CN113128932A - 仓库备货处理方法、装置、存储介质与电子设备 - Google Patents

仓库备货处理方法、装置、存储介质与电子设备 Download PDF

Info

Publication number
CN113128932A
CN113128932A CN202110414113.6A CN202110414113A CN113128932A CN 113128932 A CN113128932 A CN 113128932A CN 202110414113 A CN202110414113 A CN 202110414113A CN 113128932 A CN113128932 A CN 113128932A
Authority
CN
China
Prior art keywords
inventory
commodity
commodities
warehouse
time
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
Application number
CN202110414113.6A
Other languages
English (en)
Other versions
CN113128932B (zh
Inventor
胡文博
庄晓天
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.)
Beijing Jingdong Zhenshi Information Technology Co Ltd
Original Assignee
Beijing Jingdong Zhenshi Information 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 Beijing Jingdong Zhenshi Information Technology Co Ltd filed Critical Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority to CN202110414113.6A priority Critical patent/CN113128932B/zh
Publication of CN113128932A publication Critical patent/CN113128932A/zh
Application granted granted Critical
Publication of CN113128932B publication Critical patent/CN113128932B/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
    • G06Q10/08—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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"

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供一种仓库备货处理方法、装置、存储介质与电子设备，涉及数据处理技术领域。其中，所述仓库备货处理方法包括：获取多种商品的历史出库数据与时序特征数据，所述时序特征数据是对商品订单信息按照时间进行统计所得到的特征数据；采用库存周转模型，对所述时序特征数据和预设的库存参数进行处理，以得到每种商品的预测库存周转时长；根据所述历史出库数据，确定目标库存满足率；基于所述每种商品的预测库存周转时长和所述目标库存满足率进行库存成本优化，以在所述多种商品中确定待备货商品。本公开通过合理配置待备货商品，提高库存满足率的同时，减少库存成本。

Description

仓库备货处理方法、装置、存储介质与电子设备
技术领域
本公开涉及数据处理技术领域，尤其涉及一种仓库备货处理方法、仓库备货处理装置、计算机可读存储介质与电子设备。
背景技术
前端物流中心是提高商品供应服务质量，控制仓储成本的关键位置，但是由于前端物流中心通常是距离城市距离较近的地方，仓库容量有限，运营成本较高，通常不会将所有种类的商品都进行存放，所以仓库中备货商品如何选择，会直接影响到后续的调拨以及补货环节，进而影响到订单履约以及库存成本。
目前，常见的做法是，将各商品按照总销量进行排序，从高到低选取一定比例的商品作为备货商品。但是现有的技术只依据销量来决定库存的待备货商品，可能会导致库存待备货商品无法很好的满足订单需求，而且商品的库存成本也得不到很好保障。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开提供了一种仓库备货处理方法、仓库备货处理装置、计算机可读存储介质与电子设备。进而至少在一定程度上提高库存满足率，并减少库存成本。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的第一方面，提供一种仓库备货处理方法，包括：获取多种商品的历史出库数据与时序特征数据，所述时序特征数据是对商品订单信息按照时间进行统计所得到的特征数据；采用库存周转模型，对所述时序特征数据和预设的库存参数进行处理，以得到每种商品的预测库存周转时长；根据所述历史出库数据，确定目标库存满足率；基于所述每种商品的预测库存周转时长和所述目标库存满足率进行库存成本优化，以在所述多种商品中确定待备货商品。
在本公开的一种示例性实施例中，所述方法还包括：根据商品的历史时序特征数据以及所述商品在多组库存参数下对应的库存周转时长，构建库存周转样本集；采用所述库存周转样本集，训练所述库存周转模型。
在本公开的一种示例性实施例中，所述方法还包括：在每组库存参数下，对所述商品的库存变化进行仿真，得到所述商品在每个单位时间的出库量与期末库存；根据所述商品在每个单位时间的出库量与期末库存，确定所述商品的库存周转时长。
在本公开的一种示例性实施例中，所述在每组库存参数下，对所述商品的库存变化进行仿真，得到所述商品在每个单位时间的出库量与期末库存，包括：在每组库存参数下，根据所述商品的历史出库数据以及预测出库数据，确定安全库存以及目标库存；基于所述安全库存以及所述目标库存，对商品的库存进行仿真，得到商品在每个单位时间的出库量与期末库存。
在本公开的一种示例性实施例中，所述根据所述历史出库数据，确定目标库存满足率，包括：迭代更新商品临时集合，在每轮迭代中，选取至少一种商品添加至所述商品临时集合中，并计算所述商品临时集合的整体库存满足率；当判断满足预设条件时，将所述商品临时集合的整体库存满足率作为所述目标库存满足率。
在本公开的一种示例性实施例中，所述预设条件，包括以下至少一条：本轮迭代中的整体库存满足率增量小于第一预设阈值；本轮迭代中的商品种类数增量与整体库存满足率增量的比值小于第二预设阈值；所述商品临时集合中商品种类总数达到第三预设阈值；其中，所述本轮迭代中的整体库存满足率增量为本轮迭代中的整体库存满足率与上一轮迭代中的整体库存满足率之差；所述本轮迭代中的商品种类数增量为所述商品临时集合在本轮迭代中的商品种类数与在上一轮迭代中的商品种类数之差。
在本公开的一种示例性实施例中，所述基于所述每种商品的预测库存周转时长和所述目标库存满足率进行库存成本优化，以在所述多种商品中确定待备货商品，包括：根据所述每种商品的预测库存周转时长，确定所述商品的单位时间平均库存；根据所述商品的单位时间平均库存和所述目标库存满足率进行库存成本优化，以在所述多种商品中确定待备货商品。
在本公开的一种示例性实施例中，所述根据所述商品的单位时间平均库存和所述目标库存满足率进行库存成本优化，以在所述多种商品中确定待备货商品，包括：基于所述商品的单位时间平均库存构建商品库存成本函数，以及基于所述目标库存满足率与商品订单信息构建所述商品库存成本函数的约束条件；在所述约束条件下，通过优化所述商品库存成本函数的最小值，在所述多种商品中确定待备货商品。
根据本公开的第二方面，提供一种仓库备货处理装置，包括：数据获取模块，用于获取多种商品的历史出库数据与时序特征数据，所述时序特征数据是对商品订单信息按照时间进行统计所得到的特征数据；模型处理模块，用于采用库存周转模型，对所述时序特征数据和预设的库存参数进行处理，以得到每种商品的预测库存周转时长；满足率确定模块，用于根据所述历史出库数据，确定目标库存满足率；库存优化模块，用于基于所述每种商品的预测库存周转时长和所述目标库存满足率进行库存成本优化，以在所述多种商品中确定待备货商品。
根据本公开的第三方面，提供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仓库备货处理方法。
根据本公开的第四方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述仓库备货处理方法。
本公开的技术方案具有以下有益效果：
上述仓库备货处理方法中，获取多种商品的历史出库数据与时序特征数据，时序特征数据是对商品订单信息按照时间进行统计所得到的特征数据；采用库存周转模型，对时序特征数据和预设的库存参数进行处理，以得到每种商品的预测库存周转时长；根据历史出库数据，确定目标库存满足率；基于每种商品的预测库存周转时长和目标库存满足率进行库存成本优化，以在多种商品中确定待备货商品。基于目标满足率对库存成本进行优化，进而筛选待备货商品，以更加合理的配置库存商品，不仅使得库存商品可以很好的满足商品的订单需求，而且可以减少商品种类，在一定程度上降低库存成本。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施方式，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施方式，对于本领域普通技术人员来讲，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示出本示例性实施方式中一种仓库备货处理方法的流程图；
图2示出本示例性实施方式中一种训练库存周转模型的流程图；
图3示出本示例性实施方式中一种确定商品的库存周转时长的流程图；
图4示出本示例性实施方式中一种得到每个单位时间的出库量与期末库存的流程图；
图5示出本示例性实施方式中一种训练库存周转模型的子流程图；
图6示出本示例性实施方式中一种根据历史出库数据确定目标满足率的流程图；
图7示出本示例性实施方式中一种满足多种预设条件以确定目标满足率的流程图；
图8示出本示例性实施方式中一种确定待备货商品的流程图；
图9示出本示例性实施方式中一种确定待备货商品的子流程图；
图10示出本示例性实施方式中一种仓库备货理装置的结构框图；
图11示出本示例性实施方式中一种用于实现上述方法的电子设备。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本文中，“第一”、“第二”、“第三”等是对特定对象的标记，而并非限定对象的数量或次序。
相关技术中，按照商品的销量排序来获取待备货商品种类。当商品种类较多时，这种方法虽然能够减少仓库的备货种类，但是由于没有考虑到各商品种类之间的关联性，可能会导致库存商品无法满足订单需求，同时增加了商品的库存成本。
鉴于上述一个或多个问题，本公开的示例性实施方式提供一种仓库备货处理方法。
图1示出了本示例性实施方式中仓库备货处理方法的示意性流程，包括以下步骤S110至S140：
步骤S110，获取多种商品的历史出库数据与时序特征数据，时序特征数据是对商品订单信息按照时间进行统计所得到的特征数据；
步骤S120，采用库存周转模型，对时序特征数据和预设的库存参数进行处理，以得到每种商品的预测库存周转时长；
步骤S130，根据历史出库数据，确定目标库存满足率；
步骤S140，基于每种商品的预测库存周转时长和目标库存满足率进行库存成本优化，以在多种商品中确定待备货商品。
上述仓库备货处理方法中，获取多种商品的历史出库数据与时序特征数据，时序特征数据是对商品订单信息按照时间进行统计所得到的特征数据；采用库存周转模型，对时序特征数据和预设的库存参数进行处理，以得到每种商品的预测库存周转时长；根据历史出库数据，确定目标库存满足率；基于每种商品的预测库存周转时长和目标库存满足率进行库存成本优化，以在多种商品中确定待备货商品。基于目标满足率对库存成本进行优化，进而筛选待备货商品，以更加合理的配置库存商品，不仅使得库存商品可以很好的满足商品的订单需求，而且可以减少商品种类，在一定程度上降低库存成本。
下面分别对图1中的每个步骤进行具体说明。
步骤S110，获取多种商品的历史出库数据与时序特征数据，时序特征数据是对商品订单信息按照时间进行统计所得到的特征数据。
历史出库数据可以是历史阶段商品的出库数量，这里的历史阶段指的是从过去的某一时刻到过去的另一时刻的时间段，可例如从前年到去年这一年时间内商品的历史销量。时序特征数据可以是对商品订单信息在时间维度上进行统计所得到的特征数据，例如在一段时间内某种商品的日均销量，这里的时序特征数据统计的是现阶段与时间相关的系列商品特征，现阶段指的是从过去某一时刻开始到当前时刻的时间段，可包含如表1中的一种或多种特征。
表1
mean 均值
std 标准差
cv 变异系数
cv<sup>2</sup> 变异系数的平方
mean_interval 需求间隔的均值
nzd_mean 非零销量均值
nzd_std 非零销量标准差
nzd_cv 非零销量变异系数
nzd_cv<sup>2</sup> 非零销量变异系数的平方
num 订单时间长度
nzd_num 非零销量订单时间长度
需要说明的是，上述均值指的是商品销量的均值，例如近一年中商品的日均销量；标准差指的是商品销量的标椎差；变异系数的平方等于商品销量的方差除以均值的平方；变异系数等于标准差除以均值；需求间隔的均值指的是商品销售间隔的时间的均值；非零销量均值指的是商品非零销量的均值，例如近一年中除去销量为零的天数之外商品的日均销量；非零销量标准差指的是商品非零销量的标椎差；非零销量变异系数的平方等于非零销量方差除以非零销量均值的平方；非零销量变异系数等于非零销量标准差除以非零销量均值，订单时间长度指的是进行库存仿真的时长，非零销量订单时间长度指的是非零销量库存仿真的时长。
在一种可选的实施方式中，商品的历史出库数据与时序特征数据，可以通过以下方式进行获取：根据商品历史阶段的订单数据，确定历史出库数据；通过对商品现阶段的订单数据进行统计，得到时序特征数据。
通过对订单数据的统计分析，可以很方便的获取到历史出库数据和时序特征数据，为后续获取目标库存满足率并得到预测库存周转时长提供了数据支持。
步骤S120，采用库存周转模型，对时序特征数据和预设的库存参数进行处理，以得到每种商品的预测库存周转时长。
库存周转模型可以是一个回归模型，用于对商品的库存周转时长进行预测，其中，库存周转时长指的是从取得存货商品开始，至消耗、销售为止所经历的时长。库存参数指的是与库存特征相关的参数，可以包括：补货提前期、服务水平以及补货周期。
上述补货提前期指的是预先确定的从补货指令下达到商品入库的时间，服务水平指的是为仓库所确定的不发生缺货的概率，补货周期指的是预先确定的补货时间间隔。
在一种可选的实施方式中，如图2所示，可以通过构建库存周转样本集对库存周转模型进行训练，具体包含以下步骤S210至S220：
步骤S210，根据商品的历史时序特征数据以及商品在多组库存参数下对应的库存周转时长，构建库存周转样本集。
这里的商品与图1中的“多种”商品可以一致，也可以不一致。历史时序特征数据可以是对历史商品订单信息在时间维度上进行统计所得到的特征数据，这里的历史时序特征统计的是历史阶段与时间相关的系列商品特征，可由历史阶段的订单数据进行统计得到。库存周转样本集可以是由多种商品的历史时序特征数据以及这些商品在多组库存参数下对应的库存周转时长形成的样本集合，可如表2-1和表2-2所示。
表2-1
SKU_NO SKU1 SKU2 SKU3 SKU4 SKU5
num 355 261 351 360 363
mean 0.05 0.2 0.25 0.1 0.12
std 0.42 0.87 0.97 0.63 0.69
cv<sup>2</sup> 88 19 15 39 32
cv 9.3807 4.3761 3.8726 6.2537 5.6647
mean_interval 99.333 20.167 15.85 42.125 35.1
nzd_num 4 13 22 9 11
nzd_cv<sup>2</sup> 0 0 0 0 0
nzd_cv 0 0 0 0 0
nzd_mean 4 4 4 4 4
nzd_std 0 0 0 0 0
vlt_mean 1 1 1 1 1
k 1 1 1 1 1
nrt 1 1 1 1 1
ct 70 11 17 84 32
表2-2
Figure BDA0003025191410000081
Figure BDA0003025191410000091
其中，SKU_NO表示SKU的编号，SKU1至SKU10表示10种类型的商品，SKU是库存保有单位，即库存进出计量单位，每个SKU表示一种商品，vlt_mean表示补货提前期的均值，k表示服务水平，nrt表示补货周期，ct表示库存周转时长。
在一种可选的实施方式中，可以通过如图3所示的步骤S310至步骤S320确定商品的库存周转时长：
步骤S310，在每组库存参数下，对商品的库存变化进行仿真，得到商品在每个单位时间的出库量与期末库存。
需要说明的是，每组库存参数中服务水平的取值范围可以在0.5到1，步长0.001，例如可以将服务水平初始化为0.95，补货提前期和补货周期都是离散的，可指代天数，补货提前期和补货周期的取值范围可以是1-30，目前初始值都为1，在给定范围内进行遍历组合，然后进行库存仿真。比如：补货提前期为1，补货周期为1，外加其他参数进行库存仿真；补货提前期为2，补货周期为2，外加其他参数进行库存仿真。服务水平指的是不缺货的概率，通常是根据客户的需求进行变更。这里的意思是说，在补货周期和补货提前期固定的情况下，在不同的不缺货概率情况下得到商品在每个单位时间的出库量与期末库存，进而采用每个单位时间的出库量与期末库存去确定库存周转时长。这里的单位时间可以是以天为单位。
在一种可选的实施方式中，可以通过如图4所示的步骤在每组库存参数下，对商品的库存变化进行仿真，得到商品在每个单位时间的出库量与期末库存，具体包括以下步骤S410至S420：
步骤S410，在每组库存参数下，根据商品的历史出库数据以及预测出库数据，确定安全库存以及目标库存。
安全库存为防止商品供应的不确定性因素而准备的缓冲库存，目标库存指的是所要维持的一个库存量标准，安全库存和目标库存在库存仿真的过程中用于决定是否补货以及补货的量，当库存量低于安全库存时，进行补货，使得库存达到目标库存。
安全库存和目标库存具体可通过以下方式计算得到：
St＝μD(μvlt+nrt)+SS+μD*BP (1)
Figure BDA0003025191410000101
其中，St指的是目标库存；μD是预测出库数据的均值；μvlt是补货提前期的均值，vlt是商品的补货周期；nrt是商品的补货提前期；SS为安全库存；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；Zk是服务水平k对应的标准正态分布Z值；σD是历史出库数据的标准差；σvlt是补货提前期和补货周期和的标准差，可以默认vlt不变。
步骤S420，基于所述安全库存以及所述目标库存，对商品的库存进行仿真，得到商品在每个单位时间的出库量与期末库存。
图4所示的步骤，根据历史出库数据以及预测出库数据，拟合出单位时间的出库量与期末库存，将单位时间的出库量与期末库存作为中间参数，以便于后续确定出库存周转时长。
步骤S320，根据商品在每个单位时间的出库量与期末库存，确定商品的库存周转时长。
可通过计算下列式(3)得到库存周转时长：
Figure BDA0003025191410000102
其中，ct表示库存周转时长，stocki指的是第i个单位时间的期末库存，salei指的是第i个单位时间的出库量，历史阶段中可以包含多个单位时间，通过计算多个单位时间内期末库存的和，与这些单位时间内出库量的和的比值，即可得到库存周转时长。
图3所示的步骤中，所确定的库存周转时长，不仅可以用来训练周转模型，还能够解决无法获取商品单位时间平均库存的问题。
步骤S220，采用库存周转样本集，训练库存周转模型。
在训练库存周转模型时，可以通过lightgbm框架对库存周转模型进行训练，这里的lightgbm是一种快速的、分布式的、高性能的基于决策树算法的梯度提升框架。
图2所示的步骤中，通过训练库存周转模型，以便在执行步骤S120时可以获取到更准确的预测库存周转时长。
图5提供了一种训练库存周转模型的实施方式，利用库存拟合来生成库存周转样本集，能够解决无法获取商品单位时间平均库存的问题，包含步骤S501至S509：
步骤S501，选取单个SKU，单个SKU表示一种类型的商品；
步骤S502，组合成一组库存参数，该步骤将k、vlt和nrt组合成一组库存参数；
步骤S503，获取历史出库数据，该步骤获取的是该SKU的历史出库数据；
步骤S504，获取预测出库数据，该步骤获取的是该SKU的预测出库数据；
步骤S505，库存仿真，该步骤可以通过库存仿真程序对该SKU的库存进行仿真，得到商品在每个单位时间的出库量与期末库存；
步骤S506，计算库存周转时长，该步骤可以根据商品在每个单位时间的出库量与期末库存计算库存周转时长；
步骤S507，计算该SKU历史阶段的时序特征；
步骤S508，将时序特征和k，vlt，nrt，ct等组合成一个样本，ct是库存周转时长；
步骤S509，使用多种SKU形成的样本来训练库存周转模型。
下面继续参考图1。
步骤S130，根据历史出库数据，确定目标库存满足率。
目标库存满足率作为库存满足率的阈值，库存满足率指的是库存商品对订单的满足概率，可以根据历史出库数据，如历史订单中的历史销量数据，进行确定。
在一种可选的实施方式中，根据历史出库数据，确定目标库存满足率，可以通过如图6所示的步骤S610至S620来实现：
步骤S610，迭代更新商品临时集合，在每轮迭代中，选取至少一种商品添加至商品临时集合中，并计算商品临时集合的整体库存满足率。
商品类型中所添加的为不同类型的商品，商品临时集合的整体库存满足率指的是该商品集合中所包含商品的库存对订单的满足概率。
具体实施的过程中，可以将商品的历史出库数据从高到低进行排序，按照排列的次序，每轮迭代依次选取至少一种商品添加至商品临时集合中。
步骤S620，当判断满足预设条件时，将商品临时集合的整体库存满足率作为目标库存满足率。
上述过程考虑到了各商品之间的关联性，通过各商品之间的关联关系设置预设条件，进而确定库存满足率的阈值，即目标库存满足率，为库存的备货提供了合理配置的参数依据。
如表3所示，提供了一种商品临时集合每轮迭代时的整体库存满足率的示例数据。
表3
SKU_NO SKU历史出库数据 整体库存满足率
SKU1 90424 0.106513002
SKU15 85623 0.207370769
SKU18 85002 0.307497043
SKU8 78387 0.399831321
SKU9 62671 0.473653274
SKU5 62305 0.547044106
SKU3 53186 0.609693409
SKU13 47318 0.665430627
SKU6 46996 0.720788552
SKU4 44244 0.772904819
SKU7 37599 0.778904819
SKU12 32172 0.782904817
SKU17 31154 0.793290529
SKU11 30824 0.803290529
需要说明的是，表3中迭代的次数只是示例性的描述，在实际应用过程中需要判断商品临时集合的整体库存满足率是否满足预设条件，当满足预设条件时停止迭代。
在一种可选的实施方式中，预设条件包括以下至少一条：
(1)本轮迭代中的整体库存满足率增量小于第一预设阈值。
(2)本轮迭代中的商品种类数增量与整体库存满足率增量的比值小于第二预设阈值。
(3)商品临时集合中商品种类总数达到第三预设阈值。
其中，本轮迭代中的整体库存满足率增量为本轮迭代中的整体库存满足率与上一轮迭代中的整体库存满足率之差；本轮迭代中的商品种类数增量为商品临时集合在本轮迭代中的商品种类数与在上一轮迭代中的商品种类数之差。
其中，第一预设阈值、第二预设阈值以及第三阈值可以根据库存管理经验进行设置，不做具体限定。
如图7所示，提供了一种确定目标满足率的流程图，具体包括以下步骤：
步骤S710，根据各SKU的历史出库数据降序排列；
步骤S720，依次加入出库量最高的SKU，临时记录库存满足率，该过程构造一个新商品临时集合，向该商品临时集合中依次加入出库量最高的SKU，并临时记录该商品临时集合的整体库存满足率；
步骤S730，判断是否首次加入SKU，当向商品临时集合中首次加入SKU时，返回步骤S720，否则继续向下执行步骤S740；
步骤S740，判断库存满足率增量是否等于或者大于0.01，当库存满足率增量等于或者大于0.01，继续向下执行步骤S750，否则返回步骤S720；
步骤S750，判断库存满足率的增量与SKU个数的增量比值是否小于0.2，当库存满足率的增量与SKU个数的增量比值小于0.2时，续向下执行步骤S760，否则返回步骤S720；
步骤S760，输出对应的库存满足率。
需要说明的是，步骤S760所输出的库存满足率即可作为目标满足率。
下面继续参考图1。
步骤S140，基于每种商品的预测库存周转时长和目标库存满足率进行库存成本优化，以在多种商品中确定待备货商品。
该步骤可以基于前面各个阶段所获得的每种商品的预测库存周转时长和目标库存满足率，构建整数规划模型来优化库存成本，以确定待备货商品。
在一种可选的实施方式中，基于每种商品的预测库存周转时长和目标库存满足率进行库存成本优化，以在多种商品中确定待备货商品，可以通过以下方式来实现：根据每种商品的预测库存周转时长，确定商品的单位时间平均库存；根据商品的单位时间平均库存和目标库存满足率进行库存成本优化，以在多种商品中确定待备货商品。
上述过程中，在根据每种商品的预测库存周转时长，确定商品的单位时间平均库存时，可以将预测库存周转时长乘以现阶段商品的出库数据，再除以订单时间长度，即可得到商品的单位时间库存，以便后续利用该单位时间库存进行选品备货。
在一种可选的实施方式中，如图8所示，可以根据商品的单位时间平均库存和目标库存满足率进行库存成本优化，以在多种商品中确定待备货商品，具体包括以下步骤S810至S820：
步骤S810，基于商品的单位时间平均库存构建商品库存成本函数，以及基于目标库存满足率与商品订单信息构建商品库存成本函数的约束条件。
商品库存成本函数和商品库存成本函数的约束条件可构建如下：
min∑j∈Jpjsjxj (4)
Figure BDA0003025191410000141
∑i∈Jyiqi≥αM (6)
yi，xj∈{0，1} (7)
上述式(4)为商品库存成本函数，式(5)、式(6)和式(7)为商品库存成本函数的约束条件。其中，pj为第j个SKU的成本；sj为第j个SKU的单位时间平均库存；xj为第j个SKU是否被选择为待备货商品，是为1，否为0；I为订单的种类集合，这里将商品的订单按照订单类型进行了分类；yi为第i类订单中的SKU在仓库中是否都被选为待备货商品，当都被选为待备货商品时，库存满足第i类订单，是为1，否为0；qi为第i类订单所包含的订单个数；aij为第i类订单是否包含第j个SKU，如果包含，为1，否则为0；α为目标库存满足率；M为订单总数。
步骤S820，在约束条件下，通过优化商品库存成本函数的最小值，在多种商品中确定待备货商品。
在满足式(5)、式(6)和式(7)的情况下，求解式(4)的最小值，进而确定待备货的商品。
如表4所示，提供了一种根据单位时间平均库存所确定的待备货商品的示例数据。
表4
SKU_NO 是否选为待备货商品 单位时间平均库存
SKU1 0 108
SKU2 1 1521
SKU3 1 1153
SKU4 1 933
SKU5 1 102
SKU6 1 460
SKU7 1 425
SKU8 1 665
SKU9 0 26
SKU10 1 953
SKU11 1 599
SKU12 1 433
SKU13 1 768
SKU14 1 141
SKU15 1 244
SKU16 1 184
SKU17 1 199
SKU18 1 670
SKU19 1 410
SKU20 1 257
如图9所示，提供了一种确定待备货商品的的实施方式，通过求解整数规划模型，确定待备货商品，包含步骤S901至步骤S909：
步骤S901，获取现阶段的订单数据；
步骤S902，生成时序特征数据，该步骤根据所获取的现阶段的订单数据生成时序特征数据；
步骤S903，输入库存周转模型，该步骤在库存参数k、nrt以及vlt下，采用库存周转模型对时序特征数据进行处理；
步骤S904，输出预测库存周转时长，该步骤将库存周转模型的处理结果，即预测库存周转时长，进行输出；
步骤S905，输出单位时间平均库存，该步骤根据所述每种商品的预测库存周转时长，确定所述商品的单位时间平均库存；
步骤S906，获取库存成本；
步骤S907，获取目标库存满足率；
步骤S908，求解整数规划模型，该步骤可以基于各商品的单位时间库存、库存成本以及目标库存满足率，构建包含商品库存成本函数以及商品库存成本函数的约束条件的整数规划模型，求解该整数规划模型；
步骤S909，输出待备货商品。
本公开的示例性实施方式还提供一种仓库备货处理装置，如图10所示，该仓库备货处理装置1000可以包括：
数据获取模块1010，用于获取多种商品的历史出库数据与时序特征数据，时序特征数据是对商品订单信息按照时间进行统计所得到的特征数据；
模型处理模块1020，用于采用库存周转模型，对时序特征数据和预设的库存参数进行处理，以得到每种商品的预测库存周转时长；
满足率确定模块1030，用于根据历史出库数据，确定目标库存满足率；
库存优化模块1040，用于基于每种商品的预测库存周转时长和目标库存满足率进行库存成本优化，以在多种商品中确定待备货商品。
在一种可选的实施方式中，仓库备货处理装置1000，还可以包括：样本集构建模块，用于根据商品的历史时序特征数据以及商品在多组库存参数下对应的库存周转时长，构建库存周转样本集；模型训练模块，用于采用库存周转样本集，训练库存周转模型。
在一种可选的实施方式中，样本集构建模块，还可以包括：单位时间的出库量与期末库存获取模块，用于在每组库存参数下，对商品的库存变化进行仿真，得到商品在每个单位时间的出库量与期末库存；库存周转时长确定模块，用于根据商品在每个单位时间的出库量与期末库存，确定商品的库存周转时长。
在一种可选的实施方式中，单位时间的出库量与期末库存获取模块，还被配置为：在每组库存参数下，根据商品的历史出库数据以及预测出库数据，确定安全库存以及目标库存；基于安全库存以及目标库存，对商品的库存进行仿真，得到商品在每个单位时间的出库量与期末库存。
在一种可选的实施方式中，满足率确定模块1030，还可以被配置为：迭代更新商品临时集合，在每轮迭代中，选取至少一种商品添加至商品临时集合中，并计算商品临时集合的整体库存满足率；当判断满足预设条件时，将商品临时集合的整体库存满足率作为目标库存满足率。
在一种可选的实施方式中，满足率确定模块1030中的预设条件，可以包括以下至少一条：本轮迭代中的整体库存满足率增量小于第一预设阈值；本轮迭代中的商品种类数增量与整体库存满足率增量的比值小于第二预设阈值；商品临时集合中商品种类总数达到第三预设阈值；其中，本轮迭代中的整体库存满足率增量为本轮迭代中的整体库存满足率与上一轮迭代中的整体库存满足率之差；本轮迭代中的商品种类数增量为商品临时集合在本轮迭代中的商品种类数与在上一轮迭代中的商品种类数之差。
在一种可选的实施方式中，库存优化模块1040，还可以包括：位时间平均库存确定模块，用于根据每种商品的预测库存周转时长，确定商品的单位时间平均库存；库存优化子模块，根据商品的单位时间平均库存和目标库存满足率进行库存成本优化，以在多种商品中确定待备货商品。
在一种可选的实施方式中，库存优化子模块，还可以被配置为：基于商品的单位时间平均库存构建商品库存成本函数，以及基于目标库存满足率与商品订单信息构建商品库存成本函数的约束条件；在约束条件下，通过优化商品库存成本函数的最小值，在多种商品中确定待备货商品。
上述仓库备货处理装置1000中各部分的具体细节在方法部分实施方式中已经详细说明，未披露的细节内容可以参见方法部分的实施方式内容，因而不再赘述。
本公开的示例性实施方式还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述仓库备货处理方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在电子设备上运行时，程序代码用于使电子设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。该程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在电子设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，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。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
计算机可读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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。
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、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本公开的示例性实施方式还提供了一种能够实现上述仓库备货处理方法的电子设备。下面参照图11来描述根据本公开的这种示例性实施方式的电子设备1100。图11显示的电子设备1100仅仅是一个示例，不应对本公开实施方式的功能和使用范围带来任何限制。
如图11所示，电子设备1100可以以通用计算设备的形式表现。电子设备1100的组件可以包括但不限于：至少一个处理单元1110、至少一个存储单元1120、连接不同系统组件(包括存储单元1120和处理单元1110)的总线1130和显示单元1140。
存储单元1120存储有程序代码，程序代码可以被处理单元1110执行，使得处理单元1110执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，处理单元1110可以执行图1至图9中任意一个或多个方法步骤。
存储单元1120可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)1121和/或高速缓存存储单元1122，还可以进一步包括只读存储单元(ROM)1123。
存储单元1120还可以包括具有一组(至少一个)程序模块1125的程序/实用工具1124，这样的程序模块1125包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1130可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1100也可以与一个或多个外部设备1200(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1100交互的设备通信，和/或与使得该电子设备1100能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1150进行。并且，电子设备1100还可以通过网络适配器1160与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1160通过总线1130与电子设备1100的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1100使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开示例性实施方式的方法。
此外，上述附图仅是根据本公开示例性实施方式的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的示例性实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施方式。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施方式仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限定。

Claims (11)

1.一种仓库备货处理方法，其特征在于，包括：
获取多种商品的历史出库数据与时序特征数据，所述时序特征数据是对商品订单信息按照时间进行统计所得到的特征数据；
采用库存周转模型，对所述时序特征数据和预设的库存参数进行处理，以得到每种商品的预测库存周转时长；
根据所述历史出库数据，确定目标库存满足率；
基于所述每种商品的预测库存周转时长和所述目标库存满足率进行库存成本优化，以在所述多种商品中确定待备货商品。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据商品的历史时序特征数据以及所述商品在多组库存参数下对应的库存周转时长，构建库存周转样本集；
采用所述库存周转样本集，训练所述库存周转模型。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
在每组库存参数下，对所述商品的库存变化进行仿真，得到所述商品在每个单位时间的出库量与期末库存；
根据所述商品在每个单位时间的出库量与期末库存，确定所述商品的库存周转时长。
4.根据权利要求3所述的方法，其特征在于，所述在每组库存参数下，对所述商品的库存变化进行仿真，得到所述商品在每个单位时间的出库量与期末库存，包括：
在每组库存参数下，根据所述商品的历史出库数据以及预测出库数据，确定安全库存以及目标库存；
基于所述安全库存以及所述目标库存，对商品的库存进行仿真，得到商品在每个单位时间的出库量与期末库存。
5.根据权利要求1所述的方法，其特征在于，所述根据所述历史出库数据，确定目标库存满足率，包括：
迭代更新商品临时集合，在每轮迭代中，选取至少一种商品添加至所述商品临时集合中，并计算所述商品临时集合的整体库存满足率；
当判断满足预设条件时，将所述商品临时集合的整体库存满足率作为所述目标库存满足率。
6.根据权利要求5所述的方法，其特征在于，所述预设条件，包括以下至少一条：
本轮迭代中的整体库存满足率增量小于第一预设阈值；
本轮迭代中的商品种类数增量与整体库存满足率增量的比值小于第二预设阈值；
所述商品临时集合中商品种类总数达到第三预设阈值；
其中，所述本轮迭代中的整体库存满足率增量为本轮迭代中的整体库存满足率与上一轮迭代中的整体库存满足率之差；所述本轮迭代中的商品种类数增量为所述商品临时集合在本轮迭代中的商品种类数与在上一轮迭代中的商品种类数之差。
7.根据权利要求1所述的方法，其特征在于，所述基于所述每种商品的预测库存周转时长和所述目标库存满足率进行库存成本优化，以在所述多种商品中确定待备货商品，包括：
根据所述每种商品的预测库存周转时长，确定所述商品的单位时间平均库存；
根据所述商品的单位时间平均库存和所述目标库存满足率进行库存成本优化，以在所述多种商品中确定待备货商品。
8.根据权利要求7所述的方法，其特征在于，所述根据所述商品的单位时间平均库存和所述目标库存满足率进行库存成本优化，以在所述多种商品中确定待备货商品，包括：
基于所述商品的单位时间平均库存构建商品库存成本函数，以及基于所述目标库存满足率与商品订单信息构建所述商品库存成本函数的约束条件；
在所述约束条件下，通过优化所述商品库存成本函数的最小值，在所述多种商品中确定待备货商品。
9.一种仓库备货处理装置，其特征在于，包括：
数据获取模块，用于获取多种商品的历史出库数据与时序特征数据，所述时序特征数据是对商品订单信息按照时间进行统计所得到的特征数据；
模型处理模块，用于采用库存周转模型，对所述时序特征数据和预设的库存参数进行处理，以得到每种商品的预测库存周转时长；
满足率确定模块，用于根据所述历史出库数据，确定目标库存满足率；
库存优化模块，用于基于所述每种商品的预测库存周转时长和所述目标库存满足率进行库存成本优化，以在所述多种商品中确定待备货商品。
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8任一项所述的方法。
11.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至8任一项所述的方法。
CN202110414113.6A 2021-04-16 2021-04-16 仓库备货处理方法、装置、存储介质与电子设备 Active CN113128932B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110414113.6A CN113128932B (zh) 2021-04-16 2021-04-16 仓库备货处理方法、装置、存储介质与电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110414113.6A CN113128932B (zh) 2021-04-16 2021-04-16 仓库备货处理方法、装置、存储介质与电子设备

Publications (2)

Publication Number Publication Date
CN113128932A true CN113128932A (zh) 2021-07-16
CN113128932B CN113128932B (zh) 2024-04-16

Family

ID=76776994

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110414113.6A Active CN113128932B (zh) 2021-04-16 2021-04-16 仓库备货处理方法、装置、存储介质与电子设备

Country Status (1)

Country Link
CN (1) CN113128932B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113781120A (zh) * 2021-09-14 2021-12-10 北京京东振世信息技术有限公司 销售数额预测模型的构建方法、销售数额的预测方法
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
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
CN114219545A (zh) * 2022-02-17 2022-03-22 北京京东振世信息技术有限公司 一种数据处理的方法和装置

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007029824A1 (ja) * 2005-09-09 2007-03-15 Hitachi, Ltd. 受注・見込み生産混流時の生産計画方法および生産計画システム
CN106156880A (zh) * 2015-04-22 2016-11-23 阿里巴巴集团控股有限公司 一种预测库存分配比例的方法、装置及电子设备
CN108364092A (zh) * 2018-01-29 2018-08-03 西安理工大学 一种基于深度学习的餐饮业菜品销量预测方法
CN109740793A (zh) * 2018-11-29 2019-05-10 杭州览众数据科技有限公司 一种基于概率需求分布的库存优化方法
CN109840734A (zh) * 2017-11-29 2019-06-04 北京京东尚科信息技术有限公司 信息输出方法和装置
CN109902980A (zh) * 2017-12-08 2019-06-18 北京京东尚科信息技术有限公司 用于业务处理的方法及装置
CN109978429A (zh) * 2017-12-28 2019-07-05 北京京东尚科信息技术有限公司 用于输出信息的方法和装置
JP2019211870A (ja) * 2018-05-31 2019-12-12 株式会社日立ソリューションズ東日本 在庫管理装置および在庫管理方法
CN111325490A (zh) * 2018-12-14 2020-06-23 顺丰科技有限公司 一种补货方法及装置
CN111915254A (zh) * 2020-07-30 2020-11-10 上海数策软件股份有限公司 一种适用于汽车售后配件的库存优化控制方法和系统
CN112085441A (zh) * 2020-08-27 2020-12-15 北京每日优鲜电子商务有限公司 信息生成方法、装置、电子设备和计算机可读介质
CN112150056A (zh) * 2019-06-28 2020-12-29 北京京东尚科信息技术有限公司 一种确定补货周期的方法、装置和存储介质
CN112380187A (zh) * 2020-11-11 2021-02-19 苏宁云计算有限公司 库存数据监控方法、装置、计算机设备和存储介质
CN112396365A (zh) * 2019-08-14 2021-02-23 顺丰科技有限公司 一种库存单品预测方法、装置、计算机设备及存储介质
CN112529491A (zh) * 2020-10-26 2021-03-19 杉数科技(北京)有限公司 一种库存管理方法及装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007029824A1 (ja) * 2005-09-09 2007-03-15 Hitachi, Ltd. 受注・見込み生産混流時の生産計画方法および生産計画システム
CN106156880A (zh) * 2015-04-22 2016-11-23 阿里巴巴集团控股有限公司 一种预测库存分配比例的方法、装置及电子设备
CN109840734A (zh) * 2017-11-29 2019-06-04 北京京东尚科信息技术有限公司 信息输出方法和装置
CN109902980A (zh) * 2017-12-08 2019-06-18 北京京东尚科信息技术有限公司 用于业务处理的方法及装置
CN109978429A (zh) * 2017-12-28 2019-07-05 北京京东尚科信息技术有限公司 用于输出信息的方法和装置
CN108364092A (zh) * 2018-01-29 2018-08-03 西安理工大学 一种基于深度学习的餐饮业菜品销量预测方法
JP2019211870A (ja) * 2018-05-31 2019-12-12 株式会社日立ソリューションズ東日本 在庫管理装置および在庫管理方法
CN109740793A (zh) * 2018-11-29 2019-05-10 杭州览众数据科技有限公司 一种基于概率需求分布的库存优化方法
CN111325490A (zh) * 2018-12-14 2020-06-23 顺丰科技有限公司 一种补货方法及装置
CN112150056A (zh) * 2019-06-28 2020-12-29 北京京东尚科信息技术有限公司 一种确定补货周期的方法、装置和存储介质
CN112396365A (zh) * 2019-08-14 2021-02-23 顺丰科技有限公司 一种库存单品预测方法、装置、计算机设备及存储介质
CN111915254A (zh) * 2020-07-30 2020-11-10 上海数策软件股份有限公司 一种适用于汽车售后配件的库存优化控制方法和系统
CN112085441A (zh) * 2020-08-27 2020-12-15 北京每日优鲜电子商务有限公司 信息生成方法、装置、电子设备和计算机可读介质
CN112529491A (zh) * 2020-10-26 2021-03-19 杉数科技(北京)有限公司 一种库存管理方法及装置
CN112380187A (zh) * 2020-11-11 2021-02-19 苏宁云计算有限公司 库存数据监控方法、装置、计算机设备和存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
J. KORPELA 等: "Adjusting safety stock requirements with an AHP-based risk analysis", 《36TH ANNUAL HAWAII INTERNATIONAL CONFERENCE ON SYSTEM SCIENCES》, pages 1 - 7 *
徐文琪: "F汽车公司售后配件库存管理研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》, vol. 2017, no. 2, pages 152 - 2258 *
李建斌 等: "面向最小化拆单率的基于订单分配顺序的库存优化研究", 《工业工程与管理》, vol. 22, no. 6, pages 78 - 84 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113781120A (zh) * 2021-09-14 2021-12-10 北京京东振世信息技术有限公司 销售数额预测模型的构建方法、销售数额的预测方法
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
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
WO2023124363A1 (zh) * 2021-12-27 2023-07-06 北京京东振世信息技术有限公司 库存的确定方法和装置
CN114219545A (zh) * 2022-02-17 2022-03-22 北京京东振世信息技术有限公司 一种数据处理的方法和装置

Also Published As

Publication number Publication date
CN113128932B (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
CN110392899B (zh) 用于模型生成的动态特征选择
CN113228068B (zh) 用于库存管理和优化的系统和方法
CN113128932B (zh) 仓库备货处理方法、装置、存储介质与电子设备
CN110751497A (zh) 一种商品补货方法和装置
CN109544076B (zh) 用于生成信息的方法和装置
JP7033490B2 (ja) 在庫管理装置、在庫管理方法及びプログラム
US9990597B2 (en) System and method for forecast driven replenishment of merchandise
CN110555578B (zh) 一种销量预测方法和装置
CN113553540A (zh) 一种商品销量的预测方法
Grabenstetter et al. Developing due dates in an engineer-to-order engineering environment
US20150161629A1 (en) Retail optimization for markdown
CN109961198B (zh) 关联信息生成方法和装置
Hu et al. Production planning with a two-stage stochastic programming model in a kitting facility under demand and yield uncertainties
US20110004510A1 (en) Causal product demand forecasting system and method using weather data as causal factors in retail demand forecasting
WO2021105770A1 (en) Orchestrated intelligent supply chain optimizer
Pan et al. Optimal control of a stochastic production–inventory system under deteriorating items and environmental constraints
EP3918545A1 (en) Method and system for optimizing an objective having discrete constraints
Cardona et al. How to determine slot sizes in a unit-load warehouse
US11216761B2 (en) System and method for supply chain optimization
CN114663015A (zh) 补货方法和装置
CN105900120A (zh) 产品数据分析
US20230096633A1 (en) Optimized tree ensemble based demand model
CN114626660A (zh) 用于激增调整预报的方法和装置
US20160307218A1 (en) System and method for phased estimation and correction of promotion effects
CN113780611A (zh) 一种库存管理方法和装置

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