System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及解冻管理,具体涉及一种连锁门店的饮品预解冻控制方法及系统。
技术介绍
1、随着科学技术的发展,解冻设备得到了广泛使用,尤其是在商铺、门店的环境下,预解冻物料作为门店营业前的准备工作,在保证成品出品率的同时能够提高出餐率,从而达到增加门店营业额的目的。
2、进一步的,由于饮品门店的当日销售量根据消费者的需求决定,而预解冻的饮品具有食材新鲜的时效属性,过少的解冻饮品将无法满足当日消费者的需求,而过多的解冻饮品将造成物料的浪费,因此,每个门店合理的预解冻单对于连锁门店的管理尤为重要。
3、更进一步的,对于饮品门店存在多种通过单一原料组合加工售卖的饮品类型,在生成门店的预解冻单后仍需对解冻单内的原料匹配具体的解冻参数所生成的解冻方案(解冻参数如解冻时长、各时间段的解冻温度等),才能让营业前的预解冻单达到理想的解冻效果。
4、然而,现有的门店饮品预解冻存在研究空缺,通常采用人工经验预测生成门店的预解冻单,其预测精度较低且无法应用于连锁门店的统一管理,而各个门店通过用户的手动设定或根据系统默认的解冻参数对食材进行解冻,很容易发生过度解冻或解冻不充分,解冻效果不理想。
5、因此,目前亟需一种连锁门店的饮品预解冻控制方法以解决上述连锁门店统一预解冻管理饮品的赋能问题。
技术实现思路
1、针对现有技术的不足,本专利技术提出一种连锁门店的饮品预解冻控制方法及系统。
2、本专利技术第一方面公开了一种连锁门店的饮品预解冻控制方法,包
3、s1:采集各个门店营业的历史时序数据,采用混合负二项分布模型对全部的历史时序数据进行拟合,输出预测的营业阈值,基于所述营业阈值筛选所述历史时序数据生成第一营业数据;
4、s2:采集各个连锁门店的门店信息数据,基于所述门店信息数据构建各个连锁门店的关系图谱,根据所述关系图谱提取门店相似特征,通过门店相似特征筛选所述门店信息数据生成第二营业数据;
5、s3:融合所述第一营业数据和第二营业数据的时空特征,利用融合时空特征的误差定期对对预测样本的选择进行异常判断,实时更新作为预测样本的门店以及预测样本数据;
6、s4:根据所述预测样本数据对门店营业的销售饮品进行分类分析,输出饮品成品的原料组合类型以及原料组合类型对应的单一原料类型,创建关系数据库保存单一原料、原料组合以及饮品成品之间的映射关系,根据所述映射关系确定门店的预解冻需求;
7、s5:采用预解冻需求匹配第一营业数据和第二营业数据输入预测模型中生成预测解冻需求曲线以及需求曲线对应的预测概率,根据预测解冻需求曲线和预测概率输出下一周期的门店预解冻清单;
8、s6:根据单一原料和原料组合的映射关系匹配预测样本数据以模拟解冻曲线,通过各个单一原料和原料组合的解冻曲线对解冻类型进行解冻分级,基于解冻分级对门店的预解冻清单匹配对应的解冻曲线生成预解冻方案;
9、s7:根据所述门店预解冻清单以及预解冻解冻方案控制执行连锁门店的预解冻任务。
10、作为一个可选的实施方式,在本专利技术第一方面中,采集各个门店营业的历史时序数据,采用混合负二项分布模型对全部的历史时序数据进行拟合,输出预测的营业阈值,基于所述营业阈值筛选所述历史时序数据生成第一营业数据,包括:
11、s101:采集各个门店以一个营业周期和一个门店为单位的历史饮品销售数据,所述一个营业周期为门店开始营业到歇业的单位时间;
12、s102:采用混合负二项分布模型通过概率分布密度将历史时序数据通过旺季周期和淡季周期分为第一历史数据和第二历史数据;
13、s103:采用混合负二项分布概率密度函数对所述第一历史数据和第二历史数据的分别进行拟合生成第一历史曲线和第二历史曲线;
14、s104:根据第一历史曲线和第二历史曲线获得若干个曲线营业对应的交点值,根据第一历史曲线和第二历史曲线的数据变化率为各个交点值分配权重,将全部交点值进行加权平均获得营业阈值;
15、s105:将营业阈值匹配历史时序数据,若营业周期内的历史饮品销售数据大于营业阈值,则将该营业周期内的历史时序数据直至生成第一营业数据。
16、作为一个可选的实施方式,在本专利技术第一方面中,采集各个连锁门店的门店信息数据,基于所述门店信息数据构建各个连锁门店的关系图谱,根据所述关系图谱提取门店相似特征,通过门店相似特征筛选所述门店信息数据生成第二营业数据,包括:
17、s201:采集门店规模、门店位置、门店商圈信息、门店区域特征以及门店区域天气类型作为各个连锁门店的门店信息数据;
18、s202:采用关系图谱构建特征矩阵用于描述所有门店间的相似关系,根据特征矩阵中的门店相似特征对所有门店进行聚类分析,对聚类结果中的同类门店采用特征相似度进行评估,确定每一个门店类型对应的样本门店;
19、s203:根据样本门店选择所述门店信息数据中的各个门店类型的目标门店数据作为第二营业数据。
20、作为一个可选的实施方式,在本专利技术第一方面中,融合所述第一营业数据和第二营业数据的时空特征,利用融合时空特征的误差定期对对预测样本的选择进行异常判断,实时更新作为预测样本的门店以及预测样本数据,包括:
21、s301:将第一营业数据和第二营业数据作为预测模型的输入,通过注意力机制将营业周期的时间属性和营业区域的空间属性进行特征融合,确定第一营业数据和第二营业数据中的门店相关性;
22、s302:根据所述门店相关性确定所述第一营业数据和第二营业数据关联表征门店历史营业数据的目标历史数据作为预测样本数据;
23、s303:采集目标历史数据的历史预测需求数据和实际需求数据,计算历史预测值和实际需求值的偏差值,将各个营业周期的偏差值进行加权平均作为异常判断的目标误差值,当预测样本数据的偏差值大于目标误差值,则更新预测样本数据以及目标误差值。
24、作为一个可选的实施方式,在本专利技术第一方面中,预解冻需求包括以一个营业周期作为单位时间内门店销售饮品的单一原料、调味原料、风味原料以及原料组合中的一种或几种饮品物料量和饮品物料类型,所述原料组合为一种或几种饮品原料的组合物料,包括一种或多种组合物料的方式;
25、所述预测样本数据包括营业周期内预测解冻和实际解冻的原料量、单一原料类型、原料组合类型、解冻紧急程度以及解冻时间,所述单一原料类型包括原料组合中的全部单一原料类型。
26、所述预解冻需求为对所述预测样本数据和所述映射关系进行回归分析,得到门店销售饮品的分类预测数据以及解冻数据。
27、作为一个可选的实施方式,在本专利技术第一方面中,所述采用预解冻需求匹配第一营业数据和第二营业数据输入预测模型中生成预测解冻需求曲线以及需求曲线对应的预测概率,根据预测解冻需求曲线和预测概率输出下一周期的门店预解冻清单,包括:
28、s501:采用门店本文档来自技高网...
【技术保护点】
1.一种连锁门店的饮品预解冻控制方法,其特征在于,所述方法包括:
2.根据权利要求1所述的连锁门店的饮品预解冻控制方法,其特征在于,所述采集各个门店营业的历史时序数据,采用混合负二项分布模型对全部的历史时序数据进行拟合,输出预测的营业阈值,基于所述营业阈值筛选所述历史时序数据生成第一营业数据,包括:
3.根据权利要求1所述的连锁门店的饮品预解冻控制方法,其特征在于,所述采集各个连锁门店的门店信息数据,基于所述门店信息数据构建各个连锁门店的关系图谱,根据所述关系图谱提取门店相似特征,通过门店相似特征筛选所述门店信息数据生成第二营业数据,包括:
4.根据权利要求1所述的连锁门店的饮品预解冻控制方法,其特征在于,所述融合所述第一营业数据和第二营业数据的时空特征,利用融合时空特征的误差定期对对预测样本的选择进行异常判断,实时更新作为预测样本的门店以及预测样本数据,包括:
5.根据权利要求4所述的连锁门店的饮品预解冻控制方法,其特征在于,所述预解冻需求包括以一个营业周期作为单位时间内门店销售饮品的单一原料、调味原料、风味原料以及原料组合中的一
6.根据权利要求5所述的连锁门店的饮品预解冻控制方法,其特征在于,所述采用预解冻需求匹配第一营业数据和第二营业数据输入预测模型中生成预测解冻需求曲线以及需求曲线对应的预测概率,根据预测解冻需求曲线和预测概率输出下一周期的门店预解冻清单,包括:
7.根据权利要求6所述的连锁门店的饮品预解冻控制方法,其特征在于,所述根据单一原料和原料组合的映射关系匹配预测样本数据以模拟解冻曲线,通过各个单一原料和原料组合的解冻曲线对解冻类型进行解冻分级,基于解冻分级对门店的预解冻清单匹配对应的解冻曲线生成预解冻方案,包括:
8.一种连锁门店的饮品预解冻控制系统,其特征在于,所述系统包括:
9.一种连锁门店的饮品预解冻控制设备,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至7任一项所述的连锁门店的饮品预解冻控制方法。
...【技术特征摘要】
1.一种连锁门店的饮品预解冻控制方法,其特征在于,所述方法包括:
2.根据权利要求1所述的连锁门店的饮品预解冻控制方法,其特征在于,所述采集各个门店营业的历史时序数据,采用混合负二项分布模型对全部的历史时序数据进行拟合,输出预测的营业阈值,基于所述营业阈值筛选所述历史时序数据生成第一营业数据,包括:
3.根据权利要求1所述的连锁门店的饮品预解冻控制方法,其特征在于,所述采集各个连锁门店的门店信息数据,基于所述门店信息数据构建各个连锁门店的关系图谱,根据所述关系图谱提取门店相似特征,通过门店相似特征筛选所述门店信息数据生成第二营业数据,包括:
4.根据权利要求1所述的连锁门店的饮品预解冻控制方法,其特征在于,所述融合所述第一营业数据和第二营业数据的时空特征,利用融合时空特征的误差定期对对预测样本的选择进行异常判断,实时更新作为预测样本的门店以及预测样本数据,包括:
5.根据权利要求4所述的连锁门店的饮品预解冻控制方法,其特征在于,所述预解冻需求包括以一个营业周期作为单位时间内门店销售饮品的单一原料、调味原料、风味原料以及原料组合中...
【专利技术属性】
技术研发人员:朱志彬,
申请(专利权)人:瑞幸咖啡科技海南有限公司,
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。