CN110363468A - 采购订单的确定方法、装置、服务器及可读存储介质 - Google Patents
采购订单的确定方法、装置、服务器及可读存储介质 Download PDFInfo
- Publication number
- CN110363468A CN110363468A CN201910524970.4A CN201910524970A CN110363468A CN 110363468 A CN110363468 A CN 110363468A CN 201910524970 A CN201910524970 A CN 201910524970A CN 110363468 A CN110363468 A CN 110363468A
- Authority
- CN
- China
- Prior art keywords
- procurement
- commodities
- buying
- data
- model
- 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.)
- Granted
Links
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
Abstract
本说明书实施例公开了一种采购订单的确定方法，获取目标商品类目的待实行商品采购订单；将所述待实行商品采购订单输入到所述目标商品类目对应的商品采购模型中，得到所述待实行商品采购订单的采购评价数据；若所述采购评价数据不满足采购评价条件，则调整所述待实行商品采购订单，得到最终实行商品采购订单；如此，通过所述约束条件在多个维度对所述最终商品采购订单进行约束，能够有效确保获取的所述最终商品采购订单的准确度和稳定性，且所述最终商品采购订单是对所述采购评价数据进行处理而获得的，在所述采购评价数据的准确度较高的基础上，会促使获取的所述最终商品采购订单的准确性也会随之提高。
Description
技术领域
本说明书实施例涉及数据处理技术领域，尤其涉及一种采购订单的确定方法、装置、服务器及可读存储介质。
背景技术
随着企业的飞速发展，任何需要进行商品销售的公司都会使用一套进销存系统来实现商品的进货、库存与销售之间的平衡，为了实现商品的进货、库存与销售之间的平衡，此时，进销存系统会记录每天或每周的进货数据、库存数据和销售数据，以根据记录的数量，确定采购订单计划，使得采购订单计划有数据进行支撑。
但是，现有的进销存系统通常会提供基础的数据管理能力，而企业为了降低运营风险需要使得进销存保持良好的平衡，为了保持良好的平衡通常是凭借个人丰富的行业经验，根据市场动态来完成。
发明内容
本说明书实施例提供了一种第采购订单的确定方法、装置、服务器及可读存储介质，能够促使获取的最终商品采购订单的准确性提高。
本说明书实施例第一方面提供了一种采购订单的确定方法，包括：
获取目标商品类目的待实行商品采购订单；
将所述待实行商品采购订单输入到所述目标商品类目对应的商品采购模型中，得到所述待实行商品采购订单的采购评价数据，其中，所述商品采购模型包括在商品维度上的商品销售预测模型、在财务维度的财务预测模型和在库存维度上的库存预测模型，所述采购评价数据包括所述待实行商品采购订单在所述商品销售预测模型上的混合利润预测数据、所述待实行商品采购订单在所述财务预测模型上的采购利润预测数据和所述待实行商品采购订单在所述库存预测模型上的库存预测数据；
若所述采购评价数据不满足采购评价条件，则调整所述待实行商品采购订单，得到最终实行商品采购订单，其中，所述最终实行商品采购订单对应的采购评价数据满足所述采购评价条件。
本说明书实施例第二方面提供了一种采购订单的确定装置，包括：
采购订单获取单元，用于获取目标商品类目的待实行商品采购订单；
采购评价数据获取单元，用于将所述待实行商品采购订单输入到所述目标商品类目对应的商品采购模型中，得到所述待实行商品采购订单的采购评价数据，其中，所述商品采购模型包括在商品维度上的商品销售预测模型、在财务维度的财务预测模型和在库存维度上的库存预测模型，所述采购评价数据包括所述待实行商品采购订单在所述商品销售预测模型上的混合利润预测数据、所述待实行商品采购订单在所述财务预测模型上的采购利润预测数据和所述待实行商品采购订单在所述库存预测模型上的库存预测数据；
采购订单调整单元，若所述采购评价数据不满足采购评价条件，则用于调整所述待实行商品采购订单，得到最终实行商品采购订单，其中，所述最终实行商品采购订单对应的采购评价数据满足所述采购评价条件。
本说明书实施例第三方面还提供了一种服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述采购订单的确定方法的步骤。
本说明书实施例第四方面还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时上述采购订单的确定方法的步骤。
本说明书实施例的有益效果如下：
基于上述技术方案，由于所述采购评价数据是根据所述目标商品类目的历史销售数据进行训练得到的对应预测模型而预测出，而所述对应预测模型是根据所述目标商品类目的历史销售数据进行训练而得到的，使得训练出的所述对应预测模型与所述目标商品类目的历史销售数据更匹配，如此，在使得根据所述对应预测模型预测出的所述采购评价数据的准确度也较高。
进一步地，在预测出的所述采购评价数据的准确度较高的基础上，通过所述采购评价数据满足所述采购评价条件的约束条件来获取所述最终商品采购订单，而所述采购评价数据至少包括所述混合利润预测数据、所述采购利润预测数据和所述库存预测数据，从而确保所述约束条件在混合利润、采购利润和库存这三个维度进行约束才得到所述最终商品采购订单，如此，通过所述约束条件在多个维度对所述最终商品采购订单进行约束，能够有效确保获取的所述最终商品采购订单的准确度和稳定性，且所述最终商品采购订单是在所述采购评价数据满足所述采购评价条件基础上获得的，因而在所述采购评价数据的准确度较高的基础上，会促使获取的所述最终商品采购订单的准确性也会随之提高。
附图说明
图1为本说明书实施例中采购订单的确定方法的方法流程图；
图2为本说明书实施例中商品采购模型的结构示意图；
图3为本说明书实施例中采购订单的确定装置的结构示意图；
图4为本说明书实施例中服务器的结构示意图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本说明书实施例的技术方案做详细的说明，应当理解本说明书实施例以及实施例中的具体特征是对本说明书实施例技术方案的详细的说明，而不是对本说明书技术方案的限定，在不冲突的情况下，本说明书实施例以及实施例中的技术特征可以相互组合。
第一方面，如图1所示，本说明书实施例提供一种采购订单的确定方法，包括：
S102、获取目标商品类目的待实行商品采购订单；
S104、将所述待实行商品采购订单输入到所述目标商品类目对应的商品采购模型中，得到所述待实行商品采购订单的采购评价数据，其中，所述商品采购模型包括在商品维度上的商品销售预测模型、在财务维度的财务预测模型和在库存维度上的库存预测模型，所述采购评价数据包括所述待实行商品采购订单在所述商品销售预测模型上的混合利润预测数据、所述待实行商品采购订单在所述财务预测模型上的采购利润预测数据和所述待实行商品采购订单在所述库存预测模型上的库存预测数据；
S106、若所述采购评价数据不满足采购评价条件，则调整所述待实行商品采购订单，得到最终实行商品采购订单，其中，所述最终实行商品采购订单对应的采购评价数据满足所述采购评价条件。
其中，在步骤S102中，可以首先获取所述待实行商品采购订单。
具体来讲，在获取所述待实行商品采购订单时，首先获取在设定周期内的新提交的商品采购订单；若所述新提交的商品采购订单满足在所述设定周期内的设定采购计划，则将所述新提交的商品采购订单作为所述待实行商品采购订单；若所述新提交的商品采购订单未满足所述设定采购计划，则获取修改后的商品采购订单并将其作为所述待实行商品采购订单，其中，所述修改后的商品采购订单满足所述设定采购计划。
具体来讲，在所述新提交的商品采购订单满足在所述设定周期内的设定采购计划之前，还需判断所述新提交的商品采购订单是否满足所述设定采购计划
具体地，在判断所述新提交的商品采购订单是否满足所述设定采购计划时，获取所述设定周期内在所述新提交的商品采购订单之前的已实行采购订单，获取所述已实行采购订单和所述新提交的商品采购订单的订单金额之和；并获取所述订单金额之和与所述设定采购计划对应的设定金额之间的比例，根据所述比例，判断所述新提交的商品采购订单是否满足所述设定采购计划。
具体地，若所述比例大于设定阈值，则判断所述新提交的商品采购订单不满足所述设定采购计划；若所述比例小于所述设定阈值，则判定所述新提交的商品采购订单满足所述设定采购计划；其中，所述设定阈值可以为0.5到1之间的任意一个值，例如可以为0.5、0.8和1等，当然，所述设定阈值也可以为小于0.5的值；本申请不作具体限制。
本说明书另一实施例中，在根据所述比例，判断所述新提交的商品采购订单是否满足所述设定采购计划过程中，还需获取所述新提交的商品采购订单在所述设定周期内已过去的历史时长，根据所述历史时长和所述比例，判断所述新提交的商品采购订单是否满足所述设定采购计划。
具体来讲，可以根据所述历史时长和所述设定周期对应的周期时长之间的时长占比，根据所述时长占比和所述比例，判断所述新提交的商品采购订单是否满足所述设定采购计划。例如，所述历史时长为6个月，而所述设定周期为12个月，则确定所述周期时长为12个月，如此，所述时长占比为所述历史时长除以所述周期时长，即所述时长占比为6/12＝0.5。
具体地，在根据所述时长占比和所述比例，判断所述新提交的商品采购订单是否满足所述设定采购计划时，可以首先判断所述比例是否小于所述设定阈值，在所述比例小于所述设定阈值时，再根据所述时长占比和所述比例，判断所述新提交的商品采购订单是否满足所述设定采购计划；以及，若所述所述比例不小于所述设定阈值，则判断所述新提交的商品采购订单不满足所述设定采购计划。当然，也可以不用判断所述比例是否小于所述设定阈值，而直接根据所述时长占比和所述比例，判断所述新提交的商品采购订单是否满足所述设定采购计划。
具体地，在根据所述时长占比和所述比例，判断所述新提交的商品采购订单是否满足所述设定采购计划时，判断所述时长占比和所述比例是否匹配，若所述时长占比和所述比例匹配，则判定所述新提交的商品采购订单满足所述设定采购计划；若所述时长占比和所述比例不匹配，则判定所述新提交的商品采购订单不满足所述设定采购计划。
其中，在判断所述时长占比和所述比例是否匹配时，可以判断所述时长占比和所述比例之间的差值是否在第一设定取值范围内，若所述差值在所述第一设定取值范围内，则判定所述时长占比和所述比例匹配；否则，则判定所述时长占比和所述比例不匹配。例如，所述第一设定取值范围为[-0.1,0.1],若所述差值为0.05，由于-0.1<0.05<0.1，则可以确定所述差值在所述第一设定取值范围内，则判定所述时长占比和所述比例匹配。
当然，还可以判断所述时长占比除以所述比例的商是否在第二设定取值范围内，若所述商在所述第二设定取值范围内，则判定所述时长占比和所述比例匹配；否则，则判定所述时长占比和所述比例不匹配。例如，所述第二设定取值范围为[0.8,1.2],若所述商为0.9，由于0.8<0.9<1.2，则可以确定所述商在所述第二设定取值范围内，则判定所述时长占比和所述比例匹配。
本说明书实施例中，所述第一设定取值范围和所述第二设定取值范围可以根据实际情况进行设定，也可以由系统或人工进行设定，本申请不作具体限制。
在执行步骤S104之前，还需获取所述商品采购模型，再执行步骤S104,其中，在获取所述商品采购模型时，可以获取所述目标商品类目在设定时间周期内的销售数据作为所述历史销售数据，在获取到所述历史销售数据之后，再对所述历史销售数据进行训练，得到所述商品采购模型，其中，所述设定时间周期通常为当前时间的前一年、前多年、前一个月和前几个月等。
本说明书实施例中，所述目标商品类目可以为多个商品类目中的任意一个商品类目，使得所述历史销售数据为一个商品类目的历史销售数据，如此，使得每个商品类目均会对应一个商品采购模型，由于不同的商品类目对应的销售数据不同和销售的淡旺季等原因，会使得不同的商品类目会对应不同的商品采购模型。例如，所述历史销售数据可以为羽绒服这个商品类目在2018年度的销售数据，还可以为手机这个商品类目在2018年度的销售数据。
本说明书实施例中，若商品类目存在分级时，所述目标商品类目为一个主类目下的最小子类目，例如主类目为家电且类目存在三个分级，次级类目包括电视、冰箱洗衣机和厨卫电视等，电视次级类目下的最小子类目包括家庭影音类目和平板电视类目，冰箱洗衣机次级类目下的最小子类目包括对开门冰箱类目和洗烘一体机类目，厨卫电视次级类目下的最小子类目包括烟灶类目和热水器类目，如此，所述目标商品类目可以为家庭影音类目、平板电视类目、对开门冰箱类目、洗烘一体机类目、烟灶类目和热水器类目等最小子类目中的任意一个子类目。
本说明书实施例中，所述历史销售数据包括所述目标商品类目的销售数据、库存预测数据、采购数据、盈利数据和促销数据等。
进一步的，在获取所述商品采购模型时，可以根据所述历史销售数据，获取所述历史销售视图，其中，所述历史销售视图包括在商品维度上的商品销售视图、在财务维度的财务视图和在库存维度上的库存视图；对所述历史销售视图进行模型训练，得到所述商品采购模型。
具体来讲，在获取所述历史销售数据之后，可以对所述历史销售数据在商品维度上的数据进行可视化分析，得到所述商品销售视图；以及也可以对所述历史销售数据在财务维度上的数据进行可视化分析，得到所述财务视图；还可以对所述历史销售数据在库存维度上的数据进行可视化分析，得到所述库存视图；根据所述商品销售视图、所述财务视图和所述库存视图，确定所述历史销售视图，如此，使得所述历史销售视图包括所述商品销售视图、所述财务视图和所述库存视图。
具体地，在获取所述历史销售视图之后，由于所述历史销售视图包括所述商品销售视图、所述财务视图和所述库存视图，如此，在获取所述商品采购模型时，可以对所述商品销售视图进行模型训练，得到所述商品销售预测模型；对所述财务视图进行模型训练，得到所述财务预测模型；对所述库存视图进行模型训练，得到所述库存预测模型；根据所述商品销售预测模型、所述财务预测模型和所述库存预测模型，得到所述商品采购模型，如此，使得所述商品采购模型包括所述商品销售预测模型、所述财务预测模型和所述库存预测模型，促使所述商品采购模型能够在商品维度、财务维度和库存维度对所述目标商品类目的商品采购订单进行评估。
本说明书实施例中，在获取所述历史销售数据之后，还可以对所述历史销售数据在采购维度上的数据进行可视化分析，得到所述目标商品类目的采购视图，使得所述历史销售视图还包括所述采购视图；在所述历史销售视图还包括所述采购视图时，还可以对所述采购视图进行模型训练，得到所述采购预测模型，使得所述商品采购模型还包括所述采购预测模型。
本说明书实施例中，在获取所述历史销售数据之后，还可以对所述历史销售数据在促销维度上的数据进行可视化分析，得到所述目标商品类目的促销视图，使得所述历史销售视图还包括所述促销视图；在所述历史销售视图还包括所述促销视图时，还可以对所述促销视图进行模型训练，得到所述促销预测模型，使得所述商品采购模型还包括所述促销预测模型。
例如，如图2所示，以所述目标商品类目为手机类目且以所述商品采购模型包括商品销售预测模型、财务预测模型和库存预测模型为例，获取手机类目在2012-2018年度的历史销售数据，并根据手机类目在2012-2018年度的历史销售数据，建立手机销售预测模型21、手机财务预测模型22和手机库存预测模型23。
其中，图2中的各个指标名、计算维度和公式定义具体如下表1所示：
表1
其中，表1中的任意一个为空的表格中数值可以由人工输入或系统自动获取数据，还可以通过对应的计算公式计算出等；进一步地，根据总需补货成本238，确定每个月的补货成本；根据每个月的补货成本乘以12，得到一年补货成本237；以及，上一期期末库存与下一期期初库存的数量相同，例如上一期期末库存为200，则下一期期初库存数量也为200；以及表1中的周期以一周为例。当然，周期还可以为二周、一个月和一年等，本说明书不作具体限制。
本说明书实施例中，表1中空白部分中的值可以由人工或系统输入，本说明书不作具体限制。
本说明书实施例中，表1中的计算路径为箭头指向方向相同，例如210节点和211节点，由于箭头是从210节点指向211节点，其计算路径为根据210节点中的数据通过对应的公式计算得到211节点中的数据。
本说明书实施例中，SKU的英文全称为Stock Keeping Unit(库存量单位)，即为库存进出计量的基本单元,可以是以件,盒,托盘等单位。
具体地，本期销售成本216可以根据设定周期的不同，本申请销售成本216也不同，在所述设定周期为1年时，本期销售成本216为一年的销售成本；在所述设定周期为一个月时，本期销售成本216为一个月的销售成本；本说明书不作具体限制。
具体来讲，根据表1中计划值中的计算算法创建手机销售预测模型21、手机财务预测模型22和手机库存预测模型23，然后将实际发生值中的数据输入到手机销售预测模型21、手机财务预测模型22和手机库存预测模型23中进行训练，得到已训练的手机销售预测模型21、手机财务预测模型22和手机库存预测模型23。
在实际应用过程中，在开始对上述模型进行训练时，需要在210、220、221、230、240和233节点中的每个节点进行数据设置，可以通过人工或系统自行进行数据设置，进而将对应的数据输入到210、220、221、230、240和233节点中的每个节点中，然后结合一些外部子系统中的数据同步到212和214节点中，使得上述3个模型自动计算，随着输入数据的动态变化，上述3个模型的整体指标也随之动态变化，训练完成之后得到已训练的手机销售预测模型21、已训练的手机财务预测模型22和已训练的手机库存预测模型23。
其中，上述3个模型的计算路径根据每两个节点之间的箭头指向，确定计算路径；其中主计算路径为数据从210节点出发沿着箭头指向的计算路径，直至节点234截止；其它计算路径包括从210节点、220节点、221节点和233节点出发沿着箭头指向的计算路径，计算得到229节点和215节点等节点中的数据作为所述采购评价数据；再通过所述采购评价条件对所述采购评价数据进行评价，根据评价结果动态地调整节点234中的数据，直至调整后的节点234中的数据对应的采购评价数据满足所述采购评价条件，
总而言之，上述模型的目的是科学地设定每一个商品类目的在每一个周期内的销售计划与销售周期等计划数据，衡量是否科学的依据就是根据计划的输入对各项指标计算结果的度量，并在各项指标均符合所述采购评价条件的前提下，得出最终的采购计划。
本说明书实施例中，在获取到所述商品采购模型之后，执行步骤S104,若所述商品采购模型包括所述商品销售预测模型、所述财务预测模型和所述库存预测模型，则将所述待实行商品采购订单输入到所述商品销售预测模型中，得到所述混合利润预测数据；将所述待实行商品采购订单输入到所述财务预测模型中，得到所述采购利润预测数据；将所述待实行商品采购订单输入到所述库存预测模型中，得到所述库存预测数据；再根据所述混合利润预测数据、所述采购利润预测数据和所述库存预测数据，得到所述采购评价数据，此时，所述采购评价数据包括所述混合利润预测数据、所述采购利润预测数据和所述库存预测数据。
本说明书实施例中，若所述商品采购模型还包括所述采购预测模型，则还需将所述待实行商品采购订单输入到所述采购预测模型中，得到采购预测数据，此时，根据所述混合利润预测数据、所述采购利润预测数据、所述库存预测数据和所述采购预测数据，得到所述采购评价数据。
本说明书实施例中，若所述商品采购模型还包括所述促销预测模型，则还需将所述待实行商品采购订单输入到所述促销预测模型中，得到采购预测数据，此时，根据所述混合利润预测数据、所述采购利润预测数据、所述库存预测数据、所述采购预测数据和所述促销预测数据，得到所述采购评价数据。
具体来讲，由于所述商品采购模型由多个预测模型组成，如此，在获取到所述待实行商品采购订单之后，针对每个预测模型，从所述待实行商品采购订单中获取用于输入到该预测模型的输入数据，将获取的输入数据输入到该预测模型中，得到该预测模型预测出的预测数据；如此，针对每个预测模型执行上述操作，得到每个预测模型预测出的预测数据；再根据每个预测模型预测出的预测数据，确定出所述采购评价数据，此时，所述采购评价数据包括每个预测模型预测出的预测数据。
接下来执行步骤S106，可以在确定出所述采购评价数据不满足采购评价条件时，可以对所述待实行商品采购订单进行一次或多次调整，直至所述最终实行商品采购订单对应的采购评价数据满足所述采购评价条件时，并将此次调整后的所述待实行商品采购订单作为所述最终实行商品采购订单；如此，能够使得所述最终实行商品采购订单对应的采购评价数据满足所述采购评价条件。
