申请/专利权人：上海朗晖慧科技术有限公司

申请日：2023-07-14

公开（公告）日：2024-04-02

公开（公告）号：CN116739655B

主分类号：G06Q30/0203

分类号：G06Q30/0203;G06Q30/0207;G06Q10/0631

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2023.09.29#实质审查的生效;2023.09.12#公开

摘要：本发明涉及网络安全管理技术领域，具体为一种基于大数据的智能供应链管理方法及系统，包括对目标门店的历史数据进行获取，从历史数据提取出目标门店各个历史周期对应的数据信息；对目标门店当前周期的销售量进行评估；基于区域内各个目标门店的门店影响值和预测商品销售量，分别对各个缺货商品对目标门店的商品销售量的影响程度进行评估，得到区域内对目标门店销售量影响程度最低的缺货商品；基于区域的目标商品编号和区域内各个目标门店的预测商品销售量，对商家在区域内商品供应链进行调整；将商家各个商品运输至对应的配货中心，配货中心将商品运输至对应的目标门店。

主权项：1.一种基于大数据的智能供应链管理方法，其特征在于，所述方法包括：步骤S100：对目标门店的历史数据进行获取，从所述历史数据提取出目标门店各个历史周期对应的数据信息；基于目标门店的各个历史周期对应的数据信息，对目标门店当前周期的销售量进行评估，得到当前周期内目标门店的预测商品销售量；所述步骤S100包括：步骤S101：将目标门店各个历史周期内对应的商品销售量进行汇集；所述商品销售量为目标门店对应的商品销售量；得到目标门店的商品销售量集合V＝{V1、V2、...、Vn}；其中，V1、V2、...、Vn分别为目标门店在第1、2、...、n个历史周期内的商品销售量；步骤S102：将含有节假日的历史周期，记为特殊历史周期；获取目标门店在任意特殊历史周期内商品销售量Va；获取商品销售量Va上一个历史周期内目标门店的商品销售量Vb；计算商品销售量Va对应的替换商品销售量Voa： 其中，αx为在商品销售量集合V中第x个历史周期内目标门店的商品销售量上升比例；步骤S103：获取商品销售量集合V中的各个特殊历史周期；获取各个特殊历史周期内目标门店的商品销售量对应的替换商品销售量；当当前周期内不含有节假日时，将商品销售量集合V中的各个特殊历史周期内商品销售量的数值，替换成对应的替换商品销售量的数值；将替换后商品销售量集合V记为商品销售量集合Vo，并将商品销售量集合Vo中各个历史周期和特殊历史周期，统称为正常历史周期；其中，商品销售量集合Vo＝{Vo1、Vo2、...、Von}；其中，Vo1、Vo2、...、Von分别为目标门店在第1、2、...、n个正常历史周期内的商品销售量；步骤S104：计算第e个正常历史周期内目标门店的商品销售量的变化比例其中，Voe为目标门店在第e个正常历史周期内的商品销售量；Voe-1为目标门店在第e-1个正常历史周期内的商品销售量；将各个正常历史周期内目标门店的商品销售量变化比例进行记录汇集，得到各个正常历史周期内目标门店的商品销售量变化比例集合β＝{β1、β2、...、βn}；其中，β1、β2、...、βn分别为第1、2、...、n个正常历史周期内目标门店的商品销售量变化比例；获取商品销售量变化比例集合β中数值最大的商品销售量变化比例βa和数值最小的商品销售量变化比例βb；获取与当前周期距离时间最近的历史周期，并记为样本历史周期；计算目标门店在当前周期内的预测商品销售量Vf： 其中，βy为第y个正常历史周期内目标门店的商品销售量变化比例；n为商品销售量变化比例集合β内的正常历史周期个数；Vou为目标门店在样本历史周期内的销售商品量；步骤S105：当当前周期中含有节假日时，计算特殊历史周期内目标门店的商品销售量变化比例γ： 其中，Vs为特殊历史周期内目标门店的商品销售量；Vτ为特殊历史周期的上个历史周期内目标门店的商品销售量；获取商品销售量集合V中各个特殊历史周期内目标门店的商品销售量变化比例；对各个特殊历史周期内目标门店的商品销售量变化比例取平均值计算目标门店在当前周期内的预测商品销售量Vf： 其中，Vou为目标门店在样本历史周期内的销售商品量；步骤S200：设置目标门店对应的影响区域；获取所述影响区域内各个门店的售卖商品的商品类型；基于目标门店所在影响区域内各个门店对应的商品类型，计算当前周期目标门店对应的门店影响值；所述步骤S200包括：步骤S201：对目标门店影响区域内各个门店进行获取；获取目标门店售卖商品的商品类型；分别获取目标门店影响区域内各个门店售卖商品的商品类型；当门店对应的各个商品类型中至少存在一项与目标门店对应的商品类型相同时，将所述门店记为目标门店对应的对比门店；获取各个历史周期内目标门店对应的商品信息；获取影响区域内的各个对比门店的商品信息；所述商品信息包括商品类型和商品类型下各个商品对应的商品编号；计算某一对比门店对目标门店的第一门店影响值P: 其中，r为某一对比门店与目标门店之间相同商品类型对应的商品类型个数；dr为某一对比门店中第r个商品类型下各个商品对应的商品编号个数；er为目标门店中第r个商品类型下各个商品对应的商品编号个数；步骤S202：获取各个对比门店与目标门店之间的门店距离；计算对比门店对目标门店的门店影响值W： 其中，Pc为第c个对比门店对目标门店的第一门店影响值；z为目标门店对应的对比门店个数；sc为第c个对比门店与目标门店之间的门店距离；步骤S300：获取目标门店所在区域；获取区域内各个目标门店内的缺货商品；基于区域内各个目标门店的门店影响值和预测商品销售量，分别对各个缺货商品对目标门店的商品销售量的影响程度进行评估，得到所述区域内对目标门店销售量影响程度最低的缺货商品；对所述缺货商品的商品编号进行获取，记为所述区域的目标商品编号；所述步骤S300包括：步骤S301：获取目标门店向商家配货后台发送缺货商品；获取所述缺货商品对应的商品编号；设置目标门店中缺货商品对应的时长阈值；将与当前周期距离时长在时长阈值范围内的历史周期，记为缺货消息采集周期；获取缺货消息采集周期内目标门店向后台发送缺货信息；所述缺货信息包括缺货商品对应商品编号；步骤S302：设置发送缺货信息次数阈值；当缺货消息采集周期内某个商品对应的发送缺货信息次数大于发送缺货信息次数阈值，将所述商品的商品编号记为目标门店当前周期对应的缺货商品对应商品编号；步骤S303：设置门店影响值阈值；当目标门店的门店影响值大于门店影响值阈值时，对区域内各个目标门店在当前周期的门店影响值进行获取；从各个目标门店中选取出当前周期的门店影响值大于门店影响值阈值的目标门店，记为信息采集目标门店；获取所述区域内各个信息采集目标门店在当前周期内的预测商品销售量；获取当前周期上一个历史周期中所述区域内各个信息采集目标门店的商品销售量；当信息采集目标门店在当前周期的上一个历史周期内的商品销售量，与当前周期内目标门店的预测商品销售量之间的上升比例数值大于零时，将所述信息采集目标门店在当前周期内的缺货商品，记为所述信息采集目标门店销售影响较低的缺货商品；将所述区域中对信息采集目标门店的销售量影响较低的缺货商品进行获取，选取对应信息采集目标门店最多缺货商品，记为对所述区域门店销售量影响最低的缺货商品，对所述缺货商品的商品编号进行获取，记为所述区域对应的目标商品编号；步骤S400：获取商家在所述区域内的配货中心；基于所述区域的目标商品编号和区域内各个目标门店的预测商品销售量，对商家在所述区域内商品供应链进行调整；将商家各个商品运输至对应的配货中心，配货中心将商品运输至对应的目标门店。

全文数据：

权利要求：

百度查询： 上海朗晖慧科技术有限公司 一种基于大数据的智能供应链管理方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD