CN113780913B - 一种安全库存信息的生成方法和装置 - Google Patents
一种安全库存信息的生成方法和装置 Download PDFInfo
- Publication number
- CN113780913B CN113780913B CN202011314014.2A CN202011314014A CN113780913B CN 113780913 B CN113780913 B CN 113780913B CN 202011314014 A CN202011314014 A CN 202011314014A CN 113780913 B CN113780913 B CN 113780913B
- Authority
- CN
- China
- Prior art keywords
- attribute value
- service level
- information
- cost
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 241000531116 Blitum bonus-henricus Species 0.000 claims abstract description 5
- 235000008645 Chenopodium bonus henricus Nutrition 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 31
- 230000001186 cumulative effect Effects 0.000 claims description 17
- 238000005457 optimization Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 5
- 230000010365 information processing Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
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
-
- 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)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种安全库存信息的生成方法和装置,其中方法包括:获取货品销量信息和每种货品的成本属性信息;基于所述货品销量信息,生成每种所述货品的单位时间销量标准差属性值和总销量属性值;基于所述单位时间销量标准差属性值、所述总销量属性值和所述成本属性信息,在预设的平均服务水平属性值约束下,以所有货品的安全库存总成本最小为目标,确定每种所述货品的服务水平属性值;基于所述服务水平属性值,确定每种所述货品的安全库存量。采用本申请,可以在降低库存成本的同时提高仓储系统的整体产能。
Description
技术领域
本发明涉及仓储物流领域,特别是涉及一种安全库存信息的生成方法和装置。
背景技术
现有的库存优化方案中,通常通过优化安全库存,来降低库存水平。通过基于销量等级优化服务水平,来优化安全库存是一种常用的安全库存优化方法。
发明人在实现本发明的过程中发现,上述现有的安全库存优化方式存在:无法对仓储系统的整体产能进行优化、以及库存成本高的问题。具体分析如下:
上述安全库存优化方法,为不同销量等级的货品分配不同的服务水平。服务水平的具体值通常是由管理人员,按照销量高的货品服务水平高、销量低的货品服务水平低的规则,根据经验值设置。服务水平高则安全库存量大,如此,可以保证货品的及时供应,但是,也意味着,货品的库存量大,从而造成成本增加。另外,上述规则也意味着低销量货品的安全库存量小,导致低销量货品的缺货概率很高,这样,低销量货品的出货效率会很低,进而导致仓储系统的整体产能很低。
发明内容
有鉴于此,本发明的主要目的在于提供一种安全库存信息的生成方法和装置,可以在降低库存成本的同时提高仓储系统的整体产能。
为了达到上述目的,本发明实施例提出的技术方案为:
一种安全库存信息的生成方法,包括:
获取货品销量信息和每种货品的成本属性信息;
基于所述货品销量信息,生成每种所述货品的单位时间销量标准差属性值和总销量属性值;
基于所述单位时间销量标准差属性值、所述总销量属性值和所述成本属性信息,在预设的平均服务水平属性值约束下,以所有货品的安全库存总成本最小为目标,确定每种所述货品的服务水平属性值;
基于所述服务水平属性值,确定每种所述货品的安全库存量。
在一个实施方式中,所述成本属性信息包括:
货品的单次订货固定成本属性值和货品的单位持有成本属性值。
在一个实施方式中,所述确定每种所述货品的服务水平属性值包括:
基于所述单位时间销量标准差属性值、所述总销量属性值和所述成本属性信息,按照预设约束条件,求解目标函数,得到每种所述货品对应的服务水平属性值;
其中,所述目标函数为:
所述约束条件为:
所述N为所述货品销量信息对应的时长包含的补货周期数量;所述i为货品编号,所述S为货品集合,所述j为服务水平属性值编号,所述W为服务水平属性值集合;
所述λi为第i种货品的所述总销量属性值,所述hi为第i种货品的单位持有成本属性值;所述Ki为第i种货品的单次订货固定成本属性值;
所述a为预设的所述平均服务水平属性值;对于第i种货品满足:bij∈{0,1};bij为布尔变量;bij用于表示第i种货品是否选择第j个服务水平属性值;aj为所述W中第j个服务水平属性值;/>为第i种货品在第j个服务水平属性值的累积分布反函数值;σi为第i种货品的所述单位时间销量标准差属性值。
在一个实施方式中,所述确定每种所述货品的安全库存量包括:
按照确定第i种货品的安全库存量;
其中,ssi为第i种货品的安全库存量,σi为根据第i种货品的所述单位时间销量标准差属性值;ai表示为第i种货品确定的服务水平属性值,表示服务水平属性值为ai时的累积分布反函数值。
本发明实施例还提供了一种安全库存信息的生成装置,包括:
信息获取模块,用于获取货品销量信息和每种货品的成本属性信息;
信息处理模块,用于基于所述货品销量信息,生成每种所述货品的单位时间销量标准差属性值和总销量属性值;
优化处理模块,用于基于所述单位时间销量标准差属性值、所述总销量属性值和所述成本属性信息,在预设的平均服务水平属性值约束下,以所有货品的安全库存总成本最小为目标,确定每种所述货品的服务水平属性值;
信息生成模块,基于所述服务水平属性值,确定每种所述货品的安全库存量。
在一个实施方式中,所述成本属性信息包括:
货品的单次订货固定成本属性值和货品的单位持有成本属性值。
在一个实施方式中,所述优化处理模块,用于确定每种所述货品的服务水平属性值,包括:
基于所述单位时间销量标准差属性值、所述总销量属性值和所述成本属性信息,按照预设约束条件,求解目标函数,得到每种所述货品对应的服务水平属性值;
其中,所述目标函数为:
所述约束条件为:
所述N为所述货品销量信息对应的时长包含的补货周期数量;所述i为货品编号,所述S为货品集合,所述j为服务水平属性值编号,所述W为服务水平属性值集合;
所述λi为第i种货品的所述总销量属性值,所述hi为第i种货品的单位持有成本属性值;所述Ki为第i种货品的单次订货固定成本属性值;
所述a为预设的所述平均服务水平属性值;对于第i种货品满足:bij∈{0,1};bij为布尔变量;bij用于表示第i种货品是否选择第j个服务水平属性值;aj为所述W中第j个服务水平属性值;/>为第i种货品在第j个服务水平属性值的累积分布反函数值;σi为第i种货品的所述单位时间销量标准差属性值。
在一个实施方式中,所述信息生成模块,用于确定每种所述货品的安全库存量,包括:
按照确定第i种货品的安全库存量;
其中,ssi为第i种货品的安全库存量,σi为根据第i种货品的所述单位时间销量标准差属性值;ai表示为第i种货品确定的服务水平属性值,表示服务水平属性值为ai时的累积分布反函数值。
本发明实施例还提供了一种安全库存信息的生成设备,包括处理器和存储器;
所述存储器中存储有可被所述处理器执行的应用程序,用于使得所述处理器执行如上所述的安全库存信息的生成方法。
本发明实施例一种计算机可读存储介质,其特征在于,其中存储有计算机可读指令,该计算机可读指令用于执行如上所述的安全库存信息的生成方法。
由上述技术方案可以看出,本发明实施例提出的安全库存信息的生成方法和装置,在预设的平均服务水平属性值约束下,以所有货品的安全库存总成本最小为目标,确定每种货品的服务水平属性值。如此,平衡了服务水平和库存成本之间的矛盾,既可以确保整体服务水平满足预设要求,减少货品缺货概率,提高仓储系统的整体产能,又可以实现库存成本的优化。因此,采用本发明实施例,可以在降低库存成本的同时提高仓储系统的整体产能。
附图说明
图1为本发明实施例的方法流程示意图;
图2为本发明实施例的装置结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图及具体实施例对本发明作进一步地详细描述。
为了清楚阐述本发明实施例,先对本发明实施例采用的目标函数推导过程进行说明如下:
1、考虑到不同库存策略带来的模型复杂性,以最为常用的rQ库存策略为基础进行建模,同时采用连续盘点方法。该策略共有两个参数:r为补货点,Q为补货量,即当货品的库存量(库存水平+在途库存)下降到r时,下达补货量为Q的订单。
已知:货品(sku)集合S;对于每个sku,用si表示:已知其销量数据,且年度总销量为λ,提前期为L,该提前期是指从订货到仓库收到货所用的时间,订货固定成本为K,单位持有成本为h。
计算单个sku的最优成本:
在服务水平α(第一类服务水平)给定的条件下,根据rQ的近似求解方法(EIL),可知单个货品si的最优补货点r为:
其中,μ为货品的单位时间销量均值,σ为单位时间销量标准差,α为预设的服务水平,F为服务水平的累积分布函数。
从而得到单个sku的年最优成本为:
其中,h为持有成本,根据根据EOQ模型,得到补货量(即采购量)Q的最优解为:
2、建立sku集合S的年总成本目标函数
目标函数为最小化总成本G:
minG=min∑i∈S gi(ri,Qi) (4)
在式(5)中,αi为需要求解的参数,其他参数均已知,故目标函数式(5)等于式(6)。
3、建立sku集合s的总体服务水平约束:
由于sku集合S的总体服务水平需要小于设置的值α,故约束条件如下:
式(7)中Ti为si的补货周期,则表示一年内的总的周期数,同时根据EOQ,有则可进行如下推导:
令常量总周期数则得到以下约束:
代入EOQ最优Q值,式(3)得
推导后得到最终模型为:
4、近似求解方法
由于该模型约束存在累积分布函数F,和αi都为连续变量且为非线性约束,求解较为复杂,将该模型转换为以下组合优化问题进行求解:
假设F为正态累积分布函数时,将/>和αi从连续变量转换为离散变量,由于αi<0.5时无意义,所以取0.5≤αi<1,此时/>取值为/>若α每隔0.01取一个值,则α和/>的取值如下表所示(具体的分布密度可以根据具体需求复杂程度来定义):
表1此时,模型转换为如下形式:
bij∈{0,1}
上述模型为整数规划问题,即为即为第i个货品sku的第j个服务水平αj的累积分布反函数值/>该值可通过查表得到,bij为布尔变量,表示是否选择第j个服务水平αj,同时一个sku只能选择一个/>该模型可以直接用求解器计算得到精确解,计算速度与sku规模和αi的密度相关。
图1为本发明实施例的方法流程示意图,如图1所示,该实施例实现的安全库存信息的生成方法主要包括:
步骤101、获取货品销量信息和每种货品的成本属性信息。
在一个实施方式中,所述成本属性信息包括:
货品的单次订货固定成本属性值和货品的单位持有成本属性值。
在一个实施方式中,所述货品销量信息可以是一个预设历史时间段内的货品销量信息。该信息可以从相应的货品销量数据库中获取。
在一个实施方式中,所述历史时间段根据实施需要设置,如可以为一年、若干年、若干月、若干天等。
步骤102、基于所述货品销量信息,生成每种所述货品的单位时间销量标准差属性值和总销量属性值。
本步骤中,具体地,可以基于所述货品销量信息,统计该信息中每个货品的单位时间销量方差和单位时间销量均差,根据该单位时间销量方差和单位时间销量均差,即可计算得到货品的单位时间销量标准差属性值。
在一个实施方式中,所述单位时间可以为一天。
步骤103、基于所述单位时间销量标准差属性值、所述总销量属性值和所述成本属性信息,在预设的平均服务水平属性值约束下,以所有货品的安全库存总成本最小为目标,确定每种所述货品的服务水平属性值。
本步骤中,将在平均服务水平属性值约束下,以所有货品的安全库存总成本最小为目标,搜索每种所述货品的最优服务水平属性值。如此,既可以确保整体的平均服务水平达到预设要求,避免了因优化库存成本而降低仓储系统的整体产能,同时,又可以实现库存成本的优化,从而平衡了服务水平和库存成本之间的矛盾,实现总库存成本的最优化。
具体地,所述平均服务水平属性值可由本领域技术人员根据实际需要设置合适取值。
在一个实施方式中,可以采用下述方法确定每种所述货品的服务水平属性值:
基于所述单位时间销量标准差属性值、所述总销量属性值和所述成本属性信息,按照预设约束条件,求解目标函数,得到每种所述货品对应的服务水平属性值。
其中,
所述目标函数为:
所述约束条件为:
所述N为所述货品销量信息对应的时长包含的补货周期数量;
所述i为货品编号;
所述S为货品集合;该集合由所有货品组成;
所述j为服务水平属性值编号;
所述W为服务水平属性值集合;该服务水平属性值集合可基于预设精度从服务水平的累积分布区间中,选择出若干个离散的服务水平构建得到(如上表1中所示)。
所述λi为第i种货品的所述总销量属性值;
所述hi为第i种货品的单位持有成本属性值;
所述Ki为第i种货品的单次订货固定成本属性值;该单次订货固定成本是指每次订购该种类型的货品时所付出的额外成本,该和商品价值与订货量以及采购成本无关。
所述a为预设的所述平均服务水平属性值;该平均服务水平属性值为所述货品销量信息对应时长内的总服务水平。
对于第i种货品满足:bij∈{0,1};bij为布尔变量;bij用于表示第i种货品是否选择第j个服务水平属性值;
aj为所述W中第j个服务水平属性值;
为第i种货品在第j个服务水平属性值的累积分布反函数值;
σi为第i种货品的所述单位时间销量标准差属性值。
步骤104、基于所述服务水平属性值,确定每种所述货品的安全库存量。
在一个实施方式中,可以采用下述方法确定每种所述货品的安全库存量:
按照确定第i种货品的安全库存量。
其中,ssi为第i种货品的安全库存量,
σi为根据第i种货品的所述单位时间销量标准差属性值;
ai表示为第i种货品确定的服务水平属性值;
表示服务水平属性值为ai时的累积分布反函数值。
基于上述方法实施例,可以看出该实施例提出的安全库存信息的生成方法,在预设的平均服务水平属性值约束下,以所有货品的安全库存总成本最小为目标,确定每种货品的服务水平属性值。如此,既可以确保整体服务水平满足预设要求,减少货品缺货概率,提高仓储系统的整体产能,又可以实现库存成本的优化,从而平衡了服务水平和库存成本之间的矛盾。因此,采用本发明实施例,可以在降低库存成本的同时提高仓储系统的整体产能。
在上述方法实施例的基础上,本发明实施例还提供了一种安全库存信息的生成装置,包括:
信息获取模块201,用于获取货品销量信息和每种货品的成本属性信息;
信息处理模块202,用于基于所述货品销量信息,生成每种所述货品的单位时间销量标准差属性值和总销量属性值;
优化处理模块203,用于基于所述单位时间销量标准差属性值、所述总销量属性值和所述成本属性信息,在预设的平均服务水平属性值约束下,以所有货品的安全库存总成本最小为目标,确定每种所述货品的服务水平属性值;
信息生成模块204,基于所述服务水平属性值,确定每种所述货品的安全库存量。
在一个实施方式中,所述成本属性信息包括:
货品的单次订货固定成本属性值和货品的单位持有成本属性值。
在一个实施方式中,所述优化处理模块203,用于确定每种所述货品的服务水平属性值,包括:
基于所述单位时间销量标准差属性值、所述总销量属性值和所述成本属性信息,按照预设约束条件,求解目标函数,得到每种所述货品对应的服务水平属性值;
其中,所述目标函数为:
所述约束条件为:
所述N为所述货品销量信息对应的时长包含的补货周期数量;所述i为货品编号,所述S为货品集合,所述j为服务水平属性值编号,所述W为服务水平属性值集合;
所述λi为第i种货品的所述总销量属性值,所述hi为第i种货品的单位持有成本属性值;所述Ki为第i种货品的单次订货固定成本属性值;
所述a为预设的所述平均服务水平属性值;对于第i种货品满足:bij∈{0,1};bij为布尔变量;bij用于表示第i种货品是否选择第j个服务水平属性值;aj为所述W中第j个服务水平属性值;/>为第i种货品在第j个服务水平属性值的累积分布反函数值;σi为第i种货品的所述单位时间销量标准差属性值。
在一个实施方式中,所述信息生成模块204,用于确定每种所述货品的安全库存量,包括:
按照确定第i种货品的安全库存量;
其中,ssi为第i种货品的安全库存量,σi为根据第i种货品的所述单位时间销量标准差属性值;ai表示为第i种货品确定的服务水平属性值,表示服务水平属性值为ai时的累积分布反函数值。
下面以预设的货品集合为例,对本发明实施例的成本优化效果做进一步说明。
1、获取历史销量数据,如下表2所示:
表2
2、获取货品成本数据
为便于计算和对比,成本数据暂设置为1。
货品标识 | 总销量数据K | 持有成本h |
sku1 | 1 | 1 |
sku2 | 1 | 1 |
表3
3、计算均值、标准差以及EOQ值
计算货品的单位时间销量均值、方差及最优订购量Q,如下表4:
表4
从上表4看到,两个sku的均值相等,成本也相同,方差相同,每次订购量Q也相同,因此,需要优化的是安全库存。
假设,设置平均服务水平为80%。
若使用传统的方法,每个sku的服务水平均为80%,根据安全库存公式:
/>
可以分别计算得到货品sku1和货品sku2的安全库存成本分别为:ss1=33.01,ss2=3.56,此时,总的安全库存为36.57,安全库存持有成本为36.57,此时,sku1和sku2的平均服务水平也为80%。
若使用本发明上述方法实施例,可以计算出货品sku1优化后的服务水平为0.7,安全库存为21.64,货品sku2优化后的服务水平为0.9,安全库存为5.7,此时总的安全库存为27.34,相比于上述传统方案的结果,安全库存减少9.2,减少比例35.82%,保证了在不减少整体服务水平的前提下减少了持有成本。
在上述方法实施例的基础上,本发明实施例还提供了一种安全库存信息的生成设备,包括处理器和存储器;
所述存储器中存储有可被所述处理器执行的应用程序,用于使得所述处理器执行如上所述的安全库存信息的生成方法。
在上述方法实施例的基础上,本发明实施例一种计算机可读存储介质,其特征在于,其中存储有计算机可读指令,该计算机可读指令用于执行如上所述的安全库存信息的生成方法。
上述实施例中,存储器具体可以实施为电可擦可编程只读存储器(EEPROM)、快闪存储器(Flash memory)、可编程程序只读存储器(PROM)等多种存储介质。处理器可以实施为包括一或多个中央处理器或一或多个现场可编程门阵列,其中现场可编程门阵列集成一或多个中央处理器核。具体地,中央处理器或中央处理器核可以实施为CPU或MCU。
需要说明的是,上述各流程和各结构图中不是所有的步骤和模块都是必须的,可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的,可以根据需要进行调整。各模块的划分仅仅是为了便于描述采用的功能上的划分,实际实现时,一个模块可以分由多个模块实现,多个模块的功能也可以由同一个模块实现,这些模块可以位于同一个设备中,也可以位于不同的设备中。
各实施方式中的硬件模块可以以机械方式或电子方式实现。例如,一个硬件模块可以包括专门设计的永久性电路或逻辑器件(如专用处理器,如FPGA或ASiC)用于完成特定的操作。硬件模块也可以包括由软件临时配置的可编程逻辑器件或电路(如包括通用处理器或其它可编程处理器)用于执行特定操作。至于具体采用机械方式,或是采用专用的永久性电路,或是采用临时配置的电路(如由软件进行配置)来实现硬件模块,可以根据成本和时间上的考虑来决定。
用于提供程序代码的存储介质实施方式包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机或云上下载程序代码。
在本文中,“示意性”表示“充当实例、例子或说明”,不应将在本文中被描述为“示意性”的任何图示、实施方式解释为一种更优选的或更具优点的技术方案。为使图面简洁,各图中的只示意性地表示出了与本发明相关部分,而并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”并不表示将本发明相关部分的数量限制为“仅此一个”,并且“一个”不表示排除本发明相关部分的数量“多于一个”的情形。在本文中,“上”、“下”、“前”、“后”、“左”、“右”、“内”、“外”等仅用于表示相关部分之间的相对位置关系,而非限定这些相关部分的绝对位置。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种安全库存信息的生成方法,其特征在于,包括:
获取货品销量信息和每种货品的成本属性信息;
基于所述货品销量信息,生成每种所述货品的单位时间销量标准差属性值和总销量属性值;
基于所述单位时间销量标准差属性值、所述总销量属性值和所述成本属性信息,在预设的平均服务水平属性值约束下,以所有货品的安全库存总成本最小为目标,确定每种所述货品的服务水平属性值;
基于所述服务水平属性值,确定每种所述货品的安全库存量;
其中,所述成本属性信息包括:货品的单次订货固定成本属性值和货品的单位持有成本属性值;
所述确定每种所述货品的服务水平属性值包括:
基于所述单位时间销量标准差属性值、所述总销量属性值和所述成本属性信息,按照预设约束条件,求解目标函数,得到每种所述货品对应的服务水平属性值;
其中,所述目标函数为:
所述约束条件为:
所述N为所述货品销量信息对应的时长包含的补货周期数量;所述i为货品编号,所述S为货品集合,所述j为服务水平属性值编号,所述W为服务水平属性值集合;
所述λi为第i种货品的所述总销量属性值,所述hi为第i种货品的单位持有成本属性值;所述Ki为第i种货品的单次订货固定成本属性值;
所述a为预设的所述平均服务水平属性值;对于第i种货品满足:bij∈{0,1};bij为布尔变量;bij用于表示第i种货品是否选择第j个服务水平属性值;aj为所述W中第j个服务水平属性值;/>为第i种货品在第j个服务水平属性值的累积分布反函数值;σi为第i种货品的所述单位时间销量标准差属性值。
2.根据权利要求1所述的方法,其特征在于,所述确定每种所述货品的安全库存量包括:
按照确定第i种货品的安全库存量;
其中,ssi为第i种货品的安全库存量,σi为根据第i种货品的所述单位时间销量标准差属性值;ai表示为第i种货品确定的服务水平属性值,表示服务水平属性值为ai时的累积分布反函数值。
3.一种安全库存信息的生成装置,其特征在于,包括:
信息获取模块,用于获取货品销量信息和每种货品的成本属性信息;所述成本属性信息包括:货品的单次订货固定成本属性值和货品的单位持有成本属性值;
信息处理模块,用于基于所述货品销量信息,生成每种所述货品的单位时间销量标准差属性值和总销量属性值;
优化处理模块,用于基于所述单位时间销量标准差属性值、所述总销量属性值和所述成本属性信息,在预设的平均服务水平属性值约束下,以所有货品的安全库存总成本最小为目标,确定每种所述货品的服务水平属性值,包括:基于所述单位时间销量标准差属性值、所述总销量属性值和所述成本属性信息,按照预设约束条件,求解目标函数,得到每种所述货品对应的服务水平属性值;其中,所述目标函数为:所述约束条件为:/>所述N为所述货品销量信息对应的时长包含的补货周期数量;所述i为货品编号,所述S为货品集合,所述j为服务水平属性值编号,所述W为服务水平属性值集合;所述λi为第i种货品的所述总销量属性值,所述hi为第i种货品的单位持有成本属性值;所述Ki为第i种货品的单次订货固定成本属性值;所述a为预设的所述平均服务水平属性值;对于第i种货品满足:/>bij∈{0,1};bij为布尔变量;bij用于表示第i种货品是否选择第j个服务水平属性值;aj为所述W中第j个服务水平属性值;/>为第i种货品在第j个服务水平属性值的累积分布反函数值;σi为第i种货品的所述单位时间销量标准差属性值;
信息生成模块,基于所述服务水平属性值,确定每种所述货品的安全库存量。
4.根据权利要求3所述的装置,其特征在于,所述信息生成模块,用于确定每种所述货品的安全库存量,包括:
按照确定第i种货品的安全库存量;
其中,ssi为第i种货品的安全库存量,σi为根据第i种货品的所述单位时间销量标准差属性值;ai表示为第i种货品确定的服务水平属性值,表示服务水平属性值为ai时的累积分布反函数值。
5.一种安全库存信息的生成设备,其特征在于,包括处理器和存储器;
所述存储器中存储有可被所述处理器执行的应用程序,用于使得所述处理器执行如权利要求1至2中任一项所述的安全库存信息的生成方法。
6.一种计算机可读存储介质,其特征在于,其中存储有计算机可读指令,该计算机可读指令用于执行如权利要求1至2中任一项所述的安全库存信息的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011314014.2A CN113780913B (zh) | 2020-11-20 | 2020-11-20 | 一种安全库存信息的生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011314014.2A CN113780913B (zh) | 2020-11-20 | 2020-11-20 | 一种安全库存信息的生成方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113780913A CN113780913A (zh) | 2021-12-10 |
CN113780913B true CN113780913B (zh) | 2024-04-16 |
Family
ID=78835315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011314014.2A Active CN113780913B (zh) | 2020-11-20 | 2020-11-20 | 一种安全库存信息的生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780913B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113988768B (zh) * | 2021-12-27 | 2022-11-08 | 北京京东振世信息技术有限公司 | 一种库存的确定方法和装置 |
CN115345554B (zh) * | 2022-08-15 | 2024-05-14 | 上海韵达高新技术有限公司 | 基于存储模型的收发管控方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5953707A (en) * | 1995-10-26 | 1999-09-14 | Philips Electronics North America Corporation | Decision support system for the management of an agile supply chain |
CN109102221A (zh) * | 2018-07-23 | 2018-12-28 | 华中科技大学 | 一种适用于磁性产品生产车间的粉料库存控制方法 |
CN109754207A (zh) * | 2018-12-26 | 2019-05-14 | 秒针信息技术有限公司 | 库存补充信息的确定方法及装置、存储介质、电子装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120253995A1 (en) * | 2011-03-31 | 2012-10-04 | Amit Boob | System and method for merchandise inventory management to maximize gross margin |
US11620612B2 (en) * | 2018-11-01 | 2023-04-04 | C3.Ai, Inc. | Systems and methods for inventory management and optimization |
-
2020
- 2020-11-20 CN CN202011314014.2A patent/CN113780913B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5953707A (en) * | 1995-10-26 | 1999-09-14 | Philips Electronics North America Corporation | Decision support system for the management of an agile supply chain |
CN109102221A (zh) * | 2018-07-23 | 2018-12-28 | 华中科技大学 | 一种适用于磁性产品生产车间的粉料库存控制方法 |
CN109754207A (zh) * | 2018-12-26 | 2019-05-14 | 秒针信息技术有限公司 | 库存补充信息的确定方法及装置、存储介质、电子装置 |
Non-Patent Citations (2)
Title |
---|
Roberto Rossi,et al..Computing the non-stationary replenishment cycle inventory policy under stochastic supplier lead-times.《Int. J. Production Economics》.2010,全文. * |
服务水平约束且安全系数可变时的库存模型;黄松 等;《工业工程与管理》(第5期);第52-55、117页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113780913A (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11887044B2 (en) | Analysis and correction of supply chain design through machine learning | |
Chao et al. | Approximation algorithms for perishable inventory systems | |
US8515835B2 (en) | Systems and methods for multi-echelon inventory planning with lateral transshipment | |
US20160232637A1 (en) | Shipment-Volume Prediction Device, Shipment-Volume Prediction Method, Recording Medium, and Shipment-Volume Prediction System | |
CN110119847A (zh) | 一种配送时长的预测方法、装置、存储介质和电子设备 | |
CN109840730B (zh) | 用于数据预测的方法及装置 | |
EP2192537A2 (en) | Predictive modeling | |
US20150120368A1 (en) | Retail and downstream supply chain optimization through massively parallel processing of data using a distributed computing environment | |
CN113780913B (zh) | 一种安全库存信息的生成方法和装置 | |
CN112215546B (zh) | 一种对象页面生成方法、装置、设备及存储介质 | |
US20160224998A1 (en) | Order-volume determination device, order-volume determination method, recording medium, and order-volume determination system | |
US8311878B2 (en) | Optimized pricing solver with prioritized constraints | |
CN111242524A (zh) | 一种确定单品补货量的方法、系统、设备及存储介质 | |
CN110751441A (zh) | 一种优化物流仓储系统中储位的方法及装置 | |
Ju et al. | An approximate policy for a dual-sourcing inventory model with positive lead times and binomial yield | |
CN112381482A (zh) | 一种物料管理方法、装置、电子设备及存储介质 | |
CN111886619A (zh) | 基于历史案例的车辆碰撞定损方法及系统 | |
CN113128932A (zh) | 仓库备货处理方法、装置、存储介质与电子设备 | |
CN114997916A (zh) | 潜在用户的预测方法、系统、电子设备和存储介质 | |
BR102019015321A2 (pt) | Estimativa de custo automática de duas ligações para fabricação automática de partes sobressalentes | |
US11715048B2 (en) | System and method for item facing recommendation | |
CN114186903A (zh) | 仓库选品方法、装置、计算机设备和存储介质 | |
CN113469596A (zh) | 智慧供应链系统及服务器平台 | |
CN116012086A (zh) | 商品价格的评估方法、装置、电子设备及存储介质 | |
WO2013061324A2 (en) | A method for estimating the total cost of ownership (tcp) for a requirement |
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 |