CN113487096B - 一种商品销售库存精准动态管理调整方法、系统及计算机存储介质 - Google Patents
一种商品销售库存精准动态管理调整方法、系统及计算机存储介质 Download PDFInfo
- Publication number
- CN113487096B CN113487096B CN202110783846.7A CN202110783846A CN113487096B CN 113487096 B CN113487096 B CN 113487096B CN 202110783846 A CN202110783846 A CN 202110783846A CN 113487096 B CN113487096 B CN 113487096B
- Authority
- CN
- China
- Prior art keywords
- early warning
- commodity
- transportation
- type
- sales
- 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
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
- G06Q10/04—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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种商品销售库存精准动态管理调整方法、系统及计算机存储介质,通过对电商企业自营仓库中存储的各商品种类分别设置库存量的分级预警值,并获取各商品种类的当前库存量,进而将各商品种类的当前库存量与各商品种类对应库存量的分级预警值进行对比,以此判断是否需要进行预警,从而对需要进行预警的商品种类进行等级预警,实现了对电商企业自营仓库中商品销售库存的精准动态管理调整,大大弥补了目前自营仓库中商品库存量管理存在的过于固定化、缺乏灵活度和预警力度不够的不足,提高了库存量管理的全面度、灵活度和预警力度,使得商品库存量管理更具实用性,有利于提升商品库存量的管理水平。
Description
技术领域
本发明属于商品库存管理技术领域,具体而言,是一种商品销售库存精准动态管理调整方法、系统及计算机存储介质。
背景技术
随着互联网技术和移动终端技术日新月异的发展,电子商务与消费者之间的联系变得越来越密不可分,"足不出户买遍天下"的网络购物成了人们必不可少的消费方式。在这种情况下,各种电商企业如雨后春笋般涌现出来。为了提高企业竞争力,一些电商企业在各地设置自营仓库,将电商商品运输到自营仓库进行存储,进而从订单地址所在地的自营仓库进行本地物流运输,有效提高了物流运输效率,成为大型电商企业较受欢迎的物流运输模式。
由于自营仓库是从仓库直接发货进行物流运输,使得仓库中商品的库存量可以直接影响商品的订单量,因此自营仓库中商品的库存量管理是仓储管理的重点管理对象。现在对自营仓库的商品库存量管理大多采用预警管理的方式,即通过设定库存量预警值,以将商品的当前库存量与设定库存量预警值进行对比,对达到设定库存量预警值的商品进行预警,表明该商品库存不足。但是目前自营仓库商品库存量预警值的设定是单一且固定的,没有考虑到商品在当前阶段的销售状况对商品库存量预警值设定的影响。这具体体现为商品在当前阶段的销售状况是动态变化的,即存在单日最多销售量、单日最少销售量,单纯以任意一种销售量来作为商品库存量预警值设定都是不全面的,易导致预警片面、不够精准的问题,同时单次预警也会导致预警力度不够,使得商品补货没有一个缓冲周期,影响商品在补货期间的销售。
由此可见,目前自营仓库中商品库存量管理存在过于固定化、缺乏灵活度及预警力度不够的问题,导致库存量管理精准度不高。
发明内容
针对上述问题,本发明提出一种商品销售库存精准动态管理调整方法、系统及计算机存储介质,通过对电商企业自营仓库中各商品种类分别设置库存量的分级预警值,进而将各商品种类的当前库存量与各商品种类对应库存量的分级预警值进行对比,以此判断是否需要进行预警,从而对需要进行预警的商品种类进行等级预警,有效解决了背景技术提到的问题。
本发明的目的可以通过以下技术方案来实现:
本发明的第一方面提出一种商品销售库存精准动态管理调整方法,包括以下步骤:
步骤1.仓库存储商品种类统计:通过仓库存储商品种类统计模块统计电商企业对应自营仓库中存储的商品种类,并对统计的各商品种类进行编号,依次标记为1,2,...,i,...,n;
