CN109272276B - 一种库存补货管理方法以及装置 - Google Patents

一种库存补货管理方法以及装置 Download PDF

Info

Publication number
CN109272276B
CN109272276B CN201811148042.4A CN201811148042A CN109272276B CN 109272276 B CN109272276 B CN 109272276B CN 201811148042 A CN201811148042 A CN 201811148042A CN 109272276 B CN109272276 B CN 109272276B
Authority
CN
China
Prior art keywords
value
warehouse
time sequence
target
warehousing
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
CN201811148042.4A
Other languages
English (en)
Other versions
CN109272276A (zh
Inventor
张玮
聂胜
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.)
Petro CyberWorks Information Technology Co Ltd
Original Assignee
Petro CyberWorks Information Technology 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 Petro CyberWorks Information Technology Co Ltd filed Critical Petro CyberWorks Information Technology Co Ltd
Priority to CN201811148042.4A priority Critical patent/CN109272276B/zh
Publication of CN109272276A publication Critical patent/CN109272276A/zh
Application granted granted Critical
Publication of CN109272276B publication Critical patent/CN109272276B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

Abstract

本发明公开了一种库存补货管理方法以及装置。库存补货管理方法包括：根据入库时间序列和出库时间序列获得目标入库时间序列和目标出库时间序列；根据所述目标入库时间序列的入库值的数量和所述目标入库时间序列中入库值大于零的数量计算补货周期；根据所述目标出库时间序列计算预测出库值；基于所述预测出库值、所述补货周期、所述目标入库时间序列和所述目标出库时间序列获得动态安全库存值。本发明实施例的库存补货管理方法以及装置，能够实现最低囤货成本，并防止缺货成本，实现对物料库存补货管理的优化配置。

Description

一种库存补货管理方法以及装置
技术领域
本发明属于仓储补货管理技术领域，特别涉及一种库存补货管理方法以及装置。
背景技术
目前，现有库存补货管理方法一般是采用固定安全库存值来防止库存缺货。
例如，利用固定安全库存值的库存补货管理方案如下：第一步，统计历史销量均值、日销量标准差及送货延迟天数。如日均销量为20箱，标准差是3箱/天，送货延迟为2天。第二步，计算安全库存＝1.96*日销量标准差*SQRT(送货延迟)。其中，1.96为满足95％客户满足显著水平下的系数，SQRT为平方根号。即，安全库存＝1.96*3*SQRT(2)＝9箱，即安全库存为9箱。第三步，当库存低于送货延迟期间的销量加安全库存值，则应发动补货预警进行补货。如本例补货预警值为送货延迟(2天)*日均销量(20箱)+安全库存(9箱)＝49箱。第四步，补货量的确定依据业务人员根据销量情况进行补货。即需求是7天补一次货，则该案例补货量为7*日均销量20箱+49箱＝189箱。
但是，由于库存补货管理中物料多样，业务情况繁多，并且促销频繁，所以采用固定安全库存方案会造成过多的囤货成本，甚至在促销期间会造成缺货成本。
因此，如何快速高效的实现库存补货管理成为了一个亟待解决的技术问题。
发明内容
本发明所要解决的技术问题之一是如何获得动态安全库存值以减少囤货成本和缺货成本。
为了解决上述技术问题，本申请的实施例首先提供了一种库存补货管理方法，其包括：
根据入库时间序列和出库时间序列获得目标入库时间序列和目标出库时间序列；
根据所述目标入库时间序列的入库值的数量和所述目标入库时间序列中入库值大于零的数量计算补货周期；
根据所述目标出库时间序列计算预测出库值；
基于所述预测出库值、所述补货周期、所述目标入库时间序列和所述目标出库时间序列获得动态安全库存值。
优选地，基于所述预测出库值、所述补货周期、所述目标入库时间序列和所述目标出库时间序列获得动态安全库存值，具体包括：
给下式中的a0、a1和n的赋值，
Figure BDA0001817264510000021
其中，a0为固定安全系数，a1为动态安全系数，n为预测周期，μi预测出库值为第i个预测周期的平均预测出库值，μi真实出库值为第i个预测周期的平均真实出库值；
基于所述预测出库值、所述补货周期、所述目标入库时间序列和所述目标出库时间序列获得模拟期末库存值序列；
根据模拟期末库存值序列计算缺货参数和囤货参数；
根据缺货参数和囤货参数确定a0、a1和n的目标值；
根据a0、a1和n的目标值计算动态安全库存值。
优选地，根据入库时间序列和出库时间序列获得目标入库时间序列和目标出库时间序列，具体包括：
根据出库时间序列计算第一日均出库值；
将出库时间序列中大于所述第一日均出库值的预定倍数的出库值进行去除，并对出库时间序列中的剩余出库值计算第二日均出库值；
利用所述第二日均出库值将入库时间序列和所述出库时间序列进行截取以获得目标入库时间序列和目标出库时间序列。
优选地，根据所述目标入库时间序列的入库值的数量和所述目标入库时间序列中入库值大于零的数量计算补货周期，具体包括：
分别计算所述目标入库时间序列的入库值的数量和所述目标入库时间序列中入库值大于零的数量；
将所述目标入库时间序列的入库值的数量除以所述目标入库时间序列中入库值大于零的数量得到补货周期。
优选地，根据所述目标出库时间序列计算预测出库值，具体包括：
利用时间序列算法，根据目标出库序列计算预测出库值。
优选地，所述时间序列算法包括：自回归积分滑动平均模型、循环神经网络模型、回归模型和二次移动平均模型。
优选地，还包括：
根据所述目标入库时间序列和所述目标出库时间序列计算期末库存值序列；
基于所述目标出库时间序列、所述期末库存值序列和所述补货周期对物料进行重要程度分类。
优选地，还包括：
将物料根据重要程度分类为四种，并分别设置相应的权重值；
基于所述期末库存值序列、所述预测出库值、所述权重值和所述动态安全库存值判断物料是否缺货，并在缺货时基于所述期末库存值序列、所述预测出库值、所述权重值和所述动态安全库存值计算补货量。
优选地，还包括：
根据缺货情况将预警状态分为三种级别：严重缺货、预警缺货和正常；其中，
若期末库存值-(1+送货延迟期)*预测出库值小于零，则提示严重缺货；
若期末库存值-(1+送货延迟期)*预测出库值-物料重要程度的权重值*动态安全库存值小于零，则提示预警缺货；
其他情况则提示正常；以及
当严重缺货或预警缺货时，补货量等于期末库存值-(1+送货延迟期)*预测出库值-物料重要程度的权重值*动态安全库存值。
本申请实施例还提供了一种库存补货管理装置，其包括一个或多个处理器，所述一个或多个处理器被配置为执行上述的库存补货管理方法。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
通过根据入库时间序列和出库时间序列获得目标入库时间序列和目标出库时间序列，根据所述目标入库时间序列的入库值的数量和所述目标入库时间序列中入库值大于零的数量计算补货周期，根据所述目标出库时间序列计算预测出库值；基于所述预测出库值、所述补货周期、所述目标入库时间序列和所述目标出库时间序列获得动态安全库存值，实现最低囤货成本，并防止缺货成本，实现对物料库存补货管理的优化配置；通过对不同物料的重要程度设置权重，分别对不同物料进行库存调节，使得库存补货管理达到局部最优；在不扰乱业务补货规律的情况下对补货优化，针对每个物料提前缺货预警和补货量推荐。
本发明的其他优点、目标，和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书，权利要求书，以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本申请的技术方案或现有技术的进一步理解，并且构成说明书的一部分。其中，表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案，但并不构成对本申请技术方案的限制。
图1是根据本发明一实施例的库存补货管理方法的流程示意图；
图2是根据本发明一实施例的库存补货管理装置的结构框图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本发明的保护范围之内。
一种库存补货管理方法，包括：根据入库时间序列和出库时间序列获得目标入库时间序列和目标出库时间序列；根据所述目标入库时间序列的入库值的数量和所述目标入库时间序列中入库值大于零的数量计算补货周期；根据所述目标出库时间序列计算预测出库值；基于所述预测出库值、所述补货周期、所述目标入库时间序列和所述目标出库时间序列获得动态安全库存值。
通过根据入库时间序列和出库时间序列获得目标入库时间序列和目标出库时间序列，可以将促销期间的数据剔除仅保留日常情况下的数据。基于所述预测出库值、所述补货周期、所述目标入库时间序列和所述目标出库时间序列获得动态安全库存值，不需要人工劳动，自动获得动态安全库存值，可以跟动态安全库存值进行库存补货管理，减少囤货成本和缺货成本。
下面以两个具体的实施例对本发明作进一步说明。
如图1所示，为本发明实施例的库存补货管理方法，其包括：
S1，根据入库时间序列和出库时间序列获得目标入库时间序列和目标出库时间序列；
其中，入库时间序列可以是仓库中物料按天汇总的入库值，即每天对应的入库值的序列，出库时间序列可以是仓库中物料按天汇总的出库值，即每天对应的出库值的序列。另外，除了入库时间序列和出库时间序列，还可以存储其他数据来更精确的进行库存补货管理，例如期末库存值(每天的期末库存值)、期初库存值(每天的期初库存值)、实时库存值，以及仓库基本信息(仓库编码、仓库名称、仓库位置信息、仓库与工厂、仓库与仓库和仓库与购买客户之间的上下级关联信息)和物料基本信息(物料编码、物料名称、物料规格、物料与仓库的关联信息和物料在该仓库的安全库存系数)。
根据步骤S1，可以将促销期间的数据进行剔除保留日常情况下的数据，即保留目标入库时间序列和目标出库时间序列。目标入库时间序列和目标出库时间序列可以按照每天的数据进行排列，并且目标入库时间序列和目标出库时间序列中的时间是相同的(例如，1月1日和1月1日对应的入库值组成目标入库时间序列，那么，1月1日和1月1日对应的出库值组成目标出库时间序列)。
S2，根据所述目标入库时间序列的入库值的数量和所述目标入库时间序列中入库值大于零的数量计算补货周期；
根据目标入库时间序列计算的补货周期为非促销期间，即日常情况下的补货周期。
S3，根据所述目标出库时间序列计算预测出库值；
其中，可以利用时间序列算法，根据目标出库序列计算预测出库值。例如，时间序列算法可以采用例如自回归积分滑动平均模型(ARIMA)、循环神经网络模型(RNN)、回归模型或二次移动平均模型。
其中，可以根据二次移动平均模型计算预测出库值μ，能够有效防止销量波动对预测出库值的影响。选择一次滑动窗口周期t＝7天，二次滑动窗口n＝3个周期。出库值为m个(每天1个出库值)，可以将销量预测分为以下三种情况：
如果m≥3t，那么预测出库值为
μ1＝(exm-t+exm-t+1+…+exm)/t
μ2＝(exm-2t+exm-2t+1+…+exm-t)/t
μ3＝(exm-3t+exm-3t+1+…+exm-2t)/t
μ＝(μ1+μ2+μ3)/3
其中，xi是第i天的出库值，e是权重值1；
如果2t≤m<3t，那么预测出库值为
μ1＝(exm-t+exm-t+1+…+exm)/t
μ2＝(exm-2t+exm-2t+1+…+exm-t)/t
μ＝(μ1+μ2)/2
其中，xi是第i天的出库值，e是权重值1；
如果m<2t，那么预测出库值为
μ＝(exm-t+exm-t+1+…+exm)/t
其中，xi是第i天的出库值，e是权重值1。
当然，一次滑动窗口周期和二次滑动窗口均可以根据实际需要去选择，相应的，对预测出库值的分段计算计算式进行相应改变即可。
另外，还可以通过添加阈值进一步对预测出库值进行修正以防止出现异常值。将目标出库时间序列中的出库值为零的数据进行第一次剔除；按照出库值的大小依次排列第一次剔除后的出库值；将第一次剔除后的出库值中的前后各5％的数据进行第二次剔除；统计第二次剔除后的出库值的最大值和第二次剔除后的出库值所对应的天数；当天数大于60天时，判断预测出库值大于第二次剔除后的出库值的最大值时，则令预测出库值等于第二次剔除后的出库值的最大值，判断预测出库值小于零，则令预测出库值等于零；当天数不大于60天时，不作处理。
S4，基于所述预测出库值、所述补货周期、所述目标入库时间序列和所述目标出库时间序列获得动态安全库存值。
通过入库时间序列和出库时间序列等历史数据可以获得动态安全库存值，比常规的固定安全库存值更加贴合真实补货情况，能够减少囤货成本和缺货成本。
在一个实施例中，S1，根据入库时间序列和出库时间序列获得目标入库时间序列和目标出库时间序列，具体包括：
根据出库时间序列计算第一日均出库值；
将出库时间序列中大于第一日均出库值的预定倍数的出库值进行去除，并对出库时间序列中的剩余出库值计算第二日均出库值；
利用第二日均出库值将入库时间序列和出库时间序列进行截取以获得目标入库时间序列和目标出库时间序列。
具体的，根据出库时间序列计算第一日均出库值，即计算所有出库值的日平均值；将出库时间序列中的出库值按照每三天合并到第一天的方式进行合并，将入库时间序列中的入库值按照每三天合并到第一天的方式进行合并，例如9天的出库值为34，0，2，31，6，2，23，4，1合并为36，0，0，39，0，0，28，0，0，此方式能够减少零散值对计算补货周期的影响，并且能够更加突出促销期间的出库值和入库值，进而方便将其进行剔除；将出库时间序列中大于5倍第一日均出库值的出库值进行剔除，其中剔除的出库值即为促销期间的出库值；对出库时间序列中的剩余出库值计算第二日均出库值，即计算剩余出库值的日平均值，此为日常状况下的出库值均值；对入库时间序列进行遍历，如果发现某天的入库值大于第二日均出库值的30倍，则从此天开始截取，一直截取到下一个不为零的入库值或者不大于第二日均出库值的30倍的入库值，截取后剩余的数据即为日常情况下的数据，即目标入库时间序列，根据目标入库时间序列的时间将出库时间序列进行截取以获得目标出库时间序列(目标入库时间序列和目标出库时间序列中的时间是相同的)，此步骤完成了剔除促销期间的数据。
根据上述的方法，能够在缺少促销详细信息的时候识别出入库值、出库值(即销量)是否是促销期间的数据并进行剔除，无需工作人员输入促销时间段、促销力度等信息，能够防止因带入促销数据而造成的日常数值的偏差。当然，工作人员在获知促销信息(例如，促销力度和促销周期)的情况下也可以手动将入库时间序列和出库时间序列处理为目标入库时间序列和目标出库时间序列。
在一个实施例中，根据目标入库时间序列的入库值的数量和目标入库时间序列中入库值大于零的数量计算补货周期，具体包括：
分别计算目标入库时间序列的入库值的数量和目标入库时间序列中入库值大于零的数量；
将目标入库时间序列的入库值的数量除以目标入库时间序列中入库值大于零的数量得到补货周期。
计算的补货周期即为日常情况下物料的补货周期，补货周期与真实情况下的补货周期比较接近，能够在不打乱工作人员历史补货规律的情况下为工作人员提供合理的补货建议。
在一个实施例中，基于预测出库值、补货周期、目标入库时间序列和目标出库时间序列获得动态安全库存值，具体包括：
给下式中的a0、a1和n的赋值，
Figure BDA0001817264510000081
其中，a0为固定安全系数，a1为动态安全系数，n为预测周期，μi预测出库值为第i个预测周期的平均预测出库值，μi真实出库值为第i个预测周期的平均真实出库值；
其中，第i个预测周期的平均预测出库值为第i个预测周期的日平均预测出库值，第i个预测周期的平均真实出库值为第i个预测周期的日平均真实出库值。根据预测出库值的公式可以计算第i个预测周期的每日的预测出库值，将第i个预测周期的每日的预测出库值进行平均即可得到第i个预测周期的日平均预测出库值。将第i个预测周期的每日的真实出库值进行平均即可得到第i个预测周期的日平均真实出库值。
基于预测出库值、补货周期、目标入库时间序列和目标出库时间序列获得模拟期末库存值序列；
根据模拟期末库存值序列计算缺货参数和囤货参数；
根据缺货参数和囤货参数确定a0、a1和n的目标值；
根据a0、a1和n的目标值计算动态安全库存值。
具体的，计算式
Figure BDA0001817264510000082
其中，a0为固定安全系数，a1为动态安全系数，n为预测周期(二次滑动窗口的周期)，μi预测出库值为第i个预测周期的平均预测出库值，μi真实出库值为第i个预测周期的平均真实出库值。
第一步：设定a0＝0、a1＝0和n＝1，例如选取前180天目标入库时间序列(2月6日至8月6日对应的入库值)，180天前的期末库存值(如：2月5日期末库存值)；
第二步：基于前面介绍的预测出库值可以下一天(2月6日)的预测出库值，并进而得到下一天(2月6日)的预测期末库存值(当日(2月5日)期末库存值-预测出库值)，如已经循环完180天则直接进入第五步；
第三步：当预测期末库存值低于送货延迟期间(2天)的销量加动态安全库存值，则应发动补货预警进行补货，进入第四步，若预测期末库存值未低于送货延迟期间(2天)的销量加动态安全库存值，则期末库存值更新为当日(2月5日)期末库存值减去2月6日真实入库值，返回第二步继续计算后天(2月7日)的情况；
第四步：补货量为(补货周期乘以预测出库值+动态安全库存值)-预测期末库存值，期末库存值更新为补货量+当日(2月5日)期末库存值-下一天(2月6日)真实出库值，返回第二步继续计算；
第五步：循环完会获得当前参数下的模拟期末库存值序列，判断模拟期末库存值序列中模拟期末库存值为负值的数量，即缺货参数，模拟期末库存值为负值的数量越多，缺货成本越大，判断模拟期末库存序列中模拟期末库存值平均值与真实库存平均值求比例，即囤货参数，比例越高，囤货成本越高；
第六步：记录下缺货参数和囤货参数，重新进入第一步，更新a0、a1和n的值后重新计算缺货参数和囤货参数，保留效果好的参数a0、a1和n的值；
第七步：当循环超过1万次或近100次迭代无变化则退出循环，记录最终参数a0、a1和n的值。
将a0、a1和n的值带入动态安全库存值的计算式中即可以计算出动态安全库存值。
在一个实施例中，库存补货管理方法还包括：根据目标入库时间序列和目标出库时间序列计算期末库存值序列；
基于目标出库时间序列、期末库存值序列和补货周期对物料进行重要程度分类。
具体的，计算每个物料的目标出库时间序列的平均出库值、每个物料的期末库存值序列的平均期末库存值和每个物料的补货周期；
对所有物料的平均出库值、平均期末库存值和补货周期分别进行升序排列，对所有物料的平均出库值、平均期末库存值和补货周期的5％、75％、95％位置处的分位数值进行记录；
对于平均出库值为0、平均期末库存值小于平均出库值的两倍的物料的重要程度为不重要；
对于平均出库值小于平均出库值5％分位数值、补货周期大于补货周期95％分位数值的物料的重要程度为较重要；
对于平均期末库存值大于平均期末库存值75％分位数值的物料的重要程度为十分重要；
其他情况的物料的重要程度为重要。
无需工作人员自定义物料的重要程度，能够自动将物料分为不同的重要程度，可以增加仓储利用率，使工作效率和效益大大提高。当然，物料的重要程度还可以根据其他参数来确定，例如，物料售价、是否自营物料和毛利率等。
在一个实施例中，库存补货管理方法还包括：
将物料根据重要程度分类为四种，并分别设置相应的权重值；
其中，可以将物料的重要程度分别对应物料的权重，其中，十分重要的物料的权重为1，重要的物料的权重为0.8，比较重要的物料的权重为0.4，不重要的物料的权重为0。
基于期末库存值序列、预测出库值、权重值和动态安全库存值判断物料是否缺货，并在缺货时基于期末库存值序列、预测出库值、权重值和动态安全库存值计算补货量。
具体的，若期末库存值-(1+送货延迟期)*预测出库值小于零，则提示严重缺货，其中，送货延迟期默认为2；
若期末库存值-(1+送货延迟期)*预测出库值-物料重要程度的权重值*动态安全库存值小于零，则提示预警缺货，其中，送货延迟期默认为2；
其他情况显示正常。
通过将预警状态分为三种级别：严重缺货、预警缺货和正常，可以分别对三种级别的预警进行处理。通过对物料缺货进行预警，能够预测缺货情况，防止出现断货的情况。
进一步的，当严重缺货或预警缺货时，补货量等于期末库存值-(1+送货延迟期)*预测出库值-物料重要程度的权重值*动态安全库存值，其中，送货延迟期默认为2，预测出库值为修正后的预测出库值。
另外，还可以对补货量进行修正以防止出现异常值。将目标入库时间序列中的入库值为零的数据进行第一次剔除；按照入库值的大小依次排列第一次剔除后的入库值；将第一次剔除后的入库值中的前后各5％的数据进行第二次剔除；统计第二次剔除后的出入值的最大值、第二次剔除后的入库值的最小值和第二次剔除后的入库值所对应的天数；当天数大于60天时，判断补货量小于第二次剔除后的入库值的最小值*0.8，则令补货量等于零，预警状态修改为正常，判断补货量大于第二次剔除后的入库值的最大值*1.2，则令补货量等于第二次剔除后的入库值的最大值*1.2；当天数不大于60天时，不作处理。
如图2所示，为本发明实施例另一方案，一种库存补货管理装置，其包括：
数据整理模块1，其配置为根据入库时间序列和出库时间序列获得目标入库时间序列和目标出库时间序列；
补货周期模块2，其配置为根据目标入库时间序列的入库值的数量和目标入库时间序列中入库值大于零的数量计算补货周期；
销量预测模块3，其配置为根据目标出库时间序列计算预测出库值；
动态安全库存模块4，其配置为基于预测出库值、补货周期、目标入库时间序列和目标出库时间序列获得动态安全库存值。
优选地，动态安全库存模块4配置为：
给下式中的a0、a1和n的赋值，
Figure BDA0001817264510000111
其中，a0为固定安全系数，a1为动态安全系数，n为预测周期，μi预测出库值为第i个预测周期的平均预测出库值，μi真实出库值为第i个预测周期的平均真实出库值；
基于预测出库值、补货周期、目标入库时间序列和目标出库时间序列获得模拟期末库存值序列；
根据模拟期末库存值序列计算缺货参数和囤货参数；
根据缺货参数和囤货参数确定a0、a1和n的目标值；
根据a0、a1和n的目标值计算动态安全库存值。
优选地，数据整理模块1配置为：
根据出库时间序列计算第一日均出库值；
将出库时间序列中大于所述第一日均出库值的预定倍数的出库值进行去除，并对出库时间序列中的剩余出库值计算第二日均出库值；
利用所述第二日均出库值将入库时间序列和所述出库时间序列进行截取以获得目标入库时间序列和目标出库时间序列。
优选地，补货周期模块2配置为：
分别计算所述目标入库时间序列的入库值的数量和所述目标入库时间序列中入库值大于零的数量；
将所述目标入库时间序列的入库值的数量除以所述目标入库时间序列中入库值大于零的数量得到补货周期。
优选地，销量预测模块3配置为：
利用时间序列算法，根据目标出库序列计算预测出库值。
优选地，所述时间序列算法包括：自回归积分滑动平均模型、循环神经网络模型、回归模型和二次移动平均模型。
优选地，还包括分类模块，其配置为：
根据所述目标入库时间序列和所述目标出库时间序列计算期末库存值序列；
基于所述目标出库时间序列、所述期末库存值序列和所述补货周期对物料进行重要程度分类。
优选地，还包括补货模块，其配置为：
将物料根据重要程度分类为四种，并分别设置相应的权重值；
基于所述期末库存值序列、所述预测出库值、所述权重值和所述动态安全库存值判断物料是否缺货，并在缺货时基于所述期末库存值序列、所述预测出库值、所述权重值和所述动态安全库存值计算补货量。
优选地，还包括预警模块，其配置为：
根据缺货情况将预警状态分为三种级别：严重缺货、预警缺货和正常；其中，
若期末库存值-(1+送货延迟期)*预测出库值小于零，则提示严重缺货；
若期末库存值-(1+送货延迟期)*预测出库值-物料重要程度的权重值*动态安全库存值小于零，则提示预警缺货；
其他情况则提示正常。
优选地，所述补货模块配置为当严重缺货或预警缺货时，补货量等于期末库存值-(1+送货延迟期)*预测出库值-物料重要程度的权重值*动态安全库存值。
上述各模块所执行的具体操作可以参见前述实施例，此处不再赘述。
本发明还公开了一种库存补货管理装置，其包括一个或多个处理器，所述一个或多个处理器被配置为执行上述的库存补货管理方法。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人员在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (9)

1.一种库存补货管理方法，其特征在于，包括：
根据入库时间序列和出库时间序列获得目标入库时间序列和目标出库时间序列；
根据所述目标入库时间序列的入库值的数量和所述目标入库时间序列中入库值大于零的数量计算补货周期；
根据所述目标出库时间序列计算预测出库值；
基于所述预测出库值、所述补货周期、所述目标入库时间序列和所述目标出库时间序列获得动态安全库存值；
其中，基于所述预测出库值、所述补货周期、所述目标入库时间序列和所述目标出库时间序列获得动态安全库存值，具体包括：
给下式中的a0、a1和n的赋值，
Figure FDA0002508964390000011
其中，a0为固定安全系数，a1为动态安全系数，n为预测周期，μi预测出库值为第i个预测周期的平均预测出库值，μi真实出库值为第i个预测周期的平均真实出库值；
基于所述预测出库值、所述补货周期、所述目标入库时间序列和所述目标出库时间序列获得模拟期末库存值序列；
根据模拟期末库存值序列计算缺货参数和囤货参数；
根据缺货参数和囤货参数确定a0、a1和n的目标值；
根据a0、a1和n的目标值计算动态安全库存值。
2.根据权利要求1所述的库存补货管理方法，其特征在于，根据入库时间序列和出库时间序列获得目标入库时间序列和目标出库时间序列，具体包括：
根据出库时间序列计算第一日均出库值；
将出库时间序列中大于所述第一日均出库值的预定倍数的出库值进行去除，并对出库时间序列中的剩余出库值计算第二日均出库值；
利用所述第二日均出库值将入库时间序列和所述出库时间序列进行截取以获得目标入库时间序列和目标出库时间序列。
3.根据权利要求1所述的库存补货管理方法，其特征在于，根据所述目标入库时间序列的入库值的数量和所述目标入库时间序列中入库值大于零的数量计算补货周期，具体包括：
分别计算所述目标入库时间序列的入库值的数量和所述目标入库时间序列中入库值大于零的数量；
将所述目标入库时间序列的入库值的数量除以所述目标入库时间序列中入库值大于零的数量得到补货周期。
4.根据权利要求1所述的库存补货管理方法，其特征在于，根据所述目标出库时间序列计算预测出库值，具体包括：
利用时间序列算法，根据目标出库序列计算预测出库值。
5.根据权利要求4所述的库存补货管理方法，其特征在于，所述时间序列算法为自回归积分滑动平均模型、循环神经网络模型、回归模型或二次移动平均模型。
6.根据权利要求1所述的库存补货管理方法，其特征在于，还包括：
根据所述目标入库时间序列和所述目标出库时间序列计算期末库存值序列；
基于所述目标出库时间序列、所述期末库存值序列和所述补货周期对物料进行重要程度分类。
7.根据权利要求6所述的库存补货管理方法，其特征在于，还包括：
将物料根据重要程度分类为四种，并分别设置相应的权重值；
基于所述期末库存值序列、所述预测出库值、所述权重值和所述动态安全库存值判断物料是否缺货，并在缺货时基于所述期末库存值序列、所述预测出库值、所述权重值和所述动态安全库存值计算补货量。
8.如权利要求7所述的库存补货管理方法，其特征在于，还包括：
根据缺货情况将预警状态分为三种级别：严重缺货、预警缺货和正常；其中，
若期末库存值-(1+送货延迟期)*预测出库值小于零，则提示严重缺货；
若期末库存值-(1+送货延迟期)*预测出库值-物料重要程度的权重值*动态安全库存值小于零，则提示预警缺货；
其他情况则提示正常；以及
当严重缺货或预警缺货时，补货量等于期末库存值-(1+送货延迟期)*预测出库值-物料重要程度的权重值*动态安全库存值。
9.一种库存补货管理装置，其特征在于，包括一个或多个处理器，所述一个或多个处理器被配置为执行如权利要求1至8中任意一项所述的库存补货管理方法。
CN201811148042.4A 2018-09-29 2018-09-29 一种库存补货管理方法以及装置 Active CN109272276B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811148042.4A CN109272276B (zh) 2018-09-29 2018-09-29 一种库存补货管理方法以及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811148042.4A CN109272276B (zh) 2018-09-29 2018-09-29 一种库存补货管理方法以及装置

Publications (2)

Publication Number Publication Date
CN109272276A CN109272276A (zh) 2019-01-25
CN109272276B true CN109272276B (zh) 2020-10-27

Family

ID=65195766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811148042.4A Active CN109272276B (zh) 2018-09-29 2018-09-29 一种库存补货管理方法以及装置

Country Status (1)

Country Link
CN (1) CN109272276B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110275999B (zh) * 2019-05-10 2021-06-08 珠海中科先进技术研究院有限公司 一种电子器械存储智能操作系统
CN110610289B (zh) * 2019-08-05 2023-11-07 石化盈科信息技术有限责任公司 加油站成品油补货量预测方法、计算机存储介质及计算机设备
CN110930088B (zh) * 2019-10-24 2023-01-13 华为终端有限公司 数据处理方法和电子设备
CN111815244A (zh) * 2020-07-20 2020-10-23 杉数科技(北京)有限公司 一种库存数据处理方法、装置、设备及介质
CN111942797A (zh) * 2020-08-24 2020-11-17 深圳市林辰展华科技有限公司 一种补货系统、货物周转控制方法及货物周转控制装置
CN112596930B (zh) * 2020-12-29 2024-03-01 四川汇安融信息技术股份有限公司 一种动态式填充独立缓存池库存的方法
CN113298462A (zh) * 2021-05-07 2021-08-24 华翔翔能科技股份有限公司 一种泵站配件库存管理方法及系统
CN114943422A (zh) * 2022-04-26 2022-08-26 南通万天信息科技有限公司 一种纺织业仓库的智能管理方法及系统
CN117557199B (zh) * 2024-01-03 2024-03-12 福州冰宇科技有限公司 一种基于数学模型的智慧仓储方法、系统及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104217320A (zh) * 2014-09-23 2014-12-17 北京京东尚科信息技术有限公司 仓库库存流转的处理系统和处理方法
CN106901394A (zh) * 2017-04-27 2017-06-30 云南中烟工业有限责任公司 一种基于Markov过程复烤烟叶库存动态平衡的方法
CN107122939A (zh) * 2017-04-28 2017-09-01 厦门大学 一种入库量和出库量的联合预测方法
CN108154323A (zh) * 2016-12-02 2018-06-12 苏宁云商集团股份有限公司 一种库存的动态管理方法及系统
CN108154322A (zh) * 2016-12-02 2018-06-12 苏宁云商集团股份有限公司 一种库存实时管理的方法及库存系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5698860B1 (ja) * 2014-08-22 2015-04-08 株式会社アールファイブ 在庫管理システム、在庫管理方法、及びプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104217320A (zh) * 2014-09-23 2014-12-17 北京京东尚科信息技术有限公司 仓库库存流转的处理系统和处理方法
CN108154323A (zh) * 2016-12-02 2018-06-12 苏宁云商集团股份有限公司 一种库存的动态管理方法及系统
CN108154322A (zh) * 2016-12-02 2018-06-12 苏宁云商集团股份有限公司 一种库存实时管理的方法及库存系统
CN106901394A (zh) * 2017-04-27 2017-06-30 云南中烟工业有限责任公司 一种基于Markov过程复烤烟叶库存动态平衡的方法
CN107122939A (zh) * 2017-04-28 2017-09-01 厦门大学 一种入库量和出库量的联合预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
iMiner: Mining Inventory Data for Intelligent Management;Lei Li;《CIKM "14: Proceedings of the 23rd ACM International Conference on Conference on Information and Knowledge Management》;20141130;2057-2059页 *
考虑时间序列关联的订单选择决策比较研究;张人千;《管理科学学报》;20090630;第12卷(第3期);44-55页 *

Also Published As

Publication number Publication date
CN109272276A (zh) 2019-01-25

Similar Documents

Publication Publication Date Title
CN109272276B (zh) 一种库存补货管理方法以及装置
US20080086392A1 (en) Managing distribution of constrained product inventory from a warehouse
CN112529491B (zh) 一种库存管理方法及装置
CN107590561A (zh) 一种基于电网线路运行误差远程校准的电能表有序换装方法
CN109117990B (zh) 一种核电站备件库存预测及指标分解装置
CN108960741B (zh) 一种核电站群厂备件库存管理系统
van Donselaar et al. Heuristics for setting reorder levels in periodic review inventory systems with an aggregate service constraint
JP2021163485A (ja) スマートサプライチェーンシステム
Alfieri et al. Dynamic inventory rationing: How to allocate stock according to managerial priorities. An empirical study
CN106548257B (zh) 一种基于决策树模型的备品备件定额制定方法
CN115423450A (zh) 排班数据的处理方法、装置和计算机设备
JP5831363B2 (ja) 製造工期予測装置、製造工期予測方法、及びコンピュータプログラム
CN111967684B (zh) 一种基于大数据分析的计量资产主动配送方法
US11526838B1 (en) Capacity management system for delivery lockers
CN113469596A (zh) 智慧供应链系统及服务器平台
CN113343166A (zh) 一种基于离散事件仿真的物流库存管理系统
Andrejić et al. Value stream mapping in ordering process—A case of retail chain
Vermeer et al. The application of health-and risk indices as a decision-support tool for utilities
CN113762842A (zh) 仓库调度方法、服务器和系统
CN113469397A (zh) 智慧供应链系统及服务器平台
Larsen et al. An inventory control project in a major Danish company using compound renewal demand models
EP0974115B1 (en) System and method for calculation of controlling parameters for a computer based inventory management system
Farahani et al. A hierarchical demand-driven production planning and control framework for the FMCG industry: An SAP-based approach
CN114493001A (zh) 需求排期方法、装置、电子设备及存储介质
Romashchenko MANAGEMENT OF MARKETING RISKS OF TELECOMMUNICATIONS ENTERPRISES

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant