CN117933883A - 基于库存智能锁的智能分类管理方法及装置 - Google Patents
基于库存智能锁的智能分类管理方法及装置 Download PDFInfo
- Publication number
- CN117933883A CN117933883A CN202410323044.1A CN202410323044A CN117933883A CN 117933883 A CN117933883 A CN 117933883A CN 202410323044 A CN202410323044 A CN 202410323044A CN 117933883 A CN117933883 A CN 117933883A
- Authority
- CN
- China
- Prior art keywords
- inventory
- dynamic
- intelligent lock
- sales
- intelligent
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 68
- 238000004519 manufacturing process Methods 0.000 claims abstract description 156
- 230000003068 static effect Effects 0.000 claims abstract description 154
- 238000004364 calculation method Methods 0.000 claims description 38
- 239000013589 supplement Substances 0.000 claims description 17
- 238000012423 maintenance Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- General Factory Administration (AREA)
Abstract
本发明涉及库存智能锁管理技术领域，揭露了一种基于库存智能锁的智能分类管理方法，包括：根据静态实体属性、动态实体属性、静态关系及动态关系构建锁型产销知识图谱，提取销量动态属性值及库存动态属性值，根据销量动态属性值及库存动态属性值计算预期可售天数，判断预期可售天数是否大于库存警示阈值，若不大于，则根据销量动态属性值、预期可售天数及标准库存天数计算库存需补量，在锁型产销知识图谱中识别产线静态实体，根据库存需补量构建日均生产指标。本发明还提出一种基于库存智能锁的智能分类管理装置、电子设备以及计算机可读存储介质。本发明可以解决当前库存智能锁的管理存在管理效率低，耗费人力大的问题。
Description
技术领域
本发明涉及库存智能锁管理技术领域，尤其涉及一种基于库存智能锁的智能分类管理方法、装置、电子设备及计算机可读存储介质。
背景技术
智能锁是在传统机械锁的基础上改进的，智能锁是一种使用现代数字技术控制和管理的锁技术，具有更高的安全性和智能性。智能锁通常涉及传感器技术、通信技术、指纹识别技术以及人工智能技术等。
由于智能锁相较于传统机械锁的优势，智能锁开始被千家万户所配置，因此智能锁具备极大的市场需求前景，而如何管理大量的库存智能锁开始成为需要关注的问题。当前库存智能锁通常只是简单的根据各个型号智能锁的销量进行储备的，并未形成系统的库存智能锁管理方法，因此当前库存智能锁的管理存在管理效率低，耗费人力大的问题。
发明内容
本发明提供一种基于库存智能锁的智能分类管理方法、装置及计算机可读存储介质，其主要目的在于解决当前库存智能锁的管理存在管理效率低，耗费人力大的问题。
为实现上述目的，本发明提供的一种基于库存智能锁的智能分类管理方法，包括：
获取智能锁型号集中每个智能锁型号的静态实体属性集及动态实体属性集；
在所述静态实体属性集中依次提取静态实体属性，获取所述静态实体属性与所述智能锁型号的静态关系；
在所述动态实体属性集中依次提取动态实体属性，获取所述动态实体属性与所述智能锁型号的动态关系；
根据所述静态实体属性与所述智能锁型号的静态关系及所述动态实体属性与所述智能锁型号的动态关系构建所述智能锁型号集的锁型产销知识图谱；
在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值；
利用预构建的预期可售天数计算公式，根据所述销量动态属性值及库存动态属性值计算所述智能锁型号的预期可售天数；
判断所述预期可售天数是否大于预设的库存警示阈值；
若所述预期可售天数大于所述库存警示阈值，则返回上述在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值的步骤；
若所述预期可售天数不大于所述库存警示阈值，则根据所述销量动态属性值、预期可售天数及预设的标准库存天数，利用预构建的库存需补计算公式计算库存需补量；
在所述锁型产销知识图谱中识别所述智能锁型号的产线静态实体，根据所述库存需补量构建所述产线静态实体的日均生产指标，完成基于库存智能锁的智能分类管理。
可选地，所述根据所述静态实体属性与所述智能锁型号的静态关系及所述动态实体属性与所述智能锁型号的动态关系构建所述智能锁型号集的锁型产销知识图谱，包括：
利用所述静态实体属性与所述智能锁型号的静态关系连接所述智能锁型号与静态实体属性，得到锁型静态知识图谱；
