FR3135339A1 - Procede de gestion automatique de commandes de reapprovisionnement d’articles - Google Patents
Procede de gestion automatique de commandes de reapprovisionnement d’articles Download PDFInfo
- Publication number
- FR3135339A1 FR3135339A1 FR2204235A FR2204235A FR3135339A1 FR 3135339 A1 FR3135339 A1 FR 3135339A1 FR 2204235 A FR2204235 A FR 2204235A FR 2204235 A FR2204235 A FR 2204235A FR 3135339 A1 FR3135339 A1 FR 3135339A1
- Authority
- FR
- France
- Prior art keywords
- plu
- articles
- item
- image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 12
- 238000002360 preparation method Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000010200 validation analysis Methods 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 239000000047 product Substances 0.000 description 26
- 238000007726 management method Methods 0.000 description 8
- 239000008186 active pharmaceutical agent Substances 0.000 description 6
- 235000012055 fruits and vegetables Nutrition 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000011282 treatment Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 101100136062 Mycobacterium tuberculosis (strain ATCC 25618 / H37Rv) PE10 gene Proteins 0.000 description 2
- 101100136063 Mycobacterium tuberculosis (strain ATCC 25618 / H37Rv) PE11 gene Proteins 0.000 description 2
- 235000014443 Pyrus communis Nutrition 0.000 description 2
- 241001249696 Senna alexandrina Species 0.000 description 2
- 241001080024 Telles Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- JZUFKLXOESDKRF-UHFFFAOYSA-N Chlorothiazide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC2=C1NCNS2(=O)=O JZUFKLXOESDKRF-UHFFFAOYSA-N 0.000 description 1
- 235000005979 Citrus limon Nutrition 0.000 description 1
- 244000131522 Citrus pyriformis Species 0.000 description 1
- 229920000297 Rayon Polymers 0.000 description 1
- 241000897276 Termes Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 235000014121 butter Nutrition 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012015 optical character recognition Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 239000002964 rayon Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000014616 translation Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000003442 weekly 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
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/20—Point-of-sale [POS] network systems
- G06Q20/203—Inventory monitoring
-
- 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
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
- G07G1/00—Cash registers
- G07G1/0036—Checkout procedures
Abstract
La présente invention concerne le domaine de la gestion de l’approvisionnement d’un point de vente, et notamment de la préparation de commande en ligne pour l’approvisionnement en produits frais auprès d’une centrale d’achat et de fournisseurs. Certains chefs de rayon effectuent une part de leurs approvisionnements en dehors de leur centrale, auprès de producteurs locaux ou de grossistes. Cela correspond à un modèle organisationnel mixte dans lequel certaines opérations sont assurées simultanément par les structures centrales, les managers de rayon et les grossistes. Figure de l’abrégé : figure 1
Description
La présente invention concerne le domaine de la gestion de l’approvisionnement d’un point de vente, et notamment de la préparation de commande en ligne pour l’approvisionnement en produits frais auprès d’une centrale d’achat et de fournisseurs. Certains chefs de rayon effectuent une part de leurs approvisionnements en dehors de leur centrale, auprès de producteurs locaux ou de grossistes. Cela correspond à un modèle organisationnel mixte dans lequel certaines opérations sont assurées simultanément par les structures centrales, les managers de rayon et les grossistes.
La question de l’approvisionnement est chronophage et complexe. Il faut déterminer de manière aussi précise que possibles les besoins de réapprovisionnement à court terme, rechercher les meilleurs produits, trouver le rapport qualité/prix le plus adapté, négocier voire renégocier ses achats et jongler entre les conditions et délais de livraison, les factures, les différents fournisseurs.
Souvent, la gestion des commandes est faite de manière empirique à partir d’estimation plus ou moins réaliste de l’état des stocks et d’une prévision intuitive des besoins complémentaires à court terme, par un opérateur humain.
Des éditeurs de solutions logicielles de type ERP ont proposé des systèmes pour fluidifier le processus de suivi des ventes et de commande, mais ces solutions nécessitent la saisie d’un grand nombre d’informations pour être réellement opérationnelles, ce qui représentent un travail de capture d’information dépassant les ressources qu’un distributeur peut allouer à cette tâche.
