114663008A (zh) * | 2022-03-08 | 2022-06-24 | 北京网鲜供应链科技有限公司 | 一种基于门店生鲜的智能补货系统 |
CN115115315A (zh) * | 2022-07-18 | 2022-09-27 | 深圳泽熙网络科技有限公司 | 一种基于云计算的电商商品库存数量动态提醒管理系统 |
CN115907800A (zh) * | 2022-11-17 | 2023-04-04 | 武汉圣男品牌管理有限公司 | 一种基于物联网的食品电商智能监测管理平台 |
-
2023
- 2023-09-25 CN CN202311244338.7A patent/CN117314325B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280930A (zh) * | 2017-12-30 | 2018-07-13 | 深圳友宝科斯科技有限公司 | 自助售货机的补货方法、装置、存储介质和计算机设备 |
US20210174300A1 (en) * | 2018-07-06 | 2021-06-10 | Beijing Jingdong Shangke Information Technology Co., Ltd. | Commodity replenishment method and device |
CN110751497A (zh) * | 2018-07-23 | 2020-02-04 | 北京京东尚科信息技术有限公司 | 一种商品补货方法和装置 |
CN113627846A (zh) * | 2021-08-10 | 2021-11-09 | 北京沃东天骏信息技术有限公司 | 一种库存调整方法、装置、电子设备及计算机可读介质 |
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 |
CN114663008A (zh) * | 2022-03-08 | 2022-06-24 | 北京网鲜供应链科技有限公司 | 一种基于门店生鲜的智能补货系统 |
CN115115315A (zh) * | 2022-07-18 | 2022-09-27 | 深圳泽熙网络科技有限公司 | 一种基于云计算的电商商品库存数量动态提醒管理系统 |
CN115907800A (zh) * | 2022-11-17 | 2023-04-04 | 武汉圣男品牌管理有限公司 | 一种基于物联网的食品电商智能监测管理平台 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117974010A (zh) * | 2024-03-29 | 2024-05-03 | 轩亚(福州)信息技术有限公司 | 一种实现信息互通的商户ai收银系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117314325B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shenoy et al. | Problems & Solutions in Inventory Management• | |
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 | |
Janssen et al. | A stochastic micro-periodic age-based inventory replenishment policy for perishable goods | |
US20080133313A1 (en) | Improved methods and systems for forecasting product demand using price elasticity | |
US20100138281A1 (en) | System and method for retail store shelf stock monitoring, predicting, and reporting | |
US20080154693A1 (en) | Methods and systems for forecasting product demand using a causal methodology | |
Mahapatra et al. | Inventory model for deteriorating items with time and reliability dependent demand and partial backorder | |
CN111784257A (zh) | 一种基于云平台的大数据仓储管理系统 | |
CN114663008B (zh) | 一种基于门店生鲜的智能补货系统 | |
US20230084790A1 (en) | Systems and computer-implemented methods for inventory management | |
CN112613827A (zh) | 园区商品维护的方法、系统及计算机存储介质 | |
Buck et al. | A fresh take on food retailing | |
Leung et al. | A tool set for exploring the value of RFID in a supply chain | |
Hota et al. | What should be the best retail strategy to deal with an unequal shipment from an unreliable manufacturer? | |
Yadav et al. | Multi-item EOQ model for deteriorating items having multivariate dependent demand with variable holding cost and trade credit | |
Rukonuzzaman et al. | Effects of a quantity-based discount frame in inventory planning under time-dependent demand: A case study of mango businesses in Bangladesh | |
Patra et al. | An inventory model under power pattern demand having trade credit facility and preservation technology investment with completely backlogged shortages | |
Schuster et al. | A Deterministic Spreadsheet Simulation Model for Production | |
CN115809908A (zh) | 一种基于云仓可视化的供应链智能管理系统 | |
CN114881694A (zh) | 自动补货方法、系统、电子设备、存储介质、程序产品 | |
CN113592542A (zh) | 一种连锁经营管理系统及其方法 | |
CN113762832A (zh) | 库存信息处理方法、装置、存储介质及电子设备 | |
CN114638659B (zh) | 基于云平台家居五金生产销售数据管理系统及储存介质 | |
Kumar et al. | Advanced payment strategy for EOQ model regarding perishable product with maximum lifetime, customer return, preservation technology and partial backlogging | |
Yamsaard | Managing International Perishable Food Supply Chain: A Literature Review |
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 |