利用所述动态实体属性与所述智能锁型号的动态关系连接所述智能锁型号与动态实体属性，得到锁型产销知识图谱。
可选地，所述在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值，包括：
在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态关系及库存动态关系；
根据所述销量动态关系及库存动态关系分别识别所述智能锁型号的销量动态属性值及库存动态属性值。
可选地，所述利用预构建的预期可售天数计算公式，根据所述销量动态属性值及库存动态属性值计算所述智能锁型号的预期可售天数，包括：
根据所述销量动态属性值绘制历史销量动态曲线；
在所述历史销量动态曲线中提取当前销量斜率及当前动态销量值；
根据所述当前销量斜率及当前动态销量值绘制预期销量动态射线；
根据所述预期可售天数计算公式及库存动态属性值，利用所述预期销量动态射线计算所述智能锁型号的预期可售天数。
可选地，所述预期可售天数计算公式，如下所示：
；
其中，表示库存动态属性值，/>表示预期可售天数，/>表示当前动态销量值，/>表示当前销量斜率，/>表示销售天数。
可选地，所述库存需补计算公式，如下所示：
；
其中，表示库存需补量，/>表示标准库存天数。
可选地，所述在所述锁型产销知识图谱中识别所述智能锁型号的产线静态实体，包括：
在所述锁型产销知识图谱中识别所述智能锁型号的产线关系；
根据所述产线关系，在所述锁型产销知识图谱中识别所述智能锁型号的产线静态实体。
可选地，所述根据所述库存需补量构建所述产线静态实体的日均生产指标，包括：
根据所述预期可售天数及所述库存需补量，利用预构建的生产指标计算公式，计算所述产线静态实体的日均生产指标，其中所述生产指标计算公式如下所示：
；
其中，表示日均生产指标。
可选地，所述根据所述库存需补量构建所述产线静态实体的日均生产指标之后，所述方法还包括：
在所述锁型产销知识图谱中依次提取每个智能锁型号的各个库存批次的检修日期；
获取当前检修日期，判断所述当前检修日期是否为所述检修日期；
若所述当前检修日期为所述检修日期，则在所述锁型产销知识图谱中提取所述检修日期对应库存批次的库存位置静态属性；
根据所述库存位置静态属性引导用户进行批次检修，接收用户输入的所述批次检修的检修报告；
接收用户输入的目标锁型及索引目标实体属性；
获取所述目标锁型与索引目标实体属性的关系；
根据所述目标锁型及所述目标锁型与索引目标实体属性的关系，在所述锁型产销知识图谱中查询索引目标实体属性值。
为了解决上述问题，本发明还提供一种基于库存智能锁的智能分类管理装置，所述装置包括：
锁型产销知识图谱构建模块，用于获取智能锁型号集中每个智能锁型号的静态实体属性集及动态实体属性集；在所述静态实体属性集中依次提取静态实体属性，获取所述静态实体属性与所述智能锁型号的静态关系；在所述动态实体属性集中依次提取动态实体属性，获取所述动态实体属性与所述智能锁型号的动态关系；根据所述静态实体属性与所述智能锁型号的静态关系及所述动态实体属性与所述智能锁型号的动态关系构建所述智能锁型号集的锁型产销知识图谱；
预期可售天数计算模块，用于在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值；利用预构建的预期可售天数计算公式，根据所述销量动态属性值及库存动态属性值计算所述智能锁型号的预期可售天数；
库存需补量计算模块，用于判断所述预期可售天数是否大于预设的库存警示阈值；若所述预期可售天数大于所述库存警示阈值，则返回上述在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值的步骤；若所述预期可售天数不大于所述库存警示阈值，则根据所述销量动态属性值、预期可售天数及预设的标准库存天数，利用预构建的库存需补计算公式，计算库存需补量；
生产指标构建模块，用于在所述锁型产销知识图谱中识别所述智能锁型号的产线静态实体，根据所述库存需补量构建所述产线静态实体的生产指标。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以实现上述所述的基于库存智能锁的智能分类管理方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于库存智能锁的智能分类管理方法。
相比于背景技术所述：当前库存智能锁的管理存在管理效率低，耗费人力大的现象，本发明实施例通过获取每个智能锁型号的静态实体属性集及动态实体属性集，再获取所述静态实体属性与所述智能锁型号的静态关系以及所述动态实体属性与所述智能锁型号的动态关系，从而可以根据静态实体属性与所述智能锁型号的静态关系及所述动态实体属性与所述智能锁型号的动态关系构建所述智能锁型号集的锁型产销知识图谱，在得到所述锁型产销知识图谱后，可以对各个智能锁型号进行库存补足与否的判断，在判断前，首先在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值再利用预期可售天数计算公式，根据所述销量动态属性值及库存动态属性值计算所述智能锁型号的预期可售天数，通过判断预期可售天数是否大于预设的库存警示阈值来决定是否对各个智能锁型号进行库存补足，当预期可售天数不大于所述库存警示阈值，则根据所述销量动态属性值、预期可售天数及预设的标准库存天数，利用预构建的库存需补计算公式计算库存需补量，再在所述锁型产销知识图谱中识别所述智能锁型号的产线静态实体，根据所述库存需补量构建所述产线静态实体的日均生产指标，从而完成基于库存智能锁的智能分类管理。因此本发明提出的基于库存智能锁的智能分类管理方法、装置、电子设备及计算机可读存储介质，可以解决当前库存智能锁的管理存在管理效率低，耗费人力大的问题。