Contrairement aux traitements du réassortiment d’articles courant, les fruits et légumes présentent de très courtes durée limites de consommation, sont périssables en raison de mauvaises manipulations, et ne sont pas associés à un emballage permettant d’apposer une étiquette portant un code barre.
On connaît dans l’état de la technique le brevet américain US5712989A concernant un système de gestion des demandes et des stocks utilisant à la fois un ordinateur hôte et un ordinateur local qui peuvent être reliés pour permettre des communications de données bidirectionnelles dans un environnement en temps réel. Chaque ordinateur a une base de données associée à laquelle il peut accéder. En accédant à sa base de données respective, chaque ordinateur peut créer et transmettre aux autres blocs de communication informatique des données relatives à une réquisition particulière d'un article dans l'inventaire juste-à-temps ou à la gestion de l'inventaire juste-à-temps. L'autre ordinateur peut ensuite utiliser les données reçues pour poursuivre le traitement de la demande ou pour mettre à jour ses enregistrements d'inventaire juste-à-temps. Ainsi, les enregistrements de demande sont créés à partir d'une interaction en temps réel entre l'hôte et les ordinateurs locaux,
On connait aussi la demande de brevet EP1696380A1 qui décrit une méthode et un système pour la commande informatisée d'au moins un produit qui fait partie d'une liste d'achats finale. Le système comporte un premier chariot informatisé configuré pour rendre plus facile pour l'utilisateur la sélection d'au moins un produit parmi les produits proposés par un ou plusieurs magasins associés au premier chariot, donnant ainsi au moins une première ligne de commande informatisée correspondant au produit sélectionné et faisant partie d'une première liste d'achats ; au moins un second chariot informatisé, chacun desdits seconds chariots configurés pour produire automatiquement au moins une seconde ligne de commande automatisée correspondant à ladite première ligne de commande et comportant un produit proposé par un ou plusieurs magasins associés au deuxième chariot, ladite seconde ligne faisant partie d'une deuxième liste d 'achats ; où la liste d'achats finale est configurée pour être basée sur ladite première liste d'achats ou sur ladite deuxième liste d'achats. La méthode comporte la fourniture du premier chariot informatisé, la fourniture d'au moins un second chariot informatisé, et faciliter la compilation de la liste d'achats finale sur la base de ladite première liste d'achats ou de ladite deuxième liste d'achats.
La demande de brevet WO2016/000044 concerne un procédé d'achat de produits par des clients, le procédé consistant : par rapport à une pluralité d'articles disponibles chez chacun d'une pluralité de détaillants, à obtenir le prix de chaque article à acheter chez chaque détaillant ; à recevoir un indicateur d'une région en provenance d'un client (indicateur de région) ; à recevoir une liste d'articles à acheter en provenance du client ; à déterminer le coût de chacun des articles dans la liste reçue pour chacun des détaillants sur la base de l'indicateur de région reçu ; et à déterminer une liste d'achats pour chaque détaillant sur la base des coûts déterminés.
Pour être efficaces, les solutions de l’art antérieur nécessitent de connaître en temps réel l’état des stocks et l’estimation, pour chaque article, des ventes prévisionnelles afin de calculer les volumes à commander article par article. La collecte de ces données représente une difficulté matérielle car aucune source d’information n’est réellement fiable : les données disponibles sur le système de gestion de caisse sont certes représentatives des ventes, mais ne prennent pas en compte la démarque (produits périmés mis au rebut, vol, consommation dans le magasin,…). Elles ne permettent donc pas de connaître l’état réel des stocks résiduels. Les données d’entrée des produits dans le magasin ne sont pas non plus pleinement exploitables, car les références portées par le conditionnement des produits ne permettant pas toujours de distinguer chaque catégorie d’article.
Ces traitements sont donc faussés par l’absence d’informations fiables sur l’état de départ du stock, article par article, les erreurs s’amplifiant de surcroit au fil du temps.
