[發明專利]一種生鮮門店智能訂貨系統

在審

• 申請號: 201811599892.6
• 申請日: 2018-12-26
• 公開（公告）號: CN109784984A
• 公開（公告）日: 2019-05-21
• 發明（設計）人: 楊森彬;張小波
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F16/2458
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 楊曉松

本發明公開了一種生鮮門店智能訂貨系統，包括：商品銷量預測模塊，用于確定打折促銷的時間點，并且對各個商品的打折促銷前的銷量進行預測；訂貨模塊，用于確定每個商品的實際訂貨量；以及促銷模塊，用于從商品銷量預測模塊獲取打折促銷的時間點，以及打折促銷的時間點之后商品的打折數。本發明系統給門店提供每天各個商品的訂貨量建議值，讓訂貨更簡單更智能；具有對商品合理客觀訂貨、統籌規劃生鮮門店可銷售商品的豐富度等特點，不但能最大限度解決門店因商品進貨過多或過少而損耗或供貨不足的問題，而且可提供一套門店促銷方案提升門店顧客的消費體驗，提升生鮮市門店的客戶購買體驗。

技術領域

本發明涉及數據挖掘及運籌學技術領域，具體涉及一種生鮮門店智能訂貨系統。

背景技術

在一些生鮮門店，對貨物新鮮度的要求非常高。這些市場或門店傳統的訂貨方法是根據店員或店長的經驗訂貨，存在著很大的個人主觀性，并對訂貨人的門店管理經驗要求較高。這種傳統的訂貨方法時常會因進貨過多導致商品當天無法出售而變質等損耗，或者因進貨較少導致商品供給不足。進貨過多或者過少都會對企業的經營不利，同時也影響顧客的消費體驗。

發明內容

針對現有技術中存在的問題，本發明提出一種生鮮門店智能訂貨系統，通過數據挖掘技術和運籌學等優化方法為生鮮門店提供當天的各個商品的訂貨建議值，解決生鮮門店訂貨不合理的問題，讓商品損耗率最大限度降低、在售商品豐富度更大，為門店獲取更多的利潤。

為了實現上述任務，本發明采用以下技術方案：

一種生鮮門店智能訂貨系統，包括：

商品銷量預測模塊，用于確定打折促銷的時間點，并且對各個商品的打折促銷前的銷量進行預測；

訂貨模塊，用于確定每個商品的實際訂貨量；

其中，所述的對各個商品的打折促銷前的銷量進行預測，包括：

獲取門店的歷史銷售數據，并進行異常值、缺失值的處理，之后進行特征挖掘，將挖掘的數據作為訓練集，將訓練集數據輸入到支持向量機算法與k近鄰算法融合后的預測模型中進行訓練，得出商品銷量預測模型，通過預測模型得到每個商品的預測銷量；

所述的確定每個商品的實際訂貨量，包括：

建立訂貨模型，并對訂貨模型進行求解，得到每個商品的理想訂貨量，根據損耗統計信息和理想訂貨量，求出各個商品的實際訂貨量提供給門店。

進一步地，所述的確定打折促銷的時間點，包括：

以門店歷史銷售數據做分析，統計歷史銷售數據中各個時間段的客單量平均值，取客單量占比為85％左右的整點時間作為該家門店以后打折促銷的時間點。

進一步地，所述的異常值、缺失值的處理，包括：

針對于門店的歷史銷售數據，采用lowess方法對打折促銷前各個商品的銷量數據進行平滑，設置閾值，將異常值和平滑后的值進行比較，如果超過閾值，則進行剔除；

對于商品的銷售數據中的缺失值，依次采用上周同天銷量、同周銷量中值、或同月銷量的中值進行填充。

進一步地，所述的進行特征挖掘，具體包括：

對影響商品銷量的幾個主要特征進行挖掘：歷史銷量特征、價格變化特征、溫度特征、周期性特征；

選擇過去7天每一個商品的銷量的均值、中值、標準差、調和平均值作為歷史銷量特征；

利用各個商品的當天價格與商品過去7天價格中值的比例作為價格變化特征；

將每5℃劃分為一個刻度，將溫度進行離散化并作為溫度特征；

對月進行傅里葉變化作為周期性特征。