CN1620664A - 用于确定最优批量的系统、程序和方法 - Google Patents

用于确定最优批量的系统、程序和方法 Download PDF

Info

Publication number
CN1620664A
CN1620664A CN03802471.3A CN03802471A CN1620664A CN 1620664 A CN1620664 A CN 1620664A CN 03802471 A CN03802471 A CN 03802471A CN 1620664 A CN1620664 A CN 1620664A
Authority
CN
China
Prior art keywords
article
cost
lot size
parameter
sales
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
CN03802471.3A
Other languages
English (en)
Inventor
川上育男
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.)
Honda Motor Co Ltd
Original Assignee
Honda Motor 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 Honda Motor Co Ltd filed Critical Honda Motor Co Ltd
Publication of CN1620664A publication Critical patent/CN1620664A/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

Landscapes

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

Abstract

一种最优批量确定系统，包括：用于存储物品的实际销售额的实际销售额数据库，用于存储物品的参数的物品参数数据库，物品销售额预测设备和最优批量确定设备。物品销售额预测设备与实际销售额数据库和/或物品参数数据库相连，且根据物品的实际销售额和/或参数预测物品的销售额。最优批量确定设备与物品销售额预测设备和物品参数数据库相连，根据物品参数和物品销售额预测设备预测的销售额，获得物品的批量库存成本函数以及物品的批量交易成本函数。

Description

用于确定最优批量的系统、程序和方法
技术领域
本发明涉及一种用于确定分发的物品的最优批量的系统、程序和方法。尤其是，本发明涉及一种用于确定要用在车辆等中的零部件的最优批量的系统、程序和方法。以下，术语“物品”包括要分发的每种事物和产品及其零部件。
背景技术
例如，车辆等的零部件由零部件制造商制造，由车辆的品牌制造商检查质量保证，然后通过国内和国外的销售中心销售。车辆的品牌制造商必须拥有大的零部件库存，以应付销售中心的需求。然而，库存过多的零部件存货增加了存储和利息成本，由此对商业造成不良影响。
在以上情形下，“供应链管理”的思想已成为人们关注的焦点，其用于迅速地响应市场变化，解决“销售机会错失”和“存货过剩”的问题，以及提高商业中的资金流动效率。“供应链管理”将包括获取、生产、销售和分发的操作流程管理为“供应链”。然而，如果将“供应链管理”中采用的“论个销售(sell by one)”应用于以上的从零部件制造商到车辆的品牌制造商的零部件分发，则零部件制造商发送零部件的频率和车辆的品牌制造商接收零部件的频率将增加。因此，即使当车辆的品牌制造商处的库存减少时库存成本可能减小，分发成本也将随零部件发送和接收的频率增加而增加。
因此，“供应链管理”的思想不能帮助使如上述情况下的零部件制造商和车辆的品牌制造商的分发成本降到最低。
未审查的日本专利公开No.5-250395、No.7-239884、No.2000-20614、No.2000-29964和No.2001-188851公开了关于零部件等分发的优化的现有技术。然而，当同时考虑库存成本和用于发送和接收物品的分发成本时，这些公开中公开的现有技术不能帮助使如上述情况下的零部件制造商和车辆的品牌制造商的分发成本降到最低。
因此，需要使如上述情况下的零部件制造商和车辆的品牌制造商的分发成本降到最低。
发明内容
根据本发明的最优批量确定系统包括：用于存储物品(item)的实际销售额的实际销售额数据库，用于存储物品的参数的物品参数数据库，物品销售额预测设备，以及最优批量确定设备。物品销售额预测设备与实际销售额数据库和/或物品参数数据库相连，且根据物品的实际销售额和/或参数预测物品的销售额。最优批量确定设备与物品销售额预测设备和物品参数数据库相连，且根据物品参数和物品销售额预测设备预测的销售额，获得关于包括存储成本和利息成本的成本的物品批量库存成本函数以及关于物品发送端和物品接收端两端处的成本的物品批量交易成本函数。最优批量确定设备获得使库存成本与交易成本之和最小的物品批量，以确定最优批量。
根据本发明的最优批量确定程序在包括用于存储物品的实际销售额的实际销售额数据库和用于存储物品的参数的物品参数数据库的系统中运行。根据本发明的最优批量确定程序实现以下功能：根据实际销售额数据库中存储的实际销售额和/或物品参数数据库中存储的物品参数预测物品的销售额；以及根据预测的销售额和物品参数数据库中存储的物品参数，获得关于包括存储成本和利息成本的成本的物品批量库存成本函数以及关于物品发送端和物品接收端两端处的成本的物品批量交易成本函数。最优批量确定程序还实现功能：获得使库存成本与交易成本之和最小的物品批量，以确定最优批量。
根据本发明的最优批量确定方法用于包括用于存储物品的实际销售额的实际销售额数据库和用于存储物品的参数的物品参数数据库的系统中。根据本发明的最优批量确定方法包括步骤：根据实际销售额数据库中存储的实际销售额和/或物品参数数据库中存储的物品参数预测物品的销售额。该方法还包括步骤：根据预测的销售额和物品参数数据库中存储的物品参数，获得关于包括存储成本和利息成本的成本的物品批量库存成本函数以及关于物品发送端和物品接收端两端处的成本的物品批量交易成本函数。该方法还包括步骤：获得使库存成本与交易成本之和最小的物品批量，以确定最优批量。
根据本发明，根据物品的实际销售额和/或参数预测物品的销售额。然后根据预测的销售额和物品参数获得关于包括存储成本和利息成本的成本的物品批量库存成本函数以及关于物品发送端和物品接收端两端处的成本的物品批量交易成本函数。还有，获得使库存成本与交易成本之和最小的物品批量，以确定最优批量。因此，物品销售额的预测值的使用允许批量B的实时优化，以使总成本最小。还有，可以确定最优批量，其使包括发送多批交易物品和接收多批交易物品的双方的交易成本的总成本最小。
在本发明的优选实施例中，以下式定义库存成本与交易成本之和J
J＝(E+R)·Z/B+(A+I·W)·B/2，且确定B，以便使J最小。因此，可以简单地确定使总成本最小的最优批量。
在本发明的另一个优选实施例中，库存成本还包括未售出存货的风险成本。从而，根据本发明的优选实施例，可以确定使还包括未售出存货的成本的总成本最小的最优批量。
附图说明
图1显示了根据本发明实施例的最优批量确定系统的结构；
图2是根据本发明实施例确定最优批量的方法的流程图；
图3显示了批量与成本之间的关系；
图4显示了批量与成本之间的关系；
图5显示了批量与成本之间的关系；
图6显示了在车辆的品牌制造商处的零部件数的变化；
图7显示了在车辆的品牌制造商处的零部件数的变化。
具体实施方式
在本发明的优选实施例中，物品被表示为零部件。物品是除零部件之外的产品等的情况也将落入本发明的权利要求范围之内。首先，以下将说明使用的参数。“A”表示单位时间的零部件存储成本。“B”表示零部件的批量或一批零部件中的零部件数。“E”表示在车辆的品牌制造商(多批零部件的接收端)处的一批零部件的交易成本(handling cost)。“R”表示在零部件制造商(多批零部件的发送端)处的一批零部件的交易成本。假设交易成本与批数成比例。进一步假设与零部件数量成比例的成本被排除在外。“W”表示零部件的单价。“I”表示单位时间的利息。“Z”表示单位时间的零部件销售额的预测值。以这种方式定义单位时间，以便应付每一参数的变化。
以下将根据图6和图7说明库存成本如零部件存储成本和零部件交易成本。图6显示了在车辆的品牌制造商处的零部件数的变化。在图6中，水平轴表示时间，而垂直轴表示零部件数。假设车辆的品牌制造商从零部件制造商接收多批批量为B的零部件。当第一次收到零部件时，零部件数为B，且当随时间推移售出一些零部件时，零部件数减少了。为简明起见，假设零部件数随时间线性地减少，并且当零部件数变为零时，接收另一批零部件。
库存的零部件数对时间的平均值为B/2，在图6中以虚线显示平均值。因此，单位时间的所有零部件数的存储成本D表示如下。
D＝A·B/2                           (1)
单位时间的所有零部件的利息成本F表示如下。
F＝I·W·B/2                        (2)
还有，车辆的品牌制造商从零部件制造商接收多批批量为B的零部件，零部件的数目相当于零部件销售额Z。因而，在零部件制造商和车辆的品牌制造商处的总交易成本表示如下。
H＝(E+R)·Z/B                       (3)
图7显示了如图6所示情况的、在车辆的品牌制造商处的零部件数的变化。然而，在图7中，批量B小于图6中的批量。例如，如果图7中的批量B是图7中的批量的一半，则根据式(1)和(2)，单位时间的所有零部件的存储成本D和利息成本F将分别是图6所示的存储成本D和利息成本F的一半。然而，如果销售额保持不变，则由于批量减小为一半，从而批数将加倍。因此根据式(3)，在零部件制造商和车辆的品牌制造商处的交易成本H将加倍。
在以上情形下，本发明使零部件制造商和车辆的品牌制造商的零部件分发成本降到最低。
图1显示了根据本发明实施例的系统结构。以附图标记1表示用于预测零部件销售额的销售额预测设备。以附图标记2表示用于确定零部件的最优批量的最优批量确定设备。以附图标记3表示用于存储每一种零部件的实际销售额的实际销售额数据库。以附图标记4表示用于存储零部件参数的参数数据库。
在实施例中，销售额预测设备1与实际销售额数据库3和参数数据库4相连。销售额预测设备1根据零部件的实际销售额和参数预测零部件的销售额。最优批量确定设备2与销售额预测设备1和参数数据库4相连。最优批量确定设备2根据销售额预测设备预测的销售额和零部件的参数，确定用于接收零部件的最优批量。销售额预测设备1和最优批量确定设备2可以用个人计算机或工作站实现。作为选择，销售额预测设备1和最优批量确定设备2也可以用大型机实现。虽然在图1中销售额预测设备1和最优批量确定设备2表示为分开的设备，但是它们也可以被实现为如上所述的单计算机中的模块。实际销售额数据库3和参数数据库4可以被实现为包括磁存储设备如硬盘的组成部件。实际使用时，可以将用于管理数据库的商业程序并入如上所述的这种计算机。作为选择，可以提供一单独的计算机(在图1中未显示)用于管理数据库。可以用个人计算机、工作站或大型机实现计算机。还有，上述的设备和数据库可以通过专线或公共网络连接。还有，可以在分开的站点上提供终端(未显示)，从而终端可以用作站点的输入/输出设备。在这种情况下，终端可以通过专线或公共网络与上述的设备和数据库相连，从而上述的设备和数据库可以完全管理分开的站点。
以下，将根据图2所示的流程图说明销售额预测设备1和最优批量确定设备2的功能。
在步骤S210，销售额预测设备1预测单位时间的零部件销售额。销售额预测设备1可以通过推断在实际销售额数据库3中存储的过去销售额的趋势，来预测销售额。作为选择，随在零部件等的销售开始之后的时间而变的需求预测参数可以被存储在参数数据库4中，从而销售额预测设备1可以根据该参数预测销售额。还有，销售额预测设备1可以根据实际销售额数据库3中存储的过去销售额的趋势与参数数据库4中存储的需求预测参数的组合，来预测销售额。例如，此时点表示为t。零部件被售出的时点表示为t-Δt，且t-Δt时点的零部件销售额表示为z(t-Δt)。还有，假设在零部件销售后Δt时间过去之后的时点处的需求预测参数为q，其取决于零部件的估算寿命等。在这种情况下，预测的零部件销售额值如下。
Z＝∑[z(t-Δt)·q]
∑表示求和或对时间的积分。
在步骤S220，最优批量确定设备2获得批量B的库存成本函数G。库存成本函数G是如上所述的存储成本D与利息成本F之和。因此，由式(1)和(2)得到下式。
G＝D+F
＝A·B/2+I·W·B/2
＝(A+I·W)·B/2                          (4)
最优批量确定设备2将参数数据库4中存储的值用于A、I和W的值。
在步骤S230，最优批量确定设备2获得批量B的交易成本函数H。交易成本函数H表示为上述的式(3)。
H＝(E+R)·Z/B                            (3)最优批量确定设备2把参数数据库4中存储的值用于E和R的值。还有，最优批量确定设备2把从销售额预测设备1收到的值用于零部件销售额的预测值Z。
在步骤S240，最优批量确定设备2获得批量B的总成本函数J。从式(3)和(4)，得到总成本函数J如下式。
J＝H+G
＝(E+R)·Z/B+(A+I·W)·B/2               (5)
在步骤S250，最优批量确定设备2获得使总成本函数J的值最小的批量B。批量B的总成本函数J的微分函数表示如下。
J’＝(A+I·W)/2-(E+R)·Z/B2            (6)
因而，使J’值等于零的批量B的值如下。
B＝[2·(E+R)·Z/(A+I·W)]1/2           (7)
从而，获得使总成本函数J的值最小的批量B。
应该注意，总成本函数J代表零部件制造商和车辆的品牌制造商的零部件总成本，因此当总成本J减到最小时，以上的总成本就减到最小。
以下将根据图3至图5说明上述的批量B与成本之间的关系。在图3至图5中，水平轴表示批量B，而垂直轴表示成本。图3至图5显示出，库存成本G、交易成本H和总成本J随批量B而变。
图3显示了一个正常的例子。根据上述的过程，获得最优的B值。图4显示了以下情况：交易成本H保持不变，而存储成本A和利息成本I·W大于图3所示的正常例子中的，以及因此库存成本G大于图3所示的正常例子中的。在图4中，代表库存成本G的线的倾角大于图3中的。在这种情况下，如图4所示，最优批量值小于图3中的。图5显示了以下情况：库存成本G保持不变，而零部件销售额的预测值等大于图3所示的正常例子中的，以及因此交易成本H大于图3所示的正常例子中的。在图5中，代表交易成本的曲线的位置高于图3中的。在这种情况下，如图5所示，最优批量值大于图3中的。
应该注意，单位时间的零部件销售额预测值的使用允许批量B的实时优化，以使成本总和最小。可以适当定义单位时间，以应付销售额的变化。
在以上描述中，假设库存成本函数G是存储成本与利息成本F之和。另外，可以考虑未售出的存货的成本X。例如，可以假设未售出存货的成本X与属于一批批量B的零部件的库存时间的平方成比例。该库存时间表示为B/Z。因此，当用参数Y表示从经验规则获得的参数时，未售出存货的成本X表示如下。
X＝Y·(B/Z)2                              (8)参数Y可以存储在参数数据库4中。最优批量确定设备2可以根据式(8)计算未售出存货的成本X，并可以把该结果与通过式(4)获得的值相加，以获得库存成本函数G。然后，接着进行如上所述的相同过程。
根据本发明，物品的销售额预测值的使用允许批量B的实时优化，以使成本总和最小。还有，可以确定最优批量，其使包括发送多批交易物品和接收多批交易物品的双方的交易成本的总成本最小。
在本发明的优选实施例中，可以利用简单的公式来确定使总成本最小的最优批量。
在本发明的另一优选实施例中，可以确定使还包括未售出存货的成本的总成本最小的最优批量。

Claims (9)

1.一种最优批量确定系统，包括：
实际销售额数据库，用于存储物品的实际销售额；
物品参数数据库，用于存储物品的参数；
物品销售额预测设备，与实际销售额数据库和/或物品参数数据库相连，且根据物品的实际销售额和/或参数预测物品的销售额；以及
最优批量确定设备，与物品销售额预测设备和物品参数数据库相连，根据物品参数和物品销售额预测设备预测的销售额，获得关于包括存储成本和利息成本的成本的物品批量库存成本函数以及关于物品发送端和物品接收端两端处的成本的物品批量交易成本函数，并且其获得使库存成本与交易成本之和最小的物品批量，以确定最优批量。
2.根据权利要求1所述的最优批量确定系统，其中以下式定义库存成本与交易成本之和J
J＝(E+R)·Z/B+(A+I·W)·B/2，且确定B，以便使J最小，其中“A”表示单位时间的零部件存储成本，“E”表示在多批物品的接收端处的一批物品的交易成本，“R”表示在多批物品的发送端处的一批物品的交易成本，“W”表示物品的单价，“I”表示单位时间的利息，且“A”、“E”、“R”、“W”和“I”的值被包括在物品参数数据库中，“Z”表示单位时间的物品销售额的预测值，以及“B”表示物品的批量。
3.根据权利要求1或2所述的最优批量确定系统，其中库存成本还包括未售出存货的风险成本。
4.一种最优批量确定程序，用在包括用于存储物品的实际销售额的实际销售额数据库和用于存储物品的参数的物品参数数据库的系统中，用于实现以下功能：
根据实际销售额数据库中存储的实际销售额和/或物品参数数据库中存储的物品参数预测物品的销售额；
根据预测的销售额和物品参数数据库中存储的物品参数，获得关于包括存储成本和利息成本的成本的物品批量库存成本函数以及关于物品发送端和物品接收端两端处的成本的物品批量交易成本函数；
以及获得使库存成本与交易成本之和最小的物品批量，以确定最优批量。
5.根据权利要求4所述的最优批量确定程序，其中以下式定义库存成本与交易成本之和J
J＝(E+R)·Z/B+(A+I·W)·B/2，且确定B，以便使J最小，其中“A”表示单位时间的零部件存储成本，“E”表示在多批物品的接收端处的一批物品的交易成本，“R”表示在多批物品的发送端处的一批物品的交易成本，“W”表示物品的单价，“I”表示单位时间的利息，且“A”、“E”、“R”、“W”和“I”的值被包括在物品参数数据库中，“Z”表示单位时间的物品销售额的预测值，以及“B”表示物品的批量。
6.根据权利要求4或5所述的最优批量确定程序，其中库存成本还包括未售出存货的风险成本。
7.一种利用包括用于存储物品的实际销售额的实际销售额数据库和用于存储物品的参数的物品参数数据库的系统的最优批量确定方法，该方法包括以下步骤：
根据实际销售额数据库中存储的实际销售额和/或物品参数数据库中存储的物品参数预测物品的销售额；
根据预测的销售额和物品参数数据库中存储的物品参数，获得关于包括存储成本和利息成本的成本的物品批量库存成本函数以及关于物品发送端和物品接收端两端处的成本的物品批量交易成本函数；
以及获得使库存成本与交易成本之和最小的物品批量，以确定最优批量。
8.根据权利要求7所述的最优批量确定方法，其中以下式定义库存成本与交易成本之和J
J＝(E+R)·Z/B+(A+I·W)·B/2，且确定B，以便使J最小，其中“A”表示单位时间的零部件存储成本，“E”表示在多批物品的接收端处的一批物品的交易成本，“R”表示在多批物品的发送端处的一批物品的交易成本，“W”表示物品的单价，“I”表示单位时间的利息，且“A”、“E”、“R”、“W”和“I”的值被包括在物品参数数据库中，“Z”表示单位时间的物品的销售额的预测值，以及“B”表示物品的批量。
9.根据权利要求7或8所述的最优批量确定方法，其中库存成本还包括未售出存货的风险成本。
CN03802471.3A 2002-01-29 2003-01-24 用于确定最优批量的系统、程序和方法 Pending CN1620664A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP020432/2002 2002-01-29
JP2002020432A JP2003223546A (ja) 2002-01-29 2002-01-29 最適ロットサイズ決定システム、プログラムおよび方法

Publications (1)

Publication Number Publication Date
CN1620664A true CN1620664A (zh) 2005-05-25

Family

ID=27606277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN03802471.3A Pending CN1620664A (zh) 2002-01-29 2003-01-24 用于确定最优批量的系统、程序和方法

Country Status (8)

Country Link
US (1) US20030144927A1 (zh)
EP (1) EP1470513A1 (zh)
JP (1) JP2003223546A (zh)
CN (1) CN1620664A (zh)
BR (1) BR0302996A (zh)
CA (1) CA2473998A1 (zh)
MX (1) MXPA04007272A (zh)
WO (1) WO2003065264A2 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102542432A (zh) * 2011-12-20 2012-07-04 纽海信息技术（上海）有限公司 库存管理系统及方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6976001B1 (en) * 2000-06-29 2005-12-13 International Business Machines Corporation Method and apparatus suitable for demand forecasting
US8260691B2 (en) * 2004-04-21 2012-09-04 Heath Juan X Method for determining optimal inventory lot sizes
NZ533494A (en) * 2004-06-09 2006-12-22 Total Comm Ltd Dynamic business enhancement system
US20080082429A1 (en) * 2006-09-29 2008-04-03 Stein Andrew C Systems and methods for automatically resolving bin errors
CN104504478A (zh) * 2014-12-30 2015-04-08 深圳市科漫达智能管理科技有限公司 事件处理方法及装置
JP6825479B2 (ja) * 2017-05-10 2021-02-03 富士通株式会社 推定プログラム、推定装置、及び推定方法
CN109583817B (zh) * 2018-12-05 2021-01-26 合肥工业大学智能制造技术研究院 用于云物流环境下的云仓库的控制系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5063506A (en) * 1989-10-23 1991-11-05 International Business Machines Corp. Cost optimization system for supplying parts
US20030061126A1 (en) * 2001-06-12 2003-03-27 International Business Machines Corporation Method of determining inventory levels

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102542432A (zh) * 2011-12-20 2012-07-04 纽海信息技术（上海）有限公司 库存管理系统及方法
CN102542432B (zh) * 2011-12-20 2015-11-25 纽海信息技术（上海）有限公司 库存管理系统及方法

Also Published As

Publication number Publication date
MXPA04007272A (es) 2004-10-29
WO2003065264A2 (en) 2003-08-07
EP1470513A1 (en) 2004-10-27
CA2473998A1 (en) 2003-08-07
BR0302996A (pt) 2004-07-06
JP2003223546A (ja) 2003-08-08
US20030144927A1 (en) 2003-07-31

Similar Documents

Publication Publication Date Title
KR101667697B1 (ko) 네트워크 컴퓨팅 자원에 의한 데이터 동기화 프로세싱
EP2261851A1 (en) System and method for top-down performance optimization using elasticity modeling
CN1918846A (zh) 基于服务等级协定预测和相关成本分配资源的设备和方法
CN112365355B (zh) 实时计算基金估值和风险指标的方法、装置及可读介质
ZA200202274B (en) Demand forcasting method in parts inventory control.
CN1875348A (zh) 信息系统、负载控制方法、负载控制程序和记录媒体
US20150317379A1 (en) Data Classification Tool Using Dynamic Allocation of Attribute Weights
CN111178708B (zh) 目标评分方法和装置、计算机可读存储介质、电子设备
CN1620664A (zh) 用于确定最优批量的系统、程序和方法
CN1604040A (zh) 主事务处理系统中的动态事务控制
US9189489B1 (en) Inverse distribution function operations in a parallel relational database
CN103679497A (zh) 一种试用商品的派发方法及装置
CN110930221A (zh) 异常订单处理方法、存储介质及计算机设备
CN110826958A (zh) 用于电商平台的智能调货方法及装置
CN113935528B (zh) 智能调度方法、装置、计算机设备及存储介质
CN1473306A (zh) 商品物流管理方法
CN1423222A (zh) 基于动态的商品分选系统及商品分选方法
CN110648103B (zh) 用于选择仓库中的货品的方法、装置、介质和计算设备
CN110689278A (zh) 一种钣金物料管理方法、系统、存储介质以及电子设备
CN108256933B (zh) 基于拍照的快速开单方法
CN113220741B (zh) 互联网广告虚假流量识别方法、系统、设备及存储介质
CN114386902A (zh) 一种图书供应方法、装置、电子设备及存储介质
CN1510607A (zh) 订单管理系统及方法
CN1991899A (zh) 集中交易模式下的信息处理系统
CN111310095B (zh) 一种基于SaaS技术电子商城综合服务管理平台

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication