CN111815198B - 一种门店补货方法、装置和设备 - Google Patents

一种门店补货方法、装置和设备 Download PDF

Info

Publication number
CN111815198B
CN111815198B CN202010731136.5A CN202010731136A CN111815198B CN 111815198 B CN111815198 B CN 111815198B CN 202010731136 A CN202010731136 A CN 202010731136A CN 111815198 B CN111815198 B CN 111815198B
Authority
CN
China
Prior art keywords
replenishment
objective function
goods
store
preset
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
CN202010731136.5A
Other languages
English (en)
Other versions
CN111815198A (zh
Inventor
李兆钧
张亚楠
雷小平
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.)
Chuangyou Digital Technology Guangdong Co Ltd
Original Assignee
Chuangyou Digital Technology Guangdong 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 Chuangyou Digital Technology Guangdong Co Ltd filed Critical Chuangyou Digital Technology Guangdong Co Ltd
Priority to CN202010731136.5A priority Critical patent/CN111815198B/zh
Publication of CN111815198A publication Critical patent/CN111815198A/zh
Application granted granted Critical
Publication of CN111815198B publication Critical patent/CN111815198B/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
    • G06Q10/06—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种门店补货方法、装置和设备，本申请通过第二补货数据建立包括了销售额、缺货率、周转天数和补货匹配度等指标的目标函数，再通过混合整数规划算法对目标函数进行优化，直至目标函数没有发生变化时停止优化，即基于不同补货量的情况下，不断地优化目标函数，可以反向求解出最优的补货数量，以得到预置补货模型，最后将待补货商品的补货数据输入至预置补货模型，即可得到待补货商品的补货量，不仅得到商品的最优补货数量，还能够给出每次补货的效果，并结合了商品的市场需求量，以适应快速变化的市场，解决了现有的只考虑单一商品的补货情况，没有考虑到相同品类下其他商品的补货量的情况，因此无法得到最优的补货结果的技术问题。

Description

一种门店补货方法、装置和设备
技术领域
本申请涉及商品零售技术领域，尤其涉及一种门店补货方法、装置和设备。
背景技术
在供应链运作中，自动补货是非常重要的一个环节，一种通过整合市场需求预测、门店存货、仓库等信息，自动、高效地向门店补货，以实现门店销售收益的增长。
现有的只考虑单一商品的补货情况，没有考虑到相同品类下其他商品的补货量的情况，因此无法得到最优的补货结果。
发明内容
本申请提供了一种门店补货方法、装置和设备，用于解决现有的只考虑单一商品的补货情况，没有考虑到相同品类下其他商品的补货量的情况，因此无法得到最优的补货结果的技术问题。
有鉴于此，本申请第一方面提供了一种门店补货方法，包括：
获取待补货商品的第一补货数据；
将所述待补货商品的第一补货数据输入至预置补货模型，得到所述待补货商品的补货量；
其中，所述预置补货模型的具体构建过程如下：
获取相同品类下所有商品的第二补货数据；
根据所述第二补货数据建立目标函数，所述目标函数包括销售额、缺货率、周转天数和补货匹配度；
通过混合整数规划算法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型。
可选地，所述根据所述第二补货数据建立目标函数，包括：
根据所述第二补货数据分别建立销售额最大化计算公式、周转天数最小化计算公式、缺货率最小化计算公式和补货匹配度计算公式；
根据所述销售额最大化计算公式、周转天数最小化计算公式、缺货率最小化计算公式和补货匹配度计算公式建立目标函数。
可选地，所述目标函数为：
Figure BDA0002603216720000021
Figure BDA0002603216720000022
Figure BDA0002603216720000023
Figure BDA0002603216720000024
所述目标函数的约束条件为：
Figure BDA0002603216720000025
其中，max Z1为销售额最大化，min Z2为周转天数最小化，min Z3为缺货率最小化，min Z4为补货匹配度，s为门店编号，s∈S，g为商品编号，g∈G，Xsg为商品的补货量，Isg为补货前存货量，Ssg为需求量，SMsg为商品日均销量，Plsg为商品的单价，P2sg为商品的缺货成本，P3sg为商品的滞销成本，Rg为商品的仓库存货量，Cs为商品在门店的陈列标准数量。
可选地，所述通过混合整数规划算法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型，包括：
通过分支界定法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型。
可选地，所述通过混合整数规划算法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型，包括：
通过割平面法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型。
本申请第二方面提供了一种门店补货装置，包括获取单元和输入单元；
所述获取单元，用于获取待补货商品的第一补货数据；
所述输入单元，用于将所述待补货商品的第一补货数据输入至预置补货模型，得到所述待补货商品的补货量；
其中，所述预置补货模型的具体构建过程如下：
获取相同品类下所有商品的第二补货数据；
根据所述第二补货数据建立目标函数，所述目标函数包括销售额、缺货率、周转天数和补货匹配度；
通过混合整数规划算法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型。
可选地，所述根据所述第二补货数据建立目标函数，包括：
根据所述第二补货数据分别建立销售额最大化计算公式、周转天数最小化计算公式、缺货率最小化计算公式和补货匹配度计算公式；
根据所述销售额最大化计算公式、周转天数最小化计算公式、缺货率最小化计算公式和补货匹配度计算公式建立目标函数。
可选地，所述通过混合整数规划算法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型，包括：
通过分支界定法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型。
可选地，所述通过混合整数规划算法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型，包括：
通过割平面法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型。
本申请第三方面提供了一种门店补货设备，包括存储器以及处理器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行第一方面和第二方面中任一项所述的门店补货方法。
从以上技术方案可以看出，本申请具有以下优点：
本申请公开了一种门店补货方法，包括：获取待补货商品的第一补货数据；将待补货商品的第一补货数据输入至预置补货模型，得到待补货商品的补货量；其中，预置补货模型的具体构建过程如下：获取相同品类下所有商品的第二补货数据；根据第二补货数据建立目标函数，其中，目标函数包括销售额、缺货率、周转天数和补货匹配度；通过混合整数规划算法对目标函数进行优化，直至目标函数没有发生变化时停止优化，以得到预置补货模型。
本申请中通过获取商品单价、商品库存量和需求预测值等第二补货数据建立包括了销售额、缺货率、周转天数和补货匹配度等指标的目标函数，再通过混合整数规划算法对目标函数进行优化，直至目标函数没有发生变化时停止优化，即基于不同补货量的情况下，不断地优化目标函数，从而可以反向求解出最优的补货数量，以得到预置补货模型，最后，将待补货商品的补货数据输入至预置补货模型，即可得到待补货商品的补货量，不仅可以得到商品的最优补货数量，还能够给出每次补货的效果，并结合了商品的市场需求量，以适应快速变化的市场，解决了现有的只考虑单一商品的补货情况，没有考虑到相同品类下其他商品的补货量的情况，因此无法得到最优的补货结果的技术问题。
附图说明
图1为本申请实施例提供的现有门店订货模型的示意图；
图2为本申请实施例提供的一种门店补货方法的流程示意图；
图3为本申请实施例提供的一种门店补货方法的不同门店不同商品的补货数量示意图；
图4为本申请实施例提供的构建预置补货模型的流程示意图；
图5为本申请实施例提供的一种门店补货装置的结构示意图
具体实施方式
如图1所示，现有的零售行业门店订货模型，多采用定期不定量或定量不定期的方式进行订货，定期不定量是指门店每隔固定的周期T进行一次订货，订货量为未来T天的需求量Q，定量不定期是指门店每次的订货量固定为Q，订货周期不固定，只考虑单一商品的补货情况，在实际销售过程中，往往会同时考虑相同品类下不同商品的补货，对于集团公司或连锁店商店来说还会涉及到多家门店竞争订货的问题，门店的货架资源规划一般来说是固定的，如果一个商品补货数量增加，相同品类下其他商品的补货量就会减少，这种此消彼长的情况，是现有补货模型没有考虑到的，尽管在实际中会根据具体的情况做调整来减少这种影响，比如根据近期的销售占比分配相同品类下不同商品的补货数量比例，将多商品补货间接转变成单商品补货模型，但是这种方法无法得到最优的补货结果，也无法衡量这些规则对补货效果的改善程度。
有鉴于此，本申请实施例提供了一种门店补货方法、装置和设备，用于解决现有的只考虑单一商品的补货情况，没有考虑到相同品类下其他商品的补货量的情况，因此无法得到最优的补货结果的技术问题。
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。基于本申请中的实施例，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它实施例，都属于本申请保护的范围。
请参阅图2和图3，本申请实施例提供了一种门店补货方法，包括：
步骤101、获取待补货商品的第一补货数据。
需要说明的是，门店进行补货前，需要获取待补货商品的第一补货数据，才能进行补货，第一补货数据一般包括门店编号、门店货架信息、商品编号、商品单价、商品库存量、需求预测值等数据。
步骤102、将待补货商品的第一补货数据输入至预置补货模型，得到待补货商品的补货量。
可以理解的是，本实施例中预置补货模型的具体构建过程如下：
步骤一、获取相同品类下所有商品的第二补货数据。
需要说明的是，第二补货数据一般包括门店编号、门店货架信息、商品编号、商品单价、商品库存量和需求预测值等数据。
步骤二、根据第二补货数据建立目标函数，目标函数包括销售额、缺货率、周转天数和补货匹配度。
步骤三、通过混合整数规划算法对目标函数进行优化，直至目标函数没有发生变化时停止优化，以得到预置补货模型。
需要说明的是，涉及到求解多商品补货量则需要采用运筹学中的优化算法，求解步骤一般是采用迭代求解的方式，即先随机初始化各个自变量，当自变量取值确定后即可计算出目标函数值，初始的目标函数值必定不是最优的，因此，需要通过混合整数规划算法确定自变量的变化方向，得到下一个迭代的自变量值，再代入目标函数得到该迭代的值，不断优化，即重复迭代步骤，直至目标函数没有发生变化时停止优化，从而可以得到计算最优补货量预置补货模型。
如图3所示，以5个门店5个商品的补货为例，某个品类有5个不同的商品，这5个商品在5个不同的门店都有销售，为了确定每个门店每个商品的补货量，需要使补货后的整体销售额、整体的周转、整体的缺货率最优，并且还需要满足补货匹配度，即补货结果要尽可能与货架资源匹配。
本申请实施例中通过获取商品单价、商品库存量和需求预测值等第二补货数据建立包括了销售额、缺货率、周转天数和补货匹配度等指标的目标函数，再通过混合整数规划算法对目标函数进行优化，直至目标函数没有发生变化时停止优化，即基于不同补货量的情况下，不断地优化目标函数，从而可以反向求解出最优的补货数量，以得到预置补货模型，最后，将待补货商品的补货数据输入至预置补货模型，即可得到待补货商品的补货量，不仅可以得到商品的最优补货数量，还能够给出每次补货的效果，并结合了商品的市场需求量，以适应快速变化的市场，解决了现有的只考虑单一商品的补货情况，没有考虑到相同品类下其他商品的补货量的情况，因此无法得到最优的补货结果的技术问题。
以上为本申请提供的一种门店补货方法的第一个实施例的详细说明，下面为本申请提供的一种门店补货方法的第二个实施例的详细说明，此实施例在第一个实施例的基础上，论述预置补货模型的具体构建过程。
请参阅图2和图4，本申请实施例提供了一种门店补货方法，包括：
步骤101、获取待补货商品的第一补货数据。
步骤102、将待补货商品的第一补货数据输入至预置补货模型，得到待补货商品的补货量。
作为进一步地改进，如图4所示，本实施例中预置补货模型的具体构建过程如下：
步骤201、获取相同品类下所有商品的第二补货数据。
步骤202、根据第二补货数据分别建立销售额最大化计算公式、周转天数最小化计算公式、缺货率最小化计算公式和补货匹配度计算公式。
需要说明的是，第二补货数据包括门店编号、门店货架信息、商品编号、商品单价、商品库存量和需求预测值等数据，根据第二补货数据可以建立销售额最大化max Z1计算公式、周转天数最小化min Z2计算公式、缺货率最小化min Z3计算公式和补货匹配度min Z4计算公式。
步骤203、根据销售额最大化计算公式、周转天数最小化计算公式、缺货率最小化计算公式和补货匹配度计算公式建立目标函数。
通过上述已建立的销售额最大化max Z1计算公式、周转天数最小化min Z2计算公式、缺货率最小化min Z3计算公式和补货匹配度min Z4计算公式，可以构建得到目标函数。
实施例中的目标函数为：
Figure BDA0002603216720000071
Figure BDA0002603216720000072
Figure BDA0002603216720000073
Figure BDA0002603216720000074
目标函数的约束条件为：
Figure BDA0002603216720000075
其中，max Z1为销售额最大化，min Z2为周转天数最小化，min Z3为缺货率最小化，min Z4为补货匹配度，s为门店编号，s∈S，g为商品编号，g∈G，Xsg为商品的补货量，Isg为补货前存货量，Ssg为需求量，SMsg为商品日均销量，Plsg为商品的单价，P2sg为商品的缺货成本，P3sg为商品的滞销成本，Rg为商品的仓库存货量，Cs为商品在门店的陈列标准数量。
步骤204、通过混合整数规划算法对目标函数进行优化，直至目标函数没有发生变化时停止优化，以得到预置补货模型。
作为进一步地的改进，本实施例可以通过分支界定法对目标函数进行优化，直至目标函数没有发生变化时则停止优化，从而可以得到预置补货模型。
作为进一步地改进，本实施例还可以通过割平面法对目标函数进行优化，直至目标函数没有发生变化时则停止优化，从而可以得到预置补货模型。
本申请实施例中通过获取商品单价、商品库存量和需求预测值等第二补货数据建立包括了销售额、缺货率、周转天数和补货匹配度等指标的目标函数，再通过混合整数规划算法对目标函数进行优化，直至目标函数没有发生变化时停止优化，即基于不同补货量的情况下，不断地优化目标函数，从而可以反向求解出最优的补货数量，以得到预置补货模型，最后，将待补货商品的补货数据输入至预置补货模型，即可得到待补货商品的补货量，不仅可以得到商品的最优补货数量，还能够给出每次补货的效果，并结合了商品的市场需求量，以适应快速变化的市场，解决了现有的只考虑单一商品的补货情况，没有考虑到相同品类下其他商品的补货量的情况，因此无法得到最优的补货结果的技术问题。
以上为本申请提供的一种门店补货方法的第二个实施例的详细说明，下面为本申请提供的一种门店补货装置的实施例的详细说明。
请参阅图5，本申请实施例提供了一种门店补货装置，包括获取单元301和输入单元302；
获取单元301，用于获取待补货商品的第一补货数据；
输入单元302，用于将待补货商品的第一补货数据输入至预置补货模型，得到待补货商品的补货量；
其中，预置补货模型的具体构建过程如下：
获取相同品类下所有商品的第二补货数据；
根据第二补货数据建立目标函数，目标函数包括销售额、缺货率、周转天数和补货匹配度；
通过混合整数规划算法对目标函数进行优化，直至目标函数没有发生变化时停止优化，以得到预置补货模型。
作为进一步地改进，目标函数的建立步骤具体包括：
根据第二补货数据分别建立销售额最大化计算公式、周转天数最小化计算公式、缺货率最小化计算公式和补货匹配度计算公式；
根据销售额最大化计算公式、周转天数最小化计算公式、缺货率最小化计算公式和补货匹配度计算公式建立目标函数。
作为进一步地的改进，本实施例可以通过分支界定法对目标函数进行优化，直至目标函数没有发生变化时则停止优化，从而可以得到预置补货模型。
作为进一步地改进，本实施例还可以通过割平面法对目标函数进行优化，直至目标函数没有发生变化时则停止优化，从而可以得到预置补货模型。
本申请实施例还提供了一种门店补货设备，包括处理器以及存储器：其中存储器用于存储程序代码，并将程序代码传输给处理器；处理器用于根据程序代码中的指令执行上述门店补货方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的网络，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，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待安装电网网络，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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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，在本申请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，本申请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(可以是个人计算机，服务器，或者网络设备等)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-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围。

Claims (7)

1.一种门店补货方法，其特征在于，包括：
获取待补货商品的第一补货数据，所述第一补货数据包括门店编号、门店货架信息、商品编号、商品单价、商品补货前存货量和需求预测值；
将所述待补货商品的第一补货数据输入至预置补货模型，得到所述待补货商品的补货量；
其中，所述预置补货模型的具体构建过程如下：
获取相同品类下所有商品的第二补货数据，所述第二补货数据包括门店编号、门店货架信息、商品编号、商品单价、商品补货前存货量和需求预测值；
根据所述第二补货数据建立目标函数，所述目标函数包括销售额、缺货率、周转天数和补货匹配度；
所述目标函数为：
Figure 121475DEST_PATH_IMAGE001
；
Figure 165785DEST_PATH_IMAGE002
；
Figure 206422DEST_PATH_IMAGE003
；
Figure 146828DEST_PATH_IMAGE004
；
所述目标函数的约束条件为：
Figure 961766DEST_PATH_IMAGE005
；
其中，
Figure 527876DEST_PATH_IMAGE006
为销售额最大化，
Figure 954179DEST_PATH_IMAGE007
为周转天数最小化，
Figure 675272DEST_PATH_IMAGE008
为缺货率最小化，
Figure 78703DEST_PATH_IMAGE009
为补货匹配度，s为门店编号，S为所有门店编号的集合，
Figure 307559DEST_PATH_IMAGE010
，g为商品编号，G为所有商品编号的集合，
Figure 89832DEST_PATH_IMAGE011
，
Figure 745942DEST_PATH_IMAGE012
为商品的补货量，
Figure 246455DEST_PATH_IMAGE013
为补货前存货量，
Figure 544581DEST_PATH_IMAGE014
为需求预测值，
Figure 915782DEST_PATH_IMAGE015
为商品日均销量，Plsg为商品的单价，P2sg为商品的缺货成本，P3sg为商品的滞销成本，
Figure 273951DEST_PATH_IMAGE016
为商品的仓库存货量，
Figure 996182DEST_PATH_IMAGE017
为商品在门店的陈列标准数量；
通过混合整数规划算法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型。
2.根据权利要求1所述的门店补货方法，其特征在于，所述通过混合整数规划算法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型，包括：
通过分支界定法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型。
3.根据权利要求1所述的门店补货方法，其特征在于，所述通过混合整数规划算法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型，包括：
通过割平面法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型。
4.一种门店补货装置，其特征在于，包括获取单元和输入单元；
所述获取单元，用于获取待补货商品的第一补货数据，所述第一补货数据包括门店编号、门店货架信息、商品编号、商品单价、商品补货前存货量和需求预测值；
所述输入单元，用于将所述待补货商品的第一补货数据输入至预置补货模型，得到所述待补货商品的补货量；
其中，所述预置补货模型的具体构建过程如下：
获取相同品类下所有商品的第二补货数据，所述第二补货数据包括门店编号、门店货架信息、商品编号、商品单价、商品补货前存货量和需求预测值；
根据所述第二补货数据建立目标函数，所述目标函数包括销售额、缺货率、周转天数和补货匹配度；
所述目标函数为：
Figure 458518DEST_PATH_IMAGE001
；
Figure 182761DEST_PATH_IMAGE018
；
Figure 213296DEST_PATH_IMAGE019
；
Figure 921358DEST_PATH_IMAGE020
；
所述目标函数的约束条件为：
Figure 531593DEST_PATH_IMAGE021
；
其中，
Figure 907079DEST_PATH_IMAGE006
为销售额最大化，
Figure 842937DEST_PATH_IMAGE007
为周转天数最小化，
Figure 772715DEST_PATH_IMAGE008
为缺货率最小化，
Figure 717800DEST_PATH_IMAGE009
为补货匹配度，s为门店编号，S为所有门店编号的集合，
Figure 416635DEST_PATH_IMAGE010
，g为商品编号，G为所有商品编号的集合，
Figure 788972DEST_PATH_IMAGE011
，
Figure 206047DEST_PATH_IMAGE012
为商品的补货量，
Figure 423664DEST_PATH_IMAGE013
为补货前存货量，
Figure 508164DEST_PATH_IMAGE014
为需求预测值，
Figure 644878DEST_PATH_IMAGE015
为商品日均销量，Plsg为商品的单价，P2sg为商品的缺货成本，P3sg为商品的滞销成本，
Figure 581872DEST_PATH_IMAGE016
为商品的仓库存货量，
Figure 836136DEST_PATH_IMAGE017
为商品在门店的陈列标准数量；
通过混合整数规划算法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型。
5.根据权利要求4所述的门店补货装置，其特征在于，所述通过混合整数规划算法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型，包括：
通过分支界定法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型。
6.根据权利要求4所述的门店补货装置，其特征在于，所述通过混合整数规划算法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型，包括：
通过割平面法对所述目标函数进行优化，直至所述目标函数没有发生变化时停止优化，以得到预置补货模型。
7.一种门店补货设备，其特征在于，包括存储器以及处理器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1至3中任一项所述的门店补货方法。
CN202010731136.5A 2020-07-27 2020-07-27 一种门店补货方法、装置和设备 Active CN111815198B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010731136.5A CN111815198B (zh) 2020-07-27 2020-07-27 一种门店补货方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010731136.5A CN111815198B (zh) 2020-07-27 2020-07-27 一种门店补货方法、装置和设备

Publications (2)

Publication Number Publication Date
CN111815198A CN111815198A (zh) 2020-10-23
CN111815198B true CN111815198B (zh) 2022-07-08

Family

ID=72861339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010731136.5A Active CN111815198B (zh) 2020-07-27 2020-07-27 一种门店补货方法、装置和设备

Country Status (1)

Country Link
CN (1) CN111815198B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113592153B (zh) * 2021-07-07 2022-06-17 杉数科技(北京)有限公司 一种分货方法、装置、介质及计算机设备
CN113743733B (zh) * 2021-08-06 2022-08-12 杉数科技(北京)有限公司 一种补货方法及系统
CN115630899B (zh) * 2022-11-01 2023-08-11 中国外运股份有限公司 一种多平台库存优化方法与系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006228035A (ja) * 2005-02-18 2006-08-31 Hitachi Ltd 在庫補充モデルの選定方法及びシステム
CN110163427A (zh) * 2019-05-09 2019-08-23 杭州览众数据科技有限公司 一种门店库存优化的方法
CN110264236A (zh) * 2019-05-07 2019-09-20 美佳亚太投资有限公司 自动贩卖机销售数据分析方法、装置及存储介质
CN110390449A (zh) * 2018-04-17 2019-10-29 北京京东尚科信息技术有限公司 仓库补货方法和装置
CN110689159A (zh) * 2018-07-06 2020-01-14 北京京东尚科信息技术有限公司 一种商品补货的方法和装置
CN111126925A (zh) * 2019-12-31 2020-05-08 北京每日优鲜电子商务有限公司 前置仓的补货量确定方法、装置、计算机设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030220830A1 (en) * 2002-04-04 2003-11-27 David Myr Method and system for maximizing sales profits by automatic display promotion optimization
US8032406B2 (en) * 2005-07-28 2011-10-04 Sap Ag System and method of assortment, space, and price optimization in retail store
CN111401636B (zh) * 2020-03-16 2023-10-17 第四范式（北京）技术有限公司 实现连锁商家智能补货的方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006228035A (ja) * 2005-02-18 2006-08-31 Hitachi Ltd 在庫補充モデルの選定方法及びシステム
CN110390449A (zh) * 2018-04-17 2019-10-29 北京京东尚科信息技术有限公司 仓库补货方法和装置
CN110689159A (zh) * 2018-07-06 2020-01-14 北京京东尚科信息技术有限公司 一种商品补货的方法和装置
CN110264236A (zh) * 2019-05-07 2019-09-20 美佳亚太投资有限公司 自动贩卖机销售数据分析方法、装置及存储介质
CN110163427A (zh) * 2019-05-09 2019-08-23 杭州览众数据科技有限公司 一种门店库存优化的方法
CN111126925A (zh) * 2019-12-31 2020-05-08 北京每日优鲜电子商务有限公司 前置仓的补货量确定方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN111815198A (zh) 2020-10-23

Similar Documents

Publication Publication Date Title
CN111815198B (zh) 一种门店补货方法、装置和设备
Kim et al. Optimal inventory control in a multi-period newsvendor problem with non-stationary demand
US8515835B2 (en) Systems and methods for multi-echelon inventory planning with lateral transshipment
US8494916B2 (en) Managing fresh-product inventory
US8032406B2 (en) System and method of assortment, space, and price optimization in retail store
Yang et al. Integrated multi-period dynamic inventory classification and control
JP7105336B2 (ja) スマートサプライチェーンシステム
CN111340421A (zh) 一种采购方法
Chen et al. Optimal ordering and pricing policies for deteriorating items in one-vendor multi-retailer supply chain
US20150379449A1 (en) Using consumption data and an inventory model to generate a replenishment plan
US20090187468A1 (en) Automated replenishment using an economic profit quantity
US11270326B2 (en) Price optimization system
CN110097203A (zh) 库存调度方法、库存调度装置以及计算机可读存储介质
CN113128932B (zh) 仓库备货处理方法、装置、存储介质与电子设备
US20150379536A1 (en) Consumption-driven forecasting using multi-level heterogeneous input data
US8311878B2 (en) Optimized pricing solver with prioritized constraints
CN112334926A (zh) 库存分配和定价优化系统
CN114118503A (zh) 供应链库存优化方法、装置、设备和存储介质
CN108108940A (zh) 一种配货量确定方法及装置
Albrecht Optimization of safety stocks in models with an order service level objective or constraint
Yadollahi et al. Evaluating approximate solution models for the stochastic periodic inventory routing problem
CN114565334A (zh) 基于大数据的商品关联仓储方法及装置
US20120316919A1 (en) Systems and methods for buy and hold pricing
CN113988768B (zh) 一种库存的确定方法和装置
EP3376445A1 (en) Method and system for retail stock allocation

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
TA01 Transfer of patent application right

Effective date of registration: 20201120

Address after: Room 011, first floor, no.2429, Xingang East Road, Haizhu District, Guangzhou City, Guangdong Province (office only)

Applicant after: CHUANGYOU digital technology (Guangdong) Co.,Ltd.

Address before: Room 205, 2f office, No.156, nanshanzui Road, Hengqin, Zhuhai City, Guangdong Province

Applicant before: MINISO (HENGQIN) ENTERPRISE MANAGEMENT Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant