本發(fā)明涉及智能服務(wù)，尤其涉及一種基于大數(shù)據(jù)分析的鮮奶投放方法。

背景技術(shù)：

1、隨著現(xiàn)代科技的發(fā)展進(jìn)步，無人值守的智能服務(wù)設(shè)備例如無人售賣機(jī)、無人租借圖書館等設(shè)備已在人們的生活中廣泛應(yīng)用，服務(wù)行業(yè)中逐漸出現(xiàn)了適用人們不同產(chǎn)品需求的新型無人值守智能服務(wù)設(shè)備，相交上述設(shè)備多投放保質(zhì)時間較長的食品或物品作為售賣或租借的物品不同，新型無人值守智能服務(wù)設(shè)備內(nèi)可投放鮮奶、水果等保質(zhì)期較短的物品，進(jìn)而對新型無人值守智能服務(wù)設(shè)備內(nèi)的物品的配送和更換提出了新的需求。

2、在無人值守的鮮奶售賣機(jī)使用時，受時間節(jié)點(diǎn)、地理位置等因素的影響，需在鮮奶投放時對投放量進(jìn)行預(yù)估計(jì)算，同時需要對鮮奶銷售機(jī)器中的剩余存量進(jìn)行銷售時間的計(jì)算，從而使無人售賣的鮮奶機(jī)器達(dá)到最有效的使用。綜上所知，現(xiàn)有技術(shù)在實(shí)際使用上顯然存在不便與缺陷，所以有必要加以改進(jìn)，針對上述問題提出一種基于大數(shù)據(jù)分析的鮮奶投放方法。

技術(shù)實(shí)現(xiàn)思路

1、針對上述缺陷，本發(fā)明的目的在于提供一種基于大數(shù)據(jù)分析的鮮奶投放方法，其可以對鮮奶售賣機(jī)器的銷量進(jìn)行預(yù)測，從而滿足鮮奶銷售的需求，提供了一種基于大數(shù)據(jù)分析的鮮奶投放方法。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于大數(shù)據(jù)分析的鮮奶投放方法，包括：

3、步驟s1:中控模塊根據(jù)售賣區(qū)域內(nèi)同等機(jī)器的存量等級對單個鮮奶機(jī)的鮮奶投放量進(jìn)行預(yù)設(shè)。

4、步驟s2:檢測模塊根據(jù)單個鮮奶機(jī)的鮮奶存量、鮮奶的存放時間tc與預(yù)設(shè)值進(jìn)行對比得到該鮮奶機(jī)的投放等級狀態(tài)。

5、步驟s3:售賣模塊接收tc并判斷是否觸發(fā)補(bǔ)貨或停售操作，根據(jù)上述對比對警報(bào)模塊進(jìn)行觸發(fā)或不觸發(fā)動作，警報(bào)模塊同時接收反饋模塊觸發(fā)。

6、步驟s4:依據(jù)所述檢測模塊檢測到的溫度信息，售賣模塊儲存的銷售信息訓(xùn)練lstm長短期記憶網(wǎng)絡(luò)模型，并通過訓(xùn)練好的lstm模型預(yù)測單位時間內(nèi)的銷量。

7、根據(jù)本發(fā)明所述的一種基于大數(shù)據(jù)分析的鮮奶投放方法，所述存量等級包括第一預(yù)警信息、第二預(yù)警信息和第三預(yù)警信息，t10為第一預(yù)設(shè)時間，t11為第一售賣時間。

8、在第一預(yù)警信息下，所述存量占總存量的0～3％，其對應(yīng)的第一變量為a1，售賣模塊對應(yīng)的售賣時間為t11＝a1×t10。

9、在第二預(yù)警信息下，所述存量占總存量的0～10％，其對應(yīng)的第二變量為a2,售賣模塊對應(yīng)的售賣時間為t11＝a2×t10。

10、在第三預(yù)警信息下，所述存量占總存量的10％～100％，其對應(yīng)的第三變量為a3，售賣模塊對應(yīng)的售賣時間為t11＝a3×t10。

11、根據(jù)本發(fā)明所述的一種基于大數(shù)據(jù)分析的鮮奶投放方法，所述溫控模塊內(nèi)設(shè)有儲存溫度t1、出倉溫度t2、實(shí)時溫度t、對比參數(shù)k，第一判定時間t1，第二判定時間t2，t20為第二預(yù)設(shè)時間，t21為第二售賣時間和t22為第三售賣時間，其中t2>t1>0，t2>t1>0。

12、其中

13、t21＝k1×t20，t22＝k2×t20，

14、如果t21≥t22，t0＝t11+t21，

15、如果t22＜t21，t0＝t11+t22，

16、n表示第一判定時間t1和第二判定時間t2的采集信號的周期數(shù)。

17、若k1>k,所述溫控模塊判斷為儲存區(qū)域發(fā)生超溫或低溫現(xiàn)象，其對應(yīng)警報(bào)模塊判定為觸發(fā)狀態(tài)。

18、若k2>k,所述溫控模塊判斷為出倉區(qū)域發(fā)生超溫或低溫現(xiàn)象，其對應(yīng)警報(bào)模塊判定為觸發(fā)狀態(tài)。