Afin de remédier à ces inconvénients, la présente invention concerne selon son acception la plus générale un procédé de gestion automatique de commandes de réapprovisionnement d’articles périssables comportant une étape de préparation de commandes numériques consistant à appliquer à des données numériques locales, représentatives de l’état des stocks pour chacun desdites articles, un traitement pour calculer pour chacun desdits articles le volume à commander caractérisé en ce qu’il comporte :
- L’acquisition occasionnelle d’une image d’une zone de stockage d’un type d’article, et l’application sur ladite image
- d’un traitement de reconnaissance de caractère pour extraire un identifiant alphanumérique ALPHAidudit article, de comparaison dudit identifiant avec une table numérique comportant, pour chaque article en vente, l’association entre une pluralité de déclinaison d’identifiants alphanumériques et d’un identifiant dudit article PLUi, et
- un traitement de reconnaissance d’image pour déterminer automatiquement le nombre d’articles Nicorrespondant audit identifiant unique PLUi
- l’enregistrement dans la mémoire d’un serveur local d’une séquence numérique SNicomprenant ledit identifiant unique PLUi, ledit nombre d’articles Ni, l’heure d’acquisition de l’image et la zone Zide ladite image
- une étape de préparation de commande consistant à calculer pour chaque type PLU d’article d’un estimateur VPLUdu nombre d’article disponibles à la vente, en fonction desdites séquences SNi, et de données provenant du système d’information local comprenant le système de gestion de caisses et/ou le système de pesée d’articles
- une étape de calcul, pour chacun des articles PLU, d’un indicateur CPLUen fonction dudit estimateur VPLUet de données numériques relatives à la saisonnalité SAPLU, et d’affichage pour chacun desdits articles du prix unitaire, du fournisseur FPLU,
- une étape d’ajustement desdits valeurs CPLUpar une saisie manuelle, puis de validation, commandant la transmission à chacun desdits fournisseurs d’un identifiant local, et pour chaque produit PLU de ladite valeur CPLU.
Avantageusement, ladite étape de calcul dudit indicateur CPLUcomporte également le calcul d’un indicateur de confiance PPLU, et des moyens de transmission d’une requête d’une acquisition d’une image additionnelle pour l’article PLU pour recalculer ledit indicateur CPLU.
Description d’un exemple non limitatif de réalisation de l’invention
La présente invention sera mieux comprise à la lecture de la description qui suit, concernant un exemple non limitatif de réalisation où :
-
Le principe de l’invention consiste à exploiter trois types de données :
- Des données dites « froides », qui ne dépendent pas ou peu de circonstances locales. Il s’agit par exemple de données de la saisonnalité des consommations des différents articles, les données statistiques historiques moyen-long terme, du calendrier des fêtes et vacances et évènements locaux, les données météorologiques, etc
- Des données dites « chaudes », qui varient quotidiennement et sont fortement dépendante des circonstances locales, tel que l’état journalier du stock d’articles commercialisables pour chaque type d’article, la casse et rebut du jour, la démarche du jour,
- Des données calculées telles que les données historiques locales ainsi que les données historiques provenant d’autres site de distribution, les données reconstituées à partie d’une combinaison de données locales,…
Le calcul des commandes prend en compte :
- La prévision de vente futures pour un article, déterminé par des études de saisonnalité pondérés éventuellement par des paramètres globaux tels que les données météorologiques, le calendrier des évènements locaux (fête, évènement sportif ou culturel,…)
- Le solde d’articles dont la date limite de consommation ne sera pas expirée à une date de vente future.
Cette dernière information, pourtant essentielle, est difficile a déterminer avec fiabilité.
Elle peut être connu par comptage : toutefois, les volumes varient en permanence, en raison d’une part des prélèvements incessant par les clients, et d’autre part de la recharge régulière des rayons. Ce comptage devrait donc être pratiqué à une fréquence très élevée si on voulait disposer de données vraiment fiables.