附图说明
图1为本发明一实施例提供的基于库存智能锁的智能分类管理方法的流程示意图；
图2为本发明一实施例提供的基于库存智能锁的智能分类管理装置的功能模块图；
图3为本发明一实施例提供的实现所述基于库存智能锁的智能分类管理方法的电子设备的结构示意图。
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于库存智能锁的智能分类管理方法。所述基于库存智能锁的智能分类管理方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于库存智能锁的智能分类管理方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例一：参照图1所示，为本发明一实施例提供的基于库存智能锁的智能分类管理方法的流程示意图。在本实施例中，所述基于库存智能锁的智能分类管理方法包括：
S1、获取智能锁型号集中每个智能锁型号的静态实体属性集及动态实体属性集。
可解释的，所述智能锁型号集指智能锁所有型号的集合，可以包括：蓝牙智能门锁I型号、蓝牙智能门锁II型号、wifi智能柜锁I型号、Zigbee智能车位锁I型号等等。所述静态实体属性集指某一智能锁型号的静态实体或属性的集合，例如：产线静态实体、库存位置静态属性、开锁方式静态属性、安装方式静态属性、锁体外观静态属性、定时功能静态属性以及报警功能静态属性等不会变动的属性值。所述产线静态实体指该智能锁型号对应的生产线名称、库存位置静态属性指该某一批次的该智能锁型号的库存位置，所述开锁方式静态属性可以为密码开锁、指纹开锁、人脸识别开锁、卡片开锁以及声控开锁等。
可理解的，所述动态实体属性集指所述某一智能锁型号的动态实体或属性的集合，例如：销量动态属性、库存动态属性、价格动态属性等等，所述销量动态属性表示该智能锁型号的每日销量、所述库存动态属性表示该智能锁型号的每日库存量。所述价格动态属性表示指该智能锁型号的市场售价变化值。
S2、在所述静态实体属性集中依次提取静态实体属性，获取所述静态实体属性与所述智能锁型号的静态关系。
可解释的，所述静态关系指所述智能锁型号与各个静态实体属性之间的关系，例如：当所述静态实体属性为产线静态实体时，所述静态关系为生产于，表示所述智能锁型号生产于所述某条产线；当所述静态实体属性为库存位置静态属性时，所述静态关系为库存于，表示所述智能锁型号库存于某个库存位置。
S3、在所述动态实体属性集中依次提取动态实体属性，获取所述动态实体属性与所述智能锁型号的动态关系。
进一步地，所述动态关系指所述智能锁型号的与各个动态实体属性的动态关系，例如：当所述动态实体属性为销量动态属性时，所述动态关系可为日销量，表示所述智能锁型号的日销量为所述销量动态属性值。
S4、根据所述静态实体属性与所述智能锁型号的静态关系及所述动态实体属性与所述智能锁型号的动态关系构建所述智能锁型号集的锁型产销知识图谱。
可解释的，所述锁型产销知识图谱指表示各个智能锁型的生产、存储、销售的全流程检索知识图谱，所述锁型产销知识图谱是基于知识图谱（Knowledge Graph）技术构建的结构化的语义知识库，用符号形式描述各个智能锁型号的相关概念集相互关系，其基本组成单位为智能锁型号-静态关系-静态实体属性或智能锁型号-动态关系-动态实体属性，智能锁型号与静态实体属性或动态实体属性通过静态关系或动态关系相互连接，构成网状的知识结构。
进一步地，知识图谱可以根据功能和应用场景分为通用知识图谱和领域知识图谱，本发明实施例中的锁型产销知识图谱属于领域知识图谱。
本发明实施例中，所述根据所述静态实体属性与所述智能锁型号的静态关系及所述动态实体属性与所述智能锁型号的动态关系构建所述智能锁型号集的锁型产销知识图谱，包括：
利用所述静态实体属性与所述智能锁型号的静态关系连接所述智能锁型号与静态实体属性，得到锁型静态知识图谱；
利用所述动态实体属性与所述智能锁型号的动态关系连接所述智能锁型号与动态实体属性，得到锁型产销知识图谱。
S5、在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值。
本发明实施例中，所述在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值，包括：
在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态关系及库存动态关系；
根据所述销量动态关系及库存动态关系分别识别所述智能锁型号的销量动态属性值及库存动态属性值。
可解释的，当需要获取某个智能锁型号的静态实体属性或动态实体属性时，需要根据所述智能锁型号与对应静态实体属性或动态实体属性之间的静态关系或动态关系进行检索。
S6、利用预构建的预期可售天数计算公式，根据所述销量动态属性值及库存动态属性值计算所述智能锁型号的预期可售天数。
应明白的，所述预期可售天数指所述库存动态属性值（当前库存量）在销量动态属性值（当前日销量）下可销售的天数。
