CN114037383A - 采购数据的确定方法及其装置、计算机可读存储介质 - Google Patents
采购数据的确定方法及其装置、计算机可读存储介质 Download PDFInfo
- Publication number
- CN114037383A CN114037383A CN202111343086.4A CN202111343086A CN114037383A CN 114037383 A CN114037383 A CN 114037383A CN 202111343086 A CN202111343086 A CN 202111343086A CN 114037383 A CN114037383 A CN 114037383A
- Authority
- CN
- China
- Prior art keywords
- data
- determining
- raw material
- sales
- estimated
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 239000002994 raw material Substances 0.000 claims abstract description 81
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 7
- 230000009194 climbing Effects 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 238000002922 simulated annealing Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 12
- 238000005516 engineering process Methods 0.000 abstract description 6
- 239000000463 material Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005057 refrigeration Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- KXLUWEYBZBGJRZ-POEOZHCLSA-N Canin Chemical compound O([C@H]12)[C@]1([C@](CC[C@H]1C(=C)C(=O)O[C@@H]11)(C)O)[C@@H]1[C@@]1(C)[C@@H]2O1 KXLUWEYBZBGJRZ-POEOZHCLSA-N 0.000 description 1
- GPFVKTQSZOQXLY-UHFFFAOYSA-N Chrysartemin A Natural products CC1(O)C2OC2C34OC3(C)CC5C(CC14)OC(=O)C5=C GPFVKTQSZOQXLY-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008436 biogenesis Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000019637 foraging behavior Effects 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
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
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Molecular Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Physiology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Genetics & Genomics (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种采购数据的确定方法及其装置、计算机可读存储介质。其中,该方法包括:获取目标产品的市场导向数据,其中,市场导向数据是对目标产品的销售数量产生影响的数据;利用市场导向数据预测目标产品的预估销售数量;确定预估销售数量对应的预定成本数据;通过预定算法对预定成本数据进行处理,以对预估销售数量进行优化,得到目标采购数据。本发明解决了针对相关技术中采购时无法控制原料采购量和产能的合理比例而导致各项生产成本较高的技术问题。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种采购数据的确定方法及其装置、计算机可读存储介质。
背景技术
制造企业在海外投资建厂是企业国际化的重要方式之一,然而在海外设置生产基地涉及到地理位置偏远、本土化差异、市场需求以及贮存成本等多方面因素考虑。企业在海外采购时需以市场为导向结合多方面因素考虑,采购多的情况下,原料便宜,但产能容易过剩,会导致额外的储存成本;采购少的情况下,原料会贵一些,生产成本增高,市场可能供不应求,所以亟待推出一种以市场为导向来平衡这几者的关系并且达到采购计划最优的目的的优化方法。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种采购数据的确定方法及其装置、计算机可读存储介质,以至少解决针对相关技术中采购时无法控制原料采购量和产能的合理比例而导致各项生产成本较高的技术问题。
根据本发明实施例的一个方面,提供了一种采购数据的确定方法,包括:获取目标产品的市场导向数据,其中,所述市场导向数据是对所述目标产品的销售数量产生影响的数据;利用所述市场导向数据预测所述目标产品的预估销售数量;确定所述预估销售数量对应的预定成本数据;通过预定算法对所述预定成本数据进行处理,以对所述预估销售数量进行优化,得到目标采购数据。
可选地,所述市场导向数据包括:当前销售时间、当前销售地点、历史销售数量、历史售价和销售策略。
可选地,所述利用所述市场导向数据预测所述目标产品的预估销售数量,包括:通过第一公式预测所述市场导向数据对应的所述预估销售数量,其中,所述第一公式为:Sj=Tj+Pj+Qj+Rj+Spj,Sj表示所述预估销售数量,Tj表示所述当前销售时间对所述预估销售数量的影响值,Pj表示所述当前销售地点对所述预估销售数量的影响值,Qj表示所述历史销售数量对所述预估销售数量的影响值,Rj表示所述历史售价对所述预估销售数量的影响值,Spj表示所述销售策略对所述预估销售数量的影响值,j表示所述目标产品的种类,j为正整数。
可选地,所述预定成本数据包括:采购成本数据、运输成本数据和库存管理成本数据。
可选地,所述确定所述预估销售数量对应的采购成本数据,包括:通过第二公式确定所述预估销售数量对应的所述采购成本,其中,所述第二公式为: Mc表示所述采购成本,xi表示第i种原材料在第一地点的采购量,yi表示所述第i种原材料在第二地点的采购量,ci表示所述第i种原材料在所述第一地点的采购单价,cbi表示所述第i种原材料在所述第二地点的采购单价,n表示所述原材料的种类数量,i表示所述原材料的种类。
可选地,所述第i种原材料在第一地点的采购量与所述第i种原材料在第二地点的采购量之和不小于所述第i种原材料的总需求量。
可选地,所述确定所述预估销售数量对应的运输成本数据,包括:通过第三公式确定所述预估销售数量对应的运输成本数据,其中,所述第三公式为: Tc表示所述运输成本数据,pcon表示运输所需集装箱的单价,wcon表示所述集装箱的单位承载量,yi表示第i种原材料在第二地点的采购量。
可选地,所述确定所述预估销售数量对应的库存管理成本数据,包括:通过第四公式确定所述预估销售数量对应的库存管理成本数据,其中,所述第四公式为:Ic表示所述库存管理费用,qi表示第i种原材料所需的仓库数量,ri表示所述第i种原材料单位时间内单位数量的存储单价,t1表示所述原材料在第一预定位置的库存时间,t2表示所述原材料在第二预定位置的库存时间。
可选地所述预定算法为以下之一:模拟退火算法、爬山算法、粒子群算法以及遗传算法。
根据本发明实施例的另外一个方面,还提供了一种采购数据的确定装置,包括:获取模块,用于获取目标产品的市场导向数据,其中,所述市场导向数据是对所述目标产品的销售数量产生影响的数据;预测模块,用于利用所述市场导向数据预测所述目标产品的预估销售数量;确定模块,用于确定所述预估销售数量对应的预定成本数据;优化模块,用于通过预定算法对所述预定成本数据进行处理,以对所述预估销售数量进行优化,得到目标采购数据。
可选地,所述市场导向数据包括:当前销售时间、当前销售地点、历史销售数量、历史售价和销售策略。
可选地,所述预测模块,包括:预估单元,用于通过第一公式预测所述市场导向数据对应的所述预估销售数量,其中,所述第一公式为:Sj=Tj+Pj+Oj+Rj+Spj,Sj表示所述预估销售数量,Tj表示所述当前销售时间对所述预估销售数量的影响值,Pj表示所述当前销售地点对所述预估销售数量的影响值,Oj表示所述历史销售数量对所述预估销售数量的影响值,Rj表示所述历史售价对所述预估销售数量的影响值,Spj表示所述销售策略对所述预估销售数量的影响值,j表示所述目标产品的种类,j为正整数。
可选地,所述预定成本数据包括:采购成本数据、运输成本数据和库存管理成本数据。
可选地,所述确定所述预估销售数量对应的采购成本数据,包括:第一确定单元,用于通过第二公式确定所述预估销售数量对应的所述采购成本,其中,所述第二公式为:Mc表示所述采购成本,xi表示第i种原材料在第一地点的采购量,yi表示所述第i种原材料在第二地点的采购量,cj表示所述第i种原材料在所述第一地点的采购单价,cbi表示所述第i种原材料在所述第二地点的采购单价,n表示所述原材料的种类数量,i表示所述原材料的种类。
可选地,所述第i种原材料在第一地点的采购量与所述第i种原材料在第二地点的采购量之和不小于所述第i种原材料的总需求量。
可选地,所述确定所述预估销售数量对应的运输成本数据,包括:第二确定单元,用于通过第三公式确定所述预估销售数量对应的运输成本数据,其中,所述第三公式为:Tc表示所述运输成本数据,pcon表示运输所需集装箱的单价,wcon表示所述集装箱的单位承载量,yi表示第i种原材料在第二地点的采购量。
可选地,所述确定所述预估销售数量对应的库存管理成本数据,包括:第三确定单元,用于通过第四公式确定所述预估销售数量对应的库存管理成本数据,其中,所述第四公式为:Ic表示所述库存管理费用,qi表示第i种原材料所需的仓库数量,ri表示所述第i种原材料单位时间内单位数量的存储单价,t1表示所述原材料在第一预定位置的库存时间,t2表示所述原材料在第二预定位置的库存时间。
可选地,所述预定算法为以下之一:模拟退火算法、爬山算法、粒子群算法以及遗传算法。
根据本发明实施例的另外一个方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序被处理器运行时控制所述计算机可读存储介质所在设备执行上述任一项所述的采购数据的确定方法。
根据本发明实施例的另外一个方面,还提供了一种处理器,所述处理器用于运行计算机程序,其中,所述计算机程序运行时执行上述中任一项所述的采购数据的确定方法。
在本发明实施例中,获取目标产品的市场导向数据,其中,市场导向数据是对目标产品的销售数量产生影响的数据;利用市场导向数据预测目标产品的预估销售数量;确定预估销售数量对应的预定成本数据;通过预定算法对预定成本数据进行处理,以对预估销售数量进行优化,得到目标采购数据。通过本发明实施例的采购数据的确定方法,达到了利用获取到的目标产品的市场导向数据预估销售数量以及预定成本数据并利用销售数量以及预定成本数据对预估销售数量进行优化的目的,从而实现了降低生产成本的技术效果,进而解决了针对相关技术中采购时无法控制原料采购量和产能的合理比例而导致各项生产成本较高的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的采购数据的确定方法的流程图;
图2是根据本发明实施例的基于市场需求的采购计划优化方法的流程图;
图3是根据本发明实施例的采购数据的确定装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种采购数据的确定方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的采购数据的确定方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取目标产品的市场导向数据,其中,市场导向数据是对目标产品的销售数量产生影响的数据。
可选的,在上述步骤中,市场导向数据主要指的是对目标产品的销售数量产生影响的数据,例如:销售的当季时间、销售面向的地点、往年同期时产品的销量、往年同等定位产品的价格以及当地对于目标产品的销售政策等。
步骤S104,利用市场导向数据预测目标产品的预估销售数量。
可选的,在上述步骤中,可以将所有市场导向数据综合起来并赋予不同的权重,并通过一定的算法来预估出当年的销售数量。
步骤S106,确定预估销售数量对应的预定成本数据。
可选的,在上述步骤中,可以将预估出的销售数量结合各方面的成本来计算出总的预定成本数据。
步骤S108,通过预定算法对预定成本数据进行处理,以对预估销售数量进行优化,得到目标采购数据。
由上可知,在本发明实施例中,首先可以获取目标产品的市场导向数据,其中,市场导向数据是对目标产品的销售数量产生影响的数据;接着利用市场导向数据预测目标产品的预估销售数量;再确定预估销售数量对应的预定成本数据;最后通过预定算法对预定成本数据进行处理,以对预估销售数量进行优化,得到目标采购数据。通过本发明实施例的采购数据的确定方法,达到了利用获取到的目标产品的市场导向数据预估销售数量以及预定成本数据并利用销售数量以及预定成本数据对预估销售数量进行优化的目的,从而实现了降低生产成本的技术效果,进而解决了针对相关技术中采购时无法控制原料采购量和产能的合理比例而导致各项生产成本较高的技术问题。
由于在不同的时间对同一产品的需求量不足,如通常来说在夏天对空调的需求量与冬天对空调的需求量不同;在不同地方的人可能对空调的需求量也不一样,如在北方地区的居民相对比南方居民对空调的需求量少;因此,在本发明实施例中,将时间以及地点作为预测市场销量的因素。
另外,也可以通过往年同期销量进行简单的数学分析预测当年的产品销量。通常来说公司每年对应不同档次的产品,都会主推几款,可以通过类比往年同等定位的产品销量,预测今年的产品销量。公司的促销政策对产品销量的影响。因此,在本发明实施例中,也将往年同期产品销量、往年同等定位产品价格、销售政策这几个因素作为预测市场销量的因素。
作为一种可选的实施例,市场导向数据包括:当前销售时间、当前销售地点、历史销售数量、历史售价和销售策略。
在该实施例中,影响市场导向的数据包括但不限于:当前销售时间、当前销售地点、历史销售数量、历史售价以及销售策略等。
进一步地,例如,目标销售产品为制冷空调器,则要考虑当前销售的时间、季节,如果季节为冬天,体感温度低于15℃,则会大大影响制冷空调器的销售数量,此时需要对销售策略进行调整,以达到销售数据的最大化。
又例如,目标销售产品去年历史销售数量低于平均预期,分析原因为市场份额被海外当地本土企业蚕食,而当年度市场份额并没有很大提升,此时则需要减小预估销售数量,以避免备货过多造成的不必要损失。
作为一种可选的实施例,利用市场导向数据预测目标产品的预估销售数量,包括:通过第一公式预测市场导向数据对应的预估销售数量,其中,第一公式为:Sj=Tj+Pj+Oj+Rj+Spj,Sj表示预估销售数量,Tj表示当前销售时间对预估销售数量的影响值,Pj表示当前销售地点对预估销售数量的影响值,Oi表示历史销售数量对预估销售数量的影响值,Ri表示历史售价对预估销售数量的影响值,Spj表示销售策略对预估销售数量的影响值,j表示目标产品的种类,j为正整数。
需要说明的是,在上述可选的实施例中,众多影响因子共同作用影响预估销售数量,而影响因子之间也可能存在影响作用。例如,当目标销售产品为制冷空调器时,并且海外当地气温下降的时候,由于预估销售数量可能减小,则认为改变销售策略为对制冷空调器打折以促进销售,此时,当前销售时间间接影响了销售策略这一参数。
作为一种可选的实施例,预定成本数据包括:采购成本数据、运输成本数据和库存管理成本数据。
需要指出的是,采购成本数据指的是企业在对目标销售产品进行采购的成本支出,大致分为从国内工厂采购以及从当地工厂采购两种途径,其中,如果从国内工厂采购的情况下,运输成本则会大大增加,如果从当地工厂采购的情况下,仓储成本则会大大增加。
作为一种可选的实施例,确定预估销售数量对应的采购成本数据,包括:通过第二公式确定预估销售数量对应的采购成本,其中,第二公式为: Mc表示采购成本,xi表示第i种原材料在第一地点的采购量,yi表示第i种原材料在第二地点的采购量,ci表示第i种原材料在第一地点的采购单价,cbi表示第i种原材料在第二地点的采购单价,n表示原材料的种类数量,i表示原材料的种类。
在上述可选的实施例中,利用预估销售数量来确定采购成本数据通过第二公式确定预估销售数量对应的采购成本,其中,第二公式为将在国内(即第一地点)采购的采购量与采购成本相乘的值与在本土(即第二地点)采购的采购量与采购成本相乘的值相加所得到。
作为一种可选的实施例,第i种原材料在第一地点的采购量与第i种原材料在第二地点的采购量之和不小于第i种原材料的总需求量。
即,xi+yi≥Qi,i=1,2...n。
需要说明的是,在本发明实施例中,ci=W(Mi),cbi=Wb(Mi)。其中,W(Mi)表示市场预估销量和原材料本地采购成本价格的函数关系,Wb(Mi)表示市场预估销量和跨国原材料采购价格的函数关系。
作为一种可选的实施例,确定预估销售数量对应的运输成本数据,包括:通过第三公式确定预估销售数量对应的运输成本数据,其中,第三公式为: Tc表示运输成本数据,pcon表示运输所需集装箱的单价,wcon表示集装箱的单位承载量,yi表示第i种原材料在第二地点的采购量。
需要说明的是,利用预估销售数量来确定运输成本数据可以首先用多个在本土(即第二地点)的采购量除集装箱的单位承载量计算出所需集装箱数量,再将所需集装箱数量乘运输所需集装箱的单价求出总的运输成本数据。
作为一种可选的实施例,确定预估销售数量对应的库存管理成本数据,包括:通过第四公式确定预估销售数量对应的库存管理成本数据,其中,第四公式为:Ic表示库存管理费用,qi表示第i种原材料所需的仓库数量,ri表示第i种原材料单位时间内单位数量的存储单价,t1表示原材料在第一预定位置的库存时间,t2表示原材料在第二预定位置的库存时间。
在该实施例中,利用预估销售数量来计算库存管理成本数据可以通过将多种原材料所需的仓库数量与对应的多种原材料单位时间内单位数量的存储单价相乘的结果,再乘原材料在第一预定位置的库存时间与原材料在第二预定位置的库存时间之和的值,求得总的库存管理费用。
作为一种可选的实施例,预定算法为以下之一:模拟退火算法、爬山算法、粒子群算法以及遗传算法。
需要说明的是,上述实施例中的模拟退火算法是一种可以在局部最优解能概率性地跳出并最终求得全局最优解的算法;爬山算法是一种局部择优的算法,采用启发式方法,对深度优先搜索进行了改进;粒子群算法是一种通过鸟群觅食行为而发展起来的基于群体协作的随机搜索算法;遗传算法是一种模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型。
图2是根据本发明实施例的基于市场需求的采购计划优化方法的流程图,如图2所示,首先考虑当前的市场各种因素对产品销量的影响,如时间、地点、往年同期产品销量、往年同等定位产品价格销量、销售政策等多方面因素考虑;再针对以市场为导向考虑到当前五大因素,比如,时间,在不同的时间对同一产品的需求量不足,如通常来说在夏天对空调的需求量与冬天对空调的需求量不同;地点,在不同地方的人可能对空调的需求量也不一样,如在北方地区的居民相对比南方居民对空调的需求量少;往年同期产品销量,我们可以通过往年同期销量进行简单的数学分析预测今年的空调销量;往年同等定位产品价格,通常来说公司每年对应不同档次的空调,都会主推几款,我们可以通过类比往年同等定位的产品销量,预测今年的产品销量;销售政策,公司的促销政策对产品销量的影响,接着设置以下变量建立模型预测市场销量,再建立数学模型,结合市场情况,预估市场销量,并分析采购量、运输成本、仓储成本,最后通过算法不断迭代,求出最优采购计划。
由上可知,在本发明实施例中,通过以市场导向为主,物流能力、仓储能力等因素为辅,综合考虑,使采购成本达到最低,并利用大数据分析现有物料散件的供应方式、市场对产品的需求量,存贮成本和采购成本的综合比对,使得企业的采购计划达到最优。
实施例2
根据本发明实施例的另外一个方面,还提供了一种采购数据的确定装置,图3是根据本发明实施例的采购数据的确定装置的示意图,如图3所示,该采购数据的确定装置包括:获取模块31、预测模块33、确定模块35以及优化模块37。下面对该采购数据的确定装置进行说明。
获取模块31,用于获取目标产品的市场导向数据,其中,市场导向数据是对目标产品的销售数量产生影响的数据。
预测模块33,用于利用市场导向数据预测目标产品的预估销售数量。
确定模块35,用于确定预估销售数量对应的预定成本数据。
优化模块37,用于通过预定算法对预定成本数据进行处理,以对预估销售数量进行优化,得到目标采购数据。
此处需要说明的是,上述获取模块31、预测模块33、确定模块35以及优化模块37对应于实施例1中的步骤S102至S108,上述模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
由上可知,在本发明实施例中,首先可以利用获取模块31获取目标产品的市场导向数据,其中,市场导向数据是对目标产品的销售数量产生影响的数据;接着借助预测模块33利用市场导向数据预测目标产品的预估销售数量;再利用确定模块35确定预估销售数量对应的预定成本数据;最后借助优化模块37通过预定算法对预定成本数据进行处理,以对预估销售数量进行优化,得到目标采购数据。通过本发明实施例的采购数据的确定装置,达到了利用获取到的目标产品的市场导向数据预估销售数量以及预定成本数据并利用销售数量以及预定成本数据对预估销售数量进行优化的目的,从而实现了降低生产成本的技术效果,进而解决了针对相关技术中采购时无法控制原料采购量和产能的合理比例而导致各项生产成本较高的技术问题。
可选地,市场导向数据包括:当前销售时间、当前销售地点、历史销售数量、历史售价和销售策略。
可选地,预测模块,包括:预估单元,用于通过第一公式预测市场导向数据对应的预估销售数量,其中,第一公式为:Sj=Tj+Pj+Oj+Rj+Spj,Sj表示预估销售数量,Tj表示当前销售时间对预估销售数量的影响值,Pj表示当前销售地点对预估销售数量的影响值,Qj表示历史销售数量对预估销售数量的影响值,Rj表示历史售价对预估销售数量的影响值,Spi表示销售策略对预估销售数量的影响值,j表示目标产品的种类,j为正整数。
可选地,预定成本数据包括:采购成本数据、运输成本数据和库存管理成本数据。
可选地,确定预估销售数量对应的采购成本数据,包括:第一确定单元,用于通过第二公式确定预估销售数量对应的采购成本,其中,第二公式为: Mc表示采购成本,xi表示第i种原材料在第一地点的采购量,yi表示第i种原材料在第二地点的采购量,ci表示第i种原材料在第一地点的采购单价,cbi表示第i种原材料在第二地点的采购单价,n表示原材料的种类数量,i表示原材料的种类。
可选地,第i种原材料在第一地点的采购量与第i种原材料在第二地点的采购量之和不小于第i种原材料的总需求量。
可选地,确定预估销售数量对应的运输成本数据,包括:第二确定单元,用于通过第三公式确定预估销售数量对应的运输成本数据,其中,第三公式为: Tc表示运输成本数据,pcon表示运输所需集装箱的单价,wcon表示集装箱的单位承载量,yi表示第i种原材料在第二地点的采购量。
可选地,确定预估销售数量对应的库存管理成本数据,包括:第三确定单元,用于通过第四公式确定预估销售数量对应的库存管理成本数据,其中,第四公式为:Ic表示库存管理费用,qi表示第i种原材料所需的仓库数量,ri表示第i种原材料单位时间内单位数量的存储单价,t1表示原材料在第一预定位置的库存时间,t2表示原材料在第二预定位置的库存时间。
可选地,预定算法为以下之一:模拟退火算法、爬山算法、粒子群算法以及遗传算法。
实施例3
根据本发明实施例的另外一个方面,还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的计算机程序,其中,在计算机程序被处理器运行时控制计算机可读存储介质所在设备执行上述任一项的采购数据的确定方法。
实施例4
根据本发明实施例的另外一个方面,还提供了一种处理器,处理器用于运行计算机程序,其中,计算机程序运行时执行上述中任一项的采购数据的确定方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种采购数据的确定方法,其特征在于,包括:
获取目标产品的市场导向数据,其中,所述市场导向数据是对所述目标产品的销售数量产生影响的数据;
利用所述市场导向数据预测所述目标产品的预估销售数量;
确定所述预估销售数量对应的预定成本数据;
通过预定算法对所述预定成本数据进行处理,以对所述预估销售数量进行优化,得到目标采购数据。
2.根据权利要求1所述的方法,其特征在于,所述市场导向数据包括:当前销售时间、当前销售地点、历史销售数量、历史售价和销售策略。
3.根据权利要求2所述的方法,其特征在于,所述利用所述市场导向数据预测所述目标产品的预估销售数量,包括:
通过第一公式预测所述市场导向数据对应的所述预估销售数量,其中,所述第一公式为:Sj=Tj+Pj+Oj+Rj+Spj,Sj表示所述预估销售数量,Tj表示所述当前销售时间对所述预估销售数量的影响值,Pj表示所述当前销售地点对所述预估销售数量的影响值,Oj表示所述历史销售数量对所述预估销售数量的影响值,Rj表示所述历史售价对所述预估销售数量的影响值,Spj表示所述销售策略对所述预估销售数量的影响值,j表示所述目标产品的种类,j为正整数。
4.根据权利要求1所述的方法,其特征在于,所述预定成本数据包括:采购成本数据、运输成本数据和库存管理成本数据。
6.根据权利要求5所述的方法,其特征在于,所述第i种原材料在第一地点的采购量与所述第i种原材料在第二地点的采购量之和不小于所述第i种原材料的总需求量。
9.根据权利要求1至8中任一项所述的方法,其特征在于,所述预定算法为以下之一:模拟退火算法、爬山算法、粒子群算法以及遗传算法。
10.一种采购数据的确定装置,其特征在于,包括:
获取模块,用于获取目标产品的市场导向数据,其中,所述市场导向数据是对所述目标产品的销售数量产生影响的数据;
预测模块,用于利用所述市场导向数据预测所述目标产品的预估销售数量;
确定模块,用于确定所述预估销售数量对应的预定成本数据;
优化模块,用于通过预定算法对所述预定成本数据进行处理,以对所述预估销售数量进行优化,得到目标采购数据。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序被处理器运行时控制所述计算机可读存储介质所在设备执行上述权利要求1至9中任一项所述的采购数据的确定方法。
12.一种处理器,其特征在于,所述处理器用于运行计算机程序,其中,所述计算机程序运行时执行上述权利要求1至9中任一项所述的采购数据的确定方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111343086.4A CN114037383A (zh) | 2021-11-12 | 2021-11-12 | 采购数据的确定方法及其装置、计算机可读存储介质 |
PCT/CN2022/088818 WO2023082553A1 (zh) | 2021-11-12 | 2022-04-24 | 采购数据的确定方法及其装置、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111343086.4A CN114037383A (zh) | 2021-11-12 | 2021-11-12 | 采购数据的确定方法及其装置、计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114037383A true CN114037383A (zh) | 2022-02-11 |
Family
ID=80137588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111343086.4A Pending CN114037383A (zh) | 2021-11-12 | 2021-11-12 | 采购数据的确定方法及其装置、计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114037383A (zh) |
WO (1) | WO2023082553A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114581159A (zh) * | 2022-05-04 | 2022-06-03 | 爱迪森(北京)生物科技有限公司 | 基于大数据分析的仓储预测方法、系统和可读存储介质 |
WO2023082553A1 (zh) * | 2021-11-12 | 2023-05-19 | 珠海格力电器股份有限公司 | 采购数据的确定方法及其装置、计算机可读存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116992350A (zh) * | 2023-09-25 | 2023-11-03 | 湖南前行科创有限公司 | 一种基于大数据的产业供应链优化方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799979A (zh) * | 2012-08-09 | 2012-11-28 | 常熟市宏华外贸包装有限责任公司 | 一种纸板制造企业用erp管理系统 |
CN106096897A (zh) * | 2016-07-29 | 2016-11-09 | 安徽理工大学 | 一种跨区域电商配送系统及其效能评价方法 |
CN109460957A (zh) * | 2018-11-12 | 2019-03-12 | 北京航天智造科技发展有限公司 | 一种基于量子遗传模拟退火算法的仓储补货方法 |
CN110060016A (zh) * | 2019-04-30 | 2019-07-26 | 深圳春沐源控股有限公司 | 生鲜备货方法、装置、计算机设备及存储介质 |
CN112257978A (zh) * | 2020-09-16 | 2021-01-22 | 北京豆牛网络科技有限公司 | 智能化调度农产品资源的方法和装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107153880B (zh) * | 2016-03-02 | 2021-08-03 | 菜鸟智能物流控股有限公司 | 一种调拨采购方法、装置和设备 |
CN107169689B (zh) * | 2016-03-07 | 2020-09-11 | 中国石油化工股份有限公司 | 一种基于粒子群算法的货物采购及拼船/车运输方法 |
CN107169690B (zh) * | 2016-03-07 | 2022-04-05 | 中国石油化工股份有限公司 | 一种基于模拟退火算法的货物采购及拼船/车运输方法 |
CN106611240A (zh) * | 2016-07-27 | 2017-05-03 | 四川用联信息技术有限公司 | 基于进化算法的K_Means算法解决制造业物料采购问题 |
CN109214601A (zh) * | 2018-10-31 | 2019-01-15 | 四川长虹电器股份有限公司 | 家电行业大数据销量预测方法 |
CN111242532A (zh) * | 2020-01-03 | 2020-06-05 | 秒针信息技术有限公司 | 一种采购管理方法、装置和电子设备 |
CN111242531A (zh) * | 2020-01-03 | 2020-06-05 | 秒针信息技术有限公司 | 一种原料管控方法、装置和电子设备 |
CN114037383A (zh) * | 2021-11-12 | 2022-02-11 | 珠海格力电器股份有限公司 | 采购数据的确定方法及其装置、计算机可读存储介质 |
-
2021
- 2021-11-12 CN CN202111343086.4A patent/CN114037383A/zh active Pending
-
2022
- 2022-04-24 WO PCT/CN2022/088818 patent/WO2023082553A1/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799979A (zh) * | 2012-08-09 | 2012-11-28 | 常熟市宏华外贸包装有限责任公司 | 一种纸板制造企业用erp管理系统 |
CN106096897A (zh) * | 2016-07-29 | 2016-11-09 | 安徽理工大学 | 一种跨区域电商配送系统及其效能评价方法 |
CN109460957A (zh) * | 2018-11-12 | 2019-03-12 | 北京航天智造科技发展有限公司 | 一种基于量子遗传模拟退火算法的仓储补货方法 |
CN110060016A (zh) * | 2019-04-30 | 2019-07-26 | 深圳春沐源控股有限公司 | 生鲜备货方法、装置、计算机设备及存储介质 |
CN112257978A (zh) * | 2020-09-16 | 2021-01-22 | 北京豆牛网络科技有限公司 | 智能化调度农产品资源的方法和装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023082553A1 (zh) * | 2021-11-12 | 2023-05-19 | 珠海格力电器股份有限公司 | 采购数据的确定方法及其装置、计算机可读存储介质 |
CN114581159A (zh) * | 2022-05-04 | 2022-06-03 | 爱迪森(北京)生物科技有限公司 | 基于大数据分析的仓储预测方法、系统和可读存储介质 |
CN114581159B (zh) * | 2022-05-04 | 2022-08-12 | 爱迪森(北京)生物科技有限公司 | 基于大数据分析的仓储预测方法、系统和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2023082553A1 (zh) | 2023-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114037383A (zh) | 采购数据的确定方法及其装置、计算机可读存储介质 | |
Giannoccaro et al. | Inventory management in supply chains: a reinforcement learning approach | |
Subulan et al. | A case-oriented approach to a lead/acid battery closed-loop supply chain network design under risk and uncertainty | |
US20170185933A1 (en) | Distribution-Independent Inventory Approach under Multiple Service Level Targets | |
TW542982B (en) | Dynamic pricing system | |
Bu et al. | A game-theoretical decision-making scheme for electricity retailers in the smart grid with demand-side management | |
Yang et al. | Evaluation of robustness of supply chain information-sharing strategies using a hybrid Taguchi and multiple criteria decision-making method | |
Agrawal et al. | Optimal inventory management for a retail chain with diverse store demands | |
CA3235875A1 (en) | Method and system for generation of at least one output analytic for a promotion | |
CN109272268B (zh) | 电力物资出库量测算方法及系统 | |
JP2007004646A (ja) | 電力取引支援システム及び電力取引支援プログラム | |
US9805321B2 (en) | Eco score analytics system | |
CN116739217A (zh) | 一种基于供应链大数据平台的零售管理方法及系统 | |
Guan et al. | Incorporating risk aversion and time preference into omnichannel retail operations considering assortment and inventory optimization | |
KR102217886B1 (ko) | 빅데이터 기반 상품 투자 추천 알고리즘의 최적 가중치를 인공지능을 이용하여 탐색하는 시스템 및 방법 | |
CN114240473A (zh) | 基于sku智能补货的方法及系统 | |
Hung et al. | Capacity rationing decision procedures with order profit as a continuous random variable | |
JP2004334326A (ja) | 商品需要予測システム、商品の売上数調整システム | |
RU197055U1 (ru) | Автоматизированное устройство планирования ассортимента товара | |
JP7308073B2 (ja) | 物流管理システム | |
Puspitasari et al. | Inventory Forecasting Analysis using The Weighted Moving Average Method in Go Public Trading Companies: English | |
Ajupov et al. | Optimization of interaction of industrial enterprises and marketing network | |
JP6753562B2 (ja) | 不動産活用提案システム、方法、及びコンピュータプログラム | |
CN114219405A (zh) | 一种基于随机立减算法的库存平衡管理方法及系统 | |
CN114004419A (zh) | 采购方案的优化方法及其装置、计算机可读存储介质 |
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 |