CN106529869A - 一种物资库存物料动态特征分析平台及其分析方法 - Google Patents
一种物资库存物料动态特征分析平台及其分析方法 Download PDFInfo
- Publication number
- CN106529869A CN106529869A CN201610961208.9A CN201610961208A CN106529869A CN 106529869 A CN106529869 A CN 106529869A CN 201610961208 A CN201610961208 A CN 201610961208A CN 106529869 A CN106529869 A CN 106529869A
- Authority
- CN
- China
- Prior art keywords
- data
- analysis
- model
- safety inventory
- safety
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 75
- 239000000463 material Substances 0.000 title claims abstract description 56
- 238000013500 data storage Methods 0.000 claims abstract description 16
- 238000013079 data visualisation Methods 0.000 claims abstract description 13
- 230000000694 effects Effects 0.000 claims abstract description 11
- 238000003860 storage Methods 0.000 claims abstract description 8
- 238000007405 data analysis Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 15
- 239000011232 storage material Substances 0.000 claims description 14
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 10
- 241001269238 Data Species 0.000 claims description 6
- 238000013398 bayesian method Methods 0.000 claims description 3
- 230000033228 biological regulation Effects 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 1
- 230000010354 integration Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 5
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
一种物资库存物料动态特征分析平台及其分析方法。平台包括数据可视化模块、数据存储分析模块和数据采集模块,其中数据采集模块包括HBase分布式数据库、Hadoop HDFS分布式文件系统和YARN分布式计算框架;本发明提供的物资库存物料动态特征分析平台及其分析方法的效果:能够有效降低库存成本和资金占用率,对企业物资的计划、采购、仓储方面等进行业务融合,提高库存合理性和资金利用率,从而提升企业物力集约化水平。
Description
技术领域
本发明属于大数据平台技术领域,特别是涉及一种物资库存物料动态特征分析平台及其分析方法。
背景技术
随着电力系统信息化建设的不断提升和完善。系统运行已积累了海量数据,但目前这些数据尚未得到充分利用,因此数据资产亟待开发;数据分析仍停留在报表、统计阶段,缺乏前瞻性的预测;传统的业务分析和辅助决策功能、性能上存在一定瓶颈,信息共享融合不够及时。半结构化、非结构化及海量数据开发利用需要大数据技术支撑,基于学习理论的预测及数据优化理论的决策需要数据挖掘技术支撑,海量数据处理及高效查询需大数据分布式处理及内存计算支撑,大数据应用平台可为各类型数据整合、利用、融合提供全面支撑。
因此,大数据应用试点研究项目深入应挖掘大数据技术在物资管理领域的应用价值,提炼大数据技术与物资管理业务融合的关键点,积累面向运营管理的大数据应用经验,从而有效提升集约化水平。但目前尚未缺少有效的方法。
发明内容
为了解决上述问题,本发明的目的在于提供一种物资库存物料动态特征分析平台及其分析方法。
为了达到上述目的,本发明提供的物资库存物料动态特征分析平台包括数据可视化模块、数据存储分析模块和数据采集模块,其中数据采集模块包括HBase分布式数据库、Hadoop HDFS分布式文件系统和YARN分布式计算框架;所述的数据采集模块的作用在于物资信息的采集;数据存储分析模块的作用在于对上述数据采集模块3采集的物资信息利用相关模型进行分析,并存储分析结果;数据可视化模块的作用在于显示上述数据存储分析模块2的分析结果。
本发明提供的物资库存物料动态特征分析方法包括按顺序执行的下列步骤:
步骤1)数据采集及处理:由数据采集模块从数据源采集数据,并采用数据清洗、转换、整合在内的方式对上述数据进行预处理;
步骤2)数据分析:由数据存储分析模块利用支持向量机或稀疏贝叶斯方法分别建立安全库存度量指标分析模型及安全库存决策模型,然后利用上述模型对上述预处理后的数据进行分析和计算,并根据各仓库所辖片区电网的包括电网规模、服役年限在内的物理属性对中心库、周转库的物资需求进行概率预测;
步骤3)数据可视化:利用上述数据可视化模块对上述经数据存储分析模块分析后的数据进行可视化化展示。
在步骤1)中,所述的数据源包括数据中心的数据、POI位置数据、外部数据;其中数据中心的数据来源主要是电力信息化信息系统,数据类型包括结构化数据、非结构化数据;电力信息化信息系统包括ERP、ECP、PMS、规划计划在内的信息系统;POI位置数据包括GIS系统的设备经纬度数据、百度地图的项目地理数据;外部数据主要包括库存成本数据。
在步骤1)中,所述的数据采集及处理的具体步骤包括:
步骤1.1)首先从数据中心获取ERP信息系统的数据,包括物资历史消耗、项目建设、维修工单、库存余额在内的数据;
步骤1.2)根据所选择的设备范围,通过与PMS信息系统的接口获取GIS接口所需设备关键数据、设备编号、全球唯一标识、设备分类在内的数据;
步骤1.3)通过与GIS信息系统和接口获取返回设备坐标数据,包括设备的经纬度数据,并计算距离,同时对设备的经纬度数据采用坐标偏移和AES256方式进行加密;
步骤1.4)通过与规划计划系统的接口获取项目地址数据;
步骤1.5)通过百度地图接口返回项目坐标数据,包括项目的经纬度数据,并计算出该项目与仓库坐标数据间的距离。
在步骤2)中,所述的建立安全库存度量指标分析模型的方法包括下列步骤:
步骤2.1)结合物料消耗和库存决策在内的影响因素,综合考虑对安全库存度量指标分析模型存在影响的因素:根据业务梳理的结果,从物料消耗量、物料消耗波动、物料消耗覆盖月份数三个维度建立安全库存度量指标分析模型;
步骤2.2)从步骤1)采集的数据中提取出与物料消耗量、物料消耗波动、物料消耗覆盖月份有关的数据,然后对这些数据进行归一化处理;
步骤2.3)建立如式1所示的安全库存度量指标分析模型,并利用安全库存度量指标分析模型对上述归一化后的数据进行分析和计算;
其中,Ln(x)为以e为底的自然对数,x为归一化月度均消耗量,y为归一化覆盖月份数,z为归一化月度消耗标准差,g(x,y,z)为模型输出,即预测结果,分布范围为[0,1]。
在步骤2)中,所述的建立安全库存决策模型的方法包括下列步骤:
步骤3.1)综合考虑对安全库存决策模型存在影响的因素:根据业务梳理的结果,从采购模式、用户满意度、采购周期、采购周期波动、补货周期、物料消耗量和物料消耗波动七个维度建立安全库存决策模型;
步骤3.2)从步骤1)采集的数据中提取出与采购模式、用户满意度、采购周期、采购周期波动、补货周期、物料消耗量和物料消耗波动有关的数据,然后对这些数据进行归一化处理;
步骤3.3)基于电力行业物料消耗的特点,建立如式2所示的安全库存决策模型,并利用安全库存决策模型对上述归一化后的数据进行分析和计算;
其中k的定义如下:
Qss表示安全库存量;
z:一定用户满意度下对应的安全系数;服务水平表示在一个存货周期内满足所有需求的概率;
T:对应每月30天、每季度90天、每年365天;
B:补货周期,一般为定值;
供货周期均值;某物料采购订单申请审批日期到到货日期的这段时间;
δT:表示月或年需求量标准差,根据物料历史消耗规律结合物料预测消耗量得到;
月、季、年平均需求量,根据物料预测消耗量得到;
δL:前置期,即供货周期的标准差;
其中k为调整系数,用于对安全库存量的计算进行调整;k∈[0,k是一个充分大的数;
步骤3.4)根据上述安全库存决策模型的预测结果确定项目及在运设备物料需求与仓库之间的供应关系,仓库的确定原则为:
(1)对于子公司,其项目或在运设备所需物料的供应仓库为该子公司下辖仓库,主要由产权归属决定供应关系;
(2)对于分公司,其项目、设备所需物料选择距离该项目配送距离最近的仓库。
本发明提供的物资库存物料动态特征分析平台及其分析方法的效果:能够有效降低库存成本和资金占用率,对企业物资的计划、采购、仓储方面等进行业务融合,提高库存合理性和资金利用率,从而提升企业物力集约化水平。
附图说明
图1为本发明提供的物资库存物料动态特征分析平台构成框图。
图2为本发明提供的物资库存物料动态特征分析方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明提供的物资库存物料动态特征分析平台及其分析方法进行详细说明。
如图1所示,本发明提供的物资库存物料动态特征分析平台包括数据可视化模块1、数据存储分析模块2和数据采集模块3,其中数据采集模块1包括HBase分布式数据库、Hadoop HDFS分布式文件系统和YARN分布式计算框架;所述的数据采集模块3的作用在于物资信息的采集;数据存储分析模块2的作用在于对上述数据采集模块3采集的物资信息利用相关模型进行分析,并存储分析结果;数据可视化模块1的作用在于显示上述数据存储分析模块2的分析结果。
如图2所示,本发明提供的利用上述物资库存物料动态特征分析平台的分析方法包括按顺序执行的下列步骤:
步骤1)数据采集及处理:由数据采集模块3从数据源采集数据,并采用数据清洗、转换、整合在内的方式对上述数据进行预处理;
步骤2)数据分析:由数据存储分析模块2利用支持向量机或稀疏贝叶斯方法分别建立安全库存度量指标分析模型及安全库存决策模型,然后利用上述模型对上述预处理后的数据进行分析和计算,并根据各仓库所辖片区电网的包括电网规模、服役年限在内的物理属性对中心库、周转库的物资需求进行概率预测;
步骤3)数据可视化:利用上述数据可视化模块1对上述经数据存储分析模块2分析后的数据进行可视化化展示。
在步骤1)中,所述的数据源包括数据中心的数据、POI位置数据、外部数据;其中数据中心的数据来源主要是电力信息化信息系统,数据类型包括结构化数据、非结构化数据;电力信息化信息系统包括ERP、ECP、PMS、规划计划在内的信息系统;POI位置数据包括GIS系统的设备经纬度数据、百度地图的项目地理数据;外部数据主要包括库存成本数据。
在步骤1)中,所述的数据采集及处理的具体步骤包括:
步骤1.1)首先从数据中心获取ERP信息系统的数据,包括物资历史消耗、项目建设、维修工单、库存余额在内的数据;
步骤1.2)根据所选择的设备范围,通过与PMS信息系统的接口获取GIS接口所需设备关键数据、设备编号、全球唯一标识、设备分类在内的数据;
步骤1.3)通过与GIS信息系统和接口获取返回设备坐标数据,包括设备的经纬度数据,并计算距离,同时对设备的经纬度数据采用坐标偏移和AES256方式进行加密;
步骤1.4)通过与规划计划系统的接口获取项目地址数据;
步骤1.5)通过百度地图接口返回项目坐标数据,包括项目的经纬度数据,并计算出该项目与仓库坐标数据间的距离。
在步骤2)中,所述的建立安全库存度量指标分析模型的方法包括下列步骤:
步骤2.1)结合物料消耗和库存决策在内的影响因素,综合考虑对安全库存度量指标分析模型存在影响的因素:
为了定量分析物料适合做安全库存的程度,根据业务梳理的结果,从物料消耗量、物料消耗波动、物料消耗覆盖月份数三个维度建立安全库存度量指标分析模型;其中度量规则为:
1)物料消耗越多越适合做安全库存;
2)物料消耗波动越小越适合做安全库存;
3)物料消耗覆盖月份越多越适合做安全库存;
步骤2.2)从步骤1)采集的数据中提取出与物料消耗量、物料消耗波动、物料消耗覆盖月份有关的数据,然后对这些数据进行归一化处理;
步骤2.3)建立如式1所示的安全库存度量指标分析模型,并利用安全库存度量指标分析模型对上述归一化后的数据进行分析和计算;
其中,Ln(x)为以e为底的自然对数,x为归一化月度均消耗量,y为归一化覆盖月份数,z为归一化月度消耗标准差,g(x,y,z)为模型输出,即预测结果,分布范围为[0,1]。
上述预测结果除能够给出各仓库最可能出现的库存物资需求量外,还可以给出库存物资需求预测的误差范围。
在步骤2)中,所述的建立安全库存决策模型的方法包括下列步骤:
步骤3.1)综合考虑对安全库存决策模型存在影响的因素:
模型 | 影响因素 |
安全库存决策模型 | 采购模式 |
用户满意度 | |
采购周期 | |
采购周期波动 | |
补货周期 | |
物料消耗量 | |
物料消耗波动 |
根据业务梳理的结果,从采购模式、用户满意度、采购周期、采购周期波动、补货周期、物料消耗量和物料消耗波动七个维度建立安全库存决策模型;
步骤3.2)从步骤1)采集的数据中提取出与采购模式、用户满意度、采购周期、采购周期波动、补货周期、物料消耗量和物料消耗波动有关的数据,然后对这些数据进行归一化处理;
步骤3.3)基于电力行业物料消耗的特点,建立如式2所示的安全库存决策模型,并利用安全库存决策模型对上述归一化后的数据进行分析和计算;
其中k的定义如下:
Qss表示安全库存量;
z:一定用户满意度下对应的安全系数;服务水平表示在一个存货周期内满足所有需求的概率;比如,90%的存货周期服务水平表示在一个存货周期内,出现缺货的概率是0.1,而不出现缺货的概率为0.9。
T:对应每月30天、每季度90天、每年365天;
B:补货周期,一般为定值;
供货周期均值;某物料采购订单申请审批日期到到货日期的这段时间;
δT:表示月或年需求量标准差,根据物料历史消耗规律结合物料预测消耗量得到;
月、季、年平均需求量,根据物料预测消耗量得到;
δL:前置期,即供货周期的标准差。
其中k为调整系数,用于对安全库存量的计算进行调整;k∈[0,k是一个充分大的数。
步骤3.4)根据上述安全库存决策模型的预测结果确定项目及在运设备物料需求与仓库之间的供应关系,仓库的确定原则为:
(1)对于子公司,其项目或在运设备所需物料的供应仓库为该子公司下辖仓库,主要由产权归属决定供应关系;
(2)对于分公司,其项目、设备所需物料选择距离该项目配送距离最近的仓库。
Claims (6)
1.一种物资库存物料动态特征分析平台及其分析方法,其特征在于:所述的物资库存物料动态特征分析平台包括数据可视化模块(1)、数据存储分析模块(2)和数据采集模块(3),其中数据采集模块(1)包括HBase分布式数据库、Hadoop HDFS分布式文件系统和YARN分布式计算框架;所述的数据采集模块(3)的作用在于物资信息的采集;数据存储分析模块(2)的作用在于对上述数据采集模块(3)采集的物资信息利用相关模型进行分析,并存储分析结果;数据可视化模块(1)的作用在于显示上述数据存储分析模块(2)的分析结果。
2.一种利用权利要求1所述物资库存物料动态特征分析平台的分析方法,其特征在于:所述的分析方法包括按顺序执行的下列步骤:
步骤1)数据采集及处理:由数据采集模块(3)从数据源采集数据,并采用数据清洗、转换、整合在内的方式对上述数据进行预处理;
步骤2)数据分析:由数据存储分析模块(2)利用支持向量机或稀疏贝叶斯方法分别建立安全库存度量指标分析模型及安全库存决策模型,然后利用上述模型对上述预处理后的数据进行分析和计算,并根据各仓库所辖片区电网的包括电网规模、服役年限在内的物理属性对中心库、周转库的物资需求进行概率预测;
步骤3)数据可视化:利用上述数据可视化模块(1)对上述经数据存储分析模块2分析后的数据进行可视化化展示。
3.根据权利要求2所述的分析方法,其特征在于:在步骤1)中,所述的数据源包括数据中心的数据、POI位置数据、外部数据;其中数据中心的数据来源主要是电力信息化信息系统,数据类型包括结构化数据、非结构化数据;电力信息化信息系统包括ERP、ECP、PMS、规划计划在内的信息系统;POI位置数据包括GIS系统的设备经纬度数据、百度地图的项目地理数据;外部数据主要包括库存成本数据。
4.根据权利要求2所述的分析方法,其特征在于:在步骤1)中,所述的数据采集及处理的具体步骤包括:
步骤1.1)首先从数据中心获取ERP信息系统的数据,包括物资历史消耗、项目建设、维修工单、库存余额在内的数据;
步骤1.2)根据所选择的设备范围,通过与PMS信息系统的接口获取GIS接口所需设备关键数据、设备编号、全球唯一标识、设备分类在内的数据;
步骤1.3)通过与GIS信息系统和接口获取返回设备坐标数据,包括设备的经纬度数据,并计算距离,同时对设备的经纬度数据采用坐标偏移和AES256方式进行加密;
步骤1.4)通过与规划计划系统的接口获取项目地址数据;
步骤1.5)通过百度地图接口返回项目坐标数据,包括项目的经纬度数据,并计算出该项目与仓库坐标数据间的距离。
5.根据权利要求2所述的分析方法,其特征在于:在步骤2)中,所述的建立安全库存度量指标分析模型的方法包括下列步骤:
步骤2.1)结合物料消耗和库存决策在内的影响因素,综合考虑对安全库存度量指标分析模型存在影响的因素:根据业务梳理的结果,从物料消耗量、物料消耗波动、物料消耗覆盖月份数三个维度建立安全库存度量指标分析模型;
步骤2.2)从步骤1)采集的数据中提取出与物料消耗量、物料消耗波动、物料消耗覆盖月份有关的数据,然后对这些数据进行归一化处理;
步骤2.3)建立如式1所示的安全库存度量指标分析模型,并利用安全库存度量指标分析模型对上述归一化后的数据进行分析和计算;
其中,Ln(x)为以e为底的自然对数,x为归一化月度均消耗量,y为归一化覆盖月份数,z为归一化月度消耗标准差,g(x,y,z)为模型输出,即预测结果,分布范围为[0,1]。
6.根据权利要求2所述的分析方法,其特征在于:在步骤2)中,所述的建立安全库存决策模型的方法包括下列步骤:
步骤3.1)综合考虑对安全库存决策模型存在影响的因素:根据业务梳理的结果,从采购模式、用户满意度、采购周期、采购周期波动、补货周期、物料消耗量和物料消耗波动七个维度建立安全库存决策模型;
步骤3.2)从步骤1)采集的数据中提取出与采购模式、用户满意度、采购周期、采购周期波动、补货周期、物料消耗量和物料消耗波动有关的数据,然后对这些数据进行归一化处理;
步骤3.3)基于电力行业物料消耗的特点,建立如式2所示的安全库存决策模型,并利用安全库存决策模型对上述归一化后的数据进行分析和计算;
其中k的定义如下:
Qss表示安全库存量;
z:一定用户满意度下对应的安全系数;服务水平表示在一个存货周期内满足所有需求的概率;
T:对应每月30天、每季度90天、每年365天;
B:补货周期,一般为定值;
供货周期均值;某物料采购订单申请审批日期到到货日期的这段时间;
δT:表示月或年需求量标准差,根据物料历史消耗规律结合物料预测消耗量得到;
月、季、年平均需求量,根据物料预测消耗量得到;
δL:前置期,即供货周期的标准差;
其中k为调整系数,用于对安全库存量的计算进行调整;k∈[0,k是一个充分大的数;
步骤3.4)根据上述安全库存决策模型的预测结果确定项目及在运设备物料需求与仓库之间的供应关系,仓库的确定原则为:
(1)对于子公司,其项目或在运设备所需物料的供应仓库为该子公司下辖仓库,主要由产权归属决定供应关系;
(2)对于分公司,其项目、设备所需物料选择距离该项目配送距离最近的仓库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610961208.9A CN106529869A (zh) | 2016-10-27 | 2016-10-27 | 一种物资库存物料动态特征分析平台及其分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610961208.9A CN106529869A (zh) | 2016-10-27 | 2016-10-27 | 一种物资库存物料动态特征分析平台及其分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106529869A true CN106529869A (zh) | 2017-03-22 |
Family
ID=58326188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610961208.9A Pending CN106529869A (zh) | 2016-10-27 | 2016-10-27 | 一种物资库存物料动态特征分析平台及其分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106529869A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107657410A (zh) * | 2017-10-17 | 2018-02-02 | 九州通医疗信息科技(武汉)有限公司 | 补货判断方法及装置 |
CN107665410A (zh) * | 2017-07-12 | 2018-02-06 | 重庆雅智兰能源管理有限公司 | 分布式能源管理系统物料管理方法及设备 |
CN107784397A (zh) * | 2017-11-09 | 2018-03-09 | 贵州电网有限责任公司 | 一种电网物资需求预测系统及其预测方法 |
CN108108938A (zh) * | 2017-12-12 | 2018-06-01 | 广东电网有限责任公司江门供电局 | 一种电能表库存需求预测系统及其方法 |
CN108846608A (zh) * | 2018-06-15 | 2018-11-20 | 上海探能实业有限公司 | 一种大型风电机组备品备件库存管理及优化调度方法 |
CN110222900A (zh) * | 2019-06-12 | 2019-09-10 | 行小膳科技(杭州)有限公司 | 一种藜麦多配方代餐粉原材料库存采购管理系统 |
CN110414880A (zh) * | 2018-04-26 | 2019-11-05 | 株式会社日立物流 | 库存管理装置、库存管理方法和存储介质 |
CN111461628A (zh) * | 2020-04-29 | 2020-07-28 | 众能联合数字技术有限公司 | 一种设备租赁的动态库存预测方法 |
CN112132494A (zh) * | 2019-06-24 | 2020-12-25 | 鹏鼎控股(深圳)股份有限公司 | 物料供给管控方法、系统、电子设备及存储介质 |
CN112488612A (zh) * | 2020-11-26 | 2021-03-12 | 国网河北省电力有限公司物资分公司 | 一种基于可视化的全量库存资源监测与展示方法 |
CN112598358A (zh) * | 2020-12-30 | 2021-04-02 | 杭州拓深科技有限公司 | 一种智能辅助决策采购方法 |
CN114298477A (zh) * | 2021-12-02 | 2022-04-08 | 国网青海省电力公司海东供电公司 | 一种基于gis一张图实现物资采购与发放的可视化方法 |
CN115049332A (zh) * | 2022-05-17 | 2022-09-13 | 阿里云计算有限公司 | 仓储网络的网络库存信息确定方法及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411766A (zh) * | 2011-12-29 | 2012-04-11 | 国网信息通信有限公司 | 电力系统数据分析平台及方法 |
CN105139090A (zh) * | 2015-08-25 | 2015-12-09 | 国网天津市电力公司 | 一种基于消耗预测的电力行业安全库存决策分析方法 |
-
2016
- 2016-10-27 CN CN201610961208.9A patent/CN106529869A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411766A (zh) * | 2011-12-29 | 2012-04-11 | 国网信息通信有限公司 | 电力系统数据分析平台及方法 |
CN105139090A (zh) * | 2015-08-25 | 2015-12-09 | 国网天津市电力公司 | 一种基于消耗预测的电力行业安全库存决策分析方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107665410A (zh) * | 2017-07-12 | 2018-02-06 | 重庆雅智兰能源管理有限公司 | 分布式能源管理系统物料管理方法及设备 |
CN107657410A (zh) * | 2017-10-17 | 2018-02-02 | 九州通医疗信息科技(武汉)有限公司 | 补货判断方法及装置 |
CN107784397B (zh) * | 2017-11-09 | 2021-08-31 | 贵州电网有限责任公司 | 一种电网物资需求预测系统及其预测方法 |
CN107784397A (zh) * | 2017-11-09 | 2018-03-09 | 贵州电网有限责任公司 | 一种电网物资需求预测系统及其预测方法 |
CN108108938A (zh) * | 2017-12-12 | 2018-06-01 | 广东电网有限责任公司江门供电局 | 一种电能表库存需求预测系统及其方法 |
CN110414880B (zh) * | 2018-04-26 | 2023-09-15 | 罗集帝株式会社 | 库存管理装置、库存管理方法和存储介质 |
CN110414880A (zh) * | 2018-04-26 | 2019-11-05 | 株式会社日立物流 | 库存管理装置、库存管理方法和存储介质 |
CN108846608A (zh) * | 2018-06-15 | 2018-11-20 | 上海探能实业有限公司 | 一种大型风电机组备品备件库存管理及优化调度方法 |
CN108846608B (zh) * | 2018-06-15 | 2021-12-14 | 上海探能实业有限公司 | 一种大型风电机组备品备件库存管理及优化调度方法 |
CN110222900B (zh) * | 2019-06-12 | 2021-08-31 | 中食安泓(广东)健康产业有限公司 | 一种藜麦多配方代餐粉原材料库存采购管理系统 |
CN110222900A (zh) * | 2019-06-12 | 2019-09-10 | 行小膳科技(杭州)有限公司 | 一种藜麦多配方代餐粉原材料库存采购管理系统 |
CN112132494A (zh) * | 2019-06-24 | 2020-12-25 | 鹏鼎控股(深圳)股份有限公司 | 物料供给管控方法、系统、电子设备及存储介质 |
CN111461628A (zh) * | 2020-04-29 | 2020-07-28 | 众能联合数字技术有限公司 | 一种设备租赁的动态库存预测方法 |
CN111461628B (zh) * | 2020-04-29 | 2022-05-03 | 众能联合数字技术有限公司 | 一种设备租赁的动态库存预测方法 |
CN112488612A (zh) * | 2020-11-26 | 2021-03-12 | 国网河北省电力有限公司物资分公司 | 一种基于可视化的全量库存资源监测与展示方法 |
CN112598358A (zh) * | 2020-12-30 | 2021-04-02 | 杭州拓深科技有限公司 | 一种智能辅助决策采购方法 |
CN114298477A (zh) * | 2021-12-02 | 2022-04-08 | 国网青海省电力公司海东供电公司 | 一种基于gis一张图实现物资采购与发放的可视化方法 |
CN115049332A (zh) * | 2022-05-17 | 2022-09-13 | 阿里云计算有限公司 | 仓储网络的网络库存信息确定方法及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106529869A (zh) | 一种物资库存物料动态特征分析平台及其分析方法 | |
US11429668B2 (en) | Methods and systems for multidimensional analysis of interconnected data sets stored in a graph database | |
Matusiak et al. | Utilizing individual picker skills to improve order batching in a warehouse | |
Charnes et al. | Deterministic equivalents for optimizing and satisficing under chance constraints | |
Temur | A novel multi attribute decision making approach for location decision under high uncertainty | |
Leveling et al. | Big data analytics for supply chain management | |
Benoist et al. | Randomized local search for real-life inventory routing | |
Babai et al. | Dynamic re-order point inventory control with lead-time uncertainty: analysis and empirical investigation | |
Rix et al. | A column generation algorithm for tactical timber transportation planning | |
Klibi et al. | The impact of operations anticipations on the quality of stochastic location-allocation models | |
Jin et al. | Sustainable digital marketing under big data: an AI random forest model approach | |
Kirytopoulos et al. | An effective Markov based approach for calculating the Limit Matrix in the analytic network process | |
Conceição et al. | The facility location problem in the steel industry: a case study in Latin America | |
Chen | Large-scale optimization in online-retail inventory management | |
Seo et al. | Rebalancing docked bicycle sharing system with approximate dynamic programming and reinforcement learning | |
Bansal et al. | Evaluation of a 3PL company: an approach of fuzzy modelling | |
Krokhicheva et al. | Adaptive engineering management tools of enterprise economic security | |
Taherifar et al. | A scenario-based sustainable dual-channel closed-loop supply chain design with pickup and delivery considering social conditions in a natural disaster under uncertainty: a real-life case study | |
Szeremeta-Spak et al. | A two-stage decision support model for a retail distribution center location | |
Babaei et al. | A comprehensive blockchain-enabled supply chain network design: an iterative model versus an integrated model | |
Singh et al. | A review on fuzzy and stochastic extensions of the Multi Index transportation problem | |
Agriesti et al. | A Bayesian Optimization approach for calibrating large-scale activity-based transport models | |
Amiama et al. | Spatial decision support system for the route management for milk collection from dairy farms | |
US20150120369A1 (en) | Chemical and natural resource supply chain advanced planning and forecasting through massively parallel processing of data using a distributed computing environment | |
Jones et al. | Scale effect in a LUTI model of Brussels: challenges for policy evaluation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170322 |
|
RJ01 | Rejection of invention patent application after publication |