CN113449939A - 库存数据预测的方法、装置、计算设备及介质 - Google Patents
库存数据预测的方法、装置、计算设备及介质 Download PDFInfo
- Publication number
- CN113449939A CN113449939A CN202010215460.1A CN202010215460A CN113449939A CN 113449939 A CN113449939 A CN 113449939A CN 202010215460 A CN202010215460 A CN 202010215460A CN 113449939 A CN113449939 A CN 113449939A
- Authority
- CN
- China
- Prior art keywords
- shipment
- data
- prediction
- historical
- 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 43
- 238000009499 grossing Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 230000015654 memory Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—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
- G06Q10/06315—Needs-based resource requirements planning or 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
- G06Q10/08—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
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种库存数据预测的方法,包括:从数据库服务器中获取出货量和历史订单量;根据历史出货量和历史订单量,确定目标系数;根据历史出货量和目标系数,确定第一出货量预测数据;根据历史订单量和目标系数,确定第二出货量预测数据;以及根据第一出货量预测数据和第二出货量预测数据,确定目标库存数据,以对库存数据进行预测。本公开还公开了一种库存数据预测的装置、计算设备和介质。
Description
技术领域
本公开涉及计算机技术领域,更具体地,涉及一种库存数据预测的方法、装置、计算设备及介质。
背景技术
随着电子商务的发展,商城平台中的商家数量呈现逐年递增的趋势,订单量也随之逐渐增大,这增加了仓库的库存压力。如果为仓库配置的库存量过小,则在促销时期不能满足订单的库存需求,影响商家客户粘性;如果为仓库配置的库存量过大,则会增加库存的库存成本,不利于周转。因此,如何合理的预测商家商品库存量至关重要。
发明内容
有鉴于此,本公开提供了一种库存数据预测的方法、装置、计算设备及介质。
本公开的一个方面提供了一种库存数据预测的方法,包括:从数据库服务器中获取出货量和历史订单量;根据历史出货量和历史订单量,确定目标系数;根据历史出货量和目标系数,确定第一出货量预测数据;根据历史订单量和目标系数,确定第二出货量预测数据;以及根据第一出货量预测数据和第二出货量预测数据,确定目标库存数据,以对库存数据进行预测。
根据本公开的实施例,上述根据历史出货量和历史订单量,确定目标系数,包括:计算历史订单量与历史出货量的比值,作为目标系数。
根据本公开的实施例,上述根据历史出货量和目标系数,确定第一出货量预测数据,包括:将历史出货量作为样本数据、目标系数作为预测系数输入第一预测模型,得到第一出货量预测数据。
根据本公开的实施例,上述根据历史订单量和目标系数,确定第二出货量预测数据,包括:将历史订单量作为样本数据、目标系数作为预测系数输入第二预测模型,得到订单预测数据;获取订单转换占比;以及根据订单转换占比和订单预测数据,确定第二出货量预测数据。
根据本公开的实施例,上述第一预测模型包括指数平滑模型或间歇需求模型,第二预测模型包括指数平滑模型或间歇需求模型。
根据本公开的实施例,上述根据第一出货量预测数据和第二出货量预测数据,确定目标库存数据,以对库存数据进行预测,包括:将第一出货量预测数据和第二出货量预测数据按照预设规则组合,得到至少一个第三出货量预测数据;根据第一出货量预测数据、第二出货量预测数据和至少一个第三出货量预测数据,确定多个库存预测数据;以及确定多个库存预测数据中目标时间段内库存总量最小的库存预测数据,作为目标库存数据。
根据本公开的实施例,上述将第一出货量预测数据和第二出货量预测数据按照预设规则组合,得到至少一个第三出货量预测数据,包括:比较第一出货量预测数据与第二出货量预测数据在每一单位时间上的出货量值,得到每一单位时间上的最大出货量值和最小出货量值;将每一单位时间上的最大出货量值作为一个第三出货量预测数据;以及将每一单位时间上的最小出货量值作为另一个第三出货量预测数据。
本公开的另一个方面提供了一种库存数据预测的装置,包括获取模块,用于从数据库服务器中获取出货量和历史订单量;第一确定模块,用于根据历史出货量和历史订单量,确定目标系数;第一预测模块,用于根据历史出货量和目标系数,确定第一出货量预测数据;第二预测模块,用于根据历史订单量和目标系数,确定第二出货量预测数据;以及第二确定模块,用于根据第一出货量预测数据和第二出货量预测数据,确定目标库存数据,以对库存数据进行预测。
根据本公开的实施例,上述第一确定模块,还用于:计算历史订单量与历史出货量的比值,作为目标系数。本公开的另一个方面提供了一种计算设备,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,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上所述的方法。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
根据本公开的实施例,目标系数根据历史出货量和历史订单量自动设定,无需人为设定,减少人为设定预测系数导致的预测误差。另外,根据本公开的实施例,分别根据历史出货量和历史订单量,确定第一出货量预测数据和第二出货量预测数据,然后根据第一出货量预测数据和第二出货量预测数据,确定目标库存数据,以对库存数据进行预测,相比单一使用历史出货量进行预测的方法,增加了库存数据预测的可信度。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的可以应用库存数据预测的方法的示例性系统架构;
图2A示意性示出了根据本公开的实施例的库存数据预测的方法的流程图;
图2B示意性示出了根据本公开的实施例的根据历史订单量和目标系数,确定第二出货量预测数据的流程图;
图2C示意性示出了根据本公开另一实施例的根据第一出货量预测数据和第二出货量预测数据,确定目标库存数据,以对库存数据进行预测的流程图;
图3示意性示出了根据本公开实施例的库存表现示意图;
图4示意性示出了根据本公开的实施例的库存数据预测的装置的框图;以及
图5示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机系统的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种库存数据预测的方法以及能够应用该方法的装置。该方法包括从数据库服务器中获取出货量和历史订单量;根据历史出货量和历史订单量,确定目标系数;根据历史出货量和目标系数,确定第一出货量预测数据;根据历史订单量和目标系数,确定第二出货量预测数据;以及根据第一出货量预测数据和第二出货量预测数据,确定目标库存数据,以对库存数据进行预测。
图1示意性示出了根据本公开实施例的可以应用库存数据预测的方法的示例性系统架构100。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括仓库管理服务器101、数据库服务器102和网络103。网络103用以在仓库管理服务器101和数据库服务器102之间提供通信链路的介质。网络103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。
数据库服务器102可以为电商平台的数据库服务器,用于存储商品的销售数据、订单数据等数据。
仓库管理服务器101可以从数据库数据库102中接收例如销售数据、订单数据等数据,并对数据进行分析、仿真、预测等处理。
需要说明的是,本公开实施例所提供的库存数据预测的方法一般可以由仓库管理服务器101执行。相应地,本公开实施例所提供的库存数据预测的装置一般可以设置于仓库管理服务器101中。本公开实施例所提供的库存数据预测的方法也可以由不同于仓库管理服务器101且能够与数据库服务器102通信的服务器或服务器集群执行。相应地,本公开实施例所提供的库存数据预测的装置也可以设置于不同于仓库管理服务器101且能够与数据库服务器102和/或仓库管理服务器101通信的服务器或服务器集群中。
应该理解,图1中的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网络和服务器。
图2A示意性示出了根据本公开的实施例的库存数据预测的方法的流程图。
如图2A所示,该方法包括在操作S210,从数据库服务器中获取出货量和历史订单量。
根据本公开的实施例,历史出货量包括预设历史时间区间内各单位时间的售出的商品数量,历史订单量包括预设历史时间区间内各单位时间的生成的订单数量。示例性地,本实施例中,预设历史时间区间例如可以为30天,单位时间例如可以为1天。
然后,在操作S220,根据历史出货量和历史订单量,确定目标系数。
根据本公开的实施例,操作S220例如可以包括计算历史订单量之和与历史出货量之和的比值,作为目标系数,即目标系数等于预设历史时间段内所有订单的数量除以该时间段内所有售出的商品数量。
在操作S230,根据历史出货量和目标系数,确定第一出货量预测数据。
根据本公开的实施例,操作S230例如可以包括将历史出货量和目标系数输入第一预测模型,其中,历史出货量作为第一预测模型的样本数据,目标系数作为第一预测模型的预测系数,然后计算第一预测模型,得到第一出货量预测数据。
根据本公开的实施例,第一预测模型例如可以是指数平滑模型(包括一次指数平滑模型、二次指数平滑模型、三次指数平滑模型等),或者Croston模型等需要预测系数的数据预测模型。
指数平滑模型可以实现为以下公式:
st=a·yt-1+(1-a)st-1
其中,st为时间t的预测值;yt-1为时间t-1的实际值,可以由历史数据得到;st-1为时间t-1的预测值;a为预测系数(也称平滑系数),其取值范围为[0,1]。
Croston模型的基本计算公式为:
其中,qi表示第i个非零数值,ai表示qi-1和qi之间的时间间隔,qi、ai可以根据历史数据得到。表示所要预测的第i+1个非零数值。表示所要预测的第i+1个非零数值与qi之间的时间间隔。α为预测系数(也称平滑系数),α为0到1之间的任意值。需要说明的是,上面两个公式中的α值可以相同也可以不同。
接下来,在操作S240,根据历史订单量和目标系数,确定第二出货量预测数据。
图2B示意性示出了根据本公开的实施例的根据历史订单量和目标系数,确定第二出货量预测数据的流程图。
如图2B所示,操作S240例如可以包括操作S241~S243。
在操作S241,将历史订单量作为样本数据、目标系数作为预测系数输入第二预测模型,得到订单预测数据。
根据本公开的实施例,第二预测模型例如可以是指数平滑模型(包括一次指数平滑模型、二次指数平滑模型、三次指数平滑模型等),或者Croston模型等需要预测系数的数据预测模型。
根据本公开的实施例,第二预测模型可以与第一预测模型相同,也可以不同。示例性地,本实施例中,第一预测模型和第二预测模型采用Croston模型。具体预测订单预测数据的方法可以参考上文预测出货量预测数据的方法,在此不再赘述。
在操作S242,获取订单转换占比。
根据本公开的实施例,订单转换占比为订单数量占商品数量的比例,可以根据历史数据,计算一定时间段内生成的订单数量与商品数量的比,得到订单转换占比。
在操作S243,根据订单转换占比和订单预测数据,确定第二出货量预测数据。
根据本公开的实施例,可以根据以下公式计算第二出货量预测数据:第n个单位时间的预测出货量=第n个单位时间的订单预测数据/订单转换占比,其中,n为正整数。
根据本公开的另一些实施例,第一预测模型和第二预测模型,也可以是arima模型、移动平均模型等无需预测参数的预测模型。在这种情况下,不再需要目标系数,仅需将样本数据输入预测模型,即可计算得到相应的预测结果。
根据本公开另一些实施例,可以预先设置模型池,模型池中包括多种预测模型。分别从历史订单数据和历史出货量数据中选择部分数据作为测试数据,根据测试数据,分别计算各种预测模型在预测订单量和出货量时的均平方误差(RMSE)和加权误差比率(WMAPE),从而对各种预测模型的准确率进行评估。根据评估结果,选择预测出货量准确率最高的预测模型作为第一预测模型,并选择预测订单量准确率最高的预测模型作为第二预测模型。
在操作S250,根据第一出货量预测数据和第二出货量预测数据,确定目标库存数据,以对库存数据进行预测。
根据本公开的实施例,可以分别将第一出货量预测数据和第二出货量预测数据输入库存模拟模型,从而预测未来一段时间内的每一单位时间上的库存数据,然后选择目标时间段内库存总量最小的库存数据作为目标库存数据。其中,库存预测模型可以用于根据预先配置的补货周期、服务水平、补货提前期(运输时长)等指标,从而能够基于出货量预测数据,模拟未来一段时间的库存表现。
根据本公开的实施例,目标系数根据历史出货量和历史订单量自动设定,无需人为设定,减少人为设定预测系数导致的预测误差。
另外,根据本公开的实施例,分别根据历史出货量和历史订单量,确定第一出货量预测数据和第二出货量预测数据,然后根据第一出货量预测数据和第二出货量预测数据,确定目标库存数据,以对库存数据进行预测。相比单一使用历史出货量进行预测的方法,增加了库存数据预测的可信度。
图2C示意性示出了根据本公开另一实施例的根据第一出货量预测数据和第二出货量预测数据,确定目标库存数据,以对库存数据进行预测的流程图。
如图2C所示,操作S250例如可以包括操作S251~S253。
在操作S251,将第一出货量预测数据和第二出货量预测数据按照预设规则组合,得到至少一个第三出货量预测数据。
根据本公开的实施例,为了扩展出货量预测的区间,使其尽可能包含所有可能预测到的情况,从而提高预测准确性,可以对第一出货量预测数据和第二出货量预测数据进行扩展,得到至少一个第三出货量预测数据。
下面示例性示出了一种操作S251的实现方式。
比较第一出货量预测数据与第二出货量预测数据在每一单位时间上的出货量值,得到每一单位时间上的最大出货量值和最小出货量值,然后将每一单位时间上的最大出货量值作为一个第三出货量预测数据,并将每一单位时间上的最小出货量值作为另一个第三出货量预测数据。
例如,第一出货量预测数据和第二出货量预测数据如表1所示,则第三出货量预测数据为每个单位时间上的最大出货量值的集合[0,12.5,4.5,12.1]和最小出货量值的集合[0,5,0,6.28]。
表1
单位时间序号 | 1 | 2 | 3 | 4 |
第一出货量预测数据 | 0 | 12.5 | 0 | 12.1 |
第二出货量预测数据 | 0 | 5 | 4.5 | 6.28 |
最大出货量值 | 0 | 12.5 | 4.5 | 12.1 |
最小出货量值 | 0 | 5 | 0 | 6.28 |
根据本公开的实施例,单位时间例如可以为1天。
在操作S252,根据第一出货量预测数据、第二出货量预测数据和至少一个第三出货量预测数据,确定多个库存预测数据。
根据本公开的实施例,分别根据第一出货量预测数据、第二出货量预测数据和至少一个第三出货量预测数据,确定库存预测数据。每一个出货量预测数据可以得到一个库存预测数据。
根据本公开的实施例,图3示意性示出了根据本公开实施例的库存表现示意图。其中,s为每个补货周期的补货数量,ss为安全库存量,S为在低于安全库存时进行补货后所需达到的库存数量,R为补货周期,VLT为补货提前期,即补货时货物的运输时间。
如图3所示,仓库每隔一个补货周期可以进行补货,同时,在仓库中的商品数量低于安全库存量时,也可以进行补货。可以根据库存模拟模型来模拟库存表现。库存模拟模型可以表示为以下公式:
其中,μD为补货提前期时间区间内的平均需求量。μVLT为平均补货提前期。Za为服务水平a(服务水平a为预设值,取值范围为0到1)对应的标准正态分布值。σD为补货提前期时间区间内的需求量的标准差。σVLT为补货提前期的标准差。
根据本公开的实施例,出货量预测数据可以表示未来的库存消耗,将出货量预测数据输入库存模拟模型中即可模拟未来的库存表现。
在操作S253,确定多个库存预测数据中目标时间段内库存总量最小的库存预测数据,作为目标库存数据。
根据本公开的实施例,库存成本是在整个库存过程中所发生的全部费用总和,例如包括:(1)订货成本。(2)购入成本,即用于购买或生产该产品所支出的费用,与购买量或生产量有关。(3)库存持有成本,即为保持存货而发生的成本,通常指货物从入库到出库期间所发生的成本。(4)缺货成本。(5)物流成本,即货物从供应商处运到仓库,以及从仓库运到用户手中所需的成本。一般来说,仓库中的库存总量越小,表示仓库的库存成本越低。因此,可以比较每个库存预测数据,选择在目标时间段内库存总量最小的库存预测数据,作为目标库存数据,从而根据目标库存数据能够合理的安排商品的库存水平。
根据本公开另一些实施例,为了更精确地得到每个库存预测数据所对应的库存成本,还可以预先设置成本模型,用于模拟仓库的库存成本。将预测得到的多个库存预测数据,分别输入成本模型中,得到每个库存预测数据所对应的库存成本,然后选择其中库存成本最低的库存预测数据作为目标库存数据。
图4示意性示出了根据本公开的实施例的库存数据预测的装置的框图。
如图4所示,装置400包括获取模块410、第一确定模块420、第一预测模块430、第二预测模块440和第二确定模块450。
获取模块410,用于从数据库服务器中获取出货量和历史订单量。
第一确定模块420,用于根据历史出货量和历史订单量,确定目标系数。
第一预测模块430,用于根据历史出货量和所述目标系数,确定第一出货量预测数据。
第二预测模块440,用于根据历史订单量和目标系数,确定第二出货量预测数据。
第二确定模块450,用于根据第一出货量预测数据和第二出货量预测数据,确定目标库存数据,以对库存数据进行预测。
根据本公开的实施例,上述第一确定模块420,还用于:计算历史订单量与历史出货量的比值,作为目标系数。
根据本公开的实施例,上述第一预测模块430,还用于:将历史出货量作为样本数据、目标系数作为预测系数输入第一预测模型,得到第一出货量预测数据。
根据本公开的实施例,上述第二预测模块440,还用于:将历史订单量作为样本数据、目标系数作为预测系数输入第二预测模型,得到订单预测数据;获取订单转换占比;以及根据订单转换占比和订单预测数据,确定第二出货量预测数据。
根据本公开的实施例,上述第一预测模型包括指数平滑模型或间歇需求模型,第二预测模型包括指数平滑模型或间歇需求模型。
根据本公开的实施例,上述第二确定模块450,还用于:将第一出货量预测数据和第二出货量预测数据按照预设规则组合,得到至少一个第三出货量预测数据;根据第一出货量预测数据、第二出货量预测数据和至少一个第三出货量预测数据,确定多个库存预测数据;以及确定多个库存预测数据中目标时间段内库存总量最小的库存预测数据,作为目标库存数据。
根据本公开的实施例,上述将第一出货量预测数据和第二出货量预测数据按照预设规则组合,得到至少一个第三出货量预测数据,包括:比较第一出货量预测数据与第二出货量预测数据在每一单位时间上的出货量值,得到每一单位时间上的最大出货量值和最小出货量值;将每一单位时间上的最大出货量值作为一个第三出货量预测数据;以及将每一单位时间上的最小出货量值作为另一个第三出货量预测数据。
根据本公开的实施例,目标系数根据历史出货量和历史订单量自动设定,无需人为设定,减少人为设定预测系数导致的预测误差。
另外,根据本公开的实施例,分别根据历史出货量和历史订单量,确定第一出货量预测数据和第二出货量预测数据,然后根据第一出货量预测数据和第二出货量预测数据,确定目标库存数据,以对库存数据进行预测,相比单一使用历史出货量进行预测的方法,增加了库存数据预测的可信度。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,获取模块410、第一确定模块420、第一预测模块430、第二预测模块440和第二确定模块450中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,获取模块410、第一确定模块420、第一预测模块430、第二预测模块440和第二确定模块450中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获取模块410、第一确定模块420、第一预测模块430、第二预测模块440和第二确定模块450中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图5示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机系统的方框图。图5示出的计算机系统仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,根据本公开实施例的计算机系统500包括处理器501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。处理器501例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器501还可以包括用于缓存用途的板载存储器。处理器501可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 503中,存储有系统500操作所需的各种程序和数据。处理器501、ROM 502以及RAM 503通过总线504彼此相连。处理器501通过执行ROM 502和/或RAM 503中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 502和RAM 503以外的一个或多个存储器中。处理器501也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,系统500还可以包括输入/输出(I/O)接口505,输入/输出(I/O)接口505也连接至总线504。系统500还可以包括连接至I/O接口505的以下部件中的一项或多项:包括键盘、鼠标等的输入部分506;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507;包括硬盘等的存储部分508;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509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,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510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508。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储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509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被处理器501执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储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执行时,实现根据本公开实施例的库存数据预测的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于: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)、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。在本公开中,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。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 502和/或RAM 503和/或ROM 502和RAM 503以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品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。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (11)
1.一种应用于电子设备的库存数据预测的方法,包括:
从数据库服务器中获取出货量和历史订单量;
根据所述历史出货量和所述历史订单量,确定目标系数;
根据所述历史出货量和所述目标系数,确定第一出货量预测数据;
根据所述历史订单量和所述目标系数,确定第二出货量预测数据;以及
根据所述第一出货量预测数据和所述第二出货量预测数据,确定目标库存数据,以对库存数据进行预测。
2.根据权利要求1所述的方法,其中,所述根据所述历史出货量和所述历史订单量,确定目标系数,包括:
计算所述历史订单量与历史出货量的比值,作为所述目标系数。
3.根据权利要求1所述的方法,其中,所述根据所述历史出货量和所述目标系数,确定第一出货量预测数据,包括:
将所述历史出货量作为样本数据、所述目标系数作为预测系数输入第一预测模型,得到所述第一出货量预测数据。
4.根据权利要求3所述的方法,其中,所述根据所述历史订单量和所述目标系数,确定第二出货量预测数据,包括:
将所述历史订单量作为样本数据、所述目标系数作为预测系数输入第二预测模型,得到所述订单预测数据;
获取订单转换占比;以及
根据所述订单转换占比和所述订单预测数据,确定所述第二出货量预测数据。
5.根据权利要求4所述的方法,其中,所述第一预测模型包括指数平滑模型或间歇需求模型,所述第二预测模型包括指数平滑模型或间歇需求模型。
6.根据权利要求1所述的方法,其中,所述根据所述第一出货量预测数据和所述第二出货量预测数据,确定目标库存数据,以对库存数据进行预测,包括:
将所述第一出货量预测数据和所述第二出货量预测数据按照预设规则组合,得到至少一个第三出货量预测数据;
根据所述第一出货量预测数据、所述第二出货量预测数据和所述至少一个第三出货量预测数据,确定多个库存预测数据;以及
确定所述多个库存预测数据中目标时间段内库存总量最小的库存预测数据,作为所述目标库存数据。
7.根据权利要求6所述的方法,其中,所述将所述第一出货量预测数据和所述第二出货量预测数据按照预设规则组合,得到至少一个第三出货量预测数据,包括:
比较所述第一出货量预测数据与所述第二出货量预测数据在每一单位时间上的出货量值,得到每一单位时间上的最大出货量值和最小出货量值;
将所述每一单位时间上的最大出货量值作为一个第三出货量预测数据;以及
将所述每一单位时间上的最小出货量值作为另一个第三出货量预测数据。
8.一种库存数据预测的装置,包括:
获取模块,用于从数据库服务器中获取出货量和历史订单量;
第一确定模块,用于根据所述历史出货量和所述历史订单量,确定目标系数;
第一预测模块,用于根据所述历史出货量和所述目标系数,确定第一出货量预测数据;
第二预测模块,用于根据所述历史订单量和所述目标系数,确定第二出货量预测数据;以及
第二确定模块,用于根据所述第一出货量预测数据和所述第二出货量预测数据,确定目标库存数据,以对库存数据进行预测。
9.根据权利要求1所述的装置,其中,所述第一确定模块,还用于:
计算所述历史订单量与历史出货量的比值,作为所述目标系数。
10.一种计算设备,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,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至7中任一项的方法。
11.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现权利要求1至7中任一项的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010215460.1A CN113449939B (zh) | 2020-03-24 | 2020-03-24 | 库存数据预测的方法、装置、计算设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010215460.1A CN113449939B (zh) | 2020-03-24 | 2020-03-24 | 库存数据预测的方法、装置、计算设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113449939A true CN113449939A (zh) | 2021-09-28 |
CN113449939B CN113449939B (zh) | 2024-04-05 |
Family
ID=77806590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010215460.1A Active CN113449939B (zh) | 2020-03-24 | 2020-03-24 | 库存数据预测的方法、装置、计算设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113449939B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627861A (zh) * | 2021-10-12 | 2021-11-09 | 南京云联数科科技有限公司 | 线上库存的管理方法、装置、电子设备、存储介质 |
CN116071000A (zh) * | 2023-03-07 | 2023-05-05 | 美云智数科技有限公司 | 物品库存的控制方法及控制装置 |
CN116151723A (zh) * | 2023-04-21 | 2023-05-23 | 交通运输部水运科学研究所 | 一种粮食综合储备基地多重计量方法及系统 |
WO2023093567A1 (zh) * | 2021-11-25 | 2023-06-01 | 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 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136652A (zh) * | 2013-02-08 | 2013-06-05 | 业成光电(深圳)有限公司 | 订单管理系统与使用其之订单管理方法 |
JP2014029593A (ja) * | 2012-07-31 | 2014-02-13 | Hitachi Systems Ltd | 生産計画立案システム、生産計画立案方法及び生産計画立案プログラム |
US20170061349A1 (en) * | 2015-08-31 | 2017-03-02 | Wal-Mart Stores, Inc. | Methods and systems in evaluating and selecting a combination of shipping packages |
CN107256473A (zh) * | 2017-06-08 | 2017-10-17 | 北京惠赢天下网络技术有限公司 | 一种基于仓储的标准箱货品的配送调整方法及装置 |
US9792545B1 (en) * | 2009-05-08 | 2017-10-17 | Abe P. Sherman | Vendor-based inventory management system and method |
CN108985906A (zh) * | 2018-08-31 | 2018-12-11 | 深圳春沐源控股有限公司 | 农产品产销管理方法及装置、计算机设备、可读存储介质 |
US20180357714A1 (en) * | 2017-06-08 | 2018-12-13 | Flowcast, Inc. | Methods and systems for assessing performance and risk in financing supply chain |
CN110414880A (zh) * | 2018-04-26 | 2019-11-05 | 株式会社日立物流 | 库存管理装置、库存管理方法和存储介质 |
CN110717718A (zh) * | 2019-10-15 | 2020-01-21 | 秒针信息技术有限公司 | 基于大数据平台的货物装配方法及装置 |
-
2020
- 2020-03-24 CN CN202010215460.1A patent/CN113449939B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9792545B1 (en) * | 2009-05-08 | 2017-10-17 | Abe P. Sherman | Vendor-based inventory management system and method |
JP2014029593A (ja) * | 2012-07-31 | 2014-02-13 | Hitachi Systems Ltd | 生産計画立案システム、生産計画立案方法及び生産計画立案プログラム |
CN103136652A (zh) * | 2013-02-08 | 2013-06-05 | 业成光电(深圳)有限公司 | 订单管理系统与使用其之订单管理方法 |
US20170061349A1 (en) * | 2015-08-31 | 2017-03-02 | Wal-Mart Stores, Inc. | Methods and systems in evaluating and selecting a combination of shipping packages |
CN107256473A (zh) * | 2017-06-08 | 2017-10-17 | 北京惠赢天下网络技术有限公司 | 一种基于仓储的标准箱货品的配送调整方法及装置 |
US20180357714A1 (en) * | 2017-06-08 | 2018-12-13 | Flowcast, Inc. | Methods and systems for assessing performance and risk in financing supply chain |
CN110414880A (zh) * | 2018-04-26 | 2019-11-05 | 株式会社日立物流 | 库存管理装置、库存管理方法和存储介质 |
CN108985906A (zh) * | 2018-08-31 | 2018-12-11 | 深圳春沐源控股有限公司 | 农产品产销管理方法及装置、计算机设备、可读存储介质 |
CN110717718A (zh) * | 2019-10-15 | 2020-01-21 | 秒针信息技术有限公司 | 基于大数据平台的货物装配方法及装置 |
Non-Patent Citations (4)
Title |
---|
GÁBOR BÉKÉS等: "Shipment frequency of exporters and demand uncertainty", 《REVIEW OF WORLD ECONOMICS》, pages 779 - 807 * |
PARESH KUMAR NARAYAN等: "Do order imbalances predict Chinese stock returns? New evidence from intraday data", 《PACIFIC-BASIN FINANCE JOURNAL》, vol. 34, pages 136 - 151 * |
王瑞亭: "订单可取消的制造商原材料库存优化研究", 《万方数据库》, pages 19 - 46 * |
邱骁东: "AC公司库存优化研究", 《经济与管理科学辑》, no. 07, pages 11 - 50 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627861A (zh) * | 2021-10-12 | 2021-11-09 | 南京云联数科科技有限公司 | 线上库存的管理方法、装置、电子设备、存储介质 |
WO2023093567A1 (zh) * | 2021-11-25 | 2023-06-01 | 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 |
CN116071000A (zh) * | 2023-03-07 | 2023-05-05 | 美云智数科技有限公司 | 物品库存的控制方法及控制装置 |
CN116151723A (zh) * | 2023-04-21 | 2023-05-23 | 交通运输部水运科学研究所 | 一种粮食综合储备基地多重计量方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113449939B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113449939B (zh) | 库存数据预测的方法、装置、计算设备及介质 | |
Uzsoy et al. | A survey of semiconductor supply chain models Part II: demand planning, inventory management, and capacity planning | |
US11593722B2 (en) | Method and structure for risk-based resource planning for configurable products | |
US10181138B2 (en) | System and method for determining retail-business-rule coefficients from current prices | |
US8180693B2 (en) | Prediction of financial performance for a given portfolio of marketing investments | |
US8494823B2 (en) | Method and system for determining service area of supply chain by simulating service cycle time | |
US8751289B2 (en) | Scalable regression for retail panel data | |
US20150235239A1 (en) | Predicting demand of a newly introduced short lifecycle product within an assortment | |
JP2021535451A (ja) | 需要予測パラメータの最適化 | |
CN107958297B (zh) | 一种产品需求预测方法及产品需求预测装置 | |
US20200311749A1 (en) | System for Generating and Using a Stacked Prediction Model to Forecast Market Behavior | |
US20180060885A1 (en) | Segmentation based estimation method for demand models under censored data | |
US20210224351A1 (en) | Method and system for optimizing an objective having discrete constraints | |
US20140122173A1 (en) | Estimating semi-parametric product demand models | |
CN110363468B (zh) | 采购订单的确定方法、装置、服务器及可读存储介质 | |
CN114663015A (zh) | 补货方法和装置 | |
US8615416B2 (en) | Method for avoiding or limiting early build due to yield decreases | |
US8374904B2 (en) | Market forecasting | |
US11586951B2 (en) | Evaluation system, evaluation method, and evaluation program for evaluating a result of optimization based on prediction | |
US10929805B2 (en) | Adjusting simulation times for cost simulation analysis of transportation lane proposals based on space and time granularities | |
US8180694B2 (en) | System and method for incorporating qualitative inputs into econometric models | |
CN110826814A (zh) | 备件库存确定方法、备件库存确定装置和电子设备 | |
CN113762842B (zh) | 仓储调度方法、服务器和系统 | |
CN111667314B (zh) | 商品资源分配方法、装置及电子设备 | |
CN115062687A (zh) | 企业信用监控方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |