CN114186181B - 一种面向备件供应的多级冗余集采控制方法 - Google Patents

一种面向备件供应的多级冗余集采控制方法 Download PDF

Info

Publication number
CN114186181B
CN114186181B CN202210140769.8A CN202210140769A CN114186181B CN 114186181 B CN114186181 B CN 114186181B CN 202210140769 A CN202210140769 A CN 202210140769A CN 114186181 B CN114186181 B CN 114186181B
Authority
CN
China
Prior art keywords
ord
order
num
redundancy
supply
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
Application number
CN202210140769.8A
Other languages
English (en)
Other versions
CN114186181A (zh
Inventor
朱捷
曾海南
丁庆
杨艳丽
范亚国
郑宁斯
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.)
Sichuan Branch Of National Energy Group Materials Co ltd
Original Assignee
Southwest Distribution Center Of National Energy Group Materials 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 Southwest Distribution Center Of National Energy Group Materials Co ltd filed Critical Southwest Distribution Center Of National Energy Group Materials Co ltd
Priority to CN202210140769.8A priority Critical patent/CN114186181B/zh
Publication of CN114186181A publication Critical patent/CN114186181A/zh
Application granted granted Critical
Publication of CN114186181B publication Critical patent/CN114186181B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q30/0283—Price estimation or determination

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • Computational Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Finance (AREA)
  • Operations Research (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明属于数据处理技术领域，尤其涉及一种面向备件供应的多级冗余集采控制方法，方法具体包括，根据预设时间段中的订单数据结合订单变化接受率计算待处理备件的订单集合的实际采购数量，所述订单集合的实际采购数量通过订单中的采购数量与订单变化接受率的乘积获取；获取待处理备件的冗余量数据，所述冗余量数据包括在途冗余量、风险冗余量和/或成本平衡冗余量；根据所述实际采购数量以及冗余量数据的和获取最终采购数量；该方法在面对大量不确定性采购需求波动时，采用了多级别的冗余处理，通过多级叠加，逐渐使采购量与实际用量相接近，与传统人工经验确定采购量相比有更强的实用性与指导作用，尤其适合新生的采购平台或企业。

Description

一种面向备件供应的多级冗余集采控制方法
技术领域
本发明属于数据处理技术领域，具体而言，涉及一种面向备件供应的多级冗余集采控制方法。
背景技术
在面向大型机构或机构群体进行重要部件的供应链采购场景中，企业为降低库存或挤压成本，逐渐采用共享部件或集中部件供应的模式。即由单独的企业或事务部门负责多个需求方的部件采购与供应。这使得采购供应的压力转移到了实施集中采购的企业或部门，这种转变对采购部门的工作计划与实施提出了更高要求。
采购部门在面对多方共需的场景下，需要根据更为复杂的条件和要求合理地制定采购计划。如需要综合考虑采购数量、采购时间、当前库存、供应计划等因素，其中对采购数量的控制是最为核心的部分。因需求方为减少库存和积压，会经常退回未使用的部件，这使得需求方上报的数量普遍性与实际用量不符合。若集中采购方采购的数量偏少，容易造成需求单位或部门无法进行使用，影响生产，使得集中采购失去价值。若采购数量偏多，负责采购的企业容易出现库存积压、挤占现金流，甚至导致集采企业发生亏损。
目前已公开的方法中，主要采用基于历史数据进行需求预测的方法。该类方法一方面在实际限制条件较多，对历史数据的准确性较高、对数据体量要求较大，另一方面单一的计算依据使得采购决策的风险较高。这些特点使得新建的集中采购式的企业或部门难以较好地适用。因此急需一种在对历史数据要求不高的条件下的采购数量控制方法。
发明内容
本发明的目的在于提供一种面向备件供应的多级冗余集采控制方法，其仅需根据少量历史数据，对实际采购需求实现合理控制，减少库存积压或不足的波动情况。
本发明的实施例通过以下技术方案实现：
一种面向备件供应的多级冗余集采控制方法，包括如下步骤：
S1.根据预设时间段中的订单数据结合订单变化接受率Racc计算待处理备件的订单集合ORD的实际采购数量ORD_NUM_T，所述订单集合ORD的实际采购数量ORD_NUM_T通过订单中的采购数量与订单变化接受率Racc的乘积获取；
S2.获取待处理备件的冗余量数据，所述冗余量数据包括在途冗余量NUM_SUPPLY、风险冗余量ORD_NUM_R和/或成本平衡冗余量ORD_NUM_BL；
所述在途冗余量NUM_SUPPLY通过供应组数量与全部历史订单中每单退回采购数量的中位数的乘积获取；
所述风险冗余量ORD_NUM_R通过所述订单集合ORD的实际采购数量ORD_NUM_T与风险值的乘积获取，所述风险值为基础风险值和非稳定性需求风险值两者相加后的平均值，其中，所述基础风险值根据订单需求数量的中位数与订单的平均需求数量获取，所述非稳定性需求风险值根据需求方相邻订单的下单时间差均值获取；
所述成本平衡冗余量ORD_NUM_BL由成本节省预测值与成本损失预测值之差除以当前采购价获取；
S3.根据所述实际采购数量以及冗余量数据的和获取最终采购数量NUM。
进一步的，所述S1具体包括：
S11.选取订单数据中一种备件作为待处理备件，并选取所有包含该备件的订单形成订单集合ORD，ORD∈{ORD1、ORD2、ORD3、……、ORDN}，N为正整数；
S12.对订单集合ORD按需求方进行分类，形成需求订单集合ORD_SET，其中，所述需求订单集合ORD_SET包括多个需求方订单集合ORD_SETC，所述需求方订单集合ORD_SETC中包括多个订单ORD_X，其中，C表示需求方的唯一识别信息码，ORD_X∈{ ORD_X 1、ORD_X 2、ORD_X 3、……、ORD_X M}，M为正整数；
S13.获取当前需求方对所述待处理备件的实际采购基数ORD_NUM_TC，如下式（1）所示，
Figure 587135DEST_PATH_IMAGE001
（1）
其中，od表示当前需求方在订单集合ORD中，对所述待处理备件的订单总数，ORD_NUMn表示所述待处理备件在订单中的采购数量，n属于正整数，Racc表示采购方对订单的变化接受率；
S14.通过对所有需求方的实际采购基数ORD_NUM_TC进行求和获取所述订单集合ORD的实际采购数量ORD_NUM_T。
进一步的，所述变化接受率Racc的获取具体如下式（2）所示，
Figure 385458DEST_PATH_IMAGE002
（2）
其中，A表示订单数据中待处理备件的需求方数量，tend表示所述待处理备件在所述预设时间段中最后一次订单的下单时间，tstart表示所述待处理备件在所述预设时间段中第一次订单的下单时间，tthis表示当前需求方在所述预设时间段中对所述待处理备件当次订单的下单时间，tprev表示当前需求方在所述预设时间段中对所述待处理备件前一次订单的下单时间，所述变化接受率Racc的值大于1时取1。
进一步的，所述在途冗余量NUM_SUPPLY的获取具体如下：
Q11.将待处理备件的订单集合ORD中的订单按期望供应时间的先后顺序进行排序，得到订单排序集合ORD-SETspl，并设定供应组列表Gspl，所述列表Gspl初始时为空；
Q12.获取所述待处理备件的各需求方的全供应使用周期时长，得到集合TS{ts1、ts2、ts3、……、tsk}，k属于正整数，所述集合TS表示采购方对各需求方的供应耗时；
Q13.从所述订单排序集合ORD-SETspl中获取当前排序第一的订单ORD_E，并核对所述列表Gspl中是否有空闲供应组，若有则进入Q14，否则进入Q15；
Q14.选择转变为空闲状态排序中第一的供应组为待安排供应组，并将订单ORD_E安排给所述待安排供应组，再进入Q16；
Q15.创建新的供应组加入所述列表Gspl中，并将订单ORD_E安排给所述新的供应组，再进入Q16；
Q16.获取被安排供应组对订单ORD_E的计划完成时间Treturn，所述计划完成时间Treturn通过安排时间加上对应的全供应使用周期时长获取；
Q17.重复Q13-Q16，直到所述订单集合ORD中的所有订单被安排时，进入Q18；
Q18.获取列表Gspl的列表长度Gsize，再获取待处理备件每个历史订单的退回数量的中位数Remed，通过列表长度Gsize与中位数Remed的乘积获取所述在途冗余量NUM_SUPPLY。
进一步的，所述供应耗时的计算如下式（3）所示，
Figure 695216DEST_PATH_IMAGE003
（3）
其中tsi∈TS，i∈{1、2、3、……、k}，Tapply表示所述待处理备件投入使用的平均时间， Dis表示当前需求方到库房的距离，V表示所述待处理备件配送时的平均速度，Tb表示修正值。
进一步的，所述基础风险值的获取具体如下：
Q21.将待处理备件的订单集合ORD中的订单按需求数量由小到大排序，并获取所有订单需求数量的中位数NUMmed；
Q22. 根据待处理备件的订单集合ORD中所有订单的需求之和计算每个订单的平均需求数量NUMmean；
Q23.根据订单需求数量的中位数NUMmed与平均需求数量NUMmean计算所述基础风险值，如下式（4）所示，
Figure 828257DEST_PATH_IMAGE004
（4）
其中，Rbr表示基础风险值。
进一步的，所述非稳定性需求风险值的获取具体如下：
Q31.将待处理备件的需求方订单集合ORD_SETC中的多个订单ORD_X按订单生成时间从早到晚排序，获得序列ORD_SET_RO；
Q32.计算每个需求方序列ORD_SET_RO中相邻两个订单下单的时间差，并获取每个需求方下单的时间差均值，若序列ORD_SET_RO中订单数量小于2，则时间差均值为0；得到集合Tdis∈{tdis1,tdis2,tdis3、……、tdisH}，其中H为需求方的数量；
Q33.根据集合Tdis获取非稳定性需求风险值，具体如下式（5）所示，
Figure 881664DEST_PATH_IMAGE005
（5）
其中，tdismax表示时间均差值的最大值，tdismin表示时间均差值的最小值，h∈{1、2、3、……、H}，Rtr表示非稳定性需求风险值。
进一步的，所述成本平衡冗余量ORD_NUM_BL的获取具体如下：
Q41.根据历史采购订单获取待处理备件的最高单价Pmax和最低单价Pmin，以及获取当前单价Pnow；
Q42.获取历史采购订单中，单价大于Pmin且小于Pnow的订单数，记为PCl，单价大于Pnow且小于Pmax的订单数，记为PCj；
Q43.获取计划采购数量NUMplan，所述计划采购数量NUMplan由所述实际采购数量ORD_NUM_T、在途冗余量NUM_SUPPLY和风险冗余量ORD_NUM_R相加获得；
Q44.获取成本损失预测值TPlost，如下式（6）所示，
Figure 721444DEST_PATH_IMAGE006
（6）；
Q45.获取成本节省预测值TPsave，如下式（7）所示，
Figure 202104DEST_PATH_IMAGE007
（7）
其中，Py表示待处理备件的每天的成本单价，tde和tds分别表示需求订单集合ORD中，各订单期望送达时间的最晚值和最早值；
Q46.所述成本平衡冗余量ORD_NUM_BL的获取如下式（8）所示，
Figure 494545DEST_PATH_IMAGE008
（8）
所述成本平衡冗余量ORD_NUM_BL为正时，最终采购数量NUM将增加，为负时，最终采购数量NUM将减少。
进一步的，所述最终采购数量NUM由所述实际采购数量ORD_NUM_T、在途冗余量NUM_SUPPLY、风险冗余量ORD_NUM_R和成本平衡冗余量ORD_NUM_BL相加获得。
本发明实施例的技术方案至少具有如下优点和有益效果：
1、该方法在集中采购业务中，在面对大量不确定性采购需求波动时，采用了多级别的冗余处理，通过多级叠加，逐渐使采购量与实际用量相接近，与传统人工经验确定采购量相比有更强的实用性与指导作用；
2、该方法采用的多级冗余方式，可使该方法的健壮性、可适配性和可延展性得到保证，该方法容许风险冗余和/或成本平衡冗余的冗余量计算出错，即使其风险冗余和/或成本平衡冗余的冗余量计算出现故障或无法进行的情况，该方法所得到的非完整计算结果也能发挥一定的采购指导作用；
3、该方法对历史数据的准确性与数量规模要求较小，更加适用于新生集中采购式的软件平台或系统；避免业务运行初期，因达不到大数据分析阶段的数据规模要求而使采购量与实际用量偏差过大，造成经营损失。
附图说明
图1为本发明提供的面向备件供应的多级冗余集采控制方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
由于新建的集中采购的企业或部门没有较多的历史采购数据，对备件的采购量难以准确预估，采购过少，难以满足需求方的需求，采购过多，易造成亏损，因此本发明针对这一情况提出如下的集采控制方法。
一种面向备件供应的多级冗余集采控制方法，如图1所示，包括如下步骤：
S1.根据预设时间段中的订单数据结合订单变化接受率Racc计算待处理备件的订单集合ORD的实际采购数量ORD_NUM_T，所述订单集合ORD的实际采购数量ORD_NUM_T通过订单中的采购数量与订单变化接受率Racc的乘积获取。
所述S1具体包括：
S11.选取订单数据中一种备件作为待处理备件，并选取所有包含该备件的订单形成订单集合ORD，ORD∈{ORD1、ORD2、ORD3、……、ORDN}，N为正整数；需要说明的是，订单集合ORD中的每个订单均可用JSON对象或Class实例化对象来进行存储。
S12.对订单集合ORD按需求方进行分类，形成需求订单集合ORD_SET，其中，所述需求订单集合ORD_SET包括多个需求方订单集合ORD_SETC，所述需求方订单集合ORD_SETC中包括多个订单ORD_X，其中，C表示需求方的唯一识别信息码，ORD_X∈{ ORD_X 1、ORD_X 2、ORD_X 3、……、ORD_X M}，M为正整数。
S13.获取当前需求方对所述待处理备件的实际采购基数ORD_NUM_TC，如下式（1）所示，
Figure 164692DEST_PATH_IMAGE001
（1）
其中，od表示当前需求方在订单集合ORD中，对所述待处理备件的订单总数，ORD_NUMn表示所述待处理备件在订单中的采购数量，n属于正整数，Racc表示采购方对订单的变化接受率。
所述变化接受率Racc的获取具体如下式（2）所示，
Figure 858978DEST_PATH_IMAGE002
（2）
其中，A表示订单数据中待处理备件的需求方数量，tend表示所述待处理备件在所述预设时间段中最后一次订单的下单时间，tstart表示所述待处理备件在所述预设时间段中第一次订单的下单时间，tthis表示当前需求方在所述预设时间段中对所述待处理备件当次订单的下单时间，tprev表示当前需求方在所述预设时间段中对所述待处理备件前一次订单的下单时间，所述变化接受率Racc的值大于1时取1；需要说明的是tend和tstart的获取并不区分需求方，而tthis和tprev仅针对当前参与计算的需求方。
S14.通过对所有需求方的实际采购基数ORD_NUM_TC进行求和获取所述订单集合ORD的实际采购数量ORD_NUM_T。
S2.获取待处理备件的冗余量数据，所述冗余量数据包括在途冗余量NUM_SUPPLY、风险冗余量ORD_NUM_R和/或成本平衡冗余量ORD_NUM_BL。
所述在途冗余量NUM_SUPPLY通过供应组数量与全部历史订单中每单退回采购数量的中位数的乘积获取；具体如下：
Q11.将待处理备件的订单集合ORD中的订单按期望供应时间的先后顺序进行排序，得到订单排序集合ORD-SETspl，并设定供应组列表Gspl，所述列表Gspl初始时为空。
Q12.获取所述待处理备件的各需求方的全供应使用周期时长，得到集合TS{ts1、ts2、ts3、……、tsk}，k属于正整数，所述集合TS表示采购方对各需求方的供应耗时；供应耗时即集中采购方所安排的供应组将待处理备件从库房配送至需求方制定地点后再返回到库房所消耗的时间。
所述供应耗时的计算如下式（3）所示，
Figure 510540DEST_PATH_IMAGE003
（3）
其中tsi∈TS，i∈{1、2、3、……、k}，Tapply表示所述待处理备件投入使用的平均时间， Dis表示当前需求方到库房的距离，V表示所述待处理备件配送时的平均速度，Tb表示修正值。
需要说明的是，待处理备件投入使用的平均时间即备件安装调试至可以使用状态所用的平均时间，或生产用物料仅处理后可以投入生产所用的平均时间；同时，可以知晓的是，修正值Tb可以由供应组结合实际经验给出，当然在历史数据足够多的情况下，也可以由计算机运行相应的估算方法获得。
Q13.从所述订单排序集合ORD-SETspl中获取当前排序第一的订单ORD_E，并核对所述列表Gspl中是否有空闲供应组，若有则进入Q14，否则进入Q15。
Q14.选择转变为空闲状态排序中第一的供应组为待安排供应组，并将订单ORD_E安排给所述待安排供应组，再进入Q16；空闲状态排序中第一的供应组即当前所有处于空闲状态的供应组中最早进行空闲状态的供应组。
Q15.创建新的供应组加入所述列表Gspl中，并将订单ORD_E安排给所述新的供应组，再进入Q16。
Q16.获取被安排供应组对订单ORD_E的计划完成时间Treturn，所述计划完成时间Treturn通过安排时间加上对应的全供应使用周期时长获取。
Q17.重复Q13-Q16，直到所述订单集合ORD中的所有订单被安排时，进入Q18。
Q18.获取列表Gspl的列表长度Gsize，再获取待处理备件每个历史订单的退回数量的中位数Remed，通过列表长度Gsize与中位数Remed的乘积获取所述在途冗余量NUM_SUPPLY。
所述风险冗余量ORD_NUM_R通过所述订单集合ORD的实际采购数量ORD_NUM_T与风险值的乘积获取，所述风险值为基础风险值和非稳定性需求风险值两者相加后的平均值，其中，所述基础风险值根据订单需求数量的中位数与订单的平均需求数量获取，所述非稳定性需求风险值根据需求方相邻订单的下单时间差均值获取。
所述基础风险值的获取具体如下：
Q21.将待处理备件的订单集合ORD中的订单按需求数量由小到大排序，并获取所有订单需求数量的中位数NUMmed。
Q22. 根据待处理备件的订单集合ORD中所有订单的需求之和计算每个订单的平均需求数量NUMmean。
Q23.根据订单需求数量的中位数NUMmed与平均需求数量NUMmean计算所述基础风险值，如下式（4）所示，
Figure 555856DEST_PATH_IMAGE009
（4）
其中，Rbr表示基础风险值。
所述非稳定性需求风险值的获取具体如下：
Q31.将待处理备件的需求方订单集合ORD_SETC中的多个订单ORD_X按订单生成时间从早到晚排序，获得序列ORD_SET_RO。
Q32.计算每个需求方序列ORD_SET_RO中相邻两个订单下单的时间差，并获取每个需求方下单的时间差均值，若序列ORD_SET_RO中订单数量小于2，则时间差均值为0；得到集合Tdis∈{tdis1,tdis2,tdis3、……、tdisH}，其中H为需求方的数量。
Q33.根据集合Tdis获取非稳定性需求风险值，具体如下式（5）所示，
Figure 951065DEST_PATH_IMAGE005
（5）
其中，tdismax表示时间均差值的最大值，tdismin表示时间均差值的最小值，h∈{1、2、3、……、H}，Rtr表示非稳定性需求风险值。
所述成本平衡冗余量ORD_NUM_BL由成本节省预测值与成本损失预测值之差除以当前采购价获取；具体如下：
Q41.根据历史采购订单获取待处理备件的最高单价Pmax和最低单价Pmin，以及获取当前单价Pnow。
Q42.获取历史采购订单中，单价大于Pmin且小于Pnow的订单数，记为PCl，单价大于Pnow且小于Pmax的订单数，记为PCj。
Q43.获取计划采购数量NUMplan，所述计划采购数量NUMplan由所述实际采购数量ORD_NUM_T、在途冗余量NUM_SUPPLY和风险冗余量ORD_NUM_R相加获得。
Q44.获取成本损失预测值TPlost，如下式（6）所示，
Figure 562175DEST_PATH_IMAGE006
（6）。
Q45.获取成本节省预测值TPsave，如下式（7）所示，
Figure 650217DEST_PATH_IMAGE010
（7）
其中，Py表示待处理备件的每天的成本单价，tde和tds分别表示需求订单集合ORD中，各订单期望送达时间的最晚值和最早值。
Q46.所述成本平衡冗余量ORD_NUM_BL的获取如下式（8）所示，
Figure 917250DEST_PATH_IMAGE008
（8）
所述成本平衡冗余量ORD_NUM_BL为正时，最终采购数量NUM将增加，为负时，最终采购数量NUM将减少。
本发明方法设置了至少三级冗余量计算，通过多级冗余叠加，逐渐使采购量与实际用量相接近；这种多级冗余量的设置，使得该方法的健壮性、可适配性和可延展性得到保证，该方法容许风险冗余和/或成本平衡冗余的冗余量计算出错，由于采用了多级冗余计算，即使其中风险冗余和/或成本平衡冗余的冗余量计算出现故障或无法进行的情况，该方法所得到的非完整计算结果也能相较于传统方法发挥一定的采购指导作用；另外该方法无需过多的历史集中采购数据进行支撑，仅仅是小部分的数据量就能够带来足够准确的采购参考值，尤其适用于新生集中采购式的软件平台或系统；进而可以避免业务运行初期，因达不到大数据分析阶段的数据规模要求而使采购量与实际用量偏差过大，造成经营损失。
通过多级冗余量的计算，我们再结合实际采购数量便可获取合理的最终采购数量，从而尽可能的避免因订单变化导致出现库存积压或不足的情况，如该方法S3所述。
S3.根据所述实际采购数量以及冗余量数据的和获取最终采购数量NUM；所述最终采购数量NUM由所述实际采购数量ORD_NUM_T、在途冗余量NUM_SUPPLY、风险冗余量ORD_NUM_R和成本平衡冗余量ORD_NUM_BL相加获得。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (8)

1.一种面向备件供应的多级冗余集采控制方法，其特征在于，包括如下步骤：
S1.根据预设时间段中的订单数据结合订单变化接受率Racc计算待处理备件的订单集合ORD的实际采购数量ORD_NUM_T，具体为：
S11.选取订单数据中一种备件作为待处理备件，并选取所有包含该备件的订单形成订单集合ORD，ORD∈{ORD1、ORD2、ORD3、……、ORDN}，N为正整数；
S12.对订单集合ORD按需求方进行分类，形成需求订单集合ORD_SET，其中，所述需求订单集合ORD_SET包括多个需求方订单集合ORD_SETC，所述需求方订单集合ORD_SETC中包括多个订单ORD_X，其中，C表示需求方的唯一识别信息码，ORD_X∈{ ORD_X 1、ORD_X 2、ORD_X 3、……、ORD_X M}，M为正整数；
S13.获取当前需求方对所述待处理备件的实际采购基数ORD_NUM_TC，如下式（1）所示，
Figure 956204DEST_PATH_IMAGE001
（1）
其中，od表示当前需求方在订单集合ORD中，对所述待处理备件的订单总数，ORD_NUMn表示所述待处理备件在订单中的采购数量，n属于正整数，Racc表示采购方对订单的变化接受率；
S14.通过对所有需求方的实际采购基数ORD_NUM_TC进行求和获取所述订单集合ORD的实际采购数量ORD_NUM_T；
S2.获取待处理备件的冗余量数据，所述冗余量数据包括在途冗余量NUM_SUPPLY、风险冗余量ORD_NUM_R和/或成本平衡冗余量ORD_NUM_BL；
所述在途冗余量NUM_SUPPLY通过供应组数量与每个历史订单的退回数量的中位数的乘积获取；
所述风险冗余量ORD_NUM_R通过所述订单集合ORD的实际采购数量ORD_NUM_T与风险值的乘积获取，所述风险值为基础风险值和非稳定性需求风险值两者相加的平均值，其中，所述基础风险值根据订单需求数量的中位数与订单的平均需求数量获取，所述非稳定性需求风险值根据需求方相邻订单的下单时间差均值获取；
所述成本平衡冗余量ORD_NUM_BL由成本节省预测值与成本损失预测值之差除以当前采购价获取；
S3.根据所述实际采购数量以及冗余量数据的和获取最终采购数量NUM。
2.如权利要求1所述的面向备件供应的多级冗余集采控制方法，其特征在于，所述变化接受率Racc的获取具体如下式（2）所示，
Figure 404503DEST_PATH_IMAGE002
（2）
其中，A表示订单数据中待处理备件的需求方数量，tend表示所述待处理备件在所述预设时间段中最后一次订单的下单时间，tstart表示所述待处理备件在所述预设时间段中第一次订单的下单时间，tthis表示当前需求方在所述预设时间段中对所述待处理备件当次订单的下单时间，tprev表示当前需求方在所述预设时间段中对所述待处理备件前一次订单的下单时间，所述变化接受率Racc的值大于1时取1。
3.如权利要求1所述的面向备件供应的多级冗余集采控制方法，其特征在于，所述在途冗余量NUM_SUPPLY的获取具体如下：
Q11.将待处理备件的订单集合ORD中的订单按期望供应时间的先后顺序进行排序，得到订单排序集合ORD-SETspl，并设定供应组列表Gspl，所述列表Gspl初始时为空；
Q12.获取所述待处理备件的各需求方的全供应使用周期时长，得到集合TS{ts1、ts2、ts3、……、tsk}，k属于正整数，所述集合TS表示采购方对各需求方的供应耗时；
Q13.从所述订单排序集合ORD-SETspl中获取当前排序第一的订单ORD_E，并核对所述列表Gspl中是否有空闲供应组，若有则进入Q14，否则进入Q15；
Q14.选择转变为空闲状态排序中第一的供应组为待安排供应组，并将订单ORD_E安排给所述待安排供应组，再进入Q16；
Q15.创建新的供应组加入所述列表Gspl中，并将订单ORD_E安排给所述新的供应组，再进入Q16；
Q16.获取被安排供应组对订单ORD_E的计划完成时间Treturn，所述计划完成时间Treturn通过安排时间加上对应的全供应使用周期时长获取；
Q17.重复Q13-Q16，直到所述订单集合ORD中的所有订单被安排时，进入Q18；
Q18.获取列表Gspl的列表长度Gsize，再获取待处理备件每个历史订单的退回数量的中位数Remed，通过列表长度Gsize与中位数Remed的乘积获取所述在途冗余量NUM_SUPPLY。
4.如权利要求3所述的面向备件供应的多级冗余集采控制方法，其特征在于，所述供应耗时的计算如下式（3）所示，
Figure 918660DEST_PATH_IMAGE003
（3）
其中tsi∈TS，i∈{1、2、3、……、k}，Tapply表示所述待处理备件投入使用的平均时间，Dis表示当前需求方到库房的距离，V表示所述待处理备件配送时的平均速度，Tb表示修正值。
5.如权利要求1所述的面向备件供应的多级冗余集采控制方法，其特征在于，所述基础风险值的获取具体如下：
Q21.将待处理备件的订单集合ORD中的订单按需求数量由小到大排序，并获取所有订单需求数量的中位数NUMmed；
Q22. 根据待处理备件的订单集合ORD中所有订单的需求之和计算每个订单的平均需求数量NUMmean；
Q23.根据订单需求数量的中位数NUMmed与平均需求数量NUMmean计算所述基础风险值，如下式（4）所示，
Figure 110607DEST_PATH_IMAGE004
（4）
其中，Rbr表示基础风险值。
6.如权利要求1所述的面向备件供应的多级冗余集采控制方法，其特征在于，所述非稳定性需求风险值的获取具体如下：
Q31.将待处理备件的需求方订单集合ORD_SETC中的多个订单ORD_X按订单生成时间从早到晚排序，获得序列ORD_SET_RO；
Q32.计算每个需求方序列ORD_SET_RO中相邻两个订单下单的时间差，并获取每个需求方下单的时间差均值，若序列ORD_SET_RO中订单数量小于2，则时间差均值为0；得到集合Tdis∈{tdis1,tdis2,tdis3、……、tdisH}，其中H为需求方的数量；
Q33.根据集合Tdis获取非稳定性需求风险值，具体如下式（5）所示，
Figure 456138DEST_PATH_IMAGE005
（5）
其中，tdismax表示时间均差值的最大值，tdismin表示时间均差值的最小值，h∈{1、2、3、……、H}，Rtr表示非稳定性需求风险值。
7.如权利要求1所述的面向备件供应的多级冗余集采控制方法，其特征在于，所述成本平衡冗余量ORD_NUM_BL的获取具体如下：
Q41.根据历史采购订单获取待处理备件的最高单价Pmax和最低单价Pmin，以及获取当前采购价Pnow；
Q42.获取历史采购订单中，单价大于Pmin且小于Pnow的订单数，记为PCl，单价大于Pnow且小于Pmax的订单数，记为PCj；
Q43.获取计划采购数量NUMplan，所述计划采购数量NUMplan由所述实际采购数量ORD_NUM_T、在途冗余量NUM_SUPPLY和风险冗余量ORD_NUM_R相加获得；
Q44.获取成本损失预测值TPlost，如下式（6）所示，
Figure 13021DEST_PATH_IMAGE006
（6）；
Q45.获取成本节省预测值TPsave，如下式（7）所示，
Figure 76792DEST_PATH_IMAGE007
（7）
其中，Py表示待处理备件的每天的成本单价，tde和tds分别表示订单集合ORD中，各订单期望送达时间的最晚值和最早值；
Q46.所述成本平衡冗余量ORD_NUM_BL的获取如下式（8）所示，
Figure 10113DEST_PATH_IMAGE008
（8）
所述成本平衡冗余量ORD_NUM_BL为正时，最终采购数量NUM将增加，为负时，最终采购数量NUM将减少。
8.如权利要求1所述的面向备件供应的多级冗余集采控制方法，其特征在于，所述最终采购数量NUM由所述实际采购数量ORD_NUM_T、在途冗余量NUM_SUPPLY、风险冗余量ORD_NUM_R和成本平衡冗余量ORD_NUM_BL相加获得。
CN202210140769.8A 2022-02-16 2022-02-16 一种面向备件供应的多级冗余集采控制方法 Active CN114186181B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210140769.8A CN114186181B (zh) 2022-02-16 2022-02-16 一种面向备件供应的多级冗余集采控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210140769.8A CN114186181B (zh) 2022-02-16 2022-02-16 一种面向备件供应的多级冗余集采控制方法

Publications (2)

Publication Number Publication Date
CN114186181A CN114186181A (zh) 2022-03-15
CN114186181B true CN114186181B (zh) 2022-05-13

Family

ID=80607083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210140769.8A Active CN114186181B (zh) 2022-02-16 2022-02-16 一种面向备件供应的多级冗余集采控制方法

Country Status (1)

Country Link
CN (1) CN114186181B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109741083A (zh) * 2018-11-29 2019-05-10 杭州览众数据科技有限公司 一种基于企业mrp的物料需求加权预测方法
CN109740793A (zh) * 2018-11-29 2019-05-10 杭州览众数据科技有限公司 一种基于概率需求分布的库存优化方法
CN110659946A (zh) * 2019-10-09 2020-01-07 成都九洲电子信息系统股份有限公司 一种产品采购量分析方法
CN111429016A (zh) * 2020-03-30 2020-07-17 北京工商大学 基于工业互联网平台的小微企业融资风控方法及系统
CN112036631A (zh) * 2020-08-25 2020-12-04 广州视源电子科技股份有限公司 采购量确定方法、装置、设备及存储介质
CN112529259A (zh) * 2020-11-26 2021-03-19 中广核核电运营有限公司 一种核电站备件采购需求日期优化方法及计算机
CN112561130A (zh) * 2020-11-30 2021-03-26 成都飞机工业（集团）有限责任公司 一种物料资源采购需求平衡优化系统和方法
CN112862474A (zh) * 2021-02-05 2021-05-28 湖南大学 基于区块链的供应链管理方法及系统、设备、存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8140367B2 (en) * 2008-07-22 2012-03-20 International Business Machines Corporation Open marketplace for distributed service arbitrage with integrated risk management
CN109784806B (zh) * 2018-12-27 2023-09-19 北京航天智造科技发展有限公司 供应链控制方法、系统以及存储介质
CN111242557B (zh) * 2020-03-09 2024-03-05 赫比（上海）家用电器产品有限公司 一种基于sap平台的物料库存分析系统和方法
CN112488487A (zh) * 2020-11-25 2021-03-12 国网河北省电力有限公司物资分公司 基于智慧运营中心的电力物资供应链体系及其构建和应用

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109741083A (zh) * 2018-11-29 2019-05-10 杭州览众数据科技有限公司 一种基于企业mrp的物料需求加权预测方法
CN109740793A (zh) * 2018-11-29 2019-05-10 杭州览众数据科技有限公司 一种基于概率需求分布的库存优化方法
CN110659946A (zh) * 2019-10-09 2020-01-07 成都九洲电子信息系统股份有限公司 一种产品采购量分析方法
CN111429016A (zh) * 2020-03-30 2020-07-17 北京工商大学 基于工业互联网平台的小微企业融资风控方法及系统
CN112036631A (zh) * 2020-08-25 2020-12-04 广州视源电子科技股份有限公司 采购量确定方法、装置、设备及存储介质
CN112529259A (zh) * 2020-11-26 2021-03-19 中广核核电运营有限公司 一种核电站备件采购需求日期优化方法及计算机
CN112561130A (zh) * 2020-11-30 2021-03-26 成都飞机工业（集团）有限责任公司 一种物料资源采购需求平衡优化系统和方法
CN112862474A (zh) * 2021-02-05 2021-05-28 湖南大学 基于区块链的供应链管理方法及系统、设备、存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于.NET框架通用物资管理系统设计与实现;高宇;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20180415(第4期);第I138-974页 *
韩资"A"公司的采购管理体系分析;王红伟;《中国优秀博硕士学位论文全文数据库(硕士)经济与管理科学辑》;20071115(第5期);第J152-185页 *

Also Published As

Publication number Publication date
CN114186181A (zh) 2022-03-15

Similar Documents

Publication Publication Date Title
US11093893B2 (en) Apparatus and method of maintaining accurate perpetual inventory information
Caldentey et al. Analysis of a decentralized production-inventory system
US7668761B2 (en) System and method for ensuring order fulfillment
US20030208392A1 (en) Optimizing resource plans
US20030033180A1 (en) System and method for optimizing resource plans
US20080275796A1 (en) System and process for supply management for the assembly of expensive products
WO2018200555A1 (en) System and method for using stores as receiving points for third party, e-commerce suppliers
US20150066570A1 (en) System for self-managed inventory, supply chain dynamic sku performance and optimization
US20150379536A1 (en) Consumption-driven forecasting using multi-level heterogeneous input data
CN112381482A (zh) 一种物料管理方法、装置、电子设备及存储介质
CN102073940A (zh) 一种供应商在线预约时站台动态分配方法和系统
Dreyfuss et al. Optimal allocation of spares to maximize the window fill rate in a two-echelon exchangeable-item repair system
CN114186181B (zh) 一种面向备件供应的多级冗余集采控制方法
CN117151473A (zh) 供应链全方位风控智能管理系统
CN104252671A (zh) 一种基于看板的精益物流实现方法
US20220404817A1 (en) Processes for controlling operation of machine tools
WO2023159344A1 (zh) 产品的生产排程方法、电子设备和存储介质
US20180144289A1 (en) Inventory demand forecasting system and inventory demand forecasting method
KR100780103B1 (ko) 자재 소요량 및 생산 계획 소요량 산출 방법 및 이를구현하기 위한 프로그램이 기록된 기록매체
CN113762842A (zh) 仓库调度方法、服务器和系统
JP2003263213A (ja) 生産管理システム及び生産管理方法
US20230325762A1 (en) Methods and systems for digital placement and allocation
TWI295445B (en) Automated warehouse management system
CN114663024B (zh) 一种基于中央库存的齐套性验证方法及系统
CN116993461B (zh) 一种基于eshop的企业集群商业管理系统及管理方法

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 610000 Sichuan city of Chengdu province high tech Zone Guixi Industrial Park

Patentee after: Sichuan Branch of National Energy Group Materials Co.,Ltd.

Country or region after: China

Address before: 610000 Sichuan city of Chengdu province high tech Zone Guixi Industrial Park

Patentee before: Southwest distribution center of National Energy Group Materials Co.,Ltd.

Country or region before: China