跨平臺訂單同步處理與庫存智能扣減系統及方法與流程

本發明跨平臺訂單同步處理與庫存智能扣減系統及方法，涉及訂單管理領域。

背景技術：

1、現有的關于訂單同步處理與庫存扣減系統及方法存在以下不足：

2、技術復雜度較高：跨平臺訂單同步處理系統需要整合多種信息系統和技術，如電商平臺api、數據庫管理系統、數據分析工具等；這種高度集成的系統對技術要求較高，需要企業投入大量時間和資源進行開發和維護。

3、數據安全性風險：由于該系統涉及企業的重要數據，如訂單信息、庫存數據等；一旦系統遭受黑客攻擊或數據泄露，將給企業帶來嚴重的經濟損失和聲譽損害。

4、維護成本較高：由于現有系統需要整合多種信息系統和技術，維護成本較高，企業需要投入一定的人力和物力來定期更新系統、修復漏洞和優化性能。

技術實現思路

1、針對現有技術存在的不足，本發明目的是提供跨平臺訂單同步處理與庫存智能扣減系統及方法，旨在解決訂單信息不同步和倉庫管理效率低的問題。

2、為了實現上述目的，本發明是通過如下的技術方案來實現：跨平臺訂單同步處理與庫存智能扣減系統包括：

3、訂單獲取模塊：用于獲取每個平臺的訂單信息；提取每個訂單信息中的商品名稱、商品價格和商品數量，得到購物信息；

4、訂單存儲模塊：用于對不同平臺的訂單信息進行去中心化加密和分割處理，得到碎片文件；根據碎片文件構建merkle樹；根據merkle樹的節點關系在服務區中保存每個平臺的訂單信息；

5、訂單分析模塊：用于獲取庫存信息，獲取每個平臺歷史訂單信息，獲取各種商品的出貨價格；根據歷史訂單信息、購物信息以及各種商品的出貨價格，預測各類商品的銷售數量和增長率以及每個平臺的利潤；

6、獲取各類商品的存儲成本和進貨成本，根據各類商品的銷售數量和增長率以及庫存信息為倉庫補充商品；再根據各類商品的存儲成本和進貨成本，以及每個平臺的利潤，調整各種商品的出貨價格，得到分析報告；

7、用戶交互模塊：用于連接和訪問區塊鏈，實時反饋每個平臺的訂單信息；匯總分析報告，并反饋。

8、進一步地，所述訂單存儲模塊的工作流程如下：

9、流程a1：統計平臺數量，記作ec；

10、對第1個平臺內全部的訂單信息進行去中心化加密和分割處理，得到碎片文件集1；

11、流程a2：重復對第1個平臺內全部的訂單信息進行去中心化加密和分割處理的相同流程，對第2個至第ec個平臺內全部的訂單信息進行去中心化加密和分割處理，得到碎片文件集2～碎片文件集ec；

12、流程a3：根據碎片文件集1～碎片文件集ec，依次構建第1至第ec個平臺對應的merkle樹，進入訂單分析模塊。

13、進一步地，所述流程a1的具體流程如下：

14、流程a11：將第1個平臺記作平臺α；統計平臺α內全部的訂單信息的數量，記作in；

15、統計平臺α內全部訂單信息的大小，記作is1、is2～isin；其中，is1表示第1個訂單信息的大小；is2表示第2個訂單信息的大小；以此類推，isin表示第in個訂單信息的大小；

16、提取is1～isin的最大值記作ismax，最小值記作ismin，眾數記作ismod；

17、流程a12：以1～10為誤差范圍，定義關系式a1、a2和a3；

18、關系式a1：lim（isi）→ismax；

19、關系式a2：lim（isi）→ismin；

20、關系式a3：lim（isi）→ismod；

21、其中，i的取值范圍為1～in；isi表示第i個訂單信息的大小；

22、將is1～isin代入關系式a1、a2和a3中，統計滿足關系式a1的個數記作b1，統計滿足關系式a2的個數記作b2，統計滿足關系式a3的個數記作b3；

23、計算最大值占比系數，記作c1，c1＝a1/in；

24、計算最小值占比系數，記作c2，c2＝a2/in；

25、計算眾數占比系數，記作c3，c3＝a3/in；

26、流程a13：計算is1～isin的平均數，記作ais；判斷c3與0.5的大小，確定文件分割的標準大小，記作δis；

27、若c3＞0.5，則δis＝ismin；

28、若c3≤0.5，則δis的計算式如下：

29、；

30、流程a14：對平臺α內全部訂單信息進行去中心化加密，得到第1至第in個訂單信息的加密文件；

31、流程a15：以δis為基準大小，依次對平臺α內第1至第in個加密文件進行分割，得到第1個加密文件的碎片文件ff（1）1、ff（1）2～ff（1）f1；其中，f1表示第1個加密文件碎片文件的數量，f1＝is1/δis；f1為正數，向上取整；ff（1）1～ff（1）f1表示對第1個加密文件進行分割后的碎片文件；

32、得到第2個加密文件的碎片文件ff（2）1、ff（2）2～ff（2）f2；其中，f2表示第2個加密文件碎片文件的數量，f2＝is2/δis；f2為正數，向上取整；ff（2）1～ff（2）f2表示對第2個加密文件進行分割后的碎片文件；

33、以此類推，得到（平臺α內）第in個加密文件的碎片文件ff（in）1、ff（in）2～ff（in）fin；其中，fin表示第in個加密文件碎片文件的數量，fin＝isin/δis；fin為正數，向上取整；ff（in）1～ff（in）fin表示對第in個加密文件進行分割后的碎片文件；

34、流程a16：匯總流程a15得到碎片文件，作為碎片文件集1。

35、進一步地，所述流程a14的具體流程如下：

36、流程a141：定義訂單信息的加密和解密流程；

37、訂單信息的加密流程如下：

38、使用tls/ssl等安全通信協議獲取安全參數，記作λ；

39、將安全參數λ作為setup算法的輸入，得到公鑰和主密鑰；把公鑰記作pk，主密鑰記作msk；

40、流程a142：獲取用戶的身份信息；將公鑰、主密鑰以及用戶的身份信息作為keygen算法的輸入，生成用戶的密鑰和id號；

41、獲取平臺α內全部訂單信息的絕對路徑，作為存儲路徑；使用rsa算法或ecc算法，生成待保護文件的對稱密鑰；

42、流程a143：將作為公鑰、密鑰、對稱密鑰以及存儲路徑作為encrypt算法的參數，將平臺α內第1至第in個訂單信息作為encrypt算法的輸入，執行encrypt算法得到第1至第in個訂單信息對應的屬性基密文，作為加密文件；完成加密過程。

43、進一步地，所述流程a3的具體流程如下：

44、流程a31：構建第1個平臺對應的merkle樹，記作樹m1；

45、根據第1個加密文件的碎片文件ff（1）1～ff（1）f1，構建merkle樹，記作樹α1；

46、流程a32：判斷f1是否為奇數，確定是否引入額外節點；

47、若f1為奇數，則不引入額外節點，進入流程a33構建merkle樹；

48、若f1為偶數，則引入額外節點，并把額外節點記作節點x,進入流程a34構建merkle樹；

49、流程a33：f1為奇數，構建ff（1）1～ff（1）f1的merkle樹，記作樹αⅰ，并把樹αⅰ作為樹α1；

50、流程a34：f1為偶數，構建ff（1）1～ff（1）f1的merkle樹，記作樹αⅱ，并把樹αⅱ作為樹α1；

51、將額外節點記作節點x;

