用于生成信息的方法和装置制造方法及图纸

本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：获取待存储于目标仓库的、待下单的目标产品的产品信息；基于产品信息，确定目标产品在预设时间段内的预测需求量；确定目标产品的预测物流时效时长；基于预测需求量和预测物流时效时长，生成待存储于目标仓库的、目标产品的下单提前时长和产品下单数量。该实施方式通过产品的预测需求量和预测物流时效时长，得到了产品的下单提前时长和产品下单数量，从而提高了信息生成的灵活性，有助于帮助仓库管理员、产品配置人员等相关人员确定更为准确的下单提前时长和产品下单数量，有助于降低仓库的库存成本。

【技术实现步骤摘要】
用于生成信息的方法和装置
本申请实施例涉及计算机
，具体涉及用于生成信息的方法和装置。
技术介绍
通常，库存(Inventory)是一种为了满足未来需要而暂时闲置的资源。其中，库存成本可以包含：固定成本，包含产品价值成本(例如产品购买成本)等确定的成本；订货成本，订货行为产生的时间成本与物流成本；库存持有成本，产品存放在仓库产生的成本，包含固定的仓库管理成本，通常与仓库规模相关，越大规模仓库的仓库租赁、管理人员工资等成本越高；缺货成本，订单缺货对产品销售的损失，一般以订单流失率表示。库存成本的大小依赖于库存管理方式。现有的库存管理方式一般包括如下两种：方式一：在不允许缺货的前提下，库存下降到一定程度(如一半)，立即订货；在允许缺货的前提下，一旦缺货则立即订货。方式二：按一定的周期，定量订货。
技术实现思路
本申请实施例提出了用于生成信息的方法和装置。第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：获取待存储于目标仓库的、待下单的目标产品的产品信息；基于产品信息，确定目标产品在预设时间段内的预测需求量；确定目标产品的预测物流时效时长；基于预测需求量和预测物流时效时长，本文档来自技高网...

【技术保护点】
1.一种用于生成信息的方法，包括：获取待存储于目标仓库的、待下单的目标产品的产品信息；基于所述产品信息，确定所述目标产品在预设时间段内的预测需求量；确定所述目标产品的预测物流时效时长；基于所述预测需求量和所述预测物流时效时长，生成待存储于所述目标仓库的、所述目标产品的下单提前时长和产品下单数量。

【技术特征摘要】
1.一种用于生成信息的方法，包括：获取待存储于目标仓库的、待下单的目标产品的产品信息；基于所述产品信息，确定所述目标产品在预设时间段内的预测需求量；确定所述目标产品的预测物流时效时长；基于所述预测需求量和所述预测物流时效时长，生成待存储于所述目标仓库的、所述目标产品的下单提前时长和产品下单数量。2.根据权利要求1所述的方法，其中，所述确定所述目标产品的预测物流时效时长，包括：从预先确定的供货仓库集合中，确定待为所述目标仓库供货的供货仓库作为目标供货仓库；确定所述目标供货仓库待为所述目标仓库提供所述目标产品的预测物流时效时长作为所述目标产品的预测物流时效时长。3.根据权利要求2所述的方法，其中，所述确定所述目标供货仓库待为所述目标仓库提供所述目标产品的预测物流时效时长，包括：确定所述目标供货仓库待为所述目标仓库提供所述目标产品的时间的时间信息的时间特征；将所述时间特征输入至物流时效时长预测模型，得到所述目标供货仓库待为所述目标仓库提供所述目标产品的物流时效时长作为预测物流时效时长，其中，所述物流时效时长预测模型是针对所述目标供货仓库和所述目标仓库预先训练的，用于表征时间特征和物流时效时长之间的对应关系。4.根据权利要求3所述的方法，其中，所述物流时效时长预测模型为回归模型。5.根据权利要求3所述的方法，其中，所述物流时效时长预测模型为逻辑回归模型。6.根据权利要求3所述的方法，其中，所述物流时效时长预测模型是通过如下步骤训练得到的：获取所述目标供货仓库为所述目标仓库提供所述目标产品的历史订单的订单信息，得到订单信息集合；对于所述订单信息集合中的订单信息，提取生成该订单信息的时间的时间信息的时间特征，以及确定该订单信息对应的所述目标产品的物流时效时长，以获得训练样本，其中，训练样本包括所提取的时间特征和所确定的物流时效时长；利用机器学习算法，将所获得的多个训练样本中的训练样本包括的时间特征作为输入，将与输入的时间特征对应的物流时效时长作为期望输出，训练得到物流时效时长预测模型。7.根据权利要求1所述的方法，其中，所述基于所述产品信息，确定所述目标产品在预设时间段内的预测需求量，包括：将所述产品信息输入至针对所述目标仓库预先训练的需求量预测模型，得到所述目标产品在预设时间段内的需求量作为预测需求量，其中，所述需求量预测模型用于表征所述目标产品的产品信息和所述目标产品在所述预设时间段内的需求量之间的对应关系。8.根据权利要求7所述的方法，其中，所述需求量预测模型是通过如下步骤训练得到的：获取所述目标仓库存储的所述目标产品的历史订单的订单信息，得到订单信息集合；对于所述订单信息集合中的订单信息，生成该订单信息对应的训练样本，其中，训练样本包括输入数据和输出数据，输入数据包括以下至少一项：生成该订单信息的时间的时间信息的时间特征，以该订单信息指示的订单的生成时间为终点的预设历史时间段内所述目标产品的需求量，所述目标产品的属性信息，与所述目标产品具有相同的属性信息的其他产品的需求量，输出数据为所述目标产品在预设时间段内的下单数量；利用机器学习算法，将所获得的多个训练样本中的训练样本包括的输入数据作为输入，将与输入的输入数据对应的输出数据作为期望输出，训练得到需求量预测模型。9.根据权利要求7所述的方法，其中，所述需求量预测模型为随机森林分位点回归模型。10.根据权利要求7所述的方法，其中，所述需求量预测模型的损失函数是关于所述需求量预测模型期望输出的下单数量和实际输出的下单数量的函数，所述期望输出的下单数量的权重与所述实际输出的下单数量的权重之和为1。11.根据权利要求1-10之一所述的方法，其中，所述基于所述预测需求量和所述预测物流时效时长，生成待存储于所述目标仓库的、所述目标产品的下单提前时长和产品下单数量，包括：采用遗传算法，基于预先确定的预设时长内所述目标仓库的总库存成本关系式、所述预测需求量和所述预测物流时效时长，生成待存储于所述目标仓库的、所述目标产品的下单提前时长和产品下单数量。12.一种用于生成信息的装置，包括：获取单元，被配置成获取待存储于目标仓库的、待下单的目标产品的产品信息；第一确定单元，被配置成基于所述产品信息，确定所述目标...

【专利技术属性】
技术研发人员：王蔚，陈科第，范竣翔，孟泉，周淼，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京,11