Інформаційна система автоматизованого розрахунку в магазинах

Abstract

У роботі представлено комплексний підхід до проектування та реалізації інформаційної системи автоматизованого розрахунку в магазинах. Основними завданнями дослідження були аналіз світових трендів безкасових рішень і обґрунтування вибору технологічного стека для забезпечення високої продуктивності, безпеки й зручності користувачів. У першому розділі досліджено еволюцію безкасових систем, зокрема Amazon Go, Trigo та Zippin, а також порівняно RFID і QR-технології [1; 2]. Другий розділ містить системний аналіз, де за допомогою МАІ оцінено вагові критерії і побудовано дерево цілей для формалізації основних функцій системи [3]. У третьому розділі обґрунтовано вибір React Native із Expo SDK для клієнта і Node.js + Express для серверної частини, а також документо-орієнтованої СУБД MongoDB для гнучкого зберігання даних [4; 5]. Четвертий розділ присвячено практичній реалізації модульної архітектури: структури каталогів, контролерів, middleware, роутів і інтерфейсних компонентів, Наукова новизна полягає у поєднанні системного аналізу з практичною реалізацією кросплатформенного рішення для роздрібної торгівлі. Робота має високу практичну цінність як прототип для впровадження в торговельних мережах та відкриває перспективи інтеграції аналітики машинного навчання.

The paper presents an integrated approach to the design and implementation of an information system for automated settlement in stores. The main objectives of the study were to analyze global trends in cashless solutions and to justify the choice of a technology stack to ensure high performance, security, and convenience. The first section examines the evolution of cashless systems, including Amazon Go, Trigo, and Zippin, and compares RFID and QR technologies [1; 2]. The second section contains a system analysis, where the weighting criteria (safety, cost, etc) are evaluated using hierarchy analysis method (HAM) and a goal tree is built to formalize the main functions of the system [3]. The third section justifies the choice of React Native with Expo SDK for the client and Node.js + Express for the server side, as well as the document-oriented MongoDB for flexible data storage [4; 5]. The fourth chapter is devoted to the practical implementation of the modular architecture: the structure of directories, controllers, middleware, routers, and interface components. The scientific novelty of the paper is the combination of a system analysis with the practical implementation of a cross-platform retail solution. The work is of high practical value as a prototype for implementation in retail chains and opens up prospects for integrating machine learning analytics.