CN116562772A - 物品补货信息生成方法、装置、设备、介质和程序产品 - Google Patents
物品补货信息生成方法、装置、设备、介质和程序产品 Download PDFInfo
- Publication number
- CN116562772A CN116562772A CN202310371125.4A CN202310371125A CN116562772A CN 116562772 A CN116562772 A CN 116562772A CN 202310371125 A CN202310371125 A CN 202310371125A CN 116562772 A CN116562772 A CN 116562772A
- Authority
- CN
- China
- Prior art keywords
- information
- circulation
- article
- target
- item
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000004044 response Effects 0.000 claims description 23
- 238000012384 transportation and delivery Methods 0.000 claims description 20
- 230000007306 turnover Effects 0.000 claims description 20
- 238000012216 screening Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 14
- 230000001502 supplementing effect Effects 0.000 claims description 9
- 238000012546 transfer Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
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
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了物品补货信息生成方法、装置、设备、介质和程序产品。该方法的一具体实施方式包括:根据目标物品对应的物品流转量时序信息,生成对应目标物品的物品流转间隔信息和物品流转量信息;根据物品流转间隔信息,生成物品流转间隔波动信息;根据物品流转量信息,生成物品流转量波动信息;根据物品流转间隔波动信息和物品流转量波动信息,确定目标物品的物品类型;根据物品类型和对应目标物品的库存周期信息,确定对应库存周期信息的流转量信息;根据对应库存周期信息的流转量信息,生成物品补货量信息。该实施方式与仓储物流有关,可以减少物品损耗,节省运输资源。
Description
技术领域
本公开的实施例涉及仓储物流技术领域,具体涉及物品补货信息生成方法、装置、设备、介质和程序产品。
背景技术
库存优化主要解决在面对未来不确定的需求环境下确定补货量的问题,从而降低损失。目前,在生成物品补货信息时,通常采用的方式为:通过机器学习模型或指数平滑法来预测物品流转量,以确定物品的补货量。
然而,发明人发现,当采用上述方式生成物品补货信息时,经常会存在如下技术问题:
对于流转量变化较大的物品,由于其具有流转量的间断性和波动性,造成传统的机器学习模型或指数平滑法预测得到的物品流转量存在较大的误差,得到的补货量的准确性较低,从而造成得到的补货量较多时,物品积压较多,导致物品损耗较多,而得到的补货量较少时,物品缺货,需再次调度,导致运输资源浪费。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了物品补货信息生成方法、装置、电子设备、计算机可读介质和计算机程序产品,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种物品补货信息生成方法,该方法包括:根据目标物品对应的物品流转量时序信息,生成对应上述目标物品的物品流转间隔信息和物品流转量信息;根据上述物品流转间隔信息,生成物品流转间隔波动信息;根据上述物品流转量信息,生成物品流转量波动信息;根据上述物品流转间隔波动信息和上述物品流转量波动信息,确定上述目标物品的物品类型;根据上述物品类型和对应上述目标物品的库存周期信息,确定对应上述库存周期信息的流转量信息;根据上述对应上述库存周期信息的流转量信息,生成物品补货量信息。
可选地,上述方法还包括:根据上述物品补货量信息,控制相关联的补货设备执行对应上述目标物品的补货操作。
可选地,上述根据目标物品对应的物品流转量时序信息,生成对应上述目标物品的物品流转间隔信息和物品流转量信息,包括:根据上述物品流转量时序信息,确定对应上述目标物品的物品流转连续间隔天数标准差;根据上述物品流转连续间隔天数标准差和上述物品流转间隔天数均值,生成物品流转间隔波动信息。
可选地,上述根据上述物品流转间隔信息,生成物品流转间隔波动信息,包括:根据上述物品流转量时序信息,确定对应上述目标物品的物品流转连续间隔天数标准差;根据上述物品流转连续间隔天数标准差和上述物品流转间隔天数均值,生成物品流转间隔波动信息。
可选地,上述根据上述物品流转量信息,生成物品流转量波动信息,包括:根据上述物品流转量时序信息,确定对应上述目标物品的物品流转量标准差;根据上述物品流转量标准差和上述物品流转量均值,生成物品流转量波动信息。
可选地,上述物品流转量时序信息包括物品备货周期;以及上述根据上述物品类型和对应上述目标物品的库存周期信息,确定对应上述库存周期信息的流转量信息,包括:根据对应上述目标物品的送货信息集合,生成预测备货天数;根据上述物品备货周期和上述预测备货天数,生成库存周期信息;根据上述物品类型和上述库存周期信息,确定对应上述库存周期信息的流转量信息。
可选地,上述根据上述物品类型和对应上述目标物品的库存周期信息,确定对应上述库存周期信息的流转量信息,包括:根据上述物品类型,从预设流转量信息生成模型集合中筛选出对应上述物品类型的预设流转量信息生成模型,作为目标流转量信息生成模型;根据上述目标流转量信息生成模型和上述库存周期信息,生成流转量信息。
可选地,上述根据上述物品类型,从预设流转量信息生成模型集合中筛选出对应上述物品类型的预设流转量信息生成模型,作为目标流转量信息生成模型,包括:根据上述物品类型,从预设流转量信息生成模型集合中筛选出对应上述物品类型的各个预设流转量信息生成模型,作为流转量信息生成模型集合;对于上述流转量信息生成模型集合中的每个流转量信息生成模型,执行以下步骤:对于预设日期序列包括的每个预设日期,根据上述流转量信息生成模型和上述预设日期,生成对应上述预设日期的流转量信息,其中,上述流转量信息包括流转量;根据上述预设日期序列和每个预设日期对应的流转量信息,生成上述预设日期对应的当天剩余库存量,得到当天剩余库存量集合;根据所确定的各个当天剩余库存量集合,从上述流转量信息生成模型集合中筛选出满足目标剩余库存量条件的流转量信息生成模型,作为目标流转量信息生成模型。
可选地,上述根据上述预设日期序列和每个预设日期对应的流转量信息,确定上述预设日期对应的当天剩余库存量,得到当天剩余库存量集合,包括:将上述预设日期序列中满足预设初始日期条件的预设日期作为目标日期,将上述目标日期对应的流转量作为目标库存量,执行以下处理步骤:根据目标日期,确定现有库存量;根据目标日期和现有库存量,确定持有物品量;根据持有物品量和目标库存量,生成补货量信息;将补货量信息发送至相关联的终端;根据对应目标日期的当天物品流转量和现有库存量,生成目标日期对应的当天剩余库存量;响应于确定目标日期不满足预设截至日期条件,将上述预设日期序列中对应当前日期的下一个预设日期作为目标日期,将当天剩余库存量作为目标库存量,再次执行以上处理步骤;响应于确定目标日期满足上述预设截至日期条件,将所生成的各个当天剩余库存量确定为当天剩余库存量集合。
可选地,上述根据所确定的各个当天剩余库存量集合,从上述流转量信息生成模型集合中筛选出满足目标剩余库存量条件的流转量信息生成模型,作为目标流转量信息生成模型,包括:对于所确定的各个当天剩余库存量集合中的每个当天剩余库存量集合,执行以下步骤:将上述当天剩余库存量集合包括的满足预设剩余量条件的当天剩余库存量的数量确定为目标库存天数;根据上述目标库存天数,确定实库现货率;根据上述当天剩余库存量集合中的各个当天剩余库存量和对应上述目标物品的价值信息,确定库存总价值;根据各个目标日期对应的各个当天物品流转量和上述价值信息,确定物品流转总价值;根据上述库存总价值和上述物品流转总价值,确定库存周转率;根据所确定的各个实库现货率和/或各个库存周转率,从上述流转量信息生成模型集合中筛选出满足目标实库现货率条件和/或目标库存周转率条件的流转量信息生成模型,作为目标流转量信息生成模型。
第二方面,本公开的一些实施例提供了一种物品补货信息生成装置,装置包括:第一生成单元,被配置成根据目标物品对应的物品流转量时序信息,生成对应上述目标物品的物品流转间隔信息和物品流转量信息;第二生成单元,被配置成根据上述物品流转间隔信息,生成物品流转间隔波动信息;第三生成单元,被配置成根据上述物品流转量信息,生成物品流转量波动信息;第一确定单元,被配置成根据上述物品流转间隔波动信息和上述物品流转量波动信息,确定上述目标物品的物品类型;第二确定单元,被配置成根据上述物品类型和对应上述目标物品的库存周期信息,确定对应上述库存周期信息的流转量信息;第四生成单元,被配置成根据上述对应上述库存周期信息的流转量信息,生成物品补货量信息。
可选地,上述物品补货信息生成装置还包括:控制单元,被配置成根据上述物品补货量信息,控制相关联的补货设备执行对应上述目标物品的补货操作。
可选地,上述第一生成单元进一步被配置成:根据上述物品流转量时序信息,确定对应上述目标物品的物品流转连续间隔天数标准差;根据上述物品流转连续间隔天数标准差和上述物品流转间隔天数均值,生成物品流转间隔波动信息。
可选地,上述第二生成单元进一步被配置成:根据上述物品流转量时序信息,确定对应上述目标物品的物品流转连续间隔天数标准差;根据上述物品流转连续间隔天数标准差和上述物品流转间隔天数均值,生成物品流转间隔波动信息。
可选地,上述第三生成单元进一步被配置成:根据上述物品流转量时序信息,确定对应上述目标物品的物品流转量标准差;根据上述物品流转量标准差和上述物品流转量均值,生成物品流转量波动信息。
可选地,上述物品流转量时序信息包括物品备货周期。
可选地,上述第一确定单元进一步被配置成:根据对应上述目标物品的送货信息集合,生成预测备货天数;根据上述物品备货周期和上述预测备货天数,生成库存周期信息;根据上述物品类型和上述库存周期信息,确定对应上述库存周期信息的流转量信息。
可选地,上述第一确定单元进一步被配置成:根据上述物品类型,从预设流转量信息生成模型集合中筛选出对应上述物品类型的预设流转量信息生成模型,作为目标流转量信息生成模型;根据上述目标流转量信息生成模型和上述库存周期信息,生成流转量信息。
可选地,上述第一确定单元进一步被配置成:根据上述物品类型,从预设流转量信息生成模型集合中筛选出对应上述物品类型的各个预设流转量信息生成模型,作为流转量信息生成模型集合;对于上述流转量信息生成模型集合中的每个流转量信息生成模型,执行以下步骤:对于预设日期序列包括的每个预设日期,根据上述流转量信息生成模型和上述预设日期,生成对应上述预设日期的流转量信息,其中,上述流转量信息包括流转量;根据上述预设日期序列和每个预设日期对应的流转量信息,生成上述预设日期对应的当天剩余库存量,得到当天剩余库存量集合;根据所确定的各个当天剩余库存量集合,从上述流转量信息生成模型集合中筛选出满足目标剩余库存量条件的流转量信息生成模型,作为目标流转量信息生成模型。
可选地,上述第一确定单元进一步被配置成:将上述预设日期序列中满足预设初始日期条件的预设日期作为目标日期,将上述目标日期对应的流转量作为目标库存量,执行以下处理步骤:根据目标日期,确定现有库存量;根据目标日期和现有库存量,确定持有物品量;根据持有物品量和目标库存量,生成补货量信息;将补货量信息发送至相关联的终端;根据对应目标日期的当天物品流转量和现有库存量,生成目标日期对应的当天剩余库存量;响应于确定目标日期不满足预设截至日期条件,将上述预设日期序列中对应当前日期的下一个预设日期作为目标日期,将当天剩余库存量作为目标库存量,再次执行以上处理步骤;响应于确定目标日期满足上述预设截至日期条件,将所生成的各个当天剩余库存量确定为当天剩余库存量集合。
可选地,上述第一确定单元进一步被配置成:对于所确定的各个当天剩余库存量集合中的每个当天剩余库存量集合,执行以下步骤:将上述当天剩余库存量集合包括的满足预设剩余量条件的当天剩余库存量的数量确定为目标库存天数;根据上述目标库存天数,确定实库现货率;根据上述当天剩余库存量集合中的各个当天剩余库存量和对应上述目标物品的价值信息,确定库存总价值;根据各个目标日期对应的各个当天物品流转量和上述价值信息,确定物品流转总价值;根据上述库存总价值和上述物品流转总价值,确定库存周转率;根据所确定的各个实库现货率和/或各个库存周转率,从上述流转量信息生成模型集合中筛选出满足目标实库现货率条件和/或目标库存周转率条件的流转量信息生成模型,作为目标流转量信息生成模型。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
第五方面,本公开的一些实施例提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的物品补货信息生成方法,可以减少物品损耗,节省运输资源。具体来说,造成物品损耗以及运输资源的浪费的原因在于:对于流转量变化较大的物品,由于其具有流转量的间断性和波动性,造成传统的机器学习模型或指数平滑法预测得到的物品流转量存在较大的误差,得到的补货量的准确性较低,从而造成得到的补货量较多时,物品积压,导致物品损耗较多,而得到的补货量较少时,物品缺货,需再次调度,导致运输资源浪费。基于此,本公开的一些实施例的物品补货信息生成方法,首先,根据目标物品对应的物品流转量时序信息,生成对应上述目标物品的物品流转间隔信息和物品流转量信息。由此,可以确定目标物品的物品流转间隔信息和物品流转量信息。其次,根据上述物品流转间隔信息,生成物品流转间隔波动信息。由此,根据生成的物品流转间隔波动信息,可以确定上述目标物品是否为流转量间隔时间波动较大的物品。然后,根据上述物品流转量信息,生成物品流转量波动信息。由此,根据生成的物品流转量波动信息,可以确定上述目标物品是否为流转量波动较大的物品。之后,根据上述物品流转间隔波动信息和上述物品流转量波动信息,确定上述目标物品的物品类型。由此,可以通过上述目标物品的流转量间隔时间的波动性以及流转量的波动性,确定上述目标物品是否属于流转量变化较大的物品。然后,根据上述物品类型和对应上述目标物品的库存周期信息,确定对应上述库存周期信息的流转量信息。由此,可以通过上述目标物品的备货周期以及上述目标物品的流转量变化情况,确定上述目标物品在备货周期内预测流转的数量。最后,根据上述对应上述库存周期信息的流转量信息,生成物品补货量信息。由此,可以通过确定上述目标物品在备货周期内预测流转的数量,确定上述目标物品的补货量。因为根据物品流转量时序信息,确定了上述目标物品的波动信息,从而可以确定上述目标物品的流转量变化情况。也因为可以根据上述目标物品的流转量变化情况以及补货周期,确定补货周期内的物品流转量,进而可以基于物品流转量的间断性和波动性,确定上述目标物品的补货量,提高预测得到的补货量的准确性。由此,本公开的一些实施例的物品补货信息生成方法,可以减少物品损耗,节省运输资源。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的物品补货信息生成方法的一个应用场景的示意图;
图2是根据本公开的物品补货信息生成方法的一些实施例的流程图;
图3是根据本公开的物品补货信息生成方法的另一些实施例的流程图;
图4是根据本公开的物品补货信息生成装置的一些实施例的结构示意图;
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是本公开的一些实施例的物品补货信息生成方法的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以根据目标物品对应的物品流转量时序信息102,生成对应上述目标物品的物品流转间隔信息103和物品流转量信息104。例如,上述物品流转量时序信息102可以为“[1,0,0,1,0,3,0,0,0,1]”。上述物品流转间隔信息103可以为“间隔天数,2”。上述物品流转量信息104可以为“物品流转量,1.5”。然后,可以根据上述物品流转间隔信息103,生成物品流转间隔波动信息105。之后,可以根据上述物品流转量信息104,生成物品流转量波动信息106。然后,可以根据上述物品流转间隔波动信息105和上述物品流转量波动信息106,确定上述目标物品的物品类型107。例如,上述物品类型107可以为“双波动”。之后,可以根据上述物品类型107和对应上述目标物品的库存周期信息108,确定对应上述库存周期信息的流转量信息109。例如。上述库存周期信息108可以为“备货周期,7天”。上述流转量信息109可以为“备货周期内流转量,50”。最后,可以根据上述对应上述库存周期信息的流转量信息109,生成物品补货量信息110。例如。上述物品补货量信息110可以为“补货量,30”。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
继续参考图2,示出了根据本公开的物品补货信息生成方法的一些实施例的流程200。该物品补货信息生成方法,包括以下步骤:
步骤201,根据目标物品对应的物品流转量时序信息,生成对应目标物品的物品流转间隔信息和物品流转量信息。
在一些实施例中,物品补货信息生成方法的执行主体(例如图1所示的计算设备)可以根据目标物品对应的物品流转量时序信息,生成对应上述目标物品的物品流转间隔信息和物品流转量信息。其中,上述目标物品可以为任一物品。例如,上述目标物品可以为某品牌的牛奶。上述物品流转量时序信息可以为表征上述目标物品历史时间段内的流转量(例如销量)信息。作为示例,上述物品流转量时序信息可以包括历史物品流转量数组。例如,上述物品流转量时序信息可以为[1,0,0,1,0,3,0,0,0,1]。上述[1,0,0,1,0,3,0,0,0,1]可以表征上述目标物品第1、4、10天的流转量均为1,第2、3、5、7、8、9天的流转量均为0,第6天的流转量为3。上述物品流转间隔信息可以为表征上述目标物品在历史时间段内连续流转量为0的天数的集中趋势的信息。例如,上述物品流转间隔信息可以为“间隔天数为2”。上述物品流转量信息可以为表征上述目标物品每日的流转量的信息。例如,上述物品流转量信息可以为“物品流转量为1.5”。实践中,首先,上述执行主体可以确定上述物品流转量时序信息中流转量为0的各个连续天数。作为示例,上述物品流转量时序信息可以为[1,0,0,1,0,3,0,0,0,1]。上述物品流转量时序信息中流转量为0的各个连续天数分别为2天、1天和3天。然后,上述执行主体可以将上述各个连续天数的均方值确定为对应上述目标物品的物品流转间隔信息。之后,上述执行主体可以确定上述物品流转量时序信息中的各个流转量。作为示例,上述物品流转量时序信息可以为[1,0,0,1,0,3,0,0,0,1]。上述物品流转量时序信息中的各个流转量分别可以为1、1、3、1。最后,上述执行主体可以将上述各个流转量的均方值确定为物品流转量信息。
在一些实施例的一些可选的实现方式中,根据目标物品对应的物品流转量时序信息,上述执行主体可以通过以下步骤生成对应上述目标物品的物品流转间隔信息和物品流转量信息:
第一步,根据上述物品流转量时序信息,生成对应上述目标物品的物品流转间隔天数均值作为物品流转间隔信息。实践中,首先,上述执行主体可以确定上述物品流转量时序信息中流转量为0的各个连续天数。最后,上述执行主体可以将上述各个连续天数的均值确定为物品流转间隔天数均值。作为示例,上述物品流转量时序信息可以为[1,0,0,1,0,3,0,0,0,1]。上述物品流转量时序信息中流转量为0的各个连续天数可以为2、1、3。则上述物品流转间隔天数均值可以为2。
第二步,根据上述物品流转量时序信息,生成对应上述目标物品的物品流转量均值作为物品流转量信息。实践中,首先,上述执行主体可以确定上述物品流转量时序信息中的各个流转量。最后,上述执行主体可以将上述各个流转量的均值确定为物品流转量均值。作为示例,上述物品流转量时序信息可以为[1,0,0,1,0,3,0,0,0,1]。上述物品流转量时序信息中的各个流转量可以为1、1、3、1。则上述物品流转量均值可以为1.5。
步骤202,根据物品流转间隔信息,生成物品流转间隔波动信息。
在一些实施例中,上述执行主体可以根据上述物品流转间隔信息,生成物品流转间隔波动信息。其中,上述物品流转间隔波动信息可以为表征上述目标物品流转量为0的天数的波动性的信息。实践中,首先,上述执行主体可以确定上述各个连续天数的方差。最后,上述执行主体可以将上述各个连续天数的方差与上述各个连续天数的均方值的比值确定为物品流转间隔波动信息。
在一些实施例的一些可选的实现方式中,根据上述物品流转间隔信息,上述执行主体可以通过以下步骤生成物品流转间隔波动信息:
第一步,根据上述物品流转量时序信息,确定对应上述目标物品的物品流转连续间隔天数标准差。实践中,上述执行主体可以将上述各个连续天数的标准差确定为物品流转连续间隔天数标准差。
第二步,根据上述物品流转连续间隔天数标准差和上述物品流转间隔天数均值,生成物品流转间隔波动信息。实践中,上述执行主体可以将上述物品流转连续间隔天数标准差与上述物品流转间隔天数均值的比值确定为物品流转间隔波动信息。
步骤203,根据物品流转量信息,生成物品流转量波动信息。
在一些实施例中,上述执行主体可以根据上述物品流转量信息,生成物品流转量波动信息。其中,上述物品流转间隔波动信息可以为表征上述目标物品流转量的波动性的信息。实践中,首先,上述执行主体可以确定上述各个流转量的方差。最后,上述执行主体可以将上述各个流转量的方差与上述各个流转量的均方差的比值确定为物品流转量波动信息。
在一些实施例的一些可选的实现方式中,根据上述物品流转量信息,上述执行主体可以通过以下步骤生成物品流转量波动信息:
第一步,根据上述物品流转量时序信息,确定对应上述目标物品的物品流转量标准差。实践中,上述执行主体可以将上述各个流转量的标准差确定为对应上述目标物品的物品流转量标准差。
第二步,根据上述物品流转量标准差和上述物品流转量均值,生成物品流转量波动信息。实践中,上述执行主体可以将上述物品流转量标准差与上述物物品流转量均值的比值确定为物品流转量波动信息。
步骤204,根据物品流转间隔波动信息和物品流转量波动信息,确定目标物品的物品类型。
在一些实施例中,上述执行主体可以根据上述物品流转间隔波动信息和上述物品流转量波动信息,确定上述目标物品的物品类型。上述物品类型可以为表征上述目标物品的流转量的稳定性的类型。例如,物品类型可以表征以下任意一项:“双稳定”,“间隔稳定流转量波动”,“间隔波动流转量稳定”,“双波动”。实践中,响应于上述物品流转间隔波动信息对应的物品流转间隔波动值小于预设物品间隔波动值,且上述物品流转量波动信息对应的物品流转量波动值小于预设物品流转量波动值,上述执行主体可以将“双稳定”确定为上述目标物品的物品类型。响应于上述物品流转间隔波动信息对应的物品流转间隔波动值大于等于上述预设物品间隔波动值,且上述物品流转量波动信息对应的物品流转量波动值小于上述预设物品流转量波动值,上述执行主体可以将“间隔波动流转量稳定”确定为上述目标物品的物品类型。响应于上述物品流转间隔波动信息对应的物品流转间隔波动值小于上述预设物品间隔波动值,且上述物品流转量波动信息对应的物品流转量波动值大于等于上述预设物品流转量波动值,上述执行主体可以将“间隔稳定流转量波动”确定为上述目标物品的物品类型。响应于上述物品流转间隔波动信息对应的物品流转间隔波动值大于等于上述预设物品间隔波动值,且上述物品流转量波动信息对应的物品流转量波动值大于等于上述预设物品流转量波动值,上述执行主体可以将“双波动”确定为上述目标物品的物品类型。上述预设间隔波动值可以为预先设置的物品间隔波动值。上述预设流转量波动值可以为预先设置的物品流转量波动值。
步骤205,根据物品类型和对应目标物品的库存周期信息,确定对应库存周期信息的流转量信息。
在一些实施例中,上述执行主体可以根据上述物品类型和对应上述目标物品的库存周期信息,确定对应上述库存周期信息的流转量信息。其中,上述库存周期信息可以为表征上述目标物品每次备货所消耗的时间的信息。例如,上述库存周期信息可以为“备货周期为7天”。上述库存周期信息可以为预先存储的信息。上述流转量信息可以为表征备货周期内上述目标物品的流转量的信息。例如,上述流转量信息可以为“备货周期内流转量为5”。实践中,响应于上述物品类型表征“双稳定”类型,上述执行主体可以通过移动平均法确定对应上述库存周期信息的流转量信息。响应于上述物品类型表征“双稳定”类型,上述执行主体可以通过决策树模型确定对应上述库存周期信息的流转量信息。
可选地,上述物品流转量时序信息可以包括物品备货周期。其中,上述物品备货周期可以为上述目标物品每次备货所消耗的时间。例如,上述物品备货周期可以为“7天”。
在一些实施例的一些可选的实现方式中,根据上述物品类型和对应上述目标物品的库存周期信息,上述执行主体可以通过以下步骤确定对应上述库存周期信息的流转量信息:
第一步,根据对应上述目标物品的送货信息集合,生成预测备货天数。其中,上述送货信息集合包括至少一个送货信息。上述送货信息可以为表征单次送货的件数和消耗时间的信息。具体地,上述送货信息可以包括单次送货件数和单次送货天数。上述单次送货件数可以为单次运送的物品的数量。上述单次送货天数可以为单次运送物品实际消耗的天数。上述预测备货天数可以为预测的每次运送物品消耗的天数。实践中,首先,对于上述送货信息集合中的每个送货信息,上述执行主体可以执行以下步骤:第一,上述执行主体可以确定上述送货信息包括的单次送货天数与上述送货信息对应的预设预测值的差值绝对值。第二,上述执行主体可以确定上述差值绝对值与上述单次送货天数的比值。第三,上述执行主体可以确定上述比值与上述送货信息包括的单次送货件数的乘积。然后,上述执行主体可以确定所确定的各个乘积的和,作为第一数值。之后,上述执行主体可以确定各个送货信息包括的各个单次送货件数的和,作为第二数值。最后,上述执行主体可以将上述第一数值和上述第二数值的比值确定为预测备货天数。
第二步,根据上述物品备货周期和上述预测备货天数,生成库存周期信息。实践中,上述执行主体可以将上述物品备货周期与上述预测备货天数的和确定为库存周期信息。
第三步,根据上述物品类型和上述库存周期信息,确定对应上述库存周期信息的流转量信息。这里,确定对应上述库存周期信息的流转量信息的方式与上述步骤205中确定流转量信息的方式相同,在此不再赘述。
步骤206,根据对应库存周期信息的流转量信息,生成物品补货量信息。
在一些实施例中,上述执行主体可以根据上述对应上述库存周期信息的流转量信息,生成物品补货量信息。其中,上述物品补货量信息可以为表征补货的数量的信息。例如,上述物品补货量信息可以为“补货量,30”。实践中,首先,上述执行主体可以从存储单元中获取实时库存量。其中,上述实时库存量可以为当前时间下持有的物品的数量。进一步,上述实时库存量可以为库存量与在途物品量的和。最后,上述执行主体可以将上述流转量信息表征的流转量与上述实时库存量的差值绝对值确定为物品补货量信息。
可选地,上述执行主体还可以根据上述物品补货量信息,控制相关联的补货设备执行对应上述目标物品的补货操作。上述相关联的补货设备可以为物品运输设备。例如,上述相关联的补货设备可以为AGV(Automated Guided Vehicle)小车。实践中,上述执行主体可以控制相关联的补货设备将上述物品补货量信息表征的物品补货量的物品运输至目标位置。上述目标位置可以为仓库。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的物品补货信息生成方法,可以减少物品损耗,节省运输资源。具体来说,造成物品损耗以及运输资源的浪费的原因在于:对于流转量变化较大的物品,由于其具有流转量的间断性和波动性,造成传统的机器学习模型或指数平滑法预测得到的物品流转量存在较大的误差,得到的补货量的准确性较低,从而造成得到的补货量较多时,物品积压,导致物品损耗较多,而得到的补货量较少时,物品缺货,需再次调度,导致运输资源浪费。基于此,本公开的一些实施例的物品补货信息生成方法,首先,根据目标物品对应的物品流转量时序信息,生成对应上述目标物品的物品流转间隔信息和物品流转量信息。由此,可以确定目标物品的物品流转间隔信息和物品流转量信息。其次,根据上述物品流转间隔信息,生成物品流转间隔波动信息。由此,根据生成的物品流转间隔波动信息,可以确定上述目标物品是否为流转量间隔时间波动较大的物品。然后,根据上述物品流转量信息,生成物品流转量波动信息。由此,根据生成的物品流转量波动信息,可以确定上述目标物品是否为流转量波动较大的物品。之后,根据上述物品流转间隔波动信息和上述物品流转量波动信息,确定上述目标物品的物品类型。由此,可以通过上述目标物品的流转量间隔时间的波动性以及流转量的波动性,确定上述目标物品是否属于流转量变化较大的物品。然后,根据上述物品类型和对应上述目标物品的库存周期信息,确定对应上述库存周期信息的流转量信息。由此,可以通过上述目标物品的备货周期以及上述目标物品的流转量变化情况,确定上述目标物品在备货周期内预测流转的数量。最后,根据上述对应上述库存周期信息的流转量信息,生成物品补货量信息。由此,可以通过确定上述目标物品在备货周期内预测流转的数量,确定上述目标物品的补货量。因为根据物品流转量时序信息,确定了上述目标物品的波动信息,从而可以确定上述目标物品的流转量变化情况。也因为可以根据上述目标物品的流转量变化情况以及补货周期,确定补货周期内的物品流转量,进而可以基于物品流转量的间断性和波动性,确定上述目标物品的补货量,提高预测得到的补货量的准确性。由此,本公开的一些实施例的物品补货信息生成方法,可以减少物品损耗,节省运输资源。
进一步参考图3,其示出了物品补货信息生成方法的另一些实施例的流程300。该物品补货信息生成方法的流程300,包括以下步骤:
步骤301,根据目标物品对应的物品流转量时序信息,生成对应目标物品的物品流转间隔信息和物品流转量信息。
步骤302,根据物品流转间隔信息,生成物品流转间隔波动信息。
步骤303,根据物品流转量信息,生成物品流转量波动信息。
步骤304,根据物品流转间隔波动信息和物品流转量波动信息,确定目标物品的物品类型。
在一些实施例中,步骤301-304的具体实现及其所带来的技术效果,可以参考图2对应的实施例中的步骤201-204,在此不再赘述。
步骤305,根据物品类型,从预设流转量信息生成模型集合中筛选出对应物品类型的各个预设流转量信息生成模型,作为流转量信息生成模型集合。
在一些实施例中,上述执行主体可以根据上述物品类型,从预设流转量信息生成模型集合中筛选出对应上述物品类型的各个预设流转量信息生成模型,作为流转量信息生成模型集合。其中,上述预设流转量信息生成模型可以为预先训练的以日期和库存周期信息为输入,以流转量信息为输出的机器学习模型。例如,上述预设流转量信息生成模型可以为CNN(Convolutional Neural Networks,卷积神经网络)模型。上述预设流转量信息生成模型集合中的各个预设流转量信息生成模型可以根据复杂程度划分为四个预设流转量信息生成模型组。上述四个预设流转量信息生成模型组中的各个预设流转量信息生成模型组分别对应“双稳定”、“间隔稳定流转量波动”、“间隔波动流转量稳定”和“双波动”。实践中,上述执行主体可以根据上述物品类型,从预设流转量信息生成模型集合中筛选出对应上述物品类型的各个预设流转量信息生成模型,作为流转量信息生成模型集合。作为示例,首先,响应于确定上述物品类型表征“双波动”,上述执行主体可以从预设流转量信息生成模型集合中筛选出对应“双波动”的预设流转量信息生成模型组作为流转量信息生成模型集合。
步骤306,对于流转量信息生成模型集合中的每个流转量信息生成模型,执行以下步骤:
步骤3061,对于预设日期序列包括的每个预设日期,根据流转量信息生成模型和预设日期,生成对应预设日期的流转量信息。
在一些实施例中,上述执行主体可以对于预设日期序列包括的每个预设日期,根据上述流转量信息生成模型和上述预设日期,生成对应上述预设日期的流转量信息。其中,上述预设日期序列可以为预先设置的历史时间段内的各个预设日期。例如,上述预设日期序列可以为[2022.3.1,2022.3.2,2022.3.3……2022.3.30,2022.3.31]。上述流转量信息可以包括流转量。实践中,上述执行主体可以将上述预设日期和上述库存周期信息输入至上述流转量信息生成模型,得到对应上述预设日期的流转量信息。
步骤3062,根据预设日期序列和每个预设日期对应的流转量信息,生成预设日期对应的当天剩余库存量,得到当天剩余库存量集合。
在一些实施例中,上述执行主体可以根据上述预设日期序列和每个预设日期对应的流转量信息,生成上述预设日期对应的当天剩余库存量,得到当天剩余库存量集合。其中,上述当天剩余库存量可以为上述预设日期当天剩余的物品的数量。实践中,上述执行主体可以通过仿真方法根据上述预设日期序列和每个预设日期对应的流转量信息,生成上述预设日期对应的当天剩余库存量,得到当天剩余库存量集合。例如,上述仿真方法可以为连续系统仿真方法。
在一些实施例的一些可选的实现方式中,根据上述预设日期序列和每个预设日期对应的流转量信息,上述执行主体可以通过以下步骤确定上述预设日期对应的当天剩余库存量,得到当天剩余库存量集合:
第一步,将上述预设日期序列中满足预设初始日期条件的预设日期作为目标日期。将上述目标日期对应的流转量作为目标库存量。其中,上述预设初始日期条件可以为预设日期为上述预设日期序列中第一个预设日期。执行以下处理步骤:
第一子步骤,根据目标日期,确定现有库存量。其中,上述现有库存量可以为未进行物品流转时存储的物品的数量。实践中,上述执行主体首先,响应于确定目标日期满足上述预设到货日期条件,可以根据到货物品量对上述目标库存量进行更新,得到更新后库存量,作为现有库存量。其中,上述预设到货日期条件可以为目标日期为预订的物品送达的日期。具体地,上述执行主体可以将到货物品量与目标库存量的和确定为更新后库存量,作为现有库存量。最后,响应于确定目标日期不满足上述预设到货日期条件,可以将目标库存量确定为现有库存量。
第二子步骤,根据目标日期和现有库存量,确定持有物品量。其中,上述持有物品量可以为持有的物品的数量。例如,上述持有物品量可以为上述现有库存量和运输中的物品的数量的和。实践中,上述执行主体首先,可以确定目标日期是否满足预设补货日期条件。其中,上述预设补货日期条件可以为目标日期为能够补货的日期(例如,目标日期为下单日)。然后,可以获取在途库存物品量。其中,上述在途库存物品量可以为运输中的物品的数量。最后,响应于确定目标日期满足上述预设补货日期条件,可以将现有库存量和在途物品量的和确定为持有物品量。
第三子步骤,根据持有物品量和目标库存量,生成补货量信息。实践中,响应于确定持有物品量满足预设补货量条件,上述执行主体可以将目标库存量与持有物品量的差值绝对值确定为补货量信息。其中,上述预设补货量条件可以为持有物品量小于目标库存量。
第四子步骤,将补货量信息发送至相关联的终端。其中,上述相关联的终端可以为终端设备。例如,上述相关联的终端可以为手机或电脑。
第五子步骤,根据对应目标日期的当天物品流转量和现有库存量,生成目标日期对应的当天剩余库存量。其中,上述当天物品流转量可以为目标日期内物品流转的数量。上述当天剩余库存量可以为目标日期结束后剩余的物品的数量。实践中,上述执行主体首先,可以确定对应目标日期的当天物品流转量。然后,响应于确定当天物品流转量满足预设流转量条件,可以将现有库存量与当天物品流转量的差值绝对值确定为目标日期对应的当天剩余库存量。其中,上述预设流转量条件可以为当天物品流转数量小于现有库存数量。最后,响应于确定当天物品流转量不满足上述预设流转量条件,可以将零确定为目标日期对应的当天剩余库存量。
第二步,响应于确定目标日期不满足预设截至日期条件,将上述预设日期序列中对应当前日期的下一个预设日期作为目标日期,将当天剩余库存量作为目标库存量,再次执行以上处理步骤。其中,上述预设截至日期条件可以为目标日期为预设日期序列中最后一个预设日期。
第三步,响应于确定目标日期满足上述预设截至日期条件,将所生成的各个当天剩余库存量确定为当天剩余库存量集合。
步骤307,根据所确定的各个当天剩余库存量集合,从流转量信息生成模型集合中筛选出满足目标剩余库存量条件的流转量信息生成模型,作为目标流转量信息生成模型。
在一些实施例中,上述执行主体可以根据所确定的各个当天剩余库存量集合,从上述流转量信息生成模型集合中筛选出满足目标剩余库存量条件的流转量信息生成模型,作为目标流转量信息生成模型。其中,上述目标剩余库存量条件可以为流转量信息生成模型对应的当天剩余库存量集合包括的表征为零的当天剩余库存量的数量最少。实践中,首先,上述执行主体可以确定每个当天剩余库存量集合包括的表征为零的当天剩余库存量的数量。然后,可以将包括的表征为零的当天剩余库存量的数量最少的当天剩余库存量集合确定为目标当天剩余库存量集合。最后,可以将上述目标当天剩余库存量集合对应的流转量信息生成模型确定为目标流转量信息生成模型。
在一些实施例的一些可选的实现方式中,根据所确定的各个当天剩余库存量集合,上述执行主体可以通过以下步骤从上述流转量信息生成模型集合中筛选出满足目标剩余库存量条件的流转量信息生成模型,作为目标流转量信息生成模型:
第一步,对于所确定的各个当天剩余库存量集合中的每个当天剩余库存量集合,执行以下步骤:
第一子步骤,将上述当天剩余库存量集合包括的满足预设剩余量条件的当天剩余库存量的数量确定为目标库存天数。其中,上述预设剩余量条件可以为当天剩余库存量为零。
第二子步骤,根据上述目标库存天数,确定实库现货率。其中,上述实库现货率可以为预设时间段内剩余库存量为0的天数与剩余库存量非0的天数的比值。实践中,首先,上述执行主体可以将上述当天剩余库存量集合包括的当天剩余库存量的数量确定为总天数。最后,可以将上述目标库存天数与上述总天数的比值确定为实库现货率。
第三子步骤,根据上述当天剩余库存量集合中的各个当天剩余库存量和对应上述目标物品的价值信息,确定库存总价值。其中,上述库存总价值可以为预设时间段内每日剩余库存的价值的和。实践中,首先,上述执行主体对于上述当天剩余库存量集合中每个当天剩余库存量,可以将上述当天剩余库存量与上述目标物品的价值的乘积确定为当天库存价值。最后,可以将所确定的各个当天库存价值的和确定为库存总价值。
第四子步骤,根据各个目标日期对应的各个当天物品流转量和上述价值信息,确定物品流转总价值。其中,上述物品流转总价值可以为预设时间段内物品流转的总价值。实践中,首先,上述执行主体对于各个目标日期中的每个目标日期,可以将上述目标日期对应的当天物品流转量与上述目标物品对应的价值的乘积确定为当天物品流转价值。最后,可以将所确定的各个当天物品流转价值的和确定为物品流转总价值。
第五子步骤,根据上述库存总价值和上述物品流转总价值,确定库存周转率。其中,上述库存周转率可以为预设时间段内每日剩余库存的价值的和与预设时间段内物品流转的总价值的比值。实践中,上述执行主体可以将上述库存总价值与上述物品流转总价值的比值确定为库存周转率。
第二步,根据所确定的各个实库现货率和/或各个库存周转率,从上述流转量信息生成模型集合中筛选出满足目标实库现货率条件和/或目标库存周转率条件的流转量信息生成模型,作为目标流转量信息生成模型。其中,上述目标实库现货率条件可以为流转量信息生成模型对应的实库现货率最小。上述目标库存周转率条件可以为流转量信息生成模型对应的库存周转率最小。实践中,上述执行主体可以将上述流转量信息生成模型集合中对应的实库现货率最小和/或库存周转率最小的的流转量信息生成模型,确定为目标流转量信息生成模型。
步骤308,根据目标流转量信息生成模型和库存周期信息,生成流转量信息。
在一些实施例中,上述执行主体可以根据上述目标流转量信息生成模型和上述库存周期信息,生成流转量信息。实践中,上述执行主体可以将当天日期和上述库存周期信息输入至上述目标流转量信息生成模型,得到流转量信息。
步骤309,根据对应库存周期信息的流转量信息,生成物品补货量信息。
在一些实施例中,步骤309的具体实现及其所带来的技术效果,可以参考图2对应的实施例中的步骤206,在此不再赘述。
从图3中可以看出,与图2对应的一些实施例的描述相比,图3对应的一些实施例中的物品补货信息生成方法的流程300体现了根据仿真得到的当天剩余库存量筛选流转量信息生成模型。由此,可以筛选出准确性更高的流转量信息生成模型,进一步提高预测得到的补货量的准确性。
进一步参考图4,作为对上述各图所示方法的实现,本公开提供了一种物品补货信息生成装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,一些实施例的物品补货信息生成装置400包括:第一生成单元401、第二生成单元402、第三生成单元403、第一确定单元404、第二确定单元405和第四生成单元406。其中,第一生成单元401,被配置成根据目标物品对应的物品流转量时序信息,生成对应上述目标物品的物品流转间隔信息和物品流转量信息;第二生成单元402,被配置成根据上述物品流转间隔信息,生成物品流转间隔波动信息;第三生成单元403,被配置成根据上述物品流转量信息,生成物品流转量波动信息;第一确定单元404,被配置成根据上述物品流转间隔波动信息和上述物品流转量波动信息,确定上述目标物品的物品类型;第二确定单元405,被配置成根据上述物品类型和对应上述目标物品的库存周期信息,确定对应上述库存周期信息的流转量信息;第四生成单元406,被配置成根据上述对应上述库存周期信息的流转量信息,生成物品补货量信息。
可选地,上述物品补货信息生成装置400还可以包括:控制单元(图中未示出),被配置成根据上述物品补货量信息,控制相关联的补货设备执行对应上述目标物品的补货操作。
可选地,上述第一生成单元401可以进一步被配置成:根据上述物品流转量时序信息,确定对应上述目标物品的物品流转连续间隔天数标准差;根据上述物品流转连续间隔天数标准差和上述物品流转间隔天数均值,生成物品流转间隔波动信息。
可选地,上述第二生成单元402可以进一步被配置成:根据上述物品流转量时序信息,确定对应上述目标物品的物品流转连续间隔天数标准差;根据上述物品流转连续间隔天数标准差和上述物品流转间隔天数均值,生成物品流转间隔波动信息。
可选地,上述第三生成单元403可以进一步被配置成:根据上述物品流转量时序信息,确定对应上述目标物品的物品流转量标准差;根据上述物品流转量标准差和上述物品流转量均值,生成物品流转量波动信息。
可选地,上述物品流转量时序信息可以包括物品备货周期。
可选地,上述第一确定单元404可以进一步被配置成:根据对应上述目标物品的送货信息集合,生成预测备货天数;根据上述物品备货周期和上述预测备货天数,生成库存周期信息;根据上述物品类型和上述库存周期信息,确定对应上述库存周期信息的流转量信息。
可选地,上述第一确定单元404可以进一步被配置成:根据上述物品类型,从预设流转量信息生成模型集合中筛选出对应上述物品类型的预设流转量信息生成模型,作为目标流转量信息生成模型;根据上述目标流转量信息生成模型和上述库存周期信息,生成流转量信息。
可选地,上述第一确定单元404可以进一步被配置成:根据上述物品类型,从预设流转量信息生成模型集合中筛选出对应上述物品类型的各个预设流转量信息生成模型,作为流转量信息生成模型集合;对于上述流转量信息生成模型集合中的每个流转量信息生成模型,执行以下步骤:对于预设日期序列包括的每个预设日期,根据上述流转量信息生成模型和上述预设日期,生成对应上述预设日期的流转量信息,其中,上述流转量信息包括流转量;根据上述预设日期序列和每个预设日期对应的流转量信息,生成上述预设日期对应的当天剩余库存量,得到当天剩余库存量集合;根据所确定的各个当天剩余库存量集合,从上述流转量信息生成模型集合中筛选出满足目标剩余库存量条件的流转量信息生成模型,作为目标流转量信息生成模型。
可选地,上述第一确定单元404可以进一步被配置成:将上述预设日期序列中满足预设初始日期条件的预设日期作为目标日期,将上述目标日期对应的流转量作为目标库存量,执行以下处理步骤:根据目标日期,确定现有库存量;根据目标日期和现有库存量,确定持有物品量;根据持有物品量和目标库存量,生成补货量信息;将补货量信息发送至相关联的终端;根据对应目标日期的当天物品流转量和现有库存量,生成目标日期对应的当天剩余库存量;响应于确定目标日期不满足预设截至日期条件,将上述预设日期序列中对应当前日期的下一个预设日期作为目标日期,将当天剩余库存量作为目标库存量,再次执行以上处理步骤;响应于确定目标日期满足上述预设截至日期条件,将所生成的各个当天剩余库存量确定为当天剩余库存量集合。
可选地,上述第一确定单元404可以进一步被配置成:对于所确定的各个当天剩余库存量集合中的每个当天剩余库存量集合,执行以下步骤:将上述当天剩余库存量集合包括的满足预设剩余量条件的当天剩余库存量的数量确定为目标库存天数;根据上述目标库存天数,确定实库现货率;根据上述当天剩余库存量集合中的各个当天剩余库存量和对应上述目标物品的价值信息,确定库存总价值;根据各个目标日期对应的各个当天物品流转量和上述价值信息,确定物品流转总价值;根据上述库存总价值和上述物品流转总价值,确定库存周转率;根据所确定的各个实库现货率和/或各个库存周转率,从上述流转量信息生成模型集合中筛选出满足目标实库现货率条件和/或目标库存周转率条件的流转量信息生成模型,作为目标流转量信息生成模型。
可以理解的是,该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元,在此不再赘述。
下面参考图5,其示出了适于用来实现本公开的一些实施例的电子设备500(如图1所示的计算设备101)的结构示意图。图5示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM502被安装。在该计算机程序被处理装置501执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:根据目标物品对应的物品流转量时序信息,生成对应上述目标物品的物品流转间隔信息和物品流转量信息;根据上述物品流转间隔信息,生成物品流转间隔波动信息;根据上述物品流转量信息,生成物品流转量波动信息;根据上述物品流转间隔波动信息和上述物品流转量波动信息,确定上述目标物品的物品类型;根据上述物品类型和对应上述目标物品的库存周期信息,确定对应上述库存周期信息的流转量信息;根据上述流转量信息,生成物品补货量信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一生成单元、第二生成单元、第三生成单元、第一确定单元、第二确定单元和第四生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第四生成单元还可以被描述为“根据流转量信息,生成物品补货量信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
本公开的一些实施例还提供一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现上述的任一种物品补货信息生成方法。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种物品补货信息生成方法,包括:
根据目标物品对应的物品流转量时序信息,生成对应所述目标物品的物品流转间隔信息和物品流转量信息;
根据所述物品流转间隔信息,生成物品流转间隔波动信息;
根据所述物品流转量信息,生成物品流转量波动信息;
根据所述物品流转间隔波动信息和所述物品流转量波动信息,确定所述目标物品的物品类型;
根据所述物品类型和对应所述目标物品的库存周期信息,确定对应所述库存周期信息的流转量信息;
根据所述对应所述库存周期信息的流转量信息,生成物品补货量信息。
2.根据权利要求1所述的方法,其中,所述方法还包括:
根据所述物品补货量信息,控制相关联的补货设备执行对应所述目标物品的补货操作。
3.根据权利要求1所述的方法,其中,所述根据目标物品对应的物品流转量时序信息,生成对应所述目标物品的物品流转间隔信息和物品流转量信息,包括:
根据所述物品流转量时序信息,生成对应所述目标物品的物品流转间隔天数均值作为物品流转间隔信息;
根据所述物品流转量时序信息,生成对应所述目标物品的物品流转量均值作为物品流转量信息。
4.根据权利要求3所述的方法,其中,所述根据所述物品流转间隔信息,生成物品流转间隔波动信息,包括:
根据所述物品流转量时序信息,确定对应所述目标物品的物品流转连续间隔天数标准差;
根据所述物品流转连续间隔天数标准差和所述物品流转间隔天数均值,生成物品流转间隔波动信息。
5.根据权利要求3所述的方法,其中,所述根据所述物品流转量信息,生成物品流转量波动信息,包括:
根据所述物品流转量时序信息,确定对应所述目标物品的物品流转量标准差;
根据所述物品流转量标准差和所述物品流转量均值,生成物品流转量波动信息。
6.根据权利要求1所述的方法,其中,所述物品流转量时序信息包括物品备货周期;以及
所述根据所述物品类型和对应所述目标物品的库存周期信息,确定对应所述库存周期信息的流转量信息,包括:
根据对应所述目标物品的送货信息集合,生成预测备货天数;
根据所述物品备货周期和所述预测备货天数,生成库存周期信息;
根据所述物品类型和所述库存周期信息,确定对应所述库存周期信息的流转量信息。
7.根据权利要求1或6所述的方法,其中,所述根据所述物品类型和对应所述目标物品的库存周期信息,确定对应所述库存周期信息的流转量信息,包括:
根据所述物品类型,从预设流转量信息生成模型集合中筛选出对应所述物品类型的预设流转量信息生成模型,作为目标流转量信息生成模型;
根据所述目标流转量信息生成模型和所述库存周期信息,生成流转量信息。
8.根据权利要求7所述的方法,其中,所述根据所述物品类型,从预设流转量信息生成模型集合中筛选出对应所述物品类型的预设流转量信息生成模型,作为目标流转量信息生成模型,包括:
根据所述物品类型,从预设流转量信息生成模型集合中筛选出对应所述物品类型的各个预设流转量信息生成模型,作为流转量信息生成模型集合;
对于所述流转量信息生成模型集合中的每个流转量信息生成模型,执行以下步骤:
对于预设日期序列包括的每个预设日期,根据所述流转量信息生成模型和所述预设日期,生成对应所述预设日期的流转量信息,其中,所述流转量信息包括流转量;
根据所述预设日期序列和每个预设日期对应的流转量信息,生成所述预设日期对应的当天剩余库存量,得到当天剩余库存量集合;根据所确定的各个当天剩余库存量集合,从所述流转量信息生成模型集合中筛选出满足目标剩余库存量条件的流转量信息生成模型,作为目标流转量信息生成模型。
9.根据权利要求8所述的方法,其中,所述根据所述预设日期序列和每个预设日期对应的流转量信息,确定所述预设日期对应的当天剩余库存量,得到当天剩余库存量集合,包括:
将所述预设日期序列中满足预设初始日期条件的预设日期作为目标日期,将所述目标日期对应的流转量作为目标库存量,执行以下处理步骤:
根据目标日期,确定现有库存量;
根据目标日期和现有库存量,确定持有物品量;
根据持有物品量和目标库存量,生成补货量信息;
将补货量信息发送至相关联的终端;
根据对应目标日期的当天物品流转量和现有库存量,生成目标日期对应的当天剩余库存量;
响应于确定目标日期不满足预设截至日期条件,将所述预设日期序列中对应当前日期的下一个预设日期作为目标日期,将当天剩余库存量作为目标库存量,再次执行以上处理步骤;
响应于确定目标日期满足所述预设截至日期条件,将所生成的各个当天剩余库存量确定为当天剩余库存量集合。
10.根据权利要求9所述的方法,其中,所述根据所确定的各个当天剩余库存量集合,从所述流转量信息生成模型集合中筛选出满足目标剩余库存量条件的流转量信息生成模型,作为目标流转量信息生成模型,包括:
对于所确定的各个当天剩余库存量集合中的每个当天剩余库存量集合,执行以下步骤:
将所述当天剩余库存量集合包括的满足预设剩余量条件的当天剩余库存量的数量确定为目标库存天数;
根据所述目标库存天数,确定实库现货率;
根据所述当天剩余库存量集合中的各个当天剩余库存量和对应所述目标物品的价值信息,确定库存总价值;
根据各个目标日期对应的各个当天物品流转量和所述价值信息,确定物品流转总价值;
根据所述库存总价值和所述物品流转总价值,确定库存周转率;
根据所确定的各个实库现货率和/或各个库存周转率,从所述流转量信息生成模型集合中筛选出满足目标实库现货率条件和/或目标库存周转率条件的流转量信息生成模型,作为目标流转量信息生成模型。
11.一种物品补货信息生成装置,包括:
第一生成单元,被配置成根据目标物品对应的物品流转量时序信息,生成对应所述目标物品的物品流转间隔信息和物品流转量信息;
第二生成单元,被配置成根据所述物品流转间隔信息,生成物品流转间隔波动信息;
第三生成单元,被配置成根据所述物品流转量信息,生成物品流转量波动信息;
第一确定单元,被配置成根据所述物品流转间隔波动信息和所述物品流转量波动信息,确定所述目标物品的物品类型;
第二确定单元,被配置成根据所述物品类型和对应所述目标物品的库存周期信息,确定对应所述库存周期信息的流转量信息;
第四生成单元,被配置成根据所述对应所述库存周期信息的流转量信息,生成物品补货量信息。
12.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的方法。
13.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-10中任一所述的方法。
14.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310371125.4A CN116562772A (zh) | 2023-04-07 | 2023-04-07 | 物品补货信息生成方法、装置、设备、介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310371125.4A CN116562772A (zh) | 2023-04-07 | 2023-04-07 | 物品补货信息生成方法、装置、设备、介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116562772A true CN116562772A (zh) | 2023-08-08 |
Family
ID=87488805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310371125.4A Pending CN116562772A (zh) | 2023-04-07 | 2023-04-07 | 物品补货信息生成方法、装置、设备、介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116562772A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117035623A (zh) * | 2023-10-09 | 2023-11-10 | 北京北汽鹏龙汽车服务贸易股份有限公司 | 基于流转量预测的车辆库存控制预警方法、计算机设备 |
-
2023
- 2023-04-07 CN CN202310371125.4A patent/CN116562772A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117035623A (zh) * | 2023-10-09 | 2023-11-10 | 北京北汽鹏龙汽车服务贸易股份有限公司 | 基于流转量预测的车辆库存控制预警方法、计算机设备 |
CN117035623B (zh) * | 2023-10-09 | 2023-12-22 | 北京北汽鹏龙汽车服务贸易股份有限公司 | 基于流转量预测的车辆库存控制预警方法、计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111932161B (zh) | 针对物品的车辆调度方法、装置、电子设备和计算机介质 | |
CN111932189B (zh) | 库存相关信息显示方法、装置、电子设备和计算机介质 | |
CN113034090B (zh) | 运输设备调度方法、装置、电子设备和计算机可读介质 | |
CN112184100A (zh) | 物品库存监控方法、装置、电子设备和计算机可读介质 | |
CN113408797A (zh) | 流转量预测多时序模型生成方法、信息发送方法和装置 | |
CN114202130A (zh) | 流转量预测多任务模型生成方法、调度方法、装置和设备 | |
CN114048931B (zh) | 补货信息生成方法、装置、电子设备和计算机可读介质 | |
CN116562772A (zh) | 物品补货信息生成方法、装置、设备、介质和程序产品 | |
CN112308378A (zh) | 调度设备控制方法、装置、电子设备和计算机可读介质 | |
CN112085442A (zh) | 设备操作方法、装置、电子设备和计算机可读介质 | |
CN112862415B (zh) | 运输车辆调度方法、装置、电子设备和计算机可读介质 | |
CN112734309B (zh) | 用于物品的车辆调度方法、装置、设备和计算机可读介质 | |
CN115271582A (zh) | 物品调度方法、装置、电子设备和计算机可读介质 | |
CN112085441A (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
CN111985967A (zh) | 物品信息生成方法、装置、电子设备和计算机可读介质 | |
CN115641059B (zh) | 补货信息生成方法、装置、电子设备、介质和程序产品 | |
CN113627662B (zh) | 库存数据预测方法、装置、设备和存储介质 | |
CN117689412A (zh) | 物品流转信息处理方法、装置、设备和计算机可读介质 | |
CN116681464A (zh) | 物品需求信息调整方法、装置、电子设备和介质 | |
CN118052502A (zh) | 库存参数信息生成方法、装置、设备、介质和程序产品 | |
CN118037173A (zh) | 补货天数生成方法、装置、电子设备和计算机可读介质 | |
CN118154107A (zh) | 物品补货配置方案信息生成方法、装置、设备和介质 | |
CN116823113A (zh) | 物品调度方法、装置、电子设备和计算机可读介质 | |
CN114626779A (zh) | 仓库信息处理方法、装置、电子设备和计算机可读介质 | |
CN116703264A (zh) | 物品调度方法、装置、电子设备和计算机可读介质 |
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 |