CN112396365B - 一种库存单品预测方法、装置、计算机设备及存储介质 - Google Patents

一种库存单品预测方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN112396365B
CN112396365B CN201910748524.1A CN201910748524A CN112396365B CN 112396365 B CN112396365 B CN 112396365B CN 201910748524 A CN201910748524 A CN 201910748524A CN 112396365 B CN112396365 B CN 112396365B
Authority
CN
China
Prior art keywords
order
sales
constraint condition
stock
orders
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910748524.1A
Other languages
English (en)
Other versions
CN112396365A (zh
Inventor
刘垚
储孝国
曾庆维
石新晨
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 CN201910748524.1A priority Critical patent/CN112396365B/zh
Publication of CN112396365A publication Critical patent/CN112396365A/zh
Application granted granted Critical
Publication of CN112396365B publication Critical patent/CN112396365B/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
    • G06Q10/08—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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0605—Supply or demand aggregation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders

Landscapes

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

Abstract

本发明实施例公开了一种库存单品预测方法、装置、计算机设备及存储介质，涉及数据处理技术领域。其中，库存单品预测方法，包括：获取商家在第一时间段内从目标仓库出货的历史订单数据；对所述历史订单数据进行统计处理，得到所述目标仓库历史出货数据的统计处理结果；根据所述统计处理结果，对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单。本发明实施例通过对目标仓库出货的历史订单数据的统计处理结果对未来该目标仓库中的库存单品进行预测，来确定符合仓库需求的库存单品，可提高确定库存单品的效率、准确率、灵活度，降低管理成本。

Description

一种库存单品预测方法、装置、计算机设备及存储介质
技术领域
本发明涉及数据处理技术领域，具体涉及一种库存单品预测方法、装置、计算机设备及存储介质。
背景技术
在互联网时代，很多用户挑选商品时通过互联网在线上进行。对于商家来说，通常情况下，同时在出售的商品种类往往成百上千，每种商品的销量不仅有高有低，不同地域的销售情况也可能存在显著差异。在每个仓库中，若将商家出售的所有单品(其中，一个单品即对应一个SKU(Stock Keeping Unit)，SKU为保存库存控制的最小可用单位，如一款手机，不同颜色、颜色、配置对应不同的SKU)都进行库存，不仅会带来运输成本的上升和库存积压等问题，也会给管理增加难度。现有的为每个仓库确定库存单品的方法是根据经验来选择库存单品，或者根据销量占比从高到底依次选择库存单品，这些为仓库确定库存单品的方法往往不是最优的，调整起来也不够灵活，降低了为仓库确定库存单品的效率、准确率以及灵活度，增加了管理成本。
发明内容
本发明实施例提供一种库存单品预测方法、装置、计算机设备及存储介质，可提高确定库存单品的效率、准确率、灵活度，降低管理成本，解决了现有技术中的为仓库确定库存单品时出现的效率低、准确率低、灵活度差，且成本高的问题。
本发明实施例提供了一种库存单品预测方法，包括：
获取商家在第一时间段内从目标仓库出货的历史订单数据；
对所述历史订单数据进行统计处理，得到所述目标仓库历史出货数据的统计处理结果；
根据所述统计处理结果，对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单。
进一步地，所述对所述历史订单数据进行统计处理，得到所述目标仓库历史出货数据的统计处理结果，包括：
统计所述历史订单数据中的订单总数，以及所述历史订单数据中所有单品的总销量；
统计所述历史订单数据中的每个订单中各单品的销量；
确定所述历史订单数据中的每个订单中各单品的存在状态；
将每个订单中各单品的销量、每个订单中各单品的存在状态进行处理，以得到订单单品处理结果；
其中，所述统计处理结果包括所述订单总数、所述所有单品的总销量、所述订单单品处理结果。
进一步地，所述将每个订单中各单品的销量、每个订单中各单品的存在状态进行处理，以得到订单单品处理结果，包括：
对所述每个订单中各单品的销量进行矩阵转换，以得到销量矩阵；
对每个订单中各单品的存在状态进行二值转换，以得到二值矩阵；
其中，所述订单单品处理结果包括所述销量矩阵和所述二值矩阵。
进一步地，所述根据所述统计处理结果，对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单，包括：
获取预设的订单满足率和销量满足率；
根据所述统计处理结果，以及所述预设的订单满足率和销量满足率，对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单。
进一步地，在所述根据所述统计处理结果，对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单的步骤之前，所述库存单品预测方法还包括：
构建库存单品预测模型；
所述根据所述统计处理结果，对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单，包括：将所述统计处理结果输入至所述库存单品预测模型中，对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单。
进一步地，所述构建库存单品预测模型，包括：
设置订单满足率、销量满足率，以及二值化变量；
将预测的库存单品数量最小化设置为目标函数；
根据订单满足率、销量满足率、二值化变量之间的关系构建所述目标函数的约束条件；
根据所述目标函数，所述目标函数的约束条件构建所述库存单品预测模型。
进一步地，所述库存单品预测模型包括销量矩阵参数、二值矩阵参数、订单总数参数、所有单品的总销量参数，所述根据订单满足率、销量满足率、二值化变量之间的关系构建所述目标函数的约束条件，包括：
设置所述销量矩阵参数、所述二值化变量之间的关系，作为所述目标函数的第一约束条件；
设置所述二值矩阵参数、所述二值化变量之间的关系，作为所述目标函数的第二约束条件；
设置所述销量矩阵参数、所述销量满足率、所述所有单品的总销量参数之间的关系，作为所述目标函数的第三约束条件；
设置所述二值矩阵参数、所述订单满足率、所述订单总数参数之间的关系，作为所述目标函数的第四约束条件。
本发明实施例还提供了一种库存单品预测装置，包括：
订单获取单元，用于获取商家在第一时间段内从目标仓库出货的历史订单数据；
统计处理单元，用于对所述历史订单数据进行统计处理，得到所述目标仓库历史出货数据的统计处理结果；
预测单元，用于根据所述统计处理结果，对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单。
进一步地，所述统计处理单元，包括：
订单销量统计单元，用于统计所述历史订单数据中的订单总数，以及所述历史订单数据中所有单品的总销量；
单品销量统计单元，用于统计所述历史订单数据中的每个订单中各单品的销量；
单品状态确定单元，用于确定所述历史订单数据中的每个订单中各单品的存在状态；
订单单品处理单元，用于将每个订单中各单品的销量、每个订单中各单品的存在状态进行处理，以得到订单单品处理结果；
其中，所述统计处理结果包括所述订单总数、所述所有单品的总销量、所述订单单品处理结果。
进一步地，所述订单单品处理单元，包括：
销量矩阵确定单元，用于对所述每个订单中各单品的销量进行矩阵转换，以得到销量矩阵；
二值矩阵确定单元，用于对每个订单中各单品的存在状态进行二值转换，以得到二值矩阵；
其中，所述订单单品处理结果包括所述销量矩阵和所述二值矩阵。
进一步地，所述预测单元，包括：
第一满足率获取单元，用于获取预设的订单满足率和销量满足率；
第一单品预测单元，用于根据所述统计处理结果，以及预设的订单满足率和销量满足率，以对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单。
进一步地，所述库存单品预测装置还包括：
构建单元，用于构建库存单品预测模型；
所述预测单元，还用于：将所述统计处理结果输入至所述库存单品预测模型中，对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单。
进一步地，所述构建单元，包括：
参数变量设置单元，用于设置订单满足率、销量满足率，以及二值化变量；
目标函数设置单元，用于将预测的库存单品数量最小化设置为目标函数；
约束条件设置单元，用于根据订单满足率、销量满足率、二值化变量之间的关系构建所述目标函数的约束条件；
模型构建单元，用于根据所述目标函数，所述目标函数的约束条件构建所述库存单品预测模型。
进一步地，所述约束条件设置单元，包括：
第一条件设置单元，用于设置所述销量矩阵参数、所述二值化变量之间的关系，作为所述目标函数的第一约束条件；
第二条件设置单元，用于设置所述二值矩阵参数、所述二值化变量之间的关系，作为所述目标函数的第二约束条件；
第三条件设置单元，用于设置所述销量矩阵参数、所述销量满足率、所述所有单品的总销量参数之间的关系，作为所述目标函数的第三约束条件；
第四条件设置单元，用于设置所述二值矩阵参数、所述订单满足率、所述订单总数参数之间的关系，作为所述目标函数的第四约束条件。
本发明实施例还提供了一种计算机设备，所述计算机设备包括：一个或多个处理器；存储器；以及一个或多个应用程序，其中所述处理器和所述存储器相连接，所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述任一项所述的库存单品预测方法。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行上述任一项所述的库存单品预测方法。
本发明实施例获取目标仓库出货的历史订单数据，并对历史订单数据进行统计处理，以得到统计处理结果，根据所述统计处理结果对在未来该目标仓库出货的库存单品进行预测，输出库存单品清单。通过对目标仓库出货的历史订单数据的统计处理结果对未来该目标仓库中的库存单品进行预测，来确定符合仓库需求的库存单品，可提高确定库存单品的效率、准确率、灵活度，降低管理成本。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的库存单品预测方法的流程示意图；
图2是本发明实施例提供的库存单品预测方法的子流程示意图；
图3是本发明实另一施例提供的库存单品预测方法的流程示意图；
图4是本发明另一实施例提供的库存单品预测方法的子流程示意图；
图5是本发明实施例提供的库存单品预测装置的示意性框图；
图6是本发明另一实施例提供的库存单品预测装置的示意性框图；
图7是本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。另外，“第一”、“第二”这些术语用来将多个元素彼此区分开。例如，在不脱离本发明范围的前提下，第一约束条件可以被称为第二约束条件，并且类似地，第二约束条件可以被称为第一约束条件。第一约束条件和第二约束条件均为约束条件，但它们并非同一约束条件。
在本发明中，“示例性”一词用来表示“用作例子、例证或说明”。本发明中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本发明。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合本发明所公开的原理和特征的最广范围相一致。
本发明实施例提供一种库存单品预测方法、装置、计算机设备及存储介质。该库存单品预测方法运行于设备中，该设备可以服务器，也可以是终端，如手机、Pad、台式电脑等设备。以下分别进行详细说明。
图1是本发明实施例提供的库存单品预测方法的流程示意图，该库存单品预测方法的具体流程如下：
101，获取商家在第一时间段内从目标仓库出货的历史订单数据。
商家在第一时间段内从目标仓库出货的历史订单数据，可以保存在本地中，也可以保存在数据库中，或者保存在其他设备中等，则获取商家在第一时间段内从目标仓库出货的历史订单数据，可以直接从本地获取，也可以从数据库中获取，或者向其他设备发送获取请求，从其他设备上获取。
其中，商家既可以是线下商家，也可以是线上商家。比如线下商家，客户买单时会将订单数据录入并存储，以形成订单数据；线上商家如电商，客户下单后，在电商平台的数据库中存储有订单数据。商家可以是一个商家，也可以是多个商家。比如，一个商家对应有多个电商店铺，该多个电商店铺公用一个仓库，那么获取商家从目标仓库出货的历史订单数据，可以是获取其中一个电商店铺从该公用仓库中出货的历史订单数据，也可以是获取所有电商店铺从该公用仓库中出货的历史订单数据。比如多个商家对应多个电商店铺，多个电商店铺销售的产品不同，该多个电商店铺公用一个仓库，那么获取商家从目标仓库中出货的历史订单数据，可以是获取其中一个商家的电商店铺从该公用仓库中出货的历史订单数据，也可以是获取多个商家的店铺店铺从该公用仓库中出货的历史订单数据。再比如，一个商家对应有多个仓库，将多个仓库中的一个仓库作为目标仓库。例如，该多个仓库位于不同的位置，如一个在城市A，一个在城市B，则获取商家从目标仓库中出货的历史订单数据，包括获取该商家在城市A仓库中出货的历史订单数据，或者获取该商家在城市B仓库中出货的历史订单数据。
其中，第一时间段可以为半年，一个季度、多个季度等。比如，若要为第二季度的某个目标仓库预测库存单品，则可获取该目标仓库在去年第二季度的历史订单数据，或者获取该目标仓库在今年第一季度的历史订单数据，或者获取该目标仓库在以往多个季度里的历史订单数据。
其中，在第一时间段内从目标仓库出货的历史订单数据，包括在第一时间段内从目标仓库出货的全部订单，每个订单中所包括的单品以及每个单品所对应的数量。其中，一个单品对应一个SKU(Stock Keeping Unit，库存量单位)，SKU是保存库存控制的最小可用单位，比如一款手机，不同型号、颜色、配置的是不同的SKU。
表1是历史订单数据的示例，其中，订单号包括order1、order2，单品号包括s1、s2、s3。订单号为order1的订单中，单品s1的数量(销量)为2，单品s2的数量(销量)为2；订单号为order2的订单中，单品s2的数量(销量)为1，单品s3的数量(销量)为1。需要注意的是，表1中的数据只是例举，以方便理解本发明中的方案，并不构成对历史订单数据的限定。在实际中，历史订单数据中可以包括更多的订单、更多的单品、每个单品对应更多数量等，每个订单中还可以包括更多的数据，如日期、发货时间等。
表1历史订单数据示例
订单号 单品号 数量(销量)
order1 s1 2
order1 s2 2
order2 s2 1
order2 s3 1
102，对历史订单数据进行统计处理，得到目标仓库历史出货数据的统计处理结果。
其中，统计处理的方法包括统计、查询、数据转换等。
在一实施例中，如图2所示，步骤102，包括以下步骤：
201，统计历史订单数据中的订单总数，以及该历史订单数据中所有单品的总销量。
其中，统计历史订单数据中的订单总数，包括：剔除历史订单数据中相同的订单号，将剩余的订单号进行累加统计，以得到历史订单数据中的订单总数。例如，表1中的历史订单数据中的订单总数为2。
统计历史订单数据中的所有单品的总销量，包括：将每个订单中每个单品所对应的销量进行加法运算，以得到历史订单数据中的所有单品的总销量。例如，表1中的，将数量字段所对应的数量进行加法运算，得到的历史订单数据中的所有单品的总销量为6。
202，统计该历史订单数据中的每个订单中各单品的销量。
每个订单中各单品的销量，指的是每个订单中每个单品对应的销量。具体的，统计历史订单数据中的每个订单中各单品的销量的步骤，包括：获取每个订单中的数据，根据每个订单中的数据统计每个订单中各单品的销量。或者从历史订单数据中获取一个订单号；查询是否还存在相同的订单号；若存在相同的订单号，则获取所有相同订单号所对应的数据，将所有相同订单号所对应的数据作为一个订单的数据；统计该订单中的各单品的销量，直至所有的订单号都获取完毕。其中，订单中不存在的单品所对应的销量设置为0。例如，表1中，获取第一条数据中的订单号order1后，查询到第二条数据的订单号还是order1，则将两个order1中的数据作为一个订单的数据，并统计该订单中各单品的销量，该订单中，s1的销量为2，s2的销量为2，s3的销量为0，如此直至所有的订单号都获取完毕。
203，确定该历史订单数据中的每个订单中各单品的存在状态。
每个订单中各单品的存在状态指的是每个订单中是否存在各单品的状态。具体地，确定该历史订单数据中的每个订单中各单品的存在状态的步骤，包括：获取每个订单中的数据，根据每个订单中的数据判断该订单中是否存在各单品；根据判断结果确定每个订单中各单品的存在状态。若判断结果是存在某个单品，则确定该订单中存在该某个单品，若判断结果是不存在某个单品，则确定该订单中不存在该某个单品。例如，表1的order1中，存在单品s1、s2，不存在单品s3。
204，将每个订单中各单品的销量、每个订单中各单品的存在状态进行处理，以得到订单单品处理结果。
其中，目标仓库历史出货数据的统计处理结果，包括：订单总数、所有单品的总销量、订单单品处理结果。
需要注意的是，所有单品的总销量指的是全部订单中所有单品的总销量。
具体地，将每个订单中各单品的销量、每个订单中各单品的存在状态进行处理，以得到订单单品处理结果的步骤，包括：对所述每个订单中各单品的销量进行矩阵转换，以得到销量矩阵；对每个订单中各单品的存在状态进行二值转换，以得到二值矩阵；其中，所述订单单品处理结果包括所述销量矩阵、二值矩阵。其中，销量矩阵具体为订单单品销量矩阵，二值矩阵具体为订单单品二值矩阵。
其中，对所述每个订单中各单品的销量进行矩阵转换，以得到销量矩阵，包括：获取所有订单中的一个订单，将该订单中各单品的销量转换为矩阵的一行或者一列，获取下一个订单，将下一个订单中各单品的销量转换为矩阵的下一行或者下一列，直至所有订单都统计完毕，将所得到的的矩阵作为销量矩阵。例如，对于order1中各单品的销量，进行矩阵转换后，销量矩阵中对应的一行或者一列为：2，2，0。
表2是一个销量矩阵示例。该销量矩阵是根据表1中的数据进行矩阵转换得到的。
表2销量矩阵示例
销量矩阵 s1 s2 s3
order1 2 2 0
order2 0 1 1
其中，对每个订单中各单品的存在状态进行二值转换，以得到二值矩阵，包括：获取所有订单中的一个订单，将该订单中各单品的存在状态进行二值转换，将该订单中各单品的存在状态二值转换后的结果作为矩阵的一行或者一列；获取下一个订单，将该下一个订单中各单品的存在状态进行二值转换，将该下一个订单中各单品的存在状态二值转换后的结果作为矩阵的下一行或者下一列，直至所有订单都进行二值转换，将所得到的矩阵作为二值矩阵。其中，将该订单中各单品的存在状态进行二值转换的步骤，包括：若该订单中存在某个单品，则设置该订单中该某个单品的存在状态为1，否则，设置该订单中该某个单品的存在状态为0，直至该订单中各单品的存在状态都设置完毕。例如，表1中，订单号为order1的订单中，s1的存在状态为1，s2的存在状态为1，s3的存在状态为0，进行矩阵转换后，二值矩阵中对应的一行或者一列为：1，1，0。其中，也可以用其他的字符或者数字来表示订单中各单品的存在状态，比如用1和2表示存在单品和不存在单品等。
表3是一个二值矩阵示例。该二值矩阵是根据表1中的数据进行二值转换得到的。
表3二值矩阵示例
二值矩阵 s1 s2 s3
order1 1 1 0
order2 0 1 1
在一实施例中，所述步骤102还包括205。
205，将历史订单数据中的订单总数、所有单品的总销量、订单单品处理结果作为目标仓库历史出货数据的统计处理结果。
因此，目标仓库历史出货数据的统计处理结果包括：订单总数、所有单品的总销量、订单单品处理结果(包括销量矩阵、二值矩阵)。
需要说明的是，步骤202、203的先后执行顺序不做具体限定，可以先执行202，也可以先执行203，或者步骤202和203同步执行；步骤201、204的先后执行顺序不做具体限定，可以先执行步骤202、203、204，再执行201，或者先执行步骤203、202、204，再执行201，或者步骤202、203、204(203、202、204)与步骤201同步执行。
在其他实施例中，目标仓库历史出货数据的统计处理结果还可以包括其他的数据。
103，根据统计处理结果，对商家在未来第二时间段内从目标仓库出货的库存单品进行预测，输出库存单品清单。
需要说明的是，本发明实施例中根据历史订单数据对未来库存单品进行预测，是基于每个单品在在第一预设时间段内和在未来第二预设时间段内销量变化相差不大的情况。
其中，第一时间段和第二时间段可以相同，也可以不同，如第一时间段为半年，第二时间段可以为半年，也可以为一个季度等。
在一实施例中，步骤103，包括：获取预设的订单满足率和销量满足率；根据统计处理结果，以及预设的订单满足率和销量满足率，以对商家在未来第二时间段内从目标仓库出货的库存单品进行预测，输出库存单品清单。
其中，订单满足率指的是能够被满足的订单数除以订单总数，一个订单里所有单品目标仓库中都有对应数量的库存，则确定该订单被满足；销量满足率指的是能够被满足的订单所对应的总销量数除以全部订单所对应的总销量。例如，对于表1中的数据，若某个目标仓库中只有单品s1、单品s2，且单品s1的数量为2个，单品s2的数量为2个，则订单order1被满足，订单order1不能被满足，因此，订单满足率为1/2＝0.5，销量满足率为(2+2)/(2+2+1+1)＝2/3。其中，需要注意的是，0<订单满足率<＝1，0<销量单满足率<＝1。
在一实施例中，可通过库存单品预测模型来进行库存单品的预测。
具体地，步骤103，包括：将所述统计处理结果，输入到库存单品预测模型中，对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单。
在一实施例中，步骤103包括：获取预设的订单满足率和销量满足率；将统计处理结果，以及预设的订单满足率和销量满足率，输入到库存单品预设模型中，以对商家在未来第二时间段内从目标仓库出货的库存单品进行预测，输出库存单品清单。
其中，可以理解地，库存单品预测模型中也设计订单满足率和销量满足率。预设的订单满足率和销量满足率可以是预先设置的，与库存单品预测模型中的订单满足率和销量满足率可以相同，也可以不同。可以理解为，若直接使用库存单品预测模型中的订单满足率和销量满足率，那么无需获取预设的订单满足率和销量满足率。若想修改库存单品预测模型中的订单满足率和销量满足率，那么获取预设的订单满足率和销量满足率。理解为，库存单品预测模型中的订单满足率和销量满足率，不一定都满足用户的需求，因此需要重新设置订单满足率和销量满足率，并获取该预设的订单满足率和销量满足率。即本发明实施例中提供了获取预设的订单满足率和销量满足率，以修改库存单品预测模型中的订单满足率和销量满足率，提高库存单品预测模型的实用性，提升用户的体验。
在一实施例中，库存单品测模型包括混合整数线性规划模型。其中，线性规划模型中有部分或者全部的决策变量要求取整数，该类的线性规划模型被称为混合整数线性规划模型。
本发明实施例通过对目标仓库中出货的历史订单数据进行统计处理，并根据统计处理结果对未来该目标仓库的库存单品进行预测，来确定符合目标仓库需求的库存单品，可提高确定库存单品的效率、准确率、灵活度，降低管理成本。
在一实施例中，通过库存单品预测模型来进行库存单品的预测，库存单品预测模型包括混合整数线性规划模型。如图3所示，为本发明实施例提供的库存单品预测方法的流程示意图。该方法的具体流程如下：
301，构建混合整数线性规划模型。
通过设置参数，构建目标函数和目标函数的约束条件来构建混合整数线性规划模型。其中，目标函数和目标函数的约束条件中可包括所设置的参数。
在一实施例中，如图4所示，步骤301，包括以下步骤：
401，定义混合整数线性规划模型所涉及的集合，设置混合整数线性规划模型所涉及的参数。
需要注意的是，若使用的是其他的库存单品预测模型，则可能会包括其他的集合和/或参数。该实施例中以混合整数线性规划模型作为示例进行说明，以方便理解本发明实施例中的方案。
其中，混合整数线性规划模型所涉及的集合定义如表4所示。对应于表1，I集合中包括order1、order2；J集合中包括s1、s2、s3。
表4混合整数线性规划模型所涉及的集合
混合整数线性规划模型所涉及的参数包括销量矩阵参数a、二值矩阵参数b、订单总数参数M、所有单品的总销量参数S等。混合整数线性规划模型所涉及的参数如表5所示。
表5混合整数线性规划模型所涉及的参数
402，设置订单满足率、销量满足率，以及二值化变量。
需要注意的是，订单满足率和销量满足率在一些实施例中也是作为混合整数线性规划模型中的参数，因此在表5中也存在。混合整数线性规划模型中的订单满足率和销量满足率可以设置为具体的值，如此若需修改混合整数线性规划模型中所设置的订单满足率和销量满足率，需要在进行库存单品预测时，获取预设的订单满足率和销量满足率。在另一些实施例中，混合整数线性规划模型中的订单满足率和销量满足率可以以参数的形式存在，如此，在进行库存单品预测时，需要获取预设的订单满足率和销量满足率。其中，订单满足率对应于服务水平，销量满足率对应于销量水平。本发明实施例中，首先对服务水平，即订单满足率做要求，进一步还对销量满足率做要求。这是因为，满足订单满足率的情况下可能会存在多个可行解，再加上销量满足率的约束，即可从多个可行解中得到更优的可行解。
比如，对于表1中的数据，有两个订单order1和order2。若只设置订单满足率，假设订单满足率为50％，那么只要order1或者order2任何一个满足即可。若order1满足，那么销量满足率为(2+2)/(2+2+1+1)＝2/3；若order2满足，那么销量满足率为(1+1)/(2+2+1+1)＝1/3。若只符合订单满足率，有两种可行解，而多种可行解所对应的销量满足率是不同的，如计算出来的2/3和1/3。对于商家来说，当然是卖出的产品数量越多越好，因此，进一步引入销量满足率，以让商家从多个可行解中得到更优的可行解。如若设置销量满足率为50％，则更优的可行解是order1被满足，选择单品s1和s2。
其中，设置的混合整数线性规划模型的二值化变量如表6所示。
表6混合整数线性规划模型的二值化变量
403，将预测的库存单品数量最小化设置为目标函数。
其中，将预测的库存单品数量最小化设置为目标函数，即预测的库存SKU数量最小化，也可以理解为库存单品种类数量最小化。所设置的目标函数如表7所示。
404，根据订单满足率、销量满足率、二值化变量之间的关系构建所述目标函数的约束条件。
其中，步骤404包括：根据所设置的参数、订单满足率、销量满足率、二值化变量之间的关系构建所述目标函数的约束条件。具体地，根据所设置的参数、订单满足率、销量满足率、二值化变量之间的关系构建目标函数的约束条件，包括：设置销量矩阵参数、二值化变量之间的关系，作为目标函数的第一约束条件；设置二值矩阵参数、二值化变量之间的关系，作为目标函数的第二约束条件；设置销量矩阵参数、销量满足率、所有单品的总销量参数之间的关系，作为目标函数的第三约束条件；设置二值矩阵参数、订单满足率、订单总数参数之间的关系，作为目标函数的第四约束条件。
具体地，设置销量矩阵参数、二值化变量之间的关系，作为目标函数的第一约束条件，包括：设置销量矩阵参数a、二值化变量xj、二值化变量ξi之间的关系，作为目标函数的第一约束条件。
具体地，设置二值矩阵参数、二值化变量之间的关系，作为目标函数的第二约束条件，包括：设置二值矩阵参数b、二值化变量xj、二值化变量ξi之间的关系，作为目标函数的第二约束条件。
具体地，设置销量矩阵参数、销量满足率、所有单品的总销量参数之间的关系，作为目标函数的第三约束条件，包括：设置销量矩阵参数a、销量满足率β、所有单品的总销量参数S之间的关系，作为目标函数的第三约束条件。例如，可以理解地，该第三约束条件意味着，设置被满足的订单各单品的总销量大于等于销量满足率乘以所有单品的总销量。
具体地，设置二值矩阵参数、订单满足率、订单总数参数之间的关系，作为目标函数的第四约束条件，包括：设置二值矩阵参数b、订单满足率α、订单总数参数M之间的关系，作为目标函数的第四约束条件。比如，可以理解地，该第四约束条件意味着，设置被满足的订单数大于等于订单满足率乘以订单总数。
表7目标函数以及目标函数的约束条件
其中，目标函数以及目标函数的第一约束条件、第二约束条件、第三约束条件、第四约束条件的具体设定如表7所示。虽然表7中没有示出，但可以理解地，i和j的值都属于整数。
约束条件(1)、约束条件(2)、约束条件(3)、约束条件(4)分别对应第一约束条件、第二约束条件、第三约束条件、第四约束条件。其中，第三约束条件、第四约束条件中的公式很容易理解，对于第一预设条件和第二约束条件中的公式，可以理解为，对于每个订单，第一约束条件和第二约束条件中的公式都成立。
例如，对于表1中的订单order1来说,第一约束条件中的公式左边为a(order1-s1)*x(s1)+a(order1-s2)*x(s2)+a(order1-s3)*x(s3)，其中，a(order1-s1)、a(order1-s2)、a(order1-s3)对应于销量矩阵中的第一行数据，分别为2，2，0，如此，公式左边为2*x(s1)+2*x(s2)+0*x(s3)；第一约束条件中的公式右边为(a(order1-s1)+a(order1-s2)+a(order1-s3))*ξorder1＝4*ξorder1。假设订单order1被满足，ξorder1＝1，公式2*x(s1)+2*x(s2)>＝4。如此，若订单order1被满足，要想公式2*x(s1)+2*x(s2)>＝4成立，单品s1和单品s2要被选择才行。同理，对于订单order2，也要满足第一约束条件中的公式约束。第二预设条件中的公式约束与第一约束条件中的公式约束类似，在此不再赘述。
405，根据所述目标函数，所述约束条件构建混合整数线性规划模型。
根据表7中的目标函数和目标函数的约束条件构建混合整数线性规划模型，即混合整数线性规划模型中包括表7中的目标函数和目标函数的约束条件。
需要注意的是，该实施例中，步骤401与步骤402的执行顺序不做限定，可以先执行步骤402，再执行步骤401，也可以步骤401和步骤402同时执行。
该实施例进一步限定了具体得构建混合整数线性规划模型的过程。
302，获取商家在第一时间段内从目标仓库出货的历史订单数据。
303，对历史订单数据进行统计处理，得到目标仓库历史出货数据的统计处理结果。
其中，统计处理的具体流程请参看图1实施例中的步骤102。统计处理结果包括销量矩阵、二值矩阵、订单总数、所有单品的总销量等。
该实施例中的步骤302-303与图1实施例中的步骤101-102一致，具体请参看图1实施例中的描述，在此不再赘述。
304，将统计处理结果输入至混合整数线性规划模型中，对商家在未来第二时间段内从目标仓库出货的库存单品进行预测，输出库存单品清单。
具体地，将统计处理结果输入至混合整数线性规划模型中，使用数学规划求解器，对混合整数线性规划模型求解，则可以得到满足订单满足率、销量满足率的最优解。
例如，对于表1中的数据，订单满足率＝1/2，销量满足率＝1/2，最后求解出的库存单品数量为2，库存单品清单中包括s1、s2，满足的订单为order1。
在一实施例中，步骤304，包括：获取预设的订单满足率和销量满足率；将统计处理结果，以及预设的订单满足率和销量满足率输入至混合整数线性规划模型中，对商家在未来第二时间段内从目标仓库出货的库存单品进行预测，输出库存单品清单。该实施例中进一步获取预设的订单满足率和销量满足率，根据所获取的订单满足率和销量满足率来替代混合整数线性规划模型中的订单满足率和销量满足率，即修改混合整数线性规划模型中的订单满足率和销量满足率，提高混合整数线性规划模型的实用性，提升用户的体验。
该实施例根据构建的混合整数线性规划模型来预测库存单品清单，构建的该混合整数线性规划模型中涉及了订单满足率和销量满足率的约束，可以使得混合整数线性规划模型在求解时，能从多个可行解中得到最优的可行解，以得到最优的库存单品清单，即预测得到最少的库存单品数量(即库存单品种类数量)。能够在不影响服务水平的情况下，预测目标仓库存放、运输的单品，提高了确定库存单品的效率、准确率和灵活度，而且大大降低了目标仓库存运单品的数量，降低了管理成本。
为了更好实施本发明实施例中库存单品预测方法，在库存单品预测方法基础之上，本发明实施例中还提供一种库存单品预测装置。该库存单品预测装置集成于设备中，该设备可以服务器，也可以是终端，如手机、Pad、台式电脑等设备。
图5是本发明实施例提供的库存单品预测装置的示意性框图，该库存单品预测装置包括订单获取单元501、统计处理单元502、预测单元503。
订单获取单元501，用于获取商家在第一时间段内从目标仓库出货的历史订单数据。
统计处理单元502，用于对历史订单数据进行统计处理，得到目标仓库历史出货数据的统计处理结果。
其中，统计处理单元502包括订单销量统计单元、单品销量统计单元、单品状态确定单元、订单单品处理单元。其中，订单销量统计单元，用于统计历史订单数据中的订单总数，以及该历史订单数据中所有单品的总销量。单品销量统计单元，用于统计该历史订单数据中的每个订单中各单品的销量。单品状态确定单元，用于确定该历史订单数据中的每个订单中各单品的存在状态。订单单品处理单元，用于将每个订单中各单品的销量、每个订单中各单品的存在状态进行处理，以得到订单单品处理结果，其中，所述统计处理结果包括所述订单总数、所述所有单品的总销量、所述订单单品处理结果。在一实施例中，统计处理单元502还包括：结果确定单元，用于将历史订单数据中的订单总数、所有单品的总销量、订单单品处理结果作为目标仓库历史出货数据的统计处理结果。其中，订单单品处理单元，包括销量矩阵确定单元、二值矩阵确定单元。其中，销量矩阵确定单元，用于对所述每个订单中各单品的销量进行矩阵转换，以得到销量矩阵。二值矩阵确定单元，用于对每个订单中各单品的存在状态进行二值转换，以得到二值矩阵。其中，订单单品处理结果包括销量矩阵和二值矩阵。
预测单元503，用于根据统计处理结果，对商家在未来第二时间段内从目标仓库出货的库存单品进行预测，输出库存单品清单。
在一实施例中，预测单元503，包括第一满足率获取单元、第一单品预测单元。其中，第一满足率获取单元，用于获取预设的订单满足率和销量满足率。第一单品预测单元，用于根据统计处理结果，以及预设的订单满足率和销量满足率，以对商家在未来第二时间段内从目标仓库出货的库存单品进行预测，输出库存单品清单。
在一实施例中，可通过库存单品预测模型来进行库存单品的预测。预测单元503具体用于：将所述统计处理结果，输入到库存单品预测模型中，对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单。
在一实施例中，可通过库存单品预测模型来进行库存单品的预测。预测单元503，包括：第二满足率获取单元、第二单品预测单元。其中，第二满足率获取单元，用于获取预设的订单满足率和销量满足率。第二单品预测单元，用于将统计处理结果，以及预设的订单满足率和销量满足率，输入到库存单品预设模型中，以对商家在未来第二时间段内从目标仓库出货的库存单品进行预测，输出库存单品清单。
在一实施例中，通过库存单品预测模型来进行库存单品的预测，库存单品预测模型包括混合整数线性规划模型。如图6所示，是本发明实施例提供的库存单品预测装置的示意性框图，该库存单品预测装置包括构建单元601、订单获取单元602、统计处理单元603、预测单元604。
构建单元601，用于构建混合整数线性规划模型。
在一实施例中，构建单元601，包括：参数变量设置单元、目标函数设置单元、约束条件设置单元、模型构建单元。其中，参数变量设置单元，用于定义混合整数线性规划模型所涉及的集合，设置混合整数线性规划模型所涉及的参数。参数变量设置单元，还用于设置订单满足率、销量满足率，以及二值化变量。目标函数设置单元，用于将预测的库存单品数量最小化设置为目标函数。约束条件设置单元，用于根据订单满足率、销量满足率、二值化变量之间的关系构建所述目标函数的约束条件。模型构建单元，用于根据所述目标函数，所述约束条件构建混合整数线性规划模型。其中，约束条件设置单元，包括第一条件设置单元、第二条件设置单元、第三条件设置单元、第四条件设置单元。其中，第一条件设置单元，用于设置销量矩阵参数、二值化变量之间的关系，作为目标函数的第一约束条件。第二条件设置单元，用于设置二值矩阵参数、二值化变量之间的关系，作为目标函数的第二约束条件。第三条件设置单元，用于设置销量矩阵参数、销量满足率、所有单品的总销量参数之间的关系，作为目标函数的第三约束条件。第四条件设置单元，用于设置二值矩阵参数、订单满足率、订单总数参数之间的关系，作为目标函数的第四约束条件。
订单获取单元602，用于获取商家在第一时间段内从目标仓库出货的历史订单数据。
统计处理单元603，用于对历史订单数据进行统计处理，得到目标仓库历史出货数据的统计处理结果。其中，统计处理单元603与上述实施例中的统计处理单元502相同，具体请参看上述实施例中的统计处理单元502的描述，在此不再赘述。
预测单元604，用于将统计处理结果输入至混合整数线性规划模型中，对商家在未来第二时间段内从目标仓库出货的库存单品进行预测，输出库存单品清单。
在一实施例中，预测单元604包括第三满足率获取单元、第三单品预测单元。其中，第三满足率获取单元，用于获取预设的订单满足率和销量满足率。第三单品预测单元，用于将统计处理结果，以及预设的订单满足率和销量满足率输入至混合整数线性规划模型中，对商家在未来第二时间段内从目标仓库出货的库存单品进行预测，输出库存单品清单。
需要说明的是，所属领域的技术人员可以清楚地了解到，上述装置和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
本发明实施例还提供一种计算机设备，其集成了本发明实施例所提供的任一种库存单品预测装置，所述计算机设备包括：
一个或多个处理器；
存储器；以及
一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述任一实施例中所述的库存单品预测方法中的步骤。
本发明实施例还提供一种计算机设备，其集成了本发明实施例所提供的任一种库存单品预测装置。如图7所示，其示出了本发明实施例所涉及的计算机设备的结构示意图，具体来讲：
该计算机设备可以包括一个或者一个以上处理核心的处理器701、一个或一个以上计算机可读存储介质的存储器702、电源703和输入单元704等部件。本领域技术人员可以理解，图中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器701是该计算机设备的控制中心，利用各种接口和线路连接整个计算机设备的各个部分，通过运行或执行存储在存储器702内的软件程序和/或模块，以及调用存储在存储器702内的数据，执行计算机设备的各种功能和处理数据，从而对计算机设备进行整体监控。可选的，处理器701可包括一个或多个处理核心；优选的，处理器701可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作***、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器701中。
存储器702可用于存储软件程序以及模块，处理器701通过运行存储在存储器702的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器702可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器702还可以包括存储器控制器，以提供处理器701对存储器702的访问。
计算机设备还包括给各个部件供电的电源703，优选的，电源703可以通过电源管理***与处理器701逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源703还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该计算机设备还可包括输入单元704，该输入单元704可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，计算机设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，计算机设备中的处理器701会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器702中，并由处理器701来运行存储在存储器702中的应用程序，从而实现各种功能，如下：
获取商家在第一时间段内从目标仓库出货的历史订单数据；
对所述历史订单数据进行统计处理，得到所述目标仓库历史出货数据的统计处理结果；
根据所述统计处理结果，对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单。
该计算机设备可以实现本发明实施例所提供的库存单品预测方法任一实施例中的步骤，因此，可以实现本发明实施例所提供的任一库存单品预测方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本发明实施例提供一种存储介质，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行本发明实施例所提供的任一种库存单品预测方法中的步骤。例如，所述计算机程序被处理器进行加载可以执行如下步骤：
获取商家在第一时间段内从目标仓库出货的历史订单数据；
对所述历史订单数据进行统计处理，得到所述目标仓库历史出货数据的统计处理结果；
根据所述统计处理结果，对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对其他实施例的详细描述，此处不再赘述。
具体实施时，以上各个单元或结构可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元或结构的具体实施可参见前面的方法实施例，在此不再赘述。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
以上对本发明实施例所提供的一种库存单品预测方法、装置、计算机设备及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种库存单品预测方法，其特征在于，包括：
获取商家在第一时间段内从目标仓库出货的历史订单数据；
对所述历史订单数据进行统计处理，得到所述目标仓库历史出货数据的统计处理结果；
根据所述统计处理结果，对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单；
其中，根据所述统计处理结果，对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单，包括：
获取预设的订单满足率和销量满足率，其中，销量满足率指的是能够被满足的订单所对应的总销量数除以全部订单所对应的总销量，所述订单满足率为能够被满足的订单数除以订单总数；
将所述统计处理结果，以及所述预设的订单满足率和销量满足率，输入至预先构建的库存单品预测模型中，对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单；其中，所述库存单品清单包括预测的库存单品数量，所述库存单品预测模型包括销量矩阵参数、二值矩阵参数、订单总数参数和所有单品的总销量参数，所述库存单品预测模型的目标函数的约束条件包括第一约束条件、第二约束条件、第三约束条件和第四约束条件；
所述库存单品预测模型的构建包括：设置订单满足率、销量满足率，以及二值化变量；将预测的库存单品数量最小化设置为目标函数；根据订单满足率、销量满足率、二值化变量之间的关系构建所述目标函数的约束条件；根据所述目标函数，所述目标函数的约束条件构建所述库存单品预测模型；
所述目标函数为：
其中，i∈I，I指的是订单i的集合；j∈J，J指的是单品j的集合；xj指的是第j个单品是否被选择至库存单品清单，若是，则xj＝1，否则，xj＝0；
所述第一约束条件的构建包括：设置所述销量矩阵参数、所述二值化变量之间的关系，作为所述目标函数的第一约束条件；其中，所述第一约束条件用于约束两个二值化变量之间的关系，以保证订单被满足时，该订单所对应的所有单品被选择；所述第一约束条件为：
其中，aij指的是第i个订单中含有第j个单品的数量，i∈I,j∈J；ξi指的是第i个订单是否成功，若成功，则ξi＝1，否则，ξi＝0；
所述第二约束条件的构建包括：设置所述二值矩阵参数、所述二值化变量之间的关系，作为所述目标函数的第二约束条件；其中，所述第二约束条件用于约束两个二值化变量之间的关系，保证订单被满足时，该订单所对应的所有单品被选择；所述第二约束条件为：
其中，bij指的是第i个订单中是否含有第j个单品，是为1，否为0，i∈I,j∈J；
所述第三约束条件的构建包括：设置所述销量矩阵参数、所述销量满足率、所述所有单品的总销量参数之间的关系，作为所述目标函数的第三约束条件；其中，所述第三约束条件用于被满足的订单中各单品的总销量不小于销量满足率乘以所有单品的总销量；所述第三约束条件为：
其中，β为销量满足率，S为全部订单所有单品的总销量；
所述第四约束条件的构建包括：设置所述二值矩阵参数、所述订单满足率、所述订单总数参数之间的关系，作为所述目标函数的第四约束条件；其中，所述第四约束条件用于被满足的订单数不小于订单满足率乘以订单总数；所述第四约束条件为：
其中，α为订单满足率，M为订单总数。
2.如权利要求1所述的库存单品预测方法，其特征在于，所述对所述历史订单数据进行统计处理，得到所述目标仓库历史出货数据的统计处理结果，包括：
统计所述历史订单数据中的订单总数，以及所述历史订单数据中所有单品的总销量；
统计所述历史订单数据中的每个订单中各单品的销量；
确定所述历史订单数据中的每个订单中各单品的存在状态；
将每个订单中各单品的销量、每个订单中各单品的存在状态进行处理，以得到订单单品处理结果；
其中，所述统计处理结果包括所述订单总数、所述所有单品的总销量、所述订单单品处理结果。
3.如权利要求2所述的库存单品预测方法，其特征在于，所述将每个订单中各单品的销量、每个订单中各单品的存在状态进行处理，以得到订单单品处理结果，包括：
对所述每个订单中各单品的销量进行矩阵转换，以得到销量矩阵；
对每个订单中各单品的存在状态进行二值转换，以得到二值矩阵；
其中，所述订单单品处理结果包括所述销量矩阵和所述二值矩阵。
4.如权利要求3所述的库存单品预测方法，其特征在于，所述对每个订单中各单品的存在状态进行二值转换，以得到二值矩阵的步骤，包括：
将每个订单中各单品的存在状态进行二值转换，将每个订单中各单品的存在状态二值转换后的结果作为矩阵的一行或者一列；
将所得到的矩阵作为二值矩阵。
5.一种库存单品预测装置，其特征在于，包括：
订单获取单元，用于获取商家在第一时间段内从目标仓库出货的历史订单数据；
统计处理单元，用于对所述历史订单数据进行统计处理，得到所述目标仓库历史出货数据的统计处理结果；
预测单元，用于根据所述统计处理结果，对所述商家在未来第二时间段内从所述目标仓库出货的库存单品进行预测，输出库存单品清单；
其中，所述预测单元，具体包括：
第二满足率获取单元，用于获取预设的订单满足率和销量满足率，其中，销量满足率指的是能够被满足的订单所对应的总销量数除以全部订单所对应的总销量，所述订单满足率为能够被满足的订单数除以订单总数；
第二单品预测单元，用于将统计处理结果，以及预设的订单满足率和销量满足率，输入至预先构建的库存单品预测模型中，以对商家在未来第二时间段内从目标仓库出货的库存单品进行预测，输出库存单品清单；其中，所述库存单品清单包括预测的库存单品数量，所述库存单品预测模型包括销量矩阵参数、二值矩阵参数、订单总数参数和所有单品的总销量参数，所述库存单品预测模型的目标函数的约束条件包括第一约束条件、第二约束条件、第三约束条件和第四约束条件；所述库存单品预测模型的构建包括：设置订单满足率、销量满足率，以及二值化变量；将预测的库存单品数量最小化设置为目标函数；根据订单满足率、销量满足率、二值化变量之间的关系构建所述目标函数的约束条件；根据所述目标函数，所述目标函数的约束条件构建所述库存单品预测模型；所述第一约束条件的构建包括：设置所述销量矩阵参数、所述二值化变量之间的关系，作为所述目标函数的第一约束条件；其中，所述第一约束条件用于约束两个二值化变量之间的关系，以保证订单被满足时，该订单所对应的所有单品被选择；所述第二约束条件的构建包括：设置所述二值矩阵参数、所述二值化变量之间的关系，作为所述目标函数的第二约束条件；其中，所述第二约束条件用于约束两个二值化变量之间的关系，保证订单被满足时，该订单所对应的所有单品被选择；所述第三约束条件的构建包括：设置所述销量矩阵参数、所述销量满足率、所述所有单品的总销量参数之间的关系，作为所述目标函数的第三约束条件；其中，所述第三约束条件用于被满足的订单中各单品的总销量不小于销量满足率乘以所有单品的总销量；所述第四约束条件的构建包括：设置所述二值矩阵参数、所述订单满足率、所述订单总数参数之间的关系，作为所述目标函数的第四约束条件；其中，所述第四约束条件用于被满足的订单数不小于订单满足率乘以订单总数；
其中，所述目标函数为：
其中，i∈I，I指的是订单i的集合；j∈J，J指的是单品j的集合；xj指的是第j个单品是否被选择至库存单品清单，若是，则xj＝1，否则，xj＝0；
所述第一约束条件为：
其中，aij指的是第i个订单中含有第j个单品的数量，i∈I,j∈J；ξi指的是第i个订单是否成功，若成功，则ξi＝1，否则，ξi＝0；
所述第二约束条件为：
其中，bij指的是第i个订单中是否含有第j个单品，是为1，否为0，i∈I,j∈J；
所述第三约束条件为：
其中，β为销量满足率，S为全部订单所有单品的总销量；
所述第四约束条件为：
其中，α为订单满足率，M为订单总数。
6.一种计算机设备，其特征在于，所述计算机设备包括：
一个或多个处理器；存储器；以及一个或多个应用程序，其中所述处理器和所述存储器相连接，所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现权利要求1至4中任一项所述的库存单品预测方法。
7.一种存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1至4任一项所述的库存单品预测方法中的步骤。
CN201910748524.1A 2019-08-14 2019-08-14 一种库存单品预测方法、装置、计算机设备及存储介质 Active CN112396365B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910748524.1A CN112396365B (zh) 2019-08-14 2019-08-14 一种库存单品预测方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910748524.1A CN112396365B (zh) 2019-08-14 2019-08-14 一种库存单品预测方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN112396365A CN112396365A (zh) 2021-02-23
CN112396365B true CN112396365B (zh) 2024-07-02

Family

ID=74601451

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910748524.1A Active CN112396365B (zh) 2019-08-14 2019-08-14 一种库存单品预测方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN112396365B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113128932B (zh) * 2021-04-16 2024-04-16 北京京东振世信息技术有限公司 仓库备货处理方法、装置、存储介质与电子设备
CN113537874A (zh) * 2021-05-14 2021-10-22 深圳市富能新能源科技有限公司 仓储管理方法、***、终端设备及计算机存储介质
CN113627662B (zh) * 2021-08-03 2024-05-28 杭州拼便宜网络科技有限公司 库存数据预测方法、装置、设备和存储介质
CN114997471A (zh) * 2022-05-12 2022-09-02 北京沃东天骏信息技术有限公司 信息生成方法、装置、电子设备和计算机可读介质
CN115034523B (zh) * 2022-08-10 2022-11-01 深圳市感恩网络科技有限公司 一种基于大数据的企业erp综合管理***及方法
CN115660733A (zh) * 2022-11-04 2023-01-31 鹏展万国电子商务(深圳)有限公司 一种基于人工智能的销量预测***及方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109840730A (zh) * 2017-11-29 2019-06-04 北京京东尚科信息技术有限公司 用于数据预测的方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5630070A (en) * 1993-08-16 1997-05-13 International Business Machines Corporation Optimization of manufacturing resource planning
WO2010004587A2 (en) * 2008-07-11 2010-01-14 Gorur Narayana Srinivasa Prasa A computer implemented decision support method and system
CN109978428A (zh) * 2017-12-28 2019-07-05 北京京东尚科信息技术有限公司 数据估算方法和装置以及计算机可读存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109840730A (zh) * 2017-11-29 2019-06-04 北京京东尚科信息技术有限公司 用于数据预测的方法及装置

Also Published As

Publication number Publication date
CN112396365A (zh) 2021-02-23

Similar Documents

Publication Publication Date Title
CN112396365B (zh) 一种库存单品预测方法、装置、计算机设备及存储介质
CN110390501B (zh) 数据处理方法及其***、计算机***及计算机可读介质
CN110633820B (zh) 仓库地址的推荐方法、装置及计算机可读存储介质
CN110472899B (zh) 一种物品的出库分配方法和装置
Hemmati et al. Vendor managed inventory with consignment stock for supply chain with stock-and price-dependent demand
Pourakbar et al. End‐of‐life inventory decisions for consumer electronics service parts
US20150112750A1 (en) Supply network optimization method and system for multiple objectives
CN111401619A (zh) 采购订单处理方法、装置、电子设备及存储介质
Ahmadi et al. A centralized stochastic inventory control model for perishable products considering age-dependent purchase price and lead time
CN113762885B (zh) 补货量确定方法、装置、设备、存储介质及程序产品
CN111242531A (zh) 一种原料管控方法、装置和电子设备
CN113191713A (zh) 仓库缺货转仓方法、装置、设备及存储介质
CN112053168A (zh) 物料的监控方法、装置、电子设备及存储介质
CN113537861B (zh) 补货方法和补货装置
CN113793081A (zh) 仓储监控方法、装置、计算机可读介质及电子设备
Puka et al. Decision rules-based method for dynamic adjustment of Min–Max ordering levels
CN112330235A (zh) 用于库存管理的数据处理方法、装置、电子设备及介质
CN115829287B (zh) 一种货品的分配方法及装置
CN111242532A (zh) 一种采购管理方法、装置和电子设备
CN111062669A (zh) 业务处理方法、装置、存储介质及服务器
US20160300173A1 (en) Oscillation detection and reduction in supply chain
CN115482051A (zh) 基于erp***的商品管理方法、装置、设备及可读存储介质
Lam et al. Responsive pick face replenishment strategy for stock allocation to fulfil e-commerce order
CN115730888A (zh) 货品库存分配方法及装置
CN112581014A (zh) 素材准备度的统计方法、装置、设备和存储介质

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
GR01 Patent grant