CN112784212A - 一种优化库存的方法和装置 - Google Patents
一种优化库存的方法和装置 Download PDFInfo
- Publication number
- CN112784212A CN112784212A CN201911071845.9A CN201911071845A CN112784212A CN 112784212 A CN112784212 A CN 112784212A CN 201911071845 A CN201911071845 A CN 201911071845A CN 112784212 A CN112784212 A CN 112784212A
- Authority
- CN
- China
- Prior art keywords
- stock
- overall
- days
- target
- inventory
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000007306 turnover Effects 0.000 claims abstract description 70
- 238000012216 screening Methods 0.000 claims abstract description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 38
- 238000005457 optimization Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 15
- 230000000737 periodic effect Effects 0.000 claims description 13
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Pure & Applied Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种优化库存的方法和装置,涉及仓储技术领域。该方法的一具体实施方式包括:根据历史订单数据对各个物品进行分组,从而得到各个品类下各个分组对应的物品集合;对于每个品类下每个分组:通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期;基于整体现货率和整体周转周期,筛选出目标安全库存天数和目标服务水平;根据所述目标安全库存天数和所述目标服务水平,分别计算所述品类下所述分组中各个物品的安全库存水位和目标库存水位。该实施方式能够解决参数配置不合理的技术问题。
Description
技术领域
本发明涉及仓储技术领域,尤其涉及一种优化库存的方法和装置。
背景技术
目前,对于单个仓库和单个商品需要配置的周期盘点库存模型参数(比如服务水平和安全库存天数等)通常是由运营人员凭经验敲定。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
当物品种类数目较少时,依据运营经验来敲定周期盘点库存模型的参数相对比较简单。但是当物品种类数目较多并且使用的仓库较多时,如果大量的参数配置单仍然凭经验配置,一方面会给运营人员造成较大的压力,另一方面也缺乏科学的参考,在实际生产过程中往往会造成库存水位过高、周转天数变长的局面,虽然降低了缺货的风险,但是也增加了滞留成本。
发明内容
有鉴于此,本发明实施例提供一种优化库存的方法和装置,以解决参数配置不合理的技术问题。
为实现上述目的,根据本发明实施例的一个方面,提供了一种优化库存的方法,包括:
根据历史订单数据对各个物品进行分组,从而得到各个品类下各个分组对应的物品集合;
对于每个品类下每个分组:通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期;基于整体现货率和整体周转周期,筛选出目标安全库存天数和目标服务水平;根据所述目标安全库存天数和所述目标服务水平,分别计算所述品类下所述分组中各个物品的安全库存水位和目标库存水位。
可选地,根据历史订单数据对各个物品进行分组,从而得到各个品类下各个分组对应的物品集合,包括:
根据历史订单数据分别计算各个物品的总利润;
按照总利润由大到小的顺序对所述各个物品进行排序,并根据排序将所述各个物品分成多个等级组;
根据所述各个物品所属的品类分别对所述多个等级组中的物品进行分类,得到各个品类下各个分组对应的物品集合。
可选地,根据排序将所述各个物品分成多个等级组,包括:
对排序中的各个总利润按照从头部到尾部的方向依次相加,当相加之和大于等于分组阈值时,将相加的各个总利润对应的物品划分为同一等级组;重复执行该步骤,直到排序的尾部,从而得到多个等级组。
可选地,通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期,包括:
按照第一步长对安全库存天数进行递增,得到不同的安全库存天数;
按照第二步长对服务水平进行递增,得到不同的服务水平;
分别计算不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期。
可选地,对于任意一个安全库存天数及其对应的任意一个服务水平,采用如下方法计算整体现货率和整体周转周期:
根据所述安全库存天数和所述服务水平分别计算各个物品的目标库存水位和安全库存水位,从而分别拟合得到所述各个物品在未来一段时间内的库存数据;
根据所述各个物品在未来一段时间内的库存数据和销量数据计算整体现货率和整体周转周期。
可选地,根据所述安全库存天数和所述服务水平分别计算各个物品的目标库存水位和安全库存水位,从而分别拟合得到所述各个物品在未来一段时间内的库存数据,包括:
对于任意一个物品,采用如下方法计算库存数据:
根据所述安全库存天数和所述服务水平计算所述物品的安全库存水位和目标库存水位;
根据所述物品的初始库存、销量预测值、安全库存水位和目标库存水位,拟合得到所述物品在未来一段时间内的库存数据。
可选地,根据所述安全库存天数和所述服务水平计算所述物品的安全库存水位和目标库存水位,包括:
采用周期盘点库存模型计算所述物品的安全库存水位和目标库存水位;
其中,所述周期盘点库存模型描述了补货周期、销量预测值、补货提前期、安全库存天数和服务水平的函数关系。
可选地,根据所述各个物品在未来一段时间内的库存数据和销量数据计算整体现货率和整体周转周期,包括:
根据所述各个物品在未来一段时间内的库存数据,确定所述各个物品在未来一段时间内的现货状态,从而确定未来一段时间内每天的缺货种类个数;根据所述各个物品在未来一段时间内的销量数据,确定所述各个物品未来一段时间内每天的销售种类之和,将所述缺货种类个数之和与所述销售种类个数之和相除,得到商值;将一减去所述商值,得到整体现货率;
