CN112561414A - 库存管理方法、装置及计算机可读存储介质 - Google Patents
库存管理方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112561414A CN112561414A CN201910913212.1A CN201910913212A CN112561414A CN 112561414 A CN112561414 A CN 112561414A CN 201910913212 A CN201910913212 A CN 201910913212A CN 112561414 A CN112561414 A CN 112561414A
- Authority
- CN
- China
- Prior art keywords
- inventory
- sales
- quantiles
- quantile
- target
- 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 55
- 238000004590 computer program Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 15
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000001419 dependent effect Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000000611 regression analysis Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—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
本申请实施例公开了一种库存管理方法、装置及计算机可读存储介质,该库存管理方法包括:获取至少两个分位数和商家对应的仓库的历史销量数据;基于至少两个分位数和历史销量数据进行销量预测,得到至少两个分位数对应的销量预测值;基于至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量;基于目标库存量对仓库进行补货。本申请先根据至少两个分位数分别进行销量预测,得到至少两个分位数对应的销量预测值,在此基础上,根据至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量,从而能够避免由于单一分位数进行销量预测并补货的误差,提高补货准确度。
Description
技术领域
本申请涉及库存管理领域,具体涉及一种库存管理方法、装置及计算机可读存储介质。
背景技术
传统的库存管理模式中,库存的补货调拨极度依赖操作人员的经验和个人能力,会出现每日的重复性计算工作,效率低下,成本过高,准确率精度较低。尤其是在零售业的库存管理方案中,商品品类繁多,传统的库存管理方案已经不能应对更新迭代速度非常快的零售业的库存模式。传统的回归模型,主要依靠单一分位数进行销量预测,并直接根据预测的销量对仓库进行补货。但是,如果该分位数较低,比如50%,则极有可能出现补货不足,造成各门店缺货;如果该分位数较高,比如90%,则极有可能出现补货过多,无法及时向门店继续供货,降低服务满足率。
也即,现有技术中的库存管理方法的补货准确度不高。
发明内容
本申请实施例提供一种库存管理方法、装置及计算机可读存储介质,能够提高补货准确度。
第一方面,本申请提供一种库存管理方法,所述库存管理方法包括:
获取至少两个分位数和商家对应的仓库的历史销量数据;
基于所述至少两个分位数和历史销量数据进行销量预测,得到所述至少两个分位数对应的销量预测值;
基于所述至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量;
基于所述目标库存量对所述仓库进行补货。
其中,所述基于所述至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量,包括:
获取库存调节系数;
基于所述库存调节系数和所述至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量。
其中,所述至少两个分位数包括第一分位数、第二分位数以及第三分位数,所述基于所述至少两个分位数和历史销量数据进行销量预测,得到所述至少两个分位数对应的销量预测值,包括:
将所述第一分位数和历史销量数据输入分位数回归预测模型,得到未来N天的第一销量预测值,其中,N为正整数且不小于1;
将所述第二分位数和历史销量数据所述输入分位数回归预测模型,得到未来N天的第二销量预测值;
将所述第三分位数和历史销量数据输入所述分位数回归预测模型,得到未来N天的第三销量预测值。
其中,所述基于所述库存调节系数和所述至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量,包括:
基于未来N天的第一销量预测值计算库存需求量;
基于未来N天的第二销量预测值、未来N天的第三销量预测值以及库存调节系数计算安全库存量;
将所述库存需求量和所述安全库存量相加,得到所述目标库存量。
其中,所述获取至少两个分位数和商家对应的仓库的历史销量数据,包括;
获取用户设置的分位数取值范围;
从所述分位数取值范围中提取所述至少两个分位数。
其中,所述基于所述目标库存量对所述仓库进行补货,包括:
获取现有库存量和在途库存量;
基于所述现有库存量、所述在途库存量以及所述目标库存量对仓库进行补货。
其中,所述基于所述现有库存量、所述在途库存量以及所述目标库存量对仓库进行补货,包括:
将所述目标库存量减去所述在途库存量和所述现有库存量,得到补货量;
基于所述补货量对所述仓库进行补货。
第二方面,本申请提供一种库存管理装置,所述库存管理装置包括:
获取模块,用于用于获取至少两个分位数和商家对应的仓库的历史销量数据;
第一预测模块,用于基于所述至少两个分位数和历史销量数据进行销量预测,得到所述至少两个分位数对应的销量预测值;
第二预测模块,用于基于所述至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量;
补货模块,用于基于所述目标库存量对仓库进行补货。
其中,所述第二预测模块还用于,获取库存调节系数;基于所述库存调节系数和所述至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量。
其中,所述至少两个分位数包括第一分位数、第二分位数以及第三分位数,所述第一预测模块还用于,将所述第一分位数和历史销量数据输入分位数回归预测模型,得到未来N天的第一销量预测值,其中,N为正整数且不小于1;将所述第二分位数和历史销量数据所述输入分位数回归预测模型,得到未来N天的第二销量预测值;将所述第三分位数和历史销量数据输入所述分位数回归预测模型,得到未来N天的第三销量预测值。
其中,所述第二预测模块还用于,基于未来N天的第一销量预测值计算库存需求量;基于未来N天的第二销量预测值、未来N天的第三销量预测值以及库存调节系数计算安全库存量;将所述库存需求量和所述安全库存量相加,得到所述目标库存量。
其中,所述获取模块还用于,获取用户设置的分位数取值范围;从所述分位数取值范围中提取所述至少两个分位数。
其中,所述补货模块还用于,获取现有库存量和在途库存量;基于所述现有库存量、所述在途库存量以及所述目标库存量对仓库进行补货。
其中,所述补货模块还用于,将所述目标库存量减去所述在途库存量和所述现有库存量,得到补货量;基于所述补货量对所述仓库进行补货。
第三方面,本申请还提供一种库存管理装置,所述库存管理装置包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现第一方面中任一项所述的库存管理方法。
第四方面,本申请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计算机程序,所述计算机程序适于处理器进行加载,以执行第一方面中任一项所述的库存管理方法。
本申请的有益效果是:本申请提供一种库存管理方法,该库存管理方法包括:获取至少两个分位数和商家对应的仓库的历史销量数据;基于至少两个分位数和历史销量数据进行销量预测,得到至少两个分位数对应的销量预测值;基于至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量;基于目标库存量对仓库进行补货。本申请在现有技术中仅依靠单一分位数进行销量预测并补货,造成补货不准确的情况下,创造性地提出通过多个分位数进行目标预测的库存管理方法,先根据至少两个分位数分别进行销量预测,得到至少两个分位数对应的销量预测值,在此基础上,根据至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量,从而能够避免由于单一分位数进行销量预测并补货的误差,提高补货准确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的库存管理方法一个实施例流程示意图;
图2是本申请实施例提供的库存管理装置一个实施例结构示意图;
图3是本申请实施例提供的库存管理装置另一个实施例结构示意图。
具体实施方式
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,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“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申请和简化描述,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申请的限制。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特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本申请。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本申请的描述变得晦涩。因此,本申请并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
本申请实施例提供一种库存管理方法、装置及计算机可读存储介质。
首先,本申请实施例提供一种库存管理方法,该库存管理方法包括:获取至少两个分位数和商家对应的仓库的历史销量数据;基于至少两个分位数和历史销量数据进行销量预测,得到至少两个分位数对应的销量预测值;基于至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量;基于目标库存量对仓库进行补货。以下分别进行详细说明。
首参阅图1,图1是本申请实施例提供的库存管理方法一个实施例流程示意图。该库存管理方法可以包括:
S11:获取至少两个分位数和商家对应的仓库的历史销量数据。
本申请实施例中,商家可以是实体店面商家或实体企业,也可以是电商平台上的商家,该仓库为商家保存商品的仓库,该仓库可以包括一个或多个保存商品的仓库。历史销量数据是商家历史某段时间(如1个月或一周)等的商品销售数据。具体的,商家对应的仓库可以为一自动售卖机。
分位数(Quantile),亦称分位点,是指将一个随机变量的概率分布范围分为几个等份的数值点,常用的有中位数(即二分位数)、四分位数、百分位数等。中位数是一个特殊的分位数。百分位数,如果将一组数据从小到大排序,并计算相应的累计百分位,则某一百分位所对应数据的值就称为这一百分位的百分位数。例如,第P个百分位数表示因变量的数值低于这一百分位数的个数占总体的P%,其中P为1-100范围内的整数。当P为50时,第P个百分位数表示中位数,它表示一种分布的中心位置;当P不为50时,它表示一种分布的非中心位置。
在一个具体的实施例中,获取用户设置的分位数取值范围;从分位数取值范围中提取至少两个分位数。具体的,可从分位数取值范围中采用随机或其他方式提取至少两个分位数。例如,分位数取值范围为[1%-100%]。在其他实施例中,也可以分别获取至少两个分位数的取值范围,例如,至少两个分位数分别为第一分位数、第二分位数以及第三分位数,第一分位数的取值范围为[45%-55%],第二分位数的取值范围为[90%-98%],第三分位数的取值范围为[45%-55%]。分位数的取值范围根据具体情况选用,本申请对此不作限定。需要说明的是,至少两个分位数可以为存在相关性的参数,也可以为相互独立的参数,根据具体情况决定,本申请对此不作限定。在用户设置的分位数取值范围进行分位数的提取,可以避免分位数在过大的取值范围内取值造成预测结果误差过大的问题。
在另一个具体的实施例中,用户通过文字输入和语音输入等方式输入至少两个分位数,获取用户输入的至少两个分位数。例如,获取用户输入的至少两个分位数分别为第一分位数、第二分位数以及第三分位数,第一分位数为第50个百分位数,第二分位数为第98个百分位数,第三分位数为第50个百分位数。
S12:基于至少两个分位数和历史销量数据进行销量预测,得到至少两个分位数对应的销量预测值。
传统的回归分析研究自变量与因变量的条件期望之间的关系,相应得到的回归模型可由自变量的估计因变量的条件期望,即传统回归分析主要关注的是一个均值。分位数回归研究自变量与因变量的条件分位数之间的关系,相应得到的回归模型可由自变量估计因变量的条件分位数。相较于传统回归分析仅能得到因变量的中央趋势,分位数回归能够精确地描述自变量对于因变量的变化范围以及条件分布形状的影响,能够更加全面的描述因变量条件分布的全貌,二不是仅仅分析因变量的均值,也可以分析自变量如何影响因变量的中位数、分位数等。
本申请实施例中,分位数回归预测模型为预先训练过的模型。具体的,首先,将数据集划分为训练集和测试集,其次,对于训练集做特征筛选,提取有信息量的特征变量,而筛除掉无信息等干扰特征变量,再次,应用算法建立模型,最后,结合测试集对算法模型的输出参数进行优化。
具体的,分位数回归预测模型采用单纯形算法、内点算法以及平滑算法中的任一种进行训练。单纯形算法估计出来的参数具有很好的稳定性。内点算法,对于那些具有大量观察值和少量变量的数据集运算效率很高。平滑算法在理论上比较简单,它适合处理具有大量观察至以及很多变量的数据集。
由于分位数回归预测模型为预先训练过的模型,因此,将一个分位数和历史销量数据输入分位数回归预测模型后,能够获取该分位数对应的销量预测值。
在一个具体的实施例中,至少两个分位数包括第一分位数、第二分位数以及第三分位数。将第一分位数和历史销量数据输入分位数回归预测模型,得到未来N天的第一销量预测值,其中,N为正整数且不小于1。将第二分位数和历史销量数据输入分位数回归预测模型,得到未来N天的第二销量预测值。将第三分位数和历史销量数据输入分位数回归预测模型,得到未来N天的第三销量预测值。
具体的,N为补货周期T和补货前置期之和。补货周期为前后两次常规要货的间隔天数,补货前置期为商品从补货提出日期到货品到达日期这段时间。
例如,第一分位数为第C1个百分位数,第二分位数为第C2个百分位数,第三分位数为第C3个百分位数。将第一分位数和历史销量数据输入分位数回归预测模型,得到未来N天内第一销量预测值为Di C1,其中,i的取值范围为[1-N]。将第二分位数和历史销量数据输入分位数回归预测模型,得到未来N天内第二销量预测值为Di C2,其中,i的取值范围为[1-N]。将第三分位数和历史销量数据输入分位数回归预测模型,得到未来N天内第三销量预测值为DiC3,其中,i的取值范围为[1-N]。
S13:基于至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量。
本申请实施例中,获取库存调节系数,基于库存调节系数和至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量。优选的,库存调节系数的取值范围为[1,10]。在一个具体的实施例中,用户通过文字输入和语音输入等方式输入库存调节系数,获取用户输入的库存调节系数。通过库存调节系数和至少两个分位数对应的销量预测值进行库存预测,能够提高目标库存量的预测准确率,并且有更多的可调节参数来计算目标库存量,能够增加调参空间,当预测的目标库存量出现偏差时,能够精细的进行调参,从而避免单一调节参数造成目标库存量忽大忽小的情况,提高补货精准度。
本申请实施例中,基于库存调节系数和至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量,可以包括:
(1)基于未来N天的第一销量预测值计算库存需求量。
在一个具体的实施例中,未来N天的第一销量预测值与计算库存需求量满足公式(1)所示的关系,
其中,DN为库存需求量,DiC1为未来N天中第i天的第一销量预测值。
例如,N=3,未来3天中第1天的第一销量预测值为1,未来3天中第2天的第一销量预测值为2,未来3天中第三天的第一销量预测值为1,则库存需求量为1+2+1=4。
(2)基于未来N天的第二销量预测值、未来N天的第三销量预测值以及库存调节系数计算安全库存量。
安全库存是为防止未来物资供应或需求的不确定性因素(如大量突发性订货、交货意外中断或突然延期等)而准备的缓冲库存。其大小取决于供应和需求的不确定性、顾客服务水平(或订货满足率),以及缺货成本和库存持有成本。顾客服务水平较高,则安全库存量增加并导致缺货成本较低、而库存持有成本较高;相反,顾客服务水平较低,则安全库存量减小并导致缺货成本较高、而库存持有成本较小。
在一个具体的实施例中,未来N天的第二销量预测值、与未来N天的第二销量预测值以及计算库存需求量满足公式(2)所示的关系,
其中,ss为库存需求量,Di C2为未来N天中第i天的第二销量预测值,Di C3为未来N天中第i天的第三销量预测值,r为库存调节系数。
(3)将库存需求量和安全库存量相加,得到目标库存量。
具体的,库存需求量、安全库存量以及目标库存量满足公式(3)所示的关系,
OUL=ss+DN (3)
其中,ss为库存需求量,DN为库存需求量,OUL为目标库存量。
需要说明的是,本申请所述的公式适用于至少两个分位数的数量为2-3个,当存在更多个分位数的时候,可以依据具体情况设计具体公式进行计算,本申请对此不作限定。
在一个优选的实施例中,C1取50,C3取50。即,将第一分位数确定为第50个百分位数,将第三分位数确定为第50个百分位数。目标库存量满足公式(4)所示的关系,
其中,OUL为目标库存量,Di 50为未来N天中第i天的第一销量预测值,Di C2为未来N天中第i天的第二销量预测值,Di C3为未来N天中第i天的第三销量预测值,r为库存调节系数,Di C2为未来N天中第i天的第二销量预测值,Di C3为未来N天中第i天的第三销量预测值。
也即,本申请即考虑了销量预测值的均值,也考虑了销量预测值其他分位数值,相对于现有技术仅考虑销量预测值均值的情况,能够提高补货精准度。
进一步的,采用四舍五入法或者进一法对目标库存量进行取整,得到取整后的目标库存。
S14:基于目标库存量对仓库进行补货。
本申请实施例中,获取现有库存量和在途库存量,基于现有库存量、在途库存量以及目标库存量对仓库进行补货。其中,在途库存量,即在运输过程中,未入仓库的商品数量。现有库存量为当前已入库且未销售的商品数量。
在一个具体的实施例中。将目标库存量减去在途库存量和现有库存量,得到补货量;基于补货量对仓库进行补货。
进一步的,当补货量大于0时,基于基于补货量对仓库进行补货。
进一步的,获取仓库的反馈信息,基于反馈信息对至少两个分位数和库存调节参数进行调节。其中,反馈信息包括服务满足率和缺货率等指标。基于反馈信息对至少两个分位数和库存调节参数进行调节,能够满足库存需求。
本申请提供一种库存管理方法,该库存管理方法包括:获取至少两个分位数和商家对应的仓库的历史销量数据;基于至少两个分位数和历史销量数据进行销量预测,得到至少两个分位数对应的销量预测值;基于至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量;基于目标库存量对仓库进行补货。本申请在现有技术中仅依靠单一分位数进行销量预测并补货,造成补货不准确的情况下,创造性地提出通过多个分位数进行销量预测的库存管理方法,先根据至少两个分位数分别进行销量预测,得到至少两个分位数对应的销量预测值,在此基础上,根据至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量,从而能够避免由于单一分位数进行销量预测并补货的误差,提高补货准确度。
参阅图2,图2是本申请实施例提供的库存管理装置一个实施例结构示意图。
如图2所示,本申请还提供一种库存管理装置。库存管理装置可以集成在服务器中。库存管理装置包括获取模块201、第一预测模块202、第二预测模块203、补货模块204。具体的:
获取模块201,用于获取至少两个分位数和商家对应的仓库的历史销量数据;
第一预测模块202,用于基于至少两个分位数和历史销量数据进行销量预测,得到至少两个分位数对应的销量预测值;
第二预测模块203,用于基于至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量;
补货模块204,用于基于目标库存量对仓库进行补货。
其中,第二预测模块203还用于,获取库存调节系数;基于库存调节系数和至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量。
其中,至少两个分位数包括第一分位数、第二分位数以及第三分位数,第一预测模块202还用于,将第一分位数和历史销量数据输入分位数回归预测模型,得到未来N天的第一销量预测值,其中,N为正整数且不小于1;将第二分位数和历史销量数据输入分位数回归预测模型,得到未来N天的第二销量预测值;将第三分位数和历史销量数据输入分位数回归预测模型,得到未来N天的第三销量预测值。
其中,第二预测模块203还用于,基于未来N天的第一销量预测值计算库存需求量;基于未来N天的第二销量预测值、未来N天的第三销量预测值以及库存调节系数计算安全库存量;将库存需求量和安全库存量相加,得到目标库存量。
其中,获取模块201还用于,获取用户设置的分位数取值范围;从分位数取值范围中提取至少两个分位数。
其中,补货模块204还用于,获取现有库存量和在途库存量;基于现有库存量、在途库存量以及目标库存量对仓库进行补货。
其中,补货模块204还用于,将目标库存量减去在途库存量和现有库存量,得到补货量;基于补货量对仓库进行补货。
本申请提供一种库存管理装置,库存管理装置获取至少两个分位数和商家对应的仓库的历史销量数据;基于至少两个分位数和历史销量数据进行销量预测,得到至少两个分位数对应的销量预测值;基于至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量;基于目标库存量对仓库进行补货。本申请在现有技术中仅依靠单一分位数进行销量预测并补货,造成补货不准确的情况下,创造性地提出通过多个分位数进行销量预测的库存管理方法,先根据至少两个分位数分别进行销量预测,得到至少两个分位数对应的销量预测值,在此基础上,根据至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量,从而能够避免由于单一分位数进行销量预测并补货的误差,提高补货准确度。
参阅图3,图3是本申请实施例提供的库存管理装置另一个实施例结构示意图。
如图3所示,其示出了本申请实施例所涉及的上位机的结构示意图,具体来讲:
该上位机可以包括一个或者一个以上处理核心的处理器301、一个或一个以上计算机可读存储介质的存储器302、电源303和输入单元304等部件。本领域技术人员可以理解,图3中示出的上位机结构并不构成对上位机的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
其中:
处理器301是该上位机的控制中心,利用各种接口和线路连接整个上位机的各个部分,通过运行或执行存储在存储器302内的软件程序和/或模块,以及调用存储在存储器302内的数据,执行上位机的各种功能和处理数据,从而对上位机进行整体监控。可选的,处理器301可包括一个或多个处理核心;优选的,处理器301可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器301中。
存储器302可用于存储软件程序以及模块,处理器301通过运行存储在存储器302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。存储器302可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据上位机的使用所创建的数据等。此外,存储器302可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器302还可以包括存储器控制器,以提供处理器301对存储器302的访问。
上位机还包括给各个部件供电的电源303,优选的,电源303可以通过电源管理系统与处理器301逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源303还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该上位机还可包括输入单元304,该输入单元304可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,上位机还可以包括显示单元等,在此不再赘述。具体在本申请实施例中,上位机中的处理器301会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器302中,并由处理器301来运行存储在存储器302中的应用程序,从而实现各种功能,如下:
获取至少两个分位数和商家对应的仓库的历史销量数据;
基于至少两个分位数和历史销量数据进行销量预测,得到至少两个分位数对应的销量预测值;
基于至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量;基于目标库存量对仓库进行补货。
本申请通过获取至少两个分位数和商家对应的仓库的历史销量数据;基于至少两个分位数和历史销量数据进行销量预测,得到至少两个分位数对应的销量预测值;基于至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量;基于目标库存量对仓库进行补货。本申请在现有技术中仅依靠单一分位数进行销量预测并补货,造成补货不准确的情况下,创造性地提出通过多个分位数进行销量预测的库存管理方法,先根据至少两个分位数分别进行销量预测,得到至少两个分位数对应的销量预测值,在此基础上,根据至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量,从而能够避免由于单一分位数进行销量预测并补货的误差,提高补货准确度。
为此,本申请实施例提供一种计算机可读存储介质,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random AccessMemory)、磁盘或光盘等。该计算机可读存储介质中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的任一种库存管理方法中的步骤。例如,该指令可以执行如下步骤:
获取至少两个分位数和商家对应的仓库的历史销量数据;
基于至少两个分位数和历史销量数据进行销量预测,得到至少两个分位数对应的销量预测值;
基于至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量;基于目标库存量对仓库进行补货。
在上述实施例中,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,可以参见上文针对其他实施例的详细描述,此处不再赘述。
具体实施时,以上各个单元或结构可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元或结构的具体实施可参见前面的方法实施例,在此不再赘述。
以上对本申请实施例所提供的一种库存管理方法、装置及计算机可读存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种库存管理方法,其特征在于,所述库存管理方法包括:
获取至少两个分位数和商家对应的仓库的历史销量数据;
基于所述至少两个分位数和历史销量数据进行销量预测,得到所述至少两个分位数对应的销量预测值;
基于所述至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量;
基于所述目标库存量对所述仓库进行补货。
2.根据权利要求1所述的库存管理方法,其特征在于,所述基于所述至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量,包括:
获取库存调节系数;
基于所述库存调节系数和所述至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量。
3.根据权利要求2所述的库存管理方法,其特征在于,所述至少两个分位数包括第一分位数、第二分位数以及第三分位数,所述基于所述至少两个分位数和历史销量数据进行销量预测,得到所述至少两个分位数对应的销量预测值,包括:
将所述第一分位数和历史销量数据输入分位数回归预测模型,得到未来N天的第一销量预测值,其中,N为正整数且不小于1;
将所述第二分位数和历史销量数据所述输入分位数回归预测模型,得到未来N天的第二销量预测值;
将所述第三分位数和历史销量数据输入所述分位数回归预测模型,得到未来N天的第三销量预测值。
4.根据权利要求3所述的库存管理方法,其特征在于,所述基于所述库存调节系数和所述至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量,包括:
基于未来N天的第一销量预测值计算库存需求量;
基于未来N天的第二销量预测值、未来N天的第三销量预测值以及库存调节系数计算安全库存量;
将所述库存需求量和所述安全库存量相加,得到所述目标库存量。
5.根据权利要求4所述的库存管理方法,其特征在于,所述获取至少两个分位数和商家对应的仓库的历史销量数据,包括;
获取用户设置的分位数取值范围;
从所述分位数取值范围中提取所述至少两个分位数。
6.根据权利要求1所述的库存管理方法,其特征在于,所述基于所述目标库存量对所述仓库进行补货,包括:
获取现有库存量和在途库存量;
基于所述现有库存量、所述在途库存量以及所述目标库存量对仓库进行补货。
7.根据权利要求6所述的库存管理方法,其特征在于,所述基于所述现有库存量、所述在途库存量以及所述目标库存量对仓库进行补货,包括:
将所述目标库存量减去所述在途库存量和所述现有库存量,得到补货量;
基于所述补货量对所述仓库进行补货。
8.一种库存管理装置,其特征在于,所述库存管理装置包括:
获取模块,用于获取至少两个分位数和商家对应的仓库的历史销量数据;
第一预测模块,用于基于所述至少两个分位数和历史销量数据进行销量预测,得到所述至少两个分位数对应的销量预测值;
第二预测模块,用于基于所述至少两个分位数对应的销量预测值进行目标库存预测,得到目标库存量;
补货模块,用于基于所述目标库存量对仓库进行补货。
9.一种库存管理装置,其特征在于,所述库存管理装置包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现权利要求1至7中任一项所述的库存管理方法。
10.一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计算机程序,所述计算机程序适于处理器进行加载,以执行权利要1至7中任一项所述的库存管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910913212.1A CN112561414B (zh) | 2019-09-25 | 库存管理方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910913212.1A CN112561414B (zh) | 2019-09-25 | 库存管理方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112561414A true CN112561414A (zh) | 2021-03-26 |
CN112561414B CN112561414B (zh) | 2024-07-09 |
Family
ID=
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113592309A (zh) * | 2021-08-02 | 2021-11-02 | 上海华能电子商务有限公司 | 一种基于数据驱动的多级库存定额制定方法 |
CN113592381A (zh) * | 2021-06-28 | 2021-11-02 | 杉数科技(北京)有限公司 | 一种安全库存的配置方法及装置 |
CN113592380A (zh) * | 2021-06-28 | 2021-11-02 | 杉数科技(北京)有限公司 | 一种安全库存的配置方法及装置 |
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 |
CN113837706A (zh) * | 2021-11-25 | 2021-12-24 | 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 |
CN114565422A (zh) * | 2022-03-28 | 2022-05-31 | 杉数科技(北京)有限公司 | 仓库销量预测方法、装置、存储介质及设备 |
CN115375407A (zh) * | 2022-09-01 | 2022-11-22 | 深圳市链宇技术有限公司 | Oms的库存管理方法及系统 |
CN117114577A (zh) * | 2023-09-08 | 2023-11-24 | 深圳市元亿通科技有限公司 | 一种自适应库存成本管理方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140365276A1 (en) * | 2013-06-05 | 2014-12-11 | International Business Machines Corporation | Data-driven inventory and revenue optimization for uncertain demand driven by multiple factors |
CN107704953A (zh) * | 2017-09-20 | 2018-02-16 | 河海大学 | Ewt分位数回归森林的短期风电功率概率密度预测方法 |
CN110046861A (zh) * | 2019-04-24 | 2019-07-23 | 北京百度网讯科技有限公司 | 库存管理方法和装置、电子设备、计算机可读介质 |
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140365276A1 (en) * | 2013-06-05 | 2014-12-11 | International Business Machines Corporation | Data-driven inventory and revenue optimization for uncertain demand driven by multiple factors |
CN107704953A (zh) * | 2017-09-20 | 2018-02-16 | 河海大学 | Ewt分位数回归森林的短期风电功率概率密度预测方法 |
CN110046861A (zh) * | 2019-04-24 | 2019-07-23 | 北京百度网讯科技有限公司 | 库存管理方法和装置、电子设备、计算机可读介质 |
Non-Patent Citations (1)
Title |
---|
彭良玉: ""分位数回归在时间序列中的应用"", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 02, pages 4 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113592381A (zh) * | 2021-06-28 | 2021-11-02 | 杉数科技(北京)有限公司 | 一种安全库存的配置方法及装置 |
CN113592380A (zh) * | 2021-06-28 | 2021-11-02 | 杉数科技(北京)有限公司 | 一种安全库存的配置方法及装置 |
CN113592380B (zh) * | 2021-06-28 | 2022-08-12 | 杉数科技(北京)有限公司 | 一种安全库存的配置方法及装置 |
CN113592309A (zh) * | 2021-08-02 | 2021-11-02 | 上海华能电子商务有限公司 | 一种基于数据驱动的多级库存定额制定方法 |
CN113592309B (zh) * | 2021-08-02 | 2024-04-30 | 上海华能电子商务有限公司 | 一种基于数据驱动的多级库存定额制定方法 |
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 |
CN113837706A (zh) * | 2021-11-25 | 2021-12-24 | 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 |
CN114565422A (zh) * | 2022-03-28 | 2022-05-31 | 杉数科技(北京)有限公司 | 仓库销量预测方法、装置、存储介质及设备 |
CN115375407A (zh) * | 2022-09-01 | 2022-11-22 | 深圳市链宇技术有限公司 | Oms的库存管理方法及系统 |
CN115375407B (zh) * | 2022-09-01 | 2023-09-19 | 深圳市链宇技术有限公司 | Oms的库存管理方法及系统 |
CN117114577A (zh) * | 2023-09-08 | 2023-11-24 | 深圳市元亿通科技有限公司 | 一种自适应库存成本管理方法及系统 |
CN117114577B (zh) * | 2023-09-08 | 2024-05-24 | 深圳市元亿通科技有限公司 | 一种自适应库存成本管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hsueh | An inventory control model with consideration of remanufacturing and product life cycle | |
US8346516B2 (en) | Predictive modeling | |
CN110363454A (zh) | 用于确定商品补货量的方法及装置 | |
US20130132147A1 (en) | Managing fresh-product inventory | |
Kojima et al. | Performance evaluation of SCM in JIT environment | |
US20080177599A1 (en) | Method Of Determining Safety Stock Levels | |
CN114118503A (zh) | 供应链库存优化方法、装置、设备和存储介质 | |
CN102598034A (zh) | 为多个需求组提供不同服务质量的有效库存管理 | |
Hung | Continuous review inventory models under time value of money and crashable lead time consideration | |
CN111126903A (zh) | 一种补货方法、装置及系统 | |
US20200042914A1 (en) | System and method for item facing recommendation | |
Yadollahi et al. | Evaluating approximate solution models for the stochastic periodic inventory routing problem | |
US6931347B2 (en) | Safety stock determination | |
CN114169557A (zh) | 库存补货方法、计算机可读存储介质以及终端设备 | |
CN112561414A (zh) | 库存管理方法、装置及计算机可读存储介质 | |
CN115564359B (zh) | 汽车售后备件的库存预测方法、设备和存储介质 | |
CN112561414B (zh) | 库存管理方法、装置及计算机可读存储介质 | |
JP2000306015A (ja) | レンタル品管理装置およびレンタル品管理方法 | |
CN112150056A (zh) | 一种确定补货周期的方法、装置和存储介质 | |
CN115689222A (zh) | 物料调度方法及基于物联网的工地物料管理系统 | |
CN115082204A (zh) | 信贷产品推荐中的信息处理方法、计算机设备及存储介质 | |
CN108090713A (zh) | 库存需求预测系统 | |
CN114065018A (zh) | 商品热度的确定方法、装置、电子设备及计算机可读存储介质 | |
Kloos | Managing service-level contracts in sales hierarchies | |
CN113642958B (zh) | 基于大数据的仓库补货方法、装置、设备及存储介质 |
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 |