步骤2.商品历史单日销售参数采集:通过商品历史单日销售参数采集模块在设定时间段内采集各商品种类对应的历史单日销售参数;
步骤3.商品当前库存量获取:通过商品当前库存量获取模块获取各商品种类对应的当前库存量;
步骤4.运输路线距离获取:通过运输路线距离获取模块分别定位电商企业所在地理位置与自营仓库所在地理位置,以此获取电商企业与自营仓库之间的运输路线距离;
步骤5.运输时长影响参数采集:通过运输时长影响参数采集模块采集运输路线对应的运输时长影响参数;
步骤6.实际运输时长预测:通过管理云平台根据电商企业与自营仓库之间的运输路线距离和运输路线对应的运输时长影响参数预测从电商企业到达自营仓库的实际运输时长;
步骤7.库存量分级预警值确定:通过库存量分级预警值确定模块结合各商品种类对应的历史单日销售参数和从电商企业到达自营仓库的实际运输时长确定各商品种类对应库存量的分级预警值;
步骤8.预警分析判断:通过预警分析判断模块将各商品种类对应的当前库存量与各商品种类对应库存量的分级预警值进行对比,进而根据对比结果判断是否需要预警,若需要预警,则获取预警参数;
步骤9.库存量预警:通过预警终端根据获取的预警参数进行商品库存量预警。
在本发明第一方面的一种能够实现的方式中,所述历史单日销售参数包括历史单日最多销售量、历史单日最少销售量和历史单日平均销售量。
在本发明第一方面的一种能够实现的方式中,所述各商品种类对应历史单日销售参数的具体采集过程执行以下步骤:
A1:在设定时间段内统计各商品种类对应的每日销售量;
A2:将各商品种类对应的每日销售量进行相互对比,从中筛选出最多销售量作为各商品种类对应的历史单日最多销售量,并从中筛选出最少销售量作为各商品种类的历史单日最少销售量;
A3:获取设定时间段对应的天数,并将设定时间段内各商品种类对应的每日销售量进行叠加得到各商品种类对应的历史销售总量,再将其除以设定时间段对应的天数得到各商品种类对应的历史单日平均销售量。
在本发明第一方面的一种能够实现的方式中,所述运输时长影响参数包括路况类型和路形种类,其中路况类型包括平坦类型和凹凸类型,其中路形种类包括直线种类和曲线种类。
在本发明第一方面的一种能够实现的方式中,所述从电商企业到达自营仓库的实际运输时长的具体预测过程如下:
B1:对电商企业与自营仓库之间运输路线对应的路况类型进行分析,若路况类型为平坦类型,则从运输数据库中提取平坦类型对应的路况运输影响系数,记为σ1,若路况类型为凹凸类型,则获取该运输路线对应的累计凹凸距离,进而将累计凹凸距离除以运输路线距离得到凹凸类型对应的路况运输影响系数,记为σ2;
B2:对电商企业与自营仓库之间运输路线对应的路形种类进行分析,若路形种类为直线种类,则从运输数据库中提取直线种类对应的路形运输影响系数,记为ξ1,若路形种类为曲线种类,则获取该运输路线对应的弯曲弧度和累计曲线距离;
B3:将该运输路线对应的弯曲弧度与运输数据库中各种弯曲弧度对应的弯曲弧度运输难度指数进行对比,得到该运输路线对应的弯曲弧度运输难度指数,记为ε,再将该运输路线对应的累计曲线距离除以运输路线距离得到曲线距离运输难度指数,记为χ;
B5:根据该运输路线对应的路况类型运输影响系数和路形种类运输影响系数计算该运输路线对应的综合运输影响系数η表示为该运输路线对应的路况类型运输影响系数,η可取值为σ1或σ2,λ表示为该运输路线对应的路形种类运输影响系数,λ可取值为ξ1或ξ2;
B6:获取运输速度,并根据电商企业与自营仓库之间的运输路线距离、运输速度和综合运输影响系数预测从电商企业到达自营仓库的实际运输时长T表示为从电商企业到达自营仓库的实际运输时长,s表示为电商企业与自营仓库之间的运输路线距离,v表示为运输速度,表示为该运输路线对应的综合运输影响系数。
在本发明第一方面的一种能够实现的方式中,所述各商品种类对应库存量的分级预警值的具体确定方法包括以下步骤:
C1:将各商品种类对应的历史单日最多销售量与从电商企业到达自营仓库的实际运输时长进行相乘,得到各商品种类对应库存量的一级预警值;
C2:将各商品种类对应的历史单日平均销售量与从电商企业到达自营仓库的实际运输时长进行相乘,得到各商品种类对应库存量的二级预警值;
C3:将各商品种类对应的历史单日最少销售量与从电商企业到达自营仓库的实际运输时长进行相乘,得到各商品种类对应库存量的三级预警值。
在本发明第一方面的一种能够实现的方式中,所述判断是否需要预警的具体判断规则如下:
D1:将各商品种类对应的当前库存量与该商品种类对应库存量的一级预警值进行对比,若某商品种类对应的当前库存量大于该商品种类对应库存量的一级预警值,则判断不需要进行预警,若某商品种类对应的当前库存量等于该商品种类对应库存量的一级预警值,则判断需要进行预警,且预警级别为一级预警,若某商品种类对应的当前库存量小于该商品种类对应库存量的一级预警值,则执行步骤D2;
D2:将该商品种类对应的当前库存量与该商品种类对应库存量的二级预警值进行对比,若该商品种类对应的当前库存量大于该商品种类对应库存量的二级预警值,则判断需要进行预警,且预警等级为一级预警,若该商品种类对应的当前库存量等于该商品种类对应库存量的二级预警值,则判断需要进行预警,且预警等级为二级预警,若该商品种类对应的当前库存量小于该商品种类对应库存量的二级预警值,则执行步骤D3;
D3:将该商品种类对应的当前库存量与该商品种类对应库存量的三级预警值进行对比,若该商品种类对应的当前库存量大于该商品种类对应库存量的三级预警值,则判断需要进行预警,且预警等级为二级预警,若该商品种类对应的当前库存量小于或等于该商品种类对应库存量的三级预警值,则判断需要进行预警,且预警等级为三级预警。
在本发明第一方面的一种能够实现的方式中,所述预警参数包括预警商品种类和预警等级,其中预警等级包括一级预警、二级预警和三级预警。
本发明的第二方面提出一种商品销售库存精准动态管理调整系统,包括仓库存储商品种类统计模块、与仓库存储商品种类统计模块连接的商品历史单日销售参数采集模块、商品当前库存量获取模块、运输路线距离获取模块、运输数据库、运输时长影响参数采集模块、与运输路线距离获取模块和运输时长影响参数采集模块均相连接的管理云平台、与商品历史单日销售参数采集模块和管理云平台均相连接的库存量分级预警值确定模块、与商品当前库存量获取模块和库存量分级预警值确定模块均相连接的预警分析判断模块和与预警分析判断模块连接的预警终端。
本发明的第三方面提出一种计算机存储介质,所述计算机存储介质烧录有计算机程序,所述计算机程序在服务器的内存中运行时实现本发明所述的一种商品销售库存精准动态管理调整方法。
基于上述任一方面,本发明的有益效果为:
1.本发明通过结合各商品种类对应的历史单日销售参数和从电商企业到达自营仓库的实际运输时长设定各商品种类对应库存量的分级预警值,并获取各商品种类的当前库存量,进而将各商品种类的当前库存量与各商品种类对应库存量的分级预警值进行对比,以此判断是否需要进行预警,从而对需要进行预警的商品种类进行等级预警,实现了对电商企业自营仓库中商品销售库存的精准动态管理调整,大大弥补了目前自营仓库中商品库存量管理存在的过于固定化、缺乏灵活度和预警力度不够的不足,提高了库存量管理的全面度、灵活度和预警力度,使得商品库存量管理更具实用性,有利于提升商品库存量的管理水平。
2.本发明中从电商企业到达自营仓库的实际运输时长的分析融合了电商企业与自营仓库之间的运输路线距离和运输路线对应的运输时长影响参数,使得实际运输时长的分析指标更全面,且更加贴近实际,避免只根据运输路线距离来分析实际运输时长造成的脱离实际,影响分析结果的真实性,进而无法为各商品种类对应库存量的分级预警值确定提供真实可靠的确定依据。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的方法实施步骤流程图;
图2为本发明的系统模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1所示,本发明的第一方面提出一种商品销售库存精准动态管理调整方法,包括以下步骤:
步骤1.仓库存储商品种类统计:通过仓库存储商品种类统计模块统计电商企业对应自营仓库中存储的商品种类,并对统计的各商品种类进行编号,依次标记为1,2,...,i,...,n;
步骤2.商品历史单日销售参数采集:通过商品历史单日销售参数采集模块在设定时间段内采集各商品种类对应的历史单日销售参数,所述历史单日销售参数包括历史单日最多销售量、历史单日最少销售量和历史单日平均销售量,其中各商品种类对应历史单日销售参数的具体采集过程执行以下步骤:
A1:在设定时间段内统计各商品种类对应的每日销售量;
本实施例中设定时间段可以为每个月、每三个月、每半年等,具体由电商企业进行自行设定;
A2:将各商品种类对应的每日销售量进行相互对比,从中筛选出最多销售量作为各商品种类对应的历史单日最多销售量,并从中筛选出最少销售量作为各商品种类的历史单日最少销售量;
A3:获取设定时间段对应的天数,并将设定时间段内各商品种类对应的每日销售量进行叠加得到各商品种类对应的历史销售总量,再将其除以设定时间段对应的天数得到各商品种类对应的历史单日平均销售量;
步骤3.商品当前库存量获取:通过商品当前库存量获取模块获取各商品种类对应的当前库存量;
步骤4.运输路线距离获取:通过运输路线距离获取模块分别定位电商企业所在地理位置与自营仓库所在地理位置,以此获取电商企业与自营仓库之间的运输路线距离;
步骤5.运输时长影响参数采集:通过运输时长影响参数采集模块采集运输路线对应的运输时长影响参数,所述运输时长影响参数包括路况类型和路形种类,其中路况类型包括平坦类型和凹凸类型,其中路形种类包括直线种类和曲线种类;
本实施例中提到的平坦类型是指整个运输路线全是平坦的路面,凹凸类型是指整个运输路线的路面存在凹凸路面,直线种类是指整个运输路线的路面全是直线形的,曲线种类是指整个运输路线的路面存在曲线路面;
步骤6.实际运输时长预测:通过管理云平台根据电商企业与自营仓库之间的运输路线距离和运输路线对应的运输时长影响参数预测从电商企业到达自营仓库的实际运输时长,具体预测过程如下:
B1:对电商企业与自营仓库之间运输路线对应的路况类型进行分析,若路况类型为平坦类型,则从运输数据库中提取平坦类型对应的路况运输影响系数,记为σ1,若路况类型为凹凸类型,则获取该运输路线对应的累计凹凸距离,进而将累计凹凸距离除以运输路线距离得到凹凸类型对应的路况运输影响系数,记为σ2;
B2:对电商企业与自营仓库之间运输路线对应的路形种类进行分析,若路形种类为直线种类,则从运输数据库中提取直线种类对应的路形运输影响系数,记为ξ1,若路形种类为曲线种类,则获取该运输路线对应的弯曲弧度和累计曲线距离;
B3:将该运输路线对应的弯曲弧度与运输数据库中各种弯曲弧度对应的弯曲弧度运输难度指数进行对比,得到该运输路线对应的弯曲弧度运输难度指数,记为ε,再将该运输路线对应的累计曲线距离除以运输路线距离得到曲线距离运输难度指数,记为χ;
B5:根据该运输路线对应的路况类型运输影响系数和路形种类运输影响系数计算该运输路线对应的综合运输影响系数η表示为该运输路线对应的路况类型运输影响系数,η可取值为σ1或σ2,λ表示为该运输路线对应的路形种类运输影响系数,λ可取值为ξ1或ξ2;
B6:获取运输速度,并根据电商企业与自营仓库之间的运输路线距离、运输速度和综合运输影响系数预测从电商企业到达自营仓库的实际运输时长T表示为从电商企业到达自营仓库的实际运输时长,s表示为电商企业与自营仓库之间的运输路线距离,v表示为运输速度,表示为该运输路线对应的综合运输影响系数;
本实施例中实际运输时长的分析融合了电商企业与自营仓库之间的运输路线距离和运输路线对应的运输时长影响参数,使得实际运输时长的分析指标更全面,且更加贴近实际,避免只根据运输路线距离来分析实际运输时长造成的脱离实际,影响分析结果的真实性,进而无法为各商品种类对应库存量的分级预警值确定提供真实可靠的确定依据;
步骤7.库存量分级预警值确定:通过库存量分级预警值确定模块结合各商品种类对应的历史单日销售参数和从电商企业到达自营仓库的实际运输时长确定各商品种类对应库存量的分级预警值,其具体确定方法包括以下步骤:
C1:将各商品种类对应的历史单日最多销售量与从电商企业到达自营仓库的实际运输时长进行相乘,得到各商品种类对应库存量的一级预警值;
C2:将各商品种类对应的历史单日平均销售量与从电商企业到达自营仓库的实际运输时长进行相乘,得到各商品种类对应库存量的二级预警值;
C3:将各商品种类对应的历史单日最少销售量与从电商企业到达自营仓库的实际运输时长进行相乘,得到各商品种类对应库存量的三级预警值;
本实施例中库存量的各级预警值对应的大小关系为三级预警值<二级预警值<一级预警值;
步骤8.预警分析判断:通过预警分析判断模块将各商品种类对应的当前库存量与各商品种类对应库存量的分级预警值进行对比,进而根据对比结果判断是否需要预警,其具体判断规则如下:
D1:将各商品种类对应的当前库存量与该商品种类对应库存量的一级预警值进行对比,若某商品种类对应的当前库存量大于该商品种类对应库存量的一级预警值,则判断不需要进行预警,若某商品种类对应的当前库存量等于该商品种类对应库存量的一级预警值,则判断需要进行预警,且预警级别为一级预警,若某商品种类对应的当前库存量小于该商品种类对应库存量的一级预警值,则执行步骤D2;
D2:将该商品种类对应的当前库存量与该商品种类对应库存量的二级预警值进行对比,若该商品种类对应的当前库存量大于该商品种类对应库存量的二级预警值,则判断需要进行预警,且预警等级为一级预警,若该商品种类对应的当前库存量等于该商品种类对应库存量的二级预警值,则判断需要进行预警,且预警等级为二级预警,若该商品种类对应的当前库存量小于该商品种类对应库存量的二级预警值,则执行步骤D3;
D3:将该商品种类对应的当前库存量与该商品种类对应库存量的三级预警值进行对比,若该商品种类对应的当前库存量大于该商品种类对应库存量的三级预警值,则判断需要进行预警,且预警等级为二级预警,若该商品种类对应的当前库存量小于或等于该商品种类对应库存量的三级预警值,则判断需要进行预警,且预警等级为三级预警;
本实施例中各等级预警的紧急程度为三级预警紧急程度最高,二级预警紧急程度次之,一级预警紧急程度最低,其中当发生一级预警时,表明商品的当前库存量较多,其补货周期比较宽裕,当发生二级预警时,表明商品的当前库存量小于一级预警时的当前库存量,其补货周期处于一般宽裕的状态,当发生三级预警值,此时商品的当前库存量不足,其补货周期比较严苛;
若需要预警,则获取预警参数,所述预警参数包括预警商品种类和预警等级,其中预警商品种类为需要进行预警的商品种类,预警等级包括一级预警、二级预警和三级预警;
本实施例通过对各商品种类的当前库存量采用分级预警的方式,加强了预警力度,使得商品补货存在一个缓冲周期,大大避免了因只设置单级预警造成商品补货周期过于严苛而影响商品在补货期间销售现象的发生;
步骤9.库存量预警:通过预警终端根据获取的预警参数进行商品库存量预警。
本实施例通过对电商企业自营仓库中存储的各商品种类分别设置库存量的分级预警值,并获取各商品种类的当前库存量,进而将各商品种类的当前库存量与各商品种类对应库存量的分级预警值进行对比,以此判断是否需要进行预警,从而对需要进行预警的商品种类进行等级预警,实现了对电商企业自营仓库中商品销售库存的精准动态管理调整,大大弥补了目前自营仓库中商品库存量管理存在的过于固定化、缺乏灵活度和预警力度不够的不足,提高了库存量管理的全面度、灵活度和预警力度,使得商品库存量管理更具实用性,有利于提升商品库存量的管理水平。
参照图2所示,本发明的第二方面提出一种商品销售库存精准动态管理调整系统,包括仓库存储商品种类统计模块、商品历史单日销售参数采集模块、商品当前库存量获取模块、运输路线距离获取模块、运输数据库、运输时长影响参数采集模块、管理云平台、库存量分级预警值确定模块、预警分析判断模块和预警终端,其中运输数据库用于存储平坦类型对应的路况运输影响系数,存储直线种类对应的路形运输影响系数,并存储各种弯曲弧度对应的弯曲弧度运输难度指数,其中弯曲弧度越大,该弯曲弧度对应的弯曲弧度运输难度指数越大。
仓库存储商品种类统计模块与商品历史单日销售参数采集模块连接,运输路线距离获取模块、运输时长影响参数采集模块和运输数据库均与管理云平台连接,商品历史单日销售参数采集模块和管理云平台均与库存量分级预警值确定模块连接,商品当前库存量获取模块和库存量分级预警值确定模块均与预警分析判断模块连接,预警分析判断模块与预警终端连接。
本发明的第三方面提出一种计算机存储介质,所述计算机存储介质烧录有计算机程序,所述计算机程序在服务器的内存中运行时实现本发明所述的一种商品销售库存精准动态管理调整方法。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (8)
1.一种商品销售库存精准动态管理调整方法,其特征在于,包括以下步骤:
步骤1.仓库存储商品种类统计:通过仓库存储商品种类统计模块统计电商企业对应自营仓库中存储的商品种类,并对统计的各商品种类进行编号,依次标记为1,2,...,i,...,n;
步骤2.商品历史单日销售参数采集:通过商品历史单日销售参数采集模块在设定时间段内采集各商品种类对应的历史单日销售参数;
步骤3.商品当前库存量获取:通过商品当前库存量获取模块获取各商品种类对应的当前库存量;
步骤4.运输路线距离获取:通过运输路线距离获取模块分别定位电商企业所在地理位置与自营仓库所在地理位置,以此获取电商企业与自营仓库之间的运输路线距离;
步骤5.运输时长影响参数采集:通过运输时长影响参数采集模块采集运输路线对应的运输时长影响参数;
步骤6.实际运输时长预测:通过管理云平台根据电商企业与自营仓库之间的运输路线距离和运输路线对应的运输时长影响参数预测从电商企业到达自营仓库的实际运输时长;
步骤7.库存量分级预警值确定:通过库存量分级预警值确定模块结合各商品种类对应的历史单日销售参数和从电商企业到达自营仓库的实际运输时长确定各商品种类对应库存量的分级预警值;
步骤8.预警分析判断:通过预警分析判断模块将各商品种类对应的当前库存量与各商品种类对应库存量的分级预警值进行对比,进而根据对比结果判断是否需要预警,若需要预警,则获取预警参数;
步骤9.库存量预警:通过预警终端根据获取的预警参数进行商品库存量预警;
所述从电商企业到达自营仓库的实际运输时长的具体预测过程如下:
B1:对电商企业与自营仓库之间运输路线对应的路况类型进行分析,若路况类型为平坦类型,则从运输数据库中提取平坦类型对应的路况运输影响系数,记为σ1,若路况类型为凹凸类型,则获取该运输路线对应的累计凹凸距离,进而将累计凹凸距离除以运输路线距离得到凹凸类型对应的路况运输影响系数,记为σ2;
B2:对电商企业与自营仓库之间运输路线对应的路形种类进行分析,若路形种类为直线种类,则从运输数据库中提取直线种类对应的路形运输影响系数,记为ξ1,若路形种类为曲线种类,则获取该运输路线对应的弯曲弧度和累计曲线距离;
B3:将该运输路线对应的弯曲弧度与运输数据库中各种弯曲弧度对应的弯曲弧度运输难度指数进行对比,得到该运输路线对应的弯曲弧度运输难度指数,记为ε,再将该运输路线对应的累计曲线距离除以运输路线距离得到曲线距离运输难度指数,记为χ;
B5:根据该运输路线对应的路况类型运输影响系数和路形种类运输影响系数计算该运输路线对应的综合运输影响系数η表示为该运输路线对应的路况类型运输影响系数,η可取值为σ1或σ2,λ表示为该运输路线对应的路形种类运输影响系数,λ可取值为ξ1或ξ2;
B6:获取运输速度,并根据电商企业与自营仓库之间的运输路线距离、运输速度和综合运输影响系数预测从电商企业到达自营仓库的实际运输时长T表示为从电商企业到达自营仓库的实际运输时长,s表示为电商企业与自营仓库之间的运输路线距离,v表示为运输速度,表示为该运输路线对应的综合运输影响系数;
所述判断是否需要预警的具体判断规则如下:
D1:将各商品种类对应的当前库存量与该商品种类对应库存量的一级预警值进行对比,若某商品种类对应的当前库存量大于该商品种类对应库存量的一级预警值,则判断不需要进行预警,若某商品种类对应的当前库存量等于该商品种类对应库存量的一级预警值,则判断需要进行预警,且预警级别为一级预警,若某商品种类对应的当前库存量小于该商品种类对应库存量的一级预警值,则执行步骤D2;
D2:将该商品种类对应的当前库存量与该商品种类对应库存量的二级预警值进行对比,若该商品种类对应的当前库存量大于该商品种类对应库存量的二级预警值,则判断需要进行预警,且预警等级为一级预警,若该商品种类对应的当前库存量等于该商品种类对应库存量的二级预警值,则判断需要进行预警,且预警等级为二级预警,若该商品种类对应的当前库存量小于该商品种类对应库存量的二级预警值,则执行步骤D3;
D3:将该商品种类对应的当前库存量与该商品种类对应库存量的三级预警值进行对比,若该商品种类对应的当前库存量大于该商品种类对应库存量的三级预警值,则判断需要进行预警,且预警等级为二级预警,若该商品种类对应的当前库存量小于或等于该商品种类对应库存量的三级预警值,则判断需要进行预警,且预警等级为三级预警。
2.根据权利要求1所述的一种商品销售库存精准动态管理调整方法,其特征在于:所述历史单日销售参数包括历史单日最多销售量、历史单日最少销售量和历史单日平均销售量。
3.根据权利要求1所述的一种商品销售库存精准动态管理调整方法,其特征在于:所述各商品种类对应历史单日销售参数的具体采集过程执行以下步骤:
A1:在设定时间段内统计各商品种类对应的每日销售量;
A2:将各商品种类对应的每日销售量进行相互对比,从中筛选出最多销售量作为各商品种类对应的历史单日最多销售量,并从中筛选出最少销售量作为各商品种类的历史单日最少销售量;
A3:获取设定时间段对应的天数,并将设定时间段内各商品种类对应的每日销售量进行叠加得到各商品种类对应的历史销售总量,再将其除以设定时间段对应的天数得到各商品种类对应的历史单日平均销售量。
4.根据权利要求1所述的一种商品销售库存精准动态管理调整方法,其特征在于:所述运输时长影响参数包括路况类型和路形种类,其中路况类型包括平坦类型和凹凸类型,其中路形种类包括直线种类和曲线种类。
5.根据权利要求1所述的一种商品销售库存精准动态管理调整方法,其特征在于:所述各商品种类对应库存量的分级预警值的具体确定方法包括以下步骤:
C1:将各商品种类对应的历史单日最多销售量与从电商企业到达自营仓库的实际运输时长进行相乘,得到各商品种类对应库存量的一级预警值;
C2:将各商品种类对应的历史单日平均销售量与从电商企业到达自营仓库的实际运输时长进行相乘,得到各商品种类对应库存量的二级预警值;
C3:将各商品种类对应的历史单日最少销售量与从电商企业到达自营仓库的实际运输时长进行相乘,得到各商品种类对应库存量的三级预警值。
6.根据权利要求1所述的一种商品销售库存精准动态管理调整方法,其特征在于:所述预警参数包括预警商品种类和预警等级,其中预警等级包括一级预警、二级预警和三级预警。
7.一种商品销售库存精准动态管理调整系统,其特征在于:包括仓库存储商品种类统计模块、与仓库存储商品种类统计模块连接的商品历史单日销售参数采集模块、商品当前库存量获取模块、运输路线距离获取模块、运输数据库、运输时长影响参数采集模块、与运输路线距离获取模块和运输时长影响参数采集模块均相连接的管理云平台、与商品历史单日销售参数采集模块和管理云平台均相连接的库存量分级预警值确定模块、与商品当前库存量获取模块和库存量分级预警值确定模块均相连接的预警分析判断模块和与预警分析判断模块连接的预警终端。
8.一种计算机存储介质,其特征在于:所述计算机存储介质烧录有计算机程序,所述计算机程序在服务器的内存中运行时实现上述权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110783846.7A CN113487096B (zh) | 2021-07-12 | 2021-07-12 | 一种商品销售库存精准动态管理调整方法、系统及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110783846.7A CN113487096B (zh) | 2021-07-12 | 2021-07-12 | 一种商品销售库存精准动态管理调整方法、系统及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113487096A CN113487096A (zh) | 2021-10-08 |
CN113487096B true CN113487096B (zh) | 2022-07-19 |
Family
ID=77938697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110783846.7A Active CN113487096B (zh) | 2021-07-12 | 2021-07-12 | 一种商品销售库存精准动态管理调整方法、系统及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113487096B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114707933B (zh) * | 2022-04-11 | 2022-12-23 | 北京国联视讯信息技术股份有限公司 | 一种智慧工厂库存智能管理方法、系统及存储介质 |
CN115099837B (zh) * | 2022-08-29 | 2022-12-16 | 深圳市元美供应链管理有限公司 | 一种用于电子商务的供应链管理系统及方法 |
CN115907800B (zh) * | 2022-11-17 | 2023-11-24 | 广州追尚在线科技有限公司 | 一种基于物联网的食品电商智能监测管理平台 |
CN116823323A (zh) * | 2023-08-28 | 2023-09-29 | 青岛场外市场清算中心有限公司 | 一种市场清算数据智能管理方法及系统 |
CN117726044B (zh) * | 2024-02-05 | 2024-05-14 | 广东迈科医学科技股份有限公司 | 一种血液库存动态预警方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090002040A (ko) * | 2007-06-04 | 2009-01-09 | 주식회사 신한은행 | 기업 알에프아이디 시스템과 연계한 재고자산 담보 대출상품 제공방법 및 시스템과 이를 위한 대출상품 제공서버와프로그램 기록매체 |
CN112541722A (zh) * | 2020-12-23 | 2021-03-23 | 广州市昊链信息科技股份有限公司 | 跨地域库存供应方法、装置、电子设备及介质 |
CN113065828B (zh) * | 2021-04-13 | 2022-01-04 | 北京新赛点体育投资股份有限公司 | 基于数据云存储分析的商品库存智能管理分析调度方法 |
-
2021
- 2021-07-12 CN CN202110783846.7A patent/CN113487096B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113487096A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113487096B (zh) | 一种商品销售库存精准动态管理调整方法、系统及计算机存储介质 | |
CN109784979B (zh) | 一种大数据驱动的供应链需求预测方法 | |
CN106504029A (zh) | 一种基于客户群体行为分析的加油站销量预测方法 | |
CN107133825A (zh) | 一种商家客流量的预测方法及装置 | |
CN104766215B (zh) | 一种综合性、多维度的货主选择量化方法 | |
CN107609771A (zh) | 一种供应商价值评价方法 | |
CN108389069A (zh) | 基于随机森林和逻辑回归的优质客户识别方法及装置 | |
CN107301471A (zh) | 基于大数据的行业趋势精准预测方法及其系统 | |
CN108364191A (zh) | 基于随机森林和逻辑回归的优质客户优化识别方法及装置 | |
CN114707933A (zh) | 一种智慧工厂库存智能管理方法、系统及存储介质 | |
CN110619462A (zh) | 一种基于ai模型的项目质量评估方法 | |
CN110675020A (zh) | 一种基于大数据的高价低接用户识别方法 | |
CN113052541A (zh) | 一种基于工业物联网和数据分析的工业产品订货管理平台 | |
CN113326654A (zh) | 一种燃气负荷预测模型的构建方法及装置 | |
CN112381433A (zh) | 一种实用的面向现货市场结算的电量数据处理方法 | |
CN114782075A (zh) | 一种基于机器学习的电力现货交易策略确定方法及系统 | |
Glennon et al. | Development and validation of credit scoring models | |
CN116992265B (zh) | 碳排放量估算方法、装置、设备和存储介质 | |
JP4988687B2 (ja) | 商品需要予測システムおよび年末年始の商品需要予測システム | |
CN114971327B (zh) | 一种基于特征分析的建筑材料数据智能管理系统 | |
CN110766274A (zh) | 行业景气指数的确定方法及装置 | |
CN115081961A (zh) | 一种基于大数据的物流运力智能调派方法 | |
Perrotti | The People’s Republic of China and Latin America: the impact of Chinese economic growth on Latin American exports | |
CN115392527A (zh) | 一种基于日电量采集数的区域电量预测方法 | |
JP4296027B2 (ja) | 商品需要予測システム |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220628 Address after: Room 517, floor 5, building 2, No. 558 Xindan Road, Chonggu Town, Qingpu District, Shanghai 201700 Applicant after: Shanghai gomo Supply Chain Management Co.,Ltd. Address before: No. 117, Zhongnan 2nd Road, Wuchang District, Wuhan City, Hubei Province 430061 Applicant before: Wuhan Zhanghan e-commerce Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |