TR2021021801A1 - Bi̇r hatali stok kategori̇ tespi̇t si̇stemi̇ - Google Patents

Bi̇r hatali stok kategori̇ tespi̇t si̇stemi̇

Info

Publication number
TR2021021801A1
TR2021021801A1 TR2021/021801 TR2021021801A1 TR 2021021801 A1 TR2021021801 A1 TR 2021021801A1 TR 2021/021801 TR2021/021801 TR 2021/021801 TR 2021021801 A1 TR2021021801 A1 TR 2021021801A1
Authority
TR
Turkey
Prior art keywords
data
store
database
stock
record
Prior art date
Application number
TR2021/021801
Other languages
English (en)
Inventor
Da Han Murat
Vatansever Si̇nan
Yuceo Lu Bi̇rol
Mert Buse
İdi̇l Eski̇ocak Defne
Original Assignee
Mi̇gros Ti̇caret Anoni̇m Şi̇rketi̇
Filing date
Publication date
Application filed by Mi̇gros Ti̇caret Anoni̇m Şi̇rketi̇ filed Critical Mi̇gros Ti̇caret Anoni̇m Şi̇rketi̇
Publication of TR2021021801A1 publication Critical patent/TR2021021801A1/tr

Links

Abstract

Bu buluş, perakende sektöründe hizmet veren mağazalarının stok bilgilerinde hatalı olma olasılığı yüksek olan kategorilerin tespit edilmesini ve tespit edilen kategorilere ilişkin gerçekleştirilen sayım bilgileri doğrultusunda stok bilgilerinin güncellenmesini ve gerçekleştirecek sayımların planlanmasını (çizelgelemesini) sağlayan bir sistem (1) ile ilgilidir.

Description

TARIFNAME BIR HATALI STOK KATEGORI TESPIT SISTEMI Teknik Alan Bu bulus, perakende sektöründe hizmet veren magazalarinin stok bilgilerinde hatali olma olasiligi yüksek olan kategorilerin tespit edilmesini ve tespit edilen kategorilere iliskin gerçeklestirilen sayim bilgileri dogrultusunda stok bilgilerinin güncellenmesini ve gerçeklestirecek sayimlarin planlanmasini (çizelgelemesini) saglayan bir sistem ile ilgilidir. Önceki Teknik Perakende sektöründe müsteri memnuniyeti, gelir arttirmak ve tedarik gibi operasyonel süreçlerin sorunsuz olmasini saglamak için fiziki ve kaydi stoklarinin mümkün oldugunca ayni olmasi ile stok dogrulunun yüksek olmasi beklenmektedir. Stok takibi esnasinda dijital kayitlardaki yanlisliklar, is süreçlerindeki aksamalar gibi nedenlerle fiziki olarak fazla stok tutulmasi maliyetin artmasina neden olmaktadir. Ayni sekilde düsük stok tutmak da satis kaybina ve müsteri memnuniyetsizligine neden olmaktadir. Günümüzde stok takibinde kaydi ve fiili stok esitligini saglamak için; her sayim dönemi için birkaç kategori belirlenmekte ve tüm magazalar belirlenen bu kategorilere göre sayim yapmaktadir. Buna ek olarak daha az sayida genel sayimlar da gerçeklestirilmektedir. Ancak her magazanin stok hatasi yüksek olan kategorisi farklilik gösterebilmektedir. Bu durum magaza özelinde sayilmasi gereken kategorilerin gözden kaçirilmasina ve saha ekiplerinin sayilmasina gerek olmayan kategorileri sayarak gereksiz efor harcamasina neden olmaktadir. Bu sebeple günümüzde her magaza özelinde stok hatasi yüksek olabilecek kategorilerin belirlenmesini ve söz konusu kategorilerde sayim yapilmasi ile kaydi ve fiili stok arasindaki farkin azaltilmasini saglayacak çözümlere ihtiyaç duyulmaktadir. patent dokümaninda, bir magaza raf ünitesine yerlestirilen ürünlerin görüntü kaydinin alinarak bilgisayar tarafindan okunabilir bir depolama ortami tarafindan analiz edilip, ürün stoklarinin kontrol edilmesini saglayan bir sistemden bahsedilmektedir. Mevcut bulusta, ürünleri tanimlamaya ve görüntü verilerinin analizini kullanarak planogram uyumlulugunu izlemeye yönelik bir sistemden bahsedilmektedir. Bahsi geçen bulus, perakende magazalarinin raflarinda farkli sayi ve çesitteki ürünlerin konumlarini görüntüleyerek, kaydedilen görüntüleri islemek için kullanilan bir veri tabanindan bahsetmektedir. Mevcut bulus, depolanan ürünlerin görüntülerini analiz etmek, görüntü almak, ürün modeli ve tipine göre birincil ürünlerin belirlenmesini saglamak ve stoklanan ürünlerin güncellenmesini saglamaktadir. Mevcut bulus, perakende magazasinda sergilenen ürünlerle ilgili bilgileri belirlemek için bir yakalama cihazi tarafindan elde edilen görüntüleri ve görüntü verilerini isleyebilmektedir. Bahsi geçen bulusta, en az bir islemci, bir grup ürün modelini depolayan bir veri tabanina erismek için yapilandirilabilmekte, ürün modeliyle iliskili belirli bir ürünün tanimlanmasini saglamak için bir islemcinin erisebilecegi veya yürütebilecegi her türlü algoritma veya depolanmis ürün verisini kullanarak ürünleri stokta ayirt edebilmektedir. Bununla birlikte, bir ürünün tanimlanmasini saglamak için iki veya daha fazla ürün modeli kombinasyon halinde kullanilabilmektedir. Bulusun örnek bir uygulamasinda, sekil, boyut, renkler, doku, marka adi, fiyat, logo ve belirli ürün üzerinde görünen metinden yararlanilarak bir makine ögrenimi algoritmasi tarafindan egitilmis bir makine ögrenimi modelinin parametrelerini içerebilmekte ve depolanan ürünleri farkli sekillerde analiz edebilmektedir. Mevcut bulusta, bir ürünün tanimlanmasini saglamak için iki veya daha fazla ürün modeli kombinasyon halinde kullanilabilmektedir Bulusun Kisa Açiklamasi Bu bulusun amaci, perakende sektöründe hizmet veren magazalarinin stok bilgilerinde hatali olma olasiligi yüksek olan kategorilerin tespit edilmesini, tespit edilen en faza hatali kategorilere iliskin gerçeklestirilen sayim bilgileri dogrultusunda stok bilgilerinin güncellenmesini ve saha ekiplerinin eforlarinm verimli kullanilmasini saglayan bir sistem gerçeklestirmektir. Bulusun diger