[发明专利]库存自动化管理系统及其方法在审

专利信息
申请号: 202210005470.1 申请日: 2022-01-05
公开(公告)号: CN116205560A 公开(公告)日: 2023-06-02
发明(设计)人: 黄献竤;王恩慈;叶吉原;皇甫承佑 申请(专利权)人: 财团法人工业技术研究院
主分类号: G06Q10/087 分类号: G06Q10/087;G06Q10/0631;G06Q30/0201;G06F18/241;G06Q10/04;G06N20/00
代理公司: 中科专利商标代理有限责任公司 11021 代理人: 张博
地址: 中国台湾新竹*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 库存 自动化 管理 系统 及其 方法
【权利要求书】:

1.一种库存自动化管理系统,包括:

预训练模块,用于接收多分店的历史销售状态,包括全品类商品的历史销售状态、全分店的历史销售状态及总销售状态,预训练模块依照分店及品类商品的历史销售状态,对各分店及各品类商品的模型进行预训练;

多分店多商品训练模块,用于依据总销售状态取得各分店状态及各品类商品状态,并且利用预训练好的品类商品模型与分店模型进行水平与垂直关联性训练;

状态分析模块,用于判断多分店之间的关联性、多品类商品之间的关联性及分店及品类商品之间的垂直关联性,以将相关性高的多分店及多品类商品进行联结,以修正各该分店及各该品类商品的预期销售量;以及

库存决策模块,用于进行各该分店的多品类商品的订货,以决定各该分店的多品类商品的进货量。

2.根据权利要求1所述的系统,其中该预训练模块包括商品预训练模块以及分店预训练模块,该商品预训练模块依据该全品类商品的历史销售状态对各品类商品模型进行预训练,该分店预训练模块依据该全分店的历史销售状态对各分店模型进行预训练。

3.根据权利要求1所述的系统,其中该状态分析模块根据各该分店及各该品类商品的当期销售量及库存量以及上一个销售周期的进货量计算反馈误差,将各该分店及各该品类商品的该反馈误差及各该分店及各该品类商品的销售状态直接输入至该库存决策模块中以进行各该分店及各该品类商品的订货。

4.根据权利要求3所述的系统,其中该库存决策模块更包括将符合各该分店及各该品类商品与下一个销售周期的预期销售状态的进货量做为计算符合各该分店及各该品类商品于下下一个销售周期的进货量的反馈资料,输入至该状态分析模块以计算该反馈误差。

5.根据权利要求4所述的系统,其中该状态分析模块用于将相关性高的前N个分店的该反馈误差及相关性高的前N个品类商品的该反馈误差进行联结,以得到各该分店及各该品类商品的修正后反馈误差。

6.根据权利要求5所述的系统,其中该库存决策模块根据各该分店及各品类商品的修正后反馈误差进行各该分店的多品类商品的订货。

7.一种库存自动化管理方法,包括:

以预训练模块接收多分店的历史销售状态,包括全品类商品的历史销售状态、全分店的历史销售状态及总销售状态,该预训练模块依照分店及品类商品的历史销售状态,对各该分店及各该品类商品的模型进行预训练;

以多分店多商品训练模块依据该总销售状态取得各分店状态及各品类商品状态并且利用预训练好的该品类商品模型与该分店模型进行水平与垂直关联性训练;

以状态分析模块判断多分店之间的水平关联性、多品类商品之间的水平关联性及分店及品类商品之间的垂直关联性,以将相关性高的多分店及多品类商品进行联结,以修正各该分店及各该品类商品的预期销售量;以及

以库存决策模块进行各该分店的多品类商品的订货,以决定各该分店的多品类商品的进货量。

8.根据权利要求7所述的方法,其中该预训练模块包括商品预训练模块以及分店预训练模块,该商品预训练模块依据该全品类商品的历史销售状态对各品类商品模型进行预训练,该分店预训练模块依据该全分店的历史销售状态对各分店模型进行预训练。

9.根据权利要求7所述的方法,其中该状态分析模块根据各该分店及各该品类商品的当期销售量及库存量以及上一个销售周期的进货量计算反馈误差,将各该分店及各该品类商品的该反馈误差及各该分店及各该品类商品的销售状态直接输入至该库存决策模块中,以进行各该分店及各该品类商品的订货。

10.根据权利要求9所述的方法,其中该库存决策模块更包括将符合各该分店及各该品类商品于下一个销售周期的预期销售状态的进货量做为计算,符合各该分店及各该品类商品于下下一个销售周期的进货量的反馈资料,输入至该状态分析模块以计算该反馈误差。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于财团法人工业技术研究院,未经财团法人工业技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210005470.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top