CN116384874A - 库存量的确定方法、装置、计算机设备和存储介质 - Google Patents

库存量的确定方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN116384874A
CN116384874A CN202211626503.0A CN202211626503A CN116384874A CN 116384874 A CN116384874 A CN 116384874A CN 202211626503 A CN202211626503 A CN 202211626503A CN 116384874 A CN116384874 A CN 116384874A
Authority
CN
China
Prior art keywords
type
inventory
determining
target
shipment
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
CN202211626503.0A
Other languages
English (en)
Inventor
何洋
张炜
袁辉
段薇薇
陈光帆
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.)
Kingdee Software China Co Ltd
Original Assignee
Kingdee Software China 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 Kingdee Software China Co Ltd filed Critical Kingdee Software China Co Ltd
Priority to CN202211626503.0A priority Critical patent/CN116384874A/zh
Publication of CN116384874A publication Critical patent/CN116384874A/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
    • 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种库存量的确定方法、装置、计算机设备和存储介质。所述方法包括：根据目标物品的历史出库量和库存物品集的历史出库量确定所述目标物品的出库类型；所述库存物品集包括至少一种物品，所述目标物品是所述库存物品集中的一种物品；确定与所述目标物品的出库类型匹配的库存量预测模型；确定当前单位周期所述目标物品的预测出库量；根据所述预测出库量和与所述目标物品的出库类型匹配的库存量预测模型确定当前单位周期所述目标物品的库存量。该方法基于目标物品的出库类型、库存量预测模型，确定库存量，相对于现有技术来说，采用本申请提供的技术方案确定的库存量更准确。

Description

库存量的确定方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机应用技术领域，特别是涉及一种库存量的确定方法、装置、计算机设备和存储介质。
背景技术
为了保证企业的生产或销售的在一定周期内平稳有序地运行，通常需要确定仓库中物品的库存量，根据确定的库存量在仓库中对物品(比如不同的物料：原材料、半成品、或者成品等)进行提前备货。
传统技术中，确定库存量时常用的方法包括：根据用户的经验或者根据历史消耗量的平均值来确定库存量。
有的物品在不同周期内的消耗量比较均匀、有的物品在不同的周期内的消耗量差异较大。传统方法确定的库存量与实际需求通常不匹配，库存量较多时，会导致库存积压，增加仓储成本；库存量较少时，会产生缺货，影响客户满意度。
因此，如何准确确定库存量是亟待解决的技术问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够准确确定库存量的库存量的确定方法、装置、计算机设备、和存储介质。
第一方面，本申请提供了一种库存量的确定方法，所述方法包括：
根据目标物品的历史出库量和库存物品集的历史出库量确定所述目标物品的出库类型；所述库存物品集包括至少一种物品，所述目标物品是所述库存物品集中的一种物品；
确定与所述目标物品的出库类型匹配的库存量预测模型；
确定当前单位周期所述目标物品的预测出库量；
根据所述预测出库量和与所述目标物品的出库类型匹配的库存量预测模型确定当前单位周期所述目标物品的库存量。
需要说明的是，库存量确定之后，仓库可以根据库存量进行备货。
在其中一个实施例中，所述出库类型包括出库频次依次降低的：第一出库类型、第二出库类型和第三出库类型；所述根据目标物品的历史出库量和库存物品集的历史出库量确定所述目标物品的出库类型，包括：
确定所述目标物品的历史出库量与所述库存物品集中所有物品总的历史出库量的比值；
在所述比值大于第一阈值时，确定所述目标物品的出库类型为第一出库类型；
在所述比值小于第二阈值时，确定所述目标物品的出库类型为第三出库类型；
在所述比值位于所述第二阈值到第一阈值之间时，确定所述目标物品的出库类型为第二出库类型。
在其中一个实施例中，在所述目标物品的出库类型为第一出库类型时，与所述第一出库类型匹配的所述库存量预测模型为基于正态分布确定的计算模型。
在其中一个实施例中，所述基于正态分布确定的计算模型包括：
在所述目标物品的出库类型为第一出库类型时，确定当前单位周期所述目标物品的库存量
Figure BDA0004004572330000021
其中，所述z是在正态分布z值表中与期望服务水平对应的z值，所述λ是一个计算周期中目标商品单位周期的平均出库量，所述/>
Figure BDA0004004572330000022
是一个计算周期中各单位周期的实际出库量与预侧出库量的标准差，/>
Figure BDA0004004572330000023
一个计算周期包括T个单位周期，所述T是正整数，xi是一个计算周期中第i个单位周期的实际出库量，xprei是所述第i个单位周期的预测出库量，所述i是整数，1≤i≤T。
在其中一个实施例中，在所述目标物品的出库类型为第二出库类型时，与所述第二出库类型匹配的库存量预测模型为基于泊松分布确定的计算模型。
在其中一个实施例中，所述基于泊松分布确定的计算模型包括：
在所述目标物品的出库类型为第二出库类型时，确定当前单位周期所述目标物品的库存S＝k，其中，所述k由
Figure BDA0004004572330000031
计算得到，所述p是服务水平，所述λ是一个计算周期中目标商品单位周期的平均出库量。
在其中一个实施例中，在所述目标物品的出库类型为第三出库类型时，与所述第三出库类型匹配的库存量预测模型为基于单位时长平均出货量和提前期确定的计算模型。
在其中一个实施例中，所述基于单位时长平均出货量和提前期确定的计算模型，包括：
在所述目标物品的出库类型为第三出库类型时，确定当前单位周期所述目标物品的库存S＝t×μ+λ；所述μ是单位时长的平均出货量，所述t是用单位时长确定的备货提前期，所述λ是一个计算周期中目标商品单位周期的平均出库量。
在其中一个实施例中，所述方法还包括：
在当前单位周期结束时，根据预设的评估指标对当前单位周期确定的库存进行评估，根据评估结果确定所述库存是否符合预设要求；
在所述评估结果不符合预设要求时，根据所述评估结果确定库存系数，所述库存系数用于对后续的相邻的库存进行调整。
第二方面，本申请还提供了一种库存量的确定装置，仓库根据所述库存量进行备货，所述装置包括：
第一确定模块，用于根据目标物品的历史出库量和库存物品集的历史出库量确定所述目标物品的出库类型；所述库存物品集包括至少一种物品，所述目标物品是所述库存物品集中的一种物品；
第二确定模块，用于确定与所述目标物品的出库类型匹配的库存量预测模型；
第三确定模块，用于确定当前单位周期所述目标物品的预测出库量；
第四确定模块，用于根据所述预测出库量和与所述目标物品的出库类型匹配的库存量预测模型确定当前单位周期所述目标物品的库存量。
在其中一个实施例中，所述出库类型包括出库频次依次降低的：第一出库类型、第二出库类型和第三出库类型；所述第一确定模块具体用于，
确定所述目标物品的历史出库量与所述库存物品集中所有物品总的历史出库量的比值；
在所述比值大于第一阈值时，确定所述目标物品的出库类型为第一出库类型；
在所述比值小于第二阈值时，确定所述目标物品的出库类型为第三出库类型；
在所述比值位于所述第二阈值到第一阈值之间时，确定所述目标物品的出库类型为第二出库类型。
在其中一个实施例中，在所述目标物品的出库类型为第一出库类型时，与所述第一出库类型匹配的所述库存量预测模型为基于正态分布确定的计算模型。
在其中一个实施例中，所述基于正态分布确定的计算模型包括：
在所述目标物品的出库类型为第一出库类型时，确定当前单位周期所述目标物品的库存
Figure BDA0004004572330000041
其中，所述z是在正态分布z值表中与期望服务水平对应的z值，所述λ是一个计算周期中目标商品单位周期的平均出库量，/>
Figure BDA0004004572330000042
是一个计算周期中各单位周期的实际出库量与预侧出库量的标准差，/>
Figure BDA0004004572330000043
一个计算周期包括T个单位周期，所述T是正整数，xi是一个计算周期中第i个单位周期的实际出库量，xprei是所述第i个单位周期的预测出库量，所述i是整数，1≤i≤T。
在其中一个实施例中，在所述目标物品的出库类型为第二出库类型时，与所述第二出库类型匹配的库存量预测模型为基于泊松分布确定的计算模型。
在其中一个实施例中，所述基于泊松分布确定的计算模型包括：
在所述目标物品的出库类型为第二出库类型时，确定当前单位周期所述目标物品的库存S＝k，其中，所述k由
Figure BDA0004004572330000051
计算得到，所述p是服务水平，所述λ是一个计算周期中目标商品单位周期的平均出库量。
在其中一个实施例中，在所述目标物品的出库类型为第三出库类型时，与所述第三出库类型匹配的库存量预测模型为基于单位时长平均出货量和提前期确定的计算模型。
在其中一个实施例中，所述基于单位时长平均出货量和提前期确定的计算模型，包括：在所述目标物品的出库类型为第三出库类型时，确定当前单位周期所述目标物品的库存量S＝t×μ+λ；所述μ是单位时长的平均出货量，所述t是用单位时长确定的备货提前期，所述λ是一个计算周期中目标商品单位周期的平均出库量。
在其中一个实施例中，所述装置还包括：处理模块，用于在当前单位周期结束时，根据预设的评估指标对当前单位周期确定的库存进行评估，根据评估结果确定所述库存是否符合预设要求；在所述评估结果不符合预设要求时，根据所述评估结果确定库存系数，所述库存系数用于对后续的相邻的库存进行调整。
第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
根据目标物品的历史出库量和库存物品集的历史出库量确定所述目标物品的出库类型；所述库存物品集包括至少一种物品，所述目标物品是所述库存物品集中的一种物品；
确定与所述目标物品的出库类型匹配的库存量预测模型；
确定当前单位周期所述目标物品的预测出库量；
根据所述预测出库量和与所述目标物品的出库类型匹配的库存量预测模型确定当前单位周期所述目标物品的库存量。
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：
根据目标物品的历史出库量和库存物品集的历史出库量确定所述目标物品的出库类型；所述库存物品集包括至少一种物品，所述目标物品是所述库存物品集中的一种物品；
确定与所述目标物品的出库类型匹配的库存量预测模型；
确定当前单位周期所述目标物品的预测出库量；
根据所述预测出库量和与所述目标物品的出库类型匹配的库存量预测模型确定当前单位周期所述目标物品的库存量。
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：
根据目标物品的历史出库量和库存物品集的历史出库量确定所述目标物品的出库类型；所述库存物品集包括至少一种物品，所述目标物品是所述库存物品集中的一种物品；
确定与所述目标物品的出库类型匹配的库存量预测模型；
确定当前单位周期所述目标物品的预测出库量；
根据所述预测出库量和与所述目标物品的出库类型匹配的库存量预测模型确定当前单位周期所述目标物品的库存量。
上述库存量的确定方法、装置、计算机设备和存储介质，根据目标物品的历史出库量和库存物品集的历史出库量确定目标物品的出库类型，确定与目标物品的出库类型匹配的库存量预测模型，以及确定当前单位周期目标物品的预测出库量；最后根据预测出库量和与目标物品的出库类型匹配的库存量预测模型确定当前单位周期所述目标物品的库存量；该方法基于目标物品的出库类型、库存量预测模型，确定库存量，相对于现有技术来说，采用本申请提供的技术方案确定的库存量更准确
附图说明
图1为一个实施例中库存量的确定方法的流程示意图；
图2为另一实施例中库存量的确定方法的流程示意图；
图3为另一实施例中库存量的确定方法的流程示意图；
图4为一个实施例中库存量确定装置的结构框图；
图5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。
请参见图1为本申请提供的一种库存量的确定方法的流程示意图。如图1所示，库存量的确定方法包括步骤101至104，其中：
101、根据目标物品的历史出库量和库存物品集的历史出库量确定目标物品的出库类型。
其中，库存物品集包括至少一种物品，目标物品是所述库存物品集中的一种物品，出库类型包括：高频、中频和低频。举例来说，库存物品集包括物品A、物品B、物品C，其中，目标物品是物品A。
在一些可能的实施方式中，出库类型包括：第一出库类型、第二出库类型和第三出库类型。目标物品的出库类型可以通过如下方式确定：确定目标物品的历史出库量与库存物品集中所有物品总的历史出库量的比值；在比值大于第一阈值时，确定目标物品的出库类型为第一出库类型；在比值小于第二阈值时，确定目标物品的出库类型为第三出库类型；在比值位于第二阈值到第一阈值之间时，确定目标物品的出库类型为第二出库类型。举例来说，第一阈值可以为30％，第二阈值可以是10％。若物品A的历史出库量占库存物品集的历史出库量(物品A的历史出库量、物品B的历史出库量、物品C的历史出库量)的比例为50％，由于50％大于30％，则确定物品A的出库类型为第一出库类型。若物品A的历史出库量占库存物品集的历史出库量的比例为20％，由于10％＜20％＜30％，则物品A的出库类型为第二出库类型。若物品A的历史出库量占库存物品集的历史出库量的比例为5％，由于5％＜10％，则物品A的出库类型为第三出库类型。
102、确定与目标物品的出库类型匹配的库存量预测模型。
举例来说，若物品A的出库类型为第一出库类型，则确定与物品A的出库类型匹配的库存量预测模型为基于正态分布确定的计算模型。若物品A的出库类型为第二出库类型，则确定与物品A的出库类型匹配的库存量预测模型为基于泊松分布确定的计算模型。若物品A的出库类型为第三出库类型，则确定与物品A的出库类型匹配的库存量预测模型为基于单位时长平均出货量和提前期确定的计算模型。
在一些可能的实施方式中，基于正态分布确定的计算模型包括：在目标物品的出库类型为第一出库类型时，确定当前单位周期目标物品的库存量
Figure BDA0004004572330000081
其中，z是在正态分布z值表中与期望服务水平对应的z值，λ是一个计算周期中目标商品单位周期的平均出库量，/>
Figure BDA0004004572330000082
是一个计算周期中各单位周期的实际出库量与预侧出库量的标准差，
Figure BDA0004004572330000083
一个计算周期包括T个单位周期，所述T是正整数，xi是一个计算周期中第i个单位周期的实际出库量，xprei是所述第i个单位周期的预测出库量，所述i是整数，1≤i≤T。
在一些可能的实施方式中，基于泊松分布确定的计算模型包括：在目标物品的出库类型为第二出库类型时，确定当前单位周期所述目标物品的库存量S＝k，其中，k由
Figure BDA0004004572330000084
计算得到，p是服务水平，λ是一个计算周期中目标商品单位周期的平均出库量。
在一些可能的实施方式中，基于单位时长平均出货量和提前期确定的计算模型，包括：在目标物品的出库类型为第三出库类型时，确定当前单位周期目标物品的库存量S＝t×μ+λ；μ是单位时长的平均出货量，t是用单位时长确定的备货提前期，所述λ是一个计算周期中目标商品单位周期的平均出库量。
103、确定当前单位周期目标物品的预测出库量。
举例来说，可以根据历史出库量进行预测，还可以根据最近单位周期的出库量的变化趋势进行预测等，具体采用哪种方法这里不做限定。
104、根据预测出库量和与目标物品的出库类型匹配的库存量预测模型确定当前单位周期目标物品的库存量。
举例来说，在物品A的出库类型为第一出库类型时，确定当前单位周期物品A的库存量
Figure BDA0004004572330000091
其中，z是在正态分布z值表中与期望服务水平对应的z值，λ是一个计算周期中目标商品单位周期的平均出库量，/>
Figure BDA0004004572330000092
是一个计算周期中各单位周期的实际出库量与预侧出库量的标准差，/>
Figure BDA0004004572330000093
一个计算周期包括T个单位周期，所述T是正整数，xi是一个计算周期中第i个单位周期的实际出库量，xprei是所述第i个单位周期的预测出库量，所述i是整数，1≤i≤T。举例来说一个计算周期可以是一年，单位周期可以是一个月，则T＝12。比如，x2-xpre2是计算周期中第2个月的实际出库量，xpre2是第2个单位周期的预测出库量。
举例来说，在物品A的出库类型为第二出库类型时，确定当前单位周期目标物品的库存量S＝k，其中，k由
Figure BDA0004004572330000094
计算得到，p是服务水平，λ是一个计算周期中目标商品单位周期的平均出库量。其中，服务水平也可以称为有货率，当需求产生时，比如客户下订单，有现成的库存来满足订单的概率。举例来说，若收到10个订单，其中8个订单库存量可以满足，两个订单库存量不够不能满足，则服务水平为0.8。
举例来说，在物品A的出库类型为第三出库类型时，确定当前单位周期目标物品的库存量S＝t×μ+λ；μ是单位时长的平均出货量，t是用单位时长确定的备货提前期，λ是一个计算周期中目标商品单位周期的平均出库量。举例来说，μ对应的一年内每天的平均出货量为1，若提前期是20天，则库存量为20。
该实施例根据目标物品的历史出库量和库存物品集的历史出库量确定目标物品的出库类型，确定与目标物品的出库类型匹配的库存量预测模型，以及确定当前单位周期目标物品的预测出库量；最后根据预测出库量和与目标物品的出库类型匹配的库存量预测模型确定当前单位周期所述目标物品的库存量；该实施例提供的方法基于目标物品的出库类型、与目标物品的出库类型匹配的库存量预测模型确定出库量，相对于现有技术来说，采用本实施例提供的技术方案确定的库存量更准确。
请参见图2，图2为本申请提供的一种库存量的确定方法的流程示意图。如图2所示，库存量的确定方法包括步骤201至207，其中：
201、根据目标物品的历史出库量和库存物品集的历史出库量确定目标物品的出库类型。
其中，库存物品集包括至少一种物品，目标物品是所述库存物品集中的一种物品，出库类型包括：高频、中频和低频。举例来说，库存物品集包括物品A、物品B、物品C，其中，目标物品是物品A。
在一些可能的实施方式中，出库类型包括：第一出库类型、第二出库类型和第三出库类型。目标物品的出库类型可以通过如下方式确定：确定目标物品的历史出库量与库存物品集中所有物品总的历史出库量的比值；在比值大于第一阈值时，确定目标物品的出库类型为第一出库类型；在比值小于第二阈值时，确定目标物品的出库类型为第三出库类型；在比值位于第二阈值到第一阈值之间时，确定目标物品的出库类型为第二出库类型。举例来说，第一阈值可以为30％，第二阈值可以是10％。若物品A的历史出库量占库存物品集的历史出库量(物品A的历史出库量、物品B的历史出库量、物品C的历史出库量)的比例为50％，由于50％大于30％，则确定物品A的出库类型为第一出库类型。若物品A的历史出库量占库存物品集的历史出库量的比例为20％，由于10％＜20％＜30％，则物品A的出库类型为第二出库类型。若物品A的历史出库量占库存物品集的历史出库量的比例为5％，由于5％＜10％，则物品A的出库类型为第三出库类型。
202、确定与目标物品的出库类型匹配的库存量预测模型。
举例来说，若物品A的出库类型为第一出库类型，则确定与物品A的出库类型匹配的库存量预测模型为基于正态分布确定的计算模型。若物品A的出库类型为第二出库类型，则确定与物品A的出库类型匹配的库存量预测模型为基于泊松分布确定的计算模型。若物品A的出库类型为第三出库类型，则确定与物品A的出库类型匹配的库存量预测模型为基于单位时长平均出货量和提前期确定的计算模型。
在一些可能的实施方式中，基于正态分布确定的计算模型包括：在目标物品的出库类型为第一出库类型时，确定当前单位周期目标物品的库存量
Figure BDA0004004572330000111
其中，z是在正态分布z值表中与期望服务水平对应的z值，λ是一个计算周期中目标商品单位周期的平均出库量，/>
Figure BDA0004004572330000112
是一个计算周期中各单位周期的实际出库量与预侧出库量的标准差，
Figure BDA0004004572330000113
一个计算周期包括T个单位周期，T是正整数，xi是一个计算周期中第i个单位周期的实际出库量，xprei是所述第i个单位周期的预测出库量，所述i是整数，1≤i≤T。
在一些可能的实施方式中，基于泊松分布确定的计算模型包括：在目标物品的出库类型为第二出库类型时，确定当前单位周期所述目标物品的库存量S＝k，其中，k由
Figure BDA0004004572330000114
计算得到，p是服务水平，λ是一个计算周期中目标商品单位周期的平均出库量。
在一些可能的实施方式中，基于单位时长平均出货量和提前期确定的计算模型，包括：在目标物品的出库类型为第三出库类型时，确定当前单位周期目标物品的库存量S＝t×μ+λ；μ是单位时长的平均出货量，t是用单位时长确定的备货提前期，λ是一个计算周期中目标商品单位周期的平均出库量。
203、确定当前单位周期目标物品的预测出库量。
举例来说，可以根据历史出库量进行预测，还可以根据最近单位周期的出库量的变化趋势进行预测等，具体采用哪种方法这里不做限定。
204、判断目标物品的出库类型。
在目标物品的出库类型为第一出库类型时，执行步骤205；在目标物品的出库类型为第二出库类型时，执行步骤206；在目标物品的出库类型为第三出库类型时，执行步骤207。
205、确定当前单位周期物品A的库存量
Figure BDA0004004572330000115
其中，z是在正态分布z值表中与期望服务水平对应的z值，λ是一个计算周期中目标商品单位周期的平均出库量，
Figure BDA0004004572330000121
是一个计算周期中各单位周期的实际出库量与预侧出库量的标准差，/>
Figure BDA0004004572330000122
一个计算周期包括T个单位周期，T是正整数，xi是一个计算周期中第i个单位周期的实际出库量，xprei是所述第i个单位周期的预测出库量，i是整数，1≤i≤T。举例来说一个计算周期可以是一年，单位周期可以是一个月，则T＝12。比如，x2-xpre2是计算周期中第2个月的实际出库量，xpre2是第2个单位周期的预测出库量。
206、确定当前单位周期目标物品的库存量S＝k。
其中，k由
Figure BDA0004004572330000123
计算得到，p是服务水平，λ是一个计算周期中目标商品单位周期的平均出库量。其中，服务水平也可以称为有货率，当需求产生时，比如客户下订单，有现成的库存来满足订单的概率。举例来说若收到10个订单，其中8个订单库存可以满足，两个订单库存不够不能满足，则服务水平为0.8。
207、确定当前单位周期目标物品的库存量S＝t×μ+λ。
其中，μ是单位时长的平均出货量，t是用单位时长确定的备货提前期，λ是一个计算周期中目标商品单位周期的平均出库量。举例来说，μ对应的一年内每天的平均出货量为1，若提前期是20天，则库存量为20。
该实施例根据目标物品的历史出库量和库存物品集的历史出库量确定目标物品的出库类型，确定与目标物品的出库类型匹配的库存量预测模型，以及确定当前单位周期目标物品的预测出库量；最后根据预测出库量和与目标物品的出库类型匹配的库存量预测模型确定当前单位周期所述目标物品的库存量；该实施例提供的方法基于目标物品的出库类型、与目标物品的出库类型匹配的库存量预测模型确定出库量，相对于现有技术来说，采用本实施例提供的技术方案确定的库存量更准确。
请参见图3为本申请提供的一种库存量的确定方法的流程示意图。如图3所示，库存量的确定方法包括步骤301至308，其中：步骤301至307与步骤201至207相同，为简单起见参见前面的描述，这里不再赘述。
308、在当前单位周期结束时，根据预设的评估指标对当前单位周期确定的库存量进行评估，根据评估结果确定库存量是否符合预设要求；在评估结果为不符合预设要求时，根据评估结果确定库存量系数，库存量系数用于对后续的相邻单位周期的库存量进行调整。
其中，评估指标和预设要求可以根据需要进行设定，这里不做限定。预测评估指标可以包括如下指标中的一种或者多种：库存成本指标、缺货率指标、库存周转率指标。举例来说，库存成本可以是仓库保存物品产生的仓储费用，缺货率可以是缺货次数占订单总次数的比例，库存周转率可以是某一时间段内库存中物品的周转次数。
举例来说，若评估结果不符合预设要求并且库存量较低时，可以设置库存量系数大于1，比如可以设置库存量系数为1.1。当评估结果符合要求时库存系数可以设置为1。当评估结果不符合要求且库存较高时，可以设置库存系数小于1，比如可以设置库存系数为0.95。举例来说，当库存系数大于1时，若后续的相邻单位周期的库存量根据预测模型得到的值为X，在库存系数为1.1时，将1.1乘以X后的值作为调整后的库存量。
该实施例根据目标物品的历史出库量和库存物品集的历史出库量确定目标物品的出库类型，确定与目标物品的出库类型匹配的库存量预测模型，以及确定当前单位周期目标物品的预测出库量；最后根据预测出库量和与目标物品的出库类型匹配的库存量预测模型确定当前单位周期所述目标物品的库存量；该实施例提供的方法基于目标物品的出库类型、与目标物品的出库类型匹配的库存量预测模型确定出库量，相对于现有技术来说，采用本实施例提供的技术方案确定的库存量更准确。另外，通过确定库存系数，可以对后续相邻单位周期的库存量利用安全系数进行调整，有利于进一步调高库存量的准确性。
应该理解的是，虽然如上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库存量的确定方法的库存量的确定装置。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库存量的确定装置实施例中的具体限定可以参见上文中对于库存量的确定方法的限定，在此不再赘述。
在一个实施例中，如图4所示，提供了一种库存量的确定装置400，包括：第一确定模块401、第二确定模块402、第三确定模块403和第四确定模块404。
其中：
第一确定模块401，用于根据目标物品的历史出库量和库存物品集的历史出库量确定目标物品的出库类型；库存物品集包括至少一种物品，所述目标物品是所述库存物品集中的一种物品。
第二确定模块402，用于确定与目标物品的出库类型匹配的库存量预测模型。
第三确定模块403，用于确定当前单位周期所述目标物品的预测出库量。
第四确定模块404，用于根据预测出库量和与目标物品的出库类型匹配的库存量预测模型确定当前单位周期目标物品的库存量。
在一个实施例中，出库类型包括出库频次依次降低的：第一出库类型、第二出库类型和第三出库类型；第一确定模块具体用于，确定目标物品的历史出库量与库存物品集中所有物品总的历史出库量的比值；在比值大于第一阈值时，确定目标物品的出库类型为第一出库类型；在比值小于第二阈值时，确定目标物品的出库类型为第三出库类型；在比值位于第二阈值到第一阈值之间时，确定目标物品的出库类型为第二出库类型。
在其中一个实施例中，在目标物品的出库类型为第一出库类型时，与第一出库类型匹配的所述库存量预测模型为基于正态分布确定的计算模型。
在其中一个实施例中，基于正态分布确定的计算模型包括：
在目标物品的出库类型为第一出库类型时，确定当前单位周期目标物品的库存
Figure BDA0004004572330000151
其中，z是在正态分布z值表中与期望服务水平对应的z值，λ一个计算周期中目标物品单位周期的出库均值，/>
Figure BDA0004004572330000152
是一个计算周期中各单位周期的实际出库量与预侧出库量的标准差，/>
Figure BDA0004004572330000153
一个计算周期包括T个单位周期，T是正整数，xi是一个计算周期中第i个单位周期的实际出库量，xprei是第i个单位周期的预测出库量，i是整数，1≤i≤T。
在其中一个实施例中，在目标物品的出库类型为第二出库类型时，与第二出库类型匹配的库存量预测模型为基于泊松分布确定的计算模型。
在其中一个实施例中，基于泊松分布确定的计算模型包括：
在目标物品的出库类型为第二出库类型时，确定当前单位周期目标物品的库存S＝k，其中，k由
Figure BDA0004004572330000154
计算得到，p是服务水平，λ是一个计算周期中目标商品单位周期的平均出库量。
在其中一个实施例中，在目标物品的出库类型为第三出库类型时，与第三出库类型匹配的库存量预测模型为基于单位时长平均出货量和提前期确定的计算模型。
在其中一个实施例中，基于单位时长平均出货量和提前期确定的计算模型，包括：在目标物品的出库类型为第三出库类型时，确定当前单位周期目标物品的库存量S＝t×μ+λ；μ是单位时长的平均出货量，t是用单位时长确定的备货提前期，λ是一个计算周期中目标商品单位周期的平均出库量。
在其中一个实施例中，装置还包括：处理模块，用于在当前单位周期结束时，根据预设的评估指标对当前单位周期确定的库存进行评估，根据评估结果确定库存是否符合预设要求；在评估结果不符合预设要求时，根据评估结果确定库存系数，库存系数用于对后续的相邻的库存进行调整。
预测评估指标包括如下指标中的一种或者多种：库存成本指标、缺货率指标、库存周转率指标。
上述库存量的确定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，其内部结构图可以如图5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和内存储器。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。该计算机设备的数据库用于存储不同出库类型对应的库存量预测模型。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库存量的确定方法。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者电子墨水显示屏，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5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以下步骤：根据目标物品的历史出库量和库存物品集的历史出库量确定目标物品的出库类型。确定与目标物品的出库类型匹配的库存量预测模型。确定当前单位周期目标物品的预测出库量。根据预测出库量和与目标物品的出库类型匹配的库存量预测模型确定当前单位周期目标物品的库存量。
在一个实施例中，出库类型包括出库频次依次降低的：第一出库类型、第二出库类型和第三出库类型；根据目标物品的历史出库量和库存物品集的历史出库量确定目标物品的出库类型，包括：确定目标物品的历史出库量与库存物品集中所有物品总的历史出库量的比值；在比值大于第一阈值时，确定目标物品的出库类型为第一出库类型；在比值小于第二阈值时，确定目标物品的出库类型为第三出库类型；在比值位于第二阈值到第一阈值之间时，确定目标物品的出库类型为第二出库类型。
在一个实施例中，在目标物品的出库类型为第一出库类型时，与第一出库类型匹配的库存量预测模型为基于正态分布确定的计算模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：在物品A的出库类型为第一出库类型时，确定当前单位周期目标物品的库存量
Figure BDA0004004572330000171
其中，z是在正态分布z值表中与期望服务水平对应的z值，λ
是一个计算周期中目标商品单位周期的平均出库量，
Figure BDA0004004572330000172
是一个计算周期中各单位周期的实际出库量与预侧出库量的标准差，/>
Figure BDA0004004572330000173
一个计算周期包括T个单位周期，T是正整数，xi是一个计算周期中第i个单位周期的实际出库量，xprei是第i个单位周期的预测出库量，i是整数，1≤i≤T。
在一个实施例中，在目标物品的出库类型为第二出库类型时，与第二出库类型匹配的库存量预测模型为基于泊松分布确定的计算模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：在物品A的出库类型为第二出库类型时，确定当前单位周期目标物品的库存S＝k，其中，k由
Figure BDA0004004572330000174
计算得到，p是服务水平，λ是一个计算周期中目标商品单位周期的平均出库量。
在一个实施例中，在目标物品的出库类型为第三出库类型时，与第三出库类型匹配的库存量预测模型为基于单位时长平均出货量和提前期确定的计算模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：在物品A的出库类型为第三出库类型时，确定当前单位周期目标物品的库存S＝t×μ+λ；其中，μ是单位时长的平均出货量，t是用单位时长确定的备货提前期，λ是一个计算周期中目标商品单位周期的平均出库量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：在当前单位周期结束时，根据预设的评估指标对当前单位周期确定的库存量进行评估，根据评估结果确定库存量是否符合预设要求；在评估结果为不符合预设要求时，根据评估结果确定库存量系数，库存量系数用于对后续的相邻单位周期的库存量进行调整。
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以下步骤：根据目标物品的历史出库量和库存物品集的历史出库量确定目标物品的出库类型。确定与目标物品的出库类型匹配的库存量预测模型。确定当前单位周期目标物品的预测出库量。根据预测出库量和与目标物品的出库类型匹配的库存量预测模型确定当前单位周期目标物品的库存量。
在一个实施例中，出库类型包括出库频次依次降低的：第一出库类型、第二出库类型和第三出库类型；根据目标物品的历史出库量和库存物品集的历史出库量确定目标物品的出库类型，包括：确定目标物品的历史出库量与库存物品集中所有物品总的历史出库量的比值；在比值大于第一阈值时，确定目标物品的出库类型为第一出库类型；在比值小于第二阈值时，确定目标物品的出库类型为第三出库类型；在比值位于第二阈值到第一阈值之间时，确定目标物品的出库类型为第二出库类型。
在一个实施例中，在目标物品的出库类型为第一出库类型时，与第一出库类型匹配的库存量预测模型为基于正态分布确定的计算模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在物品A的出库类型为第一出库类型时，确定当前单位周期目标物品的库存量
Figure BDA0004004572330000181
其中，z是在正态分布z值表中与期望服务水平对应的z值，λ是一个计算周期中目标商品单位周期的平均出库量，/>
Figure BDA0004004572330000191
是一个计算周期中各单位周期的实际出库量与预侧出库量的标准差，
Figure BDA0004004572330000192
一个计算周期包括T个单位周期，T是正整数，xi是一个计算周期中第i个单位周期的实际出库量，xprei是所述第i个单位周期的预测出库量，i是整数，1≤i≤T。
在一个实施例中，在目标物品的出库类型为第二出库类型时，与第二出库类型匹配的库存量预测模型为基于泊松分布确定的计算模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在物品A的出库类型为第二出库类型时，确定当前单位周期目标物品的库存S＝k，其中，k由
Figure BDA0004004572330000193
计算得到，p是服务水平，λ是一个计算周期中目标商品单位周期的平均出库量。
在一个实施例中，在目标物品的出库类型为第三出库类型时，与第三出库类型匹配的库存量预测模型为基于单位时长平均出货量和提前期确定的计算模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在物品A的出库类型为第三出库类型时，确定当前单位周期目标物品的库存S＝t×μ+λ；其中，μ是单位时长的平均出货量，t是用单位时长确定的备货提前期，λ是一个计算周期中目标商品单位周期的平均出库量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在当前单位周期结束时，根据预设的评估指标对当前单位周期确定的库存量进行评估，根据评估结果确定库存量是否符合预设要求；在评估结果为不符合预设要求时，根据评估结果确定库存量系数，库存量系数用于对后续的相邻单位周期的库存量进行调整。
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以下步骤：根据目标物品的历史出库量和库存物品集的历史出库量确定目标物品的出库类型。确定与目标物品的出库类型匹配的库存量预测模型。确定当前单位周期目标物品的预测出库量。根据预测出库量和与目标物品的出库类型匹配的库存量预测模型确定当前单位周期目标物品的库存量。
在一个实施例中，出库类型包括出库频次依次降低的：第一出库类型、第二出库类型和第三出库类型；根据目标物品的历史出库量和库存物品集的历史出库量确定目标物品的出库类型，包括：确定目标物品的历史出库量与库存物品集中所有物品总的历史出库量的比值；在比值大于第一阈值时，确定目标物品的出库类型为第一出库类型；在比值小于第二阈值时，确定目标物品的出库类型为第三出库类型；在比值位于第二阈值到第一阈值之间时，确定目标物品的出库类型为第二出库类型。
在一个实施例中，在目标物品的出库类型为第一出库类型时，与第一出库类型匹配的库存量预测模型为基于正态分布确定的计算模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在物品A的出库类型为第一出库类型时，确定当前单位周期目标物品的库存量
Figure BDA0004004572330000201
其中，z是在正态分布z值表中与期望服务水平对应的z值，λ是一个计算周期中目标商品单位周期的平均出库量，/>
Figure BDA0004004572330000202
是一个计算周期中各单位周期的实际出库量与预侧出库量的标准差，
Figure BDA0004004572330000203
一个计算周期包括T个单位周期，T是正整数，xi是一个计算周期中第i个单位周期的实际出库量，xprei是所述第i个单位周期的预测出库量，i是整数，1≤i≤T。
在一个实施例中，在目标物品的出库类型为第二出库类型时，与第二出库类型匹配的库存量预测模型为基于泊松分布确定的计算模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在物品A的出库类型为第二出库类型时，确定当前单位周期目标物品的库存S＝k，其中，k由
Figure BDA0004004572330000204
计算得到，p是服务水平，λ是一个计算周期中目标商品单位周期的平均出库量。
在一个实施例中，在目标物品的出库类型为第三出库类型时，与第三出库类型匹配的库存量预测模型为基于单位时长平均出货量和提前期确定的计算模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在物品A的出库类型为第三出库类型时，确定当前单位周期目标物品的库存S＝t×μ+λ；其中，μ是单位时长的平均出货量，t是用单位时长确定的备货提前期，λ是一个计算周期中目标商品单位周期的平均出库量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在当前单位周期结束时，根据预设的评估指标对当前单位周期确定的库存量进行评估，根据评估结果确定库存量是否符合预设要求；在评估结果为不符合预设要求时，根据评估结果确定库存量系数，库存量系数用于对后续的相邻单位周期的库存量进行调整。
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 (12)

1.一种库存量的确定方法，其特征在于，所述方法包括：
根据目标物品的历史出库量和库存物品集的历史出库量确定所述目标物品的出库类型；所述库存物品集包括至少一种物品，所述目标物品是所述库存物品集中的一种物品；
确定与所述目标物品的出库类型匹配的库存量预测模型；
确定当前单位周期所述目标物品的预测出库量；
根据所述预测出库量和与所述目标物品的出库类型匹配的库存量预测模型确定当前单位周期所述目标物品的库存量。
2.根据权利要求1所述的方法，其特征在于，所述出库类型包括出库频次依次降低的：第一出库类型、第二出库类型和第三出库类型；所述根据目标物品的历史出库量和库存物品集的历史出库量确定所述目标物品的出库类型，包括：
确定所述目标物品的历史出库量与所述库存物品集中所有物品总的历史出库量的比值；
在所述比值大于第一阈值时，确定所述目标物品的出库类型为第一出库类型；
在所述比值小于第二阈值时，确定所述目标物品的出库类型为第三出库类型；
在所述比值位于所述第二阈值到第一阈值之间时，确定所述目标物品的出库类型为第二出库类型。
3.根据权利要求2所述的方法，其特征在于，在所述目标物品的出库类型为第一出库类型时，与所述第一出库类型匹配的所述库存量预测模型为基于正态分布确定的计算模型。
4.根据权利要求3所述的方法，其特征在于，所述基于正态分布确定的计算模型包括：
在所述目标物品的出库类型为第一出库类型时，确定当前单位周期所述目标物品的库存量
Figure FDA0004004572320000011
其中，所述z是在正态分布z值表中与期望服务水平对应的z值，所述λ是一个计算周期中目标商品单位周期的平均出库量，所述/>
Figure FDA0004004572320000021
是一个计算周期中各单位周期的实际出库量与预侧出库量的标准差，/>
Figure FDA0004004572320000022
一个计算周期包括T个单位周期，所述T是正整数，xi是一个计算周期中第i个单位周期的实际出库量，xprei是所述第i个单位周期的预测出库量，所述i是整数，1≤i≤T。
5.根据权利要求2所述的方法，其特征在于，在所述目标物品的出库类型为第二出库类型时，与所述第二出库类型匹配的库存量预测模型为基于泊松分布确定的计算模型。
6.根据权利要求5所述的方法，其特征在于，所述基于泊松分布确定的计算模型包括：
在所述目标物品的出库类型为第二出库类型时，确定当前单位周期所述目标物品的库存量S＝k，其中，所述k由
Figure FDA0004004572320000023
计算得到，所述p是服务水平，所述λ是一个计算周期中目标商品单位周期的平均出库量。
7.根据权利要求2所述的方法，其特征在于，在所述目标物品的出库类型为第三出库类型时，与所述第三出库类型匹配的库存量预测模型为基于单位时长平均出货量和提前期确定的计算模型。
8.根据权利要求7所述的方法，其特征在于，所述基于单位时长平均出货量和提前期确定的计算模型，包括：
在所述目标物品的出库类型为第三出库类型时，确定当前单位周期所述目标物品的库存量S＝t×μ+λ；所述μ是单位时长的平均出货量，所述t是用单位时长确定的备货提前期，所述λ是一个计算周期中目标商品单位周期的平均出库量。
9.根据权利要求1至8任一项所述的方法，其特征在于，还包括：
在当前单位周期结束时，根据预设的评估指标对当前单位周期确定的库存量进行评估，根据评估结果确定所述库存量是否符合预设要求；
在所述评估结果为不符合预设要求时，根据所述评估结果确定库存量系数，所述库存量系数用于对后续的相邻单位周期的库存量进行调整。
10.一种库存量的确定装置，其特征在于，所述装置包括：
第一确定模块，用于根据目标物品的历史出库量和库存物品集的历史出库量确定所述目标物品的出库类型；所述库存物品集包括至少一种物品，所述目标物品是所述库存物品集中的一种物品；
第二确定模块，用于确定与所述目标物品的出库类型匹配的库存量预测模型；
第三确定模块，确定当前单位周期所述目标物品的预测出库量；
第四确定模块，用于根据所述预测出库量和与所述目标物品的出库类型匹配的库存量预测模型确定当前单位周期所述目标物品的库存量。
11.一种计算机设备，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9中任一项所述的方法的步骤。
12.一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9中任一项所述的方法的步骤。
CN202211626503.0A 2022-12-17 2022-12-17 库存量的确定方法、装置、计算机设备和存储介质 Pending CN116384874A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211626503.0A CN116384874A (zh) 2022-12-17 2022-12-17 库存量的确定方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211626503.0A CN116384874A (zh) 2022-12-17 2022-12-17 库存量的确定方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN116384874A true CN116384874A (zh) 2023-07-04

Family

ID=86969922

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211626503.0A Pending CN116384874A (zh) 2022-12-17 2022-12-17 库存量的确定方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN116384874A (zh)

Similar Documents

Publication Publication Date Title
CN112215546B (zh) 一种对象页面生成方法、装置、设备及存储介质
CN111626682B (zh) 一种成本的核算方法、装置、计算机设备和存储介质
CN114118503A (zh) 供应链库存优化方法、装置、设备和存储介质
US20160148226A1 (en) System and method for forecasting and managing returned merchanidse in retail
CN111178830A (zh) 成本的核算方法、装置、计算机设备和存储介质
CN114926305A (zh) 电力物资管控方法、装置、计算机设备、存储介质
CN116109252A (zh) 仓库补货管理方法、装置、仓库管理系统及存储介质
Dominey et al. Performance of approximations for compound Poisson distributed demand in the newsboy problem
CN114565422A (zh) 仓库销量预测方法、装置、存储介质及设备
CN115271574A (zh) 一种货品补货方法、装置、电子设备及存储介质
CN116384874A (zh) 库存量的确定方法、装置、计算机设备和存储介质
CN115759574A (zh) 物资的存储方法、装置、计算机设备和存储介质
CN113822543B (zh) 一种资源数量确定方法、装置、电子设备及存储介质
CN115482051A (zh) 基于erp系统的商品管理方法、装置、设备及可读存储介质
CN115936789A (zh) 考虑非线性时间常数的资源数值变动数据生成方法和装置
Ketzenberg et al. A heuristic for multi-item production with seasonal demand
CN113935683A (zh) 货物入库方法及装置
CN114387085A (zh) 流水数据处理方法、装置、计算机设备和存储介质
CN114444990A (zh) 供应链网络前置仓的选品方法
CN115330314A (zh) 安全库存处理方法、装置、计算机设备和存储介质
JP2009126621A (ja) 適正在庫量決定システム及び適正在庫量決定方法
CN117910935B (zh) 数字化物料管理方法及系统
CN114330829B (zh) 物流订单下单重量预测方法、系统、设备及存储介质
CN115879858A (zh) 门店补货方法、装置、存储介质及计算机设备
CN118780900A (zh) 商品推荐策略调整方法、装置、计算机设备、可读存储介质和程序产品

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