CN113837706B - 物品库存的控制方法、装置、设备及介质 - Google Patents
物品库存的控制方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113837706B CN113837706B CN202111413044.3A CN202111413044A CN113837706B CN 113837706 B CN113837706 B CN 113837706B CN 202111413044 A CN202111413044 A CN 202111413044A CN 113837706 B CN113837706 B CN 113837706B
- Authority
- CN
- China
- Prior art keywords
- shipment
- target
- processed
- determining
- replenishment
- 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
- G06Q10/08—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Fuzzy Systems (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明实施例公开了一种物品库存的控制方法、装置、电子设备及存储介质,该方法包括:根据当前时间以及当前待处理物品的出货量关联信息,确定当前待处理物品的补货属性值;如果检测到存在补货属性值大于预设补货属性阈值的目标待处理物品,则根据补货属性值和目标库存量确定模型,确定目标待处理物品的目标库存量;根据目标库存量与当前时间所对应的净库存量,确定目标待处理物品的目标补货量。本技术方案,解决了目前每个物品的目标库存量是固定的,此库存量与实际所需并不匹配,导致存在库存成本较高的问题,实现了动态确定各物品所需的目标库存量,进而降低库存成本的技术效果。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种物品库存的控制方法、装置、电子设备及存储介质。
背景技术
为了满足用户对各个物品的需求,每个物品都会有一定的库存。现在每个物品的库存都是随机确定的,如,在某个时间检查物品的库存量小于预设阈值时,则获取相应物品;或者是,每间隔一定的时长,获取一定量的物品并存储。
发明人在基于上述方式实施本技术方案时,发现存在如下问题:
用户对不同物品的需求程度不同,相应的,不同物品所对应的库存需求也是不同的,因此针对不对的物品来说,其库存量应该是存在一定的差异的,且具体的库存量应与物品的需求相匹配。
但是,目前不同物品的库存都是随机确定的,而且大多数物品的目标库存量都是相同的,因此存在库存成本较高以及供货不足的问题。
发明内容
本发明提供一种物品库存的控制方法、装置、电子设备及存储介质,以实现对库存成本进行有效控制的技术效果。
第一方面,本发明实施例提供了一种物品库存的控制方法,该方法包括:
针对各待处理物品,根据当前时间以及当前待处理物品的出货量关联信息,确定所述当前待处理物品的补货属性值;
如果检测到存在补货属性值大于预设补货属性阈值的目标待处理物品,则根据所述补货属性值和目标库存量确定模型,确定所述目标待处理物品的目标库存量;
根据所述目标库存量与当前时间所对应的净库存量,确定所述目标待处理物品的目标补货量。
第二方面,本发明实施例还提供了一种物品库存控制装置,该装置包括:
采集计算模块,用于针对各待处理物品,根据当前时间以及当前待处理物品的出货量关联信息,确定所述当前待处理物品的补货属性值;
库存策略运算模块,用于如果检测到存在补货属性值大于预设补货属性阈值的目标待处理物品,则根据所述补货属性值和目标库存量确定模型,确定所述目标待处理物品的目标库存量;
结果输出模块,用于根据所述目标库存量与当前时间所对应的净库存量,确定所述目标待处理物品的目标补货量。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
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如本发明实施例任一所述的物品库存的控制方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例任一所述的物品库存的控制方法。
本发明实施例的技术方案,通过根据当前时间以及每个待处理物品的出货量关联信息,可以确定每个待处理物品的补货属性值,如果存在补货属性值大于预设补货属性阈值的目标待处理物品,则可以将目标待处理物品的补货属性值作为目标库存量确定模型的输入,确定与目标待处理物品相对应的目标库存量,进而基于目标库存量和目标待处理物品在当前时间已有的净库存量,确定目标补货量,解决了现有技术中各物品的库存量是随机确定的,或者是固定的,导致确定出的补货量与实际所需的货量不适配,从而引起库存成本较高的问题,实现了根据各待处理物品的出货量关联信息,确定目标补货量,提高了确定目标补货量的准确率,以及对库存成本有效控制的技术效果。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案,下面对描述实施例中所需要用到的附图做一简单介绍。显然,所介绍的附图只是本发明所要描述的一部分实施例的附图,而不是全部的附图,对于本领域普通技术人员,在不付出创造性劳动的前提下,还可以根据这些附图得到其他的附图。
图1为本发明实施例所提供的一种物品库存的控制方法流程示意图;
图2为本发明实施例所提供的从各物品中确定待处理物品的流程示意图;
图3为本发明实施例所提供的一种物品库存的控制方法流程示意图;
图4为本发明实施例所提供的一种补货竖屏计算逻辑流程示意图;
图5为本发明实施例所提供的一种物品库存的控制方法流程示意图;
图6为本发明实施例所提供的一种物品库存的控制方法流程示意图;
图7为本发明实施例所提供的一种业务数据处理装置的结构示意图;
图8为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明实施例所提供的一种物品库存的控制方法流程示意图,本实施例可适用于确定各物品的补货量,进而基于补货量有效对库存成本进行控制的情况,该方法可以由物品库存的控制装置来执行,该装置可以通过软件和/或硬件的形式实现,该硬件可以是电子设备,电子设备可以是移动终端、PC端等。该技术方案的执行可以由服务器执行、也可以由终端设备来执行、还可以由服务器和终端设备配合执行。
在介绍本发明实施例技术方案之前,可以先对应用场景进行示例性说明。在实际生活中,某些物品的出货频率较高,出货量较多,此种类型的物品可以设定具体的目标库存量以及相应的补货周期。同时,也可以采用本发明实施例所提供的技术方案,确定各物品的目标库存量,进而根据现有的已有库存量确定目标补货量。
如图1所示,所述方法包括:
S110、根据各物品的出货量关联信息,确定至少一个待处理物品。
其中,出货量关联信息中包括出货日期序列,和与每个出货日期相对应的出货量。出货日期可以是每天的具体日期,出货量可以是每天出售物品所对应的量,那么出货量可以是0也可以是大于0的任意数值。将根据出货量关联信息确定出的物品作为待处理物品。待处理物品可以是全部的物品,也可以是全部物品中的部分物品。例如,确定待处理物品的方式可以是:根据出货量关联信息,确定出货间隔天数。如果出货间隔天数大于预设间隔天数阈值的数量大于预设数量,则可以将该出货量关联信息对应的物品作为待处理物品。
至少一个待处理物品的数量可以包括一个、两个甚至多个,其具体的数据是根据各物品的出货量关联信息确定的。
需要说明的是,本技术方案可以确定所有物品的目标补货量,尤其适用于满足一定条件的待处理物品的目标补货量,如,某些出货频率较低的物品,可选的,汽车备件等。
具体的,可以在预设时间点获取每个物品的出货量关联信息。预设时间点可以是相对时间点,也可以是绝对时间点。相对时间点可以是每间隔一定的时长获取物品的出货量关联信息,可选的,间隔时长可以是一星期。绝对时间点可以是每天的固定时间点,可选的,固定时间点可以是每天的晚上十点获取每个物品的出货量关联信息。各物品可以是某一个SKU所对应的物品,也可以是多个SKU所对应的物品,还可以是所有的物品。
在本实施例中,出货量关联信息中包括出货日期和与出货日期所对应的出货量,所述根据各物品的出货量关联信息,确定至少一个待处理物品之前,还包括:根据各物品的出货日期和相应的出货量,确定各物品相邻两次出货的出货间隔时长,并将所述出货间隔时长更新至相应物品的出货量关联信息中。
其中,出货量关联信息中包括各物品在各个日期的出货量,即包括时间序列和与时间序列中各个时间点的出货量,此时的时间主要是日期,时间序列中的日期为连续日期。在实际应用中,可能某个日期的出货量为0,会省略某个日期,此时可以将此日期添加在时间序列中,并将该日期的出货量标记为0。根据每个物品的出货日期和相应的出货量,确定相邻两次出货的出货间隔时长,可以将出货间隔时长作为出货量关联信息中的部分信息。
在本实施例中,确定出货间隔时长可以是:针对各物品的出货量关联信息,当检测到当前物品的出货量大于预设出货量阈值时,则确定所述出货量对应的待处理出货日期;根据与每个物品所对应的待处理出货日期,确定每个物品相邻两次出货的出货间隔时长。
需要说明的是,出货量中的数值可以是0,也可以是大于0的任意一个数据,其具体的数据值是与当天的实际售出物品量相对应。
其中,预设出货量阈值可以是0。如果某个出货日期所对应的出货量大于预设出货量阈值,则确定该出货日期为待处理出货日期。根据各物品的各待处理出货日期可以确定相邻两次出货的出货间隔时长,此时确定出的出货间隔时长的数量可以是0,也可以是大于0的任意数值。每个物品都存在一个与其相对应的出货间隔时长集合,每个出货间隔时长集合中包括至少一个出货间隔时长。即,出货间隔时长为出货间隔时长集合中的一个元素。
示例性的,可以获取某个SKU在12天的出货量关联信息,其中,每天的出货量依次可以是:H = [0,1,0,0,0,0,0,0,0,10,0,0]。根据出货量关联信息可以确定出货间隔天数集合为Inv = [2,8]。其中,2表示相邻两次出货的间隔时长为2天,8表示相邻两次出货的间隔时长为8天。由于最后几天该SKU没有售出,所以最后部分的0不计入发生销售的间隔天数。
在上述技术方案的基础上,在确定与各物品相对应的出货间隔天数之后,所述方法还包括:根据与每个物品对应的至少一个出货间隔时长,确定相应物品的变异系数;根据预设变异系数阈值和各变异系数,确定至少一个待处理物品。
其中,变异系数用于表征物品出货间隔波动,通常,变异系数越小,说明物品销售间隔波动越小,相应的,变异系数越大,说明物品销售间隔波动越大。预设变异系数阈值为根据理论数据设置的值。根据每个物品的变异系数和预设变异系数阈值,确定待处理物品,可选的,可以将变异系数大于预设变异系数阈值的物品作为待处理物品。
在本实施例中,确定各物品所对应的变异系数可以是:针对各物品的出货间隔时长,根据与当前物品相对应的至少一个出货间隔时长,确定时长间隔均值和时长间隔方差;根据各物品所对应的时长间隔均值和时长间隔方差,确定各物品的变异系数。
可以理解为:针对每个待处理物品的出货量关联信息,可以根据当前物品出货量关联信息中的出货间隔时长,计算得到时长间隔均值,同时,可以计算得到时长间隔方差。基于时长间隔方差和时长间隔均值之间的比值,确定变异系数。在本实施例中,可以将变异系数小于预设变异系数阈值的物品作为所述待处理物品。
在本实施例中,根据变异系数确定待处理物品的好处在于:可以从所有物品中确定出间歇性销售的物品,从而实现了对间歇性出售的物品进行处理的技术效果。
S120、针对各待处理物品,根据当前时间以及当前待处理物品的出货量关联信息,确定所述当前待处理物品的补货属性值。
其中,当前时间可以理解为当前日期。补货属性值用于表征当前时间当前待处理物品需要补货的急需程度。如果补货属性值较高,说明需要对当前待处理物品进行补货,反之,如果补货属性值较小,说明不需要对当前待处理物品进行补货。
具体的,针对每个待处理物品,可以根据当前时间与待处理物品的出货日期和出货量,确定各待处理物品的补货属性值,以根据补货属性值确定是否对各待处理物品进行补货。
S130、如果检测到存在补货属性值大于预设补货属性阈值的目标待处理物品,则根据所述补货属性值和目标库存量确定模型,确定所述目标待处理物品的目标库存量。
其中,预设补货属性阈值为预先确定的,可以将其作为确定是否进行补货的参考标准。目标待处理物品为需要对其进行补货的待处理物品。目标库存量确定模型为预先确定的数学模型,用于根据每个待处理物品的补货属性值确定该待处理物品的目标库存量。目标库存量可以理解为相应当前物品应该有的库存量。
需要说明的是,不同待处理物品的目标库存量可以相同,也可以不同,其具体是否相同与待处理物品的补货属性值相关。也就是说,目标库存量的具体数值由各目标待处理物品的目标补货属性值确定的。
具体的,在确定各待处理物品的补货属性值后,可以确定补货属性值中是否存在大于预设补货属性阈值的待处理物品。如果存在,可以将此待处理物品作为目标待处理物品。针对每个目标待处理物品,可以将当前目标待处理物品的补货属性值输入至目标库存量确定模型中,得到与当前目标待处理物品相对应的目标库存量。对于其他目标待处理物品可以采用相同的方式对其进行处理,从而得到与其相对应的目标库存量。
S140、针对各目标待处理物品,根据当前目标待处理物品的目标库存量与当前时间所对应的净库存量,确定所述当前目标待处理物品的目标补货量。
其中,每个待处理物品存在一个与其相对应的目标库存量。目标库存量的数目可以相同也可以不同。目标补货量是根据确定的目标库存量和相应的净库存量确定的。
具体的,针对每个目标待处理物品,通过计算当前目标待处理物品的目标库存量和与当前时间所对应的净库存量的差值,确定当前待处理目标物品的目标补货量。
需要说明的,本发明实施例的技术方案,主要是依据(T,S)策略确定。
本发明实施例的技术方案,通过根据当前时间以及每个待处理物品的出货量关联信息,可以确定每个待处理物品的补货属性值,如果存在补货属性值大于预设补货属性阈值的目标待处理物品,则可以将目标待处理物品的补货属性值作为目标库存量确定模型的输入,确定与目标待处理物品相对应的目标库存量,进而基于目标库存量和目标待处理物品在当前时间已有的净库存量,确定目标补货量,解决了现有技术中各物品的库存量是随机确定的,或者是固定的,导致确定出的补货量与实际所需的货量不适配,从而引起库存成本较高的问题,实现了根据各待处理物品的出货量关联信息,确定目标补货量,提高了确定目标补货量的准确率,以及对库存成本有效控制的技术效果。
图2为本发明实施例所提供的从各物品中确定待处理物品的流程示意图。本技术方案可以确定每个物品在每个日期的目标库存量,尤其适用于确定间歇性出售的物品的目标库存量。因此在确定各间歇性出售物品的目标库存量之前,可以先确定间歇性出售的物品,即待处理物品。其中,与上述实施例相同或相应的技术术语在此不再赘述。
如图2所示,所述方法包括:
S210、根据各物品的历史出货量关联信息,确定每个物品相邻两次出货的出货间隔天数集合。
需要说明的是,在实际应用过程中,用户可以设置相应的筛选条件,如,筛选条件为获取品类为A的物品,并从品类为A的物品中确定出待处理物品。当然,也可以是从所有物品中确定出待处理物品。
具体的,可以获取每个物品的在预设时长内的出货量关联信息,可选的,出货日期为两个月,并确定与每个出货日期所对应的出货量。将出货量大于预设出货量阈值的出货日期作为待处理出货日期,并确定相邻两个日期的出货间隔天数,将各出货间隔天数作为出货间隔天数集合中的一个元素。
示例性的,预设时长可以是12天,每个日期的出货量分别是 H = [0,1,0,0,0,0,0,0,0,10,0,0]。基于出货量可以确定第二天、第十天有出货量,可以确定相邻两次出货间隔天数为2和8,相应的,出货间隔天数集合为Inv = [2,8]。需要说明的是:因为最后几天该SKU没有售出,所以最后部分的0不计入发生出货的间隔天数。
S220、分别根据每个物品的出货间隔天数集合,确定每个物品的时长间隔均值和时长间隔方差。
示例性的,如果物品的出货间隔天数分别为2和8,则计算得到的间隔天数均值为5,间隔天数方差为3。即,时长间隔均值为5,时长间隔方差为3,其单位为天。
S230、根据各物品的间隔时长均值和间隔时长方差,确定与相应物品相对应的变异系数。
示例性的,在确定每个物品的间隔时长均值和间隔时长方差之后,通过计算每个物品的间隔时长方差和间隔时长均值之间的比值,得到变异系数。如,SKUA=3/5=0.6,即SKUA的变异系数为0.6。
S240、将变异系数小于预设变异系数阈值的物品,作为待处理物品。
通常,变异系数用于表征物品销售间隔的波动。变异系数越小说明销售间隔波动越小,反之,销售间隔波动越大。
在实际应用的过程中,如果物品的销售间隔波动较大,那么此物品在某个时间的出货量是不好预测的,因此可以针对销售间隔波动不大的物品进行处理。
具体的,可以将变异系数小于预设变异系数阈值的物品,作为待处理物品。可以将待处理物品添加至物品列表中,以定时确定各物品列表中的物品是否需要补货,从而有效对库存成本进行控制。
可以理解为,当变异系数小于预设变异系数阈值,说明待物品的出货间隔波动不大。可以将出货间隔不大的物品作为间歇性出售的待处理物品。本实施例可以对间歇性出后的待处理物品进行处理,以确定与每个待处理物品相对应的目标库存量,进而确定相应待处理物品的目标补货量,从而有效的对库存成本进行控制的技术效果。
本发明实施例的技术方案,通过对每个物品的出货量关联信息进行处理,可以确定与每个物品相对应的至少一个出货间隔天数。根据与每个物品所对应的至少一个出货间隔天数,可以确定每个物品的变异系数,以根据变异系数确定待处理物品,本技术方案提高了确定间隔出售物品的目标库存量,进而根据目标库存量和已有库存量对各待处理物品的库存成本进行有效控制的技术效果。
图3为本发明实施例所提供的一种物品库存的控制方法流程示意图,在前述实施例的基础上,可以对确定各待处理物品的补货属性值进行进一步细化,其具体的实施方式可参见本实施例的详细阐述。其中,与上述实施例相同或者相应的技术术语在此不再赘述。
如图3所示,所述方法包括:
S310、根据各物品的出货量关联信息,确定至少一个待处理物品。
S320、根据所述当前待处理物品的出货量关联信息,确定目标数据处理方式。
其中,目标数据处理方式可以理解为确定当前待处理物品补货属性值的具体处理方式。对于不同的出货量关联信息来说,对其所采用的数据处理方式也不尽相同,为了提高对库存成本的有效控制,可以采用不同的数据处理方式对出货量关联信息进行处理。
可以理解为,在确定出待处理物品后,可以根据待处理物品的出货量关联信息,确定对出货量关联信息进行处理的处理方式,并将此种处理方式作为目标数据处理方式,从而基于目标数据处理方式对相应待处理物品的出货量关联信息进行处理,得到相应待处理物品的补货属性值。
在本实施例中,根据出货量关联信息确定目标数据处理方式可以是:根据所述出货量关联信息中的各个出货日期所对应的出货量,确定至少一个出货间隔时长;如果所述至少一个出货间隔时长满足预设均匀分布,则确定所述目标数据处理方式为均值估计方式;如果所述至少一个出货间隔时长不满足预设均匀分布,则确定所述目标数据处理方式为分位数估计方式。
其中,如果各出货间隔时长集中在某个数值范围内,则可以确定出货间隔时长比较均匀,此时可以确定出货间隔时长满足均匀分布。方差可以表征数值的波动程度,确定是否满足均匀分布还可以是确定时长间隔方差是否小于预设阈值,如果是,则说明该待处理物品的出货间隔时长满足均匀分布,反之,则说明该待处理物品的出货间隔时长不满足均匀分布。将满足预设均匀分布时所采用的数据处理方式作为均值估计方式,将不满足预设均匀分布所采用的数据处理方式作为分位数估计方式。分位数估计方式为根据出货量关联信息,确定分位点,进而基于分位点确定补货属性值。均值估计方式为根据出货量关联信息中的出货间隔时长均值和出货间隔时长方差确定的。
具体的,在对每个待处理物品进行处理时,可以先根据待处理物品的出货量关联信息中的出货间隔时长,确定与其相对应的目标数据处理方式,以基于目标数据处理方式确定相应待处理物品的补货属性值。
S330、基于所述目标数据处理方式对所述当前时间以及出货量关联信息进行处理,得到所述当前待处理物品的补货属性值。
其中,补货属性值用于表征待处理物品需要补货的程度,如,补货属性值越大说明需要对待处理物品进行补货的需求就越大,反之,说明待处理物品需要补货的需求较小。
具体的,在确定与每个待处理物品相对应的目标数据处理方式后,可以基于目标数据处理方式对待处理物品的出货量关联信息进行处理,以得到相应待处理物品的补货属性值。
在本实施例中,可以在确定补货属性值之前,可以先确定与待处理物品相对应的其它关联信息,进而采用目标数据处理方式,得到补货属性值。可选的,确定所述出货量关联信息中出货量大于预设出货量阈值,且与当前时间间隔最小的待使用出货日期;根据所述当前时间所对应的日期以及所述待使用出货日期,确定第一时长;基于所述目标数据处理方式对所述第一时长以及所述出货量关联信息进行处理,得到当前待处理物品的补货属性值。
其中,当前时间主要是指当前日期。第一时长主要是当前时间和待使用出货日期的时长间隔。待使用出货日期可以是距离当前时间最近且发生销售的日期,例如,当前日期为6.20号,当前日期之前最后一次发生销售的日期为5.31号,那么待使用日期为5.31号。相应的,第一时长为20天。预设出货量阈值可以是0。
具体的,针对每个待处理物品,可以根据当前待处理物品的出货量关联信息中的出货间隔时长,确定距离当前时间距离最小且出货量大于预设出货量阈值的待使用出货日期。根据当前日期以及待使用出货日期,可以确定第一时长。通过对第一时长以及出货量关联信息进行处理,可以确定当前待处理物品的补货属性值。
在本实施例中,目标数据方式包括上述两种方式中的任意一种,相应的,基于目标数据处理方式对相应待处理物品的出货量关联信息进行处理的具体处理方式,参见下述具体表述:
第一种实施方式可以是:均值估计方式。基于所述均值估计方式对所述第一时长和根据出货间隔时长确定的时长间隔方差,确定当前待处理物品的补货属性值。
可以理解的是:如果当前待处理物品的目标处理方式为均值估计方式,则可以根据出货间隔时长确定出货间隔时长方差,以及出货间隔时长均值。通过计算第一时长和出货间隔时长方差的比值,得到当前待处理物品的补货属性值。
示例性的,k是随着日期变化的变量,例如上一次发生销售的日期是2021年3月1日,在2021年3月6日检查库存时,第一时长k=5。如果在3月6日给出当天某个SKU的补货建议,可以确定该SKU历史60天的出货间隔天数为[10,25,12],计算出货间隔时长均值,向上取整为16。通过计算第一时长和出货间隔时长均值之间的比值,可以得到该SKU的补货属性值,如,即得到该SKU补货属性值为0.3125。
第二种实施方式可以是:分位数估计方式。需要说明的是,分位数估计方式中包括两种子方式,可以根据出货量关联信息确定相应的子估计方式。
可选的,如果所述目标数据处理方式为分位数估计方式,则根据所述出货量关联信息和预设分位数,确定目标分位数子估计方式;基于目标分位数子估计方式对所述第一时长以及所述出货量关联信息进行处理,确定所述当前待处理物品的补货属性值。
需要说明的是,待处理物品的出货量关联信息可以确定对待处理物品处理时,所采用的处理方式。
在本实施例中,根据出货量关联信息确定目标分位数子估计方式可以是:出货量关联信息中与出货间隔时长相对应出货次数,所述根据所述出货量关联信息和预设分位数,确定目标分位数子估计方式,包括:
如果所述预设分位数小于出货次数的倒数,则确定目标分位数子估计方式为第一分位数子估计方式;如果所述预设分位数大于出货次数的倒数,则确定目标分位数子轨迹方式为第二分位数子估计方式。
其中,每个待处理物品都存在与其相对应的出货次数。出货次数可以理解为在预设时长内,销售出物品的次数。也就是说,可以根据出货量关联信息中出货间隔天数所对应的次数,确定出货次数,即出货次数与出货间隔天数所对应的个数相同。预设分位数是用户根据实际需求设置的百分数,可选的,百分数可以是0.8。
具体的,在确定当前待处理物品所对应的目标数据处理方式为目标分位数子估计方式时,可对当前待处理物品出货量关联信息中的出货间隔时长进行拟合,得到经验分布。如果预设分位数小于出货次数的倒数,则说明一定时长内的出货次数较小,此时可以采用第一分位数子估计方式确定当前待处理物品的补货属性值。如果预设分为大于出货次数的阈值,则可以采用第二分位数子估计方式确定补货属性值。在本实施例中,确定与不同待处理物品相对应的子估计方式,提高了对待处理物品补货属性值确定的准确性。
接下来详细阐述采用不同的分位数子估计方式如何对待处理物品的出货关联信息进行处理,以得到待处理物品的补货属性值。
第一种实施方式可以是:如果所述目标分位数子估计方式为第一分位数子估计方式,则根据出货间隔天数、预设分位数、出货次数以及第一时长,确定当前待处理物品的补货属性值。
具体的,针对每个待处理物品来说,都存在至少一个与其相对应的出货间隔天数。可以获取当前待处理物品的至少一个出货间隔天数,并通过对出货间隔天数、预设分位数、出货次数以及第一时长进行处理,可以得到待处理物品的补货属性值。
在本实施例中,根据出货间隔天数、预设分位数、出货次数以及第一时长,确定当前待处理物品的补货属性值,包括:根据出货间隔天数的最小值、预设分位数以及出货次数的乘积,得到第一数据值;基于所述第一时长与所述第一数据值的比值,确定当前待处理物品的补货属性值。
具体的,针对当前待处理物品,可以从与当前待处理物品相对应的至少一个出货间隔天数中获取最小数值的目标出货间隔时长。计算目标出货间隔时长、预设分位数以及出货次数的乘积,得到中间值,即第一数据值。通过计算第一时长与第一数据值之间的比值,得到当前待处理物品的补货属性值。第二种实施方式可以是:所述基于目标分位数子估计方式,确定所述当前待处理物品的补货属性值,包括:如果所述目标分位数子估计方式为第二分位数子估计方式,则根据所述预设分位数和出货量关联信息,确定目标分位点;根据所述目标分位点和所述第一时长,确定当前待处理物品的补货属性值。
具体的,可以根据出货量关联信息中的出货间隔时长和预设分位数,确定目标分位点。通过计算第一时长和目标分位点之间的壁纸,得到待处理物品的补货属性值。
需要说明的是,在采用第二分位数子估计方式确定补货属性值时,需要确定与该待处理物品相对应的目标分位点,进而基于目标分位点确定补货属性值。可选的,所述根据所述预设分位数和出货量关联信息,确定目标分位点,包括:根据所述出货量关联信息中的出货间隔天数,拟合得到目标经验分布;根据所述预设分位数和所述目标经验分布,确定目标分位点。
具体的,针对每个待处理物品,可以根据当前待处理物品的出货量关联信息拟合得到当前待处理物品的目标经验分布。根据预设分位数和目标经验分布,可以确定与预设分位数相对应的目标分位点。对于每个待处理物品均可以采用上述方式,确定与其相对应的目标分位点。
示例性的,可以针对每个SKU的历史销量获得的出货间隔天数集合Inv,间隔天数集合Inv中的每个出货间隔时长可以作为样本拟合出一个经验分布。可以根据经验分布获得一个α分位点,即预设分位点。例如Inv = [10,25,12],表示该SKU在过去的一段时间内(如60天)销售了3次,每次销售间隔的天数分别为10,25,12天,可以基于上述天数拟合得到一个与该SKU相对应的目标经验分布。基于目标经验分布和预设分位点α=80%,确定目标分位点为19.8。由上述方法可以获得所有SKU的销售间隔α分位点。
需要说明的是,取多少分位点在于各个企业对库存水平的期望。如果将α定的较大,说明企业认为的期望销售间隔时间会较长,应该补货的间隔也会延长;将α定的较小,说明企业认为的期望销售间隔时间会较短,应该补货的间隔也会缩短。也就是说,用户可以根据实际需求设置预设分位点。
为了清楚的了解各种分位数子估计方式对出货量关联信息进行处理的具体处理条件和方式,可以参见下述示例性说明。
示例性的,参见图4,输入参数,距离上次销售的间隔天数K,即第一时长K。可以基于当前待处理物品的至少一个出货间隔时长拟合得到与当前待处理物品对应的目标经验分布F。基于经验分布F的预设分位点,得到目标分位点。如果预设分位点小于出货次数的倒数,则采用第一分位数子估计方式,反之,则采用第二分位数子估计方式。
第一子估计分位方式为:均值估计方式用于确定销售间隔较为均匀的SKU是否触发补货。对于销售间隔分布不均匀的SKU,可以提出采用一种更加普适的计算方法,即分位数定值法。对于随机变量,由历史数据可以得到一个销售间隔的样本,如=[10,25,12]。根据样本可以拟合出一个经验分布,然后针对该经验分布给出一个80%分位数。已知该sku过去60天的历史销量数据集合H。可以由H得到每两次发生销售的间隔天数样本集合如=[10,25,12],从而得到间隔天数D的经验分布F。由F可以计算出该sku销售间隔的分位数,如。将分位数的值代入公式。即,得到当前待处理物品在当前时间的补货属性值。
第二子估计分位方式:如果预设分位数大于出货次数的倒数,则可以采用第二子估计方式。例如上一次发生销售的日期是2021年3月1日,那么在2021年3月6日检查库存时,k=5接下来要在3月6日给出当天某个SKU的补货建议,步骤如下:假设该SKU历史60天的销售间隔天数采样为[10,25,12],计算间隔天数的均值。向上取整为16。因为当前k=5,所以。事前设定一个阈值=0.5。若,则触发补货水平计算,即采用目标补货量确定模型,对补货属性值进行处理,得到目标补货量;否则,目标补货量为0。
基于上述可知,不同的数据处理方式,预设补货属性阈值也不相同。因此,在确定补货属性值之后,可以根据与数据处理方式相对应的补货属性值阈值,确定是否确定与其相对应的目标补货量,即当前待处理物品是否需要补货。
S340、根据所述目标库存量与当前时间所对应的净库存量,确定所述目标待处理物品的目标补货量。
具体的,可以确定当前时间所对应的净库存量。净库存量可以仓库中当前已有的减去售出的,所剩余的库存量。通过计算目标库存量和净库存量的差值,可以确定相应待处理物品的目标补货量。
本发明实施例的技术方案,可以根据出货量关联信息,确定与每个待处理物品相对应的目标数据处理方式,进而根据目标数据处理方式确定相应待处理物品的补货属性值,提高了补货属性值确定的准确率,进而实现有效控制各待处理物品的物品库存的技术效果。
图5为本发明实施例所提供的一种物品库存的控制方法流程示意图。在前述实施例的基础上,在确定每个目标待处理物品的补货属性值后,可以依据补货属性值确定相应目标待处理物品的目标库存量,进而基于目标库存量确定目标补货量,以实现对库存成本进行有效控制。其中,与上述实施例相同或者相应的技术术语在此不再赘述。
如图5所示,所述方法包括:
S510、根据各物品的出货量关联信息,确定至少一个待处理物品。
S520、针对各待处理物品,根据当前时间以及当前待处理物品的出货量关联信息,确定所述当前待处理物品的补货属性值。
S530、如果检测到存在补货属性值大于预设补货属性阈值的目标待处理物品,则将补货属性值作为目标库存量确定模型的输入参数,确定目标待处理物品的目标库存量。
需要说明的,本技术方案可以适用于间歇性出货的物品。针对间歇性出货的物品,可以采用二项分布的方法确定各个物品在当前时间需求的发生概率,即物品在当前时间的补货属性值。再基于二项分布的基础上,确定计算目标库存量的目标函数,即目标库存量确定模型。
其中,目标库存量确定模型为预先设置的数学模型。该数学模型可以是一个求导函数。该数学模型如下所示:
其中,h库存持有成本,且为已知数值;T表示预先设置的确定待处理物品补货属性值的周期;p表示确定出的补货属性值;b表示缺货成本,此成本为已知数值;L表示预先设置的提前时长,时长单位为天;r表示当前时间为周期中的第几天,k表示第一时长,即当前时间与前一次出货之间的间隔时长;表示正泰分布的累计分布函数,为已知函数。
需要说明的是该导函数为一个递增函数,那么当导函数值为0时,所对应的极值可以为目标待处理物品的目标库存量。
可以对该式子进行数学变换:
如果已知数据值分别为:h=10,b=20,L=2,p=0.6,将其代入,可得:
求正态分布的逆函数,可以直接用python的正态分布函数包计算。代码如下:
from scipy.stats import norm
S =(norm(3, 1).ppf(0.637)
得到最优的S,此时S =3.3505500627559512
向上取整,取S=4。即可以得到目标库存量为4。
S540、基于所述目标库存能量与当前时间所对应的净库存量的差值,确定所述目标待处理物品的目标补货量。
本发明实施例的技术方案,可以根据每个待处理物品的补货属性值,确定相应待处理物品的目标补货量,即对于不同待处理物品来说,与其相对应的目标补货量是不同的,解决了现有技术中为不同物品随机设置不同的目标补货量,或者设置相同的目标库存量时,与实际情况不相符,导致存在无法有效控制库存成本的技术问题,实现了有效对库存成本进行控制的技术效果。
作为上述实施例的一可选实施例,图6为本发明实施例所提供的一种物品库存的控制方法流程示意图。如图6所示,所述方法包括:
参见图6,确定目标待处理物品的目标补货量可以基于四个模块来实现。第一个模块可以是数据预处理模型,用于确定待处理物品。可选的,获取各物品的历史销售数据,并根据各物品的历史销售数据确定出待处理物品,即进行物品筛选。具体的,获取每个物品在预设时长内的历史销售时间序列数据。根据历史销售时间序列数据确定相邻两次销售的销售间隔天数。根据每个物品的销售间隔天数,确定销售间隔均值和方差;根据每个物品的销售间隔均值和方差,确定相应物品的变异系数。将变异系数小于预设变异系数阈值的物品作为待处理品,即筛选出变异系数较小的待处理物品列表。
第二个模块为采用计算模块,用于获取待处理物品列表中的每个待处理物品的历史销售数据,并根据历史销售数据确定出销售间隔天数。根据每个物品的销售间隔天数可以拟合得到一个经验分布,根据经验分布计算目标分位点。
第三个模块为库存策略运算模块,该模块主要用于确定现有库存量和目标库存量,并根据现有库存量和目标库存量,确定目标补货量。
具体的,针对每个物品,确定当前物品的在当前时刻距离前一销售间隔的天数,并根据目标分位点确定当前物品在当前时刻所对应的补货属性值。如果补货属性值大于预设补货属性阈值,则确定当前待处理物品为目标待处理物品。第四个模块为结果输出模块,针对每个目标待处理物品,可以将当前目标待处理物品的补货属性值输入至预先得到的目标库存量确定模型中,得到与当前目标待处理物品的目标补货量。根据目标补货量和当前目标待处理物品的净库存量,可以确定目标补货量,可选的,如果净库存量大于目标库存量,则可以不用补货,反之,如果净库存量小于预设目标库存量,则可以基于目标库存量和净库存量的差值,确定目标补货量。
本发明实施例的技术方案,通过根据当前时间以及每个待处理物品的出货量关联信息,可以确定每个待处理物品的补货属性值,如果存在补货属性值大于预设补货属性阈值的目标待处理物品,则可以将目标待处理物品的补货属性值作为目标库存量确定模型的输入,确定与目标待处理物品相对应的目标库存量,进而基于目标库存量和目标待处理物品在当前时间已有的净库存量,确定目标补货量,解决了现有技术中各物品的库存量是随机确定的,或者是固定的,导致确定出的补货量与实际所需的货量不适配,从而引起库存成本较高的问题,实现了根据各待处理物品的出货量关联信息,确定目标补货量,提高了确定目标补货量的准确率,以及对库存成本有效控制的技术效果。
图7为本发明实施例所提供的一种业务数据处理装置的结构示意图,如图7所述,所述装置包括:采集计算模块710、库存策略运算模块720、以及结果输出模块730。
其中,采集计算模块710,用于针对各待处理物品,根据当前时间以及当前待处理物品的出货量关联信息,确定所述当前待处理物品的补货属性值;库存策略运算模块720,用于如果检测到存在补货属性值大于预设补货属性阈值的目标待处理物品,则根据所述补货属性值和目标库存量确定模型,确定所述目标待处理物品的目标库存量;结果输出模块730,用于根据所述目标库存量与当前时间所对应的净库存量,确定所述目标待处理物品的目标补货量。
在上述技术方案的基础上,出货量关联信息中包括出货日期和与出货日期所对应的出货量,所述待处理物品确定模块,用于根据各物品的出货量关联信息,确定至少一个待处理物品之前,还用于:根据各物品的出货日期和相应的出货量,确定各物品相邻两次出货的出货间隔时长,并将所述出货间隔时长更新至相应物品的出货量关联信息中。
在上述技术方案的基础上,所述待处理物品确定模块,用于所述针对各物品的出货量关联信息,当检测到当前物品的出货量大于预设出货量阈值时,则确定所述出货量对应的待处理出货日期;根据与每个物品所对应的待处理出货日期,确定每个物品相邻两次出货的出货间隔时长。
在上述技术方案的基础上,所述装置还包括:数据预处理模块,用于根据各物品的出货量关联信息,确定至少一个待处理物品。
在上述技术方案的基础上,所述数据预处理模块,还用于:
根据与每个物品对应的至少一个出货间隔时长,确定相应物品的变异系数;
根据预设变异系数阈值和各变异系数,确定至少一个待处理物品。
在上述技术方案的基础上,所述数据预处理模块,还用于:
针对各物品的出货间隔时长,根据与当前物品相对应的至少一个出货间隔时长,确定时长间隔均值和时长间隔方差;
根据各物品所对应的时长间隔均值和时长间隔方差,确定各物品的变异系数。
在上述技术方案的基础上,所述数据预处理模块,还用于:
将变异系数小于预设变异系数阈值的物品,作为所述待处理物品。
在上述技术方案的基础上,所述补货属性值确定模块,用于:
根据所述当前待处理物品的出货量关联信息,确定目标数据处理方式;基于所述目标数据处理方式对所述当前时间以及出货量关联信息进行处理,得到所述当前待处理物品的补货属性值。
在上述技术方案的基础上,所述采集计算模块,还用于:
根据所述出货量关联信息中的各个出货日期所对应的出货量,确定至少一个出货间隔时长;如果所述至少一个出货间隔时长满足预设均匀分布,则确定所述目标数据处理方式为均值估计方式;如果所述至少一个出货间隔时长不满足预设均匀分布,则确定所述目标数据处理方式为分位数估计方式。
在上述技术方案的基础上,所述采集计算模块,还用于:
确定所述出货量关联信息中出货量大于预设出货量阈值,且与当前时间间隔最小的待使用出货日期;根据所述当前时间所对应的日期以及所述待使用出货日期,确定第一时长;基于所述目标数据处理方式对所述第一时长以及所述出货量关联信息进行处理,得到当前待处理物品的补货属性值。
在上述技术方案的基础上,所述采集计算模块,还用于:
如果所述目标数据处理方式为均值估计方式,则基于所述均值估计方式对所述第一时长和根据出货间隔时长确定的时长间隔方差,确定当前待处理物品的补货属性值。
在上述技术方案的基础上,所述采集计算模块,还用于:
如果所述目标数据处理方式为分位数估计方式,则根据所述出货量关联信息和预设分位数,确定目标分位数子估计方式;基于目标分位数子估计方式对所述第一时长以及所述出货量关联信息进行处理,确定所述当前待处理物品的补货属性值。
在上述技术方案的基础上,所述采集计算模块,还用于:如果所述预设分位数小于出货次数的倒数,则确定目标分位数子估计方式为第一分位数子估计方式;如果所述预设分位数大于出货次数的倒数,则确定目标分位数子估计方式为第二分位数子估计方式。
在上述技术方案的基础上,所述采集计算模块,还用于:
如果所述目标分位数子估计方式为第一分位数子估计方式,则根据出货间隔天数、预设分位数、出货次数以及第一时长,确定当前待处理物品的补货属性值。
在上述技术方案的基础上,所述采集计算模块,还用于:
根据出货间隔时长的最小值、预设分位数以及出货次数的乘积,得到第一数据值;基于所述第一时长与所述第一数据值的比值,确定当前待处理物品的补货属性值。
在上述技术方案的基础上,所述采集计算模块,还用于:
如果所述目标分位数子估计方式为第二分位数子估计方式,则根据所述预设分位数和出货量关联信息,确定目标分位点;根据所述目标分位点和所述第一时长,确定当前待处理物品的补货属性值。
在上述技术方案的基础上,所述采集计算模块,还用于:根据所述出货量关联信息中的出货间隔天数,拟合得到目标经验分布;根据所述预设分位数和所述目标经验分布,确定目标分位点。
在上述技术方案的基础上,所述库存策略运算模块,还用于:
根据各补货属性值所对应的目标数据处理方式,确定相应的预设补货属性阈值;当检测到存在补货属性值大于相应的预设补货属性阈值的目标待处理物品时,则根据所述补货属性值和目标库存量确定模型,确定所述目标待处理物品的目标库存量。
在上述技术方案的基础上,所述库存策略运算模块,还用于:
将所述补货属性值作为所述目标库存量确定模型的输入参数,确定所述目标待处理物品的目标库存量。
本发明实施例的技术方案,通过根据当前时间以及每个待处理物品的出货量关联信息,可以确定每个待处理物品的补货属性值,如果存在补货属性值大于预设补货属性阈值的目标待处理物品,则可以将目标待处理物品的补货属性值作为目标库存量确定模型的输入,确定与目标待处理物品相对应的目标库存量,进而基于目标库存量和目标待处理物品在当前时间已有的净库存量,确定目标补货量,解决了现有技术中各物品的库存量是随机确定的,或者是固定的,导致确定出的补货量与实际所需的货量不适配,从而引起库存成本较高的问题,实现了根据各待处理物品的出货量关联信息,确定目标补货量,提高了确定目标补货量的准确率,以及对库存成本有效控制的技术效果。
本发明实施例所提供的物品库存的控制装置可执行本发明任意实施例所提供的物品库存的控制方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
图8为本发明实施例提供的一种电子设备的结构示意图。图8示出了适于用来实现本发明实施例实施方式的示例性电子设备80的框图。图8显示的电子设备80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8所示,电子设备80以通用计算设备的形式表现。电子设备80的组件可以包括但不限于:一个或者多个处理器或者处理单元801,系统存储器802,连接不同系统组件(包括系统存储器802和处理单元801)的总线803。
总线803表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备80典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备80访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器802可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)804和/或高速缓存存储器805。电子设备80可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统806可以用于读写不可移动的、非易失性磁介质(图8未显示,通常称为“硬盘驱动器”)。尽管图8中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM, DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线803相连。存储器802可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块807的程序/实用工具808,可以存储在例如存储器802中,这样的程序模块807包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块807通常执行本发明所描述的实施例中的功能和/或方法。
电子设备80也可以与一个或多个外部设备809(例如键盘、指向设备、显示器810等)通信,还可与一个或者多个使得用户能与该电子设备80交互的设备通信,和/或与使得该电子设备80能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口811进行。并且,电子设备80还可以通过网络适配器812与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器812通过总线803与电子设备80的其它模块通信。应当明白,尽管图8中未示出,可以结合电子设备80使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元801通过运行存储在系统存储器802中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的物品库存的控制方法。
本发明实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行物品库存的控制方法。
该方法包括:
针对各待处理物品,根据当前时间以及当前待处理物品的出货量关联信息,确定所述当前待处理物品的补货属性值;
如果检测到存在补货属性值大于预设补货属性阈值的目标待处理物品,则根据所述补货属性值和目标库存量确定模型,确定所述目标待处理物品的目标库存量;
针对各目标待处理物品,根据当前目标待处理物品的目标库存量与当前时间所对应的净库存量,确定所述当前目标待处理物品的目标补货量。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (21)
1.一种物品库存的控制方法,其特征在于,包括:
针对各待处理物品,根据当前时间以及当前待处理物品的出货量关联信息,确定所述当前待处理物品的补货属性值,具体包括:确定所述出货量关联信息中出货量大于预设出货量阈值,且与当前时间间隔最小的待使用出货日期;根据所述当前时间所对应的日期以及所述待使用出货日期,确定第一时长;基于目标数据处理方式对所述第一时长以及所述出货量关联信息进行处理,得到当前待处理物品的补货属性值;其中,所述补货属性值用于表征当前时间当前待处理物品需要补货的急需程度,所述目标数据处理方式为均值估计方式或分位数估计方式;
如果检测到存在补货属性值大于预设补货属性阈值的目标待处理物品,则根据所述补货属性值和目标库存量确定模型,确定所述目标待处理物品的目标库存量;
针对各目标待处理物品,根据当前目标待处理物品的目标库存量与当前时间所对应的净库存量,确定所述当前目标待处理物品的目标补货量。
2.根据权利要求1所述的方法,其特征在于,出货量关联信息中包括出货日期和与出货日期所对应的出货量,在所述根据当前时间以及当前待处理物品的出货量关联信息,确定所述当前待处理物品的补货属性值之前,还包括:
根据各物品的出货日期和相应的出货量,确定各物品相邻两次出货的出货间隔时长,并将所述出货间隔时长更新至相应物品的出货量关联信息中。
3.根据权利要求2所述的方法,其特征在于,所述根据各物品的出货日期和相应的出货量,确定各物品相邻两次出货的出货间隔时长,包括:
针对各物品的出货量关联信息,当检测到当前物品的出货量大于预设出货量阈值时,则确定所述出货量对应的待处理出货日期;
根据与每个物品所对应的待处理出货日期,确定每个物品相邻两次出货的出货间隔时长。
4.根据权利要求2所述的方法,其特征在于,还包括:
根据各物品的出货量关联信息,确定至少一个待处理物品。
5.根据权利要求4所述的方法,其特征在于,出货量关联信息中包括出货间隔时长,所述根据各物品的出货量关联信息,确定至少一个待处理物品,包括:
根据与每个物品对应的至少一个出货间隔时长,确定相应物品的变异系数;
根据预设变异系数阈值和各变异系数,确定至少一个待处理物品。
6.根据权利要求5所述的方法,其特征在于,所述根据与每个物品对应的至少一个出货间隔时长,确定相应物品的变异系数,包括:
针对各物品的出货间隔时长,根据与当前物品相对应的至少一个出货间隔时长,确定时长间隔均值和时长间隔方差;
根据各物品所对应的时长间隔均值和时长间隔方差,确定各物品的变异系数。
7.根据权利要求5所述的方法,其特征在于,所述根据预设变异系数阈值和各变异系数,确定至少一个待处理物品,包括:
将变异系数小于预设变异系数阈值的物品,作为所述待处理物品。
8.根据权利要求1所述的方法,其特征在于,所述根据当前时间以及当前待处理物品的出货量关联信息,确定所述当前待处理物品的补货属性值,包括:
根据所述当前待处理物品的出货量关联信息,确定目标数据处理方式;
基于所述目标数据处理方式对所述当前时间以及出货量关联信息进行处理,得到所述当前待处理物品的补货属性值。
9.根据权利要求8所述的方法,其特征在于,所述根据所述当前待处理物品的出货量关联信息,确定目标数据处理方式,包括:
根据所述出货量关联信息中的各个出货日期所对应的出货量,确定至少一个出货间隔时长;
如果所述至少一个出货间隔时长满足预设均匀分布,则确定所述目标数据处理方式为均值估计方式;
如果所述至少一个出货间隔时长不满足预设均匀分布,则确定所述目标数据处理方式为分位数估计方式。
10.根据权利要求1所述的方法,其特征在于,出货量关联信息中包括出货间隔时长,所述基于目标数据处理方式对所述第一时长以及所述出货量关联信息进行处理,得到当前待处理物品的补货属性值,包括:
如果所述目标数据处理方式为均值估计方式,则基于所述均值估计方式对所述第一时长和根据出货间隔时长确定的时长间隔方差,确定当前待处理物品的补货属性值。
11.根据权利要求1所述的方法,其特征在于,所述基于目标数据处理方式对所述第一时长以及所述出货量关联信息进行处理,得到当前待处理物品的补货属性值,包括:
如果所述目标数据处理方式为分位数估计方式,则根据所述出货量关联信息和预设分位数,确定目标分位数子估计方式;
基于目标分位数子估计方式对所述第一时长以及所述出货量关联信息进行处理,确定所述当前待处理物品的补货属性值。
12.根据权利要求11所述的方法,其特征在于,出货量关联信息中与出货间隔时长相对应出货次数,所述根据所述出货量关联信息和预设分位数,确定目标分位数子估计方式,包括:
如果所述预设分位数小于出货次数的倒数,则确定目标分位数子估计方式为第一分位数子估计方式;
如果所述预设分位数大于出货次数的倒数,则确定目标分位数子估计方式为第二分位数子估计方式。
13.根据权利要求12所述的方法,其特征在于,所述基于目标分位数子估计方式,确定所述当前待处理物品的补货属性值,包括:
如果所述目标分位数子估计方式为第一分位数子估计方式,则根据出货间隔天数、预设分位数、出货次数以及第一时长,确定当前待处理物品的补货属性值。
14.根据权利要求13所述的方法,其特征在于,所述根据出货间隔天数、预设分位数、出货次数以及第一时长,确定当前待处理物品的补货属性值,包括:
根据出货间隔时长的最小值、预设分位数以及出货次数的乘积,得到第一数据值;
基于所述第一时长与所述第一数据值的比值,确定当前待处理物品的补货属性值。
15.根据权利要求12所述的方法,其特征在于,所述基于目标分位数子估计方式,确定所述当前待处理物品的补货属性值,包括:
如果所述目标分位数子估计方式为第二分位数子估计方式,则根据所述预设分位数和出货量关联信息,确定目标分位点;
根据所述目标分位点和所述第一时长,确定当前待处理物品的补货属性值。
16.根据权利要求15所述的方法,其特征在于,所述根据所述预设分位数和出货量关联信息,确定目标分位点,包括:
根据所述出货量关联信息中的出货间隔天数,拟合得到目标经验分布;
根据所述预设分位数和所述目标经验分布,确定目标分位点。
17.根据权利要求1所述的方法,其特征在于,所述如果检测到存在补货属性值大于预设补货属性阈值的目标待处理物品,则根据所述补货属性值和目标库存量确定模型,确定所述目标待处理物品的目标库存量,包括:
根据各补货属性值所对应的目标数据处理方式,确定相应的预设补货属性阈值;
当检测到存在补货属性值大于相应的预设补货属性阈值的目标待处理物品时,则根据所述补货属性值和目标库存量确定模型,确定所述目标待处理物品的目标库存量。
18.根据权利要求17所述的方法,其特征在于,所述据所述补货属性值和目标库存量确定模型,确定所述目标待处理物品的目标库存量,包括:
将所述补货属性值作为所述目标库存量确定模型的输入参数,确定所述目标待处理物品的目标库存量。
19.一种物品库存控制装置,其特征在于,包括:
采集计算模块,用于针对各待处理物品,根据当前时间以及当前待处理物品的出货量关联信息,确定所述当前待处理物品的补货属性值;所述采集计算模块具体用于:确定所述出货量关联信息中出货量大于预设出货量阈值,且与当前时间间隔最小的待使用出货日期;根据所述当前时间所对应的日期以及所述待使用出货日期,确定第一时长;基于目标数据处理方式对所述第一时长以及所述出货量关联信息进行处理,得到当前待处理物品的补货属性值;其中,所述补货属性值用于表征当前时间当前待处理物品需要补货的急需程度,所述目标数据处理方式为均值估计方式或分位数估计方式;
库存策略运算模块,用于如果检测到存在补货属性值大于预设补货属性阈值的目标待处理物品,则根据所述补货属性值和目标库存量确定模型,确定所述目标待处理物品的目标库存量;
结果输出模块,用于根据所述目标库存量与当前时间所对应的净库存量,确定所述目标待处理物品的目标补货量。
20.一种电子设备,其特征在于,所述电子设备包括:
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如权利要求1-18中任一所述的物品库存的控制方法。
21.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-18中任一所述的物品库存的控制方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111413044.3A CN113837706B (zh) | 2021-11-25 | 2021-11-25 | 物品库存的控制方法、装置、设备及介质 |
PCT/CN2022/131900 WO2023093567A1 (zh) | 2021-11-25 | 2022-11-15 | 物品库存的控制方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111413044.3A CN113837706B (zh) | 2021-11-25 | 2021-11-25 | 物品库存的控制方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113837706A CN113837706A (zh) | 2021-12-24 |
CN113837706B true CN113837706B (zh) | 2022-06-07 |
Family
ID=78971375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111413044.3A Active CN113837706B (zh) | 2021-11-25 | 2021-11-25 | 物品库存的控制方法、装置、设备及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113837706B (zh) |
WO (1) | WO2023093567A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837706B (zh) * | 2021-11-25 | 2022-06-07 | 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 (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109978429A (zh) * | 2017-12-28 | 2019-07-05 | 北京京东尚科信息技术有限公司 | 用于输出信息的方法和装置 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10839348B2 (en) * | 2017-01-27 | 2020-11-17 | Walmart Apollo, Llc | System and method for optimizing inventory replenishment |
CN109840734A (zh) * | 2017-11-29 | 2019-06-04 | 北京京东尚科信息技术有限公司 | 信息输出方法和装置 |
CN110363454B (zh) * | 2018-04-09 | 2022-01-11 | 杉数科技(北京)有限公司 | 用于确定商品补货量的方法及装置 |
CN108596540B (zh) * | 2018-04-23 | 2021-12-14 | 北京京东乾石科技有限公司 | 补货方法及装置、计算机可读存储介质、电子设备 |
CN110689290B (zh) * | 2018-07-06 | 2023-09-29 | 北京京东尚科信息技术有限公司 | 商品售卖方法以及装置 |
CN111429048B (zh) * | 2019-01-09 | 2024-04-16 | 北京沃东天骏信息技术有限公司 | 确定补货信息的方法、装置及设备 |
CN112561414A (zh) * | 2019-09-25 | 2021-03-26 | 顺丰科技有限公司 | 库存管理方法、装置及计算机可读存储介质 |
CN112347417A (zh) * | 2019-12-12 | 2021-02-09 | 北京沃东天骏信息技术有限公司 | 补货量确定方法和装置 |
CN113449939B (zh) * | 2020-03-24 | 2024-04-05 | 北京京东振世信息技术有限公司 | 库存数据预测的方法、装置、计算设备及介质 |
CN113537861B (zh) * | 2020-04-16 | 2024-03-05 | 北京京东振世信息技术有限公司 | 补货方法和补货装置 |
CN113128932B (zh) * | 2021-04-16 | 2024-04-16 | 北京京东振世信息技术有限公司 | 仓库备货处理方法、装置、存储介质与电子设备 |
CN113837706B (zh) * | 2021-11-25 | 2022-06-07 | 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 |
-
2021
- 2021-11-25 CN CN202111413044.3A patent/CN113837706B/zh active Active
-
2022
- 2022-11-15 WO PCT/CN2022/131900 patent/WO2023093567A1/zh active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109978429A (zh) * | 2017-12-28 | 2019-07-05 | 北京京东尚科信息技术有限公司 | 用于输出信息的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113837706A (zh) | 2021-12-24 |
WO2023093567A1 (zh) | 2023-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111242524B (zh) | 一种确定单品补货量的方法、系统、设备及存储介质 | |
US9990597B2 (en) | System and method for forecast driven replenishment of merchandise | |
EP2192537A2 (en) | Predictive modeling | |
CN109544076B (zh) | 用于生成信息的方法和装置 | |
US11205215B2 (en) | Online platform for processing merchandise shipping | |
US20180096290A1 (en) | Sharing inventory between ordering channels | |
CN112215546B (zh) | 一种对象页面生成方法、装置、设备及存储介质 | |
CN113837706B (zh) | 物品库存的控制方法、装置、设备及介质 | |
CN113128932B (zh) | 仓库备货处理方法、装置、存储介质与电子设备 | |
Hill et al. | Optimal and near-optimal policies for lost sales inventory models with at most one replenishment order outstanding | |
CN111126903A (zh) | 一种补货方法、装置及系统 | |
CN111695847A (zh) | 物流电子面单的号段管理方法及系统、设备及存储介质 | |
CN111221834B (zh) | 一种商品库存价值计算方法 | |
CN110619407B (zh) | 对象销量的预测方法及系统、电子设备和存储介质 | |
CN116433154A (zh) | 一种仓库补货方法、装置、电子设备及存储介质 | |
CN109978421B (zh) | 信息输出方法和装置 | |
CN114663015A (zh) | 补货方法和装置 | |
Bendre et al. | Inventory control in a lost-sales setting with information about supply lead times | |
CN114912858A (zh) | 用于库存管理系统的方法、装置及存储介质 | |
Barron et al. | The residual time approach for (Q, r) model under perishability, general lead times, and lost sales | |
US20130103456A1 (en) | Method, system and program storage device for production planning | |
CN115983759A (zh) | 物品需求量预测方法及装置、电子设备和存储介质 | |
CN113887772A (zh) | 订货周期优化方法、装置、计算机设备和存储介质 | |
JP2018092265A (ja) | 取引支援装置および取引支援方法 | |
Baten et al. | Extended optimal stochastic production control model with application to economics |
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 |