CN110689159A - 一种商品补货的方法和装置 - Google Patents
一种商品补货的方法和装置 Download PDFInfo
- Publication number
- CN110689159A CN110689159A CN201810735608.7A CN201810735608A CN110689159A CN 110689159 A CN110689159 A CN 110689159A CN 201810735608 A CN201810735608 A CN 201810735608A CN 110689159 A CN110689159 A CN 110689159A
- Authority
- CN
- China
- Prior art keywords
- commodity
- replenishment
- model
- commodities
- remaining amount
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005315 distribution function Methods 0.000 claims description 8
- 238000012417 linear regression Methods 0.000 claims description 8
- 230000001186 cumulative effect Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000007477 logistic regression Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012840 feeding operation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了商品补货的方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:获取商品历史销售数据,根据预测模型,得到所述商品的销售预测分布;根据所述商品的销售预测分布,通过补货模型获得相应补货量。该实施方式能够实现商品品类丰富度和商品剩余量之间的取舍平衡。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种商品补货的方法和装置。
背景技术
随着线下实体店在无界零售的推动之下不断的演变升级,新的商业模式层出不穷,这就要求供应链朝着智慧化,智能化,可管控,可复制的方向不断发展,生鲜补货一直是无界零售的重要场景之一。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
在生鲜补货这一场景之下,商家以食材的新鲜作为卖点吸引顾客,主打不卖隔夜商品的经营理念,那么如何能够做到商品品类丰富度和商品剩余量之间的取舍平衡成为了至关重要的问题,而在现有技术中还没有解决该问题。
发明内容
有鉴于此,本发明实施例提供一种商品补货的方法和装置,能够实现商品品类丰富度和商品剩余量之间的取舍平衡。
为实现上述目的,根据本发明实施例的一个方面,提供了一种商品补货的方法,包括获取商品历史销售数据,根据预测模型,得到所述商品的销售预测分布;根据所述商品的销售预测分布,通过补货模型获得相应补货量。
可选地,所述补货模型,包括:
所述补货模型的目标是使所述商品的最大剩余量比率最小化,其限制条件是所述商品最大剩余量比率大于或等于第一预定值,并且所述商品的补货量大于或等于预设阈值。
可选地,所述的第一预定值为:
其中,i表示商品序号,Ri为单个商品的补货量,N为参与计算的商品总数,fi(x)为概率密度函数。
可选地,所述补货模型的限制条件,还包括:
所有组合商品的最大剩余量比率之和大于或等于第二预定值。
可选地,所有组合商品的最大剩余量比率之和大于或等于第二预定值,表示为:
其中,α为可销率,N为参与计算的商品总数,Fi(x)为概率累积分布函数,i表示商品序号,Ri为单个商品的补货量。
可选地,采用二分法对补货模型进行求解以得到商品的最大剩余量比率。
可选地,还包括:
确定所述补货量为非整数,则向上或者向下取整作为微调后的补货量。
可选地,所述预测模型为线性回归模型。
另外,根据本发明实施例的一个方面,提供了一种商品补货的装置,包括预测模块,用于获取商品历史销售数据,根据预测模型,得到所述商品的销售预测分布;补货模块,用于根据所述商品的销售预测分布,通过补货模型获得相应补货量。
可选地,所述补货模型,包括:
所述补货模型的目标是使所述商品的最大剩余量比率最小化,其限制条件是所述商品最大剩余量比率大于或等于第一预定值,并且所述商品的补货量大于或等于预设阈值。
可选地,所述的第一预定值为:
其中,i表示商品序号,Ri为单个商品的补货量,N为参与计算的商品总数,fi(x)为概率密度函数。
可选地,所述补货模型的限制条件,还包括:
所有组合商品的最大剩余量比率之和大于或等于第二预定值。
可选地,所有组合商品的最大剩余量比率之和大于或等于第二预定值,表示为:
其中,α为可销率,N为参与计算的商品总数,Fi(x)为概率累积分布函数,i表示商品序号,Ri为单个商品的补货量。
可选地,采用二分法对补货模型进行求解以得到商品的最大剩余量比率。
可选地,所述补货模块,还用于:
确定所述补货量为非整数,则向上或者向下取整作为微调后的补货量。
可选地,所述预测模型为线性回归模型。
根据本发明实施例的另一个方面,还提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一商品补货的实施例所述的方法。
根据本发明实施例的另一个方面,还提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任一基于商品补货的实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果:本发明能够同时满足品类丰富度和商品剩余量,并在两者之间求得平衡。其中,所述的品类丰富度是指单个门店单天规定时刻之后可售商品数目不小于特定百分比。而对于规定时刻后有商品剩余量,被打折出售的商品剩余量占该商品的进货总量的比率小于另一特定百分比,从而降低利润损失。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的商品补货的方法的主要流程的示意图;
图2是根据本发明可参考实施例的商品补货的方法的主要流程的示意图;
图3是根据本发明一个实施例随机产生的预测值均值和预测值标准差的示意图;
图4是根据本发明一个实施例可销率和商品剩余量比率中的最高值的变化示意图;
图5是根据本发明一个实施例根据CV值和补货量不同的预测值均值的示意图;
图6是根据本发明一个实施例根据CV值和补货量不同的预测值标准差的示意图;
图7是根据本发明一个实施例降低可销率不同的预测值标准差的示意图;
图8是根据本发明实施例的商品补货的装置的主要模块的示意图;
图9是本发明实施例可以应用于其中的示例性系统架构图;
图10是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的商品补货的方法,如图1所示,所述商品补货的方法包括:
步骤S101,获取商品历史销售数据。
在实施例中,可以获取预设时间(例如:可以但不限于获取每日预设时刻前)的销售汇总数据(例如:可以包括但不限于销售小票数据),天气、损耗、售价等等所需的信息。
步骤S102,根据预测模型,得到所述商品的销售预测分布。
进一步地,可以将商品历史销售数据输入至预测模型,进而输出所述商品下一天销售的预测值和预测值标准差。其中,所述的预测模型可以采用的是统计模型或者机器学习模型等等。
优选地,本发明采用了线性回归模型LR(Logistic Regression),可以将商品历史销售数据输入至所述的线性回归模型LR中,例如:商品销售小票信息,日期,时间,天气,节假日,客流量等等商品历史销售数据。之后便可以通过所属的线性回归模型LR获得该商品未来的预测值均值和预测值标准差,例如:商品未来1天(即下一天)的预测值均值和预测值标准差。
步骤S103,根据所述商品的销售预测分布,通过补货模型获得相应补货量。
其中,通过步骤S103获得的补货量既要保证商品品类的多样性丰富度,又要使得规定时刻之后商品的剩余量不至于过多造成浪费。
另外,还可以下发相应的补货量至执行系统,进行进货操作。较佳地,在获得相应的补货量之后,还可以根据实际要求(比如,箱规,最小起订量,损耗等)做适当的微调。
优选地,如果所述的补货量为非整数,则向上或者向下取整作为微调后的补货量。例如:假定补货量为2.56,但进货流程要求可订购量只能为整数,在这种情况下根据业务需求,向上或者向下取整作为最后建议补货量。
作为进一步地实施例,可以根据所述商品下一天的销售预测分布的预测值均值μi和预测值标准差σi 2(其中,i表示商品序号),计算补货模型:
补货模型中的目标函数是t,代表单个商品的最大剩余量比率,其范围在0%~100%之间,可以采用二分法不断尝试逼近从而得到最优t值。而单个商品剩余量比率可以通过如下公式获得:
其中,Di为单个商品销量。
优选地,所述补货模型还可以包括:
即补货模型的上述限制条件可以更为精确的确定求得的t值满足商品丰富度。
进一步地,在求得补货模型中最优t值的具体方法可以为:尝试一个t值,由于作为第二限制条件的中Ri值与t呈现单调关系,Ri增加导致t增加,即具有单调性,因此一旦t值确定就有一一对应的Ri值。之后,再将Ri值带入第一限制条件的中,判断该商品丰富度限制条件是否被满足(即实现商品多品类之间的平衡),若超出,则调整降低t值,反之,提高t值,直至获得最优t值满足商品丰富度条件。
值得说明的是,N为参与计算的商品总数(参与计算的商品即为包括多品类的商品),Ri为单个商品的补货量,α为可销率(α取值可预先设定),fi(x)为概率密度函数PDF(probability density function),Fi(x)为概率累积分布函数CDF(cumulativedistribution function)。
根据上面实施过程可以看出,本发明能够同时满足品类丰富度和商品剩余量,并在两者之间求得平衡。其中,所述的品类丰富度是指单个门店单天规定时刻之后可售商品数目不小于特定百分比(可销率α)。而对于规定时刻后有商品剩余量,被打折出售的商品剩余量占该商品的进货总量的比率小于另一特定百分比,从而降低利润损失。
图2是根据本发明可参考实施例的商品补货的方法的主要流程的示意图,所述商品补货的方法可以包括:
步骤S201,获取预设时间的商品历史销售数据。
步骤S202,将所述商品历史销售数据代入预测模型,获得所述商品下一天销售的预测值和预测值标准差。
其中,补货模型:
而补货模型中的目标函数是t,代表单个商品的最大剩余量比率;N为参与计算的商品总数,Ri为单个商品的补货量,α为可销率(α取值可预先设定),fi(x)为概率密度函数PDF,Fi(x)为概率累积分布函数CDF。
步骤S204,采用二分法获得所述商品的最大剩余量比率,以确定所述商品的补货量。
作为实施例,采用二分法对补货模型进行求解以得到商品的最大剩余量比率t,具体的实施过程包括:
给定t的上界为tub=100%和下界tlb=0%;
如果则tub=t;其中ε为一极小值;
如果则tlb=t;
其中,函数为第二限制条件左侧等于右侧函数的反函数,即:
步骤S205,判断所述商品的补货量是否为非整数,若是则直接退出该流程,否则执行步骤S206。
步骤S206,向上或者向下取整作为微调后的补货量。
根据本发明所述的实施例,可以随机产生一些预测值均值和预测值标准差,如图3所示,其中预测值均值分布在[1-10]之间,预测值标准差分布在[1-5]之间。用可销率80%作为例子,用二分法寻找t值,即:
0.9631250134794114
0.6778499089603115
0.867040963306122
0.7852863479542207
0.8292701293216833
0.8080706643206204
0.7968783321934213
0.802524250938061
0.7997137559859553
t=0.322265625
从上面结果看出,在80%品类剩余比率的情况下,最高剩余量比率期望可以被压低到约32.2%左右。整体来看,随着可销率从50%上升到95%,剩余量比率中的最高值从16.9%上升到47.9%,证明本发明提供的方法可以达到如图4(横轴为可销率skuavalability,纵轴为剩余量比率中的最高值leftover ratio)所示的预期效果。
另外,根据CV值和补货量(repl.vol),不同的预测值均值用不同灰度的点标出(如图5),可以看出预测值均值越大,补货量也就越大。根据CV值和补货量(repl.vol),不同的预测值标准差用不同灰度的点标出(如图6),可以看出在高预测值均值条件下,预测值标准差越高,补货量越小,即意味着可以适当减少补货量,避免剩余量过多;相反,在低预测值均值条件下,为了保证可销率80%,预测值标准差越高的商品补货量则越大。
如果将可销率α从80%降至50%,如图7所示,在高预测值均值时,对于高预测值标准差预测的补货量压制效果更为明显。
图8是根据本发明实施例的商品补货的装置,如图8所示,所述商品补货的装置800包括预测模块801和补货模块802。其中,预测模块801获取商品历史销售数据,根据预测模型,得到所述商品的销售预测分布。补货模块802根据所述商品的销售预测分布,通过补货模型获得相应补货量。
进一步地,所述补货模块802根据所述商品的销售预测分布,通过补货模型获得相应补货量,包括:
其中,i表示商品序号,t为单个商品剩余量比率中的最高值,Ri为单个商品的补货量,N为参与计算的商品总数,α为可销率,fi(x)为概率密度函数,Fi(x)为概率累积分布函数。
较佳地,补货模块802在获得相应的补货量之后,还可以根据实际要求做适当的微调。优选地,如果所述的补货量为非整数,则向上或者向下取整作为微调后的补货量。
另外,所述的预测模型可以采用的是统计模型或者机器学习模型等等。优选地,本发明采用了线性回归模型LR(Logistic Regression)。
需要说明的是,在本发明所述商品补货的装置的具体实施内容,在上面所述商品补货的方法中已经详细说明了,故在此重复内容不再说明。
图9示出了可以应用本发明实施例的商品补货的方法或商品补货的装置的示例性系统架构900。
如图9所示,系统架构900可以包括终端设备901、902、903,网络904和服务器905。网络904用以在终端设备901、902、903和服务器905之间提供通信链路的介质。网络904可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备901、902、903通过网络904与服务器905交互,以接收或发送消息等。终端设备901、902、903上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备901、902、903可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器905可以是提供各种服务的服务器,例如对用户利用终端设备901、902、903所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的商品补货的方法一般由服务器905执行,相应地,商品补货的装置一般设置于服务器905中。
应该理解,图9中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图10,其示出了适于用来实现本发明实施例的终端设备的计算机系统1000的结构示意图。图10示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图10所示,计算机系统1000包括中央处理单元(CPU)1001,其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。在RAM1003中,还存储有系统1000操作所需的各种程序和数据。CPU1001、ROM1002以及RAM1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
以下部件连接至I/O接口1005:包括键盘、鼠标等的输入部分1006;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007;包括硬盘等的存储部分1008;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1010上,以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1009从网络上被下载和安装,和/或从可拆卸介质1011被安装。在该计算机程序被中央处理单元(CPU)1001执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括预测模块和补货模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:获取商品历史销售数据,根据预测模型,得到所述商品的销售预测分布;根据所述商品的销售预测分布,通过补货模型获得相应补货量。
根据本发明实施例的技术方案,能够实现商品品类丰富度和商品剩余量之间的取舍平衡。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (18)
1.一种商品补货的方法,其特征在于,包括:
获取商品历史销售数据,根据预测模型,得到所述商品的销售预测分布;
根据所述商品的销售预测分布,通过补货模型获得相应补货量。
2.根据权利要求1所述的方法,其特征在于,所述补货模型,包括:
所述补货模型的目标是使所述商品的最大剩余量比率最小化,其限制条件是所述商品最大剩余量比率大于或等于第一预定值,并且所述商品的补货量大于或等于预设阈值。
4.根据权利要求2所述的方法,其特征在于,所述补货模型的限制条件,还包括:
所有组合商品的最大剩余量比率之和大于或等于第二预定值。
6.根据权利要求2所述的方法,其特征在于,采用二分法对补货模型进行求解以得到商品的最大剩余量比率。
7.根据权利要求1所述的方法,其特征在于,还包括:
确定所述补货量为非整数,则向上或者向下取整作为微调后的补货量。
8.根据权利要求1-7任一所述的方法,其特征在于,所述预测模型为线性回归模型。
9.一种商品补货的装置,其特征在于,包括:
预测模块,用于获取商品历史销售数据,根据预测模型,得到所述商品的销售预测分布;
补货模块,用于根据所述商品的销售预测分布,通过补货模型获得相应补货量。
10.根据权利要求9所述的装置,其特征在于,所述补货模型,包括:
所述补货模型的目标是使所述商品的最大剩余量比率最小化,其限制条件是所述商品最大剩余量比率大于或等于第一预定值,并且所述商品的补货量大于或等于预设阈值。
12.根据权利要求10所述的装置,其特征在于,所述补货模型的限制条件,还包括:
所有组合商品的最大剩余量比率之和大于或等于第二预定值。
13.根据权利要求12所述的装置,其特征在于,所有组合商品的最大剩余量比率之和大于或等于第二预定值,表示为:
其中,α为可销率,N为参与计算的商品总数,Fi(x)为概率累积分布函数,i表示商品序号,Ri为单个商品的补货量。
14.根据权利要求10所述的装置,其特征在于,采用二分法对补货模型进行求解以得到商品的最大剩余量比率。
15.根据权利要求9所述的装置,其特征在于,所述补货模块,还用于:
确定所述补货量为非整数,则向上或者向下取整作为微调后的补货量。
16.根据权利要求9-15任一所述的装置,其特征在于,所述预测模型为线性回归模型。
17.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
18.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810735608.7A CN110689159B (zh) | 2018-07-06 | 2018-07-06 | 一种商品补货的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810735608.7A CN110689159B (zh) | 2018-07-06 | 2018-07-06 | 一种商品补货的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110689159A true CN110689159A (zh) | 2020-01-14 |
CN110689159B CN110689159B (zh) | 2024-06-21 |
Family
ID=69107245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810735608.7A Active CN110689159B (zh) | 2018-07-06 | 2018-07-06 | 一种商品补货的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110689159B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111815198A (zh) * | 2020-07-27 | 2020-10-23 | 名创优品(横琴)企业管理有限公司 | 一种门店补货方法、装置和设备 |
CN112258115A (zh) * | 2020-10-26 | 2021-01-22 | 苏宁云计算有限公司 | 补货数据的处理方法、装置、计算机设备和存储介质 |
CN113807757A (zh) * | 2020-09-27 | 2021-12-17 | 北京沃东天骏信息技术有限公司 | 仓储数据处理方法、装置、介质及电子设备 |
CN114219412A (zh) * | 2022-02-23 | 2022-03-22 | 广州丽晶软件科技股份有限公司 | 基于智慧商品系统销售预测的自动补货方法及补货系统 |
WO2022199383A1 (zh) * | 2021-03-26 | 2022-09-29 | 北京京东拓先科技有限公司 | 物品补货方法、装置以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090204512A1 (en) * | 2008-02-11 | 2009-08-13 | Connell Ii Jonathan H | Method and system for determining a restocking state of a product |
CN104732287A (zh) * | 2013-12-19 | 2015-06-24 | 广州市地下铁道总公司 | 一种基于备件最佳补充周期的库存控制方法 |
CN106952067A (zh) * | 2017-03-17 | 2017-07-14 | 杭州纳戒科技有限公司 | 库存管理方法、装置及系统 |
CN106971249A (zh) * | 2017-05-05 | 2017-07-21 | 北京挖玖电子商务有限公司 | 一种销量预测及补货方法 |
-
2018
- 2018-07-06 CN CN201810735608.7A patent/CN110689159B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090204512A1 (en) * | 2008-02-11 | 2009-08-13 | Connell Ii Jonathan H | Method and system for determining a restocking state of a product |
CN104732287A (zh) * | 2013-12-19 | 2015-06-24 | 广州市地下铁道总公司 | 一种基于备件最佳补充周期的库存控制方法 |
CN106952067A (zh) * | 2017-03-17 | 2017-07-14 | 杭州纳戒科技有限公司 | 库存管理方法、装置及系统 |
CN106971249A (zh) * | 2017-05-05 | 2017-07-21 | 北京挖玖电子商务有限公司 | 一种销量预测及补货方法 |
Non-Patent Citations (2)
Title |
---|
乔艳艳;赵方雷;: "基于一次补货条件下的时装库存控制优化研究", 商品与质量, no. 2, pages 92 - 93 * |
刘保政;刘德宝;任苹;高立群;: "易变质商品随机补货间隔的补到水平存贮控制策略", 东北大学学报(自然科学版), no. 06, pages 41 - 44 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111815198A (zh) * | 2020-07-27 | 2020-10-23 | 名创优品(横琴)企业管理有限公司 | 一种门店补货方法、装置和设备 |
CN111815198B (zh) * | 2020-07-27 | 2022-07-08 | 创优数字科技(广东)有限公司 | 一种门店补货方法、装置和设备 |
CN113807757A (zh) * | 2020-09-27 | 2021-12-17 | 北京沃东天骏信息技术有限公司 | 仓储数据处理方法、装置、介质及电子设备 |
EP4195124A4 (en) * | 2020-09-27 | 2024-08-21 | Beijing Wodong Tianjun Information Technology Co Ltd | METHOD AND DEVICE FOR STORING DATA, MEDIUM AND ELECTRONIC DEVICE |
CN112258115A (zh) * | 2020-10-26 | 2021-01-22 | 苏宁云计算有限公司 | 补货数据的处理方法、装置、计算机设备和存储介质 |
CN112258115B (zh) * | 2020-10-26 | 2022-11-22 | 苏宁云计算有限公司 | 补货数据的处理方法、装置、计算机设备和存储介质 |
WO2022199383A1 (zh) * | 2021-03-26 | 2022-09-29 | 北京京东拓先科技有限公司 | 物品补货方法、装置以及存储介质 |
CN114219412A (zh) * | 2022-02-23 | 2022-03-22 | 广州丽晶软件科技股份有限公司 | 基于智慧商品系统销售预测的自动补货方法及补货系统 |
CN114219412B (zh) * | 2022-02-23 | 2022-04-22 | 广州丽晶软件科技股份有限公司 | 基于智慧商品系统销售预测的自动补货方法及补货系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110689159B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110751497B (zh) | 一种商品补货方法和装置 | |
CN110689159B (zh) | 一种商品补货的方法和装置 | |
CN110472899B (zh) | 一种物品的出库分配方法和装置 | |
CN113627846A (zh) | 一种库存调整方法、装置、电子设备及计算机可读介质 | |
CN110738436A (zh) | 一种确定可用库存的方法和装置 | |
CN114118888A (zh) | 订单出库的方法和装置 | |
WO2022062412A1 (zh) | 仓储数据处理方法、装置、介质及电子设备 | |
CN112784212B (zh) | 一种优化库存的方法和装置 | |
CN113780611A (zh) | 一种库存管理方法和装置 | |
CN113537861B (zh) | 补货方法和补货装置 | |
CN109978421B (zh) | 信息输出方法和装置 | |
CN114663015A (zh) | 补货方法和装置 | |
CN110555641B (zh) | 一种仓储调拨方法和装置 | |
CN113450042A (zh) | 一种确定补货量的方法和装置 | |
CN110956478A (zh) | 确定物品进货量的方法和装置 | |
CN115115313A (zh) | 一种订单时效管理方法和装置 | |
CN113538080A (zh) | 一种任务单拆分方法和装置 | |
CN110084541B (zh) | 用于预测供应商送货时长的方法和装置 | |
CN113256194B (zh) | 确定配送中心自留库存的方法和装置 | |
CN113222304A (zh) | 一种库存调度方法和装置 | |
CN112633907B (zh) | 一种基于多目标优化的物品管理方法和装置 | |
CN116362427B (zh) | 一种货物分配的方法和装置 | |
CN110827047A (zh) | 动态定价方法和装置 | |
CN110717798B (zh) | 一种商品交付的方法和装置 | |
CN113313438B (zh) | 一种生成出库表单的方法和装置 |
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 |