dc.contributor.author | Штовба, О. В. | uk |
dc.contributor.author | Shtovba, O. V. | en |
dc.date.accessioned | 2024-04-05T08:44:03Z | |
dc.date.available | 2024-04-05T08:44:03Z | |
dc.date.issued | 2023 | |
dc.identifier.citation | Штовба О. В. Пріоритетні задачі смартизації шопінгу у традиційному гіпермаркеті за принципами Retail 4.0 [Текст] / О. В. Штовба // Innovation and Sustainbility. – 2023. –№ 2. – С. 8-17. | uk |
dc.identifier.uri | http://ir.lib.vntu.edu.ua//handle/123456789/41359 | |
dc.description.abstract | Retail 4.0 is the newest approach to Industry 4.0-based retail organization. Industry 4.0 involves the
industry transformation to the most robotic production, which is controlled by intelligent systems based on
cyber-physical devices with usage of Internet of things, cloud information resources, big data processing, and
virtual reality. The paper proposes two promising tasks for the implementation of Retail 4.0 technologies in the
practices of traditional hypermarkets and supermarkets with low investments. The first task concerns the
optimization of the buyer's route, and the second task concerns the optimization of the route of the store employee
who completes the online order. It is assumed that the trolleys with RFID-modules and a system of radio
frequency identification of the location of devices are available in a supermarket. Task of routine optimization
for a buyer with a smart trolley is reduced to a generalized traveling salesman task. The possibility of dynamic
adaptation of the route due to changes in the availability of aisles and stock of goods is considered. Three
monetization ways of the proposed routine optimization service are proposed. They are based either on direct
payment by the buyer for optimal routing service, or indirect payment through increased loyalty or the ability to
promote additional products through the recommendation module. Recommendations are provided at hand, i.e.
directly in the trading zone near the area of visibility to the recommending product. The second task concerns
the optimal completion of online orders by store employees. In addition to the possibility of dynamic adaptation
of the route, to save time, it is additionally suggested to complete two similar small orders at the same time. The
principles by which it is possible to identify the most similar pairs of orders from the point of view of their picking
routes have been formulated. | en |
dc.description.abstract | Retail 4.0 – це новітній підхід до організації роздрібної торгівлі на основі впровадження технологій Індустрії 4.0. Індустрія 4.0 передбачає перехід на максимально роботизоване виробництво, яким управляють інтелектуальні системи на основі кіберфізичних пристроїв та інтернету-речей, з використанням хмарних інформаційних ресурсів, технологій обробки великих даних та віртуальної реальності. У статті запропоновано дві перспективні задачі із впровадження технологій Retail 4.0 у діяльність традиційних гіпермаркетів та супермаркетів, які не потребують великих інвестицій. Перша задача стосується оптимізації маршруту покупця, а друга – оптимізації маршруту працівника магазину, який комплектує інтернет-замовлення. Передбачається наявність в магазині возиків з RFID-модулями та відповідної системи радіочастотної ідентифікації місцезнаходження пристроїв. Оптимізація маршрутизації покупця зі смарт-возиком зведена до узагальненої задачі комівояжера. При цьому враховано можливість динамічної адаптації маршруту через зміну доступності проходів та запасів товарів. Також запропоновано 3 варіанти монетизації для магазину від надання таких послуг клієнтам. Вони базуються або на прямій оплаті покупцем послуг системи оптимальної маршрутизації, або опосередкованій оплаті через збільшення лояльності чи за рахунок просування додаткових товарів рекомендаційним модулем. Рекомендації надаються «під руку», тобто безпосередньо в торговому залі в околі зони візуальної досяжності товару. Друга задача стосується оптимального комплектування інтернет-замовлень працівниками магазину. Окрім можливості динамічної адаптації маршруту, для економії часу додатково запропоновано одночасно комплектувати два схожих невеликих замовлення. Сформульовано принципи, за якими можна виявити найбільш схожі пари замовлень з точки зору маршрутів їх комплектування. | uk |
dc.language.iso | uk_UA | uk_UA |
dc.publisher | ВНТУ | uk |
dc.relation.ispartof | Innovation and Sustainbility. № 2 : 8-17. | en |
dc.relation.uri | https://ins.vntu.edu.ua/index.php/ins/article/view/175 | |
dc.subject | Retail 4.0 | en |
dc.subject | RFID | en |
dc.subject | роздрібна торгівля | uk |
dc.subject | гіпермаркет | uk |
dc.subject | супермаркет | uk |
dc.subject | смарт-возик | uk |
dc.subject | комплектування замовлення | uk |
dc.subject | оптимізація маршруту покупця | uk |
dc.subject | узагальнена задача комівояжера | uk |
dc.subject | retail | en |
dc.subject | hypermarket | en |
dc.subject | supermarket | en |
dc.subject | smart trolley | en |
dc.subject | order completion | en |
dc.subject | buyer's route optimization | en |
dc.subject | generalized traveling salesman problem | en |
dc.title | Пріоритетні задачі смартизації шопінгу у традиційному гіпермаркеті за принципами Retail 4.0 | uk |
dc.title.alternative | Retail 4.0 principles-based priority tasks of smartizing the shopping in a convencional hypermarket | en |
dc.type | Article | |
dc.identifier.udc | 339.372 | |
dc.relation.references | Lee C.K.H. (2017). A GA-based optimisation model for big data analytics supporting anticipatory
shipping in Retail 4.0. International Journal of Production Research, 55 (2), pp. 593-605.
https://doi.org/10.1080/00207543.2016.122116 | en |
dc.relation.references | Чміль Г.Л., Полевич К.В. (2021). Імплементація тренд-технологій концепції «індустрія 4.0» в
організацію діяльності ритейлу. Вісник Хмельницького національного університету. Економічні науки.
290 (1), С. 313-319. http://doi.org/10.31891/2307-5740 | uk |
dc.relation.references | Лісіца В.В. (2021). Тенденції розвитку мережевого ритейлу в Україні в період пандемії COVID19. Науковий вісник ПУЕТ. Серія «Економічні науки», 98 (2). С. 24-34. http://doi.org/10.37734/2409-6873-
2020-2-3 | uk |
dc.relation.references | Jayaram A. (2017). Smart Retail 4.0 IoT сonsumer retailer model for retail intelligence and strategic
marketing of in-store products. Proceedings of the 17th International Conference “Business Horizon-INBUSH
ERA-2017”, Noida, India
https://www.researchgate.net/publication/314114955_Smart_Retail_40_IoT_Consumer_Retailer_Model_for_
Retail_Intelligence_and_Strategic_Marketing_of_In-store_ProductsSukhani K. | en |
dc.relation.references | Qomariyah N.N., Purwita A.A. (2022). CleverCart: An Eco-Friendly Shopping Self-Checkout System
with IoT sensor. In IOP Conference Series: Earth and Environmental Science, 998 (1), pз. 012041). IOP
Publishing. doi:10.1088/1755-1315/998/1/012041 | en |
dc.relation.references | Satheesan P., Nilaxshan S., Alosius J., Thisanthan R., Raveendran P., Tharmaseelan J. (2021).
Enhancement of Supermarket using Smart Trolley. International Journal of Computer Applications, 975 (8887).
doi: 10.5120.ijca202192103 | en |
dc.relation.references | Setyanto A.Y.W., Ahmad F., Wicaksono J.B., Mutijarsa K. (2022). Smart Trolley with Position
Localization Method Based on QR Code Mapping using Computer Vision and Internet of Things. In 2022
International Conference on Information Technology Systems and Innovation, pp. 346-352. Doi:
10.1109/ICITSI56531.2022.9970792. | en |
dc.relation.references | Pangasa H., Aggarwal S. (2022). Development of automated billing system in shopping malls. Journal
of Ambient Intelligence and Humanized Computing, 13 (8), pp. 3883-3891. https://doi.org/10.1007/s12652-022-
03904-y | en |
dc.relation.references | Yin Y. (2021). An Exploration Study of Smart Retail Service Design for Older Customers in the UK.
In 2021 26th International Conference on Automation and Computing, pp. 1-6. DOI:
10.23919/ICAC50006.2021.9594225 | en |
dc.relation.references | Baek E., Haines S., Fares O.H., Huang Z., Hong Y., Lee S.H.M. (2022). Defining digital fashion:
Reshaping the field via a systematic review. Computers in Human Behavior, 107407.
https://doi.org/10.1016/j.chb.2022.107407 | en |
dc.relation.references | Ogunjimi A., Rahman M., Islam N., Hasan R. (2021). Smart mirror fashion technology for the retail
chain transformation. Technological Forecasting and Social Change, 173 (121118).
doi:10.1016/j.techfore.2021.121118 | en |
dc.relation.references | Rese A., Baier D., Geyer-Schulz A., Schreiber S. (2017). How augmented reality apps are accepted by
consumers: A comparative analysis using scales and opinions. Technological Forecasting and Social Change,
124, pp. 306-319. https://doi.org/10.1016/j.techfore.2016.10.010 | en |
dc.relation.references | .Kumari P.S., Samarakoon U. (2022). CertiMart: Use Computer Vision to Digitize and Automate
Supermarket with Fruit Quality Measuring and Maintaining. In 2022 4th IEEE International Conference on
Advancements in Computing, pp. 36-41. 10.1109/ICAC57685.2022.10025119 | en |
dc.relation.references | Mishra N., Keshri A.K. (2021). Smart racking and retailing using IOT. In Proceedings of the Fourth
International Conference on Microelectronics, Computing and Communication Systems. Springer Singapore.
pp. 645-653 https://doi.org/10.1007/978-981-15-5546-6_54 | en |
dc.relation.references | Lewinski P., Trzaskowski J., Luzak J. (2016). Face and emotion recognition on commercial property
under EU data protection law. Psychology & Marketing, 33 (9), pp. 729-746. https://doi.org/10.1002/mar.20913 | en |
dc.relation.references | Har L.L., Rashid U.K., Te Chuan L., Sen S.C., Xia L.Y. (2022). Revolution of retail industry: from
perspective of retail 1.0 to 4.0. Procedia Computer Science, 200, pp. 1615-1625.
https://doi.org/10.1016/j.procs.2022.01.362 | en |
dc.relation.references | Laporte G., Asef-Vaziri A., Sriskandarajah C. (1996). Some applications of the generalized travelling
salesman problem. Journal of the Operational Research Society, 47 (12), pp. 1461–
1467. doi:10.1057/jors.1996.190. | en |
dc.identifier.doi | https://doi.org/10.31649/ins.2023.2.8.17 | |
dc.identifier.orcid | https://orcid.org/0000-0003-1418-4907 | |