HỆ HỖ TRỢ QUYẾT ĐỊNH ĐỀ TÀI DỰ BÁO DOANH SỐ BÁN HÀNG CỦA CHUỖI CỬA HÀNG

14 10 0
HỆ HỖ TRỢ QUYẾT ĐỊNH  ĐỀ TÀI  DỰ BÁO DOANH SỐ BÁN HÀNG CỦA CHUỖI CỬA HÀNG

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

Hệ hỗ trợ quyết định TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI VIỆN TOÁN ỨNG DỤNG VÀ TIN HỌC HỆ HỖ TRỢ QUYẾT ĐỊNH ĐỀ TÀI DỰ BÁO DOANH SỐ BÁN HÀNG CỦA CHUỖI CỬA HÀNG Giảng viên hướng dẫn TS LÊ CHÍ NGỌC Sinh viên thực hiện Đặng Đình Trung MSSV 20153957 Lớp KSTN Toán Tin K60 HÀ NỘI – 2019 Mục lục Lời nói đầu 3 CHƯƠNG 1 KHẢO SÁT HỆ THỐNG 4 1 Giới thiệu doanh nghiệp 4 2 Dữ liệu 4 3 Quy trình hoạt động của hệ thống 6 4 Giải pháp 6 CHƯƠNG 2 PHÂN TÍCH,THIẾT KẾ HỆ THỐNG 8 1 Biểu đồ usecase 8 2 Biểu đồ tuần tự 9 3.

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI VIỆN TOÁN ỨNG DỤNG VÀ TIN HỌC HỆ HỖ TRỢ QUYẾT ĐỊNH ĐỀ TÀI DỰ BÁO DOANH SỐ BÁN HÀNG CỦA CHUỖI CỬA HÀNG Giảng viên hướng dẫn: TS LÊ CHÍ NGỌC Sinh viên thực hiện: Đặng Đình Trung MSSV: 20153957 Lớp: KSTN-Tốn Tin K60 HÀ NỘI – 2019 Mục lục Lời nói đầu CHƯƠNG 1: KHẢO SÁT HỆ THỐNG .4 Giới thiệu doanh nghiệp Dữ liệu Quy trình hoạt động hệ thống Giải pháp CHƯƠNG 2: PHÂN TÍCH,THIẾT KẾ HỆ THỐNG Biểu đồ usecase Biểu đồ .9 Thiết kế hệ thống 10 Kết Luận 13 Danh mục hình ảnh Hình 1: Ma trận hệ số tương quan thuộc tính Hình 2: Quy trình hoạt động hệ thống Hình 3: Mơ hình RNN Hình 4: Mơ hình LSTM Hình 5: Biểu đồ usecase Hình 6: Biểu đồ đăng nhập Hình 7: Biểu đồ thống kê 10 Hình 8: Giao diện hệ thống 12 Lời nói đầu Thế giới ngày có nhiều tiến mạnh mẽ cơng nghệ thơng tin từ tiềm thông tin trở thành tài nguyên thực sự, với từ đời máy tính nhanh chóng phát triển đóng vai trị quan trọng nghiên cứu khoa học kỹ thuật đời sống Nhưng máy tính dù có mạnh đến đâu nữa, làm việc theo chương trình hoạch định sẵn lập trình viên Nó khơng có khả liên tưởng, kết nối việc với việc khác, quan trọng hết khả sang tạo người Ngày nay, với phát triển với tốc độ nhanh lĩnh vực công nghệ thông tin, lĩnh vực học máy không dừng mức độ nghiên cứu mà ngày đưa vào ứng dụng thực tế Xu hướng xây dựng ứng dụng sử dụng giải thuật học máy ngành cơng nghiệp hứa hẹn đầy tiềm Có nhiều giải thuật khác lĩnh vực học máy, giải thuật nhiều người quan tâm mô hình mạng Neural nhân tạo xây dựng hệ thống thơng minh với độ xác cao Trong thực tế, dự báo doanh số tốn khó nhà quản lý, khối lượng khổng lồ dự liệu thu về, phức tạp chúng Điều dẫn đến khó khăn định cho nhà quản lý định lượng hàng hóa nhập kho, lượng vốn cần dự trữ… Do đó, em chọn đề tài “Dự báo doanh số bán hàng chuỗi cửa hàng”, sử dụng mơ hình LSTM để xây dựng hệ hỗ trợ định cho nhà quản lý CHƯƠNG 1: KHẢO SÁT HỆ THỐNG Giới thiệu doanh nghiệp Doanh nghiệp chuỗi 60 cửa hàng bán đồ điện tử thành phố nước Nga, với 22000 sản phẩm khác Với số lượng lớn cửa hàng sản phẩm vậy, doanh nghiệp khó quản lý hàng hóa, nhân cơng, kho bãi… dẫn tới chất lượng phục vụ khách hàng bị giảm sút Hệ hỗ trợ quản lý đưa dự báo số lượng hàng hóa mặt hàng có khả bán ra, đồng thời đưa biểu đồ theo dõi mặt hàng, giúp cho nhà quản lý đưa định kịp thời, xác, cải thiện chất lượng dịch vụ doanh nghiệp Dữ liệu Tại thời điểm khảo sát, doanh nghiệp có liệu doanh số bán hàng 34 tháng, từ tháng năm 2013 đến tháng 10 năm 2015 Cụ thể liệu bao gồm trường: - item_category_name: tên chủng loại hàng item_category_id: số định danh chủng loại hàng item_name: tên hàng item_id: số định danh hàng shop_name: tên cửa hàng shop_id: số định danh cửa hàng item_price: giá mặt hàng item_cnt_day: số lượng hàng bán ngày date: ngày tháng năm Dữ liệu bao gồm 2935849 ghi, 84 chủng loại hàng Hình 1: Ma trận hệ số tương quan thuộc tính Quy trình hoạt động hệ thống Hình 2: Quy trình hoạt động hệ thống Khách hàng đến mua hàng cửa hàng thuộc chuỗi cửa hàng, nhân viên bán hàng ghi lại thông tin hoạt động bán hàng Dữ liệu bán hàng từ cửa hàng tổng hợp lại sở liệu doanh nghiệp Từ liệu thu database, chương trình xử lý dự đoán doanh số tháng tới chuỗi cửa hàng, dựa vào liệu tháng trước Chương trình sử dụng mơ hình LSTM để dự đoán Kết thu được hiển thị giao diện website giúp nhà quản lý dễ dàng theo dõi thực định tập trung hàng hóa, sử dụng kho bãi hợp lý, điều chỉnh nhân sự,… từ cải thiện chất lượng dịch vụ Giải pháp Mơ hình dự đốn sử dụng mạng LSTM Đây nâng cấp từ mạng RNN, cho phép xử lý liệu dạng chuỗi Ý tưởng sử dụng thơng tin từ đầu vào trước chuỗi để đưa dự đoán Input chuỗi theo thứ tự trạng thái ẩn bước thứ t tính dựa trạng thái ẩn bước t-1 đầu vào : Trong f gọi hàm kích hoạt, hàm phi tuyến ReLu đầu cần dự đốn Cơng việc thuật toán điều chỉnh tham số U, W cho đầu dự đoán gần với đầu thực Hình 3: Mơ hình RNN LSTM có kiến trúc dạng chuỗi vậy, mơ-đun có cấu trúc khác với mạng RNN chuẩn Đầu lúc tính bởi: Hình 4: Mơ hình LSTM CHƯƠNG 2: PHÂN TÍCH,THIẾT KẾ HỆ THỐNG Biểu đồ usecase Đăng nhập Người dùng Xem thống kê Hình 5: Biểu đồ usecase Chi tiết - Đăng nhập: Usecase người dùng vừa truy cập vào hệ thống Chỉ có người quản lý có tài khoản đăng nhập Các thông tin tài khoản gồm có tên đăng nhập mật Người dùng nhập thông tin tài khoản mật để đối chiếu với liệu có sở liệu, xác đăng nhập vào hệ thống, khơng khơng thể truy nhập - Xem thống kê: Usecase xảy người dùng vừa truy cập hệ thống Đây tính chính, cho phép người sử dụng xem thơng tin tổng quan doanh số cửa hàng, doanh số theo dõi tháng trước đó, dự đốn doanh số tháng tới Biểu đồ Hình 6: Biểu đồ đăng nhập Hình 7: Biểu đồ thống kê Thiết kế hệ thống 3.1 HTML HTML từ viết tắt HyperText Markup Language (ngôn ngữ đánh dấu siêu văn bản) dùng mô tả cấu trúc trang Web tạo loại tài liệu xem trình duyệt HTML tạo phát triển tổ chức W3C (World Wide Web Consortium) Hiện phiên HTML HTML5 với nhiều tính ưu việt so với phiên cũ 3.2 CSS 10 CSS (viết tắt Cascading Style Sheets) ngôn ngữ định dạng sử dụng để mơ tả trình bày trang Web, bao gồm màu sắc, cách bố trí phơng chữ CSS cho phép chúng hiển thị nội dung tương thích loại thiết bị có kích thước hình khác nhau, chẳng hạn hình lớn, hình nhỏ điện thoại hay máy tính CSS độc lập với HTML sử dụng với ngôn ngữ đánh dấu xây dựng dựa XML CSS tuân theo chuẩn chung W3C quy định 3.3 JavaScript JavaScript ngôn ngữ nhỏ nhẹ chạy môi trường máy chủ lưu trữ (ví dụ: trình duyệt web), JavaScript kết nối với đối tượng mơi trường để cung cấp kiểm sốt chương trình chúng JavaScript cho phép bạn thực điều phức tạp trang web đồ tương tác… Javascript hỗ trợ tất trình duyệt Firefox, Chrome, … chí trình duyệt thiết bị di động có hỗ trợ Hiện dùng rộng rãi cho trang web (phía người dùng) phía máy chủ (với Nodejs) 3.4 Bootstrap Bootstrap framework cho phép thiết kế website reponsive nhanh dễ dàng Bootstrap bao gồm HTML templates, CSS templates Javascript tao có sẵn như: typography, forms, buttons, tables, navigation, modals, image carousels nhiều thứ khác Trong bootstrap có thêm plugin Javascript Giúp cho việc thiết kế reponsive bạn dễ dàng nhanh chóng Bootstrap dược phát triển Mark Otto Jacob Thornton Twitter Nó xuất mã nguồn mở vào tháng năm 2011 11 GitHub Tính đến thời điểm viết viết phát triển năm Bản bootstrap bootstrap 3.5 Python Python ngơn ngữ lập trình thơng dịch (interpreted), hướng đối tượng (object-oriented), ngôn ngữ bậc cao (high-level) ngữ nghĩa động (dynamic semantics) Python hỗ trợ module gói (packages), khuyến khích chương trình module hóa tái sử dụng mã Trình thơng dịch Python thư viện chuẩn mở rộng có sẵn dạng mã nguồn dạng nhị phân miễn phí cho tất tảng phân phối tự Python sử dụng để xử lý liệu chạy mơ hình thơng qua thư viện pandas sklearn Đồng thời python sử dụng với flask để tạo web server web API phục vụ thiết kế giao diện cho người dùng sử dụng 3.6 Giao diện hệ thống Hình 8: Giao diện hệ thống 12 Kết Luận Bài báo cáo phương pháp phân tích thiết kế hệ thống dự báo doanh số, phục vụ cho nhu cầu nhà quản lý, giúp tăng cường suất, quản lý cách hiệu quả, phương pháp để dự đốn, cách phân tích usecase, biểu đồ, cách thiết kế hệ thống Tuy đơn giản sử dụng với mục đích để xác định mối liên quan biến độc lập biến phụ thuộc hệ thống có tiềm phát triển lớn để phục vụ yêu cầu cao nhà quản lý Thông qua đây, ta thấy rõ ưu điểm hệ hỗ trợ định trình quản lý: tự động hóa thuật tốn máy học thơng minh, giảm thiểu tối đa trình thực tay, tăng hiệu quản lý Tuy nhiên, phải ý hệ hỗ trợ định có tác dụng hỗ trợ việc định nhà quản lý, không tự động định thay cho nhà quản lý Vai trò người máy công ty tối quan trọng 13 ... điểm hệ hỗ trợ định trình quản lý: tự động hóa thuật tốn máy học thơng minh, giảm thiểu tối đa q trình thực tay, tăng hiệu quản lý Tuy nhiên, phải ý hệ hỗ trợ định có tác dụng hỗ trợ việc định. .. báo doanh số bán hàng chuỗi cửa hàng”, sử dụng mơ hình LSTM để xây dựng hệ hỗ trợ định cho nhà quản lý CHƯƠNG 1: KHẢO SÁT HỆ THỐNG Giới thiệu doanh nghiệp Doanh nghiệp chuỗi 60 cửa hàng bán đồ... bạn thực điều phức tạp trang web đồ tương tác… Javascript hỗ trợ tất trình duyệt Firefox, Chrome, … chí trình duyệt thiết bị di động có hỗ trợ Hiện dùng rộng rãi cho trang web (phía người dùng)

Ngày đăng: 26/06/2022, 02:12

Hình ảnh liên quan

Hình 1: Ma trận hệ số tương quan giữa các thuộc tính - HỆ HỖ TRỢ QUYẾT ĐỊNH  ĐỀ TÀI  DỰ BÁO DOANH SỐ BÁN HÀNG CỦA CHUỖI CỬA HÀNG

Hình 1.

Ma trận hệ số tương quan giữa các thuộc tính Xem tại trang 6 của tài liệu.
Hình 2: Quy trình hoạt động của hệ thống - HỆ HỖ TRỢ QUYẾT ĐỊNH  ĐỀ TÀI  DỰ BÁO DOANH SỐ BÁN HÀNG CỦA CHUỖI CỬA HÀNG

Hình 2.

Quy trình hoạt động của hệ thống Xem tại trang 7 của tài liệu.
Hình 3: Mô hình RNN - HỆ HỖ TRỢ QUYẾT ĐỊNH  ĐỀ TÀI  DỰ BÁO DOANH SỐ BÁN HÀNG CỦA CHUỖI CỬA HÀNG

Hình 3.

Mô hình RNN Xem tại trang 8 của tài liệu.
Hình 4: Mô hình LSTM - HỆ HỖ TRỢ QUYẾT ĐỊNH  ĐỀ TÀI  DỰ BÁO DOANH SỐ BÁN HÀNG CỦA CHUỖI CỬA HÀNG

Hình 4.

Mô hình LSTM Xem tại trang 8 của tài liệu.
Hình 6: Biểu đồ đăng nhập - HỆ HỖ TRỢ QUYẾT ĐỊNH  ĐỀ TÀI  DỰ BÁO DOANH SỐ BÁN HÀNG CỦA CHUỖI CỬA HÀNG

Hình 6.

Biểu đồ đăng nhập Xem tại trang 10 của tài liệu.
Hình 7: Biểu đồ thống kê - HỆ HỖ TRỢ QUYẾT ĐỊNH  ĐỀ TÀI  DỰ BÁO DOANH SỐ BÁN HÀNG CỦA CHUỖI CỬA HÀNG

Hình 7.

Biểu đồ thống kê Xem tại trang 11 của tài liệu.
Python được sử dụng để xử lý dữ liệu và chạy mô hình thông qua thư viện pandas và sklearn - HỆ HỖ TRỢ QUYẾT ĐỊNH  ĐỀ TÀI  DỰ BÁO DOANH SỐ BÁN HÀNG CỦA CHUỖI CỬA HÀNG

ython.

được sử dụng để xử lý dữ liệu và chạy mô hình thông qua thư viện pandas và sklearn Xem tại trang 13 của tài liệu.