本发明实施例中，所述利用预构建的预期可售天数计算公式，根据所述销量动态属性值及库存动态属性值计算所述智能锁型号的预期可售天数，包括：
根据所述销量动态属性值绘制历史销量动态曲线；
在所述历史销量动态曲线中提取当前销量斜率及当前动态销量值；
根据所述当前销量斜率及当前动态销量值绘制预期销量动态射线；
根据所述预期可售天数计算公式及库存动态属性值，利用所述预期销量动态射线计算所述智能锁型号的预期可售天数。
可解释的，所述历史销量动态曲线指描述所述智能锁型号过去每天的日销量变化曲线。所述当前销量斜率指所述历史销量动态曲线当前终点的斜率，例如：当前日期为2月2日，则所述当前销量斜率指所述历史销量动态曲线在2月1日的斜率。所述当前动态销量值指最近日期的日销量，例如：当前日期为2月2日，则所述当前动态销量值指2月1日的销量值。
可理解的，所述销量动态射线指以所述当前动态销量值为起点，以所述当前销量斜率为射线斜率绘制的所述历史销量动态曲线的延长射线。
进一步地，所述预期可售天数计算公式，如下所示：
；
其中，表示库存动态属性值，/>表示预期可售天数，/>表示当前动态销量值，/>表示当前销量斜率，/>表示销售天数。
可理解的，当得到所述预期销量动态射线后，即可通过所述预期销量动态射线计算从当前日期开始到未来每一天所述智能锁型号的累计销量。
S7、判断所述预期可售天数是否大于预设的库存警示阈值。
可解释的，所述库存警示阈值表示各个智能锁型号的最低库存可售天数。例如：当所述智能锁型号的当前动态销售值为1000件/天，当前销量斜率为0，所述库存动态属性值为10000件，则所述预期可售天数为10天，所述库存警示阈值可以为30天。
若所述预期可售天数大于所述库存警示阈值，则返回上述在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值的步骤。
若所述预期可售天数不大于所述库存警示阈值，则执行S8、根据所述销量动态属性值、预期可售天数及预设的标准库存天数，利用预构建的库存需补计算公式计算库存需补量。
进一步地，所述库存需补量指所述智能锁型号需要补足的件数，所述标准库存天数指所述智能锁型号对应的库存量的标准可售天数。例如：当所述智能锁型号的当前动态销售值为1000件/天，当前销量斜率为0，所述库存动态属性值为10000件，则所述预期可售天数为10天，所述库存警示阈值可以为30天，当标准库存天数可以为50天时，则所述库存需补量为：1000*（50-10）=40000件。
本发明实施例中，所述库存需补计算公式，如下所示：
；
其中，表示库存需补量，/>表示标准库存天数。
进一步地，所述智能锁型号对应的标准库存天数可以作为所述智能锁型号的动态属性值。
S9、在所述锁型产销知识图谱中识别所述智能锁型号的产线静态实体，根据所述库存需补量构建所述产线静态实体的日均生产指标，完成基于库存智能锁的智能分类管理。
可解释的，当得到所述库存需补量时即表示对应的智能锁型号库存不足，此时即可通过所述锁型产销知识图谱快速查询到对应的产线名称。
本发明实施例中，所述在所述锁型产销知识图谱中识别所述智能锁型号的产线静态实体，包括：
在所述锁型产销知识图谱中识别所述智能锁型号的产线关系；
根据所述产线关系，在所述锁型产销知识图谱中识别所述智能锁型号的产线静态实体。
本发明实施例中，所述根据所述库存需补量构建所述产线静态实体的日均生产指标，包括：
根据所述预期可售天数及所述库存需补量，利用预构建的生产指标计算公式，计算所述产线静态实体的日均生产指标，其中所述生产指标计算公式如下所示：
；
其中，表示日均生产指标。
进一步地，所述根据所述库存需补量构建所述产线静态实体的日均生产指标之后，所述方法还包括：
在所述锁型产销知识图谱中依次提取每个智能锁型号的各个库存批次的检修日期；
获取当前检修日期，判断所述当前检修日期是否为所述检修日期；
若所述当前检修日期为所述检修日期，则在所述锁型产销知识图谱中提取所述检修日期对应库存批次的库存位置静态属性；
根据所述库存位置静态属性引导用户进行批次检修，接收用户输入的所述批次检修的检修报告；
接收用户输入的目标锁型及索引目标实体属性；
获取所述目标锁型与索引目标实体属性的关系；
根据所述目标锁型及所述目标锁型与索引目标实体属性的关系，在所述锁型产销知识图谱中查询索引目标实体属性值。
可理解的，由于每个智能锁型号的库存都是分批次补足进去的，因此每个批次的智能锁型号的检修日期各不相同，例如：当各个批次的智能锁型号的生产日期分别为1月1日、2月1日以及3月1日，所述智能锁型号的检修间隔时段为20天，则各个批次的智能锁型号的检修日期分别为1月21日、2月21日以及3月21日。可以作为各个批次智能锁型号的静态实体属性值。
相比于背景技术所述：当前库存智能锁的管理存在管理效率低，耗费人力大的现象，本发明实施例通过获取每个智能锁型号的静态实体属性集及动态实体属性集，再获取所述静态实体属性与所述智能锁型号的静态关系以及所述动态实体属性与所述智能锁型号的动态关系，从而可以根据静态实体属性与所述智能锁型号的静态关系及所述动态实体属性与所述智能锁型号的动态关系构建所述智能锁型号集的锁型产销知识图谱，在得到所述锁型产销知识图谱后，可以对各个智能锁型号进行库存补足与否的判断，在判断前，首先在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值再利用预期可售天数计算公式，根据所述销量动态属性值及库存动态属性值计算所述智能锁型号的预期可售天数，通过判断预期可售天数是否大于预设的库存警示阈值来决定是否对各个智能锁型号进行库存补足，当预期可售天数不大于所述库存警示阈值，则根据所述销量动态属性值、预期可售天数及预设的标准库存天数，利用预构建的库存需补计算公式计算库存需补量，再在所述锁型产销知识图谱中识别所述智能锁型号的产线静态实体，根据所述库存需补量构建所述产线静态实体的日均生产指标，从而完成基于库存智能锁的智能分类管理。因此本发明提出的基于库存智能锁的智能分类管理方法、装置、电子设备及计算机可读存储介质，可以解决当前库存智能锁的管理存在管理效率低，耗费人力大的问题。
实施例二：如图2所示，是本发明一实施例提供的基于库存智能锁的智能分类管理装置的功能模块图。
本发明所述基于库存智能锁的智能分类管理装置100可以安装于电子设备中。根据实现的功能，所述基于库存智能锁的智能分类管理装置100可以包括锁型产销知识图谱构建模块101、预期可售天数计算模块102、库存需补量计算模块103及生产指标构建模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
所述锁型产销知识图谱构建模块101，用于获取智能锁型号集中每个智能锁型号的静态实体属性集及动态实体属性集；在所述静态实体属性集中依次提取静态实体属性，获取所述静态实体属性与所述智能锁型号的静态关系；在所述动态实体属性集中依次提取动态实体属性，获取所述动态实体属性与所述智能锁型号的动态关系；根据所述静态实体属性与所述智能锁型号的静态关系及所述动态实体属性与所述智能锁型号的动态关系构建所述智能锁型号集的锁型产销知识图谱；
所述预期可售天数计算模块102，用于在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值；利用预构建的预期可售天数计算公式，根据所述销量动态属性值及库存动态属性值计算所述智能锁型号的预期可售天数；
所述库存需补量计算模块103，用于判断所述预期可售天数是否大于预设的库存警示阈值；若所述预期可售天数大于所述库存警示阈值，则返回上述在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值的步骤；若所述预期可售天数不大于所述库存警示阈值，则根据所述销量动态属性值、预期可售天数及预设的标准库存天数，利用预构建的库存需补计算公式，计算库存需补量；
所述生产指标构建模块104，用于在所述锁型产销知识图谱中识别所述智能锁型号的产线静态实体，根据所述库存需补量构建所述产线静态实体的生产指标。
详细地，本发明实施例中所述基于库存智能锁的智能分类管理装置100中的所述各模块在使用时采用与上述的图1中所述的基于库存智能锁的智能分类管理方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
实施例三：如图3所示，是本发明一实施例提供的实现基于库存智能锁的智能分类管理方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、总线12和通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于库存智能锁的智能分类管理程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（SecureDigital， SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如基于库存智能锁的智能分类管理程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（Control Unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如基于库存智能锁的智能分类管理程序等），以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于库存智能锁的智能分类管理程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取智能锁型号集中每个智能锁型号的静态实体属性集及动态实体属性集；
在所述静态实体属性集中依次提取静态实体属性，获取所述静态实体属性与所述智能锁型号的静态关系；
在所述动态实体属性集中依次提取动态实体属性，获取所述动态实体属性与所述智能锁型号的动态关系；
根据所述静态实体属性与所述智能锁型号的静态关系及所述动态实体属性与所述智能锁型号的动态关系构建所述智能锁型号集的锁型产销知识图谱；
在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值；
利用预构建的预期可售天数计算公式，根据所述销量动态属性值及库存动态属性值计算所述智能锁型号的预期可售天数；
判断所述预期可售天数是否大于预设的库存警示阈值；
若所述预期可售天数大于所述库存警示阈值，则返回上述在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值的步骤；
若所述预期可售天数不大于所述库存警示阈值，则根据所述销量动态属性值、预期可售天数及预设的标准库存天数，利用预构建的库存需补计算公式计算库存需补量；
在所述锁型产销知识图谱中识别所述智能锁型号的产线静态实体，根据所述库存需补量构建所述产线静态实体的日均生产指标，完成基于库存智能锁的智能分类管理。
具体地，所述处理器10对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取智能锁型号集中每个智能锁型号的静态实体属性集及动态实体属性集；
在所述静态实体属性集中依次提取静态实体属性，获取所述静态实体属性与所述智能锁型号的静态关系；
在所述动态实体属性集中依次提取动态实体属性，获取所述动态实体属性与所述智能锁型号的动态关系；
根据所述静态实体属性与所述智能锁型号的静态关系及所述动态实体属性与所述智能锁型号的动态关系构建所述智能锁型号集的锁型产销知识图谱；
在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值；
利用预构建的预期可售天数计算公式，根据所述销量动态属性值及库存动态属性值计算所述智能锁型号的预期可售天数；
判断所述预期可售天数是否大于预设的库存警示阈值；
若所述预期可售天数大于所述库存警示阈值，则返回上述在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值的步骤；
若所述预期可售天数不大于所述库存警示阈值，则根据所述销量动态属性值、预期可售天数及预设的标准库存天数，利用预构建的库存需补计算公式计算库存需补量；
在所述锁型产销知识图谱中识别所述智能锁型号的产线静态实体，根据所述库存需补量构建所述产线静态实体的日均生产指标，完成基于库存智能锁的智能分类管理。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于库存智能锁的智能分类管理方法，其特征在于，所述方法包括：
获取智能锁型号集中每个智能锁型号的静态实体属性集及动态实体属性集；
在所述静态实体属性集中依次提取静态实体属性，获取所述静态实体属性与所述智能锁型号的静态关系；
在所述动态实体属性集中依次提取动态实体属性，获取所述动态实体属性与所述智能锁型号的动态关系；
根据所述静态实体属性与所述智能锁型号的静态关系及所述动态实体属性与所述智能锁型号的动态关系构建所述智能锁型号集的锁型产销知识图谱；
在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值；
利用预构建的预期可售天数计算公式，根据所述销量动态属性值及库存动态属性值计算所述智能锁型号的预期可售天数；
判断所述预期可售天数是否大于预设的库存警示阈值；
若所述预期可售天数大于所述库存警示阈值，则返回上述在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值的步骤；
若所述预期可售天数不大于所述库存警示阈值，则根据所述销量动态属性值、预期可售天数及预设的标准库存天数，利用预构建的库存需补计算公式计算库存需补量；
在所述锁型产销知识图谱中识别所述智能锁型号的产线静态实体，根据所述库存需补量构建所述产线静态实体的日均生产指标，完成基于库存智能锁的智能分类管理。
2.如权利要求1所述的基于库存智能锁的智能分类管理方法，其特征在于，所述根据所述静态实体属性与所述智能锁型号的静态关系及所述动态实体属性与所述智能锁型号的动态关系构建所述智能锁型号集的锁型产销知识图谱，包括：
利用所述静态实体属性与所述智能锁型号的静态关系连接所述智能锁型号与静态实体属性，得到锁型静态知识图谱；
利用所述动态实体属性与所述智能锁型号的动态关系连接所述智能锁型号与动态实体属性，得到锁型产销知识图谱。
3.如权利要求2所述的基于库存智能锁的智能分类管理方法，其特征在于，所述在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值，包括：
在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态关系及库存动态关系；
根据所述销量动态关系及库存动态关系分别识别所述智能锁型号的销量动态属性值及库存动态属性值。
4.如权利要求3所述的基于库存智能锁的智能分类管理方法，其特征在于，所述利用预构建的预期可售天数计算公式，根据所述销量动态属性值及库存动态属性值计算所述智能锁型号的预期可售天数，包括：
根据所述销量动态属性值绘制历史销量动态曲线；
在所述历史销量动态曲线中提取当前销量斜率及当前动态销量值；
根据所述当前销量斜率及当前动态销量值绘制预期销量动态射线；
根据所述预期可售天数计算公式及库存动态属性值，利用所述预期销量动态射线计算所述智能锁型号的预期可售天数。
5.如权利要求4所述的基于库存智能锁的智能分类管理方法，其特征在于，所述预期可售天数计算公式，如下所示：
；
其中，表示库存动态属性值，/>表示预期可售天数，/>表示当前动态销量值，/>表示当前销量斜率，/>表示销售天数。
6.如权利要求1所述的基于库存智能锁的智能分类管理方法，其特征在于，所述库存需补计算公式，如下所示：
；
其中，表示库存需补量，/>表示标准库存天数。
7.如权利要求2所述的基于库存智能锁的智能分类管理方法，其特征在于，所述在所述锁型产销知识图谱中识别所述智能锁型号的产线静态实体，包括：
在所述锁型产销知识图谱中识别所述智能锁型号的产线关系；
根据所述产线关系，在所述锁型产销知识图谱中识别所述智能锁型号的产线静态实体。
8.如权利要求7所述的基于库存智能锁的智能分类管理方法，其特征在于，所述根据所述库存需补量构建所述产线静态实体的日均生产指标，包括：
根据所述预期可售天数及所述库存需补量，利用预构建的生产指标计算公式，计算所述产线静态实体的日均生产指标，其中所述生产指标计算公式如下所示：
；
其中，表示日均生产指标。
9.如权利要求8所述的基于库存智能锁的智能分类管理方法，其特征在于，所述根据所述库存需补量构建所述产线静态实体的日均生产指标之后，所述方法还包括：
在所述锁型产销知识图谱中依次提取每个智能锁型号的各个库存批次的检修日期；
获取当前检修日期，判断所述当前检修日期是否为所述检修日期；
若所述当前检修日期为所述检修日期，则在所述锁型产销知识图谱中提取所述检修日期对应库存批次的库存位置静态属性；
根据所述库存位置静态属性引导用户进行批次检修，接收用户输入的所述批次检修的检修报告；
接收用户输入的目标锁型及索引目标实体属性；
获取所述目标锁型与索引目标实体属性的关系；
根据所述目标锁型及所述目标锁型与索引目标实体属性的关系，在所述锁型产销知识图谱中查询索引目标实体属性值。
10.一种基于库存智能锁的智能分类管理装置，其特征在于，所述装置包括：
锁型产销知识图谱构建模块，用于获取智能锁型号集中每个智能锁型号的静态实体属性集及动态实体属性集；在所述静态实体属性集中依次提取静态实体属性，获取所述静态实体属性与所述智能锁型号的静态关系；在所述动态实体属性集中依次提取动态实体属性，获取所述动态实体属性与所述智能锁型号的动态关系；根据所述静态实体属性与所述智能锁型号的静态关系及所述动态实体属性与所述智能锁型号的动态关系构建所述智能锁型号集的锁型产销知识图谱；
预期可售天数计算模块，用于在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值；利用预构建的预期可售天数计算公式，根据所述销量动态属性值及库存动态属性值计算所述智能锁型号的预期可售天数；
库存需补量计算模块，用于判断所述预期可售天数是否大于预设的库存警示阈值；若所述预期可售天数大于所述库存警示阈值，则返回上述在所述锁型产销知识图谱中依次提取每个智能锁型号的销量动态属性值及库存动态属性值的步骤；若所述预期可售天数不大于所述库存警示阈值，则根据所述销量动态属性值、预期可售天数及预设的标准库存天数，利用预构建的库存需补计算公式，计算库存需补量；
生产指标构建模块，用于在所述锁型产销知识图谱中识别所述智能锁型号的产线静态实体，根据所述库存需补量构建所述产线静态实体的生产指标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410323044.1A CN117933883A (zh) | 2024-03-21 | 2024-03-21 | 基于库存智能锁的智能分类管理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410323044.1A CN117933883A (zh) | 2024-03-21 | 2024-03-21 | 基于库存智能锁的智能分类管理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117933883A true CN117933883A (zh) | 2024-04-26 |
Family
ID=90761177
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410323044.1A Pending CN117933883A (zh) | 2024-03-21 | 2024-03-21 | 基于库存智能锁的智能分类管理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117933883A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111242531A (zh) * | 2020-01-03 | 2020-06-05 | 秒针信息技术有限公司 | 一种原料管控方法、装置和电子设备 |
| CN111242556A (zh) * | 2020-01-21 | 2020-06-05 | 秒针信息技术有限公司 | 一种货物分类方法及装置 |
| CN113177763A (zh) * | 2021-05-14 | 2021-07-27 | 深圳市领星网络科技有限公司 | 一种补货建议生成方法和系统及计算机可读存储介质 |
| CN115034837A (zh) * | 2022-08-15 | 2022-09-09 | 华东交通大学 | 一种基于知识图谱的产品销量预测方法、设备和介质 |
| WO2023219950A1 (en) * | 2022-05-10 | 2023-11-16 | Walmart Apollo, Llc | Systems and methods to control customized performance insight through machine learning based knowledge graphs |
| CN117273599A (zh) * | 2023-08-22 | 2023-12-22 | 昆仑数智科技有限责任公司 | 一种商品需求的预测和商品补货数量的确定方法与系统 |
| CN117291494A (zh) * | 2022-06-14 | 2023-12-26 | 宝山钢铁股份有限公司 | 一种基于知识图谱的备件库存匹配控制方法 |
-
2024
- 2024-03-21 CN CN202410323044.1A patent/CN117933883A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111242531A (zh) * | 2020-01-03 | 2020-06-05 | 秒针信息技术有限公司 | 一种原料管控方法、装置和电子设备 |
| CN111242556A (zh) * | 2020-01-21 | 2020-06-05 | 秒针信息技术有限公司 | 一种货物分类方法及装置 |
| CN113177763A (zh) * | 2021-05-14 | 2021-07-27 | 深圳市领星网络科技有限公司 | 一种补货建议生成方法和系统及计算机可读存储介质 |
| WO2023219950A1 (en) * | 2022-05-10 | 2023-11-16 | Walmart Apollo, Llc | Systems and methods to control customized performance insight through machine learning based knowledge graphs |
| CN117291494A (zh) * | 2022-06-14 | 2023-12-26 | 宝山钢铁股份有限公司 | 一种基于知识图谱的备件库存匹配控制方法 |
| CN115034837A (zh) * | 2022-08-15 | 2022-09-09 | 华东交通大学 | 一种基于知识图谱的产品销量预测方法、设备和介质 |
| CN117273599A (zh) * | 2023-08-22 | 2023-12-22 | 昆仑数智科技有限责任公司 | 一种商品需求的预测和商品补货数量的确定方法与系统 |
Non-Patent Citations (1)
| Title |
|---|
| 叶勇;: "基于知识图谱分析的库存管理研究", 信息资源管理学报, no. 01, 26 January 2018 (2018-01-26) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112541745B (zh) | 用户行为数据分析方法、装置、电子设备及可读存储介质 | |
| CN112528616B (zh) | 业务表单生成方法、装置、电子设备及计算机存储介质 | |
| CN114979120B (zh) | 数据上传方法、装置、设备及存储介质 | |
| CN113032403B (zh) | 数据洞察方法、装置、电子设备及存储介质 | |
| CN112016905A (zh) | 基于审批流程的信息展示方法、装置、电子设备及介质 | |
| CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
| CN114386509A (zh) | 数据融合方法、装置、电子设备及存储介质 | |
| CN115129753A (zh) | 数据血缘关系分析方法、装置、电子设备及存储介质 | |
| CN113706172A (zh) | 基于客户行为的投诉解决方法、装置、设备及存储介质 | |
| CN110032731A (zh) | 企业经营范围判断方法、装置及计算机可读存储介质 | |
| CN112651782A (zh) | 基于缩放点积注意力的行为预测方法、装置、设备及介质 | |
| CN115796398A (zh) | 基于电力物资的需求智能分析方法、系统、设备及介质 | |
| CN117933883A (zh) | 基于库存智能锁的智能分类管理方法及装置 | |
| CN115561700A (zh) | 一种直流电能表的计量标准分析方法及装置 | |
| CN114238233A (zh) | 文件自动化清理方法、装置、设备及存储介质 | |
| CN114612065B (zh) | 一种工艺造纸的关联设备组合方法、装置、设备及介质 | |
| CN113726963B (zh) | 智能外呼防骚扰方法、装置、设备及介质 | |
| CN115641186A (zh) | 直播产品偏好的智能分析方法、装置、设备及存储介质 | |
| CN115221171A (zh) | 异常数据智能监控方法、装置、电子设备及存储介质 | |
| CN114610854A (zh) | 智能问答方法、装置、设备及存储介质 | |
| CN114840388A (zh) | 数据监控方法、装置、电子设备及存储介质 | |
| CN113449002A (zh) | 车辆推荐方法、装置、电子设备及存储介质 | |
| CN114943289A (zh) | 基于深度学习的用户画像分类方法、装置、设备及介质 | |
| CN113486238A (zh) | 基于用户画像的信息推送方法、装置、设备及存储介质 | |
| CN113723114A (zh) | 基于多意图识别的语义分析方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |