【技术实现步骤摘要】
本专利技术涉及大数据领域，具体涉及大数据商品库存领域，尤其涉及一种基于大数据供应链的智能库存管理系统及方法。
技术介绍
1、随着电子技术的进步，互联网的发展，网上购物已经成为一种主流的购物方式，各大第三方购物网站、商品供应商、中间商对商品仓储、都有较高需求，其中涉及商品的销售、生产、采购、物流和管理成本。
2、现有技术中对在不同地区设定仓库的商品库存分配上往往都采取消费者订单驱动的方式，这种方式忽略了其他影响因素对商品库存成本的影响，不够精确，导致资源浪费。并且，现有的库存量管理中往往不能及时核对系统与实物的库存差，导致困库存管理中存在错误，进一步对销售物流等造成影响。因此，如何提升库存分配准确性以及库存管理准确性是当下亟待解决的问题。
技术实现思路
1、本专利技术实施例提供了基于大数据供应链的智能库存管理系统及方法、电子设备及存储介质，可针对大数据供应链下的库存管理进行分配以及核验，进而提升库存管理的准确性和效率。
2、一方面，本专利技术是实力提供一种基于大数据供应链的智能库存管理系统及系统，所述系统包括：
3、数据获取模块：获取一个周期的商品关联信息，所述商品关联信息包括商品热度信息和商品订单信息；
4、采购模块，根据商品采购信息确定总商品入库量，根据所述总商品入库量进行采购，所述商品采购信息包括以下至少一种：商品关联信息、商品订单信息；所述商品订单信息包括一个周期内不同仓库的订单信息；
5、入库模块，用于基于目标算法
6、库存核实模块，每日定点根据仓库的摄像设备拍摄三维图像进行库存智能计算，并于系统中存储的库存量进行对比，若不同则修正，相同则将其归档保存；
7、所述基于目标算法对采购的商品入库分配，包括：
8、s1、获取多个仓库的地理位置、最近一个周期的各商品出货量、运输商品折损率、仓库存储成本、总商品入库量；
9、s2、根据所述多个仓库中的每个仓库的地理位置、每个仓库最近一个周期的各商品出货量、商品折损值、仓库存储成本计算所有仓库的收入，公式为：
10、g1(x1)＝f(x1)-m(x1)-n(x1)-t(x1)，g2(x2)＝f(x2)-m(x2)-n(x2)-t(x2)......
11、gn(xn)＝f(xn)-m(xn)-n(xn)-t(xn)；其中，g1(x1)、g2(x2)……gn(xn)为每i个仓库的收入；x1、x2......xn为第i个仓库的商品入库量，i＝1、2，，，n；f()为根据仓库过去一个周期的各商品出货量计算出的仓库收益，m()为根据仓库地理位置计算出的商品总运输成本、n()为根据商品地理位置和商品类型计算出的商品折损值、t()为仓库存储成本；
12、s3、根据总商品入库量和仓库收入建立模型:
13、maxz＝g1(x1)+g2(x2)+...+gn(xn)
14、其中x1+x2+...+xn＝a,a为所述总商品入库量；
15、将总商品入库量分段存入n个仓库中，依次决定每个仓库的商品入库量；对于第i个仓库，有
16、si＝si-1-ui-1
17、ui＝xi
18、其中，ui为将第i个仓库的库存量分配为xi的决策变量,si为第i个仓库到第n个仓库的商品入库量；
19、基本方程为：
20、fi(si)＝max{gi(xi)+fi+1(si+1)}
21、fn+1(sn+1)＝0
22、其中i的取值顺序依次为n,n-1,...1，fi(si)为第i个仓库至第n个仓库的最大收入；
23、s4、基于所述取值顺序依次求解，求得各仓库的最佳入库商品数量。
24、需要说明的是，仓库的地理位置、出货量、折损率以及仓库的存储成本综合影响仓储成本，如仓库位于温度处于零下的区域，那么对于需要保活的生鲜产品的储存和运输需要保温等更多成本；反之，仓库位于温度较高的区域，对于需要冷藏冷冻保险的产品需要更多的降温成本；仓库的地理位置距离运输终点较远则会导致易碎物品折损率高等。因此，本专利技术综合考虑每个仓库最近一个周期的各商品出货量、商品折损值、仓库存储成本来核算仓库的收益，提升了仓库的商品周转效率以及商品周转效率，并根据收益对商品库存进行分配以达到利益最大化。
25、优选地，所述商品热度信息基于以下步骤计算得到：确定所述商品的关联关键词；获取多个网络平台上所述关键词的搜索量以及发帖量；根据所述搜索量和所述发帖量计算得到第一热度值；确定所述商品的隐含关联活动；根据所述隐含关联活动计算得到第二热度值；基于所述第一热度值和所述第二热度值计算得到所述商品热度信息。
26、优选地，所述获取多个网络平台上所述关键词的搜索量以及发帖量，包括：获取多个仓库的第一位置信息；根据所述第一位置信息在所述多个网络平台上确定第一区域内所述关联关键词的搜索量以及发帖量，所述第一区域为所述多个仓库覆盖的配送区域。
27、可见，在本实现方式中，可基于仓库的位置信息获取仓库覆盖范围内的搜索量和发帖量，提升了商品热度评估的准确率。
28、优选地，所述确定所述商品的隐含关联活动；根据所述隐含关联活动计算得到第二热度值；包括：确定所述商品关联的至少一个活动类型；根据所述至少一个活动类型和所述第一位置信息确定所述第一区域内包含的第一数量个隐含关联活动；确定所述第一数量个隐含关联活动的人员规模和活动时长；确定所述商品以及所述第一数量个隐含关联活动之间的第一商品转化率；根据所述第一商品转化率、所述第一数量、所述人员规模以及所述活动时长确定所述第一区域内的所述第二热度值。
29、举例来说，商品可以是速食食品、荧光棒等用于烘托环境氛围的产品；活动类型为演唱会，由于在演唱会期间大量的人员将会吃零食且手持荧光棒烘托气氛，因此，速食视频和荧光棒均为演唱会的关联的活动类型。
30、可见，本实现方式中，可基于商品和商品关联的活动计算商品的热度值，进而提高了后续商品需求量预估的准确率，提升了对于各类商品需求量预估的准确率。
31、优选地，所述根据仓库的摄像设备拍摄图像进行库存智能计算，包括：拍摄仓库中商品的多角度图像并进行配准，得到目标图像；将目标图像输入训练好的域自适应目标检测模型中进行检测，得到所述商品的名称；对各名称的所述商品进行计数以获取个名称所述商品的库存量；其中，所述域自适应目标检测模型包括学生网络、第一教师网络、第二教师网络；所述域自适应目标检测模型的训练过程包括：使用带标签的第一训练集对学生网络进行初步监督训练得到初始学生网络；固定第二教师网络，使用第一训练集和第一教师网络对初始学生网络进行蒸馏训练，更新学生网络和第一教师网络的参数；随后固定第一教师网络，使用第二训练集和第二教师网络对学生网络进行蒸馏训练，更新学生网络和第二教师网络的参数；交替进行固定第二教师网络和固定第一教本文档来自技高网...
【技术保护点】
1.一种基于大数据供应链的智能库存管理系统，其特征在于，所述系统包括：
2.如权利要求1所述的系统，其特征在于，所述商品热度信息基于以下步骤计算得到：
3.如权利要求2所述的系统，其特征在于，所述获取多个网络平台上所述关键词的搜索量以及发帖量，包括：
4.如权利要求3所述的系统，其特征在于，所述确定所述商品的隐含关联活动；根据所述隐含关联活动计算得到第二热度值；包括：
5.如权利要求1所述的系统，其特征在于，所述根据仓库的摄像设备拍摄图像进行库存智能计算，包括：
6.如权利要求5所述的系统，其特征在于，所述域自适应目标检测模型的损失函数为：
7.如权利要求6所述的系统，其特征在于，所述商品由矩形纸箱装载，所述矩形纸箱的正面与货架的正面的夹角小于60度，所述货架正面为货架长和高构成的平面，所述货架的正面垂直于水平面；所述矩形纸箱正面包含商品信息，所述拍摄仓库中商品的多角度图像并进行配准，得到目标图像，包括：
8.一种基于大数据供应链的智能库存管理方法，其特征在于，所述方法包括：
9.一种
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由处理器加载并执行如权利要求8所述的一种基于大数据供应链的智能库存管理方法。
...【技术特征摘要】
1.一种基于大数据供应链的智能库存管理系统，其特征在于，所述系统包括：
2.如权利要求1所述的系统，其特征在于，所述商品热度信息基于以下步骤计算得到：
3.如权利要求2所述的系统，其特征在于，所述获取多个网络平台上所述关键词的搜索量以及发帖量，包括：
4.如权利要求3所述的系统，其特征在于，所述确定所述商品的隐含关联活动；根据所述隐含关联活动计算得到第二热度值；包括：
5.如权利要求1所述的系统，其特征在于，所述根据仓库的摄像设备拍摄图像进行库存智能计算，包括：
6.如权利要求5所述的系统，其特征在于，所述域自适应目标检测模型的损失函数为：...
【专利技术属性】
技术研发人员：谭海波，陈宁，
申请(专利权)人：广州微木运营管理有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。