Elle peut être connue par le passage en caisse, à partir des informations disponibles sur le système informatique de gestion de caisses. Mais ces données ne prennent pas en compte la démarque, résultant de dégradations d’articles mal manipulés, le vol à l’étalage, parfois la consommation sans passage en caisse…Il s’agit par ailleurs de données indirectes, puisqu’elles ne reflètent pas le nombre d’articles restant disponibles, mais les nombres de produits qui ne sont plus disponibles.
Elle peut aussi être connues à partir des informations enregistrées lors de la livraison du magasin. Ces données sont aussi imparfaites car elles ne prennent pas en compte la mise au rebut de certains produits.
Afin de fournir des données permettant de fiabiliser la connaissance de l’état des stocks disponibles, l’invention prévoit l’acquisition de temps en temps de l’état exact des volumes d’un article disponible à la vente. Cette démarche serait excessivement fastidieuse si elle était réalisée par des opérateurs humains, sans compter les erreurs éventuelles.
L’invention consiste à prendre une photographie d’un étalage, avec dans le champ de l’image l’étiquette de désignation du produit concerné, ainsi que les articles considérés.
L’invention consiste à automatiser la reconnaissance de l’identifiant unique d’un article, souvent désigné sous le sigle PLU (Price Look-Up) qui est un code à 4 ou 5 caractères numériques, pour identifier les fruits et légumes, et plus généralement les articles périssables.
En l'absence de code PLU standard dans la base de données des codes PLU, les codes attribués par le détaillant peuvent être utilisés. Les codes PLU attribués aux détaillants permettent aux détaillants de désigner leurs propres numéros pour les articles auxquels aucun code PLU standard n'est attribué; cependant, ces codes restent dans la série de numéros attribués à l'industrie des fruits et légumes (3000, 4000, 83000 et 84000). Une fois qu'un fournisseur a pris des dispositions spécifiques avec tous les détaillants qui recevront l'article, un code PLU attribué par le détaillant peut être utilisé. Chaque détaillant peut attribuer un code PLU différent au même article. Ce code distingue le produit ainsi que la variété et/ou la qualité du produit, par exemple 3005 pour une pomme de variété Golden, 3013 pour une poire de variété conférence et 3017 pour une poire de variété beurre Hardy, ou encore 4033 pour des citrons de petit calibre, 4053 pour des produits de gros calibre. Contrairement aux autres articles, les fruits et légumes ne peuvent généralement pas être étiquettes pour afficher un code-barres, et il est nécessaire de procéder à une association du code PLU par identification du produit.
Le traitement par un opérateur prend du temps et nécessite une formation et une expertise pour connaître et enregistrer le code à la vue d’un article.
L’invention consiste à automatiser cette étape par un traitement d’image acquise d’un lot d’articles. Cette image peut être acquise par un équipement mobile, par exemple une tablette voire un téléphone intelligent équipé d’une caméra, utilisée par un opérateur, ou encore enregistrée par une caméra fixe, disposée sur le linéaire ou au plafond.
Si possible, l’image inclue l’étiquette apposée sur le présentoir, comportant généralement la désignation de l’article présenté.
Cette image fait l’objet d’un traitement numérique comportant :
- Une reconnaissance optique de caractères pour extraire de l’image les parties contenant du texte et identifier les séquences de caractères
- Une normalisation du texte reconnu à partir d’une table numérique comportant pour chaque article la désignation usuelle, le ou les PLU associés et les déclinaisons connues de la désignation usuel (déclinaisons résultant d’une orthographe défectueuse, synonymes, traductions connues). Cette base est automatiquement enrichie par l’enregistrement de nouvelles déclinaisons reconnues par un opérateur à l’occasion de traitement d’images.
- Une analyse de l’image pour la reconnaissance du type d’article, et pour la caractérisation des articles (taille, variétés) ainsi que le dénombrement des articles visibles
Ces différents traitements peuvent être interconnectés pour améliorer leurs efficacités : la reconnaissance du PLU permet de paramétrer l’analyse d’image à partir d’une collection de modèles d’articles préenregistrés.
Le résultat de ce traitement est enregistré dans une mémoire locale de manière horodaté et géoréférencé. Cette information permet de connaître de manière objective la quantité d’articles d’un type présent à un instant donné, à un emplacement données (présentoir, réfrigérateur, zone de rebut,….).
L’estimation du volume d’article d’un type disponible à la vente est réalisée par un traitement portant sur :
- Les données disponibles à partir du système de gestion de caisse du magasin, de l’ERP, du système de pesée en rayon
- Des données enregistrées au moment de la réception des produits
- Des données résultant du traitement des images susvisées.
Le traitement dynamique de ces données permet d’extraire un estimateur se rapprochant de la réalité du stock résiduel d’article d’un type.
A titre d’exemple, les paramètres pris en comptes sont :
- P1 : les ventes sur une période précédentes, par exemple la semaine S-1 ou S-2 : Quand démarre le système dans un magasin, les ventes des fruits et légumes S1 et S2 sont analysées par le système afin d’enclencher des recommandations précises.
- P2 la saisonnalité du magasin : Le coefficient de saisonnalité correspond au poids (du chiffre d'affaires) de chaque semaine de l'année, relatif à une semaine de référence (en général, la première de l'année, de coefficient 100%).Par exemple: Sur les semaines de l'été, les clients sont en vacances donc les magasins urbains vendent moins (donc coefficient inférieur à janvier: 90%).Ces coefficients sont ensuite exprimés dans l'interface de commande, au niveau de la formule de calcul automatique pour définir le besoin prévisionnel de la semaine de commande. [ Partie de la formule: Ventes prévisionnelles (pour la semaine W) = ( Saisonnalité de la semaine W x Ventes de la semaine W-1 ) / Saisonnalité de la semaine W-1 ]
- P3 le cadencier des jours du magasin : Le taux de vente journalier est le calcul du ratio des ventes hebdomadaire du magasin ventilé par jour. Ces ratios sont ensuite exprimés dans l'interface de commande, au niveau de la formule de calcul automatique pour définir le besoin prévisionnel du jour de commande.
- P4 le jour de réception des produits :
- P5 les jours d’ouverture du magasin
- P6 le stock en magasin
- P7 le stock en réserves
- P8 la démarque du jour (casse)
- P9 la démarque du jour (rebut).
Le traitement de ces paramètres permet de déterminer par un algorithme ou par un apprentissage machine le volume à commander. Le système est alimenté par toutes les informations sur l’utilisateur comme le temps passé pour passer une commande. Ainsi, tous les comportements de l'utilisateur sur l’interface sont analysés. Toutes les données sont envoyées chez AWS afin de ressortir une tendance ou une corrélation. Basé sur l’historique des comportements à la commande et une fois toutes ces données collectées, l’intelligence artificielle permet une recommandation personnalisée basée sur le comportement de l'utilisateur (directeur de magasin).
Ce traitement peut être amélioré en prenant en compte des paramètres exogènes supplémentaires :
- PE1 historique des comportements à la commande
- PE2 météo locale. A partir de la data météo, le système adapte les recommandations en fonction des paramètres météo de chaque ville. La météo en temps réel récupéré par graphQL connecté par API et synchronisé automatiquement avec Météo France permet d’avoir de la précision au niveau de la recommandation aux utilisateurs.
- PE3 événements locaux ayant un impact sur la fréquentation du magasin : Si par ex le mot “travaux” est détecté par le système, le système adapte les recommandations avec une pondération faible à la baisse. Si par ex mot “fête” est détecté le système adapte les recommandations avec une pondération faible à la hausse. Les données de ce paramètre est sourcé directement des flux rss des mairies, réseaux sociaux ou OpenGraph Facebook (nom commerciaux). La finalité est d’aider les utilisateurs à avoir des commandes précises et les aider à mieux prendre leurs décisions.
- PE4 travaux locaux pouvant réduire l’accessibilité au magasin : Les maires ont l'obligation légale de communiquer sur les travaux par le biais des sites gouvernementaux. Ces communications en ligne sont récupérées par des API. Cette automatisation permet d’avoir des recommandations pondérées en fonction de l’importance du paramètre.
- PE5 ventes de produits liés : Le système est au courant de toutes les ventes en magasin. Ainsi, le système propose des associations de produits basés sur les ventes en magasin. Aussi, grâce à l’apprentissage machine, le système identifie des “pattern” client grâce à la quantité de data récoltée durant une longue période de temps.
- PE6 promotions du moment : La centrale d’achat définit toutes les semaines les promotions appliquées en magasin. Cette information est saisie sur le système. Grâce à ce paramètre, lors de la commande, le système propose de commander plus de quantité de ce produit afin d’optimiser la marge.
- PE7 prix chez les concurrents
- PE8 alertes sanitaires : Toues les alertes sanitaires sont référencés sur le système via une interface spécifique. Le système note les produits avec pondération en fonction du degré de la gravité des alertes.
- PE9 avis des clients et commentaires sur les réseaux sociaux : Les commentaires et les avis en ligne sont récoltés par le système via les réseaux sociaux ou les moteurs de recherches. Le système surveille la réputation des magasins et des produits afin de donner la meilleure recommandation possible.
- PE10 précommandes en ligne : Toutes les informations des clients du magasin qui commandent en ligne sont scannées et prises en compte par le système. Grâce à cette data récoltée depuis les API des centrales d’achats, le système adapte automatiquement les quantités à commander
- PE11 évolution du pouvoir d’achat des clients (grèves, primes régionales ou nationales)
- PE12 facteur économique telle que l’inflation : Le système récupère l’indice d'inflation officielle de l’INSEE.
Par ailleurs, le système informatique calcule pour chaque type d’article un prévisionnel de ventes futures en fonction de l’historique à court, moyen et long terme des ventes, ainsi que de données froides telles que les lois de saisonnalité pour chacun des articles, le calendrier des évènements locaux, la météo.
Le calcul de recommandation fait que pour chaque produit notre système va proposer à l'utilisateur combien on pense il devrait commander pour demain. La recommandation se chiffre en Kg, la commande se chiffre en colis, le système réalise une conversion automatique. La recommandation donne un chiffre en Kg au gramme près. La formule de recommandation donne un résultat qui est un chiffre en virgule tandis que l’interface de commande, on commande en colis (packing), un calcul automatique est fait afin de remplir le champ de commande automatiquement.
A partir de l’estimation des stocks d’articles vendables et le prévisionnel de ventes futures, le système calcule pour chaque article une proposition de commandes comprenant le volume à commander, le fournisseur, le prix unitaire et le coût d’achat pour l’article considéré.
Selon une variante, le traitement de préparation de commande comporte un traitement pour le calcul, pour chaque article, d’un indicateur de confiance, prenant en compte notamment l’ancienneté des données « chaudes » et la cohérence des résultats.
Dans le cas d’un indicateur de confiance faible, l’utilisateur dispose d’une fonctionnalité lui permettant de générer automatiquement une requête d’acquisition d’une image supplémentaire des articles dans l’une des zones. Cette acquisition additionnelle permet de rafraichir les données dont l’indicateur de confiance était faible, en limitant les interventions aux seuls articles nécessitant un traitement supplémentaire.
Chaque magasin (10, 20, 30, 40) prépare avec un traitement semi-automatique les commandes de réassortiment pour chacun des articles. Il met en œuvre à cet effet le procédé susvisé pour automatiser le dénombrement des stocks résiduels et de la prévision de besoins additionnels. Il prépare ainsi pour chaque article une valeur quantitative (12, 22, 32, 42), et regroupe en fonction du fournisseur retenus pour un ou plusieurs types d’articles sous forme de messages électroniques (13, 23, 33, 43).
Les messages électroniques venant des différents magasins affiliés (10, 20, 30, 40) sont regroupés au niveau du système d’information d’une centrale d’achat (50) prenant en compte les volumes agrégés (60) et les spécificités (65) et répartis en lots de commandes (71 à 73) par un traitement (70) prenant en compte les disponibilités des fournisseurs ainsi que les conditions commerciales.
La centrale d’achats enregistre également les données historiques de chaque magasin, et fournis des analyses permettant d’élaborer des paramètres correctifs pour améliorer les prévisions de chacun des magasins en fonction des disparités et erreurs passées.
La préparation de commande locale (11, 21, 31, 41) met en œuvre le procédé selon l’invention. L’opérateur commercial dispose d’une interface visualisant pour chaque article :
- La nature de l’article, par exemple sous forme d’une photographie ou d’un dessin, et d’un descripteur, les articles étant classés par type, et affichés par saisonnalité
- L’identifiant PLU
- Les fournisseurs pour chacun des articles, avec le prix unitaire proposé
- L’état des stocks résultant des traitements décrits ci-dessus
- Une recommandation de volume de commande pour chaque article, établie conformément aux traitements susvisés
- Un montant de facturation
L’opérateur dispose de fonctions de modifications ou de requêtage d’une vérification additionnelle de stock d’un article.
Cette interface permet à l’utilisateur d’avoir une vision globale sur les informations sur sa prise de commande, chose qu’il n’est pas en mesure de faire même avec beaucoup de moyens humains et beaucoup de temps. Même en ayant assez de ressources, il n’est pas en mesure de re-croiser toutes ces données affichées sur l'interface unifiée. Ça permet donc à l'utilisateur de prendre des décisions. L'utilisateur valide, enregistre et envoie cette commande unique au niveau de l’interface. Quand les données sont auto-alimentées, l'utilisateur a la possibilité de mettre le système au pilotage automatique. Aussi, l’utilisateur a accès à la liste des commandes avec un antécédent de 3 ans.
Claims (2)
- Procédé de gestion automatique de commandes de réapprovisionnement d’articles périssables comportant une étape de préparation de commandes numériques consistant à appliquer à des données numériques locales, représentatives de l’état des stocks pour chacun desdites articles, un traitement pour calculer pour chacun desdits articles le volume à commander caractérisé en ce qu’il comporte :
- L’acquisition occasionnelle d’une image d’une zone de stockage d’un type d’article, et l’application sur ladite image
- d’un traitement de reconnaissance de caractère pour extraire un identifiant alphanumérique ALPHAidudit article, de comparaison dudit identifiant avec une table numérique comportant, pour chaque article en vente, l’association entre une pluralité de déclinaison d’identifiants alphanumériques et d’un identifiant dudit article PLUi, et
- un traitement de reconnaissance d’image pour déterminer automatiquement le nombre d’articles Nicorrespondant audit identifiant unique PLUi
- l’enregistrement dans la mémoire d’un serveur local d’une séquence numérique SNicomprenant ledit identifiant unique PLUi, ledit nombre d’articles Ni, l’heure d’acquisition de l’image et la zone Zide ladite image
- une étape de préparation de commande consistant à calculer pour chaque type PLU d’article d’un estimateur VPLUdu nombre d’article disponibles à la vente, en fonction desdites séquences SNi, et de données provenant du système d’information local comprenant le système de gestion de caisses et/ou le système de pesée d’articles
- une étape de calcul, pour chacun des articles PLU, d’un indicateur CPLUen fonction dudit estimateur VPLUet de données numériques relatives à la saisonnalité SAPLU, et d’affichage pour chacun desdits articles du prix unitaire, du fournisseur FPLU,
- une étape d’ajustement desdits valeurs CPLUpar une saisie manuelle, puis de validation, commandant la transmission à chacun desdits fournisseurs d’un identifiant local, et pour chaque produit PLU de ladite valeur CPLU.
- L’acquisition occasionnelle d’une image d’une zone de stockage d’un type d’article, et l’application sur ladite image
- Procédé de gestion automatique de commandes de réapprovisionnement d’articles selon la revendication 1 caractérisé en ce que ladite étape de calcul dudit indicateur CPLUcomporte également le calcul d’un indicateur de confiance PPLU, et des moyens de transmission d’une requête d’une acquisition d’une image additionnelle pour l’article PLU pour recalculer ledit indicateur CPLU.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2204235A FR3135339A1 (fr) | 2022-05-04 | 2022-05-04 | Procede de gestion automatique de commandes de reapprovisionnement d’articles |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2204235 | 2022-05-04 | ||
| FR2204235A FR3135339A1 (fr) | 2022-05-04 | 2022-05-04 | Procede de gestion automatique de commandes de reapprovisionnement d’articles |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| FR3135339A1 true FR3135339A1 (fr) | 2023-11-10 |
Family
ID=84238578
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR2204235A Pending FR3135339A1 (fr) | 2022-05-04 | 2022-05-04 | Procede de gestion automatique de commandes de reapprovisionnement d’articles |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR3135339A1 (fr) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5712989A (en) | 1993-04-02 | 1998-01-27 | Fisher Scientific Company | Just-in-time requisition and inventory management system |
| EP1696380A1 (fr) | 2005-02-24 | 2006-08-30 | Dolphin Software Ltd. | Système et procédé de commande informatisée |
| US20090094140A1 (en) * | 2007-10-03 | 2009-04-09 | Ncr Corporation | Methods and Apparatus for Inventory and Price Information Management |
| WO2016000044A1 (fr) | 2014-07-03 | 2016-01-07 | My Local Savings Pty Ltd | Système et procédé d'achat en ligne |
-
2022
- 2022-05-04 FR FR2204235A patent/FR3135339A1/fr active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5712989A (en) | 1993-04-02 | 1998-01-27 | Fisher Scientific Company | Just-in-time requisition and inventory management system |
| EP1696380A1 (fr) | 2005-02-24 | 2006-08-30 | Dolphin Software Ltd. | Système et procédé de commande informatisée |
| US20090094140A1 (en) * | 2007-10-03 | 2009-04-09 | Ncr Corporation | Methods and Apparatus for Inventory and Price Information Management |
| WO2016000044A1 (fr) | 2014-07-03 | 2016-01-07 | My Local Savings Pty Ltd | Système et procédé d'achat en ligne |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210334881A1 (en) | Systems and methods for allocating and distributing inventory | |
| US10650434B2 (en) | Predictive shopping | |
| US11259072B2 (en) | Online live video sales management system | |
| US11288631B2 (en) | Inventory management and distribution of physical products | |
| US20030050848A1 (en) | Supplier/reseller interaction | |
| CN111737338A (zh) | 一种基于大数据画像闭环营销数据分析方法 | |
| US20140012628A1 (en) | Estimating wholesale demand for consumer products | |
| US20030050849A1 (en) | Supplier/reseller interaction | |
| FR3135339A1 (fr) | Procede de gestion automatique de commandes de reapprovisionnement d’articles | |
| US20230005001A1 (en) | System for automated and dynamic pricing and donation | |
| CN108027943B (zh) | 为促销展示空间生成排期数据结构的方法和系统 | |
| US11763350B2 (en) | Systems and methods for generating a personalized advertisement | |
| Baldauf et al. | Where to cut the long tail? the value of carrying inventory in online retail | |
| US20030050847A1 (en) | Supplier/reseller interaction | |
| US20230351486A1 (en) | Synchronizing a rendering of a physical retail store in a virtual reality environment with the physical retail store | |
| US11556954B2 (en) | Online marketplace cooperative promotional platform | |
| CN117455579B (zh) | 商品推荐干预方法、装置以及介质和设备 | |
| Hapsatou | Digitalization of information flow management in international supply chains of retail companies | |
| US20230419392A1 (en) | Displaying a three-dimensional image of an item to a user of an online concierge system during order fulfillment | |
| Mohan | Artificial Intelligence in Retail | |
| JP2002170007A (ja) | 生鮮農産物のオーダーシステム | |
| Odainic | Implementation of computer vision technologies in the business processes of FMCG companies | |
| Shin et al. | Analytical Perspective to Comprehend Customers Shopping Online | |
| WO2024025580A1 (fr) | Régulation de la distribution de campagnes de contenu dans un système de conciergerie en ligne à l'aide de niveaux de stock d'inventaire inter-détaillants | |
| KR20220149240A (ko) | 빅데이터 활용 육아용품 o2o서비스 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLSC | Publication of the preliminary search report |
Effective date: 20231110 |
|
| RX | Complete rejection |
Effective date: 20240216 |