CN113610474A - 一种基于事件网的库存管理方法和管理系统 - Google Patents
一种基于事件网的库存管理方法和管理系统 Download PDFInfo
- Publication number
- CN113610474A CN113610474A CN202110940462.1A CN202110940462A CN113610474A CN 113610474 A CN113610474 A CN 113610474A CN 202110940462 A CN202110940462 A CN 202110940462A CN 113610474 A CN113610474 A CN 113610474A
- Authority
- CN
- China
- Prior art keywords
- inventory
- event
- function
- digital
- historical data
- 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
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
Abstract
本发明公开了一种基于事件网的库存管理方法和管理系统,其中方法包括:获取数字企业库存历史数据、库存业务发生函数集合和数字触发事件集合,数字企业库存历史数据包括库存场所集合、库存对象集合、库存流转关系集合;设置各库存节点的库存量预警信息;基于事件网训练库存管理模型,其中数字企业库存历史数据为事件网的训练样本,各库存节点预警值为事件网的标签,库存业务发生函数集合为映射函数,数字触发事件集合为触发模型进行训练的先决条件;根据库存管理模型中库存业务发生函数集合的发生函数参数生成管理策略。本发明提供的技术方案克服了库存管理过程中风险不可控的问题。
Description
技术领域
本发明涉及物流仓储管理领域,具体涉及一种基于事件网的库存管理方法和管理系统。
背景技术
对于生产制造企业而言,库存往往意味着资金占用成本。企业的库存包括原燃料库存、零备件库存、在制品库存和成品库存等。库存涉及到采购、生产、销售、设备维护等各个生产经营活动,同时库存也影响着企业的后续活动的顺利开展。对于流程行业而言,安全库存意味着企业生产活动的顺利进行,避免生产事故的发生。因此,在整个生产或运输流程当中,当某一节点库存出现异常或者潜在风险时,需要对该节点的库存进行调配以解决对应的风险问题,但是库存往往涉及企业的多个部门和环节,单独从一个部门去解决问题,往往会造成其他环节的库存积压,并且库存涉及到很多不确定性的外部条件,如船运的天气、设备故障停机、客户订单减少等,这些突发事件往往使得事先制定的解决方案失效。,因此如何有综合应对各库存节点的关系完成库存的优化和风险控制是亟待解决的问题。
发明内容
有鉴于此,本发明实施方式提供了一种基于事件网的库存管理方法和管理系统,从而提高了库存管理效率,加强了库存管理过程中规避风险的能力。
根据第一方面,本发明提出了一种基于事件网的库存管理方法,所述方法包括:
获取数字企业库存历史数据、库存业务发生函数集合和数字触发事件集合,所述数字企业库存历史数据包括库存场所集合、库存对象集合、库存流转关系集合,所述库存场所集合中的库存场所包含所述库存对象集合中的库存对象;
设置各库存节点的库存量预警信息,所述预警信息用于预警各所述库存场所中库存对象的数量;
基于事件网训练库存管理模型,其中所述数字企业库存历史数据为事件网的训练样本,所述库存量预警信息为事件网的标签,所述库存业务发生函数集合中的发生函数为映射函数,所述数字触发事件集合中的触发事件为触发模型开始训练的先决条件;
根据训练后库存管理模型中发生函数的参数生成管理策略。
可选地,所述获取数字企业库存历史数据、库存业务发生函数集合和数字触发事件集合,包括:
获取企业库存历史数据和触发事件集合,所述企业库存历史数据和触发事件集合分别包括所述数字企业库存历史数据和数字触发事件集合中对应的现实描述数据;
分别映射企业库存历史数据和触发事件集合为所述数字企业库存历史数据和数字触发事件集合;
建立所述库存业务发生函数集合中的原始发生函数。
可选地,所述基于事件网构建库存管理模型,事件网技术的模型为:
事件网=(P,E,T,A,F),所述P对应所述库存场所集合,所述E对应所述触发事件集合,所述T对应所述库存流转关系集合中的流转关系,所述A对应所述库存流转关系集合中的流转方向,所述F对应库存业务发生函数集合。
可选地,所述事件网还包括token,为全体实数或向量,对应所述库存对象集合中的库存对象。
可选地,所述基于事件网训练库存管理模型,包括:
根据所述库存业务发生函数集合中的原始发生函数,对所述事件网进行训练;
根据训练过程中的输出值与所述标签的差值调整所述原始发生函数的参数,并用调整后的发生函数替换原始发生函数。
可选地,所述方法还包括:
根据所述库存管理模型中所有需要改变的变量设置目标函数,所述变量可以是节点库存对象、触发事件、发生函数、库存场所、库存流转关系中的任意一个;
记录所述库存管理模型匹配目标函数时的变量变化情况。
可选地,所述方法还包括:
基于所述库存管理模型改变当前时刻需要调整变量,并预测下一时刻库存管理模型中所有变量的变化情况。
根据第二方面,一种基于事件网的库存管理系统,所述系统包括:
数据采集模块,获取数字企业库存历史数据、库存业务发生函数集合和数字触发事件集合,所述数字企业库存历史数据包括库存场所集合、库存对象集合、库存流转关系集合,所述库存场所集合中的库存场所包含所述库存对象集合中的库存对象;
指标设置模块,设置各库存节点的库存量预警信息,所述预警信息用于预警各所述库存场所中库存对象的数量;
模型建立模块,基于事件网训练库存管理模型,其中所述数字企业库存历史数据为事件网的训练样本,所述库存量预警信息为事件网的标签,所述库存业务发生函数集合中的发生函数为映射函数,所述数字触发事件集合中的触发事件为触发模型开始训练的先决条件;
策略制定模块,根据训练后库存管理模型中发生函数的参数生成管理策略。
根据第三方面,一种电子设备,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行第一方面,或者第一方面任意一种可选实施方式中所述的方法。
根据第四方面,本发明实施例提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机从而执行第一方面,或者第一方面任意一种可选实施方式中所述的方法。
本发明技术方案,具有如下优点:
本发明实施例提供的一种基于事件网的库存管理方法和管理系统,该方法通过将整体库存全业务流程中所有库存节点的库存对象、库存流转过程、触发库存进行流转的事件映射为实数或向量,从而可以在赛博空间中进行表示。之后基于事件网模型结合映射的数据模拟库存全业务流程,通过设置各库存节点的预警值,基于历史数据进一步分析出现超过预警值的异常原因,并制定相关管理策略以规避风险。还可以根据本发明提出的事件网的库存管理模型,通过人为设定模型中相关变量的值,从而得到改变变量后各个库存节点库存对象数量的模拟值,达到预测的目的。通过设置所需库存节点库存对象和/或某个流转过程的目标函数,通过改变事件网库存管理模型内变量以匹配所需目标节点或目标过程逼近目标函数的目的,从而得到基于事件网库存管理模型对库存管理过程中的优化方案,实现库存管理的优化功能。综合事件网库存管理模型预测、优化、当前策略制定的能力,克服了库存管理过程中风险不可控的问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,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为本发明实施例的一种基于事件网的库存管理方法的步骤示意图;
图2为本发明实施例的一种基于事件网的库存管理方法的事件网模型结构示意图;
图3为本发明实施例的一种基于事件网的库存管理系统的结构示意图;
图4为本发明实施例的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,本领域技术人员在没有作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。
下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
请参阅图1和图2,本发明实施例提供的一种基于事件网的库存管理方法,具体包括如下步骤:
步骤S101:确定事件网技术模型。具体地,事件网(EN,Event Network)是一种基于事件驱动实现分布式并发,兼容离散和流式混合模型,通过拖拉拽的方式呈现全域仿真,诊断,优化的系统平台。与目前市面上主流的petrinet、eventbasedsystem等系统相比。本发明实施例提出的事件网的优势在于:表达能力更强,更自由,网络和拓扑层次清晰,而且能够同时描述物理和虚拟世界的事件,支持离散和连续的混合建模。
事件网的理论模型为EN=(P,E,T,A,F)。其中P为库所(Place)的集合,库所即为在一个全业务流程中,各个业务发生的场所,例如一个生产铁的过程,炼铁的工厂即为库所。在本发明实施例中,存放货物的仓库即为库所。
其中,E为事件(Event)集合,事件即为触发整个业务流开始运转的先决条件,例如在库存流转过程中,当收到货款才会发货,此时库存对象的数量才会发生变动,收到货款的动作即为这个过程中的触发事件。事件包括意料之中和意料之外,例如收到货款的动作即为意料之中的事件,因为天气恶劣不得不进行库存转移为意料之外的事件。
其中,T为变迁(Transition)的集合,A为有向弧(Arc)的集合,在一个全业务流中,某一个流程即为变迁。例如在库存管理过程中,从C1仓库转移货品到C2仓库的过程即为一个变迁。每一个变迁均存在方向,在上述例子中,从C1仓库指向C2仓库的方向即为一个有向弧。
其中,F为发生函数(Fire Function)的集合,在一个全业务流中,对模型中发生函数的编写需要考虑发生的前置条件,发生的时长及发生后的变化,包含变化的token数和事件。发生函数F(P,E,t),对于每一个变迁发生所需要的前置条件包括针对此变迁需要的事件,此变迁前缀有哪些库所,库所里需要消费的token数目,定义发生时间t,允许t=0,t为发生函数的持续时间。在发生结束后根据后置函数计算产生相应的token数,得到的token数放入后缀的库所里,同时后置函数还可以产生一个或多个事件放入后缀事件集合里。例如,对于一个库存转移过程,发生函数需要考虑订单是否付款,天气情况是否允许,国家政策是否放行等前置条件,其中库存中所存放的货物即为token,在库存管理全业务流中,各个库所中的token并不一致,例如仓库C1中存放是奶,仓库C2中存放的是水,那么仓库C1和仓库C2对应的token是不同的。经过发生时间t,发生函数结束,即为某个流程的变迁结束。
其中,token为库所中的消费品,在本发明实施例中,token为库所中的货物库存对象,本发明实施例提供的事件网模型,其中token的范畴设计为全实数和/或向量表示,加强了事件网模型的建模能力,不仅对于离散模型可以模拟,也适用于连续的生产过程。例如token可以表示为人(单位:个)、电脑(单位:台)这类整数单位的对象,也可以表示为水(单位:升)、铁粉(单位:千克)这类非整数单位的对象。
参照图2,以一个面包制作过程为例,1kg面粉加2升水放入烤箱,通过为烤箱通电触发烤箱烘烤,从而得到1个面包的过程,可以通过事件网来映射和模拟。其中1kg面粉和2升水分别为不同的token,而放置面粉的袋子还放置水的碗为库所,面粉加水变成面包的过程为一个变迁,生成的面包为放置在篮子里的token,此转变过程要开始进行需要为烤箱通电,那么插电的动作即为本过程的一个事件。
步骤S102:获取数字企业库存历史数据、库存业务发生函数集合和数字触发事件集合,数字企业库存历史数据包括库存场所集合、库存对象集合、库存流转关系集合,库存场所集合中的库存场所包含库存对象集合中的库存对象。
具体地,基于事件网技术对库存管理模型进行建模,对应事件网模型所需的参数,获取库存管理过程当中的历史数据用于对事件网模型的训练。所需的库存场所集合对应事件网的库所,库存对象集合对应事件网的token、库存流转关系集合对应事件网的变迁集合和有向弧集合,库存业务发生函数集合对应事件网的发生函数集合,其中原始发生函数根据专家经验构造。数字触发事件集合对应事件网的事件集合。
具体地,在一实施例中,对于获取的某一物流管理企业的库存业务流中的原始数据,是企业库存历史数据和触发事件集合,是对物理世界的物理描述和语言文本等抽象化数据,这类数据是不能直接应用在事件网模型中的,因此需要对企业库存历史数据和触发事件集合中的数据进行虚拟映射,映射到赛博空间得到可以直接应用到事件网模型训练和测试的数字企业库存历史数据和数字触发事件集合。赛博空间(Cyberspace)是哲学和计算机领域中的一个抽象概念,指在计算机以及计算机网络里的虚拟现实。结合现有技术通过概念模型和数据模型将物理世界的实体映射到赛博空间当中,以实现数据在事件网模型中的应用。
其中,根据发生库存流转的前置条件,流转时长及流转后的库存对象和事件变化情况建立库存业务发生函数集合中的原始发生函数。例如一个历史数据的库存流转过程,考虑订单交付情况,天气情况,政策情况等前置条件,仓库中货物的流传时间,流转完成后产生的到其他仓库的库存对象和产生的影响其他环节的事件建立该过程的发生函数。
步骤S103:设置各库存节点的库存量预警信息,预警信息用于预警各库存场所中库存对象的数量。具体地,在事件网库存管理模型训练之前,通过专家经验设定各个库存节点的库存对象预警信息作为训练指标,在训练开始时,以各个节点的库存对象数量均不超过各节点某一值为标准结束训练。额外的,预警信息除上限值之外,还可包括下限值,当各个节点的库存对象的数量均落在各节点对应的上限预警值和下限预警值范围内时结束训练。
步骤S104:基于事件网训练库存管理模型。具体地,根据步骤S101的事件技术建模方式,使用获取到的数字企业库存历史数据、库存业务发生函数集合和数字触发事件集合对该模型进行训练以满足步骤S103中设定的各库存节点预警值。训练样本中各数据与事件网技术中参数的对应关系参照步骤S102,在此不再赘述。之后,根据训练过程中的各节点输出值与标签的差值,也就是每次训练的各库存节点库存对象的数量和预警值的差值,调整原始发生函数的参数,并将调整后的发生函数替换原始发生函数。例如,某个物流公司的10个仓库,对应的10个仓库均有仓储量的预警值,通过历史数据训练事件网模型,当10个仓库的仓储量均满足各自的预警指标的时,各个仓库到其他仓库的流转过程对应的发生函数中的参数,即为满足预警值的参数。
步骤S105:根据训练后库存管理模型中发生函数的参数生成管理策略。具体地,根据步骤S104训练的满足各库存节点预警信息的库存管理模型,通过获取当前模型状态下各个发生函数中的参数、各个库存节点的库存对象以及产生的事件,分析出现异常的原因,并且可以参考当前的发生函数参数制定相应的管理策略,相较于传统管理策略,基于事件网库存管理方法的溯因结果更加详细、高效,以规避出现过的风险。
具体地,在一实施例中,上述一种基于事件网的库存管理方法,还包括如下步骤:
步骤S106:根据库存管理模型中所有需要改变的变量设置目标函数,变量可以是节点库存对象、触发事件、发生函数、库存场所、库存流转关系中的任意一个。
具体地,为了更好的管理库存流,通过优化某些环节和部门,可以达到提高效率规避风险的目的,但是在实际中进行优化是存在一定风险性的,基于事件网的库存管理模型,根据模型中各节点之间不同的逻辑关系或者物理条件,并考虑到触发事件和发生函数参数的影响构建一个目标函数,根据改变上述有影响力的变量做模拟仿真,找出按照拟合此目标函数得到的最优的变量状态,以此可基于本发明实施例提出的库存管理模型对库存管理业务流做优化。额外的优化方案可以设置一个综合的目标函数,之后将此目标函数拆解到事件网中各节点指标上,最后按照拆解出的指标做模拟仿真,求出拆解部分的最优解并做聚合和汇总。通过上述优化过程,可以避免实际中的风险,提高优化稳定性。
步骤S107:记录库存管理模型匹配目标函数时的变量变化情况。具体地,当库存管理模型逼近所设置的目标函数到可接受程度时,优化结束。通过记录步骤S106得到的各变量状态,可以制定出相关的优化方案。实现了对库存业务流的优化功能。
具体地,在一实施例中,上述一种基于事件网的库存管理方法,还包括如下步骤:
步骤S108:基于库存管理模型改变当前时刻需要调整变量,并预测下一时刻库存管理模型中所有变量的变化情况。具体地,在实际业务流中,一些紧急的突发事件往往让指定的计划措手不及,例如突然出现从未出现过的龙卷风、海啸等自然灾害,专家们从而针对紧急事件制定出紧急应对措施。但是制定出的措施是否会造成更大的损失也未可知,为了避免更多的损失,需要分析紧急措施的可行性。而基于事件网的库存管理模型可以根据突发情况将所需要改变的相关数据和参数进行调整,从而观察整体业务流的变化情况。当根据紧急措施改变了当前时刻的一个或多个变量后,通过观察下一时刻或未来时刻库存管理模型的变化情况,以分析制定的紧急措施是否有效,从而避免更大的风险。以基于事件网的库存管理模型对全业务流进行预测,大大提高了企业应对风险的能力。
通过执行上述各个步骤,本发明实施例提供的一种基于事件网的库存管理方法,通过将整体库存全业务流程中所有库存节点的库存对象、库存流转过程、触发库存进行流转的事件映射为实数和向量,从而可以在赛博空间中进行表示。之后基于事件网模型结合映射的数据模拟库存全业务流程,通过设置各库存节点的预警值,基于历史数据进一步分析出现超过预警值的异常原因,并制定相关管理策略以规避风险。还可以根据本发明提出的事件网的库存管理模型,通过人为设定模型中相关变量的值,从而得到改变变量后各个库存节点库存对象数量的模拟值,达到预测的目的。通过设置所需库存节点库存对象和/或某个流转过程的目标函数,通过改变事件网库存管理模型内变量以达到所需目标节点或目标过程逼近目标函数的目的,从而得到基于事件网库存管理模型对库存管理过程中的优化方案,实现库存管理的优化功能。综合事件网库存管理模型预测、优化、当前策略制定的能力,克服了库存管理过程中风险不可控的问题。
如图3所示,本实施例还提供了一种基于事件网的库存管理系统,应用于电子设备,该系统包括:
数据采集模块101,获取数字企业库存历史数据、库存业务发生函数集合和数字触发事件集合,数字企业库存历史数据包括库存场所集合、库存对象集合、库存流转关系集合,库存场所集合中的库存场所包含库存对象集合中的库存对象。详细内容参见上述方法实施例中步骤S102的相关描述,在此不再进行赘述。
指标设置模块102,设置各库存节点的库存量预警信息,预警信息用于预警各库存场所中库存对象的数量。详细内容参见上述方法实施例中步骤S103的相关描述,在此不再进行赘述。
模型建立模块103,基于事件网构建库存管理模型。详细内容参见上述方法实施例中步骤S104的相关描述,在此不再进行赘述。
策略制定模块104,根据训练后库存管理模型中发生函数的参数生成管理策略。详细内容参见上述方法实施例中步骤S105的相关描述,在此不再进行赘述。
本发明实施例提供的一种基于事件网的库存管理系统,用于执行上述实施例提供的一种基于事件网的库存管理方法,其实现方式与原理相同,详细内容参见上述方法实施例的相关描述,不再赘述。
通过上述各个组成部分的协同合作,本发明实施例提供的一种基于事件网的库存管理系统,通过将整体库存全业务流程中所有库存节点的库存对象、库存流转过程、触发库存进行流转的事件映射为实数和向量,从而可以在赛博空间中进行表示。之后基于事件网模型结合映射的数据模拟库存全业务流程,通过设置各库存节点的预警值,基于历史数据进一步分析出现超过预警值的异常原因,并制定相关管理策略以规避风险。还可以根据本发明提出的事件网的库存管理模型,通过人为设定模型中相关变量的值,从而得到改变变量后各个库存节点库存对象数量的模拟值,达到预测的目的。通过设置所需库存节点库存对象和/或某个流转过程的目标函数,通过改变事件网库存管理模型内变量以达到所需目标节点或目标过程逼近目标函数的目的,从而得到基于事件网库存管理模型对库存管理过程中的优化方案,实现库存管理的优化功能。综合事件网库存管理模型预测、优化、当前策略制定的能力,克服了库存管理过程中风险不可控的问题。
图4示出了本发明实施例的一种电子设备,该设备包括:处理器901和存储器902,可以通过总线或者其他方式连接,图4中以通过总线连接为例。
处理器901可以为中央处理器(Central Processing Unit,CPU)。处理器901还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器902作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如上述方法实施例中的方法所对应的程序指令/模块。处理器901通过运行存储在存储器902中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器902可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器901所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至处理器901。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器902中,当被处理器901执行时,执行上述方法实施例中的方法。
上述电子设备具体细节可以对应参阅上述方法实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,实现的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种基于事件网的库存管理方法,其特征在于,所述方法包括:
获取数字企业库存历史数据、库存业务发生函数集合和数字触发事件集合,所述数字企业库存历史数据包括库存场所集合、库存对象集合、库存流转关系集合,所述库存场所集合中的库存场所包含所述库存对象集合中的库存对象;
设置各库存节点的库存量预警信息,所述预警信息用于预警各所述库存场所中库存对象的数量;
基于事件网训练库存管理模型,其中所述数字企业库存历史数据为事件网的训练样本,所述库存量预警信息为事件网的标签,所述库存业务发生函数集合中的发生函数为映射函数,所述数字触发事件集合中的触发事件为触发模型开始训练的先决条件;
根据训练后库存管理模型中发生函数的参数生成管理策略。
2.根据权利要求1所述的方法,其特征在于,所述获取数字企业库存历史数据、库存业务发生函数集合和数字触发事件集合,包括:
获取企业库存历史数据和触发事件集合,所述企业库存历史数据和触发事件集合分别包括所述数字企业库存历史数据和数字触发事件集合中对应的现实描述数据;
分别映射企业库存历史数据和触发事件集合为所述数字企业库存历史数据和数字触发事件集合;
建立所述库存业务发生函数集合中的原始发生函数。
3.根据权利要求1所述的方法,其特征在于,所述基于事件网构建库存管理模型,事件网技术的模型为:
事件网=(P,E,T,A,F),所述P对应所述库存场所集合,所述E对应所述触发事件集合,所述T对应所述库存流转关系集合中的流转关系,所述A对应所述库存流转关系集合中的流转方向,所述F对应库存业务发生函数集合。
4.根据权利要求3所述的方法,其特征在于,所述事件网还包括token,为全体实数或向量,对应所述库存对象集合中的库存对象。
5.根据权利要求1所述的方法,所述基于事件网训练库存管理模型,包括:
根据所述库存业务发生函数集合中的原始发生函数,对所述事件网进行训练;
根据训练过程中的输出值与所述标签的差值调整所述原始发生函数的参数,并用调整后的发生函数替换原始发生函数。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述库存管理模型中所有需要改变的变量设置目标函数,所述变量可以是节点库存对象、触发事件、发生函数、库存场所、库存流转关系中的任意一个;
记录所述库存管理模型匹配目标函数时的变量变化情况。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述库存管理模型改变当前时刻需要调整变量,并预测下一时刻库存管理模型中所有变量的变化情况。
8.一种基于事件网的库存管理系统,其特征在于,所述系统包括:
数据采集模块,获取数字企业库存历史数据、库存业务发生函数集合和数字触发事件集合,所述数字企业库存历史数据包括库存场所集合、库存对象集合、库存流转关系集合,所述库存场所集合中的库存场所包含所述库存对象集合中的库存对象;
指标设置模块,设置各库存节点的库存量预警信息,所述预警信息用于预警各所述库存场所中库存对象的数量;
模型建立模块,基于事件网训练库存管理模型,其中所述数字企业库存历史数据为事件网的训练样本,所述库存量预警信息为事件网的标签,所述库存业务发生函数集合中的发生函数为映射函数,所述数字触发事件集合中的触发事件为触发模型开始训练的先决条件;
策略制定模块,根据训练后库存管理模型中发生函数的参数生成管理策略。
9.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机从而执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110940462.1A CN113610474B (zh) | 2021-08-16 | 2021-08-16 | 一种基于事件网的库存管理方法和管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110940462.1A CN113610474B (zh) | 2021-08-16 | 2021-08-16 | 一种基于事件网的库存管理方法和管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113610474A true CN113610474A (zh) | 2021-11-05 |
CN113610474B CN113610474B (zh) | 2023-09-22 |
Family
ID=78308766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110940462.1A Active CN113610474B (zh) | 2021-08-16 | 2021-08-16 | 一种基于事件网的库存管理方法和管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113610474B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115809837A (zh) * | 2023-02-09 | 2023-03-17 | 恒丰银行股份有限公司 | 基于数字化模拟场景的金融企业管理方法、设备及介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102662428A (zh) * | 2012-03-01 | 2012-09-12 | 中国科学院计算技术研究所 | 一种离散事件网络模拟环境的时钟同步方法 |
CN104657784A (zh) * | 2014-12-24 | 2015-05-27 | 同济大学 | 基于企业生产与能耗耦合模型的能源优化方法 |
CN104835026A (zh) * | 2015-05-15 | 2015-08-12 | 重庆大学 | 基于Petri网与改进遗传算法的自动化立体仓库拣选作业调度建模优化方法 |
CN105139161A (zh) * | 2015-10-14 | 2015-12-09 | 常州大学 | 一种基于Petri网的虚拟企业建模与调度方法 |
US20170149624A1 (en) * | 2015-11-25 | 2017-05-25 | International Business Machines Corporation | Event-based data transfer scheduling using elastic network optimization criteria |
CN110033125A (zh) * | 2019-03-14 | 2019-07-19 | 山东科技大学 | 一种基于模糊逻辑Petri网的业务流程分析方法 |
CN110334837A (zh) * | 2019-04-11 | 2019-10-15 | 浙江同筑科技有限公司 | 一种基于petri网分解的多AGV调度方法 |
US20200143313A1 (en) * | 2018-11-01 | 2020-05-07 | C3 loT, Inc. | Systems and methods for inventory management and optimization |
CN111260204A (zh) * | 2020-01-13 | 2020-06-09 | 同济大学 | 业务流程设计缺陷的检测方法、可读存储介质及终端 |
CN111345004A (zh) * | 2017-11-09 | 2020-06-26 | 区块链控股有限公司 | 用于简化可执行指令以优化可验证计算的系统 |
CN111815244A (zh) * | 2020-07-20 | 2020-10-23 | 杉数科技(北京)有限公司 | 一种库存数据处理方法、装置、设备及介质 |
CN112348251A (zh) * | 2020-11-05 | 2021-02-09 | 傲林科技有限公司 | 一种决策辅助方法、装置、电子设备及存储介质 |
US20210226976A1 (en) * | 2017-05-15 | 2021-07-22 | Forcepoint, LLC | Using Content Stored in an Entity Behavior Catalog in Combination with an Entity Risk Score |
-
2021
- 2021-08-16 CN CN202110940462.1A patent/CN113610474B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102662428A (zh) * | 2012-03-01 | 2012-09-12 | 中国科学院计算技术研究所 | 一种离散事件网络模拟环境的时钟同步方法 |
CN104657784A (zh) * | 2014-12-24 | 2015-05-27 | 同济大学 | 基于企业生产与能耗耦合模型的能源优化方法 |
CN104835026A (zh) * | 2015-05-15 | 2015-08-12 | 重庆大学 | 基于Petri网与改进遗传算法的自动化立体仓库拣选作业调度建模优化方法 |
CN105139161A (zh) * | 2015-10-14 | 2015-12-09 | 常州大学 | 一种基于Petri网的虚拟企业建模与调度方法 |
US20170149624A1 (en) * | 2015-11-25 | 2017-05-25 | International Business Machines Corporation | Event-based data transfer scheduling using elastic network optimization criteria |
US20210226976A1 (en) * | 2017-05-15 | 2021-07-22 | Forcepoint, LLC | Using Content Stored in an Entity Behavior Catalog in Combination with an Entity Risk Score |
CN111345004A (zh) * | 2017-11-09 | 2020-06-26 | 区块链控股有限公司 | 用于简化可执行指令以优化可验证计算的系统 |
US20200143313A1 (en) * | 2018-11-01 | 2020-05-07 | C3 loT, Inc. | Systems and methods for inventory management and optimization |
CN110033125A (zh) * | 2019-03-14 | 2019-07-19 | 山东科技大学 | 一种基于模糊逻辑Petri网的业务流程分析方法 |
CN110334837A (zh) * | 2019-04-11 | 2019-10-15 | 浙江同筑科技有限公司 | 一种基于petri网分解的多AGV调度方法 |
CN111260204A (zh) * | 2020-01-13 | 2020-06-09 | 同济大学 | 业务流程设计缺陷的检测方法、可读存储介质及终端 |
CN111815244A (zh) * | 2020-07-20 | 2020-10-23 | 杉数科技(北京)有限公司 | 一种库存数据处理方法、装置、设备及介质 |
CN112348251A (zh) * | 2020-11-05 | 2021-02-09 | 傲林科技有限公司 | 一种决策辅助方法、装置、电子设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
FATTAH J 等: "Analysis of the performance of inventory management systems using the SCOR model and Batch Deterministic and Stochastic Petri Nets", INTERNATIONAL JOURNAL OF ENGINEERING BUSINESS MANAGEMENT, vol. 8, pages 1 - 11 * |
PAOLO BALDAN等: "EVENT STRUCTURES FOR PETRI NETS WITH PERSISTENCE", LOGICAL METHODS IN COMPUTER SCIENCE, vol. 14, pages 1 - 30 * |
汤晨: "基于Petri网的业务流程异常行为提取与分析", 中国硕士学位论文全文数据库 (信息科技辑), no. 2021, pages 138 - 2 * |
赵阁阁: "基于数字孪生的烟包立体仓库半实物仿真调试与运行优化平台", 中国硕士学位论文全文数据库 (信息科技辑), no. 2021, pages 138 - 741 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115809837A (zh) * | 2023-02-09 | 2023-03-17 | 恒丰银行股份有限公司 | 基于数字化模拟场景的金融企业管理方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113610474B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Costas et al. | Applying Goldratt’s Theory of Constraints to reduce the Bullwhip Effect through agent-based modeling | |
US11710084B2 (en) | Transaction-enabled systems and methods for resource acquisition for a fleet of machines | |
Olson et al. | Risk management models for supply chain: a scenario analysis of outsourcing to China | |
US20230244199A1 (en) | Dynamic Digital Twin of Distributed Energy Demand | |
Maiti et al. | Fuzzy inventory model with two warehouses under possibility constraints | |
Pinto et al. | Adaptive learning in agents behaviour: A framework for electricity markets simulation | |
Özceylan et al. | Interactive fuzzy programming approaches to the strategic and tactical planning of a closed-loop supply chain under uncertainty | |
Trappey et al. | Genetic algorithm dynamic performance evaluation for RFID reverse logistic management | |
Özceylan et al. | Fuzzy multi-objective linear programming approach for optimising a closed-loop supply chain network | |
Zhang et al. | An integrated model for strategic supply chain design: Formulation and ABC-based solution approach | |
Badakhshan et al. | Applying digital twins for inventory and cash management in supply chains under physical and financial disruptions | |
Lu et al. | Study on construction material allocation policies: A simulation optimization method | |
Zhen et al. | Capacitated closed-loop supply chain network design under uncertainty | |
CN109815389A (zh) | 应用规则引擎的节点匹配方法、装置以及计算机设备 | |
Li et al. | An agent-based model of supply chains with dynamic structures | |
Mazzuto et al. | Supply chain modelling and managing, using timed coloured Petri nets: a case study | |
Lam et al. | A hybrid case-GA-based decision support model for warehouse operation in fulfilling cross-border orders | |
CN115375149A (zh) | 供应链策略确定方法、介质、装置和计算设备 | |
Yu et al. | A multi-population co-evolutionary genetic programming approach for optimal mass customisation production | |
CN112200489A (zh) | 有色金属冶炼产供销一体优化系统、方法、装置 | |
CN113610474A (zh) | 一种基于事件网的库存管理方法和管理系统 | |
Habibi et al. | Designing an efficient vaccine supply chain network using a two-phase optimization approach: a case study of COVID-19 vaccine | |
Işık et al. | Deep learning based electricity demand forecasting to minimize the cost of energy imbalance: A real case application with some fortune 500 companies in Türkiye | |
Neumann et al. | Genetic algorithms for planning and scheduling engineer-to-order production: a systematic review | |
CN113850448B (zh) | 一种用于备件的消耗和调度的管理方法和系统 |
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 |