CN114862312A - 一种基于时间序列算法的合理库存管理方法 - Google Patents
一种基于时间序列算法的合理库存管理方法 Download PDFInfo
- Publication number
- CN114862312A CN114862312A CN202210478666.2A CN202210478666A CN114862312A CN 114862312 A CN114862312 A CN 114862312A CN 202210478666 A CN202210478666 A CN 202210478666A CN 114862312 A CN114862312 A CN 114862312A
- Authority
- CN
- China
- Prior art keywords
- data
- inventory
- model
- reasonable
- commodities
- 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
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
- 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于时间序列算法的合理库存管理方法，属于新零售终端商品库存管理技术领域，从商品的销售、库存的角度出发，利用时间序列预测模型ARIMA对店铺商品的销量进行预测，进而确定商品的合理库存量。通过对商品合理库存的分析，能够帮助店铺更好地对商品的库存进行管理。本发明通过ARIMA时间序列预测模型对商品的销量进行预测，结合赤池信息准则以及1.5倍原则，使得商品的合理库存更有参考意义，进而指导商家管理商品库存数量。
Description
技术领域
本发明涉及新零售终端商品库存管理技术领域，尤其涉及一种基于时间序列算法的合理库存管理方法。
背景技术
对于一个店铺的经营管理而言，商品的库存水平是一个很重要的指标。库存可以分为三类：第一类是周转库存，这是由周转周期决定的；第二类是合理库存，这类库存是用于应对需求的不确定性、供应的不确定性，以保证一定的有货率；第三类是多余库存，比如预测失败、订单取消、最小起订量等造成的库存。在这三类库存中，最不受关注的是合理库存，一般都是凭着经验采购一定天数的用量，没有对这类库存进行很好地计划。
商品的合理库存量受很多因素影响，如商品的保质期、是否热销、是否节假日等，因此对于商品的合理库存无法给出一个准确的合理库存数值。
针对零售户上传的销售和库存数据，准确快速的分析出商品的合理库存，这对于零售户的经营有着十分重要的指导意义。
发明内容
为了解决以上技术问题，本发明提供了一种基于时间序列算法的合理库存管理方法。将使用ARIMA时间序列模型对商品的销量进行预测，然后基于1.5倍合理库存法则设置库存上下限；防止店铺因为商品的库存过少导致错失销售机会，或者因为库存的库存过多导致商品积压。
本发明的技术方案是：
一种基于时间序列算法的合理库存管理方法包含以下内容：
数据的获取：获取各地市零售终端的零售户销售数据以及库存数据；
数据的处理：对于缺失值、异常值和重复值进行处理；
模型的计算：将处理后的数据作为输入，通过ARIMA进行计算；
模型的选取：通过赤池信息准则选择最优模型；
数据的更新：更新数据库中合理库存的上下限。
进一步的，
数据在获取时，所选的零售终端应该支持线上数据传输。
进一步的，
数据在获取时，可以选择特定地市或地区的终端销售数据。
进一步的，
数据在处理时，需要对缺失值进行补充，对异常值进行规范化，对重复值进行过滤。
进一步的，
在ARIMA模型计算时，需要保证计算的数据具有平稳性，从而保证计算结果的准确性，因此需要确定对ARIMA(差分自回归移动平均模型)进行定阶。
进一步的，
最优模型的选取时，根据AIC和BIC的计算结果来判断，AIC和BIC越小则模型越优。
进一步的，
数据更新时，为了分析计算结果的准确性，需要保留商品的历史合理库存数据。
进一步的，
为了满足各店铺的实际情况，需要获取采购周期数据。
进一步的，
为了对商品的销售数据进行分析，给出合理的库存上下限建议，做出如下假设：商品存在至少近一周的销售数据；商品的销售数据真实准确。
对于新开通的店铺或者数据量少的店铺，分析结果会存在较多偏差。
本发明的有益效果是
1)对零售户上传的数据进行了预处理：缺失值的补充、常值的规范化、重复值的过滤，提高了分析结果的准确性；
2)利用AIC和BIC值来对模型结果进行判断，选取了最优的模型；
3)对不同店铺的不同商品都进行了预测，从而可以更好的管理商品库存。
附图说明
图1是本发明的补充缺失数据示意图；
图2是本发明的模型参数输出示意图；
图3是本发明的模型计算结果示意图。
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，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的前提下所获得的所有其他实施例，都属于本发明保护的范围。
ARIMA时间序列模型即差分自回归移动平均模型，是一种基于时间序列历史值和历史值上的预测误差来对当前做预测的模型，该模型整合了自回归项AR和滑动平均项MA。使用ARIMA模型来预测终端的销售数据，进而可以分析商品的合理库存，给出合理库存的上下限。
本发明公开一种基于时间序列算法的合理库存管理方法，该方法从商品的销售、库存的角度出发，利用时间序列预测模型ARIMA对店铺商品的销量进行预测，进而确定商品的合理库存量。通过对商品合理库存的分析，能够帮助店铺更好地对商品的库存进行管理。具体步骤包括：1.获取有效的店铺销售数据以及库存数据；2.对获取到的销量数据进行处理，包括缺失值、异常值和重复值的处理；3.使用ARIMA模型对销量进行预测，另外使用赤池信息准则来选择最优模型；4.根据预测的销量数据，结合当前商品的库存数据，按照1.5倍原则，给定商品合理库存上下限；5.更新商品库存表的合理库存上下限。本发明通过ARIMA时间序列预测模型对商品的销量进行预测，结合赤池信息准则以及1.5倍原则，使得商品的合理库存更有参考意义，进而指导商家管理商品库存数量。
现结合某云POS零售终端的某户的合理库存案例对本发明进行详细说明：
本发明的一种基于时间序列算法的合理库存管理方法，包含以下内容：
数据的获取：获取各地市零售终端的零售户销售数据以及库存数据；
数据的处理：对于缺失值、异常值和重复值进行处理；
模型的计算：将处理后的数据作为输入，通过ARIMA进行计算；
模型的选取：通过赤池信息准则选择最优模型；
数据的更新：更新数据库中合理库存的上下限。
其中，
数据的获取，统计某户近一年每天的销售数据以及每天的库存数据。
数据的处理，对于某个商品，如果当天没有销售记录的，设定当天的销售数量为0，当天的库存为前一天的商品库存数量。对于库存数量异常的商品将其库存设为999，对于重复的商品销售记录，删除重复的数据。
模型的计算，自回归模型需要一个确定的阶数p，用于确定使用多长范围的历史销售数据来预测当前的销售数量。
模型的计算，移动平均模型q阶自回归过程为：
模型的选取，由于需要快速准确地对零售户合理库存进行分析，因此需要一个准则来判断模型的好坏，可以通过AIC值和BIC值来确定，AIC的计算方式如下：
BIC的计算方式如下：
BIC＝kln(n)-2ln(L)
数据的更新：对于计算完成的合理库存数据，通过python脚本的方式写入相应数据库。
以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (9)
1.一种基于时间序列算法的合理库存管理方法，其特征在于，
包括：
数据的获取：获取零售终端的零售户销售数据以及库存数据；
数据的处理：对于缺失值、异常值和重复值进行处理；
模型的计算：将处理后的数据作为输入，通过ARIMA进行计算；
模型的选取：通过赤池信息准则选择最优模型；
数据的更新：更新数据库中合理库存的上下限。
2.根据权利要求1所述的方法，其特征在于，
数据在获取时，所选的零售终端支持线上数据传输。
3.根据权利要求1所述的方法，其特征在于，
数据在获取时，可以选择特定地区的终端销售数据。
4.根据权利要求1所述的方法，其特征在于，
数据在处理时，需要对缺失值进行补充，对异常值进行规范化，对重复值进行过滤。
5.根据权利要求1所述的方法，其特征在于，
在ARIMA模型计算时，需要确定对ARIMA(差分自回归移动平均模型)进行定阶。
6.根据权利要求1所述的方法，其特征在于，
最优模型的选取时，根据AIC和BIC的计算结果来判断，AIC和BIC越小则模型越优。
7.根据权利要求1所述的方法，其特征在于，
数据更新时，保留商品的历史合理库存数据，以保障分析计算结果的准确性。
8.根据权利要求3所述的方法，其特征在于，
为了满足各店铺的实际情况，需要获取采购周期数据。
9.根据权利要求1所述的方法，其特征在于，
为了对商品的销售数据进行分析，给出合理的库存上下限建议，做出如下设置：商品存在至少近一周的销售数据；商品的进货周期固定为：一周；商品的销售数据真实准确。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210478666.2A CN114862312A (zh) | 2022-05-05 | 2022-05-05 | 一种基于时间序列算法的合理库存管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210478666.2A CN114862312A (zh) | 2022-05-05 | 2022-05-05 | 一种基于时间序列算法的合理库存管理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114862312A true CN114862312A (zh) | 2022-08-05 |
Family
ID=82635063
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210478666.2A Pending CN114862312A (zh) | 2022-05-05 | 2022-05-05 | 一种基于时间序列算法的合理库存管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114862312A (zh) |
-
2022
- 2022-05-05 CN CN202210478666.2A patent/CN114862312A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8631040B2 (en) | Computer-implemented systems and methods for flexible definition of time intervals | |
| CN111133460B (zh) | 需求预测参数的优化 | |
| CN111882278A (zh) | 一种智能补货方法及系统 | |
| CN113553540A (zh) | 一种商品销量的预测方法 | |
| WO2020024718A1 (zh) | 外汇交易量预测方法和装置 | |
| JP6370757B2 (ja) | 損益予測装置及び損益予測プログラム | |
| CN116188061B (zh) | 商品销量预测方法、装置、电子设备及存储介质 | |
| Rekik et al. | Modeling (and learning from) Inventory Inaccuracies in e‐retailing/B2B contexts | |
| CN112785057A (zh) | 基于指数平滑的件量预测方法、装置、设备及存储介质 | |
| CN116579804A (zh) | 一种节假日商品销量预测方法、装置及计算机存储介质 | |
| CN114782065A (zh) | 一种基于模型组合的商品销量预测方法、装置及存储介质 | |
| CN113469595A (zh) | 智慧供应链系统及服务器平台 | |
| CN114240473A (zh) | 基于sku智能补货的方法及系统 | |
| CN114330816A (zh) | 一种工业原材料采购控制方法及系统 | |
| CN116308494A (zh) | 供应链需求预测方法 | |
| CN117216150A (zh) | 一种基于数据仓库的数据挖掘系统 | |
| CN113469596A (zh) | 智慧供应链系统及服务器平台 | |
| CN114862312A (zh) | 一种基于时间序列算法的合理库存管理方法 | |
| CN116308477A (zh) | 一种大数据场景下的汽配易损件门店进货推荐方法 | |
| CN114841590A (zh) | 供应链异常处理方法、装置、设备、存储介质及程序产品 | |
| JP7387422B2 (ja) | 発注推奨システム、発注推奨方法、およびプログラム | |
| CN115170191A (zh) | 一种产品销量预测方法及系统 | |
| JP7433892B2 (ja) | 需要予測装置、需要予測方法、およびプログラム | |
| Kusmana et al. | The Design of A Web-Based Inventory Management Application Using Predictive Modeling | |
| CN113657945A (zh) | 用户价值预测方法、装置、电子设备和计算机存储介质 |
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 |