CN109284856A - 一种快递包材物料需求预测方法、装置及设备、存储介质 - Google Patents

一种快递包材物料需求预测方法、装置及设备、存储介质 Download PDF

Info

Publication number
CN109284856A
CN109284856A CN201810826691.9A CN201810826691A CN109284856A CN 109284856 A CN109284856 A CN 109284856A CN 201810826691 A CN201810826691 A CN 201810826691A CN 109284856 A CN109284856 A CN 109284856A
Authority
CN
China
Prior art keywords
express delivery
packaging material
delivery packaging
data
history
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.)
Granted
Application number
CN201810826691.9A
Other languages
English (en)
Other versions
CN109284856B (zh
Inventor
陈利军
白松
金信
杨玲
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.)
SF Technology Co Ltd
Original Assignee
SF Technology 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 SF Technology Co Ltd filed Critical SF Technology Co Ltd
Priority to CN201810826691.9A priority Critical patent/CN109284856B/zh
Publication of CN109284856A publication Critical patent/CN109284856A/zh
Application granted granted Critical
Publication of CN109284856B publication Critical patent/CN109284856B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/083—Shipping
    • G06Q10/0838—Historical 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
    • 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
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种快递包材物料需求预测方法、装置及设备、存储介质，涉及物流领域，由于根据RDC历史快递件量、快递包材物料历史发货量以及网点快递包材物料的历史消耗数据进行快递包材物料需求预测，可以较准确的预测快递包材物料短期内的消耗需求，避免快递包材物料的浪费，也节省了快递包材物料预测过程中的人力。

Description

一种快递包材物料需求预测方法、装置及设备、存储介质
技术领域
本公开一般涉及物流领域，尤其涉及一种快递包材物料需求预测方法、装置及设备、存储介质。
背景技术
在物流公司的各个网点，在日常收寄快递时用到的主要包材包括：运单、文件封、包装胶袋、封箱胶纸，这些包材属于必须消耗品且每月用量近3亿件。
为不影响网点日常收派件业务的开展，实现物料需求的主动预测，从而指导采购供应链的备货生产和派发，同时便于物资综合处对网点的日常物料领用需求进行规范，显得至关重要。
目前，快递包材物料需求的预测方式，主要是通过网点人工预估后上报，预估结果依赖于经验值，客观性不够，历史数据的获取也依赖于人工汇总统计，预估结果由各网点仓管负责人手工提报至MRM***，整个过程在人力和时间投入上效率不高，另外，事后物资消耗合理性和成本管控也难以满足需求。
发明内容
鉴于现有技术中的上述缺陷或不足，期望提供一种快递包材物料需求预测方法、装置及设备、存储介质，以实现较准确的进行快递包材物料需求的预测。
第一方面，本发明实施例提供一种快递包材物料需求预测方法，包括：
根据区域配送中心RDC历史快递件量和快递包材物料历史发货量，进行快递包材物料备货量初步预测；
根据网点快递包材物料的历史消耗数据，进行网点快递包材物料的需求量预测；
根据所述快递包材物料备货量初步预测结果和所述网点快递包材物料的需求量预测结果，确定快递包材物料备货量的预测结果。
进一步，根据RDC历史快递件量和快递包材物料历史发货量，进行快递包材物料备货量初步预测，具体包括：
根据RDC历史快递件量确定RDC件量预测值；
根据根据RDC历史快递件量和快递包材物料历史发货量确定快递包材物料历史消耗率；
根据所述快递包材物料历史消耗率确定快递包材物料消耗率预测值；
根据所述RDC件量预测值和所述快递包材物料消耗率预测值，进行快递包材物料备货量初步预测。
进一步，所述根据网点快递包材物料的历史消耗数据，进行网点快递包材物料的需求量预测，具体包括：
确定网点快递包材物料的历史消耗数据；
对所述历史消耗数据进行数据处理确定数据特征；
根据所述数据特征确定数据模型；
根据所述历史消耗数据以及数据模型，进行网点快递包材物料需求预测。
更进一步，所述对所述历史消耗数据进行数据处理确定数据特征，具体包括：
根据所述历史消耗数据构建预测模型的特征集；
根据所述预测模型的特征集构造组合特征；
根据所述组合特征，进行数据补全和标准化；
对标准化后的特征进行编码；
对编码后的特征进行分析，确定数据特征。
其中，所述历史消耗数据具体包括如下之一或组合：
每月的网点发货量；
快递包材物料种类及月消耗量；
网点所在区域；
网点类型；
网点收派员数量；
网点各重量段快件数量比例。
其中，所述组合特征具体包括如下之一或组合：
设定数量月的月均消耗量；
每个月消耗量的同比增长率；
每个月消耗量的环比增长率；
当月消耗量相比前N个月的增长率，N≥2。
更进一步，所述根据所述数据特征确定数据模型，具体包括：
将特征分成多个数据集，再对多个数据集划分训练数据并测试数据；
用xgboost算法对多份训练数据进行训练建模和参数调优；
确定数据模型为RMSE最低且结果稳定的训练模型。
更进一步，还包括：
用测试集来判断训练模型在新的数据集上的表现能力，调整训练模型参数，使得预测结果和测试集的真实结果之间的RMSE最低。
优选的，还包括：
根据快递包材物料备货量的预测结果，生成供应商备货生产和派送计划，以及区域仓库临时需求备货量计划。
第二方面，本发明实施例还提供一种快递包材物料需求预测装置，包括：
第一预测单元，用于根据RDC历史快递件量和快递包材物料历史发货量，进行快递包材物料备货量初步预测；
第二预测单元，用于根据网点快递包材物料的历史消耗数据，进行网点快递包材物料的需求量预测；
第三预测单元，用于根据所述快递包材物料备货量初步预测结果和所述网点快递包材物料的需求量预测结果，确定快递包材物料备货量的预测结果。
进一步，所述第一预测单元具体用于：
根据RDC历史快递件量确定RDC件量预测值；
根据根据RDC历史快递件量和快递包材物料历史发货量确定快递包材物料历史消耗率；
根据所述快递包材物料历史消耗率确定快递包材物料消耗率预测值；
根据所述RDC件量预测值和所述快递包材物料消耗率预测值，进行快递包材物料备货量初步预测。
进一步，所述第二预测单元具体用于：
确定网点快递包材物料的历史消耗数据；
对所述历史消耗数据进行数据处理确定数据特征；
根据所述数据特征确定数据模型；
根据所述历史消耗数据以及数据模型，进行网点快递包材物料需求预测。
更进一步，所述第二预测单元对所述历史消耗数据进行数据处理确定数据特征，具体包括：
根据所述历史消耗数据构建预测模型的特征集；
根据所述预测模型的特征集构造组合特征；
根据所述组合特征，进行数据补全和标准化；
对标准化后的特征进行编码；
对编码后的特征进行分析，确定数据特征。
其中，所述历史消耗数据具体包括如下之一或组合：
每月的网点发货量；
快递包材物料种类及月消耗量；
网点所在区域；
网点类型；
网点收派员数量；
网点各重量段快件数量比例。
其中，所述组合特征具体包括如下之一或组合：
设定数量月的月均消耗量；
每个月消耗量的同比增长率；
每个月消耗量的环比增长率；
当月消耗量相比前N个月的增长率，N≥2。
更进一步，所述第二预测单元根据所述数据特征确定数据模型，具体包括：
将特征分成多个数据集，再对多个数据集划分训练数据并测试数据；
用xgboost算法对多份训练数据进行训练建模和参数调优；
确定数据模型为RMSE最低且结果稳定的训练模型。
更进一步，所述第二预测单元还用于：
确定数据模型为RMSE最低且结果稳定的训练模型之后，用测试集来判断训练模型在新的数据集上的表现能力，调整训练模型参数，使得预测结果和测试集的真实结果之间的RMSE最低。
优选的，所述第三预测单元还用于：
根据快递包材物料备货量的预测结果，生成供应商备货生产和派送计划，以及区域仓库临时需求备货量计划。
第三方面，本发明实施例还提供一种设备，包括处理器和存储器；
所述存储器包含可由所述处理器执行的指令以使得所述处理器执行如第一方面中所述的方法。
第四方面，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序用于实现如第一方面中所述的方法。
本发明实施例提供一种快递包材物料需求预测方法、装置及设备、存储介质，由于根据RDC历史快递件量、快递包材物料历史发货量以及网点快递包材物料的历史消耗数据进行进行快递包材物料需求预测，可以较准确的预测快递包材物料需求，避免快递包材物料的浪费，也节省了快递包材物料预测过程中的人力。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1为本发明实施例提供的快递包材物料需求预测方法流程图；
图2为本发明实施例提供的根据历史件量和快递包材物料历史发货量进行快递包材物料备货量初步预测示意图；
图3为本发明实施例提供的根据网点快递包材物料的历史消耗数据进行网点快递包材物料的需求量预测示意图；
图4为本发明实施例提供的快递包材物料需求预测装置结构示意图；
图5为本发明实施例提供的快递包材物料需求预测设备结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
请参考图1，本发明实施例提供的快递包材物料需求预测方法，包括：
步骤S101、根据RDC(regional distribution center，区域配送中心)历史件量和快递包材物料历史发货量，进行快递包材物料备货量初步预测；
步骤S102、根据网点快递包材物料的历史消耗数据，进行网点快递包材物料的需求量预测；
步骤S103、根据快递包材物料备货量初步预测结果和网点快递包材物料的需求量预测结果，确定快递包材物料备货量的预测结果。
由于根据RDC历史快递件量、快递包材物料历史发货量以及网点快递包材物料的历史消耗数据进行进行快递包材物料需求预测，可以较准确的预测快递包材物料需求，避免快递包材物料的浪费，也节省了快递包材物料预测过程中的人力。
进一步，如图2所示，步骤S101中，根据RDC历史快递件量和快递包材物料历史发货量，进行快递包材物料备货量初步预测，具体包括：
根据RDC历史快递件量确定RDC件量预测值；
根据根据RDC历史快递件量和快递包材物料历史发货量确定快递包材物料历史消耗率；
根据快递包材物料历史消耗率确定快递包材物料消耗率预测值；
根据RDC件量预测值和快递包材物料消耗率预测值，进行快递包材物料备货量初步预测。
一般来讲，预测周期以月为单位比较常见，当然，根据实际情况也可以以星期为单位、以季度、年度为单位，或者以规定的时间周期为单位。当以月为预测周期时，RDC历史快递件量和快递包材物料历史发货量，均是指RDC月度历史件量和快递包材物料月度历史发货量，RDC件量预测值指RDC月度件量预测值，快递包材物料历史消耗率指快递包材物料月度历史消耗率，快递包材物料消耗率预测值指快递包材物料月度消耗率预测，快递包材物料备货量初步预测则指快递包材物料月度备货量初步预测。
图2中，SKU表示快递包材物料，通常情况下，每种快递包材物料需要单独进行需求预测。ASURU和SAP是业务***的数据库。
通常RDC件量预测的准确率能够达到90％以上，从线下预测转为线上预测，也较大的提高了预测效率。
进一步，步骤S102中，根据网点快递包材物料的历史消耗数据，进行网点快递包材物料的需求量预测，具体包括：
确定网点快递包材物料的历史消耗数据；
对历史消耗数据进行数据处理确定数据特征；
根据数据特征确定数据模型；
根据历史消耗数据以及数据模型，进行网点快递包材物料需求预测。
根据数据特征进行数据模型的确立，进而根据该数据模型来进行进行网点快递包材物料需求预测，可以进一步提高网点快递包材物料需求预测的准确性。
进一步，对历史消耗数据进行数据处理确定数据特征，具体包括：
根据历史消耗数据构建预测模型的特征集；
根据预测模型的特征集构造组合特征；
根据组合特征，进行数据补全和标准化；
对标准化后的特征进行编码；
对编码后的特征进行分析，确定数据特征。
其中，历史消耗数据具体包括如下之一或组合：
每月的网点发货量；
快递包材物料种类及月消耗量；
网点所在区域；
网点类型；
网点收派员数量；
网点各重量段快件数量比例。
组合特征具体包括如下之一或组合：
设定数量月的月均消耗量；
每个月消耗量的同比增长率；
每个月消耗量的环比增长率；
当月消耗量相比前N个月的增长率，N≥2。
一般若需要预测M月的快递包材物料需求，则可以获取如下数据和特征：
M-2月消耗量；
M-2月开始往前3个月月均消耗量；
M-2月开始往前6个月月均消耗量；
M-2月开始往前12个月月均消耗量；
M-2月消耗量同比增长率；
M-2月消耗量环比增长率；
M-2月消耗量相比前3个月前增长率；
M-2月消耗量相比前6个月前增长率；
网点所属区域类型；例如住宅区、商业区等；
网点所属城市区域；例如深圳、上海等；
快递包材物料类型；例如文件封、包装胶纸、封箱胶带、运单等；
网点收派员数量；
网点月度件量；
网点各重量段件量占比。
重量段可以划分为：0-1kg、1-3kg、3-5kg、5-10kg、10-30kg、30kg以上。
根据实际需要和应用情况，还可以包括其它线性组合特征、特征之间的环比、同比或者正态化等特征。
在根据组合特征，进行数据补全和标准化时，可以对缺失的数据进行补全，对连续的特征进行标准化，使得均值为0，方差为1，实际应用中，本领域技术人员可以根据实际需要对具体补全和标准化内容进行调整。
对标准化后的特征进行编码时，可以采用one-hot编码，本领域技术人员也可以根据实际情况采用其它合适的编码方式。
对编码后的特征进行分析时，可以具体包括：对特征进行相关性分析，特征重要性分析，单调性分析。
进一步，根据数据特征确定数据模型，具体包括：
将特征分成多个数据集，再对多个数据集划分训练数据并测试数据；
用xgboost算法对多份训练数据进行训练建模和参数调优；
确定数据模型为RMSE最低且结果稳定的训练模型。
其中，
Xobs是预测值，Xmodel是真实值。
进一步，在确定数据模型之后，还可以进一步用测试集对数据模型进行调整，从而得到更准确的数据模型，此时，该方法还包括：
用测试集来判断训练模型在新的数据集上的表现能力，调整训练模型参数，使得预测结果和测试集的真实结果之间的RMSE最低。
进行网点快递包材物料需求预测的数据流如图3所示，从相应的数据库获取数据构建特征集，通过xgboost算法进行建模，从而获得预测结果。图3中，SAP、OMS和DVP均为对应的业务***的数据库。
如图2和图3所示，步骤S101和步骤S102的预测结果，均可以汇总到MRM(业务***)中，在MRM***中，可以进一步由相应的负责人进行数据的审核；MRM***中经审核后的需求数据，可以进一步由MRM***推送至SAP***中，经RDC仓库端负责人复核确认后，生成供应商备货生产和派送计划，以及区域仓库临时需求备货量计划。
优选的，在步骤S103之后，还可以根据快递包材物料备货量的预测结果，生成供应商备货生产和派送计划，以及区域仓库临时需求备货量计划，从而进一步提高工作效率。
通过该快递包材物料需求预测方法，依托大数据技术，结合不同需求端的业务特点，定制化预测模型，打通物耗预测相关的业务数据接口，实现了预测过程线下到线上的转化，并将预测模型与业务***MRM对接，使得预测过程全自动化，通过MRM***提供预测结果及相关关键指标的直观展示，同时，引入机器学习算法，提高预测效率，使得处理时间由83人天缩短至15min以内，并提供基于业务量的预测结果给网点或区部参考，网点或区部由必须提交转换为根据参考值确认或修改，解决网点漏提或迟提对整体业务流程的影响，由于预测准确性的提高，还进一步减少了网点临时需求提报频次，从而区仓库存成本减少10％以上。
应当注意，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。例如，步骤S101和步骤S102。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。例如，步骤S101和步骤S102。
本发明实施例还相应提供一种快递包材物料需求预测装置，如图4所示，包括：
第一预测单元401，用于根据RDC历史快递件量和快递包材物料历史发货量，进行快递包材物料备货量初步预测；
第二预测单元402，用于根据网点快递包材物料的历史消耗数据，进行网点快递包材物料的需求量预测；
第三预测单元403，用于根据快递包材物料备货量初步预测结果和网点快递包材物料的需求量预测结果，确定快递包材物料备货量的预测结果。
进一步，第一预测单元401具体用于：
根据RDC历史快递件量确定RDC件量预测值；
根据根据RDC历史快递件量和快递包材物料历史发货量确定快递包材物料历史消耗率；
根据快递包材物料历史消耗率确定快递包材物料消耗率预测值；
根据RDC件量预测值和快递包材物料消耗率预测值，进行快递包材物料备货量初步预测。
进一步，第二预测单元402具体用于：
确定网点快递包材物料的历史消耗数据；
对历史消耗数据进行数据处理确定数据特征；
根据数据特征确定数据模型；
根据历史消耗数据以及数据模型，进行网点快递包材物料需求预测。
更进一步，第二预测单元402对历史消耗数据进行数据处理确定数据特征，具体包括：
根据历史消耗数据构建预测模型的特征集；
根据预测模型的特征集构造组合特征；
根据组合特征，进行数据补全和标准化；
对标准化后的特征进行编码；
对编码后的特征进行分析，确定数据特征。
其中，历史消耗数据具体包括如下之一或组合：
每月的网点发货量；
快递包材物料种类及月消耗量；
网点所在区域；
网点类型；
网点收派员数量；
网点各重量段快件数量比例。
其中，组合特征具体包括如下之一或组合：
设定数量月的月均消耗量；
每个月消耗量的同比增长率；
每个月消耗量的环比增长率；
当月消耗量相比前N个月的增长率，N≥2。
更进一步，第二预测单元402根据数据特征确定数据模型，具体包括：
将特征分成多个数据集，再对多个数据集划分训练数据并测试数据；
用xgboost算法对多份训练数据进行训练建模和参数调优；
确定数据模型为RMSE最低且结果稳定的训练模型。
更进一步，第二预测单元402还用于：
确定数据模型为RMSE最低且结果稳定的训练模型之后，用测试集来判断训练模型在新的数据集上的表现能力，调整训练模型参数，使得预测结果和测试集的真实结果之间的RMSE最低。
优选的，第三预测单元403还用于：
根据快递包材物料备货量的预测结果，生成供应商备货生产和派送计划，以及区域仓库临时需求备货量计划。
应当理解，该装置中记载的诸单元或模块与参考图1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和特征同样适用于该装置及其中包含的单元，在此不再赘述。该装置可以预先实现在电子设备的浏览器或其他安全应用中，也可以通过下载等方式而加载到电子设备的浏览器或其安全应用中。该装置中的相应单元可以与电子设备中的单元相互配合以实现本申请实施例的方案。
下面参考图5，其示出了适于用来实现本申请实施例的终端设备或服务器的计算机***的结构示意图。
如图5所示，计算机***包括中央处理单元(CPU)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部分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***操作所需的各种程序和数据。CPU501、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。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本公开的实施例，上文参考图1描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行图1的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。
附图中的流程图和框图，图示了按照本发明各种实施例的***、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，所述模块、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***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，例如，可以描述为：一种处理器包括XX单元、YY单元以及ZZ单元。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定，例如，XX单元还可以被描述为“用于XX的单元”。
作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中所述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本申请的公式输入方法。
以上描述仅为本申请的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，本申请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所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。例如上述特征与本申请中公开的(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 (20)

1.一种快递包材物料需求预测方法，其特征在于，包括：
根据区域配送中心RDC历史快递件量和快递包材物料历史发货量，进行快递包材物料备货量初步预测；
根据网点快递包材物料的历史消耗数据，进行网点快递包材物料的需求量预测；
根据所述快递包材物料备货量初步预测结果和所述网点快递包材物料的需求量预测结果，确定快递包材物料备货量的预测结果。
2.如权利要求1所述的方法，其特征在于，根据RDC历史快递件量和快递包材物料历史发货量，进行快递包材物料备货量初步预测，具体包括：
根据RDC历史快递件量确定RDC件量预测值；
根据根据RDC历史快递件量和快递包材物料历史发货量确定快递包材物料历史消耗率；
根据所述快递包材物料历史消耗率确定快递包材物料消耗率预测值；
根据所述RDC件量预测值和所述快递包材物料消耗率预测值，进行快递包材物料备货量初步预测。
3.如权利要求1所述的方法，其特征在于，所述根据网点快递包材物料的历史消耗数据，进行网点快递包材物料的需求量预测，具体包括：
确定网点快递包材物料的历史消耗数据；
对所述历史消耗数据进行数据处理确定数据特征；
根据所述数据特征确定数据模型；
根据所述历史消耗数据以及数据模型，进行网点快递包材物料需求预测。
4.如权利要求3所述的方法，其特征在于，所述对所述历史消耗数据进行数据处理确定数据特征，具体包括：
根据所述历史消耗数据构建预测模型的特征集；
根据所述预测模型的特征集构造组合特征；
根据所述组合特征，进行数据补全和标准化；
对标准化后的特征进行编码；
对编码后的特征进行分析，确定数据特征。
5.如权利要求4所述的方法，其特征在于，所述历史消耗数据具体包括如下之一或组合：
每月的网点发货量；
快递包材物料种类及月消耗量；
网点所在区域；
网点类型；
网点收派员数量；
网点各重量段快件数量比例。
6.如权利要求4所述的方法，其特征在于，所述组合特征具体包括如下之一或组合：
设定数量月的月均消耗量；
每个月消耗量的同比增长率；
每个月消耗量的环比增长率；
当月消耗量相比前N个月的增长率，N≥2。
7.如权利要求3所述的方法，其特征在于，所述根据所述数据特征确定数据模型，具体包括：
将特征分成多个数据集，再对多个数据集划分训练数据并测试数据；
用xgboost算法对多份训练数据进行训练建模和参数调优；
确定数据模型为RMSE最低且结果稳定的训练模型。
8.如权利要求7所述的方法，其特征在于，还包括：
用测试集来判断训练模型在新的数据集上的表现能力，调整训练模型参数，使得预测结果和测试集的真实结果之间的RMSE最低。
9.如权利要求1所述的方法，其特征在于，还包括：
根据快递包材物料备货量的预测结果，生成供应商备货生产和派送计划，以及区域仓库临时需求备货量计划。
10.一种快递包材物料需求预测装置，其特征在于，包括：
第一预测单元，用于根据RDC历史快递件量和快递包材物料历史发货量，进行快递包材物料备货量初步预测；
第二预测单元，用于根据网点快递包材物料的历史消耗数据，进行网点快递包材物料的需求量预测；
第三预测单元，用于根据所述快递包材物料备货量初步预测结果和所述网点快递包材物料的需求量预测结果，确定快递包材物料备货量的预测结果。
11.如权利要求10所述的装置，其特征在于，所述第一预测单元具体用于：
根据RDC历史快递件量确定RDC件量预测值；
根据根据RDC历史快递件量和快递包材物料历史发货量确定快递包材物料历史消耗率；
根据所述快递包材物料历史消耗率确定快递包材物料消耗率预测值；
根据所述RDC件量预测值和所述快递包材物料消耗率预测值，进行快递包材物料备货量初步预测。
12.如权利要求10所述的装置，其特征在于，所述第二预测单元具体用于：
确定网点快递包材物料的历史消耗数据；
对所述历史消耗数据进行数据处理确定数据特征；
根据所述数据特征确定数据模型；
根据所述历史消耗数据以及数据模型，进行网点快递包材物料需求预测。
13.如权利要求12所述的装置，其特征在于，所述第二预测单元对所述历史消耗数据进行数据处理确定数据特征，具体包括：
根据所述历史消耗数据构建预测模型的特征集；
根据所述预测模型的特征集构造组合特征；
根据所述组合特征，进行数据补全和标准化；
对标准化后的特征进行编码；
对编码后的特征进行分析，确定数据特征。
14.如权利要求13所述的装置，其特征在于，所述历史消耗数据具体包括如下之一或组合：
每月的网点发货量；
快递包材物料种类及月消耗量；
网点所在区域；
网点类型；
网点收派员数量；
网点各重量段快件数量比例。
15.如权利要求13所述的装置，其特征在于，所述组合特征具体包括如下之一或组合：
设定数量月的月均消耗量；
每个月消耗量的同比增长率；
每个月消耗量的环比增长率；
当月消耗量相比前N个月的增长率，N≥2。
16.如权利要求12所述的装置，其特征在于，所述第二预测单元根据所述数据特征确定数据模型，具体包括：
将特征分成多个数据集，再对多个数据集划分训练数据并测试数据；
用xgboost算法对多份训练数据进行训练建模和参数调优；
确定数据模型为RMSE最低且结果稳定的训练模型。
17.如权利要求16所述的装置，其特征在于，所述第二预测单元还用于：
确定数据模型为RMSE最低且结果稳定的训练模型之后，用测试集来判断训练模型在新的数据集上的表现能力，调整训练模型参数，使得预测结果和测试集的真实结果之间的RMSE最低。
18.如权利要求10所述的装置，其特征在于，所述第三预测单元还用于：
根据快递包材物料备货量的预测结果，生成供应商备货生产和派送计划，以及区域仓库临时需求备货量计划。
19.一种设备，包括处理器和存储器；其特征在于：
所述存储器包含可由所述处理器执行的指令以使得所述处理器执行如权利要求1-9任一所述的方法。
20.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序用于实现如权利要求1-9任一所述的方法。
CN201810826691.9A 2018-07-25 2018-07-25 一种快递包材物料需求预测方法、装置及设备、存储介质 Active CN109284856B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810826691.9A CN109284856B (zh) 2018-07-25 2018-07-25 一种快递包材物料需求预测方法、装置及设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810826691.9A CN109284856B (zh) 2018-07-25 2018-07-25 一种快递包材物料需求预测方法、装置及设备、存储介质

Publications (2)

Publication Number Publication Date
CN109284856A true CN109284856A (zh) 2019-01-29
CN109284856B CN109284856B (zh) 2022-06-07

Family

ID=65183200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810826691.9A Active CN109284856B (zh) 2018-07-25 2018-07-25 一种快递包材物料需求预测方法、装置及设备、存储介质

Country Status (1)

Country Link
CN (1) CN109284856B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340278A (zh) * 2020-02-19 2020-06-26 上海东普信息科技有限公司 目的地货量的预测方法及存储介质
CN112036631A (zh) * 2020-08-25 2020-12-04 广州视源电子科技股份有限公司 采购量确定方法、装置、设备及存储介质
CN112258117A (zh) * 2020-10-27 2021-01-22 上海寻梦信息技术有限公司 寄件方法、装置、电子设备以及存储介质
CN112613774A (zh) * 2020-12-28 2021-04-06 浙江智昌机器人科技有限公司 一种基于数据反馈的mrp算法
CN112903017A (zh) * 2021-01-26 2021-06-04 顾远航 一种智慧物流状态信息监控***及方法
CN113283924A (zh) * 2020-02-20 2021-08-20 纬创资通股份有限公司 需求预测方法以及需求预测装置
CN113283798A (zh) * 2021-06-11 2021-08-20 杉数科技(北京)有限公司 物料消耗数量的确定方法、装置、电子设备及存储介质
CN113516438A (zh) * 2021-08-06 2021-10-19 上海中通吉网络技术有限公司 一种快递包状态判断方法
US11526845B2 (en) 2020-04-07 2022-12-13 Coupang Corp. Systems and methods for automated outbound profile generation
CN116703301A (zh) * 2023-06-15 2023-09-05 山东盛太锆业资源有限公司 一种基于多个回收仓库信息二氧化锆废料管控方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020169657A1 (en) * 2000-10-27 2002-11-14 Manugistics, Inc. Supply chain demand forecasting and planning
JP2003146434A (ja) * 2001-11-14 2003-05-21 Jcb:Kk Ｉｃカード発注在庫管理システム及び方法
US20140337000A1 (en) * 2013-05-09 2014-11-13 Rockwell Automation Technologies, Inc. Using cloud-based data for industrial simulation
CN105787587A (zh) * 2016-02-26 2016-07-20 海南电网有限责任公司 一种基于多元回归的电网***应急物资需求预测方法
CN106600032A (zh) * 2016-10-28 2017-04-26 北京国电通网络技术有限公司 一种库存物资需求预测方法及装置
KR20170102079A (ko) * 2016-02-29 2017-09-07 주식회사 글로비트 IoT 기반의 양식장 에너지 절감 시스템
CN107292429A (zh) * 2017-06-07 2017-10-24 上海欧睿供应链管理有限公司 一种基于需求特性分析的需求预测模型选择方法
CN107784397A (zh) * 2017-11-09 2018-03-09 贵州电网有限责任公司 一种电网物资需求预测***及其预测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020169657A1 (en) * 2000-10-27 2002-11-14 Manugistics, Inc. Supply chain demand forecasting and planning
JP2003146434A (ja) * 2001-11-14 2003-05-21 Jcb:Kk Ｉｃカード発注在庫管理システム及び方法
US20140337000A1 (en) * 2013-05-09 2014-11-13 Rockwell Automation Technologies, Inc. Using cloud-based data for industrial simulation
CN105787587A (zh) * 2016-02-26 2016-07-20 海南电网有限责任公司 一种基于多元回归的电网***应急物资需求预测方法
KR20170102079A (ko) * 2016-02-29 2017-09-07 주식회사 글로비트 IoT 기반의 양식장 에너지 절감 시스템
CN106600032A (zh) * 2016-10-28 2017-04-26 北京国电通网络技术有限公司 一种库存物资需求预测方法及装置
CN107292429A (zh) * 2017-06-07 2017-10-24 上海欧睿供应链管理有限公司 一种基于需求特性分析的需求预测模型选择方法
CN107784397A (zh) * 2017-11-09 2018-03-09 贵州电网有限责任公司 一种电网物资需求预测***及其预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
严冬梅: "城市物流中心选址问题研究", 《中国优秀博硕士学位论文全文数据库 经济与管理科学辑》 *
顾雪景: "我国高铁货运市场需求分析与开行模式研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340278B (zh) * 2020-02-19 2023-10-24 上海东普信息科技有限公司 目的地货量的预测方法及存储介质
CN111340278A (zh) * 2020-02-19 2020-06-26 上海东普信息科技有限公司 目的地货量的预测方法及存储介质
US11568429B2 (en) 2020-02-20 2023-01-31 Wistron Corporation Demand forecasting method and demand forecasting apparatus
CN113283924B (zh) * 2020-02-20 2024-05-07 纬创资通股份有限公司 需求预测方法以及需求预测装置
CN113283924A (zh) * 2020-02-20 2021-08-20 纬创资通股份有限公司 需求预测方法以及需求预测装置
TWI786376B (zh) * 2020-02-20 2022-12-11 緯創資通股份有限公司 需求預測方法以及需求預測裝置
US11526845B2 (en) 2020-04-07 2022-12-13 Coupang Corp. Systems and methods for automated outbound profile generation
CN112036631A (zh) * 2020-08-25 2020-12-04 广州视源电子科技股份有限公司 采购量确定方法、装置、设备及存储介质
CN112036631B (zh) * 2020-08-25 2024-06-18 广州视源电子科技股份有限公司 采购量确定方法、装置、设备及存储介质
CN112258117A (zh) * 2020-10-27 2021-01-22 上海寻梦信息技术有限公司 寄件方法、装置、电子设备以及存储介质
CN112258117B (zh) * 2020-10-27 2021-09-21 上海寻梦信息技术有限公司 寄件方法、装置、电子设备以及存储介质
CN112613774A (zh) * 2020-12-28 2021-04-06 浙江智昌机器人科技有限公司 一种基于数据反馈的mrp算法
CN112903017A (zh) * 2021-01-26 2021-06-04 顾远航 一种智慧物流状态信息监控***及方法
CN113283798A (zh) * 2021-06-11 2021-08-20 杉数科技(北京)有限公司 物料消耗数量的确定方法、装置、电子设备及存储介质
CN113516438A (zh) * 2021-08-06 2021-10-19 上海中通吉网络技术有限公司 一种快递包状态判断方法
CN116703301B (zh) * 2023-06-15 2023-12-08 山东盛太锆业资源有限公司 一种基于多个回收仓库信息二氧化锆废料管控方法
CN116703301A (zh) * 2023-06-15 2023-09-05 山东盛太锆业资源有限公司 一种基于多个回收仓库信息二氧化锆废料管控方法

Also Published As

Publication number Publication date
CN109284856B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
CN109284856A (zh) 一种快递包材物料需求预测方法、装置及设备、存储介质
Lamba et al. Integrated decisions for supplier selection and lot-sizing considering different carbon emission regulations in Big Data environment
Benjaafar et al. Carbon footprint and the management of supply chains: Insights from simple models
Pokrovskaya et al. Assessment of transport and storage systems
Ferreira et al. Demand response models with correlated price data: A robust optimization approach
US10121120B2 (en) Information processing system and recording device
US8315923B2 (en) Method of determining safety stock levels
WO2008154734A1 (en) An investment analysis and planning system and method
WO2013102932A2 (en) System and method facilitating forecasting, optimization and visualization of energy data for an industry
CN110110924A (zh) 一种配电网投资规模优化方法、装置和计算设备
Dalle Ave et al. A non-uniform grid approach for scheduling considering electricity load tracking and future load prediction
Aazami et al. Benders decomposition algorithm for robust aggregate production planning considering pricing decisions in competitive environment: A case study
Turken et al. The impact of co-location in emissions regulation clusters on traditional and vendor managed supply chain inventory decisions
Ben Ahmed et al. Long‐term effects of short planning horizons for inventory routing problems
Bashiri et al. Supply chain design: A holistic approach
Sastry Musti Multicriteria Decision Analysis for Sustainable Green Financing in Energy Sector
Rafke et al. Simulating fleet procurement in an Indonesian logistics company
Liang et al. Optimal control strategy of companies: inheriting period and carbon emission reduction
US20070282803A1 (en) Methods and systems for inventory policy generation using structured query language
Deng et al. Partially Smoothing and Gradient‐Based Algorithm for Optimizing the VMI System with Competitive Retailers under Random Demands
Tian et al. Simulation-based aggregate planning of batch plant operations
San-José et al. An inventory model for multiple items assuming time-varying demands and limited storage
CN114782112A (zh) 库存滚动预测方法和***
US7783533B1 (en) System and method for entity selection optimization
Mou Nonlinear pricing schemes for mobilizing residential flexibility in power systems.

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