CN111429048B - 确定补货信息的方法、装置及设备 - Google Patents
确定补货信息的方法、装置及设备 Download PDFInfo
- Publication number
- CN111429048B CN111429048B CN201910019431.5A CN201910019431A CN111429048B CN 111429048 B CN111429048 B CN 111429048B CN 201910019431 A CN201910019431 A CN 201910019431A CN 111429048 B CN111429048 B CN 111429048B
- Authority
- CN
- China
- Prior art keywords
- replenishment
- sales
- goods
- deviation
- period
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 52
- 238000010586 diagram Methods 0.000 description 12
- 230000001186 cumulative effect Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 5
- 230000002354 daily effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种确定补货信息的方法、装置及设备,根据货品的补货周期,确定当前日期是否为所述货品的补货日期,若是,则根据所述补货周期和补货提前期,预测所述货品的平均需求量和波动需求量,根据所述平均需求量、所述波动需求量、库存水位调整项和库存偏差调整项,获取所述货品的目标库存量,根据所述目标库存量,确定所述货品的补货量;由于在确定目标库存量时,还考虑了库存偏差调整项,使得确定的目标库存量更加准确,能够满足货品的实际需求量,降低了货品断货风险;另外,在确定目标库存量时,还考虑了库存水位调整项,从而可以结合实际情况对库存的水位进行调节,提高了库存水位调节的灵活性。
Description
技术领域
本发明实施例涉及供应链技术领域,尤其涉及一种确定补货信息的方法、装置及设备。
背景技术
在供应技术领域,通常需要对库存进行管理,其中,库存管理是指对货品数量进行管理,以避免库存中的货品数量过多或者过少。以电商平台的库存管理为例,电商平台为了保证货品的现货率,需要定期或者不定期对库存进行盘点,以便从供应商进行补货。
盘点补货,通常需要确定两个重要因素:(1)补货周期(Buying Period,BP),即,间隔多长时间进行下次补货;(2)目标库存量(Target Inventory,TI),即,为保证未来预设时间段内库存不断货所需达到的库存量。由于采购方向供应商下发采购单后,供应商送货过程还需要一定的时间,因此,采购方在确定目标库存量时,除了考虑补货周期,还需要考虑补货提前期(供应商送货时长),也就是说,确定目标库存量时,需要保证补货周期和补货提前期内库存不断货。
现有技术中,在确定补货量时,通过根据历史销量数据,确定出每日的销量均值和标准差,然后根据销量均值和标准差,计算得到补货周期和补货提前期对应的目标库存量,进而根据目标库存量确定补货量。
然而,通过上述方法确定的补货量可能并不准确,经常不能满足补货周期和补货提前期内对货品的真实需求,导致出现货品断货风险。
发明内容
本发明实施例提供一种确定补货信息的方法、装置及设备,用以提高补货量的准确性,保证库存满足补货周期和补货提前期内对货品的真实需求,降低货品断货风险。
第一方面,本发明实施例提供一种确定补货信息的方法,包括:
根据货品的补货周期,确定当前日期是否为所述货品的补货日期;
若当前日期为所述货品的补货日期,则根据所述补货周期和补货提前期,预测所述货品的平均需求量和波动需求量;
根据所述平均需求量、所述波动需求量、库存水位调整项和库存偏差调整项,获取所述货品的目标库存量,所述库存水位调整项用于调节库存中货品的最小库存量,所述库存偏差调整项用于调节所述平均需求量和波动需求量与实际需求量之间的偏差;
根据所述目标库存量,确定所述货品的补货量。
可选的,所述根据所述平均需求量、所述波动需求量、库存水位调整项和库存偏差调整项,获取所述货品的目标库存量之前,还包括:
将历史销量数据输入至销量预测模型中,获取所述销量预测模型的输出结果,所述销量预测模型的输出结果中包括销量偏差;
根据所述销量偏差和所述货品的特征数据,获取所述库存偏差调整项。
可选的,所述根据所述销量偏差和所述货品的特征数据,获取所述库存偏差调整项,包括:
将所述销量偏差和所述货品的特征数据输入至偏差预测模型中;
根据所述偏差预测模型的输出结果,获取所述库存偏差调整项。
可选的,所述销量预测模型的输出结果中还包括:销量均值和销量标准差;
所述根据所述补货周期和补货提前期,预测所述货品的平均需求量和波动需求量,包括:
根据所述销量均值、所述补货周期和所述补货提前期,获取所述平均需求量;
根据所述销量标准差、所述补货周期和所述补货提前期,获取所述波动需求量。
可选的,所述将历史销量数据输入至销量预测模型中,获取所述销量预测模型的输出结果之后,还包括:
根据所述销量均值和预设时长,确定所述库存水位调整项。
可选的,所述根据所述补货周期和补货提前期,预测所述货品的平均需求量和波动需求量之前,还包括:
将历史供货数据输入至提前期预测模型中,获取所述提前期预测模型的输出结果,所述提前期预测模型的输出结果为下述中的至少一项:提前期均值、提前期标准差和提前期偏差;
根据所述提前期预测模型的输出结果,确定所述补货提前期。
可选的,所述根据货品的补货周期,确定当前日期是否为所述货品的补货日期之前,还包括:
根据所述货品对应的预设起订量以及所述货品的历史销售数据,确定所述补货周期。
可选的,所述根据所述货品对应的预设起订量以及所述货品的历史销售数据,确定所述补货周期,包括:
获取所述货品对应的N日的历史销量数据,按照销售时序,分别获取累计k日的销量和,其中,1<=k<=N;
针对每个k,确定累计k日的销量和的最小值;
若累计k日对应的销量和的最小值小于所述预设起订量,且累计k+1日对应的销量和的最小值大于等于所述预设起订量,则将所述k+1日作为所述补货周期。
可选的,所述根据所述目标库存量,确定所述货品的补货量,包括:
根据所述目标库存量、现货库存量和在途库存量,确定所述货品的补货量。
第二方面,本发明实施例提供一种确定补货信息的装置,包括:
判断模块,用于根据货品的补货周期,确定当前日期是否为所述货品的补货日期;
预测模块,用于在当前日期是所述货品的补货日期时,根据所述补货周期和补货提前期,预测所述货品的平均需求量和波动需求量;
第一确定模块,用于根据所述平均需求量、所述波动需求量、库存水位调整项和库存偏差调整项,获取所述货品的目标库存量,所述库存水位调整项用于调节库存中货品的最小库存量,所述库存偏差调整项用于调节所述平均需求量和波动需求量与实际需求量之间的偏差;
所述第一确定模块,还用于根据所述目标库存量,确定所述货品的补货量。
可选的,所述预测模块还用于:
将历史销量数据输入至销量预测模型中,获取所述销量预测模型的输出结果,所述销量预测模型的输出结果中包括销量偏差;
根据所述销量偏差和所述货品的特征数据,获取所述库存偏差调整项。
可选的,所述预测模块具体用于:
将所述销量偏差和所述货品的特征数据输入至偏差预测模型中;
根据所述偏差预测模型的输出结果,获取所述库存偏差调整项。
可选的,所述销量预测模型的输出结果中还包括:销量均值和销量标准差;
所述预测模块具体用于:
根据所述销量均值、所述补货周期和所述补货提前期,获取所述平均需求量;
根据所述销量标准差、所述补货周期和所述补货提前期,获取所述波动需求量。
可选的,所述预测模块还用于:
根据所述销量均值和预设时长,确定所述库存水位调整项。
可选的,所述预测模块还用于:
将历史供货数据输入至提前期预测模型中,获取所述提前期预测模型的输出结果,所述提前期预测模型的输出结果为下述中的至少一项:提前期均值、提前期标准差和提前期偏差;
根据所述提前期预测模型的输出结果,确定所述补货提前期。
可选的,所述装置还包括:
第二确定模块,用于根据所述货品对应的预设起订量以及所述货品的历史销售数据,确定所述补货周期。
可选的,所述第二确定模块具体用于:
获取所述货品对应的N日的历史销量数据,按照销售时序,分别获取累计k日的销量和,其中,1<=k<=N;
针对每个k,确定累计k日的销量和的最小值;
若累计k日对应的销量和的最小值小于所述预设起订量,且累计k+1日对应的销量和的最小值大于等于所述预设起订量,则将所述k+1日作为所述补货周期。
可选的,所述第一确定模块具体用于:
根据所述目标库存量、现货库存量和在途库存量,确定所述货品的补货量。
第三方面,本发明实施例提供一种确定补货信息的设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如第一方面任一项所述的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如第一方面任一项所述的方法。
本发明实施例提供的确定补货信息的方法、装置及设备,根据货品的补货周期,确定当前日期是否为所述货品的补货日期,若是,则根据所述补货周期和补货提前期,预测所述货品的平均需求量和波动需求量,根据所述平均需求量、所述波动需求量、库存水位调整项和库存偏差调整项,获取所述货品的目标库存量,根据所述目标库存量,确定所述货品的补货量;由于在确定目标库存量时,还考虑了库存偏差调整项,使得确定的目标库存量更加准确,能够满足货品的实际需求量,降低了货品断货风险;另外,在确定目标库存量时,还考虑了库存水位调整项,从而可以结合实际情况对库存的水位进行调节,使得库存量能够满足不同情况下的实际需求,提高了库存水位调节的灵活性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的应用场景示意图;
图2为本发明实施例提供的确定补货信息的方法的流程示意图;
图3为本发明实施例提供的确定目标库存量的流程示意图;
图4为本发明实施例提供的确定目标库存量的过程示意图;
图5为本发明实施例提供的销量偏差的时序示意图;
图6为本发明实施例提供的库存水位示意图;
图7为本发明实施例提供的确定补货周期的流程示意图;
图8为本发明实施例提供的确定补货信息的装置的结构示意图一;
图9为本发明实施例提供的确定补货信息的装置的结构示意图二;
图10为本发明实施例提供的确定补货信息的设备的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如前所述,现有技术中,在确定补货量时,通过根据历史销量数据,确定出每日的销量均值和标准差,然后在考虑补货周期和补货提前期的基础上,根据销量均值和标准差,计算得到补货周期和补货提前期对应的目标库存量,进而根据目标库存量确定补货量。然而,通过上述方法确定的补货量可能并不准确,经常不能满足补货周期和补货提前期内对货品的真实需求,导致出现货品断货风险。
为了解决上述技术问题,本发明实施例提供一种确定补货信息的方法、装置及设备。下面结合图1详细描述本发明实施例可能的应用场景。图1为本发明实施例的应用场景示意图,如图1所示,本发明实施例适用于供应技术领域,具体适应于采购方需要向供应方采购货品的场景。其中,采购方为货品的需求者,供应方为货品的提供者。一种可能的应用场景中,采购方可以为商店、商场、超市等实体销售店。另一种可能的应用场景中,采购方还可以为电商平台等网络销售平台。又一种可能的应用场景中,供应方可以为货品的生产者,或者货品的上一级销售者。
为了描述方便,本发明实施例举例时以采购方为电商平台为例进行描述。电商平台进行库存管理时,以库存最小单位SKU(Stock Keeping Unit)进行管理。SKU即为库存进出计量的基本单元,可以是以件,盒,托盘等为单位,每种产品均对应有唯一的SKU号。也就是说,进行库存管理时,是针对每个SKU确定补货周期和补货量。为了描述方便,本发明实施例中将每个SKU称为货品,即,针对每种货品确定补货周期和补货量。
如图1所示,本发明实施例的采购方法可以由采购方的确定补货信息的装置执行,具体的,该装置可以为软件和/或硬件形式。针对每种货品,该装置可以确定出该货品对应的补货周期和补货量。进而,该装置或者采购人员根据补货周期和补货量向供应商进行下单采购。
本发明实施例提供的确定补货信息的方法,在确定补货信息时,首先根据货品的补货周期和补货提前期,预测货品的平均需求量和波动需求量,然后根据所述平均需求量、所述波动需求量、库存水位调整项和库存偏差调整项,获取货品的目标库存量,最后根据所述目标库存量,确定补货信息;由于在确定目标库存量时,还考虑了库存偏差调整项,使得确定的目标库存量更加准确,能够满足货品的实际需求量,降低了货品断货风险;另外,在确定目标库存量时,还考虑了库存水位调整项,从而可以结合实际情况对库存的水位进行调节,使得库存量能够满足不同情况下的实际需求,提高了库存水位调节的灵活性。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本发明实施例提供的确定补货信息的方法的流程示意图,本实施例的方法可以由图1中的确定补货信息的装置执行。如图2所示,本实施例的方法,包括:
S201:根据货品的补货周期,确定当前日期是否为所述货品的补货日期,若是,则执行S202至S204。
具体的,该装置可以每天执行本实施例的确定补货信息的方法。首先,每种货品对应有补货周期,每周货品的补货周期可以相同,也可以不同。针对每一种货品,根据该货品的补货周期,判断当前日期是否为该货品的补货日期,若是,则继续执行本实施例的后续步骤,确定出该货品的补货量。若否,则说明当前日期不是该货品的补货日期,无需补货,本实施例结束。
其中,本发明实施例对于货品的补货周期的确定方法,不作具体限定。一种可选的实施方式中,可以根据采购经验,设置每种货品对应的补货周期。具体的,根据供应商和采购人员协商,依照经验确定补货周期,例如:可以为一周多补,即根据设置的下单日计算补货周期,还可以为一周一补,即补货周期为7天,还可以为两周一补,即补货周期为14天。
另一种可选的实施方式中,还可以根据历史销售情况,确定每种货品的补货周期,具体可以参见后续实施例的详细描述,此处不再赘述。
假设某货品对应的补货周期为7天,则该获取对应的补货日期可以为1日、8日、15日、22日等。
S202:若当前日期为所述货品的补货日期,则根据所述补货周期和补货提前期,预测所述货品的平均需求量和波动需求量。
S203:根据所述平均需求量、所述波动需求量、库存水位调整项和库存偏差调整项,获取所述货品的目标库存量,所述库存水位调整项用于调节库存中货品的最小库存量,所述库存偏差调整项用于调节所述平均需求量和波动需求量与实际需求量之间的偏差。
可以理解的,由于采购方向供应商下发采购单后,供应商送货过程还需要一定的时间,因此,采购方在确定目标库存量时,除了考虑补货周期,还需要考虑补货提前期(供应商送货时长),也就是说,所确定的目标库存量需要保证补货周期和补货提前期内库存不断货。
下面举例说明,假设某货品的补货周期为7天,补货提前期为5天,则在确定目标库存量时,不能仅考虑未来7天的需求量,而是要考虑未来12天的需求量。
其中,每种货品对应的供应商不同,使得每种货品对应的补货提前期也可能不同,例如:货品1对应的补货提前期可能为5天,货品2对应的补货提前期可能为8天。
需要说明的是,本发明实施例对于补货提前期的确定方法不作具体限定。一种可选的实施方式中,可以根据各货品对应的供应商,确定各货品的补货提前期;另一种可选的实施方式中,可以根据历史采购经验,确定各货品的补货提前期;再一种可选的实施方式中,还可以根据货品特征和供应商特征,对补货提前期进行预测。
本实施例的S202中,根据所述补货周期和补货提前期,预测所述货品的平均需求量和波动需求量,可以采用现有的确定补货信息的方法对货品的平均需求量和波动需求量进行预测。例如:根据历史销售情况,确定该货品的每日的销售均值和销售标准差,根据销售均值,确定补货周期和补货提前期对应的平均需求量,根据销售标准差,确定补货周期和补货提前期对应的波动需求量。
现有技术中,是根据所述平均需求量和波动需求量来确定目标库存量。然而,实际应用过程中,使用现有的方法进行补货,货品的库存量与货品的实际销售量会存在一定的偏差,也就是说,可能会出现货品的库存量无法满足实际销售量的问题。
本实施例中,在确定目标库存量时,除了考虑平均需求量和波动需求量,还考虑了库存偏差调整项,其中,库存偏差调整项用于调节所述平均需求量和波动需求量与实际需求量之间的偏差,从而,本实施例中确定的目标库存量更加准确,能够满足货品的实际需求量,降低了货品断货风险。
具体实施过程中,可以有多种方式来确定库存偏差调整项的大小。一种可选的实施方式中,可以对历史销量数据中货品的实际销量与平均需求量和波动需求量之间的偏差进行统计,得到库存偏差调整项。另一种可选的实施方式中,对历史销量数据中货品的实际销量与平均需求量和波动需求量之间的偏差进行统计,并根据统计的偏差和货品的特征建立偏差预测模型,使用该偏预测模型来对库存偏差调整项进行预测。
进一步的,本实施例中,在确定目标库存量时,还考虑了库存水位调节项,其中,库存水位调节项用于调节库存中货品的最小库存量。也就是说,通过库存水位调节项,可以实现对库存水位的调节和控制,当需要保证较高水位的库存时,采用较大的库存水位调节项,当需要较低水位的库存时,采用较小的库存水位调节项,甚至可以将库存水位调节项设置为0。从而,本发明实施例提供的确定补货信息的方法,可以结合实际情况对库存的水位进行调节,使得库存量能够满足不同情况下的实际需求,提高了库存水位调节的灵活性。
需要说明的是,本发明实施例对于库存水位调节项的确定方法,不作具体限定。一种可选的实施方式中,可以结合实际应用场景,设置各应用场景对应的库存水位调节项,进而,在计算目标库存量时,可以根据当前的应用场景,获取该应用场景对应的库存水位调节项。另一种可选的实施方式中,可以由采购人员输入的参数确定库存水位调节项。
S204:根据所述目标库存量,确定所述货品的补货量。
具体的,可以根据目标库存量和当前库存确定补货信息。其中,当前库存可以包括现货库存量和在途库存量。现货库存量是指库存中已存在的货品量,在途库存量是指已下单采购但是还未到达库存的货品量。
一种可选的实施方式中,根据所述目标库存量、现货库存量和在途库存量,确定所述货品的补货量,采用如下公式进行表示:
补货量=max(目标库存量-现货库存量-在途库存量,0)
进一步的,确定补货量之后,可以由该装置或者采购人员根据补货量向供应商下发采购单,以对库存进行补货。
本发明实施例提供的确定补货信息的方法,根据货品的补货周期,确定当前日期是否为所述货品的补货日期,若是,则根据所述补货周期和补货提前期,预测所述货品的平均需求量和波动需求量,根据所述平均需求量、所述波动需求量、库存水位调整项和库存偏差调整项,获取所述货品的目标库存量,根据所述目标库存量,确定所述货品的补货量;由于在确定目标库存量时,还考虑了库存偏差调整项,使得确定的目标库存量更加准确,能够满足货品的实际需求量,降低了货品断货风险;另外,在确定目标库存量时,还考虑了库存水位调整项,从而可以结合实际情况对库存的水位进行调节,使得库存量能够满足不同情况下的实际需求,提高了库存水位调节的灵活性。
下面结合一个具体的实施例详细描述目标库存量的计算过程。图3为本发明实施例提供的确定目标库存量的流程示意图,图4为本发明实施例提供的确定目标库存量的过程示意图,下面结合图3和图4进行详细描述。
如图3所示,本实施例的方法,包括:
S301:将历史供货数据输入至提前期预测模型中,获取所述提前期预测模型的输出结果,所述提前期预测模型的输出结果为下述中的至少一项:提前期均值、提前期标准差和提前期偏差。
S302:根据所述提前期预测模型的输出结果,确定所述补货提前期。
本实施例中采用提前期预测模型来预测货品对应的补货提前期。具体的,如图4所示,将历史供货数据输入至提前期预测模型中,提前期预测模型输出下述中的至少一项:提前期均值、提前期标准差和提前期偏差。
其中,历史供货数据中可以包括:供应商属性信息、货品属性信息、历史供货所需时长等。供应商属性信息包括但不限于:供应商位置信息、供货方式、供货性质等。货品属性信息包括但不限于:货品类别、货品存储条件等。
进而,根据提前期预测模型的输出结果,确定补货提前期。一种可选的实施方式中,将所述提前期预测模型输出的提前期均值作为所述补货提前期。
需要说明的是,本发明实施例对于提前期预测模型不作具体限定,可以采用现有确定补货信息的方法所采用的提前期预测模型。
S303:将历史销量数据输入至销量预测模型中,获取所述销量预测模型的输出结果,所述销量预测模型的输出结果中包括销量均值、销量标准差和销量偏差。
S304:根据所述销量均值、所述补货周期和所述补货提前期,获取所述平均需求量。
S305:根据所述销量标准差、所述补货周期和所述补货提前期,获取所述波动需求量。
如图4所示,本实施例中采用销量预测模型来预测货品的平均需求量和波动需求量。具体的,将历史销量数据输入至销量预测模型中,销量预测模型输出销量均值、销量标准差和销量偏差。
其中,历史销量数据中可以包括:供应商属性信息、货品属性信息、促销信息、货品的销量信息等。
进而,可以根据销量预测模型的输出结果、所述补货周期和所述补货提前期,确定平均需求量和波动需求量。
一种可选的实施方式中,根据所述销量均值、所述补货周期和所述补货提前期,获取所述平均需求量,如下述公式所示。
一种可选的实施方式中,根据所述销量标准差、所述补货周期和所述补货提前期,获取所述波动需求量,如下述公式所示。
其中,AvgDemand为平均需求量,FloatDemand为波动需求量,μ为销量预测模型输出的销量均值,σ为销量预测模型输出的销量标准差,BP为货品的补货周期,VLT为提前期预测模型输出的提前期均值,ZCR为货品现货率对应的正态分布逆函数对应值。
S306:根据所述销量偏差和所述货品的特征数据,获取所述库存偏差调整项。
实际应用中,VLT+BP期间的实际需求与上述利用预测系统计算的结果往往存在偏差,对于每种货品,每天都可以计算偏差值,例如:偏差值=sum(实际销量)-平均需求量-波动需求量。销量偏差产生的原因,是由于各个系统都有着各自的优化目标,与补货最终想要达到的目标存在一定的差异,这个差异会直接导致利用销量预测系统和提前期预测系统计算的结果无法完全满足补货的需求。
图5为本发明实施例提供的销量偏差的时序示意图,如图5所示,实线表示的是某货品在VLT+BP期间的实际销量和曲线,点实线表示的是某货品在VLT+BP期间的预测需求量(平均需求量和波动需求量之和)的曲线,虚线表示的是该货品每天的销量偏差的曲线。
本实施例中,销量预测模型除了对销量均值、销量标准差进行预测外,还预测了销量偏差,进而,根据销量偏差和货品的特征数据,获取库存偏差调整项。
具体的,如图4所示,将所述销量偏差和所述货品的特征数据输入至偏差预测模型中,根据所述偏差预测模型的输出结果,获取所述库存偏差调整项。
其中,货品的特征数据包括但不限于:供应商属性信息、促销信息、天气信息、货品属性信息和地理位置信息等。偏差预测模型为Meta模型,具体可以为常见的机器学习模型,包括但不限于:xgboost模型、lightgbm模型等。
本实施例中,利用了stacking集成学习框架,在销量预测模型和提前期预测模型的预测结果的基础上,结合货品特征数据,利用偏差预测模型进行二次预测,得到库存偏差调整项,该库存偏差调整项能够给出该货品下单日最可能的偏差预测结果,动态解决偏差问题,提高了目标库存量的准确性。
S307:根据所述销量均值和预设时长,确定所述库存水位调整项。
进一步的,可以根据销量预测模型输出的销量均值和预设时长,确定库存水位调整项。其中,预测时长可以为采购人员输入的时长。
一种可选的实施方式中,可以下述公式获取库存水位调整项。
其中,μ为销量预测模型输出的销量均值,BPA为采购人员输入的时长。
例如:预设时长为2天,则采用本实施例确定的目标库存量,能够保证库存的最小水位为2天的货品需求量,也就是说,在VLT+BP期间的任意时刻,库存均能够保证2天的货品需求量。
S308:根据平均需求量、波动需求量、库存水位调整项和库存偏差调整项,获取所述货品的目标库存量。
具体的,通过上述步骤,获取到平均需求量、波动需求量、库存水位调整项和库存偏差调整项之后,可以根据下述公式计算货品的目标库存量。
目标库存量=AvgDemand+FloatDemand+AdjItem1+AdjItem2
其中,AvgDemand为平均需求量,FloatDemand为波动需求量,AdjItem1为库存水位调整项,AdjItem2为库存偏差调整项。
图6为本发明实施例提供的库存水位示意图,如图6所示,实线为采用本发明实施例提供的供货方法得到的库存水位线,虚线为采用现有技术的供货方法得到的库存水位线。
根据图6可以得出,通过调节库存水位调整项,能够实现对库存最低水位的调节,以满足不同情况的库存水位要求,例如:当库存水位调整项变大时,可以保证库存具有较高的最低水位,当库存水位调整项变小时,可以保证库存具有较低的最低水位,从而使得对库存水位的调节更加灵活。
另外,根据图6可知,本发明实施例提供确定补货信息的装置,还能够使得库存水位规律、稳定,降低库存水位的波动性,降低货品断货风险。
现有技术中,在确定补货周期时,主要依靠采购人员和供应商的经验进行设定,虽然不会出现大的问题,但是针对每个供应商都需要进行协商确定,而且非常依赖双方经验,补货时机的恰当性无法得到保障。为了解决上述问题,本发明实施例还提供一种确定补货周期的方法,该方法可以由图1中的确定补货信息的装置执行。也就是说,在上述实施例执行之前,可以首先采用下述方法确定补货周期。
具体的,根据所述货品对应的预设起订量以及所述货品的历史销售数据,确定所述补货周期。
可以理解的,补货周期由供应商的供货能力决定,通常根据供应商最小起订量确定。其中,最小起订量可以为最小起订数量、最小起订金额、最小起订体积等。本实施例中的预设起订量可以为供应商的最小起订量。
下面结合一种可选的实施方式进行描述。图7为本发明实施例提供的确定补货周期的流程示意图,如图7所示,包括:
S701:获取所述货品对应的N日的历史销量数据,按照销售时序,分别获取累计k日的销量和,其中,1<=k<=N。
具体的,针对某货品,选取常规销售时间段(例如:起始日期为dt的连续N日)内该货品对应的历史销量数据,按照销售时序,分别计算累积1天、2天、…、N天的销量和。可以理解的,共可以得到N个累计1天的销量和,N-1个累计2天的销量和,N-2个累计3天的销量和,…,1个累计N天得销量和。
S702:针对每个k,确定累计k日的销量和的最小值。
进一步的,从N个累计1天的销量和中,确定累计1天的销量和的最小值;从N-1个累计2天的销量和中,确定累计2天的销量和的最小值;从N-3个累计3天的销量和中,确定累计3天的销量和的最小值,依次类推。
S703:若累计k日对应的销量和的最小值小于所述预设起订量,且累计k+1日对应的销量和的最小值大于等于所述预设起订量,则将所述k+1日作为所述补货周期。
将预设起订量与上述求得的累计1天、2天、…、N天的销量和的最小值进行比较,在大于等于所述预设起订量的销量和中,选择最小的累计天数,作为补货周期。例如:假设预设起订量为100件,累计1天的销量和的最小值为50件,累计2天的销量和的最小值为90件,累计3天的销量和的最小值为110件,则确定补货周期为3天。
本实施例中,通过根据货品对应的预设起订量以及货品的历史销售数据,确定补货周期,使得确定的补货周期更加准确,保证了补货时机的恰当性。
图8为本发明实施例提供的确定补货信息的装置的结构示意图一,如图8所示,本发明实施例提供的确定补货信息的装置800,包括:判断模块801、预测模块802和第一确定模块803。
其中,判断模块801,用于根据货品的补货周期,确定当前日期是否为所述货品的补货日期;
预测模块802,用于在当前日期是所述货品的补货日期时,根据所述补货周期和补货提前期,预测所述货品的平均需求量和波动需求量;
第一确定模块803,用于根据所述平均需求量、所述波动需求量、库存水位调整项和库存偏差调整项,获取所述货品的目标库存量,所述库存水位调整项用于调节库存中货品的最小库存量,所述库存偏差调整项用于调节所述平均需求量和波动需求量与实际需求量之间的偏差;
所述第一确定模块803,还用于根据所述目标库存量,确定所述货品的补货量。
本实施例提供的确定补货信息的装置,可用于执行如图2所示的方法实施例,其实现原理和技术效果类似,此处不再赘述。
图9为本发明实施例提供的确定补货信息的装置的结构示意图二,如图9所示,在图8所示实施例的基础上,本实施例的确定补货信息的装置800,还包括:第二确定模块804。
可选的,所述预测模块802还用于:
将历史销量数据输入至销量预测模型中,获取所述销量预测模型的输出结果,所述销量预测模型的输出结果中包括销量偏差;
根据所述销量偏差和所述货品的特征数据,获取所述库存偏差调整项。
可选的,所述预测模块802具体用于:
将所述销量偏差和所述货品的特征数据输入至偏差预测模型中;
根据所述偏差预测模型的输出结果,获取所述库存偏差调整项。
可选的,所述销量预测模型的输出结果中还包括:销量均值和销量标准差;
所述预测模块802具体用于:
根据所述销量均值、所述补货周期和所述补货提前期,获取所述平均需求量;
根据所述销量标准差、所述补货周期和所述补货提前期,获取所述波动需求量。
可选的,所述预测模块802还用于:
根据所述销量均值和预设时长,确定所述库存水位调整项。
可选的,所述预测模块802还用于:
将历史供货数据输入至提前期预测模型中,获取所述提前期预测模型的输出结果,所述提前期预测模型的输出结果为下述中的至少一项:提前期均值、提前期标准差和提前期偏差;
根据所述提前期预测模型的输出结果,确定所述补货提前期。
可选的,所述第二确定模块804,用于根据所述货品对应的预设起订量以及所述货品的历史销售数据,确定所述补货周期。
可选的,所述第二确定模块804具体用于:
获取所述货品对应的N日的历史销量数据,按照销售时序,分别获取累计k日的销量和,其中,1<=k<=N;
针对每个k,确定累计k日的销量和的最小值;
若累计k日对应的销量和的最小值小于所述预设起订量,且累计k+1日对应的销量和的最小值大于等于所述预设起订量,则将所述k+1日作为所述补货周期。
可选的,所述第一确定模块803具体用于:
根据所述目标库存量、现货库存量和在途库存量,确定所述货品的补货量。
本发明实施例提供的确定补货信息的装置,可用于执行上述任一方法实施例提供的技术方案,其实现原理和技术效果类似,此处不再赘述。
图10为本发明实施例提供的确定补货信息的设备的硬件结构示意图,如图10所示,本实施例提供的确定补货信息的设备1000,包括:至少一个处理器1001和存储器1002。其中,处理器1001、存储器1002通过总线1003连接。
在具体实现过程中,至少一个处理器1001执行所述存储器1002存储的计算机执行指令,使得至少一个处理器1001执行上述任一方法实施例中的确定补货信息的方法。
处理器1001的具体实现过程可参见上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
在上述的图10所示的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现上述任一方法实施例提供的确定补货信息的方法。
上述的计算机可读存储介质,上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits,简称:ASIC)中。当然,处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (18)
1.一种确定补货信息的方法,其特征在于,包括:
根据货品的补货周期,确定当前日期是否为所述货品的补货日期;
若当前日期为所述货品的补货日期,则根据所述补货周期和补货提前期,预测所述货品的平均需求量和波动需求量;
根据所述平均需求量、所述波动需求量、库存水位调整项和库存偏差调整项,获取所述货品的目标库存量,所述库存水位调整项用于调节库存中货品的最小库存量,所述库存偏差调整项用于调节所述平均需求量和波动需求量与实际需求量之间的偏差;所述库存偏差调整项是通过将销量偏差与货品的特征数据输入至偏差预测模型得到的;
根据所述目标库存量,确定所述货品的补货量;
所述根据所述补货周期和补货提前期,预测所述货品的平均需求量和波动需求量之前,还包括:
将历史供货数据输入至提前期预测模型中,获取所述提前期预测模型的输出结果,所述提前期预测模型的输出结果为下述中的至少一项:提前期均值、提前期标准差和提前期偏差;
根据所述提前期预测模型的输出结果,确定所述补货提前期;其中,所述提前期预测模型输出的提前期均值作为所述补货提前期。
2.根据权利要求1所述的方法,其特征在于,所述根据所述平均需求量、所述波动需求量、库存水位调整项和库存偏差调整项,获取所述货品的目标库存量之前,还包括:
将历史销量数据输入至销量预测模型中,获取所述销量预测模型的输出结果,所述销量预测模型的输出结果中包括销量偏差;
根据所述销量偏差和所述货品的特征数据,获取所述库存偏差调整项。
3.根据权利要求2所述的方法,其特征在于,所述根据所述销量偏差和所述货品的特征数据,获取所述库存偏差调整项,包括:
将所述销量偏差和所述货品的特征数据输入至偏差预测模型中;
根据所述偏差预测模型的输出结果,获取所述库存偏差调整项。
4.根据权利要求2所述的方法,其特征在于,所述销量预测模型的输出结果中还包括:销量均值和销量标准差;
所述根据所述补货周期和补货提前期,预测所述货品的平均需求量和波动需求量,包括:
根据所述销量均值、所述补货周期和所述补货提前期,获取所述平均需求量;
根据所述销量标准差、所述补货周期和所述补货提前期,获取所述波动需求量。
5.根据权利要求4所述的方法,其特征在于,所述将历史销量数据输入至销量预测模型中,获取所述销量预测模型的输出结果之后,还包括:
根据所述销量均值和预设时长,确定所述库存水位调整项。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述根据货品的补货周期,确定当前日期是否为所述货品的补货日期之前,还包括:
根据所述货品对应的预设起订量以及所述货品的历史销售数据,确定所述补货周期。
7.根据权利要求6所述的方法,其特征在于,所述根据所述货品对应的预设起订量以及所述货品的历史销售数据,确定所述补货周期,包括:
获取所述货品对应的N日的历史销量数据,按照销售时序,分别获取累计k日的销量和,其中,1<=k<=N;
针对每个k,确定累计k日的销量和的最小值;
若累计k日对应的销量和的最小值小于所述预设起订量,且累计k+1日对应的销量和的最小值大于等于所述预设起订量,则将所述k+1日作为所述补货周期。
8.根据权利要求1至5任一项所述的方法,其特征在于,所述根据所述目标库存量,确定所述货品的补货量,包括:
根据所述目标库存量、现货库存量和在途库存量,确定所述货品的补货量。
9.一种确定补货信息的装置,其特征在于,包括:
判断模块,用于根据货品的补货周期,确定当前日期是否为所述货品的补货日期;
预测模块,用于在当前日期是所述货品的补货日期时,根据所述补货周期和补货提前期,预测所述货品的平均需求量和波动需求量;
第一确定模块,用于根据所述平均需求量、所述波动需求量、库存水位调整项和库存偏差调整项,获取所述货品的目标库存量,所述库存水位调整项用于调节库存中货品的最小库存量,所述库存偏差调整项用于调节所述平均需求量和波动需求量与实际需求量之间的偏差;所述库存偏差调整项是通过将销量偏差与货品的特征数据输入至偏差预测模型得到的;
所述第一确定模块,还用于根据所述目标库存量,确定所述货品的补货量;
所述预测模块还用于:
将历史供货数据输入至提前期预测模型中,获取所述提前期预测模型的输出结果,所述提前期预测模型的输出结果为下述中的至少一项:提前期均值、提前期标准差和提前期偏差;
根据所述提前期预测模型的输出结果,确定所述补货提前期;其中,所述提前期预测模型输出的提前期均值作为所述补货提前期。
10.根据权利要求9所述的装置,其特征在于,所述预测模块还用于:
将历史销量数据输入至销量预测模型中,获取所述销量预测模型的输出结果,所述销量预测模型的输出结果中包括销量偏差;
根据所述销量偏差和所述货品的特征数据,获取所述库存偏差调整项。
11.根据权利要求10所述的装置,其特征在于,所述预测模块具体用于:
将所述销量偏差和所述货品的特征数据输入至偏差预测模型中;
根据所述偏差预测模型的输出结果,获取所述库存偏差调整项。
12.根据权利要求10所述的装置,其特征在于,所述销量预测模型的输出结果中还包括:销量均值和销量标准差;
所述预测模块具体用于:
根据所述销量均值、所述补货周期和所述补货提前期,获取所述平均需求量;
根据所述销量标准差、所述补货周期和所述补货提前期,获取所述波动需求量。
13.根据权利要求12所述的装置,其特征在于,所述预测模块还用于:
根据所述销量均值和预设时长,确定所述库存水位调整项。
14.根据权利要求9至13任一项所述的装置,其特征在于,还包括:
第二确定模块,用于根据所述货品对应的预设起订量以及所述货品的历史销售数据,确定所述补货周期。
15.根据权利要求14所述的装置,其特征在于,所述第二确定模块具体用于:
获取所述货品对应的N日的历史销量数据,按照销售时序,分别获取累计k日的销量和,其中,1<=k<=N;
针对每个k,确定累计k日的销量和的最小值;
若累计k日对应的销量和的最小值小于所述预设起订量,且累计k+1日对应的销量和的最小值大于等于所述预设起订量,则将所述k+1日作为所述补货周期。
16.根据权利要求9至13任一项所述的装置,其特征在于,所述第一确定模块具体用于:
根据所述目标库存量、现货库存量和在途库存量,确定所述货品的补货量。
17.一种确定补货信息的设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至8任一项所述的方法。
18.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910019431.5A CN111429048B (zh) | 2019-01-09 | 2019-01-09 | 确定补货信息的方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910019431.5A CN111429048B (zh) | 2019-01-09 | 2019-01-09 | 确定补货信息的方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111429048A CN111429048A (zh) | 2020-07-17 |
CN111429048B true CN111429048B (zh) | 2024-04-16 |
Family
ID=71545900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910019431.5A Active CN111429048B (zh) | 2019-01-09 | 2019-01-09 | 确定补货信息的方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111429048B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762832A (zh) * | 2020-08-10 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 库存信息处理方法、装置、存储介质及电子设备 |
CN113763001A (zh) * | 2020-08-24 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 数据显示方法及装置 |
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 |
CN112215546B (zh) * | 2020-09-29 | 2022-11-08 | 北京沃东天骏信息技术有限公司 | 一种对象页面生成方法、装置、设备及存储介质 |
CN111932191B (zh) * | 2020-10-12 | 2021-01-15 | 北京每日优鲜电子商务有限公司 | 货架调度方法、装置、电子设备和计算机可读介质 |
CN112529491B (zh) * | 2020-10-26 | 2021-10-15 | 杉数科技(北京)有限公司 | 一种库存管理方法及装置 |
CN112950267A (zh) * | 2021-02-26 | 2021-06-11 | 北京京东乾石科技有限公司 | 一种信息生成方法、装置、终端设备及存储介质 |
CN113177824A (zh) * | 2021-05-06 | 2021-07-27 | 北京沃东天骏信息技术有限公司 | 补货任务处理方法、装置、计算机系统和可读存储介质 |
CN113762885B (zh) * | 2021-06-30 | 2023-12-05 | 北京京东振世信息技术有限公司 | 补货量确定方法、装置、设备、存储介质及程序产品 |
CN113743862A (zh) * | 2021-08-06 | 2021-12-03 | 杉数科技(北京)有限公司 | 基于产品分类的产品目标库存确定方法及系统 |
CN113793103A (zh) * | 2021-09-18 | 2021-12-14 | 中广核风电有限公司 | 安全库存的确定方法和装置 |
CN113837706B (zh) * | 2021-11-25 | 2022-06-07 | 北京京东振世信息技术有限公司 | 物品库存的控制方法、装置、设备及介质 |
CN116071000B (zh) * | 2023-03-07 | 2023-08-01 | 美云智数科技有限公司 | 物品库存的控制方法及控制装置 |
CN116342042B (zh) * | 2023-05-25 | 2024-04-19 | 北京京东乾石科技有限公司 | 一种补货方法及装置、存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1416085A (zh) * | 2001-10-31 | 2003-05-07 | 统一资讯股份有限公司 | 安全库存量计算装置 |
JP2005015140A (ja) * | 2003-06-25 | 2005-01-20 | Mbk Ryutsu Partners Kk | 発注量算出システム |
CN1741053A (zh) * | 2005-09-22 | 2006-03-01 | 上海交通大学 | 物流仓储决策支持系统 |
CN104820913A (zh) * | 2015-04-24 | 2015-08-05 | 北京京东尚科信息技术有限公司 | 一种补货方法和装置 |
WO2015185438A1 (en) * | 2014-06-04 | 2015-12-10 | The Sequoia Partnership Limited | Inventory setting system |
CN105160513A (zh) * | 2015-09-07 | 2015-12-16 | 拓维信息系统股份有限公司 | 一种设备备件的安全库存计算方法及系统 |
CN106408341A (zh) * | 2016-09-21 | 2017-02-15 | 北京小米移动软件有限公司 | 货品销量的预测方法及装置、电子设备 |
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 |
CN106991550A (zh) * | 2016-01-21 | 2017-07-28 | 阿里巴巴集团控股有限公司 | 商品对象补货信息处理方法及装置 |
CN106991543A (zh) * | 2016-01-20 | 2017-07-28 | 阿里巴巴集团控股有限公司 | 调拨系统及调拨方法 |
CN107122928A (zh) * | 2016-02-24 | 2017-09-01 | 阿里巴巴集团控股有限公司 | 一种供应链资源需求计划配置方法及装置 |
CN107274231A (zh) * | 2017-06-29 | 2017-10-20 | 北京京东尚科信息技术有限公司 | 数据预测方法及装置 |
CN107563705A (zh) * | 2017-09-25 | 2018-01-09 | 四川长虹电器股份有限公司 | 利用大数据分析家电产品安全库存及再订货的系统和方法 |
CN108985691A (zh) * | 2018-07-11 | 2018-12-11 | 北京实派科技有限公司 | 一种基于动态库存控制的自动补货方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004022463A1 (ja) * | 2002-09-06 | 2004-03-18 | Tsc, Inc. | 安全在庫量算出方法、安全在庫量算出装置、発注点算出方法、発注点算出装置及び発注量算出方法 |
US20080162270A1 (en) * | 2006-12-29 | 2008-07-03 | Edward Kim | Method and system for forecasting future order requirements |
US20170068973A1 (en) * | 2012-12-03 | 2017-03-09 | Dimitri Sinkel | System and method for inventory management |
-
2019
- 2019-01-09 CN CN201910019431.5A patent/CN111429048B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1416085A (zh) * | 2001-10-31 | 2003-05-07 | 统一资讯股份有限公司 | 安全库存量计算装置 |
JP2005015140A (ja) * | 2003-06-25 | 2005-01-20 | Mbk Ryutsu Partners Kk | 発注量算出システム |
CN1741053A (zh) * | 2005-09-22 | 2006-03-01 | 上海交通大学 | 物流仓储决策支持系统 |
WO2015185438A1 (en) * | 2014-06-04 | 2015-12-10 | The Sequoia Partnership Limited | Inventory setting system |
CN104820913A (zh) * | 2015-04-24 | 2015-08-05 | 北京京东尚科信息技术有限公司 | 一种补货方法和装置 |
CN105160513A (zh) * | 2015-09-07 | 2015-12-16 | 拓维信息系统股份有限公司 | 一种设备备件的安全库存计算方法及系统 |
CN106991543A (zh) * | 2016-01-20 | 2017-07-28 | 阿里巴巴集团控股有限公司 | 调拨系统及调拨方法 |
CN106991550A (zh) * | 2016-01-21 | 2017-07-28 | 阿里巴巴集团控股有限公司 | 商品对象补货信息处理方法及装置 |
CN107122928A (zh) * | 2016-02-24 | 2017-09-01 | 阿里巴巴集团控股有限公司 | 一种供应链资源需求计划配置方法及装置 |
CN106408341A (zh) * | 2016-09-21 | 2017-02-15 | 北京小米移动软件有限公司 | 货品销量的预测方法及装置、电子设备 |
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 |
CN107274231A (zh) * | 2017-06-29 | 2017-10-20 | 北京京东尚科信息技术有限公司 | 数据预测方法及装置 |
CN107563705A (zh) * | 2017-09-25 | 2018-01-09 | 四川长虹电器股份有限公司 | 利用大数据分析家电产品安全库存及再订货的系统和方法 |
CN108985691A (zh) * | 2018-07-11 | 2018-12-11 | 北京实派科技有限公司 | 一种基于动态库存控制的自动补货方法及系统 |
Non-Patent Citations (6)
Title |
---|
Adjusting inventories based on demand prediction using dynamic inventory balancing model;Happonen, A.;《 2012 Portland International Conference on Management of Engineering & Technology (PICMET)》;20130626;第3549-3565页 * |
An adjustment method for material inventory control decision considered in product life cycle;Jiun-Shiung Lin等;《2018 5th International Conference on Industrial Engineering and Applications (ICIEA)》;20180618;第310-313 * |
基于VENSIM的林产品供应链库存管理模式研究;颜浩龙等;《中南林业科技大学学报》;20160722(第9期);第133-140页 * |
基于系统动力学的第三方物流管理库存模型;汪小京等;《系统管理学报》;20160430(第2期);第317-325页 * |
库存管理中的安全技术;魏瑜;《企业技术开发》(第11期);第107-109页 * |
论连锁店的分店补货模型;颜文等;《物流科技》(第10期);第55-58页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111429048A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111429048B (zh) | 确定补货信息的方法、装置及设备 | |
JP6435685B2 (ja) | 発注量決定方法、発注量決定プログラムおよび情報処理装置 | |
CN111401619B (zh) | 采购订单处理方法、装置、电子设备及存储介质 | |
CN111784245A (zh) | 仓库采购清单生成方法、装置、设备以及存储介质 | |
US8566137B1 (en) | Inventory across multiple marketplaces | |
CN111932161B (zh) | 针对物品的车辆调度方法、装置、电子设备和计算机介质 | |
CN112215546B (zh) | 一种对象页面生成方法、装置、设备及存储介质 | |
CN107767092B (zh) | 商品对象信息的处理方法、展示方法及装置 | |
Lee et al. | The loss‐averse newsvendor problem with supply options | |
US20160148226A1 (en) | System and method for forecasting and managing returned merchanidse in retail | |
WO2020205259A1 (en) | Computerized inventory redistribution control system | |
EP4365796A1 (en) | Replenishment quantity determination method and apparatus, device, storage medium, and program product | |
CN112101879A (zh) | 确定药品采购最佳订货时间的方法及其系统 | |
CN114240304A (zh) | 仓库库存管控方法、装置、存储介质及erp系统 | |
CN113988768B (zh) | 一种库存的确定方法和装置 | |
Salvietti et al. | A stochastic profit-maximising economic lot scheduling problem with price optimisation | |
US20170178221A1 (en) | Method and system for inventory availability prediction | |
CN112712222A (zh) | 物品调度方法和系统 | |
CN111222668A (zh) | 仓库单量预测方法、装置、电子设备和可读存储介质 | |
US20130103456A1 (en) | Method, system and program storage device for production planning | |
CN111062669A (zh) | 业务处理方法、装置、存储介质及服务器 | |
JP2020119029A (ja) | 発注情報計算プログラム、装置、及び方法 | |
US20160283897A1 (en) | Days of inventory determination based on constraints | |
JP6307926B2 (ja) | 発注量決定方法、発注量決定装置および発注量決定プログラム | |
JP2500194B2 (ja) | 商品発注システム |
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 |