52、將樹αⅱ的階數記作en；定義關系式a5，確定en的值，關系式a5如下：

53、[（2en－1）≥f1]∩（2en）min；其中，en為正整數，en由2逐一遞增；

54、使用build_binary_tree函數，構建一個階數為en，且節點數為f1的完全二叉樹，記作樹b1；

55、以節點x為樹b1的頂部節點，將碎片文件ff（1）1～ff（1）f1，按下標順序由樹b1的第2個節點自上而下依次填入樹b1中，得到樹b2；

56、重復構建數αⅰ的相同流程，得到樹αⅱ，并把樹αⅱ作為樹α1；

57、節點x的空間1和空間2都為空，節點x的空間3存入第1個碎片文件的哈希值；節點x的空間4存入第2個碎片文件的哈希值；

58、流程a35：重復構建樹α1的相同流程，構建第2個加密文件的碎片文件～第in個加密文件的碎片文件對應的merkle樹，得到樹α2～樹αin；

59、流程a36：判斷in是否為奇數，確定是否引入額外節點；

60、若in為奇數，則不引入額外節點；提取樹α2～樹αin中的頂部節點作為樹m1的普通節點，重復流程a33構建樹m1；

61、若in為偶數，則引入額外節點，并把額外節點記作節點y，以節點y作為樹m1的頂部節點，重復流程a34構建樹m1；

62、流程a37：重復構建樹m1的相同流程，構建第2至第ec個平臺對應的merkle樹，得到樹m1～樹mec；

63、獲取并利用用戶的身份信息，在云服務器中創建存儲空間，將樹m1～樹mec存入云服務器的存儲空間中，并返回樹m1～樹mec的訪問接口。

64、進一步地，所述流程a33的具體流程如下：

65、流程a331：將樹αⅰ的階數記作on；定義關系式a4，確定on的值，關系式a4如下：

66、[（2on－1）≥f1]∩（2on）min；其中，on為正整數，on由2逐一遞增；流程a332：使用build_binary_tree函數，構建一個階數為on，且節點數為f1的完全二叉樹，記作樹a1；

67、將碎片文件ff（1）1～ff（1）f1，按下標順序由樹a1的頂部節點自上而下依次填入樹a1中，得到樹a2；

68、流程a333：定義二叉樹上每個節點填充的約束條件1；

69、設二叉樹中相鄰兩個葉子節點的節點數為i和（i＋1）；

70、第i個節點和第（i＋1）個節點的根節點序號為左節點序號的一半，即第i個節點和第（i＋1）個節點的根節點序號為：i/2；

71、在每個二叉樹的節點中，創建兩個存儲空間，記作空間1和空間2，在空間1中存入下標數與節點數對應的碎片文件，在空間2中存入下標數與節點數相鄰的碎片文件哈希值；

72、葉子節點：第i個節點的空間1，存入第i個碎片文件；第i個節點的空間2，存入第（i＋1）個碎片文件的哈希值；

73、第（i＋1）個節點的空間1，存入第（i＋1）個碎片文件；第（i＋1）個節點的空間2，存入第i個碎片文件的哈希值；

74、根節點：根節點額外創建兩個存儲空間，記作空間3和空間4，在空間3和空間4中，分別存入對應葉子節點碎片文件的哈希值；

75、第（i/2）個節點的空間1，存入第（i/2）個碎片文件；

76、第（i/2）個節點的空間2，存入第[（i/2）＋1]個碎片文件的哈希值；

77、第（i/2）個節點的空間3，存入第i個碎片文件的哈希值；

78、第（i/2）個節點的空間4，存入第（i＋1）個碎片文件的哈希值；

79、流程a334：定義二叉樹上每個節點填充的約束條件2；

80、設j為只有左部的二叉樹的葉子節點；

81、第j個節點的空間1，存入第j個碎片文件；第j個節點的空間2為空，即null；

82、流程a335：流程a333和流程a334的約束條件1和約束條件2，由樹a2中第en層第f1個節點自下而上，依次填入每個節點對應的相鄰節點存儲碎片文件的哈希值，得到樹αⅰ，并把樹αⅰ作為樹α1。

83、進一步地，所述訂單分析模塊的工作流程如下：

84、流程b1：統計倉庫內各種商品的種類數和每種商品的庫存數量，得到庫存信息；

85、將倉庫內各種商品的種類數，記作ty；將倉庫內各種商品的庫存數量，記作tn1、tn2～tnty；其中，tn1表示第1種商品的庫存數量；tn2表示第2種商品的庫存數量；以此類推，tnty表示第ty種商品的庫存數量；

86、流程b2：獲取倉庫內每種商品的出貨價格，記作sh1、sh2～shty；其中，sh1表示第1種商品的出貨價格；sh2表示第2種商品的出貨價格；以此類推，shty表示第ty種商品的出貨價格；

87、獲取倉庫內每種商品的存儲成本，記作st1、st2～stty；其中，st1表示第1種商品的存儲成本；st2表示第2種商品的存儲成本；以此類推，stty表示第ty種商品的存儲成本；

88、獲取倉庫內每種商品的進貨成本，記作pu1、pu2～puty；其中，pu1表示第1種商品的進貨成本；pu2表示第2種商品的進貨成本；以此類推，puty表示第ty種商品的進貨成本；

89、流程b3：獲取當前日期記作m，d；其中，m表示當前月，d表示當前日；

90、根據m，獲取每個平臺近三年的訂單信息，作為歷史訂單信息；

91、提取各平臺訂單信息中第1種商品的購物信息，作為基準購物信息；提取各平臺歷史訂單信息中第1種商品的歷史訂單信息，作為基準歷史信息；

92、根據基準購物信息和基準歷史信息，預測第1種商品的銷售數量sq1和增長率upn1；依據第1種商品的存儲成本和進貨成本，補充第1種商品的庫存并對第1種商品的出貨價格進行一次調整；

93、流程b4：重復預測第1種商品的銷售數量和增長率的相同步驟，補充第2至第ty種商品的庫存并對第2至第ty種商品的出貨價格進行一次調整；

94、流程b5：定義計算式c，計算第1至第ec個平臺的利潤，計算式c如下：

95、；

96、其中，j和i都為正數，j的取值范圍為1～ec，i的取值范圍為1～ty；mm（j）表示第j個平臺的利潤，pm（j）i表示第j個平臺訂單信息中第i種商品的商品價格，pn（j）i表示第j個平臺訂單信息中第i種商品的商品數量；

97、將第1至第ec個平臺全部訂單信息中的商品價格和商品數量，代入計算式c中，計算第1至第ec個平臺的利潤，得到mm（1）、mm（2）～mm（ec）；其中，mm（1）表示第1個平臺的利潤；mm（2）表示第2個平臺的利潤；以此類推，mm（ec）表示第ec個平臺的利潤。

98、進一步地，所述流程b5的后續流程如下：

99、流程b6：提取mm（1）～mm（ec）的最大值記作mma，最小值記作mmb，眾數記作mmc；計算mm（1）～mm（ec）的平均值，記作amm；

100、定義關系式d1：lim（mm（i））→mma；

101、關系式d2：lim（mm（i））→mmb；

102、關系式d3：lim（mm（i））→mmc；

103、其中，i為正數，i的取值范圍為：1～ec；mm（i）表示第i個平臺的利潤；

104、將mm（1）～mm（ec）代入關系式d1、d2和d3中，統計滿足關系式d1的數，記作ppn1；統計滿足關系式d2的數，記作ppn2；統計滿足關系式d3的數，記作ppn3；

105、流程b7：計算第1至第ec個平臺的加權利潤，記作qmm，qmm的計算式如下：

106、；

107、根據qmm判斷第1至第ec個平臺中全部商品的出貨價格進行二次調整；

108、若qmm＞mm（p），則第p個平臺中全部商品的出貨價格變為ssh（p）q；ssh（p）q的計算式如下：

109、ssh（p）q＝[1＋（qmm－mm（p））1/ty]×sh（p）q；其中，p和q都為正數，p的取值范圍為1～ec，q的取值范圍為1～ty；

110、sh（p）q表示第p個平臺第q種商品調整前的出貨價格；ssh（p）q表示第p個平臺第q種商品調整后的出貨價格；

111、若qmm≤mm（p），則第p個平臺中全部商品的出貨價格不變；

112、流程b8：匯總流程b1～流程b7的分析結果作為分析報告。

113、進一步地，所述流程b3的具體流程如下：

114、流程b31：在基準購物信息中，統計每個平臺第1種商品的商品數量，記作pn1、pn2～pnec；其中，pn1表示第1個平臺第1種商品的商品數量；pn2表示第2個平臺第1種商品的商品數量；以此類推，pnec表示第ec個平臺第1種商品的商品數量；

115、計算pn1～pnec的和，記作apn；

116、計算第1個平臺的占比系數，記作aa1，aa1＝pn1/apn；

117、計算第2個平臺的占比系數，記作aa2，aa2＝pn2/apn；

118、以此類推，計算第ec個平臺的占比系數，記作aaec，aaec＝pnec/apn；

119、流程b32：在基準歷史信息中，統計近三年全部平臺第1種商品的總商品數量，得到：

120、第三年，全部平臺的總商品數量記作hpc；

121、第二年，全部平臺的總商品數量記作hpb；

122、第一年，全部平臺的總商品數量記作hpa；

123、計算第三年至第二年，第1種商品的銷售數量增長率，記作up（3-2）；up（3-2）＝（hpc－hpb）/hpc；

124、計算第二年至第一年，第1種商品的銷售數量增長率，記作up（2-1）；up（2-1）＝（hpb－hpa）/hpb；

125、流程b33：根據以及構建狀態轉移矩陣，記作矩陣b；矩陣b如下：

126、；

127、其中，矩陣b中的n表示狀態轉移矩陣的迭代次數，×表示矩陣乘法；n為自然數，n的初始值為1；矩陣b每迭代一次，n便在原有的基礎上加1；

128、使用numpy庫函數迭代矩陣b，得到矩陣b的穩態轉移矩陣，記作矩陣b`；

129、將矩陣b`中的元素，記作up1和up2；計算up1和up2的平均值，記作apu；將apu作為今年第1種商品的銷售數量增長率；

130、流程b34：計算今年m月第1種商品的總銷售數量，記作aapn，aapn＝[apn×（1＋apu）]×m/d；

131、將計算第1種商品的補充數量記作δpn，判斷aapn與apn的大小，確定δpn的值；

132、若aapn＞apn，則δpn的計算式：δpn＝aapn－apn，調整第1種商品的出貨價格，進入流程b35；

133、若aapn≤apn，則δpn＝0，第1種商品的出貨價格不調整；

134、流程b35：計算第1種商品的出貨凈利潤率，記作lr，lr＝（sh1－st1－pu1）/sh1；

135、將第1種商品出貨價格的總增加量記作δsh，δsh的計算式如下：

136、；

137、將第1個平臺第1種商品的出貨價格調整至sh（1），sh（1）＝sh1＋δsh1；其中，δsh1表示第1個平臺第1種商品出貨價格增加量，δsh1＝aa1×δsh；

138、將第2個平臺第1種商品的出貨價格調整至sh（2），sh（2）＝sh1＋δsh2；其中，δsh2表示第2個平臺第1種商品出貨價格增加量，δsh2＝aa2×δsh；

139、以此類推，將第ec個平臺第1種商品的出貨價格調整至sh（ec），sh（ec）＝sh1＋δshec；其中，δshec表示第ec個平臺第1種商品出貨價格增加量，δshec＝aaec×δsh。

140、跨平臺訂單同步處理與庫存智能扣減方法包括：

141、步驟s1：獲取每個平臺的訂單信息；提取每個訂單信息中的商品名稱、商品價格和商品數量，得到購物信息；

142、步驟s2：對不同平臺的訂單信息進行去中心化加密和分割處理，得到碎片文件；根據碎片文件構建merkle樹；根據merkle樹的節點關系在服務區中保存每個平臺的訂單信息；

143、步驟s3：獲取庫存信息，獲取每個平臺歷史訂單信息，獲取各種商品的出貨價格；根據歷史訂單信息、購物信息以及各種商品的出貨價格，預測各類商品的銷售數量和增長率以及每個平臺的利潤；

144、獲取各類商品的存儲成本和進貨成本，根據各類商品的銷售數量和增長率以及庫存信息為倉庫補充商品；再根據各類商品的存儲成本和進貨成本，以及每個平臺的利潤，調整各種商品的出貨價格，得到分析報告；

145、步驟s4：連接和訪問區塊鏈，實時反饋每個平臺的訂單信息；匯總分析報告，并反饋。

146、與現有技術相比，本發明的有益效果是：

147、提高工作效率：本發明能夠實現多個電商平臺間訂單的實時同步，大幅減少人工干預和重復勞動；通過自動化處理流程，系統能夠自動抓取、審核并分配訂單，提高訂單處理速度；此外，本發明能夠在訂單確認后即時更新庫存信息，避免超賣現象，確保庫存數據的準確性。

148、多平臺整合能力：該系統支持對接多個電商平臺，實現跨平臺訂單的統一管理；用戶無需在每個平臺上單獨處理訂單，而是可以集中在一個系統中完成所有操作，簡化操作流程，降低出錯率，使得企業能夠更加專注于核心業務的發展。

149、數據分析和決策支持：本發明具備強大的數據分析能力，系統能夠收集并整理來自多個平臺的訂單和庫存數據，生成詳盡的數據分析報告；這些報告可以幫助企業了解銷售趨勢和庫存狀況，調整營銷策略和庫存策略，以優化資源配置和提高運營效率。

150、提升客戶體驗：

151、本發明通過快速、準確地處理訂單和庫存，有助于提升客戶體驗；客戶下單后，系統能夠迅速響應并處理訂單，確保商品能夠及時送達；同時，智能庫存扣減功能避免了超賣現象的發生，保障了客戶的購買權益。