CN110322197A - 商品智能补货方法、装置、终端及存储介质 - Google Patents
商品智能补货方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN110322197A CN110322197A CN201910564614.5A CN201910564614A CN110322197A CN 110322197 A CN110322197 A CN 110322197A CN 201910564614 A CN201910564614 A CN 201910564614A CN 110322197 A CN110322197 A CN 110322197A
- Authority
- CN
- China
- Prior art keywords
- commodity
- replenishes
- stock
- information
- merchandise
- 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 abstract description 62
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000012937 correction Methods 0.000 claims description 17
- 230000004048 modification Effects 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 18
- 230000000694 effects Effects 0.000 abstract description 5
- 239000000047 product Substances 0.000 description 14
- 230000008901 benefit Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 239000006227 byproduct Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 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
Landscapes
- Business, Economics & Management (AREA)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智能零售领域,本发明公开了一种商品智能补货方法、装置、终端及存储介质,所述商品智能补货方法应用于终端,所述商品智能补货方法包括:若基于预设摄像头检测到预设货架上存在商品空缺位置,则获取所述商品空缺位置的空缺信息和商品类型,并从预设模型中确定所述商品类型的商品信息;根据所述商品信息和所述空缺信息进行计算,以获取缺货信息;若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器。本发明解决了商品补货流程繁琐冗长,补货效果不精准不及时,员工补货效率低下的技术问题。
Description
技术领域
本发明涉及智能零售技术领域,尤其涉及一种商品智能补货方法、装置、终端及存储介质。
背景技术
传统的零售货架上在发生商品缺货时,需要员工补货。传统货架上摆满了很多品种的商品,并且数量大,由于不知道缺少了哪些商品种类,在员工补货时会出现商品补货不足或过多,导致员工需要往返几次才能完成补货任务。这导致员工浪费了大量宝贵的时间又无法及时补全商品,降低了补货效率,同时也影响了客户的采购体验。因此,如何缩短补货流程,提高补货效率,是当前亟待解决的技术问题。
发明内容
本发明的主要目的在于提供一种商品智能补货方法、装置、终端及存储介质,旨在解决补货流程繁琐冗长,员工补货效率低下的技术问题。
为实现上述目的,本发明实施例提供一种商品智能补货方法,所述商品智能补货方法应用于终端,所述商品智能补货方法包括:
若基于预设摄像头检测到预设货架上存在商品空缺位置,则获取所述商品空缺位置的空缺信息和商品类型,并从预设模型中确定所述商品类型的商品信息;
根据所述商品信息和所述空缺信息进行计算,以获取缺货信息;
若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器。
可选地,所述缺货信息包括缺货数量、商品空缺率、商品数量和商品缺货率,
所述根据所述商品信息和所述空缺信息进行计算,以获取缺货信息的步骤包括:
获取空缺信息中的商品空缺体积和商品信息中的商品单品体积,并根据所述商品空缺体积和所述商品单品体积计算缺货数量;
根据商品信息中的商品总体积和所述商品空缺体积,计算商品空缺率;
根据所述商品总体积和所述商品单品体积计算商品数量;
根据所述缺货数量和所述商品数量计算商品缺货率。
可选地,所述若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息的步骤还包括:
若所述商品空缺体积大于第一触发值,和/或,
所述商品数量小于第二触发值,和/或,
所述商品空缺率大于第三触发值,和/或,
所述商品缺货率大于第四触发值,则根据所述缺货信息生成补货预警信息。
可选地,所述若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器的步骤之后还包括:
若检测到基于补货预警信息反馈的修正数据,则获取所述修正数据的数据修正属性;
获取与所述数据修正属性对应的触发条件,并基于所述修正数据修改所述触发条件。
可选地,所述若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器的步骤之后还包括:
根据所述空缺信息、商品信息、缺货信息和补货预警信息生成商品补货记录,并将所述商品补货记录保存至所述预设模型;
每隔第一预设时长对所述预设模型中的所有商品补货记录进行补货数据分析,以生成不同预设时间区间的补货趋势分析报告。
可选地,所述若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器的步骤之后还包括:
每隔第二预设时长从第一预设时间区间内的补货趋势分析报告中获取补货频次小于第一阈值,且补货数量小于第二阈值的第一商品类型;
根据所述第一商品类型的第一商品信息和第一商品补货记录生成待取代商品建议表。
可选地,所述若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器的步骤之后还包括:
每隔第三预设时长从第二预设时间区间内的补货趋势分析报告中获取补货频次大于第三阈值,且补货数量大于第四阈值的第二商品类型;
根据所述第二商品类型的第二商品信息和第二商品补货记录生成待扩充商品建议表。
本发明还提供一种商品智能补货装置,所述商品智能补货装置应用于终端,所述商品智能补货装置包括:
第一获取模块,用于若基于预设摄像头检测到预设货架上存在商品空缺位置,则获取所述商品空缺位置的空缺信息和商品类型,并从预设模型中确定所述商品类型的商品信息;
计算模块,用于根据所述商品信息和所述空缺信息进行计算,以获取缺货信息;
发送模块,用于若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器。
可选地,所述缺货信息包括缺货数量、商品空缺率、商品数量和商品缺货率,所述计算模块包括:
第一计算单元,用于获取空缺信息中的商品空缺体积和商品信息中的商品单品体积,并根据所述商品空缺体积和所述商品单品体积计算缺货数量;
第二计算单元,用于根据商品信息中的商品总体积和所述商品空缺体积,计算商品空缺率;
第三计算单元,用于根据所述商品总体积和所述商品单品体积计算商品数量;
第四计算单元,用于根据所述缺货数量和所述商品数量计算商品缺货率。
可选地,所述发送模块还包括:
生成单元,用于若所述商品空缺体积大于第一触发值,和/或,
所述商品数量小于第二触发值,和/或,
所述商品空缺率大于第三触发值,和/或,
所述商品缺货率大于第四触发值,则根据所述缺货信息生成补货预警信息。
可选地,所述商品智能补货装置还包括:
检测模块,用于若检测到基于补货预警信息反馈的修正数据,则获取所述修正数据的数据修正属性;
修正模块,用于获取与所述数据修正属性对应的触发条件,并基于所述修正数据修改所述触发条件。
可选地,所述商品智能补货装置还包括:
保存模块,用于根据所述空缺信息、商品信息、缺货信息和补货预警信息生成商品补货记录,并将所述商品补货记录保存至所述预设模型;
分析模块,用于每隔第一预设时长对所述预设模型中的所有商品补货记录进行补货数据分析,以生成不同预设时间区间的补货趋势分析报告。
可选地,所述商品智能补货装置还包括:
第二获取模块,用于每隔第二预设时长从第一预设时间区间内的补货趋势分析报告中获取补货频次小于第一阈值,且补货数量小于第二阈值的第一商品类型;
第一生成模块,用于根据所述第一商品类型的第一商品信息和第一商品补货记录生成待取代商品建议表。
可选地,所述商品智能补货装置还包括:
第三获取模块,用于每隔第三预设时长从第二预设时间区间内的补货趋势分析报告中获取补货频次大于第三阈值,且补货数量大于第四阈值的第二商品类型;
第二生成模块,用于根据所述第二商品类型的第二商品信息和第二商品补货记录生成待扩充商品建议表。
此外,为实现上述目的,本发明还提供一种终端,所述终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的商品智能补货程序,其中:
所述商品智能补货程序被所述处理器执行时实现如上所述的商品智能补货方法的步骤。
此外,为实现上述目的,本发明还提供计算机存储介质;
所述计算机存储介质上存储有商品智能补货程序,所述商品智能补货程序被处理器执行时实现如上述的商品智能补货方法的步骤。
本发明中,若基于预设摄像头检测到预设货架上存在商品空缺位置,则获取所述商品空缺位置的空缺信息和商品类型,并从预设模型中确定所述商品类型的商品信息;根据所述商品信息和所述空缺信息进行计算,以获取缺货信息;若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器。本申请利用摄像头捕捉货架的状态,判断是否发生商品位置空缺,利用检测到实时空缺信息的变动以及数据库中的商品信息等,合理计算出空缺的实时状态,并设置相应的数据临界点,在达到临界点时进行补货预警,从而获得所需要补货的商品类型,补货数量等等,进而优化补货流程,降低不必要的人工查询,解决了商品补货流程繁琐冗长,补货效果不精准不及时,员工补货效率低下的技术问题。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图;
图2为本发明商品智能补货方法一实施例的流程示意图;
图3为本发明商品智能补货方法的总体设计步骤图。
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。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。
本发明实施例终端可以是PC机或服务器设备。
如图1所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的设备结构并不构成对设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及商品智能补货程序。
在图1所示的设备中,网络接口1004主要用于连接见证参与方节点,与见证参与方节点进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的商品智能补货程序,并执行下述区块链商品智能补货方法各个实施例中的操作。
基于上述硬件结构,提出本发明区块链商品智能补货方法实施例。
本发明属于智能零售领域,本发明提供一种商品智能补货方法,该商品智能补货方法主要应用于终端上,在商品智能补货方法一实施例中,参照图2,所述商品智能补货方法包括:
步骤S10,若基于预设摄像头检测到预设货架上存在商品空缺位置,则获取所述商品空缺位置的空缺信息和商品类型,并从预设模型中确定所述商品类型的商品信息;
步骤S20,根据所述商品信息和所述空缺信息进行计算,以获取缺货信息;
步骤S30,若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器。
具体内容如下:
步骤S10,若基于预设摄像头检测到预设货架上存在商品空缺位置,则获取所述商品空缺位置的空缺信息和商品类型,并从预设模型中确定所述商品类型的商品信息;
本发明中的预设货架边上设置有预设摄像头,所述预设摄像头为深度摄像头,实时监测预设货架上的商品状态,若通过预设摄像头检测到预设货架上存在商品空缺位置,则证明当前商品空缺位置上的商品被客户买走,此时需要进一步获取商品空缺位置的空缺信息和商品类型。预设摄像头可通过图像识别技术识别该商品空缺位置上的标签、同类商品的包装和品牌,从而识别该空缺位置的商品类型,同时检测该空缺位置的长宽高等参数,从而获取到商品空缺体积(即空缺位置的体积)。所述预设模型指的是终端预先设置的数据模型,包括了大量的商品信息,包括但不限于:商品描述信息,商品单品体积,商品空缺体积,商品在货架中的商品总体积等N个特征参数,将N个参数导入“监督学习模型”中进行训练,训练结束后得到所述预设模型。可以理解的是,预设模型是通过预设商品信息集成设置的货架商品数据模型,并且经过训练的模型具备机器学习能力,能够对数据进行自主判断和自主识别,同时也能够经过人为添加预设数据而具备数据判断和数据识别能力。
步骤S20,根据所述商品信息和所述空缺信息进行计算,以获取缺货信息;
具体地,所述缺货信息包括缺货数量、商品空缺率、商品数量和商品缺货率,所述步骤S20包括:
步骤a1,获取空缺信息中的商品空缺体积和商品信息中的商品单品体积,并根据所述商品空缺体积和所述商品单品体积计算缺货数量;
步骤a2,根据商品信息中的商品总体积和所述商品空缺体积,计算商品空缺率;
步骤a3,根据所述商品总体积和所述商品单品体积计算商品数量;
步骤a4,根据所述缺货数量和所述商品数量计算商品缺货率。
预设模型中的所有商品信息记录有各商品类型的单品长宽高,因此在确定商品类型之后,可得各商品的商品单品体积Vp1。当检测到预设模型中并无该类商品的商品单品体积时Vp1,可以利用深度摄像头计算获取该商品单品的体积后自动上传至预设模型。以下为通过商品信息和空缺信息的数据计算过程:
1、根据商品空缺体积Vc1和商品单品体积Vp1可计算出缺货数量Qp1=Vc1/Vp1;
2、商品信息中包括商品总体积Vs1,指的是该商品类型的商品摆满预设货架时的总体积,根据商品总体积Vs1和商品空缺体积Vc1,可计算得到该商品的商品空缺率Pc1=Vc1/Vs1;
3、根据商品总体积Vs1和商品单品体积Vp1可计算得到该商品在预设货架上满货时的商品数量为Qf1=Vs1/Vp1;
4、通过缺货数量Qp1和商品数量Qf1得到商品缺货率Pp1=Qp1/Qf1。
由此,可获得缺货信息:缺货数量、商品空缺率和商品缺货率。
步骤S30,若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器。
在本实施例中,缺货信息是补货人员进行商品补货的重要依据,本实施例设置了触发条件,只有达到了触发条件才能执行补货流程,从而避免了补货人员频繁补货且补货效果不大的现象发生(如预设货架上的缺货数量只有1的情况下补货效果不大)。
所述触发条件可以是人为预设的判断标准,也可以是预设模型不断更新的自主判断体系。达到触发条件后,终端根据缺货信息生成补货预警信息,该补货预警信息包括直接发送至预设补货服务器,所述预设补货服务器为后端补货人员的操作平台,补货人员通过该平台能够快速获知需要补充的商品类型,数量以及对应的预设货架。
具体地,所述步骤S30还包括:
若所述商品空缺体积Vc1大于第一触发值,和/或,
所述商品数量Qf1小于第二触发值,和/或,
所述商品空缺率Pc1大于第三触发值,和/或,
所述商品缺货率Pp1大于第四触发值,则根据所述缺货信息生成补货预警信息。
触发触发条件的情况基于缺货信息的数据类型,包括商品空缺体积、商品数量、商品空缺率和商品缺货率。可以理解的是,缺货信息可直观反应预设货架上商品的缺货情况。终端设置了触发补货流程的数据临界点:第一触发值、第二触发值、第三触发值和第四触发值。在本实施例中,商品空缺体积、商品数量、商品空缺率和商品缺货率中任意一项数据达到触发条件,即可触发补货预警流程。例如,商品空缺体积大于第一触发值,或商品数量小于第二触发值,或商品空缺率大于第三触发值,或商品缺货率大于第四触发值。以上四种情况中只要满足一种或一种以上,即可触发补货预警流程,并根据缺货信息生成补货预警信息。将缺货信息进行标注,并按照表格形式将缺货信息进行整合,从而生成补货预警信息。
可以理解的是,触发预警之后,设备终端可以根据实际的补货预警信息,对预设模型进行修正和更新,补货预警信息的实际数据越多,修正和更新就越多,机器学习和智能判断的流程就越精准,能够对后续的补货流程进行规范化矫正。
参照图3,图3为本发明商品智能补货方法的总体设计步骤图。可以理解的是,所述预设货架上可以同时包括多种商品类型,所述预设摄像头可以同时捕捉多个预设货架上的商品空缺位置,本发明的技术方案同样可应用于以上场景。
本发明中,若基于预设摄像头检测到预设货架上存在商品空缺位置,则获取所述商品空缺位置的空缺信息和商品类型,并从预设模型中确定所述商品类型的商品信息;根据所述商品信息和所述空缺信息进行计算,以获取缺货信息;若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器。本申请利用摄像头捕捉货架的状态,判断是否发生商品位置空缺,利用检测到实时空缺信息的变动以及数据库中的商品信息等,合理计算出空缺的实时状态,并设置相应的数据临界点,在达到临界点时进行补货预警,从而获得所需要补货的商品类型,补货数量等等,进而优化补货流程,降低不必要的人工查询,解决了商品补货流程繁琐冗长,补货效果不精准不及时,员工补货效率低下的技术问题。
进一步地,基于第一实施例,提出本发方法的第二实施例,在该实施例中,所述步骤S30之后还包括:
步骤A,若检测到基于补货预警信息反馈的修正数据,则获取所述修正数据的数据修正属性;
由于预设模型是通过终端预先设置的数据模型,而原先的商品信息数据只是初步的数据,并不一定是最精准的数据。例如,根据预设模型的商品信息获取到A商品的商品单品体积,经过计算后共缺货数量是5。但是补货人员补完货之后发现A商品的缺货数量可以是6,原因是原A商品的空缺位置按计算缺货数量是5,但是A商品可以通过正反叠加摆放的方式再空出一个位置。那么从实际出发,缺货数量可以改成6。假设没有进行修正操作,那么下次终端获取到的缺货数量依旧是5,那么需要有修正流程进行反馈。修正流程中反馈的修正数据可以是补货人员主动进行修正,也可以是预设摄像头通过实时捕捉和智能学习分析从而获得修正数据。可以理解的是,具备机器学习功能的预设模型能够实现数据迭代更新和数据标准规范,从而形成自主修正能力。预设摄像头根据所述自主修正能力对实时采集到的商品空缺位置进行评估判断,从而确认实际的补货前提,进而自主获取到触发条件的合理修改范围,并结合补货预警信息进行合理反馈,即修正数据是基于补货预警信息而反馈得来的。通过人为主动修正和预设模型自主修正两种方式,终端获取到反馈的修正数据,分析获取修正数据的数据修正类型。
步骤B,获取与所述数据修正属性对应的触发条件,并基于所述修正数据修改所述触发条件。
所述数据修正类型指的是要修正的数据对象,在本实施例中,可供修改的数据是触发条件中的第一触发值,第二触发值,第三触发值和第四触发值。通过数据修正属性确定触发条件,本实施例可基于修正数据修改触发条件中第一触发值,第二触发值,第三触发值或第四触发值中的任一项或任几项数值。
通过改变触发条件中的触发值,终端可修正不精确的模型数据,从而规范预设模型的所有商品数据信息,使得预设模型的数据更加偏向于实际数据,从而大大提升预设模型的数据精确度和数据可靠性。
进一步地,基于第一实施例,提出本发方法的第三实施例,在该实施例中,所述步骤S30之后还包括:
步骤C,根据所述空缺信息、商品信息、缺货信息和补货预警信息生成商品补货记录,并将所述商品补货记录保存至所述预设模型;
步骤D,每隔第一预设时长对所述预设模型中的所有商品补货记录进行补货数据分析,以生成不同预设时间区间的补货趋势分析报告。
在获取到空缺信息、商品信息、缺货信息和补货预警信息之后,证明当前已经生成一条商品补货记录,终端将把该商品补货记录保存至预设模型中,以作为数据样本。
本实施例设置第一预设时长,每隔第一预设时长,则提取预设模型中的所有商品补货记录,由于所有商品补货记录反映的是每次对各种缺货商品的数量补充,自然包括补充频次,补充间隔和补充数量等补货数据。终端通过实际需求分析补货数据,生成不同预设时间区间的商品补货趋势分析报告。例如每隔15天(即第一预设时长)提取预设模型中的所有商品补货记录,分别生成一周内、一天内、半个月内(即不同预设时间区间)的补货趋势分析报告。这些补货趋势分析报告能够反应在不同时间区间内的补货规律,从而为后台的补货人员提供不同时间区间的补货参考依据,进而帮助补货人员提前获知补货商品的商品类型、数量等信息,提前进行调货,快速准备要补充的商品,从而间接提高补货效率。
进一步地,基于第一实施例,提出本发方法的第四实施例,在该实施例中,所述步骤S30之后还包括:
步骤E,每隔第二预设时长从第一预设时间区间内的补货趋势分析报告中获取补货频次小于第一阈值,且补货数量小于第二阈值的第一商品类型;
步骤F,根据所述第一商品类型的第一商品信息和第一商品补货记录生成待取代商品建议表。
现实生活中,若货架上的某款商品经常不用补货,说明该商品市场较小,需求量小,那么需要对该商品进行下架处理。本实施例中,首先,需要确定补货频次较少,且补货数量较少的商品类型。终端每隔第二预设时长从第一预设时间区间的补货趋势分析报告中定位出补货频次小于第一阈值,且补货数量小于第二阈值的第一商品类型。例如每隔一个月从一个季度的补货趋势分析报告中检测出补货频次小于7,并且补货数量小于50的商品。
在得到第一商品类型之后,终端可直接获取到该第一商品类型的第一商品信息和第一商品补货记录(从预设模型中直接获取)。并根据第一商品信息和第一商品补货记录生成待取代商品建议表。所述待取代商品建议表是指将市场表现不佳销量少的商品下架取代的分析报告,其中包括该商品在第一预设时间区间内的补货情况以及销售情况等和下架取代分析结论。通过本实施例,能够定位出部分销售不佳的商品,避免商品积压,方便补货人员对预设货架的维护,提高预设货架的使用效率。
进一步地,所述步骤S30之后还包括:
步骤G,每隔第三预设时长从第二预设时间区间内的补货趋势分析报告中获取补货频次大于第三阈值,且补货数量大于第四阈值的第二商品类型;
现实生活中可能某款商品非常受市场欢迎,但因为预设货架摆放的该商品数量供不应求,导致补货人员需要频繁进行补货,降低补货效率。因此可以提供一种改进方案,对受市场欢迎的商品进行扩充,增加该商品的供应量。
例如,每隔两周(即第三预设时长)从半月度(即第二预设时间区间)补货趋势分析报告中进行检测,若检测到补货频次大于10(即第三阈值),并且补货数量大于50(即第四阈值)的商品为可乐和辣条,则确定可乐和辣条为第二商品类型。
步骤H,根据所述第二商品类型的第二商品信息和第二商品补货记录生成待扩充商品建议表。
终端根据第二商品类型获取对应的第二商品信息(如可乐为体积5立方厘米,编号112233;辣条为体积1立方厘米,编号23333)和第二商品补货记录(如可乐半月度补货记录和辣条半月度补货记录),通过以上数据,终端可生成待扩充商品建议表。所述待扩充商品建议表是指对市场受欢迎销量火热的商品进行加大供应的分析报告。该分析报告能够帮助分析商品的销量情况,从而提供商品供应战略分析。通过本实施例,能够确定爆款商品以及对应的市场需求量,帮助商品调货供应分析,提供商品供应战略转变,进而减少补货人员的补货次数,节省宝贵时间,提高预设货架的使用效率,提高补货人员的补货效率。
可以理解的是,所述第一商品类型和第二商品类型可以包括多种商品,不限于只有一种。
此外,本发明实施例还提出一种商品智能补货装置,所述商品智能补货装置应用于终端,所述商品智能补货装置包括:
第一获取模块,用于若基于预设摄像头检测到预设货架上存在商品空缺位置,则获取所述商品空缺位置的空缺信息和商品类型,并从预设模型中确定所述商品类型的商品信息;
计算模块,用于根据所述商品信息和所述空缺信息进行计算,以获取缺货信息;
发送模块,用于若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器。
可选地,所述缺货信息包括缺货数量、商品空缺率、商品数量和商品缺货率,所述计算模块包括:
第一计算单元,用于获取空缺信息中的商品空缺体积和商品信息中的商品单品体积,并根据所述商品空缺体积和所述商品单品体积计算缺货数量;
第二计算单元,用于根据商品信息中的商品总体积和所述商品空缺体积,计算商品空缺率;
第三计算单元,用于根据所述商品总体积和所述商品单品体积计算商品数量;
第四计算单元,用于根据所述缺货数量和所述商品数量计算商品缺货率。
可选地,所述发送模块还包括:
生成单元,用于若所述商品空缺体积大于第一触发值,和/或,
所述商品数量小于第二触发值,和/或,
所述商品空缺率大于第三触发值,和/或,
所述商品缺货率大于第四触发值,则根据所述缺货信息生成补货预警信息。
可选地,所述商品智能补货装置还包括:
检测模块,用于若检测到基于补货预警信息反馈的修正数据,则获取所述修正数据的数据修正属性;
修正模块,用于获取与所述数据修正属性对应的触发条件,并基于所述修正数据修改所述触发条件。
可选地,所述商品智能补货装置还包括:
保存模块,用于根据所述空缺信息、商品信息、缺货信息和补货预警信息生成商品补货记录,并将所述商品补货记录保存至所述预设模型;
分析模块,用于每隔第一预设时长对所述预设模型中的所有商品补货记录进行补货数据分析,以生成不同预设时间区间的补货趋势分析报告。
可选地,所述商品智能补货装置还包括:
第二获取模块,用于每隔第二预设时长从第一预设时间区间内的补货趋势分析报告中获取补货频次小于第一阈值,且补货数量小于第二阈值的第一商品类型;
第一生成模块,用于根据所述第一商品类型的第一商品信息和第一商品补货记录生成待取代商品建议表。
可选地,所述商品智能补货装置还包括:
第三获取模块,用于每隔第三预设时长从第二预设时间区间内的补货趋势分析报告中获取补货频次大于第三阈值,且补货数量大于第四阈值的第二商品类型;
第二生成模块,用于根据所述第二商品类型的第二商品信息和第二商品补货记录生成待扩充商品建议表。
此外,本发明实施例还提出一种终端,终端包括:存储器109、处理器110及存储在存储器109上并可在处理器110上运行的商品智能补货程序,所述商品智能补货程序被处理器110执行时实现上述的商品智能补货方法各实施例的步骤。
此外,本发明还提供了一种计算机存储介质,所述计算机存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述商品智能补货方法各实施例的步骤。
本发明终端及存储介质(即计算机存储介质)的具体实施方式的拓展内容与上述商品智能补货方法各实施例基本相同,在此不做赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种商品智能补货方法,其特征在于,所述商品智能补货方法应用于终端,所述商品智能补货方法包括:
若基于预设摄像头检测到预设货架上存在商品空缺位置,则获取所述商品空缺位置的空缺信息和商品类型,并从预设模型中确定所述商品类型的商品信息;
根据所述商品信息和所述空缺信息进行计算,以获取缺货信息;
若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器。
2.如权利要求1所述的商品智能补货方法,其特征在于,所述缺货信息包括缺货数量、商品空缺率、商品数量和商品缺货率,
所述根据所述商品信息和所述空缺信息进行计算,以获取缺货信息的步骤包括:
获取空缺信息中的商品空缺体积和商品信息中的商品单品体积,并根据所述商品空缺体积和所述商品单品体积计算缺货数量;
根据商品信息中的商品总体积和所述商品空缺体积,计算商品空缺率;
根据所述商品总体积和所述商品单品体积计算商品数量;
根据所述缺货数量和所述商品数量计算商品缺货率。
3.如权利要求2所述的商品智能补货方法,其特征在于,
所述若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息的步骤还包括:
若所述商品空缺体积大于第一触发值,和/或,
所述商品数量小于第二触发值,和/或,
所述商品空缺率大于第三触发值,和/或,
所述商品缺货率大于第四触发值,则根据所述缺货信息生成补货预警信息。
4.如权利要求1所述的商品智能补货方法,其特征在于,
所述若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器的步骤之后还包括:
若检测到基于补货预警信息反馈的修正数据,则获取所述修正数据的数据修正属性;
获取与所述数据修正属性对应的触发条件,并基于所述修正数据修改所述触发条件。
5.如权利要求1所述的商品智能补货方法,其特征在于,
所述若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器的步骤之后还包括:
根据所述空缺信息、商品信息、缺货信息和补货预警信息生成商品补货记录,并将所述商品补货记录保存至所述预设模型;
每隔第一预设时长对所述预设模型中的所有商品补货记录进行补货数据分析,以生成不同预设时间区间的补货趋势分析报告。
6.如权利要求5所述的商品智能补货方法,其特征在于,
所述若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器的步骤之后还包括:
每隔第二预设时长从第一预设时间区间内的补货趋势分析报告中获取补货频次小于第一阈值,且补货数量小于第二阈值的第一商品类型;
根据所述第一商品类型的第一商品信息和第一商品补货记录生成待取代商品建议表。
7.如权利要求5所述的商品智能补货方法,其特征在于,
所述若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器的步骤之后还包括:
每隔第三预设时长从第二预设时间区间内的补货趋势分析报告中获取补货频次大于第三阈值,且补货数量大于第四阈值的第二商品类型;
根据所述第二商品类型的第二商品信息和第二商品补货记录生成待扩充商品建议表。
8.一种商品智能补货装置,其特征在于,所述商品智能补货装置应用于终端,所述商品智能补货装置包括:
第一获取模块,用于若基于预设摄像头检测到预设货架上存在商品空缺位置,则获取所述商品空缺位置的空缺信息和商品类型,并从预设模型中确定所述商品类型的商品信息;
计算模块,用于根据所述商品信息和所述空缺信息进行计算,以获取缺货信息;
发送模块,用于若检测到所述缺货信息达到触发条件,则根据所述缺货信息生成补货预警信息,并将所述补货预警信息发送至预设补货服务器。
9.一种终端,其特征在于,所述终端包括:存储器、处理器及存储在所述存储器上并可在处理器上运行的商品智能补货程序,所述商品智能补货程序被所述处理器执行时实现如权利要求1至7中任一项所述的商品智能补货方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有商品智能补货程序,所述商品智能补货程序被处理器执行时实现如权利要求1至7中任一项所述的商品智能补货方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910564614.5A CN110322197A (zh) | 2019-06-24 | 2019-06-24 | 商品智能补货方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910564614.5A CN110322197A (zh) | 2019-06-24 | 2019-06-24 | 商品智能补货方法、装置、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110322197A true CN110322197A (zh) | 2019-10-11 |
Family
ID=68121258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910564614.5A Pending CN110322197A (zh) | 2019-06-24 | 2019-06-24 | 商品智能补货方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110322197A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047281A (zh) * | 2019-11-25 | 2020-04-21 | 泰康保险集团股份有限公司 | 自助取货的处理方法和自助取货设备的服务端 |
CN111753614A (zh) * | 2019-11-01 | 2020-10-09 | 北京京东尚科信息技术有限公司 | 一种商品货架的监控方法和装置 |
CN111951258A (zh) * | 2020-08-21 | 2020-11-17 | 名创优品(横琴)企业管理有限公司 | 一种基于边缘计算的货架缺货预警分析***及方法 |
CN112800804A (zh) * | 2019-10-28 | 2021-05-14 | 汉朔科技股份有限公司 | 基于价签的缺货检测方法及装置 |
CN113034071A (zh) * | 2021-03-09 | 2021-06-25 | 广东便捷神科技股份有限公司 | 一种用于零售终端机的一键补货方法 |
WO2021179138A1 (zh) * | 2020-03-09 | 2021-09-16 | 图灵通诺(北京)科技有限公司 | 商超货架上商品的分析方法和*** |
CN113935672A (zh) * | 2020-07-13 | 2022-01-14 | 上海顺如丰来技术有限公司 | 自动补货方法、装置、计算机设备及存储介质 |
CN114387497A (zh) * | 2021-12-31 | 2022-04-22 | 合肥美的智能科技有限公司 | 补货信息的推送方法、装置、服务器和可读存储介质 |
CN114638574A (zh) * | 2022-03-22 | 2022-06-17 | 佛山市霖罕崞信息科技有限公司 | 一种确保智能柜补货数据准确的***及方法 |
CN115180334A (zh) * | 2022-06-02 | 2022-10-14 | 云南昆船设计研究院有限公司 | 一种智能烟笼补货调度输送方法及*** |
CN115983767A (zh) * | 2023-03-21 | 2023-04-18 | 深圳美云集网络科技有限责任公司 | 一种基于多个商品的补货方法和*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018018606A1 (zh) * | 2016-07-29 | 2018-02-01 | 深圳市赛亿科技开发有限公司 | 一种基于智能货架的物品流通管理方法及*** |
US20180260772A1 (en) * | 2017-01-31 | 2018-09-13 | Focal Systems, Inc | Out-of-stock detection based on images |
US20180322448A1 (en) * | 2017-05-05 | 2018-11-08 | Walmart Apollo, Llc | System and method for automatically restocking items on shelves |
CN108945912A (zh) * | 2018-04-24 | 2018-12-07 | 深圳奥比中光科技有限公司 | 一种智能补货***及方法 |
-
2019
- 2019-06-24 CN CN201910564614.5A patent/CN110322197A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018018606A1 (zh) * | 2016-07-29 | 2018-02-01 | 深圳市赛亿科技开发有限公司 | 一种基于智能货架的物品流通管理方法及*** |
US20180260772A1 (en) * | 2017-01-31 | 2018-09-13 | Focal Systems, Inc | Out-of-stock detection based on images |
US20180322448A1 (en) * | 2017-05-05 | 2018-11-08 | Walmart Apollo, Llc | System and method for automatically restocking items on shelves |
CN108945912A (zh) * | 2018-04-24 | 2018-12-07 | 深圳奥比中光科技有限公司 | 一种智能补货***及方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800804A (zh) * | 2019-10-28 | 2021-05-14 | 汉朔科技股份有限公司 | 基于价签的缺货检测方法及装置 |
CN111753614A (zh) * | 2019-11-01 | 2020-10-09 | 北京京东尚科信息技术有限公司 | 一种商品货架的监控方法和装置 |
CN111047281A (zh) * | 2019-11-25 | 2020-04-21 | 泰康保险集团股份有限公司 | 自助取货的处理方法和自助取货设备的服务端 |
WO2021179138A1 (zh) * | 2020-03-09 | 2021-09-16 | 图灵通诺(北京)科技有限公司 | 商超货架上商品的分析方法和*** |
US11748787B2 (en) | 2020-03-09 | 2023-09-05 | Yi Tunnel (Beijing) Technology Co., Ltd. | Analysis method and system for the item on the supermarket shelf |
CN113935672A (zh) * | 2020-07-13 | 2022-01-14 | 上海顺如丰来技术有限公司 | 自动补货方法、装置、计算机设备及存储介质 |
CN111951258A (zh) * | 2020-08-21 | 2020-11-17 | 名创优品(横琴)企业管理有限公司 | 一种基于边缘计算的货架缺货预警分析***及方法 |
CN113034071A (zh) * | 2021-03-09 | 2021-06-25 | 广东便捷神科技股份有限公司 | 一种用于零售终端机的一键补货方法 |
CN113034071B (zh) * | 2021-03-09 | 2023-11-17 | 广东便捷神科技股份有限公司 | 一种用于零售终端机的一键补货方法 |
CN114387497A (zh) * | 2021-12-31 | 2022-04-22 | 合肥美的智能科技有限公司 | 补货信息的推送方法、装置、服务器和可读存储介质 |
CN114638574A (zh) * | 2022-03-22 | 2022-06-17 | 佛山市霖罕崞信息科技有限公司 | 一种确保智能柜补货数据准确的***及方法 |
CN115180334A (zh) * | 2022-06-02 | 2022-10-14 | 云南昆船设计研究院有限公司 | 一种智能烟笼补货调度输送方法及*** |
CN115983767A (zh) * | 2023-03-21 | 2023-04-18 | 深圳美云集网络科技有限责任公司 | 一种基于多个商品的补货方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110322197A (zh) | 商品智能补货方法、装置、终端及存储介质 | |
US9773250B2 (en) | Product role analysis | |
CN108537382B (zh) | 一种电商价格趋势预测方法及*** | |
Chintapalli | Simultaneous pricing and inventory management of deteriorating perishable products | |
US20090204512A1 (en) | Method and system for determining a restocking state of a product | |
CN105825360A (zh) | 商户配送范围的调整方法和装置 | |
WO2021185281A1 (zh) | 货架交互方法和货架 | |
CN112288517A (zh) | 结合rpa与ai的商品推荐方法和装置 | |
CN112232852A (zh) | 一种基于大数据计算的自动化营销***实现方法 | |
US20220188757A1 (en) | Systems and methods for inventory control and optimization | |
KR20200081050A (ko) | O2o 기반 유통기한임박 상품 할인 서비스 제공 방법 | |
CN108805495A (zh) | 物品存放管理方法和***及计算机可读介质 | |
US11093974B2 (en) | Image attribute processing system, image attribute processing apparatus, and method of processing image attributes | |
CN112232880A (zh) | 结合rpa与ai的商品推荐方法和装置 | |
CN111311332A (zh) | 用户数据的处理方法和装置 | |
CN116739217A (zh) | 一种基于供应链大数据平台的零售管理方法及*** | |
CN110310168A (zh) | 模型的调整方法、装置、服务器和存储介质 | |
CN110413881B (zh) | 一种识别标签准确性的方法、装置、网络设备和存储介质 | |
CN106980998A (zh) | 商家交易异常的监控方法和装置 | |
CN104318344A (zh) | 基于消费特征的产品生产辅助决策方法及*** | |
CN116739332A (zh) | 一种基于大数据的产业链智能管理方法、***及介质 | |
CN116091160A (zh) | 一种基于图像识别的网店后台商品管理***及方法 | |
CN113434680A (zh) | 基于坐席数据的用户意愿分析方法、装置、电子设备 | |
CN110181503A (zh) | 异常检测方法、装置、智能设备和存储介质 | |
CN115796908B (zh) | 一种零售运营智能监测管理***及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191011 |