CN111626515B - 一种智能补货系统 - Google Patents

一种智能补货系统 Download PDF

Info

Publication number
CN111626515B
CN111626515B CN202010477185.0A CN202010477185A CN111626515B CN 111626515 B CN111626515 B CN 111626515B CN 202010477185 A CN202010477185 A CN 202010477185A CN 111626515 B CN111626515 B CN 111626515B
Authority
CN
China
Prior art keywords
module
prediction
sales
historical
demand
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010477185.0A
Other languages
English (en)
Other versions
CN111626515A (zh
Inventor
周韶宁
陈鹏
吴红亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Baishi Technology Co Ltd
Original Assignee
Zhejiang Baishi Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Baishi Technology Co Ltd filed Critical Zhejiang Baishi Technology Co Ltd
Priority to CN202010477185.0A priority Critical patent/CN111626515B/zh
Publication of CN111626515A publication Critical patent/CN111626515A/zh
Application granted granted Critical
Publication of CN111626515B publication Critical patent/CN111626515B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—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
    • 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
    • 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
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种智能补货系统，属于物流管理技术领域，包括业务模块、预测模块、调整模块和评估模块；其中，业务模块，用于下单；预测模块，用于产品需求预测，得出需求预测方案；评估模块，用于对预测模块所输出的需求预测方案进行评估，输出产品变化量的预测值，将所述预测值和自身需求量比较，根据比较结果确定是否调整需求预测方案中的参数；调整模块，用于将评估模块中输出的参数输送至预测模块，进行需求预测方案的优化；本发明实现自动预测下单量，降低企业人工强度和成本，提高预测的精准度，合理降低库存周转，避免缺货现象，增强企业发展的竞争力。

Description

一种智能补货系统
技术领域
本发明属于物流管理技术领域，特别涉及一种智能补货系统。
背景技术
库存管理对于企业而言是重中之重，对于一家企业而言，若自家的畅销商品发生缺货时，可能导致企业被竞争对手赶超，甚至需要花费大量的时间和金钱去重新宣传产品。
目前，企业库存管理通过人工下单，在下单前，通过人工进行商品核算，再结合个人的从事经验进行人工预测数量，确定企业需要的下单量，该方式不仅浪费企业成本，对于员工个人而言，所需要花费的时间和精力也较多，另外，不同人所计算得出结果也存在较大的偏差，这对于企业发展显然是不利的。
发明内容
本发明的目的在于提供一种智能补货系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种智能补货系统，包括业务模块、预测模块、调整模块和评估模块；其中，业务模块，用于下单；预测模块，用于产品需求预测，得出需求预测方案；评估模块，用于对预测模块所输出的需求预测方案进行评估，输出产品变化量的预测值，将所述预测值和自身需求量比较，根据比较结果确定是否调整需求预测方案中的参数；调整模块，用于将评估模块中输出的参数输送至预测模块，进行需求预测方案的优化。
作为优选，所述业务模块为OP系统。
作为优选，所述预测模块执行步骤为：S1、进行销量预测；S2、再进行库存模型的建立。
作为优选，所述步骤S1其具体步骤如下：
(1)通过公式预测当天往后推i天的销量，
Frcst(i)＝DD*BI(i)*PBI(i)，
其中，i＝1,2,3…n；n表示自然数，PBI(i)为活动爆炸因子；
(2)通过公式还原历史日销量；
Figure BDA0002516188810000021
priceFactor＝p2/p1；
其中，saleNum(i)：第i天单个销售仓库单个商品的总销售量；PBI(i)为历史活动爆炸因子；BI(i)为历史的季节因子；daysInstock为n天内商品的有库存天数；n表示自然数，priceFactor为调价因子，用来平衡调价带来的影响；P2是已售卖的n天时间范围内的平均价格；P1是未来售卖价格，具体来说，P1>P2，价格升高，priceFactor<1；反之大于1。
作为优选，所述步骤S2其具体步骤如下：
①通过公式，建立库存低水位(OP)
Figure BDA0002516188810000022
其中，LT表示订单反应时间，即下单到入库时间；ST表示安全库存天数；TT表示调拨时间；
②通过公式，建立库存高水位(OUTL)
Figure BDA0002516188810000031
其中，LT表示订单反应时间，即下单到入库时间；ST表示安全库存天数；TT表示调拨时间，DT表示三级类目周转天数；
作为优选，所述评估模块执行步骤如下：
步骤1：将历史预测销量DD和历史真实销量AS对比，根据MSE公式评估二者之间的差距；
Figure BDA0002516188810000032
其中，n＝1,2,3…；
步骤2：通过公式，计算采纳率；
Figure BDA0002516188810000033
步骤3：计算历史到货后的周转天数，和预期周转天数的差距；
周转天数＝库存/销量预测(DD)；
人工下单周转＝(库存+实际下单量)/销量预测(DD)；
系统推荐周转＝(库存+推荐下单量)/销量预测(DD)；
步骤4：根据促销活动和历史销量，调整促销因子；根据公式可得：
PBI′(i)＝DD(i)/SALE(i)；
其中，SALE(i)表示历史真实销量，DD(i)表示历史预测销量；PBI′(i)表示调整后的促销因子；
步骤5：统计历史真实订单反映时间。
作为优选，所述调整模块执行步骤如下：
SS1：根据评估模块中MSE选择合适的预测方式；
SS2：根据评估模块中PBI′(i)替换PBI(i)；
SS3：根据评估模块中算出的订单反应时间替换人工配置的值。
与现有技术相比，本发明的有益效果是：本发明实现自动预测下单量，降低企业人工强度和成本，提高预测的精准度，合理降低库存周转，避免缺货现象，增强企业发展的竞争力。
附图说明
图1是本发明架构示意图；
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，而不是全部实施例。
实施例：
如图1所示的一种智能补货系统，包括业务模块、预测模块、调整模块和评估模块。
业务模块，用于下单；且所述业务模块为OP系统；
预测模块，用于产品需求预测，得出需求预测方案；其中，所述预测模块执行步骤为：
S1、进行销量预测；所述步骤S1其具体步骤如下：
(1)通过公式预测当天往后推i天的销量，
Frcst(i)＝DD*BI(i)*PBI(i)，
其中，i＝1,2,3…n，n表示自然数；PBI(i)为活动爆炸因子，具体来说，若明天有一个活动，预测销量是平时的2倍，那么PBI(i)＝2；
BI(i)为季节因子，通过计算该年销量的均值和去年每周的销量比较得出的比值；
(2)通过公式还原历史日销量；
Figure BDA0002516188810000051
priceFactor＝p2/p1；
其中，saleNum(i)：第i天单个销售仓库单个商品的总销售量；PBI(i)为历史活动爆炸因子；BI(i)为历史的季节因子；daysInstock为n天内商品的有库存天数；n表示自然数，priceFactor为调价因子，用来平衡调价带来的影响；P2是已售卖n天时间范围内的平均价格；P1是未来售卖价格，具体来说，P1>P2，价格升高，priceFactor<1；反之大于1。
S2、再进行库存模型的建立；所述步骤S2其具体步骤如下：
①通过公式，建立库存低水位(OP)
Figure BDA0002516188810000052
其中，LT表示订单反应时间，即下单到入库时间；ST表示安全库存天数；TT表示调拨时间；
②通过公式，建立库存高水位(OUTL)
Figure BDA0002516188810000053
其中，LT表示订单反应时间，即下单到入库时间；ST表示安全库存天数；TT表示调拨时间，DT表示三级类目周转天数；
评估模块，用于对预测模块所输出的需求预测方案进行评估，输出产品变化量的预测值，将所述预测值和自身需求量比较，根据比较结果确定是否调整需求预测方案中的参数；值得一说的是，在本实施例中，所述评估模块执行步骤如下：
步骤1：将历史预测销量DD和历史真实销量AS对比，根据MSE公式评估二者之间的差距；
Figure BDA0002516188810000061
其中，n＝1,2,3…；
步骤2：通过公式，计算采纳率；
Figure BDA0002516188810000062
步骤3：计算历史到货后的周转天数，和预期周转天数的差距；
周转天数＝库存/销量预测(DD)；
人工下单周转＝(库存+实际下单量)/销量预测(DD)；
系统推荐周转＝(库存+推荐下单量)/销量预测(DD)；
步骤4：根据促销活动和历史销量，调整促销因子；根据公式可得：
PBI′(i)＝DD(i)/SALE(i)；
其中，SALE(i)表示历史真实销量，DD(i)表示历史预测销量；PBI′(i)表示调整后的促销因子；
步骤5：统计历史真实订单反映时间。
调整模块，用于将评估模块中输出的参数输送至预测模块，进行需求预测方案的优化；
其中，所述调整模块执行步骤如下：
SS1:根据评估模块中MSE选择合适的预测方式；主要选取评估模块中步骤1得出的MSE值小的方案；提高预测方案的精准性；
SS2：根据评估模块中PBI′(i)替换PBI(i)；从而提高预测模块里的还原逻辑的准确性；
SS3：根据评估模块中算出的订单反应时间替换人工配置的值。
本发明的描述中，需要理解的是，术语“中心”、“横向”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“若干个”的含义是两个或两个以上。另外，术语“包括”及其任何变形，意图在于覆盖不排他的包含。
本发明按照实施例进行了说明，在不脱离本原理的前提下，本装置还可以作出若干变形和改进。应当指出，凡采用等同替换或等效变换等方式所获得的技术方案，均落在本发明的保护范围内。

Claims (2)

1.一种智能补货系统，其特征在于：包括业务模块、预测模块、调整模块和评估模块；其中，业务模块，用于下单；预测模块，用于产品需求预测，得出需求预测方案；评估模块，用于对预测模块所输出的需求预测方案进行评估，输出产品变化量的预测值，将所述预测值和自身需求量比较，根据比较结果确定是否调整需求预测方案中的参数；调整模块，用于将评估模块中输出的参数输送至预测模块，进行需求预测方案的优化；其中，所述预测模块执行步骤为：
S1、进行销量预测；
所述步骤S1其具体步骤如下：
（1）通过公式预测当天往后推
Figure 707988DEST_PATH_IMAGE001
天的销量，
Figure 447274DEST_PATH_IMAGE002
，
其中，
Figure 42466DEST_PATH_IMAGE003
；
Figure 915613DEST_PATH_IMAGE004
为活动爆炸因子；
Figure 529128DEST_PATH_IMAGE005
为季节因子；
（2）通过公式还原历史日销量；
Figure 420791DEST_PATH_IMAGE006
；
Figure 470656DEST_PATH_IMAGE007
；
其中，
Figure 586641DEST_PATH_IMAGE008
：第i天单个销售仓库单个商品的总销售量；
Figure 54663DEST_PATH_IMAGE009
为历史活动爆炸因子；
Figure 994806DEST_PATH_IMAGE005
为历史的季节因子；
Figure 361327DEST_PATH_IMAGE010
为n天内商品的有库存天数；
Figure 795851DEST_PATH_IMAGE011
为调价因子，用来平衡调价带来的影响；
Figure 633226DEST_PATH_IMAGE012
是已完成售卖的n天时间范围内的平均价格；
Figure 714577DEST_PATH_IMAGE013
是未来售卖价格；
S2、再进行库存模型的建立；
所述步骤S2其具体步骤如下：
①通过公式，建立库存低水位OP
Figure 817662DEST_PATH_IMAGE014
，
其中，LT表示订单反应时间，即下单到入库时间；ST表示安全库存天数；TT表示调拨时间；
②通过公式，建立库存高水位OUTL
Figure 773985DEST_PATH_IMAGE015
；
其中，LT表示订单反应时间，即下单到入库时间；ST表示安全库存天数；TT表示调拨时间，DT表示三级类目周转天数；
所述评估模块执行步骤如下：
步骤1：将历史预测销量DD和历史真实销量AS对比，根据MSE公式评估二者之间的差距；
Figure 29648DEST_PATH_IMAGE016
；其中，
Figure 796747DEST_PATH_IMAGE017
；
步骤2：通过公式，计算采纳率；
Figure 42921DEST_PATH_IMAGE018
；
步骤3：计算历史到货后的周转天数，和预期周转天数的差距；
Figure 366717DEST_PATH_IMAGE019
步骤4：根据促销活动和历史销量，调整促销因子；根据公式可得：
Figure 647526DEST_PATH_IMAGE020
；
其中，
Figure 647843DEST_PATH_IMAGE021
表示历史真实销量，
Figure 148356DEST_PATH_IMAGE022
表示历史预测销量；
Figure 525111DEST_PATH_IMAGE023
表示调整后的促销因子；
步骤5：统计历史真实订单反映时间； 所述调整模块执行步骤如下：
SS1：根据评估模块中MSE选择合适的预测方式；
SS2：根据评估模块中
Figure 191585DEST_PATH_IMAGE024
替换
Figure 51219DEST_PATH_IMAGE025
；
SS3：根据评估模块中算出的订单反应时间替换人工配置的值。
2.根据权利要求1所述的一种智能补货系统，其特征在于：所述业务模块为OP系统。
CN202010477185.0A 2020-05-29 2020-05-29 一种智能补货系统 Active CN111626515B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010477185.0A CN111626515B (zh) 2020-05-29 2020-05-29 一种智能补货系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010477185.0A CN111626515B (zh) 2020-05-29 2020-05-29 一种智能补货系统

Publications (2)

Publication Number Publication Date
CN111626515A CN111626515A (zh) 2020-09-04
CN111626515B true CN111626515B (zh) 2022-07-05

Family

ID=72272305

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010477185.0A Active CN111626515B (zh) 2020-05-29 2020-05-29 一种智能补货系统

Country Status (1)

Country Link
CN (1) CN111626515B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113052533B (zh) * 2021-03-24 2023-07-14 中国科学技术大学 概率产品的库存异动预警与调拨方案更新方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2264659A2 (en) * 2005-06-28 2010-12-22 Media Cart Holdings, Inc. Media enabled advertising shopping cart system
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
CN111126903A (zh) * 2019-12-13 2020-05-08 江苏苏宁物流有限公司 一种补货方法、装置及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10210603B2 (en) * 2016-10-17 2019-02-19 Conduent Business Services Llc Store shelf imaging system and method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2264659A2 (en) * 2005-06-28 2010-12-22 Media Cart Holdings, Inc. Media enabled advertising shopping cart system
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
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
CN111126903A (zh) * 2019-12-13 2020-05-08 江苏苏宁物流有限公司 一种补货方法、装置及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于.NET商品销售决策系统设计与实现;李红芹;《商场现代化》;20080810(第23期);第 38-39页 *

Also Published As

Publication number Publication date
CN111626515A (zh) 2020-09-04

Similar Documents

Publication Publication Date Title
CN112884404B (zh) 一种智能供应链库存中转优化及异动预警系统
US20080086392A1 (en) Managing distribution of constrained product inventory from a warehouse
TW542982B (en) Dynamic pricing system
US8442917B1 (en) Energy distribution and marketing backoffice system and method
US20150178653A1 (en) Delivery Prediction System and Delivery Prediction Method
US20130246257A1 (en) Energy distribution and marketing backoffice system and method
Dumas et al. Probabilistic forecasting of imbalance prices in the Belgian context
CN111626515B (zh) 一种智能补货系统
CN116205560A (zh) 库存自动化管理系统及其方法
CN112184340A (zh) 一种快消品自动补货系统及其工作方法
CN116433158A (zh) 一种基于云计算的商品库存动态管理系统及方法
US10402764B2 (en) Systems and methods of controlling quantities of denominations of currency at a retail shopping facility
CN111105191A (zh) 一种基于工业互联网的订单配送方法
JP2009043291A (ja) 商品需要予測システム、商品の売上数調整システム
CN201435103Y (zh) 一种网络分销管理装置
US20170193435A1 (en) Systems and methods for forecasting on-shelf product availability
JP4296026B2 (ja) 商品需要予測システム、商品の売上数調整システム
CN117522273A (zh) 一种货物运输订单管理系统
Heiland Global risk sharing through trade in goods and assets: Theory and evidence
CN116342007A (zh) 一种关于配送业务的智能调度方法和智能调度管理系统
JP2003345961A (ja) 中古品販売における在庫リスク管理システム及び在庫リスクの管理方法
JP2001243401A (ja) 受注予測システム
JP2004334327A (ja) 発注提案システムおよび方法
Fröderberg Cutting logistics costs with a centralized distribution model for ABB’s distribution of LV products in Asia Pacific
Kroep Optimizing the inventory replenishment planning policy at Mantel Arnhem BV

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