CN115564359B - 汽车售后备件的库存预测方法、设备和存储介质 - Google Patents
汽车售后备件的库存预测方法、设备和存储介质 Download PDFInfo
- Publication number
- CN115564359B CN115564359B CN202211469735.XA CN202211469735A CN115564359B CN 115564359 B CN115564359 B CN 115564359B CN 202211469735 A CN202211469735 A CN 202211469735A CN 115564359 B CN115564359 B CN 115564359B
- Authority
- CN
- China
- Prior art keywords
- spare part
- satisfaction rate
- inventory
- sales
- service satisfaction
- 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
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
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
-
- 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
-
- 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)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据处理技术领域,公开了一种汽车售后备件的库存预测方法、设备和存储介质。该方法包括:通过确定各库存管理站点中的各售后备件在预设时间段的预测需求数据,进而根据各预设站点服务目标值,在各售后备件的服务满足率寻优范围内确定各售后备件的参考服务满足率,以实现对不同站点下的各售后备件的服务满足率的区别预测,进而通过各售后备件的参考服务满足率和预测需求数据确定各售后备件的参考库存信息,实现对不同站点下的各售后备件的库存区别预测,进而实现对各站点的差异化库存管理,解决各站点采用一致库存管理所造成的高库存、低满足率问题,并解决人工计算负荷高、稳定性差以及信息流动处理效率低的问题。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种汽车售后备件的库存预测方法、设备和存储介质。
背景技术
汽车市场逐步进入存量换购期,售后备件供应链逐步开始承载着客户服务与利润增长的核心功能。随着汽车保有量的增加、企业在售后备件供应链的竞争愈发激烈、在经营中也开始面临更多的能力短板与业务痛点。汽车售后备件管理领域存在备件种类繁多、仓网层级复杂、业务信息交错、数据处理量大等特征。
然而,传统库存管理方式存在以下技术问题:(1)各库存管理站点通常采用“一刀切”方式管理海量备件及复杂业务场景,即各层级的仓储节点下的库存管理方法一致,采用相同的库存信息,这使得各层级仓储中心缺乏协调整合、各自管理库存,资源难以协调优化,高库存、低满足率现象并存;(2)缺乏智能化决策工具,人工计算负荷高、稳定性差,并且,信息流动处理效率低,供应链联动效率亟待优化。
有鉴于此,特提出本发明。
发明内容
为了解决上述技术问题,本发明提供了一种汽车售后备件的库存预测方法、设备和存储介质,以实现对不同库存管理站点下的各售后备件的参考库存信息的区别预测,解决现有技术中各库存管理站点采用一致库存的问题,进而解决各库存管理站点的高库存、低满足率现象,并且,无需人工计算,解决现有技术中人工计算负荷高、稳定性差以及信息流动处理效率低的问题。
本发明实施例提供了一种汽车售后备件的库存预测方法,包括:
确定各库存管理站点中的各售后备件在预设时间段的预测需求数据;
针对每一个所述库存管理站点,基于各预设站点服务目标值在各所述售后备件的服务满足率寻优范围内确定各所述售后备件的参考服务满足率;
针对各所述库存管理站点中的每一个所述售后备件,基于所述售后备件的参考服务满足率以及预测需求数据,确定所述售后备件在所述预设时间段的参考库存信息。
本发明实施例提供了一种电子设备,所述电子设备包括:
处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行任一实施例所述的汽车售后备件的库存预测方法的步骤。
本发明实施例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存储程序或指令,所述程序或指令使计算机执行任一实施例所述的汽车售后备件的库存预测方法的步骤。
本发明实施例具有以下技术效果:
通过确定各中心仓、区域仓或经销商服务站等库存管理站点中的各售后备件在预设时间段的预测需求数据,进而根据各预设站点服务目标值,在各售后备件的服务满足率寻优范围内确定各售后备件的参考服务满足率,以实现对不同库存管理站点下的各售后备件的服务满足率的区别预测,进而通过各售后备件的参考服务满足率和预测需求数据确定各售后备件的参考库存信息,实现对不同库存管理站点下的各售后备件的参考库存信息的区别预测,进而实现对各站点的差异化库存管理,解决现有技术中各库存管理站点采用一致库存的问题,进而解决各库存管理站点的高库存、低满足率现象,并且,无需人工计算,解决现有技术中人工计算负荷高、稳定性差以及信息流动处理效率低的问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种汽车售后备件的库存预测方法的流程图;
图2是本发明实施例提供的另一种汽车售后备件的库存预测方法的流程图;
图3是本发明实施例提供的另一种汽车售后备件的库存预测方法的流程图;
图4是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行清楚、完整的描述。显然,所描述的实施例仅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得到的所有其它实施例,都属于本发明所保护的范围。
本发明实施例提供的汽车售后备件的库存预测方法,主要适用于对各个中心仓、区域仓或经销商服务站中的售后备件在未来时间段的参考库存信息进行预测的情况。本发明实施例提供的汽车售后备件的库存预测方法可以由汽车售后备件的库存预测装置执行,该装置可以集成在诸如计算机、智能手机或服务器等电子设备中。
图1是本发明实施例提供的一种汽车售后备件的库存预测方法的流程图。参见图1,该汽车售后备件的库存预测方法具体包括:
S110、确定各库存管理站点中的各售后备件在预设时间段的预测需求数据。
在本实施例中,库存管理站点为具备售后备件管理需求的站点,如各个层级下的中心仓、区域仓或经销商服务站。
具体的,针对每一个库存管理站点,可以确定库存管理站点中各个售后备件在预设时间段的预测需求数据。其中,预设时间段可以是预先设置的用于进行需求预测的未来时间段。
需要说明的是,售后备件的需求数据可以是指下游向上游要求售后备件的数量,如,中心仓向供应商的采购需求量、配送中心向中心仓的订货需求量、经销商服务站向配送中心的订货需求量,等。
预设时间段可以根据售后备件的预设预测周期或预设预测频率确定。各售后备件对应的预设时间段可以相同,也可以不同。例如,售后备件A对应的预设时间段为未来7天,售后备件B对应的预设时间段为未来1个月。
在本实施例中,预测需求数据可以是针对售后备件所预测的在预设时间段内的需求数据。其中。预测需求数据可以包括预测需求量。
示例性的,可以根据预先建立的需求预测模型对每一个库存管理站点中的各售后备件进行需求预测,得到每一个库存管理站点中的各售后备件在预设时间段的预测需求数据。或者,根据各售后备件在历史时间段内的实际需求数据,确定历史平均需求数据,根据历史平均需求数据确定预测需求数据。
需要说明的是,针对不同库存管理站点中的同一售后备件,其在不同库存管理站点下的预测需求数据可以不同。本实施例提供的方法,需要对每一个库存管理站点中的各售后备件进行需求数据的区别预测,以实现对各库存管理站点的差异化库存管理,提升库存管理精准度。
S120、针对每一个库存管理站点,基于各预设站点服务目标值在各售后备件的服务满足率寻优范围内确定各售后备件的参考服务满足率。
需要说明的是,服务满足率可以是用户购买售后备件的数量与该售后备件类别下产品全部需求数量的比例。服务满足率越高,用户体验越好。
其中,预设站点服务目标值可以是预先设置的站点全局库存需要达成的服务满足率。在本实施例中,可以预先在90%-99%的范围内选取多个预设站点服务目标值,如,90%、91%、92%、93%、94%、95%、96%、97%、98%、99%,即可以设定10个预设站点服务目标值。
售后备件的服务满足率寻优范围可以是针对售后备件所预先确定的服务满足率所处范围。需要说明的是,相同库存管理站点下的不同售后备件的服务满足率寻优范围可以不同,不同库存管理站点的相同售后备件的服务满足率寻优范围也可以不同。
具体的,对于每一个库存管理站点,可以在库存管理站点中各个售后备件的服务满足率寻优范围内,对各个售后备件的服务满足率进行调整,使得库存管理站点的实际站点服务满足率达到预设站点服务目标值,进而将调整后的各个售后备件的服务满足率作为各个售后备件的参考服务满足率。其中,实际站点服务满足率可以是所有售后备件的实际需求加权均值。
示例性的,针对每一个库存管理站点,可以通过贪心算法,以预设站点服务目标值为寻优目标,在各售后备件的服务满足率寻优范围内,寻找使实际站点服务满足率达到预设站点服务目标值的各个参考服务满足率。
需要说明的是,由于预设站点服务目标值的数量可以是多个,因此,针对每一个预设站点服务目标值,均可以寻优得到该预设站点服务目标值对应的各个参考服务满足率。
在一种具体的实施方式中,针对每一个库存管理站点,基于各预设站点服务目标值在各售后备件的服务满足率寻优范围内确定各售后备件的参考服务满足率,可以包括如下步骤:
步骤1201、确定各库存管理站点中的每一个售后备件的服务满足率寻优范围;
步骤1202、基于预设排序规则,对各库存管理站点中各售后备件进行排序,得到各库存管理站点的备件排序结果;
步骤1203、针对每一个库存管理站点的备件排序结果,将备件排序结果中每一个售后备件的服务满足率寻优范围的下限值确定为售后备件的当前服务满足率,根据各当前服务满足率确定库存管理站点的实际站点服务满足率;
步骤1204、判断实际站点服务满足率是否达到预设站点服务目标值,若否,则以从上到下的顺序对备件排序结果中的各售后备件的当前服务满足率,依次进行调整,直至基于各当前服务满足率确定的实际站点服务满足率达到预设站点服务目标值,根据各当前服务满足率确定各参考服务满足率。
在上述步骤1201中,各库存管理站点中的每一个售后备件的服务满足率寻优范围可以是预先设置的,也可以根据每一个售后备件的备件分类确定的。
可选的,针对上述步骤1201,确定各库存管理站点中的每一个售后备件的服务满足率寻优范围,可以是:针对各库存管理站点中的每一个售后备件,确定售后备件在历史时间段内的需求金额以及需求频度;基于需求金额以及需求频度,确定售后备件对应的备件分类信息;根据备件分类信息以及预设的分类寻优映射关系,确定售后备件的服务满足率寻优范围。
其中,历史时间段可以是预先设置的,如过去6个月。需求金额可以根据历史时间段内的需求数量和备件单价计算得到,即需求金额=需求数量*备件单价。需求频度为历史时间段内售后备件的需求频次,需求频度越大,则表示历史时间段内售后备件的需求次数越多。
售后备件的需求频度可以根据该售后备件在历史时间段内的出库状态得到。示例性的,确定售后备件在历史时间段内的需求频度,可以是:根据售后备件在历史时间段内的出库状态得到售后备件的加权系数;根据加权系数确定需求频度。如,以历史时间段为过去6个月为例,可以根据如下公式计算需求频度:
x=𝑛1×6+𝑛2×5+𝑛3×4+𝑛4×3+𝑛5×2+𝑛6×1;
y=MAX(1,7-ROUNDDOWN((x-1)/3,0));
其中,𝑛1、𝑛2、𝑛3、𝑛4、𝑛5、𝑛6分别表示过去6个月中从第一个月到第六个月的出库状态,若第i个月的出库数量大于0,则ni=1,否则ni=0;x为售后备件的加权系数;y为售后备件的需求频度;ROUNDDOWN()表示靠近零值,向下(绝对值减小的方向)舍入数字。y的取值是在1和7-ROUNDDOWN((x-1)/3,0)中取最大值。
进一步的,在计算得到每一个库存管理站点中的每一个售后备件在历史时间段内的需求金额以及需求频度后,可以根据需求金额确定第一分类,根据需求频度确定第二分类,将第一分类和第二分类作为售后备件对应的备件分类信息。
示例性的,根据需求金额确定第一分类,可以是:根据售后备件的需求金额在库存管理站点中的需求金额总值中的占比,即需求金额占比,确定第一分类。示例性的,参见表1,表1展示了一种第一分类的确定规则。
表1 一种第一分类的确定规则
需求金额占比 | 需求金额累计占比 | 第一分类 |
75% | 75% | A |
20% | 95% | B |
5% | 100% | C |
在表1中,可以划分A、B、C三种第一分类,A类为需求金额占需求金额总值的75%;B类为需求金额占需求金额总值的20%;C类为需求金额占需求金额总值的5%。当然,还可以设置浮动占比,根据计算出的需求金额占比和浮动占比确定最接近的预设需求金额占比,得到对应的第一分类。
示例性的,参见表2,表2展示了一种第二分类的确定规则。
表2 一种第二分类的确定规则
在表2中,可以划分X、Y、Z三种第二分类,需求频度为1、2的售后备件的第二分类为X,需求频度为3、4的售后备件的第二分类为Y,需求频度为5、6、7的售后备件的第二分类为Z。当然,还可以设置浮动频度,根据需求频度和浮动频度确定最接近的预设需求频度,得到对应的第二分类。
进一步的,在得到包括第一分类和第二分类的备件分类信息后,可以通过售后备件对应的备件分类信息以及预设的分类寻优映射关系,确定该售后备件的服务满足率寻优范围。其中,预设的分类寻优映射关系可以包括各种预设备件分类以及各种预设备件分类对应的服务满足率寻优范围。
分类寻优映射关系还可以包括各种预设备件分类对应的生效站点范围,如,全局生效、区域仓生效、中心仓生效等。
具体的,可以根据售后备件对应的备件分类信息直接在分类寻优映射关系中查询对应的服务满足率寻优范围;或者,先根据售后备件对应的备件分类信息在分类寻优映射关系中查询对应的服务满足率寻优范围以及生效站点范围,再根据售后备件所处的库存管理站点以及生效站点范围判断该服务满足率寻优范围是否可用,若否,则可以采取预设的服务满足率寻优范围。
示例性的,参见表3,表3展示了一种分类寻优映射关系。
表3 一种分类寻优映射关系
序号 | 规则名称 | 生效站点范围 | 预设备份分类 | 服务满足率寻优范围 |
1 | AX规则 | 全局生效 | 备件分类类型 = AX | 服务满足率,95% ~ 99% |
2 | BX规则 | 全局生效 | 备件分类类型 = BX | 服务满足率,92% ~ 97% |
3 | CX规则 | 全局生效 | 备件分类类型 = CX | 服务满足率,90% ~ 95% |
4 | AY规则 | 全局生效 | 备件分类类型 = AY | 服务满足率,90% ~ 95% |
5 | BY规则 | 全局生效 | 备件分类类型 = BY | 服务满足率,88% ~ 93% |
6 | CY规则 | 全局生效 | 备件分类类型 = CY | 服务满足率,85% ~ 90% |
7 | AZ不储备规则 | 区域仓 | 备件分类类型 = AZ | 服务满足率,50% ~ 50% |
8 | BZ不储备规则 | 区域仓 | 备件分类类型 = BZ | 服务满足率,50% ~ 50% |
9 | CZ不储备规则 | 区域仓 | 备件分类类型 = CZ | 服务满足率,50% ~ 50% |
10 | AZ中心仓规则 | 中心仓 | 备件分类类型 = AZ | 服务满足率,65% ~ 70% |
11 | BZ中心仓规则 | 中心仓 | 备件分类类型 = BZ | 服务满足率,60% ~ 65% |
12 | CZ中心仓规则 | 中心仓 | 备件分类类型 = CZ | 服务满足率,50% ~ 60% |
通过上述方式,实现了对各库存管理站点中的各售后备件的服务满足率寻优范围的确定。结合各售后备件的历史数据,确定售后备件的需求金额和需求频度,进而根据需求金额和需求频度确定备件分类信息,通过备件分类信息得到对应的服务满足率寻优范围,实现了对各库存管理站点中的各售后备件的差异化管理,使得各站点下的各售后备件的服务满足率寻优范围更符合实际用户需求,进而使得在服务满足率寻优范围内寻找的参考服务满足率更符合实际用户需求。
进一步的,在上述步骤1202中,可以通过预设排序规则,对各库存管理站点中各售后备件进行排序。其中,预设排序规则可以是按照各售后备件在历史时间段内的需求频度、需求金额以及备件单价中的至少一种对各售后备件进行降序排序。
示例性的,针对每一个库存管理站点,可以根据各售后备件在历史时间段内的需求频度、需求金额以及备件单价,计算各售后备件的重要度,按照各售后备件的重要度从大到小的顺序,对各售后备件进行排序,得到备件排序结果。
进一步的,在上述步骤1203中,针对每一个库存管理站点,先将备件排序结果中每一个售后备件的服务满足率寻优范围的下限值,作为各售后备件的当前服务满足率,进而根据各个当前服务满足率计算出库存管理站点的实际站点服务满足率。
进一步的,在上述步骤1204中,针对每一个预设站点服务目标值,如果实际站点服务满足率达到该预设站点服务目标值,则可以直接将各当前服务满足率作为各参考服务满足率。如果实际站点服务满足率没有达到该预设站点服务目标值,则可以对备件排序结果中的各售后备件的当前服务满足率依次进行调整(在服务满足率寻优范围内调整),每一次调整都可以计算出一个实际站点服务满足率,如果实际站点服务满足率达到该预设站点服务目标值,则可以停止调整,得到各个参考服务满足率。
示例性的,以预设站点服务目标值为90%为例,备件排序结果中依次为备件1、备件2、备件3、备件4以及备件5,备件1-3的服务满足率寻优范围为95%~99%,备件4-5的服务满足率寻优范围为50%~60%。则可以先取95%、95%、95%、50%、50%作为备件1-5的当前服务满足率,此时计算出的实际站点服务满足率为77%,未达到90%;可以对备件1的当前服务满足率进行调整,判断调整后的实际站点服务满足率是否满足90%,如果不满足,且备件1的当前服务满足率已调整至服务满足率寻优范围的上限值,则继续对备件2的当前服务满足率进行调整,重复上述过程,直至实际站点服务满足率达到90%。
可选的,针对上述步骤1204,以从上到下的顺序对备件排序结果中的各售后备件的当前服务满足率,依次进行调整,直至基于各当前服务满足率确定的实际站点服务满足率达到预设站点服务目标值,根据各当前服务满足率确定各参考服务满足率,可以是:
以从上到下的顺序将备件排序结果中的各售后备件的当前服务满足率,依次调整至售后备件的服务满足率寻优范围的上限值,直至基于各当前服务满足率确定的实际站点服务满足率达到预设站点服务目标值;根据预设步长降低前一次调整的售后备件的当前服务满足率,直至实际站点服务满足率为达到预设站点服务目标值的最小值,将各当前服务满足率确定为各参考服务满足率。
其中,预设步长可以是预先设置的向下调整服务满足率的步长。即,在上述实施方式中,可以在实际站点服务满足率不满足预设站点服务目标值时,依次将备件排序结果中的各售后备件的当前服务满足率,调整为售后备件的服务满足率寻优范围的上限值,直至实际站点服务满足率满足预设站点服务目标值。
进一步的,可以根据预设步长降低前一次调整的售后备件的当前服务满足率,直至计算出的实际站点服务满足率为达到预设站点服务目标值的最小值,此时可以得到各个参考服务满足率。
示例性的,沿用上例,首次计算的实际站点服务满足率为77%,未达到90%时,可以将备件1的当前服务满足率直接调整为上限值99%,如果调整后实际站点服务满足率仍然没有达到90%,则继续将备件2的当前服务满足率直接调整为上限值99%,如果重复这个过程,在将备件4的当前服务满足率调整为上限值60%后,实际站点服务满足率达到90%,此时,可以再对备件4的当前服务满足率重新进行调整,以预设步长(如5%、2%)降低当前服务满足率,每一次降低后都可以重新计算实际站点服务满足率,直至计算出的实际站点服务满足率为达到90%的最小值,此时可以将备件1-5最终调整后的当前服务满足率作为参考服务满足率。
通过上述方式,直接依次将各售后备件的当前服务满足率设置为服务满足率寻优范围的上限值,可以提高各参考服务满足率的确定效率;并且,在调整到满足预设站点服务目标值后,根据预设步长继续向下调整前一次调整的售后备件的当前服务满足率,可以在保证实际站点服务满足率达到预设站点服务目标值的同时,实现对各售后备件的参考服务满足率的精准确定,进一步的提高了参考服务满足率的精度,避免了过高的参考服务满足率造成预测库存偏多的情况。
在本实施例中,通过确定库存管理站点中的每一个售后备件的服务满足率寻优范围,进而对库存管理站点中各售后备件进行排序,以从备件排序结果中,以从上到下的顺序对各售后备件的当前服务满足率依次进行调整,直至实际站点服务满足率满足预设站点服务目标值,实现了对各站点下的售后备件的参考服务满足率的差异化确定,进而实现了对各站点下的售后备件的差异化库存管理,并且,通过排序的方式优先对重要度高的售后备件的服务满足率进行调整,可以提高重要度高的售后备件的服务满足率的准确性,进而确保重要度高的售后备件的库存预测准确性。
需要说明的是,由于本实施例中的预设站点服务目标值的数量可以为多个,因此,可以在确定出库存管理站点在各个预设站点服务目标值下分别对应的各售后备件的参考服务满足率后,根据实际需求选择一个预设站点服务目标值下的各售后备件的参考服务满足率,进行后续库存预测。例如,将各个预设站点服务目标值下分别对应的各售后备件的参考服务满足率反馈至管理人员的终端进行显示,以供管理人员选择。当然,也可以自动采取任意一个预设站点服务目标值下的各售后备件的参考服务满足率,进行后续库存预测。
S130、针对各库存管理站点中的每一个售后备件,基于售后备件的参考服务满足率以及预测需求数据,确定售后备件在预设时间段的参考库存信息。
其中,售后备件在预设时间段的参考库存信息,可以是针对售后备件所预测的在预设时间段内的库存计划。参考库存信息可以包括售后备件在预设时间段的安全库存信息、最大库存信息以及标准库存信息中的至少一种。
具体的,可以根据各个售后备件的参考服务满足率确定各安全库存系数,进而根据各个售后备件的安全库存系数、以及预测需求数据,确定各个售后备件在预设时间段的参考库存信息。本实施例中确定出的各售后备件在预设时间段的参考库存信息,可以用于指导管理人员进行采购。
其中,安全库存信息可以是为了防止不确定性因素(如交货期突然延迟、临时用量增加、交货误期等特殊原因)的发生,保证设备的正常运行、生产的顺畅等,而保持在采购周期内售后备件的需求计划外的适量库存量。
确定安全库存信息的目的在于:由于设备的多样性和故障随机性,以及日常、专业维护保养的好坏程度而造成的备件需求量在时间和数量上都是可以动态变化的,因此,可以通过确定安全库存信息,来保持一定的安全库存,缓冲日常维修对售后备件的需求的波动,使设备可以快速投入生产中,并且,保持有一定的安全库存,可以节约采购和运输的成本,有效降低库存成本和物流运作成本。
标准库存信息可以是在考虑订货周期、在途备件和安全库存的前提下,保证及时供应售后备件的最大库存数量;即为了保证预设时间段内库存管理站点的流动所要存放的库存量。最大库存信息可以是最高库存量,即为避免库存积压而大量占压储备资金的售后备件最大库存储备量。
确定标准库存信息或最大库存信息的目的在于:可以通过确定标准库存信息以及最大库存信息,实现在保证售后备件在预设时间段内的库存处于安全范围内,又不致产生过多的积压成本。
当然,在计算出各个售后备件的参考库存信息时,还可以一并输出各个售后备件的库存成本以及库存周转率。其中,库存成本为库存数量与备件单价的乘积;库存周转率=365*日均需求量/库存数量,其中365是一年的天数。
本实施例具有以下技术效果:通过确定各中心仓、区域仓或经销商服务站等库存管理站点中的各售后备件在预设时间段的预测需求数据,进而根据各预设站点服务目标值,在各售后备件的服务满足率寻优范围内确定各售后备件的参考服务满足率,以实现对不同库存管理站点下的各售后备件的服务满足率的区别预测,进而通过各售后备件的参考服务满足率和预测需求数据确定各售后备件的参考库存信息,实现对不同库存管理站点下的各售后备件的参考库存信息的区别预测,进而实现对各站点的差异化库存管理,解决现有技术中各库存管理站点采用一致库存的问题,进而解决各库存管理站点的高库存、低满足率现象,并且,无需人工计算,解决现有技术中人工计算负荷高、稳定性差以及信息流动处理效率低的问题。
与现有技术相比,本发明实施例提供的方法可以实现对各库存管理站点的各售后备件的库存的差异化管理,可以满足不同售后备件的运营需求,提升管理精度;并且,满足不同层级、站点下的运营需求,避免了采用统一库存计划所造成的高库存、低满足率现象。此外,还可以减少人工计算负荷,提升库存计算准确度及效率,进而提升信息流动速度,优化供应链联动效率。
图2是本发明实施例提供的另一种汽车售后备件的库存预测方法的流程图。在上述各实施方式的基础上,对确定各库存管理站点中的各售后备件在预设时间段的预测需求数据的过程进行了示例性说明。参见图2,该汽车售后备件的库存预测方法具体包括:
S210、获取各库存管理站点中的各售后备件的历史业务数据,其中,历史业务数据包括备件参考数据以及历史需求数据。
其中,备件参考数据可以包括备件主数据以及备件存储数据。可选的,可以通过数据中台,从企业业务系统中获取各库存管理站点中的各售后备件的历史业务数据。历史需求数据可以包括售后备件在历史时间段内的实际需求量。
示例性的,备件主数据可以包括备件编码、备件名称、备件类型、备件价格、车型等;备件存储数据可以包括仓库信息、经销商信息、仓网结构、进销存数据以及其它业务信息。
其中,仓库信息可以包括仓库编码、仓库名称、仓库地址等信息。经销商信息可以包括经销商编码、经销商名称、经销商地址等。仓网结构可以包括中心仓、区域仓、经销商站点之间的多层级对应覆盖关系。进销存数据可以包括采购订单明细、补货订单明细、出库订单明细、历史库存快照等信息。其它业务信息可以包括供应商信息、替换件数据、备件采购周期数据等信息。
可选的,在获取到各库存管理站点中的各售后备件的历史业务数据后,可以对各售后备件的历史业务数据进行替换件关系匹配处理,基于匹配处理结果更新各售后备件的历史业务数据。
具体的,同一售后备件对应的备件编码的数量可以是多个,即多个备件编码可能指向同一个售后备件。对历史业务数据进行替换件关系匹配处理,可以是确定出针对同一个售后备件的各个备件编码,从各个备件编码中选择一个作为最终的备件编码,并将各个备件编码下的历史业务数据整合到最终的备件编码下。
如,可以通过对历史业务数据进行特征处理,确定出备件编码10001、10002、20001指向的是同一个售后备件,此时,可以在三个编码中选择一个(如20001)作为最终的备件编码,以将其作为后续的需求数据预测和库存预测的备件编码,并将10001、10002、20001的历史需求数据进行汇总,作为20001的历史需求数据。
除了进行替换件关系匹配处理之外,还可以对各库存管理站点中的各售后备件的历史业务数据进行数据清洗处理,根据数据清洗处理结果更新各售后备件的历史业务数据。
其中,数据清洗处理包括但不限于大单剔除处理、市场活动需求清洗、异常订单需求清洗以及销量回填。具体的,在前三种处理中,可以通过识别历史业务数据中的各订单的预设字段,判断订单是否属于大单订单、市场活动订单或异常订单,进而将订单的订单数量从历史需求数据中剔除。
在销量回填中,销量回填是指由于库存短缺造成的销量下滑,因此,需要将这部分需求数据回填处理,可以针对历史业务数据中当月库存为0的售后备件,将该售后备件的历史需求数据中的需求均值作为当月需求数据。
在上述实施方式中,通过对历史业务数据进行替换件关系匹配处理,可以避免对一个库存管理站点中的同一售后备件分别进行多次预测,在提高预测效率的同时,还可以提高历史业务数据的正确性。并且,通过对历史业务数据进行数据清洗处理,可以避免异常订单、大单订单、市场活动订单以及库存短缺造成的销量下滑等特殊情况,对需求数据预测的影响,进而提高了需求数据的预测准确性。
S220、基于各历史业务数据构建至少两个需求预测模型,针对各库存管理站点中的每一个售后备件,基于需求预测模型确定售后备件在预设时间段的预测需求数据。
在基于各历史业务数据构建至少两个需求预测模型之前,还可以对各历史业务数据进行噪声过滤处理,以剔除各历史业务数据中的噪声项。
示例性的,对各历史业务数据进行噪声过滤处理,包括对各历史业务数据进行业务噪声项和算法噪声项处理。其中,进行业务噪声项处理,可以是对缺货、市场行动等行为造成的数据异常进行识别,并剔除该异常数据;进行算法噪声项处理,可以是使用滑动窗口与趋势分解组合分析法,对历史业务数据中的异常值进行识别,并剔除该异常值。
进一步的,还可以提取历史业务数据中备件参考数据的内部特征和外部特征,基于内部特征和外部特征对历史需求数据的影响,在内部特征和外部特征中确定影响因子,进而根据影响因子和历史需求数据构建各需求预测模型。
其中,内部特征可以包括时间特征、统计特征、产品特征等,外部特征可以是外部数据、事件影响等。示例性的,最终确定出的影响因子可以是节假日特征、季节特征、天气特征、促销特征、整车保有量特征、价格特征、需求频次特征等。
进一步的,可以将影响因子以及历史需求数据作为输入,用数学的形式将影响因子与历史需求数据结合起来,构建各需求预测模型。
其中,需求预测模型可以是拟合模型、时序模型、机器学习模型、神经网络模型或多因素混合模型。
以拟合模型为例,可以将影响因子(x1、x2、x3、……、xn)与历史需求数据(y)作为样本数据,确定x1~xn与y之间的映射关系,进而得到拟合模型。以神经网络模型为例,可以将影响因子(x1、x2、x3、……、xn)与历史需求数据(y)作为样本数据,对神经网络模型进行训练,以使神经网络模型预测出的需求(y’)接近历史需求数据。
需要说明的是,本实施例可以构建多个需求预测模型,不同需求预测模型所使用的影响因子可以不同。构建多个需求预测模型的目的在于:每个库存管理站点中售后备件所对应的备件参考数据可以是不同的,进而导致影响因子不同,对应的最优需求预测模型不同。因此,可以通过构建多个需求预测模型,便于为每个售后备件选取最优的需求预测模型,进而实现对各个售后备件的针对性需求预测,提高售后备件的预测准确性。
在一种具体的实施方式中,基于需求预测模型确定售后备件在预设时间段的预测需求数据,包括:基于各需求预测模型确定售后备件在测试时间段的各测试需求数据;根据各测试需求数据以及历史需求数据中测试时间段的实际需求数据,确定各需求预测模型的预测准确率;基于各需求预测模型的预测准确率,在各需求预测模型中确定售后备件对应的目标预测模型;基于目标预测模型确定售后备件在预设时间段的预测需求数据。
其中,测试时间段可以是历史时间段中的用于进行需求预测测试的时间段;测试需求数据可以是需求预测模型根据售后备件的备件参考数据所预测出的需求数据。具体的,可以针对每一个需求预测模型,根据售后备件在测试时间段的测试需求数据以及实际需求数据,计算出预测准确率,将预测准确率最高的需求预测模型作为目标预测模型。
示例性的,根据各测试需求数据以及历史需求数据中测试时间段的实际需求数据,确定各需求预测模型的预测准确率,可以是:预测准确率=1-MAPE=1-|X-Y|/X,其中,X为实际需求数据,Y为测试需求数据。
当然,也可以选择多个预测周期内,模型预测准确度偏差较低、且不超出预测准确值下限的需求预测模型,作为目标预测模型。
进一步的,在确定出售后备件对应的目标预测模型后,可以将售后备件的备件参考数据输入至目标预测模型,得到目标预测模型输出的在预设时间段的预测需求数据。
可选的,可以以备件编码为维度,根据各售后备件对应的预设时间段(或预设预测周期),通过对应的目标预测模型输出各售后备件在预设时间段的预测需求数据。
当然,除了上述选取目标预测模型进行需求数据预测之外,若需要提高需求预测效率,还可以直接选取任意一个需求预测模型进行需求数据预测,本实施例对此不进行限定。
可选的,可以通过算法平台,构建各需求预测模型,以及对各售后备件进行需求预测。其中,算法平台可以和企业数据库对接。算法平台包含算法工具库、算法模型配置、模型训练寻优、分布式并行需求预测模块,用于输出预测需求数据。
企业数据库用于存储各售后备件的预测需求数据,以及,各售后备件的参考库存信息等。企业数据库与企业数据中台、算法平台、智能决策平台对接,用于存储企业内部业务数据和需求预测计算数据、库存计划计算数据、采购及补货计划数据等汽车售后备件多级库存管理过程中相关数据。
S230、针对每一个库存管理站点,基于各预设站点服务目标值在各售后备件的服务满足率寻优范围内确定各售后备件的参考服务满足率。
S240、针对各库存管理站点中的每一个售后备件,基于售后备件的参考服务满足率以及预测需求数据,确定售后备件在预设时间段的参考库存信息。
本实施例具有以下技术效果:通过各库存管理站点中各售后备件的历史业务数据,构建至少两个需求预测模型,进而针对各库存管理站点中的每一个售后备件,通过需求预测模型确定出对应的预设时间段的预测需求数据,实现了对海量售后备件下的需求准确预测。
图3是本发明实施例提供的另一种汽车售后备件的库存预测方法的流程图。在上述各实施方式的基础上,对根据售后备件的参考服务满足率以及预测需求数据确定参考库存信息的过程进行了示例性说明。参见图3,该汽车售后备件的库存预测方法具体包括:
S310、确定各库存管理站点中的各售后备件在预设时间段的预测需求数据。
S320、针对每一个库存管理站点,基于各预设站点服务目标值在各所述售后备件的服务满足率寻优范围内确定各售后备件的参考服务满足率。
S330、针对各库存管理站点中的每一个售后备件,基于售后备件的参考服务满足率,确定售后备件的安全库存系数,基于售后备件在预设时间段的预测需求数据,确定售后备件的平均需求数据。
其中,售后备件的安全库存系数与参考服务满足率之间具备正态分布关系。具体的,可以在标准正态分布表中查询与参考服务满足率对应的安全库存系数。如,安全库存系数=NORMSINV(参考服务满足率),NORMSINV()表示计算对应的正态分布的概率。
在本实施例中,售后备件的平均需求数据可以是售后备件的日均需求数据。具体的,可以将在预设时间段的预测需求数据的日均需求值,作为售后备件在该在预设时间段内的平均需求数据。还可以根据售后备件的历史需求数据,计算售后备件的历史需求标准差。
示例性的,某售后备件在未来一个月的预测需求数据为14,过去6个月的历史需求数据为10、25、9、12、37、14,根据未来一个月的预测需求数据计算出的日均需求数据为0.467,根据过去6个月的历史需求数据计算出历史需求标准差为2.011。
S340、根据售后备件的历史需求标准差、安全库存系数以及平均需求数据确定售后备件的安全库存信息,基于安全库存信息确定售后备件的最大库存信息以及标准库存信息。
其中,根据售后备件的历史需求标准差、安全库存系数以及平均需求数据确定售后备件的安全库存信息,可以是:根据安全库存系数、历史需求标准差、采购提前期、平均需求数据以及采购提前期标准差,确定售后备件的安全库存信息。其中,采购提前期可以根据库存参数中的计划周期和交货周期得到;库存参数可以是针对售后备件所预先设置的相关参数,如计划周期、交付周期、备货天数等。
具体的,可以从备件编码、备件分类类型、备件类型、车型、仓节点等不同维度,对各售后备件的库存参数进行差异化设置。
示例性的,安全库存信息=安全库存系数*SQRT(历史需求标准差^2 * 采购提前期+ 平均需求数据^2 * 采购提前期标准差^2)。其中,历史需求标准差可以根据历史需求数据计算得到;如采购提前期为计划周期与交货周期的和;采购提前期标准差可以根据库存参数确定(如库存参数中无采购提前期波动,采购提前期标准差为0)。
沿用上例,根据该售后备件的历史需求数据计算出的历史需求标准差为2.011,并且,寻优得到该售后备件的参考服务满足率为0.975,对应的安全库存系数为1.96,库存参数中计划周期为30天、交货周期为50天,无采购提前期波动、采购提前期标准差为0;此时,该售后备件的安全库存信息= 1.96*SQRT(2.011^2*80 +0.467^2*0^2)≈35。
进一步的,根据计算出的安全库存信息,可以计算售后备件的最大库存信息和标准库存信息。具体的,可以根据安全库存信息、计划周期、交货周期以及预测日均需求量,确定最大库存信息。还可以根据安全库存信息、计划周期以及预测日均需求量,确定标准库存信息。其中,预测日均需求量可以根据预设时间段以及预设时间段的参考库存信息确定,即预测日均需求量可以是预设时间段内的需求日均量。
示例性的,最大库存信息=安全库存信息+(计划周期+交货周期)*预测日均需求量;标准库存信息=安全库存信息+计划周期*预测日均需求量。
沿用上例,预测日均需求量为14/30,标准库存信息=35+(30*14/30)≈49,最大库存信息=35+(30+50)*(14/30)≈72。
当然,也可以在计算各个售后备件的安全库存信息、最大库存信息以及标准库存信息之前,判断售后备件是否存在于预设备件黑名单中,若是,则不执行上述计算安全库存信息、最大库存信息以及标准库存信息的操作。通过该方式,可以避免对纳入备件黑名单中的售后备件进行库存预测,减少了计算量,进而提高了对所有售后备件的库存预测效率。
S350、基于安全库存信息、最大库存信息以及标准库存信息确定售后备件在预设时间段的参考库存信息。
具体的,在确定出安全库存信息、最大库存信息以及标准库存信息后,可以将安全库存信息、最大库存信息以及标准库存信息,作为售后备件在预设时间段的参考库存信息,以提供售后备件在预设时间段内的库存计划。
例如,得到各库存管理站点中各售后备件在未来一个月内的参考库存信息。需要说明的是,还可以以此类推,得到多个预设时间段的参考库存信息,如,未来六个月内的参考库存信息。需要说明的是,在计算多个预设时间段的参考库存信息时,需要按照时间顺序由早到晚依次计算各个预设时间段的预测需求数据,顺序靠前的预设时间段的预测需求数据可以作为顺序靠后的预设时间段的历史需求数据,以使可以结合顺序靠前的预设时间段的预测需求数据,计算顺序靠后的预设时间段的预测需求数据,进而得到参考库存信息。
在确定出各售后备件的参考库存信息后,还可以进一步针对参考库存信息确定各售后备件是否需要补货。
可选的,本实施例提供的汽车售后备件的库存预测方法还可以包括:针对各库存管理站点中的每一个售后备件,获取售后备件的当前库存信息,其中,当前库存信息包括在库数据、在途数据以及欠货数据;基于参考库存信息以及当前库存信息,确定售后备件对应的当前补货状态,其中,当前补货状态为待补货状态或正常状态。
其中,在库数据可以是售后备件当前在库的数量,在途数据可以是售后备件当前在运输过程中的数量,欠货数据可以是售后备件受库存影响下游需求无法满足、需要延迟发货的数量。
具体的,基于参考库存信息以及当前库存信息,确定售后备件对应的当前补货状态,可以是:基于最大库存信息以及当前库存信息,确定当前补货状态;或者,基于标准库存信息以及当前库存信息,确定当前补货状态。
示例性的,基于最大库存信息以及当前库存信息,确定当前补货状态,可以是:当前补货状态=最大库存信息-在途数据-在库数据+欠货数据,若当前补货状态为负值,则当前补货状态为正常状态,不需要补货,若当前补货状态为正值,则当前补货状态为待补货状态,建议补货。
或者,基于标准库存信息以及当前库存信息,确定当前补货状态,可以是:当前补货状态=标准库存信息-期初库存-在途数据+欠货数据+预测需求数据,若当前补货状态为负值,则当前补货状态为正常状态,不需要补货,若当前补货状态为正值,则当前补货状态为待补货状态,建议补货。
通过上述方式,可以结合各售后备件在预设时间段的参考库存信息,自动判断各售后备件是否需要补货。确定当前补货状态,以判断各售后备件是否需要补货的好处在于:实现了对各售后备件的补货自动判断,无需人为计算,提高了对海量售后备件的管理效率;并且,在售后备件的当前补货状态为待补货状态时,还可以生成售后备件对应的补货提示信息发送至管理人员的终端,以便管理人员对售后备件进行补货处理。
可选的,可以通过智能决策平台,计算各库存管理站点中的各售后备件的参考库存信息。智能决策平台可以与企业数据库对接,包含库存模型库、库存参数配置、备件分类计算、多级库存优化、库存计划计算、补货状态确定模块,用于汽车售后备件多级库存管理过程中库存管理相关参数配置、备件分类、多级库存寻优、库存计划、采购建议、采购计划、补货建议、补货计划数据等计算。
通过本发明实施例提供的方法,可以计算出各个库存管理站点中各售后备件的备件分类信息、参考库存信息(即在预设时间段的库存计划)、补货状态等信息,将其存储于企业数据库中。
本实施例具有以下技术效果:通过各售后备件的参考服务满足率确定各售后备件的安全库存系数,并根据各售后备件的预测需求数据确定平均需求数据,根据各售后备件的历史需求数据确定历史需求标准差,进而通过历史需求标准差、安全库存系数以及平均需求数据计算安全库存信息,并通过安全库存信息计算最大库存信息和标准库存信息,实现了对各层级、各节点下的海量售后备件的库存自动预测,无需人为计算,提高了对海量售后备件的库存计划效率。
图4为本发明实施例提供的一种电子设备的结构示意图。如图4所示,电子设备400包括一个或多个处理器401和存储器402。
处理器401可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备400中的其他组件以执行期望的功能。
存储器402可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器401可以运行所述程序指令,以实现上文所说明的本发明任意实施例的汽车售后备件的库存预测方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如初始外参、阈值等各种内容。
在一个示例中,电子设备400还可以包括:输入装置403和输出装置404,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。该输入装置403可以包括例如键盘、鼠标等等。该输出装置404可以向外部输出各种信息,包括预警提示信息、制动力度等。该输出装置404可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图4中仅示出了该电子设备400中与本发明有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备400还可以包括任何其他适当的组件。
除了上述方法和设备以外,本发明的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的汽车售后备件的库存预测方法的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本发明的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的汽车售后备件的库存预测方法的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
需要说明的是,本发明所用术语仅为了描述特定实施例,而非限制本申请范围。如本发明说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
还需说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”等应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案。
Claims (6)
1.一种汽车售后备件的库存预测方法,其特征在于,包括:
确定各库存管理站点中的各售后备件在预设时间段的预测需求数据;
针对每一个所述库存管理站点,基于各预设站点服务目标值在各所述售后备件的服务满足率寻优范围内确定各所述售后备件的参考服务满足率;
针对各所述库存管理站点中的每一个所述售后备件,基于所述售后备件的参考服务满足率以及预测需求数据,确定所述售后备件在所述预设时间段的参考库存信息;
所述针对各所述库存管理站点中的每一个所述售后备件,基于各预设站点服务目标值在各所述售后备件的服务满足率寻优范围内确定各所述售后备件的参考服务满足率,包括:
确定各所述库存管理站点中的每一个所述售后备件的服务满足率寻优范围;
基于预设排序规则,对各所述库存管理站点中各所述售后备件进行排序,得到各所述库存管理站点的备件排序结果;
针对每一个所述库存管理站点的备件排序结果,将所述备件排序结果中每一个所述售后备件的服务满足率寻优范围的下限值确定为所述售后备件的当前服务满足率,根据各所述当前服务满足率确定所述库存管理站点的实际站点服务满足率;
判断所述实际站点服务满足率是否达到所述预设站点服务目标值,若否,则以从上到下的顺序对所述备件排序结果中的各所述售后备件的当前服务满足率,依次进行调整,直至基于各所述当前服务满足率确定的所述实际站点服务满足率达到所述预设站点服务目标值,根据各所述当前服务满足率确定各所述参考服务满足率;
所述以从上到下的顺序对所述备件排序结果中的各所述售后备件的当前服务满足率,依次进行调整,直至基于各所述当前服务满足率确定的所述实际站点服务满足率达到所述预设站点服务目标值,根据各所述当前服务满足率确定各所述参考服务满足率,包括:
以从上到下的顺序将所述备件排序结果中的各所述售后备件的当前服务满足率,依次调整至所述售后备件的服务满足率寻优范围的上限值,直至基于各所述当前服务满足率确定的所述实际站点服务满足率达到所述预设站点服务目标值;
根据预设步长降低前一次调整的售后备件的当前服务满足率,直至所述实际站点服务满足率为达到所述预设站点服务目标值的最小值,将各所述当前服务满足率确定为各所述参考服务满足率;
所述确定各所述库存管理站点中的每一个所述售后备件的服务满足率寻优范围,包括:
针对各所述库存管理站点中的每一个所述售后备件,确定所述售后备件在历史时间段内的需求金额以及需求频度;
基于所述需求金额以及所述需求频度,确定所述售后备件对应的备份分类信息;
根据所述备件分类信息以及预设的分类寻优映射关系,确定所述售后备件的服务满足率寻优范围;
所述基于所述售后备件的参考服务满足率以及预测需求数据,确定所述售后备件在所述预设时间段的参考库存信息,包括:
基于所述售后备件的参考服务满足率,确定所述售后备件的安全库存系数;
基于所述售后备件在所述预设时间段的预测需求数据,确定所述售后备件的平均需求数据;
根据所述售后备件的历史需求标准差、所述安全库存系数以及所述平均需求数据确定所述售后备件的安全库存信息,基于所述安全库存信息确定所述售后备件的最大库存信息以及标准库存信息;
基于所述安全库存信息、所述最大库存信息以及所述标准库存信息确定所述售后备件在所述预设时间段的参考库存信息。
2.根据权利要求1所述的方法,其特征在于,所述确定各库存管理站点中的各售后备件在预设时间段的预测需求数据,包括:
获取各库存管理站点中的各售后备件的历史业务数据,其中,所述历史业务数据包括备件参考数据以及历史需求数据;
基于各所述历史业务数据构建至少两个需求预测模型;
针对各所述库存管理站点中的每一个所述售后备件,基于所述需求预测模型确定所述售后备件在预设时间段的预测需求数据。
3.根据权利要求2所述的方法,其特征在于,所述基于所述需求预测模型确定所述售后备件在预设时间段的预测需求数据,包括:
基于各所述需求预测模型确定所述售后备件在测试时间段的各测试需求数据;
根据各所述测试需求数据以及所述历史需求数据中所述测试时间段的实际需求数据,确定各所述需求预测模型的预测准确率;
基于各所述需求预测模型的预测准确率,在各所述需求预测模型中确定所述售后备件对应的目标预测模型;
基于所述目标预测模型确定所述售后备件在预设时间段的预测需求数据。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述方法还包括:
针对各所述库存管理站点中的每一个所述售后备件,获取所述售后备件的当前库存信息,其中,所述当前库存信息包括在库数据、在途数据以及欠货数据;
基于所述参考库存信息以及所述当前库存信息,确定所述售后备件对应的当前补货状态,其中,所述当前补货状态为待补货状态或正常状态。
5.一种电子设备,其特征在于,所述电子设备包括:
处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行如权利要求1至4任一项所述的汽车售后备件的库存预测的步骤。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如权利要求1至4任一项所述的汽车售后备件的库存预测的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211469735.XA CN115564359B (zh) | 2022-11-23 | 2022-11-23 | 汽车售后备件的库存预测方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211469735.XA CN115564359B (zh) | 2022-11-23 | 2022-11-23 | 汽车售后备件的库存预测方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115564359A CN115564359A (zh) | 2023-01-03 |
CN115564359B true CN115564359B (zh) | 2023-04-07 |
Family
ID=84770490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211469735.XA Active CN115564359B (zh) | 2022-11-23 | 2022-11-23 | 汽车售后备件的库存预测方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115564359B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116542606B (zh) * | 2023-05-12 | 2023-11-10 | 广州市神州联保科技有限公司 | 一种产品售后备件库存调配方法、系统、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020149468A (ja) * | 2019-03-14 | 2020-09-17 | 株式会社日立製作所 | 商品管理システムおよび商品管理方法 |
CN111915254A (zh) * | 2020-07-30 | 2020-11-10 | 上海数策软件股份有限公司 | 一种适用于汽车售后配件的库存优化控制方法和系统 |
CN114219169A (zh) * | 2021-12-23 | 2022-03-22 | 上海颖幡技术有限公司 | 颖幡供应链销售和库存预测算法模型和应用系统 |
CN115345564A (zh) * | 2022-09-22 | 2022-11-15 | 启明信息技术股份有限公司 | 基于自动预测的库存管理方法 |
CN115375216A (zh) * | 2021-05-21 | 2022-11-22 | 华为技术有限公司 | 一种确定安全库存的方法和装置 |
-
2022
- 2022-11-23 CN CN202211469735.XA patent/CN115564359B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020149468A (ja) * | 2019-03-14 | 2020-09-17 | 株式会社日立製作所 | 商品管理システムおよび商品管理方法 |
CN111915254A (zh) * | 2020-07-30 | 2020-11-10 | 上海数策软件股份有限公司 | 一种适用于汽车售后配件的库存优化控制方法和系统 |
CN115375216A (zh) * | 2021-05-21 | 2022-11-22 | 华为技术有限公司 | 一种确定安全库存的方法和装置 |
CN114219169A (zh) * | 2021-12-23 | 2022-03-22 | 上海颖幡技术有限公司 | 颖幡供应链销售和库存预测算法模型和应用系统 |
CN115345564A (zh) * | 2022-09-22 | 2022-11-15 | 启明信息技术股份有限公司 | 基于自动预测的库存管理方法 |
Non-Patent Citations (1)
Title |
---|
汽车售后配件的库存管理方法和策略;张亚东;《经营管理者》(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115564359A (zh) | 2023-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7058587B1 (en) | System and method for allocating the supply of critical material components and manufacturing capacity | |
CN110610289B (zh) | 加油站成品油补货量预测方法、计算机存储介质及计算机设备 | |
US7958020B2 (en) | Efficient inventory management for providing distinct service qualities for multiple demand groups | |
US20080086392A1 (en) | Managing distribution of constrained product inventory from a warehouse | |
US20020198794A1 (en) | Inventory management system for determining suggested part stocking levels for a vehicle dealer | |
CN115564359B (zh) | 汽车售后备件的库存预测方法、设备和存储介质 | |
CN113469597A (zh) | 智慧供应链系统及服务器平台 | |
CN114331291A (zh) | 一种智能制造用原料管理方法及系统 | |
WO2002060235A2 (en) | System and method for allocating the supply of critical material components and manufacturing capacity | |
CN113743862A (zh) | 基于产品分类的产品目标库存确定方法及系统 | |
CN113674040B (zh) | 车辆的报价方法、计算机设备和计算机可读存储介质 | |
Setamanit | Evaluation of outsourcing transportation contract using simulation and design of experiment | |
CN113469595A (zh) | 智慧供应链系统及服务器平台 | |
CN113935528A (zh) | 智能调度方法、装置、计算机设备及存储介质 | |
CN115375216A (zh) | 一种确定安全库存的方法和装置 | |
CN113469397A (zh) | 智慧供应链系统及服务器平台 | |
CN114169557A (zh) | 库存补货方法、计算机可读存储介质以及终端设备 | |
CN113469596A (zh) | 智慧供应链系统及服务器平台 | |
CN113762859A (zh) | 库存分仓方法、装置、系统和存储介质 | |
CN113469598A (zh) | 智慧供应链系统及服务器平台 | |
CN113962751A (zh) | 电力套餐的零售价格预测方法、装置及存储介质 | |
CN113935673A (zh) | 基于库存的仓网优化方法、装置、计算机设备和存储介质 | |
CN111639784A (zh) | 库存管理方法及相关装置 | |
CN110458345A (zh) | 确定机器损失出货量的方法、装置、设备及存储介质 | |
CN116703534B (zh) | 一种电商订单数据智能管理方法 |
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 |