[发明专利]一种零售设备配置优化方法

权利要求书

1.一种零售设备配置优化方法，其特征在于包括如下步骤：

步骤1，获取计算周期内每个设备在顾客使用时产生的清单级流水数据；

步骤2，根据步骤1的流水数据，得到每个设备在计算周期内每个时段的服务次数；

步骤3，对该服务次数进行不同分位值取值；

步骤4，以每个设备在步骤3取值的分位值作为维度，进行聚类；

步骤5，对不同的类别进行打分，分值越高的越繁忙；

步骤6，计算在同一网点的设备繁忙程度的均值，得到需要增加或者减少设备的网点。

2.如权利要求1所述的一种零售设备配置优化方法，其特征在于：所述步骤1中，设备的数量在100台以上。

3.如权利要求1所述的一种零售设备配置优化方法，其特征在于：所述步骤2中，对于需要取得特定服务内容的流水数据，在步骤1中的流水数据增加“服务内容”的字段，根据该字段选取后续计算需要的流水数据，然后再剔除“服务内容”数据字段。

4.如权利要求1所述的一种零售设备配置优化方法，其特征在于：所述步骤2的具体过程是：

步骤21，对于每个设备的流水数据X，格式如下：

日期时间网点设备ID

时间的格式为HH:MM:SS；

首先提取时间格式中的HH:MM字符串，形成新的数据字段“分钟”；然后提取时间格式中的HH字符串，形成新的数据字段“时段”；这样，流水数据X的数据格式就变成：

日期时间网点设备ID分钟时段

步骤22，对于每一个设备以日期和分钟进行分组统计数据的条数，得到统计结果A，字段如下：

设备ID日期分钟服务次数

步骤23，对于流水数据X以“网点”，“设备ID”，“日期”，“时段”分组，统计服务次数，得到每个网点中，每个设备在每个时段的服务次数，数据结果为F，数据格式如下：

网点设备ID日期时段服务次数

步骤24，删除数据F中服务次数大于n的数据，然后对数据F截取后续步骤需要的时段；

步骤25，取F数据中的字段“日期”和“设备ID”，对这两列进行去重，对于每个日期，都补齐全部时段；

步骤26，将步骤25的结果与数据F进行合并，合并的依据列为“设备ID”，“日期”和“时段”，且是对步骤25的结果为主，这样形成新的数据F0，格式如下：

网点设备ID日期时段服务次数

若数据F0中的列“服务次数”，如果是NA值，则赋为0。

5.如权利要求4所述的一种零售设备配置优化方法，其特征在于：所述步骤21中，对于流水数据X，还进行如下处理：

对每一个设备统计日期数，结果B为每一个设备有流水数据的天数，数据格式如下：

设备ID工作天数

然后选取“工作天数”少于30的设备ID，如果结果为空，转步骤23，否则，在流水数据X中删除“工作天数”小于30天的设备的流水记录，然后转步骤23。

6.如权利要求5所述的一种零售设备配置优化方法，其特征在于：所述步骤22得到的统计结果A，若“服务次数”大于等于m次的记录不为空，其中，m表示设备在一分钟内不可能服务次数的最小值，则进行如下处理；

步骤a，根据“服务次数”大于等于m次的“设备ID”，“日期”，“分钟”，黏贴在一起形成新的列“key_str”，新的列中值都是唯一的；

设备ID日期分钟服务次数key_str

步骤b，对于流水数据X，重复步骤a的操作；

步骤c，以字段“key_str”删除一分钟内服务次数大于等于m次的流水记录；

步骤d，删除流水记录X中的字段“key_str”。

7.如权利要求1所述的一种零售设备配置优化方法，其特征在于：所述步骤5的具体过程是：

步骤51，将聚类结果赋给特征矩阵的数据，得到数据M的格式为：

设备ID v1 v2 … vn聚类结果

其中，n为维度；

步骤52，对数据M以聚类结果为分组，分别求得v1,v2,…,vn每一个维度的中位值，并对这些中位值进行加和；

步骤53，对加和值进行排序，从高到底分别赋繁忙值，繁忙值越大，代表越繁忙。