John Lewis在所有时尚商品上使用RFID技术

简介:

英国百货连锁商店John Lewis在其46家店铺中的34家部署了超高频(UHF)EPC RFID技术,以改善其关键时尚产品的库存管理。该项目是在去年底的三个月内进行的,通过RFID阅读器来跟踪内衣,睡衣,泳装和男士正装的25,000个库存单位(SKUs)。

John Lewis的销售支持经理Rob Mitchell表示,该公司将在所有商品上进行了部署,让项目更简单。他表示:“随着我们推出更多的产品,这一数量将继续增长。” 到2018年初,该零售商预计将分3个阶段对所有商品进行标记。

该解决方案是由安全技术公司保点系统提供的,保点提供了软件和集成服务,该方案使用了Avery Denison提供的标签,Zebra提供的RFID读卡器。

手持读取器部署在所有34家门店中,使用驻留在零售商中央服务器上的保点软件来管理收集到的数据。该软件将为运营团队提供分析报告。

Mitchell报告说,自该系统去年部署以来,物品可用性得到了提升,从而提升了销量。该系统还降低了库存水平,公司无需在分店存储更多库存。Mitchell称:“该系统更好地指导了补货工作。同时,由于库存准确性提高了,门店无需预存太多库存,库存水平也得到了下降。”

John Lewis是英国领先的百货商店零售商。在此项目部署前,该公司在2014年和2015年开始在三家分店对部分商品进行了RFID试点。由于该试点项目的成功,公司决定在全球范围针对所有SKU进行部署。Mitchell解释说,目前,大约80%的物品在制造工厂进行标记,20%则由第三方进行标记。

标签附着在服装上后,每个标签的唯一ID号便于相应SKU一同存储在库存管理软件中。然后,销售人员会在收货时在门店进行读取。之后,员工便可执行日常库存盘点,并在库存不足时实时补货。

该百货公司销售大量不同供应商的商品。到目前为止,这些公司中约有100家正在将RFID标签附着到John Lewis门店销售的商品上。该公司选择在门店(而非配送中心)开始使用RFID读卡器,这样可以提高门店库存的精确度。

随着大量RFID数据的收集,零售商面临着数据分析的挑战。Mitchell说:“现在我们更了解库存数据。我们希望在今年对这些数据进行分析,以更好进行利用。”

Mitchell说,虽然手持式RFID阅读器提升了库存准确性,但固定式读取器可提供更自动化的数据收集方法。

Mitchell表示,未来,该公司将把RFID技术扩展到非时尚产品上,如亚麻布制品。亚麻布制品有多种尺寸,这让库存管理变得具有挑战性,这也给RFID技术带来很多发挥空间。他说:“一旦我们在足够多商品上进行标记,我们便不仅会将其利用在库存跟踪等方面,我们还将其用于消费体验改善上。”

2014年,零售商的旗舰店在家具上进行了RFID试点,客户便可在计算机上查看所选椅子,沙发等产品。

本文转自d1net(转载)

相关文章
|
Devops Java 测试技术
软件测试/测试开发|常见软件测试框架类型:TDD、BDD、DDD、ATDD、DevOps介绍
软件测试/测试开发|常见软件测试框架类型:TDD、BDD、DDD、ATDD、DevOps介绍
|
4月前
|
机器学习/深度学习 Ubuntu 物联网
ubuntu和linux 什么关系?
综上所述,Ubuntu与Linux之间存在着紧密的关系。Ubuntu是基于Linux内核的操作系统发行版之一,它继承了Linux的开源精神,并在此基础上进行了定制和优化,以更好地适应桌面和服务器应用。同时,Ubuntu也受益于Linux社区的支持和贡献,为用户提供了丰富的软件和工具选择。对于想要了解和使用开源操作系统的用户来说,Ubuntu无疑是一个值得推荐的选择。
|
传感器 人工智能 自然语言处理
智能咖啡厅助手:人形机器人 +融合大模型,行为驱动的智能咖啡厅机器人
智能咖啡厅助手:人形机器人 +融合大模型,行为驱动的智能咖啡厅机器人
智能咖啡厅助手:人形机器人 +融合大模型,行为驱动的智能咖啡厅机器人
|
存储
修改nuget包默认存放路径,避免增加C盘的负担
修改nuget包默认存放路径,避免增加C盘的负担
552 0
修改nuget包默认存放路径,避免增加C盘的负担
|
数据采集 XML JSON
Python基础之爬虫小例子
Python基础之爬虫小例子
172 0
Python基础之爬虫小例子
|
消息中间件 前端开发 JavaScript
手把手搭建WebSocket多人在线聊天室(SpringBoot+WebSocket)
本文内容摘要: 初步理解WebSocket的前后端交互逻辑 手把手使用 SpringBoot + WebSocket 搭建一个多人聊天室Demo 代码源码及其解释 前端展示页面
2795 0
|
机器学习/深度学习 搜索推荐 算法
推荐模型复现(三):召回模型YoutubeDNN、DSSM
DSSM(Deep Structured Semantic Model),由微软研究院提出,利用深度神经网络将文本表示为低维度的向量,应用于文本相似度匹配场景下的一个算法。不仅局限于文本,在其他可以计算相似性计算的场景,例如推荐系统中。根据用户搜索行为中query(文本搜索)和doc(要匹配的文本)的日志数据,使用深度学习网络将query和doc映射到相同维度的语义空间中,即query侧特征的embedding和doc侧特征的embedding,从而得到语句的低维语义向量表达sentence embedding,用于预测两句话的语义相似度。
3556 0
推荐模型复现(三):召回模型YoutubeDNN、DSSM
|
机器学习/深度学习 缓存 物联网
RISC-V架构能否引领物联网时代?
CPU是计算机系统(包含PC、手机与各种智能设备等)的核心,而处理器架构是 CPU 的基石。纵观CPU架构发展历史,技术、生态、产业共同影的一个架构成败。
RISC-V架构能否引领物联网时代?
|
存储 API 开发工具
根据斗鱼开发者文档获取斗鱼弹幕
根据斗鱼开发者文档开发相关弹幕抓取。
600 0
|
3天前
|
云安全 人工智能 自然语言处理

热门文章

最新文章