CN114581012A - 一种基于供应链管理的库存调整方法及系统 - Google Patents

一种基于供应链管理的库存调整方法及系统 Download PDF

Info

Publication number
CN114581012A
CN114581012A CN202210226965.7A CN202210226965A CN114581012A CN 114581012 A CN114581012 A CN 114581012A CN 202210226965 A CN202210226965 A CN 202210226965A CN 114581012 A CN114581012 A CN 114581012A
Authority
CN
China
Prior art keywords
information
inventory
enterprise
logistics
product demand
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
Application number
CN202210226965.7A
Other languages
English (en)
Inventor
阮丽纯
韩星
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.)
Shenzhen Tianren Supply Chain Management Co ltd
Original Assignee
Shenzhen Tianren Supply Chain Management 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 Shenzhen Tianren Supply Chain Management Co ltd filed Critical Shenzhen Tianren Supply Chain Management Co ltd
Priority to CN202210226965.7A priority Critical patent/CN114581012A/zh
Publication of CN114581012A publication Critical patent/CN114581012A/zh
Pending legal-status Critical Current

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
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Finance (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Accounting & Taxation (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于供应链管理的库存调整方法及系统，其中，该方法包括：采集获取第一供应链内第一企业的第一库存信息，其中，第一供应链还包括第一企业的上游企业和下游企业；采集获取第一供应链一段时间内上游企业和下游企业对第一企业的物流供应信息和产品需求信息；基于第一供应链的历史物流供应信息和历史产品需求信息，对物流供应信息和产品需求信息进行调整，获得第一物流供应信息和第一产品需求信息；采用NSGA‑II遗传算法对库存进行多目标优化，获得多个优化结果；获取第一企业的库存调整需求；根据库存调整需求，从多个优化结果内选取获得第一库存调整方案，进行第一企业的库存调整。

Description

一种基于供应链管理的库存调整方法及系统
技术领域
本发明涉及供应链管理技术领域，具体涉及一种基于供应链管理的库存调整方法及系统。
背景技术
供应链是基于生产和销售关系链接的、由多个企业将产品或服务从生产到销售至客户形成的网络关系。供应链中的企业需要从上游企业处订购原料或产品等，然后销售至有需求的下游企业或客户中。
由于供应链中存在信息延迟以及市场会随时发生变化，企业在订购和销售时，需要保证库存产品不会滞销，降低库存成本，提升效益。
现有技术中供应链内企业在控制调整库存时，大多根据主观经验以及定量控制等方法进行控制调整，效率较低、准确性较差，存在着降低企业整体收益的技术问题。
发明内容
本申请提供了一种基于供应链管理的库存调整方法及系统，用于针对解决现有技术中供应链内企业控制调整库存时效率较低、准确性较差，导致企业整体收益降低的技术问题。
鉴于上述问题，本申请提供了一种基于供应链管理的库存调整方法及系统。
本申请的第一个方面，提供了一种基于供应链管理的库存调整方法，所述方法包括：采集获取第一供应链内第一企业的第一库存信息，其中，所述第一供应链还包括所述第一企业的上游企业和下游企业；采集获取所述第一供应链一段时间内所述上游企业和所述下游企业对所述第一企业的物流供应信息和产品需求信息；基于所述第一供应链的历史物流供应信息和历史产品需求信息，对所述物流供应信息和产品需求信息进行调整，获得第一物流供应信息和第一产品需求信息；基于所述第一库存信息、第一物流供应信息和第一产品需求信息，采用NSGA-II遗传算法对库存进行多目标优化，获得多个优化结果；获取所述第一企业的库存调整需求；根据所述库存调整需求，从所述多个优化结果内选取获得第一库存调整方案，进行所述第一企业的库存调整。
本申请的第二个方面，提供了一种基于供应链管理的库存调整系统，所述系统包括：第一获得单元，用于采集获取第一供应链内第一企业的第一库存信息，其中，所述第一供应链还包括所述第一企业的上游企业和下游企业；第二获得单元，用于采集获取所述第一供应链一段时间内所述上游企业和所述下游企业对所述第一企业的物流供应信息和产品需求信息；第一处理单元，用于基于所述第一供应链的历史物流供应信息和历史产品需求信息，对所述物流供应信息和产品需求信息进行调整，获得第一物流供应信息和第一产品需求信息；第二处理单元，用于基于所述第一库存信息、第一物流供应信息和第一产品需求信息，采用NSGA-II遗传算法对库存进行多目标优化，获得多个优化结果；第三获得单元，用于获取所述第一企业的库存调整需求；第三处理单元，用于根据所述库存调整需求，从所述多个优化结果内选取获得第一库存调整方案，进行所述第一企业的库存调整。
本申请的第三个方面，提供了一种基于供应链管理的库存调整系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如第一方面所述方法的步骤。
本申请的第四个方面，提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请提供的技术方案通过采集获取供应链内企业的库存成本以及库存容量等信息作为库存信息，并采集一段时间内供应链中上游企业和下游企业对该企业的产品供货时间等物流供应信息和订购数量等产品需求信息，然后基于大数据采集供应链以往的历史物流供应信息和历史产品需求信息，分析当前物流供应信息和产品需求信息的变化趋势并进行调整，然后基于物流供应信息、产品需求信息和库存信息，基于NSGA-II遗传算法对库存调整方案进行多目标优化，获得不同目标的优化结果，最终根据当前企业的库存调整需求选择获得库存调整方案。本申请实施例通过采集获取供应链企业中的库存信息，采集上游和下游对该企业的物流供应信息和产品需求信息，并基于历史信息进行校正调整，能够分析获得物流供应信息和产品需求信息的变化趋势，并根据该变化趋势进行调整，使物流供应信息和产品需求信息更为准确，降低由于供应链信息延迟等因素导致的信息误差，并根据调整后的物流供应信息、产品需求信息以及库存信息获得库存调整方案的可行域，采用NSGA-II遗传算法对库存调整进行多目标的优化，获得多个优化结果，企业能够根据自身需求选择其中的一个优化结果作为库存调整方案，进行库存调整，能够保证满足上游和下游企业的需求的同时，保证库存调整后满足企业自身需求目的，降低供应链内企业库存调整的人工主观参与度，达到提升库存调整的效率和准确率，进而提升企业的收益或降低企业的库存成本的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请提供的一种基于供应链管理的库存调整方法流程示意图；
图2为本申请提供的一种基于供应链管理的库存调整方法中构建获得安全库存的流程示意图；
图3为本申请提供的一种基于供应链管理的库存调整方法中获得第一物流供应信息和第一产品需求信息的流程示意图；
图4为本申请提供了一种基于供应链管理的库存调整系统结构示意图；
图5为本申请示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第一处理单元13，第二处理单元14，第三获得单元15，第三处理单元16，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
本申请通过提供了一种基于供应链管理的库存调整方法及系统，用于针对解决现有技术中供应链内企业控制调整库存时效率较低、准确性较差，导致企业整体收益降低的技术问题。
申请概述
供应链是基于生产和销售关系链接的、由多个企业将产品或服务从生产到销售至客户形成的网络关系，一个典型的供应链内包括企业之间的供应和需求。供应链中的企业需要从上游企业处订购原料或产品等，然后销售至有需求的下游企业或客户中。目前的供应链内一般包括原料商、制造商、分销商、批发商和零售商等。
由于供应链中存在信息的延迟以及市场会随时发生变化等因素，容易发生下游企业订单突然减少或者价格突然降低，库存产品滞销，导致库存成本提升，以及下游企业订单由于市场需求增加，库存产品不足，导致缺货成本提升等情况。因此，在供应链内订购和销售时，需要保证库存产品不会滞销，以及需要保证产品销量，降低库存成本，提升效益。
现有技术中供应链内企业在控制调整库存时，大多根据主观经验以及定量控制等方法进行控制调整，效率较低、准确性较差，存在着降低企业整体收益的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请提供的技术方案通过采集获取供应链内企业的库存成本以及库存容量等信息作为库存信息，并采集一段时间内供应链中上游企业和下游企业对该企业的产品供货时间等物流供应信息和订购数量等产品需求信息，然后基于大数据采集供应链以往的历史物流供应信息和历史产品需求信息，分析当前物流供应信息和产品需求信息的变化趋势并进行调整，然后基于物流供应信息、产品需求信息和库存信息，基于NSGA-II遗传算法对库存调整方案进行多目标优化，获得不同目标的优化结果，最终根据当前企业的库存调整需求选择获得库存调整方案。
在介绍了本申请基本原理后，下面，将参考附图对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请的实施例，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，都属于本申请保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。
实施例一
如图1所示，本申请提供了一种基于供应链管理的库存调整方法，所述方法包括：
S100：采集获取第一供应链内第一企业的第一库存信息，其中，所述第一供应链还包括所述第一企业的上游企业和下游企业；
具体地，第一供应链为现有技术中任意产业内或任意地域内由产品或服务的生产、制造和销售等关系链接起的企业网链结构，其内包括原料商、加工商、制造商、分销商、批发商和零售商等上下游企业。第一供应链的多个企业同时在存在于其他的供应链中，每个企业均需要从该企业的上游企业处订购原料、产品或服务，并按照下游企业的订购需求销售给下游企业。
第一企业为第一供应链内多个企业中的任意一个企业。示例性地，第一供应链为某种医疗器械生产制造和销售的供应链，第一企业为该种医疗器械的分销商，第一企业的上游企业向第一企业提供医疗器械产品，下游企业向第一企业订购该医疗器械产品，若第一企业无法满足下游企业需求，则需要承担缺货成本，若第一企业无法在一定时间内销售库存的所有产品，则需要承担库存成本。
为保证准确调整第一企业的库存，均衡库存成本和收益，需要采集获取第一企业的库存信息，作为库存调整方案的数据基础。
本申请实施例提供的方法中的步骤S100包括：
S110：采集获得所述第一企业的产品信息；
S120：采集获得所述第一企业的库存容量信息；
S130：采集获得所述产品信息对应产品的库存成本信息；
S140：将所述库存容量信息和所述库存成本信息作为所述第一库存信息。
具体地，首先，采集获取第一企业需要库存的产品信息，例如，若第一企业为制造商，则库存的产品信息包括用于制造的零件和用于销售的产品。若第一企业为分销商，则库存的产品信息包括销售的产品。
采集获取第一企业用于库存产品的仓库的容量信息，实际上，仓库在进行产品库存时一般不可将仓库装满，因此，需要采集实际业务中库存产品的最大容量，并可通过换算为产品的数量，例如产品的件数或质量等。
根据上述的产品信息，获取库存每件产品所需的库存仓库成本，以及库存产品时保养该产品所需的成本，以及库存该产品时该产品的失效速度等作为产品失效的成本，将以上三者作为该产品信息对应产品的库存成本信息。示例性地，第一企业库存的产品信息为某种食品，该食品的库存条件较为苛刻，需要低温和保护气体，且保质期较短，易变质，则可根据该食品库存时的成本以及变质的平均速度计算获得该食品的库存成本信息。
如此，根据第一企业内库存产品的产品信息获得库存成本信息，结合库存容量信息作为第一企业的第一库存信息，将第一企业的第一库存信息作为库存调整管理的数据基础，能够在进行库存调整的过程中计算库存成本和剩余容量，提升库存调整管理的效率和准确性。
如图2所示，本申请实施例提供的方法中的步骤S100还包括步骤S150，其包括：
S151：采集获取所述第一企业库存中产品失效的概率，获得库存产品失效参数；
S152：采集获取所述第一企业的物流中产品失效的概率，获得物流产品失效参数；
S153：根据所述库存产品失效参数和所述物流产品失效参数，构建获得安全库存；
S154：根据所述产品信息，获得所述第一企业的缺货成本信息；
S155：根据所述库存成本信息和所述缺货成本信息的大小，进行权重分配，获得第一权重分配结果；
S156：根据所述第一权重分配结果，对所述安全库存进行调整；
S157：将调整后的所述安全库存加入所述第一库存信息内。
产品在库存、从上游企业运输至第一企业以及从第一企业运输至下游企业的物流过程中，存在着产品意外损坏、丢失的可能性，进而可能造成由于产品损坏的缺货，导致企业收益降低。因此，需要在第一企业的库存内构建安全库存，避免在产品意外失效时造成缺货。
采集第一企业的库存中产品意外失效的概率，具体可通过采集一段时间内第一企业库存内产品由于意外因素而损坏、丢失等失效的产品数量，计算获得库存中产品意外失效的概率，作为库存产品失效参数。
采集获取第一企业在物流中产品失效的概率，具体通过采集一段时间内上游企业向第一企业进行以及第一企业向下游企业进行产品物流运输中产品由于意外因素导致的失效的产品数量，计算获得物流运输中产品损坏的概率，作为物流产品失效参数。
根据上述的库存产品失效参数和物流产品失效参数，根据其中的产品失效概率获得在单位时间内第一企业失效产品占所有产品的比例，构建安全库存，安全库存包括为了避免产品失效缺货而额外购买并库存的库存产品容量。安全库存内的产品可通过产品的购入和售出持续更新，但始终维持安全库存内存有产品，用于应对由于产品意外失效时的缺货情况。
初步构建的安全库存中产品的数量完全根据库存产品失效参数和物流产品失效参数设置。但在实际的生产销售活动中，意外失效的产品可能会突然增多或者突然减少，在增多时导致安全库存内的产品无法满足失效产品的缺货需求，导致缺货成本提高，而在减少时导致安全库存内的产品无法售出，导致产品滞留，库存成本提高。因此，需要衡量库存成本和缺货成本，根据成本的大小调整安全库存内的产品库存容量。
具体地，根据上述的产品信息，根据该产品的售价以及盈利情况，获得第一企业所销售的该产品的缺货成本信息，示例性地，若该产品为医疗器械，则缺货成本较高，若该产品为普通食品，则缺货成本较低。
然后，根据上述的缺货成本信息和第一企业的产品的库存成本信息的大小，对缺货成本信息和库存成本信息按照成本大小进行权重分配，获得第一权重分配结果。其中，缺货成本信息和库存成本信息的权重值的和为1，在具体分配的过程中，缺货成本信息和库存成本信息的权重值与成本大小成正比，例如若缺货成本大于库存成本，则缺货成本信息的权重值也大于库存成本信息的权重值。
根据该第一权重分配结果内的权重值，对上述的安全库存进行调整，具体调整的过程中，若缺货成本信息的权重值大于库存成本信息的权重值，则需要扩大安全库存内的产品库存容量，扩大调整的程度可根据具体的权重值大小而设置。反之，则需要缩小安全库存内的产品库存容量，且缩小调整的程度可根据具体的权重值大小而设置。其中，若缺货成本信息和库存成本信息的权重值均为0.5，则无需对安全库存进行调整。
如此，将调整后获得的安全库存加入上述的第一库存信息内，即在第一库存信息内的库存容量信息以外，还需加入安全库存对应的容量。本申请通过获取第一企业内产品由于意外因素而失效的概率，设置安全库存，能够保证在出现意外时不会由于缺货而造成损失。还根据缺货成本和库存成本进行权重分配并调整安全库存的容量大小，能够在一定程度保证不会缺货的同时，最大限度的降低企业由于缺货或滞留产品库存造成的损失，提升企业收益。
S200：采集获取所述第一供应链一段时间内所述上游企业和所述下游企业对所述第一企业的物流供应信息和产品需求信息；
具体而言，该一段时间可为任意长度的时间跨度，优选为一个月或一个星期。在第一供应链内，上游企业会根据第一企业的订单通过物流发送产品或原料等至第一企业处，物流供应信息包括上游企业从接收第一企业的订单发送产品到第一企业接收到产品的物流周期时间，该物流周期时间会由于上游企业的产能、订单数量等发生变化，若该物流周期时间过长，则会导致第一企业缺货，若该物流周期时间过短，则会导致第一企业的库存不足以储存产品。
在第一供应链内，第一企业会根据下游企业的产品需求信息将产品等通过物流发送给下游企业，产品需求信息内包括产品订单数量等信息，若产品需求信息内的产品订单数量过少，则会导致第一企业库存产品无法及时售出导致产品滞留，若产品订单数量过大，则会导致第一企业库存产品不足，无法满足下游企业需求，造成损失。
本申请实施例需要根据上述的物流供应信息、产品需求信息和库存信息，制定调整库存订购产品的方案，以使在物流供应信息下，能够结合库存信息满足产品需求信息，并保证自身收益稳定。
S300：基于所述第一供应链的历史物流供应信息和历史产品需求信息，对所述物流供应信息和产品需求信息进行调整，获得第一物流供应信息和第一产品需求信息；
由于供应链内信息传递的延迟以及市场的变化，上述的物流供应信息和产品需求信息是会不断发生变化的，因此，需要分析物流供应信息和产品需求信息的变化趋势，并对其进行调整，作为当前的第一物流供应信息和第一产品需求信息。
如图3所示，本申请实施例提供的方法中的步骤S300包括：
S310：基于大数据，采集获得历史内所述第一供应链内所述上游企业为所述第一企业提供产品的历史物流周期信息集合，以及所述下游企业向所述第一企业订购产品的历史产品需求信息集合；
S320：基于人工神经网络模型，分别构建并采用所述历史物流周期信息集合和历史产品需求信息集合训练获得物流供应调整模型和产品需调整模型；
S330：将所述物流供应信息和产品需求信息分别输入所述物流供应调整模型和产品需调整模型，获得输出结果；
S340：根据所述输出结果，获得所述物流供应信息和产品需求信息的变化趋势信息；
S350：根据所述变化趋势信息，对所述物流供应信息和产品需求信息进行调整，获得所述第一物流供应信息和第一产品需求信息。
具体而言，基于大数据或第一供应链的历史订单、合同等信息，采集获得第一供应链内此前上游企业为第一企业提供产品的历史物流周期信息集合，以及下游企业向第一企业订购产品的历史产品需求信息集合。
示例性地，历史物流周期信息集合内可包括此前一年内上游企业为第一企业提供产品等的物流周期时间信息，历史产品需求信息集合包括此前一年内下游企业向第一企业订购产品的订单等信息。历史物流周期信息集合和历史产品需求信息集合内包括一年内物流周期信息和产品需求信息的多种变化趋势，可作为调整当前物流周期信息和产品需求信息的数据基础。
基于机器学习中的人工神经网络，构建并采用上述的历史物流周期信息集合和历史产品需求信息集合训练获得物流供应调整模型和产品需调整模型，具体地，步骤S320包括：
S321：基于人工神经网络模型，构建所述物流供应调整模型和产品需求调整模型；
S322：对所述历史物流周期信息集合和历史产品需求信息集合内的数据信息按照时间顺序排序，获得历史物流周期信息序列和历史产品需求信息序列；
S323：根据所述历史物流周期信息序列和历史产品需求信息序列，拟合获得历史物流周期信息变化函数和历史产品需求信息变化函数；
S324：基于所述历史物流周期信息变化函数和历史产品需求信息变化函数，基于监督训练，分别获得第一变化趋势信息训练数据和第二变化趋势信息训练数据；
S325：对所述历史物流周期信息集合、历史产品需求信息集合、第一变化趋势信息训练数据和第二变化趋势信息训练数据按照预设规则进行划分，获得训练数据集合和验证数据集合；
S326：采用所述训练数据集合和验证数据集合分别对所述物流供应调整模型和产品需求调整模型进行监督训练，训练完成获得所述物流供应调整模型和产品需求调整模型。
基于机器学习中的人工神经网络模型(Artificial Neural Network，ANN)构建物流供应调整模型和产品需求调整模型。两个模型内均包括多个类似人体大脑神经元的简单单元，通过采用训练数据对模型进行监督训练，能够形成简单单元之间的网络结构以及权重，进而完成较为复杂的非线性逻辑运算，预测物流周期信息和产品需求信息的变化趋势。
对上述的历史物流周期信息集合和历史产品需求信息集合内的历史物流周期信息数据和历史产品需求信息数据按照时间顺序进行排序，获得历史物流周期信息序列和历史产品需求信息序列。
在历史物流周期信息序列和历史产品需求信息序列内，历史物流周期信息数据和历史产品需求信息数据会随着时间发生变化。以时间为横坐标，以历史物流周期信息数据和历史产品需求信息数据为纵坐标绘制历史物流周期信息变化曲线和历史产品需求信息变化曲线。进一步采用数据中的拟合方法对变化曲线进行拟合，例如采用最小二乘法拟合，获得能够较好地表达变化曲线内所有数据点的函数，得到历史物流周期信息变化函数和历史产品需求信息变化函数。
基于该历史物流周期信息变化函数和历史产品需求信息变化函数，获取变化函数中在单位时间内斜率变化超过一定阈值的函数区段，将该函数区段内的历史物流周期信息以及历史产品需求信息以及斜率变化的程度和速率进行提取，然后基于监督训练，对提取获得的函数区段内信息数据的变化趋势进行标识，获得第一变化趋势信息训练数据和第二变化趋势信息训练数据。示例性地，第一变化趋势信息训练数据和第二变化趋势信息训练数据内包括，历史产品需求信息在一段时间内小幅上升后急剧减小等。
进一步地，基于前述的历史物流周期信息集合、历史产品需求信息集合、以及第一变化趋势信息训练数据和第二变化趋势信息训练数据按照预设规则进行划分，例如按照7:3的比例进行划分，得到训练数据集合和验证数据集合。
采用训练数据集合分别对物流供应调整模型和产品需求调整模型进行监督训练，监督训练的过程中，通过输入一段时间内的历史物流周期信息或历史产品需求信息，监督训练模型输出结果为某一种变化趋势训练数据，在训练过程中，模型的参数不断更新变化，直至模型的输出结果收敛或达到预设的准确率，完成模型的监督训练。然后采用验证数据集合分别对物流供应调整模型和产品需求调整模型进行验证，避免模型出现过拟合，若模型的准确率满足预设需求，则获得物流供应调整模型和产品需求调整模型。
本申请通过根据历史物流周期信息集合和历史产品需求信息集合，结合监督训练设置标识训练数据，对模型进行监督训练和验证，能够提升模型的效果，能够根据物流周期信息或产品需求信息的变化预测将来的变化趋势，达到准确处理数据输出结果的技术效果。
如此，将当前一段时间内的物流供应信息和产品需求信息分别输入上述的物流供应调整模型和产品需调整模型，模型能够根据该一段时间内信息的变化情况预测出将来的变化趋势，基于监督训练获得的模型，预测的结果符合市场和供应链内的逻辑，获得模型的输出结果。
该输出结果内包括物流供应信息和产品需求信息的变化趋势信息，根据该变化趋势信息将当前的物流供应信息和产品需求信息进行调整，获得将来一段时间内的物流供应信息和产品需求信息，作为第一物流供应信息和第一产品需求信息。
本申请通过获取历史上的历史物流供应信息和历史产品需求信息，构建并训练预测物流供应信息和产品需求信息变化趋势的模型，能够较为准确地预测当前第一产业的物流供应信息和产品需求信息的变化趋势，并对实际采集获得的当前的物流供应信息和产品需求信息进行调整，作为调整库存的数据基础，能够提升库存调整的效果，避免出现当前库存调整方案无法适应未来市场变化的情况，进而提升企业的收益和库存稳定性。
S400：基于所述第一库存信息、第一物流供应信息和第一产品需求信息，采用NSGA-II遗传算法对库存进行多目标优化，获得多个优化结果；
基于前述的第一库存信息、第一物流供应信息和第一产品需求信息，进行第一企业的库存调整，在调整的过程中，基本条件为在第一库存信息内库存容量信息和第一物流供应信息的基础下，保证满足第一产品需求信息内的产品需求量，而优化目标为，如何使第一企业的效益最大化、或者库存成本最低化等。而在优化的过程中需保证满足上述的基本条件。
本申请采用NSGA-II遗传算法对库存调整的方案进行多目标优化，步骤S400包括：
S410：构建库存成本优化向量、总售价优化向量和总收益优化向量；
S420：基于所述第一库存信息、第一物流供应信息和第一产品需求信息，获得优化问题可行域；
S430：基于所述优化问题可行域，初始化获得初始库存调整方案，作为初始种群；
S440：将所述库存成本优化向量、总售价优化向量和总收益优化向量作为适应度，计算所述初始种群的适应度；
S450：对所述初始种群进行非支配排序，划分获得多个非支配层；
S460：基于遗传算法，获得第一代子代种群；
S470：将父代种群和所述子代种群合并，进行快速非支配排序，并计算各个非支配层内个体的拥挤度，获得拥挤度计算结果；
S480：根据所述拥挤度计算结果和非支配关系，选取获得新的父代种群；
S490：基于遗传算法，获得第一代子代种群，再次进行合并进行迭代，知道达到预设的迭代次数为止，获得所述多个优化结果。
具体地，首先，根据实际的业务需求，第一企业中优化库存调整方案的优化目标包括库存成本最低、总售价最大以及总收益最大，库存成本最低可有效降低第一企业的成本，最售价最大可帮助第一企业最大程度的回笼资金，总收益最大可帮助第一企业最大程度的赚取收益，三种优化目标不可同时达到，因此，本申请实施例采用NSGA-II遗传算法进行多目标优化，获得多个优化后的库存调整方案。
根据三种优化目标，构建库存成本优化向量、总售价优化向量和总收益优化向量，可通过不同库存调整方案中库存成本的大小、总售价的大小和总收益的大小构建三维向量，该三维向量每一维的数值越大，则代表该维的优化目标优化效果最好。
基于上述的第一库存信息、第一物流供应信息和第一产品需求信息，即上述的基本条件，获得库存调整方案的优化问题可行域。在该可行域内，库存调整方案均可满足上述的基本条件，但在上述的优化目标上有着不同的表现。
基于该优化问题可行域，随机地初始化获得一些初始库存调整方案，作为初始种群。库存调整方案中的变量包括第一企业向上游企业的产品需求订购数量，以及相应产生变化的库存总成本、产品总售价和总收益。初始库存调整方案完全是随机获得的，在优化问题上没有特殊的表现。本领域技术人员可根据遗传算法为初始库存调整方案设置总的变量，进行优化。
然后将上述的库存成本优化向量、总售价优化向量和总收益优化向量作为适应度，计算上述初始种群的适应度，并对初始种群进行非支配排序，划分获得多个非支配层。并基于遗传算法的基本操作，对初始种群进行选择、交叉、变异，得到第一代子代种群。
从第二代开始，将父代种群与子代种群合并，继续进行快速非支配排序，并计算各个非支配层内种群个体的拥挤度，获得拥挤度计算结果。然后，根据该拥挤度计算结果，根据非支配的关系以及种群给的拥挤度选取合适的个体组成新的父代种群。
基于该新的父代种群，同样采用遗传算法中选择、交叉、变异的基本操作，获得子代种群，再次和父代种群进行合并，依上述步骤进行迭代，直到迭代次数达到遗传算法预设的迭代次数为止。在迭代完成后，获得多个优化结果，多个优化结果在上述的三种优化目标上表现不一，可根据实际的需求在多个优化结果内进行选择。
本申请通过根据第一企业的第一库存信息、第一物流供应信息和第一产品需求信息，设置企业库存调整方案优化的基本条件，并根据优化目标设置优化向量，采用NSGA-II遗传算法，能够对库存调整方案进行多目标优化，获得多个优化结果，提升企业库存调整方案设置的效率和效果。
S500：获取所述第一企业的库存调整需求；
如前述的三种优化目标，第一企业根据实际的业务需求，具有着不同的库存调整需要，需要获取第一企业的库存调整需求，作为选择库存调整方案的基础。
本申请实施例提供的方法中的步骤S500包括：
S510：根据所述第一库存信息，获得所述第一企业的库存成本信息；
S520：根据所述库存成本信息制定库存调整需求，其中，所述库存调整需求包括：库存成本最低、总售价最高和总收益最高。
具体地，根据上述的第一库存信息，获得第一企业库存产品时的库存成本信息，根据该库存成本信息确定库存调整的需求。库存调整需求包括：库存成本最低、总售价最高和总收益最高。
其中，若库存成本较大，则可选择库存成本最低的需求。若库存成本较小，则可选择其他的需求。具体而言，确定库存调整需求的过程中还可根据实际的业务需求自行设置。
S600：根据所述库存调整需求，从所述多个优化结果内选取获得第一库存调整方案，进行所述第一企业的库存调整。
在获得第一企业的库存调整需求，可从上述优化获得的多个优化结果内选取获得第一库存调整方案，进行所述第一企业的库存调整。示例性地，若第一企业的库存调整需求为总体收益最大，则可选择获得在上述总收益优化向量维度数值最大的优化结果，作为第一库存调整方案。
综上所述，本申请实施例通过采集获取供应链企业中的库存信息，并根据产品由于意外失效的概率设置安全库存并调整加入库存信息，降低企业的缺货成本，还采集上游和下游对该企业的物流供应信息和产品需求信息，并基于历史信息进行校正调整，能够分析获得物流供应信息和产品需求信息的变化趋势，并根据该变化趋势进行调整，使物流供应信息和产品需求信息更为准确，降低由于供应链信息延迟等因素导致的信息误差，并根据调整后的物流供应信息、产品需求信息以及库存信息获得库存调整方案的可行域，采用NSGA-II遗传算法对库存调整进行多目标的优化，获得多个优化结果，企业能够根据自身需求选择其中的一个优化结果作为库存调整方案，进行库存调整，能够保证满足上游和下游企业的需求的同时，保证库存调整后满足企业自身需求目的，降低供应链内企业库存调整的人工主观参与度，达到提升库存调整的效率和准确率，进而提升企业的收益或降低企业的库存成本的技术效果。
实施例二
基于与前述实施例中一种基于供应链管理的库存调整方法相同的发明构思，如图4所示，本申请提供了一种基于供应链管理的库存调整系统，其中，所述系统包括：
第一获得单元11，用于采集获取第一供应链内第一企业的第一库存信息，其中，所述第一供应链还包括所述第一企业的上游企业和下游企业；
第二获得单元12，用于采集获取所述第一供应链一段时间内所述上游企业和所述下游企业对所述第一企业的物流供应信息和产品需求信息；
第一处理单元13，用于基于所述第一供应链的历史物流供应信息和历史产品需求信息，对所述物流供应信息和产品需求信息进行调整，获得第一物流供应信息和第一产品需求信息；
第二处理单元14，用于基于所述第一库存信息、第一物流供应信息和第一产品需求信息，采用NSGA-II遗传算法对库存进行多目标优化，获得多个优化结果；
第三获得单元15，用于获取所述第一企业的库存调整需求；
第三处理单元16，用于根据所述库存调整需求，从所述多个优化结果内选取获得第一库存调整方案，进行所述第一企业的库存调整。
进一步地，所述系统还包括：
第四获得单元，用于采集获得所述第一企业的产品信息；
第五获得单元，用于采集获得所述第一企业的库存容量信息；
第六获得单元，用于采集获得所述产品信息对应产品的库存成本信息；
第四处理单元，用于将所述库存容量信息和所述库存成本信息作为所述第一库存信息。
进一步地，所述系统还包括：
第七获得单元，用于采集获取所述第一企业库存中产品失效的概率，获得库存产品失效参数；
第八获得单元，用于采集获取所述第一企业的物流中产品失效的概率，获得物流产品失效参数；
第一构建单元，所述第一构建单元用于根据所述库存产品失效参数和所述物流产品失效参数，构建获得安全库存；
第五处理单元，用于根据所述产品信息，获得所述第一企业的缺货成本信息；
第六处理单元，用于根据所述库存成本信息和所述缺货成本信息的大小，进行权重分配，获得第一权重分配结果；
第七处理单元，用于根据所述第一权重分配结果，对所述安全库存进行调整；
第八处理单元，用于将调整后的所述安全库存加入所述第一库存信息内。
进一步地，所述系统还包括：
第九获得单元，用于基于大数据，采集获得历史内所述第一供应链内所述上游企业为所述第一企业提供产品的历史物流周期信息集合，以及所述下游企业向所述第一企业订购产品的历史产品需求信息集合；
第二构建单元，用于基于人工神经网络模型，分别构建并采用所述历史物流周期信息集合和历史产品需求信息集合训练获得物流供应调整模型和产品需调整模型；
第九处理单元，用于将所述物流供应信息和产品需求信息分别输入所述物流供应调整模型和产品需调整模型，获得输出结果；
第十获得单元，用于根据所述输出结果，获得所述物流供应信息和产品需求信息的变化趋势信息；
第十处理单元，用于根据所述变化趋势信息，对所述物流供应信息和产品需求信息进行调整，获得所述第一物流供应信息和第一产品需求信息。
进一步地，所述系统还包括：
第三构建单元，用于基于人工神经网络模型，构建所述物流供应调整模型和产品需求调整模型；
第十一处理单元，用于对所述历史物流周期信息集合和历史产品需求信息集合内的数据信息按照时间顺序排序，获得历史物流周期信息序列和历史产品需求信息序列；
第十二处理单元，用于根据所述历史物流周期信息序列和历史产品需求信息序列，拟合获得历史物流周期信息变化函数和历史产品需求信息变化函数；
第十三处理单元，用于基于所述历史物流周期信息变化函数和历史产品需求信息变化函数，基于监督训练，分别获得第一变化趋势信息训练数据和第二变化趋势信息训练数据；
第十四处理单元，用于对所述历史物流周期信息集合、历史产品需求信息集合、第一变化趋势信息训练数据和第二变化趋势信息训练数据按照预设规则进行划分，获得训练数据集合和验证数据集合；
第十五处理单元，用于采用所述训练数据集合和验证数据集合分别对所述物流供应调整模型和产品需求调整模型进行监督训练，训练完成获得所述物流供应调整模型和产品需求调整模型。
进一步地，所述系统还包括：
第四构建单元，用于构建库存成本优化向量、总售价优化向量和总收益优化向量；
第十六处理单元，用于基于所述第一库存信息、第一物流供应信息和第一产品需求信息，获得优化问题可行域；
第十七处理单元，用于基于所述优化问题可行域，初始化获得初始库存调整方案，作为初始种群；
第十八处理单元，用于将所述库存成本优化向量、总售价优化向量和总收益优化向量作为适应度，计算所述初始种群的适应度；
第十九处理单元，用于对所述初始种群进行非支配排序，划分获得多个非支配层；
第二十处理单元，用于基于遗传算法，获得第一代子代种群；
第二十一处理单元，用于将父代种群和所述子代种群合并，进行快速非支配排序，并计算各个非支配层内个体的拥挤度，获得拥挤度计算结果；
第二十二处理单元，用于根据所述拥挤度计算结果和非支配关系，选取获得新的父代种群；
第二十三处理单元，用于基于遗传算法，获得第一代子代种群，再次进行合并进行迭代，知道达到预设的迭代次数为止，获得所述多个优化结果。
进一步地，所述系统还包括：
第十一获得单元，用于根据所述第一库存信息，获得所述第一企业的库存成本信息；
第二十四处理单元，用于根据所述库存成本信息制定库存调整需求，其中，所述库存调整需求包括：库存成本最低、总售价最高和总收益最高。
实施例三
基于与前述实施例中一种基于供应链管理的库存调整方法相同的发明构思，本申请还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如实施例一内的方法。
示例性电子设备
下面参考图5来描述本申请的电子设备，
基于与前述实施例中一种基于供应链管理的库存调整方法相同的发明构思，本申请还提供了一种基于供应链管理的库存调整系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行实施例一所述方法的步骤。
该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless localareanetworks，WLAN)，有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdiscread-onlymemory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种基于供应链管理的库存调整方法。
本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(SolidState Disk，SSD))等。
本申请中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本申请中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (10)

1.一种基于供应链管理的库存调整方法，其特征在于，所述方法包括：
采集获取第一供应链内第一企业的第一库存信息，其中，所述第一供应链还包括所述第一企业的上游企业和下游企业；
采集获取所述第一供应链一段时间内所述上游企业和所述下游企业对所述第一企业的物流供应信息和产品需求信息；
基于所述第一供应链的历史物流供应信息和历史产品需求信息，对所述物流供应信息和产品需求信息进行调整，获得第一物流供应信息和第一产品需求信息；
基于所述第一库存信息、第一物流供应信息和第一产品需求信息，采用NSGA-II遗传算法对库存进行多目标优化，获得多个优化结果；
获取所述第一企业的库存调整需求；
根据所述库存调整需求，从所述多个优化结果内选取获得第一库存调整方案，进行所述第一企业的库存调整。
2.根据权利要求1所述的方法，其特征在于，所述采集获取第一供应链内第一企业的第一库存信息，包括：
采集获得所述第一企业的产品信息；
采集获得所述第一企业的库存容量信息；
采集获得所述产品信息对应产品的库存成本信息；
将所述库存容量信息和所述库存成本信息作为所述第一库存信息。
3.根据权利要求2所述的方法，其特征在于，所述采集获取第一供应链内第一企业的第一库存信息，还包括：
采集获取所述第一企业库存中产品失效的概率，获得库存产品失效参数；
采集获取所述第一企业的物流中产品失效的概率，获得物流产品失效参数；
根据所述库存产品失效参数和所述物流产品失效参数，构建获得安全库存；
根据所述产品信息，获得所述第一企业的缺货成本信息；
根据所述库存成本信息和所述缺货成本信息的大小，进行权重分配，获得第一权重分配结果；
根据所述第一权重分配结果，对所述安全库存进行调整；
将调整后的所述安全库存加入所述第一库存信息内。
4.根据权利要求1所述的方法，其特征在于，所述基于所述第一供应链的历史物流供应信息和历史产品需求信息，对所述物流供应信息和产品需求信息进行调整，包括：
基于大数据，采集获得历史内所述第一供应链内所述上游企业为所述第一企业提供产品的历史物流周期信息集合，以及所述下游企业向所述第一企业订购产品的历史产品需求信息集合；
基于人工神经网络模型，分别构建并采用所述历史物流周期信息集合和历史产品需求信息集合训练获得物流供应调整模型和产品需调整模型；
将所述物流供应信息和产品需求信息分别输入所述物流供应调整模型和产品需调整模型，获得输出结果；
根据所述输出结果，获得所述物流供应信息和产品需求信息的变化趋势信息；
根据所述变化趋势信息，对所述物流供应信息和产品需求信息进行调整，获得所述第一物流供应信息和第一产品需求信息。
5.根据权利要求4所述的方法，其特征在于，所述基于人工神经网络模型，分别构建并采用所述历史物流周期信息集合和历史产品需求信息集合训练获得物流供应调整模型和产品需调整模型，包括：
基于人工神经网络模型，构建所述物流供应调整模型和产品需求调整模型；
对所述历史物流周期信息集合和历史产品需求信息集合内的数据信息按照时间顺序排序，获得历史物流周期信息序列和历史产品需求信息序列；
根据所述历史物流周期信息序列和历史产品需求信息序列，拟合获得历史物流周期信息变化函数和历史产品需求信息变化函数；
基于所述历史物流周期信息变化函数和历史产品需求信息变化函数，基于监督训练，分别获得第一变化趋势信息训练数据和第二变化趋势信息训练数据；
对所述历史物流周期信息集合、历史产品需求信息集合、第一变化趋势信息训练数据和第二变化趋势信息训练数据按照预设规则进行划分，获得训练数据集合和验证数据集合；
采用所述训练数据集合和验证数据集合分别对所述物流供应调整模型和产品需求调整模型进行监督训练，训练完成获得所述物流供应调整模型和产品需求调整模型。
6.根据权利要求1的方法，其特征在于，所述基于所述第一库存信息、第一物流供应信息和第一产品需求信息，采用NSGA-II遗传算法对库存进行多目标优化，包括：
构建库存成本优化向量、总售价优化向量和总收益优化向量；
基于所述第一库存信息、第一物流供应信息和第一产品需求信息，获得优化问题可行域；
基于所述优化问题可行域，初始化获得初始库存调整方案，作为初始种群；
将所述库存成本优化向量、总售价优化向量和总收益优化向量作为适应度，计算所述初始种群的适应度；
对所述初始种群进行非支配排序，划分获得多个非支配层；
基于遗传算法，获得第一代子代种群；
将父代种群和所述子代种群合并，进行快速非支配排序，并计算各个非支配层内个体的拥挤度，获得拥挤度计算结果；
根据所述拥挤度计算结果和非支配关系，选取获得新的父代种群；
基于遗传算法，获得第一代子代种群，再次进行合并进行迭代，知道达到预设的迭代次数为止，获得所述多个优化结果。
7.根据权利要求1所述的方法，其特征在于，所述获取所述第一企业的库存调整需求，包括：
根据所述第一库存信息，获得所述第一企业的库存成本信息；
根据所述库存成本信息制定库存调整需求，其中，所述库存调整需求包括：库存成本最低、总售价最高和总收益最高。
8.一种基于供应链管理的库存调整系统，其特征在于，所述系统包括：
第一获得单元，用于采集获取第一供应链内第一企业的第一库存信息，其中，所述第一供应链还包括所述第一企业的上游企业和下游企业；
第二获得单元，用于采集获取所述第一供应链一段时间内所述上游企业和所述下游企业对所述第一企业的物流供应信息和产品需求信息；
第一处理单元，用于基于所述第一供应链的历史物流供应信息和历史产品需求信息，对所述物流供应信息和产品需求信息进行调整，获得第一物流供应信息和第一产品需求信息；
第二处理单元，用于基于所述第一库存信息、第一物流供应信息和第一产品需求信息，采用NSGA-II遗传算法对库存进行多目标优化，获得多个优化结果；
第三获得单元，用于获取所述第一企业的库存调整需求；
第三处理单元，用于根据所述库存调整需求，从所述多个优化结果内选取获得第一库存调整方案，进行所述第一企业的库存调整。
9.一种基于供应链管理的库存调整系统，其特征在于，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
CN202210226965.7A 2022-03-08 2022-03-08 一种基于供应链管理的库存调整方法及系统 Pending CN114581012A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210226965.7A CN114581012A (zh) 2022-03-08 2022-03-08 一种基于供应链管理的库存调整方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210226965.7A CN114581012A (zh) 2022-03-08 2022-03-08 一种基于供应链管理的库存调整方法及系统

Publications (1)

Publication Number Publication Date
CN114581012A true CN114581012A (zh) 2022-06-03

Family

ID=81778456

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210226965.7A Pending CN114581012A (zh) 2022-03-08 2022-03-08 一种基于供应链管理的库存调整方法及系统

Country Status (1)

Country Link
CN (1) CN114581012A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115018207A (zh) * 2022-08-04 2022-09-06 共幸科技(深圳)有限公司 一种基于上下游的供应链管理方法、系统和设备
CN115496444A (zh) * 2022-09-26 2022-12-20 重庆大学 一种库房智能分配管理的方法及系统
CN116562760A (zh) * 2023-05-09 2023-08-08 杭州君方科技有限公司 纺织化纤供应链监管方法及其系统
CN118014466A (zh) * 2024-04-10 2024-05-10 北京博多国际货运代理有限公司 一种数字化全供应链物流方法与系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070203810A1 (en) * 2006-02-13 2007-08-30 Caterpillar Inc. Supply chain modeling method and system
CN108108994A (zh) * 2017-11-10 2018-06-01 浙江中控软件技术有限公司 用于化工企业供应链的计划优化方法
US20200143313A1 (en) * 2018-11-01 2020-05-07 C3 loT, Inc. Systems and methods for inventory management and optimization
CN112581050A (zh) * 2020-11-11 2021-03-30 广汽蔚来新能源汽车科技有限公司 采购需求信息生成方法、装置、计算机设备和存储介质
CN112884404A (zh) * 2021-02-08 2021-06-01 中国科学技术大学 一种智能供应链库存中转优化及异动预警系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070203810A1 (en) * 2006-02-13 2007-08-30 Caterpillar Inc. Supply chain modeling method and system
CN108108994A (zh) * 2017-11-10 2018-06-01 浙江中控软件技术有限公司 用于化工企业供应链的计划优化方法
US20200143313A1 (en) * 2018-11-01 2020-05-07 C3 loT, Inc. Systems and methods for inventory management and optimization
CN112581050A (zh) * 2020-11-11 2021-03-30 广汽蔚来新能源汽车科技有限公司 采购需求信息生成方法、装置、计算机设备和存储介质
CN112884404A (zh) * 2021-02-08 2021-06-01 中国科学技术大学 一种智能供应链库存中转优化及异动预警系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘伟明: "HEDY公司库存控制与优化研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》, no. 9, 15 September 2011 (2011-09-15), pages 145 - 210 *
药学与临床研究: "基于NSGA-Ⅱ算法的医药供应链运作模型研究", 《药学与临床研究》, vol. 27, no. 5, 31 October 2019 (2019-10-31), pages 363 - 367 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115018207A (zh) * 2022-08-04 2022-09-06 共幸科技(深圳)有限公司 一种基于上下游的供应链管理方法、系统和设备
CN115496444A (zh) * 2022-09-26 2022-12-20 重庆大学 一种库房智能分配管理的方法及系统
CN116562760A (zh) * 2023-05-09 2023-08-08 杭州君方科技有限公司 纺织化纤供应链监管方法及其系统
CN116562760B (zh) * 2023-05-09 2024-04-26 杭州君方科技有限公司 纺织化纤供应链监管方法及其系统
CN118014466A (zh) * 2024-04-10 2024-05-10 北京博多国际货运代理有限公司 一种数字化全供应链物流方法与系统

Similar Documents

Publication Publication Date Title
CN114581012A (zh) 一种基于供应链管理的库存调整方法及系统
Ortiz‐Barrios et al. A case of food supply chain management with AHP, DEMATEL, and TOPSIS
Soleimani et al. Incorporating risk measures in closed-loop supply chain network design
CN111667207B (zh) 供应链库存的管理方法及装置、存储介质和处理器
CN102968670A (zh) 预测数据的方法和装置
CN109559163A (zh) 一种基于机器学习的模型构建方法及销售预测方法
Ahmadi et al. A centralized stochastic inventory control model for perishable products considering age-dependent purchase price and lead time
CN115358651A (zh) 零售企业门店自动补货的方法、系统及计算机可读存储介质
CN112200489A (zh) 有色金属冶炼产供销一体优化系统、方法、装置
CN114170002A (zh) 一种访问频次的预测方法及装置
CN113469598A (zh) 智慧供应链系统及服务器平台
Ali et al. A discrete event simulation analysis of the bullwhip effect in a multi-product and multi-echelon supply chain of fast moving consumer goods
US20130204660A1 (en) Systems and Methods for Forecasting Using an Attenuated Forecast Function
CN117217804A (zh) 一种智能定价与库存管理方法及系统
CN114723503B (zh) 一种基于产业链数据的市场分析方法及系统
CN109919688B (zh) 一种考虑市场因素的电子烟产品线规划方法
CN114862017B (zh) 一种基于状态预测的纺织业库存调整方法及系统
CN115907848A (zh) 销量预测方法、系统、作业机械、电子设备及计算机介质
CN114881694A (zh) 自动补货方法、系统、电子设备、存储介质、程序产品
US20180144289A1 (en) Inventory demand forecasting system and inventory demand forecasting method
CN114219405A (zh) 一种基于随机立减算法的库存平衡管理方法及系统
CN114548599A (zh) 一种跨境电商销量预测方法、装置、设备和存储介质
Chang et al. Probe of the replenishment strategy and grouping rule in the semiconductor industry
CN114626660A (zh) 用于激增调整预报的方法和装置
Chołodowicz et al. A periodic inventory control system with adaptive reference stock level for long supply delay

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