amaci, kategori tespitinin yanindan sayim süreçlerinin verimli bir sekilde gerçeklestirilebilmesi için is ihtiyaçlarina ve kisitlarina uygun bir envanter sayim planlamasi yapilmasini saglamak için model sonuçlarinin islenmesini saglayan bir sistem gerçeklestiimektir. Bulusun baska amaci, ürün kategorileri için daha önce yapilan sayimlarin tarihleri, ürün kategorileri altindaki ürün ve bu ürünlere ait envanter bilgileri üzerinden sayilacak is gücüne bagli olarak ürün sayisi, envanterdeki ürün sayisi, son sayimdan bu yana geçen zaman gibi kisitlarin dahil edildigi sezgisel yöntemler ve optimizasyon modelleri ile bir sayim programi olusturulmasini saglayan bir sistem gerçeklestirmektir. Bulusun Ayrintili Açiklamasi Bu bulusun amacina ulasmak için gerçeklestirilen "Bir Hatali Stok Kategori TESpIt Sistemi" ekli sekilde gösterilmis olup, bu sekil; Sekil 1. Bulus konusu bir hatali stok kategori tespit Sisteminin sematik görünüsüdür. Sekilde yer alan parçalar tek tek numaralandirilmis olup, bu numaralarin karsiliklari asagida verilmistir: 1. Sineni 2. Veri tabani 3. Sunucu M: Magaza iletisim cihazi Perakende sektöründe hizmet veren magazalarinin stok bilgilerinde hatali olma olasiligi yüksek olan kategorilerin tespit edilmesini ve tespit edilen kategorilere iliskin gerçeklestirilen sayim bilgileri dogrultusunda stok bilgilerinin güncellenmesini saglayan bulus konusu sistem (1); -içerisinde temel olarak magaza kaydi stok verilerini, magaza satis verilerini, magazalarin periyodik sayim verilerini, en azindan depodan magazaya, malverenden magazaya ve magazadan magazaya olacak sekilde lojistik verilerini ve magazalarin önceden belirledigi is bilgisi kural ve kisitlarini kayit altinda tutmak üzere yapilandirilan en az bir veri tabani (2) ve -herhangi bir uzak iletisim protokolünü kullanarak magazalarda konumlandirilan bir magaza iletisim Cihazi (M) ile iletisimde olmak ve kurulan bu iletisim üzerinden belirlen hatali kategori bilgilerine göre ün'in sayim bilgilerini almak, veri tabanini (2) yönetmek, veri tabaninda (2) tutulan verileri kullanarak magaza özelinde fiili sayim yapilacak kategori tespiti için matematiksel modelleme, makine ögrenmesi, derin ögrenme, simülasyon, sezgisel yöntemlerden en az biri ile bir kategori tespit modeli olusturmak, modeli çalistirarak stoklari hatali olma ihtimali yüksek olan magaza-kategori ikililerini elde etmek, magaza-kategori ikilileri üzerinde optimizasyon islemleri gerçeklestirmek, magaza iletisim cihazi (M) ile sayilacak optimizasyon islemine tabi tutulmus kategori ürünlerini paylasmak ve magaza iletisim cihazindan (M) gelen fiili sayim bilgileri ile veri tabanindaki (2) kaydi stok verilerini güncellemek üzere yapilandirilan en az bir u n ucu (3) içermektedir. Bulus konusu sistemde (1) yer alan veri tabani (2) sunucu (3) ile iletisim halinde olmak ve sunucu (3) tarafindan yönetilmek üzere yapilandirilmaktadir. Veri tabani (2) içerisinde fiziksel ve sanal satis kanallarindan elde edilen satis ve iade verilerinin yer aldigi satis verilerini kayit altinda tutmak üzere yapilandirilmaktadir. Veri tabani (2) içerisinde magazalarin mesai bitisindeki sahip olduklari kaydi stok verilerini kayit altinda tutmak üzere yapilandirilmaktadir. Veri tabani (2) içerisinde magazalarin periyodik sayim verilerine ait envanter verilerini, periyodik sayimlardan sonra, kaydi stok ve fiziki stoku esitlemek için yapilan stok düzeltme hareketlerine ait düzeltme verilerini ve ürünlerin stokta tutulma maliyetlerini kayit altinda tutmak üzere yapilandirilmaktadir. Veri tabani (2) içerisinde depolardan magazalara sevk edilen ürünlere ait depo sevkiyat verisini, mal verenlerden direkt magazalara gönderilen ürünlere ait mal verenden sevkiyat verisini ve magazalarin ihtiyaç dahilinde birbirlerine ürün sevkiyati yapmasina ait magazalar arasi transfer verisini kayit altinda tutmak üzere yapilandirilmaktadir. Veri tabani (2) içerisinde ayrica sistemsel veya insan kaynakli stok kayit hatalari ve bunlarin düzeltilmesi için yapilan islemlerin verilerinin yer aldigi yanlis stok hareketleri verilerini kayit altinda tutmak üzere yapilandirilmaktadir. Veri tabani (2) içerisinde elektronik ticaret kanallarinda yok satma verilerini kayit altinda tutmak üzere yapilandirilmaktadir. Veri tabani (2) içerisinde dönemsel kampanya verilerini ve dönemsel ya da mevsimler ürün verilerini kayit altinda tutmak üzere yapilandirilmaktadir. Veri tabani (2) içerisinde özel gün verilerini kayit altinda tutmak üzere yapilandirilmaktadir. Veri tabani (2) içerisinde ürünlere iliskin stok ve stok hareketleri verilerini kayit altinda tutmak üzere yapilandirilmaktadir. Veri tabani (2) içerisinde magaza lokasyonu, demografik veriler, magaza etrafindaki yogunluk verilerini kayit altinda tutmak üzere yapilandirilmaktadir. Bulus konusu sistemde (1) yer alan sunucu (3), teknigin bilinen durumunda yer alan herhangi bir uzak iletisim protokolünü kullanarak magaza iletisim Cihaz (M) ile iletisim kurmak ve kurulan bu iletisim üzerinden kategori listesine göre geçeklestirilen ürün sayim bilgilerini magaza iletisim cihazindan (M) almak üzere yapilandirilmaktadir. Bulusun tercih edilen düzenlemesinde sunucu (3), magaza iletisim cihazi (M) ile Internet seklindeki bir veri sebekesi üzerinden iletisim kurmak üzere yapilandirilmaktadir. Sunucu (3), veri tabani (2) içerisine yeni veri kaydi yapilmasi, veri tabani (2) içerisindeki kayitli verilerin silinmesi, veri tabani (2) içerisindeki kayitli verilerin degistirilmesi ve veri tabani (2) içerisindeki kayitli verilerin güncellenmesi seklindeki islemlerle veri tabanini (2) yönetmek üzere yapilandirilmaktadir. Sunucu (3) veri tabaninda kayitli verileri kullanarak model olusturmak ve model olusturma esnasinda depodan sevk edilen farkli ürün sayisi, magazalar arasi transfer edilen ürün miktari, mal verenden gelen sevkiyat sayisi, son sayimdan günümüze kadar geçen gün sayisi, stok düzeltme islem sayisi, stok düzeltme miktari ve yanlis stok hareketi islem sayisi degiskenlerinden en az birini öznitelik olarak kullanmak üzere yapilandirilmaktadir. Sunucu (3) magaza- kategori özelinde sayimi yapilacak kategori bilgilerine ulasmak için modeli çalistirmak, her magaza için sayim önerileri elde ederek önerileri magazada bulunan magaza iletisim cihazi (M) üzerinden paylasmak ve magaza personelinin girdigi filli sayim verilerini magaza iletisim cihazindan (M) alarak veri tabaninda (2] tutulan dijital Stok verilerini güncellemek üzere yapilandirilmaktadir. Sunucu (3) modelin elde ettigi stok hatali olma ihtimali yüksek olan magaza-kategorileri üzerinden optimizasyon yöntemleri uygulamak ve ardindan magazalarda sayilacak kategorilerin önerilmesini saglamak üzere yapilandirilmaktadir. Sunucu (3) ayrica magaza iletisim cihazlarindan (M) aldigi veriler ile modeli egitmek ve daha dogru magaza-kategori önerisinde bulunulmasini saglamak üzere yapilandirilmaktadir. Bulusun tercih edilen düzenlemesinde sunucu (3) sayimlar arasinda geçen süre bilgilerini, beklenen sayim farki maliyeti ve hatali olma ihtimali yüksek olan magaza-kategori ikili çiktilarini kullanarak ürünlerin sayim düzenini belirlemek üzere yapilandirilmaktadir. Bu sayede her magazada sayim islemleri efektif sekilde gerçeklestirilmektedir. Bulusun tercih edilen düzenlemesinde ayrica sunucu (3) is bilgisi kural ve kisitlari üzerinden tahmini (predictive) analiz, modelleme yöntemleri, görüntü isleme teknikleri ve RFID teknolojileri kullanilarak çesitli iyilestirrneler saglamak ve veri tabaninda kayit etmek üzere yapilandirilmaktadir. Bulus konusu sistem (1) ile her magazaya özel sayilmasi gereken kategoriler belirlenmekte ve bu sayede magazalardan alinan veriler ile kaydi stok bilgileri güncellenerek mevcut uyusmazliklarm giderilmesi amaçlanmaktadir. Bulus konusu sistemin (l) çiktilari ile ayrica magazalarin is gücü, ürün ve envanter sayisi, sayim hizi gibi parametrelerle bir sayim takvimi olusturulmasi amaçlanmaktadir. Bu temel kavramlar etrafinda, bulus konusu "Bir Hatali Stok Kategori Tespit Sistemi" ile ilgili çok çesitli uygulamalarin gelistirilmesi mümkün olup, bulus burada açiklanan örneklerle sinirlandirilamaz, esas olarak istemlerde belirtildigi TR TR TR TR

Claims (19)

STEMLER
1. Perakende sektöründe hizmet veren magazalarinin stok bilgilerinde hatali olma olasiligi yüksek olan kategorilerin tespit edilmesini ve tespit edilen kategorilere iliskin gerçeklestirilen sayim bilgileri dogrultusunda stok bilgilerinin güncellenmesini saglayan, -içerisinde temel olarak magaza kaydi stok verilerini, magaza satis verilerini, magazalarin periyodik sayim verilerini, en azindan depodan magazaya, malverenden magazaya ve magazadan magazaya olacak sekilde lojistik verilerini ve magazalarin önceden belirledigi is bilgisi kural ve kisitlarini kayit altinda tutmak üzere yapilandirilan en az bir veri tabani (2) ve -herhangi bir uzak iletisim protokolünü kullanarak magazalarda konumlandirilan bir magaza iletisim cihazi (M) ile iletisimde olmak ve kurulan bu iletisim üzerinden belirlen hatali kategori bilgilerine göre ürün sayim bilgilerini almak, veri tabanini (2) yönetmek, veri tabaninda (2) tutulan verileri kullanarak magaza özelinde fiili sayim yapilacak kategori tespiti için matematiksel modelleme, makine ögrenmesi, derin ögrenme, simülasyon, sezgisel yöntemlerden en az biri ile bir kategori tespit modeli olusturmak, modeli çalistirarak stoklari hatali olma ihtimali yüksek olan magaza-kategori ikililerini elde etmek, magaza-kategori ikilileri üzerinde optimizasyon islemleri gerçeklestirmek, magaza iletisim cihazi (M) ile sayilacak optimizasyon islemine tabi tutulmus kategori ürünlerini paylasmak ve magaza iletisim cihazindan (M) gelen fiili sayim bilgileri ile veri tabanindaki (2) kaydi stok verilerini güncellemek üzere yapilandirilan en az bir sunucu (3) ile karakterize edilen bir sistem (1).
2. Sunucu (3) ile Iletisim halinde olmak ve sunucu (3) tarafindan yönetilmek üzere yapilandirilan veri tabani (2) ile karakterize edilen Istem 1`deki gibi bir
3. Içerisinde fiziksel ve sanal satis kanallarindan elde edilen satis ve iade verilerinin yer aldigi satis verilerini kayit altinda tutmak üzere yapilandirilan veri tabani (2) ile karakterize edilen Istem 1 veya 2ideki gibi bir sistem (1).
4. Içerisinde magazalarin mesai bitisindeki sahip olduklari kaydi stok verilerini kayit altinda tutmak üzere yapilandirilan Veri tabani (2) ile karakterize edilen yukaridaki istemlerden herhangi birindeki gibi bir sistem (1).
5. Içerisinde magazalarin periyodik sayim verilerine ait envanter verilerini, periyodik sayimlardan sonra, kaydi stok ve fiziki stoku esitlemek için yapilan stok düzeltme hareketlerine ait düzeltme verilerini ve ürünlerin stokta tutulma maliyetlerini kayit altinda tutmak üzere yapilandirilan Veri tabani (2) ile karakterize edilen yukaridaki isteinlerden herhangi birindeki gibi bir sistem (1).
6. Içerisinde depolardan magazalara sevk edilen ürünlere ait depo sevkiyat verisini, mal verenlerden direkt magazalara gönderilen ürünlere ait mal verenden sevkiyat verisini ve magazalarin ihtiyaç dahilinde birbirlerine ürün sevkiyati yapmasina ait magazalar arasi transfer verisini kayit altinda tutmak üzere yapilandirilan Veri tabani (2) ile karakterize edilen yukaridaki istemlerden herhangi birindeki gibi bir sistem (1).
7. Içerisinde sistemsel veya insan kaynakli stok kayit hatalari ve bunlarin düzeltilmesi için yapilan islemlerin verilerinin yer aldigi yanlis stok hareketleri verilerini kayit altinda tutmak üzere yapilandirilan Veri tabani (2) ile karakterize edilen yukaridaki istemlerden herhangi birindeki gibi bir sistem (1).
8. Içerisinde elektronik ticaret kanallarinda yok satma verilerini kayit altinda tutmak üzere yapilandirilan Veri tabani (2) ile karakterize edilen yukaridaki istemlerden herhangi birindeki gibi bir sistem (1).
9. Içerisinde dönemsel kampanya verilerini ve dönemsel ya da mevsimler ürün verilerini kayit altinda tutmak üzere yapilandirilan Veri tabani (2) ile karakterize edilen yukaridaki istemlerden herhangi birindeki gibi bir sistem (1).
10. Içerisinde özel gün verilerini kayit altinda tutmak üzere yapilandirilan veri tabani (2) ile karakterize edilen yukaridaki istemlerden herhangi birindeki gibi bir sistem (1).
11. Içerisinde ürünlere iliskin stok ve stok hareketleri verilerini kayit altinda tutmak üzere yapilandirilan veri tabani (2) ile karakterize edilen yukaridaki istemlerden herhangi birindeki gibi bir sistem (1).
12. Içerisinde magaza lokasyonu, demografik veriler, magaza etrafindaki yogunluk verilerini kayit altinda tutmak üzere yapilandirilan Veri tabani (2) ile karakterize edilen yukaridaki istemlerden herhangi birindeki gibi bir sistem (1).
13. Teknigin bilinen durumunda yer alan herhangi bir uzak iletisim protokolünü kullanarak magaza iletisim cihaz (M) ile iletisim kurmak ve kurulan bu iletisim üzerinden kategori listesine göre geçeklestirilen ürün sayim bilgilerini magaza iletisim cihazindan (M) almak üzere yapilandirilan sunucu (3) ile karakterize edilen yukaridaki istemlerden herhangi birindeki gibi bir sistem (1).
14. Magaza iletisim cihazi (M) ile Internet seklindeki bir veri sebekesi üzerinden iletisim kurmak üzere yapilandirilan sunucu (3) ile karakterize edilen yukaridaki istemlerden herhangi birindeki gibi bir sistem (1).
15. Veri tabani (2) içerisine yeni veri kaydi yapilmasi, veri tabani (2) içerisindeki kayitli verilerin silinmesi, veri tabani (2) içerisindeki kayitli verilerin degistirilmesi ve veri tabani (2) içerisindeki kayitli verilerin güncellenmesi seklindeki islemlerle veri tabanini (2) yönetmek üzere yapilandirilan sunucu (3) ile karakterize edilen yukaridaki istemlerden herhangi birindeki gibi bir sistem
16. Veri tabaninda (2] kayitli verileri kullanarak model olusturmak ve model olusturma esnasinda depodan sevk edilen farkli ürün sayisi, magazalar arasi transfer edilen ürün miktari, mal verenden gelen sevkiyat sayisi, son sayimdan günümüze kadar geçen gün sayisi, stok düzeltme islem sayisi, stok düzeltme miktari ve yanlis stok hareketi islem sayisi degiskenlerinden en az birini öznitelik olarak kullanmak üzere yapilandirilan sunucu (3] ile karakterize edilen yukaridaki istemlerden herhangi birindeki gibi bir sistem (1).
17. Magaza-kategori özelinde sayimi yapilacak kategori bilgilerine ulasmak için modeli çalistirmak, her magaza için sayim önerileri elde ederek önerileri magazada bulunan magaza iletisim cihazi (M) üzerinden paylasmak ve magaza personelinin girdigi filli sayim verilerini magaza iletisim eihazindan (M) alarak veri tabaninda (2) tutulan dijital stok verilerini güncellemek üzere yapilandirilan sunucu (3) ile karakterize edilen yukaridaki istemlerden herhangi birindeki gibi bir sistem (1).
18. Modelin elde ettigi stok hatali olma ihtimali yüksek olan magaza- kategorileri üzerinden optimizasyon yöntemleri uygulamak ve ardindan magazalarda sayilacak kategorilerin önerilmesini saglamak üzere yapilandirilan sunucu (3) ile karakterize edilen yukaridaki istemlerden herhangi birindeki gibi bir sistem (1).
19. Magaza iletisim cihazlarindan (Ml aldigi veriler ile modeli egitmek ve daha dogru magaza-kategori önerisinde bulunulmasini saglamak üzere yapilandirilan sunucu (3) ile karakterize edilen yukaridaki istemlerden herhangi
TR2021/021801 2021-12-30 Bi̇r hatali stok kategori̇ tespi̇t si̇stemi̇ TR2021021801A1 (tr)

Publications (1)

Publication Number Publication Date
TR2021021801A1 true TR2021021801A1 (tr) 2023-07-21

Family

ID=

Similar Documents

Publication Publication Date Title
Mou et al. Retail store operations: Literature review and research directions
US11593821B2 (en) Mobile device based inventory management and sales trends analysis in a retail environment
DeHoratius et al. The role of execution in managing product availability
Kull et al. Investigating the effects of daily inventory record inaccuracy in multichannel retailing
Kirci et al. Managing perishability in the fruit and vegetable supply chains
Shajema Effect of inventory control practices on performance of retail chain stores in Nairobi County, Kenya
Chan Using radiofrequency identification (RFID) technologies to improve decision-making in apparel supply chains
Tao et al. Contract strategies in competitive supply chains subject to inventory inaccuracy
Chen RFID-based intelligent shopping environment: a comprehensive evaluation framework with neural computing approach
Bottani et al. Improving sales turnover in fashion retailing by means of an RFID-based replenishment policy
Cobb Estimating cycle time and return rate distributions for returnable transport items
Smith Warehouse Management Systems: Comparison of Two Pittsburgh-Based Manufacturing Firms
Özoğlu et al. An Analysis of Third Party Logistics' Performance and Customer Loyalty
KR20220048968A (ko) 가상 번들의 동적 밸런싱을 위한 시스템 및 방법
TR2021021801A1 (tr) Bi̇r hatali stok kategori̇ tespi̇t si̇stemi̇
Xie et al. Analysis of overstock in construction supply chain and inventory optimization
Signorile Simulation of a multiagent system for retail inventory control: A case study
Li et al. An Intelligent Food inventory monitoring system using machine learning and computer vision
Tostar et al. Lean Warehousing-Gaining from Lean thinking in Warehousing
Dragomirov Digital Transformation Perspectives in Warehousing–Initial Steps and Projections
Asudi et al. role of warehouse layout design on performance of distribution firms in Kenya; case of DHL supply chain
Gupta et al. The feasibility of inventory management system in construction and housing development unit of Dessie, Ethiopia
US11853938B1 (en) System and method of reinforced machine-learning retail allocation
Gande Emerging ai & ml-based technologies & applications in supply chain management (scm): Future prospects
US20240070491A1 (en) Simulating an application of a treatment on a demand side and a supply side associated with an online system