CN111667207B - 供应链库存的管理方法及装置、存储介质和处理器 - Google Patents
供应链库存的管理方法及装置、存储介质和处理器 Download PDFInfo
- Publication number
- CN111667207B CN111667207B CN201910165191.XA CN201910165191A CN111667207B CN 111667207 B CN111667207 B CN 111667207B CN 201910165191 A CN201910165191 A CN 201910165191A CN 111667207 B CN111667207 B CN 111667207B
- Authority
- CN
- China
- Prior art keywords
- target
- inventory
- information
- store
- replenishment
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 18
- 238000004088 simulation Methods 0.000 claims abstract description 176
- 238000000034 method Methods 0.000 claims abstract description 59
- 239000000243 solution Substances 0.000 claims description 115
- 239000012088 reference solution Substances 0.000 claims description 31
- 230000002159 abnormal effect Effects 0.000 claims description 27
- 238000011156 evaluation Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 12
- 229910052500 inorganic mineral Inorganic materials 0.000 description 7
- 239000011707 mineral Substances 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 238000010845 search algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000007306 turnover Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06Q10/08—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)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种供应链库存的管理方法及装置、存储介质和处理器。其中，该方法包括：从目标门店的库存数据库中读取第一预设时间段内目标门店中内库存的目标商品的历史库存信息；基于历史库存信息，创建目标商品的库存仿真模型；基于库存仿真模型确定所述目标商品的补货策略；基于补货策略确定目标商品的补货信息，其中，补货信息用于表征针对目标商品的目标库存所需要补充的商品数量。本发明解决了在不确定因素下难以确定合适的补货信息，导致难以控制整个区域内供应链的整体绩效的技术问题。
Description
技术领域
本发明涉及信息处理技术领域，具体而言，涉及一种供应链库存的管理方法及装置、存储介质和处理器。
背景技术
在零售商业中，二阶供应链网络中的库存优化问题是一个典型的运筹优化复杂问题。中心仓库向供应商的补货策略与决策、门店/前仓向中心仓库的补货策略与决策影响到零售商在整个区域内供应链的整体绩效(缺货率、库存周转等)。二阶供应链网络内不同商品(SKU)的库存绩效受到需求不确定性、物流不确定性、供货商不确定性、库存周期多种因素影响，而且单个品类有大量不同商品，且二阶供应链网络内门店众多。因此在这些不确定性下难以作出最优的补货策略，从而难以确定合适的补货信息，导致难以控制整个区域内供应链的整体绩效。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种供应链库存的管理方法及装置、存储介质和处理器，以至少解决在不确定因素下难以确定合适的补货信息，导致难以控制整个区域内供应链的整体绩效的技术问题。
根据本发明实施例的一个方面，提供了一种供应链库存的管理方法，包括：从目标门店的库存数据库中读取第一预设时间段内所述目标门店中内库存的目标商品的历史库存信息；基于所述历史库存信息，创建所述目标商品的库存仿真模型；基于所述库存仿真模型确定所述目标商品的补货策略；基于所述补货策略确定所述目标商品的补货信息，其中，所述补货信息用于表征针对所述目标商品的目标库存所需要补充的商品数量。
进一步地，基于所述库存仿真模型确定所述目标商品的补货策略包括：将多个补货策略中每个补货策略的目标参数输入至所述库存仿真模型，其中，所述目标参数至少包括：补货周期和波动性因子；所述库存仿真模型通过所述目标参数，确定目标解集，其中，所述目标解集中的解为补货策略中的参数；基于所述目标解集，确定所述补货策略。
进一步地，所述库存仿真模型通过所述目标参数，确定目标解集包括：所述库存仿真模型通过所述目标参数构建初始解集；通过所述初始解集构建参考解集；采用所述库存仿真对所述参考解集进行仿真评估，得到目标解；将所述目标解替代所述参考解集中的解，得到所述目标解集。
进一步地，基于所述历史库存信息，创建所述目标商品的库存仿真模型包括：基于所述历史库存信息，确定所述目标门店的库存波动信息和补货波动信息；基于所述历史库存信息，确定所述目标门店的不确定因素，其中，所述不确定因素至少包括：所述目标门店的需求，所述目标门店的商品的供应商的状况，所述目标门店的商品的物流情况，所述目标门店的商品的配货情况；将所述库存波动信息和所述补货波动信息和所述不确定因素作为目标信息；基于所述历史库存信息和所述目标信息，创建所述目标商品的库存仿真模型。
进一步地，在基于所述历史库存信息，确定所述目标门店的不确定因素之后，所述方法还包括：基于所述历史库存信息和所述不确定因素，判断所述目标门店中的目标商品是否存在异常状况；若所述目标门店中的目标商品存在异常状况，则基于历史库存信息进行库存仿真，分析所述目标商品的异常影响因素和仿真库存变动的库存效率；将所述异常影响因素和仿真出的库存变动的库存效率发送至目标对象。
进一步地，所述历史库存信息中至少包括：所述目标门店的历史补货记录、所述目标门店的历史需求、所述目标门店的历史缺货记录，基于所述历史库存信息、所述目标信息和多种补货策略进行库存仿真，在基于所述历史库存信息，创建所述目标商品的库存仿真模型之后，所述方法还包括：根据所述历史补货记录和所述历史需求模拟库存波动；根据模拟出的库存波动统计仿真下的目标门店的缺货记录；比较仿真下的缺货记录与所述历史缺货记录，以及比较模拟下的库存波动与所述目标门店的库存波动信息；若比较出的差异满足预设要求，则确定所述库存仿真模型的准确率满足预设条件。
进一步地，基于所述补货策略确定所述目标商品的补货信息包括：获取所述目标门店中目标商品的当前库存量；对所述目标商品在第二预设时间段内进行销量预测；基于所述当前库存量、预测出的销量和所述补货策略确定所述目标商品的目标库存；基于所述目标商品的目标库存和所述当前库存量确定所述目标商品的补货信息。
根据本发明实施例的另一方面，还提供了一种供应链库存的管理装置，其特征在于，包括：读取单元，用于从目标门店的库存数据库中读取第一预设时间段内所述目标门店中内库存的目标商品的历史库存信息；创建单元，用于根据所述历史库存信息，创建所述目标商品的库存仿真模型；第一确定单元，用于根据所述库存仿真模型确定所述目标商品的补货策略；第二确定单元，用于根据所述补货策略确定所述目标商品的补货信息，其中，所述补货信息用于表征针对所述目标商品的目标库存所需要补充的商品数量。
进一步地，所述第一确定单元包括：输入模块，用于将多个补货策略中每个补货策略的目标参数输入至所述库存仿真模型，其中，所述目标参数至少包括：补货周期和波动性因子；第一确定模块，用于所述库存仿真模型通过所述目标参数，确定目标解集，其中，所述目标解集中的解为补货策略中的参数；第二确定模块，用于根据所述目标解集，确定所述补货策略。
进一步地，所述第一确定模块包括：第一构建模块，用于所述库存仿真模型通过所述目标参数构建初始解集；第二构建模块，用于通过所述初始解集构建参考解集；评估模块，用于采用所述库存仿真对所述参考解集进行仿真评估，得到目标解；第一获取模块，用于将所述目标解替代所述参考解集中的解，得到所述目标解集。
根据本发明实施例的另一方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述任意一项所述的供应链库存的管理方法。
根据本发明实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述任意一项所述的供应链库存的管理方法。
在本发明实施例中，通过从目标门店的库存数据库中读取第一预设时间段内所述目标门店中内库存的目标商品的历史库存信息；基于所述历史库存信息，创建所述目标商品的库存仿真模型；基于所述库存仿真模型确定所述目标商品的补货策略；基于所述补货策略确定所述目标商品的补货信息，其中，所述补货信息用于表征针对所述目标商品的目标库存所需要补充的商品数量，达到了确定出目标商品的补货信息的目的，从而实现了能够把控整个区域内供应链的整体绩效的技术效果，基于目标商品的历史库存信息建立目标商品的库存仿真模型，基于该库存仿真模型从而确定目标商品的补货信息，进而解决了在不确定因素下难以确定合适的补货信息，导致难以控制整个区域内供应链的整体绩效的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的计算机终端的硬件结构框图；
图2是根据本发明实施例的一种供应链库存的管理方法的流程图；
图3是根据本发明实施例的一种可选的供应链库存的管理方法的示意图；
图4是根据本发明实施例的一种供应链库存的管理装置的示意图；
图5是根据本发明实施例的可选的计算机终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，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”等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。
首先，在对本申请实施例进行描述的过程中出现的部分名词或术语适用于如下解释：
库存仿真：供应链库存系统通常为复杂系统，复杂系统的分析和优化依赖于对于库存波动的仿真，库存波动的仿真需要考虑到需求、供应商、预测和物流等多个因素的影响，考虑到多种因素影响的库存波动的仿真视为库存仿真。
二阶供应链网络：B2C零售行业的较为常见的供应链网络为单个或多个中心仓库与多个前置仓库/门店，供应商向中心仓库补货、中心仓库向前置仓库补货的供应链网络通常被称为二阶供应链网络。
分散搜索：Scatter search，分散搜索算法是一种可以用来求解多目标优化问题的一种进化算法，分散搜索算法的基本思想是按照多样化/分散原则构建小部分参考解集，再通过一系列选择、组合、改进的多种操作获取更好的阶级，参考集的解最终合并产生新的解，通常解集内的解的评价方式为仿真系统。
实施例1
根据本发明实施例，提供了一种供应链库存的管理方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现供应链库存的管理方法的计算机终端(或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块106。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的供应链库存的管理方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的供应链库存的管理方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
在上述运行环境下，本申请提供了如图2所示的一种供应链库存的管理方法。图2是根据本发明实施例一的供应链库存的管理方法的流程图。
步骤201，从目标门店的库存数据库中读取第一预设时间段内目标门店中内库存的目标商品的历史库存信息。
例如，上述的第一预设时间段为前一个月内，获取供应链网络中门店A的库存数据库中的商品为：矿泉水在前一个月内的历史库存信息。
可选的，为了更好的监控门店的库存变动情况及时进行库存调整，在本申请实施例提供的供应链库存的管理方法中，在基于历史库存信息，确定目标门店的不确定因素之后，该方法还包括：基于历史库存信息和不确定因素，判断目标门店中的目标商品是否存在异常状况；若目标门店中的目标商品存在异常状况，则基于历史库存信息进行库存仿真，分析目标商品的异常影响因素和仿真库存变动的库存效率；将异常影响因素和仿真出的库存变动的库存效率发送至目标对象。
例如，若历史库存信息中存在目标商品长达一周处于缺货状态，目标商品的供应商由10家变为5家，配送平均时间长达2天，则判断出目标门店中的目标商品存在异常状况，基于历史库存信息进行库存仿真，分析目标商品的异常影响因素和仿真库存变动的库存效率；将异常影响因素和仿真出的库存变动的库存效率发送至目标门店的管理者，及时调整目标门店中目标商品的库存情况，从而实现更好的监控门店的库存变动，到达及时的调整库存需求的目的。
步骤202，基于历史库存信息，创建目标商品的库存仿真模型。
可选的，在本申请实施例提供的供应链库存的管理方法中，基于历史库存信息，创建目标商品的库存仿真模型包括：基于历史库存信息，确定目标门店的库存波动信息和补货波动信息；基于历史库存信息，确定目标门店的不确定因素，其中，不确定因素至少包括：目标门店的需求，目标门店的商品的供应商的状况，目标门店的商品的物流情况，目标门店的商品的配货情况；将库存波动信息和补货波动信息和不确定因素作为目标信息；基于历史库存信息和目标信息，创建目标商品的库存仿真模型。
上述的历史库存信息中可以包括：商品与门店信息数据、中心仓库补货记录、门店补货记录、中心仓库库存记录，门店库存记录，供应商信息、门店需求历史、门店销量历史、门店缺货率历史。
根据历史库存信息中的上述信息可以确定出库存波动信息和补货波动信息，例如，前一个月内，矿泉水的库存波动信息由1000瓶逐渐变到300瓶，矿泉水的补货波动信息由500瓶逐渐变到800瓶。并且根据历史库存信息中的信息可以确定出目标门店的所有不确定因素，例如，前一个月内，原本的10个供应商变成8个供应商，物流情况配送时间2至3天不等，难以预测。将库存波动信息和补货波动信息和不确定因素作为目标信息，基于历史库存信息和上述确定出的目标信息，创建目标商品的库存仿真模型。
可选的，在本申请实施例提供的供应链库存的管理方法中，历史库存信息中至少包括：目标门店的历史补货记录、目标门店的历史需求、目标门店的历史缺货记录，基于历史库存信息、目标信息和多种补货策略进行库存仿真，在基于历史库存信息，创建目标商品的库存仿真模型之后，该方法还包括：根据历史补货记录和历史需求模拟库存波动；根据模拟出的库存波动统计仿真下的目标门店的缺货记录；比较仿真下的缺货记录与历史缺货记录，以及比较模拟下的库存波动与目标门店的库存波动信息；若比较出的差异满足预设要求，则确定库存仿真模型的准确率满足预设条件。
比较历史门店缺货记录与采用库存仿真模型仿真出的门店缺货记录，比较历史门店库存波动与采用库存仿真模型仿真出的门店库存波动，如果差异不大，例如，差异在2％范围内，则确定出创建出的库存仿真模型的准确率较为准确(对应上述的满足预设条件)。
步骤203，基于库存仿真模型确定目标商品的补货策略。
上述的补货策略可以为最优的补货策略。
可选的，在本申请实施例提供的供应链库存的管理方法中，基于库存仿真模型确定目标商品的补货策略包括：将多个补货策略中每个补货策略的目标参数输入至库存仿真模型，其中，所述目标参数至少包括：补货周期和波动性因子；库存仿真模型通过目标参数，确定目标解集，其中，目标解集中的解为补货策略中的参数；基于目标解集，确定补货策略。
例如，补货策略中的目标参数包括补货周期和波动性因子；将补货周期和波动性因子作为目标参数输入至库存仿真模型，采用库存仿真模型对目标解集中的解进行仿真，若得到的缺货率和库存周转率满足预设需求，则确定出目标解集，基于目标解集则可以确定出补货策略。
可选的，在本申请实施例提供的供应链库存的管理方法中，库存仿真模型通过目标参数，确定目标解集包括：库存仿真模型通过目标参数构建初始解集；通过初始解集构建参考解集；采用库存仿真对参考解集进行仿真评估，得到目标解；将目标解替代参考解集中的解，得到目标解集。
例如，补货策略中的目标参数包括补货周期和波动性因子。补货策略A的补货周期为：1或3个补货周期，波动性因子为0.5或0.65，库存仿真模型通过目标参数构建初始解集为{1,0.5}，{1,0.65}，{3,0.5}，{3,0.65}，通过初始解集构建参考解集为{2,0.6}，{2.1,0.6}，{2.2,0.62}，采用库存仿真对参考解集进行仿真评估，若得出的缺货率为25％和库存周转率为5次，得到目标解为{2.1,0.62}；将{2.1,0.62}替代参考解集中的其它解，得到目标解集为{2.1,0.62}。
若补货策略＝预测三日平均库存*2.5*补货周期+波动性因子*历史实际销量预测误差的波动参数；在确定了补货周期和波动性因子的情况下，即可确定出补货策略。
步骤204，基于补货策略确定目标商品的补货信息，其中，补货信息用于表征针对目标商品的目标库存所需要补充的商品数量。
通过上述步骤，在不确定因素下确定出合适的补货信息，从而能够把控整个区域内的供应链所有门店中商品的库存情况，从而提升供应链的整体绩效。
需要说明的是，上述提及的目标商品也可以为目标门店中的目标商品类别，通过上述方案，也可以确定出目标商品类别的补货信息，从而把控整个区域内的供应链所有门店中各个商品类别的库存情况，提升供应链的整体绩效。
可选的，在本申请实施例提供的供应链库存的管理方法中，基于补货策略确定目标商品的补货信息包括：获取目标门店中目标商品的当前库存量；对目标商品在第二预设时间段内进行销量预测；基于当前库存量、预测出的销量和补货策略确定目标商品的目标库存；基于目标商品的目标库存和当前库存量确定目标商品的补货信息。
例如，矿泉水的当前库存量为1000瓶，预测一周内矿泉水的销量为2000瓶，则基于当前库存量、预测出的销量和补货策略确定矿泉水的目标库存为2500瓶，从而确定出矿泉水的补货量为1500瓶。
综上所述，根据本发明实施例提供的供应链库存的管理方法，通过从目标门店的库存数据库中读取第一预设时间段内所述目标门店中内库存的目标商品的历史库存信息；基于所述历史库存信息，创建所述目标商品的库存仿真模型；基于所述库存仿真模型确定所述目标商品的补货策略；基于所述补货策略确定所述目标商品的补货信息，其中，所述补货信息用于表征针对所述目标商品的目标库存所需要补充的商品数量，达到了确定出目标商品的补货信息的目的，从而实现了能够把控整个区域内供应链的整体绩效的技术效果，基于目标商品的历史库存信息建立目标商品的库存仿真模型，基于该库存仿真模型从而确定目标商品的补货信息，进而解决了在不确定因素下难以确定合适的补货信息，导致难以控制整个区域内供应链的整体绩效的技术问题。
如图3所示，首先导入历史库存相关数据集，其中，包括：商品与门店信息数据、中心仓库补货记录、门店补货记录、中心仓库库存记录，门店库存记录，供应商信息、门店需求历史、门店销量历史、门店缺货率历史。然后根据历史补货记录和历史门店需求模拟库存波动，并根据库存波动统计仿真下的门店缺货记录。比较历史门店缺货记录与仿真下的门店缺货记录，比较历史门店库存波动与仿真下的门店库存波动，在差异较大的情况下，检查到货信息和需求信息是否匹配，如果差异不大，则创建的库存仿真模型较为准确。加入多种补货策略(r,Q)(s,S)，利用历史的销量预测和真实需求之间的误差，模拟每个商品需求的波动性，加入波动性参数考虑到补货策略中。使用分散搜索算法，并通过库存仿真模型进行仿真评估，得出最优的补货策略与参数。利用上一步骤参数的补货策略与参数以及当前的库存数据与销量预测，产出当前的目标库存，目标库存可以由这几个参数构成：未来三日平均需求、基础补货天数、安全库存天数、补充安全库存量。通过本申请实施例提供的上述方法，利用分散搜索算法对补货策略及参数的决策空间实现全局优化，从而进而解决了在不确定因素下难以确定合适的补货信息，导致难以控制整个区域内供应链的整体绩效的技术问题。
需要说明的是，建立库存仿真模型和仿真评估多种补货策略并输出最优的补货策略与参数可以离线处理。使用离线得出的最优补货策略与参数产出补货建议可以在线处理，提升处理效率。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
实施例2
根据本发明实施例，还提供了一种用于实施上述供应链库存的管理方法的装置，如图4所示，该装置包括：读取单元410，创建单元420，第一确定单元430，第二确定单元440。
具体地，读取单元410，用于从目标门店的库存数据库中读取第一预设时间段内目标门店中内库存的目标商品的历史库存信息；
创建单元420，用于根据历史库存信息，创建目标商品的库存仿真模型；
第一确定单元430，用于根据库存仿真模型确定目标商品的补货策略；
第二确定单元440，用于根据补货策略确定目标商品的补货信息，其中，补货信息用于表征针对目标商品的目标库存所需要补充的商品数量。
本申请实施例提供的供应链库存的管理装置，通过读取单元410从目标门店的库存数据库中读取第一预设时间段内目标门店中内库存的目标商品的历史库存信息；创建单元420根据历史库存信息，创建目标商品的库存仿真模型；第一确定单元430根据库存仿真模型确定目标商品的补货策略；第二确定单元440根据补货策略确定目标商品的补货信息，其中，补货信息用于表征针对目标商品的目标库存所需要补充的商品数量。，达到了确定出目标商品的补货信息的目的，从而实现了能够把控整个区域内供应链的整体绩效的技术效果，基于目标商品的历史库存信息建立目标商品的库存仿真模型，基于该库存仿真模型从而确定目标商品的补货信息，进而解决了在不确定因素下难以确定合适的补货信息，导致难以控制整个区域内供应链的整体绩效的技术问题。
可选地，在本申请实施例提供的供应链库存的管理装置中，第一确定单元430包括：输入模块，用于将多个补货策略中每个补货策略的目标参数输入至库存仿真模型，其中，所述目标参数至少包括：补货周期和波动性因子；第一确定模块，用于库存仿真模型通过目标参数，确定目标解集，其中，目标解集中的解为补货策略中的参数；第二确定模块，用于根据目标解集，确定补货策略。
可选地，在本申请实施例提供的供应链库存的管理装置中，第一确定模块包括：第一构建模块，用于库存仿真模型通过目标参数构建初始解集；第二构建模块，用于通过初始解集构建参考解集；评估模块，用于采用库存仿真对参考解集进行仿真评估，得到目标解；第一获取模块，用于将目标解替代参考解集中的解，得到目标解集。
可选地，在本申请实施例提供的供应链库存的管理装置中，创建单元420包括：第三确定模块，用于根据历史库存信息，确定目标门店的库存波动信息和补货波动信息；第四确定模块，用于根据历史库存信息，确定目标门店的不确定因素，其中，不确定因素至少包括：目标门店的需求，目标门店的商品的供应商的状况，目标门店的商品的物流情况，目标门店的商品的配货情况；第五确定模块，用于将库存波动信息和补货波动信息和不确定因素作为目标信息；创建模块，用于根据历史库存信息和目标信息，创建目标商品的库存仿真模型。
可选地，在本申请实施例提供的供应链库存的管理装置中，该装置还包括：判断单元，用于在基于历史库存信息，确定目标门店的不确定因素之后，根据历史库存信息和不确定因素，判断目标门店中的目标商品是否存在异常状况；分析单元，用于在目标门店中的目标商品存在异常状况的情况下，则基于历史库存信息进行库存仿真，分析目标商品的异常影响因素和仿真库存变动的库存效率；发送单元，用于将异常影响因素和仿真出的库存变动的库存效率发送至目标对象。
可选地，在本申请实施例提供的供应链库存的管理装置中，历史库存信息中至少包括：目标门店的历史补货记录、目标门店的历史需求、目标门店的历史缺货记录，基于历史库存信息、目标信息和多种补货策略进行库存仿真，该装置还包括：模拟单元，用于在基于历史库存信息，创建目标商品的库存仿真模型之后，根据历史补货记录和历史需求模拟库存波动；统计单元，用于根据模拟出的库存波动统计仿真下的目标门店的缺货记录；比较单元，用于比较仿真下的缺货记录与历史缺货记录，以及比较模拟下的库存波动与目标门店的库存波动信息；第三确定单元，用于在比较出的差异满足预设要求的情况下，则确定库存仿真模型的准确率满足预设条件。
可选地，在本申请实施例提供的供应链库存的管理装置中，第二确定单元440包括：第二获取模块，用于获取目标门店中目标商品的当前库存量；预测模块，用于对目标商品在第二预设时间段内进行销量预测；第六确定模块，用于根据当前库存量、预测出的销量和补货策略确定目标商品的目标库存；第七确定模块，用于根据目标商品的目标库存和当前库存量确定目标商品的补货信息。
此处需要说明的是，上述读取单元410、创建单元420、第一确定单元430和第二确定单元440对应于实施例1中的步骤S201至步骤S204，两个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
实施例3
本发明的实施例可以提供一种计算机终端，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算机终端也可以替换为移动终端等终端设备。
可选地，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
在本实施例中，上述计算机终端可以执行应用程序的供应链库存的管理方法中以下步骤的程序代码：从目标门店的库存数据库中读取第一预设时间段内目标门店中内库存的目标商品的历史库存信息；基于历史库存信息，创建目标商品的库存仿真模型；基于库存仿真模型确定目标商品的补货策略；基于补货策略确定目标商品的补货信息，其中，补货信息用于表征针对目标商品的目标库存所需要补充的商品数量。
上述计算机终端还可以执行应用程序的供应链库存的管理方法中以下步骤的程序代码：基于库存仿真模型确定目标商品的补货策略包括：将多个补货策略中每个补货策略的目标参数输入至库存仿真模型，其中，所述目标参数至少包括：补货周期和波动性因子；库存仿真模型通过目标参数，确定目标解集，其中，目标解集中的解为补货策略中的参数；基于目标解集，确定补货策略。
上述计算机终端还可以执行应用程序的供应链库存的管理方法中以下步骤的程序代码：库存仿真模型通过目标参数，确定目标解集包括：库存仿真模型通过目标参数构建初始解集；通过初始解集构建参考解集；采用库存仿真对参考解集进行仿真评估，得到目标解；将目标解替代参考解集中的解，得到目标解集。
上述计算机终端还可以执行应用程序的供应链库存的管理方法中以下步骤的程序代码：基于历史库存信息，创建目标商品的库存仿真模型包括：基于历史库存信息，确定目标门店的库存波动信息和补货波动信息；基于历史库存信息，确定目标门店的不确定因素，其中，不确定因素至少包括：目标门店的需求，目标门店的商品的供应商的状况，目标门店的商品的物流情况，目标门店的商品的配货情况；将库存波动信息和补货波动信息和不确定因素作为目标信息；基于历史库存信息和目标信息，创建目标商品的库存仿真模型。
上述计算机终端还可以执行应用程序的供应链库存的管理方法中以下步骤的程序代码：在基于历史库存信息，确定目标门店的不确定因素之后，该方法还包括：基于历史库存信息和不确定因素，判断目标门店中的目标商品是否存在异常状况；若目标门店中的目标商品存在异常状况，则基于历史库存信息进行库存仿真，分析目标商品的异常影响因素和仿真库存变动的库存效率；将异常影响因素和仿真出的库存变动的库存效率发送至目标对象。
上述计算机终端还可以执行应用程序的供应链库存的管理方法中以下步骤的程序代码：历史库存信息中至少包括：目标门店的历史补货记录、目标门店的历史需求、目标门店的历史缺货记录，基于历史库存信息、目标信息和多种补货策略进行库存仿真，在基于历史库存信息，创建目标商品的库存仿真模型之后，该方法还包括：根据历史补货记录和历史需求模拟库存波动；根据模拟出的库存波动统计仿真下的目标门店的缺货记录；比较仿真下的缺货记录与历史缺货记录，以及比较模拟下的库存波动与目标门店的库存波动信息；若比较出的差异满足预设要求，则确定库存仿真模型的准确率满足预设条件。
上述计算机终端还可以执行应用程序的供应链库存的管理方法中以下步骤的程序代码：基于补货策略确定目标商品的补货信息包括：获取目标门店中目标商品的当前库存量；对目标商品在第二预设时间段内进行销量预测；基于当前库存量、预测出的销量和补货策略确定目标商品的目标库存；基于目标商品的目标库存和当前库存量确定目标商品的补货信息。
可选地，图5是根据本发明实施例的一种计算机终端的结构框图。如图5所示，该计算机终端A可以包括：一个或多个(图中仅示出一个)处理器、存储器。
其中，存储器可用于存储软件程序以及模块，如本发明实施例中的供应链库存的管理方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的供应链库存的管理方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至终端A。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：从目标门店的库存数据库中读取第一预设时间段内目标门店中内库存的目标商品的历史库存信息；基于历史库存信息，创建目标商品的库存仿真模型；基于库存仿真模型确定目标商品的补货策略；基于补货策略确定目标商品的补货信息，其中，补货信息用于表征针对目标商品的目标库存所需要补充的商品数量。
可选的，上述处理器还可以执行如下步骤的程序代码：基于库存仿真模型确定目标商品的补货策略包括：将多个补货策略中每个补货策略的目标参数输入至库存仿真模型，其中，所述目标参数至少包括：补货周期和波动性因子；库存仿真模型通过目标参数，确定目标解集，其中，目标解集中的解为补货策略中的参数；基于目标解集，确定补货策略。
可选的，上述处理器还可以执行如下步骤的程序代码：库存仿真模型通过目标参数，确定目标解集包括：库存仿真模型通过目标参数构建初始解集；通过初始解集构建参考解集；采用库存仿真对参考解集进行仿真评估，得到目标解；将目标解替代参考解集中的解，得到目标解集。
可选的，上述处理器还可以执行如下步骤的程序代码：基于历史库存信息，创建目标商品的库存仿真模型包括：基于历史库存信息，确定目标门店的库存波动信息和补货波动信息；基于历史库存信息，确定目标门店的不确定因素，其中，不确定因素至少包括：目标门店的需求，目标门店的商品的供应商的状况，目标门店的商品的物流情况，目标门店的商品的配货情况；将库存波动信息和补货波动信息和不确定因素作为目标信息；基于历史库存信息和目标信息，创建目标商品的库存仿真模型。
可选的，上述处理器还可以执行如下步骤的程序代码：在基于历史库存信息，确定目标门店的不确定因素之后，该方法还包括：基于历史库存信息和不确定因素，判断目标门店中的目标商品是否存在异常状况；若目标门店中的目标商品存在异常状况，则基于历史库存信息进行库存仿真，分析目标商品的异常影响因素和仿真库存变动的库存效率；将异常影响因素和仿真出的库存变动的库存效率发送至目标对象。
可选的，上述处理器还可以执行如下步骤的程序代码：历史库存信息中至少包括：目标门店的历史补货记录、目标门店的历史需求、目标门店的历史缺货记录，基于历史库存信息、目标信息和多种补货策略进行库存仿真，在基于历史库存信息，创建目标商品的库存仿真模型之后，该方法还包括：根据历史补货记录和历史需求模拟库存波动；根据模拟出的库存波动统计仿真下的目标门店的缺货记录；比较仿真下的缺货记录与历史缺货记录，以及比较模拟下的库存波动与目标门店的库存波动信息；若比较出的差异满足预设要求，则确定库存仿真模型的准确率满足预设条件。
可选的，上述处理器还可以执行如下步骤的程序代码：基于补货策略确定目标商品的补货信息包括：获取目标门店中目标商品的当前库存量；对目标商品在第二预设时间段内进行销量预测；基于当前库存量、预测出的销量和补货策略确定目标商品的目标库存；基于目标商品的目标库存和当前库存量确定目标商品的补货信息。
采用本发明实施例，提供了一种供应链库存的管理的方案。通过从目标门店的库存数据库中读取第一预设时间段内目标门店中内库存的目标商品的历史库存信息；基于历史库存信息，创建目标商品的库存仿真模型；基于库存仿真模型确定目标商品的补货策略；基于补货策略确定目标商品的补货信息，其中，补货信息用于表征针对目标商品的目标库存所需要补充的商品数量，达到了确定出目标商品的补货信息的目的，从而实现了能够把控整个区域内供应链的整体绩效的技术效果，基于目标商品的历史库存信息建立目标商品的库存仿真模型，基于该库存仿真模型从而确定目标商品的补货信息，进而解决了在不确定因素下难以确定合适的补货信息，导致难以控制整个区域内供应链的整体绩效的技术问题。在不确定因素下难以确定合适的补货信息，导致难以控制整个区域内供应链的整体绩效的技术问题。
本领域普通技术人员可以理解，图5所示的结构仅为示意，计算机终端也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌声电脑以及移动互联网设备(MobileInternet Devices，MID)、PAD等终端设备。图5其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图5中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图5所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
实施例4
本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的供应链库存的管理方法所执行的程序代码。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：
存储介质还被设置为存储用于执行以下步骤的程序代码：从目标门店的库存数据库中读取第一预设时间段内目标门店中内库存的目标商品的历史库存信息；基于历史库存信息，创建目标商品的库存仿真模型；基于库存仿真模型确定目标商品的补货策略；基于补货策略确定目标商品的补货信息，其中，补货信息用于表征针对目标商品的目标库存所需要补充的商品数量。
存储介质还被设置为存储用于执行以下步骤的程序代码：基于库存仿真模型确定目标商品的补货策略包括：将多个补货策略中每个补货策略的目标参数输入至库存仿真模型，其中，所述目标参数至少包括：补货周期和波动性因子；库存仿真模型通过目标参数，确定目标解集，其中，目标解集中的解为补货策略中的参数；基于目标解集，确定补货策略。
存储介质还被设置为存储用于执行以下步骤的程序代码：库存仿真模型通过目标参数，确定目标解集包括：库存仿真模型通过目标参数构建初始解集；通过初始解集构建参考解集；采用库存仿真对参考解集进行仿真评估，得到目标解；将目标解替代参考解集中的解，得到目标解集。
存储介质还被设置为存储用于执行以下步骤的程序代码：基于历史库存信息，创建目标商品的库存仿真模型包括：基于历史库存信息，确定目标门店的库存波动信息和补货波动信息；基于历史库存信息，确定目标门店的不确定因素，其中，不确定因素至少包括：目标门店的需求，目标门店的商品的供应商的状况，目标门店的商品的物流情况，目标门店的商品的配货情况；将库存波动信息和补货波动信息和不确定因素作为目标信息；基于历史库存信息和目标信息，创建目标商品的库存仿真模型。
存储介质还被设置为存储用于执行以下步骤的程序代码：在基于历史库存信息，确定目标门店的不确定因素之后，该方法还包括：基于历史库存信息和不确定因素，判断目标门店中的目标商品是否存在异常状况；若目标门店中的目标商品存在异常状况，则基于历史库存信息进行库存仿真，分析目标商品的异常影响因素和仿真库存变动的库存效率；将异常影响因素和仿真出的库存变动的库存效率发送至目标对象。
存储介质还被设置为存储用于执行以下步骤的程序代码：历史库存信息中至少包括：目标门店的历史补货记录、目标门店的历史需求、目标门店的历史缺货记录，基于历史库存信息、目标信息和多种补货策略进行库存仿真，在基于历史库存信息，创建目标商品的库存仿真模型之后，该方法还包括：根据历史补货记录和历史需求模拟库存波动；根据模拟出的库存波动统计仿真下的目标门店的缺货记录；比较仿真下的缺货记录与历史缺货记录，以及比较模拟下的库存波动与目标门店的库存波动信息；若比较出的差异满足预设要求，则确定库存仿真模型的准确率满足预设条件。
存储介质还被设置为存储用于执行以下步骤的程序代码：基于补货策略确定目标商品的补货信息包括：获取目标门店中目标商品的当前库存量；对目标商品在第二预设时间段内进行销量预测；基于当前库存量、预测出的销量和补货策略确定目标商品的目标库存；基于目标商品的目标库存和当前库存量确定目标商品的补货信息。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明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、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种供应链库存的管理方法，其特征在于，包括：
从目标门店的库存数据库中读取第一预设时间段内所述目标门店中内库存的目标商品的历史库存信息；
基于所述历史库存信息，创建所述目标商品的库存仿真模型；
基于所述库存仿真模型确定所述目标商品的补货策略；
基于所述补货策略确定所述目标商品的补货信息，其中，所述补货信息用于表征针对所述目标商品的目标库存所需要补充的商品数量；
其中，历史库存信息中包括：商品与门店信息数据、中心仓库补货记录、门店补货记录、中心仓库库存记录，门店库存记录，供应商信息、门店需求历史、门店销量历史、门店缺货率历史；
基于所述库存仿真模型确定所述目标商品的补货策略包括：
将多个补货策略中每个补货策略的目标参数输入至所述库存仿真模型，其中，所述目标参数至少包括：补货周期和波动性因子；
所述库存仿真模型通过所述目标参数，确定目标解集，其中，所述目标解集中的解为补货策略中的参数；
基于所述目标解集，确定所述补货策略；
其中，所述波动性因子通过历史的销量预测和真实需求之间的误差模拟得到；
基于所述历史库存信息，创建所述目标商品的库存仿真模型包括：
基于所述历史库存信息，确定所述目标门店的库存波动信息和补货波动信息；
基于所述历史库存信息，确定所述目标门店的不确定因素，其中，所述不确定因素至少包括：所述目标门店的需求，所述目标门店的商品的供应商的状况，所述目标门店的商品的物流情况，所述目标门店的商品的配货情况；
将所述库存波动信息和所述补货波动信息和所述不确定因素作为目标信息；
基于所述历史库存信息和所述目标信息，创建所述目标商品的库存仿真模型。
2.根据权利要求1所述的方法，其特征在于，所述库存仿真模型通过所述目标参数，确定目标解集包括：
所述库存仿真模型通过所述目标参数构建初始解集；
通过所述初始解集构建参考解集；
采用所述库存仿真对所述参考解集进行仿真评估，得到目标解；
将所述目标解替代所述参考解集中的解，得到所述目标解集。
3.根据权利要求1所述的方法，其特征在于，在基于所述历史库存信息，确定所述目标门店的不确定因素之后，所述方法还包括：
基于所述历史库存信息和所述不确定因素，判断所述目标门店中的目标商品是否存在异常状况；
若所述目标门店中的目标商品存在异常状况，则基于历史库存信息进行库存仿真，分析所述目标商品的异常影响因素和仿真库存变动的库存效率；
将所述异常影响因素和仿真出的库存变动的库存效率发送至目标对象。
4.根据权利要求1所述的方法，其特征在于，所述历史库存信息中至少包括：所述目标门店的历史补货记录、所述目标门店的历史需求、所述目标门店的历史缺货记录，基于所述历史库存信息、所述目标信息和多种补货策略进行库存仿真，在基于所述历史库存信息，创建所述目标商品的库存仿真模型之后，所述方法还包括：
根据所述历史补货记录和所述历史需求模拟库存波动；
根据模拟出的库存波动统计仿真下的目标门店的缺货记录；
比较仿真下的缺货记录与所述历史缺货记录，以及比较模拟下的库存波动与所述目标门店的库存波动信息；
若比较出的差异满足预设要求，则确定所述库存仿真模型的准确率满足预设条件。
5.根据权利要求1所述的方法，其特征在于，基于所述补货策略确定所述目标商品的补货信息包括：
获取所述目标门店中目标商品的当前库存量；
对所述目标商品在第二预设时间段内进行销量预测；
基于所述当前库存量、预测出的销量和所述补货策略确定所述目标商品的目标库存；
基于所述目标商品的目标库存和所述当前库存量确定所述目标商品的补货信息。
6.一种供应链库存的管理装置，其特征在于，包括：
读取单元，用于从目标门店的库存数据库中读取第一预设时间段内所述目标门店中内库存的目标商品的历史库存信息；
创建单元，用于根据所述历史库存信息，创建所述目标商品的库存仿真模型；
第一确定单元，用于根据所述库存仿真模型确定所述目标商品的补货策略；
第二确定单元，用于根据所述补货策略确定所述目标商品的补货信息，其中，所述补货信息用于表征针对所述目标商品的目标库存所需要补充的商品数量；
其中，历史库存信息中包括：商品与门店信息数据、中心仓库补货记录、门店补货记录、中心仓库库存记录，门店库存记录，供应商信息、门店需求历史、门店销量历史、门店缺货率历史；
所述第一确定单元包括：
输入模块，用于将多个补货策略中每个补货策略的目标参数输入至所述库存仿真模型，其中，所述目标参数至少包括：补货周期和波动性因子；
第一确定模块，用于所述库存仿真模型通过所述目标参数，确定目标解集，其中，所述目标解集中的解为补货策略中的参数；
第二确定模块，用于根据所述目标解集，确定所述补货策略；
其中，所述波动性因子通过历史的销量预测和真实需求之间的误差模拟得到；
创建单元包括：第三确定模块，用于根据历史库存信息，确定目标门店的库存波动信息和补货波动信息；第四确定模块，用于根据历史库存信息，确定目标门店的不确定因素，其中，不确定因素至少包括：目标门店的需求，目标门店的商品的供应商的状况，目标门店的商品的物流情况，目标门店的商品的配货情况；第五确定模块，用于将库存波动信息和补货波动信息和不确定因素作为目标信息；创建模块，用于根据历史库存信息和目标信息，创建目标商品的库存仿真模型。
7.根据权利要求6所述的装置，其特征在于，所述第一确定模块包括：
第一构建模块，用于所述库存仿真模型通过所述目标参数构建初始解集；
第二构建模块，用于通过所述初始解集构建参考解集；
评估模块，用于采用所述库存仿真对所述参考解集进行仿真评估，得到目标解；
第一获取模块，用于将所述目标解替代所述参考解集中的解，得到所述目标解集。
8.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至6中任意一项所述的供应链库存的管理方法。
9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的供应链库存的管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910165191.XA CN111667207B (zh) | 2019-03-05 | 2019-03-05 | 供应链库存的管理方法及装置、存储介质和处理器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910165191.XA CN111667207B (zh) | 2019-03-05 | 2019-03-05 | 供应链库存的管理方法及装置、存储介质和处理器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111667207A CN111667207A (zh) | 2020-09-15 |
| CN111667207B true CN111667207B (zh) | 2024-01-23 |
Family
ID=72381642
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910165191.XA Active CN111667207B (zh) | 2019-03-05 | 2019-03-05 | 供应链库存的管理方法及装置、存储介质和处理器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111667207B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN113743853A (zh) * | 2020-11-10 | 2021-12-03 | 北京沃东天骏信息技术有限公司 | 一种货物信息确定方法、设备和计算机可读存储介质 |
| CN112700196A (zh) * | 2020-12-31 | 2021-04-23 | 北京百分点科技集团股份有限公司 | 商品采购方法、装置、存储介质及电子设备 |
| CN113762582A (zh) * | 2021-01-29 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 基于库存仿真确定退货量的数据处理方法和装置 |
| CN112884404B (zh) * | 2021-02-08 | 2023-09-05 | 中国科学技术大学 | 一种智能供应链库存中转优化及异动预警系统 |
| CN113222493B (zh) * | 2021-03-30 | 2024-02-27 | 上海画龙信息科技有限公司 | 一种供应链库存管理方法、装置和电子设备 |
| 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 |
| CN113537898A (zh) * | 2021-07-20 | 2021-10-22 | 广州品唯软件有限公司 | 自动配货方法、装置及计算机可读存储介质 |
| CN113780904A (zh) * | 2021-11-12 | 2021-12-10 | 中国信息通信研究院 | 一种供应链管理系统和方法 |
| CN114240304B (zh) * | 2021-12-27 | 2022-12-09 | 涅生科技(广州)股份有限公司 | 仓库库存管控方法、装置、存储介质及erp系统 |
| CN116739655B (zh) * | 2023-07-14 | 2024-04-02 | 上海朗晖慧科技术有限公司 | 一种基于大数据的智能供应链管理方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102184507A (zh) * | 2011-05-16 | 2011-09-14 | 苏州两江科技有限公司 | 一种仓库补货方法 |
| CN106651258A (zh) * | 2016-12-14 | 2017-05-10 | 黑龙江农业工程职业学院 | 一种零售产品库存管理系统 |
| 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 |
| CN107516175A (zh) * | 2016-06-16 | 2017-12-26 | 苏宁云商集团股份有限公司 | 一种库存调拨方法及装置 |
| CN108711022A (zh) * | 2018-04-26 | 2018-10-26 | 深圳市易达云科技有限公司 | 库存管理方法、设备及计算机可读存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150032512A1 (en) * | 2013-07-26 | 2015-01-29 | Teradata Corporation | Method and system for optimizing product inventory cost and sales revenue through tuning of replenishment factors |
| IN2014MU00735A (zh) * | 2014-03-04 | 2015-09-25 | Tata Consultancy Services Ltd |
-
2019
- 2019-03-05 CN CN201910165191.XA patent/CN111667207B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102184507A (zh) * | 2011-05-16 | 2011-09-14 | 苏州两江科技有限公司 | 一种仓库补货方法 |
| 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 |
| CN107516175A (zh) * | 2016-06-16 | 2017-12-26 | 苏宁云商集团股份有限公司 | 一种库存调拨方法及装置 |
| CN106651258A (zh) * | 2016-12-14 | 2017-05-10 | 黑龙江农业工程职业学院 | 一种零售产品库存管理系统 |
| CN108711022A (zh) * | 2018-04-26 | 2018-10-26 | 深圳市易达云科技有限公司 | 库存管理方法、设备及计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 商业智能在服装企业供应链管理中的应用;蒋韵;韩永生;;计算机工程与设计(03);全文 * |
| 基于仿真的动态补货算法在服装供应链中的研究;潘璐;卢燕;董爱华;;东华大学学报(自然科学版)(02);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111667207A (zh) | 2020-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111667207B (zh) | 供应链库存的管理方法及装置、存储介质和处理器 | |
| JP7426388B2 (ja) | 在庫管理および最適化のためのシステムおよび方法 | |
| US20200126014A1 (en) | Systems and methods for assessment and visualization of supply chain management system data | |
| Yang et al. | Integrated multi-period dynamic inventory classification and control | |
| Sieke et al. | Designing service level contracts for supply chain coordination | |
| Wang et al. | Improving inventory effectiveness in RFID-enabled global supply chain with Grey forecasting model | |
| US10740773B2 (en) | Systems and methods of utilizing multiple forecast models in forecasting customer demands for products at retail facilities | |
| Syntetos et al. | The effects of integrating management judgement into OUT levels: In or out of context? | |
| US20210158259A1 (en) | Orchestrated intelligent supply chain optimizer | |
| Gupta et al. | A systematic approach to evaluate supply chain management environment index using graph theoretic approach | |
| Meier | Digital supply chain management | |
| US20230306347A1 (en) | Systems and methods for supply chain optimization with channel saliency | |
| WO2018133988A1 (en) | Optimizing human and non-human resources in retail environments | |
| Deprez et al. | Pricing service maintenance contracts using predictive analytics | |
| CN111353794B (zh) | 数据处理的方法、供应链调度的方法和装置 | |
| Leończuk et al. | Measuring performance of adaptive supply chains | |
| de Kok | Modelling short-term manufacturing flexibility by human intervention and its impact on performance | |
| JP2013131259A (ja) | 統合需要予測装置、統合需要予測方法、及び統合需要予測プログラム | |
| US20130332233A1 (en) | Prediction system and program for parts shipment quantity | |
| US20160292625A1 (en) | Product data analysis | |
| Eccher et al. | Incorporating sustainable criteria in a dynamic multi-objective recommendation planning tool for a continuous manufacturing process: A dairy case study | |
| Desmet et al. | Safety stock optimisation in two-echelon assembly systems: normal approximation models | |
| CN116170330A (zh) | 业务套餐的推荐方法、装置及电子设备 | |
| US11475373B2 (en) | Learning management system and learning management method | |
| Mele et al. | Supply chain management through dynamic model parameters optimization |
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 |