feat: 재고 분석 페이지 - 재고 변화 추이 그래프 추가
This commit is contained in:
thug0bin
172
backend/app.py
172
backend/app.py
@@ -10028,6 +10028,178 @@ def api_search_drugs():
|
||||
return jsonify({'success': False, 'error': str(e)}), 500
|
||||
|
||||
|
||||
@app.route('/api/stock-analytics/forecast')
|
||||
def api_stock_forecast():
|
||||
"""
|
||||
재고 소진 예측 API
|
||||
GET /api/stock-analytics/forecast?drug_code=A123456789
|
||||
|
||||
계산 로직:
|
||||
1. 최근 30일 출고량 조회 (IM_date_total에서 credit 합계)
|
||||
2. 평균 일일 출고량 = 총 출고량 / 실제 데이터 일수
|
||||
3. 예상 소진일 = 현재재고 / 평균출고량
|
||||
4. 소진 예상일 = 오늘 + 예상소진일
|
||||
5. 발주 권장일 = 소진예상일 - 3일 (리드타임)
|
||||
6. confidence: 데이터 많으면 high, 적으면 low
|
||||
7. trend: 최근 7일 vs 이전 23일 비교 → increasing/stable/decreasing
|
||||
"""
|
||||
conn = None
|
||||
try:
|
||||
drug_code = request.args.get('drug_code', '').strip()
|
||||
|
||||
if not drug_code:
|
||||
return jsonify({'success': False, 'error': '약품코드가 필요합니다'}), 400
|
||||
|
||||
# pyodbc 직접 연결 (기존 daily-trend API와 동일 방식)
|
||||
import pyodbc
|
||||
conn_str = (
|
||||
'DRIVER={ODBC Driver 17 for SQL Server};'
|
||||
'SERVER=192.168.0.4\\PM2014;'
|
||||
'DATABASE=PM_DRUG;'
|
||||
'UID=sa;'
|
||||
'PWD=tmddls214!%(;'
|
||||
'TrustServerCertificate=yes'
|
||||
)
|
||||
conn = pyodbc.connect(conn_str, timeout=10)
|
||||
cursor = conn.cursor()
|
||||
|
||||
# 1. 약품 정보 및 현재 재고 조회
|
||||
cursor.execute("""
|
||||
SELECT
|
||||
G.GoodsName as product_name,
|
||||
ISNULL(IT.IM_QT_sale_debit, 0) as current_stock
|
||||
FROM CD_GOODS G
|
||||
LEFT JOIN IM_total IT ON G.DrugCode = IT.DrugCode
|
||||
WHERE G.DrugCode = ?
|
||||
""", (drug_code,))
|
||||
|
||||
info_row = cursor.fetchone()
|
||||
|
||||
if not info_row:
|
||||
conn.close()
|
||||
return jsonify({'success': False, 'error': '해당 약품을 찾을 수 없습니다'}), 404
|
||||
|
||||
product_name = info_row.product_name or ''
|
||||
current_stock = int(info_row.current_stock or 0)
|
||||
|
||||
# 2. 최근 30일 출고 데이터 조회
|
||||
today = datetime.now(KST).date()
|
||||
thirty_days_ago = today - timedelta(days=30)
|
||||
|
||||
cursor.execute("""
|
||||
SELECT
|
||||
IM_DT_appl as date,
|
||||
ISNULL(IM_QT_sale_credit, 0) as outbound_qty
|
||||
FROM IM_date_total
|
||||
WHERE DrugCode = ?
|
||||
AND IM_DT_appl >= ?
|
||||
AND IM_DT_appl <= ?
|
||||
ORDER BY IM_DT_appl
|
||||
""", (drug_code, thirty_days_ago.strftime('%Y%m%d'), today.strftime('%Y%m%d')))
|
||||
|
||||
rows = cursor.fetchall()
|
||||
conn.close()
|
||||
|
||||
# 3. 데이터 처리
|
||||
if not rows:
|
||||
# 출고 데이터 없음
|
||||
return jsonify({
|
||||
'success': True,
|
||||
'drug_code': drug_code,
|
||||
'product_name': product_name,
|
||||
'current_stock': current_stock,
|
||||
'avg_daily_outbound': 0,
|
||||
'days_until_empty': None,
|
||||
'estimated_empty_date': None,
|
||||
'recommended_order_date': None,
|
||||
'confidence': 'none',
|
||||
'trend': 'unknown',
|
||||
'message': '최근 30일 출고 데이터가 없습니다'
|
||||
})
|
||||
|
||||
# 일별 출고량 집계
|
||||
daily_outbound = {}
|
||||
for row in rows:
|
||||
date_str = str(row.date)
|
||||
daily_outbound[date_str] = int(row.outbound_qty or 0)
|
||||
|
||||
# 총 출고량 및 평균 계산
|
||||
total_outbound = sum(daily_outbound.values())
|
||||
data_days = len(daily_outbound)
|
||||
avg_daily_outbound = total_outbound / data_days if data_days > 0 else 0
|
||||
|
||||
# 4. 예상 소진일 계산
|
||||
if avg_daily_outbound > 0:
|
||||
days_until_empty = int(current_stock / avg_daily_outbound)
|
||||
estimated_empty_date = today + timedelta(days=days_until_empty)
|
||||
# 발주 권장일 (소진 3일 전, 리드타임 고려)
|
||||
recommended_order_date = estimated_empty_date - timedelta(days=3)
|
||||
if recommended_order_date < today:
|
||||
recommended_order_date = today # 이미 지난 경우 오늘로
|
||||
else:
|
||||
days_until_empty = None
|
||||
estimated_empty_date = None
|
||||
recommended_order_date = None
|
||||
|
||||
# 5. 신뢰도 계산 (데이터 일수 기준)
|
||||
if data_days >= 20:
|
||||
confidence = 'high'
|
||||
elif data_days >= 10:
|
||||
confidence = 'medium'
|
||||
else:
|
||||
confidence = 'low'
|
||||
|
||||
# 6. 추세 분석 (최근 7일 vs 이전 23일)
|
||||
recent_7_days = []
|
||||
earlier_days = []
|
||||
|
||||
sorted_dates = sorted(daily_outbound.keys(), reverse=True)
|
||||
for i, date_key in enumerate(sorted_dates):
|
||||
if i < 7:
|
||||
recent_7_days.append(daily_outbound[date_key])
|
||||
else:
|
||||
earlier_days.append(daily_outbound[date_key])
|
||||
|
||||
if len(recent_7_days) >= 3 and len(earlier_days) >= 5:
|
||||
recent_avg = sum(recent_7_days) / len(recent_7_days)
|
||||
earlier_avg = sum(earlier_days) / len(earlier_days)
|
||||
|
||||
if earlier_avg > 0:
|
||||
change_ratio = (recent_avg - earlier_avg) / earlier_avg
|
||||
if change_ratio > 0.15: # 15% 이상 증가
|
||||
trend = 'increasing'
|
||||
elif change_ratio < -0.15: # 15% 이상 감소
|
||||
trend = 'decreasing'
|
||||
else:
|
||||
trend = 'stable'
|
||||
else:
|
||||
trend = 'stable' if recent_avg == 0 else 'increasing'
|
||||
else:
|
||||
trend = 'unknown'
|
||||
|
||||
return jsonify({
|
||||
'success': True,
|
||||
'drug_code': drug_code,
|
||||
'product_name': product_name,
|
||||
'current_stock': current_stock,
|
||||
'avg_daily_outbound': round(avg_daily_outbound, 2),
|
||||
'days_until_empty': days_until_empty,
|
||||
'estimated_empty_date': estimated_empty_date.strftime('%Y-%m-%d') if estimated_empty_date else None,
|
||||
'recommended_order_date': recommended_order_date.strftime('%Y-%m-%d') if recommended_order_date else None,
|
||||
'confidence': confidence,
|
||||
'trend': trend,
|
||||
'data_days': data_days
|
||||
})
|
||||
|
||||
except Exception as e:
|
||||
if conn:
|
||||
conn.close()
|
||||
logging.error(f"stock-forecast API 오류: {e}")
|
||||
import traceback
|
||||
traceback.print_exc()
|
||||
return jsonify({'success': False, 'error': str(e)}), 500
|
||||
|
||||
|
||||
if __name__ == '__main__':
|
||||
import os
|
||||
|
||||
|
||||
Reference in New Issue
Block a user