其中，由于通过对应的预测模型预测出的所述采购评价数据至少包括所述混合利润预测数据、所述采购利润预测数据和所述库存预测数据，且对应的预测模型是根据所述目标商品类目的历史销售数据进行训练而得到的，使得预测出的所述采购评价数据的准确度较高，进一步地，通过所述采购评价数据满足所述采购评价条件的约束条件来获取所述最终商品采购订单，如此，在所述采购评价数据的准确度较高的基础上获取的所述最终商品采购订单的准确度也会随之提高，与现有技术通过个人行业经验来确定最终实行商品采购订单相比，由于本申请实施例获取所述最终商品采采购订单均是通过电子设备自动进行数据计算而得到的，其计算效率远高于人工效率，且通过人工行业经验预测出的所述最终实行商品采购订单的稳定性和准确性均不能确保，而基于上述原因本申请实施例确定出的所述最终实行商品采购订单的稳定性和准确性均较高，即与现有技术相比，本申请实施例采用的技术方案能够有效缩短获取所述最终实行商品采购订单的时间，促使获取所述最终实行商品采购订单的效果提高，并能够确保获取的所述最终实行商品采购订单的稳定性和准确性。
具体来讲，在执行步骤S106之前，还需判断所述采购评价数据是否满足所述采购评价条件。
具体地，在所述采购评价条件包括设定混合利润条件、设定采购利润条件和设定库存条件时，所述判断所述采购评价数据是否满足所述采购评价条件，包括：判断所述混合利润预测数据是否满足所述设定混合利润条件，得到混合利润判断结果；判断所述采购利润预测数据是否满足所述设定采购利润条件，得到采购利润判断结果；判断所述库存预测数据是否满足所述设定库存条件，得到库存判断结果；根据所述混合利润判断结果、所述采购利润判断结果和所述库存判断结果，确定所述采购评价数据是否满足所述采购评价条件。
具体来讲，所述设定混合利润条件可以为一个设定混合阈值或设定混合取值范围等，在所述设定混合利润条件为所述设定混合阈值时，则判断所述混合利润预测数据是否大于所述设定混合阈值，得到所述混合利润判断结果；在所述设定混合利润条件为所述设定混合取值范围时，则判断所述混合利润预测数据是否位于所述设定混合取值范围内，得到所述混合利润判断结果。
具体地，在所述设定混合利润条件为所述设定混合阈值时，若所述混合利润判断结果表征所述混合利润预测数据大于所述设定混合阈值，则判定所述混合利润预测数据满足所述设定混合利润条件，否则，则判定所述混合利润预测数据不满足所述设定混合利润条件；在所述设定混合利润条件为所述设定混合取值范围时，若所述混合利润判断结果表征所述混合利润预测数据位于所述设定混合取值范围内，则判定所述混合利润预测数据满足所述设定混合利润条件，否则，则判定所述混合利润预测数据不满足所述设定混合利润条件。
相应地，所述设定采购利润条件也可以为一个设定采购阈值或设定采购取值范围等，在所述设定采购利润条件为所述设定采购阈值时，则判断所述采购利润预测数据是否不大于所述设定采购阈值，得到所述采购利润判断结果；在所述设定采购利润条件为所述设定采购取值范围时，则判断所述采购利润预测数据是否位于所述设定采购取值范围内，得到所述采购利润判断结果。
具体地，在所述设定采购利润条件为所述设定采购阈值时，若所述混合利润判断结果表征所述采购利润预测数据不大于所述设定采购阈值，则判定所述采购利润预测数据满足所述设定采购利润条件，否则，则判定所述采购利润预测数据不满足所述设定采购利润条件；在所述设定采购利润条件为所述设定采购取值范围时，若所述混合利润判断结果表征所述采购利润预测数据位于所述设定采购取值范围内，则判定所述采购利润预测数据满足所述设定采购利润条件，否则，则判定所述采购利润预测数据不满足所述设定采购利润条件。
相应地，所述设定库存条件也可以为一个设定库存阈值或设定库存取值范围等，在所述设定库存条件为所述设定库存阈值时，判断所述库存预测数据是否不大于所述设定库存阈值，得到所述库存判断结果；在所述设定库存条件为所述设定库存取值范围时，判断所述库存预测数据是否位于所述设定库存取值范围内，得到所述库存判断结果。
具体地，在所述设定库存条件为所述设定库存阈值时，若所述库存判断结果表征所述库存预测数据不大于所述设定库存阈值，则判定所述库存预测数据满足所述设定库存条件，否则，则判定所述库存预测数据不满足所述设定库存条件；在所述设定库存条件为所述设定采购取值范围时，若所述库存判断结果表征所述库存预测数据位于所述设定采购取值范围内，则判定所述库存预测数据满足所述设定库存条件，否则，则判定所述库存预测数据不满足所述设定库存条件。
本说明书实施例中，所述设定混合阈值、所述设定混合取值范围、所述设定采购阈值、所述设定采购取值范围、所述设定库存阈值和所述设定库存取值范围可以根据实际情况进行设定，也可以由系统或人工进行设定，本申请不作具体限制。
本说明书实施例中，在根据所述混合利润判断结果、所述采购利润判断结果和所述库存判断结果，确定所述采购评价数据是否满足所述采购评价条件时，若所述混合利润判断结果表征所述混合利润预测数据满足所述设定混合利润条件，且所述采购利润判断结果表征所述采购利润预测数据满足所述设定采购利润条件，以及所述库存判断结果表征所述库存预测数据满足所述设定库存条件，则判定所述采购评价数据满足所述采购评价条件；否则，则判定所述采购评价数据不满足所述采购评价条件。
本说明书实施例中，在所述采购评价数据还包括所述采购预测数据和所述促销预测数据等其它评价数据时，若所述采购评价数据中的每个评价数据均满足对应的评价条件，则判定所述采购评价数据满足所述采购评价条件；若所述采购评价数据中存在一个评价数据不满足对应的评价条件，则判定所述采购评价数据不满足所述采购评价条件，则调整所述待实行商品采购订单，直至调整后的所述待实行商品采购对应的采购评价数据满足所述采购评价条件。
此时，通过所述采购评价条件在更多维度上对所述采购评价数据进行约束，在更多维度约束条件上获取到的所述最终实行商品采购订单具有更高的准确性，而且所述最终实行商品采购订单是在所述预测模型预测出的采购评价数据上通过约束条件对所述采购评价数据进行约束而得到的，其稳定性与人工预测相比，其稳定性明显要高于人工预测的稳定性。
本说明书实施例中，由于所述采购评价数据是根据所述目标商品类目的历史销售数据进行训练得到的对应预测模型而预测出，而所述对应预测模型是根据所述目标商品类目的历史销售数据进行训练而得到的，使得训练出的所述对应预测模型与所述目标商品类目的历史销售数据更匹配，如此，在使得根据所述对应预测模型预测出的所述采购评价数据的准确度也较高。
其中，在预测出的所述采购评价数据的准确度较高的基础上，通过所述采购评价数据满足所述采购评价条件的约束条件来获取所述最终商品采购订单，而所述采购评价数据至少包括所述混合利润预测数据、所述采购利润预测数据和所述库存预测数据，从而确保所述约束条件在混合利润、采购利润和库存这三个维度进行约束才得到所述最终商品采购订单，如此，通过所述约束条件在多个维度对所述最终商品采购订单进行约束，能够有效确保获取的所述最终商品采购订单的准确度和稳定性，且所述最终商品采购订单是对所述采购评价数据进行处理而获得的，在所述采购评价数据的准确度较高的基础上，会促使获取的所述最终商品采购订单的准确性也会随之提高。
另外，现有技术在通过个经验保存进销存系统的良好平衡时，针对任何一个商品类目，都需要在某个特定时间，根据当时的销售预期、库存情况以及财务状况，分析与决策是否采购以及采购的数量，需要大量的人力投入和经验积累，也存在较大的出错成本，使得采购订单计划的实施的效率极其低下且稳定性也较低；而本申请的技术方案仅需要将对应的数据输入到所述商品采购模型中即可自动获取到所述最终商品采购订单，不需要大量的人力投入，能够有效降低成本且效率也更高，而且在出现错误之后，仅需重新将修改后的数据输入到所述商品采购模型中即可，能够有效降低错误成本。
第二方面，基于与第一方面的同一发明构思，本说明书实施例提供一种采购订单的确定装置，如图3所示，包括：
采购订单获取单元301，用于获取目标商品类目的待实行商品采购订单；
采购评价数据获取单元302，用于将所述待实行商品采购订单输入到所述目标商品类目对应的商品采购模型中，得到所述待实行商品采购订单的采购评价数据，其中，所述商品采购模型包括在商品维度上的商品销售预测模型、在财务维度的财务预测模型和在库存维度上的库存预测模型，所述采购评价数据包括所述待实行商品采购订单在所述商品销售预测模型上的混合利润预测数据、所述待实行商品采购订单在所述财务预测模型上的采购利润预测数据和所述待实行商品采购订单在所述库存预测模型上的库存预测数据；
采购订单调整单元303，若所述采购评价数据不满足采购评价条件，则用于调整所述待实行商品采购订单，得到最终实行商品采购订单，其中，所述最终实行商品采购订单对应的采购评价数据满足所述采购评价条件。
在一种可选方式中，采购订单获取单元301，用于根据所述目标商品类目的历史销售数据，获取历史销售视图，其中，所述历史销售视图包括在商品维度上的商品销售视图、在财务维度的财务视图和在库存维度上的库存视图；对所述历史销售视图进行模型训练，得到所述商品采购模型。
在一种可选方式中，采购订单获取单元301，用于对所述商品销售视图进行模型训练，得到所述商品销售预测模型；对所述财务视图进行模型训练，得到所述财务预测模型；对所述库存视图进行模型训练，得到所述库存预测模型；根据所述商品销售预测模型、所述财务预测模型和所述库存预测模型，得到所述商品采购模型。
在一种可选方式中，采购评价数据获取单元302，用于将所述待实行商品采购订单输入到所述商品销售预测模型中，得到所述混合利润预测数据；将所述待实行商品采购订单输入到所述财务预测模型中，得到所述采购利润预测数据；将所述待实行商品采购订单输入到所述库存预测模型中，得到所述库存预测数据；根据所述混合利润预测数据、所述采购利润预测数据和所述库存预测数据，得到所述采购评价数据。
在一种可选方式中，所述装置还包括：
判断单元，用于在调整所述待实行商品采购订单之前，若所述采购评价条件包括设定混合利润条件、设定采购利润条件和设定库存条件，则判断所述混合利润预测数据是否满足所述设定混合利润条件，得到混合利润判断结果；判断所述采购利润预测数据是否满足所述设定采购利润条件，得到采购利润判断结果；判断所述库存预测数据是否满足所述设定库存条件，得到库存判断结果；根据所述混合利润判断结果、所述采购利润判断结果和所述库存判断结果，确定所述采购评价数据是否满足所述采购评价条件。
在一种可选方式中，所述装置还包括：
商品采购订单获取单元，用于在将所述待实行商品采购订单输入到所述目标商品类目对应的商品采购模型中之前，获取在设定周期内的新提交的商品采购订单；若所述新提交的商品采购订单满足在所述设定周期内的设定采购计划，则将所述新提交的商品采购订单作为所述待实行商品采购订单。
第三方面，基于与前述实施例中采购订单的确定方法同样的发明构思，本说明书实施例还提供一种服务器，如图4所示，包括存储器404、处理器402及存储在存储器404上并可在处理器402上运行的计算机程序，所述处理器402执行所述程序时实现前文所述采购订单的确定方法的任一方法的步骤。
其中，在图4中，总线架构(用总线400来代表)，总线400可以包括任意数量的互联的总线和桥，总线400将包括由处理器402代表的一个或多个处理器和存储器404代表的存储器的各种电路链接在一起。总线400还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口405在总线400和接收器401和发送器403之间提供接口。接收器401和发送器403可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器402负责管理总线400和通常的处理，而存储器404可以被用于存储处理器402在执行操作时所使用的数据。
第四方面，基于与前述实施例中采购订单的确定方法的发明构思，本说明书实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前文所述采购订单的确定方法的任一方法的步骤。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的设备。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令设备的制造品，该指令设备实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本说明书的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本说明书范围的所有变更和修改。
显然，本领域的技术人员可以对本说明书进行各种改动和变型而不脱离本说明书的精神和范围。这样，倘若本说明书的这些修改和变型属于本说明书权利要求及其等同技术的范围之内，则本说明书也意图包含这些改动和变型在内。
Claims (14)
1.一种采购订单的确定方法，包括：
获取目标商品类目的待实行商品采购订单；
将所述待实行商品采购订单输入到所述目标商品类目对应的商品采购模型中，得到所述待实行商品采购订单的采购评价数据，其中，所述商品采购模型包括在商品维度上的商品销售预测模型、在财务维度的财务预测模型和在库存维度上的库存预测模型，所述采购评价数据包括所述待实行商品采购订单在所述商品销售预测模型上的混合利润预测数据、所述待实行商品采购订单在所述财务预测模型上的采购利润预测数据和所述待实行商品采购订单在所述库存预测模型上的库存预测数据；
若所述采购评价数据不满足采购评价条件，则调整所述待实行商品采购订单，得到最终实行商品采购订单，其中，所述最终实行商品采购订单对应的采购评价数据满足所述采购评价条件。
2.如权利要求1所述的方法，所述商品采购模型的训练步骤，包括：
根据所述目标商品类目的历史销售数据，获取历史销售视图，其中，所述历史销售视图包括在商品维度上的商品销售视图、在财务维度的财务视图和在库存维度上的库存视图；
对所述历史销售视图进行模型训练，得到所述商品采购模型。
3.如权利要求2所述的方法，所述对所述历史销售视图进行模型训练，得到所述商品采购模型，包括：
对所述商品销售视图进行模型训练，得到所述商品销售预测模型；
对所述财务视图进行模型训练，得到所述财务预测模型；
对所述库存视图进行模型训练，得到所述库存预测模型；
根据所述商品销售预测模型、所述财务预测模型和所述库存预测模型，得到所述商品采购模型。
4.如权利要求3所述的方法，所述将所述目标商品类目的待实行商品采购订单输入到所述商品采购模型中，得到所述待实行商品采购订单的采购评价数据，包括:
将所述待实行商品采购订单输入到所述商品销售预测模型中，得到所述混合利润预测数据；
将所述待实行商品采购订单输入到所述财务预测模型中，得到所述采购利润预测数据；
将所述待实行商品采购订单输入到所述库存预测模型中，得到所述库存预测数据；
根据所述混合利润预测数据、所述采购利润预测数据和所述库存预测数据，得到所述采购评价数据。
5.如权利要求4所述的方法，在调整所述待实行商品采购订单之前，所述方法还包括：
若所述采购评价条件包括设定混合利润条件、设定采购利润条件和设定库存条件，则判断所述混合利润预测数据是否满足所述设定混合利润条件，得到混合利润判断结果；
判断所述采购利润预测数据是否满足所述设定采购利润条件，得到采购利润判断结果；
判断所述库存预测数据是否满足所述设定库存条件，得到库存判断结果；
根据所述混合利润判断结果、所述采购利润判断结果和所述库存判断结果，确定所述采购评价数据是否满足所述采购评价条件。
6.权利要求1-5任一项所述的方法，在将所述待实行商品采购订单输入到所述目标商品类目对应的商品采购模型中之前，所述方法还包括：
获取在设定周期内新提交的商品采购订单；
若所述新提交的商品采购订单满足在所述设定周期内的设定采购计划，则将所述新提交的商品采购订单作为所述待实行商品采购订单。
7.一种采购订单的确定装置，包括：
采购订单获取单元，用于获取目标商品类目的待实行商品采购订单；
采购评价数据获取单元，用于将所述待实行商品采购订单输入到所述目标商品类目对应的商品采购模型中，得到所述待实行商品采购订单的采购评价数据，其中，所述商品采购模型包括在商品维度上的商品销售预测模型、在财务维度的财务预测模型和在库存维度上的库存预测模型，所述采购评价数据包括所述待实行商品采购订单在所述商品销售预测模型上的混合利润预测数据、所述待实行商品采购订单在所述财务预测模型上的采购利润预测数据和所述待实行商品采购订单在所述库存预测模型上的库存预测数据；
采购订单调整单元，若所述采购评价数据不满足采购评价条件，则用于调整所述待实行商品采购订单，得到最终实行商品采购订单，其中，所述最终实行商品采购订单对应的采购评价数据满足所述采购评价条件。
8.如权利要求7所述的装置，还包括：
采购订单获取单元，用于根据所述目标商品类目的历史销售数据，获取历史销售视图，其中，所述历史销售视图包括在商品维度上的商品销售视图、在财务维度的财务视图和在库存维度上的库存视图；对所述历史销售视图进行模型训练，得到所述商品采购模型。
9.如权利要求8所述的装置，所述采购订单获取单元，用于对所述商品销售视图进行模型训练，得到所述商品销售预测模型；对所述财务视图进行模型训练，得到所述财务预测模型；对所述库存视图进行模型训练，得到所述库存预测模型；根据所述商品销售预测模型、所述财务预测模型和所述库存预测模型，得到所述商品采购模型。
10.如权利要求9所述的装置，所述采购评价数据获取单元，用于将所述待实行商品采购订单输入到所述商品销售预测模型中，得到所述混合利润预测数据；将所述待实行商品采购订单输入到所述财务预测模型中，得到所述采购利润预测数据；将所述待实行商品采购订单输入到所述库存预测模型中，得到所述库存预测数据；根据所述混合利润预测数据、所述采购利润预测数据和所述库存预测数据，得到所述采购评价数据。
11.如权利要求10所述的装置，还包括：
判断单元，用于在调整所述待实行商品采购订单之前，若所述采购评价条件包括设定混合利润条件、设定采购利润条件和设定库存条件，则判断所述混合利润预测数据是否满足所述设定混合利润条件，得到混合利润判断结果；判断所述采购利润预测数据是否满足所述设定采购利润条件，得到采购利润判断结果；判断所述库存预测数据是否满足所述设定库存条件，得到库存判断结果；根据所述混合利润判断结果、所述采购利润判断结果和所述库存判断结果，确定所述采购评价数据是否满足所述采购评价条件。
12.如权利要求7-11任一项所述的装置，还包括：
商品采购订单获取单元，用于在将所述待实行商品采购订单输入到所述目标商品类目对应的商品采购模型中之前，获取在设定周期内的新提交的商品采购订单；若所述新提交的商品采购订单满足在所述设定周期内的设定采购计划，则将所述新提交的商品采购订单作为所述待实行商品采购订单。
13.一种服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。
14.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910524970.4A CN110363468B (zh) | 2019-06-18 | 2019-06-18 | 采购订单的确定方法、装置、服务器及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910524970.4A CN110363468B (zh) | 2019-06-18 | 2019-06-18 | 采购订单的确定方法、装置、服务器及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110363468A true CN110363468A (zh) | 2019-10-22 |
| CN110363468B CN110363468B (zh) | 2023-09-26 |
Family
ID=68217365
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910524970.4A Active CN110363468B (zh) | 2019-06-18 | 2019-06-18 | 采购订单的确定方法、装置、服务器及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110363468B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111275520A (zh) * | 2020-01-15 | 2020-06-12 | 杭州涂鸦信息技术有限公司 | 订单确认方法及装置、电子设备和存储介质 |
| CN112419010A (zh) * | 2020-12-09 | 2021-02-26 | 上海找钢网信息科技股份有限公司 | 资源获取意向处理方法、装置、电子设备及存储介质 |
| CN113554453A (zh) * | 2021-06-30 | 2021-10-26 | 杭州拼便宜网络科技有限公司 | 基于人工智能的自动化订单生成方法、装置及存储介质 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003331007A (ja) * | 2002-05-09 | 2003-11-21 | Nec Soft Ltd | 混合製品の管理方法およびシステム |
| JP2004051374A (ja) * | 2002-05-28 | 2004-02-19 | Japan Logistic Systems Inc | シームレス商品物流情報システム |
| JP2007140785A (ja) * | 2005-11-16 | 2007-06-07 | Nomura Research Institute Ltd | 在庫管理システム |
| JP2007233944A (ja) * | 2006-03-03 | 2007-09-13 | Vinculum Japan Corp | 商品販売予測システム |
| JP2015041121A (ja) * | 2013-08-20 | 2015-03-02 | 株式会社日立製作所 | 販売予測システム及び販売予測方法 |
| US20160155070A1 (en) * | 2011-06-08 | 2016-06-02 | Accenture Global Services Limited | Decision tree machine learning |
| US20160260052A1 (en) * | 2015-03-06 | 2016-09-08 | Wal-Mart Stores, Inc. | System and method for forecasting high-sellers using multivariate bayesian time series |
| US20170068973A1 (en) * | 2012-12-03 | 2017-03-09 | Dimitri Sinkel | System and method for inventory management |
| CN106980951A (zh) * | 2017-03-23 | 2017-07-25 | 江苏金易达供应链管理有限公司 | 一种智能物流管理系统 |
| CN108764974A (zh) * | 2018-05-11 | 2018-11-06 | 国网电子商务有限公司 | 一种基于深度学习的商品采购量预测方法及装置 |
| US20180365714A1 (en) * | 2017-06-15 | 2018-12-20 | Oracle International Corporation | Promotion effects determination at an aggregate level |
| CN109509030A (zh) * | 2018-11-15 | 2019-03-22 | 北京旷视科技有限公司 | 销量预测方法及其模型的训练方法、装置和电子系统 |
| CN109784806A (zh) * | 2018-12-27 | 2019-05-21 | 北京航天智造科技发展有限公司 | 供应链控制方法、系统以及存储介质 |
| CN111295681A (zh) * | 2017-10-31 | 2020-06-16 | 甲骨文国际公司 | 使用加权混合机器学习模型进行需求预测 |
-
2019
- 2019-06-18 CN CN201910524970.4A patent/CN110363468B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003331007A (ja) * | 2002-05-09 | 2003-11-21 | Nec Soft Ltd | 混合製品の管理方法およびシステム |
| JP2004051374A (ja) * | 2002-05-28 | 2004-02-19 | Japan Logistic Systems Inc | シームレス商品物流情報システム |
| JP2007140785A (ja) * | 2005-11-16 | 2007-06-07 | Nomura Research Institute Ltd | 在庫管理システム |
| JP2007233944A (ja) * | 2006-03-03 | 2007-09-13 | Vinculum Japan Corp | 商品販売予測システム |
| US20160155070A1 (en) * | 2011-06-08 | 2016-06-02 | Accenture Global Services Limited | Decision tree machine learning |
| US20170068973A1 (en) * | 2012-12-03 | 2017-03-09 | Dimitri Sinkel | System and method for inventory management |
| JP2015041121A (ja) * | 2013-08-20 | 2015-03-02 | 株式会社日立製作所 | 販売予測システム及び販売予測方法 |
| US20160260052A1 (en) * | 2015-03-06 | 2016-09-08 | Wal-Mart Stores, Inc. | System and method for forecasting high-sellers using multivariate bayesian time series |
| CN106980951A (zh) * | 2017-03-23 | 2017-07-25 | 江苏金易达供应链管理有限公司 | 一种智能物流管理系统 |
| US20180365714A1 (en) * | 2017-06-15 | 2018-12-20 | Oracle International Corporation | Promotion effects determination at an aggregate level |
| CN111295681A (zh) * | 2017-10-31 | 2020-06-16 | 甲骨文国际公司 | 使用加权混合机器学习模型进行需求预测 |
| CN108764974A (zh) * | 2018-05-11 | 2018-11-06 | 国网电子商务有限公司 | 一种基于深度学习的商品采购量预测方法及装置 |
| CN109509030A (zh) * | 2018-11-15 | 2019-03-22 | 北京旷视科技有限公司 | 销量预测方法及其模型的训练方法、装置和电子系统 |
| CN109784806A (zh) * | 2018-12-27 | 2019-05-21 | 北京航天智造科技发展有限公司 | 供应链控制方法、系统以及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 肖修剑,车帅,王田苗,唐荣锡: "一种面向预测的采购策略研究", 组合机床与自动化加工技术, no. 10 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111275520A (zh) * | 2020-01-15 | 2020-06-12 | 杭州涂鸦信息技术有限公司 | 订单确认方法及装置、电子设备和存储介质 |
| CN112419010A (zh) * | 2020-12-09 | 2021-02-26 | 上海找钢网信息科技股份有限公司 | 资源获取意向处理方法、装置、电子设备及存储介质 |
| CN113554453A (zh) * | 2021-06-30 | 2021-10-26 | 杭州拼便宜网络科技有限公司 | 基于人工智能的自动化订单生成方法、装置及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110363468B (zh) | 2023-09-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Aydin et al. | Coordination of the closed-loop supply chain for product line design with consideration of remanufactured products | |
| Taleizadeh et al. | Pricing and ordering decisions in a supply chain with imperfect quality items and inspection under buyback of defective items | |
| Maiti et al. | A closed loop supply chain under retail price and product quality dependent demand | |
| Wu | Quantity flexibility contracts under Bayesian updating | |
| Li et al. | Remanufacturing and pricing decisions with random yield and random demand | |
| Oh et al. | Mechanism design for capacity planning under dynamic evolutions of asymmetric demand forecasts | |
| Sawik | Selection of a dynamic supply portfolio in make-to-order environment withrisks | |
| Braglia et al. | A continuous review,(Q, r) inventory model for a deteriorating item with random demand and positive lead time | |
| CN110363468A (zh) | 采购订单的确定方法、装置、服务器及可读存储介质 | |
| Heydari et al. | A study of lead time variation impact on supply chain performance | |
| Esfandiari et al. | Modeling a stochastic multi-objective supplier quota allocation problem with price-dependent ordering | |
| Avci et al. | A Multi-objective, simulation-based optimization framework for supply chains with premium freights | |
| CN109034505A (zh) | 计量用表需求量在线预测方法及终端设备 | |
| US20150112762A1 (en) | Optimization of product assortments | |
| Demirag et al. | A note on inventory policies for products with residual-life-dependent demand | |
| Adeinat et al. | Integrated pricing and supplier selection in a two-stage supply chain | |
| JP2019525280A (ja) | 商品レコメンドの方法・装置・設備及びコンピュータ可読記憶媒体 | |
| Bean et al. | Inventory management under uncertainty: A military application | |
| CN107993088A (zh) | 一种购买周期预测方法及装置，电子设备 | |
| Cai et al. | Supply chain coordination under production yield loss and downside risk aversion | |
| Soni et al. | Optimal policies for vendor-buyer inventory system involving defective items with variable lead time and service level constraint | |
| Serel | Optimal ordering and pricing in a quick response system | |
| Alstrøm | Numerical computation of inventory policies, based on the EOQ/σx value for order-point systems | |
| Sun et al. | Mitigating bankruptcy propagation through contractual incentive schemes | |
| Park et al. | Inventory control model for a supply chain system with multiple types of items and minimum order size requirements |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201009 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20201009 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Advanced innovation technology Co.,Ltd. Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Applicant before: Alibaba Group Holding Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |