CN113988768A - 一种库存的确定方法和装置 - Google Patents

一种库存的确定方法和装置 Download PDF

Info

Publication number
CN113988768A
CN113988768A CN202111613624.7A CN202111613624A CN113988768A CN 113988768 A CN113988768 A CN 113988768A CN 202111613624 A CN202111613624 A CN 202111613624A CN 113988768 A CN113988768 A CN 113988768A
Authority
CN
China
Prior art keywords
inventory
replenishment
parameter
service level
determining
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
Application number
CN202111613624.7A
Other languages
English (en)
Other versions
CN113988768B (zh
Inventor
申欣冉
庄晓天
高振羽
胡文博
钟冰洁
周超越
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Zhenshi Information Technology Co Ltd
Original Assignee
Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Zhenshi Information Technology Co Ltd filed Critical Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority to CN202111613624.7A priority Critical patent/CN113988768B/zh
Publication of CN113988768A publication Critical patent/CN113988768A/zh
Priority to PCT/CN2022/124281 priority patent/WO2023124363A1/zh
Application granted granted Critical
Publication of CN113988768B publication Critical patent/CN113988768B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Accounting & Taxation (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Finance (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明公开了一种库存的确定方法和装置，涉及仓储物流技术领域。该方法的具体实施方式包括：获取多种物品的物品数据；根据成本参数，确定物品的库存持有成本，并以库存持有成本最小作为服务水平优化模型的目标函数；根据物品的补货参数、需求参数和库存参数对服务水平优化模型中的非线性函数进行线性转化；根据目标函数和转化后的线性函数，利用线性求解器对服务水平优化模型进行求解；根据求解结果，确定物品的服务水平，进而根据所述服务水平确定物品的库存。该实施方式提高库存确定的准确性，利用线性求解器进行求解，可以提高求解速度，提升求解效率，准确确定实际仓储中各种商品的安全库存，降低仓储成本。

Description

一种库存的确定方法和装置
技术领域
本发明涉及仓储物流技术领域，尤其涉及一种库存的确定方法和装置。
背景技术
安全库存是为防止未来物品供应或需求的不确定性因素（如大量突发性订货、交货意外中断或突然延期等）而准备的缓冲库存，主要是为了更好的应对预测的波动，从而进行补货。服务水平是确定安全库存时的决定性因素，因此，为了降低仓储成本，需要确定最优的服务水平。
服务水平是指保证物品供给以服务于客户需求的概率，通常代表下一个补货周期内不发生缺货的预期概率。现有的服务水平确定方法主要采用机器学习的方法，根据模拟的服务水平以及对应的评价指标进行预测，由于样本数据存在偏差，使得预测结果误差较大，无法确定最优的服务水平，进而使得根据服务水平确定的安全库存并不准确。
发明内容
有鉴于此，本发明实施例提供一种库存的确定方法和装置，能够提高库存确定的准确性，利用线性求解器进行求解，可以提高求解速度，提升求解效率，准确确定实际仓储中各种商品的安全库存，降低仓储成本。
为实现上述目的，根据本发明实施例的一个方面，提供了一种库存的确定方法，包括：
获取多种物品的物品数据；其中，所述物品数据包括成本参数、补货参数、需求参数和库存参数；
根据所述成本参数，确定所述物品的库存持有成本，并以所述库存持有成本最小作为服务水平优化模型的目标函数；
根据物品的补货参数、需求参数和库存参数对服务水平优化模型中的非线性函数进行线性转化；
根据所述目标函数和转化后的线性函数，利用线性求解器对服务水平优化模型进行求解；
根据求解结果，确定所述物品的服务水平，进而根据所述服务水平确定物品的库存。
可选地，所述补货参数包括补货量、补货策略，所述需求参数包括目标需求库存量；还包括：
根据所述物品的补货策略，确定不同的补货策略分别对应的非线性函数；所述非线性函数指示了所述补货量与所述目标需求库存量之间的非线性关系。
可选地，所述补货参数还包括：临界库存，所述库存参数包括期末库存量；所述根据物品的补货参数、需求参数和库存参数对服务水平优化模型中的非线性函数进行线性转化，包括：
确定补货变量和补货系数；
根据所述补货变量和所述补货参数将所述非线性函数转化为线性函数；其中，所述线性函数中包括所述临界库存与所述期末库存量之差与所述补货系数与补货变量的关系、以及对应的所述补货量与所述补货变量、所述目标需求库存量和所述期末库存量之间的线性关系。
可选地，所述补货参数还包括：临界库存，所述库存参数包括期末库存量，所述需求参数还包括订货数量；所述根据物品的补货参数、需求参数和库存参数对服务水平优化模型中的非线性函数进行线性转化，包括：
确定补货变量和补货系数；
根据所述补货变量和所述补货参数将所述非线性函数转化为线性函数；其中，所述线性函数中包括所述临界库存与所述期末库存量之差与所述补货系数与补货变量的关系、以及对应的所述补货量与所述订货数量和所述补货变量之间的线性关系。
可选地，所述补货变量为二进制变量。
可选地，所述补货策略包括：在当前库存量下降到所述临界库存时，将所述当前库存量补充至所述目标需求库存量；或者，在当前库存量下降到所述临界库存时，根据所述补货量补充库存。
根据本发明实施例的再一个方面，提供了一种库存的确定装置，包括：
获取模块，用于获取多种物品的物品数据；其中，所述物品数据包括成本参数、补货参数、需求参数和库存参数；
目标函数确定模块，用于根据所述成本参数，确定所述物品的库存持有成本，并以所述库存持有成本最小作为服务水平优化模型的目标函数；
线性转化模块，用于根据物品的补货参数、需求参数和库存参数对服务水平优化模型中的非线性函数进行线性转化；
求解模块，用于根据所述目标函数和转化后的线性函数，利用线性求解器对服务水平优化模型进行求解；
库存确定模块，用于根据求解结果，确定所述物品的服务水平，进而根据所述服务水平确定物品的库存。
可选地，所述补货参数包括补货量、补货策略、临界库存，所述需求参数包括目标需求库存量、订货数量，所述库存参数包括期末库存量；还包括：
非线性函数确定模块，用于根据所述物品的补货策略，确定不同的补货策略分别对应的非线性函数；所述非线性函数指示了所述补货量与所述目标需求库存量之间的非线性关系。
补货变量和补货系数确定模块，用于确定补货变量和补货系数；
线性转化模块，还用于根据所述补货变量和所述补货参数将所述非线性函数转化为线性函数；其中，所述线性函数中包括所述临界库存与所述期末库存量之差与所述补货系数与补货变量的关系、以及对应的所述补货量与所述补货变量、所述目标需求库存量和所述期末库存量之间的线性关系，或者，对应的所述补货量与所述订货数量和所述补货变量之间的线性关系。
根据本发明实施例的另一个方面，提供了一种库存的确定电子设备，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提供的服务水平的确定方法。
根据本发明实施例的还一个方面，提供了一种计算机可读介质，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提供的服务水平的确定方法。
上述发明中的一个实施例具有如下优点或有益效果：因为采用引入补货变量，将服务水平优化模型的非线性函数进行线性转化，利用线性求解器对以库存持有成本最小为目标函数的服务水平优化模型进行求解，进而确定各种物品的最优服务水平，并根据最优服务水平确定仓库内各种物品的库存的技术手段，所以克服了现有的服务水平预测结果误差较大，无法为实际仓储的安全库存提供参考的技术问题，进而达到提高库存确定的准确性，利用线性求解器进行求解，可以提高求解速度，提升求解效率，准确确定实际仓储中各种商品的安全库存，降低仓储成本。
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。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的库存的确定方法的主要流程的示意图；
图2是根据本发明第一个实施例的线性转化方法的主要流程的示意图；
图3是根据本发明第二个实施例的线性转化方法的主要流程的示意图；
图4是根据本发明实施例的库存的确定装置的主要模块的示意图；
图5示出了适于应用于本发明实施例的库存的确定方法或库存的确定装置的示例性系统架构图；
图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
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。
图1是根据本发明实施例的库存的确定方法的主要流程的示意图，如图1所示，本发明的库存的确定方法包括如下步骤：
服务水平的取值通常在[0,1]之间，但是，100%的服务水平（即任意时刻皆可以服务于全部客户）看似理想，通常是不可行的。服务水平的概念应用于需求不确定的未来场景，理想状态下，只有无限库存时才不会发生缺货现象，然而，库存越多，相应的消费成本、生产成本、存储成本、产品过期或过时的消耗成本等增加，使得库存保持的成本和风险极大。因此，在现实状况中，需要在成本和服务客户之间寻找折中点，保证一定数量但又不会过多的库存，以免为了应对突发状况设置的库存带来的效益无法弥补库存成本。也即，保证较优的服务水平可以实现库存成本与缺货成本之间的平衡。
步骤S101，获取多种物品的物品数据；其中，所述物品数据包括成本参数、补货参数、需求参数和库存参数。
在本发明实施例中，为了确定仓库中各种物品对应的最优服务水平，进而确定物品未来某天的需求，获取当前仓库中各种物品的物品数据。其中：
Figure 531491DEST_PATH_IMAGE001
，表示物品的种类集合，比如，仓库中包括
Figure 291374DEST_PATH_IMAGE002
种物品；
Figure 415319DEST_PATH_IMAGE003
，表示物品需求的周期集合，比如，未来的第1天，第2天……第
Figure 512326DEST_PATH_IMAGE004
天。
在本发明实施例中，物品数据的成本参数包括：持有成本、订货成本等，其中：
Figure 936485DEST_PATH_IMAGE005
，表示第
Figure 945898DEST_PATH_IMAGE006
种物品的持有成本，单位为元/天，比如，为简便起见，
Figure 852412DEST_PATH_IMAGE007
可以设为1；
Figure 661099DEST_PATH_IMAGE008
，表示第
Figure 657874DEST_PATH_IMAGE006
种物品的订货成本，单位为元/天，比如，为简便起见，
Figure 697243DEST_PATH_IMAGE009
可以设为1。
在本发明实施例中，物品数据的补货参数包括：补货提前期、补货周期、临界库存、补货量、补货到达量等，其中：
Figure 654835DEST_PATH_IMAGE010
，表示第
Figure 421540DEST_PATH_IMAGE006
种物品的补货提前期，其中：
Figure 85871DEST_PATH_IMAGE011
；补货提前期是指物品从下采购单开始、直至送达仓库为止所需的时间，物品补货需要提前
Figure 166914DEST_PATH_IMAGE010
天下采购单；
Figure 815064DEST_PATH_IMAGE012
，表示第
Figure 73876DEST_PATH_IMAGE006
种物品的补货周期，其中：
Figure 497773DEST_PATH_IMAGE011
；补货周期是指多次补货之间的时间间隔。
在本发明实施例中，物品数据的需求参数包括：需求量、需求量均值、需求量方差、订货数量、目标需求库存量、缺货量等，其中：
Figure 675683DEST_PATH_IMAGE013
，表示第
Figure 748812DEST_PATH_IMAGE006
种物品在第
Figure 155523DEST_PATH_IMAGE014
期的需求量；
Figure 496243DEST_PATH_IMAGE015
，表示第
Figure 80939DEST_PATH_IMAGE006
种物品在第
Figure 93895DEST_PATH_IMAGE014
期的需求量均值；
Figure 553564DEST_PATH_IMAGE016
，表示第
Figure 968364DEST_PATH_IMAGE006
种物品在第
Figure 238809DEST_PATH_IMAGE014
期的需求量方差；其中，
Figure 50645DEST_PATH_IMAGE017
服从均值为
Figure 877786DEST_PATH_IMAGE018
、方差为
Figure 204818DEST_PATH_IMAGE016
的分布，具体地：
在本发明实施例中，需求量
Figure 724792DEST_PATH_IMAGE017
服从正态分布，且正态分布的均值
Figure 555082DEST_PATH_IMAGE018
和方差
Figure 435183DEST_PATH_IMAGE016
可以通过历史需求量数据确定；
Figure 637625DEST_PATH_IMAGE019
，表示第
Figure 561456DEST_PATH_IMAGE006
种物品的订货数量，其中：根据需求量
Figure 380508DEST_PATH_IMAGE017
、订货成本
Figure 313566DEST_PATH_IMAGE009
、以及持有成本
Figure 104936DEST_PATH_IMAGE007
，可以确定出第
Figure 402931DEST_PATH_IMAGE006
种物品的订货数量
Figure 630650DEST_PATH_IMAGE020
，订货数量是基于历史需求量确定出的用户的订货数量；
在本发明实施例中，物品数据的库存参数包括：期末库存量、现货率等，其中：
Figure 524657DEST_PATH_IMAGE021
，表示第
Figure 669068DEST_PATH_IMAGE006
种物品的初始库存，
Figure 373850DEST_PATH_IMAGE022
；
Figure 615431DEST_PATH_IMAGE023
，表示现货率要求，即在满足仓库需求（包括现货、补货、缺货、消耗等）的情况下，需要保证物品的现货量占需求的比例，可以根据需要进行定义。
步骤S102，根据所述成本参数，确定所述物品的库存持有成本，并以所述库存持有成本最小作为服务水平优化模型的目标函数。
在本发明实施例中，服务水平优化模型为有限周期内的库存模型，用于获得最优的各种物品的服务水平。本发明的服务水平优化模型设定：需求量服从正态分布；缺货时失销（即lost sales，表示缺货时不允许延期交货，而是失去销售机会）。
在本发明实施例中，服务水平优化模型的目标函数为物品在有限周期内的库存持有成本最小。根据物品数据的成本参数中的第
Figure 578707DEST_PATH_IMAGE006
种物品的持有成本
Figure 344669DEST_PATH_IMAGE007
，确定物品在有限周期内的库存持有成本为
Figure 515625DEST_PATH_IMAGE024
，其中：
Figure 734248DEST_PATH_IMAGE025
，表示第
Figure 281642DEST_PATH_IMAGE006
种物品在第
Figure 167690DEST_PATH_IMAGE014
期的期末库存量，
Figure 775126DEST_PATH_IMAGE026
。
相应地，仓库内全部物品在有限周期内的库存持有成本为
Figure 481045DEST_PATH_IMAGE027
。故而，本发明的服务水平优化模型的目标函数为：
Figure 517616DEST_PATH_IMAGE028
在本发明实施例中，服务水平优化模型的约束条件包括：
Figure 992590DEST_PATH_IMAGE029
其中：
Figure 313805DEST_PATH_IMAGE030
，表示第
Figure 772600DEST_PATH_IMAGE006
种物品在第
Figure 130638DEST_PATH_IMAGE014
期的缺货量，
Figure 194540DEST_PATH_IMAGE031
；
Figure 97774DEST_PATH_IMAGE032
，表示第
Figure 198191DEST_PATH_IMAGE006
种物品在第
Figure 110653DEST_PATH_IMAGE014
期的补货量；
Figure 137383DEST_PATH_IMAGE033
，表示第
Figure 227830DEST_PATH_IMAGE006
种物品在第
Figure 628594DEST_PATH_IMAGE014
期的补货到达量。
约束（1）表示：
当
Figure 813587DEST_PATH_IMAGE034
，即补货还未到达仓库时，第
Figure 586502DEST_PATH_IMAGE006
种物品在第
Figure 80806DEST_PATH_IMAGE014
期的期末库存量与第
Figure 719598DEST_PATH_IMAGE006
种物品在第
Figure 193436DEST_PATH_IMAGE014
期的缺货量之差为第
Figure 912868DEST_PATH_IMAGE006
种物品在第
Figure 79538DEST_PATH_IMAGE035
期的期末库存量与第
Figure 669875DEST_PATH_IMAGE014
期的需求量之差。
约束（2）表示：
当
Figure 462250DEST_PATH_IMAGE036
，即补货到达仓库时，第
Figure 413020DEST_PATH_IMAGE006
种物品在第
Figure 265438DEST_PATH_IMAGE014
期的期末库存量与第
Figure 128090DEST_PATH_IMAGE006
种物品在第
Figure 474889DEST_PATH_IMAGE014
期的缺货量之差为第
Figure 637754DEST_PATH_IMAGE006
种物品在第
Figure 411806DEST_PATH_IMAGE035
期的期末库存量加上第
Figure 699437DEST_PATH_IMAGE014
期的补货到达量再减去第
Figure 568036DEST_PATH_IMAGE014
期的需求量之差。
Figure 555715DEST_PATH_IMAGE037
其中：
Figure 733624DEST_PATH_IMAGE038
，表示一个无穷大的值；
Figure 321600DEST_PATH_IMAGE039
，表示二进制变量，是指第
Figure 774316DEST_PATH_IMAGE006
种物品在第
Figure 147660DEST_PATH_IMAGE014
期是否缺货（out of storage）。
约束（3）、约束（4）表示：
每一期的期末库存量和缺货量至多有一个为0，具体地：
当
Figure 981624DEST_PATH_IMAGE040
时，
Figure 837322DEST_PATH_IMAGE041
且
Figure 267297DEST_PATH_IMAGE042
，根据
Figure 682098DEST_PATH_IMAGE025
的定义：
Figure 760450DEST_PATH_IMAGE026
，故而
Figure 995122DEST_PATH_IMAGE043
，表示第
Figure 228788DEST_PATH_IMAGE006
种物品在第
Figure 498095DEST_PATH_IMAGE014
期的期末库存量
Figure 454288DEST_PATH_IMAGE025
为0，物品缺货；
当
Figure 441835DEST_PATH_IMAGE044
时，
Figure 853094DEST_PATH_IMAGE045
且
Figure 976908DEST_PATH_IMAGE046
，根据
Figure 74308DEST_PATH_IMAGE047
的定义：
Figure 549152DEST_PATH_IMAGE048
，故而
Figure 888735DEST_PATH_IMAGE049
，表示第
Figure 414525DEST_PATH_IMAGE006
种物品在第
Figure 932094DEST_PATH_IMAGE014
期的缺货量
Figure 628655DEST_PATH_IMAGE047
为0，物品不缺货，期末有库存。
进一步地，对于约束（1）、约束（2）而言：
当
Figure 506350DEST_PATH_IMAGE034
，即补货还未到达仓库时，在第
Figure 604756DEST_PATH_IMAGE006
种物品在第
Figure 43959DEST_PATH_IMAGE014
期的期末库存量
Figure 493395DEST_PATH_IMAGE025
为0的情况下，第
Figure 909201DEST_PATH_IMAGE006
种物品在第
Figure 127693DEST_PATH_IMAGE014
期的缺货量
Figure 737797DEST_PATH_IMAGE047
为第
Figure 408950DEST_PATH_IMAGE006
种物品在第
Figure 238235DEST_PATH_IMAGE014
期的需求量与第
Figure 45654DEST_PATH_IMAGE050
期的期末库存量之差，即：
Figure 810347DEST_PATH_IMAGE051
，表示期末无库存，物品缺货；在第
Figure 218064DEST_PATH_IMAGE006
种物品在第
Figure 539455DEST_PATH_IMAGE014
期的缺货量
Figure 259104DEST_PATH_IMAGE047
为0的情况下，第
Figure 194699DEST_PATH_IMAGE006
种物品在第
Figure 856756DEST_PATH_IMAGE014
期的期末库存量
Figure 168788DEST_PATH_IMAGE025
为第
Figure 465646DEST_PATH_IMAGE006
种物品在第
Figure 837722DEST_PATH_IMAGE050
期的期末库存量与第
Figure 721495DEST_PATH_IMAGE014
期的需求量之差，即：
Figure 102798DEST_PATH_IMAGE052
，表示物品不缺货，期末有库存。
当
Figure 254163DEST_PATH_IMAGE036
，即补货到达仓库时，在第
Figure 203664DEST_PATH_IMAGE006
种物品在第
Figure 886318DEST_PATH_IMAGE014
期的期末库存量
Figure 602470DEST_PATH_IMAGE025
为0的情况下，第
Figure 686970DEST_PATH_IMAGE006
种物品在第
Figure 197586DEST_PATH_IMAGE014
期的缺货量
Figure 351224DEST_PATH_IMAGE047
为第
Figure 887379DEST_PATH_IMAGE006
种物品在第
Figure 154281DEST_PATH_IMAGE014
期的需求量与第
Figure 147383DEST_PATH_IMAGE035
期的期末库存量和第
Figure 613085DEST_PATH_IMAGE014
期的补货到达量之差，即：
Figure 530095DEST_PATH_IMAGE053
，表示期末无库存，物品缺货；在第
Figure 808760DEST_PATH_IMAGE006
种物品在第
Figure 769501DEST_PATH_IMAGE014
期的缺货量
Figure 399196DEST_PATH_IMAGE047
为0的情况下，第
Figure 323159DEST_PATH_IMAGE006
种物品在第
Figure 954866DEST_PATH_IMAGE014
期的期末库存量
Figure 915869DEST_PATH_IMAGE025
为第
Figure 970544DEST_PATH_IMAGE006
种物品在第
Figure 104722DEST_PATH_IMAGE035
期的期末库存量和第
Figure 794198DEST_PATH_IMAGE014
期的补货到达量与第
Figure 457261DEST_PATH_IMAGE014
期的需求量之差，即：
Figure 999232DEST_PATH_IMAGE054
，表示物品不缺货，期末有库存。
Figure 920789DEST_PATH_IMAGE055
其中：
Figure 746663DEST_PATH_IMAGE056
，表示物品的种类的数量；
Figure 705260DEST_PATH_IMAGE057
，表示物品的周期的天数；
Figure 531265DEST_PATH_IMAGE058
，表示未满足率。
约束（5）表示：
当
Figure 7246DEST_PATH_IMAGE040
时，物品缺货；当
Figure 479770DEST_PATH_IMAGE044
时，物品不缺货，因此，仓库内各种物品的缺货情况汇总后小于等于未满足率。
Figure 32106DEST_PATH_IMAGE059
其中：
Figure 578362DEST_PATH_IMAGE060
，表示第
Figure 61296DEST_PATH_IMAGE006
种物品的目标需求库存量；
Figure 907767DEST_PATH_IMAGE061
，表示第
Figure 614692DEST_PATH_IMAGE006
种物品的服务水平
Figure 618551DEST_PATH_IMAGE062
的分位数，
Figure 685602DEST_PATH_IMAGE063
；
Figure 684782DEST_PATH_IMAGE064
，表示第
Figure 77455DEST_PATH_IMAGE006
种物品在第
Figure 834190DEST_PATH_IMAGE014
期的需求量标准差（即需求量方差
Figure 704931DEST_PATH_IMAGE016
开方得到）。
约束（6）表示：
物品的目标需求库存量
Figure 214410DEST_PATH_IMAGE060
。
Figure 482712DEST_PATH_IMAGE065
其中：
Figure 444851DEST_PATH_IMAGE066
，表示第
Figure 322546DEST_PATH_IMAGE006
种物品的临界库存；其中，临界库存是指物品的当前库存量下降到某个点时，需要下采购单补货，这个点对应的库存量即为临界库存。
约束（7）表示：
物品的临界库存
Figure 686532DEST_PATH_IMAGE067
。
Figure 125734DEST_PATH_IMAGE068
其中：
补货策略包括TS策略、rS策略和rQ策略。
TS策略，表示每T时间下达一次采购单，使得当前库存量达到目标需求库存量
Figure 778433DEST_PATH_IMAGE060
，相应地，
Figure 471537DEST_PATH_IMAGE069
，表示补货策略为TS策略的物品的种类集合；
rS策略，表示在当前库存量下降到临界库存时，下达一次采购单，使得当前库存量达到目标需求库存量
Figure 299816DEST_PATH_IMAGE060
，相应地，
Figure 408455DEST_PATH_IMAGE070
，表示补货策略为rS策略的物品的种类集合；
rQ策略，表示一旦库存下降到
Figure 345187DEST_PATH_IMAGE071
，则订购
Figure 846576DEST_PATH_IMAGE019
单位。在当前库存量下降到临界库存时，下达一次采购单补充库存，采购单对应的补货量为
Figure 965579DEST_PATH_IMAGE019
，相应地，
Figure 261431DEST_PATH_IMAGE072
，表示补货策略为rQ策略的物品的种类集合。
约束（8）表示：
补货策略为TS策略下的补货量
Figure 967350DEST_PATH_IMAGE073
；其中，补货量
Figure 787277DEST_PATH_IMAGE073
为0和目标需求库存量
Figure 262251DEST_PATH_IMAGE074
与期末库存量
Figure 978272DEST_PATH_IMAGE025
之差的最大值。
约束（9）、（10）表示：
根据物品的补货策略，确定不同的补货策略分别对应的非线性函数；非线性函数指示了补货量
Figure 702646DEST_PATH_IMAGE073
与目标需求库存量
Figure 280258DEST_PATH_IMAGE060
之间的非线性关系。具体地：
约束（9）表示：
补货策略为rS策略下的补货量
Figure 577116DEST_PATH_IMAGE073
；其中，在临界库存小于等于期末库存量的情况下，补货量
Figure 90137DEST_PATH_IMAGE073
为0；在临界库存大于期末库存量的情况下，补货量
Figure 941287DEST_PATH_IMAGE073
为目标需求库存量
Figure 525852DEST_PATH_IMAGE060
与期末库存量
Figure 162370DEST_PATH_IMAGE025
之差。
约束（10）表示：
补货策略为rQ策略下的补货量
Figure 190500DEST_PATH_IMAGE073
；其中，在临界库存小于等于期末库存量的情况下，补货量
Figure 545258DEST_PATH_IMAGE073
为0；在临界库存大于期末库存量的情况下，补货量
Figure 194500DEST_PATH_IMAGE032
为订货数量
Figure 951103DEST_PATH_IMAGE019
。
Figure 664981DEST_PATH_IMAGE075
其中：
约束（11）、约束（12）表示：
变量取值范围的约束，具体地：
第
Figure 523347DEST_PATH_IMAGE006
种物品在第
Figure 230141DEST_PATH_IMAGE014
期的期末库存量
Figure 372409DEST_PATH_IMAGE025
为非负数；
第
Figure 7921DEST_PATH_IMAGE006
种物品在第
Figure 602850DEST_PATH_IMAGE014
期的缺货量
Figure 910073DEST_PATH_IMAGE047
为非负数；
第
Figure 719897DEST_PATH_IMAGE006
种物品在第
Figure 228108DEST_PATH_IMAGE014
期的补货量
Figure 559601DEST_PATH_IMAGE073
为非负数；
Figure 640820DEST_PATH_IMAGE076
为0或1；
第
Figure 492102DEST_PATH_IMAGE006
种物品的目标需求库存量
Figure 967951DEST_PATH_IMAGE060
为非负数；
第
Figure 6314DEST_PATH_IMAGE006
种物品的临界库存
Figure 625646DEST_PATH_IMAGE067
为非负数；
第
Figure 331433DEST_PATH_IMAGE006
种物品的服务水平
Figure 774922DEST_PATH_IMAGE062
的分位数
Figure 628477DEST_PATH_IMAGE061
在0~8之间。
步骤S103，根据物品的补货参数、需求参数和库存参数对服务水平优化模型中的非线性函数进行线性转化。
在本发明实施例中，将约束（9）和约束（10）对应的非线性函数进行线性转化，使得服务水平优化模型可以利用线性求解器进行求解，提高求解速度和求解效率。
在本发明实施例中，针对约束（9），在补货策略为rS策略的情况下，如图2所示，本发明第一个实施例的线性转化方法包括如下步骤：
步骤S201，确定补货变量和补货系数。
在本发明实施例中，补货变量为
Figure 358491DEST_PATH_IMAGE077
，补货系数为
Figure 308999DEST_PATH_IMAGE038
；其中，补货变量
Figure 205279DEST_PATH_IMAGE077
为0-1变量，补货系数
Figure 529819DEST_PATH_IMAGE038
为一个无穷大的值。
步骤S202，根据补货变量和补货参数将非线性函数转化为线性函数；其中，线性函数中包括临界库存与期末库存量之差与补货系数与补货变量的关系、以及对应的补货量与补货变量、目标需求库存量和期末库存量之间的线性关系。
在本发明实施例中，约束（9）为非线性函数，本发明引入补货变量
Figure 130434DEST_PATH_IMAGE077
和补货系数
Figure 92704DEST_PATH_IMAGE038
，将if-then（即本发明的if-otherwise）结构的非线性函数进行线性转化，转化为线性函数，使得约束（9）等价于约束（13）~约束（15）：
Figure 143575DEST_PATH_IMAGE078
其中：
Figure 440564DEST_PATH_IMAGE038
，表示一个无穷大的值；
Figure 844869DEST_PATH_IMAGE079
，表示二进制变量，是指第
Figure 927226DEST_PATH_IMAGE006
种物品在第
Figure 613246DEST_PATH_IMAGE014
期的是否补货（replenish）。
约束（13）~约束（15）表示：
约束（13）、约束（14）用于判断if条件是否成立，如果
Figure 131952DEST_PATH_IMAGE080
，则约束（13）被松弛，
Figure 434889DEST_PATH_IMAGE081
，约束（15）的
Figure 870287DEST_PATH_IMAGE082
，相应地，约束（9）的if条件成立；如果
Figure 967687DEST_PATH_IMAGE083
，则约束（14）被松弛，
Figure 222957DEST_PATH_IMAGE084
，约束（15）的
Figure 93699DEST_PATH_IMAGE085
，相应地，约束（9）的otherwise条件成立。
在本发明实施例中，如果
Figure 353910DEST_PATH_IMAGE086
，表示临界库存小于等于期末库存量，补货量
Figure 448643DEST_PATH_IMAGE087
为0；如果
Figure 410782DEST_PATH_IMAGE083
，表示临界库存大于期末库存量，补货量
Figure 789942DEST_PATH_IMAGE073
为目标需求库存量
Figure 465512DEST_PATH_IMAGE074
与期末库存量
Figure 153982DEST_PATH_IMAGE025
之差。
在本发明实施例中，针对约束（10），在补货策略为rQ策略的情况下，如图3所示，本发明第二个实施例的线性转化方法包括如下步骤：
步骤S301，确定补货变量和补货系数。
在本发明实施例中，补货变量为
Figure 354151DEST_PATH_IMAGE077
，补货系数为
Figure 566695DEST_PATH_IMAGE038
；其中，补货变量
Figure 332657DEST_PATH_IMAGE077
为0-1变量，补货系数
Figure 769192DEST_PATH_IMAGE038
为一个无穷大的值。
步骤S302，根据补货变量和补货参数将非线性函数转化为线性函数；其中，线性函数中包括临界库存与期末库存量之差与补货系数与补货变量的关系、以及对应的补货量与订货数量和补货变量之间的线性关系。
在本发明实施例中，约束（10）为非线性函数，本发明引入补货变量
Figure 518973DEST_PATH_IMAGE077
和补货系数
Figure 546927DEST_PATH_IMAGE038
，将if-then结构的非线性函数进行线性转化，转化为线性函数，使得约束（10）等价于约束（16）~（18）：
Figure 885505DEST_PATH_IMAGE088
约束（16）~约束（18）表示：
约束（16）、约束（17）用于判断if条件是否成立，如果
Figure 305991DEST_PATH_IMAGE086
，则约束（16）被松弛，
Figure 746331DEST_PATH_IMAGE089
，约束（18）的
Figure 503940DEST_PATH_IMAGE090
，相应地，约束（10）的if条件成立；如果
Figure 680712DEST_PATH_IMAGE083
，则约束（17）被松弛，
Figure 881886DEST_PATH_IMAGE084
，约束（10）的
Figure 543943DEST_PATH_IMAGE091
，相应地，约束（10）的otherwise条件成立。
在本发明实施例中，如果
Figure 121555DEST_PATH_IMAGE086
，表示临界库存小于等于期末库存量，补货量
Figure 887254DEST_PATH_IMAGE032
为0；如果
Figure 259330DEST_PATH_IMAGE083
，表示临界库存大于期末库存量，补货量
Figure 736579DEST_PATH_IMAGE073
为订货数量
Figure 898308DEST_PATH_IMAGE019
。
在本发明实施例中，通过本发明的线性转化方法，将服务水平优化模型中的非线性约束转化为线性约束，使得服务水平优化模型等价转换为线性规划问题，利用线性求解器即可求解，提高了模型的求解速度，提升了模型的求解效率。
步骤S104，根据所述目标函数和转化后的线性函数，利用线性求解器对服务水平优化模型进行求解。
在本发明实施例中，线性求解器可以是规划模型求解器or_tools。通过线性求解器求解服务水平优化模型，确定服务水平优化模型的各个变量
Figure 925038DEST_PATH_IMAGE025
、
Figure 281064DEST_PATH_IMAGE092
、
Figure 540882DEST_PATH_IMAGE074
、
Figure 742188DEST_PATH_IMAGE061
、
Figure 900723DEST_PATH_IMAGE093
、
Figure 191764DEST_PATH_IMAGE073
等。
步骤S105，根据求解结果，确定所述物品的服务水平，进而根据所述服务水平确定物品的库存。
在本发明实施例中，根据步骤S104确定的服务水平
Figure 955190DEST_PATH_IMAGE062
的分位数
Figure 678295DEST_PATH_IMAGE061
，即可确定物品的最优服务水平，从而根据服务水平确定仓库中各种物品的安全库存，在成本和满足客户需求中找到最优的折中点。
在本发明实施例中，通过获取多种物品的物品数据；其中，所述物品数据包括成本参数、补货参数、需求参数和库存参数；根据所述成本参数，确定所述物品的库存持有成本，并以所述库存持有成本最小作为服务水平优化模型的目标函数；根据物品的补货参数、需求参数和库存参数对服务水平优化模型中的非线性函数进行线性转化；根据所述目标函数和转化后的线性函数，利用线性求解器对服务水平优化模型进行求解；根据求解结果，确定所述物品的服务水平，进而根据所述服务水平确定物品的库存等步骤，能够提高库存确定的准确性，利用线性求解器进行求解，可以提高求解速度，提升求解效率，准确确定实际仓储中各种商品的安全库存，降低仓储成本。
图4是根据本发明实施例的库存的确定装置的主要模块的示意图，如图4所示，本发明的库存的确定装置400包括：
获取模块401，用于获取多种物品的物品数据；其中，所述物品数据包括成本参数、补货参数、需求参数和库存参数。
在本发明实施例中，为了确定仓库中各种物品对应的最优服务水平，进而确定物品未来某天的需求，通过所述获取模块401获取当前仓库中各种物品的物品数据。
目标函数确定模块402，用于根据所述成本参数，确定所述物品的库存持有成本，并以所述库存持有成本最小作为服务水平优化模型的目标函数。
在本发明实施例中，服务水平优化模型为有限周期内的库存模型，用于获得最优的各种物品的服务水平。本发明的服务水平优化模型设定：需求量服从正态分布；缺货时失销。
在本发明实施例中，所述目标函数确定模块402确定的服务水平优化模型的目标函数为物品在有限周期内的库存持有成本最小。
线性转化模块403，用于根据物品的补货参数、需求参数和库存参数对服务水平优化模型中的非线性函数进行线性转化。
在本发明实施例中，所述线性转化模块403用于将非线性函数进行线性转化，使得服务水平优化模型可以利用线性求解器进行求解，提高求解速度和求解效率。
求解模块404，用于根据所述目标函数和转化后的线性函数，利用线性求解器对服务水平优化模型进行求解。
在本发明实施例中，线性求解器可以是规划模型求解器or_tools。所述求解模块404通过线性求解器求解服务水平优化模型，确定服务水平优化模型的各个变量
Figure 571296DEST_PATH_IMAGE025
、
Figure 705343DEST_PATH_IMAGE047
、
Figure 34693DEST_PATH_IMAGE060
、
Figure 30331DEST_PATH_IMAGE061
、
Figure 246680DEST_PATH_IMAGE067
、
Figure 302361DEST_PATH_IMAGE073
等。
库存确定模块405，用于根据求解结果，确定所述物品的服务水平，进而根据所述服务水平确定物品的库存。
在本发明实施例中，根据所述确定的服务水平
Figure 102695DEST_PATH_IMAGE062
的分位数
Figure 636445DEST_PATH_IMAGE061
，所述库存确定模块405即可确定物品的最优服务水平，从而根据服务水平确定仓库中各种物品的安全库存，在成本和满足客户需求中找到最优的折中点。
在本发明实施例中，通过获取模块、目标函数确定模块、线性转化模块、求解模块和库存确定模块等模块，能够提高库存确定的准确性，利用线性求解器进行求解，可以提高求解速度，提升求解效率，准确确定实际仓储中各种商品的安全库存，降低仓储成本。
图5示出了适于应用于本发明实施例的库存的确定方法或库存的确定装置的示例性系统架构图，如图5所示，本发明实施例的库存的确定方法或库存的确定装置的示例性系统架构包括：
如图5所示，系统架构500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105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上可以安装有各种通讯客户端应用，例如仓储优化类应用、购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
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所浏览的仓储优化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库存确定请求等数据进行分析等处理，并将处理结果（例如仓库内各种物品的库存）反馈给终端设备501、502、503。
需要说明的是，本发明实施例所提供的库存的确定方法一般由服务器505执行，相应地，库存的确定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。
图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图，如图6所示，本发明实施例的终端设备或服务器的计算机系统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RAM603中，还存储有系统600操作所需的各种程序和数据。CPU601、ROM602以及RAM603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：一种处理器包括获取模块、目标函数确定模块、线性转化模块、求解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，服务水平确定模块还可以被描述为“根据求解结果，确定物品的服务水平的模块”。
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：获取多种物品的物品数据；其中，所述物品数据包括成本参数、补货参数、需求参数和库存参数；根据所述成本参数，确定所述物品的库存持有成本，并以所述库存持有成本最小作为服务水平优化模型的目标函数；根据物品的补货参数、需求参数和库存参数对服务水平优化模型中的非线性函数进行线性转化；根据所述目标函数和转化后的线性函数，利用线性求解器对服务水平优化模型进行求解；根据求解结果，确定所述物品的服务水平，进而根据所述服务水平确定物品的库存。
现有的服务水平k值的确定方法中，通常采用机器学习的方法进行预测，机器学习模型的样本数据包括不同的服务水平k、以及对应的评价指标（比如，未满足率、周转天数等），然而，样本数据通常是中间数据，数据来源通常为库存仿真，如果仿真过程存在偏差和错误，模型训练的精度会受到较大影响，模型的预测结果会进一步放大错误与偏差，导致预测的服务水平偏差较大，确定的安全库存也不准确。
本发明的库存的确定方法直接利用原始数据，通过服务水平优化模型计算确定最优服务水平，可以避免中间数据产生的不明原因与不可控制误差的出现。
进一步地，本发明的库存的确定方法将服务水平优化模型中的非线性约束转化为线性约束，从而利用线性求解器进行求解，可以提高求解速度和效率。
根据本发明实施例的技术方案，能够提高库存确定的准确性，利用线性求解器进行求解，可以提高求解速度，提升求解效率，准确确定实际仓储中各种商品的安全库存，降低仓储成本。
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。

Claims (10)

1.一种库存的确定方法，其特征在于，包括：
获取多种物品的物品数据；其中，所述物品数据包括成本参数、补货参数、需求参数和库存参数；
根据所述成本参数，确定所述物品的库存持有成本，并以所述库存持有成本最小作为服务水平优化模型的目标函数；
根据物品的补货参数、需求参数和库存参数对服务水平优化模型中的非线性函数进行线性转化；
根据所述目标函数和转化后的线性函数，利用线性求解器对服务水平优化模型进行求解；
根据求解结果，确定所述物品的服务水平，进而根据所述服务水平确定物品的库存。
2.根据权利要求1所述的方法，其特征在于，所述补货参数包括补货量、补货策略，所述需求参数包括目标需求库存量；还包括：
根据所述物品的补货策略，确定不同的补货策略分别对应的非线性函数；所述非线性函数指示了所述补货量与所述目标需求库存量之间的非线性关系。
3.根据权利要求2所述的方法，其特征在于，所述补货参数还包括：临界库存，所述库存参数包括期末库存量；所述根据物品的补货参数、需求参数和库存参数对服务水平优化模型中的非线性函数进行线性转化，包括：
确定补货变量和补货系数；
根据所述补货变量和所述补货参数将所述非线性函数转化为线性函数；其中，所述线性函数中包括所述临界库存与所述期末库存量之差与所述补货系数与补货变量的关系、以及对应的所述补货量与所述补货变量、所述目标需求库存量和所述期末库存量之间的线性关系。
4.根据权利要求2所述的方法，其特征在于，所述补货参数还包括：临界库存，所述库存参数包括期末库存量，所述需求参数还包括订货数量；所述根据物品的补货参数、需求参数和库存参数对服务水平优化模型中的非线性函数进行线性转化，包括：
确定补货变量和补货系数；
根据所述补货变量和所述补货参数将所述非线性函数转化为线性函数；其中，所述线性函数中包括所述临界库存与所述期末库存量之差与所述补货系数与补货变量的关系、以及对应的所述补货量与所述订货数量和所述补货变量之间的线性关系。
5.根据权利要求3或4所述的方法，其特征在于，
所述补货变量为二进制变量。
6.根据权利要求3或4所述的方法，其特征在于，
所述补货策略包括：在当前库存量下降到所述临界库存时，将所述当前库存量补充至所述目标需求库存量；或者，在当前库存量下降到所述临界库存时，根据所述补货量补充库存。
7.一种库存的确定装置，其特征在于，包括：
获取模块，用于获取多种物品的物品数据；其中，所述物品数据包括成本参数、补货参数、需求参数和库存参数；
目标函数确定模块，用于根据所述成本参数，确定所述物品的库存持有成本，并以所述库存持有成本最小作为服务水平优化模型的目标函数；
线性转化模块，用于根据物品的补货参数、需求参数和库存参数对服务水平优化模型中的非线性函数进行线性转化；
求解模块，用于根据所述目标函数和转化后的线性函数，利用线性求解器对服务水平优化模型进行求解；
库存确定模块，用于根据求解结果，确定所述物品的服务水平，进而根据所述服务水平确定物品的库存。
8.根据权利要求7所述的装置，其特征在于，所述补货参数包括补货量、补货策略、临界库存，所述需求参数包括目标需求库存量、订货数量，所述库存参数包括期末库存量；还包括：
非线性函数确定模块，用于根据所述物品的补货策略，确定不同的补货策略分别对应的非线性函数；所述非线性函数指示了所述补货量与所述目标需求库存量之间的非线性关系；
补货变量和补货系数确定模块，用于确定补货变量和补货系数；
线性转化模块，还用于根据所述补货变量和所述补货参数将所述非线性函数转化为线性函数；其中，所述线性函数中包括所述临界库存与所述期末库存量之差与所述补货系数与补货变量的关系、以及对应的所述补货量与所述补货变量、所述目标需求库存量和所述期末库存量之间的线性关系，或者，对应的所述补货量与所述订货数量和所述补货变量之间的线性关系。
9.一种库存的确定电子设备，其特征在于，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1-6中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN202111613624.7A 2021-12-27 2021-12-27 一种库存的确定方法和装置 Active CN113988768B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111613624.7A CN113988768B (zh) 2021-12-27 2021-12-27 一种库存的确定方法和装置
PCT/CN2022/124281 WO2023124363A1 (zh) 2021-12-27 2022-10-10 库存的确定方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111613624.7A CN113988768B (zh) 2021-12-27 2021-12-27 一种库存的确定方法和装置

Publications (2)

Publication Number Publication Date
CN113988768A true CN113988768A (zh) 2022-01-28
CN113988768B CN113988768B (zh) 2022-11-08

Family

ID=79734488

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111613624.7A Active CN113988768B (zh) 2021-12-27 2021-12-27 一种库存的确定方法和装置

Country Status (2)

Country Link
CN (1) CN113988768B (zh)
WO (1) WO2023124363A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023124363A1 (zh) * 2021-12-27 2023-07-06 北京京东振世信息技术有限公司 库存的确定方法和装置
CN117057704A (zh) * 2023-06-30 2023-11-14 东风设备制造有限公司 一种复杂工况下多品类备件快速调度的方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150032512A1 (en) * 2013-07-26 2015-01-29 Teradata Corporation Method and system for optimizing product inventory cost and sales revenue through tuning of replenishment factors
CN107563705A (zh) * 2017-09-25 2018-01-09 四川长虹电器股份有限公司 利用大数据分析家电产品安全库存及再订货的系统和方法
CN110363454A (zh) * 2018-04-09 2019-10-22 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
US20210035250A1 (en) * 2019-06-27 2021-02-04 Tata Consultancy Services Limited Method and system for adaptive inventory replenishment
CN112784212A (zh) * 2019-11-05 2021-05-11 北京京东振世信息技术有限公司 一种优化库存的方法和装置
CN113128932A (zh) * 2021-04-16 2021-07-16 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
CN113780912A (zh) * 2020-09-21 2021-12-10 北京京东乾石科技有限公司 一种确定安全库存的方法及装置
CN113780913A (zh) * 2020-11-20 2021-12-10 北京京东振世信息技术有限公司 一种安全库存信息的生成方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
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

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150032512A1 (en) * 2013-07-26 2015-01-29 Teradata Corporation Method and system for optimizing product inventory cost and sales revenue through tuning of replenishment factors
CN107563705A (zh) * 2017-09-25 2018-01-09 四川长虹电器股份有限公司 利用大数据分析家电产品安全库存及再订货的系统和方法
CN110363454A (zh) * 2018-04-09 2019-10-22 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
US20210035250A1 (en) * 2019-06-27 2021-02-04 Tata Consultancy Services Limited Method and system for adaptive inventory replenishment
CN112784212A (zh) * 2019-11-05 2021-05-11 北京京东振世信息技术有限公司 一种优化库存的方法和装置
CN113780912A (zh) * 2020-09-21 2021-12-10 北京京东乾石科技有限公司 一种确定安全库存的方法及装置
CN113780913A (zh) * 2020-11-20 2021-12-10 北京京东振世信息技术有限公司 一种安全库存信息的生成方法和装置
CN113128932A (zh) * 2021-04-16 2021-07-16 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

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023124363A1 (zh) * 2021-12-27 2023-07-06 北京京东振世信息技术有限公司 库存的确定方法和装置
CN117057704A (zh) * 2023-06-30 2023-11-14 东风设备制造有限公司 一种复杂工况下多品类备件快速调度的方法及系统
CN117057704B (zh) * 2023-06-30 2024-06-14 东风设备制造有限公司 一种复杂工况下多品类备件快速调度的方法及系统

Also Published As

Publication number Publication date
WO2023124363A1 (zh) 2023-07-06
CN113988768B (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
CN113988768B (zh) 一种库存的确定方法和装置
CN111932161B (zh) 针对物品的车辆调度方法、装置、电子设备和计算机介质
CN110555578B (zh) 一种销量预测方法和装置
CN109961198B (zh) 关联信息生成方法和装置
CN109961306B (zh) 一种物品的库存分配方法和装置
CN111932189B (zh) 库存相关信息显示方法、装置、电子设备和计算机介质
CN113095893A (zh) 确定物品销量的方法和装置
CN110276652A (zh) 用于推送信息的方法和装置
CN111325587A (zh) 用于生成信息的方法和装置
CN113538028B (zh) 一种广告投放的方法和装置
CN114663015A (zh) 补货方法和装置
CN110020876A (zh) 一种信息生成方法和装置
CN109978421B (zh) 信息输出方法和装置
US20240020633A1 (en) Warehousing data processing method and apparatus, medium, and electronic device
CN116911574B (zh) 基于鲸鱼算法与随机森林的三级供应链优化方法及装置
CN112784212B (zh) 一种优化库存的方法和装置
CN113780912A (zh) 一种确定安全库存的方法及装置
CN109754199B (zh) 信息输出方法和装置
CN116128408A (zh) 智能补货方法、系统以及计算机可读介质
CN113222304B (zh) 一种库存调度方法和装置
CN111932191B (zh) 货架调度方法、装置、电子设备和计算机可读介质
CN110827047A (zh) 动态定价方法和装置
CN113256194B (zh) 确定配送中心自留库存的方法和装置
CN110751497B (zh) 一种商品补货方法和装置
CN112561552A (zh) 一种物品价值属性调整方法和装置

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