19、若k1<k且k2<k,所述溫控模塊判斷為正常狀態(tài)，其對應(yīng)警報(bào)模塊為無觸發(fā)狀態(tài)。

20、根據(jù)本發(fā)明所述的一種基于大數(shù)據(jù)分析的鮮奶投放方法，所述存放時間tc>預(yù)設(shè)儲存時間ts，其對應(yīng)警報(bào)模塊判定為觸發(fā)狀態(tài)。

21、根據(jù)本發(fā)明所述的一種基于大數(shù)據(jù)分析的鮮奶投放方法，所述反饋模塊為外部觸發(fā)信號，反饋模塊被觸發(fā)時，其對應(yīng)警報(bào)模塊判定為觸發(fā)狀態(tài)；反饋模塊沒被觸發(fā)時，其對應(yīng)警報(bào)模塊判定為無觸發(fā)狀態(tài)。

22、根據(jù)本發(fā)明所述的一種基于大數(shù)據(jù)分析的鮮奶投放方法，所述s4和s5的步驟為：

23、①調(diào)用大數(shù)據(jù)的相關(guān)數(shù)據(jù)和鮮奶售賣機(jī)的歷史數(shù)據(jù)。

24、②對上述數(shù)據(jù)進(jìn)行預(yù)處理和生成時間序列的訓(xùn)練數(shù)據(jù)集，并根據(jù)預(yù)測任務(wù)制作監(jiān)督數(shù)據(jù)集。

25、③根據(jù)訓(xùn)練數(shù)據(jù)訓(xùn)練lstm長短期記憶網(wǎng)絡(luò)模型。

26、④根據(jù)訓(xùn)練完成的lstm長短期記憶網(wǎng)絡(luò)預(yù)測數(shù)據(jù)。

27、根據(jù)本發(fā)明所述的一種基于大數(shù)據(jù)分析的鮮奶投放方法，所述單位時間內(nèi)的銷量可選取小時、天和周等單位作為單位時間。

28、本發(fā)明提供了一種基于大數(shù)據(jù)分析的鮮奶投放方法，其有益效果為：通過預(yù)測模型實(shí)現(xiàn)對銷售量的預(yù)測，可以幫助乳制品生產(chǎn)商合理安排生產(chǎn)，避免產(chǎn)品過?；虿蛔悖@有助于降低庫存成本，滿足消費(fèi)者需求，同時模型的可遷移程度高，有利于模型的廣泛使用。

技術(shù)特征：

1.一種基于大數(shù)據(jù)分析的鮮奶投放方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)分析的鮮奶投放方法，其特征在于，所述存量等級包括第一預(yù)警信息、第二預(yù)警信息和第三預(yù)警信息，t10為第一預(yù)設(shè)時間，t11為第一售賣時間；

3.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)分析的鮮奶投放方法，其特征在于，所述溫控模塊內(nèi)設(shè)有儲存溫度t1、出倉溫度t2、實(shí)時溫度t、對比參數(shù)k，第一判定時間t1，第二判定時間t2，t20為第二預(yù)設(shè)時間，t21為第二售賣時間和t22為第三售賣時間，其中t2>t1>0，t2>t1>0；

4.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)分析的鮮奶投放方法，其特征在于，所述存放時間tc>預(yù)設(shè)儲存時間ts，其對應(yīng)警報(bào)模塊判定為觸發(fā)狀態(tài)。

5.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)分析的鮮奶投放方法，其特征在于，所述反饋模塊為外部觸發(fā)信號，反饋模塊被觸發(fā)時，其對應(yīng)警報(bào)模塊判定為觸發(fā)狀態(tài)；反饋模塊沒被觸發(fā)時，其對應(yīng)警報(bào)模塊判定為無觸發(fā)狀態(tài)。

6.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)分析的鮮奶投放方法，其特征在于，所述s4的步驟為：

7.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)分析的鮮奶投放方法，其特征在于，所述單位時間內(nèi)的銷量可選取小時、天和周等單位作為單位時間。

技術(shù)總結(jié)
本發(fā)明適用于無人智能服務(wù)技術(shù)領(lǐng)域，提供了一種基于大數(shù)據(jù)分析的鮮奶投放方法，中控模塊根據(jù)售賣區(qū)域內(nèi)同等機(jī)器的存量等級對單個鮮奶機(jī)的鮮奶投放量進(jìn)行預(yù)設(shè)；檢測模塊根據(jù)單個鮮奶機(jī)的鮮奶存量、鮮奶的存放時間與預(yù)設(shè)值進(jìn)行對比得到該鮮奶機(jī)的投放等級狀態(tài)；依據(jù)所述檢測模塊檢測到的溫度信息，售賣模塊儲存的銷售信息訓(xùn)練LSTM長短期記憶網(wǎng)絡(luò)模型，并通過訓(xùn)練好的LSTM模型預(yù)測單位時間內(nèi)的銷量，借此，本發(fā)明通過預(yù)測模型實(shí)現(xiàn)對銷售量的預(yù)測，避免產(chǎn)品過?；虿蛔?，這有助于降低庫存成本，滿足消費(fèi)者需求，同時模型的可遷移程度高，有利于模型的廣泛使用。

技術(shù)研發(fā)人員：潘海港,潘永明,李洪剛,王官運(yùn),韓偉東,杜振清
受保護(hù)的技術(shù)使用者：濰坊優(yōu)然智能科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30