CN115330314A - 安全库存处理方法、装置、计算机设备和存储介质 - Google Patents
安全库存处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115330314A CN115330314A CN202211030261.9A CN202211030261A CN115330314A CN 115330314 A CN115330314 A CN 115330314A CN 202211030261 A CN202211030261 A CN 202211030261A CN 115330314 A CN115330314 A CN 115330314A
- Authority
- CN
- China
- Prior art keywords
- inventory
- enterprise
- article
- data
- safety
- 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
- 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
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种安全库存处理方法、装置、计算机设备、存储介质和计算机程序产品,适用于各种企业资源计划(Enterprise Resource Planning,ERP)系统,例如供应链系统。所述方法包括:获取企业的物品的指标数据,根据物品的指标数据确定物品的物品标签;从预设的多种安全库存计算模型中,确定与物品标签匹配的目标安全库存计算模型;以企业预配置的安全库存动态计算周期,按目标安全库存计算模型所需数据类型,通过基于企业的物品的历史实际需求量确定的预测模型,确定物品在目标统计时段的预测需求数据;获取企业的库存相关参数,通过目标安全库存计算模型,基于预测需求数据和库存相关参数,确定企业的物品的安全库存。采用本方法能够较为准确地获取安全库存。
Description
技术领域
本申请涉及库存管理技术领域,特别是涉及一种安全库存处理方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着计算机技术的发展,库存管理技术有了进步。供应链企业为了满足一定周期内的必要生产或者销售,需要准备周转库存,周转库存的数量通常通过预测未来一定周期内生产或者销售需要的物品的需求量来确定。然而需求量预测存在不确定性,而且物品供应也存在不确定性,当需求或者供应发生变动而周转库存无法支持一定周期内生产或者销售物品的需要时,将导致企业缺货从而导致客户的不满意,此时企业为了提高客户的满意率,除了准备周转库存还需要准备安全库存。安全库存的数量需要合理设置,安全库存过多可能产生积压库存,给企业造成经济损失;安全库存过少可能导致缺货,影响企业客户满意度。
安全库存的计算通常通过物品历史实际需求量均值或者是物品历史实际需求量与历史实际需求量均值的偏差水平来计算,得到的安全库存不够准确。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高安全库存准确度的安全库存处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种安全库存处理方法。所述方法包括:
获取企业的物品的指标数据,根据所述物品的指标数据确定所述物品的物品标签;
从预设的多种安全库存计算模型中,确定与所述物品标签匹配的目标安全库存计算模型;
以所述企业预配置的安全库存动态计算周期,按所述目标安全库存计算模型所需数据类型,通过基于所述企业的所述物品的历史实际需求量确定的预测模型,确定所述物品在目标统计时段的预测需求数据;
获取所述企业的库存相关参数,通过所述目标安全库存计算模型,基于所述预测需求数据和所述库存相关参数,确定所述企业的所述物品的安全库存。
在其中一个实施例中,所述获取企业的物品的指标数据,根据所述物品的指标数据确定所述物品的物品标签,包括:
按照企业的物品的标签分类方式,获取所述企业的所述物品的多种指标的源数据;
依照每种所述指标对应的源数据确定每种指标的指标值;
参照每种所述指标的指标评判条件,基于相应指标的所述指标值进行判别,确定所述物品在相应指标下的物品标签。
在其中一个实施例中,所述预设的多种安全库存计算模型包括安全库存正态分布计算模型和安全库存简化计算模型,所述安全库存简化计算模型所需数据类型是所述安全库存正态分布计算模型所需数据类型的一部分;所述从预设的多种安全库存计算模型中,确定与所述物品标签匹配的目标安全库存计算模型,包括:
在所述物品标签符合所述安全库存正态分布计算模型所需数据类型的数据量条件的情况下,将所述安全库存正态分布计算模型确定为与所述物品标签匹配的目标安全库存计算模型;
在所述物品标签不符合所述安全库存正态分布计算模型所需数据类型的数据量条件的情况下,将所述安全库存简化计算模型确定为与所述物品标签匹配的目标安全库存计算模型。
在其中一个实施例中,当所述目标安全库存计算模型为安全库存正态分布计算模型时,所述预测需求数据包括预测需求量和预测需求量偏差;所述通过基于所述企业的所述物品的历史实际需求量确定的预测模型,确定所述物品在目标统计时段的预测需求数据,包括:
通过预测模型确定所述物品在目标统计时段的预测需求量;所述预测模型,是基于所述企业的所述物品在所述目标统计时段之前的第一历史统计时段内的历史实际需求量,进行数据规整处理后构建的;
获取通过历史预测模型确定的所述物体在所述目标统计时段之前的第二历史统计时段的历史预测需求量,并获取所述物体在所述第二历史统计时段的历史实际需求量;
根据所述历史预测需求量和所述历史实际需求量,计算所述物品在第二历史统计时段的预测需求量偏差,并作为所述物品在目标统计时段的预测需求量偏差。
在其中一个实施例中,所述获取所述企业的库存相关参数,通过所述目标安全库存计算模型,基于所述预测需求数据和所述库存相关参数,确定所述企业的所述物品的安全库存,包括:
当所述目标安全库存计算模型为安全库存正态分布计算模型,按照所述企业的企业类型,获取所述企业的库存相关参数;所述库存相关参数包括分别与所述企业类型匹配的库存补充提前期、库存补充提前期偏差和库存有货率系数;
基于所述预测需求量、所述预测需求量偏差、所述库存补充提前期、库存补充提前期偏差和库存有货率系数,计算所述企业的所述物品的安全库存。
在其中一个实施例中,当所述目标安全库存计算模型为安全库存简化计算模型时,所述预测需求数据包括预测需求量;所述获取所述企业的库存相关参数,通过所述目标安全库存计算模型,基于所述预测需求数据和所述库存相关参数,确定所述企业的所述物品的安全库存,包括:
按照所述企业的企业类型,获取所述企业的库存相关参数;所述库存相关参数包括分别与所述企业类型匹配的库存补充提前期和库存有货率系数;
基于所述预测需求量、所述库存补充提前期和库存有货率系数,计算所述企业的所述物品的安全库存。
第二方面,本申请还提供了一种安全库存处理装置。所述装置包括:
企业参数模块,用于获取企业的物品的指标数据,根据所述物品的指标数据确定所述物品的物品标签;
计算模块,用于从预设的多种安全库存计算模型中,确定与所述物品标签匹配的目标安全库存计算模型;以所述企业预配置的安全库存动态计算周期,调用预测模型,获得所述物品在目标统计时段的预测需求数据;获取所述企业的库存相关参数,通过所述目标安全库存计算模型,基于所述预测需求数据和所述库存相关参数,确定所述企业的所述物品的安全库存;
所述预测模型,用于按照所述目标安全库存计算模型所需数据类型,确定所述物品在目标统计时段的预测需求数据;所述预测模型,是基于所述企业的所述物品在历史统计时段内的历史实际需求量确定的。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取企业的物品的指标数据,根据所述物品的指标数据确定所述物品的物品标签;
从预设的多种安全库存计算模型中,确定与所述物品标签匹配的目标安全库存计算模型;
以所述企业预配置的安全库存动态计算周期,按所述目标安全库存计算模型所需数据类型,通过基于所述企业的所述物品的历史实际需求量确定的预测模型,确定所述物品在目标统计时段的预测需求数据;
获取所述企业的库存相关参数,通过所述目标安全库存计算模型,基于所述预测需求数据和所述库存相关参数,确定所述企业的所述物品的安全库存。
第四方面,本申请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,其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以下步骤:
获取企业的物品的指标数据,根据所述物品的指标数据确定所述物品的物品标签;
从预设的多种安全库存计算模型中,确定与所述物品标签匹配的目标安全库存计算模型;
以所述企业预配置的安全库存动态计算周期,按所述目标安全库存计算模型所需数据类型,通过基于所述企业的所述物品的历史实际需求量确定的预测模型,确定所述物品在目标统计时段的预测需求数据;
获取所述企业的库存相关参数,通过所述目标安全库存计算模型,基于所述预测需求数据和所述库存相关参数,确定所述企业的所述物品的安全库存。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取企业的物品的指标数据,根据所述物品的指标数据确定所述物品的物品标签;
从预设的多种安全库存计算模型中,确定与所述物品标签匹配的目标安全库存计算模型;
以所述企业预配置的安全库存动态计算周期,按所述目标安全库存计算模型所需数据类型,通过基于所述企业的所述物品的历史实际需求量确定的预测模型,确定所述物品在目标统计时段的预测需求数据;
获取所述企业的库存相关参数,通过所述目标安全库存计算模型,基于所述预测需求数据和所述库存相关参数,确定所述企业的所述物品的安全库存。
上述安全库存处理方法、装置、计算机设备和存储介质,根据企业的物品的指标数据,可以为物品分类,从而给物品设置物品标签。通过物品标签,能够自动从多种预设的安全库存计算模型中确定物品标签匹配的目标安全库存计算模型,使得目标安全库存计算模型更适合企业的物品,为准确计算安全库存提供了基础条件。而且按照目标安全库存计算模型需要的数据类型,根据历史实际需求量确定预测模型,获得适合于该企业该物品的预测模型,该预测模型能够反映出该企业该物品的历史消耗规律,因而通过该预测模型获得预测需求数据更准确,更贴近企业物品消耗的真实情况;进而将预测需求数据与库存相关参数通过目标安全库存计算模型计算物品的安全库存,能够较为准确地计算出适合该企业该物品的安全库存。
附图说明
图1为一个实施例中安全库存处理方法的应用环境图;
图2为一个实施例中安全库存处理方法的流程示意图;
图3为一个实施例中获取企业的物品的指标数据,根据物品的指标数据确定物品的物品标签的流程示意图;
图4为一个实施例中通过基于企业的物品的历史实际需求量确定的预测模型,确定物品在目标统计时段的预测需求数据的流程示意图;
图5为一个实施例中模型构建矩阵的示意图;
图6为一个实施例中计算企业的物品的预测需求量的预测流程示意图;
图7为一个实施例中获取企业的库存相关参数,通过目标安全库存计算模型,基于预测需求数据和库存相关参数,确定企业的物品的安全库存的流程示意图;
图8为一个实施例中动态安全库存功能订阅页面示意图;
图9为一个具体实施例中安全库存处理步骤的流程示意图;
图10为一个实施例中安全库存计算模型配置页面示意图;
图11为一个实施例中动态安全库存模型参数配置示意图;
图12为一个实施例中智能销售预测功能订阅页面示意图;
图13为一个实施例中预测模型计算过程示意图;
图14为一个实施例中动态安全库存方案描述示意图;
图15为一个实施例中安全库存处理装置的结构框图;
图16为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的安全库存处理方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信,具体终端102可运行业务客户端,服务器104可运行与客户端通信的数据服务端,终端102通过业务客户端与服务器104的数据服务端进行通信交互。数据存储系统可以存储安全库存处理方法执行过程中需要的数据以及处理结果。数据存储系统可以集成在服务器104上,也可以放在云上或其他服务器上。可以理解的是,上述安全库存处理方法还可以在终端102上独立执行。其中,终端102可以但不限于是各种台式计算机、笔记本电脑、智能手机和平板电脑,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
基于图1所示的应用环境,终端102可响应于配置操作,对安全库存处理方法执行时所需的数据或条件进行配置。服务器104可获取数据存储系统中企业的物品的指标数据,在服务器104中根据该物品的指标数据确定物品标签,并根据物品标签匹配目标安全库存计算模型;根据终端102中预配置的安全库存动态计算周期,服务器104可按照目标安全库存计算模型所需数据类型从数据存储系统中获取物品的历史实际需求量,并根据历史实际需求量以及预测模型确定物品的预测需求数据;服务器104还可以从数据存储系统中获取库存相关参数,通过目标安全库存计算模型,基于预测需求数据和库存相关参数计算该企业该物品的安全库存。服务器104处理的数据结果可存储在数据存储系统中,也可以传送给终端102。
本申请实施例可以适用于各种企业资源计划(Enterprise Resource Planning,ERP)系统,例如供应链系统。在一个实施例中,服务器104可以是ERP系统的后台服务器,终端102可以通过访问服务器104来查看物品的安全库存。
在一个实施例中,如图2所示,提供了一种安全库存处理方法,以该方法主要应用于图1中的服务器104为例进行说明,包括以下步骤:
步骤202,获取企业的物品的指标数据,根据物品的指标数据确定物品的物品标签。
其中,企业是在供应链环节中从事生产或者流通活动的独立核算经济单位,供应链环节中的企业包括商贸型企业和生产型企业,其中商贸型企业从事流通活动,生产型企业从事生产活动。物品是企业从事生产或者流通活动中流转的物品,生产活动中流转的物品可以是物料,包括原材料、半成品和成品等,流通活动中流转的物品包括商品。
物品的指标数据是衡量物品标签的数据,可以是直接获得的物品的基础数据,也可以从企业业务场景中直接获得;物品的物品标签是用于标识物品分类的字段,包括但不限于物品的销售金额的相关字段,该相关字段可以是高销售金额、中销售金额和低销售金额等。
具体地,在一个实施例中,服务器可针对至少一个指标,获取相应指标的至少一个指标数据,从而可以基于每个指标下的指标数据确定企业的物品的物品标签。当仅有一个指标时,服务器可根据该指标下的指标数据直接确定企业的物品的物品标签。当存在多个指标时,服务器可根据每种指标下的指标数据分别确定物品在每种指标下的物品标签。
在一个实施例中,服务器可按照每种指标的多种不相交的量化范围,确定物品的指标数据所属的量化范围,从而基于所属的量化范围对应的预设物品标签,确定物品的物品标签。比如,一个物品在销售金额指标下的指标数据为80,所属的量化范围是50-100,对应的预设物品标签是高销售金额,判定该物品的物品标签为高销售金额。
步骤204,从预设的多种安全库存计算模型中,确定与物品标签匹配的目标安全库存计算模型。
其中,安全库存是企业为了应对需求不确定性和供应不确定性设置的保险库存,在企业准备的周转库存无法支持企业生产或者流通活动运转的情况下,安全库存可充当周转库存。安全库存计算模型是基于物品的相关数据计算安全库存的数学模型,多种安全库存计算模型所需的物品的相关数据的数据量不同。目标安全库存计算模型是适配于企业已记录的物品的相关数据的数据量的安全库存计算模型。
具体地,在一个实施例中,服务器预先配置了多种安全库存计算模型,每种安全库存计算模型配置了物品标签条件,该物品标签条件指示采用相应安全库存计算模型计算物品的安全库存时该物品的物品标签应满足的条件。服务器可将物品的物品标签与每种安全库存计算模型的物品标签条件进行比较,从而选择具有与该物品的物品标签匹配的物品标签条件的安全库存计算模型,作为目标安全库存计算模型。
步骤206,以企业预配置的安全库存动态计算周期,按目标安全库存计算模型所需数据类型,通过基于企业的物品的历史实际需求量确定的预测模型,确定物品在目标统计时段的预测需求数据。
其中,服务器可周期性地动态计算企业的物品的安全库存,每隔一个周期计算一次安全库存,该周期为安全库存动态计算周期。安全库存动态计算周期可通过企业的管理账号进行按需配置。安全库存动态计算周期比如可以是一天、一周或一个月。
历史实际需求量是企业在历史时间段内的实际需求量。在商贸型企业中,物品的历史实际需求量可以是商品的历史实际销售量;在生产型企业中,物品的历史实际需求量可以是物料的历史实际领用量。
预测模型是基于历史实际需求量以及预测算法确定的数学模型。预测算法包括但不限于机器学习算法和基本预测算法。其中机器学习算法包括但不限于回归分析算法、决策树算法和K近邻算法等,基本预测算法包括但不限于移动平均法、指数平滑法和霍尔特指数平滑法等。
目标统计时段是预计获取的预测需求数据所对应的具体时间段。举例说明,预计获取2022年9月的预测需求数据,那么目标统计时段为2022年9月1日至2022年9月30日。
预测需求数据是步骤208中确定安全库存的一个因素。当目标安全库存计算模型不同时,按目标安全库存计算模型所需数据类型,预测需求数据可以仅包括预测需求量,也可以包括预测需求量和预测需求偏差。预测需求量是企业的物品在未来一段时间内可能会产生的需求量;预测需求偏差是相同物品的历史预测需求量与历史实际需求量的偏差。
具体地,在一个实施例中,服务器获取企业预配置的物品的安全库存动态计算周期和当前的具体日期,在当前的具体日期距离上次计算安全库存的日期达到该安全库存动态计算周期时,基于安全库存动态计算周期和当前的具体日期确定目标统计时段。目标统计时段可以等于或大于一个安全库存动态计算周期的时长。
进一步地,服务器确定构建预测模型的预测算法,依据该预测算法所需数据的要求,确定预测目标统计时段的预测需求数据所需的历史统计时段,从而获取该历史统计时段内该企业该物品的历史实际需求量。服务器采用上述预测算法并基于历史实际需求量构建预测模型,从而基于该预测模型确定物品在目标统计时段的预测需求数据。
步骤208,获取企业的库存相关参数,通过目标安全库存计算模型,基于预测需求数据和库存相关参数,确定企业的物品的安全库存。
其中,库存相关参数是指企业的库存补充或者供应相关的参数,具体包括库存补充提前期参数和库存有货率系数。在商贸型企业中,库存补充提前期参数是指商品订货提前期参数;在生产型企业中,库存补充提前期是指物料生产提前期参数。当目标安全库存计算模型不同时,确定安全库存所需的库存相关参数可以不同。
具体地,在一个实施例中,服务器可根据企业类型获取对应的库存补充提前期参数和库存有货率系数,按照目标安全库存计算模型对应的计算要求,基于预测需求数据和、库存补充提前期参数和库存有货率系数,确定企业的物品的安全库存。其中,库存补充提前期表征从提出物品需求到补充该物品的库存需提前的时长,库存补充提前期参数是反映该库存补充提前期的参数,可以是一个或多个参数。库存有货率表征针对库存中物品提出需求且需求被满足的比例,库存有货率系数与库存有货率相关。
上述安全库存处理方法,根据企业的物品的指标数据,可以为物品分类,从而给物品设置物品标签。通过物品标签,能够自动从多种预设的安全库存计算模型中确定物品标签匹配的目标安全库存计算模型,使得目标安全库存计算模型更适合企业的物品,为准确计算安全库存提供了基础条件。而且按照目标安全库存计算模型需要的数据类型,根据历史实际需求量确定预测模型,获得适合于该企业该物品的预测模型,该预测模型能够反映出该企业该物品的历史消耗规律,因而通过该预测模型获得预测需求数据更准确,更贴近企业物品消耗的真实情况;进而将预测需求数据与库存相关参数通过目标安全库存计算模型计算物品的安全库存,能够较为准确地计算出适合该企业该物品的安全库存。
在一个实施例中,如图3所示,获取企业的物品的指标数据,根据物品的指标数据确定物品的物品标签,包括下述步骤302~306:
步骤302,按照企业的物品的标签分类方式,获取企业的物品的多种指标的源数据。
其中,标签分类方式是企业的物品的物品标签的分类依据。标签分类方式包括但不限于按物品的销售量分类、按物品的领用量分类、按物品的使用频率分类、按物品的销售金额分类、按物品的采购频次分类、按物品的生命周期分类、按物品的消耗量分类、按ABC(Activity Based Classification,帕累托分析法)分类法分类或按XYZ分类法(一种根据需求变化特征而进行分类的方法,其中X、Y、Z分别表征变化最小、变化适中和变化最大)分类等。
服务器可根据企业的企业类型设置相应的标签分类方式,例如商贸型企业可设置按物品的销售量分类,而制造型企业可设置按物品的领用量分类。服务器也可以确定终端对物品配置的最小物品粒度,获取物品按最小物品粒度统计的消耗量,进而按该消耗量所属的消耗量范围分类;其中,最小物品粒度如5个物品为一个物品粒度。
指标是指示物品标签分类结果的指标,通过标签分类方式可确定对应的指标。如标签分类方式是按物品的销售量分类,则指标是物品的销售量。指标的源数据是在确定企业的物品在该指标下的指标值时所需的原始数据。对于一个指标,相应地存在至少一个源数据。比如,在指标是企业的物品的销售金额的情况下,源数据可以是该物品的销售量以及该物品的单价;在指标是企业的物品的消耗量的情况下,源数据可以是该物品的消耗量。服务器可根据预设的指标与源数据的对应关系,获取每种指标的源数据。
具体地,在一个实施例中,服务器获取预配置的企业的物品的至少一种标签分类方式,根据每种标签分类方式确定该企业该物品对应的指标,获得该企业该物品的多种指标;按照预设的每种指标与所需源数据的对应关系,获取该企业该物品的多种指标的源数据。
在一个实施例中,服务器可判断企业的企业类型,根据该企业类型的物品对应的标签分类方式,确定该企业类型对应的多种指标,进而获取每种指标在该企业类型下对应的源数据。其中,企业类型可以是商贸型企业,也可以是生产型企业。
步骤304,依照每种指标对应的源数据确定每种指标的指标值。
其中,指标的指标值是企业的物品在该指标下的具体值。比如,企业的物品的指标是物品的采购频次时,指标值是该企业该物品的采购频次数值。对于企业的物品的不同指标,通过源数据确定每种指标的指标值所使用的方式不同,可根据具体的每种指标,预先设置每种指标的指标值确定方式。举例说明,在指标是企业的物品的销售金额的情况下,源数据为物品的销售与该物品的单价,指标值为该物品的销售与该物品的单价的乘积;在指标是企业的物品的采购频次的情况下,源数据为采购日,指标值为该物品在预设历史时间段内采购日出现的次数。
具体地,在一个实施例中,服务器可对企业的物品的每种指标值对应的源数据,依照预设的每种指标的指标值确定方式,确定每种指标的指标值。
步骤306,参照每种指标的指标评判条件,基于相应指标的指标值进行判别,确定物品在相应指标下的物品标签。
其中,指标评判条件是给企业的物品的物品标签归类的指标值范围依据。对于每种指标,在不同的指标值范围中,对应有该指标下不同的预设物品标签。物品标签表征对应指标下的多种预设类别中的一种。比如,在指标是物品的使用频率时,物品标签可以是高频、中频、低频中的一种。
具体地,在一个实施例中,服务器可对企业的物品获取其预设的每种指标的指标评判条件,对该企业该物品的每种指标对应的指标值,根据相应的指标评判条件判别,该指标值所落在的指标值范围,根据该指标值范围确定对应的预设物品标签,从而确定物品在相应指标下的物品标签。比如,在企业的物品的指标是物品的使用频率时,该指标对应的指标评判条件是:在指标值为0-20时,对应的预设物品标签是低频;在指标值为21-50时,对应的预设物品标签是中频;在指标值为51-80时,对应的预设物品标签是高频。企业的物品在该指标下的指标值为60,那么根据该指标的指标评判条件,该物品在该指标下的物品标签是高频。
本实施例中,根据企业的物品的标签分类方式获取该物品的多种指标的源数据,从而根据源数据确定每种指标的指标值,为准确获取物品的物品标签提供数据支持;而且,每种指标都有对应的评判条件,精细化的设置为物品标签的分类更加合理;进而参照每种指标的评判条件,基于相应指标的指标值进行判别,获得物品在相应指标下的较为准确、合理的物品标签,为后续根据企业的物品的物品标签自动确定适合企业的安全库存计算模型提供基础,从而为较为准确地计算出适合该企业该物品的安全库存创造了条件。
在一个实施例中,预设的多种安全库存计算模型包括安全库存正态分布计算模型和安全库存简化计算模型,安全库存简化计算模型所需数据类型是安全库存正态分布计算模型所需数据类型的一部分;步骤204包括:在物品标签符合安全库存正态分布计算模型所需数据类型的数据量条件的情况下,将安全库存正态分布计算模型确定为与物品标签匹配的目标安全库存计算模型;在物品标签不符合安全库存正态分布计算模型所需数据类型的数据量条件的情况下,将安全库存简化计算模型确定为与物品标签匹配的目标安全库存计算模型。
其中,安全库存正态分布计算模型是基于正态分布原理的数学模型。安全库存正态分布计算模型所需的数据为预测需求量、预测需求量偏差、库存补充提前期、库存补充提前期标准差和库存有货率系数。其中,获取预测需求量、预测需求量偏差需要一定数量的历史实际需求量,获取库存补充提前期标准差需要一定数量的历史库存补充提前期;在库存补充提前期、库存有货率系数无法通过直接获取时,也需要分别获取一定数量的能够计算库存补充提前期、库存有货率系数的源数据。安全库存简化计算模型通过预测需求量、库存补充提前期与库存有货率系数的线性运算计算企业的物品的安全库存。相比于安全库存正态分布计算模型,安全库存简化计算模型对数据量的要求要低。在数据完善的情况下,安全库存正态分布计算模型计算的安全库存比安全库存简化计算模型计算的安全库存更准确。
安全库存简化计算模型所需数据类型仅是安全库存正态分布计算模型所需数据类型的一部分,安全库存简化计算模型所需数据量相比安全库存正态分布计算模型所需数据量较小。数据量条件是安全库存正态分布计算模型所需数据类型的数据量要求。举例说明,数据量条件可以是物品的历史需求量的数量需要达到15个,通过步骤306中的指标评判条件的适当设置,物品在指标为使用频率下的物品标签为高频时,可以认为物品的历史需求量的数量达到15个,则企业的物品的物品标签符合数据量条件。
具体地,在一个实施例中,服务器获取安全库存正态分布计算模型所需数据类型的预设的数据量条件,判断企业的物品的物品标签是否符合数据量条件,在该物品标签符合数据量条件的情况下,将安全库存正态分布计算模型确定为与该物品标签匹配的目标安全库存计算模型。服务器在判断到安全库存正态分布计算模型所需数据类型存在缺失,或者虽然不缺失但数据量达不到相应数据类型的数据量条件时,则不采用该安全库存正态分布计算模型作为目标安全库存计算模型。
举例说明,若安全库存正态分布计算模型所需数据类型有多个,每个数据类型的数据量条件均要求相应数据的物品标签均为表征数据量高的物品标签,那么如果物品的物品标签均符合相应数据类型的数据量条件,则服务器可判定该物品的数据量是完善的,该物品适用安全库存正态分布计算模型。
具体地,在一个实施例中,服务器可获取安全库存正态分布计算模型所需数据类型的预设的数据量条件,判断企业的物品的物品标签是否符合数据量条件,在物品的至少一个物品标签不符合相应数据类型的数据量条件的情况下,将安全库存简化计算模型确定为与该物品的物品标签匹配的目标安全库存计算模型。
本实施例中,在企业的物品的物品标签符合安全库存正态分布计算模型所需数据类型的数据量条件的情况下,该企业的物品适合采用安全库存正态分布计算模型计算企业的物品的安全库存,进而基于安全库存正态分布计算模型,可以获得较为准确的该企业该物品的安全库存。在企业的物品的物品标签不符合安全库存正态分布计算模型所需数据类型的数据量条件的情况下,该企业该物品不适合采用正态分布计算模型计算安全库存,这种情况下,如果采用正态分布计算模型计算安全库存,可能导致该企业该物品的安全库存计算结果为空或者预测效果较差,因而该企业该物品采用安全库存简化计算模型计算安全库存更合适,进而基于安全库存简化计算模型,可以获得该企业该物品较准确的的安全库存。
在一个实施例中,如图4所示,当目标安全库存计算模型为安全库存正态分布计算模型时,预测需求数据包括预测需求量和预测需求量偏差;通过基于企业的物品的历史实际需求量确定的预测模型,确定物品在目标统计时段的预测需求数据,包括下述步骤402~406:
步骤402,通过预测模型确定物品在目标统计时段的预测需求量;预测模型,是基于企业的物品在目标统计时段之前的第一历史统计时段内的历史实际需求量,进行数据规整处理后构建的。
其中,第一历史统计时段是预计获取物品在目标统计时段的预测需求量所需的历史实际需求量对应的具体时间段。历史实际需求量是第一历史统计时段内的实际需求量。
数据规整处理可包括数据准备处理,还可以包括预测项筛选、异常值修正和缺失值填补中至少一种处理。其中,数据准备处理是将企业的多个原始表单中物品的历史实际需求量源数据,基于物品以及确定物品在目标统计时段的预测需求量所需的第一历史统计时段内的历史实际需求量的数据形式要求,通过关联、分组和聚合的处理方式,获得第一历史统计时段内的历史实际需求量。
预测项筛选是根据数据准备处理获得的历史实际需求量进行处理,判断企业的各物品在第一历史统计时段内的历史实际需求量数量是否小于预设阈值;如果小于预设阈值,则不预测该物品在目标统计时段的预测需求量;如果不小于预设阈值,则将预测该物品在目标统计时段的预测需求量。
异常值修正包括平均值修正和异常值对数转换等;缺失值填补包括均值填补、中位数填补、众数填补和极大似然估计等。预测模型中的预测算法,可以通过使用历史实际需求量对多种待选预测算法进行训练,获得各待选预测算法的历史预测需求量,根据历史实际需求量与历史预测需求量计算历史预测需求量偏差,对比多种待选预测算法的历史预测需求量偏差,从而确定预测算法。预测算法还可以根据企业的实际需求进行训练,例如可根据企业预设的销售影响因素,获得适合于该企业的预测算法;其中,销售影响因素可包括促销因素、节假日因素和突发事件因素等。
预测模型可以是基于如图5所示的模型构建矩阵构建的模型。在该模型中,目标统计时段的时长为一年,需要预测一年内每个月的预测需求量,对应需要的第一历史统计时段为与目标统计时段相接且在目标统计时段之前的过去两年的历史实际需求量。定义模型构建矩阵X=(x(i,j)),其中i∈{0,1,2},j∈{0,1,…,11},横向(i)以年排列,纵向(j)以月排列,横向的第0列、第1列和第2列分别表示预测年份、与预测年份相接的历史第一年、与历史第一年相接且在历史第一年之前的历史第二年。该模型构建矩阵的矩阵元素为由横向列数、纵向行数确定对应的具体年份以及月份的历史实际需求量或者预测需求量,当未获得某个月的预测需求量时,第0列中这个月的矩阵元素为空。
第k个月的预测需求量可按照如下公式(1)以及公式(2)计算:
其中,是第k个月的预测需求量,表示是在模型构建矩阵X中第k-1行、第0列的矩阵元素。基于该预测需求量在模型构建矩阵X的位置(0,k-1)确定的最近邻数据域,该最近邻数据域包括第k-2行与所有列确定的矩阵位置,第k行与所有列确定的矩阵位置,以及第k-1行分别与第1列、第2列确定的矩阵位置;对该最近邻数据域中的矩阵元素以曼哈顿距离的倒数作为权重,计算该最近邻数据域中的矩阵元素的加权平均值,以该加权平均值作为第k个月的预测需求量。
具体地,在一个实施例中,服务器可获取企业的物品的原始表单,依照物品以及物品对应的第一历史统计时段内的历史实际需求量的数据形式要求,经过数据规整处理,获得企业的物品在目标统计时段之前的第一历史统计时段内的历史实际需求量;基于通过该第一历史统计时段内的历史实际需求量确定的预测模型,确定该企业该物品在目标统计时段的预测需求量。
在一个实施例中,服务器可基于如图6所示的预测流程示意图计算企业的物品的预测需求量。服务器获取企业的多个原始表单中待预测物品的历史实际需求量源数据,对该历史实际需求量源数据进行数据准备处理,获得第一历史统计时段内的候选历史实际需求量;对该历史实际需求量进行预测项筛选处理,从待预测物品中确认目标物品;对该目标物品的第一历史统计时段内的候选历史实际需求量作异常值修正、缺失值填补,获得第一历史统计时段内的目标历史实际需求量;基于第一历史统计时段内的目标历史实际需求量确定的预测模型,计算该企业该目标物品在目标统计时段的预测需求量。
步骤404,获取通过历史预测模型确定的物体在目标统计时段之前的第二历史统计时段的历史预测需求量,并获取物体在第二历史统计时段的历史实际需求量。
其中,历史预测模型中的预测算法可以与步骤402中预测模型的预测算法相同。第二历史统计时段的各历史预测需求量所对应的时长可以与第一历史统计时段的各历史预测需求量所对应的时长相同。比如,第一历史统计时段的各历史预测需求量分别为2022年6月的预测需求量、2022年7月的预测需求量,各历史预测需求量所对应的时长为一个月,那么第二历史统计时段的各历史预测需求量也应当为一个月。第二历史统计时段可以与第一历史统计时段相同,也可以不相同。
具体地,在一个实施例中,服务器可获取企业的物品在第二历史统计时段之前的第三历史统计时段的历史实际需求量,基于第三历史统计时段内的历史实际需求量确定历史预测模型,通过历史预测模型确定该企业该物品在第二历史统计时段的历史预测需求量,并获取物体在第二历史统计时段的历史实际需求量。
步骤406,根据历史预测需求量和历史实际需求量,计算物品在第二历史统计时段的预测需求量偏差,并作为物品在目标统计时段的预测需求量偏差。
其中,预测需求量偏差,可基于第二历史统计时段的历史预测需求量和对应的第二历史统计时段的历史实际需求量求标准差确定,以该标准差作为预测需求量偏差。
当历史预测模型中的预测算法与获得目标统计时段的预测需求量的预测模型的预测算法相同时,通过历史预测模型获得的第二历史统计时段的预测需求量偏差与通过预测模型获得的目标统计时段的预测需求量偏差基本一致。
具体地,服务器可计算企业的物品在第二历史统计时段的历史预测需求量和对应的历史实际需求量之间差值,根据该差值求标准差,以该标准差为该物品在第二历史统计时段的预测需求量偏差,并作为物品在目标统计时段的预测需求量偏差。
本实施例中,通过预测模型计算企业的物品在目标统计时段的预测需求量,可用于后续以安全库存正态分布计算模型计算该企业该物品的安全库存;基于通过历史预测模型获得的历史预测需求量求历史预测需求量偏差,以历史预测需求量偏差为目标统计时段的预测需求量偏差,量化了预测需求量偏差,为后续以安全库存正态分布计算模型较为准确地计算该企业该物品的安全库存提供了基础。
在一个实施例中,如图7所示,步骤208包括下述步骤702~704:
步骤702,当目标安全库存计算模型为安全库存正态分布计算模型,按照企业的企业类型,获取企业的库存相关参数;库存相关参数包括分别与企业类型匹配的库存补充提前期、库存补充提前期偏差和库存有货率系数。
其中,企业类型包括商贸型和制造型。库存补充提前期与库存有货率系数可以直接取得,也可以通过分别获取能够计算库存补充提前期和库存有货率系数的相关源数据计算。
在企业的企业类型为商贸型的情况下,物品的库存补充提前期是物品的补货提前期,可通过获取该企业该物品在预设历史时间段的各订货日和该订货日对应的入库日,计算各订货日与该订货日对应的入库日的间隔天数,从而根据多个间隔天数计算平均补货提前期,以该平均补货提前期为该企业该物品的补货提前期。该企业该物品的库存有货率系数,可通过获取该企业该物品在预设历史时间段的客户订货的次数和企业库存满足订货的次数,从而计算库存有货率,库存有货率为企业库存满足订货的次数与客户订货的次数的比值,再对该比值求标准正态累积分布函数的反函数值得到,以该反函数值为该企业该物品的库存有货率系数。
在企业的企业类型为制造型的情况下,企业的物品包括非成品和成品,非成品包括原材料和半成品等,非成品需要经过一定的加工最终产出成品。制造型企业的物品的库存补充提前期是指物品的生产提前期,可通过获取该物品在预设历史时间段内的投产日与对应的出产日,计算各投产日与该投产日对应的出产日的间隔天数,从而根据多个间隔天数计算平均生产提前期,以该平均生产提前期为该企业该物品的生产提前期。在该企业的该物品是外购品的情况下,还应将该企业该物品的生产提前期加上补货提前期作为库存补充提前期。该企业该物品的库存有货率系数,可通过获取该企业该物品在预设历史时间段的领用需求提出的次数和企业库存满足领用需求的次数计算库存有货率,库存有货率为企业库存满足领用需求的次数与领用需求提出的次数的比值,再对该比值求标准正态累积分布函数的反函数值得到,以该反函数值为该企业该物品的库存有货率系数。
具体地,在一个实施例中,当目标安全库存计算模型为安全库存正态分布计算模型,服务器可判断企业的企业类型,在企业的企业类型为商贸型的情况下,获取企业的物品的补货提前期,对补货提前期与预设历史时间段的各补货提前期的差值求标准差,以该标准差为库存补充提前期偏差;并获取该企业该物品的有货率系数。在企业的企业类型为制造型,且该物品不是外购品的情况下,获取企业的物品的生产提前期,对该生产提前期与预设历史时间段的各生产提前期的差值求标准差,以该标准差为库存补充提前期偏差;并获取该企业该物品的有货率系数。
步骤704,基于预测需求量、预测需求量偏差、库存补充提前期、库存补充提前期偏差和库存有货率系数,计算企业的物品的安全库存。
当目标安全库存计算模型为安全库存正态分布计算模型,安全库存可通过下述公式(3)计算。
其中,SS为安全库存,Z是库存有货率系数,是预测需求量偏差,L是库存补充提前期,δL是库存补充提前期偏差,是预测需求量。安全库存的值为预测需求数据与库存补充提前期参数的运算与库存有货率系数的乘积,预测需求数据与库存补充提前期参数的运算为预测需求量偏差运算和库存补充提前期偏差运算的和的平方根,其中,预测需求量偏差运算为预测需求量偏差的平方与库存补充提前期的乘积,库存补充提前期偏差运算为库存补充提前期偏差的平方与预测需求量的乘积。
具体地,在一个实施例中,服务器可基于预测需求量、预测需求量偏差、库存补充提前期、库存补充提前期偏差和库存有货率系数,按公式(3)计算企业的物品的安全库存。
本实施例中,在目标安全库存计算模型为安全库存正态分布计算模型,通过判断企业的企业类型,获取企业的企业类型的物品所匹配的库存补充提前期、库存补充提前偏差和库存有货率系数,从而为准确计算该企业该物品的安全库存提供基础;进而结合步骤402中获取的该企业该物品的预测需求量、步骤406中获取的该企业该物品的预测需求量偏差,得到该企业该物品较为准确的安全库存。
在一个实施例中,当目标安全库存计算模型为安全库存简化计算模型时,预测需求数据包括预测需求量;步骤208包括:按照企业的企业类型,获取企业的库存相关参数;库存相关参数包括分别与企业类型匹配的库存补充提前期和库存有货率系数;基于预测需求量、库存补充提前期和库存有货率系数,计算企业的物品的安全库存。
其中,安全库存简化计算模型通过预测需求量、库存补充提前期与库存有货率系数的乘积计算企业的物品的安全库存。
在一个实施例中,服务器可判断企业的企业类型,在企业的企业类型为商贸型的情况下,获取企业的物品的补货提前期,以该补货提前期为库存补充提前期,并获取该企业该物品的有货率系数;在企业的企业类型为制造型,且该物品不是外购品的情况下,获取企业的物品的生产提前期,以该生产提前期为库存补充提前期,并获取该企业该物品的有货率系数。
在一个实施例中,服务器可获取企业的物品的预测需求量、库存补充提前期和库存有货率系数,按照预测需求量、库存补充提前期和库存有货率系数的乘积,计算该企业该物品的安全库存。
本实施例中,在目标安全库存计算模型为安全库存简化计算模型的情况下,通过判断企业的企业类型,获取企业的企业类型的物品所匹配的库存补充提前期和库存有货率系数,从而为准确计算该企业该物品的安全库存提供基础;而且获取该企业该物品的预测需求量,基于预测需求量、库存补充提前期和库存有货率系数计算,可得到该企业该物品较为准确的安全库存。
在一个实施例中,在一个具体应用场景中,终端上可通过企业管理账号进入服务器提供的如图8所示的功能订阅页面,在该功能订阅页面配置动态安全库存功能的启用或关闭。当动态安全库存功能启用的情况下,可触发执行如图9所示的安全库存处理方法,具体包括如下内容:
服务器可获取该企业的物品的原始数据集,通过原始数据集确认物品标签,通过物品标签可自动匹配适合于该企业的物品的动态安全库存计算模型,给终端返回匹配结果并显示在如图10所示的安全库存计算模型配置页面中。
参照如图11所示的动态安全库存模型参数配置示意图,终端可通过企业管理账号进入安全库存计算模型配置页面,在该页面中可手动从安全库存简化计算模型和安全库存正态分布计算模型中选择目标安全库存计算模型,也可以通过配置安全库存动态计算周期和计算依据,实现按照安全库存动态计算周期和计算依据进行安全库存的自动计算。其中,配置计算依据时,可配置使用销售预测和使用历史数据两种情况。在使用销售预测时,目标安全库存计算模型基于预测需求数据计算安全库存;在使用历史数据时,目标安全库存计算模型基于历史需求数据而不基于预测需求数据计算安全库存。当终端上通过企业管理账号在功能订阅页面配置了如图12中1201所示的智能销售预测功能时,图10所示的依据智能销售预测数据选项框处于可被选择的状态。安全库存计算模型配置页面还可以用于配置预测长度,用以确定目标统计时段的时长。
进而终端可判断企业类型,通过企业管理账号的确认来识别企业的企业类型。服务器获取企业的企业类型,根据企业的原始数据集,给终端返回订货提前期的数据来源和历史服务水平的数据来源的配置界面,企业管理账号可配置订货提前期的数据来源、历史服务水平的数据来源。其中,订货提前期即库存补充提前期,订货提前期的数据来源设置,可通过企业管理账号确认订货提前期取直接从终端或者服务器获取的值,还是取通过过计算获得的值;设置历史服务水平的数据来源,可通过企业管理账号确认历史服务水平取直接从终端或者服务器获取的值,还是取通过过计算获得的值,历史服务水平即历史时间段的库存有货率,历史服务系数即历史时间段的库存有货率系数。
企业管理账号可配置物品分类、物品范围和物品粒度,其中,企业管理账号配置物品分类时配置了物品标签计算的逻辑,服务器基于物品分类通过物品标签计算可确定物品标签,按物品粒度统计消耗量可获得物品消耗量分组。如果企业类型为制造型,该企业的物品是物料,还可以获取物料属性分类,物料属性分类包括成品、半成品或者外购品等。该基于企业管理账号配置而获取的物品标签,以及物品粒度、物料属性作为后续用户通过企业管理账号在终端上查看该企业的物品相关信息时所用到的属性标签,该属性标签可帮助用户实现管理目的。
通过上述过程,终端通过企业管理账号完成了动态安全库存模型参数配置。在安全库存正态分布计算模型确定为目标安全库存计算模型,且使用销售预测的情况下,服务器通过如图13所示的预测模型计算过程计算目标统计时段的日均预测需求量,在需要计算多个日均预测需求量时,针对不同的日均预测需求量,服务器获取第一历史统计时段内不同的原始需求数据,对每一种原始需求数据进行处理,处理包括识别物品特征、识别物品生命周期特征、识别历史销售特征和识别综合因素特征,基于处理过的原始需求数据,使用多种预测模型计算多个待选日均预测需求量,并对多个待选日均预测需求量进行结果分析,获取最优结果作为物品在目标统计时段的日均预测需求量。
进一步地,服务器可通过计算目标统计时段的日均预测需求量时相同的处理,获取第二历史统计时段内历史日均预测需求量,并获取第二历史统计时段内的日均历史实际需求量,计算日均历史预测需求量标准差,以日均历史预测需求量标准差为日均预测需求量标准差。
服务器可获取该企业该物品的订货提前期,并计算订货提前期标准差,订货提前期标准差即库存补充提前期偏差。同时,获取该企业该物品的历史服务水平,基于历史服务水平计算历史服务系数。服务器也可以获取该企业该物品的当前服务水平,基于当前服务水平计算当前服务系数。
基于日均预测需求量、日均预测需求量标准差、订货提前期、订货提前期标准差和历史服务系数,按照公式(3)计算该企业该物品的安全库存。可将该物品的安全库存存放在安全库存结果表中。基于物品的安全库存以及库存元素计算模型,计算最小库存、最大库存和再订货点,可将安全库存、最小库存、最大库存和再订货点存放在库存元素计算表中。
企业管理账号可根据企业管理需求,按需配置显示指令,显示如图14动态安全库存方案描述示意图中1401所描述的透明化分析功能。图14中的物料标签是物料的属性标签,企业管理账号可选定一个物料标签,终端向服务器发送根据物料标签显示结果的指令,服务器可调用安全库存结果表返回该物料标签下各物料的动态周期的安全库存结果,并在终端上显示。
上述安全库存处理方法,根据企业的物品的指标数据,可以为物品分类,从而给物品设置物品标签。通过物品标签,能够自动从多种预设的安全库存计算模型中确定物品标签匹配的目标安全库存计算模型,使得目标安全库存计算模型更适合企业的物品,为准确计算安全库存提供了基础条件。而且按照目标安全库存计算模型需要的数据类型,根据历史实际需求量确定预测模型,获得适合于该企业该物品的预测模型,该预测模型能够反映出该企业该物品的历史消耗规律,因而通过该预测模型获得预测需求数据更准确,更贴近企业物品消耗的真实情况;进而将预测需求数据与库存相关参数通过目标安全库存计算模型计算物品的安全库存,能够较为准确地计算出适合该企业该物品的安全库存。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的安全库存处理方法的安全库存处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个安全库存处理装置实施例中的具体限定可以参见上文中对于安全库存处理方法的限定,在此不再赘述。
在一个实施例中,如图15所示,提供了一种安全库存处理装置1500,包括:企业参数模块1510、计算模块1520和预测模型1530,其中:
企业参数模块1510,用于获取企业的物品的指标数据,根据物品的指标数据确定物品的物品标签。
计算模块1520,用于从预设的多种安全库存计算模型中,确定与物品标签匹配的目标安全库存计算模型;以企业预配置的安全库存动态计算周期,调用预测模型,获得物品在目标统计时段的预测需求数据;获取企业的库存相关参数,通过目标安全库存计算模型,基于预测需求数据和库存相关参数,确定企业的物品的安全库存。
预测模型1530,用于按照目标安全库存计算模型所需数据类型,确定物品在目标统计时段的预测需求数据;预测模型1530,是基于企业的物品在历史统计时段内的历史实际需求量确定的。
在一个实施例中,企业参数模块1510还用于按照企业的物品的标签分类方式,获取企业的物品的多种指标的源数据;依照每种指标对应的源数据确定每种指标的指标值;参照每种指标的指标评判条件,基于相应指标的指标值进行判别,确定物品在相应指标下的物品标签。
在一个实施例中,计算模块1520还用于在物品标签符合安全库存正态分布计算模型所需数据类型的数据量条件的情况下,将安全库存正态分布计算模型确定为与物品标签匹配的目标安全库存计算模型。在物品标签不符合安全库存正态分布计算模型所需数据类型的数据量条件的情况下,将安全库存简化计算模型确定为与物品标签匹配的目标安全库存计算模型。
在一个实施例中,当目标安全库存计算模型为安全库存正态分布计算模型时,预测需求数据包括预测需求量和预测需求量偏差。计算模块1520还用于通过调用预测模型确定物品在目标统计时段的预测需求量;调用历史预测模型,确定物体在目标统计时段之前的第二历史统计时段的历史预测需求量,并获取物体在第二历史统计时段的历史实际需求量;根据历史预测需求量和历史实际需求量,计算物品在第二历史统计时段的预测需求量偏差,并作为物品在目标统计时段的预测需求量偏差。预测模型1530用于确定物品在目标统计时段的预测需求量。预测模型1530是基于企业的物品在目标统计时段之前的第一历史统计时段内的历史实际需求量,进行数据规整处理后构建的。安全库存处理装置1500还包括历史预测模型,历史预测模型用于确定的物体在目标统计时段之前的第二历史统计时段的历史预测需求量。
在一个实施例中,当目标安全库存计算模型为安全库存正态分布计算模型时,计算模块1520还用于按照企业的企业类型,获取企业的库存相关参数;库存相关参数包括分别与企业类型匹配的库存补充提前期、库存补充提前期偏差和库存有货率系数;基于预测需求量、预测需求量偏差、库存补充提前期、库存补充提前期偏差和库存有货率系数,计算企业的物品的安全库存。
在一个实施例中,当目标安全库存计算模型为安全库存简化计算模型时,计算模块1520还用于按照企业的企业类型,获取企业的库存相关参数;库存相关参数包括分别与企业类型匹配的库存补充提前期和库存有货率系数;基于预测需求量、库存补充提前期和库存有货率系数,计算企业的物品的安全库存。
上述安全库存处理装置,通过物品标签自动从多种预设的安全库存计算模型中确定物品标签匹配的目标安全库存计算模型,为准确计算安全库存提供了基础条件。而且根据历史实际需求量确定预测模型,获得适合于该企业该物品的预测模型,通过该预测模型获得预测需求数据更准确,更贴近企业物品消耗的真实情况;进而将预测需求数据与库存相关参数通过目标安全库存计算模型计算物品的安全库存,能够较为准确地计算出适合该企业该物品的安全库存。
上述安全库存处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,也可以是服务器,其内部结构图可以如图16所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种安全库存处理方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置,显示屏可以是液晶显示屏或电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图16中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种安全库存处理方法,其特征在于,所述方法包括:
获取企业的物品的指标数据,根据所述物品的指标数据确定所述物品的物品标签;
从预设的多种安全库存计算模型中,确定与所述物品标签匹配的目标安全库存计算模型;
以所述企业预配置的安全库存动态计算周期,按所述目标安全库存计算模型所需数据类型,通过基于所述企业的所述物品的历史实际需求量确定的预测模型,确定所述物品在目标统计时段的预测需求数据;
获取所述企业的库存相关参数,通过所述目标安全库存计算模型,基于所述预测需求数据和所述库存相关参数,确定所述企业的所述物品的安全库存。
2.根据权利要求1所述的方法,其特征在于,所述获取企业的物品的指标数据,根据所述物品的指标数据确定所述物品的物品标签,包括:
按照企业的物品的标签分类方式,获取所述企业的所述物品的多种指标的源数据;
依照每种所述指标对应的源数据确定每种指标的指标值;
参照每种所述指标的指标评判条件,基于相应指标的所述指标值进行判别,确定所述物品在相应指标下的物品标签。
3.根据权利要求1所述的方法,其特征在于,所述预设的多种安全库存计算模型包括安全库存正态分布计算模型和安全库存简化计算模型,所述安全库存简化计算模型所需数据类型是所述安全库存正态分布计算模型所需数据类型的一部分;所述从预设的多种安全库存计算模型中,确定与所述物品标签匹配的目标安全库存计算模型,包括:
在所述物品标签符合所述安全库存正态分布计算模型所需数据类型的数据量条件的情况下,将所述安全库存正态分布计算模型确定为与所述物品标签匹配的目标安全库存计算模型;
在所述物品标签不符合所述安全库存正态分布计算模型所需数据类型的数据量条件的情况下,将所述安全库存简化计算模型确定为与所述物品标签匹配的目标安全库存计算模型。
4.根据权利要求3所述的方法,其特征在于,当所述目标安全库存计算模型为安全库存正态分布计算模型时,所述预测需求数据包括预测需求量和预测需求量偏差;所述通过基于所述企业的所述物品的历史实际需求量确定的预测模型,确定所述物品在目标统计时段的预测需求数据,包括:
通过预测模型确定所述物品在目标统计时段的预测需求量;所述预测模型,是基于所述企业的所述物品在所述目标统计时段之前的第一历史统计时段内的历史实际需求量,进行数据规整处理后构建的;
获取通过历史预测模型确定的所述物体在所述目标统计时段之前的第二历史统计时段的历史预测需求量,并获取所述物体在所述第二历史统计时段的历史实际需求量;
根据所述历史预测需求量和所述历史实际需求量,计算所述物品在第二历史统计时段的预测需求量偏差,并作为所述物品在目标统计时段的预测需求量偏差。
5.根据权利要求4所述的方法,其特征在于,所述获取所述企业的库存相关参数,通过所述目标安全库存计算模型,基于所述预测需求数据和所述库存相关参数,确定所述企业的所述物品的安全库存,包括:
当所述目标安全库存计算模型为安全库存正态分布计算模型,按照所述企业的企业类型,获取所述企业的库存相关参数;所述库存相关参数包括分别与所述企业类型匹配的库存补充提前期、库存补充提前期偏差和库存有货率系数;
基于所述预测需求量、所述预测需求量偏差、所述库存补充提前期、库存补充提前期偏差和库存有货率系数,计算所述企业的所述物品的安全库存。
6.根据权利要求1至5任意一项所述的方法,其特征在于,当所述目标安全库存计算模型为安全库存简化计算模型时,所述预测需求数据包括预测需求量;所述获取所述企业的库存相关参数,通过所述目标安全库存计算模型,基于所述预测需求数据和所述库存相关参数,确定所述企业的所述物品的安全库存,包括:
按照所述企业的企业类型,获取所述企业的库存相关参数;所述库存相关参数包括分别与所述企业类型匹配的库存补充提前期和库存有货率系数;
基于所述预测需求量、所述库存补充提前期和库存有货率系数,计算所述企业的所述物品的安全库存。
7.一种安全库存处理装置,其特征在于,所述装置包括:
企业参数模块,用于获取企业的物品的指标数据,根据所述物品的指标数据确定所述物品的物品标签;
计算模块,用于从预设的多种安全库存计算模型中,确定与所述物品标签匹配的目标安全库存计算模型;以所述企业预配置的安全库存动态计算周期,调用预测模型,获得所述物品在目标统计时段的预测需求数据;获取所述企业的库存相关参数,通过所述目标安全库存计算模型,基于所述预测需求数据和所述库存相关参数,确定所述企业的所述物品的安全库存;
所述预测模型,用于按照所述目标安全库存计算模型所需数据类型,确定所述物品在目标统计时段的预测需求数据;所述预测模型,是基于所述企业的所述物品在历史统计时段内的历史实际需求量确定的。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211030261.9A CN115330314A (zh) | 2022-08-26 | 2022-08-26 | 安全库存处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211030261.9A CN115330314A (zh) | 2022-08-26 | 2022-08-26 | 安全库存处理方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115330314A true CN115330314A (zh) | 2022-11-11 |
Family
ID=83927346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211030261.9A Pending CN115330314A (zh) | 2022-08-26 | 2022-08-26 | 安全库存处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115330314A (zh) |
-
2022
- 2022-08-26 CN CN202211030261.9A patent/CN115330314A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11922440B2 (en) | Demand forecasting using weighted mixed machine learning models | |
US11599753B2 (en) | Dynamic feature selection for model generation | |
CN101777147B (zh) | 预测建模 | |
US20200111109A1 (en) | Flexible Feature Regularization for Demand Model Generation | |
Agrawal et al. | Optimal inventory management for a retail chain with diverse store demands | |
CN110009400A (zh) | 商品定价方法、终端及计算机可读存储介质 | |
US11568432B2 (en) | Auto clustering prediction models | |
JP7105336B2 (ja) | スマートサプライチェーンシステム | |
JP2021535451A (ja) | 需要予測パラメータの最適化 | |
US20210224833A1 (en) | Seasonality Prediction Model | |
US20160162920A1 (en) | Systems and methods for purchasing price simulation and optimization | |
CN115689451A (zh) | 一种线下零售门店补货量确定方法、装置、终端及介质 | |
CN114926305A (zh) | 电力物资管控方法、装置、计算机设备、存储介质 | |
Yadollahi et al. | Evaluating approximate solution models for the stochastic periodic inventory routing problem | |
EP3887944A1 (en) | Extensible software tool with customizable machine prediction | |
US11354686B2 (en) | Short life cycle sales curve estimation | |
CN114757630B (zh) | 仓储管理模型确定方法、装置及计算机设备 | |
CN115330314A (zh) | 安全库存处理方法、装置、计算机设备和存储介质 | |
Kong et al. | Demand-predictive storage assignment mechanism for flower auction centers | |
CN115759574A (zh) | 物资的存储方法、装置、计算机设备和存储介质 | |
US20230316202A1 (en) | Methods and apparatuses for automatically predicting fill rates | |
CN114626660A (zh) | 用于激增调整预报的方法和装置 | |
CN114444990A (zh) | 供应链网络前置仓的选品方法 | |
CN116384874A (zh) | 库存量的确定方法、装置、计算机设备和存储介质 | |
CN110858337A (zh) | 一种生成配置信息的方法和装置 |
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 |