将所述各个物品在未来一段时间内的库存值之和与销量预测值之和相除,得到整体周转周期。
可选地,通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期,包括:
步骤1),初始化服务水平为服务水平阈值的最小值;
步骤2),初始化安全库存天数为一;
步骤3),根据所述安全库存天数和所述服务水平分别计算各个物品的目标库存水位和安全库存水位,从而分别拟合得到所述各个物品在未来一段时间内的库存数据;
步骤4),根据所述各个物品在未来一段时间内的库存数据,判断所述各个物品在补货提前期外的库存值是否均大于零;
若否,则将所述安全库存天数加上第一步长,并执行步骤3);
若是,则根据所述各个物品在未来一段时间内的库存数据和销量数据计算整体现货率和整体周转周期,并判断将所述服务水平加上第二步长后是否达到服务水平阈值的最大值;若否,则执行步骤2);若是,则结束。
可选地,基于整体现货率和整体周转周期,筛选出目标安全库存天数和目标服务水平,包括:
从不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期中,删除整体现货率小于最低现货率的数据;其中,每组数据包括安全库存天数、服务水平、整体现货率和整体周转周期;
从删除后的数据中筛选出整体现货率最小的数据;
按照整体周转周期由小到大的顺序,对筛选出的整体现货率最小的数据进行排序,筛选出整体周转周期最小的目标数据;其中,所述目标数据包括目标安全库存天数、目标服务水平、所述目标安全库存天数和所述目标服务水平对应的整体现货率和整体周转周期。
另外,根据本发明实施例的另一个方面,提供了一种优化库存的装置,包括:
分组模块,用于根据历史订单数据对各个物品进行分组,从而得到各个品类下各个分组对应的物品集合;
优化模块,用于对于每个品类下每个分组:通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期;基于整体现货率和整体周转周期,筛选出目标安全库存天数和目标服务水平;根据所述目标安全库存天数和所述目标服务水平,分别计算所述品类下所述分组中各个物品的安全库存水位和目标库存水位。
可选地,所述分组模块还用于:
根据历史订单数据分别计算各个物品的总利润;
按照总利润由大到小的顺序对所述各个物品进行排序,并根据排序将所述各个物品分成多个等级组;
根据所述各个物品所属的品类分别对所述多个等级组中的物品进行分类,得到各个品类下各个分组对应的物品集合。
可选地,所述分组模块还用于:
对排序中的各个总利润按照从头部到尾部的方向依次相加,当相加之和大于等于分组阈值时,将相加的各个总利润对应的物品划分为同一等级组;重复执行该步骤,直到排序的尾部,从而得到多个等级组。
可选地,所述优化模块还用于:
按照第一步长对安全库存天数进行递增,得到不同的安全库存天数;
按照第二步长对服务水平进行递增,得到不同的服务水平;
分别计算不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期。
可选地,所述优化模块还用于:
根据所述安全库存天数和所述服务水平分别计算各个物品的目标库存水位和安全库存水位,从而分别拟合得到所述各个物品在未来一段时间内的库存数据;
根据所述各个物品在未来一段时间内的库存数据和销量数据计算整体现货率和整体周转周期。
可选地,所述优化模块还用于:
对于任意一个物品,采用如下方法计算库存数据:
根据所述安全库存天数和所述服务水平计算所述物品的安全库存水位和目标库存水位;
根据所述物品的初始库存、销量预测值、安全库存水位和目标库存水位,拟合得到所述物品在未来一段时间内的库存数据。
可选地,所述优化模块还用于:
采用周期盘点库存模型计算所述物品的安全库存水位和目标库存水位;
其中,所述周期盘点库存模型描述了补货周期、销量预测值、补货提前期、安全库存天数和服务水平的函数关系。
可选地,所述优化模块还用于:
根据所述各个物品在未来一段时间内的库存数据,确定所述各个物品在未来一段时间内的现货状态,从而确定未来一段时间内每天的缺货种类个数;根据所述各个物品在未来一段时间内的销量数据,确定所述各个物品未来一段时间内每天的销售种类之和,将所述缺货种类个数之和与所述销售种类个数之和相除,得到商值;将一减去所述商值,得到整体现货率;
将所述各个物品在未来一段时间内的库存值之和与销量预测值之和相除,得到整体周转周期。
可选地,所述优化模块还用于:
步骤1),初始化服务水平为服务水平阈值的最小值;
步骤2),初始化安全库存天数为一;
步骤3),根据所述安全库存天数和所述服务水平分别计算各个物品的目标库存水位和安全库存水位,从而分别拟合得到所述各个物品在未来一段时间内的库存数据;
步骤4),根据所述各个物品在未来一段时间内的库存数据,判断所述各个物品在补货提前期外的库存值是否均大于零;
若否,则将所述安全库存天数加上第一步长,并执行步骤3);
若是,则根据所述各个物品在未来一段时间内的库存数据和销量数据计算整体现货率和整体周转周期,并判断将所述服务水平加上第二步长后是否达到服务水平阈值的最大值;若否,则执行步骤2);若是,则结束。
可选地,所述优化模块还用于:
从不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期中,删除整体现货率小于最低现货率的数据;其中,每组数据包括安全库存天数、服务水平、整体现货率和整体周转周期;
从删除后的数据中筛选出整体现货率最小的数据;
按照整体周转周期由小到大的顺序,对筛选出的整体现货率最小的数据进行排序,筛选出整体周转周期最小的目标数据;其中,所述目标数据包括目标安全库存天数、目标服务水平、所述目标安全库存天数和所述目标服务水平对应的整体现货率和整体周转周期。
根据本发明实施例的另一个方面,还提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一实施例所述的方法。
根据本发明实施例的另一个方面,还提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果:因为采用将物品分成各个品类下各个分组,对每个分组分别进行参数优化,从而基于最优的参数来优化库存的技术手段,所以克服了现有技术中参数配置不合理的技术问题。本发明实施例本发明实施例首先根据历史订单数据对各个物品进行分组得到各个品类下各个分组对应的物品集合,这样可以减少求解问题的变量,然后在问题量级变少的情况下通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期,并进一步筛选出最优的安全库存天数和服务水平,从而实现库存优化。因此,本发明实施例可以更加合理地、科学地配置相关参数,减少物品的停止成本,优化库存结构,降低周转时间,尤其适用于物品种类多和仓库数量多的场景,能够有效减少运营人员的压力。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的优化库存的方法的主要流程的示意图;
图2是根据本发明一个可参考实施例的优化库存的方法的主要流程的示意图;
图3是根据本发明另一个可参考实施例的优化库存的方法的主要流程的示意图;
图4是根据本发明又一个可参考实施例的优化库存的方法的主要流程的示意图;
图5是根据本发明实施例的优化库存的装置的主要模块的示意图;
图6是本发明实施例可以应用于其中的示例性系统架构图;
图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的优化库存的方法的主要流程的示意图。作为本发明的一个实施例,如图1所示,所述优化库存的方法可以包括:
步骤101,根据历史订单数据对各个物品进行分组,从而得到各个品类下各个分组对应的物品集合。
在该步骤中,首先获取历史订单数据,比如过去三个月、过去半年或者过去一年等;然后根据历史订单数据计算订单中各个物品的销量之和,从而得到各个物品的总利润;最后基于各个物品的总利润和各个物品所述的品类对各个物品进行分组,得到各个品类下各个分组对应的物品集合。其中,每个品类下的每个分组对应于一个物品集合,物品集合中包括至少一个物品。
可选地,步骤101可以包括:根据历史订单数据分别计算各个物品的总利润;按照总利润由大到小的顺序对所述各个物品进行排序,并根据排序将所述各个物品分成多个等级组;根据所述各个物品所属的品类分别对所述多个等级组中的物品进行分类,得到各个品类下各个分组对应的物品集合。在本发明的实施例中,首先根据历史订单数据分别统计出订单中每个物品的总销量Sai,根据每个物品的利润,得到每个物品的总利润Sai*pi,还可以进一步地得到各个物品的总利润之和Sa=∑iSai*pi。然后按照总利润Sai*pi由大到小的顺序对各个物品进行排序,并根据排序将这些物品分成多个等级,得到等级组。比如可以分为三组、五组、六组或者八组等,每个等级组是一个大的物品集合。最后,对于每个等级组,根据该等级组内各个物品所属的品类(比如二级品类或者三级品类等),将各个物品进行分类,得到该等级组中各个品类对应的物品集合。因此,对每个等级组分别进行品类划分后,可以得到各个品类下各个分组对应的物品集合。
在本发明的另一个实施例中,除了按照总利润进行排序,也可以按照总利润与售价的加权值进行排序,总利润与售价的权重系数可以根据需要设定,本发明实施例对此不作限制。
可选地,根据排序将所述各个物品分成多个等级组,包括:对排序中的各个总利润按照从头部到尾部的方向依次相加,当相加之和大于等于分组阈值时,将相加的各个总利润对应的物品划分为同一等级组;重复执行该步骤,直到排序的尾部,从而得到多个等级组。由于已经计算得到了各个物品的总利润之和Sa=∑iSai*pi,如果将物品划分为五个等级,那么对排序中的各个总利润按照从头部到尾部的方向依次相加,当相加之和大于20%Sa时,将这些相加的各个总利润对应的物品划分到同一等级组中,记为A等级,以此类推B,C,D,E等级对应的物品集合。
可见,本发明实施例根据历史订单数据以及各个物品的基础信息对各个物品进行等级划分,也就是对物品进行聚类,以便后续对每个品类下每个分组进行参数选择,减少参数组合的量级。
步骤102,对于每个品类下每个分组:通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期;基于整体现货率和整体周转周期,筛选出目标安全库存天数和目标服务水平;根据所述目标安全库存天数和所述目标服务水平,分别计算所述品类下所述分组中各个物品的安全库存水位和目标库存水位。
在该步骤中,对于每个品类下每个分组,通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期,然后筛选出合适的安全库存天数和服务水平,那么该分组中的每个物品都配置筛选出的安全库存天数和服务水平。最后根据筛选出的安全库存天数和服务水平,分别计算得到该分组中各个物品的安全库存水位和目标库存水位。在本发明的实施例中,由于按照步骤101对物品进行了分组,对于每个分组只要求解一组配置参数(安全库存天数和服务水平),这样可以大大减少求解问题的量级,显著提高求解效率;而且通过迭代方式求解配置参数并筛选出配置参数,可以合理地、科学地计算出配置参数,达到减少运营人员的压力,优化库存结构的技术效果。
可选地,通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期,包括:按照第一步长对安全库存天数进行递增,得到不同的安全库存天数;按照第二步长对服务水平进行递增,得到不同的服务水平;分别计算不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期。BP是为了应对未来的不可预测的波动情况的安全库存天数,服务水平K表示如果销量预测值的分布满足正态分布的情况下,不缺货的概率。可以预先设定第一步长stepbp和第二步长stepk,BP代表安全库存天数,第一步长stepbp可以设置为0.5、1、1.5或者2等,K代表服务水平,第二步长stepk可以设置为0.01、0.02、0.03或者0.04等。
在本发明的实施例中,分别基于步长对安全库存天数和服务水平依次进行递增,可以得到不同的安全库存天数对应的不同的服务水平,分别计算不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期,这样可以保证不遗漏最优解。
可选地,对于任意一个安全库存天数及其对应的任意一个服务水平,采用如下方法计算整体现货率和整体周转周期:根据所述安全库存天数和所述服务水平分别计算各个物品的目标库存水位和安全库存水位,从而分别拟合得到所述各个物品在未来一段时间内的库存数据;根据所述各个物品在未来一段时间内的库存数据和销量数据计算整体现货率和整体周转周期。对于任意一个安全库存天数及其对应的任意一个服务水平来说,可以根据该安全库存天数和该服务水平计算该分组内每个物品在每个仓库中的目标库存水位和安全库存水位,接着拟合得到每个物品在未来一段时间内在每个仓库中的库存数据,然后根据库存数据和销量数据计算该分组内所有物品在所有仓库中的整体现货率和整体周转周期。
可选地,根据所述安全库存天数和所述服务水平分别计算各个物品的目标库存水位和安全库存水位,从而分别拟合得到所述各个物品在未来一段时间内的库存数据,包括:
对于任意一个物品,采用如下方法计算库存数据:根据所述安全库存天数和所述服务水平计算所述物品的安全库存水位和目标库存水位;根据所述物品的初始库存、销量预测值、安全库存水位和目标库存水位,拟合得到所述物品在未来一段时间内的库存数据。
由于每个分组内各个物品在不同仓库中的安全库存水位和目标库存水位、初始库存等各不相同,因此需要根据各个物品在不同仓库中的安全库存水位、目标库存水位和初始库存来拟合各个物品在未来一段时间内在不同仓库中的库存数据。
可选地,根据所述安全库存天数和所述服务水平计算所述物品的安全库存水位和目标库存水位,包括:采用周期盘点库存模型计算所述物品的安全库存水位和目标库存水位;其中,所述周期盘点库存模型描述了补货周期、销量预测值、补货提前期、安全库存天数和服务水平的函数关系。在本发明的实施例中,可以采用周期盘点库存模型计算某一个物品在某一个仓库中的安全库存水位和目标库存水位。
可选地,所述周期盘点库存模型可以描述为:
目标库存水位St=μD(μVLT+NRT)+SS+μD*BP
其中,NRT是物品的补货周期,μD是物品在未来一段时间内销量预测均值,μVLT是补货提前期的均值,BP是安全库存天数,K是服务水平,Zk是K对应的标准正态分布的Z值,σD是销量预测值的标准差,σVLT是补货提前期的标准差。
需要指出的是,NRT一般是业务侧根据经验设定的,设定某个值之后不会频繁变化;假设拟合各个物品在未来30天内的库存数据,那么μD是某个物品在未来30天内的销量预测均值。每个物品在每个仓库的补货提前期各不相同,可以从基础配置信息中直接获取。基础配置信息可以采用键值对的方式进行存储,key为仓库和物品标识(比如SKU)组合的二元组,value是对应的补货提前期。补货提前期的均值是通过计算历史采购单从采购单发出到入库总时间的平均值,通常是一个月更新一次,便于后续将补货提前期内的库存状态剔除考虑范围。在本发明的实施例中,由于这段时间的库存状态受初始库存的影响较大,所以不考虑补货提前期内的库存状态,只考虑补货提前期后续的库存状态。
在计算得到物品在仓库中的目标库存水位和安全库存水位之后,可以结合该物品在仓库中的初始库存和该物品每天的销量预测值来拟合未来一段时间内的库存数据。举例来说:
第一天:当前库存=前一天的库存量,判断当前库存是否小于安全库存水位,如果是,则按照目标库存水位-当前库存水位=补货数据,按照补货数据进行补货,库存数据=当前库存-销量预测值。
第二天:当前库存=第一天的库存数据,库存数据=当前库存-销量预测值。
第三天:当前库存=第二天的库存数据,假设补货提前期为两天,那么第三天补到货,库存数据=当前库存+补货数据-销量预测值。
第四天、第五天……,以此类推,不再赘述。
需要说明的是,如果仓库中某个物品没有初始库存,则可以使用该物品在该仓库中补货提前期内的预测销量值之和来代替。
那么,根据上述拟合结合就可以得到未来一段时间内的库存数据,判断每一天的现货状态,如果库存值大于零,则将库存状态置为1,如果库存值为零,则将库存状态置为-1,从而将拟合得到的库存数据转化为一个多维的状态向量。如果拟合得到未来30天的库存数据,就可以转化为一个30维的状态向量,根据该状态向量就可以知道未来30天每一天的现货状态。
可选地,根据所述各个物品在未来一段时间内的库存数据和销量数据计算整体现货率和整体周转周期,包括:根据所述各个物品在未来一段时间内的库存数据,确定所述各个物品在未来一段时间内的现货状态,从而确定未来一段时间内每天的缺货种类个数;根据所述各个物品在未来一段时间内的销量数据,确定所述各个物品未来一段时间内每天的销售种类之和,将所述缺货种类个数之和与所述销售种类个数之和相除,得到商值;将一减去所述商值,得到整体现货率;将所述各个物品在未来一段时间内的库存值之和与销量预测值之和相除,得到整体周转周期。
计算整体现货率Spa和整体周转时间Ct,公式如下:
其中,TNA表示每天销售的物品中缺货的物品种类个数,Total表示每天销售的物品种类数总数,stocki表示未来一段时间内物品i的库存值,salei表示未来一段时间内物品i的预测值。
通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期之后,找到一个满足最低现货率要求的且周转时间低的参数方案,也就寻找满足要求的最优参数。
由于K和BP会影响每个仓库每个物品的安全库存水位和目标库存水位,K和BP越大,那么缺货的可能性就越低,但是同时这相当于仓库中的物品一直有较大库存量,这样滞留成本就会增加,相应地,周转时间也会变长,所以迭代的目标是为了筛选出合适的K和BP,使得既满足现货率要求又能相对应的是一个较小的周转时间。
在筛选出合适的K和BP之后,就可以对这个品类下这个分组汇总的所有物品都配置相同的K和BP,然后采用周期盘点库存模型计算这个品类下这个分组中每个物品的目标库存水位和安全库存水位,从而实现库存优化。
根据上面所述的各种实施例,可以看出本发明通过将物品分成各个品类下各个分组,对每个分组分别进行参数优化,从而基于最优的参数来优化库存的技术手段,解决了现有技术中参数配置不合理的技术问题。本发明实施例首先根据历史订单数据对各个物品进行分组得到各个品类下各个分组对应的物品集合,这样可以减少求解问题的变量,然后在问题量级变少的情况下通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期,并进一步筛选出最优的安全库存天数和服务水平,从而实现库存优化。因此,本发明实施例可以更加合理地、科学地配置相关参数,减少物品的停止成本,优化库存结构,降低周转时间,尤其适用于物品种类多和仓库数量多的场景,能够有效减少运营人员的压力。
图2是根据本发明一个可参考实施例的物品分组过程的主要流程的示意图。如图2所示,物品分组过程可以包括以下步骤:
步骤201,根据过去半年的订单数据分别计算各个物品的总销量Sai。
步骤202,根据各个物品的利润,分别计算各个物品的总利润Sai*pi,并计算各个物品的总利润之和Sa=∑iSai*pi和各个物品的售价之和。
步骤203,按照总利润Sai*pi和售价的加权值由大到小的顺序对各个物品进行排序。
步骤204,根据排序将这些物品分成多个等级组。
如果将物品划分为四个等级,那么对排序中的各个加权值按照从头部到尾部的方向依次相加,当相加之和大于25%时,将这些相加的各个加权值对应的物品划分到同一组中,记为A等级,以此类推B,C,D等级对应的物品集合。
步骤205,根据各个物品所属的三级品类分别对每个等级组中的物品进行分类,从而得到各个品类下各个分组对应的物品集合。
假设三级品类有5个,那么对每个等级组均进行品类划分,最终总共可以得到最多20个物品集合。
本发明实施例根据历史订单数据以及各个物品的基础信息对各个物品进行等级划分,也就是对物品进行聚类,以便后续对每个品类下每个分组进行参数选择,减少参数组合的量级。
另外,在本发明一个可参考实施例中优化库存的方法的具体实施内容,在上面所述优化库存的方法中已经详细说明了,故在此重复内容不再说明。
图3是根据本发明另一个可参考实施例的优化库存的方法的主要流程的示意图。如图3所示,迭代过程可以包括以下步骤:
步骤301,选定某个品类和某个等级对应的物品集合。比如可以是三级品类A等级,三级品类B等级,二级品类D等级等。
步骤302,初始化服务水平为K设定范围的最小值,记为K。
K的设定范围通常根据经验人为设定,一般设定为0.90-0.99,可以初始化K=0.90。
步骤303,初始化BP=1
步骤304,根据周期盘点库存模型计算该物品集合中各个物品在各个仓库中的安全库存水位和目标库存水位。
所述周期盘点库存模型可以描述为:
目标库存水位St=μD(μVLT+NRT)+SS+μD*BP
其中,NRT是物品的补货周期,μD是物品在未来一段时间内销量预测均值,μVLT是补货提前期的均值,BP是安全库存天数,K是服务水平,Zk是K对应的标准正态分布的Z值,σD是销量预测值的标准差,σVLT是补货提前期的标准差。
步骤305,根据初始库存、销量预测值、安全库存水位和目标库存水位,拟合各个物品在未来30天内在各个仓库中的库存数据。
步骤306,根据拟合出的库存数据判断各个物品每一天的现货状态。
对于某一个物品在某一个仓库中的库存数据来说,如果库存值大于零,则将库存状态置为1,如果库存值为零,则将库存状态置为-1,从而将拟合得到的库存数据转化为一个30维的状态向量。
步骤307,判断在补货提前期外的时间里现货状态是否全部为1。若是,则执行步骤308;若否,则执行步骤311。
步骤308,根据各个物品在未来30天内的库存数据和销量数据计算整体现货率和整体周转周期。
步骤309,K=K+0.01
步骤310,判断K是否达到上限1;若是,则结束;若否,则执行步骤303。
步骤311,BP=BP+1
上述步骤是一个品类一个等级中的物品集合计算逻辑,可能会有多个物品分组,可以采用多并发运行,这样可以减少运行时间。
另外,在本发明另一个可参考实施例中优化库存的方法的具体实施内容,在上面所述优化库存的方法中已经详细说明了,故在此重复内容不再说明。
图4是根据本发明又一个可参考实施例的优化库存的方法的主要流程的示意图。如图4所示,筛选最优参数的过程可以包括以下步骤:
步骤401,从不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期中,删除整体现货率小于最低现货率的数据。
对于某一个品类下某一个等级对应的物品集合,得到了不同安全库存天数和不同的服务水平对应的整体现货率和整体周转周期。在本发明实施例中,为了便于描述,将某一个安全库存天数和某一个服务水平对应的整体现货率和整体周转周期作为一组数据,也即是说,每组数据包括安全库存天数、服务水平、整体现货率和整体周转周期。
在步骤401中,对整体现货率按照由小到大的顺序,对多组数据进行排序,根据预先设定的最低现货率,从多组数据中删除整体现货率小于最低现货率的数据。
步骤402,从删除后的数据中筛选出整体现货率最小的数据。
从删除后的多组数据中筛选出整体现货率最小的至少一组数据,筛选出的每组数据的整体现货率最小,即这些数据的整体现货率为Spam。
需要指出的是,如果整体现货率最小的数据只有一组,可以直接结束,如果整体现货率最小的数据有多组,则继续执行步骤403和步骤404。
步骤403,按照整体周转周期由小到大的顺序,对筛选出的整体现货率最小的数据进行排序。
步骤404,筛选出整体周转周期最小的目标数据。
所述目标数据包括目标安全库存天数、目标服务水平、所述目标安全库存天数和所述目标服务水平对应的整体现货率和整体周转周期。
筛选出目标数据后,也就得到了最优的服务水平和安全库存天数,然后再次采用周期盘点库存模型计算安全库存水位和目标库存水位。
另外,在本发明又一个可参考实施例中优化库存的方法的具体实施内容,在上面所述优化库存的方法中已经详细说明了,故在此重复内容不再说明。
图5是根据本发明实施例的优化库存的装置的主要模块的示意图,如图5所示,所述优化库存的装置500包括分组模块501和优化模块502。其中,分组模块501用于根据历史订单数据对各个物品进行分组,从而得到各个品类下各个分组对应的物品集合;优化模块502用于对于每个品类下每个分组:通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期;基于整体现货率和整体周转周期,筛选出目标安全库存天数和目标服务水平;根据所述目标安全库存天数和所述目标服务水平,分别计算所述品类下所述分组中各个物品的安全库存水位和目标库存水位。
可选地,所述分组模块501还用于:
根据历史订单数据分别计算各个物品的总利润;
按照总利润由大到小的顺序对所述各个物品进行排序,并根据排序将所述各个物品分成多个等级组;
根据所述各个物品所属的品类分别对所述多个等级组中的物品进行分类,得到各个品类下各个分组对应的物品集合。
可选地,所述分组模块501还用于:
对排序中的各个总利润按照从头部到尾部的方向依次相加,当相加之和大于等于分组阈值时,将相加的各个总利润对应的物品划分为同一等级组;重复执行该步骤,直到排序的尾部,从而得到多个等级组。
可选地,所述优化模块502还用于:
按照第一步长对安全库存天数进行递增,得到不同的安全库存天数;
按照第二步长对服务水平进行递增,得到不同的服务水平;
分别计算不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期。
可选地,所述优化模块502还用于:
根据所述安全库存天数和所述服务水平分别计算各个物品的目标库存水位和安全库存水位,从而分别拟合得到所述各个物品在未来一段时间内的库存数据;
根据所述各个物品在未来一段时间内的库存数据和销量数据计算整体现货率和整体周转周期。
可选地,所述优化模块502还用于:
对于任意一个物品,采用如下方法计算库存数据:
根据所述安全库存天数和所述服务水平计算所述物品的安全库存水位和目标库存水位;
根据所述物品的初始库存、销量预测值、安全库存水位和目标库存水位,拟合得到所述物品在未来一段时间内的库存数据。
可选地,所述优化模块502还用于:
采用周期盘点库存模型计算所述物品的安全库存水位和目标库存水位;
其中,所述周期盘点库存模型描述了补货周期、销量预测值、补货提前期、安全库存天数和服务水平的函数关系。
可选地,所述优化模块502还用于:
根据所述各个物品在未来一段时间内的库存数据,确定所述各个物品在未来一段时间内的现货状态,从而确定未来一段时间内每天的缺货种类个数;根据所述各个物品在未来一段时间内的销量数据,确定所述各个物品未来一段时间内每天的销售种类之和,将所述缺货种类个数之和与所述销售种类个数之和相除,得到商值;将一减去所述商值,得到整体现货率;
将所述各个物品在未来一段时间内的库存值之和与销量预测值之和相除,得到整体周转周期。
可选地,所述优化模块502还用于:
步骤1),初始化服务水平为服务水平阈值的最小值;
步骤2),初始化安全库存天数为一;
步骤3),根据所述安全库存天数和所述服务水平分别计算各个物品的目标库存水位和安全库存水位,从而分别拟合得到所述各个物品在未来一段时间内的库存数据;
步骤4),根据所述各个物品在未来一段时间内的库存数据,判断所述各个物品在补货提前期外的库存值是否均大于零;
若否,则将所述安全库存天数加上第一步长,并执行步骤3);
若是,则根据所述各个物品在未来一段时间内的库存数据和销量数据计算整体现货率和整体周转周期,并判断将所述服务水平加上第二步长后是否达到服务水平阈值的最大值;若否,则执行步骤2);若是,则结束。
可选地,所述优化模块502还用于:
从不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期中,删除整体现货率小于最低现货率的数据;其中,每组数据包括安全库存天数、服务水平、整体现货率和整体周转周期;
从删除后的数据中筛选出整体现货率最小的数据;
按照整体周转周期由小到大的顺序,对筛选出的整体现货率最小的数据进行排序,筛选出整体周转周期最小的目标数据;其中,所述目标数据包括目标安全库存天数、目标服务水平、所述目标安全库存天数和所述目标服务水平对应的整体现货率和整体周转周期。
根据上面所述的各种实施例,可以看出本发明通过将物品分成各个品类下各个分组,对每个分组分别进行参数优化,从而基于最优的参数来优化库存的技术手段,解决了现有技术中参数配置不合理的技术问题。本发明实施例首先根据历史订单数据对各个物品进行分组得到各个品类下各个分组对应的物品集合,这样可以减少求解问题的变量,然后在问题量级变少的情况下通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期,并进一步筛选出最优的安全库存天数和服务水平,从而实现库存优化。因此,本发明实施例可以更加合理地、科学地配置相关参数,减少物品的停止成本,优化库存结构,降低周转时间,尤其适用于物品种类多和仓库数量多的场景,能够有效减少运营人员的压力。
需要说明的是,在本发明所述优化库存的装置的具体实施内容,在上面所述优化库存的方法中已经详细说明了,故在此重复内容不再说明。
图6示出了可以应用本发明实施例的优化库存的方法或优化库存的装置的示例性系统架构600。
如图6所示,系统架构600可以包括终端设备601、602、603,网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备601、602、603通过网络604与服务器605交互,以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器605可以是提供各种服务的服务器,例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的物品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、物品信息——仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的优化库存的方法一般由服务器605执行,相应地,所述优化库存的装置一般设置在服务器605中。本发明实施例所提供的优化库存的方法也可以由终端设备601、602、603执行,相应地,所述优化库存的装置可以设置在终端设备601、602、603中。
应该理解,图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图7,其示出了适于用来实现本发明实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,计算机系统700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括分组模块和优化模块,其中,这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:根据历史订单数据对各个物品进行分组,从而得到各个品类下各个分组对应的物品集合;对于每个品类下每个分组:通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期;基于整体现货率和整体周转周期,筛选出目标安全库存天数和目标服务水平;根据所述目标安全库存天数和所述目标服务水平,分别计算所述品类下所述分组中各个物品的安全库存水位和目标库存水位。
根据本发明实施例的技术方案,因为采用将物品分成各个品类下各个分组,对每个分组分别进行参数优化,从而基于最优的参数来优化库存的技术手段,所以克服了现有技术中参数配置不合理的技术问题。本发明实施例本发明实施例首先根据历史订单数据对各个物品进行分组得到各个品类下各个分组对应的物品集合,这样可以减少求解问题的变量,然后在问题量级变少的情况下通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期,并进一步筛选出最优的安全库存天数和服务水平,从而实现库存优化。因此,本发明实施例可以更加合理地、科学地配置相关参数,减少物品的停止成本,优化库存结构,降低周转时间,尤其适用于物品种类多和仓库数量多的场景,能够有效减少运营人员的压力。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (13)
1.一种优化库存的方法,其特征在于,包括:
根据历史订单数据对各个物品进行分组,从而得到各个品类下各个分组对应的物品集合;
对于每个品类下每个分组:通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期;基于整体现货率和整体周转周期,筛选出目标安全库存天数和目标服务水平;根据所述目标安全库存天数和所述目标服务水平,分别计算所述品类下所述分组中各个物品的安全库存水位和目标库存水位。
2.根据权利要求1所述的方法,其特征在于,根据历史订单数据对各个物品进行分组,从而得到各个品类下各个分组对应的物品集合,包括:
根据历史订单数据分别计算各个物品的总利润;
按照总利润由大到小的顺序对所述各个物品进行排序,并根据排序将所述各个物品分成多个等级组;
根据所述各个物品所属的品类分别对所述多个等级组中的物品进行分类,得到各个品类下各个分组对应的物品集合。
3.根据权利要求2所述的方法,其特征在于,根据排序将所述各个物品分成多个等级组,包括:
对排序中的各个总利润按照从头部到尾部的方向依次相加,当相加之和大于等于分组阈值时,将相加的各个总利润对应的物品划分为同一等级组;重复执行该步骤,直到排序的尾部,从而得到多个等级组。
4.根据权利要求1所述的方法,其特征在于,通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期,包括:
按照第一步长对安全库存天数进行递增,得到不同的安全库存天数;
按照第二步长对服务水平进行递增,得到不同的服务水平;
分别计算不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期。
5.根据权利要求4所述的方法,其特征在于,对于任意一个安全库存天数及其对应的任意一个服务水平,采用如下方法计算整体现货率和整体周转周期:
根据所述安全库存天数和所述服务水平分别计算各个物品的目标库存水位和安全库存水位,从而分别拟合得到所述各个物品在未来一段时间内的库存数据;
根据所述各个物品在未来一段时间内的库存数据和销量数据计算整体现货率和整体周转周期。
6.根据权利要求5所述的方法,其特征在于,根据所述安全库存天数和所述服务水平分别计算各个物品的目标库存水位和安全库存水位,从而分别拟合得到所述各个物品在未来一段时间内的库存数据,包括:
对于任意一个物品,采用如下方法计算库存数据:
根据所述安全库存天数和所述服务水平计算所述物品的安全库存水位和目标库存水位;
根据所述物品的初始库存、销量预测值、安全库存水位和目标库存水位,拟合得到所述物品在未来一段时间内的库存数据。
7.根据权利要求6所述的方法,其特征在于,根据所述安全库存天数和所述服务水平计算所述物品的安全库存水位和目标库存水位,包括:
采用周期盘点库存模型计算所述物品的安全库存水位和目标库存水位;
其中,所述周期盘点库存模型描述了补货周期、销量预测值、补货提前期、安全库存天数和服务水平的函数关系。
8.根据权利要求5所述的方法,其特征在于,根据所述各个物品在未来一段时间内的库存数据和销量数据计算整体现货率和整体周转周期,包括:
根据所述各个物品在未来一段时间内的库存数据,确定所述各个物品在未来一段时间内的现货状态,从而确定未来一段时间内每天的缺货种类个数;根据所述各个物品在未来一段时间内的销量数据,确定所述各个物品未来一段时间内每天的销售种类之和,将所述缺货种类个数之和与所述销售种类个数之和相除,得到商值;将一减去所述商值,得到整体现货率;
将所述各个物品在未来一段时间内的库存值之和与销量预测值之和相除,得到整体周转周期。
9.根据权利要求4所述的方法,其特征在于,通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期,包括:
步骤1),初始化服务水平为服务水平阈值的最小值;
步骤2),初始化安全库存天数为一;
步骤3),根据所述安全库存天数和所述服务水平分别计算各个物品的目标库存水位和安全库存水位,从而分别拟合得到所述各个物品在未来一段时间内的库存数据;
步骤4),根据所述各个物品在未来一段时间内的库存数据,判断所述各个物品在补货提前期外的库存值是否均大于零;
若否,则将所述安全库存天数加上第一步长,并执行步骤3);
若是,则根据所述各个物品在未来一段时间内的库存数据和销量数据计算整体现货率和整体周转周期,并判断将所述服务水平加上第二步长后是否达到服务水平阈值的最大值;若否,则执行步骤2);若是,则结束。
10.根据权利要求1所述的方法,其特征在于,基于整体现货率和整体周转周期,筛选出目标安全库存天数和目标服务水平,包括:
从不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期中,删除整体现货率小于最低现货率的数据;其中,每组数据包括安全库存天数、服务水平、整体现货率和整体周转周期;
从删除后的数据中筛选出整体现货率最小的数据;
按照整体周转周期由小到大的顺序,对筛选出的整体现货率最小的数据进行排序,筛选出整体周转周期最小的目标数据;其中,所述目标数据包括目标安全库存天数、目标服务水平、所述目标安全库存天数和所述目标服务水平对应的整体现货率和整体周转周期。
11.一种优化库存的装置,其特征在于,包括:
分组模块,用于根据历史订单数据对各个物品进行分组,从而得到各个品类下各个分组对应的物品集合;
优化模块,用于对于每个品类下每个分组:通过迭代方式得到不同的安全库存天数和不同的服务水平对应的整体现货率和整体周转周期;基于整体现货率和整体周转周期,筛选出目标安全库存天数和目标服务水平;根据所述目标安全库存天数和所述目标服务水平,分别计算所述品类下所述分组中各个物品的安全库存水位和目标库存水位。
12.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的方法。
13.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-10中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911071845.9A CN112784212B (zh) | 2019-11-05 | 2019-11-05 | 一种优化库存的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911071845.9A CN112784212B (zh) | 2019-11-05 | 2019-11-05 | 一种优化库存的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112784212A true CN112784212A (zh) | 2021-05-11 |
CN112784212B CN112784212B (zh) | 2023-11-03 |
Family
ID=75747445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911071845.9A Active CN112784212B (zh) | 2019-11-05 | 2019-11-05 | 一种优化库存的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112784212B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113988768A (zh) * | 2021-12-27 | 2022-01-28 | 北京京东振世信息技术有限公司 | 一种库存的确定方法和装置 |
CN114997765A (zh) * | 2022-04-13 | 2022-09-02 | 北京京东尚科信息技术有限公司 | 安全库存确定方法及装置、电子设备和存储介质 |
CN115983767A (zh) * | 2023-03-21 | 2023-04-18 | 深圳美云集网络科技有限责任公司 | 一种基于多个商品的补货方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110112938A1 (en) * | 2009-11-09 | 2011-05-12 | International Business Machines Corporation | Efficient inventory management for providing distinct service qualities for multiple demand groups |
CN105139090A (zh) * | 2015-08-25 | 2015-12-09 | 国网天津市电力公司 | 一种基于消耗预测的电力行业安全库存决策分析方法 |
US20170068973A1 (en) * | 2012-12-03 | 2017-03-09 | Dimitri Sinkel | System and method for inventory management |
CN110163546A (zh) * | 2019-05-20 | 2019-08-23 | 四川长虹电器股份有限公司 | 一种基于大数据确定最优补货量的方法 |
CN110322203A (zh) * | 2019-07-05 | 2019-10-11 | 江苏云脑数据科技有限公司 | 零售业库存优化分析方法 |
-
2019
- 2019-11-05 CN CN201911071845.9A patent/CN112784212B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110112938A1 (en) * | 2009-11-09 | 2011-05-12 | International Business Machines Corporation | Efficient inventory management for providing distinct service qualities for multiple demand groups |
US20170068973A1 (en) * | 2012-12-03 | 2017-03-09 | Dimitri Sinkel | System and method for inventory management |
CN105139090A (zh) * | 2015-08-25 | 2015-12-09 | 国网天津市电力公司 | 一种基于消耗预测的电力行业安全库存决策分析方法 |
CN110163546A (zh) * | 2019-05-20 | 2019-08-23 | 四川长虹电器股份有限公司 | 一种基于大数据确定最优补货量的方法 |
CN110322203A (zh) * | 2019-07-05 | 2019-10-11 | 江苏云脑数据科技有限公司 | 零售业库存优化分析方法 |
Non-Patent Citations (3)
Title |
---|
DIANJUN FANG; CONG LI: "Evaluation of Robustness of a Multi-Echelon Inventory Model for Complex Distribution Systems", IEEE * |
何荣福;兰德新;赵萌;: "随机需求下缺货延期补给的易变质产品的库存策略", 武夷学院学报, no. 05 * |
胡劲松;荣文嘉;胡玉梅;: "提前期可控的模糊需求周期盘点补充订货模型研究", 运筹与管理, no. 04 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113988768A (zh) * | 2021-12-27 | 2022-01-28 | 北京京东振世信息技术有限公司 | 一种库存的确定方法和装置 |
CN114997765A (zh) * | 2022-04-13 | 2022-09-02 | 北京京东尚科信息技术有限公司 | 安全库存确定方法及装置、电子设备和存储介质 |
CN115983767A (zh) * | 2023-03-21 | 2023-04-18 | 深圳美云集网络科技有限责任公司 | 一种基于多个商品的补货方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112784212B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110751497B (zh) | 一种商品补货方法和装置 | |
CN110472899B (zh) | 一种物品的出库分配方法和装置 | |
CN110348771B (zh) | 一种对订单进行组单的方法和装置 | |
CN112784212B (zh) | 一种优化库存的方法和装置 | |
CN110097302B (zh) | 分配订单的方法和装置 | |
CN113627846A (zh) | 一种库存调整方法、装置、电子设备及计算机可读介质 | |
CN110717697A (zh) | 一种出库定位的方法和装置 | |
CN114118888A (zh) | 订单出库的方法和装置 | |
CN111507651A (zh) | 应用于人机混合仓库的订单数据处理方法和装置 | |
CN112215530A (zh) | 选仓方法和装置 | |
CN110738436A (zh) | 一种确定可用库存的方法和装置 | |
CN110689159A (zh) | 一种商品补货的方法和装置 | |
CN110826953A (zh) | 一种仓库存储设备规划的方法和装置 | |
CN111612385B (zh) | 一种对待配送物品进行聚类的方法和装置 | |
CN110650170A (zh) | 用于推送信息的方法和装置 | |
CN113256193A (zh) | 一种仓库商品布局方法和装置 | |
CN112418258A (zh) | 一种特征离散化方法和装置 | |
CN109902847B (zh) | 预测分库订单量的方法和装置 | |
CN109902980A (zh) | 用于业务处理的方法及装置 | |
CN114186903A (zh) | 仓库选品方法、装置、计算机设备和存储介质 | |
CN114677174A (zh) | 一种计算未上架物品销量的方法和装置 | |
CN111833085A (zh) | 一种计算物品价格的方法和装置 | |
CN113256192B (zh) | 一种仓储物品规划方法和装置 | |
CN114997779A (zh) | 一种仓储处理方法、装置、电子设备及计算机可读介质 | |
CN115545617A (zh) | Erp电商订单库存管理方法、装置、设备及可读存储介质 |
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 | ||
GR01 | Patent grant |