CN110956295A - 供应链运营优化方法、装置、处理器和机器可读存储介质 - Google Patents
供应链运营优化方法、装置、处理器和机器可读存储介质 Download PDFInfo
- Publication number
- CN110956295A CN110956295A CN201811124308.1A CN201811124308A CN110956295A CN 110956295 A CN110956295 A CN 110956295A CN 201811124308 A CN201811124308 A CN 201811124308A CN 110956295 A CN110956295 A CN 110956295A
- Authority
- CN
- China
- Prior art keywords
- inventory
- materials
- supply chain
- historical data
- chain operation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 239000000463 material Substances 0.000 claims abstract description 134
- 230000007306 turnover Effects 0.000 claims abstract description 71
- 238000010801 machine learning Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 7
- 238000012896 Statistical algorithm Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 238000007418 data mining Methods 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 239000002994 raw material Substances 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241001286345 Cervaria rivini Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- -1 transport time 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种基于库存物资的供应链运营优化方法、装置、处理器和机器可读存储介质，属于数据挖掘领域。该方法包括：获取多个预定时间内的物资相关的历史数据；根据所述历史数据计算多个预定时间内的物资的库存周转率；对所述多个预定时间内的物资相关的历史数据和所述库存周转率进行机器学习，得到所述库存周转率同所述物资相关的历史数据间的对应关系；根据所述对应关系，拟合出预设情况下所述物资的供应链运营的最优方式。本发明可以合理和全面地制定各工作环节的调整策略，为企业提高供应链运营水平提供有效的支持。
Description
技术领域
本发明涉及数据挖掘，具体地涉及基于库存物资的供应链运营优化方法、装置、处理器和机器可读存储介质。
背景技术
库存管理一直都是作为企业管理的一项重要内容，代表了企业的内部运营管理的水平，尤其是生产型企业与零售企业。而物资库存周转率则作为库存管理的重要指标可以直观反映库存物资的状态，并从财务角度观察企业物资的现金流占用情况。
为了提高对企业库存管理的水平，可以对采购物资的库存周转率进行分析，传统对库存周转率的分析缺陷如下：
1、通常是对历史数据的反应，无法得出库存周转率的最佳次数；
2、对采购、库存管理、人员效率等环节考虑不充分；
3、调整策略的可执行没有足够的数据依据，更多的是凭借人员经验。
发明内容
本发明实施例的目的是提供一种基于库存物资的供应链运营优化方法和装置，该基于库存物资的供应链运营优化方法、装置、处理器和机器可读存储介质可以合理和全面地制定各工作环节的调整策略，为企业提高供应链运营水平提供有效的支持。
为了实现上述目的，本发明实施例提供一种基于库存物资的供应链运营优化方法，该方法包括：获取多个预定时间内的物资相关的历史数据；根据所述历史数据计算多个预定时间内的物资的库存周转率；对所述多个预定时间内的物资相关的历史数据和所述库存周转率进行机器学习，得到所述库存周转率同所述物资相关的历史数据间的对应关系；根据所述对应关系，拟合出预设情况下所述物资的供应链运营的最优方式。
优选地，所述历史数据包括：物资收发信息、物资运输信息以及物资库存信息中的至少一者。
优选地，所述预定时间内的物资的库存周转率通过所述预定时间内流动的物资的成本除以所述预定时间内的物资的平均库存额得到。
优选地，所述物资的供应链运营的最优方式通过人工智能统计算法拟合确定。
本发明实施例还提供一种基于库存物资的供应链运营优化装置，该装置包括：关系建立模块以及处理模块，其中，所述关系建立模块用于：获取多个预定时间内的物资相关的历史数据；根据所述历史数据计算多个预定时间内的物资的库存周转率；对所述多个预定时间内的物资相关的历史数据和所述库存周转率进行机器学习，得到所述库存周转率同所述物资相关的历史数据间的对应关系；以及所述处理模块用于根据所述对应关系，拟合出预设情况下所述物资的供应链运营的最优方式。
优选地，所述历史数据包括：物资收发信息、物资运输信息以及物资库存信息中的至少一者。
优选地，所述预定时间内的物资的库存周转率通过所述预定时间内流动的物资的成本除以所述预定时间内的物资的平均库存额得到。
优选地，所述物资的供应链运营的最优方式通过人工智能统计算法拟合确定。
本发明实施例还提供一种处理器，该处理器被配置为执行上文所述的基于库存物资的供应链运营优化方法。
本发明实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上文所述的基于库存物资的供应链运营优化方法。
通过上述技术方案，采用本发明提供的基于库存物资的供应链运营优化方法、装置、处理器和机器可读存储介质，对所述多个预定时间内的物资相关的历史数据和所述库存周转率进行机器学习，得到所述库存周转率同所述物资相关的历史数据间的对应关系；根据所述对应关系，拟合出预设情况下所述物资的供应链运营的最优方式。物资的供应链运营的最优方式包括对采购、库存管理和人员效率等环节的全方位指导，可以合理和全面地制定各工作环节的调整策略，为企业提高供应链运营水平提供有效的支持。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1是本发明一实施例提供的基于库存物资的供应链运营优化方法的流程图；
图2是本发明一实施例提供的物资相关的历史数据与物资的库存周转率对应示意图；
图3是本发明一实施例提供的库存周转率分解结构示意图；以及
图4是本发明一实施例提供的基于库存物资的供应链运营优化装置的结构示意图。
附图标记说明
1 关系建立模块 2 处理模块。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
图1是本发明一实施例提供的基于库存物资的供应链运营优化方法的流程图。如图1所示，该方法包括：
步骤S11，获取多个预定时间内的物资相关的历史数据；
步骤S12，根据所述历史数据计算多个预定时间内的物资的库存周转率；
步骤S13，对所述多个预定时间内的物资相关的历史数据和所述库存周转率进行机器学习，得到所述库存周转率同所述物资相关的历史数据间的对应关系；以及
步骤S14，根据所述对应关系，拟合出预设情况下所述物资的供应链运营的最优方式。
在本发明实施例中，基于数据挖掘技术通过物资库存周转率分析提高公司供应链运营水平的方法主要适用于企业的物资库存管理，主要对库存周转率的相关数据以及管理期间的采购、运输、库存费用等数据进行深入挖掘分析，确定影响业务的因素。要求企业具备一定的信息化基础，对采购、库存、财务等业务都有系统进行管理。
物资相关的历史数据是库存物资在系统中的对应历史数据，可以包括物资收发信息、物资运输信息以及物资库存信息中的至少一者，具体地：
物资收发信息可以包括但不限于：收货凭证、发货凭证、供应商、时间、发货类型、物料信息、发货数量、收发货金额、库存地点和操作人员等；
物资运输信息可以包括但不限于：运货商、运单、运输物资、运输时间、运输过程物料损耗、运输设备和运输路径等；
物资库存信息可以包括但不限于：库存物资、时间、库存数量、库存金额、管理人员、损耗等、人员费用、管理费用、设备折旧和资金成本等。
库存周转率是在某一时间段内库存货物周转的次数，是反映库存周转快慢程度的指标，周转率越大表明销售情况越好。
在本发明实施例中，可以分时间段获取物资相关的历史数据，例如预定时间为一个月，则获取每个月内的物资相关的历史数据。接着，可以使用物资相关的历史数据中流动的物资的成本和物资的平均库存额计算每个月的物资的库存周转率。对于物资的不同，例如原材料、在制以及成品，分别使用以下公式计算库存周转率：
1)原材料库存周转率＝月内出库的原材料总成本/原材料平均库存额；
2)在制库存周转率＝月内入库的成品物料成本/平均在制库存额；
3)成品库存周转率＝月销售物料成本/成品在库平均库存额。
其中，月平均库存额等于期初库存额加期末库存额之后除以2。
如上文所述的库存周转率的定义，在库存周转率大于等于合理的库存周转率时，说明库存周转率正常，在库存周转率小于合理的库存周转率时，说明库存周转率异常。至于合理的库存周转率，不同的公司甚至不同的物资，合理的库存周转率均不相同，因此合理的库存周转率是长期运营后根据实际情况得到的。
本发明实施例可以在库存周转率异常时，依据库存周转率的异常情况进行数据挖掘，查找有问题点。例如库存周转率异常则运营过程中一定在某一环节出现问题，如果知道某一环节应该怎样运营，可以直接分析物资收发、物资运输以及物资库存等环节数据；在不知道如何运营时，也可以在确定物资的供应链运营的最优方式(具体的确定方式在下文详述)之后进行对比分析，可以分析出工作人员的时效和采购资金费用的利用价值等是否合理，也可以分析存货的流动性与存货占用资金是否合理。
本发明实施例中，可以建立物资相关的历史数据和库存周转率的关系，图2是本发明一实施例提供的物资相关的历史数据与物资的库存周转率对应示意图，如图2所示，可以分别针对物资收发信息、物资运输信息和物资库存信息设置三个模型：即收发货模型、运输损耗模型和库存费用模型。通过收发货模型可以分析库存物资的采购与发货人员操作效率、物资收发的数量金额、供应商、发货单位和接收单位等；通过运输损耗模型可以分析物资运输的效率、损耗和占用资金等；通过库存费用模型可以分析库管人员的管理水平、库存占用资金等。
本发明实施例通过机器学习，利用不同预定时间(例如2010年1月、2010年2月以及2010年3月等)的大量的历史数据和库存周转率进行模型训练，分别建立针对物资收发信息、物资运输信息和物资库存信息这三方面历史数据与库存周转率之间的对应关系。需要注意的是，虽然图2以一月作为预定时间，但是不限于此，也可以以一周、一季等作为预定时间。
机器学习可以分为监督式机器学习、非监督学习以及半监督学习，本发明实施例例如可以使用监督式学习，监督式学习指的是拥有一个输入变量(X)和一个输出变量(Y)，使用某种算法去学习从输入到输出的映射函数Y＝f(X)Y＝f(X)。一些监督式机器学习算法的例子如：回归问题中的线性回归、分类和回归问题中的随机森林以及分类问题中的支持向量机等。
在形成对应关系后，利用人工智能统计算法(如蒙特卡洛、遗传算法等)模型寻求物资的供应链运营的最优方式。分别针对收发货、物资运输和物资库存三个方面提供建议，例如，不同采购单位采购人员的对不同采购物资的数据建议、采购时间建议、采购厂商建议；物资发货时间建议；物资安全库存建议；库管人员的工作组织以及时间安排等。这些建议对应的库存周转率，是机器认为在当前环境下最合适的库存周转率，按照这些建议执行，可以得到合理的库存周转率。
以蒙特卡洛算法为例，蒙特卡洛算法也称统计模拟方法，是一种以概率统计理论为指导的一类非常重要的数值计算方法。是指使用随机数(或更常见的伪随机数)来解决很多计算问题的方法。在本发明实施例中，可以使用蒙特卡洛算法大量地随机模拟每一项历史数据，从而通过建立的对应关系得到库存周转率的值，进而判断哪一种模拟能够满足预设情况(也可以理解为得到最合适的库存周转率)，并根据该种模拟给出建议，例如采购人员采购多少物资、什么时间采购、到哪个厂商采购、什么时间发货以及如何安全存储物资等等，这些建议组合即为拟合出的物资的供应链运营的最优方式。
图3是本发明一实施例提供的库存周转率分解结构示意图。如图3所示，库存周转率例如主要与期初存货额、期末存货额以及发货成本相关，而期初存货额和期末存货额可以包括库存物料(种类)和对应的金额，库存物料进一步包括多种物料，金额也对应包括多个金额；发货成本可以包括出入库物料(种类)和对应的金额，出入库物料进一步包括多种物料，金额也对应包括多个金额。
图4是本发明一实施例提供的基于库存物资的供应链运营优化装置的结构示意图。如图4所示，该装置包括：关系建立模块1以及处理模块2，其中，所述关系建立模块1用于：获取多个预定时间内的物资相关的历史数据；根据所述历史数据计算多个预定时间内的物资的库存周转率；对所述多个预定时间内的物资相关的历史数据和所述库存周转率进行机器学习，得到所述库存周转率同所述物资相关的历史数据间的对应关系；以及所述处理模块2用于根据所述对应关系，拟合出预设情况下所述物资的供应链运营的最优方式。
优选地，所述历史数据包括：物资收发信息、物资运输信息以及物资库存信息中的至少一者。
优选地，所述预定时间内的物资的库存周转率通过所述预定时间内流动的物资的成本除以所述预定时间内的物资的平均库存额得到。
优选地，所述物资的供应链运营的最优方式通过人工智能统计算法确定。
上述装置的实施例与上文所述的方法的实施例类似，可以参照上文所述的方法的实施例，在此不再赘述。
相应地，本发明实施例还提供一种处理器，该处理器被配置为执行上文所述的基于库存物资的供应链运营优化方法。
相应地，本发明实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上文所述的基于库存物资的供应链运营优化方法。
通过上述技术方案，采用本发明提供的基于库存物资的供应链运营优化方法、装置、处理器和机器可读存储介质，对所述多个预定时间内的物资相关的历史数据和所述库存周转率进行机器学习，得到所述库存周转率同所述物资相关的历史数据间的对应关系；根据所述对应关系，拟合出预设情况下所述物资的供应链运营的最优方式。物资的供应链运营的最优方式包括对采购、库存管理和人员效率等环节的全方位指导，可以合理和全面地制定各工作环节的调整策略，为企业提高供应链运营水平提供有效的支持。
以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。
Claims (10)
1.一种基于库存物资的供应链运营优化方法，其特征在于，该方法包括：
获取多个预定时间内的物资相关的历史数据；
根据所述历史数据计算多个预定时间内的物资的库存周转率；
对所述多个预定时间内的物资相关的历史数据和所述库存周转率进行机器学习，得到所述库存周转率同所述物资相关的历史数据间的对应关系；
根据所述对应关系，拟合出预设情况下所述物资的供应链运营的最优方式。
2.根据权利要求1所述的基于库存物资的供应链运营优化方法，其特征在于，所述历史数据包括：
物资收发信息、物资运输信息以及物资库存信息中的至少一者。
3.根据权利要求1所述的基于库存物资的供应链运营优化方法，其特征在于，所述预定时间内的物资的库存周转率通过所述预定时间内流动的物资的成本除以所述预定时间内的物资的平均库存额得到。
4.根据权利要求1所述的基于库存物资的供应链运营优化方法，其特征在于，所述物资的供应链运营的最优方式通过人工智能统计算法拟合确定。
5.一种基于库存物资的供应链运营优化装置，其特征在于，该装置包括：
关系建立模块以及处理模块，其中，
所述关系建立模块用于：
获取多个预定时间内的物资相关的历史数据；
根据所述历史数据计算多个预定时间内的物资的库存周转率；
对所述多个预定时间内的物资相关的历史数据和所述库存周转率进行机器学习，得到所述库存周转率同所述物资相关的历史数据间的对应关系；以及
所述处理模块用于根据所述对应关系，拟合出预设情况下所述物资的供应链运营的最优方式。
6.根据权利要求5所述的基于库存物资的供应链运营优化装置，其特征在于，所述历史数据包括：
物资收发信息、物资运输信息以及物资库存信息中的至少一者。
7.根据权利要求5所述的基于库存物资的供应链运营优化装置，其特征在于，所述预定时间内的物资的库存周转率通过所述预定时间内流动的物资的成本除以所述预定时间内的物资的平均库存额得到。
8.根据权利要求6所述的基于库存物资的供应链运营优化装置，其特征在于，所述物资的供应链运营的最优方式通过人工智能统计算法拟合确定。
9.一种处理器，其特征在于，该处理器被配置为执行权利要求1-4中任意一项权利要求所述的基于库存物资的供应链运营优化方法。
10.一种机器可读存储介质，其特征在于，该机器可读存储介质上存储有指令，该指令用于使得机器执行权利要求1-4中任意一项权利要求所述的基于库存物资的供应链运营优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811124308.1A CN110956295A (zh) | 2018-09-26 | 2018-09-26 | 供应链运营优化方法、装置、处理器和机器可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811124308.1A CN110956295A (zh) | 2018-09-26 | 2018-09-26 | 供应链运营优化方法、装置、处理器和机器可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110956295A true CN110956295A (zh) | 2020-04-03 |
Family
ID=69964568
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811124308.1A Pending CN110956295A (zh) | 2018-09-26 | 2018-09-26 | 供应链运营优化方法、装置、处理器和机器可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110956295A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111639784A (zh) * | 2020-04-20 | 2020-09-08 | 华为技术有限公司 | 库存管理方法及相关装置 |
| CN114444896A (zh) * | 2021-12-31 | 2022-05-06 | 浙江大学 | 供应链数据处理系统和方案 |
| CN114971497A (zh) * | 2022-07-06 | 2022-08-30 | 国网浙江省电力有限公司金华供电公司 | 基于协同互联的物资供应链全链感知的数据处理方法 |
-
2018
- 2018-09-26 CN CN201811124308.1A patent/CN110956295A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111639784A (zh) * | 2020-04-20 | 2020-09-08 | 华为技术有限公司 | 库存管理方法及相关装置 |
| CN111639784B (zh) * | 2020-04-20 | 2023-04-18 | 华为技术有限公司 | 库存管理方法及相关装置 |
| CN114444896A (zh) * | 2021-12-31 | 2022-05-06 | 浙江大学 | 供应链数据处理系统和方案 |
| CN114971497A (zh) * | 2022-07-06 | 2022-08-30 | 国网浙江省电力有限公司金华供电公司 | 基于协同互联的物资供应链全链感知的数据处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jabbarzadeh et al. | A robust optimization model for efficient and green supply chain planning with postponement strategy | |
| Munyaka et al. | Inventory management concepts and implementations: a systematic review | |
| US20210035250A1 (en) | Method and system for adaptive inventory replenishment | |
| Ramos et al. | Inventory management model based on lean supply chain to increase the service level in a distributor of automotive sector | |
| US7627493B1 (en) | Production and distribution supply chain optimization software | |
| US20210256443A1 (en) | Methods and systems for supply chain network optimization | |
| CN110956295A (zh) | 供应链运营优化方法、装置、处理器和机器可读存储介质 | |
| Kehinde Busola et al. | Analysis of inventory management practices for optimal economic performance using ABC and EOQ models | |
| Liu et al. | Joint optimization of lot-sizing and pricing with backlogging | |
| Nowotyńska | An application of xyz analysis in company stock management | |
| Heng et al. | Enhanced optimal inventory control policies of perishable products in a retail business: a comparative simulation study under different cost structures | |
| KR101906046B1 (ko) | 상품 구매 전략 및 공정 운영 전략을 수립하는 방법 및 이를 수행하는 의사 결정 컴퓨팅 시스템 | |
| Shahraki et al. | Developing an inventory mathematical model with deterioration variables for discounted stochastic goods | |
| Ngoc et al. | Aggregation methodologies for perishability management in production and distribution system | |
| Sadeghi et al. | An EPQ model for deteriorating products with delayed payments and shortage | |
| Ebrahimi et al. | Toward a sustainable economic production quantity model employing triple bottom line strategy: Uncertain multi-objective optimization with lost sales and full back-order | |
| Chen et al. | Optimization of multi-echelon supply chain networks with uncertain sales prices | |
| Chin et al. | Designing a supply chain system to maximize replenishment efficiency: A simulation exercise | |
| Elahi et al. | A multi-objective proposed mathematical model for a health care supply chain with perishable product | |
| Tai et al. | Recent advances on Markovian models for inventory research | |
| Mittal et al. | Optimality of inventory decisions in a joint two-echelon inventory system with and without fuzzy demand | |
| Li | The dynamic behaviors of a supply chain with stock-dependent demand considering competition and deteriorating items | |
| Turgay et al. | Optimizing Inventory Allocation for Fast Moving Consumer Goods: A Stochastic Model Approach | |
| EP4099238A1 (en) | Integrated system for supply chain management | |
| Kusrachmansyah et al. | Implementation of The Economic Order Quantity Method For Inventory of Goods |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200403 |
|
| RJ01 | Rejection of invention patent application after publication |