CN102542432B - 库存管理系统及方法 - Google Patents

库存管理系统及方法 Download PDF

Info

Publication number
CN102542432B
CN102542432B CN201110430117.XA CN201110430117A CN102542432B CN 102542432 B CN102542432 B CN 102542432B CN 201110430117 A CN201110430117 A CN 201110430117A CN 102542432 B CN102542432 B CN 102542432B
Authority
CN
China
Prior art keywords
time period
product
tomorrow
cost
day
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201110430117.XA
Other languages
English (en)
Other versions
CN102542432A (zh
Inventor
张晓晔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Jianfu Chain Management Co.,Ltd.
Original Assignee
Niuhai Information Technology (Shanghai) Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Niuhai Information Technology (Shanghai) Co Ltd filed Critical Niuhai Information Technology (Shanghai) Co Ltd
Priority to CN201110430117.XA priority Critical patent/CN102542432B/zh
Publication of CN102542432A publication Critical patent/CN102542432A/zh
Application granted granted Critical
Publication of CN102542432B publication Critical patent/CN102542432B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种库存管理系统及方法,该方法包括:S1、针对一产品分析此后一第一时间段内所有可行的包括至少一后天操作的后天操作序列以及所有将会发生的先天操作;S2、分别计算该产品在该第一时间段内的各个可行的后天操作序列的成本,并计算该产品在该第一时间段内的所有先天操作的成本;S3、分别计算在采用各个可行的后天操作序列时该产品在该第一时间段内的所有先天操作和所有后天操作的总成本;S4、在该第一时间段内所有可行的后天操作序列中选择一使得该产品在该第一时间段内的所有先天操作和所有后天操作的总成本最低的后天操作序列,并输出被选择的该后天操作序列中的第一个后天操作。本发明能够实现长期成本的最优化。

Description

库存管理系统及方法
技术领域
本发明涉及一种库存管理系统,特别是涉及一种能够实现长期成本最优化的库存管理系统以及一种相应的库存管理方法。
背景技术
目前已有多种库存管理方式,从使用电子表格的手动记录和统计,到管理效率较高的进存销库存管理软件等等。然而,现有的库存管理方式仍然不够完善,即使在科技水平较高的电子商务行业中也是如此。
在中小规模的电子商务企业中,在决策时过分倚重管理人员的经验以及购得的库存管理软件与本企业的实际运行状况难以紧密结合是最主要的问题所在。
在规模较大的电子商务企业中,同样不可避免地存在着过分倚重管理人员的经验来进行决策的问题。除此之外,大型的电子商务企业还有着一些特殊之处,例如,它们的经营范围一般都不会仅仅局限于一地,多地经营和多地仓储将使得它们在库存管理上面临的挑战更加复杂。
在多地经营和多地仓库的情况之下,一方面面临着因缺货而导致的机会成本的上升,另一方面则面临着因过多的备货而导致的仓储成本的上升以及随之而来的成本积压。对于任何一种产品而言,当这两方面因素无法取得较佳的平衡时便会导致整体成本的上升。
进一步地,企业的经营是个长期发展的过程,因此在进行决策时不仅仅需要考虑短期成本,还应当将长期成本也纳入考虑。当企业发展至多地经营和多地仓储的规模之后,这一决策思路将显得尤为重要。因为一个细分了各种成本因素的复杂运营系统就像一盘棋局,即使眼前这步看似有利于降低短期成本,其同时也有可能会导致长期成本的显著增加,从而满盘皆输。
然而,目前的库存管理软件却无一能够提供这样的长期成本优化功能,这已经成为了制约大规模的电子商务企业进一步发展壮大的关键技术瓶颈。
发明内容
本发明要解决的技术问题是为了克服现有技术中的库存管理方式无法实现长期成本最优化的缺陷,提供一种能够实现长期成本最优化的库存管理系统以及一种相应的库存管理方法。
本发明是通过下述技术方案来解决上述技术问题的:一种库存管理系统,其特点在于,其包括:
一短期成本计算模块,用于针对一产品计算各个先天操作和各个后天操作的成本;
一长期成本推演模块,用于针对该产品分析此后一第一时间段内所有可行的包括至少一后天操作的后天操作序列以及所有将会发生的先天操作,调用该短期成本计算模块分别计算该产品在该第一时间段内的各个可行的后天操作序列的成本以及计算该产品在该第一时间段内的所有先天操作的成本,并分别计算在采用各个可行的后天操作序列时该产品在该第一时间段内的所有先天操作和所有后天操作的总成本;
一后天操作推荐模块,用于在该第一时间段内所有可行的后天操作序列中选择一使得该产品在该第一时间段内的所有先天操作和所有后天操作的总成本最低的后天操作序列,并输出被选择的该后天操作序列中的第一个后天操作。
在本发明中,“先天操作”是指诸如缺货、损坏、过期、销售、返利或广告等人为不可控、无需人为决策便会在到期时自然触发的操作,而“后天操作”则是指诸如采购、调拨或仓储等人为可控、必须在人为决策之后才会执行的操作。
另外,在本发明中,在计算各个先天操作以及各个后天操作的成本时,对于诸如采购、调拨、缺货、仓储、损坏以及过期等操作所导致的支出,则将该支出视为相应操作的成本,而对于诸如销售、返利以及广告等操作所导致的收入,则将该收入取负后视为相应操作的成本。
另外,在本发明中,“此后一第一时间段”指的是从当前时刻起算的未来的一第一时间段,而下文中将要提及的“此前一第二时间段”指的则是从当前时刻起算的过去的一第二时间段。其中,该第一时间段以及下文中将要提及的一第三时间段的时长通常都是较为长期的,例如一个月至两个月不等,而该第二时间段以及同样将在下文中提及的一第四时间段的时长通常都是较为短期的,例如数天。
另外,在本发明中,“后天操作序列”指的是一系列将被按照时间先后顺序依次执行的后天操作。
一旦选定了该第一时间段之后,根据各个先天操作的自然发生规律便可以确定地预测获知将会在该第一时间段内自然触发的所有先天操作,同时,还可以确定地分析获知该第一时间内所有可行的后天操作序列。在该第一时间段内,所有先天操作的总成本将是确定的,而所有后天操作的总成本则将随着选择的后天操作序列的不同而有所改变,由此导致所有先天操作与所有后天操作的总成本也将随之有所改变,而本发明便正是用于分析获得这样的一个后天操作序列,即该后天操作序列能够使得该产品在该第一时间段内的所有先天操作和所有后天操作的整体成本达到最低,而当该第一时间段的时长选择得较为长期时,本发明便获得了一个能够实现长期成本最优化的最佳后天操作序列。
但是,获得该最佳后天操作序列并不意味着在该第一时间段的实际渡过过程中,企业便需要严格地按照该最佳后天操作序列进行决策,因为随着该第一时间段的逐渐渡过,该产品的实际运营状态通常会与本发明在最初进行长期成本推演时所采用的数据基础产生越来越大的差异,因此通过按照该最佳后天操作序列进行决策来实现长期成本最优化的可靠性也将越来越低。由此,更为实际的应用方式是,企业仅仅执行该最佳后天操作序列中的第一个后天操作,此后再基于经过更新的数据基础重新计算获得一个新的最佳后天操作序列作为接下来的一个操作决策的决策依据。
其中,各个后天操作各自独立地为采购、调拨或仓储,该短期成本计算模块包括一用于计算采购成本的采购成本计算模块、一用于计算调拨成本的调拨成本计算模块以及一用于计算仓储成本的仓储成本计算模块。
本发明的改进之处主要是在于长期成本最优化的实现,而至于具体的采购成本计算过程、调拨成本计算过程以及仓储成本计算过程则均可以按照本领域中各种公知的计算方法实现。
其中,各个先天操作各自独立地为缺货、损坏、过期、销售、返利或广告,该短期成本计算模块还包括一用于计算缺货成本的缺货成本计算模块、一用于计算损坏成本的损坏成本计算模块、一用于计算过期成本的过期成本计算模块、一用于计算销售成本的销售成本计算模块、一用于计算返利成本的返利成本计算模块以及一用于计算广告成本的广告成本计算模块。
本发明的改进之处主要是在于长期成本最优化的实现,而至于具体的缺货成本计算过程、损坏成本计算过程、过期成本计算过程、销售成本计算过程、返利成本计算过程以及广告成本计算过程则均可以按照本领域中各种公知的计算方法实现。
较佳地,该销售成本计算模块包括一销量推算模块以及一成本计算模块,该销量推算模块用于基于该产品的销量历史数据推算该产品在该第一时间段内的销量曲线,该成本计算模块用于根据该产品在该第一时间段内的销量曲线以及该产品的销售价格计算该产品在该第一时间段内的销售额、并将该销售额取负后作为该产品在该第一时间段内的销售成本。
较佳地,该销量推算模块用于:根据该产品的销量历史数据,计算该产品在此前一时长小于该第一时间段的第二时间段内的销量变化率,查询过去的一时长等于该第一时间段的第三时间段,其中该产品在该第三时间段内的一时长等于该第二时间段的第四时间段内的销量变化率最接近该产品在该第二时间段内的销量变化率,将该产品在该第三时间段内的销量变化率作为该产品在该第一时间段内的销量变化率,根据该产品在该第一时间段内的销量变化率计算该产品在该第一时间段内的销量曲线。
该销量推算模块的计算方式实质上即为:在该产品的销量历史数据中寻找一个过去的时间段(即该第三时间段),该时间段需要满足的条件为该时间段内存在数日的销量变化率与该产品近几日的销量变化率最为接近,然后利用寻找到的该时间段内的销量变化率来模拟该产品在此后的一个时间段(即该第一时间段)内的销量变化率,而一旦获得了销量变化率曲线,便可以简单地利用定积分计算获得相应时间段内的销量曲线了。
较佳地,该销量推算模块利用K-Means算法(一种聚类算法)在该产品的销量历史数据中查询该第三时间段。
本发明还提供了一种库存管理方法,其特点在于,其包括:
S1、针对一产品分析此后一第一时间段内所有可行的包括至少一后天操作的后天操作序列以及所有将会发生的先天操作;
S2、分别计算该产品在该第一时间段内的各个可行的后天操作序列的成本,并计算该产品在该第一时间段内的所有先天操作的成本;
S3、分别计算在采用各个可行的后天操作序列时该产品在该第一时间段内的所有先天操作和所有后天操作的总成本;
S4、在该第一时间段内所有可行的后天操作序列中选择一使得该产品在该第一时间段内的所有先天操作和所有后天操作的总成本最低的后天操作序列,并输出被选择的该后天操作序列中的第一个后天操作。
较佳地,在S4后,在执行完毕被输出的该第一个后天操作后,返回S1
其中,各个后天操作各自独立地为采购、调拨或仓储。
其中,各个先天操作各自独立地为缺货、损坏、过期、销售、返利或广告。
较佳地,S2中计算销售成本的过程包括:
S21、基于该产品的销量历史数据推算该产品在该第一时间段内的销量曲线;
S22、根据该产品在该第一时间段内的销量曲线以及该产品的销售价格计算该产品在该第一时间段内的销售额,并将该销售额取负后作为该产品在该第一时间段内的销售成本。
较佳地,S21包括:
S211、根据该产品的销量历史数据,计算该产品在此前一时长小于该第一时间段的第二时间段内的销量变化率;
S212、根据该产品的销量历史数据,查询过去的一时长等于该第一时间段的第三时间段,其中该产品在该第三时间段内的一时长等于该第二时间段的第四时间段内的销量变化率最接近该产品在该第二时间段内的销量变化率,将该产品在该第三时间段内的销量变化率作为该产品在该第一时间段内的销量变化率;
S213、根据该产品在该第一时间段内的销量变化率计算该产品在该第一时间段内的销量曲线。
较佳地,S212中利用K-Means算法在该产品的销量历史数据中查询该第三时间段。
较佳地,该库存管理方法利用上述的库存管理系统实现。
本发明的积极进步效果在于:本发明能够实现长期成本的最优化,并为企业提供在此后的一时间段内的最佳后天操作序列,从而为企业接下来的第一个后天操作提供最优化的决策依据。
附图说明
图1为本发明的该库存管理系统的结构示意图。
图2a为本发明的一实施例中执行调拨操作前后的库存状态示意图。
图2b为本发明的该实施例中执行采购操作前后的库存状态示意图。
图3为本发明的该实施例中的长期成本推演的成本曲线示意图。
具体实施方式
下面结合附图给出本发明较佳实施例,以详细说明本发明的技术方案。
参考图1所示,本发明的该库存管理系统包括一短期成本计算模块1、一长期成本推演模块2以及一后天操作推荐模块3。
对于任意一个产品而言,其总是具有多个会在到期时自然触发的先天操作,例如缺货、损坏、过期、销售、返利或广告等等,以及多个需要人为控制执行的后天操作,例如采购、调拨或仓储等等。而不论是先天操作还是后天操作,每个操作都会产生一定的成本,当然,如上所述,此处的成本既可能是支出形式的正成本,也可能是收入形式的负成本。
一旦选定了从当前时刻起算的未来的一第一时间段(例如一个月至两个月)之后,便可以按照各个先天操作的自然触发规律对该第一时间段内所有将会发生的先天操作进行预测,虽然该预测结果与未来的实际情况未必完全一致,但是在进行预测的该当前时刻下,该预测结果却是唯一确定的。另一方面,在选定了该第一时间段之后,同样可以对该第一时间段内所有可行的后天操作进行分析推测,但是由于后天操作并非自然触发、而是由人为控制的,因此该第一时间段内可行的后天操作序列必然存在着多种可选情况。
该短期成本计算模块1能够供该长期成本推演模块2调用,以针对一产品分别计算其各个先天操作以及各个后天操作的成本,即,该短期成本计算模块1可以包括例如一用于计算采购成本的采购成本计算模块11、一用于计算调拨成本的调拨成本计算模块12、一用于计算仓储成本的仓储成本计算模块13、一用于计算缺货成本的缺货成本计算模块14、一用于计算损坏成本的损坏成本计算模块15、一用于计算过期成本的过期成本计算模块16、一用于计算销售成本的销售成本计算模块17、一用于计算返利成本的返利成本计算模块18以及一用于计算广告成本的广告成本计算模块19等等。
该长期成本推演模块2能够针对该产品分析该第一时间段内所有可行的包括至少一后天操作的后天操作序列以及所有将会发生的先天操作,调用该短期成本计算模块分别计算该产品在该第一时间段内的各个可行的后天操作序列的成本以及计算该产品在该第一时间段内的所有先天操作的成本,并分别计算在采用各个可行的后天操作序列时该产品在该第一时间段内的所有先天操作和所有后天操作的总成本。
该后天操作推荐模块3则能够在该第一时间段内所有可行的后天操作序列中选择一使得该产品在该第一时间段内的所有先天操作和所有后天操作的总成本最低的后天操作序列,并输出该被选择的后天操作序列中的第一个后天操作。
在本实施例中,对各个先天操作以及各个后天操作的成本的计算均可以采用本领域中各种公知的方法进行,但由于本领域中公知的销售成本计算方法的预测准确性并非很高,因此接下来将对本实施例中采用的更佳的销售成本计算方式进行说明。
具体地说,该销售成本计算模块17可以进一步地包括一销量推算模块171以及一成本计算模块172。该销量推算模块171负责基于该产品的销量历史数据推算该产品在该第一时间段内的销量曲线,该成本计算模块172则负责根据该产品在该第一时间段内的销量曲线以及该产品的销售价格计算该产品在该第一时间段内的销售额、并将该销售额取负后作为该产品在该第一时间段内的销售成本。
而该销量推算模块171的具体推算方式则可以为:根据该产品的销量历史数据,并利用例如K-Means算法,计算该产品在此前一时长小于该第一时间段的第二时间段(例如最近数日)内的销量变化率(通过对销量求导而得),查询过去的一时长等于该第一时间段的第三时间段,其中该产品在该第三时间段内的一时长等于该第二时间段的第四时间段内的销量变化率最接近该产品在该第二时间段内的销量变化率,将该产品在该第三时间段内的销量变化率作为该产品在该第一时间段内的销量变化率,根据该产品在该第一时间段内的销量变化率计算该产品在该第一时间段内的销量曲线。
以下将通过一应用实例对本发明进行详细说明。
如图2a和图2b所示,假设在t=0时刻,A地发生了库存不足,则此时可以有两种可行的后天操作,即A地从销售速度较慢的B地调拨一批产品补充库存,或者,A地直接从本地采购一批产品补充库存,其中图2a所示即为执行调拨操作前后A地和B地的库存情况,而图2b所示则为执行采购操作前后A地和B地的库存情况。即,t=0时刻便形成了一个后天操作的选择节点,而在针对一较长的时间段进行长期成本推演时,则会出现许多个类似的后天操作选择节点,而在每个选择节点处选择不同的后天操作时,便会构成该较长时间段内的许多个后天操作序列。
图3便是在t=0时刻对从t=0时刻至t=t1时刻的该时间段内的长期成本推演的一种简化模拟。由于在t=0时刻时,已经能够唯一确定地预测出该时间段内的所有先天操作的成本,因此在图3中便将先天操作成本这一数值固定的影响因子从推演曲线中略去,而仅仅简单地考虑销售、采购以及调拨这三种后天操作。
以在t=0时刻选择进行采购、而后仅持续地进行销售(第一个后天操作序列)以及在t=0时刻选择进行调拨、并且此后每当库存不足时均再次选择进行调拨(第二个后天操作序列)这两种情况为例进行长期成本的推演比较。
继续参考图3,曲线C1代表前一种情况下的长期成本曲线,而曲线C2则代表后一种情况下的长期成本曲线。由于调拨并不需要购买产品而是只需支付少量运费,因此在第一个假定的后天操作之后(即采购或第一次调拨之后),曲线C1在短期内是呈现出高于曲线C2的状态的,但是当到达t=t1时刻的推演终点时,曲线C1反而是低于曲线C2的,即若在t=0时刻选择进行采购、而后仅持续地进行销售反而可以使得企业的长期成本更低。
在这种情况下,本发明的该库存管理系统便会在这两个后天操作序列中选择更佳的第一个后天操作序列,进而操作人员便会执行该第一个后天操作序列中的第一个后天操作,即在t=0时刻实际地执行采购操作。而至于接下来是否按照该第一个后天操作序列中描述的仅仅进行销售则未定,而是要等执行完毕t=0时刻开始的该采购操作之后,根据依实际运营状况进行过更新的数据再次执行长期成本推演,并再次获得一个新的最佳后天操作序列,而后选择该新的最佳后天操作序列中的第一个后天操作来执行,以确保最终能够实际实现长期成本的最优化。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。

Claims (14)

1.一种库存管理系统,其特征在于,其包括:
一短期成本计算模块,用于针对一产品计算各个先天操作和各个后天操作的成本,先天操作是指人为不可控、无需人为决策便会在到期时自然触发的操作,后天操作是指人为可控、必须在人为决策之后才会执行的操作;
一长期成本推演模块,用于针对该产品分析此后一第一时间段内所有可行的包括至少一后天操作的后天操作序列以及所有将会发生的先天操作,调用该短期成本计算模块分别计算该产品在该第一时间段内的各个可行的后天操作序列的成本以及计算该产品在该第一时间段内的所有先天操作的成本,并分别计算在采用各个可行的后天操作序列时该产品在该第一时间段内的所有先天操作和所有后天操作的总成本;
一后天操作推荐模块,用于在该第一时间段内所有可行的后天操作序列中选择一使得该产品在该第一时间段内的所有先天操作和所有后天操作的总成本最低的后天操作序列,并输出被选择的该后天操作序列中的第一个后天操作。
2.如权利要求1所述的库存管理系统,其特征在于,各个后天操作各自独立地为采购、调拨或仓储,该短期成本计算模块包括一用于计算采购成本的采购成本计算模块、一用于计算调拨成本的调拨成本计算模块以及一用于计算仓储成本的仓储成本计算模块。
3.如权利要求2所述的库存管理系统,其特征在于,各个先天操作各自独立地为缺货、损坏、过期、销售、返利或广告,该短期成本计算模块还包括一用于计算缺货成本的缺货成本计算模块、一用于计算损坏成本的损坏成本计算模块、一用于计算过期成本的过期成本计算模块、一用于计算销售成本的销售成本计算模块、一用于计算返利成本的返利成本计算模块以及一用于计算广告成本的广告成本计算模块。
4.如权利要求3所述的库存管理系统,其特征在于,该销售成本计算模块包括一销量推算模块以及一成本计算模块,该销量推算模块用于基于该产品的销量历史数据推算该产品在该第一时间段内的销量曲线,该成本计算模块用于根据该产品在该第一时间段内的销量曲线以及该产品的销售价格计算该产品在该第一时间段内的销售额、并将该销售额取负后作为该产品在该第一时间段内的销售成本。
5.如权利要求4所述的库存管理系统,其特征在于,该销量推算模块用于:根据该产品的销量历史数据,计算该产品在此前一时长小于该第一时间段的第二时间段内的销量变化率,查询过去的一时长等于该第一时间段的第三时间段,其中该产品在该第三时间段内的一时长等于该第二时间段的第四时间段内的销量变化率最接近该产品在该第二时间段内的销量变化率,将该产品在该第三时间段内的销量变化率作为该产品在该第一时间段内的销量变化率,根据该产品在该第一时间段内的销量变化率计算该产品在该第一时间段内的销量曲线。
6.如权利要求5所述的库存管理系统,其特征在于,该销量推算模块利用K-Means算法在该产品的销量历史数据中查询该第三时间段。
7.一种库存管理方法,其特征在于,其包括:
S1、针对一产品分析此后一第一时间段内所有可行的包括至少一后天操作的后天操作序列以及所有将会发生的先天操作,先天操作是指人为不可控、无需人为决策便会在到期时自然触发的操作,后天操作是指人为可控、必须在人为决策之后才会执行的操作;
S2、分别计算该产品在该第一时间段内的各个可行的后天操作序列的成本,并计算该产品在该第一时间段内的所有先天操作的成本;
S3、分别计算在采用各个可行的后天操作序列时该产品在该第一时间段内的所有先天操作和所有后天操作的总成本;
S4、在该第一时间段内所有可行的后天操作序列中选择一使得该产品在该第一时间段内的所有先天操作和所有后天操作的总成本最低的后天操作序列,并输出被选择的该后天操作序列中的第一个后天操作。
8.如权利要求7所述的库存管理方法,其特征在于,在S4后,在执行完毕被输出的该第一个后天操作后,返回S1
9.如权利要求8所述的库存管理方法,其特征在于,各个后天操作各自独立地为采购、调拨或仓储。
10.如权利要求9所述的库存管理方法,其特征在于,各个先天操作各自独立地为缺货、损坏、过期、销售、返利或广告。
11.如权利要求10所述的库存管理方法,其特征在于,S2中计算销售成本的过程包括:
S21、基于该产品的销量历史数据推算该产品在该第一时间段内的销量曲线;
S22、根据该产品在该第一时间段内的销量曲线以及该产品的销售价格计算该产品在该第一时间段内的销售额,并将该销售额取负后作为该产品在该第一时间段内的销售成本。
12.如权利要求11所述的库存管理方法,其特征在于,S21包括:
S211、根据该产品的销量历史数据,计算该产品在此前一时长小于该第一时间段的第二时间段内的销量变化率;
S212、根据该产品的销量历史数据,查询过去的一时长等于该第一时间段的第三时间段,其中该产品在该第三时间段内的一时长等于该第二时间段的第四时间段内的销量变化率最接近该产品在该第二时间段内的销量变化率,将该产品在该第三时间段内的销量变化率作为该产品在该第一时间段内的销量变化率;
S213、根据该产品在该第一时间段内的销量变化率计算该产品在该第一时间段内的销量曲线。
13.如权利要求12所述的库存管理方法,其特征在于,S212中利用K-Means算法在该产品的销量历史数据中查询该第三时间段。
14.如权利要求7-13中任意一项所述的库存管理方法,其特征在于,该库存管理方法利用如权利要求1-6中任意一项所述的库存管理系统实现。
CN201110430117.XA 2011-12-20 2011-12-20 库存管理系统及方法 Active CN102542432B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110430117.XA CN102542432B (zh) 2011-12-20 2011-12-20 库存管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110430117.XA CN102542432B (zh) 2011-12-20 2011-12-20 库存管理系统及方法

Publications (2)

Publication Number Publication Date
CN102542432A CN102542432A (zh) 2012-07-04
CN102542432B true CN102542432B (zh) 2015-11-25

Family

ID=46349272

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110430117.XA Active CN102542432B (zh) 2011-12-20 2011-12-20 库存管理系统及方法

Country Status (1)

Country Link
CN (1) CN102542432B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573840B (zh) * 2013-10-17 2017-09-01 中国人民解放军第二军医大学 医用耗材预估补货系统及其计算方法
KR101791534B1 (ko) * 2017-05-30 2017-10-30 주식회사 달콤 커피 제조 장치에서 발생된 이벤트를 관리자 단말에 통지하는 장치 및 이의 동작 방법
US11367046B2 (en) * 2018-02-19 2022-06-21 Target Brands, Inc. Method and system for tracking inventory

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1350244A (zh) * 2000-10-25 2002-05-22 日本电气株式会社 最低成本路径搜索装置及其使用的最低成本路径搜索方法
CN1620664A (zh) * 2002-01-29 2005-05-25 本田技研工业株式会社 用于确定最优批量的系统、程序和方法
CN1656490A (zh) * 2002-04-19 2005-08-17 萨利姆·达姆基 用于确定商品的最佳包装和运输的方法
CN1741053A (zh) * 2005-09-22 2006-03-01 上海交通大学 物流仓储决策支持系统
CN1916948A (zh) * 2005-08-15 2007-02-21 国际商业机器公司 用于用尽制造环境中的过剩库存的方法和系统
CN101901448A (zh) * 2010-06-30 2010-12-01 北京恒远志卓科技有限公司 一种新发票种销售曲线的预测方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1350244A (zh) * 2000-10-25 2002-05-22 日本电气株式会社 最低成本路径搜索装置及其使用的最低成本路径搜索方法
CN1620664A (zh) * 2002-01-29 2005-05-25 本田技研工业株式会社 用于确定最优批量的系统、程序和方法
CN1656490A (zh) * 2002-04-19 2005-08-17 萨利姆·达姆基 用于确定商品的最佳包装和运输的方法
CN1916948A (zh) * 2005-08-15 2007-02-21 国际商业机器公司 用于用尽制造环境中的过剩库存的方法和系统
CN1741053A (zh) * 2005-09-22 2006-03-01 上海交通大学 物流仓储决策支持系统
CN101901448A (zh) * 2010-06-30 2010-12-01 北京恒远志卓科技有限公司 一种新发票种销售曲线的预测方法及装置

Also Published As

Publication number Publication date
CN102542432A (zh) 2012-07-04

Similar Documents

Publication Publication Date Title
Jiang et al. Case-based reinforcement learning for dynamic inventory control in a multi-agent supply-chain system
Vahidinasab et al. Stochastic multiobjective self-scheduling of a power producer in joint energy and reserves markets
US20110054982A1 (en) Methods and systems for randomizing starting retail store inventory when determining distribution center and warehouse demand forecasts
WO2013102932A2 (en) System and method facilitating forecasting, optimization and visualization of energy data for an industry
US11476669B2 (en) Method and system for building reinforcement learning (RL) based model for generating bids
CN109325808A (zh) 基于Spark大数据平台的商品需求预测与物流分仓规划方法
Kremer et al. An econometric model for intraday electricity trading
Lam et al. A customer satisfaction inventory model for supply chain integration
JP2007004646A (ja) 電力取引支援システム及び電力取引支援プログラム
Patil et al. Management of uncertainty in supply chain
CN109961198A (zh) 关联信息生成方法和装置
CN111126905A (zh) 基于Markov决策理论的铸造企业原材料库存管理控制方法
CN102542432B (zh) 库存管理系统及方法
KR20240025574A (ko) 지능형 수요 반응 입찰 관리 시스템 및 그 방법
Barron The continuous (S, s, Se) inventory model with dual sourcing and emergency orders
KR20210014432A (ko) 원자재 수요예측시스템을 이용한 원자재 수요예측 정확도 향상방법
US11315145B1 (en) Systems and methods for increasing digital marketing campaign efficiency
Senthilvadivu et al. Modeling of bidding strategies in a competitive electricity market: A hybrid approach
US20160283897A1 (en) Days of inventory determination based on constraints
JP2020187416A (ja) 物流管理システム
CN108921607A (zh) 一种零售商品动态定价方法、装置、设备、系统及介质
Livdan et al. Incentivizing irreversible investment
Radhakrishnan et al. Genetic algorithm based inventory optimization analysis in supply chain management
Lahouar et al. Comparative study of learning machine predictors for half-hour and day-ahead electricity price forecast in deregulated markets
JP2001243401A (ja) 受注予測システム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20160920

Address after: East Building 11, 100195 Beijing city Haidian District xingshikou Road No. 65 west Shan creative garden district 1-4 four layer of 1-4 layer

Patentee after: Beijing Jingdong Shangke Information Technology Co., Ltd.

Address before: 201203 Shanghai city Pudong New Area Zu Road No. 295 Room 102

Patentee before: Niuhai Information Technology (Shanghai) Co., Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20201112

Address after: No.8-6, Putou South Road, Haicang District, Xiamen City, Fujian Province

Patentee after: Xiamen xinjianfu e-commerce Co., Ltd

Address before: East Building 11, 100195 Beijing city Haidian District xingshikou Road No. 65 west Shan creative garden district 1-4 four layer of 1-4 layer

Patentee before: BEIJING JINGDONG SHANGKE INFORMATION TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210514

Address after: 361000 No.8, Putou South Road, Haicang District, Xiamen City, Fujian Province

Patentee after: Xiamen Jianfu Chain Management Co.,Ltd.

Address before: No.8-6, Putou South Road, Haicang District, Xiamen City, Fujian Province 361022

Patentee before: Xiamen xinjianfu e-commerce Co., Ltd