CN113269445B - 一种产品的排产方法及装置 - Google Patents

一种产品的排产方法及装置 Download PDF

Info

Publication number
CN113269445B
CN113269445B CN202110592675.XA CN202110592675A CN113269445B CN 113269445 B CN113269445 B CN 113269445B CN 202110592675 A CN202110592675 A CN 202110592675A CN 113269445 B CN113269445 B CN 113269445B
Authority
CN
China
Prior art keywords
sales
product
target
sales volume
target product
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110592675.XA
Other languages
English (en)
Other versions
CN113269445A (zh
Inventor
章傲
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.)
Shanghai Shanshu Network Technology Co ltd
Shanshu Science And Technology Suzhou Co ltd
Shanshu Science And Technology Beijing Co ltd
Shenzhen Shanzhi Technology Co Ltd
Original Assignee
Shanghai Shanshu Network Technology Co ltd
Shanshu Science And Technology Suzhou Co ltd
Shanshu Science And Technology Beijing Co ltd
Shenzhen Shanzhi 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 Shanghai Shanshu Network Technology Co ltd, Shanshu Science And Technology Suzhou Co ltd, Shanshu Science And Technology Beijing Co ltd, Shenzhen Shanzhi Technology Co Ltd filed Critical Shanghai Shanshu Network Technology Co ltd
Priority to CN202110592675.XA priority Critical patent/CN113269445B/zh
Publication of CN113269445A publication Critical patent/CN113269445A/zh
Application granted granted Critical
Publication of CN113269445B publication Critical patent/CN113269445B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种产品的排产方法及装置，其中方法包括：获取目标产品的产品类型，以及目标产品的预测时段；基于产品类型和预测时段，获取目标产品的第一销量、第二销量和第三销量；其中，第一销量为与销售趋势相关的销量，第二销量为与价格因素相关的销量，第三销量为与环境因素相关的销量；基于第一销量、第二销量和所述第三销量，获得预测时段的总销量；基于总销量，获得目标产品的排产量。本发明能够极大的优化服饰类企业的生产，可降低产生库存问题或造成资源浪费的风险。

Description

一种产品的排产方法及装置
技术领域
本发明涉及工业生产技术领域，尤其涉及一种产品的排产方法及装置。
背景技术
目前，在鞋、衣服、裤子等服饰类行业存在迭代周期短，并且许多产品容易受到时间、季节的影响。因此，按照一般的零售产品对服饰类产品进行预测和排产，存在较高的风险，难以适应服饰类行业应用环境。这也会导致服饰生产企业的生产和库存难以控制，容易给企业造成较大损失和资源浪费。
因此，目前亟需一种能够优化服饰类企业生产的方法。
发明内容
鉴于上述问题，本发明提出了一种产品的排产方法及装置，能够极大的优化服饰类企业的生产，可降低产生库存问题或造成资源浪费的风险。
第一方面，本申请通过一实施例提供如下技术方案：
一种产品的排产方法，包括：
获取目标产品的产品类型，以及所述目标产品的预测时段；基于所述产品类型和所述预测时段，获取所述目标产品的第一销量、第二销量和第三销量；其中，所述第一销量为与销售趋势相关的销量，所述第二销量为与价格因素相关的销量，所述第三销量为与环境因素相关的销量；基于所述第一销量、所述第二销量和所述第三销量，获得所述预测时段的总销量；基于所述总销量，获得所述目标产品的排产量。
可选的，所述基于所述产品类型和所述预测时段，获取所述目标产品的第一销量、第二销量和第三销量，包括：
基于所述预测时段、所述产品类型以及与所述目标产品关联的销量数据，获得所述第一销量；基于所述预测时段、所述目标产品的价格模型，获得第二销量；其中，所述价格模型表征所述目标产品的价格对所述目标产品销量的影响比率；基于所述预测时段、所述目标产品的环境影响模型，获得第三销量，其中，所述环境影响模型表征所述目标产品的销售环境对所述目标产品销量的影响比率。
可选的，所述产品类型为常青品，所述基于所述预测时段、所述产品类型以及与所述目标产品关联的销量数据，获得所述第一销量，包括：
基于所述预测时段、所述目标产品的同期销量和所述目标产品的历史销量，获得所述第一销量；其中，所述同期销量为所述预测时段对应的历史同期的产品销量。
可选的，所述产品类型为季节品，所述基于所述预测时段、所述产品类型以及与所述目标产品关联的销量数据，获得所述第一销量，包括：
基于所述预测时段、所述目标产品的同期销量和第一目标常青品的历史销量，获得所述第一销量；其中，所述同期销量为所述预测时段对应的历史同期的产品销量，所述第一目标常青品与所述目标产品属于同一品牌。
可选的，获取所述目标产品的同期销量，包括：
获取所述目标产品的历史销售的销量峰值，和所述预测时段对应的第一销售比例；其中，所述第一销售比例为所述目标产品的历史销售中日销量占所述销量峰值的比例；基于所述预测时段、所述目标产品的销量峰值和所述第一销售比例，获得所述目标产品的同期销量。
可选的，获取所述目标产品的历史销售的销量峰值，包括：
获取所述目标产品在上一年度中销量最高的预设天数的目标销量值；每一天对应一目标销量值；基于多个所述目标销量值的均值或中位数，获得所述销量峰值。
可选的，所述产品类型为新季节品；所述基于所述预测时段、所述产品类型以及与所述目标产品关联的销量数据，获得所述第一销量，包括：
基于所述目标产品的预设上市时段内对应的近期销量，目标季节品在所述预设上市时段对应的第二销售比例，以及第二目标常青品的历史销量，获得所述第一销量，所述第二目标常青品与所述目标产品属于同一品牌；其中，所述目标季节品与所述目标产品为同一种类的产品，所述第二销售比例为所述目标季节品在历史销售中日销量占销量峰值的比例。
可选的，所述获取所述目标产品的预设上市时段内对应的近期销量，目标季节品在所述预设上市时段对应的第二销售比例，以及第二目标常青品的历史销量，获得所述第一销量，包括：
基于所述近期销量和所述第二销售比例，获得所述目标产品的销量峰值；基于所述预测时段、所述目标产品的销量峰值、所述预测时段内对应的所述第二销售比例和目标常青品的历史销量，获得所述第一销量。
第二方面，基于同一发明构思，本申请通过一实施例提供如下技术方案：
一种产品的排产装置，包括：
获取模块，用于获取目标产品的产品类型，以及所述目标产品的预测时段；销量预测模块，用于基于所述产品类型和所述预测时段，获取所述目标产品的第一销量、第二销量和第三销量；其中，所述第一销量为与销售趋势相关的销量，所述第二销量为与价格因素相关的销量，所述第三销量为与环境因素相关的销量；总销量获取模块，用于基于所述第一销量、所述第二销量和所述第三销量，获得所述预测时段的总销量；排产模块，用于基于所述总销量，获得所述目标产品的排产量。
第三方面，基于同一发明构思，本申请通过一实施例提供如下技术方案：
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一方面中所述方法的步骤。
本发明实施例提供的一种产品的排产方法及装置，通过获取目标产品的产品类型，以及目标产品的预测时段；接着，基于产品类型和预测时段，获取目标产品的第一销量、第二销量和第三销量；其中，第一销量为与销售趋势相关的销量，第二销量为与价格因素相关的销量，第三销量为与环境因素相关的销量，从而将目标产品销量的影响因素拆解，可分别针对不同类型的目标产品进行针对性的预测，从而提高后续排产量的可靠性。进一步的，基于第一销量、第二销量和所述第三销量，获得预测时段的总销量；最后，基于总销量，获得目标产品的排产量。本发明实施例中的排产量是对销量影响因素进行拆解后，并针对性的预测销量获得，能够极大的优化服饰类企业的生产，可降低产生库存问题或造成资源浪费的风险。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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。在附图中：
图1示出了本发明第一实施例提供的一种产品的排产方法的流程图；
图2示出了本发明第一实施例中季节品的销量特点示意图；
图3示出了本发明第二实施例提供的一种产品的排产装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
第一实施例
请参见图1，示出了本发明第一实施例提供的一种产品的排产方法的流程图。所述方法可用于指导服饰类企业对相关产品进行排产，可有效的避免季节性或经营性所带来的影响，对企业造成库存积压或产量不足，导致物料资源浪费或企业的经济损失。本实施例中以服饰类企业的产品为例进行详细阐述，当然本实施例方法也可适应性的沿用到相近似的行业或其他行业中，对本发明保护范围不构成限制。该方法包括步骤如下：
步骤S10：获取目标产品的产品类型，以及所述目标产品的预测时段。
在步骤S10中，目标产品的种类可包括帽子、鞋子、衣服、裤子等。具体的，帽子如风雪帽、雨帽、太阳帽、安全帽、防尘帽、睡帽、等等；鞋子如单鞋、夹鞋、棉鞋、凉鞋等；衣服如毛衣、衬衣、半袖、外套、羽绒服、西服、胸罩、裘皮、马夹、T恤、背心等；裤子如短裤、内裤、长裤、西裤、背带裤、牛仔裤等。目标产品可为上述产品中的某一产品的具体型号，在不同的企业产品型号可有不同的命名方式。
本实施例为了保证排产的准确性，将企业所销售的产品划分为三种产品类型，也即产品类型包括：常青品、季节品和新季节品。基于上述三类产品类型可进行针对性的预测销量，以实现准确的排产。
步骤S20：基于所述产品类型和所述预测时段，获取所述目标产品的第一销量、第二销量和第三销量；其中，所述第一销量为与销售趋势相关的销量，所述第二销量为与价格因素相关的销量，所述第三销量为与环境因素相关的销量。
在步骤S20中，首先，基于预测时段、产品类型以及与目标产品关联的销量数据，获得所述第一销量；然后，基于预测时段、目标产品的价格模型，获得第二销量；其中，价格模型表征目标产品的价格对目标产品销量的影响比率；最后，基于预测时段、目标产品的环境影响模型，获得第三销量，其中，环境影响模型表征目标产品的销售环境对目标产品销量的影响比率。整个预测过程根据销量的影响因素对销量的预测进行拆分，三部分销量分别对应不同的影响因素，最终能够保证不同的影响因素均能够充分反映至销量预测的结果上。也即，本实施例中针对常青品、季节品和新季节品，分别构建不同的预测模型进行预测销量。
预测时段，表示需要预测销量的时段。预测时段可根据企业需要进行适应性调整，预测时段可为1天、1个月、1个季度或1年，等等。目标产品关联的销量数据至少包括：目标产品的历史销量数据、目标产品对应的同类型产品的历史销量数据、与目标产品最像似的常青品的历史销量数据。在历史销量数据中与预测时段对应的历史同期的产品销量为同期销量。
一、根据产品类型的不同，第一销量的获取有如下方式：
1、产品类型为常青品时，可基于预测时段、目标产品的同期销量，获得第一销量。
具体的，因为常青品销售的销售时间较为持续，并且价格调控无序无特定的规律，因此本实施例中利用销售趋势来获取第一销量。销售趋势可通过目标产品的销售增长率来反映。例如，通过近年(如，2年、3年或4年等)目标产品的历史销量获取到年增长率，也可获取预测时段同期的销售增长率；可采用多个年度的增长率的均值作为最终结果来代表销售趋势，可避免短期波动产生的影响，另外也可采用最近年度的增长率来代表销售趋势，可准确反映市场变换所带来的影响，具体选择可根据企业需求确定。然后，基于最近一年的同期销量与该目标产品的增长率即可获得第一销量。第一销量可表示为：T1＝T0*k1，T1表示第一销量，T0表示目标产品最近一年的同期销量，k1表示目标产品的销售趋势因子(增长率)。
2、产品类型为季节品时，可基于预测时段、目标产品的同期销量和第一目标常青品的同期销量，获得第一销量；第一目标常青品与所述目标产品属于同一品牌。
具体的，季节品具有限的销售时长，并且其销售还具有如下几种特性：
1)在自己的产品季中销量呈现先增高后下降的二次曲线；销量先增高是由于产品上市，打热和覆盖市场需要时间；达到峰值销量后下降，是由于季节产品具有季节性特色，但随时间热度不断下降所以销量不断下降，如图2所示。
2)季节品在经历销售峰值后，价格也随销量下降不断下降以达到清货目的。
3)同一品牌，特别是同一品类的产品铺货方式有共性，所以这些同一类产品都会在上市后相似的时间点达到产品季销售峰值，而后随之下降。
基于上述特点，为了保证获取的第一销量结果的准确性，本实施例中可通过对目标产品的历史同期销量来刻画销售趋势，然后结合目标产品对应品牌的品牌效应来对销售趋势进行修正，以获得第一销量。
具体的，季节品的趋势模型将拟合已经完成整个销售周期的历史季节品的销售趋势，以产品季销售峰值视作该产品的市场大小，计算其他销售日期相对于市场峰值的比例来刻画销售曲线，如图2所示。因此，目标产品的历史同期销量可通过目标产品的历史销售的销量峰值和预测时段对应的第一销售比例来得到。第一销售比例为目标产品的历史销售中日销量占所述销量峰值的比例。销售峰值可为某一年度的目标产品在历史销售中单日的最大销量。为了避免统计的异常值带来影响，提高销售峰值的可靠性和稳定性，本实施例中可采用如下方式：
首先，获取目标产品在上一年度中销量最高的预设天数的目标销量值。每一天对应一目标销量值，预设天数可为3天、4天、5天、6天、等等。由于目标产品的上一年度的数据与当前的预测时段最为接近，所以选择目标产品的上一年度的数据能够提高第一销量的准确性。第一销售比例也可为上一年度的数据，也可采用连续多个年度得到的销售比例数据的均值。然后，基于多个目标销量值的中位数，获得销量峰值，从而有效排除异常值带来的影响。另外，也可基于多个目标销量值的均值，获得销量峰值，从而降低异常值带来的影响。
在得到销量峰值后，可基于预测时段、目标产品的销量峰值和第一销售比例，获得目标产品的同期销量。具体的，针对预测时段的每一天的销量情况有：T日＝P峰*D1，T日表示预测时段内一天的销量，P峰为销量峰值，D1预测时段内一天的第一销售比例。这样获取到预测时段内所有日期的销量，就可得到目标产品的同期销量。
进一步的，结合目标产品对应品牌的品牌效应来对销售趋势进行修正。本实施例中，可通过同品牌中与目标产品种类最接近的常青品的销售趋势来反映品牌效应。例如，目标产品为短裤，则可将同品牌的休闲裤作为反映品牌效应的第一目标常青品；又如，目标产品为靴子，则可将同品牌的皮鞋作为反映品牌效应的第一目标常青品。而第一目标常青品的销售趋势，可通过第一目标常青品的增长率来确定；也即由第一目标常青品的历史销量可获取第一目标常青品对应的增长率，该获取过程可参照上述目标产品为常青品的说明(也即上述第1点中关于增长率的阐述)。最终，第一销量可表示为：T2＝T总*k2，T2表示第一销量，T总表示通过T日＝P峰*D1获得的目标产品的同期销量，k2表示品牌效应因子。
3、产品类型为新季节品时，可基于目标产品的预设上市时段内对应的近期销量，目标季节品在预设上市时段对应的第二销售比例，以及第二目标常青品的历史销量，获得所述第一销量。其中，目标季节品与目标产品为同一种类的产品，第二销售比例为目标季节品在历史销售中日销量占销量峰值的比例，第二目标常青品与目标产品属于同一品牌。
新季节品和季节品的区别在于：新季节品的铺货数据较少，对相关模型无法通过自己的数据训练，并且新季节品在上市后无法确定何时达到峰值。为了解决上述问题，本实施例中通过新季节品上市后预设上市时段的近期销量除以对应目标季节品在预设上市时段的销量比率来预估峰值。由于目标季节品与新季节品为同一品牌下的同种类的产品，因此目标季节品的销量情况能够在最大限度的反应出新季节品的销量比例情况，因此采用目标季节品预测新季节品具有较高可靠性。例如，预设上市时段为1周，则查找到目标季节品在最近一年度对应的预设上市时段的第二销售比例；然后，将1周内每一天的销量除以对应的第二销售比例，可得到7个销量值；最后，可将该7个销量值的中位数或均值作为销量峰值。
进一步的，基于预测时段、目标产品的销量峰值、预测时段内对应的第二销售比例和第二目标常青品的历史销量，获得第一销量。具体的，基于预测时段、目标产品的销量峰值和预测时段内对应的第二销售比例，可得到目标产品在预测时段内按照目标季节品所预估的销量值，也即目标季节品的同期销量。然后再通过第二目标常青品的历史销量来对预估的销量值进行趋势修正，也即品牌效应带来的销量影响，最后可得到第一销量。具体的可表示为：T3＝T′总*k3，T3表示第一销量，k3表示品牌效应因子，T′总为通过T′日＝P′峰*D2获得的目标产品的预估的销量值，T′日表示目标产品的日销量，P′峰表示目标产品的销量峰值，D2表示第二销售比例。
通过上述方式可在新季节品上位铺开时，对新季节品被趋势所影响的后续销售情况进行预估，并且能够得到较为可靠的预估结果。
二、基于预测时段、目标产品的价格模型，获得第二销量；其中，价格模型表征目标产品的价格对目标产品销量的影响比率。
具体的，价格模型可以根据统计目标产品对应的历史数据得到的模型。当目标产品为常青品和季节品时，可采用目标产品本身的历史数据构建价格模型；当目标产品为新季节品时，可采用与该新季节品同种类且最像似的产品的历史数据构建价格模型。另外，也可采用与该新季节品同种类的多个项产品的历史数据构建价格模型。价格模型可为以价格波动和销量变化的回归曲线，例如，当前预测时段内目标产品的价格相对于基准价上涨a％，根据价格模型可得到销量将下降b％。若预测时段内将有多次调价的情况，则可分别累积每个价格阶段的销量影响，从而得到最终的第二销量。不同的目标产品可构建不同的价格模型，通过引入价格模型对销量的影响，可提高销售预测的准确性，进一步降低了企业排产的风险系数。
三、基于预测时段、目标产品的环境影响模型，获得第三销量，其中，环境影响模型表征目标产品的销售环境对所述目标产品销量的影响比率。
具体的，销售环境可包含突发事件、竞品数量、推广渠道、等等。突发事件如大型活动、会议、新政等；推广渠道如搜索引擎推广、社交软件推广、电梯广告等。每一类销售环境对目标产品的销量产生一定的正面或负面影响，影响的比率可通过统计历史数据确定，从而形成环境影响模型。将预测时段内所有销售环境影响的产品销量进行累计，即可得到第三销量。
步骤S30：基于所述第一销量、所述第二销量和所述第三销量，获得所述预测时段的总销量。
在步骤S30中，累加第一销量、第二销量和第三销量，即可得到总销量。可表示为Q＝T+P+O，Q表示总销量，T表示第一销量(为T1、T2、T3中任一者)，P表示第二销量，O表示第三销量。
步骤S40：基于所述总销量，获得所述目标产品的排产量。
在步骤S40中，排产量是为了预测时段内目标产品的销售所计划生产的产品量。可将总销量作为排产量，也可在行业景气的年度进行超量生产避免库存不足。超量生产时，可在总销量的基础上增加生产量，例如可将总销量的1.05倍作为排产量。在行业不景气的年度可进行缩量生产，可在总销量的基础上缩减生产量，例如可将总销量的95％作为排产量。最终确定的排产量是经过对销量影响因素的拆分确定的，用于指导企业生产能够保证排产量与预测时段的时间销量进行最大化匹配，避免生产企业产生库存影响和资源浪费。
综上所述，本实施例提供的一种产品的排产方法，通过获取目标产品的产品类型，以及目标产品的预测时段；接着，基于产品类型和预测时段，获取目标产品的第一销量、第二销量和第三销量；其中，第一销量为与销售趋势相关的销量，第二销量为与价格因素相关的销量，第三销量为与环境因素相关的销量，从而将目标产品销量的影响因素拆解，可分别针对不同类型的目标产品进行针对性的预测，从而提高后续排产量的可靠性。进一步的，基于第一销量、第二销量和所述第三销量，获得预测时段的总销量；最后，基于总销量，获得目标产品的排产量。本实施例中的排产量是对销量影响因素进行拆解后，并针对性的预测销量获得，能够极大的优化服饰类企业的生产，可降低产生库存问题或造成资源浪费的风险。
第二实施例
请参阅图3，基于同一发明构思，本发明第二实施例提供了一种产品的排产装300。所述产品的排产装置300包括：
获取模块301，用于获取目标产品的产品类型，以及所述目标产品的预测时段；销量预测模块302，用于基于所述产品类型和所述预测时段，获取所述目标产品的第一销量、第二销量和第三销量；其中，所述第一销量为与销售趋势相关的销量，所述第二销量为与价格因素相关的销量，所述第三销量为与环境因素相关的销量；总销量获取模块303，用于基于所述第一销量、所述第二销量和所述第三销量，获得所述预测时段的总销量；排产模块304，用于基于所述总销量，获得所述目标产品的排产量。
作为一种可选的实施方式，所述销量预测模块302，具体用于：
基于所述预测时段、所述产品类型以及与所述目标产品关联的销量数据，获得所述第一销量；基于所述预测时段、所述目标产品的价格模型，获得第二销量；其中，所述价格模型表征所述目标产品的价格对所述目标产品销量的影响比率；基于所述预测时段、所述目标产品的环境影响模型，获得第三销量，其中，所述环境影响模型表征所述目标产品的销售环境对所述目标产品销量的影响比率。
作为一种可选的实施方式，所述产品类型为常青品，所述销量预测模块302，还具体用于：
基于所述预测时段、所述目标产品的同期销量和所述目标产品的历史销量，获得所述第一销量；其中，所述同期销量为所述预测时段对应的历史同期的产品销量。
作为一种可选的实施方式，所述产品类型为季节品，所述销量预测模块302，还具体用于：
基于所述预测时段、所述目标产品的同期销量和第一目标常青品的历史销量，获得所述第一销量；其中，所述同期销量为所述预测时段对应的历史同期的产品销量，所述第一目标常青品与所述目标产品属于同一品牌。
作为一种可选的实施方式，所述销量预测模块302，还具体用于：
获取所述目标产品的历史销售的销量峰值，和所述预测时段对应的第一销售比例；其中，所述第一销售比例为所述目标产品的历史销售中日销量占所述销量峰值的比例；基于所述预测时段、所述目标产品的销量峰值和所述第一销售比例，获得所述目标产品的同期销量。
作为一种可选的实施方式，所述销量预测模块302，还具体用于：
获取所述目标产品在上一年度中销量最高的预设天数的目标销量值；每一天对应一目标销量值；基于多个所述目标销量值的均值或中位数，获得所述销量峰值。
作为一种可选的实施方式，所述产品类型为新季节品；所述销量预测模块302，还具体用于：
基于所述目标产品的预设上市时段内对应的近期销量，目标季节品在所述预设上市时段对应的第二销售比例，以及第二目标常青品的历史销量，获得所述第一销量，所述第二目标常青品与所述目标产品属于同一品牌；其中，所述目标季节品与所述目标产品为同一种类的产品，所述第二销售比例为所述目标季节品在历史销售中日销量占销量峰值的比例。
作为一种可选的实施方式，所述销量预测模块302，还具体用于：
基于所述近期销量和所述第二销售比例，获得所述目标产品的销量峰值；基于所述预测时段、所述目标产品的销量峰值、所述预测时段内对应的所述第二销售比例和目标常青品的历史销量，获得所述第一销量。
需要说明的是，本发明实施例所提供的一种产品的排产装300，其具体实现及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
第三实施例
基于同一发明构思，本发明第三实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一实施例中任一项所述方法的步骤。
需要说明的是，本发明实施例所提供的计算机可读存储介质中，其程序被处理器执行时上述每个步骤的具体实现及产生的技术效果和前述方法实施例相同，为简要描述，本实施例未提及之处可参考前述方法实施例中相应内容。
本文中出现的术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系；单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (4)

1.一种产品的排产方法，其特征在于，包括：
获取目标产品的产品类型，以及所述目标产品的预测时段；
基于所述产品类型和所述预测时段，获取所述目标产品的第一销量、第二销量和第三销量；其中，所述第一销量为与销售趋势相关的销量，所述第二销量为与价格因素相关的销量，所述第三销量为与环境因素相关的销量；
基于所述第一销量、所述第二销量和所述第三销量，获得所述预测时段的总销量；
基于所述总销量，获得所述目标产品的排产量；
所述基于所述产品类型和所述预测时段，获取所述目标产品的第一销量、第二销量和第三销量，包括：
基于所述预测时段、所述产品类型以及与所述目标产品关联的销量数据，获得所述第一销量；
基于所述预测时段、所述目标产品的价格模型，获得第二销量；其中，所述价格模型表征所述目标产品的价格对所述目标产品销量的影响比率；
基于所述预测时段、所述目标产品的环境影响模型，获得第三销量，其中，所述环境影响模型表征所述目标产品的销售环境对所述目标产品销量的影响比率；
所述产品类型为新季节品；所述基于所述预测时段、所述产品类型以及与所述目标产品关联的销量数据，获得所述第一销量，包括：
基于所述目标产品的预设上市时段内对应的近期销量，目标季节品在所述预设上市时段对应的第二销售比例，以及第二目标常青品的历史销量，获得所述第一销量，所述第二目标常青品与所述目标产品属于同一品牌；
其中，所述目标季节品与所述目标产品为同一种类的产品，所述第二销售比例为所述目标季节品在历史销售中日销量占销量峰值的比例。
2.根据权利要求1所述的方法，其特征在于，所述获取所述目标产品的预设上市时段内对应的近期销量，目标季节品在所述预设上市时段对应的第二销售比例，以及第二目标常青品的历史销量，获得所述第一销量，包括：
基于所述近期销量和所述第二销售比例，获得所述目标产品的销量峰值；
基于所述预测时段、所述目标产品的销量峰值、所述预测时段内对应的所述第二销售比例和目标常青品的历史销量，获得所述第一销量。
3.一种产品的排产装置，其特征在于，包括：
获取模块，用于获取目标产品的产品类型，以及所述目标产品的预测时段；
销量预测模块，用于基于所述产品类型和所述预测时段，获取所述目标产品的第一销量、第二销量和第三销量；其中，所述第一销量为与销售趋势相关的销量，所述第二销量为与价格因素相关的销量，所述第三销量为与环境因素相关的销量；
总销量获取模块，用于基于所述第一销量、所述第二销量和所述第三销量，获得所述预测时段的总销量；
排产模块，用于基于所述总销量，获得所述目标产品的排产量；
所述销量预测模块，具体用于：
基于所述预测时段、所述产品类型以及与所述目标产品关联的销量数据，获得所述第一销量；
基于所述预测时段、所述目标产品的价格模型，获得第二销量；其中，所述价格模型表征所述目标产品的价格对所述目标产品销量的影响比率；
基于所述预测时段、所述目标产品的环境影响模型，获得第三销量，其中，所述环境影响模型表征所述目标产品的销售环境对所述目标产品销量的影响比率；
所述产品类型为新季节品；所述基于所述预测时段、所述产品类型以及与所述目标产品关联的销量数据，获得所述第一销量，包括：
基于所述目标产品的预设上市时段内对应的近期销量，目标季节品在所述预设上市时段对应的第二销售比例，以及第二目标常青品的历史销量，获得所述第一销量，所述第二目标常青品与所述目标产品属于同一品牌；
其中，所述目标季节品与所述目标产品为同一种类的产品，所述第二销售比例为所述目标季节品在历史销售中日销量占销量峰值的比例。
4.一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，该程序被处理器执行时实现权利要求1或2所述方法的步骤。
CN202110592675.XA 2021-05-28 2021-05-28 一种产品的排产方法及装置 Active CN113269445B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110592675.XA CN113269445B (zh) 2021-05-28 2021-05-28 一种产品的排产方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110592675.XA CN113269445B (zh) 2021-05-28 2021-05-28 一种产品的排产方法及装置

Publications (2)

Publication Number Publication Date
CN113269445A CN113269445A (zh) 2021-08-17
CN113269445B true CN113269445B (zh) 2024-01-19

Family

ID=77233402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110592675.XA Active CN113269445B (zh) 2021-05-28 2021-05-28 一种产品的排产方法及装置

Country Status (1)

Country Link
CN (1) CN113269445B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117314505B (zh) * 2023-11-29 2024-03-05 深圳市易图资讯股份有限公司 一种基于arima模型的大数据处理方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109509030A (zh) * 2018-11-15 2019-03-22 北京旷视科技有限公司 销量预测方法及其模型的训练方法、装置和电子系统
CN110135876A (zh) * 2018-02-09 2019-08-16 北京京东尚科信息技术有限公司 销量预测的方法及装置
CN111815349A (zh) * 2020-05-28 2020-10-23 杭州览众数据科技有限公司 一种基于历史相似产品的服装销量趋势预测方法
CN112734494A (zh) * 2021-01-18 2021-04-30 深圳市轱辘车联数据技术有限公司 一种销量预测方法、装置、终端设备及可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110135876A (zh) * 2018-02-09 2019-08-16 北京京东尚科信息技术有限公司 销量预测的方法及装置
CN109509030A (zh) * 2018-11-15 2019-03-22 北京旷视科技有限公司 销量预测方法及其模型的训练方法、装置和电子系统
CN111815349A (zh) * 2020-05-28 2020-10-23 杭州览众数据科技有限公司 一种基于历史相似产品的服装销量趋势预测方法
CN112734494A (zh) * 2021-01-18 2021-04-30 深圳市轱辘车联数据技术有限公司 一种销量预测方法、装置、终端设备及可读存储介质

Also Published As

Publication number Publication date
CN113269445A (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
Thomassey Sales forecasts in clothing industry: The key success factor of the supply chain management
US20180322404A1 (en) Time Series Based Data Prediction Method and Apparatus
Thomassey Sales forecasting in apparel and fashion industry: A review
CN107203904A (zh) 销售商品的动态定价方法及系统
CN105205701A (zh) 一种网络动态定价方法和系统
US20100138275A1 (en) Automatic event shifting of demand patterns using multi-variable regression
CN106651418A (zh) 针对电商满减活动的凑单商品推荐的方法
JP2015528170A (ja) 祭日用売れ筋商品を決定するための方法及びデバイス
US10956960B2 (en) Method, medium, and system for batch-processing and on-demand processing to provide recommendations
Karomatovna MAIN DIRECTIONS OF DEVELOPMENT OF LIGHT INDUSTRY ENTERPRISES IN UZBEKISTAN IN THE CONDITIONS OF ECONOMIC GLOBALIZATION
Asgari et al. A system dynamics approach to supply chain performance analysis of the ready-made-garment industry in Bangladesh
CN113269445B (zh) 一种产品的排产方法及装置
Lin et al. Pricing and inventory problem in shrimp supply chain: A case study of Taiwan's white shrimp industry
US11205185B2 (en) Forecasting demand for groups of items, such as mobile phones
Fernandez-Stark et al. Analysis of the Textile and Clothing Industry Global Value Chains
Şerbănel Romanian textile industry and its competitive advantage
Pater et al. Segmenting users of an online store using data mining techniques
CN115660708A (zh) 商品数据的处理方法、装置、电子设备及存储介质
US20210158271A1 (en) Determining seasonality in intermittent inventory demand
CN109389473A (zh) 基于苗木交易平台中采购单的推送方法及终端、存储介质
Basuki et al. The Performance of Production, Price and Marketing System of Shallot in Central Java
US20210201340A1 (en) System and method for predicting discount-demand elasticity
Matsoma et al. Factors affecting demand planning in the South African clothing industry
Chopra Wills Lifestyle in India
Yepanchintseva Light industry goods market in Kazakhstan: Current trends and opportunities for growth

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