CN112561562A - 订单发布方法、装置、计算机设备和存储介质 - Google Patents

订单发布方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN112561562A
CN112561562A CN202011271872.3A CN202011271872A CN112561562A CN 112561562 A CN112561562 A CN 112561562A CN 202011271872 A CN202011271872 A CN 202011271872A CN 112561562 A CN112561562 A CN 112561562A
Authority
CN
China
Prior art keywords
order
current time
value
sales volume
predicted
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.)
Pending
Application number
CN202011271872.3A
Other languages
English (en)
Inventor
房宇飞
马继
吕鹏飞
胡俊
欧子杨
芦明奇
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.)
Hycan Automobile Technology Co Ltd
Original Assignee
GAC NIO New Energy Automobile 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 GAC NIO New Energy Automobile Technology Co Ltd filed Critical GAC NIO New Energy Automobile Technology Co Ltd
Priority to CN202011271872.3A priority Critical patent/CN112561562A/zh
Publication of CN112561562A publication Critical patent/CN112561562A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • G06Q30/06—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

Landscapes

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

Abstract

本申请涉及一种订单发布方法、装置、计算机设备和存储介质。通过在确定当前时间为订单更新时间时，获取上一发布周期的历史发布订单，其中历史发布订单中至少包含一个锁定订购项、第一可调订购项和第二可调订购项，并将历史发布订单中的第一可调订购项更新为锁定订购项，更新其数值为第一预测值，将第二可调订购项更新为第一可调订购项，更新数值为第二预测值，新建第二可调订购项，确定其数值为第三预测值，得到当前待发布订单，并向对应的供应商发布当前待发布订单。相较于传统的增加仓库面积、增加人员管理成本的方式，本方案利用预测的多个订单发布周期的销量和单月销量最大值，对未来订单进行动态预测，实现了减少订单发布的成本的效果。

Description

订单发布方法、装置、计算机设备和存储介质
技术领域
本申请涉及数据处理技术领域，特别是涉及一种订单发布方法、装置、计算机设备和存储介质。
背景技术
随着新势力造车企业的蓬勃发展，新势力主机厂的轻资产方案越来越受到市场的认可，新势力主机厂的研发及运营，结合传统主机厂的造车技术和售后，掀起一场巨大的汽车革命，随之而来的是用户的个性化需求的增多。由于用户的需求各种各样，新势力主机厂的仓库管理，仓库面积和零部件订单逐渐变得臃肿，对于新势力主机厂而言，繁多的个性化零部件与轻资产的运营模式相冲突，消耗了大量的人力及仓库运营成本，需要一种全新的订单制定的方法解决这种矛盾。目前新势力主机厂通常是通过增加仓库面积、增加人员管理成本等方法来缓和这种矛盾，然而这种方法仍然在无形中消耗了大量的人力成本、仓库成本以及管理成本。
因此，目前的订单发布方法存在成本高的缺陷。
发明内容
基于此，有必要针对上述技术问题，提供一种能够降低成本的订单发布方法、装置、计算机设备和存储介质。
一种订单发布方法，所述方法包括：
获取当前时间，若所述当前时间为订单更新时间，获取上一发布周期的历史发布订单；所述历史发布订单中至少包含一个锁定订购项、第一可调订购项和第二可调订购项；所述锁定订购项的数值在发布后不可调，所述第一可调订购项的数值在发布后的一个发布周期内可调，所述第二可调订购项的数值在发布后的两个发布周期内可调；
更新所述历史发布订单，得到当前待发布订单，包括：将所述历史发布订单中的第一可调订购项更新为锁定订购项，并更新其数值为第一预测值；将所述历史订单发布订单中的第二可调订购项更新为第一可调订购项，并更新数值为第二预测值；新建第二可调订购项，并确定其数值为第三预测值；
向对应的供应商账户发布所述当前待发布订单；
其中，所述第一预测值表征所述当前时间之后的第三个发布周期的订购主体的预测销量；所述第二预测值表征所述当前时间之后的第四个发布周期的订购主体的预测销量；所述第三预测值表征所述当前时间之后的第五个发布周期的订购主体的预测销量。
在其中一个实施例中，还包括：
获取当前时间，若所述当前时间为订单更新时间且属于第一个发布周期，获取所述当前时间对应的单月销量最大值和单月销量环比增长率最大值；
根据所述当前时间对应的单月销量最大值和单月销量环比增长最大值，确定所述当前时间之后第三个发布周期所述订购主体的预测销量，作为第一预测值；
根据所述第一预测值和所述当前时间对应的单月销量环比增长率最大值，确定所述当前时间之后第四个发布周期所述订购主体的预测销量，作为第二预测值；
根据所述第二预测值和所述当前时间对应的单月销量环比增长率最大值，确定所述当前时间之后第五个发布周期所述订购主体的预测销量，作为第三预测值；
生成包含初始锁定订购项、初始第一可调订购项以及初始第二可调订购项的初始待发布订单；其中所述初始锁定订购项、所述初始第一可调订购项以及所述第二可调订购项的数值分别为所述第一预测值、所述第二预测值以及所述第三预测值；
向所述供应商账户发布所述初始待发布订单。
在其中一个实施例中，所述发布周期以周为单位；所述第一预测值的确定方式，包括：
根据所述当前时间对应的单月销量最大值和所述单月销量环比增长率最大值，确定所述当前时间之后的第三周所述订购主体的预测销量，得到所述第一预测值；
所述第二预测值的确定方式，包括：
根据所述第一预测值和所述当前时间对应的单月销量环比增长率最大值，确定所述当前时间之后第四周所述订购主体的预测销量，得到所述第二预测值；
所述第三预测值的确定方式，包括：
根据所述第二预测值和所述当前时间对应的单月销量环比增长率最大值，确定所述当前时间之后第五周所述订购主体的预测销量，得到所述第三预测值；
其中，所述当前时间对应的单月销量最大值为，所述当前时间之前的至少两个月内的单月销量最大值；所述当前时间对应的单月销量环比增长率最大值为所述至少两个月内的单月销量环比增长率最大值。
在其中一个实施例中，所述根据所述当前时间对应的单月销量最大值和所述单月销量环比增长率最大值，确定所述当前时间之后的第三周所述订购主体的预测销量，得到所述第一预测值，包括：
获取第一预测模型；
将所述当前时间对应的单月销量最大值和所述单月销量环比增长率最大值，输入所述第一预测模型，确定所述当前时间之后的第三周所述订购主体的预测销量，得到所述第一预测值；
其中，所述第一预测模型为：
Figure BDA0002777933390000031
其中，NW+3为所述第一预测值，KMAX为所述单月销量环比增长率最大值，NMAX为所述单月销量最大值。
在其中一个实施例中，所述根据所述第一预测值和所述当前时间对应的单月销量环比增长率最大值，确定所述当前时间之后第四周所述订购主体的预测销量，得到所述第二预测值，包括：
获取第二预测模型；
将所述第一预测值和所述当前时间对应的单月销量环比增长率最大值，输入所述第二预测模型，确定所述当前时间之后第四周所述订购主体的预测销量，得到所述第二预测值；
其中，所述第二预测模型为：
NW+4＝ROUNDUP(NW+3(1+KMAX))；其中，NW+4为所述第二预测值。
在其中一个实施例中，所述根据所述第二预测值和所述当前时间对应的单月销量环比增长率最大值，确定所述当前时间之后第五周所述订购主体的预测销量，得到所述第三预测值，包括：
获取第三预测模型；
将所述第二预测值和所述当前时间对应的单月销量环比增长率最大值，输入所述第三预测模型，得到所述第三预测值；
其中，所述第三预测模型为：
NW+5＝ROUNDUP(NW+4(1+KMAX))；其中，NW+5为所述第三预测值。
在其中一个实施例中，所述更新所述历史发布订单，得到当前待发布订单之前，还包括：
获取所述当前时间之前的最近三个月的单月销量，确定其中的最大单月销量，得到所述当前时间对应的单月销量最大值；
获取所述当前时间之前的最近三个月的单月销量环比增长率，确定其中的最大单月销量环比增长率，得到所述当前时间对应的单月销量环比增长率最大值。
一种订单发布装置，所述装置包括：
获取模块，用于获取当前时间，若所述当前时间为订单更新时间，获取上一发布周期的历史发布订单；所述历史发布订单中至少包含一个锁定订购项、第一可调订购项和第二可调订购项；所述锁定订购项的数值在发布后不可调，所述第一可调订购项的数值在发布后的一个发布周期内可调，所述第二可调订购项的数值在发布后的两个发布周期内可调；
更新模块，用于更新所述历史发布订单，得到当前待发布订单，包括：将所述历史订单发布订单中的第二可调订购项更新为第一可调订购项，并更新数值为第二预测值；新建第二可调订购项，并确定其数值为第三预测值；
发布模块，用于向对应的供应商账户发布所述当前待发布订单；
其中，所述第一预测值表征所述当前时间之后的第三个发布周期的订购主体的预测销量；所述第二预测值表征所述当前时间之后的第四个发布周期的订购主体的预测销量；所述第三预测值表征所述当前时间之后的第五个发布周期的订购主体的预测销量；
其中，所述当前时间对应的单月销量最大值为，所述当前时间之前的至少两个月内的单月销量最大值；所述当前时间对应的单月销量环比增长率最大值为所述至少两个月内的单月销量环比增长率最大值。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
上述订单发布方法、装置、计算机设备和存储介质，通过在确定当前时间为订单更新时间时，获取上一发布周期的历史发布订单，其中历史发布订单中至少包含一个锁定订购项、第一可调订购项和第二可调订购项，并将历史发布订单中的第一可调订购项更新为锁定订购项，并更新其数值为第一预测值，将历史发布订单中的第二可调订购项更新为第一可调订购项，更新数值为第二预测值，新建第二可调订购项，确定其数值为第三预测值，得到当前待发布订单，并向对应的供应商发布当前待发布订单。相较于传统的增加仓库面积、增加人员管理成本的方式，本方案利用预测的多个订单发布周期的销量和单月销量最大值，对未来订单进行动态预测，实现了减少订单发布的成本的效果。并且还可以通过锁定订购项的方式，提高了订单发布的效率。
附图说明
图1为一个实施例中订单发布方法的应用环境图；
图2为一个实施例中订单发布方法的流程示意图；
图3为一个实施例中订单更新步骤的流程示意图；
图4为一个实施例中订单发布装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的订单发布方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。终端102可以获取当前时间，若当前时间为订单更新时间，终端102可以从服务器104中获取上一发布周期的历史发布订单，终端102也可以从本地数据库中获取上述历史发布订单，终端102可以通过将历史发布订单中的第一可调订购项更新为锁定订购项、将第二可调订购项更新为第一可调订购项，再新建第二可调订购项，得到当前待发布的订单，终端102可以向对应的供应商账户发布上述当前待发布的订单，例如终端102可以将上述当前待发布订单发送到服务器104，通过服务器104将当前待发布订单发送至对应的供应商账户。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种订单发布方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤S202，获取当前时间，若当前时间为订单更新时间，获取上一发布周期的历史发布订单；历史发布订单中至少包含一个锁定订购项、第一可调订购项和第二可调订购项；锁定订购项的数值在发布后不可调，第一可调订购项的数值在发布后的一个发布周期内可调，第二可调订购项的数值在发布后的两个发布周期内可调。
其中，订单更新时间可以是订单需要更新时的时间，例如每次需要向各个供应商发布订单时，需要对订单进行更新，订单更新时间可以是周期性地更新，即终端102可以按照预设周期更新订单；订单中可以包括多个时间段的计划订单，例如可以包括一个锁定订购项，该锁定订购项可以是在发布后不可更改的订购项；还可以包括第一可调订购项，第一可调订购项可以是距离锁定订购项对应的实施时间之后的特定时间的订购项，例如可以是距离锁定订购项的实施时间的一周后对应的订购项，该第一可调订购项的数值可以在上述订单更新并发布后的一个发布周期内进行调整；订单中还可以包括第二可调订购项，该第二可调订购项可以是距离第一可调订购项的实施时间之后的预设时间的订购项，例如可以是距离第一可调订购项实施时间之后的一周后的订购计划，该第二可调订购项的数值可以在上述订单更新并发布后的两个发布周期内进行调整。其中，上述调整可以是在预设数值范围内的调整，即该上述调整不能超过该预设数值范围。
终端102可以获取当前的时间，并确定当前时间是否为订单更新时间，若是，则可以获取上一发布周期的历史发布订单，例如，若订单发布的周期为一周，则若当前时间为订单更新时间，终端102可以获取上一周发布的历史发布订单。其中各个历史发布订单中均可以包括上述的锁定订购项、第一可调订购项和第二可调订购项。
步骤S204，更新历史发布订单，得到当前待发布订单，包括：将历史发布订单中的第一可调订购项更新为锁定订购项，并更新其数值为第一预测值；将历史订单发布订单中的第二可调订购项更新为第一可调订购项，并更新数值为第二预测值；新建第二可调订购项，并确定其数值为第三预测值。
其中，历史发布订单可以是上一个发布周期对应的订单，终端102可以对历史发布订单进行更新，从而得到当前待发布的订单，具体地，历史发布订单中可以包括锁定订购项、第一可调订购项以及第二可调订购项，终端102可以将上述历史发布订单中的第一可调订购项更新为锁定订购项，并更新其数值为第一预测值；其中，第一预测值可以表征当前时间之后的第三个发布周期的订购主体的预测销量，例如，当发布周期为一周时，第一预测值即为三周后的订购主体的预测销量，其中订购主体可以是订单对应的需要订购和生产的产品，终端102可以根据当前时间对应的单月销量最大值和单月销量环比增长率最大值，确定当前时间之后的第三周订购主体的预测销量，得到第一预测值；
终端102还可以将历史发布订单中的第二可调订购项更新为第一可调订购项，并更新其数值为第二预测值；其中，第二预测值可以表征在当前时间之后的第四个发布周期的订购主体的预测销量，例如，当发布周期为一周时，第二预测值即为四周后的订购主体的预测销量，终端102可以根据上述第一预测值和当前时间对应的单月销量环比增长率最大值，确定当前时间之后第四周订购主体的预测销量，得到第二预测值；
终端102还可以在历史发布订单中新建第二可调订购项，并确定其数值为第三预测值；其中，第三预测值可以表征当前时间之后的第五个发布周期的订购主体的预测销量，例如当发布周期为一周时，第三预测值基于五周后的订购主体的预测销量，终端102可以根据上述第二预测值和当前时间对应的单月销量环比增长率最大值，确定当前时间之后第五周订购主体的预测销量，得到第三预测值。其中，上述各个预测值均可以有对应的模型，终端102可以根据各个模型得到上述预测值；若当前时间不为第一个更新周期，终端102可以将当前时间之前的至少两个月内的单月销量最大值作为上述当前时间对应的单月销量最大值，还可以将至少两个月内的单月销量环比增长率最大值作为上述当前时间对应的单月销量环比增长率最大值。
具体地，如图3所示，图3为一个实施例中订单更新步骤的流程示意图。W周可以是上述获取到的上一个发布周期的历史订单，W+1周可以是当前待发布订单，W周中可以包括W+3周次订单，即锁定订购项；W+4周次订单，即第一可调订购项；W+5周次订单，即第二可调订购项；终端102可以对W周中的第一可调订购项，即W+4周次订单，进行更新，将W+4周次订单更新为W+3周次订单，并且使其不可更改，终端102还可以对W+1周订单中的W+3周次订单进行数值预测更新，将W+3周次的数值更新为第一预测值，从而得到当前待发布订单的锁定订购项；终端102还可以将上述W周订单中的第二可调订购项，即W+5周次订单，作为W+1周订单中的第一可调订购项，即W+4周次订单，同时还可以将W+1周订单中的W+4周次订单进行数值更新，将W+4周次订单的数值更新为第二预测值，从而得到当前待发布订单的第一可调订购项；终端102还可以在W+1周订单中，新建第二可调订购项，即图3中W+1周订单中的W+5周次订单，终端102还可以将其数值确定为第三预测值。其中上述第一预测值、第二预测值以及第三预测值均可以有浮动值，即W周订单中的预测值与W+1周中对应的预测值在更新时可以有一定范围内的浮动，例如可以有±20％的浮动，以满足供应商备件的安全余裕。
步骤S206，向对应的供应商账户发布当前待发布订单。
其中，供应商账户可以是实施上述当前待发布订单的供应商对应的账户，终端102可以向上述当前待发布订单对应的供应商的账户发布当前待发布订单，供应商在接收到订单后，由于订单中的锁定订购项不可更改，因此，供应商可以按照上述当前待发布订单中的锁定订购项的需求进行生产，同时还可以进行第一可调订购项以及第二可调订购项的物料准备。
上述订单发布方法中，通过在确定当前时间为订单更新时间时，获取上一发布周期的历史发布订单，其中历史发布订单中至少包含一个锁定订购项、第一可调订购项和第二可调订购项，并将历史发布订单中的第一可调订购项更新为锁定订购项，并更新其数值为第一预测值，将历史发布订单中的第二可调订购项更新为第一可调订购项，更新数值为第二预测值，新建第二可调订购项，确定其数值为第三预测值，得到当前待发布订单，并向对应的供应商发布当前待发布订单。相较于传统的增加仓库面积、增加人员管理成本的方式，本方案利用预测的多个订单发布周期的销量和单月销量最大值，对未来订单进行动态预测，实现了减少订单发布的成本的效果。并且还可以通过锁定订购项的方式，提高了订单发布的效率。
在一个实施例中，还包括：获取当前时间，若当前时间为订单更新时间且属于第一个发布周期，获取当前时间对应的单月销量最大值和单月销量环比增长率最大值；根据当前时间对应的单月销量最大值和单月销量环比增长最大值，确定当前时间之后第三个发布周期订购主体的预测销量，作为第一预测值；根据第一预测值和当前时间对应的单月销量环比增长率最大值，确定当前时间之后第四个发布周期订购主体的预测销量，作为第二预测值；根据第二预测值和当前时间对应的单月销量环比增长率最大值，确定当前时间之后第五个发布周期订购主体的预测销量，作为第三预测值；生成包含初始锁定订购项、初始第一可调订购项以及初始第二可调订购项的初始待发布订单；其中初始锁定订购项、初始第一可调订购项以及第二可调订购项的数值分别为第一预测值、第二预测值以及第三预测值；向供应商账户发布初始待发布订单。
本实施例中，若当前时间为第一个发布周期，终端102无法获取当前时间的至少两个月内的单月销量，因此终端102可以获取当前时间对应的单月销量最大值和单月销量环比增长率最大值，例如将当前月的销量作为单月销量最大值，并且根据当前月的销量得到单月销量环比增长率最大值。终端102还可以根据上述当前时间对应的单月销量最大值和单月销量环比增长最大值，确定当前时间之后的第三个发布周期的订购主体的预测销量，作为第一预测值，该第一预测值可以是作为第一个发布周期的初始第一预测值；终端102还可以根据上述第一预测值以及当前时间对应的单月销量环比增长率最大值，确定当前时间之后的第四个发布周期的订购主体的预测销量，作为第二预测值，该第二预测值可以是作为第一个发布周期的初始第二预测值；终端102还可以根据上述第二预测值以及上述当前时间对应的单月环比增长率最大值，确定当前时间之后的第五个发布周期中，订购主体的预测销量，作为第三预测值，其中第三预测值可以是作为第一个发布周期的初始第三预测值。
终端102还可以在初始待发布订单中生成初始锁定订购项、初始第一可调订购项以及初始第二可调订购项，并将上述第一预测值作为初始锁定订购项的数值，将第二预测值作为初始第一可调订购项的数值，将第三预测值作为初始第二可调订购项的数值，从而形成了初始待发布订单。终端102在形成该初始待发布订单后，可以向上述供应商账户发送上述初始待发布订单，从而供应商可以根据该初始待发布订单，进行第一个周期的生产。
通过本实施例，终端102可以在第一个发布周期，根据当前时间对应的单月最大销量，确定初始待发布订单中的多个初始订购项，从而使得供应商可以根据初始待发布订单，进行第一周期生产，并且可以对第三和第五个周期的物料进行准备，从而实现降低订单发布的成本的效果。
在一个实施例中，根据当前时间对应的单月销量最大值和单月销量环比增长率最大值，确定当前时间之后的第三周订购主体的预测销量，得到第一预测值，包括：获取第一预测模型；将当前时间对应的单月销量最大值和单月销量环比增长率最大值，输入第一预测模型，确定当前时间之后的第三周订购主体的预测销量，得到第一预测值。
本实施例中，终端102可以根据当前时间对应的单月销量最大值和单月销量环比增长率最大值，确定当前时间之后的第三个发布周期，例如第三周，订购主体的预测销量，从而得到第一预测值。具体地，终端102可以通过第一预测模型得到第一预测值。终端102可以首先获取第一预测模型，并将当前时间对应的单月销量最大值和单月销量环比增长率最大值输入第一预测模型，根据第一预测模型的输出值，终端102可以确定当前时间之后的第三周订购主体的预测销量，即得到上述第一预测值。
其中，第一预测模型为：
Figure BDA0002777933390000111
其中，NW+3为第一预测值，KMAX为单月销量环比增长率最大值，NMAX为单月销量最大值，ROUNDUP可以是一种向上舍入函数，第一预测值NW+3可以作为上述待发布订单中的W+3周次的预测销量。其中，上述单月销量最大值可以根据近三个月的最大月度销量确定；单月销量环比增长率最大值可以根据近三个月的月度销量环比增长率的最大值确定。具体地，月度销量环比增长率的计算公式可以是：
Figure BDA0002777933390000112
其中，KM-1可以是M-1月的月度销量环比增长率，即单月销量环比增长率，NM-1表示M-1月的销量，NM-2表示M-2月的销量，NM-3表示M-3月的销量。
另外，终端102可以在确定锁定订购项时，对其预测值进行适当调整，该调整可以在±20％范围内，具体地，NW+3的确定公式还可以如下所示：
Figure BDA0002777933390000113
其中，NW+4为第二预测值，即W+4周次订单的预测销量，终端102在当NW+3的值在NW+4的±20％范围内时，利用上述第一模型的输出结果，得到NW+3的值，当NW+3的值小于或等于NW+4的80％时，可以将NW+3的值确定为NW+4的80％，当NW+3的值大于或等于NW+4的120％时，可以将NW+3的值确定为NW+4的120％。从而可以将当前发布订单中的NW+3的值控制在一定范围内，不会因为数值变化过大而导致成本的增高。
通过本实施例，终端102可以通过第一预测模型，确定上述待发布订单中的锁定订购项的第一预测值，使得供应商可以根据第一预测值进行订单的生产，不必进行多次的调整，实现了减少订单发布的成本的效果。
在一个实施例中，根据第一预测值和当前时间对应的单月销量环比增长率最大值，确定当前时间之后第四周订购主体的预测销量，得到第二预测值，包括：获取第二预测模型；将第一预测值和当前时间对应的单月销量环比增长率最大值，输入第二预测模型，确定当前时间之后第四周订购主体的预测销量，得到第二预测值。
本实施例中，终端102可以根据上述第一预测值，即NW+3，以及当前时间对应的单月销量环比增长率最大值，确定当前时间之后的第四周订购主体的预测销量，作为第二预测值。具体地，终端102可以通过第二预测模型得到上述第二预测值，终端102可以获取第二预测模型，并将上述第一预测值以及当前时间对应的单月销量环比增长率最大值，输入第二预测模型，从而确定当前时间之后第四周订购主体的预测销量，得到上述第二预测值。其中，第二预测模型为：
NW+4＝ROUNDUP(NW+3(1+KMAX))；其中，NW+4为第二预测值，NW+4可以作为上述待发布订单中的第一可调订购项，即W+4周次订单的预测销量数值。
通过本实施例，终端102可以通过第二预测模型，确定上述待发布订单中的第一可调订购项的第二预测值，使得供应商可以根据第二预测值进行后期订单的物料准备，不必进行多次的调整，实现了减少订单发布的成本的效果。
在一个实施例中，根据第二预测值和当前时间对应的单月销量环比增长率最大值，确定当前时间之后第五周订购主体的预测销量，得到第三预测值，包括：获取第三预测模型；将第二预测值和当前时间对应的单月销量环比增长率最大值，输入第三预测模型，得到第三预测值。
本实施例中，终端102可以根据上述第二预测值，即NW+4，以及当前时间对应的单月销量环比增长率最大值，确定当前时间之后第五周的订购主体的预测销量，得到上述第三预测值。具体地，终端102可以通过第三预测模型得到上述第三预测值，终端102可以首先获取第三预测模型，并将上述第二预测值以及单月销量环比增长率最大值，输入第三预测模型中，根据第三预测模型的输出结果，终端102可以得到上述第三预测值。其中，第三预测模型为：
NW+5＝ROUNDUP(NW+4(1+KMAX))；其中，NW+5为第三预测值，NW+5可以作为上述待发布订单中的第二可调订购项，即W+5周次订单的预测销量的数值。
通过本实施例，终端102可以通过第三预测模型，确定上述待发布订单中的第二可调订购项的第三预测值，使得供应商可以根据第三预测值进行后期订单的物料准备，不必进行多次的调整，实现了减少订单发布的成本的效果。
在一个实施例中，更新历史发布订单，得到当前待发布订单之前，还包括：获取当前时间之前的最近三个月的单月销量，确定其中的最大单月销量，得到当前时间对应的单月销量最大值；获取当前时间之前的最近三个月的单月销量环比增长率，确定其中的最大单月销量环比增长率，得到当前时间对应的单月销量环比增长率最大值。
本实施例中，终端102可以在更新历史发布订单前，确定上述单月销量最大值以及单月销量环比增长率最大值。其中，终端102可以根据当前时间之前的最近三个月的单月销量，确定其中的单月销量最大值，从而得到当前时间对应的单月销量最大值，具体地，终端102可以根据如下公式确定单月销量最大值：NMAX＝MAX(NM-1，NM-2，NM-3)；其中，NM-1表示M-1月的销量，NM-2表示M-2月的销量，NM-3表示M-3月的销量，MAX()可以是一种最大值函数，可以从多个数值中得到其中的最大值，NMAX表示M-1月、M-2月、M-3月这近三个月的最大月度销量，即上述单月销量最大值。
终端102还可以获取当前时间之前的最近三个月的单月销量环比增长率，确定其中的最大单月销量环比增长率，得到当前时间对应的单月销量环比增长率最大值，具体地，终端102可以根据如下公式得到单月销量环比增长率最大值：KMAX＝MAX(KM-1，KM-2，KM-3)；其中，KM-1可以是M-1月的月度销量环比增长率，即单月销量环比增长率，KM-2可以是M-2月的月度销量环比增长率，KM-3可以是M-3月的月度销量环比增长率，KMAX表示M-1月、M-2月、M-3月这近三个月的最大月度销量环比增长率，即上述单月销量环比增长率最大值。
通过本实施例，终端102可以根据特定公式得到上述单月销量最大值以及单月销量环比增长率最大值，从而终端102可以根据单月销量最大值以及单月销量环比增长率最大值，对当前时间之后的周次的订单进行销量预测，从而实现减少订单发布的成本的效果。
在一应用实施例中，再如图3所示，本方法的具体应用过程可以如下所示：
如图3所示，假设本周，即W周为第20周，本周W需要向供应商下发W+3、W+4、W+5周次的订单，即第23周次、第24周次、第25周次的订单，订单一经发布后，第23周次的订单为锁定订购项，不可变更，第24周次、第25周次的订单为预测订单，且为可调订购项，允许在第21周滚动更新订单时上下浮动20％。
主机厂在W周(第20周)发布W+3、W+4、W+5订单后，供应商会在W周(第20周)安排生产计划，按照W+3周次(第23周)订单需求进行生产，W周～W+1周(第20周～第21周)为供应商生产W+3周次(第23周)订单需求时间，W+2周(第22周)为供应商打包发件、物流运输时间，主机厂在W+3周(第23周)之前收到W+3周次零件，满足W+3周次的装车需求；同时，供应商在W周接收到W+4周次、W+5周次的预测订单后，会进行W+4周次(第24周)、W+5周次(第25周)的订单物料准备。
假设W周(第20周)所在的月份为M月(6月)，5月份的销量为650，4月份销量为580，3月份销量为500，2月份销量为550，即NM-1＝N5＝650，NM-2＝N4＝580，NM-3＝N3＝500，NM-4＝N2＝550。由上述NMAX的公式可得：
NMAX＝MAX(NM-1，NM-2，NM-3)
＝MAX(N5，N4，N3)
＝MAX(650，580，500)
＝650；
由KM-1、KM-2、KM-3对应的公式可得：
Figure BDA0002777933390000151
由KMAX对应的公式可得：
KMAX＝MAX(KM-1，KM-2，KM-3)
＝MAX(K5，K4，K3)
＝MAX(12％，16％，-9％)
＝16％；
第一预测值NW+3、第二预测值NW+4以及第三预测值NW+5的计算方式可以如下所示：
Figure BDA0002777933390000152
NW+4＝ROUNDUP(NW+3(1+KMAX))
＝ROUNDUP(189(1+16％))
＝220；
NW+5＝ROUNDUP(NW+4(1+KMAX))
＝ROUNDUP(220(1+16％))
＝256；
而由于0.8*NW+4＝176，1.2*NW+4＝264；可以得到：
Figure BDA0002777933390000161
因此，在W周(第20周)发布锁定的W+3周(第23周)需求计划NW+3(W)＝189，预测可浮动的W+4周(第24周)、W+5周(第25周)间预测需求计划NW+4＝220，NW+5＝256。
若时间到达下一发布周期，例如一周之后，在W+1周(第21周)需要发布新的周间订购计划，此时在发布周间计划前可以在第24周预测量220的基础上20％上下浮动，此时由于本周W周为第21周，则W+3周次、W+4周次、W+5周次的订购计划分别为第24周次、第25周次、第26周次的订单需求计划，其中W+3周次(第24周)订购计划锁定，一经发布后不能更改，W+4周次(第25周)的订购计划可以围绕256上下浮动20％，W+5周次(第26周)的订购计划可由NW+5对应的预测模型进行预测。供应商根据W+4周次、W+5周次的订单预测数据，在第21周～第22周进行W+4周次(第25周)、W+5周次(第26周)周次的物料准备，为下周锁定第25周次订单的生产做准备。
通过本实施例，终端102利用预测的多个订单发布周期的销量和单月销量最大值，对未来订单进行动态预测，实现了减少订单发布的成本的效果。并且还可以通过锁定订购项的方式，提高了订单发布的效率。
应该理解的是，虽然图2-图3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-图3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种订单发布装置，包括：获取模块500、更新模块502和发布模块504，其中：
获取模块500，用于获取当前时间，若当前时间为订单更新时间，获取上一发布周期的历史发布订单；历史发布订单中至少包含一个锁定订购项、第一可调订购项和第二可调订购项；锁定订购项的数值在发布后不可调，第一可调订购项的数值在发布后的一个发布周期内可调，第二可调订购项的数值在发布后的两个发布周期内可调。
更新模块502，用于更新历史发布订单，得到当前待发布订单，包括：将历史发布订单中的第一可调订购项更新为锁定订购项，并更新其数值为第一预测值；将历史订单发布订单中的第二可调订购项更新为第一可调订购项，并更新数值为第二预测值；新建第二可调订购项，并确定其数值为第三预测值。
发布模块504，用于向对应的供应商账户发布当前待发布订单。
在一个实施例中，上述装置还包括：初始发布模块，用于获取当前时间，若当前时间为订单更新时间且属于第一个发布周期，获取当前时间对应的单月销量最大值和单月销量环比增长率最大值；根据当前时间对应的单月销量最大值和单月销量环比增长最大值，确定当前时间之后第三个发布周期订购主体的预测销量，作为第一预测值；根据第一预测值和当前时间对应的单月销量环比增长率最大值，确定当前时间之后第四个发布周期订购主体的预测销量，作为第二预测值；根据第二预测值和当前时间对应的单月销量环比增长率最大值，确定当前时间之后第五个发布周期订购主体的预测销量，作为第三预测值；生成包含初始锁定订购项、初始第一可调订购项以及初始第二可调订购项的初始待发布订单；其中初始锁定订购项、初始第一可调订购项以及第二可调订购项的数值分别为第一预测值、第二预测值以及第三预测值；向供应商账户发布初始待发布订单。
在一个实施例中，上述装置还包括：第一确定模块，用于根据当前时间对应的单月销量最大值和单月销量环比增长率最大值，确定当前时间之后的第三周订购主体的预测销量，得到第一预测值。
在一个实施例中，上述装置还包括：第二确定模块，用于根据第一预测值和当前时间对应的单月销量环比增长率最大值，确定当前时间之后第四周订购主体的预测销量，得到第二预测值。
在一个实施例中，上述装置还包括：第三确定模块，用于根据第二预测值和当前时间对应的单月销量环比增长率最大值，确定当前时间之后第五周订购主体的预测销量，得到第三预测值。
在一个实施例中，上述第一确定模块，具体用于获取第一预测模型；将当前时间对应的单月销量最大值和单月销量环比增长率最大值，输入第一预测模型，确定当前时间之后的第三周订购主体的预测销量，得到第一预测值。
在一个实施例中，上述第二确定模块，具体用于获取第二预测模型；将第一预测值和当前时间对应的单月销量环比增长率最大值，输入第二预测模型，确定当前时间之后第四周订购主体的预测销量，得到第二预测值。
在一个实施例中，上述第三确定模块，具体用于获取第三预测模型；将第二预测值和当前时间对应的单月销量环比增长率最大值，输入第三预测模型，得到第三预测值。
在一个实施例中，上述装置还包括：最大值确定模块，用于获取当前时间之前的最近三个月的单月销量，确定其中的最大单月销量，得到当前时间对应的单月销量最大值；获取当前时间之前的最近三个月的单月销量环比增长率，确定其中的最大单月销量环比增长率，得到当前时间对应的单月销量环比增长率最大值。
关于订单发布装置的具体限定可以参见上文中对于订单发布方法的限定，在此不再赘述。上述订单发布装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种订单发布方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述的订单发布方法。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的订单发布方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种订单发布方法，其特征在于，所述方法包括：
获取当前时间，若所述当前时间为订单更新时间，获取上一发布周期的历史发布订单；所述历史发布订单中至少包含一个锁定订购项、第一可调订购项和第二可调订购项；所述锁定订购项的数值在发布后不可调，所述第一可调订购项的数值在发布后的一个发布周期内可调，所述第二可调订购项的数值在发布后的两个发布周期内可调；
更新所述历史发布订单，得到当前待发布订单，包括：将所述历史发布订单中的第一可调订购项更新为锁定订购项，并更新其数值为第一预测值；将所述历史订单发布订单中的第二可调订购项更新为第一可调订购项，并更新数值为第二预测值；新建第二可调订购项，并确定其数值为第三预测值；
向对应的供应商账户发布所述当前待发布订单；
其中，所述第一预测值表征所述当前时间之后的第三个发布周期的订购主体的预测销量；所述第二预测值表征所述当前时间之后的第四个发布周期的订购主体的预测销量；所述第三预测值表征所述当前时间之后的第五个发布周期的订购主体的预测销量。
2.根据权利要求1所述的方法，其特征在于，还包括：
获取当前时间，若所述当前时间为订单更新时间且属于第一个发布周期，获取所述当前时间对应的单月销量最大值和单月销量环比增长率最大值；
根据所述当前时间对应的单月销量最大值和单月销量环比增长最大值，确定所述当前时间之后第三个发布周期所述订购主体的预测销量，作为第一预测值；
根据所述第一预测值和所述当前时间对应的单月销量环比增长率最大值，确定所述当前时间之后第四个发布周期所述订购主体的预测销量，作为第二预测值；
根据所述第二预测值和所述当前时间对应的单月销量环比增长率最大值，确定所述当前时间之后第五个发布周期所述订购主体的预测销量，作为第三预测值；
生成包含初始锁定订购项、初始第一可调订购项以及初始第二可调订购项的初始待发布订单；其中所述初始锁定订购项、所述初始第一可调订购项以及所述第二可调订购项的数值分别为所述第一预测值、所述第二预测值以及所述第三预测值；
向所述供应商账户发布所述初始待发布订单。
3.根据权利要求1所述的方法，其特征在于，所述发布周期以周为单位；所述第一预测值的确定方式，包括：
根据所述当前时间对应的单月销量最大值和所述单月销量环比增长率最大值，确定所述当前时间之后的第三周所述订购主体的预测销量，得到所述第一预测值；
所述第二预测值的确定方式，包括：
根据所述第一预测值和所述当前时间对应的单月销量环比增长率最大值，确定所述当前时间之后第四周所述订购主体的预测销量，得到所述第二预测值；
所述第三预测值的确定方式，包括：
根据所述第二预测值和所述当前时间对应的单月销量环比增长率最大值，确定所述当前时间之后第五周所述订购主体的预测销量，得到所述第三预测值；
其中，所述当前时间对应的单月销量最大值为，所述当前时间之前的至少两个月内的单月销量最大值；所述当前时间对应的单月销量环比增长率最大值为所述至少两个月内的单月销量环比增长率最大值。
4.根据权利要求3所述的方法，其特征在于，所述根据所述当前时间对应的单月销量最大值和所述单月销量环比增长率最大值，确定所述当前时间之后的第三周所述订购主体的预测销量，得到所述第一预测值，包括：
获取第一预测模型；
将所述当前时间对应的单月销量最大值和所述单月销量环比增长率最大值，输入所述第一预测模型，确定所述当前时间之后的第三周所述订购主体的预测销量，得到所述第一预测值；
其中，所述第一预测模型为：
Figure FDA0002777933380000021
其中，NW+3为所述第一预测值，KMAX为所述单月销量环比增长率最大值，NMAX为所述单月销量最大值。
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一预测值和所述当前时间对应的单月销量环比增长率最大值，确定所述当前时间之后第四周所述订购主体的预测销量，得到所述第二预测值，包括：
获取第二预测模型；
将所述第一预测值和所述当前时间对应的单月销量环比增长率最大值，输入所述第二预测模型，确定所述当前时间之后第四周所述订购主体的预测销量，得到所述第二预测值；
其中，所述第二预测模型为：
NW+4＝ROUNDUP(NW+3(1+KMAX))；其中，NW+4为所述第二预测值。
6.根据权利要求5所述的方法，其特征在于，所述根据所述第二预测值和所述当前时间对应的单月销量环比增长率最大值，确定所述当前时间之后第五周所述订购主体的预测销量，得到所述第三预测值，包括：
获取第三预测模型；
将所述第二预测值和所述当前时间对应的单月销量环比增长率最大值，输入所述第三预测模型，得到所述第三预测值；
其中，所述第三预测模型为：
NW+5＝ROUNDUP(NW+4(1+KMAX))；其中，NW+5为所述第三预测值。
7.根据权利要求2所述的方法，其特征在于，所述更新所述历史发布订单，得到当前待发布订单之前，还包括：
获取所述当前时间之前的最近三个月的单月销量，确定其中的最大单月销量，得到所述当前时间对应的单月销量最大值；
获取所述当前时间之前的最近三个月的单月销量环比增长率，确定其中的最大单月销量环比增长率，得到所述当前时间对应的单月销量环比增长率最大值。
8.一种订单发布装置，其特征在于，所述装置包括：
获取模块，用于获取当前时间，若所述当前时间为订单更新时间，获取上一发布周期的历史发布订单；所述历史发布订单中至少包含一个锁定订购项、第一可调订购项和第二可调订购项；所述锁定订购项的数值在发布后不可调，所述第一可调订购项的数值在发布后的一个发布周期内可调，所述第二可调订购项的数值在发布后的两个发布周期内可调；
更新模块，用于更新所述历史发布订单，得到当前待发布订单，包括：将所述历史订单发布订单中的第二可调订购项更新为第一可调订购项，并更新数值为第二预测值；新建第二可调订购项，并确定其数值为第三预测值；
发布模块，用于向对应的供应商账户发布所述当前待发布订单；
其中，所述第一预测值表征所述当前时间之后的第三个发布周期的订购主体的预测销量；所述第二预测值表征所述当前时间之后的第四个发布周期的订购主体的预测销量；所述第三预测值表征所述当前时间之后的第五个发布周期的订购主体的预测销量；
其中，所述当前时间对应的单月销量最大值为，所述当前时间之前的至少两个月内的单月销量最大值；所述当前时间对应的单月销量环比增长率最大值为所述至少两个月内的单月销量环比增长率最大值。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202011271872.3A 2020-11-13 2020-11-13 订单发布方法、装置、计算机设备和存储介质 Pending CN112561562A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011271872.3A CN112561562A (zh) 2020-11-13 2020-11-13 订单发布方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011271872.3A CN112561562A (zh) 2020-11-13 2020-11-13 订单发布方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN112561562A true CN112561562A (zh) 2021-03-26

Family

ID=75042360

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011271872.3A Pending CN112561562A (zh) 2020-11-13 2020-11-13 订单发布方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN112561562A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117436709A (zh) * 2023-12-20 2024-01-23 四川宽窄智慧物流有限责任公司 一种跨区域订单数据统筹预警方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104766144A (zh) * 2015-04-22 2015-07-08 携程计算机技术（上海）有限公司 订单预测方法及系统
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
JP2019032621A (ja) * 2017-08-04 2019-02-28 ヤフー株式会社 予測装置、予測方法及び予測プログラム
CN111222668A (zh) * 2018-11-27 2020-06-02 北京京东尚科信息技术有限公司 仓库单量预测方法、装置、电子设备和可读存储介质
CN111340421A (zh) * 2020-02-19 2020-06-26 广东卓志供应链科技有限公司 一种采购方法
CN111538955A (zh) * 2020-04-17 2020-08-14 北京小米松果电子有限公司 货品销量的预测方法、装置及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104766144A (zh) * 2015-04-22 2015-07-08 携程计算机技术（上海）有限公司 订单预测方法及系统
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
JP2019032621A (ja) * 2017-08-04 2019-02-28 ヤフー株式会社 予測装置、予測方法及び予測プログラム
CN111222668A (zh) * 2018-11-27 2020-06-02 北京京东尚科信息技术有限公司 仓库单量预测方法、装置、电子设备和可读存储介质
CN111340421A (zh) * 2020-02-19 2020-06-26 广东卓志供应链科技有限公司 一种采购方法
CN111538955A (zh) * 2020-04-17 2020-08-14 北京小米松果电子有限公司 货品销量的预测方法、装置及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117436709A (zh) * 2023-12-20 2024-01-23 四川宽窄智慧物流有限责任公司 一种跨区域订单数据统筹预警方法
CN117436709B (zh) * 2023-12-20 2024-03-19 四川宽窄智慧物流有限责任公司 一种跨区域订单数据统筹预警方法

Similar Documents

Publication Publication Date Title
Ziarnetzky et al. Rolling horizon, multi-product production planning with chance constraints and forecast evolution for wafer fabs
CN109993484A (zh) 数据处理方法及系统、介质和计算设备
CN110168529A (zh) 数据存储方法、装置和存储介质
Ojha et al. A multi-item transportation problem with fuzzy tolerance
CN112766596A (zh) 建筑能耗预测模型的构建方法、能耗预测方法及装置
US20190066235A1 (en) Systems and methods for energy management
CN103685347A (zh) 一种网络资源的配置方法和装置
Mohammadi et al. A genetic algorithm for simultaneous lotsizing and sequencing of the permutation flow shops with sequence-dependent setups
Xiang et al. Multi-dimensional data-based medium-and long-term power-load forecasting using double-layer CatBoost
Mazzi et al. Benders decomposition with adaptive oracles for large scale optimization
CN112561562A (zh) 订单发布方法、装置、计算机设备和存储介质
Shapiro et al. Dual bounds for periodical stochastic programs
CN107197013A (zh) 一种增强云计算环境节能系统
CN109684339B (zh) 供需单据的调整方法、装置、计算机设备和存储介质
Liang et al. Business value-aware task scheduling for hybrid IaaS cloud
CN115759574A (zh) 物资的存储方法、装置、计算机设备和存储介质
CN115564152A (zh) 基于stirpat模型的碳排放量预测方法及装置
CN116316537A (zh) 输电线路运行控制方法、装置、设备、介质和程序产品
CN114510682A (zh) 能耗计算方法、装置、计算机设备和存储介质
CN114510525A (zh) 数据格式转换方法、装置、计算机设备和存储介质
JP2023057945A (ja) 最適化問題求解装置及び最適化問題求解方法
CN114037519A (zh) 敞口风险评估方法、装置、计算机设备和存储介质
CN112633771A (zh) 电力资源数值计算方法、装置、计算机设备和存储介质
CN116432626B (zh) 面向条件控制断面约束的标准化解析方法、装置和设备
US20240160168A1 (en) Method for schematic design of modular power systems

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 511458 room 1201, No. 37, Jinlong, Nansha street, Xiangjiang financial and business center, Nansha District, Guangzhou City, Guangdong Province (office only)

Applicant after: Hechuang Automotive Technology Co.,Ltd.

Address before: 511458 room 1201, No. 37, Jinlong, Nansha street, Xiangjiang financial and business center, Nansha District, Guangzhou City, Guangdong Province (office only)

Applicant before: Hechuang Smart Technology Co.,Ltd.

Address after: 511458 room 1201, No. 37, Jinlong, Nansha street, Xiangjiang financial and business center, Nansha District, Guangzhou City, Guangdong Province (office only)

Applicant after: Hechuang Smart Technology Co.,Ltd.

Address before: Room 1201, No. 37, Jinsha street, Nansha street, Xiangjiang financial and business center, Nansha District, Guangzhou City, Guangdong Province

Applicant before: Guangzhou Auto Weilai New Energy Automotive Technology Co.,Ltd.