发明内容
有鉴于此,本发明实施例提供一种确定安全库存的方法及装置,能够提高安全库存的计算准确率。
为实现上述目的,根据本发明实施例的一个方面,提供了一种确定安全库存的方法。
本发明实施例的一种确定安全库存的方法包括:获取至少一个历史周期内物品的出库数据;
根据所述至少一个历史周期内物品的出库数据,采用核密度估计算法确定物品总库存对应的概率分布图;
根据所述概率分布图,确定预测周期内的目标物品总库存;
根据所述目标物品总库存以及所述预测周期内的周转库存,确定所述预测周期内的安全库存。
可选地,根据所述概率分布图以及所述预测周期内出库需求的满足概率,确定所述目标物品总库存。
可选地,所述根据所述概率分布图以及所述预测周期内出库需求的满足概率,确定所述目标物品总库存,包括:
根据所述概率分布图,计算不同的物品总库存分别对应的第一分布概率;
根据所述概率分布图所指示的所述至少一个历史周期内的出库数据的大小顺序,依次对所述不同的物品总库存对应的所述第一分布概率进行累加,得到不同物品总库存分别对应的累计概率;
确定所述累计概率不小于所述出库需求的满足概率、且与所述出库需求的满足概率之差最小的目标累计概率,并根据所述目标累计概率确定所述目标物品总库存。
可选地,所述概率分布图还指示了所述出库数据的第二分布概率;所述根据所述概率分布图,计算不同的物品总库存分别对应的第一分布概率,包括:
根据所述大小顺序,分别将大小不同的多个所述出库数据之间的第一间隔进行拆分,得到多个第二间隔以及所述多个所述第二间隔分别对应的第二分布概率;
对每个所述第二间隔与自身对应的第二分布概率之积进行归一化处理,并将归一化处理的结果作为所述物品总库存对应的第一分布概率。
可选地,所述根据所述目标累计概率确定所述目标物品总库存,包括:
确定所述目标累计概率中被累加的最后一个所述第一分布概率所对应的出库数据,并将确定出的所述出库数据所指示的出库数量作为所述目标物品总库存。
可选地,所述根据所述至少一个历史周期内提供物品的出库数据,采用核密度估计算法确定物品库存对应的概率分布图,包括:
根据所述至少一个历史周期内的所述出库数据的个数,确定待拟合的所述概率分布图的带宽,并根据所述带宽,采用高斯核对至少一个历史周期内的所述出库数据进行拟合,得到所述概率分布图。
可选地,将所述目标物品总库存与周转库存的差值作为所述安全库存。
可选地,该方法还包括:根据已有库存以及所述安全库存,调配待补充的物品。
为实现上述目的,根据本发明实施例的又一方面,提供了一种确定安全库存的装置。
本发明实施例的一种确定安全库存的装置包括:数据获取模块、概率确定模块和库存确定模块;其中,
所述数据获取模块,用于获取至少一个历史周期内提供物品的出库数据;
所述概率确定模块,用于根据所述至少一个历史周期内物品的出库数据,采用核密度估计算法确定物品总库存对应的概率分布图;
所述库存确定模块,用于根据所述概率分布图,确定预测周期内的目标物品总库存;并根据所述目标物品总库存以及所述预测周期内的周转库存,确定所述预测周期内的安全库存。
为实现上述目的,根据本发明实施例的又一方面,提供了一种确定安全库存的电子设备。
本发明实施例的一种确定安全库存的电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例的一种确定安全库存的方法。
为实现上述目的,根据本发明实施例的再一方面,提供了一种计算机可读存储介质。
本发明实施例的一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例的一种确定安全库存的方法。
上述发明中的一个实施例具有如下优点或有益效果:通过获取至少一个历史周期内物品的出库数据,并根据获取的出库数据,采用核密度估计算法确定物品总库存对应的概率分布图,然后根据概率分布图,确定预测周期内的目标物品总库存,然后根据确定出的目标物品总库存以及预测周期内的周转库存,确定出预测周期内的安全库存。由于核密度估计算法能够根据实际需求生成相应的概率分布,而不必预先假定实际需求服从某一已知的分布(如正态分布),也就是说,当物品的实际需求为不规则分布时,本方案不会将不规则分布假定为正态分布,而是采用核密度估计算法根据其实际的不规则分布来拟合物品总库存的概率分布,因此,相对于现有技术将所有情况下的物品实际需求均假定为正态分布,本方案提高了物品实际需求的概率分布的拟合准确性,从而提高了安全库存的预测准确性。并且,确定出的目标物品总库存与预测周期内出库需求的满足概率相匹配,例如,与预测周期内的周转服务水平(Cycle service level,CSL)相匹配,则根据目标物品总库存确定预测周期内的安全库存,可使得确定出的安全库存满足出库需求(如CSL)的要求,进而根据安全库存调配待补充的物品,可降低预设周期内物品库存不足的风险,从而有利于提高服务水平。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要指出的是,在不冲突的情况下,本发明的实施例以及实施例中的技术特征可以相互结合。
图1是根据本发明实施例的一种确定安全库存的方法的主要步骤的示意图。
如图1所示,本发明实施例的一种确定安全库存的方法主要包括以下步骤:
步骤S101:获取至少一个历史周期内提供物品的出库数据。
历史周期可以是过去一段时间内的供货周期,例如,供货周期为一个月时,可以获取过去一个月或者几个月内提供物品的出库数据,该出库数据可根据仓储中的管理数据(出库数量和出库时刻等)或者物品的销售数据(销售数量和销售时刻等)得到。可以理解的是,获取到的出库数据为多个,例如,获取过去半年内物品的销售数据时,这半年内每天都有销售数据产生,那么获取到的销售数据为180个左右。
步骤S102:根据所述至少一个历史周期内提供物品的出库数据,采用核密度估计算法确定物品总库存对应的概率分布图。
核密度估计算法属于非参数算法,而由于非参数算法在实际应用中不需要预先设定模型的具体形式和误差分布,可以获得较宽的非线性变化,同时,在抽取样本对总体进行估计时,不必依赖于样本所从属的总体的分布形式,可以广泛地应用于不同类型的总体,因此其对于减小偏差、提高预测精度和了解样本序列的动态结构都是极其有用的,特别是当总体分布很不规则时,非参数算法也可以提供较为精确的置信区间。基于此,在本发明实施例中,采用核密度估计算法,将获取的至少一个历史周期内的出库数据作为样本,来确定物品总库存的概率分布图,由此,即使当物品的库存量分布呈不规则分布时,核密度估计算法作为非参数算法也可以较为准确地确定出不同的物品总库存分别对应的概率。
采用核密度估计算法来确定物品总库存的概率分布图时,可以根据所述至少一个历史周期内的所述出库数据的个数,确定待拟合的所述概率分布图的带宽,并根据所述带宽,采用高斯核对至少一个历史周期内的所述出库数据进行拟合,得到所述概率分布图。
具体地,可以采用下式(1)确定待拟合的概率分布图的带宽,然后,采用高斯核对获取到的多个出库数据进行拟合,以确定物品总库存对应的概率分布图,其中,高斯核的表达式可如下式(2)所示,核密度估计算法可如下式(3)所示:
其中,h表征待拟合的概率分布图的带宽,n表征获取的至少一个历史周期内的出库数据的个数,
表征调试参数,
可以按照最小化均方误差的原则来确定。
其中,ai表征第i个出库数据,n为获取的出库数据的个数,h为带宽,y表征多个出库数据根据其大小顺序所排列形成的数轴。
根据上述式(1)-式(3),可采用核密度估计算法对获取到的出库数据进行拟合,生成物品总库存对应的概率分布图,该概率分布图可如图2所示。在图2中,横轴(y)表征多个出库数据根据其大小顺序排列所形成的数轴,纵轴(f)表征出库数据的第二分布概率。由于本发明实施例通过历史周期内物品的出库数据来确定预测周期的安全库存,因此,可以进一步根据出库数据的分布概率来确定预测周期内物品总库存的概率,也就是说,可以根据出库数据的第二概率分布来确定物品总库存的第一概率分布,那么,图2既是出库数据的概率分布图,也可以表征物品总库存的概率分布图。由于历史周期内物品的出库数据可以反映历史周期内物品的实际需求,则根据出库数据确定的物品总库存的概率分布图也可以反映物品的实际需求,从而有利于提高安全库存的预测准确性。
例如,获取过去一个月内(一个历史周期内)物品A的历史销售数据,其中,在第1-10天中,每天销售物品A的数量为100,那么在历史销售数据中,100出现的次数为10次;在第11-15天中,每天销售物品A的数量为150,那么在历史销售数据中,150出现的次数为5次;在第16-28天中,每天销售物品A的数量为80,那么在历史销售数据中,80出现的次数为13次;在第29-30天中,每天销售物品A的数量为200,那么在历史销售数据中,200出现的次数为2次。由此,在概率分布图中,横坐标表征各个历史销售数据所形成的数轴,即各个历史销售数据在横坐标上的排列依次为80、100、150和200,而曲线上的点分别表征相应历史销售数据所对应的第二分布概率,即80对应的第二分布概率为13/30,100对应的第二分布概率为10/30,150对应的第二分布概率为5/30,200对应的第二分布概率为2/30。可以理解的是,虽然此例以销售数据以离散点、其对应的第二分布概率也为离散点作为示例,但在实际实施过程中,一般会获取多个历史周期内的出库数据作为核密度估计算法的样本数据,并且经由核密度估计算法的拟合,各个出库数据所对应的第二分布概率可以被拟合为连续曲线,也就是说,在物品总库存对应的概率分布图中,多个出库数据分别对应的第二分布概率可以形成连续曲线,形成的连续曲线可以如图2所示。在图2中,横轴即为多个出库数据根据大小顺序排列形成的数轴,曲线上的点f(yi)即为各个出库数据分别对应的第二分布概率。
步骤S103:根据所述概率分布图,确定预测周期内的目标物品总库存。
在本发明一个实施例中,在确定目标物品总库存时,可根据概率分布图以及预测周期内出库需求的满足概率,确定所述目标物品总库存。其中,预测周期内出库需求的满足概率可采用客户服务水平或者周转服务水平(Cycle service level,CSL)来表征,CSL表示在一个周期内,现有的库存能够满足顾客需求的概率,其是供应链管理中用来衡量库存与需求预测的一项常用指标。
在本发明实施例中,可以根据所述概率分布图,计算不同的物品总库存分别对应的第一分布概率;根据所述概率分布图所指示的所述至少一个历史周期内的出库数据的大小顺序,依次对所述不同的物品总库存对应的所述第一分布概率进行累加,得到不同物品总库存分别对应的累计概率;确定所述累计概率不小于所述出库需求的满足概率、且与所述出库需求的满足概之差最小的目标累计概率,并根据所述目标累计概率确定所述目标物品总库存。
具体地,在根据概率分布图计算不同物品总库存分别对应的概率时,可以根据所述大小顺序,分别将大小不同的多个所述出库数据之间的第一间隔进行拆分,得到多个第二间隔以及所述多个所述第二间隔分别对应的第二分布概率;对每个所述第二间隔与自身对应的第二分布概率之积进行归一化处理,并将归一化处理的结果作为所述物品总库存对应的第一分布概率。
由于根据核密度估计算法确定出的概率分布函数没有显示表达式,因此无法求取其对应的反函数,而一般来说,累计概率可以近似表征其反函数值,因此在本发明实施例中,采用累计概率来确定目标总库存。
如上所述,在如图2所示的概率分布图中,横轴(y)表征多个出库数据根据大小顺序排列形成的数轴,竖轴f(yi)表征各个出库数据分别对应的第二分布概率。一般来说,根据出库数据的第二分布概率f(yi)拟合出的曲线与坐标轴所围成的面积可近似作为物品总库存的分布概率,例如,y2对应的分布概率为图2所示的z1阴影部分,y3对应的分布概率为图2所示的z2阴影部分,yi+1对应的分布概率为图2所示的zi阴影部分。将图2所示的阴影部分的值进行归一化处理后,即可得到对应的物品总库存的第一分布概率。而由于核密度估计算法确定出的概率分布函数没有显示表达式,因此无法直接求取阴影部分的面积。在本发明实施例中,为了提高物品总库存的第一分布概率的计算准确率,将多个出库数据之间的第一间隔进行拆分。仍以上述物品A的历史销售数据作为出库数据为例,各个历史销售数据按大小顺序排列为80、100、150和200,若直接根据各个历史销售数据之间的间隔来计算物品总库存的第一分布概率,则可能由于每两个历史销售数据之间的间隔较大,且各个历史销售数据之间的间隔大小不一,因此若直接根据各个历史销售数据之间的间隔来计算物品总库存的第一分布概率,这可能导致第一分布概率的准确率较低。
为了提高物品总库存的第一分布概率的准确率,在本发明实施例中,将多个出库数据之间的第一间隔进行拆分,例如,历史销售数据80和100分别对应图2中的y1和y3。然后对每两个历史销售数据之间的第一间隔进行拆分,如将80-100之间的第一间隔进行拆分,拆分后得到y2,则y2对应的出库数据的大小为90。类似地,可以对其他历史销售数据之间的第一间隔进行拆分,得到多个第二间隔。例如,对100-150之间的第一间隔进行拆分,可以得到100-110、110-120、120-130、130-140和140-150这五个第二间隔。可以理解的是,由于第二间隔是经第一间隔拆分得到的,因此第二间隔的数量多于第一间隔的数量。另外,在此例中,为了便于示意,此例中以第二间隔为10为例,在实际应用中,为了保证精度,以提高物品总库存的第一分布概率,第二间隔的值一般会小于10;在采取都多个历史周期的出库数据后,拆分出的第二间隔的数量一般在100以上。
拆分得到多个第二间隔后,可将每个第二间隔中,较小y值对应的f(yi)作为该第二间隔对应的第二分布概率,然后利用下式(4)计算每个第二间隔与其对应的第二分布概率之积,并根据下式(5)对计算得到的第二间隔与其对应的第二分布概率之积进行归一化处理,得到物品总库存对应的第一分布概率,例如,将f(y1)y1y2f(y2)围成的近似长方形作为物品总库存的一个第一分布概率。
zi=(yi+1-yi)·f(yi) (4)
其中,(y
i+1-y
i)表征第i个第二间隔,f(y
i)表征第i个第二间隔对应的第二分布概率,
表征第i个物品总库存的第一分布概率。
如前所述,一般采用累计概率近似表征核密度估计算法的反函数值,因此在得到物品总库存对应的第一分布概率后,可以依次对所述不同的物品总库存对应的所述第一分布概率进行累加,得到不同物品总库存分别对应的累计概率;确定所述累计概率不小于出库需求的满足概率(如CSL)、且与CSL之差最小的目标累计概率,并根据所述目标累计概率确定所述目标物品总库存。
为了便于计算,可以根据下式(6)先计算出各个物品总库存对应的累计概率,然后根据计算出的累计概率,确定大于预测周期内的周转服务水平CSL,且最接近CSL的累计概率所对应的物品总库存,并将确定出的物品总库存作为目标物品总库存。
其中,
表征第i个物品总库存的第一分布概率,q
i表征第i个物品总库存对应的累计概率。
例如,预测周期内的周转服务水平CSL为0.9时,大于CSL的累计概率有多个,分别为0.91、0.92和0.93,则选取0.91作为目标累计概率,并根据0.91对应的出库数据所指示的物品提供数量,确定目标物品总库存。也就是说,在确定目标物品总库存时,可以先确定目标累计概率中被累加的最后一个所述第一分布概率所对应的出库数据,然后将确定出的所述出库数据所指示的出库数量作为所述目标物品总库存。例如,0.91为y4对应的累计概率,0.92为y5对应的累计概率,0.93为y6对应的累计概率,那么,虽然0.91、0.92和0.93均不小于CSL,但0.91是三个累计概率中最接近CSL的,也就是0.91与CSL(0.9)的差值最小,因此,将0.91作为目标累计概率。由于0.91是y4对应的累计概率,那么,对应于0.91的最后一个被累加的第一分布概率为y3-y4所表征的第二间隔与其对应的第二分布概率之积,那么0.91对应的出库数据即为f(y4)对应的出库数据,然后将该出库数据所指示的出库数量作为目标物品总库存,例如,当出库数据为历史销售数据时,该出库数据指示的出库数量即为与销售量相等的物品出库数量。
步骤S104:根据所述目标物品总库存以及所述预测周期内的周转库存,确定所述预测周期内的安全库存。
在确定出目标物品总库存之后,即可根据预测周期内的周转库存,将目标物品总库存与周转库存的差值作为安全库存。其中,周转库存指预测周期内,正常周转时所需的库存。例如,根据目前已有订单可确定出在预测周期中的10天内,每天需提供物品数量10个,那么预测周期所对应的周转库存为100个。若目标总库存为150,那么安全库存即为50。
进一步地,在确定出周转库存与安全库存后,可根据已有库存、安全库存和/或周转库存,调配待补充的物品。在调配待补充物品时,可以进一步根据仓库现有的补货策略进行补货,如补货策略为100%根据安全库存补货,则在上述周转库存为100、安全库存为50的例子中,若目前已有库存为120个,那么待补充的物品数量为30个。若补货策略为110%根据安全库存补货,那么待补充的物品数量为33个。
根据上述实施例,如图3所示,本发明实施例提供的一种确定安全库存的方法可以包括以下步骤:
步骤S301:获取至少一个历史周期内物品的出库数据。
步骤S302:根据所述至少一个历史周期内物品的出库数据,采用核密度估计算法确定物品总库存对应的概率分布图。
步骤S303:根据所述概率分布图,确定与预测周期内的周转服务水平相匹配的目标物品总库存。
步骤S304:根据所述目标物品总库存以及所述预测周期内的周转库存,确定所述预测周期内的安全库存。
步骤S305:根据已有库存以及所述安全库存,调配待补充的物品。
根据本发明实施例的确定安全库存的方法可以看出,通过获取至少一个历史周期内物品的出库数据,并根据获取的出库数据,采用核密度估计算法确定物品总库存对应的概率分布图,然后根据概率分布图,确定预测周期内的目标物品总库存,然后根据确定出的目标物品总库存以及预测周期内的周转库存,确定出预测周期内的安全库存。由于核密度估计算法能够根据实际需求生成相应的概率分布,而不必预先假定实际需求服从某一已知的分布(如正态分布),也就是说,当物品的实际需求为不规则分布时,本方案不会将不规则分布假定为正态分布,而是采用核密度估计算法根据其实际的不规则分布来拟合物品总库存的概率分布,因此,相对于现有技术将所有情况下的物品实际需求均假定为正态分布,本方案提高了物品实际需求的概率分布的拟合准确性,从而提高了安全库存的预测准确性。并且,确定出的目标物品总库存与预测周期内出库需求的满足概率相匹配,例如,与预测周期内的CSL相匹配,则根据目标物品总库存确定预测周期内的安全库存,可使得确定出的安全库存满足出库需求(如CSL)的要求,进而根据安全库存调配待补充的物品,可降低预设周期内物品库存不足的风险,从而有利于提高服务水平。
图4是根据本发明实施例的一种确定安全库存的装置的主要模块的示意图。
如图4所示,本发明实施例的一种确定安全库存的装置400包括:数据获取模块401、概率确定模块402和库存确定模块403;其中,
所述数据获取模块401,用于获取至少一个历史周期内物品的出库数据;
所述概率确定模块402,用于根据所述至少一个历史周期内物品的出库数据,采用核密度估计算法确定物品总库存对应的概率分布图;
所述库存确定模块403,用于根据所述概率分布图,确定预测周期内的目标物品总库存;并根据所述目标物品总库存以及所述预测周期内的周转库存,确定所述预测周期内的安全库存。
在本发明一个实施例中,所述库存确定模块403,用于根据所述概率分布图以及所述预测周期内出库需求的满足概率,确定所述目标物品总库存。
在本发明一个实施例中,所述库存确定模块403,用于根据所述概率分布图,计算不同的物品总库存分别对应的第一分布概率;根据所述概率分布图所指示的所述至少一个历史周期内的出库数据的大小顺序,依次对所述不同的物品总库存对应的所述第一分布概率进行累加,得到不同物品总库存分别对应的累计概率;确定所述累计概率不小于所述出库需求的满足概率、且与所述出库需求的满足概率之差最小的目标累计概率,并根据所述目标累计概率确定所述目标物品总库存。
在本发明一个实施例中,所述库存确定模块403,用于根据所述大小顺序,分别将大小不同的多个所述出库数据之间的第一间隔进行拆分,得到多个第二间隔以及所述多个所述第二间隔分别对应的第二分布概率;对每个所述第二间隔与自身对应的第二分布概率之积进行归一化处理,并将归一化处理的结果作为所述物品总库存对应的第一分布概率。
在本发明一个实施例中,所述库存确定模块403,用于确定所述目标累计概率中被累加的最后一个所述第一分布概率所对应的出库数据,并将确定出的所述出库数据所指示的出库数量作为所述目标物品总库存。
在本发明一个实施例中,概率确定模块402,用于根据所述至少一个历史周期内的所述出库数据的个数,确定待拟合的所述概率分布图的带宽,并根据所述带宽,采用高斯核对至少一个历史周期内的所述出库数据进行拟合,得到所述概率分布图。
在本发明一个实施例中,所述库存确定模块403,用于将所述目标物品总库存与周转库存的差值作为所述安全库存。
在本发明一个实施例中,所述库存确定模块403,还用于根据已有库存以及所述安全库存,调配待补充的物品。
根据本发明实施例的一种确定安全库存的装置可以看出,通过获取至少一个历史周期内物品的出库数据,并根据获取的出库数据,采用核密度估计算法确定物品总库存对应的概率分布图,然后根据概率分布图,确定预测周期内的目标物品总库存,然后根据确定出的目标物品总库存以及预测周期内的周转库存,确定出预测周期内的安全库存。由于核密度估计算法能够根据实际需求生成相应的概率分布,而不必预先假定实际需求服从某一已知的分布(如正态分布),也就是说,当物品的实际需求为不规则分布时,本方案不会将不规则分布假定为正态分布,而是采用核密度估计算法根据其实际的不规则分布来拟合物品总库存的概率分布,因此,相对于现有技术将所有情况下的物品实际需求均假定为正态分布,本方案提高了物品实际需求的概率分布的拟合准确性,从而提高了安全库存的预测准确性。并且,确定出的目标物品总库存与预测周期内出库需求的满足概率相匹配,例如,与预测周期内的CSL相匹配,则根据目标物品总库存确定预测周期内的安全库存,可使得确定出的安全库存满足出库需求(如CSL)的要求,进而根据安全库存调配待补充的物品,可降低预设周期内物品库存不足的风险,从而有利于提高服务水平。
图5示出了可以应用本发明实施例的确定安全库存的方法或确定安全库存的装置的示例性系统架构500。
如图5所示,系统架构600可以包括终端设备501、502、503,网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504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。
用户可以使用终端设备501、502、503通过网络504与服务器505交互,以接收或发送消息等。
终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器,例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如安全库存信息)反馈给终端设备。
需要说明的是,本发明实施例所提供的确定安全库存的方法一般由服务器505执行,相应地,确定安全库存的装置一般设置于服务器505中。
应该理解,图5中的终端设备、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终端设备、网络和服务器。
下面参考图6,其示出了适于用来实现本发明实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;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607;包括硬盘等的存储部分608;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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,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610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608。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明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609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、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)、光纤、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。在本发明中,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。而在本发明中,计算机可读的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,其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、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。计算机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、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括数据获取模块、概率确定模块和库存确定模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,数据获取模块还可以被描述为“获取至少一个历史周期内物品的出库数据的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读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一个该设备执行时,使得该设备包括:获取至少一个历史周期内物品的出库数据;根据所述至少一个历史周期内物品的出库数据,采用核密度估计算法确定物品总库存对应的概率分布图;根据所述概率分布图,确定预测周期内的目标物品总库存;根据所述目标物品总库存以及所述预测周期内的周转库存,确定所述预测周期内的安全库存。
根据本发明实施例的技术方案,通过获取至少一个历史周期内物品的出库数据,并根据获取的出库数据,采用核密度估计算法确定物品总库存对应的概率分布图,然后根据概率分布图,确定预测周期内的目标物品总库存,然后根据确定出的目标物品总库存以及预测周期内的周转库存,确定出预测周期内的安全库存。由于核密度估计算法能够根据实际需求生成相应的概率分布,而不必预先假定实际需求服从某一已知的分布(如正态分布),也就是说,当物品的实际需求为不规则分布时,本方案不会将不规则分布假定为正态分布,而是采用核密度估计算法根据其实际的不规则分布来拟合物品总库存的概率分布,因此,相对于现有技术将所有情况下的物品实际需求均假定为正态分布,本方案提高了物品实际需求的概率分布的拟合准确性,从而提高了安全库存的预测准确性。并且,确定出的目标物品总库存与预测周期内出库需求的满足概率相匹配,例如,与预测周期内的CSL相匹配,则根据目标物品总库存确定预测周期内的安全库存,可使得确定出的安全库存满足出库需求(如CSL)的要求,进而根据安全库存调配待补充的物品,可降低预设周期内物品库存不足的风险,从而有利于提高服务水平。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。